2023中国未来人口结构情景分析报告.docx

中国未来人口结构情景分析技术报告2023目录1 .项目背景11.1. 低碳转型与人口预测11.2. 中国人口结构面临重大变化21.2.1. 人口收入结构经历巨大变化21.2.2. 未来人口年龄结构问题突出41.3. 现有数据的不足81. 4.本次研究目标8L5.项目成果清单102.修正人口总量数据112.1.研究范围112.2.影响因素的判定112. 3.人口总量预测的修正122. 4.网格尺度人口预测132.5. 数据验证162. 6.数据下载地址193.人口收入结构预测203. 1.国家尺度预测203.LL总量预测：GDP和可支配收入预测213.1.2.分配预测：基尼系数预测243.1.3.调整控制：五等分组收入预测263.2.省级尺度预测273.2.1,原始数据搜集283.2.2.总量预测：可支配收入预测293.2.3.分配预测：基尼系数预测293.2.4.调整控制：五等分组收入预测303. 3.预测结果的历史检验324.人口年龄结构预测344. 1.国家尺度预测344. 2.省级尺度预测364. 3.预测结果的历史检验395.核心研究结论42L项目背景1.L低碳转型与人口预测当前，人类活动已成为全球环境变化的主要驱动力。作为世界上人口最多的国家，以及世界最大的工业制造国，中国将在世界的可持续发展与气候变化领域做出更多的贡献。2020年9月220,在第七十五届联合国大会一般性辩论上提出“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”中国接下来的发展指明了方向，也对中国的低碳转型提出了更高的要求。通过合理的路径规划帮助中国实现低碳转型的目标，是项目组的最终愿景。城市是人类生产生活的最为集中的区域，中国的低碳转型关键在于城市。根据国家统计局公布的数据，中国常住人口城镇化率在2020年已经达到60.60%,户籍人口城镇化率为44.38%o根据联合国世界城镇化展望报告分析，2050年，中国的城镇化率将达到80%,中国的城市人口将达到10亿级别。而在2018年，中国的城市能源消耗占据了全国能源消耗的85%,因此，从人口规模和能源消耗角度出发，中国的低碳转型，关键在于城市。城市的发展，根本上离不开人口的变化。城市是“人”的城市，城市的发展应当以“人”为核心，“以人为本”不断完善城市的管理和服务。不同年龄结构，不同社会背景的人有着不同的城市管理服务与能源利用的需求，进而影响着未来的城市管理和城市建设。中国正处于城镇化的下半场，在人口老龄化背景下不同区域的人口结构将发生重大变化，如何对未来的人口结构进行判定，进而对未来的社会需求做出判断是非常值得探索的问题。1.2中国人口结构面临重大变化1.2.1. 人口收入结构经历巨大变化改革开放以来，中国经济的快速发展取得了巨大的经济成就。但是与此同时带来的收入不平等的问题也不可忽视。根据现有研究，在1981-2008年期间，中国的基尼系数（收入不平等的衡量指标之一）显著提升。但是，近年来的脱贫攻坚政策与措施，在消除贫困方面取得了实质性进展，在一定程度上缓解了中国收入不平等的现象。根据世界银行研究（ShaohUaChen&MartinRavaHion,2020）和中国国家统计局的数据，十几年来（特别是2008年以来），中国收入不平等程度有所下降（史蒂夫约翰逊，2017）o但不可忽视的是，中国收入不平等的现象依然存在，2021年高收入人群、低收入人群（指全国居民五等份收入分组中的人群，下简称五等分组）的收入差距相差约10倍（国家统计局，2020）,这表明China'sGinicoefficient,scaleof0-100.Alowerreadingmeansgreaterequality一Ravallion&CheWorldBankChineseNationalBureauofStatisticsSource:JournalofDevelopmentEconomics,WorldBank,NationalBureauofStatisticsCFT了中国社会的收入不平等现象依然较为严峻。