人工智能、老齡化與經(jīng)濟高質量發(fā)展

李翠妮 葛晶 趙沙俊一

摘要：?技術進步是中國新時期實現(xiàn)經(jīng)濟高質量發(fā)展的動力源泉。在老齡化不斷加深的背景下，人工智能技術的發(fā)展能否有效應對老齡化帶來的不利影響、推動經(jīng)濟高質量發(fā)展值得深入探究。從理論上揭示了人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響作用和內(nèi)在機制，并結合中國2007—2018年30個省份的面板數(shù)據(jù)進行了經(jīng)驗檢驗。靜態(tài)與動態(tài)模型檢驗發(fā)現(xiàn)，人工智能對經(jīng)濟高質量發(fā)展存在非線性影響，能有效緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響，且該緩解效應存在區(qū)域差異，東部和西部區(qū)域顯著，中部區(qū)域不顯著。門限模型檢驗發(fā)現(xiàn)，人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響存在門限效應，人工智能發(fā)展水平越高，越有助于緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響。機制檢驗發(fā)現(xiàn)，人工智能能有效緩解老齡化對勞動力結構、技術創(chuàng)新效率、資本形成率帶來的不利影響，實現(xiàn)要素升級以促進經(jīng)濟高質量發(fā)展。

?關鍵詞：?人工智能;老齡化;勞動力結構;高質量發(fā)展;技術創(chuàng)新;資本形成

?文獻標識碼：A???文章編號：?100228482022（01）007715

黨的十九大提出“中國經(jīng)濟由高速增長階段轉向高質量發(fā)展階段”。高質量發(fā)展成為當下中國經(jīng)濟發(fā)展的重心。人口、技術、資本是經(jīng)濟發(fā)展的基本生產(chǎn)要素，其中任一要素的升級都會帶動其他要素的協(xié)同升級，進而促進整體生產(chǎn)要素升級、實現(xiàn)企業(yè)技術進步，從而推動經(jīng)濟高質量發(fā)展。例如，技術不斷進步發(fā)展會帶動技能勞動力的增加與資本更新，從而實現(xiàn)生產(chǎn)要素升級，為經(jīng)濟高質量發(fā)展創(chuàng)造新動能與新優(yōu)勢。而任一要素發(fā)展受阻也會不利于中國經(jīng)濟高質量發(fā)展。近年來，我國人口結構發(fā)生了變化，人口老齡化問題不斷加劇，面臨著“未富先老”“未備先老”的不利局面[1]。國家統(tǒng)計局第七次人口普查數(shù)據(jù)顯示，2010—2020年我國65歲及以上人口比例由887%增長到135%，增加了463個百分點;而在1953年第一次和2010年第六次人口普查間隔的57年里，該比例由37%增長到887%，增加了517個百分點①。可見，我國人口老齡化水平正在加速上升，老齡化趨勢日益嚴峻。

那么，人口老齡化問題不斷加劇會對我國經(jīng)濟高質量發(fā)展帶來怎樣的影響？Pifer等[2]曾斷言，“人口老齡化繼續(xù)發(fā)展下去所產(chǎn)生的沖擊將不亞于全球化、城市化、工業(yè)化等人類歷史上任何一次偉大的經(jīng)濟與社會革命”。人口老齡化問題加劇會增加經(jīng)濟長期低增長的風險，對中國經(jīng)濟高質量發(fā)展帶來嚴峻的挑戰(zhàn)。

一是勞動供給萎縮。勞動人口老齡化將直接導致市場中的適齡勞動力供給減少。

二是儲蓄率和資本形成率走低。人口老齡化對儲蓄與投資產(chǎn)生不利的影響，導致資本形成降低[3]。

三是技術創(chuàng)新效率下降。老齡化會使企業(yè)勞動力成本和政府養(yǎng)老福利支出增加，不利于技術創(chuàng)新效率的提升[4]，老齡群體的學習能力，包括對新知識、新技術的興趣、接受速度往往相對較低。另外，老齡化會使得政府工作重心，例如財政支出[5]，更多的向養(yǎng)老保險和保障事業(yè)轉移，而在教育、研發(fā)等涉及創(chuàng)新資源積累方面的投入減少。可見，如何應對老齡化，是中國在轉型期需要迫切解決的問題。

黨的十九大報告著重強調(diào)“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”。人工智能與經(jīng)濟社會各領域的深度融合，在激發(fā)消費、拉動投資、創(chuàng)造就業(yè)等方面發(fā)揮著重要作用[6]。第一，人工智能有利于緩解勞動力供給不足、改善勞動力質量。人工智能以“機器學習”“多元智能”等特征不僅能夠替代普通勞動力從事各種煩瑣的可重復性技術工作，減少對普通勞動力的需求，而且能促使勞動力有效利用時間，專注于更復雜的創(chuàng)新與思維活動。第二，人工智能有利于提高資本形成率。人工智能通過提高生產(chǎn)環(huán)節(jié)自動化智能化水平有助于提升生產(chǎn)效率，使企業(yè)更傾向于資本替代勞動，有助于提高資本回報率[1]，有利于提高資本形成率。第三，人工智能有利于催生科技創(chuàng)新。人機協(xié)同的實現(xiàn)以及人工智能與實體經(jīng)濟深度融合更有助于拓展和延伸勞動力的生產(chǎn)能力，提升和挖掘勞動力的創(chuàng)造力。

可見，人工智能是應對老齡化問題、實現(xiàn)經(jīng)濟高質量發(fā)展的有效途徑。Acemoglu等[7]研究指出，老齡化越嚴重的國家越傾向于更早更多地使用人工智能技術從事生產(chǎn)活動。Acemoglu等[8]進一步為此提供了經(jīng)驗證據(jù)，發(fā)現(xiàn)老齡化將導致21～55歲的勞動力人口數(shù)量減少，而該年齡段勞動力對生產(chǎn)活動最重要，企業(yè)為了減弱老齡化對生產(chǎn)活動的沖擊將會更多地使用機器人替代勞動。那么，在中國當下人口結構和經(jīng)濟結構雙轉型和新舊動能轉換的關鍵時期[9]，中國人工智能的發(fā)展是否能有效緩解人口老齡化對經(jīng)濟高質量發(fā)展帶來的不利影響？其內(nèi)在的邏輯機制是什么？目前仍然缺乏關于中國人工智能、老齡化和經(jīng)濟高質量發(fā)展的經(jīng)驗證據(jù)，也鮮有文獻對其中的內(nèi)在機制進行詳細的剖析與檢驗。鑒于此，本文擬構造人工智能發(fā)展指數(shù)，實證檢驗人工智能、老齡化和經(jīng)濟高質量發(fā)展的關系及其內(nèi)在機制。

