人口结构变动对我国制造业数字化转型的影响研究

[摘要]顺应我国人口数量-质量红利转变趋势，推动制造业数字化转型是培育新质生产力的主要抓手。基于2012—2022年省域面板数据，构建我国制造业数字化转型指标体系，并采用中介效应模型和调节效应模型实证检验人口结构变动对制造业数字化转型的影响效应。研究发现：我国制造业数字化转型水平总体呈逐年提高态势，东部最高，中部次之，西部最低。人口年龄结构老化和人口教育结构优化均促进制造业数字化转型，该结论在一系列稳健性检验后仍然成立。人口年龄结构老化对西部地区制造业数字化转型的积极影响更大，人口教育结构优化的正向影响在东部地区更显著，并且两者对制造业数字化转型的促进作用在城镇化率较高地区更强。人口年龄结构老化和人口教育结构优化分别通过造成劳动力短缺、增加居民储蓄和加快技术创新、提高人均收入推动制造业数字化转型；同时，两者对制造业数字化转型的积极作用会随着市场化水平的提高而逐渐增强。据此，提出持续挖掘人口数量和质量红利、不断完善市场体制建设、促进不同区域数字化转型协调发展等建议。

[关键词]人口年龄结构老化；人口教育结构优化；制造业数字化转型

一、 引言

制造业作为我国现代化产业体系的核心部门，近年来面临着要素成本上升、高端核心技术稀缺、产业结构失衡以及国际市场布局重构等重大挑战。与此同时，人工智能、大数据、物联网等先进数字技术的快速进步催生了数字经济新业态，为制造业加快数字化转型、摆脱发展困境提供了机遇。2023年12月工信部等八部门联合印发的《关于加快传统制造业转型升级的指导意见》指出，要“加快制造业数字技术赋能”“推动传统制造业向高端化、智能化、融合化方向转型”1。当前，我国人口老龄化不断加深和生育率持续下降使制造业发展依赖的人口数量红利逐步消失，但人口教育结构优化又为制造业数字化转型积累了高素质专业人才，使人口质量红利逐渐显现。可见，人口年龄结构与教育结构变动催生的人口数量-质量红利转变会对我国制造业数字化转型产生重要影响。因此，本文将深入探究两者影响制造业数字化转型的理论机理并进行实证检验，这对实现人口高质量发展、促进数字经济与实体经济深度融合以及培育数字新质生产力具有重要意义。

关于制造业数字化转型的研究主要涉及以下三个方面：第一，制造业数字化转型的概念内涵。从数字技术融合角度出发，有研究认为数字化转型是数字技术与企业生产、运营及营销等各个环节不断融合，最终提升企业应对市场变化能力并带来效率效益提升的过程[1-2]；从企业组织变革角度，余菲菲等[3]认为企业进行数字化转型旨在深度运用数字技术改善自身业务流程并推动组织结构创新；从要素改造OrZgAjye0DgZff0U/cQkqw==升级角度，石先梅[4]认为数字化转型是制造业企业内部资本、劳动等要素的数字化和外部关联产业间数字生态网络建立的过程。第二，制造业数字化转型的测度方法。单一指标测度方面，有研究根据制造业企业年报中是否包含数字化转型相关关键词设置了虚拟变量[5]；综合指标测度方面，大部分学者采用文本分析法通过微观层面的企业年报关键词词频来构建代理变量[6-7]；还有研究从产业中观层面构建综合指标体系进行测度[8-9]。第三，制造业数字化转型的影响因素。相关研究认为企业高管重视程度、研发投入、融资环境、人力资本水平、政府政策和数字基础设施建设等，均是制造业数字化转型的重要影响因素[10]。

