李翠妮,葛 晶,趙沙俊一

(1.西北大學(xué) 經(jīng)濟(jì)管理學(xué)院,陜西 西安 710127;2.中國人民大學(xué) 國家發(fā)展與戰(zhàn)略研究院,北京 100871;3.華北水利水電大學(xué) 管理與經(jīng)濟(jì)學(xué)院,河南 鄭州 450045)

那么,人口老齡化問題不斷加劇會對我國經(jīng)濟(jì)高質(zhì)量發(fā)展帶來怎樣的影響?Pifer等曾斷言,“人口老齡化繼續(xù)發(fā)展下去所產(chǎn)生的沖擊將不亞于全球化、城市化、工業(yè)化等人類歷史上任何一次偉大的經(jīng)濟(jì)與社會革命”。人口老齡化問題加劇會增加經(jīng)濟(jì)長期低增長的風(fēng)險(xiǎn),對中國經(jīng)濟(jì)高質(zhì)量發(fā)展帶來嚴(yán)峻的挑戰(zhàn)。一是勞動供給萎縮。勞動人口老齡化將直接導(dǎo)致市場中的適齡勞動力供給減少。二是儲蓄率和資本形成率走低。人口老齡化對儲蓄與投資產(chǎn)生不利的影響,導(dǎo)致資本形成降低。三是技術(shù)創(chuàng)新效率下降。老齡化會使企業(yè)勞動力成本和政府養(yǎng)老福利支出增加,不利于技術(shù)創(chuàng)新效率的提升,老齡群體的學(xué)習(xí)能力,包括對新知識、新技術(shù)的興趣、接受速度往往相對較低。另外,老齡化會使得政府工作重心,例如財(cái)政支出,更多的向養(yǎng)老保險(xiǎn)和保障事業(yè)轉(zhuǎn)移,而在教育、研發(fā)等涉及創(chuàng)新資源積累方面的投入減少?？梢?如何應(yīng)對老齡化,是中國在轉(zhuǎn)型期需要迫切解決的問題。

黨的十九大報(bào)告著重強(qiáng)調(diào)“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”。人工智能與經(jīng)濟(jì)社會各領(lǐng)域的深度融合,在激發(fā)消費(fèi)、拉動投資、創(chuàng)造就業(yè)等方面發(fā)揮著重要作用。第一,人工智能有利于緩解勞動力供給不足、改善勞動力質(zhì)量。人工智能以“機(jī)器學(xué)習(xí)”“多元智能”等特征不僅能夠替代普通勞動力從事各種煩瑣的可重復(fù)性技術(shù)工作,減少對普通勞動力的需求,而且能促使勞動力有效利用時(shí)間,專注于更復(fù)雜的創(chuàng)新與思維活動。第二,人工智能有利于提高資本形成率。人工智能通過提高生產(chǎn)環(huán)節(jié)自動化智能化水平有助于提升生產(chǎn)效率,使企業(yè)更傾向于資本替代勞動,有助于提高資本回報(bào)率,有利于提高資本形成率。第三,人工智能有利于催生科技創(chuàng)新。人機(jī)協(xié)同的實(shí)現(xiàn)以及人工智能與實(shí)體經(jīng)濟(jì)深度融合更有助于拓展和延伸勞動力的生產(chǎn)能力,提升和挖掘勞動力的創(chuàng)造力。

可見,人工智能是應(yīng)對老齡化問題、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的有效途徑。Acemoglu等研究指出,老齡化越嚴(yán)重的國家越傾向于更早更多地使用人工智能技術(shù)從事生產(chǎn)活動。Acemoglu等進(jìn)一步為此提供了經(jīng)驗(yàn)證據(jù),發(fā)現(xiàn)老齡化將導(dǎo)致21～55歲的勞動力人口數(shù)量減少,而該年齡段勞動力對生產(chǎn)活動最重要,企業(yè)為了減弱老齡化對生產(chǎn)活動的沖擊將會更多地使用機(jī)器人替代勞動。那么,在中國當(dāng)下人口結(jié)構(gòu)和經(jīng)濟(jì)結(jié)構(gòu)雙轉(zhuǎn)型和新舊動能轉(zhuǎn)換的關(guān)鍵時(shí)期,中國人工智能的發(fā)展是否能有效緩解人口老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展帶來的不利影響?其內(nèi)在的邏輯機(jī)制是什么?目前仍然缺乏關(guān)于中國人工智能、老齡化和經(jīng)濟(jì)高質(zhì)量發(fā)展的經(jīng)驗(yàn)證據(jù),也鮮有文獻(xiàn)對其中的內(nèi)在機(jī)制進(jìn)行詳細(xì)的剖析與檢驗(yàn)。鑒于此,本文擬構(gòu)造人工智能發(fā)展指數(shù),實(shí)證檢驗(yàn)人工智能、老齡化和經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)系及其內(nèi)在機(jī)制。

一、文獻(xiàn)綜述與理論假說

勞動力是經(jīng)濟(jì)發(fā)展不可或缺的生產(chǎn)資源和投入要素之一,低成本勞動力帶來的人口紅利也是我國能夠在全球經(jīng)濟(jì)中占據(jù)一席之地的先決條件。然而老齡化將會使勞動力供給逐漸減少,全社會勞動參與率逐漸降低、人口紅利逐漸消失,導(dǎo)致生產(chǎn)企業(yè)的勞動力需求得不到滿足,特別是制造業(yè),不利于經(jīng)濟(jì)可持續(xù)發(fā)展。老齡化也會導(dǎo)致人力資本投資減少,不利于人力資本積累。由于老年人的學(xué)習(xí)能力以及對新思想的接受能力不及年輕人,相同的人力資本投資對老年人來說人力資本積累也不及年輕人,而且投資預(yù)期收益時(shí)間更是低于年輕人,導(dǎo)致老年人缺乏動機(jī)與激勵進(jìn)行人力資本投資,對勞動力結(jié)構(gòu)升級會產(chǎn)生一定的不利影響。

