劳动市场中女性的崛起——来自技术变迁视角的考察

宋丽萍，谭洪波

（1.淮阴师范学院经济与管理学院，江苏淮安 223001；2.中国社会科学院财经战略研究所，北京 100006）

一、引 言

工业化阶段，女性在劳动力市场长期居于劣势地位，女性因遭受性别歧视导致其在就业机会、工作报酬、福利水平等劳动市场绩效与男性有较大差距。近年来，信息技术革命改变了这一局面，女性较之男性在劳动市场上有更多的就业机会以及劳动报酬的相对上升，这表现在女性进入“好工作”的机会大幅提升。

世界银行数据显示，2000～2019年间，中国女性劳动参与率平均为65.8%，女性占社会劳动力的平均比例为44.3%。这一数据远高于同一时期世界的女性劳动参与率（49.1%），也高于高收入国家女性劳动参与率（52.2%）①http：//wdi.worldbank.org/table/2.2。。进入21世纪，信息技术的发展促进现代服务业的发展，数字化转型影响并改变着工作职业的性质，这给曾经处于职场劣势的女性创造了很好的职业发展机会。国外大量研究指出现代服务经济对社交技能等非常规职业的需求日益增加，而女性基于交互技能的职业优势在服务经济时代凸显出来，特别是随着女性受教育程度上升，女性进入高端职业的概率与男性的差距日益缩小。女性就业质量和就业绩效的改善展示了女性在劳动市场的“崛起”，这将显著缩小劳动市场的性别差距，提升人才配置效率，长远来看更会促进下一代的教育投资，有助于实现高质量经济发展。

已有研究大多将女性在劳动市场的崛起归结于女性受教育程度的提升。与这种劳动市场供给角度不同，本研究选取职业技能为突破口，从技术变迁带来的技能需求角度探讨技术变迁对女性劳动市场绩效的改善，以及技术变迁如何促使女性在劳动市场的“崛起”。处于经济服务化阶段的发达国家较早出现女性在劳动市场地位提升现象，这种“崛起”代表着社会进步以及其巨大的经济推动力。女性的崛起是技术进步和经济发展的象征，事实上，新的技术变革为女性提供了展示自身优势的更高平台，使得更多优秀的女性有机会在劳动市场上“崭露头角”，这代表了社会人才的增长，并最终带来更高水平的社会经济发展。技术进步带来女性人才的增加是美国近50年经济增长的主要推动力，更多女性有机会进入高端职业，女性与男性在职业分布上的收敛意味着人才配置效率的提升，促进了经济增长（Hsieh et al.，2019）[1]。

二、文献综述

女性崛起与技术变迁带来的产业转型升级有很大关系。第四代信息技术引发的技术变迁加速促进产业转型升级，经济服务化替代工业制造成为产业发展趋势，这突出表现在产业间劳动配置结构变化。智能制造下制造业就业份额大幅下降，服务业就业份额大幅增加。经济服务化趋势为女性提供更多的就业机会。Buera et al.（2019）的研究指出技能偏向性技术进步下，女性劳动者供给的增加，是近50年服务业快速增长的主要原因[2]。“工业型经济”向“服务型经济”转变过程中，制造业投入服务化通过创造效应和转移效应显著促进服务业中的女性就业（刘斌、赵晓斐，2020）[3]。新技术促使传统部门就业份额下降，新兴产业就业份额上升。新兴产业发展产生和创造大量新职业，1980年到2007年间美国新职业就业份额的增长解释了50%的就业增加（Acemoglu&Restrepo，2018）[4]。《2016年中国劳动力市场发展报告》指出，以“互联网+”为代表的新经济形态拓展了女性的就业渠道，“性别红利”将成为经济增长的重要推力。国外大量研究早已证实，随着女性人力资本的不断积累，现代服务业和新兴战略产业对女性职业升级产生显著的正效应，产业性别隔离程度也有所降低（何雅菲、李林玉，2020）[5]。中国学者强调第三产业发展与女性就业的关联效应，并侧重从智能、生理等层面解析产业升级对吸纳女性就业的影响（毛宇飞、曾湘泉，2017）[6]。当经济社会从以体力劳动为重心的农业和工业经济转向以脑力劳动为依托的第三产业时，女性生理心理的禀赋优势促使他们在金融、社会服务、文化艺术等第三产业发挥得天独厚的优势（张一兵，2005[7]；邓峰、丁小浩，2012[8]）。

