數(shù)字經濟發(fā)展的人口紅利效應

周健 鄧晶晶

摘 要：“人口紅利”是解釋中國等東亞國家經濟增長奇跡的核心概念和關鍵要素，但一些國家的人口紅利在創(chuàng)造經濟奇跡之后已開始逐漸衰退。當前全球數(shù)字經濟蓬勃發(fā)展，其能夠減緩人口紅利的衰退，形成數(shù)字經濟發(fā)展的人口紅利效應嗎？在數(shù)字經濟發(fā)展通過提高勞動參與率、勞動就業(yè)率、人力資本以及資本深化水平緩解人口紅利衰退的理論基礎上，基于2013—2020年省級面板數(shù)據(jù)，采用引入三變量交互項的雙向固定效應模型、動態(tài)面板DIF-GMM和SYS-GMM模型進行實證檢驗。結果表明：第一，數(shù)字經濟發(fā)展對人口紅利的衰退具有顯著的減緩作用。該減緩作用是通過提高勞動就業(yè)率、人力資本以及資本深化水平間接實現(xiàn)的，數(shù)字經濟發(fā)展通過提高勞動參與率影響人口紅利的傳導路徑不具顯著性。

第二，在利用工具變量法處理內生性問題后，結論依然具有穩(wěn)健性。

第三，異質性分析表明，以“胡煥庸線”為界的東南部地區(qū)勞動年齡人口比重下降對經濟增長的影響較西北部地區(qū)明顯，同時數(shù)字經濟發(fā)展對人口紅利衰退的減緩作用較西北部地區(qū)突出。以秦嶺—淮河一線為界的南方地區(qū)勞動年齡人口比重的下降對經濟增長的影響較北方地區(qū)明顯，較為特別的是北方地區(qū)數(shù)字經濟發(fā)展通過人力資本影響人口紅利的系數(shù)較南方地區(qū)大一些。以國家統(tǒng)計局三大地帶為劃分標準的東中西部地區(qū)異質性顯示，數(shù)字經濟發(fā)展通過勞動就業(yè)率、資本深化緩解人口紅利衰退的能力從強到弱依次為東部、中部、西部，而西部地區(qū)通過人力資本緩解人口紅利衰退的邊際能力卻強于東部、中部地區(qū)。

關鍵詞：數(shù)字經濟；人口紅利；勞動力就業(yè)；人力資本；經濟增長

中圖分類號： F241

文獻標識碼： A

文章編號：1000-4149（2023）04-0001-21

DOI：10.3969/j.issn.1000-4149.2023.00.025

一、引言

人口問題始終是世界各國關注的全局性、戰(zhàn)略性問題。“人口紅利”是解釋中國等東亞國家經濟增長奇跡的核心概念和關鍵要素，但人口紅利并不能無限期地持續(xù)下去，只是提供了一個有限的機會窗口，以中國為代表的一些國家的人口紅利在創(chuàng)造經濟奇跡之后已開始逐漸衰退［1］。那么，作為人口紅利收獲典范的中國，人口紅利消失了嗎？答案是否定的。2021年中國國家統(tǒng)計局作出了“勞動力資源依然豐富，人口紅利依然存在，同時勞動年齡人口逐年緩慢減少”的官方判斷【

見國家統(tǒng)計局網(wǎng)站“第七次全國人口普查主要數(shù)據(jù)結果新聞發(fā)布會答記者問”，http：//www.stats.gov.cn/tjsj/zxfb/202105/t20210511_1817274.html】。

在“一帶一路”倡議

背景下，基于中國的經驗證據(jù)探索如何減緩人口紅利的衰退、在有限的人口機會窗口內收獲更多的人口紅利，不僅有利于講好中國人口與經濟發(fā)展故事，也有利于世界經濟的可持續(xù)發(fā)展。

當前全球數(shù)字經濟蓬勃發(fā)展，其改變著企業(yè)、居民和政府的行為方式以及產業(yè)和宏觀經濟的運行方式，為推動經濟增長作出了重大貢獻［2-3］。據(jù)測算，2012—2021年，數(shù)字經濟規(guī)模在當年國內生產總值的占比由21.6%提升至39.8%【 參見《回眸2022，十組數(shù)據(jù)看亮點》，http：//news.china.com.cn/2022-12/29/content_85032500.htm】。那么，其作為引領新一輪技術革命與產業(yè)革命的新型戰(zhàn)略性組織形態(tài)［4］，能夠減緩人口紅利的衰退、形成數(shù)字經濟發(fā)展的人口紅利效應嗎？學界對此已有少量討論，雖然都得到了數(shù)字經濟對人口紅利具有積極影響的結論，但鮮有關于數(shù)字經濟影響人口紅利理論的系統(tǒng)分析。有研究認為，數(shù)字化是推動人口結構轉型的重要經濟因素［5］，人口紅利和數(shù)字鴻溝之間存在著強烈的逆向關系，解決數(shù)字鴻溝所產生的數(shù)字紅利可以極大地促進人口紅利［6］。還有研究認為，數(shù)字化可以影響勞動年齡人口和勞動力市場，人口紅利將對數(shù)字時代的整體經濟表現(xiàn)產生積極影響，由此需要關注如何在數(shù)字經濟中實現(xiàn)這一機遇，通過最大限度地發(fā)揮所有經濟部門的人口紅利潛力，促進經濟可持續(xù)增長［7］。

綜上可見，學者們對于數(shù)字經濟影響人口紅利的研究雖取得了一些極有借鑒意義的成果，但直接研究數(shù)字經濟發(fā)展對人口紅利影響的文獻較少，在理論和實證層面仍然存在改進的余地：首先，數(shù)字經濟影響人口紅利的理論框架有待完善。一是數(shù)字經濟發(fā)展背景與人口紅利之間的關系有待深入剖析；二是數(shù)字經濟對人口紅利的影響錯綜復雜，鮮有文獻對此進行深入研究。其次，關于數(shù)字經濟的測度有待改進?，F(xiàn)有文獻多根據(jù)研究需要選取少數(shù)代表性指標對數(shù)字經濟進行測度，指標的涵蓋面不足；

或使用二手數(shù)據(jù)合成指標，這些會影響數(shù)字經濟測度結果的合理性以及結論的可信性?；诖?，本文在分析數(shù)字經濟影響人口紅利理論機制的基礎上，使用內生經濟增長模型構建數(shù)字經濟影響人口紅利的研究框架，并利用2013—2020年間中國省域面板數(shù)據(jù)，采用引入三變量交互項的雙向固定效應、動態(tài)面板等模型分析數(shù)字經濟對人口紅利的影響，旨在闡明數(shù)字經濟發(fā)展能夠減緩人口紅利的衰退，形成數(shù)字經濟發(fā)展的人口紅利效應。

