● 官愛蘭 周麗萍

老齡化趨勢下中國教育、科技創(chuàng)新對就業(yè)的影響
——基于1990－2013年31省面板數據的實證研究

● 官愛蘭 周麗萍

隨著人口老齡化進程加快，年輕勞動力逐漸匱乏，就業(yè)問題愈加突出。由此本文研究人口老齡化趨勢下教育和科技創(chuàng)新對就業(yè)增長的影響，以此找尋就業(yè)難的出路。文章使用1990～2013年31省面板數據，利用科技創(chuàng)新、物質資本、人力資本、實際工資與就業(yè)的超對數模型進行了面板回歸，以便探討教育、科技創(chuàng)新對就業(yè)增長的總體效應。并且，我們還根據年均人口老齡化程度將我國31個省市區(qū)劃分為三類地區(qū)，并對這三類地區(qū)分別進行了分析。結果表明，人口老齡化程度越高，其教育對就業(yè)增長的影響會越大，而科技創(chuàng)新對就業(yè)增長的影響由大變小再稍上升。因此，在老齡化程度不同的地區(qū)和時期，其政策側重點應有所區(qū)別。但不管怎樣，教育和科技創(chuàng)新是社會經濟發(fā)展的動力源，注重教育創(chuàng)新，尤其是著重培育科技創(chuàng)新人才，既能提高社會勞動生產率，又能實質性補充就業(yè)量。

教育 科技創(chuàng)新 人口老齡化 就業(yè) 面板數據

在全球老齡化趨勢蔓延之際，2013年我國65歲及以上老年人口比重達9.67%，遠高于聯(lián)合國老齡化7%的標準，這給我國社會帶來一系列問題。如15-64歲的勞動力開始負增長，“民工荒”現象日趨嚴重，人口紅利出現劉易斯拐點等，這些問題嚴重制約著我國社會經濟的發(fā)展?？陀^來看，這些問題在短期內很難改善，原因在于：一方面隨著經濟的不斷發(fā)展，人們的生育意愿在大幅降低，且不孕不育率趨于上升，這造成新生嬰兒減少；另一方面隨著我國醫(yī)療設施的不斷健全，人均預期壽命在逐年延長，老年人越來越多。勢必造成勞動力供給相對不足。那么怎樣解決人口年齡結構老化帶來的勞動力短缺問題？教育、科技創(chuàng)新是否能緩解這一矛盾？教育、科技創(chuàng)新對就業(yè)的影響程度如何等等？這些議題值得深入探討。

國內外相關研究頗多，學者們仁者見仁智者見智。就教育對就業(yè)的影響方面，主要有以下幾種觀點。其一，教育會增加就業(yè)，尤其是增加服務行業(yè)中的就業(yè)（Blau and Ducan，1967；Mary and Maslak，2011），國內較多學者也有類似觀點（黃國平，2003；張靜，2006；顧和軍、劉云平，2013）。其二，教育將導致失業(yè)，有學者認為教育過度導致失業(yè)（R. Freeman，1976；Tsang and Levin，1985；賴德勝，1999），也有學者認為畢業(yè)生就業(yè)觀點落后導致失業(yè)（謝維和、王洪才，2001；劉萬永，2003；張烈，2004）。其三，教育與就業(yè)的關系是不確定的（胡嬌，2008），認為教育是人學會謀生的捷徑，但學校教育分擔就業(yè)責任是有限的。雖然國內外學者對此爭議較大，但大多數學者仍肯定了教育對就業(yè)的促進作用。

