人口老龄化对技术创新的影响

何玉琼 李阳明

摘 要：本文在对文献梳理推导出人口老龄化对技术创新的影响机制上，基于我国31省（市、自治区）2002-2018年的省级面板数据，运用动态面板模型和系统广义矩估计方法，实证分析人口老龄化对技术创新的影响作用。研究结果显示：我国的人口老龄化对技术创新存在显著的正向作用，且该结论通过了变量替换和反向因果识别进行的稳健性检验。本文的结论可以帮助我们分析当前我国所面临的人口老龄化问题，发挥人口老龄化对技术创新的正向推动作用，减轻人口老龄化对技术创新的负向阻力。

关键词：人口老龄化;理论机制;技术创新

中图分类号：F24 文献标识码：A doi：10.19311/j.cnki.1672-3198.2021.35.033

0 引言

随着我国经济发展水平的逐渐提高和计划生育政策的长期有效推行，我国人均寿命不断延长、少子化现象出现，导致人口老龄化问题现象日益突显，2000年我国开始进入老龄化社会，随后人口老龄化程度不断深化，据预测，到2050年，60岁及以上和65岁及以上的老龄人口将达4.54亿和3.31亿。在当前我国人口老龄化程度加速的趋势下，且经济增长的驱动力从要素投入向发挥技术转变，提高我国技术创新水平无疑是我国加快适应经济转变、保障我国经济平稳持续发展的一种有效选择;但是，人口老龄化不断发展又势必会直接影响一个国家或者地区的技术创新发展水平，以及经济发展速度与方向，鉴于此，研究分析人口老龄化对于技术创新的影响效应，对有效应对我国老龄化问题、促进经济的可持续发展有相关意义。

1 理论机制

首先，就个体而言，人口老龄化虽然使个体机能严重老化、学习能力下降（czaja等，2007），对前言知识的学习不足，但同时，老年人口在实践中通过“干中学”也积累了丰富的实际工作管理经验和劳动生产管理技能，有研究结果表明已有的工作经验与前沿的知识对于技术创新是一样重要的（bonte，2009），老年人在实践中可以通过和年轻人共同分享成熟的经验从而较大程度减少年轻人在技术创新的过程中所出现的失误，推动技术创新活动（ kuhnm，2007）;也可以借助他们在实践中所积累的工作经验去发现更有效的前言性工作战略，与青年人的前言知识相辅一体，提升其创新性的工作效率（ ang、madsen ，2015）;因此，老年群体拥有高质量的技术实践经验可以有效缓解由于人口老龄化造成的创新能力降低。

其次，老龄化现象的特征是出生率的下降和人均寿命的延长，出生率的下降会导致少儿人口的减少，家庭中用于子女教育的资本大量集中，会加强对人力资本的投入，從而提高整个社会平均人力资本水平。当个体的寿命增加时，未来或许会延迟退休，人们的工作时间将会相应地增加，这会导致人力资本投资收益的提高，于是个体会加大其本身的投资（范洪敏，2017），且有研究表明：高水平教育群体即使是老年后对于经济增长的贡献率仍然要超过青年人（Ang、Madsen，2015）。另外，根据生命周期理论，人们会考虑未来的老年生活消费所需以及不确定性的应对，会进行一定的储蓄来平滑一生的支出，家庭储蓄会导致物质财富的积累增加，即人口老龄化会一定程度提升人类社会的物质资本积累;随着数亿人口的社会物质资本积累速度上升，很可能会出现第二次人口红利（maso等，2016），即物质资本在一定富足程度，会导致利率的降低，进而降低我国研发部门对外融资的技术成本，同时提高未来技术盈利的发展空间，导致我国研发部门将来还会进一步增加对技术研发的投资，最终对我国技术创新的未来发展进程产生正向的影响（gehringer和geprettner，2019）;以上，家庭和个人的优化积极行为可能会促进人口老龄化对技术创新的正向作用。

最后，对于企业层面，人口老龄化会使得企业的劳动力要素成本上升，且劳动力相对于资本更加稀缺，企业为了防止生产率下降，一般只能通过使用资本或者技术来替代劳动，但是资本替代劳动却会出现资本边际报酬递减的问题，故企业往往会偏向于促进劳动节约型的技术创新;有研究表明人口老龄化通过促进智能化机器和自动化技术的发展与运用，能够大幅提高经济整体的自动化程度（ acemoglu、restrepo ，2018）。对于国家层面，人口老龄化所带来的大量劳动力稀缺倒逼整个国家在重视对人力资本的投资、技术创新时，会直接引发整个国家的资源进行重新配置，这对于技术创新会产生正向影响（汪伟，2016）。根据以上文献推导，本文认为从各方面协调来看，人口老龄化可能对技术创新有正向的促进作用。

