技術(shù)進(jìn)步對(duì)制造業(yè)就業(yè)極化的影響研究

摘要：技術(shù)進(jìn)步是否導(dǎo)致就業(yè)極化，關(guān)系到社會(huì)不平等的抑制與共同富裕的實(shí)現(xiàn)。文章按照OCED分類標(biāo)準(zhǔn)劃分高中低三個(gè)技能層次的勞動(dòng)者，利用2004-2021年長(zhǎng)三角地區(qū)制造業(yè)就業(yè)數(shù)據(jù)，實(shí)證檢驗(yàn)了技術(shù)進(jìn)步對(duì)制造業(yè)就業(yè)極化的影響。研究發(fā)現(xiàn)，技術(shù)進(jìn)步顯著導(dǎo)致了就業(yè)極化現(xiàn)象；在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化，在科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過提高低技能勞動(dòng)力就業(yè)份額而導(dǎo)致就業(yè)極化；資本有機(jī)構(gòu)成提高是技術(shù)進(jìn)步影響就業(yè)極化的重要機(jī)制。基于此，文章提出應(yīng)改善教育供給層次，培養(yǎng)高技能人才；提升勞動(dòng)力技術(shù)水平，優(yōu)化就業(yè)結(jié)構(gòu)；推動(dòng)技術(shù)創(chuàng)新與新興產(chǎn)業(yè)融合發(fā)展，促進(jìn)高質(zhì)量就業(yè)。

關(guān)鍵詞：技術(shù)進(jìn)步；資本有機(jī)構(gòu)成；就業(yè)極化

一、相關(guān)文獻(xiàn)綜述

Autor（2006）首先發(fā)現(xiàn)了就業(yè)極化現(xiàn)象，他對(duì)美國(guó)技能成分和任務(wù)成分變化進(jìn)行分析后發(fā)現(xiàn)，自20世紀(jì)80年代開始，美國(guó)就業(yè)市場(chǎng)經(jīng)歷了一場(chǎng)顯著的結(jié)構(gòu)性變遷，表現(xiàn)為高技能勞動(dòng)者和低技能勞動(dòng)者的就業(yè)比重均呈現(xiàn)上升趨勢(shì)，而中技能勞動(dòng)者的就業(yè)比重卻逐步下滑，技能比重變化呈Ｕ型趨勢(shì)。隨之其他國(guó)家就業(yè)極化現(xiàn)象陸續(xù)顯現(xiàn)，如發(fā)達(dá)國(guó)家1993-2010年中的意大利、西班牙等16個(gè)西歐國(guó)家勞動(dòng)力市場(chǎng)（Manning和Salomons，2014），發(fā)展中國(guó)家2008-2017年的保加利亞、波蘭、匈牙利、羅馬尼亞等（Náplava R，2019），對(duì)于我國(guó)而言，已有學(xué)者證實(shí)我國(guó)已出現(xiàn)就業(yè)極化的趨勢(shì)，并且這一趨勢(shì)在制造業(yè)內(nèi)尤為明顯（呂世斌和張世偉，2015）。

國(guó)內(nèi)外相關(guān)研究對(duì)于技術(shù)進(jìn)步是否能夠解釋就業(yè)極化現(xiàn)象存在爭(zhēng)議。寧光杰和林子亮（2014）用受教育程度近似代表勞動(dòng)力技能，實(shí)證檢驗(yàn)了信息技術(shù)的進(jìn)步提高了企業(yè)的高技能就業(yè)比例，降低了低技能就業(yè)比例，但對(duì)中技能勞動(dòng)力沒有顯著影響。部分學(xué)者以工作任務(wù)的不同特點(diǎn)區(qū)分不同技能勞動(dòng)力來進(jìn)行研究，認(rèn)為技術(shù)進(jìn)步對(duì)就業(yè)的替代作用主要體現(xiàn)在常規(guī)工作任務(wù)所代表的中技能勞動(dòng)力上，解釋了就業(yè)極化現(xiàn)象（何小鋼和劉叩明，2023）。還有部分研究認(rèn)為技術(shù)進(jìn)步對(duì)就業(yè)極化的解釋力在長(zhǎng)期有減弱的趨勢(shì)，Lehn（2015）發(fā)現(xiàn)2000年之前，技術(shù)進(jìn)步對(duì)就業(yè)極化有很強(qiáng)的解釋力，在2000年后，技術(shù)進(jìn)步對(duì)就業(yè)極化的解釋力度逐漸變?nèi)酢ｈb于測(cè)度標(biāo)準(zhǔn)和數(shù)據(jù)獲取的限制，國(guó)內(nèi)外現(xiàn)有研究對(duì)于技術(shù)進(jìn)步是否能夠解釋就業(yè)極化現(xiàn)象尚存在分歧，仍需進(jìn)一步探索和驗(yàn)證。

