技术进步就业效应新解

【摘要】二、理论模型与分析方法 （一）技术进步就业效应的分类 按照技术形态和内容的不同，技术进步可分为“过程创新”和“产品创新”两大类。前者即生产者改善或者变革了生产的技术流程，...

［关键词］技术进步；就业效应；随机前沿分析

一、引言

自第一次工业革命开始，技术进步对就业的影响成为人们关注的焦点和经济学家争论的主题。上世纪七十年代以来，随着应用计量技术的发展以及各类数据库的完善，相关实证研究接踵而至。总结这类文献可知，它们的计量方程均是方程(1)的变形：Ln(Lt) =cLn(A)+aLn(Kt)+bLn(Lt)(1）

其中，A是衡量技术进步的指标，系数c即为技术进步就业效应的实证分析结果，若c大于零，说明技术进步是促进就业的，反之亦反。上述方法尽管应用广泛，却也只是差强人意。首先，生产函数包含的假设前提可能会影响回归系数c的准确性；其次，生产函数的设定是否符合经济体系运行的一般规律；更重要的是，用简单回归的方法计算技术进步就业效应，仅能得出技术进步就业总效应的平均值，无法反应各经济体不同阶段的技术进步就业效应差异，这给我们进一步的研究带来众多的限制与不便。从理论上讲，技术进步对就业的影响是一把“双刃剑”，一方面，技术进步可以降低产品价格，提高产品需求，增加产出，从而增加就业。另一方面，技术进步又能通过提高劳动生产率，减少单位产出所需劳动数量，从而降低就业水平。

基于以上考虑，本文将在随机前沿分析方法的基础上，利用1999―2009年我国33个细分行业的面板数据，建立一个技术进步就业效应的指标体系，计算不同行业在每个时期的技术进步就业创造效应、就业冲击效应及其就业总效应。

二、理论模型与分析方法

（一）技术进步就业效应的分类

按照技术形态和内容的不同，技术进步可分为“过程创新”和“产品创新”两大类。前者即生产者改善或者变革了生产的技术流程，它是企业发展的前提，也是“产品创新”的基础；后者指生产者改善或者创造了新的产品来进一步满足消费者的需要或者开辟新的消费市场，它可以提高企业的利润和竞争优势，也是企业保持发展活力的动力源泉。技术进步就业效应也因此被分解成“产品创新”就业效应和“过程创新”就业效应。

（二）不同类型技术进步就业效应的作用机制

某一行业可以生产新、旧两种商品，新产品记为Y2t，旧产品记为Y1t，t=1或2。并且假设t=1是技术进步之前，整个行业只生产旧产品（即Y21=0）；t=2为技术进步之后，行业可以生产新旧两种产品。此时生产者的生产函数可表示为：Yit=TitF(Kit,Lit)（2）

其中，i=1,2;t=1,2 ，K、L、Y分别表示资本、劳动与产出。T为技术进步的参数，相应的生产成本可表示成如下形式：

C(w1t,w2t,Y1t,Y2t,T1t,T2t)=c(w1t)Y1tT1t+c(w2t)Y2tT2t+F（3）

其中，F为固定成本，c(w)为边际成本，它是要素价格w的函数，根据谢泼引理可得：Lit=cL(wit)YitTit，其中，cL(wit)表示边际成本对工资的导数。从第一时期到第二时期可将就业的变化率分解为两部分：由新产品生产带来的就业变动，以及由旧产品生产变化带来的就业变动，就业量的变化可以近似表示为：ΔLL≈-(T12-T11T11)+(Y12-Y11Y11)+cL(w2)T11Y22cL(w1)T22Y11（4）

如此，就业量的变化率被分解成三个部分：旧产品技术进步带来的就业变化，旧产品产量变化带来的就业变化，以及新产品生产带来的就业变化。前两项可以归入“过程创新”就业效应，最后一项可以归入“产品创新”就业效应。

1.过程创新就业效应作用机制。首先，过程创新使旧产品生产效率得到改善（T12＞Tit），(4)式中-(T12-T11T11)＜0，即旧产品生产效率的提高会对就业量产生促减作用，这是技术进步就业冲击效应。其次，生产效率提高以后，生产者会由于生产成本的降低产生增加产量的动机，如果旧产品产量扩大，即Y12＞Y11，那么对就业量的变化有促增作用，这是技术进步就业创造效应。但是，如果生产效率的降低致使产量降低，这又成为技术进步冲击效应。

