汽车制造业技术进步对劳动就业的影响

曹文彬，徐进玥 （江南大学 商学院，江苏 无锡 214122）

0 引 言

汽车制造业在我国制造业经济中产值比重较大，在生产过程中，各个环节关联度高，是“中国制造2025”和“十三五”规划纲要中的重点发展领域。我国汽车制造业虽然起步晚，但是发展速度快。2020 年我国汽车总产量约2 522.5 万辆，成为全球最大的汽车生产消费市场。随着新一轮的科技革命的发展，传统的汽车生产方式发生转变，更多数字科技被运用在汽车产业。人工智能等技术的发展对劳动力的替代远超过传统的机械化和自动化，非机械性的岗位正逐渐被人工智能技术所取代，低技能劳动力大量流失。而汽车制造业作为传统资本密集型和劳动密集型产业，需要大量的劳动力和资本投入。在企业实现技术进步的过程中，就业一定会发生明显的变动。在此形势下，如何在就业与技术进步之间寻求一个平衡成为汽车制造业企业一个急需解决的问题。

1 文献综述

技术进步与就业的关系一直是经济学界关注的热点问题之一。近年来国内外有关技术进步对就业影响的研究主要集中在三个方面：（1） 就业的替代效应。技术进步加速资本有机构成的提高，导致对劳动力的需求减少。Aghion 和Howitt（1994） 通过构建失业—增长模型，借鉴并扩展了熊彼特的理论，提出了技术进步对就业的“破坏效应”。技术进步一方面缩短了岗位的生命周期，另一方面减少了岗位的数量，造成大量的失业人口。Benzell（2015） 构建了一个跨期迭代（OLG） 模型研究机器人对劳动力替代的问题。结果表明，在一定条件下，机器人能完全替代低技能劳动任务和部分高技能劳动任务，因而导致劳动力收入减少。蔡啸、黄旭美（2019） 以Acemoglu 理论模型为基础，考察人工智能技术对制造业就业的影响，实证结果表明，我国人工智能技术对制造业就业存在挤出效应，但随着人工智能技术的提升，在一定程度上会缓解这种抑制作用。（2） 就业的补偿效应。技术进步降低了投入要素中的劳动成本，产品价格下降，扩大了需求，企业不断扩大规模，从而产生了新的岗位。Autor（2015） 基于对美国历史数据的考察，提出在自动化对劳动力产生替代效应的同时，也产生了与之相抵消的“生产率效应”。这种生产率效应主要是增加了正在经历“自动化”的部门本身的劳动需求及“非自动化”部门的劳动需求。姚先国等人（2005） 利用制造业企业微观数据，对我国企业技术进步的技能偏态性进行了检验。通过研究发现，我国企业技术进步在一定程度上呈现出技能偏态性，企业对高技能劳动者需求增加，高技能劳动者的工资也显著提高。吕荣杰、郝力晓（2018） 采用2010～2016 我国31 省市的非平衡面板数据，分析人工智能对就业量以及工资的影响。研究结果表明，人工智能技术进步有利于我国就业量的提高，但对农村劳动力造成了替代作用，一定程度上加剧了我国劳动力市场的极化。（3） 既存在替代效应，又存在补偿效应，最终技术进步对就业的影响取决于替代效应和补偿效应的大小。Acemoglu 和Restrepo（2018） 基于任务模型分析了技术进步带来的影响，结果表明技术进步在替代工作的时候，也创造了新的岗位，这种补偿效应能够抵消替代效应。王青（2009） 结合辽宁省1980～2006 年近二十多年的数据后，分析了技术进步对辽宁省就业总量和就业结构的影响。研究表明技术进步对辽宁省就业总量表现出挤出效应，但技术进步还能通过对产业结构的影响进而影响就业结构的调整和变化。

通过对现有文献的梳理，发现当前研究存在以下几个问题：（1） 当前研究多针对于宏观层面来阐述技术进步对就业的影响，没有考虑到技术进步对微观企业带来的具体影响；（2） 在研究方法上，针对技术进步对就业总量的实证分析，多采用静态面板分析，以此得到的结论不够全面。

针对上述问题，本文以汽车制造业技术进步与就业的关系为研究对象，从微观角度出发，采用系统GMM 研究方法进行实证分析，探索汽车制造业技术进步对就业的影响，并据此提出促进就业的相关建议。

2 实证分析

2.1 计量模型构建

本文假定汽车制造业企业服从CES 生产函数，如下所示：

其中：A＞0, λ＞0, ρ≤0, 0＜α＜1。Y 表示汽车制造业企业产出水平，A 代表技术进步水平，K、L 分别代表资本和劳动投入。λ 为规模报酬参数，ρ 为要素替代弹性参数，α 为要素分配参数。假定生产函数是凸的，规模报酬不变，即λ=1，此时，生产函数可以表达为：