二、理論分析及研究假定

1.人口紅利概念的界定

自梅森（Mason）1997年在《亞洲—太平洋人口與政策》中首次提出人口紅利以來［8］，人口紅利的概念在不斷的爭論中得到了豐富與完善。部分學者從勞動年齡人口增長速度角度界定了人口紅利的概念：布魯姆和威廉姆森（Bloom & Williamson）指出，死亡率和生育率從高到低的轉變會使得勞動年齡人口的增長率超過人口增長率，而此時經濟增長將更加迅速，人口結構轉型也就形成了人口紅利［9］。梅森和李（Lee）認為當勞動年齡人口的增長速度超過被撫養(yǎng)人口增長速度時，有利于經濟增長和社會福利的增加，便產生了人口紅利［10］。也有部分學者從勞動年齡人口占比角度理解人口紅利：一種見解是人口紅利是伴隨著勞動年齡人口占總人口比重的持續(xù)上升和人口撫養(yǎng)比的持續(xù)下降而存在的［11-12］；另一種則認為人口紅利是在人口轉變過程中形成的“中間大、兩頭小”的人口年齡結構，這一人口條件對經濟發(fā)展具有積極作用［13-15］。如果勞動年齡人口在總人口中的比重較大，伴隨著勞動生產率的提升便可以產生促進經濟增長的人口紅利［16］。此外，也有學者認為人口紅利是人口年齡結構對經濟增長的影響［17-18］。總的來說，雖然學術界對人口紅利概念的界定千差萬別，但都認同人口紅利的核心是為經濟增長提供充足的勞動力。

此外，人口紅利的類型也得到了擴展。主要包括第一人口紅利（傳統(tǒng)人口紅利）、第二人口紅利、質量型人口紅利

、配置型人口紅利等［19-21］。同時，對人口紅利的研究也逐步從本源的數(shù)量概念擴展為關于老年人口儲蓄、教育和人力資本、產業(yè)結構升級和人口遷移流動等因素對經濟增長的影響，但這些擴展的人口紅利類型，很可能會混淆人口因素與人口以外因素對經濟增長的作用。正如國家統(tǒng)計局所作出的“人口紅利依然存在”的判斷，本文旨在探究數(shù)字經濟發(fā)展是否能夠減緩人口紅利的衰退，因此分析時將人口紅利的概念鎖定在傳統(tǒng)的人口紅利上面。

由此，與原新和劉厚蓮對于人口紅利的界定類似［17］，本文將人口紅利界定為人口年齡結構對經濟增長的影響，其在人口機會窗口【 人口機會窗口是指在人口轉變過程中形成的“中間大、兩頭小”（15—64歲的勞動適齡人口規(guī)模大，兩頭小是指0—14歲的少兒人口和65歲及以上的老年人口規(guī)模?。┑挠欣诮洕l(fā)展的人口年齡結構。】內通過促進勞動參與率、勞動就業(yè)率、人力資本、資本深化等途徑充分利用人口機會，促進經濟增長。

2.數(shù)字經濟的人口紅利效應理論

自美國學者泰普斯科特（Tapscott）提出“數(shù)字經濟”一詞以來［22］，國內外專家學者紛紛致力于數(shù)字經濟的相關研究，對數(shù)字經濟的認識也越來越深刻，但鮮有學者探究數(shù)字經濟的產生背景與人口紅利之間的關系。追根溯源，我們可以發(fā)現(xiàn)數(shù)字經濟的產生與應對人口老齡化對經濟增長的沖擊具有很強的關聯(lián)性。隨著工業(yè)化、現(xiàn)代化和城市化的發(fā)展，發(fā)達國家率先完成了人口再生產類型的轉變，人口年齡結構已轉為老年型，紛紛步入老齡化社會。作為發(fā)展中國家的中國，也于2000年邁進老齡化社會的門檻，截至2021年，中國65歲及以上老年人口規(guī)模已達2.0056億【 數(shù)據(jù)來源為國家統(tǒng)計局《中國統(tǒng)計年鑒（2022）》中“2-4人口年齡結構和撫養(yǎng)比部分”：

http：//www.stats.gov.cn/sj/ndsj/2022/indexch.htm】，占總人口的 14.20%，可見老齡化加深速度之快。伴隨著老齡化程度的不斷加深，勞動年齡人口逐年減少，從供給的角度來看會產生勞動力供給短缺以及成本上漲等一系列經濟社會問題。由此，一系列應對人口老齡化的策略相伴而生，如研究通過人工智能的發(fā)展來應對老齡化對經濟增長的沖擊［23-24］、在數(shù)字經濟中推進積極老齡化。換言之，數(shù)字經濟是伴隨著積極應對人口老齡化的需求、勞動年齡人口的逐漸減少而出現(xiàn)的。當前，學術界更多地致力于數(shù)字經濟對經濟增長的影響研究，卻很少關注數(shù)字經濟對人口紅利的影響。那么，數(shù)字經濟可以減緩人口紅利的衰退嗎？其將通過什么途徑減緩人口紅利的衰退呢？

一個國家或地區(qū)的人口轉變過程中形成一個“中間大、兩頭小”的有利于經濟發(fā)展的人口年齡結構即人口機會窗口，但其只是收獲人口紅利的人口基礎，并不會自動地轉化為人口紅利［10，25-28］。一般來說，將人口年齡結構優(yōu)勢轉化為切實的經濟增長成果，實現(xiàn)人口紅利主要取決于人口年齡結構優(yōu)勢是否能夠轉化為更多的勞動投入、是否能夠伴隨著勞動效率的提升。當人口年齡結構優(yōu)勢能夠通過提高勞動參與率、勞動就業(yè)率轉化為更多勞動投入；能夠通過勞動力人力資本水平的提升和資本的深化提升勞動效率，進而更充分地轉化為經濟增長成果時，則相當于其減緩了人口紅利的衰退。與此同時，數(shù)字經濟發(fā)展可以促進勞動參與率和勞動就業(yè)率的提高，也可以促進人力資本水平的提升和資本的深化，由此間接地減緩人口紅利的衰退，具體影響機理如下。

第一，促進人口年齡結構優(yōu)勢轉化為更多的勞動投入。勞動年齡人口只有勞動參與率較高，就業(yè)較充分時，才能真正成為促進經濟增長的源泉。

①數(shù)字經濟發(fā)展可以提高勞動參與率。勞動年齡人口除了包括經濟活動人口外，還包括殘障人士、家庭生產者等群體。數(shù)字經濟的發(fā)展可以為殘障人群提供更多就業(yè)機會［29］，吸引喪失部分勞動能力的殘疾人參與到經濟活動之中［30］，在提高殘障人群生計能力的同時促進了經濟的發(fā)展；也可以通過靈活就業(yè)、家務勞動社會化等方式促進從事家庭生產的適齡非勞動力向勞動力的轉變，提高勞動參與率。

