我國智能技術進步的就業門檻效應研究

吳淑娟 吳海民

摘要：智能技術進步與就業的關系紛繁復雜。為了辨明我國智能技術進步對就業的門檻效應，基于科布一道格拉斯生產函數，采用上市公司數據，運用門檻分析法進行實證。研究表明：我國智能技術進步與就業之間確實存在門檻效應，也存在線性關系;其門檻效應體現在產業整體的中高級勞動者數量和工人工資、基礎平臺的勞動者總數和工人工資、應用環節的低級勞動者數量和勞動者就業總量上。

關鍵詞：智能技術進步;就業;門檻效應

DOI：10.16315/j.stm.2020.01.006

中圖分類號：F061.3文獻標志碼：A

1問題提出

實行創新驅動戰略促進智能技術的應用日益廣泛，引發了對智能技術替代勞動力工人的擔憂。根據柯布一道格拉斯生產函數，智能技術的研發和應用能促進技術進步，推動生產的資本深化，降低勞動力和資金投入比，進而減少就業需求。另一方面，智能化生產的生產率效應帶動關聯產業和非智能產業的生產，拉動勞動力需求。智能技術進步對就業的創造效應與替代效應共存，其總效應隨時問推移變動。以往的技術創新推動農村勞動力向工業部門轉移呈現S型的特點。這次智能化轉型過程中，勞動力的轉移很可能存在非線性關系。

Katsoulacos研究了技術和就業的關系，智能技術是否能替代工人就業已經形成了3種觀點。不替代說以史蒂夫·恩肯寧為代表的學者認為人為情報和自動化等智能技術不曾削弱勞動力。技術進步的目的在于改善勞動者就業環境，降低工傷的可能性，替代沒有人真正想要的工作。盡管智能技術的應用取代人力，但其應用提高了產量，帶來更大的勞動需求，在其他領域也可能會涌現出更多的就業機會，尤其是那些依賴于創造力、情商和社交技能等人類特質的工作。

替代論說認為智能技術減少就業機會。有學者斷言未來約有47%的美國就業可被機器人替代。也有學者預計到2035年50%～70%崗位將被機器取代。智能技術通過對教育的回報、就業能力、經驗、“運氣”等機制影響勞動力市場的不均衡情況。企業技術進步對勞動力投入具有顯著的替代作用，它改變了勞動力結構，降低了企業工資和福利總額占其總產值的比重。當然，這種擠出效應在時間維度和范圍維度上僅具有局部性。

折衷說是目前較為流行的觀點。技術進步對就業存在替代效應，也會導致社會分工的加深、就業領域的拓展、消費需求的增長，可增加就業總量，形成創造效應。技術創新和就業之間存在U型關系：當技術創新強度的改善達到一定的程度，技術創新對就業的效應從負效應轉變成為正效應。從理論角度，技術創新對就業效應取決于勞動力和智能技術之間的替代彈性、需求的價格彈性和新技術的成本節約效果是否足夠大。

綜上所述，國內研究傾向于產業和行業實證，國外研究更趨向于企業實證。兩者圍繞智能技術的就業效應進行了多角度和多層次的研究。現有研究表明智能技術的就業效應受區域性因素、產業因素、企業因素等影響。智能技術進步與就業的關系復雜多變，呈現簡單的線性關系的可能性較少。但現有研究尚未能很好地解答兩者之間是否存在非線性關系等問題。在我國人口總量龐大和結構欠優的背景下，本研究具有非常重要的意義。

本文以上市智能企業為研究對象，基于理論分析選擇合適的影響因素，以柯布一道格拉斯生產函數為基礎構建門檻效應模型，采用上市智能企業數據加以實證，最后根據實證結果提出政策啟示。本文探討智能技術進步與就業之間的非線性關系，有異于一般技術的就業效應研究和智能技術進步與就業之間的線性關系研究;以智能效率為代表，而非傳統的全要素生產率或技術效率，其研究結果能反映的智能正產出正是智能經濟優勝于以往的技術經濟的特殊之處。

