技术引进、自主创新与就业

吴昊 李萌

摘 要：基于1995-2015年中国各省的面板数据，运用动态空间杜宾模型考察技术进步对就业的直接效应和空间溢出效应。结果显示：短期的技术引进促进了就业增长，但其对就业的溢出效应不显著;而长期的技术引进并不能持续地带来就业增加，反而会对就业造成破坏效应。自主创新对就业短期以破坏效应为主，但长期的自主创新促进了就业的增加，并且从经济距离权重下的就业效应来看，自主创新吸纳了相近经济水平区域的劳动力，空间溢出效应为负。现阶段我国自主创新的就业效应不受经济发展水平影响，但经济发展水平越高的地区，技术引进对就业的拉动作用越弱。

关键词： 技术引进;自主创新;就业水平;经济发展水平

中图分类号：F201文献标识码： A文章编号：1003-7217（2020）01-0109-08

一、引 言

技术进步与就业的关系一直都是学者们关注和研究的焦点，从广义技术进步对就业的影响到不同方向性、不同类型的技术进步对就业的差异化作用，学者们从各角度对此进行理论和实证分析。技术进步对就业既有创造效应也有破坏效应，这一观点最早可追溯到以大卫·李嘉图为代表的古典经济学派对于工业革命时期技术替代劳动的认识：技术进步是一把“双刃剑”[1]。马克思从生产力和生产关系角度提出了技术进步与就业的关系，认为资本的不断积累导致失业增加[2]。熊彼得认为技术创新导致经济结构变动，导致周期性失业[3]。技术进步与就业的关系理论不断被补充和完善，技术进步对就业的“双重”作用普遍被学者们接受和证实。对于为什么会出现两种相反的作用，Morthensen和Pissarides（1998）指出不同类型技术进步的变革导致其就业效应不统一[4]。

按生产要素投入结构划分，Hicks将技术进步分为劳动偏向性、资本偏向性和中性型技术进步[5]。王静（2016）从第三产业入手，指出中性技术进步对就业的作用不显著，资本偏向型技术进步又进一步阻碍了就业水平提升，两者综合作用表现出技术进步挤出就业的特征[6]。王林辉和董直庆（2011）也指出，中性技术进步对就业既存在创造效应，也存在破坏效应，而非中性技术进步对就业的主要体现为破坏效应，且我国技术进步主要为资本增进型[7]。有学者从企业层面将技术进步划分为产品创新和工艺创新[8];宁光杰（2008）利用工业行业面板数据得出过程创新促进就业量的增加，而产品创新对就业量的效应为负或不显著[9]。方建国（2012）指出科学技术创新带来的新兴高科技产业创造了更多的就业机会，但制造技术创新带来的技术升级导致技术替代劳动，从而增加了失业[10]。按技术进步来源可将技术进步分为自主创新型和技术引进型，技术进步通常表现为当投入条件既定，产出的增加是由技术引进和自主创新决定的[11]。自主创新型技术进步主要依靠自主力量研发，实现技术的重大突破，产生新科技或新产品。而自主创新带来的新科技或新产品一方面会带来新兴的产业链和新的产品需求，从而增加更多的就业岗位增加对劳动力的需求;另一方面，新兴产业会对旧产业和低技能劳动力产生挤出作用。但方建国和尹丽波（2012）在研究中指出，只有技术创新带来大规模技术变革而引起产业结构变动时，才会在短期内导致技术替代劳动力而抑制就业[12]。新增长理论指出在技术创新带来变革后，当就业的劳动力拥有社会需求的专业化知识和人力资本时，经济增长和就业之间能够达到良性的循环。技术引进型技术进步主要依靠引进国外的先进技术、生产设备、外资资本和优化的管理方式。技术引进对就业的短期创造效应较为明显，这主要表现在外商投资建厂以及新技术带来的生产规模扩大直接增加了更多的就业机会。但技术引进带来的生产率提高和机械化生产也会对劳动力产生挤出和替代效应。胡鞍钢和盛欣（2011）指出自主创新对就业的创造效应大于破坏效应，而技术引进会造成失业增加，但自主创新和技术引进带来的技术进步都会增加对高技术劳动力的需求[13]。王光栋和胡珊珊（2012）赞同自主创新对就业的创造效应，但认为技术引进对就业的作用不显著[14]。因此，综合现有文献，自主创新、技术引进与就业的关系还没有确定性结论，对这个问题应进一步研究和分析。

