技術創新對就業的“雙刃劍”效應孰強孰弱？
——基于1980—2020年中國宏觀數據的實證檢驗

王國梁，呂晨煒，徐舒琪

（杭州電子科技大學 經濟學院，浙江 杭州 310018）

一、引言及文獻綜述

技術創新是一把雙刃劍，同時兼具就業創造效應和就業替代效應。就業創造效應是指技術創新帶來新的產業和經濟生態，通過創造新的崗位吸引一部分勞動力進入這些新興行業和經濟生態圈。就業替代效應是技術創新導致傳統行業中的大量崗位被新技術和新設備替代，進而引發大規模結構性失業甚至周期性失業。改革開放40多年來，中國社會的增長動力逐步由傳統的勞動力驅動、資本驅動向人力資本驅動和創新驅動轉變，在實現經濟高速增長和就業人口規模逐年擴大的同時，卻不得不面臨各種技術創新帶來的就業沖擊。一方面，中國的技術創新尤其是近年來蓬勃發展的數字技術對就業有顯著的促進效應。波士頓咨詢報告預計，數字經濟等新經濟生態將會成為中國就業崗位的“孵化器”，到2035年將創造4億個工作崗位。另一方面，隨著以互聯網、物聯網、大數據、人工智能、區塊鏈和5G為代表的數字技術的興起，一些傳統崗位將被智能化替代。技術創新在提升勞動生產率的同時卻導致具有勞動力成本優勢的發展中國家在就業方面遭受巨大挑戰。Acemoglu和Restrepo（2020）的研究成果表明，技術創新的就業替代效應在全球范圍內存在，工業機器人等技術創新會使美國的就業率下降0.18%～0.34%［1］。麥肯錫也預計2018—2030年，隨著技術水平的進步，全球將有8億人口的工作崗位被機器取代。技術創新的“雙刃劍”效應為中國的技術政策選擇提供了一份可供選擇的菜單：如果長期內技術進步所導致的就業創造效應大于就業替代效應，此種技術進步屬于節約資本型技術進步，政府應通過技術政策來大力推動該種技術創新以實現經濟增長和充分就業雙重目標；如果長期內技術進步所導致的就業創造效應小于就業替代效應，此種技術進步屬于節約勞動型技術進步，政府應在技術進步和就業增長兩方面進行權衡取舍，當經濟高速增長而未實現充分就業時，通過技術政策在一定程度上抑制該種技術的推廣和實施，在經濟增速較為緩慢而就業接近充分就業水平時，通過技術政策助力該種技術的推廣和實施；如果長期內技術進步所導致的就業創造效應和就業替代效應趨近時，此種技術進步屬于中性技術進步，不會對就業造成顯著的正向促進效應或負向破壞效應，此時應采取與節約資本型技術進步相同的技術政策，即大力推動該種技術的應用與發展。因此，通過對宏觀經濟數據進行實證檢驗來判斷技術進步的長短期就業效應及技術進步的類型，探究技術創新與就業之間的內在關系，并據此為政府制定技術政策提供有益借鑒，具有重要的理論意義和實踐意義。

