人口红利区域分布失衡与空间发展不平等：劳动力价值低估视角
2023-05-05   来源：徐春华 龚维进   

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出，当今世界正经历百年未有之大变局，我国发展不平衡不充分问题仍然突出，并要加快推动农业转移人口全面融入城市。中国共产党的二十大报告进一步指出，当前发展不平衡不充分问题仍然突出，城乡区域发展和收入分配差距仍然较大。在此背景下，全面认识中国人口红利及其空间分布现状，不仅是加快农业转移人口市民化的客观需要，而且是审视中国区域发展失衡问题以及推动经济高质量发展的内在要求。

在经济学界，“人口红利”一般被理解为当人口年龄结构处在最富有生产性的阶段时充足的劳动力供给和高储蓄率为经济增长所提供的一个额外的源泉。当前对于人口红利的研究可谓汗牛充栋。随着计划生育政策贯彻落实以及人口老龄化趋势的逐步显现，社会各界对中国这一人口大国的人口红利是否消失一直存在争议。譬如，对于网络上中国人口负增长、人口红利消失的言论，2019年1月国家统计局原局长宁吉喆国新办新闻发布会上回应称，中国劳动年龄人口仍有约9亿人，中国的人口红利仍然存在。据国家统计局公布的《2019年农民工监测调查报告》显示，2019年农民工总量达到29077万人，比上年增加241万人，增长0.8%。其中，本地农民工11652万人，比上年增加82万人，增长0.7%；外出农民工17425万人，比上年增加159万人，增长0.9%；西部地区输出农民工人数增加最多，增量占到新增量一半以上。特别地，在2020年5月28日十三届全国人大三次会议记者会上，李克强总理语重心长地强调中国有“6亿中低收入及以下人群，他们平均每个月的收入也就1000元左右”。

事实上，“人口红利”不仅包含劳动力数量这一“量”的内涵，还具有劳动力价值补偿低估程度这一“质”的蕴意。具体说来，从马克思主义政治经济学的理论出发，人口红利还可以从单个进城农民工劳动力价值实现程度这一“质”的维度进行考察，即进城农民工实现劳动力价值补偿在理论上的应得报酬与其实际获得的工资之间的差额应为测量“人口红利”的另一个有价值的维度。特别是在区域发展不平衡不充分问题已成为当前主要矛盾的现实背景下，中国不同地区劳动者的劳动力价值及其实现程度如何？是否存在因劳动力价值普遍低于所得工资而衍生的人口红利，并且这一“人口红利”的区域分布差异将对中国空间不平等产生怎样的影响？

科学回答上述问题，不但具有明显的创新之处，还具有重要的理论与实践价值。理论上，有利于推进马克思劳动力价值构成理论的研究，深化“人口红利”与劳动力价值低估之间内在关系的认识，是新时代运用马克思主义的立场观点方法解释和解决中国现实问题的有益尝试。如何立足于中国实际估算出各地区劳动者的劳动力价值进而研判其实现程度，这是一个理论难点，需要在深入理解马克思关于劳动力价值主要构成的基础上，准确把握中国具体国情，并搜集整理甚至采用相关技术方法估算出用于测度劳动力价值的原始数据。这些研究工作深化了劳动力价值构成理论的认识，丰富了人口红利的测度方法。实践上，为提高劳动者收入、扩大内需以及中国区域经济平衡发展政策设计提供理论和实证依据。对中国各地区人口红利进行测度和量化并由此考察区域空间不平等问题，有助于认识我国当前人口红利的实际情况及其空间分布差异，把握当前内需不振的劳动力价值低估根源，为推进中国区域经济平衡增长提供政策保障。

对中国不平等问题的研究历来是学术界研究热点，研究话题主要包括在收入不平等，城乡不平等或收入差距、机会不平等、教育不平等等方面，并得出了不少有价值的结论。当然也有学者立足马克思、恩格斯城乡关系理论考察新时代我国城乡发展不平衡不充分问题。然而，立足于劳动力价值的视角考察中国区域空间不平等问题的研究则并不多见。事实上，劳动力价值是马克思主义政治经济学的核心概念，颇受学界关注，特别是在对劳动力价值的测度及其所伴随的经济影响方面，相关研究不断涌现。代表性研究包括比较分析人力资本理论与劳动力价值，从剩余价值维度分析劳动力价值，从代际传承关系考察劳动力年价值问题，将共享特性纳入劳动力的再生产过程中进行考察。

