二、研究設計：模型、計量方法和數據

（一）技術創新的度量

本章將技術進步分為廣義和狹義兩個層面，前者是指整個經濟的技術進步總水平，通常使用全要素生產率（TFP）的增長等指標來衡量，而狹義的技術進步是指產業或企業層面的技術創新。主流文獻把技術創新分為過程創新或工藝創新（改變生產函數）和產品創新（改變需求函數）。如Chin-Hai Yang（2007）運用中國臺灣地區1999—2003年制造行業的面板數據研究發現產品創新與過程創新都促進了就業的增加，但是過程創新對于高研發密度和中低研發密度行業的影響程度不同，過程創新傾向于擴大高研發密度企業的產出水平以及促進就業。目前學術界對技術創新的度量主要有以下幾種方法：

（1）研發投入（R＆D）。使用R＆D密度，即R＆D支出占企業主營業務收入比率作為技術創新變量。如Chin-Hai Yang（2007）運用中國臺灣地區1999—2003年制造行業的面板數據研究發現，用企業研發密度（R＆D支出/主營業務收入）衡量的技術創新對于就業增長具有顯著的正向影響；Van Reenen（1997）用英國制造行業面板數據研究發現，技術創新（R＆D支出/主營業務收入）對于就業增長具有顯著的促進作用。

（2）專利技術。徐竹青（2004）專門對于專利的經濟績效進行了實證研究，采用企業R＆D投入和專利作為創新的投入指標，研究認為專利活動和R＆D投入對于經濟發展具有非常重要的作用。一國如果加強對創新資源的投入，注重專利的申請和保護，對于國民經濟的發展具有顯著的促進作用。劉華（2002）基于1985—2000年的數據縱向研究認為，專利授權數與國內經濟發展密切相關。如果一個國家擁有的專利數量越多，那么則越有利于促進該國的經濟增長，專利數量對于促進經濟增長的貢獻率越大。該研究還認為，在我國單位時間內，專利擁有數量每變動一個單位，會引起生產總值0.82個單位的變動。

（3）其他輔助指標：比如企業員工中使用計算機的比例等（Katz和Murphy, 1992）。

通過大量閱讀已有文獻，我們發現目前大多數的研究使用了內部研發支出或專利數量作為行業內部技術進步的衡量指標。由于本章是從我國制造業層面3位碼行業面板數據出發，分析我國行業技術進步對就業增長的影響，因此與主流文獻一致，本章選擇使用行業研發密度作為技術進步的代理指標也是合適的。

為了增強本章實證研究的可靠性，本章不僅用政府研發密度支出代替制造業行業中的研發密度支出，還采用產品創新（新產品產值占主營業務收入比）和行業內工程技術人員占總就業人員比重作為技術進步的衡量指標，以求更加全面地檢驗我國制造業行業中技術進步、資本積累的就業效應，增強實證研究結果的穩健性。

（二）理論框架

目前經濟學家關于技術變化、資本積累如何影響就業方面的研究已有很多，這里主要參考Van Reenen（1997）的模型來探討技術創新、資本積累與勞動力需求增長之間的動態關系，以便更好地理解實證部分所得出結論的不同解釋。

假設企業生產函數為CES型并且行業完全競爭，生產過程中資本產出彈性與要素替代彈性都保持不變，則生產函數寫為：

上式中，Q表示產出，N表示就業人數，K表示資本存量，T代表?？怂怪行约夹g參數（資本—勞動比率保持不變）; A代表勞動增進型的哈羅德中性技術參數（產出—資本比率保持不變）; B表示索羅中性技術的變化。

