信息技术、团队合作与劳动力需求结构的差异性，本文主要内容关键词为：差异性论文,信息技术论文,劳动力论文,团队合作论文,需求论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
截稿：2014年7月 20世纪70年代，西方主要发达国家首先出现了高技能劳动力相对需求①不断上升的现象(Acemoglu，1998；Autor等，1998；Gosling和Lemieux，2001；Berman等，1998)，拉丁美洲和亚洲的一些发展中国家也从20世纪80年代开始出现了类似情形(Robbins，1996；Feenstra和Hanson，1996、1999)，中国也不例外(姚先国等，2005；Xu和Li，2008；宋冬林等，2010)。现有文献对于这一问题的解释主要集中于国际贸易和技术进步两个方面。 早期从国际贸易角度的解释基本都基于赫克歇尔-俄林(H-O)理论和斯托尔珀-萨缪尔森定理(Stolper-Samuelson Theorem，以下简称SS定理)，学者们认为发达国家出口密集使用高技能劳动力的产品，使这些国家该类产品的相对价格上升，增加了高技能劳动力的相对需求，而在高技能劳动力相对稀缺的发展中国家情况则相反。然而这一结论却与经验研究结果部分相悖，因为发展中国家的高技能劳动力相对需求也在提高，这就促使后来的学者去寻求不同解释。 20世纪中期以来，计算机广泛应用和信息技术的飞速发展极大地改变了生产和生活方式，基于这一事实，Krueger(1993)、Berman等(1994、1998)、Goldin和Katz(1996)以及Autor等(1998)认为以信息技术所代表的技术进步是偏向高技能劳动力的，即所谓的技能偏向型技术进步(Skill-Biased Technological Change，SBTC)，而SBTC是造成就业结构中高技能劳动力比重不断增加的主要原因。但这其中存在的一个关键问题是：以信息技术为代表的新技术为什么会偏向高技能劳动力？ 一部分学者认为高技能劳动力与资本的互补程度大于低技能劳动力。由于技术进步的实现通常体现在新资本的投入，尤其是设备资本的更新上，因而产生了技术进步的偏向性。Griliches(1969)很早就已提出这一观点。Goldin和Katz(1998)利用1909-1929年美国制造业的数据、Duffy等(2004)使用73个国家跨度25年的数据均验证了这一假说。此外，Krusell等(2000)发现，20世纪后期，在技术进步作用下，美国的设备资本价格一直呈下降趋势，由于设备资本与高技能劳动力的替代弹性更大，所以高技能劳动力的需求上升更快。 另一部分学者则试图把技术进步内生化，认为劳动力供给结构变化主导了技术进步的偏向性。Kiley(1999)首先将不同类型劳动力的供给与技术进步的方向联系起来，从理论上证明了技术的偏向性与使用这种技术劳动力的丰裕程度有关。随后，Acemoglu(2002、2003a，2003b、2007)系统地阐述了内生技术进步的影响机制，他的主要思想是技术是可以被“生产”出来的；生产技术的厂商根据不同类型技术的相对价格，自主选择提供技术的类型，由此引出造成技术偏向的两种效应：价格效应和市场规模效应。价格效应是指稀缺要素的相对价格较高，导致密集使用该要素产品的相对价格也就较高，对于生产这种产品的新技术需求也就更高，创新或技术进步主要集中于该产品部门，因此价格效应导致技术进步偏向稀缺要素；市场规模效应则指如果新技术能让丰裕要素更多投入生产，那么这项技术的市场规模会与使用这项技术的丰裕要素市场成正比，导致技术进步偏向丰裕要素，市场规模效应与价格效应正好相反，这两种因素的影响效果取决于不同要素之间的替代弹性。Caselli和Coleman(2002)的研究也支持了技术进步偏向丰裕要素这一结论。 但是以上文献都没能解释新技术是如何与高技能劳动力互补的，生产中不同技能劳动力的分工过程仍然是一个“黑匣子”。为打开这个“黑匣子”，一些学者试图从代表技术进步的信息技术与厂商生产组织方式之间关系的角度在微观层面寻求新解释。Osterman(1994、2000)与Ichniowski等(1996)发现传统的由标准化在生产线批量生产的方式已经被更为灵活和专业性的生产过程取代。Lindbeck和Snower(2000)认为，这是生产技术和信息技术的发展促进了任务之间的互补性，劳动力对于多样性工作的偏好以及人力资本积累带来了更多的多样性人才，共同导致了生产方式从“泰勒式”的专业化向“传统式”②的协作生产转变，这种转变增加了对于多样型人才的需求。Milgrom和Roberts(1990)认为厂商的行销、生产、组织和管理是一个互补性的整体，信息技术发展造成生产组织方式的变化会引起连锁效应。