互联网技术进步对中国就业的影响及国别比较研究*

（中央财经大学统计与数学学院 北京 100081）

一、引 言

数字经济在全球传统经济持续低迷之际异军突起，已经成为当前经济发展中日益重要的驱动力。随着数字技术的迅猛发展，以及这些数字技术与经济社会各领域的快速、深度融合，新产业、新业态、新模式不断涌现，数字经济作为经济发展新动能的作用日益凸显。数字经济以互联网技术为依托，给传统产业带来的挑战以及与传统产业相融合所带来的机遇都深刻地改变着产业发展的形态和趋势。我国政府部门也高度重视互联网技术的发展，2015 年7 月出台了《国务院关于积极推进“互联网+”行动的指导意见》，2016 年5 月，国家发展改革委员会等四部门联合下发《“互联网+”人工智能三年行动实施方案》，2018年6 月、12 月，工信部分别印发了《工业互联网发展行动计划（2018—2020 年）》和《工业互联网网络建设及推广指南》，凸显了我国政府对互联网技术与传统产业融合创新的推动力度之大。

数字经济在为全球经济活动赋予巨大能量的同时，亦将对就业带来革命性的改变。以互联网技术为基础的数字经济有效解决了信息不对称的问题，但对就业的非对称影响却在持续扩大。探究目前的互联网等技术进步对就业的影响，对于缓解人们对于技术进步带来失业的恐慌，稳定社会，抓住技术进步带来的机遇，积极应对技术进步给传统行业的发展及人员就业带来的挑战，促进社会有序健康发展等，具有重要的理论和现实意义。基于互联网技术的发展现状以及人们对于技术进步带来失业的担忧，本文将从劳动力需求视角，通过理论模型和实证分析探究互联网技术对于各行业以及社会整体的劳动力需求的影响，分析互联网技术进步对于就业的理论和实际影响，为当前的互联网技术发展以及就业状况的改善提供分析思路和对策建议。

二、文献评述

关于技术进步是否会造成失业的研究由来已久，古典经济学派的代表人物亚当·斯密以及李嘉图认为技术进步不会导致失业，因为技术进步会降低生产成本，产品价格下降使得需求增加，厂商扩大生产所需劳动力增加，由此增加了就业机会；萨伊定律同样认为供给会自动创造需求，价格机制会恢复就业；而马尔萨斯则认为技术进步使得资本积累快于市场扩张，从而导致失业。新古典经济学派的熊彼特认为技术性失业就是周期性失业的表现，技术进步的负面效应就包括就业。马克思在《资本论》中提出的资本有机构成理论和“产业后备军”理论则认为必然会出现相对过剩人口，导致失业。可见不同经济学派甚至是同一经济学派内部的不同学者之间关于技术进步会否导致失业均存在争议。虽然技术进步对就业究竟是积极还是消极影响的争论，至今仍未达成共识，但已经有了非常成熟的研究结果，于晓龙（2015）、纪雯雯（2017）等均给予了详细的综述，牛禄青（2017）对我国的数字经济与就业关系进行了描述。

近些年来，数字经济背景下机器人、人工智能等新技术的发展，再度使得就业问题成为研究热点。Virgillito（2016）对机器人和人工智能等会引发的失业问题进行了探讨，Frey和Osborne（2013）认为在接下来的20 年47%的工作将面临自动化风险，Graetz 和Michaels（2018）对机器人影响就业做出了开创性研究，认为机器人可以提高生产率和工资，继而减少低技能工人就业。但是也有一些研究表明对技术性失业没有那么大恐惧，Arntz 等（2016）认为仅有9%的工作有被替代的危险，Acemoglu 和Restrepo（2018a）认为技术内生性的工作填补了因技术损失的就业岗位，Acemoglu 和Restrepo（2019）进一步从两方面论述了即使技术进步实现，自动化对就业的影响也不会太大，Acemoglu 和Restrepo（2018b）认为技术进步一方面会对人类就业产生替代效应，另一方面也会产生有利于就业的生产力效应。当然，现有的人类工作被技术替代也并不代表真正的社会福利损失（曹静和周亚林，2018），只能说对于被替代的那部分劳动者而言，技术进步带来的是负面影响，况且目前的技术水平还无法实现大范围的非常规任务的替代（Autor，2015；Brynjolfsson，2018）。

