人口老齡化對我國科技創新的影響分析

樓 永，王留瑜，郝鳳霞

（同濟大學經濟與管理學院，上海 200092）

1 研究背景

建國七十周年以來，我國人口年齡結構發生了巨大變化，人口發展經歷了高出生率、高死亡率向低出生率、低死亡率的轉變。根據聯合國老齡化標準，自2000 年以來中國已正式進入老齡化社會，且老齡化進程不斷加劇，具體情況如圖1 所示。截至2018年末，60 歲以上的老年人口約2.49 億人，占總人口比重為17.90%；65 歲以上的老年人口約1.67 億人，占總人口比重為11.90%；整個社會老年撫養比達到16.80%。

圖1 人口老齡化進程

我國的人口增長率呈現“過山車”式，中國的崛起也在很大程度上得益于“人口紅利”，而老齡化時代的到來則意味著“人口紅利”逐漸消失，經濟增長需要尋求新動力。內生經濟增長理論指出：技術進步是經濟增長的唯一動力源泉。在依靠廉價勞動力和資源開發促進經濟增長的方式不可持續后，創新成為引領經濟發展的第一動力，是建設現代化體系的戰略支撐。創新活動中人才資源是最為活躍、最為積極的因素，而目前我國老齡化進程正在不斷加深，因此在經濟發展步入新常態的背景下，研究老齡化對我國科技創新的影響具有重要意義。

對于人口老齡化如何影響科技創新，目前學術界存在三種不同的觀點。第一，消極影響：胡偉略［1］從宏觀、微觀角度出發，用老年撫養比量化老齡化程度，認為養老負擔的加重會對技術進步產生不利影響。姚東旻等［2］基于2003—2012 年的省際面板數據研究，發現人口老齡化不利于科技創新；汪偉等［3］采用DFA 方法測度我國29 個省份的創新能力，認為人口老齡化會對科技創新產生兩種對立的結果，一方面人口老齡化會提高科研工作者的工作效率，另一方面人口老齡化會降低人力資本投資和加重養老負擔，但總體表現出負向作用。第二，積極觀點：王笳旭等［4］等利用1997—2014 的省級面板數據模型，發現人口老齡化對技術創新和經濟增長產生促進作用；Hsu 等［5］基于包含生育率、教育決策和要素積累的一般均衡世代交疊模型，研究了中國生育率衰退與人口老齡化對技術進步和經濟增長的影響，認為預期壽命的延長能夠促進技術進步和長期經濟增長；鄧翔等［6］選用OECD 成員國的跨國面板數據作為研究樣本，發現人口老齡化對全要素生產率的影響顯著為正。第三，倒U 型影響：高越［7］基于中國省級面板數據，采用老年撫養比作為老齡化指標，發現人口老齡化與科技創新水平之間存在倒U 型影響；楊校美［8］利用G20 國家的面板數據，也發現人口老齡化與技術創新呈現出倒U 型關系。

可以發現，目前關于人口老齡化對我國科技創新水平的研究較少，且尚未得出一致結論，大多數文章僅僅研究了人口老齡化與科技創新兩者的關系，未深入探討其內在的影響機制。僅有的幾篇機制研究大多采用在線性模型基礎上引入作用機制代理變量與老齡化指標變量的交叉項進行分析。但連續變量的交叉項主要解釋聯動效應，而非傳導機制。本文將基于中國“未富先老”的特殊國情，繼續探究人口老齡化對科技創新的影響，厘清其內在的中介效應傳導機制，并納入空間因素進行穩健性檢驗。

2 理論分析

一個國家人力資本水平的高低與該國的科技創新水平基本上呈現出正相關關系，而人口老齡化又是影響人力資本水平積累的重要因素。同時，人口老齡化比重增加意味著適齡勞動力人口比重的減少，帶來資本-勞動力投入比例發生改變，進而影響科技創新。因此，本文將從以下兩個途徑梳理人口老齡化影響技術創新的理論機制。

2.1 人力資本途徑

人力資本指的是個人擁有的所有能夠用于生產的勞動能力，主要包括身體機能、知識積累和經驗技能三個方面。首先，個人的身體機能隨著年齡的老化出現不同程度的下降，Verhagen 等［9］對91 篇研究整個生命周期中人的心智能力是如何發展和變化的文獻進行聚類分析，發現認知能力到50 歲會嚴重退化，例如記憶、推理和信息加工的速度等。Czaja 等［10］也發現了認知能力會在衰老的過程中出現不同程度的弱化。