具体而言，计算机网络和电子通信系统的发展降低了数据收集、处理和交换的成本以及产品开发和设计的成本，同时使得生产方式更为灵活，不仅减少了存货，而且可以更快适应用户的要求，从而引起生产和组织管理方式等各个相关配套方面的改变，增加了对人力资本的需求。持相似观点的还有Bresnahan等(2002)。 Borghans和Weel(2006)研究了信息技术发展对于劳动力分工的影响，认为劳动力专业化分工加深虽然能提高生产效率，但同时会增加劳动力之间的协调成本。最优的分工应该是专业化收益与协调成本之间权衡的结果。信息技术的影响体现在两个方面：一方面减少了生产时间，另一方面降低了协调时间。这两方面的影响对于分工的作用完全相反：生产时间的减少虽然提高了生产效率，但会使分工程度降低，不同技能劳动力承担更多任务；协调时间的减少则扩大了不同技能劳动力劳动生产率的差异，使得分工程度进一步深化，高技能劳动力承担更多任务，由此增加高技能劳动力的需求。 总体而言，这些研究大都以一国范围内的总体水平为研究对象，但并没有考虑行业间和国家间的差异。从国际贸易影响劳动力需求结构的路径，可以部分解释贸易和非贸易行业以及同一行业贸易前和贸易后劳动力需求结构发生的变化，但无法解释同样出口的不同行业之间的差异；基于技能偏向型技术进步的角度可以解释高技能劳动力的需求增加，但没有涉及行业间劳动力需求结构变化的差别，即使有个别文献进行了分行业的分析，也只是列举了不同行业相对工资的变化，没有解释差异产生的原因。实际上，劳动力需求结构变化在行业间和国家间有着较大差异，具体可见图1～4。
图1 不同行业高技能劳动力相对就业变化对比
图2 不同行业高技能劳动力相对工资变化对比
图3 不同国家高技能劳动力相对就业变化对比
图4 不同国家高技能劳动力相对工资变化对比 说明：数据来源于WIOD数据库(The World Input-Output Database)，图中高技能劳动力的相对就业是指高、低技能劳动力的就业数量之比，相对工资是指高、低技能劳动力的工资之比；劳动力的技能分类引自WIOD数据库。 图1和2以木材加工和木制品业以及电子、通信设备制造业为代表，使用12个国家的平均数据，描述了不同劳动力需求结构从1996-2005年的变化情况，图中横轴表示时间，图1纵轴表示相对就业比，图2纵轴表示相对工资比。图3和4则对比了中国和美国电子、通信设备制造业相对就业和相对工资变化情况。根据图1～4我们可以发现：首先，高技能劳动力的相对需求③虽然一直呈上升趋势，但是其上升幅度在不同行业有着显著差异——电子、通信设备制造业的上升幅度大于木材加工和木制品业；其次，劳动力需求结构的这种变化在不同的国家亦有差异——同样是电子、通信设备制造业，美国对于高技能劳动相对需求的增加要远远大于中国。 那么，为什么会出现这种劳动力需求结构的差别？我们没能从已有研究中找到答案。有鉴于此，本文在考虑信息技术节约劳动力协调时间的同时，引入生产中劳动力之间的团队合作程度这一行业特征，解释信息技术发展与不同行业、不同国家的劳动力需求结构差异之间的关系。首先，信息技术使用越多，即信息化密度④的提高会造成劳动力需求结构中高技能劳动力比重增加。这是因为信息技术使得信息交换更便利，降低了劳动力之间的交流成本，节约的交流时间可以用到生产中，在高、低技能劳动力节约同样时间的条件下，高技能劳动力的劳动生产率相对更高，厂商会增加高技能劳动力的相对需求。其次，这种效应在不同行业中又有着较大的差异，根据生产过程劳动力之间的团队合作⑤程度，我们把行业分为两类：一类对于团队合作生产的要求较高，主要体现在生产过程中需要承担不同任务的劳动力之间较多地沟通和协调，如电子、通信制造业或者化工行业；另一类则对于劳动力的团队合作要求较低，主要体现在劳动力完成任务的独立程度较高，生产中承担不同任务的劳动力之间交流和沟通相对较少，如服装制造业或者木材加工和制造业。由于团队合作程度高的行业劳动力之间的协调更为频繁，很显然信息技术降低协调成本进而影响劳动力需求结构的效应对于这类行业的影响就更大。最后，信息化密度的影响效应要受到国家技术水平限制，相同的信息化投入在技术水平⑥高的国家可以得到更充分地利用，从而扩大信息技术对于劳动力需求结构的影响效果。 本文的主要贡献在于：一是基于信息技术的视角，对不同国家、不同行业劳动力需求结构的差别和变化趋势的原因做了详细阐述，不仅弥补已有研究的不足，而且具有较强的政策指导意义；二是从理论上详细分析了信息技术与高技能劳动互补的微观机制，并将行业的团队合作程度纳入分析框架，丰富了已有的理论研究；三是通过国家、行业和时间三个维度的数据从不同层面验证了理论分析所得到的主要结论。 本文的其余部分安排如下：第二部分构建理论模型；第三部分是计量模型与数据说明；第四部分是计量结果和稳健性检验；最后是全文结论以及政策建议。 二、理论模型 本文的理论模型借鉴了Borghans和Weel(2006)的建模思想，他们主要讨论信息技术如何通过影响生产和协调时间，导致专业化的变化，而我们与Borghans和Weel(2006)不同的是，本文侧重于分析信息技术如何通过节约协调时间导致不同技能劳动力劳动生产率差异的扩大，进而影响劳动力的需求结构。具体模型如下： (一)需求
