人口結構變動對我國制造業數字化轉型的影響研究

[摘要]順應我國人口數量-質量紅利轉變趨勢，推動制造業數字化轉型是培育新質生產力的主要抓手。基于2012—2022年省域面板數據，構建我國制造業數字化轉型指標體系，并采用中介效應模型和調節效應模型實證檢驗人口結構變動對制造業數字化轉型的影響效應。研究發現：我國制造業數字化轉型水平總體呈逐年提高態勢，東部最高，中部次之，西部最低。人口年齡結構老化和人口教育結構優化均促進制造業數字化轉型，該結論在一系列穩健性檢驗后仍然成立。人口年齡結構老化對西部地區制造業數字化轉型的積極影響更大，人口教育結構優化的正向影響在東部地區更顯著，并且兩者對制造業數字化轉型的促進作用在城鎮化率較高地區更強。人口年齡結構老化和人口教育結構優化分別通過造成勞動力短缺、增加居民儲蓄和加快技術創新、提高人均收入推動制造業數字化轉型；同時，兩者對制造業數字化轉型的積極作用會隨著市場化水平的提高而逐漸增強。據此，提出持續挖掘人口數量和質量紅利、不斷完善市場體制建設、促進不同區域數字化轉型協調發展等建議。

[關鍵詞]人口年齡結構老化；人口教育結構優化；制造業數字化轉型

一、 引言

制造業作為我國現代化產業體系的核心部門，近年來面臨著要素成本上升、高端核心技術稀缺、產業結構失衡以及國際市場布局重構等重大挑戰。與此同時，人工智能、大數據、物聯網等先進數字技術的快速進步催生了數字經濟新業態，為制造業加快數字化轉型、擺脫發展困境提供了機遇。2023年12月工信部等八部門聯合印發的《關于加快傳統制造業轉型升級的指導意見》指出，要“加快制造業數字技術賦能”“推動傳統制造業向高端化、智能化、融合化方向轉型”1。當前，我國人口老齡化不斷加深和生育率持續下降使制造業發展依賴的人口數量紅利逐步消失，但人口教育結構優化又為制造業數字化轉型積累了高素質專業人才，使人口質量紅利逐漸顯現。可見，人口年齡結構與教育結構變動催生的人口數量-質量紅利轉變會對我國制造業數字化轉型產生重要影響。因此，本文將深入探究兩者影響制造業數字化轉型的理論機理并進行實證檢驗，這對實現人口高質量發展、促進數字經濟與實體經濟深度融合以及培育數字新質生產力具有重要意義。

關于制造業數字化轉型的研究主要涉及以下三個方面：第一，制造業數字化轉型的概念內涵。從數字技術融合角度出發，有研究認為數字化轉型是數字技術與企業生產、運營及營銷等各個環節不斷融合，最終提升企業應對市場變化能力并帶來效率效益提升的過程[1-2]；從企業組織變革角度，余菲菲等[3]認為企業進行數字化轉型旨在深度運用數字技術改善自身業務流程并推動組織結構創新；從要素改造OrZgAjye0DgZff0U/cQkqw==升級角度，石先梅[4]認為數字化轉型是制造業企業內部資本、勞動等要素的數字化和外部關聯產業間數字生態網絡建立的過程。第二，制造業數字化轉型的測度方法。單一指標測度方面，有研究根據制造業企業年報中是否包含數字化轉型相關關鍵詞設置了虛擬變量[5]；綜合指標測度方面，大部分學者采用文本分析法通過微觀層面的企業年報關鍵詞詞頻來構建代理變量[6-7]；還有研究從產業中觀層面構建綜合指標體系進行測度[8-9]。第三，制造業數字化轉型的影響因素。相關研究認為企業高管重視程度、研發投入、融資環境、人力資本水平、政府政策和數字基礎設施建設等，均是制造業數字化轉型的重要影響因素[10]。