一、文獻綜述與理論假說

勞動力是經(jīng)濟發(fā)展不可或缺的生產(chǎn)資源和投入要素之一，低成本勞動力帶來的人口紅利也是我國能夠在全球經(jīng)濟中占據(jù)一席之地的先決條件。然而老齡化將會使勞動力供給逐漸減少，全社會勞動參與率逐漸降低[10]、人口紅利逐漸消失，導致生產(chǎn)企業(yè)的勞動力需求得不到滿足，特別是制造業(yè)，不利于經(jīng)濟可持續(xù)發(fā)展。老齡化也會導致人力資本投資減少，不利于人力資本積累。由于老年人的學習能力以及對新思想的接受能力不及年輕人，相同的人力資本投資對老年人來說人力資本積累也不及年輕人，而且投資預期收益時間更是低于年輕人，導致老年人缺乏動機與激勵進行人力資本投資，對勞動力結構升級會產(chǎn)生一定的不利影響[11]。

人工智能的發(fā)展對勞動力結構產(chǎn)生了深遠的影響。一方面，人工智能技術的發(fā)展與應用改變了企業(yè)生產(chǎn)方式，在生產(chǎn)過程中能夠通過自動化智能化技術替代勞動力進行生產(chǎn)，而且人工智能對勞動力的替代相較于機械自動化對勞動力的替代范圍更廣、幅度更深，可以使企業(yè)減少對勞動力的依賴，這既有利于提高生產(chǎn)效率，更有利于提升產(chǎn)品質量，從而削弱了老齡化對企業(yè)生產(chǎn)的不利影響[1]，實現(xiàn)經(jīng)濟高質量發(fā)展。另一方面，技術進步還具有創(chuàng)造就業(yè)效應，新技術的出現(xiàn)會創(chuàng)造出新產(chǎn)業(yè)、新部門和新職業(yè)[12]。人工智能技術的開發(fā)、擴散及應用，為高技術產(chǎn)業(yè)、新興產(chǎn)業(yè)及服務行業(yè)開拓了更廣闊的發(fā)展空間，將會提供更多基礎研究、產(chǎn)品設計、文化創(chuàng)意、金融投資等更高層次和質量的就業(yè)崗位[13]。而具有較高技能水平的勞動力能夠快速適應新的技術環(huán)境[14]，因此企業(yè)會更多雇傭高技能勞動力以適應新技術，通過與人工智能技術相互融合相互促進，降低生產(chǎn)成本、提高生產(chǎn)效率，繼而收入增加、總需求擴大、總投資增加，又能再創(chuàng)造更多的就業(yè)機會，從而形成良性循環(huán)。社會各界對研究型人才、創(chuàng)新型人才、技術型人才以及實用型人才等需求不斷增大[15]。高技能勞動力與低技能勞動力相對供給增加，促使勞動力結構逐漸由體力向腦力和智力、由低技能向高技能、由規(guī)則性向非規(guī)則性轉變，進而推動了勞動力結構優(yōu)化、提升了人力資本整體質量。國內(nèi)外學者的相關研究一致認為勞動力結構優(yōu)化、人力資本質量提升對經(jīng)濟高質量增長至關重要[1617]。因此，本文提出以下假設：

假設1：人工智能通過緩解老齡化對優(yōu)化勞動力結構的不利影響，實現(xiàn)經(jīng)濟高質量發(fā)展。

國內(nèi)外學者關于老齡化對創(chuàng)新效率的影響已作了較多探索，但研究結論仍存在差異。老齡化對創(chuàng)新效率的不利影響有兩點：一是老齡化導致體力、腦力等機能減弱，學習能力、吸收能力和創(chuàng)新能力等逐漸下滑，不利于人力資本形成和技術創(chuàng)新，也不利于企業(yè)新技術擴散和成果轉化，導致創(chuàng)新效率降低，這在Meyer[4]的研究中得以體現(xiàn)。Meyer發(fā)現(xiàn)擁有較多年輕職員的公司更易于采用新技術，而擁有較多高齡職員的公司難以采用新技術。二是隨著老齡化發(fā)展，企業(yè)勞動力成本和政府養(yǎng)老福利支出提升，導致企業(yè)與政府研發(fā)投入相應減少，對提升技術創(chuàng)新效率產(chǎn)生不利影響。這一點可以從Noda等[1819]的研究中體現(xiàn)出來。前者發(fā)現(xiàn)在人口老齡化的背景下，企業(yè)付給有能力的員工（以研發(fā)類員工來表示）的費用增多，加大了企業(yè)的研發(fā)成本，從而削弱了企業(yè)的研發(fā)動機，影響企業(yè)引進有能力的員工，最終對企業(yè)的創(chuàng)新比率產(chǎn)生消極作用。后者通過構造世代交替模型發(fā)現(xiàn)當政府僅調(diào)整稅率和政府支出但不延長退休年齡時，伴隨著人口老齡化而上漲的社會保障費用會擠出政府公共投資。而老齡化對創(chuàng)新效率的有利影響則是認為老齡化會倒逼企業(yè)和政府增加技術研發(fā)投入，重視人力資本建設，轉變經(jīng)濟發(fā)展方式[20]，以應對老齡化產(chǎn)生的不利影響。由上述文獻可知，關于老齡化對技術創(chuàng)新效率的影響尚未達成共識[1]。

而關于人工智能的發(fā)展對技術創(chuàng)新效率的影響研究方面，基本一致認為人工智能能夠有效促進技術創(chuàng)新效率[2122]。Brynjolfsson等[21]在對比人工智能快速發(fā)展與全球全要素生產(chǎn)率不斷下降事實的基礎上，提出了新索洛悖論，并認為雖然短期內(nèi)人工智能技術的發(fā)展還不能顯著提高生產(chǎn)率，但人工智能能夠通過機器學習以及激發(fā)配套創(chuàng)新科技等方式促進全要素生產(chǎn)率提升和全社會技術進步。國內(nèi)學者對新索洛悖論展開討論，認為出現(xiàn)新索洛悖論現(xiàn)象的一個重要原因是人工智能技術發(fā)展需要一定時間的累積，形成一定的規(guī)模，才能對生產(chǎn)率產(chǎn)生顯著的積極作用[2324]。不僅如此，人工智能產(chǎn)業(yè)融合對技術創(chuàng)新的促進作用不僅體現(xiàn)在創(chuàng)新數(shù)量上，也體現(xiàn)在創(chuàng)新質量上，且人工智能技術的通用性越強，其與產(chǎn)業(yè)融合的技術創(chuàng)新效應越顯著[22]。從當前我國實際情況來看，人工智能具有的自我學習和創(chuàng)新能力尚未得到有效發(fā)展和廣泛使用，其依賴相應匹配的創(chuàng)新科技相繼問世并得以應用[1]。但從長遠來看，人工智能的發(fā)展能夠有效地緩解老齡化對技術創(chuàng)新的抑制作用，進而促進經(jīng)濟高質量發(fā)展。通過上述關于人工智能和老齡化對技術創(chuàng)新效率的影響綜述，可以認為人工智能的發(fā)展有利于促進技術創(chuàng)新，實現(xiàn)技術進步，促進經(jīng)濟高質量發(fā)展，那么就會緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響。因此，本文提出以下假設：

