区域人口结构、就业结构对技术创新影响的实证研究

2013-03-11王家庭李海燕

创新 2013年4期

王家庭李海燕

王家庭李海燕

运用计量经济分析方法，结合中国30个省区的面板数据，实证研究了区域人口结构、区域就业结构对区域技术创新水平的影响。研究结果表明：区域人口密度、青壮年人口在总人口所占比重、受教育程度较高的人口在总人口中的比重对区域技术创新水平都有显著的促进作用，而性别差异对技术创新的影响不大；就业人口分布于第二产业的比例越高，区域技术创新水平越高，分布于第一产业的比例越高创新水平反而越差，而第三产业就业人数的多少与技术创新水平的高低则没有较大的关联。

技术创新；人口密度；区域人口结构；区域产业结构

创新是区域经济增长的重要动力，随着我国近年来劳动力价格的不断攀升，传统的依靠劳动力价格优势进行来料加工的经济发展模式逐渐无法进一步推动经济的高速发展，想要实现经济长期可持续的增长，必然需要依靠技术创新来形成核心竞争力和垄断优势。目前，国内外学者对于区域技术创新及其影响因素已做了大量研究，但从区域人口结构、就业结构的角度进行实证研究的还相对较少。基于此，本文将运用计量经济分析方法，结合中国30个省区的面板数据，分别从区域人口结构、就业结构的视角构建计量模型对区域技术创新的影响因素进行实证研究。

一、模型构建与数据说明

下文从区域人口结构、区域三次产业就业结构两个角度来构建对区域技术创新影响的计量分析模型。

（一）区域人口结构模型（model 1）

由于专利数自1960年代开始就被学者们用作反映技术创新水平的指标，因此根据国内外文献，本文采用专利申请受理数（PAT）作为衡量创新产出的指标。对于创新的投入指标，大部分前人的研究都说明区域R&D投入量是影响技术创新水平的显著因素，因此本文也将研发投入（RD）作为解释变量之一；人口密度对技术创新的影响是本文的研究核心，所以选择区域人口密度（DEN）作为解释变量之二；为了研究区域人口中青壮年人口所占比重对技术创新的影响，本文将15～64岁人口在总人口中所占比重（YOU）作为解释变量之三；同时由于技术创新往往发生于教育水平较高的地区，因此将各区域初中、高中及大专以上人口占6岁及6岁以上人口的比重（EDU）纳入模型解释变量中；考虑到人口中性别的差异对创新可能产生的影响，将各地区人口男女比（GEN）作为解释变量。

那么，被解释变量为PAT，解释变量就有RD、DEN、YOU、EDU、GEN，考虑到变量数据可能存在异方差，将各变量取自然对数后设定模型形式如下：

ln PATi=β0+β1ln RDi+β2ln DENi+β3ln YOUi+β4ln EDUi+β5ln GENi+ε

式（1）中：下标i代表区域，ε代表随机误差项，β0、β1、β2、β3、β4、β5是模型系数。

由于西藏的数据缺失，我们选择中国2006～2009年30个省区的面板数据作为样本，n=30。被解释变

量PAT采用各地区专利申请受理数，数据来源于《中国统计年鉴》（2007-2010）；解释变量RD采用各地区经过价格指数平减后的R&D经费内部支出，数据来源于《中国科技统计年鉴》（2007-2010）和《中国统计年鉴》（2007-2010）；解释变量DEN采用各地区区域人口密度，数据来源于《中国城市统计年鉴》（2007-2010）；解释变量YOU采用15～64岁人口在总人口中所占比重，数据来源于《中国统计年鉴》（2007-2010）；解释变量EDU采用各区域初中、高中及大专以上人口占6岁及6岁以上人口的比重，数据来源于《中国统计年鉴》（2007-2010）；解释变量GEN采用各区域男性人口与女性人口的比重，数据来源于《中国统计年鉴》（2007-2010）。

（二）区域就业结构模型（m odel 2）

在区域就业结构模型中，根据已有研究，选择专利申请受理数（PAT）作为衡量创新产出的指标，研发投入（RD）作为投入变量之一，区域总体的人口密度（DEN）作为解释变量之二，在此基础上，为了探究人口在三次产业中的分布对技术创新的影响，分别引入第一产业就业人口比重（I1）、第二产业就业人口比重（I2）、第三产业就业人口比重（I3）三个解释变量。

