专业从事评职称论文发表,核心期刊征稿,核心期刊发表,SCI论文发表等学术咨询服务

全国咨询热线

400-789-0626

专属优惠

互联网应用、技能溢价与制造业全要素生产率

来源:一品传承平台 分类:经济论文 发布时间:2021-11-04 浏览:

  摘 要:新工业革命背景下,互联网的发展和应用是推动制造业高质量发展的新动能。本文基于A-H模型,选取2006—2019年中国30个省份的制造业面板数据,采用固定效应模型分析了互联网应用对制造业全要素生产率的影响,研究了技能溢价在互联网应用影响制造业全要素生产率过程中的调节效应。研究结果显示,当互联网应用产生的创新效应大于替代效应时,能够提升制造业全要素生产率,推动制造业高质量发展;当替代效应大于创新效应时,互联网应用对制造业生产过程产生了非适应性冲击,出现“索洛悖论”;技能溢价能够发挥资源配置的作用,调节互联网应用与制造业全要素生产率之间的关系,增强互联网的创新效应,从而有效化解“索洛悖论”。

  关键词:互联网应用;技能溢价;制造业全要素生產率;索洛悖论

  中图分类号: F260 文献标识码:A

  文章编号:1000-176X(2021)10-0040-09

  《中国市场》(旬刊)创刊于1994年,由中国物流与采购联合会主办。《中国市场》宗旨让世界了解中国市场,让中国企业迈向世界市场。

  一、问题的提出

  新工业革命时期,互联网成为产业数字化转型的重要驱动力量,越来越多的国家和地区都在加快发展数字经济,将推动互联网与实体经济融合作为提升综合国力的重要举措。中国正处于新旧动能转换的关键时期,顺应科技和产业发展潮流、促进互联网应用、加快数字经济发展刻不容缓。党的十九大报告明确提出,要推动互联网、大数据、人工智能和实体经济深度融合,大力发展工业互联网,实现制造业高质量发展。2020年习近平主席在致世界互联网大会的贺信中指出:“当今世界,新一轮科技革命和产业变革方兴未艾,带动了数字技术的快速发展,也为制造业高质量发展创造了良好机遇”。根据《中国互联网发展报告2020》,中国移动互联网接入数据每年消费流量达到1 220亿GB,4G基站总数超过544万个,数字经济规模突破35.8万亿元,占GDP的比重达到36.2%,位居世界前列。在互联网快速发展的背景下,值得关注和思考的一个问题是,互联网应用如何影响制造业高质量发展,中国制造业领域是否存在“索洛悖论”?如果回答是肯定的,那么互联网影响制造业全要素生产率的内在机制又是什么?如何才能有效化解“索洛悖论”,更好地发挥互联网的正面作用,推动制造业转型升级,进而实现制造业高质量发展?

  互联网的核心是信息通信技术(Information and Communication Technology, ICT),而ICT又是驱动全要素生产率增长的重要因素[1],可以直接或间接地推动制造业数字化转型,是促进制造业提质增效重要动力来源之一[2]。互联网也被归类为20世纪出现的通用目的技术(General Purpose Technologies, GPTs),具有以下特征:第一,它无处不在,能够被广泛地应用到经济活动中;第二,它可以不断完善,具有技术持续改进的潜力;第三,它具有创新互补作用,有助于推进应用部门的创新活动[3]。互联网的这些特征能够加快孕育生产活动的新动能,催生制造业行业出现新模式和新业态,从而促进制造业转型升级和高质量发展。我国进入高质量发展的新阶段以后,社会各界更加关注互联网对制造业全要素生产率可能带来的影响。

