·经济论坛
智能制造对劳动力市场的冲击机制及对策研究
金 强1，2，尹音频2
（1.浙江工业职业技术学院，浙江 绍兴 312000；2.西南财经大学 财政税务学院，四川 成都 611130）
摘要： 智能制造的转型与发展必然会对制造业劳动力市场带来深刻的变革，其本质是以高端技术应用为代表的技术进步与升级对就业总量和就业结构的影响。在内生增长模型的基础上，通过构建家庭、企业和政府三部门模型，考察制造业技术进步与升级对劳动力市场的影响，并依据制造业子行业面板数据，构建半参数估计模型和面板门限回归模型进行实证检验。结论显示：以制造业研发创新投入衡量的技术升级与进步，与制造业就业水平呈显著的负向效应，即产生了生产技术对劳动力的替代效应。
关键词： 智能制造；就业；技术进步；劳动力市场
一、引言
2016年底，工业和信息化部联合财政部，共同发布了《智能制造发展规划（2016—2020年）》，提出到2025年逐步实现传统制造业重点领域基本实现数字化制造，重点产业初步实现智能转型。智能制造提高了生产效率，但也产生智能化生产对人工劳动的替代，另一方面，随着互联网+智能制造发展的不断深化，经济结构和产业结构调整进入关键期，必然对就业总量和就业结构带来更大的冲击，一些传统的就业岗位将会逐渐被淘汰，淡出市场，结构性失业风险将会明显增大。同时，一些新兴产业逐渐发展壮大，为创新创业提供了更大的空间和高效途径，这又会为就业市场带来结构性矛盾。因此，智能制造的转型与发展必然会对制造业劳动力市场带来深刻的变革，其本质是以互联网、云计算、人机一体化、自动化生产、机器人等高端技术应用为代表的技术进步与升级对就业总量和就业结构的影响。
二、文献综述
杨浩昌、李廉水等人[1](p108-115)基于2001—2012年中国省级面板数据，考察了科技创新与制造业就业水平的变动关系。结果显示:科技创新对制造业就业具有显著的正向效应，但这种正向效应在不同的地区存在明显的差异，整体上近似呈现"倒U"型的曲线关系，并且当前我国科技创新的制造业就业效应处于“倒U”型曲线的前半阶段。杨浩昌、刘军等人[2](p55-61)运用2001—2012年省级面板数据，分别采用静态和动态面板数据模型，考察了影响制造业就业的因素。结论显示：资本投入、城镇化水平、出口依存度、技术创新能力和地理区位对制造业就业具有正向的效应;工资水平、人力资本水平和进口依存度对制造业就业具有负向的效应。马弘、乔雪等人[3](p68-80)运用1998—2007年工业企业的微观就业数据，分析了我国制造业企业的就业创造与就业消失的规模、特征和趋势。其结论认为，我国制造业就业创造与就业消失同时存在，相互抵消后，总效应为正；就业创造和消失在不同行业之间具有显著的差异，消费品行业就业创造最多，而传统制造业的就业消失最多。刘书祥和曾国彪[4](p93-100)将全要素生产率进行了分解，运用1978—2006年的时间序列数据，分别从技术进步率和技术效率两个视角分析了二者对我国就业的影响。结论显示：技术进步明显对就业产生了冲击效应，当期技术效率提高的就业效应不显著，而滞后期技术效率提高却对就业具有显著的抑制作用。唐国华[5](p72-77)运用结构VAR模型和1980—2007年的宏观数据，研究了我国技术创新的动态就业效应。研究结果表明：技术创新与就业增长率总体上呈反向变动的关系，并且技术创新对就业只有中短期的效应。田洪川和石美遐[6](p68-78)从制造业产业升级的视角研究了就业水平的变动，通过时序和面板数据，建立制造业产业升级对劳动力就业数量影响的模型。其研究结论认为：产业产出增长、产业结构高级化能够显著促进就业总量的增加，而以全要素生产率提升为衡量的产业价值链升级对就业影响并不显著。进一步将全要素生产率分解后发现，技术效率提高能够促进就业水平的提高。
