摘 要：老龄化可能会通过阻碍技术创新对中国未来经济的持续增长产生重要的不利影响，但是学术界对此仍有较大的争议。利用跨国面板数据实证分析了老龄化的创新效应，并系统检验了老龄化可能影响创新的多个机制。研究发现，无论是对计数专利申请量，还是对基于“专利族”概念重新计算的专利申请量而言，老龄化的效应都显著为负，而且这种负效应也最有可能出现在受益于所谓“老龄化红利”的医药开发领域。此外，不同于许多理论研究的预测，老龄化并未引起研发投入的下降，而是通过对个体研发效率的降低、对基础研究的削弱以及对消费和市场的抑制阻碍了创新。
关键词：老龄化；创新；机制；研发投入；基础研究
一、引言
人口老龄化是未来中国经济发展面临的一个重要背景。与发达国家相比，中国的老龄化不但“来得早”，而且“来得快”，未来还有加速的趋势。根据联合国的预测，中国的老龄化水平将在2030—2040年间超过美国，届时中国将成为比美国还“老”的国家[1]。许多研究探讨了老龄化对中国经济增长可能产生的影响，这些研究主要集中在老龄化的储蓄效应、人力资源与人力资本积累效应以及生产率效应等方面[2-8]。然而，在经济“新常态”下，传统要素供给数量的变化对中国长期经济增长的影响已经远不如从前，技术进步将成为中国经济持续增长的主要动力[9]，创新也因此上升为国家战略。但是有学者担心，老龄化程度的不断加深引起的社会创新力不足将会使中国经济落入所谓的“增长陷阱”之中[10]。
那么老龄化是否会显著降低一个社会的创新力，进而成为阻碍中国未来经济持续增长的一个重要因素？事实上，早在1990年，田雪原、胡伟略等学者赴日考察归来后就表达了这样的担忧[11]。但是，翟振武和郑睿臻在梳理了各种有关老龄化抑制经济增长的观点和文献，并参考美国国家科学院的研究报告后指出，除了会对财政产生较大压力外，老龄化对包括创新在内的经济活动的影响非常有限[12]。更有一些观点认为，老龄化会促进医疗保健、养老服务等领域的技术创新和产业创新，从而为中国经济发展带来一个新的增长点。
通过梳理各类文献发现，心理学和老年学方面的微观研究大都支持老龄化不利于创新的观点，但是经济学方面的文献，无论是理论研究还是实证分析，都存在较大的争议。此外，已有研究向我们展示了老龄化影响创新的多个机制，如降低创新能力与创新动机，减少人力资源供给与人力资本，抵制公共研发政策等[13-15]。这些机制是否都在统计上具有显著性，目前仍然缺少科学的解释，而这对创新政策的制定却至关重要。因此，实证分析老龄化对创新的影响，并识别老龄化影响创新的机制，对中国创新战略的实施无疑具有十分重要的理论和政策意义。
鉴于目前中国进入老龄化社会的历史并不长，使用中国数据预测老龄化对未来经济发展的影响可能存在严重的不足。相反，发达国家进入老龄化社会已经经历了很长时间，且深受老龄化问题的困扰。因此参照发达国家的历史经验，总结老龄化对创新的影响，进而探讨其对中国的启示就显得极为必要。然而也应注意到，对于发达国家(如G7国家)来说，老龄化水平都很高，这些国家间创新水平的差异很可能主要来源于经济社会的其他方面，老龄化的创新效应有可能并不显著。但这并不意味着老龄化对创新没有重要影响。为了避免样本选择造成的类似偏误，本文基于世界银行世界发展指数数据库(World Development Indicators，以下简称WDI)构建了一个既包括主要发达经济体，也包括前社会主义国家和诸多新兴市场国家的跨国面板数据，采用专利申请量代表创新水平，实证分析了老龄化的创新效应，并对老龄化影响创新的多个机制进行了检验。
二、文献回顾及分析策略
1.文献回顾
首先，老龄化会影响研发人员的年龄结构。那么年龄结构与创新有什么关系呢？查娅(Czaja)和李(Lee)认为老年人身体机能和认知能力的下降会带来个体创新能力的下降[13]。此外，随着年龄的上升，人们创新的激情也会减弱[16]。随着知识和经验的积累，业已形成的人力资本使得高龄人员适应新工作的难度增加[17]，尤其是现代工业以标准化和规模化为主要特征，此前积累的经验和技能会在技术革新中迅速失效，因此老年人可能会成为技术进步的“绊脚石”[18]。不过，也有研究认为年长的人在工作经验和知识积累上比他们的年轻同行更有优势，且更容易融入组织并与组织和谐共处，从而更具生产力[19]，对于受过高等教育的年长者而言更是如此[20]。蔡(Cai)和斯托亚诺夫(Stoyanov)则提出，有一些技术创新具有年龄依赖性，因此年龄较大的人在某些领域具有一定的比较优势[21]。
从经验研究的结果来看，许多研究发现劳动人口年龄与全要素生产率呈倒“U”型关系，峰值大都在40—49岁之间。然而，对这一发现的理解却存在着完全相反的观点。伊尔马库纳斯(Ilmakunnas)等人据此认为年轻员工越多的企业越有创新力[22]，而费雷尔(Feyrer)却将这一倒“U”型关系看作有利于年长劳动力的一个证据[23]。福诺斯柯博(Froscb)和蒂维格(Tivig)用专利数量衡量创新的水平，他们的研究表明年轻员工与年长员工的比例均与企业专利数量正相关，因此很难说年龄结构的老化必定不利于创新[24]。此外，将年龄与创新联系起来的实证研究更倾向于做出有利于年长者的判断。如霍伊斯(Hoisl)对德国，朱里(Giuri)等人对欧洲的研究都表明，创新者的年龄并不年轻，这似乎都表明在创新这件事上，年长者更有优势[25-26]。琼斯(Jones)对20世纪诺贝尔奖获得者与其他伟大发明者的研究发现，在百年间，创新者在研究上取得重大进展时的年龄有了明显上升[27]。这被看作创新的天平越来越倾向于年长者的一个有力证据。正是在这一思想的指引下，安格(Ang)和曼德森(Madsen)对1870—2009年21个OECD国家的创新者年龄与创新关系进行了研究，并得到了类似的结论，他们进一步指出，随着受教育水平的提高，年长者表现出了更强的创新意愿和创新能力[20]。但是，需要注意的是，琼斯的本意是想说自从第二次工业革命以后，知识存量有了大幅增加，新一代人不得不花费更多的时间去学习前人积累的知识和接受更加专业的训练，这是百年间创新者年龄不断上升的主要原因。斯图里克(Strulik)和沃勒(Werner)就注意到了这一重要变化，他们结合预期寿命增加对人力资本投资报酬的影响，解释了为什么当代人一生的学习时间在延长，而工作时间在缩短的现象[28]。所以，创新者年龄的上升似乎并不能简单地理解为年长者更有创新力。
其次，老龄化会影响劳动力数量和可用于研发的人力资源数量。在这个问题上仍然存在一些分歧。例如，同样是将经济部门分为研发部门和生产部门，野田(Noda)在劳动异质性假设下构建的模型就认为，老龄化背景下，有能力从事研发活动的人员数量不断减少，从而对创新产生了不利影响[14]；普雷蒂勒(Prettner)并没有强调不同部门劳动的异质性，反而得到了老龄化有利于技术进步和经济增长的观点，因为预期寿命的延长相当于增加了劳动力[29]。然而，还有研究指出，由于需要更多的家庭照料时间，同时更高的医疗保险费率会阻碍雇主雇佣高龄员工，因此老龄化会降低整个社会的劳动参与率[30]。与此相关的实证分析也表明人口老龄化与劳动参与率之间存在显著的负相关关系[31]。这意味着，即使人口规模不变，老龄化水平的提高也会通过劳动参与率的下降减少劳动供给。
1) 本文进行仿真时采用的道路环境较为单一，没有考虑车辆组成、路网构成等的影响，有一定的局限性，所以更深入的研究工作有待进一步开展.
