宋旭光, 左馬華青

(北京師范大學(xué) 統(tǒng)計(jì)學(xué)院, 北京 100875)

隨著新一輪工業(yè)革命的蓬勃發(fā)展,美國(guó)、德國(guó)、中國(guó)等國(guó)家先后出臺(tái)利好政策促進(jìn)工業(yè)制造業(yè)產(chǎn)業(yè)再升級(jí),將智能化轉(zhuǎn)型看作產(chǎn)業(yè)變革的核心力量。近些年,以數(shù)字化、網(wǎng)絡(luò)化、智能化技術(shù)為基礎(chǔ)的新業(yè)態(tài)、新模式悄然走進(jìn)人們的生活,人工智能、物聯(lián)網(wǎng)、智能制造等新概念為社會(huì)發(fā)展注入了新動(dòng)能,在改變?nèi)藗兩罘椒矫婷娴耐瑫r(shí),也為經(jīng)濟(jì)發(fā)展帶來(lái)了新的機(jī)遇和挑戰(zhàn)。智能制造等新技術(shù)的出現(xiàn)勢(shì)必會(huì)對(duì)就業(yè)產(chǎn)生重大沖擊,越來(lái)越多的人將從工業(yè)和制造業(yè)環(huán)節(jié)中轉(zhuǎn)移出去,在這個(gè)過(guò)程中,人們要重新思考對(duì)于機(jī)器的比較優(yōu)勢(shì)。那么不禁要問(wèn),智能制造時(shí)代到底需要怎樣的技能人才呢?

創(chuàng)新的步伐不斷加快,技術(shù)影響著生活的每一個(gè)部分, 我們正在經(jīng)歷一場(chǎng)新的不確定性浪潮。 近幾年,社會(huì)各界重視探討智能制造與勞動(dòng)力市場(chǎng)之間的關(guān)系。 從現(xiàn)有文獻(xiàn)來(lái)看, 科技創(chuàng)新帶來(lái)的智能制造是可以取代那些低復(fù)雜性、重復(fù)的工作, 機(jī)器人對(duì)勞動(dòng)力的替代效應(yīng)是一種擠出式的, 進(jìn)而降低企業(yè)對(duì)于勞動(dòng)力的需求[1-2]。 許多學(xué)者利用國(guó)際機(jī)器人聯(lián)盟(IFR)、歐盟KLEMS項(xiàng)目等數(shù)據(jù)庫(kù)對(duì)工業(yè)機(jī)器人進(jìn)行了實(shí)證分析, 從經(jīng)驗(yàn)角度予以驗(yàn)證[3-4]。 國(guó)內(nèi)的一些學(xué)者也利用相關(guān)數(shù)據(jù)庫(kù), 就機(jī)器人對(duì)于全要素生產(chǎn)率、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)、經(jīng)濟(jì)增長(zhǎng)等方面的影響進(jìn)行了分析。

進(jìn)一步深入研究,不少學(xué)者發(fā)現(xiàn)科技創(chuàng)新會(huì)給勞動(dòng)力市場(chǎng)帶來(lái)“極化”(1)是一種“兩極化”現(xiàn)象,即高技能和低技能行業(yè)就業(yè)崗位增加,而中技能行業(yè)就業(yè)崗位減少?，F(xiàn)象,Acemoglu等發(fā)現(xiàn)機(jī)器人僅僅是對(duì)低等技術(shù)水平和中等技術(shù)水平工作有擠出式替代效應(yīng),進(jìn)而導(dǎo)致非技能型失業(yè),而對(duì)于高等技術(shù)水平的工作沒(méi)有替代效應(yīng)[5]。我國(guó)的勞動(dòng)力市場(chǎng)也存在這種“極化”現(xiàn)象,學(xué)者在既有研究上運(yùn)用中國(guó)的經(jīng)驗(yàn)事實(shí)來(lái)驗(yàn)證西方理論,從產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、工業(yè)智能化等角度進(jìn)行了解釋[6-7]。另外一部分學(xué)者認(rèn)為智能制造對(duì)勞動(dòng)力具有創(chuàng)造效應(yīng),Aghion等認(rèn)為技術(shù)進(jìn)步下的經(jīng)濟(jì)增長(zhǎng)會(huì)促進(jìn)企業(yè)擴(kuò)大生產(chǎn)進(jìn)而提供更多的就業(yè)崗位[8],技術(shù)創(chuàng)新在導(dǎo)致中低等技術(shù)水平工作失業(yè)的同時(shí),也會(huì)提升對(duì)高等水平勞動(dòng)力的互補(bǔ)性需求,進(jìn)而能夠促進(jìn)一國(guó)的勞動(dòng)力結(jié)構(gòu)轉(zhuǎn)型,能夠創(chuàng)造出新的就業(yè)機(jī)會(huì)。對(duì)于人工智能對(duì)勞動(dòng)力的最終影響結(jié)果,人工智能對(duì)勞動(dòng)力就業(yè)的短期影響較大,而長(zhǎng)期影響較小[9-10]。

