清華大學：2023中國未來人口結構情景分析技術報告（52頁）.pdf

《清華大學：2023中國未來人口結構情景分析技術報告（52頁）.pdf》由會員分享，可在線閱讀，更多相關《清華大學：2023中國未來人口結構情景分析技術報告（52頁）.pdf（52頁珍藏版）》請在三個皮匠報告上搜索。

1、中國未來人口結構情景分析技術報告Scenario Analysis for Chinas FuturePopulation Structure清華大學建筑學院2023 年 3 月項目信息項目信息項目資助號：G-2106-33026Grant Number：G-2106-33026項目日期：2021.07.01-2022.11.30Grant period：2021.07.01-2022.11.30所屬領域：低碳城市Sector：Low Carbon Cities項目概述：當目前人類活動已經成為全球環境變化的主要驅動力。作為世界上人口最多的國家，中國應當在世界的可持續發展與氣候變化領域做出更多的

2、貢獻。2020年 9 月 22 日，國家主席習近平提出了中國的“雙碳發展目標”，為中國未來的發展指明了方向。城市是人類生產生活最為集中的區域，中國的城市能源消耗占據了全國能源消耗的 85%，因此我們認為中國的低碳轉型關鍵在于城市。進一步，城市的發展關鍵在于人口的變化，不同年齡結構，不同社會背景的人有著不同的城市管理服務與能源利用的需求，進而影響著未來的城市管理和城市建設。中國正處于城鎮化的下半場，在人口老齡化背景下不同區域的人口結構將發生重大變化，如何對未來的人口結構進行判定，進而對未來的社會需求做出判斷，以實現未來中國的低碳發展，是非常值得探索的議題。在這樣的背景下，能源基金會資助清華大學建

3、筑學院龍瀛團隊與中國人民大學環境學院王克團隊，針對上述問題開展深入分析。在前期項目中，龍瀛團隊基于全球空間人口網格數據和中國政府統計數據，對中國的未來人口分布進行了情景預測。但是人口分布的預測，缺乏人口結構的相關信息，因此不能更精確更量化地判斷不同人的需求。因此在本項目中，項目組希望進一步地完善人口結構方面的預測，同現有人口分布數據相匹配，進而為碳排放、環境治理等研究方向提供更精確更細致的數據支持。Humanactivitieshavenowbecomeamajordriverofglobalenvironmental change.As the worlds most populous co

4、untry,China shouldmake more contributions to the worlds sustainable development andclimate change.On September 22,2020,President Xi Jinping proposedChinas Two Carbon Development Goals,which will set the direction forChinas future development.Cities are the most concentrated areas ofhuman production

5、and life,so we believe that the key to Chinas low-carbontransition lies in cities.Further,cities are for people,so human needsdetermine the energy consumption of the city.People of different agestructuresandsocialbackgroundshavedifferentneedsforurbanmanagement services and energy use,which in turn a

6、ffects future urbanmanagement and urban construction.It is worthwhile to explore how todetermine the future demographic structure and then make a judgment onthe future social needs to realize the future low-carbon development ofChina.項目成員：龍瀛清華大學建筑學院，長聘副教授王新宇清華大學建筑學院，博士研究生李文越清華大學建筑學院，博士后目錄目錄1.項目背景.11

7、.1.低碳轉型與人口預測.11.2.中國人口結構面臨重大變化.21.2.1.人口收入結構經歷巨大變化.21.2.2.未來人口年齡結構問題突出.41.3.現有數據的不足.81.4.本次研究目標.81.5.項目成果清單.102.修正人口總量數據.112.1.研究范圍.112.2.影響因素的判定.112.3.人口總量預測的修正.122.4.網格尺度人口預測.132.5.數據驗證.162.6.數據下載地址.193.人口收入結構預測.203.1.國家尺度預測.203.1.1.總量預測：GDP 和可支配收入預測.213.1.2.分配預測：基尼系數預測.243.1.3.調整控制：五等分組收入預測.263.2

8、.省級尺度預測.273.2.1.原始數據搜集.283.2.2.總量預測：可支配收入預測.293.2.3.分配預測：基尼系數預測.293.2.4.調整控制：五等分組收入預測.303.3.預測結果的歷史檢驗.324.人口年齡結構預測.344.1.國家尺度預測.344.2.省級尺度預測.364.3.預測結果的歷史檢驗.395.核心研究結論.42參考文獻.451.項目背景項目背景1.1.低碳轉型與人口預測低碳轉型與人口預測當前，人類活動已成為全球環境變化的主要驅動力。作為世界上人口最多的國家，以及世界最大的工業制造國，中國將在世界的可持續發展與氣候變化領域做出更多的貢獻。2020 年 9 月 22 日

9、，國家主席習近平在第七十五屆聯合國大會一般性辯論上提出“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于 2030 年前達到峰值，努力爭取 2060 年前實現碳中和?！绷暱倳浀恼摂酁橹袊酉聛淼陌l展指明了方向，也對中國的低碳轉型提出了更高的要求。通過合理的路徑規劃幫助中國實現低碳轉型的目標，是項目組的最終愿景。城市是人類生產生活的最為集中的區域，中國的低碳轉型關鍵在于城市。根據國家統計局公布的數據，中國常住人口城鎮化率在 2020 年已經達到 60.60%，戶籍人口城鎮化率為 44.38%。根據聯合國世界城鎮化展望報告分析，2050年，中國的城鎮化率將達到 80%，中

10、國的城市人口將達到 10 億級別。而在 2018年，中國的城市能源消耗占據了全國能源消耗的 85%，因此，從人口規模和能源消耗角度出發，中國的低碳轉型，關鍵在于城市。城市的發展，根本上離不開人口的變化。城市是“人”的城市，城市的發展應當以“人”為核心，“以人為本”不斷完善城市的管理和服務。不同年齡結構，不同社會背景的人有著不同的城市管理服務與能源利用的需求，進而影響著未來的城市管理和城市建設。中國正處于城鎮化的下半場，在人口老齡化背景下不同區域的人口結構將發生重大變化，如何對未來的人口結構進行判定，進而對未來的社會需求做出判斷是非常值得探索的問題。1.2.中國人口結構面臨重大變化中國人口結構面

11、臨重大變化1.2.1.人口人口收入結構經歷巨大變化收入結構經歷巨大變化改革開放以來，中國經濟的快速發展取得了巨大的經濟成就。但是與此同時帶來的收入不平等的問題也不可忽視。根據現有研究，在 1981-2008 年期間，中國的基尼系數（收入不平等的衡量指標之一）顯著提升。但是，近年來的脫貧攻堅政策與措施，在消除貧困方面取得了實質性進展，在一定程度上緩解了中國收入不平等的現象。根據世界銀行研究（Shaohua Chen&Martin Ravallion,2020）和中國國家統計局的數據，十幾年來（特別是 2008 年以來），中國收入不平等程度有所下降（史蒂夫約翰遜，2017）。但不可忽視的是，中國收

