人口老龄化与制造业高质量发展:机制分析与实证检验

刘 成 坤

(江西财经大学 统计学院,江西 南昌 330013)

一、引言

2000年,我国65岁及以上的老年人口总数为0.88亿人,占人口总数的比重达到7.0%,意味着我国在2000年正式进入人口老龄化社会。随后,我国的老年人口比重持续上升,2021年底我国65岁及以上的老年人口总数首次突破2亿人,其占总人口之比达到14.2%,标志着我国正式进入深度老龄化社会。我国的人口年龄结构不仅呈现老龄化的特征,还呈现“少子化”的特征。相关数据显示,我国的出生人口2016年为1786万,仅比2015年新增127万;随后呈逐年下降趋势,2019年为1465万,自1982年实行计划生育政策以来首次跌破1500万;2022年进一步降低至956万。从出生人口结构来看,近年来二孩数量出现了较大幅度的增长,但一孩数量则持续下降,说明“全面二孩”的政策效应已逐渐平稳。人口“少子化”的出现无疑将进一步加剧人口老龄化,人口老龄化程度日益加剧的趋势在未来很长一段时间内已难以逆转。

作为社会经济活动的主体,任何社会生产活动都离不开人的参与,人口老龄化对社会经济发展的影响将越来越大。当前,中国经济已进入高质量发展阶段。郭克莎和彭继宗认为,随着我国进入工业化后期阶段,制造业对经济高质量发展的推动作用将不断增强。然而,与世界制造业强国相比,我国制造业在自主创新能力、产业结构水平以及能源利用效率等方面仍存在巨大差距。随着人口老龄化的加剧,人口老龄化导致的人力资本变动、适龄劳动人口下降以及劳动力结构老化等问题必将对我国的制造业高质量发展产生重要影响[1]128-149。基于此,有必要系统研究人口老龄化会通过哪些途径作用于制造业高质量发展,厘清人口老龄化影响制造业高质量发展的作用机制,进而提出相应的对策建议,推动制造业高质量发展,为经济高质量发展保驾护航。

二、文献综述

“高质量发展”这一概念自从被提出以来,便受到学术界的密切关注,学者们围绕“高质量发展”问题进行了一系列的探究。通过对现有的文献进行梳理,可以发现与本文相关的文献主要分为如下几类:

第一类,制造业高质量发展的内涵及指标体系构建。贺晓宇和沈坤荣指出,与传统的经济发展模式不同,高质量发展一种新型发展,需坚持质量第一以及效率优先的原则,实现高质量发展的关键在于提高全要素生产率[2]28。赵剑波等则认为,高质量发展既是发展观念的转变,也是增长模式的转型,更是对民生水平的关注,高质量发展的内涵应该从这三个方面进行理解[3]15-31。李琳和周一成认为,制造业发展质量的内涵特征应当从效率效益、结构优化、创新驱动和方式转换等四个维度予以考虑[4]71-79。宋佳和张金昌认为,制造业高质量发展除了考虑质量、效率和动力三个维度,还应新增绿色发展作为第4个维度[5]127-138。罗序斌和黄亮指出,制造业高质量发展应该体现网络化、智能化、绿色化以及网络化,从“四化”并进视角对制造业高质量转型升级的评价指标体系进行构建,并采用熵权法对制造业高质量转型升级程度进行了测度[6]43-52。赵卿和曾海舰认为,制造业高质量发展指标体系的构建既要考虑数据的可得性和可量化性,又要充分体现“制造强国”的根本要求,据此构建了包含绿色发展、经济效应以及创新驱动等三个一级指标在内的制造业高质量发展水平测度体系[7]180-186。

