老齡化能否促進中國勞動節約型技術創新？

魏嘉輝，顧乃華

(1.仲愷農業工程學院 經貿學院，廣東 廣州 510230；2.暨南大學 產業經濟研究院，廣東 廣州 510632)

一、問題提出

改革開放以來，中國憑借著勞動力比較優勢，常年以7%以上的國內生產總值(GDP)增速創造了世界經濟增長奇跡。但近年來，老齡化程度不斷加劇，人口紅利也逐漸消失，以往粗放型的經濟增長方式逐漸顯現出疲態。為應對人口年齡結構問題，國家從2011年開始逐步放開計劃生育約束。根據《中國統計年鑒》的數據，2011年11月起中國實施“雙獨二孩”政策，2012年和2013年的人口出生率分別為1.457%和1.303%，相較以往略有增長；為了進一步提高出生率水平，2013年12月起實行“單獨二孩”政策，2014年和2015年的人口出生率分別為1.383%和1.199%；2015年12月起推行“全面二孩”政策，2016年和2017年的人口出生率分別為1.357%和1.264%。然而，人口自然出生率并未隨政策變動而表現出明顯的增長態勢，老齡化趨勢愈發嚴峻。

過去很長一段時間里，中國憑借人口數量優勢承擔著世界加工廠的角色，為眾多國家提供產品，但中國與全球價值鏈對接多為中間投入的最后一環，中國制造業出口產品相對低值[1]，其中一個重要原因就是過于依賴勞動力數量。經濟增長具有單一性和脆弱性，即增長更多來自成本優勢而缺乏真正具有競爭力和創新性的產品。根據資源詛咒理論，對資源過度依賴可能導致人力資本和創新投入不足，使資源豐富地區的經濟、技術長期發展不如資源匱乏地區。從這一理論視角來看，21世紀以來的人口老齡化趨勢既給中國帶來了勞動力供給下降、撫養壓力上升的嚴峻挑戰，也可能為中國技術進步和創新事業帶來機遇[2]。一方面，出于對長壽風險的擔憂，代表性的微觀個體會增加人力資本投資，促進整個生命周期的消費效用最大化[3]。此時，人口數量紅利的下降由人口質量補充，進而為科技創新創造供給條件[4]。另一方面，為了彌補勞動力缺口，微觀企業會轉變生產方式，投入更多的數字設備替代人力勞動，以降低生產成本和提高勞動生產效率，為技術創新創造需求基礎[5]。

人口老齡化對技術創新的倒逼作用最可能體現在一些勞動節約型技術上。根據希克斯要素偏向技術理論，勞動節約型技術創新是指能夠在生產過程中減少和節約人力勞動投入的技術創新，其目的在于降低單位用人成本、提高企業生產效率和競爭力[6]。勞動節約型技術通常包括各個行業范疇內的自動化、機械化、數字化和機器人化等技術手段。國際機器人聯合會(IFR)網站數據顯示，21世紀以來中國大規模引進機器人，從2000年930臺的機器人保有量增長至2019年的78萬臺，成為世界上最大的機器人需求國，體現了中國企業“機器換人”的迫切需求。機器人技術作為典型的勞動節約型技術，能在汽車、電子、食品等工業行業中替代人類完成組裝、焊接、噴漆、包裝等重復性任務，也能在物流、倉儲、運輸等服務業中實現狹小空間內的貨物搬運、庫存管理等工作，進而起到勞動節約的目的。

中國大規模應用機器人在一定程度上反映了人口紅利下降對勞動節約型技術應用的倒逼作用，但無法體現其對創新的誘發效應。實際上，通過對比IFR機器人應用數據和中國海關數據發現，中國安裝的機器人大部分來自海外進口[7]。進口機器人由于關稅等問題可能無法實現真正意義上的成本節約，也難以滿足中國實際生產過程中非標準、多維度的任務需要，因而在老齡化趨勢和外部貿易摩擦加劇的環境下，中國勞動節約創新愿望比以往更加強烈。在這樣的背景下，人口老齡化能否為中國勞動節約型技術創新帶來機遇，具有重要的研究價值。