人工智能的發(fā)展對勞動力結(jié)構(gòu)產(chǎn)生了深遠(yuǎn)的影響。一方面,人工智能技術(shù)的發(fā)展與應(yīng)用改變了企業(yè)生產(chǎn)方式,在生產(chǎn)過程中能夠通過自動化智能化技術(shù)替代勞動力進(jìn)行生產(chǎn),而且人工智能對勞動力的替代相較于機(jī)械自動化對勞動力的替代范圍更廣、幅度更深,可以使企業(yè)減少對勞動力的依賴,這既有利于提高生產(chǎn)效率,更有利于提升產(chǎn)品質(zhì)量,從而削弱了老齡化對企業(yè)生產(chǎn)的不利影響,實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。另一方面,技術(shù)進(jìn)步還具有創(chuàng)造就業(yè)效應(yīng),新技術(shù)的出現(xiàn)會創(chuàng)造出新產(chǎn)業(yè)、新部門和新職業(yè)。人工智能技術(shù)的開發(fā)、擴(kuò)散及應(yīng)用,為高技術(shù)產(chǎn)業(yè)、新興產(chǎn)業(yè)及服務(wù)行業(yè)開拓了更廣闊的發(fā)展空間,將會提供更多基礎(chǔ)研究、產(chǎn)品設(shè)計(jì)、文化創(chuàng)意、金融投資等更高層次和質(zhì)量的就業(yè)崗位。而具有較高技能水平的勞動力能夠快速適應(yīng)新的技術(shù)環(huán)境,因此企業(yè)會更多雇傭高技能勞動力以適應(yīng)新技術(shù),通過與人工智能技術(shù)相互融合相互促進(jìn),降低生產(chǎn)成本、提高生產(chǎn)效率,繼而收入增加、總需求擴(kuò)大、總投資增加,又能再創(chuàng)造更多的就業(yè)機(jī)會,從而形成良性循環(huán)。社會各界對研究型人才、創(chuàng)新型人才、技術(shù)型人才以及實(shí)用型人才等需求不斷增大。高技能勞動力與低技能勞動力相對供給增加,促使勞動力結(jié)構(gòu)逐漸由體力向腦力和智力、由低技能向高技能、由規(guī)則性向非規(guī)則性轉(zhuǎn)變,進(jìn)而推動了勞動力結(jié)構(gòu)優(yōu)化、提升了人力資本整體質(zhì)量。國內(nèi)外學(xué)者的相關(guān)研究一致認(rèn)為勞動力結(jié)構(gòu)優(yōu)化、人力資本質(zhì)量提升對經(jīng)濟(jì)高質(zhì)量增長至關(guān)重要。因此,本文提出以下假設(shè):

假設(shè)1:人工智能通過緩解老齡化對優(yōu)化勞動力結(jié)構(gòu)的不利影響,實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

國內(nèi)外學(xué)者關(guān)于老齡化對創(chuàng)新效率的影響已作了較多探索,但研究結(jié)論仍存在差異。老齡化對創(chuàng)新效率的不利影響有兩點(diǎn):一是老齡化導(dǎo)致體力、腦力等機(jī)能減弱,學(xué)習(xí)能力、吸收能力和創(chuàng)新能力等逐漸下滑,不利于人力資本形成和技術(shù)創(chuàng)新,也不利于企業(yè)新技術(shù)擴(kuò)散和成果轉(zhuǎn)化,導(dǎo)致創(chuàng)新效率降低,這在Meyer的研究中得以體現(xiàn)。Meyer發(fā)現(xiàn)擁有較多年輕職員的公司更易于采用新技術(shù),而擁有較多高齡職員的公司難以采用新技術(shù)。二是隨著老齡化發(fā)展,企業(yè)勞動力成本和政府養(yǎng)老福利支出提升,導(dǎo)致企業(yè)與政府研發(fā)投入相應(yīng)減少,對提升技術(shù)創(chuàng)新效率產(chǎn)生不利影響。這一點(diǎn)可以從Noda等的研究中體現(xiàn)出來。前者發(fā)現(xiàn)在人口老齡化的背景下,企業(yè)付給有能力的員工(以研發(fā)類員工來表示)的費(fèi)用增多,加大了企業(yè)的研發(fā)成本,從而削弱了企業(yè)的研發(fā)動機(jī),影響企業(yè)引進(jìn)有能力的員工,最終對企業(yè)的創(chuàng)新比率產(chǎn)生消極作用。后者通過構(gòu)造世代交替模型發(fā)現(xiàn)當(dāng)政府僅調(diào)整稅率和政府支出但不延長退休年齡時(shí),伴隨著人口老齡化而上漲的社會保障費(fèi)用會擠出政府公共投資。而老齡化對創(chuàng)新效率的有利影響則是認(rèn)為老齡化會倒逼企業(yè)和政府增加技術(shù)研發(fā)投入,重視人力資本建設(shè),轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式,以應(yīng)對老齡化產(chǎn)生的不利影響。由上述文獻(xiàn)可知,關(guān)于老齡化對技術(shù)創(chuàng)新效率的影響尚未達(dá)成共識。

而關(guān)于人工智能的發(fā)展對技術(shù)創(chuàng)新效率的影響研究方面,基本一致認(rèn)為人工智能能夠有效促進(jìn)技術(shù)創(chuàng)新效率。Brynjolfsson等在對比人工智能快速發(fā)展與全球全要素生產(chǎn)率不斷下降事實(shí)的基礎(chǔ)上,提出了新索洛悖論,并認(rèn)為雖然短期內(nèi)人工智能技術(shù)的發(fā)展還不能顯著提高生產(chǎn)率,但人工智能能夠通過機(jī)器學(xué)習(xí)以及激發(fā)配套創(chuàng)新科技等方式促進(jìn)全要素生產(chǎn)率提升和全社會技術(shù)進(jìn)步。國內(nèi)學(xué)者對新索洛悖論展開討論,認(rèn)為出現(xiàn)新索洛悖論現(xiàn)象的一個(gè)重要原因是人工智能技術(shù)發(fā)展需要一定時(shí)間的累積,形成一定的規(guī)模,才能對生產(chǎn)率產(chǎn)生顯著的積極作用。不僅如此,人工智能產(chǎn)業(yè)融合對技術(shù)創(chuàng)新的促進(jìn)作用不僅體現(xiàn)在創(chuàng)新數(shù)量上,也體現(xiàn)在創(chuàng)新質(zhì)量上,且人工智能技術(shù)的通用性越強(qiáng),其與產(chǎn)業(yè)融合的技術(shù)創(chuàng)新效應(yīng)越顯著。從當(dāng)前我國實(shí)際情況來看,人工智能具有的自我學(xué)習(xí)和創(chuàng)新能力尚未得到有效發(fā)展和廣泛使用,其依賴相應(yīng)匹配的創(chuàng)新科技相繼問世并得以應(yīng)用。但從長遠(yuǎn)來看,人工智能的發(fā)展能夠有效地緩解老齡化對技術(shù)創(chuàng)新的抑制作用,進(jìn)而促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。通過上述關(guān)于人工智能和老齡化對技術(shù)創(chuàng)新效率的影響綜述,可以認(rèn)為人工智能的發(fā)展有利于促進(jìn)技術(shù)創(chuàng)新,實(shí)現(xiàn)技術(shù)進(jìn)步,促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展,那么就會緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響。因此,本文提出以下假設(shè):

