沈可 张闻雷 | 人口老龄化对科技创新的影响：健康改善与产业升级的调节机制

一、引言

过去半个世纪，中国经历了史无前例的生育率快速下降与平均预期寿命大幅延长时期，人口老龄化随之成为21世纪中国人口转型的突出表征。2000年，中国65岁及以上人口占总人口比重达到7%，正式迈入老龄化社会。至2021年，这一比例翻了一番，突破14%，标志着中国已步入中度老龄化社会，其老龄化水平已与冰岛、爱尔兰、卢森堡等国相仿。2019年《国家积极应对人口老龄化中长期规划》指出，人口老龄化对经济运行全领域、社会建设各环节、社会文化多方面乃至国家综合实力和国际竞争力，都具有深远影响。随着经济增长模式的转变，在经济运行各要素中，科技创新正是助推经济高质量发展的核心引擎。党的十八大报告明确提出坚持实施创新驱动发展战略，实现从中国制造向中国创造的转型。党的二十大报告更是将“实现高水平科技自立自强，进入创新型国家前列”列入2035年我国发展的总体目标。因此，有必要深入探究老龄化给科技创新带来的挑战与机遇，以期科学预判人口老龄化对经济运行的中长期影响，实现“积极应对人口老龄化国家战略”与“创新驱动发展战略”的有效协同。

当前，关于人口老龄化对科技创新的影响，无论是理论层面还是实证层面均未达成一致的结论。现有研究部分验证了人口老龄化对科技创新的抑制作用，部分则发现老龄化有助于促进科技创新或者对科技创新的影响并不显著，也有研究指出老龄化与科技创新间存在倒U形关系。上述实证研究多以老年人口比例上升或老年抚养比上升度量老龄化进程，而未将劳动年龄人口老化纳入分析。在老龄化过程中，老年人口比例上升与劳动年龄人口老化趋势未必一致，而且二者对于科技创新的影响机制也截然不同，因此有必要加以区分。更重要的是，在人口老龄化不可逆转的情况下，我们更应关注在怎样的社会经济条件下，人口老龄化才能有效促进科技创新。这一系列问题对于中国经济行稳致远、实现社会主义现代化强国发展目标至关重要。

为了回答上述问题，本研究立足国际比较视野，基于2000—2019年跨国面板数据，采用双重固定效应模型，分别考察老年人口比例上升与劳动力老化对科技创新的差异化影响，并进一步探析健康预期寿命延长如何调节老年人口比例上升对科技创新的影响，以及产业升级又将如何调节劳动力老化对科技创新的影响。

二、文献回顾

探析人口老龄化对科技创新的影响，一方面，人口老龄化不仅意味着老年人口比重的变化，还将重塑人口年龄结构，导致劳动年龄人口规模的缩减和劳动人口年龄结构的老化。因此人口老龄化可分解为两个维度：一是劳动力老化，二是已退出劳动力市场的老年人口比例的上升。另一方面，可以从创新的供给侧和需求侧两个渠道分别考察老龄化对科技创新的影响机制。

从劳动力老化维度看，劳动力老化可能会抑制科技创新的供给。首先，流体智力，如推理力、记忆力和计算速度在50岁后明显衰退，从而削弱劳动者的创新能力。但这一抑制效应未必一定成立，因为晶体智力，如阅读能力和语言理解能力，并不会随年龄增长而衰退，反而还会继续增强，且资深员工在“干中学”过程中也积累了丰富的知识、技能与经验。其二，相较于年轻人，中老年员工进行创新活动的回报期缩短，因此其开展创新活动的激情和动力会下降，也会更倾向否决新技术的采用和抵触技术革新政策的出台。其三，企业为中老年员工提供的新技能培训会减少，员工退休又会造成企业关键知识与技能的流失，从而妨碍技术进步。与此同时，劳动力老化也可能增进企业对科技创新的需求。基于要素禀赋理论，劳动力老化造成劳动力短缺与用工成本上升，这会倒逼企业积极研发与采纳劳动力节约型的技术革新。Acemoglu和Restrepo基于跨国数据的研究验证了老龄化加速了机器换人的技术升级进程，且这种效应在依赖中年劳动力的行业中更为明显。