图1：1981-2016年间中国基尼系数的变化（图片来源：金融时报中文版）900008000070000600005000040000300002000010000 020%低收入组家庭（人均可支配收入）20%中间偏下收入组家庭（人均可支配收入） 20%中间收入组家庭（人均可支配收入）20%中间偏上收入组家庭（人均可支配收入） 20%高收入组家庭（人均可支配收入）图2:2013-2021中国居民按收入五等分组的人均可支配收入变化（图片来源：作者自绘，参考2022中国统计年鉴）面向未来国家明确了未来的收入结构发展路径。通过的关于制定国民经济和社会发展第十四个五年规划和二。三五年远景目标的建议指出，2020至2035年，“在经济增长的同时实现居民收入同步增长、在劳动生产率提高的同时实现劳动报酬同步提高，城乡居民人均收入也将再迈上新的大台阶”（韩正,2020）o进一步，国家明确了未来收入结构的图景：“到2035年人均国内生产总值达到中等发达国家水平，意味着我国将成功跨越中等收入阶段，并在高收入阶段继续向前迈进一大步。我国中等收入群体将显著扩大，形成橄榄型分配格局，为经济社会持续健康发展提供有力支撑”。这意味着，面向未来，中国的收入不平等现象将进一步缩小，达到中等发达国家水平的阶段性目标（如图3,目前OECD发达国家基尼系数大部分位于0.25-035之间），人口收入结构将面临深刻变化。InCminequalityGinlcoefficient,O-SmpktQequality：1completeincuafity.2021orlatestavailableSource:Incomedistribution<shareIXdownloadI事Mypinboard图3：OECD成员国基尼系数统计（2021年或最新年份数据图片来源：OECDData,2022)1.2.2. 未来人口年龄结构问题突出人口数量（万人）图4：19492019年人口年龄结构变化（图片来源：王广州，2019）建国以来，稳定的社会环境和宽松的人口政策带来了中国人口的迅速扩张，同时计划生育政策的强力实施，也大大影响了中国人口年龄结构变化。对新中国成立70年来人口变化历史进行定量分析，结果如图4所示，1949-2019年间，国家层面的的人口年龄结构由人口快速增长的正“金字塔”结构，逐渐转化为非“金字塔”结构（王广州，2019）,平均年龄明显增大，且不同年龄组之间出现断层。可以非常直观地发现，出生于I960.1990年间（2019年30-60岁年龄组）的人群数量，大于其他年龄组的人口，这也意味着2030年以后，60岁以上的老龄人口比例将显著提高。联合国的人口预测结果也证实了上述预测（如图5）:中国未来人口老龄化趋势愈发明显，截止2060年，70-75岁年龄组或将成为人口总量最多的年龄组。IO0+岁，90-94岁80-84岁70-74岁Z一一60-64岁n11w-m50-54岁，40-44岁30-34岁I于20-24岁三三"""三"""10-14岁呻一士0-4岁2060年联合国女2060年联合国男图5:联合国针对中国2060年人口年龄结构的预测（橙色指代2060年间女性人口，黄色指代男性人口，纵坐标年龄组的标注部分省略。图片来源：作者自绘，参考UnitedNations,2022）此外，研究团队系统整理了2000,2010,2020年地市级的国家统计年鉴数据，并结合开源地图数据，根据国际通用的判断标准，以65周岁以上老年人占比作为划分依据（UnitedNations,2022）,绘制了中国2000,2010,2020年人口年龄结构地图。我们发现：根据2000、2010.2020年人口普查数据，中国的人口老龄化程度明显加深区域分布明显扩大（图6中橙色区域），出现大面积深度老龄化区域（红色区域）： 2000年全国65岁以上人口比例7.0%； 2010年全国65岁以上人口比例8.9%； 2020年全国65岁以上人口比例13.5%；2020年，中国人口65岁以上老人占比已达13.5%,共计1.9亿人，而全球于2022年的平均值为10%（UnitedNations,2022）;合理预测中国人口年龄结构，将对于人口发展的速度和趋势预测，以及区域经济发展预测提供重要的支持。