關于人口結構變動影響制造業發展的相關研究主要集中于：其一，人口年齡結構與制造業發展。在產業中觀層面，有學者認為老齡化使勞動力數量減少、勞動力流動能力降低，并且加重了社會撫養負擔，抑制了資本積累和技術創新，從而對制造業轉型升級產生不利影響[11-12]；有研究持相反觀點，認為老齡化會促進人力資本投資與積累，同時還會通過勞動力短缺倒逼制造業企業加大資本與技術投入，進而促進制造業轉型升級[13-14]。在企業微觀層面，部分學者探究了人口老齡化對工業機器人應用的積極影響[15]。其二，人口教育結構與制造業發展。在產業中觀層面，有研究認為人力資本積累可以促進制造業高質量發展，并且存在加快企業技術進步、帶動相關產業集聚、提高勞動力收入、改善消費水平等影響路徑[16-17]；有學者探討了人力資本積累影響制造業轉型升級的空間溢出效應和異質性[18-19]。在企業微觀層面，韓超等[20]探究了高等教育人力資本對數字化轉型的促進機理。

綜上，相關研究成果已經非常豐富，但仍存在可突破之處：（1）現有對數字化轉型的測度方法主要采用文本分析法從微觀企業層面進行關鍵詞詞頻統計，但文本分析法在識別關鍵詞時的主觀性較強，可能會存在“存偽”和“棄真”問題[21]。（2）目前研究主要集中于人口老齡化或人力資本積累各自對產業發展的影響，而兩者的演變本質上可視作人口數量—質量轉變的過程，鮮有基于此視角分析兩者共同影響產業發展的作用機制的研究。（3）現有研究主要關注人口結構變動對制造業結構升級的影響，且關于人口結構變動如何影響數字智能化轉型的研究仍然較少。基于此，本文首先基于人口數量-質量轉變視角分析人口年齡結構和人口教育結構對制造業數字化轉型的影響機理；其次，利用客觀統計指標構建測度體系，采用熵值法對我國制造業數字化轉型水平進行測度；最后利用固定效應模型、中介效應模型和調節效應模型實證檢驗人口結構變動對我國制造業數字化轉型的影響機制和異質性，以期為我國深入發掘人口結構變動對制造業數字化轉型的數量紅利和質量紅利的影響提供政策參考和理論依據。

二、 理論分析和研究假說

人口結構因劃分標準不同會產生不同結果，其內涵較為復雜。有研究表明，人口數量—質量轉變是目前我國人口變動的主要特征，即隨著經濟發展逐漸深化，人口再生產模式由高生育率、低人力資本積累率向低生育率、高人力資本積累率轉變，最終導致人口數量減少和人口質量提高[22]。目前，我國人口數量負增長是人口年齡結構少子化老齡化持續加深的結果，人口質量不斷提升主要是人口教育結構優化催生的成果。因此本文基于人口數量—質量轉變視角，主要從人口年齡結構老化和人口教育結構優化兩方面來界定人口結構變動的內涵。

1. 人口年齡結構老化影響制造業數字化轉型的機理

人口年齡結構老化造成勞動力供給短缺和成本上升，進而倒逼制造業數字化轉型，即存在勞動力成本效應。第一，人口老齡化降低了勞動年齡人口比重和勞動參與率，使制造業發展依賴的低廉勞動力供給逐漸短缺，加速了勞動力成本上升進程。第二，老齡化伴隨的生育率持續下降將造成社會對未來勞動力供給的較低預期，企業會通過較高工資吸引來保證所需的勞動力數量，居民也會提高工資要求來保證自身權益，從而造成勞動力要素價格不斷提高。以上兩方面造成的勞動力成本上升，改變了制造業企業要素的稟賦結構和相對價格。在當前我國資本要素豐裕和數字技術快速發展的背景下，為節約生產成本，企業會加大數字化資本和數字智能技術的投入力度來替代勞動力要素。有研究就表明，人口老齡化導致的勞動力短缺會倒逼企業增加人工智能的使用[23]。由此，本文提出以下假說：

H1：人口年齡結構老化造成勞動力短缺進而倒逼制造業數字化轉型。

人口年齡結構老化使居民增加儲蓄進而通過影響固定資本積累促進制造業數字化轉型，即存在儲蓄效應。第一，生命周期理論認為，為實現整個生命周期的效用最大化，理性經濟人會用年輕時的儲蓄來支撐老年時的消費。預防性儲蓄假說提出，當未來收入不確定性上升時理性經濟人會增加額外儲蓄以保障未來的基本消費。人口老齡化提高了社會預期壽命，延長了老年生活周期，使得老年時期的收入不確定性更加明顯，因此個體增加儲蓄的預防性動機增強。第二，由于我國特殊的家庭文化傳統，老年人有為后代積累財富的遺贈性動機，且該動機會隨著老齡化的加深而增強。以上兩方面造成的居民儲蓄率提高為制造業企業數字化轉型提供了資金供給并降低了借貸利率，最終對制造業數字化固定資本和智能基礎設施投資產生積極作用。由此，本文提出以下假說：