技术变迁改变了劳动市场技能需求结构，新一代信息技术更偏向女性技能优势的职业。人工智能对劳动市场产生巨大的冲击，但就业并未下降反而小幅上升，原因在于技术变迁改变了劳动市场的技能需求结构，经济社会对社交技能等非常规技能的需求大幅增加。劳动市场就业需求呈现技能分化特征，常规性流程化工作岗位的就业和收入下降，而非常规工作包括高级管理人员和人工技能岗位就业增加（Autor，2015）[9]。数学认知技能密集行业（如科学、技术、工程、数学，简称STEM）就业和收入出现下降，社交技能密集行业就业和收入大幅上升（Deming&Noray，2018）[10]。职业技能需求发生变化，常规技能职业逐渐被自动化和人工智能替代，而社交技能的职业需求急剧增加，劳动报酬也大幅上升（Deming，2017）[11]。女性因其具有更好的沟通能力和表达能力，具有更好的亲和度，较之男性更适宜从事电子信息、物流中介、科研教育、公共管理等工作。心理和神经科学研究指出女性在社交和人际交互的任务上更具比较优势。技术变迁促使社交技能职业需求增加，并提升偏向社交技能职业的工作报酬。产业经济的职业和技能偏好愈加倾向于女性占优势的领域，女性更易获得高报酬、高福利的“好工作”（Cortes et al.，2018）[12]。

研究发现，技术变迁和产业升级促使男女在劳动市场的收益表现发生很大变化。工业化阶段，男女性别差异使得男性在劳动市场更具优势，因而获得更高的性别工资溢价，而女性因性别歧视仅能获得较低的报酬。经济服务化阶段，女性不仅在就业机会方面与男性差距缩小，还可能因其社交技能的性别优势而获得更高的报酬，男女性别收入差距缩小。张川川、王靖雯（2020）利用CGSS2010年数据指出，女性劳动市场表现受制于地区的现代化程度影响，现代化程度较高的地区，性别观念越现代化，女性劳动参与率和收入水平也越高[13]。Borghans et al.（2014）指出美国1968～2002年社交技能重要性提升和男女工资差别缩小的趋势是显著吻合的[14]。德国的经济也发现类似的现象（Black & Spitz-Oener，2010）[15]。从职业层面看，交互任务（及其他非常规任务）促使男女在劳动市场的绩效收敛，而常规任务却使二者发散。Cortes et al.（2018）研究发现劳动市场上不同性别的高技能劳动者市场绩效发生变化，高学历男性在认知性职业和高工资职业的就业概率下降，而与此形成鲜明对比的是，高学历女性在高工资职业的就业概率显著上升，即使考虑到高学历女性相对于男性的供给数量显著上升的事实，这一结论仍然成立[12]。他们对此的解释是高工资职业中社交技能的重要性显著上升，因而对具有这种技能优势的女性劳动者的需求大幅增加，进而带来高学历女性工资收入上升。

关于性别因素的劳动绩效差异，国内较早的文献更多地关注了男女劳动工资差距（李实、马欣欣，2006[16]；王美艳，2005[17]；李实等，2014[18]），较少关注性别的职业就业机会差别。而传统研究更强调女性受教育程度提升对女性劳动绩效的作用，忽视了技术变革的背景因素。最近的研究开始关注产业发展对女性就业的影响，但相比于国外研究，这些研究的视角更偏宏观，缺乏细致的微观考察，而其研究方法也较为粗糙。本文尝试从这些研究不足中进行探索和深入研究，以职业技能为突破口，研究技术变迁对男女劳动市场绩效变化的影响、职业对社交技能需求的变化以及这与性别就业变化的关系。方法上，本文沿用Autor et al.（2003）[19]提出的任务模型（任务构成）来界定职业的任务内容，并采用OB分解法进行反事实构建，验证劳动市场上男女就业绩效变化特征。

