資質(zhì)認(rèn)定與技能勞動力結(jié)構(gòu)

摘 要：優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)不僅成為企業(yè)贏取競爭優(yōu)勢的重要渠道，更是驅(qū)動經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵所在。本文基于2015-2022年我國滬深A(yù)股上市企業(yè)數(shù)據(jù)，將專精特新“小巨人”企業(yè)認(rèn)定政策視為準(zhǔn)自然實驗，構(gòu)建多期雙重差分模型探究試點政策對企業(yè)技能勞動力結(jié)構(gòu)的實際影響和作用渠道。研究發(fā)現(xiàn)：（1）“小巨人”資質(zhì)認(rèn)定顯著優(yōu)化了企業(yè)技能勞動力結(jié)構(gòu)，具體表現(xiàn)為高技能勞動力的創(chuàng)造效應(yīng)。（2）機(jī)制檢驗表明，“小巨人”認(rèn)定政策通過促進(jìn)企業(yè)智能制造轉(zhuǎn)型、高端創(chuàng)新以及動態(tài)吸收能力間接優(yōu)化技能勞動力結(jié)構(gòu)。（3）異質(zhì)性檢驗發(fā)現(xiàn)，“小巨人”認(rèn)定政策表現(xiàn)出強(qiáng)烈的地理區(qū)位、行業(yè)以及生產(chǎn)要素密集度異質(zhì)性特征。具體來看，政策效應(yīng)在東部地區(qū)、制造業(yè)以及技術(shù)密集型企業(yè)更為顯著。（4）經(jīng)濟(jì)后果檢驗發(fā)現(xiàn)，“小巨人”認(rèn)定政策在優(yōu)化技能勞動力結(jié)構(gòu)的基礎(chǔ)上，能夠進(jìn)一步提高企業(yè)勞動力配置效率和勞動生產(chǎn)效率。研究結(jié)論拓展了企業(yè)技能勞動力結(jié)構(gòu)影響因素的研究視角，也為緩解我國就業(yè)結(jié)構(gòu)性矛盾提供政策建議。

關(guān)鍵詞：專精特新“小巨人”；資質(zhì)認(rèn)定；技能勞動力結(jié)構(gòu)；創(chuàng)造效應(yīng)

中圖分類號：F272.92 文獻(xiàn)標(biāo)志碼：A 文章編號：1672-626X（2025）02-0039-15

一、引言

就業(yè)結(jié)構(gòu)性矛盾是指因經(jīng)濟(jì)結(jié)構(gòu)與勞動力結(jié)構(gòu)的不對應(yīng)引發(fā)的就業(yè)崗位供求之間的不匹配，外在表現(xiàn)為企業(yè)“招工難”與勞動力“就業(yè)難”并存[1]。一方面，在經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整或產(chǎn)業(yè)轉(zhuǎn)型升級過程中，勞動力市場能夠滿足企業(yè)所需的高層次研發(fā)人員和高技能人才嚴(yán)重短缺，導(dǎo)致技能人才斷檔成為制造業(yè)升級“卡脖子”問題。另一方面，企業(yè)內(nèi)技能人才培養(yǎng)體系尚不完善，培養(yǎng)內(nèi)容與企業(yè)實際需求脫節(jié)，難以提升在職員工的技能水平，進(jìn)而加劇了高技能人才流失和斷檔。為了緩解就業(yè)結(jié)構(gòu)性矛盾，2024年初，人社部、國家發(fā)展改革委、教育部、科技部、財政部、國務(wù)院國資委、全國總工會等七部門印發(fā)《關(guān)于實施高技能領(lǐng)軍人才培育計劃的通知》，文件中提出“力爭用三年左右時間，全國培育領(lǐng)軍人才1.5萬人次以上，帶動新增高技能人才500萬人次左右”的目標(biāo)。由此可見，高技能勞動力是激發(fā)企業(yè)活力的“主力軍”，提升勞動者技能是緩解我國就業(yè)結(jié)構(gòu)性矛盾的先決條件。企業(yè)作為就業(yè)的深厚“蓄水池”，是提供就業(yè)崗位和優(yōu)化就業(yè)結(jié)構(gòu)的關(guān)鍵主體，在高質(zhì)量發(fā)展階段承擔(dān)著“穩(wěn)就業(yè)”的社會重任[2]。因此，企業(yè)亟需轉(zhuǎn)變勞動力雇傭決策，優(yōu)化技能勞動力結(jié)構(gòu)和供給質(zhì)量勢在必行。但是，如何優(yōu)化技能勞動力結(jié)構(gòu)？這一關(guān)鍵問題不僅要釋放企業(yè)高質(zhì)量實體投資意愿、增加其對技能勞動力的雇傭需求[3]，還要引導(dǎo)企業(yè)建立市場化薪酬機(jī)制和對雇員的長效培訓(xùn)體制、以更好地吸引高技能勞動力，而這均依托于持續(xù)且穩(wěn)定的國家戰(zhàn)略型政策支持[4]。

2018年末，工業(yè)和信息化部首次提出在全國范圍內(nèi)開展專精特新“小巨人”企業(yè)的培育工作。截至2022年底，工業(yè)和信息化部已公布四批共計9279家國家級專精特新“小巨人”企業(yè)，其中經(jīng)過實際培育和認(rèn)定的為8997家，且其中719家企業(yè)已在滬深A(yù)股上市。我國已初步形成以專精特新企業(yè)孵化帶動、跟進(jìn)躍升的高質(zhì)量梯次發(fā)展格局[5]。專精特新“小巨人”企業(yè)作為“專精特新”中小企業(yè)的佼佼者，專注于細(xì)分市場，具備強(qiáng)大的創(chuàng)新能力、較高的市場占有率、掌握關(guān)鍵核心技術(shù)，并在質(zhì)量和效益方面表現(xiàn)優(yōu)異，成為行業(yè)的領(lǐng)軍企業(yè)，更是成為我國制造業(yè)強(qiáng)鏈補(bǔ)鏈、解決核心技術(shù)“卡脖子”瓶頸的利器[6]?？v觀既有文獻(xiàn)，有關(guān)專精特新“小巨人”企業(yè)認(rèn)定政策（以下簡稱“小巨人”認(rèn)定政策）的研究大多數(shù)聚焦其創(chuàng)新績效[7]、數(shù)字化轉(zhuǎn)型[8]及空間集聚特征[9]等定量研究，也有研究考察了“小巨人”認(rèn)定政策的穩(wěn)就業(yè)效應(yīng)，認(rèn)為試點政策的深入促進(jìn)了企業(yè)勞動雇傭規(guī)模的增長，但是鮮有文獻(xiàn)關(guān)注“小巨人”認(rèn)定政策對企業(yè)技能勞動力結(jié)構(gòu)的影響[5]。那么，在面臨企業(yè)“招工難”與勞動力“就業(yè)難”的矛盾背景下，能否牢牢把握“小巨人”資質(zhì)認(rèn)定這一重大戰(zhàn)略紅利，優(yōu)化技能勞動力結(jié)構(gòu)？其內(nèi)在作用機(jī)制及異質(zhì)性表現(xiàn)如何？能否進(jìn)一步為企業(yè)帶來經(jīng)濟(jì)效益？本文圍繞上述問題展開討論，對緩解我國就業(yè)結(jié)構(gòu)性矛盾，促進(jìn)企業(yè)高技能人才培養(yǎng)具有重要的理論和實踐意義。

