智能制造对劳动力就业质量结构的影响及区域差异研究

许清清，孟天赐，江 霞

（青岛大学 经济学院，山东 青岛 266075）

随着工业革命迅速发展，西方国家纷纷推出“物联网”和“4.0”等发展规划。中国作为最大的发展中国家，在新一轮工业革命中，加快了技术进步和产业转型，促进了实体经济与人工智能技术的深度融合。但值得注意的是，长期的资本深化政策、技术升级周期的缩短以及企业劳动力成本的上升，均对劳动力就业质量结构造成了深刻影响。由于中国区域经济发展存在不平衡特征，在不同经济区中，智能制造改善就业质量结构的作用大小必然会受到当地发展水平和产业合理化等因素的影响。因此，从这一角度来看，充分考虑到智能制造与产业转型升级的区域特性，准确揭示智能制造对就业质量结构的深刻影响，对于提升人力资本和经济发展质量有战略意义。

一、文献综述

对于劳动力就业结构的定义，边文霞（2009）［1］按照受教育水平、年龄和性别将其划分为就业质量结构、就业年龄结构和就业性别结构。本研究更多关注就业质量结构。潘文轩（2018）［2］认为由于拥有高精度、高程序性、低故障率等新优势，智能制造对于就业具有多重性和深刻性的影响，其中开始代替智力劳动就是其重要的新特性（屈小博，2019）［3］。新技术会通过带来新的投资增加就业岗位（Ebersberge，2002）［4］，也会改变劳动力就业结构（Acemoglu，2018）［5］，并且部分西方国家的就业结构已经出现了“两极分化”的趋势（Blinder，2013；Goos，2007）［6-7］。在智能制造的冲击下，分工造成的就业技能单一化和简单化会使低技能劳动者处于不利地位（蔡昉，2019）［8］。企业会将低技能工作外包（屈小博，2019）［3］或者使用工业机器人填补空缺（吴慈生，2013；Kaplan，2015）［9-10］，也会增加高技能劳动力的需求（Mi⁃chaels，2010；吕荣杰，2018）［11-12］。Berman（1994）［13］、宋冬林（2010）［14］、唐东波（2012）［15］指出中国等发展中国家正面临着高技能劳动力需求旺盛但供给不足的现象。姚先国（2012）［16］通过研究显示，我国劳动力市场出现了用工荒与技能溢价上涨并存的现象。景跃军（2015）［17］指出我国产业结构与就业结构之间有联系，薛继亮（2013）［18］进一步构建了二者的联立方程，得出了产业转型升级可以影响就业结构的结论。Oener（2005）［19］、Dustmann（2009）［20］、Bernardi（2008）［21］研究结果显示，不仅是中美两个工业大国，其他许多国家也已经开始出现就业结构两极分化的趋势。

就整体看来，就业质量结构在智能制造的影响下逐步改善，但是不同区域之间仍有差别，其主要原因在于各区经济发展水平、生活成本、产业结构合理性不同。赖德胜（2013）［22］分析了全国14 个省份的调查数据，他认为我国东部的劳动力就业结构较西部处在一个更为合理的水平。蔡翔（2013）［23］利用动态偏离份额空间模型得出了我国各省产业就业存在明显区别的结论，其中发达地区具有更高的第三产业就业吸纳能力。在生活成本问题上，夏怡然（2015）［24］指出，高生活成本对低技能劳动力产生了挤出作用，对劳动力就业结构产生了不利影响。梁琦（2018）［25］认为房价上涨会使高技能劳动力流向经济发达的地区，从而加剧区域发展的不平衡。郝楠（2017）［26］指出我国工资结构呈现“两极分化，两端上升，中间崩溃”的新特征，而这对就业结构有不利影响。孙早（2019）［27］得出生活成本对劳动力就业有显著负向影响的结论。在区域产业结构方面，许清清（2020）［28］通过省级面板数据实证分析发现，智能制造可以促使劳动密集型产业优化转型，不过区域之间会有差别。魏燕（2012）［29］准确把握不同区域特点，认为解决就业问题的重要方法是就业优先、技术进步与产业升级。胡雪萍（2015）［30］指出在经济欠发达的中西部地区，技术升级创造了新就业岗位，而在东北地区，技术进步则减少了就业岗位，通过这种岗位的增减，进一步调整了各区域内部的劳动力就业结构。