三、女性崛起的基本事实与研究假设

（一）技术变迁促使服务业就业份额增加

进入21世纪第四代信息技术对传统制造业大国——中国产生深远影响，互联网、大数据和人工智能等信息技术促使中国产业结构发生根本性变化，新型技术在中国企业中得到广泛应用，迅速推动产业转型和升级。现代化经济日益呈现服务经济新特征、新趋势，平台经济、共享经济、数字经济蓬勃发展，服务业创造的增加值占国民经济的比重日益上升。2015年服务业增加值占GDP 比重首次过半，2016年服务业份额上升到51.6%，高出第二产业11.8%，成为国民经济的第一大产业，2018年服务业份额达到52.2%。中国以服务业为主导产业的经济发展模式初步形成。

现代化服务业的发展对就业和劳动市场产生深远影响。如图1所示，2010～2020年，第一产业就业份额稳步下降，第二产业就业份额在2011～2014年有小微上升，之后出现下降，这两大产业对就业的贡献都低于30%。而第三产业的就业份额呈显著上升趋势，尤其是2012年以来，增长速度加快，从36.1%增加到2020年的47.7%，服务业对就业的贡献接近一半。在我国就业人数持续增加的背景下，劳动力主要是为服务业所吸纳的，服务业成为创造就业机会的主要产业，这意味着服务业经济时代的到来。

图1 三大产业的就业份额变化

（二）技术变迁促使女性在服务业中的就业优势显现

技术变迁对不同性别的就业产生巨大影响，女性在服务行业的就业优势不断显现出来。2010～2018年《中国人口与就业统计年鉴》中“城镇按接受教育程度、性别分的就业人员行业构成表”数据显示，不同性别在产业就业的分布结构发生较大变化。如图2所示，2010～2018年间，男性在制造业部门的就业比例略高于女性，而且随着时间推移，不同性别的劳动者在制造业中的就业比重均出现下降趋势，且女性就业比重下降幅度超过男性。与制造业形成鲜明对照的服务业，性别就业的产业分布有较大差异。女性较之男性在服务业部门更加具有就业优势，其就业比重显著高于男性，随着时间推移，服务业部门女性就业比重持续上升，且与男性就业比重的差距有扩大趋势。这意味着女性较之男性更倾向于在服务业部门就业，2018年近70%的女性就业于服务业部门，而男性的这一比例还不到60%，两者相差10个百分点。因此，本文提出第一个研究假设：

图2 城镇单位男女就业人员的产业构成

H1：技术变迁促进非常规职业需求增加。

（三）技术变迁促使女性在“好工作”的职业优势显现

男女的职业分布具有很大差异，服务经济时代的新产业、新业态、新模式更偏向女性的职业优势，尤其是拥有大学学历的女性劳动者更易进入“好工作”的岗位和从事这些职业。什么是好工作？好工作就是好职业。一般的，好工作是具有更高工资报酬的职业，这些工作通常占据了职业收入分布的前端。从技术变迁层面看，好工作即是处于蒸蒸日上发展阶段的朝阳产业的职业，信息技术时代就是互联网相关行业等知识技术密集型服务业，这些行业的平均报酬居于行业前列。从职业技能层面看，Autor&Dorn（2013）[20]等将工作分为认知类、常规类或者人工类。认知类，又被称为非常规工作，是诸如企业家、科学家、金融分析师、软件工程师等这些职业，是所谓的好工作。这些白领工作更依赖于大脑而不是肌肉，完成这些工作需要更强的创新能力、分析能力和解决问题的能力。

