固定收益專題報告：人口流動趨緩-債務是否“戒斷”-

1、固定收益專題報告：人口流動趨緩_債務是否“戒斷”_核心分歧：長期懷疑好區(qū)域融資可持續(xù)，短期擔憂弱區(qū)域剛兌能力永煤事件及政策催化下，城投市場傾向于傳統(tǒng)意義上好區(qū)域的弱資質(zhì)主體。從去年 11 月永煤事件以來，市場對經(jīng)濟欠發(fā)達地區(qū)城投債較為回避，而以國務院 5 號文、銀保監(jiān) 會 15 號文為代表的新一輪財政紀律收緊下，市場進一步擁擠在經(jīng)濟發(fā)達地區(qū)下沉區(qū)縣 上，在利差與凈融資上得到了突出體現(xiàn)。截至 11 月 1 日，江浙兩省城投凈融資額合計 8817.86 億元，在城投凈融資額中占比超過 50%，利差分位數(shù)位于 2015 年以來 10% 左右的低點。而天津、云南、貴州等地區(qū)利差明顯上升，位于歷史分位高

2、點，凈融資額 也出現(xiàn)不同程度額下滑，債務呈現(xiàn)縮減趨勢。市場偏好由差區(qū)域的強資質(zhì)融資平臺轉(zhuǎn)向好區(qū)域的弱資質(zhì)城投。在城投融資大環(huán)境收緊 后，市場更傾向于到好區(qū)域“避險”，而在“區(qū)域一刀切”投資思路下，強資質(zhì)區(qū)域下沉 明顯：對比江蘇和天津不同資質(zhì)融資平臺凈融資額，截至 11 月 1 日，天津市 AAA 城投 凈融資額-840.76 億，遠低于江蘇省 AA 城投凈融資額的 1200.68 億元。城投偏好的變化，本質(zhì)上是在過去人口凈流入、經(jīng)濟高增長趨勢外推預期的助推，投資 端下沉的表現(xiàn)。江浙地區(qū)下轄地級市的債務水平已經(jīng)處于較高水平，2020 年兩省 80% 以上的城市負債率都超過 60%警戒線，而同期全

3、國平均水平僅 30%。在江浙地區(qū)過去 人口凈流入、經(jīng)濟高速增長“光環(huán)”下，這一高負債水平有其合理性：持續(xù)、大規(guī)模的 人口流入帶來經(jīng)濟增長，進而可以消化高速增長的債務。如果類比 PE 的概念，對于 GDP 增速高的地區(qū)，市場愿意給一個更高的“負債估值”。當前市場的核心分歧：長期懷疑好區(qū)域融資可持續(xù)，短期擔憂弱區(qū)域剛兌能力。與 PE 不同的是，當 GDP 增速下降，債務的剛性卻使得高負債率無法在短時間內(nèi)快速調(diào)整。 這也正是市場的分歧所在，按照目前的債務增速看，“好區(qū)域”在未來幾年很可能迎來一 次債務調(diào)整的外部沖擊，是相當一部分人的隱憂。但對于正在進行債務收縮的地區(qū)，天 津、蘭州、濰坊等地的特殊事件

4、，雖有地方政府懇談會表態(tài)，但缺乏經(jīng)濟財政基本面的 支撐，還是會讓投資人擔憂其直接的短期剛兌問題，那么展望未來如何呢？人口流入：過去的“蜜糖”可能是未來的“苦果”區(qū)位優(yōu)勢、制度先行等因素讓諸多經(jīng)濟率先發(fā)展的區(qū)域吸引人口流入，而人口的流入進 一步支撐了城市規(guī)模擴張與債務擴張。在本章我們首先量化人口流入對地方經(jīng)濟、財政 的貢獻，分析 2020 年各地人口流動情況，并對比中、美、日的人口與債務模式。債務擴張與城市擴張背后的動力：人口流入人口的流入是地區(qū)債務擴張與城市擴張背后的動力。經(jīng)濟增長和地方政府財力是衡量地 方政府償債能力的核心因素：經(jīng)濟增長反映了地區(qū)的經(jīng)濟發(fā)展水平和增長潛力，地方財 政實力是判斷

