人口老齡化與高技術產業創新效率
——基于調節中介效應的實證分析

劉成坤

Population aging is a major issue facing human society in the 21st century. China’s aging population scale and the growth rate are among the highest in the world, and the impact of population aging on the economic and social development of China has been widespread at all aspects. Based on the panel data at the provincial level from 1998 to 2018, this paper constructs a moderated mediating effect mode to empirically study the impact of population aging on innovation efficiency of high-tech industries. The results show that the innovation efficiency of high-tech industry increases slightly during the sample period. The aging of the population will hinder the growth of innovation efficiency of high-tech industries by squeezing the government’s R&D investment. The level of economic development will alleviate the negative impact of population aging on innovation efficiency of high-tech industries. In order to cope with the challenges brought by the aging of the population, we should start from many aspects, such as advocating free birth policy, supporting second child birth and supporting high-tech industry, so as to promote the growth of innovation efficiency of high-tech industry.

一、引 言

高技術產業是指以前沿科學和尖端技術為基礎、以高強度的研究開發為支撐的知識密集型產業，具有高投入、高風險和高收益等特征。高技術產業是科技創新的重要載體，是國民經濟發展的戰略性和先導性產業。當前，中國正處于經濟從高速增長向高質量發展轉型的關鍵時期，發展高技術產業，對于促進產業結構升級、推動經濟高質量增長具有至關重要的作用。一方面，高技術產業代表了未來的產業發展方向，發展高技術產業可以對傳統產業起到提升和改造的作用；另一方面，高技術產業的發展能夠提高自然資源的利用效率，緩解經濟發展中的資源壓力，推動中國經濟由粗放型發展向集約型發展轉型的進程。

相關數據顯示，中國高技術產業總產值由1995年的4098億元增加到2018年的157001億元，與此同時，高技術產業總產值占GDP的比重則由6.68%上升為17.44%。①數據來源于《中國高技術產業統計年鑒》和《中國統計年鑒》。由此可見，高技術產業在中國國民經濟發展中的地位與日俱增，其對經濟增長的貢獻度正逐漸上升。然而，在高技術產業快速發展的同時，人口老齡化程度也在逐漸加劇。高技術產業發展的核心動力在于技術進步，而人口老齡化與技術進步密切相關。②汪偉、姜振茂：《人口老齡化對技術進步的影響研究綜述》，《中國人口科學》2016年第3期。自2000年進入人口老齡化社會以來，中國的老年人口規模和比重均呈逐年上升的趨勢，國民經濟和社會發展統計公報顯示，2019年年末中國65歲及以上的老年人口達1.76億，占總人口的比重為12.6%，說明中國即將全面進入深度老齡化社會。高技術產業的創新效率將直接影響中國經濟由高速增長向高質量增長轉型的進程，而人口老齡化又是影響高技術產業創新效率的重要因素。那么人口老齡化將通過什么途徑影響高技術產業創新效率？人口老齡化對高技術產業創新效率的影響是否與經濟發展水平有關？這一系列問題的研究對于在人口老齡化背景下推動高技術產業發展具有重要的現實意義。

二、文獻綜述

作為推動經濟可持續發展的重要動力，高技術產業一直受到學術界的密切關注，學者們基于不同的視角對高技術產業進行了大量的研究。從現有的文獻來看，與本文相關的文獻可從以下幾個方面進行梳理。

其一，關于高技術產業發展績效的相關研究。Kamieniecki等人通過測算高技術產業資源和資源利用率等指標，考察了美國各州高技術產業的競爭力。①Kamieniecki sheldon.&Lackie Paula.,“Measuring High-Technology Capacity across the 50 States”,Policy Studies Reviews, Vol.11,No.1,1992,pp.110-117.Frenkel等人對以色列和愛爾蘭兩國的高技術產業創新能力進行了對比分析，發現兩個國家高技術產業的典型特征和市場導向程度存在顯著差異。②Frenkel Annon.,Shefer Daniel.&Stephen Roper.,“Public Policy,Locational Choice and the Innovation Capability of High-tech Firms:A Comparison between Israel and Ireland”,Papers in Regional Science,Vol.82,No.2,2003,pp.203-221.李邃等人以2000—2008年中國大陸28個省份的面板數據為基礎，構建超越對數隨機前沿模型實證測評了各地區高技術產業研發創新的相對效率與全要素生產率增長情況，研究發現各地區高技術產業研發創新技術效率存在顯著差異，且東部地區高于中西部地區。③李邃、江可申等：《高技術產業研發創新效率與全要素生產率增長》，《科學學與科學技術管理》2010年第11期。余泳澤等人考察了中國各省市1995年以來高技術產業的生產率變動規律，發現東部和中部地區的高技術產業生產率有明顯的上升趨勢，而西部地區處于相對平穩狀態。④余泳澤、張妍：《我國高技術產業地區效率差異與全要素生產率增長率分解——基于三投入隨機前沿生產函數分析》，《產業經濟研究》2012年第1期。

