数字经济与劳动力市场研究综述
李英福1 冯 珺2
（1.中国社会科学院研究生院，北京 102488；2.中国社会科学院财经战略研究院，北京 100028）
摘 要： 文章回溯了国内外涉及创新、数字经济与劳动力市场关系的经典文献和前沿文献。从发展经济学领域中创新这一热点话题的经济史背景出发，可以发现技术进步对于就业稳定和劳动力市场运行的影响存在两面性。近期针对数字经济与劳动力市场关系的经验证据表明，工业机器人的大范围使用和生产自动化的实现已经或正在对具有低人力资本结构特征的劳动者形成就业冲击。传统意义上应当由中等技术工人胜任的劳动分工位置，正在越来越多地让渡于雇主直接使用资本和新技术代替劳动力的过程。但从数字经济对就业的积极影响来看，新的分工形态又内生于创新活动之中。因此，应当通过提高劳动力教育和技能水平充分挖掘人力资本红利，以减缓技术进步产生的就业替代效应。
关键词： 数字经济；劳动力市场；就业管理
数字经济是随着人类社会发展而涌现的一种经济形态，是创新与技术进步在当代全球化背景下的最新体现，是日趋关键的中国经济和世界经济增长新动能。在微观个体层面，数字经济所带来的快速技术变革，形成了对于人力资本积累和人力资源开发的重要挑战。新技术正在从劳动力市场的角度导致工作性质和所需技能的重大转变。具体而言，数字经济所形成的新挑战在于：劳动者需要一些更深层次的技能培育，使个人能够更具适应性地评估新的情况、调整自身思维，知道到何处去获取信息以及如何处理这些信息（World Bank，2018）。在宏观市场层面，计划和市场的关系在数字经济中有了新的诠释，标准化和差异化的矛盾在数字经济中也可以找到折中的办法，生产和消费在传统经济中是两个相互分割的过程、但在数字经济中二者可以是一个统一的过程（张车伟，2017）。
我国支气管哮喘患者的患病率呈快速上升趋势，成为严重危害人民健康的疾病之一。吸烟在哮喘患者中较常见，且吸烟者比不吸烟者更易患哮喘，吸烟使哮喘更难以控制[1]。本研究探讨戒烟对吸烟哮喘患者气道炎症及肺功能的影响，现报道如下：
本轮数字经济革命与历史上的重大技术进步有何共性与区别？数字经济究竟能够以何种方式、以及在多大程度上对劳动力市场构成冲击？为了应对数字经济的影响，劳动力市场的各方主体应如何调整自身的策略选择？本文尝试围绕上述议题梳理相关文献脉络。首先，基于长期跨度的研究视角，本文回溯了技术进步导致经济系统与劳动力市场做出反馈的经济史证据；其次，以美国和欧洲等发达市场经济国家为例，本文展示了本轮数字经济革命对劳动力市场形成冲击的实证研究发现和相关理论意蕴；最后，结合中国数字经济蓬勃发展和经济新常态的特定情境，本文整理了来自中国的经验证据和劳动者及市场如何应对数字经济影响的典型思考。
一、创新的经济史证据
科技进步与创新是推动经济增长的最终动力和永恒源泉。但创新并非单一维度的技术问题，而是必须与市场机制和企业家精神有机结合才能切实推动经济不断向前发展。事实上，早在第一次工业革命之前，蒸汽机的主要技术已经相当完备和成熟，但是并未大规模应用于生产。直到詹姆斯·瓦特将改良后的蒸汽机注册为专利，以及现代工厂制的确立，才使得第一次工业革命爆发，人类的生产力水平得到极大改进（Hicks &Friedman，1963）。
创新因何重要？来自经济史的研究提供了一个比较性的视角（Stewart et al.，2015）。首先，技术进步使劳动者免于从事枯燥、重复和危险的工作。农业是第一个经历这种变化的主要部门。1871年，农业部门雇佣了英格兰和威尔士6.6%的劳动力。到二十一世纪初，这一数字为0.2%，下降了95%；其次，创新把劳动者从体力劳动对象中解放出来，使他们能够更多地转而从事与人沟通和服务性质的工作。例如：在1871年的英国人口普查中，只有1.1%的劳动力受雇于护理行业。到2011年，这些职业几乎雇佣了英格兰和威尔士四分之一的劳动力。最后，创新降低了必需品的成本，提高了可支配收入，创造了新的需求和就业机会。1871年，英国人和威尔士人平均1793人拥有一个理发师，现在则为每287人就拥有一个理发师为其提供服务。