自2011年起，北京和上海开始积极申请实行72小时过境免签政策，2012年获国务院批准，2013年开始实施。因此作为稳健性检验，将2011年和2012年的交叉项纳入回归方程中，其估计系数并不显著，表明过境免签政策有效性的回归结果并不具有随机性。综上，可以认为本文的回归结果是显著且稳健的。
国外方面，Pissarides（1990）[7]研究指出，科技创新能够创造新的就业机会，从而增加就业人数；Lachenmaier和Rottmann[8](p210-220)（2011）也得出了同样的结论。Trehan（2003）[9](p13-28)研究发现，由于美国相对于其他国家具有科技创新的比较优势，因此，失业率要比其他国家低得多。Coad和Rao[10](p255-283)（2011）研究发现：科技创新对就业具有显著的激励效应，能够明显促进就业量的增加。也有部分学者得出相反的结论。如：Aghion和Howitt[11](p477-494)（1994）提出科技创新对就业具有明显的替代作用，科技创新带来的生产率提高会使得一部分低端制造业的工作被替代，降低了就业水平。Mortensen和Pissarides[12](p733-753)（1998）研究认为：科技创新对就业的影响随着执行成本的上升而逐渐产生负向效用。DavidDeaton和PeterNolan（1983）[13]利用计量模型实证检验了技术进步对就业水平的总效应，其结论表明技术进步明显降低了就业总量。
综上所述，无论是国内还是国外研究结论，对于科技创新和技术进步对制造业就业的影响，其结论并不一致，主要是数据选取、方法选择的差异。本文以制造行业子行业面板数据为依据，通过不断放松模型假设条件，分别运用半参数估计模型和门限回归模型进行实证检验，以提高结论的可靠性和稳健性。
三、制造业劳动力市场现状
（一）行业内纵向比较。
图1 制造业城镇单位就业人数
图2 城镇就业总人数
图3 第二产业就业人数
数据来源：中经网统计数据库。
图4 就业总人数
由图1和图3可以看出，制造业和整个第二产业的就业人数在2013年之前呈逐年递增的趋势，2013年达到峰值，此后开始逐年递减；而同期就业总人数一直逐年递增。近年来，我国实体经济和部分中低端制造业发展滞缓，降低了就业吸纳能力，导致部分劳动力挤出，流入其他行业。同时，以智能制造、人工智能、机器人等为代表的高端制造业发展，产生了生产技术对劳动力的替代，也导致了制造业就业量的减少。另一方面，就业总量仍然呈现逐年递增的趋势，主要是一些新兴行业、现代服务业等，特别是劳动密集型行业，吸纳了一部分制造业溢出劳动力。同时，一些高端制造业虽然产生了技术对劳动替代的挤出效应，但其自身的发展壮大也提高了部分高端技能型人才的吸纳能力。综上所述，当前我国的就业状况整体上呈现稳定增长的状况，但制造业和其他行业间呈现劳动力转移的结构性特征，智能制造业带来的高生产率，对一些技术含量低、重复性高的就业岗位带来冲击，将这部分劳动力挤入生活服务业等非生产服务业和其他低端服务业，产生行业调整效应；同时，随着人工智能、虚拟现实、信息网络技术、人机一体化等高端技术的应用，会极大地促进制造业上下游行业、生产性服务业和其他新兴行业的发展和规模扩大，创造新的就业途径和岗位，产生就业吸纳效应。总体来看，我国就业问题主要以结构性矛盾为特征。
（二）行业间横向比较。
图5所示历年就业人数变动走势与前文图1（制造业）特征类似，即2013年之前呈现上升趋势，从2013年开始逐年下降，近似“倒U”型走势。图6所示历年就业人数变动走势同样在2013前呈上升走势，到2013年后趋于平稳，历年变动不大。图1、图5和图6所示各类行业均属于二、三产业中的传统行业，如采矿业、制造业、交通运输业、住宿和餐饮业、居民服务、修理和其他服务业等，随着近年来实体经济发展滞缓和消费方式的深刻变革，这些行业受到较大的冲击，降低了就业吸纳能力。图7所示，历年就业人数变动走势则呈现逐年上升的趋势。