我國智能技術(shù)進(jìn)步的就業(yè)門檻效應(yīng)研究

吳淑娟 吳海民

摘要：智能技術(shù)進(jìn)步與就業(yè)的關(guān)系紛繁復(fù)雜。為了辨明我國智能技術(shù)進(jìn)步對就業(yè)的門檻效應(yīng)，基于科布一道格拉斯生產(chǎn)函數(shù)，采用上市公司數(shù)據(jù)，運(yùn)用門檻分析法進(jìn)行實(shí)證。研究表明：我國智能技術(shù)進(jìn)步與就業(yè)之間確實(shí)存在門檻效應(yīng)，也存在線性關(guān)系;其門檻效應(yīng)體現(xiàn)在產(chǎn)業(yè)整體的中高級勞動者數(shù)量和工人工資、基礎(chǔ)平臺的勞動者總數(shù)和工人工資、應(yīng)用環(huán)節(jié)的低級勞動者數(shù)量和勞動者就業(yè)總量上。

關(guān)鍵詞：智能技術(shù)進(jìn)步;就業(yè);門檻效應(yīng)

DOI：10.16315/j.stm.2020.01.006

中圖分類號：F061.3文獻(xiàn)標(biāo)志碼：A

1問題提出

實(shí)行創(chuàng)新驅(qū)動戰(zhàn)略促進(jìn)智能技術(shù)的應(yīng)用日益廣泛，引發(fā)了對智能技術(shù)替代勞動力工人的擔(dān)憂。根據(jù)柯布一道格拉斯生產(chǎn)函數(shù)，智能技術(shù)的研發(fā)和應(yīng)用能促進(jìn)技術(shù)進(jìn)步，推動生產(chǎn)的資本深化，降低勞動力和資金投入比，進(jìn)而減少就業(yè)需求。另一方面，智能化生產(chǎn)的生產(chǎn)率效應(yīng)帶動關(guān)聯(lián)產(chǎn)業(yè)和非智能產(chǎn)業(yè)的生產(chǎn)，拉動勞動力需求。智能技術(shù)進(jìn)步對就業(yè)的創(chuàng)造效應(yīng)與替代效應(yīng)共存，其總效應(yīng)隨時問推移變動。以往的技術(shù)創(chuàng)新推動農(nóng)村勞動力向工業(yè)部門轉(zhuǎn)移呈現(xiàn)S型的特點(diǎn)。這次智能化轉(zhuǎn)型過程中，勞動力的轉(zhuǎn)移很可能存在非線性關(guān)系。

Katsoulacos研究了技術(shù)和就業(yè)的關(guān)系，智能技術(shù)是否能替代工人就業(yè)已經(jīng)形成了3種觀點(diǎn)。不替代說以史蒂夫·恩肯寧為代表的學(xué)者認(rèn)為人為情報和自動化等智能技術(shù)不曾削弱勞動力。技術(shù)進(jìn)步的目的在于改善勞動者就業(yè)環(huán)境，降低工傷的可能性，替代沒有人真正想要的工作。盡管智能技術(shù)的應(yīng)用取代人力，但其應(yīng)用提高了產(chǎn)量，帶來更大的勞動需求，在其他領(lǐng)域也可能會涌現(xiàn)出更多的就業(yè)機(jī)會，尤其是那些依賴于創(chuàng)造力、情商和社交技能等人類特質(zhì)的工作。

替代論說認(rèn)為智能技術(shù)減少就業(yè)機(jī)會。有學(xué)者斷言未來約有47%的美國就業(yè)可被機(jī)器人替代。也有學(xué)者預(yù)計到2035年50%～70%崗位將被機(jī)器取代。智能技術(shù)通過對教育的回報、就業(yè)能力、經(jīng)驗、“運(yùn)氣”等機(jī)制影響勞動力市場的不均衡情況。企業(yè)技術(shù)進(jìn)步對勞動力投入具有顯著的替代作用，它改變了勞動力結(jié)構(gòu)，降低了企業(yè)工資和福利總額占其總產(chǎn)值的比重。當(dāng)然，這種擠出效應(yīng)在時間維度和范圍維度上僅具有局部性。

折衷說是目前較為流行的觀點(diǎn)。技術(shù)進(jìn)步對就業(yè)存在替代效應(yīng)，也會導(dǎo)致社會分工的加深、就業(yè)領(lǐng)域的拓展、消費(fèi)需求的增長，可增加就業(yè)總量，形成創(chuàng)造效應(yīng)。技術(shù)創(chuàng)新和就業(yè)之間存在U型關(guān)系：當(dāng)技術(shù)創(chuàng)新強(qiáng)度的改善達(dá)到一定的程度，技術(shù)創(chuàng)新對就業(yè)的效應(yīng)從負(fù)效應(yīng)轉(zhuǎn)變成為正效應(yīng)。從理論角度，技術(shù)創(chuàng)新對就業(yè)效應(yīng)取決于勞動力和智能技術(shù)之間的替代彈性、需求的價格彈性和新技術(shù)的成本節(jié)約效果是否足夠大。