周小川在2019全球科技發(fā)展與治理國(guó)際論壇上指出,智能制造對(duì)勞動(dòng)力就業(yè)的影響,會(huì)導(dǎo)致高端人才作用愈發(fā)凸顯,一般水平工人的工作崗位會(huì)更多地被機(jī)器所取代,即便一般水平工人找到新的比較優(yōu)勢(shì),但是找到的工作其收入可能不會(huì)有所改觀。人才是創(chuàng)新的重要資源,高端技能人才更是推動(dòng)高質(zhì)量發(fā)展的重要支撐。然而,根據(jù)人力資源和社會(huì)保障部2018年統(tǒng)計(jì)數(shù)據(jù),我國(guó)技能勞動(dòng)者僅占就業(yè)總量的21.3%,其中高端人才僅占從業(yè)人員的6.2%,技能勞動(dòng)力求人倍率(2)求人倍率是勞動(dòng)力市場(chǎng)在一個(gè)統(tǒng)計(jì)周期內(nèi)有效需求人數(shù)與有效求職人數(shù)之比。始終在2以上。我國(guó)正處于經(jīng)濟(jì)轉(zhuǎn)型階段,尚未實(shí)現(xiàn)工業(yè)化,各地區(qū)智能制造水平和勞動(dòng)力就業(yè)存在明顯差異,因此探究我國(guó)智能制造發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響以及作用機(jī)理十分重要。

在實(shí)際研究中,由于高質(zhì)量數(shù)據(jù)的缺乏,現(xiàn)有文獻(xiàn)往往只能通過(guò)IFR等宏觀報(bào)告進(jìn)行簡(jiǎn)單的概述分析,或者通過(guò)工業(yè)機(jī)器人、信息與通信技術(shù)(ICT)等單一指標(biāo)進(jìn)行分析?？紤]到這些問(wèn)題,本文將構(gòu)建一個(gè)包含企業(yè)智能化投資水平、關(guān)鍵業(yè)務(wù)智能化發(fā)展水平和企業(yè)智能化產(chǎn)業(yè)形態(tài)的智能制造發(fā)展水平指標(biāo)體系,涉及工業(yè)機(jī)器人投入、ICT軟件和硬件投入、高科技產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入等多個(gè)細(xì)化指標(biāo),較為全面地衡量智能制造發(fā)展水平;通過(guò)構(gòu)建智能制造水平、技能勞動(dòng)力和非技能勞動(dòng)力三要素嵌套CES生產(chǎn)函數(shù),來(lái)刻畫(huà)智能制造發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求影響的異質(zhì)性,并利用省級(jí)面板數(shù)據(jù)進(jìn)行實(shí)證分析;通過(guò)標(biāo)準(zhǔn)化系統(tǒng)測(cè)算CES生產(chǎn)函數(shù)中資本對(duì)勞動(dòng)力的替代彈性,利用測(cè)算的數(shù)據(jù)結(jié)果進(jìn)一步驗(yàn)證智能制造發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求影響的作用機(jī)理。

一、 理論框架

1. 基本模型

本文使用Sato[11]提出的嵌套CES生產(chǎn)函數(shù),將智能制造資本投入K、技能勞動(dòng)力的勞動(dòng)力供給LH和非技能勞動(dòng)力的勞動(dòng)力供給LL三種投入要素納入統(tǒng)一的分析框架中。理論上三要素投入的二階CES生產(chǎn)函數(shù)有三種嵌套方式,分別為(LHLL)K、(KLL)LH和(KLH)LL。為了辨別智能制造資本對(duì)技能勞動(dòng)力和非技能勞動(dòng)力替代彈性的區(qū)別,應(yīng)該使用后兩種嵌套方式。國(guó)內(nèi)外學(xué)者通常傾向于使用先將資本與技能勞動(dòng)力組合,然后再與非技能勞動(dòng)力組合的嵌套形式[12-13]。因此,本文選用(KLH)LL嵌套方式,假設(shè)企業(yè)i對(duì)應(yīng)的生產(chǎn)函數(shù)為嵌套的CES生產(chǎn)函數(shù),即

(1)

