人口结构演变和地区创新——来自中国经验数据的实证研究

冯 伟， 付 悦

(东南大学 经济管理学院，江苏 南京 211189)

一、引 言

新常态下中国主要依靠传统生产要素驱动的经济增长方式已渐趋式微，保持经济长期可持续增长的有效出路在于技术进步，即创新发展[1-2]。近年来，我国一直将创新作为经济发展的战略支撑和重要落脚点，不断改善创新环境，提升创新竞争力。然而，在科技创新取得巨大进步和发展的同时，中国自主创新的道路依旧任重道远，主要原因在于我国在前瞻性基础研究、颠覆性技术创新和引领性技术突破等方面仍然面临着诸多的瓶颈与短板，创新效率还有待进一步提高。尤其是近年来，伴随着人口出生意愿的非预期性走低和人口老龄化的日益加速，人口对创新驱动的红利效应正在不断弱化。根据熊彼特(Schumpeter)所提出的“创造性破坏”的概念，只有通过创新才能破坏曾经受制于人的产业体系，进而去重塑一个产权明晰、科技自主的高新技术体系。虽然创造性破坏的过程充满了风险与挑战，但是实现科技自立自强对于我国提升自主创新能力来说具有十分重要的意义[3]。

技术创新优势是一国生产要素和人口特征的集中反映[4]。当前，中国人口增长的“新常态”逐渐显现，传统的人口禀赋优势已逐渐由正效应转变为负效应。基于此，在利用人口要素推进经济增长的过程中需要转变观念，即从过去只注重人口数量或规模等传统红利要转变为注重人口结构和质量等新型红利来提升创新水平，进而形成基于人口结构演变的新优势。改革开放以来，庞大而又低廉的劳动力在推动中国经济高速增长的过程中发挥了重要作用，但是经过40多年的发展，人口结构发生重大转变的中国正在失去这一最大的优势。因而，如果逐年减少的可劳动年龄人口在得不到有效增加和扭转的情形下，老龄化能在多大程度上影响社会的创新活力是值得关注的。从我国长三角地区和珠三角地区的人口老龄化程度和创新活力的对比中，我们或许能找出人口结构演变与地区创新之间的初步关系。首先，在年龄结构方面，目前长三角地区的老龄化程度仅次于东北地区但要远高于珠三角地区，在全国31个省市中，江苏、上海、浙江和安徽的老龄化率全部跻身前10，而广东的排名则几乎位列最后。如图1所示，2001～2018年，长三角地区的老龄化率明显高于广东。

图1 2001～2018年长三角和珠三角地区的老龄化率数据来源：经过历年《中国统计年鉴》统计而来。

其次，在创新能力方面，根据《中国区域创新能力评价报告2019》的测算，广东以59.49的区域创新能力综合效用值位列全国第一，连续3年蝉联全国首位，而江苏、上海、浙江和安徽分别以49.58、45.63、38.80和28.70的数值位列第3、4、5和10位；此外，根据2015～2019年中国区域创新能力变化情况(见表1)，可以看出，广东的创新能力在中国大陆地区处于持续领跑的地位，而长三角地区“三省一市”的创新能力均出现不同程度的下降。

表1 2015～2019年我国区域创新能力的变化情况

通过上述对比可以发现，同为引领我国经济发展的两大世界级城市群，长三角地区和珠三角地区却在创新能力上存在着明显的差别。这主要在于珠三角地区人口数量占优且尤以年轻人居多，这为其带来了巨大的创新红利，从珠三角到粤港澳大湾区规划也印证了要更加注重对年轻人的吸引和培养，进而提高地区创新活跃度。这也意味着如何挖掘并发挥人口结构演变中所出现的新优势，对我国各地区推进创新驱动战略和实现高质量发展具有重要的现实指导意义。