綜上所述，國內(nèi)研究傾向于產(chǎn)業(yè)和行業(yè)實(shí)證，國外研究更趨向于企業(yè)實(shí)證。兩者圍繞智能技術(shù)的就業(yè)效應(yīng)進(jìn)行了多角度和多層次的研究?，F(xiàn)有研究表明智能技術(shù)的就業(yè)效應(yīng)受區(qū)域性因素、產(chǎn)業(yè)因素、企業(yè)因素等影響。智能技術(shù)進(jìn)步與就業(yè)的關(guān)系復(fù)雜多變，呈現(xiàn)簡單的線性關(guān)系的可能性較少。但現(xiàn)有研究尚未能很好地解答兩者之間是否存在非線性關(guān)系等問題。在我國人口總量龐大和結(jié)構(gòu)欠優(yōu)的背景下，本研究具有非常重要的意義。

本文以上市智能企業(yè)為研究對象，基于理論分析選擇合適的影響因素，以柯布一道格拉斯生產(chǎn)函數(shù)為基礎(chǔ)構(gòu)建門檻效應(yīng)模型，采用上市智能企業(yè)數(shù)據(jù)加以實(shí)證，最后根據(jù)實(shí)證結(jié)果提出政策啟示。本文探討智能技術(shù)進(jìn)步與就業(yè)之間的非線性關(guān)系，有異于一般技術(shù)的就業(yè)效應(yīng)研究和智能技術(shù)進(jìn)步與就業(yè)之間的線性關(guān)系研究;以智能效率為代表，而非傳統(tǒng)的全要素生產(chǎn)率或技術(shù)效率，其研究結(jié)果能反映的智能正產(chǎn)出正是智能經(jīng)濟(jì)優(yōu)勝于以往的技術(shù)經(jīng)濟(jì)的特殊之處。

2影響因素的選擇

本節(jié)嘗試基于帕累托最優(yōu)的思想和采用埃奇沃思框圖，分析智能技術(shù)進(jìn)步對就業(yè)的影響機(jī)制的理論分析選擇合適的影響因素，為門檻效應(yīng)的實(shí)證提供基礎(chǔ)。

2.1智能技術(shù)進(jìn)步的就業(yè)影響機(jī)制

假設(shè)經(jīng)濟(jì)社會由生產(chǎn)者A和B組成，其分別使用2種生產(chǎn)要素：勞動（L）和資本（K），分別生產(chǎn)2種產(chǎn)品x和Y，這2種生產(chǎn)要素的數(shù)量假定固定不變。假定市場是完全競爭，需求決定的產(chǎn)量，生產(chǎn)者A、B的等產(chǎn)量線相切于點(diǎn)J7v，因而不存在失業(yè)和剩余資金，達(dá)到最佳均衡，如圖l（a）所示。

智能技術(shù)變革對生產(chǎn)崗位的影響有兩類，一是現(xiàn)有產(chǎn)品或流程崗位智能化，二是創(chuàng)造全新的崗位。第一類創(chuàng)新較容易，往往先發(fā)生，因此，先考慮第一類影響過程：假設(shè)企業(yè)A對產(chǎn)品x的生產(chǎn)實(shí)行智能化，資本投入增加和技術(shù)進(jìn)步減少勞動投人，改變了資本一勞動替代彈性。產(chǎn)品x的等產(chǎn)量線沿Y線下移。企業(yè)A等產(chǎn)量線的下移導(dǎo)致其勞動力需求減少，資金需求增加。這意味著整體工資水平下降和利息上升。企業(yè)B因而調(diào)整其資本和勞動投入比，最終與企業(yè)A產(chǎn)品x的等產(chǎn)量線交于點(diǎn)N。如圖1（b）所示。

基于上述分析，分析第2種影響過程。假設(shè)智能技術(shù)創(chuàng)造了新崗位，該崗位要求勞動力量少素質(zhì)高，資本密集度高。新崗位從企業(yè)A、B分別吸走資本和勞動力。企業(yè)A作為技術(shù)創(chuàng)新企業(yè)，其高素質(zhì)人才占比較高，而企業(yè)B作為傳統(tǒng)產(chǎn)業(yè)的代表，高素質(zhì)人才占比較低，因而新崗位對企業(yè)A高素質(zhì)人才的吸引力較大。新崗位的高薪吸走了較多企業(yè)A的人才和少量企業(yè)B的高素質(zhì)人才，以及企業(yè)A、B的資金，使得企業(yè)A、B的等產(chǎn)量線分別向各自的內(nèi)部移動，最終的生產(chǎn)點(diǎn)分別落在Na'和Nb'點(diǎn)上，如圖1（c）所示。