其中:Yi是企業(yè)i最終產(chǎn)品產(chǎn)量;K是企業(yè)i的智能制造資本;LH和LL分別代表技能勞動(dòng)力和非技能勞動(dòng)力的勞動(dòng)力供給;Ai是衡量智能制造水平的變量,代表企業(yè)i的智能制造資本增進(jìn)型技術(shù)效率;Bi和Ci分別代表企業(yè)i的技能勞動(dòng)力增進(jìn)型技術(shù)效率和非技能勞動(dòng)力增進(jìn)型技術(shù)效率;σ表示智能制造資本與技能勞動(dòng)力之間的替代彈性;ξ表示智能制造系統(tǒng)與非技能勞動(dòng)力之間的替代彈性。

企業(yè)i目標(biāo)是最大化利潤(rùn)Πi,這里將企業(yè)的價(jià)格標(biāo)準(zhǔn)化為1,即

(2)

其中,γ、ωH、ωL分別為智能制造資本價(jià)格、技能勞動(dòng)力工資和非技能勞動(dòng)力工資。由經(jīng)濟(jì)學(xué)基本原理可知在完全競(jìng)爭(zhēng)市場(chǎng)條件下,企業(yè)的最優(yōu)選擇是邊際產(chǎn)出等于勞動(dòng)報(bào)酬。結(jié)合生產(chǎn)函數(shù)式(1)及其最優(yōu)化目標(biāo)函數(shù)式(2),可分別得到以下一階條件:

(3)

由一階條件可以求得智能制造資本價(jià)格、技能勞動(dòng)力工資和非技能勞動(dòng)力工資:

(4)

當(dāng)企業(yè)i發(fā)生技術(shù)進(jìn)步時(shí),則會(huì)出現(xiàn)兩種情況:一是這個(gè)技術(shù)進(jìn)步是中性技術(shù)進(jìn)步,即對(duì)投入要素的邊際產(chǎn)出的影響作用一致;二是這個(gè)技術(shù)進(jìn)步是有偏型技術(shù)進(jìn)步,即對(duì)投入要素的邊際產(chǎn)出影響作用不一致,進(jìn)而會(huì)產(chǎn)生有偏的整體效應(yīng)。為了揭示不同類型的技術(shù)進(jìn)步對(duì)要素投入和總產(chǎn)出的作用機(jī)理和強(qiáng)度差別,本文借鑒Caselli等的思路,構(gòu)造有偏型技術(shù)進(jìn)步參數(shù)φi,φi表示企業(yè)i智能制造資本與技能勞動(dòng)力之間的相對(duì)增進(jìn)型技術(shù)進(jìn)步強(qiáng)度,其中令A(yù)i=φiMi,Bi=(1-φi)Mi,Mi表示智能制造資本與技能勞動(dòng)力的中性技術(shù)進(jìn)步[14]。若企業(yè)i智能制造資本增進(jìn)型技術(shù)效率Ai相對(duì)于技能勞動(dòng)力增進(jìn)型技術(shù)效率Bi增加,即dφi>0,則有偏型技術(shù)進(jìn)步表現(xiàn)為相對(duì)資本增進(jìn)型。同理構(gòu)造參數(shù)ψi,ψi表示企業(yè)i智能制造系統(tǒng)與非技能勞動(dòng)力之間的相對(duì)增進(jìn)型技術(shù)進(jìn)步強(qiáng)度,其中Mi=ψiNi,Ci=(1-ψi)Ni,Ni表示智能制造系統(tǒng)與非技能勞動(dòng)力的中性技術(shù)進(jìn)步。生產(chǎn)函數(shù)式(1)轉(zhuǎn)化為

(5)

一般而言,當(dāng)要素替代彈性σ>1時(shí),智能制造資本與技能勞動(dòng)力之間是替代關(guān)系,二者的相對(duì)資本增進(jìn)型技術(shù)進(jìn)步(dφi>0)也為資本偏向型技術(shù)進(jìn)步,相對(duì)技能勞動(dòng)力增進(jìn)型技術(shù)進(jìn)步表現(xiàn)為勞動(dòng)偏向型技術(shù)進(jìn)步,此時(shí)技能勞動(dòng)力的技術(shù)效率增速小于智能制造資本;而當(dāng)要素替代彈性σ<1時(shí),智能制造資本與技能勞動(dòng)力之間是互補(bǔ)關(guān)系,二者的相對(duì)資本增進(jìn)型技術(shù)進(jìn)步也為勞動(dòng)偏向型技術(shù)進(jìn)步,相對(duì)技能勞動(dòng)力增進(jìn)型技術(shù)進(jìn)步表現(xiàn)為資本偏向型技術(shù)進(jìn)步,此時(shí)技能勞動(dòng)力的技術(shù)效率增速大于智能制造資本。對(duì)于智能制造系統(tǒng)與非技能勞動(dòng)力之間替代彈性ξ的彈性的探討,也會(huì)得到類似的結(jié)果。