部分文献研究了技术进步对不同行业存在异质性影响，例如，Ampatzidis 等（2017）认为，技术进步可以使得农作物机器与农民之间实现人机结合，技术进步有利于农业发展；同样，Lele 和Goswami（2017）认为，目前的数字经济以及互联网技术等有助于实现农业现代化，提高农民收入，但是两者都没有实证证据支持。李博和温杰（2010）实证分析了不同类型工业行业的技术进步对就业的影响，发现资源密集型行业、资本密集型行业和技术密集型行业的技术进步对本部门的就业净效应均为负，而劳动密集型行业的技术进步对就业的净效应不明显。马弘等（2013）对中国制造业就业的创造效应与破坏效应现象进行了分析讨论。姜金秋和杜育红（2015）研究了中国34 个工业行业技术进步与就业之间的动态效应，发现在短期内技术进步对劳动密集型行业产生了“破坏效应”，对技术密集型行业则具有“创造效应”，但在长期中没有显著影响。刘滨（2018）、陆敏辉等（2019）研究了1986—2015 年我国能源行业的技术进步对于劳动力就业的影响，发现技术进步对就业的影响具有时滞性，且短期内可能挤出效应大于促进效应，但长期中技术进步有利于能源行业的就业增加。可见技术进步对于不同行业以及同一行业不同时期的就业影响有不同的表现，因而研究分析技术进步对于各行业不同时期的就业影响将有利于我们削弱技术进步的就业替代效应，放大其对就业的创造效应，促进我国互联网等新信息技术的健康发展。

然而，目前学者们对技术进步的就业影响研究没有区分互联网技术进步与其他类型的技术进步，且对互联网技术进步影响的研究主要集中于其对劳动生产率以及产业结构的影响（王娟，2016；何德旭和姚战琪，2008；徐伟呈和范爱军，2018），而不同类型的技术进步对就业的影响也存在差异。本文将互联网技术进步从总的技术进步中分离开来，通过理论分析与实证检验分析研究互联网技术进步对于就业的影响效应，进一步将特定技术进步对就业的影响清晰化，为后续互联网技术的健康发展以及稳就业政策提供参考。

三、互联网技术进步对就业影响的理论模型

（一）互联网技术进步对各行业劳动力配置影响的理论模型

假定各行业的代表性厂商的生产遵循Cobb-Douglas 生产函数的形式：

其中，Yi、Ki、Li分别表示第i 行业的产出、资本投入和劳动力投入，αi、βi为各行业的要素投入份额参数，0＜αi、βi＜1；A 为技术进步，现将其表示为互联网技术进步的函数关系 A(Ni)，其中Ni表示第i 行业的互联网技术投入，参考Duarte 和Restuccia（2010）以及徐伟呈（2018）的做法，本文假定：

其中，γi为互联网技术的影响参数，0＜γi＜ 1，本文在徐伟呈（2018）基础上将互联网技术投入进行了产业异质性处理，每个行业的互联网发展是非均衡的。A 则表示除了互联网技术之外的其他技术进步。将式（2）代入式（1）即可得各行业的生产函数为：

假设第i 行业生产的产品价格为 pi，工人的工资率为wi，资本的租金率为ri，则第i行业的代表性厂商可以通过调整劳动力投入量Li和资本投入量Ki来实现利润最大化：

利润最大化结果为：

对（4）式关于Ni求导并结合（3）式可得：

解之得到互联网技术进步对于某行业的劳动力需求的影响：

根据式（6），对于某特定行业而言，互联网技术进步对于本行业劳动力需求的影响取决于参数 γi/(1-αi-βi)，为表述方便，本文称Ii=γi/(1-αi-βi)为互联网技术进步对各行业劳动力需求影响的互联网技术进步效应。

（1）当行业的规模报酬αi+βi＜ 1时，互联网技术进步效应Ii＞ 0，说明对规模报酬小于1 的行业，互联网技术进步能够提高劳动力需求，促进就业；而且规模报酬越接近1，互联网技术的投入对劳动力需求的正向促进作用就越大；

（2）当行业的规模报酬αi+βi＞ 1时，互联网技术进步效应Ii＜ 0，说明对规模报酬大于1 的行业，互联网技术进步会挤占本行业对劳动力的需求，不利于就业；而且规模报酬越接近1，这种负向挤占作用就越大。

