劉 暢，呂榮杰

(河北工業(yè)大學經(jīng)濟管理學院，天津 300401)

一、引言

伴隨著新技術(shù)、新經(jīng)濟和新業(yè)態(tài)不斷涌現(xiàn)，人工智能等新技術(shù)全面滲透勞動力市場，市場對技能型勞動力的需求日益迫切。2020 年中共十九屆五中全會提出，強化就業(yè)優(yōu)先政策，注重緩解結(jié)構(gòu)性就業(yè)矛盾，提升勞動者技能素質(zhì)。根據(jù)人社部2020 年12 月發(fā)布的數(shù)據(jù)來看，技能勞動者占就業(yè)人口總量僅為26%，高技能人才僅占技能人才總量的28%。我國技能人才總量仍然不足，特別是結(jié)構(gòu)不優(yōu)、素質(zhì)不高問題比較突出。目前不僅東南沿海仍然存在“用工荒”等問題，中西部地區(qū)也開始陸續(xù)出現(xiàn)此問題。中國勞動和社會保障科學研究院調(diào)查發(fā)現(xiàn)，雖然人工智能等技術(shù)的內(nèi)生就業(yè)創(chuàng)造效應明顯，如智能裝備行業(yè)和機器人技術(shù)的發(fā)展增加了技能型勞動力的需求量，但是技能型勞動力供給數(shù)量相對較少也加劇了“用工荒”問題。新技術(shù)帶來的生產(chǎn)方式的轉(zhuǎn)變將會對勞動技能在生產(chǎn)系統(tǒng)中的地位和價值形成重大挑戰(zhàn)[1]。當結(jié)構(gòu)性矛盾成為新時期我國就業(yè)的主要矛盾，如何優(yōu)化我國勞動力技能結(jié)構(gòu)已成為重要課題，這也對緩解就業(yè)結(jié)構(gòu)性矛盾提供借鑒，對實現(xiàn)更高質(zhì)量就業(yè)具有現(xiàn)實意義。

為了全面分析勞動力技能結(jié)構(gòu)的優(yōu)化路徑，本文從技能偏向性技術(shù)進步理論出發(fā)對可能條件變量進行梳理。既有研究主要基于產(chǎn)業(yè)結(jié)構(gòu)、人工智能、人力資本和貿(mào)易開放等視角進行了解釋。Frank et al.[2]認為人工智能補充或替代部分由勞動者完成的任務，能夠引發(fā)市場對勞動者技能結(jié)構(gòu)需求的改變。屈小博[3]和楊斌等[1]認為，人工智能正在重塑工作技能需求。Autor et al.[4]認為，產(chǎn)業(yè)升級能夠帶動高技能和低技能勞動力就業(yè)相對上升的現(xiàn)象。Bloom[5]認為，全球化的貿(mào)易開放能夠提升高技能勞動力在勞動力技能結(jié)構(gòu)中所占比例。唐禮智等[6]認為，當經(jīng)濟體中人力資本水平較高時，高技能勞動力的數(shù)量需求相對增多。通過文獻梳理發(fā)現(xiàn)，盡管研究者在探索勞動力技能結(jié)構(gòu)的作用機制方面取得了一些成果，但已有研究過度關注中介效應和調(diào)節(jié)效應的解釋，忽視了對勞動力技能結(jié)構(gòu)共同作用的優(yōu)化路徑的深入探究，這個問題非常重要。

本文運用QCA 方法，基于組態(tài)視角，從技能偏向性技術(shù)進步理論出發(fā)，選取產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放4 個條件變量，試圖探究4 個條件變量間的聯(lián)動效應，明確高效優(yōu)化勞動力技能結(jié)構(gòu)的組態(tài)路徑，以及制約勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)路徑。

二、文獻回顧

勞動力技能結(jié)構(gòu)是由多重復雜因素共同作用的結(jié)果，并且在實際研究中，由于研究者切入視角的差異導致關于勞動力技能結(jié)構(gòu)的影響因素暫未形成統(tǒng)一結(jié)論。為解決該問題，本文選取產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放4 個條件變量，探究其如何影響勞動力技能結(jié)構(gòu)。

