第五章 “十四五”時期我國經濟增長趨勢分析與預測

經濟現象的根本是人口現象，是一定時期人口增長速度和結構的外化，輔之以生產率，決定了經濟增長速度。傳統的生產函數模型，在給定勞動力和資本投入的情況下，確定經濟產出，這是一種忽略當前經濟增長約束的理想狀態，而當前經濟的最優狀態是不能排除各種制約因素的。在這種考慮下，本章的研究思路是，首先建立生產函數模型，確定投入要素的增長趨勢，得到最優解下的潛在增長率，然后通過CGE模型對當前經濟中存在的各種制約因素對潛在增長率進行修正，最終得到當期的實際增長速度，進而利用CGE模型的估計結果分析“十四五”時期的經濟結構。

一 “十四五”時期經濟潛在增長速度分析

（一）生產函數法構造及潛在增長速度分析

測算潛在增長率的方法有很多種，參考相關國際經驗，并綜合考慮各種方法的優缺點，我們采用以生產函數法為基礎的潛在增長率測算方法。這一方法可以兼顧短期和長期政策的需求，較純統計技術方法，其可以利用更多的經濟數據并產出更多的信息和細節，較大型模型方法，其數據基礎更好、透明度更高。

在使用生產函數法估計潛在產出時，如果使用投入變量的實際值進行估計，那么得到的只能是產出序列的實際值，而不是潛在產出水平。因此，在估計潛在產出之前，首先要把投入變量調整至潛在水平。為了得到投入變量的潛在值，需要剔除投入變量隨經濟周期波動而波動的部分。現有的文獻中常使用HP濾波法（OECD）或分段線性趨勢方法（CBO）對投入變量進行調整，我們采用更為平滑的HP濾波法對投入變量進行調整，繼而得到相應的潛在產出水平。

其次是對全要素生產率的調整。全要素生產率是僅僅依靠勞動力和資本投入無法解釋的經濟增長部分，技術進步、管理體制創新等因素對產出的貢獻都是全要素生產率對經濟增長貢獻的組成部分。由于這些因素具有不可觀測性，直接模擬和預測全要素生產率非常困難。我們把去除投入擴大產生的經濟增長的剩余部分都歸因于全要素生產率的提高。與其他投入變量相同，在計算潛在產出時，全要素生產率也必須先調整至潛在水平。

生產函數中各投入變量的原始值如表5-1所示，需要特別說明的是，資本存量的數據基于原始數據按照研究中采用的方法外推。折舊率按照投入產出表中折舊比重每五年給出一個固定值。

表5-1 2001～2018年生產函數中各投入變量原始值

表5-1 2001～2018年生產函數中各投入變量原始值-續表

根據上文提到的研究方法，我們首先使用HP濾波法將各投入變量調整至潛在水平，然后按照勞動力投入和資本投入等比重的方法測算得到2003～2018年我國經濟潛在增長率，如表5-2所示。

表5-2 各投入變量的潛在水平以及經濟潛在增長率測算結果

如圖5-1所示，我國經濟實際增長率一直圍繞經濟潛在增長率波動，在2004～2008年偏離較大，經濟實際增長速度高于潛在增長速度。之后產出缺口逐漸縮小，“十三五”期間，經濟實際增長率與潛在增長率非常相似，最大差距不足0.4個百分點，2017年和2018年的經濟增速略高于潛在水平。

圖5-1 2003～2018年我國經濟潛在增長率和實際增長率

（二）使用價格水平變化和產能利用率驗證“十三五”時期潛在增長速度

為進一步檢驗上文中生產函數分析得到的潛在增長率的準確性，我們使用國內生產總值平減指數與產出缺口（經濟實際增長率減去潛在增長率）的對應關系進行分析驗證。從理論上講，當產出缺口擴大，即經濟實際增長速度高于潛在增長速度，經濟過熱時，總需求大于總供給，因此價格總水平將會提高，反之，當產出缺口縮小，經濟增長進入下行周期，總需求不足，價格總水平將會降低。在分析中，考慮到產出缺口不僅影響到本年價格，也會對下一年的價格水平產生影響，因此，我們構造了當年國內生產總值平減指數和下一年平減指數之間的簡單平均數據序列，與產出缺口數據進行對應分析。如圖5-2所示，產出缺口與平減指數之間的走勢非常一致，當產出缺口擴大，平減指數也隨之走高；當產出缺口縮小，平減指數則隨之開始回落。從總的數據序列來看，當平減指數超過4%后，產出缺口會迅速擴大，而當平減指數位于2%左右時，產出缺口較小，實際經濟增長與潛在經濟增長趨勢較為一致。

