人口老龄化必然导致资本替代劳动吗

咸金坤 汪 伟 兰 袁

一、引言

人口老龄化对经济增长的负面影响不容忽视。当前，中国的老龄化处于快速发展阶段，根据第七次人口普查数据，中国60岁及以上人口达到2.64亿，占总人口的比重上升到了18.70%，相较于第六次人口普查数据的13.26%，这一比重在10年内增加了近5.5个百分点，而2000-2010年的10年间该比重则提升了不到3个百分点。同时，与其他国家相比，我国“未富先老”的矛盾尤为突出，因此，如何有效应对老龄化带来的不利影响成为政府和学术界关注的重大理论与现实问题(1)中共中央、国务院于2019年11月颁布实施了《国家积极应对人口老龄化中长期规划》；中共党的十九届五中全会明确提出“实施积极应对人口老龄化国家战略”。。

人口老龄化意味着传统的劳动密集型产业和低端制造业难以为继，而通过优化产业结构、提高劳动生产率和技术创新能力，利用资本和技术替代劳动，促使中国的产业结构迈向资本密集型和技术密集型是积极应对人口老龄化的应有之策。从发达国家的经验来看，经济发展一般会伴随着资本深化，资本替代劳动似乎成为一种普遍规律。同时，人口老龄化程度的加深进一步为企业用资本替代劳动提供了外在激励。当老龄化不断加剧时，劳动力变得日益稀缺，企业雇佣的劳动力变得越来越昂贵，导致制造业的劳动力成本快速上涨，这将在很大程度上改变制造业部门中资本、劳动等生产要素的市场相对价格，进而“倒逼”企业利用资本替代劳动，使得一些企业完成由劳动密集型向资本密集型、技术密集型的转型和升级(张杰等，2016)。然而，当前中国的产业结构升级缓慢，工业部门大而不强的问题日益严峻，制造业产品长期处于全球价值链的中低端、出口产品的技术复杂度低等问题尤为突出(苏庆义，2016)。与此同时，中国经济也面临着高端产品供给不足与低端产能过剩、中小企业发展质量不高、竞争力不强等经济结构性失衡问题(陈爱贞、刘志彪，2016)。这些现象的存在使得我们开始进一步思考，在老龄化快速发展、劳动力资源丰裕度不断下降的过程中，是否存在某些因素阻碍了资本对劳动的替代，使得企业无法实现要素禀赋结构升级。

实际上，如果企业试图升级要素结构，通过采用先进的自动化、智能化生产技术以实现资本对劳动的替代，那么必须面临的一个现实问题是，任何新技术的采用和生产方式、过程的升级并不是凭空产生的，而是需要进行大规模固定资产投资。此时，企业基于利润最大化原则对成本与收益进行权衡，做出是否进行投资的决策。资本替代劳动意味着企业需要承担前期高昂的固定成本，一般生产规模越大的企业，则越能借助规模经济的优势不断降低固定成本，因而更有动力或意愿承担固定成本的很可能是大型企业(Geroski，2000；Fabiani et al.，2005)。另外，企业在资本替代劳动的过程中所需的大额投资资金往往是通过外部融资的方式完成(刘啟仁等，2019)。对企业投资决策的预算约束条件而言，如果存在融资约束，那么企业的最优决策也很可能会发生改变，企业投资的意愿有可能会下降。换言之，即便企业主观上愿意更换新技术、新设备，但是融资约束的存在使得企业客观上无法顺利完成。

为了验证上述猜想，本文尝试利用中国工业企业数据库，将其与人口结构数据进行匹配，以考察人口结构转型如何影响企业的资本劳动比。具体来看，本文首先从企业资本深化的角度，分析人口老龄化对资本劳动比的影响，研究发现，老龄化程度的加剧显著提升了企业的人均固定资产数量。其次，从理论上来看，企业可以通过增加固定资产投资、维持或减少劳动力雇佣人数，也可以通过同时增加固定资产投资和劳动力雇佣人数的方式提高资本劳动比。基于此，本文将分别考察人口老龄化对企业固定资产投资和劳动力雇佣行为的影响，研究结果显示，人口老龄化显著提升了企业的固定资产投资、减少了劳动力雇佣数量，并且企业更有可能利用资本代替原有的低技能劳动力。再次，根据前文的分析，本文还进一步探索了企业规模效应和融资约束程度是否构成我国工业企业应对人口老龄化的障碍，实证结果显示，人口老龄化并没有显著提高规模较小和融资约束程度较为严重的企业的固定资产投资，但却显著缩小了企业用工规模，说明技术升级换代所需的高昂固定成本投入等因素制约了这类企业利用资本代替劳动的意愿和能力。并且，该结论在更换核心变量测度方式、排除竞争性解释等一系列的稳健性检验下均成立。最后，我们按照企业的生产率水平和出口状态进行了异质性分析，发现人口老龄化的资本替代劳动效应在资本密集型、生产率水平较高以及非出口的企业中更为显著。

