技术进步是否加剧了性别就业差距？

奥鹏网院作业

技术进步是否加剧了性别就业差距？
朱轶
(华侨大学经济与金融学院，福建 泉州 362021)
摘 要： 本文基于微观机理与典型事实，推演归纳地区层面广义技术进步对性别就业差距的影响机制与动态规律，提出技术水平对技术进步性别就业效应的调节机制假说，结合2000-2018年我国省际数据，使用动态面板回归与调节效应模型检验发现：技术进步对我国男、女性就业率均具促进作用，但由于其对男性就业的促进更强，导致性别就业差距的强化；技术进步对我国性别就业差距的影响呈现显著区域异质性，在东部地区表现为对性别就业差距的强化，在中、西部地区则表现为对性别就业差距的弱化；技术水平在地区技术进步与性别就业差距之间发挥调节作用；区域技术水平越高，技术进步对性别就业差距的强化作用越大。本文立足地区层面视角，拓展了性别就业歧视领域的理论机制探讨，并为性别就业差距的纾解提供了新的实证结论与政策启示。
关键词： 技术进步； 性别就业差距； 技术水平； 区域
一、引言
随着经济社会快速发展，女性在我国人力资本构成中的重要性日益提升，但现实中女性在就业领域受到的歧视却一直广泛存在，男、女性劳动力在从业机会、薪酬、晋升上的歧视性差异至今仍难以消除。文献研究表明，就业性别歧视对于国民经济增长与社会发展存在诸多不利影响，其不仅会制约经济增长率，还会妨碍就业者找到适宜的就业岗位，进而降低社会产出[1]；更为重要的是，伴随我国技术进步的日新月异，经济活动对技能劳动的需求日益提升，由于男、女性劳动力之间的技能差异，技术进步过程将对不同性别的就业产生更为强烈的差异化冲击，进而可能加剧性别间的就业差距，影响社会公平稳定与经济潜力的发挥，在十八届三中全会“推动经济更有效率、更加公平、更可持续发展”的政策背景导向下，研究领域一个亟待解答的问题是：近年来技术进步是否加剧了我国就业领域的性别差距？如果答案为“是”，那么其机制如何？政策层面应如何应对？
已有文献对于性别就业歧视的界定主要基于两个层面，一是就业机会与岗位的差异，即用人单位在同等条件下选择特定性别劳动力的倾向，通常使用“性别就业差距”进行界定[2,3]；二是工资收入上的歧视，体现在相同职位下不同性别劳动力工资上的不平等，通常表述为“性别工资差距”或“性别工资歧视”。上世纪中叶，Becker(1957)[4]提出偏好歧视理论，将性别歧视归因于雇主偏好，Gross(1968)[5]提出“职业性别隔离”概念，其后国内外学者从市场垄断力量[6]、信息不对称[7]、社会文化观念[8]、对外贸易[9]、人力资本投资[10]等众多角度对就业歧视的成因与影响因素进行了解读，尽管视角与观点众多，但一个普遍共识是：就业性别歧视根源于不同性别之间的特征差异，由于女性在生理特征、受教育程度、技能水平等方面的差距，加之传统社会家庭分工及相关制度安排的影响，导致其在就业市场中一直处于被“歧视”的地位。然而，相关研究中一个往往被忽视的问题是，男女性劳动力的特征差异是一个动态的相对演化过程，根据Duflo(2012)[11]的观点，性别歧视程度的弱化与社会经济发展之间密切相关，随着技术进步的演进，生产活动中对体能与技能的需求逐步变化，这会造成男女性劳动力胜任能力的相对改变，进而引起性别就业歧视的强弱变动；文献研究也证实随着技术进步过程中认知技能回报的相对提高，女性在认知技能和完成非常规任务方面的优势相对凸显，致使其受到的工资歧视程度降低(邢春冰等，2014)[12]，可见技术进步即使并非就业歧视的主因，但至少是不可忽视的影响因素之一。
但就目前来看，国内关于性别就业歧视问题的研究大部分集中于对性别工资差距的考察[13-14]，针对性别就业差距(就业机会与数量)的研究明显偏少，相关领域文献大体处于一种割裂状态，表现为：(1)在考察就业性别差距的影响因素时，并未足够重视技术进步这一重要因素的考量，涉及技术进步对性别就业影响的文献仍非常有限。(2)在探讨技术进步对就业的影响效应时，少有引入性别差异的分析[15-16]。(3)在为数不多关于技术与就业性别差距的关联性研究中，核心变量局限于出口技术复杂度[17]、出口技术结构[18]这类局部技术指标，尚未涉及广义技术进步对性别就业差距的影响。实际上，尽管性别工资问题非常重要，但获得就业岗位却是赚取工资的前提；在区域乃至宏观对策层面，广义技术进步相比局部技术指标往往更具全局解释力和参考价值，针对广义技术进步对性别就业差距的讨论理应获得更多的关注。
当我们将上述问题置于我国区域层面进行考量时，情况则更为复杂。在区域复杂系统的技术进步过程中，不同地区、行业、部门的就业性别调整各异，实证结论的最终效应取决于样本对象、样本时期、模型设置、计量方法选择等一系列复杂因素。在特定区域，技术进步对性别就业的影响效应则与众多本地因素关联，王光栋等(2008)[19]研究发现发达地区的技术进步通常伴随更大规模的人力资本投资，致使其“技术型失业”并不显著，而欠发达地区技术进步缺乏人力资本支撑导致“技术型失业”更为突出；据此可见在不同发展水平区域，技术进步对性别就业的影响具有显著的差异性特征。但遗憾的是，目前少有研究关注这种差异性特征的内在规律，相关文献多数局限于探讨技术因素对性别就业的直接效应，对异质性区域截面下技术进步对性别就业影响机理尚未有深入挖掘。
基于以上，本文着眼地区层面的机理构建与实证拓展，可能的边际贡献在于：(1)研究内容方面，相关文献主要关注局部技术指标与性别工资差距的关系，尚未涉及广义技术进步与性别就业差距关联的考察，本文据此展开探讨，拓展了相关领域的研究广度。(2)研究视角方面，在已有针对个体、企业、行业局部技术指标的文献基础上，将研究视角拓展至区域层面，归纳推演区域层面广义技术进步对性别就业差距的影响机理并进行检验，丰富了针对技术进步对性别就业影响的理论框架与实证结论。(3)技术路线方面，本文基于区域异质性视角，首次提出技术水平在区域技术进步与性别就业差距之间的调节效应假说，深化了区域技术进步对性别就业影响机理与动态规律的认知。在我国技术进步快速推进的背景下，本文研究将有助于厘清就业性别不平等的内在逻辑与区域特征，并为我国不同特征地区合理制定科技、就业政策，有效应对性别就业差距问题提供理论与对策依据。
二、技术进步与性别就业差距——理论机制与研究假说
技术进步存在广义与狭义之分[20]，本文研究针对区域层面，故采用广义技术进步定义：即技术进步不仅涵盖狭义技术进步(生产工艺、中间投入品以及制造技能等方而的革新和改进)，同时也包括经济发展过程中劳动者知识、技能的提高和扩散、管理水平的提高、改进生产要素的配置和规模生产的效应等。需要说明的是，已有文献对于性别就业差距的测量方式多种多样[21-22]，本文借鉴陈晓华和刘慧(2015)[17]、沈成燕等(2017)[18]的研究，通过劳动市场中女性就业率(F)与男性就业率(M)的比值(F/M)测量性别就业差距，在女性就业率相对较低的现实背景下[23]，若该指标上升则说明女性就业率相对(男性)提升，男女就业率差距缩小，反映性别就业差距的弱化；若指标下降则表示女性就业率相对(男性)降低，男女就业率差距扩大，反映性别就业差距的强化。
