我国人口变动对食品制造业发展影响研究

　　摘要：研究了我国省级区域人口变动的三个方面, 出生率、死亡率以及人口变动对食品制造业发展的影响。通过Eviews对人口变动以及食品制造业面板数据的处理，发现我国区域人口出生率的变动对食品制造业的发展呈负向关系；死亡率与食品制造业的发展存在正向影响；人口变动与食品制造业的发展存在正向关系。

　　关键词：人口变动；省级区域；面板数据；食品制造业

　　食品工业是与我国居民生活联系最为紧密的产业之一，也是我国国民经济的重要组成部分。而食品制造业又是我国食品工业的重要组成部分，2015年全国食品制造业的主营业务收入达到65 378.24亿元，而2015年我国食品工业的主营业务收入达104118.4亿元，食品制造业占食品工业的比重约为62.8%。因此研究我国食品制造业1989—2015年间的发展的影响因素，对分析我国食品工业的发展具有现实意义。

　　1  文献综述

　　目前学术界对我国食品制造业的研究，主要集中于以下几个方面：一是对我国食品制造业的发展现状及对策分析。有学者通过对中国食品制造业的发展现状进行分析，发现我国食品制造业规模不断扩大，资本和劳动力要素对食品制造业的影响比重加大的现状。二是我国食品工业发展的影响因素分析。食品制造业的原材料大多来源于农业，因此食品制造业的发展与农业联系紧密，食品制造业的发展布局与农业从发展、区域的经济发展水平密切相关。食品制造业工业的空间布局会直接影响企业的生产成本，间接影响食品制造业企业的市场竞争力，研究表明食品制造业在区域上的集聚可以节约成本。而从食品制造业的内部研究食品制造业的内部结构变化，发现食品制造业的发展会受到相关产业以及整个国民经济发展的影响。食品制造业对劳动力的依赖存在区域差异，表现为东部省区的劳动力投入会大于中部省区，中部省区的劳动力投入会大于西部省区。总体而言，我国目前食品制造业的发展靠投资拉动的局面明显。食品制造业的发展不但受到劳动力投入要素的影响，还受到技术发展要素的影响。通过分析技术进步和技术效率改善对我国食品业发展的影响，发现技术效率变化对饮料制造和农副产品的生产具有重要影响，对食品制造业发展的贡献相对较小。

　　我国人口的变动与经济增长联系密切，表现在庞大的人口规模产生巨大的市场需求并带来巨大的人口“红利”，其次人口迁移推动了我国区域的产业结构调整。同时我国人口结构的变动对我国国内需发展和产业结构调整产生重要影响。从未来的发展趋势看，我国人口年龄结构和总量变化都将对经济发展带来负面影响，短期看人口年龄结构的影响更大，中长期则人口总量的影响更大。目前，学术界对食品制造业发展影响因素研究，主要从劳动力、技术和资源方面进行分析。而人作为食品制造业产品的最终消费者，缺乏人口变动对区域食品制造业发展的影响研究，人口的变动对食品制造业发展是否存在影响有待进一步分析。该文从人口的出生率、死亡率和变动率三个方面，研究全国省级区域人口变动对食品制造业发展的影响。

　　该文数据主要来源于1990—2016年《中国食品工业年鉴》以及1990—2016年《中国统计年鉴》。食品工业依据我国工业分类可以分为四个行业，分别为农副产品加工业、食品制造业、烟草制品业以及酒和饮料精制茶制造业。选取占食品工业最大比重的食品制造业为研究对象，时间跨度为1989—2015年，选取的截点为31个省级区域。由于《中国食品工业年鉴》缺乏2006，2007和2009年的数据，因此这几个年份排除在外。而重庆市由于直至1997年才划为直辖市，因此缺乏重庆市1989—1996年的数据。因此该文的数据只有1989—2005，2008和2010—2015年30个省级区域的数据。而人口变动的数据主要来源于1990—2016年《中国统计年鉴》人口部类分地区人口的城乡构成和出生率、死亡率、自然增长率。为对应食品制造业的数据，对人口变动的数据统一进行删减。

