李明广，谢 众

（1.安徽信息工程学院管理工程学院，安徽芜湖241199；2.合肥工业大学经济学院，合肥230601）

一、引 言

中国经济正面临出口国内增加值率偏低和人口老龄化的双向挑战。改革开放以来，充裕的廉价劳动力推动了劳动密集型和加工贸易企业的出口，但依托“人口红利”嵌入全球价值链的方式导致中国的出口国内增加值率明显低于发达国家甚至印度。另一方面，中国已处于人口老龄化的加速发展阶段，“放开二孩”等宽松型人口政策未能有效遏制人口老龄化。第七次人口普查数据显示，2020年，中国65岁及以上人口占比为13.5%。而预计到2026年，中国老年人口规模将达到3.1亿人，约占世界老年人口比重的四分之一（翟振武等，2016）[1]。彼时，中国的人口老龄化形势将会更加严峻，甚至会彻底失去相比于东南亚、印度等发展中国家的劳动比较优势，从根本上危及中国的全球价值链分工地位。因此，一个迫切需要探讨的问题是，人口老龄化是否会影响中国企业出口国内增加值率？

当前，既有文献仍停留在人口老龄化是否会引致贸易广度（如进出口规模等）的变化，而尚未注意到人口老龄化对企业出口国内增加值率的影响。Cai&Stoyanov（2016）[2]充分结合了人类生理学领域的文献，强调人力资本的行业异质性，并指出人口老龄化对制造业出口的影响与各行业人力资本密集度有关。铁锳等（2019）[3]将数据拓展到城市层面，发现劳动人口比下降与抚养比上升会显著降低中国各地级市的出口额，同时这种负面影响也会随着人力资本的提升得到弱化。然而，由于中间品的大量参与，基于垂直专业化的国际分工将价值创造过程不断切分，笼统的总出口价值已经无法准确反映出各国在国际市场中捕获的实际利得。单纯讨论人口老龄化对出口的影响显然已经不足以解释人口结构转型背景下中国参与国际分工深度的变化。

作为纯国内要素所创造的市场价值，出口国内增加值率（Domestic Value Added Rate of Export，简称EDVAR）表示出口扣除进口中间品价值后占总出口的比重，近来被广泛应用于衡量各国的全球价值链分工地位（Hummels et al.，2001[4]；Koopman et al.，2012[5]；张杰等，2013[6]）。Kee&Tang（2016）[7]的奠基性研究指出中国企业出口国内增加值率提升的来源有两点：一是贸易与投资自由化引致的中间品投入本土化；二是企业在国际市场上掌握了更多的产品定价主动权。基于他们的理论框架，崔晓敏等（2018）[8]、耿伟和杨晓亮（2019）[9]构建了最低工资上涨影响企业EDVAR的理论模型，研究发现最低工资上涨会阻碍中国企业EDVAR的提升，并给出了稳健的经验证据。铁瑛等（2018）[10]的经验分析则表明城市最低工资上涨会导致加工贸易的退出与转移，从而促进总体企业平均EDVAR的“被动”提升。虽然已有研究从劳动力成本上升的视角对人口老龄化有所提及，但人口结构变化不仅会提高劳动生产成本，还会直接影响到劳动力市场的供给状况，改变企业的用工策略。因此，单纯考察劳动力成本上升对企业出口增加值率的影响不足以解释人口老龄化对中国全球价值链攀升的影响。

基于现有文献的不足之处，本文研究了人口老龄化对中国企业EDVAR的影响及机制，并基于2000～2013年中国工业企业－海关匹配数据展开经验分析。总体来看，人口老龄化对中国企业ED⁃VAR的提升是不利的，但从影响渠道来看，人口老龄化对中国企业EDVAR的负面影响主要是由于进口中间品投入增加导致的，相较而言，劳动力成本上升造成的直接影响较小，甚至可以忽略不计。值得关注的是，人口老龄化并未阻碍加工贸易的发展，降低加工贸易在贸易结构中的份额，从而带来总体企业平均EDVAR的“被动”提升。此外，本文发现人口老龄化对中国企业EDVAR的影响在贸易方式、要素密集度、所有制与区域层面均具有明显的差异。

与已有文献相比，本文的边际贡献主要包含：第一，本文研究了人口老龄化对中国企业EDVAR的影响及其机制，这不仅丰富了人口结构转变与国际贸易的研究内容，而且对于企业EDVAR的影响因素研究也是一个有益的补充。第二，通过构建中介效应模型，本文对人口老龄化影响中国企业ED⁃VAR的作用机理进行了深入的检验，这有助于增强我们对于人口老龄化如何影响中国企业参与全球价值链分工的认识，从而制定针对性的政策措施。第三，从不同区域、所有制、贸易方式与要素密集度的角度展开异质性分析，这有利于我们把握人口老龄化对中国企业EDVAR的影响的局部特征，并从整体与部分的对比分析中挖掘出“动态人口红利”。