其二，關于高技術產業發展績效影響因素的相關研究。Dominique等人基于OECD國家的面板數據，研究了政府支持對高技術企業R&D活動的影響，發現政府支持會對企業的R&D活動產生積極影響。⑤Dominique Guellec.&Bruno Van Pottelsberghe De La Potterie.,“The Impact of Public R&D Expenditure on Business R&D”,Economics of Innovation and New Technology,Vol.12,No.3,2003,pp.225-243.Nunes等人研究了研發強度對高技術企業創新績效的影響，發現二者之間存在非線性關系，在高技術企業的研發強度較低時，研發強度限制了高技術企業的增長，在高技術企業研發強度較高時，研發強度促進了高技術產業的產出增長。⑥Nunes Paulo Macas.,Serrasqueiro Zelia.&Leitao Joao.,“Is There a Linear Relationship between R&D Intensity and Growth? Empirical Evidence of Non-high tech vs.High-tech SMEs”,Research Policy,Vol.41,No.1,2012,pp.36-53.張同斌等人通過構建高技術產業的可計算一般均衡（CGE）模型，考察了財稅激勵政策和稅收優惠政策對高技術產業發展的影響，發現財稅政策的激勵作用對于高技術產業增加值率的提高和內部結構的優化都具有積極影響，且稅收優惠的政策更為顯著。⑦張同斌、高鐵梅：《財稅政策激勵、高新技術產業發展與產業結構調整》，《經濟研究》2012年第5期。戴魁早等人建立理論模型分析了要素市場扭曲如何影響創新效率，并利用中國高技術產業的省級面板數據對理論模型進行了檢驗，發現要素市場扭曲顯著抑制了企業或產業創新效率的提高，且要素市場扭曲對創新效率產生的抑制效應存在邊際貢獻遞減規律。⑧戴魁早、劉友金：《要素市場扭曲與創新效率—對中國高技術產業發展的經驗分析》，《經濟研究》2016年第7期。

其三，關于人口老齡化與高技術產業發展關系的研究。與前面兩類研究相比，這方面的研究相對較少。吳秋風認為，人口老齡化問題與高技術產業發展密切相關，解決人口老齡化問題的根本對策是大力發展經濟，提高勞動生產率，而發展高技術產業是解決人口老齡化問題的根本出路。⑨吳秋風：《發展高新技術產業與解決人口老齡化問題》，《人口研究》2000年第6期。蔡興以高技術產業為例，基于省際面板數據研究了人口老齡化對中國出口結構優化升級的影響，發現人口老齡化會倒逼中國高技術產業出口結構的優化升級，人力資本狀況的改善能顯著強化這一“倒逼機制”。①蔡興：《人口老齡化倒逼了中國出口結構的優化升級嗎》，《當代經濟研究》2016年第8期。沈蕾等人研究發現，在人口老齡化前期，高技術產業創新受到的負向影響更為突出，但隨著老齡化程度的加深，正向影響將可能得到更多的體現。②沈蕾、郭巖：《老齡化對高技術產業技術創新的影響研究——基于子行業、企業規模異質性的分析》，《工業技術經濟》2020年第12期。范曉莉等人研究了人口老齡化對高技術產業創新生態發展的影響效應，結果顯示，中國高技術產業創新生態水平呈現逐年提升的態勢，但人口老齡化程度的加深阻礙了各地區高技術產業的創新生態發展。③范曉莉、蔣寧：《我國高技術產業創新生態水平評價及其影響因素分析》，《產業創新研究》2020年第17期。豆建春的研究結果表明，人口老齡化對醫藥開發領域技術創新的不利影響較弱，但對信息與通訊技術的技術創新表現出較強的負向影響。④豆建春：《老齡化對創新的影響——效應、機制及其對中國的啟示》，《人口與經濟》2019年第5期。

關于高技術產業及其影響因素的研究已取得了豐富的成果，雖然已有學者關注到了人口老齡化與高技術產業發展之間的關系，但研究得還不夠深入。因此，本文擬通過構建DEA模型測算高技術產業創新效率，然后建立調節中介效應模型研究人口老齡化如何通過研發投入影響高技術產業創新效率，人口老齡化通過研發投入影響高技術產業創新效率的過程是否與經濟發展水平有關，厘清人口老齡化影響高技術產業創新效率的影響機制，為提升高技術產業創新效率提供對策建議。

