还剩8页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
科技对事业影响的效应综述作者宋德军单位哈尔滨商业大学姚战琪利用2000—2002年我国31个省(自治区、直辖市)的截面数据进行分析,认为我国的科技创新造成就业量减少[10],宁光杰认为,科技创新与就业不是简单的正向或反向关系,两者间的关系取决于补偿机制的完善程度[1口何平利用1998—2004年我国制造业大中型企业的数据所进行的研究表明,科技创新对就业增长无效,从而验证了科技创新对就业具有溢出效应的产业应为第三产业[12]叶仁菰、朱轶和熊思敏提出,不同产业的科技创新对我国整体就业增长的影响具有差异性,产业结构变动所造成的结构性失业对我国就业具有显著的负面影响[13—14]唐国华基于结构VAR模型的实证结果显示科技创新与就业增长率呈反向变动关系,且在科技创新初期就业破坏效应占据主导地位,在中期就业创造效应占据主导地位,在长期科技创新的就业效应趋近于零[15]通过分析上述文献可知,国外关于科技创新影响就业的研究日趋增多,并且相关研究更趋理论化、细致化和实证化,但始终认为科技创新对就业具有双重效应国内关于科技创新影响就业的理论研究相对于实证研究较为薄弱,在实证研究方法方面侧重于运用静态分析方法但是,科技创新对就业的冲击是一个动态过程,技术冲击的就业效应会随着时间的推移发生变化,在不同的时间期限内,就业的破坏效应和创造效应都可能成为主
0.0405,说明长期内科技创新水平对就业量的作用相对短期要大很多,当两者的发展出现偏离时,调整速度为
0.1647%3Granger因果关系检验结果显示在5%的显著水平下,滞后2阶的科技创新水平是就业量增长的Granger成因,这进一步验证了科技创新对于就业量增长和就业结构优化具有显著的促进作用;在5%的显著水平下,就业量不是科技创新的Granger成因说明现在的就业量和就业结构对科技创新的促进作用还不是很明显,这进一步验证了我国就业量和就业结构的不合理4通过脉冲响应分析和VAR模型的预测方差分析可知,就业总量开始就受到自身扰动和科技创新发展水平增长的影响,但在前二年受科技创新发展水平提高冲击的影响较明显,此后逐渐降低,这说明目前科技创新还未充分发挥对就业总量提高的促进作用通过以上分析可知,我国要实现科技创新与就业扩大的耦合发展,需要建立以就业为重要目标的技术创新投入政策体系,侧重扩大就业目标下的科技创新路线选择,向提高劳动吸收能力的技术倾斜,全面提高就业总量[18]政府应考虑充分发挥现有的劳动力优势,更多地从政策层面鼓励劳动偏向性技术的创新,从而实现科技进步和就业增长目标的兼容,同时促进中小企业技术创新,实现技术创新与就业增长的协同发展导效应,并且冲击效应的强弱在不同的时点也会有所差异需要指出的是,科技创新影响就业的过程是复杂、动态的,不同学派依据不同的理论假设分析了技术创新对就业的影响,但其现实适用性还需实践检验本文建立动态模型来定量分析科技创新对就业冲击的长短期效应,以深化对该冲击反应过程的理解,探寻我国依靠科技创新扩大就业的路径选择科技创新与就业的耦合协调模型理论分析框架科技创新与就业之间的关系并非是简单的线性关系,而是多种不同指向的机制的交互作用关系,如加速效应、关联效应、替代效应、集约效应、引发效应等本文尝试建立一个科技创新影响就业的综合理论分析框架(图略)科技创新可分为产品创新或生产工艺和方法创新产品创新通过扩大市场、增加利润产生就业创造效应新产品创新还会创造对中间产品和互补品的引致需求、延长产业链,间接产生就业创造效应,但新产品的市场扩张会压缩原有产品的生存空间,产生就业破坏效应,从而部分抵消了原有的就业创造效应工艺创新会直接提高劳动生产率,从而压缩了劳动力需求,减少了就业岗位但是,工艺创新降低了产品成本,产品的需求价格弹性所发