政府补助、员工雇佣与超额雇员

陈 敏，洪海兰

（中南财经政法大学会计学院，湖北武汉 430073）

一、引言

2018年7月，中共中央政治局会议提出了“六个稳”的要求，即“稳就业、稳金融、稳外贸、稳外资、稳投资、稳预期”。其中，“稳就业”放在了突出的位置。2020年春节期间，新冠疫情突发，给我国经济带来了巨大影响。根据国家统计局2020年4月17日发布的数据，受新冠疫情影响，我国消费者的消费欲望和消费积极性急剧降低，导致2020年第一季度GDP 同比下降6.8%，主要经济指标明显下滑①数据来源：国家统计局官网。。2020年4月召开的中央政治局会议除了要求加大“六稳”工作力度，还提出了“六保”新任务（保居民就业、保基本民生、保市场主体、保粮食能源安全、保产业链供应链稳定、保基层运转），其中，就业仍位居首位，足见我国政府对就业问题的重视。

企业在扩大就业、改善民生、促进创业创新等方面发挥着重要作用，同时也是解决就业问题的重要抓手。2020年5月，第十三届全国人民代表大会第三次会议上，李克强总理在政府工作报告中提出“留得青山，赢得未来”，这里的“青山”就是指的企业。2021年3月，十三届全国人民代表大会第四次会议的记者会上，李克强总理进一步明确，就业还是要让市场来唱主角，即继续通过保市场主体来保就业。企业的发展离不开政府的支持，而政府补助是政府支持的重要内容。政府对企业进行补助，可以为企业提供资金，在一定程度上有利于缓解就业问题。同时，要发挥好政府补助在企业发展过程中的作用，就必须对企业进行有针对性的补助，做到“精准施策”。李克强总理强调，各级政府要在落实好已出台政策基础上，梳理重点领域关键问题，使各项政策措施更加精准发力。①中国政府网（http://www.gov.cn/premier/2019-09/05/content_5427630.htm）。那么，政府补助是否能够促进企业扩大雇佣规模、促进就业？政府补助在不同企业对就业产生的效应是否存在差异？这些效应对企业又会产生怎样的影响？对这些问题进行研究有助于评估政府补助的微观效应，更好地实现政府补助的政策目标。

本研究的贡献表现在：第一，从微观层面探究了政府补助对就业的作用机理和政策效应，这是对现有研究的有益补充；第二，为评估政府补助在不同类型企业的效应提供借鉴。对于政府补助的经济后果，既有研究主要集中在企业绩效（王克敏等，2015）、企业投融资（柳光强，2016）、科研投入（林菁璐，2018）等方面，有关政府补助对促进就业影响的研究较少。既有的研究样本多为战略性新兴产业、高新技术企业（张同斌和高铁梅，2012；陆国庆等，2014；柳光强，2016），这反映了我国经济发展中的现实需要。一方面，目前我国高新技术企业仍处于成长期（张同斌和高铁梅，2012），与发达国家相比还比较落后；另一方面，2019年以来美国不断加码对我国高科技企业的制裁措施，为应对这些“卡脖子”行为，需要政府加大对高科技产业的扶持力度。然而，针对就业问题而言，仅研究高新技术产业是不够的，需要从更为广阔的视角展开研究。本文涵盖A 股上市公司整体样本，除了产权性质的维度，还从研发密度维度研究了政府补助对就业的影响。第三，本研究的结论有助于政府全面正确看待超额雇员问题。