图6a：2000年（五普）地市级尺度65岁以上老龄人口分布（图片来源：作者自绘）图6b: 2010年（六普）地市级尺度65岁以上老龄人口分布（图片来源：作者自绘）图例65 Vtt LAn A It图6c：2020年（七普）地市级尺度65岁以上老龄人口分布（图片来源：作者自绘）1.3, 现有数据的不足中国人口统计的唯一权威来源是十年一度的人口普查。自1949年以来，中央政府进行了6次人口普查。人口普查方法虽然具有权威性，但既耗时又消耗大量财力，并且10年一次的频率限制了它的用途。因此，如何经济有效地利用现有数据进行科学统计，对于预测和理解中国未来城镇化格局，调节中国城市能源供给平衡，控制能源排放，实现中国城市低碳转型等都具有十分重要的指导意义。同时，有关中国的人口结构的分析和研究大都以单纯的数理分析为主，缺少空间上的落位，很难从空间上判定区域与区域之间的相互关联。清华大学龙瀛团队基于全球空间人口网格数据和中国政府统计数据，对中国的未来人口分布进行了情景预测。但是人口分布的预测，缺乏人口结构的相关信息，因此不能更精确更量化地判断不同人的需求。在这样的背景下，我们希望进一步地完善人口结构方面的预测，同现有人口分布数据相匹配，进而为碳排放、环境治理等研究方向提供更精确更细致的数据支持。1.4, 本次研究目标在第一期项目中，项目组对2020,2030,2040,2050年的中国地市级人口总量和城镇化率进行了预测（图7）,并形成了项目报告（龙瀛团队，2021）,但是，上述数据依然存在不足，具体而言有如下四方面： 地市级人口预测方法有待提升：人口的增长往往是非线性的，用线性模型拟合人口变化的方法有待优化； 网格级人口的预测方法有待提升：网格预测过程中没有考虑到人口变化的相关理论，受到同行质疑； 缺乏数据比较：未进行数据验证工作，数据的准确性，以及应用价值受到同行质疑； 输入数据年份需要更新：没有考虑最新公布的七普数据，以及统计年鉴数据等。图7a：第一期项目部分成果(图片来源：作者自绘)ENERGY FOUNDATION能源基金会新闻中心低碳十四五燎合工作IaIJl目雹硝究报告关于我们研究报告中IlWyR人口分布情分析ltB 6：3中OKff 多人口Qft量分析Kf 下 o7 MmQa6华大竽9lMRMM技项目分费2020«,eMtSMr.斌华X字9KUta2t稀(OACMMfl)(««(8fl>).<»ft)“90建了中Oa京JWm人口分“t"5角的M方ML从零个尺河中京南的人口分4Iie行了另0,MWMM4WVtHI三67i)Wt.(ffft)fll三9B*O三三,WW.M.的相黄研究发快夏明Slf受利.图7b：第一期项目下载界面(图片来源：能源基金会官网)基于上述讨论，我们在第一期项目的基础上进一步开展研究，补充对于2025、2035、2060年的预测，并在人口总量上进一步叠加人口结构图层，完善人口数据库。本项目具有如下具体的目标：1 .在第一期项目基础上，对预测方法进行更新：-基于历史数据与全球人口分布数据，设置不同的人口分布情景假设；-根据相关研究的结论，更新预测模型，运用机器学习方法，提升预测精确度；2 .对中国未来人口结构进行预测分析：- 基于现有数据，完善整理中国人口结构数据库，以支持后续分析；- 在国家尺度上，主要从年龄结构、收入结构等方面展开预测，探究年龄结构，收入结构的预测方法；- 在省级尺度上，探究影响人口年龄结构、收入结构的因素，并对未来发展进行预测；- 参考新公布的数据，更新预测，并增加针对2060年的预测；3 .对最终数据进行可视化表达：-对于现有人口空间分布数据以及人口结构数据进行空间可视化表达。1.5. 项目成果清单本项目的成果包含如下内容：1 .中国未来人口分布情景分析数据（修正版），根据研究的后续进展以及专家建议，对中国未来人口分布情景分析数据库进行修正；2 .