标题

Transcription

1 老龄化会影响科技创新吗 基于年龄结构与创新能力的文献分析 1 姚东旻 2 李三希 3 林思思 (1. 中央财经大学中国财政发展协同创新中心 ꎬ 北京 ꎻ 2. 中国人民大学经济学院 ꎬ 北京 ꎻ 3. 江西省商务经济发展研究院 ꎬ 南昌 ) 摘要 : 本文从实证文献出发 ꎬ 在机制和结果两个方面分析了人口老龄化对于创新的影响 ꎮ 本文发现 ꎬ 从人力资本积累角度分析年龄与创新均得到了大量证据支持 ꎬ 同时专利申请 技术进步以及行业 国家的 TFP 均存在和年龄结构相关的一致模式 ꎮ 在综合个人与宏观层面的实证性原因与模式之后 ꎬ 我们认为年龄结构与创新能力存在倒 U 型关系 ꎬ 国家层面的创新能力也与此一致 ꎬ 但国家间的差异也会造成年龄结构对各国 TFP 的增长趋势的影响有所差异 ꎮ 关键词 : 老龄化 ꎻ 创新 ꎻ 认知能力 ꎻ 人力资本积累 ꎻTFP 引 言 保持竞争力和持续增长很大程度上取决于创新产品 服务和生产技术的产生 传播和吸收 ꎮ 现代增长理论强调 ꎬ 在发展过程中 ꎬ 更应该克服的是国家与国家之间的知识鸿沟 ꎬ 而不仅仅是物质上的差距 ꎮ 党的十八大强调指出 : 科技创新是提高社会生产力和综合国力的战略支撑 ꎬ 必须摆在国家发展全局的核心位置 ꎮ 在实现这一方针的具体实践中 ꎬ 我们不得不注意到我国社会的另一显著特征 : 老龄化 ꎮ 长期的计划生育政策 ꎬ 使得中国的整体人口结构越来越明显地呈现倒金字塔形 : 第六次全国人口普查表明我国 60 岁及以上人口已达 13 26%ꎬ 其中 65 岁及以上人口占总人口的 8 87%ꎬ 这充分表明我国已经步入了老龄化社会 1 ꎮ 有着前沿专业知识的年轻劳动力通常被认为是保持高创新力的主要动力 ꎬ 政策制定者和企业管理人员都关心人口年龄结构的上移将会如何影响经济体 企业 个人的创新能力 ꎮ 人口结构的老龄化究竟会不会对我国进入创新型国家这一目标产生影响甚至阻碍? 本文将梳理当前主流文献 ꎬ 从机制和实证结果两个方面探讨人口年龄结构和创新之间的内在联系 ꎮ 主要发现如下 : (1) 创新和年龄结构之间存在明显的倒 U 型关系 ꎬ 这种关系在个人 公司 区域和国家层面都有丰富的证据支持 ꎬ 根本性创新更多由年轻人完成 ꎬ 而渐进性创新则与年龄结构基本无关 ꎻ 收稿日期 : 基金项目 : 北京市社会科学联合会青年社科人才资助项目 (2014SKL018)ꎮ 作者简介 : 姚东旻 ꎬ 中央财经大学中国财政发展协同创新中心讲师 ꎬ 博士 ꎻ 李三希 ꎬ 中国人民大学经济学院副教授 ꎬ 博士 ꎻ 林思思 ꎬ 江西省商务经济发展研究院助理研究员 ꎬ 硕士 ꎮ 1 老龄化社会的联合国标准是 :60 岁及以上老年人口比重超过 10%ꎬ 或人口中 65 岁及以上老年人口比重超过 7%ꎮ 56 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013)

2 (2) 从个人层面上看 ꎬ 专利发明者的创新高峰年龄在 30 至 50 之间 ꎬ 具体峰值取决于发明者所处领域 : 知 识密集型行业内的创新 ꎬ 尤其是伟大创新 ꎬ 更多由年轻人完成 ꎬ 而在经验依赖型领域 ꎬ 创新高峰会晚一些 ꎬ 且创 新能力在其职业生涯的晚期也较为稳定 ꎻ (3) 从企业层面上看 ꎬ 创新的最高峰一般在 岁 ꎬ 在对新技术的采用和公司的创新业绩上面 ꎬ 这个高 峰要早一点 ꎬ 而对公司的一般生产力或者是全要素生产率而言 ꎬ 这个高峰要晚一点 ꎻ (4) 从国家层面上看 ꎬ40-49 岁的劳动力对全要素生产率 (TFP) 的贡献最大 ꎬ 其他年龄段对其的贡献则非 常小 ꎬ 劳动力年龄结构的变化对各国 TFP 趋势增长 (trend TFP growth) 的影响有所差异 ꎮ 下文将首先关注老龄化对创新的影响机制 ꎬ 从年龄 - 人力资本 - 创新渠道阐述老龄化对创新的影响渠道 ꎻ 其次 ꎬ 进一步探讨劳动力年龄结构与公司 行业及国家层面生产力相关关系 ꎬ 揭示劳动力人口老龄化对经济增 长的影响 ꎻ 最后借鉴各国研究老龄化的相关文献 ꎬ 对老龄化的不同程度以及不同背景下的不同影响做相关总 结与分析 ꎮ 老龄化对创新的内在影响机制 [1] Nishimura 等指出人口老龄化能否影响技术创新 ꎬ 并且通过怎样的途径和机制产生作用 ꎬ 是一个还未被 完全理解的实证问题 ꎮ 人口老龄化影响劳动力供给和人力资本投资 ꎬ 进而影响一国人力资本存量 ꎬ 而大量文 献研究均表明人力资本是创新的重要影响因素 ꎮ Sophie 和 Luc [2] 发现企业创建初期 ꎬ 员工人力资本对创新业 绩有积极影响 ꎮ 技术发明需要创新者的人力资本存量必须与技术前沿保持的足够紧密 ꎮ 创新者的人力资本 存量离技术前沿越远 ꎬ 则其有新创新 新发现的可能性也就越小 ꎮ Nelson 和 Phelps [3] 认为一个国家引进和使 用新技术的能力取决于一国的人力资本存量 ꎬ 人力资本存量越多 ꎬ 技术进步进程越明显 ꎻ 当今技术进步异常迅 速 ꎬ 这使得技术前沿不断向外移 ꎻ 若个人的人力资本保持不变 ꎬ 其创新的可能性也就越小 ꎮ 最典型的例子是高 等教育 ꎬ 个人因高等教育积累起来的人力资本很快会远离技术前沿 ꎬ 因而在创新上能够发挥的作用会越来越 小 ꎮ 正如引言所述 ꎬ 我国人口老龄化速度快 程度高 ꎬ 面临着严重的人口老龄化问题 ꎮ 因此弄清人口老龄化对 创新的影响机制成为现下当务之急 ꎮ 通过现存的文献分析 ꎬ 我们梳理了年龄 - 人力资本 - 创新渠道及其相关 证据 ꎬ 来试图阐明老龄化确实可以通过年龄 - 人力资本 - 创新渠道影响创新 ꎮ 1 年龄 - 人力资本 - 创新渠道剖析 人力资本的概念最早由 20 世纪 60 年代美国经济学家 Schultz 明确提出 ꎬSchultz 指出人力资本是由投资 形成的个体拥有的知识 技能和能力 ꎮ Becker 进一步发展了人力资本理论 ꎬ 将对人力资本的研究从微观经济 学范畴扩大到人的行为这一广泛范畴 ꎮ 他指出 : 教育和经验是人力资本概念的关键特征 ꎬ 经验包括工作经验 ꎬ 也包括在职的实践性学习及培训等非正式教育 ꎬ 而教育能增加个体的信息 知识 技能的存量 ꎮ 拥有更多或更 高质量的人力资本会获得更多想要的收益 ꎮ 虽然人们通过学习 工作积累起来的人力资本为创新提供了基础 ꎮ 但是 ꎬ 人力资本不等同于创新 ꎬ 人们必 须把人力资本转化为创新 ꎮ Simonton [4] 认为 ꎬ 创新产品是开发个人创造潜力的最终产品 ꎮ 因此 ꎬ 有两个重要因 素会影响人们把人力资本最终转化为创新产品 ꎮ 第一个要素是人们的开发能力 ( exploitation abilities)ꎬ 也就 是把人力资本转化为创新产品的能力 ꎬ 最主要的是认知能力 ꎮ 第二个要素是人们的开发动机 ꎬ 也就是把人力 资本转化为创新产品的动机 ꎮ (1) 人力资本的生命周期 劳动者的知识 技能 体力 ( 健康状况 ) 构成了测算人力资本存量的主体内容 ꎬ 而认知能力正是知识 技能 等显性变量的内在支持 ꎮ 认知能力是指人脑加工 储存和提取信息的能力 ꎬ 即人们对事物的构成与性能 与他 物的关系 发展动力 发展方向及其基本规律的把握能力 ꎮ 它是人们成功完成活动最重要的心理条件 ꎮ 知觉 记忆 注意 思维和想象都被认为是认知能力 ꎮ 通常我们可以将认知能力分割成两部分 ꎬ 一种称为晶态智力 ( crystallized intelligence)ꎬ 是累积的知识 ꎬ 包 含由教育和在职培训所获取的在整个生命中都需要的知识 ꎬ 例如语义和词汇量 ꎮ 另一种称为液态智力 (fluid MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 57

