勞動力年齡對技術創新的影響研究
——基于238 個城市面板數據的實證分析

袁璽葳

（南通大學 經濟與管理學院,江蘇 南通 226000）

一、引言

隨著經濟和社會的發展,人口出生率和死亡率下降,中國人口結構發生了顯著的變化,老年人口數增速逐漸加快,老年人在總人口中占比越來越大。人口年齡結構是一個動態演變的過程,不斷加劇的人口老齡化在一定時間后,不但會導致勞動力人口的比重下降,而且勞動力人口的平均年齡也呈現老齡化趨勢。根據全國人口普查和1%人口抽樣調查統計資料,我國15～59 歲勞動力比重在2010年達到峰值69.6%,此后逐年回落,至2015 年勞動力人口占比67.3%;同時,2000—2015 年間,勞動力平均年齡已從34 歲上升到37 歲。

隨著中國“人口紅利”的逐漸消失,創新的驅動作用日益凸顯,經濟增長對技術創新的倚重加強。但是,勞動人口年齡的變化是否會影響技術創新水平呢? 由于勞動年齡人口數量變化的影響比較直觀,相關研究主要落在年齡結構與創新的關系上。目前學者們對于不同年齡階段的勞動力對創新的貢獻程度仍存在爭議。一些學者認為,高齡員工具有的人力資本特點使其創新能力難以適應新工作和新領域,創新需要的是年輕勞動力。Prskawetz 等（2006）[1]和Fent 等（2008）[2]研究了歐盟國家同時期的新技術采用情況,發現15～29 歲的人口越多,國家越傾向于采用前沿技術?？到ㄓⅲ?010）[3]的研究進一步佐證了這個觀點,認為老年勞動力對技術的吸納能力和追趕能力不足,不利于技術創新。另一部分學者認為,年齡的增長會讓員工積累更多工作經驗,提升自身能力,一定范圍內有助于創新水平的提高。比如趙昕東和李林（2016）[4]的研究發現,40～49 歲勞動力對全要素生產率的貢獻率最大,50～59 歲勞動力比例的持續升高會導致老齡化對全要素生產率產生抑制作用。B?nte 等（2009）[5]對德國人口結構和企業類型的研究綜合了上述觀點,他們發現高科技企業的創立和所在地區的年齡結構高度相關,20 歲左右及40～50 歲的人口比例越大,該區域新成立的高科技企業數量越多,說明創新既需要年輕人前沿的知識和新思想,也需要中年人豐富的工作經驗。

另外還有學者直接從老齡化的角度討論年齡對創新的影響,采用老年撫養比以及65 歲以上人口占總人口比重等指標來衡量社會人口老齡化程度,探究其對創新的作用,也得出了不同的結論。一些學者認為老齡化抑制了創新水平,如姚東旻等（2017）[6]、金昊和趙青霞（2019）[7]。也有一些學者持積極態度,如王笳旭等（2017）[8]以及呂翠翠（2019）[9]發現老齡化能夠通過技術創新抵消對經濟增長的不利影響。高越（2017）[10]、黃乾等（2018）[11]的研究結論與上述兩種觀點又有所區別,他們的研究認為老齡化與創新之間存在“駝峰型”關系。

據上所述,當前針對年齡與創新關系的相關議題研究還比較少,一些文獻直接從老齡化角度來討論這個問題,在針對性上有所欠缺。因為老齡化問題包括社會人口老齡化、勞動力老齡化和老年人口高齡化三個方面,勞動力老齡化和社會人口老齡化在直接原因、老齡化程度、因果關系等方面都有較大區別。勞動力要素是社會生產的基本要素,勞動年齡人口老化會更直接地作用在區域創新和經濟增長上。雖然也有少數文獻直接從勞動力年齡結構角度展開研究,卻得出相悖的結論。其原因可能與相關研究大多采用國家級、省級的宏觀數據,研究不夠細分有關。據此,本文做了進一步改進,利用主要年份238 個城市的面板數據進行研究,樣本更大且更加細分,以期為勞動年齡人口與創新的相關研究做一些補充。

二、勞動力年齡影響技術創新的理論機制

綜合文獻和資料,人口年齡影響技術創新的路徑主要有兩條。

第一條,人口年齡變動通過改變資本-勞動要素稟賦結構來影響技術創新。人口老齡的增長會減少市場上的勞動力供給,提高勞動力成本。此時企業傾向于加大資本在要素投入中的比重,加快技術創新,以彌補勞動力成本對利潤的擠壓,比如用工業機器人替代勞動力來提高勞動生產率等。許多發達國家的經驗證明了這種倒逼機制,即勞動力市場的相對稀缺,促使技術的創新速度更快。

