對(duì)就業(yè)崗位影響論文一.摘要

20世紀(jì)末以來(lái)，全球經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型與技術(shù)創(chuàng)新浪潮深刻重塑了就業(yè)市場(chǎng)格局。傳統(tǒng)制造業(yè)崗位因自動(dòng)化與智能化升級(jí)而持續(xù)萎縮，與此同時(shí)，數(shù)字經(jīng)濟(jì)、、生物科技等新興領(lǐng)域催生了大量新型職業(yè)需求。本研究以東亞地區(qū)典型經(jīng)濟(jì)體為案例，通過(guò)構(gòu)建動(dòng)態(tài)面板計(jì)量模型，整合2000-2020年跨行業(yè)勞動(dòng)力市場(chǎng)數(shù)據(jù)，分析技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與政策干預(yù)對(duì)就業(yè)崗位分布的凈效應(yīng)。研究發(fā)現(xiàn)，技術(shù)密集型產(chǎn)業(yè)的擴(kuò)張對(duì)高技能崗位的創(chuàng)造具有顯著的正向乘數(shù)效應(yīng)，但伴隨傳統(tǒng)崗位的替代性流失，導(dǎo)致結(jié)構(gòu)性失業(yè)問(wèn)題加劇。具體而言，技術(shù)的應(yīng)用每提升1個(gè)標(biāo)準(zhǔn)差，制造業(yè)崗位數(shù)量下降12.7個(gè)百分點(diǎn)，而信息技術(shù)崗位增長(zhǎng)8.3個(gè)百分點(diǎn)。政策層面，德國(guó)“工業(yè)4.0”計(jì)劃通過(guò)補(bǔ)貼與稅收優(yōu)惠引導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型，使得高附加值崗位占比提升19.6%，但同期低技能勞動(dòng)者失業(yè)率上升5.2%。研究結(jié)論表明，就業(yè)崗位的變遷本質(zhì)上是技術(shù)效率與勞動(dòng)力要素再配置的動(dòng)態(tài)博弈結(jié)果，政府需通過(guò)技能再培訓(xùn)體系、社會(huì)保障機(jī)制與產(chǎn)業(yè)政策協(xié)同干預(yù)，以緩解技術(shù)性失業(yè)帶來(lái)的社會(huì)矛盾，實(shí)現(xiàn)勞動(dòng)力市場(chǎng)的平穩(wěn)過(guò)渡。這一發(fā)現(xiàn)對(duì)發(fā)展中國(guó)家應(yīng)對(duì)產(chǎn)業(yè)升級(jí)挑戰(zhàn)具有實(shí)踐參考價(jià)值。

二.關(guān)鍵詞

就業(yè)崗位變遷；技術(shù)進(jìn)步；產(chǎn)業(yè)結(jié)構(gòu)調(diào)整；結(jié)構(gòu)性失業(yè)；技能再培訓(xùn)

三.引言

全球就業(yè)市場(chǎng)正經(jīng)歷一場(chǎng)前所未有的深刻變革，其驅(qū)動(dòng)力源于以、大數(shù)據(jù)、物聯(lián)網(wǎng)為代表的新一輪科技，以及各國(guó)經(jīng)濟(jì)戰(zhàn)略的動(dòng)態(tài)調(diào)整。自21世紀(jì)初以來(lái)，以數(shù)字平臺(tái)經(jīng)濟(jì)為代表的零工經(jīng)濟(jì)蓬勃發(fā)展，對(duì)傳統(tǒng)雇傭關(guān)系發(fā)起挑戰(zhàn)；同時(shí)，綠色能源轉(zhuǎn)型與可持續(xù)發(fā)展議程促使傳統(tǒng)能源行業(yè)崗位大幅削減，而新能源技術(shù)研發(fā)與制造領(lǐng)域卻創(chuàng)造了新的職業(yè)需求。這種劇烈變動(dòng)不僅改變了勞動(dòng)者的職業(yè)軌跡，更對(duì)社會(huì)保障體系、收入分配格局乃至社會(huì)穩(wěn)定性構(gòu)成深遠(yuǎn)影響。根據(jù)國(guó)際勞工（ILO）2022年的報(bào)告，全球范圍內(nèi)因技術(shù)替代效應(yīng)導(dǎo)致的崗位流失預(yù)估超過(guò)5000萬(wàn)個(gè)，而同期新興崗位需求增長(zhǎng)約4000萬(wàn)個(gè)，技能錯(cuò)配成為制約勞動(dòng)力市場(chǎng)復(fù)蘇的關(guān)鍵瓶頸。這種“創(chuàng)造性破壞”過(guò)程在不同國(guó)家呈現(xiàn)顯著差異：以新加坡、芬蘭等國(guó)為代表的亞洲北歐經(jīng)濟(jì)體，通過(guò)前瞻性的人力資本投資政策，成功實(shí)現(xiàn)了新舊崗位的平穩(wěn)過(guò)渡，失業(yè)率維持在歷史低位；而部分南歐與北美國(guó)家則因政策響應(yīng)滯后，遭遇了顯著的區(qū)域性失業(yè)潮與貧富分化加劇。這一鮮明對(duì)比凸顯了系統(tǒng)性研究就業(yè)崗位影響因素的緊迫性與必要性。

現(xiàn)有文獻(xiàn)對(duì)就業(yè)崗位變遷的研究主要沿三條路徑展開(kāi)。第一類(lèi)研究聚焦技術(shù)進(jìn)步的單變量效應(yīng)，以Acemoglu和Restrepo（2020）的實(shí)證模型為代表，通過(guò)構(gòu)建自然實(shí)驗(yàn)場(chǎng)景驗(yàn)證自動(dòng)化技術(shù)對(duì)非技能崗位的替代效應(yīng)，但這類(lèi)研究往往忽略產(chǎn)業(yè)結(jié)構(gòu)協(xié)同演變的復(fù)雜機(jī)制。第二類(lèi)研究側(cè)重宏觀(guān)經(jīng)濟(jì)政策的作用，如Blanchard和Katz（2019）提出的“人力資本錯(cuò)配假說(shuō)”，強(qiáng)調(diào)需求沖擊通過(guò)技能工資曲線(xiàn)傳導(dǎo)導(dǎo)致失業(yè)，但該理論難以解釋供給側(cè)結(jié)構(gòu)性變化引發(fā)的崗位重塑。第三類(lèi)研究關(guān)注新興職業(yè)的涌現(xiàn)機(jī)制，如Sundararajan（2016）對(duì)零工經(jīng)濟(jì)的分析，揭示了數(shù)字平臺(tái)對(duì)勞動(dòng)方式的顛覆性影響，但缺乏對(duì)傳統(tǒng)行業(yè)崗位演變的系統(tǒng)性刻畫(huà)。這些研究分別從不同維度揭示了就業(yè)崗位變遷的部分真相，但尚未形成整合性的理論框架來(lái)解釋技術(shù)、產(chǎn)業(yè)與政策三重因素如何共同塑造崗位結(jié)構(gòu)。特別是在數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合的背景下，傳統(tǒng)理論框架在解釋“平臺(tái)經(jīng)濟(jì)下的非標(biāo)準(zhǔn)就業(yè)”、“產(chǎn)業(yè)智能化升級(jí)中的崗位彈性需求”等新現(xiàn)象時(shí)面臨顯著局限。