(二)生产 1.基本假定 (1)假定所有的单位产品生产都需要完成一系列连续的生产任务x∈[0，1]，x从小到大表示任务的复杂程度越来越高，服从概率密度为f(x)的分布，分布函数为F(x)。 (2)根据技能将劳动力划分为两种，高技能劳动力h和低技能劳动力l。技能为j(j=h，l)的劳动力完成任务x所需要的生产时间为
，假定：
(3)完成整个生产过程需要劳动力之间团队协作，因此不仅需要生产时间，还需要花费一定的时间进行协调。对于协作要求高的行业，即团队合作程度高的行业，要求劳动力之间协调和交流更为频繁，反之则较少。假定产品或者行业之间的差异仅体现在团队合作程度上。 记i产品生产过程中每个任务的平均协调时间为
，其中，
表示平均协调的频率，
＞0；J表示单位协调时间。平均协调频率反映了生产中劳动力之间相互协调的频繁程度，体现了生产中对团队合作的要求，即
代表了i行业的团队合作程度。 (4)假定单位协调时间
，其中θ为信息化密度，θ越大表示信息化投入越多，θ∈(0，1)，a表示技术水平状况，这一假定暗含了
。含义是信息化设备的使用会节约交流所需要的时间，在相同的信息化投入条件下，技术水平越高，对于信息化设备的利用也就越充分。⑧那么，在i产品的生产中，任务x所花费的总时间是生产时间η(x)与协调时间
之和：
(5)由假定(4)有
，即生产任务复杂度越大，相同劳动力完成任务的时间也就越多，并且随任务复杂度上升而提高得更快，因此，进一步假定：
其中，ε是任意小的正数。做此假定是为了避免两类劳动力完成生产任务的时间差别过大造成高技能劳动力花费很少比例的时间就可以承担绝大部分任务。 (6)假定高、低技能劳动力的总量分别为S和L，生产过程都需要雇佣两种技能的劳动力，高技能劳动力不能跨行业流动。 2.厂商决策 根据(3)式，高技能劳动力在复杂度更高的任务上有相对优势，那么厂商的成本最小化使得低技能劳动力承担相对简单的任务，高技能劳动力则反之，生产任务被划分为两个区间，边际任务复杂度为u，复杂度小于u的由低技能劳动力承担，其余由高技能劳动力承担。边际任务复杂度确定后，不但两类劳动力的相对比例得以确定，而且由于高技能劳动力不能跨行业流动，
是固定不变的，故而产量和低技能劳动力的雇佣总量
也随之确定，i行业的低、高技能劳动力雇佣比例和产量分别为：
(三)信息化密度变化的影响 Jorgenson(2001)指出技术进步降低了信息设备的价格，增加了生产中信息化的投入。本文主要考察的是信息化投入提高对于不同技能劳动力需求结构的影响，因此我们的分析框架不讨论信息化密度变化的来源，而是通过比较静态的方法分析信息化密度提高后对于高技能劳动力相对工资的影响。 1.总体影响 首先不考虑行业差异，从总体上分析信息化密度变化的影响。对(9)式中θ求导：
(11)式说明信息化造成相对工资的变化主要由两部分组成：一部分是由信息化投入变化造成的最优边际任务复杂度变化，进而影响相对工资；另一部分则是信息化造成不同技能劳动力相对劳动生产率差异性变化从而影响相对工资。这两部分分别对应上式右侧的两项，第二部分很显然大于0，要最终确定对工资的影响，就必须考察
。
由
，这是因为信息化密度提高节约了协调时间，节约的时间对于所有劳动力都相等，但由于高技能劳动力承担了更为复杂的任务，完成每个复杂任务花费的时间要大于低技能劳动力完成简单任务所花费的时间，在每个任务节约相同时间的前提下，高技能劳动力的节约比例小于低技能劳动力，必然造成单位产品生产过程高、低技能劳动力投入总时间之比增加，大于劳动力相对供给，因此
必须提高以实现均衡。从而可知(11)式右端两部分均大于0，(11)
，说明信息化密度增加提高了高技能劳动力相对工资。 命题1：在其他条件相同的情况下，信息化密度的提高会减少协调时间，扩大高、低技能劳动力的劳动生产率差距，造成高技能劳动力的需求上升，在劳动力供给既定情况下必然会提高其相对工资。 2.考虑行业团队合作程度差异影响 考察行业差异之后，因为信息化密度提高使团队合作程度高的行业节约更多的协调时间，因此信息化密度增加造成相对工资提高的效应会随着协调频率k的增加而得到放大。不仅如此，这种差异还导致了不同行业产出变化的差异，均衡的相对价格和消费的支出份额都会有所变化，表现为团队合作程度高的行业产出增加得更大，从而相对价格降低得更多，对于该行业产品的支出增加，相对工资提高。 本文主要目的是分析信息化密度变化后对于不同行业的影响，因此为了分析方便对于初始均衡进行了一定限定。我们假定不同行业高技能劳动力的供给确保了在信息化密度变化前均衡条件下所有行业的
