人口老齡化如何影響制造業集聚?

劉成坤

(1 江西財經大學 統計與數據科學學院,江西 南昌 330013;2 江西財經大學 博士后流動站,江西 南昌 330013)

1 引言

作為一個重要的經濟現象,產業集聚一直是學術界關注的熱點話題之一。產業集聚對區域經濟發展的影響主要體現在兩個方面:一是產業集聚能夠推動專業化分工,促進生產要素自由流動,優化資源配置,由產業集聚帶來的外部經濟可以降低運輸成本,促進區域經濟發展;二是產業集聚可以降低區域內企業的信息不對稱程度,節約生產成本,由產業集聚帶來的技術溢出和規模經濟等逐漸成為推動經濟發展的新動力。自改革開放以來,我國制造業增加值由1978年的0.15萬億元增加到2022年的33.52萬億元,已連續13年位居世界第一。雖然我國的制造業發展取得了舉世矚目的成就,但是我國的制造業主要集中分布于沿海發達地區以及中心城市,導致經濟欠發達地區和外圍城市的制造業普遍面臨份額偏低、規模較小、集聚效應難以充分發揮的現實困境,空間分布極度失衡。制造業是國民經濟發展的支柱產業,制造業集聚是產業集聚的重要內容,其對區域經濟發展的重要性不言而喻。閻川、雷婕(2019)指出,產業集聚理論已從早期傳統經濟地理學的“地理要素稟賦外生決定論”逐漸發展到20世紀末新經濟地理學的“要素動態內生演進論” 。影響制造業集聚的因素眾多,而資源要素被認為是相對比較重要的因素(李揚,2009)。資源要素通常包括自然要素和社會要素,人口老齡化與其中的社會要素密切相關。國民經濟與社會發展統計公報顯示,截止到2022年底,我國65歲及以上的老年人口占總人口的比重已達到14.90%,意味著我國即將整體進入深度人口老齡化社會。隨著人口老齡化的不斷加劇,人口老齡化對勞動力供給、勞動力成本和人力資本積累等社會要素產生的影響必將波及到制造業集聚。人口老齡化與制造業集聚之間存在什么關系?人口老齡化通過哪些途徑影響制造業集聚?人口老齡化對制造業集聚的影響是否存在空間溢出效應?這些問題都是本文試圖研究和探討的重要問題,這些問題的研究對于推動我國經濟由高速度增長向高質量發展轉型升級,區域制造業協同高質量發展具有重要的現實意義。

2 文獻綜述

進入21世紀以來,關于產業集聚方面的文獻日益增多。從產業集聚的統計測度來看,宋瑛等(2019)指出,目前學術界關于產業集聚的測度方法主要分為三大類:總體經濟活動的測度方法、距離空間的測度方法以及空間自相關法,基于總體經濟活動的測度方法包括區位熵、空間基尼系數、E-G指數以及M-S指數等。其中,區位熵是測度產業集聚時最常用的方法(Cheng,2016;任陽軍等,2020;王立勇、呂政,2021;張平淡、屠西偉,2022)。除了區位熵之外,也有學者采用其他方法對產業集聚程度進行測算,如E-G指數和產業集中度(羅勇、曹麗莉,2005)、綜合指標測度法(孫曉華等,2018)、就業密度法(楊浩昌等,2020)、專業化和多樣化指數(韓峰、陽立高,2020)以及地理距離衰減系數(高康、原毅軍,2020)。

從制造業集聚的影響因素來看,學者們進行了一系列的研究。如賀燦飛等(2010)研究發現,交通密度、政府支出比重、開發區數量以及貿易壁壘強度等區域特征會顯著影響制造業集聚。王佳、陳浩(2016)則研究了城市規模、生產性服務業發展對制造業集聚的影響,發現城市規模對制造業集聚的影響呈倒U型,生產性服務業專業化和多樣化發展對制造業集聚的影響效應取決于城市規模。唐紅祥等(2018)研究了交通基礎設施對制造業集聚的影響,發現不同類型和不同等級的交通基礎設施對制造業集聚的促進程度存在顯著差異,交通基礎設施對市場化程度越高地區的制造業集聚促進作用越顯著。閻川、雷婕(2019)以及唐曉華、李靜雯(2021)則從財政分權視角研究了其對制造業集聚的影響。此外,也有學者認為,制造業集聚并非是相互獨立的,各省份的制造業集聚存在空間相關性。如劉志東、高洪瑋(2021)認為,考慮到制造業集聚之間的空間相關性,非空間面板模型可能存在偏誤,因此采用空間計量模型研究了制造業集聚的影響因素。朱文濤、顧乃華(2020)的研究結果也顯示,高鐵開通帶來的可達性改善有助于促進非中心城市制造業集聚水平的提高,且具有明顯的正向空間溢出效應。