关于人口结构变动影响制造业发展的相关研究主要集中于：其一，人口年龄结构与制造业发展。在产业中观层面，有学者认为老龄化使劳动力数量减少、劳动力流动能力降低，并且加重了社会抚养负担，抑制了资本积累和技术创新，从而对制造业转型升级产生不利影响[11-12]；有研究持相反观点，认为老龄化会促进人力资本投资与积累，同时还会通过劳动力短缺倒逼制造业企业加大资本与技术投入，进而促进制造业转型升级[13-14]。在企业微观层面，部分学者探究了人口老龄化对工业机器人应用的积极影响[15]。其二，人口教育结构与制造业发展。在产业中观层面，有研究认为人力资本积累可以促进制造业高质量发展，并且存在加快企业技术进步、带动相关产业集聚、提高劳动力收入、改善消费水平等影响路径[16-17]；有学者探讨了人力资本积累影响制造业转型升级的空间溢出效应和异质性[18-19]。在企业微观层面，韩超等[20]探究了高等教育人力资本对数字化转型的促进机理。

综上，相关研究成果已经非常丰富，但仍存在可突破之处：（1）现有对数字化转型的测度方法主要采用文本分析法从微观企业层面进行关键词词频统计，但文本分析法在识别关键词时的主观性较强，可能会存在“存伪”和“弃真”问题[21]。（2）目前研究主要集中于人口老龄化或人力资本积累各自对产业发展的影响，而两者的演变本质上可视作人口数量—质量转变的过程，鲜有基于此视角分析两者共同影响产业发展的作用机制的研究。（3）现有研究主要关注人口结构变动对制造业结构升级的影响，且关于人口结构变动如何影响数字智能化转型的研究仍然较少。基于此，本文首先基于人口数量-质量转变视角分析人口年龄结构和人口教育结构对制造业数字化转型的影响机理；其次，利用客观统计指标构建测度体系，采用熵值法对我国制造业数字化转型水平进行测度；最后利用固定效应模型、中介效应模型和调节效应模型实证检验人口结构变动对我国制造业数字化转型的影响机制和异质性，以期为我国深入发掘人口结构变动对制造业数字化转型的数量红利和质量红利的影响提供政策参考和理论依据。

二、 理论分析和研究假说

人口结构因划分标准不同会产生不同结果，其内涵较为复杂。有研究表明，人口数量—质量转变是目前我国人口变动的主要特征，即随着经济发展逐渐深化，人口再生产模式由高生育率、低人力资本积累率向低生育率、高人力资本积累率转变，最终导致人口数量减少和人口质量提高[22]。目前，我国人口数量负增长是人口年龄结构少子化老龄化持续加深的结果，人口质量不断提升主要是人口教育结构优化催生的成果。因此本文基于人口数量—质量转变视角，主要从人口年龄结构老化和人口教育结构优化两方面来界定人口结构变动的内涵。

1. 人口年龄结构老化影响制造业数字化转型的机理

人口年龄结构老化造成劳动力供给短缺和成本上升，进而倒逼制造业数字化转型，即存在劳动力成本效应。第一，人口老龄化降低了劳动年龄人口比重和劳动参与率，使制造业发展依赖的低廉劳动力供给逐渐短缺，加速了劳动力成本上升进程。第二，老龄化伴随的生育率持续下降将造成社会对未来劳动力供给的较低预期，企业会通过较高工资吸引来保证所需的劳动力数量，居民也会提高工资要求来保证自身权益，从而造成劳动力要素价格不断提高。以上两方面造成的劳动力成本上升，改变了制造业企业要素的禀赋结构和相对价格。在当前我国资本要素丰裕和数字技术快速发展的背景下，为节约生产成本，企业会加大数字化资本和数字智能技术的投入力度来替代劳动力要素。有研究就表明，人口老龄化导致的劳动力短缺会倒逼企业增加人工智能的使用[23]。由此，本文提出以下假说：

H1：人口年龄结构老化造成劳动力短缺进而倒逼制造业数字化转型。

人口年龄结构老化使居民增加储蓄进而通过影响固定资本积累促进制造业数字化转型，即存在储蓄效应。第一，生命周期理论认为，为实现整个生命周期的效用最大化，理性经济人会用年轻时的储蓄来支撑老年时的消费。预防性储蓄假说提出，当未来收入不确定性上升时理性经济人会增加额外储蓄以保障未来的基本消费。人口老龄化提高了社会预期寿命，延长了老年生活周期，使得老年时期的收入不确定性更加明显，因此个体增加储蓄的预防性动机增强。第二，由于我国特殊的家庭文化传统，老年人有为后代积累财富的遗赠性动机，且该动机会随着老龄化的加深而增强。以上两方面造成的居民储蓄率提高为制造业企业数字化转型提供了资金供给并降低了借贷利率，最终对制造业数字化固定资本和智能基础设施投资产生积极作用。由此，本文提出以下假说：