本文的边际贡献主要体现在以下三个方面：第一，研究视角独特。已有关于人口老龄化的研究主要侧重于从宏观角度分析其对经济增长、产业结构以及技术创新等方面的影响，本文从微观视角研究了人口老龄化对企业资本替代劳动的影响，进一步扩展了老龄化的经济影响的研究范畴。第二，研究内容探索性强。已有文献提出智能化生产能够有效应对人口老龄化的负面冲击(陈彦斌等，2019)，但并未考察不同企业应对该负面冲击的能力，本文从规模效应和融资约束角度分析了制约企业提高智能化生产的因素，对已有文献进行补充。第三，研究结论启示性强。本文的研究结论能够为政府制定积极应对老龄化的相关政策提供经验证据支持，同时也可以为人口老龄化背景下如何“稳定制造业投资”提供相应的政策参考。

二、文献综述与理论分析

从理论角度看，资本与劳动可以有替代与互补两种不同的关系。根据新古典经济学的观点，生产要素的相对价格变动会促使企业调整其要素投入决策，因此，现有文献较多地从劳动力市场和资本市场等角度考察资本与劳动的关系及其影响因素。

从劳动力市场因素出发，Hasan et al.(2013)利用跨国行业层面的数据研究发现，劳动力市场的规制政策改变了企业的用工成本，进而影响到行业的资本劳动比：通常劳动力规制越少，则该行业越能够利用劳动力替代资本，从而资本密集度越低，这一效应在中等收入国家和发展中国家更为显著，并且在低技能占比较高的行业中也更大。从企业层面数据来看，Autor et al.(2007)和Cingano et al.(2016)的研究表明，劳动保护政策会促进企业利用资本替代劳动，提升企业的资本劳动比，即当劳动力相对价格上升时，企业会利用资本替代劳动。但是，也有一些学者指出，劳动力保护政策反而会减少企业投资、降低企业的资本劳动比(Calcagnini et al.，2009；Cingano et al.，2010)，资本与劳动之间呈现出互补关系。实际上，Janiak and Wasmer(2014)的研究证明，劳动保护等因素的改变如何影响企业资本替代劳动取决于两者之间的技能互补性等多种因素。但是，从中国的现实数据来看，工业部门的资本与劳动之间呈现出显著的替代关系(陈登科、陈诗一，2018)。进一步的证据也显示，作为企业用工成本的重要组成部分，当社会保险缴费上升带来劳动力相对价格上升时，企业会通过增加固定资产投资、减少劳动力雇佣的方式实现资本替代劳动力，从而导致资本劳动比上升(唐珏、封进，2019)。

直观上，人口老龄化对企业资本替代劳动的影响与劳动力市场的规制政策类似，都可以通过提高企业用工成本的机制产生影响，然而，除此以外，人口老龄化还可能会通过其他途径产生影响。第一，人口老龄化造成劳动力年龄结构的老化，而平均来看劳动生产率会随着劳动力老龄化的加剧而下降(Maestas et al.，2016；汪伟等，2019)，这会使得企业通过增加固定资产投资的方式进行资本替代劳动，从而提高企业的劳动生产率(封进，2019)。第二，根据生命周期理论，人口老龄化减少了储蓄率，这会导致企业的信贷资源减少，从而影响到企业的固定资产投资决策，进而有可能影响到企业的资本替代劳动行为。第三，人口老龄化对经济增长带来负面影响、降低了潜在经济增长率(陆旸、蔡昉，2014；汪伟，2016)，而经济增速下滑可能会使得消费低迷、潜在投资机会减少，此时企业的投资意愿降低，从而对企业资本替代劳动决策产生影响；同时，经济增速下滑也有可能会使得经济政策不确定性程度上升，这也会进一步抑制企业进行技术升级和更新换代的意愿，不利于企业资本替代劳动。因此，有必要专门探讨人口老龄化如何通过改变企业的投资、雇佣行为影响到企业的资本替代劳动。

从资本市场角度出发，一些学者认为企业面临的融资约束是制约其资本替代劳动的重要因素。Spaliara(2009)利用英国微观企业数据的研究发现，融资约束程度的提高会降低企业资本替代劳动的能力，更为重要的是，企业的现金流、杠杆率以及抵押品比重等因素均会加剧融资约束的负面作用。并且，Spaliara(2011)还发现，由于不同行业间存在技术差距，融资约束对资本替代劳动的负面效应存在异质性。张杰等(2016)利用中国工业企业的微观数据研究发现，融资约束同样也是制约制造业企业资本替代劳动的重要因素，而这种负面效应在民营企业、小规模企业以及没有获得政府补助的企业中更为突出。