從人口老齡化與制造業發展的關系來看,學者們基于不同的研究視角對二者之間的關系進行了廣泛研究,如張杰、何曄(2014)研究了人口老齡化對制造業低成本優勢的影響。汪偉等(2015)研究了人口老齡化通過消費需求效應、人力資本積累效應、勞動力稟賦效應、勞動生產率效應以及老齡負擔效應等途徑影響產業結構升級的作用機理,發現人口老齡化顯著推動了制造業與服務業內部技術結構的優化升級。張桂文等(2021)的研究結果顯示,人口老齡化會通過勞動力供給減少、資本積累、人力資本投資和技術創新等途徑促進制造業轉型升級。也有學者研究了人口老齡化對制造業出口的影響,如王有鑫、趙雅婧(2016)的研究結果表明,人口老齡化程度加劇提高了勞動密集型商品的相對價格,有利于資本密集型商品出口比較優勢的提升。張明志、吳俊濤(2019)研究發現,人口老齡化會顯著抑制密集使用年齡貶值型技能和密集使用體能的行業出口,但會促進密集使用年齡增值型技能的行業出口。周懿等(2020)從理論與實證層面探究人口老齡化對制造業價值鏈攀升的影響以及作用機制,戴翔、王如雪(2023)則以全球價值鏈為例,進行了類似的研究。袁辰等(2021)基于貿易增加值視角,研究了人口老齡化對中國制造業國際競爭力的影響。

總體來看,學者們對制造業集聚的影響因素進行了廣泛的探究,多數學者均認為人口老齡化與制造業發展密切相關,但是目前尚未有學者對人口老齡化與制造業集聚之間的關系進行系統分析。因此,本文將基于我國省級層面的面板數據,實證研究人口老齡化對制造業集聚的影響。本文可能的邊際貢獻在于:一是從人口老齡化角度對制造業集聚的影響因素進行研究;二是通過中介效應模型對人口老齡化影響制造業集聚的作用機制進行深入探索;三是考慮到制造業集聚的慣性特征及空間相關性,采用空間動態模型研究人口老齡化對制造業集聚的空間效應;四是研究了人口老齡化對不同類型制造業集聚的行業異質性。

3 模型構建與數據說明

3.1 基準模型構建

根據本文的研究目的,首先構建如下基準模型研究人口老齡化對制造業集聚的影響:

meai,t=α1+β1meai,t-1+γ1roei,t+λ1xi,t+μi+vt+εi,t

(1)

考慮到制造業集聚是一個持續積累的過程,具有慣性特征,制造業集聚的當期結果往往取決于上一期的發展水平,容易產生路徑依賴和馬太效應。借鑒朱英明等(2012)的做法,在模型(1)中加入被解釋變量的滯后一期項,用以表征制造業集聚過程中的累積循環效應,據此構建動態面板模型。其中,mea為制造業集聚水平,是本文的被解釋變量,參考張平淡、屠西偉(2022)以及陳志遠等(2022)的研究,本文采用區位熵指數對制造業集聚水平進行測算。區位熵指數是通過測算各產業部門在各地區的相對專業化程度來間接反映區域間經濟聯系的結構和方向,該指標簡單易行,能夠較好地刻畫各省份制造業集聚的相對水平,其計算方式如下:

(2)

