人口红利对省域经济增长的影响人口红利、空间外溢与省域经济增长

人口红利对省域经济增长的影响人口红利、空间外溢与省域经济增长

一、人口红利及其对地方经济增长的影响1986年，中国进入了低于53%的员工福利门槛（1）。自此开始,劳动力负担日渐减轻,人口红利日益显著,并一直持续至今。从全国来看,1986年,劳动力负担为52.42%。此后劳动力负担不断减轻,直至2007年的37.42%。也就是说,每个劳动力平均所负担的非生产性人口(少儿人口和老年人口)的数量从0.52下降到0.37。劳动力的抚养负担大大减轻,形成了有利于经济增长的一个极为有利的“结构性红利”。有学者因此认为人口红利是21世纪中国跨越式发展的动力,是全面建设小康社会的战略机遇期,是未来中国经济增长的源泉(于学军,2003;马瀛通,2007;蔡昉,2009)。人口红利不会立即消失,而将一直持续到21世纪30年代初,前后历时40多年(陈友华,2005)。在此背景下,如何充分地获取人口红利这种结构性优势,对于未来中长期经济持续快速增长具有极为重要的意义。就各地区而言,人口红利不断涌现(见图1)。生产性人口(劳动年龄人口)所负担的非生产性人口(非劳动年龄人口)逐渐减少,这是否会对各地经济增长产生影响?以北京市为例,1990年,北京的总抚养负担为0.3834,这意味着每100个生产性人口要负担38个左右的非生产性人口;到2007年,同样的生产性人口只需负担24个非生产性人口。根据被广泛运用的生命周期假说(Life-cycleHypothesis,LCH),人口转变具有“生命周期效应”,不同年龄段人口如少儿人口、老年人口以及劳动力人口的经济行为,包括消费行为、生产行为等存在显著差异(ModiglianiandBrumburg,1954)。例如,少儿人口需要教育和健康的密集型投资,65岁及以上的老年人口需要健康医疗和退休生活保障,这两类人口一起作为社会的纯消费性人口并且消费强度不同(2),而作为生产性人口的劳动力群体参与经济活动并进行社会生产。人口红利日益显著说明非生产性人口(消费性人口)的比重逐渐下降,需要赡养的老年人口和需要抚养的少儿人口快速减少,那么从理论上可以猜测:人口红利日趋显著可能会对所在地经济增长产生积极影响。一个事实是,各地经济发展差异较大并且人口红利分布不平衡。人口红利所带来的经济效应未必一定会被所在地吸收,也可能发生外溢。例如,中部地区的劳动力抚养负担从1990年的0.5181下降到2007年的0.3730,人口红利显著性增强,但东部经济发展速度更快、就业机会更多、待遇也更好,因此出现人口红利显著的中部地区的劳动力大量向沿海地区转移就业。也就是,一个地区显著的人口红利未必会被本地吸收,劳动力资源所创造的财富也可能发生转移,从而带来“外溢效应”。经验启示我们,这种外溢并不局限于单向溢出,而可能是双向溢出。因为现实中的劳动力往往是双向的甚至多向式的流动。因而本文需要探讨的另一个问题是,一个地区之外的其他地区的人口红利增加是否有利于该地区的经济增长?亦即人口红利是否具有“外溢效应”?上述两个问题是本文主要研究目的所在。当然,在探讨地区经济增长时,不能将地区之间相互独立,也就是不能不考虑地区之间经济增长的相互影响。因此,本文对地区经济增长的空间相关性以及人口红利的空间“溢出效应”给予了考虑,建立了基于里程函数的空间权值矩阵,实证分析人口红利的“经济效应”和“溢出效应”,同时也对各地区经济增长是否存在空间相关性进行了必要的检验。二、人口红利与经济效应从理论渊源来看,人口红利理论最早可以追溯到CH理论(CoaleandHoover,1958)。该理论探讨了劳动力负担变化对储蓄、投资、教育资本投入等的影响。