人口研究杂志已发表格式范文参考
1.人口老龄化、养老产业发展与 经济增长的关系探究∗
作者：穆怀中;张献政
作者单位：辽宁大学公共管理学院
关键词：人口老龄化;养老产业;经济增长;调节效应
【内容摘要】在中国式现代化与快速的人口老龄化相重合的背景下，中国面临着经济发展途径和 推进方式的科学选择。 基于 ２０１３～２０２２ 年省级面板数据，分析人口老龄化与养老产业发展对经济增 长的影响机制。 研究发现，人口老龄化程度加深会抑制经济增长，养老产业发展则有利于经济增长。 机制分析表明，养老产业发展在人口老龄化与经济增长的关系中起到重要调节作用，其会显著削弱人 口老龄化对经济增长的负向影响。 异质性分析发现，人口老龄化、养老产业发展与经济增长之间的关 系在不同区域存在显著差异，人口老龄化与养老产业发展的联动效应仅在西部地区对经济增长起到 显著的调节作用。 应推动养老产业创新发展，强化区域协同发展，全面优化社会保障体系，实施精细 化政策管理，实现人口老龄化、养老产业与经济增长协同发展。
人口老龄化已成为中国的基本国情。《国家积极应对人口老龄化中长期规划》提出 “夯实应对人口老龄化的社会财富储备。通过扩大总量、优化结构、提高效益，实现经济发展与人口老龄化相适应” 以及 “打造高质量的为老服务和产品供给体系”。可见，未来养老产业将释放巨大的经济潜力，成为中国经济增长的新动力。
在中国式现代化与快速的人口老龄化相重合的背景下，我国面临着经济发展途径和推进方式的科学选择。当前恰逢中国人口老龄化加速期，在此背景下，养老产业将会不断发展，从而推动经济增长。但养老产业对经济增长的推动作用如何，养老产业在积极应对人口老龄化国家战略实施中的作用如何界定，都是值得深入研究的现实问题。本文聚焦这些问题，分别分析人口老龄化与养老产业发展对经济增长的影响，并将养老产业发展作为调节变量，考察人口老龄化联动养老产业发展对经济增长的影响，旨在为积极应对人口老龄化国家战略的实施提供理论和实践参考依据。
1 文献综述
与本文紧密相关的文献主要分为以下两类：
第一类是研究人口老龄化对经济增长影响的文献。一部分学者认为人口老龄化会对经济增长产生负向影响 (范洪敏、穆怀中，2018)。中国于 2022 年首次出现人口负增长，并将进入人口负增长常态化时期。同时，整个人口的年龄结构将不断老化，劳动年龄人口规模将处于持续缩减中，劳动年龄人口比例在 21 世纪前半叶将快速下降 (翟振武等，2017)。从长期看，人口老龄化对经济增长的负面影响可能会逐渐显现 (乔雅君、王军，2022)。在理论分析中，有学者以新古典经济增长模型为基础，加入人口老龄化因素，得出人口老龄化会对经济增长起负向作用的结论 (胡鞍钢等，2012)。在实证分析中，有学者同样得出了人口规模变化对区域经济增长有显著的负面影响 (王桂新、干一慧，2017)，以及人口数量结构转变对经济增长存在显著的负向影响的结论 (张苏、张辉，2024)。还有学者认为，人口老龄化对经济增长的影响方向为先正向后负向，二者的关系表现为倒 “U” 型 (An 和 Jeon，2006；刘小勇，2013)。进一步研究发现，人口老龄化只有达到一定的阈值后才会对经济增长产生显著影响 (都阳、封永刚，2021)。与此同时，学术界逐渐开始关注人口老龄化与经济增长的协同优化路径。全要素生产率是有效应对人口老龄化的关键因素 (陈彦斌等，2019)，通过不断促进技术创新、提高劳动生产率，能够在一定程度上抵消人口老龄化带来的负面影响，从而促进经济的持续增长 (谢雪燕、朱晓阳，2020)，人力资源总量更能决定长期经济发展潜力 (厉克奥博等，2022)。
第二类是从理论上研究人口老龄化、养老产业发展与经济增长之间关系的文献。发展养老产业不仅能够满足老年群体的需求、提升其福祉，还能显著扩大内需、促进经济增长 (李军，2022)。然而，虽然养老产业对国民经济的拉动作用较强，但其推动能力较弱 (戴艳娟、张赛金，2021)。拉动作用主要表现为消费在 GDP 中所占的比重不断攀升，以及老龄消费市场规模及其在全人口消费中的占比不断扩大和提升 (彭希哲、陈倩，2022)。加快发展符合国情的养老产业是有效应对人口年龄结构快速老化与经济社会发展之间不平衡的重要突破口 (丁文珺、熊斌，2022)。随着老年群体的消费意愿和消费能力持续增强，养老消费市场潜力巨大，消费内容与方式越来越多元化 (曾红颖、范宪伟，2019)，应依据不同地域、城乡结构，以及老年人口身体状况、心理健康程度来确定养老服务的供给，只有对不同需求进行科学研判，才可能避免养老服务供需脱节、结构性矛盾突出现象的发生 (董克用等，2020)。
