新质生产力应用型人才变化趋势分析

从趋势来看，学历要求为高中及以下（包括不限）的职位占比呈下降趋势，从 2016 年的 45.9%下降至 2022 年的36.4%，学历要求为大专的紫领职位占比稳定在 40%左右；

1.基于年鉴数据的新质生产力应用型人才变化趋势描述

劳动力的技能水平是劳动力生产效率的重要决定因素，因此制造业劳动力的技能结构变化能够反映新质生产力应用型人才相对规模的变化。图 3-1 展示了2010-2022 年间制造业劳动力的学历结构变化。自 2010 年以来，制造业劳动力的人力资本水平不断提高。2010年时，制造业从业者中初中及以下学历者占比 70.1%，是制造业劳动力最重要的组成部分；高中大专学历者占比 26.5%，也在制造业劳动力队伍中扮演重要角色；拥有较高技能水平的劳动力，即本科及以上学历者占比仅为 3.4%。在过去十年中，高技能劳动力占比不断提升，低技能劳动力占比则明显下降。到 2022 年，制造业从业者中初中及以下学历者占比下降至 61.8%，高中大专学历者占比上升至 30.6%，本科及以上学历者占比上升至7.6%。由此可见，制造业中的高技能应用型人才比例在过去十年中不断提升。

上述制造业劳动力技能结构的变化趋势在男性和女性劳动力中均有体现，并且男性劳动力的技能结构变化更为明显。具体而言，制造业男性劳动力初中及以下学历的就业人数占比从 2010 年的 66.1%下降到 2022 年的 55.7%，而女性劳动力则从2010 年的75.3%下降到 2022 年的 70.1%。与此同时，制造业男性劳动力在高中大专学历层次的就业人数占比有明显提升，从 2010 年的 30.0%上升至 35.7%，而女性劳动力则从 2010 年的22.1%上升至2017 年的 28.2%，但在 2017 至 2022 年间有所回落，降至 23.6%。对于制造业高技能人才而言，拥有本科及以上学历的制造业男性和女性劳动力的就业比例均明显上升，其中男性劳动力的占比从 2010 年的 4.0%上升到 2022 年的 8.6%，而女性的劳动力占比也从2.6%上升到 6.2%。

根据《中国统计年鉴》中的按行业分城镇非私营单位就业人员数据和总就业人数数据，在假设制造业就业人员中城镇非私营单位就业人员的代表性与各行业整体城镇非私营单位就业人员的代表性相同的条件下，课题组折算出了制造业总就业人数。如图3-3 所示，制造业整体劳动力规模发生了系统性变化，随着经济发展和产业结构转型，制造业就业人数在经历了稳步增长后，自 2015 年起出现明显下降，从 2005 年的 2.1 亿减少至2023 年的1.6亿。这一趋势反映了制造业在技术进步和产业升级背景下，对劳动力需求的调整。

2.基于某大型线上招聘平台数据的紫领人才需求变化趋势描述

描述在年鉴数据分析的基础上，课题组进一步运用某大型线上招聘平台的数据，通过机器学习方法，从制造业招聘广告中科学地筛选出紫领人才的招聘岗位数量，并对这一新质生产力应用型人才典型代表的劳动需求变化进行了描述与分析。数据样本来源于该平台2016年 1 月至 2022 年 12 月期间发布的职位，以职位最后一次发布时间为依据。数据提供方每年随机抽取 4-5 万个职位 ID，共计约 30 万条招聘广告，并提取每个职位ID 的企业端字段和职位端字段。企业端字段包括：加密后的企业 ID 和企业所属行业；职位端字段包括：加密后的职位 ID、职位标题、招聘职位大类、招聘职位所在城市、招聘人数及学历要求。我们将企业所属行业限定为制造业，细分行业包括办公用品及设备、大型设备/机电设备/重工业、电子技术/半导体/集成电路、航空/航天研究与制造、加工制造（原料加工/模具）等共计 14 个行业6。

根据紫领人才的定义，课题组设计了一套筛选规则，从制造业招聘广告中识别出紫领岗位。在排除销售类、行政/后勤/文秘、财会类和人力资源几类岗位后，筛选规则要求招聘广告的职位描述必须同时满足以下条件：（1）包含以下关键词之一：“生产”，“加工”，“制造” ，“一线”，“工厂”，“车间”，“现场管理”，“设备”，“操作”，“工程”，“项目”，“技术”，“检验”，“检测”，“自动化”，“电气”，“电路”，“机械”；（2）同时包含以下关键词之一“解决问题”，“团队协作”，“创新”，“研发”，“改进”，“晋升”，“职业发展”，“技能培训”。只有同时符合上述两个条件的职位，方可认定为紫领岗位。具体而言，课题组使用机器学习技术，通过以下步骤完成紫领的筛选：

1.数据预处理：首先，对职位描述、职位标题等列进行分词和停用词过滤，以提取重要的语义信息。其次，对招聘职位大类等分类变量进行编码，以将其转化为适合模型输入的数值形式，形成编码后的特征矩阵。 2.特征提取：将处理后的文本数据转化为稀疏矩阵形式后，将文本特征矩阵与编码后的特征矩阵合并，形成完整的输入特征矩阵。 3.模型训练与评估：首先将数据划分为训练集和测试集。对训练集数据进行手工标注，根据职位标题、招聘职位大类以及上述关键字等信息筛选出紫领职位广告，标记为1；非紫领招聘广告标记为 0。上述标注数据作为训练集，其余未标注数据用作测试集。4.应用与预测：利用标注数据训练机器学习分类模型（朴素贝叶斯），以预测职位是否属于紫领类别。随后，使用训练好的模型对未标注数据进行预测，生成紫领分类结果。

在筛选出紫领招聘职位后，我们对 2016-2022 年紫领需求的变化趋势进行了描述性统计分析。总体来看，2016 至 2022 年，紫领需求人数与占比均呈现上升趋势，受2020 年疫情影响，增长曾短暂放缓，但在 2021 年及之后恢复并继续上升。到 2022 年，紫领需求人数增长至2016 年的 3 倍，占比累计提升 4.7 个百分点，达到 13%，表明紫领人才在制造业中的地位愈发重要。

我们将上述 14 个制造业细分行业归为六大类，并对紫领需求人数的行业分布及变化趋势进行了分析。其中，电子技术/半导体/集成电路行业的紫领劳动需求最多，且呈现明显的上升趋势。受 2020 年疫情影响，该行业需求人数在当年略有回落，但随后迅速恢复增长并持续上升。医药/生物工程/医疗设备/器械行业的紫领需求总体呈现上升趋势，尤其是在 2020 年需求增长显著，达到较高水平。随着新能源汽车制造的蓬勃发展，汽车/ 摩托车行业的紫领需求在 2022 年大幅跃升，而传统加工制造行业（原料/模具）的紫领需求人数则不断下降。相比之下，大型设备/机电设备/重工业行业的紫领需求相对平稳。总体而言，以高新技术为代表的新兴行业中，紫领人才需求的增长尤为显著，彰显出新质生产力对紫领职业的重要推动作用。

从趋势来看，学历要求为高中及以下（包括不限）的职位占比呈下降趋势，从 2016 年的 45.9%下降至 2022 年的36.4%，学历要求为大专的紫领职位占比稳定在 40%左右；而学历要求为本科的紫领职位则呈明显上升趋势，在 2022 年超过 25%。尽管硕士及以上学历要求的占比也有所上升，但总体比例仍较小，不足 2%。综上所述，紫领职位的学历要求逐步提高，特别是本科及以上学历的比例在持续增长。