通过梳理以上文献，发现有如下几点可以进一步完善：首先，劳动力就业结构有不同的区分方法，本文将研究方向聚焦于就业质量结构。其次，研究智能制造对就业质量结构影响的文献较少，也没有指出其影响机制。最后，我国区域间经济水平不同，智能制造应用进程差距更大，区域间差异分析可以为不同区域找到适合发展路径。据此，本文提出智能制造优化就业质量结构的具体作用机制，并且考虑到中国经济地域发展的不平衡性，分区域进行分析，研究在不同区域内智能制造对就业质量结构的影响的独特性。

二、理论分析与研究假设

（一）智能制造对于就业质量结构的影响

马克思“就业补偿”理论说明了新技术的产生可以优化就业质量结构。具体而言，智能制造可以通过以下三个机制对于就业结构产生影响。第一，产业转移机制。技术进步引起产业的转移和升级会使得就业质量结构变得更加合理。随着智能制造的推广使用，传统制造业逐步从劳动密集型向资本、技术密集型产业转变，第一、第二产业向服务业迈进。其中，新型制造业和第三产业高素质人才占比更高，就业质量结构因此得以优化。第二，技能替代机制。技术升级会挤压低技能劳动者的就业空间。体力劳动者将被淘汰，能够掌握先进生产设备与技术的中、高素质劳动者则会获得更多的就业机会。第三，降低固有的学习效应机制，打破企业生产技术惯性。学习效应虽然可以通过积累经验来增加效率，但是一旦学习效应固化，将阻碍企业的生产革新。智能制造的发展提供了更好的学习方式与学习平台，带来各种先进的经验、技术和制造装备，会逐渐降低学习效应固化。相较于低学历劳动者，中高学历劳动者拥有更强的新技术学习能力和适应能力。据此，本文提出如下假设：

H1：智能制造可以直接改善就业质量结构。

（二）产业转型升级是智能制造影响就业质量结构的中介因素

智能制造可以对就业质量结构产生优化作用，但是无一例外地，智能制造在不同路径中均需要借助于产业或者企业等中介因素。其具体的机理在于：首先，智能制造作为一种技术的进步，会引起产业结构的转移和优化。过去我国的产业体系落后，劳动密集型行业占比较高，低技能劳动力即可满足需求。随着我国的产业迈向高端，对高技能劳动力的需求也在不断提高，这在一定程度上改善了就业质量结构。其次，智能制造优化了生产工艺并提高了生产效率，扩大了市场需求，增强了企业间竞争。新兴产业不断涌现，市场局势瞬息万变。这就要求劳动力必须提高自身的学习能力，掌握新技术。适应能力强的劳动力得以留下，适应能力弱的劳动力将被淘汰，最终导致了高技能劳动力占比增多。据此，本文提出如下假设：

H2：产业结构升级在智能制造与就业质量结构的关系中具有中介效应。

（三）智能制造对就业质量结构的影响受到生活成本与教育投入因素的调节

智能制造对于就业质量结构的改善之促进作用会受到其他因素调节。对于生活成本来说，一方面，过高的住房成本、通勤成本以及与其不匹配的低收入会使劳动力流动性较大。另一方面，大多数情况下，一个地区生活成本提高，不仅会增加劳动者生存压力，还会挤压年轻就业者的生存空间，而他们是高学历占比最多的就业群体。这些对就业质量结构的改善有阻碍作用。对于教育差异来说，教育投入增加可以引进或更新高效率的教学硬件设施，还可以提升师资队伍的素质水平，最终会提升教育教学水平，培养更多的高素质人才，对优化就业质量结构有利。据此，本文提出如下假设：

