王国梁，吕晨炜，徐舒琪

（杭州电子科技大学 经济学院，浙江 杭州 310018）

一、引言及文献综述

技术创新是一把双刃剑，同时兼具就业创造效应和就业替代效应。就业创造效应是指技术创新带来新的产业和经济生态，通过创造新的岗位吸引一部分劳动力进入这些新兴行业和经济生态圈。就业替代效应是技术创新导致传统行业中的大量岗位被新技术和新设备替代，进而引发大规模结构性失业甚至周期性失业。改革开放40多年来，中国社会的增长动力逐步由传统的劳动力驱动、资本驱动向人力资本驱动和创新驱动转变，在实现经济高速增长和就业人口规模逐年扩大的同时，却不得不面临各种技术创新带来的就业冲击。一方面，中国的技术创新尤其是近年来蓬勃发展的数字技术对就业有显著的促进效应。波士顿咨询报告预计，数字经济等新经济生态将会成为中国就业岗位的“孵化器”，到2035年将创造4亿个工作岗位。另一方面，随着以互联网、物联网、大数据、人工智能、区块链和5G为代表的数字技术的兴起，一些传统岗位将被智能化替代。技术创新在提升劳动生产率的同时却导致具有劳动力成本优势的发展中国家在就业方面遭受巨大挑战。Acemoglu和Restrepo（2020）的研究成果表明，技术创新的就业替代效应在全球范围内存在，工业机器人等技术创新会使美国的就业率下降0.18%～0.34%［1］。麦肯锡也预计2018—2030年，随着技术水平的进步，全球将有8亿人口的工作岗位被机器取代。技术创新的“双刃剑”效应为中国的技术政策选择提供了一份可供选择的菜单：如果长期内技术进步所导致的就业创造效应大于就业替代效应，此种技术进步属于节约资本型技术进步，政府应通过技术政策来大力推动该种技术创新以实现经济增长和充分就业双重目标；如果长期内技术进步所导致的就业创造效应小于就业替代效应，此种技术进步属于节约劳动型技术进步，政府应在技术进步和就业增长两方面进行权衡取舍，当经济高速增长而未实现充分就业时，通过技术政策在一定程度上抑制该种技术的推广和实施，在经济增速较为缓慢而就业接近充分就业水平时，通过技术政策助力该种技术的推广和实施；如果长期内技术进步所导致的就业创造效应和就业替代效应趋近时，此种技术进步属于中性技术进步，不会对就业造成显著的正向促进效应或负向破坏效应，此时应采取与节约资本型技术进步相同的技术政策，即大力推动该种技术的应用与发展。因此，通过对宏观经济数据进行实证检验来判断技术进步的长短期就业效应及技术进步的类型，探究技术创新与就业之间的内在关系，并据此为政府制定技术政策提供有益借鉴，具有重要的理论意义和实践意义。