因此，本文从动态和静态、时间和空间等4个维度来解构人口结构演变的内涵，并实证分析这些内涵对地区创新的影响，其内在的逻辑：一是将人口老龄化和人口流动看作是动态的人口结构特征，而将人力资本和人口密度视为静态的人口结构特征；二是将人口老龄化和人力资本视作是从时间维度来捕捉人口结构演变内涵，而将人口密度和人口流动看作是从空间维度来体现人口结构演变特征。基于此所构建的“动静结合”与“时空结合”的分析框架来解析人口结构演变对地区创新的作用特征及其传导路径，这也是本文研究价值和学术创新的重要体现。

二、文献综述

作为经济增长和创新活动的主体，人是决定创新发展的关键要素和基本动力，我国要落实创新驱动发展战略更是要激发人的创造力和想象力。从亚当·斯密的劳动分工理论，到马尔萨斯的人口论，再到熊彼特的“创造性毁灭”理论等，均彰显了人在经济社会活动中的能动性和创造性。作为推进经济增长的重要抓手，创新也离不开“人”的作用。现有关于人口结构与地区创新之间作用关系的文献，主要是从人口年龄结构、人力资本、人口密度以及人口流动等4个方面来探讨和解析的。

关于人口年龄结构对创新的影响，大部分研究认为老龄化对创新具有负面影响。Feyrer基于87个国家1960～1990年的数据对劳动力年龄结构影响全要素生产率(TFP)的关系进行了研究，发现对全要素生产率贡献最大的人群主要集中在40～49岁的劳动力[5]。Wang和Cai认为一个城市所拥有的大学生数量越多，其对高铁促进区域创新的影响效应就越显著[6]。姚东旻等研究了人口老龄化对于中国科技创新的影响途径，认为老龄化会通过人力资本积累来影响技术创新[2]。沈可和李雅凝认为人口老龄化会对技术创新产生结构性和时空性的差异化影响[7]。

关于人力资本对创新的影响，大量研究几乎均肯定了人力资本对于创新的促进作用。经典的内生增长理论认为人力资本积累和知识溢出会通过技术创新对经济增长产生正向影响。Mahmood和Mubarik认为在工业4.0时代，作为智慧资本的一种，人力资本是促进组织创新的重要动力[8]。梁文群等研究了人力资本对中国区域创新效率的影响，发现增加人力资本存量能显著地促进区域创新效率，但是这种效应会在东中西3个地区表现出显著的异质性[9]。刘伟和张立元认为应从人力资本质量的视角来考察技术创新和经济增长潜能的推进路径[10]。

关于人口密度对创新的影响，这主要起源于城市经济学家对人口聚集促进技术创新的研究。Fritsch和Wyrwich指出在发达国家拥有高密度人口的大城市并不会带来创新力的提升[11]。Zhou等认为人口密度和创新效率之间存在着倒“U型”的关系[12]。陈淑云和杨建坤发现人口集聚和区域技术创新之间会呈现出正“U型”关系[13]。王永进和张国峰对人口聚集影响企业自主创新的机制进行了实证检验，发现人口聚集可以通过提升沟通的外部性进而增强企业的自主创新性[3]。

关于人口流动对创新的影响，大多数研究聚焦于人口流动所带来的文化多元性对地区创新的作用。Lee和Nathan基于伦敦2007年企业调查数据探究了知识型工人、文化多样性和创新之间的关系，发现来自不同地区的拥有多元文化的企业工人促进了技术创新[14]。Burchardi等使用美国县级层面130年的历史数据，研究认为来自不同国家的移民对美国技术创新的发展产生了显著的促进作用[15]。王春杨等认为高铁可以改变中国人口流动的空间分布格局，进而对地区创新能力产生影响[16]。然而，部分研究认为增加人口流动并不总是有益的。Laursen等基于荷兰企业层面的数据，认为只有高技能的移民才会对企业创新产生有利的影响，普通移民并不会产生技术创新促进效应[17]。