H3：生活成本对智能制造优化就业质量结构的作用具有负向调节作用，教育投入对智能制造优化就业质量结构的作用具有正向调节作用。

三、研究设计

（一）变量选取

1.被解释变量，劳动力就业质量结构（EQS）

本文参照何小钢（2019）［31］将从业者按照学历分为初级、中级和高级三个水平，并使用中高级就业者占比衡量劳动力就业质量结构的水平。

2. 解释变量，智能制造（IM），分三个维度进行衡量

互联网与大数据发展使用互联网宽带接入数来表征，二者成正比例关系。人工智能技术应用参考蔡啸（2019）［32］的做法，用各省“信息传输、计算机服务和软件业全社会固定资产投资”来衡量。工业机器人应用参考韩民春（2019）［33］的研究，以工业机器人的进出口金额作为测度标准。数据则借鉴李丫丫（2017）［34］关于工业机器人的定义及分类标准在海关进出口数据库查找。

3.中介变量

产业结构高级化系数。本文参考付凌晖（2010）［35］年构建的产业结构高级化指数，其数值越高则产业结构越高级。使用三大产业占总GDP 的比重组合构成一组三维向量X0=（X10，X20，X30）。接下来分别计算与X1=（1，0，0），X2=（0，1，0），X3=（0，0，1）的夹角：

则产业结构高级化的计算方式为：

产业发展动力转变。参考向晓梅（2013）［36］的研究，本文使用规模以上企业研究与试验发展（R&D）经费支出与资产总和的比值作为其三级指标，二者成正比例关系。

4.调节变量

参考孙早（2019）［27］的处理方法，为将生活成本纳入调节变量，用各省份城镇居民人均消费支出（含居住支出）占城镇居民人均可支配收入的比重衡量；同时，对于不同地区的教育差异，使用政府教育经费与地区GDP 的比值衡量。

5.控制变量

为尽可能多地排除其他因素和误差对结果的干扰，本文选择以下四个控制变量：物价指数（CPI）；城乡差距，用城镇和乡村的人口比值衡量；政府干预程度，用财政支出与地区GDP 的比值衡量；城市人口密度（人/平方公里）。

（二）模型构建

1.基准模型

为验证假设H1，本文构建如下基准模型：

其中i 和t 表示省份和年份，CV 表示控制变量，θ表示个体固定效应，ε表示随机扰动项。

2.中介效应模型

为了验证假设H2，本文参考温忠麟等［37-38］提出并完善的“中介效应”依次检验法，构建了如下中介效应模型：

其中，M 表示中介变量。依次通过模型（2）和（3）分别检验系数c 和a，若均显著则进一步通过模型（4）检验。若系数 b 显著，c′不显著则为完全中介效应，c′显著则为部分中介效应；若系数b 不显著，则需要通过sobel 检验进行分析。

3.调节效应模型

为验证假设H3，本文构建如下调节效应模型：

其中，U 表示调节变量，X×U表示智能制造和调节变量的交乘项。

4.分区域固定效应模型

为研究区域异质性，本文构建如下个体固定效应模型：

四、实证结果分析

（一）数据来源和描述性统计

本文选取2008—2019 年中国大陆31 个省级行政区的面板数据（不包括港澳台地区）。研究中的数据主要来自《中国劳动统计年鉴》《中国统计年鉴》、中国海关数据库、国家统计局以及各省统计年鉴。变量的描述性统计结果见表1。

表1 变量描述性统计

（二）基准回归结果

本文采用面板数据，Hausman 检验法结果显示应当选择固定效应模型进行估计。此外，在调节效应检验中，对解释变量和调节变量进行中心化处理，以避免解释变量与交乘项相关引起的偏误。具体结果见表2。

表2 智能制造对就业质量结构的基准回归结果

其中，列（1）（2）（3）分别为互联网与大数据发展、人工智能技术应用以及工业机器人应用对就业质量结构的回归结果。结果显示，互联网与大数据发展、人工智能技术应用和工业机器人应用均在1%的水平上显著。这说明三种维度的智能制造发展均可直接改善就业质量结构。假设H1 得到验证并成立。

（三）机制分析

1.中介效应分析

前文分析表明，智能制造很可能通过产业结构升级这个中介变量对就业质量结构有间接的改善作用。为检验上述中介效应是否存在，本文根据温忠麟提出的中介效应检验程序，并结合Sobel 检验进行分析。