然而現有研究成果多以發達國家作為研究對象，探討工業機器人等方面的技術進步對發達國家勞動力市場的影響，來自發展中國家的經驗證據相對缺乏［2］。Garcia等（2002）［3］構建了囊括知識資本積累等因素在內的就業增長模型，將技術創新的動態就業效應分解為就業補償效應和就業替代效應，并通過實證檢驗發現，發達國家技術創新的就業補償效應在短期和長期內均超過了就業替代效應。國內僅有的一些研究成果或基于新常態階段之前的宏觀數據檢驗技術創新的就業效應，或從短期視角分析技術創新對就業的影響，或僅從單一維度探究技術創新的“雙刃劍”效應中的主導效應。唐國華（2011）［4］基于修正的Garcia模型，從就業破壞和就業創造兩個維度研究了技術創新的動態就業效應，發現技術創新與就業規模呈同方向變動的關系，但技術創新的就業創造能力在逐步減弱。然而唐國華所采用的1980—2007年的中國宏觀數據，難以有效反映新常態階段中國技術創新尤其是數字技術等新技術進步對就業的動態影響。韓孟孟等（2016）［5］著眼于短期，基于微觀企業調查數據從流程創新、產品創新和企業研發三個維度分析了短期內技術創新對就業增長的影響，得出了兩個重要結論：一是三種類型的技術創新在短期內都與就業增長顯著負相關；二是短期內中西部地區技術創新的就業替代效應比東部地區更為明顯。值得注意的是，韓孟孟等人基于2012年這一年的微觀調查數據所得出的結論，很難全面客觀反映改革開放40多年來技術創新對就業的長期動態效應，所獲結論的普遍性和科學性值得商榷。吳昊、李萌（2020）［6］分別基于中國1995—2015年的省際面板數據，實證考察了我國各省技術創新對就業增長的“雙刃劍”效應，認為技術引進在短期內的就業創造效應大而在長期內的就業破壞效應大，內生性自主創新在短期內的就業破壞效應大而在長期內的就業創造效應大。然而短期內外生性技術引進的就業創造效應顯著這一研究結論卻與國內文獻的主流結論相悖，李金葉、葛濤（2017）［7］從區域發展異質化的視角出發，分析東部、中部、西部地區技術創新對就業增長的動態效應，發現從全國和東部、中部來看，技術創新在短期內對就業呈現顯著負效應，西部地區技術創新的就業效應不顯著。朱軼、熊思敏（2009）［8］研究了技術進步對我國產業結構和就業總量的雙重影響，研究結果也顯示，第二產業和第三產業中的技術進步所產生的就業效應均不顯著。理想化的技術創新，必須同時賦能經濟增長和就業創造，俄羅斯的經驗或可借鑒。劉暢（2018）［9］以俄羅斯為研究對象，通過VAR模型對俄羅斯技術創新的就業破壞效應進行了實證分析，發現俄羅斯非資本偏向性的技術創新規避了其對勞動力產生的擠出效應和替代效應。中國現有的研究成果，缺乏從國家整體和區域兩個維度對技術創新的就業創造效應和就業替代效應的實證分析，亦缺乏從長期視角研判技術進步類型的學術嘗試，這為本文提供了可供研究的視角。

本文使用一個囊括技術進步的修正Garcia模型，分析了技術創新的就業創造效應、就業替代效應和加總的就業創造效應對就業彈性的影響機制，并基于1980—2020年的就業增長率和全要素生產率（TFP）等宏觀經濟數據，運用VAR模型對全國以及4個典型省份進行技術創新的動態就業效應檢驗，從短期和長期、全國和區域兩個角度研究了技術創新的就業創造效應和就業替代效應的相對強弱。或有的創新之處在于本文使用了修正的Garcia模型系統分析了技術創新對就業產生多重效應的作用機理，并分別研究了全國和浙江、湖北、陜西、遼寧等省份技術創新的短期、中期和長期的動態就業效應，從經濟發展水平、經濟結構和市場化水平等維度揭示了不同區域技術沖擊對就業的“雙刃劍”效應的強弱及其動態發展規律，從整體和局部雙角度驗證了不同類型的技術進步對各區域就業增長所產生的同質效應和異質效應。

二、理論模型構建

參照Garcia等的理論模型，將技術創新的就業效應分為就業創造效應和就業替代效應。模型包括以下基本假設［4］：①長期內企業生產具有規模報酬不變的性質；②技術創新通過創造新產品和降低成本兩種途徑實現對就業的影響；③產品采用成本加成定價法來定價；④企業所處的市場結構為完全競爭市場；⑤技術中性為希克斯技術中性。代表性企業的生產函數為：

其中：P為本企業產品的價格；P r為市場中其他競爭企業的產品價格；A為知識資本存量，代表技術水平；A r為市場中其他競爭企業的知識資本存量；K為本企業資本存量水平。假定企業生產產品的邊際成本是關于勞動的名義工資水平W和企業技術水平A的函數，即

