人口老齡化、人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的影響研究

曹 澤,汪永春

(安徽建筑大學(xué) 經(jīng)濟(jì)與管理學(xué)院,安徽 合肥 230022)

產(chǎn)業(yè)結(jié)構(gòu)升級是中國經(jīng)濟(jì)在新發(fā)展格局下迫切需要解決的重大問題之一。曾經(jīng)的“人口紅利”催生了勞動密集型產(chǎn)業(yè)的發(fā)展,推動經(jīng)濟(jì)規(guī)模擴(kuò)大和績效增長,使中國成為世界第二大經(jīng)濟(jì)體。然而,隨著人民生活水平提升和預(yù)期壽命延長,老齡化問題逐漸凸顯。根據(jù)第七次人口普查數(shù)據(jù),65歲以上人口所占比例已從第五次普查的6.96%增加到第七次普查的13.5%,中國成為全球老齡化人口最多的國家之一。同時,人口老齡化也帶來了一系列社會和經(jīng)濟(jì)問題,如勞動力供給的收縮、儲蓄率的下降等[1-3]。其中,最突出的問題是經(jīng)濟(jì)增長動力的放緩。伴隨著不斷降低的勞動年齡人口比重,勞動力供需關(guān)系正從過剩轉(zhuǎn)向短缺,農(nóng)業(yè)領(lǐng)域的多余勞動力逐漸流向工業(yè)部門,帶來城鄉(xiāng)一體化局面。面對這一局勢,尋找新的經(jīng)濟(jì)增長動能成為迫切課題?？焖侔l(fā)展人工智能成為解決方案之一。人工智能憑借其高效的信息處理能力和批處理任務(wù)優(yōu)勢,成為重要的生產(chǎn)力工具。未來,人工智能將滲透到民眾生活的方方面面,其規(guī)模效應(yīng)有望推動產(chǎn)業(yè)結(jié)構(gòu)邁向更高水平。人口老齡化趨勢已經(jīng)不可逆轉(zhuǎn),推動產(chǎn)業(yè)結(jié)構(gòu)升級勢在必行。因此,有必要深入研究人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級的影響,以及人工智能在這一進(jìn)程中的潛在作用。研究采用理論分析和基于普通面板模型、門限模型以及空間杜賓模型的實(shí)證分析,深入探討人口老齡化和人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的影響效應(yīng),同時研究人工智能在這一過程中的調(diào)節(jié)作用,并基于研究結(jié)果,提出在新發(fā)展格局下積極應(yīng)對人口老齡化和加大人工智能研究投入的建議,對紓解我國產(chǎn)業(yè)結(jié)構(gòu)升級問題具有重要意義。

一、文獻(xiàn)綜述

從上升趨勢看,老齡化是我國不可回避的課題。老齡化加劇導(dǎo)致適齡勞動人口減少,老年撫養(yǎng)比增高,勞動力供給短缺,對國民經(jīng)濟(jì)產(chǎn)生一定影響,阻礙產(chǎn)業(yè)結(jié)構(gòu)的升級[4]。老年撫養(yǎng)比的上升,意味著需要削減其他投資支出以支付養(yǎng)老金,或?qū)?dǎo)致經(jīng)濟(jì)發(fā)展步伐減緩[5]。王希元等通過省際面板數(shù)據(jù)研究發(fā)現(xiàn),人口老齡化顯著抑制產(chǎn)業(yè)結(jié)構(gòu)升級,只有通過加大高等教育投入才能弱化老齡化的負(fù)效應(yīng)[6];馬子紅等研究表明,老齡化的負(fù)效應(yīng)會阻滯三次產(chǎn)業(yè)之間結(jié)構(gòu)變動,并且不利于服務(wù)業(yè)內(nèi)部生產(chǎn)率的提升[7]。另外,勞動者逐漸趨于老齡,其體能、反應(yīng)速度、學(xué)習(xí)能力以及創(chuàng)新能力逐漸減弱,無法滿足產(chǎn)業(yè)結(jié)構(gòu)升級對人力資本的要求,進(jìn)而可能引發(fā)結(jié)構(gòu)性失業(yè)現(xiàn)象,阻礙產(chǎn)業(yè)結(jié)構(gòu)升級的進(jìn)程[8]。人工智能隨著技術(shù)進(jìn)步不斷發(fā)展,可以在一定程度上解決生產(chǎn)中勞動力短缺、生產(chǎn)率不高等問題,從而緩解人口老齡化對經(jīng)濟(jì)所帶來的負(fù)面影響[9-10]。另外,老齡人口數(shù)量的上升或?qū)⒋龠M(jìn)養(yǎng)老醫(yī)療相關(guān)產(chǎn)業(yè)的興起,而人工智能的廣泛應(yīng)用有望促進(jìn)智能化養(yǎng)老產(chǎn)業(yè)的發(fā)展[11]。