2.2影響智能技術(shù)進(jìn)步的就業(yè)效應(yīng)的因素

因數(shù)據(jù)樣本的獲得性，本文暫不考慮勞動力與智能技術(shù)的替代彈性，又因新技術(shù)的成本節(jié)約效應(yīng)主要針對一般的技術(shù)應(yīng)用企業(yè)，而文中企業(yè)主要是智能技術(shù)研發(fā)和應(yīng)用企業(yè)，因而也暫時不考慮該因素。從供給側(cè)的角度，上述點(diǎn)N、Na'和Nb'的位置受以下因素影響：一是影響生產(chǎn)要素價格變動的相關(guān)因素。工資剛性和利息未完全市場化，即便生產(chǎn)智能化導(dǎo)致企業(yè)A的勞動力需求下降和資本需求增加，這不能引起工人工資快速下降和利息快速上升，從而吸走企業(yè)B的產(chǎn)品Y生產(chǎn)點(diǎn)移至點(diǎn)N。因而諸如金融市場的成熟度、住房成本等影響人力資源和資金流動的相關(guān)因素影響甚大;二是勞動力轉(zhuǎn)移的經(jīng)濟(jì)能力和技能提升的因素。上述分析以勞動力工人技能具有同質(zhì)性和不存在勞動力轉(zhuǎn)移成本的假設(shè)前提。但現(xiàn)實(shí)中，勞動力具有差異性，且勞動力轉(zhuǎn)移需要培訓(xùn)或教育投入、居住成本、后代受教育的機(jī)會成本等;三是企業(yè)經(jīng)營管理能力的因素。企業(yè)是理性經(jīng)濟(jì)人是前述分析的另一前提假設(shè)。但是智能企業(yè)經(jīng)營管理能力不足導(dǎo)致企業(yè)不能總是“理性”經(jīng)營管理，例如股權(quán)集中度過高，投資方和研發(fā)人員的利益出發(fā)點(diǎn)差異阻礙智能技術(shù)進(jìn)步，使點(diǎn)N未能順利向點(diǎn)N移動。四是一國對外開放程度的因素。一國外貿(mào)影響國內(nèi)產(chǎn)品的產(chǎn)品需求總量和需求結(jié)構(gòu)，其金融市場的對外開放程度也可以影響國內(nèi)資金的豐富程度，從而影響利率。

綜上分析，本文采用工人工資、金融市場的成熟程度、工人的受教育程度、住房成本、企業(yè)資本集中度和資本周轉(zhuǎn)率等作為影響因素。目前智能企業(yè)的外商投資和對外直接投資、對外貨物貿(mào)易均較少，因而未采用對外貨物貿(mào)易和資本流入指標(biāo)。

3智能技術(shù)就業(yè)效應(yīng)及影響因素的實(shí)證分析

3.1模型設(shè)定

假設(shè)工業(yè)智能生產(chǎn)企業(yè)只有勞動力和資本投入，基于柯布一道格拉斯生產(chǎn)函數(shù)構(gòu)建智能技術(shù)就業(yè)效應(yīng)模型如下：

3.2樣本范圍與變量說明

1）數(shù)據(jù)樣本范圍。中國智能企業(yè)創(chuàng)建的時間大多集中分布在2010-2016年問，其中的峰值出現(xiàn)在2014年，因而以2011-2017年為考察期。綜合金融界、搜狐證券和東方財富網(wǎng)等3個證券網(wǎng)站中智能板塊的公司名單，剔除2012年及以后的上市公司，得到文中上市智能企業(yè)的數(shù)據(jù)樣本。樣本企業(yè)分別屬于無人機(jī)、智能電網(wǎng)、3D打印、北斗導(dǎo)航、智能機(jī)器、智能家居、智能穿戴、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動支付、智慧城市等子行業(yè)。樣本企業(yè)的區(qū)域分布是北京6家、廣東63家、江蘇3家、山東3家、上海3家、四川1家、浙江3家。部分企業(yè)經(jīng)營2個或以上行業(yè)的業(yè)務(wù)，因而數(shù)據(jù)樣本共966條。上市公司年報必須遵守國家會計準(zhǔn)則、企業(yè)內(nèi)部控制規(guī)范和財務(wù)信息披露規(guī)則，其會計項目的統(tǒng)計口徑有專業(yè)的規(guī)范，因此，盡管不具有官方統(tǒng)計數(shù)據(jù)的準(zhǔn)確性和權(quán)威性，但相對一般的村野數(shù)據(jù)而言，其可信程度較高。

