人口老齡化與勞動力就業質量

摘 要：推進就業優先戰略、保障高質量充分就業是實現社會經濟高質量發展、增進民生福祉的關鍵舉措。與此同時，老齡化程度的加深對經濟發展、產業結構與要素投入調整產生了廣泛而深遠的影響。為此，基于我國2006—2021年省級面板數據，運用熵值法對各省勞動力就業質量進行測算，并采用雙向固定效應模型和調節效應模型探究了人口老齡化對高質量就業的影響。研究發現，人口老齡化抑制我國勞動力就業質量提升，人工智能的發展帶來的外部環境和技術創新水平的提升可以削弱人口老齡化對就業質量的消極影響。

關 鍵 詞：氧化鈷; 納米結構; 電容器; 電催化人口老齡化； 人工智能； 就業質量； 調節效應

中圖分類號：F249.2 文獻標志碼：A

doi：10.3969/j.issn.1673-5862.2024.03.010

Population aging and the quality of labour force employment

——An empirical analysis based on provincial panel data from 2006 to 2021

CUI Song^1，2， LYU Yan^1，2， CHEN Lanfeng^1，2FU Yunpeng¹， WANG Zixuan¹， HUO Dan²

（1. College of Physical Science and Technology， Shenyang Normal University， Shenyang 110034， China）（1. College of Economics， Liaoning University， Shenyang 110036， China; 2. College of Business， Liaoning University， Shenyang 110036， China）

Abstract：Promoting the strategy of giving priority to employment and guaranteeing high-quality and full employment is a key measure for achieving high-quality socio-economic development and enhancing people′s well-being. At the same time， the deepening of aging has brought about extensive and far-reaching changes in economic development， industrial structure and adjustment of factor inputs. To this end， based on the provincial panel data from 2006 to 2021， we first measure the quality of labour force employment in each province using the entropy weight method， and explore the impact of population aging on high-quality employment using the fixed and moderating effect models. It is found that population aging inhibits the improvement of employment quality of China′s labour force， in addition， the external environment brought by the development of artificial intelligence and the improvement of the level of technological innovation can ameliorate the negative impact of population aging on employment quality.

Key words：population aging; artificial intelligence; quality of employment; moderating effects

隨著我國人口數量增長的動力逐年減弱，“老齡少子化”趨勢不可逆轉。2021年，我國65歲及以上人口達2.01億，占人口總量的14.20%。當人口老齡化問題逐漸沖擊人口數量紅利帶來的比較優勢時，人口結構的變動必然導致生產率發生變化^［1］。與此同時，人工智能、區塊鏈和大數據等數字化技術賦能產業的發展和企業經營成為可能緩解人口結構變化的重要措施。人工智能作為前瞻性、戰略性、革命性的技術，在未來的綜合國力競爭和產業格局變革中具有核心地位，深刻影響著當前我國在國際經濟產業價值鏈中的攀升。人工智能的發展會導致低技能勞動者退出^［2］，造成勞動參與率下降、技術性失業等問題。與此同時，人工智能的發展也會推動一批新興就業崗位的產生，對就業結構產生重要影響。

在人口老齡化背景下，促進高質量就業是推進現代化強國建設的必由之路。當前，人工智能與實體經濟的深度融合逐漸成為推動高質量就業的新動力^［3］。因此，探究我國老齡化程度加深對高質量就業的影響及人工智能在這一過程中的驅動機制，對于穩定推進高質量就業、保障民生和社會安定具有重要的理論價值和戰略意義。