第二條路徑,人口年齡的變動改變人力資本存量從而影響技術創新。勞動者的體力、知識和技能是人力資本存量的主要測算內容,一方面,人的體力會隨著生命周期的變化呈現“弱→強→弱”的變化過程;另一方面,人的知識和技能也會經歷“投資形成→投入使用→淘汰”的過程。因此人力資本存量表現出隨年齡增長,先增后降的特點,也被稱為“人力資本存量的生命周期”（向志強,2003）[12]。

據此,人口老齡化會對人力資本造成影響也可以分為兩個方面。一方面,教育程度的提高有利于人力資本存量的增加。教育投資增加,受教育程度提高乃至經驗技能的增加會促使人力資本結構趨于高級化、人力資本存量增加,從而推動技術創新水平和效率的提升（劉智勇等,2018[13];張治棟和吳迪,2019[14]）。但是另一方面,年齡增長導致的學習效率和意愿降低、知識流失、體力下降等又會造成人力資本的折舊和衰減,抑制技術創新。因此,人口年齡的變化究竟對技術創新有何種影響,取決于以上兩種力量的合力。

三、勞動力年齡影響技術創新的實證檢驗

（一）模型構建

根據上文的推理,本文考慮勞動力年齡與創新的非線性關系,構建如下基本計量分析模型:（ageit）2為勞動力年齡的平方項,Xit為其他控制變

其中,patentit創新水平,ageit為勞動力年齡,量。復合擾動項由（ui+εit） 兩部分構成,不可觀測的隨機變量ui是代表個體異質性的截距項,εit為隨個體與時間而改變的擾動項。

（二）變量選取

1.勞動力年齡指標。勞動年齡界限劃分標準有兩種,一種是 15～64 歲,另一種是 15～59 歲,考慮到數據獲取情況,這里應用后者。文章選取2000年、2005 年、2010 年、2015 年全國238 個城市的平均勞動力年齡作為核心解釋變量來衡量勞動力年齡（age）。

2.技術創新水平指標。雖然衡量技術創新水平的指標眾多,常用的例如專利授權數、全要素生產率（TFP）等,也不乏創新性的指標,例如動態因子分析方法測算的技術創新綜合能力指數（汪偉和姜振茂,2017）[15]、以研發資本存量為創新投入變量測算的技術創新效率（董登珍等,2018）[16],但是由于專利在表征區域創新時具有一定的優勢:專利包含了大量關于技術、發明及發明者的信息;專利數據較容易獲取;各地區專利申請、審查、授權的制度法規在一國范圍內基本一致,使得不同區域的專利數據具有可比性,因此這里選擇各市年末專利授權數作為衡量被解釋變量技術創新水平的標準（patent）。

3.控制變量指標。在影響創新水平的其他因素中,文章選擇以下控制變量:受教育程度,經濟發展水平,以及產業結構。其中,控制受教育程度是因為人力資本理論提出教育是影響人力資本的主要因素,而人力資本會對創新水平產生影響。受教育程度可以分為未上過學、小學、初中、高中（包括中職）、?？啤⒈究啤⒀芯可?分別代表受教育年限0、6、9、12、15、16、19 年,由此計算得到各市平均受教育年限（edu）來代表受教育水平?？刂平洕l展水平是因為一個地區的經濟發展水平是技術創新的基礎,技術創新水平受到各地區經濟發展水平差異的影響,文獻中多用（人均）國內生產總值、（人均）國內生產總值增長率來作為經濟發展水平的代理指標。本文選擇各市GDP 總值（gdp）作為反映各地區經濟發展水平的指標。產業結構也對創新水平具有顯著影響（郁培麗和劉銳,2011[17]）,特別是第二、第三產業的升級能有效帶動我國自主創新（李偉慶和聶獻忠,2015[18]）,因此下文用第二產業生產總值所占比重（si_gdp）和第三產業生產總值所占比重（ti_gdp）來反映我國目前產業結構情況。

（三）數據來源

本文實證研究使用2000 年、2005 年、2010 年、2015 年,中國大陸地區城市面板數據。由于數據缺失或無法獲得,沒有將西藏自治區、新疆維吾爾自治區、吉林省、湖北省、云南省共計5 個省域自治區納入研究。經過整合和篩選,共收集到238 個城市的數據,城市級別包含地級市、副省級市和直轄市。其中,勞動力年齡和受教育程度數據來源于全國第五、第六次人口普查,2005 年、2015 年1%人口抽樣調查各地區資料,以及各省市統計局;各市年末專利授權數、各市GDP 總值、各產業生產總值數據均來源于各省市統計年鑒、各省市科技統計年鑒、wind 數據庫、國泰安數據庫等。