②④③⑤⑥⑦⑧⑨⑩

數(shù)字經濟

可以通過提供更多的就業(yè)機會提高勞動就業(yè)率。數(shù)字經濟的本質是技術進步，其對就業(yè)市場的影響存在就業(yè)創(chuàng)造效應的機遇，也存在就業(yè)替代效應的挑戰(zhàn)，但從總效應來看，數(shù)字經濟帶來的正面效應要大于負面效應。首先是就業(yè)創(chuàng)造效應。一方面，數(shù)字經濟有利于降低傳統(tǒng)產業(yè)的生產、流通、交換等成本，促進效率的提升和產品價格的下降，進而拉動產品需求的上升，增加對勞動要素投入需求。另一方面，數(shù)字經濟可以通過催生新業(yè)態(tài)和激發(fā)消費者的產品需求創(chuàng)造就業(yè)機會

［31-33］。據(jù)統(tǒng)計，2019—2021年人社部發(fā)布的4批56個新職業(yè)中，約60%的職業(yè)與數(shù)字經濟有關【http：//www.sipac.gov.cn/ldhshbzj/tzgg/202105/9a5f774b821e4289a66aa9e992c3f0cb.shtml】。其次是就業(yè)替代效應?；跀?shù)字技術物化而形成的資本要素會直接對勞動力產生替代［34］。較為特別的是，數(shù)字經濟的替代效應存在著異質性：從勞動力個體特點角度來看，有研究發(fā)現(xiàn)男性、低技能、從事對橫向和社交技能需求較低常規(guī)工作的群體面臨被替代的風險較大［35］。

也有研究指出女性、55歲以上、教育水平較低、生活困難和從不使用互聯(lián)網(wǎng)的人是有些歐盟國家數(shù)字化時代最脆弱的群體［36］；從產業(yè)結構角度來看，數(shù)字經濟發(fā)展對農業(yè)類工作產生了負向影響，但是對非農就業(yè)，特別是非正規(guī)就業(yè)具有顯著的促進作用［37］；從勞動力市場分類角度來看，與高端勞動力市場的抽象性工作和低端勞動力市場的個性化服務相比，中端勞動力市場的工作內容更為流程化，更具重復性，更容易被替代［38］。最后，從總效應角度來看，數(shù)字經濟對就業(yè)機會的影響應該是正向的。數(shù)字化不會廣泛取代人類勞動，只有過時的、不再有用的就業(yè)形式才會被更適合數(shù)字技術發(fā)展的新形式所取代［39-40］。也有學者研究發(fā)現(xiàn)，數(shù)字化只能替代某個職業(yè)中的某些任務，而不是整個職業(yè)，與此同時，新的數(shù)字技術也會創(chuàng)造新的工作和職業(yè)，2013年只有15%的德國員工面臨被自動化取代的風險［41］。沒有任何跡象表明數(shù)字化將會導致德國

出現(xiàn)大規(guī)模失業(yè)［42］。戚聿東等對于中國的研究發(fā)現(xiàn)，數(shù)字經濟發(fā)展促進了就業(yè)環(huán)境持續(xù)改善、就業(yè)能力不斷增強，也帶動了就業(yè)結構優(yōu)化和就業(yè)質量提升［43］。

第二，促進勞動效率的提升。參與經濟活動的勞動年齡人口多少只是單純的數(shù)量型生產要素，其對經濟增長的貢獻還要取決于其是否具有和能否提升勞動效率。

①勞動力人力資本水平的提升，可以使其更有效地運用技術，提高其勞動生產率和物質要素的使用效率，進而推動經濟持續(xù)高質量增長。在人口紅利逐漸衰退國家的有限機會窗口內，數(shù)字化可以通過促進勞動力人力資本水平的提升，使其收獲更多的人口紅利。數(shù)字經濟發(fā)展可以降低人力資本投資成本，足不出戶便可以享有各種學習機會，使得終生學習成為可能，也能夠為偏遠落后地區(qū)普及發(fā)達地區(qū)的優(yōu)質教學內容，促進人力資本投資的機會公平，縮小區(qū)域間人力資本差距，提升人均人力資本水平。相關研究表明，數(shù)字化可以提高一個國家或地區(qū)工作年齡人口的知識、技能和效率［7］，特別是會對一個國家的年輕人口產生重大影響，為大量年輕人口提供優(yōu)質的教育、適當?shù)尼t(yī)療保健

以及其他可能提高其生產力和就業(yè)機會的經濟因素［5］，使其在技術上更為先進、更有能力［44］。李夢娜和周云波研究發(fā)現(xiàn)，數(shù)字經濟發(fā)展顯著提高了中國人力資本結構高級化水平，尤其是顯著提高低級和高級人力資本水平［45］。

②隨著

資本深化，勞動力與更多更有科技含量、更有效率的機器設備結合可以提高勞動生產率，以此推動經濟增長。在勞動年齡人口不斷減少的情況下，數(shù)字經濟可以通過對資本與勞動的技術擴展以及兩者之間的再配置提升生產效率［4］。對于數(shù)字技術投資而言，其生產信息和通信產品及服務的活動可以直接促進生產率的增長，進而推動GDP的增長，而作為一種資本投入，當數(shù)字技術與勞動力相結合時，會導致資本深化，提高其他經濟部門的勞動生產率［3］。

3.理論模型與研究假設

基于以上分析，為進一步探究數(shù)字經濟如何通過提高勞動參與率、勞動就業(yè)率、人力資本水平以及資本深化來促進人口紅利的實現(xiàn)，減緩人口紅利的衰退，采用帶有時變參數(shù)的內生經濟增長模型進行分析，與新古典增長模型（將技術進步視為影響經濟增長的外生因素，而將儲蓄和資本積累視為經濟增長的驅動力）相比，內生增長模型將技術進步作為影響經濟增長的核心關鍵因素（內生因素）【 內生增長理論表明，對人力資本、創(chuàng)新和知識的投資具有技術經濟的正外部性和溢出效應，這將促進經濟發(fā)展［46］?！俊?/p>

生產函數(shù)設定為一般的CD函數(shù)，勞動力蘊含于人力資本中，且為產出增加型（?？怂怪行裕僭O規(guī)模報酬不變（α+β=1），滿足稻田條件，具體模型為：

Y（t）=A（t）K（t）αH（t）β（1）

2.數(shù)據(jù)處理

（1）變量定義。

被解釋變量：經濟增長水平（gdp），用各省人均實際GDP值來衡量，為保持與大多數(shù)變量數(shù)量級一致，單位換算為萬元。

解釋變量：人口年齡結構（wap），參考鐘水映等的研究［18］

使用勞動年齡人口占總人口的比重作為代理變量。

調節(jié)變量：數(shù)字經濟發(fā)展水平（dig），學界對數(shù)字經濟的測度主要包括直接法和對比法兩種方法，其中直接法是根據(jù)數(shù)字經濟的界定范圍估計數(shù)字經濟的規(guī)模，但由于其對數(shù)據(jù)可得性要求甚高，且各國關于數(shù)字經濟的統(tǒng)計制度尚不健全［48］，學者們更多地采用對比法即通過構建數(shù)字經濟指標體系綜合計算得到數(shù)字經濟發(fā)展水平［49］。鑒于數(shù)據(jù)的可獲得性，參考柏培文和張云的指標選取方法［4］，從數(shù)字產業(yè)、數(shù)字創(chuàng)新、數(shù)字用戶以及數(shù)字平臺活躍度