第二类,制造业高质量发展的影响因素。陈昭和刘映曼基于制造业上市公司的年报数据,经实证研究发现提高企业的创新积极性是推动制造业企业高质量发展的关键,因此政府应提供必要的政策支持和制度保障[8]140-151。而吕明元等则基于天津市的面板数据进行了研究,发现经济效率的提升是推动制造业高质量发展的核心动力;绿色发展和供给质量的贡献能力较弱;人力资本和市场化水平是推动制造业高质量发展的重要因素;对外开放水平和金融支持度对制造业发展质量具有抑制作用[9]12-19。邓峰和任转转研究发现,互联网对劳动密集型、资本密集型和技术密集型制造业均会产生促进作用,且影响程度依次增强,因此互联网会对制造业高质量发展产生显著的推动作用[10]57-67。此外,还有学者从非线性角度研究了经济变量与制造业高质量发展的关系。如杨仁发和郑媛媛的研究结果显示,环境规制对制造业高质量发展的影响呈“U”型[11]73。唐晓华和迟子茗实证检验了工业智能化对制造业高质量发展的影响,发现工业智能化与制造业发展质量之间呈“U”型关系[12]102。

第三类,人口老龄化与制造业发展的关系。高越和李荣林认为,人口老龄化会对出口技术复杂度产生积极和消极两方面的影响,人口老龄化对出口技术复杂度的影响是一个先上升后下降的倒U型过程[13]92-101。李光明和刘丹玉通过构建空间误差模型分析了人口老龄化、科技创新与制造业升级三者之间的关系,发现口老龄化会对制造业升级产生促进作用[14]120-128。张帆也得出了类似的研究结论[15]89-96。张桂文等运用结构方程模型实证检验了人口老龄化对制造业转型升级的影响机理[16]33-44。张明志和吴俊涛则基于“省级—行业”层面的面板数据,研究了人口老龄化对制造业行业出口的影响,发现人口老龄化会显著抑制密集使用年龄贬值型技能和密集使用体能的行业出口,但同时也会促进密集使用年龄增值型技能的行业出口[17]1-15。邵咪咪等的研究结果显示,随着经济发展水平的提高,人口老龄化对工业经济比重具有显著的负向影响,且人口老龄化主要通过改变消费结构和降低投资率对工业发展产生负面影响[18]76-92。周懿等研究发现,人口老龄化会通过促进生产性服务业发展推动制造业价值链攀升[19]13-26。

综上所述,学者们对制造业高质量发展的内涵及指标体系构建、制造业高质量发展的影响因素及人口老龄化与制造业发展的关系进行了大量的研究。然而,现有文献的不足之处在于:一是在构造制造业高质量发展指标体系时的随意性较强,导致选取的衡量指标可能不够完整;二是制造业高质量发展指标体系的测度大多采用单一方法,使得测度结果的可靠性有待提高;三是鲜有学者对人口老龄化影响制造业高质量发展的作用机制进行研究,二者之间的逻辑关系有待进一步明晰。基于此,本文拟基于我国省际层面的面板数据,采用熵权TOPSIS方法对制造业高质量发展指数进行测度,并构建中介效应模型检验人口老龄化通过哪些途径影响制造业高质量发展。

三、制造业高质量发展的指标体系构建与测算结果分析

(一)制造业高质量发展的指标体系构建

为了厘清人口老龄化对制造业高质量发展的影响机制,首先要构建制造业高质量发展指标体系。李金昌等认为,为了构建科学合理的制造业高质量发展评价指标体系,既要准确把握和理解制造业高质量发展的理论内涵[20]4-14,又要从统计测度的角度来理解其意义,即统计内涵。制造业高质量发展的统计内涵,主要包括以下几个方面:第一,制造业高质量发展必须是创新能力不断提高的高效率发展;第二,制造业高质量发展必须是产业基础不断增强的发展;第三,制造业高质量发展必须是产业结构不断优化的持续发展;第四,制造业高质量发展必须是效率和效益不断改善的发展;第五,制造业高质量发展必须是发展方式持续转换的发展。为了确保制造业综合评价指标体系的合理性和有效性,还必须遵循全面性、科学性、可操作性和可比性等原则。基于以上对制造业高质量发展理论内涵和选取原则的分析,结合国务院印发的《中国制造2025》通知,同时借鉴和参考赵卿和曾海舰[7]181以及唐晓华和迟子茗[12]106等的研究,构建如表1所示的制造业高质量发展评价指标体系:

(二)制造业高质量发展指数的测算结果及分析

对于以上综合指标体系,参考陶长琪和徐茉[21]3-22的研究。采用熵权TOPSIS方法对我国30个省(区、市)份2000—2019年的制造业高质量发展水平进行测算,可得到如表2所示的结果。

表2 制造业高质量发展指数的测算结果

由表2可知,从全国层面来看,样本期间制造业高质量发展指数总体呈递增趋势,且样本后半期的增长速度明显高于样本前半期,说明近年来我国的制造业高质量发展水平的增长速度较快。从省(区、市)层面来看,各省(区、市)制造业高质量发展指数的差距较大,排名前三的省(区、市)分别为广东、江苏和浙江,其中广东省制造业高质量发展指数的均值高达0.369;排名后三的省(区、市)分别为青海、甘肃和贵州,其中贵州省制造业高质量发展指数的均值只有0.066。此外,具体来看,制造业发展质量较高和增速较快的省(区、市)主要集中在东部沿海地区,制造业发展质量水平和增速较慢的省(区、市)则主要集中在中西部内陆地区。其原因在于,东部沿海地区不仅具备优越的地理位置,雄厚的经济基础,而且具有齐全的工业门类和完整的产业体系。这些因素对东部地区的制造业高质量发展起到了极大的推动作用。

四、理论机制、模型构建与数据说明

(一)理论机制

1.人口老龄化对制造业高质量发展的人力资本效应

人既是参与经济活动、创造社会财富的生产者,也是产品市场的消费者,人口年龄结构对经济社会的要素分配具有重要影响。制造业高质量发展的核心在于技术进步,而技术进步的源泉和动力是人力资本积累。人力资本是指花费在教育、培训等方面的投资所形成的资本,它本是人口老龄化影响制造业高质量发展的重要途径。人力资本又可进一步细分为人力资本数量和人力资本质量,人口老龄化通过人力资本影响制造业高质量发展的作用机制如下:

第一,人口老龄化通过人力资本数量对制造业高质量发展产生影响。对于人力资本数量,最常用的衡量指标是人均受教育年限。一个国家或地区的人均受教育程度越高,说明其人力资本数量也越高。人口老龄化对人力资本数量的影响主要体现在两个方面:一是随着人均预期寿命的提高,企业员工退休后的余寿也会逐渐延长,为了能够在退休后拥有更高的预期收入以便过上更好的晚年生活,年轻人会主动追求接受更高层次的教育,近年来不断攀升的研究生报考人数便是最好的例证。二是随着年轻人生育观念的转变,越来越多的家庭崇尚“优生优育”,宁愿少生也要倾尽全力让自己的子女接受更好的教育。这两方面的因素均会对人力资本数量产生一定的促进作用,由于受过高等教育的劳动力群体会更多地从事技术密集型和知识密集型的高端制造业,人力资本数量的提高将优化劳动力市场的人力资源配置水平,改善制造业劳动力市场的劳动力结构,对制造业高质量发展产生积极影响,由此提出假设1。

假设1:人口老龄化会对人力资本数量产生积极影响,进而推动制造业高质量发展。

第二,人口老龄化通过人力资本质量对制造业高质量发展产生影响。对于人力资本质量,通常使用每十万人在校大学生数来衡量。近几十年来,我国的人力资本质量有了很大的提升,这一方面得益于高等教育的大规模扩招,另一方面与我国的人口老龄化程度加剧也有一定的关系。在老年人口规模和比重均持续上升的背景下,适龄劳动人口规模和比重则会逐渐下降,这就会倒逼企业想方设法提高劳动生产率以应对劳动力不足的困境。科技是第一生产力,创新是保持企业竞争力的核心要素,提高劳动生产率的关键在于提升创新能力,企业为了提升创新能力就不得不加大对研发人才的投入力度。企业对研发人才的需求将激励年轻人通过接受高等教育提高自身的创新能力,这会在一定程度上提高全社会的人力资本数量,为制造业高质量发展提供智力支撑,由此提出假设2。