也有學者就科技創(chuàng)新對就業(yè)的影響進行了探討，主要觀點大致分為三種。一是，“樂觀派”認為科技創(chuàng)新對就業(yè)有明顯的促進作用（Herbert A. Simon，1982；Harvey Brooks，1985），近年來，國內許多學者針對中國的狀況進行定性、定量分析得出同樣的結論（宋德軍，2012；吳莎等，2013），即科技創(chuàng)新與就業(yè)顯著正相關。二是，“悲觀派”認為科技創(chuàng)新對就業(yè)有抑制作用（D.H. Meadows，1972；唐國華，2011；方建國、尹麗波，2012），即科技創(chuàng)新替代就業(yè)，導致失業(yè)。三是，“中性派”認為科技創(chuàng)新對就業(yè)不僅有促進作用，也有抑制作用（J.A.Schumpeter，1996；Dale T. Mortensen，1998；Araújo, Bogliacino and Vivarelli， 2011），近年來，我國也有不少學者支持此觀點（李正友、畢先萍，2004；汪慧玲，2010；劉悅等，2012）。國內外對科技創(chuàng)新與就業(yè)的關系的研究，呈現出“百家爭鳴、百花齊放”的態(tài)勢，但國內學者更傾向于科技創(chuàng)新對就業(yè)具有促進作用。

另外，還有少數學者對老齡化-教育-科技創(chuàng)新-就業(yè)四者關系進行了闡述，主要是圍繞人口老齡化對其它因素的影響進行理論分析。李文（2002）指出人口年齡結構影響勞動力參與率和勞動力供給等，克服人力資源束縛的關鍵在于加大人力資本投資，在于提高勞動力素質與勞動力生產率，增強國民科學素養(yǎng)與提升科技創(chuàng)新能力。馬雪松（2012）通過研究，認為從經濟角度看，老齡化對就業(yè)量、就業(yè)結構等都將產生全面而深遠的影響；從社會角度，對教育資源配置、科技文化事業(yè)等產生深刻影響。倪超等（2014）通過對相關文獻的研究，得出結論：人口老齡化通過影響科技進步、物質資本以及勞動力資源等途徑對我國經濟的發(fā)展產生作用，從長遠來看負效應更大。

上述研究主要分別從教育對就業(yè)的影響及科技創(chuàng)新對就業(yè)的影響方面展開，運用文獻法、定性與定量分析法等，論證了影響效應有正向關系、負向關系及中觀效應，分析了其內在因果機理，并提出了相應的政策建議，這為本文的寫作提供了參考與借鑒。但是基于老齡化背景下的教育、科技創(chuàng)新對就業(yè)的影響研究極少，尤其是采用實證方法對其進行研究的就更少。因此本文創(chuàng)新性地將教育和科技創(chuàng)新結合起來，與就業(yè)進行回歸分析，證實三者的關系。我們使用了1990至2013年31個省市區(qū)的數據進行研究，試圖為人口老齡化對就業(yè)產生的沖擊尋求出路。本文研究框架為：第一部分是引言和文獻綜述，闡明我國人口老齡化對就業(yè)的影響，交代教育和科技創(chuàng)新成為緩解就業(yè)矛盾的動力源；第二部分是構建理論模型，即擴展后的C-D函數，擇優(yōu)選取變量和數據，便于展開實證分析；第三部分是研究結果與討論，該部分詳細闡述了單位根與協(xié)整檢驗結果、總體面板模型回歸以及老齡化程度不同地區(qū)的面板回歸結果；第四部分是政策建議。

一、理論模型、變量和數據

（一）理論模型

為了研究我國各省市區(qū)人口老齡化趨勢下，教育及科技創(chuàng)新對就業(yè)增長的影響，本文引入柯布－道格拉斯生產函數：

其中，Y為實際GDP，A為技術進步，K為資本，L為勞動力。

現有生產函數模型中忽略了人口老齡化問題，而針對目前我國國情，人口老齡化問題嚴重，人口老齡化對人力資本的影響重大，同時影響著經濟發(fā)展，此外，考慮到教育對人力資本的作用，也將教育引入其中。借鑒胡鞍鋼等人（2012）做法，用E（1-u-h）N來代替人力資本。