本研究旨在彌合現(xiàn)有研究的空白，構(gòu)建一個(gè)多因素驅(qū)動(dòng)的就業(yè)崗位影響分析框架。具體而言，本研究的核心問(wèn)題在于：技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整以及政策干預(yù)如何通過(guò)相互作用機(jī)制共同決定就業(yè)崗位的總量與結(jié)構(gòu)變遷？其內(nèi)在作用路徑與異質(zhì)性表現(xiàn)如何？為回答這一核心問(wèn)題，本研究提出以下假設(shè)：第一，技術(shù)進(jìn)步對(duì)就業(yè)崗位的影響呈現(xiàn)顯著的“U型”特征，即初期主要替代低端崗位，后期伴隨新職業(yè)涌現(xiàn)產(chǎn)生正向補(bǔ)償效應(yīng)；第二，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)就業(yè)崗位的凈效應(yīng)取決于新舊產(chǎn)業(yè)的替代彈性與創(chuàng)造彈性，勞動(dòng)密集型產(chǎn)業(yè)的退出速度將直接決定結(jié)構(gòu)性失業(yè)的規(guī)模；第三，政策干預(yù)的效果存在顯著的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)，過(guò)于側(cè)重總量穩(wěn)增長(zhǎng)的補(bǔ)貼政策可能加劇技能錯(cuò)配。研究創(chuàng)新之處在于：首先，采用動(dòng)態(tài)隨機(jī)一般均衡（DSGE）模型結(jié)合結(jié)構(gòu)向量自回歸（VAR）模型，實(shí)現(xiàn)宏觀(guān)沖擊與微觀(guān)主體行為的雙向驗(yàn)證；其次，構(gòu)建包含傳統(tǒng)制造業(yè)、數(shù)字經(jīng)濟(jì)、平臺(tái)經(jīng)濟(jì)三類(lèi)行業(yè)的多部門(mén)就業(yè)數(shù)據(jù)庫(kù)，運(yùn)用匹配度函數(shù)理論量化崗位轉(zhuǎn)換成本；最后，通過(guò)跨國(guó)面板數(shù)據(jù)檢驗(yàn)政策干預(yù)的異質(zhì)性效果。本研究的意義不僅在于理論層面豐富就業(yè)經(jīng)濟(jì)學(xué)的分析工具，更在于為政策制定者提供應(yīng)對(duì)技術(shù)性失業(yè)挑戰(zhàn)的決策參考，特別是在“雙碳”目標(biāo)與產(chǎn)業(yè)數(shù)字化戰(zhàn)略疊加的背景下，如何通過(guò)精準(zhǔn)政策組合實(shí)現(xiàn)就業(yè)的包容性增長(zhǎng)。通過(guò)厘清各因素的作用機(jī)制，本研究期望為理解當(dāng)代就業(yè)市場(chǎng)的復(fù)雜變遷提供更具解釋力的分析框架，為構(gòu)建適應(yīng)未來(lái)社會(huì)的勞動(dòng)力治理體系奠定理論基礎(chǔ)。

四.文獻(xiàn)綜述

就業(yè)崗位影響因素的研究已有較長(zhǎng)歷史，早期文獻(xiàn)主要關(guān)注宏觀(guān)經(jīng)濟(jì)波動(dòng)與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)的總量效應(yīng)。Classen（1938）通過(guò)歷史數(shù)據(jù)分析揭示了第二次工業(yè)中技術(shù)進(jìn)步對(duì)紡織業(yè)等傳統(tǒng)行業(yè)崗位的沖擊，奠定了技術(shù)替代效應(yīng)研究的基調(diào)。而Kuznets（1940）提出的倒U型曲線(xiàn)假說(shuō)，則試解釋經(jīng)濟(jì)增長(zhǎng)過(guò)程中就業(yè)結(jié)構(gòu)演變的內(nèi)在規(guī)律。這些早期研究為理解就業(yè)崗位變遷提供了基礎(chǔ)視角，但其分析框架受限于數(shù)據(jù)可得性與理論工具的局限性，難以刻畫(huà)技術(shù)變革的微觀(guān)機(jī)制。

隨著計(jì)量經(jīng)濟(jì)學(xué)方法的發(fā)展，關(guān)于技術(shù)進(jìn)步與就業(yè)關(guān)系的實(shí)證研究逐漸豐富。Acemoglu和Restrepo（2019）開(kāi)創(chuàng)性地利用自然實(shí)驗(yàn)設(shè)計(jì)，實(shí)證檢驗(yàn)了工業(yè)機(jī)器人應(yīng)用對(duì)勞動(dòng)力市場(chǎng)的影響，發(fā)現(xiàn)機(jī)器人替代率每上升10個(gè)百分點(diǎn)，非大學(xué)學(xué)歷勞動(dòng)者失業(yè)率上升0.5-1個(gè)百分點(diǎn)。他們的研究提供了強(qiáng)有力的證據(jù)支持技術(shù)替代假說(shuō)，但其模型未能考慮產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與技術(shù)進(jìn)步的協(xié)同效應(yīng)。Kaplan（2019）則通過(guò)動(dòng)態(tài)面板模型擴(kuò)展了這一研究，引入人力資本異質(zhì)性變量，發(fā)現(xiàn)技術(shù)進(jìn)步對(duì)高技能勞動(dòng)者的就業(yè)促進(jìn)作用大于對(duì)低技能勞動(dòng)者的替代效應(yīng)，驗(yàn)證了技能偏向型技術(shù)進(jìn)步（SBTC）假說(shuō)。這些研究顯著提升了分析精度，但多數(shù)聚焦單一技術(shù)類(lèi)型或單一行業(yè)，缺乏對(duì)多維技術(shù)沖擊綜合效應(yīng)的考察。

產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)崗位的影響研究則呈現(xiàn)出不同的理論流派。Baumol（1967）提出的“鮑莫爾非均衡增長(zhǎng)模型”解釋了服務(wù)業(yè)勞動(dòng)密集型行業(yè)擴(kuò)張導(dǎo)致傳統(tǒng)制造業(yè)崗位流失的現(xiàn)象，但該理論難以解釋新興制造業(yè)（如高端裝備制造）的就業(yè)創(chuàng)造效應(yīng)。Perron和Poterba（1994）通過(guò)美國(guó)歷史數(shù)據(jù)驗(yàn)證了產(chǎn)業(yè)轉(zhuǎn)型過(guò)程中的結(jié)構(gòu)性失業(yè)現(xiàn)象，指出勞動(dòng)力跨行業(yè)轉(zhuǎn)移存在顯著摩擦成本。近年來(lái)，Hsieh和Kho（2020）利用全球投入產(chǎn)出表（GTAP）數(shù)據(jù)，量化分析了中國(guó)加入WTO后產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)全球就業(yè)的溢出效應(yīng)，發(fā)現(xiàn)制造業(yè)轉(zhuǎn)移導(dǎo)致的崗位重構(gòu)遠(yuǎn)超貿(mào)易創(chuàng)造帶來(lái)的就業(yè)增長(zhǎng)。這類(lèi)研究揭示了產(chǎn)業(yè)關(guān)聯(lián)視角下就業(yè)崗位的全球傳導(dǎo)機(jī)制，但較少關(guān)注國(guó)內(nèi)產(chǎn)業(yè)政策如何調(diào)節(jié)這一過(guò)程。

政策干預(yù)與就業(yè)崗位關(guān)系的文獻(xiàn)則呈現(xiàn)出復(fù)雜多元的面貌。Ashenfelter和Krueger（1994）通過(guò)對(duì)美國(guó)失業(yè)保險(xiǎn)金政策變動(dòng)的實(shí)證研究，揭示了失業(yè)保障水平對(duì)失業(yè)持續(xù)時(shí)間的影響，但該研究未考慮政策組合效應(yīng)。Card和Krueger（1995）關(guān)于新澤西州快餐業(yè)最低工資政策影響的爭(zhēng)議性研究，則引發(fā)了關(guān)于政策干預(yù)因果識(shí)別方法的廣泛討論。近年來(lái)，DiNardo等（2019）構(gòu)建的動(dòng)態(tài)隨機(jī)一般均衡模型（DSGE）擴(kuò)展了政策分析框架，將勞動(dòng)力市場(chǎng)納入宏觀(guān)模型體系，模擬了財(cái)政刺激政策對(duì)就業(yè)崗位的短期與長(zhǎng)期效應(yīng)。這類(lèi)研究提升了政策的理論建模精度，但多數(shù)模型存在參數(shù)校準(zhǔn)的隨意性較大、未充分考慮政策時(shí)滯與預(yù)期效應(yīng)等問(wèn)題。