(一)產(chǎn)業(yè)升級

Katz et al.[7]通過研究發(fā)現(xiàn)，在制造業(yè)中高技能勞動力相較于低技能勞動力，就業(yè)需求逐年遞增。Autor et al.[4]認為，產(chǎn)業(yè)升級能夠使從事常規(guī)任務的中等技能勞動力被機器取代從而轉(zhuǎn)入低端服務業(yè)，并運用實證模型來解釋低技能勞動力就業(yè)相對上升的現(xiàn)象。鄭愛兵[8]運用SUR 方法得出在服務業(yè)中產(chǎn)業(yè)升級能夠促進高技能勞動力的就業(yè)增長。郝楠等[9]認為，資本深化和信息技術(shù)產(chǎn)業(yè)發(fā)展促進對高技能勞動力的相對需求。

(二)人工智能

Mokyr et al.[10]認為，由于工作模式的改變而導致長期的技術(shù)性失業(yè)不會出現(xiàn)。比較優(yōu)勢定律表明，即使在機器人和自動化能力大幅提高的經(jīng)濟體中，大多數(shù)勞動力仍有任務要完成。孫早等[11]認為在我國生活成本過高的東南沿海地區(qū)，勞動力技能結(jié)構(gòu)會出現(xiàn)“單極極化”趨勢。屈小博[3]認為，人工智能正在改變工作所需要的技能?？赘呶牡萚12]認為，凱恩斯的“技術(shù)性失業(yè)”理論在中國勞動力市場結(jié)構(gòu)中得到部分支持，隨著機器人應用規(guī)模的增加，對低技能勞動力的就業(yè)沖擊更嚴重。Frank et al.[2]認為，人工智能有可能重塑美國等發(fā)達國家和發(fā)展中國家的技能需求，人工智能補充或替代部分由勞動者完成的任務，從而引發(fā)市場對勞動者技能結(jié)構(gòu)需求的改變。

(三)人力資本

Tinbergen[13]在1974 年提出技能偏向性技術(shù)進步理論，該理論認為促進生產(chǎn)力的新技術(shù)是“技能偏向”，即高技能工人比低技能工人更有能力使用新技術(shù)，而低技能工人有被新技術(shù)取代的風險。唐禮智等[6]認為當經(jīng)濟體中人力資本水平較高時，高技能勞動力的數(shù)量需求相對增多。邢敏慧等[14]采用Logit 模型研究發(fā)現(xiàn)，在新一代農(nóng)村勞動力就業(yè)中人力資本是影響農(nóng)村勞動力就業(yè)質(zhì)量和結(jié)構(gòu)優(yōu)化的關鍵因素。

(四)貿(mào)易開放

從勞動力技能結(jié)構(gòu)的視角看，Bloom[5]認為，全球化的貿(mào)易開放能夠提升高技能勞動力在勞動力技能結(jié)構(gòu)中所占比例。從貿(mào)易伙伴國的研究視角看，Brambilla et al.[15]認為，與發(fā)達國家進行出口貿(mào)易往來能夠優(yōu)化本國的勞動力技能結(jié)構(gòu)。Bermard et al.[16]研究認為，與發(fā)展中國家之間進行的貿(mào)易往來也能夠優(yōu)化本國勞動力技能結(jié)構(gòu)。郝楠等[9]從細分貿(mào)易角度認為，從事中間品類的進口貿(mào)易能夠增加高技能勞動力就業(yè)需求。

綜上所述，產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放對勞動力技能結(jié)構(gòu)優(yōu)化有重要作用，國內(nèi)外學者也取得了豐富的成果。然而勞動力技能結(jié)構(gòu)的相關文獻主要采用以線性因果關系為基礎的統(tǒng)計建模方法進行研究，已有研究多關注單個條件變量對勞動力技能結(jié)構(gòu)影響的凈效應[8，17]，而忽視了勞動力技能結(jié)構(gòu)是一個多要素互動的過程，導致現(xiàn)有研究結(jié)論不一致[11]。此外，通過對國內(nèi)外相關數(shù)據(jù)檢索發(fā)現(xiàn)，尚無學者針對以上條件變量進行勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)分析。相形之下，綜合考慮產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放4 個條件變量協(xié)同聯(lián)動對勞動力技能結(jié)構(gòu)優(yōu)化的影響，將有助于更深入地探究前因變量間的過程機理。