其中,emi,t和ei,t分別表示第i個省份第t年的制造業就業人數和各行業的就業總人數。在模型(1)中,roe是本文的核心解釋變量人口老齡化程度,采用65歲及以上的老年人口占總人口的比重來衡量;α,β,γ,λ為待估計參數;μ,v分別為個體固定效應和時間固定效應,ε為隨機干擾項,i,t分別為省份和年份。此外,x為本文的控制變量,參考閻川、雷婕(2019)、關海玲(2019)以及胡兆廉等(2021)的研究,本文選取的控制變量包括:(1)宏觀稅負水平mtb,采用財政收入與GDP之比來衡量;(2)城鎮化水平urb,采用城鎮人口占總人口的比重來衡量;(3)經濟發展水平gdp,采用人均GDP來衡量;(4)外商投資水平fil,采用實際利用外商直接投資額與GDP之比來衡量;(5)對外貿易水平ftl,采用進出口總額與GDP之比來衡量。

3.2 中介效應模型構建

根據前面的文獻綜述可知,人口老齡化與勞動力供給、勞動力成本及人力資本積累等要素密切相關,而勞動力供給、勞動力成本以及人力資本積累等要素又會對制造業集聚產生重要影響,為了厘清人口老齡化影響制造業集聚的作用機制,借鑒Baron &Kenny(1986)的研究,構建如下中介效應模型:

wi,t=α2+γ2roei,t+λ2xi,t+μi+vt+εi,t

(3)

meai,t=α3+β3meai,t-1+γ3roei,t+θ3wi,t+λ3xi,t+μi+vt+εi,t

(4)

其中,w是本文的中介變量,包括勞動力供給lsd、勞動力成本lac和人力資本積累hca,分別采用15—64歲的適齡勞動人口占總人口的比重、在崗職工平均工資和人均受教育年限來衡量,其他變量的含義與模型(1)相同。

3.3 空間計量模型構建

隨著交通基礎設施的日益完善以及信息化程度的逐漸提高,區域間的經濟聯系日益緊密,這就使得我國各省份間的制造業集聚水平很可能存在空間溢出效應。因此,地理因素便成為了實證研究中不可或缺的因素,傳統的計量方法則恰好忽視了這一因素的影響。鑒于此,本文擬構建空間計量模型對制造業集聚水平進行實證研究。Elhorst(2014)證實,空間杜賓模型更具綜合性,空間分析應以該模型為基礎。此外,空間杜賓模型將解釋變量與控制變量同時納入空間分析體系中,能夠更有效地控制可能存在空間溢出行為的變量,從而提高了估計結果的穩健性。中介效應模型雖然考慮了制造業集聚的動態效應,但是并未包含制造業集聚的空間效應。因此,對以上動態面板模型(1)進行拓展,構建如下空間動態杜賓模型:

meai,t=τmeai,t-1+ψwmeai,t-1+ρwmeai,t+αroei,t+βwroei,t+γxit+λwxit+μi+vt+εit

(5)

3.4 數據來源與說明

本文數據主要來源于《中國人口和就業統計年鑒》、《中國統計年鑒》、《中國工業統計年鑒》和《中國經濟普查年鑒》以及EPS數據庫中的《中國宏觀經濟數據庫》和《中國財政稅收數據庫》,研究對象為我國內陸地區的31個省、市、自治區,樣本長度為2000—2019年。對于原始數據中的個別缺失值,本文采用插值法進行填充。通過對各變量進行初步處理后,各變量的描述性統計結果如表1所示。為了緩解變量的波動性及可能存在的異方差性,在后文進行實證分析時,將勞動力成本和經濟發展水平這兩個變量進行對數化處理。

表1 描述性統計結果

4 實證結果與分析

4.1 基準回歸模型結果及分析

在進行實證分析之前,對變量的多重共線性和平穩性進行檢驗。檢驗結果顯示,各變量之間不存在多重共線性,且均為平穩變量,可用于進行實證研究。為了檢驗人口老齡化是否會通過勞動力供給、勞動力成本和人力資本積累等途徑影響制造業集聚,根據中介效應檢驗的流程,首先需要對式(1)進行估計。參考Arellano &Bover(1995)的研究,以被解釋變量的滯后一期項作為工具變量并使用兩步系統廣義矩估計(SYS—GMM)方法對式(1)進行估計,根據Arellano-Bond檢驗統計量確定工具變量是否有效,根據Hansen檢驗統計量確定工具變量是否過度識別。如果系數γ1顯著,說明人口老齡化對制造業集聚可能存在中介效應,可以做進一步的檢驗;反之,如果系數γ1不顯著,中介效應檢驗可以直接終止。為了進行對比分析,本文同時列出了如表2所示的混合回歸模型、固定效應模型、隨機效應模型和動態面板模型估計結果。