然而现有研究成果多以发达国家作为研究对象，探讨工业机器人等方面的技术进步对发达国家劳动力市场的影响，来自发展中国家的经验证据相对缺乏［2］。Garcia等（2002）［3］构建了囊括知识资本积累等因素在内的就业增长模型，将技术创新的动态就业效应分解为就业补偿效应和就业替代效应，并通过实证检验发现，发达国家技术创新的就业补偿效应在短期和长期内均超过了就业替代效应。国内仅有的一些研究成果或基于新常态阶段之前的宏观数据检验技术创新的就业效应，或从短期视角分析技术创新对就业的影响，或仅从单一维度探究技术创新的“双刃剑”效应中的主导效应。唐国华（2011）［4］基于修正的Garcia模型，从就业破坏和就业创造两个维度研究了技术创新的动态就业效应，发现技术创新与就业规模呈同方向变动的关系，但技术创新的就业创造能力在逐步减弱。然而唐国华所采用的1980—2007年的中国宏观数据，难以有效反映新常态阶段中国技术创新尤其是数字技术等新技术进步对就业的动态影响。韩孟孟等（2016）［5］着眼于短期，基于微观企业调查数据从流程创新、产品创新和企业研发三个维度分析了短期内技术创新对就业增长的影响，得出了两个重要结论：一是三种类型的技术创新在短期内都与就业增长显著负相关；二是短期内中西部地区技术创新的就业替代效应比东部地区更为明显。值得注意的是，韩孟孟等人基于2012年这一年的微观调查数据所得出的结论，很难全面客观反映改革开放40多年来技术创新对就业的长期动态效应，所获结论的普遍性和科学性值得商榷。吴昊、李萌（2020）［6］分别基于中国1995—2015年的省际面板数据，实证考察了我国各省技术创新对就业增长的“双刃剑”效应，认为技术引进在短期内的就业创造效应大而在长期内的就业破坏效应大，内生性自主创新在短期内的就业破坏效应大而在长期内的就业创造效应大。然而短期内外生性技术引进的就业创造效应显著这一研究结论却与国内文献的主流结论相悖，李金叶、葛涛（2017）［7］从区域发展异质化的视角出发，分析东部、中部、西部地区技术创新对就业增长的动态效应，发现从全国和东部、中部来看，技术创新在短期内对就业呈现显著负效应，西部地区技术创新的就业效应不显著。朱轶、熊思敏（2009）［8］研究了技术进步对我国产业结构和就业总量的双重影响，研究结果也显示，第二产业和第三产业中的技术进步所产生的就业效应均不显著。理想化的技术创新，必须同时赋能经济增长和就业创造，俄罗斯的经验或可借鉴。刘畅（2018）［9］以俄罗斯为研究对象，通过VAR模型对俄罗斯技术创新的就业破坏效应进行了实证分析，发现俄罗斯非资本偏向性的技术创新规避了其对劳动力产生的挤出效应和替代效应。中国现有的研究成果，缺乏从国家整体和区域两个维度对技术创新的就业创造效应和就业替代效应的实证分析，亦缺乏从长期视角研判技术进步类型的学术尝试，这为本文提供了可供研究的视角。

本文使用一个囊括技术进步的修正Garcia模型，分析了技术创新的就业创造效应、就业替代效应和加总的就业创造效应对就业弹性的影响机制，并基于1980—2020年的就业增长率和全要素生产率（TFP）等宏观经济数据，运用VAR模型对全国以及4个典型省份进行技术创新的动态就业效应检验，从短期和长期、全国和区域两个角度研究了技术创新的就业创造效应和就业替代效应的相对强弱。或有的创新之处在于本文使用了修正的Garcia模型系统分析了技术创新对就业产生多重效应的作用机理，并分别研究了全国和浙江、湖北、陕西、辽宁等省份技术创新的短期、中期和长期的动态就业效应，从经济发展水平、经济结构和市场化水平等维度揭示了不同区域技术冲击对就业的“双刃剑”效应的强弱及其动态发展规律，从整体和局部双角度验证了不同类型的技术进步对各区域就业增长所产生的同质效应和异质效应。

二、理论模型构建

参照Garcia等的理论模型，将技术创新的就业效应分为就业创造效应和就业替代效应。模型包括以下基本假设［4］：①长期内企业生产具有规模报酬不变的性质；②技术创新通过创造新产品和降低成本两种途径实现对就业的影响；③产品采用成本加成定价法来定价；④企业所处的市场结构为完全竞争市场；⑤技术中性为希克斯技术中性。代表性企业的生产函数为：

其中：P为本企业产品的价格；P r为市场中其他竞争企业的产品价格；A为知识资本存量，代表技术水平；A r为市场中其他竞争企业的知识资本存量；K为本企业资本存量水平。假定企业生产产品的边际成本是关于劳动的名义工资水平W和企业技术水平A的函数，即