此后,人口红利研究在20世纪90年代末形成高潮,Malmberg(1994)、DavidBloom(1998)、JeffreyWilliamson(1998)、AndrewMason(2001)、DavidCanning(2003)等均持续关注这一主题,并作了大量研究。根据现有文献,我们对人口红利作用于经济增长的传导机理进行梳理。其一,人口红利与财富创造。在劳动力负担上升阶段,劳动力人口增长慢于负担人口增长,从而产生“人口负债”(DemographicDebt);在劳动力负担下降阶段,劳动力人口增长快于负担人口增长,从而产生有利于经济增长的“人口红利”(Bloometal.,2003)。人口红利的增加,即劳动力抚养负担的减轻,增强了人口结构的生产性,赡养老人或抚养少儿的劳动力消耗也随之减少,从而促使更多的劳动力从家庭非生产性活动转移到市场上的生产性经济活动之中,如大量妇女参与就业等,从而创造更多的社会财富(穆光宗,2008)。其二,人口红利与人力资本投资。抚养负担减轻,劳动力用于非生产性活动的资源消耗就会减少,更多的资源积累用于生产性活动之中或劳动力自身的人力资本提升上,例如通过增加人力资本投资来提高劳动生产率和经济效率(蔡昉,2004)。其三,人口红利与投资扩张。人口红利变化影响国民收入中的消费和储蓄配置(Kelly,1973)。例如,劳动力负担下降可使更多资源,如时间、精力等从抚养性活动转移至生产性活动,扩大投资,从而刺激经济扩大再生产(HigginsandWilliamson,1997;于学军,2003;TyersandShi,2007;钟水映等,2009)。Higgins(1998)曾将劳动力负担减轻所带来的投资需求扩张称为人口转变影响经济增长的一个“引力中心”(centreofgravity)。其四,人口红利与公共投资。劳动力负担重,国民收入中用于非生产性消费支出,如养老保障、医疗卫生护理、基础教育等大幅增加,减少了生产性投资比例,导致国民收入增长速度下降(Gordon,2005);而如果劳动力负担减轻,那么对公共服务需求下降,同时创造的税收增加,从而促使公共支出更多地转向生产性投资(McmillanandBasel,1990;Malmberg,1994)。因此,劳动力负担情况与养老金体系、医疗健康、教育等密切相关,负担加重无疑将加重公共投资的非生产性配置(Thomas,1999)。此外,人口红利还可能通过住房需求、货币需求等因素作用于经济增长(McmillanandBasel,1988;FairandDominguez,1991;BranderandDowrick,1994;Kenny,1991),例如“婴儿潮”阶段的大量少儿人口进入劳动力队列与房价高企和住房的旺盛需求密切相关(MankiwandWeil,1989)。一个地区的人口红利增加可能通过上述渠道贡献于该地区的经济增长。而检验人口红利的经济效应,需要运用一定的计量方法对经济增长数据、人口数据以及其他影响经济增长的变量进行分析(BloomandWilliamson,1998)。DavidBloom运用Ramsey模型检验了东亚、日本、北美、西欧、澳大利亚、新西兰、中东以及北非等国家和地区的人口红利对经济增长的贡献率。Bloom和Williamson(1998)分析了东亚经济增长过程中人口红利的作用,发现在东亚人口年龄结构转变前期,上升的少儿抚养负担和下降的劳动力比重降低经济增长;随着人口转变的进行,逐渐减轻的少儿负担和上升的劳动力比重促进了经济增长。Lindh和Malmberg(1999)、Thomas(1999)以OECD国家为研究样本,检验了人口年龄结构变化对经济增长的影响,认为需要赡养的老年人口比重的上升(老年赡养负担增加)对经济增长不利;Bhatta和Lobo(2000)分析了美国州际人口年龄结构变化对经济增长的影响,得出,年龄结构差异能够解释40%的人均GDP(3)。