人口老齡化、人工智能對產業結構升級的影響研究

曹 澤,汪永春

(安徽建筑大學 經濟與管理學院,安徽 合肥 230022)

產業結構升級是中國經濟在新發展格局下迫切需要解決的重大問題之一。曾經的“人口紅利”催生了勞動密集型產業的發展,推動經濟規模擴大和績效增長,使中國成為世界第二大經濟體。然而,隨著人民生活水平提升和預期壽命延長,老齡化問題逐漸凸顯。根據第七次人口普查數據,65歲以上人口所占比例已從第五次普查的6.96%增加到第七次普查的13.5%,中國成為全球老齡化人口最多的國家之一。同時,人口老齡化也帶來了一系列社會和經濟問題,如勞動力供給的收縮、儲蓄率的下降等[1-3]。其中,最突出的問題是經濟增長動力的放緩。伴隨著不斷降低的勞動年齡人口比重,勞動力供需關系正從過剩轉向短缺,農業領域的多余勞動力逐漸流向工業部門,帶來城鄉一體化局面。面對這一局勢,尋找新的經濟增長動能成為迫切課題?？焖侔l展人工智能成為解決方案之一。人工智能憑借其高效的信息處理能力和批處理任務優勢,成為重要的生產力工具。未來,人工智能將滲透到民眾生活的方方面面,其規模效應有望推動產業結構邁向更高水平。人口老齡化趨勢已經不可逆轉,推動產業結構升級勢在必行。因此,有必要深入研究人口老齡化對產業結構升級的影響,以及人工智能在這一進程中的潛在作用。研究采用理論分析和基于普通面板模型、門限模型以及空間杜賓模型的實證分析,深入探討人口老齡化和人工智能對產業結構升級的影響效應,同時研究人工智能在這一過程中的調節作用,并基于研究結果,提出在新發展格局下積極應對人口老齡化和加大人工智能研究投入的建議,對紓解我國產業結構升級問題具有重要意義。

一、文獻綜述

從上升趨勢看,老齡化是我國不可回避的課題。老齡化加劇導致適齡勞動人口減少,老年撫養比增高,勞動力供給短缺,對國民經濟產生一定影響,阻礙產業結構的升級[4]。老年撫養比的上升,意味著需要削減其他投資支出以支付養老金,或將導致經濟發展步伐減緩[5]。王希元等通過省際面板數據研究發現,人口老齡化顯著抑制產業結構升級,只有通過加大高等教育投入才能弱化老齡化的負效應[6];馬子紅等研究表明,老齡化的負效應會阻滯三次產業之間結構變動,并且不利于服務業內部生產率的提升[7]。另外,勞動者逐漸趨于老齡,其體能、反應速度、學習能力以及創新能力逐漸減弱,無法滿足產業結構升級對人力資本的要求,進而可能引發結構性失業現象,阻礙產業結構升級的進程[8]。人工智能隨著技術進步不斷發展,可以在一定程度上解決生產中勞動力短缺、生產率不高等問題,從而緩解人口老齡化對經濟所帶來的負面影響[9-10]。另外,老齡人口數量的上升或將促進養老醫療相關產業的興起,而人工智能的廣泛應用有望促進智能化養老產業的發展[11]。

二、理論分析與研究假設

西方國家的經驗顯示,老年人口比例的增加可能抑制儲蓄率的增長,削弱經濟增長的勢頭。同時,老齡化趨勢將使老年人群成為巨大的消費力量,市場需要根據他們的消費偏好進行結構性調整,然而目前我國尚未形成規?；呐涮桌夏晗M市場體系。另外,隨著勞動者年齡增長,由于體力和注意力下降,難以適應快節奏和高強度的工作;盡管他們擁有豐富的工作經驗,但在新興技術創新產業中可能難以找到適合的用武之地。

假設1:人口老齡化的加劇會對產業結構升級產生負面影響。

人工智能的興起可以填補許多人工崗位,可以部分解決人口老齡化帶來的勞動力短缺問題,提升生產效率。此外,人工智能不僅解決了傳統崗位勞動力不足的問題,還催生了新的業態和工作職位,促進了產業的調整與優化[12]?？傮w而言,人工智能的出現可以在很大程度上對沖人口老齡化對產業結構升級所帶來的不利影響。