H2：人口年齡結構老化會使居民提高儲蓄，進而推動固定資本積累，促進制造業數字化轉型。

2. 人口教育結構優化影響制造業數字化轉型的機理

人口教育結構優化可以通過加快技術創新促進制造業數字化轉型，即存在技術創新效應。第一，人口教育結構優化引致的專業化人才規模擴大會直接促進原始數字技術的創造發明，并且高水平人才隊伍可以通過相互模仿、交流和競爭來加快創新知識和能力在產業鏈各個環節的溢出擴散，從而大幅提升制造業全產業鏈數字智能技術的研發效率。第二，人口教育結構優化會促進數字技術的應用融合，因為受教育程度更高的企業管理者對采納數字智能技術的意愿更強，也更有能力帶動與新技術相匹配的業務運營流程以及推進企業管理模式創新。可見，技術創新水平提升最終加快了企業原始數字技術革新并提升其數字應用能力，從而為制造業數字化轉型提供源泉。由此，本文提出以下假說：

H3：人口教育結構優化會推動技術創新進而促進制造業數字化轉型。

人口教育結構優化通過提高人均收入促進制造業數字化轉型，即存在收入效應。第一，人口教育結構優化提高了人均教育水平和人均收入水平，人均收入的提高推動了居民消費需求由滿足生存需要的低層次消費向高科技、高質量、個性化的高層次消費轉變，這會倒逼制造業企業利用數字智能技術改善自身生產工藝m8VR1ox4ujacEuwafzBnY//gwOnyaOb6QncYIL0ue8k=流程、加快研發新型產品以及提供精準個性服務，進而加快數字化轉型。第二，人均收入較高地區的勞動者在滿足基本就業保障的基礎上，對工作的質量和進步空間要求更高，數字智能技術密集型制造業企業發展前景廣闊、工作條件良好并且薪資收入較高，更有利于高水平人力資本向此類企業轉移集聚。人力資本快速集聚會進一步吸引數字智能高科技產業和相關資源要素的集聚，進而使制造業數字化轉型不斷得到深化[17]。由此，本文提出以下假說：

H4：人口教育結構優化會通過提高人均收入促進制造業數字化轉型。

3. 人口結構變動影響制造業數字化轉型的市場化調節效應

人口結構變動對制造業數字化轉型的促進作用會受到市場因素的影響[24]。第一，人口年齡結構老化引致的成本效應和儲蓄效應會隨著市場化水平的提升而顯著增強。一是完善的市場機制下要素及信息流動更為自由迅速，因此人口老齡化引致的勞動力供求變動信息可以快速且全面地反映至企業端。激烈的競爭環境會促使企業進行要素投入結構的調整，加快數字化轉型以避免被淘汰。二是規范的銀行等金融中介活動可以改善企業融資環境，提高投資效率，從而使人口老齡化催生的居民儲蓄更有效地轉化為企業數字化轉型所需的資金。第二，市場化水平提升會增強人口教育結構優化對數字化轉型的積極影響。一是人口教育結構優化引致的技術創新效應會得到加強。充分的市場競爭可以加快高水平人才在企業間流動并推動知識技術的傳播擴散和更新迭代，并且完善的技術市場交易機制可以更好地溝通前端科學研發與后端生產應用，促進產學研有效融合。二是人口教育結構優化催生的收入效應也得到增強。信息的自由流動使企業可以準確地捕捉用戶對產品及服務需求的變化，從而有助于降低企業的試錯成本，使企業可以利用數字技術研發進行改造以生產出更貼合用戶需求的新型產品，提供更個性化的商業服務模式。由此，本文提出以下假說：