其次，在知識積累方面，國內學者閆鐘［11］指出，高齡員工知識結構陳舊、創新能力不足。同時，經濟學中著名的職業生涯理論發現：年輕人傾向于努力干活，突出表現，以便于在市場上找到高工資的工作；老齡人一方面享受年輕時努力帶來的報酬，另一方面覺得自己的職業生涯即將結束，因此相比年輕人就會降低積累知識、賣力工作的動機［12］。Rouvinen［13］通過對芬蘭生產部門的產品創新和生產過程創新進行研究，發現企業中員工的平均年齡越高，企業的創新可能性就越弱。年輕的員工更容易接受新的知識，而年老的員工更偏向于不改變。向志強［14］研究發現老齡化導致高齡員工一方面幾乎消耗殆盡原先累計的人力資本存量，而另一方面又不能有效的地吸收新知識提升自己的人力資本質量，從而很難跟上技術進步的速度。Lancia 等［15］發現了類似的觀點，證明老齡人一般傾向于否決某種新技術的應用。除此之外，Asplund［16］指出私人企業通常也傾向于為老齡員工提供更少的正規培訓，不利于老年人積累新知識。所以擁有年輕員工多的公司容易采用新技術，而擁有高齡員工多的公司難以采用新技術［17］。

最后，從經驗技能方面上看：老齡員工隨著工作年限的增加會產生“干中學”效應。1962 年Arrow 最早提出了 “干中學”概念，指的是人們在工作過程中也在不斷地積累經驗，從經驗中獲得知識，從而有助于提高生產效率和增加知識總量，極大地促進生產發展。Bloom 等［18］發現勞動力年齡結構老化，的確能夠使高齡員工發揮“干中學”效應，促進創新。但干中學效應積累的工作經驗具有局限性，一旦技術創新替代了原有的工作崗位，老年人的人力資本將很難在不同的工作之間進行轉換［19］。老齡化不僅意味著員工年齡結構老化，也會帶來高齡員工的大量退休。Ashworth［20］以美國的電能行業為研究樣本，認為退休的高齡員工增多會給企業帶來短期甚至長期的知識流失，在中國老齡化人口基數大，出生率水平低的國情下，大規模的老年人口退出工作崗位，將很難在短時間內被補充。

人力資本與科技創新之間存在明顯的正向作用機制。無論是充沛的體力，還是更多的知識積累以及豐富的工作經驗，都是科技創新過程中重要影響因素，一個國家科技創新能力的強弱在很大程度上取決于人力資本水平的高低［21］，人力資本對科技創新具有正向促進作用。

2.2 資本-勞動力稟賦途徑

要素稟賦指的是一個國家或地區擁有的各種生產要素的數量，現代西方經濟學認為生產要素包括勞動力、資本、土地和企業家才能。老齡化時代對資本-勞動力要素結構造成了很大影響，中國人口老齡化同樣伴隨著少兒比重的逐漸減少。2000—2018 年我國老年人口比重逐漸增大，2018 年我國65歲以上的老年人口達到16 658 萬人，與2000 年相比增加了7 837 萬人，平均每年增加435.39 萬人。而2000—2018 年我國的出生率，除2016 年“二胎政策”的實行帶來短暫上升外，整體呈現下降趨勢。2018年大陸全年出生率為10.94‰，出生人口為1 523 萬人，較2017 年減少200 萬人。中國人口年齡結構改變使得我國勞動力市場出現了供給不足的“新常態”［22］，勞動力供不應求以及勞動保護制度日益完善帶來了用工成本持續上升［23］。阿西莫格魯指出要素價格反映出要素的稀缺性，Irmen［24］利用內生經濟增長的世代交疊模型，也發現老齡化到來使得勞動力相對于資本更加稀缺。企業為了節約成本，要么采用資本替代勞動，要么進行技術創新。在“人口紅利”時期，勞動力資源豐富，國家不需要投入過多的資本進行研發，只需要擴大生產規模，充分利用勞動力，符合經濟發展“后發優勢”特點。但“劉易斯拐點”的到來，讓中國工業及制造業的集中地區出現用工荒現象，企業轉而投向引入工業機器人，填補原有的勞動力空缺。根據國際機器人聯合會（IFR）發布的統計數據顯示，2018 年中國工業機器人的安裝量為13.32 萬臺，連續6 年穩居全球第一。同時，廉價勞動力成本優勢消失，企業開始投入大量資本進行技術創新，提升市場競爭力，資本-勞動力的比值呈現出逐年增大的狀態。而經典的經濟學理論指出：隨著一種生產要素相對于另一種生產要素投入比例增加，就會使得第一種生產要素的邊際報酬遞減，所以不能無限制地用資本替代勞動，這必然會引起整個社會重視技術進步，催生出新科技成果［25］。蔡昉［26］也提出了類似的觀點，認為勞動力成本的上升會迫使企業更加注重全要素生產率提高以保持利潤。