产业结构升级的中介效应检验结果如表3所示，从模型（1）可以看出，仅使用三步法检验时，产业结构高级化对互联网与大数据发展、人工智能技术应用和工业机器人应用优化劳动力就业质量结构的中介效应均显著。为了使结果更加准确，进一步分析结果显示工业机器人应用未通过Sobel 检验，因此该中介效应不显著。结果表明，产业结构高级化在智能制造促进就业质量结构优化方面起到了中介作用。互联网的发展普及会使得劳动者更方便地接触学习资源，提升劳动者技能水平。对于企业来说，互联网发展有利于开拓新市场，为其生存和扩张带来了新的机遇。互联网可以加剧企业间竞争，使企业纷纷加入高素质人才“抢人大战”，为高学历就业者提供了更多就业机会的同时也促使劳动者学习新技能。在人工智能技术应用方面，凭借高效的数据处理和先进的物联网技术AI 将被应用于医疗、餐饮和金融等服务业，这无疑会创造技术研发、持续维护等高技能就业岗位。合理、高级的产业结构必然是在高效、智能的机械化工农业基础上，建立起以技术、资本为核心的互联网大数据服务业，而这会对高素质劳动力产生大量需求，从而优化就业质量结构。

表3 产业结构升级中介效应检验结果

在产业发展动力转变方面，由模型（2）可知，仅使用三步法检验时，产业发展动力转变对互联网与大数据发展、人工智能技术应用和工业机器人应用改善就业质量结构的中介效应均显著。但是进一步分析显示，互联网与大数据发展和人工智能技术应用均未通过Sobel 检验，因此二者中介效应不显著，仅工业机器人应用这一指标中介效应显著。如之前论证，工业机器人会逐渐替代从事机械和程序性的低学历体力劳动者。企业也会更加重视录用管理和机器人维护研发的高学历人才。机器人的使用可以降低成本、提高生产效率，在提高就业质量结构的同时也为企业转型提供了动力。相较于少数高度发达区域，我国大多数地区仍处于产业结构转型的前中期甚至起步阶段。随着以机器人为主的各种先进的自动化设备进入生产线，落后的传统设备逐渐被淘汰，昂贵的人力劳动也逐步被替代。企业规模的不断扩张和第三产业的蓬勃发展使得企业更加重视高新技术和创新能力，增加了对高素质人才的需求，形成良性循环，从而极大地优化了就业质量结构。

综上所述，假设H2 也得到验证并成立。值得一提的是，互联网与大数据发展和人工智能技术应用这两个衡量智能制造的指标均可通过产业结构高级化这一中介变量对就业质量结构造成影响，而工业机器人应用这个衡量智能制造的指标通过产业发展动力转变这一中介变量，这也完全符合产业结构和智能制造水平相匹配的基本逻辑。

2.调节效应分析

调节效应检验结果如表4 显示，生活成本对工业机器人应用优化质量结构的调节效应为负，对互联网与大数据发展调节效应为正。而教育差异对智能制造优化质量结构三条路径的调节效应均显著为正。

表4 调节效应检验结果

对三个维度的智能制造改善就业质量结构的作用，教育差异均对其有显著的正向调节作用，即随着教育投入的增加，智能制造优化就业质量结构的作用也会增加。这是因为提高教育水平利于培养更多的不同行业的高技能人才，既包括制造业配置工业机器人时需要的电气、编程算法和软件开发工程师，还包括互联网以及人工智能等高端技术所需的前端后台开发设计师等。

不过生活成本对三个维度的智能制造改善就业质量结构过程的调节作用并不一致。这是因为生活成本具有更明显的区域差异。在全国大部分地区，智能制造处于发展初期，更多体现在工业机器人对制造业的改善。这些地区的生活条件本就落后于发达地区，生活成本的少量增加就会引起高学历劳动者较大的排斥反应，引起人才的流失，故生活成本调节效应为负。但是在沿海、经济发达地区，智能制造应用成熟，互联网与大数据主导的基础设施建设完备，人工智能技术更先进。在这些地区，高生活成本往往体现为更便利的服务和更高的生活质量。这些既吸引了高素质人才，较低学历劳动者也更容易生存下去。生活成本增加不会引起人才的大范围外流，故生活成本的调节效应为正。H3 中教育差异的正向调节假设得到验证；生活成本的负向调节假设并不成立，其调节作用有正有负，其区域差异见后面的研究。