三、理論分析、模型構建與數據說明

（一）理論分析

1.人口老齡化與研發投入水平

通常情況下，政府的研發投入越高，就越說明政府對研發的重視，當地的科技創新水平也越高。有文獻分析指出人口老齡化會通過加重政府的養老負擔，擠占政府在科技研發方面的支出，進而對國家或地區的科技創新水平產生不利影響。如Gonazales-Eiras等人構建了世代交疊模型，發現人口老齡化會通過稅率、政府預算支出和退休年齡的調整等途徑對經濟增長產生間接影響，該模型顯示社會保障支出對政府公共投資的擠出作用可區分為兩種情形：當政府僅調整稅率和政府預算支出，但不延長退休年齡時，伴隨人口老齡化而上漲的社會保障費用會擠占政府公共投資；而當政府同時調整退休年齡時，社會保障支出和政府公共投資占GDP的比重都會上升，社會保障支出對政府公共投資的擠出效應則不存在。⑤Gonzales-Eiras M.&Niepelt D.,“Aging,Government Budgets,Retirement,and Growth”,European Economic Review,Vol.56,(No.1),2012,pp.97-115.因此，人口老齡化對政府研發投入的擠出效應與一個國家的政策制度密切相關，據此提出假設1。

假設1：考慮到中國尚未實施延遲退休政策，人口老齡化的加劇會對政府的研發投入產生一定的擠出效應。

2.研發投入水平與高技術產業創新效率

關于研發投入與高技術產業創新效率的研究已較為豐富，且學者們一致認為研發投入是影響高技術產業創新效率的重要因素。梅冰菁等人指出，目前中國企業的創新活動面臨著多重阻礙，不健全的知識產權制度和政策環境成為企業創新的外部制約因素，企業風險管理和創新能力的不足則是企業內部制約因素。在多重制約因素的作用下，一方面，企業不愿大量投入人力和資金進行研發活動；另一方面，企業在研發過程中面臨著信息泄露、成果專有性不足和收益流失等風險。⑥梅冰菁、羅劍朝：《財政補貼、研發投入與企業創新績效—制度差異下有調節的中介效應模型檢驗》，《經濟經緯》2020年第1期。自有資金不足是企業開展創新活動的主要制約因素，通過政府的財政補貼可以起到彌補該缺陷和降低企業融資成本等作用（Carboni）⑦Carboni O.,“R&D Studies and Private R&D Expenditures:Evidence from Italian Manufacturing”,International Review of Applied Economics, Vol.25,(No.4),2011,pp.419-439.，進而激發企業進行創新活動的積極性（Kang 等人）⑧Kang K.N.,&Park H.,“Influence of Government R&D Support and Inter-firm Collaborations on Innovation in Korean Biotechnology SMEs”,Technovation, Vol.32,(No.1),2012,pp.68-78.。因此，政府的研發投入水平會對高技術產業的創新效率產生重要影響，據此提出假設2。

假設2：政府的研發投入有利于促進高技術產業的創新效率。

3.人口老齡化與高技術產業創新效率

從現有研究來看，鮮有學者對人口老齡化與高技術產業創新效率的關系進行研究。人是經濟活動的主體，人口老齡化會對經濟發展過程中的勞動生產率、勞動力供給以及人力資本積累等一系列變量產生重要影響。如Benoit認為，一般情況下，從青年到中年再到老年，個人的勞動生產率會經歷一個先上升后下降的過程，即勞動生產率與年齡之間存在“倒U型關系”①Benoit Dostie.,“Wages,Productivity and Aging”,De Economist, Vol.159,No.2,2011,pp.139-158.。隨著人口出生率的下降和老年人口規模的上升，適齡勞動人口的比重和規模都將出現下降。因此，人口老齡化導致的勞動生產率和勞動力供給下降可能會對高技術產業創新效率產生消極影響。此外，汪偉的研究結果顯示，人口老齡化已經對中國的家庭儲蓄、人力資本投資與經濟增長產生負面影響。②汪偉：《人口老齡化、生育政策調整與中國經濟增長》，《經濟學季刊》2016年第1期。人力資本投資下降必然會影響人力資本積累水平，而人力資本積累是技術進步的源泉，人力資本投資下降對技術進步產生的消極影響必然會波及高技術產業創新效率，據此提出假設3。