但科技創新并非外生給定，其本身也是一種知識產出，并非獨立于生產要素，而是與資本和勞動耦合共振，資本、勞動作為投入要素應該滿足邊際報酬遞減規律，考慮投入成本與取得收益的關系，高投入不一定能帶來高產出。Edquist 等［27］指出國家內部創新體系可能存在著系統失靈，投入企業的資本由于損失效率而無法取得預期收益。楊武等［28］發現資本投入對技術創新具有先促進后抑制的影響關系，而現階段人員投入對技術創新具有促進作用。中國一直以來是一個制造業大國，老齡化時期勞動力的稀缺的確會刺激人們加大資本投入，促進偏向節約勞動型技術進步的產生，而這些創新產生的過程中也需要高質量勞動力的參與。當前我國的就業系統存在低端鎖定，大量勞動力漂移在低端就業市場，且大規模工業化資本積累導向模式的任務主要在于進行產品生產而非知識技術生產。資本-勞動力稟賦的改變會“倒逼”企業進行科技創新，但并非盲目地重資本、輕勞動，而應該將要素比例控制在一個合適的范圍，在加大資本投入的同時，注重提升勞動力的效率，增加實際勞動供給。

3 人口老齡化影響技術創新的實證檢驗

3.1 模型設立與變量說明

文獻梳理發現人口老齡化對科技創新既有正面影響，也有負面影響。在前人研究的基礎上，建立以下基準模型：

式（1）中，下標i表示樣本中的各個省份，t表示樣本中各個時間。lnallpat表示本文研究的被解釋變量科技創新水平，oldrate是本文研究的核心解釋變量老齡化水平，X 代表本文所選用的控制變量矩陣，表示隨機干擾項。

為了進一步研究老齡化對科技創新水平的影響的內在機制，結合前文理論機制分析，建立如下模型進行中介效應檢驗：

被解釋變量（lnallpat）：選取各省份（直轄市）當年的專利申請受理數量作為各地區科技創新的代理指標。雖然也有學者選擇專利授權數量作為一個地區的創新水平的代理變量，但筆者認為選用專利授權數量作為創新的代理變量存在一定的缺陷：（1）專利從申請到授權一般都會經歷1～3 年的時間，因此選用專利申請數量更能體現一個地區當期創新能力；（2）授權專利還需要一定的限制條件，并非所有的創新活動都能授予專利；（3）專利從申請到授權需要經過層層審核，所以選用專利申請數量可以在很大程度上避免由于專利機構工作效率、偏好等外部因素帶來的影響。

核心解釋變量：人口老齡化程度（oldrate），選用65 歲以上人口占總人口的比重表示。

中介變量：（1）人力資本水平（lnshijirl）。勞動經濟學認為人力資本是可以被市場化的勞動能力，其主要包括個人的能力、知識、技能，但這些能力是否能夠轉化為生產力還會受到個人工作意愿的影響，因此對于我國各地區具體人力資本的測算相對復雜。長期以來，大多數文獻采用平均受教育程度度量人力資本水平，但這似乎不能完全綜合地反映人力資本的狀況。本文選用中央財經大學李海崢教授等［29］的研究成果——《中國人力資本報告2018》中的勞動力人力資本水平作為代理變量。該報告中的人力資本水平是采用微觀調查數據和省級層面的數據與Mincer 方程相結合，對國際上廣泛使用的Jorgenson-Fraumenni 收入計算法（以下簡稱J-F方法）進行改進，最終使用改進后的J-F 方法，更加全面綜合地計算中國的人力資本存量。（2）資本-勞動力稟賦（lnzbld），選用實際固定資產存量與年末就業人口數的比值作為代理變量，借鑒單豪杰［30］中的永續盤存法（PIM）計算年末資本存量，具體公式如下:

其中K表示資本存量，δ為折舊率，統一取10.96%［30］。I為每年新增固定資產實際投資額，采用名義固定資產形成額除以平減指數計算得到。考慮到基期的選擇越早對后續年份的估計誤差影響越小，因此選擇正式進入老齡化社會的2000 年為基期，采用永續盤存法的公式進行后續資本存量的計算，2000 年的資本存量采用2001 年的固定資產實際形成額比上平均折舊率10.96%與2001—2005 年間實際固定資產投資增長率的平均值（0.197）之和得到。

表1 2001—2005 實際固定資產投資增長率

控制變量：根據相關文獻的整理，主要選取一些其他影響科技創新水平的變量：（1）經濟發展水平（lngdp）,選用該地區的GDP 表示，經驗表明一國的經濟發展水平越高，越有利于科技創新；（2）城鎮化水平（cityrate），目前我國正在推進城市化進程，城市化水平高的地方容易吸引更多的知識型人才，也更容易形成產業集聚，有利于形成“知識溢出”效應，從而有利于創新；（3）技術市場活躍程度（markegdp），選用科技市場成交量與GDP 的比值表示。需求是一切經濟活動的起點，活躍的科技成交市場能夠使企業的創新成果快速的轉變為收益，從而激勵公司進行科技創新；（4）對外開放程度（lnopen），采用各地區按經營單位所在地劃分的貨物進出口總額與該地區的GDP 比值衡量，該比重越大，說明經濟對外依賴程度越高。一方面，當前我國的自主創新能力還不強，許多高精尖產品還需要從國外進口，所以可以通過進口，學習國外的先進技術和生產方法，利于我國的科技創新；另一方面出口能夠增加我國的GDP 水平，有利于經濟增長，從而為科技創新提供給良好的經濟環境。（5）引進外資水平（lnfdi），以外商投資企業注冊資本中直接來自外商部分的數額表示，外商直接投資一般都具有針對性，一方面可以通過技術溢出效應直接促進創新，另一方面外資進入可以彌補國內資金空缺，有助于研發資金投入。

3.2 數據來源與描述性統計

樣本數據是以省份為單元的面板數據集，選取2006—2016 年省級面板數據進行計量分析。基礎數據主要來源于中國國家統計局、各省份統計年鑒、《中國人口與就業統計年鑒》及wind 數據庫，人力資本水平來源于中央財經大學發布的《中國人力資本報告2018》，資本-勞動力要素稟賦變量由筆者借鑒前人方法計算獲得。西藏由于部分數據的缺失而被剔除，因此最終選用中國30 個省份2006—2016 年的平衡面板數據。表2 是所用到變量的描述性統計：

表2 各變量的描述性統計

4 實證結果與分析

4.1 老齡化對科技創新水平的直接影響

表3 報告了計量方程（1）的估計結果，為了初步檢驗科技創新水平與老齡化比重之間的關系，第（1）列只納入老齡化指標，采用普通最小二乘法（OLS）估計發現oldrate2系數在1%的水平上顯著為負，初步驗證了科技創新水平與人口老齡化之間存在倒U 型關系。第（2）列引入其他控制變量，發現老齡化指標對科技創新水平的影響不顯著，這可能是因為面板數據存在顯著的個體效應導致估計結果不準確，后經Hausman 檢驗最終選用固定效應模型進行回歸分析。第（3）列報告了固定效應模型組間估計量法的回歸結果，oldrate2系數仍然在1%的顯著性水平上為負，為了避免遺漏變量帶來的偏誤，第（4）列在第（3）列的基礎上控制時間效應，oldrate2系數在5%的顯著性水平上為負。由于組間估計量方法無法估計不隨時間而變的變量之影響，所以進一步采用最小二乘虛擬變量法（LSDV）進行固定效應模型估計，表（5）報告了LSDV 方法的雙固定效應模型估計，oldrate2系數在1%的顯著性水平上為負，證明了科技創新水平與老齡化比重之間先增加后下降的倒U 型關系。同時，為了避免科技創新水平與GDP 水平同期反向因果關系導致的內生性問題，有必要使用工具變量對第（5）列進行重新估計，第（6）列報告了采用GDP 滯后一期作為工具變量的GMM 估計結果，oldrate2估計系數仍然在1%的顯著性水平上顯著為負。