在1980年至2010年期间，低技术工人的实际工资大幅下降，而高技能工人的就业则持续增长，二者呈现出“两极分化”的趋势。传统意义上应当由中等技术工人胜任的分工位置，正在越来越多地让渡于雇主直接用资本和新技术代替劳动力的过程。此外，消费级机器人的使用则表现为机器在特定的任务中可以替代家政工人的劳动（Acemoglu & Autor，2011）。在发达经济体中，自动化的出现已经导致了就业机会和工资水平同时下降的趋势。因此人们担心新技术正在“制造劳动力”，而使得自然劳动力的所有者——人被资本所边缘化。从就业机会变动的角度看，经验证据表明1990年至2007年间工业机器人使用量的增长造成了美国本土劳动力市场的就业恶化，1000名工人所对应的机器人数量每增加一台，将导致就业率减少0.18%至0.34%（Acemoglu & Restrepo，2017）。有研究计算了702个美国职业被计算机取代的概率，结果表明目前大约47%的就业岗位属于高风险类别，有可能在十年至二十年的时间里被计算机取代（Frey & Osborne，2013）。从薪酬变动的角度看，1000名工人所对应的机器人数量每增加一台，平均工资水平减少0.25%至0.5%（Acemoglu & Restrepo，2017）。尤其对于制造业而言，在其他因素保持不变的条件下，如果人类和机器人之间的劳动替代弹性大于1.9，则人工智能技术的迅速发展将导致总工资的快速下降（Decanio，2016）。
随着现代商业模式和劳动力市场机制的建立，创新引致技术和劳动力尖锐对立的矛盾不再突出。这主要是因为分工细化和劳动力市场对于人力资源的调节，几乎总能够使得高技能劳动力和低技能劳动力通过某种互补机制同时从创新的结果中获益。例如：来自美国20世纪70年代的实证证据表明，随着创新活动趋于活跃，高技能劳动力和低技能劳动力的工资回报差距逐渐收窄（Autor，2006），但大学扩招的进程却并未受到影响（Acemoglu，1998）。来自欧洲的经验证据也表明，在制造业发达的德国，技术变革同样可以解释劳动力市场的工资不平等、特别是高技术群体与普通劳动者的工资差距扩大现象，尽管这一变化趋势的出现和蔓延在整体上要滞后于美国（Dustmann et al.，2009）。然而值得注意的是，以往的技术创新活动尽管形成了局部意义上的劳动力市场冲击，但较少在全球范围内影响人力资源的供需变动，或者一般需要较长时间才能造成类似变动。
从人口学特征来看，有经验证据显示新一轮的技术进步导致年长劳动力的劳动参与率上升而年轻劳动力的劳动参与率下降，并导致女性的劳动参与率上升而男性的劳动参与率下降（Grigoli et al.，2018）。此外，亦有观点认为美国20世纪末开始出现的工人实际收入下降现象，应更多地归咎于商业价值观的扭曲和失败的收入分配政策（Brynjolfsson et al.，2017），人工智能、机器学习等新技术对于分工和就业市场的影响实则作用有限（Brynjolfsson & Mitchell，2017）。例如：1995年至2000年美国互联网蓬勃发展时期的历史数据显示，尽管互联网的快速普及极大地改变了普通家庭的生活方式，但互联网技术仅能解释全美约6%的地区的工资大幅增长（Forman et al.，2012），这些地区往往具有人口稠密、教育发达、收入富裕、IT产业基础雄厚等特点。
二、数字经济影响劳动力市场的实证证据
虽然自动化倾向于减少劳动力在国民收入分配中所占的份额和均衡的就业水平，但乐观的看法认为新技术也会创造更多复杂的工作任务，此类任务有利于具有高人力资本结构特征的劳动者形成分工溢价，并且最终有益于经济增长（Acemoglu& Restrepo，2016）。尽管新技术之于就业创造和就业抑制的最终净作用尚待讨论，但可以确定的是，技能偏向型的技术进步对于具有不同人力资本结构特征的劳动者而言，其分工影响显然是非中性的（Acemoglu，2002）。也即是说，当前数字经济发展属于“诱导式创新”，与劳动力之间的替代关系反映为“补位式替代”，而不是“挤出式替代”（陈秋霖等，2018）。此外，对最终产品和服务的需求、即消费者偏好之间的相互作用有可能助长了数字经济对分工的影响。