二、理論分析與研究假設(shè)

西方國家的經(jīng)驗(yàn)顯示,老年人口比例的增加可能抑制儲蓄率的增長,削弱經(jīng)濟(jì)增長的勢頭。同時,老齡化趨勢將使老年人群成為巨大的消費(fèi)力量,市場需要根據(jù)他們的消費(fèi)偏好進(jìn)行結(jié)構(gòu)性調(diào)整,然而目前我國尚未形成規(guī)模化的配套老年消費(fèi)市場體系。另外,隨著勞動者年齡增長,由于體力和注意力下降,難以適應(yīng)快節(jié)奏和高強(qiáng)度的工作;盡管他們擁有豐富的工作經(jīng)驗(yàn),但在新興技術(shù)創(chuàng)新產(chǎn)業(yè)中可能難以找到適合的用武之地。

假設(shè)1:人口老齡化的加劇會對產(chǎn)業(yè)結(jié)構(gòu)升級產(chǎn)生負(fù)面影響。

人工智能的興起可以填補(bǔ)許多人工崗位,可以部分解決人口老齡化帶來的勞動力短缺問題,提升生產(chǎn)效率。此外,人工智能不僅解決了傳統(tǒng)崗位勞動力不足的問題,還催生了新的業(yè)態(tài)和工作職位,促進(jìn)了產(chǎn)業(yè)的調(diào)整與優(yōu)化[12]?？傮w而言,人工智能的出現(xiàn)可以在很大程度上對沖人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級所帶來的不利影響。

假設(shè)2:人工智能在人口老齡化與產(chǎn)業(yè)結(jié)構(gòu)升級之間起到調(diào)節(jié)作用。

產(chǎn)業(yè)結(jié)構(gòu)升級是一個開放且流動的過程,不同省市之間的相互影響和交流都會對其產(chǎn)生影響。如果某地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)升級進(jìn)展緩慢,可能會導(dǎo)致其經(jīng)濟(jì)和人力資源受到周邊地區(qū)的虹吸效應(yīng),使其在市場競爭中處于不利地位。盡管人口老齡化直接影響本地產(chǎn)業(yè)結(jié)構(gòu),但隨之崛起的老齡產(chǎn)業(yè)及其上下游產(chǎn)業(yè)也會擴(kuò)散到周邊地區(qū)。同時,各地的人工智能水平存在差異,技術(shù)相對滯后的地區(qū)可能會通過模仿鄰近或經(jīng)濟(jì)發(fā)達(dá)地區(qū)的技術(shù)來實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級,逐步提升地區(qū)的人工智能水平。

假設(shè)3:人口老齡化、人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級存在空間溢出效應(yīng)。

三、研究設(shè)計

(一)模型設(shè)定

研究以產(chǎn)業(yè)結(jié)構(gòu)升級為被解釋變量,以人口老齡化為解釋變量,同時考慮人工智能的調(diào)節(jié)效應(yīng),建立模型

Indsi,t=β1Agedi,t+β2AIi,t+δXi,t+αi+λt+εi,t,

(1)

Indsi,t=β1Agedi,t+β2AIi,t+β3(Agedi,t×AIi,t)+δXi,t+αi+λt+εi,t.

(2)

式中i和t分別表示省份和年份,Indsi,t表示產(chǎn)業(yè)結(jié)構(gòu)升級,Agedi,t表示人口老齡化,Agedi,t×AIi,t表示人口老齡化與人工智能的交互項(xiàng),Xi,t為各控制變量,αt為個體效應(yīng),λt為時點(diǎn)效應(yīng),εi,t是隨機(jī)擾動項(xiàng)。

(二)變量選取

1.被解釋變量

(3)

(4)

產(chǎn)業(yè)結(jié)構(gòu)合理化(Inds_theil)參考干春暉的做法[14],計算方法為

(5)