具体到劳动力价值的实现方面，学界一般将工资高低看作劳动力价值实现程度的重要表现形式。现有研究尽管采用了不同的研究方法和研究视角，但基本上都认为中国劳动力价值实现程度偏低。譬如，通过采用“无储蓄原则”测算中国全国平均的劳动力价值后研究发现，中国城镇中约有40%的居民的收入低于劳动力价值水平；通过对我国城镇居民的劳动力价值进行了测度后发现，我国中低收入人群无法凭借工资实现其劳动力价值；通过田野调查发现，乡村劳动力价值萎缩是传统乡村衰败的表现之一。特别地，有学者认为人口红利源于劳动力的价格与价值趋于一致的时滞，在量上表现为劳动力的价格与价值的差额，在人口红利时期，劳动力严重过剩，使得劳动力价格被压低到劳动力价值以下，人口红利得以产生。可见，劳动者劳动所得的工资回报明显低于劳动力再生产所必需的价值构成，由此形成的劳动力价值的实现程度过低的缺口或差额即为人口红利的本质。

值得一提的是，尽管现有研究已逐渐从马克思主义政治经济学中劳动力价值实现程度的维度探讨了劳动力价值的测算方法或测算了劳动力水平，但是均在不同程度上忽视了劳动力价值决定中的历史与道德因素，更没有进一步搜集整理相关数据并按照相应方法对人口红利进行量化分析。由此而进一步引申的一个与人口红利密切相关的问题是：人口红利的空间分布不均将对中国区域间的空间发展不平等造成怎样的影响？对此，相关研究很少涉及。此外，现有研究在考察区域空间不平等问题时普遍采用人均GDP、人均劳动报酬或者基尼系数作为测算指标，然而这些指标存在的一个明显缺陷就是忽视了空间关联背景下不同地区之间不平等所蕴含的“空间”属性。

尽管马克思经济学蕴藏着丰富的空间经济思想并且已有不少学者采用马克思的相关理论来审视区域发展失衡和空间不平等现象，然而立足于劳动力价值视角估算出中国人口红利，进而探讨人口红利对中国空间不平等的研究则尚付阙如。从马克思主义政治经济学维度看，劳动力价值的实现程度过低产生的这种人口红利在不同地区中的分布失衡必然会对区域空间不平等产生重要影响。有鉴于此，一方面，我们拟将在深入梳理马克思关于劳动力价值构成及其影响因素尤其是历史和道德因素的基础上，估算出中国各地区劳动力价值水平，进而推算出各地区的人口红利的数据。另一方面，将空间关联因素纳入考察空间不平等的测度过程中，从而采用空间基尼系数（spatial Gini coefficient，spGini）测度中国各地区的空间不平等程度，进而剖析不同地区中人口红利分布差异对空间不平等的具体影响。

（一）劳动力价值及其主要构成

在经济思想史上，马克思不仅最早区分了劳动和劳动力，而且对劳动力的价值决定因素进行了全面深入分析，明确指出“生产劳动力所必要的劳动时间，可以归结为生产这些生活资料所必要的劳动时间，或者说，劳动力的价值，就是维持劳动力占有者所必要的生活资料的价值”。劳动力价值会“随着这些生活资料的价值即生产这些生活资料所需要的劳动时间量的改变而改变”，并且“是由平均工人通常必要的生活资料的价值决定的”。

总体上，劳动力价值（记为V）构成主要包括如下四方面。第一方面（记为V1）是在正常生活状况下“维持劳动力所有者所需要的生活资料的价值”，虽然“在一定的国家，在一定的时期，必要生活资料的平均范围是一定的”，但是这个必不可少的需要的范围是随着劳动者所处的不同环境而变动的，“由于一个国家的气候和其他自然特点不同，食物、衣服、取暖、居住等自然需要本身也就不同”。第二，劳动力价值还应该“包括工人的补充者即工人子女的生活资料，只有这样，这种独特的商品占有者的种族才能在商品市场上永远延续下去”，将之记为V2。第三，劳动力价值还应该包括劳动者为了适应社会再生产需要而进行教育与训练方面的支出（记为V3），因为劳动者想要“成为发达的和专门的劳动力，就要有一定的教育或训练，而这又得花费或多或少的商品等价物”。第四，马克思还特意指明了，“和其他商品不同，劳动力的价值规定包含着一个历史的和道德的要素”，并记为V4。