假設2:人工智能在人口老齡化與產業結構升級之間起到調節作用。

產業結構升級是一個開放且流動的過程,不同省市之間的相互影響和交流都會對其產生影響。如果某地區的產業結構升級進展緩慢,可能會導致其經濟和人力資源受到周邊地區的虹吸效應,使其在市場競爭中處于不利地位。盡管人口老齡化直接影響本地產業結構,但隨之崛起的老齡產業及其上下游產業也會擴散到周邊地區。同時,各地的人工智能水平存在差異,技術相對滯后的地區可能會通過模仿鄰近或經濟發達地區的技術來實現產業結構升級,逐步提升地區的人工智能水平。

假設3:人口老齡化、人工智能對產業結構升級存在空間溢出效應。

三、研究設計

(一)模型設定

研究以產業結構升級為被解釋變量,以人口老齡化為解釋變量,同時考慮人工智能的調節效應,建立模型

Indsi,t=β1Agedi,t+β2AIi,t+δXi,t+αi+λt+εi,t,

(1)

Indsi,t=β1Agedi,t+β2AIi,t+β3(Agedi,t×AIi,t)+δXi,t+αi+λt+εi,t.

(2)

式中i和t分別表示省份和年份,Indsi,t表示產業結構升級,Agedi,t表示人口老齡化,Agedi,t×AIi,t表示人口老齡化與人工智能的交互項,Xi,t為各控制變量,αt為個體效應,λt為時點效應,εi,t是隨機擾動項。

(二)變量選取

1.被解釋變量

(3)

(4)

產業結構合理化(Inds_theil)參考干春暉的做法[14],計算方法為

(5)

2.核心解釋變量

人口老齡化(Aged)采用65歲以上人口占總人口的比值表示。

3.調節變量

人工智能(AI)參考Borland等的做法[15],以“信息傳輸、計算機服務和軟件業全社會固定資產投資”表示。

4.控制變量

人力資本水平(Hum)借鑒中央財經大學人力資本與勞動經濟研究中心的人力資本指標,用J-F終生收入法來測度人力資本。

城鎮化水平(Urban)用各區域城鎮人口占總人口的比重為衡量指標。

政府干預(Gov)以財政支出占GDP的比重為衡量指標。

固定資產投資水平(Fixed)以各區域政府固定資產投資額占GDP的比重為衡量指標。

基礎設施水平(Infra)以“每平方公里的公路里程”為代理指標。

(三)數據說明

2008年金融危機后,中國正在步入新一輪的產業結構調整之中,產業結構升級的動力較之前階段有所不同,表現為依靠人力資本和技術創新帶來生產率提高。研究采用2009年—2020年中國省域31個省市自治區的平衡面板數據進行實證分析,以期對我國當前階段社會經濟發展提供參考。數據來自《中國統計年鑒(2010—2021)》《中國勞動統計年鑒(2010—2021)》《中國人力資本報告2022》及地方統計局官方網站歷年數據,少數缺失的數據采取插值法進行補充。為消除價格因素影響,同時對所有價格型指標進行了以2009年為基期的平減處理。詳細的變量描述性統計匯報見表1。

表1 描述性統計

數據來源:作者整理計算。

(四)基準模型與調節效應

在進行Chow檢驗和Huasman檢驗后選定個體、時點雙固定效應模型進行基準分析和調節效應分析,回歸結果見表2。表2中列(1)和列(3)是人口老齡化、人工智能對產業結構高級化與合理化的基準回歸結果,列(2)和列(4)考察了人工智能在人口老齡化對產業結構升級(高級化與合理化)影響之間的調節效應。