為了探究這個問題，本文以機器人技術為例，收集了2003—2021年中國本土機器人專利微觀申請授權數據，如圖1、圖2所示。共得到254 162個樣本，其中發明專利有126 085項(占比49.608%)，實用專利104 663項(占比41.180%)，外觀設計專利23 414項(占比9.212%)，數據來自中國知網專利數據庫。從申請數量的時間趨勢來看，在2011年以前機器人專利申請數相對較少，而2012年以后開始快速增加，三種專利申請均呈現出隨時間的增長趨勢，其中公開發明和實用新型專利的增速更快。從專利申請結構變化趨勢來看，2012年以前機器人專利申請占全部專利比例相對平穩，而在2012年以后也逐漸提高。中國機器人專利申請數量和申請占比的擴大趨勢與2011年后生育政策效果不佳是否存在相關性，值得進一步探討。

圖1 中國機器人專利申請趨勢

圖2 中國機器人專利與全部專利申請比值演化趨勢

本文將構建包含最終商品、中間商品和研發的多部門模型，分析勞動力老化對勞動節約型技術創新的倒逼機制，并結合中國省級面板數據和工業企業數據進行實證檢驗。與已有文獻相比較，本文主要的貢獻如下：第一，在研究視角上，重點分析老齡化對中國勞動節約型技術創新的影響。相關文獻主要研究了老齡化對一般創新的倒逼作用，而較少考察其對勞動節約型技術創新的影響，事實上，相較于其他方面的技術創新，能夠替代勞動力進行生產任務的機器人創新要更加緊迫。第二，在一般性假設下構建多部門模型框架，豐富了老齡化的倒逼作用的數理基礎。第三，在研究數據和方法上，收集2003—2021年機器人專利數據，分別從省級層面和微觀企業層面考察老齡化影響機器人創新的具體機制。

二、文獻綜述

目前研究中國勞動節約型技術創新的文獻較少。劉青和肖柏高(2023)基于人工智能(AI)語言模型識別的方法進行實證研究，揭示了勞動力成本上升對勞動節約型技術創新的促進作用[8]，對本文有重要的啟示意義。從勞動力成本視角來看，老齡化促進創新的機制離不開勞動節約型技術與人類勞動的替代關系。阿西莫格魯和雷斯特雷波(Acemoglu &Restrepo，2018)從理論角度探討了機器和人類的替代關系，建立了一個包含舊工作任務替代和新工作任務創造的均衡模型[9]，為后續實證研究提供了理論基礎。阿西莫格魯等(Acemoglu et al.，2020)、阿西莫格魯和雷斯特雷波(2020)分別基于法國和美國工人數據，發現自動化技術應用和勞動力存在明顯的替代關系[10-11]。在以上研究的基礎上，國內學者從多個角度展開實證研究。王永欽和董雯(2020)、閆雪凌等(2020)分別驗證了中國機器人應用對制造業就業的擠出效應[12-13]；孔高文等(2020)從地區整體就業的角度出發，實證發現機器人技術與地區就業存在滯后一年的替代關系[14]；何小鋼等(2023)研究認為，機器人與勞動力的替代關系降低了企業的勞動收入份額[15]。這些研究均發現機器人與傳統勞動力存在替代關系。

