人口老齡化必然導致資本替代勞動嗎

咸金坤 汪 偉 蘭 袁

一、引言

人口老齡化對經濟增長的負面影響不容忽視。當前，中國的老齡化處于快速發展階段，根據第七次人口普查數據，中國60歲及以上人口達到2.64億，占總人口的比重上升到了18.70%，相較于第六次人口普查數據的13.26%，這一比重在10年內增加了近5.5個百分點，而2000-2010年的10年間該比重則提升了不到3個百分點。同時，與其他國家相比，我國“未富先老”的矛盾尤為突出，因此，如何有效應對老齡化帶來的不利影響成為政府和學術界關注的重大理論與現實問題(1)中共中央、國務院于2019年11月頒布實施了《國家積極應對人口老齡化中長期規劃》；中共黨的十九屆五中全會明確提出“實施積極應對人口老齡化國家戰略”。。

人口老齡化意味著傳統的勞動密集型產業和低端制造業難以為繼，而通過優化產業結構、提高勞動生產率和技術創新能力，利用資本和技術替代勞動，促使中國的產業結構邁向資本密集型和技術密集型是積極應對人口老齡化的應有之策。從發達國家的經驗來看，經濟發展一般會伴隨著資本深化，資本替代勞動似乎成為一種普遍規律。同時，人口老齡化程度的加深進一步為企業用資本替代勞動提供了外在激勵。當老齡化不斷加劇時，勞動力變得日益稀缺，企業雇傭的勞動力變得越來越昂貴，導致制造業的勞動力成本快速上漲，這將在很大程度上改變制造業部門中資本、勞動等生產要素的市場相對價格，進而“倒逼”企業利用資本替代勞動，使得一些企業完成由勞動密集型向資本密集型、技術密集型的轉型和升級(張杰等，2016)。然而，當前中國的產業結構升級緩慢，工業部門大而不強的問題日益嚴峻，制造業產品長期處于全球價值鏈的中低端、出口產品的技術復雜度低等問題尤為突出(蘇慶義，2016)。與此同時，中國經濟也面臨著高端產品供給不足與低端產能過剩、中小企業發展質量不高、競爭力不強等經濟結構性失衡問題(陳愛貞、劉志彪，2016)。這些現象的存在使得我們開始進一步思考，在老齡化快速發展、勞動力資源豐裕度不斷下降的過程中，是否存在某些因素阻礙了資本對勞動的替代，使得企業無法實現要素稟賦結構升級。

實際上，如果企業試圖升級要素結構，通過采用先進的自動化、智能化生產技術以實現資本對勞動的替代，那么必須面臨的一個現實問題是，任何新技術的采用和生產方式、過程的升級并不是憑空產生的，而是需要進行大規模固定資產投資。此時，企業基于利潤最大化原則對成本與收益進行權衡，做出是否進行投資的決策。資本替代勞動意味著企業需要承擔前期高昂的固定成本，一般生產規模越大的企業，則越能借助規模經濟的優勢不斷降低固定成本，因而更有動力或意愿承擔固定成本的很可能是大型企業(Geroski，2000；Fabiani et al.，2005)。另外，企業在資本替代勞動的過程中所需的大額投資資金往往是通過外部融資的方式完成(劉啟仁等，2019)。對企業投資決策的預算約束條件而言，如果存在融資約束，那么企業的最優決策也很可能會發生改變，企業投資的意愿有可能會下降。換言之，即便企業主觀上愿意更換新技術、新設備，但是融資約束的存在使得企業客觀上無法順利完成。

為了驗證上述猜想，本文嘗試利用中國工業企業數據庫，將其與人口結構數據進行匹配，以考察人口結構轉型如何影響企業的資本勞動比。具體來看，本文首先從企業資本深化的角度，分析人口老齡化對資本勞動比的影響，研究發現，老齡化程度的加劇顯著提升了企業的人均固定資產數量。其次，從理論上來看，企業可以通過增加固定資產投資、維持或減少勞動力雇傭人數，也可以通過同時增加固定資產投資和勞動力雇傭人數的方式提高資本勞動比。基于此，本文將分別考察人口老齡化對企業固定資產投資和勞動力雇傭行為的影響，研究結果顯示，人口老齡化顯著提升了企業的固定資產投資、減少了勞動力雇傭數量，并且企業更有可能利用資本代替原有的低技能勞動力。再次，根據前文的分析，本文還進一步探索了企業規模效應和融資約束程度是否構成我國工業企業應對人口老齡化的障礙，實證結果顯示，人口老齡化并沒有顯著提高規模較小和融資約束程度較為嚴重的企業的固定資產投資，但卻顯著縮小了企業用工規模，說明技術升級換代所需的高昂固定成本投入等因素制約了這類企業利用資本代替勞動的意愿和能力。并且，該結論在更換核心變量測度方式、排除競爭性解釋等一系列的穩健性檢驗下均成立。最后，我們按照企業的生產率水平和出口狀態進行了異質性分析，發現人口老齡化的資本替代勞動效應在資本密集型、生產率水平較高以及非出口的企業中更為顯著。