基于以上分析，如圖1 所示提出本文研究框架，從技能偏向性技術(shù)進步理論出發(fā)選取包括產(chǎn)業(yè)升級(industrial upgrading，簡稱IU)、人工智能(artificial intelligence，簡稱AI)、人力資本(human capital，簡稱HC)、貿(mào)易開放(trade openness，簡稱TO)4 個條件變量，以及1 個結(jié)果變量即勞動力技能結(jié)構(gòu)(skill structure of the workforce，簡稱SW)。

圖1 研究框架

三、研究方法

(一)QCA 方法概述

定性比較分析方法(Qualitative Comparative Analysis，簡稱QCA)在20 世紀80 年代由社會學家Ragin 提出[18]。QCA 方法開啟了社會科學研究的新范式。QCA 的新范式與傳統(tǒng)基于相關分析的范式形成鮮明對比，主要集中在集合關系與相關關系、校準與測量、條件組態(tài)與自變量，以及因果復雜性分析與凈效應分析，這四組對比都是集合論分析與傳統(tǒng)定量分析的對比[19]。具體來說，在集合關系與相關關系的對比中，傳統(tǒng)定量分析在設計上是對稱的，而QCA 方法是不對稱的[20]。在校準與測量的對比中，測量只需要反映相關基本概念的變異，校準不僅能夠評估“多與少”(未校準的測量)，而且能夠評估“很多與很少”(已經(jīng)校準的測量)。在條件組態(tài)與自變量的對比中，兩者之間的關鍵區(qū)別在于前因“配方”的概念，即與結(jié)果相聯(lián)系的前因相關成分的特定組合。在因果復雜性分析與凈效應分析的對比中，凈效應思維將前因變量彼此分開并對其單獨影響進行評估，而在案例導向的研究中研究人員通常關注前因條件如何組合并產(chǎn)生結(jié)果[21]。QCA 為因果復雜性和組態(tài)分析研究提供了方法支撐，解決了很多組態(tài)視角下理論與分析方法不匹配的問題[22]。

(二)QCA 方法的選擇

通過梳理關于勞動力技能結(jié)構(gòu)優(yōu)化的研究，可以明確以往研究主要集中在將產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放4 個自變量視為不同的獨立的個體；并且多采用統(tǒng)計建模的方法檢查條件組合，注重乘法交互項以及中介效應和調(diào)節(jié)效應的研究，這種方法有時會操作煩瑣、難以解釋，而且往往彼此之間與組成變量之間高度相關。在實際情況中，勞動力技能結(jié)構(gòu)的優(yōu)化可能不只由一個前因配方產(chǎn)生，并且可能沒有一個前因變量對勞動力技能結(jié)構(gòu)的優(yōu)化是必要的或充分的。選用QCA 方法，從組態(tài)視角切入，不僅是對勞動力技能結(jié)構(gòu)優(yōu)化的重新探索，在操作中還能避免4 個條件變量間的共線性問題，使結(jié)論清晰明確，更加符合現(xiàn)實情況，因此選用QCA 方法。

四、案例及變量說明

(一)案例選擇

在案例的選擇中應該充分考慮案例總體內(nèi)的最大異質(zhì)性和案例總體的充分同質(zhì)性[20]。鑒于此，以國內(nèi)除去西藏和港澳臺地區(qū)的30 個省份組成案例樣本。

(二)結(jié)果變量及度量

結(jié)果變量為勞動力技能結(jié)構(gòu)(SW)，為技能勞動力與非技能勞動力之比，本文將大學?？萍耙陨蠈W歷就業(yè)人員視為技能勞動力，高中及以下學歷就業(yè)人員視為非技能勞動力[23]。從《中國勞動統(tǒng)計年鑒》中選取2016—2018 年技能勞動力與非技能勞動力比值的平均值作為評價勞動力技能結(jié)構(gòu)的依據(jù)。