如果将机器人等智能化生产过程看作是一种特殊的资本，那么与本文相关的另一支文献是探索人口老龄化对智能化生产的引致作用，其基本观点是，人口老龄化倒逼企业通过资本替代劳动以提高劳动生产率。Acemoglu and Restrepo(2022)利用跨国数据研究发现，劳动力老龄化越严重的国家(地区)，机器人等自动化生产技术的使用密度越高；同时，他们还发现，由于机器人和劳动力存在竞争关系，因此机器人的使用会对劳动力市场中的就业和工资带来负面影响(Acemoglu and Restrepo，2020)。Abeliansky and Prettner(2017)的研究也显示，人口出生率的下降会导致经济体更多地使用机器人(智能化)生产技术。而陈秋霖等(2018)的研究得到了同样的结论，他们发现，如果一个经济体的人口老龄化程度越严重则工业机器人的安装密度越高，并且机器人的应用有助于缓解人口老龄化对经济增长的负面作用。从宏观证据来看，人口老龄化的“资本替代劳动”效应得到了经验证据的支持，宏观经济现象有其微观基础，因此，在微观企业也应该表现出通过资本替代劳动来应对人口老龄化带来的负面影响，但是相关的微观经验证据并不多见，尤其是老龄化对不同类型企业的固定资产投资和劳动力雇佣决策影响的异质性尚不明确，即是否存在某些因素制约企业通过资本替代劳动提升资本劳动比，而对这些问题的探索也有助于我们更好地利用机器人等智能化生产技术应对人口老龄化的负面冲击。

三、实证研究策略与数据

(一)计量分析模型设定

借鉴唐珏、封进(2019)等研究，本文首先考察人口老龄化对企业资本劳动比的影响，然后再具体分析企业通过何种方式应对人口老龄化带来的负面冲击。为此，建立如下计量分析模型进行实证研究：

Yi,j,r,t=c+β1old_ratior,t+ΔXi,j,t+ΛZr,t+αr+δj+yeart+δj×yeart+εi,t

(1)

其中，下标r，i，j和t分别表示地区(省份和直辖市)、企业、行业和年份。核心解释变量old_ratior,t为人口老龄化程度的测量指标，而Xi,j,t表示企业层面的控制变量，Zr,t表示地区层面的控制变量，αr表示地区固定效应，δj表示行业固定效应，yeart表示经济中的共同冲击，即时间固定效应，δj×yeart表示行业乘以时间固定效应，最后εi,t表示误差项。在实证分析中，本文将标准误聚类到省份-行业层面。

关于被解释变量Yi,j,r,t：在基准回归中，本文首先考察人口老龄化对企业资本劳动比的影响，此时，Yi,j,r,t表示企业的人均固定资产，其中该指标利用企业的固定资产存量除以从业人数后的对数值进行衡量；其次，在考察人口老龄化影响企业资本劳动比的机制时，Yi,j,r,t则表示企业的固定资产投资、劳动力雇佣规模等变量，其中本文主要借鉴谭语嫣等(2017)等文献，利用固定资产总值取对数后的差值测度企业投资，同时还借鉴聂辉华等(2012)等研究，利用当年企业固定资产存量减去上一年固定资产存量来度量企业的新增固定资产投资，并将其除以上一年企业的固定资产存量。企业劳动力雇佣规模则利用从业人数的对数值表示。关于解释变量人口老龄化程度old_ratior,t，本文使用各个省份65岁及以上老年人口占总人口的比重衡量。由于人口年龄结构在很大程度上是由几十年前当地人口出生率决定，这一特征使得该变量可以降低内生性问题，并且我国近二十年来人口结构变化速度非常快，为进一步识别人口结构对企业投资和雇佣行为的影响提供了很好的数据支持。

另外，对于控制变量而言，本文参照谭语嫣等(2017)、唐珏、封进(2019)等已有文献进行选取。在企业层面的控制变量Xi,j,t中，主要包括企业规模、利润率、负债率、融资成本、成立年限、出口状态以及企业所有制性质等；在地区层面的控制变量Zr,t中，主要包括人均GDP、城市化率、产业结构、对外直接投资以及对外贸易等。表1中给出了详细的企业和宏观层面控制变量的定义和测算方法等信息。

表1 变量定义

(二)数据处理与描述性统计量

本文在实证分析中主要采用1998-2008年“中国工业企业数据库”。由于该数据库存在样本匹配混乱、变量大小异常以及度量误差等问题(聂辉华等，2012)；同时，数据库中也没有直接的真实固定资产存量指标，也无法确切得知固定资产购买年份，推算真实固定资本存量存在诸多挑战(杨汝岱，2015)。

为此，本文首先参照Brandt et al.(2012)中给出的方法将不同年份的企业进行匹配，以测算企业的真实固定资本存量等；然后，按照Cai and Liu(2009)和杨汝岱(2015)等文献的做法，对数据库中部分指标的异常值进行处理，以避免极端异常值和过大的度量误差导致估计结果出现严重偏误的情况。具体来看：(1)剔除工业总产值、总资产、固定资产、工业增加值以及中间投入品缺失、为零值和为负值的样本；(2)剔除企业从业人数缺失并且小于10的样本；(3)剔除总资产规模小于流动资产、固定资产的样本；(4)剔除本年折旧小于0、并且大于累计折旧的样本；(5)剔除流动负债合计小于应付账款以及负债合计小于长期负债的样本。同时，为进一步避免极端异常值对实证研究结果的影响，本文还对公司层面的连续变量进行了上下1%的缩尾处理。宏观层面的数据主要来源于历年《中国统计年鉴》和EPS中国宏观经济数据库等，其中各省的外商直接投资和进出口贸易总额为美元计价，我们按照中美汇率将其转换为以人民币计价。关于人口数据，本文主要从《中国统计年鉴》、《中国人口和就业统计年鉴》获取，其统计口径为常住人口，即考虑了流动人口的情况。两个层面的变量按照企业所在地进行匹配，表2给出了描述性统计量。