大卫李嘉图(1817)[24]将技术进步对就业的影响比作一把“双刃剑”，认为其即可能造成就业破坏，也可能形成就业促进，后续学者循此思路将技术进步的就业影响归纳为“破坏效应”与“补偿效应”，故本文也从正反两方面讨论技术进步对不同性别就业的差异化影响机制。
(一)技术进步对性别就业差距的强化机制
根据熊彼特(1912)[25]的观点，技术进步是一种创造性破坏过程，随着技术进步的深入，先进的生产工具与生产方式会对一部分原有劳动力形成替代，从而加剧短期失业。Acemoglu(2001)[26]指出技术进步通常具有劳动节约属性，这种属性不仅会降低生产部门对劳动力的整体需求，并会使技术进步与技能劳动之间进一步紧密结合，这意味着技术进步必然伴随着更高的技能劳动需求，导致其对就业的“破坏效应”在性别层面表现出“天然”的不平衡：一方面，现实中高技能劳动力多为男性，女性在技能方面相对处于劣势[18]，在高技术水平、高技能需求、集约化经营的行业部门，技术进步相对不利于女性就业；另一方面，技术进步也表现为管理水平的提高，这一过程会通过裁减冗员等手段，使组织结构、人员配置更加合理化，由于女性承担更多的家庭、生育责任，并具有更低的工作搜寻强度、更高的保留工资水平、更频繁进出劳动力市场的倾向，加之女性相对厌恶竞争且议价意愿和能力不高[27]，导致就业市场对具有相似人力资本特征的男女性劳动力反应差异明显[8]，在技术进步冲击下，女性就业岗位的获得和女性更容易成为被调整的对象。
技能回报的变化是劳动力市场对技术进步的自然反应[28]。近年我国城镇地区的技能回报大幅上升[12]，但女性在技能劳动方面的劣势并未发生根本改变，由于技术进步会强化市场竞争[18]，企业在竞争压力下会根据其内外部状况进行经营调整，实力较强、技术相对密集的企业会倾向于提升技术水平以强化竞争力，在此过程中，女性劳动力由于教育与技能方面的的相对劣势更可能被“挤出”，这种挤出效应的大小与就业岗位的技术水平(技能需求)直接相关。
(二)技术进步对性别就业差距的弱化机制
技术进步不仅会带来生产工具的改造更新，同时也伴随生产组织及劳动方式的变革，尽管女性在高技能需求岗位中相对处于劣势，但在一般性生产环节中，技术进步却可以通过简化生产操作，降低生产中的体力劳动强度与技能需求门槛，使女性可以胜任以往难以承担的高体能或高技能需求岗位，弱化性别之间的职业能力差异。Juhn等(2014)[29]基于墨西哥数据研究发现随着机器设备更新以及生产流程计算机化，企业对工人“体力”的要求降低，导致在“蓝领”工作中女性相对男性的劳动参与率提升；魏下海等(2018)[30]的研究也证实我国制造业企业的流水线升级有效缩小了女性员工面临的工资歧视，可见在微观层面，生产技术的改进有助于缓解就业性别差距。
根据Welch(2000)[31]的大脑—肌肉模型(brains-and-brawn model)，在劳动力市场上，男性与女性群体分属于不同技能束，男性技能具有肌肉密集特征(brawn intensive)，在运动技能方面占有优势；女性技能则具有大脑密集型(brain intensive)特征，在认知能力与非认知技能方面相对占优。伴随技术进步的推进，生产操作的简化分工降低了对劳动者在体力和运动能力(motor skill)方面的硬性要求，使认知技能(cognitive skill)的作用开始得到凸显[32]；同时，生产中对细心、耐心、专注、自控力等方面“非认知技能”[33]的需求也开始提升，这使得女性的一些特质在部分工作场景下逐步凸显并转化为相对优势，从而改善这些领域女性的就业形势。同时，技术进步对性别就业的影响不仅体现在生产环节，也体现在教育培训、研究开发、生产性服务等非生产性环节中，非生产性行业对于体力与技能要求相对较低[21]，对性格、情绪、语言等素质要求较高。根据各国经验，技术进步发展到一定阶段将导致生产性就业人数减少，非生产性就业人数增加，这一结构转变可使女性在体力、教育、技能等方面的劣势被相对弱化，并使其在认知技能、专注力、耐性、人际交往、期望工资低等方面的优势相对强化，从而扩大女性劳动力的就业空间，为性别就业差距的缓解提供可能。
(三)区域层面整体效应——研究假说
综上可见，技术进步对就业性别差距的强化机制与弱化机制同时存在，当我们将研究视角置于区域层面时，技术进步对就业性别差距的整体效应则取决于各个子地区、行业、部门及企业等多层面效应的加权汇总，最终效应方向与两方面机制的场景分布广泛性相关。就文献结论来看，尽管魏下海等(2018)[30]基于微观企业数据的研究支持技术进步对性别工资差距的缓解作用，但其研究样本仅限于沿海发达地区广州周边的部分行业企业，而在现实区域格局中，存在大量技术水平偏低的地区、行业与企业，这种异质性将极大削弱微观层面结论在区域层面的适应性和解释力，故有必要专门针对区域层面进行理论构建与实证考察。
纵观我国技术进步过程，一个较为直观的经验认知是：在改革开放初期的较低技术水平上，技术进步引致的技能需求在数量与层次上均相对较低；而在特定时期，欠发达地区技术进步所引致的技能劳动需求也与发达地区存在差距，可见区域技术进步具有显著路径依赖特征，对特定区域而言，技术进步对性别就业的影响与该地区所处的技术水平直接相关，基于经验认知与文献观点，我们基于演进视角，结合微观机理与典型事实，以区域所处不同技术水平为基点，归纳推演区域技术进步对性别就业的动态影响机制，如图1所示。
在图1中，横轴指标为区域所处技术水平；纵轴指标则采用较为特殊的处理，考虑到技术进步对就业数量的影响具有较大不确定性，我们选择以技术进步对性别就业的“有利程度”作为纵轴指标(1)图1中我们使用了“有利程度”，而非“促进效应”这类表述，原因在于特定技术水平下技术进步对性别就业的影响更多是一种“倾向”，而“促进效应”则是“倾向”加上各种因素复杂作用的结果，由“有利程度”到最终“促进效应”的落实需要经历各种复杂因素的作用过程，存在较大不确定性。故在理论探讨中，使用“有利程度”这种倾向性表述更为合宜，最终的“效应”则需要参考真实数据的实证结果，可能存在“意外”。，而非通常使用的就业数量或增速。基于该设定，则曲线M与F分别反映在不同技术水平下，技术进步对男、女性就业的有利程度，图1中M与F的位置与方向设置基于以下讨论。
