中国制造业技术进步的特征变化及其对就业的影响

赵一凡，陈思怡，易定红

(1.中国宏观经济研究院 社会发展研究所，北京 100038；2.江西省社会科学院，江西 南昌 330077；3.中国人民大学 劳动人事学院，北京 100872)

一、问题提出

技术进步对就业的影响是重要的经济问题，也是社会各界长期关注的焦点。根据罗默(Romer，1986)[1]提出的内生经济增长理论，技术进步会推动经济增长，作为一种派生需求，势必也会影响到劳动力的就业状况。改革开放以来，中国拥有丰富的人力资源储备，尤其是在劳动密集型行业中，大量农民工群体源源不断地涌入城市务工，为国家经济发展做出了巨大的贡献[2]。在新技术革命的冲击下，大量企业加大对新技术的研发投入力度，这对劳动力市场的用工需求和就业结构都会产生不小的影响。党的十九届五中全会中明确提出“强化国家战略科技力量，提升企业技术创新能力，激发人才创新活力，完善科技创新体制机制”。与此同时，随着《中国制造2025》等一系列政策的出台，国家逐渐加大对制造业技术升级的投入力度，培养更多的技术创新人才，以应对自动化和数字化技术带来的影响。纵观学界已有的文献研究，较多关注互联网、人工智能等某一特定类别技术给劳动力市场带来的影响[3-4]，但其背后所表现出的具体特征和影响机制研究仍有待进一步完善[5]。作为吸纳劳动力比重较大以及受到技术进步冲击较为明显的行业，制造业具有一定的代表性。基于此，本文主要研究中国制造业的技术进步对劳动力就业的影响，通过理论和实证两方面分析近年来中国制造业技术进步的主要特征变化，从而深入探讨其影响机制。本文研究有助于丰富相关领域的理论基础，深化对相关规律的认知；基于中国制造业企业的经验证据所得到的实证分析结果，有助于提出切实可行的政策建议，从而应对新技术革命给劳动力市场带来的冲击。

本文余下部分的内容结构为：第二部分为相关文献回顾，并提出本文的创新点；第三部分为理论分析和实证模型介绍；第四部分为变量选取与描述性统计分析；第五部分为实证结果及相应的分析；最后一部分为本文的研究结论与政策启示。

二、相关文献回顾

技术进步对劳动力就业的影响是劳动经济学领域中的经典问题，国内外学者对此展开了丰富的理论和实证研究。在理论研究方面，早期以李嘉图为代表的古典经济学家认为经济体中投入使用大量机器有利于扩大生产规模，派生更多的就业岗位。但随着“机器换人”现象的出现，也产生了著名的“李嘉图之谜”[6]。熊彼特(Schumpeter，1939)在此基础上提出了“创造性破坏”的思想，认为技术进步在带动经济增长的同时也会调整就业结构，使低技能劳动者的岗位走向消亡[7]。阿吉翁和豪伊特(Aghion &Howitt，1992)认为，随着内生经济增长理论学派的出现与推广，技术进步被视为经济体内生决定的因素，同时也更加细化创新的类别，包括产品创新型和工艺创新型技术进步，其影响经济增长的本质在于资本和劳动要素投入份额产生了相应的变化[8]。随着阿西莫格鲁(Acemoglu，1998)[9]提出了经典的技能偏向型技术进步理论，学界普遍以此为基础解释制造业行业中以人工智能和工业机器人为代表的技术进步对劳动者就业的影响。阿西莫格鲁和雷斯特雷波(Acemoglu &Restrepo，2020)认为，机器人的投入使用一方面能够细化劳动的分工，将具有不同技能禀赋的劳动者筛选出来，从而留下具有比较优势的一部分群体[10]。另一方面，自动化技术也具有一定的生产力效应。随着工业机器人等技术投入使用，企业可以有效地节约生产成本，提高劳动者的生产效率，从而为企业创造更多的利润，进而提高员工的收入和福利待遇。与此同时，埃伦多夫等(Herrendorf et al.，2014)认为，技术进步还会提高企业的生产规模，进而创造出更多的就业岗位[11]。

