技術(shù)進步對制造業(yè)就業(yè)極化的影響研究

摘要：技術(shù)進步是否導(dǎo)致就業(yè)極化，關(guān)系到社會不平等的抑制與共同富裕的實現(xiàn)。文章按照OCED分類標準劃分高中低三個技能層次的勞動者，利用2004-2021年長三角地區(qū)制造業(yè)就業(yè)數(shù)據(jù)，實證檢驗了技術(shù)進步對制造業(yè)就業(yè)極化的影響。研究發(fā)現(xiàn)，技術(shù)進步顯著導(dǎo)致了就業(yè)極化現(xiàn)象；在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化，在科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過提高低技能勞動力就業(yè)份額而導(dǎo)致就業(yè)極化；資本有機構(gòu)成提高是技術(shù)進步影響就業(yè)極化的重要機制?；诖?，文章提出應(yīng)改善教育供給層次，培養(yǎng)高技能人才；提升勞動力技術(shù)水平，優(yōu)化就業(yè)結(jié)構(gòu)；推動技術(shù)創(chuàng)新與新興產(chǎn)業(yè)融合發(fā)展，促進高質(zhì)量就業(yè)。

關(guān)鍵詞：技術(shù)進步；資本有機構(gòu)成；就業(yè)極化

一、相關(guān)文獻綜述

Autor（2006）首先發(fā)現(xiàn)了就業(yè)極化現(xiàn)象，他對美國技能成分和任務(wù)成分變化進行分析后發(fā)現(xiàn)，自20世紀80年代開始，美國就業(yè)市場經(jīng)歷了一場顯著的結(jié)構(gòu)性變遷，表現(xiàn)為高技能勞動者和低技能勞動者的就業(yè)比重均呈現(xiàn)上升趨勢，而中技能勞動者的就業(yè)比重卻逐步下滑，技能比重變化呈Ｕ型趨勢。隨之其他國家就業(yè)極化現(xiàn)象陸續(xù)顯現(xiàn)，如發(fā)達國家1993-2010年中的意大利、西班牙等16個西歐國家勞動力市場（Manning和Salomons，2014），發(fā)展中國家2008-2017年的保加利亞、波蘭、匈牙利、羅馬尼亞等（Náplava R，2019），對于我國而言，已有學(xué)者證實我國已出現(xiàn)就業(yè)極化的趨勢，并且這一趨勢在制造業(yè)內(nèi)尤為明顯（呂世斌和張世偉，2015）。

國內(nèi)外相關(guān)研究對于技術(shù)進步是否能夠解釋就業(yè)極化現(xiàn)象存在爭議。寧光杰和林子亮（2014）用受教育程度近似代表勞動力技能，實證檢驗了信息技術(shù)的進步提高了企業(yè)的高技能就業(yè)比例，降低了低技能就業(yè)比例，但對中技能勞動力沒有顯著影響。部分學(xué)者以工作任務(wù)的不同特點區(qū)分不同技能勞動力來進行研究，認為技術(shù)進步對就業(yè)的替代作用主要體現(xiàn)在常規(guī)工作任務(wù)所代表的中技能勞動力上，解釋了就業(yè)極化現(xiàn)象（何小鋼和劉叩明，2023）。還有部分研究認為技術(shù)進步對就業(yè)極化的解釋力在長期有減弱的趨勢，Lehn（2015）發(fā)現(xiàn)2000年之前，技術(shù)進步對就業(yè)極化有很強的解釋力，在2000年后，技術(shù)進步對就業(yè)極化的解釋力度逐漸變?nèi)?。鑒于測度標準和數(shù)據(jù)獲取的限制，國內(nèi)外現(xiàn)有研究對于技術(shù)進步是否能夠解釋就業(yè)極化現(xiàn)象尚存在分歧，仍需進一步探索和驗證。

二、理論分析與研究假說

（一）技術(shù)進步對制造業(yè)就業(yè)極化的影響

技術(shù)進步替代效應(yīng)即技術(shù)進步提升勞動生產(chǎn)率，機器取代部分體力勞動，導(dǎo)致制造業(yè)勞動力被機器替代。技術(shù)進步的創(chuàng)造效應(yīng)即技術(shù)進步催生新技術(shù)產(chǎn)業(yè)，創(chuàng)造新崗位，另外拓寬了市場規(guī)模，催生了新的工作機會與職責。