基于此，本文采用2015—2022年國家級專精特新“小巨人”上市企業(yè)面板數(shù)據(jù)，解構(gòu)“小巨人”認(rèn)定政策對技能勞動力結(jié)構(gòu)的影響。與現(xiàn)有研究比較，本文的邊際貢獻(xiàn)體現(xiàn)在：第一，以國家級專精特新“小巨人”認(rèn)定政策為準(zhǔn)自然實驗，構(gòu)建多期雙重差分模型，實證檢驗試點政策的高技能勞動力的創(chuàng)造效應(yīng)，拓展了“小巨人”認(rèn)定政策在就業(yè)層面的實證研究。第二，鑒于企業(yè)智能制造轉(zhuǎn)型、高端創(chuàng)新及動態(tài)吸收能力的三維視角，分析“小巨人”認(rèn)定政策優(yōu)化技能勞動力結(jié)構(gòu)的間接路徑，強(qiáng)化二者之間深層次的邏輯關(guān)聯(lián)；第三，在“小巨人”企業(yè)地理區(qū)位、行業(yè)、生產(chǎn)要素密集度的基礎(chǔ)上，探究“小巨人”認(rèn)定政策調(diào)整技能勞動力結(jié)構(gòu)所表現(xiàn)出的異質(zhì)性特征，豐富了研究內(nèi)容。第四，進(jìn)一步檢驗“小巨人”認(rèn)定政策在優(yōu)化技能勞動力結(jié)構(gòu)的基礎(chǔ)上所釋放的經(jīng)濟(jì)紅利。研究內(nèi)容對我國加速形成以專精特新企業(yè)孵化帶動、跟進(jìn)躍升的高質(zhì)量梯次發(fā)展格局具有重要的啟示作用。

二、理論分析與研究假設(shè)

（一）“小巨人”認(rèn)定政策優(yōu)化技能勞動力結(jié)構(gòu)的直接效應(yīng)

“小巨人”資質(zhì)認(rèn)定從政策、資本、競爭價值層面共同為企業(yè)技能勞動力優(yōu)化提供底層支撐。第一，在政策價值層面，“小巨人”企業(yè)相比于未獲得資質(zhì)認(rèn)定的同行業(yè)企業(yè)獲得了大量資金補(bǔ)貼、費用減免、稅收返還等真金白銀的“硬”扶持以及人才引進(jìn)、場景應(yīng)用開放等政策“軟”支持[10]，從而降低企業(yè)雇傭成本、擴(kuò)大生產(chǎn)規(guī)模、提升質(zhì)量效益，以此提高企業(yè)雇傭能力，使企業(yè)更有能力吸引和培養(yǎng)高素質(zhì)人才。第二，在資本價值層面，“小巨人”認(rèn)定政策能夠有效降低企業(yè)股價波動風(fēng)險[11]，獲得更多投資者的青睞和供應(yīng)鏈伙伴數(shù)量[12]；在新聞媒體宣傳下企業(yè)自身在行業(yè)中的知名度、社會上的美譽(yù)度得以鍛造，從而獲得多層次資本市場股權(quán)融資，享受金融機(jī)構(gòu)的優(yōu)惠融資服務(wù)。技能勞動力結(jié)構(gòu)的優(yōu)化自然離不開這番金融“活水”的灌溉。第三，在競爭價值層面，對于試點企業(yè)，“小巨人”資質(zhì)認(rèn)定并非一勞永逸，其資格有效期僅有三年，若要在激烈的名額競爭中站穩(wěn)腳跟，企業(yè)需要吸引更多的高技能人才保持自身的競爭力優(yōu)勢[5]。對于非試點企業(yè)，一方面，基于馬太效應(yīng)理論，“小巨人”企業(yè)因享有政策扶持而占據(jù)絕大部分的市場份額，甚至存在“贏者通吃”現(xiàn)象[13]，導(dǎo)致未獲得資質(zhì)認(rèn)定的同行業(yè)企業(yè)產(chǎn)生“憂患”或“追趕”意識，設(shè)法吸引保留高素質(zhì)人才，以免被市場淘汰。另一方面，基于溢出效應(yīng)理論，“小巨人”企業(yè)發(fā)揮以點帶面的作用，帶動未獲得資質(zhì)認(rèn)定的同行業(yè)企業(yè)提高勞動力技能水平，以跨越“小巨人”認(rèn)定門檻[14]?；诖?，本文提出假設(shè)1：

H1：“小巨人”認(rèn)定政策能夠優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)，具體表現(xiàn)為高技能勞動力的創(chuàng)造效應(yīng)。

（二）“小巨人”認(rèn)定政策優(yōu)化技能勞動力結(jié)構(gòu)的間接效應(yīng)

1. 智能制造轉(zhuǎn)型

《“十四五”智能制造發(fā)展規(guī)劃》明確提出，發(fā)揮“小巨人”企業(yè)的示范引領(lǐng)作用，推進(jìn)企業(yè)智能制造轉(zhuǎn)型的進(jìn)程。首先，“專精特新”戰(zhàn)略支持重點“小巨人”企業(yè)推進(jìn)數(shù)字化、網(wǎng)絡(luò)化、智能化改造，鼓勵企業(yè)將業(yè)務(wù)系統(tǒng)向?云端遷移，這有助于企業(yè)引入先進(jìn)的制造技術(shù)和信息化系統(tǒng)[8]。其次，政策的實施提高了企業(yè)的申報門檻，包括專業(yè)化、精細(xì)化等方面的具體指標(biāo)，倒逼“小巨人”企業(yè)通過持續(xù)的技術(shù)創(chuàng)新和管理創(chuàng)新，實現(xiàn)在市場競爭中的差異化發(fā)展，進(jìn)一步推動企業(yè)的智能制造轉(zhuǎn)型[15]。人工智能與機(jī)器人技術(shù)被視為推動企業(yè)智能制造轉(zhuǎn)型的關(guān)鍵驅(qū)動力，其迅猛發(fā)展勢必對就業(yè)結(jié)構(gòu)造成重大沖擊，逐漸形成技能結(jié)構(gòu)的兩極分化現(xiàn)象[16]。人工智能技術(shù)的快速變革及其在各領(lǐng)域的廣泛應(yīng)用，引發(fā)人們對“機(jī)器換人”和結(jié)構(gòu)性失業(yè)的擔(dān)憂，它不僅僅改變了現(xiàn)有企業(yè)對于常規(guī)和非常規(guī)勞動力的需求結(jié)構(gòu)，新技術(shù)還不斷創(chuàng)造出新職業(yè)和新崗位，企業(yè)對非常規(guī)勞動力的需求進(jìn)一步增加[17]。機(jī)器人科技等新興技術(shù)能夠替代那些低復(fù)雜性和重復(fù)性的工作，從而顯著降低企業(yè)的勞動力成本，提升生產(chǎn)效率。這種技術(shù)進(jìn)步會對勞動力市場產(chǎn)生擠出效應(yīng)，減少對中低技能勞動力的需求，尤其是在需要高頻繁重復(fù)操作的崗位上，企業(yè)對這些工種的依賴將大大減少[18]。