由于采用成本加成定价法，产品的价格函数为：

其中，μ表示成本加成系数。企业产品的边际成本对劳动力价格水平求偏导表示为根据谢泼德引理可知，企业产品的边际成本对劳动力价格水平求偏导就等于劳动力的条件要素需求，即一单位产出对劳动力要素投入的需求。因此，企业的劳动力要素需求数量函数为：

其中，Y为企业产品价格与技术水平的总需求函数，即实际总产出水平，用函数表示为：

式（4）中L对A求偏导可得：

式（4）代入式（7）式得：

对式（8）右边第三项调整得：

式（10）进一步可表示为：

其中：Y表示总需求即实际产出水平；K为资本存量水平；L为劳动力需求；A为知识资本存量；参数α、β和γ分别表示为资本、劳动力和技术水平的产出弹性。式（12）分别对L和K一阶求导可求出MPL和MPK的具体形式，继而可得：

其中：名义工资水平W等于劳动力的边际产品价值；利息率R等于资本的边际产品价值。由（13）（14）两式可得，将其代入式（12）可得：

整理式（15）并对两边取自然对数，可得：

三、VAR模型设定与数据选取

（一）模型设定

基于模型的解释力和数据的可获得性，采用非结构性方程组的VAR模型对技术创新的就业效应进行动态分析。由于经典的联立方程组模型在构建过程中并未给出变量之间的动态关系以及无法对变量的平稳性进行检验，Sims于1980年提出了对经济系统进行动态分析的VAR模型并使该模型得到广泛使用。VAR模型的特点是：①模型不以严格的经济理论为依据，在建模过程中只需明确两点：一是确定哪些变量进入模型，二是确定滞后阶数p以保证残差刚好不存在自相关性；②VAR模型对参数不施加零约束（如t检验）；③VAR模型的解释变量中不含t期变量，所有与联立方程组模型有关的问题均不存在。对技术创新的动态就业效应，采用双变量的VAR模型来进行研究。模型中，就业指标用就业增长率l t表示；企业技术创新水平用全要素生产率a t表示。假定就业增长率l t受到以前年度就业增长率和全要素生产率的影响，全要素生产率a t受到以前年度全要素生产率和就业增长率的影响，则VAR模型的表达式为：

首先，对就业增长率和全要素生产率的时间序列数据进行单位根检验，判断时间序列数据的平稳性是否达到了建立VAR模型的要求。其次，选择最大滞后期p。在VAR模型中，解释变量的最大滞后阶数p太小，残差项可能存在自相关性，并导致参数估计的非一致性；适当加大p值（即增加滞后变量个数），可消除残差项中存在的自相关。但p值又不能太大，p值过大则待估参数多，自由度降低严重，直接影响模型参数估计的有效性。此处可以根据赤池信息准则（AIC）和施瓦茨准则（SC）来确定p值，确定p值的原则是在p值增加的过程中，使AIC和SC值同时最小。在VAR模型实证检验的基础上进行脉冲响应分析，脉冲响应函数描述的是某一内生变量对残差冲击的响应。由于我国生产力发展水平存在显著的地域差异，本文不仅对全国范围的全要素生产率与就业增长之间的逻辑关系进行实证研究，同时还从东部地区、中部地区、西部地区和东北地区分别选取浙江、湖北、陕西、辽宁等四个典型省份，分地区研究全要素生产率与就业增长之间的内在关系，进一步检验经济发展水平、经济结构和市场化水平存在显著差异的地区，技术创新的动态就业效应是否存在显著差异。