H5：人口結構變動對制造業數字化轉型的積極影響隨著市場化水平提升而逐漸增強，即存在市場化的正向調節效應。

根據以上理論分析可以概括出人口結構變動影響制造業數字化轉型的機理機制，如圖1所示。

三、 研究設計

1. 模型設定

（1）基準回歸模型

為檢驗人口結構變動對我國制造業數字化轉型的總體影響，本文設定如下基準回歸模型：

[digit=β0+β1popit+β2Xit+μi+εit] （1）

上式中，i表示地區，t表示年份。dig表示制造業數字化轉型，具體測算方法見下文。pop表示人口結構變動，具體可劃分為人口年齡結構老化（old）與人口教育結構優化（edu）。X表示一系列控制變量。[μi]表示固定效應，本文主要控制個體固定效應。[εit]為隨機誤差項。

（2）中介效應模型

為檢驗人口結構變動是否通過勞動力短缺倒逼、增加固定資本積累和促進技術創新、提高人均收入來影響我國制造業數字化轉型，本文設定如下中介效應模型：

[Mit=α0+α1popit+α2Xit+μi+εit] （2）

[digit=δ0+δ1Mit+δ2popit+δ3Xit+μi+εit] （3）

上式中M表示中介變量，包括勞動力成本、居民儲蓄、技術創新和人均收入。[δ2]是人口結構變動對制造業數字化轉型的直接效應，[α1][×δ1]是人口結構變動對制造業數字化轉型的中介效應。

（3）調節效應模型

為驗證人口結構變動對我國制造業數字化轉型的市場化調節作用是否存在，本文設定如下調節效應模型：

[digit=γ0+γ1popit+γ2popit×marketit+γ3marketit+γ4Xit+μi+εit] （4）

上式中market為調節變量，本文利用王小魯等[25]測算的市場化指數進行衡量。[γ2]表示市場化水平對人口結構變動影響制造業數字化轉型的調節效應。

2. 變量選取

（1）被解釋變量

制造業數字化轉型（dig）。制造業數字化轉型是以數據為核心的數字智能技術與制造業產業鏈各個環節的深度融合并帶來效益與效率提升的過程[1]。由此來看，制造業數字化轉型首先是數字技術本身的不斷創新與完善，其次是數字技術對全產業鏈各個環節的深層次改造升級，最終是產業效益和效率的提升，其本質上是一個由數字技術創新引發的且在制造業產業內部演化發展的動態過程。其中，數字智能技術、數據分析處理能力和數字基礎設施的不斷革新和完善是制造業數字化轉型的核心先決條件；數字技術輻射至制造業生產、運營、研發、銷售各個環節，與傳統業務模式不斷融合來實現數字應用能力革新是數字化轉型具體演化過程；制造業企業經濟效益和環境效益提升是數字化轉型直觀結果。因此，參考相關研究[8-9]，本文從數字技術革新、數字應用能力革新和數字效益革新三方面構建指標體系，考慮到數據來源的可靠性與便利性，選取8個三級指標，具體如表1所示。采用熵值法對各三級指標的權重進行測算，最終結果通過對各指標和所得權重進行加權求和得出。

（2）核心解釋變量

人口結構變動（pop）。本文主要從人口年齡結構老化、人口教育結構優化兩個方面對人口結構變動進行衡量。其中人口年齡結構老化（old）采用65歲及以上人口占比來衡量，人口教育結構優化（edu）采用人均受教育年限來衡量。

（3）中介變量

根據本文的研究假說，選取如下中介變量：勞動力成本（wage），采用各省在崗職工平均工資取對數來衡量；居民儲蓄（sav），采用（居民人均可支配收入-居民人均消費）/居民人均可支配收入來測定；技術創新（tech），技術市場發展水平能更全面地反映技術創造、應用與融合的全過程，測算方法為技術市場成交額與地區GDP的比值；人均收入（icome），采用居民人均可支配收入取對數來衡量。

（4）控制變量

本文在已有研究基礎上，選取如下控制變量：產業結構（ins），采用地區第三產業產值與第二產業產值之比來衡量；對外開放（nx），采用進出口貿易總額與地區GDP的比值來衡量；金融發展（fina），采用銀行業及金融機構存貸款總額與地區GDP的比值來測算；政府干預（gov），采用政府財政支出與GDP的比值來衡量；基礎設施建設（infra），采用地區公路里程數取對數來測算。