假設3：人口老齡化會對高技術產業創新效率產生消極影響。

綜合以上假設來看，人口老齡化可能會對高技術產業的創新效率產生消極影響，且這一過程可概括為，人口老齡化會對政府的研發投入產生擠出效應，政府研發投入的下降會對高技術產業的創新效率產生負面影響，即政府的研發投入在人口老齡化影響高技術產業創新效率的過程中起中介變量的作用。

4.經濟發展水平的調節作用

經濟發展能夠為物質資本和人力資本的流入創造有利的條件，是高技術產業發展的基礎源泉。楊菊華等人研究了1949年以來人口老齡化與經濟發展之間的關系，并認為在經濟發展的不同階段，生育率水平、人均壽命的變化以及人口的跨區域流動等都會改變人口老齡化的進程。③楊菊華、王蘇蘇、劉軼鋒：《新中國70年：人口老齡化發展趨勢分析》，《中國人口科學》2019年第4期。在不同的經濟發展水平下，人口老齡化、政府的研發投入和高技術產業創新效率三者之間的關系可能也會存在差異，經濟發展水平的提升可能會削弱人口老齡化對高技術產業創新效率產生的負面影響。因此，將人均實際GDP作為衡量經濟發展水平的代理變量，探究經濟發展水平在人口老齡化影響高技術產業創新效率的過程中是否會產生調節作用，據此提出假設4。

假設4：經濟發展會對人口老齡化影響高技術產業創新效率的過程產生調節作用。

綜上所述，政府的研發投入在人口老齡化影響高技術產業創新效率的過程中起中介變量的作用，而這個中介作用可能受到經濟發展水平的調節。然而，以上僅是理論層面的分析，其是否成立有待于做進一步的實證檢驗。（檢驗流程見圖1）。

圖1 調節中介效應模型檢驗流程圖

其中，人口老齡化是核心解釋變量，高技術產業創新效率是被解釋變量，政府研發投入是中介變量，經濟發展水平是調節變量。參考Edward等人的研究，調節變量對中介變量的作用體現在中介過程的前半路徑、后半路徑以及直接路徑等方面。④Edwards Jeffrey R.,&Lambert Lisa Schurer.,“Methodsfor Integrating Moderation and Mediation:A General Analytical Framework Using Moderated Path Analysis”,Psychological Methods, Vol.12,No.1,2007,pp.1-22.在圖1中，以人均實際GDP衡量的經濟發展水平對中介效應前半路徑、后半路徑以及直接路徑的調節作用分別用字母a，b，c表示。

（二）模型構建與數據說明

為了研究人口老齡化對高技術產業創新效率的影響，首先需要構建創新效率指數，參考桂黃寶的研究，本文使用DEA-Malmquist全要素生產率指數來測度高技術產業的創新效率，其優點在于：第一，不需要相關的價格信息；第二，可以進一步分解為技術效率變化指數和技術進步指數；第三，適用于多個地區跨時期的樣本分析。①桂黃寶：《我國高技術產業創新效率及其影響因素空間計量分析》，《經濟地理》2014年第6期。鑒于DEAMalmquist全要素生產率的測算方法已較為成熟，本文不再贅述。DEA-Malmsuist全要素生產率的測算包含投入指標和產出指標，為了不影響結果的可靠性，投入產出指標不宜過多。本文選取的創新產出指標為新產品銷售收入和專利申請數，創新投入指標為R&D人員全時當量、R&D經費內部支出額和新產品開發經費。

前文僅從理論層面分析了人口老齡化對高技術產業創新效率的中介效應和調節效應，需要通過實證研究做進一步的檢驗。為了檢驗以上研究假設是否成立，本文擬分兩個階段構建調節中介效應模型，第一階段的模型設定為：