假设2:人口老龄化会对人力资本质量产生积极影响,进而推动制造业高质量发展。

2.人口老龄化对制造业高质量发展的就业结构效应

人口老龄化除了会通过人力资本效应对制造业高质量发展产生重要影响之外,还可能通过就业结构效应对制造业高质量发展产生影响。本文从劳动力供给和劳动生产率两个方面对就业结构进行分析。人口老龄化通过就业结构影响制造业高质量发展的作用机制如下:

第一,人口老龄化通过劳动力供给影响制造业高质量发展。由于老年人口规模的持续扩大,我国15—64岁的适龄劳动人口数量于2013年达到顶峰,随后开始逐渐下降,意味着我国劳动力无限供给的时代已经一去不复返,适龄劳动人口数量下降的趋势在未来很长一段时间内将一直持续下去。适龄劳动人口下降对制造业高质量发展的影响既有积极的一面,又有消极的一面。从积极影响来看,适龄劳动人口下降导致的劳动力短缺必然会推升劳动力成本,迫使企业不得不淘汰落后产能,进行转型升级。从消极影响来看,劳动力成本的上升会极大地压缩劳动密集型中低端制造业的生存空间,促进知识和技术密集型高端制造业的发展,但目前我国劳动力市场的总体受教育程度还处于较低水平,难以推动制造业由中低端向高端顺利过渡。因此,人口老龄化通过劳动力供给对制造业高质量发展产生的消极影响可能大于其积极影响,由此提出假设3。

假设3:人口老龄化的加剧将使得劳动力供给大幅下降,进而阻碍制造业高质量发展。

第二,人口老龄化通过劳动生产率影响制造业高质量发展。Benoit认为,劳动生产率与年龄之间存在“倒U型”关系,随着年龄的增长,个人的劳动生产率会经历一个先上升后下降的过程[22]139-158。人口老龄化的加剧既会提升总人口的平均年龄,也会提升劳动力的平均年龄,这会对社会平均劳动生产率产生一定的负面影响。然而,人口老龄化也会通过多种途径对劳动生产率产生积极影响。其一,随着人口老龄化的加剧,劳动力会逐渐由农业向非农产业转移,而非农产业的劳动生产率通常大于农业劳动生产率。其二,老年人口的持续增长会推动医疗保健以及老年休闲等老龄产业的发展,由此导致的产业结构升级也会促进社会劳动生产率。其三,人口老龄化导致的人力资本数量和质量提升也会对社会劳动生产率产生推动作用。因此,总的来看,人口老龄化对劳动生产率的影响是正向的,由此提出假设4。

假设4:人口老龄化的加剧将对劳动生产率产生积极影响,进而推动制造业高质量发展。

(二)计量模型构建

1.中介效应模型

以上仅从理论上分析了人口老龄化如何通过人力资本效应和就业结构效应对制造业高质量发展产生影响,需要做进一步的实证检验。为了对中介效应进行检验,借鉴Baron和Kenny[23]1173-1182的研究,构建如下结构方程模型:

msui,t=α0+α1msui,t-1+α2poei,t+δxi,t+μi,t

(1)

wi,t=β0+β1wi,t-1+β2poei,t+φxi,t+εi,t

(2)

msui,t=γ0+γ1msui,t-1+γ2poei,t+

γ3wi,t+φxi,t+ξi,t

(3)