二、理論分析與研究假說

（一）技術(shù)進(jìn)步對(duì)制造業(yè)就業(yè)極化的影響

技術(shù)進(jìn)步替代效應(yīng)即技術(shù)進(jìn)步提升勞動(dòng)生產(chǎn)率，機(jī)器取代部分體力勞動(dòng)，導(dǎo)致制造業(yè)勞動(dòng)力被機(jī)器替代。技術(shù)進(jìn)步的創(chuàng)造效應(yīng)即技術(shù)進(jìn)步催生新技術(shù)產(chǎn)業(yè)，創(chuàng)造新崗位，另外拓寬了市場(chǎng)規(guī)模，催生了新的工作機(jī)會(huì)與職責(zé)。

人工智能技術(shù)的飛速發(fā)展，在重復(fù)性高、易于程序化以及遵循明確工作流程與規(guī)律的領(lǐng)域，展現(xiàn)出了顯著的比較優(yōu)勢(shì)，從而對(duì)這類崗位的替代也更為明顯，而從事此類工作崗位的勞動(dòng)力多為中技能勞動(dòng)力，這些勞動(dòng)力群體被替代后要么通過學(xué)習(xí)提升技能，向高技能崗位邁進(jìn)，要么轉(zhuǎn)向低技能崗位，從而適應(yīng)市場(chǎng)需求變化。這一過程加速了就業(yè)結(jié)構(gòu)的動(dòng)態(tài)調(diào)整，即高技能與低技能崗位上的勞動(dòng)力比例相對(duì)增加，而中等技能崗位的勞動(dòng)力比例相應(yīng)下降，從而呈現(xiàn)一種就業(yè)極化現(xiàn)象。基于此，本文提出假設(shè)1：

假設(shè)1：技術(shù)進(jìn)步會(huì)導(dǎo)致制造業(yè)就業(yè)極化。

在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)，普遍匯聚了高技能人才與技術(shù)資源，形成技術(shù)密集區(qū)。技術(shù)進(jìn)步不僅促使這些區(qū)域內(nèi)的中技能勞動(dòng)力更容易習(xí)得更高階技能，進(jìn)而順利轉(zhuǎn)型至高技能崗位，從而加劇了就業(yè)極化。相比之下，科學(xué)技術(shù)投入較少的地區(qū)，高技能人才及配套設(shè)施的匱乏，技術(shù)進(jìn)步往往導(dǎo)致大量中技能勞動(dòng)力難以適應(yīng)技術(shù)變革，被迫轉(zhuǎn)向低技能就業(yè)崗位，這一過程同樣加劇了就業(yè)極化。因此，提出假設(shè)2：

假設(shè)2：技術(shù)進(jìn)步在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化；在科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過提高低技能勞動(dòng)力就業(yè)份額而導(dǎo)致就業(yè)極化。

（二）技術(shù)進(jìn)步影響制造業(yè)就業(yè)極化的作用機(jī)制

馬克思指出，技術(shù)進(jìn)步提高資本有機(jī)構(gòu)成時(shí)，勞動(dòng)力需求產(chǎn)生了產(chǎn)業(yè)后備軍創(chuàng)造與吸納兩種相反效應(yīng)。一方面，它通過機(jī)器替代工人勞動(dòng)，形成了龐大的產(chǎn)業(yè)后備軍，減少了直接就業(yè)需求，并提升了資本有機(jī)構(gòu)成，即機(jī)器與原料投入增加，而勞動(dòng)需求相對(duì)減少，這是資本積累的自然趨勢(shì)。另一方面，技術(shù)進(jìn)步也創(chuàng)造了新的就業(yè)機(jī)會(huì)，通過產(chǎn)業(yè)間就業(yè)結(jié)構(gòu)調(diào)整吸納勞動(dòng)力，如為生產(chǎn)資料生產(chǎn)部門帶來增長(zhǎng)，進(jìn)而增加相關(guān)就業(yè)。因此，技術(shù)進(jìn)步不僅改變就業(yè)總量，還深刻影響不同技能勞動(dòng)力的就業(yè)分布。基于以上分析，本文提出假設(shè)3：

