人口老龄化背景下智能制造对劳动力市场的影响

葛文绚　张潇悦　杨舒涵

摘要：智能制造是中国制造业的发展方向，对劳动力市场具有深刻影响。文章通过构建智能制造能力评价体系，基于2019年数据采用普通最小二乘法研究人口老龄化背景下智能制造对劳动力市场的影响，并根据实证结论提出具有针对性的建议。

关键词：智能制造;劳动力市场;老龄化;促进效应

一、研究背景

信息技术是中国新经济发展的重要动力。作为制造业大国，中国经济高质量发展迫切需要对制造业进行转型和升级，驱使制造业智能化。智能化代表着中国制造业未来的发展方向，相关部门出台了《中国制造2025》、《智能制造发展规划（2016～2020）》等多项重大战略文件，为智能制造发展提供了有力的制度保障，也推动了产业结构升级优化。

智能制造的发展可能会对制造业的劳动力就业结构产生替代效应，也将对中国原有的劳动力密集型发展模式带来巨大冲击。同时，由于人口老龄化严重，劳动年龄人口数量不断下降。因此，智能制造的快速发展与人口老龄化的现状是我国制造业劳动力市场发生变革的关键因素。

二、文献综述

技术进步对就业可能同时具有负向的抑制效应和正向的创造效应。Graetz（2015） 对1993～2007年17个国家的机器人应用情况进行研究发现，机器人的普及使得这些国家的平均国内生产总值上升了0.37%，减少了低技能劳动力的工作时长和强度，促进了生产率的显著提升。王君等（2017） 从理论上分析了人工智能的自动感知、决策和执行功能促使管理扁平化，进而减少对中层管理岗位的需求，因此从短期看存在显著的人工智能劳动替代效应。孙早等（2019） 基于2001～2015年中国省级面板数据的实证研究发现，工业智能化导致就业结构出现“两极化”特征，促使先进机器设备替代初中和高中教育程度的劳动力，这种挤出效应主要由较高的区域生活成本导致。

从现有研究看，近年来关于智能制造对劳动力市场的影响研究较多，但在以下方面存在不足：（1）对智能制造的量化困难，缺乏主体界定和指标构建;（2）未考虑当前人口老龄化的严重情况与智能制造发展对于劳动力市场的双重影响。

三、研究设计

（一）智能制造能力评价体系

1. 智能制造能力评价指标构建

本文依照国际指标选取的SMART原则，设立了一套合理的智能制造能力评价体系。由于西藏自治区部分数据缺失，本文选取2019年全国30个省级行政区的数据进行研究。

智能制造发展能力必须以该地区经济水平及企业现有资金实力为依托，且目前我国智能制造多由大中型企业承担。同时，智能化需要当代信息技术，互联网及软件公司的发展起到技术支撑作用。企业技术创新对智能制造也有重要作用，体现在研发投入及新产品开发等方面。智能制造还必须具备强大的供应链体系来保证物流運输。

因此，本文共选取4个一级指标，12个二级指标作为评价依据。

2. 智能制造能力分析——基于因子分析法

本文采用SPSS统计分析软件对原始指标数据进行分析，经KMO检验和Bartlett检验，原始数据适合因子分析。为消除因量纲差异及数量级不同所造成的影响，首先将评价指标数据进行标准化处理，再建立变量相关矩阵R，利用SPSS软件计算总方差解释，提取出三个特征根大于1的公共因子，采用凯撒正态化最大方差法进行一次因子旋转。

从旋转后的因子载荷信息可得：公因子F1在X1，X4和X5有较大载荷，称F1为信息生活水平因子;公因子F2在X11、X12和X9上有较大载荷，称F2为新产品流通因子;公因子F3在X6上有较大载荷，称F3为产品创新能力因子。

经加权平均计算可得2019年30个省级行政区的综合得分F：

F=（0.36846F1+0.30604F2+0.10149F3）/0.776

F值代表各地区智能制造发展的相对水平。F>0，该地区智能制造能力高于全国平均水平，反之低于平均水平。从表2中可以看到，目前我国智能制造发展水平较高的区域主要集中在沿海和经济发达地区。

（二）变量选取及数据说明

本文以智能制造对劳动力市场的影响为主要研究内容，选取制造业就业人数比为被解释变量，智能因子得分为核心解释变量，考虑到二者的关系可能受其他因素影响，引入相关控制变量：老年人口抚养比、受教育程度、城镇化率。所选用数据均来自《中国统计年鉴2020》及各省市2020年统计年鉴。

