技術進步偏向對制造業就業增長的影響

摘要：基于要素增強型生產函數構建技術進步偏向對就業增長影響的理論模型，并利用1987—2013年中國制造業數據進行實證檢驗，分析表明：制造業部門中資本與勞動之間呈互補關系；1987—2013年整個制造業的技術進步是偏向資本的，并且其各行業的技術進步也基本偏向資本；技術進步偏向資本對整個制造業就業增長具有抑制作用，但與1987—1999年相比，2000—2013年技術進步偏向對就業增長的影響明顯下降；大多數制造業行業的技術進步具有較強的資本替代勞動特征，其中勞動密集型行業技術進步對勞動的替代較小，而工資上漲進一步誘導行業技術進步偏向資本。為保障就業穩定增長，應加強對前沿技術引進的宏觀調控和管理，降低資本替代勞動的速度，實現技術進步與就業增長的良性互動。

關鍵詞：制造業；技術進步偏向；就業增長；要素替代；資本替代勞動；要素報酬；勞動密集型行業；資本密集型行業；技術密集型行業；工資上漲

中圖分類號：F062.4；F224.0 文獻標志碼：A文章編號：16748131（2015）06006208

一、引言

長期以來，技術進步與就業增長的關系是經濟學界重要的研究領域。技術進步是創造了更多的就業機會，還是導致失業率的提升？針對這一問題的回答并不確定，因為即使同一國在同一經濟環境的不同發展階段也有很大的差異。Aghion et al（1994）認為技術進步對就業的影響具有雙重性：一方面資本深化過程提高了資本收益，增加勞動力的需求而促進就業增長；另一方面技術創新的破壞效應縮短了勞動力的工作匹配周期，減少工作崗位而抑制就業增長。Cyert et al（1987）指出，在美國工業化進程中，前沿技術進步通過提高勞動生產效率減少勞動力需求；同時，它又會提高要素生產率而降低產品價格，引起產出需求的增加，進而擴大對勞動的需求；因此，只有在技術進步的就業增長效應大于替代效應時才會促進社會就業總量的增加。王林輝等（2011）和朱翠華等（2012）認為我國技術進步的就業增長效應是高于替代效應的，表現出就業總量的增加。而朱軼等（2009）在利用DEA方法估算全要素生產率基礎上，研究了我國技術進步、產業結構對就業的影響，發現二、三產業的技術進步并沒有對整體就業產生促進作用，尤其是服務業的技術進步產生了負面的就業影響。

縱觀國內外研究成果，現有研究大都在廣義技術進步下分析就業效應問題，但是這不能反映前沿技術進步的方向對就業增長的影響。因為隨著高新技術的快速發展和先進技術、設備的引進，市場對技能勞動力需求增加，同時技能勞動力的收益增多，技術進步偏向資本如果技術進步更有助于提高某種要素的邊際產出，稱之為偏向該要素的技術進步，或說技術進步偏向該要素。 的同時也偏向技能勞動力，這種趨勢愈來明顯，即技術進步、資本和技能勞動融合發展（Antras，2004；Klump，2007；Sato et al，2009；Acemoglu，2010）。具體而言，在經濟發展過程中，技術進步體現在資本和機器設備投入中，并且技術進步收益率也體現在資本收益中，即舊資本的技術水平遠不如新資本。這意味下降的資本設備價格會產生兩方面的影響：一是引起發展中國家對發達國家機器設備的需求增加，二是發達國家增加對新設備投入再生產。這使得無論是發達國家還是發展中國家對技能勞動力的需求都會增加，進而提升勞動力就業結構，并最終影響就業總量。

本文根據我國技術進步及經濟發展的特性，基于要素增強型生產函數，構建技術進步偏向對就業增長影響的理論框架，嘗試從技術進步偏向角度分析就業問題。技術進步偏向將有利于某些生產要素，但有可能降低其他要素報酬。換句話說，技術進步的方向直接決定了經濟發展過程中勞動力規模和結構需求的變化。由于制造業作為經濟社會發展的基礎性產業，是吸納我國龐大勞動力大軍的重要部門之一，因此，本文選取1987—2013年中國制造業數據實證分析技術進步偏向對其就業增長的影響，并就實證結果提出有助于我國就業持續穩定增長的技術發展政策。

鐘世川：技術進步偏向對制造業就業增長的影響

二、理論模型

本文采用要素增強型生產函數進行模型構建，具體的生產函數形式如下：

Yt=[θ（AtKt）-1-σσ+（1-θ）（BtLt）-1-σσ]-σ1-σ（1）

其中，Yt為產出，Kt為資本投入，Lt為勞動投入，At為資本增強型技術進步指數，Bt為勞動增強型技術進步指數；θ∈（0，1）是反映生產過程中資本要素和勞動要素之間的重要性分配參數，σ∈（0，∞）為資本與勞動之間的替代彈性。

