基于灰色关联的科技进步水平与就业结构的实证研究①

邹亚南

(安徽新华学院商学院, 安徽 合肥 230088)

0 引 言

随着人工智能、物联网、计算机信息网络等高新技术的广泛应用，科技在带来经济发展成果的同时对劳动力影响已经成为了就业问题研究过程中不可忽略的因素。文献研究表明目前科技进步对就业影响主要有“促进效应”和“挤出效应”。“促进效应”为主的研究有：科技进步对劳动就业的促进效应主要得益于新技术促进新岗位的产生以及技术岗位劳动力市场需求量的增加。吕荣杰(2018)通过实证分析科技进步能够促进就业岗位的增加，人工智能等新技术在解决就业压力具有不可替代的作用[1]；孙文凯(2018)运用cobb-douglas模型分析得出科技能够促进就业的数量及水平的进步[2]；杜传忠、许冰(2018)提出随着科技的进步劳动市场会发生结构性的变革在此背景下，新的劳动模式将会产生[3]。“挤出效应”为主的研究有：科技进步提高劳动生产率的同时，大量的使用高新技术来替代人力资源会产生“机器”挤出人力的现象，从而对重复劳动和低技能劳动就业产生影响。张慧(2018)通过劳动力成本函数分析得到“机器替代人工”是制造业发展的必然趋势[4]。陈秋霖、许多(2018)预测76.8%的中国就业人口由于科技进步将会被替代[5]。

基于安徽省2008-2018年的科技进步相关的面板数据，利用熵值法构建科技进步水平指标体系，结合2008-2018的产业视角的就业数据，实证检验安徽省目前的科技进步水平与就业结构关联性。

1 指标确定

1.1 科技进步水平

科技进步有广义和狭义之分。广义的科技进步水平是指扣除劳动和资本要素后一切引起生产效率提升的要素之和，科技进步以外的人力因素、政策因素等影响均被包含。广义的科技进步水平一般采用TFP或科技进步贡献率作为测算指标。狭义的科技进步，一般只研究科技因素所带来贡献的，通过科技水平指标体系的构建来进行度量。由于广义的科技进步受到非科技因素的影响在一定程度上夸大了其对经济的影响[6]，因此以狭义的科技进步作为研究对象，通过构建科技进步水平指标体系来测算安徽省的科技进步的现状。借鉴了Yoav Shoham 在《artificial intelligence index 2018 annual report》中提出的人工智能发展水平指标体系结构，将科技进步水平分为科技投入、产出两个维度，并结合数据的可获取性将其进一步分为：科研机构R&D人员折合全时当量(X1)、全社会R&D经费占GDP比重(X2)、地方财政科技拨款占地方财政比重(X3)、规模以上工业企业研发投入占主营业务收入比重(X4)、万人有效专利拥有量(X5)、规模以上高新技术产业增加值增幅(X6)、规模以上工业企业新产品销售收入占主营业务收入比重(X7)、技术合同成交额(X8)。

1.2 就业结构

目前对就业结构的研究主要分为两类，一是从产业结构视角研究劳动力的就业结构即对第一、二、三产业的就业人数进行对比分析，二是从劳动力技能水准角度研究不同技能劳动力的就业结构即对低中高三个层次的就业人数进行对比分析。由于产业结构视角的就业数据全面且相关辅证性数据较多，因此本文的就业选择从产业结构视角出发。图1为安徽省2008-2018年的就业人数相关数据，表中数据表示近十年安徽省的就业总数成上升趋势，上升幅度相对稳定，农业就业人数逐年降低，向制造业和服务业转移明显，相应的制造服务业就业人数逐年，二者变化幅度大概从2012年之后开始增大。

图1 安徽省就业人数图

2 实证分析

2.1 科技进步水平指标体系构建

在上文的概念鉴定中已确定本文从科技投入、科技产出两个二级维度出发将其细分为八个指标进行科技进步水平指标体系的构建。从安徽省相关数据表1所示，安徽省近11年无论是科技投入还是科技产出整体均处于上升状态。基于安徽省2008-2018年的数据采用熵值法，结合excel进行分析，设Xij为科技进步水平指标体系中的一个指标，解释为第i年第j个指标的取值。

表1 安徽省科技水平相关数据表

2.1.1 标准化处理

2.1.2 熵值e计算

由于在熵值法的计算过程中不能出现0和负数因此在计算过程中首先进行了非负数平移，然后带入熵值计算公式。

2.1.3 信息效用度d和权重系数w计算

dj=1-ej

熵值越大说明数据越稳定离散程度小，指标的信息效用度就少，因此权重就少；相反熵值越小说明数据越混乱，离散程度越大，指标所具有的有效信息就多，权重就大。熵值、信息效用度和权重数据如表2所示。

表2 科技进步指标权重表

根据表2中八个指标的权重数值可知：万人有效专利拥有量(X5)、规模以上工业企业研发投入占主营业务收入比重(X4)、技术合同成交额(X8)为权重最高的三个指标权重分别为19.27%、18.82%、14.7%。全社会R&D经费占GDP比重(X2)、规模以上工业企业新产品销售收入占主营业务收入比重(X7)、科研结构R&D人员折合全时当量(X1)为权重最低的三个指标，权重分别为：7.63%、8.47%、9.02%。

2.1.4 安徽省科技进步水平得分

将表2提出的权重系数带入2008-2018年安徽省的指标数据，计算这11年的科技进步指标的具体水平，计算结果如表3所示：安徽省的科技水平值在2008-2018年总体基本呈上升趋势，但2008-2012年科技进步水平值呈现出增幅较小不稳定的特点，安徽省科技进步水平稳步大幅度的上升主要在2013-2018年之间，其平均增长幅度达到20%。

