人口老龄化对绿色创新的影响...PAT模型和门限效应的分析_童广宇.pdf

工信财经科技 2023 年第 1 期 102 人口老龄化人口老龄化对对绿色创新的影响绿色创新的影响基于 STIRPAT 模型和门限效应的分析 童广宇*摘 要：本文基于 20002018 年省级面板数据，通过 STIRPAT 模型将人口老龄化与绿色创新纳入同一系统进行分析。使用固定效应的空间杜宾模型进行实证分析，结果表明：区域绿色创新的空间效应显著。从全局效应看，人口老龄化对绿色创新具有显著的正向溢出效应。空间效应分解发现，东部地区人口老龄化对本地区绿色创新有抑制作用，且具有负向的空间溢出效应；中西部地区老龄化对本地区绿色创新有促进作用，且空间溢出效应不显著。上述结果经过稳健性检验仍成立。门限效应回归结果显示：人口老龄化与绿色创新也存在驼峰型关系，当经济发展水平跨过临界值时，人口老龄化的加剧会抑制区域绿色创新。在此基础上得到启示，以期为区域绿色发展提供理论依据和对策建议。关键词：绿色创新；人口老龄化；STIRPAT 模型；SDM 模型；门限效应 一、引言 2015 年，习近平总书记提出的“两山”理念被写入中央文件，面对地球日益恶化的生态环境，坚持和践行绿色发展理念是发展观的一场深刻革命。此外，老龄化也是中国不得不面临的问题，根据第七次全国人口普查的结果，60 岁及以上的老年人口占到我国总人口的 18.7%，这一比例在“十四五”时期，预计会超过 20%；65 岁及以上的老年人口占全国总人口的 13.50%，较第六次普查上涨了 4.63%。这意味着，我国将迈入中度人口老龄化社会。人口老龄化既是挑战又是机遇，积极有效地应对人口老龄化既有利于提高老年人的生活品质，又有利于经济社会发展。实现高质量发展必须贯彻新发展理念，创新是第一动力，绿色成为普遍形态，绿色创新是把绿色发展理念和创新发展理念结合后的集合体。实现绿色动能与创新动能的结合，是解决当前经济高质量发展面临的重大难题即环境问题和发展动能问题，实现我国产业结构升级、发展动能顺利转换、建设“美丽中国”的目标的重要途径（熊云飚和张子璇，2022）。在人口老龄化加剧、发展方式绿色转型的基本背景下，人口老龄化对绿色创新的影响呈现怎样的空间格局？这种影响是否存在不同区域空间特征的异质性？此外，人口老*童广宇，西北师范大学经济学院，硕士研究生；邮箱：。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 103 龄化与绿色创新之间是简单的线性关系还是非线性关系？二者是否存在门限效应？厘清人口老龄化对绿色创新影响的机理机制，对于实现我国空间结构优化、践行绿色发展理念、实现可持续发展等具有重要的理论与现实意义。本文结构安排如下：第二部分是文献分析和研究假说的提出，第三部分是研究设计，第四部分是实证结果分析，第五部分是区域异质性分析，第六部分是影响机制分析，第七部分是稳健性检验，第八部分是进一步分析人口老龄化对绿色创新的非线性效应，第九部分是结论和启示。二、文献综述与研究假说 国内外关于人口老龄化对创新影响的研究主要可分为两个方面：微观层面和宏观层面。在微观层面，从直觉上来看，人口老龄化似乎不利于创新，主要原因是人的年龄越大，思维敏捷度、创新能力就会越弱（姚东旻等，2017）。因为，年龄与创新之间呈“驼峰”关系，顶级科学家和诺奖得主的创新能力的年龄峰值大概为 3040 岁，之后便开始减弱（Jones，2010）。另外，在 50 岁之后，人的推理能力、记忆力和计算能力等流体智力会明显衰退（Nusbaum and Silvia，2011）。如此看来，老龄化的加剧会给地区创新带来不利影响。但随着人年龄的增加，人的阅读能力、写作能力和理解能力等晶体智力不会明显减弱（Schwartzman et al.，1987）。而且拥有较长工作年限的“资深工作者”有着丰富的经验以及更加熟练的技能，能够很好地从事创新活动（Cai and Stoyanov，2021）。在宏观层面，学者们对于人口老龄化对创新的影响可以分为以下三种观点：第一种观点认为人口老龄化有利于地区创新。主流观点认为“人力资本效应”是人口老龄化影响创新的主要渠道，下文将会对此途径进行实证分析。Makris（2006）构建的代际交叠模型从理论上论证老龄化的重要驱动因素，预期寿命的延长会使得人力资本投资的期望收益升高，促进社会人力资本投资的增加，一定程度上有利于区域创新水平的提升。此外，人口老龄化对创新的促进会通过要素禀赋结构来实现（王笳旭和王淑娟，2017）。