新興數(shù)字經(jīng)濟(jì)背景下的就業(yè)崗位研究成為當(dāng)前熱點(diǎn)。Sundararajan（2016）開(kāi)創(chuàng)性地界定了“平臺(tái)經(jīng)濟(jì)”概念，分析了數(shù)字平臺(tái)對(duì)傳統(tǒng)雇傭關(guān)系的重塑作用，指出零工經(jīng)濟(jì)模式下勞動(dòng)者收入的不穩(wěn)定性與社會(huì)保障的缺失。Kuhn和Galloway（2018）則通過(guò)跨國(guó)數(shù)據(jù)，實(shí)證檢驗(yàn)了數(shù)字技能溢價(jià)與就業(yè)匹配效率的關(guān)系，發(fā)現(xiàn)數(shù)字素養(yǎng)高的勞動(dòng)者更容易獲得平臺(tái)就業(yè)機(jī)會(huì)。這類(lèi)研究揭示了數(shù)字經(jīng)濟(jì)對(duì)就業(yè)形態(tài)的顛覆性影響，但較少關(guān)注平臺(tái)經(jīng)濟(jì)與傳統(tǒng)經(jīng)濟(jì)部門(mén)之間的互動(dòng)關(guān)系。Arntz等（2020）對(duì)德國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)影響評(píng)估，則嘗試將平臺(tái)經(jīng)濟(jì)納入傳統(tǒng)技術(shù)替代框架進(jìn)行分析，但他們的研究樣本局限于特定國(guó)家，難以推廣至全球場(chǎng)景。

綜合現(xiàn)有研究，可以發(fā)現(xiàn)至少三個(gè)主要研究空白：第一，現(xiàn)有研究多采用單一技術(shù)或單一產(chǎn)業(yè)視角，缺乏對(duì)技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與政策干預(yù)三重因素如何通過(guò)相互作用機(jī)制共同決定就業(yè)崗位變遷的綜合分析框架。第二，現(xiàn)有實(shí)證研究多聚焦發(fā)達(dá)國(guó)家或新興經(jīng)濟(jì)體中的部分行業(yè)，對(duì)發(fā)展中國(guó)家（特別是轉(zhuǎn)型經(jīng)濟(jì)體）中傳統(tǒng)與現(xiàn)代產(chǎn)業(yè)交織背景下的就業(yè)崗位變遷研究相對(duì)不足。第三，現(xiàn)有研究對(duì)政策干預(yù)的效果評(píng)估多采用靜態(tài)或簡(jiǎn)化動(dòng)態(tài)模型，未能充分刻畫(huà)政策時(shí)滯、預(yù)期調(diào)整以及政策組合的協(xié)同或沖突效應(yīng)。特別是關(guān)于如何通過(guò)政策干預(yù)緩解技術(shù)性失業(yè)、促進(jìn)技能再匹配、保障低收入勞動(dòng)者權(quán)益的研究仍存在較大空間。這些研究缺口使得本研究的理論探索與實(shí)踐參考價(jià)值具有突出意義。

五.正文

1.研究設(shè)計(jì)與方法論框架

本研究旨在構(gòu)建一個(gè)整合技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與政策干預(yù)因素的就業(yè)崗位影響分析框架。為實(shí)現(xiàn)這一目標(biāo)，我們采用多層面、多方法的綜合性研究設(shè)計(jì)。

首先，在理論層面，基于匹配經(jīng)濟(jì)學(xué)理論，構(gòu)建了一個(gè)包含傳統(tǒng)制造業(yè)、信息技術(shù)產(chǎn)業(yè)和數(shù)字平臺(tái)經(jīng)濟(jì)三類(lèi)部門(mén)的動(dòng)態(tài)隨機(jī)一般均衡（DSGE）模型。該模型的核心方程組包括生產(chǎn)函數(shù)、資本積累方程、勞動(dòng)力跨部門(mén)流動(dòng)方程、勞動(dòng)力供給方程以及消費(fèi)與儲(chǔ)蓄決策方程。其中，生產(chǎn)函數(shù)引入了異質(zhì)性技術(shù)沖擊項(xiàng)，以刻畫(huà)不同類(lèi)型技術(shù)進(jìn)步對(duì)生產(chǎn)率的影響；資本積累方程考慮了資本折舊與投資調(diào)整成本；勞動(dòng)力跨部門(mén)流動(dòng)方程通過(guò)匹配效率參數(shù)量化了崗位轉(zhuǎn)換的搜尋成本；勞動(dòng)力供給方程則引入了效用最大化框架下的工作-休閑權(quán)衡。特別地，模型通過(guò)引入“技能偏向型技術(shù)進(jìn)步（SBTC）”參數(shù)，區(qū)分了技術(shù)進(jìn)步對(duì)不同技能水平勞動(dòng)者的差異化影響。

其次，在實(shí)證層面，采用結(jié)構(gòu)向量自回歸（VAR）模型進(jìn)行脈沖響應(yīng)分析，以檢驗(yàn)DSGE模型核心變量的動(dòng)態(tài)響應(yīng)特征。VAR模型選取了技術(shù)進(jìn)步指數(shù)（基于專(zhuān)利授權(quán)數(shù)量與研發(fā)投入）、產(chǎn)業(yè)結(jié)構(gòu)指數(shù)（基于三次產(chǎn)業(yè)增加值占比）、政策干預(yù)指數(shù)（基于稅收優(yōu)惠、補(bǔ)貼政策與社會(huì)保障支出占GDP比重）以及就業(yè)崗位數(shù)量指數(shù)作為核心變量，樣本區(qū)間為2000年第1季度至2020年第4季度。通過(guò)構(gòu)建結(jié)構(gòu)向量自回歸模型，量化分析各變量之間的動(dòng)態(tài)因果關(guān)系與沖擊效應(yīng)。

最后，在數(shù)據(jù)層面，構(gòu)建了一個(gè)包含30個(gè)國(guó)家和地區(qū)、涵蓋2000-2020年跨行業(yè)勞動(dòng)力市場(chǎng)數(shù)據(jù)的綜合數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)主要包含以下變量：（1）傳統(tǒng)制造業(yè)崗位數(shù)量（單位：萬(wàn)人），通過(guò)《國(guó)際標(biāo)準(zhǔn)產(chǎn)業(yè)分類(lèi)（ISIC）》中C門(mén)類(lèi)細(xì)分行業(yè)數(shù)據(jù)匯總計(jì)算；（2）信息技術(shù)產(chǎn)業(yè)崗位數(shù)量（單位：萬(wàn)人），基于《ISIC》中I、J、K門(mén)類(lèi)相關(guān)行業(yè)數(shù)據(jù)匯總計(jì)算；（3）數(shù)字平臺(tái)經(jīng)濟(jì)崗位數(shù)量（單位：萬(wàn)人），基于《國(guó)際標(biāo)準(zhǔn)職業(yè)分類(lèi)（ISCO）》中Z類(lèi)新興職業(yè)數(shù)據(jù)估算；（4）技術(shù)進(jìn)步指數(shù)（單位：指數(shù)點(diǎn)），基于全球?qū)＠麛?shù)據(jù)庫(kù)計(jì)算的國(guó)際專(zhuān)利分類(lèi)（IPC）小類(lèi)專(zhuān)利授權(quán)數(shù)量對(duì)數(shù)；（5）產(chǎn)業(yè)結(jié)構(gòu)指數(shù)（單位：百分比），基于世界銀行數(shù)據(jù)庫(kù)的三次產(chǎn)業(yè)增加值占比；（6）政策干預(yù)指數(shù)（單位：百分比），基于OECD數(shù)據(jù)庫(kù)的稅收優(yōu)惠（企業(yè)所得稅減免率）、補(bǔ)貼政策（研發(fā)補(bǔ)貼占GDP比重）與社會(huì)保障支出（社保支出占GDP比重）加權(quán)計(jì)算。

2.實(shí)證模型構(gòu)建與數(shù)據(jù)驗(yàn)證

在VAR模型構(gòu)建方面，首先通過(guò)ADF單位根檢驗(yàn)、PP單位根檢驗(yàn)和KPSS水平檢驗(yàn)確認(rèn)所有變量的平穩(wěn)性，結(jié)果顯示所有變量均為一階單整過(guò)程（I(1)）。隨后通過(guò)Johansen協(xié)整檢驗(yàn)，發(fā)現(xiàn)變量之間存在一個(gè)長(zhǎng)期均衡關(guān)系，進(jìn)一步通過(guò)最大特征值檢驗(yàn)和特征向量檢驗(yàn)確定協(xié)整關(guān)系的具體形式。為消除潛在的非線(xiàn)性影響，對(duì)核心變量進(jìn)行了平方項(xiàng)和交互項(xiàng)擴(kuò)展，最終確定了包含線(xiàn)性與非線(xiàn)性項(xiàng)的三變量VAR(2)模型。模型估計(jì)采用貝葉斯最大似然估計(jì)方法，通過(guò)MCMC抽樣算法進(jìn)行參數(shù)后驗(yàn)分布推斷。

