人工智能是否促进了制造业就业结构高级化？——基于产业结构升级中介效应的分析

李攀艺 史良玉

人工智能是否促进了制造业就业结构高级化？——基于产业结构升级中介效应的分析

李攀艺 史良玉

（重庆理工大学经济金融学院，重庆 400054）

人工智能在推动制造业转型升级的同时，也深刻影响着制造业就业。基于2011—2019年中国30个省市区的面板数据，构建计量模型探究人工智能对制造业不同技能劳动力就业的影响，通过中介效应模型检验产业结构升级在人工智能与制造业就业结构之间的传导机制。研究表明：人工智能对制造业高技能劳动力就业有显著促进作用，对低技能劳动力就业有显著抑制作用，使制造业劳动力就业结构呈现高级化趋势。产业结构高级化在人工智能与制造业就业结构高级化之间存在中介效应，而产业结构合理化在人工智能与制造业就业结构高级化之间不存在中介效应。

人工智能；
制造业；
就业结构；
产业结构；
中介效应

制造业作为实体经济支柱，是我国实现经济高质量发展的坚实基础。历史发展经验表明，制造业兴，则经济兴、国家强。当前，中国制造业面临着发达国家“高端回流”和发展中国家“中低端分流”的双重挤压。同时，随着刘易斯拐点的到来，人口红利逐渐消失，制造业面临“用工荒”与高技能人才短缺的双重困境，成为就业岗位供需结构错配问题最突出的行业之一。在这种背景下，人工智能作为引领新一轮科技革命和产业变革的战略性技术，与制造业的深度融合，正在引发制造业从发展理念到制造模式的深刻变革，对于推动制造业创新转型、提升我国制造业整体竞争力尤为重要。

人工智能在赋能制造业转型升级的同时，对劳动力市场尤其是就业结构产生了较大的影响。一方面，伴随着人口红利消逝，企业用工成本不断增加，加快了“机器换人”的发展进程，但值得注意的是，机器替代多为从事传统劳动密集型工作任务的低技能劳动力；
另一方面，高技能劳动力凭借较强的学习能力及自身比较优势与人工智能技术形成互补，这无疑会导致高技能劳动力的需求偏向。与西方国家不同的是，我国人工智能对劳动力就业结构的影响并非呈现“两极化”趋势，而是通过替代低技能劳动力和增加高技能劳动力需求，呈现就业“高级化”趋势。但是，中国作为制造业大国，面对劳动力整体素质偏低、老龄化日益严重等现实约束，人工智能对制造业劳动力就业的作用更为复杂。那么人工智能是否促进了制造业就业结构高级化？以及如何促进制造业就业结构高级化？上述问题的研究对厘清人工智能与制造业就业结构的关系有重要意义，为推动制造业高质量发展与高质量就业同步实现，共享新一轮技术进步带来的“红利”提供有价值的参考。

（一）人工智能对就业的影响

人工智能作为一种全新的技术，多数学者认为其具有技能偏向性，故通常以“技能偏向型技术进步（Skilled-Biased Technological Changes, SBTC）假说”作为分析范式展开研究。在SBTC分析范式下，学界通常将人工智能技术对就业的影响归纳为替代效应和创造效应两种截然相反的效应。其中替代效应是指人工智能技术通过提高生产率，形成资本对劳动力的替代进而降低劳动力需求，导致一些低技能劳动力所从事的简单易操作岗位被挤占；
创造效应则是指人工智能在各产业间的渗透会催生出一系列新兴岗位，增加了对劳动力的需求。考虑到高技能劳动力与新兴岗位之间的互补性，故人工智能的创造效应显然对高技能劳动力就业更有利。在替代效应和创造效应的共同作用下，学界对人工智能影响就业总量的最终结果尚未形成一致意见。一些学者认为人工智能技术的广泛应用会引发劳动力就业总量的显著下降[1-2]。也有不少学者认为人工智能技术不会降低劳动力总需求，会使就业总量趋于稳定[3-4]。