综上可知，劳动力价值V= V1+ V2+ V3+ V4，这四部分之和大致构成了劳动力价值的主要测度范畴。在现实当中，“劳动力价值表现为工资形式”，然而劳动者所获得的工资报酬未必就恰好等于这四部分总和，或者说生产者出于最大化剩余价值的需要而往往倾向于尽可能地压低工人工资，使得劳动者的工资收入并不能覆盖这四部分的价值总和，由此产生了人口红利的衍生空间。尤为值得一提的是，在考察和测算中国人口红利的分析过程中，特别需要重视中国城乡分割的二元经济格局事实。中国是一个农业人口大国，而户籍制度的存在限制了进城务工的农民工无法完整享受到城镇职工的薪酬待遇和各项福利保障，使得农民工所得的劳动报酬明显低于由全国经济发展和城镇化进程所决定的劳动力价值的整体平均水平。

具体说来，第一，中国农民工候鸟式迁移，具有“半工半耕”的特征，而且留守老人自给自足的小农生产模式解决了农村家庭的大部分生活资料，缓解了外出农民工的养家负担，压低了劳动力价值中的V1部分。第二，农村的“留守儿童”在生长发育过程中的营养保障相对欠缺，进城农民工在技能提高和教育培训方面的应有的补偿也往往被严重低估，由此使得劳动力价值中V2和V3的组成部分被严重低估。第三，中国劳动力价值中由历史和道德因素所决定的劳动力价值补偿部分也被忽视。就中国当前的现状而言，购房压力、医疗压力、养老压力、子女教育压力等都成为影响我国当前劳动力价值的突出的历史和道德因素。总之，以农民工为代表的中国农村劳动者在必要生活资料、子女教育、技能培训以及历史道德等方面价值补偿的低估使得中国农民工或农村劳动者的工资报酬将普遍低于其劳动力价值，“人口红利”由此产生。

（二）中国省际“人口红利”估算

基于前文分析不难发现，要估算中国省际“人口红利”必须先具备如下两大指标，即中国劳动力价值水平和中国农村劳动力实际人均收入水平，而两者的差额则可作为各地区中人口红利的测度水平。然而在使用《中国统计年鉴》中各省市自治区的相关数据进行分析时首先碰到的一个问题是统计口径的差别。具体说来，2012年以前中国城镇居民收支数据来源于独立开展的城镇住户抽样调查，而从2013年起，国家统计局开展了城乡一体化住户收支与生活状况调查，2013年及以后数据来源于此项调查，与2012年前的分城镇和农村住户调查的调查范围、调查方法、指标口径有所不同。考虑到相关数据尤其是下文用于测算各地区空间不平等的空间基尼系数这一指标构造过程中的数据可得性，我们统一将本文的样本研究年限设定为2006—2017年。

对于中国农村劳动力实际人均收入水平数据的获取，我们采取如下做法。对于2013年及该年以后的数据，我们直接采用相应年份的《中国统计年鉴》中的“分地区农村居民人均可支配收入”代替，然而在2012年以前并没有“分地区农村居民人均可支配收入”和“分地区居民人均可支配收入”这两类统计数据，从而需要设法估算。对这两类数据进行估算之前，我们需要作出如下假定：尽管在2013年以后的数据采用了不同的统计口径、统计范围和统计方法，但是同一指标（如农村居民人均可支配收入）在另一指标（如居民人均可支配收入）中的占比应是相对固定的。

在如上假定的基础上，首先，我们把2013—2017年间分地区农村居民人均可支配收入在相应年份的分地区居民人均可支配收入中的比重作为各省市自治区的权重，分别作为2008—2012年间各地区农村居民人均可支配收入占各地区居民人均可支配收入比重的替代指标；同时，考虑到越是临近年份则其相关信息越强的经验事实，用2008—2010年这三年间各地区农村居民人均可支配收入占各地区居民人均可支配收入比重的均值作为2007年的各地区农村居民人均可支配收入占各地区居民人均可支配收入比重的替代指标，同理用2007—2019年这一比重的均值作为2006年各地区农村居民人均可支配收入占比的替代指标。由此构造出了2006—2010年各地区农村居民人均可支配收入占各地区居民人均可支配收入的权重替代指标（简记为“农村居民人均可支配收入权重”）。其次，考虑到中国城乡二元经济的现实，我们采用以下方法估算2006—2012年间的“分地区居民人均可支配收入”。

