工业智能化对劳动力就业的影响——以甘肃省为例.pdf

65CD（2 0 2 3 年第4 期）财金研究工业智能化对劳动力就业的影响以甘肃省为例/余丽君摘要：就业是民生之本，欠发达地区如何利用工业发展解决就业问题是一个值得探讨的问题。因此文章聚焦西北地区的甘肃省，研究工业智能化对劳动力就业的影响，结论是：第一，工业智能化发展对甘肃省劳动力就业总量具有正向影响，根据机制分析可以知道，甘肃省工业智能化的就业创造效应比替代效应强；第二，工业智能化对甘肃省工业的劳动力就业具有显著的正向影响，甘肃省工业的就业创造效应较强，最终导致了劳动力就业总量的增加；第三，工业智能化对农业和服务业的劳动力就业影响不显著，可见工业智能化的应用范围还不够广泛，渗透性不强。根据结论提出建议：充分发挥甘肃省工业智能化的就业创造效应，增加总的就业水平，特别是对甘肃省发展较好的装备制造业进行智能化改造，促进劳动力就业；注重人力资本投资，加大对智能化人才的人力资本投资；增强工业智能化的渗透力，特别是向农业和服务业渗透，构建工业互联网平台，提高生产效率的同时增强与农业、服务业的关联度；政府给予资金支持进行工业智能化改造，提高智能化发展速度。关键词：工业智能化劳动力就业摘值法中图分类号：F241文献标识码：A文章编号：10 0 4-6 0 7 0(2 0 2 3)0 4-0 0 6 5-7一、引言工业发展经历了三次革命，加速了世界经济发展，深刻地改变了世界格局。目前工业发展正在经历第四次革命，即以人工智能、大数据、区块链、物联网等技术为核心的又一次科技革命。随着工业4.0时代的到来，工业转型升级也有了新的要求，即工业智能化。中国作为制造业第一大国，要想实现制造业迈向高端化，改变产业发展“大而不强”的格局，必然要抓住新一轮科技革命的机遇，促进工业与人工智能等技术的融合发展，实现制造业转型升级。目前，中国工业智能化发展已经取得了一定成果，而且工业智能化对社会经济发展产生了深远的影响，其中对劳动力就业的影响是值得关注的，因作者单位：西北师范大学经济学院为就业是民生之本，是人民改善生活的基本前提和途径。并且在疫情席卷全球的时代，经济发展不稳定，各行业劳动力就业问题突显，对劳动力需求和供给产生了巨大影响。2 0 2 0 年2 月中国的城镇调查失业率为6.2%，创2 0 18 年1月以来的最高纪录。考察甘肃省的劳动力就业情况，主要分析劳动力就业的行业特征，从图1可以看出，甘肃省劳动力就业结构随时间发生变化，整体来看，第一产业劳动力就业比重一直维持在较低水平，并且呈现下降趋势，第二产业和第三产业呈现相反方向的变化，服务业就业比重不断上升，而工业就业比重不断下降。甘肃省劳动力就业结构变化遵循了配第-克拉克定律，产业结构不断升级。66经管天地80.00%70.00%60.00%50.00%40.00%30.00%20.00%10.00%0.00%20132014201520162017201820192020一产就业人口占就业人口比重二产就业人口占就业人口比重三产就业人口占就业人口比重图1甘肃省劳动力就业结构变化数据来源：中国劳动统计年鉴。区域间经济发展不平衡问题现如今仍然存在，即东部发展迅速，西部发展缓慢，造成这一现象的原因很多，如资源赋的差异、人力资本的差异等。而新时代中国特色社会主义的主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，要实现人民的美好生活，必须要解决不平衡不充分发展的问题。西部地区因资源赋不具有优势，人才流失较严重，阻碍了地区经济发展。工业是实体经济的支柱，欠发达地区要想发展经济必须优先发展工业，促进劳动力就业，稳定民生。甘肃省在2 0 19 年就发布了甘肃省绿色化信息化智能化改造推进传统产业转型升级实施方案，提出推动工业IT和工业OT要素深度融合，积极发展智能制造，建设智能工厂，推动产业迈向中高端，实现高质量发展。甘肃省工业智能化发展对劳动力就业产生了怎样的影响？这需要去探究。因此，本文聚焦西北地区的甘肃省，研究工业智能化对劳动力就业的影响。二、理论分析现有关于工业智能化对劳动力就业的影响研究主要存在两种观点。第一种观点认为工业智能化发展所应用的人工智能技术会导致“机器换人”现象，换言之，工业智能化对劳动力就业存在负向影响。Autoretal(2003)最早研究了计算机化如何改变工作技能需求，发现计算机化与工作技能需求转向受过教育的劳动力存在正向关系，即计算机化增加了技能劳动需求，而减少了非技能劳动力。