二、理论模型和研究假说

参照Halpern et al.（2015）[11]的研究，假定企业的生产函数为规模报酬不变的柯布道格拉斯类型：

其中，y、ψ、k、l和m分别表示企业的总产出、生产率、资本、劳动和复合中间品要素投入。复合中间品要素投入包括进口中间品投入mI和国内中间品投入mD。λl、λk和λm分别表示企业劳动、资本和中间品要素的产出弹性。

借鉴Kee&Tang（2016）[7]的研究，假定复合中间品要素投入m是关于进口中间品投入mI和国内中间品投入mD的常替代弹性（CES）函数，二者的替代弹性为σ（σ>1）。

假设其他条件不变的情况下，人口老龄化（olddep）引致的劳动力成本上涨会提高本土企业生产的国内中间品价格pD，而进口中间品价格不受影响，即：

据上文所述，企业出口国内增加值率表示出口扣除进口中间品价值后占总出口价值的比重，其数学定义式为：

其中，p为产品市场外生给定的最终产品价格，C为企业生产总成本。给定企业总产出y，根据成本最小化原则：

假设资本产出弹性λk不变，由于人口老龄化会降低劳动参与率和生产率，劳动投入的产出弹性λl会相应地降低，根据公式（2）可知中间品产出弹性λm会相应地增加。此外，由于σ>1，根据公式（4）、公式（5）可知pM是人口老龄化（olddep）的增函数。根据以上分析，结合公式（9）可知：

此外，将公式（5）和公式（10）带入公式（8）后不难发现，人口老龄化会提高企业的生产成本，故企业边际成本c也是人口老龄化的增函数：

将公式（13）取对数后对人口老龄化（olddep）求偏导，结合公式（4）、公式（10）和公式（14）可得：

基于公式（15），可以提出本文的第一个研究假说：

假说1：其他条件不变时，人口老龄化对企业出口国内增加值率的影响为负。

此外，从公式（15）中可以发现，人口老龄化影响企业出口国内增加值率的渠道有两个：

由公式（13）对边际成本c、中间品产出弹性λm和国内外中间品相对价格pIpD求偏导，结合公式（5）、公式（10）和公式（15）可得：

公式（16）的经济含义是：人口老龄化增加了企业生产的边际成本，而成本上升压缩了企业的出口利润空间，从而降低了企业出口国内增加值率，此为“成本效应”。

公式（17）的经济含义是：为应对人口老龄化带来的负面冲击，保持产出不变和实现利润最大化，理性企业会投入更多的中间品以替代劳动生产要素，从而降低了企业出口国内增加值率，此为“不同要素的替代效应”。

公式（18）的经济含义是：人口老龄化会增加国内中间品的生产成本，但不会对进口中间品产生影响，从而提高了国内中间品的相对价格，理性企业会增加进口中间品的使用，因而降低了企业出口国内增加值率，此为“同类要素的替代效应”。

此外，人口老龄化对企业出口结构的影响也可能会改变企业EDVAR，虽然上述理论模型无法捕捉到这种影响，但其可视为“成本效应”与“替代效应”的延伸。一方面，市场和资源“两头在外”的行业特性导致其更倾向于使用进口中间品，因而加工贸易EDVAR要明显小于一般贸易；另一方面，加工贸易多属于劳动密集型行业，国内劳动比较优势的消融会威胁到加工贸易企业的生存。面对不断上涨的劳动力成本，加工贸易企业可能会选择退出出口市场，或者受到海外丰裕的劳动力供给的吸引而实现生产转移。因此，面对人口老龄化的负面冲击，企业很可能会降低从事加工贸易的比重，从而换取企业出口国内增加值率的“被动”提升，此为“结构效应”。然而，这种影响需建立劳动力成本上涨已经严重威胁到加工贸易生存的基础之上，才可能广泛成立。另外，加工贸易的发展需要完善的工业体系与良好的营商环境的支撑，这是其他发展中国家所不具备的，加工贸易向外转移的事实还有待探讨。因此，“结构效应”的影响可能会有所差异，具体情况仍有待检验。

基于上述分析，可以提出本文的第二个研究假说：

假说2：人口老龄化通过“成本效应”“替代效应”和“结构效应”三个渠道影响企业出口国内增加值率。

三、研究设计

（一）计量模型

本文旨在考察人口老龄化对中国企业出口国内增加值率的影响，故参考高翔等（2018）[12]的研究，将计量模型设定如下：

其中，EDVARit表示企业i在t年出口的国内增加值率；olddeprt表示r省份t年的人口老龄化程度；X为本文选取的一系列控制变量，详见下文。δt、δi和δr分别表示年份、企业和省份固定效应，εit为随机扰动项。

（二）变量说明

1.被解释变量：企业出口国内增加值率

借鉴张杰等（2013）[6]的方法，本文将企业分为纯一般贸易、纯加工贸易与混合贸易分别进行测算，并逐步剔除了由中间品间接进口与识别不足产生的误差①为统一说明，下文对识别误差的详细描述均省略了下标itη。。测算公式如下：