2.核心解釋變量

人口老齡化(Aged)采用65歲以上人口占總?cè)丝诘谋戎当硎尽?/p>

3.調(diào)節(jié)變量

人工智能(AI)參考Borland等的做法[15],以“信息傳輸、計算機(jī)服務(wù)和軟件業(yè)全社會固定資產(chǎn)投資”表示。

4.控制變量

人力資本水平(Hum)借鑒中央財經(jīng)大學(xué)人力資本與勞動經(jīng)濟(jì)研究中心的人力資本指標(biāo),用J-F終生收入法來測度人力資本。

城鎮(zhèn)化水平(Urban)用各區(qū)域城鎮(zhèn)人口占總?cè)丝诘谋戎貫楹饬恐笜?biāo)。

政府干預(yù)(Gov)以財政支出占GDP的比重為衡量指標(biāo)。

固定資產(chǎn)投資水平(Fixed)以各區(qū)域政府固定資產(chǎn)投資額占GDP的比重為衡量指標(biāo)。

基礎(chǔ)設(shè)施水平(Infra)以“每平方公里的公路里程”為代理指標(biāo)。

(三)數(shù)據(jù)說明

2008年金融危機(jī)后,中國正在步入新一輪的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整之中,產(chǎn)業(yè)結(jié)構(gòu)升級的動力較之前階段有所不同,表現(xiàn)為依靠人力資本和技術(shù)創(chuàng)新帶來生產(chǎn)率提高。研究采用2009年—2020年中國省域31個省市自治區(qū)的平衡面板數(shù)據(jù)進(jìn)行實(shí)證分析,以期對我國當(dāng)前階段社會經(jīng)濟(jì)發(fā)展提供參考。數(shù)據(jù)來自《中國統(tǒng)計年鑒(2010—2021)》《中國勞動統(tǒng)計年鑒(2010—2021)》《中國人力資本報告2022》及地方統(tǒng)計局官方網(wǎng)站歷年數(shù)據(jù),少數(shù)缺失的數(shù)據(jù)采取插值法進(jìn)行補(bǔ)充。為消除價格因素影響,同時對所有價格型指標(biāo)進(jìn)行了以2009年為基期的平減處理。詳細(xì)的變量描述性統(tǒng)計匯報見表1。

表1 描述性統(tǒng)計

數(shù)據(jù)來源:作者整理計算。

(四)基準(zhǔn)模型與調(diào)節(jié)效應(yīng)

在進(jìn)行Chow檢驗(yàn)和Huasman檢驗(yàn)后選定個體、時點(diǎn)雙固定效應(yīng)模型進(jìn)行基準(zhǔn)分析和調(diào)節(jié)效應(yīng)分析,回歸結(jié)果見表2。表2中列(1)和列(3)是人口老齡化、人工智能對產(chǎn)業(yè)結(jié)構(gòu)高級化與合理化的基準(zhǔn)回歸結(jié)果,列(2)和列(4)考察了人工智能在人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級(高級化與合理化)影響之間的調(diào)節(jié)效應(yīng)。

從列(1)來看,人口老齡化在5%的水平下顯著抑制產(chǎn)業(yè)結(jié)構(gòu)高級化;從列(3)來看,人口老齡化在10%的水平下顯著導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)偏向合理,驗(yàn)證了假設(shè)1。老齡化的加劇導(dǎo)致勞動力短缺,傳統(tǒng)產(chǎn)業(yè)失去競爭優(yōu)勢,阻礙了產(chǎn)業(yè)向高級化方向發(fā)展,并對產(chǎn)業(yè)結(jié)構(gòu)的合理調(diào)整產(chǎn)生不利影響。列(2)和列(4)引入了Aged×AI后,交互項(xiàng)系數(shù)分別在10%和5%的水平下顯著,表明人工智能可以顯著調(diào)節(jié)人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級的負(fù)面影響,驗(yàn)證了假設(shè)2。大規(guī)模引入人工智能可以有力解決多個產(chǎn)業(yè)中勞動力短缺的問題,同時帶來新的就業(yè)機(jī)會,使現(xiàn)有勞動力能夠從繁重、重復(fù)的任務(wù)中解脫,專注于技術(shù)改進(jìn)和創(chuàng)新。