生的变化能弥补该劳动力需求挤出效应科技创新的总效应取决于就业创造效应和就业破坏效应的综合作用止匕外,科技创新还提高了人力资本素质,从而减少了结构性失业,降低了失业率科技创新在促进传统产业改造和新兴部门出现的同时,对劳动力的技能也提出了新的要求新技术的使用使得物资装备的生产周期和更新周期不断缩短,而劳动者劳动能力的生产周期相对较长,这种时间上的差异引致结构性失业产生同时,在科技创新的条件下,客观现实会使劳动者主动学习知识和技能、接受更多的教育和培训,劳动者的素质由此得到提高因此,科技创新在逐步消除结构性失业的同时也增强了劳动者抵御失业风险的能力定量分析模型本文主要运用回归及协整理论判断科技创新对就业总量及结构变动的影响协整检验方法和误差修正模型errorcorrectionmodel,ECM的优势在于避免了非平稳序列回归可能产生的伪回归问题,还可同时推断两变量之间是否存在短期动态关系和长期均衡关系,并可解决模型可能存在的多重共线性问题假定自回归分布滞后autoregressivedis—tributedlag,ADL模型中的变量具有n阶非平稳性,只要变量之间存在协整关系,那么ECM中的误差修正项就具有平稳性,所有差分变量也具有平稳性,回归参数的估计量具有优良的渐进特性因此,综合使用ADL模型和ECM研究科技创新与就业总量的关系及结构变化耦合具有科学性和相对的精确性ECM可由ADL模型转换而来,ADL模型的一个重要特性就是可转换为多种形式而不影响模型对样本数据的解释能力,也不会改变基于最小二乘ordinaryleastsquare,OLS方法得到的回归参数估计值ADL模型的一般形式如下公式略实证研究指标选择及数据来源从广义的角度讲,科技创新是一个形成、流动、应用与扩散知识的过程,由于科技创新具有动态性,因此其一般很难测度为了更好地衡量创新能力和创新绩效,本文采用黑箱的方法,忽略创新过程,运用传统的生产函数,从创新的投入和产出两个方面衡量技术创新,评价指标主要包括RD经费支出(万元)、RD人员折合全时当量(万人年)、3种专利申请受理数(件)、技术市场成交合同金额(万元)、国外技术引进合同金额(万美元)、科技成果登记数(项)、科技拨款占财政总支出比重(%)、高技术产品进出口额占总额比重(%)、大中型工业企业购买国内技术成交额(亿元)、大中型工业企业新产品开发经费支出(亿元)、高技术产业RD经费内部支出(万元)、教育支出占财政总支出比重(%)、本科及专科学生数占总人口比重(%)13个指标[16—17]本文用总就业人数以及三次产业各自的就业人数及其相应的比重作为衡量就业总量和就业结构的指标样本数据的时间区间为1995—2010年,数据来源于《中国统计年鉴》(1996—2010年)、高校财经数据库
①、中国科技统计网
②以及历年的“国民经济和社会发展统计公报”数据处理和建模所使用的软件为SPSS
17.0和Eviews
5.0指标修正由于各评价指标具有不同的量纲,为避免量纲不同影响评价的客观性,因此采用统计学中的标准化处理方法
①,基本公式如下(公式略)数据处理本文运用SPSS
17.0统计软件,采用因子分析方法分别对衡量科技创新的13个变量(指标)做数据浓缩处理,输出结果
②如表1所示从表1可以看出,从13个实际变量中可抽取出3个因子的累积方差贡献率之和达
91.263%
③,这说明此3个因子所包含的信息占13个实际变量所包含信息的
91.263%所以这3个因子基本可反映全部指标的信息,可用之代替原来的13个指标将这3个因子分别定义为Fl、F2和F3主因子F的综合得分为Fl、F2和F3的加权之和@以各因子的方差贡献率o作为其权重,得到主因子的表达式公式略科技创新与就业总量的关系及结构耦合协调评价随着科技的发展,我国三次产业的就业人数均发生了变化图2显示了1992-2008年我国三次产业就业人数的变化态势从图2可知第一产业的就业人数逐步下降;第二产业的就业人数呈先升后降的趋势;第三产业的就业人数逐渐增多然而,多方面的原因造成我国的第