综上所述，现有文献主要研究了人口老龄化对经济增长的影响，以及从理论角度基于需求侧分析了养老产业发展对经济增长的拉动作用，鲜有文献从实证角度基于供给侧将人口老龄化、养老产业发展与经济增长作为一个有机整体，分析养老产业发展在人口老龄化与经济增长关系中的调节作用。此外，现有文献也缺少针对养老产业发展水平评价指标体系的研究。
2 理论分析与研究假设
人口老龄化与经济增长之间的关系受到多种因素的共同影响，养老产业发展在二者之间扮演着协同优化的关键角色，本文将详细分析其具体影响机制。
2.1 人口老龄化与经济增长
从供给侧看，在人口老龄化背景下，劳动力供给的减少会影响经济增长。劳动力供给减少会导致企业在人力资源配置上受限，从而会影响生产效率，并且劳动力年龄结构老化可能会削弱个体劳动生产能力，尽管劳动生产能力并不等同于劳动生产率，但个体劳动生产能力下滑会在一定程度上阻碍劳动生产率提升。劳动力供给结构若与产业需求不匹配会阻碍产业升级，最终降低经济增长水平。此外，人口老龄化容易加重政府财政负担，老龄化社会需要政府适度增加公共服务的供给，在一定程度上满足老年人口对养老、医疗等方面的需求，这些支出会增加政府的财政负担，并可能挤占其他对经济增长有重要作用的公共支出，如教育、基础设施等，从而导致经济增长动力被削弱。从需求侧看，老年群体的养老收入总额会随着该群体数量的增长而持续增加，而老年人口的消费习惯和消费需求与年轻人口不同，老年人口更倾向于储蓄以及对于自身医疗和养老的消费，这可能导致总需求不足，进而影响经济增长。基于此，本文提出如下研究假设：
假设 1：人口老龄化程度加深会抑制经济增长。
2.2 养老产业发展与经济增长
从供给侧看，养老产业的发展需要大量的服务人员、技术人员和管理人员，能够吸纳劳动力就业，不仅能缓解劳动力供需不匹配的问题，还能通过促进劳动力就业联动生产要素优化，进而对经济增长产生推动效应。随着老年人对养老服务需求的增加，会有更多的资金投入到养老产业中，不仅会促进养老产业的发展，还会带动相关产业的发展，从而推动经济增长。此外，为满足老年人的多样化需求，养老产业需要不断地创新和改进服务方式和技术手段，从而会不断促进产业结构的优化和升级，使经济发展更加多元化和可持续。从需求侧看，养老产业的发展不仅可以提高老年人的生活质量，还可以带动养老服务、医疗保健等领域的消费，有助于扩大内需，从而促进经济增长。基于此，本文提出如下研究假设：
假设 2：养老产业发展有利于经济增长。
2.3 人口老龄化联动养老产业发展与经济增长
首先，养老产业的发展可以创造就业岗位，吸纳劳动力就业，通过优化劳动力资源配置和填补岗位空缺来缓解劳动力供需不匹配的问题，这不仅有助于维持劳动力市场的稳定，还能为经济增长提供持续的动力。其次，人口老龄化会带来消费结构的变化，老年人口对养老消费的需求不断增加，促进养老产业的蓬勃发展，而养老产业通过提供多元化、专业化的养老服务，不仅能够满足老年人口日益增长的养老需求，还能够有效缓解家庭和社会对于老年人的照护压力，进而提高劳动力市场的灵活性和效率。更重要的是，养老产业的发展能够带动养老产业各领域及相关产业链的延伸和升级，不仅能够为经济增长注入新动力，还能够通过技术革新来部分替代传统劳动力，缓解适龄劳动力不足的问题。基于此，本文提出如下研究假设：
假设 3：养老产业发展在人口老龄化与经济增长的关系中起到重要的调节作用，其会显著削弱人口老龄化对经济增长的负向影响。
3 养老产业发展水平评价指标体系构建与实证分析
3.1 养老产业发展水平评价指标体系构建
