技術創新對知識型勞動力需求的影響研究

［摘"要］技術創新和人力資本積累都是城鄉區域經濟高質量發展的關鍵，但現有研究并未就二者之間的關系形成共識，且未區分自主型技術創新和引進型技術創新對于知識型勞動力影響的差異。通過構建基于任務框架的理論模型，并使用PCSE模型、固定效應模型、工具變量法研究了技術創新對知識型勞動力需求的影響。結果發現：自主型技術創新對知識型勞動力的相對需求有顯著的正效應，而引進型技術創新對知識型勞動力相對需求的影響為負。此外，研究還發現，技術創新對知識型勞動力相對需求的影響具有區域異質性和群體異質性：東部地區的自主型技術創新存在技能偏向的特點，但其引進型技術創新在抑制低水平人力資本就業的同時，也相對降低了對高水平人力資本的需求；在兩種技術創新的共同作用下，中部地區對低水平人力資本的需求有所上升，而西部地區則呈現出偏向高水平人力資本的趨勢。總體結果表明，現階段技術創新尚未對我國勞動力市場產生極化效應。

［關鍵詞］自主型技術創新；引進型技術創新；知識型勞動力

［中圖分類號］F241.21"［文獻標識碼］A

［文章編號］2095-7416（2024）03-0022-16

一、引言

當前經濟發展整體向技術創新驅動方向轉換，具體表現為以物聯網、機械智能、人工智能等為載體的技術投入在大數據和先進算法的支撐下進入生產過程。這一重大變革將會引起產業分工在上一輪科技革命的基礎上進一步發生調整，并重塑勞動力市場結構。在這一階段，工業生產正在逐步由傳統制造模式轉變為智能制造模式，知識和技術密集型生產將逐漸取代勞動密集型生產，形成智能化作業的新型生產方式。在該模式下，一方面，無論是前期研究試驗工作，還是產品的開發及后期配置工作，每個生產環節都對知識和技能要素的投入提出了新的要求，因此對知識型勞動力的需求無疑將發生重要變化；另一方面，引進型技術創新在全球范圍內不斷推進，2006—2022年，我國高新技術產品進口額從2473億美元增加到7606億美元，增長了兩倍有余。當前引進型技術創新主要包括技術貿易和技術投資兩種方式：前者是指引進的成熟技術凝結在進口商品中，其特點在于已標準化且可復制；后者是指將先進的核心技術引進并融入生產過程，與知識型或技能型勞動力耦合提升生產效率，從而實現技術革新［1］。我國各地區在經濟實力、資源稟賦和產業結構等方面存在較大差異，故在引進型技術創新的選擇上具有區域異質性。

隨著我國高等教育的大規模擴張，本科及以上學歷的勞動力群體迅速壯大，國家統計局數據顯示，2007—2022年，知識型勞動力占全體勞動力的比重由2.3%增長至11.6%，并存在持續增長的趨勢。全球技術變革背景下，技術創新的演進促使我國就業結構發生變化，知識型勞動力的就業形勢將如何變化成為亟待探索的重要問題。我們將技術創新區分為自主型技術創新與引進型技術創新，深入探究這兩類技術創新對知識型勞動力群體的需求有何影響，本文的邊際貢獻主要有二：一是明確了自主型創新和引進型創新兩類技術創新對知識型勞動力需求的影響，二是探究了異質性人力資本在技術創新驅動下表現出的就業的區域差異，豐富了新技術革命對就業結構影響的相關研究，為勞動力結構優化提供了理論依據。

二、相關文獻回顧

重大的技術變革必然會對勞動力市場造成沖擊［2］，現有文獻已經就傳統技術進步對就業均衡［3-5］及就業結構［6-7］的影響進行了大量的分析論證。關于智能化背景下技術創新的發展前景，一些學者對“機器換人”理論持支持態度［8-10］，認為技術沖擊將對就業產生顯著而持久的破壞；與之相反，對技術創新持樂觀態度的研究也不在少數［11-12］，這類研究主要集中于以下兩個方面：一是技術創新通過降低生產成本和提高生產效率的方式獲取額外利潤，從而激勵企業擴大再生產，創造更多的就業崗位［13］；二是技術創新帶動了相關產業鏈和新部門的發展，這種就業創造機制為被擠出市場的勞動力群體提供補償［14］。但更多研究指出，技術創新（包括最前沿的人工智能技術）對于就業的影響并非單一的傳導路徑，而更貼近一種多重動態反饋：短期內，技術創新的確會擠出部分就業崗位，提高生產率，同時降低生產成本；長期內，逐漸成熟的新技術將創造出大量相關的工作崗位，形成新的產業，從而容納更多勞動力參與就業［15］。