1 理論分析與研究假設

1.1 人口老齡化對就業質量的影響

人口老齡化對于高質量就業的影響主要體現在對于就業穩定性和保障性的沖擊方面。一方面，老齡化降低了傳統低技能勞動者的競爭優勢。由于當前技術創新水平的深度和速度遠超以往，而創新技術更能滿足程序性、體力型的崗位需求，因而逐漸形成低技能崗位淘汰趨勢，崗位的產生和更替的速度加快^［4］。同時，中老年勞動力占比增加，而其身體機能衰退，創新意愿減弱，信息獲取能力降低，這些造成勞動力參與率下降^［5］，阻礙了高質量就業的發展，從而導致就業的不穩定性。此外，老齡化社會需求導向的變化造成傳統工作崗位供給渠道的顛覆，在當前我國產業結構逐步轉型升級的進程中，能夠適應老齡化的社會新型業態仍處于萌芽階段^［6］。另一方面，鑒于平衡預算約束的需求，人口老齡化帶來的養老保險、醫療衛生支出負擔也會對年輕群體的公共福利類型財政支出產生擠出效應^［7］，不利于滿足勞動者物質、精神領域多元化的需求，造成勞動與福利不匹配。老齡化勞動群體的身體機能明顯降低，伴隨發生的還有其勞動技能的退步、勞動能力的下降等，使之無法勝任高強度、靈活性強的崗位；身體健康狀況惡化和發病率的上升讓高齡勞動者更容易面臨工傷事故等意外狀況^［8］。此外，諸多高齡勞動者在達到退休年齡后，原有單位可能會自動停止勞動合同，使得仍在就業的老年人缺少相應的就業和勞動保障，進一步損害了該類勞動者就業的保障性。

假設1：人口老齡化不利于推動我國就業高質量發展。

1.2 人工智能的調節作用

人工智能產業的外部環境和內部創新拓展了其發展的深度和廣度，尤其是在與傳統制造業、服務業深度融合的過程中，發揮了崗位創造效應，增強了國民經濟各部門的就業吸納能力^［9］。人工智能使得傳統勞動密集型產業向知識密集型、高效制造業和服務業轉型。一方面，技術密集型崗位的擴張增加了市場對高技能勞動者的需求；產業勞動崗位競爭方向由生產領域逐漸轉向技術研發，從而緩解了老齡化帶來的勞動力崗位需求錯配問題，提高了勞動者就業的穩定性和勞動力要素配置的精準度。此外，各地區人工智能技術優化了城市層面的創新環境，帶動城市智能化轉型，達到了高效生產和壓縮要素成本的目標。這種成本優化的結果是產生資本累積效應，刺激經濟增長，并以此為依托擴展了產業生產，吸納了更多高、中、低技能勞動力^［10］。另一方面，人工智能憑借人機深度協同的特點，能夠輔助勞動者完成高強度、高危險工作，在提高勞動者安全保障性的同時，降低了勞動者由于身體素質和能力下降而被迫退出勞動者市場的風險，實現了老齡人口就業崗位擴容，弱化了老齡化對于就業質量的沖擊。

假設2：伴隨人工智能融合傳統產業的發展，人口老齡化對就業質量的負面效應被削弱。

2 變量選擇及數據說明

2.1 就業質量測度

本文參考賴德勝等^［11］的研究，以“中國各地區就業質量測算與評價”中的就業質量評價指標體系為基準，選取就業能力、勞動者報酬、就業狀態、勞動保護、勞動關系、就業環境6個一級基礎指標、40個二級基礎指標，通過熵值法測算了2006—2021年我國各省份就業質量指數。各指標的含義見表1。

具體操作如下：

第1步 標準化處理：y_ij=x_ij－x_iminx_imax－x_imin

其中：x_ij為第i個單位的第j個指標的原始值，且對所有0值的對數值直接進行取0處理。

第2步 計算第i個樣本下第j個指標的特征權重：Y_ij=y_ij∑mi=1y_ij

第3步 指標信息熵值e與信息效用值d的計算。第j項指標的信息熵值為e_j=－1In_m∑mi=1Y_ijInY_ij，信息效用值d_j=1-e_j。

第4步 計算第j個指標的熵權。信息效用值d越大，表明指標越重要，對評價的重要性就越大，最后得到j項指標的權重為W_j=d_j∑nj=1d_j。

第5步 綜合評價：F=∑w_jy_ij，最終得到各省每年就業質量指數。

2.2 解釋變量

解釋變量是人口老齡化水平。參考張衛^［12］的研究，采用老年人口撫養比衡量老齡化水平，即老年人口數與勞動年齡人口數之比。老年人口撫養比越高，說明人口老齡化情況越嚴重^［13］。