Acemoglu&Restrepo(2020)研究了机器人应用对美国劳动力市场的影响，发现每千名工人中增加一个机器人，就业与人口的比率将下降0.18-0.3 4 个百分点，工资将下降0.2 5%-0.5%。Frey&Osborne(2017)在研究人工智能对美国劳动力就业结构的影响时，发现人工智能不仅会对低技能劳动力就业产生替代效应，还会替代高技能劳动力就业。这些学者的研究验证了发达国家智能化对劳动力就业的负向影响，而对于中国的劳动力市场的研究，孙早和侯玉琳(2 0 19)从理论和经验两个层面证明了工业智能化将促使先进设备替代初中和高中学历劳动力，并增加对高、低教育程度劳动力的需求。机器人的应用程度在一定程度上代表了智能化水平，孔高文等（2 0 2 0)基于行业与地区层面的数据研究了机器人应用对中国劳动力市场的影响，发现机器人应用规模扩大会显著降低本地未来一年的劳动力就业水平，尤其是易被机器替代的行业的就业水平。另一种观点则认为工业智能化发展会创造新的岗位从而增加就业。Acemoglu&Restrepo(2019)建立了一个基于任务的模型来研究不同技术对劳67CD（2 0 2 3 年第4 期）财会研究动力需求的影响，自动化通过创造一种替代效应，将生产的任务内容转变为劳动的内容，而引人新的任务，使劳动具有相对优势，从而通过恢复效应改善劳动。自动化总是会减少劳动份额，可能会减少劳动需求，新任务总是会增加劳动份额。王文(2020)在分析工业智能化对就业影响机理的基础上，从行业就业结构视角研究了智能化对就业的影响，发现工业智能化水平的提升显著降低了制造业就业份额，同时增加了服务业特别是知识和技术密集型的现代服务业就业份额，促进了行业就业结构高级化，有助于实现高质量就业。惠树鹏和朱晶莹(2021)运用面板回归和门槛回归的方法检验工业智能化对劳动力就业结构影响的门槛效应，发现工业智能化对高技能劳动力就业具有创造吸纳效应，且有持续增强之势，而对中低技能劳动力就业呈现冲击替代效应。综合现有研究，工业智能化对劳动力就业的作用主要通过“机器换人”替代低技能劳动力和生产链延伸及生产率提升创造新的岗位需求对就业总量和就业结构产生影响。也就是说，工业智能化对劳动力就业的影响可能是多重的，最终的影响效果主要取决于劳动力替代效应和劳动力创造效应的大小，若替代效应大于创造效应则工业智能化抑制了劳动力就业，反之则促进了劳动力就业。基于以上梳理，本文认为工业智能化对劳动力就业的影响是多重的，其作用机制可用图2 表示，若劳动力替代效应大于劳动力创造效应则最终体现为工业智能化对劳动力就业是负向影响，反之则是正向影响。本文以甘肃省为例,研究工业智能化对劳动力就业总量的影响，同时基于行业间就业结构的异质性研究工业智能化对第一、二、三产业劳动力就业的影响。“机器换人”劳动力替代效应替代劳动就业总量和工业智能化就业结构生产链延伸及生产率提升创造新劳动力创造效应的岗位需求图2工业智能化与劳动力就业的作用机制三、研究设计（一）数据来源及处理本文选取2 0 10-2 0 19 年甘肃省省级数据进行实证研究，工业智能化计算所用数据主要来源于历年的中国高技术产业统计年鉴中国电子信息产业统计年鉴甘肃省发展年鉴中国统计年鉴；劳动力就业数据主要来源于历年的中国劳动统计年鉴；控制变量数据来源于国家统计局的分省份年度数据，个别缺失值使用线性插值法补充。对劳动力就业指标做对数化处理，其余变量无需做对数化处理。(二)变量选择1.被解释变量：劳动力就业。本文研究的是工业智能化对劳动力就业的影响，因此参考孔高文等(2020)的研究使用城镇单位就业人员数来衡量劳动力就业指标。2.解释变量：工业智能化。以往研究关于智能化的衡量方式基本可以分为两类：一类是构造智能化综合指标，如刘军等（2 0 2 1)从基础投人、生产应用和市场效益这三个层面来测度智能化，利用层次分析法和值法对细化指标进行数据处理并计算各地区的智能化指数，除此之外还有很多学者根据68经管天地研究需要采用不同角度和方法构造了指标体系（孙早和侯玉琳，2 0 19；季良玉，2 0 2 1）。另一类是使用单一指标来衡量智能化，常见的单一指标主要有计算机及信息服务业投人（杨飞和范从来，2 0 2 0）、中国工业机器人的销售台（朱巧玲和李敏，2 0 18）人工智能相关授权量占专利授权总量的比重(邓翔和黄志，2 0 19）、国际机器人联合会（IFR）数据库提供的中国各行业工业机器人安装量（王永钦和董雯，2020；吕越等，2 0 2 0)。由于单一指标较难全面衡量工业智能化的发展水平且机器人安装数据只有国家级数据，因此本文借鉴刘军等(2 0 2 1)的指标构建方法，根据数据可得性进行适当调整，最终得到的工业智能化指标体系如表1所示。