3. 數據說明

以2012—2022年我國30個省區市（港澳臺西藏由于數據不全未列入）為研究對象。數據來自《中國統計年鑒》《中國工業統計年鑒》《中國信息產業年鑒》《中國人口和就業統計年鑒》和國家統計局網站以及中國信息通信研究院相關研究報告公布數據。表2是所有變量的描述性統計，缺失值由線性插值法補全。

四、 實證結果分析

1. 我國制造業數字化轉型測度結果分析

2012—2022年全國及東中西部地區制造業數字化轉型均值變化態勢如圖2所示。可知：（1）從全國來看，2012—2022年我國制造業數字化轉型水平明顯提升，由2012年的0.102增加到2022年的0.163，年均增速4.8%。但11年中我國制造業數字化轉型水平均值僅為0.127，仍處于較低狀態。（2）分區域來看，2012—2022年東中西部地區制造業數字化轉型水平差異明顯。東部地區不僅均值高而且增長快（2011年均值為0.208，年均增速達6.3%）；中部地區均值和增速次之（2011年均值為0.089，年均增速為4.7%）；西部地區均值和增速都最低（2011年均值為0.072，年均增速為1.3%）。其原因在于，東部地區數字技術創新活躍，制度建設和市場體制開放且高水平人力資本密集，因此其制造業數字化轉型程度較高且發展較快。中西部地區因資源稟賦與產業結構單一，數字基礎設施薄弱且人才流失較為嚴重，須通過完善制度和加快基礎設施建設來支撐制造業數字化轉型。

2. 基準回歸結果及分析

基準回歸結果見表3。列（1）（2）檢驗了人口年齡結構老化對制造業數字化轉型的影響，列（3）（4）是人口教育結構優化對制造業數字化轉型影響的檢驗結果。可以看出：第一，人口年齡結構老化對制造業數字化轉型的系數在1%的水平下顯著為正，即正如本文在機理分析時所揭示的，人口年齡結構老化所產生的勞動力成本效應和儲蓄效應倒逼和促進了制造業數字化轉型。第二，人口教育結構優化對制造業數字化轉型的系數亦為正且在1%的水平下顯著，即人口教育結構優化可以積累大量高素質人才隊伍，使其集聚數字化制造業行業，從而直接推動我國制造業數字化轉型。第三，由前四列對比可知，人口教育結構優化對制造業數字化轉型的積極影響弱于人口年齡結構老化帶來的影響。這說明雖然目前我國人口質量紅利已經逐漸凸顯，但我國人口教育結構與制造業發展的專業技術人才需求未能較好匹配，同時存在著如地區戶籍管制等影響高素質人才流動的不利因素，仍須完善相關政策以進一步發掘人力資本存量優勢。第四，控制變量方面，對外開放、政府干預對制造業數字化轉型均具有負向影響。這可能是由于對外開放水平和政府干預水平的提高深化了制造業企業對國外資本技術引進與本地政府財政扶持的依賴性，使企業缺乏自主創新動力，削弱了企業獨立參與市場競爭能力，進而抑制了企業數字化轉型進程。

3. 穩健性檢驗

（1）更換核心解釋變量測度方法

本文采用老年撫養比（olds）與大專及以上學歷人口占比（edus）分別表示人口年齡結構老化與人口教育結構優化重新進行檢驗，結果如表4列（1）（2）。可知，在更換核心解釋變量的測度方法后，基準回歸結果依舊穩健。

（2）更換被解釋變量測度方法

機器人應用是驅動產業智能化數字化的核心因素，因此本文參考孫早等[26]的方法，構造省級工業機器人安裝量數據來表示制造業數字化轉型重新進行檢驗，結果如表4列（3）（4）。可知，人口年齡結構老化和人口教育結構優化均對工業機器人應用產生了顯著的積極影響。

（3）更換模型估計方法

考慮到制造業數字化轉型數據具有明顯的截斷特征，故本文利用tobit模型重新進行回歸，結果如表4列（5）（6）。可知，更換估計方法后的回歸結果與基準結果基本相同，進一步說明了上述分析的穩健性。