无差异，(12)在此基础上我们就可以重点分析在信息化密度改变时，相对工资变化的行业差异。
说明团队合作程度越高的行业，由信息化密度提高造成低技能劳动力在单个产品中的工作时间减少得越多，即劳动生产率提高得越大，必然会导致低技能劳动力越多地流向团队合作程度高的行业，从而使得行业的高技能劳动力相对比重降低，均衡条件也必然导致单个产品中高技能劳动力相对工作时间降低，边际任务复杂度提高，由此可得：
(15)式代表了信息化密度的提高造成了团队合作程度越高的行业边界任务复杂度越高。由于边界任务复杂度越大，高、低技能劳动力的劳动生产率差异也就越大，也就意味着相对工资越高，因此通过(15)式我们就可以得到信息化密度变化造成不同行业相对工资变化差异的结论。为进一步反映这一点，在(11)式的基础上继续对
求导得：
(16)式表明信息化密度提高造成了团队合作程度更高的行业高技能劳动力相对工资上升得更大。 命题2：信息化密度提高对于高技能劳动力相对需求和相对工资的影响具有显著行业特征，对于团队合作程度高的行业，由于其生产过程对于团队合作程度要求高，协调更为频率，劳动力花费在交流上的时间更多，因此信息技术通过节约交流时间扩大高、低劳动力专业化分工，进而使提高高技能劳动力相对需求的效应在这类行业体现得更为明显。 3.考虑国家技术水平差异的影响 以上我们对于信息技术与劳动力就业结构关系的讨论集中于一国范围内，主要考察了行业团队合作的差异，然而相同信息化投入在不同国家所获得的收益也是有差异的。因为信息化投入的效果还要受到内外因素的影响，比如与信息技术相关的其他资源、贸易伙伴和经济环境因素(Melville等，2004)，与信息技术相关的配套投入(Brynjolfsson和Hitt，2000；Brynjolfsson等，2002；Liang等，2010)以及对劳动力的组织和培训(Boothby等，2010)等因素都与一国资本禀赋和技术禀赋相关。在技术水平更高的国家，信息技术投入可以得到更有效地利用，国家的技术水平差异主要体现在a的大小上，技术水平高的国家a就更大。由于劳动力不能跨国流动，因此对于每个国家既有的劳动力比例是固定的，L/S固定，与一国总体的分析方法类似，有
=0，在(12)式的基础上考察国别差异，继续对α求偏导，并结合假定(4)可得：(13)
(17)式的经济含义是在技术水平高的国家，信息化设备的利用效率也更高，相对于技术水平低的国家，相同的信息化投入会节约更多的协调时间，从而使得高技术国家的边界任务复杂度也更大。 考察两个国家d和f，
，由于我们主要分析信息化密度变化以后，对于不同国家相对工资的影响差异，因此为了分析方便，我们同样假定两国的初始均衡状态完全相同，然后比较两国信息化密度变化以后的相对工资之差。由(17)式可知信息化密度提高后，均衡的边界任务复杂度
，且协调时间
。因此：
通过上式简单的分析可知，技术水平更高的国家在信息化密度提高过程中相对工资上升的更大。出现这种差异主要取决于两个方面：其一是信息化密度提高造成高技术国家边界任务复杂度提高更多；其二是为高技术国家节约了更多的协调时间造成的不同技能劳动生产率差异扩大。两个方面的根源都在于高技术国家的协调时间减少得更多。 命题3：信息化投入的差异对于高技能劳动力相对需求和相对工资的影响还受到国家技术水平差异的限制，高技术国家由信息化密度提高造成高技能劳动力相对需求和相对工资增加得更多。 三、计量模型与数据说明 根据理论部分得到的结论，经验检验部分我们主要从以下几个方面展开：首先，不考虑国家和行业特征因素，单独考察信息技术对于高技能劳动力相对就业和相对工资的影响，从而验证命题1。然后引入行业的团队合作程度，使用信息化密度与团队合作程度的交叉项作为解释变量，检验信息技术造成同一国内不同团队合作程度的行业工资和就业结构的变化差异，验证命题2。最后，把国家特征考虑在内，检验信息技术造成不同国家就业结构的变化，验证命题3。 (一)计量模型 1.信息技术对于劳动力需求结构的影响 根据命题1，信息化密度的提高造成了劳动力需求结构的变化，即高技能劳动力的相对需求越来越高，所以我们在控制了国家和行业特征的前提下，考察信息化密度随时间变化与劳动力需求结构的关系。相对就业的变化有可能由需求和供给变化两方面造成，在需求不变的情况下如果高、低技能劳动力的相对供给增加了，那么相对就业也会增加，但是相对工资则会下降，或者说至少不会上升。由此可见，考虑信息技术造成劳动力相对需求的变化必须控制供给因素，然而分行业的专业人才供给数据相对难以获得，为了控制供给因素，我们借鉴宋冬林等(2010)的做法，用相对就业和相对工资分别作为被解释变量，如果回归结果显示相对就业和相对工资同时增加，这就说明信息技术发展造成就业结构的变化主要是需求方面的原因，基于这一原则，我们建立如下计量模型：