分地区居民人均可支配收入=分地区农村居民家庭人均纯收入×农村人口比重+分地区城镇居民平均可支配收入×城镇人口比重

进而通过如下方法估算出2006—2012年间各省市自治区的农村居民人均可支配收入。

农村居民人均可支配收入=农村居民人均可支配收入权重×居民人均可支配收入

在以上基础上，采用各全省市自治区以2006年为基期的居民消费价格指数进行调整，即可得到2006—2017年间各地区农村居民人均可支配收入（单位：元）的实际数值。

与前文类似，2012年以前的《中国统计年鉴》没有“分地区居民人均消费支出”这一统计数据，从而需要设法估算。我们把2013—2017年间分地区居民人均消费支出在“分地区居民人均可支配收入”中的比重作为各省市自治区的权重，作为2008—2012年间各地区居民人均消费支出占各地区居民人均可支配收入比重的替代指标。分别用2008—2010年这三年以及2007—2009年这三年各地区居民人均消费支出占各地区居民人均可支配收入比重的均值依次作为2007年与2006年比重的替代指标。由此构造出了2006—2012年各地区居民人均消费支出占各地区居民人均可支配收入的权重替代指标（简记为“居民人均消费支出权重”）。进而2006—2012年各地区居民人均消费支出可通过如下等式估算：

分地区居民人均消费支出=分地区居民人均可支配收入×居民人均消费支出权重

通过以上方法我们可以整理出2006—2017年各地区居民人均消费支出数据，采用各省市自治区居民消费价格指数（2006年=100）对之进行调整后的数值（单位：元）作为劳动力价值中V1+ V2+ V3的测度值。

此外，劳动力价值中V4部分也是在估算中国劳动力价值时一个不容忽视的组成部分。出于数据可得性等方面的综合考虑，我们把高昂的房价作为我国当前影响劳动力价值的最为凸显的历史和道德的因素。我们搜集整理了2006—2017年中国各地区的商品房销售额（单位：百万人民币）和商品房销售面积（单位：万平方米）的相关数据，进而得出中国各地区的历年的商品房每平方米销售价格的均值（单位：元/平米）。在此基础上，一方面为了避免部分省市房价连年攀高而过度或夸大扭曲历史的道德的因素对劳动力价值的影响，另一方面考虑到劳动力价值的完全实现并不意味着消费者能够购买商品化住宅，我们采用如下方法估算劳动力价值中的历史的道德的因素在劳动力价值中的补偿部分。

历史的道德的因素的劳动力补偿=各地区的商品房每平方米销售价格均值/12

将每年房价均值按照12个月进行平摊这一做法的基本思想是：在捕获以房价为主要表征的中国当前劳动力价值构成中历史和道德因素的同时，又不过分夸大这一因素对劳动力价值的影响。基于此，各地区劳动力价值平均水平即可通过如下方式测算。

各地区劳动力价值平均值=居民人均消费支出+历史和道德的因素的劳动力补偿

在估算出各地区劳动力价值平均值和农村劳动力实际人均收入水平这两类数据的基础上，各地区中人口红利的人均贡献水平可通过如下方法得出：

人口红利的人均贡献水平=劳动力价值平均值－农村劳动力实际人均收入

（三）测算结果与典型事实

表1给出了中国各地区人口红利人均贡献水平的部分估算结果。从中不难看出，中国各地区人口红利人均贡献水平存在明显的地区差异，并且基本上都呈现上升态势。以北京为例，2006年，一个在北京务工的农村劳动者所获得的年平均工资报酬低于其劳动力价值13437元，或者说人均贡献13437元的“人口红利”；到2017年，这一数值上升到31059元，由此表明到京务工的农村劳动力者的年实际平均工资尽管是逐年上升的，然而相对于其劳动力价值应有的补偿而言则是缺口再扩大的。

从时间维度变动趋势看，图1给出了2006—2017年间全国30个省市自治区人口红利人均贡献、农村居民人均可支配收入以及劳动力价值等三大数值的平均值及其变动情况。总体上，这三者均呈现明显上升趋势，农村居民人均可支配收入以及劳动力价值都有较快上升，但是前者的增长速度整体上落后于后者，使得人口红利人均贡献的均值也在逐年增长。

