技能偏向技术进步、职业选择与就业极化
——兼论新冠疫情对就业极化的影响
2022-05-26张其富胡淑琴
张其富,胡淑琴
(1.江西理工大学 经济与管理学院,江西 赣州 341000;2.赣南师范大学 经济管理学院,江西 赣州 341000)
一、问题提出与文献综述
虽然经济学家一直在思考技术进步将人类引向何方[1],但是可以肯定技术进步不会使所有群体均等获益。[2]社会突变更不会使所有劳动者获得均等就业机会,新冠疫情重创了世界经济,引发了各经济体大规模失业。但为什么有的工作岗位快速消失,有的岗位却供不应求?不少研究[3][4][5]认为人工智能引发了就业极化现象,但这些表象背后是什么经济规律主导了劳动力市场就业极化现象?简而言之,技术进步不仅促进机器大规模应用,且通常偏向高技能劳动者。高技能劳动者和机器结合对中等技能劳动者产生替代效应,而中等技能劳动者对低端劳动者产生替代效应,连锁反应引发了劳动力市场中的就业极化现象。本文旨在通过深入分析就业极化理论机制充分认识就业极化规律,为提出有针对性的“稳就业”政策作出理论贡献。
就业极化是近年来研究热点和前沿。第一,国外就业极化理论模型从技能模型转变为任务模型探索。技术进步偏向高技能劳动者(SBTC)①是产生就业不平等的根源[6][7],形成了以技能差异为基础的技能模型。但技能模型仅阐述了SBTC与就业不平等之间的相关关系,并未深入分析就业不平等产生的理论机理。[8]随着研究的深入,经济学家发现美国就业结构呈现如下规律:非常规任务职业持续快速增长,常规任务职业持续下降,而非常规体力劳动职业无显著增减趋势。[8]英国就业结构也得出类似结论[9],Goos &Manning称之为“就业极化”。②根据就业极化现象,学者们以职业为任务代理变量构建了任务模型。[10]法国[11]、西班牙[12]和欧盟[13]等地区与国家,也相继得出就业极化的结论。第二,早期中国就业极化侧重宏观数据和技能模型研究。宏观数据研究主要有行业数据、人口普查数据等。[14][15]大部分学者试图基于技能模型构建理论基础,并用信息产业、对外直接投资数据进行实证分析[16][17][18][19][20][21],也有研究认为中国存在就业反极化现象。[22]第三,近年中国就业极化研究侧重人工智能对就业极化影响。数字经济时代,大数据、人工智能成为影响就业极化的重要变量。[23][24]
前人研究成果十分丰富,但在概念、理论和数据上存在不足之处:首先,就业极化概念没有统一。不少文献将就业极化定义为高、中、低技能就业量与收入的极化,这与ALM[8]和Goos et al.[9]经典就业极化定义有差距:就业极化是指工作任务的极化,用职业就业量作为测度指标,用任务模型进行理论分析;高低技能差异是就业与收入不平等,用学历就业量作为测度指标,用技能模型进行理论分析。将技能模型的理论机制套用在就业极化研究之中,不利于就业极化深入探索。其次,大部分研究使用技能模型分析就业极化。该模型立足劳动力市场中的比较优势原理,以劳动者单位效率为依据,构建了技能偏向型技术进步替代常规任务而产生就业极化的理论机制。任务模型是技能模型的发展,是就业极化研究的理论基础。现有多数就业极化文献并没有区分技能模型与任务模型,技能模型是特殊形式,而任务模型是一般形式。最后,大多数文献使用宏观数据利用上市公司微观数据分析就业极化现象。目前,我国就业极化的研究多数使用宏观数据,微观数据是薄弱环节。国外相关研究以微观数据为主并以宏观数据为补充,例如,ALM[8]以DOT数据为基础补充了CPS数据。
针对现有研究的不足,文章可能创新有三个方面:一是用任务模型分析就业极化现象。使用任务模型分析就业极化是经典文献的惯常做法;二是用就业极化理论解释并预测了新冠疫情加剧就业两极分化的影响;三是用微观数据完善国内就业极化研究。以2009—2019年3747家上市企业数据为基础,从整体、行业和企业三个层面分析就业极化现象。