2）變量說明。智能技術(shù)進(jìn)步用智能TFP代表。智能TFP運(yùn)用DEA-Malmquist指數(shù)方法，采用智能投入和產(chǎn)出數(shù)據(jù)測量而得。投入變量包括智能勞動力投入變量和資金投入變量，分別用上市公司的技術(shù)人員數(shù)和固定資產(chǎn)凈額代表。技術(shù)人員數(shù)量是技術(shù)進(jìn)步重要基礎(chǔ)，是重要的勞動力投入變量之一。固定資產(chǎn)凈值是常用的資本變量之一。盡管該指標(biāo)不具有永續(xù)盤存的精確性，但具有方便的優(yōu)點(diǎn)。產(chǎn)出變量包括產(chǎn)值和知識產(chǎn)出，前者用上市公司的主營業(yè)務(wù)收益額代表，后者用扣除土地使用權(quán)后的無形資產(chǎn)額來代表。無形資產(chǎn)是指企業(yè)擁有或者控制的沒有實(shí)物形態(tài)的可辨認(rèn)非貨幣性資產(chǎn)。會計上，扣除土地使用權(quán)后的無形資產(chǎn)額包括專利權(quán)、非專利技術(shù)、管理軟件、商標(biāo)權(quán)、專有技術(shù)等。如此評價指標(biāo)體系的測量結(jié)果能反映傳統(tǒng)TFP所未能反映的智能產(chǎn)出。

產(chǎn)出（y）是指智能生產(chǎn)企業(yè)的產(chǎn)出額，采用上市公司的主營業(yè)務(wù)收益額來代表。勞動力投入量（L）是指智能生產(chǎn)企業(yè)所投人的勞動力。鑒于勞動力工人的差異性，又為了全面摸清智能技術(shù)對高技能和低技能工人的影響差異，分別采用全部工人數(shù)（高技能工人和低技能工人的總和）、高技能工人數(shù)、低技能工人數(shù)和高低技能工人數(shù)之比等4個指標(biāo)分別代表。資本投入量（K）是指智能企業(yè)在技術(shù)研發(fā)上的投入資金，采用上市企業(yè)的年度科技資金投入金額來衡量。工人工資（In）是指智能生產(chǎn)企業(yè)支付給工人的工資，用上市公司支付的工資總額代表。金融市場的成熟程度（Fm）是指金融結(jié)構(gòu)的變化，既包括金融結(jié)構(gòu)的總量變化，又包括金融結(jié)構(gòu)的流量的變化。Fm指標(biāo)的測量方法和指標(biāo)體系多樣。較早期的研究多數(shù)構(gòu)建比較復(fù)雜的指標(biāo)體系，分多個層次和指標(biāo)進(jìn)行綜合性的評價。近期出現(xiàn)新的較為簡單的評價方法，以地區(qū)金融機(jī)構(gòu)存貸款總額與名義GDP的比值作為該地區(qū)金融發(fā)展水平的衡量指標(biāo)。考慮到實(shí)證的需要，本文采用更能直接體現(xiàn)地方金融發(fā)展水平的企業(yè)籌資活動現(xiàn)金流入量來代表。民眾的受教育水平（Edu）的評價指標(biāo)較少。王善邁等提出的教育發(fā)展指數(shù)評價體系是當(dāng)前國內(nèi)較為完善的評價指標(biāo)體系。但宏觀數(shù)據(jù)將難以滿足實(shí)證需要，因而本文采用更為直接且直觀地反映該地區(qū)教育水平的企業(yè)的本科學(xué)歷及以上員工占比來代表。住房成本（Hp）是指勞動者在區(qū)域問轉(zhuǎn)移之時所支付的住房費(fèi)用。由于上市公司年報中缺乏本財務(wù)項目，故采用企業(yè)所在城市（或區(qū)）的商品房平均銷售價格代表。其中2017年數(shù)據(jù)采用均值替代法補(bǔ)齊。企業(yè)的股權(quán)集中度（Os）是指全部股東因持股比例的不同所表現(xiàn)出來的股權(quán)集中還是股權(quán)分散的數(shù)量化指標(biāo)。一般通過第一大股東持股比例指標(biāo)，即上市公司的第一名大股東持股份額在公司總股份中所占比重來衡量。該法為本文所采用。企業(yè)的資產(chǎn)周轉(zhuǎn)率（At）是指總營業(yè)額和總資產(chǎn)之比，在財務(wù)分析指標(biāo)體系里具有很重要的地位。本文采用上市公司的年度資產(chǎn)周轉(zhuǎn)率衡量。