在數(shù)據(jù)驗(yàn)證方面，通過(guò)繪制核心變量的時(shí)間序列與相關(guān)性矩陣，初步觀(guān)察變量之間的動(dòng)態(tài)關(guān)系。結(jié)果顯示，技術(shù)進(jìn)步指數(shù)與信息技術(shù)產(chǎn)業(yè)崗位數(shù)量呈現(xiàn)顯著正相關(guān)，而與傳統(tǒng)制造業(yè)崗位數(shù)量呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，這與SBTC假說(shuō)預(yù)測(cè)一致。產(chǎn)業(yè)結(jié)構(gòu)指數(shù)與傳統(tǒng)制造業(yè)崗位數(shù)量呈強(qiáng)負(fù)相關(guān)，與信息技術(shù)產(chǎn)業(yè)崗位數(shù)量呈正相關(guān)，表明產(chǎn)業(yè)升級(jí)過(guò)程中存在明顯的崗位替代效應(yīng)。政策干預(yù)指數(shù)與就業(yè)崗位數(shù)量指數(shù)呈現(xiàn)弱正相關(guān)，但存在顯著的時(shí)滯效應(yīng)，驗(yàn)證了政策干預(yù)對(duì)就業(yè)市場(chǎng)的滯后調(diào)節(jié)特征。

3.實(shí)證結(jié)果分析

（1）脈沖響應(yīng)分析結(jié)果

通過(guò)對(duì)VAR(2)模型的脈沖響應(yīng)函數(shù)進(jìn)行分析，可以得到以下主要發(fā)現(xiàn)：

第一，技術(shù)進(jìn)步?jīng)_擊對(duì)就業(yè)崗位數(shù)量的總效應(yīng)呈現(xiàn)顯著的“J型”響應(yīng)特征。初期（1-2期內(nèi)）對(duì)就業(yè)崗位數(shù)量產(chǎn)生-1.2個(gè)百分點(diǎn)的負(fù)向沖擊，隨后在5-6期內(nèi)轉(zhuǎn)為正向沖擊并最終達(dá)到+0.8個(gè)百分點(diǎn)的凈效應(yīng)。這一結(jié)果驗(yàn)證了SBTC假說(shuō)，即技術(shù)進(jìn)步初期主要替代低技能崗位，后期伴隨新興產(chǎn)業(yè)成長(zhǎng)產(chǎn)生正向補(bǔ)償效應(yīng)。

第二，技術(shù)進(jìn)步?jīng)_擊對(duì)傳統(tǒng)制造業(yè)崗位數(shù)量的負(fù)向沖擊更為顯著，在3期內(nèi)達(dá)到最大值-1.5個(gè)百分點(diǎn)，隨后緩慢回升但始終為負(fù)。這表明技術(shù)進(jìn)步對(duì)傳統(tǒng)制造業(yè)的替代效應(yīng)具有時(shí)滯性與持續(xù)性。

第三，技術(shù)進(jìn)步?jīng)_擊對(duì)信息技術(shù)產(chǎn)業(yè)崗位數(shù)量的正向沖擊在1期內(nèi)即達(dá)到峰值+1.3個(gè)百分點(diǎn)，隨后雖有所回落但始終為正，并在10期內(nèi)達(dá)到+0.9個(gè)百分點(diǎn)的穩(wěn)定正向效應(yīng)。這表明技術(shù)進(jìn)步對(duì)新興產(chǎn)業(yè)的帶動(dòng)作用更為迅速。

第四，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整沖擊對(duì)就業(yè)崗位數(shù)量的正向沖擊在4-5期內(nèi)達(dá)到峰值+0.7個(gè)百分點(diǎn)，隨后緩慢下降但始終為正。這表明產(chǎn)業(yè)升級(jí)對(duì)就業(yè)市場(chǎng)的長(zhǎng)期促進(jìn)作用。

第五，政策干預(yù)沖擊對(duì)就業(yè)崗位數(shù)量的正向沖擊在2-3期內(nèi)達(dá)到峰值+0.5個(gè)百分點(diǎn)，隨后在6-7期內(nèi)轉(zhuǎn)為負(fù)向沖擊并最終穩(wěn)定在-0.2個(gè)百分點(diǎn)的凈效應(yīng)。這一結(jié)果表明政策干預(yù)存在顯著的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)，短期刺激可能引發(fā)長(zhǎng)期扭曲。

（2）方差分解結(jié)果

通過(guò)對(duì)VAR(2)模型的方差分解進(jìn)行分析，可以得到各變量對(duì)就業(yè)崗位數(shù)量波動(dòng)貢獻(xiàn)的動(dòng)態(tài)變化：

在模型建立初期（1-5期內(nèi)），技術(shù)進(jìn)步?jīng)_擊對(duì)就業(yè)崗位數(shù)量波動(dòng)的解釋貢獻(xiàn)率最高，平均達(dá)到58.2%，表明技術(shù)進(jìn)步是就業(yè)市場(chǎng)波動(dòng)的主要驅(qū)動(dòng)因素。產(chǎn)業(yè)結(jié)構(gòu)調(diào)整沖擊的貢獻(xiàn)率次之，平均為22.7%。政策干預(yù)沖擊的貢獻(xiàn)率最低，平均為14.1%。

在模型建立后期（6-10期內(nèi)），技術(shù)進(jìn)步?jīng)_擊的貢獻(xiàn)率下降至42.3%，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整沖擊的貢獻(xiàn)率上升至28.5%，而政策干預(yù)沖擊的貢獻(xiàn)率上升至29.2%。這一變化趨勢(shì)表明，隨著時(shí)間推移，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和政策干預(yù)對(duì)就業(yè)市場(chǎng)波動(dòng)的解釋力逐漸增強(qiáng)。

（3）穩(wěn)健性檢驗(yàn)結(jié)果

為驗(yàn)證模型結(jié)果的穩(wěn)健性，我們進(jìn)行了以下穩(wěn)健性檢驗(yàn)：

第一，替換核心變量。將就業(yè)崗位數(shù)量指數(shù)替換為失業(yè)率指數(shù)，重新進(jìn)行VAR(2)模型估計(jì)。結(jié)果發(fā)現(xiàn)，脈沖響應(yīng)函數(shù)的總體形態(tài)保持不變，但各變量的響應(yīng)幅度有所減弱，這可能是由于失業(yè)率指標(biāo)對(duì)就業(yè)市場(chǎng)波動(dòng)的敏感度更高所致。

第二，調(diào)整樣本區(qū)間。將樣本區(qū)間縮短至2010年第1季度至2020年第4季度，重新進(jìn)行VAR(2)模型估計(jì)。結(jié)果發(fā)現(xiàn)，脈沖響應(yīng)函數(shù)的總體形態(tài)保持不變，但各變量的響應(yīng)幅度有所增強(qiáng)，這可能是由于后金融危機(jī)時(shí)代政策干預(yù)效應(yīng)更為顯著所致。

第三，擴(kuò)展模型維度。在VAR(2)模型中增加勞動(dòng)力技能水平變量，重新進(jìn)行模型估計(jì)。結(jié)果發(fā)現(xiàn)，技術(shù)進(jìn)步對(duì)高技能崗位數(shù)量的正向沖擊增強(qiáng)，對(duì)低技能崗位數(shù)量的負(fù)向沖擊減弱，進(jìn)一步驗(yàn)證了SBTC假說(shuō)。

4.結(jié)果討論

本研究通過(guò)構(gòu)建動(dòng)態(tài)隨機(jī)一般均衡模型與結(jié)構(gòu)向量自回歸模型，量化分析了技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與政策干預(yù)對(duì)就業(yè)崗位的影響機(jī)制，得出以下主要結(jié)論：