倡导“节能减排，绿色化工”理念，深入开展群众性节能减排活动。组织会员单位开展以（JJ）小组为特点的节能减排活动，推广新技术、新装备、实施装置改造，推进节能减排项目落实；帮助重点化工企业利用“合同法能源管理”落实技术改造资金和实施碳排放交易，为上海全力推进节能减排工作探索出了一条行之有效的路径。
我国历来重视林业资源保护管理。新中国成立初期，由于过分追求发展，大量的林业资源被盲目砍伐，包括大量的原始森林，这对于我国林业资源的损失是不可弥补的。森林资源的破坏造成严重的水土流失，土地沙漠化程度加深，影响生物多样性。原本生活在森林中的许多物种都消失了。目前，我国森林覆盖率远低于世界平均水平，这意味着我国生态系统受到了影响。破坏。虽然我国对森林资源管理的重视程度越来越高，但由于早期破坏严重，不能在短时间内恢复。随着环境保护和可持续发展观念的日益普及，人们林业资源开发现状，但为了自身的利益而砍伐森林资源的自私者却比比皆是。因此，加强林业资源管理任重道远。
最后，老龄化会降低私人研发投入并阻碍公共研发政策的出台。莱文(Levin)和斯蒂芬(Stephan)认为随着年龄的增加，创新的期望收益也会下降，进而影响到研发活动的投入和效率，并利用美国拥有博士学位的科学家论文发表数据检验了这一假说，结果显示研发中的这种老龄化效应是存在的[38]。加顿(Canton)等人发现，由于采用新技术的收益在不同年龄段的人口之间分布不一致，老年人可能承担了技术革新的成本而无法分享其成果，因此会抵制技术进步[15]。兰吉雅(Lancia)和普拉诺罗(Prarolo)指出，由于不同年龄段的人对当前消费和未来消费的评价不一致，因此老年人口占比较大的社会很难形成支持技术革新的公共政策，因而会在一定程度上阻碍技术进步[39]。
2.本文的实证策略
综上所述，煤炭资源开发利用与环保治理的研究，对于促进煤炭领域的进一步发展，对于我国环境的可持续发展都有着十分重要的意义。因此，对于煤炭资源开发利用与环保治理的研究具有举足轻重的重要作用。所以，未来煤炭领域的发展中我们要加大研究煤炭资源开采技术。与此同时，进一步提高废水、废气的处理技术，将废水、废气的处理绿色化，走煤炭资源开发可持续发展道路。
从已有研究来看，老龄化对创新的影响并不确定。本文首先对老龄化的创新效应进行实证分析。此外，一些观点揭示出老龄化对创新的影响可能具有结构上的差异。例如，索伦森(Sørensen)发现，相对于其他支出，老年人更偏好于医疗保健和养老支出[40]；而查尼斯(Charness)和布特(Boot)指出，在以微电子元器件为基础的计算机、通讯领域，老年人对新产品的消费态度和消费能力都比较弱[41]。据此我们预测老龄化对医药开发领域的不利影响应该会弱一些，其效应甚至可能为正，但在ICT(信息与通讯技术)领域可能表现出较强的负向效应。因此，我们也将选择ICT领域与医药开发领域来进行分析，以观察老龄化对创新是否存在某种程度上的结构效应，而这本身也构成了稳健性检验的一项重要内容。
就老龄化影响创新的机制而言，文献主要关注了老龄化对研发人员数量和质量、人力资本以及公共政策等方面的影响。但从更宽的视角来看，影响一个国家或地区创新水平的因素还有很多，比如研发的资金投入(包括公共研发投入和私人研发投入)，基础研究的水平，需求和消费，经济社会的活跃程度和开放程度等，而老龄化对这些方面可能都存在不同程度的影响。当然，并不是所有的机制都可以得到直接的检验，尤其是涉及个体创新能力的实证分析就要困难得多。不过，间接的度量和分析总是可能的。图1展示了老龄化影响创新的各个因素(机制)以及本文拟进行的实证分析策略。
图1 老龄化影响创新的机制
决定个体创新能力、经验和动机的因素会影响到创新者或研发人员的创新水平，这些已被相关文献所提及。但因为缺少好的度量方法和数据，运用跨国面板实证分析这些因素的显著性则比较困难。我们可以从人均专利“产出”的角度整体性地考察老龄化对个体创新效率的影响。其他影响创新的宏观因素的分析则相对容易一些，世界银行和OECD数据库中的一些指标和数据都可以用来反映某一方面的表现。
三、数据与变量选择
1.数据来源
本文的数据主要来源于WDI数据库，部分数据来源于经济合作与发展组织(OECD)数据库。WDI的专利数据是计数专利，且未提供更为详细的分类专利数据，而OECD对专利的领域进行了分类，这为本文进行稳健性分析以及检验老龄化对创新是否存在结构效应提供了方便。
3.有关内生性问题的简要讨论
由于许多国家存在严重的数据缺失，尤其是与研发相关的数据缺失，使得我们不可能将数据库中的所有国家都包含进样本之中，但是我们仍然希望样本数据有充分的多样性，至少同时包含发达国家和新兴市场国家，如金砖国家、印度尼西亚、沙特等。最终，根据数据的可得性，本文选择了43个国家进入样本(2)包括阿根廷、奥地利、澳大利亚、巴西、比利时、加拿大、智利、中国、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、希腊、匈牙利、冰岛、印度、印度尼西亚、爱尔兰、意大利、以色列、日本、韩国、拉脱维亚、卢森堡、墨西哥、荷兰、新西兰、瑞士、挪威、波兰、葡萄牙、南非、斯洛文尼亚、斯洛伐克、西班牙、瑞典、土耳其、美国、英国、俄罗斯、沙特。。该样本中包括许多前社会主义国家。由于体制的原因，这些国家在转型以前的创新活动并不能通过专利数据得到充分的反映，再加上转型初期一些国家曾陷入短暂的混乱，直到1994年以后才出现了较为连续的统计数据，同时世界银行数据库中的专利数据更新到了2016年，所以样本中的数据年份为1994—2016年。
表1 变量的含义与描述性统计
变量含义与计量单位均值标准差最小值最大值样本量世界银行数据库patents居民申请专利数,件23877.00080263.00012.000968252.000927aging老龄化水平(65+),%13.0364.7212.89626.565989pgdp人均GDP,千30.11921.9740.590111.968986urban城市化率,%73.70514.48626.39997.897989pop人口,百万100.117256.5060.2661378.665989r_rdexpen研发支出占GDP比重,‰16.0739.6540.42344.055745r_hexp高科技出口占GDP比重,‰31.02837.3640.021317.651947r_exp商品和服务出口占GDP比重,%41.26727.5756.730227.938982trad商标申请数,件59520.000145953.0001392.0002104534.000835res_mill每百万人中研发人员数,人2971.8711828.99789.5278255.404677r_tertiary高等教育招生比,%54.58322.4483.667113.872842r_expen_ge政府教育支出占GDP之比,%5.0661.2581.0008.627