2 计量模型、变量与数据

2.1 基准模型设定

构建如下计量分析模型：

其中：下标i和t分别代表样本中的各个省份和时间;Rdit为研发经费投入强度，代表技术创新水平，Rdit-1代表技术创新的一期滞后项;age65it是人口老龄化系数，代表老龄化程度;Xnit代表可能影响技术创新的控制变量，下文中有具体表述;α0为常数项，α1、α2和αn为待估系数;εit为随机误差项。由于技术创新是一个动态演变的发展过程，上一期的技术创新积累明显对现期的技术具有积极的推动作用，因此引入滞后被解释变量符合理论与现实。广义矩估计分为差分广义矩估计（ Diff-GMM） 和系统广义矩估计（ Sys-GMM），本文运用动态面板模型对人口老龄化与技术创新的关系进行系统广义矩估计。为控制模型中可能存在的异方差，对各变量均取对数。

2.2 变量选取

被解释变量：技术创新（Rd），选用研发经费投入强度来衡量，具体是研发经费投入占 GDP 比重来测度。在稳健性检验中，将国内专利申请受理量（patent）对技术创新进行替换衡量。

核心解释变量：老龄化程度 （Age65），使用65岁及以上人口占总人口比重（老龄化系数）作为老龄化程度衡量指标。另外将老年抚养比（Oadr）在稳健性检验中对老龄化水平进行替换衡量。

本文加入可能会影响技术创新的控制变量有：（1）实际人均国内生产总值（egdp），以2002年为基年进行折算;（2）固定资产投资（inv）;（3）城市化水平（urban），以城镇人口占年末总人口比重衡量;（4）对外开放度（open），以进出口总额占GDP比重来衡量;（5）工业化水平（industry），以工业增加值占GDP比重来衡量;（6）人力资本（hc），参考胡鞍钢的方法，以各地区人均受教育年限衡量，具体算法：平均受教育年限= （大专以上人口数×16+高中人口数×12+初中人口数×9+小学人口数×6）/总人口数。

2.3 数据描述

本文所使用的数据为中国31省、直辖市、自治区2002-2018年的平衡面板数据，数据分别来源于各年的《中国统计年鉴》《中国科技统计年鉴》和各省统计年鉴，表1是变量的描述性统计结果。

3 实证结果与分析

为与动态面板模型进行比较分析，首先，使用静态面板模型、采用随机效应（Re）估计和固定效应（Fe）对老龄化程度对技术创新的影响进行估计，表2的第（1）（2）列分别显示了在未控制时间趋势的情况下随机效应和固定效应的估计结果，结果表明人口老龄化对技术创新的影响在5%的水平上显著为正，表2第（3）（4）列为控制了时间趋势的情况下随机效应和固定效应的估计结果，结果显示人口老龄化对技术创新的影响在10%的水平上显著为正。Hausman检验结果表明，固定效应比随机效应更准确有效。其次，表2中的第（5）（6）列動态面板模型表明了差分广义矩估计和系统广义矩估计的结果是人口老龄化对技术创新的影响正向且显著。另外，因变量滞后项的估计系数为正数且显著，表明使用动态面板模型较静态面板模型更为合理。Abond自相关检验的AR（1）的P值小于0.05，AR（2）的P值大于0.1，表明残差项只存在一阶序列相关，不存在二阶自相关，故其随机误差项无序列相关性。Sargan检验表明不能拒绝“工具变量是合理得”原假设。

从实证结果和现实情况来看，我国的人口老龄化目前没有对技术创新带来负向作用。控制变量方面，实际人均国内生产总值和固定资产投入对于技术创新有着明显的正向影响，与相关经济学理论的分析相吻合。城市化水平及其对外开放对技术创新的作用是正向不显著，工业化程度对于技术创新的影响为负向不显著，人力资本积累对于技术创新有显著的正向影响。基于前文的理论机制分析，本文认为经济社会是一个庞大繁杂的系统，老龄化对于技术创新的影响具有多维性和复杂性，其最终的影响是正向和负向作用之间相互制约以及各主体间协调融合的效果。其中，老年个体通过已有工作经验对技术创新发挥余热，老龄化引起的家庭对人力资本的大量投资及物质资本积累会在某种程度促进人口老龄化对技术创新的正向作用。加之，在老龄化情况下，企业为了保证全要素生产率，会激发其对劳动节约型的技术创新，国家对科研的投入加大和资源的合理分配，均在某种程度上促进人口老龄化对技术创新的正向作用。因此，在个体、家庭、企业和国家各方积极优化行为调整结构下，人口老龄化对技术创新存在正向效应。