2产品创新就业效应作用机制。我们假设新产品和旧产品的边际成本对工资的导数相同，由(4)式可知，新产品生产带来的就业变化取决于新产品生产效率的变化，以及新产品产量的变化。首先，新产品生产得越多，越能促进就业的增加，这是另一种技术进步就业创造效应。其次，若新产品是在生产效率更高的情况下生产的，即T11/T22＜1，这会弱化“产品创新”增加就业的效果。（三）技术进步对就业效应的测度方法

1技术进步对就业创造效应的测度。技术进步就业创造效应主要体现在两个方面：首先，过程创新促使产出扩张进而增加了劳动需求。其次，产品创新因新产品的生产而增加了劳动需求。可以看出，技术进步对就业的创造依赖于产出水平的提高，因此，我们应首先计算出过程创新或产品创新对产出增长的贡献，进而得到过程创新或产品创新带来的产出增量。其次，根据当年单位产出所需劳动数量计算出每部分增量的产出需要多少劳动力，此即为因过程创新或产品创新而创造出的就业量。具体计算方法如下：

第一，产品创新或过程创新衡量指标的选择。众所周知，全要素生产率（TFP）是常用的广义技术进步的衡量指标，用随机前沿的分析方法可以将TFP分解成技术进步、效率的变化、规模经济以及配置效率。涂正革、肖耿［1］证明了要素投入的配置效率、规模经济对全要素生产率的贡献较之前沿技术进步以及效率变化对全要素生产率增长的贡献是微乎其微的，因此，用前沿技术进步和技术效率变化来衡量全要素生产率的变化是无关大局的。鉴于此，本文用前沿技术进步衡量产品创新，用前沿效率水平衡量过程创新。

前沿生产函数示意图第二，测度前沿技术进步与前沿效率水平对产出的贡献。随机前沿的核心思想是认为生产者实际的产出与技术前沿之间会存在一定的距离，且实际产出与潜在产出的关系为：实际产出等于潜在产出乘以效率值η。在上图中，可将这一关系表示为：Y2Y1=Y*2/ηt+1Y*1/ηt=Y*2Y*1×ηtηt+1（5）

从上式中可以看出，相邻两时期的产出之比被分解成潜在产出之比以及技术效率之比的乘积。继而可得如下方程：

ln(Y2Y1)=ln(*2Y*1)+ln(Y*2*2)+ln(Y*1×Y2Y1×Y*2)（6）

如此，经济增长率被分解成三个增长率的和，即投入水平增长率、前沿技术水平增长率以及效率水平增长率。因此，投入的变化对产出的贡献可以表示为ln(*2Y*1)/ln(Y2Y1)，技术水平变化对产出的贡献率可以表示为ln(Y*2*2)/ln(Y2Y1)，效率水平变化对产出的贡献率可以表述为：ln(Y*1×Y2Y1×Y*2)/ln(Y2Y1)。

第三，根据前沿技术水平或前沿效率水平对产出的贡献率计算出他们带来的产出增量，再用这一增量乘以当年单位产出所需劳动力的数量，即求得产品创新或过程创新对就业的创造效应。

2技术进步对就业冲击效应的测度。技术进步对就业的冲击效应主要表现为：过程创新减少了单位产出所需劳动力数量。由(6)式可知，投入水平的变化对产出的影响的贡献率为ln(*2Y*1)/ln(Y2Y1)，可由此得出投入水平引起产出的变化量Ykl，如果劳动生产率没有变化，Ykl所需劳动力数量也不会有变化，如果劳动生产率提高，那么Ykl所需的劳动力数量就会下降。所以，用Ykl乘以单位产出需要劳动力数量的变化，可以得出由于劳动生产率提高而减少的就业量。

三、数据与主要变量说明

（一）数据的选择

本文所使用的中国大中型工业企业面板数据主要摘自历年《中国统计年鉴》、《中国科技统计年鉴》以及《广东工业统计年鉴》。有效选取投入与产出指标是保证准确衡量各行业效率以及技术变化的前提。遗憾的是现有涉及到工业企业研究的相关文献中，投入与产出指标的选择不尽相同，例如谢千里和李小平、朱钟棣［2］等计算工业企业全要素生产率时的产出指标选择“工业总产值”，投入指标选取“资本”、“劳动”以及“中间投入”；涂正革［1］等在研究大中型工业企业技术效率时的产出指标选择“工业增加值”，投入指标选取“劳动”与“资本”；而王欢在研究安徽省工业企业技术效率时产出指标选取“工业总产值”，投入指标只有“资本”和“劳动”。到底哪种投入与产出的组合更为合理呢？由于工业增加值是工业总产值中扣除了中间消耗后的余值，所以，本文认为若以工业增加值为产出指标，相应的投入指标应选择资本、劳动；若以工业总产值为产出指标，相应的投入指标应选择资本、劳动和中间投入。鉴于中间投入指标的选取并未有统一标准，故而本文选择资本和劳动作为投入指标、工业增加值作为产出指标。