按照中国职业大类①商业和服务业人员包含有大量非常规任务的职业，如信息技术服务、商务咨询等，这些商务服务业具有较高知识技术含量，对职业的非常规交互技能需求较高。Cortes（2016）将商务服务业按照受教育程度分为常规任务和非常规任务。一些研究也将商务服务业作为非常规人工任务。，从职业角度考察劳动市场不同性别的就业结构。如表1所示：女性在非常规任务的职业中较之男性更具优势，包括非常规交互任务的商业、服务业人员以及非常规分析的专业技术人员的比重都显著高于男性，这种差距在2010到2018年间几乎没有缩小趋势，尤其是专业技术人员，2010～2018年间男性该职业的就业比例几乎没有变化，而女性该职业的就业比例增加了4.3%。将单位负责人、专业技术人员和商业、服务业人员三种职业作为非常规任务职业，通过加总来看，2010～2018年，在非常规职业中就业的男性占比从35.1%增加到51.6%，而女性在非常规职业中就业的比例从43.3%增加到62.6%。女性在非常规职业中的就业比例高于男性，且该比例变化的扩大主要源于女性在专业技术人员（非常规分析任务）职业中的比例显著上升。尽管在非常规交互任务的职业（商业、服务业人员）中，2010～2018年间，男性和女性的就业份额均显著增加，增加了14%，但女性在该职业的绝对比例优势仍然凸显，高出男性7个百分点。相反在常规任务的职业中，男女的就业比例都呈现下降趋势，女性在农业生产职业中的下降幅度更大。职业角度的性别结构证明女性在非常规职业中的优势，经济服务化趋势和现代信息技术应用更加促进女性在这些任务工作中的比较优势凸显，带来这些职业对女性劳动者的需求不断上升。因此，本文提出第二个研究假设：

表1 2010～2018年城镇单位就业中不同性别的职业分布

H2：技术变迁偏向女性的技能优势。

（四）女性高等教育的比重提升

很多研究指出女性就业地位的改变与女性受教育程度提升有很大关系，尤其是高校扩招以来，女性有更多的机会进入高等院校进行学习，提升人力资本，从而有助于他们获得进入好工作的“文凭”入场券。如表2所示，2010～2018年间男女受高等教育占各组的比重变化，2010年，男性受高等教育的比例为7.9%，高于女性的7%，随后，男女受高等教育的比例都在上升，但在2016年之后，女性就业受高等教育的比例超过男性，且超出1.1个百分点，远高于之前男性超过女性的差距，随后这个差距又扩大到1.4%。2003年，男性受高等教育的比例为5.09%，女性为3.7%，与2003年相比，2018年男女受高等教育的差别正好相反。从受教育程度看，女性逆袭的趋势异常突出。相关研究指出，这种受教育程度的提升是女性就业地位改善的主要原因。向晶、刘华（2018）研究指出，女性人力资本提升，女性倾向于在国家公共部门（国家机关/事业单位）的就业概率越高[21]。人力资本提升虽促进了女性在经济部门的市场竞争力，但高学历女性更青睐国有公共部门就业，原因是公共部门内性别平等程度更高，是对其放弃经济部门高人力资本回报的一种制度补偿。但也有研究指出，女性高等教育领域的“女性教育优势”并未延伸到劳动力市场，“女性优势”仅体现在高考成绩和本科期间的学业表现，而在本科就业上并无“女性优势”，而且女性进入国有企业、机关的概率要显著低于男性。女性受教育程度提升是否是女性就业地位提升的决定性因素仍存在异议。据此，本文提出第三个研究假设：

表2 城镇单位就业中不同性别受高等教育的比例

H3：女性受教育程度提升并不能完全解释女性在劳动市场的“崛起”。

四、模型与方法

（一）任务模型①任务模型最早由Autor&Murnane（2003）最早提出，它主要通过界定任务类型，通过将职业和任务进行匹配，来界定职业性质，从而对劳动进行有效区分。后来学者基本都沿用了该方法，包括Autor 本人后续的多项研究，以及Acemoglu、Cortes等都采用该模型进行职业-技能匹配。