这一类行业属于新兴行业和现代服务业，如信息传输、软件和信息技术服务业、科学研究和技术服务业、租赁和商务服务业等。一方面，我国服务业近年来取得较快发展，成为吸纳就业最多的行业，其对就业的贡献率已经超过了第二产业。特别是新兴的现代服务业近年来发展势头迅猛，成为带动经济增长的主力军，同时也提供了数量庞大的就业岗位① 数据源于和讯网：http://news.hexun.com/2017-01-23/187900932.html。 。图8为农林牧渔业历年就业人数走势，呈现逐年下降的趋势，主要由于第一产业在我国国民经济中的地位和作用发生了深刻的改变，同时伴随着城镇化建设、农村劳动力转移等因素，使得农林牧渔业吸纳的就业量逐年下降。
图5
图6
图7
图8
四、数理模型的构建与分析
智能制造的转型与发展对制造业劳动力市场的冲击，其本质是企业技术进步与升级对就业总量和就业结构的影响，而技术进步与升级取决于企业的研发创新的投入。因此，本文在Barro（1990）内生增长模型的基础上，参考杨晓妹[14]构建的家庭、企业和政府三部门模型，将企业研发创新投入引入生产函数，分析三者最优化行为，研究经济均衡时以企业研发创新投入衡量的技术进步与升级对就业量的影响。
a.家庭行为：
家庭效用最大化：
预算约束：
其中，ρ 表示主观贴现率。θ 表示闲暇对家庭效用的影响因子。1/φ 表示家庭消费的跨期替代弹性，1/γ 表示劳动供给的跨期替代弹性。tc 、tw 分别表示流转税税率和个人所得税税率。kt- 1、kt 分别表示t期期初和期末家庭拥有的资本存量。wt 表示工资率，Πt 代表厂商利润之和。代表性家庭在劳动力市场、资本市场和产品市场中进行最优决策行为：在劳动力市场上，通过提供劳动获得税后劳动收入(1-tw )wtlst ；在资本市场上，通过出租资本给厂商获得资本收益(1+rt )kt- 1，并且获得政府的社会保障支出gst ；在产品市场上，将家庭收入用于消费和资本积累，其中(1+tc )ct 的部分用于消费，其余部分用于资本积累kt 。
构建拉格朗日函数，求解家庭效用最大化的一阶条件，经整理得出劳动供给函数:
由表1可以看出，RD （研发支出）、POINUM （有效发明专利数）对LAB （平均就业人数）均为显著的负向效应（分别通过5%和1%的显著性检验），NPINC （新产品销售收入）也为负向效应，但并不显著。
b.企业行为：
企业生产函数：
企业利润最大化：
其中，yt 为企业的产出水平，A为全要素生产率；α 、β 、ϕ 1、ϕ 2分别表示私人资本、劳动供给（ldt ）、企业R&D支出（rdt ）和政府R&D补贴支出（grt ）的边际产出弹性。
通过对算法进行分析可以发现，K-means聚类算法的时间复杂度是O( )nKt，其中n是样本数，K是聚类数，t是迭代次数( )K≤t,t≤n，具有可伸缩性和高效率。对于产生类内紧密、类间疏离的聚类结果，具有较好聚类效果。
求解利润最大化的一阶条件，可得出资本和工资的边际收益以及企业劳动需求函数:
c.政府行为:
假定政府征收商品税tc 、个人所得税tw 和企业所得税tπ 。政府组织的税收收入用于满足政府的社会保障支出gst 和政府R&D补贴支出grt 。
算法运行时关键是如何确定两种交叉方式。具体实施方法：当两个参与交叉的个体平均适应值小于整个群体说明粒子中的优秀个体不够，算法仍处于迭代早期阶段，使用两点交叉，反之用一点交叉。
带入（3）式整理可得市场一般均衡时，就业量l* 的表达式：
由（9）式可得：
将（6）、（7）、（12）式带入（11）式，并整理可得：
市场一般均衡时的就业量即为（13）式非线性方程的解。本文主要考察一般经济均衡下，就业量l* 与企业研发rd 的关系，由（4）可知l* 与y 均为rd 的函数，运用隐函数求导法则将（13）式两边对rd 求导，经分析可得出
，说明以企业研发创新为代表的技术升级与进步会对就业量产生负向的影响，即技术对劳动的替代效应。
