魏嘉輝，顧乃華

(1.仲愷農(nóng)業(yè)工程學(xué)院 經(jīng)貿(mào)學(xué)院，廣東 廣州 510230；2.暨南大學(xué) 產(chǎn)業(yè)經(jīng)濟(jì)研究院，廣東 廣州 510632)

一、問題提出

改革開放以來，中國憑借著勞動力比較優(yōu)勢，常年以7%以上的國內(nèi)生產(chǎn)總值(GDP)增速創(chuàng)造了世界經(jīng)濟(jì)增長奇跡。但近年來，老齡化程度不斷加劇，人口紅利也逐漸消失，以往粗放型的經(jīng)濟(jì)增長方式逐漸顯現(xiàn)出疲態(tài)。為應(yīng)對人口年齡結(jié)構(gòu)問題，國家從2011年開始逐步放開計劃生育約束。根據(jù)《中國統(tǒng)計年鑒》的數(shù)據(jù)，2011年11月起中國實(shí)施“雙獨(dú)二孩”政策，2012年和2013年的人口出生率分別為1.457%和1.303%，相較以往略有增長；為了進(jìn)一步提高出生率水平，2013年12月起實(shí)行“單獨(dú)二孩”政策，2014年和2015年的人口出生率分別為1.383%和1.199%；2015年12月起推行“全面二孩”政策，2016年和2017年的人口出生率分別為1.357%和1.264%。然而，人口自然出生率并未隨政策變動而表現(xiàn)出明顯的增長態(tài)勢，老齡化趨勢愈發(fā)嚴(yán)峻。

過去很長一段時間里，中國憑借人口數(shù)量優(yōu)勢承擔(dān)著世界加工廠的角色，為眾多國家提供產(chǎn)品，但中國與全球價值鏈對接多為中間投入的最后一環(huán)，中國制造業(yè)出口產(chǎn)品相對低值[1]，其中一個重要原因就是過于依賴勞動力數(shù)量。經(jīng)濟(jì)增長具有單一性和脆弱性，即增長更多來自成本優(yōu)勢而缺乏真正具有競爭力和創(chuàng)新性的產(chǎn)品。根據(jù)資源詛咒理論，對資源過度依賴可能導(dǎo)致人力資本和創(chuàng)新投入不足，使資源豐富地區(qū)的經(jīng)濟(jì)、技術(shù)長期發(fā)展不如資源匱乏地區(qū)。從這一理論視角來看，21世紀(jì)以來的人口老齡化趨勢既給中國帶來了勞動力供給下降、撫養(yǎng)壓力上升的嚴(yán)峻挑戰(zhàn)，也可能為中國技術(shù)進(jìn)步和創(chuàng)新事業(yè)帶來機(jī)遇[2]。一方面，出于對長壽風(fēng)險的擔(dān)憂，代表性的微觀個體會增加人力資本投資，促進(jìn)整個生命周期的消費(fèi)效用最大化[3]。此時，人口數(shù)量紅利的下降由人口質(zhì)量補(bǔ)充，進(jìn)而為科技創(chuàng)新創(chuàng)造供給條件[4]。另一方面，為了彌補(bǔ)勞動力缺口，微觀企業(yè)會轉(zhuǎn)變生產(chǎn)方式，投入更多的數(shù)字設(shè)備替代人力勞動，以降低生產(chǎn)成本和提高勞動生產(chǎn)效率，為技術(shù)創(chuàng)新創(chuàng)造需求基礎(chǔ)[5]。

人口老齡化對技術(shù)創(chuàng)新的倒逼作用最可能體現(xiàn)在一些勞動節(jié)約型技術(shù)上。根據(jù)?？怂挂仄蚣夹g(shù)理論，勞動節(jié)約型技術(shù)創(chuàng)新是指能夠在生產(chǎn)過程中減少和節(jié)約人力勞動投入的技術(shù)創(chuàng)新，其目的在于降低單位用人成本、提高企業(yè)生產(chǎn)效率和競爭力[6]。勞動節(jié)約型技術(shù)通常包括各個行業(yè)范疇內(nèi)的自動化、機(jī)械化、數(shù)字化和機(jī)器人化等技術(shù)手段。國際機(jī)器人聯(lián)合會(IFR)網(wǎng)站數(shù)據(jù)顯示，21世紀(jì)以來中國大規(guī)模引進(jìn)機(jī)器人，從2000年930臺的機(jī)器人保有量增長至2019年的78萬臺，成為世界上最大的機(jī)器人需求國，體現(xiàn)了中國企業(yè)“機(jī)器換人”的迫切需求。機(jī)器人技術(shù)作為典型的勞動節(jié)約型技術(shù)，能在汽車、電子、食品等工業(yè)行業(yè)中替代人類完成組裝、焊接、噴漆、包裝等重復(fù)性任務(wù)，也能在物流、倉儲、運(yùn)輸?shù)确?wù)業(yè)中實(shí)現(xiàn)狹小空間內(nèi)的貨物搬運(yùn)、庫存管理等工作，進(jìn)而起到勞動節(jié)約的目的。

中國大規(guī)模應(yīng)用機(jī)器人在一定程度上反映了人口紅利下降對勞動節(jié)約型技術(shù)應(yīng)用的倒逼作用，但無法體現(xiàn)其對創(chuàng)新的誘發(fā)效應(yīng)。實(shí)際上，通過對比IFR機(jī)器人應(yīng)用數(shù)據(jù)和中國海關(guān)數(shù)據(jù)發(fā)現(xiàn)，中國安裝的機(jī)器人大部分來自海外進(jìn)口[7]。進(jìn)口機(jī)器人由于關(guān)稅等問題可能無法實(shí)現(xiàn)真正意義上的成本節(jié)約，也難以滿足中國實(shí)際生產(chǎn)過程中非標(biāo)準(zhǔn)、多維度的任務(wù)需要，因而在老齡化趨勢和外部貿(mào)易摩擦加劇的環(huán)境下，中國勞動節(jié)約創(chuàng)新愿望比以往更加強(qiáng)烈。在這樣的背景下，人口老齡化能否為中國勞動節(jié)約型技術(shù)創(chuàng)新帶來機(jī)遇，具有重要的研究價值。

