研究综述

为把握我国养老科技产业研究现状，在CNKI中进行了文献检索，其中16篇都是关于将科技运用到养老中的可行性分析、产业化的趋势以及发展的对策建议等。仅有1篇文章——《新兴养老科技产业及区域发展评价研究》是具体针对养老科技产业的研究。仅有的研究具有两个特点：一是起步较晚，近年来才开始出现；二是绝大多数为定性研究，主要包括可行性分析、前景、实现路径以及发展对策研究等。黄鲁成等对我国新兴养老科技产业的由来、定义以及特征进行了详细的阐述，分析了中国养老科技产业面临的主要问题，并给出发展养老科技产业的对策建议；徐业良探讨了老年福祉科技产业的机会与挑战；田杰在《推行科技养老的可行性分析与政策建议》一文中指出要大力推进科技养老产业化。

葛志专等基于省级面板数据，采用动态系统GMM模型实证分析了宏观政策对我国汽车市场的影响。赵卿、曾海舰构建了制造业高质量发展指标体系，指标体系分为经济效益、创新驱动和绿色发展三个子系统，运用熵权TOPSIS法对制造业高质量发展水平及其各个子系统进行测度，然后结合省级面板数据，以省级政策数量表示产业政策，作为解释变量，以制造业高质量发展综合水平作为被解释变量，研究了产业政策与制造业高质量发展的关系，进一步从经济效益、创新驱动和绿色发展三个方面研究了产业政策影响中国制造业发展的作用机制。苏屹、李丹等基于动态面板数据，以专利授权量代表区域创新质量，以Krugman指数作为测算专业化的指标，研究了专业化对区域创新质量的影响。首先采用混合OLS和固定效应模型进行分析，结果显示解释变量对被解释变量的影响在两种方法中出现不同的结果，于是进一步采用动态系统GMM方法进行研究，最终结果显示专业化对区域创新质量具有显著的促进作用。

根据以上对研究现状的梳理，目前该领域存在的不足和局限性有以下几点。

综上，本文在系统性地构建养老科技产业创新质量评价指标体系的基础上，对我国养老科技产业创新质量进行评价，并且进一步探讨养老政策对区域养老科技产业创新质量的影响，为促进我国养老科技产业的发展提供对策建议。

养老政策梳理及量化分析

2.1 国家级政策文本综合分析

在北大法宝中检索标题中含有“养老”且发布日期在2010年1月1日—2019年12月31日的国家级政策文本，共得到538份政策文献。经过筛选，最终得到147份政策文本。采用TF-IDF算法提取政策文本中的核心关键词，初步得到1 050个关键词，选取出现频次在8次以上的，经过人工筛选后最终得到66个。根据得到的关键词，使用Python构建共现矩阵，采用系统聚类法对养老政策进行分类，最终将养老政策分为社会保障、养老服务、市场化支持和发展规划四大类，如表1所示。

总体来看，社会保障类和养老服务类政策在我国养老政策体系中占有相当的比重。一方面，国家在寻求各种方法解决公民的养老问题，积极应对人口老龄化；另一方面，国家也在鼓励社会资本进入养老产业中，运用市场力量应对老龄化。2017年以来，智慧健康养老逐渐成为学者和政策制定者关注的热点，用科技手段解决养老问题（科技＋养老），把科技产品、服务运用到老年人日常生活中以缓解社会的养老压力，成为未来的趋势。

2.2 区域养老政策量化

检索标题中含有“养老”且发布日期在2010年1月1日—2018年12月31日的区域政策文本，共得到养老科技企业所在20个省（区市）4 458份初始政策文件，经过筛选，最终得到19个省（区市）3 642个养老政策。由于西藏数据缺失严重，故对除西藏外的19个省（区市）进行分析。本文根据区域养老政策法律效力不同，将政策进行量化，为后续研究工作做准备。其中地方性法规赋值为4，地方政府规章赋值为3，地方规范性文件赋值为2，地方工作文件赋值为1。量化结果如表2所示。

区域养老科技产业创新质量评价

3.1 养老科技企业样本选取及统计分析

由于产业是从事相同生产经营活动企业的集合，本文将国内养老科技企业的相关数据集合，开展区域养老科技产业创新质量评价。关于养老科技企业的选取，本文在《新兴养老科技产业及区域发展评价研究》中对养老科技企业筛选的基础上进行了补充，最终在原有的90家养老科技企业的基础上，新增了4家，得到94家养老科技企业。

