一、引言
當前，我國經濟發展正逐步進入“新常態”，在此背景下，投資作為經濟增長的驅動力將不斷乏力，為此尋找新的經濟增長點將是“新常態”背景下保持經濟穩定增長的重要任務。在此之前，以投資為主要驅動力的經濟增長模式是一種“粗放型”模式，“新常態”的背景也要求我國經濟增長方式由“粗放型”向“集約型”過渡，為此以技術進步作為經濟增長的主要驅動力，將是我國在“新常態”背景下的一種重要經濟增長模式。進入新世紀以來，我國確立了創新型國家發展戰略，並力求在2020年建成創新型國家，使科技力量成為促進經濟社會發展的有力支撐，並且到2020年，經濟增長的科技進步貢獻率將提高至60%以上，社會研發投入佔GDP的比重也將達到2.5%。但從當前情況來看，我國經濟發展表現出一種片面追求先進技術的沖動，這導致技術的創新應用與資源稟賦不相匹配，這無疑不利於就業增長。
關於技術進步對就業的作用，學者們並沒有形成統一觀點，也沒有形成一個清晰的結論。綜覽現有研究文獻可以發現，技術進步對就業效應具有“雙重性”，這種雙重性體現在，一方面技術進步通過創造新的工作崗位增進就業，另一方面也導致工作機會的喪失，引起失業率上升(葉仁蓀等，2008)。為此，關於技術進步的就業效應，一種觀點認為技術進步對就業存在“損失效應”，即導致失業增加(Clower，1965﹔Malinvaud，1977﹔Simpson，1987﹔Zimmermann，1991﹔Aghionand Howitt，1994﹔Fabien，2002)﹔另一種觀點認為技術進步對就業的影響存在“創造效應”(Pissarides，1990﹔OECD，1996﹔Bharat Trehan，2003)，該觀點主要是對古典學派的“機器排斥工人”理論進行了駁斥，提出了技術進步對就業的“補償理論”。國內學者羅軍(2014)從研發投入的角度研究了我國技術進步對就業的影響，他認為我國勞動力就業的拉動作用隨著研發投入的增加而增加。此外，還有學者提出了技術進步對就業影響的“雙面效應”(Ｒicardo，1976﹔Freeman，1987)，主要認為技術進步在每一個經濟周期的開始產生的就業規模較小，但隨著經濟周期進入上升期，就業規模就會逐步增加。齊建國(2002)的研究發現我國的技術進步在20世紀80年代對就業具有正面影響，但在90年代技術進步雖然促進了經濟增長，卻沒有引起就業的增加。周申(2007)、盛斌和牛蕊(2009)分析了全要素增長率對就業波動或勞動需求彈性的影響。余源源(2008)、趙利和王振興(2010)將技術進步的就業效應分為長期和短期進行研究，他們認為技術進步在長期內對就業具有促進作用，但短期內技術進步對就業具有破壞作用。
羅軍和陳建國(2014)通過研究發現技術進步僅僅是對高技能勞動力就業有顯著促進作用。總體而言，當前關於技術進步對就業影響的觀點主要集中在“損失效應”和“創造效應”，可見觀點還不統一，當然也有學者從“雙面效應”來探討技術進步對就業的影響。
總體來看，學者們是沿著損失效應和創造效應這兩條主線來研究技術進步對就業量的影響，並且有大量的實証研究對二者的關系進行了分析。但因為實証分析的假設前提存在差異性，致使結論無法統一。並且現有研究也較少涉及從技術進步、技術效率的角度實証考察其對地區就業的影響。因此，本文將採用1995∼2013年間中國29個省(直轄市、自治區)的面板數據，以及實証分析的方法，對全要素生產率(TFP)及技術進步、技術效率指數對區域就業的影響進行考察，並在此基礎上提出相應的政策建議。
二、技術進步對就業影響的作用機理
從前面的文獻梳理中可知，技術進步影響就業的作用機理存在一定的循環性(或周期性)。在技術進步的初級階段(或起步階段)，由於核心產業的規模還有很大的局限性，致使它對其他產業的帶動效應並不顯著，就業的增長也就受到很大影響，甚至會出現就業下降的局面。當技術進步進入持續發展階段(也可以稱為技術進步的第二階段)，核心產業的規模將快速擴張，對其他產業的帶動效應也將逐步明顯，就業也會出現迅速增長的態勢，並表現出與技術進步和產業結構調整較強的適應協調性(見圖1)。
在技術進步的中后期，其對就業的影響將逐步趨弱(見圖2)，並對下一期技術周期的到來進行孕育。由此可見，技術進步對就業的影響遵循由弱到強，再趨弱，再增強的周期性態勢，在此過程中，技術進步與就業結構的關系也呈現出由不協調到協調的循環往復，這就是技術進步對就業影響的周期性規律。
三、我國技術進步與就業的發展現狀
(一)我國的技術進步現狀
1.我國科技支出及其佔財政支出的比重
進入新世紀以來，尤其從2006年開始，科技支出整體規模不斷上漲，由2006年的1689億元上漲至2013年的5084億元，且關於科技的財政撥款佔財政總支出的比重一直維持在3.5%左右，波動幅度比較小(見表1)。因此，雖然科技的財政支出數量比較大，但我們不能僅從規模的角度來考察科研經費的投入，還要從質量方面進行考察。如何提高科技支出的整體效率，以及科技支出對就業的促進作用，是當前制定科技政策的重要考慮方向。