（4）工具變量法

制造業數字化轉型水平提高會促進地區經濟增長，從而帶動地區醫療、教育等基礎設施建設，最終影響居民的預期壽命與受教育程度，即前文分析可能存在由反向因果產生的內生性問題。因此本文采用人口年齡結構和人口教育結構滯后一期作為工具變量進行2SLS回歸，結果如表5所示。列（1）（2）是人口年齡結構老化的檢驗結果，列（3）（4）是人口教育結構優化的回歸結果。可知，在考慮內生性問題后，人口年齡結構老化與人口教育結構優化對制造業數字化轉型依然具有顯著的積極影響，再次驗證了基準回歸結果的穩健性。

4. 異質性分析

（1）區域異質性

由于我國東中西部三大區域間的資源要素稟賦、人均收入水平和數字技術發展水平均存在明顯差異，因此對東中西三個地區進行區域異質性分析，結果如表6所示。第一，人口年齡結構老化對制造業數字化轉型的積極影響在西部地區最大，在中東部地區較小。原因可能是，中東部地區積累了大量來自西部地區的勞動力轉移，這些勞動力一定程度上緩解了流入地的勞動力供給短缺，減弱了勞動力成本倒逼效應。并且由于中東部地區數字化水平較高，儲蓄效應引致的固定資本積累也出現了邊際報酬遞減。第二，人口教育結構優化顯著推動了東部地區制造業數字化轉型，而對中西部地區的影響并不明顯。原因可能是，近年來中西部地區培養的大量高素質人才流入了東部地區，使東部地區形成集聚效應和規模經濟，這推動了東部地區數字技術創新和產業數字化快速發展。中西部地區由于產業結構較為單一，高素質專業化人才相匹配的精細化多樣化崗位較少，未能形成人力資本對制造業數字化轉型的集聚效應。

（2）城鎮化水平異質性

城鎮化率反映了地區的資源要素集聚水平和二元經濟緩解程度，因此本文根據全部省份樣本的城鎮化率中位數進行分組回歸，大于中位數的省份為高城鎮化組，小于中位數的為低城鎮化組，結果見表7。可以看出：第一，人口年齡結構老化對制造業數字化轉型的正向影響在高城鎮化組和低城鎮化組均顯著存在，且在高城鎮化組的積極作用更強。第二，人口教育結構優化對制造業數字化轉型的積極影響在城鎮化水平較高時顯著存在，而在城鎮化水平較低時不顯著。原因可能是城鎮化水平較低時，剩余勞動力供給充足并且儲蓄水平較低。同時，此階段人力資本素質較低，技術進步較慢，企業發展更依賴勞動力數量的擴張，對勞動力質量的要求并不高，故此時人口年齡結構老化和人口教育結構優化對制造業數字化轉型的促進作用并不明顯。

5. 影響機制檢驗

（1）中介效應檢驗

表8為人口年齡結構老化影響制造業數字化轉型的勞動力成本效應和居民儲蓄效應的檢驗結果，列（1）（2）顯示，人口年齡結構對勞動力成本的影響在1%的水平下顯著為正，且勞動力成本上升顯著促進了制造業數字化轉型。這表明人口年齡結構老化會造成勞動力短缺，勞動力成本上升，進而倒逼制造業企業進行數字化轉型，H1成立。列（3）（4）顯示，人口年齡結構對儲蓄率的積極影響在1%的水平下顯著，且兩者對制造業數字化轉型具有顯著的正向作用。這表明人口年齡結構老化會增加居民儲蓄，促進固定資本積累，進而加快制造業數字化轉型，H2成立。

人口教育結構優化影響制造業數字化轉型的技術創新效應和收入效應的檢驗結果如表9所示。列（1）（2）顯示，人口教育結構顯著提高了技術創新水平，且技術創新對制造業數字化轉型的正向影響在1%的水平下顯著。這表明人口教育結構優化會促進技術創新，進而推動制造業數字化轉型不斷深化，H3成立。列（3）（4）顯示，人口教育結構對人均收入的影響在1%的水平下顯著為正，且人均收入上升顯著促進了制造業數字化轉型。這表明人口教育結構優化會提高人均收入進而促進制造業數字化轉型，H4成立。

（2）調節效應檢驗

市場化水平在人口結構變動影響制造業數字化轉型中的調節效應的檢驗結果如表10所示。人口年齡結構與市場化交互項、人口教育結構與市場化交互項的系數均在1%的水平下顯著為正，即兩者對制造業數字化轉型的積極影響受到市場化水平的正向調節。可見，規范自由的市場體制環境可以增強人口結構變動對制造業數字化轉型的促進作用，H5成立。