中国未来人口结构情景分析技术报告（本报告），在国家、省级层面上对未来中国人口结构（包括年龄结构和收入结构）变化进行分析与预测；3 .中国未来人口结构数据库文件，用EXCEL表格记录上述研究获得的最终数据。2.修正人口总量数据2.1. 研究范围我们的研究范围为中华人民共和国大陆（不包括港澳台地区）：选择Sh叩efile城市边界数据作为研究范围，数据中包含368个行政单元，包括直辖市，和省级人民政府下设的行政区划（包括省会、地级市、盟、自治州、省直辖县等），下称“地市级行政单元”或“地市级单元”。22.影响因素的判定根据上期研究成果，本次研究沿用了影响地市级行政单元人口分布的六大类指标（如表1）,并根据数据更新的情况重新计算了相关数值。研究数据分类具体指标数据来源经济发展人均地区生产总值（E）人均地区生产总值很大程度上代表着人民生活水平的高低,也会因此成为城市人口流动的风向标统计年鉴数据距中心域市的距离受交通，或就业成本等因素的影响.距离中心城市i三数据计算(Pl)的远近也是影响人口是否向其流入的T影响因素区位因素是否位于城市群（P2）城市群的幅射作用，会吸纳周边城市的人口流入地图数据计算距璃海岸线的距离全球三分之一以上的大城市分布于沿海地区，这些(P3)城市集聚着所在国家的大部分城市人口他国效烟汁算城市行政等级决定了该城市基础设施建设、公共服行政等级域市行政级别（八）务设施等因子的投资强度，也由此对城市人口的流-动产生较强的影响人口因素现有人口总量（N）现有人口总量将直接影响城市的未来人口总量的变傀度世界人口展望2022>土地资源禀赋±f½开发强度指标（L）城市人口的发展受至岷市可开发面积的制约，运用城市建设用地面积进行制约统计年鉴数据交通因素道路交叉口数Q（Tl）城市的交通条件也将影响人口的分布Long,2016路网密度（T2）表1：影响地市级行政单元人口分布的指标与数据来源同时在情景设定部分，各个情景系数也有所变动。我们通过控制区位因素条件，即人口是否向高行政等级城市、沿海、国家中心城市、三大城市群、经济发达、交通条件发达等区域集中或分散，来模拟人口分布的不同发展情景，进而获得了线性外推、聚集发展、分散发展的三种人口情景（图8）oha:;门网:，>M4dM (XMO)图8：情景模拟示意图（图片来源：作者自绘）2.3. 人口总量预测的修正根据上期研究成果，本次研究沿用了影响地市级行政单元人口分布的六大类指标（如表1）,并根据数据更新的情况重新计算了相关数值。团队将上述所有指标量化为具体数值，整理在统一的表格中（其中行指代每一个行政单元，列指代每一类具体指标的数值）。8S中国的地ISH京政 区历史数簿国本尺度晶（QSiMSXP）一纥培果（R）图9：地市级行政单元人口预测的流程图（图片来源：作者自绘）在预测方法部分，我们在上期线性回归模型的基础上，尝试运用机器学习（随机森林）模型预测地市级行政单元人口的发展。具体流程图如图9所示。团队将所有的地级行政单元按照8:2的比例划分为训练集和测试集，基于历史数据，预测2010-2020年间的人口变化。训练集用于模型训练，测试集用于测试模型的准确性，最终获得预测模型。随后，将预测模型应用于未来的人口预测，获得最终的预测结果（P）。然而，基于地市级单元的预测结果在国家尺度上，往往与国家尺度总量（C）有较大差异，因为其主要是基于个体单元的预测，而忽略了系统整体的相互作用。以国家为整体，基于自然增长率（出生率和死亡率）和机械增长率（迁入率和迁出率）进行的预测能更好地解释国家人口总量的变化。因此非常有必要对其进行调整。调整的方法如公式（1）所示：(1)简而言之，即：以每个地市作为分析单元，其结果总和（P）往往和国家尺度的预测结果不符（C）,因此需要对结果进行总量控制：对于行政单元i,其T年的优化结果（R）,等于模型输出结果（P）,乘调整系数；调整系数等于上述结果C,和预测结果P的比值。2.4. 