老齡化對技術創新的結構性影響
——總效應、異質性與時間上的結構性特征

2022-06-02 10:45:32豆建春王運昌

人口與經濟 2022年3期

豆建春，王運昌

(陜西師范大學西北歷史環境與經濟社會發展研究院，陜西西安 710119)

一、引言

人口老齡化已經成為中國經濟發展面臨的主要挑戰之一。第七次全國人口普查數據顯示，截至2020年，中國65歲及以上人口占總人口的比重已經達到了13.5%，即將進入中度老齡化社會。相對于其他國家的發展歷程，中國的老齡化不僅來得早，而且來得快。有研究發現，在過去的十年中，中國的老齡化速度已經超過了日本，預計到2035年左右，中國勞動力人口的老齡化水平將達到45%。老齡化會引起要素數量及其結構的變化，對經濟增長產生巨大沖擊。如果應對不當，老齡化很有可能會在未來引起中國經濟增速出現斷崖式下跌。最新的研究表明，2020—2025年，人口老齡化會引起中國經濟增長速度平均每年下降1.07個百分點。事實上，在此之前已有大量研究探討了老齡化的要素效應及其對中國經濟增長的潛在影響。但是，在經濟新常態下，傳統要素數量的變化對中國經濟增長的影響已遠不如此前那樣大，技術創新將成為驅動中國經濟增長的主要力量。因此，老齡化對未來中國經濟增長的影響很大程度上將來源于其對技術創新的效應。這一點在都陽和封永剛的研究中已有明確體現。他們的研究發現，對全要素生產率增長的減緩將是老齡化影響中國經濟增長的一個最為重要的機制。

雖然學者對老齡化的經濟增長效應已經有了比較多的討論，并且已經注意到了老齡化通過技術創新影響經濟增長的可能性，但對老齡化技術創新效應的研究還非常有限，目前，關于老齡化對技術創新的效應也沒有一致性的結論，且對老齡化技術創新效應的結構性特征關注也比較少。特別是由于老齡化對不同產業需求側的影響有明顯差異，許多研究都將醫療、養老等產業作為老齡化社會的經濟增長點，卻忽略了這些產業的研發投入對其他技術領域的擠出效應以及老齡化對研發供給側的整體性沖擊，因此老齡化對技術創新的總效應可能具有不確定性，對不同技術領域的影響也可能具有異質性。同時，受研發供給側和需求側效應的共同影響，老齡化對技術創新的影響可能在時間上具有結構性特征。

因此，鑒于技術創新在中國未來經濟增長中的基礎性作用，搜集更多的數據，特別是較早進入老齡化社會的發達國家的數據，仔細分析老齡化對技術創新的影響，從而為中國未來經濟發展提供借鑒，具有非常重要的意義。本文搜集了世界銀行和OECD提供的兩種專利數據，研究了老齡化對技術創新的總效應及其對不同領域技術創新的異質性影響。特別地，本文探討了老齡化技術創新效應在時間上可能具有的結構性特征。

二、文獻綜述

一些研究已經關注到了老齡化的技術創新效應，其中很大一部分來源于心理學和老年學的研究。例如，查亞(Czaja)和李(Lee)注意到，隨著年齡的增長，人們認知能力和身體機能的下降會帶來個體創新能力的下降；坎弗(Kanfer)和阿克曼(Ackermana)發現，年齡的上升也會弱化人們的創新意識。除了心理學家和老年學家，經濟學家也針對老齡化的技術創新效應做了相關研究。如萊文(Levin)和斯蒂芬(Stephan)認為年齡增長會削弱創新對人們的激勵，他們使用美國科研人員的數據檢驗了這一假說并得到了實證分析結果的支持。野田(Noda)指出，老齡化會減少人力資源供給，推高要素成本和研發成本，進而阻礙技術創新。姚東旻、寧靜和韋詩言利用中國省級面板數據的分析表明老齡化通過抑制人力資本投資對技術創新產生了不利作用。此外，研究者也注意到，老齡化會改變社會結構，并通過公共政策妨礙新技術的開發和應用。加頓(Canton)等人，以及蘭吉雅(Lancia)和普拉諾羅(Prarolo)都強調了創新成本和創新收益在不同年齡群體之間分布不一致所帶來的后果，他們的研究發現老年人口占比較大的社會很難形成支持技術創新的公共政策。雖然研究視角和提出的機制各有差異，但這些研究都指向了創新的供給側，且結論都比較悲觀。