為了探究這個問題，本文以機(jī)器人技術(shù)為例，收集了2003—2021年中國本土機(jī)器人專利微觀申請授權(quán)數(shù)據(jù)，如圖1、圖2所示。共得到254 162個樣本，其中發(fā)明專利有126 085項(xiàng)(占比49.608%)，實(shí)用專利104 663項(xiàng)(占比41.180%)，外觀設(shè)計專利23 414項(xiàng)(占比9.212%)，數(shù)據(jù)來自中國知網(wǎng)專利數(shù)據(jù)庫。從申請數(shù)量的時間趨勢來看，在2011年以前機(jī)器人專利申請數(shù)相對較少，而2012年以后開始快速增加，三種專利申請均呈現(xiàn)出隨時間的增長趨勢，其中公開發(fā)明和實(shí)用新型專利的增速更快。從專利申請結(jié)構(gòu)變化趨勢來看，2012年以前機(jī)器人專利申請占全部專利比例相對平穩(wěn)，而在2012年以后也逐漸提高。中國機(jī)器人專利申請數(shù)量和申請占比的擴(kuò)大趨勢與2011年后生育政策效果不佳是否存在相關(guān)性，值得進(jìn)一步探討。

圖1 中國機(jī)器人專利申請趨勢

圖2 中國機(jī)器人專利與全部專利申請比值演化趨勢

本文將構(gòu)建包含最終商品、中間商品和研發(fā)的多部門模型，分析勞動力老化對勞動節(jié)約型技術(shù)創(chuàng)新的倒逼機(jī)制，并結(jié)合中國省級面板數(shù)據(jù)和工業(yè)企業(yè)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。與已有文獻(xiàn)相比較，本文主要的貢獻(xiàn)如下：第一，在研究視角上，重點(diǎn)分析老齡化對中國勞動節(jié)約型技術(shù)創(chuàng)新的影響。相關(guān)文獻(xiàn)主要研究了老齡化對一般創(chuàng)新的倒逼作用，而較少考察其對勞動節(jié)約型技術(shù)創(chuàng)新的影響，事實(shí)上，相較于其他方面的技術(shù)創(chuàng)新，能夠替代勞動力進(jìn)行生產(chǎn)任務(wù)的機(jī)器人創(chuàng)新要更加緊迫。第二，在一般性假設(shè)下構(gòu)建多部門模型框架，豐富了老齡化的倒逼作用的數(shù)理基礎(chǔ)。第三，在研究數(shù)據(jù)和方法上，收集2003—2021年機(jī)器人專利數(shù)據(jù)，分別從省級層面和微觀企業(yè)層面考察老齡化影響機(jī)器人創(chuàng)新的具體機(jī)制。

二、文獻(xiàn)綜述

目前研究中國勞動節(jié)約型技術(shù)創(chuàng)新的文獻(xiàn)較少。劉青和肖柏高(2023)基于人工智能(AI)語言模型識別的方法進(jìn)行實(shí)證研究，揭示了勞動力成本上升對勞動節(jié)約型技術(shù)創(chuàng)新的促進(jìn)作用[8]，對本文有重要的啟示意義。從勞動力成本視角來看，老齡化促進(jìn)創(chuàng)新的機(jī)制離不開勞動節(jié)約型技術(shù)與人類勞動的替代關(guān)系。阿西莫格魯和雷斯特雷波(Acemoglu &Restrepo，2018)從理論角度探討了機(jī)器和人類的替代關(guān)系，建立了一個包含舊工作任務(wù)替代和新工作任務(wù)創(chuàng)造的均衡模型[9]，為后續(xù)實(shí)證研究提供了理論基礎(chǔ)。阿西莫格魯?shù)?Acemoglu et al.，2020)、阿西莫格魯和雷斯特雷波(2020)分別基于法國和美國工人數(shù)據(jù)，發(fā)現(xiàn)自動化技術(shù)應(yīng)用和勞動力存在明顯的替代關(guān)系[10-11]。在以上研究的基礎(chǔ)上，國內(nèi)學(xué)者從多個角度展開實(shí)證研究。王永欽和董雯(2020)、閆雪凌等(2020)分別驗(yàn)證了中國機(jī)器人應(yīng)用對制造業(yè)就業(yè)的擠出效應(yīng)[12-13]；孔高文等(2020)從地區(qū)整體就業(yè)的角度出發(fā)，實(shí)證發(fā)現(xiàn)機(jī)器人技術(shù)與地區(qū)就業(yè)存在滯后一年的替代關(guān)系[14]；何小鋼等(2023)研究認(rèn)為，機(jī)器人與勞動力的替代關(guān)系降低了企業(yè)的勞動收入份額[15]。這些研究均發(fā)現(xiàn)機(jī)器人與傳統(tǒng)勞動力存在替代關(guān)系。

以上研究揭示了勞動節(jié)約型技術(shù)與勞動力數(shù)量的天然補(bǔ)充關(guān)系，是老齡化背景下尋求中國本土勞動節(jié)約型技術(shù)創(chuàng)新的基本邏輯。基于這種數(shù)量上的補(bǔ)充關(guān)系，一些研究關(guān)注老齡化、人口紅利下降、勞動力成本上漲等問題對勞動節(jié)約型技術(shù)應(yīng)用的影響。陳彥斌等(2019)通過構(gòu)建一個動態(tài)一般均衡框架，認(rèn)為人工智能應(yīng)用能有效地應(yīng)對老齡化對經(jīng)濟(jì)的不利影響[16]；龔遙和彭希哲(2020)通過職業(yè)數(shù)據(jù)庫和隨機(jī)森林算法，預(yù)測了未來20年59%的中國就業(yè)崗位要受到智能技術(shù)沖擊，而老齡化趨勢下，智能技術(shù)應(yīng)用能有效緩解勞動力規(guī)模下降問題[17]；阿西莫格魯和雷斯特雷波(2017、2022)研究發(fā)現(xiàn)，應(yīng)用自動化技術(shù)是過去老齡化國家經(jīng)濟(jì)持續(xù)增長的重要原因[18]，而中年勞動者的年齡老化促進(jìn)了國家和地區(qū)投入更多的機(jī)器人[19]。陳秋霖等(2018)、鄧翔等(2018)、王瑞瑜和王森(2020)等通過實(shí)證研究發(fā)現(xiàn)，老齡化程度同樣也顯著促進(jìn)了中國地區(qū)自動化技術(shù)投入[20-22]?？梢园l(fā)現(xiàn)，這部分研究更關(guān)注設(shè)備應(yīng)用層面的影響，但沒有進(jìn)一步分析是否引致勞動節(jié)約型技術(shù)創(chuàng)新。