表1工业智能化指标体系主指标一级指标二级指标测度指标权重科研经费投入高技术制造业R&D经费0.14561733高技术设备投人电信固定资产投资0.08215212基础投入层互联网基础投人光缆线路长度/省域面积0.03929313高技术制造业从业人员数0.08455304高技术人才投人信息传输、软件开发和信息技术服务业人员数0.12035675智能化指数软件开发与服务情况软件业务收入0.14657126数据处理与运营情况数据处理与运营服务收入0.09831998生产应用层高技术制造业新产品产值0.09711272智能技术应用程度高技术制造业有效发明专利数0.11492316智能设备市场利润高技术制造业利润总额0.0711005市场效益层智能设备市场效率高技术制造业主营业务收入/从业人员数0.145617331.2350.00%300.00%1250.00%0.8200.00%150.00%0.6100.00%0.450.00%0.00%0.2-50.00%0-100.00%2010201120122013201420152016201720182019工业智能化水平增长率图3甘肃省工业智能化水平利用值法得到各个细化指标的权重，结果在表1中最后一列列出，此结果为stata直接输出，存在0.0 0 0 0 0 0 0 1的偏差。最后计算各年份甘肃省工业智能化得分，结果如图3 所示。由图中智能化得分可知，甘肃省工业智能化得分逐年增加，表明工业智能化发展水平逐渐提高，但是从增长率可以看出除2 0 11年到2 0 12 年的增长率有明显增加外，其余年份增长率都是呈下降趋势，这说明了甘肃省工69CD（2 0 2 3 年第4 期）财金研究业智能化发展速度是较缓慢的。究其原因，一方面是因为甘肃省工业智能化发展相关的基础设施不健全；另一方面是智能化人力资本不足，人才流失严重，这些因素都阻碍了工业智能化的快速发展。3.控制变量：为尽可能避免内生性问题，本文参考现有学者的研究选取生活成本、人力资本投资、经济开放度和城镇化水平4 个变量作为控制变量。变量定义见表2。表2变量定义变量类型变量名称符号变量定义被解释变量劳动力就业EMPLOY城镇单位就业人员数（万人）解释变量工业智能化INT值法测算生活成本Consume城镇居民家庭人均消费支出占可支配收人的比重人力资本投资Hum国家财政性教育经费占地方财政一般预算支出的比重控制变量经济开放度Trade贸易总额占CDP的比重城镇化水平Urban城镇人口占总人口比重来衡量(三）模型构建本文利用计量模型探究工业智能化对劳动力就业的影响，借鉴孙早和侯玉琳（2 0 19)的研究，基准模型设定如下：InEMPLOY=+INT,+ZX,+8,(1)其中，下标t表示年份，InEMPLOY表示劳动力就业人数的对数形式，X,表示一系列控制变量，8 t表示随机扰动项。是工业智能化的系数，是实证分析中主要关注的系数，若为正，则甘肃省的工业智能化对劳动力就业的影响是正向的，即工业智能化的劳动力创造效应大于劳动力替代效应；反之是负向影响，即工业智能化的劳动力创造效应小于于劳动力替代效应。同时，为了分析工业智能化对劳动力就业影响的行业差异性，本文将（1)式中的被解释变量EM-PLOY,分别替换为EMPLOY_1,、E MP L O Y _ 2.和EM-PLOY_3.，分别表示一、二、三产业的劳动力就业，其余变量设定不变，模型如下：InEMPLOY_1=+,INT+X,+8.(2)InEMPLOY_2,=+,INT+ZX+8:(3)InEMPLOY_3,=+,INT,+ZX,+8,(4)模型（2）（3）、（4)分别表示一、二、三产业工业智能化对劳动力就业影响的模型，本文重点关注系数,、2、3 的正负。四、实证分析（一）描述性统计分析表3 报告了实证分析中相关变量的描述性统计结果。