就技術創新對知識型勞動力的影響而言，在對馬克思關于“復雜勞動”的定義進行解釋時，有學者認為可將復雜勞動擴展至直接生產過程之外的“科學勞動”這一范疇，即凝結了大量Ramp;D投入的新產品，也必然蘊含著比社會平均勞動更為復雜和價值更高的勞動［16］。伴隨著信息技術革命深入發展，“邊際成本遞增”的概念已經被顛覆，不同于傳統物質資本，信息化產品具備創新性和積累性的特征，盡管對勞動要素存在替代，但依然不能撼動工業規模化生產的特征［17］。將這一觀點延伸至當前智能化技術革命時期，關于被技術創新擠出的這部分就業群體，一些學者認為將導致就業金字塔內部空心化［18-21］；另一些學者則認同技術創新將導致就業單向極化的現象，其中“技能偏向型技術進步”假說在經濟學界占據主流地位，該假說認為技術創新傾向于增加對高學歷、高技能的勞動力需求，而非知識型勞動力因不能適應市場發展而遭到淘汰［22-23］。這些觀點較為一致的部分在于，技術創新對知識型勞動力需求的影響偏向于正向效應，即無論哪一時期，知識型和技能型勞動力的相對需求和工資總是增加的。然而，隨著智能化技術與實體經濟融合發展，可能對當前的就業結構產生沖擊，改變傳統理論中對就業極化的認識。

從引進型技術創新的視角看待這一問題，根據內生增長理論，先進技術的引進是生產率增長和創新發展的動力［24］，與自主研發帶來的影響類似，對勞動力需求存在雙向效應［25-28］。一些研究結果表明，技術創新含量較高的進口商品總體上會使技術進步偏向知識型勞動力，從而增加對該群體的相對需求，對我國就業結構的優化具有正向影響［29-30］；此外，從技術進步偏向性的視角出發，一些學者發現，研發類外資在短期內促進技術進步偏向勞動，工人受教育程度會抑制技術進步偏向資本［31］。另一種觀點認為，不同的技術引進對本土勞動力結構的影響存在差異，通過對H-O貿易理論和Feenstra-Hanson外包理論的驗證，相關文獻發現在資本和技術密集型企業中，中間品的進口顯著抑制了高技能工人就業比例的提升，而外商直接投資對該群體的就業效應則表現為促進［32］。

通過對現有研究進行梳理，可以得出以下幾點結論：第一，目前國內外普遍認同技術創新對勞動力需求存在“雙面效應”，作為影響就業的一個重要因素，技術創新不僅會對勞動力就業產生直接的替代效應，也會通過提高生產率、降低成本等方式增加就業需求，因此技術創新對就業的凈效應分析尚未形成較為統一的觀點；第二，現有成果一般認同自主技術創新有利于提高對知識型勞動力的相對需求，但對技術創新是否會引起就業極化尚未形成一致判斷；第三，在智能化與開放化雙重背景下，現有研究尚未區分自主型技術創新和引進型技術創新對于知識型勞動力的異質性影響，可能會造成關于就業資源分配效應的研究結論存在偏差。因此，我們將從自主型創新和引進型創新的雙重視角出發，探討兩類技術創新對知識型勞動力需求的異質性影響，并在此基礎上探究技術創新對勞動力影響的區域異質性和群體異質性。

三、理論分析

基于Acemoglu和Restrepo的高、低技能工人替代對比框架，我們構建了一個基于任務框架的數理模型，從理論層面分析自主型和引進型技術創新對知識型勞動力需求的影響。假設生產函數中的投入要素包括知識型勞動力與非知識型勞動力、自主型和引進型兩類智能化技術以及傳統物質資本，構建Cobb-Douglas生產函數：

lnY=∫N0yxdx1）

式中，Y表示總產量，yx表示單位工作任務x的產出。定義M∈0，N，令M規定工作任務的復雜程度，將xlt;M部分的工作任務定義為簡單工作，由非知識型勞動力完成；將xM部分的工作任務定義為復雜工作，由知識型勞動力完成。知識型勞動力與非知識型勞動力的差異主要表現為他們的勞動生產率之間的差異，在0，J上，非知識型勞動力具有比較優勢，在J，N上，知識型勞動力具有比較優勢。由于不是所有的工作任務都能被物質資本替代，故定義界限I1∈0，N，I2∈I1，N，I3∈I2，N，將工作任務分為可以被替代的部分0，Ii和不能被替代的部分Ii，N，i=1，2，3，具體地，根據技術創新的發展情況，假設0，I1部分由傳統物質資本完成，I2，minJ，M部分由自主型技術創新完成，M，I3部分由引進型技術創新完成，不能被替代的部分均由勞動力完成。

在對工作任務產出的短期均衡分析中，定義市場出清狀態下非知識型勞動力的均衡工資率為Wφ，生產率為γφ；知識型勞動力的均衡工資率為Wλ，生產率為γλ。將傳統物質資本的生產率標準化為1，自主型技術創新的生產率為γrd，引進型技術創新的生產率為γfrd，物質資本租金率為R。將工作任務劃分給上述投入要素后，可以確定工作任務x的均衡價格px，在此基礎上，推導Cobb-Douglas總產出函數，以明確物質資本與勞動力的相對需求量，將最終產品的價格標準化為1，有：

∫NN－1lnpxdx=0（2）

∫I1N－1lnRdx+∫I2I1lnWφ－lnγφxdx+∫minJ，MI2lnR－lnγrddx+∫MminJ，MlnWλ－lnγλxdx+∫I3MlnR－lnγfrddx+∫NI3lnWλ－lnγλxdx=0（3）

