留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

人口老龄化、人力资本结构与科技创新

蒋长流 司怀涛

蒋长流, 司怀涛. 人口老龄化、人力资本结构与科技创新[J]. 北京科技大学学报(社会科学版), 2022, 38(5): 593-603. doi: 10.19979/j.cnki.issn10082689.2022030128
引用本文: 蒋长流, 司怀涛. 人口老龄化、人力资本结构与科技创新[J]. 北京科技大学学报(社会科学版), 2022, 38(5): 593-603. doi: 10.19979/j.cnki.issn10082689.2022030128
JIANG Chang-liu, SI Huai-tao. Population Aging, Human Capital Structure and Innovation in Science and Technology[J]. Journal of University of Science and Technology Beijing ( Social Sciences Edition), 2022, 38(5): 593-603. doi: 10.19979/j.cnki.issn10082689.2022030128
Citation: JIANG Chang-liu, SI Huai-tao. Population Aging, Human Capital Structure and Innovation in Science and Technology[J]. Journal of University of Science and Technology Beijing ( Social Sciences Edition), 2022, 38(5): 593-603. doi: 10.19979/j.cnki.issn10082689.2022030128

人口老龄化、人力资本结构与科技创新—基于空间杜宾与中介效应模型的实证研究

doi: 10.19979/j.cnki.issn10082689.2022030128
基金项目: 国家社科基金项目“新型城镇化进程中低碳发展转型的激励和约束机制研究”(编号:14BJL104);安徽省科技创新战略与软科学研究重大专项“全社会R&D投入持续稳定提高的政策措施与途径研究(编号:1706a02020046)”
详细信息
    作者简介:

    蒋长流(1967—),男,安徽合肥人,安徽大学经济学院教授

    司怀涛(1991—),男,山东菏泽人,安徽大学经济学院硕士

  • 中图分类号: F204

Population Aging, Human Capital Structure and Innovation in Science and TechnologyAn Empirical Study Based on Spatial Durbin Model and Mediation Effect

  • 摘要: 科技创新是推动经济高质量发展的核心因素,而人口老龄化与人力资本结构对科技创新具有重要影响。文章采用2008—2017年31个省面板数据,基于空间杜宾模型,对人口老龄化、人力资本结构与科技创新之间的关系进行了实证研究。空间杜宾模型的实证结果显示,人口老龄化对本地区及邻近地区科技创新均具有显著的抑制作用,而人力资本则可以显著促进本地区科技创新,但对于邻近地区,以不同数据指标测度的人力资本并未表现出预期的空间正向溢出。另外,人力资本中介效应检验结果显示,人力资本在人口老龄化影响科技创新的过程中存在部分遮掩效应。因而在人口老龄化程度不断加深的背景下,应不断优化人力资本结构,进一步增加科研投入,以促进区域创新能力的提升。

     

  • 图  1  人口老龄化、人力资本结构影响科技创新的作用机理

    表  1  变量的描述性统计

    符号均值标准差最大值最小值
    TI3.49695.514433.26520.0093
    AGE0.095500.019890.14280.04824
    SCH8.77121.169212.66514.2219
    UNI0.11650.06900.47610.0168
    MAT32.453551.4440392.89421.6053
    DOC5.284813.2027100.45910.00685
    INCOME0.49140.19431.3170.2060
    STR1.17860.64604.89400.5271
    INTE1.27911.26386.53170.0115
    下载: 导出CSV

    表  2  科技创新的Moran’s I指数

    年份Moran’s IP 年份Moran’s IP
    20080.154**0.032 20130.248***0.002
    20090.208***0.00920140.235***0.004
    20100.220***0.00620150.232***0.005
    20110.259***0.00120160.225***0.006
    20120.258***0.00120170.176**0.016
    注:*、**、***分别表示在10%、5%、1%水平下显著,下同。
    下载: 导出CSV