一、第二产业的无效劳动就业情况比较严重,科技创新和就业的真实关系无法凸显,两者并不存在长期稳定的关系由于第三产业的科技创新带动了传统行业的改造并引发了新兴行业的兴起,因此第三产业的就业人数也在增加,第三产业将是我国未来增加就业的主要产业领域科技创新对就业总量的影响1变量序列的平稳性检验在建立数学模型前,首先需要对变量序列进行平稳性检验如果变量序列是平稳的,则可直接建立非限制性向量自回归模型;如果变量序列是非平稳的,则需要在其一阶或二阶差分序列是平稳序列的基础上进一步做协整检验本文采用ADF单位根检验方法检验科技创新序列TECt和就业量序列EMPt的平稳性,检验结果见表2由表2可知各变量序列的ADF检验的统计量值均大于5%的临界值,说明它们均存在单位根,可接受变量序列是非平稳序列的原假设;然后再对各变量的一阶差分序列进行单位根检验,得出在5%的显著性水平下拒绝存在单位根的原假设,因此科技创新序列TECt和就业量序列都是一阶单整11序列,说明科技创新与就业总量之间存在长期稳定关系,可以建立非限制性向量自回归模型为了判断科技创新与就业量之间的基本关系,做两者的散点图从散点图的基本形状可知,科技创新与就业增长率正向变动,即就业量随着技术进步而增长这说明,从长期来看,科技创新的就业创造效应要大于其就业破坏效应,科技创新对就业量的总效应是溢出的2)协整检验采用E—G两步法检验变量之间的协整关系先用OLS方法对变量进行OLS回归,建立如下回归方程(方程略)根据回归方程求得残差ut1然后对ut-序列进行ADF单位根检验,检验结果见表3由表3可知,ADF值都小于5%的临界值,且D.W.值接近2,故残差序列在5%的显著性水平下是平稳的,不存在单位根,因此可以确定ut八序列是平稳序列,即ut-I
(0),说〜明科技创新与就业量之间存在协整关系,协整向量为(1,
1.1363)方程及估计结果在有限样本的条件下,协整参数估计量不是无偏估计量,而这种偏差将直接传给误差修正项,从而造成短期参数估计产生严重偏差,并且样本容量越小,偏差越大为了克服小样本条件下E-G两步法的不足,Phillips和Luolitan建议利用动态分布滞后模型估计存在长期均衡关系的变量的参数根据Hendry的从一般到特殊的方法,估计的动态分布滞后模型如下(公式略)通过观察模型可发现,当期的科技创新会对就业量增长产生反向影响(一
0.033),滞后一期的科技创新会对就业量增长产生正向影响(
0.0791),滞后二期的科技创新则产生负向影响(一
0.0042),即在短期内技术创新对就业增长的影响是破坏效应占据主导地位,随后科技创新的就业创造效应占据主导地位,总体效应显示为溢出效应,就业溢出效应的作用系数为
0.4354图3为科技创新与就业量的耦合图从图3来看,尽管科技创新水平在观察期内出现波动,但它对于就业始终具有溢出效应,就业量呈线性上升态势科技创新的动态就业效应得到了很好的模拟,具有波动性当科技创新受到一个标准差新息的外生冲击时,就业量首先急剧下降这充分体现出了科技创新的就业破坏效应物化的科技进步特别是先进设备的引进会极大地提高劳动生产率,在短期内造成资本对劳动的强烈替代新产品的出现也将对同类产品产生强大冲击,导致其市场份额缩减、相应的员工裁撤这种负效应在第二期(第二年)达到最大,为一
0.04,在第三期(第三年)逐渐减弱这表明,科技创新的就业破坏效应随着时间的推移而弱化,或因科技创新的就业创造效应发挥而有所抵消在较长的时间内,新产品创新引发对其中间产品的需求,这种引致需求具有较强的就业效应,到了第四期(第四年)就业产生溢出效应,为