5、地方政府信用水平和償債能力的基礎。在發(fā)達地區(qū)人口自然增長緩慢甚至 停滯的背景下，大規(guī)模的人口流入是城投模式得以蓬勃發(fā)展的前提條件。人口在空間上的流動直接改變了地區(qū)勞動力總量和年齡結構。人口的流入改變地區(qū)勞動 力結構，進而帶動經(jīng)濟發(fā)展。據(jù)中國流動人口調(diào)查，2010 和 2015 年流動人口的平均年 齡為 30.8 歲和 31 歲，16-60 歲人口在流動人口中的占比分別為 83.6%和 84.1%，大量 勞動力人口的遷移顯著改變了地區(qū)間的年齡結構。人口普查數(shù)據(jù)來看，四川、河南、遼 寧等地區(qū)人口流出影響下，年齡結構較老，而江浙等地區(qū)的人口流入很大程度上延緩了 老齡化程度。勞動力總量與結構的變化又直

6、接作用于地區(qū)經(jīng)濟增長。在上篇報告中我們用常住人口變 化來衡量其對經(jīng)濟的影響，而常住人口中很大一部分構成來源于流動人口。進一步分離 出流動人口對經(jīng)濟增長的效應，我們將各地級市流動人口占比與人均 GDP 回歸，解釋 力度達到了 46.29%，系數(shù)為 0.11，意味著城市流動人口占比每上升 1%，帶來人均 GDP 的增加約 1100 元。每單位凈流入人口為地方貢獻約 1.65 萬元稅收收入。對于財政收入這一城投直接償債 來源，流動人口扮演了更為重要的角色。凈流入入口作為就業(yè)者、消費者為地方貢獻稅 收收入：作為就業(yè)者主要貢獻個人所得稅，全部歸地方所有，作為消費者則主要貢獻增 值稅，其中 25%劃歸地方

7、財政。將 251 個地級市 2020 年的流動人口數(shù)量與地方政府稅 收收入回歸，系數(shù)為 1.65，解釋力度為 62.91%。以這個系數(shù)衡量流動人口的“稅收貢 獻”，每個流動人口每年可以為地方政府帶來 1.65 萬稅收收入。一般均衡效應下，流動人口對財政收入具有“規(guī)模遞增”貢獻。非流動人口更迭較為穩(wěn) 定，對于購置房產(chǎn)的需求較弱；而流動人口以勞動力年齡人口為主，這部分人口對于房 屋購置有較大的需求。大規(guī)模人口流入帶來的一般均衡效應是房產(chǎn)供需的失衡，進而推 動房價、地價上漲，也即是流動人口對地區(qū)財政有“規(guī)模遞增”效應：人口流入較少時， 并不會顯著影響地區(qū)土地市場；當人口流入到達一定規(guī)模，則會引發(fā)住房

8、市場失衡，顯 著提高地方政府土地出讓收入。土地財政收入增長集中于流動人口占比超過 10%的城市中。在 254 個城市的全樣本中， 將凈流入人口數(shù)量與政府性基金收入回歸，系數(shù)為 1.57，解釋力度 43.74%。進一步分 解來看，共有 85 個樣本的人口凈遷移占總人口的比重低于 10%，在這個子樣本中，回 歸方程解釋力度僅有 7.46%，說明當流動人口規(guī)模較小的時候，對地方土地出讓市場的 影響較小。而在剩余的 169 個樣本中，回歸方程解釋力度進一步上升至 47.04%，系數(shù) 為 1.55，進一步印證了流動人口的“規(guī)模遞增”效應。同時考慮稅收和土地出讓收入，經(jīng)測算，一單位流動人口可以為地方政府貢

9、獻 3.06 萬 元左右的財政收入。2020 年，全國國有土地使用權出讓收入 84142 億元，同比增長 15.9%，在政府性基金收入中的占比為 90%。按這一比例來推算，平均每個流動人口可以為地方政府增加 1.41 萬元的土地出讓收入。土地價格的上漲一方面直接給地方政府 帶來財政收入，另一方面通過“土地金融”提高地方政府加杠桿的能力，開展大規(guī)模的 基建投資，拉動地方經(jīng)濟增長，實現(xiàn)“賣地+拉人”模式的循環(huán)。過去的“蜜糖”可能是未來的“苦果”，當人口凈流入無法維持高速增長，對財政收入的 影響也是規(guī)模遞增的。人口凈流入帶來規(guī)模遞增的財政收入效應，這一趨勢停滯帶來的 損失也是成規(guī)模的。當人口的增長低