在規模報酬不變時，利用廠商利潤最大化的一階條件可得資本邊際產出等于資本報酬率rt，勞動邊際產出等于勞動報酬率wt，即：

FKFL=θ1-θ（AtBt）σ-1σ（LtKt）1σ=rtwt（2）

將（2）式兩邊取對數，有：

lnrtwt=lnθ1-θ+σ-1σ（lnAt-lnBt）+1σ（lnLt-lnKt）（3）

根據Acmoglu（2002，2003，2010）和鐘世川（2014）對技術進步偏向的定義可知，（3）式右邊第二項便是技術進步偏向Dt的表達式：

Dt=σ-1σ（lnAt-lnBt）（4）

由技術進步偏向的定義可知，（4）式的經濟學含義是：技術進步引起資本與勞動之間的邊際產出比的變化率。由（4）式可知，要素替代彈性的大小決定了技術進步偏向性。當要素替代彈性σ>1時（資本與勞動之間是替代的），若lnAt>lnBt（lnAtlnBt（lnAt

根據（4）式可知，要測算各行業的技術進步偏向性，需要先估算要素替代彈性，本文沿用鐘世川（2014）所采用的標準化系統方法，在（1）式下，資本和勞動按其邊際產出獲得報酬。結合（1）式，可得到一個方程組，并將各變量的樣本均值對其自身變量進行標準化。具體過程如下：

根據（1）式，資本和勞動按其邊際產出獲得報酬，即：

FK = YK = θAσ-1σt （Yt Kt ）1σ（5）

FL = YL = （1-θ）Bσ-1σt （Yt Lt ）1σ（6）

早期的供給面系統估計是直接將（1）、（5）和（6）式進行估計，但是這種估計結果高度不穩定。為得到穩定的估計結果，本文對該系統進行標準化處理。假設對基準值有：

（1-θ）θ=w0L0r0K0 （7）

其中，帶0下標的變量為基準值。易證A0=Y0/K0，B0=Y0/L0。將技術表示為At=A0exp[gK（t，t0）]，Bt=B0exp[gL（t，t0）]，其中，gi（t，t0）為要素效率的增長率（i=K，L）。

為進行標準化，引入一個規模因子ξ，使得Y0=ξY，K0=K，L0=L，t0=t。其中，Y、K、L、t分別是各變量的均值。并將要素效率的增長率設定為gK（t， t）=trKλK[（tt）λK-1]，gL（t，t）=trLλL[（tt）λL-1]。其中，rK與rL為技術增長參數，λK與λL為技術曲率。值得注意的是，要素效率的增長率隨時間變化而變化。當λK=1時，gK（t，t）=rK（t-t），這意味資本效率為常數增長率；同樣，當λL=1時，gL（t，t）=rL（t-t），即勞動效率為常數增長率。因此，我們便得到具體的標準化的供給面方程組，如下所示：

ln（Yt/K）=ln（ξ）+σσ-1lnθKtKexp[gK（t，t）]σ-1σ+

（1-θ）LtLexp[gL（t，t）]σ-1σ

ln（rtKt/Yt）=ln（θ）+σ-1σln（ξ）+

1-σσln（Yt/KKt/K）+σ-1σ（gK（t，t）

ln（wtLt/Yt）=ln（1-θ）+σ-1σln（ξ）+

1-σσln（Yt/KLt/L）+σ-1σgL（t，t） （8）

三、實證模型設定和數據說明

由（1）式導出的模型可知，資本與就業的系數應一致，但現實情況并非如此。因此，為避免理論分析與實際情況的不一致，并為便于分析技術進步偏向對就業增長的影響，本文在計量模型設定中，剔除了資本投入對就業增長的影響。因此，根據（3）式和（4）式，將計量模式設定如下：

