孙文远，刘于山
（南京审计大学 经济学院，江苏 南京 211815）
近年来，随着科学技术的超高速发展，社会迅速进入了新一轮以人工智能为主导的科技革命和产业变革，为了把握新一轮科技革命和产业变革，中国政府出台了一系列相关政策，引导高新技术产业的发展和研发创新。2015 年7 月，国务院《关于积极推进“互联网+”行动的指导意见》，首次将人工智能纳入重点任务之一，推动中国人工智能步入新阶段；
2017年7月，国务院发布《新一代人工智能发展规划》，确立了新一代人工智能发展三步走战略目标，将人工智能上升到国家战略层面；
2019 年3月，《政府工作报告》将人工智能升级为“智能+”；
2019年6月，国家新一代人工智能治理专业委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》，人工智能治理原则首次被提出；
2021年3 月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》更是将新一代人工智能列入七大科技前沿领域之一。党的二十大报告指出，要推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。因此，人工智能是引领新一轮科技革命和产业变革的关键技术，是全球科技竞争的制高点。
中国作为制造业大国，制造业对我国国民经济的发展至关重要，保持制造业就业的稳定性是保证我国稳就业的关键，制造业能否实现更加充分更加高质量的就业关乎我国就业的整体趋势［1］。我国正处于经济高速发展向高质量发展转型的关键阶段，在人口红利逐渐减少和人口老龄化加剧的背景之下，制造业转型升级的压力也逐渐增加。面对政策推动和人工智能的快速发展应用，中国制造业呈现了短时间跨越式战略变革的特征，中国制造业企业通过数字化补课和智能化创新，正在实现从大规模制造到智能制造的跨越式变革［2］。
在智能制造的跨越式发展过程中，造成了大众对于劳动力市场的就业担心。人工智能的快速发展对制造业企业就业岗位会产生怎样的影响？对制造业企业就业人员的薪资水平会产生怎样的影响？面对不可逆的科技革命和产业变革，只有正确认识人工智能对制造业就业的作用机制，才能使人们不再无端陷入“机器换人”的恐慌之中。本文使用与人工智能相关制造业A 股上市公司为研究对象，探讨人工智能应用对制造业企业的就业影响。
（一）人工智能对就业规模的影响
现有关于人工智能对就业规模影响的研究主要有三种不同观点。
一是人工智能对就业影响的积极观。持有这种观点的学者认为，人工智能对就业的创造效应大于替代效应，人工智能的发展将增加就业规模。Martech（2013）［3］利用2000—2008 年美国制造业相关数据，发现制造业就业总量并没有随着工业机器人的应用而减少，反之还有所增加；
Gregory 等（2016）［4］利用欧盟制造业相关数据研究发现，自动化技术对技术岗位的创造效应要大于替代效应，总体上增加了劳动力需求；
Trajtenberg（2018）［5］认为，人工智能的应用促进了生产率的提高，从而需要投入更多的劳动力参与生产，同时新技术的产生也伴随着新岗位的产生；
Bessen（2019）［6］认为，计算机等人工智能技术的使用减少了一部分制造业岗位，与此同时也增加了其他行业岗位的就业量；
Acemoglu和Restrepo（2019）［7］认为，长期来看，伴随着社会生产力的提升，人工智能会创造出许多新的岗位，使得创造效应大于替代效应，这会对整个社会发展产生极大的促进作用；
何勤和邱玥（2020）［8］发现，人工智能通过产品创新对就业规模产生显著的正向效应；
彭莹莹和汪昕宇（2020）［9］对广东省270家制造业企业就业总量调查研究后发现，在一些岗位被替代的时候，人工智能也会通过创造效应增加部分就业岗位；
黄泽清和陈享光（2022）［10］认为，现阶段人工智能应用过程存在算法更新、数据筛查以及一些非程序化的工作分解等隐蔽环节，这些环节需要劳动力的参与，从而会产生一部分不易察觉的隐形就业岗位。