四個維度對數(shù)字經濟發(fā)展水平進行測度。選擇這四個維度的理由是：數(shù)字產業(yè)活躍度反映了數(shù)字經濟產業(yè)的發(fā)展程度，是數(shù)字經濟發(fā)展的核心支撐；數(shù)字創(chuàng)新活躍度反映了數(shù)字經濟發(fā)展的創(chuàng)新環(huán)境，是數(shù)字經濟發(fā)展的內生動力；數(shù)字用戶活躍度體現(xiàn)了用戶的數(shù)字化水平，是數(shù)字經濟發(fā)展的用戶基礎；數(shù)字平臺活躍度反映了網(wǎng)絡平臺的數(shù)字化水平，是數(shù)字經濟

快速發(fā)展的設施基礎。具體指標選取見表1。

在對以上指標進行標準化處理的基礎上采用主成分分析法測度數(shù)字經濟發(fā)展指標【 KMO檢驗結果顯示，KMO值為0.874（大于0.8），Bartlett檢驗結果顯示指標變量之間存在顯著的相關性，說明采用主成分分析法測度數(shù)字經濟發(fā)展情況具有合理性?！俊?/p>

中介變量：勞動參與率（lp），使用經濟活動人口占勞動年齡人口的比重來衡量；勞動就業(yè)率（ep），使用就業(yè)人口占經濟活動人口比重來衡量；人力資本（edu），使用人均受教育年限來衡量；資本深化（capital），使用人均資本存量來衡量，其中資本存量計算方法參考張軍等的研究［50］

采用永續(xù)盤存法來測算，單位換算為萬億元。

控制變量：考慮影響經濟增長的因素，以及數(shù)據(jù)的完整性與可得性，本文選用的控制變量包括財政支出（fin），使用地方財政支出占地區(qū)生產總值百分比來衡量；外貿依存度（trade），使用進出口貿易總額與地區(qū)生產總值的百分比來測度；環(huán)境規(guī)制（er），參考李虹等的研究［51］

通過綜合指數(shù)法測算包含工業(yè)煙（粉）塵去除率、工業(yè)二氧化硫去除率、一般工業(yè)固體廢物綜合利用率、生活垃圾無害化處理率、污水處理廠集中處理率五個指標的環(huán)境規(guī)制綜合指數(shù)；科技進步（tec），使用科研經費占地區(qū)生產總值百分比來衡量；產業(yè)結構高級化（str），參考付凌暉的研究［52］將 GDP 分為三個部分（三次產業(yè)），并將三次產業(yè)增加值占 GDP的比重作為空間向量中的分量來衡量產業(yè)結構高級化指標；外商直接投資（ifdi），使用外商投資額占地區(qū)生產總值百分比來衡量；對外直接投資（ofdi），使用對外投資額占地區(qū)生產總值百分比來衡量；土地流轉（land），使用土地流轉面積來衡量，單位換算為百萬畝。

各變量描述性統(tǒng)計見表2。

（2）數(shù)據(jù)來源。

本文使用2013—2020 年中國大陸30個省份的面板數(shù)據(jù)進行研究（西藏地區(qū)由于數(shù)據(jù)缺失予以剔除）。數(shù)據(jù)來源為《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、《中國人口和就業(yè)統(tǒng)計年鑒》、《中國教育統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》、《中國農村經營管理統(tǒng)計年報》、CSMAR數(shù)據(jù)庫以及各省統(tǒng)計年鑒。

四、實證結果與分析

1.基準回歸參數(shù)估計

豪斯曼檢驗結果顯示固定效應優(yōu)于隨機效應，固定效應可以在一定程度上減輕省略變量誤差帶來的內生性，本文基準回歸模型選擇雙向固定效應。

表3報告了數(shù)字經濟發(fā)展影響人口紅利的基準回歸結果。其中模型（1）考察了數(shù)字經濟發(fā)展、人口年齡結構、勞動參與率、勞動就業(yè)率、人力資本以及資本深化對經濟增長的影響，結果顯示各變量對經濟增長的影響系數(shù)均顯著為正。

模型（2）為在模型（1）的基礎上增加了控制變量的回歸結果，從控制變量參數(shù)估計結果來看，環(huán)境規(guī)制（er）與土地流轉（land）的系數(shù)均未通過顯著性檢驗。

從環(huán)境規(guī)制角度來看，可能的原因是，一方面各區(qū)域地方政府對環(huán)境規(guī)制政策的制定和實施存在“模仿”行為，引發(fā)了對環(huán)境規(guī)制政策的博弈，進而會產生“搭便車”行為，通過“擠出”效應減少本地的環(huán)保投入，不利于綠色低碳發(fā)展，對經濟增長產生負向影響；另一方面可以通過“示范”效應增加鄰近省區(qū)的環(huán)保投入，提升環(huán)境質量，促進經濟增長可持續(xù)，兩種相反方向的影響相抵消，導致該系數(shù)的不顯著；從土地流轉角度來看，土地經營權流轉對區(qū)域經濟增長的影響十分有限，其可能的原因是，2013年習近平總書記提出農地產權的“三權分置”政策，該政策實施雖已有一定時間，但相關配

套性制度安排的不斷完善具有長期性，加之農地小規(guī)模經營依然存在，最終導致了土地流轉的系數(shù)不具顯著性。其他控制變量對經濟增長的影響均通過了顯著性檢驗。

模型（3）是在模型（2）的基礎上增加了人口年齡結構與中介變量（勞動參與率、勞動就業(yè)率、人力資本以及資本深化）的交互項、人口年齡結構與數(shù)字經濟發(fā)展交互項以及數(shù)字經濟發(fā)展與中介變量的交互項，因本文所要分析的重點在于數(shù)字經濟對人口紅利的影響，因此增加此組交互項時并沒有依次列出，而是一同列出了回歸結果。其中，除勞動參與率外，其他中介變量與人口年齡結構的交互項系數(shù)均顯著為負，表明勞動就業(yè)率、人力資本以及物質資本積累水平的提升可以緩解因人口年齡結構老化、勞動年齡人口比重下降對經濟增長的負向影響，即能夠減緩人口紅利的衰退；人口年齡結構與數(shù)字經濟發(fā)展的交互項系數(shù)雖然為正，但影響大小微弱且不具顯著性，一定程度上表明數(shù)字經濟發(fā)展對人口紅利的直接影響微弱，更多的是通過中介變量影響人口紅利。除勞動參與率外，其他中介變量與數(shù)字經濟發(fā)展的交互項系數(shù)均顯著為正，表明數(shù)字經濟發(fā)展可以增強各中介變量對經濟增長的影響。較為特別的是，包含勞動參與率的交互項系數(shù)均不具顯著性。

