人口老齡化對制造業企業全要素生產率的影響

胡日東　曹婧博

摘要：人口老齡化帶來的勞動力供給結構變化不利于制造業企業全要素生產率提升，但會促使企業轉變發展方式，并通過對其他因素的影響促進制造業企業全要素生產率提升。因此，人口老齡化與制造業企業全要素生產率的關系是多種效應綜合作用的結果，是非線性的，并有異質性表現。以2000—2019年滬深A股上市制造業企業為樣本的分析表明：人口老齡化與制造業企業全要素生產率呈現“倒U型”非線性關系;現階段中國的人口老齡化對制造業企業全要素生產率具有顯著的正向影響，這種促進效應在中部地區最為顯著，東部地區次之，而在西部地區不顯著;人口老齡化會通過提高勞動力成本、促進人力資本積累和增加R&D投入等路徑促進制造業企業全要素生產率提升。應優化和完善人口、教育及勞動政策，積極發掘和創造人口紅利，以弱化人口老齡化對勞動力供給結構的消極影響;加快轉變發展方式，從依賴人口紅利的要素驅動轉向利用技術紅利的創新驅動，進一步促進企業全要素生產率提升。

關鍵詞：人口老齡化;制造業企業;全要素生產率;勞動力供給結構;創新驅動

中圖分類號：F241;F270文獻標志碼：A文章編號：1674-8131（2021）0-0100-12

一、引言

制造業作為實體經濟的重要組成部分，在促進國民經濟健康發展和推進經濟結構轉換的過程中始終扮演主導角色。一國制造業的發展水平充分體現了該國產業基礎的厚度，制造業的高質量發展對提升產業國際競爭力和全球分工地位都至關重要。在中國制造業現代化進程中，人口基數大和勞動年齡人口眾多為持續快速增長提供了的勞動力供給保障，制造業的發展長期處于人口紅利階段。但隨著人口老齡化程度不斷加深，適齡勞動力占比逐步降低，加上勞動力成本持續上升，制造業發展的人口紅利逐漸減弱。與此同時，社會主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾，經濟發展也由高速增長階段轉向高質量發展階段。傳統的主要依賴勞動力和資源要素投入的粗放式經濟發展模式亟待轉變，制造業發展也需要從傳統二元經濟增長階段向古典經濟增長階段轉變。作為最重要的微觀經濟主體，企業尤其是制造業企業迫切需要通過創新驅動提高全要素生產率，以高質量發展提升國際競爭力。因此，在人口紅利消減的背景下，人口老齡化對企業全要素生產率的影響不容忽視。關于人口老齡化對全要素生產率的影響，已有研究從多方面進行了深入探討，但由于選取的研究對象和使用的研究方法不同，研究結論亦有所不同，主要有以下幾種觀點：

一是人口老齡化不利于全要素生產率提升。從國家層面來看，人口老齡化意味著老年人口比例逐年遞增，醫療費用、養老金和其他費用支出會相應增加，這必然會增加政府財政負擔，擠占政府公共投資和研發資源投入，進而阻礙全要素生產率的提升（田雪原等，1990）[1];從企業層面來看，企業對年齡較大員工的培訓往往較少，不利于老年勞動力的人力資本積累，這對企業全要素生產率的提高也是不利的（Asplund，2005）[2];從勞動力個體層面來看，隨著年齡的增加身體機能也會逐漸衰退，在知識積累、創新能力和創新意愿等方面也不及于年輕人（Verhagenetal，1997）[3]，因而人口老齡化導致的勞動人口年齡結構老化不利于全要素生產率的提高。

二是人口老齡化有利于全要素生產率提升。從國家層面來看，人口老齡化導致傳統的人口紅利逐漸消失，迫切需要轉變經濟發展方式以實現高質量發展，這會驅使政府加大科技研發投入以提高全社會生產效率，進而有利于全要素生產率的提升（Chomiketal，2018）[4];從企業層面來看，人口老齡化直接導致適齡勞動人口比例減少，加上失能半失能老人需要照料帶來的勞動力損耗，將導致勞動力成本上漲，而工作年限的增加在使員工獲得更多工作經驗的同時還會進一步增加勞動成本，這會迫使企業加大科技創新投入，通過技術創新提高全要素生產率，以實現企業利潤最大化的理性目標（Acemogluetal，2017;Irmenetal，2017）[5-6];從個人層面來看，根據生命周期理論，預期壽命的延長會導致退休后的生存年限增加，年輕人為獲得更高收入會更傾向于接受高學歷教育以提高自身素質和增強競爭力（范洪敏等，2017）[7]，這將有助于全要素生產率的提高。