還有研究立足于老齡化視角，探究各個方面對創(chuàng)新的影響，雖然沒有直接關(guān)注勞動節(jié)約型技術(shù)，但全面分析了老齡化在人口紅利、長壽風(fēng)險、人力資本和體力上的特性，為本文理論分析提供了很好的思路。謝雪燕和朱曉陽(2020)、劉洋等(2020)、隨淑敏和何增華(2020)分別從數(shù)理模型和實(shí)證分析方面論證了老齡化對企業(yè)、政府研發(fā)投入的倒逼作用，認(rèn)為老齡化趨勢有利于企業(yè)加大研發(fā)投入，進(jìn)而有利于技術(shù)創(chuàng)新[23-25]；布盧姆等(Bloom et al.，2003)、俞錦等(2020)、劉成坤和林明裕(2020)、符建華和曹曉晨(2021)認(rèn)為，為了應(yīng)對人口老齡化和長壽風(fēng)險，勞動人口在青年時期增加人力資本投資和儲蓄，這為技術(shù)創(chuàng)新帶來促進(jìn)作用[26-29]。然而，也有學(xué)者認(rèn)為，研發(fā)人員的年齡老化和養(yǎng)老壓力會對技術(shù)創(chuàng)新帶來抑制作用。貝哈格爾和格里南(Behaghel &Greenan，2010)、金昊和趙青霞(2019)等認(rèn)為老年人口接受知識和技術(shù)的能力不如青年人，因而難以在技術(shù)創(chuàng)新中發(fā)揮作用[30-31]；劉成坤(2021)基于省級面板數(shù)據(jù)，發(fā)現(xiàn)人口老齡化可能會通過擠占政府研發(fā)投入弱化相關(guān)產(chǎn)業(yè)政策效果，進(jìn)而降低高技術(shù)產(chǎn)業(yè)創(chuàng)新效率[32]。

總體看來，既有文獻(xiàn)更多關(guān)注老齡化對勞動節(jié)約型技術(shù)應(yīng)用的倒逼作用，也分析了老齡化對一般性創(chuàng)新的影響，但較少探討老齡化與勞動節(jié)約型技術(shù)創(chuàng)新的關(guān)系。老齡化趨勢能否為中國勞動節(jié)約型技術(shù)創(chuàng)新帶來機(jī)遇？圍繞這個問題，本文立足于倒逼創(chuàng)新理論、干中學(xué)理論和長壽風(fēng)險管理理論，分別從研發(fā)投入、設(shè)備應(yīng)用和人力資本積累三個路徑進(jìn)行理論分析和實(shí)證檢驗(yàn)。

三、理論分析

(一)理論模型

為了分析老齡化對勞動節(jié)約型技術(shù)創(chuàng)新的倒逼影響，本文建立一個包含最終商品生產(chǎn)部門、中間商品生產(chǎn)部門和研發(fā)部門的三部門嵌套模型。設(shè)置如下常數(shù)替代彈性(CES)形式的最終商品生產(chǎn)函數(shù)：

(1)

其中，Y表示最終商品；ZK和ZL為資本、勞動兩種中間商品數(shù)量，由中間商品生產(chǎn)部門提供；CK和CL為外生決定的中間商品產(chǎn)出彈性；ρ為要素替代彈性參數(shù)，有0<ρ<1。

假設(shè)中間商品廠商生產(chǎn)函數(shù)為以下形式：

ZK=AKKα

(2)

ZL=AL(θL)α

(3)

其中，K、L分別表示投入的資本和勞動人口；AK、AL為資本和勞動力中間商品生產(chǎn)效率；α為參數(shù)，有0<α<1，表示滿足資本和勞動力投入的邊際報酬遞減規(guī)律；θ衡量了雇傭勞動力的整體老化程度，有0<θ<1，其越接近0，勞動力老化程度越高，越接近1，勞動力老化程度越低。因此，由式(3)可知，勞動中間產(chǎn)品的生產(chǎn)并不取決于勞動人口投入的多少，而是取決于有效勞動力θL的大小。

假設(shè)研發(fā)部門的活動能夠影響中間商品生產(chǎn)的技術(shù)效率，但無法改變?nèi)丝诶匣氖聦?shí)，那么研發(fā)部門生產(chǎn)函數(shù)可以設(shè)置為：

(4)

(5)

其中，bK、bL為參數(shù)，有bi>0；XK和XL分別為資本、勞動的研發(fā)投入品。按照式(4)和式(5)的設(shè)置，研發(fā)投入品與研發(fā)產(chǎn)出存在凹向原點(diǎn)的正相關(guān)關(guān)系，同樣滿足邊際報酬遞減規(guī)律。研發(fā)部門生產(chǎn)函數(shù)的設(shè)置內(nèi)生化了技術(shù)進(jìn)步，是本文理論模型推導(dǎo)的關(guān)鍵假設(shè)。

不失一般性地，假設(shè)最終商品市場、中間品市場、勞動力市場和資本市場完全競爭，而研發(fā)部門的生產(chǎn)要素由供給方壟斷，并由政府規(guī)劃制定外生的研發(fā)要素價格，那么在最終商品廠商利潤最大化下得到：