从各地区2006—2017年间劳动力价值均值这一空间维度看（图2），北京、上海两地的均值位居前列并且明显高于其他地区，天津、浙江、广东、江苏、福建等东部重要省市跟随其后，而云南、甘肃、贵州和西藏等西部地区则位列末位。总体上看，劳动力价值均值大体上呈现由东部地区依次向中部地区和西部地区逐渐递减的空间变化趋势，这与我国当前东部地区生活成本相对较高的现状是相吻合的。

从各地区2006—2017年间人口红利人均贡献均值的空间差异维度看（图3），北京、上海两市的数值依旧位列前茅，广东、天津跟随其后，而西藏仍然排在末位。整体上看，东部沿海地区依然是人口红利人均贡献最高的地区，到这些地区务工的农村劳动者尽管能够获得比中西部内陆地区相对较高的工资报酬，但是这些工资收入比他们在这些地区所应该给予的劳动力价值补偿低较多，从而为东部地区经济发展贡献了较大的人口红利。

（一）人口红利人均贡献差异影响空间不平等的内在机理

一方面，人口红利人均贡献高的地区将推动其经济发展，由此产生经济增长的空间极化效应，不断扩大空间不平等。由前文测算结果易知，人口红利人均贡献位居前列的北京、上海、广东的地区不仅外来人口总量大，而且经济发展水平也较高。由于劳动力价值低估而产生的人口红利意味着经济发展过程中劳动者实际所获取的工资回报并未与其工作所在地实现劳动力的补偿与发展需要相吻合，而是以低于劳动力价值的工资报酬投入到该地区的经济生产过程中，为该地区经济增长提供持续动力支撑和注入更大动能。

另一方面，人口红利集聚地区经济持续增长，会对邻居地区甚至非相邻的其他地区中的资本、劳动等生产要素产生持续的集聚与吸附效应，不利于邻居地区甚至非邻居地区的经济增长，相应地该地区经济增长则趋于极化发展，从而进一步扩大该地区与其他区域之间的空间不平等程度。基于上述分析提出如下假设1。

假说1：人口红利人均贡献差异将通过区域经济增长空间极化效应加大地区间空间不平等

由于本文所量化的人口红利是从劳动力价值低估的视角考察的，因此意味着人口红利人均贡献越大则该地区劳动者劳动力价值低估越多，所面临的生存压力更大，从而减弱发达地区对外来劳动力的吸引力，并推动劳动力迁移到其他相对落后且劳动力价值实现程度相对较高的地区。譬如，《2019年农民工监测调查报告》显示，从输入地看，2019年在东部地区就业的农民工15700万人，比上年减少108万人，下降0.7%，占农民工总量的54%；在中部地区就业农民工6223万人，比上年增加172万人，增长2.8%，占农民工总量的21.4%。

外来劳动力回流或迁移到邻居地区甚至非相邻的其他地区，将通过增加这些地区的劳动力供给而推动其经济增长，同时会减少流出地区的劳动力供给从而制约这些地区经济增长。同时，邻居地区的人口红利增长还可能对目标地区经济增长进而其空间不平等产生负外生交互效应，进而有利于缩小区域空间不平等。基于上述分析提出如下假设2。

假说2：人口红利人均贡献差异将通过外生交互效应和空间外溢效应缩小空间不平等

（二）空间计量回归模型设定

由于空间关联作用的客观存在，我们将从广义嵌套空间模型（GNS）出发对多种常用的空间计量模型的不同形式及其关系进行梳理。GNS一般表述成如下形式：

（1）式中，Y为N×1的因变量向量，X为N×K的自变量矩阵，WY表示因变量内生交互效应，WX表示自变量的外生交互效应；α为常数项向量，ρ、β、θ、λ为对应的归系数向量，而且ρ和λ被统称为空间相关系数；IN为N×1且元素都为1的列向量，；u为N×1的扰动项列向量，Wu为扰动项的交互效应。在（1）式中，若λ=0，则模型退化为空间杜宾模型（SDM）。在SDM中，当θ=0时，为空间自回归模型（SAR）；当θ=-ρβ时，为空间误差自相关模型（SEM）；当ρ=0时，即为解释变量空间滞后模型（SLX）。先从GNS出发，通过Wald检验、稳健LM值检验、空间相关系数显著性等指标对不同的空间计量回归模型进行筛选，并选用最为合适的空间计量回归模型实证分析人口红利空间分布不均对区域空间不平等的具体影响。为了考察本文回归结果的稳健性，我们将结合二进制邻接空间权重矩阵（binary）、反距离平方空间权重矩阵（Invsqu）、截断距离空间权重矩阵（cut-off）以及经济距离权重矩阵（economic）等四种不同的主要空间权重矩阵的回归结果进行考察。