三是人口老齡化與全要素生產率之間具有非線性關系（倒U型）。Lindh和Malmberg（1999）的研究發現，勞動人口年齡結構與勞動生產率之間呈駝峰型關系[8];Feyrer（2007，2008）的分析也得出類似結論，并從創新活動和知識吸收兩個方面進行了解釋[9-10];Mark（1957）和Hellerstein等（1997）基于微觀角度的研究也發現了這種倒U型關系[11-12];趙昕東等（2016）、黃乾等（2018）、李競博等（2019）針對中國的研究同樣發現了類似的倒U型關系[13-15]。

總體來看，國外的相關研究大多針對西方發達國家或基于全球視角，但西方發達國家的勞動資源稟賦、人口老齡化速度以及經濟發展階段、科技研發能力等都與中國有所不同，中國的人口老齡化與全要素生產率發展都有著自身的特點，西方國家的經驗并不一定符合中國的國情。而關于中國人口老齡化與全要素生產率關系的研究大都基于宏觀的區域或產業層面（趙昕東等，2016;孫一菡等，2017;穆懷中等，2020;王淑紅等，2020）[13][16-18]，缺少基于微觀企業層面的研究。有鑒于此，本文研究人口老齡化對于中國制造業企業全要素生產率的影響，是對該領域研究的有益拓展和深化，并可為從企業層面應對人口老齡化問題提供經驗借鑒和政策啟示。本文的邊際貢獻主要在于以下：一是從理論上探究了人口老齡化影響制造業企業全要素生產率的機制及其可能存在的非線性關系和區域異質性，二是以滬深A股上市制造業企業為樣本實證檢驗了人口老齡化對制造業企業全要素生產率的影響及其機制，三是采用方差分析（ANOVA）模型對固定效應（FE）面板模型進行了修正以提高模型估計的準確性。

二、理論機制與研究假設

1.人口老齡化對制造業企業全要素生產率的影響

隨著人口老齡化程度日趨加深，從直接效應來看其改變了勞動力供給結構，而勞動力結構變化會對制造業企業全要素生產率的提高會產生一定負面影響。但人口老齡化是一個漸進的過程，當老齡化程度很低時，老齡化可能不會顯著削減人口紅利，因而其對制造業企業全要素生產率的負面影響并不會顯現;當老齡化程度已經處于較高水平時，老齡化引起的勞動力結構變化就會對企業生產較大影響，從而其對制造業企業全要素生產率的負面影響就會逐漸凸顯。同時，勞動力結構也不是影響制造業企業全要素生產率的唯一因素，企業全要素生產率的增長還會受到經濟制度、技術進步以及發展階段等因素的影響。而且，人口老齡化本身也會對其他因素產生影響，這種影響也可能促進或抑制制造業企業全要素生產率提升。

總之，在經濟實踐中，人口老齡化與制造業企業全要素生產率所表現出的關系是多種效應共同作用的結果。當其他因素對企業全要素生產率提升的促進作用抵消甚至超過了勞動力結構老化的負面作用時，人口老齡化與制造業企業全要素生產率就會表現出正相關關系;而當其他因素的促進作用不能彌補勞動力結構老化帶來的效率損失時，人口老齡化與制造業企業全要素生產率就會表現出負相關關系。因此，人口老齡化與制造業企業全要素生產率具有非線性關系，而具體到某一國家（地區）在特定時期的人口老齡化對其制造業企業全要素生產率提升的影響，不僅與其自身的老齡化階段有關，而且還取決于其經濟技術發展水平、宏觀經濟政策和態勢以及企業發展策略等多方面的因素。