12、入不平等的現象依然存在，2021 年高收入人群、低收入人群（指全國居民五等份收入分組中的人群，下簡稱五等分組）的收入差距相差約 10 倍（國家統計局，2020），這表明了中國社會的收入不平等現象依然較為嚴峻。圖 1：1981-2016 年間中國基尼系數的變化（圖片來源：金融時報中文版）圖 2：2013-2021 中國居民按收入五等分組的人均可支配收入變化（圖片來源：作者自繪，參考 2022 中國統計年鑒）面向未來，黨和國家明確了未來的收入結構發展路徑。黨的十九屆五中全會通過的 中共中央關于制定國民經濟和社會發展第十四個五年規劃和二三五年遠景目標的建議指出，2020 至 2035 年，“在經濟增

13、長的同時實現居民收入同步增長、在勞動生產率提高的同時實現勞動報酬同步提高，城鄉居民人均收入也將再邁上新的大臺階”（韓正，2020）。進一步，國家明確了未來收入結構的圖景：“到 2035 年人均國內生產總值達到中等發達國家水平，意味著我國將成功跨越中等收入階段，并在高收入階段繼續向前邁進一大步。我國中等收入群體將顯著擴大，形成橄欖型分配格局，為經濟社會持續健康發展提供有力支撐”（韓正，2020）。這意味著，面向未來，中國的收入不平等現象將進一步縮小，達到中等發達國家水平的階段性目標（如圖 3，目前 OECD 發達國家基尼系數大部分位于 0.25-0.35 之間），人口收入結構將面臨深刻變化。圖

14、3：OECD 成員國基尼系數統計（2021 年或最新年份數據圖片來源：OECD Data,2022）1.2.2.未來未來人口人口年齡結構問題突出年齡結構問題突出圖 4：19492019 年人口年齡結構變化（圖片來源：王廣州，2019）建國以來，穩定的社會環境和寬松的人口政策帶來了中國人口的迅速擴張，同時計劃生育政策的強力實施，也大大影響了中國人口年齡結構變化。對新中國成立 70 年來人口變化歷史進行定量分析，結果如圖 4 所示，1949-2019 年間，國家層面的的人口年齡結構由人口快速增長的正“金字塔”結構，逐漸轉化為非“金字塔”結構（王廣州，2019），平均年齡明顯增大，且不同年齡組之間出

15、現斷層?？梢苑浅Ｖ庇^地發現，出生于 1960-1990 年間（2019 年 30-60 歲年齡組）的人群數量，大于其他年齡組的人口，這也意味著 20-30 年以后，60 歲以上的老齡人口比例將顯著提高。聯合國的人口預測結果也證實了上述預測（如圖 5）:中國未來人口老齡化趨勢愈發明顯，截止 2060 年，70-75 歲年齡組或將成為人口總量最多的年齡組。圖 5：聯合國針對中國 2060 年人口年齡結構的預測（橙色指代 2060 年間女性人口，黃色指代男性人口，縱坐標年齡組的標注部分省略。圖片來源：作者自繪，參考 United Nations,2022）此外，研究團隊系統整理了 2000，2010

16、，2020 年地市級的國家統計年鑒數據，并結合開源地圖數據，根據國際通用的判斷標準，以 65 周歲以上老年人占比作為劃分依據（United Nations,2022），繪制了中國 2000，2010，2020 年人口年齡結構地圖。我們發現：根據 2000、2010、2020 年人口普查數據，中國的人口老齡化程度明顯加深區域分布明顯擴大（圖 6 中橙色區域），出現大面積深度老齡化區域（紅色區域）：2000 年全國 65 歲以上人口比例 7.0%；2010 年全國 65 歲以上人口比例 8.9%；2020 年全國 65 歲以上人口比例 13.5%；2020 年，中國人口 65 歲以上老人占比已達

17、13.5%，共計 1.9 億人，而全球于 2022 年的平均值為 10%（United Nations,2022）;合理預測中國人口年齡結構，將對于人口發展的速度和趨勢預測，以及區域經濟發展預測提供重要的支持。圖 6a：2000 年（五普）地市級尺度 65 歲以上老齡人口分布（圖片來源：作者自繪）圖 6b：2010 年（六普）地市級尺度 65 歲以上老齡人口分布（圖片來源：作者自繪）圖 6c：2020 年（七普）地市級尺度 65 歲以上老齡人口分布（圖片來源：作者自繪）1.3.現有數據的不足現有數據的不足中國人口統計的唯一權威來源是十年一度的人口普查。自 1949 年以來，中央政府進行了 6

18、次人口普查。人口普查方法雖然具有權威性，但既耗時又消耗大量財力，并且 10 年一次的頻率限制了它的用途。因此，如何經濟有效地利用現有數據進行科學統計，對于預測和理解中國未來城鎮化格局，調節中國城市能源供給平衡，控制能源排放，實現中國城市低碳轉型等都具有十分重要的指導意義。同時，有關中國的人口結構的分析和研究大都以單純的數理分析為主，缺少空間上的落位，很難從空間上判定區域與區域之間的相互關聯。清華大學龍瀛團隊基于全球空間人口網格數據和中國政府統計數據，對中國的未來人口分布進行了情景預測。但是人口分布的預測，缺乏人口結構的相關信息，因此不能更精確更量化地判斷不同人的需求。在這樣的背景下，我們希望進

19、一步地完善人口結構方面的預測，同現有人口分布數據相匹配，進而為碳排放、環境治理等研究方向提供更精確更細致的數據支持。1.4.本次研究目標本次研究目標在第一期項目中，項目組對 2020，2030，2040，2050 年的中國地市級人口總量和城鎮化率進行了預測（圖 7），并形成了項目報告（龍瀛團隊，2021），但是，上述數據依然存在不足，具體而言有如下四方面：地市級人口預測方法有待提升：人口的增長往往是非線性的，用線性模型擬合人口變化的方法有待優化；網格級人口的預測方法有待提升：網格預測過程中沒有考慮到人口變化的相關理論，受到同行質疑；缺乏數據比較：未進行數據驗證工作，數據的準確性，以及應用價值受

20、到同行質疑；輸入數據年份需要更新：沒有考慮最新公布的七普數據，以及統計年鑒數據等。圖 7a：第一期項目部分成果（圖片來源：作者自繪）圖 7b：第一期項目下載界面（圖片來源：能源基金會官網）基于上述討論，我們在第一期項目的基礎上進一步開展研究，補充對于2025、2035、2060 年的預測，并在人口總量上進一步疊加人口結構圖層，完善人口數據庫。本項目具有如下具體的目標：1.在第一期項目基礎上，對預測方法進行更新：基于歷史數據與全球人口分布數據，設置不同的人口分布情景假設；根據相關研究的結論，更新預測模型，運用機器學習方法，提升預測精確度；2.對中國未來人口結構進行預測分析：基于現有數據，完善整理

