从第七次人口普查数据来看，我国老龄化程度预计仍将进一步加深。老龄化成为我们分析判断未来经济走势无法忽视的重要变量。我们从文献着手，探究老龄化对各类经济变量的影响程度、方向以及作用机制。
从经济总量角度来看，对经济增长，老龄化可能降低劳动力供给、降低劳动生产率，并挤出投资，带动潜在经济增速下降。不过，如果老龄化有效倒逼技术升级、提高人力资本投资，则能够减轻潜在增速下降的压力，促进产业升级。不过从自然利率的角度出发，现有研究普遍倾向于，人口老龄化会造成通缩压力，推动长期利率趋势性下行。
从宏观结构角度来看，人口老龄化亦会通过消费倾向、消费偏好、要素禀赋的改变，引致产业结构的调整。
从消费倾向来看，人口老龄化的“负担效应”会降低储蓄率，而预期寿命增长、财产遗赠、消费限制则会推动储蓄率的上行。两种效应影响后的净效应将决定储蓄率变化方向。研究表明，我国人口老龄化对储蓄率的净效应为正，即人口老龄化导致储蓄率上升。不过有研究认为，随着中国老龄化程度进一步加深，中国储蓄率或出现逆转。
从消费结构来看，人口老龄化会带来国家整体消费结构的变化。综合来看，医疗服务、社会和个人服务等服务消费占比往往随着老龄化的发展而提高。衣着、文娱活动、交通通信消费占比则倾向于下行。
从要素禀赋来看，人口老龄化更多推动产业由劳动密集型向资本、技术密集型转变。不过部分研究认为，深度老龄化社会反而抑制这一转变。
从三次产业结构来看，现有研究更多支持人口老龄化提升了第三产业占比。不过有学者引入门槛效应模型，认为需要区域创新、城镇化等跨过一定的门槛之后，老龄化才会推动第三产业占比提升。
从七普数据来看，2020年我国65岁及以上人口的比例为13.5%，离“中等老龄化”社会的标准14.0%仅一步之遥，并且未来老龄化进程还将提速。未来老龄化会在何种程度上对经济运行产生何种具体影响呢？我们希望从文献研究出发，为我们寻找答案提供入口。
一、人口老龄化与经济增长
研究普遍认为，人口老龄化会导致潜在经济增速的下降，但与此同时，可以通过技术升级和人力资本投资等手段，来减轻老龄化对潜在经济增速的影响。
1、人口老龄化对经济增长的影响
人口老龄化会通过几个渠道来影响经济增长。第一，人口老龄化会影响劳动力的供给。胡鞍钢和刘生龙等（2012）使用1990-2008年中国省级面板数据，建立扩展后的索洛模型进行研究。其研究结果认为，人口抚养比的下降以及劳动年龄人口份额的提高有利于经济增长。这也是中国改革开放以来人口红利的重要来源。但是，当前人口老龄化正在改变这一有利的人口结构。孙爱军和刘生龙（2014）的研究亦支持这一结论，其研究发现1990-2010年间由人口抚养比下降带来的经济增长约为1.44个百分点，贡献度约为15%。当前人口老龄化的加重将对经济产生负面影响。
第二，人口老龄化会影响劳动生产率。随着年龄的增长，人的身体机能趋于下降，劳动人口结构老化，劳动力的体力、智力和认知能力将逐渐下降。老龄人口在知识结构调整、知识更新方面较为迟缓，无法快速适应产业结构升级的需要。章铮（2011）对东莞市农民工的调查研究发现，劳动密集型产业的劳动者在35岁之后的生产率便会随着年龄增大而快速下降。
Lehman（1987）研究认为，个体年龄与劳动生产率之间呈现倒“U”型关系，但对不同行业，峰值出现的位置有所不同。像艺术创造、纯物理理论研究等领域，劳动生产率的峰值出现在30岁左右，此后即快速下滑。而医学研究、历史学研究则预计要到40-50岁达到巅峰，其后缓慢下降。Feyrer（2007）的研究发现，劳动生产率的年龄峰值为40到49岁，随后劳动生产率将不断下降。
Maestas & Mullen & Powell（2016）选用了美国1980-2010年的人口数据与经济数据进行分析，其研究结果发现：60岁以上人口每增长10%，就使得美国人均GDP增速下降了5.5个百分点；其中，有2/3的下降是由于劳动人口老化导致的劳动生产率下降，有1/3 的下降来自于劳动力人口增速的放缓；其由此预期美国未来十年的GDP年均增速将下降1.2个百分点，未来二十年将下降0.6个百分点。
第三，人口老龄化可能影响产业升级。鲁志国（2001）认为，产业结构的调整要求劳动力具有充分的流动性，能在不同地区和不同产业部门之间流动，而高龄劳动力往往生活习惯和专业技能相对固化，很难适应新的产业部门和工作地点，因而不利于产业结构升级。
任栋和李新运（2014）也提出了类似的观点，随着年龄的增长，劳动者变换工作的成本将不断提高，而其变换工作的概率和工作流动性将不断下降，因而高龄劳动力很难快速适应产业结构升级的需要。劳动力青年人口比重增加可以显著促进产业结构升级，反过来，劳动力年龄结构老化将抑制产业结构升级。