表3 人口老齡化對科技創新水平的直接影響

表3 中的模型在控制時間和個體的固定效應后，均顯示出人口老齡化對我國的科技創新水平之間存在顯著的倒U 型關系，其經濟含義在于：在控制其他因素不變的情況下，人口老齡化對科技創新水平帶來的邊際效應呈現遞減趨勢。當邊際效應大于0 時，人口老齡化會促進科技創新水平的產生，而當邊際效應小于0 時，人口老齡化就會對科技創新產生不利影響，所以表現為先促進后抑制的倒U型關系，本文研究中拐點對應的老齡化水平大約為10.21% 。除此之外，回歸結果顯示出城鎮化水平、對外開放程度以及當地經濟發展水平都會在1%的水平上對我國的科技創新產生促進作用，所以在人口老齡化進程中應該繼續推進城鎮化水平建設，注重對外開放，促進經濟增長。

4.2 中介效應

根據上文理論機制分析，人口老齡化會通過人力資本途徑和資本-勞動力稟賦途徑對科技創新水平產生影響，因此采用中介效應兩步法模型逐一檢驗作用機制是否成立，表4 報告了對計量模型（2）（3）和計量模型（4）（5）的回歸分析結果：

表4 中介效應檢驗

表4 報告了人口老齡化影響科技創新水平的中介效應回歸結果，第（1）列中oldrate的回歸系數在1%的顯著性水平上為負，證明人口老齡化會降低人力資本水平，第（2）列lnshijirl的回歸系數顯著為正，說明勞動力人力資本水平與科技創新水平之間存在顯著的正向促進作用，發現人口老齡化會降低勞動力人力資本水平，從而不利于科技創新的產生。第（3）列中人口老齡化oldrate系數在1%的水平上顯著為正，表明人口老齡化會增大資本-勞動力的比值。這主要是因為老齡化比重加大，一方面帶來適齡的年輕勞動力人口減少；另一方面勞動力資源因稀缺而變得昂貴，用工成本上升，企業為了節約成本就會采用資本替代勞動，所以資本-勞動力的比值增大。第（4）列中lnzbld2系數在1%的顯著性水平上為負，表明資本-勞動力稟賦與科技創新水平之間存在倒U 型關系。在老齡化時期，隨著資本投入加大會在一定程度上促進創新，但其邊際效應遞減，當投入的資本-勞動力超過一定的比值時，邊際效應小于0，就會帶來生產的無效率，從而不利于科技創新的產生。進一步采用IV-GMM 估計對第（2）列和第（4）列的模型估計，依舊表明人力資本對科技創新水平之間存在顯著的正向促進關系，資本-勞動力稟賦與科技創新水平之間的倒U 型關系依然成立。至此，證明了人力資本水平、資本-勞動力稟賦是人口老齡化影響科技創新水平的兩個中介效應。

5 穩健性檢驗

內生經濟增長理論指出知識具有溢出效應，張玉明等［31］利用中國各省區域的專利數據作為衡量創新產出的指標，發現中國各省際區域的科技創新水平不是隨機的，而是呈現出空間集聚和空間依賴的特點，因此在基準模型的基礎上納入空間因素進行穩健性檢驗。

5.1 空間相關性分析

在確定能否在計量方程中納入空間因素之前，首先要判斷數據的空間依賴性，目前在研究空間關聯性方面最流行的是“莫蘭指數I”（Moran's I），其取值一般介于-1 到1 之間，當莫蘭指數大于0，表示存在正相關關系，代表高值與高值相鄰，低值與低值相鄰；當莫蘭指數小于0，代表負相關，即高值與低值相鄰；如果莫蘭指數接近于0，則代表不具有空間相關性。首先，采用全局莫蘭指數分析科技創新水平整體相關性，借鑒Bavaud［32］的方法構建鄰接0-1 矩陣W。當兩個地區相鄰時，則該權重矩陣的對應元素取值為1；當兩個地區不相鄰時，該權重矩陣的對應元素取值為0。具體表示如下：

基于以上空間權重矩陣計算得到科技創新的全局莫蘭指數，如表5 所示。2006—2016 年中國各省份的科技創新水平的全局莫蘭指數均在1%的顯著性水平上為正，表明科技創新水平存在顯著的“高值-高值”或“低值-低值”分布特征。為了進一步觀看空間集聚的分布狀態，將空間權重矩陣進行標準化處理，通過局部莫蘭指數繪制散點圖，如圖2 所示。

表5 科技創新水平全局莫蘭指數

圖2 2016 年科技創新水平的莫蘭散點圖

圖2 繪制的莫蘭散點圖顯示出，中國省際創新能力呈現出“高值-高值”和“低值-低值”集聚的特點，在第一象限中代表“高值-高值”正相關的省份，主要是東部地區以及與東部聯系較為緊密的中部地區；第二象限代表自身創新水平比較低，但其周圍創新能力比較高的省份；第三象限表示“低值-低值”正相關的省份，主要是西部地區和東北地區；第四象限代表自身的創新水平比較高，但其周圍的科技創新水平較低的省份。

