李迅雷：中国人口往何处去？

李迅雷系中泰证券股份有限公司首席经济学家、中国首席经济学家论坛副理事长 2022年，我国人口首次出现负增长，同时又是中国步入人口老龄化加速阶段的第一年，即中国第二次婴儿潮始于1962年，按国家对人口年龄段的定义，该年出生的约2500万人口已成为老年人口。本文将从中国人口总数和年龄结构的变化趋势、中国人口在三次产业中的流动特征和区域间人口迁徙的趋向这三个维度来揭示新的人口格局演变下中国经济正在经历的转型及合理的政策选择。 主要内容 1. 数据质量影响人口预测：部分生育数据可能被低估，长期看总和生育率不断下移，至2050年降至1.2左右，但过程有所反复，出生人口至2032年前仍能维持1000万以上。 2. 中国老龄化加速，预计2033年进入超老龄化社会，2052老龄化率达到目前日本水平（29%）；老龄化加速将导致经济的潜在增长率下降。 3. 制造业科技化、分工与产业集中对人口的流向有显著影响，中国应该大力发展服务业，以应对制造业未来可能出现的产能过剩，同时可以在潜在增长率下行的趋势下实现充分就业。 4. 区域间人口迁徙的趋向，过去五年，珠三角农民工数量减少近500万，但人口仍净流入160万左右，意味着农民工的告老还乡趋势形成，从孔雀东南飞到“孔雀西南飞”。中小城市流向大城市的趋势加强。中国大城市化进程已经从一线城市转向二线城市。 （以下为正文） 中国人口往何处去？ 中国老龄化加速：趋势与结构 按照世界银行的定义，65岁以上人口占总人口比重超过14%，就步入到深度老龄化社会，我国2022年的老龄化率已经接近15%，2023年估计有2900万人口超过60岁，第二次婴儿潮始于1962年，结束于1974年，这意味着此轮我国人口老龄化加速持续的时间也将超过10年。那么，未来我国人口老龄化加速过程将有什么特征呢？ 对人口老龄化趋势的预测可以分解为出生人口和死亡人口的预测，即对人口出生率和平均寿命的判断。其中出生率的预测最为关键。 出生率 = 出生人数/总人数 = 生育率（生育意愿）× 育龄人口占比（人口年龄结构）× 女性比例（性别平衡） 因此，出生率的预测又可以分解为生育率（生育意愿）、育龄人口占比（人口年龄结构）、性别比例三个方面。其中，人口年龄结构的变化是比较好推演的，性别比例也是一个相对稳定的变量或者慢变量。因此生育意愿的预测最为关键。 一、关于人口数据的质量和生育率变化的普遍规律 对未来的生育率进行预测，首先要对当前生育率有较准确的判断，其次是对生育率未来下降的趋势和速率进行研究和预判。 1、数据质量问题增加预测难度 在分析的过程中，发现过去的人口数据质量可能不够高，这增加了未来人口预测的难度： （1）“六普”（2010年）的数据可靠性相对较低：以0-14岁年龄组的人口数据为例，“六普”的数据是2.225亿，而统计局每年公布的出生人口数据显示，1996-2010年这十五年里，总出生人口为2.592亿，比“六普”的0-14岁年龄组人口多了16.5%。这可能意味着“六普”时对低龄儿童的普查遗漏较多。 （2）过去十五年的出生人口数可能被低估：由于引入了大数据技术来辅助和校验，“七普”的数据质量被普遍认为较高。但“七普”的0-14岁年龄组的人口数为2.534亿，而之前15年总出生人口为2.405亿，两者相差约5.4%。如果“七普”的数据质量较高，则说明之前十五年公布的出生人口数被低估。 （3）过去十年的生育率数据可能受放开二胎（2016年）和新冠疫情（2020-2022年）等干扰，这对未来的生育率预判增加了难度。 2、当前生育率到底有多低？能否真实反映生育意愿？ 