四、實證結果與分析

（一）數據描述與分析

變量的描述性統計如表1 所示。全國四年的平均專利授權數為2 322.57 件,東部地區平均專利授權數為4 442.92 件,西部地區為1 120.41 件,中部地區為755.44 件,說明東部地區城市的創新水平高于中西部地區。專利可以分為發明專利、實用新型專利和外觀設計專利三種,整體來看,全國實用新專利授權數最多,發明專利授權數最少。

表1 變量的描述性統計

238 個城市勞動力平均年齡為36.38 歲,其中東部地區平均年齡（age_d）為36.29 歲,西部地區平均年齡（age_x）為36.16 歲,中部地區平均年齡（age_z）最高,為36.32 歲。根據圖1 中顯示的東西中部地區勞動力平均年齡隨時間的變化,可以發現2000 年東部地區勞動力平均年齡最高,但增速緩慢,很快就被中西部地區超越。中西部地區勞動力年齡保持在較高的水平,2010 年后,西部勞動力老齡化程度加深。這一現象出現的原因可能是東部沿海的發展使得越來越多的年輕人從西部省份遷出,到東部省份安家落戶,致使西部省份老齡人口所占的比例升高。

圖1 東西中地區勞動力平均年齡變化趨勢

2000 年、2005 年、2010 年、2015 年全國勞動力各年齡段人口占比如圖2 所示。橫向來看,青壯年勞動力是全國勞動力的主力軍,年齡在25～45 之間的勞動力人口占比最大,15～20 歲以及50 歲以上勞動力占比較少,在13%以下。受政策和社會環境等影響,曲線起伏較大,總體來看從2005 年開始雙峰型形狀愈發明顯。從時間角度縱向來看,曲線形狀基本不變,呈現向右平移的趨勢。在全國勞動力人口中占比最大的年齡人口在2000 年為30～34歲群體,到2005 年變為35～40 歲群體,從2010—2015 年25 歲以下的年輕勞動力占比明顯下降,45歲以上勞動力占比顯著上升,勞動力年齡趨于老化。

圖2 全國勞動力年齡結構

（二）回歸結果與分析

1.基本回歸結果

由于橫截面維度數據（n=238）遠多于時間維度（T=4）,且各時期不連續,因此本文選擇短面板模型。首先假設不存在個體效應,進行混合OLS 回歸。為了對比添加控制變量前后的差異,下文同時展示這兩者的結果。使用聚類穩健標準誤,得出回歸結果如表2 第（1）列、第（2）列所示,第（1）列為不添加控制變量的結果,第（2）列為添加了控制變量的結果。由結果可知,在不添加控制變量的情況下,結果與前文分析不符;增加了控制變量后,勞動力年齡一次項系數為負,二次項系數也為負,但都不顯著。

由于每個市情況不同,可能存在不隨時間而變的遺漏變量,因此考慮使用固定效應模型（FE）。固定效應的檢驗結果如表2 第（3）列、第（4）列所示。在未考慮控制變量和考慮控制變量兩種情況下,勞動力年齡一次項系數均為正,二次項系數均為負,且都顯著。由第（4）列輸出F 檢驗p＜0.0001,強烈拒絕原假設“H0:all ui=0”,即混合回歸不可接受,FE明顯由于混合回歸。由于未使用聚類穩健標準誤,進一步通過LSDV 法來考察,發現大多數個體虛擬變量均顯著（p＜0.1）,故拒絕“所有個體虛擬變量都為0”的原假設,認為存在個體效應,不應使用混合回歸。

以上結果確認了個體效應的存在,但個體效應仍可能以隨機效應（RE）的形式存在,因此再次進行隨機效應檢驗。Breusch and Pagan 提供了一個檢驗個體效應的LM 檢驗（LM test for individualspecific effects）,其原假設為“H0:0”,備擇假設為“H1:≠0”。隨機效應檢測結果如表2 第（5）列、第（6）列所示,勞動力年齡一次項系數為正,二次項系數為負,添加控制變量后,結果不顯著。再使用LM 檢驗得到p值為0.000 2,因此拒絕原假設,即“隨機效應”優于“混合回歸”。

2.豪斯曼檢驗

在固定效應和隨機效應模型的選擇上,檢驗原假設“H0:ui與xit,zi不相關”,即隨機效應模型為正確模型。進行豪斯曼檢驗（Hausman -test）,結果如表2 最后一行所示。由于p＜0.0001,故強烈拒絕原假設,隨機效應模型RE 不一致,認為應該使用固定效應模型,而非隨機效應模型。

