人口老龄化对绿色创新的影响...PAT模型和门限效应的分析_童广宇.pdf

工信财经科技 2023 年第 1 期 102 人口老龄化人口老龄化对对绿色创新的影响绿色创新的影响基于 STIRPAT 模型和门限效应的分析 童广宇*摘 要：本文基于 20002018 年省级面板数据，通过 STIRPAT 模型将人口老龄化与绿色创新纳入同一系统进行分析。使用固定效应的空间杜宾模型进行实证分析，结果表明：区域绿色创新的空间效应显著。从全局效应看，人口老龄化对绿色创新具有显著的正向溢出效应。空间效应分解发现，东部地区人口老龄化对本地区绿色创新有抑制作用，且具有负向的空间溢出效应；中西部地区老龄化对本地区绿色创新有促进作用，且空间溢出效应不显著。上述结果经过稳健性检验仍成立。门限效应回归结果显示：人口老龄化与绿色创新也存在驼峰型关系，当经济发展水平跨过临界值时，人口老龄化的加剧会抑制区域绿色创新。在此基础上得到启示，以期为区域绿色发展提供理论依据和对策建议。关键词：绿色创新；人口老龄化；STIRPAT 模型；SDM 模型；门限效应 一、引言 2015 年，习近平总书记提出的“两山”理念被写入中央文件，面对地球日益恶化的生态环境，坚持和践行绿色发展理念是发展观的一场深刻革命。此外，老龄化也是中国不得不面临的问题，根据第七次全国人口普查的结果，60 岁及以上的老年人口占到我国总人口的 18.7%，这一比例在“十四五”时期，预计会超过 20%；65 岁及以上的老年人口占全国总人口的 13.50%，较第六次普查上涨了 4.63%。这意味着，我国将迈入中度人口老龄化社会。人口老龄化既是挑战又是机遇，积极有效地应对人口老龄化既有利于提高老年人的生活品质，又有利于经济社会发展。实现高质量发展必须贯彻新发展理念，创新是第一动力，绿色成为普遍形态，绿色创新是把绿色发展理念和创新发展理念结合后的集合体。实现绿色动能与创新动能的结合，是解决当前经济高质量发展面临的重大难题即环境问题和发展动能问题，实现我国产业结构升级、发展动能顺利转换、建设“美丽中国”的目标的重要途径（熊云飚和张子璇，2022）。在人口老龄化加剧、发展方式绿色转型的基本背景下，人口老龄化对绿色创新的影响呈现怎样的空间格局？这种影响是否存在不同区域空间特征的异质性？此外，人口老*童广宇，西北师范大学经济学院，硕士研究生；邮箱：。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 103 龄化与绿色创新之间是简单的线性关系还是非线性关系？二者是否存在门限效应？厘清人口老龄化对绿色创新影响的机理机制，对于实现我国空间结构优化、践行绿色发展理念、实现可持续发展等具有重要的理论与现实意义。本文结构安排如下：第二部分是文献分析和研究假说的提出，第三部分是研究设计，第四部分是实证结果分析，第五部分是区域异质性分析，第六部分是影响机制分析，第七部分是稳健性检验，第八部分是进一步分析人口老龄化对绿色创新的非线性效应，第九部分是结论和启示。二、文献综述与研究假说 国内外关于人口老龄化对创新影响的研究主要可分为两个方面：微观层面和宏观层面。在微观层面，从直觉上来看，人口老龄化似乎不利于创新，主要原因是人的年龄越大，思维敏捷度、创新能力就会越弱（姚东旻等，2017）。因为，年龄与创新之间呈“驼峰”关系，顶级科学家和诺奖得主的创新能力的年龄峰值大概为 3040 岁，之后便开始减弱（Jones，2010）。另外，在 50 岁之后，人的推理能力、记忆力和计算能力等流体智力会明显衰退（Nusbaum and Silvia，2011）。如此看来，老龄化的加剧会给地区创新带来不利影响。但随着人年龄的增加，人的阅读能力、写作能力和理解能力等晶体智力不会明显减弱（Schwartzman et al.，1987）。而且拥有较长工作年限的“资深工作者”有着丰富的经验以及更加熟练的技能，能够很好地从事创新活动（Cai and Stoyanov，2021）。