根据统计局每年公布的抽样数据，年度生育率（该年出生人口数/育龄妇女数）在2017年之后下降速度不断加快，由年度生育率推算出的总和生育率（平均每个妇女一生生育的子女数）更是在2021年下降到1.1以下，远低于2.1（国际上通常认可的人口世代更替水平），也因此有了“中国生育率全球第二低”的说法。 在我国人均GDP和城市化率都还明显低于发达国家的情况下，我国生育率就已经低于绝大部分发达国家了？这能反映年轻人的真实生育意愿吗？如果从统计局公布的分年龄段的抽样生育率来看，25-29岁、30-34岁、35-39岁这几个主要年龄段的生育率在2016年放开二胎政策后都有所上升，2020年和2021年有所回落，但都仍高于2016年之前的水平。所以总和生育率这个指标降到如此之低，能否反映真实的生育意愿，是值得推敲的。 我国分年龄段的生育率 来源：WIND，中泰证券研究所 可以从“总和生育率”这个指标的计算方法入手，探讨可能导致其失真的原因： 生育率（年度） = 该年出生人口数 / 育龄妇女数 （通常用每千名育龄妇女生育婴儿数表示，比如2021年统计局公布的抽样生育率为31.27‰，即平均每千名育龄妇女生育31.27名婴儿） 总和生育率是指平均每名妇女一生中总共生育多少个婴儿，直接统计其每年的数值会比较复杂。通常是将年度生育率乘以育龄区间的年数（统计局的育龄妇女标准是15岁到49岁，共35年）来简单推算： 总和生育率 = 生育率（年度）×35 以2021年为例，每千名育龄妇女这一年平均生育31.27人，则每名妇女一生中平均生育婴儿数为：31.27×35 /1000 = 1.0945 从计算方法不难发现，如此根据年度生育率简单推算总和生育率的前提是育龄妇女的年龄分布比较平稳，否则推算出的结果可能失真。而由于过去的婴儿潮和计划生育，我国人口的年龄分布很可能不平稳。 从我国育龄妇女的年龄分布来看，自2017年之后，生育率最高的年龄组25-29岁的育龄妇女占比出现明显下降，而30-49岁的占比明显增加了。故根据年度生育率简单推算得到的总和生育率应该被低估了。 中国育龄妇女按年龄分组的人数占比 来源：WIND，中泰证券研究所 因此，总和生育率快速下降，虽然一定程度上反映了年轻人生育意愿下降，但也受育龄妇女年龄结构变化的影响而有所失真，全球倒数第二的数值并不能客观反映我国年轻人的真实生育意愿。 3、近三年的生育率数据是否受疫情干扰？ 最近三年（2020-2022）出生人口数急剧下降，是放开二胎政策后生育率短暂提高后的自然回落还是受到三年疫情的影响呢？ 我们尝试用结婚登记的数据和结婚后出生婴儿数来分析。从过去数据看，结婚登记数与下一年的出生婴儿数存在较高的正相关性。三年疫情期间，各种防控措施对就医、产检和分娩等造成不便，可能会促使部分人做出推迟生育的决定，相比之下，疫情防控对结婚登记的影响要小很多。 从民政局的结婚登记数据来看，2020-2022年间，各年龄段登记结婚对数与人口数的比例没有出现明显的异常变化，与之前的趋势基本一致。 各年龄阶段结婚对数与人口数的比例 来源：WIND，中泰证券研究所 从每一年出生的人数与前一年结婚对数的比值来看，三年疫情期间可能对年轻夫妇推迟生育起到了明显影响。 2015年10月宣布自2016年全面放开二胎政策，2016年和2017年生育率明显升高可能受之前积压的生育二胎需求的影响，2018年和2019年的生育率可能比较真实地反应了生育政策放开后的生育意愿（根据这两年出生人数和育龄妇女推算出的总和生育率为1.5左右），而2020-2022年的出生人数与前一年结婚对数的比值明显低于2018和2019年，或许是受疫情影响。 疫情可能使部分年轻夫妻推迟了生育 来源：WIND，中泰证券研究所 4、生育率与城镇化率、收入水平的关系 放开生育政策后的生育率水平将取决于自然状态下年轻人的生育意愿。