資本市場與勞動力市場出清時，完成單位工作任務x對傳統物質資本的需求量為YR，對自主型技術創新的需求量為Y·γrdR，對引進型技術創新的需求量為Y·γfrdR，對知識型勞動力的需求量為Y·γλWλ，對非知識型勞動力的需求量為Y·γφWφ，將要素需求與它們所分配的工作任務范圍相結合，可以得到均衡狀態下的要素總需求Lφ、Lλ、K：

Lφ=YWφ∫I2I1γφxdx

（4）

Lλ=YWλ∫MminJ，Mγλxdx+∫NI3γλxdx（5）

K=YRI1+minJ，M－I2γrd+I3－Mγfrd （6）

因此，式（3）即可轉變為Cobb-Douglas生產函數：

Y=ε·KI1－N+1+minJ，M－I2+I3－M·LφI2－I1·LλM－minJ，M+N－I3（7）

ε=I1－N+1ln1ΓK+∫I2I1lnγφxΓLdx+minJ，M－I2lnγrdΓK+ """""∫MminJ，MγλxΓHdx+I3－MlnγfrdΓK+∫NI3lnγλxΓHdx（8）

ΓK=K·RY， """"""ΓH=Lλ·WλY， """""""ΓL=Lφ·WφY（9）

minJ，M和I3分別界定了均衡狀態中相較于自主型和引進型技術創新而言，知識型勞動力具備比較優勢的范圍，為進一步明確自主型技術創新的發展程度及其對知識型勞動力的影響方向，重點考慮minJ，M=J的情況。基于以上對工作任務的分類，均衡狀態下，物質資本在區間0，I1∪I2，J∪M，I3內存在比較優勢，廠商會優先選擇物質資本進行生產。因此知識型勞動力執行的工作任務范圍為J，M∪I3，N。此外，J、I2和I3的選擇取決于要素價格，當簡單工作中創新成本Rγrd較低時，廠商傾向于擴大技術生產范圍，以擠出非知識型勞動力；當復雜工作中創新成本Rγfrd較低時，廠商傾向于提高I3，以擠出知識型勞動力，具體分析如下：

dlnLλdJ=－γλJ+lnWλγλJ－lnRγrd[JZ）]（10）

dlnLλdI3=－γλI3+lnWλγλI3－lnRγfrd[JZ）]（11）

將式（10）進行分解，有－γλJlt;0，即自主型技術創新對知識型勞動力存在替代效應，除此之外，根據前提假設，知識型勞動力在簡單工作中具備高于自主型技術創新的比較優勢，因此lnWλγλJ－lnRγrdgt;0，可理解為技術進步降低了生產成本，同時提高了生產效率，從而對知識型勞動力的就業產生了正向推動，最終，自主型技術創新對知識型勞動力的影響取決于以上兩種效應抵消后的凈值。同理，將式（11）進行分解，得到－γλI3lt;0，此為引進型技術創新對知識型勞動力的替代效應，而lnWλγλI3與lnRγfrd的大小取決于引進型技術創新的發展程度。在產業集聚的發達地區，貿易開放程度往往較高，將國外先進技術引進并融入生產中，使得物質資本生產率有所上升，當其超過知識型勞動力的生產率時，lnWλγλI3－lnRγfrdlt;0，即發達地區引進的技術創新趨于擠出知識型勞動力，而在欠發達地區，出于信息不對稱等原因，存在引進技術與生產活動不能完全適配的情況，物質資本對知識型勞動力的替代被削弱，即lnWλγλI3－lnRγfrdgt;0，對于知識型勞動力的影響取決于正負效應抵消后的凈值。

基于上述分析，提出假設H1、H2。

H1：技術創新具備資本偏向與勞動偏向兩個特征，自主型技術創新將促進知識型勞動力就業，而引進型技術創新則對其產生抑制效應。

H2：經濟發展水平不同的地區在勞動力市場完善程度、創新支持力度和對外貿易依存度等方面存在差異，因此，技術創新對知識型勞動力需求的影響存在區域異質性。

四、模型構建與實證檢驗

（一）模型構建與數據準備

基于上述理論分析，區分自主型創新和引進型創新，并分階段引入解釋變量，構建技術創新影響我國知識型勞動力需求的回歸方程如下：

lshit=β0+β1rdit+∑jδjXit+υi+μt+εit（12）

lshit=β0+β1rdit+β2frdit+∑jδjXit+υi+μt+εit （13）

其中，lsh為知識型勞動力的相對需求，知識型勞動力通常被定義為完成高等教育的已就業勞動力，因此我們選取大學本科及以上教育水平的勞動力占其他教育水平勞動力的比重作為各省知識型勞動力相對需求的衡量指標。

rd為研發經費投入強度。作為第四次工業革命的核心領域，智能化的蓬勃發展必須建立在改進算法、提升數據處理能力等技術基石之上，技術開發需要大量的經費投入，某地區研究經費的投入能夠直接反映出該地區技術創新和智能化發展的情況，因此我們選取研究與試驗發展（Ramp;D）經費投入強度的省級數據，以此代表技術創新的自主研發力度。