在宏观层面，学者们对于人口老龄化对创新的影响可以分为以下三种观点：第一种观点认为人口老龄化有利于地区创新。主流观点认为“人力资本效应”是人口老龄化影响创新的主要渠道，下文将会对此途径进行实证分析。Makris（2006）构建的代际交叠模型从理论上论证老龄化的重要驱动因素，预期寿命的延长会使得人力资本投资的期望收益升高，促进社会人力资本投资的增加，一定程度上有利于区域创新水平的提升。此外，人口老龄化对创新的促进会通过要素禀赋结构来实现（王笳旭和王淑娟，2017）。目前中国人口老龄化的创新效应大于劳动力效应，因此老龄化对经济增长的阻碍作用并未显现（谢雪燕和朱晓阳，2020）。此外，人口老龄化对碳排放存在正向影响（刘建强和马晓钰，2021）。在碳达峰和碳中和目标下，中国各级政府对碳排放的控制高度重视。因此，在这种情况下，人口老龄化可能会倒逼绿色创新。此外，人口老龄化能激发“银发产业”的需求（Mao and Xu，2014）。在绿色发展理念和“健康中国”战略的大背景下，老龄人口对健康生活方式以及绿色生活环境越来越重视，“银发产业”需求会驱动老龄相关的绿色技术创新。第二种观点认为人口老龄化与创新存在非线性关系。沈可和李雅凝（2021）研究发工信财经科技 2023 年第 1 期 104 现，人口老龄化对创新的影响存在门限效应，新城镇化有助于在人口老龄化背景下促进创新发展。Bloom et al.（2010）在跨国研究中发现，一国的经济越发达，其老龄化的问题就越严重，而老龄化的产生也进一步阻碍了该国的经济发展。反之，则相反。第三种观点认为人口老龄化对创新具有消极影响。人口老龄化对本地区及邻近地区科技创新均具有显著的抑制作用（蒋长流和司怀涛，2022）。经济发展程度越高的地区，人口老龄化越容易对创新水平产生不利影响（姚东旻等，2017）。长三角地区人口老龄化总体上制约了区域绿色发展（陈芳和曹晓芸，2021）。经济发达的地区与欠发达地区相比，有着更多的资金和资源来投资人力资本（Barro，2001）。由于人口老龄化可以影响人力资本，人力资本高的地区受人口老龄化的负面影响要比人力资本低的地区更严重。当前中国区域间存在着一定的差异，因此，人口老龄化对中国各区域绿色创新的影响可能存在异质性。此外，目前中国发展不平衡不充分的问题显著存在，各区域的绿色创新能力和区域间的空间相关性也可能存在差异。这与区域间经济基础、人力资本等的差异有着密切的关系。东部沿海地区经济发展水平和对外开放水平高，人力资本水平也较高。中部地区劳动力要素充沛，发展潜力巨大。西部地区自然资源丰富，但环境恶劣，经济基础较差，与东部地区存在一定差异。周力（2010）利用 DEA-Malmquist 指数方法测度了中国省级绿色创新指数，发现东部地区的绿色创新水平高于中部地区，而中部地区高于西部地区。王彩明和李健（2019）运用 DEA-SBM 模型与熵权法对中国区域绿色创新绩效进行时空差异分析，发现东部地区绿色创新绩效高于全国平均水平和中西部地区，而中西部地区绿色创新绩效低于全国平均水平，且中部地区高于西部地区。综上，现有文献大多从老龄化对科技创新的影响或者老龄化对绿色发展的影响进行研究，鲜有文献从人口视角出发，探讨人口老龄化与绿色创新的关系。再者，在人口老龄化加剧、发展方式绿色转型以及中国发展不平衡不充分的问题显著存在的背景下，人口老龄化对不同地区绿色创新的影响可能是不同的甚至是非线性的。因此，研究人口老龄化对绿色创新影响的空间效应和门限效应就显得十分必要，这一点在现有文献中鲜被讨论。因此，本文通过 STIRPAT 模型将人口老龄化与绿色创新纳入同一系统进行分析，研究人口老龄化对绿色创新的影响呈现怎样的空间格局、这种影响是否存在不同区域空间特征的异质性，以及二者是否存在门限效应。根据上述分析，本文提出如下假设：H1：人口老龄化与中国绿色创新呈现正空间相关。H2：人口老龄化能促进中国整体绿色创新水平的提升，但存在空间异质性。H3：人口老龄化与绿色创新存在门限效应。