假設2：人工智能通過緩解老齡化對技術創(chuàng)新效率的不利影響，實現(xiàn)經(jīng)濟高質量發(fā)展。

儲蓄是資本形成的重要來源。在封閉經(jīng)濟中，國內(nèi)投資必然等同于國民儲蓄，資本形成的唯一來源途徑就是國民儲蓄[23]。在人口老齡化進程中，經(jīng)濟活動人口創(chuàng)造的社會總產(chǎn)出用于非經(jīng)濟活動人口消費的比例會增加，而社會總產(chǎn)出在消費和投資間進行分配。假設在一定時期內(nèi)社會總產(chǎn)出不能快速增長，還要保證經(jīng)濟活動人口的消費水平不下降，那么總產(chǎn)出中用于儲蓄部分會減少;假定經(jīng)濟活動人口和非經(jīng)濟活動人口的消費水平不變，那么社會總產(chǎn)出用于消費的比例會隨著老齡化逐漸增加，而用于轉換成投資的部分儲蓄會相應地減少，因此投資總量會相應地減少，假定其他因素保持不變，總產(chǎn)出會減少。進一步分析，人口老齡化帶來勞動力供給減少的速度慢于儲蓄下降的速度，將導致投資/勞動比率下降，也就是意味著資本形成不足，這將會導致人均產(chǎn)出水平下降[23]。開放經(jīng)濟不同于封閉經(jīng)濟，資本形成的途徑除了國民儲蓄，還可通過國際資本的跨界流動獲得。理論上，資本和勞動力都可以跨界流動，然而出于成本考慮，資本流動成本低于勞動力流動，且限制較少，而勞動力流動受到各個國家的移民政策限制較多。在不考慮其他因素的條件下，各國人口老齡化程度的差異會導致國際資本向人力資本水平較高的國家流動，也可以說是導致國際資本從老齡化相對嚴重的國家流向年輕人口較多的國家，以獲取更多的產(chǎn)出收益。在開放經(jīng)濟下，人口老齡化會導致地區(qū)資本外流，從而抑制資本形成。

根據(jù)內(nèi)生增長理論，不斷的技術創(chuàng)新正是經(jīng)濟體突破資本邊際報酬遞減、實現(xiàn)經(jīng)濟持續(xù)增長的根本動力，因而，技術創(chuàng)新有利于資本回報率的提升[24]，技術進步是決定資本回報率的主因。以人工智能為代表的技術進步，能夠提高資本回報率，從而提高儲蓄率和投資率。隨著人工智能技術的發(fā)展與應用，自動化和智能化在生產(chǎn)過程中不斷深化，帶來的生產(chǎn)效率提升促使企業(yè)在更多的生產(chǎn)任務中使用資本替代勞動，產(chǎn)業(yè)部門會朝著資本密集型方向發(fā)展。資本密集型產(chǎn)業(yè)往往具有更高的附加值，有利于資本回報率的提升。韓民春等[25]的研究為此提供了經(jīng)驗證據(jù)。該研究利用中國2002—2017年30個省份宏觀面板數(shù)據(jù)以資本回報作為中介變量探究人工智能機器人的經(jīng)濟增長效應，結果發(fā)現(xiàn)工業(yè)智能機器人的使用本身就帶有經(jīng)濟效應，還能通過提高資本回報率對經(jīng)濟增長產(chǎn)生促進作用，并認為工業(yè)機器人的規(guī)模應用加快資本積累的速度，促進了資本密集型產(chǎn)業(yè)的發(fā)展，既提高了資本相對于其他生產(chǎn)要素的重要性，提高了資本相對價格，提升了資本回報率，又對產(chǎn)業(yè)結構升級有一定的積極作用?；谝陨戏治觯斯ぶ悄芡ㄟ^提高資本回報率和投資率緩解老齡化對資本形成的不利沖擊。因此，本文提出以下假設：

假設3：人工智能通過緩解老齡化對資本形成的不利影響，實現(xiàn)經(jīng)濟高質量發(fā)展。

二、計量模型及數(shù)據(jù)說明

（一）計量模型設定

1.靜態(tài)面板模型

首先從直接影響機制出發(fā)，構建雙向固定效應模型檢驗人工智能和老齡化的經(jīng)濟高質量發(fā)展效應：

Yi，t=α0+α1Mi，t+αZi，t+μi，t+δi，t+εi，t（1）

其中，i和t分別表示地區(qū)和時間，Yi，t表示在第t年i省份的經(jīng)濟高質量發(fā)展水平;

Mi，t表示本文核心解釋變量人工智能和人口老齡化，采用主成分分析法獲得人工智能指標（AI），使用老年撫養(yǎng)比（old）來衡量老齡化水平;

Zi，t表示一系列相關的控制變量，包括地區(qū)政府干預（gov）、外商投資水平（fdi）、城市化水平（urb）以及基礎設施建設水平（str）;

μi，t表示地區(qū)i不隨時間變化的地區(qū)固定效應，δi，t表示時間固定效應，εi，t則表示隨機干擾項。

2.動態(tài)面板模型

考慮到經(jīng)濟高質量發(fā)展過程具有一定的持續(xù)性和動態(tài)性，為了能檢驗這些特征同時也能進一步降低遺漏變量產(chǎn)生的偏誤，在式（1）的傳統(tǒng)靜態(tài)面板數(shù)據(jù)模型中引入被解釋變量的一階滯后項，以得到動態(tài)面板數(shù)據(jù)模型：

Yi，t=α0+βYi，t-1+α1Mi，t+αZi，t+μi，t+δi，t+εi，t（2）

其中，Yi，t-1表示地區(qū)i在第t-1年的經(jīng)濟高質量發(fā)展水平。另外，為了檢驗人工智能對老齡化的交互效應，借鑒左鵬飛等[26]的做法，在式（2）的基礎上加入兩者的交乘項，得到交互效應面板模型：