（二）各行业的规模报酬参数估计

由前文理论模型的分析可知，互联网技术进步对于各行业劳动力配置的作用方向都取决于行业的规模报酬参数，因此要分析互联网技术进步对就业的影响，需先估计行业的规模报酬参数。

对（3）式两边取对数构建回归方程

利用各行业的互联网技术投入、要素投入以及产出数据，对式（7）的回归模型进行估计，就可以得出各行业的规模报酬 αi+βi，以及互联网技术进步效应Ii=γi/(1-αi-βi)。

四、互联网技术进步对就业影响的实证分析

（一）数据来源与变量说明

本文主要采用世界投入产出数据库（WIOD）中的社会经济账户数据库（Social Economic Accounts，SEA）以及国家投入产出数据库（National Input-Output Tables，NIOT）中关于中国、美国、英国、德国、日本、韩国、印度、巴西八个国家的数据。此外，本文用国家的国内生产总值（GDP）代表经济因素，国家的总人口（POP）代表人口因素，这两个变量的数据均来自世界银行的世界发展指数（World Development Indicators，WDI）数据库。关于政治因素，本文选取了世界银行的全球治理指标（Worldwide Governance Index，WGI）数据库包含的六个指标中的“政治稳定和杜绝暴力”（Political Stability and Absence of Violence）指标来代表各个国家的政治环境因素。

本文涉及的所有变量如表1 所示，本文选取WIOD_NIOT 数据库中各行业对与互联网技术相关的行业（C26，J61，J62—J63）产品的中间使用之和作为各行业的互联网技术投入N，表示各行业的互联网技术进步。为了保证研究结果的全面性和完整性，本文还将总的互联网技术进步N 分解为互联网硬件技术进步NC（C26）和软件技术进步NJ（J61，J62—J63），以便对比分析软硬件互联网技术进步对就业的影响。此外，金融状况也由各行业对金融行业（K64，K65，K66）的中间投入之和表示。

表1 变量说明

本文选取了中国、美国、英国、德国、日本、韩国、印度、巴西八个国家2000—2014年的56 个行业数据，为更准确地提取行业特征，得到更加稳健的互联网技术进步效应的估计结果，本文首先将2000—2014 年各个国家的56 个行业数据按照行业特征分为六个部门，即农业、采矿业、制造业、电力热力及水的生产和供应业、建筑业以及服务业，其中将制造业部门细分为劳动密集型行业、资本密集型行业和技术密集型行业，将服务业部门细分为生产型服务业、消费型服务业和公共服务业，以此形成10 个行业类别。①因篇幅所限，本文省略了具体的行业分类细则。感兴趣的读者可在《经济科学》官网本篇论文页面“附录与扩展”栏目下载。按照理论模型的推导结果，估计这10 个行业类别的互联网技术进步效应，按照估计结果将互联网技术进步对各个行业类别的影响方向进行分类，以作分析。

（二）我国各行业互联网技术进步效应的测算

根据（7）式所示的模型，本文首先对中国10 个行业类别的规模报酬参数进行估计，据此计算互联网技术进步效应Ii=γi/(1-αi-βi)，根据互联网技术进步效应的估计结果将互联网技术进步对各个行业类别的影响进行分类，同时将其与后文建立的互联网技术进步对就业影响的计量模型中互联网技术进步的系数估计值相比较，以检验理论模型的正确性。

由表2 可以看出，根据理论模型的测算结果，大部分行业的互联网技术进步效应（N）都是正的，但是采矿业（类别2）、技术密集型制造业（类别5）以及建筑业（类别7）的互联网技术进步效应是负的，结合互联网硬件技术进步（NC）和软件技术进步（NJ）来看，对于技术密集型制造业和建筑业而言，无论是互联网硬件技术进步效应（NC）、软件技术进步效应（NJ）还是总的互联网技术进步效应（N），互联网技术进步对于这两个行业的就业均具有负向的抑制作用，表明在这些依靠大型机械设备、技术和资源进行生产的行业中，互联网技术进步会替代一部分人工作业，尤其是危险作业，这些类型的工作对于使用机器和技术来代替人类进行作业的需求要比其他行业更加强烈，因而互联网技术进步更倾向于减少这些行业对劳动力的需求，改变了这些行业的劳动力需求结构，从而恶化这些行业的就业状况。