最新的一些研究顯示老齡化的技術創新效應可能具有結構性特征。如孫倩倩依據中國省級面板數據的研究發現，老齡化對技術創新的影響具有時空上的異質性，特別是在老齡化的不同階段表現出不同的顯著性。同樣地，基于省級面板數據，沈可和李雅凝分析了老齡化對不同性質技術創新的影響，其研究也表明老齡化的技術創新效應呈現出了“駝峰”特征，即在早期階段，老齡化對技術創新具有正向作用，而隨著老齡化程度的加深，其對技術創新的抑制效應會越來越明顯。

綜合以上文獻可以發現，已有研究揭示出了老齡化影響技術創新的兩個基本途徑。從技術創新的供給側出發，已有研究傾向于老齡化會減少人力資源和其他要素的供給，對技術創新產生阻礙作用；從技術創新的需求側出發，許多研究發現老齡化會改變要素結構，增加企業對勞動替代性技術的需求，從而對企業技術革新產生促進作用，同時老齡化對終端產品市場需求的影響具有行業異質性，其對技術創新的總效應并不明確。因此，老齡化對技術創新的凈效應依賴于其供給側效應和需求側效應的相對大小。如果老齡化對技術創新的供給側效應與需求側效應的大小與老齡化水平相關，則老齡化的凈效應會表現出時間上的結構性特征。同時，由于老齡化對不同產品的市場需求影響不同，老齡化的技術創新效應可能在產業間具有異質性。基于這一預測，本文將采用跨國面板數據對老齡化的技術創新效應進行細致地分析，希望能為上述預測提供經驗證據。

三、數據來源與描述性統計

1.數據來源

本文使用專利申請量來衡量技術創新。世界銀行WDI(World Development Indicators)數據庫提供了各個國家的居民專利申請數。該專利申請數是計數數據，是對專利申請數量的簡單加總。由于計數專利數據只提供了對專利申請活動的簡單度量，并不能反映專利之間的質量差異，因此也就不能準確度量一個國家或地區的技術創新。為了克服這一缺陷，OECD基于“專利族”概念開發了一套專利計算方法，對各國的專利數據按照質量進行了調整，提供了一套可用于跨國比較的專利數據。由于這套數據反映了更多的專利質量信息，所以我們將這套數據代表的專利稱之為“質量型專利”，而將WDI提供的計數專利稱之為“數量型專利”。顯然，質量型專利的年度變化更能反映創新的質量增長情況，而數量型專利的變化更多地反映了創新的數量增長特征。WDI的專利數據單位為“件”，所有數據都是整數，我們用_來表示。OECD提供的專利數據實際上是一個指數，沒有單位，該數據是帶小數的。在本文中，OECD的專利申請量被記為_。

OECD不但提供了相關國家的專利申請總數，而且提供了生物技術、納米技術等14個領域的分類專利數據。參照OECD數據庫的指標分類說明，根據各領域技術的相關性以及偏向性，我們將這14類專利數據合并為三大類。第一大類稱為“前沿技術領域”(FT)，包括生物技術、納米技術、人工智能以及信息與通訊技術(Information and Communication Technology，ICT)。第二大類是“制藥與醫療技術領域”(PM)，包括制藥技術與醫療技術。第三大類是OECD直接提供的一個分類——“與環境相關技術領域”(ERT)，包括與建筑相關的減緩氣候變化的技術，與能源生產、傳輸和配送相關的減緩氣候變化的技術，捕獲、存儲、隔離和處理溫室氣體的技術，環境管理技術，與運輸相關的減緩氣候變化的技術，與水相關的應用性技術，在貨物生產和加工過程中減緩氣候變化的技術，與廢水處理和廢物管理相關的減緩氣候變化的技術。顯然，相對于PM領域的技術創新偏向性，FT與ERT領域的技術創新與老齡化的關系更中性一些。