3 intelligence)ꎬ 指的是表现力和运用新知识解决问题的速度 ꎬ 包括知觉速度和推理能力等等 ꎬ 也即人获得新概 念和在新环境中显示一般 聪明 与适应性的能力 ꎮ 因此 ꎬ 液态智力的下降会影响到知识的重组从而负面地 影响新思想的形成 ꎬ 这种能力在生命期里迅速地减弱 [5] ꎮ A. 认知能力的年龄效应 研究者对不同智力类别随年龄增长的变化情况进行了系统分析 ꎮ 针对晶态智力的研究表明晶态智力随 年龄增长其减弱速率比液态智力小 ꎬ 即使在年龄很大时仍保持高功能水平 ꎬ 有些还会保持不变或持续增长直 到生命的最后时点 ꎮ 例如 ꎬSchaie 和 Willis [6ꎬ7] 发现言语流畅能力的最高峰值出现在成年初期 ꎬ 其年龄曲线下 [8] 滑斜率较小 ꎬ 且低于空间定向和归纳推理能力等液态智力的下滑斜率 ꎮ 而 Schwartzman 等基于不同年龄段 [9] 男性心理智力测验结果 ꎬ 发现部分晶态技能事实上是保持不变的 ꎻ 在对双胞胎的重测信度研究中 ꎬBlum 等 也给出了类似发现 : 从青年时期到老年时期 ꎬ 人的词汇量基本保持不变 ꎬ 尽管其他认知能力一般都有所下降 ꎮ Salthouse [10] 则证明了识数能力这一晶态智力在受教育员工年老时并没有出现减弱的迹象 ꎮ 而对液态智力的研究结论则与晶态智力有较大不同 ꎬ 有大量证据支持液态认知能力会在成年期某一阶段 开始下降这一看法 ꎮ 医疗和心理调查研究表明液态智力在 岁达到顶峰之后开始减弱 [10] ꎮ Verhaegen 和 Salthouse [11] 对 91 份研究整个生命周期中人的心智能力是如何发展和变化的文献进行聚类分析 ꎮ 其研究 结果显示重要的认知能力到了 50 岁会严重退化 ꎬ 例如推理 加工速度和情节记忆等 ꎮ Schaie 和 Willis [6ꎬ7] 通过 横断式研究发现归纳推理 空间定向两种能力的最高峰都出现在成年初期 ( 约 25 岁左右 )ꎮ 空间定向和归纳 推理能力随着年龄增大而下降 ꎬ 且两曲线下滑最厉害 ꎮ 而语言理解和数字能力的高峰在中年 ( 分别约 39 和 45 岁左右 )ꎻ 然而 ꎬ 在一些要求快速作答的测试中 ꎬ 语言理解能力在老年早期之前表现出负向的年龄差异 ꎮ 包 括空间定向 归纳推理在内的液态智力往往对创新更加重要 ꎬ 而其在成年期的退化则表现为一种普遍现象 ꎮ 劳动者的知识 技能 体力 ( 健康状况 ) 是测算人力资本存量的主体内容 ꎬ 同时这些内容又有着大致相同 的变化规律 ꎮ 一方面 ꎬ 人的健康及体力随着生命周期 ꎬ 有一个由弱到强 ꎬ 再由强到弱的变化过程 ꎻ 另一方面 ꎬ 人 的知识和技能也经历投资形成 投入使用 ꎬ 最终被淘汰的过程 ꎮ 因此就个体而言 ꎬ 人力资本存量表现出 : 随年 龄增长 ꎬ 人力资本存量由少到多 ꎬ 逐步增加 ꎬ 至某一年龄达到顶峰 ꎬ 然后再逐渐下降 ꎬ 最后耗竭殆尽的变化规 律 ꎮ 不同个体的人力资本存量都体现出这一变化规律 ꎬ 所不同的是因自身素质及环境不同 ꎬ 个体人力资本存 [12] 量的峰值以及达到峰值的年龄会有所不同 ꎮ 向志强将人力资本存量随年龄变化的规律称为人力资本存量 的生命周期 ꎮ B. 人力资本存量的增加与保持 就一般个体而言 ꎬ 人力资本存量的增加主要来自两方面 : 首先 ꎬ 接受正规教育获得基础知识以及综合素质 的提高 ꎬ 为形成其他类型人力资本奠定基础 ꎻ 然后 ꎬ 通过 干中学 以及在职培训等途径获取直接用于生产产 品与服务的专业知识和技能 ꎮ 老龄员工不断降低的认知能力导致他们的创新能力更低 ꎬ 除非他们长期的从业 经验和高水平工作知识能抵消其心智能力下降而产生的负效应 ꎬ 因为工作经验使得老龄员工能凭借先验学习 和经验采用更为有效的策略 [13] ꎮ 然而不幸的是 ꎬ 工作经验在最初几年能提升生产力 ꎬ 但当达到一定时间后 ꎬ [14] 经验就再也不能产生效益了 ꎮ Ilmakunnas 等使用芬兰制造业工人的数据样本发现工作经验仅能在最初的 3 8 年间提高工作业绩 ꎮ 而 Ericsson 和 Lehmann [15] 认为在一些急需战略和分析能力的领域 ( 例如国际象棋 )ꎬ 至少需花费十年的时间来达到相当的专业素质 ꎮ 同时许多其他工作领域也支持 10 年这个估计量 ꎬ 例如医药 和自然科学的科研表现 [16-18] ꎮ 人力资本存量的减少也表现为两方面 : 第一 ꎬ 人的体力和精力受到生命周期的作用 ꎬ 随着年龄增长 ꎬ 学习 新知识 新技能或从事繁复工作的能力逐渐下降 ꎻ 由年龄引发的认知能力退化似乎是不可避免的 ꎮ 但相关研 究表明有目标的培训项目是停止这种退化的一种方法 [6ꎬ7] ꎬ 利用著名的 西雅图纵向研究 模式发现目标明确 的培训项目 ꎬ 也即教育性干预 ꎬ 减少了那些能长时间稳定保持其智力绩效水平的被试者与更年轻者之间劣势 的层际差异 ꎮ 因为液态智力会偏早衰退 ꎬ 并且被认为对教育性干预更具阻抗 ꎬ 他们继续针对归纳推理和空间 定向能力设计了具体干预措施 ꎬ 并得出这些措施可以稳定甚至逆转年龄引发的归纳推理和空间定向能力的下 降 ꎻ 第二 ꎬ 科学技术创新将逐步淘汰原来掌握的知识和技能 ꎮ 58 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013)

4 个体可通过公司提供或私人选择的正式训练和非正式的 干中学 两种方式积累人力资本 ꎮ 对于有成本 的正式训练 ꎬ 老龄人面临两类劣势 ꎮ 首先 ꎬ 学习能力会随着年龄增长而降低 [11] ꎬ 相同强度的正式训练给老龄 人带来的人力资本积累较年轻人更少 ꎻ 其次 ꎬ 老龄人积累人力资本的学习动机更弱 ꎻ 因为对于相同成本的人力 资本投资 ꎬ 老龄人受益时间远短于年轻人 ꎮ 对于无成本的干中学而言 ꎬ 老年人自身不佳的学习状态 ꎬ 以及所处 的非前沿技术岗位 ꎬ 均使其在 干中学 中人力资本积累效率不高 [19] ꎮ 因此 ꎬ 不管是正式训练 ꎬ 还是非正式的 [20] 干中学 ꎬ 老龄人人力资本积累速度都应比年轻人要慢 ꎮ Aubert 等发现法国的创新型企业更不愿意雇佣年 纪大的工人 ꎬ 而且组织的创新性增加了老年人的退出概率 ꎮ 这些足以说明 ꎬ 有与时俱进的知识存量对成功采 用新技术有着非常重要的作用 ꎮ 不管是正式的教育和训练 ꎬ 还是干中学积累起来的新知识都非常重要 ꎮ 年轻 人在认知等方面比老年人都更有优势 ꎬ 因此更能够采用新技术 ꎮ Frosch 和 Tivig [21] 的实证研究验证上述理论 ꎬ 发现老龄人的人力资本指标 ( 教育水平 ꎬ 一般工作经验 ꎬ 以及 公司专属工作经验等 ) 对创新影响不显著 ꎬ 而年轻人的人力资本指标则对创新有正向影响 ꎮ 相对于同样的人 力资本指标 ꎬ 年轻人积累的有利于创新的实际人力资本更多 ꎬ 而老龄人则几乎不会积累这些有利于创新的实 [22] 际人力资本 ꎮ 此外 ꎬ 从参工前教育成就的角度看 ꎬ 孙旭运用其构建的个人人力资本存量模型研究发现 : 受 教育年限长的劳动个体与受教育年限短的劳动个体相比 ꎬ 初始人力资本存量更大 ꎬ 增速快 ꎬ 达到的峰值更大 峰值所对应的年龄也越大 并且峰值过后人力资本存量下降得相对缓慢 ꎮ (2) 开发动机 除了人们的开发能力随年龄的增大而降低 ꎬ 人们的开发动机会随年龄的增加而降低 ꎮ 经济学中著名的职 业生涯考虑 (career concern) 理论为此提供了很好的解释 ꎮ 年轻人在职业生涯的初期会非常有动机努力把业 绩做好 ꎮ 因为在职业生涯初期较好的业绩 ꎬ 相当于向市场发出一个信号 ꎬ 表明他们是能力很高的人 ꎮ 这样 ꎬ 很 快他们就可以在市场上找到高工资的工作 ꎬ 或者原公司为了留住人才而给他们匹配一个高工资 ꎮ 在余下的很 长一段职业生涯里面 ꎬ 他们都会因为初期的努力而获利 ꎮ 而老龄人的情况则不同 ꎬ 他们拥有更小的职业生涯 关注度 ꎬ 因此缺乏努力干活的动机 ꎮ 一方面 ꎬ 他们在之前的职业生涯业绩表现已经给市场发出足够准确的信 息来表明他们是否是高能力的 ꎻ 另一方面 ꎬ 他们的职业生涯也很快就将结束 ꎬ 因此他们只能在余下的很短的职 业生涯里面获利 [23] ꎮ 不管是开发能力还是开发动机 ꎬ 都表明有一个关于人力资本的 独立年龄效应 的存在 ꎮ 2 个体层面创新的年龄效应 科技创新是促进现代生产力发展的决定力量 ꎮ 创新不但决定性地影响着科学技术发明的创新 ꎬ 也决定性 地影响着科学技术的发明成果及时地转化为直接的社会生产力 ꎬ 最终促进社会经济的迅速发展 ꎮ 科技人员是 科技发展过程中最为活跃的主体因素 