技术创新的就业扩张效应：基于状态空间模型的实证研究

技术创新的就业扩张效应：基于状态空间模型的实证研究【摘要】本文基于我国1991-2010年的时间序列数据，运用变系数状态空间模型法对发明专利、实用新型及外观设计技术创新的就业扩张效应进行实证研究。

研究结果表明，整体上我国技术创新的就业创造效应大于就业破坏效应，因而技术创新的就业扩张效应为正，技术的不断创新有利于扩大就业规模。

发明专利、实用新型及外观设计技术创新的就业扩张效应存在显著差异，发明专利技术创新的就业扩张效应最大，实用新型技术创新其次，外观设计技术创新最小。

本文在研究结论的基础上就如何实现技术创新与就业目标的兼容提出相应的政策建议。

【关键词】技术创新；就业扩张效应；状态空间模型1、引言新增长理论认为，尽管资本和劳动要素投入量的增加可以一定程度上支撑经济短期快速增长，但内生化技术创新才是一国经济长期持续增长的根源和不竭动力。

作为维持我国经济30年高速增长的主要原因之一，技术创新和进步的重要性不言而喻。

然而，我国经济增长的奇迹似乎并未造就就业增长的奇迹，2008年金融危机爆发前我国的就业弹性基本保持在均值为0.1的较低水平，金融危机爆发后更使得就业水平下降，以至于我国把保就业作为当时宏观经济政策的主要目标。

那么技术创新是否会导致我国就业水平的下降？如何确定技术创新与就业之间的关系以真正理解“李嘉图之谜”和“机器之争”？科学发展观强调以人为本，切实保障和改善民生是当前我国政府工作的重要任务，而就业是民生之本，是社会长治久安和经济长期稳定发展的重要保障。

2011年我国就业形势极为严峻，劳动力供给增多但新增就业岗位较少，并且结构性失业较为严重。

因此研究技术创新的就业扩张效应及如何实现技术创新与就业目标的兼容是具有非常重要的理论和现实意义的。

理论界较早就分析过技术创新与就业之间的关系，如内生增长理论的代表人物Aghion和Howitt（1994）将熊彼特的“创造性破坏”理论模型化，研究发现技术创新会增加失业率，Vivarelli（1995）和Petit（1995）的研究却认为技术创新对就业具有补偿效应。

国内学术界也对技术创新与我国就业增长之间的关系进行过深入研究但得出并不一致的结论，如张军（2002）的研究认为技术创新使得资本对劳动的挤出效应不断扩大，进而使得就业弹性不断下降，宁光杰（2007）也认为技术创新对就业的各种补偿机制之间存在内在矛盾，因而技术创新对就业扩张的效应是有限的。

然而基于我国技术创新与就业关系的实证研究却存在较大的分歧，如陈赤平等（2012）的最新研究表明我国30多年的技术创新对就业总量的总体影响为负，但李从容等（2010）的研究发现技术创新对就业弹性的影响较为显著，技术创新是促进就业的重要途径，唐国华（2011）则更进一步将技术创新的总效应分解为就业创造效应和就业破坏效应，并得出同期技术创新的就业创造效应大于就业破坏效应从而总效应为正的结论。

综上可知，关于技术创新与就业关系的实证研究其结论却相反，原因可能与所选择的衡量指标及分析的时间范围有关。

然而上述文献均未全面考虑中国经济发展的现实背景，改革开放30年来我国经济发展的基础、经济结构、国家经济制度及政策均发生数次实质性变化，因此仅就一个变量而言，若仍采用固定系数进行估计其结果必定是有偏的，而且技术创新的衡量指标需要区分发明、实用新型及外观设计的不同作用。

基于此，本文采用变系数状态空间模型并将技术创新的衡量指标进行分解，进而对技术创新与就业之间的关系进行再检验，以期能够得出一个较为稳健可靠的估计结果来真正理解“李嘉图之谜”和“机器之争”，并为实现技术创新与就业目标的兼容提供相应的理论基础。