上述模型主要是為了檢驗人口老齡化對高技術產業創新效率的中介效應?？紤]到高技術產業前一期的創新效率可能會對后一期的創新效率產生影響，本文在式（1）和式（3）中均加入被解釋變量的滯后一期項，構建了動態面板模型。其中，tfp為高技術產業的的創新效率；poe為65歲及以上的老年人口比重，用于衡量人口老齡化程度；rdc為政府的科技支出占財政預算支出的比重，用于衡量政府的研發投入。②由于財政支出數據統計口徑在2006年進行了調整，2006年及以前的科技支出額為科技三項費用和科學事業費之和，2007年及以后的科技支出額為科學技術支出費用。a為模型的常數項，β,γ,η,δ為模型的待估計系數，ε為隨機擾動項，i代表省份，t代表年份。X為控制變量，參考戴魁早和劉友金的研究③戴魁早、劉友金：《要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析》，《經濟研究》2016年第7期。，本文選取的控制變量包括：（1）企業外向度，采用高技術產業的出口交貨值與高技術產業主營業務收入之比來衡量④此處本應選用高技術產業總產值，但由于該指標只統計到2011年，考慮到高技術產業主營業務收入與高技術產業總產值最為接近，本文采用高技術產業主營業務收入作為高技術產業總產值的代理變量。；（2）創新環境，采用高技術產業研發機構數來表示；（3）固定資產投資，采用各年度固定資產投資存量來表示，固定資產投資存量由固定資產投資流量計算而得，計算方法為永續盤存法，折舊率設定為10%；（4）國有化程度，采用國有單位就業人員工資總額占就業人員工資總額之比來衡量；（5）工業化水平，采用第二產業增加值占國內生產總值的比重來表示。對于以上中介效應模型，參考溫忠麟等人的研究，本文采用依次檢驗法對其進行檢驗，依次檢驗法也是中介效應模型最為常用的檢驗方法。⑤溫忠麟、葉寶娟：《中介效應模型:方法和模型發展》，《心理科學進展》2014年第5期。

第二階段是在第一階段的基礎上，加入人均實際GDP作為調節變量，檢驗經濟發展水平在人口老齡化與高技術產業創新效率之間的調節效應。根據Aiken等人的建議，為使回歸方程的系數更具解釋意義，本文對被解釋變量、核心解釋變量、中介變量和調節變量進行中心化處理，使其平均數換移至0，再通過計算中心化處理后的核心解釋變量與調節變量的乘積來獲得交互效應項的數值。⑥王建、趙凱：《中國城鎮化、老齡化、城鄉差距與經濟發展研究——基于有調節效應的中介模型》，《當代經濟管理》2020年第7期。因此，本文構建的調節效應模型如下：

其中，c_ tfp，c_ poe，c_Lngdp均為中心化之后的變量，gdp為人均實際GDP，用于衡量經濟發展水平。式（4）、式（5）和式（6）分別用于檢驗經濟發展水平在人口老齡化影響高技術產業創新效率的直接路徑、前半路徑和后半路徑上的調節作用是否存在。如果交叉項的估計系數顯著，說明調節效應存在；反之則不存在。

本文的樣本長度為1998—2018年，研究對象為中國的31個省、市、自治區，考慮到高技術產業研發活動的滯后性，本文將創新投入與產出的時間差設定為滯后一年，即投入指標為1998—2017年，對應的產出指標為1999—2018年。所有數據均來源于《中國宏觀經濟數據庫》《中國高技術產業數據庫》《中國科技數據庫》《中國財政稅收數據庫》和《中國經濟與社會發展統計數據庫》，對于少數缺失值，本文采用線性插值法和趨勢外推法進行填充。其中，人均實際GDP和固定資產實際投資額根據當年的人均GDP和固定資產投資額折算而得，基期均設定為1998年。對原始數據進行初步處理后，可得出表1所示的描述性統計結果。

表1 變量的描述性統計結果

四、實證結果及分析

（一）高技術產業創新效率的測算結果分析

根據本文選取的創新產出和投入指標，基于投入導向型的DEA-Malmquist生產率指數，采用DEAP 2.1軟件對高技術產業樣本期間創新效率的變動情況進行測算①根據DEA-Malmquist生產率指數測算的全要素生產率tfp是一個相對指標，如果該指標大于1，說明從第t年到第t+1年的創新效率呈增長趨勢；反之則呈下降趨勢。，結果如表2所示。

表2 高技術產業創新效率的估計結果

由表2可知，在樣本區間，高技術產業的創新效率總體呈上升趨勢，年均增長率為3%，這與武鵬等人的研究結論是一致的。②武鵬、余泳澤、季凱文：《市場化、政府介入與中國高技術產業R&D全要素生產率增長》，《產業經濟研究》2010年第3期。此外，技術效率、純技術效率和規模效率均呈增長趨勢，且技術效率對高技術產業創新效率增長的貢獻最大。但技術進步效率在樣本期間呈下降趨勢，年均下降率為6%，其對高技術產業創新效率增長的貢獻為負。

