(中南大學 商學院, 湖南 長沙 410083)

一、引言及文獻綜述

新型城鎮(zhèn)化是綜合考慮人口、經濟、社會、空間、生態(tài)協(xié)調發(fā)展的城鎮(zhèn)化,推進新型城鎮(zhèn)化建設是城鎮(zhèn)化發(fā)展從速度到質量的重要轉變。新常態(tài)下,科技創(chuàng)新是提高經濟發(fā)展水平的強大支撐,由要素、投資驅動轉變?yōu)閯?chuàng)新驅動是建設新型城鎮(zhèn)化重要推力。另一方面,我國自2000年進入老齡化社會(5)聯合國標準:60歲及以上人口占總人口比例達到10%,或65歲及以上人口占總人口比重達到7%,則該國家或地區(qū)進入到老齡化社會。,現今已邁向嚴重老齡化社會。老齡化導致勞動力供給減少、質量下降,影響經濟發(fā)展和產業(yè)結構轉變,并進一步影響科技創(chuàng)新和新型城鎮(zhèn)化的建設。人口老齡化、科技創(chuàng)新與新型城鎮(zhèn)化三者間的關系值得探討。

已有研究中,國內外學者對人口老齡化、科技創(chuàng)新及城鎮(zhèn)化兩兩間的關系有了初步探討。人口老齡化與科技創(chuàng)新方面,學者未得出一致結論。姚東旻、寧靜等認為,人口老齡化通過影響人力資本而抑制科技創(chuàng)新[1];也有學者認為老齡化能使社會經濟增長方式發(fā)生轉變,引發(fā)社會資源重新配置,倒逼科技創(chuàng)新[2-3]。另一些學者則認為,人口老齡化與科技創(chuàng)新呈倒“U”型關系[4-6]?？萍紕?chuàng)新與城鎮(zhèn)化方面,有學者認為,科技創(chuàng)新對城鎮(zhèn)化具有正向影響[7-9],但新型城鎮(zhèn)化方面的研究較缺乏。每一次科技革命都催生了新的產業(yè)和城鎮(zhèn)[10],技術創(chuàng)新能促進產業(yè)優(yōu)化升級,進而推動城鎮(zhèn)化的發(fā)展[11-12],同時,城鎮(zhèn)化也能為科技創(chuàng)新提供良好的外部條件[13-15]。人口老齡化與城鎮(zhèn)化方面,國內外的研究都較少,一方面,黃曉梅和黃新明[16]認為,人口老齡化通過影響人口自然增長和降低勞動力供給等方面影響了城鎮(zhèn)化的發(fā)展速度與發(fā)展質量;另一方面,喬谷陽[17]通過問卷調查研究發(fā)現,城鎮(zhèn)化能顯著促進人口老齡化,但并未詳述其影響機制。

綜上可知,對于傳統(tǒng)城鎮(zhèn)化的研究已有一定進展,但關于人口老齡化、科技創(chuàng)新和新型城鎮(zhèn)化之間的研究十分稀少。因此本文把三者結合起來研究具有創(chuàng)新性。本文以中國省際面板數據為基礎,構建面板向量自回歸模型(Panel VAR),深入探究三者之間的動態(tài)影響關系和機制,在一定程度上能彌補已有研究的不足。

二、變量選取與數據說明

(一)變量選取

1.人口老齡化(aging)與科技創(chuàng)新(inno)。老齡人口撫養(yǎng)比能反映老齡化帶來的經濟負擔,這一指標被越眾多學者用以衡量人口老齡化程度,因此本文采用老齡人口撫養(yǎng)比表示人口老齡化程度。另外,本文基于數據的可得性,參考宛群超和鄧峰[18]、李光明和劉丹玉[2]的研究,選取最具代表性的專利授權數來表示科技創(chuàng)新能力。