2. 高端創(chuàng)新

“小巨人”認(rèn)定政策與其他科技創(chuàng)新政策有著本質(zhì)上的區(qū)別，更加關(guān)注企業(yè)高層次技術(shù)創(chuàng)新能力以及在整個產(chǎn)業(yè)鏈中的強(qiáng)鏈補(bǔ)鏈效果。這是因為，“專精特新”企業(yè)培育名單具有“認(rèn)證效應(yīng)”，需要同時滿足專、精、特、新、鏈、品6個指標(biāo)，代表官方對企業(yè)技術(shù)水平和創(chuàng)新能力的認(rèn)可。因此，國內(nèi)學(xué)者對于“小巨人”認(rèn)定政策的高層次創(chuàng)新效應(yīng)也開展了相關(guān)研究，其中湛泳和馬從文（2024）[19]認(rèn)為“專精特新”中小企業(yè)享有減稅降費的紅利，增加企業(yè)創(chuàng)新投資意愿，緩解企業(yè)創(chuàng)新“低端鎖定”的困境，從而促進(jìn)高端創(chuàng)新；楊中楷和祭敏（2024）[20]基于2018—2022年200家專精特新“小巨人”A股上市企業(yè)的財務(wù)數(shù)據(jù)與發(fā)明專利數(shù)據(jù)，研究發(fā)現(xiàn)專精特新“小巨人”企業(yè)培育可以促進(jìn)發(fā)明專利的質(zhì)量。隨著“小巨人”企業(yè)認(rèn)定門檻的升級，對企業(yè)的創(chuàng)新水平提出更高的要求，在技術(shù)創(chuàng)新驅(qū)動下，就業(yè)崗位的創(chuàng)造和替代作用并存，不同的技術(shù)創(chuàng)新模式對就業(yè)的影響也不同[21]。從替代效應(yīng)看，“劉易斯”拐點的到來，意味著資本和高技能勞動將作為一個組合來替代低技能勞動力的可預(yù)測的、程序性任務(wù)，促使就業(yè)結(jié)構(gòu)升級[22]，這意味著中小企業(yè)對勞動者素質(zhì)提出更高要求，需要提高內(nèi)部技術(shù)創(chuàng)新水平，解決“技工荒”所帶來的勞動力成本高漲問題。從創(chuàng)造效應(yīng)看，低技能勞動力在被替代后，重新就業(yè)并找到適配的新崗位需要經(jīng)歷一定的時間和成本。在勞動力的技能供給與技術(shù)進(jìn)步需求之間存在不匹配時，可能會引發(fā)結(jié)構(gòu)性失業(yè)問題[23]。所以，企業(yè)為了提高全要素生產(chǎn)率、緩解結(jié)構(gòu)性就業(yè)矛盾，將利用技術(shù)創(chuàng)新倒逼非技能勞動力向技能勞動力轉(zhuǎn)變，改變企業(yè)勞動力技能結(jié)構(gòu)，高技能勞動力的需求也隨之持續(xù)增加，高技能勞動力的就業(yè)趨于穩(wěn)定[24]。

3. 動態(tài)吸收能力

動態(tài)吸收能力被定義為企業(yè)識別、獲取、轉(zhuǎn)化并應(yīng)用外部新知識以創(chuàng)造價值的能力，是企業(yè)實現(xiàn)持續(xù)創(chuàng)新與保持競爭優(yōu)勢的關(guān)鍵先決條件[25]。一方面，“小巨人”認(rèn)定政策享有對研發(fā)活動的直接補(bǔ)貼、稅收減免以及研發(fā)費用加計扣除等激勵措施，這些政策降低了企業(yè)研發(fā)投入的成本風(fēng)險，通過持續(xù)穩(wěn)定的研發(fā)投入，企業(yè)能夠更快地吸收和應(yīng)用前沿知識和技術(shù)，增強(qiáng)其動態(tài)吸收能力[26]。另一方面，強(qiáng)化知識產(chǎn)權(quán)保護(hù)是“小巨人”認(rèn)定政策的重要組成部分，健全的知識產(chǎn)權(quán)保護(hù)體系激發(fā)了企業(yè)的創(chuàng)新活力，進(jìn)一步增強(qiáng)了企業(yè)的動態(tài)吸收能力[27]。隨著動態(tài)能力的提高，企業(yè)將更加注重對具備創(chuàng)新精神和學(xué)習(xí)能力的高技能人才的追逐，并加大對現(xiàn)有員工的技能培訓(xùn)，助力企業(yè)更好地識別和應(yīng)用外部知識。

鑒于以上理論分析，本文提出假設(shè)2：

H2a：“小巨人”認(rèn)定政策可以推動企業(yè)智能制造轉(zhuǎn)型，間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。

H2b：“小巨人”認(rèn)定政策通過提高企業(yè)高端創(chuàng)新水平間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。

H2c：“小巨人”認(rèn)定政策通過提升企業(yè)動態(tài)吸收能力間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以2015—2022年我國滬深A(yù)股上市企業(yè)作為研究樣本，并在數(shù)據(jù)的選擇上進(jìn)行如下處理。首先，剔除金融和保險行業(yè)樣本、被ST和*ST樣本以及主要變量存在缺失的樣本；其次，為了減少極端值對統(tǒng)計分析的干擾，采用縮尾處理使所有連續(xù)型變量控制在上下1%的范圍內(nèi)?？紤]到處理組中存在2015年及之后上市的“小巨人”企業(yè)，剔除后會低估“小巨人”資質(zhì)認(rèn)定的政策效應(yīng)，所以保持處理組非平衡樣本、對照組平衡樣本。經(jīng)上述處理，最終研究樣本包括19356個觀測值。其中，包括獲得“小巨人”資質(zhì)認(rèn)定的583家處理組企業(yè)，以及未獲評“小巨人”資質(zhì)認(rèn)定的2117家對照組企業(yè)。

“小巨人”企業(yè)的資質(zhì)認(rèn)定數(shù)據(jù)來源于萬得（WIND）數(shù)據(jù)庫，并與工業(yè)和信息化部官網(wǎng)公布的“小巨人”企業(yè)名單進(jìn)行逐一比對。基礎(chǔ)數(shù)據(jù)主要采集自國泰安數(shù)據(jù)庫（CSMAR）和中國研究數(shù)據(jù)平臺（CNRDS），對于存在數(shù)據(jù)缺失的部分，通過查閱相關(guān)上市公司的年報進(jìn)行補(bǔ)充和完善。