表2 基準模型估計結果

表2中,從混合回歸模型的結果來看,人口老齡化對制造業集聚的影響顯著為正。由于每個省的情況并不一致,可能存在不隨時間而變的遺漏變量,故考慮使用固定效應模型,從模型結果來看,人口老齡化對制造業集聚的影響顯著為負。對模型進行F檢驗可知,F檢統計量為31.630,p值為0.000,強烈拒絕原假設,說明固定效應模型明顯優于混合回歸。對于面板數據,除了固定效應模型之外,還有隨機效應模型,本文通過Hausman檢驗對其進行選擇,Hausman檢驗的結果顯示,卡方統計量為20.390,p值為0.000,說明應該選擇固定效應模型。然而,固定效應模型并未考慮制造業集聚的動態效應,得出的結果可能不準確。因此,將制造業集聚的動態效應考慮在內,對動態面板模型進行估計,從模型的結果來看,制造業集聚的確存在動態效應,前一期的制造業集聚會對后一期的制造業集聚產生顯著的推動作用。與固定效應模型的結果恰好相反,人口老齡化對制造業集聚的影響顯著為正,說明人口老齡化對制造業集聚的影響可能存在中介效應,有必要做進一步的檢驗。此外,動態面板模型的檢驗結果顯示,擾動項的差分存在一階自相關,但不存在二階自相關,說明工具變量有效;Hansen統計量為1.000,說明工具變量不存在過度識別問題,即動態面板模型是有效的。從動態面板模型中控制變量的結果來看,宏觀稅負水平和城鎮化水平對制造業集聚的影響均顯著為負,說明宏觀稅負水平和城鎮化水平的提高均會對制造業集聚產生阻礙作用;經濟發展水平、外商投資水平和對外貿易水平對制造業集聚的影響均顯著為正,說明經濟發展水平、外商投資水平和對外貿易水平的提高均有利于推動制造業集聚。

4.2 中介效應檢驗結果及分析

然后,根據式(2)和式(3),將勞動力供給lsd、勞動力成本lnlac和人力資本積累hca等三個變量代入模型,得出如表3所示的中介效應檢驗結果。

表3 中介效應檢驗結果

表3的結果顯示,從列(1)和列(2)的結果來看,人口老齡化對勞動力供給的影響顯著為負,勞動力供給對制造業集聚的影響也顯著為負。因此,人口老齡化對制造業集聚的勞動力供給效應存在,即人口老齡化會通過降低勞動力供給水平推動制造業集聚。其原因在于,在老年人口比重不斷增加的背景下,適齡勞動人口比重必然會逐漸下降,蔣同明(2019)等的研究結果也顯示,人口老齡化會導致勞動年齡人口下降和勞動力短缺;勞動力供給之所以會對制造業集聚產生顯著的消極影響,主要是由于勞動力供給越充足,制造業的分布越分散,制造業的規模效應越難以充分發揮,勞動力供給的下降會倒逼制造業由分散向集聚狀態轉變。列(3)的結果顯示,人口老齡化對勞動力成本的影響顯著為正,即人口老齡化程度的加劇會抬高勞動力成本,這是由勞動力市場的供求規律所決定的,勞動力供給越少,勞動力成本越高;列(4)的結果顯示,勞動力成本對制造業集聚的影響顯著為負,說明勞動力成本的提高不利于制造業集聚。結合列(3)和列(4)的結果來看,人口老齡化對制造業集聚的勞動力成本效應顯著為負,即人口老齡化會通過提高勞動力成本阻礙制造業集聚。列(5)的結果表明,人口老齡化對人力資本積累的影響顯著為正,說明人口老齡化程度的加劇會提高人力資本積累水平;從列(6)的結果來看,人力資本積累水平對制造業集聚的影響顯著為負,但影響程度較小,僅有0.033,這可能是由于與發達國家相比,我國制造業行業的人均受教育程度還處于較低水平,且存在人才流動壁壘,導致人力資本的配置效率較低,人力資本對制造業集聚的積極影響還尚未凸顯。因此,人口老齡化對制造業集聚的人力資本積累效應也存在,且顯著為負,即人口老齡化會通過提高人力資本積累水平阻礙制造業集聚。綜合表3的結果來看,人口老齡化對制造業集聚的勞動力供給效應、勞動力成本效應和人力資本積累效應均存在,且僅有勞動力供給效應顯著為正,勞動力成本效應和人力資本積累效應均顯著為負,中介效應由大到小依次為勞動力供給效應、勞動力成本效應和人力資本積累效應,具體的作用機制如圖1所示。