2.新型城鎮(zhèn)化水平(urb)。新型城鎮(zhèn)化是一個多層面、多維度的概念體系,本文參考馮嚴超[19]、謝銳[20]、李政通[21]的研究思路,從人口、經濟、空間、社會、生態(tài)等五個維度構建了23個指標體系來衡量新型城鎮(zhèn)化水平,指標的權重采用熵值法進行計算,由于篇幅限制,計算過程省略(表1)。

表1 新型城鎮(zhèn)化水平測算指標體系

(二)數據說明

基于建模的需要和數據可得性,本文樣本時間區(qū)間為2005—2017年,取除西藏、港澳臺之外中國30個省份13年間的面板數據。其中老齡化數據來自中國統(tǒng)計局官網、科技創(chuàng)新數據來自歷年《中國科技統(tǒng)計年鑒》,新型城鎮(zhèn)化相關指標數據來自中國統(tǒng)計局官網、歷年《中國環(huán)境統(tǒng)計年鑒》、《中國人口與就業(yè)統(tǒng)計年鑒》、各省份統(tǒng)計年鑒及政府統(tǒng)計公報,部分缺失數據利用插值法補全。

本文所用數據為各個省、自治區(qū)、直轄市的2005—2017年的新型城鎮(zhèn)化水平、科技創(chuàng)新和人口老齡化的數據,各個變量都有390個觀測值。為了消除異方差的影響,首先對科技創(chuàng)新進行對數處理后再進行下面數據分析。其中urb表示新型城鎮(zhèn)化水平,lninno表示科技創(chuàng)新能力的對數,aging表示人口老齡化程度。變量統(tǒng)計特征如(表2)。

表2 變量描述性統(tǒng)計

三、實證分析

(一)模型設定與平穩(wěn)性檢驗

本文采用PVAR方法研究人口老齡化、科技創(chuàng)新和新型城鎮(zhèn)化之間互動關系。PVAR模型最早由Holtz-Eakin[22]提出,該模型綜合了VAR方法和面板數據分析的優(yōu)勢,能真實地揭示各變量間的動態(tài)影響。PVAR模型的被解釋變量為原時間序列變量,解釋變量為原始變量的P階滯后值,即PVAR模型由其原有變量及其滯后階數決定。假設有一組面板數據變量Y1it,Y2it,…,Ykit,其向量形式為

t=1,2,…,Ti

(1)

在本文中,包含三個時間序列變量,人口老齡化(agingit)、科技創(chuàng)新(lninnoit)和新型城鎮(zhèn)化(urbit),因此可構建如下模型:

(2)

其中,Yit=agingit,lninnoit,urb′it為3×1維列向量的系統(tǒng)變量矩陣,i表示樣本涉及省份,t表示樣本涉及年份,αi和βi分別表示省級層面3×1維的個體固定效應和時間效應列向量,γ0為截距項向量,γj表示滯后第j階參數矩陣,p表示滯后階數,滯后階數根據AIC準則確定,εit為隨機誤差項。

采用LLC和IPS方法對變量進行平穩(wěn)性檢驗，結果顯示變量均平穩(wěn)，即不存在單位根。

(二)PVAR模型估計

首先根據AIC準則,確定模型最佳滯后階數為2階,然后進行模型估計。h_urb,h_lninno,h_aging代表采用Helmert變換消除固定效應后的變量,L.h_urb,L2.h_urb 代表h_urb的一階滯后和二階滯后,其他變量同理。b_GMM 表示采用廣義矩估計得到的估計系數,t_GMM為 t 統(tǒng)計量。估計結果顯示如表3。

結果顯示,以新型城鎮(zhèn)化為被解釋變量時,其本身滯后一、二階對其均有正面影響,科技創(chuàng)新滯后一階、二階對新型城鎮(zhèn)化影響不顯著,說明我國科技創(chuàng)新對新型城鎮(zhèn)化的促進作用并不明顯,人口老齡化滯后一階和二階對新型城鎮(zhèn)化均有顯著負面影響。以科技創(chuàng)新為被解釋變量時,科技創(chuàng)新滯后一階對其有正面影響,滯后二階不顯著,人口老齡化滯后一階和滯后二階對其則均為負面影響。新型城鎮(zhèn)化水平滯后一階結果不顯著,滯后二階對其有顯著的正面影響,說明短期來看新型城鎮(zhèn)化對科技創(chuàng)新的促進效果不明顯,但長期來看,具有促進作用。以老齡人口撫養(yǎng)比為解釋變量時,其本身滯后一階對其有正面影響,而科技創(chuàng)新、新型城鎮(zhèn)化水平滯后一階、二階對其影響均不顯著,因此單從回歸結果來看,科技創(chuàng)新與新型城鎮(zhèn)化對人口老齡化的作用不明顯。