四、实证分析

（一）回归方程的构建

本文主要探究智能制造对劳动力市场的影响，选取除西藏外全国30个省级行政区2019年数据，使用普通最小二乘法（OLS）进行回归，基准回归模型为：

Y=α+βX+γiXi+ε（1）

其中，Y为制造业就业人数比，X为核心解释变量智能因子得分，控制变量Xi，i=1，2，3，分别表示老年人口抚养比、受教育程度、城镇化率。

（二）回归与检验

通过逐步引入控制变量的方法，分析核心解释变量对被解释变量的影响，构建正确的回归方程，同时在回归过程中消除多重共线性。核心变量X，控制变量X1、X2、X3均通过系数的显著性检验，故保留X1、X2、X3三个控制变量，最终回归方程为：

Y=-0.0073+0.0386X-0.1494X1-0.3470X2+0.2114X3（2）

核心解释变量智能因子前系数为正，表示智能制造对制造业就业具有促进作用。X1系数为负，表明老年人口抚养比越大，人口老龄化程度越高，制造业就业人数比越低。X2系数为负，说明受教育程度与就业人数负相关，即教育水平提高使得制造业就业人数减少，劳动力向技术型岗位偏移。X3系数为正，表明城镇化率越高，城镇制造业就业人数越多，均符合经济学原理，因此该模型具有经济意义。

经由Breush-Pagan、White检验，模型不存在异方差性;对模型进行Reset检验，F统计量的伴随概率为0.9721，模型无设定偏误。

（三）结果分析

1. 回归结果

地区智能制造水平对制造业就业有明显正向影响，智能制造因子得分每上升1%，当地制造业就业人数比上升约3.86%。老龄化对制造业就业水平产生负面影响，控制老龄化水平上升将有利于提高制造业就业水平。

2. 智能制造创造就业机会

智能制造能够填补劳动者因技术、环境等问题因素无法胜任的岗位，使得依赖于这些岗位的其他关联岗位获得更多工作可能。智能制造推动了新技术领域发展，催生出大量高精尖专业性岗位。智能制造推动制造业产业升级，扩大了国内外市场，间接创造就业。制造业的智能化转型升级具有国际化效应，改善制造业国际价值链分工地位，也有利于吸引外资，扩大生产规模，增加就业数量。

3. 智能制造推动劳动力结构变化

人工智能会替代简单的重复性劳动，但较难取代创新型技术岗位，因此体力劳动者将不断向智力劳动者方向转变，同时促进劳动力结构向多元化发展。为了不被人工智能替代，劳动者会不断提高自身素质，行业整体技能水平得到提升。

五、对策及建议

智能制造推动了制造业产业及劳动力市场转型升级，但依旧存在对就业的负面影响，需要政府、企业、劳动者个人等多方共同努力。

（一）政府方面

智能制造技术是各国制造业竞争和关注的焦点，中国应加大智能制造的技术投入和支持力度，掌握核心技术，提高国际竞争力。相关部门应健全完善劳动力市场信息网络和服务体系，引导劳动力转型，避免大规模失业。政府应出台政策保障因短期智能制造发展而被取代岗位的劳动者，对低技能人员进行培训教育，使其技能纵向升级。

（二）企业方面

智能制造技术发展的成熟度是领先同行的关键，企业应当着重发展智能化技术。同时，通过大力发展职业教育、继续教育、职业技能培训等方式，鼓励企业与高等院校共同设立人才培训基地，以此来打造高素质的智能制造应用型人才。

（三）个人方面

隨着智能制造的发展和技术进步的深化过程逐渐加速，劳动者必须不断更新自身技能，在平日注重提升个人技能和知识水平，树立终身学习理念。通过积极参加各项培训，提升文化水平，从书本和实践等方面学习相应技能，以此拥有不被智能制造所取代的一技之长。

参考文献：

[1]Graetz，G.& G.Michaels.Robots at work：The impact on productivity and jobs.Technical Report，Centre for Economic Performance，2015.

[2]王君，张于喆，张义博.工业智能化等新技术进步影响就业的机理与对策[J]. 宏观经济研究，2017（10）：171-183.

[3]孙早，侯玉琳.工业智能化如何重塑劳动力就业结构[J].中国工业经济，2019，374（05）：63-81.

[4]董志学，刘英骥.我国主要省市智能制造能力综合评价与研究——基于因子分析法的实证分析[J].现代制造工程，2016（01）：151-158.

（作者单位：同济大学）