Yi，t=α0+βYi，t-1+α1AIi，t+α2oldi，t+α3AIi，t×oldi，t+αZi，t+μi，t+δi，t+εi，t（3）

其中，若人工智能與老齡化的交乘項系數(shù)α3顯著大于0，表明人工智能與老齡化存在顯著的交互效應，兩者交互作用有利于促進經(jīng)濟高質量發(fā)展;而若交乘項系數(shù)α3顯著小于0，表明兩者交互作用不利于經(jīng)濟高質量發(fā)展。

3.門限面板模型

人工智能對老齡化的經(jīng)濟高質量發(fā)展的不利影響存在一定的補償作用，因此本文通過構建面板門限回歸模型來研究在不同人工智能水平區(qū)間內(nèi)老齡化對經(jīng)濟高質量發(fā)展的異質性影響，設定人工智能作為門限變量，老齡化作為受門限變量影響的門限效應變量，從而得到門限面板模型：

Yi，t=α0+βoldi，t（AIi，t，γ）it+αZi，t+μi，t+δi，t+εi，t（4）

oldi，t（AIi，t，γ）=[JB（{]oldi，tI（AIi，t<γ）oldi，tI（AIi，t≥γ）[JB）]（5）

在式（5）中，I（AIi，t）為門限變量根據(jù)門限值γ劃分的示性函數(shù)。當對應的條件為真時，取值為1;條件為假時，取值為0。參數(shù)β反映老齡化對經(jīng)濟高質量發(fā)展的非線性影響，其他變量與基準回歸模型式（1）設定相同。[WTBZ]

（二）變量及數(shù)據(jù)說明

本文選用我國2007—2018年的30個省份的面板數(shù)據(jù)，不包含我國港澳臺地區(qū)和缺失數(shù)據(jù)較多的西藏自治區(qū)。數(shù)據(jù)來源于歷年的《中國統(tǒng)計年鑒》《中國電子信息產(chǎn)業(yè)統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國貿(mào)易外經(jīng)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》。相關的數(shù)據(jù)均以1998年不變價平減，并對有關數(shù)據(jù)進行對數(shù)化處理。

1.被解釋變量

經(jīng)濟高質量發(fā)展（Y）。關于如何度量經(jīng)濟高質量發(fā)展學者們莫衷一是。陳詩一等[27]在研究經(jīng)濟高質量發(fā)展時采用人均GDP來測度，隨著研究數(shù)據(jù)的可獲得性增強，越來越多的學者，例如郭然等[28]在研究中通過構建多維度指標體系來測度經(jīng)濟高質量發(fā)展水平。

鑒于此，本文分別使用各省份實際人均GDP的自然對數(shù)（lny）和經(jīng)濟高質量發(fā)展指數(shù)（qua）來衡量各省份的經(jīng)濟高質量發(fā)展水平。其中，關于經(jīng)濟高質量發(fā)展指標的構建，本文結合新時代我國經(jīng)濟高質量發(fā)展戰(zhàn)略，實現(xiàn)由數(shù)量增長型向質量增長型發(fā)展方式轉變的目標，并考慮到以人工智能為代表的信息技術產(chǎn)業(yè)發(fā)展所帶來的經(jīng)濟社會效益，同時兼顧到測度指標數(shù)據(jù)可得性，從經(jīng)濟發(fā)展、創(chuàng)新發(fā)展、生態(tài)發(fā)展以及民生發(fā)展4個維度出發(fā)構建經(jīng)濟高質量發(fā)展測度體系，詳見表1。

關于經(jīng)濟高質量發(fā)展指數(shù)的測算，本文參照郭然等[28]的方法。第一步，由于各指標量綱、數(shù)量級等存在較大的差異，采用極差法對來自我國30個省份2007—2018年的18個衡量經(jīng)濟高質量發(fā)展的各項指標進行標準化處理：

其中，Xtpi為t時期p地區(qū)i指標的原始值，Zpi為標準化后的指標值，max（Xpi）和min（Xpi）分別為指標原始數(shù)據(jù)中的最大值與最小值，p=1，…，30，i=1，…，18。

第二步，計算t時期p地區(qū)第i個指標在該總指標的比重Ytpi，并進一步計算各指標信息熵Eti：

第三步，利用各指標的信息熵值計算出信息熵冗余度Vti=1-Eti，進而對其進行歸一化處理得到各指標權重Wti：

第四步，計算出t年p省份經(jīng)濟高質量發(fā)展水平qua：

2.核心解釋變量

人口老齡化（old）。本文使用各地區(qū)老年撫養(yǎng)比（65歲及以上人口數(shù)與15～64歲人口數(shù)的比值）來衡量各地區(qū)人口老齡化水平。

人工智能（AI）。受限于數(shù)據(jù)可得性，本文借鑒孫早等[29]的處理方法構建了人工智能測度指標，包括人工智能技術使用規(guī)模、信息技術服務能力、軟件普及和應用能力和嵌入式系統(tǒng)軟件應用能力4個分指標，盡可能地反映各地區(qū)人工智能發(fā)展水平。數(shù)據(jù)來自《中國統(tǒng)計年鑒》和《中國電子信息產(chǎn)業(yè)統(tǒng)計年鑒》。采用主成分分析法獲得各地區(qū)人工智能水平（AI）。由主成分分析法得到特征值與特征向量，前3個特征值累計貢獻率達9908%，說明前3個主成分基本包含了全部指標的信息。

3.機制變量

勞動力結構升級（lso）。本文使用各地區(qū)就業(yè)人員受教育程度構成衡量不同技能勞動力的市場需求情況，包括未上過學、小學、初中、高中（含中等職業(yè)教育）、大學?？疲ê叩嚷殬I(yè)教育）、大學本科和研究生（含碩士研究生和博士研究生）7類受教育程度的就業(yè)情況。為了使研究更具有代表性，本文將其劃分為3大類，分別是低技能勞動力需求（小學及以下）、中技能勞動力需求（初中和高中）和高技能勞動力需求（大學?？萍耙陨希?，并將高技能勞動力與中低技能勞動力的比值作為勞動力結構升級指標。

技術創(chuàng)新效率（inna）。專利產(chǎn)出是衡量技術創(chuàng)新效率的常用指標，包括專利申請數(shù)和專利授權數(shù)。其中，專利授權數(shù)在時間上存在一定的滯后性，且受人為干預較強，因此本文使用地區(qū)專利申請數(shù)的自然對數(shù)衡量技術創(chuàng)新效率，并使用專利授權數(shù)（innr）做穩(wěn)健性檢驗。