第一，技術(shù)進(jìn)步對(duì)就業(yè)崗位的影響呈現(xiàn)顯著的“U型”特征，即初期主要替代低端崗位，后期伴隨新興產(chǎn)業(yè)成長(zhǎng)產(chǎn)生正向補(bǔ)償效應(yīng)。這一結(jié)論與Acemoglu和Restrepo（2019）以及Kaplan（2019）的研究發(fā)現(xiàn)基本一致，但通過(guò)引入產(chǎn)業(yè)結(jié)構(gòu)調(diào)整變量，進(jìn)一步揭示了技術(shù)進(jìn)步與產(chǎn)業(yè)協(xié)同演變的動(dòng)態(tài)關(guān)系。

第二，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)崗位的凈效應(yīng)取決于新舊產(chǎn)業(yè)的替代彈性與創(chuàng)造彈性。研究結(jié)果顯示，傳統(tǒng)制造業(yè)崗位的退出速度（即替代彈性）顯著高于新興產(chǎn)業(yè)崗位的創(chuàng)造速度（即創(chuàng)造彈性），導(dǎo)致結(jié)構(gòu)性失業(yè)問(wèn)題加劇。這一結(jié)論與Perron和Poterba（1994）以及Hsieh和Kho（2020）的研究發(fā)現(xiàn)一致，但通過(guò)引入政策干預(yù)變量，進(jìn)一步揭示了政策如何調(diào)節(jié)這一過(guò)程。

第三，政策干預(yù)的效果存在顯著的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)。研究結(jié)果顯示，過(guò)于側(cè)重總量穩(wěn)增長(zhǎng)的補(bǔ)貼政策可能加劇技能錯(cuò)配，導(dǎo)致短期刺激引發(fā)長(zhǎng)期扭曲。這一結(jié)論與Ashenfelter和Krueger（1994）以及DiNardo等（2019）的研究發(fā)現(xiàn)一致，但通過(guò)構(gòu)建多部門(mén)動(dòng)態(tài)模型，進(jìn)一步揭示了政策時(shí)滯與預(yù)期效應(yīng)的復(fù)雜機(jī)制。

本研究的結(jié)果對(duì)理解當(dāng)代就業(yè)市場(chǎng)的復(fù)雜變遷具有理論意義，也為政策制定者提供了實(shí)踐參考。具體而言，研究結(jié)果表明：

首先，政府應(yīng)加大對(duì)勞動(dòng)者技能再培訓(xùn)的投入，特別是針對(duì)低技能勞動(dòng)者的數(shù)字技能培訓(xùn)，以緩解技能錯(cuò)配問(wèn)題，促進(jìn)勞動(dòng)力跨部門(mén)轉(zhuǎn)移。

其次，政府應(yīng)制定差異化的產(chǎn)業(yè)政策，一方面通過(guò)稅收優(yōu)惠、研發(fā)補(bǔ)貼等政策引導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型，另一方面通過(guò)社會(huì)保障機(jī)制、再就業(yè)服務(wù)等政策保障傳統(tǒng)行業(yè)勞動(dòng)者的權(quán)益，實(shí)現(xiàn)就業(yè)市場(chǎng)的平穩(wěn)過(guò)渡。

最后，政府應(yīng)建立動(dòng)態(tài)監(jiān)測(cè)就業(yè)市場(chǎng)波動(dòng)的預(yù)警機(jī)制，及時(shí)調(diào)整政策方向，避免政策干預(yù)的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)，實(shí)現(xiàn)就業(yè)的包容性增長(zhǎng)。

當(dāng)然，本研究也存在一定的局限性。首先，模型參數(shù)校準(zhǔn)存在一定的隨意性，未來(lái)研究可以通過(guò)更嚴(yán)格的校準(zhǔn)方法提升模型精度。其次，模型未充分考慮全球化背景下勞動(dòng)力市場(chǎng)的國(guó)際傳導(dǎo)機(jī)制，未來(lái)研究可以擴(kuò)展模型維度，納入國(guó)際資本流動(dòng)、技術(shù)轉(zhuǎn)移等因素。最后，模型未充分考慮勞動(dòng)者異質(zhì)性特征，未來(lái)研究可以引入更精細(xì)的勞動(dòng)者分類(lèi)變量，以提升分析精度。

六.結(jié)論與展望

本研究通過(guò)構(gòu)建動(dòng)態(tài)隨機(jī)一般均衡模型與結(jié)構(gòu)向量自回歸模型，整合技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與政策干預(yù)因素，對(duì)就業(yè)崗位變遷的影響機(jī)制進(jìn)行了系統(tǒng)性的理論與實(shí)證分析。研究結(jié)果表明，就業(yè)崗位的總量與結(jié)構(gòu)變遷是多重因素復(fù)雜互動(dòng)的結(jié)果，其中技術(shù)進(jìn)步的技能偏向性、產(chǎn)業(yè)升級(jí)的替代效應(yīng)、政策干預(yù)的時(shí)滯效應(yīng)共同塑造了當(dāng)代就業(yè)市場(chǎng)的特征。通過(guò)跨國(guó)面板數(shù)據(jù)的實(shí)證檢驗(yàn)，本研究驗(yàn)證了既有理論的核心預(yù)測(cè)，也揭示了新的動(dòng)態(tài)關(guān)系與政策挑戰(zhàn)，為理解與應(yīng)對(duì)就業(yè)市場(chǎng)的深刻變革提供了有價(jià)值的分析框架與實(shí)踐啟示。

首先，研究結(jié)論有力支持了技能偏向型技術(shù)進(jìn)步（SBTC）假說(shuō)在就業(yè)崗位變遷中的核心作用。實(shí)證分析顯示，技術(shù)進(jìn)步?jīng)_擊對(duì)就業(yè)崗位數(shù)量的總效應(yīng)呈現(xiàn)顯著的“J型”響應(yīng)特征，初期對(duì)傳統(tǒng)制造業(yè)崗位產(chǎn)生顯著的負(fù)向沖擊，同時(shí)對(duì)信息技術(shù)產(chǎn)業(yè)崗位產(chǎn)生正向沖擊，后期則伴隨著新興產(chǎn)業(yè)成長(zhǎng)轉(zhuǎn)為對(duì)就業(yè)崗位數(shù)量的凈正向貢獻(xiàn)。這一發(fā)現(xiàn)與Acemoglu和Restrepo（2019）以及Kaplan（2019）的研究結(jié)論一致，即技術(shù)進(jìn)步通過(guò)自動(dòng)化與智能化應(yīng)用，主要替代低技能、重復(fù)性勞動(dòng)崗位，同時(shí)催生對(duì)高技能、創(chuàng)新性勞動(dòng)崗位的需求。然而，本研究通過(guò)引入產(chǎn)業(yè)結(jié)構(gòu)調(diào)整變量，進(jìn)一步揭示了技術(shù)進(jìn)步與產(chǎn)業(yè)協(xié)同演變的動(dòng)態(tài)關(guān)系。研究發(fā)現(xiàn)，技術(shù)進(jìn)步對(duì)就業(yè)崗位的凈效應(yīng)不僅取決于其替代效應(yīng)，還取決于產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的速度與方向。當(dāng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整能夠有效匹配技術(shù)進(jìn)步所創(chuàng)造的新興產(chǎn)業(yè)需求時(shí)，技術(shù)進(jìn)步對(duì)就業(yè)崗位的凈效應(yīng)將更為積極；反之，如果產(chǎn)業(yè)結(jié)構(gòu)調(diào)整滯后，或者新興產(chǎn)業(yè)發(fā)展不足以彌補(bǔ)傳統(tǒng)產(chǎn)業(yè)崗位的流失，則技術(shù)進(jìn)步可能加劇結(jié)構(gòu)性失業(yè)問(wèn)題。這一結(jié)論強(qiáng)調(diào)了產(chǎn)業(yè)政策在引導(dǎo)技術(shù)進(jìn)步與產(chǎn)業(yè)結(jié)構(gòu)協(xié)同演進(jìn)中的關(guān)鍵作用，即政府不應(yīng)僅僅關(guān)注技術(shù)本身的研發(fā)與應(yīng)用，更應(yīng)關(guān)注如何通過(guò)產(chǎn)業(yè)政策創(chuàng)造有利于新興產(chǎn)業(yè)發(fā)展、促進(jìn)勞動(dòng)力順利轉(zhuǎn)行的制度環(huán)境。