H2：人口年龄结构老化会使居民提高储蓄，进而推动固定资本积累，促进制造业数字化转型。

2. 人口教育结构优化影响制造业数字化转型的机理

人口教育结构优化可以通过加快技术创新促进制造业数字化转型，即存在技术创新效应。第一，人口教育结构优化引致的专业化人才规模扩大会直接促进原始数字技术的创造发明，并且高水平人才队伍可以通过相互模仿、交流和竞争来加快创新知识和能力在产业链各个环节的溢出扩散，从而大幅提升制造业全产业链数字智能技术的研发效率。第二，人口教育结构优化会促进数字技术的应用融合，因为受教育程度更高的企业管理者对采纳数字智能技术的意愿更强，也更有能力带动与新技术相匹配的业务运营流程以及推进企业管理模式创新。可见，技术创新水平提升最终加快了企业原始数字技术革新并提升其数字应用能力，从而为制造业数字化转型提供源泉。由此，本文提出以下假说：

H3：人口教育结构优化会推动技术创新进而促进制造业数字化转型。

人口教育结构优化通过提高人均收入促进制造业数字化转型，即存在收入效应。第一，人口教育结构优化提高了人均教育水平和人均收入水平，人均收入的提高推动了居民消费需求由满足生存需要的低层次消费向高科技、高质量、个性化的高层次消费转变，这会倒逼制造业企业利用数字智能技术改善自身生产工艺m8VR1ox4ujacEuwafzBnY//gwOnyaOb6QncYIL0ue8k=流程、加快研发新型产品以及提供精准个性服务，进而加快数字化转型。第二，人均收入较高地区的劳动者在满足基本就业保障的基础上，对工作的质量和进步空间要求更高，数字智能技术密集型制造业企业发展前景广阔、工作条件良好并且薪资收入较高，更有利于高水平人力资本向此类企业转移集聚。人力资本快速集聚会进一步吸引数字智能高科技产业和相关资源要素的集聚，进而使制造业数字化转型不断得到深化[17]。由此，本文提出以下假说：

H4：人口教育结构优化会通过提高人均收入促进制造业数字化转型。

3. 人口结构变动影响制造业数字化转型的市场化调节效应

人口结构变动对制造业数字化转型的促进作用会受到市场因素的影响[24]。第一，人口年龄结构老化引致的成本效应和储蓄效应会随着市场化水平的提升而显著增强。一是完善的市场机制下要素及信息流动更为自由迅速，因此人口老龄化引致的劳动力供求变动信息可以快速且全面地反映至企业端。激烈的竞争环境会促使企业进行要素投入结构的调整，加快数字化转型以避免被淘汰。二是规范的银行等金融中介活动可以改善企业融资环境，提高投资效率，从而使人口老龄化催生的居民储蓄更有效地转化为企业数字化转型所需的资金。第二，市场化水平提升会增强人口教育结构优化对数字化转型的积极影响。一是人口教育结构优化引致的技术创新效应会得到加强。充分的市场竞争可以加快高水平人才在企业间流动并推动知识技术的传播扩散和更新迭代，并且完善的技术市场交易机制可以更好地沟通前端科学研发与后端生产应用，促进产学研有效融合。二是人口教育结构优化催生的收入效应也得到增强。信息的自由流动使企业可以准确地捕捉用户对产品及服务需求的变化，从而有助于降低企业的试错成本，使企业可以利用数字技术研发进行改造以生产出更贴合用户需求的新型产品，提供更个性化的商业服务模式。由此，本文提出以下假说：