資本形成率（cfri）。地區(qū)資本形成率是指一定時期內(nèi)資本形成總額占地區(qū)國內(nèi)生產(chǎn)總值的比重。由于2018年的資本形成總額缺失，為了能完整實現(xiàn)計量分析，本文使用插值法計算出2018年資本形成總額和固定資本形成率，并使用固定資本形成率（cfrk）替代資本形成率進一步檢驗。

4.控制變量

為了更全面地分析人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響效應，還需要控制對經(jīng)濟高質量發(fā)展可能產(chǎn)生影響的變量。本文主要設定以下控制變量：地區(qū)政府干預（gov），用各地區(qū)政府一般性財政支出與地區(qū)生產(chǎn)總值之比衡量;外商投資水平（fdi），用外商直接投資額與地區(qū)生產(chǎn)總值之比衡量;基礎設施建設（str），以鐵路營業(yè)里程代表各省基礎設施水平衡量，并使用高速營業(yè)里程替代鐵路營業(yè)里程進一步檢驗;城市化水平（urb），用城鎮(zhèn)人口與總人口之比衡量。主要變量的描述性統(tǒng)計結果見表3。

三、人工智能、老齡化對經(jīng)濟高質量發(fā)展的實證檢驗

（一）靜態(tài)面板基準模型的回歸與分析

根據(jù)上述各類回歸模型檢驗人工智能和老齡化對經(jīng)濟高質量發(fā)展的影響。式（1）的回歸結果見表4，第（1）（2）列中，人工智能和老齡化對以lny表征的經(jīng)濟高質量發(fā)展的影響并不顯著。老齡化對經(jīng)濟高質量發(fā)展產(chǎn)生負向影，這可能是由于老齡化帶來的負向的勞動力效應所致，但并不達到統(tǒng)計意義上顯著。第（3）（4）列中，人工智能和老齡化對以qua表征的經(jīng)濟高質量發(fā)展的影響也并不顯著。上述回歸結果可能是潛在的非線性作用所致，鑒于此，下文將采用門限面板模型來進一步探究人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響作用。

控制變量對兩種衡量經(jīng)濟高質量發(fā)展的被解釋變量的影響顯著性基本一致，對經(jīng)濟高質量發(fā)展產(chǎn)生正向影響的有城市化水平和外商直接投資，地區(qū)政府干預對經(jīng)濟高質量發(fā)展產(chǎn)生負向的阻礙作用，基礎設施建設對經(jīng)濟高質量發(fā)展的影響并不顯著。在城市化進程中，主要通過固定資產(chǎn)投資、基礎設施和公共服務改善吸引更多的人才與資金以刺激經(jīng)濟高質量發(fā)展，外商直接投資有助于提高生產(chǎn)技術效率、加快國內(nèi)技術進步，能顯著促進經(jīng)濟高質量發(fā)展。地方政府財政支出通常更傾向于具有更強經(jīng)濟拉動能力、更高生產(chǎn)效率以及公共服務的相關產(chǎn)業(yè)，這種政府干預在一定程度上扭曲了市場資源的有效配置，從而對經(jīng)濟高質量發(fā)展產(chǎn)生不利影響。

（二）動態(tài)面板模型的回歸與分析

經(jīng)濟高質量發(fā)展是一個動態(tài)漸進過程，存在發(fā)展慣性，若忽略前期經(jīng)濟發(fā)展對當期的影響，而僅僅考慮當期人工智能、老齡化等因素對經(jīng)濟高質量發(fā)展的影響，結果會產(chǎn)生一定的偏誤。因此，表5第（1）（3）列在靜態(tài)面板基準模型基礎上加入經(jīng)濟高質量發(fā)展變量的滯后一期，即對式（2）進行回歸估計。經(jīng)濟高質量發(fā)展滯后一期系數(shù)顯著為正，表明經(jīng)濟高質量發(fā)展存在顯著時間延續(xù)性[26];而人工智能的經(jīng)濟高質量發(fā)展效應并不顯著，這可能由于人工智能對經(jīng)濟高質量發(fā)展的影響具有非線性特征所導致;老齡化對以人均GDP衡量的經(jīng)濟高質量發(fā)展的影響均在10%水平上顯著為負，但對構建得到的經(jīng)濟高質量發(fā)展指標的影響卻為正，但并不顯著。整體來說，老齡化對經(jīng)濟高質量發(fā)展存在不利影響。

本文理論部分分析了人工智能緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響，表5第（2）（4）列對此進行檢驗，即對式（3）進行回歸估計。結果顯示，交乘項系數(shù)均大于0，并且分別在1%和10%水平上顯著，表明人工智能和老齡化存在互補效應，隨著人工智能技術的發(fā)展與普及，人工智能能有效防范和緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響。

（三）門限面板模型的回歸與分析

在靜態(tài)基準回歸分析可知，人工智能、老齡化對經(jīng)濟高質量發(fā)展可能存在潛在的非線性關系，因此，該部分借鑒謝莉娟等[30]使用門限面板模型對此進行檢驗。本文設定人工智能為門限變量，老齡化為受門限變量影響的門限效應變量，亦為核心解釋變量。通過對式（4）（5）進行門限效應檢驗并經(jīng)F檢驗，發(fā)現(xiàn)老齡化對表征經(jīng)濟高質量發(fā)展的lny與qua兩個指標均存在單一人工智能門限效應，對應的門限值分別為0650和-0475;接下來，設定人工智能為門限效應變量，亦為核心解釋變量，通過門限效應檢驗并經(jīng)F檢驗后發(fā)現(xiàn)人工智能對表征經(jīng)濟高質量發(fā)展的lny與qua兩個指標也分別存在單一門限效應，對應的門限值分別為0499和-0475，以上結果均與似然比檢驗的圖形相一致（見圖1），具體結果見表6。

基于上述檢驗結果，得到式（4）（5）門限效應的估計結果，具體見表7。首先分析老齡化對經(jīng)濟高質量發(fā)展的門限效應，從第（1）列可知老齡化對以lny表征的經(jīng)濟高質量發(fā)展的影響系數(shù)存在兩個區(qū)間變化，即人工智能門限變量將樣本分為2個區(qū)制，分別為較低人工智能發(fā)展水平地區(qū)（門限值≤0650）和較高人工智能發(fā)展水平地區(qū)（門限值>0650）。當人工智能發(fā)展處于較低水平時，即在門限值0650以下時，老齡化對經(jīng)濟高質量發(fā)展存在微弱的負向作用但并不顯著;當人工智能發(fā)展處于較高水平時，即超過門限值時，老齡化對經(jīng)濟高質量發(fā)展的作用轉負為正，且在1%水平上顯著。