目前中国人口老龄化的创新效应大于劳动力效应，因此老龄化对经济增长的阻碍作用并未显现（谢雪燕和朱晓阳，2020）。此外，人口老龄化对碳排放存在正向影响（刘建强和马晓钰，2021）。在碳达峰和碳中和目标下，中国各级政府对碳排放的控制高度重视。因此，在这种情况下，人口老龄化可能会倒逼绿色创新。此外，人口老龄化能激发“银发产业”的需求（Mao and Xu，2014）。在绿色发展理念和“健康中国”战略的大背景下，老龄人口对健康生活方式以及绿色生活环境越来越重视，“银发产业”需求会驱动老龄相关的绿色技术创新。第二种观点认为人口老龄化与创新存在非线性关系。沈可和李雅凝（2021）研究发工信财经科技 2023 年第 1 期 104 现，人口老龄化对创新的影响存在门限效应，新城镇化有助于在人口老龄化背景下促进创新发展。Bloom et al.（2010）在跨国研究中发现，一国的经济越发达，其老龄化的问题就越严重，而老龄化的产生也进一步阻碍了该国的经济发展。反之，则相反。第三种观点认为人口老龄化对创新具有消极影响。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（蒋长流和司怀涛，2022）。经济发展程度越高的地区，人口老龄化越容易对创新水平产生不利影响（姚东旻等，2017）。长三角地区人口老龄化总体上制约了区域绿色发展（陈芳和曹晓芸，2021）。经济发达的地区与欠发达地区相比，有着更多的资金和资源来投资人力资本（Barro，2001）。由于人口老龄化可以影响人力资本，人力资本高的地区受人口老龄化的负面影响要比人力资本低的地区更严重。当前中国区域间存在着一定的差异，因此，人口老龄化对中国各区域绿色创新的影响可能存在异质性。此外，目前中国发展不平衡不充分的问题显著存在，各区域的绿色创新能力和区域间的空间相关性也可能存在差异。这与区域间经济基础、人力资本等的差异有着密切的关系。东部沿海地区经济发展水平和对外开放水平高，人力资本水平也较高。中部地区劳动力要素充沛，发展潜力巨大。西部地区自然资源丰富，但环境恶劣，经济基础较差，与东部地区存在一定差异。周力（2010）利用 DEA-Malmquist 指数方法测度了中国省级绿色创新指数，发现东部地区的绿色创新水平高于中部地区，而中部地区高于西部地区。王彩明和李健（2019）运用 DEA-SBM 模型与熵权法对中国区域绿色创新绩效进行时空差异分析，发现东部地区绿色创新绩效高于全国平均水平和中西部地区，而中西部地区绿色创新绩效低于全国平均水平，且中部地区高于西部地区。综上，现有文献大多从老龄化对科技创新的影响或者老龄化对绿色发展的影响进行研究，鲜有文献从人口视角出发，探讨人口老龄化与绿色创新的关系。再者，在人口老龄化加剧、发展方式绿色转型以及中国发展不平衡不充分的问题显著存在的背景下，人口老龄化对不同地区绿色创新的影响可能是不同的甚至是非线性的。因此，研究人口老龄化对绿色创新影响的空间效应和门限效应就显得十分必要，这一点在现有文献中鲜被讨论。因此，本文通过 STIRPAT 模型将人口老龄化与绿色创新纳入同一系统进行分析，研究人口老龄化对绿色创新的影响呈现怎样的空间格局、这种影响是否存在不同区域空间特征的异质性，以及二者是否存在门限效应。根据上述分析，本文提出如下假设：H1：人口老龄化与中国绿色创新呈现正空间相关。H2：人口老龄化能促进中国整体绿色创新水平的提升，但存在空间异质性。H3：人口老龄化与绿色创新存在门限效应。经济发展水平较高的地区，老龄化对绿色创新有消极影响；经济发展水平较低的地区，老龄化对绿色创新有积极影响。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 105 三、研究设计（一）计量模型构建 STIRPAT 模型是 20 世纪九十年代中期，由 Dietz and Rosa（1994）在 Ehrlich et al.（1971）提出的 IPAT 模型的基础上提出的。前者是后者的随机形式，其标准形式为：Ii=aPibAicTidei （1）（1）式中 T 代表技术水平，A 代表财富水平，P 代表人口规模，I 代表环境压力，a是常数，b 是人口规模的弹性指数，c 是财富水平的弹性指数，d 是技术水平的弹性指数。