（二）数据的处理

1工业增加值。用工业品各行业的出厂价格指数对名义工业增加值进行平减得到实际工业增加值。需要说明的是，2008年和2009年的中国统计年鉴中没有工业增加值这一指标，本文通过历年工业增加值增长率均值来推算我国大中型工业企业2008年和2009年的工业增加值，2004年工业增加值摘自于《广东工业统计年鉴》。

2资本投入的计算。本文参考涂正革等人的做法选取固定资产净值年均余额作为资本投入指标。并依照李小平等人的方法计算历年各行业固定资产净值年均余额的价格指数：pit=wit1×pit1+wit2×pit2（7）

其中，pt1表示行业i在t时期的建筑安装价格指数，本文用建筑业国内生产总值指数代替。pt2表示行业i在t时期的设备价格数，用我国工业各行业出厂价格指数代替。wt1和wt2分别表示固定资产投资中建筑安装工程以及设备器具购置费用所占的份额，需要说明的是，2000年设备器具购置费用份额统计年鉴中并未找到相关数据，本文用2001―2009年设备器具购置份额的加权平均值来代替。继而借鉴夏良科［3］的做法计算资本存量，具体计算方法如下：

Kit＝Kit-1+ΔKit/pit（8）

其中，Kit表示行业i在t时期的资本存量，Kit-1表示行业i在t-1时期的资本存量，ΔKit是行业i相邻两年的固定资产净值年均余额的差分值，用来衡量行业i每年新增投资的名义值，pit是通过公式(7)得到的行业i在时期t的价格指数，ΔKit/pit就是行业i在时期t的实际新增投资。

3劳动投入指标的选取。用各行业历年大中型工业企业的全部从业人员年均人数作为劳动投入指标。1999―2002年统计年鉴中并未直接给出全部从业人员年均人数，根据公式：全员劳动生产率=工业增加值/从业人员年均人数，进而我们用工业增加值除以全员劳动生产率，得出各行业历年全部从业人员年均人数。

四、测量结果

（一）随机前沿生产函数的估计结果用随机前沿分析方法计算TFP及其分解需事先设定生产函数的类型，考虑到超越对数生产函数具有极强的包容性，可以被视为任意形式生产函数的二阶近似泰勒表达式，故而本文初步选择建立我国大中型工业企业的超越对数生产函数。

lnyit=β0+β1lnkit+β2lnlit+β3t+12β4(lnkit)2+β5lnkitlnlit+β6tlnkit+12β7(lnlit)２+β8tlnlit+12β9t２+vit-uit（9）

上式中，包含了随机因素对效率的影响，此方程为BC95模型，［4］若不考虑随机因素对效率的影响，可从上式中剔除Vit，方程(9)简化为BC92模型。［5］尽管没有证据表明对uit做不同的分布假设会影响到效率的排序，但有研究证明不同的分布假设得出的效率值会有所差异。Greene［6］认为uit使用相对简单的分布要比灵活分布好一些。Frontier41软件在对uit的分布选择上只有截断正态分布和半正态分布，故参考Kumbhakar的观点，本文假设uit服从较为简单的半正态分布。

表1报告了随机前沿模型的估计结果，模型(6)是BC92模型的计量结果，模型(1)―(5)是BC95模型的计量结果。参考Stephen Drinkwater and Richard Harris［7］在研究相关问题时对无效变量的选取，本文模型中涉及到的无效变量包括：我国工业企业中的国企个数（enter）、大中型工业企业个数（bus）、有技术开发机构的企业占全部企业比重（org）、技术开发人员占从业人员比重（per）、购买国外技术经费（ffund）、购买国内技术经费（cfund）、资本劳动比（clp）。