其中，下标i表示企业，t表示时间，η=1、η=2、η=3分别表示一般贸易、加工贸易和混合贸易，λo和λp分别表示混合贸易企业从事一般贸易和加工贸易的比重。

首先，处理由贸易代理商间接进口造成的偏误。参考Ahn et al.（2011）[13]的做法，根据海关数据库中企业名称的关键词识别出贸易中间代理商企业②关键词包括“进出口”“贸易”“经贸”“外经”和“科贸”等。，然后根据公式（impadj=imp∕（1-βit））计算出每个企业的实际进口额。其中，imp为企业的名义进口额，βit为贸易中间商的进口额占所有企业总进口额的比重。基于此，可以得到处理贸易代理商间接进口问题后的一般贸易企业实际进口额（impo_adj）和加工贸易企业实际进口额（impp_adj）。

其次，从企业进口中识别出中间品进口。根据Upward et al.（2013）[14]的假设，加工贸易企业会将其进口的产品全部当作中间要素投入到生产过程中，因而仅识别一般贸易的中间品进口即可。参考Dean et al.（2011）[15]的做法利用BEC-HS6对照表进行转化，通过BEC编码③中间品BEC编码为111、121、21、22、31、322、42和53。识别出中间品后加总可得一般贸易的中间品进口额（impo_adjBEC）。最后，同Kee&Tang（2016）[7]一样，剔除贸易中间代理商、中间品进口额大于中间品总投入的观测值，以及EDVAR小于0和大于1的异常值。

2.核心解释变量：人口老龄化

参考汪伟等（2015）[16]、吴飞飞和唐保庆（2018）[17]、铁瑛等（2019）[3]的研究，本文使用全国省份或直辖市地区的老龄人口抚养比（olddep）作为人口老龄化的代理变量，在稳健性检验中使用老龄化率（ag⁃ing）替换老龄人口抚养比进行回归。

3.控制变量

人口结构转变是一个长期、复杂的过程，考察人口老龄化对企业EDVAR的影响不仅需要充分结合人口结构转变的“刘易斯拐点”是否已经到来（蔡昉，2010）[18]，还需要考虑到人力资本积累的调节作用（铁瑛等，2019）[3]。为此，本文在经验研究中控制了人力资本与人口流动的干扰。具体而言，本文主要选取了如下控制变量：①要素密集度（kl），采用企业资本劳动比的对数值衡量；②企业规模（size），使用企业固定资产的对数值衡量；③企业出口密集度（expint），等于出口额占销售收入比重的对数值；④人力资本（hc），借鉴铁瑛等（2019）[3]的方法，使用各省市地区在校学生数乘以其所在教育层次的对数值衡量；⑤本地市场规模（gdp），使用各省市地区人均国内生产总值的对数值衡量；⑥市场竞争度（hhi），采用四分位行业的赫芬达尔—赫希曼指数进行测度；⑦人口流动（popmov），人口流动的广度与速度一般与交通基础设施的改善密切相关，因而使用各省市地区铁路与公路密度之和（即铁路与公路总里程与各地区土地面积之比）进行衡量。各变量的详细说明与统计性描述见表1。

表1 变量说明与统计性描述

（三）数据说明

本文主要使用了三套数据：①2000～2013年中国工业企业数据库。我们按照聂辉华等（2012）[19]的方法对原始数据进行了整理，并剔除了逻辑上出现明显错误的观测值，具体包括：出口交货值大于销售收入、流动资产大于固定资产、固定资产增值大于总资产、企业注册月份大于12或小于1以及雇佣人数小于24人的观测值。②2000～2013年中国海关进出口数据库。我们将不同年份不同标准的HS编码统一为HS6位数编码，然后将产品－月度层面的数据加总到产品－年度层面，在加总的过程中我们借鉴Feng et al.（2016）[20]的方法，利用联合国广义经济分类标准（BEC）标识了企业进口的中间品信息。随后，我们按照Yu（2015）[21]的方法将二套数据库进行合并，并将合并后的数据进行了单位标准化①工企数据库的统计单位为千元（人民币），海关数据库的统计单位为美元。。③2000～2013年《中国统计年鉴》《中国人口与就业统计年鉴》。我们手动收集了全国32个省级地区（西藏因数据缺失严重予以删除，重庆和四川的数据合并）的老龄人口、少儿人口、总人口、GDP、铁路与公路总里程、土地面积等数据，按照年份及两位数省份代码将工企－海关数据库同人口老龄化等省级层面的数据合并，最终共获取了506 443个观测值。