由于采用成本加成定價法，產品的價格函數為：

其中，μ表示成本加成系數。企業產品的邊際成本對勞動力價格水平求偏導表示為根據謝潑德引理可知，企業產品的邊際成本對勞動力價格水平求偏導就等于勞動力的條件要素需求，即一單位產出對勞動力要素投入的需求。因此，企業的勞動力要素需求數量函數為：

其中，Y為企業產品價格與技術水平的總需求函數，即實際總產出水平，用函數表示為：

式（4）中L對A求偏導可得：

式（4）代入式（7）式得：

對式（8）右邊第三項調整得：

式（10）進一步可表示為：

其中：Y表示總需求即實際產出水平；K為資本存量水平；L為勞動力需求；A為知識資本存量；參數α、β和γ分別表示為資本、勞動力和技術水平的產出彈性。式（12）分別對L和K一階求導可求出MPL和MPK的具體形式，繼而可得：

其中：名義工資水平W等于勞動力的邊際產品價值；利息率R等于資本的邊際產品價值。由（13）（14）兩式可得，將其代入式（12）可得：

整理式（15）并對兩邊取自然對數，可得：

三、VAR模型設定與數據選取

（一）模型設定

基于模型的解釋力和數據的可獲得性，采用非結構性方程組的VAR模型對技術創新的就業效應進行動態分析。由于經典的聯立方程組模型在構建過程中并未給出變量之間的動態關系以及無法對變量的平穩性進行檢驗，Sims于1980年提出了對經濟系統進行動態分析的VAR模型并使該模型得到廣泛使用。VAR模型的特點是：①模型不以嚴格的經濟理論為依據，在建模過程中只需明確兩點：一是確定哪些變量進入模型，二是確定滯后階數p以保證殘差剛好不存在自相關性；②VAR模型對參數不施加零約束（如t檢驗）；③VAR模型的解釋變量中不含t期變量，所有與聯立方程組模型有關的問題均不存在。對技術創新的動態就業效應，采用雙變量的VAR模型來進行研究。模型中，就業指標用就業增長率l t表示；企業技術創新水平用全要素生產率a t表示。假定就業增長率l t受到以前年度就業增長率和全要素生產率的影響，全要素生產率a t受到以前年度全要素生產率和就業增長率的影響，則VAR模型的表達式為：

首先，對就業增長率和全要素生產率的時間序列數據進行單位根檢驗，判斷時間序列數據的平穩性是否達到了建立VAR模型的要求。其次，選擇最大滯后期p。在VAR模型中，解釋變量的最大滯后階數p太小，殘差項可能存在自相關性，并導致參數估計的非一致性；適當加大p值（即增加滯后變量個數），可消除殘差項中存在的自相關。但p值又不能太大，p值過大則待估參數多，自由度降低嚴重，直接影響模型參數估計的有效性。此處可以根據赤池信息準則（AIC）和施瓦茨準則（SC）來確定p值，確定p值的原則是在p值增加的過程中，使AIC和SC值同時最小。在VAR模型實證檢驗的基礎上進行脈沖響應分析，脈沖響應函數描述的是某一內生變量對殘差沖擊的響應。由于我國生產力發展水平存在顯著的地域差異，本文不僅對全國范圍的全要素生產率與就業增長之間的邏輯關系進行實證研究，同時還從東部地區、中部地區、西部地區和東北地區分別選取浙江、湖北、陜西、遼寧等四個典型省份，分地區研究全要素生產率與就業增長之間的內在關系，進一步檢驗經濟發展水平、經濟結構和市場化水平存在顯著差異的地區，技術創新的動態就業效應是否存在顯著差異。