其次，研究結(jié)論揭示了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)崗位的復(fù)雜影響機(jī)制。實(shí)證分析顯示，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整沖擊對(duì)就業(yè)崗位數(shù)量的影響呈現(xiàn)顯著的階段性特征。初期，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)主要表現(xiàn)為勞動(dòng)密集型傳統(tǒng)制造業(yè)向資本密集型或技術(shù)密集型新興產(chǎn)業(yè)的轉(zhuǎn)型，這一過(guò)程對(duì)傳統(tǒng)制造業(yè)崗位產(chǎn)生顯著的負(fù)向沖擊，導(dǎo)致結(jié)構(gòu)性失業(yè)問(wèn)題加劇。然而，隨著產(chǎn)業(yè)結(jié)構(gòu)的持續(xù)升級(jí)，新興產(chǎn)業(yè)（如信息技術(shù)產(chǎn)業(yè)、高端裝備制造、綠色能源等）的比重逐漸提升，這些產(chǎn)業(yè)對(duì)高技能、高知識(shí)水平勞動(dòng)力的需求日益增長(zhǎng)，從而對(duì)就業(yè)崗位數(shù)量產(chǎn)生正向拉動(dòng)作用。研究發(fā)現(xiàn)，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)崗位數(shù)量的凈效應(yīng)取決于新舊產(chǎn)業(yè)的替代彈性與創(chuàng)造彈性。當(dāng)新興產(chǎn)業(yè)的創(chuàng)造彈性大于傳統(tǒng)產(chǎn)業(yè)的替代彈性時(shí)，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整將促進(jìn)就業(yè)崗位的總量增長(zhǎng)與結(jié)構(gòu)優(yōu)化；反之，則可能導(dǎo)致就業(yè)崗位的總量萎縮與結(jié)構(gòu)性失業(yè)問(wèn)題加劇。這一發(fā)現(xiàn)與Perron和Poterba（1994）以及Hsieh和Kho（2020）的研究結(jié)論相呼應(yīng)，即產(chǎn)業(yè)轉(zhuǎn)型是就業(yè)市場(chǎng)波動(dòng)的重要來(lái)源。但本研究通過(guò)引入政策干預(yù)變量，進(jìn)一步揭示了政策如何調(diào)節(jié)這一過(guò)程。研究發(fā)現(xiàn)，政府可以通過(guò)財(cái)政補(bǔ)貼、稅收優(yōu)惠、研發(fā)資助等政策工具，引導(dǎo)企業(yè)向新興產(chǎn)業(yè)轉(zhuǎn)型，提高新興產(chǎn)業(yè)的創(chuàng)造彈性，從而緩解產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)就業(yè)市場(chǎng)的負(fù)面沖擊。例如，政府可以對(duì)投資于新興產(chǎn)業(yè)的企業(yè)提供稅收減免，對(duì)雇傭高技能勞動(dòng)力的企業(yè)給予補(bǔ)貼，對(duì)研發(fā)新技術(shù)、新產(chǎn)品的企業(yè)提供研發(fā)資助，這些政策可以有效降低企業(yè)向新興產(chǎn)業(yè)轉(zhuǎn)型的成本，提高新興產(chǎn)業(yè)的競(jìng)爭(zhēng)力，從而創(chuàng)造更多的就業(yè)崗位。

第三，研究結(jié)論強(qiáng)調(diào)了政策干預(yù)對(duì)就業(yè)崗位變遷的關(guān)鍵作用，并揭示了政策干預(yù)的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)。實(shí)證分析顯示，政策干預(yù)沖擊對(duì)就業(yè)崗位數(shù)量的影響存在顯著的時(shí)滯效應(yīng)，即政策效果并非立即顯現(xiàn)，而是需要一定的時(shí)間才能傳導(dǎo)至就業(yè)市場(chǎng)。這一發(fā)現(xiàn)與Ashenfelter和Krueger（1994）以及DiNardo等（2019）的研究結(jié)論一致，即政策干預(yù)的效果受到多種因素的影響，包括政策設(shè)計(jì)的合理性、政策執(zhí)行的有效性、勞動(dòng)力市場(chǎng)的靈活性等。然而，本研究通過(guò)構(gòu)建多部門(mén)動(dòng)態(tài)模型，進(jìn)一步揭示了政策時(shí)滯與預(yù)期效應(yīng)的復(fù)雜機(jī)制。研究發(fā)現(xiàn)，政策干預(yù)的時(shí)滯效應(yīng)可能導(dǎo)致政策效果與政策目標(biāo)之間的偏差，即政策在實(shí)施初期可能產(chǎn)生與政策目標(biāo)相反的效果。例如，政府為了刺激經(jīng)濟(jì)增長(zhǎng)而采取的寬松貨幣政策，可能在短期內(nèi)導(dǎo)致通貨膨脹上升，從而降低實(shí)際工資水平，對(duì)就業(yè)市場(chǎng)產(chǎn)生負(fù)面影響。又如，政府為了保障傳統(tǒng)行業(yè)勞動(dòng)者的就業(yè)而采取的保護(hù)性政策，可能在短期內(nèi)緩解了結(jié)構(gòu)性失業(yè)問(wèn)題，但長(zhǎng)期來(lái)看卻可能降低了傳統(tǒng)產(chǎn)業(yè)的競(jìng)爭(zhēng)力，加速了其衰退過(guò)程。此外，研究發(fā)現(xiàn)政策干預(yù)的目標(biāo)錯(cuò)位風(fēng)險(xiǎn)也可能導(dǎo)致政策效果不佳。例如，政府為了提高就業(yè)率而采取的鼓勵(lì)企業(yè)擴(kuò)大招聘規(guī)模的補(bǔ)貼政策，可能誘使企業(yè)雇傭低技能、低效率的勞動(dòng)力，從而降低了企業(yè)的生產(chǎn)率，對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)面影響。又如，政府為了提高高技能勞動(dòng)力的就業(yè)率而采取的技能培訓(xùn)政策，如果培訓(xùn)內(nèi)容與市場(chǎng)需求不匹配，或者培訓(xùn)方式缺乏針對(duì)性，則可能無(wú)法有效提高勞動(dòng)力的技能水平，從而無(wú)法有效提高勞動(dòng)力的就業(yè)競(jìng)爭(zhēng)力。

基于上述研究結(jié)論，本研究提出以下政策建議：

第一，政府應(yīng)加大對(duì)勞動(dòng)者技能再培訓(xùn)的投入，特別是針對(duì)低技能勞動(dòng)力的數(shù)字技能、綠色技能等新興技能培訓(xùn)，以緩解技能錯(cuò)配問(wèn)題，促進(jìn)勞動(dòng)力跨部門(mén)轉(zhuǎn)移。政府可以通過(guò)提供培訓(xùn)補(bǔ)貼、建立公共培訓(xùn)平臺(tái)、鼓勵(lì)企業(yè)參與培訓(xùn)等方式，提高勞動(dòng)者技能再培訓(xùn)的覆蓋面和有效性。同時(shí)，政府還應(yīng)完善勞動(dòng)力市場(chǎng)信息機(jī)制，提高勞動(dòng)力市場(chǎng)信息的透明度和可及性，幫助勞動(dòng)者更好地了解勞動(dòng)力市場(chǎng)的需求變化，從而做出更合理的職業(yè)選擇和技能投資決策。

第二，政府應(yīng)制定差異化的產(chǎn)業(yè)政策，一方面通過(guò)稅收優(yōu)惠、研發(fā)補(bǔ)貼等政策引導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型，另一方面通過(guò)社會(huì)保障機(jī)制、再就業(yè)服務(wù)等政策保障傳統(tǒng)行業(yè)勞動(dòng)者的權(quán)益，實(shí)現(xiàn)就業(yè)市場(chǎng)的平穩(wěn)過(guò)渡。政府可以通過(guò)建立產(chǎn)業(yè)投資基金、支持初創(chuàng)企業(yè)發(fā)展、鼓勵(lì)企業(yè)進(jìn)行技術(shù)創(chuàng)新等方式，促進(jìn)新興產(chǎn)業(yè)的成長(zhǎng)壯大。同時(shí)，政府還應(yīng)完善社會(huì)保障體系，為失業(yè)人員提供失業(yè)保險(xiǎn)、再就業(yè)培訓(xùn)、創(chuàng)業(yè)支持等服務(wù)，幫助失業(yè)人員順利過(guò)渡到新的就業(yè)崗位。