二、就业极化现象分析
就业极化是经济规律,但其引发的阶层分化则是社会问题,要辩证地看待就业极化问题:一方面,就业岗位收入高低差异是经济发展中形成的不以人的意志为转移的经济规律;另一方面,要监控是否高端技术岗位长期被某些群体掌控并形成难以撼动的既得利益群体。在尊重经济发展规律的同时,应预防就业极化带来的阶层分化。接下来,上市企业数据可以从总体、行业和企业三个层面分析就业极化,学历是技能的代理变量,职业是任务的代理变量。
1.总体数据分析:技能与职业的相互变化
总体数据是所有上市公司各职业和学历水平的员工数总数百分比。图1表达了2011年到2019年的各种学历水平与职业的员工百分比变化情况,“_pct”表示百分比。横轴前六个指标代表职业总数变化情况,分别是生产人员(produce)、销售人员(sale)、技术人员(artisan)、财务人员(finance)、行政人员(excute)和综合管理人员(admin)。横轴后五个指标代表学历总数变化情况,分别是博士(phd)、硕士(master)、本科(ba)、专科(college)和高中及以下学历(highschool)。
图1 上市公司员工2011—2019年学历与职业百分比变化图
图1显示,2011—2019年,上市公司各种职业和学历水平的员工数量在总体员工数中分布的变化有如下情况:一是生产人员百分比呈显著下降;二是销售与技术人员呈显著上升;三是财务和综合管理人员的变化不显著;四是硕士和本科学历水平员工显著上升;五是高中以下员工呈显著下降趋势;六是专科和博士学历水平员工变化不显著。由此可知:技术进步偏向高技能引发了技术与销售岗位显著增加,生产岗位显著减少,财务等岗位增减不显著的就业极化现象。图1仅粗略地勾勒了我国就业极化的轮廓,要探知职业与学历就业极化的相互关系,需进一步分解。为了更好地观察职业与技能之间变动的时间趋势,我们将职业与学历有相关性且百分比相近的指标纳入同一图中进行分析分别见图2、图3、图4、图5和图6。
图2 生产人员与高中及以下学历人员百分比趋势
图3 销售、技术、本科和专科人员分布趋势
图2可以清晰看出,生产人员与高中及以下学历人员的百分比呈一致下降的趋势。图3可以直观发现,销售人员和技术人员与本科学历员工百分比的时间趋势呈增长趋势,而专科学历人员百分比呈小幅度下降趋势。图4表明,行政人员呈小幅上升,而财务和综合管理人员百分比没有显著的增减趋势。图5和图6分别显示,博士和硕士人员占比均呈显著上升趋势。
总体数据分析可以得出结论如下:(1)职业存在极化现象。生产人员显著下降,技术与销售人员显著上升,而销售行政和综合管理人员增减不显著;(2)技能存在极化现象。高中及以下学历水平员工显著下降,本科、硕士和博士水平学历人员也呈显著上升趋势,专科学历水平人员则增减不显著。(3)职业极化现象诱致了学历水平极化现象,工作岗位代表企业对劳动力的需求,诱致相应工作岗位技能的劳动力需求下降。图4表明生产人员百分比下降导致了高中及以下学历人员百分比下降。图5、图7和图8表明,职业方面的销售人员、技术人员呈显著上升趋势,诱致了本科及以上学历人员的劳动力需求。图6表明,财务、行政和综合管理人员等中等学历要求的工作岗位增减不显著与专科学历人员有相关性。
图4 财务、行政和综合管理人员百分比趋势
图5 博士人员百分比趋势
图6 硕士人员百分比趋势
总体数据给了我们较为清晰的图景,也透视出职业与学历之间的相关性。但总体数据是经过加总并平滑处理后呈现出的规律,如果要更进一步了解行业内部的就业极化现象,则需要按照行业进一步分解。
2.行业数据分析:技能与职业变化趋势
行业之于经济总体如同五脏六腑之于人体,行业分析可以更清楚认识就业极化在哪些行业严重,哪些行业不严重。按照Wind一级行业分类标准,将上市公司行业分成能源、工业行业、可选消费、日常消费、医疗保健、金融、信息技术、电信服务、公用事业和房地产等11个行业。每个行业使用职业与学历水平的百分比增减变化来反映是否有就业极化现象,见图7—图17。