其中，m=1，2分别表示高技能劳动力的相对就业和相对工资回归方程；i、c和t分别表示行业、国家和时间；
分别表示行业固定效应和国家固定效应，ε为残差项；被解释变量：
和
分别表示高技能劳动力的相对就业和相对工资；解释变量：IT表示行业的信息化密度；为保证计量结果的稳健性，我们还加入行业随时间变化的其他控制变量D，控制变量的选择参照了Xu和Li(2008)、姚先国等(2005)以及宋冬林等(2010)的做法，包括：控制开放度的贸易指标(trade)、控制行业规模的指标总产出(output)以及行业的资本深化(kl)和全要素生产率(tfp)；Industry和Country分别为行业和国家虚拟变量，用以控制行业和国家固定效应，如果
和
的系数同时为正，则与我们的预期相一致。 2.信息技术对于劳动力需求结构影响的行业差异 命题2说明信息化密度提高造成高技能劳动力相对需求增加的效应随行业的团队合作程度上升而提高，为此我们采用信息化密度和行业团队合作程度交叉项作为解释变量，使用与(19)式相同的方法建立如下计量模型：
其中IT×Team表示信息化密度与行业团队合作程度的交叉项，其余变量不变。同样，如果
和
的系数同时为正，则说明计量结果与命题2的结论一致。 3.信息技术对于劳动需求结构影响的国家差异 命题3指出国家的技术水平会影响信息技术的作用效果，我们采用相同的分析方法，以信息化密度和代表国家技术特征的交叉项作为解释变量验证命题3：
其中，IT×SE表示信息化密度与国家技术禀赋的交叉项，其余变量不变。与之前分析方法相同，我们期望
和
的系数同时为正。 (二)指标构建 1.相对就业(
)和相对工资(
) 参考宋冬林等(2010)的方法，采用高、低技能劳动力的工资比和就业比作为被解释变量，不过为了尽可能消除劳动力技能划分可能造成的影响，我们根据教育水平将劳动力分为高、中、低三类，
表示同行业中高技能劳动力与低技能劳动力的工作时间之比，
则表示这两类劳动力的单位工资之比(均用对数表示)。 2.信息化密度(IT) 采用总固定资本中与信息技术相关的信息化资本(14)所占的比重(对数)来表示该行业的信息化密度，以信息化密度的变化来衡量行业生产中信息化程度的变化，由此造成的劳动力投入结构变化既较好地规避了内生性问题，又与理论模型相契合。 3.团队合作指标(Team) 本文的主要思想是考察信息技术造成团队合作程度不同的行业劳动力需求结构的变化，对于行业的团队合作程度，重点是不同行业的差别，单个行业的绝对水平并没有太大意义，并且，不同国家的相同行业的团队合作程度虽然有所差异，但是在所有行业排序的先后顺序上，一般不会产生很大变化。 因此，我们采用与Bombardini等(2012)相同的做法，以美国的数据构建行业层面的团队合作程度指标。我们所讨论的团队合作程度差异在于不同任务之间交流协调的频繁程度，Bombardini等(2012)将O*NET数据库所提供劳动力对于自身所属行业在团队合作、决策相互影响及交流频繁程度几个方面的打分进行了整合，构建了团队合作指标，这与我们的分析一致，因此我们在经验研究中引用该指标，指标越大表示行业对于团队合作程度要求越高。 根据该指标，团队合作程度要求最高的前3个行业为：石油加工及炼焦业，化学原料、制品、纤维制造以及医药业，电气机械、器材以及电子、通信设备制造业；团队合作程度要求最低的3个行业为：纺织和服装制造业，皮革毛皮羽绒及其制造业，木材加工及竹、藤、棕、草制品业。这与我们的直觉比较一致，团队合作程度与生产过程的复杂程度具有一定的相关性，生产过程复杂需要劳动力之间配合和协调更多，团队合作程度更大。 4.国家的技术水平指标 国家的技术水平差异主要从影响信息化技术、设备的使用效应渠道产生作用，因此，我们构建了3个指标进行衡量：国家人力资本禀赋(SE)、物质资本禀赋(CE)及法治水平(JQ)。 我们之所以选用这3个指标，是因为如果一国劳动力的整体技能高，相对而言可以更好地掌握与信息化相关的知识，熟练并有效地驾驭信息化相关资源；国家的物质资本越丰裕，各项基础设施和服务就相对越完善，先进设备的利用效率越高；法治水平则从制度环境的角度影响信息技术的运用。 5.其他指标 贸易(trade)：采用出口交货值占产出的比重来衡量；资本劳动比(kl)：采用行业的资本存量除以行业的从业人数衡量；总产出(output)：采用以美元计的该行业当年总产值；全要素生产率(tfp)直接采用WIOD(World Input-Output Database)的数据计算结果。 (三)数据说明 分行业就业和工资结构数据主要来自WIOD，该数据库提供了40个国家共35个行业(其中制造业14个)，从1995-2009年不同教育水平的人员工资和就业数据，劳动力按教育水平分为高、中、低三类，分类标准是将国际教育标准分类(ISCED)1997年所分的6个等级进一步划分为3类。