以上研究揭示了勞動節約型技術與勞動力數量的天然補充關系，是老齡化背景下尋求中國本土勞動節約型技術創新的基本邏輯。基于這種數量上的補充關系，一些研究關注老齡化、人口紅利下降、勞動力成本上漲等問題對勞動節約型技術應用的影響。陳彥斌等(2019)通過構建一個動態一般均衡框架，認為人工智能應用能有效地應對老齡化對經濟的不利影響[16]；龔遙和彭希哲(2020)通過職業數據庫和隨機森林算法，預測了未來20年59%的中國就業崗位要受到智能技術沖擊，而老齡化趨勢下，智能技術應用能有效緩解勞動力規模下降問題[17]；阿西莫格魯和雷斯特雷波(2017、2022)研究發現，應用自動化技術是過去老齡化國家經濟持續增長的重要原因[18]，而中年勞動者的年齡老化促進了國家和地區投入更多的機器人[19]。陳秋霖等(2018)、鄧翔等(2018)、王瑞瑜和王森(2020)等通過實證研究發現，老齡化程度同樣也顯著促進了中國地區自動化技術投入[20-22]。可以發現，這部分研究更關注設備應用層面的影響，但沒有進一步分析是否引致勞動節約型技術創新。

還有研究立足于老齡化視角，探究各個方面對創新的影響，雖然沒有直接關注勞動節約型技術，但全面分析了老齡化在人口紅利、長壽風險、人力資本和體力上的特性，為本文理論分析提供了很好的思路。謝雪燕和朱曉陽(2020)、劉洋等(2020)、隨淑敏和何增華(2020)分別從數理模型和實證分析方面論證了老齡化對企業、政府研發投入的倒逼作用，認為老齡化趨勢有利于企業加大研發投入，進而有利于技術創新[23-25]；布盧姆等(Bloom et al.，2003)、俞錦等(2020)、劉成坤和林明裕(2020)、符建華和曹曉晨(2021)認為，為了應對人口老齡化和長壽風險，勞動人口在青年時期增加人力資本投資和儲蓄，這為技術創新帶來促進作用[26-29]。然而，也有學者認為，研發人員的年齡老化和養老壓力會對技術創新帶來抑制作用。貝哈格爾和格里南(Behaghel &Greenan，2010)、金昊和趙青霞(2019)等認為老年人口接受知識和技術的能力不如青年人，因而難以在技術創新中發揮作用[30-31]；劉成坤(2021)基于省級面板數據，發現人口老齡化可能會通過擠占政府研發投入弱化相關產業政策效果，進而降低高技術產業創新效率[32]。

總體看來，既有文獻更多關注老齡化對勞動節約型技術應用的倒逼作用，也分析了老齡化對一般性創新的影響，但較少探討老齡化與勞動節約型技術創新的關系。老齡化趨勢能否為中國勞動節約型技術創新帶來機遇？圍繞這個問題，本文立足于倒逼創新理論、干中學理論和長壽風險管理理論，分別從研發投入、設備應用和人力資本積累三個路徑進行理論分析和實證檢驗。

三、理論分析

(一)理論模型

為了分析老齡化對勞動節約型技術創新的倒逼影響，本文建立一個包含最終商品生產部門、中間商品生產部門和研發部門的三部門嵌套模型。設置如下常數替代彈性(CES)形式的最終商品生產函數：

(1)

其中，Y表示最終商品；ZK和ZL為資本、勞動兩種中間商品數量，由中間商品生產部門提供；CK和CL為外生決定的中間商品產出彈性；ρ為要素替代彈性參數，有0<ρ<1。

假設中間商品廠商生產函數為以下形式：

ZK=AKKα

(2)

ZL=AL(θL)α

(3)

其中，K、L分別表示投入的資本和勞動人口；AK、AL為資本和勞動力中間商品生產效率；α為參數，有0<α<1，表示滿足資本和勞動力投入的邊際報酬遞減規律；θ衡量了雇傭勞動力的整體老化程度，有0<θ<1，其越接近0，勞動力老化程度越高，越接近1，勞動力老化程度越低。因此，由式(3)可知，勞動中間產品的生產并不取決于勞動人口投入的多少，而是取決于有效勞動力θL的大小。

假設研發部門的活動能夠影響中間商品生產的技術效率，但無法改變人口老化的事實，那么研發部門生產函數可以設置為：

(4)

(5)