假設(shè)3：技術(shù)進(jìn)步通過提高資本有機(jī)構(gòu)成來影響就業(yè)極化。

三、模型構(gòu)建與數(shù)據(jù)說明

（一）模型構(gòu)建

基于上文的機(jī)理分析，本文構(gòu)建技術(shù)進(jìn)步與就業(yè)極化的計(jì)量模型：

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（1）

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（2）

lnLabor■■=α1+α2lnzlwj+Ψ′X+λi+vt+εit（3）

式中，i表示城市；t表示時(shí)間；λi為個(gè)體效應(yīng)；vt為時(shí)間效應(yīng)；εit表示隨機(jī)誤差項(xiàng)；X為控制變量。Laborh表示制造業(yè)高技能勞動(dòng)力數(shù)量占比，Laborm表示中技能勞動(dòng)力數(shù)量占比，Laborl表示低技能勞動(dòng)力數(shù)量占比；zlwj表示專利授權(quán)數(shù)，考慮專利授權(quán)存在時(shí)滯，本文利用滯后一期的專利授權(quán)數(shù)作為核心解釋變量；控制變量X包括失業(yè)率Jl、城鎮(zhèn)化水平Ur、經(jīng)濟(jì)發(fā)展水平lnpgdp、固定資本形成總額GFCF、金融發(fā)展水平Df，均采取滯后一期作為控制變量。

（二）變量說明

1. 就業(yè)極化。本文以就業(yè)極化作為被解釋變量。詳細(xì)分類見表1，本文分別用制造業(yè)高中低技術(shù)行業(yè)就業(yè)人數(shù)占比來表示制造業(yè)就業(yè)極化，即高低技能行業(yè)人數(shù)占比越大，代表就業(yè)極化現(xiàn)象越嚴(yán)重。

2. 技術(shù)進(jìn)步。本文核心解釋變量為技術(shù)進(jìn)步，由于技術(shù)進(jìn)步的核心是科技創(chuàng)新，專利是保護(hù)創(chuàng)新成果，激勵(lì)技術(shù)創(chuàng)新的重要工具。因此，本文利用各個(gè)城市統(tǒng)計(jì)年鑒得出32個(gè)城市的專利授權(quán)量來衡量城市技術(shù)進(jìn)步發(fā)展水平，考慮專利授權(quán)存在時(shí)滯，本文利用滯后一期的專利授權(quán)數(shù)作為核心解釋變量。

3. 控制變量（X）。（1）失業(yè)率（Jl）。用各城市失業(yè)人口數(shù)占勞動(dòng)力人口數(shù)衡量；（2）城鎮(zhèn)化水平（Ur）：用各城市常住人口與總?cè)丝诘谋戎岛饬浚唬?）經(jīng)濟(jì)發(fā)展水平（lnpgdp）：用各城市的人均GDP取對(duì)數(shù)衡量；（4）固定資本形成總額（GFCF）：用各城市固定資產(chǎn)投資完成額衡量；（5）金融發(fā)展水平（Df），用各城市年末人民幣貸款余額與國(guó)內(nèi)生產(chǎn)總值的比重衡量。

本文選取2004-2021年長(zhǎng)三角地區(qū)32個(gè)城市的面板數(shù)據(jù)作為研究樣本，控制變量數(shù)據(jù)均來自《中國(guó)城市統(tǒng)計(jì)年鑒》及各城市統(tǒng)計(jì)年鑒。主要變量描述性統(tǒng)計(jì)結(jié)果如表2所示。

四、實(shí)證結(jié)果與分析

（一）基本計(jì)量分析結(jié)果

為了考察技術(shù)進(jìn)步是否會(huì)導(dǎo)致就業(yè)市場(chǎng)的“極化”現(xiàn)象，并解析引致“極化”現(xiàn)象的作用機(jī)制，根據(jù)以上的模型選擇，本部分分別實(shí)證檢驗(yàn)了技術(shù)進(jìn)步對(duì)我國(guó)高、中、低技能勞動(dòng)力就業(yè)比重的影響，選擇固定效應(yīng)模型，控制了個(gè)體因素和時(shí)間因素，實(shí)證結(jié)果如表3所示。