  互联网是20世纪中后期产生的新事物,互联网的出现和应用对经济社会的发展产生了重大影响[4]。高质量发展背景下,互联网及其应用与生产率之间的关系是学者讨论的热点话题之一。生产率通常被看做是总产出中不能用要素投入所解释的“剩余”,衡量的是投入产出效率[5]。诺贝尔经济学奖获得者Solow[6]指出,计算机具有广泛的用途,但却不能提高生产率,这就是著名的“索洛悖论”。然而,以互联网为代表的信息通讯技术的快速发展,为计算机提供了新的技术支撑,使计算机在经济领域有更多的用武之地,“索洛悖论”是否仍然成立受到学界的广泛关注。一些宏观层面的研究没有发现“索洛悖论”存在的证据,郭家堂和骆品亮[7]运用中国省级面板数据研究后指出,互联网促进技术进步但会抑制技术效率,由于中国全要素生产率是技术进步型的,互联网应用总体上促进了全要素生产率增长。Stiron[8]与Jorgenson等[9]研究发现,IT投资提升了全要素生产率。蔡跃洲和张钧南[10]指出,ICT有助于提高全要生生产率,进而间接促进经济增长。Czernich 等[11]与Kolko[12]的研究结果表明,不论是在OECD国家层面,还是在国家内部地区层面,宽带互联网的普及程度与经济增长之间都是正相关关系。从微观企业的角度来看,互联网应用能够改善企业经营绩效[13]。黄群慧等[14]运用中国企业、产业和城市数据对“索洛悖论”进行了验证,发现互联网促进了生产率,同时还分析了互联网提升生产率的三条机制,即减少资源错配、降低交易成本和促进企业创新。在互联网对生产率异质性影响方面,以互联网为代表的信息通讯技术对不同国家生产率的影响存在异质性[15];对于应用IT的行业而言,因IT应用的密度和强度不同,生产率的表现也不尽相同[16-17]。

  互联网对经济的影响表现在多个方面,除了其带来的生产率效应以外,学者也关注了互联网对劳动力市场的影响。互联网发展对技能不同的劳动力产生了差异化影响,Forman等[18]发现,互联网投资加剧了美国地区间的收入不平等,对使用IT的高收入和高技能地区的工资和就业具有促进作用。Akerman等[19]认为,宽带互联网的应用提高了高技能劳动力的工资和生产率,却对低技能劳动力产生了相反的效果。Hjort和Poulsen[20]指出,互联网提高了就业率,通过提高企业进入率、生产率和出口额创造了新的就业岗位,提高了平均工资率,并且使高技能劳动力受益更多。互联网可以为创新提供条件,从而促进创新活动[21]、提高创新能力[22]和提升创新效率[23]。韩先锋等[23]指出,互联网应用对创新既有直接效应,也存在人力资本积累、金融发展和产业升级的中介效应,互联网对不同地区和主体的影响存在异质性。由于创新本身也是促进经济增长和造成劳动力市场不平等的关键因素,学者们倾向于从创新的视角解释互联网给劳动力市场带来的影响。创新既可源自在位企业积累的经验或知识,加剧收入不平等;也可源自新进入者的创造性破坏,降低收入不平等程度[24]。Aghion等[25]采用美国州际数据研究了创新与收入差距的关系,发现创新显著加剧了宏观层面的收入不均等。

  ICT对劳动力结构的影响也间接作用于生产率。何小钢等[26]运用中国微观企业数据研究发现,劳动力技能结构影响ICT的生产率效应,高技能劳动力能够与ICT的应用形成互补,从而有助于ICT提高企业生产率,不过该研究没有从互联网的视角考虑劳动力的工资效应所带来的影响。关于工资不平等的研究中,Lipsey等[2]分析了互联网的GPTs特征,从GPTs视角讨论了技术与劳动力工资差距对经济发展影响。Aghion等[27]基于创新驱动经济增长模型分析后发现,新技术应用对生产活动将产生破坏性冲击,高技能劳动力可以在研发部门工作,从而生产与新技术相适宜的中间产品;也可以选择在制成品部门工作,生产最终产品;低技能劳动力只能在最终产品部门工作,从而引发了高技能劳动力与低技能劳动力之间的工资不平等。Kishi[28]深化了该理论,认为GPTs影响了工资不平等趋势,ICT引发了技能偏向型技术变革,能够提高研发部门的生产率,从而使高技能劳动力出现技能溢价。Akerman等[19]构建经济模型分析了互联网通过劳动力就业和工资差距影响生产活动的具体机制。

