技術進步對中國就業影響的實證研究

摘 要：選取1978—2008年中國30個省市的面板數據，運用DEA方法測算中國的全要素生產率及其分解項：技術變化與技術效率，并使用ARDL模型實證分析技術效率和技術變化對就業的影響。研究發現：技術效率無論是長期還是短期都對就業具有顯著的抑制效應，但在短期中，技術變化當期對就業沒有顯著影響；而滯后期技術變化的改善也會對就業人數的增加產生抑制效應，同時，在長期中，技術變化對就業有著顯著的促進效應，可以帶動就業量的增加。

關鍵詞：技術進步；就業量；數據包絡分析； ARDL模型

中圖分類號：F241.4 文獻標志碼：A 文章編號：1673-291X（2013）19-0066-04

引言

改革開放以來，中國經濟取得了巨大的發展，技術進步也成為了推動經濟發展的主要動力，為中國經濟的騰飛貢獻了巨大的力量，但“高增長，低就業”的現象依然存在。2010年，中國城鎮登記失業人數為908萬人，到2011年末城鎮登記失業人數變為922萬人，城鎮登記失業率為4.1%，失業人數在不斷增長，中國面臨著嚴峻的就業問題。經濟增長和充分就業是宏觀經濟中的兩大經濟目標。在當代，經濟增長的實現離不開技術進步，而充分就業又是社會和諧的重要影響因素。因此，全面、正確地研究技術進步與就業間關系，及找到協調二者關系的可行性措施，對于促進就業、構建和諧社會有著重要的實踐意義。

本文選取全國30個省際面板數據，運用DEA（數據包絡分析方法）測量出技術進步及其分解項，進而實證研究不同類型的技術進步對就業的影響效應，分析其原因之后提出相應對策。本文第二部分為已有的關于技術進步與就業關系的國內外文獻，第三部分是運用DEA方法測量出不同類型的技術進步指標，第四部分是運用ARDL模型分析不同類型技術進步對就業的影響效果，最后是簡要的結論及政策。

一、文獻回顧

技術進步的就業效應一直是經濟學家激烈爭論的話題，技術進步究竟是促進就業人數的增加，還是導致失業率的上升？

新古典模型認為經濟增長在長期均衡中屬于外生的技術進步，因而長期來看，技術進步的就業正面效應會抵消其短期負面效應。

以內生經濟增長為代表的新增長理論，嘗試通過把技術進步內生化來分析技術進步的就業效應，如Pissarides（1990）通過運用搜尋和失業理論，得出技術進步對就業有間接補償的“資本化效應”。Aghion和Howitt（1994）通過構造出一個失業和增長模型，使技術進步內生化后在進行深入分析，發現若出現較高生產率來取代較低生產率方式的生產率增長時，失業人數會增加。Mortensen和Pissarides（1998）強調當存在各種因素使得工資趨于剛性時，技能偏好型技術進步會引起失業水平的顯著上升。

實證方面仍無法形成統一的觀點，如Mincer and Daniger（2000）通過對美國1970—1995年的數據進行實證分析，得出低技能工人的失業人數不斷增加，整體就業人數則在增加，而Timorthy C.Sargert（2001）運用美國和加拿大的經濟數據進行分析，得出技術進步對不同技能勞動者的就業影響是不存在顯著差別的。

盡管國內經濟學家也越來越關注技術進步的就業效應，但技術進步對就業影響的機制較為復雜，不易形成較為完整的理論分析框架，因而國內研究大多數都還是經驗性的。昌盛（2005）通過對1978—2002年數據進行實證研究，得出技術進步對就業具有促進效應。姚戰琪等（2005）的研究表明技術進步抑制就業人數的增長。

在已有文獻的研究基礎上，本文在以下方面進行了拓展：

一是運用DEA方法來測算全要素生產率及其分解。絕大多數國內學者使用索洛殘差法來估算全要素生產率，將其作為衡量技術進步的指標，但這種方法有較高的約束性，存在一定缺陷，即要求企業必須具有100%的技術效率水平（在生產可能性邊界上）生產，這顯然不能在實際中做到。本文采用數據包絡分析法（DEA）來測算全要素生產率，可以無需對生產函數進行假設，從而避免了一些理論約束，可以得到較為精確的測量，進而較好地刻畫出技術效率對TFP的影響。

二是在計量方法使用上。國內研究普遍使用EG兩步法和基于VAR模型的Johansen協整檢驗方法，而本文嘗試使用一種較新的協整檢驗方法（ARDL模型），它對于數據的平穩性要求不嚴格，數據序列可以是I（0）或I（1），并且對于小樣本估計更為穩健和適合。基于以上優點，本文使用ARDL模型，實證研究不同類型的技術進步對就業的影響，并結合中國實際情況提出相應的對策。