（二）面板單位根檢驗結果分析

測算出高技術產業創新效率的結果之后，在進行實證分析之前，為防止偽回歸問題，還需要對所選取的變量進行多重共線性和面板單位根檢驗。為了消除異方差，對人均實際GDP、固定資產投資額和高技術產業研發機構數等幾個變量進行對數化處理。多重共線性的結果顯示，各組變量的方差膨脹因子（VIF）均小于10，說明各組變量均不存在多重共線性問題。為了提高估計結果的穩健性，本文同時采用了LLC檢驗、IPS檢驗和Fisher檢驗等三種方法對面板單位根進行檢驗，檢驗結果如表3所示。

表3 面板單位根檢驗結果

由表3可知，創新效率、老年人口比重、政府研發投入、企業外向度、研發機構數、固定資產投資額和國有化程度等變量的原始序列和一階差分序列同時通過了三種不同單位根檢驗，說明這些變量均為平穩變量。對于人均實際GDP和工業化水平這兩個變量，雖然原始序列均未通過IPS檢驗，但均通過了LLC檢驗和Fisher檢驗，可以認為這兩個變量也是平穩變量。因此，本文所選取的變量均可用于做進一步的實證分析。

（三）調節中介效應估計結果分析

根據前文建立的調節中介效應模型，將創新效率、人口老齡化程度、政府研發投入、經濟發展水平和控制變量代入各模型中，對各個模型進行估計。對于動態面板模型，理論上存在兩個方面的內生性問題：其一，可能存在遺漏變量；其二，被解釋變量滯后項可能與擾動項相關。為了克服這兩個問題，Arellano等人建議采用系統廣義矩估計（SYS-GMM）方法對動態面板模型估計①Arellano M.,&Bover O.,“Another Look at the Instrumental Variable Estimation of Error-Components Models”,Journal of Econometrics, Vol.68,No.1,1995,pp.554-580.，Windmejjer 認為兩步SYS-GMM估計方法更為有效②Windmejjer F.,“Afinite Sample Correction for the Variance of Linear Efficient Two-step GMM Estimators”,Journal of Econometrics, Vol.126,No.1,2005,pp.25-51.。因此，本文以解釋變量的滯后一期項作為工具變量，使用兩步SYS-GMM方法對動態面板模型進行估計，并采用Arellano-Bond檢驗統計量確定工具變量是否有效，采用Hansen檢驗統計量確定工具變量是否過度識別。對于普通面板模型，本文根據Hausman檢驗結果選擇合適的模型。對各模型進行估計后，得到表4所示的回歸結果。

表4 調節中介效應回歸結果

續表4

在表4 中，模型1、2 和3 表示的是中介效應估計結果。其中，模型1 檢驗了人口老齡化對高技術產業創新效率的影響，結果顯示人口老齡化對高技術產業創新效率的影響顯著為負，即人口老齡化會對高技術產業創新效率產生顯著的消極影響，這就驗證了前文的假設3。其原因在于，人口老齡化會對勞動生產率、勞動力供給和人力資本積累等變量產生一定的負面影響，進而阻礙高技術產業創新效率的提高。模型2 檢驗了人口老齡化對政府研發投入的影響，人口老齡化系數顯著為負，說明人口老齡化程度的提高會對政府的研發投入產生顯著的消極影響，即前文的假設1 是正確的。這主要是由于中國當前的社會保障制度還不夠完善，人口老齡化程度的提高會使得政府加大對社會養老保障方面的支出，最終對政府在研發方面的投入產生一定的擠出效應。模型3 檢驗了政府研發投入對高技術產業創新效率的影響，政府研發投入的系數顯著為正，即政府的研發投入有利于提升高技術產業的創新效率，說明前文的假設2 成立。模型1 和模型2 中的人口老齡化系數顯著，模型3 中的政府研發投入系數也顯著，由此可以說明政府研發投入在人口老齡化影響高技術產業創新效率的過程中的確起到了中介變量的作用。此外，模型1 和模型3 的Arellano-Bond 檢驗和Hansen 檢驗結果顯示，模型通過了工具變量有效性檢驗，且不存在過度識別問題，即本文建立的模型是有效的。從控制變量的估計結果來看，企業外向度、固定資產投資和國有化程度對高技術產業創新效率的影響均顯著為正且較為穩??；而創新環境和工業化水平對高技術產業創新效率的影響并不穩健，其估計結果因模型解釋變量的不同而有所差異。