21、中國人口結構數據庫，以支持后續分析；在國家尺度上，主要從年齡結構、收入結構等方面展開預測，探究年齡結構，收入結構的預測方法；在省級尺度上，探究影響人口年齡結構、收入結構的因素，并對未來發展進行預測；參考新公布的數據，更新預測，并增加針對2060年的預測；3.對最終數據進行可視化表達：對于現有人口空間分布數據以及人口結構數據進行空間可視化表達。1.5.項目成果清單項目成果清單本項目的成果包含如下內容：1.中國未來人口分布情景分析數據（修正版），根據研究的后續進展以及專家建議，對中國未來人口分布情景分析數據庫進行修正；2.中國未來人口結構情景分析技術報告（本報告），在國家、省級層面上對未來中國人口

22、結構（包括年齡結構和收入結構）變化進行分析與預測；3.中國未來人口結構數據庫文件，用EXCEL表格記錄上述研究獲得的最終數據。2.修正人口總量數據修正人口總量數據2.1.研究范圍研究范圍我們的研究范圍為中華人民共和國大陸（不包括港澳臺地區）：選擇 shapefile城市邊界數據作為研究范圍，數據中包含 368 個行政單元，包括直轄市，和省級人民政府下設的行政區劃（包括省會、地級市、盟、自治州、省直轄縣等），下稱“地市級行政單元”或“地市級單元”。2.2.影響因素的判定影響因素的判定根據上期研究成果，本次研究沿用了影響地市級行政單元人口分布的六大類指標（如表 1），并根據數據更新的情況重新計算了

23、相關數值。研究數據分類具體指標數據來源經濟發展人均地區生產總值（E）人均地區生產總值很大程度上代表著人民生活水平的高低，也會因此成為城市人口流動的風向標統計年鑒數據區位因素距中心城市的距離（P1）受交通，或就業成本等因素的影響。距離中心城市的遠近也是影響人口是否向其流入的一個影響因素地圖數據計算是否位于城市群（P2）城市群的輻射作用，會吸納周邊城市的人口流入地圖數據計算距離海岸線的距離（P3）全球三分之一以上的大城市分布于沿海地區，這些城市集聚著所在國家的大部分城市人口地圖數據計算行政等級城市行政級別(A)城市行政等級決定了該城市基礎設施建設、公共服務設施等因子的投資強度，也由此對城市人口的流

24、動產生較強的影響-人口因素現有人口總量(N)現有人口總量將直接影響城市的未來人口總量的變化程度世界人口展望2022土地資源稟賦土地開發強度指標（L）城市人口的發展受到城市可開發面積的制約，運用城市建設用地面積進行制約統計年鑒數據交通因素道路交叉口數量(T1）城市的交通條件也將影響人口的分布Long，2016路網密度（T2）表 1：影響地市級行政單元人口分布的指標與數據來源同時在情景設定部分，各個情景系數也有所變動。我們通過控制區位因素條件，即人口是否向高行政等級城市、沿海、國家中心城市、三大城市群、經濟發達、交通條件發達等區域集中或分散，來模擬人口分布的不同發展情景，進而獲得了線性外推、聚集發

25、展、分散發展的三種人口情景（圖 8）。圖 8：情景模擬示意圖（圖片來源：作者自繪）2.3.人口總量預測的修正人口總量預測的修正根據上期研究成果，本次研究沿用了影響地市級行政單元人口分布的六大類指標（如表 1），并根據數據更新的情況重新計算了相關數值。團隊將上述所有指標量化為具體數值，整理在統一的表格中（其中行指代每一個行政單元，列指代每一類具體指標的數值）。圖 9：地市級行政單元人口預測的流程圖（圖片來源：作者自繪）在預測方法部分，我們在上期線性回歸模型的基礎上，嘗試運用機器學習（隨機森林）模型預測地市級行政單元人口的發展。具體流程圖如圖 9 所示。團隊將所有的地級行政單元按照 8:2 的比例

26、劃分為訓練集和測試集，基于歷史數據，預測 2010-2020 年間的人口變化。訓練集用于模型訓練，測試集用于測試模型的準確性，最終獲得預測模型。隨后，將預測模型應用于未來的人口預測，獲得最終的預測結果（P）。然而，基于地市級單元的預測結果在國家尺度上，往往與國家尺度總量（C）有較大差異，因為其主要是基于個體單元的預測，而忽略了系統整體的相互作用。以國家為整體，基于自然增長率（出生率和死亡率）和機械增長率（遷入率和遷出率）進行的預測能更好地解釋國家人口總量的變化。因此非常有必要對其進行調整。調整的方法如公式（1）所示：TiTTiTiPCPR,（1）簡而言之，即：以每個地市作為分析單元，其結果總和

27、（P）往往和國家尺度的預測結果不符（C），因此需要對結果進行總量控制：對于行政單元 i，其T 年的優化結果(R)，等于模型輸出結果(P)，乘調整系數；調整系數等于上述結果C，和預測結果P 的比值。2.4.網格尺度人口預測網格尺度人口預測名稱分辨率數據年份數據類型數據源荒野預測數據1 km2100RasterLi 等，2022距離城市距離1 km(30 arc-seconds)2015RasterWeiss 等，2018現狀人口分布網格數據（WorldPop）1 km(30 arc-seconds)2015,2020Rasterhttps:/ km2015,2020-2100RasterChen

28、 等，2020數字高程數據200 m-Rasterhttps:/www.nasa.gov/topics/earth/index.html道路數據-PolylineGlobal Roads Open Access Data Set,Version 1(gROADSv1):http:/sedac.ciesin.columbia.edu/data/set/groads-global-roads-open-access-v1土地覆蓋數據5km2015RasterDynamics of Global Land Cover(http:/ 2：網格尺度人口預測的輸入數據與來源針對網格尺度的人口預測，研究團隊

29、在上期項目的基礎上，結合現有發表文章，整理出了網格尺度的人口預測方法（Wang 等，2022）。研究團隊基于文獻綜述，詳細分析了影響人口分布的數據，以及相關研究中廣泛用到的預測基礎數據，整理出 7 個核心數據集（表 2），和十余個衍生數據，數據的詳細來源如表2 所示。關于數據選擇的理由，以及更詳細的敘述，詳見研究團隊發表的英文論文（Wang 等，2022），鑒于篇幅與時間所限，在此不再贅述。數據的預測方法可以劃分為三步：數據抽樣，構建隨機森林模型和未來循環預測（圖 10）。圖 10：網格尺度人口預測流程圖（圖片來源：參考發表文章修改）根據對現有數據的分析（WorldPop 數據以及相關數據集）