综上所述，目前学界对人口结构在经济增长和创新发展中的作用已做了较为广泛的研究，但是也存在着一些不足。例如，大多数研究只是从人口结构的某一属性进行探讨，鲜有基于人口结构的全貌进行剖析，这就很难清晰而又科学地捕捉并识别人口结构对于经济发展尤其是地区创新的综合作用。作为发展中大国，中国人口结构演变所形塑的新优势主要来源于庞大人口规模基础上所建构的人口年龄结构、劳动力质量以及内外部交流等方面的潜能。挖掘并利用基于人口结构演变所形成的新优势，可以为我国地区创新提供新的驱动力。相较于现有研究，本文的主要贡献在于从人口年龄结构、人力资本、人口密度和人口流动等更为全面的视角来解析人口结构演变对地区创新的综合影响，以期能为新时代中国充分利用并深度发挥人口结构演变所建构的新优势，进而高质量地推进经济发展提供学理参考和政策启示。

三、研究设计

1.理论模型

根据上述分析可知，人口结构会影响地区创新。对此，我们可以将人口结构内生至生产过程。假设生产过程所内含的生产要素同质且满足边际报酬递减规律，可令区域i的生产函数为：

Yit=AitF(Lit,Cit)

(1)

其中，Y表示产出，A表示生产技术效率，L表示劳动力，C表示物质资本。

假设A(·)为希克斯中性技术进步，并受人口结构和地区创新环境的影响，即：

Ait=A(DSit,IEit)

(2)

其中，DSit表示区域i的人口结构。根据Feyrer[5]、梁文群等[9]、Zhou等[12]和王春杨等[16]的做法，我们将人口结构解构为人口年龄结构、人力资本、人口密度和人口流动等；IEit表示区域i的创新环境。根据毛其淋和盛斌[18]的做法，进一步有：

A(DSit,IEit)=Ai0(DSit)γi(IEit)ηi

(3)

其中，Ai0表示初始生产效率水平，γi、ηi分别表示人口结构和地区创新环境对技术进步的影响参数。

假设F(,)为Cobb-Dauglas函数，对于区域i，有：

(4)

假设创新产出为除物质资本与劳动力投入之外的其他投入对产出的影响[19]，即：

Innoit=Ai0(DSit)γi(IEit)ηi

(5)

对上式两边同时取对数，可得：

lnInnoit=lnAi0+γilnDSit+ηilnIEit

(6)

方程(6)刻画了人口结构与创新环境对地区创新的影响，从中可以看出人口结构会对地区创新产生重要的作用。具体而言，一地区因人口老龄化的影响而会出现智力支撑弱化和创新活力缺失等现象，进而会阻滞该地区的创新步伐[7]，但是也可以通过提升人力资本水平为地区创新提供先进生产力和持久动力[9]；同时，推进一地区的创新发展也需要突破一定的人口集聚的规模化程度或达到适度的人口流动的速率，这样才能形成人口集聚的规模效应和人口流动的溢出效应，进而为地区创新建构劳动力池和提供人才储备[13,16]。因而，人口密度和人口流动对地区创新具有非线性的影响关系。

在厘清人口结构与地区创新之间的作用关系后，还需要考虑创新环境对地区创新的影响。基于相关文献[2,16]，本文将影响地区创新的环境划分为外部和内部、硬件和软件4个方面。

首先，对外部环境来说，开放包容的对外交流有利于创新主体之间的跨国或跨地区的贸易往来和投资互动，有助于知识溢出。对此，本文用一地区吸引外商直接投资(FDI)的数额来表示该地区的开放程度。

其次，对于内部环境来说，其可细分为硬件和软件两个方面：在软件方面，推进地区创新离不开政策支持和经济支撑，具体包括政府部门对创新活动的支持和研发经费的投入以及地区经济增长状况等；在硬件方面，先进的产业支撑体系和现代化的城市发展水平能为地区创新提供高规格的牵引载体和基建保障。