frd為進口技術依存度。參考Lichtenberg 和 Potterie ＼[33＼]以及李平和許家云＼[34＼]的計算方法構建該指標：

rdft=∑jmjtrdimpjtyjt（14）

式中，rdft為本國的技術進口總量，mjt為本國在t時期自j國的進口總量，rdimpjt為t時期j國的Ramp;D資本存量，yjt為t時期j國的國內生產總值，考察包括OECD國家、俄羅斯、新加坡等34個經濟發展水平較高且與中國大陸貿易往來較為密切的國家及地區。考慮到構建省級面板數據的需要，將式（14）轉變為：

frdit=rdftyt·mit∑imit （15）

式中，yt為本國的國內生產總值，mit∑imit為t時期i地區對外貿易進口額與全國對外貿易進口額之比，以此作為權重與rdftyt相乘，得到省級進口技術依存度frdit。

考慮到省級層面的其他因素也會對知識型勞動力需求產生重要影響，特別是遺漏既影響rd和frd，又影響lsh的變量將會使估計系數產生較大偏誤，因此回歸方程中加入控制變量：（1）資本存量（lnk）：參照張軍等＼[35＼]的方法，本文以1978年為基期使用永續盤存法對我國29個地區的物質資本存量進行估計①；（2）人均生產總值（lny）：各地區實際人均生產總值（以2007年為基期），代表地區人均收入水平②；（3）互聯網普及率（Intnet），參照Bckerman等的觀點＼[20＼]，目前自動化及智能科技的創新與信息化的發展關系密切，智能產品的應用必須依靠網絡技術的普及，互聯網普及情況能夠代表地區的創新性、智能化活動的發展程度③；（4）外商直接投資（fdi）：選取實際利用外商投資額占全社會固定資產投資的比重，以此衡量各地區外商投資水平；（5）城鎮化水平（urban）：選取各地區城鎮人口占總人口的比重，以此衡量各地區的城鎮化水平；（6）政府參與度（gov）：選取地方財政一般預算支出占地方生產總值的比重表示地區政府的經濟參與度；（7）教育投入（edu）：教育投入是人力資本積累的重要指標，選取地方財政教育支出占比進行衡量。

我們構建了2007—2016年29個省級行政區的平衡面板數據（西藏、重慶因相關數據缺失未納入樣本），數據來源于OECD iLibrary數據庫、《新中國五十年統計資料匯編（1949—1999）》《中國互聯網絡發展狀況統計報告》《中國勞動統計年鑒》及各省統計年鑒，缺失值采用插值法補充。

變量的描述性統計見表1。

（二）基準回歸

根據上述實證模型，對省級面板數據進行混合回歸，利用最小二乘虛擬變量（LSDV）方法，觀察到幾乎所有個體虛擬變量均在1%的顯著性水平上顯著，故認為存在個體固定效應。進一步地，Hausman檢驗顯示，x2在1%的顯著性水平上顯著，表示應采取固定效應模型（FE）進行估計，相關結果報告在表2中。在固定效應模型下，若Ramp;D經費投入力度提高1%，知識型勞動力的相對需求提高2.39%左右，當進口技術依存度提高1%，知識型勞動力的相對需求會降低5.58%。

在此基礎上，經過Wald檢驗，發現模型擾動項存在組間異方差，但不存在組間同期相關，故采用面板校正的標準差估計（PCSE）方法，以得到較為穩健的估計結果。首先就自主型技術創新對知識型勞動力的影響進行檢驗，結果標記為PCSE（1）。回歸結果表明，當Ramp;D經費投入力度提高1%時，知識型勞動力的相對需求會提高6.21%，即提高自主研發投入力度能夠提高對高學歷勞動力的相對需求，這一結論與Acemoglu和Restrepo＼[36＼]、孫早和侯玉琳＼[7＼]的研究發現相吻合，這說明自主研發將有效提高對知識型勞動力的相對需求，從而優化就業結構。

注：系數下方括號內為變量的標準誤，*、**、***分別表示在10%、5%、1%的顯著性水平下通過檢驗。

進一步地，就自主型和引進型技術創新對知識型勞動力需求的雙向影響進行檢驗。在回歸方程中加入進口技術依存度（frd）這一變量，并在此基礎上盡可能添加控制變量，以減少遺漏變量的可能，回歸結果見PCSE（2）—PCSE（4）。PCSE（2）的結果表明，rd的影響系數為5.92%，frd系數的絕對值較固定效應模型有所下降，為2.46%且不顯著，更加符合理論預期。隨著控制變量的增加，Ramp;D經費投入強度（rd）依然會提高對知識型勞動力的相對需求，但回歸系數降為5.48%，而進口技術依存度（frd）的上升則對知識型勞動力就業存在顯著的負向作用，回歸系數為-4.41%，其原因可能在于，引進型技術具有高度自動化和智能化的特點，可能會對知識型勞動力產生替代效應，假設H1得證。

