二、研究设计：模型、计量方法和数据

（一）技术创新的度量

本章将技术进步分为广义和狭义两个层面，前者是指整个经济的技术进步总水平，通常使用全要素生产率（TFP）的增长等指标来衡量，而狭义的技术进步是指产业或企业层面的技术创新。主流文献把技术创新分为过程创新或工艺创新（改变生产函数）和产品创新（改变需求函数）。如Chin-Hai Yang（2007）运用中国台湾地区1999—2003年制造行业的面板数据研究发现产品创新与过程创新都促进了就业的增加，但是过程创新对于高研发密度和中低研发密度行业的影响程度不同，过程创新倾向于扩大高研发密度企业的产出水平以及促进就业。目前学术界对技术创新的度量主要有以下几种方法：

（1）研发投入（R＆D）。使用R＆D密度，即R＆D支出占企业主营业务收入比率作为技术创新变量。如Chin-Hai Yang（2007）运用中国台湾地区1999—2003年制造行业的面板数据研究发现，用企业研发密度（R＆D支出/主营业务收入）衡量的技术创新对于就业增长具有显著的正向影响；Van Reenen（1997）用英国制造行业面板数据研究发现，技术创新（R＆D支出/主营业务收入）对于就业增长具有显著的促进作用。

（2）专利技术。徐竹青（2004）专门对于专利的经济绩效进行了实证研究，采用企业R＆D投入和专利作为创新的投入指标，研究认为专利活动和R＆D投入对于经济发展具有非常重要的作用。一国如果加强对创新资源的投入，注重专利的申请和保护，对于国民经济的发展具有显著的促进作用。刘华（2002）基于1985—2000年的数据纵向研究认为，专利授权数与国内经济发展密切相关。如果一个国家拥有的专利数量越多，那么则越有利于促进该国的经济增长，专利数量对于促进经济增长的贡献率越大。该研究还认为，在我国单位时间内，专利拥有数量每变动一个单位，会引起生产总值0.82个单位的变动。

（3）其他辅助指标：比如企业员工中使用计算机的比例等（Katz和Murphy, 1992）。

通过大量阅读已有文献，我们发现目前大多数的研究使用了内部研发支出或专利数量作为行业内部技术进步的衡量指标。由于本章是从我国制造业层面3位码行业面板数据出发，分析我国行业技术进步对就业增长的影响，因此与主流文献一致，本章选择使用行业研发密度作为技术进步的代理指标也是合适的。

为了增强本章实证研究的可靠性，本章不仅用政府研发密度支出代替制造业行业中的研发密度支出，还采用产品创新（新产品产值占主营业务收入比）和行业内工程技术人员占总就业人员比重作为技术进步的衡量指标，以求更加全面地检验我国制造业行业中技术进步、资本积累的就业效应，增强实证研究结果的稳健性。

（二）理论框架

目前经济学家关于技术变化、资本积累如何影响就业方面的研究已有很多，这里主要参考Van Reenen（1997）的模型来探讨技术创新、资本积累与劳动力需求增长之间的动态关系，以便更好地理解实证部分所得出结论的不同解释。

假设企业生产函数为CES型并且行业完全竞争，生产过程中资本产出弹性与要素替代弹性都保持不变，则生产函数写为：

上式中，Q表示产出，N表示就业人数，K表示资本存量，T代表希克斯中性技术参数（资本—劳动比率保持不变）; A代表劳动增进型的哈罗德中性技术参数（产出—资本比率保持不变）; B表示索罗中性技术的变化。