在实证研究方面，不同学者基于不同国家和地区的背景，采用不同时期的数据，选取不同的方法，所得出的结论也存在一定争议。阿西莫格鲁和雷斯特雷波(2018)认为，从影响就业总量的角度来看，制造业企业中的技术进步对就业同时存在着创造效应和替代效应[12]。例如，自动化技术的引入会通过创造新就业模式，产生更多的工作岗位，这也解释了美国在1980—2010年扩大了50%左右的就业规模。与此同时，奥托等(Autor et al.，2003)认为，机器的大规模使用可能也会挤占缺乏技能禀赋的劳动力[13]。从影响就业结构的角度来看，阿西莫格鲁和奥托(Acemoglu &Autor，2011)认为制造业技术进步会增加高技能人才和低技能劳动者的数量，降低中技能劳动者数量[14]。古斯等(Goos et al.，2014)认为，这主要是由于在制造业中，随着机器大规模投入使用，从事与自动化专业相匹配工作的高技能人才和从事简单体力劳动工作的员工都不容易被替代，而从事常规化、程序性的中技能劳动者则相对容易被机器所替代[15]。昆斯特(Kunst，2019)认为，这也成为全球制造业发展过程中的一个趋势[16]。国内学者针对制造业技术进步的研究，普遍以国际机器人联合会发布的世界机器人统计数据为基础，针对不同时期和不同群体的样本展开分析。闫雪凌等(2020)采用中国2006—2017年的制造业数据，发现工业机器人的使用抑制了制造业劳动力就业岗位数量，而对工资收入水平影响不显著[17]。王永钦和董雯(2020)基于中国2011—2015年沪深两市A股制造业上市公司的数据，采用巴蒂克工具变量的方法进行更为精准的因果识别，得到同样的结论[18]。康茜和林光华(2021)基于国家卫生健康委员会发布的中国流动人口动态监测调查数据，发现工业机器人的出现抑制了农民工群体在工业中的就业概率，其主要机制在于技术进步诱导了产业结构的调整[19]。

当前国内针对相关领域的研究普遍缺少对于近些年来制造业技术进步所表现出的特征的判断与验证，也少有研究结合国内经济发展的背景，构建相应的理论模型论证这一时期技术进步对劳动者就业产生何种影响，由此导致实证分析模型的变量选取缺乏一定的经济意义。其次，现有研究不少集中在互联网、工业机器人等具体技术进步变化对制造业劳动力市场的影响，而相对缺少有关企业技术进步的整体度量和全局的把握。此外，由于不同时期内，以及不同行业中占主要地位的技术进步所表现出的性质有所差异，现有研究普遍缺少对于样本数据时期选取的详细说明，导致其研究结果的科学性与说服力不足。

基于此，本文的主要创新点如下：在理论分析方面，本文结合内生经济增长理论和中国经济运行的实际背景，构建符合中国制造业特征的理论模型，分析近年来中国制造业技术进步的特征及其对就业的影响，进而通过相关数据进行验证。在样本数据选取方面，本文聚焦于2010年以来中国制造业劳动力市场就业水平，以及技术发展水平发生显著变化这一时期展开分析，为制造业技术发展提供相应的经验证据和政策启示。在实证分析方面，本文通过多维固定效应模型和工具变量法，在一定程度上克服潜在的内生性问题，同时通过验证制造业企业技术进步的特征变化，分析其影响劳动力就业的主要机制。

三、理论分析与实证策略

(一)理论分析

中国自“十二五”时期以来，在制造业中逐渐使用并推广以工业机器人为代表的自动化技术。根据国际机器人联合会发布的《全球机器人报告2019》，中国制造业万名员工机器人密度在2010—2018年由每万人15台增加到每万人140台，这势必对制造业企业中不同技能劳动者就业状况带来一定的冲击。本部分尝试构建理论模型分析制造业中的技术进步对劳动力市场就业的影响。

为简化分析，假设在完全竞争的经济体内存在传统生产部门1与具有技术进步的生产部门2[20]，在利润最大化的目标导向下配置资本和不同技能的劳动力，生产不完全替代的商品。假设生产函数均为柯布-道格拉斯形式：

Y1t=K1tαtLLt1-αt

(1)

Y2t=AK2tβtLHt1-βt

(2)