二是人工智能对就业影响的消极观。持有这类观点的学者认为，人工智能的替代效应大于创造效应，人工智能的应用将会减少劳动力就业规模。Frey 和Osborne（2017）［11］利用概率分类模型，对收集到的700多种职业数据进行分析后发现，大约有47%的职业在短期内会被取代，其中包括后勤服务、办公室职员等；
Acemoglu 和Restrepo（2017）［12］通过实证检验工业机器人对制造业就业的影响发现，新技术对劳动市场产生的替代效应大于创造效应；
Acemoglu 和Restrepo（2020）［13］研究表明，每多雇用一个机器人，就会减少7名工人，并且几乎没有证据表明其他部门的就业增长可以抵消这些损失。Rolf（2021）［14］更是直言，随着机器和自动化的快速发展，传统的工作岗位未来将逐渐消失；
白俊等（2018）［15］利用2003—2014年上市公司的数据样本分析了技术创新与就业增长的关系，发现企业创新对就业增长总体上具有替代效应；
闫雪凌等（2020）［16］研究发现，人工智能技术应用对制造业就业岗位的负向影响显著，特别是会显著影响低技能劳动者在制造业企业中的就业机会；
何勤等（2020）［17］以115 家制造业企业面板数据为研究对象，依据创新扩散理论，构建人工智能对就业的影响机制模型，发现人工智能技术采纳对制造业员工数量有负向影响；
崔艳（2022）［18］利用微观企业和劳动者的调查数据进行分析，认为受人工智能等新技术的影响，一些岗位任务智能化替代将成为常态。
三是人工智能对就业影响的不确定观。这种观点认为，人工智能对就业的影响短时间并不能确定，需要进一步观察与实证。Matuzeviciute 等（2017）［19］认为，技术进步对就业岗位的“替代效应”和“补偿效应”同时存在，总效应存在不确定性；
Brynjolfsson等（2018）［20］指出，人工智能对于就业的影响会随着其发展阶段而有所不同，初期、中期和后期会呈现出不同效应，短期内不能简单判断人工智能对就业的影响；
Acemoglu 等（2020）［21］通过对在线职位空缺数据进行实证分析，发现人工智能目前正在取代人类的一部分工作，但是还无法确定其会对总体劳动力市场产生多大的影响；
薛在兴（2018）［22］研究了人工智能对大学生就业的影响，发现既有积极的影响，亦有消极的影响，但净效应目前尚难下定论，它会受到技术发展以及社会、政治、文化等诸多因素的影响；
刘涛雄等（2021）［23］运用LASSO回归和随机森林方法测算O*NET上435个职业的被替代可能性，认为人工智能对就业的替代效应是否会对中国总体就业产生严重冲击取决于产业结构调整是否顺利；
谢璐等（2019）［24］认为，新技术具有跨时期效应；
王君等（2017）［25］提出，短期内技术进步会带来技术性失业或结构性失业，但从长期来看，创造效应可能会大于破坏效应；
蔡啸和黄旭美（2019）［26］认为，人工智能技术对于就业的影响取决于替代效应与创造效应的动态变化。
（二）人工智能对工资收入的影响
目前，人工智能对工资收入影响的研究主要呈现三种观点。
第一种观点认为，随着低技能劳动力被挤出市场，人工智能与高技能工作者的互补效应占主导地位，从而使得人工智能对收入的影响表现为明显的增长作用。杨晓峰（2018）［27］发现，人工智能有利于提升制造业人力资本水平，优化制造业人力资本分布结构，并且通过人力资本的中介效应，对就业人员的平均工资增长起着明显的提振作用；
彭莹莹和汪昕宇（2020）［9］研究发现，随着员工的自动化转岗，员工收入会明显增加；
程虹等（2020）［28］从微观角度对个体进行考察，结果显示人工智能对劳动力收入具有促进作用。
第二种观点认为，由于人工智能对劳动力具有替代作用，导致企业会压低对于劳动力的投入，使得劳动者的收入进一步减少［29］。Benzell 等（2015）［30］通过构建两阶段世代交叠模型发现，随着高生产率人工智能的引入，劳动要素所占份额和劳动力工资收入皆呈下降趋势；