    表  3  空间面板模型选择的相关检验结果

    检验方式统计值P 检验方式统计值P
    LM-spatial lag33.668***0.000 LR-spatial lag8.04**0.0179
    Robust LM-spatial lag0.0380.846LR-spatial error44.51***0.0000
    LM-spatial error98.481***0.000Wald-spatial lag17.97***0.0030
    Robust LM-spatial error64.851***0.000Wald-spatial error9.37*0.0950
    下载: 导出CSV

    表  4  空间回归结果

    变量模型一模型二模型三模型四
    AGE−35.04352**
    (−2.55)
    −35.2361***
    (−2.65)
    −34.61909**
    (−2.52)
    −35.89913***
    (−2.66)
    SCH0.9205213*
    (1.88)



    UNI
    18.70748***
    (3.18)


    MAT

    0.0269524***
    (2.66)

    DOC


    0.1323956***
    (3.03)
    INCOME10.42954***
    (4.99)
    8.822185***
    (4.23)
    6.905558***
    (2.80)
    6.295288**
    (2.53)
    INTE2.772078***
    (16.44)
    2.740461***
    (16.78)
    2.749099***
    (16.33)
    2.742093***
    (16.13)
    STR0.8026596
    (1.22)
    0.9355746
    (1.32)
    −0.0341321
    (−0.04)
    −0.4596884
    (−0.50)
    WY−0.6793776***
    (−2.86)
    −0.5948318***
    (−2.61)
    −0.7225381***
    (−3.13)
    −0.7186981***
    (−3.12)
    WAGE−523.5879***
    (−6.86)
    −475.0227***
    (−6.46)
    −519.0659***
    (−6.98)
    −513.8045***
    (−6.95)
    WSCH−0.8374223
    (−0.21)



    WUNI
    −139.4957***
    (−3.36)


    WMAT

    −0.0827274
    (−1.20)

    WDOC


    −0.087933
    (−0.33)
    WINCOME8.985366
    (0.47)
    17.36763
    (0.92)
    33.3751
    (1.57)
    29.70698
    (1.40)
    WINTE6.104797***
    (4.68)
    5.709468***
    (4.63)
    6.086035***
    (4.83)
    6.46811***
    (5.15)
    WSTR17.20265***
    (3.54)
    23.49289***
    (4.05)
    18.47324**
    (2.20)
    12.31227
    (1.55)
    下载: 导出CSV

    表  5  SDM模型的直接效应与间接效应回归结果

    变量模型一 模型二
    直接效应间接效应总效应直接效应间接效应总效应
    AGE−22.43346
    (−1.63)
    −312.343***
    (−4.99)
    −334.776***
    (−5.57)
    −24.7902*
    (−1.86)
    −294.150***
    (−4.85)
    −318.94***
    (−5.46)
    SCH1.005597**
    (2.16)
    −1.029312
    (−0.42)
    −0.0237156
    (−0.01)



    UNI


    21.79114***
    (3.82)
    −99.5894***
    (−3.13)
    −77.7983**
    (−2.41)
    INCOME10.31212***
    (5.06)
    1.457645
    (0.11)
    11.76976
    (0.92)
    8.813326***
    (4.28)
    7.918464
    (0.63)
    16.73179
    (1.34)
    INTE2.666327***
    (16.44)
    2.649627***
    (4.30)
    5.315954***
    (8.50)
    2.649309***
    (16.59)
    2.676368***
    (4.43)
    5.325678***
    (8.68)
    STR0.3748212
    (0.60)
    10.59769***
    (3.19)
    10.97251***
    (3.25)
    0.4161953
    (0.65)
    15.14662***
    (3.52)
    15.56282***
    (3.48)
    下载: 导出CSV

    表  6  SDM模型的直接效应与间接效应回归结果

    变量模型三模型四
    直接效应间接效应总效应直接效应间接效应总效应
    AGE−21.53585**
    (−1.57)
    −301.268***
    (−5.04)
    −322.804***
    (−5.62)
    −23.0405**
    (−1.70)
    −297.960***
    (−5.00)
    −321.00***
    (−5.64)
    MAT0.030730***
    (3.12)
    −0.0632968
    (−1.57)
    −0.0325673
    (−0.80)