表3 安徽省历年科技进步水平

2.2 科技进步水平对就业结构的灰色关联度分析

2.2.1 灰色关联分析法介绍

采用的是邓氏灰色关联分析法来实证分析安徽省科技进步水平与就业结构的关联性，灰色关联分析通过对母序列和子序列在不同时期数据的几何关系比较从而进行定量分析计算关联系数，此方法最大的优势是对样本量及总体的分布形态无具体要求。

2.2.2 数据来源

研究安徽省2008-2018年科技进步水平与就业结构的关联性分析，科技进步水平数据来源于表3科技进步水平得分值，就业结构数据来源于2009-2019历年安徽省统计年鉴中就业总人数和三产就业人数数据。

2.2.3 计算步骤

首先确定母序列和子序列，设定安徽省科技进步水平指标序列为母序列Y={Y(k)|k=1，2....n}，安徽省就业总人数序列、各产业就业人数分部为Z1、Z2，Z3，Z4,子序列用Zi={Zi(k)|k=1,2....n},i=1,2,3,4，来进行表示。

其次，指标无量纲处理，常用的处理方法有初值化、均值化等，本次分析采用均值化的即每各序列的数值均除以自己的均值。

再次，进行关联系数η(k)的计算

η(k)=

选取分辨系数ρ为0.5进行关联系数计算，得出关联系数矩阵如表7所示。最后，计算关联度

由于关联系数比较杂乱，不能清晰表述母序列和子序列的关系，因此将其平均计算子序列与母序列的关联度如表4所示。

表4 关联度表

2.2.4 结果分析

关联度表示母序列指标和子序列指标之间形似关联程度，其值介于0-1之间，值越大说明子序列和母序列之间的关系越紧密。经验表明，关系度在0.3以下低关联，在0.3-0.6为中等关联，0.6-0.9为较高关联，0.9以上为高关联。根据表4的结果显示，安徽省科技进步水平与就业指标的关联度均在0.6及以上，其中与Z3、Z4、Z1的关联度最高均达到较高关联度水平，与Z2关联度相对较低但也达到中等关联度水平。

3 结 论

3.1 科技进步促进安徽省劳动力就业总量的提升和促进安徽省就业结构优化

2018年安徽高新技术产值达到10947亿元，其中人工智能产业产值近700亿元，国家级产业基地“中国声谷”入园企业达到400余家。科技发展及与经济的深度融合扩大生产规模、促使新的岗位出现如，人工智能的研发促进了算法工程师、机器学习工程师等岗位的需求，人工智能产品的市场需求的扩大对销售人员的劳动需求量，根据上文的灰色关联度分析所知科技进步与安徽省就业总量具有较强的关联性，图1中2008-2018年安徽省的就业总量成上升趋势。虽然安徽省科技进步挤出一些劳动力如农业就业人数在降低转移，但也对就业有一定的促进效应，如第二、三产业就业人数呈大幅度上升，科技进步带来的挤出效应在被促进效应抵消的同时，对就业总量的总体所具有积极促进作用。

科技发展促使机器生产效率提高，降低对技术水平低的劳动力的需求，人工智能的发展扩大了机器替代人工的风险。然而科技进步带来的生产规模扩大化、创新化会促使劳动力需求增加。产业特征的不同导致科技对其就业影响效应不尽相同，如科技进步对第一产业就业人数的挤出效应较明显，技术的革新导致对劳动力需求结构发生变化，导致第一产业就业人数发向第二第三产业转移，科技进步对第二第三产业的产生较强的促进效应，总体来影响了就业结构的调整。从图1可看出安徽省产业结构的转变主要从2012年开始，这和安徽省科技进步水平的变化趋势一致。随着科技进步对产业影响效应导致安徽省的就业结构从2008年的第一产业为主导的局面转变为第三产业为主导的结构，并且第二产业有赶超第三产业的趋势。

3.2 进一步发展高新技术产业和完善劳动就业服务体系

安徽省近十年的数据分析可知科技进步对就业的促进效应大于挤出效应，因此为了进一步促进就业水平的提高，就业结构的优化应该进一步提高高新技术的研发，促使其产业化。虽然2018年安徽高新技术产值达到10947亿元，技术合同成交额达到322.58亿元但从高新技术产值增幅来看2018年增幅为13.8%低于往年水平，由此可见科技进步在与经济深度融合方面还有较大发展潜力。安徽省后续发展中应注意政策引导，建立创新激励机制，拓宽融资渠道进一步促进新技术的研发及新兴技术的实际应用，提高科技对经济发展的贡献从而促进就业水平提高就业结构的优化。

科技进步会挤出低技能水平的劳动力，而被挤出者是否能够进行劳动力转移的关键在于劳动者与科技关联岗位的协同工作能力。劳动者协同工作能力的提高主要有两个途径：首先加大低技能劳动力的职业培训，如在失业保险基金的使用中增大职业培训所占比重，扩大职业培训范围种类，培训内容跟上科技进步的步伐；其次进一步完善就业服务平台的构建，政府为了让劳动力更迅速地匹配到合适的岗位，可以在现有的劳动力信息资源的基础上建立与职业培训信息平台互通的专业就业信息平台，能够及时根据劳动力需求情况建立相应培训课程，也可以为经过培训的劳动力及时提供丰富的就业资源。