從表7第（3）列可知，老齡化對以qua表征的經(jīng)濟高質量發(fā)展的影響系數(shù)也存在兩個區(qū)間變化，并且影響系數(shù)的正負以及顯著性均與第（1）列基本一致。這在一定程度上證明研究結果是穩(wěn)健的。結合第（1）（3）列的回歸結果發(fā)現(xiàn)，伴隨著人工智能發(fā)展水平的提高，老齡化對經(jīng)濟高質量發(fā)展的作用由負轉正，由不顯著到顯著。也可以說，人工智能能有效緩解老齡化對經(jīng)濟高質量發(fā)展的負向效應。這與陳彥斌等[1]采用數(shù)值模擬得到的結果基本一致。該結果也呼應了動態(tài)面板模型中檢驗的人工智能對經(jīng)濟高質量發(fā)展具有非線性影響。

然后分析人工智能對經(jīng)濟高質量發(fā)展的門限效應，估計結果見表7第（2）（4）列。從第（2）列可知人工智能對以lny表征的經(jīng)濟高質量發(fā)展的影響系數(shù)存在兩個區(qū)間變化，當人工智能發(fā)展處于較低水平時，即在門限值0499以下時，人工智能對經(jīng)濟高質量發(fā)展存在顯著的負向作用，但系數(shù)值較小;當人工智能發(fā)展處于較高水平時，即超過門限值時，人工智能對經(jīng)濟高質量發(fā)展的作用轉負為正，在1%水平上顯著，且系數(shù)值較大。第（4）列中人工智能對以qua表征的經(jīng)濟高質量發(fā)展的影響與第（2）列基本一致，可見檢驗結果穩(wěn)健性較好。結果說明，人工智能發(fā)展前期，由于資產(chǎn)投資回報較低，對經(jīng)濟高質量發(fā)展產(chǎn)生一定的拖累，跨過門限值后就會對經(jīng)濟高質量發(fā)展產(chǎn)生顯著的促進作用。

四、人工智能與老齡化的經(jīng)濟高質量發(fā)展效應的區(qū)域異質性

不同地區(qū)的經(jīng)濟發(fā)展階段、資源稟賦、信息技術發(fā)展水平、城鎮(zhèn)化水平、基礎設施建設等存在差異性，會使不同地區(qū)人工智能、老齡化和經(jīng)濟高質量發(fā)展呈現(xiàn)較大的區(qū)域差異。為了探究區(qū)域異質性問題，基于式（2）（3）對東、中、西部樣本分別進行回歸，估計結果見表8。首先，以lny表征的經(jīng)濟高質量發(fā)展為被解釋變量來逐一進行分析：式（2）是在基準模型中加入被解釋變量滯后一期，回歸結果顯示，東部區(qū)域的人工智能系數(shù)為0048，并在1%水平上顯著，說明東部區(qū)域的人工智能發(fā)展已見成效，成功跨越了增長門限，對該區(qū)域經(jīng)濟高質量發(fā)展產(chǎn)生顯著的正向促進作用，而中部和西部區(qū)域尚未突破門限值，目前仍處于前期投入發(fā)展階段。老齡化對東部區(qū)域的經(jīng)濟高質量發(fā)展影響甚微，雖然系數(shù)為負，但數(shù)值很小且并不顯著，這可能是由于東部區(qū)域經(jīng)濟發(fā)展水平較高、就業(yè)機會較多、基礎設施建設以及公共服務較為完善，會吸引大量素質較高的年輕勞動力，因此老齡化對經(jīng)濟高質量發(fā)展的消極影響并不顯著。與其背道而馳的則是西部區(qū)域，人才流失、年輕勞動力流失問題較為嚴重，導致地區(qū)老齡化加重，對經(jīng)濟高質量發(fā)展產(chǎn)生嚴重的消極影響。對式（3）進行回歸的結果顯示，三個區(qū)域的交乘項系數(shù)均為正，東部和西部區(qū)域的系數(shù)顯著大于，表明在東部和西部區(qū)域，人工智能能有效緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響，而中部區(qū)域還并不顯著，作用還未顯現(xiàn)。

當以qua表征經(jīng)濟高質量發(fā)展逐一進行回歸時發(fā)現(xiàn)，經(jīng)濟高質量發(fā)展的兩種表征方法所得到的各項回歸系數(shù)的正負及其顯著性基本一致

受篇幅限制，以qua來表征經(jīng)濟高質量發(fā)展效應的區(qū)域差異性的回歸結果請與筆者聯(lián)系索取。，這在一定程度上檢驗了人工智能、老齡化的經(jīng)濟高質量發(fā)展效應以及區(qū)域異質性是穩(wěn)健的。

五、經(jīng)濟高質量發(fā)展效應的機制檢驗

在前文的理論分析部分本文提出人工智能可以通過優(yōu)化勞動力結構、提高技術創(chuàng)新效率、提升資本形成率來緩解老齡化帶來的經(jīng)濟負效應，以促進經(jīng)濟高質量發(fā)展。在人工智能發(fā)展水平不同的地區(qū)，老齡化對經(jīng)濟高質量發(fā)展的機制效應強弱也會存在差異。因此，該部分分別從勞動力結構優(yōu)化水平、技術創(chuàng)新效率以及資本形成率三個視角出發(fā)，探究人工智能是如何影響老齡化對經(jīng)濟高質量發(fā)展的作用機制。

（一）勞動力結構升級效應

本文采用兩種檢驗方法探究勞動力結構優(yōu)化機制。第一種借鑒孫早等[29]的方法，首先檢驗人工智能有助于優(yōu)化勞動力結構。將各級別的勞動力就業(yè)占比作為被解釋變量，逐一進行回歸，實證結果見表9。按技能劃分的結果可知，人工智能技術的應用降低了對低技能與中技能勞動力的崗位需求，卻顯著增加了高技能勞動力的市場需求。進一步按受教育水平劃分可發(fā)現(xiàn)，在高技能勞動力中，相對于研究生和大學?？?，現(xiàn)階段人工智能對大學本科的市場需求最大，也就是說對大學本科勞動力的就業(yè)提升效應最大。然后考察老齡化對勞動力需求結構帶來的影響，表9中按技能劃分的結果中老齡化的影響系數(shù)并不顯著，但在按受教育年限分類的回歸結果中，老齡化對高中和大學?？苿趧恿蜆I(yè)有顯著的提升作用，對大學本科和研究生高技能勞動力就業(yè)產(chǎn)生抑制作用，同時也對初中及以下較低技能勞動力就業(yè)有抑制作用，這將不利于勞動力結構優(yōu)化，對經(jīng)濟可持續(xù)高質量發(fā)展帶來不利影響。整體來看，人工智能能有效緩解老齡化帶來的不利于勞動力結構優(yōu)化的問題。