（三）穩健性檢驗

盡管使用面板校正標準誤進行最小二乘估計，以及利用固定效應模型對變量進行回歸，并對各種可能影響回歸結果的變量加以控制，可以在一定程度上避免遺漏變量偏誤，但知識型勞動力就業與技術創新之間仍存在潛在反向因果關系，這是因為一方面技術創新可能影響知識型勞動力的需求，另一方面知識型勞動力就業的相對增加也有助于促進技術創新，特別是自主型技術創新。為了解決上述內生性問題，引入兩個工具變量：以地方財政科學技術投入占比（lfe）作為rd的工具變量，以對外開放程度（open），即地區進出口總額與國內生產總值之比，作為frd的工具變量。有效的工具變量需要滿足兩個核心假定：一是相關性假定，即地方財政科學技術投入占比與地方研發經費投入強度高度相關、對外開放程度與引進技術進口總量高度相關，顯然二者符合這一假定；二是外生性假定，即工具變量與擾動項不相關，雖然在恰好識別的情況下很難進行這一檢驗，但邏輯分析可以得知，地方財政科技支出主要受到財政分權、地方政府對科技發展的重視程度等政策性因素的影響，外生性較強，通常僅通過影響企業研發經費投入影響知識型勞動力的需求，而對外開放程度很大程度上受制于國際政治經濟局勢和國家對外政策，主要通過技術進口因素對知識型勞動力需求產生影響，因此相對外生。另外，鑒于模型中已經控制了資本存量、人均生產總值、外商直接投資、城鎮化水平等反映地區經濟發展水平的變量，可以有效避免地方財政科學技術投入占比和對外開放程度通過其他潛在渠道影響知識型勞動力需求。綜合上述分析，將地方財政科學技術投入占比和對外開放程度作為工具變量具有一定的合理性。

Hausman檢驗分別在5%和1%的顯著性水平上認為rd與frd均為內生變量，且工具變量具有較強的解釋力，二者皆不為弱工具變量。使用二階段最小二乘（2SLS）方法進行估計，結果報告在表3中，分別標記為（1）與（2），兩個核心解釋變量的系數符號及顯著程度與上述基本回歸保持一致，數值基本合理。

為進一步驗證實證結論的合理性，在前文所選取的變量基礎上，替換數據形式，將比值形式的變量替換為絕對量，用CPI指數（以2007年為基期）平減后進行回歸分析，結果報告在表3第（3）列。可見，地區Ramp;D經費支出每增加1萬元，知識型勞動力的需求將提高0.2人，引進技術所蘊含的Ramp;D經費投入每增加1萬元，知識型勞動力的需求將降低0.5人，支持本文基本結論。

此外，我們還擔心核心解釋變量的選取仍可能導致回歸結果偏誤，故對替換核心變量的指標進行穩健性檢驗。高技術產業是應用尖端技術從事生產活動的產業，包括醫藥制造業、航空航天器及設備制造業、電子及通信設備制造業、計算機及辦公設備制造業、醫療儀器設備及儀器儀表制造業，以及信息化學品制造業六個主要行業，具備知識密集、技術密集、研發投入強度大的特點，代表一國制造業發展的前沿方向，故本文分別選取2007—2016年各地區高技術產業內資企業和外資（含港澳臺資）企業的主營業務收入數據，作為自主型技術創新和引進型技術創新的替代變量。以上兩組數據用CPI指數（以2007年為基期）進行平減，取對數后放入模型（13），考慮到企業發展對勞動力就業具有滯后作用，將這兩個變量滯后一期進行估計，分別標記為L.lndoc、L.lnfoc，被解釋變量及其他控制變量保持不變，結果報告在表3第（4）列，穩健性檢驗支持本文基本結論。

注：系數下方括號內為變量的標準誤，*、**、***分別表示在10%、5%、1%的顯著性水平下通過檢驗。

（四）進一步分析

為考察各區域間異質性人力資本的需求變化，本文將通過對人力資本的進一步劃分，集中驗證自主型與引進型技術創新影響知識型勞動力就業的區域差異。設定被解釋變量為知識型勞動力相對需求（lsh）、高水平人力資本的就業需求（high）、中等水平人力資本的就業需求（mid）和低水平人力資本的就業需求（low），并在計量模型（13）的基礎上加入區域虛擬變量Dit，以及其同核心解釋變量rd、frd的交互項，得到計量模型（16）—（19）：

lshit=[WB]β0+β1rdit+β2frdit+∑nθnrdit×Dit+∑nγnfrdit×Dit+" " " ∑nσnDit+∑jδjXit+υi+μt+εit （16）

highit=β0+β1rdit+β2frdit+∑nθnrdit×Dit+∑nγnfrdit×Dit+" " " "∑nσnDit+∑jδjXit+υi+μt+εit （17）

midit=β0+β1rdit+β2frdit+∑nθnrdit×Dit+∑nγnfrdit×Dit+" " " ∑nσnDit+∑jδjXit+υi+μt+εit （18）

lowit=β0+β1rdit+β2frdit+∑nθnrdit×Dit+∑nγnfrdit×Dit+ """"""∑nσnDit+∑jδjXit+υi+μt+εit（19）