其中，H為人力資本變量，E為受教育年限，u為人口老齡化變量，h為少兒人口比重，N為常住總人口數。這里的K以及本文后面提到的K都只是物質資本。

另外，在知識經濟時代的今天，科學技術創(chuàng)新對就業(yè)也有著一定的影響。借鑒吳延兵（2008）的作法，將技術進步要素用以下等式表示。

其中Z為科技創(chuàng)新變量，a為常量，η為隨機干擾項。

假設市場是完全競爭的，將（4）式代入（2）式，并在實現利潤最大化的前提下，推導出：

其中，cn（n=0,1,2,3,4）表示各變量系數，ε為隨機干擾項，W/P表示實際工資。

再將（4）式應用到面板數據中，得到:

其中，i表示各省市，t表示年份。

最后，將（3）式代入（6）式，化簡得:

（二）變量與數據選取

在變量的選取方面，人口老齡化變量（u）是用65歲及以上的老年人口占總人口的比重來表示，科技創(chuàng)新變量（Z）是用專利授權件數來表示，勞動力變量（L）是用每年年底就業(yè)人數來表示的，人力資本變量(H)是用E(1-u-h）N來表示。

其中，教育變量（E）是用受教育年限來表示，j=1、2、3、4、5，j代表受教育層次，1表示不識字或識字很少，2表示小學教育，3表示初中教育，4表示高中教育（包括中專），5表示大學教育（專科及以上）， Ej代表文化水平為j的人數，λj表示文化水平為j的平均受教育時間。

物質資本存量是采用張軍（2004）的省際物質資本估算方法，其中δ表示折舊率（9.6%），I/IP表示實際投資，實際投資是采用各年各省的固定投資形成總額經過平減之后的實際值。

本文樣本選取我國1990～2013年31個省市區(qū)，包含除了香港、澳門和臺灣以外的所有省市區(qū)。不同變量的缺失值采取不同方法補齊，主要是采取先對數據進行平滑，然后再進行線性回歸。根據不同的數據回歸，其數據處理有所不同，有的采取對數或半對數形式，有的采用AR模型，有的與鄰省進行回歸，目的是為了結果更接近現實，而不是一味的采用同一種模型和方法。其中，西藏的固定資產價格指數沒有數據，直接使用RPI(零售物價指數)來代替的。數據主要來源于歷年的《中國統(tǒng)計年鑒》和《新中國60年統(tǒng)計年鑒》。表1為變量的描述性統(tǒng)計。

表1 各變量的描述性統(tǒng)計

二、研究結果及討論

（一）研究結果

1.單位根及協(xié)整檢驗結果

單位根檢驗主要是分析數據中是否存在單位根，存在單位根意味著該變量的數據非平穩(wěn)。無論是時間序列，還是面板模型，都存在同樣的問題，倘若變量存在單位根，則不滿足回歸的前提條件，那么所做的回歸即為偽回歸。為了確?；貧w的正確性，本文對各變量對數的水平值和一階差分值進行了LLC、ADF - Fisher及PP - Fisher檢驗。檢驗結果表明，各變量對數的水平值單位根檢驗的P值都不顯著，接受原假設，即存在單位根；而各變量對數的一階差分單位根檢驗的P值都較顯著，表明一階差分之后各變量都不存在單位根，即一階差分后均是較平穩(wěn)的數據。

格蘭杰（1987）提出的協(xié)整檢驗刻畫的是各經濟變量間存在著長期穩(wěn)定的關系。協(xié)整檢驗的前提條件是各變量為同階單整，從單位根檢驗得知我們選取的變量滿足該條件。因此可以進行協(xié)整檢驗。一般來說，面板數據采用Pedroni、Kao與Johansen三種方法進行協(xié)整檢驗，檢驗的原假設是面板變量之間不存在協(xié)整關系。Pedroni協(xié)整檢驗方法是以協(xié)整方程的回歸殘差為基礎構建7個統(tǒng)計量來對面板數據進行協(xié)整關系檢驗。Pedroni協(xié)整檢驗結果顯示，除了面板ρ和組間ρ以外，其它5個統(tǒng)計量都十分顯著。就Pedroni（2003）的觀點，在時間較短的情況下，面板t和組間t有較高的效能。因此，Pedroni殘差協(xié)整檢驗結果表明，面板的5個變量之間存在協(xié)整關系。此外，Kao與Johansen兩種方法進行的協(xié)整檢驗同樣十分顯著，表明面板變量的對數形式之間存在協(xié)整關系。