（四）稳健性检验

为进一步验证以上中介效应分析的可靠性，本文采用两种方法进行稳健性检验：（1）更换被解释变量衡量方法。将就业质量结构衡量方法由中高级学历就业者占比替换为高学历就业者占比。（2）工具变量法。使用智能制造全部三个维度的衡量指标一阶滞后项作为工具变量进行稳健性检验。结果见表5，两种方法的结果与中介机制检验的系数大小、方向及显著性基本相同，证明本文实证分析结果稳健。

表5 稳健性检验

（五）区域差异分析

为了讨论不同经济发展地区的差异性，本文将有数据统计的中国除港澳台地区外的31 个省、市、自治区分为七大经济区。其中，环渤海经济圈包括北京、天津、河北、山东，珠三角经济区包括广东、海南、福建，长三角经济区包括上海、江苏、浙江，中部综合经济区包括山西、安徽、江西、河南、湖北、湖南，大西南综合经济区包括重庆、广西、四川、贵州、云南、西藏，大西北综合经济区包括陕西、甘肃、青海、宁夏、新疆、内蒙古，东北综合经济区包括辽宁、吉林、黑龙江。

其中，（1）是环渤海经济圈的回归情况，（2）是长三角经济区的回归情况，（3）是珠三角经济区的回归情况，（4）和（5）是中部综合经济区的回归情况，（6）是东北地区的回归情况，（7）是大西北综合经济区的回归情况，（8）是大西南综合经济区的回归情况。除中部经济区有两个回归结果外，其他均只有一个。

1.环渤海经济圈

总体来看，智能制造是驱动就业质量结构改善的直接影响因素，同时产业发展动力转变和教育差异也有优化作用。环渤海经济区内区位优越、人才雄厚、交通便利、矿产资源富足。基于密集的铁路与公路网，区内建设了完备的工农业体系，工业生产能力雄厚，减轻了智能制造的配置困难。产业发展动力转变，即由劳动密集型驱动向资本与技术密集型驱动显著提升了就业的质量结构。环渤海经济圈还具有与经济水平并不相称的高生活成本特点，生活成本和教育投入对质量结构的影响也是不可忽视的因素。

具体来说，智能制造的发展以及产业动力向资本及技术转型显著改善了就业的质量结构。智能制造的应用对就业者提出了更高要求，淘汰了部分从事程序性和机械性劳动的低技能就业者，使得劳动力中高学历人才的比例不断增加。在其他因素中，加大教育投入显然会为当地培养更多高素质人才，进一步提升就业质量结构。

2.长三角经济区

结果显示，智能制造是优化就业质量结构的直接影响因素，同时也通过中介变量产业结构高级化间接影响就业质量结构，生活成本和教育差异的影响并不显著。凭借优越的地理位置和交通运输条件，长三角地区成为我国最富庶、经济最发达的地区，农业与工业水平高。该地区以制造业为主体，重工业基础雄厚，已经建立起轻重工业均发达的综合经济区。在城市化进程中，第三产业发展加快，是全国最大的对外开放基地，再加上自由贸易区的建设，该地的产业结构更加高级、合理。

表6 区域差异分析

从分析结果来看，对于长三角地区的制造业，智能制造无论是在重化工业的机械应用还是在高科技精细行业的配置，都会显著代替低技能劳动者，创造高素质人才岗位需求，从而显著提高就业质量结构。比较发现，环渤海地区通过产业发展动力转变这个中介变量对就业质量结构进行间接改善，而长三角地区则依赖产业结构高级化。这说明长三角已经可以通过高技术、高资本行业和第三产业的进一步发展持续优化就业质量结构，而环渤海地区还只能通过行业向技术、资本密集型转型来实现。

3.珠三角经济区

该区发展动力强劲且持续，其区位与经济具有如下特点：临近我国港、澳地区，面向东南亚，位置优势明显，多优良海港；受到先进技术影响，产业结构优化合理；经济飞速增长，发展方式多样且高效；外来劳动力丰富，素质和数量均排前列；多项特殊优惠政策，这里成为我国改革开放的前沿以及外向型经济的主要地区。

