新質生產力應用型人才變化趨勢分析

從趨勢來看，學歷要求為高中及以下（包括不限）的職位占比呈下降趨勢，從 2016 年的 45.9%下降至 2022 年的36.4%，學歷要求為大專的紫領職位占比穩定在 40%左右；

1.基于年鑒數據的新質生產力應用型人才變化趨勢描述

勞動力的技能水平是勞動力生產效率的重要決定因素，因此制造業勞動力的技能結構變化能夠反映新質生產力應用型人才相對規模的變化。圖 3-1 展示了2010-2022 年間制造業勞動力的學歷結構變化。自 2010 年以來，制造業勞動力的人力資本水平不斷提高。2010年時，制造業從業者中初中及以下學歷者占比 70.1%，是制造業勞動力最重要的組成部分；高中大專學歷者占比 26.5%，也在制造業勞動力隊伍中扮演重要角色；擁有較高技能水平的勞動力，即本科及以上學歷者占比僅為 3.4%。在過去十年中，高技能勞動力占比不斷提升，低技能勞動力占比則明顯下降。到 2022 年，制造業從業者中初中及以下學歷者占比下降至 61.8%，高中大專學歷者占比上升至 30.6%，本科及以上學歷者占比上升至7.6%。由此可見，制造業中的高技能應用型人才比例在過去十年中不斷提升。

上述制造業勞動力技能結構的變化趨勢在男性和女性勞動力中均有體現，并且男性勞動力的技能結構變化更為明顯。具體而言，制造業男性勞動力初中及以下學歷的就業人數占比從 2010 年的 66.1%下降到 2022 年的 55.7%，而女性勞動力則從2010 年的75.3%下降到 2022 年的 70.1%。與此同時，制造業男性勞動力在高中大專學歷層次的就業人數占比有明顯提升，從 2010 年的 30.0%上升至 35.7%，而女性勞動力則從 2010 年的22.1%上升至2017 年的 28.2%，但在 2017 至 2022 年間有所回落，降至 23.6%。對于制造業高技能人才而言，擁有本科及以上學歷的制造業男性和女性勞動力的就業比例均明顯上升，其中男性勞動力的占比從 2010 年的 4.0%上升到 2022 年的 8.6%，而女性的勞動力占比也從2.6%上升到 6.2%。

根據《中國統計年鑒》中的按行業分城鎮非私營單位就業人員數據和總就業人數數據，在假設制造業就業人員中城鎮非私營單位就業人員的代表性與各行業整體城鎮非私營單位就業人員的代表性相同的條件下，課題組折算出了制造業總就業人數。如圖3-3 所示，制造業整體勞動力規模發生了系統性變化，隨著經濟發展和產業結構轉型，制造業就業人數在經歷了穩步增長后，自 2015 年起出現明顯下降，從 2005 年的 2.1 億減少至2023 年的1.6億。這一趨勢反映了制造業在技術進步和產業升級背景下，對勞動力需求的調整。

2.基于某大型線上招聘平臺數據的紫領人才需求變化趨勢描述

描述在年鑒數據分析的基礎上，課題組進一步運用某大型線上招聘平臺的數據，通過機器學習方法，從制造業招聘廣告中科學地篩選出紫領人才的招聘崗位數量，并對這一新質生產力應用型人才典型代表的勞動需求變化進行了描述與分析。數據樣本來源于該平臺2016年 1 月至 2022 年 12 月期間發布的職位，以職位最后一次發布時間為依據。數據提供方每年隨機抽取 4-5 萬個職位 ID，共計約 30 萬條招聘廣告，并提取每個職位ID 的企業端字段和職位端字段。企業端字段包括：加密后的企業 ID 和企業所屬行業；職位端字段包括：加密后的職位 ID、職位標題、招聘職位大類、招聘職位所在城市、招聘人數及學歷要求。我們將企業所屬行業限定為制造業，細分行業包括辦公用品及設備、大型設備/機電設備/重工業、電子技術/半導體/集成電路、航空/航天研究與制造、加工制造（原料加工/模具）等共計 14 個行業6。