  以上研究为分析互联网影响生产率奠定了理论基础,然而已有研究也存在一些不足:一是研究互联网对宏观经济发展影响的文献较多,主要分析了ICT对宏观经济增长、劳动就业和劳动收入份额等的影响,研究互联网对制造业发展影响的文献相对不足;二是对互联网影响经济发展的直接机制研究较多,而对互联网影响制造业全要素生产率的间接调节机制,尤其是从技能溢价视角进行的研究相对不足。为此, 本文基于A-H模型,选取2006—2019年中国30个省份的制造业面板数据,采用固定效应模型分析互联网应用对制造业全要素生产率的影响,研究技能溢价在互联网应用影响制造业全要素生产率过程中的调节效应。

  二、理论分析

  在A-H模型[27]的基礎上,引入技能溢价,并将互联网应用与制造业创新过程相结合,构建技能溢价调节互联网应用影响制造业全要素生产率的理论分析框架。假定劳动力市场存在两种技能的劳动力,一种是低技能劳动力,只能从事产品部门的生产活动;另一种是高技能劳动力,既可以从事产品部门的生产活动,又可以从事创新部门的创新活动,两种劳动力之间存在技能溢价。

  (一)制造业最终产品部门

  最终产品部门利用中间产品进行生产,将最终产品的总量生产函数设定为:

  Y=AXα(1)

  其中,Y为制造业最终产品部门的产量;A为投入的中间产品的质量,反映了最终产品的生产率,这里考虑了创新改进中间产品的质量后可以更加有效地生产最终产品;X为投入的中间产品的数量;α为参数,满足0<α<1。设定中间产品的价格为pX,将最终产品的价格标准化为1,最终产品部门生产的最优化决策为:

  πX=max (Y-pXX)(2)

  根据一阶条件可以获得中间产品的反需求函数为:

  pXX=αAXα-1(3)

  (二)制造业中间产品部门

  考虑到中间产品是由劳动力生产的,设定一单位中间产品由一单位劳动力生产,那么X反映了进行生产活动的劳动力数量。中间产品部门生产的最优化决策为:

  πω=max [pX(X)X-ωX](4)

  其中,ω为支付给从事生产活动的劳动力的工资,结合中间产品的反需求函数,根据一阶条件可以获得pX与ω的关系式为:

  pX=ω/α(5)

  中间产品部门的最优利润与生产活动的劳动力数量和工资水平有关。即:

  πω=[(1-α)/α]ωX(6)

  (三)制造业创新部门

  新创新出现的概率Φ服从参数为λH的泊松分布。其中,λ为研发效率,H为基于互联网应用而从事创新活动的劳动力数量。假定创新成功后能够改进中间产品的质量,进而可以更加有效地进行最终产品生产,表示为:At+1=γAt,γ>1。其中,At为创新前中间产品转换成最终产品的生产率,At+1为创新成功后中间产品转换成最终产品的生产率,γ为创新引起生产率改进的参数。创新能够为创新者带来的净价值为Vt+1,在dt时的值可以为为:Vt+1=πt+1dt+[λHdt×0+1-λHdtVt+1](1-rdt)。其中,πt+1为创新成功后采用新的中间产品生产的利润;λHdt为出现创造性破坏的概率,使得非创新者的价值变为0;1-λHdt为未出现新的创造性破坏,非创新者仍然获得Vt+1的价值;r为利率,设定其等于时间贴现值ρ(不同时间的价值矫正项)。当dt→0时,可以推导出:

  Vt+1=πt+1/(ρ+λH)(7)

  从事创新活动的劳动力工资与研发套利条件关系为:

  π(ωHt)=λHVt+1-ωHtH(8)

  其中,ωHt为支付给从事创新活动的劳动力的工资,根据一阶条件可以获得从事创新活动的劳动力的工资决定条件:

  ωHt=λVt+1(9)

  将相关变量代入上式得到:ωHt/ω=λ{πt+1dt+λHdt×0+1-λHdtVt+11-rdt}/pXα,化简后可得:

  ωHt/ω=(λπt+1/[pXαρ+λH](10)

  从以上分析可以看出,技能溢价(ωHt/ω)能够影响创新活动,并通过创新活动改进中间产品转换成最终产品的生产效率(λ),互联网应用通过技能溢价对全要素生产率产生间接调节效应。

  (四)互联网应用与制造业全要素生产率

  一方面,随着互联网与制造业融合程度加深,互联网推动制造业自动化生产模式进一步发展,将替代部分劳动力的生产活动,表现出替代性特征。在生产部门,使得劳动力、劳动力生产的中间产品与互联网之间存在冗余,降低生产部门资源配置效率,不利于生产部门劳动力的生产活动。基于各类要素的投入数量、投入组合形式直接对产出效率产生影响,互联网引致的要素替代效应阻碍其在制造业的普及应用,减少由互联网带来的潜在生产率提升。另一方面,根据前文的模型分析,研发效率是互联网的增函数,表示为λ=κintτ。其中,int为互联网应用,κ为外生的技术条件,τ>0为互联网应用带来的创新效率参数。这表明在创新部门,互联网提升研发效率,提高创新成功率,有助于创新部门劳动力的创新活动。

  互联网的以上两种特征在一定程度导致了制造业不同部门的劳动力市场工资水平出现分化。结合生产部门利润最大化目标进行考察可以发现,互联网的要素替代性降低了对从事生产活动的劳动力需求;根据供求机制,这将降低生产部门的劳动力工资。结合创新部门研发套利条件所决定的工资方程进行考察可以发现,互联网的创新补偿性提高了创新成功率,也提高了创新活动预期带来的工资收入。这样,与生产部门的低工资相比,创新部门的高工资激励了高技能劳动力从生产部门转移出来,进入创新部门从事创新活动。然而,相较于高技能劳动力,低技能劳动力只能从事生产活动,接受更低的工资水平甚至失业,从而丧失工资收入。高技能劳动力工资与低技能劳动力工资之比即为技能溢价,技能溢价引导高技能劳动力进入创新部门从事创新活动,有助于提升中间产品质量,一定程度抵消互联网给制造业全要素生产率带来的非适应性冲击。

  从以上分析可以看出:(1)互联网应用影响制造业全要素生产率的净效应是替代效应和创新效应权衡后的结果。互联网应用推动了制造业生产方式的变革,通过替代效应和创新效应对制造业高质量发展产生影响:当替代效应大于创新效应时,互联网应用会产生“索洛悖论”,对制造业全要素生产率产生非适应性冲击;当创新效应大于替代效应时,互联网能够推动制造业转型升级,提升制造业全要素生产率,从而实现高质量发展。(2)技能溢价有助于增强互联网的创新效应,削弱互联网的替代效应,从而有效化解互联网应用可能产生的“索洛悖论”。为此,笔者提出如下假设:

  假设1:互联网应用对制造业全要素生产率的影响最终取决于替代效应和创新效应的相对大小。

  假设2:互联网对制造业全要素生产率的影响受到技能溢价的调节,现阶段中国制造业部门适度的技能溢价能够有效化解“索洛悖论”。

  三、研究设计

  (一)数据来源

  本文采用《中国工业统计年鉴》《中国统计年鉴》《中国互联网发展状况统计公报》《中国科技统计年鉴》《中国劳动统计年鉴》《中国第三产业统计年鉴》、各省份统计年鉴、各省份统计公报、中经网统计数据库和EPS数据库等公布的相关数据,构建平衡面板进行实证分析。

