抚养比、教育程度与科技创新——基于G20数据的实证分析

丁佐琴,汪小龙,孙雪梅

(1.无锡太湖学院 会计学院,江苏 无锡 214064;2.国立釜庆大学,韩国 釜山 612022;3.东南大学 经管学院,江苏 南京 211189)

一、引言与文献综述

抚养比对我国科技创新造成诸多不利影响,人口老龄化导致的劳动力短缺与低生育率导致的年轻人数量减少对国家的科技创新驱动战略带来挑战。[1,2]。2020年开展的“第七次全国人口普查”60岁以上老年人口和0-14岁少儿人口占比相比2010年“第六次全国人口普查”,分别上升了5.44%和下降了1.07%,表明我国人口抚养比率总体在上升,人口老龄化进程加快,人口增长处于低生育水平,人口红利的消失将对科技创新产生一定的负面影响。为此,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》第十三篇第四十五章专门提出实施积极应对低出生率和人口老龄化的国家战略,包括推动实现适度生育水平、健全婴幼儿发展政策以及延迟法定退休年龄、促进教育年限增加和发展银发经济等,以应对科技创新投入和产出不足的问题。党的二十大报告第九部分也明确提出要建立生育支持政策体系,实施积极应对人口老龄化国家战略,完善科技创新体系等。教育程度是科技创新最主要的投入要素。近年来,我国针对人口老龄化和低生育率问题进行了一系列教育体系改革。应对人口老龄化方面,发展银发经济,增加教育年限,增强职业继续教育的适应性,创新“老年大学+技术技能人才”培养模式,发挥在线教育优势,完善终身学习体系以及建设学习型社会等;应对低生育率方面,推进基本公共教育均等化,完善留守儿童关爱体系,提高高等教育质量,振兴中西部地区高等教育,建设高素质专业化教师队伍以及深化幼儿园教师管理综合改革等。

目前,国内外学者对于抚养比如何影响科技创新的观点,仁者见仁、智者见智,主要有以下四种观点。第一,显著负向影响的观点,认为人口结构老龄化与生育率下降对未来科技创新产生消极影响,包括通过劳动人口下降、人口红利消失、贸易顺差收窄、地区创新减弱、养老成本增加、人力型产业发展放缓以及医疗卫生体系面临压力等方式降低科技创新投入和产出效率[3]。第二,非直线性影响的观点,认为抚养比变化对产业集聚、科技创新的影响存在异质性,即人口规模初始状态、经济发展程度、城乡结构、消费结构、养老制度以及法定退休年龄等具有调节效应,存在抚养比影响科技创新的非直线性关系[4]。第三,显著正向影响的观点,认为从加快城乡迁移流动、优化产业结构、实现区域经济一体化、丰富人口多元化以及发展人工智能等角度,高抚养比在增加社会成本的同时,也可以通过政府引导发展高质量教育体系、产业体系和政策协同体系进而促进科技创新[5]。第四,不显著影响的观点认为,考虑了人口流动和人口性别构成的因素,抚养比对城市创新能力影响不显著,研究需要进一步通过城乡分组和人口年龄分组检验才能探讨抚养比与科技创新的作用关系[6]。