部分学者更侧重研究人工智能对就业结构的影响。郝楠[5]研究发现在高技能和低技能劳动力就业增加的同时，一部分中等技能劳动力就业减少，整体就业结构呈现出“N型极化”趋势。朱巧玲等[6]基于人工智能影响劳动力结构的模型，发现人工智能发展有助于优化劳动力结构。孙早等[7]研究了工业智能化发展对我国就业结构的影响，发现从全国范围看工业智能化发展会导致就业结构呈现“两极化”特征，而发达地区的就业结构呈现“单极极化”特征。谢萌萌[8]发现人工智能与制造业融合会显著降低低技能劳动者的就业比重，加剧高低技能劳动力间的工资差距，进一步导致制造业就业结构呈现高级化趋势。

（二）人工智能对产业结构升级的影响

当前人工智能与产业融合发展势头迅猛，在此背景下，学者们开始关注人工智能对产业结构的影响。实证研究方面，郭凯明[9]基于多部门动态均衡模型和数值模拟发现，如果人工智能在制造业的比重较大，则会推动产业结构向服务业演化，从而促进产业结构升级。吕荣杰等[10]运用PVAR模型进行分析，发现人工智能通过外溢效应、生产率效应、创新效应等促进产业升级，且表现出地区差异性。韦东明等[11]研究发现，人工智能发展促进了产业结构高级化和产业结构合理化。理论研究方面，Aghion等[12]基于理论模型提出了人工智能和传统生产方式在不同产业部门的转化，决定了产业结构升级。就具体作用路径而言，人工智能通过替代性和创新性等特征作用于各生产部门，使生产率水平、资源配置效率以及产品品质大幅提高，最终促进产业结构升级；
同时，人工智能与传统产业深度融合，基于渗透性和外溢性的技术—经济特征，催生出一系列新模式、新业态的新兴产业，进而通过产业关联和技术扩散推动传统产业不断向高附加值的产业活动转移，实现产业结构升级。

（三）产业结构与就业结构

产业作为就业的载体，其结构的变动为劳动力就业和流动提供了物质前提。早期，威廉ž配第[13]在《政治算术》中提到不同产业间的收入差距会促使劳动力在产业间流动，且劳动力的流向与产业结构升级的方向保持一致。Syrquin等[14]指出，发展中国家与发达国家相比，其就业结构的变动往往更滞后于产业结构变动。徐波[15]和王阳[16]等通过理论分析和实证推演，指出中国就业结构的调整滞后于产业结构升级，验证了上述观点。产业结构与就业结构是经济结构调整过程中的“一体两翼”，二者的协调发展是实现经济高质量发展的重要推动力量。国内学者对产业结构与就业结构的关系及时空演进进行了大量研究：一方面，徐向龙[17]、王姝[18]和陈冲等[19]以某省份或某地区为例，以局部概念探究产业结构变动对就业结构的影响。另一方面，有学者以某一特定对象为切入点，利用全国数据，对二者关系进行探究，如李鹏[20]以人工智能为切入点，认为人工智能在促进产业结构升级的过程中，推动了就业层级跃迁；
李敏等[21]以平台经济作为切入点，验证了产业结构升级在平台经济发展和就业质量提升之间的中介效应；
姚旭兵等[22]以成渝地区双城经济圈为例，验证了受教育程度越高，对产业结构升级的促进作用越明显。