中国作为发展中国家，自主创新和技术引进同属于实现技术进步的重要途径。在经历了改革开放我国经济快速复苏和高速发展后，技术进步模式也逐渐发生变化，并且由于我国经济发展水平、开放程度和政策导向等因素的不均等化，我国技术进步模式存在显著的时间和空间上的差异。有学者从时间上考虑技术进步的就业效应，Micheiacci（2004）从短期角度考虑技术进步会造成落后部门退化，技能差的劳动力将会失业[15]。Senker（1981）认为随着时间的变化技术进步对就业的影响会显示出明显的差异性，技术进步对就业的短期效应为负，而长期效应为正，技术引进和自主创新是维持就业长期稳定增长的源泉[16]。有学者进一步从空间角度分析，认为技术进步存在空间扩散效应，并证实了我国存在从北京、上海和广东向其他省区的技术扩散，并且这种溢出效应依赖于空间距离[17];技术进步方向性也会从发达经济体向欠发达经济体扩散[18]。当一个地区的技术水平通过引进先进技术或自主研发创新而得到了显著的提高，那么，该地区的技术进步不仅会影响当地的就业水平，也会对周边及其他地区的劳动力产生吸引或者排斥作用。并且不同类型的技术进步对就业的空间溢出效应也不尽相同。

虽然众多学者从理论上揭示了技术进步对就业影响的机理，但是促进就业水平均衡发展的技术进步路径并没有得到清晰的阐述，实证研究成果局限于考察全要素生產率对就业影响、不同技术类型对就业的影响、技术进步对不同区域就业的影响差异等等。很少有学者从技术进步投入角度考察技术引进、自主创新对就业的直接效应和溢出效应，并区分长短期进行实证分析。 为此，本文将基于这一视角展开研究。

二、研究设计

（一）计量方法与模型设定

考察自主创新型和技术引进型技术进步的就业效应，除此两项重要的解释变量外，产业结构作为就业的载体，直接受技术进步水平的影响[19];在当前的经济环境下，区域就业也受房价和收入水平的影响[20];基础设施建设、社会保障水平和政策原因也会对就业者的选择造成显著的影响[21]。当然，影响就业水平的因素还有经济发展水平和劳动生产率等因素。综合考虑现有的研究成果和数据的可得性，实证模型设定如下：

Employmenti，t= αi+ βTeci，t-1+

ηControli，t+εi，t （1）

其中，下標i表示第i个地区（i=1，…，N）;t表示第t年（t=1，…，T）。Employment为被解释变量，即就业量。W为空间权重矩阵;Teti，t-1为解释变量i地区滞后一期的技术进步。 Control为控制变量集，其中包含名义工资、政府支出、劳动产出率、房价及GDP;α为常数项;γ、ρ、β、θ、η分别为对应的空间自回归系数;ε为随机误差项。 为考察技术溢出效应，将式（1）扩展如下：

Employmenti，t= αi+ βTeci，t-1+

θW×Teci，t-1+η Controli，t+εi，t （2）

就业水平依存于上一期就业水平以及邻近地区的就业水平，将式（2）扩展为：

Employmenti，t= αi+γ×WEmploymenti，t+

ρEmploymenti，t-1+ βTeci，t-1+

θW×Teci，t-1+η Controli，t+εi，t （3）

空间动态杜宾模型的应用较为广泛，因为它不仅包含外生变量的直接效应和空间效应，内生变量的空间滞后效应，还包含时间和个体的固定效应、外生变量和内生变量的动态效应[22]。不论是空间误差模型还是空间滞后模型，在数据生成过程中都能得到系数的无偏估计，并且空间杜宾模型具有不限制潜在空间溢出效应规模的优点，这也使得模型估计出的溢出效应结果更具一般性[23]。根据研究要求，需要考虑其他区域经济发展、技术进步对本地就业的影响，因此采用空间杜宾模型，将动态分析引入研究中。