从全球各国和地区的生育率来看，虽然生育率可能受各国宗教信仰和文化传统的影响，但城镇化率越高、人均收入越高的国家和地区生育率越低的规律非常明显。比如，城镇化率高、生育率低的国家里既包括了很多欧洲富国，也有韩国、日本等亚洲国家，还有阿联酋、卡塔尔等伊斯兰国家。 全球200多国家和地区按城镇化率分组下平均总和生育率 来源：世界银行，WIND，中泰证券研究所 不同收入水平的国家和地区的总和生育率 来源：世界银行，WIND，中泰证券研究所 城市化率和收入水平越高的国家和地区，或许意味着分工更细，工作的专业性更高，工作时间和地点的灵活度则会比较低，养育小孩要付出的直接成本和机会成本都会更高，从而降低人们生育的意愿。此外，越富裕的国家和地区，其经济社会越稳定，社会保障体系越完善，人们通过年轻时的储蓄来养老就会越可行，而通过养育后代来养老防老的现实需求会下降。 因此，全球普遍存在的现象是富裕国家和地区生育率明显较低，即使同一国家里也存在富裕阶层生育率更低的现象。比如全面放开三胎政策后，中产阶级（尤其是一二线城市的）表示不敢生、不愿生的声音应该是最大的。 从国内各省份来看，也明显存在城镇化水平高的省份生育率相对较低。比如用0-14岁人口与15-64岁的比例来代表各省份过去十年的生育率水平，其与各省过去十年的平均城镇化率呈现明显负相关（见图表）。可见，即使出台鼓励生育的政策，生育率提升相对明显的也一定是农村和小城镇地区。因此，加强农村和小城镇的教育资源，做好教育公平对提升整体“成才率”非常重要。 我国各省份0-14岁人口占比与过去10年的平均城镇化率负相关 来源：国家统计局，WIND，中泰证券研究所 二、人口老龄化未来走势预测 合理的参数设定是未来人口预测的关键，需要设定的参数主要有三个方面：1）当前的生育率水平是多少？2）生育率以什么样的规律和速度下降？3）人均寿命增加的趋势。根据上文的分析，参数设定如下： 1）考虑到2016年放开生育政策后，前期积压的二胎生育需求释放造成生育率偏高，以及2020-2022年期间疫情防控可能造成部分人推迟生育，取2018和2019年的生育数据来推算目前较真实的生育率水平（总和生育率约为1.5）。 2）随着我国城市化率继续提高以及人均收入提升，生育率水平可能将继续下降，生育率下降的趋势参考日本、韩国等。考虑到育龄妇女的年龄分布并不平稳，直接对总和生育率进行假设可能会降低预测结果的准确度。本文对不同年龄区间的育龄妇女的生育率水平和下降速度进行假设，总的来说低龄组（如15-19岁、20-24岁、25-29岁）的生育率下降速度更快，高龄组的生育率则下降速度慢一些，到2050年总和生育率下降到1.20左右。 日韩城市化率走平后生育率仍下降 来源：WIND，中泰证券研究所 3）考虑到人均寿命的增加会显著影响人口老龄化的进程，人均寿命增加的趋势较为稳定，假设未来人均寿命仍按目前趋势继续增加。从国际人口预期寿命的变化规律看，一般每隔十年，平均预期寿命提高3岁。 预期寿命上升趋势不变 来源：世界银行，中泰证券研究所 在前述假设下，我国未来人口结构和老龄化变化趋势如下： 1、关于未来新出生人口的预测 从今年上半年的出生婴儿的数据看，不少权威机构判断今年全年新生人口或低于900万。我们按照前两年的出生率水平推算，2023年新出生人口基本与2022年持平，2024年回升到1200万以上，之后便持续缓慢回落。 中国出生人口预测 来源：Wind，中泰证券研究所 由于出生率的假设技术难度很大，如城市化率上升趋势是一个长期考虑因素，年轻人结婚率的下降则是一个短期因素，与年轻人某个阶段的性别比、年轻人失业率（经济景气度）等有关。