圖1 人口老齡化影響制造業集聚的傳導機制圖

4.3 穩健性檢驗

為了保證以上檢驗結果的可靠性,即人口老齡化影響制造業集聚傳導路徑的有效性,本文分別從以下兩個角度進行穩健性檢驗:一是將被解釋變量由用就業人數衡量的制造業集聚指數mea替換為用產業產值衡量的制造業集聚指數moa;二是將核心解釋變量由老年人口比重roe替換為老年撫養比red(65歲及以上的老年人口與15—64歲的適齡勞動人口之比)。首先,將被解釋變量由mea替換為moa,估計結果如表4所示。

表4 替換被解釋變量后的穩健性檢驗結果

由表4可知,從列(1)的估計結果來看,替換被解釋變量之后,人口老齡化對制造業集聚的影響為正,且通過了1%水平下的顯著性檢驗,這與表2中列(4)的估計結果是類似的,只是影響程度有所增強。從中介效應的檢驗結果來看,勞動力供給和勞動力成本對制造業集聚的影響均顯著為負,說明勞動力供給和勞動力成本均會對制造業集聚產生顯著的消極影響,這與表3中列(2)和列(4)的估計結果一致。然而,與表3中的估計結果不同的是,替換被解釋變量后,人力資本積累對制造業集聚的影響由負向變為正向,且顯著性也出現了下降,通過Sobel檢驗可知,人口老齡化對制造業集聚的人力資本積累效應并不顯著。因此,替換被解釋變量后,人口老齡化對制造業集聚的影響仍然顯著為正,人口老齡化對制造業集聚的勞動力供給效應和勞動力成本效應均顯著,且分別為正向和負向,這與前文的結果是完全一致的。雖然替換被解釋變量后估計結果有所改變,但是改變幅度極小,說明前文所得的估計結果是較為穩健的。然后,進一步將核心解釋變量由老年人口比重roe替換為老年撫養比red,可得出如表5所示的估計結果。

表5 替換核心解釋變量后的穩健性檢驗結果

根據表5的估計結果,由列(1)可知,替換核心解釋變量后,人口老齡化對制造業集聚的影響顯著為正,影響系數為0.267,這與表2中列(4)的估計結果相比有所下降,但影響系數的方向和顯著性并未發生改變。從中介效應的檢驗結果來看,由列(2)和列(3)可知,人口老齡化對勞動力供給的影響顯著為負,勞動力供給對制造業集聚的影響也顯著為負,說明人口老齡化會通過降低勞動力供給推動制造業集聚;列(4)和列(5)的估計結果顯示,人口老齡化對勞動力成本的影響顯著為正,勞動力成本對制造業集聚的影響顯著為負,即人口老齡化會通過提高勞動力成本對制造業集聚產生顯著的消極影響;根據列(6)和列(7)的估計結果,人口老齡化對人力資本積累的影響顯著為正,人力資本積累對制造業集聚的影響顯著為負,由此可知人口老齡化會通過提高人力資本積累水平阻礙制造業集聚。此外,從相關統計量的檢驗結果來看,各動態面板模型選擇的工具變量均是有效的,且不存在過度識別問題。從總體來看,替換核心解釋變量之后,中介效應的檢驗結果與前文完全相同。

綜合以上結果可知,從兩種不同的穩健性檢驗方法來看,替換被解釋變量之后,中介效應的檢驗結果僅出現了小幅變動;替換核心解釋變量之后,中介效應的檢驗結果完全不變。因此,前文所得的估計結果是可靠的,即人口老齡化會對制造業集聚產生顯著的積極影響,人口老齡化對制造業集聚的勞動力供給效應顯著為正,但人口老齡化對制造業集聚的勞動力成本效應和人力資本積累效應均顯著為負。