从老年人口比例上升维度看，就创新的供给侧而言，老年人口扩张意味着养老保障和医疗卫生领域的财政压力攀升，这会挤占研发活动的财政投入，从而削弱社会创新能力。但翟振武等提出政府若能做大财政收入蛋糕，亦能阻断老龄化对研发投入的消极传导机制。从创新的需求侧来说，老年人口规模扩大会激发对“银发产业”的需求，从而驱动智慧养老、精准医学、智能家居等老龄相关领域的产品研发与技术创新。

由以上分析可知，不管是劳动力老化，还是退出劳动力市场的老年人口比例上升，均可能对科技创新的供给或需求产生正向或负向的影响，这也是实证研究未能达成一致结论的重要原因。不仅如此，在不同的社会经济发展阶段，人口老龄化对科技创新的影响方向和力度也会发生改变。以产业升级为例，在由低附加值的劳动密集型产业向高附加值的知识或技能密集型产业升级进程中，高技能劳动力比例不断提高。Schneider针对德国的研究发现，技术型员工和普通员工的年龄与其创新表现关系呈倒U形曲线，但技术型员工创新力开始衰退的年龄明显延迟。Behaghel和Greenan还发现当企业技术升级时，低技能的老年员工获得新技术培训的机会明显低于低技能的青年员工，然而在高技能员工中这一年龄歧视并不明显。产业升级增强了对高技能人力资本的需求，提高了高技能劳动者的相对工资，这就强化了在年轻劳动力（他们通常教育与技能水平更高）短缺情境下企业对于机器换人的技术革新需求。由此可见，产业升级可以缓解劳动力老化对科技创新供给的负面影响，并且能够加强劳动力老化对于科技创新需求的驱动作用。再以健康改善为例，老年人健康状况改善能显著降低医疗卫生财政压力，从而缓解老年人口规模扩大对研发投入的挤出效应。同时，健康改善有助于优化老年消费结构，提升老年人的发展型与享受型消费支出比例，从而增进老年人对智能化新兴产品与服务的需求。由此可见，健康改善能缓解老年人口比例上升对科技创新投入的不利影响，提振老年人口比例上升对科技创新需求的积极影响。

鉴于此，我们有必要识别劳动力老化与老年人口比例上升对科技创新的差异化影响，并进一步验证产业升级与健康改善是否能有效激活老龄化对科技创新的正向效应。

三、研究设计

（一）数据来源与变量选择

本文的因变量为科技创新。专利是测度技术创新的常用指标，本文以各国每百万居民人均专利申请量作为测度指标。各国居民专利申请量来自世界银行数据库，仅包括一国公民在本国所申请的专利，而不包含外国居民在本国申请的专利以及本国居民在国外申请的专利。因此，这一指标主要反映各国的自主创新能力，而且排除了本国居民向海外申请同族专利的重复计数，从而避免了对该国专利申请量的高估。

本研究以该国最近五年年度专利申请量超过50件且具备研发投入的信息为标准，最终选定了61个样本国家，这些国家不仅包含世界五大知识产权局成员国家，还包括了诸多新兴市场国家。根据《2019年世界五大知识产权局统计报告》显示，样本中所包含的中国、美国、日本、韩国以及欧洲专利局成员国2018年的专利申请量占全球的94%。因此，样本基本能反映全球专利申请的全貌。样本时间跨度为2000年至2019年，这是出于两方面考虑。一方面，样本中部分东欧国家在苏联时期以国家集体形式保有居民专利所有权，苏联解体后这些国家才逐步建立并完善了各自独立的知识产权法律保护体系，且在20世纪90年代动荡期，有关国家的专利数据存在大量缺失或巨幅波动。例如，俄罗斯联邦的专利申请量从1992年的39494件骤降至1997年的15106件，这主要源于政治因素的冲击，而不是受人口年龄结构的持续性影响。另一方面，2020年各国专利数出现不同程度的下滑，这大约受疫情等外部因素的影响。