二、影响机制及研究假设

(一)抚养比对科技创新的影响机制

抚养比是影响科技创新的重要因素,抚养比越高,科技创新水平越低。

首先,从个体角度看,科技创新是一项复杂的智力活动,需要知识水平、认知能力、体力和脑力等能力的协调配合。人的上述能力一般被认为是随着生命周期“由弱到强,再由强到弱”变化发展的,因此,随着生育率的降低和老龄化进程的加快,抚养比的增加会对科技创新产生不利影响。无论是少儿抚养比的增加或是老年抚养比的增加,都意味着一个国家的总人口结构中,15—64岁的劳动力人口比率在减少。同时,少儿处于成长期,以接受教育和学习文化为主,老人处于衰老期,以退休娱乐和身体康复为主,都不能具备劳动能力,因此,抚养比增加还挤占了劳动人口的人力资本支出,需要花费时间和精力用于照顾其生活,所以抚养比的提高是通过增加负担效应和降低劳动力人口质量替代效应抑制科技创新的[7]。其次,从政府角度看,少儿抚养比和老年抚养比的提高会加重社会的抚育成本和养老负担,增加社会用于抚育和养老的开支,加重政府的经费负担,导致政府压缩科技创新投入和教育的公共支出,对科技创新产生不利影响。而且,部分以第一产业和第二产业为主的经济体,需要充裕的劳动人口和劳动时间投入来促进国家经济增长,在未实现产业升级的情况下进入高抚养比社会,将会减少财政收入,进而对科技创新造成不利[8]。例如,我国第六次人口普查就显示,以第一产业为主的彝族地区,在农业未能实现现代化转型升级的情况下,人口结构进入老龄化,导致该地区收入大幅减少,发展速度也远远低于其他地区。[9]。而东莞城镇人口年轻化的转变,促进城市产业结构以先进制造业和现代服务业为主,促进了科技创新投入[10]。最后,从消费结构和出口贸易等角度看,抚养比的提高抑制了科技创新。依据2012—2016年CFPS数据库的研究显示,抚养比高的城市,食品、医疗、日用品的消费支出比率高于交通、通信、科技类产品等,而且,高抚养比对家庭平均效率具有负面效应,消费结构和水平对科技创新不利[11—13]。综上,本文提出如下假设:

H1:少儿抚养比和老年抚养比的提高会抑制科技创新。

(二)教育程度对抚养比影响科技创新具有中介效应机制

教育程度在抚养比影响科技创新的过程中,有显著的中介作用。“波特假说”认为,当产生对经济负面影响的因素时,例如抚养比抑制科技创新,社会虽然可能在短期内增加负担和成本,但在长期内,政府可以通过提升教育质量、加快城镇化进程和发展私营部门等方式促进经济增长。

首先,从学生的角度看,少儿人口和老龄人口的增加给少儿教育以及老年教育的发展提供了契机,国家通过发展幼儿园教育、中小学教育以及老年大学教育,提高非劳动人口的综合素质,进而促进科技创新。较早的研究者依据1990年第四次全国人口普查样本数据,对比分析发现抚养比的初始状态差异决定了教育程度影响科技创新的速度和程度,抚养比高的区域演进速度快、影响程度高[14]。其次,从经费的角度看,抚养比上升的确会增加社会总成本,但是政府可以通过资源配置,改善社会总收益水平[15]。最后,从产业结构和人口流动等角度看,抚养比高的区域,消费结构的转变抑制了科技类产业的发展,但是教育程度的提升可以明显缓解这一不利影响。2005—2017年《中国统计年鉴》数据实证分析指出,教育结构对于产业结构优化升级的作用一直较为明显,人口年龄结构特征对于产业结构优化升级的作用在不同区域内因产业结构基础和人口老龄化程度的差异而不同[16]。未来,中国需要进一步研究人口结构和产业结构等一系列的就业发展战略,开辟经济发展的新思路[17,18]。综上,本文提出如下假设:

H2:教育程度对抚养比影响科技创新具有中介作用

(三)抚养比和教育程度对科技创新的异质性影响机制

低生育率和老年人口比重提高,对科技创新造成不利影响,产生抑制效应,但由于不同经济体之间的发展程度、城镇化以及私营部门等创新条件存在差异,抚养比对科技创新的影响可能存在异质性。

首先,从发展程度的角度看,人口的迁移流动本质是一种选择发展程度的差别转移,发展程度的差别效应在不同条件下有不同的表现。发展程度较好的经济体根本上有利于更好地应对抚养比上升的问题,有利于提高经济体人口的整体素质,有利于科技创新[19]。我国所面临的抚养比变化,在发达国家早已发生,主要发达国家的出生率很早就下降到更低水平之下,很多国家在把提高生育率水平和延迟退休当作重要的公共政策的同时,大力发展高质量教育体系以促进科技创新水平[20]。此外,具体到中国而言,抚养比变动对产业集聚与绿色经济效率的调节效应存在区域异质性,其中东部地区和中部地区具有支撑作用,而西部地区呈现负向关系[21]。其次,从城镇化的角度看,随着城镇化进程加速,年轻劳动人口向城市迁移,造成农村的抚养比高于城镇,农村区域的抚养比抑制科技创新的程度在增加。2006年CHNS数据、2001—2015年《中国统计年鉴》数据均显示,教育程度能显著减弱农村抚养比抑制科技创新的程度,而且性别结构、婚姻结构等人口特征也是影响科技创新的重要因素[22],城镇人口比重与科技创新能力有非常显著的正向相关性[23,24]。综上,本文提出如下假设:

H3:随着经济总量的增加,城镇化的加快以及私营部门的发展,会降低抚养比对科技创新的抑制效应。

三、模型设定、变量选择与数据来源

(一)模型设定

为了验证上述作用关系,本文构建实证模型如下:

首先,为检验研究假设H1:少儿抚养比和老年抚养比的提高会抑制科技创新的总效应c系数,构建基本模型见公式(1)所示,观察系数c是否具有显著性。

INNOi=β0+c×DEPEi+εi

(1)

其中:INNOi为科技创新类别;β0为截距;c为抚养比的总效应系数;DEPEi为抚养比的类别;εi为残差。

其次,为检验研究假设H2:教育程度对抚养比影响科技创新是否具有中介作用以及作用程度如何?构建模型如公式(2)、(3)所示,考察直接效应系数c’以及间接系数a、b是否具有显著性。

EDUCi=γ0+a×DEPEi+εi

(2)

INNOi=δ0+c′×DEPEi+b×EDUCi+εi

(3)

其中:EDUCi为教育程度的类别;γ0、δ0为截距;a为抚养比的间接效应系数;c′为抚养比的直接效应系数;b为教育程度的间接效应系数;εi为残差。

根据中介效应模型公式,间接效应系数的乘积等于总效应系数减去直接效应系数,则有公式(4)所示。

c-c′=a×b

(4)

通过观察系数c′是否具有显著,来判定中介效应是否存在。如果系数c具有显著性,但是,系数c′不具有显著性,则教育程度具有完全的中介效应;如果系数c和系数c′均具有显著性,但是系数c′

最后,为检验研究假设H3:随着经济总量的增加,城镇化的加快以及私营部门的发展,会降低抚养比对科技创新的抑制效应,构建公式(5)所示:

INNOi=φ0+c′××DEPEi+b×EDUCi+d×CONTi+εi

(5)

其中:CONTi为控制变量的类别,d为回归系数。

进一步,检验主效应回归方程(5)中各个变量的Pearson相关系数。结果显示,主要变量的相关系数在0.3及以下,证明变量之间不存在明显的多重共线性问题,可以进行回归分析。

(二)变量选择

1.因变量

衡量科技创新最直接的体现是科研人员占比和居民专利申请量。其中,科技创新研究人员是指参与新知识、新产品、新流程、新方法或新系统的概念形成或创造,以及相关项目管理的专业人员,单位为每百万人;居民专利申请量是指在世界范围通过《专利合作条约》程序或向国家专利部门提交的专利申请,数据来源于世界知识产权组织(WIPO)数据库,单位为件。

2.自变量

本文研究抚养比对科技创新的影响,因此选择少儿人口和老年人口占劳动人口的比重来衡量。其中,少儿抚养比是被抚养少儿人口(15岁以下人口)与劳动年龄人口(15-64岁人口)之比,数据显示为每百名劳动年龄人口中被抚养少儿人口所占的比例;老年抚养比是被抚养老年人口(64岁以上人口)与工作年龄人口(15-64岁人口)之比,数据显示为每百名工作年龄人口中被抚养老年人口所占的比例。以上数据均来源于世界银行国家统计办公室,单位为百分比。

3.中介变量

为了研究抚养比作用于科技创新的机制问题,本文选择教育程度作为中介变量,包括学生入学率和经费投入率两个指标。其中,学生入学率是指所有课程总入学率,即不论年龄大小,幼儿园、中小学、大学等在校生总数占符合官方入学年龄人口的百分比,总入学率可能超过100%,因为包含了较早或较晚入读,以及复读和超龄的学生,数据来源于联合国教科文组织统计研究所,单位为百分比;经费投入率是指教育经费占GDP的比例,数据来源于联合国教科文组织(UNESCO)统计研究所,单位为百分比。