(6)

(7)

其中，PZK和PZL分別為資本和勞動中間商品價格。式(6)和式(7)表示了兩種中間商品的市場需求函數(shù)，說明在既定的最終商品需求下，中間商品價格與中間商品需求數(shù)量負(fù)相關(guān)。

類似地，把式(4)和式(5)代入式(2)和式(3)中，可以在中間商品部門利潤最大化下得到：

(8)

(9)

其中，PXK和PXL為研發(fā)部門生產(chǎn)要素價格。

假設(shè)MPK和MPL分別表示資本和勞動的邊際產(chǎn)出，根據(jù)?？怂挂仄蛐图夹g(shù)進(jìn)步的定義，在既定的資本勞動比下，當(dāng)資本邊際產(chǎn)出相對于勞動邊際產(chǎn)出有更快的增長時則發(fā)生了勞動節(jié)約型技術(shù)進(jìn)步[6]。根據(jù)式(1)—式(3)可以得到：

(10)

結(jié)合式(2)—式(9)，在最優(yōu)要素投入比例下可以得到(1)推導(dǎo)過程略，備索。：

(11)

(12)

其中，ξ為求導(dǎo)后的參數(shù)(2)推導(dǎo)過程略，備索。?；谑?12)，可以把老齡化促進(jìn)勞動節(jié)約型技術(shù)創(chuàng)新分為干中學(xué)、人力資本積累和倒逼研發(fā)投入三種影響路徑。

(二)勞動節(jié)約型技術(shù)應(yīng)用的干中學(xué)效應(yīng)

從經(jīng)濟(jì)含義看來，該影響來自老齡化程度加劇引起的設(shè)備-勞動要素投入比例的提高，即設(shè)備應(yīng)用經(jīng)驗(yàn)積累引致創(chuàng)新的過程，因而可以把其總結(jié)為技術(shù)應(yīng)用下的干中學(xué)效應(yīng)。過去，傳統(tǒng)機(jī)器人設(shè)計來自特定的生產(chǎn)任務(wù)和需求，在焊接、裝配、涂裝等單一任務(wù)下偏向采用成本較低、技術(shù)簡單的單臂式的機(jī)器人，但隨著應(yīng)用規(guī)模的擴(kuò)大和經(jīng)驗(yàn)積累，人們開始研發(fā)和測試多關(guān)節(jié)、多臂式的機(jī)器人系統(tǒng)，使其具有更高的靈活性和適應(yīng)性，可以完成更多的復(fù)雜任務(wù)和操作?；诖?，本文提出以下假設(shè)：

假設(shè)1：老齡化倒逼工業(yè)部門增加機(jī)器設(shè)備使用，產(chǎn)生干中學(xué)效應(yīng)，促進(jìn)勞動節(jié)約型技術(shù)創(chuàng)新。

(三)人力資本積累效應(yīng)

從倒逼創(chuàng)新理論視角看來，由于人口老齡化趨勢減少了勞動人口數(shù)量，相較于資本節(jié)約型技術(shù)，勞動節(jié)約型創(chuàng)新動機(jī)更強(qiáng)。這體現(xiàn)在近年的人工智能、互聯(lián)網(wǎng)等技術(shù)不斷發(fā)展，且相較于經(jīng)濟(jì)、管理等人文社會科學(xué)學(xué)科，機(jī)械、智能技術(shù)、自動化等理工類學(xué)科教育擴(kuò)招幅度更大。由此，本文提出以下假設(shè)：

假設(shè)2：老齡化通過倒逼人力資本偏向積累，促進(jìn)勞動節(jié)約型技術(shù)創(chuàng)新。

(四)研發(fā)投入倒逼效應(yīng)

(13)

假設(shè)3：老齡化通過倒逼創(chuàng)新部門偏向增加資本研發(fā)投入，進(jìn)而推動勞動節(jié)約型技術(shù)創(chuàng)新。

四、實(shí)證檢驗(yàn)

(一)實(shí)證模型建立

為了驗(yàn)證以上假設(shè)，本文以中國機(jī)器人專利申請授權(quán)代理勞動節(jié)約型技術(shù)創(chuàng)新展開實(shí)證分析。由于中國工業(yè)企業(yè)數(shù)據(jù)樣本在時間上相對滯后，而中國機(jī)器人專利在2011年以后才開始大量增長，現(xiàn)有數(shù)據(jù)不支持微觀匹配，本文的基準(zhǔn)分析將從省級層面展開。后文進(jìn)一步研究分析時，考慮創(chuàng)新的時間滯后性再補(bǔ)充微觀層面的實(shí)證分析。據(jù)此，本文提出以下基準(zhǔn)回歸模型：

inoit=β0+β1oldit+β2Xit+vi+λt+ε

(14)

其中，下標(biāo)i和t分別表示地區(qū)和年份；ino為勞動節(jié)約型技術(shù)創(chuàng)新；old為地區(qū)老齡化程度；X為一系列省級層面的控制變量；vi和λt分別表示個體和時間固定效應(yīng)；ε為估計誤差；β為回歸系數(shù)。系數(shù)β1指向了老齡化對勞動節(jié)約型技術(shù)創(chuàng)新的影響，如果顯著為正，則說明老齡化對勞動節(jié)約型創(chuàng)新存在倒逼作用。

為了驗(yàn)證其中機(jī)制，參考溫忠麟等(2004)[33]檢驗(yàn)中介效應(yīng)的三步法，在式(14)的基礎(chǔ)上提出：

medit=δ0+δ1oldit+δ2Xit+vi+λt+ε

(15)

inoit=γ0+γ1oldit+γ2medit+γ3Xit+vi+λt+ε

(16)

其中，med為中介變量，包括研發(fā)投入、技術(shù)應(yīng)用和人力資本積累；δ和γ為回歸系數(shù)。在式(14)—式(16)組合模型下，如果回歸系數(shù)δ1顯著而γ1小于β1，則說明中介效應(yīng)存在。