H5：人口结构变动对制造业数字化转型的积极影响随着市场化水平提升而逐渐增强，即存在市场化的正向调节效应。

根据以上理论分析可以概括出人口结构变动影响制造业数字化转型的机理机制，如图1所示。

三、 研究设计

1. 模型设定

（1）基准回归模型

为检验人口结构变动对我国制造业数字化转型的总体影响，本文设定如下基准回归模型：

[digit=β0+β1popit+β2Xit+μi+εit] （1）

上式中，i表示地区，t表示年份。dig表示制造业数字化转型，具体测算方法见下文。pop表示人口结构变动，具体可划分为人口年龄结构老化（old）与人口教育结构优化（edu）。X表示一系列控制变量。[μi]表示固定效应，本文主要控制个体固定效应。[εit]为随机误差项。

（2）中介效应模型

为检验人口结构变动是否通过劳动力短缺倒逼、增加固定资本积累和促进技术创新、提高人均收入来影响我国制造业数字化转型，本文设定如下中介效应模型：

[Mit=α0+α1popit+α2Xit+μi+εit] （2）

[digit=δ0+δ1Mit+δ2popit+δ3Xit+μi+εit] （3）

上式中M表示中介变量，包括劳动力成本、居民储蓄、技术创新和人均收入。[δ2]是人口结构变动对制造业数字化转型的直接效应，[α1][×δ1]是人口结构变动对制造业数字化转型的中介效应。

（3）调节效应模型

为验证人口结构变动对我国制造业数字化转型的市场化调节作用是否存在，本文设定如下调节效应模型：

[digit=γ0+γ1popit+γ2popit×marketit+γ3marketit+γ4Xit+μi+εit] （4）

上式中market为调节变量，本文利用王小鲁等[25]测算的市场化指数进行衡量。[γ2]表示市场化水平对人口结构变动影响制造业数字化转型的调节效应。

2. 变量选取

（1）被解释变量

制造业数字化转型（dig）。制造业数字化转型是以数据为核心的数字智能技术与制造业产业链各个环节的深度融合并带来效益与效率提升的过程[1]。由此来看，制造业数字化转型首先是数字技术本身的不断创新与完善，其次是数字技术对全产业链各个环节的深层次改造升级，最终是产业效益和效率的提升，其本质上是一个由数字技术创新引发的且在制造业产业内部演化发展的动态过程。其中，数字智能技术、数据分析处理能力和数字基础设施的不断革新和完善是制造业数字化转型的核心先决条件；数字技术辐射至制造业生产、运营、研发、销售各个环节，与传统业务模式不断融合来实现数字应用能力革新是数字化转型具体演化过程；制造业企业经济效益和环境效益提升是数字化转型直观结果。因此，参考相关研究[8-9]，本文从数字技术革新、数字应用能力革新和数字效益革新三方面构建指标体系，考虑到数据来源的可靠性与便利性，选取8个三级指标，具体如表1所示。采用熵值法对各三级指标的权重进行测算，最终结果通过对各指标和所得权重进行加权求和得出。

（2）核心解释变量

人口结构变动（pop）。本文主要从人口年龄结构老化、人口教育结构优化两个方面对人口结构变动进行衡量。其中人口年龄结构老化（old）采用65岁及以上人口占比来衡量，人口教育结构优化（edu）采用人均受教育年限来衡量。

（3）中介变量

根据本文的研究假说，选取如下中介变量：劳动力成本（wage），采用各省在岗职工平均工资取对数来衡量；居民储蓄（sav），采用（居民人均可支配收入-居民人均消费）/居民人均可支配收入来测定；技术创新（tech），技术市场发展水平能更全面地反映技术创造、应用与融合的全过程，测算方法为技术市场成交额与地区GDP的比值；人均收入（icome），采用居民人均可支配收入取对数来衡量。

（4）控制变量

本文在已有研究基础上，选取如下控制变量：产业结构（ins），采用地区第三产业产值与第二产业产值之比来衡量；对外开放（nx），采用进出口贸易总额与地区GDP的比值来衡量；金融发展（fina），采用银行业及金融机构存贷款总额与地区GDP的比值来测算；政府干预（gov），采用政府财政支出与GDP的比值来衡量；基础设施建设（infra），采用地区公路里程数取对数来测算。