二、文献回顾与假设提出

（一）政府补助与员工雇佣

倪骁然和朱玉杰（2016）认为，政府补助主要通过“政治许诺效应”和“融资效应”影响职工就业。“政治许诺效应”表现为政府向企业发放财政补助的目的之一是满足自己的政治需求，实现一定的社会效益（高艳慧和万迪昉，2013）。财政拨款通常在拨款时明确规定资金用途，并且其中很大一部分用途是鼓励企业安置职工就业（臧志彭，2014）。政府作为企业的重要利益相关者，对企业经营起着举足轻重的作用，企业有强烈的动机同政府建立良好关系，在许多方面会迎合政府。在获取相关补助后，企业一般会积极地响应政府号召，安置更多的职工，从而达到促进社会就业的政治目标。“融资效应”是指政府补助作为地方政府对企业的一项无偿资金转移，在本质上能够增加企业的资金持有量（许家云和毛其淋，2016），增强企业内源融资能力。从信号传递角度来看，Takalo 和Tanayama（2010）认为政府补助可以向外界释放企业研发项目质量以及政企关系良好的信号，缓解投资者、债权人等与企业之间的信息不对称，降低企业的融资约束，增强企业的外源融资能力。充足的资金可以帮助企业扩大生产经营规模，增加企业的吸纳就业能力。综上所述，本文提出第一个假设H1：

H1：政府补助有利于企业扩大雇员规模。

（二）产权性质、政府补助与雇员规模

一般而言，政府对企业进行补助时会考虑企业的产权性质。与非国有企业相比，国有企业除了承担正常的税费缴纳等经济职能外，还要额外承担“社会职能”，例如提供更多的就业岗位，以保证社会稳定（邵敏和包群，2011），而这些职能的实现往往需要牺牲企业自身的经济利益（王跃堂等，2010）。同时，国有企业往往能获得更多的补助（余明桂等，2010；孔东民等，2013），并因此带来企业绩效和社会绩效的提高（赵璨等，2015）。因而，国有企业相对更有动力和能力扩大雇员规模，更容易显著、快速地提高当地的就业率；由于对非国有企业的干预成本较高，非国有企业获得的补助较少，使得政府补助对扩大企业雇员规模的影响在非国有企业中并不显著，不能对当地社会就业问题作出突出贡献。但也有研究认为，国有成分占比不同的企业所享受的政府财政支持不存在显著差别（陈晓和李静，2001）。为了促进非公有制经济的发展，政府颁布了一系列政策，如2010年《国务院关于鼓励和引导民间投资健康发展的若干意见》（国发〔2010〕13 号）指出，政府的优惠扶持政策要做到公开透明，要同等对待各类投资主体。为检验政府补助在不同产权性质企业中对就业的影响，本文提出假设H2：

H2：在国有企业中，政府补助对企业雇员规模的影响更为显著。

（三）研发密度、政府补助与员工雇佣

内生增长理论认为，某一国经济的长期增长取决于一系列内生因素，其中，内生的技术进步是保证经济持续增长的决定因素，而这些因素对政府政策（尤其是政府补助这类政策）的变化十分敏感。因此，企业为了在市场竞争中处于有利地位，就必须努力提高自身的技术创新能力，通过自身发展来带动整个国家经济的增长，在一定程度上解决就业问题。Mendonsa（2009）认为低技术企业为了实现传统产品的更新和生产，需要争取到合作伙伴并与其进行互动交流，所以它们需要某种程度的内在能力，这些内在能力使它们能够发现所处环境中有价值的信息，并将这些信息整合到它们现有的知识储备中，低技术企业利用这些信息获取竞争力并进行发展，从而需要招聘更多的员工，这在一定程度上缓解了就业问题，承担更多了的社会责任。

奥利和伊娃（2016）研究德国的数据发现，在低研发密集型企业（研发投入占主营业务收入比小于3%）中，国内需求每增加10 亿欧元，将直接增加约4050 人就业，而在高研发密集型企业中，直接增加就业的人数只有2450 人；低研发密集型企业额外需求每增加10 亿欧元，所带来的间接就业效应是上游供应产业增加约4650 人，而在高研发密集型企业则是增加约3450 人就业。低研发密集型企业的直接和间接效应都大于高研发密集型的企业。造成这一现象的主要原因是高研发密集型企业的劳动生产率和机械化程度更高，对劳动者素质要求比较高，因而相较于低研发密集型企业，对高研发密集型企业进行补助，在促进就业方面的作用较小。