(三)條件變量及度量

采用“理論視角”的方法進行條件變量的選取，即從實證研究文獻中的主要理論視角出發(fā)，推導出一個混合的條件組合庫[19]。為得出跨案例的綜合性解釋以及避免案例的個體化，條件變量在數(shù)量上要保持相對較少。在中等樣本的分析(例如，10～40個案例)中，通常選擇4～6 或者4～7 個條件變量。選取產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放作為條件變量。

產(chǎn)業(yè)升級(IU)：產(chǎn)業(yè)升級的衡量方式較多，從研究內(nèi)容出發(fā)，借鑒史恩義等[24]的作法，采用產(chǎn)業(yè)升級系數(shù)作為衡量指標：

其中，yi表示第i產(chǎn)業(yè)增加值所占地區(qū)生產(chǎn)總值比重。從《中國統(tǒng)計年鑒》中選取2016—2018 年的原始數(shù)據(jù)，計算各案例的產(chǎn)業(yè)升級指數(shù)，并用產(chǎn)業(yè)升級指數(shù)的平均值作為產(chǎn)業(yè)升級的評價依據(jù)。

人工智能(AI)：參照Borland et al.[25]對人工智能的衡量方法，即采用信息傳輸、計算機服務和軟件業(yè)全社會固定資產(chǎn)投資額來衡量各省份人工智能的發(fā)展水平。從《中國統(tǒng)計年鑒》中選取2016—2018年相關數(shù)據(jù)的平均值作為人工智能的評價依據(jù)。

人力資本(HC)：采用各省份國家財政性教育經(jīng)費占地方財政一般預算支出的比重衡量。從《全國教育經(jīng)費執(zhí)行情況統(tǒng)計公告》中選取2016—2018 年各省份國家財政性教育經(jīng)費占地方財政一般預算支出的比重的平均值作為人力資本的評價依據(jù)。

貿(mào)易開放(TO)：采用外貿(mào)依存度即進出口總額占GDP比重來衡量各省份的貿(mào)易開放水平。從《中國貿(mào)易外經(jīng)統(tǒng)計年鑒》中選取2016—2018 年各省份進出口總額占GDP比重的平均值作為貿(mào)易開放的評價依據(jù)。

五、數(shù)據(jù)校準與結(jié)果分析

(一)數(shù)據(jù)校準

任何集合校準的起點都是目標集的清晰說明[22]。本文采用fsQCA 的直接校準法，在此過程中需要研究者指定某一定距尺度的值，該定距尺度值對應三個定性斷點構(gòu)成一個模糊集的標準，即完全隸屬、完全不隸屬和交叉點[26]。原始定距尺度值將通過三個錨點轉(zhuǎn)換為模糊隸屬分數(shù)，最終通過fs-QCA3.0軟件對集合中的案例隸屬度進行精細校準，分數(shù)值范圍為0.0～1.0[19]。本文采用直接校準法進行結(jié)構(gòu)性校準，結(jié)果如表1 所示。

表1 變量校準錨點

(二)必要條件分析

在進行模糊集真值表標準分析前，進行必要性分析不可或缺[27]。條件變量的必要性意味著該條件總在結(jié)果存在時出現(xiàn)，換言之，沒有該條件結(jié)果就無法產(chǎn)生。通過fsQCA3.0 軟件的分析，單項條件變量對結(jié)果變量影響的必要性均未超過0.9，結(jié)果表明沒有條件變量構(gòu)成結(jié)果變量的必要條件，這意味著各個單項條件變量對勞動力技能結(jié)構(gòu)的解釋力較弱。

(三)真值表構(gòu)建

組態(tài)思維關注因果復雜性，對因果復雜性進行系統(tǒng)分析的關鍵工具是真值表[18]。真值表方法是基于研究者指定的條件變量的所有邏輯上可能的組合，其通常包括從不同的角度和不同的配方中得出的條件。一般來說，臨界值不應小于0.75；對于宏觀數(shù)據(jù)，臨界值應≥0.85[27]。