人工智能技術(shù)的飛速發(fā)展，在重復(fù)性高、易于程序化以及遵循明確工作流程與規(guī)律的領(lǐng)域，展現(xiàn)出了顯著的比較優(yōu)勢，從而對這類崗位的替代也更為明顯，而從事此類工作崗位的勞動力多為中技能勞動力，這些勞動力群體被替代后要么通過學(xué)習提升技能，向高技能崗位邁進，要么轉(zhuǎn)向低技能崗位，從而適應(yīng)市場需求變化。這一過程加速了就業(yè)結(jié)構(gòu)的動態(tài)調(diào)整，即高技能與低技能崗位上的勞動力比例相對增加，而中等技能崗位的勞動力比例相應(yīng)下降，從而呈現(xiàn)一種就業(yè)極化現(xiàn)象。基于此，本文提出假設(shè)1：

假設(shè)1：技術(shù)進步會導(dǎo)致制造業(yè)就業(yè)極化。

在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)，普遍匯聚了高技能人才與技術(shù)資源，形成技術(shù)密集區(qū)。技術(shù)進步不僅促使這些區(qū)域內(nèi)的中技能勞動力更容易習得更高階技能，進而順利轉(zhuǎn)型至高技能崗位，從而加劇了就業(yè)極化。相比之下，科學(xué)技術(shù)投入較少的地區(qū)，高技能人才及配套設(shè)施的匱乏，技術(shù)進步往往導(dǎo)致大量中技能勞動力難以適應(yīng)技術(shù)變革，被迫轉(zhuǎn)向低技能就業(yè)崗位，這一過程同樣加劇了就業(yè)極化。因此，提出假設(shè)2：

假設(shè)2：技術(shù)進步在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化；在科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過提高低技能勞動力就業(yè)份額而導(dǎo)致就業(yè)極化。

（二）技術(shù)進步影響制造業(yè)就業(yè)極化的作用機制

馬克思指出，技術(shù)進步提高資本有機構(gòu)成時，勞動力需求產(chǎn)生了產(chǎn)業(yè)后備軍創(chuàng)造與吸納兩種相反效應(yīng)。一方面，它通過機器替代工人勞動，形成了龐大的產(chǎn)業(yè)后備軍，減少了直接就業(yè)需求，并提升了資本有機構(gòu)成，即機器與原料投入增加，而勞動需求相對減少，這是資本積累的自然趨勢。另一方面，技術(shù)進步也創(chuàng)造了新的就業(yè)機會，通過產(chǎn)業(yè)間就業(yè)結(jié)構(gòu)調(diào)整吸納勞動力，如為生產(chǎn)資料生產(chǎn)部門帶來增長，進而增加相關(guān)就業(yè)。因此，技術(shù)進步不僅改變就業(yè)總量，還深刻影響不同技能勞動力的就業(yè)分布?；谝陨戏治觯疚奶岢黾僭O(shè)3：

假設(shè)3：技術(shù)進步通過提高資本有機構(gòu)成來影響就業(yè)極化。

三、模型構(gòu)建與數(shù)據(jù)說明

（一）模型構(gòu)建

基于上文的機理分析，本文構(gòu)建技術(shù)進步與就業(yè)極化的計量模型：

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（1）

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（2）

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（3）

式中，i表示城市；t表示時間；λi為個體效應(yīng)；vt為時間效應(yīng)；εit表示隨機誤差項；X為控制變量。Laborh表示制造業(yè)高技能勞動力數(shù)量占比，Laborm表示中技能勞動力數(shù)量占比，Laborl表示低技能勞動力數(shù)量占比；zlwj表示專利授權(quán)數(shù)，考慮專利授權(quán)存在時滯，本文利用滯后一期的專利授權(quán)數(shù)作為核心解釋變量；控制變量X包括失業(yè)率Jl、城鎮(zhèn)化水平Ur、經(jīng)濟發(fā)展水平lnpgdp、固定資本形成總額GFCF、金融發(fā)展水平Df，均采取滯后一期作為控制變量。

（二）變量說明

1. 就業(yè)極化。本文以就業(yè)極化作為被解釋變量。詳細分類見表1，本文分別用制造業(yè)高中低技術(shù)行業(yè)就業(yè)人數(shù)占比來表示制造業(yè)就業(yè)極化，即高低技能行業(yè)人數(shù)占比越大，代表就業(yè)極化現(xiàn)象越嚴重。

