人口老龄化如何影响制造业集聚?

刘成坤

(1 江西财经大学 统计与数据科学学院,江西 南昌 330013;2 江西财经大学 博士后流动站,江西 南昌 330013)

1 引言

作为一个重要的经济现象,产业集聚一直是学术界关注的热点话题之一。产业集聚对区域经济发展的影响主要体现在两个方面:一是产业集聚能够推动专业化分工,促进生产要素自由流动,优化资源配置,由产业集聚带来的外部经济可以降低运输成本,促进区域经济发展;二是产业集聚可以降低区域内企业的信息不对称程度,节约生产成本,由产业集聚带来的技术溢出和规模经济等逐渐成为推动经济发展的新动力。自改革开放以来,我国制造业增加值由1978年的0.15万亿元增加到2022年的33.52万亿元,已连续13年位居世界第一。虽然我国的制造业发展取得了举世瞩目的成就,但是我国的制造业主要集中分布于沿海发达地区以及中心城市,导致经济欠发达地区和外围城市的制造业普遍面临份额偏低、规模较小、集聚效应难以充分发挥的现实困境,空间分布极度失衡。制造业是国民经济发展的支柱产业,制造业集聚是产业集聚的重要内容,其对区域经济发展的重要性不言而喻。阎川、雷婕(2019)指出,产业集聚理论已从早期传统经济地理学的“地理要素禀赋外生决定论”逐渐发展到20世纪末新经济地理学的“要素动态内生演进论” 。影响制造业集聚的因素众多,而资源要素被认为是相对比较重要的因素(李扬,2009)。资源要素通常包括自然要素和社会要素,人口老龄化与其中的社会要素密切相关。国民经济与社会发展统计公报显示,截止到2022年底,我国65岁及以上的老年人口占总人口的比重已达到14.90%,意味着我国即将整体进入深度人口老龄化社会。随着人口老龄化的不断加剧,人口老龄化对劳动力供给、劳动力成本和人力资本积累等社会要素产生的影响必将波及到制造业集聚。人口老龄化与制造业集聚之间存在什么关系?人口老龄化通过哪些途径影响制造业集聚?人口老龄化对制造业集聚的影响是否存在空间溢出效应?这些问题都是本文试图研究和探讨的重要问题,这些问题的研究对于推动我国经济由高速度增长向高质量发展转型升级,区域制造业协同高质量发展具有重要的现实意义。

2 文献综述

进入21世纪以来,关于产业集聚方面的文献日益增多。从产业集聚的统计测度来看,宋瑛等(2019)指出,目前学术界关于产业集聚的测度方法主要分为三大类:总体经济活动的测度方法、距离空间的测度方法以及空间自相关法,基于总体经济活动的测度方法包括区位熵、空间基尼系数、E-G指数以及M-S指数等。其中,区位熵是测度产业集聚时最常用的方法(Cheng,2016;任阳军等,2020;王立勇、吕政,2021;张平淡、屠西伟,2022)。除了区位熵之外,也有学者采用其他方法对产业集聚程度进行测算,如E-G指数和产业集中度(罗勇、曹丽莉,2005)、综合指标测度法(孙晓华等,2018)、就业密度法(杨浩昌等,2020)、专业化和多样化指数(韩峰、阳立高,2020)以及地理距离衰减系数(高康、原毅军,2020)。

从制造业集聚的影响因素来看,学者们进行了一系列的研究。如贺灿飞等(2010)研究发现,交通密度、政府支出比重、开发区数量以及贸易壁垒强度等区域特征会显著影响制造业集聚。王佳、陈浩(2016)则研究了城市规模、生产性服务业发展对制造业集聚的影响,发现城市规模对制造业集聚的影响呈倒U型,生产性服务业专业化和多样化发展对制造业集聚的影响效应取决于城市规模。唐红祥等(2018)研究了交通基础设施对制造业集聚的影响,发现不同类型和不同等级的交通基础设施对制造业集聚的促进程度存在显著差异,交通基础设施对市场化程度越高地区的制造业集聚促进作用越显著。阎川、雷婕(2019)以及唐晓华、李静雯(2021)则从财政分权视角研究了其对制造业集聚的影响。此外,也有学者认为,制造业集聚并非是相互独立的,各省份的制造业集聚存在空间相关性。如刘志东、高洪玮(2021)认为,考虑到制造业集聚之间的空间相关性,非空间面板模型可能存在偏误,因此采用空间计量模型研究了制造业集聚的影响因素。朱文涛、顾乃华(2020)的研究结果也显示,高铁开通带来的可达性改善有助于促进非中心城市制造业集聚水平的提高,且具有明显的正向空间溢出效应。