国内外学者针对人工智能技术对就业的影响、人工智能技术对产业结构的影响以及产业结构与就业结构之间的关系等进行了大量研究，研究成果丰硕，为本研究的顺利开展奠定了坚实的理论基础，但仍有待拓展的空间。第一，现有研究多从宏观层面揭示人工智能对就业总量的影响，较少有研究分析人工智能影响就业结构的作用机制问题。第二，缺少从新视角阐述人工智能对就业结构的影响，鲜有研究从产业结构升级的角度，探究人工智能对制造业就业结构的影响。基于此，利用2011—2019年中国30个省市自治区的面板数据，实证考察人工智能对制造业就业结构的影响，并纳入产业结构高级化和产业结构合理化两个中介变量，构建人工智能—产业结构升级—就业结构的中介效应模型，探究人工智能对不同类型的技能劳动力作用效果如何？能否通过产业结构升级促进制造业就业结构高级化？以上问题的回答，可为如何推进人工智能与制造业深度融合并保持制造业就业市场的稳定提供针对性对策。

（一）人工智能与制造业就业结构

人工智能技术与制造业深度融合最直接的表现为：以智能化装备赋能生产、管理等领域，实现精准品质把控、劳动力替代以及原材料、生产设备等要素的合理高效配置。在此过程中，劳动力的技能和知识素养随着高技术智能化设备的使用逐步提升，而这一变动势必会对制造业就业结构产生两方面的影响：一方面，对制造业低技术部门而言，人工智能的应用使制造业的生产方式发生变革，智能化设备在企业生产加工过程中的应用使其摆脱了依靠人工的生产模式。因此，处于劳动密集型制造业部门的低技术含量的工作岗位会更易被人工智能替代。另一方面，对制造业高技术部门而言，人工智能技术与传统制造业的交叉融合推动产业转型升级，表现为高技术部门在制造业行业中所占比重不断提升，并逐渐实现扩容增产，这一过程将涌出大量新的就业岗位，尤其对拥有大数据分析、互联网开发等知识背景，熟悉行业业务流程的复合型人才的需求将尤为迫切，劳动力将不断转移至制造业高技术部门。同时，劳动力自身学习积极性提高，最终使就业结构整体呈现高级化趋势。值得注意的是，就人工智能对中等技能劳动力的影响而言，学者们并未得到一致结论。Graetz等[23]、吕洁等[24]认为人工智能对中等技能劳动力的影响与高技能劳动力一致，需求会增加，从而使劳动力就业结构不断迈向高级化；
张于喆[25]则强调人工智能对中等技能劳动力的影响与低技能劳动力一致，存在较大替代效应，进而导致需求下降。基于上述分析，本文提出假设H1：

H1：人工智能技术会通过抑制低技能劳动力就业，促进高技能劳动力就业，使制造业呈现就业结构高级化趋势。

（二）产业结构升级的中介效应

人工智能的广泛应用是产业结构升级的核心驱动力。一方面，人工智能与传统产业深度融合，助力产业智能化和数字化，实现各产业部门的提质增效，推动三大产业不断由劳动密集型向资本密集型，再向知识技术密集型演进，实现资源要素在三次产业中的合理配置，从而促进产业结构升级[26]；
另一方面，人工智能应用于制造业，会显著提升制造业生产效率，促进制造业相关部门的扩张，带动与其具有互补关系的、处在同一产业链中的服务业的发展，从而推动产业结构向高级化迈进，促进产业结构升级[2]。而产业结构的升级会对劳动力就业结构产生影响，具体而言，人工智能的渗透模糊了产业之间的边界，其与产业间的融合尤其是与传统产业的深度融合促使新兴产业不断涌现。新兴产业延伸出的工作岗位往往要求劳动者具备更高的技能与知识储备，为适配新兴工作岗位，劳动力会加强自身知识素养，掌握先进技能，从而优化就业结构。据估算，“十四五”时期，我国制造业总体就业量将减少1 540万人，其中有804万的就业者转向服务业，所占比重已超50%[27]。由此得知，伴随着产业结构升级，人工智能所替代的低技能劳动力会很大概率地转向服务业就业[28]，而剩余未被取代的制造业劳动力的工资水平会得到一定程度的提升，这也会进一步强化制造业就业结构高级化趋势。简言之，伴随着产业结构不断迈向高级化，就业结构通常也会呈现高级化特征[29]。基于以上分析，本文提出假设H2：