第四，养老负担的上升会挤出投资。汪伟等（2015）认为人口老龄化所引起的养老负担增加，会挤出家庭人力资本投资、企业研发投入和国家的科教支出，从而对劳动力供给质量以及产业结构升级产生消极影响。
2、人口老龄化与长期利率
关于人口老龄化与长期利率走势的研究更倾向于认为，人口老龄化会推动长期利率趋势性下行。
Fujita & Fujiwara（2021）利用异质劳动力人口的搜寻-匹配模型研究发现，人口老龄化是1980年代以来，日本消费率、实际利率低波动的重要原因。同时，劳动力年龄结构老化对1980年代-2000年代间日本实际利率的下降解释力达到40%。
Marcin Bielecki （2020）研究了欧元区的人口结构对自然利率的影响，同时引入了经济开放、移民、养老金体系等因素，其对1985-2030年间欧元区自然利率的均衡水平进行估计后发现，欧元区自然利率下行的主要原因正是人口老龄化，其解释力度达到2/3。由于欧元区与其他地区的老龄化程度逐渐趋近，资本流动对提振自然利率作用有限。移民可以缓解利率下行压力，但是其迟滞较为明显。
Acedański & Włodarczyk（2018）采用开放经济体下的OLG模型来研究人口冲击和退休年龄变化对波兰经济的影响。其研究认为，随着波兰老龄化程度的加剧，波兰和其他发达国家的利率水平差距将缩窄0.013%-0.02%。延迟退休年龄则可以明显提振利率水平。
陈国进、李威（2013）选取16个OECD国家1960-2011年的季度数据，选用了包含人口结构和利率平滑的扩展型泰勒规则来探讨人口结构与长期利率之间的关系。其中，利率数据使用3个月到期国债收益率，用青年-中年人口比例来衡量人口结构。其研究结果发现，人口年龄结构的持续性会降低利率的长期波动，提升利率的稳定性。并且青年-中年人口比率每上升1个百分点，利率将上升1.85个基点。将这一模型扩展至我国时同样显著，即青年-中年人口比率每下降1个百分点，利率将下降6-8个基点。作者认为中年阶段收入相对稳定，且养老、子女教育、预防性储蓄的动机较强，中年人口比重是决定资金供给的主要人口因素。而青年阶段由于结婚、置业、抚养子女，青年人口比重是决定资金需求的主要人口因素。当前随着我国老龄化的加剧，其认为我国或长期处于低利率水平。
朱超、易祯（2020年）引入包含人口年龄结构的DSGE模型，对全球194个经济体1960-2017年的自然利率进行测算，并模拟了少年人口冲击对自然利率的影响。其研究发现，少年人口占比上升会引起自然利率的上升。此后，利用前文测算的自然利率作为被解释变量，选取不同年龄的人口占比作为人口变量，选取产出缺口等相关变量作为控制变量。其研究结果认为，0-24岁人口占比提升会推动自然利率上行，45岁及以上年龄组则会对自然利率造成负向拉动。这一结果在发展中国家和发达国家中并未存在明显异质性。
3、应对人口老龄化的措施
从要素禀赋理论来看，当劳动力要素数量下降时，劳动力成本上升将会倒逼企业利用资本、技术等其他生产要素进行代替。陈彦斌（2014）研究发现，劳动力数量的下降会倒逼企业使用资本、技术等其他生产要素来替代劳动力要素，推动资本、技术密集型产业的发展，抑制劳动密集型产业发展。
因此，在人口老龄化的背景下，可以通过加大人力资本、技术等领域的投资力度，减轻人口老龄化对经济增长的负面影响。
第一，促进技术进步，尤其是加快自动化技术的发展。黄甫喆、陈孝伟（2020）利用具有时变参数的向量自回归模型，基于我国1990-2016年的宏观经济数据，研究老龄化对宏观经济增长路径的影响。其研究发现，老龄化会对储蓄率、产业升级和生产率造成负面影响，初期会促进技术进步和就业率，但随着老龄化进程的深入，对就业影响将逐渐趋于负面。
Acemoglu & Restrepo（2017）使用169个国家1990-2015年的经济数据，其研究结果认为，老龄化对人均GDP增速变化的影响较为有限。老龄化程度越重的国家，在工业机器人的应用方面更为领先。工业自动化能够有效地减轻人口老龄化对经济增速的影响。