從表3中的三個(gè)模型中可以看出，技術(shù)進(jìn)步與高技能和低技能勞動(dòng)力占比呈正相關(guān)且分別在10%和5%水平下顯著，與中技能勞動(dòng)力占比呈負(fù)相關(guān)并在1%的水平下顯著，這說明技術(shù)進(jìn)步會(huì)促進(jìn)高、低技能行業(yè)就業(yè)份額增加，中技能行業(yè)就業(yè)份額減少，引致我國(guó)出現(xiàn)就業(yè)“極化”現(xiàn)象，假說1得以驗(yàn)證。

（二）內(nèi)生性處理

為了克服雙向因果和遺漏變量等內(nèi)生性問題，本文選取互聯(lián)網(wǎng)寬帶接入數(shù)取對(duì)數(shù)作為工具變量，能夠很好地滿足相關(guān)性要求和排他性約束，實(shí)證結(jié)果如表4所示。

各列結(jié)果顯示，使用互聯(lián)網(wǎng)寬帶接入數(shù)作為工具變量進(jìn)行回歸分析后發(fā)現(xiàn)，其對(duì)高技能、低技能勞動(dòng)者就業(yè)比例的影響分別在5%和1%的水平上顯著為正，而對(duì)低技能勞動(dòng)者就業(yè)比例的回歸在1%的水平上顯著負(fù)數(shù)，這與表3的研究結(jié)果一致。第一階段F值和工具變量t值均通過1%的顯著性統(tǒng)計(jì)檢驗(yàn)，表明工具變量具備強(qiáng)大的解釋能力，能夠有效地揭示影響各技能勞動(dòng)者就業(yè)比例的關(guān)鍵因素。由此回歸結(jié)果一致表明，技術(shù)進(jìn)步對(duì)制造業(yè)就業(yè)極化存在顯著的正向影響，假設(shè)1得以驗(yàn)證。

（三）異質(zhì)性分析

從科技支出方面考察技術(shù)進(jìn)步與就業(yè)極化之間的相互關(guān)系，本文利用各市2021年Ramp;D經(jīng)費(fèi)支出數(shù)據(jù)進(jìn)行排序，將研究整體分為科技支出較多和科技支出較少地區(qū)，分區(qū)域研究技術(shù)進(jìn)步對(duì)制造業(yè)各技能水平就業(yè)比重的影響，表5中第（1）、（3）、（5）列代表科技支出較多地區(qū)各技能就業(yè)比重，第（2）、（4）、（6）列代表科技支出較多地區(qū)各技能就業(yè)比重，結(jié)果如表5所示。

由表5實(shí)證結(jié)果看出，在科技支出較多的地區(qū)，技術(shù)進(jìn)步與高技能勞動(dòng)力占比呈正相關(guān)關(guān)系且在5%的水平下顯著，對(duì)中低技能沒有顯著影響；在科技支出較少的地區(qū)，技術(shù)進(jìn)步與中技能和低技能勞動(dòng)力分別呈負(fù)相關(guān)和正相關(guān)關(guān)系，且均在1%水平下顯著，對(duì)高技能無顯著影響。表明技術(shù)進(jìn)步在科學(xué)技術(shù)支出規(guī)模較大的地區(qū)主要通過增加高技能就業(yè)份額導(dǎo)致就業(yè)極化；技術(shù)進(jìn)步對(duì)科學(xué)技術(shù)支出規(guī)模較小的地區(qū)主要通過降低中技能勞動(dòng)力就業(yè)份額，提高低技能勞動(dòng)力就業(yè)份額而導(dǎo)致就業(yè)極化，假設(shè)2得以驗(yàn)證。

（四）影響機(jī)制分析

本文以資本有機(jī)構(gòu)成作為中介探究技術(shù)進(jìn)步對(duì)就業(yè)極化的影響機(jī)制，本文借鑒張軍等（2004）用永續(xù)盤存法計(jì)算的資本存量作為不變資本，即資本有機(jī)構(gòu)成各市資本存量與其勞動(dòng)報(bào)酬之比。結(jié)果如表6所示。