其中,msu为制造业高质量发展指数,即本文的被解释变量。poe为核心解释变量人口老龄化程度,选用65岁及以上的老年人口比重来衡量。w为中介变量,包括人力资本数量、人力资本质量、劳动力供给和劳动生产率这四个变量。其中,人力资本数量用人均受教育年限来衡量;人力资本质量用每十万人在校大学生人数来衡量;劳动力供给用15—64岁的适龄劳动人口占总人口数之比来衡量;劳动生产率用GDP与就业人数之比来衡量;α,β,γ,δ,φ,φ为参数,α2和γ2分别表示人口老龄化对制造业高质量发展的总效应和直接效应,β2×γ3则表示人口老龄化对制造业高质量发展的中介效应;μ,ε,ξ为随机扰动项;i和t分别为省份和年份;x为控制变量,参考杨仁发和郑媛媛[11]77以及唐晓华和迟子茗[11]107的研究,本文选取的控制变量包括城镇化水平、基础设施水平、外资参与度、对外贸易依存度、物质资本投资水平和政府干预程度。其中,城镇化水平为城镇人口数占总人口数之比;基础设施水平用每平方公里等级公路里程来衡量;外资参与度用实际利用外商直接投资额占GDP之比来衡量;对外贸易依存度用进出口总额占GDP之比来衡量;物质资本投资水平用全社会固定资本投资额占GDP之比来衡量;政府干预程度用财政支出占GDP之比来衡量。此外,借鉴温忠麟等[24]614-620提出的Sobel检验法对以上中介效应进行检验。

2.动态面板门槛模型

考虑到多数经济变量之间具有非线性关系,人口老龄化对制造业高质量发展的影响可能具有阶段性。本文选择城镇化为门槛变量,构建计量模型检验人口老龄化对制造业高质量发展水平的影响是否会因城镇化水平而异,即检验人口老龄化对制造业高质量发展的影响是否会因城镇化水平低于或高于某个门槛值时而存在显著的差异。为了解决这一问题,本文参考Kremer等[25]861-878的研究,构建如下动态面板单一门槛模型:

msui,t=α0+α1msui,t+β1poei,t×I(urbi,t≤λ)+

β2poei,t×I(urbi,t>λ)+γxi,t+εi,t

(4)

3.数据说明

鉴于数据的可得性,本文的样本年度为2000—2019年,研究对象为我国的31个省(区、市)(1)不包含香港、澳门和台湾地区。。所有数据均来源于EPS数据库中的《中国能源数据库》《中国科技数据库》《中国交通数据库》《中国宏观经济数据库》《中国财政税收数据库》《中国区域经济数据库》《中国工业经济数据库》《中国第三产业数据库》《中国统计年鉴》《中国人口和就业统计年鉴》《中国经济社会大数据研究平台》。对于少数缺失值,本文采用线性插值法进行填充,各变量的描述性统计结果如表3所示。

表3 变量的描述性统计结果

五、实证结果及分析

(一)基准模型结果及分析

为了缓解数据的波动性及模型可能存在的异方差性,对中介变量中的人力资本质量和劳动生产率这两个变量进行对数化处理。在进行实证分析之前,对变量进行多重共线性和平稳性检验。检验结果显示,各变量之间不存在多重共线性,且均为平稳变量,可用于进行实证研究。首先,对前文的式(1)进行估计,以确定人口老龄化对制造业高质量发展的影响是否可能存在中介效应。为了便于对比分析,本文同时列出了多种模型的估计结果。其中,混合回归使用普通最小二乘法进行估计,通过Hausman检验对固定效应模型和随机效应模型进行选择,对于动态面板模型,参考Arellano等[26]554-580的研究,使用两步系统广义矩估计(SYS—GMM)方法对其进行估计;并以解释变量的滞后一期项作为工具变量,分别采用Arellano-Bond检验统计量和Hansen检验统计量确定工具变量是否有效及过度识别,各模型的估计结果如表4所示。