3）數(shù)據(jù)描述和平穩(wěn)性檢驗結(jié)果。數(shù)據(jù)的描述統(tǒng)計性，如表l所示。為確保測量結(jié)果的有效性，分別使用LLC、IPS、ADF-Fisher、PP-Fisher和Breitung 5種方法進(jìn)行檢驗，綜合檢驗結(jié)果中的P值進(jìn)行判斷，所有變量均不支持含有單位根的原假設(shè)，符合平穩(wěn)的計量要求。協(xié)整檢驗結(jié)果表明TFP分別與各個因素的Panel PP-Statistic、Group PP-Statistic和Group ADF-Statistic檢驗結(jié)果均通過檢驗，表明變量之間存在協(xié)整關(guān)系。

4實(shí)證結(jié)果與分析

4.1全數(shù)據(jù)實(shí)證結(jié)果與分析

1）門檻值的確定。檢驗是否存在門檻效應(yīng)：分別以eit為門檻估計值，運(yùn)用Stata 15.0軟件依次對無門檻、單一門檻和雙門檻假設(shè)進(jìn)行檢驗，得到F統(tǒng)計值，再采用“自抽樣法”（Bootstrap）模擬F統(tǒng)計量的漸進(jìn)分布及臨界值，從而檢驗是否存在門檻效應(yīng)，如表2所示。表2結(jié)果顯示中高級勞動者數(shù)量和工人工資分別與智能技術(shù)進(jìn)步存在顯著的單一門檻效應(yīng)關(guān)系。

全數(shù)據(jù)的門檻變量的門檻的估計值和相應(yīng)的95%置信區(qū)間，如見表3所示。結(jié)果表明中高級勞動者數(shù)量和工人工資的以TFP門檻估計值均為0.789，在95%置信度下置信區(qū)間均為0.7804至0.8011之間。據(jù)此，把智能技術(shù)進(jìn)步分成兩部分：低效率部分（TFP≤0.789）和高效率部分（TFP>0.789），再對樣本進(jìn)行門檻回歸估計，得門檻回歸結(jié)果，如表4所示。為了便于比較，本文還對樣本進(jìn)行線性固定效應(yīng)模型進(jìn)行了實(shí)證檢驗，并將結(jié)果同時列入了表中。

2）實(shí)證結(jié)果及分析。表4結(jié)果表明智能技術(shù)進(jìn)步與就業(yè)之間線性關(guān)系與非線性關(guān)系并存。對智能產(chǎn)業(yè)的整體影響方面，非線性關(guān)系主要體現(xiàn)在中高級勞動者數(shù)量和工人工資上;而低級勞動力工人、勞動力就業(yè)總數(shù)量和低級和高級勞動者的比例結(jié)構(gòu)均呈現(xiàn)線性關(guān)系。

在智能TFP對中高級勞動者就業(yè)總量的影響的固定效應(yīng)回歸分析中，智能TFP對中高級勞動者就業(yè)總量有顯著正面影響，系數(shù)為4.340。在門檻回歸模型中，該系數(shù)隨著智能效率的提升呈現(xiàn)出明顯的區(qū)間效應(yīng)，表明兩者問存在非線性關(guān)系。當(dāng)智能效率處于低效率區(qū)間，智能技術(shù)進(jìn)步與中高級勞動力工人就業(yè)負(fù)相關(guān)，系數(shù)為-1.244;當(dāng)智能效率處于高效率區(qū)間，兩者正相關(guān)，系數(shù)為0.332。這表明提升智能技術(shù)進(jìn)步的水平對于提升中高級勞動力工人就業(yè)具有重大的意義，當(dāng)智能技術(shù)進(jìn)步超過0.788的門檻，智能技術(shù)進(jìn)步每提高1%，能提升0.332%的中高級工人的就業(yè)。

在智能TFP對工人工資總額的影響的固定效應(yīng)回歸分析中，智能TFP對工人工資總額有顯著正面影響，系數(shù)為1.542。而在門檻回歸模型中，該系數(shù)隨著智能技術(shù)的提升呈現(xiàn)出明顯的區(qū)問效應(yīng)，表明兩者問的真實(shí)關(guān)系是非線性。當(dāng)智能效率處于低效率區(qū)間，智能技術(shù)進(jìn)步與工人工資收入顯著正相關(guān)，系數(shù)為3.040;當(dāng)智能效率處于高效率區(qū)間，兩者顯著正相關(guān)，系數(shù)為2.617。這表明了提升智能技術(shù)進(jìn)步的水平對于提升工人的收入總量有正作用，但是當(dāng)智能技術(shù)效率超過0.788的門檻值，智能技術(shù)進(jìn)步對工人工資的提升作用反而減弱。盡管如此，智能技術(shù)進(jìn)步對工人工資的正面影響仍然是文中所涉及的幾個變量中最高的一個。