参照Autor et al.（2003）[19]和Cortes（2016）[22]方法，将职业分为两种类型：非常规任务和常规任务。Autor et al.（2003）将任务分为两大类、五小类，常规任务包括常规认知任务和常规人工任务，非常规任务包括非常规认知任务、非常规交互任务和非常规人工任务[19]。常规任务是依靠设定的命令和程序完成工作的活动，一般是简单、重复的任务。非常规任务是涉及到很多任务，需要灵活性、解决问题和人类交互能力的工作。Autor et al.（2006）又归结为三类工作任务：人工任务、常规任务和非常规任务[23]。其中，人工任务对应于职业标准中需要“眼-手-脚协调”的工作；常规任务对应于职业标准“设定限制、公差和标准”，指的是需要常规认知任务、“手指灵活性”（日常运动任务）的职业；非常规抽象任务对应职业标准“方向控制和规划”，指的是管理型和交互性任务以及涉及“高等数学”（数学逻辑和推理）分析的任务。Cortes（2016）[22]根据工作的两个任务特征：“认知”还是“人工”、常规还是非常规将工作分为四类：非常规认知、常规认知、常规人工和非常规人工。非常规认知任务包括管理、商业、科学和艺术职业，常规认知指销售和办事人员，常规人工是施工和维护，非常规人工是服务职业。

参照Cortes（2016）[22]等研究，表3 给出了基于中国标准职业分类三位数CSCO95 以及国际标准职业分类四位数ISCO88 的职业任务匹配及其代码分组。其中中国标准职业分类CSCO95 包含8 个大类、65个中类、410个小类、1838个细类。国际标准分类ISCO88包含了10大类、28中类、116个小类、390个细类。需要说明的是，关于职业分类中商务、服务人员或者服务人员和销售人员的职业任务匹配，相关研究存在不同的处理。Autor et.al.（2003）[19]将其视为非常规交互任务，而Cortes（2016）[22]将其视为非常规人工任务。严格意义上讲，该职业大类中既包含有非常规交互任务，需要较高的沟通交流的社交技能，同时也包含非常规人工任务，需要“眼-手-脚协调”的技能，这些职业技能都是计算机和人工智能技术无法替代的。

表3 职业-任务匹配

（二）数据说明

为了考察技术变迁对男女劳动市场绩效的影响，选取具有较长时间跨度、更接近当前信息技术发展时代的微观家庭调查数据。统观中国微观家庭调查数据，最终认定中国综合社会调查CGSS2003年和2015年两个年度数据作为主要数据分析对象。这个数据始于2003年，信息技术在中国初步萌芽，而最新期2015年正值信息技术成熟期，时间跨度长达12年，基本符合技术变迁的长周期序列。同时，这个数据不是家庭追踪数据，而是每期随机抽样调查，契合本文研究目的和研究对象。 另外CGSS2003年和CGSS2015年数据关于职业编码较为完整，分别采用了三种编码，分别是国际标准职业分类ISCO68 和ISCO88 以及中国标准职业分类CSCO95和CSCO2000。这里选取ISCO88职业分类代码，以便和任务模型进行匹配。2003年职业选取首职代码，数据统计显示，首职的工作时间最长，70%以上持续到2003年，较之次职等具有更少的缺失值。

为了研究劳动者是否更愿意从事非常规任务和职业，分别对两期数据建立Logit 模型，分析跨期的职业倾向变化的原因：

pit=Xit β+εit

其中，pi为虚拟因变量，取值为1，代表在非常规职业就业，取值为0，表示常规职业就业，因而pi即为劳动者在非常规职业就业的概率。t∈{2003，2015}。Xi表示标准的人口特征，包括性别、年龄、民族、出生地、受教育程度，它代表从事非常规职业的可观察的人口特征因素。

表4 变量及指标说明

对CGSS2003和CGSS2015年的数据进行整理，选择年龄阶段在（14～64）的人口，删除掉有效变量的缺失值，对原始数据进行分组等，得到主要数据的描述性统计见表5：