表4 基准模型回归结果

从模型1的结果来看,如果使用混合回归模型,人口老龄化对制造业高质量发展的影响显著为正,且系数估计值达到1.123。Hausman检验的结果表明,对于静态面板数据,应该选择固定效应模型,从模型2的结果来看,人口老龄化对制造业高质量发展的影响系数明显变小,且并未通过显著性检验。由于静态面板模型未考虑制造业高质量发展的惯性特征,估计结果可能不太准确。因此,在静态面板模型的基础上加上制造业高质量发展的滞后一期项,构建式(1)所示的动态面板模型。从模型4的结果来看,前一期的制造业高质量发展会显著促进后一期的制造业高质量发展,人口老龄化对制造业高质量发展的影响为正,且通过了10%水平下的显著性检验,表明人口老龄化会显著推动制造业高质量发展。此外,Arellano-Bond检验和Hansen检验结果显示,模型通过了工具变量有效性检验,且不存在过度识别问题,即本文建立的模型是有效的。人口老龄化会对制造业高质量发展产生显著影响,说明人口老龄化对制造业高质量发展的影响可能存在中介效应,有必要做进一步的检验。

(二)中介效应结果及分析

为了检验人口老龄化对制造业高质量发展的中介效应是否存在,首先选取人力资本数量和人力资本质量,分别将其代入公式(2)和公式(3)中进行估计,以检验人口老龄化通过人力资本影响制造业高质量发展的作用机制,模型估计结果如表5所示。

由模型5可知,人口老龄化对人力资本数量的影响显著为正,且估计值达到3.040,说明人口老龄化会对人力资本数量产生较大的推动作用;由模型6可知,人力资本数量对制造业高质量发展的影响也为显著正,但估计值仅有0.003,说明人力资本数量虽然会对制造业高质量发展产生显著的促进作用,但影响程度相对较小。综合模型5和模型6的结果来看,人口老龄化会通过促进人力资本数量推动制造业高质量发展,这就验证了前文的假设1。模型7和模型8的结果显示,人口老龄化对人力资本质量的影响以及人力资本质量对制造业高质量发展的影响均显著为正;系数估计值分别为1.667和0.006,说明人口老龄化对人力资本质量的促进作用小于人力资本数量,但人力资本质量对制造业高质量发展推动作用大于人力资本数量,且人口老龄化也会通过促进人力资本质量推动制造业高质量发展,这就验证了前文的假设2。因此,人口老龄化对制造业高质量发展的人力资本效应存在,且人力资本数量效应和人力资本质量效应均显著为正,其值分别为0.009和0.010,即人力资本质量效应略高于人力资本数量效应。然后,将劳动力供给和劳动生产率这两个变量再次代入公式(2)和公式(3),进一步检验人口老龄化对制造业高质量发展的就业结构效应,模型估计结果如表6所示。

表5 人口老龄化对制造业高质量发展的人力资本效应

由模型9可知,人口老龄化对劳动力供给的影响为负,且通过了1%水平下的显著性检验,说明人口老龄化会对劳动力供给产生显著的消极影响,这与童玉芬[27]52-60的研究结果是一致的;由模型10可知,劳动力供给对制造业高质量发展的影响为正,且通过了5%水平下的显著性检验,即劳动力供给会显著促进制造业高质量发展。因此,人口老龄化会对制造业高质量发展产生显著负向的劳动力供给效应,说明人口老龄化会通过降低劳动力供给阻碍制造业高质量发展,这就验证了前文的假设3。由模型11可知,人口老龄化对劳动生产率的影响为正,但并不显著;由模型12可知,劳动生产率对制造业高质量发展的影响显著为正。由于核心解释变量和中介变量之间只有一个变量显著,有必要对其进行Sobel检验,结果表明P值为0.95,未通过10%水平下的显著性检验,说明人口老龄化会通过提高劳动生产率对制造业高质量发展产生推动作用,这就验证了前文的假设4。然而,该中介效应并不显著。其原因可能在于,虽然人口老龄化会极大地提高技术密集型制造业的劳动生产率,但与此同时也会对劳动密集型制造业的劳动生产率产生不利影响,由于样本期间我国技术密集型制造业的占比还处于相对较低的水平,导致人口老龄化对劳动生产率的积极影响相对较小,且尚未凸显出来。因此,人口老龄化对制造业高质量发展的劳动力供给效应显著为负,但劳动生产率效应并不显著。