二、技術水平拆分與測算

（一）全要素生產率測算的DEA方法

相對于狹義的技術進步，全要素生產率衡量的是廣義的技術進步，它包含了經濟發展中制度創新、人力資本、要素配置、管理水平等因素。本文采用DEA方法，并使用中國30個省市的面板數據，來測算中國的全要素生產率。DEA方法（數據包絡分析法）直接利用了線性優化給出了邊界生產函數與距離函數的估算，無需對生產函數進行假設，避免了一些理論約束。通過DEA方法，我們可以計算出全要素生產率及其分解項（技術效率和技術變化），這有助于我們深入分析不同類型的技術進步對就業的不同影響。

（二）數據選取及結果

為正確估算全要素生產率及其分解項，本文采用實際GDP、就業人數和資本存量來作為產出和投入指標，變量均選自1978—2008年省際面板數據。由于1998年重慶設為直轄市，為保持數據連續性，我們在樣本中剔出了重慶市的數據，最終采用中國30個省際面板數據，數據來源于國家統計局編的《新中國六十年統計資料匯編》。所使用的各地實際GDP，是以1952年為基期進行平減得到的。資本存量則是運用各地區的固定資產原值來代替再以1952年為基期進行平減所得到的數值。使用DEA方法測算全要素生產率及其分解項結果（如圖1所示）：

我們可以從圖1中得知，全要素生產率有兩個時間段出現迅速增長現象，即1985—1989年和1993—1996年。而在這兩個時期中技術變化與全要素生產率變化趨勢一致，表明全要素生產率的增長歸功于技術變化的增長。1982年，技術效率變化與技術變化的變動呈明顯的相反趨勢，此時全要素生產率卻在直線下降，主要原因是技術變化對全要素生產率的影響遠遠超過了技術效率對其的影響。

總體上看，技術變化和全要素生產率的變動形勢一致。

三、不同類型技術進步對就業影響分析

（一）模型、變量和數據

（二）計量方法

為準確檢驗時間序列變量間的長期協整關系，協整向量自回歸模型（VAR）和自回歸分布滯后模型（ARDL）是我們通常選用的兩種方法。通常，比起VAR模型，ARDL模型是一種較優的技術選擇。ARDL模型是一種較新的協整檢驗方法。它是由劍橋大學教授Pesaran（1996）等人提出，運用的計量軟件是Microfit軟件。而傳統的協整檢驗方法：E-G兩步法（以殘差值為基礎的ADF方法）和Johansen最大似然法（基于VAR模型提出的），它們都有一定的局限性，都要求變量均為同階單整的，而現實中有些情況是不能實現所有變量都是同階單整的。

與傳統的檢驗方法比較，ARDL有如下優點：一是對數據平穩性要求不嚴格，不要求變量序列為同階單整，I（0）或I（1）均可放入模型進行分析。二是ARDL方法對小樣本的估計更為合適和穩健。三是模型中通過簡單線性變換可以得出動態的誤差修正模型（ECM），該ECM模型同時可反映出長期與短期動態。

（三）檢驗結果

盡管ARDL方法有很多的優點，但是也存在一定的局限性，即所有的變量均為 I（0）或I（0），這是運用ARDL模型的硬性的前提條件。因而，我們須在采用該模型之前對各數據變量序列進行單位根檢驗。結果（如表1所示）：

由表1的結果可知，就業人數、技術效率和技術變化的一階差分均能在5%的顯著水平下拒絕原假設，即三個變量都屬于I（1）。因而，所有解釋變量和被解釋變量的單整階數均不超過1，滿足ARDL方法的應用條件。

對于方程滯后階數的選擇，我們通常根據AIC、SC或HQ準則中取最小值的原則來選擇的。比較之下，本文采用AIC準則較為合適，所選的滯后期數3。然后，利用邊界臨界值對滯后變量系數進行檢驗，檢測結果顯示F值較為顯著，表明在5%的顯著水平下，我們應該拒絕原假設，即變量間系數不全為零，存在長期協整關系。

TECH系數為2.0536，表示技術變化對就業具有促進作用。技術變化每增長1個單位，就可以促進就業人數的增加。由DEA計算出的技術變化，通常表示為因企業生產技術改進或產品研發投入的增加而帶來的技術進步。這可以反映出技術變化對就業有著很強的產業關聯效應，即企業通過技術創新帶動產業鏈的延伸，促使產業結構的升級和行業的發展，從而帶動更多的就業。

再從（7）式的向量誤差修正模型中可以看出，其誤差修正項系數為負，并且具有統計的顯著性。這說明LABOR具有較強的自我修正機制，在偏離長期均衡狀態后，可以迅速向均衡狀態回復。LABOR不僅受技術效率和技術變化的短期影響較為顯著，而且短期內受自身因素的影響也較為顯著，同時具有一定的負向影響機制。