圖5-2 產出缺口和平減指數對應關系

使用產出缺口數據對工業產能利用率進一步進行分析，從理論上來說，當產出缺口擴大，經濟實際增長速度高于潛在增長速度，經濟過熱時，產能利用率將提高；當產出缺口縮小，經濟實際增長速度低于潛在增長速度，產能利用率將降低。但是我國的產能利用率數據序列較短，僅有2013年以來的數據，進行分析對應的誤差可能會比較大，如圖5-3所示，粗略估計，當產能利用率為75%時，產出缺口趨于零，即經濟實際增長速度與潛在增長速度保持一致。

圖5-3 產出缺口和工業產能利用率對應關系

（三）“十四五”時期潛在增長率預測

進一步使用生產函數法預測“十四五”期間經濟潛在增長率。首先對勞動力投入進行預測。勞動力投入數量基于勞動年齡人口數量。勞動年齡人口數量基本是一個確定值。我們采用16～59歲年齡人口為勞動年齡人口（義務教育在15歲結束），然后按照每年新增勞動年齡人口和退休人口對上一年的數據進行調整。例如，2019年勞動年齡人口=2018年勞動年齡人口-1959年出生人口（2018年退休）+2003年出生人口（2019年進入勞動年齡）。如圖5-4所示，2019年勞動年齡人口延續下降趨勢，但受到1961～1963年三年自然災害期間出生人口減少的影響，2020年后退休人口大量減少，因此2020～2021年勞動年齡人口回升，之后開始下滑，幅度較大，年均超過千萬人，勞動投入對經濟增長的負作用明顯。

圖5-4 勞動年齡人口總量及變化

受勞動年齡人口絕對數量下降影響，勞動年齡人口就業率2011年以后呈上升趨勢，根據“十四五”時期勞動年齡人口預測數據，綜合近幾年就業率的變化趨勢，我們得到就業率的估計值，從而得到勞動力投入的預測值。資本存量的增長速度受到投資增速和折舊率的影響，隨著我國人口撫養比的不斷提高，儲蓄率持續下降，我們預計這種下降趨勢在“十四五”時期仍將持續。進一步構造儲蓄率和資本存量增速之間的函數，發現二者的相關性比較強，因此在預測“十四五”時期的資本存量時，我們以儲蓄率的線性外推值作為依據，而“十四五”時期的儲蓄率則通過其近幾年的趨勢外推得到。折舊率的預測較為簡單，隨著基礎設施進一步完善，投資中折舊率相對較低的建筑安裝工程部分所占比重將進一步降低，而折舊率相對較高的設備工具器具購置的比重將會上升，因此預計“十四五”時期折舊率將會進一步提高，我們按照“十四五”時期其較當前提高1個百分點計算。全要素生產率的預測也是如此，由于“十四五”時期的預測時間跨度較短，經濟技術創新取得突破性進展的概率較低，在基準情景下，我們預計全要素生產率仍然按照當前的趨勢發展，通過線性外推的方法得到“十四五”時期全要素生產率的預測值。最終使用HP濾波法得到這些投入變量在預測期的變化趨勢，如表5-3所示。