推动养老产业发展是实施积极应对人口老龄化国家战略的重要路径之一，准确地对养老产业发展水平进行测度，有助于全面、客观地掌握养老产业发展中的不足和地区差异。鉴于数据的可获得性，无法直接测算出养老产业的产出增加值或产出效率，因此采用指标构建法对养老产业发展水平进行测度。参考国家统计局发布的《养老产业统计分类 (2020)》中养老产业的概念界定和分类范围，本文认为养老产业是一个产业发展的集合概念，是对国民经济行业分类中符合养老产业特征的相关活动的再分类，涉及国民经济三次产业中多个部门。因此，本文基于养老产业的分类范围，从 7 个方面构建养老产业发展水平评价指标体系 (见表 1)，并运用熵值法测算 2013—2022 年各省份的养老产业发展水平，综合评判养老产业发展现状，掌握养老产业发展规律和区域差异，以期为中国养老产业发展提供参考信息。此外，本文充分考虑覆盖范围的全面性、评价维度的代表性以及指标数据的可获得性，暂未对养老产业分类中的老年用品制造业、养老科技和智慧养老服务业、养老公共管理业、其他养老服务业以及养老设施建设业进行指标设定。
3.2 数据说明与评价方法
本文选取中国 31 个省份 (不含港澳台地区) 2013—2022 年的面板数据进行分析，依据所构建的评价指标体系，采用熵值法对我国各省份的养老产业发展情况进行评价。熵值法是根据各项指标的变异程度计算各个指标的权重，进而为多指标综合评价提供依据的一种方法，它可以解决指标间差异性过小而带来的分析难题，能够有效揭示数据的隐含信息，并尽量减少权重确定时的人为干扰，从而确保养老产业发展水平测度结果更客观合理。具体测算步骤如下：
第一步，对指标进行无量纲化处理。由于构建养老产业发展水平评价指标体系时选取的指标众多，为保证评价结果的准确性，本文在对 2013—2022 年 31 个省份的养老产业发展水平进行评价前，先采用极值法对各测度指标做了无量纲化处理。参考魏丽莉和侯宇琦 (2022) 的研究，本文在进行无量纲化处理时采取数据平移的方法。另外，本文还对指标进行了数据标准化处理，具体处理方式见公式 (1)：
3.3 养老产业发展水平实证分析
从纵向视角来看，2013—2022 年 10 年间中国 3
1 个省份的养老产业发展水平变化趋势具有高度一致性，整体呈稳步增长态势（见图 1）。总体来看，东部地区养老产业发展水平显著高于中部地区、西部地区以及全国平均水平；中部地区养老产业发展水平与全国平均水平较为接近，并在 2019 年超过全国平均水平；西部地区养老产业发展水平最低，且发展速度最慢，这与其人口老龄化程度低有一定关系。单从 2022 年来看，中国养老产业发展水平综合指数均值为 0.0322，整体相对偏低。具体来看，养老产业发展水平综合指数在东部、中部、西部地区的均值分别为 0.0454、0.0359、0.0175，呈现 “东 - 中 - 西” 依次递减趋势，且东部地区和中部地区的养老产业发展水平均超过全国平均水平。
从具体排名来看，江苏在 2013 - 2022 年间的养老产业发展水平综合指数均值位居全国首位。在养老产业发展水平排名前十的省份中，东部地区占据 6 个省份，依次是江苏、山东、广东、浙江、河北和上海；中部地区有安徽、河南和湖北 3 个省份跻身前十；西部地区则仅有四川跻身前十，位列第二（见表 2）。其中，浙江、山东、广东、河南、安徽和江苏的 60 岁及以上老年人口占比均超过 20%，说明这些省份的养老产业发展水平与人口老龄化程度相适应；河北、上海、湖北和四川的养老产业发展水平则领先于人口老龄化程度，说明这些省份能够更好地应对即将到来的人口老龄化形势。养老产业发展水平排名后十的省份主要包括西部地区的西藏、宁夏、青海、新疆、甘肃、内蒙古、云南 7 个省份，东部地区的海南和天津两个省份，以及中部地区的山西。与人口老龄化程度相比，甘肃、内蒙古、新疆、西藏、山西、宁夏的养老产业发展水平基本与人口老龄化程度相适应，而天津、海南、云南、青海的 60 岁及以上老年人口占比均超过 20%，应尽快发展养老产业以适应当前的人口老龄化形势。
4.2 变量和数据说明
本研究的被解释变量为经济增长，参考江鸿泽和梁平汉 (2024) 的研究，选择地区生产总值取对数作为衡量指标。核心解释变量是人口老龄化，选择 65 岁及以上老年人口占总人口比重取对数作为衡量指标。本文另一个解释变量为养老产业发展，运用基于前文构建的养老产业发展水平评价指标体系测算出的养老产业发展水平综合指数作为衡量指标。
本文选用的控制变量及其衡量方法为：就业水平以地区就业人数取对数来衡量；教育水平通过平均受教育年限来衡量；对外开放程度选择进出口贸易水平来衡量，计算方法为各地区进出口贸易总额在地区生产总值中的占比；科技进步水平采用各地区专利申请授权量取对数来衡量；城镇化水平通过各地区城镇人口在常住人口中的占比来衡量；产业结构选用第二产业与第三产业生产总值的比值取对数来衡量。