（二）空间权重设置

空间结构相关性的设定是空间计量模型的关键因素，设定空间权重矩阵是解决模型估计中空间结构相关性问题的主要方法，本文考虑设定地理权重矩阵和经济权重矩阵分别对模型进行描述。

1.地理权重矩阵。根据Moran（1948）的Rook相邻规则，相邻的两个地区存在共同边界。地理权重矩阵设定方式为：

wij=1，当区域i与区域j相邻

0，当区域i与区域j不相邻 （i≠j）

2.经济权重矩阵。地理权重矩阵没有考虑到区域间经济水平不同造成的差异，发达地区的辐射范围和影响力可能会大于落后地区。参考王立平（2010）[24]的方法，将经济权重矩阵和二元权重矩阵结合，并假定经济水平高的省份对周边地区产生的空间影响力强于经济水平低的省份。采用1995-2015年各省份实际GDP占全国实际GDP之和比重的均值作为量化地区经济水平程度的指标。表达式为W=w×E。w为地理权重矩阵，E为量化区域间经济差异的权重矩阵。经济空间权重矩阵W是地理空间权重w与各省份GDP所占比重均值为对角元的对角矩阵的乘积，表达式为：

W=w×diag1，2，…，n（4）

其中，i=1t1-t0+1∑t1t=t0yit，=1n（t1-t0+1）×∑t1t=t0∑ni=1yit，t为考察时间期数，n为考察地区个数，y为考察地区GDP。

（三）变量选取与数据来源

1.被解释变量：L表示就业，采用就业人员年末数来衡量。

2.核心解释变量：（1）TC表示自主创新投入水平度量。自主创新活动的重要表现形式是R&D投资的增长，R&D投资增长显著地促进一个地区或国家的经济增长，是促进企业生产率随时间变迁的主要动力[25-27]。从技术进步投入角度考虑自主创新对就业影响，采用R&D投入作为我国自主创新的指标。用研发支出占GDP得比例衡量自主创新，研发投资采用财政中用于研究与试验发展的经费支出。这一衡量标准为目前国际学术界普遍承认且通用的方法，用于量化一个地区或国家对科学技术的投入量及强度。（2）FTC表示技术引进。技术引进包括技术贸易、进口和利用国际直接投资（简称为外资）三条途径。技术出让国会控制先进技术的贸易，专利转让多数为产品已经标准化生产的成熟技术。由于信息不对称性原则和目前我国技术水平限制，我们无法通过“逆向工程”获得进口产品所包含的先进技术，因此，通过进口从而直接获得先进技术引进这条途径并不现实。先进技术转移最显著的途径是国际直接投资，而不是专利转让和进口[28]。利用跨国投资是引进技术的重要途径，外资技术溢出通常采用外资参与度衡量，采用当年实际FDI占全社会固定投资比率度量技术引进。

3.控制变量：（1）STR表示产业结构指数，采用第二产业和第三产业的增加值比值，并进行差分处理，考虑其变化率。（2）PRICE表示房价，采用各地区商品房平均销售价格与工资的比值，用于考虑各地区生活及居住成本概念。（3）PI表示生产率水平，采用劳动产出率减去工资，考虑剩余价值及企业利润概念。（4）FE表示财政支出，采用中央和地方一般公共预算支出与GDP比值，用于考虑政策支出和导向对就业的影响。（5）WAGE表示居民收入水平，采用各地区按行业分城镇单位就业人员平均工资。（6）GDP表示经济发展水平，采用地区生产总值，即GDP，并进行差分处理，考虑GDP增长率。

本文所选样本区间为1995—2015年中国大陆31个省、市和自治区的数据，重庆的数据并入四川计算，因此界面样本数为30个。劳动力就业量来自于历年《中国劳动统计年鉴》;FDI、R&D、产业产值比重数据、工资水平、商品房销售价格、各地区生产总值、劳动产出率、财政支出等数据均来源于历年《中国统计年鉴》或国家统计局。为保证数据平稳性，对就业、FDI、R&D、名义工资、房价和GDP进行了对数化处理（见表1）。