假設(shè)2:人工智能通過緩解老齡化對技術(shù)創(chuàng)新效率的不利影響,實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

儲蓄是資本形成的重要來源。在封閉經(jīng)濟(jì)中,國內(nèi)投資必然等同于國民儲蓄,資本形成的唯一來源途徑就是國民儲蓄。在人口老齡化進(jìn)程中,經(jīng)濟(jì)活動人口創(chuàng)造的社會總產(chǎn)出用于非經(jīng)濟(jì)活動人口消費(fèi)的比例會增加,而社會總產(chǎn)出在消費(fèi)和投資間進(jìn)行分配。假設(shè)在一定時(shí)期內(nèi)社會總產(chǎn)出不能快速增長,還要保證經(jīng)濟(jì)活動人口的消費(fèi)水平不下降,那么總產(chǎn)出中用于儲蓄部分會減少;假定經(jīng)濟(jì)活動人口和非經(jīng)濟(jì)活動人口的消費(fèi)水平不變,那么社會總產(chǎn)出用于消費(fèi)的比例會隨著老齡化逐漸增加,而用于轉(zhuǎn)換成投資的部分儲蓄會相應(yīng)地減少,因此投資總量會相應(yīng)地減少,假定其他因素保持不變,總產(chǎn)出會減少。進(jìn)一步分析,人口老齡化帶來勞動力供給減少的速度慢于儲蓄下降的速度,將導(dǎo)致投資/勞動比率下降,也就是意味著資本形成不足,這將會導(dǎo)致人均產(chǎn)出水平下降。開放經(jīng)濟(jì)不同于封閉經(jīng)濟(jì),資本形成的途徑除了國民儲蓄,還可通過國際資本的跨界流動獲得。理論上,資本和勞動力都可以跨界流動,然而出于成本考慮,資本流動成本低于勞動力流動,且限制較少,而勞動力流動受到各個(gè)國家的移民政策限制較多。在不考慮其他因素的條件下,各國人口老齡化程度的差異會導(dǎo)致國際資本向人力資本水平較高的國家流動,也可以說是導(dǎo)致國際資本從老齡化相對嚴(yán)重的國家流向年輕人口較多的國家,以獲取更多的產(chǎn)出收益。在開放經(jīng)濟(jì)下,人口老齡化會導(dǎo)致地區(qū)資本外流,從而抑制資本形成。

根據(jù)內(nèi)生增長理論,不斷的技術(shù)創(chuàng)新正是經(jīng)濟(jì)體突破資本邊際報(bào)酬遞減、實(shí)現(xiàn)經(jīng)濟(jì)持續(xù)增長的根本動力,因而,技術(shù)創(chuàng)新有利于資本回報(bào)率的提升,技術(shù)進(jìn)步是決定資本回報(bào)率的主因。以人工智能為代表的技術(shù)進(jìn)步,能夠提高資本回報(bào)率,從而提高儲蓄率和投資率。隨著人工智能技術(shù)的發(fā)展與應(yīng)用,自動化和智能化在生產(chǎn)過程中不斷深化,帶來的生產(chǎn)效率提升促使企業(yè)在更多的生產(chǎn)任務(wù)中使用資本替代勞動,產(chǎn)業(yè)部門會朝著資本密集型方向發(fā)展。資本密集型產(chǎn)業(yè)往往具有更高的附加值,有利于資本回報(bào)率的提升。韓民春等的研究為此提供了經(jīng)驗(yàn)證據(jù)。該研究利用中國2002—2017年30個(gè)省份宏觀面板數(shù)據(jù)以資本回報(bào)作為中介變量探究人工智能機(jī)器人的經(jīng)濟(jì)增長效應(yīng),結(jié)果發(fā)現(xiàn)工業(yè)智能機(jī)器人的使用本身就帶有經(jīng)濟(jì)效應(yīng),還能通過提高資本回報(bào)率對經(jīng)濟(jì)增長產(chǎn)生促進(jìn)作用,并認(rèn)為工業(yè)機(jī)器人的規(guī)模應(yīng)用加快資本積累的速度,促進(jìn)了資本密集型產(chǎn)業(yè)的發(fā)展,既提高了資本相對于其他生產(chǎn)要素的重要性,提高了資本相對價(jià)格,提升了資本回報(bào)率,又對產(chǎn)業(yè)結(jié)構(gòu)升級有一定的積極作用。基于以上分析,人工智能通過提高資本回報(bào)率和投資率緩解老齡化對資本形成的不利沖擊。因此,本文提出以下假設(shè):

假設(shè)3:人工智能通過緩解老齡化對資本形成的不利影響,實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

二、計(jì)量模型及數(shù)據(jù)說明

(一)計(jì)量模型設(shè)定

1.靜態(tài)面板模型

首先從直接影響機(jī)制出發(fā),構(gòu)建雙向固定效應(yīng)模型檢驗(yàn)人工智能和老齡化的經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng):

,=+,+,+,+,+,

(1)