第二，提高人力资本投入。人口老龄化对人力资本投入的影响主要来自两个方面。一方面，出生率的下降加强了家庭单个子女的人力资本投入，推动了个体受教育程度整体上升。Lee & Mason（2009）利用NTA（National Transfer Accounts）中分国别的人口结构、经济增长数据来研究人口结构与人力资本积累，及其对整体经济增速的影响。其研究结果发现，高生育率国家有着更多的劳动人口，但人均人力资本投入较低；低生育率国家人均人力资本的投入明显高于高生育率国家。两者存在着质量和数量之间的转换（trade-off）。其对经济增速影响的核心在于，经济产出相对于人力资本变化的弹性与人力资本相对于生育率变化的弹性。
另一方面，居民预期寿命的延长、工作时间的延长会推动居民增加自身的教育、学习投资。Ben-Porath（1967）提出，预期寿命延长会增加教育投资的获益时间，因而促进个人早期人力资本的投资。这也被称之为“Ben-Porath机制”。Cervellati & Sunde（2015）的研究发现，预期寿命是个人教育决策的重要影响变量。当经济发展水平较低、预期寿命较短时，人力资本形成的边际成本非常高，人力资本投资相对受限；但是，随着人力资本效用增强，其将带动经济增长、预期寿命延长，从而促进两者之间形成正向循环。
王云多（2015）认为，随着产业结构升级，知识密集型产业的增长将增加对高素质劳动力需求。年轻人将倾向于加快人力资本投资，导致短期劳动供给减少、产出下降，老龄化经济成本提高，但长期可为社会提供更多高素质劳动力，降低老龄化的经济成本。
Guest（2011）通过对美国、澳大利亚的数据进行对比研究后发现，劳动人口年龄结构老化将导致劳动生产率下降，但是年老劳动者的工作经验以及资本劳动比的上升可以一定程度抵消年龄提升带来的负面效应。
第三，多举措增加劳动力供给。Hyun-Hoon Lee et al.（2013）利用局部调整模型，使用80个国家1960-2005年经济数据来研究人口结构和经济增速之间的关系。其研究发现，老龄人口比例对经济的影响并不显著，少儿人口比例的提升反而会由于抚养的负担而对经济增长产生负面的影响。因此，其认为更高的退休人员储蓄率、更高的劳动参与率、适当引入移民是更为有效的促进经济增长的方式。
第四，发挥老龄化的“财富效应”。蔡昉（2010）提出，将老年人口比重提升可产生新的储蓄动机和新的人力资本供给，视为“第二次人口红利”。具体可通过建立具备积累功能的养老保障体制、提高资本市场的保值增值能力、扩大教育资源、扩大劳动参与率等方式改善老龄化对劳动力要素的抑制作用。
第五，优化财政支出结构。刘穷志和何奇（2012）构建了拓展的世代交叠模型，探讨人口老龄化对经济增长的影响以及对应的实现均衡增长的财政政策。其研究发现，当人口老龄化能促进经济增长时，财政政策应增加支出规模尤其是健康保障支出。而当人口老龄化抑制经济增长时，应减少财政支出并加大公共教育支出。
蔡兴（2016）利用中介效应方法以及中国省级面板数据进行的实证研究发现，中国人口老龄化提高了劳动力成本，进而促进出口结构的优化升级，并且这种倒逼效应受到了地区人力资本水平和金融发展水平的影响。
二、人口老龄化与产业结构
人口老龄化同样会产生结构性影响。人口老龄化对产业结构的影响，既包括消费倾向、消费偏好改变影响产业需求的机制，亦包括劳动力数量、劳动生产率变化影响生产要素的机制，亦。在生产实践中，亦会导致产业结构的分化。
1、人口老龄化与消费倾向
人口老龄化对储蓄率而言是一柄双刃剑：一方面，老龄化可能加重养老负担，导致储蓄率下降；另一方面，在人口老龄化的背景下，预期寿命的不确定性等可能使储蓄率不降反升。
（1）人口老龄化的“负担效应”
Modigliani & Brumberg（1954）的生命周期理论以及Friedman（1957）的永久收入假说，构成了新消费函数理论，也成为研究人口年龄结构对居民消费、储蓄影响的主要理论基础。
根据生命周期假说和永久收入假说，人口老龄化往往带来居民储蓄率的降低。居民收入在进入老龄阶段后逐步降低，居民消费将更多依赖青壮年阶段的储蓄。许多学者从宏观层面数据展开的研究亦支持这一结论，即人口老龄化通过老龄人口抚养的“负担效应”，降低储蓄率。
Loayza et al.（2000）采用世界银行数据库中102个国家1965-1994年的经济数据，利用缩减式线性模型研究各国储蓄率的影响因素。其研究结果发现，城市化率、老龄人口抚养比和幼儿人口抚养比均会对私人储蓄率产生负面影响，其GMM动态面板模型的回归系数分别为-0.38、-0.66、-0.30。
Bosworth & Chodorow – Reich（2006）利用了85个国家1960-2005年间的面板数据研究储蓄率、投资和老龄化之间的关系。其研究结果认为，人口年龄结构对储蓄率、投资的影响明显，且在不同区域，这一影响存在较大差异。