ꎮ 年龄是表征科技人员包括研究能力 市场拓展能力在内的综合素质高 低的重要指标之一 ꎮ 科技创造的最佳年龄理论认为 : 科技劳动是复杂的脑力劳动和创新性劳动 ꎬ 不仅需要丰 富的知识和旺盛的精力 ꎮ 而且需要较强的记忆力 深刻的理解力和超群的思辨力 创造力 ꎮ 当这些要素都处 于最佳状态或其组合配置最优时 ꎬ 科技工作者就极易获得创造性的科研成果 ꎮ 这个年龄阶段被称为科技创造 的最佳年龄区域 ꎮ 下面让我们来看看一些调查研究数据 : 在 1900 年以前的 85 项重要发明中 ꎬ 其发明者的平均年龄是 35 3 岁 ꎻ 而针对 年在美国拿到专利权的 453 位发明家以及 1925 年美国 «工程名人录» 中的 258 位工程 师兼发明家的数据研究表明 : 前一组一生获得专利平均为 46 3 项 ꎬ 而后一组平均只有 27 5 项 ꎮ 在这 710 位 发明家中有 61% 的发明家在 25 岁前就有自己的第一项发明 ꎬ 他们首次发明的平均年龄是 21 3 岁 ꎻ 而在 40 岁 以后开始有发明的则仅占 3 6%ꎮ 约有 76 6% 的人在 35 岁以前获得第一个专利 ꎬ 他们获第一个专利的平均年 龄为 29 8 岁 ꎻ 此外 ꎬ 数据还表明发明家最活跃的年龄段是 岁 ꎬ 发明家一生中最重要的发明出现的平均 年龄是 38 9 岁 ꎮ 对 年 305 位诺贝尔科学奖获得者进行的统计研究发现 岁是获奖者的最佳 年龄区 ꎬ 峰值年龄是 36 岁 ꎮ 综上所述 ꎬ 科技创造的最佳年龄集中在 岁之间 ꎬ 其峰值约为 37 岁 ꎮ 年龄 - 发明曲线是倒 U 型曲线 ꎬ 许多发明集中在 35 到 50 岁 ꎮ 尤其是在知识密集型的部门中 ꎬ 年龄 - 发明曲线严重 向左倾斜 ꎮ Lehman [17] 发现科学和发明的创造性产出会随着年龄而渐变 ꎮ 虽然不同学科的情况有些差异 ꎬ 但 Lehman MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 59

5 发现生产力的顶峰出现在 岁之间 ꎮ 如果思想的产生的确有一个年龄效应的话 ꎬ 那么如果处于生成想法的顶峰年龄段的员工比例很大时 ꎬ 新思想和新技术的产生速率会更快 ꎮ 例如在理论数学世界 ꎬ 很重要的创新思想是由 岁的学者提出的 ꎮ 实证结果表明 ꎬ 年龄和伟大发明数量之间呈现倒 U 型关系 ꎮ 此外 ꎬLeh man [24] 还对 402 个著名发明家的发明成果进行深入研究 ꎬ 发现创新活动在职业生涯的初期很低 ꎬ 但是到 岁年龄段则显著增加并达到最大值 ꎻ 超过 50% 的伟大发明其发明者的年纪都小于 40 岁 ꎬ 随着年龄的增长 ꎬ 其创新活动慢慢减少 ꎮ Jones [25] 对 20 世纪的伟大发明做了细致的研究 ( 详参图 1)ꎬ 其结果支持 Lehman 的结论 ꎮ 同时他也指出 ꎬ 近一个世纪来 ꎬ 伟大发明者的平均年龄有往后移动的趋势 ꎮ 他认为这是日益增长的受教育成本 ꎬ 知识存量以及技术日新月异的结果 ꎮ 图 1 [47] 美国 1995 年专利持有者的年龄分布和美国整个劳动力的年龄分布 从图 1 可知 : 如果专利持有者是随机来源于劳动力群体里面 ꎬ 而与年龄无关的话 ꎬ 那么这两条曲线应该重 合 ꎮ 但是图中显然表明劳动力在三十岁晚期和四十岁中期更富有创新能力 ꎮ 在三十岁晚期的阴影部分 ꎬ 我们 显然看到了创新活动中存在一个 年龄红利 ꎮ 因此 ꎬ 一个年老的经济体比一个年轻的经济体可能更具有创 新能力 ꎬ 这主要源于年轻的经济体可能更缺乏创新所需要的经验 ꎮ 在学术界 ꎬ 对创新的年龄效应的实证结果一直相对稳健 ꎮ Cole [26] 利用科学家横截面数据集发现微弱的 年龄效应 ꎬ 此数据集显示科学家研究成果与研究质量平均在 岁达到顶峰 ꎮ Levin 和 Stephan [27] 利用科 [28] 学家面板数据也得出类似的结论 ꎮ Hendrik 等通过研究诺贝尔经济学奖获得者发现 ꎬ80% 的获奖作品都是 在 45 岁之前完成的 ꎮ Levin 和 Stephan [27] 提供了对诺贝尔奖获得者更进一步的实证分析结论 ꎮ Lehman [24] 对 各技术领域的已故以及 1950s 仍在世的发明家进行研究 ꎬ 发现 岁是他们的生产力顶峰 ꎮ 在此之前 ꎬ Oberg [29] 利用工程师样本数据发现虽然个人科研开发生产力的顶峰出现在 岁之间 ꎬ 但 岁的工程 师对公司来说是最有价值的 ꎮ 更深层次的创新性生产力年龄效应的实证证据由 Dalton 和 Thompson [30] 给出 ꎮ 他们利用航空航天行业 及以技术为基础的商业行业的 2500 个工程师数据集 ꎬ 以管理层评价作为生产力衡量指标进行相关研究 ꎬ 并发 现 : 生产力顶峰出现在 岁之间 ꎬ 随着新技术的重要性增加会减少创造性生产力的年龄抚养比率 ꎮ 研究 发现创新能力在 50 岁左右达到顶峰 ꎬ 之后便停滞 ꎮ Henseke 和 Tivig [31] 基于德国相关数据的研究结果也证实 了 Jones [25] 的结论 ꎮ 他们发现发明者的平均年龄是 45 9 岁 ꎬ 中位数年龄是 44 岁 ꎮ 其所用数据来自 2003 年对 410 位德国发明家进行的逐个调研 ꎮ 在信息技术和生物技术等需要随时更新知识的行业中 ꎬ 年龄 - 发明曲线 严重向左倾斜 ꎬ 其中大多数发明都是在 50 岁前完成 ꎬ 而最好的绩效出现在 岁之间 ꎮ 与之形成鲜明对比 的是在经验比较重要的行业 ꎬ 比如农业和冶金业 ꎬ 高峰出现在 40 岁晚期 ꎬ 而在 60 岁左右还出现一个小高峰 ꎮ [32] Giuri 等以及 Mariani 和 Romanelli [33] 利用 PatVal 这一数据库的研究证实了前面面板数据的结果 : 发明者的 平均年龄在 45 岁 ꎬ 而知识密集型行业 ꎬ 比如信息 光学和生物行业 ꎬ 其平均年龄大大偏低 ꎬ 几乎都在 40 岁初 期 ꎻ 而经验密集型行业 ꎬ 比如农业和冶金 ꎬ 其平均年龄在四十岁中期到五十岁早期 ꎮ 毋庸置疑 ꎬ 科技人员一生中各个年龄阶段的研究能力和市场开拓能力等是变化的 ꎮ 一般经历由低到高 ꎬ 达到顶峰 ꎬ 并随后逐渐衰减的过程 ꎬ 表现为各个年龄阶段科研成果的产出率 市场推广效率等的非均衡性 ꎮ 以 上证据显示年龄和创新之间存在倒 U 型关系 ꎮ 发明者的创新高峰在 岁之间 ꎬ 具体的峰顶则取决于发 60 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013)

6 明者所处的领域 ꎮ 知识密集型的行业内的创新和伟大的创新 ꎬ 更多的是由年轻人来完成的 ꎮ 而在经验依赖型 的领域 ꎬ 创新高峰会晚一些 ꎬ 并且在职业生涯的晚期也会比较稳定 ꎮ 人口年龄结构对企业 行业 国家生产力的影响 在本文的第二部分详述了个人年龄对创新的影响情况 ꎬ 个体年龄与创新的倒 U 型关系表明 : 年轻人在大 学中学到的新知识更有助于创新 ꎬ 而老龄人的知识架构相对落后 ꎬ 在技术发展非常迅速的行业中不利于创新 ꎮ 例如在化学和制药等行业里 ꎬ 创新的周期很长 ꎮ 其发明的成功依赖于新思想如何成功与已有技术相结合以满 足消费者需求 ꎮ 在这些行业中 ꎬ 年轻人依赖于自己与时俱进的新知识 ꎬ 而老年人也能凭借自己的经验获得成 功 ꎮ 因此 ꎬ 创新的周期相对很长 ꎮ 如果不控制创新发生在哪一个行业里 ꎬ 很可能得不到年龄和创新之间的关 系 ꎮ 生产力描述的是产出和形成这个产出所需要的投入要素之间的关系 [34] ꎮ 正如 Weil [35] 所述 : 一个经济体 可以通过增加生产要素的数量 ꎬ 也可以通过提高要素的使用效率来达到增加产出的目的 ꎮ Lindh [36] 指出生产 力是一个系统属性而不是一个个别投入要素的属性 ꎮ 换句话说 ꎬ 仅讨论个别生产力及年龄与生产力属性是错 误的 ꎮ 企业 行业或国家层面的研究并不把创新归于某个工人 ꎬ 而是归于一组具有一定年龄结构的工人 ꎮ 这使 得我们能够识别个人在专利数目等等这些直接贡献之外的间接贡献 ꎮ 一个老龄员工可能通过和年轻员工分 享经验使得年轻员工更能够创造新产品 [37] ꎮ 同样 