718r_expen_gpstu政府生均教育支出占人均GDP之比,%30.00013.0904.53896.586558pro_r&d研发人员平均专利数,件13.29760.0990.003822.940664articles科技论文发表数,篇33156.46065272.83059.700414758.500602expen_fc最终消费支出,十亿894.6531823.7096.52913796.290976expen_hfc家庭最终消费支出,十亿683.1301452.0934.40011400.070977OECD数据库patents_iICT领域专利申请数∗1018160.21044622.9101.667279055.300641patents_p医药开发领域专利申请数∗103075.8106819.7152.50050346.130648gecd国内研发支出,百万35244.54071446.35045.028433248.600578r_gecd政府研发支出占GDP的比重,%6.3732.1611.72912.428531res_full全职科研人员数量,千人153.098246.4020.4681305.862516r_basi_expen基础研究支出占GDP之比,‰3.4251.4800.6179.406306
由表3可知，KX9384 1穴2株、3株和1株处理较西蒙6号覆膜和不覆膜对照处理增产均达到极显著水平，增产幅度最高为1穴2株种植方式，分别为15.79%，19.23%。KX9384 3种方式处理间，1穴2株比1穴3株和1穴1株增产极显著，1穴3株比1穴1株增产显著。西蒙6号覆膜比不覆膜增产显著。
再次，老龄化可能会通过影响人力资本积累对创新产生作用。姚东旻等使用专利申请数量代表创新水平，利用中国2003—2012年省级面板数据进行的实证分析发现，老龄化对创新具有显著的负向效应，而且这一负向效应正是通过降低人力资本积累水平来实现的[8]。然而，由于预期寿命的增加会提高人力资本投资的期望收益，因此一些理论研究倾向于认为老龄化会提高人力资本水平而不是相反[32-33]。当然，也有一些研究表明老龄化对人力资本积累具有负向效应[34-36]。此外，伯克(Berk)和韦尔(Weil)指出，老龄化引起教师队伍的老化，不利于前沿知识和技能在代际间的传递，因而老龄化可能会引起人力资本的退化[37]。
本文使用“居民专利申请数(patents)”代表创新，作为被解释变量。WDI中的专利数据即是本国居民申请的专利总数。但是即便总效应被确认，老龄化对创新的影响仍然可能具有结构性特征。因此，从OECD数据库中我们选择了医药开发领域和ICT领域的专利(分别记为patents_p与patents_i)作为研究的对象。之所以选择这两个领域，除了有前面所述的文献支撑外，还因为医药开发领域是最有可能分享到所谓“老龄化红利”的领域之一；而ICT是最近40多年来技术发展最为迅速的领域，也是当代技术创新的主战场之一，如果老龄化对创新有重要影响，那么在ICT的研发中应当有所体现。
核心解释变量为“老龄化水平(aging)”，即65岁以上人口占总人口的比例。在控制变量中，首先控制了反映研发投入情况的相关变量，包括国内研发支出(gecd)、政府研发支出占GDP的比重(r_gecd)、基础研究支出占GDP之比(basi_expen)、全职科研人员数量(res_full)，这些变量直接影响着一国的研发产出。除此之外，本文还控制了反映一国经济发展水平、经济结构、人口规模以及对外贸易情况的变量，包括人均GDP(pgdp)、城市化率(urban)、人口(pop)、商品和服务出口占GDP比重(r_exp)，这些变量在有关创新与研发的实证分析中被广泛使用，例如姚东旻等对老龄化创新效应的研究[8]。当然，在进行机制识别时，被解释变量和解释变量都会发生变化。这些变量在具体识别过程中会予以交代。
在具体的回归模型和估计中，以绝对值出现的变量，如居民专利申请数、人均GDP、人口、国内研发支出、每百万人中研发人员数等都取对数，而以相对值表征的变量如老龄化水平、城市化率、研发支出占GDP比重、高科技出口占GDP比重等，都以原值进入模型，未取对数。
四、老龄化对创新影响的实证分析
1.基本模型和估计
为了同时控制个体固定效应与时间固定效应，本文采用双固定效应模型实证分析老龄化对创新的长期影响(3)本文也考虑了动态面板模型，但回归后发现，patents的滞后项并不显著。。基本模型如下式所示：
lnpatentsi,t=α+βagingi,t+∑j=1γjcontrolj,i,t+μi+λt+εi,t
2.老龄化对宏观投入的影响
在表2中，首先控制了反映国家间发展水平差异以及研发投入差异的人均GDP(lnpgdp)和研发支出占GDP比重(r_rdexpen)两个变量，然后依次引入了r_rdexpen的一阶滞后项(来捕捉研发投入的滞后效应)、城市化率、人口、高科技出口占GDP比重，并用商品和服务出口占GDP比重代替r_hexp进入模型，结果均表明老龄化对居民专利申请数具有显著负向效应，并表现出一定稳定性。此外，城市化率urban、人口规模lnpop与高科技出口占GDP比重r_hexp都与创新存在一定程度的正相关关系。
2.变量选择
2.稳健性检验
为了进行稳健性检验，对上面的基础回归做了两方面的调整。第一，使用新变量替代被解释变量。WDI的专利数据是对各个国家专利申请数量的简单加总。这种计数专利数量并不考虑专利“质量”之间的差异。OECD基于“专利族”概念开发了一套新的计算方法(4)专利族是指在不同国家和国际专利组织申请、公布或批准的内容相同或相近的一组专利。专利族的概念有狭义和广义之分，具体可参阅WIPO(世界知识产权组织)发布的《工业产权信息与文献手册》。OECD利用这一概念，开发了一套计算方法，对各国的专利数据进行了重新计算，得到了一个可用于跨国比较的专利数据库。具体介绍可参阅OECD数据库中具体条目的介绍。，经过该方法调整得到的专利数据更能反映专利的“质量”，并且OECD还提供了分类专利数据。考虑到老龄化对创新可能存在结构性影响，我们从中选择了ICT和医药开发两个领域的专利数据(lnpatents_i和lnpatents_p)作为考察的代表。第二，替换部分解释变量。在上面的回归中，我们使用的是研发支出占GDP比重r_rdexpen，在这一部分调整为“国内研发支出”gecd，是以2010年不变美元计算的绝对数，也未在模型中引入其滞后项。使用PCSE与FGLS方法对老龄化的创新效应进行了重新回归，结果如表3所示。
表2 老龄化对创新的影响