网格尺度人口预测名称分辨率数据年份数据类型数据源荒野预测数据1km2100RasterLi等,2022距离城市距离1km(30arc-seconds)2015RasterWeiss等,2018现状人口分布网格（WorIdPop）-1km(30arc-seconds)2015,2020Raster土地利用预测数据1km2015,2020-2100RasterChen等,2020数字高程数据200m-Rasterhttps:/www.nasa.gov/topics/earth/index.html道路数据-PolylineGlobalRoadsOpenAccessDataSet,Version1(gROADSvl):http:/sedac.ciesin.columbia.edu/data/set/groads-global-roads-open-access-vl土地覆盖数据5km2015RasterDynamicsofGlobalLandCover(httP:表2：网格尺度人口预测的输入数据与来源针对网格尺度的人口预测，研究团队在上期项目的基础上，结合现有发表文章，整理出了网格尺度的人口预测方法（Wang等，2022）o研究团队基于文献综述，详细分析了影响人口分布的数据，以及相关研究中广泛用到的预测基础数据,整理出7个核心数据集（表2）,和十余个衍生数据，数据的详细来源如表2所示。关于数据选择的理由，以及更详细的叙述，详见研究团队发表的英文论文（Wang等，2022）,鉴于篇幅与时间所限，在此不再赘述。数据的预测方法可以划分为三步：数据抽样，构建随机森林模型和未来循环预测（图IO）OFutureprediction图10：网格尺度人口预测流程图（图片来源：参考发表文章修改）根据对现有数据的分析（WorIdPoP数据以及相关数据集），人口的空间分布类似于重尾分布，小事物比大事物多得多，即有效样本非常少，因此需要对其进行分层抽样。我们以250km*250km网格将中国的人口划分为四类区域：高密度，中密度，低密度，几乎无人居住的区域（图10）。针对前三类区域，选择共计12个网格作为候选区域，并在其中选择足够的点（24000个）进行建模（空间分布见图H）o其数值分布如图12所示，横坐标为所含人口数从大到小的排列序数，纵坐标为其人口数目。有45.7%的抽样点人口数大于100,82.3%的点总量大于1,可见选择的样本能够满足建模的需求。进一步，以8:2的比例划分训练集和测试集，训练模型，并将地级行政区人口总量纳入，完成2015-2020年的人口预测模拟（图10）。未来循环迭代，完成预测。图11：抽样方法（图片来源：参考发表文章修改）1000IOoOO10001S661个点 （82.3X） 人口值大于£0Oolll 10(10.01 O 心口 Y如麦10”。个点 （45.7%） 人口值大于WO500010000150200000.001按镇所含人口从大到小棒序的位置图12：24000个抽样点（22670个有效点）的数值分布（图片来源：参考发表文章修改）25数据验证参数名称随机森林模型线性模型优化线性模型模型解释率（随机森林模型）70.25%47.6%61.2%总体样本数量368有效样本数量285预测集数量228-验证集数量57-预测误差绝对值的平均值（MAE）314778-表3：地市级人口预测模型结果针对第一部分，地市级人口预测模型，随机森林模型的解释率达到70.25%,相较于线性模型（46.7%）和优化后的线性模型（61.2%）,运用随机森林方法预测人口具有明显的优势（表3）。相较于第一期项目，数据结果的可靠性得到了进一步的提高。we叫基潮情事下中Ca人口分金 （ItRR度为耽缓行财中国人的布 为塞打做口）.图13：地市级尺度预测结果（图片来源：作者自绘）具体的数据预测结果如图13（地市级结果）和图14（网格尺度结果）所示，通过对比可以（2020年，2060年基准情景）看到模拟的时间维度产生的变化，人口向少数地区集中。我们以两个城市：山西省太原市以及黑龙江省双鸭山市为例,能明显发现，二者呈现不同程度的发展路径。太原市将继续保持周边人口向核心区域聚集的趋势，并且三种情境下具有不同的发展结果；而双鸭山市面临着较大程度上的人口减少，无论是在任何情境下，人口减少的幅度都是非常明显的（图14）0图14：网格尺度预测结果（图片来源：作者自绘）为了验证数据方法的准确性，我们开展了地市级单元人口检验与网格尺度的检验。