现阶段，我国政府补助中对研发、促进产业升级等方面的补助较多，这更有利于高研发密度公司扩大规模。技术进步不可避免地会带来技术性失业或结构性失业，但从长期影响看，技术进步对就业的创造效应、就业质量改善效应大于破坏效应，在微观层面表现为技术进步引发企业产品和工艺创新产生的利润效应补偿机制，从而带来就业的增加（王君等，2017）。因此，政府补助在不同研发密度的企业中对就业的最终影响效果还有待实证检验，为此本文提出竞争性假设H3：

H3a：在低研发密度企业中，政府补助促进就业的现象更明显。

H3b：在高研发密度企业中，政府补助促进就业的现象更明显。

（四）政府补助与超额雇员

2008年金融危机以来，全球经济环境一直处于低迷状态，我国劳动力市场面临着严重的就业问题。较高的失业率会导致经济发展缓慢，可能会造成地区部分人员心理上的不平衡感，严重时甚至会破坏社会的稳定与和谐。作为人口大国，解决就业问题、维持社会稳定始终是我国政府尤其是地方政府的重要任务。区域内人员的就业问题是当地政府工作中的重中之重，也是中央对各级政府进行考核的重要指标之一（张敏等，2013）。吸收就业最终会落实到各个企业，因而政府有动机对企业进行干预。而企业为了迎合政府的需求，承担了原本并不需要的员工人数，因此会造成企业存在超额雇员的现象（马连福等，2013）。

现有研究认为，企业的产权性质会影响政府干预的程度，国有企业受到的干预更多，产生超额雇员的可能性更大。政府干预的途径包括：在审批制和额度制下，政府通过争取上市资格让国家控股的上市公司分担就业压力，或者不允许国有企业在改制过程中彻底剥离或释放冗员（曾庆生和陈信元，2006）；对承担冗余雇员的国有企业给予各种政策性优惠、补助和保护（薛云奎和白云霞，2008）；非国有上市公司也存在超额雇员问题，但不如国有上市公司严重（杨德明和赵璨，2016）。为研究产权性质对超额雇员的影响，本文提出假设H4。结合上文分析，在不同研发密度的企业中，政府补助对超额雇员的影响还有待实证检验，因此本文提出竞争性假设H5。

H4：政府补助增加了企业的超额雇员，且相对于非国有企业，国有企业的超额雇员会更加明显。

H5a：在高研发密度企业中，政府补助对超额雇员的影响更为显著。

H5b：在低研发密度企业中，政府补助对超额雇员的影响更为显著。

三、研究设计

（一）样本选择与数据来源

因与企业员工人数有关的数据在2013年才开始逐渐完善，故本文选取2013－2019年沪深A 股上市公司作为初始研究样本，并按照如下程序筛选样本：第一，剔除金融和保险行业上市公司；第二，剔除ST 的公司；第三，剔除样本期内财务数据不全或缺失的公司样本。最终得到15251 个观测值。本文数据源自CSMAR 研究数据库，数据处理和实证检验使用Stata15.0 进行处理。为避免极端观测值的影响，本文对所有连续变量进行了上下1%的Winsorize 处理。

（二）变量定义与模型设计

本文运用面板数据模型，构建模型1 来检验H1：

在模型（1）中，被解释变量Staff_ratioit表示企业的实际雇员规模，借鉴李广子和刘力（2013），臧志彭（2014），倪骁然和朱玉杰（2016）的研究，用企业职工总数/企业总资产来衡量；解释变量Govs_ratioit表示政府补助总数，借鉴杨洋等（2015）、谭劲松等（2017）、陈红等（2018）的研究，用政府补助总数/企业总资产来衡量；控制变量主要包括资产规模（Size）、资产负债率（Lev）、公司年龄（Age）、资本密集度（Capital）、经营现金流（Cf）、股权集中度（Top10）、产权性质（State）和研发密度（Rd_revenue）。