五、 結論及對策建議

本文在界定核心概念和機理分析的基礎上，基于2012—2022年我國省域面板數據，利用中介效應模型和調節效應模型實證檢驗了人口結構變動影響制造業數字化轉型的程度和機制，結論如下：（1）樣本期內我國制造業數字化轉型水平總體上逐年提高，其中東部地區最高，中部地區次之，西部地區最低且增長較慢。（2）目前，我國人口結構變動總體上會促進制造業數字化轉型，其中人口年齡結構老化的積極影響更大，而人口教育結構優化的影響較小。這可能與我國目前大規模人力資本存量優勢未得到充分釋放有關。（3）異質性分析表明，人口年齡結構老化對制造業數字化轉型的促進作用在西部地區更強，人口教育結構優化對其的積極影響在東部地區更顯著，并且兩者對制造業數字化轉型的積極影響在城鎮化水平較高的地區更強。這可能與我國近年來地區間勞動力流動和產業結構差異以及二元經濟轉型不同階段的特性有關。（4）中介效應檢驗表明，人口年齡結構老化會造成勞動力短缺，通過增加固定資本積累來促進制造業數字化轉型，人口教育結構優化導致加快技術創新和提高人均收入，進而推動制造業數字化轉型。（5）調節效應檢驗表明，人口年齡結構老化和人口教育結構優化對制造業數字化轉型的積極影響均隨著市場化水平提高而逐漸增強。

針對以上研究結論，本文提出以下建議：

第一，順應人口年齡結構老化趨勢，充分利用人口數量紅利。首先要順應勞動力供給變動趨勢，適當提高最低工資標準，加快制造業“機器換人”進程；其次要加強養老金制度建設。提高政府和企業的養老金補貼比例，引導個體戶、農民工及私營部門員工積極參保，完善農村居民的養老保障；最后，不斷完善轉型企業資金投入結構，提高對生產資金的利用效率；各級政府實行產業分級措施，鼓勵引導資金流入數字化建設投資需求旺盛的產業。

第二，加快人口教育結構優化，挖掘人口質量紅利潛力。首先要激發創新創造活力，加強高素質人才培養力度。不斷優化我國高校及科研院所資源配置，增加對科研院校的研究補貼和創新投資支持。同時不斷深化高校人才培養的目標導向，將人才培養質量作為高校評估和教師考核的核心指標；其次要促進高素質勞動力自由流動，加快戶籍管理制度改革，放寬人才就業落戶限制；最后要加強產學研合作，推動創新成果轉化和企業商業運營模式轉型，促進數字技術與企業生產運營有效融合。

第三，不斷完善市場體制，為制造業數字化轉型提供穩定的外部環境。加強互聯網信息平臺建設，推動產品市場及要素市場信息自由流動。鼓勵企業間加強溝通交流，引導企業間良性競爭。放寬金融服務業市場準入，完善銀行等金融中介機構的業務規范，不斷拓寬企業吸引融投資的渠道。

第四，各地區應利用各自的比較優勢，積極推動勞動力、資本、技術等要素在不同區域間自由流動，通過不平衡的動態演變推動我國制造業數字化轉型不斷深化。東部地區應對標國際數字化轉型最高水平，積極參與國際市場競爭，充分挖掘高素質專業化人力資本存量優勢，加大對前沿核心重大科技創新的攻關力度，打造數字化制造業先進示范區，同時，鼓勵處于中低端的有意愿的制造業企業向中西部地區轉移；中西部地區應根據要素稟賦變動的具體情況，充分利用人口老齡化引致的“第二次人口紅利”，進一步加強對數字化產業的政策支持和財政扶持，吸引專業技術人才落戶，加快5G通信基站、工業互聯網等數字基礎設施建設，積極承接來自東部地區的產業及技術轉移。

參考文獻：

[1] 陳楠，蔡躍洲，馬曄風.制造業數字化轉型動機、模式與成效——基于典型案例和問卷調查的實證分析[J].改革，2022（11）：37-53.

[2] 陳疇鏞，許敬涵.制造企業數字化轉型能力評價體系及應用[J].科技管理研究，2020，40（11）：46-51.