这些因素会影响对未来出生率预测的准确度。 根据民政部数据统计，我国的结婚数据在2014年就开始逐年下降，2013年为1346.93万对，2019年跌破1000万对大关，2021年为763.6万对，跌破800万对大关。2022年，全国结婚登记数量为683.3万对，较上一年减少80.3万对，下降约10.5%。2023年上半年，也就是疫情放开之后，我国结婚为392.8万对，同比仅增长5.3%。 结婚率的下降，一方面可能是经济方面原因，如年轻人失业率偏高、抚养负担重等因素，另一方面，或与男女比例失调有关。如在2006-2010年出生的人口中，男性比女性多出约20%，之后出口的性别差有所缩小，但仍维持在115:100以上，直到2016年以后才回落至105:100。 我国出生人口的性别差（男/女） 来源：Wind，中泰证券研究所 2、中国人口老龄化呈现加速趋势 目前我国已达到世界银行的深度老龄化社会的标准，预计2033年将达到超老龄化社会的标准，到2052年将达到日本目前的老龄化水平（日本是目前老龄化最严重的国家）。 从总人口数量看，2027年我国总人口将跌破14亿，2049年将跌破12亿。 中国总人口和老年人占比 来源：Wind，中泰证券研究所 尽管未来出生率的预测很难，但由于新出生人口变化对总人口的影响很小，所以，几乎不影响对我国老龄化加速这一趋势和结构变化的预测。如前所述，我国已经步入老龄化加速阶段。 中国老龄化速度超越日本、德国 来源：世界银行，中泰证券研究所 从上图中看到，德国老龄人口占比在1972年到达14%，36年后（2008年）再次突破20%，进入超老龄化阶段。日本从深度老龄化社会过度到超老龄化社会（1994年-2006年），用时12年。中国则用时不超过11年。 其中有一个数据需要引起我们关注，就是人口老龄化与经济增速的关系。研究发现，日本、德国、法国、意大利等发达经济体步入深度老龄化之后，GDP增速显著回落，其中日本在深度老龄化到超老龄化期间，GDP的平均增速只有1.1%，德国为2.1%。 把中国老龄化率程度与美国进行对比，发现美国可能到2032年后，老龄化率水平不再上升，到2050年约为18%，而中国则达到27%。 中美人口老龄化率趋势比较 来源：Wind，中泰证券研究所 美国老龄化率之所以会在未来走平，主要是两大因素，一是美国的生育意愿与移民政策可能有关，主要原因可能是美国每年的移民规模较大，且大多是年轻人，新移民的生育意愿也明显高于大部分美国人。二是美国出生人口更多受生育率（生育意愿）影响，而不是人口年龄结构（育龄人口占比）。如图，美国0-4岁的人口数与主要育龄（25-44岁）人口数的正相关性不明显。 产业变迁对人口流向的影响 随着科技发展和产业集中度的提高，全球都呈现两大趋势，一是制造业的机械化、智能化程度会越来越高，制造业就业总人数呈现持续下降的趋势；二是社会分工越来越细，产业集中度不断提高。这两大趋势均会对人口的流向产生显著影响。 我国第二产业就业人数在2013年见顶 来源：Wind，中泰证券研究所 中国作为制造业大国和投资大国，自上世纪50年代以来就开始了工业化进程，改革开放以来发展更快，但随着劳动年龄人口在2012年见顶，2013年工业就业人口在达到2.32亿之后，也出现了回落，至2022年降至2.11亿。 2022年下半年以来，我国出口增速大幅下降，与此相对应的是，传统工业企业的就业人数下降，尽管规模以上工业企业的数量还在增加。如电动载人汽车、太阳能电池、锂电池等出口显著增加，但这类企业都属于资本密集型的，对就业的带动有限。 