2影響因素的選擇

本節嘗試基于帕累托最優的思想和采用埃奇沃思框圖，分析智能技術進步對就業的影響機制的理論分析選擇合適的影響因素，為門檻效應的實證提供基礎。

2.1智能技術進步的就業影響機制

假設經濟社會由生產者A和B組成，其分別使用2種生產要素：勞動（L）和資本（K），分別生產2種產品x和Y，這2種生產要素的數量假定固定不變。假定市場是完全競爭，需求決定的產量，生產者A、B的等產量線相切于點J7v，因而不存在失業和剩余資金，達到最佳均衡，如圖l（a）所示。

智能技術變革對生產崗位的影響有兩類，一是現有產品或流程崗位智能化，二是創造全新的崗位。第一類創新較容易，往往先發生，因此，先考慮第一類影響過程：假設企業A對產品x的生產實行智能化，資本投入增加和技術進步減少勞動投人，改變了資本一勞動替代彈性。產品x的等產量線沿Y線下移。企業A等產量線的下移導致其勞動力需求減少，資金需求增加。這意味著整體工資水平下降和利息上升。企業B因而調整其資本和勞動投入比，最終與企業A產品x的等產量線交于點N。如圖1（b）所示。

基于上述分析，分析第2種影響過程。假設智能技術創造了新崗位，該崗位要求勞動力量少素質高，資本密集度高。新崗位從企業A、B分別吸走資本和勞動力。企業A作為技術創新企業，其高素質人才占比較高，而企業B作為傳統產業的代表，高素質人才占比較低，因而新崗位對企業A高素質人才的吸引力較大。新崗位的高薪吸走了較多企業A的人才和少量企業B的高素質人才，以及企業A、B的資金，使得企業A、B的等產量線分別向各自的內部移動，最終的生產點分別落在Na'和Nb'點上，如圖1（c）所示。

2.2影響智能技術進步的就業效應的因素

因數據樣本的獲得性，本文暫不考慮勞動力與智能技術的替代彈性，又因新技術的成本節約效應主要針對一般的技術應用企業，而文中企業主要是智能技術研發和應用企業，因而也暫時不考慮該因素。從供給側的角度，上述點N、Na'和Nb'的位置受以下因素影響：一是影響生產要素價格變動的相關因素。工資剛性和利息未完全市場化，即便生產智能化導致企業A的勞動力需求下降和資本需求增加，這不能引起工人工資快速下降和利息快速上升，從而吸走企業B的產品Y生產點移至點N。因而諸如金融市場的成熟度、住房成本等影響人力資源和資金流動的相關因素影響甚大;二是勞動力轉移的經濟能力和技能提升的因素。上述分析以勞動力工人技能具有同質性和不存在勞動力轉移成本的假設前提。但現實中，勞動力具有差異性，且勞動力轉移需要培訓或教育投入、居住成本、后代受教育的機會成本等;三是企業經營管理能力的因素。企業是理性經濟人是前述分析的另一前提假設。但是智能企業經營管理能力不足導致企業不能總是“理性”經營管理，例如股權集中度過高，投資方和研發人員的利益出發點差異阻礙智能技術進步，使點N未能順利向點N移動。四是一國對外開放程度的因素。一國外貿影響國內產品的產品需求總量和需求結構，其金融市場的對外開放程度也可以影響國內資金的豐富程度，從而影響利率。

綜上分析，本文采用工人工資、金融市場的成熟程度、工人的受教育程度、住房成本、企業資本集中度和資本周轉率等作為影響因素。目前智能企業的外商投資和對外直接投資、對外貨物貿易均較少，因而未采用對外貨物貿易和資本流入指標。