那么，被解释变量依然为PAT，解释变量则有RD、DEN、I1、I2、I3五个变量，考虑数据可能存在的异方差性，将各变量取对数，模型设定为：

ln PATi=β0+β1ln RDi+β2ln DENi+β3ln I1i+β4ln I2i+β5ln I3i+ε

式（2）中：下标i代表区域，ε代表随机误差项，β0、β1、β2、β3、β4、β5是模型系数。

考虑到数据可得性，本文对各指标选择除去西藏之外的中国30个省（直辖市）2007～2010年的面板数据作为样本，n=30。模型中被解释变量PAT、解释变量RD、DEN的数据选取均与区域人口结构模型中相同，解释变量I1、I2、I3分别采用各产业就业人口在总就业人口中所占比重，数据来源于《中国统计年鉴》（2007-2010）。

二、实证结果分析

（一）区域人口结构模型的实证结果

为了确定该模型中面板数据属于混合模型还是个体固定效应模型，首先对样本数据进行F检验，检验结果如表1所示。从检验结果中可以看出，F检验P值为0.0000，表明拒绝原假设，应该选用个体固定效应模型。

进一步的，对数据样本进行Hausman检验，以确定数据符合个体固定效应模型还是个体随机效应模型，所得结果见表1。从结果中看出，Hausman检验统计值的P概率为0.0000，表明拒绝原假设，应该选用个体固定效应模型。

根据前文的检验，应用Eviews 6.0对数据样本进行固定效应模型回归，采用一般常用的变截距模型，并且由于数据横截面单位较多而时期较少，对此类数据进行估计的问题就集中于横截面的变化，或者是异方差上，因此采用截面加权估计法进行估计，以减少或消除截面的异方差问题，回归结果见表1。

表1 model1回归结果

由计量结果可以看出，变量RD、YOU、EDU均通过了99%的置信度检验，变量DEN通过了95%的置信度检验，同时模型调整后的拟合优度R2为0.99，模型对实际数据样本的拟合良好，D.W值为1.699，基本不存在自相关性，说明以上几个变量对被解释变量具有较强的解释力，能够较好的反映我们所要解决的问题；而变量GEN系数的T值较小，即使是在10%的显著水平下仍然无法通过显著性检验，说明该变量对被解释变量的影响并不显著。

根据回归结果，笔者发现：

第一，代表研发投入的变量RD在模型中显著为正，这也证实了以往学者的研究结果，即，研发投入的增加促进了技术创新的产生。并且，由于本文选取的是2006～2009年全国30个省区的数据样本，说明研发投入对技术创新的促进作用在最近几年也一直是存在的，由计量结果可以看出，RD每增

加1%，技术创新水平增加0.2856%。

第二，代表区域人口密度的变量DEN对区域技术创新的影响也是显著为正，区域人口密度每增加1个百分点，区域技术创新水平就增加0.9756个百分点。这说明单位面积占有的人口资源越多，区域技术创新产生的可能性也越大。这是由于区域人口密度越大，单位面积的智慧资源也越多，所占有的知识也更多，因而也更容易产生创新想法，起初可能只有少数人具有创新的想法，由于人口密度较大，扩散效应和溢出效应也会更加明显，这些因素相互叠加就会形成创新的环境，激励环境中的每一个人努力创新，形成一种相互作用的良性循环，提高整个区域的技术创新水平。

第三，青壮年人口在总人口中的比重显著促进了区域技术创新，并且对技术创新的影响较大，YOU每增加1%，区域技术创新水平将增加5.0868%。这与我们的常识是相符合的，年轻人往往思维较为活跃，创新的意识也相对较强，并且也更愿意从事技术创新的工作，提高区域的技术创新水平。

第四，受教育程度较高的人口越多，区域技术创新水平也更高，EDU每增加1个百分点，区域技术创新水平增加2.4398个百分点。受教育程度高的人口在总人口中所占的比例越高，区域总的知识占有量就越高，而知识是创新的基石，只有拥有足够的知识储备，才能发现现有技术存在的弊端，并有能力消除弊端，实现技术创新。

最后，区域人口中男女人数比对区域技术创新水平的影响并不显著，说明技术人才与性别无关，男性人口与女性人口的智力水平、受教育水平和知识占有量相对平衡，对技术创新的贡献也不存在较大差异。

