老龄化趋势下中国教育、科技创新对就业的影响——基于1990－2013年31省面板数据的实证研究

● 官爱兰 周丽萍

老龄化趋势下中国教育、科技创新对就业的影响
——基于1990－2013年31省面板数据的实证研究

● 官爱兰 周丽萍

随着人口老龄化进程加快，年轻劳动力逐渐匮乏，就业问题愈加突出。由此本文研究人口老龄化趋势下教育和科技创新对就业增长的影响，以此找寻就业难的出路。文章使用1990～2013年31省面板数据，利用科技创新、物质资本、人力资本、实际工资与就业的超对数模型进行了面板回归，以便探讨教育、科技创新对就业增长的总体效应。并且，我们还根据年均人口老龄化程度将我国31个省市区划分为三类地区，并对这三类地区分别进行了分析。结果表明，人口老龄化程度越高，其教育对就业增长的影响会越大，而科技创新对就业增长的影响由大变小再稍上升。因此，在老龄化程度不同的地区和时期，其政策侧重点应有所区别。但不管怎样，教育和科技创新是社会经济发展的动力源，注重教育创新，尤其是着重培育科技创新人才，既能提高社会劳动生产率，又能实质性补充就业量。

教育 科技创新 人口老龄化 就业 面板数据

在全球老龄化趋势蔓延之际，2013年我国65岁及以上老年人口比重达9.67%，远高于联合国老龄化7%的标准，这给我国社会带来一系列问题。如15-64岁的劳动力开始负增长，“民工荒”现象日趋严重，人口红利出现刘易斯拐点等，这些问题严重制约着我国社会经济的发展。客观来看，这些问题在短期内很难改善，原因在于：一方面随着经济的不断发展，人们的生育意愿在大幅降低，且不孕不育率趋于上升，这造成新生婴儿减少；另一方面随着我国医疗设施的不断健全，人均预期寿命在逐年延长，老年人越来越多。势必造成劳动力供给相对不足。那么怎样解决人口年龄结构老化带来的劳动力短缺问题？教育、科技创新是否能缓解这一矛盾？教育、科技创新对就业的影响程度如何等等？这些议题值得深入探讨。

国内外相关研究颇多，学者们仁者见仁智者见智。就教育对就业的影响方面，主要有以下几种观点。其一，教育会增加就业，尤其是增加服务行业中的就业（Blau and Ducan，1967；Mary and Maslak，2011），国内较多学者也有类似观点（黄国平，2003；张静，2006；顾和军、刘云平，2013）。其二，教育将导致失业，有学者认为教育过度导致失业（R. Freeman，1976；Tsang and Levin，1985；赖德胜，1999），也有学者认为毕业生就业观点落后导致失业（谢维和、王洪才，2001；刘万永，2003；张烈，2004）。其三，教育与就业的关系是不确定的（胡娇，2008），认为教育是人学会谋生的捷径，但学校教育分担就业责任是有限的。虽然国内外学者对此争议较大，但大多数学者仍肯定了教育对就业的促进作用。

也有学者就科技创新对就业的影响进行了探讨，主要观点大致分为三种。一是，“乐观派”认为科技创新对就业有明显的促进作用（Herbert A. Simon，1982；Harvey Brooks，1985），近年来，国内许多学者针对中国的状况进行定性、定量分析得出同样的结论（宋德军，2012；吴莎等，2013），即科技创新与就业显著正相关。二是，“悲观派”认为科技创新对就业有抑制作用（D.H. Meadows，1972；唐国华，2011；方建国、尹丽波，2012），即科技创新替代就业，导致失业。三是，“中性派”认为科技创新对就业不仅有促进作用，也有抑制作用（J.A.Schumpeter，1996；Dale T. Mortensen，1998；Araújo, Bogliacino and Vivarelli， 2011），近年来，我国也有不少学者支持此观点（李正友、毕先萍，2004；汪慧玲，2010；刘悦等，2012）。国内外对科技创新与就业的关系的研究，呈现出“百家争鸣、百花齐放”的态势，但国内学者更倾向于科技创新对就业具有促进作用。