　　3  数据分析结果

　　为避免出现面板数据由于非平稳而造成的伪回归现象，首先对面板数据进行平稳性的单位根检验，见表1。根据表1，面板数据单位根检验结果表明，共同根Levin，Lin & Chu t检验值为-18.6296，显著性小于0.01，极度显著拒绝零假设，30个截面630个数据量，共同根检验说明数据平稳。单独根Im，Pesaran and Shin W-stat检验值为-12.182 3，显著性小于0.01，极度显著拒绝零假设，30个截面630个数据量。单独根ADF-Fisher Chi-square检验值为297.536，显著性小于0.01，极度显著拒绝零假设，30个截面630个数据量。单独根PP-Fisher Chi-square检验值为128.045，显著性小于0.01，极度显著拒绝零假设，30个截面630个数据量。单独根检验均小于0.05，说明数据平稳。

　　3.2  以出生率为自变量的模型拟合结果

　　在面板数据单位根检验平稳的基础上，对数据进行拟合分析。运用SPSS对数据模型的拟合情况进行分析，结果见表2。运用SPSS 20.0对方程的拟合情况进行比较，发现线性方程R为0.02，F值为14.038，极度显著。对数方程R为0.016，F值为11.527，极度显著。指数方程R为0.356，F值为379.812，极度显著。通过线性、对数以及指数方程模型的比较，发现建立指数模型较为合适。因此建立方程模型：ay=C+bx。

表2  模型拟合情况比较

　　进一步在指数模型拟合的基础上，用Eviews 9.0对30个省份食品制造业历年数据与出生率历年数据进行处理，结果见表3。对模型的拟合情况进行分析，常数项值为7.594258，标准误为0.195223，t值为38.90047，显著性小于0.01，极度显著。出生率系数值为-0.255518，标准误为0.013111，t值为-19.48877，显著性小于0.01，极度显著。R2为0.355692，说明模型的解释度约为35.6%，即历年区域出生率的变动对食品制造业的解释度约为35.6%。调整R2为0.354755，说明模型的调整解释度为35.5%。回归标准误为1.638061，整体较小。残差平方和为1846.071，对数似然估计函数值为-1 318.590，较大。F值为379.812，较大，显著性检验小于0.01，极度显著。被解释变量的样本均值为3.988932，被解释变量的样本标准误差为2.039238，相对较小。赤池信息准则为3.827798，施瓦茨信息准则为3.840947，H-Q信息准则值为3.832884，均小于5。DW值为0.138728较小，说明时间序列存在正相关。

　　以死亡率为研究对象，为避免出现面板数据由于非平稳而造成的伪回归现象，首先对面板数据进行平稳性的单位根检验，结果见表4。根据表4，面板数据单位根检验结果表明，共同根Levin，Lin & Chu t检验值为-3.768 92，显著性小于0.01，极度显著拒绝零假设，30个截面570个数据量，共同根检验说明数据平稳。单独根Im，Pesaran and Shin W-stat检验值为-23.196，显著性小于0.01，极度显著拒绝零假设，30个截面570个数据量。单独根ADF-Fisher Chi-square检验值为499.799，显著性小于0.01，极度显著拒绝零假设，30个截面570个数据量。单独根PP-FisherChi-square检验值为7 142.34，显著性小于0.01，极度显著拒绝零假设，30个截面600个数据量。单独根检验均小于0.05，说明数据平稳。

表4  面板数据单位根检验结果

　　3.4  以死亡率为自变量的模型拟合结果

　　在面板数据单位根检验平稳的基础上，对数据进行拟合分析。运用SPSS对数据模型的拟合情况进行分析，结果见表5。运用SPSS 20.0对方程的拟合情况进行比较，发现线性方程R为0.019，F值为12.991，极度显著。对数方程R为0.020，F值为13.879，极度显著。二次方程R为0.020，F值为7.151，极度显著。通过线性、对数以及指数方程模型的比较，发现建立指数模型较为合适。因此建立方程模型：y=C+Bln（x）。

表5  模型拟合情况比较

　　进一步在指数模型拟合的基础上，用Eviews 9.0对30个省份食品制造业历年数据与死亡率历年数据进行处理，结果见表6。对模型的拟合情况进行分析，常数项值为1.742 541，标准误为0.627993，t值为2.774780，显著性小于0.01，极度显著。死亡率系数值为0.358537，标准误为0.099 476，t值为3.604269，显著性小于0.01，极度显著。R?为0.18532，说明模型的解释度约为18.5%，即历年区域死亡率的变动对食品制造业的解释度约为18.5%。调整R2为0.17105，说明模型的调整解释度为17.1%。回归标准误为2.021721，整体较小。残差平方和为2 812.101，对数似然估计函数值为-1 463.791，较大。F值为12.99076，较大，显著性检验小于0.01，极度显著。被解释变量的样本均值为3.988 932，被解释变量的样本标准误差为2.039 238，相对较小。赤池信息准则为4.248 67，施瓦茨信息准则为4.26182，H-Q信息准则值为4.253756，均小于5。DW值为0.09454，较小，说明时间序列存在正相关。