变量pcse(1)(2)(3)(4)(5)fgls(6)aging-0.073∗∗∗-0.080∗∗∗-0.135∗∗∗-0.099∗∗∗-0.104∗∗∗-0.088∗∗∗(0.020)(0.021)(0.020)(0.024)(0.024)(0.030)lnpgdp1.478∗∗∗1.476∗∗∗1.256∗∗∗1.277∗∗∗1.357∗∗∗1.128∗∗∗(0.121)(0.129)(0.115)(0.122)(0.124)(0.154)r_rdexpen0.043∗∗∗0.056∗∗∗0.062∗∗∗0.059∗∗∗0.062∗∗∗0.034∗∗∗(0.006)(0.014)(0.013)(0.012)(0.013)(0.007)L.r_rdexpen-0.015-0.019-0.021∗-0.021∗-0.011(0.014)(0.012)(0.012)(0.012)(0.007)urban0.093∗∗∗0.089∗∗∗0.087∗∗∗0.088∗∗∗(0.007)(0.007)(0.007)(0.010)lnpop1.399∗∗∗0.945∗∗1.315∗∗(0.418)(0.429)(0.542)r_hexp0.004∗∗∗0.002∗∗∗(0.001)(0.001)r_exp0.000(0.002)_cons2.380∗∗∗2.443∗∗∗-1.847∗∗∗-4.254∗∗∗-5.147∗∗∗-4.214∗∗∗(0.532)(0.572)(0.602)(1.271)(1.203)(1.552)地区虚拟变量是是是是是是时间虚拟变量是是是是是是N729648648648646646R20.9770.9790.9830.9840.9840.976
注：1.***、**、*分别表示在1%、5%、10%的置信水平上显著；2.括号中的数字表示标准误；3. L.variable表示variable的一阶滞后。以下皆同。
表3表明，使用经过“专利族”方法调整过的专利数据回归，无论是ICT领域，还是医药开发领域，aging的系数虽然有较大差异，但都是负的，且在1%置信水平上显著。这意味着，即便老龄化对医药开发领域的技术创新有带动作用，其对该领域创新的净效应仍然是负的。由以上结果可以看出，尽管专利数据的含义有差异，但是老龄化对不同性质专利数量的影响都是显著为负的。这一结果比较稳健，并不会随着样本和变量(指标)的调整而出现实质性的变化。总体来看，老龄化对创新具有明显的不利影响。
表3 老龄化对创新的影响：稳健性检验
变量lnpatents_ilnpatents_ppcsepcsefglspcsepcsefglsaging-0.038∗∗∗-0.073∗∗∗-0.076∗∗∗-0.039∗∗∗-0.046∗∗∗-0.056∗∗∗(0.014)(0.017)(0.026)(0.012)(0.014)(0.021)lngecd1.527∗∗∗1.542∗∗∗1.293∗∗∗1.278∗∗∗1.234∗∗∗1.161∗∗∗(0.103)(0.105)(0.153)(0.086)(0.085)(0.120)lnpgdp-0.482∗-1.475∗∗∗-1.135∗∗-0.271-1.216∗∗∗-1.268∗∗∗(0.260)(0.381)(0.522)(0.221)(0.324)(0.435)其他控制变量否是是否是是地区虚拟变量是是是是是是时间虚拟变量是是是是是是N558558558563563563R20.9800.9800.9490.9710.9730.945
所有样本中以货币度量的指标都选择了以“2010年不变美元”作为货币计量单位。为了避免变量间的数值大小差异过大，本文对许多变量的计量单位进行了调整。特别需要指出的是，OECD的专利数据是经过调整后重新计算的一种指数型数据，因而一些国家的某个领域在特定年份的专利数小于1，为了避免取对数时出现负值，对OECD分领域专利数都乘以10(1)即便如此，仍然有个别专利数据小于1。在回归时，这些数据被作为异常值从样本中剔除。，相当于给这些专利数据取了一个更小的单位，详见表1。
由于我们使用的是面板双固定效应模型，因而通过遗漏变量产生的内生性问题得到了有效缓解，现在的问题就是模型是否存在反向因果关系和共同影响因素导致的内生性问题。毋庸置疑，从人类历史的长期发展来看，老龄化是技术进步的产物，因此技术进步对老龄化有决定性的影响。但影响一个国家当期老龄化水平的是该国长期的经济发展与技术积累，而不是当期或者此前才出现的创新。而且，从年度数据上看，老龄化水平的演进过程具有一定程度的平稳性，而一个国家以专利数量衡量的创新水平却有可能出现较大的波动。所以，专利数量对老龄化水平的反向因果关系应该是不存在的。
此外，老龄化首先是一个人口统计学现象，与一国长期的人口结构直接相关，并遵循人口学的基本规律。而现代商业创新，尤其是对获取专利的创新行为而言，除了受知识积累规律的支配外，更多的是一个经济现象，是资源投入的结果。这一点也在表2和表3中得到支持。不过，尽管由此而产生的创新最终会对人口演进有所推动，它对人口年龄结构的影响在短期内也很难有显著的结果。因此研发投入的变化会直接引起专利数量的变化，但是老龄化水平显然不会“随之起舞”。所以，也基本可以排除共同影响因素带来的内生性问题。
五、老龄化影响创新的机制分析
根据图1提供的分析框架，本文可以从个体效率、宏观投入、宏观激励三个角度对老龄化影响创新的机制进行识别。许多文献考察了老龄化对个体创新效率的影响。当然，经济学家更关心老龄化对研发资源和研发投入变化的意义，所以研发的宏观投入是本文重点考虑的一个机制。对这些机制的识别有助于我们加深对老龄化创新效应的理解，其政策含义也是非常清晰和有价值的。
1.老龄化对个体创新效率的影响
2.2 新生儿气胸独立危险因素 Logistic多因素回归分析结果显示，ARDS、剖宫产、肺炎、湿肺及羊水吸入综合征为新生儿气胸发生的独立危险因素(P<0.05，表2)。
老龄化会引起创新人员或研发人员年龄结构的老化，从而导致创新能力和创新动机的减弱。心理学和老年学中有研究表现出了这种担忧。当然，也有一些研究的结果比较乐观，认为研发人员年龄结构的相对老化并不会对创新有实质性的影响，甚至可能存在一些积极效果。但是，正如在文献综述部分所指出的那样，对年龄结构与创新关系实证分析结果的解读存在分歧，而且创新者年龄的上升是否能理解为年长者更有创造力还需要进一步的讨论，更不要说以此作为老龄化有利于创新的证据了。本文采用更直接的方法，探讨老龄化对个体研发效率的影响，以此来观察老龄化对个体的创新效率是否有显著意义。我们用“研发人员平均专利数”(pro_r&d)来代表研发人员的创新效率，使用PCSE和FGLS两种估计方法，首先控制住城市化率、人均GDP、研发支出占GDP比重，将pro_r&d与老龄化水平进行回归，结果如表4模型1和模型2所示。然后在控制变量中引入反映一国基础研究水平的科技论文发表数articles及其滞后项，以及代表大学教育水平的高等教育招生比r_tertiary等变量进行回归，结果如表4模型3和模型4所示。
表4 老龄化对研发效率的影响