根据企业利润最大化的条件，劳动的边际产出等于工资，先对式（1） 求偏导，得到劳动的边际生产率MPL，之后两边再同时取对数，整理可得劳动需求的基本方程，如式（2）：

在考察影响企业就业的因素时，还需要考虑一些其他的变量。本文将企业规模、企业年龄作为控制变量引入到模型中。通常情况下，企业规模越大，员工数量越多。企业成立时间的长短对企业就业人数的影响也较大，成立时间越久的企业，员工人数应该越多。由于现实中的就业规模是一个动态连续的过程，就业不仅与当期因素有关，还受上个时期就业规模的影响，因此本文引入被解释变量的滞后项，得到动态面板模型E1：

为了进一步探索TFP 中的具体因素（技术进步率还是技术效率） 对就业产生影响，将模型E1 中的TFP 拆分为技术效率（EC ）和技术进步率（TE ），得到动态面板模型E2：

其中：i 表示汽车制造业企业；t 表示时期；Y 表示汽车制造业企业产出；TFP 为汽车制造业技术进步水平；W 为企业员工工资；K 代表企业规模；AGE 为企业年龄；EC 为汽车制造业企业技术效率；TE 为汽车制造业企业技术进步率，μ、u 为随机误差项。

由于模型将就业的滞后项作为解释变量，解释变量与随机干扰项高度相关，这可能导致对滞后一阶变量系数的估计值偏低。如果运用标准的固定效应或者随机效应模型进行估计，估计量一定是有偏的、非一致的。为了解决自相关问题，本文选用系统GMM 方法对模型进行估计。系统GMM 方法可避免小样本估计带来的偏差，解决动态面板中的内生性问题；在存在异方差的情况下，系统GMM 回归结果同样具有稳健性。

2.2 数据来源和变量说明

2.2.1 数据来源

考虑到数据的可获得性和准确性，本文选取A 股上市的20 家汽车制造业企业在2005～2018 年的数据作为研究对象，数据来源于色诺芬数据库和各公司年度报告。为了消除异方差的影响，将各变量数据进行对数化处理。

2.2.2 变量说明

就业人数（L ）：用当年截止到年末企业在职员工人数表示。

企业产出水平（Y ）：用企业当年营业总收入来表示，并用2005 年为基期的价格指数进行平减。

技术进步水平（TF P ）：鉴于已有文献中普遍使用全要素生产率衡量技术进步，本文也使用全要素生产率来衡量技术进步水平。相比其他测算技术进步的方法，DEA-Malmquist 指数法不需要任何的具体函数形式，可以有效避免测量结果偏差；其次，DEA-Malmquist 指数法也不需要各种分布假设，可以更好地反映目前市场的真实情况；最后，DEA-Malmquist 指数法测算的结果可以在规模报酬不变的情况下，将全要素生产率分解为技术进步率和技术效率变动，而技术效率变动又可以拆解为规模效率和纯技术效率变化。结合我国汽车制造业的特点，投入指标选择劳动力投入、固定资产和主营业务成本三个指标，净利润和主营业务收入作为产出指标。

企业员工工资（W ）：用企业当年应付职工薪酬除以企业在职员工人数，同时以2005 年为基期的价格指数平减。企业资本（K ）：由企业的固定资产净额表示。用以2005 年为基期的固定资产投资价格指数进行平减。

企业年龄（AGE ）：用当年年份减去企业成立年份。

各变量的描述性统计分析如表1 所示：

表1 描述性统计分析

2.3 回归结果分析

2.3.1 单位根检验

由于面板数据反映了时间和截面二维上的信息，各变量可能会因自身趋势或者截距问题，使得数据不平稳。因此，本文对面板数据进行单位根检验，判断数据是否平稳或是否具有相同单整阶数。由于本文是短面板数据，按照陈强学者对各单位根检验方法的界定，采取IPS 和HT 检验，当两种检验都通过时，认为面板数据是平稳的。检验结果如表2 所示：

表2 单位根检验

由检验结果可知，在HT 检验下，lnL、lnY、lnAGE 存在单位根；在IPS 检验下，lnL、lnY、lnK 存在单位根。因此，该面板数据是非平稳的。为了消除单位根，将各变量进行一阶差分，再对各变量进行检验。发现各变量在5%的显著性水平上拒绝了存在单位根的原假设，实现了数据平稳，可对数据进行下一步的回归估计。