（二）變量說明

1. 被解釋變量

技能勞動力結(jié)構(gòu)（[Tech_labor]）。目前學(xué)術(shù)界關(guān)于企業(yè)技能勞動力結(jié)構(gòu)的量化標(biāo)準(zhǔn)尚未形成統(tǒng)一，可以歸納總結(jié)為以下幾種度量方式。其一，以勞動力工種為劃分標(biāo)準(zhǔn)，將上市企業(yè)生產(chǎn)人員歸類為低技能勞動力，技術(shù)人員歸類為高技能勞動力[24]；其二，以所受教育層次為劃分依據(jù)，將企業(yè)員工中學(xué)歷為?？萍耙韵碌膯T工視為低技能勞動力，學(xué)歷為本科及以上的員工視為高技能勞動力[28]。對比兩種劃分方法，按勞動力工種劃分注重企業(yè)員工在實踐中的應(yīng)用能力和技術(shù)技能，更能體現(xiàn)簡單勞動與技能勞動的差異性。從平均水平來說，與技術(shù)和研發(fā)人員相比，生產(chǎn)、業(yè)務(wù)、市場和財務(wù)人員從事的工作更趨于常規(guī)性和低技能性[29]。因此本文將生產(chǎn)、業(yè)務(wù)、市場和財務(wù)人員界定為常規(guī)低技能勞動力，技術(shù)和研發(fā)人員界定為非常規(guī)高技能勞動力。以高技能勞動力所占企業(yè)雇員總數(shù)比例作為企業(yè)技能勞動力結(jié)構(gòu)的代理指標(biāo)，并在后文實證分析中以企業(yè)員工中學(xué)歷為研究生及以上的員工比重作為穩(wěn)健性指標(biāo)。

2. 解釋變量

“小巨人”認(rèn)定政策（[Giant]）。本文通過“小巨人”企業(yè)培育名單來判斷滬深A(yù)股上市企業(yè)是否獲得2019—2022年期間國家級專精特新“小巨人”資質(zhì)認(rèn)定，從而構(gòu)建虛擬變量。具體地，若上述企業(yè)獲得資質(zhì)認(rèn)定的當(dāng)年及以后年份賦值為1，否則為0。

3. 控制變量

為提高模型估計的精度，加入了一系列可能會對企業(yè)技能勞動力結(jié)構(gòu)產(chǎn)生影響的控制變量，包括：企業(yè)規(guī)模（[Size]）、資產(chǎn)負(fù)債率（[Lev]）、總資產(chǎn)凈利潤率（[Roa]）、現(xiàn)金流比率（[Cashflow]）、獨立董事占比（[Indep]）、兩職合一（[Dual]）、第一大股東持股比例（[Top1]）、管理費用率（[Mfee]）。[]

（三）模型設(shè)計

“小巨人”認(rèn)定政策于2019年首次落地執(zhí)行，采用分期認(rèn)定的方式，因此，本文選擇構(gòu)建多期雙重差分模型探究“小巨人”認(rèn)定政策對企業(yè)技能勞動力結(jié)構(gòu)的沖擊效果?；鶞?zhǔn)回歸模型如下：

[Tech_laborit=α0+α1Giantit+α2Controlit+λi+μt+εit] （1）

式（1）中，[Tech_laborit]為被解釋變量，表示公司i在t年的技能勞動力結(jié)構(gòu)；[Giantit]為核心解釋變量，即“小巨人”認(rèn)定政策；[Controlit]為控制變量；[λi]與[μt]分別為企業(yè)固定效應(yīng)和時間固定效應(yīng)；[εit]為隨機(jī)擾動項。主要變量的具體含義見表1。

四、實證分析

（一）描述性統(tǒng)計分析

表2匯報了主要變量的描述性統(tǒng)計結(jié)果。[Tech_labor]最大值為0.824，最小值為0.000，說明我國企業(yè)技能勞動力結(jié)構(gòu)存在差異；[Tech_labor]的平均值0.218大于中位數(shù)0.164，說明企業(yè)技能勞動力結(jié)構(gòu)有待進(jìn)一步優(yōu)化；[Giant]的平均值為0.055，說明獲得“小巨人”資質(zhì)認(rèn)定的企業(yè)占據(jù)5.5%，“小巨人”認(rèn)定門檻越來越高。

（二）基準(zhǔn)回歸分析

在進(jìn)行基準(zhǔn)回歸之前，分別對各個解釋變量之間的相關(guān)性系數(shù)和方差膨脹因子（VIF）進(jìn)行了計算。結(jié)果表明，各解釋變量兩兩之間的相關(guān)性系數(shù)絕對值均小于0.8，且所有解釋變量的VIF值均遠(yuǎn)低于10。即各解釋變量間不存在顯著的多重共線性問題，由相關(guān)關(guān)系導(dǎo)致模型估計失真的可能性較小。

表3報告了“小巨人”認(rèn)定政策影響技能勞動力結(jié)構(gòu)的基準(zhǔn)回歸結(jié)果。第（1）～（2）列是不考慮控制變量前提下，只控制企業(yè)固定效應(yīng)和企業(yè)、時間雙固定效應(yīng)下的回歸結(jié)果；而第（3）～（4）列是加入一系列可能會對企業(yè)技能勞動力結(jié)構(gòu)產(chǎn)生影響的控制變量的回歸結(jié)果?？梢园l(fā)現(xiàn)，[Giant]的估計系數(shù)均在1%的水平上顯著為正，即“小巨人”認(rèn)定政策能夠優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)，具體表現(xiàn)為高技能勞動力的創(chuàng)造效應(yīng)。假設(shè)H1得到驗證。

（三）穩(wěn)健性分析

1. 平行趨勢檢驗

多時點雙重差分模型的前提是滿足平行趨勢假設(shè)，即“小巨人”認(rèn)定政策實施之前，處理組與對照組企業(yè)技能勞動力結(jié)構(gòu)變化趨勢是一致的。因此，參考Jacobson等（1993）[30]提出的事件研究法對動態(tài)效應(yīng)進(jìn)行考察，構(gòu)建如下模型：