　　3.5  以人口变动为自变量的单位根检验

　　为避免出现面板数据由于非平稳而造成的伪回归现象，首先对面板数据进行平稳性的单位根检验，结果见表7。根据表7，面板数据单位根检验结果表明，共同根Levin，Lin & Chu t检验值为-5.31089，显著性小于0.01，极度显著拒绝零假设，30个截面627个数据量，共同根检验说明数据平稳。单独根Im，Pesaran and Shin W-stat检验值为-5.485 81，显著性小于0.01，极度显著拒绝零假设，30个截面627个数据量。单独根ADF-Fisher Chi-square检验值为128.462，显著性小于0.01，极度显著拒绝零假设，30个截面627个数据量。单独根PP-Fisher Chi-square检验值为241.190，显著性小于0.01，极度显著拒绝零假设，30个截面658个数据量。单独根检验均小于0.05，说明数据平稳。

表7  面板数据单位根检验结果

　　3.6  以人口变动为自变量的模型拟合结果

　　在面板数据单位根检验平稳的基础上，对年末人口变动情况数据进行拟合分析。运用SPSS对数据模型的拟合情况进行分析，结果见表8。运用SPSS20.0对方程的拟合情况进行比较，发现线性方程R为0.06，F值为15.972，极度显著。对数方程R为0.16，F值为15.502，极度显著。指数方程R为0.356，F值为279.11，极度显著。通过线性、对数以及指数方程模型的比较，发现建立指数模型较为合适。因此建立方程模型：ay=C+bx。

表8  模型拟合情况比较

　　进一步在指数模型拟合的基础上，用Eviews 9.0对30个省份食品制造业历年数据与年末人口变动历年数据进行处理，结果见表9。对模型的拟合情况进行分析，常数项值为3.575 776，标准误为0.224402，t值为15.934 68，显著性小于0.01极度显著。年末人口变动系数值为0.2541，标准误为0.0637，t值为1.96727，显著性小于0.01，极度显著。R?为0.2541，说明模型的解释度约为25.4%，即历年区域年末人口变化的变动对食品制造业的解释度约为25.4%。调整R?为0.242 6，说明模型的调整解释度为24.2%。回归标准误为2.03666，整体较小。残差平方和为2845.517，对数似然估计函数值为-1 464.61，较大。F值为3.870152，较大，显著性检验小于0.01，极度显著。被解释变量的样本均值为3.989966，被解释变量的样本标准误差为2.04091，相对较小。赤池信息准则为4.263402，施瓦茨信息准则为4.276582，H-Q信息准则值为4.268501，均小于5。DW值为0.06977，较小，说明时间序列存在正相关。

表9  模型拟合情况

　　通过对30个省区的食品制造业与出生率、死亡率和年末人口变动率之间关系研究。发现出生率与食品制造业的发展存在负向影响，系数为-0.256，解释度为35.5%，说明我国区域人口出生率的变动对食品制造业的发展呈负向关系。死亡率与食品制造业的发展存在正向影响，系数为0.358，解释度为18.5%，说明我国区域人口死亡率的变动对食品制造业的发展呈正向关系。人口变动与食品制造业的发展存在正向关系，系数为0.125，解释度为25.4%，说明我国区域人口变动对食品制造业的发展呈正向关系。通过出生率、死亡率以及人口变动三个方面研究我国人口变动对区域食品制造业发展的影响，出生率与食品制造业的发展存在负向影响，死亡率以及人口变动与食品制造业的发展存在正向影响。但出生率、死亡率和人口变动对食品制造业发展的解释度较低。

　　我国人口变动对区域食品制造业发展的影响研究的现实意义主要有：（1）对于东部人口出生率较低的地区，食品制造业发展迅速应进一步发挥自身产业优势，对于中西部出生率较高的地区，应加大对食品制造业的扶持力度；（2）对于东部沿海地区老龄化现象严重，死亡率上升的情况，食品制造业的发展会受到人口死亡率变化的影响，应进一步密切关注食品制造业的发展；（3）对于人口变动较大的地区，人口变动与食品制造业的发展呈正向影响，因此对于人口变动大的地区应加大对食品制造业的资金投入，扶持食品制造业的发展。