对（1）式两边取对数：lnIi=lna+b lnPi+c lnAi+d lnTi+lnei （2）借鉴上述形式，构建相应的拓展模型：lnINGi=lna0+a1 lnOLDi+a3 lnPGDPi+a3 lnINSi+a4 lnFDIZBi+a5lnURi+a6 lnHCi+a8 lnMARKETi+a6 lnENVi+lnui （3）不同地区的经济发展水平、宏观产业政策、人力资本水平、环境规制程度等会对地区绿色创新产生不确定的影响，且在“双循环”的背景下，要素流动加快，产业转移也按下了快进键，人口老龄化与绿色创新在空间上或许存在着较为明显的关联效应。所以，本文参考刘建强和马晓钰（2021）的做法，选择任何情况下都是无偏估计的空间 SDM计量模型进行实证分析。模型如下：lnINGit=b1+WlnINGit+b1 lnPGDPit+b3 lnOLDit+b3WlnPGDPit+b4WlnOLDii+iWX+i+i+i （4）（4）式中W表示空间权重矩阵，为绿色创新的空间溢出系数，i表示个体固定效应，i表示时间固定效应，i表示随机误差项。X 表示一系列控制变量，包含产业结构升级、FDI、城镇化水平、人力资本、市场化程度与环境规制程度。（二）空间矩阵的构建 根据“Tobler 第一定律”单位间的地理距离越远，其空间相关性越高；反之，则空间相关性越低，构建地理距离空间权重矩阵：Wdis=1/dij。为了选择最佳的空间权重矩阵，本文还构建了如下两种空间矩阵：1.距离平方倒数矩阵Wdis3=1/dij3。2.经济距离矩阵：Wecon=1|PGDPi-PGDPj|，当 i=j 时，Wecon=0。工信财经科技 2023 年第 1 期 106（三）数据来源与变量说明 1变量说明变量说明 绿色创新（ING）的估算：通过文献梳理发现关于绿色创新的估算主要有利用数据包络法测算绿色创新效率、从产品和工艺层面来衡量以及通过区域绿色专利申请或授权数量来衡量绿色创新。考虑到直观性、数据的可获得性同时兼顾科学性，本文参考黎文靖等（2016）和苏涛永等（2022）的做法，用绿色专利的申请数量来表示绿色创新，即从中国国家知识产权局数据库获取专利申请数据，然后与 WIPO 确定的“国际专利分类绿色清单”进行匹配，最终获得全国 30 个省份 20002018 年的绿色专利申请数量。人口老龄化（OLD）的测算：以 65 岁及以上年龄的人口占我国总人口的比重来衡量人口老龄化（刘健强和马晓钰，2021）。控制变量与门限变量：环境规制程度（ENV），参考任晓松等（2020）的做法，用环境规制综合指数表示环境规制程度；外商直接投资（FDIZB），用实际使用外资额占地区生产总值的比例来表示；用城镇人口占总人口比重表示城镇化水平（UR）；市场化程度，用樊纲市场化指数来表示；用大专及以上学历在校人数占中国总人口比重来表示人力资本（HC）；产业结构升级（INS），参照于斌斌（2015）的做法，用第三产业增加值与第二产业的增加值的比值来表示产业结构高级化；经济发展水平（PGDP），用人均 GDP表示。2数据来源及处理数据来源及处理 本文以 20002018 年全国 30 个省份（不包含西藏）面板数据为样本进行分析，样本数据来源于国家知识产权数据库、中国统计年鉴 中国环境年鉴 中国城市统计年鉴、财政部官网和国泰安数据库。经过多重共线性检验，所有变量的 VIF 均远远小于 10，说明不存在多重共线性（见表 1）。表 1 变量描述性统计 Variable Obs Mean Std.Dev.Min Max lnING 570 5.883 3 1.907 3 0.693 1 10.381 9 lnOLD 570 0.087 6 0.019 2 0.042 4 0.151 6 lnINS 570 0.727 2 0.205 2 0.417 6 1.795 4 lnPGDP 570 10.072 6 0.856 8 7.886 7 11.850 9 lnFDIZB 570 0.025 1 0.021 8 0.000 1 0.142 9 lnUR 570 0.406 3 0.099 3 0.209 5 0.639 7 lnHC 570 0.090 8 0.058 2 0.018 1 0.396 5 lnMARKET 570 2.075 5 0.239 6 1.465 6 2.618 1 lnENV 570 0.907 6 0.195 0 0.693 1 1.522 9 童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 107 图 1 人口老龄化与绿色创新水平散点图 在正式回归分析之前，先通过图表简单描述人口老龄化与绿色创新间的关系。