生育政策对经济增长的影响

来源 :厦门大学 | 被引量 : 0次 | 上传用户:duaneking
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在我国全面放开二孩政策的背景下,本文构建了一个纳入生育政策的内生增长理论模型。由理论模型可知,生育政策通过影响家庭最优决策,进而影响企业要素投入,最终影响经济增长;而经济增长同样影响家庭的最优决策。基于理论模型,本文进行了平衡增长路径分析和数值模拟。通过分析平衡增长路径上技术进步率、资本增长率和经济增长率以及模拟当前生育政策下各经济指标以及经济增长的未来走势,得到生育政策以及生育政策调整对经济增长的影响。从平衡增长路径角度来说,生育政策通过影响技术进步率和资本增长率进而影响经济增长,生育政策放宽通过提高劳动力增长率从而对技术进步率产生积极影响,生育政策放宽不利于人力资本积累。数值模拟说明当前生育政策下经济未来持续增长,全面放开二孩政策有利于经济增长;生育政策放宽有利于劳动力数量的提高,不利于人力资本的积累,最终对当期的技术进步和经济增长产生负面影响。在当前生育政策下,未来人口数量下降成为趋势;全面放开二孩政策短期内有助于缓解人口老龄化问题;生育政策适当放宽对长期技术进步有一定益处,但是生育政策调整带来的影响存在不确定性和节点上的变动。研究生育政策对经济增长的影响,需要从更细致的角度出发,了解各类家庭占比,尤其是受生育政策约束家庭在家庭中的占比以及随着社会经济的发展各类家庭之间的动态转化过程。实施减轻家庭抚养负担、进行家庭生育和教育宣传等各项措施有助于提升生育政策效果。本文创新点体现在丰富生育政策对经济增长影响的理论研究,完善生育数量和其他家庭决策与经济增长的双向影响,考虑到家庭最优决策存在差异,可以从更微观和更细致的角度分析生育政策的影响。
其他文献
精准医疗是一种可以从基因层面诊断病因的新兴疾病诊断方法,它的兴起离不开基因数据分析处理技术的发展。基因数据分析处理软件BQSR是基因数据分析处理中的重要一环,用于修正碱基质量分数,对检测变异位点的准确性有着至关重要的影响。由于基因数据规模较大,目前业界通用的BQSR软件在对全基因组数据进行碱基质量分数修正需要几十甚至上百个小时,这极大的影响了疾病诊断的时效性,因此,本文旨在针对BQSR的耗时瓶颈设
褐飞虱Brown planthopper(Nilaparvata lugens(St?l))是亚洲大部分水稻种植地区面临的首要害虫。类酵母共生菌(Yeast-Like Symbionts,YLS)主要存在于褐飞虱脂肪体中,经卵垂直
目的和意义:山豆根碱B是从中药山豆根中分离得到的一类具有抑制三阴性乳腺癌活性的新骨架化合物,课题组前期以(-)-Cytisine和(-)-Maackiain为原料,通过仿生合成的方法对其进
支持向量机最初是为解决二分类问题被提出的,适用于小规模数据集学习.如何有效地将其推广到解决大规模多分类问题,是一个既有趣又有挑战性的课题.本文首先梳理了一对多、一对一、一对一对余和一次性求解策略这四种多分类策略.分析了这四种策略下的8个经典多分类支持向量机算法,并绘制分类效果示意图方便直观理解原理.接着,结合L2,p范数和两种多分类编码(one-hot编码和正余弦编码),提出一种基于一次性求解策略
褐飞虱(Nilaparvata lugens St?l)是我国及亚洲很多地区水稻上的主要害虫之一,因刺吸取食、产卵和传播水稻病毒病等行为严重危害水稻生长和产收。褐飞虱具有迁飞性、集群性、
氮肥在稻田易于损失,其当季利用率低。脲酶抑制剂可以通过抑制脲酶活性以达到延缓尿素水解为铵态氮的目的,硝化抑制剂可以通过抑制氨的氧化,有效减少氮素淋失和反硝化损失,因
一直以来,C-H官能化是构筑C-C键最经济、高效、便捷的途径,对药物分子选择性烷基化修饰不仅可以提高分子的脂溶性,还可以增强分子的稳定性,是合成化学中C-C键构筑的重要研究
独立学院教育国际化是自身发展战略的选择,也是国家对高等教育,对独立学院发展的要求。20世纪90年代,我国对落实科教兴国战略做出了全面部署,在一个崭新的历史背景下高等教育成为教育国际化的主阵地,而独立学院是我国高等教育的生力军。2010年,《国家中长期教育改革和发展规划纲要(2010-2020年)》中明确提出了完善独立学院管理和运行机制;要求开展多层次、宽领域的教育交流与合作,提高我国教育国际化水平
剪力墙是一种能够有效抵抗地震荷载作用的抗震构件,具有较大侧向刚度,同时也有着较高的竖向承载力,常作为高层或超高层建筑结构的主要抗侧力构件。按照现行的抗震设防标准设
为提升深度学习(Deep Learning,DL)模型推理的准确率,深度神经网络(Deep Neural Network,DNN)的结构变得愈加复杂,其训练处理的数据量也随之增大。因此,传统基于单节点的训练方式及其计算、存储能力已无法满足大规模DNN的训练需求。为保证DNN训练性能并节省训练成本,在公有云中分布式地部署训练DNN模型已成为一大趋势。然而,在Amazon EC2公有云中通过实际运行典