低級勞動力工人就業(yè)量、低級與中高級工人的比例和就業(yè)總量的單一門檻回歸的低效率區(qū)間的系數(shù)和高效率區(qū)間的系數(shù)沒有明顯的差異，因而這3個變量與智能技術(shù)進(jìn)步之間的真實(shí)關(guān)系應(yīng)該是線性關(guān)系。根據(jù)固定效應(yīng)回歸分析結(jié)果，低級勞動力工人就業(yè)和勞動力就業(yè)總量與智能技術(shù)進(jìn)步存在顯著的正相關(guān)關(guān)系，系數(shù)分別是2.033和2.118。這與Autor D等人認(rèn)為的生產(chǎn)自動化的勞動力替代性逐漸增強(qiáng)的觀點(diǎn)似乎有所相悖。他們認(rèn)為自動化具有更強(qiáng)的就業(yè)替代性（labor-displacing）和更弱的就業(yè)創(chuàng)造性（labor-augmenting）。其原因之一是該文采用Acemoglu等的模型和1970年以來28個OECD國家的數(shù)據(jù)，模型的差異、研究對象的差異，尤其是該文未考慮到智能產(chǎn)出的因素來考量智能技術(shù)進(jìn)步的問題。其二是智能技術(shù)進(jìn)步對就業(yè)的影響不僅因?qū)ο蟛煌兴町悾矔S時間的發(fā)展而動態(tài)演變。OECD國家的生產(chǎn)自動化對就業(yè)的影響因自動化程度的加強(qiáng)也有所差異，中國的也應(yīng)如此。低級與中高級工人的比例與智能技術(shù)進(jìn)步之間的系數(shù)為-0.072，表明智能技術(shù)進(jìn)步將降低低級勞動力工人的占比。這點(diǎn)符合預(yù)期。

顯然，中國當(dāng)前的智能技術(shù)進(jìn)步對勞動力的替代程度還未達(dá)到機(jī)器能以很低的成本生產(chǎn)產(chǎn)品，若企業(yè)支付給工人工資將不能保持其競爭力的狀態(tài)。當(dāng)前我國智能企業(yè)應(yīng)該尚處于需要大量的技術(shù)人員投入來支撐智能產(chǎn)業(yè)的快速發(fā)展的階段，同時，因為智能技術(shù)的應(yīng)用，提升了智能效率，從而形成了資本深化效應(yīng)，節(jié)省了資本，降低了產(chǎn)品價格，從而促進(jìn)了對低級勞動者的需求，從而在總體上提升了勞動力需求，也從總提升提升了勞動者的整體收入。

4.2分產(chǎn)業(yè)鏈環(huán)節(jié)數(shù)據(jù)實(shí)證結(jié)果與分析

分產(chǎn)業(yè)鏈環(huán)節(jié)數(shù)據(jù)實(shí)證結(jié)果，如表5、表6所示。

1）門檻值的確定。表5結(jié)果表明基礎(chǔ)平臺中，勞動者總數(shù)和工人工資分別于智能技術(shù)進(jìn)步存在顯著的單一門檻效應(yīng)關(guān)系;應(yīng)用環(huán)節(jié)中，低級勞動者數(shù)量和勞動者總數(shù)量分別于智能技術(shù)進(jìn)步存在顯著的單一門檻效應(yīng)關(guān)系。

表6為基礎(chǔ)平臺中的勞動者總數(shù)和工人工資、應(yīng)用環(huán)節(jié)的低級勞動力工人數(shù)量和勞動者總數(shù)的門檻估計值和相應(yīng)的95%置信區(qū)間。結(jié)果表明基礎(chǔ)平臺的勞動者總數(shù)的智能技術(shù)進(jìn)步的門檻估計值較應(yīng)用環(huán)節(jié)的低，僅為1.201，而后者為7.415;基礎(chǔ)平臺的工人工資的智能技術(shù)進(jìn)步的門檻估計值為0.277，相當(dāng)?shù)?應(yīng)用環(huán)節(jié)的低級勞動力數(shù)量的智能技術(shù)進(jìn)步的門檻估計值為7.871，相對較高。