3智能技術就業效應及影響因素的實證分析

3.1模型設定

假設工業智能生產企業只有勞動力和資本投入，基于柯布一道格拉斯生產函數構建智能技術就業效應模型如下：

3.2樣本范圍與變量說明

1）數據樣本范圍。中國智能企業創建的時間大多集中分布在2010-2016年問，其中的峰值出現在2014年，因而以2011-2017年為考察期。綜合金融界、搜狐證券和東方財富網等3個證券網站中智能板塊的公司名單，剔除2012年及以后的上市公司，得到文中上市智能企業的數據樣本。樣本企業分別屬于無人機、智能電網、3D打印、北斗導航、智能機器、智能家居、智能穿戴、大數據、物聯網、移動支付、智慧城市等子行業。樣本企業的區域分布是北京6家、廣東63家、江蘇3家、山東3家、上海3家、四川1家、浙江3家。部分企業經營2個或以上行業的業務，因而數據樣本共966條。上市公司年報必須遵守國家會計準則、企業內部控制規范和財務信息披露規則，其會計項目的統計口徑有專業的規范，因此，盡管不具有官方統計數據的準確性和權威性，但相對一般的村野數據而言，其可信程度較高。

2）變量說明。智能技術進步用智能TFP代表。智能TFP運用DEA-Malmquist指數方法，采用智能投入和產出數據測量而得。投入變量包括智能勞動力投入變量和資金投入變量，分別用上市公司的技術人員數和固定資產凈額代表。技術人員數量是技術進步重要基礎，是重要的勞動力投入變量之一。固定資產凈值是常用的資本變量之一。盡管該指標不具有永續盤存的精確性，但具有方便的優點。產出變量包括產值和知識產出，前者用上市公司的主營業務收益額代表，后者用扣除土地使用權后的無形資產額來代表。無形資產是指企業擁有或者控制的沒有實物形態的可辨認非貨幣性資產。會計上，扣除土地使用權后的無形資產額包括專利權、非專利技術、管理軟件、商標權、專有技術等。如此評價指標體系的測量結果能反映傳統TFP所未能反映的智能產出。

產出（y）是指智能生產企業的產出額，采用上市公司的主營業務收益額來代表。勞動力投入量（L）是指智能生產企業所投人的勞動力。鑒于勞動力工人的差異性，又為了全面摸清智能技術對高技能和低技能工人的影響差異，分別采用全部工人數（高技能工人和低技能工人的總和）、高技能工人數、低技能工人數和高低技能工人數之比等4個指標分別代表。資本投入量（K）是指智能企業在技術研發上的投入資金，采用上市企業的年度科技資金投入金額來衡量。工人工資（In）是指智能生產企業支付給工人的工資，用上市公司支付的工資總額代表。金融市場的成熟程度（Fm）是指金融結構的變化，既包括金融結構的總量變化，又包括金融結構的流量的變化。Fm指標的測量方法和指標體系多樣。較早期的研究多數構建比較復雜的指標體系，分多個層次和指標進行綜合性的評價。近期出現新的較為簡單的評價方法，以地區金融機構存貸款總額與名義GDP的比值作為該地區金融發展水平的衡量指標。考慮到實證的需要，本文采用更能直接體現地方金融發展水平的企業籌資活動現金流入量來代表。民眾的受教育水平（Edu）的評價指標較少。王善邁等提出的教育發展指數評價體系是當前國內較為完善的評價指標體系。但宏觀數據將難以滿足實證需要，因而本文采用更為直接且直觀地反映該地區教育水平的企業的本科學歷及以上員工占比來代表。住房成本（Hp）是指勞動者在區域問轉移之時所支付的住房費用。由于上市公司年報中缺乏本財務項目，故采用企業所在城市（或區）的商品房平均銷售價格代表。其中2017年數據采用均值替代法補齊。企業的股權集中度（Os）是指全部股東因持股比例的不同所表現出來的股權集中還是股權分散的數量化指標。一般通過第一大股東持股比例指標，即上市公司的第一名大股東持股份額在公司總股份中所占比重來衡量。該法為本文所采用。企業的資產周轉率（At）是指總營業額和總資產之比，在財務分析指標體系里具有很重要的地位。本文采用上市公司的年度資產周轉率衡量。