lnLit=c+c1lnDit+c2lnwitrit+εit（9）

其中，i為行業。由上式可知，技術進步的偏向和要素報酬率的比值直接決定了就業增長，通過計量分析，便可知技術進步偏向、要素報酬率比值與就業增長之間的關系。

本文選用1987—2013年中國的制造業數據，基于數據的可獲得性，包括28個行業。鑒于制造業各行業的生產特征不同，參考蒙英華等（2010）對制造業28個行業的劃分標準進行分類，勞動密集型行業包括14個行業具體包括食品加工、食品制造、飲料制造業、煙草加工、紡織業、服裝及其他纖維制品制造、皮羽及其制造、木材加工及木竹藤棕草制品、家具制造、造紙及紙品業、印刷業和記錄媒介的復制、文教體育用品制造、橡膠制品和塑料制品。 ，資本密集型行業包括8個行業具體包括：石油加工及煉焦、非金屬礦物制品、黑色金屬冶煉及壓延加工、有色金屬冶煉及壓延加工、金屬制品、通用設備制造、專用設備制造和儀器儀表制造。 ，技術密集型行業包括6個行業具體包括：化學原料及化學制品、醫藥制造、化學纖維制造、交通運輸設備制造、電氣機械機器材制造和通信設備及其他設備制造。 。其中，勞動密集型行業主要依靠大量勞動力投入，對技術和設備的依賴度較低；資本密集型行業擁有技術裝備多、投資量大、勞動力較少，資本成本與勞動成本相比所占比重較大；技術密集型行業對技術和智力要素的依賴遠遠超過對其他生產要素的依賴。

研究技術進步偏向對中國制造業就業增長的影響，所需要的數據包括行業增加值、資本投入、勞動投入、資本報酬率和勞動報酬率。

行業增加值：1992年前《中國統計年鑒》只有凈產值，而實際上，真正統計的行業增加值是凈產值與提取的折舊基金之和，因此，利用此計算方法便得到1987—1992年的行業增加值。1992年后的行業增加值數據來自《中國制造業經濟統計年鑒》和《中國統計年鑒》。同時，本文以1990年為基期，利用行業工業品出廠價格指數對行業增加值進行平減。

資本投入：將1987年年末行業固定資本形成作為初始資本存量，利用永續盤存法估算各行業年末的資本存量，其中折舊率取9.6%（張軍，2004），并用行業固定資產投資價格指數進行平減。

勞動力投入：1987—2002年的行業年末職工人數數據來源于《中國制造業統計年鑒》，2003—2013年的行業年末就業人數數據來源于各年的《中國統計年鑒》，將相鄰數據平均就可得平均職工數或平均就業人數，本文將其視為各年的勞動力投入。

勞動報酬率和資本報酬率：《中國勞動統計年鑒》公布了歷年城鎮行業就業人員的平均報酬，將其視為行業勞動者報酬，并按1990年的消費價格指數進行平減。將歷年行業勞動報酬乘以行業勞動力人數并除以行業增加值，便得到歷年行業勞動者報酬率。在規模報酬不變時，資本報酬率=1-勞動報酬率。表1給出了各變量的統計描述。

表1各變量統計描述

變量觀察數均值標準差最大值最小值

lnYt75611.029.4312.288.70

lnKt7566.334.6210.043.23

lnLt7565.163.977.462.71

rt/wt7560.350.484.520.57

四、實證分析

利用上述數據，根據方程組（8）估算要素替代彈性和要素分配參數，本文采用可行的廣義非線性最小二乘法。由于該方法的估計結果可能對初始值敏感，因此，這里采用“全局最優”的方法。由于要素替代彈性是關鍵的初始值，本文嘗試在（0，∞）尋找要素替代彈性的各種取值，找到使對數似然值最大的估計結果，也就是“全局最優”的估計結果，

估計結果如表2所示。表2中的要素替代彈性估算結果為0.492，略微高于整個工業的要素替代彈性值（0.481），表明在制造業部門生產過程中，資本與勞動之間是互補的。其中，勞動效率的增長參數rL為0.103，表明勞動效率的增長率為正；而資本效率的增長參數rL為-0.020，表明資本效率的增長率為負；要素之間的重要性分配參數θ為0.705。

表2CES生產函數標準化參數估計值

參數估計值P值參數估計值P值

ξ0.734***0.012rK-0.020**0.005

σ0.492***0.007rL0.103**0.005

θ0.705**0.002λK3.203*0.011

———λL1.8810.025

對數似然值263.56

觀測值27

注： ***、**和*分別表示在1%、5%和10%的置信水平下顯著。

將要素替代彈性值0.429代入（4）式，便可得到整個制造業行業的技術進步偏向情況，如圖1所示。在1987—2013年，技術進步偏向值均在0線之上，這說明整個制造業技術進步偏向資本，其偏向均值為0.094。值得注意的是，在2000年前，制造業技術進步偏向波動較大；在2000年后，制造業技術進步偏向波動較為平緩。