综上所述，我们可以展现人口结构演变对地区创新的作用过程，具体如图2所示：

图2 人口结构演变对地区创新的作用过程

2.实证方程和变量说明

根据上述所推演的方程(6)，我们可以构建如下实证方程，即：

lninnoit=α+β1lnoldit+β2lnhcit+β3mit+β4lndit+β5lncontrolit+μit+εit

(7)

其中，innoit表示地区创新，oldit表示人口老龄化，hcit表示人力资本，mit表示人口流动，dit表示人口密度，Controlit表示控制变量，μit为各省市的个体特征，εit为误差项，i为各省市，t为年份。考虑到数据的平稳性要求和可能存在的异方差性，本文对上述变量取自然对数。需要指出的是，由于人口流动(mit)存在着负数，即净流出，因而本文并未对其取对数。下面，本文对上述各变量的测度进行说明。

(1)被解释变量：地区创新(inno)。考虑到创新是比较难以测度的变量，本文遵循王春杨等[16]的做法，采用寇宗来和刘学悦[20]所编制的创新指数作为地区创新的表征指标，并运用“专利申请授权数”来进行稳健性检验。

(2)解释变量：人口老龄化(old)。中国正在迈入老龄化社会，人口结构老龄化或将成为影响未来经济增长与创新发展的制约因素。本文采用老龄化率，即一地区65岁以上人口数占其总人口的比重来表征该地区人口老龄化的程度。

人力资本(hc)。人力资本不仅是扭转中国粗放式生产的关键动力，也是构成内生增长理论的核心要义。本文参考陈钊等[21]的做法，用加权受教育年限法来测度人力资本水平，即人均受教育年限=(小学人口数*6 +初中人口数*9 +高中及中专人口数*12 +大学及以上人口数*16)/一地区6岁及以上人口数。

人口流动(m)。人口流动会引致劳动力资源在空间上的重新配置，会对创新活动产生影响。参照王丽艳和马光荣[22]的做法，本文用人口净流动率来表示人口流动情况，即人口净流动率=(常住人口-户籍人口)/常住人口。

人口密度(d)。推进地区创新需要适度的人口 “浓度”。本文用每平方公里人口数来表示一地区的人口密度，即地区总人口数除以地区总面积。

(3)控制变量：基于方程(6)并参考现有文献[1-2，16]的做法，本文控制了影响地区创新的其他因素，如外商直接投资(fdi)、政府参与(gov)、研究与发展经费投入(rdc)、经济增长(inc)、产业结构(ins)和城市化水平(u)等，具体测度方法和统计说明可见表2所示。

本文的研究对象为2001～2018年中国31个省、自治区、直辖市(数据不包括港澳台地区)的数据。其中，专利申请授权数来自历年《中国科技统计年鉴》；各省市教育年限和地区户籍人口数等来自历年《中国人口与就业统计年鉴》；地区研究与发展经费投入来自历年《全国科技经费投入统计公报》；其余数据均来自历年的《中国统计年鉴》和各省市统计年鉴。各变量的具体统计说明，见表2所示。

表2 变量的统计说明

四、实证分析和结果探讨

1.初步回归

由于人口变量会受到各省市个体效应的影响，因而在进行回归时应采用面板固定效应模型(FE)，并通过Hausman检验，本文也发现固定效应模型(FE)更为合适，所得结果见表3的第(1)～(4)列所示。

由于在回归过程中人口结构与地区创新可能存在着内生性问题，即它们之间存在着互为因果的作用关系，而这会导致检验结果出现伪回归现象。为解决此问题，本文采用两阶段最小二乘法(2SLS)来克服。根据Fieler 等[23]的做法，本文采用人口老龄化(lnold)、人力资本(lnhc)、人口流动(m)和人口密度(lnd)的滞后值作为各自的工具变量，回归结果见表3的第(5)列所示。