为检验H2 和H3，分别加入产权性质、研发密度与政府补助的交乘项构建模型（2）和模型（3）：

本文参考曾庆生和陈信元（2006）、薛云奎和白云霞（2008）、冯埃生（2016）的研究思路，通过拟合的方式得到雇员规模的期望值，以实际雇员规模超过期望雇员规模的差额来估计企业的超额雇员规模。计算期望雇员规模时控制企业资产规模（Size）、资产成长性（Assets growth，投资活动产生的现金流量净额/资产总计）、销售收入成长性（Sales growth，营业收入增长率）、资产结构（Fixed Assets，固定资产总额/资产总计）、行业特征（Industry）及年度特征（Year），构建以下模型用来估计期望雇员规模（Exp）：

在模型（5）中，被解释变量ELit为超额雇员规模，用实际雇员规模与根据模型得出的期望雇员规模之间的差额来衡量。控制变量主要包括资产规模（Size）、资产负债率（Lev）、公司年龄（Age）、资本密集度（Capital）、营业现金流（Cf）、股权集中度（Top10）、产权性质（State）和研发密度（Rd_revenue）。模型（5）中，分别加入产权性质和研发密度与政府补助的交乘项，以衡量在不同类型的企业中政府补助对企业超额雇员的影响。其中，研发密度虚拟变量Rd以3%来取值，一是借鉴奥利和伊娃（2016）的研究，该研究采用了这一标准对德国的情况进行了研究，得到了一些有启发性的发现；二是根据我国《高新技术企业认定管理办法》（国科发火〔2016〕32 号）规定，销售收入为2 亿元以上的企业，其研究开发费用总额占同期销售收入总额的比例应不低于3%，我国上市公司销售收入大多超过2 亿元，因而选用这一标准。

本文主要变量及定义见表1。

表1 变量及变量定义规则一览表

四、实证分析

（一）描述性统计

表2是本文所涉变量的描述性统计结果。其中，雇员规模Staff_ratio的最大值是17.913，最小值为0.003，标准差为0.605；政府补助Govs_ratio最大值为30.222，最小值为0，标准差为0.832，表明样本的雇员规模和政府补助存在较大差异；研发密度Rd_revenue最大值为1.694，最小值为0，标准差为0.053，最大值与最小值之间差距较大，说明样本数据之间存在一定的差异性，表明目前我国企业在研发投入方面存在不均衡发展的现象。从其他变量的均值、中位数和标准差来看，基本符合正态分布特征并呈现一定的差异性。

表2 变量描述性统计

表3是依据产权性质和研发密度分组的变量间的均值差异检验。由表3可知，政府补助在国有企业和高研发密集型企业中的均值更大，且两组存在显著的差异，这为接下来研究产权和研发密度的异质性对政府补助与企业雇员规模关系的调节作用提供基础。本文对选取的变量进行了相关性分析，结果表明政府补助Govs_ratio与企业雇员规模Staff_ratio之间的相关系数为0.099，且在1%的水平上显著正相关，可以初步验证本文的假设。变量间的相关系数较高，但并没有显著系数超过0.5 的变量组合，控制变量VIF 值均小于2，说明不存在着严重的多重共线性问题。相关数据限于篇幅没有列出。

表3 政府补助在不同产权性质、研发密度企业中的均值差异检验

（二）实证检验与分析

本部分围绕政府补助对企业雇员规模的总体影响，及其在不同产权性质和不同研发密度的企业中的影响进行实证检验。

1.政府补助与雇员规模

表4第（1）列是政府补助与企业雇员规模之间的回归结果。可以看出，控制了行业、年份以及控制变量之后，政府补助Govs_ratio与企业雇员规模Staff_ratio之间的相关系数为0.027，在1%的水平上正相关，表明政府补助有利于扩大企业的雇员规模、促进就业，在一定程度上缓解了就业问题，假设H1 得证。

从控制变量的结果来看，资产规模、资产负债率、公司年龄、资本密集度、经营现金流、股权集中度等均对雇员规模产生显著影响。VIF 多重共线性检验的结果表明，各个变量的VIF 均值为1.24，显著小于10，即不存在严重的多重共线性，相关数据限于篇幅没有列出。