表3 PVAR模型估計結果

注: *** 表示在1%的水平下顯著。

圖1 科技創(chuàng)新、人口老齡化對新型城鎮(zhèn)化的脈沖響應圖

(三)脈沖響應

脈沖響應衡量了沖擊對某個變量在不同時期的影響程度。每個圖中的中間線表示脈沖響應函數的估計曲線,上下兩虛線分別表示95% 和 5% 置信區(qū)間,橫軸表示沖擊作用的滯后期數,縱軸表示沖擊的大小程度。

圖1表示lninno和aging對urb的動態(tài)影響,可看出科技創(chuàng)新對新型城鎮(zhèn)化水平的影響在2期之前為負,隨后轉為正,在4期達到最大,之后影響效應下降,在8期以后趨向于零。表明科技創(chuàng)新對新型城鎮(zhèn)化的影響存在滯后效應,長期而言,科技創(chuàng)新能促進新型城鎮(zhèn)化的發(fā)展。人口老齡化對新型城鎮(zhèn)化的影響則一直為負,在4到6期達到最大,說明人口老齡化一直對新型城鎮(zhèn)化有明顯抑制作用。人口老齡化一方面降低人口遷移速度,另一方面降低勞動力供給,阻礙人力資本積累,增加社會成本,影響產業(yè)結構升級,給城鎮(zhèn)化速度和質量均帶來負面影響。

圖2表示urb和aging對lninno的動態(tài)影響,可看出新型城鎮(zhèn)化水平對科技創(chuàng)新的影響一直為正,在2期達到最大。這是由于新型城鎮(zhèn)化的建設能帶來更多的物質資本和人力資本投入,城鎮(zhèn)化水平越高,基礎設施越完善,資本及產業(yè)的集聚效應越強,從而為科技創(chuàng)新提供更好的條件[23]。人口老齡化對科技創(chuàng)新的影響一直為負,在3到4期達到最大,阻礙作用較為顯著。因為人口老齡化一方面減少了勞動力供給,增加了政府財政在人口老齡保障方面的公共支出,使財政負擔加重,侵占了科研和教育方面的財政支出。另一方面,老齡人口身體素質下降,腦力和技能都不如年輕人,創(chuàng)新能力和意愿明顯下降,這些因素都抑制了科技創(chuàng)新的發(fā)展。

圖2 新型城鎮(zhèn)化、人口老齡化對科技創(chuàng)新的脈沖響應圖

圖3 新型城鎮(zhèn)化、科技創(chuàng)新對人口老齡化影響的脈沖圖

圖3表示urb和lninno對aging的動態(tài)影響,新型城鎮(zhèn)化水平對人口老齡化的影響期以由負轉正,后趨于穩(wěn)定。說明新型城鎮(zhèn)化在短期能緩解人口老齡化,而長期看會加劇人口老齡化程度。這是由于在新型城鎮(zhèn)化推進初期,大量青年勞動力轉移到城市,降低了城市人口老齡化程度,而隨著新型城鎮(zhèn)化的進一步建設和成熟,教育、醫(yī)療、經濟水平的提高對人口老齡化產生了正向影響?？萍紕?chuàng)新對人口老齡化的影響在由負轉正,并趨近于零。這是由于科技的創(chuàng)新初期提高了人口容量,從而降低老齡化程度。但長期而言,人口老齡化是不可逆轉的趨勢。盡管如此,發(fā)展科技創(chuàng)新依然是應對人口老齡化的重要突破口,通過科技創(chuàng)新實現智慧養(yǎng)老,降低對人力資本的依賴,能夠為解決人口老齡化帶來的一系列社會問題提供重要貢獻。