    DOC


    0.142004***
    (3.46)
    −0.10846***
    (−0.72)
    0.0335462
    (0.21)
    INCOME6.075842**
    (2.42)
    18.02925
    (1.29)
    24.10509*
    (1.80)
    5.551843**
    (2.21)
    15.91258**
    (1.16)
    21.46443
    (1.62)
    INTE2.643069***
    (16.27)
    2.508298***
    (4.24)
    5.151367***
    (8.54)
    2.626735***
    (15.97)
    2.766952***
    (4.57)
    5.393687***
    (8.69)
    STR−0.5944316
    (−0.80)
    11.33324**
    (2.26)
    10.73881***
    (2.02)
    −0.87004
    (−1.17)
    7.629612*
    (1.65)
    6.75957
    (1.37)
    下载: 导出CSV

    表  7  中介效应模型检验结果

    变量模型一 模型二
    模型1模型2模型3模型1模型2模型3
    AGE−48.85932***
    (−3.69)
    1.003476
    (0.44)
    −50.6241***
    (−3.93)
    −48.85932***
    (−3.69)
    0.539541**
    (2.41)
    −57.10399***
    (−4.40)
    SCH

    1.59328***
    (4.12)



    UNI




    15.46149***
    (4.32)
    控制变量YESYESYESYESYESYES
    时间效应YESYESYESYESYESYES
    地区效应YESYESYESYESYESYES
    Cons9.5133***
    (4.05)
    6.597448***
    (22.62)
    2.381202
    (0.83)
    9.5133***
    (4.05)
    −0.0378975
    (−1.32)
    11.82418***
    (5.05)
    R20.58880.49860.61280.58880.36030.6150
    下载: 导出CSV

    表  8  中介效应模型检验结果

    变量模型三模型四
    模型1模型2模型3模型1模型2模型3
    AGE−48.85932***
    (−3.69)
    562.547**
    (4.88)
    −63.26615***
    (−4.70)
    −48.85932***
    (−3.69)
    88.9788**
    (3.52)
    −60.90698***
    (−4.66)
    MAT0.0259319***
    (3.81)