人口老龄化数据来自《世界人口展望2022》，包括老年人口占比和劳动力老化两个变量。其中，老年人口占比表示为60岁及以上人口占总人口比重。参考陆杰华等人的定义，劳动力老化以45—59岁人口占20—59岁劳动年龄人口的比重测度。世界各国对于劳动年龄人口的界定各有不同。欧美国家的法定退休年龄多在65岁左右，但其实际退出劳动力市场的年龄往往低于法定退休年龄，而亚洲国家的法定退休年龄则较早，因此本文以59岁作为劳动年龄的终点。考虑到高等教育的普及化以及技术创新通常需要较高的人力资本，所以本文选择20岁作为劳动年龄的起点。

如前文所述，本文还要考察健康改善是否会改变老年人口比例上升对科技创新的影响，以及产业升级是否会改变劳动力老化对科技创新的影响，因此调节变量分别是健康资本与产业升级。健康资本的测度指标是0岁时健康预期寿命。世界卫生组织的“全球健康天文台”数据库提供了2000年、2010年、2015年和2019年世界各国健康预期寿命数据。我们参考李成福等的插值法对空缺年份进行数据补足。周茂等提出三次产业比重更适合用于表征产业结构的变迁，而当代资源约束条件下产业升级的真正内涵是技术提升，因此本文产业升级的测度指标是中高技术制造业增加值占GDP比重，是由世界银行数据库中中高技术制造业增加值占制造业增加值的比重和制造业增加值占GDP比重相乘得到的。

我们还控制了一系列会影响科技创新的变量，包括人均GDP的对数、产业结构（三产增加值占GDP比重）、出口依存度（货物和服务出口占GDP比重）、研发投入强度（研发支出占GDP比重）。其中，人均GDP反映一国经济发展水平，既关系该国可用于科技创新的整体资源，也关系该国对新技术与新产品的总需求。产业升级过程中对新技术的需求将增强，因此需控制产业结构。此外，有研究表明，为了应对更激烈的全球市场竞争，出口企业通常比非出口企业具有更强的创新动力，因此需控制一国经济的出口依存度。研发投入强度的提高也有助于增加科技创新产出。

我们对上述变量的个别缺失值进行插值补充，并删除了插值后出现负数的观测值（27个），样本最终包含1193个观测值。表1展示了全部变量的基本统计特征。

（二）模型与估计方法

首先，本研究基于2000—2019年跨国面板数据考察两个老龄化指标对科技创新的影响。F检验显示个体固定效应和时间固定效应均显著，因此采用双重固定效应模型进行分析。本文的基准计量模型设定如下：

公式（1）中，i表示国家，t表示年份，Patent为每百万居民人均专利申请量，Senior是60岁及以上老年人口比例。前人文献发现老年人口比例与科技创新的影响往往是非线性的，因此我们还控制了老年人口比例的二次项。Workforce是45—59岁人口占20—59岁人口比重。X为一系列控制变量。μ_i为个体固定效应，λ_t为时间固定效应。ε_it为随机扰动项。我们假定下一年的创新水平不会影响该国当年的人口年龄结构，因此科技创新选择了t+1期观测值。

我们通过Wald检验、Wooldridge检验和Frees检验分别发现，样本面板数据的误差项具有组间异方差、组内自相关和组间同期相关的特征。为此，我们采用Driscoll和Kraay所提出的非参数技术估计标准误。这一方法对误差结构的假定符合上述特征，而且该方法对截面个数没有限制，允许截面个数N大于时间跨度T。

其次，为检验各调节变量如何改变老龄化对科技创新的影响，我们在公式（2）中引入调节变量与老龄化指标的交互项。

公式（2）中，M为健康人力资本指标。N为产业升级指标。

四、实证分析与讨论

（一）各国人口老龄化与科技创新的趋势分析

从各国老龄化趋势来看，老龄化的两个指标——60岁及以上老年人口比例与中老年劳动力比例的发展趋势并不完全一致。例如，日本的老年人口比例在2000—2019年快速上升，而中老年劳动力比例自2011年才开始小幅上升；芬兰、塞尔维亚、克罗地亚、匈牙利、瑞典和捷克等国的老年人口比例持续升高，而中老年劳动力所占比例保持稳定甚至有所下降。这再次说明了在探讨老龄化的经济影响时有必要将老年人口比例上升与劳动力老化加以区分。