本文運用fsQCA3.0 軟件構(gòu)建真值表，為保證研究結(jié)果嚴謹，本文選取臨界值為0.85。將模糊集數(shù)據(jù)導入fsQCA3.0 軟件，刪除沒有案例的條件組合，保留至100%的條件組合，可得結(jié)果變量為SW的真值表，再將outcome設置為反向變量LowSW，可得到結(jié)果變量為LowSW的真值表。

(四)條件組合分析

本文運用fsQCA3.0 軟件中真值表算法得到勞動力技能結(jié)構(gòu)優(yōu)化的復雜解、簡約解和中間解，如表2 所示，研究發(fā)現(xiàn)勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)路徑有3 條，非勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)路徑有1 條。

表2 結(jié)果表明，經(jīng)過fsQCA3.0 軟件分析發(fā)現(xiàn)，可以引致勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)路徑有3 條，即智能-產(chǎn)業(yè)主導型、智能-貿(mào)易主導型與綜合發(fā)展型。

表2 勞動力技能結(jié)構(gòu)的相關組態(tài)

智能-產(chǎn)業(yè)主導型，即H1：AI×IU，組態(tài)1 表示人工智能和產(chǎn)業(yè)升級的協(xié)同聯(lián)動可以優(yōu)化勞動力技能結(jié)構(gòu)。人工智能推動傳統(tǒng)產(chǎn)業(yè)從資源稟賦驅(qū)動的規(guī)模式擴張向依靠知識積累、技術(shù)進步、素質(zhì)提升的內(nèi)涵式發(fā)展轉(zhuǎn)變，漸次形成數(shù)據(jù)驅(qū)動、人機協(xié)同、跨界融合、共創(chuàng)分享的新形態(tài)。產(chǎn)業(yè)智能化的本質(zhì)是“人機協(xié)同”，智能化設備大量使用，將會催生一批知識型、技能型勞動力，在操縱設備、管理和優(yōu)化產(chǎn)業(yè)鏈的過程中也會增加對技能型勞動力的就業(yè)需求，從而優(yōu)化勞動力技能結(jié)構(gòu)。

智能-貿(mào)易主導型，即H2：AI×TO，組態(tài)2 表示人工智能和貿(mào)易開放的協(xié)同聯(lián)動可以優(yōu)化勞動力技能結(jié)構(gòu)?，F(xiàn)階段中國的傳統(tǒng)貿(mào)易發(fā)展已到了較為成熟的階段，隨之而來的就是人工智能、大數(shù)據(jù)、云計算等高新技術(shù)的融入。貿(mào)易智能化轉(zhuǎn)型將非核心競爭力的生產(chǎn)環(huán)節(jié)轉(zhuǎn)移到發(fā)展中國家，發(fā)達國家專注于發(fā)展技能密集型產(chǎn)業(yè)，導致對高技能勞動力需求的增加。

綜合發(fā)展型，即H3：IU×AI×HC，組態(tài)3 表示產(chǎn)業(yè)升級、人工智能和人力資本的協(xié)同聯(lián)動可以優(yōu)化勞動力技能結(jié)構(gòu)。簡單重復性越強、標準化流程化程度越高的行業(yè)，越容易被人工智能所替代。人工智能對就業(yè)結(jié)構(gòu)的負面影響最終要通過產(chǎn)業(yè)升級加以解決，即在以人工智能推動制造業(yè)高質(zhì)量發(fā)展的同時，充分發(fā)揮服務業(yè)對制造業(yè)的促進作用，吸納更多來自落后產(chǎn)業(yè)的勞動力。

表2 結(jié)果表明，引致非勞動力技能結(jié)構(gòu)優(yōu)化路徑有1 條，即組態(tài)NH1：～HC。只要人力資本水平低，即使產(chǎn)業(yè)升級、人工智能和貿(mào)易開放水平都很高，也仍舊會導致勞動力技能結(jié)構(gòu)優(yōu)化失敗。雖然我國是人力資源大國，但人力資本水平仍舊偏低，仍然存在“用工荒”等問題，究其本質(zhì)不是缺少勞動力，而是缺少能與勞動力市場相匹配的技能型勞動者。人力資本的不斷提升，成為改善就業(yè)結(jié)構(gòu)性矛盾和勞動力技能結(jié)構(gòu)的關鍵環(huán)節(jié)。