四、实证结果

（一）基准回归

人口老龄化对中国企业出口国内增加值率的影响的回归结果汇报在表2，我们使用逐步加入变量的方式汇报估计结果。第（1）列不加入任何控制变量，仅考虑人口老龄化对中国企业EDVAR的影响，在控制年份与省份固定效应的同时使用聚类到企业层面的稳健标准误以纠正模型潜在的异方差。结果显示人口老龄化的估计系数在1%水平上显著为负，初步说明人口老龄化会对中国企业EDVAR产生负面影响。在第（1）列的基础上，第（2）列加入企业层面的控制变量，第（3）列加入省份层面的控制变量，第（4）列同时纳入企业与省份层面的控制变量，可以发现估计系数同样显著为负。这说明无论有无控制变量，人口老龄化均会对中国企业EDVAR产生负面冲击。进一步的，第（5）列在纳入企业与省份层面控制变量的基础上，同时控制了年份、省份和企业固定效应，其结果显示人口老龄化每上升1个百分点，中国企业EDVAR将下降约0.29个百分点。

表2 基准回归结果

在控制变量方面，要素密集度（kl）的系数显著为正，意味着资本密集型企业EDVAR较高，而劳动密集型企业的EDVAR较低。企业规模（size）的影响显著为负，可能是由于规模较大的企业更容易与国外供应商建立联系，从而使用更多的国外中间要素。人力资本（hc）表现出显著的正向效应，表明人力资本扩张能够促进企业全球价值链攀升。本地市场规模（gdp）对企业EDVAR的影响显著为正，说明市场规模越大的地区竞争效应越强，与国内产业链与供应链衔接得更为紧密，从而更可能使用本土企业生产的中间品。最后，人口流动（popmov）的系数显著为负，可能的原因是人口流动促进了劳动密集型和加工贸易企业的发展，而劳动密集型和加工贸易出口创造的国内增加值普遍较低。

（二）内生性问题处理

为解决基准回归模型潜在的内生性问题，我们进行了以下有益的尝试。第一，根据Wooldridge（2010）[22]的假设，如果模型的残差项没有太强的时序关联性，而是由当期扰动决定，那么就可以使用滞后一期的核心解释变量替换未滞后的核心解释变量缓解内生性问题。表3第（1）列报告了滞后一期的老龄抚养比（l.olddep）对中国企业EDVAR的影响，结果依然显著为负。第二，我们将基准回归模型中所有解释变量均滞后一期进行再估计，结果见表3第（2）列，从中可知本文的核心结论并未改变，假说1仍然成立。第三，为缓解遗漏变量导致的内生性问题，在基准回归的基准上，本文进一步控制了一些行业层面随时间变化的因素，结果见表3第（3）列，结果显示olddep的估计系数仍然显著为负。第四，我们使用l.olddep作为olddep的工具变量，采用两阶段最小二乘法（2SLS）处理可能存在的内生性问题，结果见表3第（4）列，假说1仍然成立。第四，根据李兵和任远（2015）[23]的思路，采用企业所在省份是否受到抗日战争大型会战的影响构建工具变量，结果见表3第（5）列，结果与基准回归基本一致，未发生根本性变化①由于第二次世界大战期间的低生育率会导致20年后较低的育龄人口与生育率，李兵和任远（2015）认为二战对65年后人口结构的影响是严格外生的。铁瑛等（2019）以5年为跨度，65周年为周期递推到各城市是否曾作为抗日战争期间持续30天的大型会战的主战场作为标准划分对照组，受其影响且处于时间范围内设为1，否则为0。由于本文所用数据为省份层面，时间跨度为2000～2013年，我们按照各主战场所在省份进行划分，即将2005年前（2000～2005为一个五年跨度）河北、山西、上海、江苏、浙江、安徽、江西、山东、湖北、湖南以及2007年后（2007～2013为一个五年跨度）河南、湖南、湖北、广西设为1，其他时间范围及省份地区设为0，以此构造本文的第二个工具变量。。第五，参考铁瑛等（2019）[3]的研究，我们使用企业所在省份是否受到1938年郑州花园口决堤的影响构建工具变量②同战争的影响一样，自然灾害会造成人口大迁徙，当期受灾地区的高死亡率与低生育率会改变以后各自然周期的人口结构。基于这点认识，我们将1938年郑州花园口决堤的影响作为事件冲击，按照洪水的实际流经区域，我们将河南省、山东省、江苏省和安徽省四个地区在2005年后进入对照组，以此构建本文的第三个工具变量。，结果汇报在表3第（6）列，假说1仍然成立。

表3 内生性问题处理

此外，本文对表3第（4）～（6）列的工具变量进行了如下统计检验：①Anderson-LM统计量分别为7 131.131、4.034和655.674，对应的p值为0.0000、0.0446、0.0000，至少能够在5%的显著水平上强烈拒绝工具变量识别不足的原假设；②Cragg-Donald Wald-F统计量分别为1.1e+05、16.466、1 842.235，大于Stock-Yogo检验在10%显著水平上的临界值16.38，从而拒绝了弱工具变量的原假设。由此可见，本文选取的工具变量是合适的。总之，在使用工具变量处理内生性问题后，结果仍然显示人口老龄化对中国企业EDVAR具有负向影响。