表2 描述性统计量

四、实证研究结果

(一)基准回归结果

表3给出了人口老龄化对工业企业资本劳动比影响的回归结果，其中第(1)和第(2)列是利用名义固定资产存量计算企业的人均固定资产，而第(3)和第(4)列则是利用经调整价格因素后的真实固定资产存量计算人均固定资产，在所有回归中我们均控制了省份固定效应、时间固定效应、行业固定效应以及行业×时间固定效应。由于核心解释变量是省级层面，因此在回归中控制省份固定效应以刻画不可观测的地区因素，这对于缓解由遗漏变量而导致的内生性问题非常重要。另外，由于我国处于经济结构转型时期，产业结构处于不断变迁的状态，因而对劳动力的需求也会产生一定的影响，这在一定程度上可能会影响到人口结构以及企业投资行为，因此我们进一步控制了行业×时间固定效应以捕捉这些随时间变化的行业间不可观测因素。

表3 人口老龄化与工业企业资本劳动比

表3中的回归结果显示，当不控制任何企业层面和宏观层面变量时(第(1)和第(3)列)，人口老龄化程度的加剧显著地提升了工业企业的资本劳动比。进一步，在回归中加入控制变量(第(2)和第(4)列)的估计结果表明，不论是利用名义人均资本存量衡量、还是实际人均资本存量衡量，人口老龄化的系数仍然在1%的显著性水平下显著为正，即人口老龄化程度提升一个百分点，则企业的人均资本存量平均将会上升1.1%左右。这些估计结果表明，人口老龄化可能会促使企业利用资本替代劳动，这与前文的理论分析相一致：一方面，人口老龄化的加剧使得企业雇佣的劳动力变得越来越昂贵，这将在很大程度上改变中国工业部门中资本、劳动等生产要素的市场相对价格。因此，人口老龄化会“倒逼”工业企业减少雇佣劳动，增加固定资产投资并改进技术，从而使得有竞争优势的企业完成由劳动密集型向资本密集型、技术密集型转型和升级(汪伟等，2015；张杰等，2016)。另一方面，对实体经济来讲，劳动生产率一般在中老年阶段会随着年龄的增长而降低，人口老龄化会造成企业劳动力年龄结构的老化(Liang et al.，2018；汪伟等，2019)，因而使得部分行业内企业劳动生产率下降，为了应对这种劳动生产率的下降，企业也可能会选择利用资本替代劳动。

关于资本劳动比上升的直接原因，企业可以仅通过减少劳动的方式、也可以仅通过增加固定资产投资的方式或者两者兼而有之。根据当前的回归结果，我们无法判断企业采用何种方式应对人口老龄化的负面冲击，因此，本文接下来分别考察企业的固定资产投资行为和劳动力雇佣行为。

(二)增加投资VS减少雇佣

在本小节中，本文借鉴谭语嫣等(2017)的方式定义企业投资，利用企业固定资产总值取对数后的差值进行衡量，在稳健性检验中，我们还采用唐珏、封进(2019)的方式进行定义(2)限于篇幅，省略了这部分回归结果，审稿过程中均进行了报告，备索。。同时，在回归分析中我们将企业的劳动力雇佣数量进行取对数处理。

表4给出了人口老龄化对企业投资和劳动力雇佣行为的影响结果。第(1)列的结果显示，在控制其他因素不变的情况下，人口老龄化程度的提高显著增加了企业的固定资产投资，老龄化每上升一个百分点，企业的固定资产投资将会上升0.3%左右。而第(2)列的结果则表明，老龄化程度的提高显著减少了工业企业的劳动力雇佣数量，老龄化每上升一个百分点，企业的雇佣人数将会减少1.3%左右，该系数在1%的显著性水平下显著。这两列的结果共同说明，人口老龄化的确会促使企业利用资本替代劳动，这既符合理论预期也符合现实情境。进一步，人口老龄化使得劳动力成本上升、劳动生产率水平下降，那么企业是否会主要减少低技能劳动力的雇佣，即利用资本和高技能劳动力替代低技能劳动力呢？遗憾的是，目前公开的企业数据库中难以找到统计口径统一的企业技能结构相关变量(3)中国工业企业数据库中仅有2004年有相关变量，但是不足以支撑本文的研究。，为了验证上述猜想，本文参照唐珏、封进(2019)的做法，考察人口老龄化对职工平均薪酬的影响。我们发现，人口老龄化程度每上升一个百分点，企业的平均工资水平会提高2.8%左右(表4第(3)列)。这在一定程度上说明，企业更有可能通过购买新的机器设备、雇佣高技能劳动力替代了原有的低技能劳动力。