(二)變量的選取

被解釋變量方面，考慮到機(jī)器人外觀發(fā)明專利多數(shù)應(yīng)用于立體模型和玩具的制造，與機(jī)器替代勞動的作用聯(lián)系很小，本文以去除外觀發(fā)明專利后的地區(qū)機(jī)器人申請專利數(shù)據(jù)為研究對象，而為了控制總體專利申請數(shù)量提高對機(jī)器人專利申請帶來的趨勢性影響，以機(jī)器人專利申請占地區(qū)全部專利申請數(shù)量的比值為被解釋變量。解釋變量方面，本文參考汪偉等(2015)[2]，以地區(qū)老年撫養(yǎng)比衡量老齡化程度。中介變量方面，與理論分析相對應(yīng)，本文分別考察老齡化對勞動節(jié)約型技術(shù)創(chuàng)新的三種效應(yīng)。其中，研發(fā)投入倒逼效應(yīng)和人力資本積累效應(yīng)分別以地區(qū)研發(fā)(R&D)人員全時當(dāng)量對數(shù)、區(qū)域大專及以上人數(shù)占比代理。設(shè)備應(yīng)用干中學(xué)效應(yīng)方面，考慮到過去中國機(jī)器人大都來自海外進(jìn)口，同時為了區(qū)分本土研發(fā)投入效應(yīng)，本文以地區(qū)進(jìn)口機(jī)器人數(shù)量對數(shù)進(jìn)行衡量[7]。

本文加入以下控制變量：政府干預(yù)程度，地方政府的財政支持一定程度上對企業(yè)創(chuàng)新投入有正向作用，本文以地方政府財政支出與GDP的比值衡量；外商直接投資水平，地區(qū)外商投資水平有利于外部技術(shù)引進(jìn)，對本土創(chuàng)新具有促進(jìn)作用，本文以當(dāng)期平均匯率平價后的外商企業(yè)投資額(萬元)與地區(qū)生產(chǎn)總值(億元)的比值度量；對外開放程度，地區(qū)的對外開放水平會影響企業(yè)進(jìn)口機(jī)器人設(shè)備的動機(jī)，進(jìn)而影響技術(shù)創(chuàng)新，本文以進(jìn)出口貿(mào)易總額占地區(qū)生產(chǎn)總值的比例衡量；高等院校數(shù)，從樣本看來，相當(dāng)部分機(jī)器人專利申請人為地方高校，高等院校分布可能對機(jī)器人創(chuàng)新存在顯著促進(jìn)作用，本文以地區(qū)高等院校數(shù)量的對數(shù)衡量地區(qū)高等教育水平；地區(qū)工業(yè)強(qiáng)度，區(qū)域機(jī)器人創(chuàng)新需求相當(dāng)部分來自市場，為了控制這方面的影響，本文以區(qū)域第二產(chǎn)業(yè)從業(yè)人數(shù)的自然對數(shù)代理區(qū)域工業(yè)強(qiáng)度。此外，為了控制不隨時間變化的地區(qū)差異，如地理位置、資源、人文環(huán)境等對機(jī)器人創(chuàng)新的影響，以及控制隨時間變化的外部經(jīng)濟(jì)波動作用，本文在回歸中均加入了個體固定效應(yīng)和時間固定效應(yīng)。為了消除極端值對回歸的影響，對被解釋變量、解釋變量均做前后各1%的縮尾處理。

(三)數(shù)據(jù)來源與描述性統(tǒng)計

本文基準(zhǔn)研究、穩(wěn)健性檢驗(yàn)、異質(zhì)性分析部分的樣本為2003—2021年省級面板數(shù)據(jù)，其中西藏、寧夏由于數(shù)據(jù)的缺失而予以剔除，部分缺失但非連續(xù)缺失數(shù)據(jù)通過與時間插值的方法補(bǔ)充。而中介效應(yīng)檢驗(yàn)部分，由于進(jìn)口貿(mào)易數(shù)據(jù)中關(guān)于機(jī)器人的國際商品分類(HS)在2012年以后才新增(HS2012)，本文的中介變量進(jìn)口機(jī)器人數(shù)據(jù)的樣本始于2012年，并把中介效應(yīng)檢驗(yàn)樣本區(qū)間時間設(shè)置為2012—2021年。機(jī)器人專利數(shù)據(jù)來自中國知網(wǎng)專利數(shù)據(jù)庫；省級專利數(shù)據(jù)、研發(fā)人員全時當(dāng)量數(shù)據(jù)來自各年度《中國科技統(tǒng)計年鑒》；進(jìn)口機(jī)器人數(shù)據(jù)來自中國海關(guān)商品貿(mào)易數(shù)據(jù)庫；地區(qū)老齡化程度、高校數(shù)量、財政支出、對外貿(mào)易、人口出生率數(shù)據(jù)來自《中國統(tǒng)計年鑒》、各地方統(tǒng)計年鑒和《中國教育統(tǒng)計年鑒》；穩(wěn)健性檢驗(yàn)中退休參保占比、異質(zhì)性分析中的服務(wù)業(yè)就業(yè)數(shù)據(jù)來自《中國勞動統(tǒng)計年鑒》；進(jìn)一步研究中的企業(yè)層面變量全部來自《中國工業(yè)企業(yè)數(shù)據(jù)庫》。