图1给出了我国养老科技企业的地域分布，我国养老科技企业分布在20个省级行政区域。

3.2 区域养老科技产业创新质量指标体系

在对区域创新质量进行分析的基础上，将区域养老科技产业创新质量定义为区域养老科技产业创新活动的社环（社会环境）、过程、结果与效应相互协调，进而推动区域养老科技产业健康持续发展的程度，程度越高，区域创新质量也越高，反之亦反。运用维度分析法将区域养老科技产业创新质量分为创新社环质量维度、创新过程质量维度、创新结果质量维度和创新效应质量维度，并根据概念维度分析结果，构建如下区域养老科技产业创新质量维度测度指标体系，如表3所示。

3.3 区域养老科技产业创新质量实证结果

本文数据来源为各统计年鉴以及Wind数据库、北大法宝、Incopat数据库等。通过收集养老科技企业的基础数据加总得到各个省级行政区域养老科技产业数据，依此来测算养老科技产业创新质量指数。时间为2010—2018年。研究省份为养老科技企业分布的19个省级行政区域（其中西藏数据缺失严重，因而不将西藏纳入研究范围）。

采用离差最大化—加权综合评价法进行实证分析，结果如表4所示。

为了直观展示各区域养老科技产业创新质量及其变化情况，用折线图（图2）表示区域养老科技产业创新质量评价结果。由图2可知，我国养老科技产业创新质量整体上稳步提升。北京稳居首位，创新质量较大程度高于其他省（区市），处于明显优势地位。综合排名前五的省（区市）是北京、广东、天津、上海和辽宁，其养老科技产业创新质量指数历年平均值在40以上。处于中间位置（第二梯队）的省（区市）是黑龙江、浙江、江苏、河北、湖南、福建、山东、四川，其创新质量指数位于30～40之间。安徽、贵州、湖北、内蒙古、重庆、海南六省（区市）位于最后梯队（第三梯队），其创新质量指数均为30以下。但是除北京创新质量指数超过50外，其他省（区市）均低于50，说明我国养老科技产业创新质量普遍不高。

4.1 变量设计与数据来源

本文的被解释变量为区域养老科技产业创新质量（QU），用上文得出的“区域养老科技产业创新质量指数”表示。解释变量为养老政策（POL），用前文政策量化结果表示。为防止其他因素的影响，引入控制变量。

4.2 静态面板数据回归模型

本文采用混合OLS（模型1）、随机效应模型（模型2，Hausman检验结果显示相较于固定效应模型，随机效应模型更有效）来检验养老政策对区域养老科技产业创新质量的影响。

使用2010—2018年我国19个省（区市）171个观测值的样本数据，构建如公式（1）所示的实证模型：

i、t分别代表区域和年份，t=1代表2010年，余下年度类推。QU是被解释变量，反映区域养老科技产业创新质量水平，具体测算方法见本文第三章。POL是表征区域养老政策的变量。[β1]表示截距，为影响系数，衡量养老政策对区域养老科技产业创新质量的影响，如果显著大于零，表明养老政策显著推动养老科技产业创新质量发展。其余均为控制变量，[β2~β5]为控制变量的系数，表示误差项。

4.3 静态实证结果

混合OLS、随机效应模型估计结果如表6所示。其中第二列和第三列分别是混合OLS和随机效应模型的估计结果。由两种模型回归结果可知，养老政策对区域养老科技产业创新质量的影响均未形成显著效应。

在混合OLS模型中，养老政策对养老科技产业创新质量产生正向影响，但尚未形成显著性效应。老年人口比重对养老科技产业创新质量的影响为正，且在10%水平上显著，说明老年人口比重每提升1个单位，区域养老科技产业创新质量提高0.64。集聚效应、企业平均年龄和产业规模三个控制变量对养老科技产业创新质量均产生显著正向影响，并且都在1%水平上显著，系数分别为1.192，0.610，0.022。说明集聚效应每提升1个单位，区域养老科技产业创新质量提高1.192；企业平均年龄每提升1个单位，区域养老科技产业创新质量提升0.61；产业规模每提升1个单位，养老科技产业创新质量提高0.022。