從列(1)來看,人口老齡化在5%的水平下顯著抑制產業結構高級化;從列(3)來看,人口老齡化在10%的水平下顯著導致產業結構偏向合理,驗證了假設1。老齡化的加劇導致勞動力短缺,傳統產業失去競爭優勢,阻礙了產業向高級化方向發展,并對產業結構的合理調整產生不利影響。列(2)和列(4)引入了Aged×AI后,交互項系數分別在10%和5%的水平下顯著,表明人工智能可以顯著調節人口老齡化對產業結構升級的負面影響,驗證了假設2。大規模引入人工智能可以有力解決多個產業中勞動力短缺的問題,同時帶來新的就業機會,使現有勞動力能夠從繁重、重復的任務中解脫,專注于技術改進和創新。

表2 基準回歸結果

四、門檻模型

門檻模型自1978年被湯家豪提出后廣泛應用于分析變量之間的非線性關系,其相較于傳統主觀界定結構突變點(門檻值)的方式更具有客觀性、合理性,能夠在很大程度上避免人為判斷結構突變點所導致的偏差。在估計門檻回歸模型時,其估計步驟主要是基于漢森提出的2SLS方法。首先,通過不斷假設結構突變點(門檻值),將其設定為虛擬變量后與核心解釋變量構成交乘項代入回歸方程計算殘差平方和(RSS),RSS最小值對應的點為真實結構突變點(門檻值)。其次,在對回歸系數分析之前,需要使用“靴帶法”(Bootstrap)進行門檻效應檢驗以及“門檻值是否等于真實值”檢驗。最后,通過確定的門檻值,對回歸方程在不同區間的系數進行經濟意義上的分析。

(一)門檻模型構建

研究采用漢森發展的面板門檻模型[16]研究在不同人工智能水平下,人口老齡化對產業結構升級的異質性影響。設定基本方程為

(6)

式中待估人工智能水平的門檻值γ1<γ2<γ3,I(·)為示性函數,當滿足條件時,I取1;反之,I取0。

(二)門檻效應檢驗

為確定門檻個數,使用“靴帶法”(Bootstrap)重復抽樣2000次,得到F統計量和1%、5%、10%臨界值,檢驗結果見表3。

表3 門檻效應檢驗

根據檢驗結果,確定被解釋變量在產業結構高級化(Inds_high)和產業結構合理化(Inds_theil)下均存在雙重門檻。

(三)門檻值的確定

通過觀察LR統計量圖(囿于篇幅,此處圖形略去)可以發現第一個門檻值和第二個門檻值均在5%顯著性水平下的臨界值以下,表明通過基于“殘差平方和最小”準則的搜索門檻值的方法找到的兩個門檻值真實可靠。

在人工智能作為門檻變量的情形下,人口老齡化對產業結構高級化(Inds_high)和產業結構合理化(Inds_theil)的雙重門檻估計值如表4所示?？梢钥闯?被解釋變量為產業結構高級化下人工智能(AI)的雙重門檻值為3.947和5.362(實際為52億元和213億元);被解釋變量為產業結構合理化下人工智能(AI)的雙重門檻值為3.640和4.576(實際為38億元和97億元)。

表4 門檻估計值

(四)門檻效應分析

表5結果顯示,當人工智能水平處于低門檻值(3.947)及以下時,人口老齡化的系數為-3.636,與基準回歸一致表現為顯著的負向效應,此時人口老齡化每加深一個單位,將會促使產業結構高級化水平衰減3.636個單位,這意味著人工智能水平較低時無法改變人口老齡化抑制產業結構升級的現狀。當人工智能水平處于第一門檻值和第二門檻值之間時(即處于對數值3.947到5.362范圍),人口老齡化系數為4.639,且在1%水平下顯著,此時人口老齡化對產業結構高級化(Inds_high)的影響已經從抑制扭轉為促進,且人口老齡化每加深一個單位,將會促使產業結構升級增加4.639個單位。當人工智能水平大于第二個門檻值(5.362)時,人口老齡化系數進一步增大為5.715,且在1%水平下顯著,此時人口老齡化每加深一個單位,將會促使產業結構升級增加5.715個單位。

由于產業結構合理化(Inds_theil)是負向指標,當人工智能水平(AI)小于等于第一個門檻值(3.640)時,人口老齡化在5%顯著性水平下抑制產業結構偏向合理;AI處于第一個門檻值(3.640)和第二個門檻值(4.576)時,人口老齡化在1%顯著性水平下促進產業結構偏向合理;AI大于第二個門檻值(4.576)時,進一步促進產業結構偏向合理。