（四）空间自相关检验

用Moran I检测各区域就业是否具有空间相关性，计算公式如下：

Moran=n∑ni=1∑nj=1Wij（Xi-）（Xj-）

∑ni=1∑nj=1Wij∑ni=1（Xi-）2（5）

其中Wij是空間权重矩阵W的第i行与第j列的元素;Yi表示第i个地区的就业人数，表示所有地区就业人数的样本均值;n为样本容量。标准化后的Moran指数取值在[-1，1]区间之内，当Moran指数趋近于1，表明区域就业表现出显著的正空间相关性;当Moran指数越趋近于-1，表明区域就业表现出显著的负空间相关性;当Moran指数越趋近于0，表明区域就业并没有显著的空间相关性特征。

表2为1995—2015年中国区域就业的Moran指数检验结果。显示中国区域就业Moran指数都通过了1%水平下的显著性检验且各个Moran指数都为正值。说明中国各区域之间的就业并非随机状态，而是存在着稳健且明显的空间相关性。因此可以推断，地理距离是中国区域就业差异的重要影响因素，也为下一步研究中国区域就业是否受技术进步的影响、是否存在空间溢出效应提供了统计意义上的逻辑支持。

三、实证检验及结果分析

（一）动态空间面板模型的估计

对于该动态面板模型参数估计采用两种方法：一是广泛应用的差分和系统GMM参数估计方法，二是准极大似然估计QML[29]。当两种估计方法的结果保持基本一致时则表明模型的估计结果具有稳健性和合理性。从表3可以看出，QML和GMM的估计结果在系数符号和显著性方面基本类似，意味着估计结果具有稳健性。

1.技术引进对就业水平的影响。从表3可知，技术引进与就业水平显著正相关。FTC的系数在QML和GMM估计方法下分别为0.4588和0.3099，在1%水平下显著，意味着外商直接投资占全社会固定投资的比例增加1个单位，其他因素不变的条件下，就业水平提高0.4588和0.3099个单位。首先，外商直接投资增加了区域内资本要素集聚，通过资本供给的增加实现企业的扩大再生产，从而产生了更多的工作岗位。其次，外资遵循利益诱导原则，倾向于高产出和资本回报周期短的产业，70%以上以设备原材料作为资本投入，因此，对第二产业就业起到了显著促进作用[30]。最后，普遍观点认为外资通过竞争和提高生产率水平同时对就业存在挤出作用。但技术引进对本地区就业效应为正，说明目前阶段而言，引进技术主要以增加企业、扩大生产规模为主，就业创造效应大于破坏效应。并且由实证结果可得，技术引进的空间溢出效应不显著，技术引进对其他地区的就业并不存在显著作用，说明技术引进带来的核心技术进步水平相对较低，并未对其他地区的就业产生显著影响。

2.自主创新对就业水平的影响。从表3可知，自主创新与就业水平显著负相关，即自主创新在一定程度上阻碍了当地就业的增加，对就业体现为破坏效应。TC的系数在QML和GMM估计方法下分别为-2.3157和-2.577，并且分别在5%和1%水平下显著，这就是说技术研发占GDP的比例提高1个单位，其他因素不变，就业水平下降2.3157个单位。自主创新对就业既存在创造效应，也存在替代效应，这与该地区的科技发展水平和经济发展阶段息息相关，在考察的1995-2015年间，自主创新对就业的效应体现为挤出作用，原因有如下几点：首先，由于我国自主研发创新战略开始得较晚，从而导致科研基础相对薄弱，技术进步在新中国成立以来一定时间内主要依赖于国外先进的技术引进。而自主研发投资主要是为了更好地吸收引进技术，使其适应本地市场而并没有形成自主知识产权。因此，在此阶段我国的科研投入难以带来具有普遍生产性的创新产品，从而促进新生产新部门的产生而吸纳更多就业，并没有达到显著的就业创造效应。其次，一个地区增加科技研发投入占其GDP的比例，会促进该地区的产业结构调整升级，技术创新和技术引进的区别在于，技术引进会带来新的资本、设备或原材料直接作用于扩大生产规模;而自主创新更着重于生产过程的工艺创新，提高机械化、自动化水平，从而提高生产效率，在产品需求一定的情况下，为保持其利润企业对就业的需求将减少。最后，一个地区范围内自主创新能力强的部门或企业将具备更强大的核心竞争力，将驱逐和淘汰竞争力弱的部门或企业，提供的产品和服务将向更高端、附加值更高的产业倾斜。我国自主创新型技术进步模式既不具备创造足够新产品新部门的能力来显著增加就业，又存在生产中技术对就业的替代效应，因此，在该阶段实证中技术创新对就业水平的影响显著为负。