表2 2000—2014 年中国10 个行业类别的互联网技术进步效应

互联网技术进步对我国服务业的劳动力需求整体具有正向的促进作用，无论是生产型服务业、消费型服务业还是公共服务，三种互联网技术进步效应都为正，说明目前阶段，我国的互联网技术进步有利于促进服务业的人员就业。近年来，基于互联网技术平台出现了大量的新型工作岗位，例如外卖、直播、远程教育等，互联网技术的进步为这些新兴职业提供了优越的发展条件，包括宣传途径、大量的受众，最关键的是得益于互联网技术的进步，这些行业的成本和准入门槛都大大低于一般行业，从而使得这些新兴行业吸纳了大量人员就业，大大改变了传统的劳动力需求和就业结构。互联网技术进步既降低了这些行业的生产成本，扩大了生产规模，提高了生产者的利润，增加了生产者对劳动力的需求，同时也创造出新的就业种类和就业数量，激发出新的就业增长点。

（三）我国各行业互联网技术进步对就业影响的计量模型

1.变量定义

本文核心解释变量为各行业的互联网技术进步N，同时选取了互联网硬件技术进步（NC）和软件技术进步（NJ）作为稳健性检验变量。

生产函数中，资本（K）与劳动共同作为生产要素投入生产，资本投入会影响厂商对劳动力的需求，继而影响就业；劳动力工资（W）作为劳动者付出劳动的报酬，自然会影响劳动者的就业选择，而工资作为厂商对劳动要素的支付同样会影响厂商对劳动力的需求量；考虑到对外开放程度以及金融市场对厂商的劳动力和资本的投入的影响，本文将贸易（T）和金融（F）亦放入模型作为控制变量；考虑到国家的宏观经济政治社会环境也会对就业状况产生影响，因而本文加入了经济因素（GDP）、人口因素（POP）和政治因素（GOV）作为控制变量。所有变量数据来源如表1 所示。

2.各行业互联网技术进步对就业影响的计量模型

本文建立如下固定效应面板模型来探究各行业类别互联网技术进步对就业的影响：

其中，i=1,…,10，Ctrl=（ln Kit,ln Wit,ln Fit,ln Tit,ln A_Nit,lnGDPt,lnPOPt,ln GOVt）为控制变量向量，模型估计结果如表2 所示。①采矿业（类别2），建筑业（类别7）和消费型服务业（类别9）只包含一个小类行业，因此这三个行业类别采用了具有稳健标准误的时序模型。因篇幅所限，本文省略了系数估计的标准差以及控制变量的系数估计结果，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。

3.模型结果分析

表2 的实证结果显示，互联网技术进步对大部分行业类别的劳动力需求都具有正向的促进作用，只有农业（类别1）和建筑业（类别7）的系数为负。现代化农业的发展实现了人机操作的统一，大型的农业机械取代了传统农业的耕作方式，极大提高了农业生产效率，节约了大量农业劳动力；同时，随着城镇化进程的不断加快，农业用地的集中化和专业化也减小了小农经济规模，为实现农业现代化创造了条件，加速了技术对于农业中劳动力的取代步伐。同样，建筑业中一些基础的机械作业和高危作业均可通过基于互联网的自动化技术和操作来实现，提高了作业精度和安全性的同时也减少了对建筑业劳动力的总需求。

对比表2 的理论模型测算结果和实证模型估计结果可以发现，在我国10 个行业类别的模型中，实证模型中互联网技术进步的系数估计值与理论模型中的互联网技术进步效应值相一致的有七个，侧面说明本文理论模型和实证模型的合理性。其中，采矿业（类别2）的互联网技术进步系数并不显著，对其劳动力需求起主要促进作用的是资本投入，显然采矿业的生产和发展主要依靠设备和资本投入，相比之下，互联网技术进步的对就业的促进作用不显著。表2 的实证模型结果还显示，资本投入对于大多数行业类别的劳动力需求也具有正向的促进作用；工人工资对于劳动力需求则具有负向的影响，显然工资的上升会降低生产者对于雇用更多劳动力的欲望，从而降低劳动力需求；除了互联网技术进步之外的其他技术进步（lnA_N）对大部分行业类别的劳动力需求也具有正向影响。