五、计量模型的实证检验
通过前述数理模型的推导，可以得出结论：以制造业企业研发创新投入为代表的技术升级与进步会对一般均衡市场的就业量产生负向的效应，其本质是生产技术对劳动力的替代。
（一）数据与变量的说明。
本文通过制造业子行业面板数据，构建面板数据模型，并通过半参数估计模型和门限面板模型进行稳健性检验。相关数据来源于《中国工业统计年鉴》《中国科技统计年鉴》《中国人口和就业统计年鉴》《中国劳动统计年鉴》。由于2011年11月1日实施新国家标准《国民经济行业分类》（GB/T4754-2011），因此，本文进行了数据合并和整理，将原橡胶制品业和塑料制品业合并为橡胶和塑料制品业，将原交通运输设备制造业拆分为汽车制造业和铁路、船舶、航空航天和其他运输设备制造业（按2014年行业比例拆分）① 部分子行业数据无法区分或获取，本文28个子行业中不包含仪器仪表制造业，其他制造业，金属制品、机械和设备修理业。 。
试验所用岩石为花岗岩和大理岩，所有同类岩石试件均取自同一大块岩样，朝同一方向切割加工而成，通过切割机获得尺寸为75mm×75mm×150mm的试样，中间有效跨距长L=128mm，处于自然干燥状态。选取花岗岩和大理岩各4个岩样，都分作2组，每组2个岩样。分别对两种岩样做以下加工：第1组岩样不做任何改变，保持原岩试样；第2组岩样利用金刚石锯片在试件中部精心加工了一个深度2mm，宽度1mm的裂纹。
聚焦聚力谋发展 真抓实干谱新篇 ......................................................................................................................2-1
本文主要考察制造业技术升级与进步对就业市场的影响，制造业技术升级与进步与其研发创新的投入密切相关，主要包括研发创新的投入规模和研发创新的投入成果两个方面，因此，本文变量的具体设置如表1。
北大荒集团（总局）党委提高政治站位，把学习好、宣传好、贯彻好习近平总书记在垦区考察时的重要讲话精神作为首要政治任务，牢牢抓紧、抓实。
（一）面板数据模型的构建及检验结果。
模型1：
前述面板回归模型限定了参数服从正态分布的假设，并且基于线性回归的条件。为了考察上述结论的稳健性，本文拟从两个方面放松假设条件，一是放松正态分布假设，采用半参数估计方法；二是放松线性回归条件，采用门限回归方法。
模型3：
政府预算约束：
其中，被解释变量均为LAB ，表示平均就业人数；模型1中RD （研发支出）为解释变量，其他控制变量包括：RDDL （研发人员全时当量）、RDPRONUM （研发项目课题数）、RDSTANUM （研发人员数量）、ASS （资产总额）、DEBT （负债总额）、INC （营业收入总额）；模型2、3中，解释变量分别为POINUM （有效发明专利数）、NPINC （新产品销售收入），其他控制变量包括PANUM （专利申请数）、NPDINUM （新产品开发项目数）、ASS 、DEBT 、INC 。同时，为了消除异方差性，将各变量取对数形式。回归结果见表1。
当今，地球膨胀论仍然逗留于互联网的边缘上。然而，通过几十年的地球观察资料发现，没有可靠的证据表明地球正在变大，相反有大量的证据表明地球没有变大。
本文针对评论数据对个性化推荐的影响力，提出基于CNN-SRBM文本分类的评分预测推荐研究算法。从用户对物品的评论内容信息着手，对评论数据进行文本分类，并改进传统RBM评分预测，以解决海量评论文本的情感数据处理复杂性、个性化推荐领域的数据稀疏性以及冷启动问题。
模型8：
前述模型中对各个变量数据取对数的形式，是一种绝对数指标，本文进一步构建了RDR （研发支出比率）、NPDIER （新产品研发费用比率）和LABR （就业率）等相对数指标，同样进行面板数据回归，验证上述模型的结论。指标定义如下：