OECD只提供了截止到2017年的專利數據，因此本研究中樣本數據的年份上限為2017年。此外，OECD數據庫只提供部分國家的數據，并且有些國家的專利數據缺失嚴重。最終我們選擇了42個樣本國家，基本包含了世界五大知識產權局成員國和其他新興市場國家。根據《2018年世界五大知識產權局統計報告》提供的數字，2017年，來自中國、日本、韓國、美國以及歐洲專利局成員國的專利申請量就占到了全球的94%。因此，這42個國家幾乎囊括了全球的專利申請。由于樣本國家包括波蘭、匈牙利、俄羅斯、捷克等轉軌國家，受計劃經濟體制影響，這些國家在轉軌之前的技術創新無法通過專利數據反映，且在轉軌之初陷入持續的動蕩之中，統計數據缺失比較嚴重，因此我們將樣本期選擇在1994—2017年。該樣本被簡稱為“樣本42c”。此外，剔除掉樣本中的轉軌國家以及其他新興市場國家以后，我們還構建了另外一個樣本，即“樣本27c”。該樣本只包括27個發達國家，但數據可得性的增強也使得該樣本包含更長的時間序列——從1985年到2017年。作為一個替代性樣本，“樣本27c”為我們進行穩健性檢驗提供了一些支持，更重要的是，由于包含了更長的時間序列，該樣本將為我們提供更多時間上的信息。

老齡化水平()數據來源于WDI，其含義為65歲及以上人口占總人口的比重。其他的變量還包括人均GDP()、城市化率()、人口()、商品和服務出口占GDP的比重(_)、高科技產品出口占GDP的比重(_)、商標申請數()等。這些變量的數據均來自于WDI。國內研發支出()來源于OECD。基于樣本42c，表1對所有變量的含義及其統計特征給予了展示。

表1 樣本數據的描述性統計結果

老齡化的技術創新效應主要體現在老齡化對一個經濟體創新能力的持續影響上。本文主要考察老齡化對專利增長率的長期作用。在具體的分析過程中，對取絕對數值的變量，如專利數、人均GDP以及人口等都取對數處理，而以比值出現的變量如老齡化水平、城市化率以及出口占比數據等都取原值。在表1中，來自OECD的專利數據最小值為0，這意味著某些國家在某個時間的專利申請數經過OECD調整后被計為0。由于OECD的專利數據可能小于1，在對OECD專利數據取對數前，都統一做了加1處理。

2.老齡化與專利申請量的統計關系

圖1描繪了42個國家1994—2017年居民專利申請量的對數與老齡化水平的擬合關系。其中，圖(a)中的專利數據來源于WDI，該圖報告的ln_對的擬合線顯示了二者之間存在微弱的正相關關系。圖(b)報告的是OECD專利數據(對數)對老齡化水平的擬合結果。該結果顯示，在考慮了專利的質量差異之后，老齡化水平與專利申請量的對數之間呈現出了明顯的正相關性。這意味著，老齡化水平越高的國家往往表現出更高的技術創新能力。

圖1 老齡化水平與專利申請量(對數)的擬合關系

那么老齡化與技術創新之間的相關性是否在不同領域存在差異呢？分領域來看，由于老齡化為PM領域的技術研發提供了可預期的市場激勵，因此老齡化與PM領域技術創新的關系最為直接。圖2中的圖(b)也的確顯示出了二者之間較強的正相關關系。FT領域的三大技術，特別是人工智能和ICT是目前技術研發的熱點，在主要國家的創新戰略中具有重要地位。老齡化既可能通過誘致性技術變遷機制倒逼FT領域的技術創新，也可能通過推高研發成本以及來自PM領域的資源競爭抑制FT領域的技術研發。從圖2中的圖(a)展示的信息來看，至少在樣本期內(1994—2017年)，老齡化國家在FT領域的技術創新方面并未表現出任何頹勢，相反老齡化水平越高的國家在該領域表現出了更加進取的態勢。這一特征也存在于老齡化水平與ERT領域技術創新的關系中。圖(c)清晰地表明老齡化水平與ERT領域的專利數量(對數)之間表現出了明顯的正相關關系。