其中，bK、bL為參數，有bi>0；XK和XL分別為資本、勞動的研發投入品。按照式(4)和式(5)的設置，研發投入品與研發產出存在凹向原點的正相關關系，同樣滿足邊際報酬遞減規律。研發部門生產函數的設置內生化了技術進步，是本文理論模型推導的關鍵假設。

不失一般性地，假設最終商品市場、中間品市場、勞動力市場和資本市場完全競爭，而研發部門的生產要素由供給方壟斷，并由政府規劃制定外生的研發要素價格，那么在最終商品廠商利潤最大化下得到：

(6)

(7)

其中，PZK和PZL分別為資本和勞動中間商品價格。式(6)和式(7)表示了兩種中間商品的市場需求函數，說明在既定的最終商品需求下，中間商品價格與中間商品需求數量負相關。

類似地，把式(4)和式(5)代入式(2)和式(3)中，可以在中間商品部門利潤最大化下得到：

(8)

(9)

其中，PXK和PXL為研發部門生產要素價格。

假設MPK和MPL分別表示資本和勞動的邊際產出，根據希克斯要素偏向型技術進步的定義，在既定的資本勞動比下，當資本邊際產出相對于勞動邊際產出有更快的增長時則發生了勞動節約型技術進步[6]。根據式(1)—式(3)可以得到：

(10)

結合式(2)—式(9)，在最優要素投入比例下可以得到(1)推導過程略，備索。：

(11)

(12)

其中，ξ為求導后的參數(2)推導過程略，備索。。基于式(12)，可以把老齡化促進勞動節約型技術創新分為干中學、人力資本積累和倒逼研發投入三種影響路徑。

(二)勞動節約型技術應用的干中學效應

從經濟含義看來，該影響來自老齡化程度加劇引起的設備-勞動要素投入比例的提高，即設備應用經驗積累引致創新的過程，因而可以把其總結為技術應用下的干中學效應。過去，傳統機器人設計來自特定的生產任務和需求，在焊接、裝配、涂裝等單一任務下偏向采用成本較低、技術簡單的單臂式的機器人，但隨著應用規模的擴大和經驗積累，人們開始研發和測試多關節、多臂式的機器人系統，使其具有更高的靈活性和適應性，可以完成更多的復雜任務和操作。基于此，本文提出以下假設：

假設1：老齡化倒逼工業部門增加機器設備使用，產生干中學效應，促進勞動節約型技術創新。

(三)人力資本積累效應

從倒逼創新理論視角看來，由于人口老齡化趨勢減少了勞動人口數量，相較于資本節約型技術，勞動節約型創新動機更強。這體現在近年的人工智能、互聯網等技術不斷發展，且相較于經濟、管理等人文社會科學學科，機械、智能技術、自動化等理工類學科教育擴招幅度更大。由此，本文提出以下假設：

假設2：老齡化通過倒逼人力資本偏向積累，促進勞動節約型技術創新。

(四)研發投入倒逼效應

(13)

假設3：老齡化通過倒逼創新部門偏向增加資本研發投入，進而推動勞動節約型技術創新。

四、實證檢驗

(一)實證模型建立

為了驗證以上假設，本文以中國機器人專利申請授權代理勞動節約型技術創新展開實證分析。由于中國工業企業數據樣本在時間上相對滯后，而中國機器人專利在2011年以后才開始大量增長，現有數據不支持微觀匹配，本文的基準分析將從省級層面展開。后文進一步研究分析時，考慮創新的時間滯后性再補充微觀層面的實證分析。據此，本文提出以下基準回歸模型：

inoit=β0+β1oldit+β2Xit+vi+λt+ε

(14)

其中，下標i和t分別表示地區和年份；ino為勞動節約型技術創新；old為地區老齡化程度；X為一系列省級層面的控制變量；vi和λt分別表示個體和時間固定效應；ε為估計誤差；β為回歸系數。系數β1指向了老齡化對勞動節約型技術創新的影響，如果顯著為正，則說明老齡化對勞動節約型創新存在倒逼作用。