（二）区域就业结构模型的实证结果

下面本文对分三次产业的区域就业结构模型进行回归，首先对样本数据进行F检验，以确定模型中面板数据属于混合模型还是个体固定效应模型，所得结果如表2所示。从检验结果中可以看出，F检验P值为0.0000，表明拒绝原假设，应该选用个体固定效应模型。

进一步对数据样本进行Hausman检验，以确定数据符合个体固定效应模型还是个体随机效应模型，所得结果见表2。从结果中看出，Hausman检验统计值的P概率为0.0007，表明拒绝原假设，应该选用个体固定效应模型。

根据检验结果，应用Eviews 6.0对数据进行回归，依然采用截面加权最小二乘法和一般常用的变截距固定效应模型，所得回归结果见表2：

表2 model2回归结果

由计量结果可以看出，变量RD、I1、I2均通过了99%的置信度检验，变量DEN通过了95%的置信度检验，同时模型调整后的拟合优度R2为0.998，模型对实际数据样本的拟合良好，D.W值为2.378，基本不存在自相关性，说明以上几个变量对被解释变量具有较强的解释力，能够较好的反映我们所要解决的问题；而变量I3系数的T值非常小，即使是在10%的显著水平下仍然无法通过显著性检验，说明该变量对被解释变量的影响并不显著。

变量RD和变量DEN在model 2中的系数值以及显著性均与model 1中结果相一致，表明研发投入及区域人口密度这两个变量对技术创新的贡献是相对确定和显著的，在此不再赘述。下面对其他变量计量结果进行分析：

第一，第一产业就业人数比重I1对区域技术创新的影响显著为负，根据表2，I1每增加1%，区域技术创新水平下降1.3812%。由于目前我国农业发展水平相对较低，大规模农场式的机械化作业还尚未实现，技术创新的水平较低。由于政府对农业的管制，农产品市场的竞争性相对较弱，技术创新的动力也较弱，因而如果过多的人口从事第一产业，区域总的技术创新水平反而会下降。

第二，第二产业就业人数比重I2显著促进了区域技术创新水平，即从事第二产业的人数越多，区域总的技术创新水平也越高，第二产业就业人数比重每增加1%，区域技术创新水平增加0.8166%。我

国工业自改革开放以来实现了快速发展，并且目前正从开放初期的依靠劳动力优势进行来料加工的模式，向更多的注重技术的创新与核心竞争力形成的模式转型。同时，随着我国市场的对外开放与自由化，工业企业面临的市场竞争也较大，促使企业不断的创新以获得垄断竞争优势，并且政府政策等非市场因素也为企业创新创造了良好的社会环境，因而绝大多数的技术创新均发生于工业、建筑业等实体经济。

第三，第三产业就业人数比重I3对区域技术创新水平的影响较为不显著，变量T值只有0.5270，无法通过显著性检验。说明从事第三产业人口的多少与区域技术创新水平没有明显的关联，这主要是由于我国第三产业的发展相比于第一、二产业还较不成熟，发生于第三产业的技术创新也相对较为零散，缺乏规律性，因而其对区域技术创新水平的影响也是不规律的。

三、结论及政策建议

通过上述实证研究，笔者发现：首先，从区域人口结构层面看，区域人口密度对区域技术创新具有显著地促进作用，人口密度越大，技术创新水平越高；年轻人在总人口中所占的比重以及受教育程度较高的人口比重都在较大程度上促进了技术创新的产生。其次，从就业结构层面看，第一产业就业人数比重的增加对区域技术创新有负面的影响，相反，第二产业就业人数比重则显著地促进了技术创新的产生，而第三产业就业人数的多少与区域技术创新没有较大的关联。

根据得出的结论，本文提出以下政策建议：

（一）合理推进城市化进程，提高区域人口密度

根据前文的分析，区域人口密度对技术创新有显著影响，并且在两个模型中均表现出一致的正向促进作用。因而，合理提高区域的人口密度对于技术创新水平的提高是很有必要的。一个地区的城市化通过其外部性往往可以吸引各类人才的聚集，在提高区域人口密度的同时可以有效提高创新人才密度，进而促进技术创新的发生。与此同时，粗放式的城市化模式由于吸引了过多素质水平相对较低的人员涌入城市，反而降低了城市的人均科技资源占有量，使区域人口密度产生了无效率增长，对技术创新反而产生不利影响。因此，应该采取必要的措施促进区域城市化进程，积极引导城市化模式向集约型转变，改变粗放式的城市化模式，提高城市化对人才集聚的有效性，促进有效的区域人口密度的提高。