2. 智能制造對(duì)勞動(dòng)力結(jié)構(gòu)的影響模型

智能制造資本對(duì)技能勞動(dòng)力的影響公式,見(jiàn)式(6):

(6)

在智能制造資本價(jià)格和技能勞動(dòng)力工資相對(duì)不變的情況下,當(dāng)智能制造資本與技能勞動(dòng)力之間的替代彈性σ>1時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)φi的提升,K/LH增加,即對(duì)技能勞動(dòng)力相對(duì)需求越小;當(dāng)智能制造資本與技能勞動(dòng)力之間的替代彈性0<σ<1時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)φi的提升,K/LH減少,即對(duì)技能勞動(dòng)力相對(duì)需求越大。

智能制造資本對(duì)非技能勞動(dòng)力影響的公式,如式(7)所示:

(7)

在智能制造資本價(jià)格和非技能勞動(dòng)力工資相對(duì)不變,且有偏型技術(shù)進(jìn)步參數(shù)φi不變的情況下,當(dāng)智能制造系統(tǒng)與非技能勞動(dòng)力之間的替代彈性ξ>1時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)ψi的提升,K/LL增加,即對(duì)非技能勞動(dòng)力相對(duì)需求越小;當(dāng)智能制造系統(tǒng)與非技能勞動(dòng)力之間的替代彈性0<ξ<1時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)ψi的提升,K/LL減少,即對(duì)非技能勞動(dòng)力相對(duì)需求越大。

在現(xiàn)實(shí)生活中,當(dāng)企業(yè)出現(xiàn)技術(shù)進(jìn)步的時(shí)候,往往會(huì)出現(xiàn)有偏型技術(shù)進(jìn)步參數(shù)ψi和φi同時(shí)提升的情況。進(jìn)一步,當(dāng)1<ξ<σ時(shí),即智能制造資本與技能勞動(dòng)力之間的替代彈性大于智能制造系統(tǒng)與非技能勞動(dòng)力的替代彈性。此時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)ψi和φi同時(shí)提升,K/LH和K/LL都會(huì)增加,即企業(yè)對(duì)所有勞動(dòng)力相對(duì)需求越小。表明企業(yè)通過(guò)科技創(chuàng)新增加智能制造資本投入, “機(jī)器替代工人”將減少對(duì)勞動(dòng)力的需求。這有利于通過(guò)增加智能制造資本投入來(lái)緩解勞動(dòng)力供給短缺和勞動(dòng)力成本較高的問(wèn)題,應(yīng)對(duì)數(shù)量型人口紅利的消失。當(dāng)0<σ<ξ<1時(shí),即智能制造資本與技能勞動(dòng)力之間的互補(bǔ)性大于智能制造系統(tǒng)與非技能勞動(dòng)力之間的互補(bǔ)性。此時(shí),隨著有偏型技術(shù)進(jìn)步參數(shù)ψi和φi同時(shí)提升,K/LH和K/LL都會(huì)減少,即企業(yè)對(duì)所有勞動(dòng)力相對(duì)需求越大。這表明人力資本的投入會(huì)匹配技術(shù)進(jìn)步的廣度和深度,同時(shí)也是自主研發(fā)和技術(shù)引進(jìn)的決定因素。智能制造資本與技能勞動(dòng)力之間互補(bǔ)性更強(qiáng),意味著技能勞動(dòng)力可以更快匹配新技術(shù),并將其轉(zhuǎn)化為生產(chǎn)力和生產(chǎn)效率的提高。

綜上,從理論角度剖析智能制造對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響可知:智能制造發(fā)展帶來(lái)的有偏技術(shù)進(jìn)步會(huì)影響對(duì)技能勞動(dòng)力和非技能勞動(dòng)力的相對(duì)需求,但受制于要素替代彈性。當(dāng)智能制造資本與技能勞動(dòng)力的替代性更強(qiáng)時(shí),資本增進(jìn)型技術(shù)進(jìn)步會(huì)導(dǎo)致企業(yè)對(duì)所有勞動(dòng)力相對(duì)需求更小;當(dāng)智能制造資本與技能勞動(dòng)力的互補(bǔ)性更強(qiáng)時(shí),資本增進(jìn)型技術(shù)進(jìn)步會(huì)導(dǎo)致企業(yè)對(duì)所有勞動(dòng)力相對(duì)需求更大。

二、 計(jì)量模型設(shè)定和指標(biāo)選取

1. 模型設(shè)定

根據(jù)本文的理論框架分析,主要從經(jīng)驗(yàn)角度探究智能制造對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響,分析技能勞動(dòng)力和非技能勞動(dòng)力的就業(yè)變化?；鶞?zhǔn)計(jì)量模型的設(shè)定如下:

(8)