其中,和分別表示地區(qū)和時(shí)間,,表示在第年省份的經(jīng)濟(jì)高質(zhì)量發(fā)展水平;,表示本文核心解釋變量人工智能和人口老齡化,采用主成分分析法獲得人工智能指標(biāo)(),使用老年撫養(yǎng)比()來衡量老齡化水平;,表示一系列相關(guān)的控制變量,包括地區(qū)政府干預(yù)()、外商投資水平()、城市化水平()以及基礎(chǔ)設(shè)施建設(shè)水平();,表示地區(qū)不隨時(shí)間變化的地區(qū)固定效應(yīng),,表示時(shí)間固定效應(yīng),,則表示隨機(jī)干擾項(xiàng)。

2.動態(tài)面板模型

考慮到經(jīng)濟(jì)高質(zhì)量發(fā)展過程具有一定的持續(xù)性和動態(tài)性,為了能檢驗(yàn)這些特征同時(shí)也能進(jìn)一步降低遺漏變量產(chǎn)生的偏誤,在式(1)的傳統(tǒng)靜態(tài)面板數(shù)據(jù)模型中引入被解釋變量的一階滯后項(xiàng),以得到動態(tài)面板數(shù)據(jù)模型:

,=+,-1+,+,+,+,+,

(2)

其中,,-1表示地區(qū)在第-1年的經(jīng)濟(jì)高質(zhì)量發(fā)展水平。另外,為了檢驗(yàn)人工智能對老齡化的交互效應(yīng),借鑒左鵬飛等的做法,在式(2)的基礎(chǔ)上加入兩者的交乘項(xiàng),得到交互效應(yīng)面板模型:

,=+,-1+,+,+,×,+,+,+,+,

(3)

其中,若人工智能與老齡化的交乘項(xiàng)系數(shù)顯著大于0,表明人工智能與老齡化存在顯著的交互效應(yīng),兩者交互作用有利于促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展;而若交乘項(xiàng)系數(shù)顯著小于0,表明兩者交互作用不利于經(jīng)濟(jì)高質(zhì)量發(fā)展。

3.門限面板模型

人工智能對老齡化的經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響存在一定的補(bǔ)償作用,因此本文通過構(gòu)建面板門限回歸模型來研究在不同人工智能水平區(qū)間內(nèi)老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的異質(zhì)性影響,設(shè)定人工智能作為門限變量,老齡化作為受門限變量影響的門限效應(yīng)變量,從而得到門限面板模型:

,=+,(,,)+,+,+,+,

(4)

(5)

在式(5)中,(,)為門限變量根據(jù)門限值劃分的示性函數(shù)。當(dāng)對應(yīng)的條件為真時(shí),取值為1;條件為假時(shí),取值為0。參數(shù)反映老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的非線性影響,其他變量與基準(zhǔn)回歸模型式(1)設(shè)定相同。

(二)變量及數(shù)據(jù)說明

本文選用我國2007—2018年的30個(gè)省份的面板數(shù)據(jù),不包含我國港澳臺地區(qū)和缺失數(shù)據(jù)較多的西藏自治區(qū)。數(shù)據(jù)來源于歷年的《中國統(tǒng)計(jì)年鑒》《中國電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國勞動統(tǒng)計(jì)年鑒》《中國貿(mào)易外經(jīng)統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》。相關(guān)的數(shù)據(jù)均以1998年不變價(jià)平減,并對有關(guān)數(shù)據(jù)進(jìn)行對數(shù)化處理。

1.被解釋變量

經(jīng)濟(jì)高質(zhì)量發(fā)展()。關(guān)于如何度量經(jīng)濟(jì)高質(zhì)量發(fā)展學(xué)者們莫衷一是。陳詩一等在研究經(jīng)濟(jì)高質(zhì)量發(fā)展時(shí)采用人均GDP來測度,隨著研究數(shù)據(jù)的可獲得性增強(qiáng),越來越多的學(xué)者,例如郭然等在研究中通過構(gòu)建多維度指標(biāo)體系來測度經(jīng)濟(jì)高質(zhì)量發(fā)展水平。

鑒于此,本文分別使用各省份實(shí)際人均GDP的自然對數(shù)(ln)和經(jīng)濟(jì)高質(zhì)量發(fā)展指數(shù)()來衡量各省份的經(jīng)濟(jì)高質(zhì)量發(fā)展水平。其中,關(guān)于經(jīng)濟(jì)高質(zhì)量發(fā)展指標(biāo)的構(gòu)建,本文結(jié)合新時(shí)代我國經(jīng)濟(jì)高質(zhì)量發(fā)展戰(zhàn)略,實(shí)現(xiàn)由數(shù)量增長型向質(zhì)量增長型發(fā)展方式轉(zhuǎn)變的目標(biāo),并考慮到以人工智能為代表的信息技術(shù)產(chǎn)業(yè)發(fā)展所帶來的經(jīng)濟(jì)社會效益,同時(shí)兼顧到測度指標(biāo)數(shù)據(jù)可得性,從經(jīng)濟(jì)發(fā)展、創(chuàng)新發(fā)展、生態(tài)發(fā)展以及民生發(fā)展4個(gè)維度出發(fā)構(gòu)建經(jīng)濟(jì)高質(zhì)量發(fā)展測度體系,詳見表1。

表1 經(jīng)濟(jì)高質(zhì)量發(fā)展指標(biāo)體系

關(guān)于經(jīng)濟(jì)高質(zhì)量發(fā)展指數(shù)的測算,本文參照郭然等的方法。第一步,由于各指標(biāo)量綱、數(shù)量級等存在較大的差異,采用極差法對來自我國30個(gè)省份2007—2018年的18個(gè)衡量經(jīng)濟(jì)高質(zhì)量發(fā)展的各項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理:

=[-min(1,…,)][max(1,…,)-min(1,…,)],為正向指標(biāo)

(6)

=[max(1,…,)-][max(1,…,)-min(1,…,)],為負(fù)向指標(biāo)

(7)

其中,為時(shí)期地區(qū)指標(biāo)的原始值,為標(biāo)準(zhǔn)化后的指標(biāo)值,max()和min()分別為指標(biāo)原始數(shù)據(jù)中的最大值與最小值,=1,…,30,=1,…,18。

第二步,計(jì)算時(shí)期地區(qū)第個(gè)指標(biāo)在該總指標(biāo)的比重,并進(jìn)一步計(jì)算各指標(biāo)信息熵:

(8)

(9)