從目前中國實際情況來看，正處于轉變發展方式、從高速增長階段轉向高質量發展階段的關鍵時期，從國家到企業都積極實施創新驅動戰略，人口紅利逐漸被創新紅利取代。同時，伴隨教育制度的不斷完善以及人工智能和高效率機器設備的使用，勞動力質量不斷提升，一定程度上彌補了勞動力數量短缺的不利影響。因此，人口老齡化與制造業企業全要素生產率之間可能呈正相關關系。但是，也應注意到，未來老齡化程度的加深可能使勞動力質量對勞動力數量的替代效應減弱，進而可能會出現拐點，使人口老齡化與制造業企業全要素生產率之間的關系轉變為負相關。此外，中國幅員遼闊，不同區域的經濟發展具有不平衡性。制造業企業全要素生產率提升與所在地區的經濟發展緊密相關，區域資源稟賦、經濟發展條件和水平的不同，可能導致企業發展戰略和經營策略的差異。而且，各地區的人口老齡化程度本身也具有較大差異。因此，人口老齡化對制造業企業全要素生產率的影響可能具有明顯的異質性。

據此，本文提出假說H1：人口老齡化與制造業企業全要素生產率呈現“倒U型”非線性關系（H1a），目前中國的人口老齡化對制造業企業全要素生產率具有正向影響（H1b），且這種促進效應表現出區域異質性（H1c）。

2.人口老齡化影響制造業企業全要素生產率的機制

如前所述，人口老齡化可能會通過影響其他因素對制造業企業全要素生產率產生作用，因而有必要進一步探究人口老齡化影響制造業企業全要素生產率的可能路徑和機制。人口老齡化對經濟社會發展的影響是深遠的和多方面的，其影響人口老齡化與制造業企業全要素生產率的路徑和機制也是多樣化的。基于受人口老齡化直接影響并直接影響制造業企業全要素生產率的考慮，本文主要從勞動力成本、人力資本積累和創新投入3個方面來探討人口老齡化影響制造業企業全要素生產率的機制。

從勞動力成本來看：一方面，人口老齡化會導致勞動市場中適齡勞動力占比減少，增加企業的勞動力成本，一定程度上擠占企業的創新投入和利潤空間，不利于企業全要素生產率提升。另一方面，根據誘導性創新理論，如果一種要素價格相對于其他要素上漲，就會導致減少這種要素相對使用量的一系列技術創新。在勞動力成本不高時，企業維持現狀也可以生存和發展，技術創新動力不足;但隨著勞動力成本的增加，傳統的生產技術和方式已經不能夠為企業創造足夠的利潤空間，就會倒逼企業進行技術創新以減少勞動投入、節約成本，進而提高其全要素生產率。從長期來看，勞動力成本上升最終都會帶來技術進步和資源配置效率提高，從而促進企業全要素生產率提升。

從人力資本積累來看：人口老齡化導致退休人口增加，人口預期壽命也不斷延長。退休人口晚年生活年限的延長，會驅使年輕人為了在退休后能獲得更好的生活質量保障而加大對自身人力資本的投入，以提高勞動能力和收入水平。而勞動力素質的整體提高會加劇人才競爭，全社會的創新能力和意識也隨之提升，最終有利于制造業企業全要素生產率提升。同時，人口老齡化也促使企業更加重視技術創新，技術創新離不開創新人才，企業的人力資本水平也會隨之提高。因此，人口老齡化會促進全社會人力資本水平的整體提高，進而為企業提供更高素質的勞動力和創新人才，勞動力質量的整體提升最終會提高企業的全要素生產率。

從創新投入來看：一方面，人口老齡化加重了社會養老負擔，可能在一定程度上擠占政府對技術創新的資源投入，進而不利于全要素生產率的提升;另一方面，人口老齡化也會促使國家采取積極措施予以應對。在人口老齡化大背景下，政府和企業都會更加重視技術進步和資源配置效率的提高，直接表現為全社會創新投入的增加。制造業企業要應對勞動力短缺問題，必然要進行技術創新謀求高質量發展，這將有利于且全要素生產率的提升。總體上講，人口老齡化造成的對社會資源擠占效應遠遠弱于其帶來的在戰略轉變產生的創新投入增加效應。因此，人口老齡化會促進全社會創新氛圍和投入的增強和增長，進而為制造業企業提供更多創新資源，最終提高企業的全要素生產率。

基于上述分析，本文提出假說H2：人口老齡化會導致制造業企業勞動力成本上升，進而促進其全要素生產率提升（H2a）;人口老齡化會促進全社會人力資本積累，進而促進制造業企業全要素生產率提升（H2b）;人口老齡化會促使制造業企業增加創新投入，進而促進其全要素生產率提升（H2c）。