另外，企业也可能增加对现有员工的培训，通过提高员工技能水平来应对人口老龄化。表4第(4)列的结果显示，老龄化程度的上升显著增加了企业对员工的培训费用支出。这些结果说明，企业为了应对人口老龄化，在利用资本替代劳动过程中主要替代了低技能劳动力，并且也会加强对员工进行培训，提高员工的技能水平。由此，本文可以引申出一个推测：人口老龄化导致工业企业用资本替代劳动，部分劳动力逐渐从工业流入服务业，从而增加了服务业的就业与增加值份额，因此在宏观上表现为产业结构的升级，即第三产业就业比重或产值占GDP的比重逐渐上升，人口老龄化有利于产业结构的升级(汪伟等，2015)。

表4 人口老龄化与资本替代劳动

(三)可能的机制

1.企业规模的影响

值得注意的是，如果企业利用资本替代劳动是为了利用更加先进的技术，提高生产的智能化和自动化程度，那么，企业是否会因为不愿意或者无法更多地进行固定资产投资，而不得不选择减少劳动力雇佣或仅仅通过培训现有员工等途径“被动”应对呢？由于生产技术升级和更新换代并不是凭空出现，企业往往需要有相应的高技能员工与之匹配，需要支付高昂的固定成本，需要有较强的风险承担能力等(Geroski，2000)。因此，在实践中，企业规模通常是影响技术升级的重要因素(段军山、庄旭东，2020)，而规模较大的企业往往更加有意愿和能力通过资本替代劳动的方式进行技术升级(Fabiani et al.，2005)。另外，刘盛宇、尹恒(2018)利用中国制造业企业数据研究指出，资本的调整成本在规模较小的企业中更高。同时，刘啟仁等(2019)也认为，企业进行固定资产投资时需要外部融资，而企业的偿债能力也与其规模有关，相比于小规模企业，大企业会更占优势。基于以上分析，本文认为，人口老龄化“倒逼”企业利用资本替代劳动的效应主要存在于大规模企业中，对小规模企业的影响会减弱、甚至不显著。为此，借鉴已有研究(Zwick and Mahon，2017；唐珏、封进，2019)，我们按照企业的总资产划分为10个组别，规模最小的下30%分位数企业识别为小规模企业，将规模最大的上30%分位数企业识别为大规模企业，从而对样本进行分组回归，主要结果列于表5。

在表5 Panel A中，我们分别考察了人口老龄化对大规模企业和小规模企业的固定资产投资和劳动力雇佣的影响。第(1)和第(3)列的回归结果表明，人口老龄化对小规模企业投资的影响较小，其系数并不显著，但是对其劳动力雇佣的负向影响非常显著，系数大小与基准结果比较接近。这说明，对于小规模企业而言，人口老龄化更可能使其通过减少雇佣人数的方式应对人口老龄化，而不是增加对资本的投资。第(2)和第(4)列的回归结果则显示，人口老龄化对大规模企业投资的影响较为显著，老龄化每上升一个百分点，该类企业的固定资产投资将会上升0.6%左右，并且在1%的显著性水平下显著；同样，老龄化对大规模企业劳动力雇佣的负面影响也非常显著，其系数大小要略高于基准结果，也要高于小规模企业样本的系数。

在表5 Panel B中，我们还考察了人口老龄化对不同规模企业的员工培训费用支出的影响效应，虽然两者的系数差异较小，但是老龄化对大规模企业的培训费用影响的确更大一些。这些估计结果表明，人口老龄化会促使大规模企业用资本替代劳动，提高生产的智能化和自动化程度；与其同时，大规模企业也会通过增加员工技能培训、通过高技能员工替代低技能员工的方式提高劳动生产率，实现要素升级，因此，老龄化对大规模企业劳动力雇佣的负面影响更大。另外，一般而言，成熟企业的规模更大、而年轻企业的规模偏小一些，因此，参照张杰等(2016)的做法，我们将企业分为年轻型(成立年限小于10年)和成熟型(成立年限大于10年)作为按企业规模分组结果的一个佐证。第(7)和第(8)列的回归结果再次表明，人口老龄化对年轻型企业投资的影响效应虽然为正，但是其系数较小、并且也不显著；但是对成熟型企业投资的影响效应非常明显，老龄化每上升一个百分点，该类企业的固定资产投资将会上升0.4%左右，在1%的显著性水平下显著。这些结果说明，面对人口老龄化，年轻型、小规模企业并没有利用资本替代劳动，而仅仅是减少了雇佣人数。

表5 按照企业规模分组下的人口老龄化与资本替代劳动

2.融资约束的影响

从理论上看，人口老龄化会倒逼企业转型升级，提升生产过程自动化和智能化程度。但是，企业投资具有追逐利润的动机，预算约束的改变也会对企业的投资行为产生影响(綦建红、马雯嘉，2020)。在实践中，由于许多企业需要通过融资的方式来进行固定资产投资，完成资本对劳动的替代、实现要素结构升级(刘啟仁等，2019)，那么，对于这些企业而言，融资约束的存在使得企业的预算约束发生改变，可能在一定程度上限制资本替代劳动，对企业发展形成制约。