(1)基于长期历史观察，技术进步确实带来了人类社会就业数量的整体增加。尽管学界对于技术进步的就业破坏效应一直存在担忧，但就真实数据来看，随着技术革命的发生与深入，人类社会的就业数量与质量在大部分正常时期(2)此处指除动乱、战争、饥荒、瘟疫等非正常状态之外的情况。均呈现提升态势。Carnoy(1997)[34]比较了技术对就业影响的多层次效应，认为尽管技术进步在理论上对就业具有负面效应，但即使是在工厂和公司这样的微观层次，这种负面效应也常常被生产扩大所导致的就业补偿所抵消；从长期来看，技术进步对就业的创造效应、质量改善效应大于破坏效应[35]；很大程度而言，正是技术进步使人类得以摆脱马尔萨斯陷阱的束缚[36]。因此，在图1可见部分，曲线M与F均位于横轴上方，表明在可观察的历史时期中，技术进步对就业是整体有利的。

图1 不同技术水平下技术进步对性别就业的影响示意图
(2)技术进步衍生的技能劳动需求与其所处的技术水平正相关，以历次技术革命为例：第一次技术革命发生在人类社会技术水平较低的阶段，其所衍生的工作岗位技能需求层次相对较低，以至大部分劳动力均可胜任，尽管传统手工者因机械化生产而受到巨大冲击，但技术革新衍生的岗位需求不仅吸纳了这部分手工业者，更吸纳了大量因失去土地而进城的农民，从而形成远高于就业破坏效应的就业补偿，致使人类社会就业数量获得突破式增长；然而，当技术进步发展至以人工智能为特征的较高水平阶段后，技术进步在衍生出更高技能劳动需求的同时也会在更高的技能层次形成就业破坏，由于人工智能技术的通用性、渗透性特点，其产生的就业替代波及工业与服务业各个层面，使得其带来的就业破坏不仅影响体力劳动者，更会对许多高技能层次的脑力劳动者形成冲击；同时，技术进步的就业创造更多地来于其衍生的新产业、新业态中，但在技术水平发展至较高水平之后，技术进步衍生产业的就业岗位的技能需求门槛也随之提升，加之技术推广、市场普及、社会文化等多种因素影响，导致技术进步的就业创造受到更多的限制，其就业促进能力面临持续强化的压力。故在图1中，曲线M与F的斜率均为负值，表明随着技术水平提升，技术进步对男、女性就业的有利程度均会下降，两者在未来某个阶段与横轴相交，由“有利”转为“不利”，这种转变将很可能意味着机器与人工智能对人类一般劳动的广泛替代。
(3)技术进步的性别就业效应直接取决于特定时期人力资本能在多大程度上满足技术进步衍生的技能劳动需求。现实中技术进步速度日新月异，导致经济活动中对高技能需求的就业岗位持续增加，但教育水平的增长却是一个长期渐进过程，劳动者技能需要通过培训、干中学与知识外溢积累，提升速度相对缓慢。在此背景下，当技术水平达到一定程度之后，人力资本发育速度将不可避免地被技术进步速度超越，并且差距持续扩大，导致技能劳动供给越来越难以匹配技能需求的提升。
在我国人力的长期资本积累过程中，女性人力资本的发育明显滞后。一方面，女性人力资本存量远低于男性，而折旧率明显高于男性[37]；另一方面，我国历史传统和现实中男性教育一直受到更多重视，针对女性人力资本投资相对不足，导致女性劳动力的受教育程度与技能水平长期相对偏低，成为低技能劳动力的重要组成部分。尽管伴随技术进步带来的设备更新和流程改进，技能需求结构的变化使更多女性得以参与到以往难以胜任的生产和服务部门中，拓展了女性的就业空间，但这种拓展更多体现在偏低技能要求领域，在女性人力资本相对落后的整体背景下，较高技能需求领域中女性劳动力技能仍难以胜任。技术进步尽管可以弱化性别劳动力之间的体能差距，但却难以有效弱化技能差距，这意味着技术水平越高，女性技能劳动供给与技能劳动需求之间的鸿沟将更为扩大，这必然导致技术进步对女性就业更不“友好”，而从根本上看，这种情况只有在男女性别人力资本水平差距收窄的情况下才可能得以缓解。故在图1中，曲线F相对M更为陡峭，反映技术进步对女性劳动力就业的有利程度衰减更快，并将更早进入负值区间(由“有利”转为“不利”)。由于斜率差异，曲线F和M相交于点E，在E点左侧的较低技术水平(技能需求)下，市场竞争更多地表现为成本竞争，此时技术进步可以一定程度上弱化女性体能与技能的差距，使期望工资较低的女性劳动力相较男性更具“性价比”，从而相对有利于女性就业(图1中线段AB所示)；在E点右侧的较高技术水平上，市场竞争更多体现在技术、创新、效率、品牌等方面，此时技术进步衍生的技能劳动数量与质量需求更高，对女性就业更为不利，并可能造成性别就业差距的强化(图1中线段CD所示)，这种强化作用会随着技术水平的提升而增强。
(4)根据Acemoglu(2002)[38]的研究，第三次产业革命中信息技术广泛应用相关的技术进步特征普遍是技能偏向，而工业革命初期技术进步的性质则更多是技能替代(也称为非技能偏向)，可见在不同发展阶段和技术水平上，技术进步会衍生出截然不同的技能需求与就业结构。一般而言，在技术水平较低区域，技术进步衍生的技能劳动需求也相对较低，技术进步前沿需求与当地人力资本水平之间差距较小，使得性别间的技能差距相对不易凸显，女性更容易从技术进步的衍生岗位需求中获得机会；而在较高技术水平区域，技术进步速度与前沿面拓展将更为迅猛，远超人力资本发育速度，这会导致衍生的技能劳动需求与人力资本供给之间的缺口持续扩大，尽管这种缺口长期中会随着人力资本增长逐步得到弥补，但短期中仍会对就业形成显著冲击，由于女性劳动力的教育与技能劣势，其受到的就业冲击也会相对更为突出。
现实经验中，高技术水平地区大多也同时具有“发展水平高、人力资本高、工资水平高”的相对特征，但在技术进步日新月异背景下，这种特征却并不一定有利于女性劳动力就业。一般而言，高技术水平地区的工资水平相对更高，用人单位对工资成本的“性价比”也会更为敏感，致使其往往更愿意雇佣技能素质较高的男性；而在低技术水平地区，较低的平均工资水平下，性别工资差距空间收窄，用人单位对于性别工资差距的敏感度相对弱化，由于女性较低的期望工资与更强的就业稳定性，反而可能更多吸纳女性就业。陈晓华和刘慧(2015)[17]研究发现低技术经济体出口技术复杂度升级有利于缓解就业的性别歧视，而中高技术经济体的出口技术复杂度升级加剧了就业性别歧视，可见技术进步对就业性别歧视的效应确实会受到经济体技术水平的影响，因此，可预期技术水平在技术进步与性别就业差距之间发挥调节作用。
综合文献结论与以上讨论，我们提出研究假说如下，并进行实证检验。
H1a 在可观察的时期内，技术进步对男、女性就业整体具有正面作用，但作用大小存在差异。
H1b 随着技术水平持续提升，技术进步对女性就业相对更为不利。
H2a 在技术水平较低区域，技术进步对女性就业相对更加有利，有助于弱化性别就业差距；在技术水平较高区域，技术进步对男性就业相对更加有利，倾向于强化性别就业差距。
H2b 技术水平在技术进步与性别就业差距之间发挥调节作用。
三、实证设计
(一)模型设置
参考相关文献[17,18]，在针对性别就业差距的实证研究中，因变量往往存在“前期依赖与变化缓慢”特征，使用动态面板模型不仅有利于处理内生性问题，同时还可有效刻画因变量的历史依赖特征。因此，本文基于2000-2018年我国省际数据，构建动态面板数据模型考察区域技术进步对就业性别差距的影响效应。需要说明的是，本文样本期选择为进入21世纪后的19个年度，相对于技术进步的漫长进程而言，属于短期层面的经验研究