圖2 老齡化與不同領域專利申請量的擬合關系

從圖1和圖2來看，無論是對數量型專利申請，還是對質量型專利申請，亦或是對不同技術研發領域的專利申請，老齡化都沒有表現出明顯的抑制作用。相反，與不同性質專利數據的擬合結果顯示出，老齡化與技術創新之間具有穩健的正相關性。但是，基于OLS回歸的線性擬合遺漏了其他重要變量。因此簡單的統計分析呈現出來的這種正相關性不能被解釋為老齡化對技術創新的因果效應。在下面的分析中，我們將逐次引入這些重要變量，采用更嚴格的估計方法來分析老齡化的創新效應。

四、老齡化對技術創新的效應分析：總效應與異質性

1.模型與估計方法

本文采用雙固定效應模型來估計老齡化對技術創新的影響。由于專利是技術創新行為的結果，本期的影響因素對本期的專利申請可能沒有太大的作用，因此模型中的所有解釋變量均滯后一期進入模型。此外，當期的技術創新成果不可能對上一期的經濟變量產生影響，解釋變量滯后一期進入模型也在一定程度上規避了反向因果帶來的內生性問題。基本模型如下：

(1)

其中，下標和分別代表個體(國家)和時間序列，表示截距項，,是殘差項。_代表不同的專利數據，={,,,,}。由于專利數據取對數，作為的系數，度量了老齡化水平的變化對專利申請增長率的效應。是第個控制變量的系數。在控制變量中，首先，依次引入人均GDP()和城市化率()這兩個變量以控制經濟發展水平和資源空間分布差異對創新活動的影響，這在有關技術創新的實證研究中是比較常見的。其次，商品、信息和資源的跨國流動在促進創新方面具有非常重要的意義，我們使用商品和服務出口占GDP的比重(_)來衡量一個國家的對外開放度。再次，國家間產業技術結構的差異對技術創新活動的影響也十分明顯。例如依賴于農業或旅游業的發達國家在技術創新方面的表現可能并不比依賴于加工貿易的新興市場國家好。基于這一考量，在控制變量中引入高科技產品出口占GDP的比重(_)來捕捉產業技術結構差異的影響。最后，技術創新中的規模效應是研發理論和增長理論最重要的議題之一，在已經控制了人均GDP的差異后，引入人口規模()來控制規模效應對結果的影響。在式(1)中，和分別用來控制不隨時間變化的個體固定效應與不隨個體變化的時間固定效應。

為了消除組間異方差和組內同期相關對估計結果的影響，采用了“OLS+面板校正標準誤(PCSE)”的估計策略。在內生性處理方面，式(1)所定義的雙固定效應模型可以解決不隨時間變化和不隨個體變化的遺漏變量問題，但是其他遺漏變量造成的內生性問題則需要通過引入控制變量來解決。此外，需要指出的是，老齡化是技術進步的結果，而專利數量的變化在本文中被用來衡量技術進步，因此，老齡化和專利數量之間可能被認為存在反向因果關系。然而，考慮到老齡化是長期技術積累、經濟發展和人口結構演變的結果，某一期或當期專利申請量的變化所代表的技術進步對此前一期的老齡化水平不可能有實質性的影響。所以，式(1)采用滯后一期老齡化水平的方式能夠解決反向因果關系產生的內生性問題。

2.對數量型專利申請的效應分析

計數專利雖然不能準確度量技術創新的績效，但它仍然反映了一個經濟體技術研發的動態，特別是當專利數量與質量存在某種程度的正相關時更是如此。使用式(1)所定義的模型，首先使用樣本42c估計老齡化對計數專利的效應。

表2報告了ln_對老齡化水平的回歸結果。模型(1)顯示老齡化對計數專利申請量的增速具有顯著的負效應。這一負效應即使是在控制了人均收入(模型(2))、城市化率(模型(3))、商品和服務出口占比(模型(4))、高科技產品出口占比(模型5))以及人口(模型(6))差異后仍然存在。表2報告的老齡化水平的系數估計值在-0.049到-0.084之間，意味著老齡化水平每上升1個百分點，計數專利申請量的增速下降約5到8個百分點。此外，表2也表明，除老齡化水平外，人均收入、城市化率、產業技術結構與規模差異在解釋國家間計數專利申請量差異方面均有重要貢獻。雖然反映對外開放度的指標_的系數顯著性不夠穩健，但是在控制了其他解釋變量后(模型(6))，該系數也在5%的置信水平下顯著為正，因此并不能輕易否認這一控制變量的意義。