2.我國科研人員及科技產出的發展現狀
政府對企業創新的鼓勵、高校對科研人員的培養以及國家對研發機構的支持等，均使科研人員的數量不斷增加。從具體情況來看，研發人員在2006年為25.6萬人，在2013年增長至40.9萬人，增長近一倍(見表2)，Ｒ＆D經費支出規模也從2006年的567.3億元增長至2013年的1781.4億元。科研人員數量的增加，對於我國科技成果的取得以及科技水平的提高都是有利的，也為科技在我國進一步的發展打下了堅實的基礎。
從我國部分年份發表科技論文、出版科技著作、專利申請受理和專利申請授權等數量來看，由於近幾年我國人才和經費投入的增加，相應的研發成果也隨之上升，這顯示我國科技進步較為明顯(見表3)。但從世界范圍來看，我國當前科技水平的發展與發達國家還有一定的差距，科研轉化為產出的效率還不高，為此我們應更好地吸取國外經驗，從而有效推動科學技術的發展及其向產出的轉化效率。
(二)我國的就業現狀
我國的基本國情是勞動力人口眾多，而我國大多數勞動力的受教育水平較低，導致勞動力供需十分不協調，就業問題較為突出。從現實情況來看，我國就業問題主要表現在：勞動力和高校畢業生不斷增長，農村富余勞動力轉移速度加快，但城鎮就業壓力較大，國有企業改革的不斷深入以及經濟結構的調整也帶來失業的增加，同時，新增勞動力就業以及再就業的問題也普遍存在。在全球經濟一體化之后，我國勞動力成本較低的比較優勢也逐步消失，隨著國際競爭的不斷加劇，就業形勢將更加嚴峻。從就業人數變化情況來看，全國就業人口數量從2006年的76400萬人增加至2013年的76977萬人，就業總規模呈穩步增長態勢。但全國就業人口比重從2006年的58.1%下降至2013年的56.6%(見表4)，顯示就業壓力較大。這主要是由於我國勞動力人口不斷增長，同時由於新增勞動力及再就業問題的存在，導致我國就業人口比重出現下降。
在2006年，城鎮人口登記失業人數為847萬人，在2013年該失業人數為926萬人(見表5)，可見城鎮人口登記失業人數在不斷增加。與此同時，全國城鎮登記失業率在大部分時間內超過了4%的自然失業率警戒線，說明我國的就業形勢是較為嚴峻的。
四、數據來源及研究方法
(一)數據來源
本文使用我國1995∼2013年的28個省(直轄市、自治區)的面板數據進行分析[1]。為了保証數據的可比性，所使用的產出數據依據GDP平減指數調整為1978年不變價格，以各地區城鎮單位就業人員的平均工資作為代理變量，近似衡量名義工資額，並以消費者價格指數折算到1978年為基期，得到實際工資總額。
(二)全要素生產率(TFP)的測算及分解
在針對我國區域層面的研究中，更適合採用非參數方法對各省市之間的全要素生產率進行測算，這是因為各省市之間的生產函數具有較大的差異性，不宜設定為統一的生產函數形式。本文將中國的各個省市區作為一個決策單元，採用以DEA(數據包絡分析)為基礎的Malmqulist指數方法對我國各省市區的全要素生產率(TFP)進行測度和比較，當其大於1時，表明從t時期到(t+1)時期全要素生產率是增長的。
利用Malmqulist指數分解法，將全要素生產率分解為技術效率指數和技術進步指數。
設有t=1，2，…T期，St為生產可能性集合，構建由t和t+1時期產出距離函數分別為：
在產出距離函數的基礎上，構建由t 和t +1時期技術水平為參照的Malmqulist指數幾何平均值為：
Malmqulist指數可以分解為：
在上述分析中將全要素生產率(TFP)的變化分解為技術進步指數(TC)和技術效率變化指數(TE)。其中，技術效率變化測度了t期和t+1期之間的相對效率變化指數，當指數大於1時說明技術效率提高，反之則表示技術效率下降。技術進步指數測度了技術邊界的移動，大於1表示發生了純技術進步。
DEA方法需要使用的數據包括總產出、就業人數和資本存量，我國各省區市GDP與就業人數摘自《新中國六十年統計資料匯編》和《中國統計年鑒》，並將利用相關數據對資本存量數據進行另行估算。
(三)資本存量的估算
本文對各省市的資本存量總量的測算將利用永續盤存法，t期資本存量為t－1期資本存量加上t的投資，再減去折舊。計算的基本公式為：
其中，Kit為第i省市自治區在第t期的資本存量，Kit－1為第i省市自治區在第t－1期資本存量，δ為年度折舊率，Iit為第i省市自治區在第t期的投資。本文沿用張軍等(2004)採取的方法，利用固定資本形成總額近似替代當年投資，並以固定資產投資價格指數調整為以1978年為基年的不變價格，基期固定資產存量參照張軍等(2004)測算的數據，折舊率採用0.096。