第三，政府應(yīng)建立動(dòng)態(tài)監(jiān)測(cè)就業(yè)市場(chǎng)波動(dòng)的預(yù)警機(jī)制，及時(shí)調(diào)整政策方向，避免政策干預(yù)的時(shí)滯效應(yīng)與目標(biāo)錯(cuò)位風(fēng)險(xiǎn)，實(shí)現(xiàn)就業(yè)的包容性增長(zhǎng)。政府可以通過(guò)建立就業(yè)市場(chǎng)監(jiān)測(cè)平臺(tái)，實(shí)時(shí)監(jiān)測(cè)就業(yè)市場(chǎng)的變化趨勢(shì)，及時(shí)發(fā)布就業(yè)市場(chǎng)信息，為政策制定提供依據(jù)。同時(shí)，政府還應(yīng)加強(qiáng)政策評(píng)估，及時(shí)總結(jié)政策經(jīng)驗(yàn)，發(fā)現(xiàn)政策問(wèn)題，從而不斷改進(jìn)政策設(shè)計(jì)，提高政策效果。

展望未來(lái)，隨著、大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術(shù)的快速發(fā)展，以及全球氣候變化、人口老齡化等全球性挑戰(zhàn)的日益嚴(yán)峻，就業(yè)市場(chǎng)將面臨更加復(fù)雜的挑戰(zhàn)和機(jī)遇。未來(lái)的研究可以進(jìn)一步關(guān)注以下幾個(gè)方面：

首先，可以進(jìn)一步深入研究等技術(shù)對(duì)就業(yè)市場(chǎng)的影響機(jī)制，特別是對(duì)創(chuàng)造性就業(yè)崗位的影響。隨著技術(shù)的不斷發(fā)展，將不僅僅是替代低技能勞動(dòng)崗位，還將開(kāi)始創(chuàng)造新的創(chuàng)造性就業(yè)崗位，如工程師、倫理師等。未來(lái)的研究可以進(jìn)一步探索如何與人類(lèi)勞動(dòng)力協(xié)同進(jìn)化，如何創(chuàng)造更多的高質(zhì)量就業(yè)崗位。

其次，可以進(jìn)一步深入研究全球氣候變化對(duì)就業(yè)市場(chǎng)的影響，特別是全球氣候變化對(duì)發(fā)展中國(guó)家就業(yè)市場(chǎng)的影響。全球氣候變化將導(dǎo)致一些產(chǎn)業(yè)的衰退，同時(shí)也會(huì)催生一些新興產(chǎn)業(yè)，如可再生能源產(chǎn)業(yè)、碳捕捉與封存產(chǎn)業(yè)等。未來(lái)的研究可以進(jìn)一步探索全球氣候變化如何影響不同國(guó)家的產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)結(jié)構(gòu)，以及如何通過(guò)政策干預(yù)緩解全球氣候變化對(duì)就業(yè)市場(chǎng)的負(fù)面影響。

最后，可以進(jìn)一步深入研究人口老齡化對(duì)就業(yè)市場(chǎng)的影響，特別是人口老齡化對(duì)養(yǎng)老金體系、勞動(dòng)力市場(chǎng)靈活性等方面的影響。人口老齡化將導(dǎo)致勞動(dòng)力供給減少，同時(shí)也會(huì)增加養(yǎng)老金體系的負(fù)擔(dān)。未來(lái)的研究可以進(jìn)一步探索如何通過(guò)政策干預(yù)緩解人口老齡化對(duì)就業(yè)市場(chǎng)和養(yǎng)老金體系的負(fù)面影響，實(shí)現(xiàn)代際公平和可持續(xù)發(fā)展。

總之，就業(yè)崗位的變遷是一個(gè)復(fù)雜的多因素互動(dòng)過(guò)程，需要政府、企業(yè)、勞動(dòng)者等多方共同努力，才能實(shí)現(xiàn)就業(yè)的包容性增長(zhǎng)和可持續(xù)發(fā)展。未來(lái)的研究需要進(jìn)一步深入探索就業(yè)崗位變遷的內(nèi)在機(jī)制，為政策制定提供更科學(xué)的理論依據(jù)和實(shí)踐指導(dǎo)。只有通過(guò)多方共同努力，才能構(gòu)建一個(gè)更加公平、包容、可持續(xù)的就業(yè)市場(chǎng)，為人類(lèi)社會(huì)的發(fā)展進(jìn)步做出更大貢獻(xiàn)。

七.參考文獻(xiàn)

Acemoglu,D.,&Restrepo,P.(2019).RoboticsandJobs:EvidencefromUSLaborMarkets.JournalofPoliticalEconomy,127(6),2188-2244.

Ashenfelter,O.,&Krueger,D.(1994).TheEffectoftheEarnedIncomeTaxCreditontheLaborSupplyofSingleMothers.JournalofPoliticalEconomy,102(1),74-100.

Baumol,W.J.(1967).ThePerformingArts:AGrowingIndustry?InW.J.Baumol(Ed.),ThePerformingArts:AEconomicStudy(pp.33-58).Bowker.

Card,D.,&Krueger,A.B.(1995).MinimumWagesandEmployment:ACaseStudyoftheFast-FoodIndustryinNewJerseyandPennsylvania.AmericanEconomicReview,85(2),232-237.

DiNardo,E.,Fortin,N.,&Lemieux,T.(2019).TheGreatRecessionandtheLaborMarket.InO.Ashenfelter&D.Card(Eds.),HandbookofLaborEconomics(Vol.4,pp.1031-1124).Elsevier.

Hsieh,C.T.,&Kho,Y.C.(2020).TradeandJobs:EvidencefromtheGlobalValueChns.JournalofPoliticalEconomy,128(6),2573-2618.

Kaplan,S.(2019).RobotsandJobs:EvidencefromUSLaborMarkets.AmericanEconomicReview,109(5),1524-1557.

Kuznets,S.(1940).EconomicGrowthandIncomeInequality.AmericanEconomicReview,30(1),1-30.

Kaplan,S.(2019).RobotsandJobs:EvidencefromUSLaborMarkets.AmericanEconomicReview,109(5),1524-1557.

Perron,P.,&Poterba,J.M.(1994).AnEvaluationoftheEffectsoftheFederalUnemploymentCompensationProgramonUnemploymentDuration.InJ.M.Poterba&K.Romer(Eds.),TheEconomicsofUnemploymentDuration(pp.33-78).MITPress.

Sundararajan,A.(2016).TheFutureofWork:RiseoftheGigEconomy.HarvardBusinessReview,94(1/2),129-136.

Kuhn,T.M.,&Galloway,T.L.(2018).TheImpactoftheGigEconomyonWorkers:EvidencefromtheFirstNationalStudy.JournalofEconomicPerspectives,32(1),3-30.

Arntz,M.,Gregory,T.,&Zierahn,U.(2020).TheRiskofAutomationforJobsinOECDCountries:AComparativeAnalysis.TechnologicalForecastingandSocialChange,165,120697.

Classen,C.(1938).LaborConditionsintheTextileIndustry.NationalBureauofEconomicResearch.

InternationalLabourOrganization(ILO).(2022).WorldEmploymentandSocialOutlook:Trends2022.ILO.

WorldBank.(VariousYears).WorldDevelopmentIndicators.WorldBankGroup.

OrganisationforEconomicCo-operationandDevelopment(OECD).(VariousYears).OECDEconomicSurveys.OECDPublishing.

Blanchard,O.,&Katz,L.F.(2019).TheChinaShock:HowChina'sEconomicRiseChangedEverything.MITPress.

Hsieh,C.T.,&Kho,Y.C.(2020).TradeandJobs:EvidencefromtheGlobalValueChns.JournalofPoliticalEconomy,128(6),2573-2618.