表5-3 主要變量變化趨勢預測

將各投入變量的預測值帶入生產函數，可以得到“十四五”時期的經濟潛在增長率的預測值。基準情景下，即TFP增速保持當前的趨勢下，“十四五”時期經濟增長速度可以達到5%。當然，全要素生產率的變化是諸多因素中最難以確定的，也是對經濟增長最為重要的影響因素。未來我國TFP的增長速度，取決于一系列TFP的影響因素，如科技水平的提高、資源配置效率的改善、人力資本的積累、經濟體制改革深化的推進程度以及政府職能的改善等。“十四五”時期全要素生產率加速提高具有良好的基礎，但也存在一定的不確定性，因此在基準情景之外，我們再分兩種情景對其未來的變化進行分析。如果在“十四五”時期全要素生產率加速提高，超出了當前的增長趨勢，經濟潛在增長率將會提高，即樂觀情景，假設全要素生產率較當前趨勢提高10%，那么“十四五”時期的經濟潛在增速可達到5.51%。如果“十四五”時期全要素生產率提高受阻，速度不升反降，假設比當前趨勢下降10%，即悲觀情景下，“十四五”時期的經濟潛在增長速度將下降至4.51%。

表5-4 不同情景下經濟潛在增長率預測

表5-4 不同情景下經濟潛在增長率預測-續表

二 利用動態CGE模型對經濟潛在增長速度進行校準

可計算一般均衡（Computable General Equilibrium，CGE）模型自Johanson（1960）提出以后，發展至今已有60多年的歷史，已成為應用經濟學領域的重要分支。世界上多數發達國家和部分發展中國家均陸續建立起本國的CGE模型，以開展經濟形勢分析和政策評估工作。相較于傳統計量經濟學研究方法，CGE模型具備清晰的微觀經濟學基礎、宏微觀兼具的模型結構、良好的擴展性和適用性等諸多優勢，因此被廣泛應用于國際貿易、財政稅收、收入分配、經濟發展、資源環境等各類研究領域。

（一）動態CGE模型的構建

1.社會核算矩陣（SAM）的編制

社會核算矩陣（Social Account Matrix，SAM）作為CGE模型的數據基礎，是CGE模型的重要組成部分。傳統的投出產出表（Input-Output Table）僅描述了經濟系統中生產性部門之間的投入產出關系，并未覆蓋非生產性部門及居民、企業、政府等各類賬戶之間的實物和貨幣流通情況，對于整體經濟運行狀況的描述并不全面。SAM表在傳統投入產出表的基礎上，通過引入財政、稅收、轉移支付、投資儲蓄等非生產性部門的相關經濟數據，對于經濟系統中各賬戶之間的資金流動及分配關系進行了更為全面的描述。

本模型以最新的2015年中國42×42部門投入產出表（引自《中國投入產出表（2015）》）、2015年全國一般公共預算和決算收支總表（引自《中國財政年鑒（2016）》）、2015年非金融交易資金流量表（引自《中國統計年鑒（2017）》）等作為主要資料來源，編制了我國2015年宏觀社會核算矩陣。具體賬戶設置及描述情況如表5-5所示。

表5-5 中國宏觀社會核算矩陣的賬戶設置及描述

2.動態CGE模型的設置

本研究采用開放經濟下的遞歸動態CGE模型，包含：生產模塊、國外模塊、家庭模塊、企業模塊、政府模塊、投資儲蓄模塊、宏觀閉合模塊、遞歸動態模塊，合計8個子模塊。其中，生產模塊采用雙層嵌套的設計方案，外層嵌套設置為CES函數，內層嵌套針對生產要素和中間投入商品分別設置為CES函數和Leontif函數；國外模塊分別選擇Arminton條件和CET函數計算國內生產和銷售商品與進口和出口商品之間的替代關系。

以跨期投資—儲蓄演進方程實現模型的遞歸動態。t+1期資本存量主要由兩部分組成：第一部分為t期資本存量減去資本折舊，表征上期的存量資本；第二部分為t期投資總額，表征上期的增量資本。t期存量與增量資本共同形成t+1期資本存量。具體跨期遞歸動態關系如下式所示：

QKSTOCK（t+1）=（1-dep）·QKSTOCK（t）+EINV（t）

其中，QKSTOCK（t）、QKSTOCK（t+1）分別表示t期和t+1期資本存量，EINV（t）表示t期投資總額，dep為宏觀經濟資本折舊率。

經校準后的動態CGE模型能夠對宏觀經濟運行狀況及其變化趨勢做出較好模擬，顯示現有模型設置方式合理刻畫了我國宏觀經濟系統的整體狀況及其結構特征，顯著增加了后續數值敏感性試驗及結構分析預測的合理性及可信度。2016～2018年實際GDP增速與動態CGE模型模擬結果如表5-6所示。