表3 初步回归结果

从上述回归结果中可以看出，第一，表征人口年龄结构的老龄化的回归系数在1%的统计水平上显著为负，说明老龄化社会的到来会对地区创新发展产生抑制作用，符合本文预期。第二，人力资本的回归系数在1%的统计水平上显著为正，说明提升人力资本有利于推进地区创新，这也意味着高质量的人才资源对于提升地区创新水平是至关重要的。第三，人口流动的回归系数并不稳健，其中的原因可能在于：人口流动虽然会影响地区创新，但是通常来说只有高技能的人口流动才会产生创新效应。然而，目前我国流动人口中的高学历人才相较于庞大的人口流动总量来说仍然偏少，这就导致人口流动对地区创新的影响并不显著。第四，人口密度的回归系数显著为正，表明不断集聚的人口能为地区创新提供人口根基。

在考虑了回归中可能存在的内生性问题并通过了识别工具变量有效性的相关检验之后，我们发现表征人口结构各变量的回归系数与上述结果基本上是一致的。

此外，有必要进一步检验人口流动和人口密度对地区创新是否存在着非线性关系。对此，我们加入人口流动的平方项(m＾2)进行回归，第(6)列的结果显示m＾2的系数显著为正，但m的系数不显著，这说明从长期来看人口流动能够促进地区创新。另外，我们加入人口密度的平方项(lnd＾2)，回归结果见第(7)列所示，lnd的系数显著为负，lnd＾2的系数显著为正，说明人口密度与地区创新之间存在着正“U型”关系，这与陈淑云和杨建坤[13]的结论是一致。这也意味着虽然人口的不断集聚会产生诸多社会问题，甚至会遏制地区创新进程，但是一旦突破了“创造性破坏”的“阵痛”，就能迎来地区创新的长效发展。

2.稳健性检验

为检验上述结果的稳健性，本文采用替换被解释变量的方法，即采用“专利申请授权数”来做进一步回归。从表4中可以看出，其回归结果与表3所得结果基本上是一致的，这意味着本文所得的结论具有稳健性，即人力资本和人口密度均能显著地促进地区创新，且相较于人口密度而言，人力资本的创新效应更大，而人口老龄化会对地区创新产生阻碍作用，人口流动的创新效应则并不显著；人口密度和人口流动对地区创新具有非线性的作用特征。

表4 稳健性检验的回归结果

3.区域异质性分析

基于我国地区之间发展的不平衡性，有必要从东中西3个地区来探究我国人口结构演变对地区创新的异质性影响，回归结果如表5所示。

表5 基于区域异质性分析的回归结果

第一，从人口年龄结构的回归结果来看，东部地区的人口老龄化会对地区创新产生显著的抑制作用，而中部地区的人口老龄化会对地区创新产生显著的促进作用。这可能是因为相较于东西部地区而言，近些年，在农民工回流和产业内迁的作用下，中部地区的青壮年劳动力有所增加，这为传承技术和迭代创新提供了后备力量，进而在一定程度上弱化了人口老龄化对地区创新的抑制作用。

第二，从人力资本的回归结果来看，3个地区均显著为正，与总体样本的结果是一致的。从系数的大小来比较，发现西部地区人力资本对地区创新的促进作用最小。这可能是因为西部地区的教育水平较为落后，缺乏高质量的人才，导致西部地区人力资本的创新效应尚未被完全激发出来。

第三，从人口流动的回归结果来看，3个地区的作用系数均为负，且东中部地区通过了至少在5%的统计显著性水平检验。其中的原因可能在于：我国的东中部地区，尤其是东部地区，是我国人口迁移的主要目的地，但是近年来因为工资收入与生活成本倒挂，导致流入东部地区的人口日趋减少，“逃离北上广深”已成为一种社会现象，而这会削弱这些地区创新创业的人才储备效能。

第四，从人口密度的回归结果来看，只有在西部地区显示通过增加人口密度能够显著地促进地区创新。这可能是因为：在西部大开发政策的作用下，西部地区有力的优惠政策和优良的发展前景引致了人口回流，这对人口密度稀疏的西部地区来说能为其地区创新提供最为直接的驱动力，而对东中部地区来说，人口密度需要突破一定的阈值才能产生创新效应。