WIOD中数据不全的国家取自EU KLEMS中的劳动力投入数据。 信息化资本占比主要来自EU KLEMS数据库，该数据库提供了部分国家的资本投入结构；中国的数据取自《中国科技统计年鉴》；分行业的贸易、总产出、总就业人数、资本存量数据均来自WIOD；人口和面积数据来自于世界银行数据库。 分行业、区分不同类型劳动力的工资和就业数据相对难以获得，虽然WIOD提供了40个国家14个制造业的数据，但该数据库对数据不全的行业采用了直接应用其所属大类的行业数据为处理方式，造成一些国家的行业实际分类很少，有很多国家的行业分类远远没有达到14个，我们将这些国家剔除，并将EU KLEMS数据库中提供的相关国家数据进行合并。同时，由于区分国家和行业的资本投入结构数据更少，而信息化密度又是我们的主要解释变量，所以最后折中的结果是我们选取12个国家、14个制造业自1996-2005年的数据，具体国家有：中国、美国、加拿大、韩国、日本、瑞典、比利时、丹麦、德国、西班牙、荷兰、意大利；14个行业分别是：食品、饮料和烟草制造业，纺织和服装制造业，皮革毛皮羽绒及其制造业，木材加工及竹、藤、棕、草制品业，造纸、纸制品业及印刷和记录媒介复制，石油加工及炼焦业，化学原料、制品、纤维制造以及医药业，橡胶和塑料制造业，非金属矿物制造业，金属冶炼、加工以及金属制品业，机械设备制造业，电气机械、器材以及电子、通信设备制造业，交通运输设备制造业，家具、文教体育用品、仪器仪表、文化和办公用用品制造以及其他制造业。 国家层面的数据来源分别是：SE采用Barro-Lee全球教育数据库2000年国家平均教育年限(对数)衡量；CE应用Penn World Table 2000年各国人均GDP的对数来衡量；JQ则引用Nunn(2007)中的数据。主要变量的统计描述见表1。
四、计量结果和稳健性检验 (一)信息技术对于劳动力需求结构的影响 首先我们不考虑行业和国家特征的影响，单独考察信息技术与劳动力需求结构的关系，依据(19)式进行回归，为保证估计结果的稳健性，我们在回归方程中逐步加了各控制变量，信息化密度对相对就业和相对工资的具体回归结果见表2和3。 从结果来看，无论是对相对就业还是相对工资的回归，解释变量信息化密度的系数均显著为正，并且在加入其他控制变量后符号与显著性都没有发生明显变化，这与我们的预期一致，说明信息化密度提高增加了高技能劳动力的相对需求，命题1得证。 我们简单分析控制变量的回归结果：贸易对于劳动力需求结构存在不同的作用渠道，如H-O渠道(Heckscher-Ohlin type)和贸易引致的偏向型技术进步(export-induced skill-biased technical change)渠道(Xu和Li，2008)以及外包(Hsieh和Woo，2005)渠道等，不同渠道对于发达国家和发展中国家所发挥的作用不同，有的可能恰好相反。总体上，世界范围内贸易对于技能溢价的影响并没有明确一致的结论。本文的回归结果发现，在控制了行业的信息化密度、TFP以及资本深化等因素，并考虑了国家和行业固定效应后，贸易对相对就业的估计系数显著为负，对相对工资的估计系数虽然为负，但不显著。对此我们认为有可能是随着时间变化，发展中国家与发达国家的技术差距在减小，发达国家在资本技术密集型产品的出口比较优势有所减弱，从而在出口结构中，劳动密集型产品的相对数量上升(Levchenko和Zhang，2011)，导致了随时间变化发达国家贸易与高技能劳动力相对就业的这种负向作用，(15)由于我们的样本中发达国家占大多数，所以造成了回归系数为负。
资本劳动比对于相对就业的回归系数显著为正，说明资本深化造成了行业对高技能劳动力的需求增加，这与Griliches(1969)、Goldin和Katz(1998)、Krusell等(2000)以及Duffy等(2004)的研究结论相吻合，他们也认为资本与高技能劳动力的互补程度大于低技能劳动力。对于相对工资的回归系数显著为负，则有可能是供给增加的缘故，因为随着经济的发展，高技能劳动力的供给都在逐年增加。 行业规模的扩大造成了劳动力的需求增加，由于信息技术的发展使得高技能劳动的需求越来越多，厂商继续扩大规模就有可能要雇佣更多的低技能劳动力，一方面造成相对就业中高技能劳动力减少，另一方面也造成高技能劳动力相对工资提高，所以产出项对于相对就业的回归系数为负，对于相对工资的回归系数为正。 已有研究在考察技术进步与劳动力需求结构关系时大多采用TFP作为技术进步的衡量指标，如宋冬林等(2010)与姚先国等(2005)。一方面，造成技术进步的因素并不限于信息化；另一方面，为了考察在控制TFP不变的条件下，信息化密度变化造成的高、低技能劳动力的生产率差异，我们加入其作为控制变量，回归结果与已有研究完全一致。 (二)信息技术对于相同国家不同行业劳动力需求结构的影响 我们将行业的团队合作程度考虑在内，考察信息化密度变化对于不同团队合作程度行业劳动力需求结构影响的差异，根据(20)式进行回归以验证命题2。