3. 数据说明

以2012—2022年我国30个省区市（港澳台西藏由于数据不全未列入）为研究对象。数据来自《中国统计年鉴》《中国工业统计年鉴》《中国信息产业年鉴》《中国人口和就业统计年鉴》和国家统计局网站以及中国信息通信研究院相关研究报告公布数据。表2是所有变量的描述性统计，缺失值由线性插值法补全。

四、 实证结果分析

1. 我国制造业数字化转型测度结果分析

2012—2022年全国及东中西部地区制造业数字化转型均值变化态势如图2所示。可知：（1）从全国来看，2012—2022年我国制造业数字化转型水平明显提升，由2012年的0.102增加到2022年的0.163，年均增速4.8%。但11年中我国制造业数字化转型水平均值仅为0.127，仍处于较低状态。（2）分区域来看，2012—2022年东中西部地区制造业数字化转型水平差异明显。东部地区不仅均值高而且增长快（2011年均值为0.208，年均增速达6.3%）；中部地区均值和增速次之（2011年均值为0.089，年均增速为4.7%）；西部地区均值和增速都最低（2011年均值为0.072，年均增速为1.3%）。其原因在于，东部地区数字技术创新活跃，制度建设和市场体制开放且高水平人力资本密集，因此其制造业数字化转型程度较高且发展较快。中西部地区因资源禀赋与产业结构单一，数字基础设施薄弱且人才流失较为严重，须通过完善制度和加快基础设施建设来支撑制造业数字化转型。

2. 基准回归结果及分析

基准回归结果见表3。列（1）（2）检验了人口年龄结构老化对制造业数字化转型的影响，列（3）（4）是人口教育结构优化对制造业数字化转型影响的检验结果。可以看出：第一，人口年龄结构老化对制造业数字化转型的系数在1%的水平下显著为正，即正如本文在机理分析时所揭示的，人口年龄结构老化所产生的劳动力成本效应和储蓄效应倒逼和促进了制造业数字化转型。第二，人口教育结构优化对制造业数字化转型的系数亦为正且在1%的水平下显著，即人口教育结构优化可以积累大量高素质人才队伍，使其集聚数字化制造业行业，从而直接推动我国制造业数字化转型。第三，由前四列对比可知，人口教育结构优化对制造业数字化转型的积极影响弱于人口年龄结构老化带来的影响。这说明虽然目前我国人口质量红利已经逐渐凸显，但我国人口教育结构与制造业发展的专业技术人才需求未能较好匹配，同时存在着如地区户籍管制等影响高素质人才流动的不利因素，仍须完善相关政策以进一步发掘人力资本存量优势。第四，控制变量方面，对外开放、政府干预对制造业数字化转型均具有负向影响。这可能是由于对外开放水平和政府干预水平的提高深化了制造业企业对国外资本技术引进与本地政府财政扶持的依赖性，使企业缺乏自主创新动力，削弱了企业独立参与市场竞争能力，进而抑制了企业数字化转型进程。

3. 稳健性检验

（1）更换核心解释变量测度方法

本文采用老年抚养比（olds）与大专及以上学历人口占比（edus）分别表示人口年龄结构老化与人口教育结构优化重新进行检验，结果如表4列（1）（2）。可知，在更换核心解释变量的测度方法后，基准回归结果依旧稳健。

（2）更换被解释变量测度方法

机器人应用是驱动产业智能化数字化的核心因素，因此本文参考孙早等[26]的方法，构造省级工业机器人安装量数据来表示制造业数字化转型重新进行检验，结果如表4列（3）（4）。可知，人口年龄结构老化和人口教育结构优化均对工业机器人应用产生了显著的积极影响。

（3）更换模型估计方法

考虑到制造业数字化转型数据具有明显的截断特征，故本文利用tobit模型重新进行回归，结果如表4列（5）（6）。可知，更换估计方法后的回归结果与基准结果基本相同，进一步说明了上述分析的稳健性。