数据来源：根据历年《中国统计年鉴》，2004年《广东工业统计年鉴》用Frontier41软件计算而得。比较(1)―(6)模型的计量结果，择其优者做进一步分析。首先，观察各个模型各变量的显著性水平，只有模型(6)各变量均有较高的显著性水平。其次，观察gamma值，模型(1)―(6)的gamma值均有较高的显著性水平，但模型(6)的gamma值更接近于1。综合以上两点得出结论：模型(6)要更胜一筹。一般来讲BC95模型要比BC92模型得出的gamma值要大，因为BC95模型充分考虑了影响效率的外生变量。之所以加上无效变量后本文的gamma值会变低，是由于无效变量的选取未能充分反映出影响效率的外生变量，在前文提到的Stephen Drinkwater and Richard Harris的文献中，分析影响企业效率的无效变量除本文已经选取的资本劳动比等变量外，还包括企业的年龄、企业所在地的人口密度、企业所处的位置（东部、中部或是西部）等，这些变量均可能是影响行业效率的外生变量。另外，还有行业的人力资本存量也是影响效率的重要变量，在研究我国总量生产效率的文章中无一例外的会用到这一变量。遗憾的是，这些变量在大中型工业企业数据库中并未有体现，涂正革等研究大中型企业生产效率时也采用了BC92模型。

尽管如此，我们还不能最终确定是否用模型(6)的结果做进一步的分析。众所周知，随机前沿分析方法受到的最大挑战在于其对全要素生产率的计量结果依赖于所设定的函数形式。有鉴于此，我们要对模型(6)进行假设检验以保证函数形式设定的正确性。检验主要包括四大类：一是要检验使用随机前沿模型的适宜性；二是检验生产函数应当选择简单的柯布―道格拉斯生产函数还是更具包容性的超越对数生产函数；三是检验是否存在前沿技术进步；四是检验技术进步是否为中性。检验结果见表2，证明了模型(6)的设定是合适的，所以，我们在模型(6)的基础上计算我国大中型工业企业的生产效率，以及前沿技术进步对产出的贡献份额。表2假设检验结果

零假设对数似然值1检验统计量λ自由度临界值2结 论[BHDG1*3，FK7*2ZQ*3,K5*2。5F〗不存在无效率项-2600965492251383拒绝

柯布―道格拉斯函数 39335608241328拒绝

无技术进步9881149841328拒绝

希克斯中性技术进步373859982921拒绝注：（1）L(H0)=6737；（2）显著性水平在1％时的临界值；（3）“不存在无效率项”这一假设检验的统计量服从混合卡方分布，对应的临界值摘自Table1, Kodde and Palm, 1986。［8］（二）技术进步就业效应及其分解的测量结果

根据前文介绍的方法，我们可以基于随机前沿的结果分别计算出各行业在各时期历年的技术进步就业创造效应、就业损失效应及其总效应。篇幅有限不能一一列出，主要结论如下：

1我国大中型工业企业各行业（除金属矿采选业外）技术进步总效应均值为正。2000―2009年10年间各行业平均每年的技术进步促进了29万的就业增长量，这期间各行业每年平均就业人数为9342万人，年均就业增长率为649%，年均就业增长量为606万人，也就是说大约有4785%的就业增长是由技术进步带来的，其余的5215%是由投资扩张、制度变化等因素带来的。为了验证本文分析技术进步就业效应方法的可靠性，我们用公式1的模型进行面板数据回归分析，得出系数C是大于零的，与前文分析结果一致。

2煤炭采选业、纺织业、化学原料及制品制造业等效率水平下降速度较快的行业恰好是前沿技术进步速度较快的行业，前沿技术进步水平高而效率下降速度快，表明行业内企业间差距在扩大，即出现了“马太效应”。此时优秀企业有望通过并购和重组实现跨越式扩张，其他企业想谋求发展只能学会插位技巧，寻找并挖掘市场的空白点，提炼出差异化的品牌核心价值，否则，企业会受到生存危机。如果行业内极少数企业推高了生产前沿，其他企业赶超不及造成效率水平下降，若下降幅度较大，那么由于前沿技术进步带来的就业扩张就无法弥补效率水平下降对就业的抑制作用，最终对就业造成不利影响。故而，扶持中小企业避免“马太效应”的出现，对稳定我国经济发展和促进就业都有重要意义。