从人口老龄化与制造业发展的关系来看,学者们基于不同的研究视角对二者之间的关系进行了广泛研究,如张杰、何晔(2014)研究了人口老龄化对制造业低成本优势的影响。汪伟等(2015)研究了人口老龄化通过消费需求效应、人力资本积累效应、劳动力禀赋效应、劳动生产率效应以及老龄负担效应等途径影响产业结构升级的作用机理,发现人口老龄化显著推动了制造业与服务业内部技术结构的优化升级。张桂文等(2021)的研究结果显示,人口老龄化会通过劳动力供给减少、资本积累、人力资本投资和技术创新等途径促进制造业转型升级。也有学者研究了人口老龄化对制造业出口的影响,如王有鑫、赵雅婧(2016)的研究结果表明,人口老龄化程度加剧提高了劳动密集型商品的相对价格,有利于资本密集型商品出口比较优势的提升。张明志、吴俊涛(2019)研究发现,人口老龄化会显著抑制密集使用年龄贬值型技能和密集使用体能的行业出口,但会促进密集使用年龄增值型技能的行业出口。周懿等(2020)从理论与实证层面探究人口老龄化对制造业价值链攀升的影响以及作用机制,戴翔、王如雪(2023)则以全球价值链为例,进行了类似的研究。袁辰等(2021)基于贸易增加值视角,研究了人口老龄化对中国制造业国际竞争力的影响。

总体来看,学者们对制造业集聚的影响因素进行了广泛的探究,多数学者均认为人口老龄化与制造业发展密切相关,但是目前尚未有学者对人口老龄化与制造业集聚之间的关系进行系统分析。因此,本文将基于我国省级层面的面板数据,实证研究人口老龄化对制造业集聚的影响。本文可能的边际贡献在于:一是从人口老龄化角度对制造业集聚的影响因素进行研究;二是通过中介效应模型对人口老龄化影响制造业集聚的作用机制进行深入探索;三是考虑到制造业集聚的惯性特征及空间相关性,采用空间动态模型研究人口老龄化对制造业集聚的空间效应;四是研究了人口老龄化对不同类型制造业集聚的行业异质性。

3 模型构建与数据说明

3.1 基准模型构建

根据本文的研究目的,首先构建如下基准模型研究人口老龄化对制造业集聚的影响:

meai,t=α1+β1meai,t-1+γ1roei,t+λ1xi,t+μi+vt+εi,t

(1)

考虑到制造业集聚是一个持续积累的过程,具有惯性特征,制造业集聚的当期结果往往取决于上一期的发展水平,容易产生路径依赖和马太效应。借鉴朱英明等(2012)的做法,在模型(1)中加入被解释变量的滞后一期项,用以表征制造业集聚过程中的累积循环效应,据此构建动态面板模型。其中,mea为制造业集聚水平,是本文的被解释变量,参考张平淡、屠西伟(2022)以及陈志远等(2022)的研究,本文采用区位熵指数对制造业集聚水平进行测算。区位熵指数是通过测算各产业部门在各地区的相对专业化程度来间接反映区域间经济联系的结构和方向,该指标简单易行,能够较好地刻画各省份制造业集聚的相对水平,其计算方式如下:

(2)