其中，Y1t和Y2t分别表示部门1和部门2在第t期的总产量，A为部门2中的技术进步水平(假设部门1中不存在技术进步)。K1t和K2t分别表示部门1和部门2在第t期的资本要素投入，LLt和LHt分别表示部门1和部门2在第t期的劳动要素投入。传统生产部门中主要为劳动密集型工作，企业雇佣低技能劳动者以减少成本。而在有技术进步的生产部门中，企业主要雇佣高技能劳动者以更快适应新技术带来的冲击。αt、1-αt、βt和1-βt分别表示两个部门中资本和劳动要素配置比例。此时，假设该技术进步具有一定的技能偏向性，在此条件下对企业的资源配置决策行为展开分析。在利润最大化目标导向下，部门1和部门2的利润函数分别为(1)为简化分析，在此假设企业生产商品的价格pt为1。：

maxK1t，LLtπ1t=[(1-τ1t)Y1t-r1tK1t-wLtLLt-θ1tLLt]

(3)

maxK2t，LHtπ2t=[(1-τ2t)Y2t-r2tK2t-wHtLHt-θ2tLHt]

(4)

参考卡赫克等(Cahuc et al.，2014)[21]的研究，其中，r1t和r2t分别表示部门1和部门2在第t期的资本价格，wLt和wHt分别表示部门1和部门2在第t期的工资率，θ1t和θ2t分别表示部门1和部门2在第t期雇佣劳动力需要付出调整成本的参数。考虑到在中国经济运行体制下，政府的税收制度具有一定的作用，本文将政府征税行为纳入利润函数，分别通过τ1t和τ2t表示在第t期两个部门的税率。在竞争性市场中，利润为0，则在一段时间内相应的两部门约束条件分别为：

H1=[(1-τ1t)K1tαtLLt1-αt-r1tK1t-wLtLLt-θ1tLLt]+μ1t(r1tK1t+wLtLLt+θ1tLLt-C1t-δ1tK1t)

(7)

H2=[(1-τ2t)AK2tβtLHt1-βt-r2tK2t-wHtLHt-θ2tLHt]+μ2t(r2tK2t+wHtLHt+θ2tLHt-C2t-δ2tK2t)

(8)

分别对部门1和部门2的资本与劳动要素求解一阶最优条件，可以得到其资本价格和市场工资率分别为：

当市场达到均衡状态时，投资于两部门的资本所取得的回报应当相同，即r1t=r2t，否则将会产生部门间投资偏好的差异，进而产生资本流动，直至投资于两部门所取得的回报相同。因此，在均衡状态下有：

根据式(11)，可以分别推导出在均衡状态下两部门的就业量：

当企业产生技术进步时，部门2投入的资本数量和生产率将有所提高，进而推动人均资本使用量k2t的提升。与此同时，部门1投入的资本数量将有所降低，人均资本使用量k1t随之下降。根据式(12)和式(13)可以发现，制造业企业的技术进步将会提高高技能劳动者的相对需求量，降低低技能劳动者的相对需求量，即技术进步具有一定的技能偏向性(见图1)。

图1 制造业技术进步影响劳动力就业的理论框架

因此，在实证分析中，需要通过探究技术进步对不同技能劳动力数量的影响以验证技能偏向型技术进步的存在。从要素配置的角度来看，本文将根据制造业企业数据拟合出生产函数，通过探究资本与劳动要素配置比重变化情况，分析技术进步的要素偏向性[22]。此外，根据上述理论模型分析结果，企业总收入、资本要素配置、调整成本也会对劳动要素需求水平产生影响，这同样需要在计量回归模型中予以控制。

(二)计量模型

本文主要关注制造业企业技术进步给劳动力就业数量带来的影响，构建如下的多维固定效应模型：

lnEmploymentijt=α0+α1Technologyij，t-1+∑iαiXij，t-1+σi+ρj+λt+μijt

(14)

其中，i表示企业，j表示地区，t表示年份。因变量lnEmploymentijt为企业员工数量的对数。核心自变量Technologyij，t-1表示企业研发投入强度，Xij，t-1为控制变量。需要说明的是，本文将核心自变量与控制变量均做滞后一期处理，从而缓解由于反向因果导致的内生性问题[17]。σi、ρj和λt分别表示行业、城市和年份固定效应，μijt为随机扰动项。

此外，本文为验证制造业企业中主要存在的技能偏向型技术进步，将分别探究技术进步对不同技能员工数量的影响，此时在式(14)的基础上分别将因变量替换为生产员工数量的对数lnEmploymentLijt和技术员工数量的对数lnEmploymentHijt。