此外，本文还分别对互联网硬件技术进步和软件技术进步各行业类别就业的影响进行了建模，相比总的互联网技术进步和软件技术进步，互联网硬件技术进步对各行业的劳动力需求的负向影响较多，表明2000—2014 年期间中国的互联网技术进步对各行业劳动力的取代主要是由此行业的硬件技术进步引起的。

（四）我国互联网技术进步对就业影响的面板回归模型

为了进一步探究我国的互联网技术进步对于我国整体劳动力就业情况的影响，本文基于前文的计量模型部分建立以下面板回归模型：

本文第三部分的理论模型分析表明，互联网技术进步对就业的影响取决于行业的规模报酬，因而此处本文将行业的规模报酬变量纳入模型中，避免因遗漏相关变量而造成内生性问题；同时还加入了行业规模报酬和互联网技术进步的交互项（Ri×ln Nit），以检验行业规模报酬的调节效应，验证本文关于互联网技术进步对就业的理论影响机制的分析。

在通过平稳性检验和协整检验之后，利用Hausman 检验确定使用固定效应（FE）还是随机效应（RE），同时也考虑了面板模型的异方差、自相关以及截面相关等情况，选取适当计量方法对模型进行估计。②因篇幅所限，本文将中国互联网技术进步对就业影响的面板模型结果放在了后文国别比较部分的表4中，且省略了系数估计的标准差，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。WIOD 数据库中每个国家共有56 个行业的数据，剔除缺失值之后，中国的行业总数为47，其他国家同理。

从估计结果中可以看出，所有核心解释变量（lnN/lnNC/lnNJ）的显著性都很高且均为正，模型也具有较高的拟合优度，表明无论是总的互联网技术进步，还是分软硬件的技术进步，我国2000—2014 年的互联网技术进步对于整体的劳动力需求都具有正向的影响。互联网技术进步（N）对于劳动力需求影响的弹性系数为0.165，即互联网技术进步每提高一个百分点，则就业人数就会增加0.165 个百分点；行业规模报酬（R）以及互联网技术进步与规模报酬的交互项均不显著，说明在样本期内，我国的互联网技术进步会显著地直接提高整体的就业水平，而其通过影响行业规模报酬来影响就业的这一途径不显著。我国互联网硬件技术进步（NC）对于劳动力需求的直接影响数为0.0913；互联网硬件技术进步（NC）与行业规模报酬的交互项显著为负，表明互联网硬件技术进步对就业的影响还会受到行业规模报酬的负向影响。互联网软件技术进步（NJ）对就业的直接影响系数为0.0806，且软件技术进步与规模报酬的交互项系数显著为0.0719，表明互联网软件技术进步不仅会直接促进就业，还会通过行业的规模报酬来促进就业水平的提高。可见目前我国的互联网软件技术进步对劳动力需求的总影响要远远大于硬件。事实上，软件技术进步的成本要低于硬件技术进步，因而在技术进步的初期，软件技术进步所带来的新兴行业以及创造的新工作数量和规模都要大于硬件技术进步。

同10 个行业类别各自的计量模型结果一致，资本投入对于我国整体的劳动力就业影响也是正向的，而劳动力工资的提高则不利于生产者对劳动力需求的提高；除互联网技术进步之外的其他技术进步对于我国劳动力就业的整体影响也是正向的，但影响的弹性系数则远低于互联网技术进步；代表国家宏观经济环境的GDP、人口和政治三个因素并不显著，表明样本期内我国的经济政治和社会环境较为稳定，对就业并未产生显著的影响。目前互联网技术正极大推动和改善我国的就业总量状况，互联网技术的发展既有利于推动经济发展，又有利于我国就业状况的改善，促进经济发展目标同保障劳动者就业目标有机结合。

（五）互联网技术进步对就业影响的国别比较

考虑到各个国家政体、经济发展状况以及国际环境、地理环境之间的差异，本文选取了包含不同发展程度、不同制度背景、位于不同半球不同大洲以及与中国相邻的七个国家作为对比，这七个国家分别为：美国（USA）、英国（GBR）、德国（DEU）、日本（JPN）、韩国（KOR）、印度（IND）和巴西（BRA）。

1.不同国家的互联网技术进步效应

本文依照前文对我国的互联网技术进步效应的测算方法和步骤，依次给出美国（USA）、英国（GBR）、德国（DEU）、日本（JPN）、韩国（KOR）、印度（IND）和巴西（BRA）的10 个行业类别的互联网技术进步效应，如表3 所示，为形式表述方便，此处只给出各个国家的互联网技术进步效应的方向。