[3] 余菲菲，曹佳玉，杜紅艷.數字化悖論：企業數字化對創新績效的雙刃劍效應[J].研究與發展管理，2022，34（2）：1-12.

[4] 石先梅.制造業數字化轉型的三重邏輯與路徑探討[J].當代經濟管理，2022，44（9）：48-56.

[5] 李琦，劉力鋼，邵劍兵.數字化轉型、供應鏈集成與企業績效——企業家精神的調節效應[J].經濟管理，2021，43（10）：5-23.

[6] 趙宸宇，王文春，李雪松.數字化轉型如何影響企業全要素生產率[J].財貿經濟，2021，42（7）：114-129.

[7] 吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-144.

[8] 張林剛，戴國慶，熊焰，等.中國制造業數字化轉型評價及影響因素——基于模糊集定性比較分析[J].科技管理研究，2022，42（7）：68-78.

[9] 李健旋.中國制造業智能化程度評價及其影響因素研究[J].中國軟科學，2020（1）：154-163.

[10] 王和勇，何泓漫.區域制造業數字化轉型評價及影響機制研究[J].工業技術經濟，2023，42（7）：40-47.

[11] 姚東旻，寧靜，韋詩言.老齡化如何影響科技創新[J].世界經濟，2017，40（4）：105-128.

[12] 陽立高，龔世豪，韓峰.勞動力供給變化對制造業結構優化的影響研究[J].財經研究，2017，43（2）：122-134.

[13] 張桂文，鄧晶晶，張帆.中國人口老齡化對制造業轉型升級的影響[J].中國人口科學，2021（4）：33-44.

[14] 何冬梅，劉鵬.人口老齡化、制造業轉型升級與經濟高質量發展——基于中介效應模型[J].經濟與管理研究，2020，41（1）：3-20.

[15] 劉斌，王禹.人口老齡化如何影響工業機器人使用？[J].人口研究，2024，48（1）：85-102.

[16] 楊仁發，鄭媛媛.人力資本結構與制造業高質量發展：影響機制與實證檢驗[J].經濟體制改革，2022（4）：112-119.

[17] 謝平.人力資本提升對制造業結構優化的影響：基于中介效應的實證研究[J].學海，2020（5）：101-108.

[18] 陽立高，李永奇，韓峰，等.人力資本積累影響制造業結構升級的實證研究[J].科學決策，2018（3）：1-15.

[19] 林春艷，孔凡超，孟祥艷.人力資本對產業結構轉型升級的空間效應研究——基于動態空間Durbin模型[J].經濟與管理評論，2017，33（6）：122-129.

[20] 韓超，陳保啟.高等教育發展何以促進企業數字化轉型——上市公司數據的實證分析[J].高校教育管理，2024，18（2）：27-41.

[21] 金星曄，左從江，方明月，等.企業數字化轉型的測度難題：基于大語言模型的新方法與新發現[J].經濟研究，2024，59（3）：34-53.

[22] 郭劍雄.人口量質轉型與中國經濟增長——從馬爾薩斯陷阱到內生型增長的人口變遷視角審視[J].陜西師范大學學報（哲學社會科學版），2019，48（6）：22-33.

[23] 陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動力替代效應——基于跨國面板數據和中國省級面板數據的分析[J].中國人口科學，2018（6）：30-42.

[24] 王蕾茜，劉泓汛，余怒濤.人口老齡化對企業數字化轉型的影響研究[J].科研管理，2024，45（5）：182-192.

[25] 王小魯，樊綱，俞靜文.中國分省份市場化指數報告[M].北京：社會科學文獻出版社，2021.

[26] 孫早，侯玉琳.工業智能化與產業梯度轉移：對“雁陣理論”的再檢驗[J].世界經濟，2021，44（7）：29-54.

基金項目：陜西省社會科學基金項目“數字生產力與生產關系視角下數字技術推動陜西農業高質量發展研究”（項目編號：2022D035）。

作者簡介：王琴梅，女，博士，陜西師范大學國際商學院教授，博士生導師，研究方向為發展經濟學與中國西部經濟發展；王廷赫，通訊作者，男，陜西師范大學國際商學院碩士研究生，研究方向為人口、資源與環境經濟學。

（收稿日期：2024-06-30 責任編輯：殷 俊）