本文基于经济发展水平、国有经济和私营经济占比、改革开放迈进步伐的快慢指标来选择具体的研究对象并进行对比分析。选择浙江、湖北、陕西和辽宁四个省份作为典型省份的原因如下：第一，改革开放之初的浙江、湖北和陕西三省的人均GDP在330元左右，经济发展基本处于同一水平，辽宁省的人均GDP为680元，经济发展水平高于其他三省，通过初始经济发展水平的差异可以进行样本对照，探讨不同经济发展水平下技术创新的来源和路径差异；第二，改革开放之初，湖北、陕西和辽宁三省国有经济在国民经济中占据主导地位，而浙江的国有经济相对而言比较薄弱，在国民经济中的地位并不十分显著，民营经济在国民经济中占据比较重要的地位，通过初始经济结构的差异对照，可以探讨不同经济结构下技术创新的来源和路径差异；第三，改革开放之初，辽宁和浙江改革开放的迈进步伐相对较快，政府放权导致市场释放更多创新创业活力，而湖北和陕西改革开放的步伐相对缓慢，改革涉水不深导致市场主体创新创业活力难以有效激发，通过市场化水平的差异分析，可以探讨不同市场效率下技术创新的来源和路径。

（二）数据选取

本文构建的VAR模型，包括就业增长率l t和全要素生产率a t两个变量。就业增长率通过当年就业人口和上一年就业人口计算得到，具体计算公式如下：

其中：L t表示第t年的就业总人口；L t-1表示第t-1年的就业总人口。1980—2019年就业总人口数据分别来源于1981—2020年的《中国统计年鉴》《浙江统计年鉴》《陕西统计年鉴》《湖北统计年鉴》和《辽宁统计年鉴》。2020年的就业总人口等于2019年的就业总人口加上2020年的城镇新增就业人口，其中城镇新增就业人口数据来源于2020年全国以及各省份的《国民经济和社会发展统计公报》。全要素生产率是通过前沿生产函数法（SFA）测算而得，SFA放松了规模报酬不变和技术中性的假定，允许劳动力和资本非充分利用的情况。此外，SFA还考虑了随机误差项对全要素生产率的影响，最大限度地确保计算结果的精确性。

四、技术创新“双刃剑”效应的实证分析

（一）变量的平稳性检验

在进行VAR估计之前，首先使用ADF检验对就业增长率l t和全要素生产率a t的平稳性进行检验。如果检验的结果为变量均平稳，则可以直接进行VAR检验；若变量存在单位根，则需要在一阶或者二阶差分平稳的基础上做协整检验。检验结果见表1所列，在5%的置信度水平下，就业增长率l t和全要素生产率a t拒绝了原假设，两者没有单位根，变量具有平稳性，可以直接进行VAR检验。

表1 就业增长率和全要素生产率的ADF检验结果

（二）VAR检验的结果及分析

利用Eviews12对就业增长率l t和全要素生产率a t进行VAR检验，并通过AIC准则和SC准则确定最大滞后阶数。全国、浙江、陕西、辽宁、湖北五个样本数据在VAR检验中的最大滞后阶数均为二阶（p=2）。就业增长率和全要素生产率之间关系的实证结果如式（19）-式（23）所示，依次为全国、浙江、陕西、辽宁和湖北的实证结果：

在VAR检验的基础上对模型进行AR根检验，可得该模型所有根的倒数小于1，从而确定模型本身具有稳定性。观察式（19）可以发现：就全国而言，全要素生产率滞后一期会对就业增长率产生负效应，滞后二期则产生正效应，即在短期中技术创新的就业替代效应占据主导地位，而在长期内技术创新的就业创造效应占据主导地位；就业增长率滞后一期会对全要素生产率产生负效应，滞后二期则产生正效应，即就业增长在短期内可能会抑制技术创新，但在长期内会促进技术创新。同理，观察式（20）可以发现：浙江全要素生产率不论在短期还是长期对就业增长率均产生正效应，即技术创新的就业创造效应占据主导地位；而滞后一期和滞后两期的就业增长率却均对全要素生产率产生了负效应，即就业增长抑制了技术创新。这说明在浙江这样经济发达的省份，技术创新在不断推动就业增长，但不断提高的就业增长率却抑制了技术水平的提升速度，使技术创新对就业增长的促进作用也越来越小。观察式（21）可以发现：陕西全要素生产率的滞后一期会对就业增长率产生负效应，滞后二期则产生正效应，即在短期内技术创新的就业替代效应占据主导地位，在长期内技术创新的就业创造效应占据主导地位；就业增长率的滞后一期会对全要素生产率产生负效应，滞后二期则产生正效应，即就业增长在短期内可能会抑制技术创新，但在长期内会促进技术创新。观察式（22）可以发现：辽宁全要素生产率的滞后一期会对就业增长率产生正效应，滞后二期则产生负效应，即在短期内技术创新的就业创造效应占据主导地位，在长期内技术创新的替代效应占据主导地位；而就业增长率的滞后一期会对全要素生产率产生负效应，滞后二期则产生正效应，即就业增长在短期内可能会抑制技术创新，但在长期内会促进技术创新。观察式（23）可以发现：湖北全要素生产率不论短期还是长期都对就业增长率均产生负效应，即技术创新的就业替代效应占据主导地位；就业增长率的滞后一期会对全要素生产率产生负效应，滞后二期则产生正效应，即就业增长在短期内可能会抑制技术创新，但在长期内会促进技术创新。对式（19）—式（23）中全要素生产率与滞后期的就业增长率以及就业增长率与滞后期的全要素生产率之间相互影响的分析结果见表2所列。