表3 2000—2014 年其他七个国家的互联网技术进步效应方向

续表3

从表3 可以看出，首先，各个国家的互联网技术进步对于大部分行业类别的劳动力需求都具有正向的促进作用，尤其是印度（IND），互联网技术进步对于其所有的行业类别的劳动力需求都具有正向影响，近年来印度的经济发展迅速，GDP 增速在多个年份甚至超过了中国，且其软件行业更是其优势行业，其软件出口以及全球软件市场的占有率均居世界前列，互联网技术的发展以及经济的快速增长均使得印度的就业状况得以改善。可以看出目前互联网技术的发展和进步对于不同国家各个行业的就业均具有正向的促进作用。

其次，与中国情况不同的是，其他七个国家中，互联网技术进步对于技术密集型制造业的劳动力需求的影响都是正向的，说明在这七个国家的互联网技术发展过程中，互联网技术进步所带来的劳动力需求要大于被替代的劳动力数量，而在中国，互联网技术进步对于技术密集型制造业的劳动力需求的影响是负向的，说明互联网技术进步带来的劳动力替代效应要大于新工作的产生效应，抑或是互联网技术进步所需的新兴技能无法在劳动力市场得到满足，即Acemoglu 和Restrepo（2018b）所提到的劳动力技能与技术进步所需的新技术无法匹配，因而导致就业水平下降。此外，伴随着我国近年来的产业结构升级，劳动力逐渐流向第三产业；同时我国人口红利的消失也使得劳动力成本快速上升，一定程度上驱动相关企业开始或者加大工业机器人的使用，根据程虹等（2018）的分析和测算，近年来机器人的使用在我国呈现爆发性增长趋势，并对中国三分之一以上的制造业企业产生影响，机器人对使用机器人的企业劳动力整体的替代效应约为2.6%，以上种种均使得我国的制造业尤其是技术密集型的制造业劳动力减少。

此外，对比发现，八个国家的服务业的互联网技术进步效应均为正，表明在全球范围内，互联网技术进步均倾向于提高服务业的劳动力需求，改善第三产业劳动力需求结构，推动各个国家的产业结构升级。借助互联网平台，越来越多的新兴岗位吸收容纳了越来越多的劳动力，而这些新兴行业例如外卖、直播等大多出现在服务业，极大改善了服务业的就业状况。

2.不同国家的互联网技术进步对就业影响的面板回归模型

为了从整体上比较互联网技术进步对就业状况的影响，本文根据模型（12）建立了其他七个国家的互联网技术进步（N）、硬件（NC）技术进步和软件（NJ）技术进步对就业影响的面板回归模型，模型估计结果如表4 所示。

表4 2000—2014 年各个国家互联网技术进步对就业影响的面板回归模型结果

续表4

从八个国家的面板回归模型结果（表4）中可以看出，除了印度和韩国，其他六个国家的三个核心解释变量（N，NC，NJ）都显著为正，即无论是总的互联网技术进步，还是分软硬件的互联网技术进步，其对于劳动力就业的影响都是正向的；若仅关注总的互联网技术进步①本文中互联网硬件技术进步（NC）和互联网软件技术进步（NJ）仅作为互联网技术进步（N）的稳健性检验变量，因此后文仅针对互联网技术进步（N）相关结果进行分析和解释。，则除印度外，其他七个国家的互联网技术进步均对就业具有显著正向的促进作用。印度的互联网技术进步对就业的整体影响并不显著，但是互联网技术进步与规模报酬的交互项是显著为正的，表明印度的互联网技术进步对就业的影响是通过行业规模报酬来发挥作用的，相对其他国家而言，印度的互联网技术进步对就业的影响更依赖行业本身的规模报酬特征。前文中印度分行业的互联网技术进步就业效应均是正向的，但整体上互联网技术进步对就业的影响却不显著，表明印度的就业状况还会受到除互联网技术进步之外其他因素的影响。例如，表4 中的结果显示，印度的资本投入对于就业的拉动作用要远远大于其他国家，相对于互联网促进就业的途径而言，印度就业增长的途径可能更倾向于投资拉动经济增长继而带动就业。