[Tech_laborit=α0+α1-6≤k≤3δkGiantkit+α2Controlit+λi+μt+εit] （2）

其中，[Giantkit]為虛擬變量，定義[ni]為企業(yè)首次受到“小巨人”認(rèn)定政策影響的年份，則[t-ni=k]（k=-6，-5，-4，-3，-2，-1，0，1，2，3）；[δk]反映試點政策在不同時點下對企業(yè)技能勞動力結(jié)構(gòu)的動態(tài)影響；其他變量同基準(zhǔn)回歸模型。本文以政策實施前一年（[t-ni=-1]）為基期，動態(tài)效應(yīng)檢驗結(jié)果如圖1所示?？梢园l(fā)現(xiàn)，在“小巨人”認(rèn)定政策推行之前，估計系數(shù)[δk]不顯著（90%的置信區(qū)間），即處理組企業(yè)與對照組企業(yè)之間關(guān)于技能勞動力結(jié)構(gòu)的變化趨勢基本保持一致，平行趨勢檢驗通過。而政策實施的當(dāng)年及之后，估計系數(shù)[δk]呈現(xiàn)顯著為正的上升趨勢，這表明在“小巨人”認(rèn)定政策沖擊下，企業(yè)的技能勞動力結(jié)構(gòu)得到優(yōu)化。進(jìn)一步考慮到，在使用多時點雙重差分模型來識別政策效果時，可能會由于“異質(zhì)性處理效應(yīng)”的存在，導(dǎo)致估計結(jié)果出現(xiàn)顯著的偏誤。因此，本文借鑒余明桂等（2024）[28]的研究思路，構(gòu)建CSDID模型來排除異質(zhì)性干擾，該模型下政策前后的動態(tài)效應(yīng)如圖2所示，并在后續(xù)穩(wěn)健性檢驗中呈現(xiàn)CSDID的回歸結(jié)果。由圖2可以看出，排除異質(zhì)性干擾后，政策試點前的處理組企業(yè)與對照組企業(yè)依舊滿足平行趨勢檢驗。

2. 安慰劑檢驗

考慮到“小巨人”認(rèn)定政策可能會受到不可觀測因素和其他隨機(jī)因素的干擾，導(dǎo)致基準(zhǔn)回歸結(jié)果具有隨機(jī)性。因此，本文采用安慰劑檢驗來驗證基準(zhǔn)回歸結(jié)果的穩(wěn)健性。具體而言，本文參考Ferrara等（2012）[31]的研究方法，通過隨機(jī)抽樣1000次構(gòu)建“偽小巨人認(rèn)定政策虛擬變量”進(jìn)行回歸模擬。結(jié)果如圖3所示，[Giant]估計系數(shù)基本集中分布于0值附近，絕大多數(shù)系數(shù)的P值落在0.1～1值之間，且真實的回歸估計系數(shù)（0.788）位于虛假回歸估計結(jié)果分布的高尾區(qū)域，這表明估計結(jié)果并非偶然發(fā)生，受到不可觀測因素和其他隨機(jī)因素影響的可能性較小。因此，安慰劑檢驗通過，基準(zhǔn)回歸結(jié)果具有較強(qiáng)的穩(wěn)健性和可信度。

3. PSM-DID

為了緩解樣本選擇性偏差，本文使用PSM-DID進(jìn)行穩(wěn)健性檢驗。具體而言，將“小巨人”企業(yè)作為處理組，未獲資質(zhì)認(rèn)定的企業(yè)作為對照組，以模型（1）中的所有控制變量作為協(xié)變量，依次采用核匹配、近鄰匹配（1：1）、卡尺匹配三種方法對不同組別樣本進(jìn)行篩選和匹配?；貧w結(jié)果見表4，可以發(fā)現(xiàn)，任一匹配方式下，[Giant]估計系數(shù)均在5%的顯著性水平上為正，這表明利用PSM方法匹配后的樣本進(jìn)行回歸分析，能夠有效控制企業(yè)異質(zhì)性引起的樣本選擇偏差，從而提高估計結(jié)果的可靠性。

4. 調(diào)整研究樣本區(qū)間

（1）調(diào)整控制類型。本文在控制企業(yè)、時間固定效應(yīng)的基礎(chǔ)上繼續(xù)控制行業(yè)固定效應(yīng)和省份固定效應(yīng)；（2）調(diào)整聚類類型。在基準(zhǔn)回歸模型的基礎(chǔ)上加入企業(yè)層面的聚類穩(wěn)健性標(biāo)準(zhǔn)誤；（3）剔除部分樣本。鑒于2015年中國股災(zāi)和2018年亞洲金融危機(jī)的沖擊，為了排除這些外部不可控因素可能帶來的觀測誤差，本研究剔除2015年與2018年的企業(yè)樣本。上述穩(wěn)健性檢驗結(jié)果見表5第（1）～（3）列，[Giant]回歸系數(shù)基本顯著為正，基準(zhǔn)回歸結(jié)果再次得到驗證。

5. 其他穩(wěn)健性檢驗

（1）更換被解釋變量。以企業(yè)員工中學(xué)歷為研究生及以上的員工比重作為被解釋變量的替代指標(biāo)；（2）反事實檢驗。將試點政策滯后2期推行并重新構(gòu)建虛擬變量[Did1]，將試點政策提前2期實施并重新構(gòu)建虛擬變量[Did2]。若Did1估計系數(shù)顯著為正，Did2估計系數(shù)不顯著，則反事實檢驗成立；（3）排除同期政策干擾?？紤]到“小巨人”認(rèn)定政策對技能勞動力結(jié)構(gòu)的優(yōu)化可能受到企業(yè)外部環(huán)境的干擾，導(dǎo)致基準(zhǔn)結(jié)果可能存在估計偏差的問題，選擇性排除《企業(yè)智能制造發(fā)展規(guī)劃》（[Policy1]）和企業(yè)人才引進(jìn)政策（[Policy2]）的影響。（4）更換回歸模型。構(gòu)建CSDID模型，排除異質(zhì)性處理效應(yīng)對多期DID模型回歸結(jié)果的干擾。以上4種穩(wěn)健性檢驗的回歸結(jié)果見表6，可以發(fā)現(xiàn)，[Giant]估計系數(shù)均顯著為正，基準(zhǔn)回歸結(jié)果穩(wěn)健可信。

五、機(jī)制檢驗與異質(zhì)性分析

（一）機(jī)制檢驗

基于前文的理論分析，“小巨人”認(rèn)定政策可以促進(jìn)企業(yè)智能制造轉(zhuǎn)型、高端創(chuàng)新、動態(tài)吸收能力，間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。本文借鑒溫忠麟和葉寶娟（2014）[32]的研究思路，采用逐步法檢驗上述機(jī)制是否存在，具體模型設(shè)定如下：

[Medit=β0+β1Dtit+β2Controlit+λi+μt+εit] （3）

[Tech_laborit=β0+β1Giantit+β2Medit+β3Controlit+λi+μt+εit] （4）

其中，[Medit] 為機(jī)制變量，即智能制造轉(zhuǎn)型（[Imt]）、高端創(chuàng)新（[Explora]）和動態(tài)吸收能力（[Ac]），其他變量定義同模型（1）。

1. 智能制造轉(zhuǎn)型

借鑒郭磊等（2020）[33]的研究方法，以2015—2022年A股上市企業(yè)年報內(nèi)容為語料，利用深度學(xué)習(xí)技術(shù)提取財經(jīng)語境下的“智能制造”關(guān)鍵詞集，作為企業(yè)智能制造轉(zhuǎn)型（[Imt]）的替代變量。該中介效應(yīng)檢驗結(jié)果見表7第（1）～（2）列，[Giant]和[Imt]的回歸系數(shù)均顯著為正，智能制造轉(zhuǎn)型通過機(jī)制檢驗。這表明“小巨人”認(rèn)定政策可以通過促進(jìn)智能制造轉(zhuǎn)型，取代低復(fù)雜性、重復(fù)的工作崗位，為企業(yè)高技能勞動力的雇傭騰出薪資空間，間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。由此，假設(shè)H2a成立。