圖1制造業技術進步偏向情況

同時，將要素替代彈性值代入（5）式也可測算勞動密集型行業、資本密集型行業和技術密集型行業的技術進步偏向情況，如表3所示。在勞動密集型行業，除了1988年、1989年、1993年、1994年和2008年外，其他年份的技術進步均偏向資本，其均值為0.090；在資本密集型行業，1987年、1988年、1989年、1990年、1993年、1994年和2010年的技術進步偏向勞動，其他年份的技術進步偏向資本，其偏向均值為0.095；在技術密集型行業，除了1988年、1989年、1993年、1994年和2005年外，在其他年份技術進步均偏向資本，其偏向均值為0.128。值得注意的是，在三類行業中，技術密集型行業技術進步偏向資本的均值最大，這與現實行業的發展情況相吻合

我們首先利用（9）式分析整個制造業技術進步偏向對就業增長的影響，估計結果如表4所示。在固定效應模型和隨機效應模型中，技術進步偏向在10%水平上負顯著，這表明技術進步偏向每提高1個百分點，制造業的就業增長將下降0.113個百分點和0.128個百分點；勞動與資本的報酬比在1%水平上負顯著，這表明勞動與資本的報酬比每提高1個百分點，制造業的就業增長將下降0.263個百分點和0.240個百分點。

為進一步考察技術進步偏向對制造業就業增長的影響，本文根據圖1中的技術進步偏向走勢圖，將樣本劃分為兩個階段：1987—1999年（第一階段）和2000—2013年（第二階段），并分別對其進行面板估計，估計結果如表5所示。與第一階段相比，第二階段技術進步偏向對就業增長的影響明顯下降。以固定效應模型的估計結果為例，在第一階段，技術進步偏向每提高1個百分點，就業增長將下降0.123個百分點，而在第二階段，就業增長將下降0.105個百分點。這主要與2000—2013年間技術進步偏向的走勢較為平穩有關。一些研究指出，改革開放以來，我國采用的是以資本積累為基礎的粗放型增長方式，但是，近些年我國也注重人力資本的發展，減緩了技術進步偏向資本的速度，進而使得技術進步偏向對就業增長的抑制作用有所緩解。

在過去的二十多年里，制造業三種類型行業的技術進步基本偏向資本，是不利于擴大勞動力就業規模的，進而使技術進步對行業就業增長的影響表現為負效應，但是在不同類型行業這種影響的程度是不同的。本文分行業的估計結果如表6所示。技術密集型行業的技術進步偏向對就業增長的影響最大，在固定效應模型和隨機效應模型中，技術進步偏向每提高1個百分點，就業增長將下降0.092個百分點和0.129個百分點；勞動密集型行業的技術進步偏向對就業增長的影響最小，在固定效應模型和隨機效應模型中，技術進步偏向每提高1個百分點，就業增長將下降0.008個百分點和0.006個百分點；而資本密集型行業的技術進步偏向每提高1個百分點，就業增長將下降0.051個百分點和0.072個百分點。

根據表6，以隨機效應模型的估計結果為例，我們具體分析在制造業行業中技術進步偏向、勞動與資本的報酬比對就業增長的影響：

從技術進步偏向角度看，勞動密集型行業在10%水平上負顯著，而資本密集型行業和技術密集型行業在5%水平上負顯著。若資本偏向型技術進步提高1個百分點，勞動密集型行業的就業增長將下降0.006個百分點，資本密集型行業的就業增長將下降0.072個百分點，技術密集型行業將下降0.129個百分點。這表明制造業大多數行業的技術路徑均呈現出較強的資本替代勞動特征，因此技術進步對就業增長表現出抑制作用，即技術進步偏向資本在一定程度上加劇了“就業破壞”效應（王曉 等，2013）。值得注意的是，勞動密集型行業的技術進步偏向對其就業增長的抑制并不明顯，主要原因在于勞動密集型行業的技術進步對勞動的替代相對較小。

從勞動與資本的報酬比角度看，勞動密集型行業在1%水平上正顯著，而資本密集型行業和技術密集型行業在1%水平上負顯著，這意味勞動與資本的報酬比提高1個百分點，勞動密集型行業的就業增長提高0.348個百分點，而資本密集型行業的就業增長下降0.273個百分點，技術密集型行業的就業增長下降0.295個百分點。這說明工資上漲是勞動密集型行業就業增長的主要因素；而在資本密集型行業和技術密集型行業中，工資上漲會使這些行業更多地使用價格相對低廉的資本，進而誘導行業的技術進步選擇更加偏向資本。