本文的邊際貢獻主要體現在以下三個方面：第一，研究視角獨特。已有關于人口老齡化的研究主要側重于從宏觀角度分析其對經濟增長、產業結構以及技術創新等方面的影響，本文從微觀視角研究了人口老齡化對企業資本替代勞動的影響，進一步擴展了老齡化的經濟影響的研究范疇。第二，研究內容探索性強。已有文獻提出智能化生產能夠有效應對人口老齡化的負面沖擊(陳彥斌等，2019)，但并未考察不同企業應對該負面沖擊的能力，本文從規模效應和融資約束角度分析了制約企業提高智能化生產的因素，對已有文獻進行補充。第三，研究結論啟示性強。本文的研究結論能夠為政府制定積極應對老齡化的相關政策提供經驗證據支持，同時也可以為人口老齡化背景下如何“穩定制造業投資”提供相應的政策參考。

二、文獻綜述與理論分析

從理論角度看，資本與勞動可以有替代與互補兩種不同的關系。根據新古典經濟學的觀點，生產要素的相對價格變動會促使企業調整其要素投入決策，因此，現有文獻較多地從勞動力市場和資本市場等角度考察資本與勞動的關系及其影響因素。

從勞動力市場因素出發，Hasan et al.(2013)利用跨國行業層面的數據研究發現，勞動力市場的規制政策改變了企業的用工成本，進而影響到行業的資本勞動比：通常勞動力規制越少，則該行業越能夠利用勞動力替代資本，從而資本密集度越低，這一效應在中等收入國家和發展中國家更為顯著，并且在低技能占比較高的行業中也更大。從企業層面數據來看，Autor et al.(2007)和Cingano et al.(2016)的研究表明，勞動保護政策會促進企業利用資本替代勞動，提升企業的資本勞動比，即當勞動力相對價格上升時，企業會利用資本替代勞動。但是，也有一些學者指出，勞動力保護政策反而會減少企業投資、降低企業的資本勞動比(Calcagnini et al.，2009；Cingano et al.，2010)，資本與勞動之間呈現出互補關系。實際上，Janiak and Wasmer(2014)的研究證明，勞動保護等因素的改變如何影響企業資本替代勞動取決于兩者之間的技能互補性等多種因素。但是，從中國的現實數據來看，工業部門的資本與勞動之間呈現出顯著的替代關系(陳登科、陳詩一，2018)。進一步的證據也顯示，作為企業用工成本的重要組成部分，當社會保險繳費上升帶來勞動力相對價格上升時，企業會通過增加固定資產投資、減少勞動力雇傭的方式實現資本替代勞動力，從而導致資本勞動比上升(唐玨、封進，2019)。

直觀上，人口老齡化對企業資本替代勞動的影響與勞動力市場的規制政策類似，都可以通過提高企業用工成本的機制產生影響，然而，除此以外，人口老齡化還可能會通過其他途徑產生影響。第一，人口老齡化造成勞動力年齡結構的老化，而平均來看勞動生產率會隨著勞動力老齡化的加劇而下降(Maestas et al.，2016；汪偉等，2019)，這會使得企業通過增加固定資產投資的方式進行資本替代勞動，從而提高企業的勞動生產率(封進，2019)。第二，根據生命周期理論，人口老齡化減少了儲蓄率，這會導致企業的信貸資源減少，從而影響到企業的固定資產投資決策，進而有可能影響到企業的資本替代勞動行為。第三，人口老齡化對經濟增長帶來負面影響、降低了潛在經濟增長率(陸旸、蔡昉，2014；汪偉，2016)，而經濟增速下滑可能會使得消費低迷、潛在投資機會減少，此時企業的投資意愿降低，從而對企業資本替代勞動決策產生影響；同時，經濟增速下滑也有可能會使得經濟政策不確定性程度上升，這也會進一步抑制企業進行技術升級和更新換代的意愿，不利于企業資本替代勞動。因此，有必要專門探討人口老齡化如何通過改變企業的投資、雇傭行為影響到企業的資本替代勞動。

從資本市場角度出發，一些學者認為企業面臨的融資約束是制約其資本替代勞動的重要因素。Spaliara(2009)利用英國微觀企業數據的研究發現，融資約束程度的提高會降低企業資本替代勞動的能力，更為重要的是，企業的現金流、杠桿率以及抵押品比重等因素均會加劇融資約束的負面作用。并且，Spaliara(2011)還發現，由于不同行業間存在技術差距，融資約束對資本替代勞動的負面效應存在異質性。張杰等(2016)利用中國工業企業的微觀數據研究發現，融資約束同樣也是制約制造業企業資本替代勞動的重要因素，而這種負面效應在民營企業、小規模企業以及沒有獲得政府補助的企業中更為突出。