另外，还有少数学者对老龄化-教育-科技创新-就业四者关系进行了阐述，主要是围绕人口老龄化对其它因素的影响进行理论分析。李文（2002）指出人口年龄结构影响劳动力参与率和劳动力供给等，克服人力资源束缚的关键在于加大人力资本投资，在于提高劳动力素质与劳动力生产率，增强国民科学素养与提升科技创新能力。马雪松（2012）通过研究，认为从经济角度看，老龄化对就业量、就业结构等都将产生全面而深远的影响；从社会角度，对教育资源配置、科技文化事业等产生深刻影响。倪超等（2014）通过对相关文献的研究，得出结论：人口老龄化通过影响科技进步、物质资本以及劳动力资源等途径对我国经济的发展产生作用，从长远来看负效应更大。

上述研究主要分别从教育对就业的影响及科技创新对就业的影响方面展开，运用文献法、定性与定量分析法等，论证了影响效应有正向关系、负向关系及中观效应，分析了其内在因果机理，并提出了相应的政策建议，这为本文的写作提供了参考与借鉴。但是基于老龄化背景下的教育、科技创新对就业的影响研究极少，尤其是采用实证方法对其进行研究的就更少。因此本文创新性地将教育和科技创新结合起来，与就业进行回归分析，证实三者的关系。我们使用了1990至2013年31个省市区的数据进行研究，试图为人口老龄化对就业产生的冲击寻求出路。本文研究框架为：第一部分是引言和文献综述，阐明我国人口老龄化对就业的影响，交代教育和科技创新成为缓解就业矛盾的动力源；第二部分是构建理论模型，即扩展后的C-D函数，择优选取变量和数据，便于展开实证分析；第三部分是研究结果与讨论，该部分详细阐述了单位根与协整检验结果、总体面板模型回归以及老龄化程度不同地区的面板回归结果；第四部分是政策建议。

一、理论模型、变量和数据

（一）理论模型

为了研究我国各省市区人口老龄化趋势下，教育及科技创新对就业增长的影响，本文引入柯布－道格拉斯生产函数：

其中，Y为实际GDP，A为技术进步，K为资本，L为劳动力。

现有生产函数模型中忽略了人口老龄化问题，而针对目前我国国情，人口老龄化问题严重，人口老龄化对人力资本的影响重大，同时影响着经济发展，此外，考虑到教育对人力资本的作用，也将教育引入其中。借鉴胡鞍钢等人（2012）做法，用E（1-u-h）N来代替人力资本。

其中，H为人力资本变量，E为受教育年限，u为人口老龄化变量，h为少儿人口比重，N为常住总人口数。这里的K以及本文后面提到的K都只是物质资本。

另外，在知识经济时代的今天，科学技术创新对就业也有着一定的影响。借鉴吴延兵（2008）的作法，将技术进步要素用以下等式表示。

其中Z为科技创新变量，a为常量，η为随机干扰项。

假设市场是完全竞争的，将（4）式代入（2）式，并在实现利润最大化的前提下，推导出：

其中，cn（n=0,1,2,3,4）表示各变量系数，ε为随机干扰项，W/P表示实际工资。

再将（4）式应用到面板数据中，得到:

其中，i表示各省市，t表示年份。

最后，将（3）式代入（6）式，化简得:

（二）变量与数据选取

在变量的选取方面，人口老龄化变量（u）是用65岁及以上的老年人口占总人口的比重来表示，科技创新变量（Z）是用专利授权件数来表示，劳动力变量（L）是用每年年底就业人数来表示的，人力资本变量(H)是用E(1-u-h）N来表示。

其中，教育变量（E）是用受教育年限来表示，j=1、2、3、4、5，j代表受教育层次，1表示不识字或识字很少，2表示小学教育，3表示初中教育，4表示高中教育（包括中专），5表示大学教育（专科及以上）， Ej代表文化水平为j的人数，λj表示文化水平为j的平均受教育时间。

物质资本存量是采用张军（2004）的省际物质资本估算方法，其中δ表示折旧率（9.6%），I/IP表示实际投资，实际投资是采用各年各省的固定投资形成总额经过平减之后的实际值。

