2 文献综述

2.1 国外研究的学术史梳理及研究动态

1．技术与劳动力要素均衡与替代效应研究

技术与劳动力是两大生产要素，早在19世纪80年代，新古典学派的经济学家已经发现了要素替代现象并开始研究，形成了要素替代理论的基本规范。其中，Leon Walras（1874）提出了一般均衡理论，认为在完全竞争的市场条件下，若资源总量既定，效用函数和生产函数存在，则肯定存在一组产品价格与要素价格，通过价格传导机制使要素市场的供需达到均衡。James Stewart于18世纪末就提出，要想解决由机器引起的失业是一件困难的事。亚当·斯密将劳动分工和机器发明相结合强调以此来节约劳动力。大卫·李嘉图则认为经济的发展可以补偿就业带来的负效应，而马克思准确批判了这种“补偿论”，他通过深入分析资本主义企业技术革新引起的劳动力失业而洞察了资本主义结构，且断定资本积累对劳动力的需求增速慢于技术变迁替代劳动力的增速。马克思认为，资本家的最终目的是追求超额剩余价值，而追求超额剩余价值势必要采用机器等新技术来提高生产效率，由此便产生技术排挤劳动力的现象。Hicks（1932）阐明了资本/劳动替代弹性规律，即投入的资本要素和劳动要素比值的变化率与该两种生产要素之间相对价格变化率的比值，若此比值大于1，那么资本要素和劳动要素之间是相互替代的关系，若小于1，则两者之间是互补的关系。De La Grandville（1989）假说的核心思想是经济增长率和替代弹性呈正相关，总体而言，若一个国家处于快速发展期，则该国家的替代弹性一般比1大，而那些近乎平稳增长的国家得到的替代弹性一般比1小。Eriksson（1997）在对经济增长、劳动生产率的提高以及就业的增长三者之间的关系进行研究时，发现它们之间有着较为明显的替代关系。

2．技术进步与就业总量增长相关性研究

影响就业的因素诸多，其中技术进步被认为是影响就业的重要因素之一。索罗（Solow, 1957）首次将技术进步因素纳入经济增长模型。之后，技术进步对就业的影响成为学界关注的热点问题之一，并形成收缩效应派与扩张效应派两派不同的观点。收缩效应派以美国学者 Gal 为代表。Gal（1999）认为技术进步对就业具有收缩效应。技术进步导致生产要素使用效率提高；在技术进步表现为劳动节约型技术进步时，存在工资粘性的情况下的劳动的投入必然减少。他针对美国经济研究发现：在一个价格粘性的模型中，长期技术进步与劳动生产率呈负相关关系；在短期呈正相关关系。即长期技术进步对就业的效应是收缩性的。Alexius和Carlsson（2007）设置了四种不同的模型，运用Gal（1999）类似的方法分析，结果均显示在美国工业中技术进步与就业呈显著的负相关关系。在假设不存在价格粘性的显著的收缩效应情况下，Fove和Patrick（2004）利用Joneses效用模型分析发现，技术冲击将对就业产生一个持久的、显著的收缩效应。扩张效应派以美国学者 Base和Femakl为代表。新产品、新工艺、新业态的创新可以开拓新的行业和领域，创造新的就业岗位，促进就业量的增加。另一方面，技术进步使得经济增长加速，促进需求、生产和就业的增加。Base和Femakl等（2004）利用VAR（Vector Autoregression，向量自回归）模型研究技术进步对美国的就业效应，发现在短期内，技术进步对就业是收缩效应，而长期来说，技术进步却增加了工作时间。Chang和Hong（2003）根据对1958—1996年美国458家四位码制造业数据，运用VAR模型分析发现，技术进步明显使工作时间增多的行业数比工作时间减少的行业数多，即在总的制造业中技术进步导致工作时间增加。

3．人工智能对就业结构影响的研究

尽管人工智能对就业的总体效应尚不明确，但无可争议的是，人工智能对不同行业或者技能的工人的影响是不同的。很多学者强调需要警惕人工智能和自动化带来的“就业极化现象”。就业极化即人工智能或者计算机化对中间技能人员的替代最为广泛，高技能行业及低技能的服务业的就业岗位有所增加。大量证据证实，就业极化现象在很多国家的劳动力市场己经出现（Uooset, et al., 2009; Michaels, 2014; Autor, 2015; Uraetz & Michaels, 2015）。早期的C. Eduist和S. Jacobsson（1987）通过对经济合作与发展组织国家从20世纪70年代中期直到1985年工业机器人的应用和扩散模式的研究，发现工业机器人在搬运、加工和组装三方面的应用已经增长迅速。从短期来看，大多数企业进行机器人投资的最主要原因是为了降低不熟练和半熟练劳动力的成本；而从长远来看，机器人的投资更应该被视为是全面实现自动化进程的一部分。有关就业极化现象产生的原因，Autor等（2003）进行了研究并给出解释。他们指出了两大类难以被计算机化的任务，一类是抽象任务，通常为专业、技术或者管理职位，需要问题解决能力、直觉、创造力以及说服能力；另一类是手工任务，通常为服务和劳工性工作，需要环境适应性、视觉或者语言识别以及互动的能力。由于这两类工作一般分布在岗位技能的两端，因此产生了就业极化现象。Feng和Uraetz（2015）从理论上解释了历史上及近些年劳动替代技术（如电脑、电动机、蒸汽机）的发展如何导致工作两极化，提出了一个可以区分任务复杂度和培训需求度的模型。研究发现，当自动化成本降低时，对于两个复杂度相同的任务，由于培训需求度更高的任务所需的劳动力也相应昂贵，企业会选择自动化这部分任务；而高度复杂、培训密集型的工作不易被自动化。这样会造成劳动力流向高度复杂或者无须太多培训的任务，从而解释了就业极化现象的发生。Frey & Osborne（2013）首次根据O*NET数据库，应用概率分类模型估计了美国702种职业将来被计算机替代的可能性。O*NET数据库包含了每种职位关键特征的描述，他们从中归纳出9个不易被自动化的技能特征，包括帮助和照顾他人能力、说服能力、谈判能力、社会洞察力、艺术能力、创造性、手工技艺、手指灵巧度以及在狭小的工作空间中工作的能力，并根据每种职业描述将目标职业在这9个特征维度上受计算机化影响的程度分别进行量化，通过将职位被计算机化的风险按照大小分为高、中、低三类，结果发现美国47%的岗位存在被高度计算机化的风险。David（2017）运用类似的方法预测发现日本55%的职业将被计算机替代，在不同性别的劳动者中无显著差异。Oschinski、Wvonch（2017）对加拿大劳动力市场进行研究，他们对Frey、Osborne（2013）的工作进行了拓展。随着自动化的进步，人类在诸如手工技艺、手指灵巧度以及在狭小的空间中的工作能力等方面的技能不再具有严格的优势，因此不易使计算机化的技能特征列表被更新。