1、2023年第4期引言目前我国是全球老龄化人口最多、增速最快的国家之一，人口老龄化现状严峻。随着老龄化的加剧，社会养老负担加重，劳动力资源效率缩水，不利于社会经济的持续发展。为了积极应对人口老龄化，国家不断健全顶层设计，推进建成中国特色养老服务体系，提出了“健康中国2030”的发展战略。庞大的老龄化人口比重引发的“银发市场”所带来的需求主体的变化，将调整人们的观念，经济结构趋于服务化，并促使产业结构向合理化、高级化转变。基于以上背景分析，研究健康、老龄化、产业结构升级之间的影响机制就显得尤为重要。本文从理论基础和实证检验（动态面板模型和差分GMM模型）两个角度梳理分析并验证人口老龄化、健康投资对
2、产业结构升级的作用机理。一、作用机理（一）人口老龄化与健康投资人口老龄化对产业结构升级的作用机制主要可分为两条路径：一是随着预期寿命的增加，理性老年人会选择增加健康投资以延长寿命；同时部分具有劳动能力的健康老年人会向非农业转移，有利于社会劳动参与率指标数据的保持与提升，并促进产业结构高级化。二是随着年龄的增加，老龄人口劳动能力会不可避免地下降甚至丧失，劳动力市场供给减少，从而影响产业结构的优化升级。因此，通过增加健康投资可以削弱人口老龄化带来的消极影响，但这也一定程度上抑制了产业结构的合理化。（二）健康投资与产业结构升级健康投资主要分为两部分：私人健康投资和公共健康投资。私人健康投资指的是居民
3、人均医疗保障支出，公共健康投资指的是地方财政医疗卫生支出。增加健康投资对市场劳动力的供给和生产效率的提升有助推作用，这将一定程度上抵消人口老龄化带来的消极影响，进而促进产业结构升级。但同时，若个人或公共健康投资占比过高，则会加重个人和政府负担，挤占其他产业的投资空间，从而抑制产业结构升级。因此，随着人口老龄化程度的不断加深，健康投资的正向作用可能会逐渐削弱，但健康投资对于促进产业结构的合理化和高级化的作用不可忽视。本文结合我国产业结构现状，利用20002020年我国30个省区市的面板数据（西藏因部分数据缺失予以删除），采用差分GMM实证分析人口老龄化、健康投资对产业结构升级的影响。二、模型设定
4、、变量选取与数据来源（一）模型设定目前，关于人口老龄化、健康投资对产业结构升级的影响作用尚未有定论，主要有促进、抑制和非线性三种结果，各学者对此莫衷一是。因此，本文先构造了多元回归的简单模型，用于初步测定人口老龄化、健康投资对产业结构升级的影响情况，将基准计量模型设定如下：lndu_upgradei,t=0+1agingi,t+2healthi,t+3Controli,t+i,t（1）其中，i表示30个省区市，t代表年份，i,t表示随机扰动项。Indu_upgrade表示产业结构升级，是本文的被解释变量，分为产业结构合理化Indu_upgrade1和产业结构高级化In-du_upgrade2两
5、部分。aging和health为本文的两个核心解释变量，aging代表老龄化程度，health代表健康投资。健康投资分别从公共健康投资Pub_health和私人健康投资Pri_health两个角度去衡量。此外，为进一步提高模型科学性和实证结果的准确度，引入控制变量controls。同时，产业结构发展具有动态时序特征，考虑产业结构的前期成果及状况会对后续人口老龄化、健康投资与产业结构升级关联效应机制研究基于我国省级面板数据的实证分析张彤彤摘要：基于20002020年我国30个省区市（西藏除外)的数据分析，借助数据模型GMM差分方法分析人口老龄化、健康投资和产业结构升级三者之间的关系和作用机制，数
6、据结果表明：人口老龄化程度的不断加重会助推公共投资和健康投资，挤占其他产业的投资空间，进而对产业结构的合理化产生消极作用，但老龄化的不断加剧会促进产业结构向高级化方向发展。增加政府抑或个人健康投资，均能有效削弱人口老龄化对产业结构的消极影响，但它对产业结构升级的促进作用也随人口老龄化程度的加深而被弱化。因此，一方面应紧抓“银发市场”时代机遇，积极扶植培育养老产业；另一方面要健全顶层设计，完善医疗卫生制度建设，以实现产业结构升级与健康老龄化双重目标的平衡。关键词：产业结构升级；健康老龄化；差分GMM中图分类号：C924.24；F121.3文献标识码：A基金项目：2022年度河北经贸大学研究生创新