其中,emi,t和ei,t分别表示第i个省份第t年的制造业就业人数和各行业的就业总人数。在模型(1)中,roe是本文的核心解释变量人口老龄化程度,采用65岁及以上的老年人口占总人口的比重来衡量;α,β,γ,λ为待估计参数;μ,v分别为个体固定效应和时间固定效应,ε为随机干扰项,i,t分别为省份和年份。此外,x为本文的控制变量,参考阎川、雷婕(2019)、关海玲(2019)以及胡兆廉等(2021)的研究,本文选取的控制变量包括:(1)宏观税负水平mtb,采用财政收入与GDP之比来衡量;(2)城镇化水平urb,采用城镇人口占总人口的比重来衡量;(3)经济发展水平gdp,采用人均GDP来衡量;(4)外商投资水平fil,采用实际利用外商直接投资额与GDP之比来衡量;(5)对外贸易水平ftl,采用进出口总额与GDP之比来衡量。

3.2 中介效应模型构建

根据前面的文献综述可知,人口老龄化与劳动力供给、劳动力成本及人力资本积累等要素密切相关,而劳动力供给、劳动力成本以及人力资本积累等要素又会对制造业集聚产生重要影响,为了厘清人口老龄化影响制造业集聚的作用机制,借鉴Baron &Kenny(1986)的研究,构建如下中介效应模型:

wi,t=α2+γ2roei,t+λ2xi,t+μi+vt+εi,t

(3)

meai,t=α3+β3meai,t-1+γ3roei,t+θ3wi,t+λ3xi,t+μi+vt+εi,t

(4)

其中,w是本文的中介变量,包括劳动力供给lsd、劳动力成本lac和人力资本积累hca,分别采用15—64岁的适龄劳动人口占总人口的比重、在岗职工平均工资和人均受教育年限来衡量,其他变量的含义与模型(1)相同。

3.3 空间计量模型构建

随着交通基础设施的日益完善以及信息化程度的逐渐提高,区域间的经济联系日益紧密,这就使得我国各省份间的制造业集聚水平很可能存在空间溢出效应。因此,地理因素便成为了实证研究中不可或缺的因素,传统的计量方法则恰好忽视了这一因素的影响。鉴于此,本文拟构建空间计量模型对制造业集聚水平进行实证研究。Elhorst(2014)证实,空间杜宾模型更具综合性,空间分析应以该模型为基础。此外,空间杜宾模型将解释变量与控制变量同时纳入空间分析体系中,能够更有效地控制可能存在空间溢出行为的变量,从而提高了估计结果的稳健性。中介效应模型虽然考虑了制造业集聚的动态效应,但是并未包含制造业集聚的空间效应。因此,对以上动态面板模型(1)进行拓展,构建如下空间动态杜宾模型:

meai,t=τmeai,t-1+ψwmeai,t-1+ρwmeai,t+αroei,t+βwroei,t+γxit+λwxit+μi+vt+εit

(5)

3.4 数据来源与说明

本文数据主要来源于《中国人口和就业统计年鉴》、《中国统计年鉴》、《中国工业统计年鉴》和《中国经济普查年鉴》以及EPS数据库中的《中国宏观经济数据库》和《中国财政税收数据库》,研究对象为我国内陆地区的31个省、市、自治区,样本长度为2000—2019年。对于原始数据中的个别缺失值,本文采用插值法进行填充。通过对各变量进行初步处理后,各变量的描述性统计结果如表1所示。为了缓解变量的波动性及可能存在的异方差性,在后文进行实证分析时,将劳动力成本和经济发展水平这两个变量进行对数化处理。

表1 描述性统计结果

4 实证结果与分析

4.1 基准回归模型结果及分析

在进行实证分析之前,对变量的多重共线性和平稳性进行检验。检验结果显示,各变量之间不存在多重共线性,且均为平稳变量,可用于进行实证研究。为了检验人口老龄化是否会通过劳动力供给、劳动力成本和人力资本积累等途径影响制造业集聚,根据中介效应检验的流程,首先需要对式(1)进行估计。参考Arellano &Bover(1995)的研究,以被解释变量的滞后一期项作为工具变量并使用两步系统广义矩估计(SYS—GMM)方法对式(1)进行估计,根据Arellano-Bond检验统计量确定工具变量是否有效,根据Hansen检验统计量确定工具变量是否过度识别。如果系数γ1显著,说明人口老龄化对制造业集聚可能存在中介效应,可以做进一步的检验;反之,如果系数γ1不显著,中介效应检验可以直接终止。为了进行对比分析,本文同时列出了如表2所示的混合回归模型、固定效应模型、随机效应模型和动态面板模型估计结果。