為了驗證其中機制，參考溫忠麟等(2004)[33]檢驗中介效應的三步法，在式(14)的基礎上提出：

medit=δ0+δ1oldit+δ2Xit+vi+λt+ε

(15)

inoit=γ0+γ1oldit+γ2medit+γ3Xit+vi+λt+ε

(16)

其中，med為中介變量，包括研發投入、技術應用和人力資本積累；δ和γ為回歸系數。在式(14)—式(16)組合模型下，如果回歸系數δ1顯著而γ1小于β1，則說明中介效應存在。

(二)變量的選取

被解釋變量方面，考慮到機器人外觀發明專利多數應用于立體模型和玩具的制造，與機器替代勞動的作用聯系很小，本文以去除外觀發明專利后的地區機器人申請專利數據為研究對象，而為了控制總體專利申請數量提高對機器人專利申請帶來的趨勢性影響，以機器人專利申請占地區全部專利申請數量的比值為被解釋變量。解釋變量方面，本文參考汪偉等(2015)[2]，以地區老年撫養比衡量老齡化程度。中介變量方面，與理論分析相對應，本文分別考察老齡化對勞動節約型技術創新的三種效應。其中，研發投入倒逼效應和人力資本積累效應分別以地區研發(R&D)人員全時當量對數、區域大專及以上人數占比代理。設備應用干中學效應方面，考慮到過去中國機器人大都來自海外進口，同時為了區分本土研發投入效應，本文以地區進口機器人數量對數進行衡量[7]。

本文加入以下控制變量：政府干預程度，地方政府的財政支持一定程度上對企業創新投入有正向作用，本文以地方政府財政支出與GDP的比值衡量；外商直接投資水平，地區外商投資水平有利于外部技術引進，對本土創新具有促進作用，本文以當期平均匯率平價后的外商企業投資額(萬元)與地區生產總值(億元)的比值度量；對外開放程度，地區的對外開放水平會影響企業進口機器人設備的動機，進而影響技術創新，本文以進出口貿易總額占地區生產總值的比例衡量；高等院校數，從樣本看來，相當部分機器人專利申請人為地方高校，高等院校分布可能對機器人創新存在顯著促進作用，本文以地區高等院校數量的對數衡量地區高等教育水平；地區工業強度，區域機器人創新需求相當部分來自市場，為了控制這方面的影響，本文以區域第二產業從業人數的自然對數代理區域工業強度。此外，為了控制不隨時間變化的地區差異，如地理位置、資源、人文環境等對機器人創新的影響，以及控制隨時間變化的外部經濟波動作用，本文在回歸中均加入了個體固定效應和時間固定效應。為了消除極端值對回歸的影響，對被解釋變量、解釋變量均做前后各1%的縮尾處理。

(三)數據來源與描述性統計

本文基準研究、穩健性檢驗、異質性分析部分的樣本為2003—2021年省級面板數據，其中西藏、寧夏由于數據的缺失而予以剔除，部分缺失但非連續缺失數據通過與時間插值的方法補充。而中介效應檢驗部分，由于進口貿易數據中關于機器人的國際商品分類(HS)在2012年以后才新增(HS2012)，本文的中介變量進口機器人數據的樣本始于2012年，并把中介效應檢驗樣本區間時間設置為2012—2021年。機器人專利數據來自中國知網專利數據庫；省級專利數據、研發人員全時當量數據來自各年度《中國科技統計年鑒》；進口機器人數據來自中國海關商品貿易數據庫；地區老齡化程度、高校數量、財政支出、對外貿易、人口出生率數據來自《中國統計年鑒》、各地方統計年鑒和《中國教育統計年鑒》；穩健性檢驗中退休參保占比、異質性分析中的服務業就業數據來自《中國勞動統計年鑒》；進一步研究中的企業層面變量全部來自《中國工業企業數據庫》。