2.3 調節變量

本文的調節變量選用工業機器人安裝密度與人工智能申請專利數。其中，工業機器人安裝密度參考杜文強^［14］的研究，采用省級層面工業機器人密度，即每萬名工人擁有的工業機器人臺數衡量，測算公式為rob_it=∑jemp_it，j∑jemp_it，j×rob_t，jemp_t，j。其中：i表示省份；j表示行業；t表示時間；rob_t，j和emp_t，j分別表示2006年至2021年間全國層面制造業經細致劃分后的14個行業的工業機器人安裝量和就業量；rob_j，temp_j，t 表示全國范圍內第t年的j行業的工業機器人密度；emp_it，j∑jemp_it，j 表示i省份j行業在t年的就業量占該省制造業的比重。另一調節變量人工智能申請專利數根據《戰略性新型產業分類與國際專利分類參照關系表》中人工智能專利分類號，從國家知識產權局專利數據庫中統計得到。

2.4 數據來源

選取2006—2021年我國30個省份人口老齡化和就業質量的面板數據作為樣本。人口老齡化數據來自歷年《中國統計年鑒》，測算就業質量的各指標數據來自歷年《中國勞動統計年鑒》，其他變量數據來自歷年《中國統計年鑒》和各省份統計年鑒。考慮到數據可得性，港澳臺及西藏地區不作為樣本；少量缺失值數據通過線性插值填補。

3 實證分析

3.1 實證模型構建

3.1.1 基準回歸模型

為驗證人口老齡化沖擊就業質量的假設，首先構建如下基準模型：

quality of employment_it=α₀+α₁aging_it+λcontrol_it+μ_i+δ_t+ε_it（1）

其中：quality of employment_it，aging_it，control_it分別為省份i在t年的就業質量、人口老齡化和控制變量；μ_i為控制地區固定效應；δ_t為控制時間固定效應；ε_it為不可觀測的擾動項；α₀，α₁，λ為待估系數。

3.1.2 調節效應模型

為驗證上文的研究假設2，以示人工智能發展水平在人口老齡化與就業質量之間的調節作用，本文構建如下模型：

quality of employment_it=α₀+α₁aging_it+α₂mediate_it+λcontrol_it+μ_i+δ_t+ε_it（2）

quality of employment_it=α₀+α₁aging_it+α₂mediate_it+α₃aging_it×

mediate_it+λcontrol_it+μ_i+δ_t+ε_it（3）

其中：mediate_it和aging_it×mediate_it分別表示調節變量及人口老齡化與調節變量的交互項;α₂，α₃為待估系數；其它變量同（1）式。

3.2 基準回歸

表2給出人口老齡化對就業質量影響的基準回歸結果。在第2列未加入控制變量的回歸結果中，人口老齡化的回歸系數顯著為負，表明人口老齡化抑制了就業質量的提升。進一步控制年份和省份特征，第3列中人口老齡化的回歸系數為-0.266，表明人口老齡化水平每增長1個單位，就業質量將會降低0.266個單位。進一步在回歸模型中加入控制變量，第4列中人口老齡化的回歸系數為-0.312，通過1%水平的顯著性檢驗，基準回歸結果符合假設1。

3.3 穩健性檢驗

3.3.1 替換核心變量

為驗證就業質量測度方式的準確性，本文使用主成分分析法對就業質量指數重新進行測算，并將其作為被解釋變量替代原被解釋變量進行穩健性檢驗；以65歲以上人口占比反映人口老齡化程度，并替換老年人口撫養比，進行穩健性檢驗。回歸結果見表3第2列和第3列所示，人口老齡化回歸系數在1%水平上顯著為負，表明前文結果穩健。

3.3.2 調整樣本

考慮到直轄市在就業質量與發展定位上與其他城市存在差異，本文將北京、天津、上海、重慶4個直轄市樣本剔除進行穩健性檢驗。表3報告了調整樣本后的穩健性檢驗回歸結果，在第4列中人口老齡化的回歸系數顯著為負。在進行樣本調整后，回歸結果表明人口老齡化仍能夠顯著對就業質量產生負向影響，再次表明前文結果的穩健性。