2.产权性质、政府补助与雇员规模

为了研究不同产权性质的企业中，政府补助对企业雇员规模的激励效应的影响，本文在基础模型中加入了产权性质State与政府补助的交乘项State×Govs_ratio。表4第（2）列报告了这一检验的结果。数据显示，产权性质与政府补助的交乘项与企业雇员规模之间的相关系数为0.044 且在1%的水平上显著，这表明在国有企业中政府补助对促进企业雇员规模的作用更为明显，即政府补助对扩大雇员规模的激励效应在国有企业中更为明显，假设H2a 得证。

由表4还可以发现，产权性质与雇员规模的相关系数为负数，且在1%的水平上显著，这说明国有企业在雇员规模上要显著小于非国有企业，这与曾庆生和陈信元（2006）的研究结论不同，他们认为与非国家控股公司相比，国家控股公司雇员更多。Zheng 等（2011）究发现非国有企业具有较强的吸纳就业的能力，对就业的贡献率达到60%以上，这种研究结论的变迁一方面反映了近年来国有企业改革和民营经济不断发展的成效，另一方面也反映国有企业和民营企业的要素禀赋结构存在差异（郭长林，2018），即资本密集型企业是国有企业的主要类型，而非国有企业则多以劳动密集型企业为主。产权性质与政府补助的交乘项与雇员规模的相关系数在1%的水平上显著为正，这表明政府补助对促进就业的政策弹性在国有企业明显强于非国有企业，说明国有企业仍是政府政策落地的重要通道。

表4 政府补助对雇员规模的影响

3.研发密度、政府补助与雇员规模

为了研究不同研发密度的企业中，政府补助对企业雇员规模激励效应的影响，本文在基础模型中加入了研发密度类型与政府补助的交乘项，回归结果如表4第（3）列所示。可以看出，政府补助与研发密度类型的交乘项与雇员规模之间的相关系数为-0.054，且在1%的水平上显著正相关，这说明研发密度越高，政府补助对企业雇员规模的促进作用越弱，假设H3a 得证。这与奥利和伊娃（2016）对德国的研究结论一致，说明在制造业大国，对就业政策的效果而言，我国对低研发密度企业的扶持效果更好，政策施展的空间更大。

研发密度与雇员规模的相关系数为负数，且在1%的水平上显著，研发密度与政府补助的交乘项与雇员规模的相关系数同样在1%水平上显著为负，这说明高研发密度企业在雇员规模上要小于低研发密度企业，且政府补助对促进就业的政策效果在低研发密度的企业中更为显著，低研发密度企业表现出了更大的政策弹性。可见，政府的财政刺激政策不仅具有总量效应，而且能够通过改变经济体中不同部门的相对比重对经济结构产生深远影响（郭长林，2018）。

4.政府补助与超额雇员

表5是政府补助与企业超额雇员规模之间的回归结果。从表5第（1）列可知，政府补助与企业超额雇员在1%的水平上显著正相关，表明政府补助促进了超额雇员的增长 。结合上文的实证，可以发现获得政府补助的上市公司企业雇员规模扩大，这有利于促进就业，但是也促进了超额雇员的增长，假设H4 得证。从控制变量的结果来看，公司资产负债率、年龄、经营现金流、股权集中度与企业超额雇员之间呈正相关的且在1%的水平上显著。资本密集度与企业超额雇员之间负相关且在1%的水平上显著，对比表4中资本密度与企业雇员规模显著正相关，说明资本密度高的企业通常规模较大，相应的雇员规模也较大，但是对超额雇员有很强的约束作用，就业吸纳能力较低，一定程度上体现了资本投入对就业的“挤出”效应。