如图 1 所示，在未控制其他变量的情况下，绿色创新水平与人口老龄化存在显著正相关关系，这说明至少在现阶段，就全国范围而言，人口老龄化对绿色创新存在积极影响。但不排除不同地区人口老龄化对绿色创新的影响存在异质性。接下来，本文将进行相关实证研究。四、实证结果分析（一）空间计量分析 1.空间相关性检验空间相关性检验 引入距离倒数权重矩阵、距离平方倒数权重矩阵和经济距离矩阵，使用莫兰指数法进行空间相关性检验，结果如图 2、图 3 和表 2 所示。由表 2 知，使用经济距离矩阵检验结果的显著性最好，20002018 年全国 30 个省份的绿色创新的全局 Morans I 均在1%的水平上显著为正。本文选用经济距离矩阵作为空间权重矩阵。由图 2、图 3 知，我国大部分地区的绿色创新水平分布在第一和第三象限，显示了绿色创新的“低低”和“高高”的特点，位于“高高”区间的地区，绿色创新能力较高，而位于“低低”区间的地区，绿色创新能力较低。此外，从表 2 第四列可以看出，20002018 年绿色创新的Morans I 指数均为正数，表明绿色创新在研究区域内呈正空间相关，即绿色创新在研究工信财经科技 2023 年第 1 期 108 区域内存在较高绿色创新能力与较高绿色创新能力的地区相邻，较低创新能力与较低创新能力的地区相邻。因此，H1 成立。图 2 2000 年绿色创新 Morans I 散点图 图 3 2018 年绿色创新 Morans I 散点图 WzWz童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 109 表 2 三种空间矩阵下绿色创新 Morans I 年份 距离倒数权重矩阵 距离平方倒数权重矩阵 经济距离矩阵 2000-0.020-0.015 0.157*2001-0.009 0.011 0.224*2002-0.012 0.022 0.168*2003 0.027*0.137*0.184*2004 0.019*0.101*0.245*2005 0.029*0.126*0.328*2006 0.027*0.114*0.315*2007 0.025*0.105*0.338*2008 0.007*0.054 0.347*2009 0.014*0.072 0.366*2010 0.008 0.057 0.364*2011 0.014*0.071*0.392*2012 0.018*0.083*0.395*2013 0.016*0.081*0.398*2014 0.020*0.095*0.381*2015 0.036*0.142*0.358*2016 0.050*0.178*0.302*2017 0.035*0.140*0.261*2018 0.039*0.142*0.286*注：*、*、*表示在 1%、5%、10%的水平上显著。2.回归结果分析回归结果分析 如表 3 所示，LM 检验显示无法拒绝 SEM 模型和 SLM 模型，故本文设计的空间SDM 模型是最佳模型。根据表 4 可知，Hausman 检验结果拒绝原假设。此外，考虑到本文所研究的问题和实证结果，本文选用时间固定效应 SDM 模型，能够较好地规避因遗漏变量带来的内生性。表 3 LM 检验 Test Statistic df P-value Spatial error:Morans I 3.998 1 0.000 Lagrange multiplier 13.941 1 0.000 Spatial lag:Lagrange multiplier 12.046 1 0.001 工信财经科技 2023 年第 1 期 110 表 4 Hausman 检验 Coef.Chi-square test value 203.105 P-value 0 如表 5 所示，绿色创新的空间效应显著。人口老龄化的空间溢出效应不显著，说明人口老龄化对本地区的绿色创新具有促进作用，对邻近地区的绿色创新影响不显著。基于前文的机理分析，这可能是因为，随着老年人口数量不断上升，老年人的消费习惯、消费能力和消费方式对消费结构的影响会越来越大，对老龄化产业需求的增加，可能会催生诸多创新。在绿色发展理念和“健康中国”战略的大背景下，老龄人口对健康生活方式以及绿色生活环境越来越重视，“银发产业”需求会驱动老龄相关的绿色技术创新。从控制变量来看，产业结构升级不利于本地区绿色创新但有利于邻近地区绿色创新。