ꎬ 年轻员工通过与老龄员工分享新思想和新知识也可能会 促使老龄员工把他们的经验转化为可专利化和可市场化的产品 ꎮ 这样 ꎬ 老龄人和年轻人的技能共同转化为创 新 ꎮ 这些间接的效果是我们在研究个人层面数据时没法兼顾的 ꎮ 下面将从劳动力年龄结构与企业 行业生产 力影响进行细致的分析与总结 ꎮ 1 劳动力年龄结构与企业生产力 人力资本的特殊性能推动企业创新 [38] ꎬ 而企业是生产力推动力的微观个体 ꎬ 且提升生产力的投资决策均 是企业层面决策 ꎮ 因此有大量的文献从企业生产力层面来研究其与员工年龄结构之间的关系 [39ꎬ40] ꎮ 这类文 献主要用雇主 - 雇员匹配数据库研究公司的生产力与其雇员年龄结构之间的关系 ꎮ 在雇主 - 雇员匹配数据库 通常包括工资与生产力估计量等信息 ꎮ 生产力通常用每个工人的平均产出或者边际附加值来衡量 ꎮ 当然 ꎬ 年龄对生产力的影响可以来自年龄对一般能力的影响 ꎬ 也可能来自年龄对创新能力的影响 ꎬ 这两个 效用我们没法区分开来 ꎮ 但是我们仍然认为研究年龄对生产力的影响能够为加强我们对年龄对创新影响的 认知提供新证据 ꎮ 尤其是 ꎬ 在高科技行业里面 ꎬ 生产力极大地依赖于创新能力 ꎬ 因此生产力可以间接地衡量创 新能力 ꎮ 这里的主要争论来源于两方面 ꎮ 一方面 ꎬ 年龄的增长会使得工人积累起一般工作经验和公司专用工作经 验 ꎬ 这有助于提升生产力 ꎻ 另一方面 ꎬ 随着年龄的增长 ꎬ 个人的认知能力会减弱 ꎬ 人力资本会折旧 ꎮ 所以年龄对 生产力的影响取决于这两方面效应的总和 ꎮ 第一类研究着重刻画企业的生产函数 ꎬ 认为企业的产出是企业的资本和物质投入 ꎬ 以及各种不同类型的 劳动力投入的函数 ꎮ 多数研究得出年龄对生产力的效应是典型的倒 U 型关系 ꎬ 工人在三十或四十多岁时对 公司的生产力贡献最大 ꎮ 和青壮年工人相比 ꎬ 老年工人对公司生产力的贡献相对较小 [39ꎬ40] ꎮ 而 Prskawetz 和 Wissenschaften [41] 对澳大利亚采矿业和制造业相关数据的研究发现 ꎬ 所有不同形式的年龄变量都有一个驼峰 状模式 ꎮ 也就是说 ꎬ 年轻员工占比较高或者年老员工占比较高的企业层面生产力比那些拥有更多中间年龄层 员工的企业更高 ꎮ 当将年龄 性别和教育水平作为控制变量时 ꎬ 这些结果十分显著 ꎮ 当加入职业结构和兼职 员工占比作为控制变量后 ꎬ 生产力 - 年龄的驼峰状的下降趋势更为明显 ꎮ 当 Prskawetz 和 Wissenschaften [41] 进 一步将样本拆分成小企业 ( 员工数少于 50) 和大企业 ( 员工数大于等于 50) 两个子样本时 ꎬ 大企业样本中并没 有得出十分显著的生产力 - 年龄曲线 ꎮ [14] 第二类研究刻画企业的全要素生产力和企业员工年龄结构的关系 ꎮ Ilmakunnas 等对芬兰的公司研究 [42] 表明生产力先上升 ꎬ 到 40 岁左右达到最大值 ꎬ 然后缓慢下降 ꎮ 同样的研究结果也见于 Malmberg 等以及 MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 61

7 Daveri 和 Maliranta [43] ꎮ 2 劳动力年龄结构与高技术企业生产力 高科技企业 ꎬ 也就是生产技术密集型产品的企业 ꎬ 逐渐成为我们重点关注的对象 ꎮ 有些文献认为创新型 [44] 企业的出现是技术进步的主要推动力 ꎮ Bönte 等对德国各个地区数据的研究发现 ꎬ 知识密集型 ( 高科技 ) 企业的创立和所在地区的年龄结构高度相关 ꎮ 而其他类型企业的创立则与该地区的年龄结构无关 ꎮ 特别的 ꎬ 他们发现 20 岁左右的人口比例越大 ꎬ40-50 岁的人口比例越大 ꎬ 该区域的创新 ( 创新用新成立的高科技企业 的数目来表示 ) 就越大 ꎮ 此研究表明工作经验与前沿的知识对创新同等重要 ꎮ 创新既需要年轻人 (20 岁左 右 ) 前沿的知识和新思想 ꎬ 也需要中年人 (40 到 50 岁 ) 丰富的工作经验 ꎮ [14] 另一类研究着重探讨公司生产力和企业雇佣和解雇劳动力之间的关系 ꎮ Ilmakunnas 等的研究发现 ꎬ 在信息和通讯技术行业 (ICT 行业 )ꎬ 解雇 49 岁以上的年老工人会提高生产力 ꎬ 而解雇青壮年劳动力则会降低 生产力 ꎮ 并且 ꎬ 这一效应在 ICT 行业尤其突出 ꎬ 是其他传统行业的两倍 ꎮ 这说明在 ICT 行业保持与时俱进的 知识是提升生产力的重要因素 ꎮ Meyer [45] 研究年龄结构和采用新技术之间的相关关系 ꎬ 通过对德国 ICT 行业 的 374 家企业以及其他属于知识密集型行业企业 2005 年的数据进行分析 ꎬ 发现 30 岁以下雇员的比例越大 ꎬ 岁雇员的比例越小 ꎬ 公司就越容易采用新技术和新软件 ꎮ 此外 ꎬ 在其他因素保持不变 ꎬ40-55 岁雇员的 比例每增加 10%ꎬ 公司采用新技术的概率就降低 2 5%ꎮ Frosch [46] 综述了 Schneider 等人利用德国企业数据对雇员平均年龄的增加与企业推出新产品的概率进行 的系列研究 ꎬ 结果进一步表明 : 企业有市场创新和新产品上市的概率在员工平均年龄为 40 岁时达到最大 ꎬ 而 后会逐渐降低 ꎮ 而提升已有产品的概率则在 30 岁到 50 岁之间保持为一个常数 ꎮ 这表明 ꎬ 有年轻雇员的企业 更能产生根本性创新 ꎬ 推出全新产品或者全新的市场创新 ꎬ 而那些渐进性创新则不太依赖于员工的年龄结构 ꎮ 3 劳动力年龄结构与行业生产力 Daveri 和 Maliranta [43] 从员工工龄的角度出发 ꎬ 得出以下结论 : 在芬兰的高科技行业 ( 比如电子行业 ) 中 ꎬ 生产力先是随着工人进入此行业时间的增加而增长 ꎻ 当工人进入此行业的时间超过一定年限后 ꎬ 生产力开始 下降 ꎮ 相比之下 ꎬ 在传统的行业 ꎬ 比如林业和机器制造业 ꎬ 并没有发现生产力在工人的工龄超过一定时间后下 降的趋势 ꎮ 这个发现强调了在高科技行业内专业性人力资本的积累是非常重要的 ꎬ 这也是生产力在职业生涯 初期上升的原因 ꎻ 此外 ꎬ 这也说明高科技行业个人认知 学习能力的重要性 ꎮ 过快的技术变化要求人力资本不 断的 及时的更新 ꎬ 故当员工年龄增长到一定程度时 ꎬ 各方面能力都出现不同程度的下降 ꎬ 愈发不能紧跟知识 前沿从而导致了生产力下降 ꎮ 为了检验年龄结构效应对属于不同 ICT 类别的行业是否有所不同 ꎬPrskawetz 和 Wissenschaften [41] 对不同 行业分别做回归 ꎬ 回归结果表明 : 在 ICT 制造行业没有明显的年龄效应 ꎬ 对于使用 ICT 行业来说有一个微弱的 年龄效应 ꎬ 对于其他的所有行业有一个驼峰型的年龄属性 ꎮ 故对于 ICT 制造业来说生产力的其他决定因素比 其雇员的年龄结构更重要 ꎮ 而瑞典采矿业和制造业的微观数据也表明生产力的年龄效应呈现一个驼峰状 ꎬ 且 峰顶大约出现在 50 岁左右 ꎮ 在局部劳动力市场中 岁之间的人口比例越高生产力也越高 ꎬ 以及生产力 变动与工资变动之间微弱关系都有力表明劳动力市场机制及流动对整个经济体层次的生产力起决定性作用 ꎮ 4 劳动力 / 人口的年龄结构与国家及区域的技术进步 上文将研究焦点放在年龄结构与个人创新和企业 行业生产力上 ꎮ 而针对国家宏观层面的研究 ꎬ 则从一 个更广的角度探讨人口结构和整个经济发展之间的关系 ꎮ 其最关注的是人口老龄化对国家经济增长的影响 ꎮ 假如生产力变动是由从事创新活动的个人驱动的 ꎮ 私人的经验报酬 (private return to experience) 不可能 完全反映出创新给社会带来的收益 ꎬ 因为企业并不能获得创新所创造的全部剩余 ꎮ 许多创新在本质上就是非 竞争性的 ꎬ 非竞争性使得想要获得创新活动带来的所有收益是非常困难的 ꎮ 在许多创新行业中 ꎬ 生产力很大 比例的增加使得消费者收益超过其支付的价格 ꎮ 以谷歌搜索引擎为例 ꎬ 谷歌的出现极大增加了学术研究者的 生产力以及任何依靠网络来获取增强生产力信息的人群 ꎮ 但是 ꎬ 大多数人不会为使用谷歌而支付任何费用 ꎮ 而谷歌创造者从其创造中收获的收益只是他们所创造的总产出的一小部分 ꎮ 假如劳动人口年龄结构能影响 一个发明被创造的概率 ꎮ 如果一个国家有一个能增加类似谷歌这种发明的发生概率 ꎬ 每个员工的生产力都将 62 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013)