3）數據描述和平穩性檢驗結果。數據的描述統計性，如表l所示。為確保測量結果的有效性，分別使用LLC、IPS、ADF-Fisher、PP-Fisher和Breitung 5種方法進行檢驗，綜合檢驗結果中的P值進行判斷，所有變量均不支持含有單位根的原假設，符合平穩的計量要求。協整檢驗結果表明TFP分別與各個因素的Panel PP-Statistic、Group PP-Statistic和Group ADF-Statistic檢驗結果均通過檢驗，表明變量之間存在協整關系。

4實證結果與分析

4.1全數據實證結果與分析

1）門檻值的確定。檢驗是否存在門檻效應：分別以eit為門檻估計值，運用Stata 15.0軟件依次對無門檻、單一門檻和雙門檻假設進行檢驗，得到F統計值，再采用“自抽樣法”（Bootstrap）模擬F統計量的漸進分布及臨界值，從而檢驗是否存在門檻效應，如表2所示。表2結果顯示中高級勞動者數量和工人工資分別與智能技術進步存在顯著的單一門檻效應關系。

全數據的門檻變量的門檻的估計值和相應的95%置信區間，如見表3所示。結果表明中高級勞動者數量和工人工資的以TFP門檻估計值均為0.789，在95%置信度下置信區間均為0.7804至0.8011之間。據此，把智能技術進步分成兩部分：低效率部分（TFP≤0.789）和高效率部分（TFP>0.789），再對樣本進行門檻回歸估計，得門檻回歸結果，如表4所示。為了便于比較，本文還對樣本進行線性固定效應模型進行了實證檢驗，并將結果同時列入了表中。

2）實證結果及分析。表4結果表明智能技術進步與就業之間線性關系與非線性關系并存。對智能產業的整體影響方面，非線性關系主要體現在中高級勞動者數量和工人工資上;而低級勞動力工人、勞動力就業總數量和低級和高級勞動者的比例結構均呈現線性關系。

在智能TFP對中高級勞動者就業總量的影響的固定效應回歸分析中，智能TFP對中高級勞動者就業總量有顯著正面影響，系數為4.340。在門檻回歸模型中，該系數隨著智能效率的提升呈現出明顯的區間效應，表明兩者問存在非線性關系。當智能效率處于低效率區間，智能技術進步與中高級勞動力工人就業負相關，系數為-1.244;當智能效率處于高效率區間，兩者正相關，系數為0.332。這表明提升智能技術進步的水平對于提升中高級勞動力工人就業具有重大的意義，當智能技術進步超過0.788的門檻，智能技術進步每提高1%，能提升0.332%的中高級工人的就業。

在智能TFP對工人工資總額的影響的固定效應回歸分析中，智能TFP對工人工資總額有顯著正面影響，系數為1.542。而在門檻回歸模型中，該系數隨著智能技術的提升呈現出明顯的區問效應，表明兩者問的真實關系是非線性。當智能效率處于低效率區間，智能技術進步與工人工資收入顯著正相關，系數為3.040;當智能效率處于高效率區間，兩者顯著正相關，系數為2.617。這表明了提升智能技術進步的水平對于提升工人的收入總量有正作用，但是當智能技術效率超過0.788的門檻值，智能技術進步對工人工資的提升作用反而減弱。盡管如此，智能技術進步對工人工資的正面影響仍然是文中所涉及的幾個變量中最高的一個。