模型定义如下：
模型4：
模型5：
回归结果如表2所示。
从回归结果来看，RDR （研发支出比率）和NPDIER （新产品研发费用比率）与LABR （就业率）均为显著的负向效应（分别通过5%和1%的显著性检验）。显然，与前文绝对数指标数据的回归结论一致。
表1
表2 面板模型回归结果
表3 面板模型回归结果
（二）稳健性检验。
模型2：
1.半参数估计模型的构建及检验结果。
半参数估计模型降低了对样本容量的要求，又不需要限定参数的分布。同时，模型重点考察的非参数部分牺牲了部分光滑度，可以更好地拟合数据，分析变量间的非线性关系。因此，本文考虑引入半参数估计模型，进一步考察RD （研发支出）、POINUM （有效发明专利数）、NPINC （新产品销售收入）对LAB （平均就业人数）的效应关系。基本模型设置如下：
表4 半参数估计结果
其中参数部分x'itβ 为线性函数，而非参数部分g (zit )为未知函数，并假定扰动项εit 均值独立于xit 、zit ，即E (εit/xit,zit )= 0 。结合本文研究变量，具体设置模型如下：
模型6：
模型7：
根据国内外人工养殖小龙虾的经验，对小龙虾实行鱼虾混养的方式容易获得养殖成功与更好的经济效益。我国的养殖鱼类种类比较多，混养方式也有一些不同。
各变量含义和数据与前述模型1、2、3一致，回归结果如下图所示：
由图可知：RD （研发支出）、POINUM （有效发明专利数）、NPINC （新产品销售收入）对LAB （平均就业人数）均为向右下方倾斜的负效应，与前述模型1、2、3结论完全一致，进一步验证了前述模型结论的稳健性。
图9 LAB对RD的核回归图
图10 LAB对POINUM的核回归图
2.门限面板模型的构建及检验结果。
关于非线性关系的研究，常用的方法是在模型中引入变量的平方项或交叉项。考虑到平方项和交叉项的引入会导致共线性的问题，并且不恰当的区间划分也会影响估计结果的有效性，本文选择了门限面板模型检验就业水平与企业研发经费和新产品开发经费之间的关系。其优点是根据数据本身的特点内生地划分区间，降低区间划分偏差对估计结果的影响。
（1）门限效应存在性检验。
门限面板模型首先要确定是否存在门限效应，其检验方法如下：构造原假设：H 0:β 1=β 2，备选假设：
。检验统计量为：
，其中S 0为不存在门限效应时的残差平方和，S 1为存在门限效应时的残差平方和，
。由于在原假设H 0:β 1=β 2下，门限值无法识别，因此F统计量分布不标准，为此Hansen提出通过bootstrap来获得其渐进分布，并构造其P值。本文按门限数量递增的顺序依次进行估计，分别计算不同假设下相应的F统计量，并采用“自抽样法”得出对应统计量的P值。检验结果显示，当模型在双重门限时其拟合效果较为显著，相应F统计量和P值如下表所示：
为了确保铁路运输企业全面预算管理的顺利推进，应该强化铁路运输企业全面预算管理的基础工作。铁路运输企业的管理层在管理过程中应该坚持全面预算管理理念，充分运用全面预算管理这种集成管理模式，对铁路运输企业的业务管理和财务管理活动进行整合。同时，应该完善铁路运输企业的内部控制管理制度、财务会计核算制度、全面预算管理制度等，加强对与预算相关的各项基础数据的全面记录、统计以及核算分析等，为预算管控提供良好基础。此外，还应该加强内部的信息化管理，对预算编制、执行、监控以及评估进行动态管理。
基于上述检验结果，本文构建双重门限回归模型：
模型9：
图11 LAB对NPINC的核回归图
表5 门限效果检验结果
表6 门限值估计结果
模型10：
在后续可维护性上，电机厂运行维护人员对于机组的电动机和发电机均非常了解。我厂现有机组电源的电动机/发电机均为本厂产品，备件获得很容易，检修人员对装备也熟悉，相对维护比较方便。而静态变频电源采用的核心部件为变频器，对于电机制造工厂技术人员来说相对比较陌生，维护技术难度较大。实际运行状况证明一套有着良好的维修保养的机组电源，使用寿命高达40～50年，而变频电源即使有着良好的运行维护，其寿命一般不超过20年。