8 提高 ꎮ 而生产力收益的一小部分由最初发明者获得 ꎮ 如果这个假设正确 ꎬ 那么我们相信总生产力效应要比微 观个体效应更大 ꎮ 在国民总产出中 ꎬ 除去资本和劳力等要素投入之后的索洛余值 ꎬ 通常被叫做全要素生产率 ( TFP)ꎮ 全要 素生产率的来源很多 ꎬ 有效率的改进 ( 比如制度的完善 )ꎬ 规模效应等等 ꎮ 但是其中最主要的一个来源就是技 术进步 ꎮ 技术指的是有关如何将生产要素组合来生产产品的知识 ꎮ 研究和开发是鼓励技术的重要投资 ꎮ 反 过来 ꎬ 投资的规模也依靠技术开发所形成的竞争优势的规模和持续期 ꎮ 从创造性毁灭的角度看 ꎬ 一种新技术 的应用会伤害一些企业和工人的利益 ( 企业利润下降 ꎬ 失业率上升 )ꎬ 这样的技术可能不会被采用 ꎮ 此外 ꎬTFP 是许多实证增长文献所公认的衡量创新或技术进步的经济指标 ꎮ 因此我们认为 ꎬ 虽然不完善 ꎬ 但是可以用 TFP 能够间接地度量一个国家的技术进步 ꎮ Feyrer [47] 对 87 个国家 年大面板数据的研究表明 ꎬ 劳动力人口结构的变化和全要素生产率有 很强且显著的相关性 ꎮ 岁的员工对全要素生产力的贡献最大 ꎬ 而其他年龄段的人口对 TFP 的贡献则相 对较小或者几乎没有 ꎮ 如果现在 岁的人口比 岁的人口多 5%ꎬ 那么十年以后 ꎬ40-49 岁的人口 比例就会增加 5%ꎬ 而这会导致平均每个工人的人均年产出增加 16%ꎮ Feyrer 还认为 ꎬ 经验的社会回报远超过 经验的个人回报 ꎬ 高生产力人群会对其他的人群产生正的外部性 ꎻ 而根据各个国家年龄结构的不同 ꎬ 其外部性 作用的大小也有所不同 ꎮ 他还认为外部性随着创新能力和管理能力的增加而增加 ꎮ 因此 ꎬ 当更富有创新能力 的壮年劳动力的比例增加时 ꎬ 外部性也就越大 ꎮ Feyer 在其 2007 年所做文章中指出人口结构也可用来解释各 国生产力差异 ꎮ 贫困国家的低生产力水平常伴随着劳动力人口很年轻的情况 ꎮ 其研究发现 OCED 国家和低 收入国家间约 1 / 4 的持久生产力差异可由不同的人口结构解释 ꎮ 富有和贫困国家间生产力变动也与相对人 口结构变动有关 ꎮ 因为大约从 1980 年富有国家就开始出现劳动力人口老龄化的现象 ꎬ 而于此同时 ꎬ 贫困国家 则一直保持相对稳定的人口结构 ꎮ 在这一时期 ꎬ 富有和贫困国家就已经出现了生产力水平差异 ꎮ Ito 和 Rose [48] 研究了 1960 年到 2005 年期间亚洲人口结构与经济增长的关系 ꎬ 得出亚洲老龄人口占比的增大在短 期内会抑制经济增长 ꎬ 但是长期对经济增长影响并不显著 ꎮ 当然 ꎬ 我们已经提到过 ꎬTFP 的来源不仅仅是技术进步 ꎬ 还有其他很多要素 ꎬ 比如制度的进一步完善 人们 [49] [50] 的受教育水平的提高 ꎮ TFP 没法把其他的要素与技术进步区分开来 ꎮ Prskawetz 等和 Fent 等研究了欧 盟 25 个国家在 年期间对新技术的采用情况 ꎮ 在这段时间内 ꎬ 欧盟的很多技术进步来源于美国的 技术转移 ꎬ 因此对新技术的采用很大部分解释了技术的总进步 ꎮ 其结果表明 :15-29 岁的人口越多 ꎬ 就越容易 采用前沿技术 ꎬ 而那些壮年和老年人口比例更大的国家采用前沿技术的比例则更低 ꎮ 从加总的层面来研究年龄结构和创新的影响使得研究能够包含个人对创新做出的更多的间接的贡献 ꎬ 包 括知识传递和知识 经验的溢出效应 ꎮ 加总层面的主要发现 : 首先是年龄结构和创新之间的倒 U 型关系 ꎮ 创 新可以用高科技企业的生产力 对新技术的采用 公司创新的概率以及创新型企业的创立等来衡量 ꎮ 这个结 论在公司 国家和区域层面都有证据支持 ꎮ 创新的最高峰一般在 岁 ꎮ 在对新技术的采用和公司的创 新业绩上面 ꎬ 这个高峰要早一点 ꎮ 而在公司的一般生产力或者是全要素生产率而言 ꎬ 这个高峰要晚一点 ꎮ 另 一个发现是根本性的创新更多的是年轻人完成的 ꎬ 而渐进性创新则和年龄结构基本无关 ꎮ 另外 ꎬ 年龄结构的 多样化 ꎬ 可能会增大创新部门企业的生产力 ꎮ 各国经验比较 随着全球老龄人口的 爆炸式 增长 ꎬ 人口老龄化已成为当今世界一个突出的社会问题 ꎬ 早已引起了国际 社会的关注 ꎮ 但由于各国老龄化程度不同 ꎬ 老龄化对其经济增长中间接反应创新的 TFP 的影响程度及效果 也不尽相同 ꎮ 本部分先引述各国老龄化对 TFP 的共同点 ꎬ 再论述在各国所处的不同环境下老龄化对 TFP 的 不同影响 ꎮ 在面对发展中国家和发达国家这种大面板数据时 ꎬAhituv [51] 利用包括反映员工平均资历也就是人力资本 积累变量的扩展模型 ꎬ 集中研究资本深化与抚养比这两个人口结构指标对人均产出的影响情况 ꎮ Ahituv 用死 亡率代替总人口增长率作为回归量 ꎬ 并发现资本深化效应是存在且显著的 ꎮ 而后者正好能解释高死亡率对人 MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 63

9 均产出的负效应 ꎮ 在此方向 ꎬ 一个重要的进步是 Lindh 和 Malmberg [52] 第一次探讨了人口年龄构成 ( 过去的出 生率 ) 对人均产出增长率的影响 ꎮ 他们的结果显示 : 控制了净投资和劳动人口增长率后 ꎬ50-64 岁劳动人群比 例对人均产出有显著正效应 ꎮ 而 65 岁以上人群比例对生产量增长率有显著负效应 ꎻ 同时 ꎬ 更年轻的劳动人群 的此效应则并不显著 ꎮ 但此研究的一个重大缺陷是用总人口而不是劳动力人口来代表人口结构 ꎮ Martin [53] 则利用多国长期面板数据详细探讨了劳动力年龄构成对经济增长的影响 ꎬ 并发现一个国家劳动 力年龄构成会影响 TFP 及其增长 ꎬ 而这种效应是内生增长现象的特点 ꎮ 一个有趣现象是 岁年龄段员 工对 TFP 的贡献率最大 ꎬ 而更年轻和更年老的员工对其的贡献则非常小 ꎮ 且这种现象在微观层面上比任何 其他都更加显著 ꎮ 而在那些人口老龄化更为严重的国家 ꎬ 劳动力年龄构成的变化会使 TFP 趋势增长率 (trend TFP growth) 和生产力趋势增长率暂时性地减少至少每年 1%ꎬ 且这个发现很显著也很稳健 ꎮ 由此可知各国老龄化对 TFP 存在共同影响 ꎬ 即劳动力人口结构确实会影响技术进步的间接指标 TFPꎻ 且 当人口结构老龄化时 ꎬ 对 TFP 确实有负面影响 ꎮ 此外 ꎬ 很多文献利用不同国家的相关数据从不同角度来研究老龄化对经济增长的不同影响 ꎮ 首先 ꎬ 不同的劳动力人口结构对各国 TFP 增长率有不同的影响 ꎮ Martin [53] 以五个 GDP 最大的 OECD 国 为例 ꎮ 考虑到 OECD 国家除劳动力结构不同及其多样性外 ꎬ 在其他方面都有极大的相似性 ꎬ 所以一般情况下 ꎬ 各国 TFP 趋势增长 (trend TFP growth) 应该相同 ꎮ 但该文模型结果显示劳动力年龄结构的变化使得各国的 TFP 趋势增长有所差异 ꎮ 在 年间 ꎬ 美国处于生产力和总产出强劲增长的阶段 ꎬ 而日本则经历长期 弱势 ꎻ 英国则从上世纪 90 年代高于趋势增长到现在趋于稳定的增长率 ꎮ 而模型对法国和德国的情况模拟的 不太好 ꎮ [46] 其次 ꎬ 在个别国家 ꎬ 劳动力人口结构对创新产出的影响并不显著 ꎮ Frosch 综述了 Verwor 等检验德国职 员结构对创新产出的影响 ꎮ 其三个 Probit 模型估计结果并未说明年老员工比例越高 ꎬ 企业的创新性产出越 低 ꎮ 这可能是因为年老员工并没有参与到创新性项目中 ꎬ 也就并没有创新性产出 ꎮ 在他们的分析中 ꎬ 并没有 发现高比例年老员工和企业创新能力之间有何关系 ꎮ 这表明老龄化的劳动力人口并不一定会影响德国企业 的创新能力 ꎮ 这可能是因为老龄化对知识密集型的高科技行业的创新有着显著的影响 ꎬ 