此外，各个国家的资本投入（K）对于劳动力需求的影响也都是正向的；劳动力工资（W）的提高不利于行业对劳动力需求的提升；除互联网技术进步之外的技术进步（A）对于各行业劳动力需求也具有正向影响；对于代表国家宏观环境的三个变量（GDP，POP，GOV），英国的模型中显著性均较高，其就业状况极容易受到经济、政治和人口变动的影响，而德国、日本和韩国模型分别具有不同程度的显著性，这三个国家的整体就业状况对于经济和社会形势的变动略微敏感，而美国、印度、巴西和中国的宏观经济和政治环境几乎未对就业状况产生显著影响。中国、印度、美国和巴西分别作为世界人口总量前三和第五的大国，其宏观大环境相对而言较稳定，整体的就业状况更易受其他宏观变量的影响。

从互联网技术进步与规模报酬的交互项来看，包括中国在内的八个国家中其对就业的影响方向不一致，根据其方向以及显著程度，可将这八个国家分为三类，第一类是交互项对就业具有显著的正向影响，这类国家包括美国、德国、韩国、印度和巴西；第二类是交互项的系数显著为负，此类只有英国；第三类是交互项的系数不显著，包括中国和日本。

第一类和第二类中，美、德、韩、印、巴、英六个国家的互联网技术进步对就业的影响验证了本文的理论机制，即互联网技术进步的就业效应会受到规模报酬的影响。美、德、韩、印、巴五个国家模型的交互项系数均显著为正，这意味着这些国家的行业规模扩大了互联网技术进步对就业的正向促进作用。美国、德国和韩国的互联网相关技术水平均较高，而印度和巴西的互联网相关技术也呈迅速发展的态势，因而这五个国家的行业规模报酬整体表现为递增的，从而更有利于发挥互联网技术进步对就业的促进作用。英国的交互项系数显著为负，表明互联网技术进步对就业的正向促进作用会由于规模报酬的影响而减弱。第三类中，中国和日本的交互项对就业的影响均不显著，说明对于中国和日本而言，虽然互联网技术进步对就业的整体依然是正向的，但是这种影响机理并非单纯是本文所分析的理论机制，即通过行业规模报酬的调节作用来影响互联网技术进步对就业作用的理论机制不明显，而是会受到其他因素的干扰。中国正处于向依靠全要素生产率的高质量发展阶段迈进，技术进步无疑是促进经济增长拉动就业的主要动力，在这个转变过程中产业结构、人口结构以及发展阶段特点等都可能对就业产生影响。日本的经济发展迅速但其饱受人口老龄化困扰，其就业状况受宏观经济社会环境的影响较大。

综上，本文在实证分析部分：（1）根据理论模型结果测算了中国2000—2014 年10 个行业类别的互联网技术进步效应，发现采矿业、建筑业和技术密集型制造业的互联网技术进步会减少行业对于劳动力的需求，而其他第二产业和全部第三产业的互联网技术进步均会促进本行业对劳动力的需求。（2）分别建立中国2000—2014 年10 个行业类别的互联网技术进步对就业需求的计量模型，模型估计结果显示，互联网技术进步的系数与第一步测算的互联网技术进步效应具有高度的一致性，说明本文理论模型和实证分析的合理性，同时计量模型显示大部分行业的互联网技术进步对就业均是正向的促进作用。（3）从整体视角建立中国2000—2014 年47 个行业的互联网技术进步对就业影响的面板回归模型，发现总的互联网技术进步、硬件技术进步以及软件技术进步对于我国整体的就业均有正向的促进作用，同时还发现资本投入以及除互联网技术进步之外的其他技术进步对整体的就业也具有正向的促进作用，但工人工资的提高不利于行业对劳动力需求的增加。（4）基于前面三步的实证模型，分别测算了美、英、德、日、韩、印、巴七个国家的互联网技术进步效应以及56 个行业层面的面板模型，通过国别比较发现：在各个国家的互联网技术进步效应的测算中，第一，大部分行业的互联网技术进步就业效应均为正，互联网技术进步对就业的促进作用具有全球趋势；第二，中国的技术密集型制造业的互联网技术进步效应是负向的，而其他七个国家的技术密集型制造业的互联网技术进步效应则是正向的，中国技术密集型制造业的技术发展迅速，其对劳动力的替代效应要大于新工作的创造效应。从整体视角来看，第一，不同国家的互联网技术进步对于就业都具有正向的促进作用，其中美国、英国、德国、韩国、印度和巴西这些国家的互联网技术进步对就业的影响符合本文的分析得到的理论机制，即互联网技术进步对就业的作用会受到行业规模报酬的调节作用的影响；第二，在所有国家中，资本投入以及其他技术进步对就业均具有正向作用，但工资的提高会降低行业对劳动力的需求。