可能因为虽然创新能促进产业结构升级（任晓松等，2020），但随着产业结构的不断升级，厂商的生产成本会降低，生产效率会提高，排污量会逐渐达标，为了节约开支以及规避产业结构升级“缓冲期”“不确定性”带来的风险，厂商继续推动产业结构升级的动力降低，其会减少对产业结构升级的投入，从而对技术进步和创新发明的需求就降低。由于需求创造供给，当需求减少时，供给自然随之减少，因此，就不难理解表 5 的回归结果了。人均 GDP 的升高会促进邻近地区的绿色创新但不利于本地区的绿色创新，这可能是因为经济发达的地区对邻近地区具有很强的辐射能力。考虑到生产成本，企业会选址在发达地区的邻近地区，从而间接带动周边邻近地区的创新；FDI 的增加不利于本地区绿色创新但有利于邻近地区的绿色创新；城镇化程度的提升有利于本地区绿色创新，不利于邻近地区的绿色创新，这可能是因为，城镇化区域的辐射能力较弱，对周围邻近地区的影响力较小。人力资本水平高的地区，绿色创新能力更强，而某个地区人力资本水平的提升对其邻近地区的绿色创新存在消极影响。一个地区的市场化水平的提高，有利于促进本地区绿色创新，但会抑制邻近地区的绿色创新，这可能是因为，市场化水平越高的地区，越有利于其要素流动，从而给本地区绿色创新带来积极影响，但会对周围邻近地区产生“虹吸效应”，夺走周围邻近地区的生产要素，对邻近地区的绿色创新产生消极影响。严格的环境规制对本地区的绿色创新具有正向作用，却不利于邻近地区的绿色创新。这可能是因为严格的环境规制，促使企业不得不通过绿色创新来达到政府的环保标准，而严格的环境规制会把一些资金实力弱、创新能力差、高污染高消耗的企业逼到邻近的环境规制程度相对弱的地区，对该地区绿色创新产生不利影响。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 111 表 5 空间面板回归结果 VARIABLES Main Spatial Variance LR_Direct LR_Indirect lnOLD 8.861*8.547*4.543 (0.00)(0.00)(0.47)lnINS-0.544*-0.596*1.232*(0.01)(0.01)(0.06)lnPGDP-0.592*-0.716*2.915*(0.00)(0.00)(0.00)lnFDIZB-10.994*-11.469*8.863*(0.00)(0.00)(0.06)lnUR 2.255*2.470*-5.524*(0.03)(0.01)(0.03)lnHC 8.523*8.785*-5.295*(0.00)(0.00)(0.10)lnMARKET 3.660*3.846*-3.878*(0.00)(0.00)(0.00)lnENV 1.354*1.370*-0.369 (0.00)(0.00)(0.46)rho -0.301*(0.00)sigma2_e 0.377*(0.00)五、区域异质性分析 上述结果证明，人口老龄化和绿色创新之间在全域空间上存在较强的相关性，但局部空间则可能与之完全相悖。因此，下面以东部、中部和西部地区为例，从区域异质性角度分析。如表 6 所示，分区域后，人口老龄化的系数估计值出现差异。在东部地区，人口老龄化对本地区和邻近地区的绿色创新均存在消极影响。在中西部地区，人口老龄化无论对本地区还是邻近地区的绿色创新均有积极影响。显然，人口老龄化对中西部地区绿色创新的影响是一致的，对相对发达的东部地区绿色创新的影响与相对落后的中西部地区不同。故 H2 成立。产生上述差异的原因可能是：经济发达的地区与欠发达地区相比，有着更多的资金和资源来投资人力资本（Barro，2001）。由于人口老龄化可以影响人力资本，人力资本高的地区受人口老龄化的负面影响要比人力资本低的地区更严重（姚东旻等，2017）。当前中国区域间存在着一定的差异，东部地区经济发展水平更高，因此，工信财经科技 2023 年第 1 期 112 老龄化带给东部地区的负面影响相较于中西部地区来说更大。下文的实证分析对此结论进行了进一步的验证，研究发现人口老龄化与绿色创新也存在驼峰型关系，当经济发展水平跨过一个临界值时，人口老龄化的加剧会抑制区域绿色创新。