表2 數量型專利申請量對老齡化水平的估計結果

表2顯示老齡化對數量型專利申請具有負效應，為了檢驗該效應的穩健性，假設專利申請量是研發投入的增函數，使用國內研發支出()代替專利申請量，仍然采用式(1)所定義的模型進行估計，得到如表3所示的結果。基于樣本42c的回歸結果顯示，老齡化水平對ln的系數均為負，但在控制了相關變量后，第2、第5以及第6個模型估計的老齡化系數均不顯著，結果似乎不夠穩健。但使用包含更長時間序列的樣本27c所做的估計則表明，老齡化對國內研發支出的增長具有顯著的負效應，并且這一結果相當穩健。由于樣本27c包含的國家都較早進入了老齡化社會，據此推斷，老齡化效應在這些國家可能表現得更為明顯。

表3 國內研發支出對老齡化水平的估計結果

即便基于樣本42c所做的估計結果并不十分穩健，但是將國內研發支出引入表2所示的6個模型后，的估計系數均不再顯著，而ln的系數卻全部顯著為正(見表4)。這說明，計數專利申請量的確是國內研發支出的增函數，而老齡化很有可能正是通過對國內研發支出增長的負向作用抑制了計數專利申請量的增長。所以，綜合以上的分析結果可以得出，從對數量型專利申請量增速的影響來看，老齡化的技術創新效應顯著為負，這種負效應可能來源于老齡化對國內研發支出增長的抑制。

表4 數量型專利申請量對老齡化水平和國內研發支出的回歸結果

3.對質量型專利申請的效應分析

正如前面所述，WDI提供的計數專利數據更多地反映了一個國家技術創新活動的活躍程度，但是由于不同專利質量的差異很大，該專利數據并不能很好地反映一個國家技術創新的水平。對許多老齡化國家而言，其國內產業基本退出了終端產品的生產，大都處于產業價值鏈的頂端，其技術水平更接近技術前沿，技術創新的難度較大，但質量較高。因此，僅將計數專利申請量作為評價其技術創新水平的指標存在很大的局限性。為此，我們使用OECD提供的基于“專利族”方法重新計算的專利數據進一步對老齡化的創新效應進行分析。

為了保證結果的可比性，依然使用式(1)所定義的模型以及表2所示的結構，繼續采用樣本42c以及“OLS+面板校正標準誤”的估計策略進行估計。表5集中報告了6個模型的回歸結果，其中的被解釋變量為ln_。與表2展示的效應正好相反，表5的結果表明老齡化水平對OECD專利申請量衡量的質量型技術創新具有顯著的正效應。其中模型(1)到模型(4)估計的對ln_的邊際效應在4到5.5個百分點之間，且估計值均在1%的置信水平上顯著。模型(5)和模型(6)由于引入了變量_(該變量缺失值比較嚴重)，致使樣本量減少了一半多，其估計值也分別在5%和10%的置信水平上顯著，并且樣本量的大幅減少以及新變量的引入也未引起系數估計值出現大的變化。所以表5呈現出來的估計結果還是比較穩健的。

表5 質量型專利申請量對老齡化水平的回歸結果：基于樣本42c的估計

為了進一步檢驗老齡化對質量型專利申請量正效應的穩健性，我們再次使用樣本27c對該效應進行估計。同時，考慮到人均收入水平可能與其他解釋變量以及遺漏變量具有較高的相關性，我們嘗試使用商標申請量代替人均GDP。商標申請量的變化與人均GDP的變化高度相關，都反映了經濟的景氣程度，同時商標申請量的變化與城市化率以及其他與經濟發展水平相關的遺漏變量的相關性較弱。具體模型和結果如表6所示。表6首先報告了對老齡化單獨進行回歸(模型(1))以及控制了人均GDP變化后(模型(2))的回歸結果，兩個結果均顯示老齡化的效應顯著為正。模型(3)至模型(5)使用商標申請量替換了人均GDP，三個模型估計的系數也是顯著為正的。說明樣本以及解釋變量的變化對估計結果沒有實質影響，老齡化對OECD專利申請量增速具有正效應的結論是可靠的。