4.面板空间计量分析

为了更好地反映不同地区之间在空间上的相互竞争性以及空间溢出效应对人口结构作用于地区创新的影响，本文采用面板数据的空间计量经济学模型做进一步的分析。在回归之前，需要考察关键变量即地区创新(lninno)是否存在着空间自相关性，以甄别空间计量经济学模型的适用性。空间自相关是指位置相近或相邻的地区具有相似的变量取值，一般可通过全局莫兰指数I(Global Moran’s I)和Geary指数C(Geary’s C)来识别。全局莫兰指数I一般介于[-1，1]之间，若大于0表示正空间自相关性，小于0表示负空间自相关性，等于0表示不存在空间自相关性。Geary指数C的取值一般在[0，2]之间，若大于1表示负空间自相关性，小于1表示正空间自相关性，等于1表示不存在空间自相关性。由表6可知，地区创新的全局莫兰指数I均大于0，Geary指数C均小于1，说明地区创新具有显著的空间正相关性，因此可以运用空间计量方法进行回归。

表6 2001～2016年地区创新的Moran’I和Geary’C分布情况

基于不同的空间依赖性，本文使用具有内生交互效应的空间自回归或滞后模型(SAR)、具有误差项交互效应的空间误差模型(SEM)和同时具有内生交互效应和误差项交互效应的空间交叉模型(SAC)等进行回归。同时，本文选取空间近邻矩阵(W1)、地理距离矩阵(W2)和经济距离矩阵(W3)等作为空间权重矩阵进行回归，所得结果如表7所示。

首先，基于空间近邻(0-1)矩阵进行分析。空间近邻矩阵主要反映了各省市在空间上的毗邻关系对人口结构作用于地区创新的影响，回归结果见第(1)～(3)列所示。从中可以看出，在考虑了空间溢出效应后，人力资本和人口密度依然与地区创新具有正相关关系，而人口老龄化与地区创新是负相关关系，人口流动对地区创新的关系则并不明朗。

其次，基于地理距离矩阵进行分析，因为空间距离的远近也会产生省际溢出效应。本文所建构的地理距离权重矩阵(W2)采用地理距离平方的倒数，其中地理距离以各省市之间的经纬度距离来测量，所得结果见第(4)～(6)列所示。综合来看，其与上述的回归结果相一致，说明所得结论是稳健的。

最后，基于经济距离矩阵进行分析。由于创新活动的创生和发展不仅会受地理因素的影响，而且还会受到许多非地理近邻因素的作用。这体现在省际之间会因经济竞争而出现交互影响，如通常来说，近邻省份之间的经济竞争往往会更激烈，导致它们之间的交互影响也更为显著。本文借鉴林光平等[24]的做法，将经济距离权重矩阵表示为W3=W2×E，其中矩阵E表征地区之间的差异性，具体为：

(8)

其中，Yit和Yjt分别表示地区i和j第t年的人均GDP。

基于此，采用上述3种空间计量模型进行回归，所得结果见第(7)～(9)列所示。从中可以看出，回归结果基本上是稳健的。因而，不论是考虑省份之间的溢出效应还是竞争效应，基于人口结构演变所产生的4个属性，即人力资本、人口老龄化、人口密度和人口流动等，会对地区创新产生差异化的回归结果。这说明人口结构演变在空间关联效应下所形成的地区创新效应具有结构性特征，需要采取“区别对待”的措施，而非“一刀切”的做法。那么，产生这些相异结果背后所存在的传导路径是什么样的呢？

表7 基于空间近邻矩阵、地理距离矩阵和经济距离矩阵的空间计量经济学模型回归结果

五、传导路径分析

1.关于人力资本的传导路径分析

人力资本对于创新的作用关键在于人力资本的转化[10]。人力资本转化为创新有两个重要的影响要素：一个是“干中学”能力；另外一个是自主开发能力。前者包含了工作的学习化和学习的工作化，而后者则主要体现在创新主体会主动地发现和创造市场需求[8]。这些创新活动均离不开政府政策的支持、研发经费的投入和经济增长的保障等。因而，本文认为创新环境会对人力资本作用于地区创新的效果产生重要的影响。