表5-6 2016～2018年國家統計局及動態CGE模型模擬的實際GDP增速

（二）利用動態CGE模型校準經濟潛在增長速度

上文中已通過生產函數法對我國“十四五”時期不同情景下的潛在經濟增長率進行了定量預測。事實上，經濟潛在增速的計算僅考慮了勞動力、資本以及全要素生產率的變化情況，是在已有政策環境未發生改變的前提下得到的基準數值，與實際增速預測值之間仍存在一定差異。該差異主要源自經濟系統對于現有政策變化所作出的調整和反應，本部分我們將利用動態CGE模型針對影響宏觀經濟運行的關鍵政策因素開展數值敏感性試驗，從而對上述經濟潛在增速進行校準，以對未來政策環境下經濟的實際變化情況做出預測。當前階段，中美經貿摩擦所導致的進出口關稅調整，以及國內減稅降費政策所導致的企業經營成本下降，將對我國“十四五”時期的經濟增長趨勢造成顯著影響。因此，下文中我們將利用動態CGE模型，考察上述政策環境變化對于“十四五”時期我國經濟發展的具體沖擊和影響，最終對經濟潛在增速進行調整和校準。

1.關稅調整

美國和中國分別是世界第一、第二大經濟體，兩國之間的貿易摩擦不僅會對兩國的經濟發展形成明顯沖擊，而且會對世界貿易格局和經濟形勢造成較大影響。現階段，兩國之間的貿易摩擦主要以互相加征關稅的方式予以體現，并出現逐步向其他領域擴散的苗頭。美國貿易代表辦公室（United States Trade Representative，USTR）宣布自5月10日起，對我國價值2000億美元商品的關稅由10%上調至25%，截至目前累計征稅商品規模已達2500億美元，關稅稅率達到25%。

美國對我國出口商品加征關稅后，將導致銷售價格不變的前提下，國內對美國出口企業的營業收入減少，企業利潤受到擠壓。與此同時，加征關稅行為將提升我國出口商品的終端銷售價格，最終對我國商品在美國市場上的競爭力產生負面影響。為此，本章通過稅收歸宿分析和價格沖擊的方式，利用動態CGE模型系統評估上述加征關稅行為對我國“十四五”時期實際GDP增速所造成的沖擊效果。值得指出的是，由于動態CGE模型基于一般均衡理論構建而成，模型評估結果既考察了美國加征關稅行為的直接和間接影響，又反映了經濟系統自身的反饋調節機制和內生平衡狀態。

為更好地反映未來中美經貿磋商不同情景下的經濟狀況，本章設計了“關稅次年取消”和“關稅持續存在”兩種試驗情景。具體而言，“關稅次年取消”情景下，價值2000億美元商品的關稅稅率由10%上調至25%的沖擊事件僅在2019年發生，后續年份關稅稅率恢復至原有水平；“關稅持續存在”情景下，上述關稅加征行為自2019年開始一直持續至2025年，其間對美國出口商品關稅始終保持在25%的較高水平。2019～2025年期間，動態CGE模型模擬的實際GDP增速變化情況如表5-7所示。

表5-7 不同征稅情景下實際GDP增速及其變動情況

動態CGE模型的模擬結果顯示，整體而言美國對我國出口商品加征關稅將對我國實際GDP增速造成負面沖擊，上述沖擊的影響程度總體有限，且隨著時間的推移影響幅度逐漸減小。具體而言，“關稅次年取消”情景下，關稅沖擊當年實際GDP增速下滑0.59個百分點至5.99%，次年關稅取消后經濟快速回暖并疊加上年低基數影響，經濟增速出現大幅上漲，2020年GDP實際增速達6.79%；隨后，基于經濟系統自身調節機制，國內外市場消費實現再次平衡，單年關稅沖擊效果被逐步消化，“十四五”時期負面沖擊幅度僅為-0.016個至-0.014個百分點，影響程度十分有限。“關稅持續存在”情景下，負面沖擊的影響程度較單年份沖擊明顯提升，在對2019年GDP增速造成-0.59個百分點的實際沖擊后，次年負面沖擊繼續保持但量值水平有所回落，同時伴隨著時間的推移經濟系統對于上述沖擊的敏感性不斷下降，負面沖擊幅度保持在-0.175個至-0.162個百分點。