模型（4）、模型（5）、模型（6）、模型（7）為在模型（3）的基礎上依次增加數(shù)字經濟、人口年齡結構、勞動參與率交互項，數(shù)字經濟、人口年齡結構、勞動就業(yè)率交互項，數(shù)字經濟、人口年齡結構、人力資本交互項，以及數(shù)字經濟、人口年齡結構、資本深化交互項的回歸結果。從回歸結果可見，除包含勞動參與率的交互項系數(shù)不顯著，與理論分析存在差異外，其他各交互項系數(shù)均顯著為負，表明數(shù)字經濟可以通過影響勞動就業(yè)率、人力資本和資本深化水平緩解因勞動年齡人口比重下降所引起的人口紅利的衰退，驗證了本文的理論假設。

2.動態(tài)面板回歸參數(shù)估計

動態(tài)面板可以更好地解決傳統(tǒng)面板數(shù)據(jù)固定效應模型存在的內生性問題。因此本文采

用DIF-GMM和SYS-GMM模型，進一步緩解模型中存在的內生性，回歸結果如表4、表5所示【 限于篇幅，表4至表10中的回歸結果匯報均按照公式（11）中能夠影響人口紅利的因素匯報，其他指標的回歸結果作者留存?zhèn)渌鳌！俊?/p>

從DIF-GMM和SYS-GMM模型的回歸結果可見，引入滯后被解釋變量后，數(shù)字經濟發(fā)展通過影響勞動就業(yè)率、人力資本和資本深化水平來減緩人口紅利衰退的效應依然存在（dig*wap*ep、dig*wap*edu、dig*wap*capital交互項系數(shù)顯著為負），而通過影響勞動參與率來減緩人口紅利衰退的路徑依然不具顯著性（dig*wap*lp交互項系數(shù)沒有通過顯著性檢驗），這驗證了本文基準回歸結果的穩(wěn)健性。

3.異質性分析

（1）基于“胡煥庸線”的異質性分析。

由于網(wǎng)絡效應的存在，人口規(guī)模優(yōu)勢對于中國數(shù)字經濟發(fā)展具有重要的作用［53］?！昂鸁ㄓ咕€”是劃分我國人口密度的對比線，是中國人口、經濟、社會發(fā)展特征的真實體現(xiàn)，也是專家學者研究人口、經濟、社會發(fā)展的重要參考，因我國部分省份（如四川等）被“胡煥庸線”分成了兩部分，為研究方便，本文參考尹文耀等的研究在保持省級區(qū)域完整性的情況下［54］，以省為單位，依據(jù)“胡煥庸線”將中國大陸各省份分為東南和西北兩個部分，進而考察數(shù)字經濟影響人口紅利的區(qū)域異質性，回歸結果如表6所示。

從人口年齡結構對經濟增長的影響系數(shù)大小來看，東南部地區(qū)要大于西北部地區(qū)，表明勞動年齡人口比重的下降對東南部地區(qū)的影響更為嚴重，東南部地區(qū)的人口紅利衰退速度要快于西北部地區(qū)?？赡艿脑?，一是西北地區(qū)多為少數(shù)民族的聚居地，具有更加寬松的計劃生育政策，人口年齡結構老化進程較東南部地區(qū)滯后；二是東南部地區(qū)人口基數(shù)龐大，人口年齡結構老化對經濟增長的影響更為明顯。

從數(shù)字經濟發(fā)展對人口紅利的影響角度來看，東南部地區(qū)數(shù)字經濟通過各中介變量影響人口紅利的交乘項系數(shù)絕對值均較西北部地區(qū)大，表明東南部地區(qū)數(shù)字經濟減緩人口紅利衰退的能力更為突出，可能的原因是，東南部地區(qū)具有良好的經濟基礎、區(qū)位優(yōu)勢、教育資源優(yōu)越、勞動力優(yōu)勢、資本積累優(yōu)勢等，有利于數(shù)字經濟的發(fā)展，也能夠提供更多的勞動力就業(yè)機會、更好的人力資本積累途徑、更強勁的資本深化動力。

（2）基于南北方地區(qū)的異質性分析。

中國數(shù)字經濟的發(fā)展存在較大的南北差異［55］。以秦嶺—淮河一線為界，將各省份劃分為南方、北方省份后的異質性回歸結果如表7所示。

回歸結果中較為特別的是，與南方相比，北方地區(qū)數(shù)字經濟發(fā)展通過人力資本影響人口紅利的系數(shù)要大一些，其原因可能是，北方數(shù)字經濟發(fā)展相對落后，對于數(shù)字人才的需求更為強烈，通過人力資本緩解人口紅利衰退的邊際效應更大一些。

（3）基于東、中、西部地區(qū)的異質性分析。

國家工業(yè)信息安全發(fā)展研究中心發(fā)布的《全國數(shù)字經濟發(fā)展指數(shù)（2021）》報告顯示【http：//finance.people.com/cn/n1/2022/0706/c1004-32467789.html】，數(shù)字經濟發(fā)展的不平衡現(xiàn)象依然存在，東部地區(qū)數(shù)字發(fā)展水平較高，而西部地區(qū)數(shù)字經濟發(fā)展相對滯后。參考國家統(tǒng)計局三大地帶的劃分標準，將全國總體樣本劃分為東部、中部、西部的異質性回歸結果如表8所示。

從東、中、西部地區(qū)的回歸結果可見，數(shù)字經濟發(fā)展通過勞動就業(yè)率、資本深化緩解人口紅利衰退的能力從強到弱依次為東部、中部、西部，其原因可能是東部地區(qū)經濟活動更為活躍，數(shù)字經濟的發(fā)展環(huán)境較中部、西部更為優(yōu)越，對企業(yè)創(chuàng)新創(chuàng)業(yè)行為的促進作用更為明顯，工業(yè)化、城鎮(zhèn)化水平明顯高于中西部地區(qū)，對勞動參與率、勞動就業(yè)率以及資本深化的影響能力更強；中部地區(qū)雖然具有廣闊的市場潛力、承東啟西的區(qū)位優(yōu)勢和四通八達的交通條件，但人均資源占有量較少、生態(tài)環(huán)境較為脆弱、產業(yè)體系不夠完全；西部地區(qū)幅員遼闊、

地形復雜，數(shù)字基礎設施條件較差，工業(yè)化與城鎮(zhèn)化水平較低，因此數(shù)字經濟發(fā)展對人口紅利衰退的緩解作用不僅落后于東部地區(qū)，也落后于中部地區(qū)。

然而，西部地區(qū)通過人力資本緩解人口紅衰退的邊際能力卻強于東部、中部地區(qū)。可能的原因是，與東部、中部地區(qū)相比，西部地區(qū)的人口年齡結構較為年輕［56］，更有利于人力資本積累，數(shù)字經濟發(fā)展通過人力資本水平緩解人口紅利衰退是西部地區(qū)主要的中介途徑具有一定的合理性。