对此，本文采用人力资本与各个控制变量进行回归的做法来探析人力资本会通过哪些变量影响地区创新，回归结果如表8所示。从表8中可以看出，除了城市化水平(lnu)之外，人力资本(lnhr)均能显著地促进其他控制变量。这说明通过提升一地区的人力资本水平，能够提质引资水平(lnfdi)、加大政府支持力度(lngov)、增加研发经费投入(lnrdc)、加快经济增长(lninc)和优化产业结构(lnins)等，以此来提升该地区的创新水平；而对城市化水平(lnu)来说，可能由于人力资本在我国城市间的配置或分布是非均衡的，这就导致我国的城市化出现了非协调发展，而这会影响地区创新的质量。

表8 人力资本作用于地区创新的传导路径分析

2.关于人口密度的传导路径分析

人口密度对地区创新的影响也需要创新环境的支撑。人口密度的增加为市场分工的扩展与深化提供了基石，有利于形成规模经济和范围经济。然而，进一步将人口密度型塑成创新动力需要多维因素的保障，如政策的引导、经费的投入和增长的保证等。因而，本文同样认为人口密度对地区创新的作用离不开创新环境的支撑。

对此，本文将人口密度与各个控制变量进行回归，所得结果如表9所示。从表9中可以看出，除了外商直接投资(lnfdi)和研发经费投入(lnrdc)之外,人口密度(lnd)均能显著地促进其他控制变量。这说明在人口密度所形成的规模效应的作用下，通过增加政府支持力度、优化产业结构和提升城市化水平等，一地区能为其增强创新能力提供动力来源。而对外商直接投资和研发经费投入来说，囿于我国各地区人口密度的非均质性，难以形成统一的国内大市场，这不仅弱化了各地区引进高质量外资的可能，而且还限制了各地区从事高端研发的能力，进而难以为地区创新提供知识外溢和资金支持。

表9 人口密度作用于地区创新的传导路径分析

3.关于人口老龄化的传导路径分析

现有研究普遍认为老龄化的人口年龄结构会阻碍技术创新[5]。这主要在于，一般而言，老年人的学习效率日趋不佳、工作精力也日益衰减，这使其在“干中学”中的人力资本积累效率不断减弱，进而抑制了人力资本向技术创新的转化效率[7]。对此，本文认为：通常来说，人口老龄化会通过影响人力资本的有效积累来阻滞地区创新。

为检验上述传导机制，本文参考姚东旻等[2]的做法，用人口老龄化(lnold)对人力资本(lnhc)进行回归，所得结果如表10所示。从中可以看出，人口老龄化对人力资本具有抑制作用，证实了“人口老龄化→抑制人力资本→阻滞地区创新”这一影响途径的猜想，这也意味着人口老龄化会通过降低人力资本水平进而阻碍地区创新。

4.关于人口流动的传导路径分析

人口流动并不会对地区创新产生显著作用，这主要是基于我国当前人口流动会受到户籍限制、迁移成本高昂等因素的影响而做出的基本判断。然而，人口流动会加速人力资源在空间上的优化配置，促进高质量人力资本的流动[16]。人力资本流动性越强的地方，一般来说，其创新潜力也越高，如北上广深等地区。因此，本文认为：人口流动可以通过提高人力资本水平来形成对地区创新的促进作用。对此，参考姚东旻等[2]的方法，本文用人口流动(m)对人力资本(lnhc)进行回归，结果见表10所示。从中可以看出，人口流动对人力资本具有显著的促进作用，证实了“人口流动→提升人力资本→促进地区创新”这一影响途径的作用过程，意味着人口流动可以借助提高人力资本水平来提升地区创新水平。