表 6 各地区面板回归结果 Central Region Western Region Eastern Region VARIABLES LR_Direct LR_Indirect LR_Direct LR_Indirect LR_Direct LR_Indirect lnOLD 45.297*31.686*23.234*11.323-9.181*-4.757 (0.00)(0.00)(0.00)(0.16)(0.00)(0.36)lnINS-2.072*4.180*-3.170*4.284*0.253-1.580*(0.00)(0.00)(0.00)(0.00)(0.15)(0.00)lnPGDP-0.767*-0.735 1.688*-0.162 1.221*0.271 (0.00)(0.36)(0.00)(0.89)(0.00)(0.52)lnFDIZB 24.664*15.675 8.015 36.268*-5.953*-4.324 (0.00)(0.14)(0.18)(0.01)(0.00)(0.19)lnUR 7.861*7.227*-21.621*20.399*4.790*-4.135*(0.00)(0.04)(0.00)(0.00)(0.00)(0.05)lnHC-4.914*-20.751*-4.364*5.604 3.328*9.653*(0.07)(0.00)(0.09)(0.49)(0.00)(0.00)lnMARKET 4.323*6.367*2.802*-1.351 2.175*1.208 (0.00)(0.00)(0.00)(0.16)(0.00)(0.19)lnENV 1.059*-0.963-0.569 0.738 3.689*0.884 (0.00)(0.24)(0.26)(0.37)(0.00)(0.12)六、影响机制分析 根据前文的分析，人口老龄化主要通过人力资本效应对绿色创新水平产生影响。老龄化的重要驱动因素预期寿命的延长，会使得人力资本投资的期望收益升高，促进社会人力资本投资的增加，一定程度上有利于区域创新水平的提升（Makris，2006）。经济发达的地区与欠发达地区相比，有着更多的资金和资源来投资人力资本（Barro，2001）。由于人口老龄化可以影响人力资本，因此人力资本高的地区（经济发达的地区）受人口老龄化的负面影响要比人力资本低的地区更严重。这一点也被下文的非线性效应回归结果所证实。为了验证人口老龄化对绿色创新的影响机制，本文将首先验证人口老龄化对人力资本积累的影响，然后在基准方程中加入人力资本，观察人口老龄化变量系数的变化，并分析该变量系数的影响。如表 7 所示，（1）中 lnOLD 的系数为 68.734，在 1%水平上显著为正。（2）中 lnOLD童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 113 和（3）中 lnHC 的系数均在 1%水平上显著为正，说明人力资本积累的间接效应显著。（3）中 lnOLD 的系数 50.556 在 1%水平上也显著为正，且上述系数均为正，因此，人力资本积累中介效应成立，即人口老龄化会通过人力资本积累影响绿色创新。且人力资本水平的提高，有利于区域绿色创新水平的提升。表 7 人力资本积累的影响机制 lnING lnHC lnING(1)(2)(3)lnOLD 68.734*(0)1.373*(0)50.556*(0)lnHC 13.245*(0)_CONS-0.138(0.61)-0.029*(0.004)0.252(0.284)控制变量 是 是 是 七、稳健性检验 为了规避偶然性，增强结论的可靠性，进行如下稳健性检验：（1）把空间权重矩阵替换为Wdis；（2）把空间权重矩阵替换为Wdis3。以距离的倒数矩阵Wdis=1/dij和距离平方倒数矩阵Wdis3=1/dij3为空间权重矩阵进行回归的结果，分别见表 8 和表 9，其结果依然稳健可靠。表 8 以Wdis为空间矩阵的回归结果 VARIABLES Main Wx Spatial Variance LR_Direct LR_Indirect LR_Total lnOLD 12.757*-38.622*13.283*-32.608*-19.325 (0.00)(0.02)(0.00)(0.02)(0.14)控制变量 是 是 是 是 是 rho -0.342*(0.05)sigma2_e 0.340*(0.00)表 9 以Wdis3为空间矩阵的回归结果 VARIABLES Main Wx Spatial Variance LR_Direct LR_Indirect LR_Total lnOLD 13.034*-15.631*13.098*-15.289*-2.191 (0.00)(0.02)(0.00)(0.01)(0.71)控制变量 是 是 是 是 是 工信财经科技 2023 年第 1 期 114 续表 VARIABLES Main Wx Spatial Variance LR_Direct LR_Indirect LR_Total Rho -0.063 (0.42)sigma2_e 0.338*(0.00)八、进一步分析：人口老龄化对绿色创新的非线性效应 以上研究表明老龄化对绿色创新存在空间溢出效应，是否意味着老龄化对绿色创新存在门限效应？