Horioka（1991）利用日本1955-1987年的国民收入账户数据对日本储蓄率的决定因素进行分析。其研究结果认为，人口老龄化是日本储蓄率下行最根本的决定因素。
Braun et al.（2007）构建了可计算一般均衡模型来衡量人口结构变化对日本储蓄率的冲击。其研究结果发现，人口老龄化解释了日本20世纪90年代储蓄率9个百分点下行中的2-3个百分点。并且由于日本老龄化程度较深，即使是较大程度的TFP回升亦难以扭转储蓄率的下行趋势。
Sung & Young（2005）利用韩国1975-2002年的经济数据对扩展后的生命周期假说进行检验。其研究发现，收入增长以及收入增长的不确定性都会推动储蓄率的增长。而少儿和老年抚养比的提升则会对储蓄率产生负向影响，并且其预测随着韩国抚养比的变化，其国内储蓄率将从2002年的40%降至2030年的26%。
Davis（2006）基于1960-2002年的72个国家（23个OECD国家，36个新兴国家，13个转型国家）数据，使用具有固定效应的GLS面板技术进行研究,发现人口老龄化影响了私人储蓄水平的上升。其有关储蓄对年龄分布的回归研究显示，20-39岁和40-64岁人群占比对于私人储蓄具有正面效应，并且40-64岁人群占比具有更大相关系数,而65岁及以上人群占比对于储蓄则具有重要负面效应。
Auerbach et al.（1991）使用了生命周期模型、利他家庭模型以及简化计量模型，三种储蓄模型来检验人口结构变化对美国储蓄率的影响。三种模型均支持美国储蓄率在此后的15年预计相对平稳，之后受制于人口压力将出现较大回落。
（2）人口老龄化的“寿命效应”
部分学者放松了生命周期模型部分假设，引入预期寿命、代际财产遗赠、预防性储蓄、消费限制等因素后，认为人口老龄化对储蓄率的影响有限，甚至还有所助益。
Weil （1994）认为代际关系导致的“遗赠”和“转移”是宏微观数据研究结论出现差异的主要原因。其选用了14个国家1960-1985年的经济数据，引入代际互动，从微观和宏观角度展开研究。其研究结果发现，微观层面看，老龄人口的储蓄率出现上升，但是遗产遗赠预期往往导致青年群体的储蓄率出现下行，进而导致整个社会储蓄率的下降。
Carrol（1997）认为居民储蓄应该被视为风险缓冲垫，而非基于生命周期理论。无论何时，居民的消费增速均将与其收入增速持平以保证自身的抗风险能力。由于老年群体的收入增速明显放缓，且其无法将养老金的未来收入贴现进行借款限制其流动性改善，老龄人口提取储蓄用于消费的情况要小于预期。
Poterba（1994）基于OECD六个国家的消费者支出持续调研数据，对群体效应进行控制并构建储蓄-年龄数据库，发现家庭储蓄率在人们退休之后保持超出预期的正向效应。Hilderbran（2001）的研究结果亦支持老年人群很少或几乎没有消耗财富，人口老龄化对总体储蓄率的影响有限。Brooks（2006）针对股市规模较大的几个国家，包括澳大利亚、加拿大、新西兰、英国和美国的研究结果发现，在退休期间，家庭金融财富的规模仍在持续增长，很少出现储蓄率的下降。
Borsch-Supan & Stahl（1991）将老年人群身体方面的消费限制引入生命周期模型中，其研究发现老龄人口由于健康逐渐恶化，在食物、旅行、交通等方面的支出均明显放缓。消费限制引致了老龄人口储蓄率的被动上升。
（3）人口老龄化与中国“储蓄率”
研究显示，在我国人口老龄化的“寿命效应”大于“负担效应”，因此，自2000年我国进入老龄化社会以来，我国居民的储蓄率不降反升。学者普遍认为几个方面的因素是导致中国储蓄率持续上行的原因。
第一，预期寿命的变化与储蓄率正相关。章元和王驹飞（2019）利用我国2005-2013年地级市面板数据，对城镇居民预期寿命变化和储蓄率的关系进行研究。其研究结果发现，预期寿命延长1年会使得城镇居民的家庭储蓄率提高3.7%。
第二，生育率的下降、家庭养老保障的减少可能导致预防性储蓄增加。İmrohoroğlu & Zhao（2015）使用1980-2010年的人口和经济数据来考察一孩政策和养老风险对储蓄率的影响，其研究结果认为，1980-2010年间储蓄率由20%上升至35%，其中有10个百分点的增长来自一孩政策导致的低生育率以及养老风险推升预防性储蓄的贡献。
李超、罗润东（2018）利用中国家庭追踪调查2010-2014年的面板数据，基于生命周期效应和预防效应两方面来分析家庭年龄结构与储蓄率的关系。其研究同样认为，对于中国而言，当前由老龄化导致的预防动机大于生命周期模式对储蓄率的负效应，老龄化对家庭储蓄率净效应为正。并且老龄化对低收入家庭、农村家庭和中西部家庭影响更为明显。作者认为“老龄化对微观储蓄率的正效应源于第二次人口红利的预防动机”。