如果將機器人等智能化生產過程看作是一種特殊的資本，那么與本文相關的另一支文獻是探索人口老齡化對智能化生產的引致作用，其基本觀點是，人口老齡化倒逼企業通過資本替代勞動以提高勞動生產率。Acemoglu and Restrepo(2022)利用跨國數據研究發現，勞動力老齡化越嚴重的國家(地區)，機器人等自動化生產技術的使用密度越高；同時，他們還發現，由于機器人和勞動力存在競爭關系，因此機器人的使用會對勞動力市場中的就業和工資帶來負面影響(Acemoglu and Restrepo，2020)。Abeliansky and Prettner(2017)的研究也顯示，人口出生率的下降會導致經濟體更多地使用機器人(智能化)生產技術。而陳秋霖等(2018)的研究得到了同樣的結論，他們發現，如果一個經濟體的人口老齡化程度越嚴重則工業機器人的安裝密度越高，并且機器人的應用有助于緩解人口老齡化對經濟增長的負面作用。從宏觀證據來看，人口老齡化的“資本替代勞動”效應得到了經驗證據的支持，宏觀經濟現象有其微觀基礎，因此，在微觀企業也應該表現出通過資本替代勞動來應對人口老齡化帶來的負面影響，但是相關的微觀經驗證據并不多見，尤其是老齡化對不同類型企業的固定資產投資和勞動力雇傭決策影響的異質性尚不明確，即是否存在某些因素制約企業通過資本替代勞動提升資本勞動比，而對這些問題的探索也有助于我們更好地利用機器人等智能化生產技術應對人口老齡化的負面沖擊。

三、實證研究策略與數據

(一)計量分析模型設定

借鑒唐玨、封進(2019)等研究，本文首先考察人口老齡化對企業資本勞動比的影響，然后再具體分析企業通過何種方式應對人口老齡化帶來的負面沖擊。為此，建立如下計量分析模型進行實證研究：

Yi,j,r,t=c+β1old_ratior,t+ΔXi,j,t+ΛZr,t+αr+δj+yeart+δj×yeart+εi,t

(1)

其中，下標r，i，j和t分別表示地區(省份和直轄市)、企業、行業和年份。核心解釋變量old_ratior,t為人口老齡化程度的測量指標，而Xi,j,t表示企業層面的控制變量，Zr,t表示地區層面的控制變量，αr表示地區固定效應，δj表示行業固定效應，yeart表示經濟中的共同沖擊，即時間固定效應，δj×yeart表示行業乘以時間固定效應，最后εi,t表示誤差項。在實證分析中，本文將標準誤聚類到省份-行業層面。

關于被解釋變量Yi,j,r,t：在基準回歸中，本文首先考察人口老齡化對企業資本勞動比的影響，此時，Yi,j,r,t表示企業的人均固定資產，其中該指標利用企業的固定資產存量除以從業人數后的對數值進行衡量；其次，在考察人口老齡化影響企業資本勞動比的機制時，Yi,j,r,t則表示企業的固定資產投資、勞動力雇傭規模等變量，其中本文主要借鑒譚語嫣等(2017)等文獻，利用固定資產總值取對數后的差值測度企業投資，同時還借鑒聶輝華等(2012)等研究，利用當年企業固定資產存量減去上一年固定資產存量來度量企業的新增固定資產投資，并將其除以上一年企業的固定資產存量。企業勞動力雇傭規模則利用從業人數的對數值表示。關于解釋變量人口老齡化程度old_ratior,t，本文使用各個省份65歲及以上老年人口占總人口的比重衡量。由于人口年齡結構在很大程度上是由幾十年前當地人口出生率決定，這一特征使得該變量可以降低內生性問題，并且我國近二十年來人口結構變化速度非常快，為進一步識別人口結構對企業投資和雇傭行為的影響提供了很好的數據支持。

另外，對于控制變量而言，本文參照譚語嫣等(2017)、唐玨、封進(2019)等已有文獻進行選取。在企業層面的控制變量Xi,j,t中，主要包括企業規模、利潤率、負債率、融資成本、成立年限、出口狀態以及企業所有制性質等；在地區層面的控制變量Zr,t中，主要包括人均GDP、城市化率、產業結構、對外直接投資以及對外貿易等。表1中給出了詳細的企業和宏觀層面控制變量的定義和測算方法等信息。

表1 變量定義

(二)數據處理與描述性統計量

本文在實證分析中主要采用1998-2008年“中國工業企業數據庫”。由于該數據庫存在樣本匹配混亂、變量大小異常以及度量誤差等問題(聶輝華等，2012)；同時，數據庫中也沒有直接的真實固定資產存量指標，也無法確切得知固定資產購買年份，推算真實固定資本存量存在諸多挑戰(楊汝岱，2015)。

為此，本文首先參照Brandt et al.(2012)中給出的方法將不同年份的企業進行匹配，以測算企業的真實固定資本存量等；然后，按照Cai and Liu(2009)和楊汝岱(2015)等文獻的做法，對數據庫中部分指標的異常值進行處理，以避免極端異常值和過大的度量誤差導致估計結果出現嚴重偏誤的情況。具體來看：(1)剔除工業總產值、總資產、固定資產、工業增加值以及中間投入品缺失、為零值和為負值的樣本；(2)剔除企業從業人數缺失并且小于10的樣本；(3)剔除總資產規模小于流動資產、固定資產的樣本；(4)剔除本年折舊小于0、并且大于累計折舊的樣本；(5)剔除流動負債合計小于應付賬款以及負債合計小于長期負債的樣本。同時，為進一步避免極端異常值對實證研究結果的影響，本文還對公司層面的連續變量進行了上下1%的縮尾處理。宏觀層面的數據主要來源于歷年《中國統計年鑒》和EPS中國宏觀經濟數據庫等，其中各省的外商直接投資和進出口貿易總額為美元計價，我們按照中美匯率將其轉換為以人民幣計價。關于人口數據，本文主要從《中國統計年鑒》、《中國人口和就業統計年鑒》獲取，其統計口徑為常住人口，即考慮了流動人口的情況。兩個層面的變量按照企業所在地進行匹配，表2給出了描述性統計量。