4 稳健性检验

替换变量。为了验证基准回归结果的稳健性，使用老年抚养比（Oadr）对人口老龄化进行再次衡量，被解释变量仍为研发经费投入强度（Rd），此外，使用专利申请受理数（Patent）再次对技术创新进行衡量，解释变量仍为老龄化系数（Age65），最后，将被解释变量和解释变量的原指标均替换为专利申请受理数（Patent）和老年抚养比（Oadr），对上述三种情况依次采用系统GMM方法进行回归检验老龄化对技术创新的影响。回归结果是表3的（1）-（3）列，由结果可知，老龄化程度对技术创新的影响均显著为正，其与基准回归结果较为一致。

反向因果识别。由于技术创新会提高医疗水平和生活水平，人们的寿命会相应延长，这在一定程度上加剧人口老龄化程度，也就是说，人口老龄化与技术创新之间可能是一个逆向的因果关系，故存在内生性问题，为有效解决这一问题，参考邓翔（2019）的方法，采用将老龄化程度变量进行滞后处理后，再用系统广义矩估计进行人口老龄化对技术创新的影响分析。表3中第（4）-（7）列的被解释变量均为研发经费投入强度（Rd），核心解释变量依次为老龄化程度的一期滞后项、老年抚养比的一期滞后项、老龄化程度的二期滞后项、老年抚养比的二期滞后项。由表中结果可知，不论是老龄化的一期滞后项还是二期滞后项，其估计结果依然正向显著。通过以上稳健性检验，表明基准估计结果有一定可靠性。

5 结论与启示

本文基于文献推导出人口老龄化对技术创新作用机制的基础上，利用中国2002-2018年省级平衡面板数据，实证检验了我国人口老龄化对技术创新的影响，发现人口老龄化与技术创新显著正相关。目前来看，我国人口老龄对技术创新水平没有抑制作用，其原因可能是，基于个体家庭、企业及国家各主体在适应人口老龄化时做出了相对优化积极的选择，且这些优化选择相互协调融合，例如，让一位老年人传授自己工作的经验，发挥他们工作的优势;家庭也增加了自身和子女的各种人力资本投入;企业和政府在国家都增加了科学研发投入，促进了科学技术创新;这就使得我国的人口老龄化对科学和技术创新产生的正向效应和协调作用远远超过了其他方面的负向效应，导致最后的总效果变为正。且在进行稳健性检验后，本文结论依然成立。

本文的政策启示：第一，充分发挥人口老龄化对技术创新的正向效应，及各经济行为主体对人口老龄化作出的协调优化效应，强化人口老龄化对技术创新的正向影响;第二，加强教育投资，落实人才强国战略，加强对科研的投入，提升人力资本，促进技术创新。

参考文献

[1]Czaja S J，Lee C C.The Impact of Aging on Access to Technology[J].Universal Access in the Information Society，2007，5（4）：341-349.

[2]Bonte W，Falck O，Heblich S.The Impact of Regional Age Structure on Entrepreneurship[J].Economic Geography，2009，85（3）：269-288.

[3]Kuhn M，Hetze P.Team composition and knowledge transfer within an ageing workforce，2007.

[4]Ang，J. B. and Madsen，J. B.Imitation versus Innovation in an Aging Society：International Evidence since1870[J].Journal of Population Economics，2015，28（2）：299-327.

[5]范洪敏，穆怀中.人口老龄化对环境质量的影响机制研究[J].广东财经大学学报，2017，（2）：41-52.

[6]Ang，J.B.，Madsen，J.B.Imitation versus Innovation in an Aging Society：International Evidence since1870[J].Journal of Population Economics，2015，28（2）：299-327.

[7]MASON A，LEE R，JIANG J X.Demographic dividends，human capital，and saving[J].Journal of the economics of ageing，2016，（7）：106-122.

[8]GEHRINGERA，PRETTNERK.Longevity and technological change[J].Macroeconomic dynamics，2019，23（4）：1471-1503.

[9]ACEMOGLUD，RESTREPOP.Demographics and automation[R]. NBER Working Paper，2018：24421.

[10]汪偉，姜振茂.人口老龄化对技术进步的影响研究综述[J].中国人口科学，2016，（3）.

[11]邓翔，张卫，万春林，等.人口老龄化与技术进步：凛冬将至吗——来自OECD国家的经验证据[J].广东财经大学学报，2019，34（06）：11-23.