表6各列結(jié)果顯示，用資本有機(jī)構(gòu)成作為中介后，技術(shù)進(jìn)步對(duì)其有正向影響，且在1%的水平上顯著，且資本有機(jī)構(gòu)成對(duì)高技能、低技能勞動(dòng)者就業(yè)比例的回歸結(jié)果均為正數(shù)，且分別在5%、10%的水平上顯著，對(duì)中技能勞動(dòng)者就業(yè)比例的回歸結(jié)果為負(fù)，且在5%的水平上顯著，意味著技術(shù)進(jìn)步可以通過資本有機(jī)構(gòu)成的提高，促使不同部類就業(yè)結(jié)構(gòu)改變，導(dǎo)致就業(yè)極化，假設(shè)3得以驗(yàn)證。

（五）穩(wěn)健性檢驗(yàn)

為進(jìn)一步檢驗(yàn)技術(shù)進(jìn)步影響就業(yè)極化的穩(wěn)健性，本文將被解釋變量替換為使用制造業(yè)各技能就業(yè)人數(shù)的絕對(duì)值，技術(shù)進(jìn)步除影響制造業(yè)各技能就業(yè)人數(shù)比例外，對(duì)制造業(yè)各技能就業(yè)絕對(duì)數(shù)仍會(huì)產(chǎn)生影響，由此本文采用制造業(yè)各技能就業(yè)人數(shù)的絕對(duì)值作為被解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表7所示。

表7報(bào)告了替換被解釋變量的穩(wěn)健性檢驗(yàn)結(jié)果。具體而言，表7分別以制造業(yè)高技能就業(yè)人數(shù)、中技能就業(yè)人數(shù)、低技能就業(yè)人數(shù)作為被解釋變量，結(jié)果顯示，技術(shù)進(jìn)步與高技能、中技能、低技能就業(yè)人數(shù)的回歸系數(shù)分別通過了顯著性水平為5%、10%和1%的統(tǒng)計(jì)性檢驗(yàn)，表明專利授權(quán)量增加1%時(shí)，分別使高技能、中技能和低技能就業(yè)人數(shù)增加0.243%、0.088%和0.179%，即技術(shù)進(jìn)步雖引起了各技能勞動(dòng)力就業(yè)絕對(duì)數(shù)的增加，但是技能就業(yè)人數(shù)的增加幅度小于高低技能就業(yè)人數(shù)的增加幅度，仍然導(dǎo)致了中技能就業(yè)比例下降，高低技能就業(yè)比例增加的就業(yè)極化現(xiàn)象，該結(jié)論與基準(zhǔn)回歸結(jié)果一致。

五、研究結(jié)論與政策建議

（一）主要結(jié)論

第一，技術(shù)進(jìn)步會(huì)增加高技能和低技能勞動(dòng)力的就業(yè)比重，降低中等技能勞動(dòng)力的就業(yè)比重，導(dǎo)致了制造業(yè)就業(yè)極化。一方面，技術(shù)進(jìn)步對(duì)勞動(dòng)力具有替代效應(yīng)，主要體現(xiàn)在中技能勞動(dòng)力上；另一方面，技術(shù)進(jìn)步對(duì)勞動(dòng)力具有創(chuàng)造效應(yīng)，主要體現(xiàn)在高技能和低技能勞動(dòng)力上，使其呈現(xiàn)Ｕ型趨勢(shì)。

第二，技術(shù)進(jìn)步通過提高資本有機(jī)構(gòu)成來影響就業(yè)極化。技術(shù)進(jìn)步使得資本有機(jī)構(gòu)成提高，不變資本的相對(duì)增加產(chǎn)生了產(chǎn)業(yè)后備軍吸納效應(yīng)，使就業(yè)人數(shù)增加，主要體現(xiàn)在高技能和低技能行業(yè)上，從而引起了就業(yè)極化現(xiàn)象。

（二）政策建議

第一，改善教育供給層次。在增加高技能勞動(dòng)力供給方面，應(yīng)對(duì)人才培養(yǎng)范式實(shí)施全面革新，確保教育體系與科技進(jìn)步同頻共振；在增加低技能勞動(dòng)力供給方面，高等教育應(yīng)該加強(qiáng)對(duì)專業(yè)應(yīng)用型人才的培養(yǎng)，突出社會(huì)需求的工程技術(shù)人才培養(yǎng)。