表2 就业增长率与全要素生产率之间的相互影响

（三）脉冲响应分析

对VAR模型而言，单个参数估计值的经济解释是困难的，其应用除预测外，最重要的应用是脉冲响应分析和方差分解，脉冲响应函数描述的是某一内生变量对残差冲击的反应。具体而言，它描述的是在随机误差项上施加一个标准差大小的来自系统内部或外部的冲击后对内生变量的当期值和未来值所产生的动态影响。使用脉冲响应函数分析法，分别研究五个样本中就业增长率对技术创新受到一个标准差冲击的反应程度。分析结果如图1—图5所示，图中实线部分为计算值，虚线部分表示置信区间带。

图1 全国GRE对TFP的脉冲响应

图5 湖北GRE对TFP的脉冲响应

图1—图5中，TFP代表全要素生产率，GRE代表就业增长率，5幅图完整地模拟了当技术创新（全要素生产率）受到冲击时对就业产生的影响。如图1所示，当全国的技术创新受到一个标准差的冲击时，就业率首先会大幅下降，表明技术创新对就业的替代效应起到主导作用。到了第2期下降到最低点，之后替代效应的强度逐渐减弱，就业创造效应逐渐凸显并在第5期达到最大。在20期以后技术创新对就业的创造效应与替代效应逐渐达到一种相互抵消的状态，总体动态就业效应趋向于0。图2显示浙江省在技术创新受到一个标准差的冲击时，就业率会迅速上升，表明技术创新对就业的创造效应起到主导作用，并在第4期到达最高点。之后技术创新的就业创造效应有所减弱，就业替代效应和就业创造效应交替占据主导地位，表现为总体动态就业效应出现规律性的正负交替现象。在23期以后技术创新的创造效应和替代效应逐渐达到相互抵消的状态，总体动态就业效应趋向于0。从长期来看，浙江省技术创新的就业创造效应大于就业替代效应，技术创新能有效提高就业率。图3显示陕西省技术创新受到一个标准差的冲击时，就业率首先会大幅下降，表明技术创新对就业的替代效应起到主导作用。到了第2期下降到最低点，之后替代效应逐渐减弱，就业的创造效应逐渐凸显并在第5期达到最大。在18期以后技术创新对就业的创造效应与替代效应逐渐达到相互抵消的状态，总体动态就业效应趋向于0。图4显示辽宁省技术创新冲击对就业增长率的影响，当技术创新受到一个标准差的冲击时，就业率迅速上升，表明技术创新对就业的创造效应起到主导作用，并在第3期到达最高点。之后技术创新的就业创造效应有所减弱，就业替代效应和就业创造效应交替占据主导地位，表现为总体动态就业效应出现规律性的正负交替现象。在25期以后技术创新的创造效应和替代效应逐渐达到相互抵消的状态，总体动态就业效应趋向于0。图5显示湖北省技术创新受到一个标准差的冲击时，就业率首先会下降，表明技术创新对就业的替代效应起到主导作用，在第2期下降到最低点。之后就业替代效应减弱，就业创造效应逐渐凸显并在第5期达到最大。在第15期以后技术创新对就业的创造效应与替代效应逐渐达到相互抵消的状态，总体动态就业效应趋向于0。