根据式（3-1），因为真实工资水平（W/P）等于劳动边际产出，所以关于劳动力的一阶条件可以写为：

logN ＝logQ - σlog（W/P）+（σ - 1）logA（3-2）

在此，我们根据竞争厂商产品价格等于其边际成本（MC），哈罗德中性技术参数A的变化可表示为：

在此，我们根据竞争厂商产品价格等于其边际成本（MC），可简化为：

上式中，ηNA表示就业—技术替代弹性，ηP为价格需求弹性，θ为边际成本—技术替代弹性。相对于固定产出水平而言，技术改变对于就业的影响程度取决于资本与劳动之间的替代程度σ（哪种要素更廉价），当资本—劳动替代弹性较高时，σ ＞ 1，劳动需求将会上升。当产出以及资本变化时，即使资本对劳动的替代弹性大于1，技术进步仍然可能对就业增长产生正向影响，技术改变对就业的正向影响效应仍有可能存在，因为较低的行业价格水平将会增加消费需求。越大的需求价格弹性和更高的创新水平，对就业产生正向影响的可能性越大。这与国内文献认为资本对劳动的替代一定减少就业的观点是不同的。

（三）计量模型及估计方法

本章计量模型主要参照Van Reenen（1997）和Chin-Hai Yang（2008）的回归模型，采用上述CES型企业生产函数，由式（3-1）企业利润最大化时资本的一阶条件（利率R等于资本的边际产出）可得：

由式（3-2）和式（3-5）可得：

上式即为不变替代弹性下的就业方程。为了表述方便，本章用tech代替无法观测的技术进步变量，得到上述模型的基本随机形式。我们在模型中再加入控制变量企业出口额export，得到本章的基本就业估计方程：

上式中，tech制造业行业的技术进步，我们用行业研发密度内部支出来作为技术进步的衡量指标。wage、capital、export分别表示行业的平均工资水平、物质资本存量以及企业出口额，τ为时间趋势，μ为随机误差项。关于方程（3-7）的最直观的解释是一个行业的劳动力需求曲线上时间代理变量为τ，所有企业的资金成本是不变的，在这种解释前提下有β1＝ σ，即等于资本—劳动替代弹性。从长期来看，资本是可以调整的，为了达到估计的目的，可替代资本的投入和产出价格。这意味着，从方程（3-7）中除去资本存量变量（β2＝ 0）后可作为无偿劳动力需求方程。实证部分将会对此进行分析。

但是，仍存在着几个遗留问题有待讨论与解决。

首先，未观测到的相关影响可能导致技术创新回归所得结果有偏。已有文献如Reenen（1997）、Chin-Hai Yang和Chun-Hung A. LIN（2007）的研究表明，一阶差分估计能够避免质量管理以及其他不可观测因素的影响，因此回归结果是很稳健的。一阶差分估计非常具有吸引力，它包含了一系列的企业虚拟变量（组内估计），而我们选取的面板数据在时间维度上较小。因为控制变量不具备严格外生性假定，所以在时间维度较小的面板数据中使用组间估计会导致较严重的估计偏误。所以本章的一阶差分估计模型为：

其次，模型是完全静态的，成本调整极有可能诱发方程（3-7）的动态效应。解决这一问题的方法是在模型中将就业变量的滞后期作为解释变量进行考察。而且，技术创新本身就是一个动态过程，具有长期、持久的影响，因此在模型中将考虑其滞后期来考察技术创新对于促进就业的影响，再引入专利数量以及产品创新后，本章主要估计方程具体形式如下：

最后，必须处理很多变量的潜在内生性问题。一阶差分会导致一个问题，那就是滞后的因变量Δ nit-1与误差项Δ uit相关。普通最小二乘法（OLS）会导致所有滞后因变量估计系数偏于下行，这种内生性偏差一般也会影响其他所有的系数估计值，因此必须使用工具变量来处理这类问题。在uit不存在序列相关时，就业量滞后在t - 2期以及t - 2期以前都是有效的工具变量，这是因为E(nit-2Δ uit) ＝0成立。而且，随着就业成本的调整，滞后的就业量与当期的就业量之间是相关的，因为E(nit-1Δ uit-s)≠0, s≥2。随着面板数据的发展，更多的矩限制条件变得可用，因此可以拿来构造一个有效的广义矩估计（GMM），这一方法由Arrellano、Bond（1991）和Holtz-Eakin、Newey、Rosen（1988）提出。因此，本章后面将对序列相关假定以及工具变量的外生性做全面检验。