本文样本选取我国1990～2013年31个省市区，包含除了香港、澳门和台湾以外的所有省市区。不同变量的缺失值采取不同方法补齐，主要是采取先对数据进行平滑，然后再进行线性回归。根据不同的数据回归，其数据处理有所不同，有的采取对数或半对数形式，有的采用AR模型，有的与邻省进行回归，目的是为了结果更接近现实，而不是一味的采用同一种模型和方法。其中，西藏的固定资产价格指数没有数据，直接使用RPI(零售物价指数)来代替的。数据主要来源于历年的《中国统计年鉴》和《新中国60年统计年鉴》。表1为变量的描述性统计。

表1 各变量的描述性统计

二、研究结果及讨论

（一）研究结果

1.单位根及协整检验结果

单位根检验主要是分析数据中是否存在单位根，存在单位根意味着该变量的数据非平稳。无论是时间序列，还是面板模型，都存在同样的问题，倘若变量存在单位根，则不满足回归的前提条件，那么所做的回归即为伪回归。为了确保回归的正确性，本文对各变量对数的水平值和一阶差分值进行了LLC、ADF - Fisher及PP - Fisher检验。检验结果表明，各变量对数的水平值单位根检验的P值都不显著，接受原假设，即存在单位根；而各变量对数的一阶差分单位根检验的P值都较显著，表明一阶差分之后各变量都不存在单位根，即一阶差分后均是较平稳的数据。

格兰杰（1987）提出的协整检验刻画的是各经济变量间存在着长期稳定的关系。协整检验的前提条件是各变量为同阶单整，从单位根检验得知我们选取的变量满足该条件。因此可以进行协整检验。一般来说，面板数据采用Pedroni、Kao与Johansen三种方法进行协整检验，检验的原假设是面板变量之间不存在协整关系。Pedroni协整检验方法是以协整方程的回归残差为基础构建7个统计量来对面板数据进行协整关系检验。Pedroni协整检验结果显示，除了面板ρ和组间ρ以外，其它5个统计量都十分显著。就Pedroni（2003）的观点，在时间较短的情况下，面板t和组间t有较高的效能。因此，Pedroni残差协整检验结果表明，面板的5个变量之间存在协整关系。此外，Kao与Johansen两种方法进行的协整检验同样十分显著，表明面板变量的对数形式之间存在协整关系。

2.总体回归结果

单位根和协整检验说明本文选取的变量可以进行面板回归，面板回归模型主要包括静态模型和动态模型，我们采用静态模型，静态模型不仅包括三种传统模型（混合模型、固定效应模型和随机效应模型），还有PCSE（Panel Corrected Standard Errors，面板校正标准误）模型、FGLS（Feasible Generalized Least Squares，可行的广义最小二乘法）模型、GMM（Gaussian Mixture Model，高斯混合模型）等。一般来说，静态模型首先是在混合模型、固定效应模型和随机效应模型中进行选择。前两者采用F检验进行抉择，我们使用Stata软件，检验结果表明不能选择混合模型；而后两者通常使用豪斯曼检验，该检验的原假设是随机效应模型，从表2中豪斯曼检验的P值显示拒绝原假设，因此选择固定效应模型。并经过修正的瓦尔德检验，其卡方值为1807.53，P值十分显著，说明回归存在异方差。根据需要，我们对因变量就业水平的对数进行了多种回归，最终选择以表2中所述的三种回归作为实证结果。

表2 回归结果

表3 老龄化程度地区分类

从表2可以看出，FE（固定效应）模型中InK的系数估计值不显著，且InW/P的系数估计值为正，不符合经济理论。对面板回归进行自相关与异方差检验，发现面板回归存在自相关和异方差，因此在后面两种模型当中进行了相关的修正。在PCSE_C修正模型中，发现诸变量、常数项系数估计值以及Wald chi2（4）都非常显著，拟合优度也非常高，总体来看该模型符合现实情况。与之相似的FGLS_C模型，诸变量的系数估计值都很显著，而且符合经济理论。容易发现，PCSE_C模型与FGLS_C模型的各变量的系数估计值相差不大，尤其是InZ的系数估计值二者几乎相同。不同建模方法，得出相类似的系数估计值，这也证实了PCSE_C模型与FGLS_C模型的各变量的系数估计值较正确。