而对经验密集型的其 他行业的创新的影响并不显著 ꎻ 老龄化对那些推出全新产品和服务的根本性创新有着显著影响 ꎬ 而对那些从 边际上改善已有产品的渐进性创新的影响并不显著 ꎮ 总之 ꎬ 在企业层面上 ꎬ 至少在 21 世纪初期 ꎬ 老龄化的员工年龄结构并没有妨碍德国企业的创新 ꎮ 他们还 发现企业规模 行业和区域对创新性产出概率的重要影响 ꎮ 其估计结果发现雇员超过 250 个的大企业创新概 率更高 ꎮ 在超过平均创新能力的行业内 ꎬ 企业的创新概率也更高 ꎮ 令人惊讶的是 ꎬ 西德的企业创新概率高于 东德 ꎮ 综上所述 ꎬ 由于各国因政治文化等方面的不同 ꎬ 老龄化对技术进步的间接指标 TFP 的影响也是显著不同 的 ꎮ 如果一个国家的高科技行业比例偏低 ꎬ 根本性创新比例偏低 ꎬ 那么老龄化对该国家现阶段的创新的影响 将会是有限的 ꎮ 但是 ꎬ 高科技行业以及根本性创新的比例偏低并不利于一个国家的长期发展 ꎮ 如果要获得经 济长期增长的动力 ꎬ 就必须要进行产业升级和技术革新 ꎬ 那么 ꎬ 老龄化对创新的影响就会显露出来 ꎬ 国家应该 对此未雨绸缪 ꎮ 64 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013) 结论与建议 本文梳理当前主流文献 ꎬ 从机制和实证结果两个方面探讨人口年龄结构和创新之间的内在联系 ꎮ 主要发 现如下 : 创新和年龄结构之间存在明显的倒 U 型关系 ꎬ 这种关系在个人 企业 行业和国家层面都有丰富的实 证证据支持 ꎬ 根本性创新更多的是年轻人完成的 ꎬ 而渐进性创新则和年龄结构基本无关 ꎮ 由众多文献可知 ꎬ 未来人口结构老龄化问题对中国创新的影响将不容忽视 ꎮ 但国内对老龄化与科技创新 关系的相关研究文献十分少 ꎬ 主要原因是关于科技创新的相关数据的收集难度 ꎬ 以及老龄化与科技创新的内 部影响机制十分复杂 ꎮ 除老龄化以外 ꎬ 影响创新的因素纷繁复杂 ꎬ 要想从众多因素中剥离出老龄化这一因素 的影响 ꎬ 任务非常艰巨 ꎮ 但不可否认 ꎬ 老龄化给创新带来的问题在中国将进一步升级 ꎮ 首先 ꎬ 产业升级加剧了

10 对创新的供求矛盾 ꎮ 人口老龄化使得中国的 人口红利 逐渐消失 ꎬ 从而使得中国劳动力资源的比较优势逐渐弱化 ꎮ 其次 ꎬ 中国未来的外部需求比重将会下降 ꎬ 而内需的比例会扩大 ꎮ 因此 ꎬ 老龄化通过消费渠道对创新的影响将会加大 ꎮ 再次 ꎬ 我国对根本性创新的需求将会加大 ꎬ 从而加剧老龄化对创新的影响 ꎮ 由此 ꎬ 国内学者应深入研究两者相关关系 ꎬ 为应对未来更为严峻的人口老龄化问题提供更多有效的政策建议 [54] ꎮ 从全社会角度看 ꎬ 社会人口的老龄化势必影响全社会的科技总产出 ꎮ 人口老化对 智力库 形成反作用 ꎮ 一般而言 ꎬ 青年人口对技术革新 ꎬ 发明创造的兴趣及能力都超过老年人口 ꎬ 老年人不易接受新事物 新思想 ꎬ 通常会固守成见 ꎬ 缺乏创新精神 ꎬ 进而阻碍科学发展 ꎮ 随着老年人口比例的增高 ꎬ 科技创新精神没有作为一种文化根植与当今日益老龄化的社会文化中 ꎬ 总体人口接受前沿科学技术能力将受到影响 ꎬ 科技创新能力将受到极大影响 ꎬ 又不利于科技的进步及其成果在经济生活中的应用 ꎮ 因此国家应该未雨绸缪 ꎬ 积极采取措施预防老龄化对创新带来的冲击 ꎮ 为缓解老龄化在将来可能对创新产生的影响 ꎬ 可采取以下措施 : (1) 大力发展教育事业 ꎬ 全面提升劳动力的人力资本 ꎮ (2) 建立以企业为主体的创新体系 ꎬ 通过制度改革刺激企业的创新积极性 ꎬ 提高企业创新的资源动员能力 ꎮ (3) 通过城镇化 ꎬ 尤其是农民市民化 ꎬ 提升居民消费结构 ꎬ 从而在需求上拉动创新 ꎮ 老龄化在给创新带来挑战的同时 ꎬ 也给创新带来机遇 ꎬ 这个机遇尤其反映在老龄化行业上 ꎬ 包括养老服务行业 ꎬ 医疗行业 ꎬ 老年人教育行业以及相关的金融行业等等 ꎮ 老龄化带来的负担将迫使人们寻找新的技术来维持和提高老年人的生活 ꎬ 这将会带来新的创新机遇 ꎮ 如果我们能够变挑战为机遇 ꎬ 在老龄化产业上有根本性的创新 ꎬ 生产出新的产品和服务满足老年人在生理和心理上的特殊需求 ꎬ 那么我们不仅仅能够解决本国的老龄化带来的问题 ꎬ 而且还能够开拓更广阔的海外市场 ꎮ 由此 ꎬ 未来为了解决老龄化问题而发展老龄化产业的过程中可能产生新一轮的创新高峰 ꎮ 参考文献 : [1] Nishimura K. G.ꎬ Minetaki K.ꎬ Shirai M.ꎬ et al. Effects of Information Technology and Aging Work Force on Labor Demand and Technological Progress in Japanese Industries: [ R]. Center for International Research on the Japanese Economyꎬ 2002 [2] Sophie D. W.ꎬ Luc S. Interrelationships between Human Capitalꎬ HRM and Innovation in Belgian Start ups Aiming at an Innova tion Strategy[ J]. The International Journal of Human Resource Managementꎬ 2010ꎬ21(11): [3] Nelson R. R.ꎬ Phelps M. Investments in Humansꎬ Technological Diffusion and Economic Growth[ J]. American Economic Reviewꎬ 1966ꎬ65(1):69 75 [4] Simonton D. K. Age and Outstanding Achievement: What Do We Know after a Century of Research[ J]. Psychological Bulletinꎬ 1988ꎬ104(2): [5] Horn J. L.ꎬ Cattell R. B. Refinement and Test of the Theory of Fluid and Crystallized Intelligence[ J]. Journal of Educational Psy chologyꎬ 1966ꎬ57(5): [6] Schaie K. W.ꎬ Willis S. L. Training the Elderly on the Ability Factors of Spatial Orientation and Inductive Reasoning[ J]. Psychol ogy and Agingꎬ 1986ꎬ1(3): [7] Schaie K. W.ꎬ Willis S. L. Can Decline in Intellectual Functioning Be Reversed[ J]. Developmental Psychologyꎬ 1986ꎬ22( 2): [8] Schwartzman A. E.ꎬ Gold D.ꎬ Andres D.ꎬ et al. Stability of Intelligence A 40 Year Follow up[ J]. Canadian Journal of Psychol ogyꎬ 1987ꎬ41(2): [9] Blum J. E.ꎬ Jarvik L. F.ꎬ Clark E. T. Rate of Change on Selective Tests of Intelligence A Twenty year Longitudinal Study of Aging [ J]. Journal of Gerontologyꎬ 1987ꎬ25(3): [10] Salthouse T. A. A Theory of Cognitive Aging[ M]. North Holland Amsterdam: Elsevier Pressꎬ 1985 [11] Verhaegen P.ꎬ Salthouse T. A. Meta analyses of Age cognition Relations in Adulthood Estimates of Llinear and Nonlinear Age Effects and Structural Models[ J]. Psychological Bulletinꎬ 1997ꎬ122(3): [12] 向志强. 人力资本生命周期与教育需求 [J]. 经济评论 ꎬ 2003ꎬ(2):32 35 MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 65

