双语阅读

自动化和就业:当技术促进就业

2019/09/27 17:45
收藏
对照中文英文原文
当采用节省劳动力的新技术时,是否会裁员或创造就业机会?

本文显示,制造业就业在一个世纪或更长时间内随着生产力的增长而增长,但后来才开始下降。这种模式的背后是需求性质的变化,这种变化导致了市场饱和。这意味着,在不久的将来,自动化的主要影响可能是工作的重大重新分配,而不一定是大规模裁员。

人们普遍担心,随着更多的人工任务可以由机器来完成,许多工作岗位将被新的计算机技术取代。最近的许多论文估计,这些技术在不久的将来会使9%到47%的工作面临自动化的风险。一些人担心,自动化任务范围的扩大将导致大规模失业,并需要新的政策,如全民基本收入。

拓展阅读:《应对机器人末世与社会不平等的大杀器:全民基本收入(UBI)》

但这些担心是多余的。历史表明,自动化能够而且确实经常导致受影响行业的就业增长。当主要行业实现自动化时,它们的就业往往会上升而不是下降(见图1)。直到后来才观察到与正在进行的自动化相关的大量裁员。

图1 三个行业的生产就业情况

显然,过去的自动化并不一定会导致大规模失业。但是这些历史上的例子与今天的技术相关吗?关键问题是,为什么自动化有时伴随着就业增长,有时却没有。就业反应的变化源于需求弹性的变化。今天不同的行业可能有不同的需求弹性,因此对自动化的就业反应也不同。因此,尽管自动化可能会在某些行业减少就业,但它会在其他行业创造就业。但这并不都是好消息。这意味着许多工人必须适应新的行业、技能和职业。节约劳动力的新技术带来的真正政策挑战不是大规模失业,而是帮助工人实现这些转变。

自动化和就业增长的难题

为什么自动化在某些时候与某些行业的就业增长有关,而在另一些时候与其他行业的就业下降有关?经济学家倾向于关注生产率的增长速度,以理解技术对就业的影响。然而,这些解释似乎并不完整。例如,Baumol(1967)认为相对于其他行业,制造业生产率的快速增长导致了制造业就业份额的下降。然而,制造业就业在19世纪有所增加,尽管制造业生产率的增长速度高于包括农业在内的其它行业。同样,Acemoglu和Restrepo(2018)认为,劳动力需求将随着生产率的快速增长而增长,但当生产率增长只是一般水平时,劳动力需求将下降。然而,无论是在19世纪就业率上升时,还是在20世纪末就业率下降时,纺织业和钢铁业的生产率增长率都是相似的。

一个关键的解释因素是需求性质的变化。当然,自动化可以增加需求。在竞争激烈的市场中,减少生产一单位产出所需的劳动力数量将降低价格。如果需求具有足够的弹性,需求将迅速增长,即使单位劳动力数量下降,就业也会上升。这正是美国棉纺织、钢铁和汽车工业早期的情况。

图2显示了按劳动生产率计算的这三种商品的人均消费,两者都用对数比例尺表示。在显示的这段时间内,三种商品的劳动生产率都以或多或少稳定的速度增长。但需求的反应却大不相同。在早期,需求随着生产力的提高而迅速增长,从而增加了就业。后来,需求增长放缓,以致不再抵消自动化节省劳动力的效果所造成的就业下降。在最初的几年里,相对于生产力而言,需求是高度弹性的,后来变得高度非弹性。这个数字并没有完全描述所有的变化。例如,它没有考虑到可能影响需求的收入同步变化。在我的论文中,我做了一个更完整的计量经济学分析,发现需求弹性相对于劳动生产率也出现了同样的下降。

图2 人均消费量



需求的满足

我们可以把这个行业的生命周期理解为一个需求满足的问题。在19世纪早期,成年人平均只有一套衣服。布料很贵,大部分是在家里,在农场里做的,这是一个非常耗时的过程。自动化带来的价格下跌,利用了被压抑的巨大需求。人们迅速要求更多的布来添置衣服。但到了20世纪中期,大多数人的衣橱都是满的,他们用纺织品做窗帘、室内装潢等等。自动化继续降低价格,但这些价格下降不再引发如此大的需求增长。

需求弹性的变化解释了图1中就业中出现的倒U型曲线。早期高度弹性的需求意味着需求增长超过了自动化节省劳动力的效果,从而导致就业增加。后来,非弹性需求意味着劳动力节约效应占主导地位,就业率下降。

但这种行业生命周期模式有多普遍呢?为了探讨这个问题,本文提出了一个简单的模型来解释这些需求的变化。根据Dupuit(1844)关于需求曲线的原始概念,商品的各种用途(用于第一套衣服的布料,用于软垫家具的布料,等等)在按相对价值排序时创造了一种分配功能。在高价时,消费者只会选择最有价值的用途,也就是分布的上尾。消费者的需求由上尾的面积表示。随着价格的下降,更大一部分的分配进入了与需求增长相对应的上尾。

图3 消费分布函数

我指出,对于一般的分布函数(正态、对数正态、指数型或均匀型),需求会导致就业中的倒u型。也就是说,在足够高的价格下,需求将是弹性的(大于1),随着价格的下降,需求的弹性会下降,最终变成非弹性的(小于1)。运用这个模型,我发现对数正态分布函数与纺织、钢铁和汽车行业的数据非常吻合。我们也可以期待今天的许多行业能够共享这一共同属性。

影响政策

这意味着,今天的一些行业——那些拥有大量未满足需求的行业——将对自动化做出弹性反应,并可能看到就业人数上升。此外,即使新技术以更快的速度带来自动化,这也是事实。生产率的增长速度影响着变化的速度,而需求的弹性决定着变化的迹象。

当然,对自动化反应的弹性是一个经验问题。最近的研究确实发现,在一些拥有新信息技术、自动化和机器人技术的行业,就业反应积极。例如,Gaggl和Wright(2014)、Mann和Puttmann(2017)、Bessen和Righi(2019)发现,信息技术似乎在许多行业增加了就业,但在其他行业却减少了就业。Koch等人(2019)发现采用机器人的公司增加了就业,而Graetz和Michaels(2018)和Dauth等人(2017)发现机器人对就业没有影响。相反,Acemoglu和Restrepo(2017)发现了一个负面影响。

这些不同的发现表明,在不久的将来,自动化的主要影响可能是导致大量工作的重新分配,即使它不会永久性地消除大量工作。然而,这种变化可能具有高度破坏性。转换行业的工人通常需要新的技能,他们可能需要转移到新的职业,有时甚至是新的地理位置。这些转变可能导致一段时期的失业,这对政策构成了重大挑战。

为提升阅读体验,智堡对本页面进行了排版优化 查看原文
评论