总体效应结果表明，科技创新对就业的贡献率约在5%-5.6%，物质资本对就业的贡献率大约在3.5%左右，人力资本对就业的影响约在67%-77%之间，实际工资对就业的抑制率约为12%左右。可想而知，我国要解决就业问题，除了要投入大量物质资本以外，还需要大力发展教育和科技创新。科学技术的创新与教育也密不可分，教育能促进科技创新的发展，因此我国应加大对人才培养的力度，培养符合劳动力市场所需人才，这不仅能够提高企业生产效率，也能解决就业问题。

3.人口老龄化差异

上述我国31个省市区总体面板回归没有考虑人口老龄化对就业影响，因此根据各省市的1990-2013年的年均65岁以上老年人口占比进行分类，将这31个省市区划分成三类：1.人口老龄化程度较低地区，其年均老年人口占比小于7%；2.人口老龄化程度较高地区，其年均老年人口占比大于等于7%且小于8.5%；3.人口老龄化程度高的地区，其年均老年人口占比大于等于8.5%。1、2、3类地区分别有10、11、10个省市。

其中，表3中类别1是指老龄化程度较低的地区，2是老龄化程度较高的地区，3是指老龄化程度高的地区。并分别对这三类地区进行PCSE_C模型与FGLS_C模型回归，结果如表4。

在多种模型中，我们甄选出表4所示的PCSE_C和FGLS_C两种模型。通过对不同老龄化程度地区的面板回归，各变量的显著性水平、R2、Wald chi2值都较高，表明各模型拟合较好。在我国老龄化程较低地区，科技创新对就业的贡献率大致在5%-10%，人力资本（包括教育）对就业的贡献率约为56%-69%；在我国老龄化程度较高地区，科技创新对就业的贡献率约1.8%左右，人力资本（包括教育）对就业的贡献率已经达到99.5%了；而在我国老龄化程度高的地区，科技创新对就业的贡献率约3.3%，人力资本（包括教育）对就业的影响程度高达99.8%。三类地区的两种模型皆表明，老龄化程度越高的地区，人力资本对该地区就业的影响会越来越大，而科技创新对该地区的就业弹性却由大变小再变大，但很明显老龄化程度较低的科技创新就业弹性还是高于老龄化程度较高和高的地区。从上文得知，人力资本变量由E（1-u-h）N来表示，那么人力资本对数的系数也是教育变量对数的系数，这意味着随着老龄化程度愈加严重，教育的就业弹性越来越大。

表4 不同老龄化程度地区回归结果

综上所述，无论是总体面板模型，还是老龄化程度不同地区的面板模型，都能说明科技创新对就业增长有促进作用，但很可能会随老龄化程度加大，而代替部分劳动力，进而有部分抑制就业作用；物质资本对就业增长有着促进作用；E（1-u-h）N的估计系数为正且较大，因此人口老龄化对就业增长显然起着阻碍作用；受教育程度对就业有明显的促进作用；实际工资对就业有着一定的抑制作用。对比总体面板回归，我们发现老龄化程度的变化会影响着各变量的系数估计值。换句话说，随着老龄化程度的不断加剧，科技创新、物质资本、受教育程度以及实际工资对就业的影响也会不同。其中，教育会随着老龄化程度加重，对就业的正向影响会越来越大；科技创新则不一样，它会随着老年人口比重加大到一定程度，替代效应会变大，但随着老龄化程度继续加大，科技进步的替代效应又相对变小一点。无论是科技代替人力，还是实际增加就业，都能够弥补劳动力的不足。

