人口老龄化对技术创新的影响_过晓颖.pdf

创 新 实 践INDUSTRIAL INNOVATION 产业创新研究19基金项目：天津市哲学社会科学研究规划项目“天津自贸区的服务业开放水平测度及其对城市竞争力的影响研究”（项目编号：TJYY17-015）。作者简介：1.过晓颖，女，江苏无锡人，天津商业大学经济学院副教授，博士，研究方向：服务经济与贸易、区域产业分析；2.白思锐，女，河北承德人，天津商业大学经济学院研究生，研究方向：区域产业分析。人口老龄化对技术创新的影响过晓颖 白思锐（天津商业大学经济学院，天津 300134）摘要：当前，我国人口老龄化程度不断加深、劳动力成本也随之上升，依赖廉价劳动力等传统生产要素来促进经济增长的方式难以为继，经济发展正由要素驱动向技术驱动转型，在此背景下，本文利用 20062020年 30 个省份的面板数据，采用固定效应模型及工具变量检验方法，得出了人口老龄化会对技术创新产生消极影响的结论；进一步来看，人口老龄化对不同区域的技术创新影响不同，东部地区人口老龄化对技术创新有显著的负面影响，而在中部及西部地区，人口老龄化对区域技术创新的影响并不显著。关键词：人口老龄化；技术创新；区域异质性一、引言人口老龄化是我国的国情，也是影响经济发展的重要因素，自 2000 年以来，我国总人口中，65 岁及以上的老年人口占比超过了 7%，我国开始步入了老年型社会。随着出生人口的减少以及死亡率的降低，我国老年人口规模不断增长且有加速趋势，第七次全国人口普查数据显示，截至 2020年年底，我国 65 岁及以上人口达到 1.9 亿，占总人口的13.5%，高于世界平均水平 9.3%，且上升幅度也在加快，有预测表明我国将在 2030 年进入超级老龄化社会，届时老龄化率将达到 20%1。人口老龄化趋势不可逆已成为一种共识。在人口结构逐渐老化的同时，我国的经济发展方式也在经历着改变。经济增长速度由高速转为中高速，发展方式由要素驱动向创新驱动转型。技术创新对一个国家或地区的经济可持续增长至关重要，是经济高质量发展的关键，党的十九大指出“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。因此基于“积极应对人口老龄化”及“坚持创新驱动”这两大发展战略，顺应人口老龄化趋势，提高技术创新水平，对保持我国经济持续稳定增长具有现实意义。二、文献综述与理论分析现有文献在人口老龄化对技术创新的影响方向上并未得出一致结论，既有研究表明老龄化对技术创新有消极影响2-6，也有研究指出老龄化能对技术创新产生激励作用7-8，此外还有研究得出老龄化与技术创新之间的关系是非线性的9-13或二者之间的关系并不显著14的结论。在人口老龄化对技术创新的影响机制方面学者也同样并未达成一致结论，但研究方向可以总结为微观个体、中观企业以及宏观国家这三个层面。在微观个体方面，一方面，随着年龄的增长，人口老龄化会使得人们的认知能力和人体机能下降15，此外，老年人口相较于年轻人口积极工作的欲望不足16，这两点将会导致员工的创新能力下降，其次，职场上存在的年龄歧视对员工的创新行为有直接的负面影响17，并且随着年龄的增加，大龄员工进行创新活动的回报期日益缩短，导致创新的激励性效果逐渐减弱18员工接受新技术的意愿也随着年龄的增长而下降19；与此同时，人口老龄化可以通过“预防动机”以及老年人的“遗赠动机”提高储蓄率，从而促进物质资本积累20，人口老龄化也会通过卢卡斯提出的“干中学”效应促进工作过程中的人力资本积累，进而促进技术创新7，21。在中观企业方面，一方面，由于大龄员工预期为企业服务的时间缩短，预期回报较低，年龄较大的职工在接受公司先进技术方面的培训较少22；另一方面，随着人口老龄化进程的不断加深，有效劳动力供给将不断减少，随之而来的将是劳动力成本的不断上升，这使得人口老龄化“倒逼”企业加快技术代替劳动的步伐，以此来促进企业进行技术创新23-25。