表2 基准模型估计结果

表2中,从混合回归模型的结果来看,人口老龄化对制造业集聚的影响显著为正。由于每个省的情况并不一致,可能存在不随时间而变的遗漏变量,故考虑使用固定效应模型,从模型结果来看,人口老龄化对制造业集聚的影响显著为负。对模型进行F检验可知,F检统计量为31.630,p值为0.000,强烈拒绝原假设,说明固定效应模型明显优于混合回归。对于面板数据,除了固定效应模型之外,还有随机效应模型,本文通过Hausman检验对其进行选择,Hausman检验的结果显示,卡方统计量为20.390,p值为0.000,说明应该选择固定效应模型。然而,固定效应模型并未考虑制造业集聚的动态效应,得出的结果可能不准确。因此,将制造业集聚的动态效应考虑在内,对动态面板模型进行估计,从模型的结果来看,制造业集聚的确存在动态效应,前一期的制造业集聚会对后一期的制造业集聚产生显著的推动作用。与固定效应模型的结果恰好相反,人口老龄化对制造业集聚的影响显著为正,说明人口老龄化对制造业集聚的影响可能存在中介效应,有必要做进一步的检验。此外,动态面板模型的检验结果显示,扰动项的差分存在一阶自相关,但不存在二阶自相关,说明工具变量有效;Hansen统计量为1.000,说明工具变量不存在过度识别问题,即动态面板模型是有效的。从动态面板模型中控制变量的结果来看,宏观税负水平和城镇化水平对制造业集聚的影响均显著为负,说明宏观税负水平和城镇化水平的提高均会对制造业集聚产生阻碍作用;经济发展水平、外商投资水平和对外贸易水平对制造业集聚的影响均显著为正,说明经济发展水平、外商投资水平和对外贸易水平的提高均有利于推动制造业集聚。

4.2 中介效应检验结果及分析

然后,根据式(2)和式(3),将劳动力供给lsd、劳动力成本lnlac和人力资本积累hca等三个变量代入模型,得出如表3所示的中介效应检验结果。

表3 中介效应检验结果

表3的结果显示,从列(1)和列(2)的结果来看,人口老龄化对劳动力供给的影响显著为负,劳动力供给对制造业集聚的影响也显著为负。因此,人口老龄化对制造业集聚的劳动力供给效应存在,即人口老龄化会通过降低劳动力供给水平推动制造业集聚。其原因在于,在老年人口比重不断增加的背景下,适龄劳动人口比重必然会逐渐下降,蒋同明(2019)等的研究结果也显示,人口老龄化会导致劳动年龄人口下降和劳动力短缺;劳动力供给之所以会对制造业集聚产生显著的消极影响,主要是由于劳动力供给越充足,制造业的分布越分散,制造业的规模效应越难以充分发挥,劳动力供给的下降会倒逼制造业由分散向集聚状态转变。列(3)的结果显示,人口老龄化对劳动力成本的影响显著为正,即人口老龄化程度的加剧会抬高劳动力成本,这是由劳动力市场的供求规律所决定的,劳动力供给越少,劳动力成本越高;列(4)的结果显示,劳动力成本对制造业集聚的影响显著为负,说明劳动力成本的提高不利于制造业集聚。结合列(3)和列(4)的结果来看,人口老龄化对制造业集聚的劳动力成本效应显著为负,即人口老龄化会通过提高劳动力成本阻碍制造业集聚。列(5)的结果表明,人口老龄化对人力资本积累的影响显著为正,说明人口老龄化程度的加剧会提高人力资本积累水平;从列(6)的结果来看,人力资本积累水平对制造业集聚的影响显著为负,但影响程度较小,仅有0.033,这可能是由于与发达国家相比,我国制造业行业的人均受教育程度还处于较低水平,且存在人才流动壁垒,导致人力资本的配置效率较低,人力资本对制造业集聚的积极影响还尚未凸显。因此,人口老龄化对制造业集聚的人力资本积累效应也存在,且显著为负,即人口老龄化会通过提高人力资本积累水平阻碍制造业集聚。综合表3的结果来看,人口老龄化对制造业集聚的劳动力供给效应、劳动力成本效应和人力资本积累效应均存在,且仅有劳动力供给效应显著为正,劳动力成本效应和人力资本积累效应均显著为负,中介效应由大到小依次为劳动力供给效应、劳动力成本效应和人力资本积累效应,具体的作用机制如图1所示。