地市级单元检验用于判定是否将地级行政区人口预测进行准确地分配。具体方法为，我们以2015年历史数据为基础，运用同样的方法预测2020年的结果，并将其同2020年的真实值进行比较。其结果如图15所示：每一个点代表一个地市级行政单元，横坐标为其人口预测，纵坐标为其网格数据内所包含的人口总量。图15中数据的斜率为1.0022,这证明我们将地市级人口准确地分配到网格层面上。7（11n生加木瑁红里直立仁图15：地市级尺度验证结果（图片来源：作者自绘）我们运用同样的逻辑，随机抽取了10万个点（共6万余有效点，即图16中的蓝点）进行验证，以验证网格尺度的预测准确性。横纵坐标分别为2020年的真实值和预测值。数据结果如图16所示，数据的斜率为0.9669,数据集中地分布在拟合曲线上，这证明我们网格层面的预测方法准确性较高。tgs奥»直盼OZOZ2020年网恪房面的真实值（WorIdPoD）图16：网格尺度验证结果（图片来源：作者自绘）2.6. 数据下载地址全球人口预测数据（Wang等，2022）可从FigShare平台下载：https:doi.org/Io.6084m9.fiHshare.19608594.v2本项目数据可从FigShare平台下载，下载地址为：收入结构预测结果（省级）：https:doi.oW10.6084m9.fishare.22242262.v2年龄结构预测结果（省级）：https:doi.org/10.6084/m9.figshare.222422533.人口收入结构预测3.1. 国家尺度预测对于人口收入结构问题，我们抓住此问题的核心指标：基尼系数(GlNl系数)和人口可支配收入，对二者进行预测。人口结构预测的基本逻辑是：宏观上控制总量，紧抓经济发展和收入不平等之间的关系，以基尼系数指标为核心对中国五等分组收入进行预测。因此预测分为三步：总量预测：对中国未来人均GDP,未来居民人均可支配收入进行预测；分配情况：计算获得未来基尼系数，分析未来的收入分配情况；调整控制：将基尼系数转化为五等分组收入。以图17为例详细介绍我们的方法。首先人均可支配收入指标是收入结构的基础。我们根据历史和现状人均GDP数据，参考预测未来的人均GDP的相关研究，进而推算出未来的中国人均可支配收入数据，即图中步骤a总量控制(蓝色箭头所指流程)；进一步，基尼系数决定了收入不平等的水平，即决定了收入分配的情况。我们首先根据五等分组的统计数据，从基尼系数的定义出发，近似计算历史基尼系数,以弥补由于数据未公布带来的历史基尼系数缺失。Kuznets提出的人均可支配收入和基尼系数之间呈现U型曲线关系(Kuznets,2019),Xie等以历史人均GDP数据，和历史基尼系数数据，拟合了中国的库兹涅兹曲线(Xie,2014)o本研究在上述研究的基础上，根据整理的国家统计局数据，初步建立收入总量与收入差距的库兹涅兹曲线，推算出中国未来的基尼系数，完成第二步，分配情况的预测，即图中的绿色箭头所指流程.最后，我们尝试将基尼系数逆向转化为五等分组收入，并根据未来人均可支配收入的预测进行调整，使得五等分组数据平均值符合未来的可支配收入，且不平等程度和基尼系数预测相同，如图中灰色箭头所示步骤。图17：人口收入结构预测流程图（图片来源：作者自绘）总量预测：GDP和可支配收入预测国内外现有研究已经对中国未来的GDP做出了大量的预测。本研究对现有结果进行文献综述，并对中国未来GDP数据做出预测。