  (二)变量选择

  1.被解释变量

  制造业全要素生产率(lntfpch)是本文的被解释变量。DEA-Malmquist指数方法不限制生产函数的形式,因而采用其计算制造业全要素生产率。所需相关数据的处理过程如下:(1)制造业产出,用各省份规模以上制造业增加值进行匹配,并且采用工业生产者出厂价格指数(2006年=100)进行平减。在研究期间的前几年大部分省份的统计年鉴或统计公报公布了规模以上制造业增加值,此后年份许多省份停止公布该口径的数据;为了保持数据的连续性,根据可获得本省份工业增加值数据估计制造业增加值。(2)制造业劳动要素,用各省份规模以上制造业全部从业人员的年平均人数进行匹配。(3)制造业资本要素,用各省份固定资产净值年平均余额进行匹配,用固定资产投资价格指数(2006年=100)进行平减。

  2.解释变量

  互联网应用(int)是本文的解释变量。与互联网相关的统计数据自2006年开始才比较完整,因而选择2006年为研究的起始年份。在测度互联网应用方面,学术界已经逐渐从单一指标[7]过渡到综合指标[14-23]。借鉴已有研究的指标设计并根据研究需要,本文从三个维度构建互联网应用的量化指标:互联网发展环境,用长途光缆线路相对长度和人均互联网域名数表示;投入资源,用互联网相对就业人员和人均互联网投资表示;产出资源,用人均电信业务总量和每个网页平均字节数表示。多指标的计算方法有多种,史丹和李鹏[29]综合分析比较多种定量评价方法后指出,“纵横向拉开档次法”可以更加客观地对跨期多指标数据进行量化分析,并运用该方法对工业发展质量进行了测算。本文采用上述方法先将数据进行标准化处理,并根据最大化指标之间的差异原则确定各指标的权重,其中长途光缆线路相对长度权重为0.127,人均互联网域名数权重为0.208,互联网相对就业人员权重为0.196,人均互联网投资权重为0.177,人均电信业务总量权重为0.206,每个网页平均字节数权重为0.086,进而量化测度互联网应用指标。运用“纵横向拉开档次法”对互联网标准化值进行处理,可以得到表1是2006—2019年中国30个省份(不含港澳台和西藏)互联网应用的统计特征。从表1可以看出,中国大部分省份互联网应用水平还较低,不同省份间存在较大差距,以北京和上海为代表的东部地区互联网应用水平较高,以河南和甘肃为代表的中西部地区互联网应用水平相对滞后。

  3.调节变量

  技能溢价(wag)是分析互联网应用影响制造业全要素生产率的一个调节变量。技能溢价主要反映从事创新活动与生产活动的劳动力获得工资的差距,学术界通常采用不同受教育水平劳动力的工资差异或者不同行业就业人员的工资比值来表示技能溢价[30]。本文选取科技人员的平均工资表示从事创新活动的劳动力工资,具体用科研经费内部支出中的总劳务费用与科技人员数的比值衡量;相较于研发部门的创新活动,生产部门生产活动的种类较多,选取制造业的平均工资衡量从事生产活动的劳动力工资;用从事创新活动的劳动力工资与从事生产活动的劳动力工资的比值来衡量技能溢价。

  4.控制变量

  本文选取以下控制变量:(1)研发投入(r&d),用研发支出与制造业增加值的比值衡量。(2)盈利水平(pro),用利潤总额与主营业务收入的比值衡量。(3)财政自主权(pub),用一般公共预算收入与一般公共预算支出的比值衡量。(4)国有企业占比(gov),用国有控股企业资产总值占全部企业资产总值的比重衡量。(5)技术溢出(lnfdi),用外商和中国港澳台投资企业资产占工业企业资产总计的比重的自然对数值衡量。

  本文主要变量的描述性统计如表2所示。

  (三)模型设定

  为检验互联网应用、技能溢价与制造业全要素生产率之间的关系,本文构建如下计量模型:

  lntfpchit=β0+β1intit+β2wagit+β3intit×wagit+∑8j=4βjXit+μi+εit

  其中,i表示省份;t表示时间;。lntfpchit为被解释变量,用制造业全要素生产率的对数值表示;int×wag为互联网应用与技能溢价的交互项;X为一系列控制变量;μi为个体固定效应;ε为随机误差项。