（4）工具变量法

制造业数字化转型水平提高会促进地区经济增长，从而带动地区医疗、教育等基础设施建设，最终影响居民的预期寿命与受教育程度，即前文分析可能存在由反向因果产生的内生性问题。因此本文采用人口年龄结构和人口教育结构滞后一期作为工具变量进行2SLS回归，结果如表5所示。列（1）（2）是人口年龄结构老化的检验结果，列（3）（4）是人口教育结构优化的回归结果。可知，在考虑内生性问题后，人口年龄结构老化与人口教育结构优化对制造业数字化转型依然具有显著的积极影响，再次验证了基准回归结果的稳健性。

4. 异质性分析

（1）区域异质性

由于我国东中西部三大区域间的资源要素禀赋、人均收入水平和数字技术发展水平均存在明显差异，因此对东中西三个地区进行区域异质性分析，结果如表6所示。第一，人口年龄结构老化对制造业数字化转型的积极影响在西部地区最大，在中东部地区较小。原因可能是，中东部地区积累了大量来自西部地区的劳动力转移，这些劳动力一定程度上缓解了流入地的劳动力供给短缺，减弱了劳动力成本倒逼效应。并且由于中东部地区数字化水平较高，储蓄效应引致的固定资本积累也出现了边际报酬递减。第二，人口教育结构优化显著推动了东部地区制造业数字化转型，而对中西部地区的影响并不明显。原因可能是，近年来中西部地区培养的大量高素质人才流入了东部地区，使东部地区形成集聚效应和规模经济，这推动了东部地区数字技术创新和产业数字化快速发展。中西部地区由于产业结构较为单一，高素质专业化人才相匹配的精细化多样化岗位较少，未能形成人力资本对制造业数字化转型的集聚效应。

（2）城镇化水平异质性

城镇化率反映了地区的资源要素集聚水平和二元经济缓解程度，因此本文根据全部省份样本的城镇化率中位数进行分组回归，大于中位数的省份为高城镇化组，小于中位数的为低城镇化组，结果见表7。可以看出：第一，人口年龄结构老化对制造业数字化转型的正向影响在高城镇化组和低城镇化组均显著存在，且在高城镇化组的积极作用更强。第二，人口教育结构优化对制造业数字化转型的积极影响在城镇化水平较高时显著存在，而在城镇化水平较低时不显著。原因可能是城镇化水平较低时，剩余劳动力供给充足并且储蓄水平较低。同时，此阶段人力资本素质较低，技术进步较慢，企业发展更依赖劳动力数量的扩张，对劳动力质量的要求并不高，故此时人口年龄结构老化和人口教育结构优化对制造业数字化转型的促进作用并不明显。

5. 影响机制检验

（1）中介效应检验

表8为人口年龄结构老化影响制造业数字化转型的劳动力成本效应和居民储蓄效应的检验结果，列（1）（2）显示，人口年龄结构对劳动力成本的影响在1%的水平下显著为正，且劳动力成本上升显著促进了制造业数字化转型。这表明人口年龄结构老化会造成劳动力短缺，劳动力成本上升，进而倒逼制造业企业进行数字化转型，H1成立。列（3）（4）显示，人口年龄结构对储蓄率的积极影响在1%的水平下显著，且两者对制造业数字化转型具有显著的正向作用。这表明人口年龄结构老化会增加居民储蓄，促进固定资本积累，进而加快制造业数字化转型，H2成立。

人口教育结构优化影响制造业数字化转型的技术创新效应和收入效应的检验结果如表9所示。列（1）（2）显示，人口教育结构显著提高了技术创新水平，且技术创新对制造业数字化转型的正向影响在1%的水平下显著。这表明人口教育结构优化会促进技术创新，进而推动制造业数字化转型不断深化，H3成立。列（3）（4）显示，人口教育结构对人均收入的影响在1%的水平下显著为正，且人均收入上升显著促进了制造业数字化转型。这表明人口教育结构优化会提高人均收入进而促进制造业数字化转型，H4成立。

（2）调节效应检验

市场化水平在人口结构变动影响制造业数字化转型中的调节效应的检验结果如表10所示。人口年龄结构与市场化交互项、人口教育结构与市场化交互项的系数均在1%的水平下显著为正，即两者对制造业数字化转型的积极影响受到市场化水平的正向调节。可见，规范自由的市场体制环境可以增强人口结构变动对制造业数字化转型的促进作用，H5成立。