4.控制变量

为了尽可能地减少遗漏变量带来的回归偏误,参考已有文献,本文选择发展程度、城镇化和私营部门作为控制变量。发展程度是科技创新的重要基础,科技创新受到各个经济体的经济发展水平差异的影响。本文界定经济体是否为发达经济体,采用经济体是否加入经济合作与发展组织、是否加入了国际货币基金组织以及经济国际化程度进行划分,全部条件满足的经济体为发达经济体,赋值为1,其他经济体赋值为0;城镇化水平越高,往往越有利于吸引科技创新人才,也有利于提高人力资本水平,城市人口是指居住在国家统计局定义的城市地区的人口,是指城镇人口占总人口的比例,这些数据由联合国人口司收集和整理,单位为百分比;私营部门是指金融公司向私营部门提供的财政资源,例如通过贷款、购买非股权证券、贸易信贷和其他应收账款等方式提供的资金占全部信贷资金的比率,数据来源于国际货币基金组织,单位为百分比。

(三)数据来源及描述统计

鉴于数据的可得性和完整性,考虑到G20经济体涵盖面广,代表性强,构成兼顾了发达国家和发展中国家以及不同地域的利益平衡,本文选取1999—2020年G20经济体面板数据为研究样本,并对数据做了如下处理:1.删除了样本数据的异常值;2.缺失值按照该经济体平均值进行补充;3.使用对数、数据标准化和变换单位的方法,缩小变量之间差值变量的描述性统计结果:科技创新方面,G20经济体科研人员占比均值为每百万人2359.80人,最大值为每百万人8713人,最小值为每百万人89.46人;专利申请量均值为69324.79件,最大值为1393815件,最小值为46件,可见经济体科技创新水平差距较大,限于篇幅,描述性统计结果未予全部展示。

四、实证研究与结果分析

(一)平稳性检验分析

单位根(ADF)检验通常用于检验数据平稳性,计量经济学的时间序列分析中,检验时间序列模型有单位根的检验方法。ADF检验是增项DF检验。

依据表1所示,科研人员占比一阶条件下在10%的水平上通过单位根检验,专利申请量一阶条件下在1%的水平上通过单位根检验,老年抚养比在5%的水平上通过了单位根检验,少儿抚养比在5%的水平上通过检验,其余变量均在1%-10%的水平上通过了ADF检验,本文认为G20经济体面板数据是平稳数列,可以利用该面板数据进行面板回归分析研究抚养比对科技创新的影响。

表1 面板数据单位根检验

(二)内生性检验分析

本文使用双重差分法(DID回归)控制了年份和国家效应后,解决自变量内生性问题。根据作用组和对照组在少儿抚养比的相关信息,可以计算作用组在少儿抚养比高低前后指标的变化量,同时计算上述两个变化量的差值。双重差分模型及检验结果如表2所示,低抚养比组专利申请量为275312.69件,高抚养比组专利申请量为599.00件,在固定效应模型中,结论初步支持了本文研究假设。同时,本文还构建了两阶段回归模型,模型通过Wald卡方检验(p<0.05),说明模型有意义。Durbin外生性检验p值大于等于0.05,则说明解释变量不存在内生性问题,不满足工具变量法的前提条件,可以直接使用OLS回归模型。

表2 双重差分模型及检验结果

(三)基准回归分析

表3报告了抚养比与科技创新的回归结果。

表3 抚养比与科技创新回归结果

1.老年抚养比显著抑制了科技创新,每提高老年抚养比一个百分点,专利申请量降低2480.55件,减少科研人员每百万人占比66.26,而且具有显著性。2.少儿抚养比每提高一个百分点,专利申请量减少6724.18件,减少科研人员每百万人占比96.78,均具有显著性。而且,OLS回归模型整体拟合优度为353.75和383.73,具有显著性,说明模型没有被错误假定。调整后的决定系数为0.59和0.64,说明抑制科技创新的作用中,分别有59%和64%是由抚养比直接产生的。综上,研究结论支持假设H1。