(1)
式(1)中，yit为被解释变量，在实证中分别使用男性就业率对数(lnM)、女性就业率对数(lnF)及ln(1+F/M)表示，以反映男、女性就业率及性别就业差距的情况；tfpit为全要素生产率指数，代表各地区技术进步情况，是模型核心解释变量；i=1,2,3…29代表29个省区，t=2000,2001…2018表示样本期各年份；m为因变量滞后阶数，根据实证中相关检验量的显著性确定；xit为一系列控制变量的集合，η1为控制变量拟合系数向量；μit为不可观测的地区差异, εit为残差项。
(二)变量定义、数据处理与描述性统计
1.被解释变量
性别就业差距：参考陈晓华和刘慧(2005)[17]、沈成燕等(2017)[18]的研究，使用就业市场中男女性就业率的相对差异作为被解释变量。就业率是全社会可参与劳动的人口中实际就业的人员所占比重，本文研究中，地区性别就业率分别以该地区男、女性年末就业总数占当地男、女性劳动年龄人口的比例测量(3)各省区男、女性就业人员数据取自《中国劳动统计年鉴》中“各地区城镇单位就业人员年末数”与“各地区城镇单位女性就业人员年末数”，男性就业人员年末数通过两者相减得到。分省区男、女性劳动年龄人口数据根据相关年度《中国统计年鉴》与《中国人口与就业统计年鉴》中的“各地区分性别人口数”与“各地区人口年龄构成与抚养比”估算。分省区男、女性劳动年龄人口数据在统计资料中并无直接公布，我们采用一种估算方法，近似以15-64岁作为劳动年龄人口，从《中国统计年鉴》中获得各省区男、女性人口总数，基于《中国人口与就业统计年鉴》中的“各地区人口年龄构成和抚养比”报表计算各地区劳动年龄人口所占比重，假定各地区男、女性人口年龄结构相同，最终计算公式为：女性就业率=(各地区城镇单位就业人员年末数-各地区城镇单位女性就业人员年末数)/(各地区女性人口总数×城镇化率×各地区城镇15-64岁人口占比)，“各地区城镇15-64岁人口占比”数据来源于相关年度《中国人口与就业统计年鉴》中的“各地区人口年龄构成与抚养比”，男性就业率也采用这一方法计算。，实证中处理为Y=ln(1+F/M)。此外，为考察区域技术进步对男、女性就业率的差别效应，在实证中也分别以lnF、lnM作为因变量进行对照拟合。
2.核心解释变量
技术进步：本文采用广义技术进步概念，使用地区全要素生产率(TFP)作为技术进步的代理变量，基于Coelli(1998)[39]开发的数据包络分析法(DEA)，以Malmquist生产率指数作为技术进步的测量。各省区TFP测算所需资本存量数据来源于单豪杰(2008)[40]的估算，并延续其方法将估算数据拓展至2018年。
3.控制变量
(1)平均受教育年限ae(Average Years of Education)：反映地区劳动力的人力资本水平。劳动力受教育程度差异是造成就业性别歧视的重要原因之一(汤二子，2012)[41]，本文参考白雪梅(2004)[42]的测算方法对平均受教育年限进行计算(4)从《中国劳动统计年鉴》、《中国人口与就业统计年鉴》中获得“分地区就业人员教育程度构成”数据进行处理，根据各学历水平的受教育年限(未上过学记为0；小学毕业记为6；初中毕业记为9；高中及中专学历记为12；大专学历记为15；本科学历记为16；研究生学历及以上记为19)，实证中使用平均受教育年限的对数表示。
(2)平均工资aw(Average Wage)：工资水平是就业研究领域的核心变量，早期研究中Mincer(1974)[43]发现最低工资的上涨对女性就业的负面制约相对更大；然而，后续也有文献研究表明最低工资水平的上升对男性就业率的制约更为显著[44]，可见地区工资水平对就业性别差距的影响并不存在稳定的理论预期。本文使用“各地区分行业职工平均工资”指标代表地区工资水平，并取对数处理。
(3)外贸依存度relyt(Froeign trade dependence)：随着经济全球化进程的深入，开放经济条件下各种贸易活动对就业性别歧视的影响日益显著(Karen，2008)[45]，本文引入外贸依存度指标以控制进出口贸易活动对性别就业差距的影响，计算方法为：地区进出口总额/地区GDP。
(4)劳动总需求tld(Total labor demand)：劳动总需求反映一个地区的就业机会的大小，决定着劳动力市场中需求曲线的位置，本文使用地区单位GDP所吸纳的就业数量(地区就业人员年末数/GDP)作为劳动总需求的代理变量,在实证中取对数处理。
(5)劳动总供给tls：参考刘玉成(2014)[22]的研究，使用地区劳动年龄人口所占比重(15到64岁)作为劳动力供给的代理变量。
(6)经济增长grw：地区经济景气情况会直接影响产品与要素市场供需，进而影响不同性别劳动力就业，本文选取GDP增长率反映地区经济景气状况，在实证中处理为：ln(1+GDP增长率)。
表1 变量定义

上述变量数据均来源于相关年度《中国统计年鉴》、《中国劳动统计年鉴》、《中国人口与就业统计年鉴》，由于在全国31个省区中新疆和西藏自治区个别年份的数据缺失，故从样本中去除，最终选取29个省各项指标进行实证分析，所有货币单位指标均以2 000为基年进行价格调整，各变量描述性统计如下。
表2 变量描述性统计

(三)模型拟合结果与分析
1.全国面板基准回归
基于实证模型(1)，使用Arellano和Bond(1991)[46]提出的差分广义矩(GMM)方法估计区域技术进步对就业性别差距的影响，综合Sargan检验、AR(2)、Wald检验结果确定工具变量设置与滞后阶数，就实证结果来看，因变量的最优滞后阶数均为一阶。由于动态面板GMM模型中往往存在截面相依性，在模型中加入了时间趋势以控制其影响；考虑到区域面板数据截面较少，采用Windmeijer(2005)[47]提出的小样本矫正方法(Small-sample Correction)对系数估计标准差的偏差进行Robust矫正。在全国层面，分别使用ln(1+F/M)、lnF、lnM作为因变量进行拟合，以揭示技术进步对就业歧视系数以及其分别对女性、男性就业率的影响，回归结果如下所示。
表3 全国面板拟合结果

注：表中各变量参数估计值下方括号内为稳健标准误，Arellano-Bond AR(1)、AR(2)、Sargan与Ward检验量下方括号中为P值，***、**、*分别表示系数在1%、5%、10%的水平上显著。下同。