4.4 空間計量模型及結果分析

前文通過構建中介效應模型檢驗了人口老齡化對制造業集聚的影響機制,在研究人口老齡化對制造業集聚的影響時,僅考慮了制造業集聚的動態效應,并未考慮制造業集聚的空間效應。在此基礎上,本文將空間地理因素考慮在內,構建空間動態杜賓模型研究人口老齡化對制造業集聚的空間溢出效應。在構建空間動態杜賓模型之前,需要對制造業集聚的空間相關性進行檢驗,如果制造業集聚不存在空間相關性,則沒有必要建立空間計量模型;反之,則有必要建立空間計量模型。為了保證結果的穩健性,本文同時使用了三種不同的方法對制造業集聚的空間相關性進行檢驗,檢驗結果如表6所示。

表6 制造業集聚的空間相關性檢驗結果

從表6來看,Moran′s I指數和Global G的檢驗結果顯示,在樣本期間所有年份的制造業集聚指數均通過了1%水平下的顯著性檢驗;Geary C指數的檢驗結果則顯示,在樣本期間個別年份的制造業集聚指數通過了1%水平下的顯著性檢驗,絕大多數年份的制造業集聚指數均通過了5%水平下的顯著性檢驗。因此,綜合三種空間相關性檢驗的結果來看,制造業集聚的確存在顯著的空間相關性,在研究人口老齡化對制造業集聚的影響時,有必要將制造業集聚的空間相關性考慮在內。本文采用極大似然估計法(MLE)對空間動態杜賓模型進行估計,估計結果如表7所示。

表7 空間動態杜賓模型估計結果

根據表7的估計結果,時間動態模型的結果顯示,前一期的制造業集聚會對后一期的制造業集聚產生顯著的推動作用,人口老齡化對制造業集聚的影響及空間溢出效應均為正向,但并不顯著;空間動態模型的結果顯示,鄰近區域前一期的制造業集聚會對當地后一期的制造業集聚產生顯著的推動作用,人口老齡化對制造業集聚的影響并不顯著,但對鄰近區域制造業集聚的空間溢出效應顯著為正;時空動態模型的估計結果顯示,制造業集聚不僅存在動態效應,還存在空間溢出效應,即當地前一期的制造業集聚和鄰近區域前一期的制造業集聚均會對當地后一期的制造業集聚產生顯著的推動作用,人口老齡化對制造業集聚的影響顯著為正,但空間溢出效應未通過10%水平下的顯著性檢驗。從以上結果來看,時間動態模型、空間動態模型和時空動態模型的結果存在較大差異,究竟該如何選擇,本文通過相關統計量確定最優模型。從統計量的估計結果來看,時空動態模型的AIC和BIC統計量在三個模型中是最小的,說明時空動態模型是最優模型;從擬合優度R2和對數似然函數值LogL的估計結果來看,時空動態模型也是最優的。因此,本文選擇的最優模型為時空動態模型,后文將針對該模型的估計結果進行分析。

韓峰、陽立高(2020)指出,由于空間動態杜賓模型的估計結果中包含了被解釋變量及其滯后一期變量的空間滯后項,其測算的空間溢出效應實際上并非局部效應,而是全局效應。Elhorst(2014)認為,當模型中包含全局效應時,空間計量模型的估計結果并不代表解釋變量的邊際影響,為了對比分析各解釋變量的效果差異及其空間溢出效應,還需要借助點估計的結果進一步測算各解釋變量的直接效應和間接效應。LeSage &Pace(2009)也認為完全根據空間動態杜賓模型的點估計結果來分析解釋變量對被解釋變量的影響可能會存在偏誤。因此,本文根據表7中時空動態模型的估計結果進一步測算各解釋變量對制造業集聚的直接效應和間接效應,直接效應表示解釋變量對當地制造業集聚的影響,間接效應表示解釋變量對鄰近區域制造業集聚的影響。由于模型為動態,又可進一步分為短期效應和長期效應。根據空間溢出效應的分解結果,從短期效應來看,人口老齡化的直接效應顯著為正,間接效應未通過10%水平下的顯著性檢驗,說明人口老齡化盡管會對當地的制造業集聚產生顯著的推動作用,但是卻未對鄰近區域的其他省份產生明顯的空間外溢效應。這一結論意味著我國各地區的人口老齡化程度懸殊較大,未能通過勞動力供給形成協同效應,導致未對周邊地區的制造業集聚產生正向空間溢出效應。結合我國的具體情況來看,這可能是由于我國東部地區、中部地區和西部地區的人口老齡化程度存在顯著差異,即使是處于同一地區,各省份的人口老齡化程度也并不一致,存在人口老齡化程度“高—低”集聚的情況,使得人口老齡化程度較高的省份勞動力供給短缺,倒逼制造業集聚,而人口老齡化程度較低的省份勞動力供給相對充裕,難以將人口老齡化對制造業集聚的勞動力供給效應充分發揮出來。