除了中介效應的估計結果，表4 中的模型4、5 和6 還顯示了調節效應的估計結果。模型4 檢驗了經濟發展在人口老齡化影響高技術產業創新效率過程中直接路徑的調節作用，從估計結果來看，人均實際GDP 的回歸系數顯著為負，說明人均實際GDP 與高技術產業創新效率呈負相關；人口老齡化與人均實際GDP 的交叉項顯著為正，說明人均實際GDP 的增長會削弱人口老齡化對高技術產業創新效率的消極影響，即人均實際GDP 負向調節人口老齡化影響高技術產業創新效率過程中的直接路徑。模型5 檢驗了經濟發展在人口老齡化影響高技術產業創新效率過程中前半路徑的調節作用，人均實際GDP 的估計系數顯著為負，說明人均實際GDP 與政府研發投入呈負相關；人口老齡化與人均實際GDP 交叉項的系數顯著為正，說明人均實際GDP的增長會緩解人口老齡化對政府研發投入的阻礙作用，即人均實際GDP 負向調節人口老齡化影響高技術產業創新效率過程中的前半路徑。模型6 檢驗了經濟發展在人口老齡化影響高技術產業創新效率過程中后半路徑的調節作用，估計結果表明，政府研發投入與人均實際GDP 的交叉項顯著為負，即人均實際GDP 會削弱政府研發投入對高技術產業創新效率的促進作用，說明人均實際GDP 負向調節人口老齡化影響高技術產業創新效率過程中的后半路徑。人均實際GDP 在人口老齡化影響高技術產業創新效率的直接途徑、前半路徑和后半路徑均會產生負向的調節作用，這就驗證了前文的假設4。此外，模型4 和模型6 的檢驗結果顯示，本文建立的動態面板模型估計結果是有效的。

綜合上述結果來看，人口老齡化對高技術產業創新效率影響過程中的中介效應和調節效應均存在。其中，政府的研發投入在人口老齡化影響高技術產業創新效率的過程中起到中介變量的作用，人口老齡化會通過對政府研發投入的擠出效應阻礙高技術產業的創新效率；經濟發展則起到調節變量的作用，經濟發展在人口老齡化影響高技術產業創新效率過程中直接路徑、前半路徑和后半路徑的調節效應均顯著為負。

（四）穩健性分析

為了檢驗模型估計結果的穩健性，本文將估計方法由SYS-GMM 替換為DIF-GMM（差分廣義矩估計法），對前文構建的調節中介效應模型進行重新估計，可得出表5 所示的回歸結果。

表5 替換估計方法后的回歸結果

由表5 可知，從差分廣義矩估計結果來看，模型7 顯示，人口老齡化對高技術產業創新效率的影響雖然并不顯著，但影響方向為負，這與表4 的結果是一致的；模型8 和9 顯示，人口老齡化對政府研發投入的影響顯著為負，政府研發投入對高技術產業創新效率的影響顯著為正，無論是從顯著性還是影響方向來看，這與表4 的結果均完全一致，說明政府的研發投入的確會對人口老齡化影響高技術產業創新效率的過程產生中介效應。從調節效應的估計結果來看，模型10 和模型11 中老年人口比重和人均實際GDP 交叉項的結果均顯著為正，模型12 中政府研發投入和人均實際GDP 交叉項的結果顯著為負，這與表4 的結果是完全相同的，說明經濟發展的確會對人口老齡化影響高技術產業創新效率的過程產生調節效應。因此，即使是替換了估計方法，表4 的結果仍然是穩健的。

此外，為了從不同角度檢驗估計結果的穩健性，本文還將核心解釋變量由老年人口比重替換為老年撫養比①老年撫養比是指65歲及以上的老年人口數與15—64歲的適齡勞動人口數之比。，再次對調節中介效應模型進行估計。估計結果顯示②限于篇幅，未列出估計結果。，老年撫養比對高技術產業創新效率的影響為負，但并不顯著；老年撫養比對政府研發投入的影響顯著為負；政府研發投入對高技術產業創新效率的影響為正，但并不顯著。將該結果與表4 的結果對比可知，該結果與表4 所示的結果雖然存在一定的差異，但各變量的影響方向均完全一致。從調節效應的結果來看，經濟發展水平在老年撫養比影響高技術產業創新效率過程中直接路徑、前半路徑和后半路徑上的調節效應均顯著為負，這與表4 的結果完全一致。因此，綜合來看，表4 的結果是可信的，即本文建立的模型具有較好的穩健性。

五、結論與啟示

基于1998—2018 年高技術產業省級層面的面板數據，首先構建DEA 模型，測度了高技術產業的創新效率，發現樣本期間高技術產業的創新效率呈緩慢遞增趨勢。然后構建調節中介效應模型研究了人口老齡化對高技術產業創新效率的影響，結果顯示，人口老齡化會通過政府的研發投入這個中介變量對高技術產業創新效率產生消極影響，但經濟發展水平在這個過程中起到了調節變量的作用，其會削弱人口老齡化對高技術產業創新效率的阻礙作用?；谶@些研究結論，得出以下政策啟示：