图1 人口老龄化影响制造业集聚的传导机制图

4.3 稳健性检验

为了保证以上检验结果的可靠性,即人口老龄化影响制造业集聚传导路径的有效性,本文分别从以下两个角度进行稳健性检验:一是将被解释变量由用就业人数衡量的制造业集聚指数mea替换为用产业产值衡量的制造业集聚指数moa;二是将核心解释变量由老年人口比重roe替换为老年抚养比red(65岁及以上的老年人口与15—64岁的适龄劳动人口之比)。首先,将被解释变量由mea替换为moa,估计结果如表4所示。

表4 替换被解释变量后的稳健性检验结果

由表4可知,从列(1)的估计结果来看,替换被解释变量之后,人口老龄化对制造业集聚的影响为正,且通过了1%水平下的显著性检验,这与表2中列(4)的估计结果是类似的,只是影响程度有所增强。从中介效应的检验结果来看,劳动力供给和劳动力成本对制造业集聚的影响均显著为负,说明劳动力供给和劳动力成本均会对制造业集聚产生显著的消极影响,这与表3中列(2)和列(4)的估计结果一致。然而,与表3中的估计结果不同的是,替换被解释变量后,人力资本积累对制造业集聚的影响由负向变为正向,且显著性也出现了下降,通过Sobel检验可知,人口老龄化对制造业集聚的人力资本积累效应并不显著。因此,替换被解释变量后,人口老龄化对制造业集聚的影响仍然显著为正,人口老龄化对制造业集聚的劳动力供给效应和劳动力成本效应均显著,且分别为正向和负向,这与前文的结果是完全一致的。虽然替换被解释变量后估计结果有所改变,但是改变幅度极小,说明前文所得的估计结果是较为稳健的。然后,进一步将核心解释变量由老年人口比重roe替换为老年抚养比red,可得出如表5所示的估计结果。

表5 替换核心解释变量后的稳健性检验结果

根据表5的估计结果,由列(1)可知,替换核心解释变量后,人口老龄化对制造业集聚的影响显著为正,影响系数为0.267,这与表2中列(4)的估计结果相比有所下降,但影响系数的方向和显著性并未发生改变。从中介效应的检验结果来看,由列(2)和列(3)可知,人口老龄化对劳动力供给的影响显著为负,劳动力供给对制造业集聚的影响也显著为负,说明人口老龄化会通过降低劳动力供给推动制造业集聚;列(4)和列(5)的估计结果显示,人口老龄化对劳动力成本的影响显著为正,劳动力成本对制造业集聚的影响显著为负,即人口老龄化会通过提高劳动力成本对制造业集聚产生显著的消极影响;根据列(6)和列(7)的估计结果,人口老龄化对人力资本积累的影响显著为正,人力资本积累对制造业集聚的影响显著为负,由此可知人口老龄化会通过提高人力资本积累水平阻碍制造业集聚。此外,从相关统计量的检验结果来看,各动态面板模型选择的工具变量均是有效的,且不存在过度识别问题。从总体来看,替换核心解释变量之后,中介效应的检验结果与前文完全相同。

综合以上结果可知,从两种不同的稳健性检验方法来看,替换被解释变量之后,中介效应的检验结果仅出现了小幅变动;替换核心解释变量之后,中介效应的检验结果完全不变。因此,前文所得的估计结果是可靠的,即人口老龄化会对制造业集聚产生显著的积极影响,人口老龄化对制造业集聚的劳动力供给效应显著为正,但人口老龄化对制造业集聚的劳动力成本效应和人力资本积累效应均显著为负。