图7 能源行业员工的职业与学历变化
图8 材料行业员工的职业与学历变化
图9 工业行业员工的职业与学历变化
图10 可选消费行业员工的职业与学历变化
图11 日常消费行业员工的职业与学历变化
图12 医疗保健行业员工的职业与学历变化
图13 金融行业员工的职业与学历变化
图14 信息技术行业员工的职业与学历变化
图15 电信服务业职业与学历变化
图16 公用事业职业与学历变化
图17 房地产行业职业与学历变化
行业数据趋势图结论如下:第一,高中学历与生产职业员工同时大幅下降趋势。如能源行业、材料行业、可选消费行业、日常消费行业、医疗保健行业、电信行业、公用事业行业和房地产行业;第二,大专、本科及以上学历与销售、技术职业员工同时呈增加趋势。如能源行业、材料行业、工业行业、可选消费行业、日常消费行业、医疗保健行业、电信行业、公用事业行业和房地产行业;第三,反常现象。工业行业生产职业与高中学历员工呈反向变化趋势,与本科学历员工呈正向变化。IT行业高中学历与生产职业员工同时上升趋势,且本科学历员工下降。金融行业的财务职业员工呈减少趋势而销售职业增加。除工业行业、金融行业和信息技术行业的职业与学历水平稍有不同变化外,大部分行业的学历与职业的变化趋势几乎都呈现出第一与第二个特点。这两个特点与总体数据分析的趋势变化有相似之处。
3.企业数据分析:职业与技能分布的核密度分析
企业数据分析基于所有上市公司员工数据进行核密度分析,有共同趋势的职业与学历水平员工核密度分析进行比较分析,可以发现职业与学历之间的相关关系及其规律。
图18和图19显示,生产人员和高中以下学历人员均呈现向左移动趋势,生产人员与高中及以下学历人员呈现下降的一致趋势。
图18 生产人员核密度移动图
图19 高中学历及以下人员核密度移动图
图20和21显示,技术与销售职业人员核密度均呈向右移动趋势。图22、23和24本科、博士和硕士学历人员核密度图也呈向右移动趋势。技术与销售职业岗位与本科及以上学历人员趋势一致。
图20 技术人员核密度移动图
图21 销售人员核密度图
图22 本科人员核密度移动图
图23 博士人员核密度移动
图24 硕士人员核密度移动
图25显示专科人员核密度移动未呈现显著的方向变化,图26、27和28显示财务、行政和综合管理人员核密度移动也未呈现显著变化。
图25 专科人员核密度移动
图26 财务人员核密度移动
图27 行政人员核密度移动
图28 综合管理人员核密度移动
总体、行业和企业三个层面的数据分析结论表明,职业与技能之间存在相关关系,劳动者技能变化影响了职业就业量的变化,进而产生就业极化现象。数据分析呈现了就业极化现象,但为什么会产生就业极化?需要深层次的理论分析。
三、就业极化理论机制分析
现有理论机制存在技能模型和任务模型理论视角分异,前者基于供给而后者基于需求视角。ALM[8]、Goos et al.[9]发现,常规工作任务最容易被机器替代。Acemoglu &Autor[10]认为任务模型是一般形式,而技能模型是其特殊形式,并基于比较优势原理构建了“劳动力市场中的李嘉图模型”。通过将技能模型中的SBTC机制引入任务模型,构建了技术进步引发高端任务对中端职业的替代机制。SBTC理论机制仅关注劳动者技能提升引发中低技能劳动者和中低端职业会随技术进步而逐渐消失。机器最适合替代常规化、程序化与机械化的工作任务引发了劳动力市场均衡变化,有两个理论机制:一是莫拉维克悖论(Moravec's paradox);二是机器成本约束。
1.“莫拉维克悖论”与SBTC机制。“莫拉维克悖论”是人工智能领域发现的有趣现象:让计算机在智力测试或者下棋中展现出一个成年人的水平是相对容易的,但是要让计算机有如一岁小孩般的感知和行动能力却是相当困难甚至是不可能的。机器能胜任机械化、程序化等简单重复且需要一定劳动技能的工作任务,但不容易替代人类无需通过大量学习而天生具备的技能。如何解释“莫拉维克悖论”?SBTC机制认为,技术进步会偏向高技能劳动,使高技能劳动者单位效率高于中等技能劳动者单位效率,异质性劳动力市场的比较优势决定了高技能劳动者胜任更多工作任务,使从事中端任务工作的劳动者失业风险增加。根据常规任务替代机制,常规任务更容易被机器替代,而低端任务并不容易被机器替代。