  四、回归结果与分析

  (一)基准结果

  对于估计方法的选择,Hausman检验的统计值为21.250,P值为0.012,因而采用固定效应模型进行估计更好,回归结果如表3所示。

  表3列(1)为只考虑本文核心变量的回归结果,互联网应用的估计结果显著为负,互联网应用对制造业产生了非适应性冲击,随着互联网在制造业的渗透度增加,原有的部分中间品投入不适应制造业发展,制造业出现暂时性的生产率下降。这说明互联网暂时性的冲击带来的替代效应大于创新效应,对制造业高质量发展产生非适应性冲击,出现了“索洛悖论”。技能溢价的估计结果显著为负,说明随着劳动力工作形式的改变,技能溢价对制造业全要素生产率也产生暂时性的消极影响。由此,假设1得到验证。互联网应用与技能溢价交互项的估计结果显著为正,说明互联网冲击制造业生产模式,但劳动力的创新活动相较于生产活动的工资差异能够发挥引导资源配置的作用,吸引具有开发与应用互联网相关技能的劳动力从事创新部门的创新活动,开发并应用与互联网新技术相适应的生产方法,抵消了互联网冲击的不利影响,从而促进制造业全要素生产率增长,推动制造业的转型升级。互联网对制造业全要素生产率的促进作用需要高技能劳动力的配合,技能溢价能够推动人力资本合理流动,从而有效化解“索洛悖论”。由此,假设2得到验证。

  表3列(2)从封闭经济体的视角,控制影响制造业全要素生产率的其他因素后,核心解释变量的作用方向和显著性没有发生变化。从控制变量的结果看,研发投入的估计结果为负,但统计上不显著。盈利水平的系数为0.707,在10%的水平上显著。,盈利性为促进制造业全要素生产率增长提供基本的物质保障,并且近年来良好的经济发展政策环境也引导更多的资金投入到效率改进中。财政自主权的系数为0.412,在5%的水平上显著。,表明充裕的财政水平为制造业效率提升、实现转型升级提供了资金保障。国有企业占比的系数为0.383,在1%的水平上显著。,国有企业在承担创新风险等方面具有比较优势,能够更好地在互联网时代推动制造业转型升级。表3列(3)进一步考虑经济体的开放程度因素的影响,核心变量的方向和显著性也没有发生变化。技术溢出的估计系数为0.064,在5%的水平上显著,说明开放带来的技术溢出有助于制造业全要生产率提升。这同时反映了开放有助于制造业高质量发展,并与互联网本身网络效应特征相适宜。

  (二)稳健性检验

  为分析实证结果的稳健性,采用索洛余值法计算制造业全要素生产率,并将其作为被解释变量,采用与上文相同的方法进行计量回归分析,结果如表3列(4)—列(6)所示。表3列(4)—列(6)核心变量的估计结果与列(1)—列(3)基本一致,这说明本文的回归结果是稳健的。

  (三)全要素生产率分解讨论

  Malmquist生产率变动指数可以分解成技术进步变动和技术效率变动,分别对其取自然对数并作为被解释变量进行回归,具体回归结果如表4所示。

  表4列(1)和列(2)被解释变量为技术进步,列(1)为只考虑本文核心变量的回归结果。列(2)是引入控制变量后的回归结果,互联网应用促进技术进步,但互联网应用对技术进步的促进作用受到技能溢价的影响。列(3)和列(4)被解释变量为技术效率,列(3)为只考虑本文的核心变量的回归结果,列(4)是引入控制变量后的结果。,回归结果均显示,互联网应用抑制技术效率,互联网应用对技术效率的抑制作用受到技能溢价的弱化。制造业全要素生产率是技术进步和技术效率综合作用的结果,结合表4可以发现,研究区间内制造业全要素生产率主要是技术效率导致的,互联网应用通过抑制技术效率影响制造业全要素生产率。值得注意的是,互联网应用对技术进步和技术效率的贡献方向完全相反,技能溢价的调节效应弱化了互联网应用的影响程度。由此可见,为发挥技能溢价的调节效应,需要将技能溢价控制在合理区间;在制造业全要素生产率是技术效率推动时,适度的技能溢价有助于缓解互联网应用带来的消极影响;随着互联网应用推动制造业转型升级进程的发展,制造业全要素生产率转变为技术进步推动时,互联网应用能够直接提升制造业全要生产率,此时应该合理降低技能溢价,最小化其带来的弱化效应。目前制造业全要素生产率主要是技术效率导致的,一定程度的技能溢价有助于发挥互联网应用促进制造业高质量发展的功能。假设2再次得到验证。