五、 结论及对策建议

本文在界定核心概念和机理分析的基础上，基于2012—2022年我国省域面板数据，利用中介效应模型和调节效应模型实证检验了人口结构变动影响制造业数字化转型的程度和机制，结论如下：（1）样本期内我国制造业数字化转型水平总体上逐年提高，其中东部地区最高，中部地区次之，西部地区最低且增长较慢。（2）目前，我国人口结构变动总体上会促进制造业数字化转型，其中人口年龄结构老化的积极影响更大，而人口教育结构优化的影响较小。这可能与我国目前大规模人力资本存量优势未得到充分释放有关。（3）异质性分析表明，人口年龄结构老化对制造业数字化转型的促进作用在西部地区更强，人口教育结构优化对其的积极影响在东部地区更显著，并且两者对制造业数字化转型的积极影响在城镇化水平较高的地区更强。这可能与我国近年来地区间劳动力流动和产业结构差异以及二元经济转型不同阶段的特性有关。（4）中介效应检验表明，人口年龄结构老化会造成劳动力短缺，通过增加固定资本积累来促进制造业数字化转型，人口教育结构优化导致加快技术创新和提高人均收入，进而推动制造业数字化转型。（5）调节效应检验表明，人口年龄结构老化和人口教育结构优化对制造业数字化转型的积极影响均随着市场化水平提高而逐渐增强。

针对以上研究结论，本文提出以下建议：

第一，顺应人口年龄结构老化趋势，充分利用人口数量红利。首先要顺应劳动力供给变动趋势，适当提高最低工资标准，加快制造业“机器换人”进程；其次要加强养老金制度建设。提高政府和企业的养老金补贴比例，引导个体户、农民工及私营部门员工积极参保，完善农村居民的养老保障；最后，不断完善转型企业资金投入结构，提高对生产资金的利用效率；各级政府实行产业分级措施，鼓励引导资金流入数字化建设投资需求旺盛的产业。

第二，加快人口教育结构优化，挖掘人口质量红利潜力。首先要激发创新创造活力，加强高素质人才培养力度。不断优化我国高校及科研院所资源配置，增加对科研院校的研究补贴和创新投资支持。同时不断深化高校人才培养的目标导向，将人才培养质量作为高校评估和教师考核的核心指标；其次要促进高素质劳动力自由流动，加快户籍管理制度改革，放宽人才就业落户限制；最后要加强产学研合作，推动创新成果转化和企业商业运营模式转型，促进数字技术与企业生产运营有效融合。

第三，不断完善市场体制，为制造业数字化转型提供稳定的外部环境。加强互联网信息平台建设，推动产品市场及要素市场信息自由流动。鼓励企业间加强沟通交流，引导企业间良性竞争。放宽金融服务业市场准入，完善银行等金融中介机构的业务规范，不断拓宽企业吸引融投资的渠道。

第四，各地区应利用各自的比较优势，积极推动劳动力、资本、技术等要素在不同区域间自由流动，通过不平衡的动态演变推动我国制造业数字化转型不断深化。东部地区应对标国际数字化转型最高水平，积极参与国际市场竞争，充分挖掘高素质专业化人力资本存量优势，加大对前沿核心重大科技创新的攻关力度，打造数字化制造业先进示范区，同时，鼓励处于中低端的有意愿的制造业企业向中西部地区转移；中西部地区应根据要素禀赋变动的具体情况，充分利用人口老龄化引致的“第二次人口红利”，进一步加强对数字化产业的政策支持和财政扶持，吸引专业技术人才落户，加快5G通信基站、工业互联网等数字基础设施建设，积极承接来自东部地区的产业及技术转移。

参考文献：

[1] 陈楠，蔡跃洲，马晔风.制造业数字化转型动机、模式与成效——基于典型案例和问卷调查的实证分析[J].改革，2022（11）：37-53.

[2] 陈畴镛，许敬涵.制造企业数字化转型能力评价体系及应用[J].科技管理研究，2020，40（11）：46-51.