汪伟和艾春荣（2015）建立了简单的三期世代交叠模型，并考虑了人口老龄化寿命预期增加和养老负担增大两种效应对家庭储蓄决策及经济中总储蓄率的影响。其使用了第三至第六次人口普查数据以及对应的经济数据进行分析。其研究发现，预期寿命提高1岁，可推升储蓄率0.82个百分点；出生率每下降1‰，储蓄率提升1.01个百分点。但是中国老年人口比重上升并未导致储蓄率下降。这可能与中国尚处于老龄化初期，人口老龄化负担效应仍未完全显现有关。而出生率的下降则显著推升。这一结论在东中西部地区间并未存在异质性。而其研究认为未来我国居民储蓄率取决于人口老龄化寿命效应和负担效应叠加之下的净效应情况。模型预测结果显示，未来东中西部地区的国民储蓄率将呈现出先上升后下降的倒U型，
人口老龄化下储蓄率的上升对消费产生了一定的抑制。毛中根、孙武福和洪涛（2013）的研究发现，老年抚养比的提高是导致居民消费降低的重要原因，并且城镇居民消费支出受人口老龄化影响的程度明显高于农村，东中西部地区的居民消费受老龄化影响逐渐减小。老人抚养的成本越高，消费需求受到抑制的程度越深。
2、人口老龄化和消费偏好
从消费结构的角度来看，现有研究结果均显示，不同年龄阶段的居民存在着明显不同的消费偏好。随着老龄化人口占比的提升，国家的消费结构亦往往随之发生改变，并且在不同国家对不同行业的影响存在一定差别。综合来看，医疗服务、社会和个人服务等服务消费占比往往随着老龄化的发展而提高。衣着、文娱活动、交通通信消费占比则倾向于下行。
Thießen（2007）利用 54 个国家或地区面板数据进行的实证研究表明，人口老龄化将促进金融服务、房地产及相关服务，社区、社会和个人服务，休闲娱乐活动和健康等行业比重的提高，并对农业、采矿业和制造业产生不利影响。
Siliverstovs 等（2011）进行了类似的跨国数据的实证研究。研究结果表明，人口老龄化有助于社区、社会和个人服务以及金融服务等行业就业比重的提高，同时抑制了农业、制造业、建筑业和采矿业。
Fougere 等（2007）发现，尽管人口老龄化的劳动力供给冲击对各产业所占比重影响较大，但人口老龄化所引起的需求结构变化仍较大地促进了金融、保险、卫生服务和房地产等部门，相对地，建筑、教育、制造业、批发和零售业占国民经济的份额则有所下降。
朱勤和魏涛远（2015）选用《中国家庭追踪调查（CFPS）》2010年基线调查数据库中的居民消费数据，建立分年龄组的居民消费模型对城乡不同年龄阶层居民的消费模式进行量化和分析。其研究结果显示，从我国居民生命周期来看，30-34岁、45-49岁时期是居民的两个消费高峰期。“双驼峰”的生命周期模式与陈佳瑛（2009）的研究结论相同。从居民的消费结构来看，我国居民在衣着、居住、家庭设备、交通通信等方面的消费占比随居民年龄走势呈现倒U型。食品支出的绝对值较为稳定，占比呈现U型走势。文娱消费的高峰期在20-24岁、45-49岁。医疗支出占比则随着年龄增长逐步提升。
从农村和城镇居民的消费结构来看，两者在家庭设备及服务间的差距最大，城镇居民的居住消费亦显著高于农村。两者在医疗消费支出差距最小。从年龄结构上来看，农村地区的养老保障相对薄弱，城乡高龄老人消费差距最大。
茅锐和徐建炜（2014）选用了2002-2009年在18个省市的城镇住户抽样调查数据，通过在每一个家庭的不同年龄段设定虚拟变量进行回归，将家庭不同的消费水平分解至不同的个体。其研究发现，不同年龄消费者的消费结构存在明显差异，并且消费结构随年龄变化的规律稳健。其研究结果显示，当剔除收入效应、财富效应和偏好转变等因素后，老龄化将导致食品、家庭设备及服务、医疗保健和居住消费比重上升，衣着、交通通信、教育文娱比重则将下降。考虑收入效应后，老龄化同样将带来医疗保健消费占比有望快速提升，而教育文娱产业则面临着快速下行的压力。
蔡兴和刘淑兰（2017）则是选用了2000-2014年省级农村居民消费面板数据，使用加入农村人口结构的LA/AIDS模型观测，人口结构对农村居民消费的影响。其研究结果显示，农村少儿抚养比的提升，会使得农村家庭衣着、家庭设备、医疗保健、交通通信和居住类支出明显减少。农村居民通过减少“发展型和享受型的消费”，增加储蓄用于子女抚育。农村家庭老年抚养比的上升，会带来医疗保健、交通通信消费的上升，其他消费品类则呈反向关系。