2.3.2 实证结果

本文借助Stata13.0 软件，采用系统GMM 方法对动态面板模型进行估计。为了保证回归结果的可靠性，本文不仅对模型设定的合理性以及工具变量的有效性进行了检验，还对随机扰动项是否存在序列相关进行检验。从表3 可以看出，AR（2 ）统计量对应的p 值大于10%，即没有拒绝原假设“扰动项无自相关”，通过了随机扰动项无自相关的检验。此外运用Sargan 检验，检验工具变量的有效性。如果不拒绝原假设“所有工具变量是有效的”，那么工具变量的设定是合理的。从表3 的检验结果来看，在5%的显著性水平上通过了检验，说明模型设定合理且工具变量有效。具体回归结果见表3。

表3 回归结果表

从对E1 的回归结果来看：

（1） 就业人数的滞后项的系数显著为正，影响系数为0.619。滞后一期的就业对当期就业具有明显的推动作用，这说明汽车制造业企业内部就业存在一定的惯性，企业往往会根据上一期的就业量来决定本期的就业量。

（2） 用全要素生产率衡量的技术进步在10%的显著水平上对就业总量产生了负向影响，系数为-1.287，这说明我国汽车制造业的技术进步类型是偏向于资本替代型的。一方面，技术进步使得企业引进更先进的设备和更优的管理方式，淘汰了大批低技能劳动者；另一方面，企业在进行产业转型升级的过程中，劳动者的专业技能存在一定的滞后性，无法适应新岗位，导致就业人数下降。

（3） 企业的产出水平、资本存量与汽车制造业的就业规模呈现显著的正向关系，这与目前大多数研究结论是相同的。技术进步为企业提高了劳动生产率，企业为实现自身利润最大化，会不断地进行资本积累，进一步扩大产品市场和企业规模，从而会创造出更多岗位，降低失业率。

（4） 企业员工工资水平的提高对企业的就业规模具有显著的抑制作用。这可能是因为，汽车制造业近些年的发展主要依赖于低廉的劳动力成本。随着我国劳动力成本的提高，企业为了降低成本，引入自动化设备；另一方面，一些企业可能将工厂迁至国外一些欠发达的国家，寻找低廉的劳动力，降低对劳动力的需求。

从对E2 的回归结果来看，就业的滞后项、企业的产出水平和企业规模与就业仍呈现正向关系。汽车制造业企业技术效率在1%的显著性水平上对就业总量产生了负向影响，而技术进步率虽然与就业呈现负向关系，但结果并不显著，这说明汽车制造业技术进步对就业的负向影响主要来自技术效率的提升。

3 结 论

从以上回归分析结果可以看出，汽车制造业在技术进步的过程中，既存在替代效应，也存在促进效应，但以替代效应为主，最终就业量下降。汽车制造业就业人数减少的主要原因是企业在产业升级、智能化的发展过程中，技术效率的提高抑制了企业就业人数的增加，削减了低技能劳动力的数量。

结合之前的理论研究和实证结果，本文就加快汽车制造业技术进步、实现充分就业提出以下建议：

（1） 加大技术水平的投入，提升技术效率，加快技术创新。尽管本文的研究结果表明技术进步会减少就业，但技术进步具有一定的调节能力。企业通过技术进步增加产出、扩大企业规模，进而扩大对劳动力的需求。应大力鼓励传统的汽车制造业加快智能化发展，推动企业利用新技术不断提高劳动生产率；其次，政府应采取有效的措施保护自主知识产权，创建具有激励性质的竞争环境，鼓励企业自主研发关键核心技术和产品，提升企业核心竞争力。

（2） 加大人才培养力度，提高劳动者素质。技术进步背景下，企业增加了对高技能劳动者的需求，降低了对低技能劳动者的需求，劳动力市场出现极化。因此企业应提高劳动人员的专业技能，加强对高素质劳动者的储备。一方面，企业可以依托高校和科研机构，加强与产学研相结合，与他们共同培育具有高度实践能力、更强的解决问题能力的高素质人才。另一方面，加强对员工的培养，使员工具备胜任新岗位的技能，避免出现技能与工作要求不匹配而出现的结构性失业现象。

（3） 完善社会福利保障体系，完善就业保障政策。一方面，考虑到技术进步倾向于技能偏向，这必然导致高低技能劳动者之间收入差距加大。为保障社会公平，政府应制定合理的最低工资标准，完善加强社会保障制度，切实有效地保障劳动者的权益。另一方面，出台相关的就业扶持政策，健全就业服务体系，为低技能劳动力提供就业相关的咨询和技能培训，加快下岗职工的转岗就业，增加中低阶层的就业机会和收入。