本文基于經濟發展水平、國有經濟和私營經濟占比、改革開放邁進步伐的快慢指標來選擇具體的研究對象并進行對比分析。選擇浙江、湖北、陜西和遼寧四個省份作為典型省份的原因如下：第一，改革開放之初的浙江、湖北和陜西三省的人均GDP在330元左右，經濟發展基本處于同一水平，遼寧省的人均GDP為680元，經濟發展水平高于其他三省，通過初始經濟發展水平的差異可以進行樣本對照，探討不同經濟發展水平下技術創新的來源和路徑差異；第二，改革開放之初，湖北、陜西和遼寧三省國有經濟在國民經濟中占據主導地位，而浙江的國有經濟相對而言比較薄弱，在國民經濟中的地位并不十分顯著，民營經濟在國民經濟中占據比較重要的地位，通過初始經濟結構的差異對照，可以探討不同經濟結構下技術創新的來源和路徑差異；第三，改革開放之初，遼寧和浙江改革開放的邁進步伐相對較快，政府放權導致市場釋放更多創新創業活力，而湖北和陜西改革開放的步伐相對緩慢，改革涉水不深導致市場主體創新創業活力難以有效激發，通過市場化水平的差異分析，可以探討不同市場效率下技術創新的來源和路徑。

（二）數據選取

本文構建的VAR模型，包括就業增長率l t和全要素生產率a t兩個變量。就業增長率通過當年就業人口和上一年就業人口計算得到，具體計算公式如下：

其中：L t表示第t年的就業總人口；L t-1表示第t-1年的就業總人口。1980—2019年就業總人口數據分別來源于1981—2020年的《中國統計年鑒》《浙江統計年鑒》《陜西統計年鑒》《湖北統計年鑒》和《遼寧統計年鑒》。2020年的就業總人口等于2019年的就業總人口加上2020年的城鎮新增就業人口，其中城鎮新增就業人口數據來源于2020年全國以及各省份的《國民經濟和社會發展統計公報》。全要素生產率是通過前沿生產函數法（SFA）測算而得，SFA放松了規模報酬不變和技術中性的假定，允許勞動力和資本非充分利用的情況。此外，SFA還考慮了隨機誤差項對全要素生產率的影響，最大限度地確保計算結果的精確性。

四、技術創新“雙刃劍”效應的實證分析

（一）變量的平穩性檢驗

在進行VAR估計之前，首先使用ADF檢驗對就業增長率l t和全要素生產率a t的平穩性進行檢驗。如果檢驗的結果為變量均平穩，則可以直接進行VAR檢驗；若變量存在單位根，則需要在一階或者二階差分平穩的基礎上做協整檢驗。檢驗結果見表1所列，在5%的置信度水平下，就業增長率l t和全要素生產率a t拒絕了原假設，兩者沒有單位根，變量具有平穩性，可以直接進行VAR檢驗。

表1 就業增長率和全要素生產率的ADF檢驗結果

（二）VAR檢驗的結果及分析

利用Eviews12對就業增長率l t和全要素生產率a t進行VAR檢驗，并通過AIC準則和SC準則確定最大滯后階數。全國、浙江、陜西、遼寧、湖北五個樣本數據在VAR檢驗中的最大滯后階數均為二階（p=2）。就業增長率和全要素生產率之間關系的實證結果如式（19）-式（23）所示，依次為全國、浙江、陜西、遼寧和湖北的實證結果：

在VAR檢驗的基礎上對模型進行AR根檢驗，可得該模型所有根的倒數小于1，從而確定模型本身具有穩定性。觀察式（19）可以發現：就全國而言，全要素生產率滯后一期會對就業增長率產生負效應，滯后二期則產生正效應，即在短期中技術創新的就業替代效應占據主導地位，而在長期內技術創新的就業創造效應占據主導地位；就業增長率滯后一期會對全要素生產率產生負效應，滯后二期則產生正效應，即就業增長在短期內可能會抑制技術創新，但在長期內會促進技術創新。同理，觀察式（20）可以發現：浙江全要素生產率不論在短期還是長期對就業增長率均產生正效應，即技術創新的就業創造效應占據主導地位；而滯后一期和滯后兩期的就業增長率卻均對全要素生產率產生了負效應，即就業增長抑制了技術創新。這說明在浙江這樣經濟發達的省份，技術創新在不斷推動就業增長，但不斷提高的就業增長率卻抑制了技術水平的提升速度，使技術創新對就業增長的促進作用也越來越小。觀察式（21）可以發現：陜西全要素生產率的滯后一期會對就業增長率產生負效應，滯后二期則產生正效應，即在短期內技術創新的就業替代效應占據主導地位，在長期內技術創新的就業創造效應占據主導地位；就業增長率的滯后一期會對全要素生產率產生負效應，滯后二期則產生正效應，即就業增長在短期內可能會抑制技術創新，但在長期內會促進技術創新。觀察式（22）可以發現：遼寧全要素生產率的滯后一期會對就業增長率產生正效應，滯后二期則產生負效應，即在短期內技術創新的就業創造效應占據主導地位，在長期內技術創新的替代效應占據主導地位；而就業增長率的滯后一期會對全要素生產率產生負效應，滯后二期則產生正效應，即就業增長在短期內可能會抑制技術創新，但在長期內會促進技術創新。觀察式（23）可以發現：湖北全要素生產率不論短期還是長期都對就業增長率均產生負效應，即技術創新的就業替代效應占據主導地位；就業增長率的滯后一期會對全要素生產率產生負效應，滯后二期則產生正效應，即就業增長在短期內可能會抑制技術創新，但在長期內會促進技術創新。對式（19）—式（23）中全要素生產率與滯后期的就業增長率以及就業增長率與滯后期的全要素生產率之間相互影響的分析結果見表2所列。