變量的描述性統計結果如表1所示。

表1 描述性統計

(四)基準回歸

基于式(14)，可以得到表2回歸結果。機器人創新與地區人口老齡化程度呈正向關系：加入控制變量后，老年撫養比每提高1%單位，機器人專利占全部專利的比值增加約0.023%，機器人發明專利占全部發明專利比值增加約0.074%，機器人實用新型專利占全部實用新型專利比值增加約0.010%。近年來，中國人口老齡化程度不斷加劇，老年撫養比從1997年的9.689%增長至2021年的20.778%，為中國經濟的發展帶來極大的負擔，使技術發展方面逐漸偏向勞動節約型創新。通過比較系數大小發現，人口老齡化對勞動節約型技術創新的促進作用突出表現在發明專利上，這一定程度上說明老齡化帶來了實質性的影響。

表2 基準回歸

(五)穩健性檢驗

為了提高模型的穩健性，分別從以下幾個方面進行穩健性檢驗：

第一，更換解釋變量。分別以少兒撫養比、城鎮養老保險參保人員中退休人數占比替代老年撫養比進行回歸。少兒撫養比一定程度上反映了地區生育水平，與老齡化程度釋放的勞動力供給信號相反，其與勞動節約型創新應該存在負向關系；城鎮養老保險參保人員中的退休人數比例同樣反映了地區的老齡化程度，但與地區老年撫養比相比，養老保險的供求關系能直接讓企業感受到人口紅利下降的壓力。回歸結果如表3所示，少兒撫養比對勞動節約型創新具有負向作用，而養老保險參保人員中退休人員占比對勞動節約型創新具有正向作用，與基準回歸結論一致。

表3 穩健性檢驗Ⅰ

第二，替換被解釋變量。基準回歸的被解釋變量為地區機器人專利申請占全部專利申請的比值，在此基礎上得到的正相關關系一定程度上檢驗了理論分析的猜想，但只能說明老齡化倒逼作用帶來的專利結構性變化，無法體現對創新絕對數量的影響。為此，本部分以機器人專利申請數量作為被解釋變量進一步回歸分析。然而，考慮到21世紀以來人工智能等技術不斷發展，機器人專利申請數量可能隨時代背景而自然存在正向的增長趨勢，進而造成回歸系數的高估。為了考察變量受時間趨勢的影響程度，本文進行去趨勢化處理，具體做法如下：首先以機器人專利申請數的對數值為被解釋變量，以時間為解釋變量進行回歸，再把得到的殘差項作為去趨勢后的被解釋變量放回基準模型中，以此剝離機器人專利申請數量隨時間變化的趨勢。具體回歸結果如表4所示。時間變量回歸結果表明，總體專利數量與時間趨勢相關性最高，其次為機器人實用新型專利數量，最后為發明專利數量，三個專利絕對數量均與時間存在較強的相關性。以去趨勢化處理的殘差項為被解釋變量的回歸結果表明，老年撫養比每增加1%個單位，總體專利申請數量較原來增長約2.014%，發明專利申請數量較原來增長約3.107%，實用專利數量較原來增長約2.851%。

表4 穩健性檢驗Ⅱ

第三，考慮動態模型。由于專利發明是技術長時間積累的結果，知識和研發人員堆積的規模經濟效應可能使機器人創新存在動態演化特征，即過去的專利申請數量對當期創新能力存在促進作用。為此，本文結合系統-廣義矩估計(SYS-GMM)的方法考察動態模型下老齡化程度對機器人創新的影響。

表5的回歸結果表明，滯后一期的機器人專利數量系數均顯著為正，說明機器人專利申請可能具有干中學的動態特征；與靜態模型相比較，動態模型下老齡化程度對機器人創新的系數變小，說明靜態模型可能一定程度上高估了老齡化對機器人創新的影響；對擾動項差分一階自相關系數檢驗顯著拒絕為零的假設，而對擾動項差分二階自相關系數檢驗無法拒絕，說明SYS-GMM估計結果是一致的。