4.內生性處理

解決內生性是經濟學研究中不可忽視的重點問題。雖然本文已通過雙向固定效應模型、動態(tài)面板模型控制了一部分內生性，但模型依然可能存在內生性問題：一方面，數(shù)字經濟的發(fā)展依賴于人口規(guī)模和網(wǎng)民數(shù)量［53］，數(shù)字經濟和人口紅利間很可能存在潛在的因果內生性。另一方面，影響人口紅利實現(xiàn)的因素頗多，雖然本文已努力控制了重要影響指標，但仍難以防止遺漏變量所產生的內生性。本文將進一步采用工具變量法來緩解模型的內生性問題。

數(shù)字經濟發(fā)展的初期主要是依賴信息處理技術和網(wǎng)絡建設，從歷史角度考察，中國的互聯(lián)網(wǎng)接入技術發(fā)展應該是源于固定電話的普及，由此歷史上固定電話普及率較高的地區(qū)很有可能是互聯(lián)網(wǎng)發(fā)展較好的地區(qū)，進而可能是數(shù)字經濟發(fā)展較好的地區(qū)。就當前而言，固定電話難以影響人口紅利的實現(xiàn)。因此選擇歷史的固定電話數(shù)作為工具變量具有一定的合理性。參考李治國和王杰的研究，選取1984年每百人固定電話擁有量與年份啞變量的交互項作為工具變量［57］，回歸結果見表9。

從使用工具變量的回歸結果可見，LM統(tǒng)計值均通過了顯著性檢驗，說明不存在不可識別問題。從數(shù)字經濟影響人口紅利的交乘項來看，其系數(shù)與基準回歸相比僅存在大小差異，不存在影響方向的差異，表明在處理了模型內生性后，本文的實證結果依然是可靠的。

5.穩(wěn)健性分析

基于變量縮尾的穩(wěn)健性分析。將所有變量進行1%縮尾處理并進行估計，結果如表10所示，可見變量進行縮尾處理后，數(shù)字經濟發(fā)展通過勞動就業(yè)率、人力資本、資本深化影響人

口紅利的交互項系數(shù)均顯著為負，通過勞動參與率影響人口紅利的路徑不顯著，與基準回歸結果僅存在著數(shù)值大小的差異，再一次驗證了本文實證結果的穩(wěn)健性。

此外，從表3—表9的回歸結果可見，無論是基于不同的模型還是基于不同的區(qū)域，回歸結果均顯示數(shù)字經濟發(fā)展可以通過提高勞動就業(yè)率、人力資本以及資本深化水平等途徑緩解勞動年齡人口比重下降對經濟增長的負向影響，即可以緩解人口紅利的衰退。進一步驗證了本文實證結果的穩(wěn)健性，具有一定的參考意義。

五、研究結論與政策啟示

1.研究結論

數(shù)字經濟和人口紅利問題是當前社會各界頗為關注的重點問題。發(fā)展數(shù)字經濟是把握新一輪科技革命和產業(yè)變革新機遇的戰(zhàn)略選擇，那么其能夠減緩人口紅利的衰退、形成數(shù)字經濟發(fā)展的人口紅利效應嗎？為回答這一問題，本文在系統(tǒng)分析數(shù)字經濟影響人口紅利理論機理的基礎上，搭建了數(shù)字經濟影響人口紅利的數(shù)理框架，基于中國2013—2020年省級面板數(shù)據(jù)，采用引入三變量交互項的雙向固定效應模型、動態(tài)面板模型進行了實證檢驗，研究發(fā)現(xiàn)：

①數(shù)字經濟的發(fā)展可以通過提高勞動就業(yè)率、人力資本水平以及資本深化等途徑緩解人口紅

利的衰退。較為特別的是通過提高勞動參與率影響人口紅利的路徑不具顯著性?？赡艿脑颍皇菙?shù)字經濟發(fā)展對勞動參與率的影響較為微弱;二是統(tǒng)計指標覆蓋不夠全面，數(shù)字經濟所衍生出的新型就業(yè)形態(tài)較為靈活復雜，官方統(tǒng)計指標很難覆蓋全面。

②通過工具變量法進行內生性處理后，數(shù)字經濟發(fā)展對人口紅利的影響并沒有明顯的改變。

③基于“胡煥庸線”的異質性分析表明，東南部地區(qū)數(shù)字經濟發(fā)展對人口紅利衰退的緩解作用較西北部地區(qū)突出；

基于南方、北方的異質性分析表明，與南方地區(qū)相比，北方地區(qū)數(shù)字經濟發(fā)展通過人力資本影響人口紅利的邊際效應較大，而通過勞動就業(yè)率以及資本深化影響人口紅利的邊際效應較小；基于東、中、西部的異質性分析表明，西部地區(qū)通過人力資本緩解人口紅利衰退的邊際能力較東部、中部地區(qū)更明顯。

2.政策啟示

以上研究結論為大力發(fā)展數(shù)字經濟的政策導向提供了新的證據(jù)支持，也引發(fā)了我們對如何充分發(fā)揮數(shù)字經濟發(fā)展的人口紅利效應的深入思考。

（1）大力發(fā)展數(shù)字經濟。建立和完善相關法律、稅收、監(jiān)管制度，優(yōu)化數(shù)字經濟發(fā)展環(huán)境；促進數(shù)字要素市場化配置改革，激活數(shù)字要素活力；加強數(shù)字技術基礎研發(fā)，完善智能化綜合性數(shù)字信息基礎設施，破解關鍵核心技術的“卡脖子”問題，提升數(shù)字關鍵核心技術創(chuàng)新能力；制定與數(shù)字經濟發(fā)展相適應的人才培育政策，增強數(shù)字經濟發(fā)展內生動力；鼓勵高校積極申報數(shù)字經濟相關、交叉研究項目，積極為數(shù)字經濟發(fā)展提供智力支持。

（2）充分發(fā)揮數(shù)字經濟發(fā)展的人口紅利效應。利用數(shù)字金融的普惠性，降低企業(yè)融資成本，增強市場主體活力，促進企業(yè)創(chuàng)新創(chuàng)業(yè)，提高就業(yè)創(chuàng)造能力；建立與數(shù)字經濟發(fā)展崗位需求相匹配的教育模式，該模式應具有一定的超前性，啟用產學研一體化方式為勞動力市場儲備適應性勞動力；充分挖掘數(shù)字經濟的資本深化效應，推動數(shù)字產業(yè)化發(fā)展與產業(yè)數(shù)字化轉型，為中小微企業(yè)數(shù)字化轉型提供技術金融支持，形成企業(yè)生產效率提高與資本回報率上升的良性循環(huán)。