表2 描述性統計量

四、實證研究結果

(一)基準回歸結果

表3給出了人口老齡化對工業企業資本勞動比影響的回歸結果，其中第(1)和第(2)列是利用名義固定資產存量計算企業的人均固定資產，而第(3)和第(4)列則是利用經調整價格因素后的真實固定資產存量計算人均固定資產，在所有回歸中我們均控制了省份固定效應、時間固定效應、行業固定效應以及行業×時間固定效應。由于核心解釋變量是省級層面，因此在回歸中控制省份固定效應以刻畫不可觀測的地區因素，這對于緩解由遺漏變量而導致的內生性問題非常重要。另外，由于我國處于經濟結構轉型時期，產業結構處于不斷變遷的狀態，因而對勞動力的需求也會產生一定的影響，這在一定程度上可能會影響到人口結構以及企業投資行為，因此我們進一步控制了行業×時間固定效應以捕捉這些隨時間變化的行業間不可觀測因素。

表3 人口老齡化與工業企業資本勞動比

表3中的回歸結果顯示，當不控制任何企業層面和宏觀層面變量時(第(1)和第(3)列)，人口老齡化程度的加劇顯著地提升了工業企業的資本勞動比。進一步，在回歸中加入控制變量(第(2)和第(4)列)的估計結果表明，不論是利用名義人均資本存量衡量、還是實際人均資本存量衡量，人口老齡化的系數仍然在1%的顯著性水平下顯著為正，即人口老齡化程度提升一個百分點，則企業的人均資本存量平均將會上升1.1%左右。這些估計結果表明，人口老齡化可能會促使企業利用資本替代勞動，這與前文的理論分析相一致：一方面，人口老齡化的加劇使得企業雇傭的勞動力變得越來越昂貴，這將在很大程度上改變中國工業部門中資本、勞動等生產要素的市場相對價格。因此，人口老齡化會“倒逼”工業企業減少雇傭勞動，增加固定資產投資并改進技術，從而使得有競爭優勢的企業完成由勞動密集型向資本密集型、技術密集型轉型和升級(汪偉等，2015；張杰等，2016)。另一方面，對實體經濟來講，勞動生產率一般在中老年階段會隨著年齡的增長而降低，人口老齡化會造成企業勞動力年齡結構的老化(Liang et al.，2018；汪偉等，2019)，因而使得部分行業內企業勞動生產率下降，為了應對這種勞動生產率的下降，企業也可能會選擇利用資本替代勞動。

關于資本勞動比上升的直接原因，企業可以僅通過減少勞動的方式、也可以僅通過增加固定資產投資的方式或者兩者兼而有之。根據當前的回歸結果，我們無法判斷企業采用何種方式應對人口老齡化的負面沖擊，因此，本文接下來分別考察企業的固定資產投資行為和勞動力雇傭行為。

(二)增加投資VS減少雇傭

在本小節中，本文借鑒譚語嫣等(2017)的方式定義企業投資，利用企業固定資產總值取對數后的差值進行衡量，在穩健性檢驗中，我們還采用唐玨、封進(2019)的方式進行定義(2)限于篇幅，省略了這部分回歸結果，審稿過程中均進行了報告，備索。。同時，在回歸分析中我們將企業的勞動力雇傭數量進行取對數處理。

表4給出了人口老齡化對企業投資和勞動力雇傭行為的影響結果。第(1)列的結果顯示，在控制其他因素不變的情況下，人口老齡化程度的提高顯著增加了企業的固定資產投資，老齡化每上升一個百分點，企業的固定資產投資將會上升0.3%左右。而第(2)列的結果則表明，老齡化程度的提高顯著減少了工業企業的勞動力雇傭數量，老齡化每上升一個百分點，企業的雇傭人數將會減少1.3%左右，該系數在1%的顯著性水平下顯著。這兩列的結果共同說明，人口老齡化的確會促使企業利用資本替代勞動，這既符合理論預期也符合現實情境。進一步，人口老齡化使得勞動力成本上升、勞動生產率水平下降，那么企業是否會主要減少低技能勞動力的雇傭，即利用資本和高技能勞動力替代低技能勞動力呢？遺憾的是，目前公開的企業數據庫中難以找到統計口徑統一的企業技能結構相關變量(3)中國工業企業數據庫中僅有2004年有相關變量，但是不足以支撐本文的研究。，為了驗證上述猜想，本文參照唐玨、封進(2019)的做法，考察人口老齡化對職工平均薪酬的影響。我們發現，人口老齡化程度每上升一個百分點，企業的平均工資水平會提高2.8%左右(表4第(3)列)。這在一定程度上說明，企業更有可能通過購買新的機器設備、雇傭高技能勞動力替代了原有的低技能勞動力。