第三步,利用各指標(biāo)的信息熵值計(jì)算出信息熵冗余度=1-,進(jìn)而對其進(jìn)行歸一化處理得到各指標(biāo)權(quán)重:

(10)

第四步,計(jì)算出年省份經(jīng)濟(jì)高質(zhì)量發(fā)展水平:

(11)

基于上述測算步驟,本文得到2007—2018年中國30個(gè)省份的經(jīng)濟(jì)高質(zhì)量發(fā)展指數(shù),詳見表2。

表2 2007—2018年中國30個(gè)省份經(jīng)濟(jì)高質(zhì)量發(fā)展指數(shù)

2.核心解釋變量

人口老齡化()。本文使用各地區(qū)老年撫養(yǎng)比(65歲及以上人口數(shù)與15～64歲人口數(shù)的比值)來衡量各地區(qū)人口老齡化水平。

人工智能()。受限于數(shù)據(jù)可得性,本文借鑒孫早等的處理方法構(gòu)建了人工智能測度指標(biāo),包括人工智能技術(shù)使用規(guī)模、信息技術(shù)服務(wù)能力、軟件普及和應(yīng)用能力和嵌入式系統(tǒng)軟件應(yīng)用能力4個(gè)分指標(biāo),盡可能地反映各地區(qū)人工智能發(fā)展水平。數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》和《中國電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》。采用主成分分析法獲得各地區(qū)人工智能水平()。由主成分分析法得到特征值與特征向量,前3個(gè)特征值累計(jì)貢獻(xiàn)率達(dá)99.08%,說明前3個(gè)主成分基本包含了全部指標(biāo)的信息。

3.機(jī)制變量

勞動力結(jié)構(gòu)升級()。本文使用各地區(qū)就業(yè)人員受教育程度構(gòu)成衡量不同技能勞動力的市場需求情況,包括未上過學(xué)、小學(xué)、初中、高中(含中等職業(yè)教育)、大學(xué)專科(含高等職業(yè)教育)、大學(xué)本科和研究生(含碩士研究生和博士研究生)7類受教育程度的就業(yè)情況。為了使研究更具有代表性,本文將其劃分為3大類,分別是低技能勞動力需求(小學(xué)及以下)、中技能勞動力需求(初中和高中)和高技能勞動力需求(大學(xué)專科及以上),并將高技能勞動力與中低技能勞動力的比值作為勞動力結(jié)構(gòu)升級指標(biāo)。

技術(shù)創(chuàng)新效率()。專利產(chǎn)出是衡量技術(shù)創(chuàng)新效率的常用指標(biāo),包括專利申請數(shù)和專利授權(quán)數(shù)。其中,專利授權(quán)數(shù)在時(shí)間上存在一定的滯后性,且受人為干預(yù)較強(qiáng),因此本文使用地區(qū)專利申請數(shù)的自然對數(shù)衡量技術(shù)創(chuàng)新效率,并使用專利授權(quán)數(shù)()做穩(wěn)健性檢驗(yàn)。

資本形成率()。地區(qū)資本形成率是指一定時(shí)期內(nèi)資本形成總額占地區(qū)國內(nèi)生產(chǎn)總值的比重。由于2018年的資本形成總額缺失,為了能完整實(shí)現(xiàn)計(jì)量分析,本文使用插值法計(jì)算出2018年資本形成總額和固定資本形成率,并使用固定資本形成率()替代資本形成率進(jìn)一步檢驗(yàn)。

4.控制變量

為了更全面地分析人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響效應(yīng),還需要控制對經(jīng)濟(jì)高質(zhì)量發(fā)展可能產(chǎn)生影響的變量。本文主要設(shè)定以下控制變量:地區(qū)政府干預(yù)(),用各地區(qū)政府一般性財(cái)政支出與地區(qū)生產(chǎn)總值之比衡量;外商投資水平(),用外商直接投資額與地區(qū)生產(chǎn)總值之比衡量;基礎(chǔ)設(shè)施建設(shè)(),以鐵路營業(yè)里程代表各省基礎(chǔ)設(shè)施水平衡量,并使用高速營業(yè)里程替代鐵路營業(yè)里程進(jìn)一步檢驗(yàn);城市化水平(),用城鎮(zhèn)人口與總?cè)丝谥群饬俊Ｖ饕兞康拿枋鲂越y(tǒng)計(jì)結(jié)果見表3。

表3 主要變量的描述性統(tǒng)計(jì)結(jié)果

三、人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的實(shí)證檢驗(yàn)

(一)靜態(tài)面板基準(zhǔn)模型的回歸與分析

根據(jù)上述各類回歸模型檢驗(yàn)人工智能和老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響。式(1)的回歸結(jié)果見表4,第(1)(2)列中,人工智能和老齡化對以ln表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響并不顯著。老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生負(fù)向影,這可能是由于老齡化帶來的負(fù)向的勞動力效應(yīng)所致,但并不達(dá)到統(tǒng)計(jì)意義上顯著。第(3)(4)列中,人工智能和老齡化對以表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響也并不顯著。上述回歸結(jié)果可能是潛在的非線性作用所致,鑒于此,下文將采用門限面板模型來進(jìn)一步探究人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響作用。

表4 靜態(tài)面板模型基準(zhǔn)回歸估計(jì)結(jié)果

控制變量對兩種衡量經(jīng)濟(jì)高質(zhì)量發(fā)展的被解釋變量的影響顯著性基本一致,對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生正向影響的有城市化水平和外商直接投資,地區(qū)政府干預(yù)對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生負(fù)向的阻礙作用,基礎(chǔ)設(shè)施建設(shè)對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響并不顯著。在城市化進(jìn)程中,主要通過固定資產(chǎn)投資、基礎(chǔ)設(shè)施和公共服務(wù)改善吸引更多的人才與資金以刺激經(jīng)濟(jì)高質(zhì)量發(fā)展,外商直接投資有助于提高生產(chǎn)技術(shù)效率、加快國內(nèi)技術(shù)進(jìn)步,能顯著促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。地方政府財(cái)政支出通常更傾向于具有更強(qiáng)經(jīng)濟(jì)拉動能力、更高生產(chǎn)效率以及公共服務(wù)的相關(guān)產(chǎn)業(yè),這種政府干預(yù)在一定程度上扭曲了市場資源的有效配置,從而對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生不利影響。