变量(1)pcse1(2)fgls1(3)pcse2(4)fgls2aging-10.128∗∗∗-8.392∗∗∗-14.203∗∗∗-11.927∗∗∗(2.150)(2.612)(2.342)(2.876)urban10.554∗∗∗11.029∗∗∗11.402∗∗∗11.688∗∗∗(0.740)(1.001)(0.836)(1.091)lnpgdp180.751∗∗∗142.214∗∗∗160.783∗∗∗135.774∗∗∗(12.142)(13.749)(15.675)(15.527)r_rdexpen2.173∗∗∗1.355∗∗∗2.166∗∗∗1.277∗∗(0.579)(0.485)(0.621)(0.523)其他控制变量否否是是地区虚拟变量是是是是时间虚拟变量是是是是N488488433433R20.8260.6000.8440.641
表4表明，老龄化对个体研发效率有显著的负向效应。尽管这里的研发人员是指“每百万人中研发人员数量”，其人均专利数的含义不是很直观，但它仍然能反映出个体的研发效率。表4呈现的关系是宏观意义上的结果。也就是说，从宏观视角来看，老龄化倾向于降低一个国家研发人员的创新效率。这一结果与查娅等基于微观视角所做的研究结果相一致，查娅等人的研究表明老龄化提高了研发人员的年龄中位数，年长者表现出了较低的创新能力或动机，或者老龄化降低了人均研发投入水平[13]，本文的结果对此作了进一步验证。因此，本文的实证结果表明，老龄化的确引起了国家层面上个体创新效率的下降。
观察并记录两组病患手术时间、术后24h疼痛评分、首次排便疼痛持续时间、术后恢复时间以及术后出血、水肿的发生情况。
非洲猪瘟分为最急性型、急性型、亚急性型和慢性型，最常见的是急性发病形式。主要症状为猪只出现高热，皮肤黄染；突然发生死亡或步态僵直；食欲不振，呼吸困难，口腔或鼻腔出现血液泡沫；腹泻或便秘，粪便带血；耳、腹部或后肢出现斑点状或片状瘀血或出血；妊娠母猪在孕期各阶段发生流产等。
其中，i表示个体(国家)序列，t表示时间序列(年份)，controlj表示第j个控制变量，α代表截距项，β、γj是对应变量的系数，μi、λt分别用来捕捉个体固定效应和时间固定效应。被解释变量为lnpatents，是居民专利申请量的对数。在估计中，我们考虑了组间异方差与组内自相关，分别使用“OLS+面板校正标准误(PCSE)”和面板“可行广义最小二乘法(FGLS)”(假设所有个体的扰动项服从回归系数相同的一阶自回归，即AR(1)过程)进行估计，估计结果分别记为pcse1-pcse5与fgls。表2是对估计结果的展示。
结果显示，老龄化与高等教育招生比呈正相关，但与政府教育投入占比(无论是总量还是人均量)关系都不显著。仅从这三个变量来看，没有证据显示老龄化会引起人力资本积累的下降。也就是说，从理论上讲，老龄化会引起收入分配在养老和投资下一代之间的竞争，但从数据上看，这种竞争对人力资本积累的宏观效应并不明显，或还未显现出来。
为了进一步确认老龄化与研发投入的关系，我们利用OECD数据库中的“国内研发支出”(gecd)、“政府研发支出占GDP的比重”(r_gecd)，以及全职科研人员的数量(res_full)与aging进行了回归。结果表明，在控制了人均GDP、城市化率等变量以后，除了对政府研发支出占GDP比重的影响显著为正以外，老龄化对国内研发支出和全职科研人员数量均不存在显著的影响。
表5 老龄化对研发投入的影响及稳健性检验
变量r_rd_expenlnres_millr_gecdlngecdlnres_fullaging0.862∗∗∗-0.0050.365∗∗∗-0.009-0.002(0.129)(0.009)(0.058)(0.005)(0.008)lnpgdp0.067-0.0501.930∗∗∗0.695∗∗∗0.920∗∗∗(0.815)(0.054)(0.715)(0.129)(0.165)其他控制变量是是是是是地区虚拟变量是是是是是时间虚拟变量是是是是是N654601305560516R20.9630.9810.8600.9950.990
由此来看，老龄化并没有引起研发投入的明显下降。我们猜测，这可能是由于生产要素相对稀缺从而引起竞争策略调整导致的。对于老龄化水平较高的国家(往往也是发达经济体)来说，劳动力短缺但知识和技术积累相对丰富，因此通过要素规模扩张来维持或者获取竞争优势很难实现，但通过研发来获取竞争优势对这些国家和身处其中的企业而言，可能是相对比较划算的。这诱导(或迫使)老龄化水平较高的国家加大对研发的投入，以获取市场上的竞争优势。
(2)老龄化对人力资本积累的影响。从已有文献来看，老龄化既有可能通过预期寿命和预期报酬的增加促进对人力资本的投资，也有可能因为老年人更偏好于医疗和养老金支出从而降低对公共教育投资的支持，或者通过老年抚养比的上升削弱私人和政府投资人力资本的经济能力。由于缺少统一的可以用于跨国比较的人力资本指标，本文从WDI中选择了三个代理变量间接度量国际间人力资本水平和人力资本投资的差异。这三个变量分别是“高等教育招生比”(r_tertiary)、“政府教育支出占GDP之比”(r_expen_ge)和“政府生均教育支出占人均GDP之比”(r_expen_gpstu)。控制了人均GDP、城市化率、人口规模等变量，分别采用PCSE和FGLS方法对老龄化的人力资本效应进行估计，结果见表6。
表6 老龄化对人力资本积累的影响
变量r_tertiaryr_expen_ger_expen_gpstupcsefglspcsefglspcsefglsaging1.854∗∗∗1.076∗-0.014-0.0040.3540.538(0.416)(0.574)(0.034)(0.047)(0.385)(0.505)lnpgdp18.547∗∗∗17.585∗∗∗0.0280.143-1.710-3.285(2.226)(2.655)(0.241)(0.321)(2.639)(3.257)r_tertiary0.009∗∗∗0.008∗-0.218∗∗∗-0.267∗∗∗(0.003)(0.004)(0.034)(0.041)其他控制变量是是是是是是地区虚拟变量是是是是是是时间虚拟变量是是是是是是N839839671671552552R20.9090.7060.8770.8490.9060.884
(1)老龄化对研发投入的影响。首先重点考察老龄化对研发支出和研发人员数量的影响。WDI提供了“研发支出占GDP比例”(r_rd_expen)与“每百万人中研发人员数量”(res_mill)两个指标，我们将这两个指标与老龄化水平进行了回归，并控制了人均GDP、城市化率、研发实力(用专利数量的一阶滞后项代表)等变量。回归结果表明，老龄化与研发支出占GDP比例存在显著的正相关关系，但是对每百万人中研发人员数量的影响并不显著。这个结果多少有些令人诧异，因为许多认为老龄化对创新有不利影响的文献大都指向了研发投入的减少。