表6 人口老龄化对制造业高质量发展的就业结构效应

(三)稳健性检验

前文通过使用系统广义矩估计方法测算了人口老龄化对制造业高质量发展的中介效应,为了增强研究结论的可靠性,本文将衡量人口老龄化程度的核心解释变量由65岁及以上的老年人口比重替换为老年抚养比,再次对前文构建的结构方程模型进行估计,得到如表7所示的稳健性检验结果。

表7 替换核心解释变量后的估计结果

从表7的结果来看,将核心解释变量替换为老年抚养比之后,人口老龄化对制造业高质量发展的影响仍然显著为正,这与表5中模型4的估计结果一致;人口老龄化对人力资本数量、人力资本质量以及劳动力供给等中介变量的影响均通过了1%水平下的显著性检验,且估计系数分别为正向、正向和负向,人口老龄化对劳动生产率的影响则并不显著;人力资本数量、人力资本质量、劳动力供给和劳动生产率这四个变量对制造业高质量发展的影响均显著为正。经Sobel检验可知,人口老龄化对制造业高质量发展的劳动生产率效应未通过显著性检验。因此,人口老龄化对制造业高质量发展的人力资本数量和人力资本质量效应均显著为正,劳动力供给效应显著为负,劳动生产率效应则并不显著。这与前文的结果完全一致,说明前文的估计结果是稳健可靠的。

(四)动态面板门槛模型结果及分析

以上分别检验了人口老龄化影响制造业高质量发展的人力资本效应和就业结构效应,但并未考虑人口老龄化对制造业高质量发展的非线性影响。由于人口老龄化对制造业高质量发展的影响可能存在阶段性,将城镇化率作为门槛变量,进一步构建如式(4)所示的动态面板门槛模型,并借鉴Caner和Hansen[28]813-843的研究,使用系统GMM方法对其进行估计,门槛值的识别过程如图1所示。

图1 城镇化水平的门槛值识别图

由图1可知,人口老龄化对制造业高质量发展的影响存在基于城镇化水平的单一门槛,城镇化水平的门槛值为0.68。然后,对动态面板门槛模型的参数进行估计,结果如表8所示。

表8 动态面板门槛模型估计结果

表8的估计结果显示,前一期的制造业高质量发展会显著促进后一期的制造业高质量发展,这与前文的结果一致。当城镇化率低于0.68时,人口老龄化对制造业高质量发展的影响虽然为正,但并不显著,且系数估计值只有0.006,说明人口老龄化程度较低时,人口老龄化对制造业高质量发展的影响可忽略不计;当城镇化率高于0.68时,人口老龄化对制造业高质量发展的影响仍然为正,且由不显著变为显著,影响程度也上升为0.091,说明随着城镇化水平的提高,人口老龄化对制造业高质量发展的影响也逐渐增强。这是由于城镇化水平较低时,由第一产业向第二和第三产业转移的农业剩余劳动力相对较低,人口老龄化难以推动制造业高质量发展;随着城镇化水平的提高,不仅农业剩余劳动力大量向非农业产业转移,工业化也逐渐进入中后期,物质资本和人力资本等生产要素日益丰富,人口老龄化对制造业高质量发展的推动作用也会逐渐凸显。