3.3.4 反向因果

就業質量提升有可能會造成勞動力流動，反向作用于人口老齡化程度，導致研究結果會存在反向因果導致的內生性問題。本文采用兩階段最小二乘法解決內生性問題。參考Acemoglu等^［15］的做法，采用滯后10期的老年撫養比作為工具變量，這樣可以較好地解決滯后變量與“潛在結果”間接相關的問題，使其滿足外生性條件。10年前的老年撫養比與現階段的老年撫養比仍然高度相關，但與其他干擾因素無關，為了保證工具變量的有效性，首先通過不可識別檢驗，表明工具變量與解釋變量顯著相關，初步說明工具變量的有效性。同時，通過弱工具變量檢驗發現不存在弱工具變量。回歸結果由表5所示，結果證明在考慮了內生性問題之后，回歸結果與前文基準回歸基本一致，進一步驗證了本文研究結果的準確性。

3.4 異質性分析

3.4.1 經濟發展水平異質性

本文按各省份人均GDP與全國人均GDP進行比較，參考宋佳瑩和高傳勝^［15］的做法，設高于全國人均GDP的地區為經濟發達地區，其余為經濟欠發達地區。對樣本進行回歸分析，結果如表4第2列和第3列所示：在經濟發達地區，人口老齡化的回歸系數顯著為負；在經濟欠發達地區，人口老齡化雖有負向影響的傾向，但回歸系數卻不顯著。究其原因，在經濟發達地區，新型產業發展迅速，必然會產生大量需要精密操作的就業崗位，老齡化會導致勞動生產效率降低，老齡勞動力無法勝任與高新技術領域相關的崗位，從而對發達地區就業質量產生負向影響；在經濟欠發達地區，從事固定行業的人數占較大比重，從事的崗位大多對技術水平、知識儲備要求不高，人口老齡化對供需兩側的負面影響較為薄弱，最終僅表現為對就業質量造成負向影響的傾向。

3.4.2 地理位置異質性

考慮地理位置對于資源要素稟賦和就業吸納程度存在差異，本文將中國30個省劃分為東部、中部及西部地區來考察人口老齡化影響就業質量的區域異質性。結果如表4第4～6列所示：在三大區域中，東部地區人口老齡化對就業質量的影響顯著為負，中西部地區人口老齡化對就業質量的抑制作用不明顯。此結果與東部地區的經濟發展水平高于中西部地區有關。

3.4.3 時間異質性

本文以第6次和第7次人口普查為時間節點，分別對2006—2010年和2011—2021年的樣本進行回歸，結果如表4第7列和第8列所示：在2006—2010年，人口老齡化回歸系數為負但不顯著，其原因可能為老齡化初期階段對于經濟社會運行的干擾和要素稟賦的配置不存在較大的沖擊作用，但已有負向影響的傾向；在2011—2021年，回歸系數顯著為負，表明此階段人口老齡化對就業質量產生明顯抑制作用。

3.5 調節效應分析

基于上文假設，為判斷人工智能水平在人口老齡化影響就業質量發展過程中發揮的調節機制，本文從外部環境和內部創新支持2個方面分別表達人工智能的發展水平，隨后與人口老齡化構建交互項。表5報告了式（2）和式（3）的回歸結果：第4列和第6列納入了2個調節變量與人口老齡化的交互項，交互項回歸系數在1%水平上顯著為正，說明人工智能發揮了“崗位創造”效應和“人機協同”效應，從而推動就業質量提高。基于上述對人工智能調節作用的分析，本文認為人工智能化會弱化人口老齡化對就業質量的負面影響。因而假設2是成立的。

4 結論與建議

本文基于人口老齡化影響高質量就業的事實，利用熵值法對各省份就業質量指標進行測算，考察了人口老齡化水平對就業質量的影響，并將人工智能水平納入研究框架，分析了人工智能發展水平在人口老齡化對高質量就業影響中的調節作用。結論如下：1）人口老齡化抑制了高質量就業，該結果在替換變量、更換樣本一系列檢驗后依然穩健；2）人口老齡化對就業質量的負向作用在東部地區和經濟發達地區更顯著，而且，相比于2010年之前，樣本研究期后期就業質量受人口老齡化的抑制作用更為顯著；3）人工智能技術的發展弱化了老齡化對就業造成的負面影響，有助于我國就業質量提升。針對上述結論，為實現高質量就業和中國式現代化，積極應對老齡化浪潮，本文提出以下建議：