表3可见，三个方程的一阶相关性AR(1)检验均至少在5%水平上显著，二阶相关性AR(2)检验的结果均拒绝存在二阶序列相关的原假设，Sargan检验表明不存在过度识别问题，Ward检验表明方程拟合显著性良好。表中列(1)为全国层面以ln(1+F/M)为因变量的拟合结果，可以看到滞后一期因变量系数显著为正，表明在全国层面，前一期就业性别歧视强度会正向影响当期性别歧视程度，呈现典型“前期依赖”特征，故使用动态面板模型具有合理性；核心变量tfp拟合系数在5%水平上显著为负(-0.064 4)，表明在我国整体层面，技术进步加剧了性别就业差距，但这种加剧作用并不突出(系数绝对值0.064 4较小)。列(2)与列(3)分别列示以女性就业率(lnF)与男性就业率(lnM)为因变量的拟合结果，我们发现技术进步对我国男、女性就业均具有显著促进作用(分别在10%与1%水平统计显著)，并且对男性就业率的促进(0.364 6)大于对女性就业率的促进(0.308 6)，这不仅验证了假说1a，并且提示我们：虽然技术进步引致的就业增量使女性获得了更多就业机会，但男性劳动力的就业获益相对更大；技术进步对我国性别就业差距的强化效应并非源于其限制了女性就业，而是在于其更多地促进了男性就业。
从控制变量的拟合结果可以发现：(1)尽管平均受教育年限(ae)的提升对于性别就业差距的影响并不显著，但其对男、女性劳动力就业率却同时具有显著促进作用，拟合系数高达0.838 7与0.854 4，可见受教育年限的提升确实有助于提升不同性别劳动力对于技术进步的适应性，其中，人力资本水平相对较低的女性劳动力就业可从教育年限的提升中获益更多。(2)工资水平aw的提升对性别就业差距具有显著强化作用(-0.094 5)，其对女性就业率的影响系数为负(-0.229 5)但并不显著，但对男性就业率则具有显著正面影响(0.306 2)，可见面临水平工资的提升，现实中厂商仍更愿意雇佣男性，导致工资提升对女性相对就业率并没有显著促进。(3)外贸依存度变量relyt系数在三个方程中均为负值，但仅在针对女性就业率的回归中统计显著(-0.101 4)，可见国际贸易对我国女性就业率具有不利影响，这与相关文献结论基本一致[48-49]。(4)劳动总需求tld对我国性别就业差距以及男女性就业率影响均不显著，这可能源于我国劳动力市场仍存在较大的供需结构性矛盾，导致需求难以与供给有效匹配进而促进就业。(5)劳动总供给对男、女性就业率均具有显著负面影响，考虑本文对劳动总供给的测量使用地区适龄劳动人口比例指标，在劳动力需求提升较慢的背景下，劳动年龄人口比例的增长确实会对就业率提升形成制约。(6)就经济增长变量grw拟合系数看，经济增长反而显著加剧了性别就业差距(-0.112 2)，其原因在于相对于女性(系数不显著)，男性劳动力更容易从经济增长中获得就业红利(系数显著为0.659 2)。
2.分区域回归
全国整体面板的拟合可被视为内部各区域效应相互抵消平衡的结果，在具体区域，实证结果可能差异显著。参考严冀等(2005)[50]的分类将全国划分为东、中、西部三大地区进行分面板拟合，以此考察技术进步对我国典型区域性别就业差距的具体影响，拟合结果如表4所示。
就表4所示分地区拟合结果来看，东部地区的技术进步对就业性别差距形成了显著的强化效应(-0.120 2)。东部处于我国技术进步与创新的前沿，技术研发、引进与设备更新更快，技术进步呈现较强的劳动增强型特征[51]，机器设备对人力劳动的替代也更为显著，就本文结论看，东部地区的技术进步导致了当地性别就业差距的扩大。中、西部地区变量系数均显著为正值，说明中、西部地区技术进步有助于提升女性相对就业率，并且拟合系数分别达到0.041 3与0.108 4，可见随着由沿海向内地的推移，tfp变量对就业性别歧视的拟合系数呈现由负到正的递增态势。
我国区域之间技术水平差异显著，一个普遍的认知是：东部地区的技术水平显著领先于中西部地区，这种差距不仅体现在工业发展水平上，同时也体现在工业技术效率[52]、全要素生产率增长[53]等方面。综合不同地区变量拟合系数可以看出：我国区域技术进步对就业性别差距的影响效应存在某种分布规律，即在技术水平较低区域(中、西部)，技术进步有助于弱化性别就业差距；在技术水平较高区域(东部)，技术进步对女性就业更不“友好”，并且强化了性别就业差距，这初步符合假说2a的描述。
表4 东、中、西部地区拟合结果

3.稳健性检验
考虑本文实证基于省际数据的动态面板数据模型，使用偏差校正的最小二乘虚拟变量估计(Bias-Corrected Least-squares Dummy Variable Estimators，BCLSDV)无论在偏差大小还是均方差方面都具有一定优势[54]，故使用该方法作为稳健性检验手段，结果如表5所示。
对照表4与表5拟合结果，BCLSDV方法下核心自变量的系数符号与差分GMM方法一致，显著性水平也无明显变化(除西部地区显著性由1%降至5%外)，尽管BCLSDV方法拟合系数绝对值相对小于差分GMM方法，但考虑到两种方法截然不同的特性，这种差异可以接受。总体来看，本文各区域技术进步对就业性别差距的影响效应实证结论具有稳健性。
4.不同技术水平下技术进步的性别就业效应差异——调节效应机制检验
针对假说2b，我们需要检验在不同技术水平下，技术进步对性别就业的影响是否具有差异性，即检验技术水平的调节作用。就目前来看，学界对于技术水平的测量尚未有一致公认的方法或指标，本文使用DEA Malmquist方法测算的技术变化指数(tech)近似测算地区相对技术水平，并以此为基础，设置调节虚拟变量进行机制检验。
表5 稳健性检验

根据Malmquist指数定义，tfp指数可以分解为技术变化指数(tech)与技术效率指数(eff)的乘积，技术变化指数(tech)反映特定决策单元(DMU)的生产前沿面由t期到t+1期的移动情况，若以生产前沿面扩张作为技术水平提升的表征，则技术水平的变化便可以通过tech指数进行测算[55]。当然，在假说2b的检验中，感兴趣的并非技术水平变化的绝对指数，而是地区技术水平的相对高低，故可以利用t期与t+1期技术变化指数的关系[56]，设1999年的基期技术水平为(5)为避免1999年所有地区技术水平同为1的假定对实证结果的影响，在调节效应检验拟合中，将1999年观测值删除。，基于技术水平变化指数tech，通过连乘计算出2000-2018年各地区近似的生产前沿面累积扩展(6)尽管这种技术水平算法并非完全确切，但我们的意图并非技术水平的准确测量，而是通过技术水平的相对高低进行样本分组，并且就分组结果来看，该处理方法具有合理性与解释力的。，计算公式为(7)如此处理也可以有效避免指数与技术变化指数之间的共线性问题，经测算，实证样本中tfp变量与技术水平变量的相关系数仅为0.255 6，确实不存在明显共线性。。在实证中，对各地区生产前沿面的累积拓展情况进行均值排序，基于前后约30%的比例，选出技术水平最高与最低的9个省市，设置虚拟变量Dlevel，分别赋值为1与0。就排序结果来看，高技术水平组包括(Dlevel=1)上海、天津、浙江、北京、江苏、广东、辽宁、山东、福建，大部分集中于东部；低技术水平组(Dlevel=0)包括：陕西、江西、河南、宁夏、湖南、广西、云南、贵州、甘肃(8)因篇幅所限，本文并未列示各地区技术水平的排序报表，有兴趣的读者可向作者索取。，主要分布于中、西部，分组情况与现实经验及文献结论基本相符。