Sarah(2006)探讨了亚洲国家尤其是中国和越南的经济增长,认为正是有利的人口年龄结构促进了这些国家的高速增长。此外,Williamson(1988)指出欧美国家的人口流动存在“年龄选择效应”(age-selectivityeffect),在劳动负担降低的条件下,劳动力的流动性会更强。Gordon(2005)进一步分析了各国之间人口转变的不同步性可能会带来人口红利的溢出。在Gordon看来,人口红利的外溢机制存在于:劳动力负担大大减轻的优势可能通过劳动力流动而外溢到其他地区,人口红利充裕的地区也可能通过劳动力低成本优势生产出价格低廉的商品并进行地区间贸易和共享。此外,人口红利的“生命周期效应”(life-cycleeffects)还可能改变财富持有结构,通过影响资产价格(利率)进而促使资本跨地区流动和利用。对发达国家的经验研究表明,由于不同国家人口转变处于不同的阶段,人口转变的“经济效应”可能会通过劳动力流动、商品贸易、资本流动等方式从一些国家溢出到另一些国家。那么对于中国而言,是否也存在人口红利的地区溢出或区域溢出呢?中国人口红利的出现并且持续显著吸引国内一些学者对此进行关注和研究。蔡昉(2004)是研究中国人口红利最早的学者之一,他比较全面地论述了人口红利对改革开放以来中国经济增长的贡献,认为人口红利是中国经济增长的重要源泉之一。王德文等(2004)将代表人口红利的劳动力负担指标引入到稳态经济增长模型,同时纳入初始GDP水平、预期寿命、投资率、消费率、贸易开放度等解释变量,研究后认为人口红利对1982~2000年的经济增长贡献在1/4强。陈友华(2008)构建了人口红利作用于经济增长的简化数学模型,测量了人口红利对1978~2006年中国经济增长的贡献。他发现人口红利对GDP的贡献量与贡献率均呈持续增长的趋势;尤其在进入21世纪后,人口红利对每年的GDP贡献份额超过10%。贺菊煌(2006)在构建世代交叠模型基础上得出与上述相反的观点:人口转变不仅降低了人口增长率,也降低了劳动力增长率,因此不具有正的“增长效应”。综观现有国内外文献,不难发现,国外的相关研究多以人口转变后期为背景,对中国而言具有一定参考价值但同时也具有相对的超前性。针对中国人口红利与经济增长的实证研究相当缺乏,尤其从省际面板切入实证分析的极少。此外,考虑到中国省域经济增长的空间关联性可能比较强,忽略空间自相关因素无疑成为现有文献的一个不足。正是基于上述考虑,本文构建了空间面板计量模型,运用系统广义矩估计方法对本文提出的几个问题进行探讨。三、动态方程及其应用基于调整后的Solow-Swan增长模型(Mankiwetal.,1992),同时借鉴Lindh和Malmberg(1999)的研究,引入人力资本和劳动力负担因素,采用规模收益不变和希克斯中性(Hicks’neutrality),具体的Cobb-Douglas生产函数形式为:式中,A是全要素生产率(TFP),K是资本存量,H是人力资本存量,L是劳动力总量,α、β为生产函数的参数,0<α<1,0<β<1且0<α+β<1,t为时期。公式(1)两边同时除以总人口P,得到人均产出:令dr=(CP+OP)/L=NP/L,dr为劳动力负担,CP、OP、NP分别为少儿人口、老年人口以及非生产性人口,且P=CP+OP+L,NP=CP+OP,那么,L/P可转化为(1+dr)-1,即:劳动力负担能够反映生产性人口负担非生产性人口的情况。假定物质资本和人力资本投资为相同的生产函数,并且物质资本和人力资本的折旧率相等,即δk=δh=δ。同时假设,人口增长率外生给定,为n。