气候变化与碳中和领域的学者，中国科学院地理科学与资源研究所唐志鹏于2022年认为：2035年全国GDP（2005年不变价）约达到¥128.5万亿（$15.84万亿），年均增长率超过4.97%（唐志鹏等，2022）;南京信息工程大学和国家气候中心的姜彤团队，认为历史外推情境下，2020年代中国GDP增速为4.8%左右，20302050年年均在2.0%左右（姜彤等，2018）；经济学领域的学者，中国人民大学刘伟教授认为：以2035年目标为导向，考虑跨越中等收入陷阱、跻身创新型国家前列、追赶发达经济三个目标，2020-2035年合理增速目标为4.8%,但按照当前经济形势，增速在3.8%左右（刘伟等，2020）；中国人民大学刘元春教授认为：若中国的人均GDP于2035年达到发达国家2021年平均水平4.8万美元，2020-2035年中国年均增速必须达103-13.1%（刘元春，2021）,达到发达国家2021年中位数水平2.8万美元，年均增速为6.43%-9.09%,达到发达国家2021年中低水平2万美元，年均增速为6.67%o根据刘元春教授的的研究,乐观假设下，中国在2020-2035年的人均GDP平均增速也只能达4.36%o此外，国际多个研究组织也针对中国的未来GDP增长进行了预测。OECD（经济合作与发展组织）研究者认为：历史外推情境下，2020-2060中国GDP增速从5.98%降至0.7%,2020-2035年均增速为4.4%（Dellink,2017）；IIASA（国际应用系统分析研究所）研究者认为：历史外推情境下，2020-2060中国GDP增速从5.5%降至0.2%,2020-2035年均增速为3.9%（Cuaresmaz2017）；澳大利亚财政部研究者认为：2020-2030年中国GDP增速为4.3%,2030-2040年为2.4%,2040-2050年为2.0%（Yeung,2013）；EABER（EastAsianBureauofEConOmiCReSearCh,东亚经济研究所）研究者认为：2020-2030年中国GDP增速为4.4%,2030-2040年为2.2%,2040-2050年为1.7%（Hubbard,2016）Q基于对上述研究的总结，研究团队认为，中国的GDP预测应当从中国的现有政策出发，并考虑未来的发展目标，以目标为导向进行分析。根据国家发展规划,中国将在2035年基本实现社会主义现代化，到本世纪中叶，我国将建成富强民主文明和谐美丽的社会主义现代化强国。而社会主义现代化，是指在居民生活水平上向中等发达国家看齐，国家实现跨越中等收入陷阱、跻身创新型国家前列、追赶发达经济三个目标；社会主义现代化强国，是指在居民生活水平上达到世界顶尖水平（刘伟，2020）o因此，结合对现有数据的分析，本研究参考刘伟老师的预测进行展望，考虑到政策刺激，中国的经济增长将达到5.27%,到2035年人均GDP达到2020年2.13倍；20352060年GDP增长为2.64%o上述目标基本同国际国内研究给出的发展路径相当，是一个符合国内国际学界认知的发展路径。在人均可支配收入预测方面，我们依然以目标为导向。党的二十大报告指出：“收入分配是民生之源，是改善民生、实现发展成果由人民共享、实现共同富裕最重要和最直接的方式之一，也是我国高质量发展的重要组成部分”；国家十四五规划指出了未来5年明确的发展目标：“中等收入群体显著扩大，.城乡区域发展差距和居民生活水平差距显著缩小，.居民人均可支配收入增长与国内生产总值增长基本同步，分配结构明显改善”。在分析人均可支配收入增长速率方面，我们也应该着重考虑“居民可支配收入同人均GDP之间的比值”这一关键指标。根据国际数据，2019年中国居民可支配收入同人均GDP之间的比值为43.4%；2020年美国为83.4%,印度为76.9%,德国为60.7%,全球平均水平约60%（图18）o为实现“居民生活水平上体现为向中等发达国家看齐”和“社会主义现代化强国，是指在居民生活水平上体现为达到世界顶尖水平”的最终目标，提升“居民可支配收入同人均GDP之间的比值”指标也至关重要。考虑到上述的分析，十四五期间后，居民可支配收入增长定将快于经济增长。图18：2020年部分国家的居民可支配总收入/GDP（图片来源：彭博、CEIC.WIND,中泰证券研究所）以此为最终目标，本研究参考十四五规划，采用目标推演的方式进行分析,并结合历史数据，并考虑到未来发展的边界效应，不难得出如下预测： 在十四五期间（20202025年）,居民可支配收入增长高于经济增长2%（历史推演）； 2025-2060年，居民可支配收入增长高于经济增长1个百分点； 2035年左右，居民可支配收入占人均GDP比值达到全球平均水平，约60%；2060年左右，居民可支配收入占人均GDP比值达到美国水平，约75%。