另外，企業也可能增加對現有員工的培訓，通過提高員工技能水平來應對人口老齡化。表4第(4)列的結果顯示，老齡化程度的上升顯著增加了企業對員工的培訓費用支出。這些結果說明，企業為了應對人口老齡化，在利用資本替代勞動過程中主要替代了低技能勞動力，并且也會加強對員工進行培訓，提高員工的技能水平。由此，本文可以引申出一個推測：人口老齡化導致工業企業用資本替代勞動，部分勞動力逐漸從工業流入服務業，從而增加了服務業的就業與增加值份額，因此在宏觀上表現為產業結構的升級，即第三產業就業比重或產值占GDP的比重逐漸上升，人口老齡化有利于產業結構的升級(汪偉等，2015)。

表4 人口老齡化與資本替代勞動

(三)可能的機制

1.企業規模的影響

值得注意的是，如果企業利用資本替代勞動是為了利用更加先進的技術，提高生產的智能化和自動化程度，那么，企業是否會因為不愿意或者無法更多地進行固定資產投資，而不得不選擇減少勞動力雇傭或僅僅通過培訓現有員工等途徑“被動”應對呢？由于生產技術升級和更新換代并不是憑空出現，企業往往需要有相應的高技能員工與之匹配，需要支付高昂的固定成本，需要有較強的風險承擔能力等(Geroski，2000)。因此，在實踐中，企業規模通常是影響技術升級的重要因素(段軍山、莊旭東，2020)，而規模較大的企業往往更加有意愿和能力通過資本替代勞動的方式進行技術升級(Fabiani et al.，2005)。另外，劉盛宇、尹恒(2018)利用中國制造業企業數據研究指出，資本的調整成本在規模較小的企業中更高。同時，劉啟仁等(2019)也認為，企業進行固定資產投資時需要外部融資，而企業的償債能力也與其規模有關，相比于小規模企業，大企業會更占優勢。基于以上分析，本文認為，人口老齡化“倒逼”企業利用資本替代勞動的效應主要存在于大規模企業中，對小規模企業的影響會減弱、甚至不顯著。為此，借鑒已有研究(Zwick and Mahon，2017；唐玨、封進，2019)，我們按照企業的總資產劃分為10個組別，規模最小的下30%分位數企業識別為小規模企業，將規模最大的上30%分位數企業識別為大規模企業，從而對樣本進行分組回歸，主要結果列于表5。

在表5 Panel A中，我們分別考察了人口老齡化對大規模企業和小規模企業的固定資產投資和勞動力雇傭的影響。第(1)和第(3)列的回歸結果表明，人口老齡化對小規模企業投資的影響較小，其系數并不顯著，但是對其勞動力雇傭的負向影響非常顯著，系數大小與基準結果比較接近。這說明，對于小規模企業而言，人口老齡化更可能使其通過減少雇傭人數的方式應對人口老齡化，而不是增加對資本的投資。第(2)和第(4)列的回歸結果則顯示，人口老齡化對大規模企業投資的影響較為顯著，老齡化每上升一個百分點，該類企業的固定資產投資將會上升0.6%左右，并且在1%的顯著性水平下顯著；同樣，老齡化對大規模企業勞動力雇傭的負面影響也非常顯著，其系數大小要略高于基準結果，也要高于小規模企業樣本的系數。

在表5 Panel B中，我們還考察了人口老齡化對不同規模企業的員工培訓費用支出的影響效應，雖然兩者的系數差異較小，但是老齡化對大規模企業的培訓費用影響的確更大一些。這些估計結果表明，人口老齡化會促使大規模企業用資本替代勞動，提高生產的智能化和自動化程度；與其同時，大規模企業也會通過增加員工技能培訓、通過高技能員工替代低技能員工的方式提高勞動生產率，實現要素升級，因此，老齡化對大規模企業勞動力雇傭的負面影響更大。另外，一般而言，成熟企業的規模更大、而年輕企業的規模偏小一些，因此，參照張杰等(2016)的做法，我們將企業分為年輕型(成立年限小于10年)和成熟型(成立年限大于10年)作為按企業規模分組結果的一個佐證。第(7)和第(8)列的回歸結果再次表明，人口老齡化對年輕型企業投資的影響效應雖然為正，但是其系數較小、并且也不顯著；但是對成熟型企業投資的影響效應非常明顯，老齡化每上升一個百分點，該類企業的固定資產投資將會上升0.4%左右，在1%的顯著性水平下顯著。這些結果說明，面對人口老齡化，年輕型、小規模企業并沒有利用資本替代勞動，而僅僅是減少了雇傭人數。

表5 按照企業規模分組下的人口老齡化與資本替代勞動

2.融資約束的影響

從理論上看，人口老齡化會倒逼企業轉型升級，提升生產過程自動化和智能化程度。但是，企業投資具有追逐利潤的動機，預算約束的改變也會對企業的投資行為產生影響(綦建紅、馬雯嘉，2020)。在實踐中，由于許多企業需要通過融資的方式來進行固定資產投資，完成資本對勞動的替代、實現要素結構升級(劉啟仁等，2019)，那么，對于這些企業而言，融資約束的存在使得企業的預算約束發生改變，可能在一定程度上限制資本替代勞動，對企業發展形成制約。