六、結(jié)論與建議

為探究勞動力技能結(jié)構(gòu)優(yōu)化的組態(tài)路徑，本研究運用QCA 方法，以2016—2018 年中國30 個省份為研究樣本，從組態(tài)視角出發(fā)探討產(chǎn)業(yè)升級、人工智能、人力資本和貿(mào)易開放4 個條件變量對勞動力技能結(jié)構(gòu)優(yōu)化的作用機制。通過系統(tǒng)分析，研究發(fā)現(xiàn)優(yōu)化勞動力技能結(jié)構(gòu)的關鍵路徑有3 條：智能-產(chǎn)業(yè)主導型、智能-貿(mào)易主導型和綜合發(fā)展型，分別是人工智能×產(chǎn)業(yè)升級、人工智能×貿(mào)易開放、人工智能×產(chǎn)業(yè)升級×人力資本。其中，智能-產(chǎn)業(yè)主導型更能夠驅(qū)動勞動力技能結(jié)構(gòu)優(yōu)化。非優(yōu)化勞動力技能結(jié)構(gòu)的關鍵路徑有1 條，且與優(yōu)化勞動力技能結(jié)構(gòu)的關鍵路徑存在非對稱性的關系。結(jié)果表明組態(tài)內(nèi)部各要素之間存在替代性，即人工智能發(fā)展較好時，只要產(chǎn)業(yè)升級、貿(mào)易開放或者人力資本和產(chǎn)業(yè)升級發(fā)展水平有一組較好，即可促進勞動力技能結(jié)構(gòu)優(yōu)化。

根據(jù)上述研究結(jié)論，本文的建議如下：

1.對于貿(mào)易開放程度高的地區(qū)，提高貿(mào)易撮合、貿(mào)易執(zhí)行以及貿(mào)易服務數(shù)字化等環(huán)節(jié)中人工智能的介入水平。以國內(nèi)現(xiàn)有的自貿(mào)區(qū)為例，為促進中國與自貿(mào)區(qū)周邊國家的經(jīng)濟合作，當?shù)卣虻刂埔藨萌斯ぶ悄芗夹g(shù)為多邊口岸法律文書合規(guī)轉(zhuǎn)譯、制單委托等環(huán)節(jié)節(jié)約人工成本。借助人工智能和大數(shù)據(jù)提升用戶畫像的精確度，精準輸出營銷產(chǎn)品。

2.對于產(chǎn)業(yè)升級發(fā)展程度高的地區(qū)，鼓勵政府將人工智能應用于產(chǎn)業(yè)升級，加快產(chǎn)業(yè)智能化發(fā)展進程。推動新型基礎設施建設，加強5G、人工智能等新型基礎設施建設。支持平臺企業(yè)積極應用人工智能等技術(shù)，不斷提升共享制造全流程的智能化水平。依托人工智能快速高效處理數(shù)據(jù)的能力，提升行業(yè)服務能力、改變服務模式，降本增效。逐漸淘汰崗位附加值較低的工作崗位，促進勞動力的崗位升級，并且創(chuàng)造出大量新的高技能就業(yè)崗位。

3.人力資本既是優(yōu)化勞動力技能結(jié)構(gòu)的關鍵，也是制約其優(yōu)化發(fā)展的核心，因此應完善高質(zhì)量職業(yè)培訓體系。在人工智能×產(chǎn)業(yè)升級×人力資本發(fā)展路徑的指導下，著力培養(yǎng)能夠適應人工智能技術(shù)、促進產(chǎn)業(yè)升級轉(zhuǎn)型的新型高技能人才，對可能會受到?jīng)_擊、從事簡單重復性工作的勞動者進行轉(zhuǎn)崗再培訓，使其適應未來的市場需求，提高勞動力市場供需匹配度。