2. 技術(shù)進步。本文核心解釋變量為技術(shù)進步，由于技術(shù)進步的核心是科技創(chuàng)新，專利是保護創(chuàng)新成果，激勵技術(shù)創(chuàng)新的重要工具。因此，本文利用各個城市統(tǒng)計年鑒得出32個城市的專利授權(quán)量來衡量城市技術(shù)進步發(fā)展水平，考慮專利授權(quán)存在時滯，本文利用滯后一期的專利授權(quán)數(shù)作為核心解釋變量。

3. 控制變量（X）。（1）失業(yè)率（Jl）。用各城市失業(yè)人口數(shù)占勞動力人口數(shù)衡量；（2）城鎮(zhèn)化水平（Ur）：用各城市常住人口與總?cè)丝诘谋戎岛饬?；?）經(jīng)濟發(fā)展水平（lnpgdp）：用各城市的人均GDP取對數(shù)衡量；（4）固定資本形成總額（GFCF）：用各城市固定資產(chǎn)投資完成額衡量；（5）金融發(fā)展水平（Df），用各城市年末人民幣貸款余額與國內(nèi)生產(chǎn)總值的比重衡量。

本文選取2004-2021年長三角地區(qū)32個城市的面板數(shù)據(jù)作為研究樣本，控制變量數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》及各城市統(tǒng)計年鑒。主要變量描述性統(tǒng)計結(jié)果如表2所示。

四、實證結(jié)果與分析

（一）基本計量分析結(jié)果

為了考察技術(shù)進步是否會導(dǎo)致就業(yè)市場的“極化”現(xiàn)象，并解析引致“極化”現(xiàn)象的作用機制，根據(jù)以上的模型選擇，本部分分別實證檢驗了技術(shù)進步對我國高、中、低技能勞動力就業(yè)比重的影響，選擇固定效應(yīng)模型，控制了個體因素和時間因素，實證結(jié)果如表3所示。

從表3中的三個模型中可以看出，技術(shù)進步與高技能和低技能勞動力占比呈正相關(guān)且分別在10%和5%水平下顯著，與中技能勞動力占比呈負相關(guān)并在1%的水平下顯著，這說明技術(shù)進步會促進高、低技能行業(yè)就業(yè)份額增加，中技能行業(yè)就業(yè)份額減少，引致我國出現(xiàn)就業(yè)“極化”現(xiàn)象，假說1得以驗證。

（二）內(nèi)生性處理

為了克服雙向因果和遺漏變量等內(nèi)生性問題，本文選取互聯(lián)網(wǎng)寬帶接入數(shù)取對數(shù)作為工具變量，能夠很好地滿足相關(guān)性要求和排他性約束，實證結(jié)果如表4所示。

各列結(jié)果顯示，使用互聯(lián)網(wǎng)寬帶接入數(shù)作為工具變量進行回歸分析后發(fā)現(xiàn)，其對高技能、低技能勞動者就業(yè)比例的影響分別在5%和1%的水平上顯著為正，而對低技能勞動者就業(yè)比例的回歸在1%的水平上顯著負數(shù)，這與表3的研究結(jié)果一致。第一階段F值和工具變量t值均通過1%的顯著性統(tǒng)計檢驗，表明工具變量具備強大的解釋能力，能夠有效地揭示影響各技能勞動者就業(yè)比例的關(guān)鍵因素。由此回歸結(jié)果一致表明，技術(shù)進步對制造業(yè)就業(yè)極化存在顯著的正向影響，假設(shè)1得以驗證。

（三）異質(zhì)性分析

從科技支出方面考察技術(shù)進步與就業(yè)極化之間的相互關(guān)系，本文利用各市2021年Ramp;D經(jīng)費支出數(shù)據(jù)進行排序，將研究整體分為科技支出較多和科技支出較少地區(qū)，分區(qū)域研究技術(shù)進步對制造業(yè)各技能水平就業(yè)比重的影響，表5中第（1）、（3）、（5）列代表科技支出較多地區(qū)各技能就業(yè)比重，第（2）、（4）、（6）列代表科技支出較多地區(qū)各技能就業(yè)比重，結(jié)果如表5所示。

由表5實證結(jié)果看出，在科技支出較多的地區(qū)，技術(shù)進步與高技能勞動力占比呈正相關(guān)關(guān)系且在5%的水平下顯著，對中低技能沒有顯著影響；在科技支出較少的地區(qū)，技術(shù)進步與中技能和低技能勞動力分別呈負相關(guān)和正相關(guān)關(guān)系，且均在1%水平下顯著，對高技能無顯著影響。表明技術(shù)進步在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化；技術(shù)進步對科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過降低中技能勞動力就業(yè)份額，提高低技能勞動力就業(yè)份額而導(dǎo)致就業(yè)極化，假設(shè)2得以驗證。