图2 浙江GRE对TFP的脉冲响应

图3 陕西GRE对TFP的脉冲响应

图4 辽宁GRE对TFP的脉冲响应

对于全国以及改革开放初期迈进步伐相对缓慢、国有经济占据主导且市场活力效率低下的陕西和湖北两省而言，初始的技术进步多由新技术、新设备和新管理经验的引进所诱发，以引进、模仿为主的技术进步方式实现了技术设备对劳动的有效替代，短期内伴随着劳动生产率的提高，会产生显著的就业替代效应，造成大量在职冗员的失业现象。随着改革的不断深入，机制体制创新不断激发市场主体的创新创业活力和提升市场效率，新技术设备的不断引进和自主研发创新的不断深入，技术设备对劳动的边际技术替代率呈递减趋势，而其对就业的创造效应和补偿效应不断凸显出来。技术创新的就业创造效应主要有两个来源：一是在新产业或新经济生态中通过技术和资本的不断投入使总产出增加，企业增产增岗进而提高就业水平；二是企业在技术创新的过程中降低了产品和服务的生产成本进而使其价格水平下降，大大刺激民众对产品与服务的需求，对产品和服务总需求的增加拉动就业增长。而作为改革开放先行试点区的浙江和辽宁，改革开放初始阶段的一单位标准差对技术创新的冲击使就业率大幅增长。究其诱因，浙江在改革开放之初国有经济比较落后，隐性失业问题严重，政府放权导致市场主体创新创业活力和市场效率被有效激发，私营企业通过自主研发和技术引进创造了大量新的就业岗位，引发技术创新的就业创造效应；而辽宁在改革开放之初经济发展水平在全国处于领先地位，国有经济比较发达同时隐性失业率低，通过技术引进和内在的自主创新降低了产品和服务的生产成本，导致总需求增加继而引发就业创造效应。身为改革的先行试验区，辽宁以乡镇企业为主体的民营经济发展较为快速，成为国有经济的有效补充，在引进技术设备和不断进行内生性技术创新的过程中创造了大量就业岗位。中期内全国以及四个典型省份技术创新的就业创造效应和就业替代效应交替占据主导地位，总体动态就业效应的方向取决于技术创新对就业岗位的引致效应和挤出效应的大小。在长期内，全国和所选四个省份技术创新对就业的创造效应与替代效应逐渐达到相互抵消的状态，总体动态就业效应趋向于0。长期内的技术进步类似于中性技术进步，对就业的“双刃剑”效应趋于消失。

五、结论与建议

通过构建理论模型分析技术创新对就业的影响路径，本文重点分析了技术创新的替代效应和创造效应的作用机理，在此基础上通过VAR模型实证检验了短期内和长期内两种就业效应的强弱以及总体动态就业效应的方向。本文的主要结论为：

（1）就全国而言，短期内技术创新的就业替代效应大于就业创造效应，中期内就业替代效应和就业创造效应交替占据主导地位，表现为总体动态就业效应呈现出规律性的正负交替现象，长期内技术创新的就业创造效应与就业替代效应的作用力基本抵消，技术进步为中性技术进步。