为了反映企业的融资约束程度，本文借鉴马光荣、李力行(2014)的研究，采用“企业是否获得贷款”作为衡量指标之一，当企业存在正的利息支出时，则该变量取值为1，这些企业的融资约束相对较小。本文还借鉴了刘晴等(2017)的研究，采用杠杆率指标来代表银行贷款的融资情况，而杠杆率是通过短期借款与总资产之比来衡量，其中短期贷款为流动负债-应付账款-应付工资-应付福利费-应交税金(韩剑、王静，2012)，该指标数值越小表示银行融资约束越明显。我们按照杠杆率将企业分为10个组别，该指标数值最小的下30%分位数识别为融资约束程度较大的企业，将该指标数值最大的上30%分位数识别为融资约束程度较小的企业。另外，企业除了通过外部融资完成资本替代劳动的过程以外，还可以利用企业内部资金，为此，我们进一步考察了企业内部融资约束的影响，其中内部融资约束指标是企业的利润加折旧与总资产之比，该指标越小表示内部融资约束越明显。我们同样按照内部融资约束指标将企业分为10个组别，该指标数值最小的下30%分位数识别为内部融资约束程度较大的企业，将该指标数值最大的上30%分位数识别为内部融资约束程度较小的企业。

表6中给出了不同融资约束程度下的分组回归结果。Panel A分别考察了人口老龄化对融资约束程度较低和较高的企业固定资产投资和劳动力雇佣的影响效应。第(1)和第(2)列的结果显示，人口老龄化对融资约束程度较低的企业投资存在正向影响，其系数在1%的显著性水平下显著，老龄化程度每上升一个百分点，企业的固定资产投资将会上升0.5%左右；但是，对融资约束程度较高的企业而言，人口老龄化对企业投资的影响虽然为正，但是并不显著，其影响系数也较小。第(3)和第(4)列的回归结果则表明，在不同的融资约束程度下，人口老龄化对企业劳动力雇佣人数的负面影响均显著存在，并且系数大小极为接近，老龄化程度上升一个百分点，企业的雇佣人数将会下降1.1%左右，该结果与基准回归也比较类似。因此，人口老龄化对企业的劳动力雇佣人数的负面效应基本保持稳定，但是对企业投资的影响却存在显著的异质性。

表6 按照融资约束分组下的人口老龄化与资本替代劳动

为了进一步说明融资约束的作用，我们在Panel B中给出了按照刘晴等(2017)的指标进行分组回归的结果。第(5)和第(6)列的结果表明，对于融资约束程度较低的企业而言，人口老龄化对其投资依然存在显著的正向影响，老龄化程度上升一个百分点，企业的固定资产投资将会上升0.6%左右；而对于融资约束程度较高的企业而言，人口老龄化对其投资的影响不再显著，系数的符号甚至变为负。通过考察企业内部融资约束程度(第(7)和第(8)列)，我们依然发现了与上述一致的结论。综合以上结果，本文认为，融资约束的存在不利于企业要素结构升级，尤其是对于融资约束程度比较严重的企业而言，人口老龄化使得这类企业主要是通过减少雇佣人数的方式应对人口老龄化，而不是利用资本替代劳动。

根据表5和表6中的结果，本文还可以引申出一种观点：面对不利的人口年龄结构，规模较小、融资约束较为严重的工业企业似乎仅仅是通过减少劳动力雇佣人数而非增加固定资产投资的方式进行应对，那么，这很有可能导致中国出现过早“去工业化”现象(黄群慧等，2017；魏后凯、王颂吉，2019)，从而不利于提升中国制造业的发展质量和竞争力，对经济高质量发展构成潜在威胁。

五、进一步分析

(一)稳健性检验

在基准回归中，本文采用了当期被解释变量对当期解释变量的固定效应模型进行回归，该模型设定可能并非是最合适的计量模型，企业的投资决策可能会根据之前的人口老龄化程度做出反应(4)作者还进行了更换核心变量、剔除国有企业样本、剔除经济发达城市企业样本、改变标准误计算方式等其他稳健性检验，审稿过程中均进行了报告，结果备索。。为此，我们将老龄化程度滞后一阶作为核心解释变量进行回归，表7给出了相应的回归结果。Panel A的估计结果表明：人口老龄化显著提升了企业的资本劳动比；同时，老龄化增加了企业的固定资产投资、减少了企业的劳动力雇佣数量，这与本文的基准结论一致。

表7 稳健性分析

进一步，Panel B再一次验证其中的影响机制，即人口老龄化对小规模企业投资的影响依然较小，其系数并不显著，但是，对大规模企业投资的影响较为显著；同时，人口老龄化对融资约束程度较高的企业的投资的影响虽然为正，但是并不显著，而对融资约束程度较低的企业的投资的影响显著为正，这些结果均与基准回归结果相一致。

(二)制造业样本的分析

为提升严谨性，本文将制造业企业单独作为样本展开分析，表8给出了相应的回归结果。结果显示，人口老龄化显著提升了制造业企业的资本劳动比，其实现方式是增加企业的投资、且减少劳动力数量；即在面临老龄化的负面冲击下，制造业企业利用资本替代劳动，这与基准结果一致。