2.減稅降費

近年來，我國勞動力、土地等生產要素成本不斷攀升，企業經營狀況日益惡化，疊加全球經濟放緩和外部風險挑戰增多，我國經濟增速呈現持續回落態勢，2018年下半年至今經濟下行壓力尤為明顯。面對上述局面，黨中央、國務院于近期出臺了一系列逆周期調節政策，其中以減稅降費為代表的財政手段力度空前，對于提振市場信心、平抑經濟波動起到了重要作用。2019年政府工作報告提出，全年計劃減輕企業稅收和社保繳費負擔近2萬億元，減稅幅度較2018年提升近7000億元，財政政策加力提效趨勢不減。具體而言，2019年政府減稅降費目標設定為1.84萬億元，2018年我國企業所得稅規模達3.53萬億元，若全部減稅降費額度均通過降低企業所得稅的方式實現，相當于在現有基礎上下調企業所得稅率的50%。

為定量考察減稅降費措施對于宏觀經濟的實際拉動作用，本章以企業所得稅率作為沖擊變量，通過設定單年減稅和持續減稅兩種減稅方式，考察不同減稅周期下的經濟狀況。與此同時，為進一步研究不同減稅力度下經濟的實際提振效果，稅率方面設定為低于預期（-25%）、符合預期（-50%）和超過預期（-75%）三種情景。數值敏感性試驗的具體設計方案如表5-8所示。

表5-8 “減稅降費”數值敏感性試驗設計方案

“單年減稅”試驗的結果顯示，整體而言減稅降費措施將對經濟增長形成明顯提振作用，減稅幅度越大經濟增速提高幅度越大，且減稅效果在減稅政策執行后的1～2年內最為顯著，隨后便出現大幅衰減。具體而言，符合預期（-50%）情景下政策執行當年將直接拉動實際GDP增速提升0.0331個百分點，次年再度提升0.0412個百分點，兩年累計提振幅度達0.0743個百分點，隨后政策效果出現大幅衰減，“十四五”時期正面影響幅度維持在0.0054～0.0064個百分點。可以看到，單年減稅降費政策約對沖單年加征關稅負面沖擊的40%，其余影響無法通過現有減稅降費規模予以彌補。低于預期（-25%）和超過預期（-75%）情景下實際GDP的增速變化均呈現上述特征，首年提振幅度分別為0.0165個和0.0498個百分點，次年提振幅度分別為0.0206個和0.0617個百分點，整體上可分別對沖單年加征關稅影響的20%和60%。

表5-9 單年減稅方式下各減稅情景實際GDP增速水平值

表5-10 單年減稅方式下各減稅情景實際GDP增速與參照組差值

“持續減稅”試驗的結果顯示，相較于單年減稅，持續減稅對于經濟增長速度的提振作用顯著增加，且減稅降費政策對實際GDP增速的正向激勵效果隨著時間的推移不降反升，存在一定程度的“累積效應”。具體而言，以超過預期（-75%）情景下實際GDP增速的變化情況為例，2019年減稅降費政策可提高經濟增速水平0.498個百分點，與同期單年減稅方式基本持平，但隨后政策的正向激勵效果進一步擴大，次年便提高至0.1293個百分點，“十四五”期末拉動幅度已達0.1711個百分點，約為同期單年減稅方式的近21倍。因此，持續減稅政策對于經濟的提振效果并非單年減稅政策的線性外推，而是具有顯著的“累積效應”，未來在應對外部事件對我國經濟的負面沖擊方面應優先選擇持續減稅的執行方式，以達到事半功倍的效果。與此同時，上述結果顯示超過預期（-75%）情景下持續減稅政策能夠基本上對沖持續加征關稅影響的負面沖擊，低于預期（-25%）和符合預期（-50%）情景下對沖效果分別達到30%和60%。

表5-11 持續減稅方式下各減稅情景實際GDP增速水平值

表5-12 持續減稅方式下各減稅情景實際GDP增速與參照組差值