劳动力就业总量（InEMPLOY）的均值为14.69，标准差为0.12，最小和最大值分别为14.4 8 和14.79，说明甘肃省劳动力就业总量数据之间相差较小，二产劳动力就业（InEMPLOY_2)和三产劳动力就业（InEMPLOY_3）的标准差分别为0.18 和0.11，数据之间相差也较小，而一产劳动力就业(lnEMPLOY_1)的标准差为0.3 1,数据间相差相对较大；工业智能化(INT)的均值为0.4 3，标准差为0.33，最小和最大值分别为0.0 3 和0.9 6，说明甘肃省不同年份的工业智能化水平相差较大；控制变量生表3描述性统计变量均值标准差最小值最大值InEMPLOY14.690.12014.4814.79InEMPLOY_110.710.3109.89010.92InEMPLOY_213.680.18013.4113.90InEMPLOY_314.200.11014.0214.34INT0.4300.3300.0300.960Consume0.7400.0100.7300.760Hum0.1600.0100.1600.180Trade0.0700.0300.0400.130Urban0.4300.0500.3600.51070经管天地活成本（Consume）、人力资本投资（Hum）、经济开放度（Trade）和城镇化水平（Urban）的标准差分别为0.01、0.0 1、0.0 3 和0.0 5，数据间相差较小。(二)回归分析根据以上计量模型和变量选取，接下来对工业智能化对劳动力就业的影响进行实证分析，由于甘肃省工业智能化发展和人力资本水平较低，其对劳动力就业的影响具有滞后效应，因此参考孙早和侯玉琳(2 0 19)的研究，将这两个变量滞后一期再进行回归。表4 报告了模型（1）、（2）、（3)和（4)的实证结果,其中INT,_lag和Hum_lag表示滞后一期后的变量。表4工业智能化对劳动力就业影响的基准估计结果InEMPLOYInEMPLOYInEMPLOY变量InEMPLOY_1_2_30.719*-3.7251.305*0.389INT_lag(7.47)(-1.47)(2.94)(1.58)-1.565*8.236-2.340-1.179Consume(-4.32)(0.86)(-1.40)(-1.28)6.056*0.89412.63*2.102Hum_lag(12.27)(0.07)(5.56)(1.67)-6.771*1.896-12.97*-3.097*Trade(-21.23)(0.23)(-8.83)(-3.81)-5.380*16.11-11.93*-1.424Urban(-7.79)(0.88)(-3.75)(-0.81)8.176*-10.639.713*6.204*_cons(25.12)(-1.24)(6.48)(7.47)N9999注：括号内为t值，*、*、*分别表示在10%、5%、1%的显著性水平下通过检验，下表同。从列(2)可以看出，工业智能化对劳动力就业总量具有显著的正向影响，同时控制变量对劳动力就业总量也存在显著的影响，其中人力资本投资对劳动力就业总量有正向影响作用。接下来考察工业智能化对三次产业的异质性影响，由列(3）、（4)和(5)的结果可以知道，工业智能化只对第二产业的劳动力就业有较显著影响，并且是正向作用，工业智能化对农业和服务业分别具有抑制和促进的作用，但这一作用在统计上不显著。表4 的估计结果在一定程度上说明了甘肃省工业智能化促进工业和服务业的劳动力就业，抑制了农业的劳动力就业。这说明工业智能化的工作岗位创造效应超过了替代效应，最终带来了更多的新的岗位需求，从而增加了劳动力就业总量。根据估计结果可以知道，甘肃省工业的就业创造效应较强，最终导致了劳动力就业总量的增加。(三）稳健性检验为了使研究结论更具稳健性，采用改变核心解释变量的计算方法进行稳健性检验。借鉴樊纲等(2003）的主成分分析方法计算工业智能化水平。表5报告了更换了核心解释变量计算方法后的回归结果,可以看到解释变量估计系数的显著性和符号方向与基准模型基本保持一致，只是大小有些许变化。因此在一定程度上可以说明工业智能化对甘肃省劳动力就业的影响研究的结果是稳健的。表5稳健性检验结果InEMPLOYInEMPLOY InEMPLOY变量InEMPLOY_1_2_30.0634*-0.2580.124*0.0288INT_lag(7.14)(-1.02)(4.26)(1.19)-1.404*7.565-2.029-1.104Consume(-3.71)(0.70)(-1.63)(-1.07)4.975*8.39210.91*1.370Hum_lag(12.04)(0.71)(8.05)(1.21)-5.901*-3.660-11.52*-2.545*Trade(-23.31)(-0.51)(-13.87)(-3.68)-3.662*3.497-9.275*-0.206Urban(-7.49)(0.25)(-5.78)(-0.15)7.718*-6.9569.045*5.855*_cons(25.66)(-0.81)(9.16)(7.13)N9999五、结论与启示工业智能化的发展不仅对工业生产过程产生了影响，同时还对社会经济发展产生了深刻的影响。