将Dlevel作为调节变量带入实证模型(1)以检验技术水平的调节作用，需要说明的是，由于样本量限制，在检验中加入所有涉及交互项的项目会由于高度共线性导致模型无法估计，故参考Hainmueller等(2016)[57]的研究，在模型中仅保留变量tfp与交互项tfp×Dlevel(9)就模型交互项的理论机制来看，这种处理在拟合中并不会影响对技术水平调节效应的检验和解读。两个项目，如式(2)所示

(2)
分别以ln(1+F/M)、lnF、lnM作为因变量，基于技术水平最高与最低的18个省构成的样本进行拟合，以考察技术水平在技术进步与性别就业之间的调节效应，结果如表6所示。
表6 调节效应机制分析

就表6中列(1)来看，在以就业歧视系数ln(1+F/M)为因变量的调节效应回归中，tfp变量系数在10%水平上显著为负(-0.051 7)，表明技术进步会强化我国性别就业差距，交互项tfp×Dlevel系数也显著为负(-0.022 7)，说明技术水平调节变量会加剧这种强化效应，从而明确验证了前文假说2b中的调节效应假设。具体分性别来看，在第(2)列以女性就业率ln(F)为因变量的回归中，tfp变量系数为正(0.673 5)但不显著，交互项tfp×Dlevel系数显著为负(-0.443 8)，结合表2基准回归结果可以看出：技术进步确实对我国女性就业率具有促进效应，但技术水平在其中发挥负向调节作用，即在高技术水平地区，技术进步会对女性就业率产生更强烈的“挤出”，这从侧面验证了假说1b；在第(3)列以男性就业率ln(M)为因变量的回归中，tfp变量系数也显著为正(0.464 8)，交互项tfp×Dlevel系数显著为负(-0.146 0)，表明高技术水平也会负向调节技术进步对男性就业的促进效应，但这种负向调节效应相对女性(-0.443 8)较小。整体可以看出，尽管技术水平对男女性就业均具有负向调节作用，但其对女性就业的负向调节效应明显强于男性，从而更多地强化性别就业差距；相反，在低技术水平地区(当Dlevel变量取0值时)，技术进步tfp对女性就业的促进作用尽管因调节变量的影响并未达到统计显著，但其系数数值(0.673 5)却明显高于对男性就业的影响系数(0.464 8)，这提示我们在较低技术水平地区，技术进步反而相对有利于于女性就业率的提升，这也解释了为何中、西部地区回归中tfp变量系数显著为正(表5)，从而进一步验证了假说2b。
综合以上结果可见，尽管我国中、西部地区技术水平相对偏低，但在偏低技术水平上，较低的技能劳动需求能够有效匹配当地较低的人资资本水平(图2)，在女性劳动力技能水平偏低情况下，反而更有利于女性就业；此外，中、西部地区工资水平相对较低(图3)，用人单位成本考量相对不敏感，在女性期望工资与就业议价能力相对偏低的背景下，可使女性劳动力获得更多用人单位的考虑和选择，带来性别就业差距的缩小。相较之下，东部地区技术水平领先全国，在较高技术水平与工资水平上，技术越进步，反而对女性就业的压制越强。

图2 东、中、西部地区平均人力资本水平比较

图3 东、中、西部地区平均工资水平比较
四、结论、对策与展望
(一)结论与对策建议
技术进步的就业效应一直以来都是学界关注的热点问题，在引入性别差异因素之后，该问题在统筹兼顾公平效率的新常态背景下显得更为关键。不同于以往集中于行业、企业层面的文献研究，本文基于广义技术进步定义，从区域视角对相关领域的理论框架与实证结论进行了拓展，在系统阐释区域层面技术进步对性别就业差距的差异化影响机制基础上，首次将技术进步的性别就业效应与地区技术水平相结合进行理论假说构建，基于2000-2018年省际面板数据实证考察我国区域技术进步对性别就业差距的差异化影响，并检验技术水平的调节效应，得到以下结论：在我国区域层面，广义技术进步对男、女性就业率均具有促进作用，但因其对男性就业的促进更强，从而强化了我国性别就业差距；技术进步对我国性别就业差距的效应具有显著区域异质性，在技术水平相对较高的东部地区，技术进步显著加剧了性别就业差距；在技术水平相对较低的中西部地区，技术进步则缓解了性别就业差距；技术水平在地区技术进步与性别就业差距的关联中发挥调节作用，这意味着地区技术水平越高，技术进步对女性就业越不“友好”，相反在较低技术水平区域，低水平技术进步衍生的较低技能需求对女性就业形成一定的“保护”，从而弱化性别就业差距。在已有文献基础上，本文研究进一步揭示了技术进步对性别就业影响的区域机理、动态规律与调节机制，有助于为区域创新驱动战略下我国就业性别公平问题提供更为细化的对策参考。
基于实证结论，本文提出以下对策建议。
(1)尽管技术进步强化了我国整体层面性别就业差距，但其对性别就业差距的强化作用并非因其对女性就业率的制约，而是在于其更多地增进了男性就业率。就本文实证来看，区域技术进步对我国男、女性就业率均具显著促进作用，故对策层面不应简单基于对性别就业平等目标的追求而放缓技术进步的步伐，而是应采取有效措施平衡技术进步对于男女性就业的异质性冲击。从根本上看，技术进步对于性别就业的影响取决于技能劳动的相对供需结构，只要男、女性人力资本之间的差距持续存在或扩大，则女性在技术进步进程中的就业劣势便难以避免。考虑到受教育年限ae增长带来的女性就业率提升相较男性更为突出(表3、表6)，现阶段强化对女性人力资本的培育投入便显得尤为关键。但需要注意的是，在我国教育投入占比偏低以及社会性别认知尚未达到平等的情况下，单纯增加教育投入结果仍可能是男性劳动力受益更多，因此，相较于教育投入的数量增长，教育投入的结构优化更为重要。一方面，现阶段应充分协调各种社会教育资源，在教育和技能等方面对女性劳动力进行针对性的继续教育与职业培训，提高女性技能水平，提升高技能劳动力中女性的占比；另一方面，在男、女性别人力资本与技能差距难以短期扭转的情况下，仍需要来自政府层面的规制和干预，尤是健全保护女性劳动力就业的法律法规体系，创造更为公平的就业环境，引导相关企业降低女性就业门槛，可考虑对女性就业歧视较重的行业中雇佣女性就业达到一定比例的企业给予一定优惠减免，相关政策也应向女性就业适度倾斜。
