文献阅读 | 增长与公平:基于要素的技术进步对经济增长和就业的影响分析

题目

Growth versus equity: A CGE analysis for effects of factor-biased technical progress on economic growth and employment

作者

Sungmoon Jung, Jeong-Dong Lee, Won-Sik Hwang, Yeongjun Yeo

期刊

Economic Modelling

时间

2017年

一作

单位

Busan Institute of S & T Evaluation and Planning

链接

http://dx.doi.org/10.1016/j.econmod.2016.10.014

研究背景

在上世纪末到本世纪初，许多国家经历了经济增长，但就业水平却下降了。换言之，经济增长主要来源于已就业的劳动力具有更高的生产力，而不是劳动力的扩张这导致在经济增长的同时失业率仍然处于高位。高新技术的发展是引起近年来美国更高的结构性失业率的重要原因之一，这是由于先进机械和全自动化设备代替了人工。由技术进步导致的劳动生产力提高使得美国制造业的就业量和工资水平都下降，因而导致经济下行。

尽管在新兴技术（比如机器人和人工智能）来临之际，技术进步对劳动力市场和就业的影响仍然存在争议，然而越来越多的证据表明技术性非就业是客观存在的，即快速进步的技术及其提高的生产力代替了人工。前人研究表明技术进步对熟练工有利，而非熟练工的失业风险加大。技术进步除了能产生直接效应，即技术性非就业，也能产生间接效应，比如增加收入和降低商品价格，这些间接效应可以部分抵消技术性非就业。因而在分析技术进步对就业的影响时既需要考虑技术进步的直接效应，也需要考虑间接效应，即市场对劳动力的补偿机制。大多数前人的定量研究仅仅分析了技术进步对就业的直接影响，而本文将从全局的角度分析技术进步的宏观影响。具体而言，本文将采用可计算一般均衡（CGE）模型分析与创新相关的活动（R&D投资），知识（由知识积累导致的溢出效应），以及技术进步对韩国经济的影响。这其中蕴含的经济学道理是当前节约劳动和偏向技能的技术进步通过市场机制改变了就业结构。

研究方法

为了研究技术进步对就业的非间接性影响，作者通过加入R&D和知识特性构建了一个以知识为基础的CGE模型，该模型建立在以知识为特性的社会核算矩阵（SAM）之上。具体而言，SAM构建的基础是2010年韩国投入产出表，这其中包含国民经济的宏观数据，如生产，消费，进出口和要素收入等等，而税收的数据来源于2010年韩国税收统计年鉴。本文的SAM和其他标准的SAM主要不同之处在于对R&D活动的描述以及对劳动力和家庭进行分类。知识被看作是一种生产要素用于形成以知识为基础的SAM。在原有研究中R&D支出是被包含在中间商品交易，而在本文中它被转移到SAM的生产要素账户；对R&D的资本支出则被转移到知识资本形成账户。根据使用者，知识资本形成账户被分成私有账户和共有账户。

根据受教育程度，劳动力按照技能水平分成三大类：高技能劳动工，技能劳动工，和无技能劳动工。具体而言，高技能劳动工由硕士和博士学位者组成，大学毕业生被认为是技能劳动工，而非技能劳动工指学历更低者，比如高中毕业生。本文对劳动力的分类是基于韩国劳动力市场的特性，在过去30年里韩国就业市场中大学学位及以上劳动力的比重不断上升。硕士和博士学位者所从事的工作占所有工作的比例从2000年的37.4%上升到2010年的56.7%，低教育水平的劳工所从事的工作数量不断下降。

根据韩国投入产出表，在CGE模型中有27个生产部门。从需求的角度，国内商品和进口商品存在替代关系，而国内商品只能在国内被消费或者用于出口。国内总需求由投资，中间需求，政府和家庭的最终需求三部分组成。从供给的角度，国内商品的产出由增加值和中间投入组成。增加值由劳动力，资本和知识资本组成并且用CES函数表示。作者假定劳动力中的高技能劳工，资本和知识资本存在互补关系，这是因为大多数从事R&D的劳动力是高技能劳工。

知识资本积累是通过R&D投资实现。在模型中，作者将R&D看作是一种商品，并且假定共有和私有部门都生产这种商品。由劳动力和资本的投入组合产生R&D的增加值，这体现出R&D投资主要由研发人员工资和研究的基础建设这两部分组成。R&D部门的生产函数也是CES函数，由高技能劳工和资本的组合，技能劳工和非技能劳工三大部分组成。新知识由R&D投资产生后将积累到知识资本存量中，而原有的旧知识将以一定的比率贬值。作者将知识资本看作是一种生产投入要素，它是由各部门的R&D投资产生，而知识积累能产生技术进步，这将提高生产率。换言之，由R&D投资产生的知识能增加其他生产要素的生产率，这意味着增加知识能够减少生产活动对劳动力和资本的需求。知识能够产生溢出效应，作者假定其他部门对某一部门的知识溢出效应与投入产出表中的中间交易规模成比例。这种研究方法表明某一产业的创新将显著影响其他产业的知识库。与此同时，作者假定公共知识资本存量为公共商品，它能够被所有产业使用从而影响生产率，所以公共知识存量能够对国民经济中的所有产业产生溢出效应。因而溢出效应被定义为一个关于政府知识存量和部门知识存量的函数。