3.“地理”“经济”空间权重下空间溢出效应分析。利用Le Sage和Pace（2009）[31]的方法，根据表4的参数估计进一步估算动态空间杜宾模型中技术引进和自主创新对就业的直接效应和间接效应。本文使用的是动态空间面板数据模型，因此，将直接效应和间接效应进一步在时间维度上分为短期效应和长期效应，分别反映技术引进和自主创新对就业的短期即时影响和考虑时间滞后效应的长期影响。表4汇报了各解释变量影响效应分别在地理权重和经济权重下的的估计结果，表5进一步汇报了核心解释变量的空间效应分解结果。

无论直接效应还是间接效应，各变量的长期效应的绝对值均大于短期效应的绝对值，说明技术引进和自主创新对就业均具有更加深远的长期影响。技术引进对就业的短期影响效应在地理和经济权重下都为正，且在1%水平下显著，地理权重下间接效应和总体效应不显著，经济权重下总体效应在5%显著为正;但在长期效应中，经济权重下技术引进对就业的直接效应和总体效应均为负，地理权重下作用正负一致但结果不显著。表明短期内技术引进对一个地区的就业水平主要表现为促进作用，而长期来看持续的技术引进并不能带来就业的增加，反而会抑制就业。初期的技术引进主要利用丰富廉价的劳动力资源，多为劳动密集型企业，会吸收大量低技能劳动力就业。而长期外商投资的行业则会逐渐由劳动密集型向资本和技术密集型转变，劳动生产率提高会减少对低技能劳动力的需求而增加对高技能

劳动力的需求，但由于我国目前人力资本现状决定技术引进对高技能劳动力的需求并不能抵消对低技术劳动力就业的破坏作用，长期总体效应表现为技术引进对就业的破坏作用，罗军和陈建国（2014）[32]也通过建立门槛效应模型验证了该结论。

自主创新在短期内的地理和经济权重下对就业的直接作用均为负，且在5%水平下显著，这与前文的结果相符。而在经济权重下，自主创新的就业效应在短期和长期中作用效应相反，首先，长期的直接效应在5%水平下显著为正，说明从长期来看自主创新不一定会毁灭工作岗位，反而在一定程度上创造了工作岗位。一个国家或地区持续的科研投入和研发创新带来新的产品和行业变革时，新的产业链和部门会创造大量的劳动力需求，直接促进该地区的就业水平。其次，长期的自主创新对就业的空间溢出效应为负。一个地区的自主创新型技术进步的发展吸引了其他地区的劳动力，抑制了其他地区的就业增长。最后，比较长期效应中地理权重下和经济权重下的就业效应可以发现，一个地区的技术革新对劳动力的吸引并不表现在吸引该地区周边的劳动力，更体现在吸纳其他经济水平相近地区的高技能人力资源。

（二）经济发展对技术进步就业效应的回归分析

技术引进和技术创新作为技术进步的两种主要途径，对我国的就业作用呈现明显的差异化，经济权重下技术进步和自主创新的就业效应差异化更为显著。为了检验技术引进和技术创新对就业的影响是否受经济发展水平的影响，建立动态面板模型，并依次引入技术引进和人均GDP交互项、技术创新和人均GDP交互项进行回归分析，模型扩展如下：

Employmenti，t= αi+ρEmploymenti，t-1+

β1FTCi，t-1+ β2（FTCi，t-1 ×AGDPi，t-1）+

θAGDPi，t-1+ηControli，t+εi，t   （6）

Employmenti，t= αi+ρEmploymenti，t-1+

β1TCi，t-1+ β2（TCi，t-1 ×AGDPi，t-1）+

θAGDPi，t-1+ηControli，t+εi，t   （7）

如果FTC×AGDP或TC×AGDP的回归系数不显著，意味着经济发展水平没有显著影响技术引进和技术创新对就业的影响作用。如表6回归结果所示，FTC×AGDP的交互项在10%水平下显著为负，说明一个地区经济发展水平越高，技术引进对就业表现为挤出作用。 技术创新对就业的作用均为破坏效应，TC×AGDP交互项不显著，证明在现阶段经济发展水平并没有对技术创新的就业效应造成显著的影响。这一结果与我国现阶段经济发展水平和科技发展程度相吻合。