孟园园和陈进（2019）［31］分析了2009—2017年中国31个省份的面板数据，通过建立线性回归模型得出，经济发展会削弱人工智能技术对工资水平和劳动力素质的积极影响。
第三种观点认为，人工智能对于工资收入的整体影响不明显。王永钦和董雯（2020）［32］利用上市公司微观数据进行实证分析，发现人工智能的应用对企业工资水平没有明显影响；
蔡跃洲和陈楠（2019）［33］研究发现，人工智能持续推进的过程本质是一种结构性变化，是低技能劳动者向高技能劳动者工资收入转移的过程，总量将保持基本稳定。
（三）机制分析与研究假设
基于前文的分析可以看出，学界关于人工智能对就业岗位的影响效应持不同的态度，产生分歧的主要原因在于片面强调特定效应。乐观者高估了新技术在任务中发挥的对岗位的创造效应及其吸收劳动力的作用，而悲观者则高估了人工智能的应用速度以及对劳动力的替代强度［28］。本文认为，人工智能在我国的应用仍然处于起步阶段，对于制造业来说，现阶段人工智能主要应用于一线生产制造岗位，通过替代效应减少企业对劳动力的投入规模，降低企业生产成本。同时，人工智能的大规模投入可以有效提高劳动生产率，生产要素价格相对降低，制造业企业会因此选择进一步增加人工智能的投入范围，劳动力被替代的数量也会随之增加。因此，本文提出假说1。
H1：制造业企业采纳人工智能技术对员工的数量会产生负向影响，即人工智能的采纳度越高，企业员工被替代的数量越多，员工数量会随之减少。
人工智能技术的发展不仅会对员工的数量产生影响，同时也会重塑工资分配过程。企业员工工资收入的高低取决于企业的资本分配，由于人工智能对劳动力的替代效应，企业的资本偏好会由人转向人工智能技术。但现阶段人工智能在企业中的应用还处于“人机协作”的磨合阶段，企业对于劳动力的需求逐渐由数量转向质量，因此，行业内部会产生激烈的人才竞争，企业会选择对老员工培训或引入高技能员工等方式来获得高质量劳动力。此时，员工的工资水平会因生产率提高、技能水平提升、人才争夺等因素作用而增加。因此，本文提出假说2。
H2：制造业企业采纳人工智能技术对员工的工资收入会产生正向影响，即随着人工智能采纳度的增加，员工的工资收入也会增加。
（一）数据来源
本文借助东方财富choice 网站和国泰安数据库，选择2013—2020 年与人工智能相关的所有制造业A 股上市公司面板数据，剔除ST、*ST 公司和各变量缺失指标的样本，最终获得231家上市公司的数据样本用于研究。
（二）模型设定
为了检验人工智能对制造业企业员工数量和工资收入的影响，构建以下面板数据模型：
其中：i表示不同企业；
t表示不同年份；
∑Control代表一系列控制变量，为了降低回归方程的异方差性和保证结果可靠性，所有变量在后续实证过程中均进行了对数处理；
εi,t为残差项。（1）式是以企业员工数量和工资收入分别作为被解释变量的固定回归模型（1）；
由于不同企业之间存在着不可观测的异质性，这在很大程度上会影响企业劳动力的需求总量和投资金额，于是本文参照闫雪凌等（2020）［16］的做法，构建（2）式，加入个体和时间固定效应，在一定程度上解决因无法测量而造成的遗漏变量问题。其中，Code、Year分别表示企业的个体效应和年份效应。
（三）变量说明
1.因变量
本文从员工数量和工资收入两个维度的变化来分析制造业企业所受到的影响。其中，员工数量（employee）通过企业年度的员工总数来刻画；
工资收入（wage）为企业年末的平均工资，即上市公司现金流量表中公布的应付职工薪酬/员工总数。
2.核心解释变量
本文的核心解释变量是人工智能的采纳程度（ai）。制造业生产过程中，人工智能的采纳程度与企业员工数量、就业结构和劳动者收入息息相关。本文借鉴何勤等［17］学者的做法，采用企业机器设备的人均价值作为衡量企业人工智能采纳程度的指标，即企业固定资产报表中公布的机器账面价值/员工总数。
3.控制变量
参考已有文献的做法，本文在实证模型中选取以下指标控制企业的各项基本特征：