2. 指標(biāo)選取和數(shù)據(jù)來(lái)源

由于本文的實(shí)證部分將聚焦智能制造對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響,分析技能勞動(dòng)力和非技能勞動(dòng)力的就業(yè)變化。考慮到數(shù)據(jù)的可獲得性以及數(shù)據(jù)質(zhì)量,本文選擇2003—2017年中國(guó)除西藏自治區(qū)外30個(gè)省(區(qū)、市)數(shù)據(jù)進(jìn)行實(shí)證分析。具體指標(biāo)的選取和處理如下。

(1) 被解釋變量

(2) 核心解釋變量

智能制造水平(AIit)。本文借鑒國(guó)家工業(yè)和信息化部《智能制造標(biāo)準(zhǔn)體系建設(shè)指南》2015年版和2018年版關(guān)于加快推進(jìn)智能制造綜合標(biāo)準(zhǔn)化工作的指導(dǎo)意見(jiàn),構(gòu)建智能制造發(fā)展水平指標(biāo)體系,包括企業(yè)智能化投資水平、關(guān)鍵業(yè)務(wù)智能化發(fā)展水平和企業(yè)智能化產(chǎn)業(yè)形態(tài)三個(gè)方面,涉及工業(yè)機(jī)器人投入、ICT軟件和硬件業(yè)務(wù)收入、高科技產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入等8個(gè)細(xì)化指標(biāo),在數(shù)據(jù)可獲得的前提下盡可能最大程度地反映智能制造發(fā)展水平。具體細(xì)化指標(biāo)說(shuō)明和數(shù)據(jù)來(lái)源如表1所示,并利用全局打分法測(cè)算各省份智能制造發(fā)展水平指標(biāo)。

表1 智能制造發(fā)展水平指標(biāo)體系指標(biāo)說(shuō)明和數(shù)據(jù)來(lái)源

(3) 主要控制變量

本文引用一些常見(jiàn)的控制變量: 人口老齡化程度(ODR), 用老年撫養(yǎng)比來(lái)衡量;科學(xué)技術(shù)創(chuàng)新(R&D), 用研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出來(lái)衡量; 經(jīng)濟(jì)發(fā)展水平(EDL), 用各省份實(shí)際人均GDP來(lái)衡量; 地區(qū)對(duì)外開(kāi)放水平(Open), 用各省份境內(nèi)目的地和貨源地的進(jìn)出口額占GDP的比重來(lái)衡量; 產(chǎn)業(yè)結(jié)構(gòu)水平(ISL), 用第二產(chǎn)業(yè)增加值占GDP的比重來(lái)衡量; 人力資本投資(HCI), 用各省份國(guó)家財(cái)政性教育經(jīng)費(fèi)占一般預(yù)算支出的比重來(lái)衡量; 外商投資(FDI), 用實(shí)際使用外商直接投資金額占GDP的比重來(lái)衡量; 城市化水平(Urban), 用城鎮(zhèn)人口占總?cè)丝诘谋戎貋?lái)衡量。

三、 實(shí)證分析

1. 智能制造發(fā)展對(duì)勞動(dòng)力結(jié)構(gòu)影響的實(shí)證分析

根據(jù)上述基準(zhǔn)計(jì)量模型,首先進(jìn)行全樣本分析,為了消除模型可能存在的異方差和序列相關(guān)問(wèn)題,所有模型均控制了個(gè)體因素和時(shí)間因素,采用固定效應(yīng)模型?；鶞?zhǔn)模型的估計(jì)結(jié)果如表2所示。