（3）促進區(qū)域間數(shù)字經濟協(xié)調發(fā)展。數(shù)字經濟發(fā)展領先地區(qū)，應著重提升數(shù)字技術的創(chuàng)新水平，破解關鍵卡脖子技術；數(shù)字經濟發(fā)展較為落后的地區(qū)，應針對數(shù)字基礎設施建設（尤其是新型基礎設施如5G、人工智能、區(qū)塊鏈等）、實體經濟發(fā)展、研發(fā)投入等方面提供更多的科研資金支持，同時也要加強數(shù)字經濟相關人才的引進；因地制宜

地實施異質性發(fā)展政策，充分發(fā)揮數(shù)字經濟領先地區(qū)的發(fā)展優(yōu)勢，輸出先進數(shù)字技術，輻射帶動發(fā)展較為落后地區(qū)的數(shù)字經濟發(fā)展，縮小區(qū)域間發(fā)展差距。

3.不足與展望

所有事物都與其他事物相關聯(lián)［58］，以互聯(lián)網(wǎng)為載體的數(shù)字經濟具有很強的滲透性和融合性，更能夠打破地理距離的限制，使某地區(qū)的人口紅利很可能會同時受到本地區(qū)和其他地區(qū)數(shù)字經濟發(fā)展的影響，即存在潛在的空間外溢效應，未來的研究應關注數(shù)字經濟對人口紅利影響的空間效應。

此外，人口老齡化程度的加深、勞動年齡人口比重的逐漸下降是中國未來一段時期不可逆轉的趨勢。從長遠角度來看，為保障經濟的健康可持續(xù)發(fā)展，必須要促進人口紅利向人才紅利轉變，探索如何促進人口紅利向人才紅利的轉變應該是未來

研究的重點。

參考文獻：

［1］蔡昉.人口轉變、人口紅利與劉易斯轉折點［J］.經濟研究，2010（4）：4-13.

［2］ARENDT L.The digital economy， ICT and economic growth in the CEE countries［J］. Olsztyn Economic Journal， 2015，10（3）， 247-262.

［3］MYOVELLA G， KARACUKA M， HAUCAP J. Digitalization and economic growth： a comparative analysis of Sub-Saharan Africa and OECD economies［J］. Telecommunications Policy， 2019， 44（2）：101856.

［4］柏培文，張云.數(shù)字經濟、人口紅利下降與中低技能勞動者權益［J］.經濟研究，2021（5）：91-108.

［5］ZAMAN K， SARKER T. Demographic dividend， digital innovation， and economic growth： Bangladesh experience［R］.? Asian Development Bank Institute， 2021.

［6］RAO S S. Bridging digital divide： efforts in India ［J］.? Telematics and Informatics， 2005， 22（4）： 361-375.

［7］HOSAN S， KARMAKER S C， RAHMAN M M， et al.? Dynamic links among the demographic dividend， digitalization， energy intensity and sustainable economic growth： empirical evidence from emerging economies［J］.? Journal of Cleaner Production， 2022， 330： 129858.

［8］MASON A.? Population and the Asian economic miracle［J］.? Asia-Pacific Population & Policy， 1997， 43： 1-4.

［9］BLOOM D E， WILLIAMSON J G.? Demographic transitions and economic miracles in emerging Asia［J］.? The World Bank Economic Review， 1998， 12（3）： 419-455.

［10］MASON A， LEE R.? Reform and support systems for the elderly in developing countries： capturing the second demographic dividend［J］.? Genus， 2006， 62（2）： 11-35.

［11］蔡昉.中國經濟面臨的轉折及其對發(fā)展和改革的挑戰(zhàn)［J］. 中國社會科學， 2007（3）： 4-12.

［12］王德文.人口低生育率階段的勞動力供求變化與中國經濟增長［J］.中國人口科學， 2007（1）： 44-52， 96.

［13］于學軍.中國人口轉變與“戰(zhàn)略機遇期”［J］.中國人口科學， 2003（1）： 11-16.

［14］馬瀛通.人口紅利與日俱增是21世紀中國跨越式發(fā)展的動力［J］.中國人口科學， 2007（1）： 2-9， 95.

［15］鐘水映，李魁.人口紅利、空間外溢與省域經濟增長［J］. 管理世界， 2010（4）： 14-23， 186-187.

［16］BLOOM D E， CANNING D， SEVILLA J P.? Economic growth and the demographic transition［R］.??? NBER Working Papers， No.8685， 2001.

［17］原新，劉厚蓮. 中國人口紅利真的結束了嗎？［J］. 人口與經濟， 2014（6）： 35-43.

［18］鐘水映，趙雨，任靜儒. “教育紅利”對“人口紅利”的替代作用研究［J］. 中國人口科學，2016（2）： 26-34.

［19］LEE R， MASON A.? Back to basics： what is the demographic dividend？［J］.? Finance & Development， 2006， 43（3）： 16-17.

［20］楊成鋼，閆東東. 質量、數(shù)量雙重視角下的中國人口紅利經濟效應變化趨勢分析［J］. 人口學刊，

2017（5）： 25-35.

［21］原新，金牛. 新型人口紅利是經濟高質量發(fā)展的動力源［J］. 河北學刊， 2021（6）： 109-116.

［22］TAPSCOTT D.? The digital economy： promise and peril in the age of networked intelligence［M］. New York： McGraw-Hill， 1996： 44-66.

［23］ACEMOGLU D， RESTREPO P.? Secular stagnation？ the effect of aging on economic growth in the age of automation ［J］.? American Economic Review， 2017，107（5）：174-179.

［24］陳彥斌，林晨，陳小亮. 人工智能、老齡化與經濟增長［J］. 經濟研究，2019（7）： 47-63.

［25］ROSS J.? Understanding the demographic dividend［R］.? Washington DC： Futurces Group，

POLICY Project Note， 2004.

［26］劉元春，孫立. “人口紅利說”： 四大誤區(qū)［J］. 人口研究， 2009（1）： 81-90.

［27］原新，高瑗，李競博．人口紅利概念及對中國人口紅利的再認識——聚焦于人口機會的分析［J］．中國人口科學，2017（6）：19-31， 126.

［28］王廣州. 中國人口機會窗口與人口紅利再認識［J］. 中國人口科學， 2021（3）： 2-16， 126.

［29］YU H， GOGGIN G， FISHER K， et al.? Introduction： disability participation in the digital economy［J］.? Information， Communication & Society， 2019， 22（4）： 467-473.

［30］邱澤奇，喬天宇. 電商技術變革與農戶共同發(fā)展［J］. 中國社會科學， 2021（10）： 145-166， 207.

［31］BUKHT R， HEEKS R. Defining， conceptualising and measuring the digital economy［J］.? International Organisations Research Journal， 2018， 13（2）：143-172.

［32］EICHHORST W， SPERMANN A.? Sharing economy： mehr chancen als risiken？［J］.? Wirtschaftsdienst， 2016， 96（6）：433-439.

［33］周廣肅，樊綱. 互聯(lián)網(wǎng)使用與家庭創(chuàng)業(yè)選擇——來自CFPS數(shù)據(jù)的驗證［J］. 經濟評論， 2018（5）： 134-147.