根據式（3-1），因為真實工資水平（W/P）等于勞動邊際產出，所以關于勞動力的一階條件可以寫為：

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

在此，我們根據競爭廠商產品價格等于其邊際成本（MC），哈羅德中性技術參數A的變化可表示為：

在此，我們根據競爭廠商產品價格等于其邊際成本（MC），可簡化為：

上式中，ηNA表示就業—技術替代彈性，ηP為價格需求彈性，θ為邊際成本—技術替代彈性。相對于固定產出水平而言，技術改變對于就業的影響程度取決于資本與勞動之間的替代程度σ（哪種要素更廉價），當資本—勞動替代彈性較高時，σ ＞ 1，勞動需求將會上升。當產出以及資本變化時，即使資本對勞動的替代彈性大于1，技術進步仍然可能對就業增長產生正向影響，技術改變對就業的正向影響效應仍有可能存在，因為較低的行業價格水平將會增加消費需求。越大的需求價格彈性和更高的創新水平，對就業產生正向影響的可能性越大。這與國內文獻認為資本對勞動的替代一定減少就業的觀點是不同的。

（三）計量模型及估計方法

本章計量模型主要參照Van Reenen（1997）和Chin-Hai Yang（2008）的回歸模型，采用上述CES型企業生產函數，由式（3-1）企業利潤最大化時資本的一階條件（利率R等于資本的邊際產出）可得：

由式（3-2）和式（3-5）可得：

上式即為不變替代彈性下的就業方程。為了表述方便，本章用tech代替無法觀測的技術進步變量，得到上述模型的基本隨機形式。我們在模型中再加入控制變量企業出口額export，得到本章的基本就業估計方程：

上式中，tech制造業行業的技術進步，我們用行業研發密度內部支出來作為技術進步的衡量指標。wage、capital、export分別表示行業的平均工資水平、物質資本存量以及企業出口額，τ為時間趨勢，μ為隨機誤差項。關于方程（3-7）的最直觀的解釋是一個行業的勞動力需求曲線上時間代理變量為τ，所有企業的資金成本是不變的，在這種解釋前提下有β1＝ σ，即等于資本—勞動替代彈性。從長期來看，資本是可以調整的，為了達到估計的目的，可替代資本的投入和產出價格。這意味著，從方程（3-7）中除去資本存量變量（β2＝ 0）后可作為無償勞動力需求方程。實證部分將會對此進行分析。

但是，仍存在著幾個遺留問題有待討論與解決。

首先，未觀測到的相關影響可能導致技術創新回歸所得結果有偏。已有文獻如Reenen（1997）、Chin-Hai Yang和Chun-Hung A. LIN（2007）的研究表明，一階差分估計能夠避免質量管理以及其他不可觀測因素的影響，因此回歸結果是很穩健的。一階差分估計非常具有吸引力，它包含了一系列的企業虛擬變量（組內估計），而我們選取的面板數據在時間維度上較小。因為控制變量不具備嚴格外生性假定，所以在時間維度較小的面板數據中使用組間估計會導致較嚴重的估計偏誤。所以本章的一階差分估計模型為：

其次，模型是完全靜態的，成本調整極有可能誘發方程（3-7）的動態效應。解決這一問題的方法是在模型中將就業變量的滯后期作為解釋變量進行考察。而且，技術創新本身就是一個動態過程，具有長期、持久的影響，因此在模型中將考慮其滯后期來考察技術創新對于促進就業的影響，再引入專利數量以及產品創新后，本章主要估計方程具體形式如下：

最后，必須處理很多變量的潛在內生性問題。一階差分會導致一個問題，那就是滯后的因變量Δ nit-1與誤差項Δ uit相關。普通最小二乘法（OLS）會導致所有滯后因變量估計系數偏于下行，這種內生性偏差一般也會影響其他所有的系數估計值，因此必須使用工具變量來處理這類問題。在uit不存在序列相關時，就業量滯后在t - 2期以及t - 2期以前都是有效的工具變量，這是因為E(nit-2Δ uit) ＝0成立。而且，隨著就業成本的調整，滯后的就業量與當期的就業量之間是相關的，因為E(nit-1Δ uit-s)≠0, s≥2。隨著面板數據的發展，更多的矩限制條件變得可用，因此可以拿來構造一個有效的廣義矩估計（GMM），這一方法由Arrellano、Bond（1991）和Holtz-Eakin、Newey、Rosen（1988）提出。因此，本章后面將對序列相關假定以及工具變量的外生性做全面檢驗。