2、技术创新就业扩张效应的理论机制技术创新就业扩张效应的理论机制即技术创新对就业总效应的作用机制，可进一步分解为技术创新就业破坏机制和技术创新就业创造机制。

技术创新的就业破坏机制主要表现在，一方面是生产率提高所产生的替代效应，即技术创新使得传统的机器设备不断更新，更趋于自动化和信息化，不断降低劳动强度和提高劳动生产率，企业会继续增加对物质资本的投资而减少对劳动力的需求；另一方面则表现为“高技术”对“低技能”的挤出效应，即新技术的出现对劳动力的技能和人力资本水平提出较高的要求，进而引致劳动力的需求结构出现较大变化，“低技能”的劳动者由于不符合“高技术”的要求而被排挤出企业，结构性失业的可能性会继续加大。

而在技术创新的就业创造机制方面，其一表现在低成本所带来的生产扩大效应，主要是技术创新有利于资本和劳动的节约以减少投入成本，从而产品的价格水平会更具有竞争力，有利于扩大市场份额和增加企业利润，企业会进一步扩大商品生产，因而会对劳动力产生新的需求。

其二为高利润所带来的收入效应，技术创新可以极大地提高企业利润，从而提高整个社会的人均收入水平，进而使得社会有效需求增加，引诱社会供给增加，对劳动的需求自然会增加，此外精神享受的提高会引致劳动密集型的服务行业需求增加，无疑会增加对劳动的需求。

其三为工资下降的产出效应，技术创新导致机器对劳动的替代使得技术性失业人口增加，在劳动供给不变的情况下其价格必趋于下降，因而企业在总投入不变的情况下会考虑雇佣更多的劳动力去扩大生产，同时还会出现劳动对资本的替代效应。

其四为新产业新产品的需求效应，技术创新可以形成新的技术密集型产业，创造出新的产品，新产业新产品通过其扩散效应进而引发新的消费和投资，企业争相扩大产出规模，形成新的就业机会。

其五为新投资所带来的资本化效应，即技术创新使得企业生产成本降低和垄断利润增加，企业为维持这种垄断利润会继续追加投资以保持竞争优势，产出扩大的结果是对劳动需求的增加。

图1清晰地反映出技术创新对就业扩张的影响效应，就业破坏机制一般具有负面影响，而就业创造机制具有正面作用，因此总效应是不确定的。

具体就分析我国而言，一方面考虑到我国目前的技术创新强度较低，生产技术水平不高，机器设备的自动化和信息化程度有限，劳动者的素质整体上还处于较低的水平，因此生产率提高所产生的替代效应和“高技术”对“低技能”的挤出效应可能就是有限的。

而另一方面，尽管产品缺乏创新、技术创新扩散力度不够、工资刚性和价格机制不灵活等问题使得我国技术创新的补偿机制发挥得不充分，但是我国劳动力成本低廉的巨大优势使得生产扩大效应发挥较为充分，新兴产业及新产品的出现也引致出巨大的投资和消费潜力，特别是国家加大对战略性新兴产业的支持力度使得我国新兴产业的发展较为迅速，此外技术创新的资本化效应在政府大规模投资的带动下可能会较快地发挥出来，形成再投资对劳动力的较大需求。

综上可知，我国当前背景下的就业创造效应应该大于就业破坏效应，因而技术创新的就业扩张效应是正面的。

理论假说：基于技术创新的就业创造效应大于就业破坏效应，我国技术创新的就业扩张效应为正，即技术创新有利于实现就业规模的扩大。

3、模型构建、变量选取与实证分析3.1实证模型构建根据本文提出的理论假说，并考虑到改革开放30年来我国经济发展的基础、经济结构、国家经济制度及政策已经发生实质性变化，若仍然采用固定系数模型进行计量估计会使实证结果出现一定的偏误。

因此本文采用变系数状态空间模型来定量估计技术创新的就业扩张效应，设定状态空间模型如下：①其中t为时间，a为待估计的参数，即为就业水平变量，而为技术创新变量，ut则为随机扰动项。