表2 基準(zhǔn)回歸結(jié)果

四、門檻模型

門檻模型自1978年被湯家豪提出后廣泛應(yīng)用于分析變量之間的非線性關(guān)系,其相較于傳統(tǒng)主觀界定結(jié)構(gòu)突變點(diǎn)(門檻值)的方式更具有客觀性、合理性,能夠在很大程度上避免人為判斷結(jié)構(gòu)突變點(diǎn)所導(dǎo)致的偏差。在估計門檻回歸模型時,其估計步驟主要是基于漢森提出的2SLS方法。首先,通過不斷假設(shè)結(jié)構(gòu)突變點(diǎn)(門檻值),將其設(shè)定為虛擬變量后與核心解釋變量構(gòu)成交乘項(xiàng)代入回歸方程計算殘差平方和(RSS),RSS最小值對應(yīng)的點(diǎn)為真實(shí)結(jié)構(gòu)突變點(diǎn)(門檻值)。其次,在對回歸系數(shù)分析之前,需要使用“靴帶法”(Bootstrap)進(jìn)行門檻效應(yīng)檢驗(yàn)以及“門檻值是否等于真實(shí)值”檢驗(yàn)。最后,通過確定的門檻值,對回歸方程在不同區(qū)間的系數(shù)進(jìn)行經(jīng)濟(jì)意義上的分析。

(一)門檻模型構(gòu)建

研究采用漢森發(fā)展的面板門檻模型[16]研究在不同人工智能水平下,人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級的異質(zhì)性影響。設(shè)定基本方程為

(6)

式中待估人工智能水平的門檻值γ1<γ2<γ3,I(·)為示性函數(shù),當(dāng)滿足條件時,I取1;反之,I取0。

(二)門檻效應(yīng)檢驗(yàn)

為確定門檻個數(shù),使用“靴帶法”(Bootstrap)重復(fù)抽樣2000次,得到F統(tǒng)計量和1%、5%、10%臨界值,檢驗(yàn)結(jié)果見表3。

表3 門檻效應(yīng)檢驗(yàn)

根據(jù)檢驗(yàn)結(jié)果,確定被解釋變量在產(chǎn)業(yè)結(jié)構(gòu)高級化(Inds_high)和產(chǎn)業(yè)結(jié)構(gòu)合理化(Inds_theil)下均存在雙重門檻。

(三)門檻值的確定

通過觀察LR統(tǒng)計量圖(囿于篇幅,此處圖形略去)可以發(fā)現(xiàn)第一個門檻值和第二個門檻值均在5%顯著性水平下的臨界值以下,表明通過基于“殘差平方和最小”準(zhǔn)則的搜索門檻值的方法找到的兩個門檻值真實(shí)可靠。

在人工智能作為門檻變量的情形下,人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)高級化(Inds_high)和產(chǎn)業(yè)結(jié)構(gòu)合理化(Inds_theil)的雙重門檻估計值如表4所示?？梢钥闯?被解釋變量為產(chǎn)業(yè)結(jié)構(gòu)高級化下人工智能(AI)的雙重門檻值為3.947和5.362(實(shí)際為52億元和213億元);被解釋變量為產(chǎn)業(yè)結(jié)構(gòu)合理化下人工智能(AI)的雙重門檻值為3.640和4.576(實(shí)際為38億元和97億元)。

表4 門檻估計值

(四)門檻效應(yīng)分析

表5結(jié)果顯示,當(dāng)人工智能水平處于低門檻值(3.947)及以下時,人口老齡化的系數(shù)為-3.636,與基準(zhǔn)回歸一致表現(xiàn)為顯著的負(fù)向效應(yīng),此時人口老齡化每加深一個單位,將會促使產(chǎn)業(yè)結(jié)構(gòu)高級化水平衰減3.636個單位,這意味著人工智能水平較低時無法改變?nèi)丝诶淆g化抑制產(chǎn)業(yè)結(jié)構(gòu)升級的現(xiàn)狀。當(dāng)人工智能水平處于第一門檻值和第二門檻值之間時(即處于對數(shù)值3.947到5.362范圍),人口老齡化系數(shù)為4.639,且在1%水平下顯著,此時人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)高級化(Inds_high)的影響已經(jīng)從抑制扭轉(zhuǎn)為促進(jìn),且人口老齡化每加深一個單位,將會促使產(chǎn)業(yè)結(jié)構(gòu)升級增加4.639個單位。當(dāng)人工智能水平大于第二個門檻值(5.362)時,人口老齡化系數(shù)進(jìn)一步增大為5.715,且在1%水平下顯著,此時人口老齡化每加深一個單位,將會促使產(chǎn)業(yè)結(jié)構(gòu)升級增加5.715個單位。