通过分析，在珠三角地区，智能制造的发展为高学历劳动者提供了平台，提升了就业质量结构，这与环渤海和长三角均一致。此外，可以注意到产业转型的两个指标均对就业质量结构的改善作用十分显著。这是因为珠三角与长三角一致，产业结构转移起步早且水平高，产业结构高级化已经可以持续推动着就业质量结构的提升。另外，两地区的教育水平对质量结构优化的作用均不明显，这是因为两区教育投入的影响已达饱和状态，对人才的吸引力也足够。值得注意的是，生活成本反而有正向作用，这是因为珠三角经济发达，生活成本高表现为基础设施完善，大数据、信息生活便捷，高素质人才较低技能劳动力更容易生存。

4.中部综合经济区

我国东部向西部的过渡带，其经济发展处于全国的中等偏下水平。气候条件适宜农作物种植，有色金属资源富足，经济和工业均有坚实基础。理论推测中部情况应和环渤海地区类似，但是回归结果却不符合预期，虽然产业发展动力转变有促进作用，但是智能制造不显著甚至有负向作用。查验数据发现除山西省之外的其他五省智能制造指标和产业发展动力转变指标整体稳步提升，而山西省相关数据增长并不乐观。为了对比研究，将山西省剔除回归，结果符合预期。如（5）显示，另外中部五省智能制造应用对提升就业质量结构有显著的促进作用，产业转型会持续推动产业对高素质人才的需求，而生活成本则会对其有阻碍作用。

山西省是煤炭资源大省，但是矿产资源的开采和简单加工产业后续发展极其乏力已是不争的事实。资源产业不景气，企业也没有额外动力更新技术和设备，智能制造的应用受到阻碍。山西省已经在产业转型的浪潮中处于明显落后，以煤矿为延伸的重化工业成为转型的桎梏，产业转型步履维艰。

5.东北经济区

东北经济区是以石油化工、钢铁、矿冶机电设备、汽车制造、森林工业为主导产业的全国最大的重工业基地。结果显示，产业结构优化转型并没有显著改善就业质量结构。这是因为东北地区在解放初期就已经建立了独立完整的重工业体系，老工业区转型升级缓慢，很多无法适应新产业发展的需要。设备陈旧，工艺落后，亟待技术改造；能源供需缺口较大，交通运输紧张，制约着经济发展和经济建设。这不仅造成了资源型城市结构单一，而且使得东北经济发展质量不断下滑。此外，经济发展滞后导致人才流失，造成了恶性循环，这对东北经济发展是一个较大的削弱。由于产业体系不够合理，管理体制僵化，智能制造缺少影响就业的合理路径。因此，如何为劳动力与智能制造提供一个合适的平台，成为当前东北地区首要需解决的问题。

6.大西南经济区与大西北经济区

二者的情况类似，优势都是自然资源种类丰富、数量多，国境线长，分别是面向东南亚和中亚、欧洲的门户。劣势也均限于地理位置，虽总面积大但平原小而分散，气候条件较沿海差，经济水平整体偏低。经过分析，在两个经济区中，智能制造对于劳动力质量结构具有直接改善作用。二者产业转型正处在起步阶段，因此仅产业发展动力转变有促进作用。两区收入不高，在城市建设等许多方面落后于东部沿海城市的情况下，生活成本的增加极大地阻碍了高学历劳动者留居。此外，二者教育投入增加并没有显著提升就业质量结构，究其原因还是人才外流严重。如何把前来求学的学子留住，是和加大教育投入同等重要的事。

通过对于上述七大经济区的分析，可以发现：

对于智能制造，除东北地区受到老旧重工业产区影响和山西省囿于资源产业而产业结构优化困难外，智能制造的发展均对各地就业质量结构有积极的效果，这说明智能制造的应用可以使就业质量结构更加合理化。

对于产业结构转型，通过分区可以总结出一个规律，在产业结构已经非常合理且经济持续高水平发展的经济区（长三角、珠三角），产业结构高级化持续推动就业质量结构的优化；而致力于推进结构性改革，优化产业结构的经济区（环渤海、除山西省以外的中部五省、大西南和大西北）则更多依赖产业发展动力转变。山西和东北三省目前应该发展全方位外向型经济，加速传统工业的技术改造，提高技术水平，推进技术进步，相应发展新型产业，牢固确立其战略地位和适当超前发展的战略思想，投入力量尽快扭转其滞后状况。