表5 政府补助对超额雇员的影响

为衡量产权性质对政府补助与超额雇员之间关系的影响，本文在模型（5）的基础上加入产权性质与政府补助的交乘项，表5第（2）列是这一模型的结果。可以看到，State×Govs_ratio的系数为0.050，并在1%水平上显著，这表明国有企业政府补助造成的超额雇员现象更为突出；产权性质的回归系数均为负且在1%水平上显著，这表明国有企业相对非国有企业产生超额雇员的可能性更低，而产权性质与政府补助的交乘项的系数为正且显著，则表明政府补助在国有企业对就业的政策拉动效应更强，甚至产生了更明显的超额雇员。总而言之，国有企业的超额雇员相对较少，但政府补助在国有企业中产生的促进就业的效应更为明显，进一步说明国有企业具有很强的就业吸纳力和政策执行力。

由表5第（3）列的结果可知，研发密度的回归系数显著为负，表明研发密度越高越不可能产生超额雇员。研发密度与政府补助的交乘项的系数为负且显著，说明在高研发密度企业，政府补助导致超额雇员的可能性更低，进一步说明低研发密度企业的就业吸纳力强于高研发密度企业。

五、稳健性检验

为保证本文结果的可靠性和有效性，本文在上述一系列回归结果的基础上，进行了以下稳健性检验。

（一）内生性问题

为了解决内生性问题，本文使用工具变量法进行检验。本文参考Tommy（2009）、Garth（2014）、杨洋等（2015）、郭玥（2018）的研究，采用政府补助相关研究中较为通用的一个工具变量，即按行业统计的政府补助的均值（IV）进行检验。本文通过使用二阶段最小二乘法（2SLS）的方法进行检验，第一、第二阶段的结果如表6所示。以行业统计的政府补助均值为工具变量时，政府补助Govs_ratio与企业雇员规模Staff_ratio之间的相关系数为0.216，且在5%的水平上显著正相关，说明政府补助能够促进企业规模的扩大，从而进一步验证了本文的结论。

表6 工具变量——政府补助对企业雇员规模的影响

（二）更换雇员规模度量

在基准回归中，本文用职工总数除以企业总资产来衡量企业的雇员规模。为了克服雇员规模衡量方法引起的估计偏误，参考曾庆生和陈信元（2006）、薛云奎和白云霞（2008）的研究，运用企业职工总数占行业年度均值的比例（Staff_ratio1）重新衡量企业的雇员规模。

以企业职工总数占行业年度均值比例（Staff_ratio1）进行回归，结果如表7所示。在表7中，不论是全样本检验还是区分产权性质与研发密度异质性的检验，结果均与前文的结论保持一致，说明本文的回归结果是稳健的。

表7 企业职工总数占行业年度均值的比例对企业雇员规模的影响

六、进一步分析：超额雇员对企业的影响

如前文所述，本文论证了政府补助能够促进就业，并使企业产生了超额雇员，且在国有企业和低研发密度的企业中更为明显。此时，需要进一步考虑：企业通过增加超额雇员为政府解决了就业问题，超额雇员对企业是有利还是不利？有研究认为超额雇员显著降低了公司价值（杨德明和赵璨，2016）、国有企业的绩效（ROA），降低了对雇员尤其是高管的薪酬激励，从而导致经理人员的代理成本增加（薛云奎和白云霞，2008）。

本文进一步考察超额雇员对企业产生的影响，包括规模和效率两方面。规模方面采用企业总收入的对数（LnRevenues），效率方面参考薛云奎和白云霞（2008）、孔东民等（2013）、耿云江和马影（2020）的研究，分别使用总劳动力成本（Tlc＝支付给职工以及为职工支付的现金/当期销售收入）、人均薪酬的对数（Lnperwage）来衡量超额雇员对企业产生的影响。使用模型（6）来验证本文的结果。

在模型（6）中，被解释变量Performanceit表示企业业绩，分别用企业总收入的对数LnRevenues、总劳动力成本Tlc、人均薪酬的对数LnPerwage来衡量；解释变量ELit表示超额雇员规模，用实际雇员规模与根据模型得出的期望雇员规模之间的差额来衡量；控制变量主要包括资产规模（Size）、资产负债率（Lev）、公司年龄（Age）、资本密集度（Capital）、营业现金流（Cf）、股权集中度（Top10）、产权性质（State）和研发密度（Rd_revenue）。具体回归结果如表8所示（限于篇幅，未列出控制变量结果）。