變量的描述性統(tǒng)計結(jié)果如表1所示。

表1 描述性統(tǒng)計

(四)基準(zhǔn)回歸

基于式(14)，可以得到表2回歸結(jié)果。機(jī)器人創(chuàng)新與地區(qū)人口老齡化程度呈正向關(guān)系：加入控制變量后，老年撫養(yǎng)比每提高1%單位，機(jī)器人專利占全部專利的比值增加約0.023%，機(jī)器人發(fā)明專利占全部發(fā)明專利比值增加約0.074%，機(jī)器人實(shí)用新型專利占全部實(shí)用新型專利比值增加約0.010%。近年來，中國人口老齡化程度不斷加劇，老年撫養(yǎng)比從1997年的9.689%增長至2021年的20.778%，為中國經(jīng)濟(jì)的發(fā)展帶來極大的負(fù)擔(dān)，使技術(shù)發(fā)展方面逐漸偏向勞動節(jié)約型創(chuàng)新。通過比較系數(shù)大小發(fā)現(xiàn)，人口老齡化對勞動節(jié)約型技術(shù)創(chuàng)新的促進(jìn)作用突出表現(xiàn)在發(fā)明專利上，這一定程度上說明老齡化帶來了實(shí)質(zhì)性的影響。

表2 基準(zhǔn)回歸

(五)穩(wěn)健性檢驗(yàn)

為了提高模型的穩(wěn)健性，分別從以下幾個方面進(jìn)行穩(wěn)健性檢驗(yàn)：

第一，更換解釋變量。分別以少兒撫養(yǎng)比、城鎮(zhèn)養(yǎng)老保險參保人員中退休人數(shù)占比替代老年撫養(yǎng)比進(jìn)行回歸。少兒撫養(yǎng)比一定程度上反映了地區(qū)生育水平，與老齡化程度釋放的勞動力供給信號相反，其與勞動節(jié)約型創(chuàng)新應(yīng)該存在負(fù)向關(guān)系；城鎮(zhèn)養(yǎng)老保險參保人員中的退休人數(shù)比例同樣反映了地區(qū)的老齡化程度，但與地區(qū)老年撫養(yǎng)比相比，養(yǎng)老保險的供求關(guān)系能直接讓企業(yè)感受到人口紅利下降的壓力?；貧w結(jié)果如表3所示，少兒撫養(yǎng)比對勞動節(jié)約型創(chuàng)新具有負(fù)向作用，而養(yǎng)老保險參保人員中退休人員占比對勞動節(jié)約型創(chuàng)新具有正向作用，與基準(zhǔn)回歸結(jié)論一致。

表3 穩(wěn)健性檢驗(yàn)Ⅰ

第二，替換被解釋變量。基準(zhǔn)回歸的被解釋變量為地區(qū)機(jī)器人專利申請占全部專利申請的比值，在此基礎(chǔ)上得到的正相關(guān)關(guān)系一定程度上檢驗(yàn)了理論分析的猜想，但只能說明老齡化倒逼作用帶來的專利結(jié)構(gòu)性變化，無法體現(xiàn)對創(chuàng)新絕對數(shù)量的影響。為此，本部分以機(jī)器人專利申請數(shù)量作為被解釋變量進(jìn)一步回歸分析。然而，考慮到21世紀(jì)以來人工智能等技術(shù)不斷發(fā)展，機(jī)器人專利申請數(shù)量可能隨時代背景而自然存在正向的增長趨勢，進(jìn)而造成回歸系數(shù)的高估。為了考察變量受時間趨勢的影響程度，本文進(jìn)行去趨勢化處理，具體做法如下：首先以機(jī)器人專利申請數(shù)的對數(shù)值為被解釋變量，以時間為解釋變量進(jìn)行回歸，再把得到的殘差項(xiàng)作為去趨勢后的被解釋變量放回基準(zhǔn)模型中，以此剝離機(jī)器人專利申請數(shù)量隨時間變化的趨勢。具體回歸結(jié)果如表4所示。時間變量回歸結(jié)果表明，總體專利數(shù)量與時間趨勢相關(guān)性最高，其次為機(jī)器人實(shí)用新型專利數(shù)量，最后為發(fā)明專利數(shù)量，三個專利絕對數(shù)量均與時間存在較強(qiáng)的相關(guān)性。以去趨勢化處理的殘差項(xiàng)為被解釋變量的回歸結(jié)果表明，老年撫養(yǎng)比每增加1%個單位，總體專利申請數(shù)量較原來增長約2.014%，發(fā)明專利申請數(shù)量較原來增長約3.107%，實(shí)用專利數(shù)量較原來增長約2.851%。

表4 穩(wěn)健性檢驗(yàn)Ⅱ

第三，考慮動態(tài)模型。由于專利發(fā)明是技術(shù)長時間積累的結(jié)果，知識和研發(fā)人員堆積的規(guī)模經(jīng)濟(jì)效應(yīng)可能使機(jī)器人創(chuàng)新存在動態(tài)演化特征，即過去的專利申請數(shù)量對當(dāng)期創(chuàng)新能力存在促進(jìn)作用。為此，本文結(jié)合系統(tǒng)-廣義矩估計(SYS-GMM)的方法考察動態(tài)模型下老齡化程度對機(jī)器人創(chuàng)新的影響。

表5的回歸結(jié)果表明，滯后一期的機(jī)器人專利數(shù)量系數(shù)均顯著為正，說明機(jī)器人專利申請可能具有干中學(xué)的動態(tài)特征；與靜態(tài)模型相比較，動態(tài)模型下老齡化程度對機(jī)器人創(chuàng)新的系數(shù)變小，說明靜態(tài)模型可能一定程度上高估了老齡化對機(jī)器人創(chuàng)新的影響；對擾動項(xiàng)差分一階自相關(guān)系數(shù)檢驗(yàn)顯著拒絕為零的假設(shè)，而對擾動項(xiàng)差分二階自相關(guān)系數(shù)檢驗(yàn)無法拒絕，說明SYS-GMM估計結(jié)果是一致的。

表5 穩(wěn)健性檢驗(yàn)Ⅲ、Ⅳ

第四，安慰劑檢驗(yàn)。按照前文分析，老齡化趨勢影響機(jī)器人創(chuàng)新的主要來自未來勞動力緊缺信號的傳遞，所以機(jī)器人外觀設(shè)計創(chuàng)新應(yīng)該與老齡化趨勢的關(guān)系較小。