10、于某個閾值時，前期對土地出讓依賴較高的地區(qū)也 會收到更大的沖擊。按照前期人口高速流入新建的房屋、基礎設施與人口不可逆趨勢的 背離下，這一缺口會越來越大。而在“土地金融”這一加速器效應下，這一效應被再次 放大：地方城投依靠土地預期收益進行的債務擴張會面臨較大考驗。人口流動呈現(xiàn)從內(nèi)陸到沿海的單向趨勢過往非普查年份統(tǒng)計結果一定程度上低估了流動人口的規(guī)模。單從非普查年份來看，我 國流動人口規(guī)模呈現(xiàn)趨減的態(tài)勢，2014 年達到 2.53 億峰值后緩速下滑。但 2020 年普 查數(shù)據(jù)顯示我國流動人口達 3.76 億人，較 2019 年統(tǒng)計數(shù)據(jù)漲幅達 1.4 億，較 2010 年 六普統(tǒng)計結果上漲 1.55

11、 億人。與普查數(shù)據(jù)對比來看，非普查數(shù)據(jù)存在較大誤差，可能 在較大程度上低估了過去的流動人口規(guī)模。各省平均流動人口占比達 27.20%，處于“流動時代”。 普查數(shù)據(jù)中的流動人口以省內(nèi) 流動為主，跨省流動人口 1.25 億人，省內(nèi)流動人口為 2.51 億人。空間分布上來看，廣 東是流動人口最多的省份，達 5206.62 萬人，浙江、江蘇、河南、山東、四川五省的流 動人口也超過 2000 萬人。從流動人口占比來看，上海、廣東占比均高于 40%，浙江、 北京等 7 個省份占比高于 30%。重慶、廣西、山東、河北等省份流動人口占比較低，但 均位于 20%左右。與 2010 年六普相比較，河南、吉林、安徽

12、、貴州等省份流動人口漲 幅較高。地區(qū)流動人口結構性分化明顯，經(jīng)濟發(fā)達區(qū)域跨省流入較多，欠發(fā)達區(qū)域則以省內(nèi)流動 為主。拆解跨省流入和省內(nèi)流動兩部分來看，廣東是跨省流入人口最多的省份，達 2962.21 萬人，緊隨其后的是浙江、上海、江蘇，均超過千萬。西藏、寧夏、甘肅等地 跨省流入人口較少。廣東的省內(nèi)流動人口同樣位于全國第一位，河南、四川、山東等地 區(qū)人口以省內(nèi)流動為主，規(guī)模都在 1500 萬人以上。我們對城市層面人口遷徙數(shù)據(jù)進行拆解。我們通過百度遷徙獲得了兩個數(shù)據(jù)集：1）各 地之前相互遷移矩陣；2）各地遷入、遷出規(guī)模強度。我們以 2020 年春節(jié)前一周的城 市間遷移數(shù)據(jù)作為判斷人口遷移的基準。如

13、遷入無錫的人口中，2.95%來自徐州，6.18% 來自蘇州；遷出天津的人口中，10%前往唐山，2.37%前往邯鄲。遷移強度數(shù)據(jù)來看，發(fā)達地區(qū)、省會城市是主要人口遷入地，西南、中部地區(qū)城市人口 流出明顯。我們以百度遷徙 2020 年春節(jié)前一周遷徙強度數(shù)據(jù)進行分析，春節(jié)前較高的 遷出強度反映了地區(qū)流入人口較多。深圳、北京、上海、廣州、成都市人口流入最多的 五個城市，省份分布上，人口流入前 50 的城市中，廣東、江蘇、浙江各有 8、6、6 個 城市。重慶、成都、廣州、北京、周口是人口流出前五的城市，省份分布上，人口流出 前 50 的城市中，廣東、河南、安徽各占 10、6、6 個城市。不論是省份還是城