表6 質量型專利申請量對老齡化水平的回歸結果：基于樣本27c的估計

以上分析表明，老齡化水平與經過“質量”調整的專利申請量的增長正相關。這意味著，老齡化盡管會削弱數量型專利申請量的增長，但卻對質量型專利申請量的增長具有促進作用。其中的原因可能正如阿西莫格魯和雷斯特雷所述，老齡化提高了要素成本和研發成本，迫使企業或國家退出了競爭激烈的低端產業及其研發序列，倒逼其轉向更有價值的前沿創新，以便重建其競爭優勢。這些創新不是在已有技術基礎上進行的邊際創新，而是旨在提供新的要素替代性技術或創造新的市場。利用莫基爾所提出的“小發明”和“大發明”的概念可以很好地理解這一點。邊際上的創新對應于連續的“小發明”，要素替代性技術創新或市場創新屬于突破性的“大發明”，“小發明”依賴于“大發明”。從“專利族”的視角來看，基于“大發明”衍生出來的“小發明”盡管數量眾多，但其在該“專利族”內的重要性卻無法與“大發明”相比。在老齡化背景下，隨著要素成本和研發成本的上升，老齡化國家的創新主體從事數量型研發(成果為“小發明”)可能得不償失，但依賴于其技術和人力資本積累，投資核心技術和前沿技術研發的比較優勢會更加凸顯，從而推動了質量型專利申請量的增長。這也與隨淑敏和何增華的發現相一致，即老齡化推動的技術創新主要發生在資本密集型企業，勞動密集型企業要么無力對老齡化帶來的沖擊作出反應，要么就是通過結構性的技術革新轉型為資本密集型企業。

4.不同技術領域的異質性分析

老齡化對技術創新的影響可能具有結構性。這種結構性很大程度上來源于老齡化對不同產業的需求差異。對一些產業來說，老齡化提供了巨大的市場機會，如養老和醫療產業將受益于這種“老齡化紅利”。但是，對另外一些產業來說，老齡化帶來的可能是巨大的挑戰和不確定性，例如信息產業和環保產業。雖然在細分市場中總能為這些產業找到一些機遇，例如專門為老年人開發信息產品，但老齡化對整個產業技術研發的影響則是不確定的。OECD數據庫提供了分領域的專利技術，這為我們分析老齡化在不同技術領域的異質性影響提供了可能。

表7報告了FT、PM與ERT領域專利申請量(對數)對老齡化水平的回歸結果。我們對每個技術研發領域都使用了兩個樣本進行估計。結果顯示，老齡化對所有領域技術創新的效應都顯著為正，并沒有表現出明顯的結構性差異。這進一步說明，老齡化對數量型專利申請的正效應是相當穩健的。當然，仔細觀察也可以發現，對三個領域而言，基于樣本27c估計的系數值要明顯小于基于樣本42c所做的估計。具體到FT和PM兩個領域，基于樣本27c(模型(2)和模型(4))估計的值約為樣本42c(模型(1)和模型(3))估計值的1/2。而在ERT領域，兩個樣本估計的老齡化的技術創新效應差距更大。由于樣本27c包含更長的時間序列，且其樣本國家進入老齡化的時間較早，所以該樣本反映了更長的老齡化過程。由此推測，表7透露的定量信息暗示老齡化的技術創新效應可能會隨著老齡化進程的加深而衰減。如果這一推測成立，則意味著老齡化的技術創新效應可能不存在橫向上的結構性差異，但在時間上或許有一定的結構性特征。這需要更為細致的分析。

表7 分領域專利回歸結果

五、老齡化的技術創新效應：時間上的結構性特征

如果老齡化的技術創新效應的確具有如表7所暗示的時間上的結構性特征，那我們不妨假設該效應在時間上的演化模式是倒“U”型的。具體地，在老齡化早期，老齡化對技術創新具有正效應，但隨著老齡化程度的加深，這一效應在逐步遞減，甚至最終演變為對技術創新的抑制性效應。為了驗證這一假說，我們將老齡化的二次項(2)引入式(1)所定義的雙固定效應模型，使用包含更長時間序列的樣本27c對老齡化的技術創新效應進行估計。估計方法與前面的模型相同，均采用“OLS+面板校正標準誤”的估計策略。結果如表8所示。