本文研究了工业智能化对甘肃省劳动力就业的影响，主要结论是：第一，工业智能化发展对甘肃省劳动力就业总量具有正向影响，根据机制分析可以知道，甘肃省工业智能化的就业创造效应比替代效应强；第二，工业智能化对工业劳动力就业具有显著的正向影响，甘肃省工业的就业创造效应较强，最终导致了劳动力就业总量的增加；第三，工业智能化对农业和服务业的劳动力就业影响不显著，可见工业智能化的应用范围还不够广泛，渗透性不71佩）（责任编辑：潘CD（2 0 2 3 年第4 期）财会研究强；第四，甘肃省工业智能化的发展水平虽然有提升，但发展速度较慢。根据以上结论本文提出了促进甘肃省工业智能化发展和劳动力就业的建议：第一，充分发挥甘肃省工业智能化的就业创造效应，增加总的就业水平，由于工业智能化对工业劳动力就业的影响最为显著，应不断提升工业智能化水平，特别是对甘肃省发展较好的装备制造业进行智能化改造，促进劳动力就业。第二，注重人力资本投资，特别是加大对智能化人才的人力资本投资，这将有利于劳动力就业，同时政府应该加大人才引进力度，吸引更多智能化人才。第三，增强工业智能化的渗透力，特别是向农业和服务业渗透，构建工业互联网平台，提高生产效率的同时增强与农业、服务业的关联度。第四，政府给予资金支持进行工业智能化改造，提高智能化发展速度，对重点行业或龙头企业开展智能化改造，逐步扩大范围和辐射力度。参考文献：1 AUTOR D H,LEVY F,MURNANE R J.The skill con-tent of recent technological change:An empirical explo-rationJ.The Quarterly journal of economics,2003,118(4):1279-1333.2 ACEMOGLU D,RESTREPO P.Robots and jobs:Evi-dence from US labor marketsJ.Journal of PoliticalEconomy,2020,128(6):2188-2244.3 FREY C B,OSBORNE M A.The future of employment:How susceptible are jobs to computerisationJl.Techno-logical forecasting and social change,2017,114:254-280.4】孙早，侯玉琳.工业智能化如何重塑劳动力就业结构J.中国工业经济，2 0 19(0 5)：6 1-7 9.5孔高文，刘莎莎，孔东民.机器人与就业一基于行业与地区异质性的探索性分析J).中国工业经济，2 0 2 0(0 8：80-98.6 ACEMOGLU D,RESTREPOP.Automationand newtasks:How technology displaces and reinstates laborlJl.Journal of Economic Perspectives,2019,33(2):3-30.7王文.数字经济时代下工业智能化促进了高质量就业吗Ul.经济学家，2 0 2 0(0 4）：8 9-9 8.8惠树鹏，朱晶莹，工业智能化影响劳动力就业结构的门槛分析.产经评论，2 0 2 1,12(0 3)：6 9-8 6.9刘军，陈嘉钦.智能化能促进中国产业结构转型升级吗 J.现代经济探讨，2 0 2 10 7)：10 5-111.10】季良玉.中国制造业智能化水平的测度及区域差异分析 J.统计与决策,2 0 2 1,3 7(13)：9 2-9 5.11杨飞，范从来.产业智能化是否有利于中国益贫式发展?J.经济研究，2 0 2 0,55(0 5）：150-16 5.12朱巧玲，李敏.人工智能、技术进步与劳动力结构优化对策研究 J.科技进步与对策，2 0 18,3 5(0 6)：3 6-4 1.13邓翔，黄志.人工智能技术创新对行业收入差距的效应分析一来自中国行业层面的经验证据.软科学，2019,33(11):1-5+10.14王永钦，董雯.机器人的兴起如何影响中国劳动力市场？一来自制造业上市公司的证据.经济研究，2020,55(10):159-175.15吕越，谷玮，包群.人工智能与中国企业参与全球价值链分工J.中国工业经济，2 0 2 0(5）：8 0-9 8.16】樊纲，王小鲁，张立文，等.中国各地区市场化相对进程报告J.经济研究，2 0 0 3(0 3)：9-18+8 9.