3、人口老龄化和要素禀赋
人口老龄化意味着年轻劳动力将日益稀缺，劳动力成本亦将随之提升。从理论层面来看，劳动力要素价格的提升将推动产业向资本、技术密集型转变。但是，劳动力人口年龄结构的老化又一定程度上加大了产业结构调整的难度。从现有研究成果来看，更多观点认为人口老龄化客观上推动了技术密集型产业的发展。
楚永生等（2017）利用2003-2014年30个省市的制造业面板数据，利用空间计量模型SEM模型，按照要素密集型不同将制造业产业进行分类。其研究结果发现，人口老龄化“倒逼”企业由劳动力要素向资本、技术要素发展，推动制造业结构升级。人力资本的积累亦带动了制造业产业结构的变迁。
Roger & Wasmer（2011）则是从分部门工作者的劳动效率角度出发进行研究。其利用法国制造业、服务业、商贸业三部门的数据，来检验不同技能水平、不同年龄阶段的工作者其在不同行业的效率水平。其研究发现，对于制造业和商贸部门而言，年长的高技术工人效率最高。这也给我们提供了启示，加大人力资本投资，加强制造业发展有助于人口老龄化的压力。
Cai & Stoyanov（2015）认为国家间人口结构差异是各国比较优势不同的重要原因。其使用86个国家1962-2010年的跨国面板数据，研究发现，年轻劳动力数量更多的国家，其更具优势的领域，在技术上存在着较强的随时间而贬值的趋势。在老龄化社会中，老龄人口比重的上升会使得以时间升值型技能为主的产业得到更多发展。
张燕、袁晓强（2019）在H－O理论[1]框架内构建了一个跨期迭代模型，使用了1996-2015年跨国面板数据。其研究结果认为，人口老龄化与技术密集型产品出口竞争优势存在着“倒U型”关系。在人口老龄化程度低于临界值时，其对技术密集型产品出口存在推动作用，高于临界值时，则会产生抑制作用。临界值随着模型选用变量的区别而有所不同，但是普遍在15%-16%左右。当前中国正加速逼近临界点。
4、人口老龄化与三次产业
当前关于人口老龄化对产业变迁的研究，以三次产业结构的变化为主。多数研究认为，人口老龄化会促进第三产业占比的提升。
Hashimoto & Tabata（2008）构建的两部门（医疗保健部门和其他部门）世代交叠模型。其研究结果发现，人口老龄化会导致就业人口由其他部门向医疗保健部门转移，但是人均收入的增速则会出现下行。
陈卫民、施美程（2013）对发达国家的第三产业结构发展梳理后发现，社区和个人服务部门以及金融部门的贡献最大。其利用世界银行的WDI数据库进行实证分析，研究结果发现，人口老龄化对发达国家的服务业发展促进作用明显，并且其对就业结构的影响要大于对产值结构的影响。他们认为，中国的第三产业产值占比仍有提升空间。
陈颐、叶文振（2013）利用1981-2011年台湾地区相关数据，利用向量误差修正模型来测算台湾地区人口老龄化和产业结构间的关系。其研究结果发现，人口老龄化和产业结构之间存在双向影响，而非单向关联。人口老龄化对产业结构高级化（即第三产业占比）的影响在模型上显著，但是其存在滞后效应，在长期中将逐渐显现。但是人口老龄化与产业结构合理化（即产业间协调程度）的相关性较弱。
不过，部分学者的研究成果对于人口老龄化对产业结构的影响机制，存在不同观点。
卓乘风、邓峰（2018）利用我国2003-2015年省级面板数据，引入了创新型人才区际流动因子来构建空间权重矩阵，研究人口老龄化与产业结构的关系。其研究认为，区域创新的杠杆效应存在双重门槛效应。对于区域创新值，其采用专利数来表征，对发明型、实用型专利和外观设计专利分别赋予不同权重计算。当区域创新值低于5.496时，人口老龄化会阻碍产业结构升级；位于5.496-9.213区间内，其阻碍作用明显减弱；当高于9.213时则会存在显著的促进作用。当前，全国和西部地区，产业结构升级受人口老龄化阻碍；东中部地区的阻碍作用并不明显。
赵春燕（2018）利用1998-2015年我国30个省份的面板数据，构建了面板回归门槛模型。研究不同程度的经济城镇化/人口城镇化下，人口老龄化对区域产业结构的影响。当经济城镇化/人口城镇化迈过门槛值时，人口老龄化可显著促进第三产业比重提升。经济城镇化指标包括实际人均收入和城镇人均可支配收入；人口城镇化指标包括城镇人口占比、人均受教育年限和高学历人口占比。其研究结果认为，以经济城镇化为门槛变量时，仅北京、上海、天津、广东跨过了门槛；以人口城镇化为门槛变量时，仅北京上海迈过这一门槛。
参考文献
1. 蔡昉. 人口转变, 人口红利与刘易斯转折点, 经济研究, 2010, 45(4): 4-13.