表5 描述性统计

从描述性统计看，2003年有效职业数为4570个，其中男性占50.7%，汉族和城市居民占据绝大总数。2015年有效职业数为3 714个，男性占55.3%，超过人口的一半，男女比重失调。城市人口占据调查数据的一半以上，仍以汉族为主。2003年的非常规职业占比23.4%，2015年为28.3%。

（三）Logit回归及OB分解

为了考察两个年度在非常规职业中就业倾向，对上述数据进行logit回归，回归结果见表6。从结果来看，性别因素和受教育程度均显著影响劳动者以及男女在非常规职业中的就业倾向，女性和更高受教育程度者在非常规职业中的就业机会更高。

表6 回归结果

为了分析技术变迁在跨期的职业选择中的影响，根据上述回归，分别计算男女在非常规职业中就业的概率，即为因变量均值。计算公式为：

结果显示，较2003年，2015年非常规职业就业倾向有显著提升，从32.4% 提升到52.6%，增加了20.2%，其中人口特征因素（包括年龄、性别、受教育程度等占总抽样人口比例的变化）仅解释了这种就业倾向的1.2%，不可解释的部分高达18.9%，这主要归结于技术变迁的原因。因而，假设H1：技术变迁偏向增加非常规职业需求，得到证明。

从男女职业就业倾向看，2003年女性从事非常规职业的概率与男性相差并不大，但到2015年，这种差距大幅增加，相差10个百分点，可见女性较之男性更倾向从事非常规工作。分别对男女职业倾向的差别进行OB分解发现，男性人口特征因素反而促使其从事非常规职业的倾向下降0.5%，不可观察的技术变迁因素促使男性更倾向进入非常规职业，但这与女性仍存在显著差别，女性受教育程度、年龄等人口特征变化促使女性非常规职业倾向提升，而技术变迁因素解释了其中的21.2%。假设H2：技术变迁偏向女性技能优势，成立。

可观察因素中，受教育程度和年龄均显著地促使非常规职业倾向增加，而人口中性别比例变化却促使这种倾向减少，即男性比例的上升减低了进入非常规职业的倾向，说明男性较之女性更不易获得“好工作”。对比男女可观察到因素看，男性受教育程度促使职业倾向增加，而户口因素促使这种倾向减少，说明2015年城镇户口男性更不易获取好工作。男性年龄因素变化影响并不显著，说明更多年轻人比重提升并未促使这种倾向上升。但女性更高比例的年轻人却显著提升这种倾向，说明年轻女性较之男性更易获得这种好工作。而户口因素变化对女性的职业取向并没有影响。女性受教育程度比例上升也显著促进这种倾向。

表7 2003～2015年间男女职业就业倾向变化

（四）就业份额

性别分化趋势意味着存在女性在非常规这种“好工作”中的就业份额大幅提升。就业份额可以通过计算概率乘以总人数得到。2003年，城镇劳动人口中女性非常规职业中的就业份额（12818.60*0.339）÷（12818.60*0.339+13403.53*0.310）=51.1%，2015年女性非常规职业中的就业份额为49.8%（剔除男女比例失调变化因素，该值达到54%）。这显示女性占据非常规职业的一半，更多的女性从事具有更高收入、更重视非常规认知和社交技能的工作。

综上，清晰的证据显示技术变迁促使女性在非常规职业的就业机会增加。原因在于技术变迁倾向于增加非常规职业需求，而女性在非常规职业具有先天的技能优势，称之为“女性优势”。

五、稳健性检验

（一）收入角度

职业的认知任务内容是就业地位一个层面的表征，它仅提供了好工作的粗略信息，不是好工作的严格定义，正如上文看到的2015年，超过一半的劳动在非常规职业这种所谓的好工作就业。为了验证结果稳健性，对女性就业地位有更全面的认识，采用好工作的第二种定义，即按照工资分布进行排序，这里分别选用第一分位数和第二分位数进行分类，即女性进入前10%和20%的收入的概率。结果如下：当按照工资收入分布来描述工作绩效时，女性相较于男性并未有显著优势，而且男性较女性的职业收入的优势均可以由年龄、受教育程度①去除了户籍因素，仅保留城市人口，方便两组数据比较。这些人口特征所解释，技术变迁的作用非常微小。这基本符合直觉，长期以来男女差别影响深远，一个时代的技术变革难以根本改变收入性别差距。现实中男女同工不同酬的现象仍然较为突出，或者女性基于工作稳定偏好，在就业中为了就业机会而牺牲掉部分经济利益，或者从企业雇佣角度，企业占据了女性职业选择的剩余价值。陈建伟、苏丽锋（2016）[24]以及向晶、刘华（2018）[21]等研究从各自角度对该现象进行了解释。