(3)老龄化对基础研究的影响。我们将基础研究看作是影响创新的一个宏观投入，这是因为一个国家在创新上的表现不但与其投入资金和人力资源相关，很大程度上与其基础研究形成的知识积累水平有很大关系，况且基础研究本身也是一个国家创新水平的重要体现。然而，对基础研究水平的度量却并不容易实现。WDI提供了每个国家每年科技论文发表数量(articles)，我们以此作为衡量一国基础研究水平变化的重要指标。此外，我们还采用了OECD数据库中“基础研究支出占GDP之比”(r_basi_expen)这一指标来代表基础研究投入，间接考察老龄化可能对基础研究产生的影响。通过控制人均GDP、城市化率等变量，我们对老龄化的基础研究效应进行了回归分析，结果如表7所示。
表7 老龄化对基础研究的影响
变量lnarticlesr_basi_expenpcsefglspcsefglsaging-0.043∗∗∗-0.045∗∗-0.045∗∗-0.060∗∗(0.016)(0.018)(0.022)(0.028)lnpgdp0.438∗∗∗0.533∗∗∗1.520∗∗∗0.084(0.093)(0.102)(0.321)(0.442)urban0.0040.016∗∗0.0140.021(0.006)(0.007)(0.012)(0.020)其他控制变量是是是是地区虚拟变量是是是是时间虚拟变量是是是是N502451305305R20.9940.9950.9290.970
表7表明，无论是对科技论文发表数量而言，还是对基础研究支出占GDP的比重来说，老龄化的效应都显著为负。现在的问题是，老龄化是否通过削弱基础研究影响了创新呢？我们将代表基础研究水平的变量articles引入老龄化对创新影响的基础回归(与表2相对应)中，通过观察其对回归结果的影响来判断这一机制是否存在。
观察组不良反应发生率为2.50%，明显低于对照组（22.50%），组间比较，差异有统计学意义（P＜0.05），见表2。
表8 老龄化影响创新的机制：对基础研究的削弱
变量pcsefgls(1)(2)(3)(4)(5)(6)lnarticles0.904∗∗∗1.106∗∗∗0.983∗∗∗1.075∗∗∗0.981∗∗∗0.900∗∗∗(0.067)(0.072)(0.071)(0.072)(0.070)(0.081)aging-0.036-0.038∗-0.081∗∗∗-0.083∗∗∗-0.078∗∗∗-0.057∗(0.024)(0.023)(0.023)(0.026)(0.026)(0.034)aging-0.073∗∗∗-0.080∗∗∗-0.135∗∗∗-0.104∗∗∗-0.099∗∗∗-0.088∗∗∗来源于表2
表8是对多个回归结果的集中展示，其中最后一行的结果是从表2中摘录出来的。从中可以发现，articles对专利数量的效应显著为正，且系数值(表示弹性)在1左右，说明基础研究对创新的确有着至关重要的影响。引入articles这一变量后，整体来看，老龄化对专利数量的显著性降低了，而且系数的绝对值普遍变小了。这意味着，考虑到对基础研究的影响后，老龄化对创新的解释力下降了。由此来看，通过对基础研究的削弱，老龄化在一定程度上引起了一个国家创新水平的下降。不过，老龄化对专利数量仍然有一定的显著性，这说明老龄化可能还通过其他途径对创新产生影响。
小孩子们掉头跑回家，拎出小板凳，又飞也似跑回来，叽叽喳喳，让老人们坐下。人群有了活气，为这些孩子，他们咋受气，也值当呀！
3.老龄化对宏观激励的影响
现代社会的创新以面向市场的企业创新为主。市场对创新的反应是企业选择研发行为和研发地区的主要考量因素。但是，一些研究表明，随着年龄的上升，人们的消费结构会趋于稳定和保守，对新产品的偏好和接受程度都会迅速下降，因此老龄化对消费，尤其是对新产品的消费具有很大的抑制效应[42-44]。本文使用国民经济统计中的“最终消费支出”(expen_fc)和“家庭最终消费支出”(expen_hfc)度量一国的消费增长情况，使用“商标申请数”(trad)反映市场活跃程度。
韩寒，1982年9月23日生。作家，赛车手。已出版作品：《三重门》《零下一度》《像少年啦飞驰》《通稿2003》《毒》《韩寒五年文集》《长安乱》《就这么漂来漂去》《一座城池》《寒》《光荣日》《杂的文》《他的国》或有其他，则为伪作。
从表9中可以发现，控制了人均收入水平等差异后，老龄化无论是对最终消费支出还是对家庭最终消费支出，抑或是商标申请量都有显著的负向效应。而且从数值上看，老龄化每上升一个百分点，反映市场活跃程度的商标申请量会下降6%—8%(注意在回归时我们对trad取了对数)，这要比老龄化对消费的影响大得多。那么，对消费和市场活力的抑制作用是否构成了老龄化阻碍创新的一个机制呢？我们将变量lnexpen_hfc与lntrad分别引入老龄化与创新关系的回归模型，也就是表2对应的模型中，通过观察回归结果的变化来做出判断。为了消除反向因果关系带来的内生性问题，我们考虑将lnexpen_hfc和lntrad的一阶滞后项引入模型。因为当期的创新成果无论如何也不会在前一期就产生影响，而前期的市场活力和消费情况却恰好是研发决策的重要依据。
近年来研究发现，CD4+CD25+T细胞是一种新型的具有免疫负性调节作用的T细胞亚群［14］，能够抑制T细胞对外源与自身抗体的免疫反应，在预防自身免疫性疾病和维持外周免疫耐受中起重要作用。肝脏是一个重要的免疫器官，CD4+CD25+T细胞与慢性肝病的关系已引起人们的关注［15-17］。Ma等［18］通过对伴有NAFLD的肥胖小鼠进行Tregs在肝脏组织中研究，发现其比例未发生明显改变，但是数量有所下降。提示CD4+CD25+T细胞明确参与了肝脏的免疫调节，NAFLD与外周血CD4+CD25+T细胞水平有一定的关系。
表9 老龄化对消费和市场活力的影响
变量lnexpen_fclnexpen_hfclntradpcsefglspcsefglspcsefglsaging-0.013∗∗∗-0.011∗∗∗-0.019∗∗∗-0.015∗∗∗-0.083∗∗∗-0.063∗∗∗(0.002)(0.003)(0.003)(0.004)(0.012)(0.021)lnpgdp0.888∗∗∗0.843∗∗∗0.914∗∗∗0.889∗∗∗0.669∗∗∗0.570∗∗∗(0.013)(0.018)(0.016)(0.022)(0.130)(0.182)其他控制变量是是是是是是地区虚拟变量是是是是是是时间虚拟变量是是是是是是N831831831831797797R20.9990.9990.9990.9980.9590.978
表10展示了引入L. lnexpen_hfc和L.lntrad前后aging系数及其显著性的变化。从中可以发现，家庭最终消费或商标申请量对专利数量的影响都显著为正，但是老龄化对创新的负向效应明显削弱了。无论是在引入L. lnexpen_hfc后还是在引入L.lntrad后，aging的系数都变得不再显著了，而在采用FGLS进行的估计中，老龄化水平的系数显著性有所下降。从系数的大小来看，引入新的变量以后，所有回归中的aging系数绝对值都减小了，这说明老龄化的确通过对消费和市场活力的抑制效应对创新产生了阻碍作用。