5.2 空間計量模型設定與結果分析

以上莫蘭指數檢驗說明了我國省級層面的科技創新水平之間存在明顯的正相關，因此在計量模型（1）的基礎上引入空間因素，建立空間自回歸方程如下：

表6 人口老齡化對科技創新影響的空間溢出效應

空間自回歸模型（SAR）的估計結果顯示出科技創新的空間相關系數在1%的顯著性水平上為正，oldrate2 系數在1%的顯著性水平上為負，表明人口老齡化與科技創新水平之間的倒U 型關系在空間自回歸模型中依然成立。考慮到空間因素還可能以其他形式存在，故采用空間誤差模型（SEM）和空間杜賓模型（SDM）進行進一步檢驗，空間誤差模型顯示出各地區的隨機干擾項在10%的顯著性水平上正相關，空間杜賓模型顯示在考慮了部分鄰居自變量的影響后，科技創新的空間相關系數在5%的顯著性水平上為正。三種形式的空間回歸模型，均驗證了人口老齡化與科技創新水平之間的倒U型關系，空間自回歸模型和空間杜賓模型中的空間系數顯著為正，說明了科技創新水平存在正的空間溢出效應，人口老齡化可以通過影響本地的科技創新從而對其他省份的科技創新產生間接影響。

6 結論與建議

本文利用2006—2016 年中國省級面板數據，選用專利申請受理數代表科技創新產出，在雙固定效應模型和IV-GMM 估計的框架下，實證檢驗了人口老齡化對我國科技創新水平的影響。結果顯示，人口老齡化與科技創新水平之間存在顯著的倒U 型關系。進一步研究其內在中介效應傳導機制發現，人口老齡化降低了勞動力的人力資本水平，而人力資本水平與科技創新水平之間存在顯著的正向促進作用，表明在老齡化時期應該注重人力資本水平積累；人口老齡化會促進資本-勞動力比例的增加，在一定程度上“倒逼”企業進行科技創新，但資本-勞動力比重的增加對科技創新的邊際效用逐漸降低，總體上表現出先促進后抑制的倒U 型關系，表明要注重資本-勞動力的合理配置，不能重資本、輕勞動。通過莫蘭指數檢驗建立空間面板回歸模型，發現老齡化與科技創新的倒U 型關系在納入空間因素后依然穩健，并且空間自回歸模型和空間杜賓模型均顯著地證明了科技創新水平之間存在正向的空間溢出效應。結合實證結果，本文提出以下幾點建議：

（1）提高全民受教育程度，加快人力資本水平積累。注重教育資源在區域之間平衡發展，提高整個社會受教育程度，建立相關職業學院，促進技能型人力資本積累，完善勞動力等級評定制度，促進勞動力結構升級。

（2）適當延長退休年齡、促進老齡人口再就業。效仿日本等老齡化嚴重的國家，適當延長工作人員退休年齡，同時提供一些老齡人口能夠從事的崗位，號召具備工作能力的老齡人口實現再就業，一方面能夠增加就業人數，另一方面能夠讓老齡人口繼續為經濟發展做出貢獻，減弱老齡化帶來的社會負擔。

（3）提高工作效率，優化資源配置。充分利用現有的資本存量，注重人才培養，建立更加完善的考核制度和薪酬制度，讓就業者真正在崗位上發光發熱，通過提高勞動效率增加實際就業勞動量，減緩資本-勞動力比重過大帶來的負面效應。同時，優化科研領域的組織機制建設，縮短科技項目審批流程，加大科研項目的后續監督管理，讓資源能夠得到合理配置。

（4）提高城鎮化水平，促進經濟發展。實證結果顯示城鎮化比率增加以及經濟發展水平提高均有利于提高科技創新水平。城市人口增加，勢必會帶來產業結構轉化，第一產業比重逐漸減少，二、三產業比重加大。故可以在提高城鎮化水平的同時，順應老齡化進程，大力發展“銀發經濟”，刺激老齡人口消費，讓老年群體的需求成為拉動經濟發展的新動力。

（5）加強交流合作，促進區域協同創新。充分利用科技創新的空間正向溢出效應，搭建地區間交流平臺，促進信息、技術等創新資源的充分自由流動。完善知識產權保護法律制度，充分確保創新者的合法權益，推動區域間的合作交流。