五、結論與啟示

本文基于要素增強型生產函數構建了技術進步偏向對就業增長影響的理論模型，并采用1987—2013年中國制造業數據進行了實證分析，結果顯示：制造業部門中的資本與勞動之間的替代彈性大于0且顯著小于1，表明資本與勞動之間呈現互補關系；1987—2013年，技術進步偏向值均大于0，說明整個制造業的技術進步明顯偏向資本；同時，制造業三種類型行業的技術進步也基本是偏向資本的，其中技術密集型行業的技術進步偏向資本最為明顯。進一步的實證分析表明：無論在固定效應模型還是在隨機效應模型中，技術進步偏向對整個制造業就業增長具有抑制作用；但與1987—1999年相比，2000—2013年技術進步偏向對就業增長的影響明顯下降；制造業大多數行業的技術進步具有較強的資本替代勞動特征，其中勞動密集型行業技術進步對勞動的替代較小；工資上漲是影響勞動密集型行業就業增長的主要因素，而工資上漲也會使資本密集型行業和技術密集型行業更傾向于使用價格相對低廉的資本，進而誘導其技術進步路徑的資本替代勞動傾向更為明顯。

目前，我國還是發展中國家，技術進步更多的是通過引進國外的先進機器設備或是采用國外先進的生產技術來實現的，而這樣的技術進步路徑選擇需要大量資本品的投資和更高質量的生產要素的投入，容易造成對制造業部門勞動力的替代，尤其是導致勞動密集型行業中大量低技能勞動力的閑置。由此可以看出，制造業部門技術進步偏向與就業增長之間呈現非一致性關系，尤其是在經濟新常態下，在經濟發展速度放緩和經濟結構轉型的宏觀經濟環境下，技術進步與就業穩定增長的矛盾將會更為突出。因此，為保證制造業部門乃至整個中國的就業穩定增長，根據當前中國就業結構形勢及人口老齡化趨勢，在逐步提升各行業的技術水平的同時，還應注意合理引導技術進步的偏向。值得注意的是，如果過度關注就業穩定增長，很可能會犧牲前沿技術進步。而我國正處于由粗放型向集約型經濟增長方式轉變的過程中，意味著制造業部門必須通過技術創新實現創新驅動，進而實現經濟增長方式的轉變。那么，如何實現技術進步和就業增長的良性互動？解決這一矛盾的關鍵是：加強對前沿技術引進的宏觀調控和管理，根據宏觀經濟環境和發展趨勢合理化技術進步偏向；當前，應注意降低制造業資本替代勞動的速度，并大力發展中小企業，增強對勞動力的吸納能力，提高勞動力的供需協調能力。

參考文獻：

蒙英華，黃寧.2010.中美服務貿易與制造業效率——基于行業面板數據的考察[J].財貿經濟（12）：96103.

王林輝，董直慶.2011.技術進步和就業增長關聯效應：基于MSVAR模型的動態分析[J].社會科學戰線（1）：6774.

王曉，崔友平.2013.技術進步與就業： 一個文獻述評[J].云南財經大學學報（2）：2126.

張軍，吳桂英，張吉鵬.2004.中國省際物質資本存量估算：1952—2000[J].經濟研究（10）：3544.

鐘世川.2014.技術進步偏向與中國工業行業全要素生產率增長[J].經濟學家（7）：4654.

朱翠華，李建民. 2012. 技術進步就業效應新解[J].財經科學（4）：5361.

朱軼，熊思敏.2009.技術進步、產業結構變動對我國就業效應的經驗研究[J].數量經濟技術經濟研究（5）：107119.

ACEMOGLU D. 2010. When Does Labor Scarcity Encourage Innovation？[J]. Journal of Political Economy，118（6）：10371078.

ACEMOGLU D. 2002. Directed technical change[J]. The Review of Economic Studies，69（4）：781809.

ACEMOGLU D. 2003. Labor‐and capital‐augmenting technical change[J]. Journal of the European Economic Association，1（1）：137.

AGHION P，HOWITT P. 1994. Growth and unemployment[J]. The Review of Economic Studies，61（3）：477494.

ANTRAS P. 2004. Is the US aggregate production function CobbDouglas？ New estimates of the elasticity of substitution[M]. Contributions in Macroeconomics， 4（1）：11611162.

CYERT R M，MOWERY D C. 1987. Technology and employment：Innovation and growth in the US economy[M]. National Academies Press.

KLUMP R，MCADAM P，WILLMAN A. 2007. Factor substitution and factoraugmenting technical progress in the United States：a normalized supplyside system approach[J]. The Review of Economics and Statistics，89（1）：183192.

ZULETA H. 2008. Factor saving innovations and factor income shares[J]. Review of Economic Dynamics，11（4）：836851.