四、数据来源与变量选取

(一)数据来源

本文研究的样本来源于深圳希施玛数据科技有限公司CSMAR中国经济金融研究数据库和万得(Wind)金融数据库中2011—2019年制造业A股上市公司数据。其中，企业员工数量、薪酬水平、财务和经营状况来自CSMAR中国经济金融研究数据库；不同类别的员工构成、企业基本信息来自万得数据库，这两个数据库涵盖了中国上市公司企业的主要信息。制造业就业和技术发展在2010年之后变动较为显著，而这也是新技术革命给劳动力市场冲击最为明显的一个阶段。考虑到企业数据信息的完整性，本文研究的时间节点确定为2011—2019年。对于企业原始数据的处理，首先剔除ST类上市公司企业，以规避由于公司财务状况不佳而导致企业运行中存在的问题，进而使样本缺乏代表性；其中，对于连续型的数值类变量，剔除两侧各1%的极端值，并取对数，使回归结果更加精确。

(二)变量选取与描述

本文因变量为制造业上市公司中的员工总量，用来刻画在经济体达到均衡状态下的企业就业状况。在验证技能偏向型技术进步存在的时候，因变量分别选取企业中的生产员工和技术员工数量，用来刻画低技能和高技能劳动者。其中，生产员工主要从事劳动密集型工作，而技术员工具有一定的技能禀赋，多从事研发创新类工作。此外，本文将企业中未受过高等教育和接受过高等教育的员工分别定义为低技能和高技能劳动者[23]，以作为技能偏向型技术进步特征验证时的稳健性分析。

对于技术进步这一核心自变量，学界多从技术投入(研发投入)和技术产出(专利数量)两个方面进行刻画[5，23]。本文选取研发投入强度(研发投入占营业收入比例)进行度量，主要有如下考虑：第一，企业的研发投入作为技术进步的主要源动力，在提高企业生产效率，推动技术创新过程中发挥着重要作用[24]；第二，研发投入强度作为一个比值，能够较好地反映出与企业规模、市场环境相适应的研发水平，具有一定的可比性[25]；第三，本文所选取的上市公司样本数据中，专利数量的缺失值较多(约为研发投入强度数据量的20%)，难免会由于缺失大量样本而导致估计结果产生偏误。因而，本文仅在稳健性分析部分，将核心自变量替换为已授权专利数的对数，进行相应的估计。

对于控制变量，基于劳动需求理论，本文主要选取上市公司总资产、营业收入、营业成本、管理费用和支付的各项税费，同时将企业类别、所属行业、所在城市和调查年份分别作为企业性质、行业、地区和时间固定效应予以控制(见表1)。

表1 变量的描述性统计

进一步对制造业上市公司就业和技术进步状况展开描述性统计分析。图2显示，制造业企业的就业人数在2011—2019年总体呈现先上升后下降的趋势，且在2014年前后达到峰值。制造业企业就业人数下降是多种因素作用的结果，比如，小规模的民营企业数量不断增多，小规模专业化的制造业企业不断增多等。图3展示了制造业上市公司中不同技能和不同受教育程度就业人数的变化情况，可以明显地看出，2014年之后，技术人员数量与生产人员数量的比值在不断增大，受过高等教育员工数量与未受过高等教育员工数量的比值也在不断增大，这也是技能偏向型技术进步的一个主要特征。

图4展示了制造业上市公司技术水平的变化。除2011年外，企业研发投入强度整体保持上升的趋势，且从2013年开始持续超过4%，2019年更是超过5%这一高研发投入强度的标准。从产出角度来看，2011—2019年制造业上市公司的专利授权数量也整体呈现上升的趋势。由此，可以认为近年来制造业企业技术发展在不断升级，但具有何种特征，需要经过实证分析进一步验证。

图2 制造业上市公司就业人数注：数据为各年度企业平均就业人数。根据CSMAR中国经济金融研究数据库中相关数据整理计算所得。

图3 制造业上市公司不同类别就业人员数量 注：数据为各年度企业平均就业人数。

五、实证分析

本文实证分析部分首先通过数据探究近年来制造业中技术进步的主要特征变化，以及具有该特征的技术进步对制造业企业员工数量的影响，并分析其对不同技能劳动者就业数量影响的差异，以检验是否存在技能偏向型技术进步。在此基础上，通过将核心自变量替换为滞后二期研发投入强度，采用工具变量法等方法展开内生性讨论，确保结果的稳健性。然后，进一步探究不同所有制、不同时段和不同研发投入强度企业的差异。