从各国60岁及以上老年人口比例与每百万居民人均专利申请量的关系看，样本国家主要分为三类。第一类，随着人口老龄化程度的加深，该国科技创新呈下降趋势，包括日本、芬兰、德国、克罗地亚、塞尔维亚、匈牙利、丹麦和瑞典。上述8个国家在2000年的老年人口比例均不低于20%，换言之，已迈入中度老龄化社会，至2019年老年人口比例则超过25%。第二类，随着人口老龄化水平的提高，人均专利申请量呈先升后降趋势。这类国家包括葡萄牙、希腊、拉脱维亚、立陶宛、法国、捷克、荷兰和西班牙，其人均专利申请数分别在老年人口比例达到26.8%、24.9%、23.9%、24.7%、23.2%、24.0%、22.4%和21.7%时出现拐点，随后开始下降。第三类，国家的老龄化水平与人均专利申请量均呈上升态势，主要是中国、美国与韩国。相对而言，这三国的老龄化程度较弱，中国和韩国在2000年老年人口比例约为10%，刚步入老龄化社会。美国2000年这一比例为16%。由此可见，在不同的老龄化阶段，老年人口比例与人均专利申请量的关系会发生变化，这说明在回归中有必要加入老年人口比例的二次项，以捕捉老龄化对科技创新的非线性影响。

从中老年劳动力比例和每百万居民人均专利申请量的关系看，在第一类国家中，除了德国呈明显的劳动力老化趋势，其他国家的中老年劳动力比例基本稳定，而人均专利申请量明显下滑。在第二类国家中，除捷克外，其他国家的中老年劳动力比例持续上升，而其人均专利申请量呈先升后降趋势。在第三类国家中，中国和韩国的中老年劳动力比例与人均专利申请量均呈快速上升趋势。美国的中老年劳动力比例上升相对缓和，与其人均专利申请量的上升趋势基本同步。由于劳动力老化与经济发展、产业结构等社会经济变量密切相关，有必要在控制其他变量后识别劳动力老化对科技创新的独立影响。

（二）老年人口比例上升与劳动力老化对科技创新的差异化影响

我们首先基于公式（1）估计老龄化对于科技创新的影响。表2的模型1除了老年人口比例及其二次项之外，仅控制了国家和时间固定效应。结果显示，老年人口比例与科技创新之间呈倒U形关系。具体而言，人均专利申请量在该国老年人口比例达到24.0%时上升至峰值，之后趋于下降。由于老龄化比较严峻的国家往往是发达国家，其收入水平、服务业比重、对外开放度和研发投入也比较高，因此需要进一步在模型2中控制上述变量。模型2的结果显示，二者的倒U形关系依然存在，然而科技创新达到峰值的节点前移，出现在老年人口比例为21.0%时。模型3单独考虑劳动力老化对科技创新的影响，结果发现劳动力老化显著提升了人均专利申请量。即便在控制一系列社会经济变量后，模型4中劳动力老化对科技创新的影响系数依然显著为正，但系数值相对于模型3明显缩小。

模型5同时纳入老年人口比例和中老年劳动力比例这两个老龄化指标。结果显示，一方面，老年人口比例与科技创新呈稳健的倒U形关系，即人均专利申请量先随着老年人口比例的上升而增加，但当老年人口比例迈过21.7%这一节点后，老年人口比例上升对科技创新的抑制作用开始显现。与模型2未将劳动力老化纳入分析的结果相比，模型5中科技创新达到峰值的节点略有后移，而且在深度老龄化阶段科技创新下降的趋势更为平缓。另一方面，与模型4未将老年人口比例纳入分析的结果相比，模型5中劳动力老化对科技创新的促进作用缩小了约30%，但依然在0.01的水平上显著。具体而言，中老年劳动力比例每提高1个百分点，人均专利申请量增加16.3件或提升8.4%（16.3/194.6）。由此可见，老年人口比例的上升与劳动年龄人口的老化对于科技创新的影响呈现明显的差异。若仅使用老年人口比例上升这一单一指标，则无法全面诠释老龄化对科技创新的多维影响。