綜上所述,固定效應明顯優于隨機效應。由表2 第（4）列的固定效應回歸結果顯示,勞動力年齡變量一次項系數為正,二次方項系數為負,兩者均通過1%顯著性檢驗,表明勞動力老齡化與創新并不是線性關系,而是呈現“倒 U 形”,勞動力平均年齡的增長最初對創新具有積極的影響,但達到一定水平后,勞動力平均年齡的提高將對創新產生負面影響。在控制變量中,受教育程度對技術創新有顯著的積極影響。根據固定效應模型的回歸結果,拐點是 36.631,即當平均勞動力年齡低于36.631 歲時,年齡對技術創新產生積極影響,當勞動力平均年齡大于 36.631 歲時,勞動力年齡老齡化將對創新產生造成不利影響。在控制變量中,勞動力受教育水平對技術創新有顯著的積極影響。

表2 勞動力年齡影響創新的回歸結果

根據回歸結果得出的拐點,可以發現,在2000年,238 個城市中,只有3 個城市勞動力平均年齡超過36.631 歲,2005 年有122 個,2010 年為99 個,至2015 年,此數量為176 個,全國已有近一半的城市勞動力平均年齡越過拐點,年齡對技術創新產生不利影響。

3.穩健性檢驗

為了考察基本回歸結果的穩健性,本文用各市45～59 歲勞動力人口在勞動力總人口中所占比重（age_p）代替各市平均勞動力年齡,反映勞動力年齡老齡化程度。人口學中,一般認為45 歲及以上為高齡勞動力,高齡勞動力的比重對于反映勞動力年齡老齡化程度也具有代表性。其他變量保持不變。

分別進行OLS,FE,RE 估計,結果如表3 所示。通過豪斯曼檢驗,可以判斷固定效應模型為最佳選擇。第（4）列固定效應模型的回歸結果表明勞動力年齡的一次項回歸系數都顯著為正,其二次項回歸系數顯著為負,勞動力年齡與技術創新存在明顯的倒U 形關系。當45～59 歲勞動力人口占總勞動力人口比重低于30.52%時,年齡對創新起正效應,超過30.52%時勞動力年齡老齡化將對技術創新造成負影響。其他控制變量的回歸結果與基本回歸結果類似。根據基本回歸和穩健性檢驗的結果,可以得出,勞動力年齡對技術創新的影響是一種“倒U 形”關系,并且這個結論是穩健的。

表3 穩定性檢驗回歸結果

4.異質性檢驗

（1）各地區異質性檢驗。為了進一步分析全國不同地區勞動力年齡對技術創新的影響,本文在模型設定和變量選擇保持不變的基礎上,將全國238個城市劃分為東部城市、西部城市、中部城市三個組,分別進行回歸。其中,東部包含96 個城市,西部有52 個城市,中部有90 個城市。

結果如表4 所示。通過對比可以發現,在東西中三個地區中,只有東部地區結果與上文基本回歸一致,勞動力年齡一次項為顯著正,二次項為顯著負,而西部和中部地區的回歸結果都未通過90%顯著性檢驗。由此可計算得出,東部地區平均勞動力年齡對創新的作用拐點為 35.77 歲,而東部地區96個城市中,有60 個城市的勞動力平均年齡已經超過此拐點。因此,勞動力年齡老齡化的加深對東部地區產生顯著的負效應,而對西部和中部地區的作用不明顯。推測其原因可能是因為經濟發展程度高的地區投資更多的資金和資源來提高人力資本,而人力資本積累越高,在年齡老化程度加深時受到的侵蝕也更為嚴重。

表4 東西中部地區異質性檢驗

（2）各類型創新異質性檢驗。創新的形式具有多樣性,不同類型的創新具有不同的特征,而在上文的基本回歸中,并未考慮到這種異質性。因此,下面繼續考察勞動力年齡對不同類型創新的影響。根據我國《專利法》的規定,專利的類別有三種:發明專利、實用新型專利和外觀設計專利。這三種專利各有側重:發明專利側重于為解決技術問題提出的具有應用可能性的方案或構思,實用新型是指針對實體產品的形狀、構造等所提出的適于實用的新技術方案,外觀設計專利則側重于保護美術思想,注重的是設計人對產品的外觀作出的同時富于藝術性和工業實用性的創造。