（三）稳健性检验

1.不同方式测度的企业EDVAR

受中国工业企业数据库变量缺失的约束，本文在测算企业EDVAR时仅考虑了贸易代理商的间接进口与中间品识别不足导致的误差。首先，借鉴张杰等（2013）[6]与Kee&Tang（2016）[7]的方法，我们进一步识别了由资本品进口与国内原材料包含的国内价值导致的偏误。由于2007年往后的工企数据库存在大量的缺失值，基于Kee&Tang（2016）[7]方法测算的企业EDVAR的样本范围仅为2000～2007年。表4第（1）列汇报了人口老龄化对KHW的影响，不难发现，olddep的系数符号与显著性水平都未改变，仅在系数绝对值上出现些许变化，这说明本文的测算方法并不会对基准回归结果造成影响，假说1具有良好的稳健性。其次，采取Upward et al.（2013）[14]提出的企业层面的垂直专业化指标（DVS）进行替换。

同上文，impp、expp、impp、expo、exp、Y分别表示加工贸易进口额、加工贸易出口额、一般贸易进口额、一般贸易出口额、总出口额与企业的总销售额。回归结果见表4第（2）列，olddep的系数依然显著为负，这再次说明企业EDVAR测算方法的变化不会对假说1造成影响。

2.不同方法衡量的人口老龄化

核心解释变量的测度误差也可能造成明显的估计偏误。为此，本文使用了两种不同的方法重新衡量人口老龄化。第一，本文把老龄人口抚养比高于样本75分位数的企业定义为高老龄化程度组，把老龄人口抚养比低于样本25分位数的样本定义为低老龄化程度组，由此展开分层回归，回归结果见表4第（3）～（4）列。不难发现，高老龄化程度组的估计系数仍然显著为负，而低老龄化程度组的估计系数不显著。第二，本文使用老龄化率（aging）代替老龄人口抚养比（olddep）作为核心解释变量进行回归，结果见表4第（5）列。同样，aging的估计系数仍然显著为负。虽然不同方式衡量的人口老龄化程度的估计系数绝对值存在差异，但是替换核心解释变量得到的估计结果依旧稳健。

表4 替换核心变量的稳健性检验

3.考虑人口流动的影响

人口流动能够从根本上改变各地区的人口结构，而老龄人口抚养比和老龄化率一般只能衡量人口老龄化的静态特征，无法考察人口流动造成的各地区人口老龄化的动态变换。此外，虽然我们在基准回归中加入各地区交通基础设施的指标，以控制人口流动的影响，但是这种控制程度无法完全避免人口流动导致的估计偏差。为此，我们参考王婷等（2020）[24]的方法，按照各省份人口流动性排名，以中位数为分割点把样本划分为强省际人口流动地区和弱省际人口流动地区进行回归，结果见表5第（1）～（2）列。可以发现，无论是强人口流动还是弱人口流动地区，人口老龄化对中国企业EDVAR的影响均显著为负，且强人口流动地区企业受到的负面冲击更大。基于此，可以进一步说明人口流动并不会改变本文基准回归的结果。

4.考虑模型设定偏差的影响

本文采取了两种方法处理由模型设定偏差产生的影响。①企业出口国内增加值率的取值范围为[0，1]，采用OLS回归可能造成估计的偏误。为此，我们参考吕越等（2018）[25]的研究将被解释变量ED⁃VAR的上限设为1，下限设为0，采用双限制Tobit估计进行实证检验，回归结果见表5第（3）列，由于企业数目过多，这里的Tobit估计仅控制了年份与省份固定效应。不难发现，人口老龄化的估计系数仍然在1%水平上显著为负，表明人口老龄化会抑制中国企业EDVAR的提升。②受其他经济因素的调节作用，人口老龄化带来的影响可能并非线性的，例如对企业创新或经济增长的影响（随淑敏、何增华，2020[26]；汪伟、咸金坤，2020[27]）。为此，我们在基准回归模型公式（19）中加入了人口老龄化的二次项（olddep2），结果见表5第（4）列。结果显示二次项的系数不显著，说明人口老龄化对中国企业ED⁃VAR的影响不存在非线性特征。由此说明，基准回归的计量模型设定无误，假说1具有良好的稳健性。

5.考虑政策变动的影响

国际贸易政策的变动很可能会对中国企业EDVAR的变化产生重大影响，从而影响到本文的估计结果。本文考虑了两项比较重要的政策变动，一是中国在2001年加入世界贸易组织（WTO），二是中国在2005年对人民币汇率的改革。参考高翔等（2018）[12]的研究，我们引入了时间哑变量2001dum和2005dum，并在基准模型的右边加入了人口老龄化与时间哑变量的交互项（olddep×2001dum）和（old⁃dep×2005dum），估计结果见表5第（5）列。结果显示人口老龄化对中国企业EDVAR的影响仍然显著为负，而人口老龄化与入世哑变量（olddep×2001dum）的影响效应不显著，可能的解释是中国在入世前就已经取得了众多贸易伙伴的关税豁免权。人口老龄化与汇改哑变量（olddep×2005dum）的影响效应显著为正，说明汇率制度改革后人口老龄化对中国企业EDVAR的负面冲击有所加强，可能的解释是汇改后人民币升值使得进口中间品相对国内中间品的价格降低，面对人口老龄化的加剧，企业进一步增加了进口中间品投入，从而降低了出口国内增加值率。因此，总体而言，入世与汇改两项重大政策变动并未对假说1造成根本性影响。