［34］HOLTGREWE U.? New new technologies： the future and the present of work in information and communication technology［J］. New Technology Work & Employment， 2014， 29（1）：9-24.

［35］POULIAKAS K. Determinants of automation risk in the EU labour market： a skills-needs approach［R］. IZA No.11829，2018.

［36］VASILESCU M D， SERBAN A C， DIMIAN G C， et al. Digital divide， skills and perceptions on digitalisation in the European Union： towards a smart labour market［J］.? PLoS ONE， 2020， 15（4）： 1-39.

［37］何宗樾，宋旭光. 數(shù)字經濟促進就業(yè)的機理與啟示——疫情發(fā)生之后的思考［J］. 經濟學家，2020（5）： 58-68.

［38］AUTOR D H， KATZ L F， KEARNEY M S.? Trends in U.S.? wage inequality： revising the revisionists［J］.? Review of Economics and Statistics， 2008， 90（2）：300-323.

［39］EICHHORST W， BUHLMANN F. Die zukunft der arbeit und der wandel der arbeitswelt［J］. Wirtschaftspolitische Bltter， 2015， 62（1）： 131-148.

［40］RINNE U， ZIMMERMANN K F. Die digitale arbeitswelt von heute und morgen［J］.? Aus Politik und Zeitgeschichte， 2016， 66（18-19）： 3-9.

［41］DENGLER K， MATTHES B. The impacts of digital transformation on the labour market： substitution potentials of occupations in Germany［J］. Technological Forecasting and Social Change， 2018， 137（C）： 304-316.

［42］EICHHORST W， HINTE H， RINNE U， et al.? How big is the gig？ assessing the preliminary evidence on the effects of digitalization on the labor market［J］.? IZA Policy Papers， 2016， 28（3）：298-318.

［43］戚聿東，劉翠花，丁述磊. 數(shù)字經濟發(fā)展、就業(yè)結構優(yōu)化與就業(yè)質量提升［J］. 經濟學動態(tài)，2020（11）：17-35.

［44］SAHOO D， NAYAK S， BEHERA J.? Digitization and economic performance of two fast-growing［R］. Asian Development Bank Institute，2021.

［45］李夢娜，周云波. 數(shù)字經濟發(fā)展的人力資本結構效應研究［J］. 經濟與管理研究， 2022（1）： 23-38.

［46］ROMER P M.? Endogenous technological change［J］.? Journal of Political Economy， 1990， 98

（5）： S71-S102.

［47］李廣子，熊德華，劉力. 中小銀行發(fā)展如何影響中小企業(yè)融資？——兼析產生影響的多重中介效應［J］. 金融研究，2016（12）：78-94.

［48］彭剛，趙樂新. 中國數(shù)字經濟總量測算問題研究——兼論數(shù)字經濟與我國經濟增長動能轉換［J］. 統(tǒng)計學報， 2020（3）： 1-13.

［49］王軍，朱杰，羅茜. 中國數(shù)字經濟發(fā)展水平及演變測度［J］. 數(shù)量經濟技術經濟研究，2021（7）： 26-42.

［50］張軍，吳桂英，張吉鵬. 中國省際物質資本存量估算：1952—2000［J］. 經濟研究， 2004（10）： 35-44.

［51］李虹，鄒慶. 環(huán)境規(guī)制、資源稟賦與城市產業(yè)轉型研究——基于資源型城市與非資源型城市的對比分析［J］. 經濟研究， 2018（11）： 182-198.

［52］付凌暉. 我國產業(yè)結構高級化與經濟增長關系的實證研究［J］. 統(tǒng)計研究， 2010（8）： 79-81.

［53］李曉華. 數(shù)字經濟新特征與數(shù)字經濟新動能的形成機制［J］. 改革， 2019（11）： 40-51.

［54］尹文耀，尹星星，顏卉. 從六十五年發(fā)展看胡煥庸線［J］. 中國人口科學， 2016（1）： 25-40，126.

［55］趙放，劉雨佳. 中國數(shù)字經濟的聯(lián)系強度、空間結構與發(fā)展策略［J］. 山西大學學報（哲學社會科學版）， 2021（4）： 99-108.

［56］晏月平，黃美璇，鄭伊然. 中國人口年齡結構變遷及趨勢研究［J］. 東岳論叢， 2021（1）： 148-163.

［57］李治國，王杰. 數(shù)字經濟發(fā)展、數(shù)據(jù)要素配置與制造業(yè)生產率提升［J］. 經濟學家， 2021（10）： 41-50.

［58］TOBLER W R.? A computer movie simulating urban growth in the Detroit region［J］.? Economic Geography， 1970， 46（S1）： 234-240.

The Demographic Dividend Effect of Digital Economy Development：

Empirical Evidence from China

ZHOU? Jian， DENG? Jingjing

（School of Economics， Liaoning University， Shenyang 110036， China）

Abstract：

“Demographic dividend” is the core concept and key element to explain high economic growth of China and other

East Asian countries， but? the demographic dividend in some countries has gradually declined

after creating the economic miracle.? With the current booming development of the global digital economy， can it slow down the decline of the demographic dividend and form the demographic dividend effect of the development of digital economy？ On the basis of the alleviating effect of? digital economy on the decline of the demographic dividend via improving the labor participation rate， the labor employment rate， the human capital and the material capital accumulation，

this paper employs the two-way fixed effects model， dynamic panel DIF-GMM and SYS-GMM models with three variable interaction terms， to make an empirical analysis? based? on Chinas provincial panel data from 2013 to 2020.? The main findings can be summarized as follows：

Firstly， the development of digital economy has a significant alleviating effect on the decline of? demographic dividend，

where this alleviating effect is indirectly achieved by the improvement of labor employment rate， human capital and material capital accumulation.? The development of digital economy does not have a significant impact on demographic dividend through the improvement of labor force participation rate.

Secondly， after processing endogeneity via instrument variable， the regression results remain robust.

Thirdly， the heterogeneity analysis across regions shows that the decline in the proportion of working-age population in the southeastern region divided by the

“Hu Huanyong Line” has a more significant impact on economic growth than in the northwestern region， while the alleviating effect of digital economic development on the decline of the demographic dividend is more prominent in the northwestern region.? The decline in the proportion of working-age population in the southern region divided by the

“Qinling Mountains and Huaihe River Line” has a more significant impact on economic growth than in the northern region.? In particular，? the coefficient of digital economic development in the northern region affecting? demographic dividend through human capital is larger than that in the southern region.

According to the heterogeneity of the eastern， western and central regions

devided by the National Bureau of Statistics，? the ability of digital economy? to alleviate demographic dividend through labor participation rate， labor employment rate and material capital accumulation is strongest in the eastern region， followed by the central region， and? weakest in the western region.? However， the marginal ability of the western region to alleviate

the demographic dividend recession through human capital is stronger than that of the eastern and central regions.

Keywords：digital economy；demographic dividend；labor force employment；human capital；economic growth

［責任編輯 劉愛華］