(2)技术进步对我国性别就业的存在显著区域差异性，故在对策上也应进行区分考量。根据本文实证，地区技术水平越高，则技术进步对性别就业差距的强化作用越大，我国中、西部地区一直处于对东部技术前沿的承接与追赶中，这种追赶效应在一定程度上会与“男女就业平等”的政策导向形成冲突，因此各地区应根据自身经济特征以及技术水平现状，统筹考量技术进步进程中效率与公平目标的权衡取舍。对于技术水平较高的东部地区而言，应在积极推动前沿技术进步的同时，在局部领域适当调节技术进步的速度与方向，合理确定不同产业的功能定位与科技导向，避免地区间同类行业技术盲目攀比造成的资源浪费与就业拖累，适度鼓励发展吸纳女性较多的劳动密集型制造业与现代服务业，提高地区技术进步对女性就业的兼容性。对于技术水平相对较低的中、西部地区而言，尽管其技术进步有助于缓解性别就业差距，但该地区技术水平提升过快，则缓慢提升的人力资本的将难以匹配快速增长的技能劳动需求，这不仅会导致性别就业差距扩大，更可能造成地区整体的就业拖累；因此，中西部地区在积极推动技术承接、引进与赶超的同时，也应注意适度控制技术进步速度与力度，避免赶超冲动下对“不适宜”先进技术的盲目追求，适当放缓对劳动密集型技术的淘汰速度，鼓励发展一般服务业；在推进本地技术进步过程中，应注重科技、教育政策与就业政策之间的协调，以人力资本提升作为科技进步的长期基础和前提，并应重点强化对中西部落后地区适龄女性的教育与培训投入。
(二)研究不足与展望
本文实证使用省际面板数据，由于数据可得性的原因，目前仍缺乏省际层面分性别就业率的权威数据，研究中只能基于一些假定进行估算，导致实证因变量难以获得合宜的性别就业率差异测量，这一定程度上制约了实证模型测量的有效性；另外，本文使用全要素生产率作为技术进步的代理变量，而全要素生产率本身也是多种复杂因素的集合，在Acemoglu(2010)[58]的代表性研究之后，学界开始普遍认识到技术进步并非完全中性，而是偏向某种要素或技能，以要素偏向型技术或技能偏向性技术进步作为核心解释变量考察其对性别就业差距的影响将颇具吸引力；此外，技术水平的测量除了基于技术变化指数之外，还可以尝试其他代理变量，以上均可作为未来研究的进一步拓展方向。
参考文献
[1]SEN A K, DREZE J. The Amartya Sen and Jean Drèze omnibus: comprising poverty and famines; hunger and public action; and India:economic development and social opportunity [M]. [S. l.]:Oxford University Press, 1999.
[2]李磊,蒋殿春,王小洁.外资进入、性别就业差距与企业退出[J].世界经济, 2018, 41(12):121-143.
[3]樊娜娜, 李荣林. 贸易自由化与企业性别就业差距——基于中国微观企业数据的分析[J]. 国际经贸探索, 2017(9):55-70.
[4]BECKER G S. The economics of discrimination [M]. Chicago: University of Chicago Press,1957.
[5]GROSS E. The sexual structure of occupations over time [J]. Social Problems, 1968,16(2):198-208.
[6]THUROW L. Discrimination and theories of income determination [M]//Generating Inequality:Mechanisms of Discrimination in the U.S. Economy. New York:Basic Books,1975:81-155
[7]PHELPS E S. The statistical theory of racism and sexism [J]. American Economic Review, 1972,62(4):659-661.
[8]CAROLINA A, MASAGUE O. Gender gaps in unemployment rates in Argentina [J]. Económica,2008(1-2):161-202.
[9]FEENSTRA R C, HANSON G H. Global production sharing and rising inequality:a survey of trade and wages [M]//Handbook of International Trade. [S. l.]: Blackwell Publishing Ltd, 2001:146-185.
[10]SCHULTZ T W. Investment in human capital [J]. American Economic Review,1961,51(1):1-17.
[11]DUFLO E. Women empowerment and economic development [J]. Annals of the American Academy of Political & Social Science, 2012,50(4):1051-1079.
[12]邢春冰, 贾淑艳, 李实. 技术进步、教育回报与中国城镇地区的性别工资差距[J]. 劳动经济研究, 2014(3):42-62.
[13]姚先国, 黄志岭. 职业分割及其对性别工资差异的影响——基于2002年中国城镇调查队数据[J]. 重庆大学学报(社会科学版), 2008,14(2):53-58.
[14]葛玉好, 曾湘泉. 市场歧视对城镇地区性别工资差距的影响[J]. 经济研究, 2011(6):45-56.
[15]王军, 詹韵秋. 技术进步带来了就业质量的提升吗？——基于中国2000—2016年省级动态面板数据分析[J]. 云南财经大学学报, 2018(8):29-39.
[16]胡雪萍, 李丹青. 技术进步就业效应的区域差异研究——基于中国东、中、西部地区的比较分析[J]. 上海经济研究, 2015(8):3-10.
[17]陈晓华,刘慧.出口技术复杂度演进加剧了就业性别歧视?——基于跨国动态面板数据的系统GMM估计[J].科学学研究,2015,33(04):549-560.
[18]沈成燕,李妮丹,陈晓华.中国制造业出口技术结构与就业性别歧视关系研究——基于区域和要素密集度异质性视角的实证检验[J].浙江理工大学学报(社会科学版),2017,38(1):1-11.
[19]王光栋, 叶仁荪, 王雷. 技术进步对就业的影响:区域差异及政策选择[J]. 中国软科学, 2008(11):151-160.
[20]李平. 技术扩散理论及实证研究[M]. 山西经济出版社, 1999.
[21]李磊, 蒋殿春, 王小洁. 外资进入对中国服务业性别就业及工资差距的影响[J]. 世界经济,2015(10):169-192.