第二種就是采用門限效應的方法。首先將高技能勞動力與中低技能勞動力的比值作為勞動力結構優(yōu)化指標，并作為被解釋變量，同時以人工智能作為門限變量，老齡化作為門限效應變量，構建門限面板回歸進行門限效應和門限個數(shù)的識別檢驗。模型參數(shù)估計結果見表10第（1）（2）列，老齡化對勞動力結構優(yōu)化的影響存在門限效應，且存在一個門限值（0283）。在人工智能發(fā)展水平較低的地區(qū)，老齡化對優(yōu)化勞動力結構的影響在10%的水平上存在促進作用（0381）;在人工智能發(fā)展水平較高的地區(qū)，老齡化優(yōu)化勞動力結構的促進作用更加強烈。隨著人工智能水平不斷提升，當超過門限值時，人工智能能夠有效緩解老齡化對勞動力結構優(yōu)化的負向效應（在第一種方法中，老齡化對高學歷勞動力就業(yè)存在抑制作用），并能顯著提升老齡化對優(yōu)化勞動力結構的促進作用。

綜合以上兩種方法可知，檢驗結果具有一定的穩(wěn)健性，假設1得證。

（二）技術創(chuàng)新效應

以人工智能作為門限變量，以地區(qū)專利申請數(shù)衡量的技術創(chuàng)新水平作為被解釋變量，構建面板門限回歸模型探究不同人工智能水平下老齡化經(jīng)濟高質量發(fā)展效應的技術創(chuàng)新效率路徑。模型估計結果見表10第（3）（4）列，發(fā)現(xiàn)以人工智能作為門限變量時，老齡化對技術創(chuàng)新效率的影響存在門限效應，且存在一個門限值（0582），在人工智能發(fā)展水平較低的地區(qū)，老齡化對技術創(chuàng)新效率的影響為負（-0129），但并不顯著;在人工智能發(fā)展水平較高的地區(qū)，老齡化對技術創(chuàng)新效率的影響轉負為正（1121），且在1%水平上顯著。也就是說，隨著人工智能水平不斷提升，當超過門限值時，人工智能能夠有效緩解老齡化對技術創(chuàng)新效率的負向效應，并顯著提升老齡化對技術創(chuàng)新效率的促進作用。

關于技術創(chuàng)新效率路徑的穩(wěn)健性檢驗，本文使用專利授權數(shù)替代被解釋變量專利申請數(shù)做穩(wěn)健性檢驗。同樣采用面板門限回歸模型逐一進行分析，結果發(fā)現(xiàn)，也存在一個人工智能門限值（0499），當人工智能水平超過該門限值，老齡化的技術創(chuàng)新效率路徑的估計系數(shù)以及對應的顯著性與專利申請數(shù)的結果基本一致，說明本部分實證結果具有一定的穩(wěn)健性

受篇幅限制，有關以專利授權數(shù)作為被解釋變量做穩(wěn)健性檢驗的實證結果請與筆者聯(lián)系索取。。綜上，假設2得證。

（三）資本形成效應

同樣，以人工智能作為門限變量，以地區(qū)資本形成率作為被解釋變量，構建面板門限回歸模型探究不同人工智能水平下老齡化經(jīng)濟高質量發(fā)展效應的資本形成路徑。模型參數(shù)估計結果見表10第（5）（6）列，以人工智能作為門限變量時，老齡化對資本形成率的影響存在門限效應，且存在一個人工智能門限值（-0475）。在門限值前后，人工智能的影響系數(shù)均顯著為負，這說明老齡化對資本形成率有顯著的負向影響。當人工智能發(fā)展水平超過該門限值，老齡化資本形成效應的估計系數(shù)從-3482提升到-1551，且均在1%水平上顯著。這可以理解為老齡化帶來儲蓄率和投資率的下滑，導致資本形成降低[3]，而人工智能的發(fā)展帶動了地區(qū)投資意愿，提高了地區(qū)資本回報率和投資率[24]，結合研究結果，說明人工智能能有效緩解老齡化帶來的低資本形成率問題，進而減弱老齡化對經(jīng)濟高質量發(fā)展的不利影響。綜上，假設3得證。

關于資本形成路徑的穩(wěn)健性檢驗，本文使用固定資本形成率替代被解釋變量資本形成率做穩(wěn)健性檢驗。同樣采用面板門限回歸模型進行分析，也僅存在一個人工智能門限值（-0586），當超過門限值時，老齡化的資本形成效應的估計系數(shù)以及對應的顯著性與資本形成率結果基本一致，說明本部分實證結果具有一定的穩(wěn)健性

受篇幅限制，有關以固定資本形成率作為被解釋變量做穩(wěn)健性檢驗的實證結果請與筆者聯(lián)系索取。。

六、結論與啟示

本文基于2006—2018年中國30個省份的面板數(shù)據(jù)，通過構建靜態(tài)面板模型、動態(tài)面板模型以及門限面板模型，多維度實證檢驗人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響效應與區(qū)域差異，進一步從勞動力結構、技術創(chuàng)新效率與資本形成率三個視角出發(fā)，運用門限面板模型檢驗人工智能和老齡化對經(jīng)濟高質量發(fā)展的內(nèi)在機制。研究結論如下：第一，人工智能能夠有效緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響，且高質量發(fā)展效應存在區(qū)域異質性，在東部區(qū)域和西部區(qū)域顯著，中部區(qū)域不顯著;第二，人工智能、老齡化對經(jīng)濟高質量發(fā)展的影響存在門限效應，在人工智能發(fā)展水平越高的地區(qū)，越有助于緩解老齡化對經(jīng)濟高質量發(fā)展的不利影響;第三，人工智能可緩解老齡化對勞動力結構、技術創(chuàng)新效率、資本形成率帶來的不利影響，實現(xiàn)要素升級并促進經(jīng)濟高質量發(fā)展。