（1）资本偏好（precp），用企业研发投入与应付职工薪酬的比值来刻画。人工智能的投入必然会对劳动力产生一定的替代效应，也因此影响了企业的资本配置。面对人工智能带来的生产率提高，企业会更加偏向研发投入等资本密集型投入，深化劳动力和资本投入的不平衡，影响企业的员工数量与工资收入。
（2）资产规模（size），用上市公司的资产总额来衡量。上市公司的资产规模将直接影响企业的员工数量和收入。
（3）资本深化程度（fixcp），用企业的固定资产投入来表示。资本深化程度反映了资本积累速度，较高的资本深化程度往往意味着更高的劳动生产率，对企业的就业岗位和工资收入都将产生一定的影响。
（4）运营能力（ato），用企业的总资产周转率来衡量。该指标反映了企业对于资产的使用效率，运营能力越强的企业对于劳动力的资金投入越合理。
（5）盈利能力（prof），用企业的净资产收益率来衡量。盈利能力越强的企业对于资金和劳动力的吸纳能力也越强。
（6）产品创新（innovate），用无形资产账面价值与企业总资产的比值表示。产品创新速度加快意味着新技术的快速迭代，企业为了跟上技术更新的步伐，就必须不断增加对于技术研发的投入，间接减少对于劳动力的投入。
各变量的具体解释见表1所列。
表1 变量及说明
（一）描述性统计与相关性分析
所有变量的描述性统计结果见表2 所列。其中，两个因变量指标员工数量和工资收入，均值分别为7.7、0.395，中位数分别为7.537、0.488，两者数值相近，保证了被解释变量分布接近正态分布。
表2 各变量描述性统计
主要变量的相关性系数见表3 所列。值得注意的是，人工智能采纳程度和员工数量的相关系数为正值，这与假设出现分歧。出现这种情况的原因可能是在未控制其他变量时，两者呈现正相关关系，需要在后续回归中进一步分析验证。
表3 相关系数
（二）基准回归
制造业企业人工智能采纳程度对于员工就业情况的基准回归结果见表4所列。第（1）列和第（2）列考察制造业企业人工智能采纳程度对员工数量的影响，结果显示，无论是否控制个体和时间效应，核心解释变量lnai的系数均显著为负，即H1成立，即人工智能采纳对制造业企业员工数量具有抑制作用。近几年，我国不断加强对于人工智能的重视程度，积极鼓励和引导企业应用人工智能技术，但总体上来说，我国对于人工智能的应用依然处在初级阶段。目前人工智能主要应用于简单重复的工作中，制造业企业作为劳动力密集型企业，人工智能对其一线工作的很多岗位具有较强的替代作用。随着人工智能与制造业的深入融合，尤其是从事普通生产岗位的生产人员会快速被生产率更高的人工智能机器所取代。所以在现阶段，人工智能采纳对制造业企业员工数量主要表现为负向影响。第（3）列和第（4）列考察制造业企业人工智能采纳程度对员工工资水平的影响，结果显示，人工智能采纳程度对制造业员工工资水平表现为显著正向影响，前文提出的H2成立。这说明，传统制造业对于一线工作员工的需求数量巨大，人工智能技术的投入使用代替了简单重复的流水线工作，员工的数量骤降。但是受人工智能技术发展水平的约束，人工智能投入使用的同时也产生了更多对于高技术劳动力的需求，企业需要更多具有专业知识和掌握前沿技术的优质人才配合人工智能技术的应用。企业通过提高薪酬吸引更多高素质、高学历人才，同时，员工为了不被替代会不断强化自身的知识储备与能力水平，员工质量的提高也促进了其收入水平的提高。所以在现阶段，人工智能采纳对于员工的工资收入水平表现为显著的正向影响。
表4 基准回归结果
（三）稳健性检验
1.内生性检验
内生性主要源于三个方面：①遗漏变量误差。由于本文使用制造业企业的微观面板数据，公司数据的变量类型复杂并且存在未披露数据，在回归中难免会遗漏部分对于就业存在影响的变量数据，出现回归结果的偏误。②双向因果。人工智能采纳程度会对员工就业水平和数量产生影响，同时，员工数量的减少和工资水平的提高反过来也会作用于企业对于人工智能的资本投入。③样本自选择。财务状况较好的企业更有可能和实力进行智能化转型，其人工智能采纳程度也会更高，由此可能存在一定的样本自选择问题。