利用數據包絡分析程序DEAP估計投入導向的DEA模型，計算我國28各省市自治區的Malmquist生產率指數，並對Malmquist指數進行分解，分別得到技術進步指數(TC)和技術效率變化指數(TE)。由於篇幅所限，表6隻列出1995∼2013年間各省市區平均Malmquist指數及其分解指數。表7列出核心變量的描述性統計分析。
(四)研究方法
本文首先構建模型一，將運用全要素生產率指數(Malmquist指數)考察技術水平對年末就業人數(lnL)的影響，並加入影響就業的輔助重要變量，包括產出(lnY)和實際工資水平(lnW/P)。因為簡單地討論Malmquist指數對就業的影響，並不能區分純技術進步變化和技術效率增進對就業的影響，因此，將構建模型二，引入純技術變化指數(TC)和技術效率變化指數(TE)，來探討其對就業的影響。本文採用面板數據模型進行分析，回歸模型為：
五、實証分析結果
(一)面板數據的單位根檢驗
面板數據的單位根檢驗是判斷面板數據是否平穩或者是否具有相同單整階數是面板數據估計的前提。本文使用LL檢驗、IPS檢驗、ADF－Fisher和PP－Fisher分別對面板數據進行單位根檢驗(見表8)。
水平統計量通過LL檢驗、IPS檢驗、ADF－Fisher和PP－Fisher的結果並不完全一致，本文認為如果結論不一致，則視為非平穩，將繼續進行一階差分。報告結果表明，一階差分后變量均在1%的顯著性水平上拒絕存在單位根的原假設，均實現了平穩，因此可以對方程中的變量進行面板回歸。
(二)面板數據回歸結果
本文分別利用Wald檢驗和Wooldridge檢驗判斷方程是否存在異方差和自相關。並運用Hausman檢驗進行固定效應和隨機效應的篩選，所有回歸的Hausman檢驗結果均支持固定效應模型。回歸結果顯示，所涉及的回歸方程不存在自相關，但是存在異方差。使用穩健回歸(Ｒobust)對存在異方差的固定效應模型進行糾正，並利用可行的廣義最小二乘法(FGLS)對隨機效應模型的異方差和序列相關進行糾正。
通過對回歸結果進行Kao檢驗，以對面板數據進行協整關系檢驗，回歸方程(1)∼(4)表明在5%顯著性水平下，變量之間存在面板協整關系，即方程中的變量之間存在長期均衡關系。回歸結果表明：
(1)全要素生產率(TFP)對就業具有抑制作用，在5%顯著性水平上通過(參見表9中的(1)、(2)兩欄)。整體而言，技術進步對我國就業的“破壞作用”大於其“補償作用”，技術進步對就業的總體影響表現為負的效應。這表明，我國就業水平的增加在很大程度上是由於其他因素導致的。
(2)純技術進步(TC)對就業有負效應，並且結果較為顯著，在1%顯著性水平上通過，如表9(3)欄所示。阿格因和豪伊特(Aghionand Howitt，1994)曾指出純技術進步使得技術較低生產率的工作被技術較高生產率的工作替代，導致失業率上升。
技術效率改善對就業具有促進作用，但是結果並不顯著影響(見表9(4)欄)，這很可能是因為技術效率改善對就業的影響具有滯后性，所以在當期研究中，其對就業的影響並不明顯。
(3)GDP增長對就業存在明顯的促進作用，在回歸方程中無論是固定效應模型還是隨機效應模型，GDP增長對就業的促進作用都十分顯著。這表明高速的經濟增長仍然是拉動我國勞動力就業的主要動力。
(4)實際工資的變動對就業具有負向作用，並且十分顯著。這一結論也符合傳統的理論預期，即勞動力需求與工資水平呈反方向變化。近年來，我國勞動力價格的上漲促使企業大量使用資本密集型生產技術，這在一定程度上減少了產業發展對勞動力的吸收。
六、結論
本文從區域層面入手，分析了1995∼2013年間我國28個省(直轄市、自治區)的全要素生產率(TFP)及技術進步、技術效率指數對就業的影響。在對全要素生產率的計算中可以看到，我國整體全要素生產率增長率為1.34%，並且我國技術水平的年均增長率高於技術效率的增長率。實証分析結果表明，全要素生產率(TFP)和技術進步均對拉動就業的作用顯著為負，但是技術效率對於就業的影響並不顯著。此外，實際工資水平的上升對就業具有負效應，而產出水平的增加有利於就業人口的增加。因此，決策當局在制定政策時，應保証各個部門和地區間就業結構的平衡，充分利用技術進步的就業創造效應。此外，教育部門要配合產業結構升級進行人力資源培養，為技術進步促進的產業結構調整創造足夠的人力資源。隻有這樣，才能更好地發揮技術進步的就業創造效應。為此，在經濟新常態背景下，我們應以產業結構升級為基礎，以技術進步為動力，提高科研成果轉化為產出的效率，從供需兩個角度為就業量的增加創造機會。
注釋：
[1] 考慮到重慶市 1998 年設為直轄市， 而西藏、 海南及港澳台地區存在數據缺失， 所以最終利用 28 個省、 市、 自治
區的數據進行分析。
參考文獻：
[1]羅軍，2014：“經濟開放與技術進步影響我國勞動就業的實証分析”，《財經科學》，2014，4。