三類專利年末授權數的描述性統計如表1 所示。本文仍然保持模型設定和相應的變量與上文基本回歸一致,將這三類專利的年末申請授權數分別作為因變量,進行回歸分析?；貧w結果如表5 所示。從結果中可以發現,在固定效應模型下,平均勞動力年齡對三種專利授權量的影響相似,年齡一次項系數皆顯著為正,二次項系數顯著為負,與上文結論相符。同時觀察發現,經濟增長對發明專利授權數和外觀設計授權數影響不顯著,產業結構對實用新型專利的影響不顯著。

表5 各類型創新的異質性檢驗

五、結論及建議

（一）研究結論

本文首先梳理了勞動力年齡影響創新的兩條理論機制,即“勞動力年齡→資本和勞動要素稟賦結構→科技創新”和“勞動力年齡→人力資本→科技創新”。其次利用2000 年、2005 年、2010 年、2015 年全國238 個城市面板數據,構建面板模型,實證研究了勞動力年齡對技術創新的影響。根據回歸和檢驗的結果,得出以下基本結論:

1.勞動力年齡與創新的關系是非線性的,而是呈現“倒U 形”。隨著我國平均勞動力年齡的升高,勞動力年齡會給我國技術創新產生非常明顯的負面影響。同時,45～59 歲高齡勞動力比重的上升也會抑制技術創新。

2.我國東西中部地區勞動力年齡對技術創新的作用差異明顯。受經濟發展水平影響,勞動力年齡老齡化的加深對東部地區的不利影響更加明顯,當前東部地區大部分城市的勞動力老齡化程度已經對企業創新產生負效應,而在西部和中部地區,這一影響并不明顯。

3.我國勞動力年齡對發明、實用新型、外觀設計三種不同類型的創新影響相似,都呈“倒U 形”,勞動力老齡化的加劇將三種類型的創新水平起抑制作用。

（二）政策建議

隨著老年人口高峰期的到來,我國勞動力將面臨更大的老齡化沖擊,這不僅涉及中國宏觀經濟的持續發展問題,也涉及企業競爭力不斷提高的問題。如何具體有效地改善勞動力供給、提高科技創新能力,本文的研究結論能夠對政策的制定起到一定的啟示作用。

1.提高創新領域的人力資本水平,加強產學研協同創新。盡管從人數上來看我國的勞動力規模龐大,但人力資本的水平比較低。根據2010 年中國社會科學院發布的中國國家競爭力報告可知,我國人力資本構成指數值只是美國的1/12 和日本的1/10,高等教育指數值不到歐盟的1/10。而上文研究也表明,教育、經驗和技能是提高人力資本水平的關鍵所在。因此,首先,我國應建立多元化的教育和培訓體系。除了加大對高等教育的投資,政府也應采取相應的措施調動個人、企業等多方主體開展學習培訓的積極性,提高在崗勞動者的技能水平和創新能力。其次,應積極推動產學研協同合作,將企業、高校、研究機構緊密聯系起來,提高創新效率。再次,可以以返聘等途徑鼓勵已經退休的高級科研人員來擔任技術顧問,能夠給科研單位提供專業的技術指導,從而更好地發揮老年工作者的“知識溢出”正效應。

2.提高科研工作者的勞動效率,優化資源配置。由上文研究可知,勞動生產率是影響創新的重要因素。首先,政府應該設立關于科研工作者的業績績效和薪酬考核的更加完整的制度,以更好地調動研發人員的積極性。其次,應優化科研領域的組織機制建設,減少在研發項目立項、運行以及驗收等方面的摩擦和沖突,提高研發項目審批效率。最后,在科研領域建立項目評審制度和項目淘汰制度,保證研發項目的質量,優化資源配置。

3.促進創新要素集聚,建設城市群創新中心。從中東西地區間創新水平的差異和各省市創新水平的差異中可以發現,大城市和城市群是主要的創新地。創新人才的集聚是大城市和城市群創新水平高,經濟發展快的重要原因。一方面,政府應加快社會保障、戶籍、教育、就業等制度改革,減少勞動力流出,并吸引人才流入。另一方面,我們應加快城市化進程,并逐步形成和擴大城市群,進一步聚集創新人才。

4.加快產業結構調整,轉變經濟增長方式。在老齡化浪潮的沖擊下,勞動力老齡化和“人口紅利”的逐漸消失以及成為既定現實,根據上文的研究可以發現,第二產業對創新具有抑制作用,而第三產業對創新具有積極影響。因此,應根據勞動力年齡結構調整現有產業結構,減少勞動密集型產業,增加資本和技術密集型產業;同時,轉變經濟增長方式,實現經濟增長主要依靠科技進步和技術創新拉動,提升我國產業的綜合競爭力。