（二）讨论及政策建议

近年来我国人口老龄化趋势愈加严重，我国大部分地区65岁以上老年人口占比超过了7%（国际标准），年轻劳动力在不断缩减，劳动力短缺问题日益突出。倘若不能够很好的解决该问题，可能会引发国家或地区的经济衰退，进而影响到我国社会、政治、文化等各个领域。因而我们对不同老龄化程度地区分别进行面板回归，得出结论：老龄化程度越高的地区，受教育年限增长对就业增长的影响越大，而科技创新虽然对就业增长有着正向影响，但并没有随老龄化程度变大，而是由大变小再变大，变化态势不确定。不同老龄化程度之下，导致教育对就业影响的结果主要原因有：一是老龄化程度不断加深的同时，劳动力市场对人才的素质要求逐渐提高，而教育是实现劳动力素质提升的最佳途径，无论是学校教育，还是企业培训，都能够切实提高人力资源的素质，进而满足社会企业单位所需人才要求，因此老龄化程度越高的地区，教育对就业增加的影响越明显；二是老龄化程度加重也能侧面反映出该地区人们健康指数较高，人们丰衣足食，服务业相对发展更快，而服务业对劳动力素质要求较高，因而受教育程度也成为服务业求职的一大门槛，受教育年限会随着老龄化程度加深而对就业影响越大。此外，在老龄化背景下，科技创新对就业有积极促进作用，但促进程度相对较低，主要原因有：一方面，老龄化程度高的地区，科技水平相对较高，进一步创新的难度加大，对就业的促进作用不太明显；另一方面，老龄化程度较高的地区，经济发展也较快，市场需要创新，而科技创新会带来新产品，新产品的延伸需要更多的劳动力；再则，科技创新也会产生新技术，新技术可能导致部分劳动者失业，而且随着老龄化的不断加重，人力资源的不断减少，人力成本增加，因此许多企业走技术代替劳动的路线，这导致了科技创新对就业增长影响不大，但能够代替就业，弥补劳动力不足。

科技创新对就业的正向影响相对小一些，并不意味着科技创新对社会经济发展的贡献小，相反科技创新代替了人力，降低了企业对劳动力的需求（见图1）。

图1 人口老龄化趋势下科技创新对劳动力市场的影响

图1表明，一方面，人口老龄化使得劳动力供给下降，劳动力供给曲线S左移至S’；另一方面，科技创新能够提高生产效率，代替人力，使得劳动力需求减少，劳动力需求曲线D也左移至D’。可以看出，劳动力市场的均衡点从E点转移到E’，即科技创新降低劳动力需求，却能够再次使劳动力市场恢复均衡。当老龄化持续加剧，科技创新的就业弹性又有所回升，说明科技创新不仅能够代替人力，也能够创造新的就业机会，科技创新有助于缓解人口老龄化所带来的就业问题。

因此，根据研究结论，在老龄化程度不同的地区和时期解决就业困境的侧重点应有所区别，因地制宜，因时变策。但总体上是从教育和科技创新两方面来缓解老龄化对就业的冲击，具体政策建议如下。

1.结合就业所需，发展教育事业，促进劳动力供需均衡。近几年，我国面临着大学生找工作难，而企业招人也难的困境，我们认为导致这种结构性失业的关键在于，教育发展滞后于企业发展以及高考制度的不完善。因此，国家应结合企业就业所需人才，健全和完善教育机制，为社会劳动力供求基本均衡服务。

2.发展素质教育，促进服务业发展，为第三产业提供高素质人才。在三次产业中，第三产业发展的越来越快，所占比重也越来越大，因此其重要性不言而喻。而第三产业对综合素质的要求较高，学校应注重素质教育，而不是偏离社会发展需要，一味只看学习成绩，应注重学生德智体美劳的全面培养。

3.加大职业教育和培训，尤其是再就业培训，有助于提升就业的质和量。职业教育和培训直接影响着企业的劳动生产率，而国内对职业教育和培训的重视程度不够，尤其是再就业的培训，但其实很多时候不是下岗职工或退休人员自己放弃再就业的机会，而是社会忽视了他们需要再就业的技能。因此，我国应注重职业教育和培训，并对下岗职工和退休人员进行再就业培训，这不仅能够提升就业的质和量，而且还能部分解决老年人求职问题。

4.加大科技创新投入力度，注重培养科技创新人才。一般来说，投入和产出是成正比的。虽然近几年我国在这方面有所改进，但在很多经济发展落后地区投入仍不足，科研环境仍较差，所以国家需要加大科技创新投入力度，尤其在经济发展落后地区。