H2：人工智能通过推动产业结构升级促进制造业就业结构高级化。

（一）指标选取

1．被解释变量：制造业就业结构

关于就业结构的衡量，现有研究中的划分标准主要有两种方式：一是按照工作性质来划分劳动力，如韩民春[2]用企业研发人员表示高技能劳动力，用制造业就业总量与研发人员数之差表示低技能劳动力；
二是根据受教育程度来划分劳动力。基于数据的可获得性，本文借鉴陈晓[27]等多数学者的做法，采用不同受教育程度就业人员占比来衡量制造业从业人员的就业结构。将制造业行业中，初中及以下学历、高中学历（2015年及以后包含中等职业教育）、大学专科及其以上（2015 年及以后包含高等职业教育）学历的就业人员分别划分为低技能、中等技能、高技能劳动力。

2．解释变量：人工智能发展水平

人工智能发展水平的测度在学界并未形成统一的衡量标准。部分学者借鉴了Borland等[30]的做法，以“信息传输、计算机服务和软件业全社会固定资产投资”测度人工智能的发展水平；
还有一部分学者，如康茜等[31]、韩民春等[2]借鉴Acemoglu等[32]的研究方法，使用工业机器人的安装密度或渗透度衡量人工智能发展水平。借鉴后者的衡量方法，本研究以机器人安装度来反映人工智能发展水平。

工业机器人的数据源自国际机器人联合会（IFR）的报告。IFR公布了历年来各个国家行业层面的工业机器人安装量和保有量，但本文需要我国省级层面制造业机器人安装密度的数据，为使二者匹配，将IFR所统计的中国行业分类与各省份统计年鉴的行业分类加以对照，进而反映人工智能发展水平。具体公式：

3. 中介变量

产业结构升级包含产业结构合理化和产业结构高级化两方面。产业结构合理化既反映产业间的协调程度也反映资源有效利用的程度[33]，采用泰尔指数作为产业结构合理化指数；
产业结构高极化是指产业结构在演变的过程中，三次产业比重沿第一、二、三产业不断增加，采用第三产业产值与第二产业产值之比（记为）作为产业结构高级化指数的度量。具体公式分别为：

其中，表示产业数量，Y表示产业产值，L表示产业从业人员数量，表示总产值，表示总就业人数。

4. 主要控制变量

影响制造业就业结构的因素很多，为降低因遗漏重要变量导致的内生性，本文借鉴韩民春等[34]的做法引入经济发展水平（）、城镇化水平（）、技术创新能力（）作为制造业就业结构的控制变量，变量的具体定义详见表1。

表1 变量及测量方式

（二）数据来源与描述性统计

选取2011—2019年中国30个省份（市、自治区、直辖市）的数据作为研究样本进行实证分析。其中，工业机器人的数据源自国际机器人联合会IFR，高、中、低技能劳动力的相关数据源自《中国劳动统计年鉴》，其余相关数据均来自《中国统计年鉴》和各省份统计年鉴。对于缺失的个别数据，本文采用插值法补齐。变量的描述性统计如表2所示。

表2 变量的描述性统计

（三）模型设定

根据上述分析，本文基于产业结构升级的视角，实证探究人工智能发展水平对制造业就业结构的影响，故在分析中介效应前，构建如下基本计量模型：

上述模型（4）（5）（6）分别表示人工智能应用水平对低、中、高技能水平劳动力的影响。其中，表示省份，表示年份，被解释变量包含三个部分：表示制造业低技能劳动力就业比重，表示制造业中等技能劳动力就业比重，表示制造业高技能劳动力就业比重。核心解释变量是工业机器人安装密度，代表人工智能应用水平。表示经济发展水平，表示技术创新能力，均为控制变量，表示随机误差项。为消除可能存在的异方差，将、变量进行对数化处理。