本文将 2013 - 2022 年中国 31 个省份作为研究样本。所用数据来自 2014 - 2023 年的《中国统计年鉴》《中国民政统计年鉴》和《中国卫生健康统计年鉴》，各变量的描述性统计情况如表 3 所示。
表 3 主要变量的描述性统计
| 变量 | 测量指标 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
| 经济增长 | 地区生产总值（万元）的对数 | 9.860 | 0.992 | 6.719 | 11.768 |
| 人口老龄化 | 65 岁及以上老年人口占比（%）的对数 | 2.291 | 0.329 | 1.409 | 3.020 |
| 养老产业发展 | 养老产业发展水平综合指数 | 0.021 | 0.019 | 0.000 | 0.123 |
| 就业水平 | 地区就业人数（人）的对数 | 7.519 | 0.864 | 5.165 | 8.864 |
| 教育水平 | 平均受教育年限（年） | 9.346 | 1.083 | 4.666 | 12.701 |
| 对外开放程度 | 进出口贸易水平（%） | 2.529 | 2.551 | 0.076 | 12.571 |
| 科技进步水平 | 专利申请授权量（件）的对数 | 10.330 | 1.562 | 4.796 | 13.679 |
| 城镇化水平 | 城镇人口占比（%） | 60.445 | 12.358 | 23.970 | 89.580 |
| 产业结构 | 第二、三产业产值之比的对数 | - | - | - | - |
5 人口老龄化、养老产业发展与经济增长的关系
5.1 基准回归与调节效应分析
人口老龄化、养老产业发展与经济增长的关系如表 4 所示。模型 1 为人口老龄化对经济增长影响的基准回归模型，结果显示，人口老龄化的估计系数在 1% 的统计水平上显著为负，表明人口老龄化程度的加深会抑制经济增长。模型 2 为养老产业发展对经济增长影响的基准回归模型，结果显示，养老产业发展的估计系数在 1% 的统计水平上显著为正，表明养老产业发展对经济增长有积极的推动作用。假设 1 与假设 2 被验证。模型 3 为人口老龄化联动养老产业发展影响经济增长的调节效应模型，通过加入调节变量 “人口老龄化 × 养老产业发展” 来验证是否存在调节效应，且考虑到交互项与单项的共线性可能会影响基准回归结果，在回归时只需观察交互项的符号以及显著性。观察发现，人口老龄化与养老产业发展的交互项系数在 10% 的统计水平上显著为正，该交互项系数与人口老龄化对经济增长的主效应系数异号，即为削弱型的调节效应。也就是说，在其他条件不变的情形下，养老产业发展在人口老龄化对经济增长的影响中起到了显著的调节作用，且随着养老产业规模的扩大，人口老龄化对经济增长的负向影响将被减弱或抵消。此外，加入调节变量后，人口老龄化的系数绝对值变大，这可能表明在没有养老产业发展作为调节因素的情况下，人口老龄化的负向影响被低估了。且加入交互项后模型的(R^{2})从 [原(R^{2})值] 提高到 [新(R^{2})值]，表明模型的解释力度有所提高，调节效应模型能更准确地反映人口老龄化、养老产业发展以及二者之间的相互作用对经济增长的综合影响。假设 3 被验证。
表 4 基准回归与调节效应结果
| 变量 | 基准回归 | 调节效应模型 3 | |
|---|---|---|---|
| 模型 1 | 模型 2 | ||
| 人口老龄化 | -0.157*** ( - 2.994) | - | -0.206** ( - 2.300) |
| 养老产业发展 | - | 1.086*** (4.366) | -3.243 ( - 0.819) |
| 人口老龄化 × 养老产业发展 | - | - | 3.291* (1.979) |
| 就业水平 | 0.308*** (6.600) | 0.300*** (5.491) | 0.627*** (13.863) |
| 教育水平 | 0.026 (1.441) | 0.047** (2.684) | 0.007 (0.193) |
| 对外开放程度 | -0.010 ( - 1.599) | -0.009 ( - 1.569) | -0.015 ( - 1.464) |