[3] 余菲菲，曹佳玉，杜红艳.数字化悖论：企业数字化对创新绩效的双刃剑效应[J].研究与发展管理，2022，34（2）：1-12.

[4] 石先梅.制造业数字化转型的三重逻辑与路径探讨[J].当代经济管理，2022，44（9）：48-56.

[5] 李琦，刘力钢，邵剑兵.数字化转型、供应链集成与企业绩效——企业家精神的调节效应[J].经济管理，2021，43（10）：5-23.

[6] 赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济，2021，42（7）：114-129.

[7] 吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021，37（7）：130-144.

[8] 张林刚，戴国庆，熊焰，等.中国制造业数字化转型评价及影响因素——基于模糊集定性比较分析[J].科技管理研究，2022，42（7）：68-78.

[9] 李健旋.中国制造业智能化程度评价及其影响因素研究[J].中国软科学，2020（1）：154-163.

[10] 王和勇，何泓漫.区域制造业数字化转型评价及影响机制研究[J].工业技术经济，2023，42（7）：40-47.

[11] 姚东旻，宁静，韦诗言.老龄化如何影响科技创新[J].世界经济，2017，40（4）：105-128.

[12] 阳立高，龚世豪，韩峰.劳动力供给变化对制造业结构优化的影响研究[J].财经研究，2017，43（2）：122-134.

[13] 张桂文，邓晶晶，张帆.中国人口老龄化对制造业转型升级的影响[J].中国人口科学，2021（4）：33-44.

[14] 何冬梅，刘鹏.人口老龄化、制造业转型升级与经济高质量发展——基于中介效应模型[J].经济与管理研究，2020，41（1）：3-20.

[15] 刘斌，王禹.人口老龄化如何影响工业机器人使用？[J].人口研究，2024，48（1）：85-102.

[16] 杨仁发，郑媛媛.人力资本结构与制造业高质量发展：影响机制与实证检验[J].经济体制改革，2022（4）：112-119.

[17] 谢平.人力资本提升对制造业结构优化的影响：基于中介效应的实证研究[J].学海，2020（5）：101-108.

[18] 阳立高，李永奇，韩峰，等.人力资本积累影响制造业结构升级的实证研究[J].科学决策，2018（3）：1-15.

[19] 林春艳，孔凡超，孟祥艳.人力资本对产业结构转型升级的空间效应研究——基于动态空间Durbin模型[J].经济与管理评论，2017，33（6）：122-129.

[20] 韩超，陈保启.高等教育发展何以促进企业数字化转型——上市公司数据的实证分析[J].高校教育管理，2024，18（2）：27-41.

[21] 金星晔，左从江，方明月，等.企业数字化转型的测度难题：基于大语言模型的新方法与新发现[J].经济研究，2024，59（3）：34-53.

[22] 郭剑雄.人口量质转型与中国经济增长——从马尔萨斯陷阱到内生型增长的人口变迁视角审视[J].陕西师范大学学报（哲学社会科学版），2019，48（6）：22-33.

[23] 陈秋霖，许多，周羿.人口老龄化背景下人工智能的劳动力替代效应——基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学，2018（6）：30-42.

[24] 王蕾茜，刘泓汛，余怒涛.人口老龄化对企业数字化转型的影响研究[J].科研管理，2024，45（5）：182-192.

[25] 王小鲁，樊纲，俞静文.中国分省份市场化指数报告[M].北京：社会科学文献出版社，2021.

[26] 孙早，侯玉琳.工业智能化与产业梯度转移：对“雁阵理论”的再检验[J].世界经济，2021，44（7）：29-54.

基金项目：陕西省社会科学基金项目“数字生产力与生产关系视角下数字技术推动陕西农业高质量发展研究”（项目编号：2022D035）。

作者简介：王琴梅，女，博士，陕西师范大学国际商学院教授，博士生导师，研究方向为发展经济学与中国西部经济发展；王廷赫，通讯作者，男，陕西师范大学国际商学院硕士研究生，研究方向为人口、资源与环境经济学。

（收稿日期：2024-06-30 责任编辑：殷 俊）