基于1980年至2005年美国就业和工资的经验证据表明，如果消费者偏好更倾向于多样化而非专业化，就会导致常规、自动化和可编码工作任务的成本下降，从而加剧劳动力市场的工资极化（Autor& Dorn，2009）。除针对美国劳动力市场的观察外，来自英国和欧洲其他国家的经验证据也强化了工资极化的解释力（Goos& Manning，2007；2009），这一现象在制造业和普通白领就业群体中尤其明显，甚至已经冲击到了充分就业目标的实现（Srnicek & Williams，2016）。最近的经验证据进一步显示，技术进步导致的机器换人浪潮使得雇主更加关注社会认知等短时间内尚无法被人工智能完全替代的劳动力素质，并愿意为之支付较高的薪酬水平（Deming & Kahn，2017）。
由此可见，商业模式创新至少和技术进步本身同等重要，技术进步所导致的创新活动表现为新技术经济和新业态经济相辅相成的过程。由于市场对于劳动力的需求是从消费者对于产品和服务的需求中引致出来的，当创新和技术进步涌现时，也即意味着市场所能够供给的新产品、消费者被激发的新需求，从而市场对于劳动力的新需求均会依次涌现或发生深刻变革。在这一情况下，容易理解，与变化了的市场需求相适应的分工选择能够帮助劳动者在就业市场上形成溢价，反之则相反。同样是来自英国工业革命的历史证据显示，脱粒机的广泛利用造成农业工人失业，从而在斯威地区引发暴动。在控制了其他因素的条件下，回归结果表明当地使用脱粒机的数量越多，所引发的暴动次数和规模也就越严重（Caprettini & Voth，2017）。
进入二十一世纪的第二个十年，大数据、云计算、人工智能等新兴技术迅猛发展，正在引发全球范围内新一轮的技术革命和数字经济浪潮。既有的经验事实表明，工业级机器人的大范围使用和生产自动化的实现已经或正在对具有低人力资本结构特征的劳动者形成就业冲击，造成其分工选择向低生产率部门挤出。
应急保障是有效开展减灾抢险救援的基础支撑。一些城市缺乏对灾时抢险和平时战备的应急保障要求，尤其是一些北方城市，多年未经历过暴雨洪水考验，防灾减灾意识薄弱，应急抢险队伍、防洪抢险设施和物资储备都有待加强。部分城市防洪应急预案中对通信、信息、供电、运输、物资设备、抢险队伍等的保障措施不够明确，抢险人员和队伍缺乏技术培训和应急演练，严重影响在灾害发生后第一时间进行应急处置。
根据医学临床经验，一旦肺癌的临床症状表现出来，治愈率就非常低了，因此在尽早期检测出相关指标并进行预测具有重要意义。然而在已检测到的肺结节中仅有少数属于恶性结节，良性结节占绝大多数，因而如何对检测出的结节进行分类又对研究人员提出了新的挑战。尤其是如何准确、快速和方便地检测与识别早期肺癌结节是目前的研究重点与难点。
从目前的研究来看，经济学家对于互联网和人工智能等技术创新促进经济增长的作用形成了比较一致的共识，但对于其影响就业的方向和程度则存在较多争议（Smith & Anderson，2014）。有观点认为目前的技术创新浪潮从根本上颠覆了劳动力供需双方的搜寻和匹配模式（Hall & Krueger，2012），从而对雇主和就业者的影响是全方位的。亦有学者提醒经验证据可能存在选择性偏误，即服务业的低技能工人比该行业的大学毕业生更容易分配到计算机辅助的岗位（Reshef，2013）。但更多的研究倾向于认为数字经济对劳动力市场的冲击是非中性的。具有低人力资本结构特征的劳动者会受到来自人工智能的就业冲击。但是其积极意义在于，随着人工智能的渗透，企业会减少对低技能工人的需求，从而有利于企业组织实现向更高效率的方向改进与整合。同时，尽管相关法律规制和社会保障体系还有待完善，但人工智能客观上也正在催生更多的灵活就业机会（Aghion et al.，2017）。来自挪威的经验证据表明，在科技、工程和商业等领域，宽带网络的普及使得大学生等具有高人力资本结构特征的劳动力群体能够获得更好的就业机会和工资水平，但对于仅具备高中以下文凭的劳动者则造成了刚好相反的影响（Akerman et al.，2013）。从互联网对非洲就业的影响来看，海底光缆的铺设和商业化应用导致受教育程度较低的工人就业率也出现了上升（Hjort & Poulsen，2017），这可能和非洲地区的失业率原本较高有关。