1）引導勞動者適應老齡化趨勢下的就業形勢。在老齡化趨勢下，政府和社會要加強對老齡就業群體等面臨技術性失業的人群的職業素質教育和能力培養，提升該類就業群體的專業化水平和綜合競爭力。政府部門應加大對老齡化趨勢下新業態的財政投入，推動適合老齡化發展的新產業規模。加速老年服務業等新業態，尤其是形成針對低技能勞動者的新業態就業容納機制，引導低技能勞動力向新興產業轉移。針對老齡就業者要逐漸健全準入機制，從而實現身體機能狀況和勞動技能需求匹配。同時，要實現老齡就業者勞動保障的全覆蓋，使得其能夠依法享受各類勞動福利。

2）統籌謀劃，全面部署人工智能發展戰略。加強人工智能在先進制造業、現代化服務業等重點領域的融合應用，緩解老齡化帶來的勞動力供給不足的困境。重視技術與人才的支撐作用。以點帶面，以中心促周邊，充分發揮相關技術的知識溢出效應，實現區域人工智能上下游產業協同發展，加速制定各行業人工智能技術的引進發展戰略，強化職工技能素養，提高勞動者的人機協同水平。政府應積極引導智慧交通、智慧醫療等與實體經濟的融合應用，精準識別人工智能企業的發展策略和現實需求，完善相關體制機制，提高人工智能服務實體經濟的發展水平，推動與人工智能深度融合，帶動就業崗位數量擴容和工作環境質量的改善。參考文獻：

［1］KRAJCINOVIC D，FONSEKA G U.The continuous damage theory of brittle materials［J］.J Appl Mech，1981，48（4）：809-824.

都陽，封永剛.人口快速老齡化對經濟增長的沖擊［J］.經濟研究，2021，56（2）：71-88.

［2］史丹，葉云嶺.人工智能、就業結構與高質量發展［J］.當代財經，2023（5）：3-14.

［3］叢屹，閆苗苗.數字經濟、人力資本投資與高質量就業［J］.財經科學，2022（3）：112-122.

［4］肖周燕，張亞飛.人口老齡化與數字經濟疊加對就業的影響［J］.山西財經大學學報，2023，45（11）：32-45.

［5］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，2016，40（3）：58-70.

［6］曹守新，徐曉雯.人工智能對勞動力就業的影響及其應對［J］.山東社會科學，2020（12）：153-159.

［7］于長革.經濟發展中影響公共支出結構的因素分析［J］.經濟經緯，2006（1）：123-126.

［8］朱慧劼.老年農民工的健康、工作和社會保障狀況［J］.南方人口，2017，32（6）：25-33.

［9］MAKRIDAKIS S.The forthcoming artificial intelligence （AI） revolution：Its impact on society and firms［J］.Futures，2017，90：46-60.

［10］蔡宏波，韓金镕.人工智能緩解人口老齡化壓力：作用機理與實現路徑［J］.新視野，2021（6）：20-26.

［11］賴德勝，蘇麗鋒，孟大虎，等.中國各地區就業質量測算與評價［J］.經濟理論與經濟管理，2011（11）：88-99.

［12］張衛.人口老齡化、產業結構與勞動力技能結構［J］.西北人口，2021，42（5）：67-79.

［13］張晨霞，李榮林.人口老齡化、數字經濟與經濟高質量發展［J］.經濟經緯，2022，39（5）：3-13.

［14］杜文強.人口老齡化促進了中國工業機器人應用嗎？［J］.產經評論，2022，13（5）：73-87.

［15］宋佳瑩，高傳勝.人口老齡化、養老保險支出與經濟高質量發展［J］.暨南學報（哲學社會科學版），2023，45（2）：98-114.

【責任編輯：溫學兵】