1.區域差異回歸分析

根據中國的自然地理區劃，將29個省級行政區分為東、中、西三個區域，設置區域虛擬變量與解釋變量的交互項，同區域虛擬變量一同放入PCSE模型中，具體檢驗兩類技術創新對各區域知識型勞動力相對需求（lsh）的影響差異。表4匯報了以東部區域為參照組的回歸結果，由于默認控制變量在各區域間的作用效果一致，故表4僅報告了核心解釋變量rd與frd的估計結果。

根據回歸結果，東部區域的自主型技術創新對知識型勞動力的相對需求存在正向影響，引進型技術創新則對其存在負向影響。一方面，東部區域覆蓋我國東南沿海，地理位置優越，屬我國綜合技術水平較高的經濟區，受北京、上海、廣州及深圳的經濟發展輻射，技術創新水平較其他地區更為先進。從中國人工智能企業發展趨勢來看，北京、廣東及上海三省市的人工智能企業數位居全國前三，且每年保持穩定上升的趨勢，其中，截至2022年10月，北京擁有人工智能核心企業1048家，占我國人工智能核心企業總量的29%，位列全國第一④。技術創新帶來的收益激勵企業增強對人力資本的吸納能力，因此，以上區域對知識型人才的需求量與日俱增，逐漸形成區域性就業極化的態勢。另一方面，東部地區港口云集，軌道交通發達，屬我國進出口貿易發達地區，從回歸結果來看，引進型技術創新與當地知識型勞動力的相對需求呈顯著的負相關關系。其原因在于，這些經濟區的進口技術依存度普遍較高，吸納進口技術的方式多為技術投資，與自主研發相比，進口的先進技術能夠直接融入生產過程，規避了存在資源錯配等問題造成的時滯影響，從而降低了對知識型勞動力的相對需求。

我國各地區發展情況極不平衡，創新研發和引進的側重點不同，西部區域的回歸結果同樣說明自主型技術創新會提高知識型勞動力的相對需求，但影響系數較東部區域降低5.64%，同時，引進型技術進步對西部地區知識型勞動力就業也具備促進作用。中部區域的計量回歸反映出的結果與整體結論相反，自主型技術創新對知識型勞動力的相對需求存在輕微的抑制作用，引進型技術創新的影響則不顯著。本部分的回歸結果驗證了假設H2。鑒于技術創新表現出的區域異質性，有必要再次劃分就業群體，以便于更為細致地考核兩類技術創新對不同人力資本的影響。

注：系數下方括號內為變量的標準誤，*、**、***分別表示在10%、5%、1%的顯著性水平下通過檢驗，（-）表示變量的影響系數小于1%。

2.人力資本異質性回歸分析

為進一步探究自主型和引進型技術創新對不同的人力資本產生的具體影響，以勞動力受教育程度為標準將勞動力群體分為三類，將未上過學、小學、初中學歷勞動力定義為低人力資本（low），普通高中、職業高中、大專學歷勞動力定義為中等人力資本（mid），大學本科及研究生學歷定義為高人力資本（即知識型勞動力，high）。用以上三類勞動力就業數量占比作為被解釋變量，分別代入模型（16）—（19），以東部區域作為對照組，對三個區域間的影響差異進行估計，結果匯報在表4中。

回歸結果顯示，東、中、西三個地區存在共同特點，即兩種技術創新對高人力資本和低人力資本需求的影響效應基本對稱，此外，對高人力資本和中等人力資本需求的影響效應趨于一致。具體來看，東部地區的自主型技術創新存在技能偏向的特點，體現在其對就業結構產生了向上的推力，促進高人力資本和中等人力資本的就業，降低對低人力資本的需求。此外，東部區域引進型技術創新在抑制低人力資本就業的同時，也在一定程度上降低了對高人力資本的需求。其主要原因在于，技術引進結合東部地區的先進生產方式對知識型勞動力產生了一定程度的替代，同時，進口技術融入本國生產時附加的基礎建設和維護工作為中等人力資本提供了更多就業機會。因此，對于該區域的低人力資本而言，兩類技術創新均會導致不同程度的就業擠出效應，而在兩種技術創新方式的耦合作用下，東部區域技術創新程度的提升，會增加勞動力市場上對于高水平人力資本的需求。

中部和西部區域的回歸結果顯示，技術創新對這兩個區域的勞動力需求影響相反：在兩種技術創新方式的共同作用下，中部區域對低人力資本的需求有所上升，而西部區域呈現出偏向高人力資本的需求趨勢。作為國家重要的資源富集區，西部地區承擔著數項重要的國家工程項目，開發潛力很大，技術創新加快了相關工業領域的自動化進程，從而對知識型勞動力的需求與日俱增。不同于較為發達的東部區域，西部區域的引進技術多為已標準化的成熟技術，從而對低人力資本產生要素替代，同時，西部地區旅游和服務業的發展有能力更多地吸納中等人力資本就業。總體上來看，就知識型勞動力而言，自主創新研發帶來的技術進步對就業的促進作用向東部區域集聚，現階段我國整體勞動力市場尚未體現出“極化”的趨勢。