| 科技进步水平 | 0.007 (0.451) | 0.009** (2.309) | 0.260*** (14.430) |
| 城镇化水平 | 1.418*** (5.804) | 1.651*** (29.137) | 1.369** (2.868) |
| 产业结构 | 0.203*** (6.289) | 0.239*** (34.115) | -0.049 ( - 0.805) |
| 常数项 | 6.235*** (13.434) | 5.282*** (16.141) | 2.196*** (6.660) |
| 省份固定效应 | 控制 | 控制 | 控制 |
| 年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 310 | 310 | 310 |
| (R^{2}) | [原(R^{2})值] | [原(R^{2})值] | [新(R^{2})值] |
注：①(***p<0.01)，(**p<0.05)，(*p<0.1)，后表同。括号内数据为统计量。
5.2 内生性处理
考虑到人口老龄化与经济增长、养老产业发展与经济增长之间可能存在反向因果关系而导致内生性问题，本文利用工具变量法进行内生性处理。借鉴 Bellemare 等 (2017) 和 Reed (2015) 的研究，采用两阶段最小二乘法进行回归分析 (见表 5)。选用人口老龄化的一阶滞后项 (L. 人口老龄化) 和养老产业发展的一阶滞后项 (L. 养老产业发展) 作为工具变量，第一阶段回归中这两个工具变量的系数 (0.395 和 0.896) 均显著为正，即工具变量与内生变量之间存在显著的正相关关系，同时不可识别检验与弱识别检验结果均显著拒绝原假设，证明工具变量的选取是有效的。在控制了其他变量和解决了内生性问题后，解释变量人口老龄化与养老产业发展依然与被解释变量经济增长分别呈显著的负相关关系和正相关关系，与基准回归结果一致。
表 5 内生性检验结果
| 变量 | 第一阶段人口老龄化 | 第二阶段经济增长 | 养老产业发展第一阶段 | 第二阶段经济增长 |
|---|---|---|---|---|
| L. 人口老龄化 | 0.395*** (7.158) | - | - | - |
| 人口老龄化 | - | -0.316** ( - 2.523) | - | - |
| L. 养老产业发展 | - | - | 0.896*** (21.486) | - |
| 养老产业发展 | - | - | - | 3.353*** (5.166) |
| 不可识别检验 | 5.568 | 44.705*** | 3.851 | 180.060*** |
| 弱识别检验 | - | 51.238*** | - | 638.720*** |
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 省份固定效应 | 控制 | 控制 | 控制 | 控制 |
| 年份固定效应 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 279 | 279 | 279 | 279 |
| (R^{2}) | 0.966 | 0.968 | 0.870 | 0.930 |
注：括号内数据为 t 统计量。
Stephen (2002) 认为广义矩估计 (Generalized Method of Moments，GMM) 方法能够有效解决内生性问题，因此，本文进一步使用系统 GMM 和差分 GMM 方法进行检验 (见表 6)。根据 AR 序列自相关检验的结果，扰动项均不存在二阶及以上高阶自相关关系，符合 GMM 回归的假设。同时，Hansen 过度识别检验结果支持 “所有工具变量均有效” 的原假设，证明通过了适用性检验。从回归结果可知，经济增长的一阶滞后项 (L. 经济增长) 与当期经济增长之间存在显著的正相关关系，充分揭示了经济增长存在一定的 “时间粘性”，而 GMM 方法恰好能解决这个问题。如表 6 所示，人口老龄化对经济增长影响的回归系数均显著为负，进一步验证了 “人口老龄化程度加深会抑制经济增长” 这一研究假设；养老产业发展对经济增长影响的回归系数均显著为正，进一步验证了 “养老产业发展有利于经济增长” 这一研究假设。