表5 門檻回歸結果

人口老齡化在以上三個區間的變化表明,提升人工智能水平可以有效緩解人口老齡化對產業結構升級的負面影響。人口老齡化的進程難以人為調控,但可以通過積極推進人工智能發展水平,在一定程度上有效避免人口老齡化對產業結構的不利影響進一步加深。

五、空間計量模型

(一)空間權重矩陣

空間計量模型中,權重矩陣對經濟結果具有重要影響,常用的包括鄰接、地理和經濟矩陣。研究綜合考慮產業結構升級受地理和經濟因素影響,選擇經濟-地理嵌套矩陣來分析產業結構升級的空間溢出效應。

(7)

(8)

W=W1⊙W2.

(9)

(二)空間自相關檢驗

1. 全局莫蘭指數

為探索變量的空間相關性關系,在模型估計之前,需先對數據的空間相關性進行探究。研究首先使用Moran’s I對產業結構升級進行空間自相關檢驗,計算結果如表6所示。

表6 Moran’s I檢驗

根據表6的結果可知,全局Moran’s I指數均為顯著性1%水平下的正值,表明產業結構升級存在顯著的空間自相關,而且各省份的產業結構升級在空間上具有較強的依賴性。2009年—2020年產業結構高級化Moran’s I指數總體呈逐漸增大的趨勢,產業結構合理化Moran’s I指數總體表現為逐年減小的態勢,表明我國的產業結構升級存在顯著的集聚溢出趨勢,產生空間效應。

2.局部莫蘭指數

為考察某一特定區域的空間相關程度,研究繪制產業結構高級化和產業結構合理化的局部莫蘭圖。囿于篇幅,僅展示2009年和2020年的結果,見圖1和圖2。

由圖1可知,2009年各省份之間的產業結構的高級化與合理化的莫蘭指數所對應的點大多分布在第一、第三象限,說明各省份在局部空間上具有較多的正向促進效果,與全局莫蘭指數的檢驗結果相同。由圖2可知,2020年產業結構合理化的莫蘭指數相較于2009年落入第一、第三象限的數量有所減少,反映出產業結構合理化在局部地區的相關性增強。

總體上空間正相關特征顯著,應考慮空間因素影響,選擇空間計量模型。

圖1 產業結構高級化和產業結構合理化2009年莫蘭散點圖

圖2 產業結構高級化和產業結構合理化2020年莫蘭散點圖

(三)空間計量模型的選擇

在空間計量模型的選擇中,首先對方程進行LM檢驗,來判定模型是否選擇空間滯后模型(SAR)或空間誤差模型(SEM)模型,然后使用似然比和沃爾德統計量來驗證空間杜賓模型(SDM)能否退化為SAR或SEM。在拉格朗日乘數檢驗中,空間滯后檢驗和空間誤差檢驗的顯著性均在1%的顯著性水平下顯著,可以選擇空間杜賓模型。似然比和沃爾德檢驗中,空間滯后與誤差同樣通過了1%的顯著性檢驗。從理論檢驗的角度,選擇空間杜賓模型研究人口老齡化、人工智能對產業結構升級的影響。最后根據Hausman檢驗的結果,構建固定效應空間杜賓模型(SDM)見式(10)。具體模型選擇檢驗情況見表7和表8。

(10)

式中ρ為本地區Indsi,t對周邊地區Indsi,t的影響系數,Xi,t為控制變量,wi,t為空間權重矩陣;εi,t為隨機干擾項,αi為時間固定效應,λt為地區固定效應。

表7 產業結構高級化空間計量模型選擇檢驗

表8 產業結構合理化空間計量模型選擇檢驗

(四)空間杜賓模型分析

表9為產業結構高級化和產業結構合理化的空間杜賓模型的估計結果,兩者的空間自回歸系數ρ在1%顯著性水平下分別為-0.946和0.363,表明產業結構升級存在明顯的空間相關性。