五、結論與政策建議

進入新時代，經濟增長的動力由要素驅動和投資驅動轉變為創新驅動，技術創新對當前的勞動力市場提出了新的要求。本文從自主型創新與引進型創新的雙重視角，揭示了技術創新對知識型勞動力需求的影響。通過理論和經驗分析，得出以下結論：第一，整體來看，自主型技術創新會提高對知識型勞動力的相對需求，而引進型技術創新則會降低對該群體的相對需求。第二，技術創新對知識型勞動力的影響存在區域差異，東部區域知識型勞動力相對需求的變化趨勢與整體回歸結果一致，中部區域的兩類技術創新均會降低對知識型勞動力的相對需求，而西部區域的兩類技術創新均會提高對知識型勞動力的相對需求。第三，技術創新對不同人力資本的影響存在區域差異，技術創新對高人力資本和中等人力資本的影響效應趨于一致，對高人力資本和低人力資本的影響相反，就東部區域而言，技術創新導致就業向中高水平人力資本集聚，同時促進了西部地區對中、高人力資本和中部地區對低人力資本的需求，現階段我國整體勞動力市場尚未出現就業“極化”現象。

以上結論的啟示如下：自主創新是推動實現高質量發展的必由之路，創新驅動的實質在于人才驅動。當前全球正處于智能化技術蓬勃發展的紅利期，應大力加強自主創新活動的支持和投入，著力培養高質量知識型人才，從而提高勞動力技能與先進生產的匹配度。在智能化、開放化背景下，應合理運用自身比較優勢，降低引進技術依存度，加快將引進的先進技術轉化為自主創新動力。同時，針對不同地區在引進和吸收技術創新時所存在的巨大差異，應實施差別化、有傾斜的創新發展政策，因地制宜，在提升培養知識型勞動力的同時最大程度地吸收剩余勞動力，以期實現我國就業結構的進一步優化。

注釋

①在估計資本存量時，由于重慶市缺失1978—1994年固定資本形成總額的具體數據，故將其從觀測樣本中剔除，以確保估計結果準確。此外，在對四川省的資本存量進行估計時，根據1987—1994年重慶市固定資產投資在四川省的占比，調整四川省1978—1994年的固定資本形成總額，避免四川省資本存量的估計結果在1994年后出現斷崖式下滑。

②山西省缺失2007—2016年人均生產總值指數，故借鑒李文星等（2009）的方法，計算以2007年為基期的山西省人均生產總值。

③中國互聯網絡信息中心所發布的歷年全國分省網民規模數據截止到2016年，2017年開始不再公布省級網民規模數據。

④《2022年北京人工智能產業發展白皮書》，北京市政府，2023.2。

參考文獻

［1］吳鵬，常遠，陳廣漢.技術創新的中等收入分配效應：原創還是引進再創新［J］.財經研究，2018，44（7）：126-141.

［2］杜傳忠，許冰.第四次工業革命對就業結構的影響及中國的對策［J］.社會科學戰線，2018（2）：68-74.

［3］Acemoglu D，Restrepo P.Low-skill and High-skill automation［J］.Journal of Human Capital，2018，12（2）：204-232.

［4］程承坪，彭歡.人工智能影響就業的機理及中國對策［J］.中國軟科學，2018（10）：62-70.

［5］王春超，丁琪芯.智能機器人與勞動力市場研究新進展［J］.經濟社會體制比較，2019（2）：178-188.

［6］Autor D.Why are there still so many jobs？ The history and future of workplace automation［J］.Journal of Economic Perspectives，2015，29（3）：3-30.

［7］孫早，侯玉琳.工業智能化如何重塑勞動力就業結構［J］.中國工業經濟，2019（5）：61-79.

［8］Nilsson N J.The quest for artificial intelligence：A history of ideas and achievements［M］.Cambridge：Cambridge University Press，2010.

［9］Frey C B，Osborne M.The future of employment：How susceptible are jobs to computerization［J］.Technological Forecasting and Social Change，2013，114（1）：254-280.

［10］Frey C B，Osborne M.Technology at work：The future of innovation and employment［J］.Oxford Martin Programme on the Impacts of Future Technology，2015.

［11］Arntz M，Gregory T，Zierahn U.The risk of automation for jobs in OECD countries［R］.OECD Social Employment and Migration Working Papers No.189，2016.

［12］何玉長，方坤.人工智能與實體經濟融合的理論闡釋［J］.學術月刊，2018，50（5）：56-67.

［13］蔡昉.中國經濟增長如何轉向全要素生產率驅動型［J］.中國社會科學，2013（1）：56-71+206.

［14］Acemoglu D，Restrepo P.Artificial intelligence，automation and work ［DB/OL］.NBER Working Papers No.24196，2018.

［15］王君，張于喆，義博，等.人工智能等新技術進步影響就業的機理與對策［J］.宏觀經濟研究，2017（10）：169-181.

［16］孟捷.技術創新與超額利潤的來源——基于勞動價值論的各種解釋［J］.中國社會科學，2005（5）：4-15+204.