因此有以下动态方程:在假定TFP恒定的情况下,由(4)式和(5)式得到人均物质资本和人均人力资本的稳定状态水平:那么,稳定状态下的人均产出为:借鉴Lindh和Malmberg(1999)的研究,进一步假设sh=sk=s(4),取对数后得到(9)式:这里,令θ=1-α-β,1-θ=α+β。根据Mankiw等(1992)对稳定状态的线性方法,可得到:令λ=(1-α-β)(n+δ),将(9)式代入(10)式,即有:这是趋近于稳定状态的一个次稳定状态。引入误差项,可以得到以下方程:四、模型的证明模型(一)数据说明与计量模型本文使用中国各省级行政区的面板数据来构造解释中国省域经济增长的空间计量模型。在各种解释变量中,我们最为关心的是人口红利变量、人口红利空间权值变量以及经济增长变量及其空间滞后项。通过观察这些变量在回归结果中是否显著以及符号如何来判断人口红利究竟是否促进了中国地区经济增长以及人口红利在各省域之间以及区域之间是否存在“外溢效应”?各省域经济增长以及人口红利的“外溢效应”是“正溢出”还是“负溢出”?或者说,一个地区周围其他地区的经济增长对该地区的影响为正还是为负,一个地区周围其他地区的人口红利涌现对该地区的影响又当如何?由于本文的“外溢效应”实际上考察的是空间自相关问题,因此本文实际上蕴含了以下两个假设。假设1:省域经济增长之间存在空间相关性。要素流动、技术外溢、信息流动、区域合作及一体化等促使地区之间尤其是相邻地区之间的经济增长相互影响,而且离的较近的地区之间的联系更为密切。假设2:人口红利存在流动性。一个地区的人口红利丰富意味着这个地区的劳动力负担轻,而劳动力负担的轻重是劳动力释放与流动的重要决定因素之一。本文构造空间变量W×dr(简称为Wdr,取对数后为Wln_dr)、W×g(简称为Wg)以及空间滞后变量Wg_lag1来刻画人口红利以及经济增长的空间外溢。其中,权值矩阵W表示两两省份之间的里程函数(下文将对此作做进一步说明)。空间变量Wdr表示一个地区周围其他地区的人口红利对该地区经济增长的影响,即通过其他地区人口红利的加权和来衡量人口红利的“外溢效应”。具体到本文而言,各地劳动力负担不断减轻,是否存在人口红利“外溢”,需要通过这个变量进行检验。Wg表示一个地区周边其他地区的经济增长对该地区的影响,即衡量地区经济增长之间是否存在空间相关性。Wg_lag1是Wg的滞后一年形式,之所以引入该变量是考虑到一个地区的经济增长不仅与其他地区同期经济增长相关,而且很可能与其他地区上一年的经济增长情况有关。本文最终的计量模型如下:在上面的方程(13)中,横截面i(1,N)=30(5),时期t(1990~2007)=18。g为被解释变量,用各个地区单元的人均GDP增长率表示;dr为人口红利变量,用14岁以下及65岁以上人口占劳动力总人口的比重表示;savingit为储蓄率,等于固定资产投资额占当年GDP的比重;cdr、odr分别为少儿抚养负担和老年赡养负担,cdr等于14岁以下人口占劳动力人口(15~64岁)比重,odr等于65岁及以上人口占劳动力人口比重;pgdp为初期的人均GDP水平;n为人口自然增长率;δ为折旧率(6);gi,t-1为git的一期滞后项;Wg为地区经济增长的空间加权变量;Wgi,t-1为Wgit的一期滞后;Wln_drit为人口红利取对数后的空间加权变量。此外,c为常数项,ln_表示取对数,pi为地区固定效应,ti为年份固定效应,εit为地区i在时间t的残差项。(二)敏感性分析及参数本文采用距离衰减函数来构建空间权重矩阵,具体公式为:其中,i、j代表任意两个不同地区;dij为i地区的省会与j地区的省会之间的距离(7)。τ取决于所有相邻地区之间的平均距离以及标准化的距离衰减参数κ(0<κ<1)。