30、，人口的空間分布類似于重尾分布，小事物比大事物多得多，即有效樣本非常少，因此需要對其進行分層抽樣。我們以 250km*250km 網格將中國的人口劃分為四類區域：高密度，中密度，低密度，幾乎無人居住的區域（圖 10）。針對前三類區域，選擇共計 12 個網格作為候選區域，并在其中選擇足夠的點（24000 個）進行建模（空間分布見圖 11）。其數值分布如圖 12 所示，橫坐標為所含人口數從大到小的排列序數，縱坐標為其人口數目。有 45.7%的抽樣點人口數大于 100，82.3%的點總量大于 1，可見選擇的樣本能夠滿足建模的需求。進一步，以 8:2 的比例劃分訓練集和測試集，訓練模型，并將地級行政區

31、人口總量納入，完成 2015-2020 年的人口預測模擬（圖 10）。未來循環迭代，完成預測。圖 11：抽樣方法（圖片來源：參考發表文章修改）圖 12：24000 個抽樣點（22670 個有效點）的數值分布（圖片來源：參考發表文章修改）2.5.數據驗證數據驗證參數名稱隨機森林模型線性模型優化線性模型模型解釋率（隨機森林模型）70.25%47.6%61.2%總體樣本數量368368368有效樣本數量285272272預測集數量228-驗證集數量57-預測誤差絕對值的平均值（MAE）314778-表 3：地市級人口預測模型結果針對第一部分，地市級人口預測模型，隨機森林模型的解釋率達到 70.25%

32、，相較于線性模型（46.7%）和優化后的線性模型（61.2%），運用隨機森林方法預測人口具有明顯的優勢（表 3）。相較于第一期項目，數據結果的可靠性得到了進一步的提高。圖 13：地市級尺度預測結果（圖片來源：作者自繪）具體的數據預測結果如圖 13（地市級結果）和圖 14（網格尺度結果）所示，通過對比可以（2020 年，2060 年基準情景）看到模擬的時間維度產生的變化，人口向少數地區集中。我們以兩個城市：山西省太原市以及黑龍江省雙鴨山市為例，能明顯發現，二者呈現不同程度的發展路徑。太原市將繼續保持周邊人口向核心區域聚集的趨勢，并且三種情境下具有不同的發展結果；而雙鴨山市面臨著較大程度上的人口減

33、少，無論是在任何情境下，人口減少的幅度都是非常明顯的（圖 14）。圖 14：網格尺度預測結果（圖片來源：作者自繪）為了驗證數據方法的準確性，我們開展了地市級單元人口檢驗與網格尺度的檢驗。地市級單元檢驗用于判定是否將地級行政區人口預測進行準確地分配。具體方法為，我們以 2015 年歷史數據為基礎，運用同樣的方法預測 2020 年的結果，并將其同 2020 年的真實值進行比較。其結果如圖 15 所示：每一個點代表一個地市級行政單元，橫坐標為其人口預測，縱坐標為其網格數據內所包含的人口總量。圖 15 中數據的斜率為 1.0022，這證明我們將地市級人口準確地分配到網格層面上。圖 15：地市級尺度驗證

34、結果（圖片來源：作者自繪）我們運用同樣的邏輯，隨機抽取了 10 萬個點（共 6 萬余有效點，即圖 16中的藍點）進行驗證，以驗證網格尺度的預測準確性。橫縱坐標分別為 2020 年的真實值和預測值。數據結果如圖 16 所示，數據的斜率為 0.9669，數據集中地分布在擬合曲線上，這證明我們網格層面的預測方法準確性較高。圖 16：網格尺度驗證結果（圖片來源：作者自繪）2.6.數據下載地址數據下載地址全球人口預測數據（Wang 等，2022）可從 Figshare 平臺下載：https:/doi.org/10.6084/m9.figshare.19608594.v2本項目數據可從 Figshare

35、平臺下載，下載地址為：收入結構預測結果（省級）：https:/doi.org/10.6084/m9.figshare.22242262.v2年齡結構預測結果（省級）：https:/doi.org/10.6084/m9.figshare.222422533.人口收入結構預測人口收入結構預測3.1.國家尺度預測國家尺度預測對于人口收入結構問題，我們抓住此問題的核心指標：基尼系數（GINI 系數）和人口可支配收入，對二者進行預測。人口結構預測的基本邏輯是：宏觀上控制總量，緊抓經濟發展和收入不平等之間的關系，以基尼系數指標為核心對中國五等分組收入進行預測。因此預測分為三步：總量預測：對中國未來人均 G

36、DP，未來居民人均可支配收入進行預測；分配情況：計算獲得未來基尼系數，分析未來的收入分配情況；調整控制：將基尼系數轉化為五等分組收入。以圖 17 為例詳細介紹我們的方法。首先人均可支配收入指標是收入結構的基礎。我們根據歷史和現狀人均 GDP 數據，參考預測未來的人均 GDP 的相關研究，進而推算出未來的中國人均可支配收入數據，即圖中步驟 a 總量控制（藍色箭頭所指流程）；進一步，基尼系數決定了收入不平等的水平，即決定了收入分配的情況。我們首先根據五等分組的統計數據，從基尼系數的定義出發，近似計算歷史基尼系數，以彌補由于數據未公布帶來的歷史基尼系數缺失。Kuznets 提出的人均可支配收入和基尼

37、系數之間呈現 U 型曲線關系（Kuznets,2019），Xie 等以歷史人均GDP 數據，和歷史基尼系數數據，擬合了中國的庫茲涅茲曲線（Xie,2014）。本研究在上述研究的基礎上，根據整理的國家統計局數據，初步建立收入總量與收入差距的庫茲涅茲曲線，推算出中國未來的基尼系數，完成第二步，分配情況的預測，即圖中的綠色箭頭所指流程.最后，我們嘗試將基尼系數逆向轉化為五等分組收入，并根據未來人均可支配收入的預測進行調整，使得五等分組數據平均值符合未來的可支配收入，且不平等程度和基尼系數預測相同，如圖中灰色箭頭所示步驟。圖 17：人口收入結構預測流程圖（圖片來源：作者自繪）3.1.1.總量預測：總量

38、預測：GDP 和可支配收入預測和可支配收入預測國內外現有研究已經對中國未來的 GDP 做出了大量的預測。本研究對現有結果進行文獻綜述，并對中國未來 GDP 數據做出預測。氣候變化與碳中和領域的學者，中國科學院地理科學與資源研究所唐志鵬于2022 年認為：2035 年全國 GDP(2005 年不變價）約達到￥128.5 萬億（$15.84 萬億），年均增長率超過 4.97%（唐志鵬等，2022）；南京信息工程大學和國家氣候中心的姜彤團隊，認為歷史外推情境下，2020 年代中國 GDP 增速為 4.8%左右，2030-2050 年年均在 2.0%左右（姜彤等，2018）；經濟學領域的學者，中國人民