4.4 空间计量模型及结果分析

前文通过构建中介效应模型检验了人口老龄化对制造业集聚的影响机制,在研究人口老龄化对制造业集聚的影响时,仅考虑了制造业集聚的动态效应,并未考虑制造业集聚的空间效应。在此基础上,本文将空间地理因素考虑在内,构建空间动态杜宾模型研究人口老龄化对制造业集聚的空间溢出效应。在构建空间动态杜宾模型之前,需要对制造业集聚的空间相关性进行检验,如果制造业集聚不存在空间相关性,则没有必要建立空间计量模型;反之,则有必要建立空间计量模型。为了保证结果的稳健性,本文同时使用了三种不同的方法对制造业集聚的空间相关性进行检验,检验结果如表6所示。

表6 制造业集聚的空间相关性检验结果

从表6来看,Moran′s I指数和Global G的检验结果显示,在样本期间所有年份的制造业集聚指数均通过了1%水平下的显著性检验;Geary C指数的检验结果则显示,在样本期间个别年份的制造业集聚指数通过了1%水平下的显著性检验,绝大多数年份的制造业集聚指数均通过了5%水平下的显著性检验。因此,综合三种空间相关性检验的结果来看,制造业集聚的确存在显著的空间相关性,在研究人口老龄化对制造业集聚的影响时,有必要将制造业集聚的空间相关性考虑在内。本文采用极大似然估计法(MLE)对空间动态杜宾模型进行估计,估计结果如表7所示。

表7 空间动态杜宾模型估计结果

根据表7的估计结果,时间动态模型的结果显示,前一期的制造业集聚会对后一期的制造业集聚产生显著的推动作用,人口老龄化对制造业集聚的影响及空间溢出效应均为正向,但并不显著;空间动态模型的结果显示,邻近区域前一期的制造业集聚会对当地后一期的制造业集聚产生显著的推动作用,人口老龄化对制造业集聚的影响并不显著,但对邻近区域制造业集聚的空间溢出效应显著为正;时空动态模型的估计结果显示,制造业集聚不仅存在动态效应,还存在空间溢出效应,即当地前一期的制造业集聚和邻近区域前一期的制造业集聚均会对当地后一期的制造业集聚产生显著的推动作用,人口老龄化对制造业集聚的影响显著为正,但空间溢出效应未通过10%水平下的显著性检验。从以上结果来看,时间动态模型、空间动态模型和时空动态模型的结果存在较大差异,究竟该如何选择,本文通过相关统计量确定最优模型。从统计量的估计结果来看,时空动态模型的AIC和BIC统计量在三个模型中是最小的,说明时空动态模型是最优模型;从拟合优度R2和对数似然函数值LogL的估计结果来看,时空动态模型也是最优的。因此,本文选择的最优模型为时空动态模型,后文将针对该模型的估计结果进行分析。

韩峰、阳立高(2020)指出,由于空间动态杜宾模型的估计结果中包含了被解释变量及其滞后一期变量的空间滞后项,其测算的空间溢出效应实际上并非局部效应,而是全局效应。Elhorst(2014)认为,当模型中包含全局效应时,空间计量模型的估计结果并不代表解释变量的边际影响,为了对比分析各解释变量的效果差异及其空间溢出效应,还需要借助点估计的结果进一步测算各解释变量的直接效应和间接效应。LeSage &Pace(2009)也认为完全根据空间动态杜宾模型的点估计结果来分析解释变量对被解释变量的影响可能会存在偏误。因此,本文根据表7中时空动态模型的估计结果进一步测算各解释变量对制造业集聚的直接效应和间接效应,直接效应表示解释变量对当地制造业集聚的影响,间接效应表示解释变量对邻近区域制造业集聚的影响。由于模型为动态,又可进一步分为短期效应和长期效应。根据空间溢出效应的分解结果,从短期效应来看,人口老龄化的直接效应显著为正,间接效应未通过10%水平下的显著性检验,说明人口老龄化尽管会对当地的制造业集聚产生显著的推动作用,但是却未对邻近区域的其他省份产生明显的空间外溢效应。这一结论意味着我国各地区的人口老龄化程度悬殊较大,未能通过劳动力供给形成协同效应,导致未对周边地区的制造业集聚产生正向空间溢出效应。结合我国的具体情况来看,这可能是由于我国东部地区、中部地区和西部地区的人口老龄化程度存在显著差异,即使是处于同一地区,各省份的人口老龄化程度也并不一致,存在人口老龄化程度“高—低”集聚的情况,使得人口老龄化程度较高的省份劳动力供给短缺,倒逼制造业集聚,而人口老龄化程度较低的省份劳动力供给相对充裕,难以将人口老龄化对制造业集聚的劳动力供给效应充分发挥出来。