κ越小,相互影响随距离衰减的就越慢。我们将κ定义为κ=1-exp(-τD),D为各地区之间距离的平均值。本文对κ的取值做了一组敏感性分析,同时参照现有文献的做法,将κ赋值0.5。基于以上方法计算出来的空间权重矩阵,需要进行标准化,从而使得所有行元素之和为1(8)。本文构建的空间权重矩阵W是一个NT×NT的矩阵,它是基于面板数据的空间权重矩阵,反映T年度内N个地区之间的空间联系。以全国各地区的空间矩阵为例,其形式如下:其中,W1990,…,W2007分别表示1990~2007年30个地区的空间权重矩阵。基于经纬度计算的空间距离不随时间而变化,因此,W1990=…=W2007。本文构建的空间矩阵具备这样的性质:(1)Wij是已知常数;(2)矩阵Wij的所有对角元素为0,即没有任何一个省份可看作是自己的空间邻居;(3)Wij的特征根是已知的,这使得空间权重矩阵的特征根以及空间回归模型的对数似然方程可以被精确计算出来。(三)中国人口统计学及第二、年、出各地区固定资产投资额、GDP以及人均GDP增长率的数据来源于中经网/、《中国统计年鉴》以及《新中国五十五年资料汇编》。1990年以来各地区的0~14岁少儿人口、65岁以上老年人口、劳动力总量、总人口以及自然增长率的数据来源于历年《中国统计年鉴》和《中国人口统计年鉴》。此外,迁移率(qianyilv)(9)的数据来源于历年《中华人民共和国全国分县市人口统计资料》以及《1990年以来中国常用人口数据集》。表1是本文主要变量的描述性统计分析结果。五、模型回归的结果(一)动态面板模型的系统广义矩估计效果由于回归方程(13)的解释变量包含被解释变量滞后项以及被解释变量的空间滞后变量,因此需要寻找合适的方法来控制它们带来的内生性问题。Anselin(2003)指出,在空间滞后变量带来内生性问题的情况下,运用OLS估计有偏且不一致。为解决这一问题,根据Arellano和Bover(1995)建议,本文采用同时估计水平方程和差分方程的系统广义矩(SystemGeneralMethodofMoments,简称为System-GMM)进行空间面板动态分析。该方法不仅能够解决模型(13)中解释变量的内生性问题,同时可以控制地区固定效应和年度固定效应(MadariagaandPoncet,2007)。由于样本量有限,根据Windmeijer(2005)的建议,有效的Two-StepGMM估计能显著降低小样本情况下的估计偏差。因此,本文采用稳健(Robust)二步法计算标准误。表2是全样本估计结果。其中,回归(1)和回归(2)着重考察人口红利对经济增长的影响,而回归(3)~回归(5)同时检验了人口红利的外溢效应。考虑到少儿抚养负担和老年赡养负担变化对经济增长的影响可能存有不同。本文通过回归(1)、回归(3)、回归(4)了解总抚养比对经济增长的影响;而通过回归(2)和回归(5)了解少儿抚养负担和老年赡养负担变化对经济增长的各自影响。首先,需要判断空间动态面板模型的系统广义矩估计效果。Arrelano-Bond一阶自相关检验针对的是一阶差分方程中的残差项是否存在显著的一阶序列相关;Arrelano-Bond二阶自相关检验针对的是一阶差分方程中的残差项是否不存在显著的二阶序列相关。表2结果显示,所有的AR(1)检验显著而AR(2)不显著,这表明一阶差分方程中的残差项不再存在自相关,即System-GMM模型满足矩约束条件要求。与Sargan检验相比,Hansen检验更加适用于异方差检验,故本文采用Hansen检验来判别工具变量的有效性。表2显示,Hansen过度识别检验均不显著,这说明我们的工具变量选取比较合理。此外结合F检验等,可以发现使用二步法系统广义矩估计对空间动态面板的估计效果良好。