变量LABR 、RDR 和NPDIER 的界定见（4）、（5）、（6）式 ；Xit 为一组控制变量，分别为RDSTANUMR （研发人员比重）、ALR （资产负债率）、PR （利润率）；git 为门限变量，本文考察RDR （研发支出比率）、NPDIER （新产品研发费用比率）在不同区间对LABR （就业率）的非线性效应，因此上述模型的门限变量git 分别取RDR 和NPDIER ，γ 为特定门限值，依据门限面板模型数据特征估计，I (· )为指标函数，μi 为制造企业的个体效应，εit 为随机扰动项。下标i 、t 分别表示企业和年份。
（2）门限效应真实性检验。
针对门限值估计结果，需要检验估算的门限值是否等于真实值。在表6中，分别计算了各个门限值对应的似然比检验统计量，依据结果所示：所有门限值的估计值均处于95%置信区间内。
根据估算的两个门限值发现，在RDR （研发支出比率）为核心解释变量的模型中，有29个样本处于第一个门限值之前，50个样本处于两个门限值之间，74个样本处于第二个门限值之后，分别占样本数据的19%、33%、48%；NPDIER （新产品研发费用比率）为核心解释变量的模型中，有67个样本处于第一个门限值之前，52个样本处于两个门限值之间，50个样本处于第二个门限值之后，各门限值区间内样本分布较为平均。
（3）面板门限模型检验结果。
回归结果具体如表7所示。
从图2中可以看出，当沙门氏菌纯培养物浓度为5.6×107CFU/g～5.6×104CFU/g时，荧光曲线出现明显的扩增峰，仪器自动判定为阳性；当培养物浓度为5.6×103CFU/g时，荧光曲线平缓，未出现扩增峰，判定为阴性。因此，研究所建立RF-LAMP检测人工污染肉制品的检出限为5.6×104CFU/g。
表7 面板门限模型的检验结果
从不同结构区间的回归系数上看，RDR （研发支出比率）和NPDIER （新产品研发费用比率）在不同区间的作用存在明显差异。由表7可知，RDR （研发支出比率）在达到第一个门限值之前、两个门限值之间和第二个门限值之后三个区间的参数估计值均显著为负（1%的显著性水平），参数估计值依次为：-5.5677、-4.0366和-2.8822，呈现负效应递减的趋势。NPDIER （新产品研发费用比率）在三个区间的参数估计值依次为：0.2362、-0.5161和-1.0106，呈先正后负、并且负向效应递增的趋势，并且第三个区间，即超过第二个门限值的区间呈显著的负向效应（10%的显著性水平）。
六、结论
首先，无论是面板数据模型，还是放松了假设条件的半参数模型和面板门限模型，都验证了以制造业研发经费支出、新产品研发支出以及有效发明专利数等为代表的研发创新投入，对制造业就业产生了显著的负向效应，说明生产技术的进步与升级客观上产生了对劳动力的替代，进而影响劳动力市场的就业水平。
其次，从门限回归的结果来看，制造业企业研发创新投入的规模对LABR （就业率）总体上呈负向效应，但在不同区间的作用存在差异。RDR （研发支出比率）在达到第一个门限值之前（RDR ≤0.0062）、两个门限值之间（0.0062<RDR ≤0.0099）和第二个门限值之后（RDR >0.0099），其负向效应存在明显的衰减趋势，说明对劳动力的替代效应呈现边际替代率递减的特征。NPDIER （新产品研发费用比率）在达到第一个门限值之前（NPDIER ≤0.0089）、两个门限值之间（0.0089<NPDIER ≤0.0194）和第二个门限值之后（NPDIER >0.0194），当NPDIER 超过第一个门限值0.0089后，对LABR （就业率）产生逐渐递增的负向效应，说明对劳动力的替代效应呈现边际替代率递增的特征。