三、研究設計

1.模型構建

2.變量選取

（1）被解釋變量：“企業全要素生產率”。為最大限度地保存樣本量，本文選取制造業上市企業營業收入、營業成本、銷售費用、管理費用、財務費用、折舊攤銷、固定資產凈值、支付給職工以及為職工支付的現金作為原始數據，采用LP方法測算企業的全要素生產率，具體指標說明和描述性統計如表1所示。

（2）核心解釋變量：“地區老齡化程度”。本文選取地區的人口老齡化程度作為核心解釋變量，一方面是由于微觀企業內部員工的年齡數據較難獲取，另一方面從企業動態發展的角度來看用地區老齡化水平替代企業內部勞動力老齡化水平具有一定合理性。本文主要采用老年人口比例這一國際通用統計指標（即65歲及以上老年人口占總人口的百分比）來衡量“地區人口老齡化程度”;同時，采用“地區老年人口撫養比”，即65歲及以上人口與15～64歲勞動年齡人口之比來進行穩健性檢驗。

（3）控制變量：本文主要考慮企業微觀特征的影響，控制變量從企業層面選取，共有7個。一是“企業規模”，采用企業員工總人數的自然對數來衡量;二是“企業資本密集度”，采用固定資產凈值與企業員工人數之比的自然對數來衡量;三是“企業資產負債率”，采用負債總額與資產總額之比來衡量;四是“企業資產收益率”，采用凈利潤與平均資產總額之比來衡量;五是“企業年齡平方”，采用企業成立時間與報告期之差的平方來衡量;六是“企業市場勢力”，采用企業營業收入占平均資產總額百分比的自然對數來衡量;七是“企業人才重視程度”，采用支付給職工以及為職工支付的現金占企業營業收入的比重來衡量。

（4）中介變量：根據前文的機制分析，選取3個中介變量。一是“企業勞動力成本”，采用支付給職工以及為職工支付的現金與員工總人數之比的自然對數來衡量;二是”地區人力資本積累“，采用地區人均受教育年限來衡量

具體計算公式為：人均受教育年限=（小學學生人數×6+初中學生人數×9+高中及中專學生人數×12+大專及以上學生人數×16）/6歲及以上人口數;三是“地區企業R&D投入”，采用地區規模以上工業企業R&D經費內部支出占地區GDP的百分比來衡量

“地區企業R&D投入”的衡量，選用規模以上工業企業R&D經費內部支出與制造業工業總產值的比值更為合理，但制造業工業總產值數據只更新到2016年，為保證樣本完整性，本文用地區GDP作為其替代變量。。

3.數據來源與處理

根據2000年中國進入老齡化社會這一時間節點

按照國際慣例，60歲及以上老年人口達到總人口的10%，或65歲及以上老年人口達到總人口的7%，即視為進入老齡化社會。，本文選取2000—2019年滬深A股上市制造業企業為研究樣本，原始數據主要來源于國泰安數據庫、《中國統計年鑒》和《中國科技統計年鑒》。根據企業所在地，將制造業企業全要素生產率與其所在省份人口數據進行匹配，并對樣本數據進行如下處理：（1）剔除同時發行B股、H股、ST股（ST*股、PT股）的樣本，（2）剔除主要變量相關數據缺失或異常的樣本，（3）剔除IPO當年及以前的數據和已退市的樣本，（4）對連續變量的數據進行上下1%縮尾處理（Winsorize）。最終篩選出2438家企業的21451條數據構成本文實證分析的非平衡面板樣本。主要變量的描述性統計分析如表2所示。被解釋變量“企業全要素生產率”的變動范圍比較大，表明制造業企業之間的全要素生產率存在顯著差距;核心解釋變量“地區老齡化程度”的變動也比較大，表明不同省份之間人口老齡化程度的差異也較大。

四、實證結果

1.基準模型檢驗

首先，通過計算各解釋變量的方差膨脹因子（VIF）來判斷多元回歸模型中多重共線性影響的嚴重程度。檢驗結果顯示，多重共線性程度較低，在模型中的影響可以忽略不計（分析結果略，備索）。為最大程度保留樣本隨機性，提高估計效率，借鑒吳勇和林悅（2013）的非平衡面板數據估計方法[19]，進行如下分析：在非平衡面板數據分析中，固定效應模型依然適用，但方差分析（ANOVA）方法估計效果更好，表3中模型1和模型2分別列示了使用固定效應（FE）模型和方差分析（ANOVA）方法的估計結果。從回歸結果看，雖然采用估計方法不同，但“地區人口老齡程度”對“制造業企業全要素生產率”均有顯著正向影響，假說H1b得到驗證。