控制变量的系数与预期相符合，人均GDP提高、服务业比例上升、出口依存度提高和研发投入强度增加对于科技创新都具有积极的促进作用。

（三）健康改善与产业升级如何调节老龄化对科技创新的影响

如前文所述，随着社会转型与经济发展，老龄化对科技创新影响的方向与大小均可能发生变化。在此，我们考察两个具体问题：一是健康改善如何调节老年人口比例上升对科技创新的影响，二是产业升级如何调节劳动力老化对科技创新的影响。

表3的模型1引入了第一个调节变量——0岁时健康预期寿命，作为健康资本的测度。健康预期寿命平均每提升1岁会使得每百万居民人均专利申请量增加13.3件。模型2则引入第二个调节变量——中高技术制造业增加值占GDP比重，作为产业升级的测度指标。产业升级对科技创新具有积极的影响，但其系数并不显著。

模型3为全模型，添加了健康预期寿命与老年人口比例的交互项，以及产业升级与中老年劳动力比例的交互项。健康预期寿命与老年人口比例的交互项系数为2.97（P<0.01），老年人口比例的一次项系数为-99.09（P<0.01），二次项系数为-2.83（P<0.01）。由于全样本中健康预期寿命的最小值为48.48岁，因此老年人口比例的一次项系数在不同健康预期寿命的情景下始终大于44.90（2.97*48.48-99.09）。老年人口比例与科技创新之间呈稳健的倒U形关系。随着健康预期寿命的延长，科技创新达到顶点时所对应的老龄化水平逐渐右移，即该国的科技创新将在更深度老龄化的阶段达到顶峰，而且科技创新的峰值也更高。结合健康预期寿命的系数（-15.22）及其与老年人口比例的交互项系数（2.97）还可知，当老年人口比例超过5.12%后，一国健康预期寿命的增加对科技创新具有稳健的促进作用，并且对于老龄化程度更深的国家而言，健康预期寿命改善越显著，对创新产生的增益作用就越大。

模型3中产业升级与劳动力老化的交互项系数为1.77（P<0.01），劳动力老化的系数为-0.94，但不显著。结合这两个系数可知，当中高技术制造业的增加值比例超过0.53%后，劳动力老化对科技创新便具有正向影响（0.53×1.77-0.94>0），而且在中高技术制造业比较密集的国家，劳动力老化对科技创新的促进作用明显强于低技术制造业密集的国家。结合产业升级的系数（-53.46）及其与劳动力老化的交互项系数（1.77）可知，在中老年劳动力比例超过30.2%后，产业升级才会对科技创新产生积极作用（30.2×1.77-53.46）。这可能是因为在年轻劳动力充沛的国家中，产业升级主要由外部产业迁入引致，对于本地自主创新具有短期的抑制作用。

为了更清晰地呈现在不同的健康人力资本情境下，科技创新随老年人口比例上升的变化趋势。我们基于表3模型3的回归系数，在图1展示了当健康预期寿命分别为56.2岁（2019年样本最小值）、74.1岁（2019年样本最大值）和68.5岁（2019年中国的值）时，不同的老年人口比例所对应的人均专利申请量的拟合值。当健康预期寿命为56.2岁时，人均专利申请量在老年人口比例超过12.0%后就开始下滑，也就是说当该国刚步入老龄化社会后，老年人口比例的上升便会抑制该国的创新活力。当健康预期寿命为74.1岁时，科技创新达峰的节点则延迟至老年人口比例达到21.4%时。换言之，该国在迈入中度老龄化社会后，老龄化对科技创新的负向影响才会显现。当健康预期寿命为中国2019年的水平，科技创新在老龄化水平达到18.5%时达到顶峰。2019年中国老年人口比例已达17.6%，也就是说老龄化对中国科技创新的抑制作用即将显现。综上可知，在其他条件不变的情况下，如果中国能将健康预期寿命由68.5岁提升至74.1岁，那么科技创新峰值所对应的老年人口比例将右移3个百分点，而且每百万人人均专利申请量的峰值水平将明显提高。