1.技术引进对于就业的效应多为正效应，对就业呈现拉动作用，而经济发展水平和技术引进的就业效应为负相关。考察东部经济发展水平高的地区，尤其北京、上海、广州等大城市，初期进入的以劳动密集型为主的制造业逐渐向周边地区及省份转移，第三产业占比逐步增大，并且更倾向于产品附加值更高的产业，以高精尖信息化产业、金融业及服务业为主。这些产业主要吸纳高学历、高技术人才，对于低技术劳动力呈现出挤出作用，劳动力随着大工业及制造业的迁移转向其他地区。因此，经济发展水平促进产业结构优化调整以及劳动密集型制造业向内陆梯度转移，对技术引进的就业效应影响为负，符合目前我国经济发展区域就业现状。

2.从自主创新角度来说，一方面，虽然我国工业化水平截止到2015年整体进入工业化后期①，但区域发展不均衡，上海、北京、天津已经步入后工业化阶段，其他大部分东部省份处于工业化后期，而大部分中西部基本处于工业化中期。因自主研发创新集中的高精端产业基本上在东部沿海和特定几个大城市中，并不随着经济发展水平的差异化向其他地区扩散，经济发展对技术创新的就业效应影响甚微。另一方面，我国区域产业结构不平衡，创新能力和高端产业发展不充分。关键装备、核心零部件和基本软件等依赖进口和外资企业的现象较为严重。目前，自主创新主要为工艺创新而非产品创新，没有增加更多的产品需求，技术创新形成扩散效应的客观条件不完备，形成规模产业的例子较少。从这两方面来看，经济发展水平暂时对自主创新的就业效应不存在显著影响。

3.通过引入经济发展水平与技术引进、自主创新的交叉项，可以看出经济发展水平高的地区作为自主创新的核心区域是合理且必然的，自主创新对就业的挤出效应并不会因為经济发展水平高而增大[33]。而经济发展水平与技术引进的就业效应负相关，即在经济发展水平高的地区技术引进对就业的拉动作用反而越低。吴延兵（2008）等在研究中指出，自主创新对东中部地区的技术进步促进作用更大，而西部地区目前应以引进技术为主[34]。余泳泽和张先轸（2015）进一步从经济发展水平来判断，认为当人均GPD超过3000元后，应选择自主创新型技术进步路径;反之，则以技术引进的方式更合适[35]。因此，在我国经济发展水平较低的地区目前应以引进技术为主，其对就业的拉动作用更为显著。

四、结论与政策建议

利用1995-2015年我国各省的面板数据，运用空间动态杜宾模型考察我国技术创新、技术引进对就业的直接效应和空间溢出效应，并进一步建立各地区经济发展水平与技术引进和自主创新的交互项，考察经济发展水平对技术进步的就业效应的调节作用。研究发现：（1）短期的技术引进促进了就业增长，但其对就业的溢出效应不显著。而长期的技术引进并不能持续地带来就业增加，反而会对就业造成破坏效应。（2）自主创新对就业短期以破坏效应为主，但长期的自主创新促进了就业的增加，并且从经济距离权重下的就业效应来看，自主创新吸引了相近经济水平区域的劳动力，空间溢出效应为负。（3）现阶段经济发展水平的高低对于自主创新的就业效应影响不显著。而经济发展水平越高的地区，技术进步对就业存在拉动作用越小，这一结论符合我国目前区域经济发展水平不均衡和各区域科学技术水平差距大的现状。

