价值链视角下人口老龄化对技术创新的影响机制分析

发布时间：2021-08-12 23:01

　　根据创新价值链理论,将技术创新划分为研发创新、产品转化两个相互关联的阶段。利用2000～2018年中国30个省份的面板数据,使用超效率非径向SBM模型,测算各地区在两个阶段的创新效率。在此基础上,通过随机效应模型回归,实证检验了人口老龄化对技术创新的影响。研究发现,在研发创新阶段,人口老龄化对技术创新产生直接的消极影响,但通过促进人力资本受教育水平的提升,对技术创新产生积极影响;在成果转化阶段,人口老龄化对技术创新的直接影响不显著,但通过促进人力资本经验水平的提升和要素禀赋结构的转变,对技术创新产生积极影响。 

【文章来源】：西北人口. 2020,41(03)CSSCI

【文章页数】：12 页

【部分图文】：

创新过程投入—产出流程图

本文借鉴余永泽等（2014)[35]的方法，根据各地区2015～2017年的模型测试得分均值，绘制出研发创新—产品转化效率矩阵，如图2所示。并且分别计算研发创新阶段和产品转化阶段的地区得分平均值，按是否高于均线，将地区划归为4类，即A类地区：低技术研发—低产品转化，B类地区：高技术研发—低产品转化，C类地区：低技术研发—高产品转化，D类地区：高技术研发—高产品转化。经测算，全国各省在研发创新阶段的效率均值为0.76，在产品转化阶段的效率均值为0.99，说明还存在着一定的上升空间。其中，研发创新效率突出的地区是广东、北京、浙江、江苏、湖北、山东、福建、上海；产品转化效率突出的地区是江苏、湖南、浙江、重庆、上海、广东、安徽、吉林。在四象限内，A类地区的研发效率和产品转化效率都很低，其中以中西部省市居多，数量将近一半，这类地区的经济增长主要依赖资源和能源拉动，人才集聚程度低，技术优势还很薄弱，创新模式可以由模仿创新逐渐向自主创新过渡（余永泽，2015[36]);B类地区是研发创新效率高，而产品转化效率低，典型的是北京和福建。这类地区更重视研究型人才的开发，人才质量的提升，有着独特的技术研发优势，可以和沿海地区、市场化成熟度高的地区进行互补；C类地区是研发创新效率低，产品转化效率高，如湖南、吉林、安徽等地区，自身的工业基础良好，但在研发创新方面需要进一步的投入；最后一类D类地区是高研发效率、高转化效率，以广东、江苏、浙江、上海、山东为代表。此类地区分布在中国沿海，市场化程度高，人口密度大，资本雄厚，在教育资源、制度环境、基础设施等方面都占据很大优势。

【参考文献】：
期刊论文
[1]人工智能、老龄化与经济增长[J]. 陈彦斌,林晨,陈小亮.  经济研究. 2019(07)
[2]阻断递减曲线,应对老龄挑战[J]. 蔡昉.  中国人大. 2019(10)
[3]劳动生产率呈倒“U”型变化趋势的人口老龄化因素分析[J]. 江鑫,黄乾.  当代经济研究. 2019(03)
[4]人口老龄化、科技创新与制造业升级研究——基于空间计量模型分析[J]. 李光明,刘丹玉.  工业技术经济. 2018(10)
[5]我国人口老龄化与知识创新关联效应研究[J]. 戈黎华,郭浩.  劳动经济评论. 2018(02)
[6]人口老龄化会影响技术创新吗?——来自G20的经验证据[J]. 杨校美.  华东经济管理. 2018(06)
[7]人口老龄化的经济影响——对文献的研究和反思[J]. 昌忠泽.  财贸研究. 2018(02)
[8]价值链视角下金融深度、金融宽度与区域创新效率——基于DEA-Tobit两阶段模型[J]. 马莉莉,徐丹凤.  科技管理研究. 2018(04)
[9]人口老龄化会阻碍中等收入阶段跨越吗?[J]. 范洪敏,穆怀中.  人口研究. 2018(01)
[10]人口老龄化对技术创新的影响机制分析——基于DFA方法的创新评价和动态面板模型[J]. 汪伟,姜振茂.  上海财经大学学报. 2017(06)



本文编号：3339226