(一)技术进步特征的探讨

根据描述性分析结果，制造业的技术水平在持续提升，但就业人员数量在不同时期有着不同的变化趋势，因而其技术进步所表现出的特征具有一定的不确定性。在实证分析前，需要首先探讨所选取时段制造业企业样本中技术进步的特征。在此将生产函数进行对数线性化处理：

图4 制造业上市公司技术进步状况 注：数据为各年度企业平均专利数量和研发投入强度。2011年企业缺失值过多，该年研发投入强度数据仅作为参考。此外，相比较研发投入强度，公布专利数量的企业样本数量较为有限。

lnYt=lnAt+αtlnKt+βtlnLt

(15)

根据式(15)，分别对每一年的生产函数进行相应的拟合，通过探究系数αt和βt相对大小来判断这一时期技术进步的特征及相应的变化。其中，Yt、At、Kt、Lt分别选取企业营业收入、研发投入强度、总资产和员工数量作为代理变量。

图5 拟合生产函数中资本与劳动要素系数的变化情况

根据图5展示的结果，2011—2013年βt/αt具有明显下降趋势，这一时期也是自动化技术开始在中国制造业中逐渐普及的阶段，通过“机器换人”而表现出劳动节约型的特征。2013—2016年，自动化技术在制造业中广泛使用，一方面，新技术的就业创造效应开始出现；另一方面，工业机器人等设备存在资产折旧，资本利用率有所下降，这一阶段整体表现出资本节约型的特征。在2016年之后，制造业企业长期生产经营模式基本稳定，市场也逐渐适应技术进步所带来的冲击。此时，市场达到新的均衡状态，技术进步整体表现出中性的特征。这一结果在钟世川(2018)[26]的研究基础上提供了近年来企业层面数据的经验补充。

(二)基准回归结果与稳健性分析

表2为基准回归估计结果。在未控制城市和年份固定效应时，列(1)结果表明近年来制造业技术进步整体上会提高劳动力就业数量，企业研发投入强度每提高1%，制造业企业员工总量会增加1.7%。列(2)进一步加入了城市和年份固定效应，影响系数变为0.5%。结合上述对这一时期技术进步特征的分析，制造业中技术进步对于就业的影响所表现出的特征存在短期和长期的差异，在总体上存在相互抵消的可能，因而整体影响的边际效应较为有限。

在此基础上，本文分别采取将标准误聚类到行业层面、替换核心自变量为滞后一期已授权专利数量的对数的方法，进行稳健性分析。列(3)将聚类标准误由城市层面改为行业层面，核心自变量的系数依然显著为正，与基准回归结果一致。列(4)替换核心自变量，已授权专利数量每增加1%，制造业企业员工总量会增加0.046%。需要说明的是，由于样本数量仅有2 168家企业，该模型回归结果仍需辩证看待。

表2 制造业技术进步对员工总量的回归结果

(三)技能偏向型技术进步的验证

根据上述理论分析并结合实际情况，从劳动要素分配的角度来看，本文初步认为近年来制造业企业的技术进步类型主要为技能偏向型。接下来，本文对该特征进行验证，从而能够合理地解释其对就业的影响。

表3展示了制造业企业技术进步对不同技能和不同学历员工人数的影响。通过列(1)和列(2)可以发现，企业研发投入强度每提高1%，生产人员数量会减少1.4%，而技术人员数量则增加7.1%；通过列(3)和列(4)则可以发现，企业研发投入强度每提高1%，未受过高等教育的员工数量会减少3.9%，而接受过高等教育的员工数量增加3.5%。该结论证明了经济体中存在技能偏向型技术进步，即技术进步增加了高技能人才的数量，减少了低技能劳动力的数量。对于技术进步导致未受过高等教育员工数量减少的边际效应略大于受过高等教育员工数量增加的边际效应，可能的解释在于制造业中存在大量的农村转移劳动力，集中了较多的农业转移人口，而该群体往往受教育程度较低。由于存在较为明显的技能禀赋差异，导致该群体被新技术排挤出市场，其受到的影响程度略大于其他高技能劳动者。