(四)方差分解分析

方差分解描述了VAR模型中誤差自身沖擊與其他變量沖擊而導致變動的相對比例,本文運用方差分解以直觀地看出人口老齡化、科技創(chuàng)新與新型城鎮(zhèn)化三者相互影響的貢獻程度。本文取10期、20期和30期三個預測期,表4數據表示了列變量對行變量的變動在不同期的影響度。

結果顯示,新型城鎮(zhèn)化的變化主要來自于其自身和人口老齡化的沖擊,在第10期,新型城鎮(zhèn)化的自身沖擊貢獻度達到48.57%,人口老齡化對其貢獻度高于其自身貢獻,達到51.18%,而科技創(chuàng)新對其貢獻很小,只有0.25%。在第20期、30期結果與第10期相近。科技創(chuàng)新的變化受人口老齡化沖擊最大。人口老齡化對科技創(chuàng)新變化的貢獻超過50%,科技創(chuàng)新受其自身沖擊的影響在33%左右,新型城鎮(zhèn)化的影響貢獻度為12%左右。

表4 預測方差分解結果

可見,人口老齡化是影響科技創(chuàng)新最重要的因素,新型城鎮(zhèn)化的正向作用相對人口老齡化的負向作用影響小很多。人口老齡化的變化主要來源于其自身的沖擊,超過90%,表明人口老齡化是不可阻擋的趨勢,受其他因素的影響很小,如何應對人口老齡化趨勢是亟待解決的難題。

四、結論與建議

本文利用PVAR模型對人口老齡化、科技創(chuàng)新與新型城鎮(zhèn)化的動態(tài)關系進行了分析,發(fā)現人口老齡化抑制新型城鎮(zhèn)化的發(fā)展,不利于新型城鎮(zhèn)化的推進,同時人口老齡化通過影響勞動力的數量和質量、制約人力資本積累等各方面阻礙了科技創(chuàng)新的發(fā)展,科技創(chuàng)新對新型城鎮(zhèn)化的促進作用具有滯后效應,但長期看來科技創(chuàng)新有利于新型城鎮(zhèn)化的建設,能緩解人口老齡化對新型城鎮(zhèn)化的影響。根據以上結論,提出以下建議。

第一,積極應對人口老齡化趨勢,尋求發(fā)展新契機。一方面,應積極應對養(yǎng)老問題,發(fā)揮科技創(chuàng)新與新型城鎮(zhèn)化的優(yōu)勢,可以依靠科技創(chuàng)新提高醫(yī)療水平,促進互聯網、人工智能、大數據等先進技術在老齡產業(yè)中的應用,實現養(yǎng)老方式多元化。利用新型城鎮(zhèn)化的契機,為老齡人提供更便捷養(yǎng)老環(huán)境。另一方面,人口老齡化形成的“銀發(fā)經濟”帶來了經濟發(fā)展的新機遇,要抓住這一機遇,挖掘老齡人口的消費潛力,形成新的經濟增長點,推動社會的發(fā)展。

第二,以科技創(chuàng)新為支撐,推進新型城鎮(zhèn)化建設?？萍紕?chuàng)新能夠提高資源利用效率、促進產業(yè)結構升級,給新型城鎮(zhèn)化的發(fā)展提供良好的驅動力,推進新型城鎮(zhèn)化應以科技創(chuàng)新為重要支撐。一方面,政府應該積極優(yōu)化科技創(chuàng)新的政策環(huán)境,加大教育和科研投入,為其發(fā)展提供良好的物質和人力支撐。另一方面,應促進科技創(chuàng)新與新型城鎮(zhèn)化的融合,依靠科技創(chuàng)新提高資源利用效率和人們生活質量,建設科技驅動型新型城鎮(zhèn)化,打造智慧生態(tài)型城市?！?/p>