（二）加大教育投入，提高教育水平

由上述分析可以看出，教育水平的提高对于区域技术创新水平的提高有非常显著的促进作用，并且作用效果在各变量中是最大的。因而，加大对教育的投资，提高整个区域的教育水平对于促进技术创新水平是非常必要的。一方面，需要继续加强对各地区义务教育的重视，注重培养学生的创新意识和创新思维，使学生从小形成创新的理念，提高整体素质，从根本上提高人口素质；另一方面，要加强对职业教育和高等教育的重视，在加大对高校和各科研单位高端科技创新人才的培养投入的同时，加强对具有专门技术的一线工人的培训投入，提高工人的专业技术水平，鼓励其在工作中有所创新；同时，对于我国在外求学的优秀留学生要采取积极地政策措施鼓励他们学成回国，在国内发展事业。

（三）有效调节计划生育政策，防止人口老龄化的产生

由分析结果可知，青壮年人口在总人口中所占比例是影响区域技术创新水平的显著因素，因此，采取有效的措施保证在社会人口不出现急剧增长的条件下不出现人口老龄化现象，对于提高社会技术创新水平大有裨益。我国自改革开放以来一直有力地贯彻执行计划生育政策，鼓励少生优生，降低人口数量，提高人口质量，并取得了良好的效果。而随着经济水平的提高和人们生活观念的转变，越来越多的年轻夫妇对于培育下一代也有了新的认识，独生子女比例日益提高，更有许多年轻人选择不结婚或者不生育子女，这无疑对于人口的良性循环是不利的。因此，应当有效调节计划生育政策，提高人口生育的自由化程度，同时加强正确合理的婚姻观人生观的宣传，消除人们对于培育下一代的恐惧，保证青壮年人口在总人口中比例的优势地位，使社会总人口年龄分布在合理范围内波动。

（四）加大对农业的产业结构调整，提高农业科技含量

从分析结果可看出，从事第一产业的就业人数越多反而削弱了区域技术创新水平，说明目前农业当中的技术含量严重小于区域技术创新水平的平均值，因而加快农业的产业结构调整，实现农业与高科技行业的产业融合将有效解决这一问题。就目前来讲，我国农业的发展模式尚处于较为低级的层面，大规模机械化作业还未形成，主流的农业发展方式依然是沿袭传统的各家各户独立耕种，独立收割，独立出售或者自留，产销两方面均未形成批量化作业。尽管近年来逐步引进机械化生产，但力度依然有所欠缺，导致农业的科技含量相对较低。因此，应当积极引导农民采用先进的技术进行生产，并鼓励农户大面积承包农田，进行专业化分工，提高农业生产效率。与此同时，实现农业中剩余劳动力向工业及服务业的转移，减少从事第一产业的就业人数，提高第二、第三产业的就业人数，促进区域技术创新水平的提高。

[1]Schmookler J.Invention and Econom ic Grow th[M]. Cambridge：Harvard University Press，1966.

[2]Scherer F.M.Firm Size，Market Structure，Opportunity and the Output of Patented Inventions[J].American Econom ic Review，1965，55（3）.

[3]Mansfield E.Industry Research and Technological Innovation[M].New York：Norton，1968.

[4]陈广汉，蓝宝江.研发支出、竞争程度与我国区域创新能力研究——基于1998-2004年国内专利申请数量与R&D数据的实证分析[J].经济学家，2007，（3）.

[5]苏方林.省域R&D知识溢出的GWR实证分析[J].数量经济技术经济研究，2007，（2）.

[6]李晓钟.外商直接投资对我国技术创新能力影响及地区差异分析[J].中国工业经济，2008，（9）.

[7]李蕊.FDI与中国工业自主创新：基于地区面板数据的实证分析[J].世界经济研究，2008，（2）.

[8]林云，金祥荣.区域技术创新绩效的“马太效应”——基于中国30个省市面板数据分析[J].经济学家，2008，（3）.

[9]童纪新，冯丹.制度因素对技术创新产出的作用分析——基于我国东部五省市面板数据[J].技术经济，2009，（5）.

[10]刘加林，严立东.环境规制对我国区域技术创新差异性的影响——基于省级面板数据的分析[J].科技进步与对策，2011，（1）.

[11]李强，聂锐.环境规制与区域技术创新——基于中国省际面板数据的实证分析[J].中南财经政法大学学报，2009，（4）.

[责任编辑：杨彧]