表8 人口老龄化对企业资本劳动比、投资和劳动力的影响：制造业企业样本

在机制分析中我们认为，相比于小规模企业，大规模企业在资本代替劳动的过程中会更占优势，即人口老龄化主要促进规模较大的企业利用资本替代劳动。表9给出了以制造业企业为样本的分析结果：人口老龄化对小规模企业投资的影响较小，其系数并不显著，但是对其劳动力雇佣的负向影响非常显著；对规模较大的企业而言，人口老龄化对其投资的影响较为显著，对其劳动力雇佣的负面影响也非常显著，这与基准的结论一致。

表9 按照企业规模分组回归：制造业企业样本

另外，机制分析还指出，融资约束的存在是阻碍企业资本代替劳动的关键因素。为此，再次借鉴马光荣、李力行(2014)的方式衡量企业的融资约束程度，表10给出了回归结果。研究显示，对融资约束程度较低的制造业企业而言，人口老龄化对其投资的影响显著为正；对融资约束程度较高的企业而言，老龄化对其投资的影响虽然为正，但并不显著，其影响系数也较小。同时，在不同融资约束程度的企业中，人口老龄化对企业劳动力雇佣人数的负面影响均显著存在，并且系数大小较为接近，这同样与基准结论一致。

表10 按照融资约束分组回归：制造业企业样本

(三)异质性分析

本文的分析认为，从总体来看，人口老龄化会使得资本和劳动等生产要素的市场相对价格发生改变，企业的劳动力成本上涨，这会激励其利用资本代替劳动进行生产。但是，机制分析指出，企业规模效应和融资约束效应是阻碍上述资本替代劳动过程的重要因素。进一步，人口老龄化也会加剧年轻劳动力的稀缺性，从而造成企业的雇佣成本上升，这进一步会压缩企业利润(Draca et al.，2011；周末等，2017)。现实中，不同企业对投入要素的依赖程度各异，对劳动密集型企业而言，劳动力成本占生产成本的比重较高，因此，面对人口老龄化的负面冲击，这类企业往往会面临更大的劳动力成本上升压力。由于企业投资需要大量资金支撑，利润的下降减少了资金来源，从而可能会降低企业利用资本代替劳动的能力。同时，在我国的经济发展过程中，较早到来的人口红利使得很多企业的生存和发展依赖于低劳动力成本优势。随着人口老龄化程度的加剧，劳动力无限供给的二元经济特征消失，劳动力成本逐渐攀升(蔡昉，2010)，这种结构性转型使得企业原有的低劳动力成本优势逐渐丧失，因此有可能加剧企业资金脱离制造业而转向金融和房地产行业(白雪洁、于庆瑞，2019)，从而削弱这部分企业通过资本代替劳动进行生产的动机。

为此，本文利用企业工资支出占销售收入的比重度量企业劳动密集度(倪骁然、朱玉杰，2016)，在同年度、同一行业内，将该指标数值最小的下30%分位数识别为资本密集型企业，将该指标数值最大的上30%分位数识别为劳动密集型企业。表11的回归结果显示，对劳动密集型企业而言，人口老龄化对其固定资产投资的影响虽然为正，但不显著(第(1)列)；但是，对资本密集型企业而言，人口老龄化对其投资的影响显著为正：老龄化程度每上升一个百分点，则企业的固定资产投资将会上升0.4%左右(第(2)列)。而第(3)结果则显示，对劳动密集型企业而言，人口老龄化对其劳动力雇佣的影响显著为负，并且老龄化程度上升一个百分点，则企业的雇佣人数将会下降2.1%左右，明显高于基准回归结果，这表明，人口老龄化不利于劳动密集型企业的资本替代劳动；第(4)列结果表明，对资本密集型企业而言，人口老龄化也会显著降低其劳动力雇佣数量，但该系数则明显小于基准回归结果的回归系数。

表11 按企业劳动密集度和资本密集度分组的异质性结果

因此，对于劳动密集型企业而言，人口老龄化显著地减少了企业的劳动力雇佣人数，同时并未显著提高其固定资产投资，这在一定程度上验证了上述分析与判断，即在面对人口老龄化负面冲击时，劳动密集型企业处于不利地位，资本替代劳动的能力受限，这些企业仅仅是通过减少雇佣人数的方式“被动”应对。然而，对于资本密集型企业而言，人口老龄化能够促进其利用资本代替劳动，通过实现要素结构升级的方式积极应对老龄化的挑战。

从技术水平方面来看，如果企业拥有的生产技术较为先进、生产效率较高，则更可能在面临人口老龄化的负面冲击下依然保持较高的盈利能力，那么这些企业更有动力通过优化要素结构完成生产技术的自动化和智能化的升级。同时，如果企业的技术水平相对较低，那么，面对老龄化带来的负面影响，一方面这类企业可能没有足够的技术积淀来应对，从而缺乏资本替代劳动所需的相应技术；另一方面，这类企业同样更可能是要素驱动型发展模式，老龄化很可能会严重削弱其盈利能力、弱化其主业的发展；那么其可能通过拓宽投资渠道的方式谋求利润，例如投资于更多的金融资产(张成思、张步昙，2015)，此时这些企业进行资本替代劳动应对人口老龄化的动力可能显得更弱一些。