為此，分別以機(jī)器人外觀設(shè)計專利占全部外觀專利的比值、機(jī)器人外觀設(shè)計專利申請數(shù)量的對數(shù)值為被解釋變量，作為基準(zhǔn)回歸的對照作安慰劑檢驗(yàn)。表5回歸結(jié)果顯示，老齡化趨勢對機(jī)器人外觀設(shè)計專利申請占比和絕對申請數(shù)量的影響都不顯著，進(jìn)一步提高了結(jié)論穩(wěn)健性。

(六)機(jī)制檢驗(yàn)

通過式(14)—式(16)，可以得到表6的中介效應(yīng)檢驗(yàn)結(jié)果。人口老齡化程度對中介變量研發(fā)投入、技術(shù)應(yīng)用和人力資本積累的回歸結(jié)果系數(shù)均顯著為正，說明存在正向作用。

表6 機(jī)制檢驗(yàn)

將三種影響效應(yīng)同時加入基準(zhǔn)回歸模型，發(fā)現(xiàn)人口老齡化對機(jī)器人專利的影響系數(shù)大小和顯著性下降，而研發(fā)投入、技術(shù)應(yīng)用與人力資本積累三條路徑影響顯著。通過比較系數(shù)乘積發(fā)現(xiàn)，人口老齡化倒逼機(jī)器人技術(shù)創(chuàng)新的人力資本積累路徑最強(qiáng)，系數(shù)乘積約為0.142，解釋了約74.113%的總倒逼效應(yīng)；其次為研發(fā)投入倒逼路徑，系數(shù)乘積約為0.022，解釋了約11.482%的影響；最后為技術(shù)進(jìn)口路徑，系數(shù)乘積為0.011，解釋了約5.741%的影響。

(七)異質(zhì)性分析

本文通過構(gòu)建指標(biāo)與解釋變量交互項(xiàng)的方式進(jìn)一步研究老齡化影響的異質(zhì)性。如果解釋變量與異質(zhì)性指標(biāo)的交互項(xiàng)系數(shù)顯著，則說明老齡化對勞動節(jié)約型創(chuàng)新的影響存在異質(zhì)性作用。回歸結(jié)果見表7。從表7可以看出：

表7 異質(zhì)性檢驗(yàn)

一是工業(yè)男女性別比越高，老齡化的倒逼影響效果越小。這是由于男性在重復(fù)性體力任務(wù)上存在生理優(yōu)勢所致，而機(jī)器人專利中的碼垛機(jī)器人、搬運(yùn)機(jī)器人、噴漆機(jī)器人等主流的工業(yè)機(jī)器人設(shè)備為典型的勞動節(jié)約型設(shè)備，使地區(qū)工業(yè)男性占比越高，勞動節(jié)約創(chuàng)新緊迫性越低。

二是東部地區(qū)的老齡化倒逼作用顯著小于中、西部地區(qū)，說明相較于勞動力資源豐富的東部地區(qū)，中、西部地區(qū)的勞動節(jié)約需求更高。

五、進(jìn)一步研究

專利的申請需要長時間的準(zhǔn)備和投入，企業(yè)研究開發(fā)相關(guān)支出隨老齡化程度的加劇而增長。如果能找到勞動力市場的人口老齡化趨勢與機(jī)器人研發(fā)企業(yè)研發(fā)投入上的正相關(guān)關(guān)系，將在一定程度上從微觀層面支持本文的結(jié)論。

本文把曾經(jīng)申請機(jī)器人專利的工業(yè)企業(yè)作為機(jī)器人創(chuàng)新企業(yè)，即樣本區(qū)間內(nèi)機(jī)器人專利申請數(shù)量至少為1個的企業(yè)為研究對象展開回歸分析。

由于中國工業(yè)企業(yè)數(shù)據(jù)庫中只有2005—2007年和2010年提供了研發(fā)投入數(shù)據(jù)，本文微觀層面實(shí)證分析以這幾年為基礎(chǔ)展開。具體數(shù)據(jù)處理步驟如下：第一，把機(jī)器人專利數(shù)據(jù)通過申請人和工業(yè)企業(yè)名稱相匹配；第二，考慮到時間區(qū)間內(nèi)，工業(yè)企業(yè)可能存在更改單位名稱的情況，本文在剩余未匹配的樣本中，通過郵政編碼、地址和電話進(jìn)行二輪匹配。實(shí)際操作后匹配得到2 792個有效樣本，機(jī)器人創(chuàng)新企業(yè)有860個。

本文構(gòu)建以下實(shí)證模型：

Frdmt=η0+η1oldit+η2Zmt+η3Xit+vm+λt+ε

(17)

其中，m表示企業(yè)，η為估計系數(shù)；Frd表示工業(yè)企業(yè)研發(fā)強(qiáng)度，由人均研究開發(fā)費(fèi)用的對數(shù)表示；X為省級層面的控制變量，沿用式(14)基準(zhǔn)回歸中的控制變量；Z為企業(yè)層面的控制變量，本文控制企業(yè)年齡、企業(yè)利潤率、是否出口企業(yè)和企業(yè)融資約束幾個方面的變量。

具體地，企業(yè)年齡以數(shù)據(jù)年份與企業(yè)開業(yè)年份的差額表示；企業(yè)利潤率以營業(yè)利潤與營業(yè)收入的比值衡量；是否出口企業(yè)以0-1虛擬變量表示，當(dāng)企業(yè)出口交貨值大于0時為出口企業(yè)，取值為1，否則為0；企業(yè)融資約束以企業(yè)利息支出與固定資產(chǎn)原價比值衡量。同時，在模型中引入企業(yè)固定效應(yīng)vm和時間固定效應(yīng)λt。

回歸結(jié)果如表8所示。未加入控制變量、加入地區(qū)控制變量和加入地區(qū)與企業(yè)控制變量的回歸結(jié)果顯示，系數(shù)η1全部顯著為正，說明老齡化程度能夠顯著促進(jìn)機(jī)器人創(chuàng)新企業(yè)加大研發(fā)投入強(qiáng)度。