2. 蔡兴. 人口老龄化倒逼了中国出口结构的优化升级吗, 当代经济研究, 2016 (8): 81-91.
3. 蔡兴, 刘淑兰. 人口结构变化对我国农村居民消费结构的影响——基于 LA/AIDS 拓展模型的实证分析, 消费经济, 2017, 33(6): 56-61.
4. 楚永生,于贞,王云云.人口老龄化“倒逼”产业结构升级的动态效应——基于中国30个省级制造业面板数据的空间计量分析, 产经评论, 2017,8(06):22-33.
5. 陈国进, 李威. 人口结构与利率水平研究, 中国人口科学, 2013 (5): 68-77.
6. 陈卫民, 施美程. 发达国家人口老龄化过程中的产业结构转变, 南开学报: 哲学社会科学版, 2013 (6): 32-41.
7. 陈彦斌, 郭豫媚, 姚一旻. 人口老龄化对中国高储蓄的影响, 金融研究, 2014, 1: 71-84.
8. 陈颐, 叶文振. 台湾人口老龄化与产业结构演变的动态关系研究, 人口学刊, 2013 (3): 63-72.
9. 胡鞍钢, 刘生龙, 马振国. 人口老龄化, 人口增长与经济增长, 人口研究, 2012, 36(3): 14-26.
10. 黄甫喆, 陈孝伟. 人口老龄化对中国宏观经济增长路径的影响——基于 TVP-VAR 模型的实证研究, 上海金融, 2020, 1.
11. 李超, 罗润东. 老龄化, 预防动机与家庭储蓄率——对中国第二次人口红利的实证研究, 人口与经济, 2018 (2): 104-113.
12. 鲁志国. 简论人口老龄化对我国产业结构调整的影响, 深圳大学学报 (人文社会科学版), 2001, 2.
13. 茅锐, 徐建炜. 人口转型, 消费结构差异和产业发展, 人口研究, 2014, 38(3): 89-103.
14. 刘穷志, 何奇. 人口老龄化, 经济增长与财政政策, 2012.
15. 毛中根, 孙武福, 洪涛. 中国人口年龄结构与居民消费关系的比较分析, 2013.
16. 任栋, 李新运. 劳动力年龄结构与产业转型升级——基于省际面板数据的检验, 人口与经济, 2014 (5): 95-103.
17. 陈卫民, 施美程. 发达国家人口老龄化过程中的产业结构转变, 南开学报: 哲学社会科学版, 2013 (6): 32-41.
18. 汪伟, 艾春荣. 人口老龄化与中国储蓄率的动态演化, 管理世界, 2015, 6: 47-62.
19. 汪伟, 刘玉飞, 彭冬冬. 人口老龄化的产业结构升级效应研究, 中国工业经济, 2015 (11): 47-61.
20. 王云多. 大学生对待劳动力市场态度, 定位与可雇佣性关系研究, 财经理论研究, 2015 (3): 39-45.
21. 张燕, 袁晓强. 人口老龄化影响技术密集型产品出口竞争优势吗?——“倒 U 型” 假说的提出与实证检验, 商业研究, 2019, 7.
22. 章元, 王驹飞. 预期寿命延长与中国城镇居民的高储蓄率——来自地级市城镇家庭的证据, 中国人口科学, 2019, 2.
23. 章铮. 劳动生产率的年龄差异与刘易斯转折点, 中国农村经济, 2011 (8): 12-21.
24. 赵春燕. 人口老龄化对区域产业结构升级的影响——基于面板门槛回归模型的研究, 人口研究, 2018, 42(5): 78-89.
25. 卓乘风, 邓峰. 人口老龄化, 区域创新与产业结构升级, 人口与经济, 2018 (1): 48-60.
26. 朱超, 易祯. 自然利率的人口结构视角解释, 经济学动态, 2020 (6): 30-46.
27. 朱勤, 魏涛远. 中国城乡居民年龄别消费模式量化与分析, 人口研究, 2015, 39(3): 3-17.
28. Acemoglu, D., P. Restrepo, Secular stagnation? The effect of aging on economic growth in the age of automation[J]. American Economic Review, 2017, 107(5): 174-79.