追求区域间均衡发展一直是我国区域发展战略的重要目标，本研究结果对于平衡我国区域间就业水平有着重要政策启示：

首先，制定以增加就业为主的技术引进政策，并坚持通过利用外资引进技术的战略。短期内想要保持就业的稳定增长，对于我国目前既定的劳动力结构而言，应优先发展低技术附加值的劳动密集型产业，但想要长期保持我国经济持续有效增长还是要依靠高新技术的发展。因此，应加大对引进技术的消化吸收，注重模仿创新并为我国自主创新奠定基础。这一过程中除了坚持利用外资引进先进技术，也应根据我国国情制定差异化技术引进政策。对于经济发展水平高的地区，如东部发达地区应着力提高引进技术的含金量，鼓励外资流入高技术产业，并加大对引进技术消化吸收并再创新能力。而中西部部分落后地区应制定因地制宜的技术引进政策，提高对外开放程度促进外资流入，并大力承接发达地区的产业转移，注重劳动密集型技术的开放、引进和应用。

其次，制定因地制宜、因时制宜和符合经济发展水平的自主创新战略。根据我国目前劳动力就业的现状，劳动力主要向经济发展水平高的东部地区集聚，而东北及西部地区劳动力流出严重，因此，我国应采取中央财政对科技投入的区域差异化扶持政策。自主创新对就业在中短期有一定的抑制作用，且经济发展水平并不影响自主创新的就业效应，因此，应在技术发展水平高、科研环境好、对外开放程度高和经济发展水平好的地区大力促进自主创新，积极推进产业结构向更优更高端优化升级。这样既可以吸引更多高精尖人才集聚，加快实施创新强国战略，同时带来的产业转移也促进劳动力向其他地区流动带来技术知识的溢出并且均衡区域就业水平。

最后，加大自主创新投入和人才培养力度。创新能力是技术引进战略向自主创新战略转变的关键，而劳动者素质和人力资本质量是保证就业在技术进步下稳定均衡增长的基础。应加大对基础研究的投入，追求原创性的自主创新，从根本上获得核心竞争力。并且重视多层次多方面的人才培养，优化我国人力资本结构，由以低技术劳动力为主逐步向以高技能高质量劳动力为主转变，即适应技术变革又引领技术进步，这样才能保证就业的均衡稳定增长，并实现经济的可持续发展。

参考文献：

[1] 大卫·李嘉图.政治经济学及赋税原理[M].北京：光明日报出版社，2009：67-90.

[2] 卡尔·马克思.资本论（中译本）[M].北京：北京人民出版社，1963：103-139.

[3] 约瑟芬·熊彼得.经济发展理论[M].孔伟艳，朱攀峰，娄季芳译.北京：北京出版社，2008：148-202.

[4] Mortensen D T， C A Pissardies.Technological progress，job creation，and job destruction[J].Review of Economic Dynamics，1998，4（1）：733-753.

[5] Hicks  J R.Throey of  wages[M].London：Macmillan，1932.

[6] 王静.价格扭曲、技术进步偏向与就业——来自第三产业分行业的经验研究[J].产业经济研究，2016（3）：91-101.

[7] 王林辉，董直庆.技术进步和就业增长关联效应：基于MS-VAR模型的动态分析[J].社会科学战线，2011（1）：67-74.

[8] 李正友，毕先萍.技术进步的就业效应：一个理论分析框架[J].经济评论，2004（2）：21-24.

[9] 宁光杰.中国转型期技术应用对就业的影响研究——来自工业行业的考察[J].中国人口科学，2008（6）：40-47+95-96.

[10]方建国. 技术创新、劳动力就业与产业模式选择：假说、框架和检验[J]. 技术经济，2012（8）：33-42.

[11]唐未兵，傅元海，王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究，2014，49（7）：31-43.

[12]方建國，尹丽波.技术创新对就业的影响：创造还是毁灭工作岗位——以福建省为例[J].中国人口科学，2012（6）：34-43+111.

[13]盛欣，胡鞍钢.技术进步对中国就业人力资本结构影响的实证分析——基于29个省的面板数据研究[J].科学学与科学技术管理，2011，32（6）：172-179.

[14]王光栋，胡姗姗.自主创新、技术引进与就业增长：基于面板数据模型的实证分析[J].科技管理研究，2012，32（23）：59-62.

[15]Micheiacci C， D Lopez-Salidi.Technology shocks and Job flows[J].Cemfl Working Paper，2004（5）：24-34.