表8 微觀層面回歸

六、研究結(jié)論與政策建議

改革開放以來，中國一直憑著勞動力比較優(yōu)勢充當(dāng)世界加工廠的角色，實(shí)現(xiàn)了經(jīng)濟(jì)的快速增長。然而，隨著人口出生率的不斷下降，人口預(yù)期壽命不斷延長，過去的人口紅利也逐漸消退。

為了加快轉(zhuǎn)變經(jīng)濟(jì)增長方式，推動創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，本文探討了人口老齡化對勞動節(jié)約型技術(shù)創(chuàng)新的影響?；谝粋€三部門理論模型研究發(fā)現(xiàn)，人口老齡化影響勞動約型技術(shù)創(chuàng)新存在研發(fā)投入、技術(shù)應(yīng)用和人力資本的三種影響路徑。以中國機(jī)器人專利申請數(shù)據(jù)代理勞動節(jié)約型技術(shù)創(chuàng)新，本文從地區(qū)層面和企業(yè)層面實(shí)證分析了人口老齡化對中國勞動節(jié)約型技術(shù)創(chuàng)新的影響。

本文研究發(fā)現(xiàn)：

第一，總體上，人口老齡化趨勢對勞動節(jié)約型創(chuàng)新具有顯著的促進(jìn)作用，其中對發(fā)明專利的影響最大，實(shí)用新型專利作用次之，而對外觀專利影響不顯著。

第二，中介效應(yīng)檢驗(yàn)發(fā)現(xiàn)，人口老齡化通過倒逼區(qū)域增加研發(fā)投入、技術(shù)應(yīng)用、人力資本積累促進(jìn)機(jī)器人技術(shù)創(chuàng)新，影響效果從大到小依次為人力資本積累、研發(fā)投入和技術(shù)應(yīng)用。

第三，異質(zhì)性檢驗(yàn)發(fā)現(xiàn)，由于勞動力供給差異，男性占比高的地區(qū)和中、西部人口非密集地區(qū)的老齡化倒逼效應(yīng)更強(qiáng)。

第四，進(jìn)一步匹配微觀企業(yè)數(shù)據(jù)發(fā)現(xiàn)，相較于其他工業(yè)企業(yè)，機(jī)器人創(chuàng)新企業(yè)因?qū)ξ磥韯趧恿顩r的擔(dān)憂而提前加大研發(fā)投入。

基于以上結(jié)論，在人口老齡化的必然趨勢下，如何充分利用老齡化的倒逼效應(yīng)，排除制約機(jī)制傳導(dǎo)的不良因素，積極推動經(jīng)濟(jì)增長動能的轉(zhuǎn)變、促進(jìn)勞動節(jié)約型技術(shù)創(chuàng)新，是實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展和高質(zhì)量發(fā)展的關(guān)鍵。

為此，本文提出以下建議：

第一，加強(qiáng)科技創(chuàng)新交流，鼓勵相關(guān)成果轉(zhuǎn)化應(yīng)用。建議多舉辦科學(xué)技術(shù)交流論壇、科技展覽會議和技術(shù)創(chuàng)新大賽等活動，加強(qiáng)勞動節(jié)約型技術(shù)推廣，通過增加信息流通和技術(shù)合作破除因信息不對稱等問題帶來的創(chuàng)新制約。同時，搭建連接科技人員和企業(yè)的科研創(chuàng)新平臺，鼓勵校企合作，加快技術(shù)成果向?qū)嶋H生產(chǎn)應(yīng)用的轉(zhuǎn)化，引導(dǎo)創(chuàng)新成果流動，以彌補(bǔ)老齡化帶來的勞動力短缺，推動經(jīng)濟(jì)的可持續(xù)發(fā)展。

第二，建立健全相關(guān)制度，保護(hù)創(chuàng)新。進(jìn)一步完善知識產(chǎn)權(quán)法律法規(guī)，加大對侵權(quán)行為的懲罰力度，宣傳創(chuàng)新理念和創(chuàng)新意識，營造積極、健康和具有競爭性的創(chuàng)新環(huán)境，激發(fā)企業(yè)創(chuàng)新動力。同時，靈活搭配使用財政工具，對于企業(yè)以人力資本培養(yǎng)、研發(fā)創(chuàng)新投入和技術(shù)進(jìn)口投入等為目的的非經(jīng)營性支出按影響效應(yīng)比例適當(dāng)給予退稅優(yōu)惠和創(chuàng)新補(bǔ)貼，通過提高創(chuàng)新回報守護(hù)研發(fā)熱情。

第三，平衡地區(qū)發(fā)展。建議在中、西部人才短缺地區(qū)設(shè)立更多的研究機(jī)構(gòu)，通過提供優(yōu)惠住房政策、社會保障等手段鼓勵科研、技術(shù)和教育人才和資金往后發(fā)地區(qū)轉(zhuǎn)移。適當(dāng)引導(dǎo)創(chuàng)新要素流動，促進(jìn)產(chǎn)業(yè)合理空間布局，以提高勞動力短缺地區(qū)技術(shù)水平和創(chuàng)新能力，補(bǔ)充創(chuàng)新要素的同時促進(jìn)區(qū)域經(jīng)濟(jì)平衡發(fā)展。

第四，提升人力資本水平。建議從初等教育出發(fā)，增加或設(shè)立計算機(jī)、人工智能、機(jī)器人應(yīng)用等必修科目，通過學(xué)科融合、交互等方式培育更多技術(shù)創(chuàng)新主體，在人口數(shù)量紅利下降的趨勢下提升人口質(zhì)量紅利。同時，增加職業(yè)培訓(xùn)和技能提升計劃，幫助勞動者適應(yīng)技術(shù)進(jìn)步和產(chǎn)業(yè)變遷，以促進(jìn)勞動力與數(shù)字技術(shù)、智能技術(shù)等勞動節(jié)約技術(shù)互補(bǔ)，實(shí)現(xiàn)經(jīng)濟(jì)的高質(zhì)量和可持續(xù)發(fā)展。