（2）分区域来看，各阶段技术创新在不同省份具有不同的动态就业效应，总体动态就业效应的方向和强弱与各地区的经济发展水平、经济结构和改革开放迈进水平（市场化水平）紧密相关。短期内经济发展水平相对落后、国有经济占据主导地位以及市场化水平较低的省份和区域，外生性的技术引进和经验引进所带来的就业替代效应大大强于就业创造效应，总体动态就业效应为负，表现为改革开放之初国有企业冗员的大量裁汰；而经济发展水平相对较高、民营经济作用凸显和市场化水平显著提升的省份和区域，在技术引进的同时所诱发的内生性技术进步，会引发产品和服务成本下降以及新产业和经济生态的产生，进而导致就业创造效应强于就业替代效应，总体动态就业效应为正，表现为改革开放之初乡镇企业的蓬勃发展和大量农民工进城务工。中期内，随着各省份改革开放步伐迈进速度的加快和市场化改革的日益深入，内生性技术创新通过影响各地区的经济发展水平、经济结构和市场化水平进而对产业结构和就业产生综合影响。伴随着经济增长水平的周期性波动和新旧产业的周期性迭代，经济增速放缓和产业迭代之初结构性失业较为严重，就业替代效应大于就业创造效应，总体动态就业效应为负；经济增速加快和产业迭代升级后就业创造效应大于就业替代效应，总体动态就业效应为正。长期内，各地区经济发展趋同，技术创新的就业创造效应与就业替代效应的作用力基本抵消，技术进步为中性技术进步。

依据上述结论，本文从技术创新的不同阶段和不同区域两个视角提出两点建议：

（1）在发展阶段层面，国家应优化不同时期的技术发展战略和政策，同时做好配套的基本公共服务以弱化技术创新诱发的失业问题所带来的负外部性。技术创新在不同时期内的动态就业效应是不同的，在技术创新的初始期往往存在着较强的替代效应。中央政府在短期内应采取就业稳定政策，并通过创新激励政策刺激内生性技术变革，最大可能地降低外生引进型技术创新的就业替代效应以及由此所导致的社会负面影响。从中期来看，内生性技术创新往往会带来产业结构和经济结构的调整，从而导致劳动力就业技能供给和新创岗位就业技能需求的匹配度也随之发生变化，极易引发大规模的结构性失业。此时政府在通过技术政策推动内生性技术创新的同时，应采取就业培训补贴计划、公共职业技能培训和其他就业促进方式，加速推动劳动力的部门间流动，引导过剩劳动力向新兴产业、新兴部门和新经济生态转移，缓解由于技术创新的替代效应带来的就业压力。此外，中期内政府还可以通过完善社会保障和失业救济制度，在一定程度上缓解失业者的生活压力。长期内，中性技术进步的总体动态就业效应趋于0，因此政府宏观政策的侧重点在于推动技术创新和技术进步，要通过各项技术政策大力推动内生性技术水平的有效提升，此时就业政策不必进行大的调整。

（2）在区域层面，依据经济发展水平、经济结构和市场化水平实施不同的技术发展战略和政策，在抑制外生性技术引进的就业替代效应和挤出效应的同时，优化内生性技术创新的就业创造效应和补偿效应。具体而言，对于经济发展水平较为落后、市场化水平比较低下和国有经济占比较高的区域，地方政府在技术引进过程中应实施“非资本偏向型”的战略，即鼓励企业引进与劳动力要素有较强互补性而非替代性的资本设备和技术，通过技术引进的互补效应实现就业创造的目标；同时发挥“非资本偏向型”技术引进对劳动生产率的赋能效应，降低单位产品的生产成本和价格，刺激产品需求，继而提高就业水平。对于经济发展水平先进、市场化水平和私营经济占比较高的区域，地方政府在优化外生性技术引进战略的同时，应更加注重内生性技术创新和战略性新兴产业的发展。一要通过税费优惠、财政补贴、政府采购以及设立专项发展基金、产业发展平台等措施，破解企业技术创新过程中的资金、人才和土地要素制约，驱动企业内生性技术创新能力的不断提升，推动新产品、新产业和新经济生态的形成，进而创造出更多的新型就业岗位；二要持续推进产业层面的供给侧结构性改革，深入推进“三去一降一补”战略，加快新旧产业的周期性迭代步伐，不断缩短结构性失业的失业时间和弱化结构性失业带来的社会危害。