2. 高端創(chuàng)新

專精特新企業(yè)培育名單具有“認(rèn)證效應(yīng)”，而“小巨人”企業(yè)作為專精特新中小企業(yè)中的佼佼者，具備一定的技術(shù)水平和創(chuàng)新能力。因此，借鑒湛泳和馬從文（2024）[19]的研究，以企業(yè)發(fā)明專利申請量的對數(shù)值作為企業(yè)高端創(chuàng)新的代理變量。回歸結(jié)果見表7第（3）～（4）列，[Giant]和[Explora]的回歸系數(shù)均顯著正相關(guān)，即“小巨人”認(rèn)定政策能夠打破企業(yè)創(chuàng)新“低端鎖定”的困境，提升高端創(chuàng)新能力，助力企業(yè)技能勞動力結(jié)構(gòu)的優(yōu)化。由此，假設(shè)H2b成立。

3. 動態(tài)吸收能力

參考寇明婷等（2024）[34]的做法，以企業(yè)研發(fā)支出與凈資產(chǎn)之比來衡量其動態(tài)吸收能力的強(qiáng)弱?；貧w結(jié)果見表7第（5）～（6）列，[Giant]和[Ac]的回歸系數(shù)均在1%的水平上顯著正相關(guān)，吸收能力通過機(jī)制檢驗，即“小巨人”認(rèn)定政策可以助力企業(yè)更好地識別與應(yīng)用前沿知識和技術(shù)，提高其動態(tài)吸收能力，間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。由此，假設(shè)H2c得以驗證。

表8匯報了Bootstrap檢驗的結(jié)果，以進(jìn)一步確定智能制造轉(zhuǎn)型、高端創(chuàng)新以及動態(tài)吸收能力在“小巨人”認(rèn)定政策與企業(yè)技能勞動力結(jié)構(gòu)之間的中介效應(yīng)。由表8結(jié)果可以發(fā)現(xiàn)，三個中介變量間接效應(yīng)的置信區(qū)間均不包含0，說明存在中介效應(yīng)；同時，三個中介變量直接效應(yīng)的置信區(qū)間也不包括0，表明智能制造轉(zhuǎn)型、高端創(chuàng)新以及動態(tài)吸收能力起部分中介作用。綜上所述，假設(shè)H2成立。

（二）異質(zhì)性分析

在實證檢驗“小巨人”認(rèn)定政策對企業(yè)技能勞動力結(jié)構(gòu)的異質(zhì)性影響之前，分別對地理區(qū)位異質(zhì)性、行業(yè)異質(zhì)性以及生產(chǎn)要素異質(zhì)性進(jìn)行組間系數(shù)差異性檢驗。Chow檢驗結(jié)果顯示，其p值均在1%水平上顯著為正，即組間系數(shù)存在顯著性差異。

1. 地理區(qū)位異質(zhì)性

東部地區(qū)由于其產(chǎn)業(yè)基礎(chǔ)、經(jīng)濟(jì)環(huán)境、營商環(huán)境和政策支持等多重優(yōu)勢，促進(jìn)了“小巨人”企業(yè)的高度集聚。因此，東部地區(qū)的“小巨人”企業(yè)數(shù)量明顯領(lǐng)先于中西部地區(qū)，形成了明顯的非均衡分布格局[9]。本文將研究樣本按地理區(qū)位劃分為東部、中西部地區(qū)，實證檢驗“小巨人”認(rèn)定政策在不同地理位置下影響技能勞動力結(jié)構(gòu)所表現(xiàn)出的異質(zhì)性特征。回歸結(jié)果如表9所示，在東部地區(qū)研究樣本中，[Giant]的估計系數(shù)在5%的水平上顯著為正，而中西部地區(qū)不顯著，這說明“小巨人”認(rèn)定政策對技能勞動力結(jié)構(gòu)的優(yōu)化呈現(xiàn)出顯著的“東熱西冷”的異質(zhì)性特征。

2. 行業(yè)類型異質(zhì)性

從前四批“小巨人”資質(zhì)認(rèn)定的行業(yè)分布特征來看，前期試點行業(yè)明顯，從第二批次開始逐漸增加其他行業(yè)的比例。但主要集中在制造業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、批發(fā)和零售業(yè)以及科學(xué)研究和技術(shù)服務(wù)業(yè)等四大代表性行業(yè)[10]。因此，本文將研究樣本劃分為上述四大行業(yè)和其他行業(yè)，進(jìn)一步探究“小巨人”認(rèn)定政策在行業(yè)類型層面上所表現(xiàn)出的異質(zhì)性特征。具體結(jié)果見表10所示，在制造業(yè)研究樣本中，[Giant]的回歸系數(shù)在1%的水平上顯著正相關(guān)，而批發(fā)和零售業(yè)樣本中5%水平上負(fù)相關(guān)，其他分類行業(yè)均不顯著。這表明，“小巨人”認(rèn)定政策顯著增加了制造業(yè)企業(yè)對高技能勞動力的需求，而減少了批發(fā)和零售業(yè)企業(yè)對高技能勞動力需求。可能的原因是，制造業(yè)中“小巨人”企業(yè)最多，并且一直穩(wěn)定在很高的水平，企業(yè)急需雇傭高技能人才來提高核心競爭力，穩(wěn)固其在市場競爭中的地位。而批發(fā)和零售業(yè)“小巨人”企業(yè)在后續(xù)認(rèn)定名單中呈現(xiàn)下降態(tài)勢，這類企業(yè)更多地需要銷售、生產(chǎn)、管理等中低技能人員來解決可預(yù)測的、程序性任務(wù)。

3. 生產(chǎn)要素異質(zhì)性

勞動、資本、技術(shù)等生產(chǎn)要素的供給為“小巨人”企業(yè)的發(fā)展注入了源源不斷的活力，其中技術(shù)要素可以聯(lián)動其他要素協(xié)同發(fā)展，將人才、資本等要素緊密結(jié)合。因此，本文按照生產(chǎn)要素的密集程度將研究樣本劃分為勞動密集型、技術(shù)密集型和資本密集型三類分別進(jìn)行異質(zhì)性檢驗?；貧w結(jié)果見表9第（3）～（5）列，可以發(fā)現(xiàn)，在技術(shù)密集型研究樣本中，[Giant]的估計系數(shù)在1%的水平上顯著為正，其他均不顯著。即“小巨人”認(rèn)定政策能夠顯著優(yōu)化技術(shù)密集型企業(yè)的技能勞動力結(jié)構(gòu)，增加對高技能勞動力的需求。