  五、研究結论与政策建议

  近年来,以互联网为代表的信息网络技术加快了中国制造业的数字化和智能化进程。本文基于A-H模型分析了互联网通过对从事生产活动的低技能劳动力的替代效应和对从事创新活动的高技能劳动力所产生的补偿效应,

  本文基于A-H模型,选取2006—2019年中国30个省份的制造业面板数据,采用固定效应模型分析了互联网应用对制造业全要素生产率的影响,研究了技能溢价在互联网应用影响制造业全要素生产率过程中的调节效应。在此基础上,构建了互联网应用的测度指标体系,运用“纵横向拉开档次法”测算和评价了中国30个省份的互联网应用情况,并采用各省份的面板数据验证了互联网应用对制造业全要素生产率的直接作用机制以及受技能溢价调节的间接作用机制。研究结果显示:(1)中国大部分地区互联网应用仍处于较低水平,整体上还处于初期阶段,具有广阔的发展空间;不同省份的互联网应用情况差距较大,东部地区互联网应用水平领先于中西部地区。(2)互联网应用使部分中间投入品的价值降低,并替代了生产部门低技能劳动力的部分生产活动;在互联网替代效应大于创新效应的条件下,造成生产部门出现暂时性要素冗余,降低要素转换为产出的效率,对制造业全要素生产率产生了非适应性冲击,暂时出现所谓的“索洛悖论”。(3)技能溢价对互联网应用影响制造业全要素生产率具有明显的调节效应,即生产部门和创新部门的工资差异能够发挥资源配置作用,吸引高技能劳动力进入创新部门从事创新活动,创造新的生产模式,提高中间产品质量,进而弱化互联网应用给制造业全要素生产率带来的消极影响。技能溢价能够削弱互联网带来的替代效应,增强互联网带来的创新效应,有效化解互联网发展初期所引起的“索洛悖论”。根据以上研究结论,笔者提出如下政策建议:

  第一,坚定实施“互联网+”计划,充分发挥互联网促进制造业转型升级的正面效应。为推动新一代信息技术的普及,需要加大互联网建设投入力度,完善相关基础设施。鼓励互联网相关产业发展,加快互联网与实体经济融合,为互联网发展培育良好的市场环境,形成以互联网为主导的产业生态体系。扶持应用互联网的创新性生产模式和销售模式,扩大互联网的应用范围,进一步发挥互联网促进产业发展的功能,通过提升制造业全要素生产率推动制造业转型升级,实现制造业高质量发展。

  第二,完善劳动力教育与培训体系,提升劳动力技能水平。互联网能够补偿技能劳动力的创新活动,互联网的应用和普及以及推动制造业转型升级需要大规模的技能劳动力作为支撑,这就离不开创新教育方式、培养劳动者的创新意识和完善高等学校新兴专业设置。互联网还会替代非技能劳动力的机械化生产活动,增加其失业风险,同时也会创造新的工作岗位,要求非技能劳动力更新职业技能向技能劳动力转化。这就需要强化在职教育和培训,完善职业培训体系。

  第三,健全经济运行的制度保障,降低劳动力市场工资扭曲。价格是资源配置的有效手段之一,工资水平是劳动力技能培养和职业选择的一个重要影响因素。完善与落实相关的法律法规,明晰合法产权和保护合法收入,构建合理的收入分配体系,更科学地确定劳动力工资水平,发挥市场机制的资源配置功能。在提高劳动力技能的同时,将技能溢价控制在合理水平,能够更充分地发挥技能溢价对互联网应用影响制造业全要素生产率的调节效应。

  参考文献:

  [1] Venturini, F.The Modern Drivers of Productivity[J].Research Policy, 2015, 44(2): 357-369.