表10 老龄化影响创新的机制：对消费和市场活力的抑制
变量pcsefgls(1)(2)(3)(4)(5)(6)aging-0.017-0.032-0.111∗∗∗-0.090∗∗∗-0.085∗∗∗-0.073∗∗(0.022)(0.024)(0.022)(0.025)(0.024)(0.030)L.lnexpen_hfc1.240∗∗∗1.077∗∗∗0.506∗∗0.525∗0.624∗∗∗0.694∗∗∗(0.227)(0.241)(0.221)(0.282)(0.242)(0.229)aging0.0120.005-0.042∗∗-0.081∗∗∗-0.080∗∗∗-0.074∗∗(0.017)(0.018)(0.019)(0.021)(0.021)(0.029)L.lntrad0.634∗∗∗0.674∗∗∗0.468∗∗∗0.577∗∗∗0.526∗∗∗0.157∗∗∗(0.040)(0.042)(0.050)(0.056)(0.053)(0.044)aging-0.073∗∗∗-0.080∗∗∗-0.135∗∗∗-0.104∗∗∗-0.099∗∗∗-0.088∗∗∗来源于表2
六、结论与启示
在人们普遍的认识里，老龄化会对创新产生不利的影响。所以，早在1990年田雪原等人撰写的赴日考察报告中就隐含了老龄化将会阻碍中国未来技术进步的担忧[11]。但是在学术界，关于这个问题的探讨仍然存在严重的分歧。本文利用43个国家1994—2016年的跨国面板数据，采用双固定效应模型实证分析了老龄化的创新效应，并对老龄化影响创新的机制进行了识别。研究发现，老龄化对创新有显著的负效应。不同于一些理论研究预测的结果，老龄化并没有引起研发投入(包括人力资源投入)的减少。但是，老龄化影响创新的其他几个机制——对个体研发效率的降低、对基础研究的削弱、对消费和市场活力的抑制等，都得到了实证分析的支持。尽管本文的研究是非常初步的，但仍能给予人们一些重要的启示。至少从研究的角度来看，老龄化对中国经济可能产生的影响需要更加细致、深入和全面地研究，任何“猜想”以及乐观的预期都应得到数据的检验。
第一，实施创新战略，应该重视老龄化这一重大人口背景。无论是对创新数量(专利数量)，还是对创新质量(经过专利族方法重新计算的专利数据)而言，老龄化的负向效应都是显著存在的。这对正处于经济增长动力转型期，积极推动创新战略，试图为未来经济增长奠定坚实动力基础的中国来说，具有非常重要的意义。因此，在创新战略研究和实施中，老龄化是一个不能忽视的重要变量。
第二，老龄化对创新的负向效应可能是全方位的，所谓的“老龄化红利”可能并不存在。许多时候，我们将老龄化看作一把“双刃剑”，认为它在阻碍技术进步和经济发展的同时也会带动医疗保健和养老服务领域的技术创新和产业创新，为经济发展带来一些新的增长点。从一般均衡视角来看，即便这些新的增长点的确存在，也是以其他经济部门资源投入的减少为代价的，其对经济的净效应仍然是不确定的。就本文的研究结果而言，无论是对于当代最重要的科技创新领域——ICT领域，还是对于最有可能受益于“老龄化红利”的医药开发领域，老龄化的创新效应都是显著为负的。当然，老龄化的产业创新效应在国家间是否存在差异，仍然需要更为细致的研究。
以上述相同的方法可以依次研究得出LGJ-70、LGJ-95、LGJ-120、LGJ-150、LGJ-185、LGJ-240等典型农网中压线径型号在4种典型负荷分布状况下，其最大允许供电半径随不同中压线路负荷的变化趋势，具体情况如表4所示。
第三，应加强对基础研究的投入，尽早采取措施增强老年人消费，尤其是对新产品消费的偏好和能力。当我们确认老龄化将会对创新产生不利影响以后，政策路径很有可能指向研发投入。但是，对世界主要经济体研发支出、研发人员和人力资本投资的考察都表明，老龄化本身并不会降低研发投入，而是会通过个体研发效率、基础研究以及消费和市场活力等渠道削弱一个国家的创新力。个体研发效率与人的生理、心理特征相关，能不能干预，应不应该干预都是需要仔细讨论的。但是，加大基础研究投入力度，采取措施鼓励老年人的消费，尤其是对新产品的消费，对创新具有十分重要的意义，而且从政策上讲也是可行的，这些工作具有长期性，需要早谋划、早行动。
参考文献：
[1] UNITED NATIONS. World population prospects: the 2015 revision[M]. New York: United Nations, 2016:237-260.
[2] 王德文，蔡昉，张学辉. 人口转变的储蓄效应和增长效应——论中国增长可持续性的人口因素[J]. 人口研究， 2004(5)：2-11.
[3] 彭秀健.中国人口老龄化的宏观经济后果——应用一般均衡分析[J]. 人口研究， 2006(4)：12-22.
[4] 汪伟. 经济增长、人口结构变化与中国高储蓄[J]. 经济学(季刊)， 2009(1)：29-52.
[5] 胡鞍钢，刘金龙，马振国. 人口老龄化、人口增长与经济增长——来自中国省际面板数据的实证证据[J]. 人口研究， 2012(3)：14-26.
[6] 杨继军，张二震. 人口年龄结构、养老保险制度转轨对居民储蓄率的影响[J]. 中国社会科学，2013(8)：47-66.
[7] 汪伟，艾春荣. 人口老龄化与中国储蓄率的动态演化[J]. 管理世界， 2015(6)：47-62.
[8] 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(4)：105-128.
[9] WEI S J, XIE Z， ZHANG X. From “made in China” to “innovated in China”: necessity, prospect, and challenge[R]. NBER Working Paper, No.22854, 2016.
[10] 耿志祥，孙祁祥，郑伟.人口老龄化、 资产价格与资本积累[J].经济研究，2016(9)：29-42.
[11] 田雪原，胡伟略，杨永超.日本人口老龄化与经济技术进步——赴日考察及学术交流报告[J].中国人口科学，1990(6)：59-62.
[12] 翟振武，郑睿臻.人口老龄化与宏观经济关系的探讨[J].人口研究，2016(2)：75-87.
[13] CZAJA S J， LEE C C. The impact of aging on access to technology[J]. Universal Access in the Information Society， 2007, 5 (4):341-349.
[14] NODA H. Population aging and creative destruction[J]. Journal of Economic Research, 2010,16(1):29-58.