39、大學劉偉教授認為：以 2035 年目標為導向，考慮跨越中等收入陷阱、躋身創新型國家前列、追趕發達經濟三個目標，2020-2035 年合理增速目標為 4.8%，但按照當前經濟形勢，增速在 3.8%左右（劉偉等，2020）；中國人民大學劉元春教授認為：若中國的人均GDP于2035年達到發達國家2021年平均水平 4.8 萬美元，2020-2035 年中國年均增速必須達 10.3-13.1%（劉元春，2021），達到發達國家 2021 年中位數水平 2.8 萬美元，年均增速為 6.43%-9.09%，達到發達國家 2021 年中低水平 2 萬美元，年均增速為 6.67%。根據劉元春教授的的研究，樂觀

40、假設下，中國在 2020-2035 年的人均 GDP 平均增速也只能達 4.36%。此外，國際多個研究組織也針對中國的未來 GDP 增長進行了預測。OECD（經濟合作與發展組織）研究者認為：歷史外推情境下，2020-2060中國 GDP 增速從 5.98%降至 0.7%，2020-2035 年均增速為 4.4%（Dellink，2017）；IIASA（國際應用系統分析研究所）研究者認為：歷史外推情境下，2020-2060中國 GDP 增速從 5.5%降至 0.2%，2020-2035 年均增速為 3.9%（Cuaresma,2017）；澳大利亞財政部研究者認為：2020-2030 年中國 GD

41、P 增速為 4.3%，2030-2040年為 2.4%，2040-2050 年為 2.0%（Yeung,2013）；EABER（East Asian Bureau ofEconomic Research,東亞經濟研究所）研究者認為：2020-2030 年中國 GDP 增速為 4.4%，2030-2040 年為 2.2%，2040-2050 年為 1.7%（Hubbard,2016）?；趯ι鲜鲅芯康目偨Y，研究團隊認為，中國的 GDP 預測應當從中國的現有政策出發，并考慮未來的發展目標，以目標為導向進行分析。根據國家發展規劃，中國將在 2035 年基本實現社會主義現代化，到本世紀中葉，我國將建成

42、富強民主文明和諧美麗的社會主義現代化強國。而社會主義現代化，是指在居民生活水平上向中等發達國家看齊，國家實現跨越中等收入陷阱、躋身創新型國家前列、追趕發達經濟三個目標；社會主義現代化強國，是指在居民生活水平上達到世界頂尖水平（劉偉，2020）。因此，結合對現有數據的分析，本研究參考劉偉老師的預測進行展望，考慮到政策刺激，中國的經濟增長將達到 5.27%，到 2035年人均 GDP 達到 2020 年 2.13 倍；2035-2060 年 GDP 增長為 2.64%。上述目標基本同國際國內研究給出的發展路徑相當，是一個符合國內國際學界認知的發展路徑。在人均可支配收入預測方面，我們依然以目標為導向

43、。黨的二十大報告指出：“收入分配是民生之源，是改善民生、實現發展成果由人民共享、實現共同富裕最重要和最直接的方式之一，也是我國高質量發展的重要組成部分”；國家十四五規劃指出了未來 5 年明確的發展目標：“中等收入群體顯著擴大，.城鄉區域發展差距和居民生活水平差距顯著縮小，.居民人均可支配收入增長與國內生產總值增長基本同步，分配結構明顯改善”。在分析人均可支配收入增長速率方面，我們也應該著重考慮“居民可支配收入同人均 GDP 之間的比值”這一關鍵指標。根據國際數據，2019年中國居民可支配收入同人均 GDP 之間的比值為 43.4%；2020 年美國為83.4%，印度為 76.9%，德國為 60

44、.7%，全球平均水平約 60%（圖 18）。為實現“居民生活水平上體現為向中等發達國家看齊”和“社會主義現代化強國，是指在居民生活水平上體現為達到世界頂尖水平”的最終目標，提升“居民可支配收入同人均 GDP 之間的比值”指標也至關重要?？紤]到上述的分析，十四五期間后，居民可支配收入增長定將快于經濟增長。圖 18：2020 年部分國家的居民可支配總收入/GDP（圖片來源：彭博、CEIC、WIND，中泰證券研究所）以此為最終目標，本研究參考十四五規劃，采用目標推演的方式進行分析，并結合歷史數據，并考慮到未來發展的邊界效應，不難得出如下預測：在十四五期間（2020-2025 年），居民可支配收入增長

45、高于經濟增長 2%（歷史推演）；2025-2060 年，居民可支配收入增長高于經濟增長 1 個百分點；2035 年左右，居民可支配收入占人均 GDP 比值達到全球平均水平，約60%；2060 年左右，居民可支配收入占人均 GDP 比值達到美國水平，約 75%。圖 19：中國人均可支配收入與人均 GDP 預測（圖片來源：作者自繪）將上述預測指標代入現有 GDP 數據和人均可支配收入數據進行測算，可以獲得未來發展的折線圖與柱狀圖（圖 19）。以此為預測結果，可進行下一步具體分析。3.1.2.分配預測：基尼系數預測分配預測：基尼系數預測根據收入總量與收入差距的庫茲涅茲曲線，參考 Xie 等人的建模方

46、式（Xie，2014），運用二次方程擬合人均 GDP 的對數與基尼系數（圖 20），其給出的全球庫茲涅茲曲線為：（2）單位：%單位：美元圖 20：中國、全球其他國家基尼系數與人均 GDP 之間的關系（圖片來源：Xie，2014）同時，Xie 等人指出，中國的庫茲涅茲曲線明顯不同于全球平均水平曲線（圖20 中的紅線）。我們用同樣的方法，獲得中國經濟發展的庫茲涅茲曲線（圖 21），為：（3）該曲線的 R 方指標為 0.9055，證明該模型很好地描述了過去中國的經濟發展和收入不平等之間的關系。圖 21：中國基尼系數與人均 GDP 之間的關系（圖片來源：作者自繪）基于上述模型，不難擬合出中國 2025

47、-2060 年間的基尼系數。最終結果如表 4 所示。年份20252030203520402045205020552060基尼系數0.4210.3960.3680.3520.3350.3170.3000.278表 4：中國 2025-2060 年基尼系數預測（圖片來源：作者自繪）3.1.3.調整控制：五等分組收入預測調整控制：五等分組收入預測第三步為調整控制。在這一步，我們以 2020 年（最新年份）的五等分組收入調查基礎，設定未來的發展路徑，通過模擬分析的方法，基于基尼系數的計算公式，將基尼系數逆推為五等分組收入。顯然，相同的基尼系數同時指代多個不同的五等分組收入結構，因此我們需要假定未來發展