根據紫領人才的定義，課題組設計了一套篩選規則，從制造業招聘廣告中識別出紫領崗位。在排除銷售類、行政/后勤/文秘、財會類和人力資源幾類崗位后，篩選規則要求招聘廣告的職位描述必須同時滿足以下條件：（1）包含以下關鍵詞之一：“生產”，“加工”，“制造” ，“一線”，“工廠”，“車間”，“現場管理”，“設備”，“操作”，“工程”，“項目”，“技術”，“檢驗”，“檢測”，“自動化”，“電氣”，“電路”，“機械”；（2）同時包含以下關鍵詞之一“解決問題”，“團隊協作”，“創新”，“研發”，“改進”，“晉升”，“職業發展”，“技能培訓”。只有同時符合上述兩個條件的職位，方可認定為紫領崗位。具體而言，課題組使用機器學習技術，通過以下步驟完成紫領的篩選：

1.數據預處理：首先，對職位描述、職位標題等列進行分詞和停用詞過濾，以提取重要的語義信息。其次，對招聘職位大類等分類變量進行編碼，以將其轉化為適合模型輸入的數值形式，形成編碼后的特征矩陣。 2.特征提取：將處理后的文本數據轉化為稀疏矩陣形式后，將文本特征矩陣與編碼后的特征矩陣合并，形成完整的輸入特征矩陣。 3.模型訓練與評估：首先將數據劃分為訓練集和測試集。對訓練集數據進行手工標注，根據職位標題、招聘職位大類以及上述關鍵字等信息篩選出紫領職位廣告，標記為1；非紫領招聘廣告標記為 0。上述標注數據作為訓練集，其余未標注數據用作測試集。4.應用與預測：利用標注數據訓練機器學習分類模型（樸素貝葉斯），以預測職位是否屬于紫領類別。隨后，使用訓練好的模型對未標注數據進行預測，生成紫領分類結果。

在篩選出紫領招聘職位后，我們對 2016-2022 年紫領需求的變化趨勢進行了描述性統計分析。總體來看，2016 至 2022 年，紫領需求人數與占比均呈現上升趨勢，受2020 年疫情影響，增長曾短暫放緩，但在 2021 年及之后恢復并繼續上升。到 2022 年，紫領需求人數增長至2016 年的 3 倍，占比累計提升 4.7 個百分點，達到 13%，表明紫領人才在制造業中的地位愈發重要。

我們將上述 14 個制造業細分行業歸為六大類，并對紫領需求人數的行業分布及變化趨勢進行了分析。其中，電子技術/半導體/集成電路行業的紫領勞動需求最多，且呈現明顯的上升趨勢。受 2020 年疫情影響，該行業需求人數在當年略有回落，但隨后迅速恢復增長并持續上升。醫藥/生物工程/醫療設備/器械行業的紫領需求總體呈現上升趨勢，尤其是在 2020 年需求增長顯著，達到較高水平。隨著新能源汽車制造的蓬勃發展，汽車/ 摩托車行業的紫領需求在 2022 年大幅躍升，而傳統加工制造行業（原料/模具）的紫領需求人數則不斷下降。相比之下，大型設備/機電設備/重工業行業的紫領需求相對平穩。總體而言，以高新技術為代表的新興行業中，紫領人才需求的增長尤為顯著，彰顯出新質生產力對紫領職業的重要推動作用。

從趨勢來看，學歷要求為高中及以下（包括不限）的職位占比呈下降趨勢，從 2016 年的 45.9%下降至 2022 年的36.4%，學歷要求為大專的紫領職位占比穩定在 40%左右；而學歷要求為本科的紫領職位則呈明顯上升趨勢，在 2022 年超過 25%。盡管碩士及以上學歷要求的占比也有所上升，但總體比例仍較小，不足 2%。綜上所述，紫領職位的學歷要求逐步提高，特別是本科及以上學歷的比例在持續增長。