14、市層面，都呈現(xiàn)內(nèi)陸-沿海的遷移模式。與我們上文中論述的相一致， 區(qū)位因素、制度先行等優(yōu)勢，讓發(fā)達地區(qū)都吸引了大量內(nèi)陸人口流入，進而支撐了地區(qū) 的城市建設與債務擴張。這也是今年以來市場持續(xù)擁擠在發(fā)達區(qū)域的原因：從人口流動 的角度來看，好區(qū)域人口凈流入、經(jīng)濟高增長，房價、地價也持續(xù)上漲。今年以來強、弱資質(zhì)區(qū)域的持續(xù)分化，既有合理之處，也為不合理埋下了種子。今年以 來地產(chǎn)行業(yè)形勢愈發(fā)嚴峻，房企現(xiàn)金流大不如前，前期對人口流入、土地出讓依賴度較 高的“好區(qū)域”受地產(chǎn)行業(yè)影響反而更大，從今年 1-11 月份各省土地成交價款來看，浙 江、廣東都同比出現(xiàn)了下滑。對部分中部和弱資質(zhì)區(qū)域城市來說，土地成交價款規(guī)模

15、本 就較為有限，因而地產(chǎn)行業(yè)傳導過來的風險相對較小，區(qū)域性價比反轉(zhuǎn)的種子或已埋下。中國人口與債務的模式接近于日本，差于美國中國內(nèi)陸-沿海的人口遷徙節(jié)奏，類似于移民遷入美國的模式，但作為一個整體非移民國 家，我國人口的趨勢與日本更為接近。本節(jié)我們從人口和債務角度對比美國、日本、中 國的發(fā)展模式。人口因素是美、日在房地產(chǎn)泡沫破裂后走上不同發(fā)展道路的重要原因。日本在 1990 年 房地產(chǎn)泡沫后陷入了“失去的 30 年”，經(jīng)濟增長逐步進入下行階段；而幾乎在同一時期， 日本的人口增長進入停滯，總人口增長率維持在 0.3%左右，并在 2009 年首次出現(xiàn)人口 凈減少。美國同樣經(jīng)歷了房地產(chǎn)泡沫的破裂，但持續(xù)

16、流入的勞動力為其走出危機提供了支持：2005 年以來，美國每年合法永久移民數(shù)一直在 100 萬人以上的水平，2019 年美 國移民在總人口比例已達 13.7%。早于 1970 年，日本年齡中位數(shù)就超過了美國，而到 2020 年，日本年齡中位數(shù)已達 48 歲，65 歲以上撫養(yǎng)比 51.97%。中國人口與債務的模式接近于日本，弱于美國：1）人口形勢上，深圳、杭州等城市每年凈流入人口約 40 萬人，這一節(jié)奏類似于美國的 移民模式；但我國整體人口總量和年齡結構與日本更為類似?？偭可希覀儨y算我國將 在 20242025 年出現(xiàn)人口凈減少；年齡結構上，2020 年，美國年齡中位數(shù)為 38 歲， 較日本年

17、輕了 10 歲，而這一年，也是中國年齡中位數(shù)剛剛超過美國的年份，預計到 2035 年，中國平均年齡會與美國擴大到 4.8 歲。2）政府債務負擔上，人口老齡化給政府財政帶來巨大壓力，近三年社會保障支出在日 本政府財政支出平均占比為 30.25%，日本政府負債率也從 1997 年的 82.7%，一直上 升到 2021 年中的 224.2%。我國 2015-2020 年保險費收入復合增速 6.45%，而財政補 貼收入復合增速高達 12.72%，2020 年社?；痤A算收入中的 27.7%來自財政補貼。在 我國老齡化逐步加深背景下，可以預見我國的社保支出壓力將會逐步抬升，政府債務面 臨較重負擔。人口凈

18、流入對好區(qū)域城投債務擴張的支撐正在成為過去時發(fā)達地區(qū)債務擴張模式的前提是人口的持續(xù)流入。那么，持續(xù)的人口凈流入還能否維持？ 本章我們首先從總人口形勢、城鎮(zhèn)化進程、產(chǎn)業(yè)遷移角度分析人口流動趨勢，在此基礎 上對地區(qū)流動人口進行詳細擬合測算。幾個趨勢：總人口減少、城鎮(zhèn)化趨穩(wěn)、產(chǎn)業(yè)向內(nèi)陸遷移區(qū)域發(fā)展的不平衡、城鎮(zhèn)化推動 1994 年之后人口大規(guī)模遷移。改革開放之前，人口遷 移的規(guī)模和方向主要由政治動員和戶籍制度決定，總體的遷移水平較低。改革開放后， 限制人口流動的戶籍制度逐步放松，區(qū)域發(fā)展差距的逐步擴大，人口遷移規(guī)模也隨之逐 步提升。我國真正的大規(guī)模人口遷移開始于 1994 年之后，主要有兩個原因：1