（四）數據來源與變量說明

本章依據《工業企業科技活動統計年鑒》《中國工業經濟統計年鑒》《中國勞動統計年鑒》2002—2010年我國制造業的有關數據，為保持各行業數據的完整性，舍去了數據不全的工藝品及其他制造業，共選取了3位碼制造業中28個行業的相關數據。以就業水平作為被解釋變量，以企業的技術進步、行業平均工資水平、企業物質資本存量、企業新產品出口額、企業專利申請數量、政府R＆D投入量以及產品創新等指標作為解釋變量。

本章選取就業人員年平均人數然后取對數作為反映就業水平的指標（n）。為了直接刻畫我國制造業行業的技術進步指標，我們用企業科技活動經費內部支出與主營業務收入比值即企業研發密度作為度量企業技術進步（tech）的主要指標。用企業新產品產值占總主營業務收入比表示產品創新（prod），用科技活動經費籌集總額中政府資金數量取對數來衡量政府對行業研發的資助投入（gov＿ rd），用企業新產品出口額取對數后作為企業出口指標（export），文中的企業注冊專利申請數也取對數（patent），上述數據均來源于《工業企業科技活動統計年鑒》。本章選取《中國工業統計年鑒》2002—2010年行業固定資產凈值均值，然后使用固定資產價格指數來平減凈值后取對數得到實際物質資本存量指標（capital）；選取《中國勞動統計年鑒》2002—2010年行業平均勞動報酬，通過居民消費價格指數來修正平均勞動報酬以獲得實際的平均勞動報酬水平后取對數作為工資指標（wage）。根據2004和2008年《中國經濟普查年鑒》中不同學歷人員占行業就業人數比重（大學及以上學歷人員比high-edu，高中學歷人員比middle-edu，初中及以下學歷人員比low-edu）作為技術進步技能偏向考察指標。見表3-1。

（五）我國制造業就業與技術創新現狀分析

根據前文的分析可以發現，我國經濟快速發展與就業增長之間出現了嚴重脫節的現象，即“高增長、低就業”現象是客觀存在的事實，但是不同行業發展現狀與行業內就業情況卻是不一樣的。圖3-1是2002—2010年我國制造業整體就業水平及其研發投入（R＆D支出）趨勢圖。

根據圖3-1，我們可以看出2002—2010年，我國制造業整體就業水平（年底就業人數）和行業R＆D研發投入都是呈上升趨勢的，但是R＆D研發投入的增長速度顯著大于行業就業人數的增長速度但變化趨勢一致，二者之間存在著一定的線性關系。

為了更詳細地考查我國制造業不同技術水平行業中就業水平與行業R＆D研發投入的具體情況，我們將選取研發投入最高和研發投入最低行業來觀測其各自內部就業水平與研發投入的關系。

圖3-2反映了我國研發投入最高的通信設備、計算機及其他電子設備制造業中年均就業人數與行業R＆D經費內部支出情況，兩者之間呈現出顯著的線性關系，并且隨著時間的推移呈顯著上升趨勢。

圖3-3反映的是制造業中平均研發投入最低行業的家具制造業中年均就業人數與R＆D經費內部支出之間的關系，從圖中我們看到，在2009年以前家具制造業中二者的變化趨勢一致，但是在2009年以后，雖然行業內就業人員緩慢增加，但是行業中對于新產品的研發投入不足，呈現出下降的趨勢。

通過比較圖3-2與圖3-3，我們發現我國制造業中各行業對于研究與開發的重視程度不同，各行業研發投入的差距是非常大的，行業對于就業的吸納能力的差距也是非常巨大的，平均研發投入最高的行業研發經費差不多是最低行業的100倍，對于就業的吸納數量也差不多相差100倍。因此，研發投入規模不同說明各行業對于技術水平要求的不同，技術進步帶來的就業效應也不同，高研發投入行業和中低研發投入行業技術進步帶來的就業影響可能存在著顯著的系統性差異。