[22]刘玉成. 最低工资对我国就业性别差异的影响研究——基于中国省际面板数据和行业面板数据的分析[J]. 商业经济与管理,2014(9):86-97.
[23]严善平.中国城乡就业率的变化与决定因素——基于1988-2010年中国城镇收入调查数据的实证分析[J].劳动经济研究,2016,4(3):83-102.
[24]大卫·李嘉图.政治经济学及赋税原理[M].北京: 光明日报出版社，2009:67-90．
[25]约瑟夫·熊彼特. 经济发展理论[M]. 华夏出版社, 2015.
[26]ACEMOGLU D, ANGRIST J D. Consequences of employment protection? The case of the Americans with disabilities act [J]. Journal of Political Economy, 2001,109(5):915-957.
[27]郑加梅, 卿石松. 非认知技能、心理特征与性别工资差距[J]. 经济学动态, 2016(7):135-145.
[28]LIU X J, PARK A, ZHAO Y H. Explaining rising return to education in urban China in the 1990s:IZA Discussion Paper，2010，No. 4872 [R]. [S.l. : s.n.], 2010．
[29]JUHN C, UIHELYI G, VILLEGAS-SANCHEZ C. Men, women, and machines:how trade impacts gender inequality [J]. Journal of Development Economics, 2014,106(1):179-193.
[30]魏下海, 曹晖, 吴春秀. 生产线升级与企业内性别工资差距的收敛[J]. 经济研究, 2018(2).
[31]WELCH F. Growth in women's relative wages and in inequality among men:one phenomenon or two? [J]. American Economic Review, 2000,90(2):444-449.
[32]RENDALL M. Brain versus brawn: the realization of women’s comparative advantage: IEW Working Paper，2010. No.491 [R]. [S.l. : s.n.], 2010.
[33]HECKMAN J J, STIXRUD J, URZUA S. The effects of cognitive and noncognitive abilities on labor market outcomes and social behavior [J]. Journal of Labor Economics, 2006,24(3):411-482.
[34]CARNOY M. The great work dilemma:education, employment, and wages in the new global economy [J]. Economics of Education Review, 1997,16(3):247-254.
[35]王君,张于喆,张义博,洪群联.人工智能等新技术进步影响就业的机理与对策[J].宏观经济研究,2017(10):169-181.
[36]徐朝阳, 林毅夫. 技术进步、内生人口增长与产业结构转型[J]. 中国人口科学(1):13-23+113.
[37]马慧琼. 从人力资本视角解读我国女性就业问题[J]. 商业经济, 2015(7):25-26+71.
[38]ACEMOGLU D. Technical change, inequality, and the labor market [J]. Journal of Economic Literature, 2002,40(1):7-72.
[39]COELLI T J, ROA D S P, BATTEES G E. An introduction to efficiency and productivity analysis [M]. Boston:Kluwer Academic Publish,1998.
[40]单豪杰. 中国资本存量K的再估算:1952—2006年[J]. 数量经济技术经济研究, 2008(10):17-31.
[41]汤二子. 学历和性别对劳动者工资的影响研究[J]. 统计研究, 2012, 29(11):67-73.
[42]白雪梅. 教育与收入不平等:中国的经验研究[J]. 管理世界, 2004(6):53-58.
[43]MINCER J. Unemployment effects of minimum wages [J]. NBER Working Papers,1974,84(4):87-104.
[44]DEERE D, MURPHY K, WELCH F. Employment and the 1990-1991 minimum-wage hike [J]. American Economic Review, 1995,85(2):232-237.
[45]AL-HINDI K F. Disposable women and other myths of global capitalism [J]. Antipode,2010,40(4):713716.
[46]ARELLANO M, BOND S. Some tests of specification for panel data:monte carlo evidence and an application to employment equations [J]. Review of Economic Studies, 1991,58(2):277-297.
[47]WINDMEIJER F. A finite sample correction for the variance of linear efficient two-step GMM estimators [J]. Journal of Econometrics, 2004, 126(1):25-51.
[48]耿晔强, 闫思萌. 开放经济条件下进出口贸易对劳动力就业的影响——基于中国制造业省级面板数据的实证研究 [J]. 对外经济贸易大学学报:国际商务版, 2016(3):15-23.
[51]席艳乐, 于江曼, 向鹏飞.中间品、最终品贸易与中国性别就业差异的实证研究[J]. 山西财经大学学报, 2014,036(3):55-66.
[50]严冀, 陆铭, 陈钊. 改革、政策的相互作用和经济增长——来自中国省级面板数据的证据[J]. 世界经济文汇, 2005(1):27-46.
[51]朱轶. 中国工业技术进步要素增强特征及其区域比较[J]. 首都经济贸易大学学报, 2016,18(6):67-75.
[52]王燕, 谢蕊蕊. 区域工业效率和技术差异研究——基于共同前沿方法的考察[J]. 产业经济研究, 2012(2):22-29.
[53]金相郁. 中国区域全要素生产率与决定因素:1996-2003[J]. 经济评论, 2007(5):107-112.
[54]BRUNO G S F. Approximating the bias of the LSDV estimator for dynamic unbalanced panel data models [J]. Econ Lett, 2005,87(3):361-366.
[55]尚豫新,祝宏辉.1978-2007年中国TFP的估算和分析——基于DEA-Malmquist生产率指数法[J].石河子大学学报(哲学社会科学版),2010,24(1):44-48.
[56]刘井建, 梁冰. Malmquist生产率指数评析结果——技术变动的新诠释[J]. 运筹与管理, 2010(1):174-179.
[57]HAINMUELLER J, MUMMOLO J, XU Y Q. How much should we trust estimates from multiplicative interaction models? Simple tools to improve empirical practice:SSRN working paper, 2016 [R]. [S.l. : s. n.],2016.
[58]ACEMOGLU D. Directed technical change [J]. Review of Economic Studies, 2002,69(4):781-809.
Does Technological Progress Aggravate the Gender Employment Gap?
ZHU Yi
(School of Economics and Finance, Huaqiao University, Quanzhou 362021, China)
Abstract：Based on the micro mechanism and typical facts, this paper deduces and summarizes the influence mechanism and evolution law of generalized technological progress on gender employment gap at the regional level, and puts forward the hypothesis of the moderating effect of technological level on technological progress and gender employment. Based on China's provincial panel data from 2000 to 2018, using the dynamic panel regression and adjustment effect model, the study finds that: first, technological progress has a promoting effect on the employment rate of men and women in China, but because of its stronger promotion on men’s employment, the gender employment gap has been strengthened. Second, the gender employment gap has typical path dependence characteristics. The significant regional heterogeneity is manifested in the strengthening of the gender employment gap in the eastern region, while weakening the gender employment gap in the central and western regions. Third, the technical level plays a moderating role between regional technological progress and gender employment gap. Finally, the higher the regional technical level, the greater the strengthening effect of technological progress on gender employment gap. From the regional perspective, this paper expands the theoretical mechanism research in the field of gender employment discrimination, and provides new empirical conclusions and policy implications for the alleviation of gender employment gap.
Key words：technical progress; gender employment gap; technical level; region