[16]Sneker P.Technical change ，employment and international competition[J]. Futures， 1981，13（3）：159-170.

[17]舒元，才国伟.我国省际技术进步及其空间扩散分析[J].经济研究，2007（6）：106-118.

[18]潘文卿，吴天颖.中国技术进步偏向性的省际扩散效应：1996-2015[J].系统工程理论与实践，2018，38（2）：374-389.

[19]朱轶，熊思敏.技术进步、产业结构变动对我国就业效应的经验研究[J].数量经济技术经济研究，2009，26（5）：107-119.

[20]张莉，何晶，马润泓.房价如何影响劳动力流动？[J].经济研究，2017，52（8）：155-170.

[21]王文甫.政府支出、技术进步对劳动就业的效应分析[J].经济科学，2008（3）：48-57.

[22]钱明辉，胡日东，陈建伟.空间动态非参数杜宾模型及其应用[J].系统工程理论与实践，2018，38（1）：35-45.

[23]Elhorst J P.Applied spatial econnometrics：raising the bar[J].Spatial Economic Analtsis，2010，5（1）：9-28.

[24]王立平，管杰，张纪东.中国环境污染与经济增长：基于空间动态面板数据模型的实证分析[J].地理科学，2010，30（6）：818-825.

[25]Grilliches Z.Productivity，R&D，and basic research at the firm level in the 1970s[J]. American Ecomomic Review，1986，76（1）：141-154.

[26]Aghion P， P Howitt.A model of growth though creative destruction[J]. Econometrica，1992，60（2）：323-351.

[27]Doraszelski U， J Jaumandreu.R&D and productivity：estimating endogenous priductivity[J].Review of Economic Studies，2013，80（4）：1338-1383.

[28]Blomstrm M. Foreign investment and spillovers[M].London： Routledge，1989.

[29]Elhorst P，E Zandberg， J D Haan.The impact of interaction effects among neighbouring countries on financial liberalization and reform： a dynamic spatial panel data approach[J].Spatial Economic Analtsis，2013，8（3）：293-313.

[30]王燕飛，曾国平. FDI、就业结构及产业结构变迁[J]. 世界经济究，2006（7）：51-57.

[31]Lesage J， R K Pace.Introduction to spatial econometrics[M].Boca Raton：CRC Press Taylot&Francis Group，2009.

[32]罗军，陈建国.FDI、人力资本门槛与就业——基于门槛效应的检验[J].世界经济研究，2014（7）：74-79+86+89.

[33]罗能生，刘文彬， 王玉泽.杠杆率、企业规模与企业创新[J].财经理论与实践，2018，39（6）：112-118.

[34]吴延兵.自主研发、技术引进与生产率——基于中国地区工业的实证研究[J].经济研究，2008（8）：51-64.

[35]余泳泽，张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界，2015（9）：13-31+187.

（责任编辑：铁 青）

Technology Imports， Indigenous R&D and Employment：

A Dynamic Spatial Panel Data Model

WU  Hao， LI  Meng

（Northeast Asian Studies College，Jilin University，Changchun， Jilin 130012，China）

Abstract：Through the panel data of Chinese provinces from 1995 to 2015， the dynamic space Dubin model is used to examine the direct effects and spatial spillover effects of technological advances on employment respectively. The result show： short-term technology imports has promoted employment growth， but its spillover effect on employment is not significant. The long-term introduction of technology does not continue to bring about an increase in employment， but it will have a devastating effect on employment; Indigenous R&D is mainly for the short-term destructive effect of employment， but long-term indigenous R&D promotes the increase of employment， and from the perspective of the employment effect under the weight of economic distance， indigenous R&D absorbs the labor force in the similar economic level， and the space overflows. The effect is negative; at this stage， the employment effect of China's indigenous R&D is not affected by the level of economic development. However， the higher the level of economic development， the weaker the role of technology imports in employment.

Key words：technology imports; indigenous R&D; employment level; economic development level

收稿日期： 2019-07-07

基金項目：  教育部人文社会科学重点研究基地重大项目（16JJD790013）

作者简介： 吴 昊（1969—），男，内蒙古赤峰人，吉林大学东北亚研究院教授，博士生导师，研究方向：区域理论与政策。