图19：中国人均可支配收入与人均GDP预测(图片来源：作者自绘)将上述预测指标代入现有GDP数据和人均可支配收入数据进行测算，可以获得未来发展的折线图与柱状图(图19)o以此为预测结果，可进行下一步具体分析。3.12 分配预测：基尼系数预测根据收入总量与收入差距的库兹涅兹曲线，参考Xie等人的建模方式(Xie,2014),运用二次方程拟合人均GDP的对数与基尼系数(图20),其给出的全球库兹涅兹曲线为：Gini=-1.3846+1.0691×log(GDPpercapita)-0.1523Xlog(GDPpercapita)2ZO 9696寸6S Z6 coEooc一O CIA World Factbook UNU-WIDER Recent SurveysFitted Kuznets Curve Trends in China 4.chPs 21l5.56.57.58.59.510.511.5Log GDP per Capita图20：中国、全球其他国家基尼系数与人均GDP之间的关系（图片来源：Xie,2014）同时，Xie等人指出，中国的库兹涅兹曲线明显不同于全球平均水平曲线（图20中的红线）。我们用同样的方法，获得中国经济发展的库兹涅兹曲线（图21）,为：Gini=-1.3846+1.0691×log(GDPpercapita)-0.1523Xlog(GDPpercapita)(3)该曲线的R方指标为0.9055,证明该模型很好地描述了过去中国的经济发展和收入不平等之间的关系。历史GINl (igRi)y = -0l1523x 1.0691x -13846 即= 0.9OSS2.533.544.5图21：中国基尼系数与人均GDP之间的关系（图片来源：作者自绘）基于上述模型，不难拟合出中国2025-2060年间的基尼系数。最终结果如表4所"刁Ko年份20252030203520402045205020552060基尼系数0.4210.3960.3680.3520.3350.3170.3000.278表4：中国2025-2060年基尼系数预测（图片来源：作者自绘）3.13 调整控制：五等分组收入预测第三步为调整控制。在这一步，我们以2020年（最新年份）的五等分组收入调查基础，设定未来的发展路径，通过模拟分析的方法，基于基尼系数的计算公式，将基尼系数逆推为五等分组收入。显然，相同的基尼系数同时指代多个不同的五等分组收入结构，因此我们需要假定未来发展路径，从而确定唯一的五等分组收入解。在这里，我们的假设原则是：中国的收入分配向着公平的方向发展，即沿着此发展路径线性外推，若干年后五个收入分组具有相同的收入，即消灭了贫富差距（假设1）o具体而言，每一类收入群体的收入均稳步增长，但整体分配向着中间、中间偏下和低收入组倾斜，其增速快于中间偏上和高收入组的增速，最终，在增长中实现五个收入组的收入近似相等。基于上述发展路径，我们可以运用模拟分析的方法逆推。最终的预测结果如图22所示。我们对图21的结果结果，结合图3、图18进行了深入解读：2035年，综合对比可支配收入占人均GDP比值（约60%）、人均GDP（约2.5-2.6万美元），中国或将达到中低发达国家水平（葡萄牙）；2060年，综合对比可支配收入占人均GDP比值（约75%）、人均GDP（约4.9万美元），中国将达到/超过发达国家平均水平（英、法、德、日等）。20%低收入组家庭20%中间偏卜收入组家庭20%中间收入组家庭20%中间偏上收入组家庭20%高收入组家庭总平均（算数）计算基尼系数图21：中国五等分组可支配收入预测（单位：元）（图片来源：作者自绘）中等收入群体一直是一个相对概念，随着经济的发展，中等收入群体的定义标准不断发生变化。如2019年，国家统计局将中等收入群体的标准定为月入2000至5000元，即年入24000-60000元；2022年，将中等收入群体的标准定为“家庭的年收入在10万至50万元之间”。很显