(四)中介效应和异质性分析

表4报告了教育程度在抚养比影响科技创新中的中介效应回归结果。

表4 教育程度中介效应回归结果

1.学生入学率在老年抚养比影响专利申请量过程中为完全中介效应,经费投入率的中介效应为完全中介效应。2.学生入学率在少儿抚养比影响专利申请量过程中为遮掩效应,效应量占比为9.16%,经费投入率的中介效应为部分中介效应,效应量占比为11.40%。3.学生入学率在老年抚养比影响科研人员占比过程中为完全中介效应,经费投入率的中介效应为完全中介效应。4.学生入学率在少儿抚养比影响科研人员占比过程中为遮掩效应,效应量占比为3.05%,经费投入率的中介效应为部分中介效应,效应量占比为10.73%。综上,研究结论支持假设H2。

表5报告了控制变量影响异质性的回归结果。限于篇幅,本文仅展示了控制变量效应系数和相关系数。

表5 控制变量影响异质性的回归结果

1.发展程度促进科技创新,发达经济体相比其他经济体,专利申请量增加232075.46件,提高科研人员每百万人占比1734.16,具有显著性。2.城镇化促进科技创新,每提高城镇人口一个百分点,增加专利申请量1226.14件,提高科研人员每百万人占比33.29,具有显著性。3.私营部门促进科技创新,私营部门GDP占比每提高一个百分点,增加专利申请量2573.08件,提高科研人员每百万人占比7.32,具有显著性。综上,研究结论支持假设H3。

五、进一步讨论与稳健性检验

(一)进一步讨论

基于前文理论分析,教育程度可以弱化抚养比抑制科技创新的作用。接下来针对抚养比如何影响教育程度进行检验,观察抚养比影响教育程度的间接效应a系数是否具有显著性。

表6报告了抚养比与教育程度的回归结果。抚养比对教育程度具有促进作用,具有显著性。具体来说:1.老年抚养比提高学生入学率0.27,提高经费投入率0.01,具有显著性。2.少儿抚养比提高学生入学率0.60,提高经费投入率0.01,具有显著性。综上,研究结论进一步支持了教育程度对抚养比影响科技创新具有中介作用的假设H2。

表6 抚养比影响教育程度的效应

(二)稳健性检验

表7报告了不同发展程度经济体的抚养比、教育程度与科技创新回归结果。

表7 按发展程度分样本回归结果

1.发达经济体方面,抚养比影响科技创新为正“U型”关系,老年抚养比影响科技创新效应系数为-3805.36,曲率为111.02,曲线开口向上。少儿抚养比影响科技创新效应系数为-179757.00,曲率为3733.95,具有显著性。教育程度促进科技创新,效应系数分别为2270.65和39587.10,具有显著性。2.其他经济体方面,抚养比影响科技创新为倒“U型”关系,老年抚养比和少儿抚养比促进科技创新的系数分别为32621.88和51204.10,具有显著性。曲率为-1605.83和-520.65,曲线开口向下。教育程度促进科技创新,效应系数分别为82.71和6009.91,具有显著性。表明发达经济体以缓解高抚养比为主,其他经济体则以发展银发经济和提升人力资本为重点。此外,教育程度在促进科技创新方面具有一致性,无论何种类型经济体,提高教育程度都是国家长期战略。稳健性检验的研究结论支持本文假设,而且,分样本检验模型的整体拟合优度F值在14.01-17.18范围内,调整后R2在0.45-0.59范围内,具有显著性,表明回归模型没有被错误假定。

六、研究结论与政策启示

(一)研究结论

本文在对抚养比影响科技创新的理论机制分析的基础上,以1999-2020年G20经济体的面板数据对两者之间的关系进行了实证分析,并且构建教育程度中介效应模型,结果表明:

第一,抚养比显著抑制科技创新,劳动人口比重下降抑制了科技创新水平,包括专利申请量和科研人员占比。双重差分检验显示,低抚养比组的专利申请量均值为275312.69件,高抚养比组的专利申请量均值为599件。基准回归分析显示,老年抚养比抑制科技创新的系数绝对值分别为2480.55和66.26,具有显著性。少儿抚养比抑制科技创新的系数绝对值为6724.18和96.78,具有显著性。

第二,教育程度具有中介作用,能够减弱抚养比抑制科技创新的作用,且具有一致性。在完全中介作用方面,学生入学率在老年抚养比影响专利申请量和科研人员占比中,具有100%中介效应。经费投入在老年抚养比影响专利申请量和科研人员占比中,具有100%中介效应。在遮掩效应方面,学生入学率在少儿抚养比影响专利申请量和科研人员占比的过程中,具有9.16%和3.05%的遮掩效应。在部分中介作用方面,经费投入在少儿抚养比影响专利申请量和科研人员占比中有11.40%和10.73%的中介作用,具有显著性。

第三,发展程度、城镇化和私营部门具有影响的异质性。发达经济体显著促进科技创新,增加专利申请量232075.46件和提高科研人员每百万人占比1734.16,具有显著性。城镇化显著促进科技创新,城镇人口增加1%,可以提高专利申请量1226.14件和增加科研人员每百万人占比33.29,具有显著性。私营部门促进科技创新,效应系数分别为2573.08和7.32,具有显著性。表明提高经济总量、促进城镇化和发展私营部门可以缓解抚养比抑制科技创新的作用。

第四,发达经济体抚养比影响科技创新为正“U型”结构,其他经济体抚养比影响科技创新为倒“U型”结构。发达经济体的老年抚养比影响科技创新效应系数为-3805.36,曲率为111.02,曲线开口向上。其他经济体的老年抚养比影响科技创新效应系数为32621.88,曲率为-1605.83,曲线开口向下。表明在促进科技创新方面,发达经济体以缓解高抚养比为主,其他经济体则不应排斥抚养比的上升,而以发展“银发经济”和“提升人口素质”为重点。

(二)政策启示

基于G20经济体抚养比对科技创新的影响,本文提出如下政策建议:

第一,基于老年抚养比抑制科技创新的结论,中国应继续实施积极应对老龄化社会战略,发展银发经济和延迟退休养老政策,虽然短期内,政策施行会有一定的阻力,但是从长期来看,发展老年经济和提高老年人口人力资本的做法,可以促进科技创新,进而增加全社会的福利。此外,基于少儿抚养比通过学生入学率作用于科技创新的结论,中国还应实施积极的“二孩政策”,完善“保育教育”“幼儿园教育”等教育体系,提高少儿课程的开课率,以应对少儿抚养比抑制科技创新的问题。

第二,基于教育程度减弱抚养比抑制科技创新,且具有一致性的结论,政府应大力发展教育,特别是增加民办高等教育政府援助比例。2022年5月,国务院办公厅印发《关于进一步做好高校毕业生等青年就业创业工作的通知》,明确民营企业吸纳高校毕业生可享受保险补贴、拓岗补贴等扶持政策。政府在民办高等教育援助比例还可以进一步拓展,例如在民办高等院校招生之时,政府可以运用“民办机制”的灵活性特点,引导民营企业订单式培养,政府向签订意向就业协议的学生发放“双向补贴”,对于职业技能达到规定标准的,给予职业培训鉴定补贴,城市租房、交通费用补助等,以提高政府对民办高等教育的支持力度。

第三,基于发展程度、城镇化和私营部门具有影响的异质性的结论,政府应当继续以发展经济为重点,通过提高城镇人口占比,营造良好营商环境发展民营经济等手段,减弱抚养比抑制科技创新的影响。在经济总量方面,可以放开民办教育产业,引导大型企业集团参与到各层次教育的体系中来。在城镇化方面,加快经济一体化进程,打破城镇和乡村的户籍限制,实现劳动人口的职业资格互认等。在私营部门发展方面,提升民营企业的科技创新能力,支持民营企业参与建设国家或者省级研发创新平台,加快向民营企业开放重大科研基础设施和大型科研仪器。