经济发展水平较高的地区，老龄化对绿色创新有消极影响；经济发展水平较低的地区，老龄化对绿色创新有积极影响。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 105 三、研究设计（一）计量模型构建 STIRPAT 模型是 20 世纪九十年代中期，由 Dietz and Rosa（1994）在 Ehrlich et al.（1971）提出的 IPAT 模型的基础上提出的。前者是后者的随机形式，其标准形式为：Ii=aPibAicTidei （1）（1）式中 T 代表技术水平，A 代表财富水平，P 代表人口规模，I 代表环境压力，a是常数，b 是人口规模的弹性指数，c 是财富水平的弹性指数，d 是技术水平的弹性指数。对（1）式两边取对数：lnIi=lna+b lnPi+c lnAi+d lnTi+lnei （2）借鉴上述形式，构建相应的拓展模型：lnINGi=lna0+a1 lnOLDi+a3 lnPGDPi+a3 lnINSi+a4 lnFDIZBi+a5lnURi+a6 lnHCi+a8 lnMARKETi+a6 lnENVi+lnui （3）不同地区的经济发展水平、宏观产业政策、人力资本水平、环境规制程度等会对地区绿色创新产生不确定的影响，且在“双循环”的背景下，要素流动加快，产业转移也按下了快进键，人口老龄化与绿色创新在空间上或许存在着较为明显的关联效应。所以，本文参考刘建强和马晓钰（2021）的做法，选择任何情况下都是无偏估计的空间 SDM计量模型进行实证分析。模型如下：lnINGit=b1+WlnINGit+b1 lnPGDPit+b3 lnOLDit+b3WlnPGDPit+b4WlnOLDii+iWX+i+i+i （4）（4）式中W表示空间权重矩阵，为绿色创新的空间溢出系数，i表示个体固定效应，i表示时间固定效应，i表示随机误差项。X 表示一系列控制变量，包含产业结构升级、FDI、城镇化水平、人力资本、市场化程度与环境规制程度。（二）空间矩阵的构建 根据“Tobler 第一定律”单位间的地理距离越远，其空间相关性越高；反之，则空间相关性越低，构建地理距离空间权重矩阵：Wdis=1/dij。为了选择最佳的空间权重矩阵，本文还构建了如下两种空间矩阵：1.距离平方倒数矩阵Wdis3=1/dij3。2.经济距离矩阵：Wecon=1|PGDPi-PGDPj|，当 i=j 时，Wecon=0。工信财经科技 2023 年第 1 期 106（三）数据来源与变量说明 1变量说明变量说明 绿色创新（ING）的估算：通过文献梳理发现关于绿色创新的估算主要有利用数据包络法测算绿色创新效率、从产品和工艺层面来衡量以及通过区域绿色专利申请或授权数量来衡量绿色创新。考虑到直观性、数据的可获得性同时兼顾科学性，本文参考黎文靖等（2016）和苏涛永等（2022）的做法，用绿色专利的申请数量来表示绿色创新，即从中国国家知识产权局数据库获取专利申请数据，然后与 WIPO 确定的“国际专利分类绿色清单”进行匹配，最终获得全国 30 个省份 20002018 年的绿色专利申请数量。人口老龄化（OLD）的测算：以 65 岁及以上年龄的人口占我国总人口的比重来衡量人口老龄化（刘健强和马晓钰，2021）。控制变量与门限变量：环境规制程度（ENV），参考任晓松等（2020）的做法，用环境规制综合指数表示环境规制程度；外商直接投资（FDIZB），用实际使用外资额占地区生产总值的比例来表示；用城镇人口占总人口比重表示城镇化水平（UR）；市场化程度，用樊纲市场化指数来表示；用大专及以上学历在校人数占中国总人口比重来表示人力资本（HC）；产业结构升级（INS），参照于斌斌（2015）的做法，用第三产业增加值与第二产业的增加值的比值来表示产业结构高级化；经济发展水平（PGDP），用人均 GDP表示。2数据来源及处理数据来源及处理 本文以 20002018 年全国 30 个省份（不包含西藏）面板数据为样本进行分析，样本数据来源于国家知识产权数据库、中国统