19、）1994 年之后的城鎮(zhèn)化浪潮推動“鄉(xiāng)-城”流動人口快速增長。上世紀八十年代，財政 包干制下鄉(xiāng)鎮(zhèn)企業(yè)快速崛起，城市化速度偏慢。1994 年分稅制改革后，開始了大規(guī)模 的國有企業(yè)和鄉(xiāng)鎮(zhèn)企業(yè)改制，也開啟了農(nóng)民工進城大潮，城鎮(zhèn)化進程迅速拉升，帶來了 大量“鄉(xiāng)-城”流動人口。但土地的城鎮(zhèn)化速度遠快于人的城市化速度：“土地財政”和 “土地金融”撬動了大額資金并支撐著城市化建設，但由于戶籍制度限制，很多居民并 不能獲得相應的公共服務。2020 年，我國常住人口城鎮(zhèn)化率已達 63.89%，但戶籍人口 城鎮(zhèn)化率僅 45.40%，差額達 18.49PCT。2）區(qū)域發(fā)展的不均衡是人口跨地區(qū)流動的根源所在。人口作為

20、一種生產(chǎn)要素，當自由 流動不受限制時，會通過在區(qū)域間的流動實現(xiàn)區(qū)域經(jīng)濟的收斂。區(qū)域間發(fā)展的不平衡在 當下的人口流動選擇起到了更為關鍵的作用。對比中美來看，美國人口流動所受限制較 少，各州 GDP 占比和人口占比相對均衡，各州之間在人均意義上較為均衡。我國各省 GDP 占比與人口占比則有較大出入，廣東、江蘇省份 GDP 占比較高，而人口占比較低， 所以這些地區(qū)有持續(xù)的人口凈流入；河南、安徽等省份 GDP 占比較低，而人口占比卻 很高，這種人均角度上的不均衡推動了人口在地域間的流動。前期城鎮(zhèn)化的快速推進下大量人口從農(nóng)村向城市流動，而地區(qū)間發(fā)展的不平衡讓發(fā)達地 區(qū)省份、城市得以持續(xù)吸引人口凈流入，進

21、而支撐了這些地區(qū)的債務擴張。但人口凈流 入對好區(qū)域城投債務擴張的支撐正在成為過去時。趨勢之一：總人口或?qū)⒂瓉頊p少當人口這塊“蛋糕”不再擴張，前期人口在空間的重新分配也難以維持。在過去我國家 人口一直在增長，有持續(xù)的勞動力“供給”到發(fā)達地區(qū)。但這一增長趨勢即將迎來反轉(zhuǎn)： 我們測算，1.3 的超低總和生育率下，我國人口在 20242025 年開始凈減少，同時 65 歲以上人口快速增長，2030 年總撫養(yǎng)比將突破 50%的窗口期。更進一步來講，即使生 育率在短時間內(nèi)恢復到 2.1 的人口更迭水平，這部分人群也需要在 15-20 年后才能進入 勞動力市場。2010 年劉易斯拐點后，我國的勞動力已經(jīng)呈現(xiàn)

22、凈減少趨勢，人口的減少、 勞動力的短缺在一段時期內(nèi)會是一個確定的趨勢?？梢哉f人口形勢正在發(fā)生著短期內(nèi)不 可逆的變化，前期依靠人口在空間分配的發(fā)展模式也需要轉(zhuǎn)變。趨勢之二：城鎮(zhèn)化推進速度邊際遞減我國大部分城市已處于轉(zhuǎn)型社會時期，人口遷移強度將逐步推進下降。人口移動轉(zhuǎn)變假 說（the hypothesis of the mobility transition），將人口增長、遷移劃分為四個階段，當 區(qū)域處于不同發(fā)展階段的時候，就會出現(xiàn)城市間的人口流動：）前現(xiàn)代傳統(tǒng)社會，主 要依靠人口自然增長帶動人口增長，人口以遷出為主，如廣西；）早期轉(zhuǎn)型社會時期， 人口自然增長速度快，同時遷出規(guī)模趨緩、遷入規(guī)模開始