值得注意的是，技術變化短期內對就業的影響不是很顯著，不能通過顯著性檢驗，但滯后一期和滯后二期對就業產生顯著的抑制效應，系數分別為-0.22585和-0.12241，這與長期協整方程估計到的結論不是很一致。這說明技術變化在短期中，滯后一期和滯后兩期會對就業產生抑制效應，在長期中會促進就業人數的增加，帶動更多的就業。而技術效率短期內對就業是呈負向作用機制，且較為顯著，回歸系數為-0.29619，這與長期協整方程估計的結果是較為一致的。這表明，無論長期還是短期，技術效率的增長都能有抑制就業人數的增加，從而導致失業率的上升。

簡要的結論與啟示

本文利用面板數據通過DEA方法測算出全要素生產率及其分解項，在此基礎上，運用ARDL模型實證分析技術進步的兩個分解項（技術效率和技術變化）對就業的動態影響。結果發現：第一，中國技術進步總體上為正，在1985～1989年和1993—1996年間技術進步增長較為迅速。在這兩個時期中技術變化與全要素生產率變化趨勢一致，表明全要素生產率的增長歸功于技術變化的增長。1982年，技術效率變化與技術變化的變動呈明顯的相反趨勢，此時全要素生產率卻在直線下降，主要原因是技術變化對全要素生產率的影響遠遠超過了技術效率對其的影響。總體上看，技術變化和全要素生產率的變動形勢一致。第二，從長期協整方程和向量誤差修正模型中可以看出，技術效率無論是長期還是短期都對就業具有顯著的抑制效應，但在短期中，技術變化當期對就業沒有顯著影響；而滯后期技術變化的改善也會對就業人數的增加產生抑制效應，同時，在長期中，技術變化對就業有著顯著的促進效應，可以帶動就業量的增加。

為保持中國更好更快更和諧的發展，本文提出了三條政策建議：第一，優化和調整產業結構，并鼓勵企業提升產品技術研發能力。從上面實證結果可以看出，技術變化在短期對就業產生抑制作用，說明短期內技術進步有可能導致技術性失業或結構性失業，而在長期，隨著產業鏈的發展，技術進步促進就業人數的增長。企業自主創新并提高自身的產品研發能力，是技術效率改善的體現。企業通過技術創新與改革，可以有效地帶動產業結構的升級與產業鏈的延伸。這有利于企業擴大生產規模，提供更多的就業機會，從而有效帶動就業，解決中國現存的勞動力失業問題。因而，中國應加大鼓勵企業自我創新的支持力度，優化和調整產業結構，有利于促進產業鏈的升級與發展，促使經濟更好發展和帶動更多的就業。第二，大力提倡制度創新與改革，提升企業管理水平。企業管理水平的改善，是技術變化改善的體現。針對中國一些企業存在的冗員問題，我們應大力提倡制度改革，改善企業的管理水平，這有利于冗員問題的有效解決。因而，我們應鼓勵企業引進先進的管理制度，提升企業的整體技術水平，進而解決過重的冗員問題。第三，加大對教育、人力資本的投入。提升就業的根本在于教育，我們應優先發展教育，提高勞動力素質，使其更好地適應社會經濟發展，推動中國經濟更快發展。為更好地提升勞動力素質，我們可以強化勞動者職業培訓，增強勞動者對技術變化的適應能力和應用能力，這可以有效地幫助勞動者獲得就業機會，從而促進就業人數的增加。

參考文獻：

[1] 李博，溫杰.中國工業部門技術進步的就業效應[J].經濟學動態，2010，（10）.

[2] 陳勇，唐朱昌.中國工業的技術選擇與技術進步：1985—2003[J].經濟研究，2006，（9）

[3] 劉書翔，曾國彪.技術進步對中國就業影響的實證分析：1978—2006[J].經濟學家，2010，（4）.

[4] 昌盛.科技進步對就業增長貢獻的實證分析[J].北京機械工業學院學報，2005，（1）.

[5] 姚戰琪，夏杰長.資本深化、技術進步對中國就業效應的經驗分析[J].世界經濟，2005，（1）.

[6] 韓劍.全球套息交易的機制、根源及規模測量[J].經濟學家，2011，（9）.

[7] Aghion，P.P.Howitt，Growth and Unemployment[J].Review of Economic Studies，1994，（61）.

[8] Pissarides，C.A，Equilibrium Unemployment Theory[M].BasilBlackwel，lLondon，1990.

[9] Timthy C.Sargent.Stuctural Unemployment and Technological Change in Canada，1990-1999.Department of Finance Working Paper，2001，No.03.

[10] Mortensen，D.T.C.A，Pissarides.Technological Progress，Job Creation and Job Destruction[J].Review of EconomicDynamics，1998，（1）.

[11] Mincer，Jacob，andStephan Danninger.Technology，Unemployment，and Inflation.NBER Working Paper，2000，No.7817.

[責任編輯 陳麗敏]