尽管如此，女性进入收入前10%和20%的机会都有所提升，尤其是进入收入前20%的概率从2003年的15.8%增加到2015年的20.8%，增加4.9%。同样计算女性的就业份额变化。女性就业占收入前10%的份额从2003年的40.4%下降到38.1%，但女性占收入前20%的就业份额从2003年39.2%提升到2015年40.1%。按照工资高低排序的工作质量仍然显示女性在好工作中就业份额的提升，但这种优势并不显著，女性就业的经济地位仍和男性存在差距，而且这种差距是技术变迁短期无法抗衡的。

表8 2003及2015年间男女收入变化

（二）受教育程度变化的反事实检验

职业倾向的性别分化正好伴随着近十几年女性相对男性高技能劳动比例上升，很多研究因而指出女性劳动市场绩效的提升与女性受教育程度提升直接相关，更多女性接受高等教育改变了女性的就业地位。事实上，女性职业倾向提升不能简单地归结于女性高等教育比重的提升，而是男女职业选择的变化起着更为重要的作用。女性就业地位提升并不是随职业变化而变化，而是随职业收入排序的变化而变化，即进入更高收入排序的职业是女性就业提升的表现。定义女性在非常规职业的就业份额σt为：

其中，Fnr为女性在非常规职业中的就业。接下来进行更深入的讨论：女性在好工作就业份额的增加是因为女性高技能劳动占总人口比重上升吗？为了检验这种观点，通过构建受教育变化的反事实，分别考察人口特征和职业倾向因素的影响，来检验女性受教育程度的比重提升所起的作用。首先保持2003年职业倾向的概率不变，而只调整高技能数量的变化。然后保持2003年的高技能数量不变，而职业倾向的概率发生变化。结果见表9。女性高等教育比例提升将使女性2015年非常规职业就业份额达到50.6%，这解释了女性就业地位上升的2/3多，但仍低于技术变迁下女性非常规职业倾向的比例。职业倾向变化将单独使女性非常规职业份额提升到2015年的45.9%。受教育程度性别构成变化和职业选择变化对女性职业倾向的影响存在差别，相对而言，女性受教育程度提升确实解释了更多这种倾向的增加，但并不能完全解释职业倾向的变化。从收入层面看，女性高教育程度就业比重提升解释了进入收入前10%的65.9%，但仅解释进入收入前20%的38%。这验证了假设H3：女性受教育程度提升并不能完全解释女性在劳动市场的“崛起”。

表9 女性就业地位提升的因素分解

（三）偏女性优势的职业需求的反事实检验

女性非常规职业就业的增长是因为职业变化倾向于女性优势的职业吗？如果这是事实，则意味着存在一种特殊力量导致这类女性优势的职业需求增加。为此，进行职业内和职业间的分解。定义Fnr为女性在非常规职业中的就业。全部的就业E=F+M。则女性的份额等于：

其中，等号右边前者代表每种职业中女性就业占总就业的份额，后者代表非常规职业的就业份额。

利用上述分解，构建基于职业间和职业内变化的反事实，检验仅仅是职业间的变化会使女性份额变化多少。首先保持2003年每种职业女性就业份额不变，只允许非常规职业的就业份额变化，结果如表9 所示，女性非常规就业份额将会上升到53.9%，说明技术变迁确实偏向增加非常规职业需求。保持2003年的非常规职业就业份额不变，仅变化女性就业份额①实际上，由于中国男女性别的失调，女性就业占总就业比重是下降的，从2003年的49%下降到2015年的45%。此处为了构建反事实将男女就业比例做了对调。，结果女性的份额将会上升到57.4%。因而，女性非常规职业就业份额上升主要源于女性在非常规职业的女性优势。这种职业内的就业增长体现为女性在非常规职业中的优势。从收入层面的反事实检验也显示，女性职业内较之职业间的变化均促使女性进入收入前列的就业份额均更高。命题H2再次得到证明。