本文研究結論具有以下政策啟示：首先，在老齡化不斷加深的現(xiàn)實情況下，加大對人工智能的投資力度，推進人工智能與社會經(jīng)濟各方面的深度融合，有利于緩解人口老齡化帶來的經(jīng)濟損失，有助于發(fā)揮人工智能為經(jīng)濟發(fā)展帶來的技術紅利。其次，人工智能通過優(yōu)化勞動力結構、提升人力資本質量、提升創(chuàng)新效率以及提升資本形成率為經(jīng)濟高質量發(fā)展帶來內(nèi)生動力的路徑機制，證明了人工智能應對老齡化的不利影響，通過提升現(xiàn)有生產(chǎn)要素質量，為經(jīng)濟高質量發(fā)展發(fā)揮重要作用，應給與高度重視并在政策上加大支持力度。再次，應高度重視高素質高層次創(chuàng)新型人才的引進與培養(yǎng)，只有不斷推陳出新，加快技術更替，突破核心技術瓶頸，才能確保人工智能的技術紅利持續(xù)發(fā)揮經(jīng)濟效用。最后，考慮到人工智能、老齡化對經(jīng)濟高質量發(fā)展效應存在區(qū)域差異，不同區(qū)域應因地制宜給予相適宜的政策支持，特別是對于人工智能效應并不顯著的中部地區(qū)，應引進人才、加大教育與科研投資，通過優(yōu)化勞動力結構、提高創(chuàng)新效率以及提高資本形成率，積極應對老齡化問題，實現(xiàn)經(jīng)濟高質量發(fā)展。

參考文獻：

[1]?陳彥斌，林晨，陳小亮.人工智能、老齡化與經(jīng)濟增長?[J].經(jīng)濟研究，2019（7）：4763.

[2]?PIFER?A，BRONTE?D?L.Our?aging?society：paradox?and?promise?[M].New?York：WW?Norton?&?Company，1986.

[3]?VOGEL?E，LUDWIG?A，BRSCHSUPAN?A.Aging?and?pension?reform：extending?the?retirement?age?and?human?capital?formation?[J].Journal?of?Pension?Economics?and?Finance，2017，16（1）：81107.

[4]?MEYER?J.Older?worker?and?the?adoption?of?new?technologies?in?ICTintensive?services?[M]∥KUHN?M，OCHSEN?C.Labour?markets?and?demographic?change.Wiesbaden：VS?Verlag?für?Sozialwissenschaften，2009：85119.

[5]?朱墨蕤，嚴明義.人口老齡化與財政支出結構：基于中國經(jīng)驗的SD分析?[J].統(tǒng)計與信息論壇，2019（11）：5058.

[6]?趙濤，張智，梁上坤.數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質量發(fā)展：來自中國城市的經(jīng)驗證據(jù)?[J].管理世界，2020（10）：6576.

[7]?ACEMOGLU?D，RESTREPO?P.Robots?and?jobs：evidence?from?US?labor?markets?[R].NBER?Working?Paper，2017.

[8]?ACEMOGLU?D，RESTREPO?P.Artificial?intelligence，automation?and?work?[R].NBER?Working?Paper，2018.

[9]?逯進，王曉飛.固定資產(chǎn)投資、老齡化與經(jīng)濟活力：基于省域視角研究?[J].人口學刊，2019（5）：5771.

[10]周祝平，劉海斌.人口老齡化對勞動力參與率的影響?[J].人口研究，2016（3）：5870.

[11]邵漢華，汪元盛.人口結構與技術創(chuàng)新?[J].科學學研究，2019（4）：739749.

[12]孟浩，張美莎.人工智能如何影響勞動力就業(yè)需求：來自中國企業(yè)層面的經(jīng)驗證據(jù)?[J].西安交通大學學報（社會科學版），2021（5）：6573.

[13]譚泓，張麗華.人工智能促進人力資本流動與提升?[J].科學學研究，2021（5）：833841.

[14]KATZ?L?F，MURPHY?K?M.Changes?in?relative?wages，19631987：supply?and?demand?factors?[J].The?Quarterly?Journal?of?Economics，1992，107（1）：3578.

[15]朱巧玲，李敏.人工智能、技術進步與勞動力結構優(yōu)化對策研究?[J].科技進步與對策，2018（6）：3641.

[16]史桂芬，黎涵.人口遷移、勞動力結構與經(jīng)濟增長?[J].管理世界，2018（11）：174175.

[17]劉智勇，李海崢，胡永遠，等.人力資本結構高級化與經(jīng)濟增長：兼論東中西部地區(qū)差距的形成和縮小?[J].經(jīng)濟研究，2018（3）：5063.

[18]NODA?H.Population?aging?and?creative?destruction?[J].Journal?of?Economic?Research，2011（16）：2958.

[19]GONZALEZEIRAS?M，NIEPELT?D.Ageing，government?budgets，retirement，and?growth?[J].European?Economic?Review，2012，56（1）：97115.

[20]汪偉，姜振茂.人口老齡化對技術進步的影響研究綜述?[J].中國人口科學，2016（3）：114125.

[21]BRYNJOLFSSON?E，ROCK?D，SYVERSON?C.Artificial?intelligence?and?the?modern?productivity?paradox：a?clash?of?expectations?and?statistics?[R].NBER?Working?Paper，2017.

[22]張龍鵬，張雙志.技術賦能：人工智能與產(chǎn)業(yè)融合發(fā)展的技術創(chuàng)新效應?[J].財經(jīng)科學，2020（6）：7488.

[23]齊傳鈞.人口老齡化對經(jīng)濟增長的影響分析?[J].中國人口科學，2010（S1）：5465.

[24]黃德春，劉志彪.環(huán)境規(guī)制與企業(yè)自主創(chuàng)新：基于波特假設的企業(yè)競爭優(yōu)勢構建?[J].中國工業(yè)經(jīng)濟，2006（3）：100106.

[25]韓民春，喬剛.工業(yè)機器人對中國區(qū)域經(jīng)濟的異質性影響研究：基于新結構經(jīng)濟學的視角?[J].技術經(jīng)濟，2020（8）：8594.

[26]左鵬飛，姜奇平，陳靜.互聯(lián)網(wǎng)發(fā)展、城鎮(zhèn)化與我國產(chǎn)業(yè)結構轉型升級?[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2020（7）：7191.

[27]陳詩一，陳登科.霧霾污染、政府治理與經(jīng)濟高質量發(fā)展?[J].經(jīng)濟研究，2018（2）：2034.

[28]郭然，原毅軍.生產(chǎn)性服務業(yè)集聚能夠提高制造業(yè)發(fā)展質量嗎？?[J].當代經(jīng)濟科學，2020（2）：120132.

[29]孫早，侯玉琳.工業(yè)智能化如何重塑勞動力就業(yè)結構?[J].中國工業(yè)經(jīng)濟，2019（5）：6179.

[30]謝莉娟，陳錦然，王詩桪.ICT投資、互聯(lián)網(wǎng)普及和全要素生產(chǎn)率?[J].統(tǒng)計研究，2020（9）：5667.