（四）数据来源与变量说明

本章依据《工业企业科技活动统计年鉴》《中国工业经济统计年鉴》《中国劳动统计年鉴》2002—2010年我国制造业的有关数据，为保持各行业数据的完整性，舍去了数据不全的工艺品及其他制造业，共选取了3位码制造业中28个行业的相关数据。以就业水平作为被解释变量，以企业的技术进步、行业平均工资水平、企业物质资本存量、企业新产品出口额、企业专利申请数量、政府R＆D投入量以及产品创新等指标作为解释变量。

本章选取就业人员年平均人数然后取对数作为反映就业水平的指标（n）。为了直接刻画我国制造业行业的技术进步指标，我们用企业科技活动经费内部支出与主营业务收入比值即企业研发密度作为度量企业技术进步（tech）的主要指标。用企业新产品产值占总主营业务收入比表示产品创新（prod），用科技活动经费筹集总额中政府资金数量取对数来衡量政府对行业研发的资助投入（gov＿ rd），用企业新产品出口额取对数后作为企业出口指标（export），文中的企业注册专利申请数也取对数（patent），上述数据均来源于《工业企业科技活动统计年鉴》。本章选取《中国工业统计年鉴》2002—2010年行业固定资产净值均值，然后使用固定资产价格指数来平减净值后取对数得到实际物质资本存量指标（capital）；选取《中国劳动统计年鉴》2002—2010年行业平均劳动报酬，通过居民消费价格指数来修正平均劳动报酬以获得实际的平均劳动报酬水平后取对数作为工资指标（wage）。根据2004和2008年《中国经济普查年鉴》中不同学历人员占行业就业人数比重（大学及以上学历人员比high-edu，高中学历人员比middle-edu，初中及以下学历人员比low-edu）作为技术进步技能偏向考察指标。见表3-1。

（五）我国制造业就业与技术创新现状分析

根据前文的分析可以发现，我国经济快速发展与就业增长之间出现了严重脱节的现象，即“高增长、低就业”现象是客观存在的事实，但是不同行业发展现状与行业内就业情况却是不一样的。图3-1是2002—2010年我国制造业整体就业水平及其研发投入（R＆D支出）趋势图。

根据图3-1，我们可以看出2002—2010年，我国制造业整体就业水平（年底就业人数）和行业R＆D研发投入都是呈上升趋势的，但是R＆D研发投入的增长速度显著大于行业就业人数的增长速度但变化趋势一致，二者之间存在着一定的线性关系。

为了更详细地考查我国制造业不同技术水平行业中就业水平与行业R＆D研发投入的具体情况，我们将选取研发投入最高和研发投入最低行业来观测其各自内部就业水平与研发投入的关系。

图3-2反映了我国研发投入最高的通信设备、计算机及其他电子设备制造业中年均就业人数与行业R＆D经费内部支出情况，两者之间呈现出显著的线性关系，并且随着时间的推移呈显著上升趋势。

图3-3反映的是制造业中平均研发投入最低行业的家具制造业中年均就业人数与R＆D经费内部支出之间的关系，从图中我们看到，在2009年以前家具制造业中二者的变化趋势一致，但是在2009年以后，虽然行业内就业人员缓慢增加，但是行业中对于新产品的研发投入不足，呈现出下降的趋势。

通过比较图3-2与图3-3，我们发现我国制造业中各行业对于研究与开发的重视程度不同，各行业研发投入的差距是非常大的，行业对于就业的吸纳能力的差距也是非常巨大的，平均研发投入最高的行业研发经费差不多是最低行业的100倍，对于就业的吸纳数量也差不多相差100倍。因此，研发投入规模不同说明各行业对于技术水平要求的不同，技术进步带来的就业效应也不同，高研发投入行业和中低研发投入行业技术进步带来的就业影响可能存在着显著的系统性差异。