六、經(jīng)濟(jì)后果研究

前文已證實專精特新“小巨人”認(rèn)定政策作為一項優(yōu)質(zhì)中小企業(yè)培育政策，能夠顯著發(fā)揮高技能勞動力創(chuàng)造效應(yīng)。那么試點政策能否在優(yōu)化技能勞動力結(jié)構(gòu)的基礎(chǔ)上為企業(yè)釋放經(jīng)濟(jì)紅利，進(jìn)一步提高企業(yè)勞動力配置效率和勞動生產(chǎn)效率？本文進(jìn)行如下檢驗。

（一）企業(yè)勞動力配置效率

借鑒倪婷婷和王躍堂（2022）[35]的研究，以企業(yè)實際雇員數(shù)與正常雇員數(shù)差值的絕對值作為勞動力配置效率（[Ae]）的代理指標(biāo)，該指標(biāo)數(shù)值越大代表企業(yè)資源配置效率越差?；貧w結(jié)果見表11第（1）～（2）列，可以發(fā)現(xiàn)[Giant*Tech_laborit]交乘項的估計系數(shù)在5%的水平上顯著為負(fù)，這表明“小巨人”認(rèn)定政策可以通過優(yōu)化技能勞動力結(jié)構(gòu)顯著抑制企業(yè)雇員偏離度的擴(kuò)張，進(jìn)而提高勞動力配置效率。

（二）企業(yè)勞動生產(chǎn)效率

參照李雪松等（2017）[36]研究，使用隨機(jī)前沿生產(chǎn)函數(shù)法，選取公司主營業(yè)務(wù)收入、總資產(chǎn)和企業(yè)人數(shù)等變量來構(gòu)建隨機(jī)前沿生產(chǎn)面，以實際產(chǎn)出與前沿產(chǎn)出的比值來衡量企業(yè)勞動生產(chǎn)效率（[Pe]），該指標(biāo)越大代表企業(yè)勞動生產(chǎn)效率越高。具體回歸結(jié)果見表11第（3）～（4）列，可以發(fā)現(xiàn)[Giant*Tech_laborit]交乘項的估計系數(shù)在1%的水平上顯著為正，這表明“小巨人”認(rèn)定政策可以通過優(yōu)化技能勞動力結(jié)構(gòu)實現(xiàn)勞動力資源的最大化利用，顯著提升整體生產(chǎn)效率，釋放經(jīng)濟(jì)紅利。

七、結(jié)論與政策建議

（一）研究結(jié)論

本文基于2015—2022年我國滬深A(yù)股上市企業(yè)數(shù)據(jù)，解構(gòu)“小巨人”認(rèn)定政策對技能勞動力結(jié)構(gòu)的影響、作用渠道以及異質(zhì)性特征。研究結(jié)果發(fā)現(xiàn)，“小巨人”認(rèn)定政策能夠發(fā)揮高技能勞動力的創(chuàng)造效應(yīng)，且該效應(yīng)在東部地區(qū)、制造業(yè)以及技術(shù)密集型企業(yè)更為強(qiáng)烈。機(jī)制檢驗發(fā)現(xiàn)，“小巨人”認(rèn)定政策通過促進(jìn)智能制造轉(zhuǎn)型、高端創(chuàng)新以及動態(tài)吸收能力間接優(yōu)化企業(yè)技能勞動力結(jié)構(gòu)。經(jīng)濟(jì)后果檢驗發(fā)現(xiàn)，“小巨人”認(rèn)定政策能夠通過優(yōu)化技能勞動力結(jié)構(gòu)進(jìn)一步釋放經(jīng)濟(jì)紅利，顯著提高企業(yè)勞動力配置效率和勞動生產(chǎn)效率。

（二）政策建議

上述研究結(jié)論為緩解我國就業(yè)結(jié)構(gòu)性矛盾，打破勞動力“就業(yè)難”與企業(yè)“招工難”提供政策建議。第一，加強(qiáng)頂層設(shè)計，進(jìn)一步完善高技能人才培養(yǎng)體系。一方面，鼓勵企業(yè)健全以技能價值為導(dǎo)向的薪酬分配制度，增強(qiáng)技能崗位吸引力；另一方面，發(fā)揮企業(yè)技能領(lǐng)軍人才“傳幫帶”作用，提高各部門員工專業(yè)技能水平和創(chuàng)新能力。第二，打通企業(yè)技能勞動力結(jié)構(gòu)的優(yōu)化路徑。一方面，加速人工智能技術(shù)的應(yīng)用，以降低企業(yè)低技能勞動力的雇傭成本，提高企業(yè)生產(chǎn)效率；另一方面，提高企業(yè)突破式創(chuàng)新水平和動態(tài)吸收能力，解決企業(yè)所面臨的資源束縛和技術(shù)壁壘問題，緩解技術(shù)“低端鎖定”困境。第三，針對“小巨人”企業(yè)實行差異化而非同一化的扶持政策，助力各行業(yè)“小巨人”百花齊放。目前，“小巨人”企業(yè)在制造業(yè)具有明顯的集聚特征，其他優(yōu)勢行業(yè)仍有較大的發(fā)展空間。“小巨人”認(rèn)定政策需要精準(zhǔn)滴灌，圍繞優(yōu)勢行業(yè)和重點區(qū)域，結(jié)合實施產(chǎn)業(yè)鏈鏈長制，讓更多的中小企業(yè)獲得“專精特新”轉(zhuǎn)型的機(jī)會。

參考文獻(xiàn)：

［1］ 郭貝貝.勞動力供給與結(jié)構(gòu)性就業(yè)矛盾：特征、沖擊與紓解［J］.當(dāng)代經(jīng)濟(jì)管理，2022，44（12）：73-80.

［2］ 李旭超，張文怡，趙婧.企業(yè)數(shù)字化轉(zhuǎn)型、人力資本升級與高質(zhì)量就業(yè)［J］.北京工商大學(xué)學(xué)報（社會科學(xué)版），2024，39（3）：40-52.

［3］ 胡玥，張涵萌.數(shù)字金融發(fā)展與企業(yè)技能勞動力結(jié)構(gòu)優(yōu)化［J］.外國經(jīng)濟(jì)與管理，2024，46（11）：20-35.

［4］ 葉永衛(wèi)，李佳軒，劉貫春.續(xù)貸限制、流動性約束與穩(wěn)就業(yè)——基于《貸款風(fēng)險分類指引》實施的準(zhǔn)自然實驗［J］.財貿(mào)經(jīng)濟(jì)，2023，44（1）：83-98.

［5］ 韓洪靈，彭瑤，劉強(qiáng).技術(shù)進(jìn)步與就業(yè)增長并存？——基于專精特新“小巨人”企業(yè)認(rèn)定政策的研究［J］.科學(xué)學(xué)研究，2024，42（10）：2055-2066+2129.

［6］ 湛泳，馬從文.專精特新“小巨人”企業(yè)培育對突破式創(chuàng)新的影響研究［J］.管理學(xué)報，2024，21（4）：560-567.