本文采用更換核心解釋變量指標的方法進行穩健性檢驗：選取“地區老年人口撫養比”替換“地區老齡化程度”進行模型估計，結果如表3的模型3和模型4所示。“地區老年人口撫養比”的估計系數依然在1%水平下顯著為正，表明老年人口撫養比的提高會對制造業企業全要素生產率產生促進作用。可見，本文的基本結論“中國的人口老齡化會促進制造業企業全要素生產率提升”具有穩健性。

由于可能存在互為因果關系、關鍵解釋變量遺漏等內生性問題，本文進一步選取核心解釋變量“地區老齡化程度”的滯后一期作為工具變量，運用兩階段最小二乘法（2SLS）進行回歸分析，結果如表3的模型5所示。第一階段中F統計值遠大于10，說明弱工具變量問題不存在;由于工具變量與內生變量個數相等，無需對其進行過度識別的相關檢驗。從整體回歸結果來看，“地區老齡化程度”的回歸系數始終為正，并在1%水平下顯著，表明中國的人口老齡化有利于制造業企業全要素生產率提升。

2.區域異質性分析

由于中國的東、中、西部地區在經濟發展水平上存在顯著差距，制造業企業的發展環境和優勢各異，人口老齡化程度也不同，因此，人口老齡化對制造業企業全要素生產率的影響可能存在明顯的區域異質性。對此，本文根據企業所在地將全樣本劃分為“東部地區”“中部地區”和“西部地區”3個子樣本分別進行分析，估計結果見表4。在東部地區和中部地區，“地區老齡化程度”的回歸系數均顯著為正;而在西部地區，“地區老齡化程度”的回歸系數為正但不顯著。進一步對東部和中部地區進行SUR檢驗，結果顯示P值小于0.05，即在5%的顯著水平上拒絕原假設，二者的系數存在顯著差異。可見，人口老齡化對于制造業企業全要素生產率的正向影響在中部地區最大，東部地區次之，西部地區則不明顯，假說H1c得到驗證。

3.非線性關系檢驗

前文的線性回歸結果顯示，人口老齡化與制造業企業全要素生產率具有顯著的正相關關系，但這只是樣本期間的總體表現，并不表明人口老齡化程度越高越有利于制造業企業全要素生產率提升，也不意味著人口老齡化程度的提高一定會促進制造業企業全要素生產率的提升。因為，在不同的人口老齡化階段，其水平提升對經濟社會的影響無論是在程度上還是在方向上都可能存在差異。為此，本文在基準模型中加入地區老齡化程度的二次項，進而對可能存在的非線性關系進行檢驗，回歸結果如表5所示。“地區老齡化程度”一次項的系數顯著為正，而二次項的系數顯著為負，表明人口老齡化對制造業企業全要素生產率的影響呈現“倒U型”關系，假說H1a得到驗證。進一步測算得到“倒U型”的拐點為26.25，而本文樣本中老齡化程度的最大值為16.38，表明目前中國還處于人口老齡化程度與制造業企業全要素生產率正相關的老齡化階段。但這也給我們提出了警示，隨著老齡化程度的進一步加深，很有可能會阻礙制造業企業全要素生產率水平的提升。為更好地應對該挑戰，則需要深入探究人口老齡化影響制造業企業全要素生產率的內在機制。

4.影響機制檢驗

根據前文理論機制的分析與闡釋，引入“企業勞動力成本”“地區人力資本積累”和“地區企業R&D投入”三個中介變量進行中介效應檢驗，估計效果如表6所示：

（1）“企業勞動力成本”具有完全中介效應。在模型13中，“地區老齡化程度”的回歸系數β1顯著為正，表明人口老齡化顯著提高了制造業企業的勞動力成本。模型14中，“企業勞動力成本”的回歸系數γ2顯著為正，表明制造業企業勞動力成本上升顯著促進了其全要素生產率提升;“地區老齡化程度”的回歸系數γ1不顯著，表明直接效應為0，因此“企業勞動力成本”存在完全中介效應。可見，人口老齡化導致制造業企業的勞動力成本上升，促使企業通過技術創新和優化資源配置等方式提高生產效率，進而促進制造業企業全要素生產率提升，假說H2a得到驗證。