2.机器成本约束机制。使用机器不可能无限替代劳动力,低技能工作任务往往与低成本相关,机器成本低于劳动力工资时才会出现替代效应。因此,机器成本约束使其替代效应在低成本的工作任务上遇到低技能劳动者的成本阻力。反过来,机器成本也是低收入劳动者收入上升的阻力。机器成本约束机制存在两方面效应:一方面,高端职业容易替代中端职业。异质性要素市场条件下,技术进步会偏向高技能劳动者导致高端技能劳动者的效率高于中等技能劳动者。另一方面,低端职业不容易被替代。莫拉维克悖论认为低端职业工作岗位不容易被技术进步的机器替代。因此,以中端职业岗位为代表的常规任务最容易在技术进步和社会突变中被替代。
总之,理论机制表明,任务模型很好地解释了劳动力市场中的就业极化现象:高技能就业和收入增加,低技能就业和收入并没有显著减少,而中等技能就业与收入呈显著减少趋势。
四、新冠肺炎疫情加剧就业极化
SBTC通过长期技术进步引发就业极化,而新冠疫情则更剧烈加剧就业极化,两者内在机理有相似之处,分析新冠肺炎对就业极化的影响,可为“稳就业”作出理论贡献。
1.新冠疫情对不同职业产生的影响有差异
第一,新冠疫情对就业格局带来了深刻变化。服务业、灵活短期和小微企业的就业将成为适应疫情防控常态化下的就业方式,但这些就业方式恰恰是就业保护和社会保障的薄弱环节[25],有效保护和分类管控策略成为重要的人口治理新策略。[26]第二,新冠疫情减少了餐饮、电影娱乐、零售业、交通运输、旅游业等服务产业的就业需求。[27]第三,新冠疫情对中小企业经营和就业产生了冲击。国家应采取积极的财政税收政策为稳就业和中小微企业经营提供积极的财政政策。[28]第四,数字经济将创造更多就业。大数据为新冠疫情防控和复工复产提供了支撑,但数字化资源分配不平衡不充分、大数据应用程度不高和数字化领域人才缺乏等问题是数字经济发展的瓶颈,发展数字经济为就业提供了巨量需求。[29]
2.新冠疫情将加剧就业极化
前述分析可知,新冠疫情摧毁一部分传统职业,又催生了一部分新职业,这将加剧就业极化。在新冠疫情冲击下,全球各经济体面临大规模失业的风险,但并非所有职业失业风险相同。它在迅速地淘汰不合时宜的工作岗位的同时,又迅速地创造了适合疫情防控常态化下的工作岗位。这与技术进步对工作岗位的创造性毁灭内在机制如出一辙。要重视新冠疫情对就业的负面效应,也应快速调整以适应新形势变化。劳动者唯有自身快速变化,才能适应快速变化的时代并生存下来。
首先,新冠疫情通过创造性毁灭有效需求倒逼新技术大量涌现,冲击现有就业结构,产生显著就业极化现象。任务模型认为技能偏向性技术进步会逐步创造性地毁灭一部分职业,也会产生一部分职业。而以新冠疫情为代表的社会突变则是快速地消灭一部分职业,当然也会快速地催生一部分新的职业。新冠疫情类似催化剂,在极短时间内促进了技术的转型与应用,使就业极化现象更直观。其次,新冠疫情通过毁灭传统接触性服务行业倒逼服务行业技术升级,进而促进服务行业的就业极化现象。在疫情防控常态化的形势下,传统接触性服务行业劳动者面临高失业风险,而新型非接触性的人工智能服务业就业岗位的就业需求量增加。再次,新冠疫情通过创造性毁灭倒逼技术升级,产生就业极化现象。技术进步带来的就业岗位毁灭性创造并不是新鲜的事情。从“工人捣毁机器”开始,机器与劳动者替代成为恒久课题。每当遇到灾难、战争和产业革命,机器必定会替代不合时宜的劳动者,也会产生新的岗位需求。应充分了解新冠疫情的特点及其趋势,引导劳动者选择正确的职业并快速提升劳动技能。