48、路徑，從而確定唯一的五等分組收入解。在這里，我們的假設原則是：中國的收入分配向著公平的方向發展，即沿著此發展路徑線性外推，若干年后五個收入分組具有相同的收入，即消滅了貧富差距（假設 1）。具體而言，每一類收入群體的收入均穩步增長，但整體分配向著中間、中間偏下和低收入組傾斜，其增速快于中間偏上和高收入組的增速，最終，在增長中實現五個收入組的收入近似相等?；谏鲜霭l展路徑，我們可以運用模擬分析的方法逆推。最終的預測結果如圖 22 所示。我們對圖 21 的結果結果，結合圖 3、圖 18 進行了深入解讀：2035 年，綜合對比可支配收入占人均 GDP 比值（約 60%）、人均 GDP（約2.5-2.6

49、 萬美元），中國或將達到中低發達國家水平（葡萄牙）；2060 年，綜合對比可支配收入占人均 GDP 比值（約 75%）、人均 GDP（約4.9 萬美元），中國將達到/超過發達國家平均水平（英、法、德、日等）。圖 21：中國五等分組可支配收入預測（單位：元）（圖片來源：作者自繪）中等收入群體一直是一個相對概念，隨著經濟的發展，中等收入群體的定義標準不斷發生變化。如2019年，國家統計局將中等收入群體的標準定為月入2000至 5000 元，即年入 24000-60000 元；2022 年，將中等收入群體的標準定為“家庭的年收入在 10 萬至 50 萬元之間”。很顯然，針對未來的發展，上述指標不能很

50、好地判定 2060 年的收入指標。在這里，我們運用五等分組收入，近似判定中等收入的指標，即運用中間偏下、中間、中間偏上收入組的標準來確定。2060年，中國的中等收入指標約為每年 17.5-41.1 萬人民幣，其中 21.1-26.8 萬為中間收入群體的判定標準，17.5-21.1 為中間偏下收入群體的判定標準，26.8-41.1 萬為中間偏上收入群體的判定標準。3.2.省級尺度省級尺度預測預測省級尺度的預測參考國家尺度的預測進行深入分析，依然劃分為總量預測、分配情況、調整控制三部分進行預測，具體流程見圖 22。詳細內容已在上述國家尺度預測中進行介紹，在此不再贅述。在具體的實施過程中，考慮到預測

51、的復雜性，本研究繼續引入了兩個假設對變量進行空置：總量預測：假設 2，各省的人均可支配收入的增長率同全國保持一致（不考慮區域之間的經濟發展差異）；分配情況：假設 3，各省的基尼系數同全國的變化率一致（不考慮區域之間的分配差異）；調整控制：根據國家尺度預測模型，將基尼系數轉化為五等分組收入。圖 22：省級收入結構預測方法（圖片來源：作者自繪）3.2.1.原始數據搜集原始數據搜集鑒于省級尺度的相關數據缺乏（五等分組收入數據），本研究根據各省 2021年統計年鑒和調查年鑒（共計 50 余本），對各省五等分組收入進行整理，并補充了缺失數據。根據具體情況的不同，對數據進行了如下完善和補充，形成了最終的數

52、據庫（最終結果如圖 23）：對于分城鎮、農村公布五等分組收入的省份：根據當年常住人口的城鎮、農村占比，對該省全體居民的五等分組收入分布進行測算；對于只公布城鎮/農村五等分組收入的省份：根據公布的部分，對該省全體居民的五等分組收入分布進行測算；對于未公布五等分組收入的省份：運用全國當年的五等分組收入調查數據，以及該省的人均可支配收入數據，對該省全體居民的五等分組收入分布進行測算。圖 23：各省五等分組人均可支配收入分布（圖片來源：作者自繪）3.2.2.總量預測：可支配收入預測總量預測：可支配收入預測在總量預測部分，基于上述討論，我們引入假設 2，可以直接將國家的可支配收入增長，基于固定比例，轉化

53、為各省的可支配收入增長，完成了省級可支配收入預測。3.2.3.分配預測：基尼系數預測分配預測：基尼系數預測同理，在分配預測部分，基于上述討論，我們引入假設 1，可以將國家的基尼系數預測，轉化為各省的基尼系數預測。最終結果如圖 24。圖 24：2020-2060 年各省基尼系數預測（圖片來源：作者自繪）3.2.4.調整控制：五等分組收入預測調整控制：五等分組收入預測圖 24：2020-2060 年各省收入結構預測（圖片來源：作者自繪）圖 25：2020-2060 年北京市收入結構預測（圖片來源：作者自繪）我們基于上述開發的模擬分析流程，以每一個省為單元，獨立復制國家尺度的研究流程，最終獲得了所有

54、省份未來的收入結構預測，最終結果如圖 25 所示。在這里，我們選擇北京市進行詳細展示（圖 25）。3.2.5.四大經濟分區的預測結果四大經濟分區的預測結果根據國家統計局所公布的全國經濟地帶，我們針對不同的區域，對我們的收入結構預測結果進行可視化展示（國家統計局，2022）。其中，東部、中部、西部和東北地區的具體劃分為：東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南 10 ?。ㄊ校?；中部地區包括山西、安徽、江西、河南、湖北和湖南 6 ??；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆 12 ?。▍^、市）；東北地區包括遼寧、吉林和黑龍江

55、。最終的結果如圖 26 所示?？梢钥吹?，東部地區的收入水平明顯高于其他地區，其低收入組的收入水平近似相當于中部地區和西部地區的中間偏上收入組的水平。這說明按照當下的發展狀況，未來會出現比較明顯的區域收入不平等的現象。圖 26：東部、中部、西部和東北地區 2060 年的可支配收入預測（圖片來源：作者自繪）3.3.預測結果的歷史檢驗預測結果的歷史檢驗同時，為了進一步評估數據的可靠性，我們參照人口網格預測過程中的數據驗證方法，以現有模型為基礎，運用 2013-2019 年國家尺度人口收入結構預測2020 年的結果，并同真實結果進行對比，計算二者之間 MAE（公式 1、2），檢驗預測偏差。其中，MAE

56、 指標的計算公式為：niobsipreiobsprenyyyyMAE1,|),(（4）其中 ypre為 2020 年人口歷史檢驗預測結果，yobs為 2020 年人口普查結果。MAE 即平均絕對值誤差（Mean Absolute Error），它表示預測值和觀測值之間絕對誤差的平均值。圖 27：收入結構預測的檢驗結果（圖片來源：作者自繪）驗證結果如圖 27 所示。結果顯示，國家尺度預測方法估計的結果，大部分分組的MAE的誤差小于5%，且預測值的基尼系數同國家統計局公布的完全相同。這證實了本預測數據的可靠性。4.人口年齡結構預測人口年齡結構預測4.1.國家尺度預測國家尺度預測在年齡結構層面，我們