(二)動態(tài)面板模型的回歸與分析

經(jīng)濟(jì)高質(zhì)量發(fā)展是一個(gè)動態(tài)漸進(jìn)過程,存在發(fā)展慣性,若忽略前期經(jīng)濟(jì)發(fā)展對當(dāng)期的影響,而僅僅考慮當(dāng)期人工智能、老齡化等因素對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響,結(jié)果會產(chǎn)生一定的偏誤。因此,表5第(1)(3)列在靜態(tài)面板基準(zhǔn)模型基礎(chǔ)上加入經(jīng)濟(jì)高質(zhì)量發(fā)展變量的滯后一期,即對式(2)進(jìn)行回歸估計(jì)。經(jīng)濟(jì)高質(zhì)量發(fā)展滯后一期系數(shù)顯著為正,表明經(jīng)濟(jì)高質(zhì)量發(fā)展存在顯著時(shí)間延續(xù)性;而人工智能的經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)并不顯著,這可能由于人工智能對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響具有非線性特征所導(dǎo)致;老齡化對以人均GDP衡量的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響均在10%水平上顯著為負(fù),但對構(gòu)建得到的經(jīng)濟(jì)高質(zhì)量發(fā)展指標(biāo)的影響卻為正,但并不顯著。整體來說,老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展存在不利影響。

表5 動態(tài)面板模型回歸估計(jì)結(jié)果

本文理論部分分析了人工智能緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響,表5第(2)(4)列對此進(jìn)行檢驗(yàn),即對式(3)進(jìn)行回歸估計(jì)。結(jié)果顯示,交乘項(xiàng)系數(shù)均大于0,并且分別在1%和10%水平上顯著,表明人工智能和老齡化存在互補(bǔ)效應(yīng),隨著人工智能技術(shù)的發(fā)展與普及,人工智能能有效防范和緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響。

(三)門限面板模型的回歸與分析

在靜態(tài)基準(zhǔn)回歸分析可知,人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展可能存在潛在的非線性關(guān)系,因此,該部分借鑒謝莉娟等使用門限面板模型對此進(jìn)行檢驗(yàn)。本文設(shè)定人工智能為門限變量,老齡化為受門限變量影響的門限效應(yīng)變量,亦為核心解釋變量。通過對式(4)(5)進(jìn)行門限效應(yīng)檢驗(yàn)并經(jīng)F檢驗(yàn),發(fā)現(xiàn)老齡化對表征經(jīng)濟(jì)高質(zhì)量發(fā)展的ln與兩個(gè)指標(biāo)均存在單一人工智能門限效應(yīng),對應(yīng)的門限值分別為0.650和-0.475;接下來,設(shè)定人工智能為門限效應(yīng)變量,亦為核心解釋變量,通過門限效應(yīng)檢驗(yàn)并經(jīng)F檢驗(yàn)后發(fā)現(xiàn)人工智能對表征經(jīng)濟(jì)高質(zhì)量發(fā)展的ln與兩個(gè)指標(biāo)也分別存在單一門限效應(yīng),對應(yīng)的門限值分別為0.499和-0.475,以上結(jié)果均與似然比檢驗(yàn)的圖形相一致(見圖1),具體結(jié)果見表6。

圖1 門限值的似然比統(tǒng)計(jì)量

表6 門限效應(yīng)檢驗(yàn)回歸估計(jì)結(jié)果

基于上述檢驗(yàn)結(jié)果,得到式(4)(5)門限效應(yīng)的估計(jì)結(jié)果,具體見表7。首先分析老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的門限效應(yīng),從第(1)列可知老齡化對以ln表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響系數(shù)存在兩個(gè)區(qū)間變化,即人工智能門限變量將樣本分為2個(gè)區(qū)制,分別為較低人工智能發(fā)展水平地區(qū)(門限值≤0.650)和較高人工智能發(fā)展水平地區(qū)(門限值>0.650)。當(dāng)人工智能發(fā)展處于較低水平時(shí),即在門限值0.650以下時(shí),老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展存在微弱的負(fù)向作用但并不顯著;當(dāng)人工智能發(fā)展處于較高水平時(shí),即超過門限值時(shí),老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的作用轉(zhuǎn)負(fù)為正,且在1%水平上顯著。

從表7第(3)列可知,老齡化對以表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響系數(shù)也存在兩個(gè)區(qū)間變化,并且影響系數(shù)的正負(fù)以及顯著性均與第(1)列基本一致。這在一定程度上證明研究結(jié)果是穩(wěn)健的。結(jié)合第(1)(3)列的回歸結(jié)果發(fā)現(xiàn),伴隨著人工智能發(fā)展水平的提高,老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的作用由負(fù)轉(zhuǎn)正,由不顯著到顯著。也可以說,人工智能能有效緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的負(fù)向效應(yīng)。這與陳彥斌等采用數(shù)值模擬得到的結(jié)果基本一致。該結(jié)果也呼應(yīng)了動態(tài)面板模型中檢驗(yàn)的人工智能對經(jīng)濟(jì)高質(zhì)量發(fā)展具有非線性影響。

然后分析人工智能對經(jīng)濟(jì)高質(zhì)量發(fā)展的門限效應(yīng),估計(jì)結(jié)果見表7第(2)(4)列。從第(2)列可知人工智能對以ln表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響系數(shù)存在兩個(gè)區(qū)間變化,當(dāng)人工智能發(fā)展處于較低水平時(shí),即在門限值0.499以下時(shí),人工智能對經(jīng)濟(jì)高質(zhì)量發(fā)展存在顯著的負(fù)向作用,但系數(shù)值較小;當(dāng)人工智能發(fā)展處于較高水平時(shí),即超過門限值時(shí),人工智能對經(jīng)濟(jì)高質(zhì)量發(fā)展的作用轉(zhuǎn)負(fù)為正,在1%水平上顯著,且系數(shù)值較大。第(4)列中人工智能對以表征的經(jīng)濟(jì)高質(zhì)量發(fā)展的影響與第(2)列基本一致,可見檢驗(yàn)結(jié)果穩(wěn)健性較好。結(jié)果說明,人工智能發(fā)展前期,由于資產(chǎn)投資回報(bào)較低,對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生一定的拖累,跨過門限值后就會對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生顯著的促進(jìn)作用。