表 6 GMM 检验结果
| 变量 | 系统 GMM 模型经济增长 | 差分 GMM 模型经济增长 | 系统 GMM 模型经济增长 | 差分 GMM 模型经济增长 |
|---|---|---|---|---|
| L. 经济增长 | 0.977*** (155.412) | 0.955*** (98.998) | 0.949*** (76.792) | 0.928*** (63.994) |
| 人口老龄化 | -0.033*** ( - 10.061) | -0.047*** ( - 6.4 |
继续一字不差的写出来
| 变量 | 系统 GMM 模型经济增长 | 差分 GMM 模型经济增长 | 系统 GMM 模型经济增长 | 差分 GMM 模型经济增长 |
|---|---|---|---|---|
| L. 经济增长 | 0.977*** (155.412) | 0.955*** (98.998) | 0.949*** (76.792) | 0.928*** (63.994) |
| 人口老龄化 | -0.033*** ( - 10.061) | -0.047*** ( - 6.498) | - | - |
| 养老产业发展 | - | - | 0.696** (2.065) | 0.926*** (2.769) |
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 279 | 279 | 279 | 279 |
| AR1 | 1.91e - 05 | 2.58e - 05 | 1.79e - 05 | 1.06e - 05 |
注：括号内数据为 z 统计量。
5.3 稳健性检验
本文进一步通过对所有解释变量进行一阶及二阶滞后处理来检验模型的稳健性 (见表 7)。首先，如表 7 列 (1) 和列 (2) 所示，在这两个模型中，人口老龄化的系数均为负，且均在 1% 的统计水平上显著。这表明人口老龄化对经济增长具有显著的负向影响，随着人口老龄化程度的加深，经济增长会受到一定程度的抑制，同时，从系数的绝对值来看，随着滞后阶数的增加，负向影响的程度也在增加，表明人口老龄化在短期和长期都会对经济增长产生不利影响，且长期影响更大，本文的基准研究结论稳健。其次，如表 7 列 (3) 和列 (4) 所示，在这两个模型中，养老产业发展的系数均在 1% 的统计水平上显著为正。这表明养老产业发展对经济增长具有显著的正向影响，同时，从系数来看，一阶滞后模型中的影响更大，但二阶滞后模型中的影响同样显著，说明这种正向影响在不同时间滞后下均存在，本文的主要研究结论稳健。最后，如表 7 列 (5) 和列 (6) 所示，人口老龄化与养老产业发展的交互项系数均显著为正，并分别在 5% 和 1% 的统计水平上显著，且随着滞后阶数的增加，影响程度也在增加，表明养老产业发展在人口老龄化对经济增长的影响中起到了显著的调节作用。随着人口老龄化程度的加深，整个社会对养老服务的需求将有所增加，养老产业发展刚好能满足这一需求并带动其他相关产业的发展，进而对经济增长产生正面影响，人口老龄化与养老产业发展之间存在相互促进的关系，养老产业发展也能通过带动就业等方式减轻人口老龄化对经济增长的负面影响。引入滞后项和考虑交互作用，不仅能够在一定程度上缓解模型中的内生性问题，还进一步验证了前文的实证结果具有稳健性，也即进一步验证了假设 1、假设 2 和假设 3。
表 7 稳健性检验结果
| 变量 | 一阶滞后经济增长 (1) | 二阶滞后经济增长 (2) | 一阶滞后经济增长 (3) | 二阶滞后经济增长 (4) | 一阶滞后经济增长 (5) | 二阶滞后经济增长 (6) |
|---|---|---|---|---|---|---|
| 人口老龄化 | -0.139*** ([对应统计量]) | -0.240*** ([对应统计量]) | - | - | -0.281*** ([对应统计量]) | -0.516*** ([对应统计量]) |
| 养老产业发展 | [对应系数] ([对应统计量]) | [对应系数] ([对应统计量]) | 4.963*** (5.623) | 4.726*** (4.377) | [对应系数] ([对应统计量]) | [对应系数] ([对应统计量]) |