为此，我们利用全要素生产率(TFP)衡量企业的技术水平，按照该指标将企业分为10个组别，该指标数值最小的下30%分位数识别为技术水平较低的企业，将该指标数值最大的上30%分位数识别为技术水平较高的企业。表12给出了不同技术水平下的分组回归结果。第(1)列的结果显示，对技术水平较高的企业而言，人口老龄化对这些企业的投资存在正向影响，其系数在1%的显著性水平下显著，具体来看，老龄化程度每上升一个百分点，则企业的固定资产投资将会上升0.7%左右。对技术水平较低的企业而言，人口老龄化对企业投资的影响虽然为正，但是并不显著，并且其影响系数也非常小(第(2)列)。第(3)列的结果则表明，对技术水平较高的企业而言，人口老龄化对其劳动力雇佣虽然存在负向影响，不过该系数并不显著；对技术水平较低的企业而言，老龄化则会显著降低其劳动力雇佣数量，老龄化程度上升一个百分点，则企业的雇佣人数将会下降1.1%左右(第(4)列)，该系数与基准回归结果比较接近。

表12 按企业生产率水平分组的异质性结果：OP方法

另外，随着人口老龄化程度的加剧、低劳动力成本优势逐渐丧失，使得出口企业要面临全球企业的竞争，而非出口企业主要面临来自国内方面的竞争。因此，相比于非出口企业，劳动力成本上升对出口企业的负面影响往往更加严重(Harasztosi and Lindner，2019)。为此，本文根据企业的出口状态将其分为出口企业和非出口企业，分别考察人口老龄化对这两类企业的固定资产投资和劳动力雇佣的影响，表13给出了相应的估计结果。

表13 按企业出口状态分组的异质性结果

表13第(1)、(3)列的估计结果显示，人口老龄化并没有显著促进出口企业的固定资产投资，但却显著降低了劳动力雇佣人数，老龄化程度上升1%，则雇佣人数下降0.9%左右，这说明，出口企业主要是减少雇佣人数来应对人口老龄化，而非资本替代劳动。第(2)、(4)列的估计结果显示，人口老龄化显著增加了非出口企业的固定资产投资，同时也显著降低了该类企业的劳动力雇佣人数，老龄化程度上升1%，固定资产投资上升0.52%，雇佣人数下降1.5%左右，这说明，非出口企业存在资本替代劳动效应。一种可能的解释是，我国的出口企业较多地生产低附加值产品，因而人口老龄化的加剧使得这类企业的生产地点部分地转移至人口结构更加年轻化的国家和地区；而对于非出口企业而言，其主要面向国内消费者或厂商，更有动力将其生产地点保留在国内，从而通过资本替代劳动来应对老龄化。

六、结论与启示

人口老龄化意味着传统的劳动密集型产业和低端制造业难以为继，而通过优化产业结构、提高劳动生产率和技术创新能力，利用资本和技术替代劳动，促使中国的产业结构迈向资本密集型和技术密集型是积极应对人口老龄化的应有之策。经济学理论认为，人口老龄化会导致劳动力成本上升，改变企业的要素结构、使用资本替代劳动，但不同类型企业对人口老龄化做出的反应及其原因可能存在差异，需要进行深入分析。本文利用中国工业企业数据库对上述问题进行了研究，实证结果显示：整体来看，人口老龄化显著提高了企业的资本劳动比，但资本劳动比的上升并不一定表现为资本对劳动的替代。在规模较大、融资约束较轻的企业，人口老龄化促使其用固定资产投资替代劳动，但在规模较小和融资约束程度较为严重的企业，人口老龄化并没有显著提高其固定资产投资，只是缩小了其劳动力雇佣规模，说明企业规模和融资约束是影响其要素结构升级的重要因素。此外，本文还发现人口老龄化主要促使企业利用资本替代低技能劳动力，人口老龄化的资本替代劳动效应在资本密集型、生产率水平较高、非出口企业中更为显著。本文的研究对传统的见解提供了有益的补充。

根据以上研究结论，本文得到如下启示：

第一，关注人口老龄化带来的要素结构变化所产生的后果。本文的研究发现，老龄化使得企业主要利用资本替代低技能劳动力，从而提升了资本劳动比，然而，这部分低技能劳动力往往难以在原来的行业就业，因此，政府应该顺势而为，对其加强再就业培训，引导其进入新的产业就业。

第二，继续深化金融体制改革，缓解企业在进行技术更新升级过程中面临的融资约束。本文的实证分析显示，融资约束的存在成为阻碍企业要素结构升级的重要因素，因此不利于企业通过提高资本劳动比以积极应对人口老龄化，甚至有可能导致我国过早“去工业化”，因此，通过深化金融改革，缓解企业的融资约束能够帮助企业顺利完成要素结构升级。

第三，加大对中小微企业技术智能化升级的政策优惠与扶持力度。中小微型企业是制造业的根基，也是规模以上工业企业的后力军，而本文的分析表明，老龄化并没有有效促进这部分企业的要素结构升级，其中智能化技术基础薄弱、人才缺乏、风险承受能力弱以及资金不足等成为重要影响因素，而通过有效的政策助推中小微企业转型升级将有助于提升“中国智造”水平，加快产业结构向高级化转型。