11 [13] Salthouse T.ꎬ Maurer T. J. Agingꎬ Job Performance and Career Development[ C]. Handbook of the Psychology of Agingꎬ 1996 [14] Ilmakunnas P.ꎬ Maliranta M.ꎬ Vainiomaki J. The Roles of Employer and Employee Characteristics for Plant Productivity[ J]. Journal of Productivity Analysisꎬ 2004ꎬ21(3): [15] Ericsson K. A.ꎬ Lehmann A. C. Expert and Exceptional Performance: Evidence of Maximal Adaptation to Task Constraints[ J]. Annual Review of Psychologyꎬ 1996ꎬ47(1): [16] Phelps R.ꎬ Shanteau J. Livestock Judges: How Much Information Can an Expert Use[ J]. Organizational Behavior and Human Performanceꎬ 1978ꎬ21(2): [17] Lehman H. C. Age and Achievement American Philosophical Society[ M]. Princeton: Princeton University Pressꎬ 1953 [18] Lesgold A. Acquiring Expertice Tutorials in Learning and Memory[ C]. Essays in Honor of Gordon Bowerꎬ 1984 [19] Friedberg L. The Impact of Technological Change on Older Workers: Evidence from Data on Computer Use[ J]. Leora Friedbergꎬ 2001ꎬ56(3): [20] Aubert P.ꎬ Caroli E.ꎬ Roger M. New Technologiesꎬ Organisation and Age: Firm level Evidence [ J]. The Economic Journalꎬ 2006ꎬ116(509):73 93 [21] Frosch K.ꎬ Tivig T. Ageꎬ Human Capital and The Geography of Innovation[ R]. Thünen series of Applied Economic Theoryꎬ 2007 [22] 孙旭. 人力资本投资 人力资本存量与人力资本投入比较 [J]. 统计与决策 ꎬ 2007ꎬ10: [23] Gibbons R.ꎬ Murphy K. J. Optimal Incentive Contracts in the Presence of Career Concerns: Theory and Evidence[ J]. The Jour nal of Political Economyꎬ 1992ꎬ100(3): [24] Lehman H. C. The Most Creative Years of Engineers and Other Technologists[ J]. The Journal of Genetic Psychologyꎬ 1966ꎬ 108(2): [25] Jones B. F. Age and Great Invention[ J]. The Review of Economics and Statisticsꎬ 2010ꎬ92(1):1 14 [26] Cole S. Age and Scientific Performance[ J]. The Amercian Journal of Sociologyꎬ 1979ꎬ84(4): [27] Levin S. G.ꎬ Stephan P. E. Research Productivity Over the Life Cycle: Evidence for Academic Scientists[ J]. The American Eco nomic Reviewꎬ 1999ꎬ81(1): [28] Hendrik P.ꎬ Dalen V.ꎬ Henkens K.ꎬ et al. Productivity of Older Workers: Perceptions of Employers and Employees[ J]. Popula tion and Development Reviewꎬ 2010ꎬ36(2): [29] Oberg W. Age and Achievement and the Technical Man[ J]. Personnel Psychologyꎬ 1960ꎬ13(3): [30] Dalton G. W.ꎬ Thompson P. H. Accelerating Obsolence of Older Engineers[ J]. Harvard Business Reviewꎬ 1971ꎬ49(5):57 67 [31] Henseke G.ꎬ Tivig T. Demographic Change and Industry specific Innovation Patterns in Germany[ C]. Tnen series of Applied Economic Theoryꎬ 2007 [32] Giuri P.ꎬ Mariani M.ꎬ Brusoni S.ꎬ et al. Inventors and Invention Processes in Europe: Results from the PatVal EU Survey[ J]. Research Policyꎬ 2008ꎬ36(8): [33] Mariani M.ꎬ Romanelli M. Stacking and Picking Inventions: The Patenting Behaviour of European Inventors[ J]. Research Policyꎬ 2007ꎬ36(8): [34] Schreyer P.ꎬ Pilat D. Measuring Productivity[ C]. Organisation for Economic Co operation and Developmentꎬ 2001 [35] Weil D. N. Economic Growth[ M]. Boston: Addison Wesleyꎬ 2005 [36] Lindh T. Productivity Is a System Property and Need Not Decrease with the Age of the Workforce[J]. Vienna Yearbook of Popu lation Researchꎬ 2005ꎬ3(1):7 9 [37] Hetze P. Team Composition and Knowledge Transfer Within an Ageing Workforce[ J / OL]. Rostocker Zentrum Diskussionspapierꎬ http: / / / publikationen / rz_diskussionpapier_14. Pdfꎬ 2007 [38] Carmen C. M.