4.5 進一步的討論

由于制造業各行業的要素投入不同,生產的產品各有差異,這使得對制造業各行業進行分類研究顯得極為必要。借鑒朱文濤、顧乃華(2020)以及劉明、王霞(2020)的分類方法,本文按照要素密集度將制造業分為勞動密集型制造業、資本密集型制造業和技術密集型制造業三大類,具體分類方法如表8所示。

表8 制造業各細分行業分類方法

根據表8中的制造業分類方法,按照式(4)分別計算出勞動密集型制造業集聚指數lmea、資本密集型制造業集聚指數cmea和技術密集型制造業集聚指數tmea,并分別將其作為被解釋變量代入式(1)中構建分行業的動態面板模型,可得到如表9所示的估計結果。

表9 分行業估計結果

從表9的結果來看,無論是勞動密集型制造業集聚、資本密集型制造業集聚還是技術密集型制造業集聚,均存在顯著的路徑依賴特征,即各行業前一期的制造業集聚均會對后一期的制造業集聚產生顯著的推動作用,這與全樣本即表2中列(4)的估計結果是一致的。列(1)的結果顯示,人口老齡化對勞動密集型制造業集聚的影響顯著為正,說明人口老齡化會對勞動密集型制造業集聚產生顯著的推動作用。其原因在于,人口老齡化會對勞動力供給產生顯著的消極影響,勞動密集型制造業屬于生產過程中主要依靠大量使用勞動力,而對技術和設備的依賴程度較低的產業,勞動力供給的短缺除了會直接導致該行業就業人數的減少之外,還會推動該行業生產成本的上漲,進而倒逼勞動密集型制造業集聚,產生更大的規模經濟效應。從列(2)的結果來看,與勞動密集型制造業集聚不同,人口老齡化對資本密集型制造業集聚的影響為負,但并不顯著。這是由資本密集型制造業的特性所決定的,資本密集型制造業是指生產過程中勞動和知識的有機構成水平較低,資本的有機構成水平較高,產品物化勞動所占比重較大的制造業,雖然人口老齡化會對勞動力供給產生不利影響,同時也會推高勞動力成本,但是資本密集型行業可以通過使用資本替代勞動,緩解甚至消除人口老齡化對其發展所帶來的不利影響。對于技術密集型制造業,列(3)的結果表明,人口老齡化對技術密集型制造業集聚的影響顯著為正,且影響系數最大,說明人口老齡化會對技術密集型制造業產生最大的影響。前文的研究結果表明,人口老齡化會對人力資本積累產生顯著的積極影響,技術密集型制造業又稱為知識密集型制造業,屬于高技術產業部門,其特點在于單位勞動力占用資金比勞動密集型制造業多,比資本密集型制造業少,在生產結構中,技術知識所占比重較大,勞動者文化技術水平以及產品附加價值較高,隨著人口老齡化的不斷加劇,人力資本積累水平也將不斷提升,這將使得勞動密集型制造業和資本密集型制造業中受過較高教育的技術人員不斷向技術密集型制造業流動,進而對技術密集型制造業集聚產生顯著的推動作用。此外,各控制變量對勞動密集型制造業、資本密集型制造業和技術密集型制造業集聚的影響也存在顯著的行業異質性。