表2 就業增長率與全要素生產率之間的相互影響

（三）脈沖響應分析

對VAR模型而言，單個參數估計值的經濟解釋是困難的，其應用除預測外，最重要的應用是脈沖響應分析和方差分解，脈沖響應函數描述的是某一內生變量對殘差沖擊的反應。具體而言，它描述的是在隨機誤差項上施加一個標準差大小的來自系統內部或外部的沖擊后對內生變量的當期值和未來值所產生的動態影響。使用脈沖響應函數分析法，分別研究五個樣本中就業增長率對技術創新受到一個標準差沖擊的反應程度。分析結果如圖1—圖5所示，圖中實線部分為計算值，虛線部分表示置信區間帶。

圖1 全國GRE對TFP的脈沖響應

圖5 湖北GRE對TFP的脈沖響應

圖1—圖5中，TFP代表全要素生產率，GRE代表就業增長率，5幅圖完整地模擬了當技術創新（全要素生產率）受到沖擊時對就業產生的影響。如圖1所示，當全國的技術創新受到一個標準差的沖擊時，就業率首先會大幅下降，表明技術創新對就業的替代效應起到主導作用。到了第2期下降到最低點，之后替代效應的強度逐漸減弱，就業創造效應逐漸凸顯并在第5期達到最大。在20期以后技術創新對就業的創造效應與替代效應逐漸達到一種相互抵消的狀態，總體動態就業效應趨向于0。圖2顯示浙江省在技術創新受到一個標準差的沖擊時，就業率會迅速上升，表明技術創新對就業的創造效應起到主導作用，并在第4期到達最高點。之后技術創新的就業創造效應有所減弱，就業替代效應和就業創造效應交替占據主導地位，表現為總體動態就業效應出現規律性的正負交替現象。在23期以后技術創新的創造效應和替代效應逐漸達到相互抵消的狀態，總體動態就業效應趨向于0。從長期來看，浙江省技術創新的就業創造效應大于就業替代效應，技術創新能有效提高就業率。圖3顯示陜西省技術創新受到一個標準差的沖擊時，就業率首先會大幅下降，表明技術創新對就業的替代效應起到主導作用。到了第2期下降到最低點，之后替代效應逐漸減弱，就業的創造效應逐漸凸顯并在第5期達到最大。在18期以后技術創新對就業的創造效應與替代效應逐漸達到相互抵消的狀態，總體動態就業效應趨向于0。圖4顯示遼寧省技術創新沖擊對就業增長率的影響，當技術創新受到一個標準差的沖擊時，就業率迅速上升，表明技術創新對就業的創造效應起到主導作用，并在第3期到達最高點。之后技術創新的就業創造效應有所減弱，就業替代效應和就業創造效應交替占據主導地位，表現為總體動態就業效應出現規律性的正負交替現象。在25期以后技術創新的創造效應和替代效應逐漸達到相互抵消的狀態，總體動態就業效應趨向于0。圖5顯示湖北省技術創新受到一個標準差的沖擊時，就業率首先會下降，表明技術創新對就業的替代效應起到主導作用，在第2期下降到最低點。之后就業替代效應減弱，就業創造效應逐漸凸顯并在第5期達到最大。在第15期以后技術創新對就業的創造效應與替代效應逐漸達到相互抵消的狀態，總體動態就業效應趨向于0。