由于產(chǎn)業(yè)結(jié)構(gòu)合理化(Inds_theil)是負(fù)向指標(biāo),當(dāng)人工智能水平(AI)小于等于第一個門檻值(3.640)時,人口老齡化在5%顯著性水平下抑制產(chǎn)業(yè)結(jié)構(gòu)偏向合理;AI處于第一個門檻值(3.640)和第二個門檻值(4.576)時,人口老齡化在1%顯著性水平下促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)偏向合理;AI大于第二個門檻值(4.576)時,進(jìn)一步促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)偏向合理。

表5 門檻回歸結(jié)果

人口老齡化在以上三個區(qū)間的變化表明,提升人工智能水平可以有效緩解人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級的負(fù)面影響。人口老齡化的進(jìn)程難以人為調(diào)控,但可以通過積極推進(jìn)人工智能發(fā)展水平,在一定程度上有效避免人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)的不利影響進(jìn)一步加深。

五、空間計量模型

(一)空間權(quán)重矩陣

空間計量模型中,權(quán)重矩陣對經(jīng)濟(jì)結(jié)果具有重要影響,常用的包括鄰接、地理和經(jīng)濟(jì)矩陣。研究綜合考慮產(chǎn)業(yè)結(jié)構(gòu)升級受地理和經(jīng)濟(jì)因素影響,選擇經(jīng)濟(jì)-地理嵌套矩陣來分析產(chǎn)業(yè)結(jié)構(gòu)升級的空間溢出效應(yīng)。

(7)

(8)

W=W1⊙W2.

(9)

(二)空間自相關(guān)檢驗(yàn)

1. 全局莫蘭指數(shù)

為探索變量的空間相關(guān)性關(guān)系,在模型估計之前,需先對數(shù)據(jù)的空間相關(guān)性進(jìn)行探究。研究首先使用Moran’s I對產(chǎn)業(yè)結(jié)構(gòu)升級進(jìn)行空間自相關(guān)檢驗(yàn),計算結(jié)果如表6所示。

表6 Moran’s I檢驗(yàn)

根據(jù)表6的結(jié)果可知,全局Moran’s I指數(shù)均為顯著性1%水平下的正值,表明產(chǎn)業(yè)結(jié)構(gòu)升級存在顯著的空間自相關(guān),而且各省份的產(chǎn)業(yè)結(jié)構(gòu)升級在空間上具有較強(qiáng)的依賴性。2009年—2020年產(chǎn)業(yè)結(jié)構(gòu)高級化Moran’s I指數(shù)總體呈逐漸增大的趨勢,產(chǎn)業(yè)結(jié)構(gòu)合理化Moran’s I指數(shù)總體表現(xiàn)為逐年減小的態(tài)勢,表明我國的產(chǎn)業(yè)結(jié)構(gòu)升級存在顯著的集聚溢出趨勢,產(chǎn)生空間效應(yīng)。

2.局部莫蘭指數(shù)

為考察某一特定區(qū)域的空間相關(guān)程度,研究繪制產(chǎn)業(yè)結(jié)構(gòu)高級化和產(chǎn)業(yè)結(jié)構(gòu)合理化的局部莫蘭圖。囿于篇幅,僅展示2009年和2020年的結(jié)果,見圖1和圖2。

由圖1可知,2009年各省份之間的產(chǎn)業(yè)結(jié)構(gòu)的高級化與合理化的莫蘭指數(shù)所對應(yīng)的點(diǎn)大多分布在第一、第三象限,說明各省份在局部空間上具有較多的正向促進(jìn)效果,與全局莫蘭指數(shù)的檢驗(yàn)結(jié)果相同。由圖2可知,2020年產(chǎn)業(yè)結(jié)構(gòu)合理化的莫蘭指數(shù)相較于2009年落入第一、第三象限的數(shù)量有所減少,反映出產(chǎn)業(yè)結(jié)構(gòu)合理化在局部地區(qū)的相關(guān)性增強(qiáng)。

