人力资本的极限：知识驱动的增长与人口减少

《Journal of Macroeconomics》：The limits of human capital: Knowledge-based growth and population decline

　　

摘要

本文研究人口衰退如何通过教育扩张影响发达经济体的长期经济增长。该文构建了一个包含终身学习和基于研发的增长框架的大型可计算十期世代交叠模型。个体在整个生命周期内生地分配时间用于教育、劳动和休闲。人力资本积累遵循Lucas（1988）的设定，同时纳入学费的机遇成本和班额效应。该框架将人口转型分解为两个组成部分，即生育率和预期寿命，并识别出它们对教育扩张和经济增长的各自贡献。模型针对G7国家进行了校准，结果表明，上升的预期寿命——而非生育率下降——是战后教育扩张的主要驱动力。仅凭生育率下降所产生的教育扩张无法充分积累人力资本来抵消人口衰退的负面影响，从而导致技术进步放缓。然而，若预期寿命上升与生育率下降相结合，则有望在人口缩减的情况下维持经济增长。

引言

Jones（2022）引发了一场关于人口衰退下经济能否持续增长的文献辩论。Jones（2022）表明，负的人口增长可能导致"空虚星球"，即人口消亡而生活水平停滞。然而，Jones仅考虑了人口衰退的数量维度。Bucci（2023）、Boikos等人（2023）、Strulik（2024）、Bucci等人（2025）、Bucci和Prettner（2025）从人力资本的角度引入了人口衰退的质量维度，认为人口衰退可以通过更密集地积累技能和知识来抵消。然而，G7国家教育方面的近期数据表明，过去十年教育扩张速度已有所放缓。

图1描绘了1950年至2023年间G7国家教育扩张和人口转型的动态变化。图1(a)描绘了平均和预期总受教育年限1，并显示过去十年这两项指标的动力学变化趋于平缓，意味着教育扩张放缓。图1(b)显示，过去几十年G7国家的生育率远低于更替水平（约为1.6）。这已导致其中一些国家出现人口衰退。然而，自20世纪70年代以来生育率一直处于较低水平，说明这并非一个新现象。教育扩张一直保持相对稳定的速度，直到2010年代。因此，自1980年代以来，数据显示教育扩张动态与生育率之间并不存在强相关性，因为教育扩张在上升的同时，生育率却基本保持不变。根据文献，生育率下降应导致更密集的人力资本积累，符合数量-质量权衡（Galor和Weil，2000；Becker，1965），但这与所展示的数据不一致。

Siskova等人（2023）在总量层面检验了生育率对人力资本存量的影响。他们表明，滞后的生育率对人力资本积累的显著效应在人口衰退的国家变得较弱甚至消失。这表明，数量-质量权衡在生育率长期低下的国家可能减弱：每一次减少生育数量都不一定伴随着父母对子女人力资本投资的相应增加。因此，生育率下降可能无法导致足够的人力资本积累，而这种积累被认为是抵消人口变化对经济增长负面影响的依赖因素。然而，图1(b)也显示，1950年至2023年间G7国家的预期寿命增加了超过15年。我推测，近年来教育扩张主要是由健康改善（即预期寿命上升）所驱动的。

为了研究发达经济体人口转型对教育扩张和经济增长的影响，本文构建了一个包含终身学习和两种内生增长引擎的大型可计算世代交叠模型。首先，个体生命分为十期，他们在生命的每一期分配时间用于教育、劳动和休闲。他们依据Lucas（1988）独立进行人力资本投资。个体人力资本积累取决于个体用于教育的时间以及教育系统的生产效率（以班额效应表示）。在生命第一期，个体从年长群体获得其初始人力资本存量，这是第一个增长引擎。其次，技术进步是另一个增长引擎。模型采用标准的多部门经济方法（Romer，1990；Jones，1995）引入技术进步，其中新知识的创造取决于总量人力资本，秉承Strulik等人（2013）的思路。模型结果展示了在平衡增长路径（BGP）上恒定的个体时间分配配置，这捕捉了一个关键思想：在平衡增长路径上，教育成就保持不变，除非引入影响所有增长率的人口冲击。

人口转型通过两个维度进行外生建模，即出生增长和预期寿命的变化。首先，我将出生增长（定义为出生数量的增长率）作为生育率变化的简化形式代理变量2。其次，我利用存活率来建模模型中预期寿命的变化。

本文对文献的贡献如下。第一，本文构建了一个包含终身学习的世代交叠模型，个体独立选择在其整个生命周期（而非仅在童年时期）将时间用于教育、劳动和休闲。Strulik等人（2013）、Bucci和Prettner（2025）、Bucci和Prettner（2020）、Bucci等人（2019）、Strulik（2024）、Boucekkine等人（2002）、Blackburn和Cipriani（2002）假设个体的人力资本由父母决定，且教育仅集中在童年时期。为克服文献中的这些局限性，我将以下机制引入模型：将Lucas（1988）人力资本技术嵌入十期世代交叠框架，从而允许年龄增长时受教育的机会成本上升；还纳入学费中的班额效应，这在讨论发达经济体时很常见（Bucci等人，2025；Bucci和Prettner，2025；Kara等人，2021）；此外，还纳入个体达到工作年龄但尚未完成正规教育时所面临的劳动与教育之间的明确权衡。这些设定使我们能够放松教育时间可无限制扩展而不承担生命周期约束的常见假设，从而为人力资本积累在人口转型中的现实限制提供了依据。