由表8可以看出：超额雇员与企业总收入无论是全样本还是按不同性质分组的情况下都呈显著正相关；相对来说，在国有企业和高研发密度企业超额雇员对企业收入影响更大。超额雇员与企业总劳动力支出在全样本中显著正相关；按产权性质区分，国有企业显著正相关，非国有企业不显著；按研发密度分组中，在低研发密度样本中超额雇员对劳动力支出的影响更大。超额雇员对人均薪酬的影响无论是在全样本还是不同组别中都呈显著负相关，相对而言，在国有企业和高研发密度企业更为显著。

表8 超额雇员对企业的影响

七、结论与启示

本文从微观层面研究了政府补助对企业雇佣规模的影响。实证结果表明，政府补助促进了企业雇佣规模的扩大，在国有企业和低研发密度企业中这种促进效应更为明显。同时，政府补助也提高了超额雇员规模，同样在国有企业和低研发密度企业中更为明显。进一步研究发现，超额雇员能提升企业的收入规模，同时也提升了企业劳动力支出比例，但降低了人均薪酬。

研究发现，在促进就业方面，国有企业是政策落地的重要途径。而更引人关注的是低研发密度企业在此方面的作用。相对于高研发密度企业，低研发密度企业的雇员规模更大，政策效应的弹性更为显著。正如奥利和伊娃（2016）所指出的，研发密集型产业在就业和经济增长方面的重要性被过度高估了，而中低技术产业的重要性仍旧没有受到足够重视。

实证结果带来以下两方面的启发：一是，低研发密度企业多为劳动密集型，这类企业需处理好资本深化（资本—劳动比）的问题。随着历次技术革命的发生与发展，资本深化对就业的“挤出”效应逐步显现（朱轶，2020）。我国应进行适宜的技术选择（林毅夫，1999；林毅夫和张鹏飞，2006），充分发挥要素比较优势，鼓励发展劳动密集型产业，才能最大限度地获取经济剩余，加速资本积累并兼顾就业问题的处理（叶焘，2012）。我国劳动密集型制造业的“劳动要素密集”特征加速弱化，资本深化趋向明显，甚至超过资本密集型制造业，为了避免对就业的进一步制约，有必要对劳动密集型制造业的资本深化态势进行适度控制（朱轶，2016；朱轶，2020）。二是，低研发密度企业的创新活动具有明显特色，对其进行补助应区别于高研发密度企业。他们通常强调的是对现有技术的改进和渐进式开发，外部知识和信息是创新的源泉，合作关系对企业极为重要，如产品创新方面，多与客户合作；而工艺创新方面，与供应商的合作占据了主导地位（奥利和伊娃，2016）。因而，对这类企业的补助应区别与高研发和高资本投入的企业，不应强调独创性或重大性，而且应着眼于对供应链的扶持，对于其利用外部资源的创新或改进也应进行鼓励。

对于超额雇员，一般认为对企业是不利的，但本文认为当下有其存在的价值。超额雇员对企业经济总量如总收入有正面影响，体现出一定的人口红利效应，增加了总劳动力成本比重的同时降低了人均薪酬，这在“保就业”为当前政府工作重中之重的环境下显然是有现实意义的。但低研发密度企业承载了更多的超额雇员的结果也反映出我国目前就业人口整体受教育水平偏低、高技能劳动力偏低的现实，这导致就业在人工智能技术推广过程中将面临更为严峻的结构性冲击（蔡跃洲和陈楠，2019）。这需要通过提升劳动力教育支出和完善就业培训来缓解低层次人力资本壅塞和高层次人力资本不足的矛盾（张鹏等，2019）。随着劳动力向高技术高资本产业扩散，超额雇员的现象也会消散。