五、研究结论与政策建议

本文基于劳动力需求视角，通过理论和实证分析研究互联网技术进步对于劳动力就业的影响，以求从理论及现实两方面探讨现阶段的技术进步会否造成大规模失业，研究结论及相关政策建议如下：

（1）本文的理论模型研究结果表明，互联网技术进步对行业劳动力需求的影响方向取决于行业规模报酬，即若行业规模报酬递减，则本文理论模型研究得到的互联网技术进步效应为正，互联网技术进步将有利于提高行业对于劳动力的需求，改善就业状况；若行业规模报酬递增，则互联网技术进步效应为负，互联网技术进步对各行业的劳动力需求具有负向影响，不利于就业状况的改善；且行业规模报酬越接近1，互联网技术进步对于行业劳动力需求的影响就越大。

因此，对于规模报酬递减的行业而言，互联网技术的使用以及互联网技术进步将增加本行业对劳动力的需求，应鼓励和支持这些行业加深对互联网技术的应用范围和程度，通过增加各行业对劳动力的需求和改善劳动力需求结构来增加就业机会，从需求侧改善就业状况。

（2）本文对中国的互联网技术进步就业效应的理论测算结果及实证结果发现，所有第三产业和大部分第二产业的互联网技术进步对于劳动力需求均具有正向的促进作用，其中第二产业中的技术密集型制造业的互联网技术进步效应为负，互联网技术的发展将有利于改善劳动力需求结构，优化各产业的就业结构，从而促进我国的产业结构升级。中国2000—2014年互联网技术进步对就业影响的面板回归模型结果显示，我国的互联网技术进步对就业具有极大的正向促进作用，且这种作用并未显著地受到行业规模报酬情况的影响。中国在向依靠全要素生产率的高质量发展迈进的过程中，技术进步对就业有显著的拉动作用，同时就业也会受到产业结构调整以及中国特有的发展阶段特征等因素的影响。

从劳动力需求视角来看，目前互联网技术和数字经济等技术进步有利于提高劳动力需求，增加就业机会，改善总体的就业状况，能够促进经济发展和保障就业的有机结合。因而，政府和企业等应继续大力发展互联网技术，增加互联网技术相关的投入，从而发挥互联网技术进步对于劳动力需求的正向促进作用。

（3）互联网技术进步对就业影响的国别比较结果表明，无论是分行业的还是整体的互联网技术进步对就业的促进作用均具有全球性。此外，除了中国技术密集型制造业的互联网技术进步效应是负向以外，其他七个国家的制造业互联网技术进步效应均是正向的；美、英、德、韩、印、巴六个国家的行业规模报酬对互联网技术进步就业效应的调节作用均显著，符合本文分析得到的理论机制。

中国在保持科技高速发展和产业结构升级的同时，还需扩大和加强对劳动力的新型技能培训，从劳动技能供给方面确保与劳动力需求的匹配程度，完成产业结构升级过程中的人口结构升级，同步确保就业稳定与经济发展，本文互联网技术进步对就业影响的理论机制分析为进一步实现我国经济高质量发展、发挥规模报酬在互联网技术进步改善就业过程中的正向调节作用提供了有力的政策借鉴依据。

本文立足劳动力需求视角，通过理论和实证模型探究互联网技术进步对各行业以及整个社会的劳动力需求的影响，以此分析互联网技术进步对就业的影响，以上的研究分析及结论均假定互联网技术进步引起的劳动力需求的增加在现有的劳动力市场中都能得到满足，即现有劳动力的劳动技能能够满足互联网技术进步带来的新工作岗位对劳动力技能的需求，如果这个假定无法满足，则互联网技术进步所带来的更多劳动力需求就无法转化为现实的就业机会，因此政府及企业在大力发展互联网技术的同时还需加强对现有劳动力的技能培训，确保技能与技术之间的匹配程度，以充分发挥互联网技术进步对就业的正向促进作用。