新冠疫情冲击社会体系,致使很多职业失业风险陡增,却也给善于变化的劳动者带来新的机会。犹如黄河泛滥冲毁家园,却给作物生长带来丰富养分,增加了粮食增产的机会。劳动者在这场社会突变中,选择正确的职业和快速的技能学习能力是不被社会淘汰的关键。
五、结论
技能偏向型技术进步下,劳动者单位效率差异是形成就业极化的基础。就业极化是技术进步导致资本价格下降而对劳动产生的替代效应,是不可避免的经济规律,但由此带来的阶层分化则是社会问题,是社会不稳定的根源。新冠疫情将催生新技术涌现,新技术对高技能劳动者偏向性将加剧就业极化。正确认识新冠疫情对就业极化的危与机,是制定就业政策的先决条件。不同层次经济主体的应对策略应既保持统一又各有侧重,具体如下:
第一,国家应对策略。国家应侧重劳动力市场中“济”的策略。“济”是指损有余以奉不足,将过剩劳动力调剂到劳动力不足的行业和企业。首先,调查并预测劳动力结构性失业状况。可以预见,结构性失业将成为重要方面,国家应组织常态化劳动市场调研机构。其次,建立准确劳动市场供给与需求实时动态,立足就业调查大数据的就业调查结果向社会公布劳动力过剩与不足。再次,精准扶持适应新形势的中小微企业。中小微企业是吸纳就业的主要力量,需要主动扶持并扩张企业规模,使其吸纳更多劳动力就业。不合时宜的企业是效率黑洞,会消耗有限资源。最后,建立劳动力市场短期培训与长期学习的长效机制。新冠肺炎疫情是短期冲击,必然出现大量短期就业劳动者结构性失业,其对技术进步的影响也将在长期内永久毁灭某些职业。
第二,企业应对策略。企业应构建发现、培养和使用人才的制度。企业必须适应形势才能获得生存与发展的机会,人才是企业竞争中的核心要素,企业的生存与发展必须依赖人才。首先,企业应构建发现人才制度。新冠疫情倒逼技术进步的条件下,企业需要主动发现人才。其次,企业应构建培养人才的制度。劳动者通常存在学习与工作的冲突:保持学习则影响现在的工作,不保持学习则影响将来的工作。最后,企业应构建使用人才制度。将合适的人放在正确的位置能充分实现人才的价值,而放置在错误的岗位则不仅使企业受损,人才也容易流失。企业应该构建合理的人才使用制度,使人才发挥最大作用,使企业和人才两相宜。
第三,劳动者应对策略。劳动者应对策略应侧重职业选择与终生学习。首先,职业选择需要符合新形势发展趋势。技术进步虽然快速变化,但还是有规律可循。劳动者要善于发现并感知经济社会环境的变化与技术进步的方向,社会环境变化通常会促使技术进步,而技术进步必将创造性毁灭某些职业并创造新的职业岗位。其次,终生学习是应对社会变化的主要策略。劳动者应该保持终生学习的态度才能不断地了解掌握事物发展规律,适应新形势下的变化。
总之,技术进步和社会突变不会使所有劳动者获得均等的就业机会,而是在替代一部分职业的同时促进另一部分职业,引发就业极化问题。就业极化问题是工业化国家发展进程中因技术进步导致资本价格下降而对劳动者的劳动力产生的替代效应,是不可避免的经济规律,但因就业极化而带来的阶层分化问题则必须干预并化解。突如其来的新冠肺炎疫情冲击了社会体系,必将倒逼新技术大量涌现,大量新技术对高技能劳动者的偏向性,必将显著加剧就业极化问题。国家、企业和劳动者三个层次的经济主体在新形势下应有统一协调且各自侧重的应对策略做好稳就业工作,以在快速变化中生存下来并谋求发展机会。
注释:
①SBTC英文全称是Skill-Biased Technical Change,中文翻译为技能偏向性技术进步。关于SBTC的研究很丰富,总体上认为技术进步偏向资本和高技能劳动者,对中低技能产生替代效应,使中低端劳动力失业。
②就业极化(Jobs polarization)一词系Goos &Manning在2003年首次提出,发表于2007年的Review of Ecnomomics and Statistics期刊,该研究受ALM(2003)的“常规任务模型”启发。因此,ALM(2003)被认为是就业极化理论的开创性论文,但Goos &Manning(2003)取得了“就业极化”的冠名权。