實(shí)證結(jié)果顯示:從模型的核心解釋變量的回歸結(jié)果來(lái)看,表2中列(2)～(4)的相關(guān)系數(shù)在1%的水平上顯著為正,智能制造的發(fā)展將提高大學(xué)本科、?？平逃⒅械冉逃膭趧?dòng)力占比,智能制造的發(fā)展增加了對(duì)中等教育及以上學(xué)歷勞動(dòng)力的就業(yè)需求。列(1)雖然不能拒絕原假設(shè),但是從系數(shù)經(jīng)濟(jì)意義上來(lái)看,智能制造的發(fā)展同樣促進(jìn)研究生及以上勞動(dòng)力的就業(yè)需求。列(6)的相關(guān)系數(shù)在1%的水平下顯著為負(fù),智能制造的發(fā)展將使得小學(xué)及以下學(xué)歷勞動(dòng)力占比減少2.570%,智能制造的發(fā)展減少了對(duì)初中及以下學(xué)歷勞動(dòng)力的就業(yè)需求。從另一角度來(lái)看,目前我國(guó)智能制造發(fā)展對(duì)勞動(dòng)力市場(chǎng)就業(yè)結(jié)構(gòu)的影響在中等教育學(xué)歷處出現(xiàn)逆轉(zhuǎn),增加了?？平逃耙陨蠈W(xué)歷勞動(dòng)力的就業(yè)需求,降低了初中及以下非技能勞動(dòng)力的就業(yè)需求。這也與國(guó)外已有研究的結(jié)論類似。從模型的控制變量的回歸結(jié)果來(lái)看,人口老齡化對(duì)技能勞動(dòng)力就業(yè)具有正向影響,而對(duì)非技能勞動(dòng)力就業(yè)具有負(fù)向影響。隨著科學(xué)技術(shù)的發(fā)展,所有適齡勞動(dòng)力都面臨著被機(jī)器所取代的風(fēng)險(xiǎn),尤其是老年勞動(dòng)力可能會(huì)受到更為嚴(yán)重的影響。由于這些老年勞動(dòng)力的技能水平較低,勢(shì)必會(huì)導(dǎo)致初中及以下學(xué)歷非技能勞動(dòng)力就業(yè)需求的降低。列(1)～(5)中R&D投入的相關(guān)系數(shù)顯著為正,這說(shuō)明R&D投入對(duì)初中及以上學(xué)歷勞動(dòng)就業(yè)具有顯著的正向作用。經(jīng)濟(jì)發(fā)展水平對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響從一定程度上加速中國(guó)就業(yè)結(jié)構(gòu)的“兩極化”。地區(qū)對(duì)外開(kāi)放水平和外商投資的相關(guān)系數(shù)不顯著,但從經(jīng)濟(jì)意義來(lái)看,地區(qū)對(duì)外開(kāi)放水平和外商投資對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響與智能制造大致相同。

表2 智能制造發(fā)展對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)影響的回歸分析

考慮到智能制造發(fā)展、科學(xué)技術(shù)創(chuàng)新(R&D投入)、人力資本投資和外商投資對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)影響可能會(huì)有時(shí)間滯后性,本文將以上變量進(jìn)行滯后一期處理進(jìn)行穩(wěn)健性分析,估計(jì)結(jié)果與基準(zhǔn)回歸結(jié)果基本一致。此外,本文還嘗試通過(guò)不同學(xué)歷劃分方法以及采用不同方法構(gòu)建智能制造指標(biāo)體系的方法,以檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性。針對(duì)不同學(xué)歷劃分方法,本文嘗試將?？萍耙陨虾痛髮W(xué)本科及以上分別看作一組進(jìn)行實(shí)證分析,發(fā)現(xiàn)智能制造的發(fā)展顯著促進(jìn)了中等教育及以上學(xué)歷勞動(dòng)力的就業(yè)需求,這與基準(zhǔn)回歸結(jié)果一致。針對(duì)采用不同方法構(gòu)建智能制造指標(biāo)體系,本文嘗試采用以下兩種方式來(lái)構(gòu)建智能制造指標(biāo)體系,以進(jìn)行穩(wěn)健性檢驗(yàn)。第一,參考Acemoglu等、Graetz等[4]的方法,認(rèn)為工業(yè)機(jī)器人是最能體現(xiàn)人工智能發(fā)展的代理變量,采用工業(yè)機(jī)器人投入這一變量作為核心解釋變量。第二,參考以往文獻(xiàn),選取以下最能體現(xiàn)智能制造發(fā)展水平的四個(gè)變量構(gòu)建新的智能制造指標(biāo),這四個(gè)變量分別為:工業(yè)機(jī)器人投入、ICT硬件業(yè)務(wù)收入、ICT軟件業(yè)務(wù)收入、ICT軟件業(yè)務(wù)出口。這兩種方法的實(shí)證分析結(jié)果整體跟基準(zhǔn)回歸結(jié)論一致,且變量滯后一期的實(shí)證結(jié)果和異質(zhì)性分析的實(shí)證結(jié)果也跟結(jié)論相差無(wú)幾(4)受限于篇幅,上述穩(wěn)健性檢驗(yàn)結(jié)果未能列出。。

2. 智能制造發(fā)展對(duì)勞動(dòng)力結(jié)構(gòu)影響的區(qū)域異質(zhì)性分析

為刻畫(huà)智能制造發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求影響的區(qū)域異質(zhì)性,本文借鑒國(guó)家統(tǒng)計(jì)局的區(qū)域劃分方法,將30個(gè)地區(qū)劃分為:東部(北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南)、中部(山西、安徽、江西、河南、湖北和湖南)、西部(內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆)、東北(遼寧、吉林和黑龍江)4個(gè)區(qū)域,并且在此基礎(chǔ)上單獨(dú)考慮京津冀共5個(gè)區(qū)域。表3顯示了各區(qū)域核心解釋變量的相關(guān)系數(shù)和顯著性。同時(shí),本文采取“自抽樣法(bootstrap)”來(lái)檢驗(yàn)組間差異的顯著性[17-18]。針對(duì)不同分組樣本,反復(fù)進(jìn)行k次(本文中k=1 000),進(jìn)而計(jì)算出系數(shù)差異的經(jīng)驗(yàn)p值(empiricalp-value),通過(guò)經(jīng)驗(yàn)p值來(lái)進(jìn)行組間差異檢驗(yàn)。分析結(jié)果的經(jīng)驗(yàn)p值是顯著的,這說(shuō)明是可以直接比較組間回歸系數(shù)。