首先，为了避免因遗漏变量误差和双向因果产生的内生性偏误，本文借鉴谢富胜和匡晓璐（2020）［34］的做法，把解释变量的一期滞后项作为工具变量，在控制个体和时间效应的情况下，采用二阶段最小二乘法（2SLS），以识别回归结果的内生性。工具变量的回归结果见表5 的（1）-（3）列，可以看出，除了回归系数有一定变化外，符号和显著性与基准回归结果基本一致，证明在考虑了因遗漏变量误差和双向因果而产生的内生性问题之后，本文的结论依然具有稳健性。
其次，考虑不同财务状况下的企业样本可能会存在一定的选择偏误，本文借鉴谢德仁等（2016）［35］的做法，采用倾向得分匹配法（PSM）尽可能地缓解这一内生性问题。本文选择对人工智能采纳程度按照平均数进行分组，大于平均数的为高人工智能采纳（定义为1），低于平均数的为低人工智能采纳（定义为0），形成虚拟变量分组，采用1∶3最邻近匹配方法将实验组与对照组进行匹配。PSM 配对后的回归结果见表5 的（4）-（5）所列，从表5 可以看出，配对处理后，本文的主要回归结果不变，且均通过了1%的显著性检验。
表5 内生性检验
2.控制企业的固定效应
改革开放以来，民营企业在经济发展过程中发挥着越来越重要的作用，在科技快速发展的当下，民营企业运用其灵活性强、自主权大的特点，对于人工智能采纳程度和劳动力数量的调整力度更大，也因此会造成因企业性质的不同而产生实证结果的偏差。为了进一步检验实证结果的稳健性，本文参考王丽颖等学者（2019）［36］的做法，提取民营企业作为子样本，进行稳健性检验，结果见表6 所列。表6 显示，检验结果与基准回归结果基本一致，本文的主要结论依然成立。
表6 稳健性检验：控制民营企业
（四）异质性分析
1.地区异质性
由于我国各地区经济发展水平、产业结构和生产技术水平等均存在一定差异，人工智能技术水平和数量可能存在一定的异质性。东部地区因其具有地理位置的先天优势和改革开放的政策优势，位于东部地区的制造业企业发展层次、技术水平等都远优于中西部地区的企业。为了进一步考察人工智能采纳程度对制造业企业员工数量和工资收入的影响，本文借鉴邵朝对等（2016）［37］的分类方法，将企业划分为东部地区和中西部地区企业，进行分组回归，回归结果见表7所列。
从表7可以看出，与人工智能相关的制造业企业大多位于东部地区，人工智能采纳程度对于员工数量的影响在两个地区均呈现显著负向影响，并且对于东部地区的负向作用更强。人工智能采纳程度对于东部地区制造业企业员工的工资收入表现为显著促进效应，但是对于中西部地区的影响则不显著，表现出了明显的异质性。产生这种现象的原因可能在于：东部地区属于我国经济较发达地区，多为技术密集型、资本密集型制造企业，企业之间的技术竞争更加强烈，为了不断进行产业升级以获得竞争优势，企业就需要加大资金投入来引进高科技人才，由此表现为员工的工资收入显著增加，而在发展较为缓慢的中西部地区，企业对于人工智能技术的反应则表现得不太灵敏。
表7 地区异质性
2.企业规模异质性
对于不同规模的企业，其拥有的资源禀赋、经济财力和技术研发实力等均差距较大，从而对人工智能的采纳能力和资产分配能力等均会存在一定异质性。为了研究人工智能采纳程度对员工数量和工资收入的影响是否会受到企业规模的影响，本文根据企业规模将其分为大型企业和中小型企业（2），在控制个体和时间效应之后对其进行回归，回归结果见表8所列。
从表8可以看出，人工智能采纳程度对于大型企业和中小型企业的员工数量都表现为显著抑制作用，但是对于大型企业的作用强度更大，这可能是因为这些企业具有更强的竞争优势和资金支持，他们对于人工智能技术的吸纳能力更强，人工智能技术在这些企业的应用速度会更快，其对于员工数量的替代效应也更加明显。同时可以发现，人工智能采纳程度对于大型企业员工工资收入表现为显著促进作用，而在中小型企业中则没有明显影响。产生这种现象的原因可能是：相较于中小型企业，大型企业具有更强的竞争优势和资金支持，可以在投入资金采纳人工智能的同时增加员工薪酬，而中小型企业在短期内则很难对职工薪酬进行调整。由此可以推测，在加大人工智能采纳的过程中，中小型企业可能会因为工资水平较低而流失一部分高质量劳动力。
表8 企业规模异质性