57、選用經典的 Hamilton-Perry Method（HP 法）為基礎：進行預測，其過程可以分為兩部分（圖 28）：輸入數據：2005、2015 年人口抽樣調查、2010 和 2020 年人口普查全國分性別分年齡段人口規模（5 歲一個年齡段）；HP 法預測：計算 2000-2005、2005-2015、2015-2020 年三個階段，5-100歲人口計算分性別分年齡人口規模的隊列變化率，0-4 歲新出生人口計算生育率，并求平均值，作為以五年為周期迭代計算的人口轉化率。圖 28：國家層面年齡結構預測流程圖（圖片來源：作者自繪）具體而言，HP 法，即在同一年出生的一批人就是出生隊列，這個出生隊列

58、隨著時間推移、年齡在不斷增長，人數由于死亡而減少。這些人到達育齡期后會通過生育產生新的人口隊列，由此使人口生生不息。其中關鍵指標為生育率指標（即 15-49 歲育齡婦女生育率），以及各年齡段人口隊列變化率（CCRS）。以圖 29 為例，CCRS 指標可理解為 5 年后 5-9 歲年齡組轉化為 10-14 歲組的比例，如 90%，則 125 人轉變為 113 人。圖 29：各年齡段人口隊列變化率（CCRS）詳解（圖片來源：Brian ONeill,https:/ CCRS 指標，可以逐年推算未來的人口年齡結構?？紤]到統計公布的數據為 5 年一組的年齡段，需要 5 年間隔的統計數據作為輸入。因此，

59、我們運用 2015 年人口抽樣調查、2010 和 2020 年人口普查全國層面分性別分年齡段人口規模作為輸入數據，運用 HP 法進行人口年齡結構的預測。對于數據缺失部分，我們根據最近年份的數據進行縮放模擬以補充，最終完成了國家尺度的人口年齡結構預測。國家尺度的人口年齡預測如圖 30 所示。圖 30：2020-2060 年國家尺度人口年齡結構預測（圖片來源：作者自繪）4.2.省級尺度省級尺度預測預測我們運用每 5 年一次的各省年齡結構數據，即 2005 年、2015 年人口抽樣調查、2010 年、2020 年人口普查省級層面分性別分年齡段人口規模（5 歲一個年齡段）數據作為輸入數據，進行年齡結構

60、的預測。省級尺度的年齡結構預測方法同國家尺度保持一致（圖 31）。圖 31：省級層面年齡結構預測流程圖（圖片來源：作者自繪）在進行預測時，由于不同年份的隊列變化率與出生率并不相同，研究團隊分別計算 2000-2005、2005-2015、2015-2020 年三個階段，5-100 歲人口（以每5 年作為年齡分組）計算分性別分年齡人口規模的隊列變化率，0-4 歲新出生人口計算生育率指標，并求三者的平均值，作為以五年為周期迭代計算的人口轉化率。進一步，研究團隊根據基準情景下全國總人口數據（人口總量矯正結果數據），矯正省級預測結果，使得各省的人口規模預測結果求和之后符合全國層面的人口結構預測結果。最

61、終研究團隊獲得了省級預測結果，并選擇了四個省級單元進行數據可視化（圖 32），可以發現各省之間出現了巨大的年齡結構差異。圖 32：2060 年四個省份的人口年齡結構（圖片來源：作者自繪）我們同樣根據國家統計局所公布的全國經濟地帶，針對東部、中部、西部、東北地區的人口年齡結構進行了統計，最終結果如圖 33 所示?？梢钥吹?，若不考慮區域之間的差異，各區域之間的年齡結構具有明顯的差異：其中東北地區的老齡化問題非常明顯，65 周歲以上老齡人口占比為 34.0%；東部、中部、西部地區也將步入超老齡化社會，其 65 周歲以上老齡人口占比分別為 21.8%，22.0%，22.2%，老齡化程度與相當與目前（2

62、022 年）全世界人口老齡化最嚴重的國家相當，如日本在 2020 年左右，65 周歲人口占比為 26.02%；意大利為 22.36%。圖 33：東部、中部、西部和東北地區 2060 年的年齡結構預測（圖片來源：作者自繪）4.3.預測結果的歷史檢驗預測結果的歷史檢驗基于上述討論，本部分依然采用歷史檢驗法，即：以 2000 年人口數據為基礎，對 2020 年國家和省級尺度人口結構進行預測。即利用 2000 年到 2020 年平均人口隊列要素轉換率、2000 年各年齡段人口進行預測。并分年齡性別組計算估計結果的%RMSE（公式 5、6），檢驗預測偏差。（5）（6）其中，其中 ypre為 2020 年

63、人口歷史檢驗預測結果，yobs為 2020 年人口普查結果。RMSE 為均方根誤差（Root Mean Square Error），是預測值與真實值偏差的平方與觀測次數 n 比值的平方根。在人口預測中，各省的 yobs不同，因此其RMSE 一般無法直接比較，常采用%RMSE 指標，即將 RMSE 轉化為對應百分比，進行對比驗證。此外，我們還基于人口年齡結構預測模型，運用生成隨機數的形式，生成空模型（即隨機結果），比較空模型和本研究的模型結果，以突出預測結果的可靠性與價值?？漳Ｐ偷臍v史檢驗具體為：對于 5 歲以上人口，隨機生成值為 0.8-1.2的人口隊列要素轉換率。運用歷史檢驗法，國家和省級尺

64、度預測方法估計的結果，%RMSE均小于30%；運用空模型檢驗方法，預測方法的估計偏差遠小于空模型。這證實了我們預測數據的可靠性（圖 34）。圖 34：年齡結構數據檢驗結果（圖片來源：作者自繪）5.核心研究結論核心研究結論基于對上述數據的深入分析，我們總結了人口收入結構和年齡結構預測的核心結論。1.穩定的經濟增長能夠緩解區域和不同收入組之間的收入差距問題穩定的經濟增長能夠緩解區域和不同收入組之間的收入差距問題我們在現有預測的基礎上，勾勒出了實現國家 2035 和 2060 年發展目標的發展路徑，并提出了具體的發展指標。根據現有預測，在滿足以下條件時，2060年，中國居民可支配收入同人均 GDP

65、之間的比值將達到發達國家水平（高于70%），且大部分省的基尼系數都將低于 0.25（圖 35），即國家達到北歐發達國家水平，以基尼系數為指標，實現共同富裕目標（圖 36）。具體的經濟指標為：中國 2020-2035 年經濟增長為 5.27%；2035-2060 年 GDP 增長為 2.64%；居民可支配收入增長高于經濟增長約 2-2.5%，具體為：在十四五期間（2020-2025 年），居民可支配收入增長高于經濟增長 2%（歷史推演）；2025-2060 年，居民可支配收入增長高于經濟增長 1 個百分點；2035 年左右，居民可支配收入占人均 GDP 比值達到全球平均水平，約 60%2060