鉴于团队合作程度差异来源于生产过程中不同劳动力之间协调的频繁程度，一般而言，技术复杂程度越高的行业生产过程中协调要求相对越多。也就是说，技术复杂度与团队合作程度具有比较密切的相关性，因而除了团队合作程度之外，我们还考察了技术密集度(SI)和资本密集度(CI)这两种行业特征，分别用信息化密度与这3个指标的交叉项作为解释变量进行回归，结果见表4和5，行业技术和资本密集度数据来自Nunn(2007)。表4和5中的被解释变量分别是相对就业和相对工资，方程(1)、(3)和(5)分别用信息化密度与团队合作指数、资本密集度和技术密集度的交叉项作为解释变量；方程(2)、(4)和(6)则分别加入了相应的控制变量。
从回归结果看，交互项回归系数均显著为正，并且在加入其他控制变量后依旧显著，这就充分验证了命题2，即信息化密度提高造成了高技能劳动力的相对需求增加，在团队合作程度高的行业增加得更多。此外，其他控制变量的回归结果与表2和3基本一致。 (三)信息技术对于不同国家劳动力需求结构的影响 在考察行业差异的基础上，我们进一步引入国别差异，验证国家技术水平差异的影响。我们分别使用国家人力资本禀赋(SE)、物质资本禀赋(CE)及法治水平(JQ)与信息化密度的交叉项作为解释变量，并根据(21)式进行回归，考察同一行业信息化密度变化在不同国家的影响差异。进一步，把团队合作程度加入交叉项，考察信息化密度变化在不同国家团队合作程度不同的行业所造成劳动力需求结构的变化，具体结果见表6和7。
表6和7分别表示被解释变量是相对就业和相对工资的回归结果，其中方程(1)～(3)分别是以国家的资本禀赋、技术禀赋和法治水平与行业信息化密度的交叉项作为解释变量；方程(4)～(6)则在交叉项中加入团队合作程度。从回归结果来看，所有交叉项的回归系数均显著为正，与预期完全一致，说明对于技术和资本禀赋高、法治程度完善的国家，由于信息化投入可以获得更有效地利用，从而可以使技能劳动力的相对需求增加更多，并且，国家的这种差别在团队合作程度高的行业体现得更为明显，与命题3结论一致。其他控制变量也与之前的回归结果一致，一定程度上体现了估计结果的稳健性。 (四)稳健性检验 1.使用高技能劳动力工资以及就业占比作为被解释变量 本文主要考察的是技能不同的两类劳动力相对需求的变化情况，因而我们借鉴宋冬林等(2010)的做法采用高技能劳动力与低技能劳动力的工资比和就业比作为被解释变量进行基准回归。相关研究中很多采用高技能劳动力的投入占总投入的比重来衡量高技能劳动力的相对需求，如Hsieh和Woo(2005)与Xu和Li(2008)，因此，我们也采用高技能劳动力的就业占比hhs(高技能劳动力的工作时间占总工作时间的比重)和报酬占比labhs(高技能劳动力的报酬占总报酬的比重)作为被解释变量，对主要回归方程进行稳健性检验。 回归结果如表8所示，其中方程(1)～(4)的被解释变量为就业占比，方程(5)～(8)的被解释变量为报酬占比，主要解释变量分别为：信息化密度、信息化密度与行业团队合作程度的交叉项、信息化密度与国家技术禀赋的交叉项以及信息化密度与国家技术禀赋和行业团队合作程度交叉项。 估计结果显示，主要解释变量回归系数均显著为正，而在控制变量方面，与基准回归不同的是资本劳动比对于报酬占比labhs的回归系数显著为正，与表2和3回归结果的解释相同，资本深化过程会使用资本代替劳动力，在资本与高技能劳动力互补的情况下，高技能劳动力的相对投入增加。这与表3中资本劳动比回归系数为负的结果并不矛盾，因为表3是以相对工资作为被解释变量，高技能劳动力的相对供给增加会降低高技能劳动力的相对工资，资本深化过程中高技能劳动力的相对投入会增加，因而在总劳动力报酬中高技能劳动力的报酬份额会增加，这就解释了资本劳动比为什么对相对工资的回归系数为负，而对报酬占比的回归系数为正。其他控制变量的显著性与之前的基准回归结果一致，回归系数更大，其原因在于基准回归中的被解释变量是高、低技能劳动力的工资和就业比，而这里我们采用的是高技能劳动力的工资和就业的比重(百分数)，被解释变量数量级更大造成回归系数也整体偏大，这并不影响我们的结论。结合基准回归可知，通过两种不同方法构建被解释变量用以衡量不同技能劳动力的需求结构变化，所得估计结果完全一致。