疫情后全国规模以上工业企业用工人数减少 来源：Wind，中泰证券研究所 以中国的制造业非常发达的东莞为例，它为农民工创造了大量就业机会，2016年其常住人口过千万。2017年以来，东莞通过放松户籍政策来吸引人才落户，截至2022年东莞户籍人口有292万人，相较2016年底的200万人增长45%。然而户籍政策对常住人口的拉动有限，2017年至今常住人口数量几乎没有增长，并在2022年出现下行趋势。 从未来的趋势看，第三产业所吸纳的就业人数会越来越多，因为人口老龄化加速，抚养比上升，第三产业的需求会上升。目前，按我国统计口径的服务业占GDP的比重为52%，占就业人口的比重为47%，但按西方国家的统计口径，建筑业也归入服务业，那么，服务业占GDP比重及服务业就业人数占总就业人数的比重分别为60%和54%。 我国服务业就业总数增加空间很大 来源：Wind，中泰证券研究所 若参照美国的数据，美国服务业就业人数占比长期以来都要高于服务业的GDP占比，2022年美国服务类GDP占比为80%，服务业就业人数占比高达84%。 美国服务业就业人数占总就业人口84% 来源：Wind，中泰证券研究所 而作为步入超老龄化国家的日本，尽管其作为制造业强国，富有工匠精神，但服务业就业人口占总就业人口的比重也达到69%。德国则为65%。这两个国家的服务业增加值占GDP的比重分别为70%和69%，均远超中国。 日本服务业就业人数占总就业人数比重持续上升 来源：Wind，中泰证券研究所 2022年以来，全国规模以上工业企业平均利润与利润总额同比都呈回落趋势，1—8月份，全国规模以上工业企业实现利润总额4.65万亿元，同比下降11.7%。而广东长期回落趋势更明显。依靠工业发展拉动就业和人口的边际效应或在长期内递减。 依靠工业发展拉动就业的边际效应递减 来源：Wind，中泰证券研究所 制造业回落就业人数下降除了机械化、智能化程度提高导致人工需求下降因素外，还与制造业工人的薪酬水平提高有关。 2021年我国制造业人均工资提升至每年14295美元，已接近日本的50%。而东南亚国家的制造业薪酬则大大低于中国，以泰国为例，2000年制造业人均工资每年1789美元甚至略高于当时的中国，至2021年为每年5089美元，只有中国的35.6%。而越南、印尼和印度等国制造业工人薪酬只有我国的三分之一至四分之一，这使得中国的劳动密集型产业部分转移至这些国家。 2021年，我国第一产业的就业人数为1.71亿，占我国就业总人数的22.9%（见《2021年度人力资源和社会保障事业发展统计公报》），但所创造的增加值占GDP的比重只有7.3%，可见我国第一产业的劳动生产率水平仍低，第一产业就业人数的占比是其创造GDP占比的三倍多。尽管如此，第一产业的就业人数已经比10年前减少了近1亿人（国家统计局公布的2011年我国第一产业劳动人口为2.65亿）。 今后我国农民工的新增数量将大幅放缓，一方面由于农村老龄化加速，可转移的劳动年龄人口数量减少；另一方面则由于外出农民工中50岁以上的返回率上升，使得农民工净增量减少。 下图中，红线代表从2010-2020年中国农村不同年龄段的人口转移到城镇的比例，其中50-59岁年龄段的比例为10%左右，超过60岁后则从城镇净流入到农村。蓝柱代表农村该年龄段的人口占比，绿柱代表全国该年龄段人口的占比。不难看出，超过50岁的农村人口数量大幅高于城镇人口数量。 2020年我国50岁的以上的农村人口占比超过城镇 来源：国家统计人口普查数据，中泰证券研究所 人口的区域流向： 大城市化与人口集中度提高 古代中国人口分布与迁徙主要受到两类因素的影响：一是战乱、灾荒等“天灾人祸”造成的人口迁徙；二是各地经济产出所能承载的人口。 