（四）影響機制分析

本文以資本有機構(gòu)成作為中介探究技術(shù)進步對就業(yè)極化的影響機制，本文借鑒張軍等（2004）用永續(xù)盤存法計算的資本存量作為不變資本，即資本有機構(gòu)成各市資本存量與其勞動報酬之比。結(jié)果如表6所示。

表6各列結(jié)果顯示，用資本有機構(gòu)成作為中介后，技術(shù)進步對其有正向影響，且在1%的水平上顯著，且資本有機構(gòu)成對高技能、低技能勞動者就業(yè)比例的回歸結(jié)果均為正數(shù)，且分別在5%、10%的水平上顯著，對中技能勞動者就業(yè)比例的回歸結(jié)果為負，且在5%的水平上顯著，意味著技術(shù)進步可以通過資本有機構(gòu)成的提高，促使不同部類就業(yè)結(jié)構(gòu)改變，導(dǎo)致就業(yè)極化，假設(shè)3得以驗證。

（五）穩(wěn)健性檢驗

為進一步檢驗技術(shù)進步影響就業(yè)極化的穩(wěn)健性，本文將被解釋變量替換為使用制造業(yè)各技能就業(yè)人數(shù)的絕對值，技術(shù)進步除影響制造業(yè)各技能就業(yè)人數(shù)比例外，對制造業(yè)各技能就業(yè)絕對數(shù)仍會產(chǎn)生影響，由此本文采用制造業(yè)各技能就業(yè)人數(shù)的絕對值作為被解釋變量進行穩(wěn)健性檢驗，結(jié)果如表7所示。

表7報告了替換被解釋變量的穩(wěn)健性檢驗結(jié)果。具體而言，表7分別以制造業(yè)高技能就業(yè)人數(shù)、中技能就業(yè)人數(shù)、低技能就業(yè)人數(shù)作為被解釋變量，結(jié)果顯示，技術(shù)進步與高技能、中技能、低技能就業(yè)人數(shù)的回歸系數(shù)分別通過了顯著性水平為5%、10%和1%的統(tǒng)計性檢驗，表明專利授權(quán)量增加1%時，分別使高技能、中技能和低技能就業(yè)人數(shù)增加0.243%、0.088%和0.179%，即技術(shù)進步雖引起了各技能勞動力就業(yè)絕對數(shù)的增加，但是技能就業(yè)人數(shù)的增加幅度小于高低技能就業(yè)人數(shù)的增加幅度，仍然導(dǎo)致了中技能就業(yè)比例下降，高低技能就業(yè)比例增加的就業(yè)極化現(xiàn)象，該結(jié)論與基準回歸結(jié)果一致。

五、研究結(jié)論與政策建議

（一）主要結(jié)論

第一，技術(shù)進步會增加高技能和低技能勞動力的就業(yè)比重，降低中等技能勞動力的就業(yè)比重，導(dǎo)致了制造業(yè)就業(yè)極化。一方面，技術(shù)進步對勞動力具有替代效應(yīng)，主要體現(xiàn)在中技能勞動力上；另一方面，技術(shù)進步對勞動力具有創(chuàng)造效應(yīng)，主要體現(xiàn)在高技能和低技能勞動力上，使其呈現(xiàn)Ｕ型趨勢。

第二，技術(shù)進步通過提高資本有機構(gòu)成來影響就業(yè)極化。技術(shù)進步使得資本有機構(gòu)成提高，不變資本的相對增加產(chǎn)生了產(chǎn)業(yè)后備軍吸納效應(yīng)，使就業(yè)人數(shù)增加，主要體現(xiàn)在高技能和低技能行業(yè)上，從而引起了就業(yè)極化現(xiàn)象。

（二）政策建議

第一，改善教育供給層次。在增加高技能勞動力供給方面，應(yīng)對人才培養(yǎng)范式實施全面革新，確保教育體系與科技進步同頻共振；在增加低技能勞動力供給方面，高等教育應(yīng)該加強對專業(yè)應(yīng)用型人才的培養(yǎng)，突出社會需求的工程技術(shù)人才培養(yǎng)。