表7 門檻面板模型的回歸估計(jì)結(jié)果

四、人工智能與老齡化的經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)的區(qū)域異質(zhì)性

不同地區(qū)的經(jīng)濟(jì)發(fā)展階段、資源稟賦、信息技術(shù)發(fā)展水平、城鎮(zhèn)化水平、基礎(chǔ)設(shè)施建設(shè)等存在差異性,會使不同地區(qū)人工智能、老齡化和經(jīng)濟(jì)高質(zhì)量發(fā)展呈現(xiàn)較大的區(qū)域差異。為了探究區(qū)域異質(zhì)性問題,基于式(2)(3)對東、中、西部樣本分別進(jìn)行回歸,估計(jì)結(jié)果見表8。首先,以ln表征的經(jīng)濟(jì)高質(zhì)量發(fā)展為被解釋變量來逐一進(jìn)行分析:式(2)是在基準(zhǔn)模型中加入被解釋變量滯后一期,回歸結(jié)果顯示,東部區(qū)域的人工智能系數(shù)為0.048,并在1%水平上顯著,說明東部區(qū)域的人工智能發(fā)展已見成效,成功跨越了增長門限,對該區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生顯著的正向促進(jìn)作用,而中部和西部區(qū)域尚未突破門限值,目前仍處于前期投入發(fā)展階段。老齡化對東部區(qū)域的經(jīng)濟(jì)高質(zhì)量發(fā)展影響甚微,雖然系數(shù)為負(fù),但數(shù)值很小且并不顯著,這可能是由于東部區(qū)域經(jīng)濟(jì)發(fā)展水平較高、就業(yè)機(jī)會較多、基礎(chǔ)設(shè)施建設(shè)以及公共服務(wù)較為完善,會吸引大量素質(zhì)較高的年輕勞動力,因此老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的消極影響并不顯著。與其背道而馳的則是西部區(qū)域,人才流失、年輕勞動力流失問題較為嚴(yán)重,導(dǎo)致地區(qū)老齡化加重,對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生嚴(yán)重的消極影響。對式(3)進(jìn)行回歸的結(jié)果顯示,三個(gè)區(qū)域的交乘項(xiàng)系數(shù)均為正,東部和西部區(qū)域的系數(shù)顯著大于,表明在東部和西部區(qū)域,人工智能能有效緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響,而中部區(qū)域還并不顯著,作用還未顯現(xiàn)。

表8 人工智能與老齡化經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)區(qū)域差異性的回歸估計(jì)結(jié)果

五、經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)的機(jī)制檢驗(yàn)

在前文的理論分析部分本文提出人工智能可以通過優(yōu)化勞動力結(jié)構(gòu)、提高技術(shù)創(chuàng)新效率、提升資本形成率來緩解老齡化帶來的經(jīng)濟(jì)負(fù)效應(yīng),以促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。在人工智能發(fā)展水平不同的地區(qū),老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的機(jī)制效應(yīng)強(qiáng)弱也會存在差異。因此,該部分分別從勞動力結(jié)構(gòu)優(yōu)化水平、技術(shù)創(chuàng)新效率以及資本形成率三個(gè)視角出發(fā),探究人工智能是如何影響老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的作用機(jī)制。

(一)勞動力結(jié)構(gòu)升級效應(yīng)

本文采用兩種檢驗(yàn)方法探究勞動力結(jié)構(gòu)優(yōu)化機(jī)制。第一種借鑒孫早等的方法,首先檢驗(yàn)人工智能有助于優(yōu)化勞動力結(jié)構(gòu)。將各級別的勞動力就業(yè)占比作為被解釋變量,逐一進(jìn)行回歸,實(shí)證結(jié)果見表9。按技能劃分的結(jié)果可知,人工智能技術(shù)的應(yīng)用降低了對低技能與中技能勞動力的崗位需求,卻顯著增加了高技能勞動力的市場需求。進(jìn)一步按受教育水平劃分可發(fā)現(xiàn),在高技能勞動力中,相對于研究生和大學(xué)?？?現(xiàn)階段人工智能對大學(xué)本科的市場需求最大,也就是說對大學(xué)本科勞動力的就業(yè)提升效應(yīng)最大。然后考察老齡化對勞動力需求結(jié)構(gòu)帶來的影響,表9中按技能劃分的結(jié)果中老齡化的影響系數(shù)并不顯著,但在按受教育年限分類的回歸結(jié)果中,老齡化對高中和大學(xué)?？苿趧恿蜆I(yè)有顯著的提升作用,對大學(xué)本科和研究生高技能勞動力就業(yè)產(chǎn)生抑制作用,同時(shí)也對初中及以下較低技能勞動力就業(yè)有抑制作用,這將不利于勞動力結(jié)構(gòu)優(yōu)化,對經(jīng)濟(jì)可持續(xù)高質(zhì)量發(fā)展帶來不利影響。整體來看,人工智能能有效緩解老齡化帶來的不利于勞動力結(jié)構(gòu)優(yōu)化的問題。

表9 人工智能、老齡化對勞動力需求結(jié)構(gòu)影響的回歸估計(jì)結(jié)果

第二種就是采用門限效應(yīng)的方法。首先將高技能勞動力與中低技能勞動力的比值作為勞動力結(jié)構(gòu)優(yōu)化指標(biāo),并作為被解釋變量,同時(shí)以人工智能作為門限變量,老齡化作為門限效應(yīng)變量,構(gòu)建門限面板回歸進(jìn)行門限效應(yīng)和門限個(gè)數(shù)的識別檢驗(yàn)。模型參數(shù)估計(jì)結(jié)果見表10第(1)(2)列,老齡化對勞動力結(jié)構(gòu)優(yōu)化的影響存在門限效應(yīng),且存在一個(gè)門限值(0.283)。在人工智能發(fā)展水平較低的地區(qū),老齡化對優(yōu)化勞動力結(jié)構(gòu)的影響在10%的水平上存在促進(jìn)作用(0.381);在人工智能發(fā)展水平較高的地區(qū),老齡化優(yōu)化勞動力結(jié)構(gòu)的促進(jìn)作用更加強(qiáng)烈。隨著人工智能水平不斷提升,當(dāng)超過門限值時(shí),人工智能能夠有效緩解老齡化對勞動力結(jié)構(gòu)優(yōu)化的負(fù)向效應(yīng)(在第一種方法中,老齡化對高學(xué)歷勞動力就業(yè)存在抑制作用),并能顯著提升老齡化對優(yōu)化勞動力結(jié)構(gòu)的促進(jìn)作用。