23、上升，如貴州、安徽；）晚 期轉(zhuǎn)型社會，人口自然增長下降，人口遷入、遷出規(guī)模都較大；）現(xiàn)代社會階段，人 口自然增長緩慢，甚至出現(xiàn)負增長，流動人口也以遷入為主，遷出較少。對比美國，當城鎮(zhèn)化進入穩(wěn)定水平后，人口流動強度也將逐步下降。美國城市化水平在 1960 年就已經(jīng)達到 70%左右，此后一直維持較穩(wěn)定狀態(tài)，在此后 60 年內(nèi)也只上漲了 10%。隨著城鎮(zhèn)化水平的推進，美國人口的遷移強度也在逐漸下降，從 1990 年間最高 的 46%下降至 2010 年的 35%左右。我國 2020 年城鎮(zhèn)化率已達 63.89%，已超過世界 平均水平，從這一視角來看，隨著城鎮(zhèn)化進程的推進，我國人口遷移流動的整體強度會

24、 逐步趨緩。在人口總量減少的背景下，鄉(xiāng)-城流動人口逐步減少，人口流動將以城市間流 動為主，成為城市間的零和博弈。趨勢之三：部分產(chǎn)業(yè)向內(nèi)陸城市轉(zhuǎn)移地區(qū)產(chǎn)業(yè)的發(fā)展決定了地區(qū)人口的流入。而產(chǎn)業(yè)從沿海向內(nèi)陸遷移的過程中，人口從內(nèi) 陸向沿海的單向流動也逐步放緩：1）勞動力成本上漲驅(qū)使勞動力密集型產(chǎn)業(yè)向內(nèi)陸遷移。資本和勞動的相對豐裕程度， 決定了地區(qū)產(chǎn)業(yè)結構變遷。在發(fā)展初期，我國具有勞動力成本優(yōu)勢，而資本相對匱乏， 發(fā)展勞動力密集型產(chǎn)業(yè)有較大優(yōu)勢，東部沿海省份依靠區(qū)位優(yōu)勢、交通、外資支持吸引 了大量勞動力遷入，經(jīng)濟快速發(fā)展的同時也支撐著城市的建設更新。但我國勞動力成本 呈現(xiàn)高速上升趨勢，2011 年后增速

25、有所下滑，但也持續(xù)高于 GDP 增速。成本的上升驅(qū) 使部分勞動力密集型產(chǎn)業(yè)向成本相對較低的地區(qū)轉(zhuǎn)移。以紡織業(yè)為例，2012 年后浙江 省紡織業(yè)總產(chǎn)值進入穩(wěn)定狀態(tài)，2017 年后快速下降，而 2015 年開始新疆紡織業(yè)保持高 速增長。2）中高端制造業(yè)向內(nèi)陸地區(qū)縱深發(fā)展。一方面，勞動力的大量涌入帶動沿海省份經(jīng)濟 快速發(fā)展，但隨之推高的房價也形成了對高端制造業(yè)的擠出；另一方面，中西部地區(qū)特 定的工業(yè)基礎，逐步完善的交通等基礎設施，吸引中高端制造業(yè)產(chǎn)業(yè)遷入，2010-2020 年河南、貴州電子設備制造業(yè)資產(chǎn)總額復合增速分別為 23%、26%。中西部地區(qū)出現(xiàn)了 武漢光谷系、合肥中科系、貴州電子元件等產(chǎn)業(yè)

26、，而發(fā)達地區(qū)產(chǎn)業(yè)結構向高附加值的中 高端服務業(yè)聚集。中高端制造業(yè)的發(fā)展給內(nèi)陸省份經(jīng)濟帶來增長的同時也帶動了人口的 回流。發(fā)達地區(qū)持續(xù)、大規(guī)模的人口流入呈邊際遞減趨勢流動人口的兩種衡量方法：人戶分離人口與人口平衡方程式。非普查年份的流動人口數(shù) 量并不直接公布，常用的衡量方法有兩種：1）據(jù)第七次人口普查統(tǒng)計口徑，流動人口是 指人戶分離人口中扣除市轄區(qū)內(nèi)人戶分離的人口。1常住人口、戶籍人口二者之差即衡量 了人口凈流動情況；2）地區(qū)人口變動來源于人口自然增長與人口遷移，常住人口數(shù)量 變化與人口自然增長變化之差即是人口凈流入的數(shù)量。人戶分離人口可以較好的衡量地區(qū)流動人口：1）與統(tǒng)計數(shù)據(jù)公布口徑保持一致；