圖2 浙江GRE對TFP的脈沖響應

圖3 陜西GRE對TFP的脈沖響應

圖4 遼寧GRE對TFP的脈沖響應

對于全國以及改革開放初期邁進步伐相對緩慢、國有經濟占據主導且市場活力效率低下的陜西和湖北兩省而言，初始的技術進步多由新技術、新設備和新管理經驗的引進所誘發，以引進、模仿為主的技術進步方式實現了技術設備對勞動的有效替代，短期內伴隨著勞動生產率的提高，會產生顯著的就業替代效應，造成大量在職冗員的失業現象。隨著改革的不斷深入，機制體制創新不斷激發市場主體的創新創業活力和提升市場效率，新技術設備的不斷引進和自主研發創新的不斷深入，技術設備對勞動的邊際技術替代率呈遞減趨勢，而其對就業的創造效應和補償效應不斷凸顯出來。技術創新的就業創造效應主要有兩個來源：一是在新產業或新經濟生態中通過技術和資本的不斷投入使總產出增加，企業增產增崗進而提高就業水平；二是企業在技術創新的過程中降低了產品和服務的生產成本進而使其價格水平下降，大大刺激民眾對產品與服務的需求，對產品和服務總需求的增加拉動就業增長。而作為改革開放先行試點區的浙江和遼寧，改革開放初始階段的一單位標準差對技術創新的沖擊使就業率大幅增長。究其誘因，浙江在改革開放之初國有經濟比較落后，隱性失業問題嚴重，政府放權導致市場主體創新創業活力和市場效率被有效激發，私營企業通過自主研發和技術引進創造了大量新的就業崗位，引發技術創新的就業創造效應；而遼寧在改革開放之初經濟發展水平在全國處于領先地位，國有經濟比較發達同時隱性失業率低，通過技術引進和內在的自主創新降低了產品和服務的生產成本，導致總需求增加繼而引發就業創造效應。身為改革的先行試驗區，遼寧以鄉鎮企業為主體的民營經濟發展較為快速，成為國有經濟的有效補充，在引進技術設備和不斷進行內生性技術創新的過程中創造了大量就業崗位。中期內全國以及四個典型省份技術創新的就業創造效應和就業替代效應交替占據主導地位，總體動態就業效應的方向取決于技術創新對就業崗位的引致效應和擠出效應的大小。在長期內，全國和所選四個省份技術創新對就業的創造效應與替代效應逐漸達到相互抵消的狀態，總體動態就業效應趨向于0。長期內的技術進步類似于中性技術進步，對就業的“雙刃劍”效應趨于消失。

五、結論與建議

通過構建理論模型分析技術創新對就業的影響路徑，本文重點分析了技術創新的替代效應和創造效應的作用機理，在此基礎上通過VAR模型實證檢驗了短期內和長期內兩種就業效應的強弱以及總體動態就業效應的方向。本文的主要結論為：

（1）就全國而言，短期內技術創新的就業替代效應大于就業創造效應，中期內就業替代效應和就業創造效應交替占據主導地位，表現為總體動態就業效應呈現出規律性的正負交替現象，長期內技術創新的就業創造效應與就業替代效應的作用力基本抵消，技術進步為中性技術進步。