總體上空間正相關(guān)特征顯著,應(yīng)考慮空間因素影響,選擇空間計量模型。

圖1 產(chǎn)業(yè)結(jié)構(gòu)高級化和產(chǎn)業(yè)結(jié)構(gòu)合理化2009年莫蘭散點(diǎn)圖

圖2 產(chǎn)業(yè)結(jié)構(gòu)高級化和產(chǎn)業(yè)結(jié)構(gòu)合理化2020年莫蘭散點(diǎn)圖

(三)空間計量模型的選擇

在空間計量模型的選擇中,首先對方程進(jìn)行LM檢驗(yàn),來判定模型是否選擇空間滯后模型(SAR)或空間誤差模型(SEM)模型,然后使用似然比和沃爾德統(tǒng)計量來驗(yàn)證空間杜賓模型(SDM)能否退化為SAR或SEM。在拉格朗日乘數(shù)檢驗(yàn)中,空間滯后檢驗(yàn)和空間誤差檢驗(yàn)的顯著性均在1%的顯著性水平下顯著,可以選擇空間杜賓模型。似然比和沃爾德檢驗(yàn)中,空間滯后與誤差同樣通過了1%的顯著性檢驗(yàn)。從理論檢驗(yàn)的角度,選擇空間杜賓模型研究人口老齡化、人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。最后根據(jù)Hausman檢驗(yàn)的結(jié)果,構(gòu)建固定效應(yīng)空間杜賓模型(SDM)見式(10)。具體模型選擇檢驗(yàn)情況見表7和表8。

(10)

式中ρ為本地區(qū)Indsi,t對周邊地區(qū)Indsi,t的影響系數(shù),Xi,t為控制變量,wi,t為空間權(quán)重矩陣;εi,t為隨機(jī)干擾項(xiàng),αi為時間固定效應(yīng),λt為地區(qū)固定效應(yīng)。

表7 產(chǎn)業(yè)結(jié)構(gòu)高級化空間計量模型選擇檢驗(yàn)

表8 產(chǎn)業(yè)結(jié)構(gòu)合理化空間計量模型選擇檢驗(yàn)

(四)空間杜賓模型分析

表9為產(chǎn)業(yè)結(jié)構(gòu)高級化和產(chǎn)業(yè)結(jié)構(gòu)合理化的空間杜賓模型的估計結(jié)果,兩者的空間自回歸系數(shù)ρ在1%顯著性水平下分別為-0.946和0.363,表明產(chǎn)業(yè)結(jié)構(gòu)升級存在明顯的空間相關(guān)性。

表9 固定效應(yīng)空間杜賓模型回歸結(jié)果

根據(jù)表9的回歸結(jié)果所示,產(chǎn)業(yè)結(jié)構(gòu)高級化為被解釋變量時,除基礎(chǔ)設(shè)施未通過顯著性檢驗(yàn)外,其余所有變量均在10%的顯著性水平下通過了顯著性檢驗(yàn)。人口老齡化的系數(shù)顯著為負(fù),與面板回歸的結(jié)果保持一致,再次表明人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)高級化的抑制作用。產(chǎn)業(yè)結(jié)構(gòu)合理化為被解釋變量時,所有變量均通過顯著性檢驗(yàn),表明人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)合理化具有顯著的溢出效應(yīng)。在空間滯后項(xiàng)中,人口老齡化和人工智能顯著為負(fù),表明本地人口老齡化和人工智能會抑制相鄰及經(jīng)濟(jì)關(guān)聯(lián)度高的地區(qū)產(chǎn)業(yè)高級化,驗(yàn)證了假設(shè)3。根據(jù)表9的回歸結(jié)果,采用偏導(dǎo)矩的方法[17]得到不同因素的效應(yīng)分解,見表10。