根据前文结果，经济发展水平不同的地区，老龄化对绿色创新的影响不同。那么，是否存在一个门限值，在经济发展超过一定的门限值之后，老龄化对绿色创新的影响发生转折？本文建立门限回归模型，研究经济发展水平门限视域下老龄化与绿色创新的非线性特征。基于 Hasuman 所提出的门槛回归方法，得出如下门限回归方程：lnINGit=0+1lnINSit+3lnFDIZBit+3lnURit+4lnHCit+5lnMARKETit+6lnENVit+8lnOLDit I(lnPGDPit 1)+8lnOLDit I(1 1)+it （5）表 10 门限效应检验结果 门限检验类型 F P 临界值 10%5%1%单一门限检验 62.34 0 32.290 2 39.421 4 48.236 2 双重门限检验 34.08 0.056 7 28.843 9 34.242 1 47.517 3 三重门限检验 27.94 0.533 3 51.447 9 59.520 0 71.656 9 其中，人均 GDP 水平所代表的经济发展水平（PGDP）是门限变量，I(.)是示性函数，为门限值，it是残差。回归结果如表 10 所示，经济发展水平的单一门限值在 1%的水平上显著，双重门限值在 5%的水平上显著，三重门限值未通过显著性检验。对双重门限模型检验，结果如表 11 所示，其中单一门限值在 1%的水平上显著，双重门限值在 5%的水平上显著。童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 115 表 11 双重门限效果检验 门限数 F P 临界值 10%5%1%单一门限 62.34 0 31.208 9 38.121 4 48.907 5 双重门限 34.08 0.066 7 28.787 7 35.943 7 48.960 9 表 12 双重门限模型门限值 模型 门限值 上限 下限 单一门限 9.753 7（17 217）9.741 5 9.760 7 双重门限 9.753 7 9.747 2 9.760 7 11.195 6（72 809）11.161 6 11.198 2 表 12 给出了双重门限模型下的门限显著检验结果与门限值。从表中可知，双重门限估计下的门限值分别为 9.753 7 和 11.195 6，对应的人均 GDP 水平分别约为 17 217 元和 72 809 元。图 4 更为清晰地展现了双重门限模型下门限值的回归结果。根据该值可以将所观察省份分为低区制（lnPGDPit9.753 7）、较高区制（9.753 711.195 6）。统计发现，高区制地区主要是东部地区如北京、上海、广东等。较高区制和低区制地区主要是中西部地区。图 4 门限值最大似然估计 工信财经科技 2023 年第 1 期 116 表 13 给出了门限效应的估计结果，根据经济发展水平门限值将观察值分为高区制、较高区制、低区制。可以看出，经济发展水平不同的地区，老龄化对绿色创新的影响不同：高区制（如北京、上海等地）老龄化对地区绿色创新的阻碍作用在 1%水平上显著，老龄化程度每提高 1%，绿色创新水平降低 5.52%；较高区制，老龄化对地区绿色创新的促进作用没有通过显著性检验；低区制（如安徽和湖南等），老龄化对地区绿色创新的促进作用在 5%水平上显著，老龄化程度每提高 1%，绿色创新水平提高 5.33%。故 H3成立。究其原因，经济发达的地区与欠发达地区相比，有着更多的资金和资源来投资人力资本（Barro，2001）。由于人口老龄化可以影响人力资本，人力资本高的地区受人口老龄化的负面影响要比人力资本低的地区更严重（姚东旻等，2017）。当前中国区域间存在着一定的差异，东部地区经济发展水平更高，因此，在东部地区，老龄化的加剧阻碍地区绿色创新。