中国人口年龄结构对养老保障影响实证分析.docVIP

中国人口年龄结构对养老保障影响的实证分析 　　摘 要：中国人口老龄化程度不断增加，通过对误差修正模型和向量自回归模型的具体分析发现，不同年龄结构对养老保障有不同的影响，而老年人口的增长对参加养老保险人口增加具有最大的影响。 　　关键词：协整检验；误差修正模型；人口年龄结构 　　一、我国人口现状 　　中国是世界上人口最多的国家。根据国家统计局最新数据显示，至2012年为止，全国总人口数为135404万人，2012年全年出生1635万人，死亡966万人，人口出生率、死亡率、自然增长率分别为12.10‰、7.15‰和4.95‰。 　　我国是世界上人口老龄化速度最快的国家之一。2011年，育龄妇女人数更是达到3.8亿的峰值，之后逐渐趋于减少。育龄妇女结构的变化，加上急剧的人口老龄化，使人口自然增长率不断地下降。2000年，60岁及以上老年人口的比例为10.33%，2010年为13.26%，到了2013年老年人口总量突破2亿人。中国人口的发展同中国社会的发展一样经过了漫长而曲折的道路。在党和政府的坚持领导下，经过长期不懈的努力，人口发展已经结束了高增长的历史，步入健康发展的轨道。 　　二、中国人口年龄结构变化 　　新中国成立后，由于不同时期的生育政策，影响着出生率和死亡率的变化，造成我国人口年龄结构的变化经历了几个不同的发展阶段。从1949年60年代，我国人口年龄结构变动基本上是年轻化，“光荣妈妈”的头衔吸引着大批育龄妇女生育，少年儿童人口占总人口的比重呈严重上升趋势。从60年代中期开始，我国人口的年龄结构逐渐由年轻型向成年型转变，70年代初以来，由于计划生育工作的开展，进一步促进了年龄结构的转变。到1990年，我国人口年龄结构已完全成为成年型。随着出生率的下降，社会经济发展，人均寿命的延长，我国人口老龄化不断发展，人口年龄结构已逐步向老年型转变。 　　三、人口年龄结构变动对养老保障需求影响分析 　　（一）数据说明。本文所用数据来自中华人民共和国国家统计局官网，收集到的年度数据包括（时间从1990-2012）。在这一部分，我们以计量经济学的协整理论（Cointegration Theory）为基础，分别建立误差修正模型（ECM）和向量自回归（VAR）模型，来考察中国人口不同年龄对养老保障需求的影响。 　　（二）单位根过程和协整检验。单位根检验是针对宏观经济数据序列、货币金融数据序列中是否具有某种统计特性而提出的一种平稳性检验的特殊方法，单位根检验的方法有很多种，包括ADF检验、PP检验、NP检验等。单位根检验时间序列的单位跟研究是时间序列分析的一个热点问题。通常的经济时间序列是非平稳的，为了避免对非平稳时间序列操作产生的伪回归问题，在进行回归分析前首先对变量序列进行平稳性检验。 　　经过一阶差分，t统计量等于-4.438731，临界值均大于t统计量，不存在单位根，是平稳序列。同同一方法检验lnx2、lnx3、lny序列都是一阶单整。可以做协整检验。协整分析是判断不平稳序列间是否存在一致稳定的关系。在多变量方程组中，对于一组变量间协整关系的检验，Johansen-Juselius的方法优于Engle-Granger的两步法。因此我们采用前一种方法来确定模型中协整向量的个数。Schwarz信息标准法常常被用来确定VAR中恰当的滞后长度。由信息标准法确定最佳的滞后数为1。Johansen检验表明在1990-2012的样本区间内，各个变量之间存在着一致协整的向量或长期的均衡关系。 　　这就是变量间存在的长期均衡关系。由于各变量都是对数形式，这些估计系数反映了长期的弹性，从中可以看出，老年人口的急剧增加对于养老需求增长有最大的影响。 　　为了进一步考察变量间的短期关系，我们在协整关系的基础上建立一个动态的误差修正模型（ECM）。协整向量的系数C=（1.00000， -3.459332， -3.223279， 0.518393， -13.09349）。式中的值根据lny，lnx1，lnx2和lnx3做了标准化。因此方程可以表示为：Et=lny（-1）+3.459332lnx1（-1）-3.223279lnx2（-1）+0.518393lnx3（-1）-13.09349 　　根据Hendry（1995）的从“一般到特殊”建模方法，首先取这些解释变量的差分及其滞后项和此阶段的纠错模型，然后逐渐排除一些不太重要的变量。经过对一般误差纠正模型（ECM）的检验，发现下列的误差纠正模型与数据最吻合。 　　（三）VAR模型的构建及检验。VAR模型，即向量自回归（vector auto-regression）模型，是基于数据的统计性质建立模型，VAR 模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。根据所研