表5 考虑更多影响因素的稳健性检验

（四）影响机制检验

1.机制检验的计量模型设定

为检验假说2，本文构建了如下中介效应模型：

其中，公式（21）是本文的基准回归模型，公式（22）旨在估计人口老龄化对中介变量Channel的影响，公式（23）考察中介变量对企业出口国内增加值率的影响。按照中介效应分析的逻辑，若观察到bj的系数显著，且符号满足理论预期，则可以说明人口老龄化对中介变量的影响是存在的。若进一步观察到cj的系数显著，且相对于基准回归，核心解释变量的系数绝对值出现不同程度的上升与下降，则可以说明人口老龄化影响企业EDVAR的各渠道的存在。

以上各式的核心解释变量、控制变量均与基准回归一致，且同样分别控制了年份、省份与企业固定效应。Channel为本文选择的中介变量集。首先，使用企业生产成本cost①参考耿伟和杨晓亮（2019）的研究，企业生产成本cost等于管理费用、销售费用、财务费用、主营业务成本、应付工资总额、应付福利总额之和的对数值。作为“成本效应”的中介变量，借此衡量人口老龄化对企业生产成本的影响。其次，国内中间品投入比重dom_ra⁃tio②参考高翔等（2018）的研究，dom_ratio等于国内中间品投入额占企业销售收入的比重。作为同类要素“替代效应”的中介变量，使用进口中间品与企业雇佣人数之比的对数值la⁃bor_ratio③以2000年为基期，labor_ratio剔除了进口中间品的价格波动。作为不同要素“替代效应”的中介变量，分别衡量进口中间品替代国内中间品与劳动力的情形。最后，使用企业加工贸易占比pro_ratio④参考铁瑛等（2018）与吕越等（2018）的研究，pro_ratio等于企业加工贸易出口额占出口额的比重。作为“结构效应”的中介变量，借此衡量人口老龄化是否会改变企业的贸易结构，进而造成进口中间品与劳动力投入的互补性减少。

2.成本效应的检验结果

“成本效应”的估计结果见表6第（2）～（3）列⑤2007年后的中国工业企业数据库存在大量的缺失值，无法满足本文机制检验的需求，因而对“成本效应”与同类要素替代效应的检验结果汇报在表6，样本范围为2000～2007年。而表7列示了不同要素替代效应与“结构效应”的检验结果，时间跨度与基准回归一致，为2000～2013年。。第（1）列为基准回归结果，下同。第（2）列讨论了人口老龄化对企业生产的边际成本的影响，可以发现olddep的回归系数显著为正，说明人口老龄化会显著增加企业生产的边际成本，降低对出口产品的价格加成。而第（3）列的回归结果显示，中介变量cost的回归系数显著为负，说明生产成本增加不利于企业获得更多的出口国内增加值。第（3）列在加入中介变量cost后，olddep的系数绝对值略有下降，说明“成本效应”的中介效应为负，即人口老龄化会增加企业生产成本，降低企业出口利润空间，从而降低企业出口国内增加值率。同时，按照Sobel（1987）[28]的检验方法，不难计算出“成本效应”路径上的乘积项的标准差为0.000005917和0.0001029011，与之对应的Z统计量分别为-2.66165和-2.99705，至少能够在5%水平上拒绝原假设。由此，可以说明人口老龄化影响中国企业EDVAR的“成本效应”显著为负。

3.替代效应的检验结果

根据上文所述，“替代效应”可以分为两种情形，其一是同类要素替代效应，即进口中间品对国内中间品的替代，估计结果见表6第（4）～（5）列，其二是不同要素替代效应，即进口中间品对劳动力的替代，估计结果见表7第（2）～（3）列。

表6第（4）列讨论了人口老龄化对中介变量国内中间品比重（dom_ratio）的影响，olddep的系数显著为负，说明人口老龄化会减少国内中间品的投入而增加进口中间品的使用。进一步看，表6第（5）列的回归结果表明国内中间品投入比重下降会显著降低企业EDVAR，且在加入中介变量dom_ratio后，核心解释变量olddep的系数绝对值有所降低，说明进口中间品对国内中间品的“替代效应”的影响为负。同样，该路径上Sobel检验乘积项的标准差为0.0001029011，与之对应的Z统计量为-2.99705，至少能够在5%水平上拒绝原假设。