前者阶段性引发人口短期迁徙，例如西晋“永嘉之乱”、唐朝“安史之乱”和北宋“靖康之难”引发中国历史上三次大规模南迁。但在战争结束之后，社会秩序恢复后，各地多休养生息，在历代王朝的中后期，经济因素，主要是土地产出和承载力成为人口分布的主要因素。 根据《中国分省区历史人口考》，在唐朝之前，中国人口分布主要呈现出北多南少的特征。少数南多北少时期，也处于战乱阶段，例如秦末动乱后，西汉初年出现南方人口多于北方人口，南北人口比重达到1:0.85。 气候变化以及南方的开发推动南方人口增长。最晚从唐朝中期（752年）开始，南方人口比重趋势性提升。宋金时期（1207-1208年），南方人口已经全面超过北方。直到明朝后期（1578年），南北双方人口比重为在1:0.65。到了清代，随着土地的开垦、农业的发展，与玉米、番薯等高产作物的普及，道光年间总人口突破4亿。南方由于自然条件更为适宜高产作物的种植，此时南北双方人口比重扩大至1:0.43。 中国古代人口南北分布 来源：《中国分省区历史人口考》，中泰证券研究所。注：省份样本为传统上“汉地十八省”所包含的省份，南北以“秦岭—淮河”一线划分 现代人口的区域迁移，与工业和服务业的发展关联度越来越大，与农业的关联度则不大了。而且农业人口成为现代产业发展的新增生产要素，也是人口区域间迁移的主要来源。 从1978-2008这改革开放最初的30年里，中国人口的流向明显呈现从西向东的特征，即西部地区和中部地区的农村人口流向东部沿海地区，尤其集中在长三角和珠三角这两大区域。但随着中国经济集中度的提升，人口净流入的区域会不断减少，同时净流出的区域会越来越多。 我们对过去五年各省市的人口流向进行分析，剔除自然增长率后，发现常住人口呈现从北向南流动的整体特征。北方城市大部分呈现明显的人口净流出状态，尤其东北地区人口流出比率较大。长三角、珠三角、川渝经济圈净流入人口数量居前。 2018-2022年我国各省市人口净流入（出）情况 来源：Wind，中泰证券研究所 从数据看，东北三省和中部六省的人口都呈现净流出，而人口净流入最多的是GDP全国排名第四的浙江，而非广东，广东在过去五年中人口净流入只有160万，不足浙江的一半。为何浙江的人口流入量最大呢？恐怕与浙江的新经济发展较快有关，如浙江的传统产业转型较快、电商发展规模大、专精特新企业数量排名全国第一等。 在上图及下文的多张图中，均会发现新疆人口流入等多排在前列，可能的原因是与鼓励农户入疆开发农业的政策有关。 值得注意的是，过去五年北京和上海的人口变化并不大，而且北京人口还是净流出。这是否与2020-2022这三年的疫情有关？毕竟超大城市的人口密度大，病毒传播快，对人口流入带来不利影响。那么，这是否会使得我国的大城市化进程出现逆转呢？如果把时间拉长一点，观察期延长至2012-2022年，就不难发现大城市化进程还在持续。 经济发达省份的“双子星”现象：大城市化非常显著 来源：Wind，中泰证券研究所 注：未考虑人口自然增长因素——缺数据 上图中，江苏省过去十年中，净流入的人口93%是流向苏州和南京这两个大城市；广东的深圳和广州人口净流入占全省的72%，山东的青岛和济南占其净流入的83%。最近三年北、上、深三大城市的人口都出现了负增长，这主要是疫情带来的生活不便，以及土地、劳动力等要素价格上涨过快引起的。但二线大城市的人口仍在快速增加，即出现了“双子星”现象。 从2010-2020年看，即便是经济相对欠发达的省份，其省会城市的人口也都无一例外净流入。如有些处在东北、西部和中部的省份，过去10年间人口净流出，但其省会城市人口仍为净流入。 