我国省域经济增长存在显著的“粘滞效应”和“外溢效应”。从全样本回归(1)~(5)结果发现,g_lag1在1%的水平显著为正。这说明当年省域经济增长显著受上一年经济增长的影响,即存在“粘滞效应”。同时,我们发现Wg的系数也显著为正,即某地区经济增长受周边地区经济增长的影响比较显著。周边地区经济增长率在当年增加或减少1%时,会导致同期本地区经济增长率增加或减少0.08%左右。但是,上一年本地区以外的所有地区经济增长率每增加或减少1%时,会导致当年该地区经济增长率减少或增加0.03%~0.04%。由此可见,省域经济增长存在同期“正溢出”和跨期“负溢出”。人口红利显著促进了省域经济增长,而且呈现出明显的“溢出效应”。从回归(1)、(3)和(4)的结果可见,人口红利变量ln_dr的回归系数尽管有一定变化,但稳定且显著为负。结合实际来看,各省域劳动力负担自1990年以来大幅减轻,人口红利不断增加,这说明人口红利确实贡献于当地经济增长。同时这也间接证明了,中国经济社会发展政策如稳定的宏观社会经济环境、教育的大规模投入和普及、劳动力市场开放程度的上升、市场经济体制的逐步完善等为吸收利用人口转变所带来的人口红利创造了条件。另一个问题是,人口红利是否在促进本地区经济增长的同时,也有利于其他地区的经济增长呢?回归(3)和回归(5)结果中的人口红利空间变量Wln_dr也在一定的水平上显著,即一个地区的人口红利在促进当地经济增长的同时也发挥出了一定的“溢出效应”。这验证了Gordon(2005)、陈友华(2008)等提出了的“人口红利因人口流动而外溢”的经验结论。我们认为,溢出机理可能在于,一个地区的劳动力负担减轻意味着该地区的劳动力更容易从所在地家庭中释放出来参与经济活动,而劳动力的跨地区流动带来了人口红利的地区间溢出。也就是说,劳动力负担成为劳动力释放与流动的重要约束条件(LindhandMalmberg,1999)。与此同时,人口红利也可能存在间接溢出,即一个地区的人口红利可能在不发生劳动力流动的情况下,通过影响资本流动、地区间商品和服务贸易等渠道影响周边地区的经济增长。例如,人口红利充裕的地区可能发挥劳动力低负担优势和低成本优势,为其他地区生产和提供低成本的中间投入品或原材料,间接推动这些地区的经济增长。20世纪90年代以来的劳动力跨区域蓬勃流动为人口红利直接外溢提供了丰富的经验材料,而对于更为详细的间接溢出机制仍需要进一步寻找证据。我们也尝试采用“人口迁移率”(qianyilv)作为“人口红利外溢”的代理指标(8),来检验人口红利的“外溢效应”,估计结果见回归(4)。结果发现这一变量并不显著,原因可能在于户籍管理部门统计的“人口迁移率”能够反映出户籍发生异地变动的情况,但无法反映劳动力流动情况。事实上,劳动力的非正式流动要远远超出户口登记常住地发生变化的正式迁移。另外,人口红利外溢可能不只体现在人口流动,引起的商品国内贸易与资本流动也可能是外溢的重要表现形式。此外,在传统解释因素方面,储蓄率(投资率)越高,越有利于经济增长,这实际上验证了“投资拉动式”的经济增长模式。人口自然增长率越高、折旧率越大,越不利于经济增长。初期人均GDP水平与省域经济增长呈现出反向变化关系,不过这种负相关的显著性并不稳定。(二)人口红利的经济效应人口红利溢出包括区域之间溢出和区域内部溢出。首先分别考察东、中、西三大区域内部的人口红利溢出。在对东、中、西三大地区的子样本进行估计时,空间权值矩阵调整为各个区域内地区之间的里程函数,而不考虑该区域外的其他地区。根据表3的估计结果得到如下发现:首先,人口红利对东、中、西三大区域内的省域经济增长均有显著促进作用。但从这三大区域的比较来看,人口红利的经济效应存在明显差异。