（2）“地區人力資本積累”具有部分中介效應。在模型15中，“地區老齡化程度”的回歸系數β1顯著為正，表明人口老齡化促進了地區人力資本積累。在模型16中，“地區人力資本積累”的回歸系數γ2顯著為正，表明地區人力資本水平的提高有利于制造業企業全要素生產率提升;“地區老齡化程度”的回歸系數γ1顯著為正，表明“地區人力資本積累”具有部分中介效應（47.06%）。可見，人口老齡化會通過促進地區人力資本積累提高制造業企業勞動力素質，進而有利于其要素生產率提升，假說H2b得到驗證。

（3）“地區企業R&D投入”具有部分中介效應。在模型17中，“地區老齡化程度”的回歸系數β1顯著為正，表明人口老齡化會提高各企業的R&D投入力度。在模型18中，“地區企業R&D投入”的回歸系數γ2顯著為正，表明企業R&D投入力度的增加有助于制造業企業全要素生產率提升;“地區老齡化程度”的回歸系數γ1顯著為正，表明“地區企業R&D投入”具有部分中介效應（8.82%）。可見，人口老齡化會通過加大企業的R&D投入力度促進制造業企業的創新活動，進而提升其全要素生產率，假說H2c得到驗證。

五、結論與啟示

在人口年齡結構持續更迭過程中，中國人口老齡化程度不斷加深，從人口紅利期逐漸步入人口老齡化階段，這對制造業企業發展既是挑戰，也是機遇。正確認識人口老齡化與制造業企業全要素生產率之間的關系，并采取積極的應對措施，是實現制造業企業轉型升級和可持續發展的重要前提。本文以2000—2019年滬深A股制造業上市企業為樣本的經驗分析表明：人口老齡化與制造業企業全要素生產率之間存在“倒U型”非線性關系;當前，人口老齡化對制造業企業全要素生產率有顯著的正向影響，并表現出區域差異性，即對中部和東部地區的影響十分顯著（中部地區最為顯著），而對西部地區的影響不顯著;人口老齡化可以通過提高勞動力成本、促進地區人力資本積累和增加R&D投入等路徑促進制造業企業全要素生產率提升。面對人口老齡化程度進一步加深可能帶來的負面影響，基于上述結論，提出如下啟示：

第一，優化和完善人口、教育及勞動政策，積極發掘和創造人口紅利，以弱化人口老齡化對勞動力供給結構的消極影響。比如：全面放開“三孩”生育政策，促進人口長期均衡發展;進一步推進優生優育，提高出生人口素質;發展普惠“托育”服務體系，打消居民在生育養育過程中可能存在的顧慮，將更多勞動力從家庭勞務中解放出來;促進教育事業高質量發展，加快人力資本積累，提升新增勞動力質量，實現更高質量和更充分就業;大力培養和引進一流技術人才和先進科研團隊，促進勞動力資源由數量優勢向質量優勢轉變;適時推行延遲退休政策，鼓勵專業技術領域人才延長工作年限，支持身體健康且有技術專長的老年人才自主創業，充分利用老年勞動力資源;建立完善的養老體系，降低老年人口中失能半失能人口比例，減輕適齡勞動力養老負擔;發掘人口二次紅利，發展老年教育培訓，適當開發老年人力資本，促進老年人再就業。

第二，加快轉變發展方式，從依賴人口紅利的要素驅動轉向利用技術紅利的創新驅動，進一步促進企業全要素生產率提升。分析表明，人口老齡化帶來的負面影響完全可以通過技術進步來化解。當前中國的人口老齡化與制造業企業全要素生存率呈現正相關關系，也是得益于正在深入推進的創新驅動發展戰略。但也應看到人口老齡化程度持續加深是必然的趨勢，需要提前應對其可能帶來的消極影響。不但國家要在頂層設計上、在宏觀層面上重視人口老齡化對經濟社會發展的深遠影響，并制定前瞻性的政策和規劃予以積極應對;而且企業更應有戰略部署和長遠規劃，不能等著人口老齡化來“倒逼”，要防患于未然。政府應加大對企業創新的支持力度，企業要把技術優勢作為核心競爭力，共同推動制造業發展的轉型升級，不斷提升制造業企業全要素生產率。