為了反映企業的融資約束程度，本文借鑒馬光榮、李力行(2014)的研究，采用“企業是否獲得貸款”作為衡量指標之一，當企業存在正的利息支出時，則該變量取值為1，這些企業的融資約束相對較小。本文還借鑒了劉晴等(2017)的研究，采用杠桿率指標來代表銀行貸款的融資情況，而杠桿率是通過短期借款與總資產之比來衡量，其中短期貸款為流動負債-應付賬款-應付工資-應付福利費-應交稅金(韓劍、王靜，2012)，該指標數值越小表示銀行融資約束越明顯。我們按照杠桿率將企業分為10個組別，該指標數值最小的下30%分位數識別為融資約束程度較大的企業，將該指標數值最大的上30%分位數識別為融資約束程度較小的企業。另外，企業除了通過外部融資完成資本替代勞動的過程以外，還可以利用企業內部資金，為此，我們進一步考察了企業內部融資約束的影響，其中內部融資約束指標是企業的利潤加折舊與總資產之比，該指標越小表示內部融資約束越明顯。我們同樣按照內部融資約束指標將企業分為10個組別，該指標數值最小的下30%分位數識別為內部融資約束程度較大的企業，將該指標數值最大的上30%分位數識別為內部融資約束程度較小的企業。

表6中給出了不同融資約束程度下的分組回歸結果。Panel A分別考察了人口老齡化對融資約束程度較低和較高的企業固定資產投資和勞動力雇傭的影響效應。第(1)和第(2)列的結果顯示，人口老齡化對融資約束程度較低的企業投資存在正向影響，其系數在1%的顯著性水平下顯著，老齡化程度每上升一個百分點，企業的固定資產投資將會上升0.5%左右；但是，對融資約束程度較高的企業而言，人口老齡化對企業投資的影響雖然為正，但是并不顯著，其影響系數也較小。第(3)和第(4)列的回歸結果則表明，在不同的融資約束程度下，人口老齡化對企業勞動力雇傭人數的負面影響均顯著存在，并且系數大小極為接近，老齡化程度上升一個百分點，企業的雇傭人數將會下降1.1%左右，該結果與基準回歸也比較類似。因此，人口老齡化對企業的勞動力雇傭人數的負面效應基本保持穩定，但是對企業投資的影響卻存在顯著的異質性。

表6 按照融資約束分組下的人口老齡化與資本替代勞動

為了進一步說明融資約束的作用，我們在Panel B中給出了按照劉晴等(2017)的指標進行分組回歸的結果。第(5)和第(6)列的結果表明，對于融資約束程度較低的企業而言，人口老齡化對其投資依然存在顯著的正向影響，老齡化程度上升一個百分點，企業的固定資產投資將會上升0.6%左右；而對于融資約束程度較高的企業而言，人口老齡化對其投資的影響不再顯著，系數的符號甚至變為負。通過考察企業內部融資約束程度(第(7)和第(8)列)，我們依然發現了與上述一致的結論。綜合以上結果，本文認為，融資約束的存在不利于企業要素結構升級，尤其是對于融資約束程度比較嚴重的企業而言，人口老齡化使得這類企業主要是通過減少雇傭人數的方式應對人口老齡化，而不是利用資本替代勞動。

根據表5和表6中的結果，本文還可以引申出一種觀點：面對不利的人口年齡結構，規模較小、融資約束較為嚴重的工業企業似乎僅僅是通過減少勞動力雇傭人數而非增加固定資產投資的方式進行應對，那么，這很有可能導致中國出現過早“去工業化”現象(黃群慧等，2017；魏后凱、王頌吉，2019)，從而不利于提升中國制造業的發展質量和競爭力，對經濟高質量發展構成潛在威脅。

五、進一步分析

(一)穩健性檢驗

在基準回歸中，本文采用了當期被解釋變量對當期解釋變量的固定效應模型進行回歸，該模型設定可能并非是最合適的計量模型，企業的投資決策可能會根據之前的人口老齡化程度做出反應(4)作者還進行了更換核心變量、剔除國有企業樣本、剔除經濟發達城市企業樣本、改變標準誤計算方式等其他穩健性檢驗，審稿過程中均進行了報告，結果備索。。為此，我們將老齡化程度滯后一階作為核心解釋變量進行回歸，表7給出了相應的回歸結果。Panel A的估計結果表明：人口老齡化顯著提升了企業的資本勞動比；同時，老齡化增加了企業的固定資產投資、減少了企業的勞動力雇傭數量，這與本文的基準結論一致。

表7 穩健性分析

進一步，Panel B再一次驗證其中的影響機制，即人口老齡化對小規模企業投資的影響依然較小，其系數并不顯著，但是，對大規模企業投資的影響較為顯著；同時，人口老齡化對融資約束程度較高的企業的投資的影響雖然為正，但是并不顯著，而對融資約束程度較低的企業的投資的影響顯著為正，這些結果均與基準回歸結果相一致。

(二)制造業樣本的分析

為提升嚴謹性，本文將制造業企業單獨作為樣本展開分析，表8給出了相應的回歸結果。結果顯示，人口老齡化顯著提升了制造業企業的資本勞動比，其實現方式是增加企業的投資、且減少勞動力數量；即在面臨老齡化的負面沖擊下，制造業企業利用資本替代勞動，這與基準結果一致。