依据ln_dr系数的绝对值判断,中部>西部>东部。也就是说,人口红利每增加1%,对区域内省域经济增长的促进作用依中、西、东顺序递减。其次,人口红利在东部经济增长中呈现出显著的“外溢效应”,但在中、西部的外溢效应不明显。表3显示,反映人口红利“外溢效应”的空间变量Wln_dr在东部显著,而在中、西部不显著。这种现象可能与东部的劳动力资源配置更加优化、流动性更强以及劳动生产率更高有关。最后,老年赡养负担对东部经济增长具有显著反向作用,少儿抚养负担对西部经济增长具有显著反向作用;对于中部,少儿抚养负担和老年赡养负担均具有显著的反向作用。我们发现,各地区的人口红利主要由少儿抚养负担下降带来,而老年赡养负担的上升正在侵蚀现有的人口红利。东部的老年赡养负担比中、西部重,而且上升速度也快于后二者,这对东部经济增长形成不利因素。西部的少儿抚养负担不断下降,因之带来的人口红利为西部经济增长带来机遇。中部少儿抚养负担的快速下降显著促进经济增长,而老年赡养负担的缓慢上升显著抑制经济增长。随着中部人口红利的逐渐消失,老年赡养负担加速上升将对其经济增长形成不利。(三)区域间跨期经济增长的“溢出效应”显著性人口红利的区际溢出也是人口红利“溢出效应”的重要体现之一。就现实观察而言,劳动力负担的减轻使大量劳动力资源逐渐脱离家庭抚养性事务,并在区域之间流动。因此,有必要检验人口红利在区域之间是否存在“溢出效应”。与前文不同的是,本文对区域之间空间溢出效应的权值矩阵W进行了调整。将各区域内部的省份之间的权值设为0,而来自两个不同区域的地区之间的权值设为里程的函数,以特别考察区域之间的人口红利以及经济增长的空间溢出效应。为了说明便利,仅以东、中部样本为例,此样本包括了东、中部的地区单元,而不包括西部。若1、2、3地区为东部地区,4、5、6地区为中部地区,则权值矩阵W的w1,4、w1,5、w1,6、w2,4、w2,5、w2,6、w3,4、w3,5、w3,6、w4,1、w4,2、w4,3、w5,1、w5,2、w5,3、w6,1、w6,2、w6,3为相应的两两地区之间的里程函数,其他元素均为0。具体如(16)所示。根据表4的回归结果,可以得到下述结论。区域经济增长之间存在显著的“溢出效应”。无论是东、中部之间,东、西部之间,还是中、西部之间,区域经济增长均存在十分显著的外溢。同时,依据Wg的系数,可以判定区域之间“溢出效应”的排序为:东、中区际>中、西区际>东、西区际。另外,区域之间跨期经济增长存在“负外溢效应”。以东、中部为例,东部上一年的经济增长对中部当年的经济增长具有负向影响。从Wln_dr的显著性可以判断,人口红利在东、中部之间存在一定的空间“溢出效应”,而在其他区域之间的“溢出效应”不显著。可能原因在于东、中部地区的劳动力资源得到比较充分的交互流动与配置,人口红利的溢出能够被区域经济发展充分吸收,而东西部之间、中西部之间的劳动力资源仍需要进一步加强流动与优化配置。本文将长三角、珠三角和环渤海等一些沿海省市作为人口红利净溢入区,而将其他地区均处理为人口红利净溢出区,进而考察人口红利在沿海和内陆之间是否存在“外溢效应”,结果见表4最后一列。结果发现,人口红利的“外溢效应”显著性上升,在5%的水平上显著。这说明,人口红利的“外溢效应”不仅体现在东部与中部之间,更显著地体现于人口红利溢出区域与溢入区域之间。人口红利的外溢既有利于溢入地的经济增长,也对溢出地的经济增长有正向影响。六、人口红利“溢出效应”不显著,但仍有一定的行为基于1990~2007年中国30个省域单元的空间动态面板计量模型,本文分析了各省域人口红利变化对经济增长的影响以及从省域、区域等空间角度分析了人口红利是否存在“外溢效应”。本文构建的权值矩阵W不再是二元邻值