在随机效应模型中，养老政策对养老科技产业创新质量产生轻微负向影响，但尚未形成显著性效应。老年人口比重对养老科技产业创新质量的影响为正，但是效果不显著。集聚效应、企业平均年龄、产业规模对养老科技产业创新质量的影响为正，且均显著，其中集聚效应的影响在10%水平上显著，其他三个控制变量都在1%水平上显著。

混合OLS模型和随机效应模型在对控制变量的回归估计上呈现出了高度相似性——产生显著正向影响关系，说明本文控制变量的选取有效。但在研究养老政策对养老科技产业创新质量的影响上，虽然呈现出了一致的效果——尚未形成显著性效应，但混合OLS显示解释变量对被解释变量产生正向影响，随机效应模型显示解释变量对被解释变量产生负向影响。因此，本文进行进一步的分析。

考虑到本文模型是含有不可观测个体效应的动态面板数据，且养老政策和区域养老科技产业创新质量可能存在相互影响，通过混合OLS和随机效应估计难以解决内生性问题，估计结果可能不一致或产生偏差。因此，本文引入系统GMM（模型3）估计方法，将被解释变量的一阶滞后项作为解释变量，并且引入工具变量解决内生性问题，对动态面板数据进行重新估计。

4.4 动态面板数据回归模型

本文研究的是养老政策对区域养老科技产业创新质量的影响。首先，考虑到当期的区域创新质量可能会受到前一期创新质量的影响，需要将被解释变量的一阶滞后项作为解释变量，因而本文进一步采用动态面板数据。其次，当解释变量中有滞后一期的被解释变量时，模型必然会产生内生性问题。内生性是导致参数估计有偏的最为通常的问题之一，所以使用工具变量来克服变量内生性问题，因而引进GMM估计。最后，GMM估计包括差分GMM和系统GMM，有限样本下系统GMM比差分GMM估计偏差更小，计量效率更高，故本文最终选择系统GMM。

构建如公式（2）所示的动态面板数据模型：

其中，下标i代表区域，t代表年份，t=1代表2010年，余下年度类推。QUit-1则表示i地区t-1期的创新质量。

4.5 动态实证结果

动态GMM回归结果如表6第四列所示。第四列最后两行给出了工具变量的有效性检验。第一种是工具变量过度识别的约束检验，又称Hansen检验，用来判断估计过程中矩条件工具变量是否总体有效。第二种是自回归（AR）检验，用来检验残差项在回归中是否存在序列相关。残差项允许存在一阶序列相关，但不允许二阶序列相关。从检验结果来看，Hansen检验和AR检验的值均大于0.1，说明工具变量的选取是有效的，模型不存在过度识别问题，并且模型不存在二阶序列自相关，通过检验，模型设定合理有效。

表6的第5～7列（模型4～6）是剔除部分样本后的动态GMM估计结果，用以对模型进行稳健性检验，由结果可知3种模型均不存在二阶自相关和过度识别的问题，子样本估计中各变量的显著性及估计系数的正负号与总体样本估计结果一致，说明模型没有因为样本改变而发生明显变化，即模型是稳健的，总体样本估计结果具有实际参考意义。此外，动态GMM回归结果显示，区域养老科技产业创新质量的滞后项高度显著，说明被解释变量具有很强的持续性。这表明相对于静态模型，采用动态面板数据模型更为合理。故采用动态系统GMM（模型3）结果进行分析。

通过系统GMM回归结果可知，养老政策对区域养老科技产业创新质量产生正向影响关系，但尚未形成显著性效应，与混合OLS模型结果一致。

老年人口比重通过了10%的显著性水平检验，估计系数为-3.621，即65岁以上老年人口比重提高1%，区域养老科技产业创新质量下降3.621。说明人口老龄化给企业创新带来的负向影响超过了其产生的正向影响，即“以科技手段解决养老问题”还未得到市场的广泛关注。虽然人口老龄化会促进养老产业的发展——老年生活用品、住宅等需求增加，但尚未对养老科技产业创新产生积极影响。“以科技手段解决养老问题”应当引起社会、政府的关注。

企业平均年龄通过了5%的显著性水平检验，估计系数为1.998，说明区域内养老科技企业平均年龄每提高1年，区域养老科技产业创新质量提升1.998。养老科技产业年限越久，创新基础越深厚，越有利于创新，即创新质量越高。