ꎬ Álvaro L. C.ꎬ Ramón V. C. Leveraging the Innovative Performance of Human Capital through HRM and Social Capital in Spanish Firms[ J]. The International Journal of Human Resource Managementꎬ 201ꎬ22(4): [39] Skirbekk V. Age and Individual Productivity: A Literature Survey[ C]. Vienna Yearbook of Population Researchꎬ 2004 [40] Bonaccorsi A.ꎬ Daraio C. Age Effects in Scientific Productivity[ J]. Scientometricsꎬ 2003ꎬ58(1):49 90 [41] Prskawetz A.ꎬ Wissenschaften D. The Impact of Population Ageing on Innovation and Productivity Growth in Europe[ C]. Studies on Policy Implications of Demographic Changes in the Enlarged EUꎬ 2006 [42] Malmberg B.ꎬ Lindh T.ꎬ Halvarsson M. Productivity Consequences of Workforce Aging: Stagnation or Horndal Effect[ J]. Popula 66 管理评论 Vol.25 Vol.27 No.08(2015) No.02(2013)

12 tion and Development Reviewꎬ 2008ꎬ34(2): [43] Daveri F.ꎬ Maliranta M. Ageꎬ Seniority and Labour Costs: Lessons from the Finnish IT Revolution[ J]. Economic Policyꎬ 2007ꎬ 22(49): [44] Bönte W.ꎬ Falck O.ꎬ Heblich S. The Impact of Regional Age Structure on Entrepreneurship[ J]. Economic Geographyꎬ 2009ꎬ 85(3): [45] Meyer J. Workforce Age and Technology Adoption in Small and Medium sized Service Firm[ J]. Small Businessꎬ 2011ꎬ37( 3): [46] Frosch K. H. Workforce Age and Innovation: A Literature Survey [ J]. International Journal of Management Reviewsꎬ 2011ꎬ 13(4): [47] Feyrer J. Demographics and Productivity[ J]. Review of Economics and Statisticsꎬ 2007ꎬ89(1): [48] Ito T.ꎬ Rose A. K. The Economic Consequences of Demographic Change in East Asia[ M]. Chicago: University of Chicago Pressꎬ 2010 [49] Prskawetz A.ꎬ Mahlberg B.ꎬ Skirbekk V. Demographic Structure and Firm Productivity in Austria [ J]. Wirtschaftspolitische Blätterꎬ 2007ꎬ54(4): [50] Fent T.ꎬ Mahlberg B.ꎬ Prskawetz A. Demographic Change and Economic Growth[ M]. Berlin: Springerꎬ 2008 [51] Ahituv A. Be Fruitful or Multiply: On the Interplay between Fertility and Economic Development[ J]. Journal of Population Eco nomicsꎬ 2001ꎬ14(1):51 71 [52] Lindh T.ꎬ Malmberg B. Age Structure Effects and Growth in the OECD [ J]. Journal of Population Economicsꎬ 1999ꎬ 12(3): [53] Martin W. Ageing and Productivity Growth: Are There Macro level Cohort Effects of Human Capital[ R]. CESifo Working Paper No. 2207ꎬ 2008 [54] 马光远编. 中国创造力报告 : 创新驱动中国梦 [C]. 北京 : 社会科学文献出版社 ꎬ 2013 Aging Affects Innovation? An Analysis Based on Literature Yao Dongmin 1 ꎬ Li Sanxi 2 and Lin Sisi 3 (1.School of National Fiscal Developmentꎬ Central University of Finance and Economicsꎬ Beijing ꎻ 2.School of Economicsꎬ Renmin Universityꎬ Beijing ꎻ 3.Jiangxi Research Institute of Business Economyꎬ Nanchang ) Abstract: This paper surveys the literature on the relationship between aging and innovation. Substantial evidence supports the hypothe sis that aging affects innovation through cognitive ability and human capital. In generalꎬ there is an inverted U shape relationship between age structure and innovationꎬ which is measured by patentsꎬ technology progress and TFP. The magnitude of the effect of age structure on innovation varies across countriesꎬ due to countries heterogeneity. Key words: agingꎬ innovationꎬ cognitive abilityꎬ accumulation of human capitalꎬ TFP MANAGEMENT MANAGEMENTREVIEW REVIEW Vol.27 Vol.25 No.08(2015) No.02(2013) 67