（一）研究结论
人工智能已经以强有力的态势进入了我国制造业企业的生产经营过程，作为世界第一制造业大国，人工智能对于我国制造业企业就业市场的冲击引起了极大的关注。本文利用2013—2020年我国A 股上市公司制造业企业面板数据进行实证分析后发现：
（1）现阶段，我国制造业企业的人工智能采纳程度对于员工数量有着显著的替代效应。我国目前还处于弱人工智能阶段，人工智能技术的应用范围较小、渗透度较低。短期内，随着人工智能与制造业的深度融合，制造业企业的员工数量会呈现减少趋势，但是长期来看，人工智能对员工数量的影响还不能妄下论断。
（2）在人工智能技术的应用下，制造业企业的员工工资收入水平会明显增加。人工智能技术的应用对于员工的技能水平提出了更高的要求，企业为了吸引高质量劳动力而提高薪酬，员工自身能力的提高也促使收入水平不断提高。
（3）人工智能技术对于制造业企业员工工资收入的影响具有显著异质性。因为东部地区更加开放的经济政策和大规模企业雄厚的资金支持，人工智能技术对于东部地区企业、大型企业员工收入的促进作用显著，但对于中西部地区企业、中小型企业则没有明显的影响。
（二）政策建议
就业是最大的民生，也是经济发展最基本的支撑。保证制造业就业稳定是产业发展和社会稳定的重要基础，应把握人工智能的发展趋势，抓住产业转型机遇，以实现更充分更高质量的就业。基于此，本文提出以下政策建议：
第一，正确认识人工智能的替代效应。在人工智能技术快速发展的大背景下，短期内部分岗位的智能化替代将成为常态，这种替代效应会不可避免地带来一定的失业风险。制造业企业应对各个岗位展开针对性培训，增强劳动者与人工智能的配合程度，尽早达到“人机协同”的工作模式。政府应该快速做好应急预案和预警机制，及时出台相应的就业补偿机制和社会保障制度，重点关注受人工智能影响较大的制造业企业一线工作人员，提前对这类劳动者做好转岗安排和再就业培训。
第二，抓住人工智能带来的人才培养机遇。短期内工资的增长会产生强大的激励机制，薪资水平的提高可以鼓励员工不断提升技能水平，通过专业性教育和实用性教育的结合，成为人工智能时代的复合型人才。因此，制造业企业应及时调整薪资水平，不断吸引和留住高质量劳动力，以助力人工智能时代企业的快速发展。政府也要加强对于人才教育的重视程度，加大技术教育力度，持续向企业输送高科技人才，将“人口红利”转化为“人才红利”。
第三，合理把握人工智能的应用范围与程度。处于不同地区、不同规模的企业，人工智能对其就业的影响不尽相同。制造业企业不断努力吸纳人工智能技术的同时，政府也应该把握不同企业之间发展的不平衡性，根据当地企业的发展状况、经营特征、承受能力等，因地制宜、持续出台和具体落实相关政策，同时要正确引导和扶持中小企业引入和应用人工智能技术。
注释：
（1）使用Hausman检验，结果显示员工数量和工资收入模型中的P值均小于0.05，支持固定效应进行估计。
（2）根据国家统计局所指定的《统计上大中小微型企业划分办法〔2017〕》标准对企业规模进行分类，具体参见http：//www.stats.gov.cn/tjsj/tjbz/201801/t20180103_1569357.html。
猜你喜欢工资收入劳动力制造业冰雪制造业的鲁企担当走向世界(2022年3期)2022-04-192020年河南新增农村劳动力转移就业45.81万人今日农业(2021年1期)2021-03-19广东：实现贫困劳动力未就业动态清零今日农业(2020年24期)2020-12-15喜看新中国七十年突飞猛进的制造业华人时刊(2019年15期)2019-11-26相对剥夺对农村劳动力迁移的影响华南农业大学学报（社会科学版）(2015年3期)2016-01-11陇南市武都区特岗教师收入来源的调查课外语文·下(2015年7期)2015-08-282014上海民营制造业50强上海企业(2014年9期)2014-09-222014上海制造业50强上海企业(2014年9期)2014-09-22独联体各国的劳动力成本俄罗斯问题研究(2012年1期)2012-03-25