三、数字经济、劳动力市场与经济新常态
当前，中国经济已经进入新常态，而数字经济培育新经济增长点的作用亦逐步显现。大数据显示，中国的新经济指标与制造业的采购经理人指数等多个传统经济指标负相关（Shen et al.，2016）。其背后隐含的事实是，在劳动密集型产业发展增速放缓和数字经济冲击的双重作用下，具有低人力资本结构特征的劳动力在市场上的就业形势将面临更大的不确定性。一方面，数字经济所带来的颠覆性商业模式会极大地冲击传统市场格局，消弭某些传统的分工选择。举例而言，如果消费者始终在交易行为以外保持匿名状态，则公司在识别客户时仅能使用过往的购买信息来区分消费者对价格的敏感度。但社交网络的普及和大数据的应用完全能够实现更加精准的用户画像，从而倒逼企业放弃传统的定价和盈利模式（Wagman et al.，2012）。
另一方面，新的分工形态又内生于数字经济活动之中。例如：人们从事休闲活动除了消费时间，往往还需要依赖一定的产品、设施和服务（宋瑞，2018）。在新业态经济形势的催化下，每个人的闲暇与他人的工作将呈现出相互纠葛的时间分布状态。在极端的情况下，劳动力市场与雇佣就业形式有可能被人力资源市场、工作市场所替代（Brynjolfsson & Mcafee，2014；杨伟国，2018）。从这个意义上讲，分工导致效率提升的经济本质并未发生变化，变化了的无非是具体的就业形态和分工格局。换言之，具有高人力资本结构特征的劳动者，即意味着其在数字经济情境下，能够面临愈加灵活的分工选择——可以更加灵活地将自身劳动力配置于传统部门，或数字经济部门。而具有相对低人力资本结构特征的劳动者，面临的分工约束则与此相反。就业结构的变化最终取决于分工外溢效应和分工挤出效应共同作用的净结果（曲海慧和冯珺，2019）。
“地者，政之本也！”土地资源是农民赖以生存的物质保证，是生活生产中不可或缺的重要组成部分，土地政策更是盘活土地资源，带领农民脱贫致富的保证，是精准扶贫工作稳步前行，各项政策落地的物质保障。做好土地政策研究、制定与落实，是盘活土地资源，释放土地价值，助推其他精准扶贫政策有效实施的基础性工作。
因此，要使得数字经济对于劳动力市场的积极作用充分显现并非是一个自然而然的过程，而是有赖于人力资本结构的持续优化。既有证据显示，相对于人力资本存量等因素，人力资本结构高级化能更好地解释东中西部地区差距（刘智勇等，2018）。事实上，工资差异本身就是劳动者调整自身人力资本结构和实现职业再选择的一个重要驱动因素（Giulietti et al.，2011）。因此，通过提高劳动力教育和技能水平充分挖掘人力资本红利（侯海波和王罗汉，2018），并在此基础上制定符合中国资源禀赋特点的技术发展路径，是减缓技术进步产生就业替代影响的重要举措（姚战琪和夏杰长，2005）。其中，与设计和研发人员相比，制造业操作人员和一般办公室文员更容易受到自动化的影响，因此理应成为通过培训提升技能水平的重点群体（Lawson，2010）。最后，从国际趋势来看，鉴于工会已经开始使用互联网作为会员服务以及向公众传递信息的工具（Freeman，2002），我国应积极探索新时代工会工作拓展和变革的可能性，构建相应的安全网以防止“数字鸿沟”对普通劳动者的冲击和挤压（Howard & Stewart，2016），在数字经济条件下协调并维护更加和谐的劳动关系。
参考文献
[1]陈秋霖，许多，周羿.人口老龄化背景下人工智能的劳动力替代效应——基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学，2018，（6）：30-42.
[2]侯海波，王罗汉.人口红利、经济增长与人力资本红利——一个文献研究的视角[J].现代管理科学，2018，（1）：88-90.
[3]刘智勇，李海峥，胡永远，等.人力资本结构高级化与经济增长——兼论东中西部地区差距的形成和缩小[J].经济研究，2018，（3）：50-63.
[4]曲海慧，冯珺.创新经济、人力资本结构与分工——一个解释性的理论框架[J].管理现代化，2019，（2）：102-106.
[5]宋瑞.休闲乃幸福之源——何以可能？[J].财经智库，2018，（2）：93-105.