（一）基准回归结果分析

首先，实证分析我国30个省市区人工智能应用对制造业低技能劳动力就业、中等技能劳动力就业以及高技能劳动力就业的影响。表3中（1）（2）（3）列分别展示了人工智能对我国各省市区制造业低、中及高技能劳动力就业的回归结果。

表3 基准回归结果

注：***、 **、 *分别表示通过了1%、5%、10%水平的显著性检验；
括号里的数值为估计系数对应的稳健标准误，下表同

第（1）列中，人工智能应用水平的系数（）显著为负，表明在我国各省份地区中，人工智能的应用对制造业低技能劳动力就业有显著的负面影响；
第（3）列中，人工智能应用水平的系数（）显著为正，意味着人工智能的应用对制造业高技能劳动力就业有显著的正面促进作用；
但在（2）列中，人工智能应用水平的系数（）为正，系数极小且不显著，表明人工智能的应用对制造业中等技能劳动力就业的影响效果并不显著。以上分析结果表明，人工智能的应用并未导致我国制造业就业结构趋于“就业两极化”的现象，而是呈现就业技能结构高级化的趋势，假设H1得到验证。该结论与吕洁[24]，陈晓等[27]实证分析的结论一致。造成该结果的原因可能有以下几点：第一，随着制造业与人工智能的深度融合，生产过程逐渐自动智能化，一些传统的、技能水平较低的岗位可能会被替代，从而减少了低技能劳动力的需求，一定程度上形成了“机器换人”的局面；
第二，制造业作为人工智能最具潜力、应用最广泛的应用场景，二者融合催生出大量新业态、新模式，由此产生的新型岗位亟需大量高技能劳动力，进而提升制造业高技能劳动力就业所占比重。

就控制变量而言，经济发展水平与制造业低技能劳动力的就业呈反方向变动，但与中等技能劳动力和高等技能劳动力的就业呈同向变动。这一结论与制造业就业现状基本一致：某一地区的经济发展水平往往代表着新兴技术的应用广泛度，随着人工智能等新技术在制造业的应用，催生出大量新兴工作岗位，吸引大批高技能复合型人才，制造业平均工资水平提升，而低技能劳动力由于自身禀赋有限，无法适应这一转变，更愿从制造业转向服务业进行再就业。技术创新能力和城镇化水平对制造业低技能劳动力就业产生了显著的负面影响，对中等技能劳动力就业的影响并不显著，但却显著促进了高技能劳动力就业。

（二）产业结构升级的中介效应分析

由基准回归结果可知，人工智能的应用通过降低低技能劳动力就业和促进高技能劳动力就业，从而使制造业就业结构呈现高级化趋势。为进一步探究人工智能影响制造业就业结构高级化过程中产业结构升级所起的“桥梁”作用，本文借鉴温忠麟等[35]的中介效应模型检验，中介变量产业结构升级以产业结构合理化（）和产业结构高级化（）度量。具体模型如下：

如果人工智能的应用可以通过产业结构高级化影响制造业就业结构，那么模型（7）中系数1和模型（8）中系数2应是显著的。同理，该逻辑分析也适用于产业结构合理化。

表4显示，人工智能对产业结构高级化的估计系数在5%的水平上显著为正，系数为0.021，表明人工智能会促进产业结构高级化，这与李颖等[36]的结论一致。从模型（8）明显看出，人工智能应用水平和产业结构高级化对制造业高技能劳动力就业的影响系数均显著为正，综合模型（3）（7）（8）的结果表明：人工智能可以通过产业结构高级化增加对制造业高技能劳动力的需求，进而促进制造业就业高级化。具体而言，人工智能应用水平每提高1个单位，高技能劳动力就业直接增加0.138个单位，同时促使产业结构高级化增加0.021个单位，从而导致高技能劳动力就业间接增加0.092 1（0.021´4.388），中介效应占总效应的40.2%。模型（10）为人工智能应用水平对产业结构合理化影响的回归结果，其人工智能应用水平的估计系数1并不显著。模型（11）是我国人工智能应用水平、产业结构合理化对高技能劳动力就业影响的回归结果，其中人工智能应用水平对制造业高技能劳动力就业的直接效应为系数1，在1%的水平上显著，但产业结构合理化的影响系数2并不显著，根据中介效应可知，需要进行Bootstrap检验，检验结果如表5所示，可以看到Bootstrap中95%的置信区间中包含0，即中介效应不存在。