表3 制造业技术进步对不同技能和不同学历员工人数的回归结果

(四)内生性讨论

根据内生经济增长理论，企业的技术进步会受到企业目标、内部劳动力市场等多方面因素的影响，具有一定的内生性。在上述基准回归分析中，本文采用了多维固定效应模型尽可能控制不随时间而变化的不可观测因素给估计结果带来的影响，同时将各自变量做滞后一期处理，尽可能缓解反向因果问题。为确保估计结果的稳健性，本文继续将企业研发投入强度这一核心自变量做滞后二期处理。根据表4展示的结果，企业研发投入强度每提高1%，员工人数增加0.8%，其中生产人员数量减少1.1%，技术人员数量增加6.9%。这一回归结果与上述基准分析相比较差异不大，整体结论并未发生变化。

表4 制造业技术进步对员工总量和不同技能员工人数的回归结果

上述分析尽管缓解了反向因果问题和不随时间而变化的难以观测因素给估计结果带来的内生性问题，但企业运行中可能仍存在随时间而变化的难以观测因素影响到研发投入强度。因此，本文选取企业所在城市的滞后一期平均研发投入强度作为工具变量，以期缓解相应的内生性问题。一方面，城市的平均研发投入强度反映了一个城市内部整体技术进步状况，与企业自身的技术水平高度相关；另一方面，城市整体的技术水平不会与单个企业的就业人数产生直接影响，符合工具变量外生性条件[27]。表5展示了两阶段最小二乘法(2SLS)的估计结果，列(1)—列(3)的回归结果均与上述基准回归结果方向一致，同时工具变量通过不可识别检验和弱工具变量检验，基本可以认为工具变量选取较好。

表5 工具变量估计结果

(五)异质性分析

1.不同所有制企业的差异

中国特色社会主义市场经济体制中存在不同所有制类别的企业，其在制度、运营目标以及在经济增长过程中发挥的作用存在差异，相应地，在面对新技术革命的冲击时，也会做出不同的劳动力雇佣决策。基于此背景，本文依据上市公司基本数据中关于企业性质的信息，将企业划分为国有和非国有两类，探究技术进步给劳动力就业带来影响的差异。

根据表6的结果可以看出技术进步对员工人数的影响在不同所有制性质企业中存在差异，非国有企业组的回归系数均大于国有企业组的回归系数。一个可能的解释是国有企业存在着较为完善的制度约束，解除劳动合同的成本较高，同时也存在着工资刚性，因而其在劳动力市场受到新技术冲击下的影响程度小于非国有企业。而对于非国有企业而言，其正逐渐扮演着稳就业的生力军角色，在新技术革命背景下，未来将会吸纳更多劳动力就业。

表6 不同所有制企业的差异

2.不同时段的差异

在2013年汉诺威工业博览会上，德国正式提出“工业4.0计划”，旨在提高德国工业的整体竞争力。这也标志着全球新一轮技术革命的到来。与此同时，中国的工业化技术发展也在持续升级。2015年5月，国务院正式印发《中国制造2025》，旨在全面推进制造业强国战略，进而在新一轮技术革命中占据先机。基于此，本部分以2015年为时间节点，探究其前后制造业中的技术进步对劳动力市场的影响程度，有助于分析相关政策的实施效果。

根据表7展示的结果，在不同时段，技术进步给制造业劳动力就业带来的影响有所不同。2011—2014年，制造业技术进步对生产人员数量的抑制作用要强于2015—2019年；而对技术人员数量的促进作用则小于2015—2019年；整体而言，对于员工总量的抑制作用也要大于2015—2019年。可能的原因在于：随着研发投入力度的加强，一方面企业对高技能劳动者的需求量逐渐增大，以更快适应新技术带来的变革；另一方面，技术进步在长期会给企业带来就业创造效应，这也在一定程度上提高了就业总量。

表7 不同时段的差异

3.不同研发投入强度企业的差异

企业的发展存在生命周期，在不同阶段，企业的规模、发展目标和融资水平存在差异，相应地，企业对于研发投入的力度也有所不同。本文基于研发投入强度的中位数(3.75%)进行分组，将企业划分为低研发投入强度和高研发投入强度两组，以期探究不同创新实力企业在应对新技术革命冲击时的差异。

根据表8展示的结果，对于高研发投入强度的企业，技术进步对员工数量的影响方向与上述基准回归结果一致。而对于低研发投入强度的企业，技术进步对员工总量和生产人员数量均无显著影响，对技术人员数量的促进作用则大于高研发投入强度的企业。一个可能的原因在于，企业技术发展水平过低时，对低技能劳动者并无实质冲击。但与此同时，企业需要吸纳更多高技能劳动者以带动企业的技术水平得到进一步发展，从而充分适应技术变革的需求，故此时影响技术人员数量的边际效应更强。因此，在企业发展的不同阶段，需要适当调整劳动力就业政策，从而匹配企业发展的技术水平，做到资源的合理配置以达到整体效用的最大化。