经济体量相对小的省份：省会城市人口净流入占全省人口净流入比重 来源：Wind，中泰证券研究所 注1：部分省会城市2022年数据缺失，暂用2010年-2020年口径统计，负数说明该省人口净流出，但省会城市人口仍净流入 注2：未考虑人口自然增长因素——缺数据 从过去5年看，我国人口净流入最多的10个城市，多数都为省会城市，其中成都排名第一，达到522万人。是什么原因使得成都成为过去5年人口流入最多的城市呢？主要因素应该是农民工的回流。因为从过去五年看，重庆和四川这两个西部省市都是人口净流入规模居前的区域。 过去五年全国人口净流入最多的十大城市 来源：Wind，中泰证券研究所 注：未考虑人口自然增长因素——缺数据 那么，如何来判断农民工已经从过去的“孔雀东南飞”转向“孔雀西南飞”呢？不妨比较过去五年长三角和珠三角的农民工数量变化。 珠三角农民工数量显著下降 来源：Wind，中泰证券研究所 江浙沪及京津冀地区每年农民工流入数量基本保持不变，而珠三角地区农民工年流入量从2017年的4722万人逐年减少，2021年降至4219万人，减少近500万人。因为过去珠三角农民工大部分来自西南地区，观察农民工所属行业的分布占比，发现近5年农民工从事制造业占比逐年下降共约3%，从事批发零售、交运、及服务业的人数比例小幅上升。而珠三角作为中国制造业中心，近年来已明显转弱，导致深圳、东莞两大城市的常住人口数量明显减少。 导致珠三角竞争力转弱的主要原因是要素价格上升，主要是土地和劳动力，部分劳动密集型产业外迁至东南亚国家，部分则内迁到中西部地区。从我国东部、中部、西部和东北四大区域看，2018年至今，东部对外出口贸易的份额从81.7%降至79.8%，中部从8.2%上升至9.1%，西部从8.2%升至9.0%，东北则从2.5%降至2.1%。尽管地区间出口的变化份额不算大，但多少也可以解释珠三角地区农民工数量减少和西部地区人口流入增加的部分原因。 根据《2022年全国农民工监察调查报告》数据，2022年，农民工的平均年龄已经达到42.3岁，其中50岁以上的农民工占比已经接近30%。因此，告老还乡的农民工数量在今后将不断增加。整体来看，各区域内农民工省内流动的偏好增强。当前只有中部地区以跨省流动为主，但占比也逐渐接近50%。东部和西部区域内都更倾向于在省内流动，今后随着老龄化加速，农民工的流动性还会进一步下降。 2016-2022年各区域农民工跨省流动占比 来源：《2022年全国农民工监察调查报告》，中泰证券研究所 为了进一步印证“部分农民工已经返回原籍”的判断，不妨关注彩票的销量变化。由于彩票购买者以中低收入群体、流动人口为主，我们试图从彩票的销量变化来印证农民工的流向变化。东部地区彩票销售额占全国的比重近年来呈下降趋势，而西部地区的比重则在上升。2005年，东部地区的彩票销量占比达51.5%，至2021年降至46.2%，下降5.3个百分点，而西部地区的彩票销量占比从2005年的21.5%上升到2021年的28.1%，上升6.6个百分点。 各地区彩票销售额分布 来源：CEIC，国家统计局，中泰证券研究所 我们再进一步分析2020年疫情以来的彩票销量在各省间的占比情况，因为疫情期间，防控造成人员返乡、返城之类的人口流动的波动也较大，可以从增速和波动性两个角度进行观察。从增速来看，疫情以来，新疆彩票销售额增长最快。内地省份中，彩票销售额增长最快的是重庆、四川和贵州三个西南省市，其次是广东、浙江、福建三个沿海制造业大省。 2020年至今各省市彩票销售额的年均增速 来源：CEIC，Wind，中泰证券研究所 从上图中发现，2020年以来彩票销售增速靠前的如新疆、重庆、四川、浙江、广东、福建等省市，同时也是近五年人口净流入靠前的省市，这是否证明流动人口是购买彩票主力之一？ 