66、年左右，居民可支配收入占人均 GDP 比值達到美國水平，約75%。通過此研究，我們可以得出結論，實現上述基于政策目標的美好愿景，需要付出巨大的努力。根據劉偉等人的研究和分析，在不考慮新冠疫情帶來的短期和長期影響下中國依然需要一定的政策刺激，才能使國家的經濟增長達到 5.27%。以 2020-2022 年國家統計局發布的經濟增長速率，持續多年的 5%以上經濟增長實屬不易，甚至略顯苛刻，需要穩健的經濟政策與內外部條件，這對中國的發展提出了非常高的要求。同時，面向未來，2.6%穩定的經濟增長的要求也非常高。在上述情境下，2.6%的經濟增長意味著每 5 年，人均收入將增長 3-4 萬人民幣，而中國 2

67、022 年全年全國居民人均可支配收入為 36883 元，可見增長幅度之大，難度之大。因此，為實現上述的經濟發展目標，達到中等（甚至中上等）發達國家水平，我們應該意識到，未來的經濟發展路徑是非常具有挑戰性的。圖 35：2060 年各省基尼系數預測（圖片來源：作者自繪）圖 36：2025-2060 年中國基尼系數預測（圖片來源：作者自繪）2.中國的人口老齡化問題愈發突出中國的人口老齡化問題愈發突出根據現有預測，老齡化問題是中國未來社會發展的一個非常重要的問題，對中國的發展帶來了挑戰：2060 年間，中國幾乎所有的省份的 65 歲以上人口占比將超過 14%，即步入深度老齡化階段（2018 年只有 6

68、 個省份步入深度老齡化）；2060 年，將有 20 個省份的 65 歲以上人口占比超過 20%，即步入超老齡化階段，而 2020 年只有 12 個省份步入深度老齡化；65-70,70-75 歲年齡組或將成為人口總量最多的年齡組。圖 37：2060 年各省 65 歲以上人口占比（圖片來源：作者自繪）圖 38：2060 年人口年齡結構預測（左圖為本預測，右圖為 UN 預測結果）面向未來，幾乎可以確定的是中國將步入超老齡化社會，人口老齡化程度或達到目前世界人口老齡化最嚴重的程度，相當于當今的日本與意大利等國家（如日本在 2020 年左右，65 周歲人口占比為 26.02%；意大利為 22.36%）。

69、但是考慮到老年人的總數和規模，以及各省的情況，單從老齡人總量出發，2060 年中國相當于當今世界 20-30 個人口老齡化程度最嚴重的國家之和。甚至部分省份會出現 30%以上的老齡人口，這是當下社會無法預測和未曾應對過的老齡化階段。當下，在三胎政策未達到預期效果的背景下，如何理解和應對未來的超老齡化現象是重中之重?？紤]到上述經濟發展的預測結果，我們可以很直接地看到，基于老齡人口的銀發經濟是實現未來經濟發展的重要途徑。然而，銀發經濟核心是圍繞老年人的衣食住行等消費為核心的經濟增長模式，核心是“消費”，而非基礎設施、城市建設、進出口為核心“投資”。因此當下的核心政策建議是要快速轉向以消費帶動經濟的

70、增長模式。其中，快速是指我們不得不考慮到人口老齡化帶來的社會發展的巨大變化，轉型模式要盡可能地為銀發經濟的發展提供時間，進而能夠實現上述的經濟目標。參考文獻參考文獻1.Chen S,Ravallion M.Reconciling the Conflicting Narratives on Poverty in China J.National Bureau of Economic Research Working Paper Series,2020,No.28147.2.史蒂夫約翰遜.中國收入不平等程度下降R.金融時報中文版,2017-12-05.https:/ 中國統計年鑒M.北京:中國統計

71、出版社.2020.4.韓正.到二三五年基本實現社會主義現代化遠景目標EB/OL.人民日報.2020.5.OECD Data.Income inequalityEB/OL.2022.https:/data.oecd.org/inequality/income-inequality.htm.6.王廣州.新中國 70 年:人口年齡結構變化與老齡化發展趨勢J.中國人口科學,2019,(03):2-15+126.7.United Nations Department of Economic and Social Affairs,Population Division.World population p

72、rospects 2022J.2022.8.清華大學建筑學院龍瀛團隊.中國未來城市人口分布情景分析R/OL.2021.https:/www.efchina.org/Reports-zh/report-lccp-20210207-3-zh.9.Wang,X.,Meng,X.&Long,Y.Projecting 1 km-grid population distributions from2020 to 2100 globally under shared socioeconomic pathwaysJ.Scientific Data,2022,(9):563.https:/doi.org/10.

73、1038/s41597-022-01675-x.10.Li F,Li W,Li F,et al.Global projections of future wilderness decline undermultiple IPCC Special Report on Emissions ScenariosJ.Resources,Conservationand Recycling,2022,177:105983.11.Weiss D J,Nelson A,Gibson H S,et al.A global map of travel time to cities toassess inequali

74、ties in accessibility in 2015J.Nature,2018,553(7688):333-336.12.Chen Y,Li X,Huang K,et al.Highresolution gridded population projections forChina under the shared socioeconomic pathwaysJ.Earths Future,2020,8(6):e2020EF001491.2552.7 萬3015.9 萬13.Kuznets S.Economic growth and income inequalityM.The gap

75、between richand poor.Routledge,2019:25-37.14.Xie Y,Zhou X.Income inequality in todays ChinaJ.Proceedings of the NationalAcademy of Sciences,2014,111(19):6928-6933.15.唐志鵬,于浩杰,陳明星,程嘉梵.基于函數極值條件下的中國碳達峰碳中和情景分析J.自然資源學報,2022,37(05):1247-1260.16.姜彤,趙晶,曹麗格,王艷君,蘇布達,景丞,王潤,高超.共享社會經濟路徑下中國及分省經濟變化預測J.氣候變化研究進展,2018

76、,14(01):50-58.17.劉偉,陳彥斌.到 2035 年經濟增長預測與高質量發展對策J/OL.ChinaEconomist:1-162022-08-15.2021.01.0118.劉偉,陳彥斌.20202035 年中國經濟增長與基本實現社會主義現代化J.中國人民大學學報,2020,34(04):54-68.19.劉元春.基本實現社會主義經濟現代化：核心參數測算及應對策略N.中國社會科學報,2021-10-18(007).20.Dellink R,Chateau J,Lanzi E,et al.Long-term economic growth projections in theSha

77、red Socioeconomic PathwaysJ.Global Environmental Change,2017,42:200-214.21.Cuaresma J C.Income projections for climate change research:A frameworkbased on human capital dynamicsJ.Global Environmental Change,2017,42:226-236.22.Yeung W A,Kouparitsas M,Luu N,et al.Long term international GDPprojectionsM.Treasury Working Paper,2013.23.Hubbard P,Sharma D.Understanding and applying long-term GDP projectionsJ.East Asian Bureau of Economic Research,2016.24.國 家 統 計 局.統 計 制 度 及 分 類 標 準（17）EB/OL.2022.http:/