对于调节变量，二者均有较强的区域异质性。经济稍落后的地区对人才的吸引力不够，生活成本的提高会劝退许多年轻劳动力，造成人才流失，不利于改善就业质量结构。经济发达地区凭借高生活质量对人才有足够的吸引力，各种科技设施建设引起的生活成本提高不阻碍甚至更吸引人才。教育投入也一样，在中等发展水平的地区，增加教育投入可以显著提升就业者素质水平；在经济发达地区，高校林立，教育投资的影响趋于饱和，促进作用并不显著；在经济落后地区，教育投资对就业质量的影响也不明显，当务之急在于留住人才。

六、结论与政策建议

（一）研究结论

本文基于2008—2019 年省级面板数据，构建面板固定效应模型实证检验了智能制造发展对于就业质量结构的影响。鉴于不同区域内经济发展现状和产业合理性等方面有独特性，又将除港澳台地区外的省级行政区划分为七大经济区，进行区域差异分析。同时运用中介效应模型和调节效应模型进行了机制分析。本文研究结论如下：

全国各个地区对智能制造的引进呈现逐步上升的趋势，但区域间仍有很大差距。其中东部沿海地区和珠三角经济区起步很早并已开始研发引进更高端技术，中部地区持续推进在制造业的应用，而西部地区智能制造应用水平相对落后。

在全国范围看，智能制造的发展能够直接显著改善就业质量结构。从区域层面来看，具体是哪个维度的智能制造对就业质量结构有影响取决于该区的经济发展结构，例如以工业为主的环渤海和中部地区多由工业机器人配置起作用。

机制分析表明，智能制造也会通过产业结构转型升级这一中介变量对就业质量结构起到间接的正向促进作用。同时对全国大部分地区来说，生活成本对智能制造优化就业质量结构具有负向调节作用，而教育投资对智能制造优化就业质量结构具有正向调节作用。

（二）对策建议

基于以上分析，为了能够保持劳动力就业质量结构稳步优化，提出以下对策建议：

依据经济和产业情况，分梯度扩大智能制造在全行业的应用规模。在沿海高技术集群地区，要依托大型互联网平台优势，以大数据锁定产品需求，以智能制造降低生产成本。持续引进高端技术并尝试试点应用，为全国其他地区的后续推进探路。在智能制造水平居中地区，政府可以组织实施创新的产业互联网发展工程，引导社会投资，加快基础设施建设，追求智能制造高端化。在智能制造发展刚起步的西部地区，政府应加大对智能制造的重视，将应用重点放在工业领域。可以通过试点的方式，小规模应用智能制造，并积极引导、鼓励企业部署，逐步扩大应用企业数量。

产业结构转型升级应该做到科学推动，有的放矢。长三角和珠三角经济区，可以引进国外先进经验，尝试智能制造与高端服务业融合，引领全国的智能制造配置。在中部地区，政府可用文件、指导建议等方式科学引导产业转型升级，并充分发挥各个银行以及担保机构的中介融资优势，为处于转型期的企业提供适度的优惠利率。对于囿于矿产资源产业的东北和山西省，以及产业结构较低端的西部地区，转型升级是当务之急。政府可以加大财税支持力度，设立专项资金，充分发挥激励作用。

降低生活成本，吸引年轻劳动力。在经济欠发达地区，首要目标是使生活成本与收入相匹配。要降低住房、教育以及医疗等成本，抑制投资性住房，大力发展租赁和二手房交易市场，建立完善的福利体系；着力降低劳动力的生活成本，坚决落实人才引进政策，提高引进人才的基本待遇，吸引人才回流。

持续加大教育事业投入。对于沿海经济发达地区来说，教育投入大，人才吸引力足，持续发展即可实现人才培养和引进“两开花”。中部地区高素质人才来源主要是留住自己培养的人才。要坚持教育财政高投入，着力培养师资队伍，给学校更多的自主管理权限。西部地区人才流失问题严峻，政府应增大教育投资和吸引人才落户并举。大力增强产教协同创新能力，完善人才培养机制、人才激励机制等，不仅要培养人才，更要以更优越的条件吸引并留住高素质人才。