3我国大中型工业企业的过程创新对就业的冲击效应有递减的趋势，这与我国大中型工业企业技术进步偏倚度递减不无相关。Ferguson［9］提出要素投入之间技术进步差异的测度可以用两种要素投入的边际技术替代率随t的变化率来衡量。所以，在超越对数生产函数中两种要素的技术进步偏倚度可以表示为：Biaslk=βktel-β1kek，其中，βlt和βkt是超越对数生产函数中资本与时间、劳动与时间交互作用的系数值。如果Biaslk大于零，那么随着技术的进步会更加节省使用劳动。反之亦反。通过计算可知，我国大中型工业企业的技术进步偏倚度呈现递减趋势，即技术进步越来越倾向于节省资本。对造成这一现象的原因，或是由于我国工业化进程以来，一方面通过利率优惠等形形的减免补贴来刺激投资，另一方面高储蓄率进一步降低了资金成本，对任何一个理性的投资者来说，投资与否取决于投资成本和收益的对比。尽管一些项目的投资回报可能并不丰厚，但由于投资成本低而导致过度投资，造成了工业企业的资本存量较高。因此，资本的节省或是对当时过度投资的调整。

五、政策建议

技术进步提高了劳动生产率，使大批劳动力脱离了原来的行业进入新兴产业部门或服务部门。如是，为了提高技术进步对就业的吸纳，在前文分析的基础上，我们可得如下政策建议：

1技术进步增加就业都要依托新产品的生产、新行业的产生、新岗位的创造，并且随着技术进步的深化过程逐渐加速，这必然要求劳动者不断更新自身技能。故我国应切实加强教育投入和职业技术培训，并防止教育不平等，以帮助广大劳动者提高自身素质，胜任新岗位的能力要求，防止结构性失业的产生。

2分年份来看，我国大中型工业企业的技术进步就业总效应波动性较大，这或是由于经济结构调整对就业产生了影响。这一影响主要表现为：求职者不能按照自己的意愿找到合适的岗位，而用人单位有时又很难寻找到具有某种特殊技能素质的人才。因此，我国应健全和完善劳动力市场信息网络和服务体系，提高职业搜寻与匹配的效率，减少摩擦性失业的产生。

3技术进步既是发展生产力的必要手段，也是创造就业的根本保障，因此，我国应高度重视技术进步的再次创新，在传统的技术改革中不断细化，创造出更多的新岗位来吸纳更多劳动力。

4重视技术推广，防止行业内企业间出现“马太效应”，这一现象的产生不仅可能抑制技术进步创造就业，而且可能导致垄断，降低社会生产效率，造成社会福利损失。

主要参考文献：［1］涂正革，肖耿．中国工业生产力革命――用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析［J］．经济研究，2005（4）．

［2］ 李小平，朱钟棣．中国工业行业的全要素生产率测算――基于分行业面板数据的研究［J］，管理世界，2005（4）．

［3］夏良科．人力资本与R&D如何影响全要素生产率――基于中国大中型工业企业的经验分析［J］．数量经济技术经济研究，2010（4）．

［4］Battese and Colli, Frontier Production Function , Technical Efficiency and Panel Daza: With Applcation to Paddy Farmers in India ［J］, Journal of productivity Analysis, 1992(3).

［5］Battese and Colli, A model of Technical Efficiency Effects in Stochstic Frontier Productions for Pnel Data ［J］, Empirical Economics, 1995(20).

［6］Greene, W, H, A Gamma-Distributed Stochstic Frontier Model［J］, Journal of Econometrecs, 1990(5).

［7］Stephen Drinkwater and Richard Harris, Frontier 41: A Computer Program for Stochastic Frontier Production and Cost Function Estimation［M］, The Economic Journal, Vol 109, No 456, Features ,Jun,1999.

［8］Kodde, D A ,F C Palm , Wald Criteria for Jointly Testing Equality and Inequality Restrictions［J］, Econometrics , 54.

［9］Ferguson, CE The Neoclassical theory of Production and Distribution［M］,Cambridge University Press,1988.The Effects of Technology Progress on Employment and Its Decomposition Zhu Cuihua１Li Jianmin２

Abstract:The impacting effect and compensating effect caused by the influence on total employment from the technological progress coexist and show different strength at different time and different economic entity, thus leading to the difference of the impact of the overall effect on the total employment. On the base of stochastic frontier analysis, this paper design a new algorithm to estimate the total employment effect of our country's large and medium size industrial enterprises by using statistic data during 1999 to 2009. We found that The total effects of technology progress on employment of our country's large and medium size industrial enterprises is positive, which proved that the employment prospects are comparatively optimistic.

Key words:Technological Progress; Employment Effect; Stochastic Frontier Analysis