表4 高技能劳动力中介效应模型回归结果

表5 Bootstrap检验结果

注：Bootstrap的重复次数为500次，下同

表6是产业结构高级化和产业结构合理化在人工智能应用水平与制造业低技能劳动力就业之间的中介效应回归结果。综合模型（1）（7）（9）表明：人工智能促进产业结构高级化，但产业结构高级化会显著抑制制造业低技能劳动力的需求。模型（10）为人工智能应用水平对产业结构合理化影响的回归结果，其人工智能应用水平的估计系数1并不显著。模型（12）是我国人工智能应用水平、产业结构合理化对低技能劳动力就业影响的回归结果，其中人工智能应用水平对制造业低技能劳动力就业的直接效应为系数1，在5%水平上显著，但产业结构合理化的影响系数2并不显著，根据中介效应可知，需要进行Bootstrap检验，检验结果如表7所示，可以看到Bootstrap中95%的置信区间中包含0，即中介效应不存在。

表6 低技能劳动力中介效应模型回归结果

表7 Bootstrap检验结果

经分析，产业结构高级化在人工智能与制造业就业结构高级化之间存在中介效应，即人工智能可以通过产业结构高级化促进制造业高技能劳动力就业，抑制低技能劳动力就业，使制造业整体就业呈现高级化趋势，假设H2成立。而产业结构合理化在人工智能应用水平与制造业劳动力就业之间并不存在中介效应。

为验证上述回归结果的可靠性，本文拟通过替换被解释变量的方式对以上结论进行稳健性检验。参照喻美辞等[37]的做法，根据工作性质划分劳动力，用企业研发人员作为高技能劳动力的替代指标，得到产业结构升级中介效应的回归结果，如表8所示。产业结构高级化在人工智能与制造业就业结构高级化存在中介效应，但产业结构合理化在二者之间不存在中介效应，该结果与前文结论一致，故本文主要结论依旧稳健。

表8 产业结构高级化中介效应的稳健性回归结果

基于我国2011—2019年30个省市自治区的面板数据，探究人工智能应用对制造业就业结构的影响；
再以产业结构为中介变量，运用中介效应模型实证考察人工智能对制造业就业结构影响的作用路径。本文的主要研究结论如下：第一，由基准实证模型可知，人工智能对制造业高技能劳动力就业有显著的促进作用，对低技能劳动力就业有显著的抑制作用，表明人工智能在制造业中的广泛应用使制造业就业结构呈现高级化趋势。第二，产业结构高级化在人工智能与制造业就业结构高级化之间存在中介效应，而产业结构合理化在二者之间不存在中介效应，即人工智能对制造业就业结构高级化的影响是通过产业结构高级化来发挥作用的。根据上述结论，本文提出以下对策建议：

（一）做好托底保障，缓冲人工智能可能产生的负面影响

一方面，政府应审时度势出台和完善相应社会保障和就业扶持制度，为受到冲击的失业人员提供兜底政策；
健全岗位技能培训制度，对重点人群进行精准帮扶，大力支持职工进行转岗培训、在岗培训等活动，防止因大规模就业替代或结构调整导致规模性失业。另一方面，政府和企业要引导劳动力就业者发挥主观能动性，打破一技定终身的传统观念，积极主动学习新知识、新技能以适应不断变化的技能要求。