4.5 进一步的讨论

由于制造业各行业的要素投入不同,生产的产品各有差异,这使得对制造业各行业进行分类研究显得极为必要。借鉴朱文涛、顾乃华(2020)以及刘明、王霞(2020)的分类方法,本文按照要素密集度将制造业分为劳动密集型制造业、资本密集型制造业和技术密集型制造业三大类,具体分类方法如表8所示。

表8 制造业各细分行业分类方法

根据表8中的制造业分类方法,按照式(4)分别计算出劳动密集型制造业集聚指数lmea、资本密集型制造业集聚指数cmea和技术密集型制造业集聚指数tmea,并分别将其作为被解释变量代入式(1)中构建分行业的动态面板模型,可得到如表9所示的估计结果。

表9 分行业估计结果

从表9的结果来看,无论是劳动密集型制造业集聚、资本密集型制造业集聚还是技术密集型制造业集聚,均存在显著的路径依赖特征,即各行业前一期的制造业集聚均会对后一期的制造业集聚产生显著的推动作用,这与全样本即表2中列(4)的估计结果是一致的。列(1)的结果显示,人口老龄化对劳动密集型制造业集聚的影响显著为正,说明人口老龄化会对劳动密集型制造业集聚产生显著的推动作用。其原因在于,人口老龄化会对劳动力供给产生显著的消极影响,劳动密集型制造业属于生产过程中主要依靠大量使用劳动力,而对技术和设备的依赖程度较低的产业,劳动力供给的短缺除了会直接导致该行业就业人数的减少之外,还会推动该行业生产成本的上涨,进而倒逼劳动密集型制造业集聚,产生更大的规模经济效应。从列(2)的结果来看,与劳动密集型制造业集聚不同,人口老龄化对资本密集型制造业集聚的影响为负,但并不显著。这是由资本密集型制造业的特性所决定的,资本密集型制造业是指生产过程中劳动和知识的有机构成水平较低,资本的有机构成水平较高,产品物化劳动所占比重较大的制造业,虽然人口老龄化会对劳动力供给产生不利影响,同时也会推高劳动力成本,但是资本密集型行业可以通过使用资本替代劳动,缓解甚至消除人口老龄化对其发展所带来的不利影响。对于技术密集型制造业,列(3)的结果表明,人口老龄化对技术密集型制造业集聚的影响显著为正,且影响系数最大,说明人口老龄化会对技术密集型制造业产生最大的影响。前文的研究结果表明,人口老龄化会对人力资本积累产生显著的积极影响,技术密集型制造业又称为知识密集型制造业,属于高技术产业部门,其特点在于单位劳动力占用资金比劳动密集型制造业多,比资本密集型制造业少,在生产结构中,技术知识所占比重较大,劳动者文化技术水平以及产品附加价值较高,随着人口老龄化的不断加剧,人力资本积累水平也将不断提升,这将使得劳动密集型制造业和资本密集型制造业中受过较高教育的技术人员不断向技术密集型制造业流动,进而对技术密集型制造业集聚产生显著的推动作用。此外,各控制变量对劳动密集型制造业、资本密集型制造业和技术密集型制造业集聚的影响也存在显著的行业异质性。