表3 智能制造發(fā)展對(duì)勞動(dòng)力結(jié)構(gòu)影響的區(qū)域異質(zhì)性回歸分析

結(jié)合表3的實(shí)證結(jié)果:這五大區(qū)域智能制造的發(fā)展增加了對(duì)大學(xué)本科及以上學(xué)歷勞動(dòng)力的就業(yè)需求,且京津冀地區(qū)和東北地區(qū)對(duì)高學(xué)歷技能人才的需求高于其他區(qū)域。同時(shí),只有京津冀地區(qū)降低了對(duì)?？平逃椭械冉逃龑W(xué)歷勞動(dòng)力的就業(yè)需求,而其他區(qū)域均對(duì)專科教育和中等教育學(xué)歷勞動(dòng)力就業(yè)有正向作用。東北地區(qū)由于近些年?yáng)|北地區(qū)經(jīng)濟(jì)低迷、人才流失、勞動(dòng)力供給減少,導(dǎo)致東北地區(qū)對(duì)于技能勞動(dòng)力需求較大[19]?，F(xiàn)階段我國(guó)大部分地區(qū)技能勞動(dòng)力在總量和結(jié)構(gòu)上存在一定的短板,對(duì)技能勞動(dòng)力的需求十分迫切。東部、西部和東北三個(gè)地區(qū)對(duì)初中及以下學(xué)歷非技能勞動(dòng)力就業(yè)有負(fù)向作用。

四、 各要素間替代彈性和要素效率的估計(jì)與分析

1. 標(biāo)準(zhǔn)化系統(tǒng)建立

本文建立“標(biāo)準(zhǔn)化系統(tǒng)”(非線性聯(lián)立方程組),來(lái)對(duì)替代彈性ξ、σ等參數(shù)進(jìn)行預(yù)測(cè)(5)由于數(shù)據(jù)的可獲得性,本文第四部分Kt的含義為資本存量;非線性聯(lián)立方程組的構(gòu)建推導(dǎo)過(guò)程此處省略。,進(jìn)一步揭示智能制造對(duì)不同技能水平勞動(dòng)力就業(yè)需求影響的作用機(jī)理。為了便于分析,將式(1)嵌套的CES生產(chǎn)函數(shù)表示為

(9)

(10)

其中:γA、γB、γC分別表示資本、技能勞動(dòng)力、非技能勞動(dòng)力技術(shù)增長(zhǎng)參數(shù);λA、λB、λC分別表示資本、技能勞動(dòng)力、非技能勞動(dòng)力的技術(shù)曲率。如果λi<0,則技術(shù)進(jìn)步函數(shù)是雙曲線形式;如果λi>0,則技術(shù)進(jìn)步函數(shù)是指數(shù)形式。

2. 數(shù)據(jù)說(shuō)明和參數(shù)估計(jì)

(1) 數(shù)據(jù)說(shuō)明

(2) 替代彈性和要素效率的估計(jì)與分析

考慮到方程組各個(gè)誤差項(xiàng)之間可能存在相關(guān)性,運(yùn)用可行性廣義非線性最小二乘法(FGNLS)來(lái)對(duì)“標(biāo)準(zhǔn)化系統(tǒng)”方程組進(jìn)行估計(jì),見(jiàn)表4。初始值設(shè)定如下:π(0)=0.1,γA(0)=λA(0)=γB(0)=λB(0)=γC(0)=λC(0)=0.01,η(0)=1。

表4 雙嵌套CES生產(chǎn)函數(shù)的參數(shù)估計(jì)

由表4給出的參數(shù)估計(jì)值,資本與技能勞動(dòng)力之間的替代彈性為0.681,表明我國(guó)資本與技能勞動(dòng)力之間有很強(qiáng)的互補(bǔ)性;而資本和技能勞動(dòng)力組合與非技能勞動(dòng)力之間的替代彈性為1.329,表明我國(guó)資本和技能勞動(dòng)力組合與非技能勞動(dòng)力之間有很強(qiáng)的替代性。此外,利用上述兩個(gè)直接替代彈性的調(diào)和平均數(shù)以及資本、技能勞動(dòng)力和非技能勞動(dòng)力在總產(chǎn)出中的份額,求得資本與非技能勞動(dòng)力的替代彈性為1.235,這也進(jìn)一步印證了計(jì)量模型的估計(jì)結(jié)果。技術(shù)增長(zhǎng)參數(shù)γA、γB、γC均大于0,這表明資本、技能勞動(dòng)力和非技能勞動(dòng)力均保持技術(shù)效率正增長(zhǎng),且技能勞動(dòng)力的技術(shù)效率增速較快。