低級勞動力工人就業量、低級與中高級工人的比例和就業總量的單一門檻回歸的低效率區間的系數和高效率區間的系數沒有明顯的差異，因而這3個變量與智能技術進步之間的真實關系應該是線性關系。根據固定效應回歸分析結果，低級勞動力工人就業和勞動力就業總量與智能技術進步存在顯著的正相關關系，系數分別是2.033和2.118。這與Autor D等人認為的生產自動化的勞動力替代性逐漸增強的觀點似乎有所相悖。他們認為自動化具有更強的就業替代性（labor-displacing）和更弱的就業創造性（labor-augmenting）。其原因之一是該文采用Acemoglu等的模型和1970年以來28個OECD國家的數據，模型的差異、研究對象的差異，尤其是該文未考慮到智能產出的因素來考量智能技術進步的問題。其二是智能技術進步對就業的影響不僅因對象不同而有所差異，也會隨時間的發展而動態演變。OECD國家的生產自動化對就業的影響因自動化程度的加強也有所差異，中國的也應如此。低級與中高級工人的比例與智能技術進步之間的系數為-0.072，表明智能技術進步將降低低級勞動力工人的占比。這點符合預期。

顯然，中國當前的智能技術進步對勞動力的替代程度還未達到機器能以很低的成本生產產品，若企業支付給工人工資將不能保持其競爭力的狀態。當前我國智能企業應該尚處于需要大量的技術人員投入來支撐智能產業的快速發展的階段，同時，因為智能技術的應用，提升了智能效率，從而形成了資本深化效應，節省了資本，降低了產品價格，從而促進了對低級勞動者的需求，從而在總體上提升了勞動力需求，也從總提升提升了勞動者的整體收入。

4.2分產業鏈環節數據實證結果與分析

分產業鏈環節數據實證結果，如表5、表6所示。

1）門檻值的確定。表5結果表明基礎平臺中，勞動者總數和工人工資分別于智能技術進步存在顯著的單一門檻效應關系;應用環節中，低級勞動者數量和勞動者總數量分別于智能技術進步存在顯著的單一門檻效應關系。

表6為基礎平臺中的勞動者總數和工人工資、應用環節的低級勞動力工人數量和勞動者總數的門檻估計值和相應的95%置信區間。結果表明基礎平臺的勞動者總數的智能技術進步的門檻估計值較應用環節的低，僅為1.201，而后者為7.415;基礎平臺的工人工資的智能技術進步的門檻估計值為0.277，相當低;應用環節的低級勞動力數量的智能技術進步的門檻估計值為7.871，相對較高。

2）實證結果分析。結合表7～9實證結果可知，我國智能行業的基礎平臺和應用環節中，智能技術進步與就業之間線性和非線性關系并存，技術平臺環節主要為線性關系。非線性關系主要體現在低級勞動者數量、勞動者就業總數和工人工資上;而中高級勞動力工人、低級和高級勞動者的比例結構均呈現線性關系。

在基礎平臺環節，就業人數總量和工人工資收入分別與智能技術進步有非線性關系。在智能效率低效率區域，與智能技術效率負相關。在智能效率的高效率區域，與智能技術效率正相關。這表明智能技術進步達到門檻值后，對整體就業人數和工人工資的提升均有正面作用。值得注意的是，工人工資的智能技術門檻值很低，表明工人收益的改善比較容易。低級技能勞動力就業與智能技術效率呈線性負相關，而中高級工人就業與智能技術效率線性正相關，因而低級工人與中高級工人的就業比例與智能技術效率負相關。這主要是因為基礎平臺環節的技術含量較高，因而不利于低級勞動力的就業，利于中高級勞動力的就業，從而使得低級工人與中高級工人就業人數比惡化。在低級勞動力的替代效應和中高級勞動力的創造效應的綜合作用下，基礎平臺工人就業總量和工人工資總額在智能技術進步尚未達到門檻值之前惡化，但一旦智能技術變革達到門檻值，中高級勞動力的創造效應大于低級勞動力的替代效應，從而綜合效應為正。

在技術平臺，除了中高級工人的就業數量與智能技術進步呈負相關關系以外，其他4個變量均與智能技術進步呈現正相關關系，表明技術平臺的技術進步不利于中高級勞動力工人的就業，反而有利于低級勞動力工人的就業，從而帶動了勞動力工人的整體就業和優化低級工人與中高級工人就業人數比，還提升了工人的工資收入。