| 人口老龄化 × 养老产业发展 | -2.734 ([对应统计量]) | -3.889 ([对应统计量]) | - | - | 6.045*** (5.623) | 11.482*** (4.377) |
| 常数项 | 2.488*** (9.951) | 2.965*** (11.715) | 2.308*** (10.740) | 2.650*** (11.659) | 2.089*** (7.805) | 2.590*** (8.818) |
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 省份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 279 | 248 | 279 | 248 | 279 | 248 |
| (R^{2}) | [对应(R^{2})值] | [对应(R^{2})值] | [对应(R^{2})值] | [对应(R^{2})值] | [对应(R^{2})值] | [对应(R^{2})值] |
注：列 (1) - 列 (4) 括号内数据为稳健标准误；列 (5) 和列 (6) 括号内数据为 t 统计量。
5.4 异质性分析
中国是一个地域辽阔、人口众多的国家，不同地区在产业结构、人口流动、资源禀赋、地理环境等方面存在明显差异，不同地区的人口老龄化程度、养老产业发展水平与经济增长状况具有显著的区域异质性。鉴于此，本文参考宋佳莹和高传胜 (2023) 的研究方法，将 31 个省份划分成东、中、西三大地区分别进行回归，结果如表 8 所示。
在基准回归模型 1 中，仅西部地区的人口老龄化与经济增长呈现显著的负相关关系，中部地区和东部地区则不显著。这可能与三大区域的经济发展水平和产业结构有关：西部地区经济基础相对薄弱、产业结构单一，对劳动力供给的变化更为敏感，因此，当人口老龄化程度加深时，西部地区的经济增长更容易受到负向影响；中部地区和东部地区产业结构多元、经济基础较好，因此，人口老龄化对经济增长的负面影响不显著。在基准回归模型 2 中，东部地区和西部地区的养老产业发展均在 1% 的统计水平上对经济增长有显著的正向影响。这表明在东部地区和西部地区，随着养老产业的发展，经济增长水平将会得到显著提升。这可能是因为：东部地区是中国经济最为发达的区域之一，其养老产业的发展已经初具规模，并对经济增长产生了实质性的推动作用；西部地区可能正在积极推动养老服务体系建设、发展养老产业，从而显著促进了经济增长；中部地区虽然养老产业发展水平较高，但可能其在整体产业结构中所占比重不大，因而对经济增长的直接推动作用有限。可见，人口老龄化、养老产业发展与经济增长之间关系的区域间异质性十分显著。
表 8 异质性分析结果
| 变量 | 西部地区 | 中部地区 | 东部地区 | ||||||
|---|---|---|---|---|---|---|---|---|---|
| 基准回归模型 1 | 基准回归模型 2 | 调节效应模型 3 | 基准回归模型 1 | 基准回归模型 2 | 调节效应模型 3 | 基准回归模型 1 | 基准回归模型 2 | 调节效应模型 3 | |
| 人口老龄化 | -0.811*** ( - 2.326) | - | -0.264*** ( - 3.556) | -0.069** ( - 2.264) | - | -0.272 ( - 1.350) | -0.053 ( - 0.770) | - | - |
| 养老产业发展 | - | 7.681*** (6.712) | - | - | 0.407 (0.772) | - | - | 1.655 (0.714) | - |
| 人口老龄化 × 养老产业发展 | - | - | 0.407*** (6.712) | - | - | 0.066 (0.612) | - | - | -0.053 ( - 0.770) |
| 常数项 | 3.848*** (5.634) | 7.089*** (9.866) | -4.724*** ( - 9.130) | 1.994 (0.649) | 2.839*** (4.172) | -17.251 ( - 20.285) | 0.649 (0.003) | 5.651*** (8.568) | 5.635*** (3.806) |