根据韩国家庭收入和支出调查数据，家庭按照收入水平分成20大类。将家庭根据收入细分使得作者能够研究技术进步对收入分布的影响。家庭收入主要来源于工资，资本收益和知识报酬。

在通常（BAU）情景下，本文的CGE模型以2010年韩国的经济状况为基础。为了研究2030年技术进步对就业结构和经济发展的影响，本文采用韩国国家议会预算办公室的长期经济预测数据。除通常情景以外，本文还设计了两个政策情景。在第一个政策（SCN1）情景中，R&D强度从2010年的4%逐步递减到2020年的3%，然后保持不变直至2030年；在第二个政策（SCN2）情景中，R&D强度从2010年的4%逐步递增到2020年的5%，然后保持不变直至2030年，如下图所示：

图1. 情景设置

研究发现

在SCN2情景中，从2010年到2030年劳动力的需求和就业量增长最快；与之相反，在SCN1情景中，劳动力的需求和就业量增长最慢。在三个情景中，对高技能劳工的需求增长速度要高于技能劳工和非技能劳工。三种劳工的增长速度在SCN2情景都要比其他两个情景快，尤其是高技能劳工的增长速度要远远超过其他两个情景。与之相反，在SCN1情景中，劳工的增长速度最慢。以上研究表明高技能劳工对于R&D强度的敏感度要远远高于技能劳工和非技能劳工，这意味着R&D投资和技能偏向的技术进步存在着高度关联。

为研究产业的劳工需求，作者将27个部门合并为五个产业，分别为农业，低技术制造业，高技术制造业，服务业，R&D产业。与BAU情景相比，SCN1情景中所有产业的劳动力需求和就业量下降，而在SCN2情景中则上升。以上研究表明R&D投资能增加产出，因而能增加所有产业的就业量。在所有产业中，R&D投资对R&D部门的就业的影响最大，这意味着高创新强度的产业具有更为显著的就业创造能力。因而本文的研究结果显示出更高水平的R&D支出加速经济向知识密集型产业转移。

与BAU情景相比，在SCN1情景中经济增长率低，而在SCN2情景中经济增长率高，这反映出更高水平的R&D支出能通过创新促进长期经济增长，而减少R&D投资将阻碍经济增长以致于引起经济萎缩。这是因为更高水平的R&D投资能降低生产成本，而更低的成本优势能产生产业部门的价格优势，从而进一步引起生产活动的扩张，因而创造了更高的就业水平。在SCN2情景中，资本，高技能劳工和知识在增加值所占的份额，要比其他两个情景高，而技能劳工和非技能劳工在增加值所占的份额在其他两个情景更高。与BAU情景相比，在SCN2情景中要素收入显著增加，具体来说增加的要素收入主要来自于高技能劳工和知识。以上研究表明更多的R&D投资能促进技能和资本偏好的技术进步。

与BAU情景相比，在SCN2情景中10%最高收入家庭的收入所作占份额更大，而中产阶级的收入所占份额下降，这表明更多的R&D投资能使得财富向上层阶级倾斜。以上研究表明，与低收入阶层相比，高收入阶层更多的从事高技能工作所以能从资本回报中获益更多，因而以技术创新为驱动的经济增长将增加贫富差距。

研究结论

作者用以知识为基础的CGE模型分析技术创新对于韩国就业结构和经济增长的影响。在模型中，知识存量作为一种生产要素通过R&D投资得到积累。为了研究R&D的溢出效应，作者将溢出效应定义为关于政府知识存量和产业知识存量的函数。这两类溢出效应使得所有部门的全要素生产率增加。CGE模型的结果表明增加R&D投资能促进经济增长和增加就业岗位。在技能和资本偏好的技术进步影响下，更高的生产力和溢出效应使得生产规模扩张；换言之，更高水平的创新能够产生更多的就业岗位以补偿技术进步对就业的不利影响。然而技术进步将加剧社会不平等和收入两极分化。当R&D投资增加时，非技能劳工和技能劳工的产出在增加值所占比重减少，高技能劳工和资本所占比重增加。因而以创新为驱动的经济增长对高技能劳工有利，将加大劳工之间的收入差距。

总而言之，技术进步对社会是机遇和挑战并存。在过去四十年间，技术进步提高了生产力，改善了生活水平，促进经济增长和创造大量就业岗位，然而技术进步又引起结构性失业和加大贫富差距。本文研究表明技术进步并不是对社会上的每一个人都有利，因而政府需要适时合理地采取政策来消除或减少由技术进步引起的收入两极化和贫富差距。

编辑：陈抒炀

排版：张思露

相关阅读

点击“阅读原文”浏览小组主页