（二）加快构建“人工智能+制造业”高技能复合型人才培养体系

充分发挥职业技术教育的作用，鼓励高校开展高技能复合型人才的培养，设立校企联合培养项目，依托产教融合方式，培养能够满足制造业转型升级所需的高技术人才，为制造业高质量发展输送高层次后备军；
同时，鼓励相关企业加快建立技能转岗培训机制，完善人力资源培养体系，提升劳动者技能素质与制造业企业岗位需求的适配性。

（三）多措并举助力产业结构与就业结构协同演进

一方面，强化各部门间的政策联动和协调配合，构建产业工人培训体系，探索不同行业间的转岗机制，化解因受人工智能冲击出现的低技能劳动者结构性失业难题；
另一方面，产业结构与就业结构的协同演进离不开高技能人才支撑，各地区应根据自身实际发展情况，制定高技能人才引进政策，打破劳动力跨区域流动壁垒，构建人才教育培训联盟，实现人力资源由“量”到“质”的转变，最大限度释放现有人力资本红利，进而促进产业结构与就业结构的协调发展。

[1] Frey C B, Osborne M A. The Future of Employment：How Susceptible are Jobs to Computerisation? [J]. Technological Fore-casting and Social Change，2017(114)：254-280.

[2] 韩民春，乔刚.工业机器人对制造业劳动力就业的结构性影响与地区差异[J].产经评论，2020，11（3）：49-63.

[3] 段海英，郭元元.人工智能的就业效应述评[J].经济体制改革，2018（3）：187-193.

[4] 蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究， 2019（5）：3-22.

[5] 郝楠.劳动力就业“极化”趋势与机制的文献综述：基于技能结构的动态视角[J].兰州财经大学学报，2017（2）：87-95.

[6] 朱巧玲，李敏.人工智能、技术进步与劳动力结构优化对策研究[J].科技进步与对策，2018，35（6）：36-41.

[7] 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（5）：61-79.

[8] 谢萌萌，夏炎，潘教峰，等.人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究[J].中国管理科学，2020（12）：54-66.

[9] 郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019（7）：60-77+202-203.

[10] 吕荣杰，杨蕾，张义明.人工智能、产业升级与人力资本的关系研究——基于省际面板的PVAR模型分析[J].管理现代化，2021（1）：26-31.

[11] 韦东明，顾乃华，韩永辉.人工智能推动了产业结构转型升级吗——基于中国工业机器人数据的实证检验[J].财经科学，2021（10）：70-83.

[12] Aghion, P. ,B. F. Jones and C. I. Jones,2017,”Artificial Intelligence and Economic Growth”, Working Paper.

[13] 威廉•配第.政治算术[M]．北京：中国社会科学出版社，2010.

[14] H•钱纳里，赛尔奎因.工业化和经济增长的比较研究[M]．上海：上海人民出版社，1995：134-137.

[15] 徐波，汪波，朱琳.我国产业结构与就业结构演进及动态测度[J].统计与决策，2019（18）：121-125.

[16] 王阳，赵海珠.就业结构与产业结构失衡问题研究[J].中国人口科学，2022（2）：74-85+127.

[17] 徐向龙.广东省产业结构与就业结构演进特征与互动效率研究[J].学术研究，2009（5）：90-96.

[18] 王姝，管超，张荣.陕西省产业结构与就业结构演进分析[J].改革与开放，2011（10）：117+128.

[19] 陈冲，吴炜聪.制造业产业升级对就业数量的影响研究——基于西部地区26个子行业的实证检验[J].西北人口，2019（5）：104-116.

[20] 李鹏.人工智能推动产业结构升级和就业层级跃迁[J].金融博览，2019（8）：44-45.

[21] 李敏，吴丽兰，吴晓霜.平台经济发展对就业质量的影响研究——产业结构升级的中介效应[J].工业技术经济，2021（10）：62-69.

[22] 姚旭兵，邓晓霞，陈鸣.高等教育对成渝城市群产业结构升级的影响研究——基于门槛模型的实证分析[J].重庆三峡学院学报，2022（5）：24-35.