（2）分區域來看，各階段技術創新在不同省份具有不同的動態就業效應，總體動態就業效應的方向和強弱與各地區的經濟發展水平、經濟結構和改革開放邁進水平（市場化水平）緊密相關。短期內經濟發展水平相對落后、國有經濟占據主導地位以及市場化水平較低的省份和區域，外生性的技術引進和經驗引進所帶來的就業替代效應大大強于就業創造效應，總體動態就業效應為負，表現為改革開放之初國有企業冗員的大量裁汰；而經濟發展水平相對較高、民營經濟作用凸顯和市場化水平顯著提升的省份和區域，在技術引進的同時所誘發的內生性技術進步，會引發產品和服務成本下降以及新產業和經濟生態的產生，進而導致就業創造效應強于就業替代效應，總體動態就業效應為正，表現為改革開放之初鄉鎮企業的蓬勃發展和大量農民工進城務工。中期內，隨著各省份改革開放步伐邁進速度的加快和市場化改革的日益深入，內生性技術創新通過影響各地區的經濟發展水平、經濟結構和市場化水平進而對產業結構和就業產生綜合影響。伴隨著經濟增長水平的周期性波動和新舊產業的周期性迭代，經濟增速放緩和產業迭代之初結構性失業較為嚴重，就業替代效應大于就業創造效應，總體動態就業效應為負；經濟增速加快和產業迭代升級后就業創造效應大于就業替代效應，總體動態就業效應為正。長期內，各地區經濟發展趨同，技術創新的就業創造效應與就業替代效應的作用力基本抵消，技術進步為中性技術進步。

依據上述結論，本文從技術創新的不同階段和不同區域兩個視角提出兩點建議：

（1）在發展階段層面，國家應優化不同時期的技術發展戰略和政策，同時做好配套的基本公共服務以弱化技術創新誘發的失業問題所帶來的負外部性。技術創新在不同時期內的動態就業效應是不同的，在技術創新的初始期往往存在著較強的替代效應。中央政府在短期內應采取就業穩定政策，并通過創新激勵政策刺激內生性技術變革，最大可能地降低外生引進型技術創新的就業替代效應以及由此所導致的社會負面影響。從中期來看，內生性技術創新往往會帶來產業結構和經濟結構的調整，從而導致勞動力就業技能供給和新創崗位就業技能需求的匹配度也隨之發生變化，極易引發大規模的結構性失業。此時政府在通過技術政策推動內生性技術創新的同時，應采取就業培訓補貼計劃、公共職業技能培訓和其他就業促進方式，加速推動勞動力的部門間流動，引導過剩勞動力向新興產業、新興部門和新經濟生態轉移，緩解由于技術創新的替代效應帶來的就業壓力。此外，中期內政府還可以通過完善社會保障和失業救濟制度，在一定程度上緩解失業者的生活壓力。長期內，中性技術進步的總體動態就業效應趨于0，因此政府宏觀政策的側重點在于推動技術創新和技術進步，要通過各項技術政策大力推動內生性技術水平的有效提升，此時就業政策不必進行大的調整。

（2）在區域層面，依據經濟發展水平、經濟結構和市場化水平實施不同的技術發展戰略和政策，在抑制外生性技術引進的就業替代效應和擠出效應的同時，優化內生性技術創新的就業創造效應和補償效應。具體而言，對于經濟發展水平較為落后、市場化水平比較低下和國有經濟占比較高的區域，地方政府在技術引進過程中應實施“非資本偏向型”的戰略，即鼓勵企業引進與勞動力要素有較強互補性而非替代性的資本設備和技術，通過技術引進的互補效應實現就業創造的目標；同時發揮“非資本偏向型”技術引進對勞動生產率的賦能效應，降低單位產品的生產成本和價格，刺激產品需求，繼而提高就業水平。對于經濟發展水平先進、市場化水平和私營經濟占比較高的區域，地方政府在優化外生性技術引進戰略的同時，應更加注重內生性技術創新和戰略性新興產業的發展。一要通過稅費優惠、財政補貼、政府采購以及設立專項發展基金、產業發展平臺等措施，破解企業技術創新過程中的資金、人才和土地要素制約，驅動企業內生性技術創新能力的不斷提升，推動新產品、新產業和新經濟生態的形成，進而創造出更多的新型就業崗位；二要持續推進產業層面的供給側結構性改革，深入推進“三去一降一補”戰略，加快新舊產業的周期性迭代步伐，不斷縮短結構性失業的失業時間和弱化結構性失業帶來的社會危害。