第二，提升技術(shù)水平，推進(jìn)技術(shù)與就業(yè)結(jié)構(gòu)高質(zhì)量發(fā)展。一方面要加強(qiáng)基礎(chǔ)研究，政府可以通過加大對(duì)基礎(chǔ)研究的投入、鼓勵(lì)企業(yè)和科研機(jī)構(gòu)開展基礎(chǔ)研究等方式來推動(dòng)基礎(chǔ)研究的發(fā)展。另一方面，推進(jìn)科技創(chuàng)新體系建設(shè)，政府可以通過建立科技創(chuàng)新基金、支持企業(yè)技術(shù)創(chuàng)新等方式來促進(jìn)科技創(chuàng)新體系的完善和發(fā)展。

第三，助力技術(shù)創(chuàng)新與新興產(chǎn)業(yè)融合發(fā)展。政府可以制定給予稅收優(yōu)惠，提供創(chuàng)業(yè)資金和補(bǔ)貼等政策來支持和引導(dǎo)新興產(chǎn)業(yè)的發(fā)展。同時(shí)，政府制定相關(guān)政策來鼓勵(lì)科技創(chuàng)新，營(yíng)造有利于新興產(chǎn)業(yè)發(fā)展的環(huán)境，充分發(fā)揮技術(shù)進(jìn)步的產(chǎn)業(yè)后備軍吸納效應(yīng)，促進(jìn)高質(zhì)量充分就業(yè)。

參考文獻(xiàn)：

[1]Autor H D，Katz F L，Kearney S M. The Polarization of the U.S.Labor Market[J].The American Economic Review，2006，96（02）.

[2]Maarten Goos;Alan Manning and Anna Salomons.Explaining Job Polarization：Routine-Biased Technological Change and Offshoring[J].The American Economic Review，2014，104（08）.

[3]Náplava R.Changing structure of Employment in Europe：Polarization Issue[J].Review of Economic Perspectives，2019，19（04）.

[4]Christian vom Lehn.Labor Market Polarization，the Decline of Routine Work， and Technological Change：A Quantitative Analysis[A].Society for Economic Dynamics Annual Meeting 2015[C].2015.

[5]Michael B？觟hm;Hans-Martin von Gaudecker;Felix Schran.Task Price Polarization in Germany，1975-2010[A].2016.

[6]Daniel O，Jorge M R.Upgrading or polarization？Occupational change in Britain，Germany，Spain and Switzerland，1990-2008[J].Socio-Economic Review，2011，9（03）.

[7]Acemoglu D，Autor D.What Does Human Capital Do？A Review of Goldin and Katz’s[J].Journal of Economic Literature，2012，50（02）.

[8]Nikolaos T，Raquel O.Employment polarization in regional labor markets：Evidence from the Netherlands[J].Journal of Regional Science，2021，61（05）：971-1001.

[9]Ipsita R，Davide C.Employment Polarization in Germany：Role of Technology，Trade and Human Capital[J].The Indian Journal of Labour Economics，2018，61（02）：251-279.

[10]ROY I，CONSOLI D.Employment Polarization in Germany：Role of Technology，Trade and Human Capital[J/OL].The Indian Journal of Labour Economics，2018， 61（02）：251-279.

[11]TERZIDIS N，ORTEGA-AR-

GILéS R.Employment polarization in regional labor markets：Evidence from the Netherlands[J/OL].Journal of Regional Science，2021，61（05）：971-1001.

[12]Uwe Blien and Wolfgang Dauth.Job polarization on local labor markets？[J].European Regional Science Association，2016.

[13]Paul.The economic analysis of technological change[J].Oxford University Press， 1983.

[14]呂世斌，張世偉.中國(guó)勞動(dòng)力“極化”現(xiàn)象及原因的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)學(xué)（季刊），2015，14（02）：757-778.

[15]寧光杰，林子亮.信息技術(shù)應(yīng)用、企業(yè)組織變革與勞動(dòng)力技能需求變化[J].經(jīng)濟(jì)研究，2014，49（08）：79-92.

[16]何小鋼，劉叩明.機(jī)器人、工作任務(wù)與就業(yè)極化效應(yīng)——來自中國(guó)工業(yè)企業(yè)的證據(jù)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（04）：52-71.

[17]于曉龍.我國(guó)信息技術(shù)進(jìn)步的就業(yè)效應(yīng)研究[D].北京：中共中央黨校，2015.

[18]孫早，侯玉琳.工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（05）：61-79.

（作者單位：中央民族大學(xué)）