[23] Graetz, G．, Michaels, G．Robots at Work[J]．Review of Economics and Statistics,2018（5）: 753-768．

[24] 吕洁，杜传文，李元旭.工业机器人应用会倒逼一国制造业劳动力结构转型吗?——基于1990—2015年间22个国家的经验分析[J].科技管理研究，2017（22）：32-41.

[25] 张于喆.人工智能、机器人的就业效应及对策建议[J].科学管理研究，2019（1）：43-45+109.

[26] 赵春明，李震，李宏兵，等.机器换人：工业机器人使用与区域劳动力市场调整[J].社会科学文摘，2021（1）：53-55.

[27] 陈晓，郑玉璐，姚笛.工业智能化、劳动力就业结构与经济增长质量——基于中介效应模型的实证检验[J].华东经济管理，2020（10）：56-64.

[28] 荣晨.推动制造业高质量发展须把“稳就业”放在突出位置——兼析新一轮科技革命进程中的就业结构变化[J].价格理论与实践，2021（2）：25-29.

[29] 于晗.产业结构与就业结构演进趋势及预测[J].财经问题研究，2015（6）：26-31.

[30] Borland, J. Coelli, M．Are Robots Taking Our Jobs?[J]. Australian Economic Review,2017，50(4):377-397.

[31] 康茜，林光华.工业机器人对就业的影响机制——产业结构高级化还是合理化?[J].软科学，2021（4）：20-27.

[32] Acemoglu D, Restrepo P. Robots and Jobs: Evidence from US Labor Markets[J]．Journal of Political Economics,2020,128(6):2188-2244．

[33] 干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：4-16+31.

[34] 韩民春，赵一帆.工业机器人对中国制造业的就业效应[J].工业技术经济，2019（11）：3-12.

[35] 温忠麟，叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展，2014（5）：731-745.

[36] 李颖，李浩宁.人工智能发展对天津制造业产业结构高级化的影响研究[J].天津商业大学学报，2021（3）：20-27+35.

[37] 喻美辞，熊启泉.中间产品进口、技术溢出与中国制造业的工资不平等[J].经济学动态，2012（3）：55-62.

Does Artificial Intelligence Promote the Advanced Employment Structure of Manufacturing? Analysis Based on the Mediation Effect of Industrial Structure Upgrading

LI Panyi SHI Liangyu

While artificial intelligence is promoting the transformation and upgrading of the manufacturing industry, it will also profoundly affect the employment of the manufacturing industry. The impact on the employment structure of the manufacturing industry requires further research. Based on the panel data of 30 provinces, municipalities and autonomous regions in China during 2011—2019, an econometric model is constructed to explore the impact of artificial intelligence on the employment of labor with different skills in the manufacturing industry, and then the transmission mechanism between artificial intelligence and manufacturing employment structure is tested through the intermediary effect model. The research shows that artificial intelligence can significantly promote the employment of high-skilled labor in the manufacturing industry, and significantly inhibit the employment of low-skilled labor, making the employment structure of the manufacturing labor force present an advanced trend. The advanced industrial structure has an intermediary effect between artificial intelligence and the advanced employment structure of manufacturing industry, while the rational industrial structure has no intermediary effect between artificial intelligence and the advanced employment structure of manufacturing industry.

artificial intelligence; manufacturing industry; employment structure; industrial structure; intermediary effect

F407

A

1009-8135（2023）01-0072-15

李攀艺（1980—），女，重庆人，教授，博士，主要研究劳动经济及人力资源管理；

史良玉（1998—），女，硕士研究生，主要研究区域经济与产业发展。

重庆市教委人文社科研究项目“人工智能对重庆市制造业就业的影响效应及对策研究”（21SKGH183）；
重庆理工大学研究生创新项目“人工智能对制造业就业结构的影响研究”（gzlcx20223262）。

（责任编辑：张新玲）

推荐访问:人工智能 产业结构 制造业