[6]杨伟国.开创人力资本管理新时代首席人才官商业与管理评论（第八辑）[M].中国财富出版社，2018：1-8.
[7]姚战琪，夏杰长.资本深化、技术进步对中国就业效应的经验分析[J].世界经济，2005，（1）：58-67.
[8]张车伟.理解中国的创新和创新经济[J].中国人口科学，2017，（6）：7-12.
[9]Acemoglu D.Why Do New Technologies Complement Skills？Directed Technical Change and Wage Inequality[J].Quarterly Journal of Economics，1998， 113（4）：1055-1089.
[10]Acemoglu D.Technical Change，Inequality，and the Labor Market[J].Journal of Economic Literature，2002，40（1）：7-72.
[11]Acemoglu D，Autor D H.Skills，Tasks and Technologies：Implications for Employment and Earnings[M].Elsevier，2011.
[12]Akerman A，Gaarder I，Mogstad M.The Skill Complementarity of Broadband Internet[J].Social Science Electronic Publishing，2013，130（4）：1-28.
[13]Autor D H，Katz L F，Kearney M S.The Polarization of the U.S.Labor Market[J].American Economic Review，2006，96（2）：189-194.
[14]Brynjolfsson E，Mcafee A.The Second Machine Age[J].NZ Business，2014，14（11）：1895-1896.
[15]Brynjolfsson E，Mitchell T.What can Machine Learning Do？ Workforce Implications[J].Science，2017，358（6370）：1530-1534.
[16]Decanio S J.Robots and Humans - Complements or Substitutes？[J].Journal of Macroeconomics，2016，49：280-291.
[17]Deming D，Kahn L.Skill Requirements Across Firms and Labor Markets：Evidence from Job Postings for Professionals[J].NBER Working Papers，2017，36（S1）：S337-S369.
[18]Dustmann C，Ludsteck J，Schönberg U.Revisiting the German Wage Structure[J].IZA Discussion Papers，2009，124（2）：843-881.
[19]Forman C，Goldfarb A，Greenstein S.The Internet and Local Wages：A Puzzle[J].American Economic Review，2012，102（1）：556-575.
[20]Freeman，R.B.The Labour Market in the New Information Economy[J].Oxford Review of Economic Policy，2002，18（3）：288-305.
[21]Frey C B，Osborne M A.The future of employment：How susceptible are jobs to computerisation？ [J].Technological Forecasting & Social Change，2013.
[22]Giulietti C，Ning G，Zimmermann K F.Self-employment of Rural-to-urban Migrants in China[J].Social Science Electronic Publishing，2011，33（1）：96-117.
[23]Goos M，Manning A.Lousy and Lovely Jobs：The Rising Polarization of Work in Britain[J].Review of Economics & Statistics，2007，89（1）：118-133.
[24]Goos M，Manning A，Salomons A.Job Polarization in Europe[J].American Economic Review，2009，99（2）：58-63.
[25]Grigoli F，Kóczán Z，Topalova P.Labor Force Participation in Advanced Economies：Drivers and Prospects[M].World Economic Outlook，International Monetary Fund，2018.
[26]Hall R E，Krueger A B.Evidence on the Incidence of Wage Posting，Wage Bargaining，and Onthe-Job Search[J].American Economic Journal Macroeconomics，2012，4（4）：56-67.
[27]Hicks J R，Friedman M.Capitalism and Freedom[J].Ethics，1963，34（7-8）：16-28.
[28]Reshef A.Is technological change biased towards the unskilled in services？ An empirical investigation[J].Review of Economic Dynamics，2013，16（2）：312-331.
[29]Shen Y，Shen M，Chen Q.Measurement of the New Economy in China：Big Data Approach[J].China Economic Journal，2016，9（3）：1-13.
[30]Srnicek N，Williams A.The future isn’t working[J].Juncture，2016，22（3）：243-247.
[31]Wagman L，Conitzer V，Taylor C R.Hide and Seek：Costly Consumer Privacy in a Market with Repeat Purchases[J].Social Science Electronic Publishing，2012，31（2）：277-292.
作者简介： 李英福（1971—），女，中国社会科学院研究生院博士研究生，研究方向为劳动经济学、人力资源开发与管理；冯珺（1989—），男，中国社会科学院财经战略研究院博士后，研究方向为劳动经济学、人力资源开发与管理。
标签：数字经济论文; 劳动力市场论文; 就业管理论文; 中国社会科学院研究生院论文; 中国社会科学院财经战略研究院论文;