在應用環節，低級勞動力工人就業數量和工人就業總量分別與智能技術進步非線性關系。在智能效率低效率區域，與智能技術效率正相關，在智能效率的高效率區域，與智能技術效率顯著負相關，表明智能技術進步達到門檻值后，對于低級勞動力工人的就業數有負面的作用，其負面作用比較強烈，以致于對工人就業總數量也有負面作用。中高級勞動力工人就業數、低級工人與中高級工人的就業比例和工人工資則分別與智能技術進步存在線性關系，系數均為正，表明應用環節的智能技術進步有利于中高級勞動力工人的就業和工人工資的提升，也輕微改善低級工人與中高級工人的就業比例。

5結論與政策啟示

針對當前智能經濟快速發展威脅工人就業的現實，本文采用智能上市公司的全數據和分產業鏈環節數據，運用門檻分析法檢驗了智能技術進步對就業的門檻效應，得以下結論：

智能技術進步與就業相關的變量之間線性和非線性關系并存，僅運用線性回歸分析方法不足以反映智能技術進步與工人就業之間的關系。非線性關系主要集中體現在產業整體的中高級勞動者數量和工人工資、基礎平臺的勞動者總數和工人工資、應用環節的低級勞動者數量和勞動者就業總量上。線性關系則主要體現在低級和高級勞動者的比例結構均呈現線性關系。

門檻值方面，基礎平臺的工人工資的智能技術進步的門檻最低，而應用環節的勞動者就業總量的智能技術進步的門檻最高。促使智能技術進步突破0.277，甚至突破1.2，便能充分發揮基礎平臺的就業正效應，而無需過多擔憂智能技術進步帶來應用環節的就業的負效應，尤其是對低級勞動力就業的的負效應，因為要突破其門檻值應該頗難。

工人整體的工資收入將因智能技術進步而改善，盡管在整體上工資會因為智能技術進步突破門檻值而降低了正效應，但是基礎平臺的工人整體收入會因為智能技術進步突破門檻值而由負效應轉為正效應而獲利。

因而今后尤其需要加強以下兩方面的工作：

一是優化資源投入，強化管理，促進智能技術進步。一方面，企業優化要素投入，加強企業內部管理。尤其是企業資本集中度、資本周轉率等與資本要素投入效率密切相關。另一方面，優化智能技術創新的財政支出效率，特別是加強對智能技術的財政支持的投入方式、過程監控和結果驗收等環節加強管理，促進智能科研成果轉化，加快其市場化應用的步伐。

二是加快智能人才的培養。一方面，應對智能技術進步對低級勞動力工人收入的影響較大，因而要為工人提供足夠的培訓。特別要加強正效應尚未得到發揮之前的低級勞動力工人的再就業培訓工作，使得低級勞動力工人技能提升，從而適應智能經濟的發展的需要。另一方面，要加快高層次智能人才的培養。由高水平高校開設智能產業相關專業。由應用型高校結合地方智能經濟發展的需要設置特色專業。同時加強智能專業人才培養的校企合作，加強智能人才的理論應用實際的能力。

應當指出，本文也存在一定的局限性，值得未來進一步探索：一是因為智能經濟為近年的產物，本文結合實證需要和企業的實際情況，選擇了7年的考察期內82家智能上市公司數據進行研究，數據樣本的有限性可能影響了實證結果;二是上市公司年報數據的統一性和考察期的程度等因素限制了本文能選取的指標，因而有一定的改進空間;三是本文主要是圍繞生產商的資本、技術和勞動力等投入因素，從供給側的角度出發研究問題，未考慮消費層面的差異，從而沒有充分考慮需求方的影響。今后隨著智能經濟的進一步發展，官方統計數據和上市公司數據日益豐富，相關的實證研究應該會更為細化而且深入，更深入的研究和國際性的比較研究將會成為可能。