是随时间而变化的，衡量解释变量对因变量作用系数的改变，并假定其服从AR（1）过程：②。

状态空间模型中，①式称为量测方程，用以表示技术创新与就业水平之间的一般关系，而②式反映出状态变量的生成过程，因此称为状态方程。

ut和分别为量测方程和状态方程的随机扰动项，并服从独立且均值为0方差为常数的正态分布。

状态空间模型不但可以将不可观测的状态变量并入可观测模型并得到估计结果，而且还利用强有力的迭代算法-卡尔曼滤波法（Kalman Filter）来得到稳健的估计结果。

在考虑卡尔曼滤波法的基础上，本文进一步设定量测方程如下：状态方程设定为：，并设定初始状态空间值进而估计出变系数状态空间模型的参数。

3.2变量选取及数据来源实证模型中就业水平变量用年末从业人员数来衡量，而在技术创新变量的衡量方面，鉴于现代产权制度下技术创新更多的是以专利的形式体现的，本文分别使用发明申请授权数、使用新型申请授权数及外观设计申请授权数来衡量技术创新的程度。

本文实证分析所使用的数据均来源于各期《中国统计年鉴》及国研网，时间跨度设定为1991-2010年，并考虑到减少数据波动及异方差的需要，本文的技术创新指标及就业水平指标均采用对数形式。

3.3实证分析3.3.1单位根检验在处理时间序列数据时，如果不事先考虑时间序列变量间的平稳性而进行回归分析，可能会导致“伪回归”（Suspicious Regression），即变量之间根本不存在任何的线性关系，但进行回归也可表现出较高的可决系数，以致最终得到错误的结论。

因此在进行变系数状态空间模型估计之前必须先进行单位根检验，本文采用ADF检验方法分析时间序列的平稳性，原假设是时间序列存在一个单位根，备择假设为不存在单位根，eviews6.0的检验结果如表1所示。

观察表1可以发现，原序列均不显著表明存在单位根，因而是不平稳的，而其一阶差分拒绝存在单位根的原假设，说明变量的一阶差分是平稳的时间序列。

因此，就业水平变量和技术创新变量均为一阶单整序列。

3.3.2协整检验单位根检验表明时间序列数据是平稳的，但并不表明变量之间存在稳定的长期均衡关系，而长期均衡关系是回归分析得以稳健的前提，因此在回归分析之前还必须进行协整检验。

协整检验法可以分为两种：一种是基于回归系数的协整检验法，代表性的是J-J检验法；另一种是基于回归残差的协整检验法，代表性的是ADF检验法。

本文主要采用J-J检验法来对技术创新与就业水平之间的协整关系进行检验，检验结果如表2所示。

结果显示，无论协整迹检验还是最大特征值检验均表明变量至少存在一个协整关系，即变量之间存在长期稳定的均衡关系，可以进行变系数状态空间模型估计。

3.3.3变系数状态空间模型估计根据设定的变系数状态空间模型，本文分别估计发明专利技术创新、实用新型技术创新及外观设计技术创新对就业扩张效应的影响，运用eviews6.0进行估计并得到如下的估计结果：其中，T1、T2和T3分别代表发明专利技术创新、实用新型技术创新及外观设计技术创新，括号内为相应的Z统计量值，***表明在1%的显著性水平下显著，并且三个拟合模型的残差检验结果表明模型是平稳的，不存在伪回归现象。

3.3.4实证结果分析通过观察实证结果不难发现，所有的状态方程中值均显著不为0，表明技术创新对就业扩张的作用系数不为常数且存在自相关性，即除技术创新外其他因素对就业水平的影响是比较明显的，随着时间的变动而不断变化，表明我国的经济发展的基础、经济结构、国家经济制度及政策确实已经发生实质性变化，传统基于固定参数的实证结果会存在一定的偏误，而采用变系数状态空间模型来分析技术创新对就业扩张的影响效应是合理的。