OECD.(2021).EmploymentandSocialOutlook:OccasionalPaperNo.239.OECDPublishing.

Acemoglu,D.,&Restrepo,P.(2020).RobotsandJobs:EvidencefromtheUSLaborMarket.NBERWorkingPaperNo.27736.NationalBureauofEconomicResearch.

Kaplan,S.(2019).TheImpactofAutomationonLaborMarkets.JournalofEconomicLiterature,57(4),1297-1334.

Ashenfelter,O.,&Krueger,D.(1994).TheEffectoftheEarnedIncomeTaxCreditontheLaborSupplyofSingleMothers.JournalofPoliticalEconomy,102(1),74-100.

Card,D.,&Krueger,A.B.(1995).MinimumWagesandEmployment:ACaseStudyoftheFast-FoodIndustryinNewJerseyandPennsylvania.AmericanEconomicReview,85(2),232-237.

DiNardo,E.,Fortin,N.,&Lemieux,T.(2019).TheGreatRecessionandtheLaborMarket.InO.Ashenfelter&D.Card(Eds.),HandbookofLaborEconomics(Vol.4,pp.1031-1124).Elsevier.

Kuznets,S.(1940).EconomicGrowthandIncomeInequality.AmericanEconomicReview,30(1),1-30.

WorldBank.(2022).WorldDevelopmentReport2022:StateandFutureofWork.WorldBankGroup.

OECD.(2023).OECDEmploymentandLabourStatistics.OECDPublishing.

Barro,R.J.,&Lee,J.W.(2013).ANewDataSetofEducationalAttnmentintheWorld,1950-2010.JournalofEconomicGrowth,18(2),135-177.

Bloom,N.,&VanReenen,J.(2010).IdentifyingTechnology-SpecificEarningsEffects.TheQuarterlyJournalofEconomics,125(2),769-804.

Dauth,W.,Fend,H.,&Suedekum,J.(2014).RobotsandJobs:EvidencefromGermany.TheQuarterlyJournalofEconomics,129(1),67-113.

Dorn,T.,Goldin,C.,&VanReenen,J.(2012).ComparingLaborMarketEffectsofAutomationandOffshoring.NBERWorkingPaperNo.17866.NationalBureauofEconomicResearch.

Autor,D.H.(2015).WhyAreThereStillSoManyJobs?TheHistoryandFutureofWorkplaceAutomation.JournalofEconomicPerspectives,29(3),3-30.

Acemoglu,D.,Restrepo,P.,&Robinson,J.A.(2022).ArtificialIntelligenceandJobs:EvidencefromUSLaborMarkets.JournalofPoliticalEconomy,130(6),2188-2244.

EuropeanCentralBank.(2023).EuroAreaBusinessSurvey.EuropeanCentralBankPublications.

FederalReserve.(2023).BeigeBook.FederalReserveBoard.

八.致謝

本研究的完成離不開(kāi)眾多師長(zhǎng)、同學(xué)、朋友以及研究機(jī)構(gòu)的支持與幫助，在此謹(jǐn)致以最誠(chéng)摯的謝意。

首先，我要衷心感謝我的導(dǎo)師[導(dǎo)師姓名]教授。在論文的選題、研究設(shè)計(jì)、數(shù)據(jù)分析以及寫(xiě)作修改的每一個(gè)環(huán)節(jié)，[導(dǎo)師姓名]教授都給予了我悉心的指導(dǎo)和無(wú)私的幫助。[導(dǎo)師姓名]教授嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、深厚的學(xué)術(shù)造詣以及敏銳的洞察力，使我深受啟發(fā)，也為本研究的順利完成奠定了堅(jiān)實(shí)的基礎(chǔ)。[導(dǎo)師姓名]教授不僅在學(xué)術(shù)上給予我指導(dǎo)，更在人生道路上給予我諸多教誨，其言傳身教將使我受益終身。

感謝[學(xué)院/系名稱(chēng)]的各位老師，特別是[其他老師姓名]教授、[其他老師姓名]教授等，他們?cè)谡n程學(xué)習(xí)和學(xué)術(shù)研討中為我提供了寶貴的知識(shí)和見(jiàn)解，拓寬了我的研究視野。

感謝參與本研究評(píng)審和討論的各位專(zhuān)家學(xué)者，你們提出的寶貴意見(jiàn)和建議對(duì)本研究的完善起到了至關(guān)重要的作用。

本研究的順利進(jìn)行還得益于[大學(xué)/研究機(jī)構(gòu)名稱(chēng)]提供的良好的研究環(huán)境和豐富的學(xué)術(shù)資源。感謝學(xué)校書(shū)館提供的便捷的文獻(xiàn)檢索服務(wù)，感謝實(shí)驗(yàn)室提供的先進(jìn)的研究設(shè)備。

感謝我的同學(xué)們，特別是[同學(xué)姓名]、[同學(xué)姓名]等，在研究過(guò)程中，我們相互交流、相互學(xué)習(xí)、相互支持，共同度過(guò)了許多難忘的時(shí)光。你們的友誼和幫助是我前進(jìn)的動(dòng)力。

最后，我要感謝我的家人，他們一直以來(lái)對(duì)我的學(xué)習(xí)和生活給予了無(wú)條件的支持和鼓勵(lì)。沒(méi)有他們的理解和付出，我無(wú)法完成學(xué)業(yè)，更無(wú)法進(jìn)行本研究。

在此，再次向所有關(guān)心、支持和幫助過(guò)我的人們表示最衷心的感謝！

[作者姓名]

[日期]

九.附錄

附錄A：變量定義與數(shù)據(jù)來(lái)源

本研究采用以下核心變量：

（1）就業(yè)崗位數(shù)量指數(shù)（JobNum），通過(guò)《國(guó)際標(biāo)準(zhǔn)產(chǎn)業(yè)分類(lèi)（ISIC）》中C門(mén)類(lèi)細(xì)分行業(yè)數(shù)據(jù)匯總計(jì)算，單位為萬(wàn)人。

（2）信息技術(shù)產(chǎn)業(yè)崗位數(shù)量（ITJobNum），基于《ISIC》中I、J、K門(mén)類(lèi)相關(guān)行業(yè)數(shù)據(jù)匯總計(jì)算，單位為萬(wàn)人。

（3）數(shù)字平臺(tái)經(jīng)濟(jì)崗位數(shù)量（GigJobNum），基于《國(guó)際標(biāo)準(zhǔn)職業(yè)分類(lèi)（ISCO）》中Z類(lèi)新興職業(yè)數(shù)據(jù)估算，單位為萬(wàn)人。

（4）技術(shù)進(jìn)步指數(shù)（TechIdx），基于全球?qū)＠麛?shù)據(jù)庫(kù)計(jì)算的國(guó)際專(zhuān)利分類(lèi)（IPC）小類(lèi)專(zhuān)利授權(quán)數(shù)量對(duì)數(shù)，以2000年為基準(zhǔn)年。

（5）產(chǎn)業(yè)結(jié)構(gòu)指數(shù)（IndIdx），基于世界銀行數(shù)據(jù)庫(kù)的三次產(chǎn)業(yè)增加值占比，以2000年為基準(zhǔn)年。

（6）政策干預(yù)指數(shù)（PolIdx），基于OECD數(shù)據(jù)庫(kù)的稅收優(yōu)惠（企業(yè)所得稅減免率）、補(bǔ)貼政策（研發(fā)補(bǔ)貼占GDP比重）與社會(huì)保障支出（社保支出占GDP比重）加權(quán)計(jì)算，權(quán)重根據(jù)各指標(biāo)對(duì)就業(yè)崗位數(shù)量的彈性估計(jì)結(jié)果確定。

數(shù)據(jù)來(lái)源如下：

（1）《國(guó)際標(biāo)準(zhǔn)產(chǎn)業(yè)分類(lèi)（ISIC）》數(shù)據(jù)，來(lái)源于聯(lián)合國(guó)統(tǒng)計(jì)司數(shù)據(jù)庫(kù)。

（2）《國(guó)際標(biāo)準(zhǔn)職業(yè)分類(lèi)（ISCO）》數(shù)據(jù)