（三）变量构造与空间相关性检验

1.变量构造

假设一个区域系统有子区域i和子区域j，则基尼系数（Gini）可以用（2）式来表示。

其中，xi和xj分别为测度子区域i和子区域j不平等程度的变量，为x的均值，n为区域系统的子区域数量。为了测度区域之间的空间不平等程度，引入空间权重矩阵来反映区域之间的联系,可以将（2）右边的分子部分写成如下形式：

式（3）中，wij为空间权重矩阵。式（3）表明，基尼系数不仅与反映子区域i和子区域j的变量有关，还与子区域i和子区域j之间的空间关系有关。将（3）式代入（2）式并拆分同类项，可以得到区域的空间基尼系数（SpGini）为：

由式（4）可知，区域的空间基尼系数可以邻居区域之间的空间差异即式（4）右边第一部分和非邻居区域之间的空间差异即式（4）右边的第二个部分加总算出。我们已经搜集整理了2006—2017年全国地级市层面人均GDP或人均收入等数据，然后按照公式（4）计算出各省际空间基尼系数。由此易知，SpGini的计算充分考虑到了由于不同区域间的空间关联对空间不平等的影响，因此理应比传统的空间基尼系数更能测度出中国不同地区之间的空间不平等程度。值得一提的是，由于山西和内蒙古为资源输出型省区，海南和西藏数据缺失较多，因此本文的研究对象为中国境内27个省市区。

在其他主要控制变量的构造方面，除了人口红利（demdiv）这一核心解释变量以外，我们还构造了如下主要控制变量：以每万人中普通高校在校学生数为人力资本（psacp）的代理变量；采用城镇人口在总人口中的比重作为城镇化率（urban）的侧端指标，采用人口抚养比（derapo）控制人口年龄结构变动对空间不平等的影响，采用经汇率转换后的人均实际利用外资（fdi）为测度的对外开放水平。

2.空间相关性检验

表2给出了基于二进制邻接矩阵对被解释变量和主要解释变量之间Moran’s I的检验结果，第（1）列是空间基尼系数对所有解释变量的综合空间相关性检验的结果，第（2）—（6）列分别是各个解释变量的空间相关性检验结果。从表2中Moran’s I 的检验结果易知，各个变量都存在着显著的正向空间关联作用，由此印证了采用空间计量回归模型进行实证分析的科学性与合理性。

表2  各变量的Moran’s I 检验结果

（一）总体样本回归结果分析

从表3中不难看出，φ2-test检验结果表明需要控制空间效应，但是Hausman检验结果表明并不能同时固定时间效应和空间效应。因此，作为对比，表3第（7）列给出了仅固定空间效应的SAR估计结果，第（8）列给出了既无时间固定效应也无空间固定效应的SDM估计结果，第（9）列给出了仅固定空间效应的SDM估计结果，第（10）—（11）列为分别采用反距离平方矩阵和经济距离矩阵的稳健性检验结果，第（12）—（14）列分别为截断距离为400km、700km和1000km的截断距离矩阵的稳健性检验估计结果。

总体上看，大多数空间权重矩阵下SDM估计结果均表明，人口红利变动能够对空间不平等产生显著的正向作用。但是，由于全局识别出来的估计系数并不能彼此比较，我们不能直接把SDM的回归系数当作模型的空间回归系数，而应该从直接效应、间接效应及总效应的层面作进一步考察。特别地，人口红利的外生交互效应（W × Demdiv的回归系数）表明，相邻地区中人口红利增长将有利于缩小目标地区的空间基尼系数，这在一定程度上验证了人口红利变动在缩小空间不平等方面的空间外溢效应，由此初步验证了假说2的论断。

表4给出了与表3中第（8）—（14）列依次对应的直接效应、间接效应与总效应的估计结果。从中可知，在直接效应中，第（15）列二进制邻接矩阵及第（20）—（21）列截断距离空间权重矩阵下的回归结果均表明人口红利能够显著扩大目标地区空间基尼系数，亦即具有显著的空间极化效应。在间接效应中，所有空间权重矩阵下的回归结果均一致表明，目标地区人口红利增长将会通过显著的空间外溢效应缩小邻居地区的空间不平等程度。由于间接效应明显大于直接效应，使得人口红利总体上表现出显著的负总效应。从而假说2中的作用机制是显著存在的。