在宏观国家层面，人口老龄化会使得政府的养老负担加重，对地方财政的可持续性产生显著的抑制作用26-27，从而挤出国家对科研技术的投入，削弱社会的创新能力28；但是，政府会采取增加研发投入及进行公共教育投资等手段来积极应对人口老龄化，有目的地促进技术创新水平29。创 新 实 践产业创新研究 2023.1 第2 期20三、数据与计量模型设定（一）数据来源本文选取 20062020 年中国 30 个省、直辖市和自治区（除港澳台及西藏地区）的平衡面板数据。所有数据均来源于中国科技统计年鉴 国民经济和社会发展统计公报中国环境统计年鉴 中国统计年鉴、国家统计局、中经网统计数据库、中国民政部及各省的统计年鉴。（二）计量模型的构建通过上述分析，除了考虑了本文关注的核心解释变量人口老龄化程度外，各省、自治区、直辖市的经济发展水平、研发人员的投入水平、人力资本水平、城镇化水平以及政府规模等因素都会对技术创新水平产生作用，因此本文首先构建以下基准计量模型：Innovationit=0+1oldit+Xit+Yeart+Provincei+it（1）其中 Innovationit表示第 i 个地区在第 t 年的技术创新水平，oldit表示第 t 年第 i 个地区的人口老龄化程度，Xit是一系列可能影响技术创新水平的控制变量，下文将予以详细介绍，Year 与 Province 分别表示时间固定效应以及所属省份固定效应，it为误差项。对技术创新影响的研究，通过进行 Hausman 检验，选择了估计结果更为可靠的固定效应模型，此外通过考察 1的正负符号可以判断回归结果的经济含义，若 1小于零，且回归结果显著，那么就表明人口老龄化对技术创新有显著的负面影响。（三）指标的构建本文的被解释变量是技术创新水平。现有文献主要采用专利申请受理量和专利授权量以及电脑普及率来对区域内的技术创新水平进行衡量，但电脑普及率的可靠数据不易获取，而专利是创新成果的主要载体，能够可靠地衡量创新产出以及技术创新水平30，专利申请受理量相较于授权量可能会夸大技术创新水平，而专利申请授权量则会受到时滞效应以及机构偏好的影响，考虑以上因素影响本文同时选用这两个指标并对其取自然对数来衡量技术创新水平。本文的核心解释变量为人口老龄化水平，用老年抚养比即劳动年龄人口中 65 岁及以上老年人口的比重来衡量。此外，本文模型中将引入一系列影响技术创新的控制变量，以此来缓解部分遗漏变量带来的内生性问题。1.经济发展水平技术创新要依赖经济的发展，各个地区的技术创新水平随该地区的经济发展水平的差异而变化。毫无疑问，一个地区的经济越繁荣，该地区的技术创新能力相应地也就越强。本文采用各省、自治区、直辖市的人均 GDP 来衡量经济发展水平，并对其取自然对数。2.研发人员的投入水平研发人员的投入规模对技术创新的水平会产生直接影响，一般来说研发人员的投入规模越大，区域的技术创新水平就会越强，本文采用国际可比指标R&D 人员全时当量来比较研发人员的投入水平。3.人力资本水平罗默指出人力资本能够决定知识与技术的生产，进而决定二者的增长，对知识和技术有重要影响。人力资本水平决定了技术进步的类型，同样也决定了生产过程中先进技术的使用效率31。本文使用 6 岁及以上人口的平均受教育年限来衡量人力资本水平，计算公式为：6 岁及以上人口平均受教育年限=受小学教育的人口 6+受初中教育的人口 9+受高中教育的人口 12+受中职教育的人口 12+受大专教育的人口 15+受本科教育的人口 16+受研究生教育的人口 19）6 岁及以上人口总数。4.城镇化水平城镇化水平的提高能够带动区域内经济活动的聚集，城镇化水平越高，该地区的经济活动就越活跃，知识外溢带来的正外部性作用更大，更有利于该区域的技术创新水平的提高。本文采用城镇人口与总人口的比值即城镇化率来衡量城镇化水平。5.政府规模各区域政府在该地区的科技创新活动中有着至关重要的作用，政府往往通过财政支出来影响该地区的经济活动。本文选用地方财政一般预算支出与该地区 GDP 的比值来衡量政府规模。所有变量的描述性统计如表 1 所示。