7、计划项目。作者单位：河北经贸大学战略运营 87DOI:10.19885/ki.hbqy.2023.04.0312023年第4期VariableIndu_upgrade1Indu_upgrade2agingpub_healthpli_healthopeneducationurbanincometechnologyObs570570570570570570570570570570Mean2.3087081.0207129.3073527.3256666.28310928.917754.0576750.110799.2400499.29204Std.Dev.0.12988560.51920572.4
8、631171.1268460.807245937.26060.681237115.440470.73354911.922614Min2.02940.52941181.613714.1082474.2436720.12186881.60943819.67.7257921.386294Max2.80534.35376328.297049.6632788.094073169.76475.11799489.611.0694913.58461一期有影响作用，因此在模型（1）的基础上引入被解释变量的滞后项，构建动态面板模型（2）。lndu_upgradei,t=0+1lndu_upgradei,t-1+2
9、agingi,t+3healthi,t+4Controli,t+i,t（2）核心解释变量人口老龄化aging与健康投资health之间存在相互影响关系。人口老龄化的加剧将促进政府健康投资和私人健康投资的增加，同时健康投资也会影响社会的老龄化结构，但是这种影响很小，一定程度上可以忽略。也就是说，上述模型之间存在一定的内生性问题亟待解决。所以，为进一步研究人口老龄化与健康投资对产业结构影响的交互作用，分析人口老龄化通过对健康投资这一中间变量的影响，进而影响产业结构这一作用路径，本文在动态面板模型中引入了乘积项aginghealth，构建新的动态面板模型，最终模型表达式如下：lndu_upgrade
10、i,t=0+1lndu_upgradei,t-1+2agingi,t+3healthi,t+4Controli,t+5aginghealthi,t+i,t（3）（二）变量选取Indu_upgrade是本文的被解释变量，该指标囊括了第一产业、第二产业和第三产业。Indu_upgrade1为产业结构合理化指标，指标数值越大表示产业结构合理化程度越强、能级层次越高，公式为：Indu_upgrade1=ynn，1Indu_upgrade13（4）其中，n代表第一产业、第二产业和第三产业，分别用1、2、3表示，yn为第n产业产值占总产值的比重。Indu_upgrade2为产业结构高级化指标，表示第二产业
11、向第三产业转型的过程，公式如下：Indu_upgrade2=y3/y2（5）（三）数据来源和描述性统计本文选取20002020年我国30个省区市的省级面板数据进行实证研究。数据来自国家统计局、中国人口和就业统计年鉴、中国统计年鉴和各省份统计年鉴等。表1为相关变量的描述性统计。表1相关变量描述性统计三、实证结果与分析本文的实证部分首先对面板数据分别进行固定效应和随机效应回归，得到初步回归结果。其次再考虑由于核心解释变量的相互影响等所导致的模型内生性问题。本文加入了人口老龄化与健康投资的交叉项，构建动态面板模型。动态面板的估计方法主要有差分GMM法和系统GMM法。只有经济变量保持在稳态附近时才可运