表6 成本效应与同类要素替代效应的检验结果

表7第（2）列考察了人口老龄化对进口中间品与劳动力之比labor_ratio的影响，olddep的回归系数显著为正，说明人口老龄化显著促进了进口中间品对劳动力的替代。相应地，第（3）列的估计结果显示中介变量labor_ra⁃tio对企业EDVAR的影响在1%水平上显著为负，说明进口中间品对劳动力的替代会降低企业EDVAR。并且把labor_ratio纳入回归后，人口老龄化的系数绝对值略有降低，再次说明进口中间品对劳动力的“替代效应”的影响为负。此外，根据表7的回归结果可以计算出该路径上Sobel检验的乘积项与Z统计量分别为0.000108272与-8.42931，至少在5%水平上拒绝原假设①以b1c2为例，先根据公式 计算出b1c2的标准差，再根据Zb1c2=b1 c2/Sb1c2得到各乘积项的Z统计量。。综上，可以说明人口老龄化影响中国企业EDVAR的“替代效应”显著为负。

表7 不同要素替代效应与结构效应的检验结果

4.结构效应的检验结果

“结构效应”的检验结果汇报在表7第（4）～（5）列。第（4）列考察了人口老龄化对企业加工贸易比重pro_ratio的影响，结果显示olddep的系数显著为正，说明人口老龄化提高了企业的加工贸易占比。这与基于最低工资视角进行研究得出的结论不同。对此，合理的解释有两点：一是劳动力供给尚未完全跨越“刘易斯拐点”，由劳动力跨区域转移构建的“动态人口红利”的存在仍然能够支撑起加工贸易的发展；二是同中国一样，世界大多数发展中国家也在面对人口老龄化的挑战，但不同的是，中国不仅拥有庞大的市场规模，并且始终在持续地扩大对外开放与改善国内的营商环境，这是中国能够吸引源源不断的外资进入，支撑加工贸易发展的重要先决条件。值得指出的是，第（5）列的估计结果与已有研究一致，即加工贸易占比增加会显著降低企业EDVAR，并且加入中介变量pro_ratio后，人口老龄化的系数绝对值也出现了很大程度的下降，说明“结构效应”的中介效应为负。此外，Sobel检验乘积项b1c3的标准差与Z统计量分别为0.0000246839、-29.6792，也至少在5%水平上显著。因此，可以说明人口老龄化影响中国企业EDVAR的“结构效应”显著为负。

基于上述分析，可证明假说2的成立。为进一步对比各个渠道的影响大小，笔者根据表6和表7的回归结果计算了三种影响渠道的中介效应占总效应的比重。具体而言，“成本效应”的中介效应占总效应的比重为[0.0075х（-0.0024）]∕（-0.0029）=0.54%，同类要素与不同要素“替代效应”的中介效应占总效应的比重分别为[0.0287х（-0.0318）]∕（-0.0029）=31.47%、[0.018х（-0.0407）]∕（-0.0029）=25.26%，“结构效应”的中介效应占总效应的比重为[（-0.0012）х0.257]∕（-0.0029）=10.63%。这种对比非常直观，即人口老龄化对中国企业EDVAR的负面影响基本上是由于中间品进口投入增加所致，而“成本效应”的影响占比很小，几乎可以忽略不计。

五、异质性分析

以Melitz（2003）[29]为代表的文献注意到企业异质性的存在，并强调不同企业之间的贸易行为存在鲜明的差异。为此，本文从贸易方式、要素密集度、区域和所有制四个层面考察人口老龄化对中国企业EDVAR的影响是否存在异同。

（一）贸易方式层面的异质性分析

表8第（1）～（3）列为贸易方式异质性的回归结果。结果显示，人口老龄化对混合贸易企业ED⁃VAR的影响显著为负，对纯加工贸易与纯一般贸易企业的影响不显著。其原因在于，混合贸易企业的中间品替代弹性较大，产出结构调整较为灵活，因而更容易产生“替代效应”与“结构效应”，即面对不断加剧的人口老龄化，其更可能增加进口中间品投入，以替代国内中间品与劳动力对生产率的贡献，从而降低了出口国内增加值率。而纯加工贸易与纯一般贸易企业则不然，纯加工贸易仅使用进口中间品，纯一般贸易不进口中间品或仅使用国内中间品，二者受到“成本效应”的影响较大，而“替代效应”与“结构效应”的作用较小。这也从侧面印证了本文的研究结论，即人口老龄化对中国企业ED⁃VAR的负面影响多半是由进口中间品依赖所致，“成本效应”的影响较小。

表8 贸易方式与要素密集度层面的异质性分析

（二）要素密集度层面的异质性分析

表8第（4）～（6）列是要素密集度异质性的回归结果。我们按照二位数行业将总体样本分为劳动密集型企业、资本密集型企业、技术密集型企业三个子样本。结果比较直观，即人口老龄化对资本密集型和技术密集型企业EDVAR的不利影响远小于劳动密集型企业，这也说明加大知识与技术创新力度，鼓励企业转型升级，是缓解人口老龄化对中国企业EDVAR负面影响的有效途径。