表5 穩健性檢驗Ⅲ、Ⅳ

第四，安慰劑檢驗。按照前文分析，老齡化趨勢影響機器人創新的主要來自未來勞動力緊缺信號的傳遞，所以機器人外觀設計創新應該與老齡化趨勢的關系較小。

為此，分別以機器人外觀設計專利占全部外觀專利的比值、機器人外觀設計專利申請數量的對數值為被解釋變量，作為基準回歸的對照作安慰劑檢驗。表5回歸結果顯示，老齡化趨勢對機器人外觀設計專利申請占比和絕對申請數量的影響都不顯著，進一步提高了結論穩健性。

(六)機制檢驗

通過式(14)—式(16)，可以得到表6的中介效應檢驗結果。人口老齡化程度對中介變量研發投入、技術應用和人力資本積累的回歸結果系數均顯著為正，說明存在正向作用。

表6 機制檢驗

將三種影響效應同時加入基準回歸模型，發現人口老齡化對機器人專利的影響系數大小和顯著性下降，而研發投入、技術應用與人力資本積累三條路徑影響顯著。通過比較系數乘積發現，人口老齡化倒逼機器人技術創新的人力資本積累路徑最強，系數乘積約為0.142，解釋了約74.113%的總倒逼效應；其次為研發投入倒逼路徑，系數乘積約為0.022，解釋了約11.482%的影響；最后為技術進口路徑，系數乘積為0.011，解釋了約5.741%的影響。

(七)異質性分析

本文通過構建指標與解釋變量交互項的方式進一步研究老齡化影響的異質性。如果解釋變量與異質性指標的交互項系數顯著，則說明老齡化對勞動節約型創新的影響存在異質性作用。回歸結果見表7。從表7可以看出：

表7 異質性檢驗

一是工業男女性別比越高，老齡化的倒逼影響效果越小。這是由于男性在重復性體力任務上存在生理優勢所致，而機器人專利中的碼垛機器人、搬運機器人、噴漆機器人等主流的工業機器人設備為典型的勞動節約型設備，使地區工業男性占比越高，勞動節約創新緊迫性越低。

二是東部地區的老齡化倒逼作用顯著小于中、西部地區，說明相較于勞動力資源豐富的東部地區，中、西部地區的勞動節約需求更高。

五、進一步研究

專利的申請需要長時間的準備和投入，企業研究開發相關支出隨老齡化程度的加劇而增長。如果能找到勞動力市場的人口老齡化趨勢與機器人研發企業研發投入上的正相關關系，將在一定程度上從微觀層面支持本文的結論。

本文把曾經申請機器人專利的工業企業作為機器人創新企業，即樣本區間內機器人專利申請數量至少為1個的企業為研究對象展開回歸分析。

由于中國工業企業數據庫中只有2005—2007年和2010年提供了研發投入數據，本文微觀層面實證分析以這幾年為基礎展開。具體數據處理步驟如下：第一，把機器人專利數據通過申請人和工業企業名稱相匹配；第二，考慮到時間區間內，工業企業可能存在更改單位名稱的情況，本文在剩余未匹配的樣本中，通過郵政編碼、地址和電話進行二輪匹配。實際操作后匹配得到2 792個有效樣本，機器人創新企業有860個。

本文構建以下實證模型：

Frdmt=η0+η1oldit+η2Zmt+η3Xit+vm+λt+ε

(17)

其中，m表示企業，η為估計系數；Frd表示工業企業研發強度，由人均研究開發費用的對數表示；X為省級層面的控制變量，沿用式(14)基準回歸中的控制變量；Z為企業層面的控制變量，本文控制企業年齡、企業利潤率、是否出口企業和企業融資約束幾個方面的變量。

具體地，企業年齡以數據年份與企業開業年份的差額表示；企業利潤率以營業利潤與營業收入的比值衡量；是否出口企業以0-1虛擬變量表示，當企業出口交貨值大于0時為出口企業，取值為1，否則為0；企業融資約束以企業利息支出與固定資產原價比值衡量。同時，在模型中引入企業固定效應vm和時間固定效應λt。