舞罢真香草阁风，瘦筇水月放天踪。有圈太极真成借，无画乾坤妙莫穷。此外可寻桃李圣，眼中谁认古今雄。凭君莫说陈庄句，已费天机浪语中。［3］卷四，36叶
参考文献：
[1]杨浩昌，李廉水，等.科技创新与制造业就业[J].经济问题探索，2016，（03）.
[2]杨浩昌，刘军，等.中国制造业就业的影响因素研究——基于省级面板数据的实证分析[J].经济问题探索，2014，（12）.
[3]马弘，乔雪，等.中国制造业的就业创造与就业消失[J].经济研究，2013，48（12）.
[4]刘书祥，曾国彪.技术进步对中国就业影响的实证分析：1978—2006[J].经济学家，2010，（04）.
[5]唐国华.技术创新的动态就业效应：基于结构VAR模型的实证研究[J].科学学与科学技术管理，2011，（04）.
[6]田洪川，石美遐.制造业产业升级对中国就业数量的影响研究[J].经济评论，2013，（05）.
[7]Pissarides C A.Equilibrium unemployment theory[M].MIT press，2000.
[8]Lachenmaier S，Rottmann H.Effects of innova⁃tion on employment:A dynamic panel analysis[J].Inter⁃national journal of industrial organization，2011，29（2）.
[9]Trehan B.Productivity shocks and the unem⁃ployment rate[J].Economic Review－Federal Reserve Bank of San Francisco，2003.
[10]Coad A，Rao R.The firm－level employment effects of innovations in high－tech US manufacturing industries[J].Journal of Evolutionary Economics，2011，21（2）.
[11]Aghion P，Howitt P.Growth and unemployment[J].The Review of Economic Studies，1994，61（3）.
[12]Mortensen D T，Pissarides C A.Technological progress，job creation，and job destruction[J].Review ofEconomic Dynamics，1998，1（4）.
[13]David Deaton，Peter Nolan.The Nature of Unem⁃ployment under Technical Progress.in Derek L.Bosworth（eds），The Employment Consequence of Technological Change[M].The Macmill and Press Ltd，1983.
[14]杨晓妹.财政政策就业效应研究[D].成都：西南财经大学，2014.
中图分类号： F241.2
文献标识码： A
文章编号： 1003-8477（2019）05-0059-10
作者简介： 金强（1981—），男，浙江工业职业技术学院讲师，西南财经大学财政税务学院博士研究生；尹音频（1954—），女，博士，西南财经大学财政税务学院教授、博士生导师。
基金项目： 2018年浙江省社会科学界联合会课题“智能制造对劳动力市场的冲击机制及对策研究——以浙江省为例”（2018Z12）的研究成果。
责任编辑 郁之行
标签：智能制造论文; 就业论文; 技术进步论文; 劳动力市场论文; 浙江工业职业技术学院论文; 西南财经大学财政税务学院论文;