12、用系统GMM法。然而受产业结构优化调整、制度变迁等多种因素的影响，我国经济尚未处于稳态附近，故本文选取被解释变量Indu_upgrade二阶以上滞后项作为工具变量，借助差分GMM法进行实证测算和回归分析。将被解释变量具体划分为产业结构合理化和高级化两层，所以本文将分别分析人口老龄化、健康投资及其交互作用对产业结构合理化和高级化的影响。（一）人口老龄化对产业结构合理化的影响及其与健康投资的交互作用经实证分析，在引入产业结构合理化Indu_upgrade1的两期滞后值作为工具变量并使用差分GMM法进行估计之后，和普通的固定效应模型相比，核心变量的显著性水平均大幅提高，其中人口老龄化水平aging、
13、公共健康投资pub_health均在1%的水平上显著，私人健康投资的系数略不显著，这说明差分GMM模型在一定程度上可以解决模型的内生性问题。为使GMM差分模型估计量获得一致有效结果，对Sargan检验的p值重点关注，结果显示p值均大于0.05，可知工具变量为有效选取，不存在过度识别问题。此外，人口老龄化水平aging、公共健康投资pub_health均对产业结构合理化有显著正向作用，但两者系数过小，表示它们对产业结构合理化的促进作用微弱。考虑到人口老龄化水平与公共健康投资以及私人健康投资之间的相互影响，本文在模型中引入了交叉项agingpub_health，agingpri_health，进一
14、步研究人口老龄化如何通过影响健康投资从而影响产业结构合理化，进行数据分析。由实证数据可知，对于公共健康投资来说，在加入产业结构合理化的两期滞后值并使用差分GMM法进行估计之后，人口老龄化水平aging、公共健康投资pub_health和二者乘积项agingpub_health的显著性水平反而整体下降，而产业结构合理化的一期、两期滞后值均在1%的水平上显著，这可能是由于前期的产业结构合理化水平会影响当期的公共健康投资额，即政府会根据去年、前年等的产业结构，宏观上调整当期的公共健康投资额。由豪斯曼检验可知，应采用固定效应对模型进行估计。根据输出结果可知，人口老龄化aging的系数均小于0，说明人口
15、老龄化会导致产业结构合理化水平降低。同理，公共健康投资、私人健康投资的系数均小于0，即无论是公共还是私人健康投资，均会一致导致产业结构升级。但是交叉项pub_healthaging和pri_healthaging的系数均大于0，说明人口老龄化的加剧会通过推动公共、私人健康投资的增加对 战略运营882023年第4期产业结构的合理化产生消极影响。值得注意的是，相比未加入交叉项的模型，加入交叉项的模型回归结果显示，核心解释变量人口老龄化的符号均发生了逆转，但都通过了显著性检验。另外，结果显示，交叉项对产业结构合理化影响系数为正，可能是人口老龄化通过影响健康投资进一步作用于产业结构合理化的路径是非线性
16、过程。从现实意义上来看，在一个刚进入老龄化初期的社会中，劳动力资源尚未严重短缺，老龄化程度的加剧会增加健康产业的就业人数，通过就业提升产业结构合理化指数；而随着社会老龄化程度的加剧，劳动力资源日益短缺，人口老龄化对产业结构合理化的抑制作用将逐渐显现出来。同理，长期来看，健康投资对产业结构合理化具有正向促进作用。（二）人口老龄化对产业结构高级化的影响及其与健康投资的交互作用实证人口老龄化、健康投资对产业结构高级化的影响。从工具变量有效性检验值看出，AR（2）和sargan的p值均大于0.1，说明本文使用的工具变量有效。回归结果显示，人口老龄化的指标aging对产业结构高级化具有正向影响，反映健康投资的指标公共健康投资pub_health对产业结构高级化具有负向影响，说明人口老龄化程度的加深会对产业结构高级化产生促进作用，而公共健康投资对产业结构高级化有抑制作用，并且固定效应和随机效应模型中的核心项符号与GMM的一致。而对于私人健康投资pri_health，就固定效应和随机效应模型来看，其对产业结构高级化有促进作用，而GMM结果显示，其增长对产业结构高级化有阻碍作用。在其他变量的回归结果中