（三）区域层面的异质性分析

表9第（1）～（3）列是区域层面的回归结果，本文按照梯度区域把样本划分为东部、中部及西部三个子样本。虽然中国的出口企业多聚集于东部地区，但人口老龄化对西部地区企业EDVAR的负向影响大于东部地区企业，而对中部地区企业的影响不显著。对此，较为合理的解释是，中国的人口流动总体上呈现由西到东梯度迁移的趋势，作为人口净流入地区，东部地区的劳动力供给短缺问题能够得到有效的缓解，因而受到人口老龄化的影响较小。反之，作为人口净流出地区，西部地区企业所受到的负面冲击则相对较大。

（四）所有制层面的异质性分析

表9第（4）～（6）列为所有制层面的回归结果。可以发现，人口老龄化对国有企业EDVAR的影响不显著，可能是由于国有企业多位于国内供应链的上游，作为中间产品的供应商，其受到“替代效应”的影响较小，而对于处于供应链下游的私营及外资企业而言，受到人口老龄化的冲击更大。另外，人口老龄化对外资企业EDVAR的影响要大于私营企业，可能的原因是外资企业更容易获取国外供应商的信息，当劳动力供给出现短缺，其使用进口中间品予以替代的可能性更大。

表9 区域和所有制层面的异质性分析

六、结论与政策启示

本文研究了人口老龄化对企业出口国内增加值率的影响及其作用机理，并基于2000-2013年中国微观企业数据展开了经验分析。本文的研究结论主要有三点：第一，人口老龄化对中国企业ED⁃VAR的提升具有显著的负面冲击，这一结论具有良好的稳健性。第二，上述影响主要是由进口中间品对劳动力与国内中间品的替代来实现的，而人口老龄化引致的“成本效应”的负面影响较小。并且，从贸易结构变动来看，人口老龄化并未引致加工贸易的退出或向外转移，从而实现企业出口国内增加值率的“被动”提升。第三，进一步的异质性分析结果表明，贸易结构变动较为灵活的混合贸易企业与劳动力需求较高的劳动密集型企业的出口国内增加值率受到人口老龄化的负向影响较大，而位于国内产业链上游的国有企业并未受到明显的负面冲击。此外，人口流动能够有效缓解人口老龄化对企业EDVAR的不利影响，人口净流入的东部地区以及人口流出较小的中部地区企业受到的影响较小。本文的结论具有以下政策启示。

在当前人口老龄化增长势头难以在中短期内扭转的背景下，人口老龄化对中国企业EDVAR的负向影响可能是长期的，但从影响渠道来看，这种影响并非不可逆的。首先，人口老龄化引致的“成本效应”的不利影响较小，反而通过“替代效应”对中国企业EDVAR提升的抑制作用更大，这在一定程度上反映了中国对国际产业链供应链的依赖。因此，应持续关注国内产业链的现状，减轻国内中间品供应商的税负，提升国内中间品供给的规模、种类与质量，从而实现中间品投入的本土化，提升出口国内增加值率。与此同时，应把政策红利重点释放于教育改革，加速高质量人力资本积累，提高劳动者素质和人口创新力，推动企业生产技术革新，摆脱核心技术或生产环节受制于人的局面，从而以庞大的人才基础和创新能力作为全球价值链地位持续攀升的驱动力。

其次，对外贸易领域的供给侧结构性改革应注重加工贸易的转型升级。本文研究结论表明，现阶段人口老龄化推动贸易结构改善的效应尚未凸显，大量加工贸易企业的存续依然是中国出口国内增加值率提升的重要约束。加工贸易转型升级的瓶颈往往在于资本、技术和政策等方面的约束，政府应有针对性地提供合适的产业政策为企业的自发升级排忧解难，如缓解企业融资约束，搭建企业科研机构联合创新平台。同时，应配套优胜劣汰的竞合机制，以避免政策的挤出效应的产生。此外，应深刻地认识到加工贸易的转型升级绝非要消灭加工贸易。当前，加工贸易仍然是我国扩大对外开放和嵌入国际市场循环的重要方式，且加工贸易的稳定发展能够保障国内的劳动力就业。

最后，需充分挖掘并利用人口结构转型期间的动态人口红利。人口老龄化对一般贸易企业、国有企业、技术密集型企业和人口净流入的东部地区企业EDVAR的抑制作用较小，这种影响的异质性特征为我们挖掘动态人口红利提供了依据。例如，优化企业出口结构，推进加工贸易产业实现梯度区域生产转移，加强东部与中西部地区、发达地区与欠发达地区产业链的互补；根据所有权特征和国内产业链位置制定不同的补贴政策；优化劳动密集型产品的生产工序，逐步提高出口产品质量与国际市场定价权；推动户籍制度改革，建立健全人口流动保障兜底机制，充分利用由劳动力跨区域转移构建的“动态人口红利”。

本文还存在两点未尽之处。一是人口老龄化可能会影响企业创新，从而再通过上述三个渠道影响企业出口国内增加值率；二是人力资本、政府补贴等因素的调节作用不可忽视，其可能会改变人口老龄化对企业出口国内增加值率的影响。本文的理论模型假定这些因素是外生给定的，而未能将其内生化进行系统分析。未来，我们将针对这些不足进一步展开研究。✿