5.完善科技创新激励机制，强化科技创新的动力。人的潜能是无限的，科技创新需要健全的激励机制，以激发人创新的潜能。马斯洛的需求层次理论中，提到人的需要按照重要性和层次性排序，从基本的生理需要到复杂的自我实现的需要，逐级上升，成为推动继续努力的内在动力。因此要完善科技创新激励机制，不仅仅从物质补助方面对科研人员进行鼓励，而且还需要从精神方面进行激励，比如美名宣传，激励科研人员继续努力。另外激励需要透明，公开公正。

6.加强校企联合科研，推动实用高新产品和技术的有效转化。高校拥有年轻有创造力的人才，企业是实践的最好场所，高校与企业应联合协作开发，以便提升创新产品和技术的实用性，促进科技创新的发展，加大科技创新对就业的促进作用。

1.德内拉·梅多斯、乔根·兰德斯、丹尼斯·梅多斯（编著），李涛、王智勇（译）：《增长的极限》，机械工业出版社，2013年版。

2.方建国、尹丽波：《技术创新对就业的影响:创造还是毁灭工作岗位——以福建省为例》，载《中国人口科学》，2012年第6期，第34-43页。

3.顾和军、刘平云：《教育和培训对中国城镇劳动力就业的影响——基于CLHLS数据的经验研究》，载《人口与经济》，2013年第1期，第76-82页。

4.胡鞍钢、刘生龙、马振国：《人口老龄化、人口增长与经济增长——来自中国省际面板数据的实证证据》，载《人口研究》，2012年第3期，第14-26页。

5.赫伯特•A•西蒙：《管理决策新科学》，中国社会科学出版社，1982年版。

6.胡娇：《教育与就业》，东北师范大学博士学位论文，2008年。

7.黄国平、张国初：《教育对就业的影响》，载《数量经济技术经济研究》，2003第9期，第12-16页。

8.赖德胜：《教育似一座孤岛—中国教育遭遇结构性过度》，载《中国国情国力》，1999年第9期，第10-11页。

9.李文：《人口与经济可持续发展》，中国社会科学院研究生院博士学位论文，2002年。

10.李正友、毕先萍：《技术进步的就业效应:一个理论分析框架》，载《经济评论》，2004年第2期，第21-24页。

11.刘万永：《代表委员破解大学生就业难》,载《中国青年报》，2003年03月10日。

12.刘悦、袁伦渠、李茂峰：《科技创新与就业关系研究》，载《工程和商业管理国际学术会议论文》，美国科研出版社，2012年版，第3660-3664页。

13.马雪松：《论老龄化对江西经济社会的影响》，载《江西社会科学》，2012年第10期，第238-242页。

14.倪超、陈翌莳、邱效威：《中国人口老龄化对经济增长影响的研究述评》，载《中国人力资源开发》，2014年5月号第9期，第87-93页。

15.宋德军：《科技创新对就业的影响效应》，载《技术经济》，2012年第6期，第34-42页。

16.唐国华：《技术创新的动态就业效应:基于结构VAR模型的实证研究》，载《科学学与科学技术管理》，2011年第4期，第72-75页。

17.汪慧玲：《技术进步对劳动就业影响的实证研究——以资源型城市为例》，兰州大学博士学位论文，2010年。

18.吴莎、代敏、肖云川：《论科技创新推动大学生就业》，载《中国成人教育》，2013年第21期，第71-72页。

19.吴延兵：《自主研发、技术引进与生产率》，载《经济研究》，2008年第8期，第51-64页。

20.谢维和、王洪才：《从分配到择业——大学毕业生就业状况的实证研究》，教育科学出版社，2001年版。

21.张静：《我国教育对就业的影响》，载《辽宁经济》，2006年第12期，第80-81页。

22.张军、吴桂英、张吉鹏：《中国省际物质资本存量的估算:1952-2000》，载《经济研究》，2004年第10期，第35-44页。

23.张烈：《2004年就业市场将厚积薄发》，载《21世纪经济报道》，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•布鲁克斯：《技术、竞争和就业》，载《经济学译丛》，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

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

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

官爱兰，华东交通大学人文社会科学学院，教授。

周丽萍，华东交通大学人文社会科学学院，硕士研究生。电子邮箱：zlpwyxy@ qq.com。

本文受江西省社会科学规划项目（13YJ05）和江西省教育科学规划项目（13YB023）资助。