2.總體回歸結果

單位根和協(xié)整檢驗說明本文選取的變量可以進行面板回歸，面板回歸模型主要包括靜態(tài)模型和動態(tài)模型，我們采用靜態(tài)模型，靜態(tài)模型不僅包括三種傳統(tǒng)模型（混合模型、固定效應模型和隨機效應模型），還有PCSE（Panel Corrected Standard Errors，面板校正標準誤）模型、FGLS（Feasible Generalized Least Squares，可行的廣義最小二乘法）模型、GMM（Gaussian Mixture Model，高斯混合模型）等。一般來說，靜態(tài)模型首先是在混合模型、固定效應模型和隨機效應模型中進行選擇。前兩者采用F檢驗進行抉擇，我們使用Stata軟件，檢驗結果表明不能選擇混合模型；而后兩者通常使用豪斯曼檢驗，該檢驗的原假設是隨機效應模型，從表2中豪斯曼檢驗的P值顯示拒絕原假設，因此選擇固定效應模型。并經過修正的瓦爾德檢驗，其卡方值為1807.53，P值十分顯著，說明回歸存在異方差。根據需要，我們對因變量就業(yè)水平的對數進行了多種回歸，最終選擇以表2中所述的三種回歸作為實證結果。

表2 回歸結果

表3 老齡化程度地區(qū)分類

從表2可以看出，FE（固定效應）模型中InK的系數估計值不顯著，且InW/P的系數估計值為正，不符合經濟理論。對面板回歸進行自相關與異方差檢驗，發(fā)現面板回歸存在自相關和異方差，因此在后面兩種模型當中進行了相關的修正。在PCSE_C修正模型中，發(fā)現諸變量、常數項系數估計值以及Wald chi2（4）都非常顯著，擬合優(yōu)度也非常高，總體來看該模型符合現實情況。與之相似的FGLS_C模型，諸變量的系數估計值都很顯著，而且符合經濟理論。容易發(fā)現，PCSE_C模型與FGLS_C模型的各變量的系數估計值相差不大，尤其是InZ的系數估計值二者幾乎相同。不同建模方法，得出相類似的系數估計值，這也證實了PCSE_C模型與FGLS_C模型的各變量的系數估計值較正確。

總體效應結果表明，科技創(chuàng)新對就業(yè)的貢獻率約在5%-5.6%，物質資本對就業(yè)的貢獻率大約在3.5%左右，人力資本對就業(yè)的影響約在67%-77%之間，實際工資對就業(yè)的抑制率約為12%左右。可想而知，我國要解決就業(yè)問題，除了要投入大量物質資本以外，還需要大力發(fā)展教育和科技創(chuàng)新。科學技術的創(chuàng)新與教育也密不可分，教育能促進科技創(chuàng)新的發(fā)展，因此我國應加大對人才培養(yǎng)的力度，培養(yǎng)符合勞動力市場所需人才，這不僅能夠提高企業(yè)生產效率，也能解決就業(yè)問題。

3.人口老齡化差異

上述我國31個省市區(qū)總體面板回歸沒有考慮人口老齡化對就業(yè)影響，因此根據各省市的1990-2013年的年均65歲以上老年人口占比進行分類，將這31個省市區(qū)劃分成三類：1.人口老齡化程度較低地區(qū)，其年均老年人口占比小于7%；2.人口老齡化程度較高地區(qū)，其年均老年人口占比大于等于7%且小于8.5%；3.人口老齡化程度高的地區(qū)，其年均老年人口占比大于等于8.5%。1、2、3類地區(qū)分別有10、11、10個省市。

其中，表3中類別1是指老齡化程度較低的地區(qū)，2是老齡化程度較高的地區(qū)，3是指老齡化程度高的地區(qū)。并分別對這三類地區(qū)進行PCSE_C模型與FGLS_C模型回歸，結果如表4。