[2]羅軍、陳建國，2014：“研發投入門檻、外商直接投資與中國創新能力———基於門檻效應的檢驗”，《國際貿易問題》，2014，8。
[3]齊建國，2002：“中國總量就業與科技進步的關系研究”，《數量經濟技術經濟研究》，2002，12。
[4]盛斌、牛蕊，2009：“貿易勞動力需求彈性和就業風險———中國工業的經驗研究”，《世界經濟》，2009，10。
[5]葉仁蓀、王光棟、王雷，2008：“技術進步的就業效應與技術進步路線的選擇”，《數量經濟技術經濟研究》，2008，3。
[6]余源源，2008：“中國技術進步的就業效應：基於VAＲ模型的實証分析”，《軟科學》，2008，6。
[7]趙利、王振興，2010：“技術進步的就業效應：基於中國數據的經驗分析”，《北京工商大學學報(社會科學版)》，2010，9。
[8]周申，2006：“貿易自由化對中國工業需求彈性影響的經驗研究”，《世界經濟》，2006，2。
[9]Aghion，P．and P．Howitt，1994．“Growth and Unemployment．”Ｒeview of Economic Studies．61(2)：477－94．———1998．Endogenous Growth Theory．Cambridge：MITPress．
[10]Bharat，Trehan，2003．“Productivity Shocks and the Unemployment Ｒate．”EconomicＲeview．45(1)：13－27．
[11]Blanchard，Olivier，2001．Macroeconomics(Second Edition)．New Jersey：Prentice Hall．
[12]Clower，Ｒ．W．，1965．“The Keynesian Counter－Ｒevolution：a Theoretical Appraisal．”In F．F．Hahn and F．Brechling Eds，The Theory of Interest Ｒates．London：Macmillan．
[13]Fabien，Postel－Vinay，2002．“The Dynamics of Technological Unemployment．”International Economic Ｒeview．43(5)：737－60．
[14]Freeman C，SoeteL．，1987．Technical Change and Full Employment．Oxford，NewYork：B．Blackwell．
[15]Katz，LawrenceF．，KwvinM．Murphy，1992．“Changes in Ｒelative Wages 1963－1987：Supply and Demand Factors．”Quarterly Journal of Economics．CVII：35－78．
[16]KuznetsS．，1955．“Economic Growth and Income Inequality．”American Economic Ｒeview．45(1)：1－28．
[17]Lucas，ＲobertE．Jr．，1992．“On Efficiency and Distribution．”Journal of Economics．102(2)：233－47．
[18]Malinvaud，E．，1977．The Theory of UnemploymentＲeconsidered．Oxford：Basil Blackwell．
[19]Mincer，Jacob，Stephan Danninger，2000．“Technology，Unemployment and Inflation．”NBEＲWorking Paper，No．7818．
[20]Pissarides，C．A．，1990．Equilibrium Unemployment Theory．London：BasilBlackwell．
[21]Ｒomer，PaulM．，1986．“Increasing Ｒeturn and Long－ＲunGrowth．”Journal of Political Economy．94(2)：1002－37．
[22]Schumpter，JosephA．，1934．The Theory of Economic Development．Cambrige，MA：Harvard University Press．
[23]Zimmerman，K．，1991．“The Employment Consequences of Technological Advance Demandand Labour Costs in 16 German Industries．”Empirical Economics．[16]：253－66．