笔者长期关注我国西南地区农民工流向珠三角地区的主要道路——321国道春运返乡摩托车大军，据说摩托车返乡大军人数的峰值发生在2013年，这也是中国房地产开发投资增速的最高点。如今，号称十万摩托车大军几乎已经消失了。 此外，社会对于海外移民的话题也颇为关注，主要因素不妨有以下几个：1、国内大城市的房价收入比或租售比均显著高于全球水平，到海外寻求更高性价比的生活，故投资移民需求上升；2、近年来部分西方国家出现劳动力短缺现象，导致薪酬水平显著上升，增强了劳务输出的吸引力。不过，从海外移民的数量占总人口看，仍非常之低。 小结 中国人口老龄化加速已经成为现实，2023年的出生人口数可能又低于2022年，当前如此低的总和生育率似乎很难持续，期望2024年后出生人口数量能够大幅反弹，并维持在1000以上。生育率低的国家几乎都集中在东亚，这是否与东亚国家人多地少、受儒家的精英文化影响较大有关？但即便出生人口数量的增加，对老龄化率的影响微乎其微。 老龄化率的上升，必然带来服务业在GDP中占比的上升，从事服务业的就业人口数量也会相应提高。而且，服务业就业人口占总就业人口的比重将大于服务业对GDP的贡献率，这意味着在经济增速回落的背景下，只要服务业的占比上升，仍然可以实现充分就业。当前我国年轻人就业压力较大，大力发展服务业应该是一种解决方案。 中国以农业人口转移为特征的城镇化进程已经开始减速，但城市之间的人口流动会继续，这是因为社会分工进一步细化，规模经济要求产业配套健全、人口密度提升、运输半径缩小。例如，珠三角在2017-2021年间农民工数量净减少近500万，但广东省的人口净流入量依然达到160万左右，这意味着期间应该有超过600万的非农民工流入到广东。在总人口减少的背景下，大部分城市的人口都在缩减，少数城市人口增加，人口的集中度将不断提升。 从国际比较看，我国的大城市人口占比仍然不高，今后北上广深等一线城市的人口还将保持增长态势，以成都、杭州、苏州等为代表的二线城市人口规模将大幅提升。 第一大城市人口占该国城市总人口的比重 来源：Wind，中泰证券研究所 例如，美国纽约的人口占美国城市人口的比重为6.8%，是上海的两倍多，尽管上海的人口再增加一倍并不现实，但达到3000万仍有可能。而中国超过2000万人口的城市目前只有北京和上海，今后或许有5-6个，也就是说，二线城市的大城市化进程会加速。 从2021年开始，中国已经步入深度老龄化阶段，2022年总人口开始负增长；同时，2023年前9个月，出口负增长，各地房价普遍下跌、房地产开发投资负增长、地方政府土地出让金收入大幅下降。这些数据均表明，改革开放以来，以引进外资、出口导向、世界工厂以及基建加房地产投资等驱动的出口加投资主导模式需要转型。 人口抚养比及未来预测 来源：Wind，中泰证券研究所 从全球预期平均寿命每10年增长3岁左右的水平来看，1997年出生的人口预期寿命将达到100岁，故未来老人比例将显著增加。随着全社会人口抚养比的上升，与老龄化相关的服务产业将快速发展，由此也带来了诸多投资机会。如医疗康养、休闲旅游、AI、机器人等，同时会推进经济增长模式从投资转向消费。 20世纪中期至今，人均预期寿命稳步上升 同时，社会保障费用将大幅上升，原先已经存在的养老金缺口将变得更大，如何在居民部门偿债率较高的背景下，降低居民的负债或增加居民的可支配收入，目前所面对的诸多问题都需要有效的解决方案。 风险提示：本文的预测结论多基于假设，若假设条件与事实不符，或发生变化，则结论与实际结果可能存在较大偏离度。 本文作者： 李迅雷，中泰证券首席经济学家 唐 军，中泰资管组合投资部首席投资经理 李倩云，中泰证券研究所金融工程部分析师