（二）分区域样本回归结果分析

考虑到中国东部地区集聚了全国大部分劳动人口尤其是外来务工人员的事实，有必要分别对东部地区和中西部内陆地区进行区分考察。表5给出了分地区的检验结果，其中第（22）—（25）列为东部地区的估计结果，第（26）—（29）列为中西部地区的估计结果。根据φ2-test检验和Hausman检验结果，东部地区与全样本一致，仅固定空间效应。与之不同的是，中西部地区φ2-test检验和Hausman检验结果表明需要同时固定时间效应和空间效应，因此是时空双固定效应下的SDM估计结果。从中不难发现，人口红利对空间不平等的作用只显著存在于东部地区，而在中西部内陆地区并不显著，这与东部地区劳动力价值普遍存在较大幅度低估从而无形中截获了较高人口红利的事实相吻合。东部地区的回归结果进一步表明，人口红利增长会显著扩大空间不平等，这表明假说1的作用机制在东部地区显著成立；同时，外生交互效应再次表明，东部邻居地区人口红利增长会通过外生交互效应显著缩小目标地区的空间基尼系数，由此也验证了假说2。

表6分别给出了与表5中依次对应的直接效应、间接效应与总效应的估计结果。从直接效应中可知，人口红利在东部地区仍然能如假说1所述能够显著地扩大目标地区自身的空间不平等程度，而在中西部地区则基本上不显著，仅在截断距离为700千米时在10%的显著性水平下表现出缩小中西部目标地区空间不平等的作用。在间接效应中，所有空间权重矩阵下的回归结果依旧一致表明，目标地区人口红利增长将对缩小邻居地区空间不平等程度具有如假说2所述的显著空间外溢效应，而在中西部地区人口红利的间接效应在大多数模型中仍然不显著，仅在二进制邻接空间权重矩阵的回归结果中在10%的显著性水平下具有扩大中西部邻居地区空间不平等的作用。

在当前错综复杂国际环境带来各种新矛盾新挑战的百年未有之大变局下，从马克思主义政治经济学的理论出发，全面认识我国当前人口红利的现状并深入把握人口红利空间分布失衡对空间不平等的具体影响机理，对构建“双循环”新发展格局和推动区域经济平衡、高质量发展具有重要的理论意义和实践指导价值。

本文在前人研究的基础上，一改已有研究从人口数量这一“量”的角度审视人口红利的传统视角，立足于马克思关于劳动力价值补偿及其主要构成的相关思想，从单个农民工劳动力价值实现程度这一“质”的维度，估算出了2006—2017年间中国各省市自治区中进城农民工需要实现劳动力价值补偿在理论上的应得报酬与其实际获得的工资之间的差额所产生的人口红利，研究发现，因劳动力价值未能得到全额补偿而衍生的人口红利均值在逐年增长，并且东部沿海地区依然是人口红利人均贡献最高的地区。通过构造空间计量回归模型实证研究发现，目标地区人口红利增长能够显著扩大自身空间基尼系数，具有显著的空间极化效应，也会通过显著的空间外溢效应缩小邻居地区空间不平等程度，并且邻居的人口红利变动也将通过显著的负外生交互效应缓解目标地区的空间不平等。由于间接效应明显大于直接效应，再加上邻居的人口红利增长对空间不平等存在负外生交互效应，从而使得人口红利总体上具有缩小区域空间不平等的作用，并且这一作用机理在人口红利集聚的东部地区尤为显著。

本文的研究与发现具有明显的政策启示。第一，有序推进户籍制度改革，从基本工资、住房保障、医疗教育保障等多维度提升农民工工资报酬，逐步实现农民工劳动力价值的全面补偿与合理回归，从而提升广大农民工群体以及农村居民的消费需求，为构建“双循环”新发展格局注入内生动力。第二，积极利用人口红利对空间不平等的负效应作用助推中国区域经济平衡发展。完善劳动力市场，缩减外来农民工的迁入与回流的交易成本，鼓励农民工返乡就业、创业并提供必要政策扶持，将其在城市中获取的就业创业经验及相关资源用于助推农村经济发展。第三，通过劳动力价值补偿的回归逐步消除这种源自于劳动力价值低估的人口红利，加大广大劳动者的技能培训和受教育水平，提升劳动者在专业技能方面的溢价，实现低端人口红利向高端人才红利的蜕变，推动中国经济高质量发展。