0.04o这说明,科技创新的就业创造效应占据主导地位,新产品的市场份额迅速扩大,创新企业依赖其资本积累迅速扩大生产规模,从而进一步强化了科技创新的就业创造效应过了第六期后,科技创新对就业的影响逐渐消退,这种冲击反应在第10期消失,新技术、新产品带来的冲击渐趋稳定,经济运行重新达到一个新的均衡状态Granger因果关系检验结果仅能说明变量间是否存在因果关系,不能说明变量间因果关系的强度基于向量自回归模型的预测方差分解方法是一种判断经济序列变量间的动态相关性的重要方法考虑到协整关系的存在,在VECM的基础上对TEC和EMP的预测方差进行分解,结果见表5表5中S.E.列是变量TEC和EMP的各期预测标准差;TEC列和EMP列为因变量的方程信息对各期预测误差的贡献度;每行结果加总是100o就业量第一年开始就受到自身扰动和科技创新水平增长的影响,但在前二年受科技创新发展水平增长冲击的影响较大,分别为
23.63626%和
18.74167%,此后科技创新的冲击作用逐渐减弱,在第10期仅为
13.28184%,而就业量自身的解释能力则愈来愈强在一定时期内,就业量依靠科技创新就能达一个新水平随着就业量的扩大、就业结构的优化,科技的突破与创新经历着从初级到高级、从积累到释放的历史过程,两者始终处于动态平衡状态因此,从总体上看,科技创新发展水平对就业量具有较持续的正向拉动作用------------------------------------------------------------------------------这与前文的分析结果基本上是一致的科技创新对就业结构的影响针对三次产业各自的就业人数与科技创新水平之间关系做回归分析检验,结果见表6o由表6可知3个方程的T检验结果显著,说明自变量系数能够解释自变量与因变量之间的关系科技创新水平与第一产业就业人数的变动呈负相关关系,关系显著Sig.=
0.
0140.05,科技创新水平每变化1个单位,第一产业就业人数反向变化
0.738个单位科技创新水平与第二产业就业人数的变动呈正相关关系,关系显著Sig.=
0.
0070.01,科技创新水平每变化1个单位,就业人数同向变化
0.535个单位科技创新水平与第三产业就业人数的变动呈正相关关系,关系显著Sig.=
0.
0000.01,科技创新水平每变化1个单位,就业人数同向变化
0.477个单位对三次产业的就业人数与科技创新水平之间的关系做图拟合检验
②,见图6从图6可以看出,科技创新水平发生变化会导致三次产业的就业结构在短期和长期内发生变动从长期来看,只有第一产业的就业人数随科技创新的不断演进而逐步递减,2003年前递减幅度较小,2003年后递减幅度开始加大当科技创新水平低于平均水平时,第
二、三产业的就业人数结构变动指数低于科技创新水平变化指数;2004年后,当科技创新水平突破平均水平时,第
二、三产业(尤其是第三产业)的就业人数结构变动增幅提升,两者的就业人数结构变动指数均高于科技创新水平变化指数;2005年后第一产业的就业人数结构变动指数水平开始低于平均水平(图6中横轴水平线),第
二、三产业的就业人数结构变动指数涨幅开始逐步提升可见,科技创新进一步优化了就业结构基本结论根据上述实证分析结果,我国的科技创新从总体上并未排斥就业,科技创新与就业量呈正向变动关系通过科技创新,宏观经济被提升至一个新的均衡水平,就业结构也同时被改变,科技创新的就业创造效应抵消了其就业破坏效应,总体为溢出效应具体如下
(1)协整检验结果显示,尽管我国的科技创新水平与就业量具有非平稳性,但它们之间却存在长期稳定的协整关系科技创新通过发挥前向、后向、侧向和自身的技术关联效应和渗透扩散效应等扩大就业量,促进就业结构不断优化
(2)从协整关系表达式来看,从长期来看,科技创新水平与就业量之间的弹性系数为
0.4354,说明科技创新水平对于就业量的扩大具有显著的正向促进效应从短期来看,短期乘数为。