图2则基于表3模型3的回归系数呈现了当中高技术制造业增加值占GDP比重为0.6%（2019年样本最小值）、16.1%（2019年样本最大值）和11.1%（2019年中国的比重）时，中老年劳动力比例与人均专利申请量的拟合曲线。当中高技术制造业增加值比例仅为0.6%时，拟合曲线非常平缓，即当其他条件不变的情况下，随着中老年劳动力比例的提高，人均专利申请量变化很小。而在中高技术制造业增加值比例高达16.1%时，人均专利申请量伴随着劳动力的老化显著上升，中老年劳动力比例每增长1个百分点，人均专利申请量上升27.6件。当中高技术制造业增加值比例位于2019年中国的水平时，劳动力老化对科技创新具有积极的影响，但影响力度不如产业技术层级更高的国家。具体而言，中老年劳动力比例每提高1个百分点，人均专利申请量增加18.7件。由此可见，在其他条件不变的情况下，如果中国的中高技术制造业增加值占GDP比重提升至16.1%的最高水平，那么2019年中国在中老年劳动力比例为39.2%时所对应的人均专利申请量可增加348.9件，即上升42.0%。

五、结论与启示

本研究基于2000—2019年的跨国面板数据，采用双重固定效应模型，考察老年人口比例上升与劳动力老化对科技创新的差异化影响，进而探索健康改善与产业升级对该影响的调节作用。研究发现，老年人口比例上升对科技创新的影响表现为倒U型，即科技创新随老年人口比例的上升呈先增后降趋势。劳动力老化则对科技创新具有积极的促进作用。这一方面可能源自需求倒逼效应，即劳动力老化增强了对劳动力节约型技术进步的需求；另一方面也可能因为“干中学”中积累的经验优势，有助于成熟劳动力更好地开展创新活动。进一步研究表明，健康改善能有效缓解老年人口比例上升对科技创新的消极影响或提振老龄化对科技创新的积极影响。随着健康人力资本的改善，科技创新将在更深度老龄化的阶段才开始下降，而且科技创新的峰值也明显提高。这一结果符合理论预期：随着健康状况的改善，老年人口扩张不会造成医疗卫生财政支出的急剧攀升，从而避免了对科研投入的挤压，同时健康老年人对于发展型与享受型商品与服务的需求更为旺盛，从而驱动老龄相关新产品与新技术的研发。同时，产业升级显著强化了劳动力老化对科技创新的正向影响，与理论假设相一致。这可能是因为在产业升级过程中，高技能劳动力的价格趋于上涨，而劳动力老化造成年轻、高技能劳动力的相对短缺，这两个因素会进一步激励企业开展劳动力节约型的技术研发与革新。同时在低技术产业中，老年员工在创新能力和技能受训方面表现出显著的劣势，而这一年龄劣势在高技术产业不再明显。

上述实证研究结果有三点政策启示。首先，应前瞻性地科学预判人口老龄化进程中科技创新的发展趋势。一方面，基于中国2019年的健康预期寿命，科技创新将在老年人口比例为18.5%时达到顶峰。2020年我国老年人口比例已达18.7%，未来20年这一比重的快速上升将对科技创新构成下行压力。另一方面，我国45—59岁人口占20—59岁人口比重在未来40年还将提升8.7个百分点，将有效抑制科技创新的下行趋势。

其次，应积极推动健康中国建设，增进健康人力资本投资。2000—2019年，我国健康预期寿命从63.7岁上升至68.5岁，但仍明显低于日本（74.1岁）和新加坡（73.6岁）。在贯彻落实健康中国战略的过程中，应将健康的理念融入公共政策制定实施的全过程，构建以预防为主的全方位全周期医疗卫生保障机制，推动我国人口健康预期寿命向国际前列靠拢，助力实现积极应对人口老龄化与创新驱动发展战略的协同效应。

最后，应全方位推动产业升级，提高高技能劳动力占比。2019年我国中高技术制造业增加值占GDP比重为11.1%，与韩国（16.1%）和新加坡（15.7%）相比仍存在差距。未来应通过改造升级传统产业、培育壮大新兴产业、超前布局未来产业、完善现代化产业体系，推动我国经济发展模式向智力密集型的转变，增加对高技能劳动力群体的需求，从而更有效地激活劳动力老化对科技创新的促进作用。