表10 效應(yīng)分解

根據(jù)表10所示:1)人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)高級化的直接效應(yīng)為-1.1564,表明人口老齡化每加深一個單位,產(chǎn)業(yè)結(jié)構(gòu)高級化降低1.1564個單位,再次驗(yàn)證假設(shè)1成立。間接效應(yīng)為-3.454,表明本地人口老齡化加深后,沒有較多的人口流向經(jīng)濟(jì)發(fā)達(dá)地區(qū),會對經(jīng)濟(jì)較好地區(qū)的產(chǎn)業(yè)發(fā)展產(chǎn)生更加不利的影響。人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)合理化的直接效應(yīng)為-0.397,但未通過顯著性檢驗(yàn);間接效應(yīng)為13.680,通過了顯著性檢驗(yàn),表明人口老齡化對鄰近地區(qū)產(chǎn)業(yè)結(jié)構(gòu)趨于合理化造成抑制效果。2)人工智能對產(chǎn)業(yè)結(jié)構(gòu)高級化的直接效應(yīng)為0.026,間接效應(yīng)為0.254,均通過了顯著性檢驗(yàn)。反映了人工智能技術(shù)的可溢出性和知識的可流動性,相鄰區(qū)域之間的技術(shù)引進(jìn)與技術(shù)模仿有助于促進(jìn)企業(yè)實(shí)現(xiàn)技術(shù)創(chuàng)新,從而促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)走向高級化。人工智能對產(chǎn)業(yè)結(jié)構(gòu)合理化的直接效應(yīng)為-0.038,間接效應(yīng)為-0.217,都通過了顯著性檢驗(yàn)。產(chǎn)業(yè)結(jié)構(gòu)合理化反映產(chǎn)業(yè)之間的協(xié)調(diào)性,由于產(chǎn)業(yè)結(jié)構(gòu)合理化為負(fù)向指標(biāo),因而從效應(yīng)結(jié)果看,人工智能對促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)合理化具有積極影響。

六、結(jié)論與建議

研究選用2009年—2020年我國31個省份的平衡面板數(shù)據(jù),經(jīng)過實(shí)證分析探討了人工智能的調(diào)節(jié)效應(yīng)以及門檻效應(yīng),同時運(yùn)用固定效應(yīng)空間杜賓模型(SDM)研究了人口老齡化和人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的空間效應(yīng),并得出結(jié)論。

第一,雖然人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級產(chǎn)生負(fù)向效應(yīng),但在人工智能的調(diào)節(jié)下,產(chǎn)業(yè)結(jié)構(gòu)升級會呈現(xiàn)積極態(tài)勢。這表明在當(dāng)下充分利用人工智能的規(guī)模效應(yīng),有助于減輕人口老齡化所帶來的不利影響,從而實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的升級。

第二,人工智能水平的發(fā)展推動技術(shù)創(chuàng)新,勞動生產(chǎn)率也隨之提高。將人工智能水平作為門檻變量,人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)高級化和合理化都具有顯著的門檻效應(yīng)。實(shí)證結(jié)果表明,人工智能水平提高在一定程度上可以稀釋老齡化造成的負(fù)面影響,使得人口老齡化對產(chǎn)業(yè)結(jié)構(gòu)升級的影響由抑制扭轉(zhuǎn)為促進(jìn),從而推動國家(區(qū)域)產(chǎn)業(yè)結(jié)構(gòu)升級。

第三,從空間角度來看,人口老齡化在本區(qū)域阻礙產(chǎn)業(yè)結(jié)構(gòu)升級,同時也抑制了鄰近以及經(jīng)濟(jì)發(fā)展相似地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級的溢出效應(yīng)。相比之下,人工智能不僅推動本地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)升級,還在一定程度上帶動了相鄰地區(qū)的升級,并且其正向溢出效應(yīng)顯著。

基于上述實(shí)證結(jié)論,提出建議。

第一,在人口老齡化背景下,應(yīng)積極應(yīng)對,提前規(guī)劃與老齡消費(fèi)需求相關(guān)的產(chǎn)業(yè),致力于發(fā)展“銀發(fā)經(jīng)濟(jì)”。同時,政府在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整中須因地制宜,避免“一刀切”政策。需要根據(jù)不同地區(qū)的獨(dú)特資源和地理特點(diǎn),實(shí)施差異化的產(chǎn)業(yè)調(diào)整,協(xié)調(diào)統(tǒng)一,根據(jù)產(chǎn)業(yè)發(fā)展和城市水平制定有針對性的政策,以實(shí)現(xiàn)區(qū)域間差異化的發(fā)展模式。

第二,人口老齡化的進(jìn)程難以人為調(diào)控,應(yīng)以積極的態(tài)度來接受這一趨勢。研究發(fā)現(xiàn)人工智能的發(fā)展有望減輕老齡化所帶來的負(fù)面影響,因此政府應(yīng)加大對人工智能及相關(guān)技術(shù)發(fā)展的投資力度,培養(yǎng)更多懂得應(yīng)用人工智能技術(shù)的專業(yè)人才,通過提高人工智能發(fā)展水平,紓解人口老齡化對我國產(chǎn)業(yè)結(jié)構(gòu)升級的不利影響。