在多種模型中，我們甄選出表4所示的PCSE_C和FGLS_C兩種模型。通過對不同老齡化程度地區(qū)的面板回歸，各變量的顯著性水平、R2、Wald chi2值都較高，表明各模型擬合較好。在我國老齡化程較低地區(qū)，科技創(chuàng)新對就業(yè)的貢獻率大致在5%-10%，人力資本（包括教育）對就業(yè)的貢獻率約為56%-69%；在我國老齡化程度較高地區(qū)，科技創(chuàng)新對就業(yè)的貢獻率約1.8%左右，人力資本（包括教育）對就業(yè)的貢獻率已經達到99.5%了；而在我國老齡化程度高的地區(qū)，科技創(chuàng)新對就業(yè)的貢獻率約3.3%，人力資本（包括教育）對就業(yè)的影響程度高達99.8%。三類地區(qū)的兩種模型皆表明，老齡化程度越高的地區(qū)，人力資本對該地區(qū)就業(yè)的影響會越來越大，而科技創(chuàng)新對該地區(qū)的就業(yè)彈性卻由大變小再變大，但很明顯老齡化程度較低的科技創(chuàng)新就業(yè)彈性還是高于老齡化程度較高和高的地區(qū)。從上文得知，人力資本變量由E（1-u-h）N來表示，那么人力資本對數的系數也是教育變量對數的系數，這意味著隨著老齡化程度愈加嚴重，教育的就業(yè)彈性越來越大。

表4 不同老齡化程度地區(qū)回歸結果

綜上所述，無論是總體面板模型，還是老齡化程度不同地區(qū)的面板模型，都能說明科技創(chuàng)新對就業(yè)增長有促進作用，但很可能會隨老齡化程度加大，而代替部分勞動力，進而有部分抑制就業(yè)作用；物質資本對就業(yè)增長有著促進作用；E（1-u-h）N的估計系數為正且較大，因此人口老齡化對就業(yè)增長顯然起著阻礙作用；受教育程度對就業(yè)有明顯的促進作用；實際工資對就業(yè)有著一定的抑制作用。對比總體面板回歸，我們發(fā)現老齡化程度的變化會影響著各變量的系數估計值。換句話說，隨著老齡化程度的不斷加劇，科技創(chuàng)新、物質資本、受教育程度以及實際工資對就業(yè)的影響也會不同。其中，教育會隨著老齡化程度加重，對就業(yè)的正向影響會越來越大；科技創(chuàng)新則不一樣，它會隨著老年人口比重加大到一定程度，替代效應會變大，但隨著老齡化程度繼續(xù)加大，科技進步的替代效應又相對變小一點。無論是科技代替人力，還是實際增加就業(yè)，都能夠彌補勞動力的不足。

（二）討論及政策建議

近年來我國人口老齡化趨勢愈加嚴重，我國大部分地區(qū)65歲以上老年人口占比超過了7%（國際標準），年輕勞動力在不斷縮減，勞動力短缺問題日益突出。倘若不能夠很好的解決該問題，可能會引發(fā)國家或地區(qū)的經濟衰退，進而影響到我國社會、政治、文化等各個領域。因而我們對不同老齡化程度地區(qū)分別進行面板回歸，得出結論：老齡化程度越高的地區(qū)，受教育年限增長對就業(yè)增長的影響越大，而科技創(chuàng)新雖然對就業(yè)增長有著正向影響，但并沒有隨老齡化程度變大，而是由大變小再變大，變化態(tài)勢不確定。不同老齡化程度之下，導致教育對就業(yè)影響的結果主要原因有：一是老齡化程度不斷加深的同時，勞動力市場對人才的素質要求逐漸提高，而教育是實現勞動力素質提升的最佳途徑，無論是學校教育，還是企業(yè)培訓，都能夠切實提高人力資源的素質，進而滿足社會企業(yè)單位所需人才要求，因此老齡化程度越高的地區(qū)，教育對就業(yè)增加的影響越明顯；二是老齡化程度加重也能側面反映出該地區(qū)人們健康指數較高，人們豐衣足食，服務業(yè)相對發(fā)展更快，而服務業(yè)對勞動力素質要求較高，因而受教育程度也成為服務業(yè)求職的一大門檻，受教育年限會隨著老齡化程度加深而對就業(yè)影響越大。此外，在老齡化背景下，科技創(chuàng)新對就業(yè)有積極促進作用，但促進程度相對較低，主要原因有：一方面，老齡化程度高的地區(qū)，科技水平相對較高，進一步創(chuàng)新的難度加大，對就業(yè)的促進作用不太明顯；另一方面，老齡化程度較高的地區(qū)，經濟發(fā)展也較快，市場需要創(chuàng)新，而科技創(chuàng)新會帶來新產品，新產品的延伸需要更多的勞動力；再則，科技創(chuàng)新也會產生新技術，新技術可能導致部分勞動者失業(yè)，而且隨著老齡化的不斷加重，人力資源的不斷減少，人力成本增加，因此許多企業(yè)走技術代替勞動的路線，這導致了科技創(chuàng)新對就業(yè)增長影響不大，但能夠代替就業(yè)，彌補勞動力不足。