表8 人口老齡化對企業資本勞動比、投資和勞動力的影響：制造業企業樣本

在機制分析中我們認為，相比于小規模企業，大規模企業在資本代替勞動的過程中會更占優勢，即人口老齡化主要促進規模較大的企業利用資本替代勞動。表9給出了以制造業企業為樣本的分析結果：人口老齡化對小規模企業投資的影響較小，其系數并不顯著，但是對其勞動力雇傭的負向影響非常顯著；對規模較大的企業而言，人口老齡化對其投資的影響較為顯著，對其勞動力雇傭的負面影響也非常顯著，這與基準的結論一致。

表9 按照企業規模分組回歸：制造業企業樣本

另外，機制分析還指出，融資約束的存在是阻礙企業資本代替勞動的關鍵因素。為此，再次借鑒馬光榮、李力行(2014)的方式衡量企業的融資約束程度，表10給出了回歸結果。研究顯示，對融資約束程度較低的制造業企業而言，人口老齡化對其投資的影響顯著為正；對融資約束程度較高的企業而言，老齡化對其投資的影響雖然為正，但并不顯著，其影響系數也較小。同時，在不同融資約束程度的企業中，人口老齡化對企業勞動力雇傭人數的負面影響均顯著存在，并且系數大小較為接近，這同樣與基準結論一致。

表10 按照融資約束分組回歸：制造業企業樣本

(三)異質性分析

本文的分析認為，從總體來看，人口老齡化會使得資本和勞動等生產要素的市場相對價格發生改變，企業的勞動力成本上漲，這會激勵其利用資本代替勞動進行生產。但是，機制分析指出，企業規模效應和融資約束效應是阻礙上述資本替代勞動過程的重要因素。進一步，人口老齡化也會加劇年輕勞動力的稀缺性，從而造成企業的雇傭成本上升，這進一步會壓縮企業利潤(Draca et al.，2011；周末等，2017)。現實中，不同企業對投入要素的依賴程度各異，對勞動密集型企業而言，勞動力成本占生產成本的比重較高，因此，面對人口老齡化的負面沖擊，這類企業往往會面臨更大的勞動力成本上升壓力。由于企業投資需要大量資金支撐，利潤的下降減少了資金來源，從而可能會降低企業利用資本代替勞動的能力。同時，在我國的經濟發展過程中，較早到來的人口紅利使得很多企業的生存和發展依賴于低勞動力成本優勢。隨著人口老齡化程度的加劇，勞動力無限供給的二元經濟特征消失，勞動力成本逐漸攀升(蔡昉，2010)，這種結構性轉型使得企業原有的低勞動力成本優勢逐漸喪失，因此有可能加劇企業資金脫離制造業而轉向金融和房地產行業(白雪潔、于慶瑞，2019)，從而削弱這部分企業通過資本代替勞動進行生產的動機。

為此，本文利用企業工資支出占銷售收入的比重度量企業勞動密集度(倪驍然、朱玉杰，2016)，在同年度、同一行業內，將該指標數值最小的下30%分位數識別為資本密集型企業，將該指標數值最大的上30%分位數識別為勞動密集型企業。表11的回歸結果顯示，對勞動密集型企業而言，人口老齡化對其固定資產投資的影響雖然為正，但不顯著(第(1)列)；但是，對資本密集型企業而言，人口老齡化對其投資的影響顯著為正：老齡化程度每上升一個百分點，則企業的固定資產投資將會上升0.4%左右(第(2)列)。而第(3)結果則顯示，對勞動密集型企業而言，人口老齡化對其勞動力雇傭的影響顯著為負，并且老齡化程度上升一個百分點，則企業的雇傭人數將會下降2.1%左右，明顯高于基準回歸結果，這表明，人口老齡化不利于勞動密集型企業的資本替代勞動；第(4)列結果表明，對資本密集型企業而言，人口老齡化也會顯著降低其勞動力雇傭數量，但該系數則明顯小于基準回歸結果的回歸系數。

表11 按企業勞動密集度和資本密集度分組的異質性結果

因此，對于勞動密集型企業而言，人口老齡化顯著地減少了企業的勞動力雇傭人數，同時并未顯著提高其固定資產投資，這在一定程度上驗證了上述分析與判斷，即在面對人口老齡化負面沖擊時，勞動密集型企業處于不利地位，資本替代勞動的能力受限，這些企業僅僅是通過減少雇傭人數的方式“被動”應對。然而，對于資本密集型企業而言，人口老齡化能夠促進其利用資本代替勞動，通過實現要素結構升級的方式積極應對老齡化的挑戰。

從技術水平方面來看，如果企業擁有的生產技術較為先進、生產效率較高，則更可能在面臨人口老齡化的負面沖擊下依然保持較高的盈利能力，那么這些企業更有動力通過優化要素結構完成生產技術的自動化和智能化的升級。同時，如果企業的技術水平相對較低，那么，面對老齡化帶來的負面影響，一方面這類企業可能沒有足夠的技術積淀來應對，從而缺乏資本替代勞動所需的相應技術；另一方面，這類企業同樣更可能是要素驅動型發展模式，老齡化很可能會嚴重削弱其盈利能力、弱化其主業的發展；那么其可能通過拓寬投資渠道的方式謀求利潤，例如投資于更多的金融資產(張成思、張步曇，2015)，此時這些企業進行資本替代勞動應對人口老齡化的動力可能顯得更弱一些。