[15] CANTON E J F, DE GROOT H L F, NAHUIS R. Vested interests, population ageing and technology adoption[J]. European Journal of Political Economy, 2002, 18(4):631-652.
[16] KANFER R， ACKERMAN P. Individual differences in work motivation：further exploration of a trait framework[J]. Applied Psychology， 2000, 49(3):470-482.
[17] RYBASH J M, HOYER W， ROODIN P A. Adult cognition and ageing[M]. New York: Pergamon Press,1986.
[18] 驮田井正.少子高龄化社会的对策——从文化经济学的视角分析[M]//王桥.东亚人口少子高龄化与经济社会可持续发展：中国、日本、韩国比较研究.北京：社会科学文献出版社，2012：343-356.
[19] SALTHOUSE T A， MAURER T J. Aging, job performance, and career development[M]//BIRREN J E， SCHAIE K W. Handbook of the Psychology of Aging, 4th ed. San Diego： Academic Press, 1996:353-364.
[20] ANG J B， MADSEN J B. Imitation versus innovation in an aging society: international evidence since 1870[J]. Journal of Population Economics, 2015, 28(2):299-327.
[21] CAI J， STOYANOV A. Population aging and comparative advantage[J]. Journal of International Economics,2016, 102(4):1-21.
[22] IIMAKUNNAS P, MALIRANTA M， VAINIOMAKI J. The roles of employer and employee characteristics for plant productivity[J]. Journal of Productivity Analysis， 2004,21(3):249-276.
[23] FEYRER J. Demographics and productivity[J]. Review of Economics and Statistics, 2007, 89(1):100-109.
[24] FROSCB K， TIVIG T. Age, human capital and the geography of innovation[M]// KUHN M， OCHSEN C. Labor Markets and Demographic Change. Wiesbaden: VS Verlag für Sozialwissenschaften,2009: 137-146.
[25] HOISL K. A closer look at inventive output: the role of age and career paths[R]. Munich School of Management Discussion Paper, 2007.
[26] GIURI P, MARIANI M, BRUSONI S， et al. Inventors and invention processes in Europe: results from the PatVal-EU survey[J]. Research Policy,2007, 36(8):1107-1127.
[27] JONES B F. Age and great invention[J]. Review of Economics and Statistics, 2010,92(1):1-14.
[28] STRULIK H， WERNER K. 50 is the new 30:long-run trends of schooling and retirement explained by human aging[J]. Journal of Economic Growth, 2016, 21 (2):165-187.
[29] PRETTNER K. Population aging and endogenous economic growth[J]. Journal of Population Economics,2013,26(2):811-834.
[30] MAESTAS N, ZISSIMOPOULOS J. How longer work lives ease the crunch of population aging[J]. Journal of Economic Perspectives, 2010, 24(1):139-160.
[31] 周祝平，刘海斌.人口老龄化对劳动力参与率的影响[J].人口研究，2016(3)：58-70.
[32] EHRLICH I, LUI F T. Intergenerational trade, longevity and economic growth[J]. Journal of Political Economy, 1991, 99(5):1029-1059.
[33] CIPRIANI G P, MAKRIS M. A model with self-fulfilling prophecies of longevity[J]. Economics Letters,2006,91(1):122-126.
[34] 刘永平，陆铭.从家庭养老角度看老龄化的中国经济能否持续增长[J].世界经济，2008(1)：65-77.
[35] 汪伟.人口老龄化、生育政策调整与中国经济增长[J].经济学(季刊)，2016(1)：67-96.
[36] 刘穷志，何奇.人口老龄化、经济增长与财政政策[J].经济学(季刊)，2012(1)：119-134.
[37] BERK J, WEIL D N. Old teachers, old ideas, and the effect of population aging on economic growth[J]. Research in Economics, 2015, 69(4):661-670.
[38] LEVIN S G, STEPHAN P E. Research productivity over the life cycle: evidence for academic scientists[J]. American Economic Review.1991, 81(1):114-132.
[39] LANCIA F, PRAROLO G. A politico-economic model of aging, technology adoption and growth[J]. Journal of Population Economics, 2012, 25(3):989-1018.
[40] SøRENSEN R J. Does aging affect preferences for welfare spending? a study of peoples’ spending preferences in 22 countries, 1985-2006[J]. European Journal of Political Economy,2012, 29(9):259-271.
[41] CHARNESS N, BOOT W R. Aging and information technology use: potential and barriers[J]. Current Directions in Psychological Science, 2009, 18(5):253-258.
[42] 王金营，付秀彬.考虑人口年龄结构变动的中国消费函数计量分析——兼论中国人口老龄化对消费的影响[J].人口研究，2006(1)：29-36.
[43] 《老年人收入与健康支出状况研究》课题组.老年人收入与健康支出状况研究——以北京市为例[J].管理世界，2008(12)：75-82.
[44] MALDIFASSI J O, CANESSA E C. Information technology in Chile: how perceptions and use are related to age, gender, and social class[J]. Technology in Society,2009,31(3):273-286.
TheEffectofAgingonInnovation：MechanismandItsImplicationstoChina
DOU Jianchun
(Northwest Institute of Historical Environment and Socio-Economic Development,Shaanxi Normal University, Xi’an 710119， China)
Abstract:Aging may have an important negative impact on the future Chinese economic growth by hampering technological innovation, but there is still a lot of controversy in the academia. Using cross country panels, this paper empirically analyzes the effect of aging on innovation and investigates the mechanisms. It suggests that either the counted patent applications or the patents quantities based on “patent family”, the effect of aging are significantly negative, and this negative effect also appears in the field of pharmacy that is most likely to benefit from the so-called “aging bonus”. In addition, beyond many theoretical predictions, aging has not led to a decline in R&D input, but rather reduces individual R&D efficiency, weakens basic research and depresses consumption and market to hamper innovation.
Keywords:aging; innovation; mechanism; R&D input; basic research
中图分类号：F061.3;C913.6
文献标识码：A
文章编号：1000-4149(2019)05-0078-16DOI：10.3969/j.issn.1000-4149.2019.00.016
收稿日期：2018-01-27；修订日期：2018-10-26
基金项目：教育部人文社会科学研究青年基金项目“老龄化对中国长期技术进步的影响研究——基于企业创新需求侧视角的分析”(17XJC790003)；陕西师范大学中央高校基本科研业务费专项资金项目“老龄化、创新激励与中国长期技术进步”(17SZYB06)。
作者简介：豆建春，经济学博士，陕西师范大学西北历史环境与经济社会发展研究院助理研究员。
[责任编辑 武 玉]
标签：变量论文; 效应论文; 专利论文; 水平论文; 支出论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《人口与经济》2019年第5期论文; 教育部人文社会科学研究青年基金项目“老龄化对中国长期技术进步的影响研究——基于企业创新需求侧视角的分析”(17XJC790003)陕西师范大学中央高校基本科研业务费专项资金项目“老龄化; 创新激励与中国长期技术进步”(17SZYB06)论文; 陕西师范大学西北历史环境与经济社会发展研究院论文;