第二，教育扩张由两个机制加速，即数量-质量权衡和存活率上升。Galor和Weil（2000）解释了经济体如何从马尔萨斯停滞转向具有更低生育率和更密集人力资本积累的现代增长制度。主要原因是多生育一个孩子的机会成本上升，因为对子女人力资本的时间和资金投入在增加（Becker，1965），因此父母以子女的质量替代数量。同时，工作年龄死亡率的下降产生了更强的投资教育激励。Cervellati和Sunde（2013）、Echevarría（2004）发现，教育成就的提高是健康改善的结果，导致更高的增长率（Boucekkine等人，2002；Cervellati和Sunde，2015；De la Croix和Licandro，1999；Kalemli-Ozcan等人，2000）。因此，教育扩张由生育率下降和存活率上升共同驱动。

因此，我构建了一个模型，以分别识别G7国家人口转型中生育率和预期寿命的定量作用。虽然Boucekkine等人（2002）在人力资本的理论模型中同时纳入了死亡率和生育率，但本文在两个重要方面有所不同。第一，关于知识驱动增长与人口衰退的理论文献（Strulik等人，2013；Bucci和Prettner，2025；Bucci和Prettner，2020；Bucci等人，2019；Strulik，2024）主要集中在单一人口维度上，而未在统一框架内区分生育率和预期寿命各自的定量贡献。第二，除上述文献外，本文还将这一分解嵌入一个包含内生人力资本积累和基于研发的科技进步的结构性世代交叠模型中，从而使我们能够追溯每个人口渠道分别影响教育扩张和经济增长的一般均衡机制。

为此，我进行了两次定量演练，以分解人口变化对教育扩张的影响。第一次演练引入一次性永久性出生增长下降，意味着生育率开始更快地下降。第二次演练引入所有年龄段一次性永久性存活率上升。两个冲击在模型基准设定下都导致用于教育的时间增加。然而，这些定量演练凸显了生育率下降与健康改善之间力量的差异。研究发现，存活率正向冲击对个体行为的影响是出生增长负向冲击的五倍。对G7国家人口转型两个方面的分解表明，教育扩张主要由预期寿命改善而非生育率下降驱动，类似于Cervellati和Sunde（2013）的发现。

这些结果也阐明了人力资本积累所依赖的作为抵消人口衰退负面影响的因素的局限性，如Bucci和Prettner（2025）、Strulik（2024）所述。如果仅考虑人口转型的生育率方面，模型预测经济增长将放缓。这一发现补充了Siskova等人（2023）的实证发现，即生育率与人力资本积累之间的关系在人口衰退的国家变得较弱甚至消失，这意味着在人口衰退下人力资本投资不足。本文提供了这一现象的结构性解释。关键机制是，出生增长下降引发负财富效应，导致平均受教育年限小幅增加甚至下降（取决于班额效应的强度）。在这两种情况下，人力资本投资都不足以维持全要素生产率和人均收入的增长。然而，当出生增长下降与预期寿命上升相结合时，两个渠道共同作用足以维持经济增长，因为预期寿命渠道弥补了对生育率下降的微弱反应。生育率下降仍然对经济发展产生不利影响，因为与仅包含预期寿命上升的情形相比，其增长率更慢。因此，教育扩张应被视为生育率下降和预期寿命上升的综合作用。

第三，针对G7国家校准模型预测，教育扩张即将放缓。模型显示，教育时间配置在1965年至2025年间显著上升，从而预测了二战后的教育繁荣（Meyer等人，1977）。此后，变化幅度变得很小。接下来，我将不同时期和不同年龄组的结果转化为便于与真实世界数据比较的变量。我依据Barro和Lee（2013）计算平均受教育年限。模型生成的序列与Barro和Lee（2013）的数据密切吻合。他们显示，1965年至2020年间平均受教育年限增加了约70%。模型还预测2050年后平均受教育年限将停滞。这凸显了教育扩张停滞是一种可能的前景。停滞的关键原因是人口指标的稳定化，即出生增长和存活率趋于稳定。这标志着人口转型的结束，从而使平均受教育年限达到一个新的稳态水平。

本文其余部分结构如下。第2部分介绍包含内生增长的世代交叠模型。第3部分讨论校准参数。第4部分介绍基于所构建模型的模拟演练并讨论主要定量结果。第5部分检验结果的稳健性。第6部分得出结论。

各节摘要

家庭部门

家庭最优化问题遵循Fougère等人（2009）、Choi和Shin（2015）的框架。经济体由十代世代交叠组成。3

模型校准

本节讨论校准策略。表1列出了我为模型中每个参数赋予的取值。

本文开发的OLG模型反映个体从15岁到74岁期间共十个时期的生命跨度，这一点至关重要。这意味着每个时期持续六年，这影响了校准策略。本文开发的基线模型具有内生技术增长特征。这类模型被认为适用于经济体的模拟。

本文模拟该模型以展示并讨论主要定量结果。该模型模拟了G7国家从1965年到2097年的情况。人口数据来自联合国《世界人口展望》（2024年），包括估计数据和预测数据点。

图2展示了观察期内G7国家生育增长和生存率的演变。生存率正在增长。

本文讨论稳健性问题。我检验了第4节结果在以下方面的稳健性：(i) 班级规模效应的强度；(ii) 平均受教育年限中的年龄结构偏差；(iii) 生育增长数据的不同平滑技术。

本文指出，人口下降对发达经济体的长期经济增长构成重大威胁。本文开发了一个具有终身学习和基于研发增长的跨期生命周期框架，表明二战后G7国家的大部分教育扩张是由预期寿命延长而非生育率下降所驱动的。该模型指出，生育率下降导致技术进步放缓，因为经济主体在教育上的投资不足，无法抵消人口下降的影响。

Vitalii Skopin