  [2] Lipsey, R.G., Carlaw, K.I., Bekar, C.T.Economic Transformations: General Purpose Technologies and Long-Term Economic Growth[M].New York: Oxford University Press, 2005.

  [3] Bresnahan, T., Trajtenberg, M.General Purpose Technologies: Engines of Growth?[J].Journal of Econometrics, 1995, 65(1): 83-108.

  [4] 方燕,刘柱,隆云滔.互联网经济的性质: 本质特征和竞争寓意[J].财经问题研究,2018, (10) : 31-39.

  [5] 朱沛华,陈林.工业增加值与全要素生产率估计——基于中国制造业的拟蒙特卡洛实验[J].中国工业经济, 2020, (7): 24-42.

  [6] Solow, R.We'd Better Watch Out[J].New York Times Book Review,1987, 36(7): 12-36.

  [7] 郭家堂,骆品亮.互联网对中国全要素是生产率有促进作用吗?[J].管理世界,2016, (10): 34-49.

  [8] Stiron, K.J.Information Technology and the U.S.Productivity Revival: What Do the Industry Data Say?[J].The American Economic Review, 2002, 92(4): 1559-1576.

  [9] Jorgenson, D.W.,Ho, M.S., Stiroh, K.J.A Retrospective Look at the U.S.Productivity Growth Resurgence[J].The Journal of Economic Perspectives, 2008, 22(1): 3-24.

  [10] 蔡躍洲,张钧南.信息通讯技术对中国经济增长的替代效应与渗透效应[J].经济研究, 2015, (12): 100-114.

  [11] Czernich, N., Falck, O., Kretschmer, T., et al.Broadband Infrastructure and Economic Growth[J].The Economic Journal, 2011, 121(5): 505-532.

  [12] Kolko, J.Broadband and Local Growth[J].Journal of Urban Economics, 2012, 71(1): 100-113.

  [13] Brynjolfsson, E., Hitt, L.Paradox Lost? Firm-Level Evidence on the Returns to Information Systems Spending[J].Management Science, 1996, 42(4):541-558.

  [14] 黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与中国经验[J].中国工业经济,2019, (8): 5-23.

  [15] O'Mahony, M., Timmer, M.P.Output Input and Productivity Measures at the Industry Level: The EU Klems Database[J].The Economic Journal, 2009, 119 (3): 374-403.

  [16] 孙琳琳,郑海涛,任若恩.信息化对中国经济增长的贡献:行业面板数据的经验证据[J].世界经济, 2012, (2): 3-25.

本文由一品传承平台网首发,一个权威专业的学术论文发表知识网。

文章名称:互联网应用、技能溢价与制造业全要素生产率

文章地址:/jj/15246.html

论文范文免费获取

杂志社合作

十年平台,长期与1000+杂志社保持着合作伙伴关系

协议保障

可签署保密协议,不透露用户信息跟踪进程,保护个人隐私

期刊种类完备

为您提供较新期刊信息,覆盖大部分地区行业,满足您的要求

实体公司

对公企业账号,放心信任,工商部可查。注册资本金500万

论文发表加急通道

内容推荐
中级到副高需要多久
专利与什么级别的论文相当
龙源网和知网的区别
发表课题论文时要不要在课题论文下标上
教师课题申报是什么意思
sci在线发表和正式发表的区别
高级工程师论文要求多少字
专著是公开发行吗
期刊jst是什么意思
课题第一作者职责
专利的补正期限
专著副主编cip查不到吗

一次选择-尽享5大极致服务