    DOC




    0.1375569***
    (4.49)
    控制变量YESYESYESYESYESYES
    时间效应YESYESYESYESYESYES
    地区效应YESYESYESYESYESYES
    Cons9.5133***
    (4.05)
    −38.92285***
    (−2.63)
    10.89155***
    (4.69)
    9.5133***
    (4.05)
    −1.949625(−0.60)9.445487***
    (4.16)
    R20.58880.30060.60950.58880.13060.6169
    下载: 导出CSV
  • [1] 孙倩倩. 人口老龄化对技术创新的时空异质性效应研究[J]. 财经理论与实践,2021,42(3):118-123. doi: 10.16339/j.cnkihdxbcjb.2021.03.016
    [2] 邵汉华,汪元盛. 人口结构与技术创新[J]. 科学学研究,2019,37(4):739-749. doi: 10.16192/j.cnki.1003-2053.2019.04.018
    [3] 金昊,赵青霞. 人口结构转变如何影响技术创新−基于省级面板数据的实证分析[J]. 宏观经济研究,2019(12):130-147. doi: 10.16304/j.cnki.11-3952/f.2019.12.013
    [4] 杨校美. 人口老龄化会影响技术创新吗?−来自G20的经验证据[J]. 华东经济管理,2018,32(6):115-123. doi: 10.19629/j.cnki.34-1014/f.170907007
    [5] 张艾莉,尹梦兰. 人口老龄化对区域技术创新的异质门槛效应研究[J]. 软科学,2019,33(11):35-40. doi: 10.13956/j.ss.1001-8409.2019.11.07
    [6] 楼永,王留瑜,郝凤霞. 人口老龄化对我国科技创新的影响分析[J]. 科技管理研究,2020,40(21):14-22. doi: 10.3969/j.issn.1000-7695.2020.21.003
    [7] 王艳涛,崔成. 人力资本结构与技术创新模式关系研究[J]. 技术经济与管理研究,2019(6):30-35. doi: 10.3969/j.issn.1004-292X.2019.06.006
    [8] 张涵,杨晓昕. 异质性人力资本、空间溢出与高技术产业创新[J]. 科技进步与对策,2019,36(22):51-59. doi: 10.6049/kjjbydc.2019040063
    [9] 冯江茹. 人力资本对区域创新效率影响的实证研究[J]. 技术经济,2020,39(12):123-130. doi: 10.3969/j.issn.1002-980X.2020.12.016
    [10] 裴开兵. 研发人力资本配置与技术创新−异质教育层次视角[J]. 科技进步与对策,2021,38(14):11-20. doi: 10.6049/kjjbydc.2020100688
    [11] 刘灿雷,高超. 教育、人力资本与创新−基于“量”与“质”的双重考察[J]. 财贸经济,2021,42(5):110-126. doi: 10.3969/j.issn.1002-8102.2021.05.008
    [12] 卿陶. 人力资本投入与企业创新−来自中国微观企业数据的证据[J]. 人口与经济,2021(3):108-127.
    [13] STEPHAN P E & LEVIN S G. Age and Nobel Prize revisited [J]. Scientometrics, 1993, 28(3):387-399. doi: 10.1007/BF02026517
    [14] NODA H. Population aging and creative destruction [J]. Journal of Economic Research, 2011(16):29-58.
    [15] 胡乃军. 中国人口老龄化与居民储蓄研究[J]. 北京科技大学学报(社会科学版),2017,33(2):33-38. doi: 10.3969/j.issn.1008-2689.2017.02.006
    [16] LEE R D. Macroeconomic consequences of population aging in the United States:overview of a national academy report [J]. American Economic Review, 2014, 104(5):234-239. doi: 10.1257/aer.104.5.234
    [17] 朱雪忠,胡成. 专利是测度企业技术创新绩效的有效工具吗?[J]. 科学学研究,2021,39(8):1498-1503. doi: 10.3969/j.issn.1003-2053.2021.08.016
    [18] 林喜庆,许放. 基于AHP的城市科技人才竞争力评价研究−以中国4个直辖市2008年数据分析为例[J]. 北京科技大学学报(社会科学版),2015,31(1):109-118. doi: 10.3969/j.issn.1008-2689.2015.01.017
    [19] 刘智勇,李海峥,胡永远,等. 人力资本结构高级化与经济增长−兼论东中西部地区差距的形成和缩小[J]. 经济研究,2018,53(3):50-63.
    [20] 江三良,侯媛媛. 人力资本结构优化与地区经济高质量增长[J]. 南京审计大学学报,2021,18(1):90-100.
    [21] 程锐,马莉莉,陈璇. 人力资本结构演进与中国经济增长−来自省际层面的经验证据[J]. 商业研究,2019(1):60-70.
    [22] 张红霞,王天慧. 人力资本结构高级化、技术进步与地区经济高质量发展−基于空间杜宾模型的分析[J]. 商业研究,2021(2):30-39.
    [23] 蒋长流,司怀涛. 环境规制、研发投入与产业结构调整[J]. 南京财经大学学报,2020(2):18-26.
    [24] 温忠麟,叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展,2014,22(5):731-745.
    [25] 张晓锋,周昕宇. 高校科研助理岗位系统建构探析[J]. 北京科技大学学报(社会科学版),2021,37(6):630-637. doi: 10.3969/j.issn.1008-2689.2021.06.007
  • 加载中
图(1) / 表(8)
计量
  • 文章访问数:  532
  • HTML全文浏览量:  167
  • PDF下载量:  45
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-03-30
  • 网络出版日期:  2022-10-10
  • 刊出日期:  2022-10-25

目录

    /

    返回文章
    返回