首先，我們考察了老齡化對技術創新的總效應(表8中的模型(1))。該列展示了ln_對老齡化水平及其二次項的回歸結果。結果顯示老齡化水平的一次項系數估計值為正，二次項系數估計值為負，且二者均在1%的置信水平上顯著。其次，我們對FT、PM與ERT三大領域的老齡化長期創新效應進行了分析(模型(2)到模型(4))。估計結果再次顯示了老齡化創新效應的倒“U”型特征：L.以及L.2的系數估計值均在1%置信水平上顯著，且一次項系數估計值為正，二次項系數估計值為負。

表8 質量型專利申請量對老齡化水平及其二次項的回歸結果

為了檢驗表8呈現的倒“U”型效應的穩健性，以及更直觀地展示老齡化技術創新效應的邊際特征，我們采用虛擬變量法對老齡化的年度技術創新效應進行識別。具體做法是，第一步生成年份虛擬變量，第二步將年份虛擬變量與老齡化水平的交互項引入回歸模型進行估計。具體模型如下所示：

ln_,=+-1-1-1+∑=1,,-1++,

(2)

圖3 老齡化對技術創新的年度效應動態

如何理解老齡化對技術創新的倒“U”型效應模式呢？結合已有文獻及前面的分析可以發現，老齡化通過兩種機制對技術創新產生作用。第一種機制來自于研發的需求側，即所謂的“倒逼”機制或誘致性技術變遷機制，通過該機制老齡化對技術創新發揮積極作用。第二種機制是表3顯示的研發供給側機制，即老齡化通過抑制研發支出的增長阻礙創新。在老齡化早期，誘致性技術變遷機制或倒逼機制主導老齡化的技術創新效應，但隨著老齡化程度的加深，老齡化對研發支出的抑制效應會日益突出。據此，我們得到兩個結論：一是老齡化對技術創新的作用在早期更多地表現為正向的促進作用；二是老齡化對技術創新的凈效應為正可能是暫時的，從長期來看，隨著老齡化程度的加深，其對技術創新的負效應可能會越來越明顯。當然，第二個結論對應的現象在本文使用的樣本期內還未得到充分體現。雖然已有研究，如阿西莫格魯與雷斯特雷開展的研究已經揭示出老齡化對技術革新可能具有正向作用，同時也有大量研究從研發供給側出發強調了老齡化對技術創新的負效應，但目前仍然缺少將研發的供給側和需求側結合起來綜合考察老齡化技術創新效應的理論研究，因此我們無法對本研究發現的倒“U”型效應模式作出更有說服力的解釋。不過，這一缺憾也為后續的理論研究提供了一些啟示。

六、結論

本文使用專利數據衡量技術創新，采用跨國面板數據對老齡化的技術創新效應進行了實證分析。研究發現，老齡化對數量型專利申請具有顯著的抑制效應，但卻對質量型專利增長具有明顯的促進作用。老齡化對質量型創新的正效應不但存在于制藥和醫療等這種最有可能受益于“老齡化紅利”的領域，也存在于以ICT為代表的前沿技術領域以及與老齡化關系較弱的環境保護領域。進一步分析表明，老齡化對技術創新的正效應在時間上具有倒“U”型特征，即隨著老齡化水平的上升，該正效應在遞減。通過虛擬變量法識別出來的老齡化對技術創新的年度效應直觀展示了這種倒“U”型特征，也顯示出在樣本期(1985—2016年)內，老齡化對技術創新的效應仍然顯著為正。

老齡化對技術創新的正效應可能是暫時的。因為本文的實證分析也確認老齡化對研發支出的增長具有顯著的抑制性作用，而樣本期內的這種正效應很有可能來源于倒逼機制對老齡化創新效應的暫時性主導。這意味著，隨著老齡化程度的加深，老齡化對技術創新的負效應可能會表現得越來越明顯。由此引出的政策建議也是非常直觀和重要的，即對國家和其他創新主體而言，要重視老齡化的創新效應在時間上可能發生的結構性變化，未雨綢繆，積極應對老齡化對技術創新和經濟增長可能產生的長期影響。