第二，提升技術(shù)水平，推進技術(shù)與就業(yè)結(jié)構(gòu)高質(zhì)量發(fā)展。一方面要加強基礎(chǔ)研究，政府可以通過加大對基礎(chǔ)研究的投入、鼓勵企業(yè)和科研機構(gòu)開展基礎(chǔ)研究等方式來推動基礎(chǔ)研究的發(fā)展。另一方面，推進科技創(chuàng)新體系建設(shè)，政府可以通過建立科技創(chuàng)新基金、支持企業(yè)技術(shù)創(chuàng)新等方式來促進科技創(chuàng)新體系的完善和發(fā)展。

第三，助力技術(shù)創(chuàng)新與新興產(chǎn)業(yè)融合發(fā)展。政府可以制定給予稅收優(yōu)惠，提供創(chuàng)業(yè)資金和補貼等政策來支持和引導(dǎo)新興產(chǎn)業(yè)的發(fā)展。同時，政府制定相關(guān)政策來鼓勵科技創(chuàng)新，營造有利于新興產(chǎn)業(yè)發(fā)展的環(huán)境，充分發(fā)揮技術(shù)進步的產(chǎn)業(yè)后備軍吸納效應(yīng)，促進高質(zhì)量充分就業(yè)。

參考文獻：

[1]Autor H D，Katz F L，Kearney S M. The Polarization of the U.S.Labor Market[J].The American Economic Review，2006，96（02）.

[2]Maarten Goos;Alan Manning and Anna Salomons.Explaining Job Polarization：Routine-Biased Technological Change and Offshoring[J].The American Economic Review，2014，104（08）.

[3]Náplava R.Changing structure of Employment in Europe：Polarization Issue[J].Review of Economic Perspectives，2019，19（04）.

[4]Christian vom Lehn.Labor Market Polarization，the Decline of Routine Work， and Technological Change：A Quantitative Analysis[A].Society for Economic Dynamics Annual Meeting 2015[C].2015.

[5]Michael B？觟hm;Hans-Martin von Gaudecker;Felix Schran.Task Price Polarization in Germany，1975-2010[A].2016.

[6]Daniel O，Jorge M R.Upgrading or polarization？Occupational change in Britain，Germany，Spain and Switzerland，1990-2008[J].Socio-Economic Review，2011，9（03）.

[7]Acemoglu D，Autor D.What Does Human Capital Do？A Review of Goldin and Katz’s[J].Journal of Economic Literature，2012，50（02）.

[8]Nikolaos T，Raquel O.Employment polarization in regional labor markets：Evidence from the Netherlands[J].Journal of Regional Science，2021，61（05）：971-1001.

[9]Ipsita R，Davide C.Employment Polarization in Germany：Role of Technology，Trade and Human Capital[J].The Indian Journal of Labour Economics，2018，61（02）：251-279.

[10]ROY I，CONSOLI D.Employment Polarization in Germany：Role of Technology，Trade and Human Capital[J/OL].The Indian Journal of Labour Economics，2018， 61（02）：251-279.

[11]TERZIDIS N，ORTEGA-AR-

GILéS R.Employment polarization in regional labor markets：Evidence from the Netherlands[J/OL].Journal of Regional Science，2021，61（05）：971-1001.

[12]Uwe Blien and Wolfgang Dauth.Job polarization on local labor markets？[J].European Regional Science Association，2016.

[13]Paul.The economic analysis of technological change[J].Oxford University Press， 1983.

[14]呂世斌，張世偉.中國勞動力“極化”現(xiàn)象及原因的經(jīng)驗研究[J].經(jīng)濟學(xué)（季刊），2015，14（02）：757-778.

[15]寧光杰，林子亮.信息技術(shù)應(yīng)用、企業(yè)組織變革與勞動力技能需求變化[J].經(jīng)濟研究，2014，49（08）：79-92.

[16]何小鋼，劉叩明.機器人、工作任務(wù)與就業(yè)極化效應(yīng)——來自中國工業(yè)企業(yè)的證據(jù)[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2023，40（04）：52-71.

[17]于曉龍.我國信息技術(shù)進步的就業(yè)效應(yīng)研究[D].北京：中共中央黨校，2015.

[18]孫早，侯玉琳.工業(yè)智能化如何重塑勞動力就業(yè)結(jié)構(gòu)[J].中國工業(yè)經(jīng)濟，2019（05）：61-79.

（作者單位：中央民族大學(xué)）