(五)区域异质性分析

考虑到我国地域辽阔,各地区的自然资源、要素禀赋以及经济发展水平等因素均存在较大差异。因此,参考贺晓宇和沈坤荣[2]31的研究,将全国划分为东部地区、中部地区和西部地区,进一步讨论人口老龄化对制造业高质量发展的区域异质性。估计结果显示(2)限于篇幅,未列出估计结果。,人口老龄化会对东部和中部地区的制造业高质量发展产生负向影响,对西部地区制造业高质量发展的影响则为正向。其原因可能在于,对于东部和中部地区,其人口老龄化程度远远高于西部地区,人口老龄化通过中介效应对制造业高质量发展产生的消极影响已大于积极影响,导致人口老龄化对制造业高质量发展产生阻碍作用。对于西部地区,虽然在人力资本水平以及产业基础等方面不及东中部地区,但是随着经济发展水平的提升、基础设施的完善以及营商环境的优化,其后发优势逐渐显现,人口老龄化对制造业高质量发展的积极影响开始凸显。

六、结论与建议

制造业高质量发展是经济高质量发展的支撑和保障,其重要性不言而喻,对人口老龄化与制造业高质量发展之间的逻辑关系进行深入研究具有重要的实践意义。本文首先采用熵权TOPSIS法对制造业高质量发展水平进行测度,然后构建计量模型研究人口老龄化对制造业高质量发展的中介效应和非线性影响,得出以下研究结论:(1)人口老龄化会对制造业高质量发展产生推动作用;(2)人口老龄化会通过人力资本数量效应和人力资本质量效应推动制造业高质量发展,会通过劳动力供给效应阻碍制造业高质量发展,但对制造业高质量发展的劳动生产率效应尚未凸显;(3)人口老龄化对制造业高质量发展的积极影响会随着城镇化水平的提高而逐渐上升。基于这些研究结论,得出如下政策启示:

第一,切实推动产学研深度融合,充分发挥人力资本的作用。本文的研究结果表明,虽然人口老龄化会对人力资本数量和人力资本质量产生较大的促进作用,但是无论是人力资本数量还是人力资本质量,其对制造业高质量发展的积极影响均处于较低水平。这就说明人口老龄化对制造业高质量发展的人力资本效应尚未充分发挥出来,这与我国现存劳动力的技能结构、创新能力和知识积累水平密切相关。我国的制造业增加值已连续多年位居世界第一,但由于自主创新能力不足以及缺乏核心竞争力等原因,一直处于制造业全球价值链的底端。因此,为了充分发挥人力资本对制造业高质量发展的促进作用,切实推动产学研深度融合势在必行。

第二,加快“机器换人”进程,推动传统制造业转型升级。20世纪80年代开始实施的计划生育政策很好地控制了过快增长的人口,与此同时也极大地改变了中国的人口年龄结构,人口老龄化的加剧必然会降低适龄劳动人口的数量和比重,这在本文的实证研究中得到了验证。《中国宏观经济数据库》中的相关数据显示,我国15—64岁的适龄劳动人口在2013年达到10.06亿的高峰,此后呈逐年下降趋势。这不仅会降低劳动力供给的数量,还会对社会劳动生产率产生一定的消极影响,进而阻碍制造业高质量发展。近几年来,由于人口老龄化的加剧,企业“用工荒”、制造业“倒闭潮”等现象接连出现。为了减缓人口老龄化对劳动力供给带来的不利影响,加快“机器换人”进程,推动传统制造业转型升级是促进制造业高质量发展的重要举措。

第三,积极推动新型城镇化建设,助力新生代农民工市民化。在改革开放浪潮的推动下,我国大量的农村农业剩余劳动力逐渐转移到城镇的第二产业和第三产业中,为我国经济的快速增长奠定了坚实的基础。然而,在农村剩余劳动力向城市转移的过程中,出现了新生代农民工。这些常住地在城市,户籍地在农村的劳动力,是新时代的产业工人。这些新生代农民工大都受过一定的教育,但受到经济收入、文化程度等种种因素制约,难以融入城市,成为真正的市民,导致我国在快速城镇化的过程中出现了土地城镇化慢于人口城镇化的现象。因此,只有加强顶层设计,积极推进新型城镇化建设,助力新生代农民工市民化才能把农民工留在城市,为传统制造业转型升级保驾护航,更好地推动制造业高质量发展。