本文對人口老齡化對制造業企業全要素生產率的影響及其機制進行了理論探討，并采用中國制造業企業的數據進行了實證檢驗，豐富和深化了人口老齡化的經濟效應研究，但也存在一些不足，主要在于：在本文的分析中，無論是理論機制的闡釋，還是實證變量的選取，主要是從技術創新的角度展開，然而實際上人口老齡化對企業行為的影響并不局限于技術創新領域，其對企業的資源配置也有重要影響，而資源配置的變化會直接影響企業的全要素生產率。因此，還需要進一步從資源配置視角進行相關研究。此外，本文僅從區域層面進行了異質性分析，而且對其原因未能深入探究，機制分析也只探討了3條路徑。因而，今后還可以對人口老齡化影響企業全要素生產率的異質性進行更為細致深入的分析（比如企業層面、行業層面、國家層面的異質性），并更為系統全面地詮釋其影響機制。

參考文獻：

[1]田雪原，胡偉略，楊永超.日本人口老齡化與經濟技術進步——赴日考察及學術交流報告[J].中國人口科學，1990（6）：59-62.

[2]ASPLUNDR.Theprovisionandeffectsofcompanytraining：Abriefreviewoftheliterature[J].NordicJournalofPoliticalEconomy，2005，31（1）：47-73.

[3]VERHAEGHENP，SALTHOUSETA.Meta-analysesofage-Cognitionrelationsinadulthood：Estimatesoflinearandnonlinearageeffectsandstructuralmodels[J].PsychologicalBulletin，1997，122（3）：231-249.

[4]CHOMIKR，PIGGOTTJ.Demographicandtechnologicalchange：TwomegatrendsshapingthelabourmarketinAsia[R].

[5]ACEMOGLUD，RESTREPOP.Secularstagnation？Theeffectofagingoneconomicgrowthintheageofautomation[J].AmericanEconomicReview：Paper&Proceedings，2017，107（5）：174-179.

[6]IRMENA.Capitalandlabor-savingtechnicalchangeinanagingeconomy[J].InternationalEconomicReview，2017，58（1）：261-285.

[7]范洪敏，穆懷中.人口老齡化對環境質量的影響機制研究[J].廣東財經大學學報，2017（2）：41-52.

[8]LINDHT，MALMBERGB.AgestructureeffectsandgrowthintheOECD，1950—1990[J].JournalofPopulationEconomics，1999（12）：431-449.

[9]FEYRERJ.Demographicsandproductivity[J].TheReviewofEconomicsandStatistics，2007，89（1）：100-109.

[10]FEYRERJ.Aggregateevidenceonthelinkbetweenagestructureandproductivity[J].PopulationandDevelopmentReview，2008，34：78-99.

[11]MARKJA.Comparativejobperformancebyage[J].MonthlyLaborReview，1957，80（12）：1467-1471.

[12]HELLERSTEINJK，NEUMARKD，TROSKEKR.Wages，productivity，andworkercharacteristics：Evidencefromplant-levelproductionfunctionsandwageequations[J].JournalofLaborEconomics，1999，17（3）：409-446.

[13]趙昕東，李林.中國勞動力老齡化是否影響全要素生產率？——基于省級面板數據的研究[J].武漢大學學報（哲學社會科學版），2016（6）：68-76.

[14]黃乾，李修彪，李競博.人口老齡化對創新的影響：基于中國宏觀與微觀數據的實證研究[J].現代經濟探討，2018（12）：25-32.

[15]李競博，高瑗.我國人口老齡化對勞動生產率的影響機制研究[J].南開經濟研究，2020（3）：61-80.

[16]孫一菡，謝建國，熊永蓮.勞動力老齡化、教育水平與地區全要素生產率[J].中國經濟問題，2017（3）：3-16.

[17]穆懷中，裴凱程.人口老齡化對裝備制造業全要素生產率的影響——來自中國省級面板數據的實證檢驗[J].工業技術經濟，2020（11）：154-160.

[18]王淑紅，楊志海.農業勞動力老齡化對糧食綠色全要素生產率變動的影響研究[J].農業現代化研究，2020（3）：396-406.

[19]吳勇，林悅.非平衡面板數據模型的估計方法及應用[J].統計與決策，2013（8）：76-78.

（編輯：黃依潔）