27、2）戶 籍人口數(shù)據(jù)由公安部提供，較為準確。出生率數(shù)據(jù)誤差較大，實際使用中需進行數(shù)據(jù)修 正，整體流動人口的衡量精確度受影響。但以人戶分離來衡量流動人口同樣存在一定的 局限性：戶籍無法反映近期的常住地的變化，如一個人從農(nóng)村遷移到城市定居多年，只 因戶籍未發(fā)生變化而仍被統(tǒng)計為流動人口，可能高估了流動人口規(guī)模；如果只是進行戶 籍的調(diào)整，則可能低估了流動人口的規(guī)模。人口的變動在短期內(nèi)是一個較為穩(wěn)定的趨勢，基于這一假設，在本節(jié)余下部分，我們首 先測算各地級市過去的流動人口數(shù)量，在此基礎上進行未來數(shù)據(jù)的擬合外推。我們的測 算過程具體分為三步：STEP1：常住人口數(shù)據(jù)修正各省、市的常住人口時間序列數(shù)據(jù)存在明顯

28、偏差。我國每 10 年進行一次人口普查，每 5 年進行一次 1%抽查，其余年份為千分之一抽查。非普查年份的常住人口、流動人口 數(shù)據(jù)皆由抽樣數(shù)據(jù)推算，存在一定的偏差。人口變動是一個相對平穩(wěn)的過程，但人口普 查數(shù)據(jù)顯示，相較于 2019 年，262 個地級市的人口普查數(shù)據(jù)中，76 個市的常住人口變 化幅度超過 10%，占比達 28.90%?；趦蓚€假設，我們在最大程度上利用現(xiàn)有信息，對過去常住人口數(shù)據(jù)進行擬合修正： 2010-2019 年公布的常住人口數(shù)據(jù)反映了人口變動的趨勢；人口普查數(shù)據(jù)反映了準確的 絕對值數(shù)據(jù)。我們分兩步對常住人口時間序列數(shù)據(jù)進行修正： 1）將各個城市 2010-2019 年常

29、住人口數(shù)據(jù)進行二次曲線擬合，保留擬合曲線的二階導 數(shù)不變，即保留人口變動的趨勢不變； 2）將 2010 年、2020 年常住人口數(shù)據(jù)以及上一步得到的二階導數(shù)進行求解，可以得到 一條新的二次曲線，這條曲線上的值即為修正后的常住人口數(shù)量。我們的修正方法較為準確的反映了常住人口變動情況。以天津為例，中國統(tǒng)計年鑒 2021中對天津市 2011-2019 年常住人口數(shù)據(jù)進行了修正，修正后常住人口在 2016 年 達到頂峰的 1443 萬人，較原數(shù)據(jù) 1562 萬人下降了 119 萬人，而我們的擬合結果中天 津市常住人口在 2016 年達到頂峰 1472 萬人，與修正后的統(tǒng)計數(shù)據(jù)較為接近。STEP2：計算

30、各城市流動人口時間序列第二步，在得到較為準確的常住人口數(shù)據(jù)后，我們用常住人口與戶籍人口之差來衡量各 城市的人戶分離人口數(shù)量，以此來衡量各城市流動人口。從城市分布來看，長三角、珠三角城市維持人口凈流入狀態(tài)，西南、東北等欠發(fā)達地區(qū) 維持凈流出狀態(tài)。從 2018-2020 年各地級市平均流動人口占比的空間分布來看，長三 角、珠三角地級市是人口凈流入占比最高的地區(qū)，如上海、東莞等地，“蘇錫常”三市平 均流動人口占比達到了 30.67%。東北地區(qū)、西南地區(qū)是人口凈流出較為嚴重的地區(qū)。 西南地區(qū)的資陽、畢節(jié)等地的流出人口要更甚于東北地區(qū)，河南、四川等省份人口流出 也較為明顯。2020 年有 87 個城市的

