GDP可以拆解为人均GDPX人口数量
因为人口的增长是一个微变量或慢变量，短期内（3-10年内）可以忽略其变化。
因此重点就到了人均GDP的变化的上。
人均GDP就是GDP÷人口数，没啥好说的；不过，我们可以对公式进行进一步的拆解，类似ROE（净资产收益率）的杜邦拆解。
第一步，我们加入工作时长，那么人均GDP的公式就可以变成下面这个公式：
而GDP÷工作时长，用经济学术语就是劳动生产率，或时均产出；
而工作时长÷人口总数，也就是人均工作时长。
因此，人均GDP=时均产出X人均工作时长
人均工作时长，又可以进一步拆解
其中，
工作时长÷雇员数量，也就是（雇员人）均工作时长；
雇员数量÷工作人口，也就是劳动就业率；
工作人口÷总人口，也就是劳动人口占比
因此，人均工作时长=雇员人均工作时长 X 劳动就业率 X 劳动人口占比
这样拆解下来，
人均GDP=劳动生产率 X雇员人均工作时长 X 劳动就业率 X劳动人口占比
稍微熟悉宏观经济学的知道，从世界各国发展的趋势看，当一个国家刚开始工业化的时候，因为各种原因（包括低基数等），一开始的时候，劳动生产率提高是比较快的；而随着工业化完成，服务业在经济中占比的提高，生产率的提升会放缓。
服务业中，比如零售、运输、住宿、旅游、餐饮等，受益于科技提升有限，或资本密集度较低，因此效率的提升远远不如科技和资本对工业的帮助；
另外一方面，科技的创新和发展的难度也是越来越大，虽然计算机、互联网、智能手机等出现极大提升了科技水平，但是，对经济整体效率的提升，远远赶不上对企业/人民生活便利性/体验好感的提升。
这点上，在罗伯特戈登的《美国增长起落》一书中有明确的对比，有兴趣的可以找来看看。
中国现在所谓经济到了转型期，其中一个原因也是劳动生产率增速下降了，如果经济维持快速增长，比如在后三项上有所作为。
接下来，我们一个一个来看后面三项。
先看劳动人口占比。
什么是劳动人口？国际上的定义就是15周岁以上~65周岁人口数量占总人口的比重，这个数据我们可以从统计局网站获得，没有取计算太过远古的数据，仅仅从2000年开始的数据，如下图所示：
劳动人口占比，主要是个人人口结构相关，我们不需要去仔细研究数据，单单从每年累题连篇累牍的报道我们都会知道：全国人口结构越来越老，或者叫做正在快速步入老龄化社会，也就是说65岁以上老人的占比越来越大；而现在出生率在二胎红利吃完之后，新生儿开始快速下滑了。
2010年~2013年，劳动人口占比在74%或更高，但是，之后开始一路逆转，逐步下滑经济增长率，2020年已经跌破70%，而2022年的数据已经低至67%，甚至低于67%。
不出意外，未来还是会继续下降。
劳动人口就业率
分子使用的是统计局公布的就业人口数量，分母就是上一个指标的劳动人口数量。
劳动人口就业率就业率的数据，从2000年以来，一直在下滑，2010-2019年这十年，几乎维持不变，疫情这三年反而就业率在上升。
看起来，这个数据在变好！
如果我们去看这个公式，就业人员数量/就业人口数量，如果我们把就业人口和就业率放在一起就会发现藏在背后的真相：就业人口绝对数量——也就是分子——变化不大，而是就业率变化如此之大，那么这种波动的根源必然是分母端——就业人口的变化！
上一段文字，我们计算就业人口占比，已经说过，就业人口的数量，这些年已经下滑了。我们可以做一个图，包括总人口、就业人口、就业人员等三个数据在一个图表里，一路了然。
2000年以来，劳动人口最大值和最小值，相差1.2亿人；而就业人口相差3400万左右，就业人口也是下降经济增长率，从06-20年之间的7.5亿以上，2022年已经下滑到7.4亿不到。
雇员工作时长
我们回到文章开头的公式：
上文我们说了，包括中国在内，多数主流国家，在劳动生产率提升上边际难度越来越大，因此，而人口总数是一个慢变量，以中国为例，2000年人口12.67亿，2022年14.12亿，年化增长率也就是0.5%，短期内（5-8年内）几乎可以当做一个常数。
因此在工作时长/人口总数这个数值上，只有在总工作时长上做文章，而通过前文分析，我们已经知道就业人口数量维系不怎么变化，而且，这两年已经开始下降，因此最后如果看人均：雇员总工作时长/就业人口数量，最后人均工作时长，大概率是增加的。
根据《中国劳动统计年鉴2021》，中国城镇就业人员2020年周平均工作时间为 47小时，而且近年来保持逐年上升的态势，比2015年的45.5小时增加了1.5小时。而OECD 统计局网站显示，OECD国家的劳动者2020年平均每周工作时间为37小时，中国比之每周足足多了10小时，或足足多出27%。
2021~2023年周工作时长分别为47.8小时、47.5小时，2023年第一季度则为48.7小时！
我们把就业人口和雇员周工作小时放到一张图上。
当然，这仅仅是一种巧合。
未来怎么办？不知道。