表9 固定效應空間杜賓模型回歸結果

根據表9的回歸結果所示,產業結構高級化為被解釋變量時,除基礎設施未通過顯著性檢驗外,其余所有變量均在10%的顯著性水平下通過了顯著性檢驗。人口老齡化的系數顯著為負,與面板回歸的結果保持一致,再次表明人口老齡化對產業結構高級化的抑制作用。產業結構合理化為被解釋變量時,所有變量均通過顯著性檢驗,表明人口老齡化對產業結構合理化具有顯著的溢出效應。在空間滯后項中,人口老齡化和人工智能顯著為負,表明本地人口老齡化和人工智能會抑制相鄰及經濟關聯度高的地區產業高級化,驗證了假設3。根據表9的回歸結果,采用偏導矩的方法[17]得到不同因素的效應分解,見表10。

表10 效應分解

根據表10所示:1)人口老齡化對產業結構高級化的直接效應為-1.1564,表明人口老齡化每加深一個單位,產業結構高級化降低1.1564個單位,再次驗證假設1成立。間接效應為-3.454,表明本地人口老齡化加深后,沒有較多的人口流向經濟發達地區,會對經濟較好地區的產業發展產生更加不利的影響。人口老齡化對產業結構合理化的直接效應為-0.397,但未通過顯著性檢驗;間接效應為13.680,通過了顯著性檢驗,表明人口老齡化對鄰近地區產業結構趨于合理化造成抑制效果。2)人工智能對產業結構高級化的直接效應為0.026,間接效應為0.254,均通過了顯著性檢驗。反映了人工智能技術的可溢出性和知識的可流動性,相鄰區域之間的技術引進與技術模仿有助于促進企業實現技術創新,從而促進產業結構走向高級化。人工智能對產業結構合理化的直接效應為-0.038,間接效應為-0.217,都通過了顯著性檢驗。產業結構合理化反映產業之間的協調性,由于產業結構合理化為負向指標,因而從效應結果看,人工智能對促進產業結構合理化具有積極影響。

六、結論與建議

研究選用2009年—2020年我國31個省份的平衡面板數據,經過實證分析探討了人工智能的調節效應以及門檻效應,同時運用固定效應空間杜賓模型(SDM)研究了人口老齡化和人工智能對產業結構升級的空間效應,并得出結論。

第一,雖然人口老齡化對產業結構升級產生負向效應,但在人工智能的調節下,產業結構升級會呈現積極態勢。這表明在當下充分利用人工智能的規模效應,有助于減輕人口老齡化所帶來的不利影響,從而實現產業結構的升級。

第二,人工智能水平的發展推動技術創新,勞動生產率也隨之提高。將人工智能水平作為門檻變量,人口老齡化對產業結構高級化和合理化都具有顯著的門檻效應。實證結果表明,人工智能水平提高在一定程度上可以稀釋老齡化造成的負面影響,使得人口老齡化對產業結構升級的影響由抑制扭轉為促進,從而推動國家(區域)產業結構升級。

第三,從空間角度來看,人口老齡化在本區域阻礙產業結構升級,同時也抑制了鄰近以及經濟發展相似地區產業結構升級的溢出效應。相比之下,人工智能不僅推動本地區的產業結構升級,還在一定程度上帶動了相鄰地區的升級,并且其正向溢出效應顯著。

基于上述實證結論,提出建議。

第一,在人口老齡化背景下,應積極應對,提前規劃與老齡消費需求相關的產業,致力于發展“銀發經濟”。同時,政府在產業結構調整中須因地制宜,避免“一刀切”政策。需要根據不同地區的獨特資源和地理特點,實施差異化的產業調整,協調統一,根據產業發展和城市水平制定有針對性的政策,以實現區域間差異化的發展模式。

第二,人口老齡化的進程難以人為調控,應以積極的態度來接受這一趨勢。研究發現人工智能的發展有望減輕老齡化所帶來的負面影響,因此政府應加大對人工智能及相關技術發展的投資力度,培養更多懂得應用人工智能技術的專業人才,通過提高人工智能發展水平,紓解人口老齡化對我國產業結構升級的不利影響。