表8 不同研发投入强度企业间的差异

六、研究结论与政策启示

(一)研究结论

本文基于已有研究，在理论分析的基础上选取制造业A股上市公司数据，采用多维固定效应模型探究技术进步对制造业就业人员数量的影响。首先，通过理论分析发现近年来制造业中主要存在的技术进步形态为技能偏向型技术进步，在一定时间段内会使企业提高对高技能劳动力的相对需求，降低对低技能劳动者的相对需求。其次，实证分析结果显示：近年来制造业技术进步特征由劳动节约型转变为资本节约型，最后在长期表现为中性的特征；研发投入强度每提高1%，员工人数会提高0.5%。通过分析技术进步对不同技能劳动者就业数量影响的差异，本文发现制造业技术进步会减少生产人员和未受过高等教育员工的数量，增加技术人员和接受过高等教育员工的数量。这也证明了经济体中存在技能偏向型技术进步，从不同技能劳动要素配置的角度进一步明确这一时期制造业中的技术进步特征的变化。

本文进一步探究不同企业类别、不同时段和不同研发投入强度企业的差异。异质性分析结果显示：技术进步对于非国有企业影响的边际效应均大于国有企业；2011—2014年，制造业技术进步对生产人员数量的抑制作用要强于2015—2019年，而对技术人员数量的促进作用则小于2015—2019年；对于低研发投入强度的企业，技术进步对员工总量、生产人员数量无显著影响，对技术人员数量的促进作用大于高研发投入强度的企业。其主要原因在于不同企业制度差异、不同年份研发投入强度的变化对制造业企业资源的配置目标产生一定的影响，进而影响到均衡状态下的就业人员数量。

需要指出的是，本文基于内生经济增长理论和实际数据可获得的情况，选取研发投入强度这一代理变量近似刻画制造业中整体技术进步水平，侧重从技术投入使用的角度展开分析。而对于技术产出，则由于企业专利数量缺失值较多而简化相应的分析。同时，对于技术进步给制造业带来的更长期影响，也同样由于数据选取的时期较为有限而难以全面展示。相关研究有待今后进一步获取更高质量和更多追踪调查数据以进行相应的完善。此外，制造业内部工作环境有较大的差别，不同工作环境下的就业者应对技术进步带来的影响时可能也存在差异，受到既有数据的限制尚难以展开精确分析，研究对象——技术进步特征变化的复杂性可能也无法充分反映。相关研究有待进一步深化，将定性研究与定量分析相结合，得到更为充分的发现。

(二)政策启示

随着自动化技术的逐渐普及，制造业企业中“机器换人”现象越来越多，难以胜任的低技能劳动者往往会被市场所淘汰，但长期来看，技术进步的就业创造效应同样较为明显，同时也有助于企业生产效率的提升。因此，本文的政策启示是：

第一，鼓励企业加大研发投入。加大对企业的资金、人才、信息、平台等要素的支持力度，为企业研究开发、技术创新提供保障；为企业提供行业发展信息，减少信息不对称性，降低创新成本；发布待研发项目清单，精准识别行业关键核心技术，实行“揭榜挂帅”等制度，鼓励企业攻关核心技术；加速培育龙头企业，鼓励企业设立研发中心，提供税收等政策支持，提高企业研发的积极性。

第二，提高劳动者的技能水平。着眼于行业发展的需要，设立劳动者技能培训中心，为劳动者提供基本的劳动技能培训；鼓励企业对新入职员工开展技能培训，给予适当的人才培训补贴，为企业培训提供场地、师资等支持；为高校毕业生提供面向新技术的技能培训，提高高校毕业生等重点群体的求职技能。

第三，促进民营经济健康高质量发展。在全社会营造鼓励民营经济发展、发挥企业家精神的社会氛围，鼓励民营企业家发挥主观能动性，做优做强企业；为民营企业家提供政策支持与服务保障，引导民营企业家顺应市场形势，不断开拓市场，支持民营企业健康发展；引导各城市优化行政审批流程，降低经营成本，营造公平竞争的营商环境，为民营企业发展提供良好的外部环境。