5 研究結論與對策建議

本文通過選取2000—2019年中國制造業的省級面板數據,采用區位熵方法構建制造業集聚指數,建立中介效應模型研究了人口老齡化如何通過勞動力供給、勞動力成本和人力資本積累等途徑影響制造業集聚,并建立空間動態杜賓模型研究了人口老齡化對制造業集聚的空間溢出效應。此外,還研究了人口老齡化對制造業集聚的行業異質性。主要得到以下研究結論:(1)人口老齡化對制造業集聚的總體影響顯著為正,前一期的制造業集聚會對后一期的制造業集聚產生顯著的推動作用,即制造業集聚存在顯著的動態效應;(2)人口老齡化主要通過降低勞動力供給倒逼制造業集聚,與此同時也會通過提高勞動力成本和人力資本積累水平對制造業集聚產生阻礙作用;(3)制造業集聚會對鄰近區域的制造業集聚產生顯著的空間溢出效應,人口老齡化僅會對當地的制造業集聚產生顯著的積極影響,對鄰近區域制造業集聚的空間溢出效應不顯著;(4)人口老齡化對勞動密集型制造業集聚和技術密集型制造業集聚的影響均顯著為正,但不會對資本密集型制造業集聚產生顯著影響?；谶@些研究結論,本文得出的對策建議如下:

第一,順應人口老齡化不斷加劇的發展趨勢,充分發揮其對制造業集聚的勞動力供給效應。從本文的研究結果來看,人口老齡化的加劇會對勞動力供給產生不利影響,而勞動力供給又會對制造業集聚產生阻礙作用,即人口老齡化會通過降低勞動力供給水平助推制造業集聚。國家統計局公布的數據顯示,我國65歲及以上的老年人口比重由2000年的7.0%上升到2020年的13.5%,在未來的幾十年內,老年人口比重還將繼續上升,這就必然導致我國的適齡勞動人口無論在總量還是比重方面都將出現下降趨勢。因此,人口老齡化既是全社會不得不面臨的重大挑戰,更是推動制造業集聚的重要機遇。對于制造業企業,應該抓住這一重要機遇,將勞動力供給下降化為助推制造業集聚的動力。

第二,加快推動工業企業“機器換人”進程,大力降低制造業生產成本。早在2015年春節前后,在加工制造業較發達的珠三角、長三角等地相對集中地出現了一股老板跑路、企業倒閉的風潮,以東莞、蘇州和溫州等地最為突出,而這既與高端制造業回流發達國家,中低端制造業向中低收入國家轉移,對我國形成“前后夾擊”的雙重挑戰有關,也與我國人口紅利消失和要素成本的全面上升有關。人口老齡化既會對勞動力供給產生不利影響,也會推動勞動力成本的上升,而勞動力成本上升又會對制造業集聚產生阻礙作用。為了緩解勞動力成本上升對制造業集聚產生的消極影響,加快工業企業“機器換人”進程,大力降低制造業生產成本已勢在必行。

第三,建立合理的人才流動體制機制,提高要素資源優化配置水平。高質量的產業集聚實質上是勞動生產率不斷提高和產業發展的人力資本及技術含量逐步提升的過程,這也是中國制造業集聚的方向?？茖W技術是第一生產力,而人力資本是推動科學技術發展的核心動力。雖然本文的研究結果顯示,人力資本積累會對制造業集聚產生顯著的消極影響,但是這與我國勞動力市場的總體受教育水平較低以及資源要素配置不合理密切相關,如東部沿海地區作為我國經濟增長的前沿陣地,匯聚了我國絕大部分的高端人才,這對我國中西部地區的制造業發展產生了很大的阻礙作用。在勞動力供給下降及勞動力成本上升的背景下,東部沿海地區的制造業尤其是勞動密集型制造業必然會不斷向中西部地區轉移,只有通過建立合理的人才流動體制機制,提高要素資源優化配置水平才能為中西部地區的制造業集聚保駕護航。

第四,構建資源共享和產業互動的合作機制,促進制造業區域協同集聚發展。本文的研究結果表明,制造業集聚存在顯著的正向空間外溢效應。東部地區的經濟發展水平最高,產業基礎最強,制造業也最發達;中西部地區的經濟發展水平較低,產業基礎相對薄弱,制造業較為落后。長期以來,各自為政形成的區域壁壘限制了制造業的協同發展,不利于空間溢出效應的發揮。為了促進制造業區域協同集聚發展,亟需構建資源共享和產業互動的合作機制。一方面,中西部地區應積極制定各種激勵政策,合理引導東部地區的制造業向中西部地區流動;另一方面,東部地區也應積極伸出“援助之手”,在將制造業轉移到中西部地區的同時,也要為其輸送技術和人才,為產業轉移的無縫對接構建資源共享和產業互動的合作機制。