［17］羅潤東.技術進步中的勞動要素需求模型［J］.經濟評論，2004（5）：63-67.

［18］寧光杰，林子亮.信息技術應用、企業組織變革與勞動力技能需求變化［J］.經濟研究，2014，49（8）：79-92.

［19］Autor D.Polanyis paradox and the shape of employment growth ［DB/OL］.NBER Working Papers No.20485，2014.

［20］B?ckerman P，Laakonen S，Vainiomki J.Are jobs more polarized in ICT firms？ ［DB/OL］.IZA Discussion Papers No.9851，2016.

［21］惠建國.歷史唯物主義視角下的人工智能就業影響研究［J］.山東工會論壇，2020，26（1）：50-57.

［22］郝雨霏，張順.勞動力就業市場化、人力資本與人職匹配［J］.人口與經濟，2016（2）：79-85.

［23］李靜，劉霞輝，楠玉.提高企業技術應用效率加強人力資本建設［J］.中國社會科學，2019（6）：63-84+205.

［24］Grossman G，Helpman E.technology and trade［J］.European Economic Review，1991，35（3）：517-526.

［25］Oslington P.Unemployment and trade liberalization ［J］.World Economy，2005，28（8）：1139-1155.

［26］Pavcnik G.Distributional effects of globalization in feveloping countries［J］.Journal of Economic Literature，2007，45（1）：39-82.

［27］Autor D，Dorn D，Hanson G H.The china syndrome：Local labor market effects of import competition in the United States［J］.American Economic Review，2013，103（6）：2121-2168.

［28］張川川.出口對就業、工資和收入不平等的影響——基于微觀數據的證據［J］.經濟學（季刊），2015，14 （4）：1611-1630.

［29］劉玉海，張默涵.貿易技術含量、偏向型技術進步與中國就業結構［J］.國際貿易問題，2017（7）：74-84.

［30］朱巧玲，李敏.人工智能、技術進步與勞動力結構優化對策研究［J］.科技進步與對策，2018，35 （6）：36-41.

［31］吉生保，許佳，馬淑娟，等.中國的研發類外資利用親民嗎？——技術進步偏向性的視角［J］.財經論叢，2020（5）：12-20.

［32］唐東波.全球化對中國就業結構的影響［J］.世界經濟，2011，34（9）：95-117.

［33］Lichtenberg F，Potterie B.International Ramp;D spillovers a comment［J］.European Economic Review，1998，42（8）：1483-1491.

［34］李平，許家云.國際智力回流的技術擴散效應研究——基于中國地區差異及門檻回歸的實證分析［J］.經濟學（季刊），2011，10（3）：935-964.

［35］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000［J］.經濟研究，2004（10）：35-44.

［36］Acemoglu D，Restrepo P.Unpacking skill bias：Automation and new tasks［J］.AEA Papers and Proceedings，2020（110），356-361.

Research on the Effect of Technological Innovation on the Demand for Knowledge-based Labor：

Dual Perspectives of Independent Innovation and the Introduction of Innovation

GUO Yidi1，SA Kaiyue2

（1.China Academy of Information and Communications Technology，Beijing，100095；

2.School of Finance，Shandong Technology and Business University，Yantai，Shandong Province，264003）

Abstract：Technological innovation and human capital accumulation are both key factors for urban and rural high-quality economy development，but existing studies have not reached a consensus on the relationship between them，nor have they distinguished the differences between independent innovation and technology introduction.We investigated the impact of technological innovation on the demand for knowledge-based labor by constructing a theoretical model based on the task framework and using the PCSE model，the fixed effects model，and the instrumental variables method.The results show that：independent technological innovation has a significant positive effect on the relative demand for knowledge-based labor，while technology introduction has a negative effect on the relative demand for knowledge-based labor.In addition，it is revealed that the effect of technological innovation on the relative demand for knowledge-based labor is heterogeneous in terms of regions and groups：in the eastern region independent technological innovation is characterized by a skill bias，but its technology introduction suppresses the employment of low human capital while relatively reducing the demand for high human capital;whereas，in the central region，the demand for low human capital rises，and there is a trend of employment demand in favor of high human capital in the western region indicating that technological innovation has not produced a polarization effect on the labor market in China.

Key words：independent technological innovation;introduction of technological innovation;knowledge-based labor

（責任編輯：楊"真）

收稿日期：2023-12-09

基金項目：本文系國家自然科學基金項目“異質性人工智能模式對人力資本的結構性替代與再配置效應研究”（項目編號：72073082）、教育部人文社會科學研究規劃基金項目“‘合村并居’后農村勞動力就業的分化與集聚效應研究”（項目編號：22YJC790101）的階段性成果。

作者簡介：郭怡笛（1993—），女，山東東營人，經濟學博士，中國信息通信研究院政策與經濟研究所工程師，研究方向為勞動就業與公共經濟學。撒凱悅（1990—），本文通訊作者，女，山東德州人，經濟學博士，山東工商學院金融學院副教授，研究方向為勞動就業與公共經濟學。