科技創(chuàng)新對就業(yè)的正向影響相對小一些，并不意味著科技創(chuàng)新對社會經濟發(fā)展的貢獻小，相反科技創(chuàng)新代替了人力，降低了企業(yè)對勞動力的需求（見圖1）。

圖1 人口老齡化趨勢下科技創(chuàng)新對勞動力市場的影響

圖1表明，一方面，人口老齡化使得勞動力供給下降，勞動力供給曲線S左移至S’；另一方面，科技創(chuàng)新能夠提高生產效率，代替人力，使得勞動力需求減少，勞動力需求曲線D也左移至D’。可以看出，勞動力市場的均衡點從E點轉移到E’，即科技創(chuàng)新降低勞動力需求，卻能夠再次使勞動力市場恢復均衡。當老齡化持續(xù)加劇，科技創(chuàng)新的就業(yè)彈性又有所回升，說明科技創(chuàng)新不僅能夠代替人力，也能夠創(chuàng)造新的就業(yè)機會，科技創(chuàng)新有助于緩解人口老齡化所帶來的就業(yè)問題。

因此，根據研究結論，在老齡化程度不同的地區(qū)和時期解決就業(yè)困境的側重點應有所區(qū)別，因地制宜，因時變策。但總體上是從教育和科技創(chuàng)新兩方面來緩解老齡化對就業(yè)的沖擊，具體政策建議如下。

1.結合就業(yè)所需，發(fā)展教育事業(yè)，促進勞動力供需均衡。近幾年，我國面臨著大學生找工作難，而企業(yè)招人也難的困境，我們認為導致這種結構性失業(yè)的關鍵在于，教育發(fā)展滯后于企業(yè)發(fā)展以及高考制度的不完善。因此，國家應結合企業(yè)就業(yè)所需人才，健全和完善教育機制，為社會勞動力供求基本均衡服務。

2.發(fā)展素質教育，促進服務業(yè)發(fā)展，為第三產業(yè)提供高素質人才。在三次產業(yè)中，第三產業(yè)發(fā)展的越來越快，所占比重也越來越大，因此其重要性不言而喻。而第三產業(yè)對綜合素質的要求較高，學校應注重素質教育，而不是偏離社會發(fā)展需要，一味只看學習成績，應注重學生德智體美勞的全面培養(yǎng)。

3.加大職業(yè)教育和培訓，尤其是再就業(yè)培訓，有助于提升就業(yè)的質和量。職業(yè)教育和培訓直接影響著企業(yè)的勞動生產率，而國內對職業(yè)教育和培訓的重視程度不夠，尤其是再就業(yè)的培訓，但其實很多時候不是下崗職工或退休人員自己放棄再就業(yè)的機會，而是社會忽視了他們需要再就業(yè)的技能。因此，我國應注重職業(yè)教育和培訓，并對下崗職工和退休人員進行再就業(yè)培訓，這不僅能夠提升就業(yè)的質和量，而且還能部分解決老年人求職問題。