表10 人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展影響的機(jī)制檢驗(yàn)回歸估計(jì)結(jié)果

綜合以上兩種方法可知,檢驗(yàn)結(jié)果具有一定的穩(wěn)健性,假設(shè)1得證。

(二)技術(shù)創(chuàng)新效應(yīng)

以人工智能作為門限變量,以地區(qū)專利申請數(shù)衡量的技術(shù)創(chuàng)新水平作為被解釋變量,構(gòu)建面板門限回歸模型探究不同人工智能水平下老齡化經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)的技術(shù)創(chuàng)新效率路徑。模型估計(jì)結(jié)果見表10第(3)(4)列,發(fā)現(xiàn)以人工智能作為門限變量時(shí),老齡化對技術(shù)創(chuàng)新效率的影響存在門限效應(yīng),且存在一個(gè)門限值(0.582),在人工智能發(fā)展水平較低的地區(qū),老齡化對技術(shù)創(chuàng)新效率的影響為負(fù)(-0.129),但并不顯著;在人工智能發(fā)展水平較高的地區(qū),老齡化對技術(shù)創(chuàng)新效率的影響轉(zhuǎn)負(fù)為正(1.121),且在1%水平上顯著。也就是說,隨著人工智能水平不斷提升,當(dāng)超過門限值時(shí),人工智能能夠有效緩解老齡化對技術(shù)創(chuàng)新效率的負(fù)向效應(yīng),并顯著提升老齡化對技術(shù)創(chuàng)新效率的促進(jìn)作用。

(三)資本形成效應(yīng)

同樣,以人工智能作為門限變量,以地區(qū)資本形成率作為被解釋變量,構(gòu)建面板門限回歸模型探究不同人工智能水平下老齡化經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)的資本形成路徑。模型參數(shù)估計(jì)結(jié)果見表10第(5)(6)列,以人工智能作為門限變量時(shí),老齡化對資本形成率的影響存在門限效應(yīng),且存在一個(gè)人工智能門限值(-0.475)。在門限值前后,人工智能的影響系數(shù)均顯著為負(fù),這說明老齡化對資本形成率有顯著的負(fù)向影響。當(dāng)人工智能發(fā)展水平超過該門限值,老齡化資本形成效應(yīng)的估計(jì)系數(shù)從-3.482提升到-1.551,且均在1%水平上顯著。這可以理解為老齡化帶來儲蓄率和投資率的下滑,導(dǎo)致資本形成降低,而人工智能的發(fā)展帶動了地區(qū)投資意愿,提高了地區(qū)資本回報(bào)率和投資率,結(jié)合研究結(jié)果,說明人工智能能有效緩解老齡化帶來的低資本形成率問題,進(jìn)而減弱老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響。綜上,假設(shè)3得證。

六、結(jié)論與啟示

本文基于2006—2018年中國30個(gè)省份的面板數(shù)據(jù),通過構(gòu)建靜態(tài)面板模型、動態(tài)面板模型以及門限面板模型,多維度實(shí)證檢驗(yàn)人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響效應(yīng)與區(qū)域差異,進(jìn)一步從勞動力結(jié)構(gòu)、技術(shù)創(chuàng)新效率與資本形成率三個(gè)視角出發(fā),運(yùn)用門限面板模型檢驗(yàn)人工智能和老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)在機(jī)制。研究結(jié)論如下:第一,人工智能能夠有效緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響,且高質(zhì)量發(fā)展效應(yīng)存在區(qū)域異質(zhì)性,在東部區(qū)域和西部區(qū)域顯著,中部區(qū)域不顯著;第二,人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響存在門限效應(yīng),在人工智能發(fā)展水平越高的地區(qū),越有助于緩解老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響;第三,人工智能可緩解老齡化對勞動力結(jié)構(gòu)、技術(shù)創(chuàng)新效率、資本形成率帶來的不利影響,實(shí)現(xiàn)要素升級并促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

本文研究結(jié)論具有以下政策啟示:首先,在老齡化不斷加深的現(xiàn)實(shí)情況下,加大對人工智能的投資力度,推進(jìn)人工智能與社會經(jīng)濟(jì)各方面的深度融合,有利于緩解人口老齡化帶來的經(jīng)濟(jì)損失,有助于發(fā)揮人工智能為經(jīng)濟(jì)發(fā)展帶來的技術(shù)紅利。其次,人工智能通過優(yōu)化勞動力結(jié)構(gòu)、提升人力資本質(zhì)量、提升創(chuàng)新效率以及提升資本形成率為經(jīng)濟(jì)高質(zhì)量發(fā)展帶來內(nèi)生動力的路徑機(jī)制,證明了人工智能應(yīng)對老齡化的不利影響,通過提升現(xiàn)有生產(chǎn)要素質(zhì)量,為經(jīng)濟(jì)高質(zhì)量發(fā)展發(fā)揮重要作用,應(yīng)給與高度重視并在政策上加大支持力度。再次,應(yīng)高度重視高素質(zhì)高層次創(chuàng)新型人才的引進(jìn)與培養(yǎng),只有不斷推陳出新,加快技術(shù)更替,突破核心技術(shù)瓶頸,才能確保人工智能的技術(shù)紅利持續(xù)發(fā)揮經(jīng)濟(jì)效用。最后,考慮到人工智能、老齡化對經(jīng)濟(jì)高質(zhì)量發(fā)展效應(yīng)存在區(qū)域差異,不同區(qū)域應(yīng)因地制宜給予相適宜的政策支持,特別是對于人工智能效應(yīng)并不顯著的中部地區(qū),應(yīng)引進(jìn)人才、加大教育與科研投資,通過優(yōu)化勞動力結(jié)構(gòu)、提高創(chuàng)新效率以及提高資本形成率,積極應(yīng)對老齡化問題,實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。