五、 結(jié)論與政策建議

1. 研究結(jié)論

本文構(gòu)建了智能制造水平、技能勞動(dòng)力和非技能勞動(dòng)力三要素嵌套的CES生產(chǎn)函數(shù),從理論和經(jīng)驗(yàn)角度剖析智能制造的發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響,并通過(guò)標(biāo)準(zhǔn)化系統(tǒng)予以驗(yàn)證。研究結(jié)果表明:智能制造的發(fā)展將擠出非技能勞動(dòng)力,且促進(jìn)技能勞動(dòng)力的就業(yè)需求。從結(jié)構(gòu)上看,各地區(qū)智能制造的發(fā)展對(duì)不同技能水平勞動(dòng)力就業(yè)需求的影響相似卻又迥異:大部分區(qū)域智能制造的發(fā)展都增加了對(duì)技能勞動(dòng)力的就業(yè)需求,尤其是京津冀地區(qū)和東北地區(qū)對(duì)高學(xué)歷技能勞動(dòng)力的需求高于其他區(qū)域?？梢?jiàn),現(xiàn)階段我國(guó)大部分地區(qū)技能勞動(dòng)力在總量和結(jié)構(gòu)上存在一定的短板,對(duì)技能勞動(dòng)力的需求依舊十分迫切。最后通過(guò)標(biāo)準(zhǔn)化系統(tǒng)估計(jì)參數(shù)可知,資本與技能勞動(dòng)力之間的替代彈性為0.681,資本與非技能勞動(dòng)力之間的替代彈性為1.235,進(jìn)一步印證了計(jì)量模型的估計(jì)結(jié)果且解答了智能制造時(shí)代需要怎樣的技能人才的問(wèn)題。

2. 政策建議

第一,加強(qiáng)頂層設(shè)計(jì),加大技能人才的培養(yǎng)力度。目前,我國(guó)技能人才儲(chǔ)備與高質(zhì)量發(fā)展尚不匹配。這就需要政府建立科學(xué)的職業(yè)技能鑒定體系,構(gòu)建新的技能人才培養(yǎng)體系,以職業(yè)教育為基礎(chǔ),以職業(yè)資格證書(shū)為評(píng)價(jià)標(biāo)準(zhǔn),以高級(jí)技工教育為主體,完善技能人才培養(yǎng)方案。

第二,進(jìn)一步加強(qiáng)職業(yè)技能教育培訓(xùn)尤其是高技能人才隊(duì)伍建設(shè)。黨的十九大報(bào)告提出“要建設(shè)知識(shí)型、技能型、創(chuàng)新型勞動(dòng)者大軍”,希望通過(guò)相關(guān)政策的引導(dǎo),打造出一批高技能、高素質(zhì)的現(xiàn)代產(chǎn)業(yè)工人。要將高技能人才培訓(xùn)作為長(zhǎng)遠(yuǎn)發(fā)展的根本,不斷提高職工素質(zhì),在未來(lái)發(fā)展中力爭(zhēng)主動(dòng),打造技能強(qiáng)國(guó)、制造強(qiáng)國(guó)。

第三,推進(jìn)區(qū)域技能勞動(dòng)力轉(zhuǎn)移,促進(jìn)區(qū)域協(xié)調(diào)發(fā)展。技能勞動(dòng)力的區(qū)域性轉(zhuǎn)移可以有效優(yōu)化要素資源配置,促進(jìn)區(qū)域協(xié)調(diào)發(fā)展,進(jìn)而為中國(guó)經(jīng)濟(jì)增長(zhǎng)提供支持。此外,技能勞動(dòng)力在其再配置過(guò)程中,可以有效提升經(jīng)濟(jì)增長(zhǎng)的效率。

第四,從其他方面增加技能勞動(dòng)力供給。針對(duì)現(xiàn)階段人口新形勢(shì)下,較為迫切的問(wèn)題便是技能勞動(dòng)力的總量供給。除了上述給出的啟示,還可以通過(guò)推遲退休和“再教育”開(kāi)發(fā)技能紅利,讓很多中老年勞動(dòng)力發(fā)揮余熱,從而在短期內(nèi)緩解技能勞動(dòng)力需求壓力。