控制变量中集聚效应和产业规模未通过显著性检验，说明集聚效应和产业规模对区域养老科技产业创新质量的提升并不存在显著促进作用。

5.1 影响路径及作用机理

通过上述实证分析结果可知，养老政策对区域养老科技产业创新质量产生正向影响。

我国的养老政策主要分为市场化支持、发展规划、社会保障和养老服务四大类（见上文）。养老政策通过供给和需求两个方面促进了我国养老科技产业的发展，如图3所示。

市场化支持和发展规划类政策从供给层面推动了养老科技产业的发展。近年来，市场化思维逐步被纳入养老政策体系当中，市场化支持类政策通过鼓励社会资本进入养老科技产业以及给予相应的支持等方式促进养老科技产业的发展。例如，2016年《关于全面放开养老服务市场提升养老服务质量的若干意见》中提出营造公平竞争环境，引导社会资本进入养老行业，发展智慧养老服务新业态；又如2017年发布的《智慧健康养老产业发展行动计划》指出坚持政企联动，培育100家以上具有示范引领作用的行业领军企业，打造一批智慧健康养老服务品牌。发展规划类政策给出了我国老龄事业发展、养老体系建设等总体规划，一方面体现了我国政府对养老事业的重视、积极应对人口老龄化的态度，另一方面给出了养老产业的总体发展图景，起到了“风向标”的作用，引导社会资本抓住机遇，积极参与养老科技产业发展中来。

社会保障和养老服务类政策从需求层面拉动了我国养老科技产业的发展。社会保障类政策主要是政府给予老年人的生活保障，如养老保险、养老金、政府补贴等，此类政策保障了老年人的经济来源，使老年人具有一定的经济能力，即从消费者购买力角度，提升了老年人对养老科技产品的需求，进而促进我国养老科技产业的发展。养老服务类政策针对的主体是养老机构、社区等。党的十八大以来政府积极探索新型养老服务供给方式，将互联网思维、人工智能等引入养老服务领域，这增加了社会对养老科技产品的需求，并且政府、社区等具有一定的购买力，因此，养老服务类政策通过提高需求促进养老科技产业创新质量的发展。

结合上文对区域养老科技产业创新质量概念维度的分析，养老政策通过作用于创新社环质量、创新过程质量、创新结果质量和创新效应质量四个方面来提升区域养老科技产业创新质量。

养老政策通过促进养老科技产业的发展，进而从创新社环和创新过程维度推动养老科技产业创新质量的发展。养老政策的颁布与实施可以为提高养老科技产业创新质量营造良好的社会环境，即养老政策通过提高创新社环质量维度来促进养老科技产业创新质量发展。养老政策给予养老科技产业一定的市场化支持，起到社会导向作用，促进养老科技产业研发人员和研发经费投入，通过提高创新过程质量维度来促进养老科技产业创新质量的发展。

养老政策通过拉动对高科技产品的需求，从创新结果和创新效应维度拉动养老科技产业创新质量的发展。一方面，政府对养老科技产品提出需求，如2017年政府开始公布《智慧健康养老产品及服务推广目录》，促进优秀养老科技产品和服务的推广和应用，为相关部门、机构、企业及个人采购选型提供依据，促进养老科技产业创新。目前2018年版和2020年版已经陆续出台。另一方面，发展商业养老保险，提升对老年人的保障水平，提高老年人消费支付能力，激发老年用品消费潜能，通过提高市场需求拉动养老科技产业创新质量的发展。

5.2 未显著原因分析及未来展望

通过实证分析可知，目前我国养老政策对养老科技产业创新质量虽产生正向影响，但尚未形成显著性效应。究其原因：

2019年以来，政府逐渐加大对养老科技产业的关注程度，养老科技产业相关政策增加明显，发展势头良好。表7是2019年以来政策标题中含有“养老”、全文涉及“智慧健康养老/智慧养老”的政策汇总。这些政策中提出建设智慧养老院、打造多层次智慧养老服务体系、推广智能养老服务和产品、创新智慧养老产品供给等。政策逐步开始重点发力，促进我国养老科技产业创新质量的发展。2021年3月发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》再次指出，健全基本养老服务体系，发展银发经济，开发适老化技术和产品，培育智慧养老新业态。近几年的政策趋势表明，在接下来的一段时期，养老政策将更有针对性地作用于养老科技产业，养老科技产业将迎来快速发展阶段。

6.1 国家层面的对策建议

由上述实证结果可知，养老政策对养老科技产业创新质量产生正向影响，但尚未形成显著性效应。本文为提高我国养老科技产业创新质量提出如下对策建议。