2.内生性问题的处理 本文认为技术进步导致信息技术产品价格下降，厂商的信息化投资增加，由此导致劳动力需求结构的演变。以Acemoglu为代表的部分学者认为劳动力供给结构的变化同样影响了技术进步的偏向性，因此技术进步与劳动力需求结构之间存在着互为因果的关系，有可能产生内生性问题。由于我们的样本时间跨度只有10年，劳动力供给结构变化不大，由逆向因果关系造成的内生性影响有限。 但是为了稳健性，我们采用工具变量来克服内生性问题。工具变量的选择借鉴余林徽等(2013)的方法，由于单个行业对于整个国家各行业信息化密度的平均值影响有限，因而我们使用同一国家除去某行业的其他行业信息化密度的平均值作为该行业信息化密度工具变量，并且使用两阶段广义矩(GMM)进行回归，结果如表9所示。其中方程(1)～(4)的被解释变量为相对就业，方程(5)～(8)的被解释变量为相对工资，解释变量与表8相同，Shea partial R[2]和最小特征值统计量(minimum eigenvalue statistic，记为MES)说明工具变量不是弱工具变量。对比OLS回归结果我们可以得到与前文完全一致的结论。我们采用不同方法构建被解释变量以及尝试采用工具变量克服内生性问题进行的回归估计结论与基准回归完全相同，这充分说明了本文计量结果是稳健可靠的。
五、结论和政策性建议 近30年以来，在全球范围内出现了劳动力的需求结构中高技能劳动力比重不断上升的现象，对于该问题的研究也取得了进展，技术进步、贸易以及企业生产组织从不同的侧面都具有一定的解释力。然而至今尚没有从行业层面对劳动力需求结构的系统分析。 本文引入行业的团队合作程度，从理论和经验两个方面对于该问题进行了初步探讨。理论分析表明，在其他条件相同的情况下，信息化密度提高造成劳动力需求结构中高技能劳动力比重上升效应的大小与行业的团队合作程度有关，合作程度高的行业上升得更多，并且，在技术水平更高的国家，这一效应会被放大。在此基础上，我们利用跨国数据，借鉴Nunn(2007)与Bombardini等(2012)的主要思想，使用行业特征以及国家特征交叉项的计量模型验证了理论分析所得到的结论。 本文的政策含义有以下两方面：一方面，由于信息技术的发展会增加高技能劳动力的需求，尤其是团队合作程度高的行业，因此国家在制订教育和培训政策时可以考虑增加这些专业人才的供给，同时个人在选择未来的职业规划时也可以作为参考，这样可以缓解劳动力市场的供需矛盾，避免出现某些专业过热，而另一些难以实现就业的现象；另一方面加强信息技术基础设施建设，加大信息技术行业的竞争性以降低信息技术的使用成本，促进信息技术的推广和应用，这不仅能加深专业化分工以获得更高的劳动生产率，还能减少低技能劳动力的需求，缓解目前存在的“民工荒”问题。 作者感谢匿名审稿人提出的宝贵意见和建议，当然，文责自负。 ①即高、低技能劳动力的需求之比，下文同。 ②原文中泰勒式是指类似于福特汽车的流水线生产方式，分工程度较深；传统生产方式则是分工细化程度较低，协同生产要求较高的生产方式。 ③高技能劳动力的相对就业和相对工资同时增加，说明高技能劳动力的相对需求在增加，因为如果是供给因素造成相对就业增加，相对工资不会同时增加。 ④我们将生产中与信息技术相关的设备、技术等投入占总固定投入的比重定义为信息化密度，信息化密度的大小反映了信息技术应用的多寡，对于这一概念理论模型部分将进行详细说明。 ⑤团队合作(teamwork)的界定借鉴了Bombardini等(2012)和O*NET数据库采用的方法，主要体现的是劳动力之间在生产过程中的交流、沟通和协作的密切程度。 ⑥这里的技术水平泛指与技术相关的禀赋状况，如人力资本、物质资本等。 ⑦在本文理论分析中，将每一种产品看成一个行业，因此后文中的行业种类也即是产品种类。 ⑧比如电子监控和视频通话等技术可以大大缩短交流所需要的时间，并且相对于中国，美国的技术水平更高，具备更为先进的网络系统，因而可以更好地运用信息化设备，这一假定在考察国家间差异时会进行详细的阐述。 ⑨这里不考虑劳动力供给弹性影响，在供给数量既定基础上分析工资变化，以考察劳动力需求的变化。 ⑩根据(5)式可知：
。 (11)通过(3)式可很容易得出：
。 (12)这一条件表明团队合作程度不同的行业在信息化密度变化前均衡的边际任务复杂度相等，
。 (13)具体求导过程与之前分析方法相同，限于篇幅，详细过程备索。 (14)如计算机以及监控设备和网络等，对于信息化资本的界定参照EU KLEMS数据库。 (15)我们要说明的是这一结果有可能是随时间变化发达国家在技术密集型产品上的比较优势有所减弱所造成，并不是说发达国家在技术密集型产品上的比较优势被逆转，实际上如果不考虑时间变化，控制国家和时间的固定效应，贸易的回归系数是正的，这说明发达国家在技术密集型产品上的比较优势并没有变化，只是由于这并不是本文讨论的重点，所以该结果没有列出。
标签：信息技术论文; 工资结构论文; 团队合作论文; 信息化管理论文; 差异分析论文; 投入资本论文;