31、流動人口在減少，5 年前這一數(shù)字為 40。以對比 2015 年和 2020 年各地級市流動人口數(shù)量，流動人口呈遞減趨勢的城市正在增加：2020 年，287個城市中有 87 個城市流動人口出現(xiàn)邊際減少，占比 30.31%，較 2015 年的 40 個城市 大幅上升。STEP3：人口趨勢性穩(wěn)定假設下的流動人口外推第三步，基于人口變動趨勢在短期內(nèi)是穩(wěn)定的這一假設，我們將前兩步得到的各城市流 動人口數(shù)據(jù)進行 5 年的擬合外推。整體來看，截至 2025 年，107 個城市的人口流動趨勢呈現(xiàn)邊際遞減趨勢。根據(jù)我們的 測算，鐵嶺、白山、泰州等城市人口凈流出的趨勢在逐步放緩，而無錫、合肥等城市的 人口凈流入趨

32、勢也在放緩。部分城市流動人口也位于高速增長的時期，如貴陽等。但整 體來看，大部分城市流動人口增速趨向于平緩，截至 2025 年，有 107 個城市的流動趨 勢在邊際遞減。與我們前文論證的城鎮(zhèn)化逐步推進、2010 年后中國勞動力凈減少、部 分產(chǎn)業(yè)轉(zhuǎn)移的邏輯相一致。空間上看，長三角、珠三角地區(qū)城市大規(guī)模、持續(xù)的人口流入呈邊際遞減趨勢。人口的 流入支撐了江浙、廣東等地區(qū)的城市擴張，2020 年，“蘇錫?！逼骄魅肴丝谡急冗_ 30.67%。但這一人口流入的趨勢正在放緩：2020 年共有 83 個城市人口凈流入，根據(jù) 我們的擬合測算結果，22 個城市流動人口已經(jīng)出現(xiàn)減少，主要位于山東、上海、北京等 地。

33、52 個城市的流動人口增速在 2025 年出現(xiàn)遞減，主要集中在前期人口大量凈流入的 江、浙、粵三省，分別有 5、6、8 個城市出現(xiàn)增速放緩。結論：沒必要與市場“對抗”，但要做好長期權衡短期內(nèi)的市場趨勢是合理的，但這種合理與精明會蒙蔽長期的趨勢。投資者結構、市場 機制、短期內(nèi)對發(fā)達地區(qū)的樂觀估計，欠發(fā)達地區(qū)金融資源有限與市場溝通的種種障礙， 毫無疑問會強化市場目前的短期趨勢，這種趨勢會進一步培育債務的“成癮性”，進一步 推高各個地方對自身負債能力的自信，但人口這一地方 GDP 與土地財政收入的起點卻 在惡化。遺憾的是，在長期趨勢與短期利益矛盾的時候，市場與個人都傾向于選擇后者。我們對各個地級市的

34、人口、經(jīng)濟增長進行了可能弱化的測算，并考慮到債務的“成癮性”， 雖然我們并不認為經(jīng)濟強弱區(qū)域的風險會形成反轉(zhuǎn)，而是其中被市場定價的超大性價比， 會存在一個中心收斂的趨勢。強、弱資質(zhì)區(qū)域的超大性價比將向中心收斂我們在債務“成癮性”和人口強趨勢下對 205 個地級市未來的債務負擔進行判斷。首先， 我們用上文擬合測算得到的未來流動人口增速、人口自然增長速度計算各個城市未來常 住人口增速。具體計算公式如下： 常住人口增速 = 流動人口占比流動人口增速+非流動人口占比人口自然增速2025 年，超 50%城市常住人口增速出現(xiàn)下滑。從測算結果來看，104 個城市 2020-2025 年間的常住人口復合增速出現(xiàn)下降，占比 50.73%。從空間分布來看，廣東、山東、河南分別有 14、13、8 個城市常住人口增速出現(xiàn)下降，江蘇省南京、常州、蘇州等五個城 市人口增速有所下滑，浙江省杭州、金華等地也有所放緩。四川省多個城市流出人口明 顯下降，綿陽、達州、宜賓等多個城市常住人口增速有所回升。新疆大量人口流入帶動 常住人口快速增長，我們測算烏魯木齊、克拉瑪依常住人口增速分別為 3.37%、1.62%。人口增速對經(jīng)濟增速的影響約為 1.56PCT。我們將 82 個樣本的人口增速與經(jīng)濟增速進 行回歸，回歸結果為 Y=1.56X+8.05，解釋力度為 28%，回歸系數(shù) P 值0.001。我們用