4.加大科技創(chuàng)新投入力度，注重培養(yǎng)科技創(chuàng)新人才。一般來說，投入和產出是成正比的。雖然近幾年我國在這方面有所改進，但在很多經濟發(fā)展落后地區(qū)投入仍不足，科研環(huán)境仍較差，所以國家需要加大科技創(chuàng)新投入力度，尤其在經濟發(fā)展落后地區(qū)。

5.完善科技創(chuàng)新激勵機制，強化科技創(chuàng)新的動力。人的潛能是無限的，科技創(chuàng)新需要健全的激勵機制，以激發(fā)人創(chuàng)新的潛能。馬斯洛的需求層次理論中，提到人的需要按照重要性和層次性排序，從基本的生理需要到復雜的自我實現的需要，逐級上升，成為推動繼續(xù)努力的內在動力。因此要完善科技創(chuàng)新激勵機制，不僅僅從物質補助方面對科研人員進行鼓勵，而且還需要從精神方面進行激勵，比如美名宣傳，激勵科研人員繼續(xù)努力。另外激勵需要透明，公開公正。

6.加強校企聯(lián)合科研，推動實用高新產品和技術的有效轉化。高校擁有年輕有創(chuàng)造力的人才，企業(yè)是實踐的最好場所，高校與企業(yè)應聯(lián)合協(xié)作開發(fā)，以便提升創(chuàng)新產品和技術的實用性，促進科技創(chuàng)新的發(fā)展，加大科技創(chuàng)新對就業(yè)的促進作用。

1.德內拉·梅多斯、喬根·蘭德斯、丹尼斯·梅多斯（編著），李濤、王智勇（譯）：《增長的極限》，機械工業(yè)出版社，2013年版。

2.方建國、尹麗波：《技術創(chuàng)新對就業(yè)的影響:創(chuàng)造還是毀滅工作崗位——以福建省為例》，載《中國人口科學》，2012年第6期，第34-43頁。

3.顧和軍、劉平云：《教育和培訓對中國城鎮(zhèn)勞動力就業(yè)的影響——基于CLHLS數據的經驗研究》，載《人口與經濟》，2013年第1期，第76-82頁。

4.胡鞍鋼、劉生龍、馬振國：《人口老齡化、人口增長與經濟增長——來自中國省際面板數據的實證證據》，載《人口研究》，2012年第3期，第14-26頁。

5.赫伯特?A?西蒙：《管理決策新科學》，中國社會科學出版社，1982年版。

6.胡嬌：《教育與就業(yè)》，東北師范大學博士學位論文，2008年。

7.黃國平、張國初：《教育對就業(yè)的影響》，載《數量經濟技術經濟研究》，2003第9期，第12-16頁。

8.賴德勝：《教育似一座孤島—中國教育遭遇結構性過度》，載《中國國情國力》，1999年第9期，第10-11頁。

9.李文：《人口與經濟可持續(xù)發(fā)展》，中國社會科學院研究生院博士學位論文，2002年。

10.李正友、畢先萍：《技術進步的就業(yè)效應:一個理論分析框架》，載《經濟評論》，2004年第2期，第21-24頁。

11.劉萬永：《代表委員破解大學生就業(yè)難》,載《中國青年報》，2003年03月10日。

12.劉悅、袁倫渠、李茂峰：《科技創(chuàng)新與就業(yè)關系研究》，載《工程和商業(yè)管理國際學術會議論文》，美國科研出版社，2012年版，第3660-3664頁。

13.馬雪松：《論老齡化對江西經濟社會的影響》，載《江西社會科學》，2012年第10期，第238-242頁。

14.倪超、陳翌蒔、邱效威：《中國人口老齡化對經濟增長影響的研究述評》，載《中國人力資源開發(fā)》，2014年5月號第9期，第87-93頁。

15.宋德軍：《科技創(chuàng)新對就業(yè)的影響效應》，載《技術經濟》，2012年第6期，第34-42頁。

16.唐國華：《技術創(chuàng)新的動態(tài)就業(yè)效應:基于結構VAR模型的實證研究》，載《科學學與科學技術管理》，2011年第4期，第72-75頁。