為此，我們利用全要素生產率(TFP)衡量企業的技術水平，按照該指標將企業分為10個組別，該指標數值最小的下30%分位數識別為技術水平較低的企業，將該指標數值最大的上30%分位數識別為技術水平較高的企業。表12給出了不同技術水平下的分組回歸結果。第(1)列的結果顯示，對技術水平較高的企業而言，人口老齡化對這些企業的投資存在正向影響，其系數在1%的顯著性水平下顯著，具體來看，老齡化程度每上升一個百分點，則企業的固定資產投資將會上升0.7%左右。對技術水平較低的企業而言，人口老齡化對企業投資的影響雖然為正，但是并不顯著，并且其影響系數也非常小(第(2)列)。第(3)列的結果則表明，對技術水平較高的企業而言，人口老齡化對其勞動力雇傭雖然存在負向影響，不過該系數并不顯著；對技術水平較低的企業而言，老齡化則會顯著降低其勞動力雇傭數量，老齡化程度上升一個百分點，則企業的雇傭人數將會下降1.1%左右(第(4)列)，該系數與基準回歸結果比較接近。

表12 按企業生產率水平分組的異質性結果：OP方法

另外，隨著人口老齡化程度的加劇、低勞動力成本優勢逐漸喪失，使得出口企業要面臨全球企業的競爭，而非出口企業主要面臨來自國內方面的競爭。因此，相比于非出口企業，勞動力成本上升對出口企業的負面影響往往更加嚴重(Harasztosi and Lindner，2019)。為此，本文根據企業的出口狀態將其分為出口企業和非出口企業，分別考察人口老齡化對這兩類企業的固定資產投資和勞動力雇傭的影響，表13給出了相應的估計結果。

表13 按企業出口狀態分組的異質性結果

表13第(1)、(3)列的估計結果顯示，人口老齡化并沒有顯著促進出口企業的固定資產投資，但卻顯著降低了勞動力雇傭人數，老齡化程度上升1%，則雇傭人數下降0.9%左右，這說明，出口企業主要是減少雇傭人數來應對人口老齡化，而非資本替代勞動。第(2)、(4)列的估計結果顯示，人口老齡化顯著增加了非出口企業的固定資產投資，同時也顯著降低了該類企業的勞動力雇傭人數，老齡化程度上升1%，固定資產投資上升0.52%，雇傭人數下降1.5%左右，這說明，非出口企業存在資本替代勞動效應。一種可能的解釋是，我國的出口企業較多地生產低附加值產品，因而人口老齡化的加劇使得這類企業的生產地點部分地轉移至人口結構更加年輕化的國家和地區；而對于非出口企業而言，其主要面向國內消費者或廠商，更有動力將其生產地點保留在國內，從而通過資本替代勞動來應對老齡化。

六、結論與啟示

人口老齡化意味著傳統的勞動密集型產業和低端制造業難以為繼，而通過優化產業結構、提高勞動生產率和技術創新能力，利用資本和技術替代勞動，促使中國的產業結構邁向資本密集型和技術密集型是積極應對人口老齡化的應有之策。經濟學理論認為，人口老齡化會導致勞動力成本上升，改變企業的要素結構、使用資本替代勞動，但不同類型企業對人口老齡化做出的反應及其原因可能存在差異，需要進行深入分析。本文利用中國工業企業數據庫對上述問題進行了研究，實證結果顯示：整體來看，人口老齡化顯著提高了企業的資本勞動比，但資本勞動比的上升并不一定表現為資本對勞動的替代。在規模較大、融資約束較輕的企業，人口老齡化促使其用固定資產投資替代勞動，但在規模較小和融資約束程度較為嚴重的企業，人口老齡化并沒有顯著提高其固定資產投資，只是縮小了其勞動力雇傭規模，說明企業規模和融資約束是影響其要素結構升級的重要因素。此外，本文還發現人口老齡化主要促使企業利用資本替代低技能勞動力，人口老齡化的資本替代勞動效應在資本密集型、生產率水平較高、非出口企業中更為顯著。本文的研究對傳統的見解提供了有益的補充。

根據以上研究結論，本文得到如下啟示：

第一，關注人口老齡化帶來的要素結構變化所產生的后果。本文的研究發現，老齡化使得企業主要利用資本替代低技能勞動力，從而提升了資本勞動比，然而，這部分低技能勞動力往往難以在原來的行業就業，因此，政府應該順勢而為，對其加強再就業培訓，引導其進入新的產業就業。

第二，繼續深化金融體制改革，緩解企業在進行技術更新升級過程中面臨的融資約束。本文的實證分析顯示，融資約束的存在成為阻礙企業要素結構升級的重要因素，因此不利于企業通過提高資本勞動比以積極應對人口老齡化，甚至有可能導致我國過早“去工業化”，因此，通過深化金融改革，緩解企業的融資約束能夠幫助企業順利完成要素結構升級。

第三，加大對中小微企業技術智能化升級的政策優惠與扶持力度。中小微型企業是制造業的根基，也是規模以上工業企業的后力軍，而本文的分析表明，老齡化并沒有有效促進這部分企業的要素結構升級，其中智能化技術基礎薄弱、人才缺乏、風險承受能力弱以及資金不足等成為重要影響因素，而通過有效的政策助推中小微企業轉型升級將有助于提升“中國智造”水平，加快產業結構向高級化轉型。