表 13 门限效应估计结果 解释变量 系数 标准差 t 值 P 值 95%的置信区间 lnPGDP 高区制-5.518 447 2.073 855-2.66 0.008-9.592 413-1.444 48 较高区制 0.758 482 1.924 047 0.39 0.694-3.021 197 4.538 16 低区制 5.330 89 2.161 932 2.47 0.014 1.083 9 9.577 879 lnINS 0.348 260 0.204 746 1.70 0.09-0.053 951 0.750 472 lnFDIZB-8.287 269 1.385 638-5.98 0-11.009 28-5.565 264 lnUR 17.262 65 0.719 880 23.98 0 15.848 48 18.676 81 lnHC 8.794 341 0.945 022 9.31 0 6.937 9 10.650 78 lnMARKET 0.548 376 0.167 092 3.28 0.001 0.220 133 0.876 619 lnENV-0.340 847 0.226 698-1.50 0.113-0.786 182 0.104 488 _cons-2.739 056 0.425 544-6.44 0-3.575 012-1.903 099 九、结论与启示 本文基于 STIRPAT 模型，利用 20002018 年省级面板数据，使用固定效应的空间杜宾模型实证分析了人口老龄化对绿色创新的影响，结果表明：中国绿色创新水平呈现正空间相关，整体来说，东部地区呈现“高高”聚集，中西部地区呈现“低低”聚集格局。从全局效应看，人口老龄化对绿色创新具有正向促进作用。从直接效应和间接效应看，人口老龄化会促进本地绿色创新，但空间溢出效应不显著；通过区域异质性分析发现，在东部地区，人口老龄化对本地区和邻近地区的绿色创新均存在消极影响。在中西部地区，人口老龄化无论对本地区还是邻近地区的绿色创新均有积极影响；门限效应回童广宇：人口老龄化对绿色创新的影响基于 STIRPAT 模型和门限效应的分析 117 归结果显示：人口老龄化与绿色创新也存在驼峰型关系，当经济发展水平越过一个临界值时，人口老龄化的加剧会抑制区域绿色创新。通过上述研究结果，得到以下启示：第一，鼓励绿色创新。充分利用人口老龄化对不同地区的异质性影响以及人口老龄化的区域梯度差异，推动中西部地区追赶东部地区绿色创新水平。实证研究发现，人口老龄化对绿色创新的影响，在中西部和东部是不同的，在中西部地区，人口老龄化能够倒逼绿色创新，因此，在中西部地区大力鼓励绿色创新能够放大老龄化对于绿色创新的积极影响。在东部地区，人口老龄化对绿色创新存在着消极影响，这意味着人口老龄化有助于中部地区和西部地区追赶东部地区绿色创新的步伐，同时，在东部地区大力鼓励绿色创新也有助于削弱老龄化给东部地区绿色创新带来的负面影响。第二，鼓励人力资本投资。老龄化影响区域绿色创新具有门限效应。在高区制地区（经济发达地区），由于经济增长具有收敛性，往往具有较高的实际人均产出且增长速度较缓慢，老龄化对人力资本的负面影响更大。因此，高区制地区可以通过降低人力投资成本，同时提高人力投资意愿来鼓励老龄人口进行人力投资，从而削弱老龄化通过对人力资本产生的消极影响，从而减轻阻碍区域绿色创新的负面效应（姚东旻等，2017）。在较高区制和低区制地区，要牢牢把握老龄化对绿色创新的正向作用，大力扶持“银发产业”的发展，尤其是对其产品与服务研发、绿色技术创新方面要加大政策扶持力度。同时，考虑到经济增长的规律，较高区制和低区制地区迟早会步入高区制，因此，要提前谋划，提高人力投资意愿来鼓励老龄人口进行人力投资，从而减少老龄化对人力资本产生的消极影响，从而减轻阻碍区域绿色创新的负面效应。参考文献 陈芳，曹晓芸.人口老龄化对绿色发展的影响研究以长三角为例J.山东财经大学学报，2021，(06):34-44.蒋长流，司怀涛.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J.北京科技大学学报（社会科学版），2022，(05):593-603.黎文靖，郑曼妮.实质性创新还是策略性创新？宏观产业政策对微观企业创新的影响J.经济研究，2016，(04):60-73.刘健强，马晓钰.人口老龄化、产业结构升级与碳排放基于 STIRPAT 模型的空间计量分析J.金融与经济，2021，(07):54-62.任晓松，刘宇佳，赵国浩.经济集聚对碳排放强度的影响及传导机制J.中国人口资源与环境，2020，(04):95-106.工信财经科技 2023