（四）扩大样本量

为论证女性在非常规职业的就业优势所带来的就业地位提升，进一步通过增加样本量进行检验。CGSS数据中不仅提供了被调查者的职业信息，也提供了被调查者父母和配偶的职业信息。利用上述方法，扩展样本容量到这些信息，主要结果见表10。从职业倾向来看，女性较之男性能具有更高的进入非常规职业的概率，且2015年较2003年增加了7.7 个百分点，高于男性变化。其中人口特征促使女性非常规职业倾向下降0.8%，而不可解释的技术变迁因素将促使这种职业倾向增加8.5%，远高于男性。再次证明，技术变迁促使非常规职业需求增加，且女性较男性在非常规职业中具有所谓的“女性优势”①收入层面，2003年仅有被调查者收入数据，2015年加入其配偶的数据。本文也对该扩展样本进行了检验，发现男女进入前10%和前20%的比例都大幅下降，排除跨期数据不平衡原因，说明收入差距扩大。当然此情况不在本文讨论范围。。

表10 2003～2015年间男女职业就业倾向变化

六、结 论

以大数据、互联网、人工智能等为代表的第四次信息技术对劳动市场造成较大冲击，尤其表现在男女性别在劳动市场的绩效发生改变。相较于工业时代男性就业优势，信息技术下的服务经济时代打开女性就业机会的“一扇窗户”，表现为女性在劳动市场的就业机会、职业选择、收入水平以及福利待遇等方面有了显著提升。这种提升代表了技术力量对劳动市场的积极效应，降低了劳动市场就业摩擦、缓解了性别歧视等扭曲、提升了劳动配置效率、促进人才发展。本文采用任务模型，利用CGSS2003和CGSS2015跨年度数据，运用logit 回归和OB分解方法进行反事实构建，验证了技术变迁带来的劳动市场中女性的崛起。女性在劳动市场就业机会提升源于技术变迁偏向于非常规职业需求，而女性具有非常规职业就业的“女性优势”，即技术变迁偏向增加女性具有优势的非常规职业需求，从而带来女性就业机会和劳动市场绩效提升。来自收入方面的稳健性检验显示，女性虽然在进入更高收入职业中的概率有显著提升，但与男性相比，仍存在较大差距，且这种差距无法用技术变迁解释，说明男女“同工不同酬”以及企业偏女性雇佣侵占女性更多的人力资本溢价和剩余。OB分解的反事实构建进一步检验了女性受教育程度比例上升的影响，更高受教育程度的女性比重解释了女性崛起的一部分，但不能解释全部。通过加入更多的样本，仍然支持上述结论。

本文从技术变迁的视角解释了女性在劳动市场的崛起，重点考察技术变化对女性就业机会的影响，审视女性劳动市场就业地位上升所带来的经济价值。这种价值不仅体现在劳动市场人才配置效率提升及人类相对智能技术的全面发展，更体现在女性价值对智能时代经济持续增长的动能效应。当女性作为劳动者在劳动市场得到平等对待时，下一代及未来才更具生产力。本文创新之处在于从技术变迁的需求视角对不同性别劳动市场绩效的差异进行了研究，强调技术变迁带来的男女就业机会的收敛趋势。研究充分展示技术变迁不仅直接提升了女性劳动市场的地位，而且还间接提升女性的教育回报率。尽管研究在研究视角和方法上做了一些有益探索，但限于数据可得性等，研究仍存在一些不足，如基于职业分类标准的“任务模型”，无法对商务、服务人员的职业任务进行精准匹配。■