2）實(shí)證結(jié)果分析。結(jié)合表7～9實(shí)證結(jié)果可知，我國智能行業(yè)的基礎(chǔ)平臺和應(yīng)用環(huán)節(jié)中，智能技術(shù)進(jìn)步與就業(yè)之間線性和非線性關(guān)系并存，技術(shù)平臺環(huán)節(jié)主要為線性關(guān)系。非線性關(guān)系主要體現(xiàn)在低級勞動者數(shù)量、勞動者就業(yè)總數(shù)和工人工資上;而中高級勞動力工人、低級和高級勞動者的比例結(jié)構(gòu)均呈現(xiàn)線性關(guān)系。

在基礎(chǔ)平臺環(huán)節(jié)，就業(yè)人數(shù)總量和工人工資收入分別與智能技術(shù)進(jìn)步有非線性關(guān)系。在智能效率低效率區(qū)域，與智能技術(shù)效率負(fù)相關(guān)。在智能效率的高效率區(qū)域，與智能技術(shù)效率正相關(guān)。這表明智能技術(shù)進(jìn)步達(dá)到門檻值后，對整體就業(yè)人數(shù)和工人工資的提升均有正面作用。值得注意的是，工人工資的智能技術(shù)門檻值很低，表明工人收益的改善比較容易。低級技能勞動力就業(yè)與智能技術(shù)效率呈線性負(fù)相關(guān)，而中高級工人就業(yè)與智能技術(shù)效率線性正相關(guān)，因而低級工人與中高級工人的就業(yè)比例與智能技術(shù)效率負(fù)相關(guān)。這主要是因為基礎(chǔ)平臺環(huán)節(jié)的技術(shù)含量較高，因而不利于低級勞動力的就業(yè)，利于中高級勞動力的就業(yè)，從而使得低級工人與中高級工人就業(yè)人數(shù)比惡化。在低級勞動力的替代效應(yīng)和中高級勞動力的創(chuàng)造效應(yīng)的綜合作用下，基礎(chǔ)平臺工人就業(yè)總量和工人工資總額在智能技術(shù)進(jìn)步尚未達(dá)到門檻值之前惡化，但一旦智能技術(shù)變革達(dá)到門檻值，中高級勞動力的創(chuàng)造效應(yīng)大于低級勞動力的替代效應(yīng)，從而綜合效應(yīng)為正。

在技術(shù)平臺，除了中高級工人的就業(yè)數(shù)量與智能技術(shù)進(jìn)步呈負(fù)相關(guān)關(guān)系以外，其他4個變量均與智能技術(shù)進(jìn)步呈現(xiàn)正相關(guān)關(guān)系，表明技術(shù)平臺的技術(shù)進(jìn)步不利于中高級勞動力工人的就業(yè)，反而有利于低級勞動力工人的就業(yè)，從而帶動了勞動力工人的整體就業(yè)和優(yōu)化低級工人與中高級工人就業(yè)人數(shù)比，還提升了工人的工資收入。

在應(yīng)用環(huán)節(jié)，低級勞動力工人就業(yè)數(shù)量和工人就業(yè)總量分別與智能技術(shù)進(jìn)步非線性關(guān)系。在智能效率低效率區(qū)域，與智能技術(shù)效率正相關(guān)，在智能效率的高效率區(qū)域，與智能技術(shù)效率顯著負(fù)相關(guān)，表明智能技術(shù)進(jìn)步達(dá)到門檻值后，對于低級勞動力工人的就業(yè)數(shù)有負(fù)面的作用，其負(fù)面作用比較強(qiáng)烈，以致于對工人就業(yè)總數(shù)量也有負(fù)面作用。中高級勞動力工人就業(yè)數(shù)、低級工人與中高級工人的就業(yè)比例和工人工資則分別與智能技術(shù)進(jìn)步存在線性關(guān)系，系數(shù)均為正，表明應(yīng)用環(huán)節(jié)的智能技術(shù)進(jìn)步有利于中高級勞動力工人的就業(yè)和工人工資的提升，也輕微改善低級工人與中高級工人的就業(yè)比例。

5結(jié)論與政策啟示

針對當(dāng)前智能經(jīng)濟(jì)快速發(fā)展威脅工人就業(yè)的現(xiàn)實(shí)，本文采用智能上市公司的全數(shù)據(jù)和分產(chǎn)業(yè)鏈環(huán)節(jié)數(shù)據(jù)，運(yùn)用門檻分析法檢驗了智能技術(shù)進(jìn)步對就業(yè)的門檻效應(yīng)，得以下結(jié)論：