5 研究结论与对策建议

本文通过选取2000—2019年中国制造业的省级面板数据,采用区位熵方法构建制造业集聚指数,建立中介效应模型研究了人口老龄化如何通过劳动力供给、劳动力成本和人力资本积累等途径影响制造业集聚,并建立空间动态杜宾模型研究了人口老龄化对制造业集聚的空间溢出效应。此外,还研究了人口老龄化对制造业集聚的行业异质性。主要得到以下研究结论:(1)人口老龄化对制造业集聚的总体影响显著为正,前一期的制造业集聚会对后一期的制造业集聚产生显著的推动作用,即制造业集聚存在显著的动态效应;(2)人口老龄化主要通过降低劳动力供给倒逼制造业集聚,与此同时也会通过提高劳动力成本和人力资本积累水平对制造业集聚产生阻碍作用;(3)制造业集聚会对邻近区域的制造业集聚产生显著的空间溢出效应,人口老龄化仅会对当地的制造业集聚产生显著的积极影响,对邻近区域制造业集聚的空间溢出效应不显著;(4)人口老龄化对劳动密集型制造业集聚和技术密集型制造业集聚的影响均显著为正,但不会对资本密集型制造业集聚产生显著影响。基于这些研究结论,本文得出的对策建议如下:

第一,顺应人口老龄化不断加剧的发展趋势,充分发挥其对制造业集聚的劳动力供给效应。从本文的研究结果来看,人口老龄化的加剧会对劳动力供给产生不利影响,而劳动力供给又会对制造业集聚产生阻碍作用,即人口老龄化会通过降低劳动力供给水平助推制造业集聚。国家统计局公布的数据显示,我国65岁及以上的老年人口比重由2000年的7.0%上升到2020年的13.5%,在未来的几十年内,老年人口比重还将继续上升,这就必然导致我国的适龄劳动人口无论在总量还是比重方面都将出现下降趋势。因此,人口老龄化既是全社会不得不面临的重大挑战,更是推动制造业集聚的重要机遇。对于制造业企业,应该抓住这一重要机遇,将劳动力供给下降化为助推制造业集聚的动力。

第二,加快推动工业企业“机器换人”进程,大力降低制造业生产成本。早在2015年春节前后,在加工制造业较发达的珠三角、长三角等地相对集中地出现了一股老板跑路、企业倒闭的风潮,以东莞、苏州和温州等地最为突出,而这既与高端制造业回流发达国家,中低端制造业向中低收入国家转移,对我国形成“前后夹击”的双重挑战有关,也与我国人口红利消失和要素成本的全面上升有关。人口老龄化既会对劳动力供给产生不利影响,也会推动劳动力成本的上升,而劳动力成本上升又会对制造业集聚产生阻碍作用。为了缓解劳动力成本上升对制造业集聚产生的消极影响,加快工业企业“机器换人”进程,大力降低制造业生产成本已势在必行。

第三,建立合理的人才流动体制机制,提高要素资源优化配置水平。高质量的产业集聚实质上是劳动生产率不断提高和产业发展的人力资本及技术含量逐步提升的过程,这也是中国制造业集聚的方向。科学技术是第一生产力,而人力资本是推动科学技术发展的核心动力。虽然本文的研究结果显示,人力资本积累会对制造业集聚产生显著的消极影响,但是这与我国劳动力市场的总体受教育水平较低以及资源要素配置不合理密切相关,如东部沿海地区作为我国经济增长的前沿阵地,汇聚了我国绝大部分的高端人才,这对我国中西部地区的制造业发展产生了很大的阻碍作用。在劳动力供给下降及劳动力成本上升的背景下,东部沿海地区的制造业尤其是劳动密集型制造业必然会不断向中西部地区转移,只有通过建立合理的人才流动体制机制,提高要素资源优化配置水平才能为中西部地区的制造业集聚保驾护航。

第四,构建资源共享和产业互动的合作机制,促进制造业区域协同集聚发展。本文的研究结果表明,制造业集聚存在显著的正向空间外溢效应。东部地区的经济发展水平最高,产业基础最强,制造业也最发达;中西部地区的经济发展水平较低,产业基础相对薄弱,制造业较为落后。长期以来,各自为政形成的区域壁垒限制了制造业的协同发展,不利于空间溢出效应的发挥。为了促进制造业区域协同集聚发展,亟需构建资源共享和产业互动的合作机制。一方面,中西部地区应积极制定各种激励政策,合理引导东部地区的制造业向中西部地区流动;另一方面,东部地区也应积极伸出“援助之手”,在将制造业转移到中西部地区的同时,也要为其输送技术和人才,为产业转移的无缝对接构建资源共享和产业互动的合作机制。