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 省份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| (R^{2}) | 0.980 | 0.987 | 0.994 | 0.971 | 0.965 | 0.999 | 0.979 | 0.926 | 0.981 |
| 样本量 | 120 | 120 | 120 | 80 | 80 | 80 | 110 | 110 | 110 |
注：括号内数据为 t 统计量。
在调节效应模型 3 中，仅西部地区人口老龄化与养老产业发展的交互项系数在 1% 的统计水平上显著为正，这可能是由于西部地区的人口老龄化程度相对较低，使得养老产业在初期阶段能够迅速响应市场需求实现快速发展，从而对经济增长有推动作用，同时，西部地区产业结构相对单一，养老产业的发展为其经济增长提供了新的增长点并有助于优化产业结构。尽管中部地区和东部地区养老产业发展的调节效应不显著，但影响方向表明随着人口老龄化程度的加深，养老产业发展会对经济增长产生一定的正向调节效应，这主要是由于中部地区和东部地区产业结构相对多元，养老产业发展虽然对经济增长有正向推动作用，但人口老龄化联动养老产业发展对经济增长的推动作用不明显，在前文的稳健性检验中可以看出调节效应具有滞后性，且随着滞后阶数的增加，影响会越来越明显，因此，随着时间的推移，人口老龄化联动养老产业发展的调节效应可能会逐渐显现。
6 结论与政策启示
本文借助 2013 - 2022 年中国 31 个省份的面板数据，系统考察了人口老龄化、养老产业发展对经济增长的影响机制。研究发现：第一，中国养老产业整体发展水平偏低，呈现东部地区、中部地区、西部地区依次递减的趋势；第二，人口老龄化显著负向影响经济增长，而养老产业发展对经济增长有正向促进作用，且养老产业发展会显著削弱人口老龄化对经济增长的负向影响，这种削弱作用存在一定的滞后性；第三，异质性分析发现，西部地区人口老龄化对经济增长有显著的负向影响，东部地区和西部地区养老产业发展对经济增长有显著的正向影响，人口老龄化与养老产业发展的联动效应仅在西部地区对经济增长起到了显著的调节作用，人口老龄化、养老产业发展与经济增长之间关系的区域间异质性十分显著。
基于上述研究结论，本文提出以下 4 点政策层面的思考： 第一，推动养老产业创新发展，构建养老产业链生态体系。以人口老龄化进程快的区域为核心，结合当地资源优势与特色产业，构建多元的老年友好型产业生态，如在京津冀及长三角地区发展涵盖医疗康养、旅游休闲等全方位服务内容的养老产业生态链，强化产业融合，形成养老产业链上下游紧密结合的生态系统，激发养老经济的发展潜力。 第二，强化区域协同发展，缩小养老产业体系地域差异。应加大对中部地区养老产业体系建设的支持力度，鼓励和支持社会资本进入养老产业，培育一批具有竞争力的养老企业和服务品牌。推动建立跨区域养老服务合作机制，利用互联网 + 养老模式，打破地域界限，让优质的养老产品和服务资源能够跨区域流动，实现养老服务的均衡化和普惠化。 第三，全面优化社会保障体系，增强老年人社会参与。重点完善养老保险制度，确保养老金按时足额发放，同时，深化医疗保障制度改革，简化就医流程，推出适老门诊，保障老年人健康需求。此外，加强老年教育、社区活动等平台建设，鼓励老年人终身学习，参与社会活动，提升其利用信息技术的能力，缩小数字鸿沟，促进老年人社会融合。 第四，实施精细化政策管理，确保养老政策有效落地。在制定政策时应充分考虑地方实际情况，采取差异化策略，对人口老龄化程度高且养老产业发展水平低的省份给予特殊照顾，不仅限于财政补贴，还应包括技术支持、人才引进等多方面援助，提高政策的精准度和针对性。
中国人口老龄化的高峰期将在 2050 年左右出现，伴随着初老群体逐渐转变为高龄老人，对养老产业的需求将不断提高，因此，应尽早布局，推动人口老龄化与养老产业协同发展。同时，养老产业具有普需消费群体扩大、刚需消费群体巨大的特点，养老产业的持续发展壮大将成为经济增长的新动力，有利于实现人口老龄化与经济增长的协同发展。