智能技術(shù)進(jìn)步與就業(yè)相關(guān)的變量之間線性和非線性關(guān)系并存，僅運(yùn)用線性回歸分析方法不足以反映智能技術(shù)進(jìn)步與工人就業(yè)之間的關(guān)系。非線性關(guān)系主要集中體現(xiàn)在產(chǎn)業(yè)整體的中高級勞動者數(shù)量和工人工資、基礎(chǔ)平臺的勞動者總數(shù)和工人工資、應(yīng)用環(huán)節(jié)的低級勞動者數(shù)量和勞動者就業(yè)總量上。線性關(guān)系則主要體現(xiàn)在低級和高級勞動者的比例結(jié)構(gòu)均呈現(xiàn)線性關(guān)系。

門檻值方面，基礎(chǔ)平臺的工人工資的智能技術(shù)進(jìn)步的門檻最低，而應(yīng)用環(huán)節(jié)的勞動者就業(yè)總量的智能技術(shù)進(jìn)步的門檻最高。促使智能技術(shù)進(jìn)步突破0.277，甚至突破1.2，便能充分發(fā)揮基礎(chǔ)平臺的就業(yè)正效應(yīng)，而無需過多擔(dān)憂智能技術(shù)進(jìn)步帶來應(yīng)用環(huán)節(jié)的就業(yè)的負(fù)效應(yīng)，尤其是對低級勞動力就業(yè)的的負(fù)效應(yīng)，因為要突破其門檻值應(yīng)該頗難。

工人整體的工資收入將因智能技術(shù)進(jìn)步而改善，盡管在整體上工資會因為智能技術(shù)進(jìn)步突破門檻值而降低了正效應(yīng)，但是基礎(chǔ)平臺的工人整體收入會因為智能技術(shù)進(jìn)步突破門檻值而由負(fù)效應(yīng)轉(zhuǎn)為正效應(yīng)而獲利。

因而今后尤其需要加強(qiáng)以下兩方面的工作：

一是優(yōu)化資源投入，強(qiáng)化管理，促進(jìn)智能技術(shù)進(jìn)步。一方面，企業(yè)優(yōu)化要素投入，加強(qiáng)企業(yè)內(nèi)部管理。尤其是企業(yè)資本集中度、資本周轉(zhuǎn)率等與資本要素投入效率密切相關(guān)。另一方面，優(yōu)化智能技術(shù)創(chuàng)新的財政支出效率，特別是加強(qiáng)對智能技術(shù)的財政支持的投入方式、過程監(jiān)控和結(jié)果驗收等環(huán)節(jié)加強(qiáng)管理，促進(jìn)智能科研成果轉(zhuǎn)化，加快其市場化應(yīng)用的步伐。

二是加快智能人才的培養(yǎng)。一方面，應(yīng)對智能技術(shù)進(jìn)步對低級勞動力工人收入的影響較大，因而要為工人提供足夠的培訓(xùn)。特別要加強(qiáng)正效應(yīng)尚未得到發(fā)揮之前的低級勞動力工人的再就業(yè)培訓(xùn)工作，使得低級勞動力工人技能提升，從而適應(yīng)智能經(jīng)濟(jì)的發(fā)展的需要。另一方面，要加快高層次智能人才的培養(yǎng)。由高水平高校開設(shè)智能產(chǎn)業(yè)相關(guān)專業(yè)。由應(yīng)用型高校結(jié)合地方智能經(jīng)濟(jì)發(fā)展的需要設(shè)置特色專業(yè)。同時加強(qiáng)智能專業(yè)人才培養(yǎng)的校企合作，加強(qiáng)智能人才的理論應(yīng)用實(shí)際的能力。

應(yīng)當(dāng)指出，本文也存在一定的局限性，值得未來進(jìn)一步探索：一是因為智能經(jīng)濟(jì)為近年的產(chǎn)物，本文結(jié)合實(shí)證需要和企業(yè)的實(shí)際情況，選擇了7年的考察期內(nèi)82家智能上市公司數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)樣本的有限性可能影響了實(shí)證結(jié)果;二是上市公司年報數(shù)據(jù)的統(tǒng)一性和考察期的程度等因素限制了本文能選取的指標(biāo)，因而有一定的改進(jìn)空間;三是本文主要是圍繞生產(chǎn)商的資本、技術(shù)和勞動力等投入因素，從供給側(cè)的角度出發(fā)研究問題，未考慮消費(fèi)層面的差異，從而沒有充分考慮需求方的影響。今后隨著智能經(jīng)濟(jì)的進(jìn)一步發(fā)展，官方統(tǒng)計數(shù)據(jù)和上市公司數(shù)據(jù)日益豐富，相關(guān)的實(shí)證研究應(yīng)該會更為細(xì)化而且深入，更深入的研究和國際性的比較研究將會成為可能。