技术变革存在偏向,会如何影响劳动力市场

A worker checks a steel part at a steelworks in Seoul, South Korea, July 15, 2015. South Korean steelmaker POSCO said on Wednesday its quarterly operating profit rose 7.5 percent year-on-year, mostly in line with estimates, as weak steel demand continues to pressure margins. REUTERS/Kim Hong-Ji
There have been significant changes of employment at the industry level.Image: REUTERS/Kim Hong-Ji
本内容由人工智能自动翻译。

技术进步不仅是经济增长的主要驱动力,也会影响收入分配。技术进步往往偏向某些生产要素以及某些类型的劳动者。有证据表明,就业极化和结构性转型——这两种对劳动力市场有重要影响的现象——源于不均衡的技术进步。

就业极化是指相较于中等收入职业,低收入和高收入职业的就业人数与工资同时增加。自20世纪80年代以来,美国和多个欧洲国家都广泛出现了这一现象,人们认为,工作任务相关的偏向性技术变革是其主要驱动因素。在偏向性技术变革中,信息和计算机技术会替代工资分布中段、从事常规任务较多职业(常规职业)的劳动者;会补充工资分布顶端、从事抽象任务的劳动者(抽象职业);而对工资分布底端从事体力劳动职业的劳动者则几乎没有影响(Autor 等,2006;Autor 和 Dorn,2013)。

行业层面的就业也发生了重大变化。发达经济体经历了快速的劳动力重新配置:先是从农业转向商品生产部门,随后又从商品生产部门转向服务业。例如,在美国,商品生产部门占总工作时数的比例在1960年为44%,到2010年仅为21%。

关于结构转型的研究通常将这些变化归因于各部门生产率增长的差异。商品和服务在消费中往往互为补充,而且商品生产部门的劳动生产率平均增速高于其他部门,因此商品供给增长超过需求。这导致商品生产部门就业减少,服务业就业增加(Ngai 和 Pissarides,2007)。

大多数论文分别研究就业极化和结构转型,只有少数研究将二者联系起来。我们在一项早期研究中指出,美国的就业极化早在20世纪50年代就已开始,并与制造业转型密切相关(Bárány 和 Siegel,2018a)。近期几篇论文提出,不同职业之间的偏向性技术变革可能导致不同部门之间的结构性转变(Goos 等,2014;Duernecker 和 Herrendorf,2017;Lee 和 Shin,2017)。这些论文并不旨在判定技术变革的偏向发生在职业层面还是行业层面,而是事先对偏向的性质作出限制。

深入观察数据

在近期的一项研究中(Bárány 和 Siegel,2018b),我们进一步分析了哪些类型的技术进程可能同时导致就业极化和结构性转型。图1展示了1960年至2010年美国各部门工作时数占比,以及按职业类别进行的细分。

图1 1960年至2010年美国各部门工作时数占比

Image: 作者根据美国人口普查和美国社区调查数据计算。

图表显示,商品生产部门的就业收缩完全是由常规职业就业减少造成的,而常规职业就业的下降几乎全部发生在商品生产部门。高技能服务业和抽象职业也呈现类似模式。这些模式凸显了部门就业重新配置与职业就业重新配置之间的密切联系,也说明了为何难以识别技术变革的真实性质。

用于识别生产率变化的灵活框架

我们提出一种新方法,用于评估技术变革在多大程度上确实在不同部门和职业之间存在偏向。一个主要挑战是,无法直接从数据中衡量职业生产率,因为产出只能在企业或行业层面衡量,不能在职业层面衡量。为解决这一问题,我们设定部门生产函数,将不同职业的劳动按照固定替代弹性组合起来,生产各部门的产出。我们假设生产率增长具有部门—职业单元特异性,因此可以利用一阶条件,从数据中推断每个时期各单元的劳动生产率。

这种灵活的方法考虑到技术可能与劳动者所从事的工作相关,而工作由劳动者所属的部门和职业共同定义。需要指出的是,假设生产率在部门—职业单元层面演变,并不排除技术变革存在共同趋势,例如部门层面或职业层面的共同趋势。

我们利用1960年至2010年间的美国人口普查、美国社区调查以及经济分析局数据,根据经济生产侧的最优条件,推断各部门—职业单元的生产率如何随时间变化。具体而言,我们可以估算以下变化:

部门内各职业的劳动收入份额,这些份额可以确定部门内不同职业之间的生产率变化;
部门间相对价格,据此可以识别部门间的生产率变化;
每名劳动者的GDP总体增长,这揭示了生产率随时间的变化。生产率变化的分解

随后,我们寻找技术变革中的共同因素,以估算生产率增长在多大程度上具有特定部门属性(控制职业因素后)或特定职业属性(控制部门因素后)。我们发现,在不同职业之间替代弹性的广泛取值范围内,75%至80%的生产率变化可由部门特定和职业特定的生产率增长共同解释,而通用技术(或全要素生产率增长)的贡献几乎为零(不到2%)。此外,在由部门和职业因素共同解释的75%至80%中,大部分源自职业特定因素,部门间生产率增长差异的作用相对较小。

对劳动力市场的启示

最后,我们希望了解这些因素对相关结果实际变化轨迹的影响,包括职业和部门就业、职业工资以及部门价格。为评估这些因素的作用,我们通过假设家庭会选择各部门的消费、个人会优化选择职业来构建完整模型。随后,我们进行反事实实验,分别排除生产率增长的不同组成部分。

我们发现,在部门价格的变化过程中,职业和部门之间的生产率增长差异都很重要。对于就业和工资,我们发现,部门因素和职业因素带来的变化方向都与数据中的变化相同,但从量化结果看,部门偏向的解释力不足,绝大部分变化由技术变革中的职业差异解释。

瞄准劳动者,而非岗位

我们的分析是评估快速变化的劳动力市场政策的第一步。近期,许多政治辩论聚焦于积极劳动力市场政策(例如培训项目),以及旨在维持特定行业就业的保护主义政策。我们的模型中没有可能为这些政策提供依据的摩擦或外部性,但研究结果揭示了技术在经济中的重要性,并表明职业特定变化发挥着重要作用。这些发现意味着,若要改善劳动力市场表现,针对劳动者职业选择的政策可能优于产业政策。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。