表 1 变量的描述性统计变量名指标样本数均值标准差最小值最大值技术创新人均专利申请受理量（项/百万人）4501531195457.3211611人均专利申请授权量（项/百万人）450876.2117917.707438老龄化老年抚养比（%）45013.903.4507.44025.50经济发展人均 GDP（元）45045760282906103164889研发投入R&D 人员全时当量（万人年）45011.0013.140.12187.22人力资本平均受教育年限（年）4508.9120.9946.59412.78城镇化城镇化率（%）45055.7813.7227.4689.60政府规模财政支出占 GDP 的比值（%）45023.7810.179.47870.60创 新 实 践INDUSTRIAL INNOVATION 产业创新研究2120062020 年，每百万人的专利申请受理量的均值为1531 件，专利申请授权量为 876.2 件。在所有地区中，北京市的技术创新水平最高，每百万人专利申请受理量和专利申请授权量分别为 4680.59 件、2600.97 件；若以专利申请受理量为衡量指标，所有地区中，内蒙古的技术创新水平最低，相应的数值为 277.06 件，若以专利申请授权量为衡量指标，技术创新水平最低的省份则为青海省，相应的数值为175.97 件。此外，表 1 显示，我国的老年抚养比在 20062020 年间的均值已高达 13.9%，在所有省、直辖市、自治区中，老年抚养比均值最高的为重庆市，达到了 19.40%，老年抚养比均值最低的省份为青海省，该值是 9.84%。四、回归结果分析通过计量模型的检验，表 2 报告了人口老龄化对技术创新水平的影响。其中，第（1）（2）列采用每百万人专利申请受理量对技术创新水平进行衡量，对固定效应和随机效应的结果做了报告。第（3）（4）列采用每百万人专利申请授权量来衡量技术创新水平，也同样报告了固定效应与随机效应的结果。因为影响技术创新的众多变量之间可能存在多重共线性的问题，本文计算得出 VIF 的均值为 3.69，小于 10，表明老年抚养比及控制变量之间不存在严重的多重共线性的问题。表 2 基准回归模型每百万人专利申请受理量 每百万人专利申请授权量（1）固定效应（2）随机效应（3）固定效应（4）随机效应老年抚养比-0.034*（0.009）-0.015（0.009）-0.037*（0.009）-0.021*（0.009）人均 GDP0.398*（0.118）0.608*（0.120）0.184（0.109）0.396*（0.113）R&D 人员全时当量-0.004（0.002）0.000（0.002）-0.003（0.002）0.001（0.002）平均受教育年限0.179*（0.072）0.071（0.063）0.220*（0.067）0.125*（0.060）城镇化率0.048*（0.007）0.039*（0.006）0.045*（0.006）0.039*（0.005）财政支出占GDP 的比值0.012*（0.004）0.002（0.004）0.008*（0.004）-0.002（0.004）常数项-2.103（1.097）-2.901*（1.072）-0.830（1.015）-1.853（1.009）个体固定控制控制控制控制时间固定控制控制控制控制R20.67750.78320.67050.7790样本数450450450450固定效应的 F检验37.190*0.00042.230*0.000豪斯曼检验95.240*0.000166.900*0.000说明：*、*及*分别代表 10%、5%及 1%水平上的显著，（）内的数值为标准误，内的数值为相应统计量的 p 值，后面表格同上。从回归结果来看，被解释变量的指标选取的不管是专利申请受理量还是专利申请授权量，无论是哪种回归模型，老年抚养比的估计系数均为负，并且固定效应模型的回归结果均在 1%的水平上显著。回归