回歸結果如表8所示。未加入控制變量、加入地區控制變量和加入地區與企業控制變量的回歸結果顯示，系數η1全部顯著為正，說明老齡化程度能夠顯著促進機器人創新企業加大研發投入強度。

表8 微觀層面回歸

六、研究結論與政策建議

改革開放以來，中國一直憑著勞動力比較優勢充當世界加工廠的角色，實現了經濟的快速增長。然而，隨著人口出生率的不斷下降，人口預期壽命不斷延長，過去的人口紅利也逐漸消退。

為了加快轉變經濟增長方式，推動創新驅動發展戰略，本文探討了人口老齡化對勞動節約型技術創新的影響。基于一個三部門理論模型研究發現，人口老齡化影響勞動約型技術創新存在研發投入、技術應用和人力資本的三種影響路徑。以中國機器人專利申請數據代理勞動節約型技術創新，本文從地區層面和企業層面實證分析了人口老齡化對中國勞動節約型技術創新的影響。

本文研究發現：

第一，總體上，人口老齡化趨勢對勞動節約型創新具有顯著的促進作用，其中對發明專利的影響最大，實用新型專利作用次之，而對外觀專利影響不顯著。

第二，中介效應檢驗發現，人口老齡化通過倒逼區域增加研發投入、技術應用、人力資本積累促進機器人技術創新，影響效果從大到小依次為人力資本積累、研發投入和技術應用。

第三，異質性檢驗發現，由于勞動力供給差異，男性占比高的地區和中、西部人口非密集地區的老齡化倒逼效應更強。

第四，進一步匹配微觀企業數據發現，相較于其他工業企業，機器人創新企業因對未來勞動力狀況的擔憂而提前加大研發投入。

基于以上結論，在人口老齡化的必然趨勢下，如何充分利用老齡化的倒逼效應，排除制約機制傳導的不良因素，積極推動經濟增長動能的轉變、促進勞動節約型技術創新，是實現經濟可持續發展和高質量發展的關鍵。

為此，本文提出以下建議：

第一，加強科技創新交流，鼓勵相關成果轉化應用。建議多舉辦科學技術交流論壇、科技展覽會議和技術創新大賽等活動，加強勞動節約型技術推廣，通過增加信息流通和技術合作破除因信息不對稱等問題帶來的創新制約。同時，搭建連接科技人員和企業的科研創新平臺，鼓勵校企合作，加快技術成果向實際生產應用的轉化，引導創新成果流動，以彌補老齡化帶來的勞動力短缺，推動經濟的可持續發展。

第二，建立健全相關制度，保護創新。進一步完善知識產權法律法規，加大對侵權行為的懲罰力度，宣傳創新理念和創新意識，營造積極、健康和具有競爭性的創新環境，激發企業創新動力。同時，靈活搭配使用財政工具，對于企業以人力資本培養、研發創新投入和技術進口投入等為目的的非經營性支出按影響效應比例適當給予退稅優惠和創新補貼，通過提高創新回報守護研發熱情。

第三，平衡地區發展。建議在中、西部人才短缺地區設立更多的研究機構，通過提供優惠住房政策、社會保障等手段鼓勵科研、技術和教育人才和資金往后發地區轉移。適當引導創新要素流動，促進產業合理空間布局，以提高勞動力短缺地區技術水平和創新能力，補充創新要素的同時促進區域經濟平衡發展。

第四，提升人力資本水平。建議從初等教育出發，增加或設立計算機、人工智能、機器人應用等必修科目，通過學科融合、交互等方式培育更多技術創新主體，在人口數量紅利下降的趨勢下提升人口質量紅利。同時，增加職業培訓和技能提升計劃，幫助勞動者適應技術進步和產業變遷，以促進勞動力與數字技術、智能技術等勞動節約技術互補，實現經濟的高質量和可持續發展。