第一，進一步開放生育，優先發展幼教產業和幼托服務，拓展國家義務教育體系建設。自20 世紀80 年代實施計劃生育政策以來，中國人口過快增長的趨勢得到了很好的控制。然而，隨之而來的是人口總量和生育率的持續下降，并且已經連續多年低于更替水平。隨著人口老齡化的加劇，雖然計劃生育政策有所調整，2016 年開始實施全面二孩政策，但是其效果并不顯著。國家統計局公布的相關數據顯示，2016 年全年出生人口為1786 萬，僅比2015 年新增127 萬；2017 年，全年出生人口則僅有1723 萬；2018 年，全年出生人口僅有1523 萬；2019 年，全年出生人口進一步下降為1465 萬，是自計劃生育政策實施以來首次跌破1500萬人。因此，進一步放開計劃生育政策已迫在眉睫，同時還應該出臺相關的配套政策，以保證生育水平的提升。國家衛健委的調查結果顯示，大量年輕人不敢生小孩的主要原因在于養育成本高、托育服務短缺以及女性職業發展壓力等。因此，一方面應該優先發展幼教產業和幼托產業，建立公共幼托體系，解決女性生育的后顧之憂；另一方面，應該加強國家的義務教育體系，考慮把學前教育納入義務教育，切實減輕家庭的教育成本。

第二，探索實施自愿延遲退休政策，緩解國家養老保障支出壓力。中國是世界上退休年齡最早的國家之一，隨著老年人口規模的急劇增長，已有多個省份出現養老金缺口，國家養老保障支出面臨巨大壓力。當前，國家正在醞釀實施漸進式退休政策，但在實施這一政策時，還應該充分考慮行業的特征及其差異性，如對于建筑和采礦等勞動密集型行業，可以維持原有的退休年齡或小幅延長退休年齡；而對于電子通訊、精密機床、航空航天和高級醫療器械等與工作經驗密切相關的技術密集型行業，年齡越大反而越有優勢，對于這些行業可以考慮探索實施自愿延長退休政策，高薪返聘達到退休年齡的技術人員。實施自愿延遲退休政策不僅可以緩解國家的養老保障支出壓力，使國家得以投入更多的資金用于科技研發，而且還可以為社會提供更多的熟練勞動力，減輕勞動力供給下降對高技術產業發展產生的負面影響。

第三，大力扶持中小型高技術企業發展，為中小型高技術企業的研發活動保駕護航。本文的研究結果顯示，政府的研發投入會對高技術產業的創新效率產生顯著的推動作用。《中國高技術產業數據庫》中的相關數據顯示，自2000年以來，大中型高技術企業數占高技術企業總數的比重一直在20%到30%左右波動，這說明中小型高技術企業是高技術發展的重要組成部分。然而，與大中型高技術企業相比，中小型高技術企業在發展過程中容易面臨融資難、發展難和創新難等困境，而融資難又是導致創新難的主要原因。中小型高技術企業吸納了社會上絕大多數的就業人口，是推動高技術產業發展的中堅力量，政府應該加大對中小型高技術產業的扶持力度，一方面，可以通過為中小型高技術企業提供稅收優惠政策、低息貸款政策以及設立專項研發資金等途徑鼓勵其開展研發活動；另一方面，可以在財政政策上向中小型高技術企業傾斜，適度提高對中小型高技術企業的研發補貼力度，解決中小型高技術產業進行研發活動的后顧之憂。

第四，發展“銀發經濟”，積極推動與老齡人口密切相關的高技術產業發展。從本文的研究結果來看，人口老齡化會對高技術產業的創新效率產生消極影響。然而，任何事物都有兩面性，人口老齡化對高技術產業的發展產生挑戰的同時也潛藏機遇。自從2015年國務院印發《中國制造2025》的通知以來，中國的制造業發展迎來了前所未有的發展機遇。高新技術產業大都屬于附加值較高的技術密集型制造業，其中的醫藥制造業、醫療儀器設備制造業和電子及通信設備制造業都與人口老齡化密切相關。如老年人口規模的增加會極大地推動高端醫療保健品和高級醫療健身設備等產業的發展。此外，在老年人口數量不斷增加和新生人口數量不斷下降的雙重背景下，適齡勞動人口的數量必然會不斷減少，適齡勞動力的短缺會推動“機器換人”的進程，進而為智能設備制造業的發展帶來新的機遇，因此，國家應大力推動這部分產業的發展。