［7］ 王瑤，曾德明，李健，等.橋接科學(xué)家創(chuàng)始人與企業(yè)技術(shù)創(chuàng)新績效——基于專精特新“小巨人”企業(yè)的分析［J］.科學(xué)學(xué)研究，2023，41（9）：1690-1701.

［8］ 狄盈馨，李啟佳，羅福凱.“專精特新”戰(zhàn)略對企業(yè)數(shù)字化轉(zhuǎn)型的影響——技術(shù)創(chuàng)新能力的中介效應(yīng)［J］.研究與發(fā)展管理，2024，36（5）：104-117.

［9］ 丁建軍，劉賢，王淀坤，等.國家級專精特新“小巨人”企業(yè)空間分布及其影響因素［J］.經(jīng)濟(jì)地理，2022，42（10）：109-118.

［10］ 薄文廣，錢鐿，劉璇.專精特新“小巨人”企業(yè)集聚的影響因素及分位異質(zhì)性——基于分位數(shù)回歸模型的實證研究［J］.經(jīng)濟(jì)地理，2024，44（3）：55-65.

［11］ 鄭秀田，蘭情情.專精特新“小巨人”資質(zhì)認(rèn)定與科技型企業(yè)股價波動風(fēng)險——來自我國創(chuàng)業(yè)板市場的經(jīng)驗證據(jù)［J］.投資研究，2023，42（12）：136-152.

［12］ 焦豪，李宛蓉.資質(zhì)認(rèn)定與企業(yè)供應(yīng)鏈伙伴數(shù)量——基于專精特新“小巨人”企業(yè)的準(zhǔn)自然實驗［J］.經(jīng)濟(jì)學(xué)動態(tài)，2023（12）：109-125.

［13］ 張車偉.人力資本回報率變化與收入差距：“馬太效應(yīng)”及其政策含義［J］.經(jīng)濟(jì)研究，2006（12）：59-70.

［14］ 辛大楞，季存睿，辛立國.智能轉(zhuǎn)型對企業(yè)出口規(guī)模的影響研究：基于“智能制造試點示范專項行動”的準(zhǔn)自然實驗［J］.世界經(jīng)濟(jì)研究，2024（6）：45-59+136.

［15］ 唐孝文，姚欣岑，于嵐婷.數(shù)字化背景下“小巨人”企業(yè)創(chuàng)新路徑研究［J］.科研管理，2023，44（12）：10-20.

［16］ 隆云滔，劉海波，蔡躍洲.人工智能技術(shù)對勞動力就業(yè)的影響——基于文獻(xiàn)綜述的視角［J］.中國軟科學(xué)，2020（12）：56-64.

［17］ 陳琳，高悅蓬，余林徽.人工智能如何改變企業(yè)對勞動力的需求？——來自招聘平臺大數(shù)據(jù)的分析［J］.管理世界，2024，40（6）：74-93.

［18］ ACEMOGLU D，RESTREPO P. The Race Between Man and Machine：Implications of Technology for Growth，F(xiàn)actor Shares，and Employment［J］. American Economic Review，2018，108（6）：1488-542.

［19］ 湛泳，馬從文.“專精特新”企業(yè)培育能否緩解企業(yè)創(chuàng)新“低端鎖定”困境［J］.科技進(jìn)步與對策，2025，42（3）：130-140.

［20］ 楊中楷，祭敏.擁有發(fā)明專利能提升企業(yè)績效嗎？——基于專精特新“小巨人”上市企業(yè)的實證研究［J/OL］.科學(xué)與管理，1-12［2024-07-29］.http：//cnki.xntsg.top/kcms/detail/37.1020.G3.20240524.1435.008.html.

［21］ 謝萌萌，夏炎，潘教峰，等.人工智能、技術(shù)進(jìn)步與低技能就業(yè)——基于中國制造業(yè)企業(yè)的實證研究［J］.中國管理科學(xué)，2020，28（12）：54-66.

［22］ 袁冬梅，周磊，袁禮.技術(shù)創(chuàng)新模式轉(zhuǎn)變對勞動力就業(yè)結(jié)構(gòu)的影響——基于制造業(yè)上市公司數(shù)據(jù)的分析［J］.中國人口科學(xué)，2021（6）：81-95+128.

［23］ RESTREPO P，ACEMOGLU D. The Wrong Kind of Ai. Artificial Intelligence and the Future of Labour Demand［J］. Cam. J. Reg. Econ. Soc，2020，13：25-35.

［24］ 吳迪.我國制造業(yè)誘致性技術(shù)進(jìn)步的就業(yè)效應(yīng)分析［J］.科學(xué)學(xué)研究，2024，42（8）：1622-1633.

［25］ TEECE DJ，PISANO G，SHUEN A. Dynamic Capabilities and Strategic Management［J］. Strategic Management Journal，1997，18（7）：509-33.

［26］ 李光榮，侯二秀，王延霖.創(chuàng)新型城市建設(shè)改善了企業(yè)ESG表現(xiàn)嗎？——動態(tài)能力的調(diào)節(jié)效應(yīng)［J］.西部論壇，2024，34（2）：55-68.

［27］ 史宇鵬，顧全林.知識產(chǎn)權(quán)保護(hù)、異質(zhì)性企業(yè)與創(chuàng)新：來自中國制造業(yè)的證據(jù)［J］.金融研究，2013（8）：136-149.

［28］ 余明桂，賀蒙蒙，張萌萌.人才引進(jìn)政策、勞動力優(yōu)化配置與制造業(yè)智能化［J］.中國工業(yè)經(jīng)濟(jì)，2024，（5）：116-134.

［29］ 姚加權(quán)，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動力技能結(jié)構(gòu)調(diào)整的視角［J］.管理世界，2024，40（2）：101-116+133+117-122.

［30］ JACOBSON LS，LALONDE RJ，SULLIVAN DG. Earnings Losses of Displaced Workers［J］. The American Economic Review，1993（1）：685-709.

［31］ FERRARA EL，CHONG A，DURYEA S. Soap Operas and Fertility：Evidence from Brazil［J］. American Economic Journal：Applied Economics，2012，4（4）：1-31.

［32］ 溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展［J］.心理科學(xué)進(jìn)展，2014，22（5）：731-745.

［33］ 郭磊，賀芳兵，李靜雯.中國智能制造發(fā)展態(tài)勢分析——基于制造業(yè)上市公司年報的文本數(shù)據(jù)［J］.創(chuàng)新科技，2020，20（2）：61-71.

［34］ 寇明婷，王宇飛，梁奕.數(shù)字化轉(zhuǎn)型同群效應(yīng)與企業(yè)突破式創(chuàng)新——基于連鎖董事網(wǎng)絡(luò)視角［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2025，46（1）：3-20.

［35］ 倪婷婷，王躍堂.區(qū)域行政整合、要素市場化與企業(yè)資源配置效率［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（11）：136-156.

［36］ 李雪松，趙宸宇，聶菁.對外投資與企業(yè)異質(zhì)性產(chǎn)能利用率［J］.世界經(jīng)濟(jì)，2017，40（5）：73-97.