17.汪慧玲：《技術進步對勞動就業(yè)影響的實證研究——以資源型城市為例》，蘭州大學博士學位論文，2010年。

18.吳莎、代敏、肖云川：《論科技創(chuàng)新推動大學生就業(yè)》，載《中國成人教育》，2013年第21期，第71-72頁。

19.吳延兵：《自主研發(fā)、技術引進與生產率》，載《經濟研究》，2008年第8期，第51-64頁。

20.謝維和、王洪才：《從分配到擇業(yè)——大學畢業(yè)生就業(yè)狀況的實證研究》，教育科學出版社，2001年版。

21.張靜：《我國教育對就業(yè)的影響》，載《遼寧經濟》，2006年第12期，第80-81頁。

22.張軍、吳桂英、張吉鵬：《中國省際物質資本存量的估算:1952-2000》，載《經濟研究》，2004年第10期，第35-44頁。

23.張烈：《2004年就業(yè)市場將厚積薄發(fā)》，載《21世紀經濟報道》，2004年2月9日。

24.Araújo, B.C., Bogliacino, F., Vivarelli, M. Technology, Trade and Skills in Brazil: Some Evidence from Microdata. Revista CEPAL/CEPAL Review, forthcoming, 2011: 927-939.

25.H?布魯克斯：《技術、競爭和就業(yè)》，載《經濟學譯叢》，1983年第6期。

26.Mary,Maslak. Education, Employment and Empowerment: the case of a young woman in northwestern China. Research in Comparative and International Education, Volume 6 Number 1 2011:119-128.

27.Mortensen, Dale T; Pissarides, Chaistopher A. Technological Progress, Job Creation, and Job Destruction, Review of Economic Dynamics. Volume 1, Issue: 4, October, 1998, p733-753.

28.OD Duncan, M Blau. The American occupational structure. American Sociological Review, 1967.

29.Richard B. Freeman. The Overeducated American. Academic Press.1976.

30.Schumpeter, J. Capitalism, Socialism and Democracy. London, Allen&Unwin.1943, p83.

31.Tsang, M.C. and Levin, H. M. The economics of over education. Economics of Education Review,1985.

The Employment Growth Effect of Education and Technological Innovation under the Trend of Population Aging
——The Empirical Study Based on the Panel Data of 31 Provinces From 1990 to 2013

Guan Ailan and Zhou Liping
（School of Humanities and Social Science, East of China Jiaotong University）

As the population aging process is accelerating, gradually the lack of young workers, employment issues become more prominent. This paper attempts to study the employment growth effect of education and technological innovation under the trend of population aging to fnd way out of the diffcult employment. As used herein, from 1990 to 2013 31 provincial panel data, the use of scientific and technological innovation, physical capital, human capital, real wages and employment over the logarithmic model was calculated to investigate the overall effect of education, science and technology innovation on employment growth.We also according to the average annual population aging will our area is divided into 31 provinces and three regions, and these three regions were the corresponding panel regression.The result indicates that the degree of population aging is higher, the employment growth effect of education is greater, and the infuence of scientifc innovation on employment growth from large to small, then rising slightly. So in the different degree aging of regions and period differ from policy in their focus. But education, science and technology innovation is the power source of the social and economic development, pay attention to the education innovation, especially on cultivating technical innovation talents that can enhance the social labor productivity and substantially supple employment.

Education; Technological Innovation; Population Aging; Employment; Panel Data

■責編/倪超 E-mail：nc714@163.com Tel: 010-88383907

10.16471/j.cnki.11-2822/c.2015.11.012

官愛蘭，華東交通大學人文社會科學學院，教授。

周麗萍，華東交通大學人文社會科學學院，碩士研究生。電子郵箱：zlpwyxy@ qq.com。

本文受江西省社會科學規(guī)劃項目（13YJ05）和江西省教育科學規(guī)劃項目（13YB023）資助。