表10 人口老龄化和人口流动作用于地区创新的传导路径分析

六、结论和建议

人口结构是推进地区创新的重要因素。本文基于人口结构演变所形成的动态与静态、时间和空间4个要素，即人力资本、人口密度、人口老龄化和人口流动，结合2001～2018年我国31个省份的面板数据，实证分析了人口结构影响地区创新的主要特征和传导路径，研究发现：人力资本和人口密度均会对地区创新产生促进作用，其中人力资本的促进效应更为明显；而人口老龄化会抑制地区创新，人口流动对地区创新的作用则并不显著；此外，人口密度和人口流动对地区创新具有非线性影响。在作用于地区创新的过程中，人力资本和人口密度会受创新环境的影响，如会通过外商直接投资、研发经费投入和城市化水平等路径对地区创新产生传导影响，而人口老龄化会通过弱化人力资本水平阻碍地区创新，人口流动则可通过提高迁入地的人力资本水平促进地区创新。

当前，世界主要经济体正面临着复杂性和不确定性的双重挑战，对此我国更需要发挥内生力量来支撑地区创新。因而，充分利用我国人口结构演变的新优势对我国高质量地推进创新驱动发展战略具有重要的现实意义和实践价值。根据所得结论，本文提出以下5点建议。

第一，要重视老龄化对地区创新所带来的冲击，积极优化人口年龄结构。少子化是中国进入老龄化社会的主要原因之一。对此，除了继续推出鼓励生育的政策外，还应加快构建生育保障体系，包括实行生育补贴或奖励政策、给予多子女家庭住房补贴、增强女性就业权益保障、扩增托育服务供给等，切实减轻家庭的抚养成本。

第二，要大力发展教育事业，提升人力资本质量。首先，要建立多元化、高水平的教育培训体系，全面发展基础教育、强化职业教育、优化高等教育和实行终身教育，提高民众技能水平和创新能力。其次，要注重教育的公平性，促进教育资源在不同地区和群体之间的均衡配置和优化整合，尤其是要加大对欠发达地区和贫困人群的基础教育投资力度。最后，要促进人力资本与创新活动的结合，注重对战略性新兴产业和现代化科技企业的孵化、培育和扶持，发挥人力资本的智力支撑效应。

第三，要发挥人口规模优势，促进城市扩容提质。为了进一步发挥中国的人口规模优势，需要扩大城市的规模，做好接纳更多人口的城市规划，如增加住房、医院和学校等的建设，充分发挥大城市的创新示范效应。此外，还要提升城市建设的质量，如改善生态环境、加强市政建设、均衡配置优质教育医疗资源分布和补齐公共服务短板等，使城市成为充满活力的创新策源地和主阵地。

第四，要进一步放开人口流动，消除人才流动壁垒。首先，各地政府要推进户籍制度改革和创新人才引进制度，支持高层次人才的跨省跨市流动，优化劳动力的空间配置；其次，要处理好流动人口的就业和权益保障等问题，如打通户籍制度与流动人口落户之间的阻碍，促进有能力在迁入地稳定就业和生活的流动人口落户等；最后，还需要注重人口的外部交流，如通过举办人才招聘等活动，为人口流动提供交流和匹配的平台。

第五，要多维度推进地区创新，聚力提升创新质量。在引资方面，各地应进一步提升利用外资的质量，充分利用外资的知识和技术溢出效应，弥补自身的创新掣肘；在政策支持方面，各地应继续发挥财政资金的引导作用，加大研发经费投入力度，优化研发项目资助结构，鼓励社会资金参与研发设计；在经济增长方面，各地应鼓励科技成果的商业化和产业化，促进技术创新与经济增长的融合；在基建支撑方面，各地应继续推进城市化进程，加快新基建建设，重点建设智慧型城市和城市群；在产业转型升级方面，各地应加快搭建创新服务平台，打造拥有基础研究、人才引进、技术转移和产业孵化的双创生态系统，加快构建现代产业创新体系。