29. Auerbach, A J., Cai J, L. J. Kotlikoff, US demographics and saving: Predictions of three saving models[C]//Carnegie-Rochester Conference Series on Public Policy. North-Holland, 1991, 34: 135-156.
30. Ben-Porath, Y., The production of human capital and the life cycle of earnings[J]. Journal of political economy, 1967, 75(4, Part 1): 352-365.
31. Börsch-Supan, A., K. Stahl, Life cycle savings and consumption constraints[J]. Journal of population economics, 1991, 4(3): 233-255.
32. Braun, R A., D. Ikeda, D. H. Joines, The saving rate in Japan: Why it has fallen and why it will remain low[J]. International Economic Review, 2009, 50(1): 291-321.
33. Brooks, R., Demographic change and asset prices[C]//Demography and financial markets. Reserve Bank of Australia, 2006: 23-25.
34. Cai J, A.Stoyanov, Population aging and comparative advantage[J]. Journal of International Economics, 2016, 102: 1-21.
35. Carroll, C. D., Buffer-stock saving and the life cycle/permanent income hypothesis[J]. The Quarterly journal of economics, 1997, 112(1): 1-55.
36. Cervellati, M., U. Sunde, Human capital formation, life expectancy, and the process of development[J]. American Economic Review, 2005, 95(5): 1653-1672.
37. Davis, E. P., How will ageing affect the structure of financial markets[J]. 2007.
38. Demery, D., N. W. Duck, Demographic change and the UK savings rate[J]. Applied Economics, 2006, 38(2): 119-136.
39. Fougere, M., J. Mercenier, M. Mérette, A sectoral and occupational analysis of population ageing in Canada using a dynamic CGE overlapping generations model[J]. Economic Modelling, 2007, 24(4): 690-711.
40. Friedman, M., The permanent income hypothesis[J]. NBER Chapters, 1957: 20-37.
41. Guest, R., Population ageing, capital intensity and labour productivity[J]. Pacific Economic Review, 2011, 16(3): 371-388.
42. Hildebrand, V., Wealth Accumulation of US Households: What do we learn from the SIPP data?[J]. 2001.
43. Hansen, C. W., Life expectancy and human capital: Evidence from the international epidemiological transition[J]. Journal of health economics, 2013, 32(6): 1142-1152.
44. Hashimoto, K., K. Tabata, Population aging, health care, and growth[J]. Journal of Population Economics, 2010, 23(2): 571-593.
45. Horioka, C. Y., The determinants of Japans saving rate: The impact of the age structure of the population and other factors[J]. The Economic Studies Quarterly, 1991, 42(3): 237-253.
46. İmrohoroğlu, A., K. Zhao, The chinese saving rate: Long-term care risks, family insurance, and demographics[J]. Journal of Monetary Economics, 2018, 96: 33-52.
47. Kwack, S. Y., Y. S. Lee, What determines saving rates in Korea?: The role of demography[J]. Journal of Asian Economics, 2005, 16(5): 861-873.
48. Lee, H. H., H. S. Huh, Y. Y. Lee, et al. Effects of population aging on economic growth: A panel analysis[J]. Seoul Journal of Economics, 2013, 26: 401-432.
49. Lee, R., A. Mason, Fertility, human capital, and economic growth over the demographic transition[J]. European Journal of Population/Revue européenne de Démographie, 2010, 26(2): 159-182. 50. Lehman, H. C., Age and achievement[M]. Princeton University Press, 2017.
51. Maestas, N., K. J. Mullen, D. Powell The effect of population aging on economic growth, the labor force and productivity[R]. National Bureau of Economic Research, 2016.
52. Modigliani, F., R. Brumberg, Utility analysis and the consumption function: An interpretation of cross-section data[J]. Franco Modigliani, 1954, 1(1): 388-436.
53. Roger, M., M. Wasmer, Heterogeneity matters: labour productivity differentiated by age and skills[J]. Institut National de la Statistique et des Études Économiques Working Paper, 2011 (G2011/04).
54. Siliverstovs, B., K. A. Kholodilin, U. Thiessen, Does aging influence structural change? Evidence from panel data[J]. Economic Systems, 2011, 35(2): 244-260.
55. Thießen, U., Aging and structural change[R]. DIW Discussion Papers, 2007.
56. Weil, D. N., The saving of the elderly in micro and macro data[J]. The Quarterly Journal of Economics, 1994, 109(1): 55-81.
注：
[1]H-O理论（“赫-俄理论”）：国际贸易产生的原因之一就是由于各国拥有生产要素的情况不同，各国都应输出在生产中需要较多本国资源较丰富的生产要素商品，输入在国内生产中需要较多本国资源较稀少的生产要素商品。这种国际贸易可以逐渐消除不同国家之间商品的价格差异，进而消除生产要素价格的差异。