產業綠色轉型升級與就業結構優化的互動關系

楊秉臻

（揚州工業職業技術學院 智能制造學院，江蘇 揚州225127）

0 引言

實現高質量發展是新發展階段經濟發展的主題，推動產業轉型升級是實現高質量發展的重點環節，而著力提高全要素生產率是推動高質量發展的重要途徑。就業是最基本的民生，合理的就業結構是提高生產資料尤其是勞動力資源配置效率的必然要求，是提高全要素生產率的必然要求，是滿足人民對美好生活向往的必然要求。加快產業轉型升級，優化就業結構，充分發揮人才作為第一資源的重要作用，已成為區域經濟高質量發展的重要議題。

產業與就業是經濟結構中兩大相輔相成的體系（郭宇航等，2020），對二者相關性和規律性的探索主要圍繞產業的結構升級、技術升級對就業的影響和產業結構、就業結構的關系開展研究?！芭涞?克拉克定理”是產業升級促進勞動力轉移較為統一的認識（張文舉等，2015）。隨著經濟發展方式的轉變，相關研究從產業規模升級、技術進步、結構升級等產業演進對就業的具體影響做了有益探索。從就業數量來看，產業產出增長、結構變動、資本存量增長對就業數量影響各異（陳沖等，2019），總體上產業升級短期內降低就業率，長期反而促進就業率的提高（張守鳳等，2022）。從就業態勢來看，創新驅動下工業機器人（王曉娟等，2022）、人工智能（姜偉等，2022）、自動化（余典范等，2022）、數字經濟（陳貴富等，2022）、互聯網技術（丁琳等，2020）等特定產業行業對就業的沖擊，體現出產業升級對勞動力就業具有替代和補償雙重效應（王穎等，2021）。從勞動力分布和就業結構來看，產業升級對大學生就業（胡永遠等，2018）、農民工就業（李天成等，2020）、女性就業（何雅菲等，2020）造成不同程度的“極化”或者促進現象，勞動力分布表現出空間異質性 （曹文彬等，2022），就業表現出結構性矛盾（郭貝貝，2022）。另一方面，針對產業結構與就業結構的關系，相關研究著重闡明了二者的協調性。產業升級帶動了產業結構的調整，受勞動力受教育水平偏低、高素質人才短缺、城鄉二元結構等因素的影響（王陽等，2022），第一產業就業比重過高，二、三產業就業比重偏低（冀強等，2020），當前產業結構與就業結構存在失調（熊斌等，2021）。有研究表明，產業結構的升級可以帶動就業結構的優化，但就業結構的優化對產業結構的調整無明顯影響（韓勝娟，2013）。與之相反，資源型城市產業結構升級并未顯著影響就業，但就業改善會促進產業結構升級（魏小芳等，2017）。此外，異質性人力資本在不同區域的合理配置也有效促進區域產業結構的優化（王芳琴，2022）。

綜上，現有研究主要存在如下特征：1）側重于產業升級對就業結構的影響，鮮有關注就業結構對產業升級的影響機理，而勞動力錯配將直接影響產業發展。2）部分研究對產業升級的概念界定模糊，單從產業技術升級或結構升級的角度難以綜合評判產業升級與就業結構的互作，而綠色發展理念和高質量發展背景又對產業升級提出新的要求。本研究的邊際貢獻主要體現在以下方面：1）以產業綠色全要素生產率提高作為產業綠色轉型升級評價變量，既考慮生產要素升級促進產業技術升級，又兼顧優化產業結構提高資源配置效率，同時將環境污染納入產業發展影響因素，拓展了產業升級的內涵。2）針對產業綠色轉型升級與就業結構優化的互動關系進行分析，致力于探究產業升級與就業結構高級化和合理化之間的相互影響，有助于為實現二者的協調發展提供理論參考。3）對江蘇省的實證研究，有助于為產業綠色轉型升級與就業結構優化路徑選擇提供決策支持。

1 數據與方法

1.1 變量選取與數據來源

1.1.1 產業綠色轉型升級

產業綠色轉型升級以產業綠色全要素生產率的增長來衡量，通過投入產出效率來測度。資本、勞動力和能源是產業發展不可或缺的要素投入。資本層面，依據新古典經濟增長模型，資本投入是指能形成生產力的資本存量（徐永慧等，2022），因此選取固定資本存量（億元）作為投入變量。對固定資本存量采用永續盤存法（張軍等，2004）估算，公式為

式中：K為固定資本存量；δ為折舊率，取9.6%；pt為以2011年為基期計算的固定資產投資價格指數；It為各地區當年固定資產投資原始數值，基期資本存量采用2011年各地區固定資產投資的10倍進行計算（陳東景等，2021）。

勞動力層面，選取年末單位從業人數（萬人）作為投入變量。能源層面，相關研究表明，電力需求的GDP彈性值近似于能源需求，且我國能源的生產和消費對于煤炭和石油的供需被低估（李博等，2016），因此，選取全社會用電量（億kW·h）作為投入變量。

考慮綠色生產背景下環境制約因素，產出變量分為期望產出和非期望產出。地區生產總值是通用的期望產出變量，多數研究采用剔除物價變動后的實際值，因此，選取地區生產總值（億元）作為期望產出變量?？紤]地級市層面污染物數據的可獲得性，選取工業廢水排放量（萬t）、工業二氧化硫排放量（t）、工業煙塵排放量（t）作為非期望產出變量。

1.1.2 就業結構優化

就業結構優化以就業結構高級化和就業結構合理化來衡量，通過各地區一、二、三產業就業人數和產值等數據測度。為消除通脹通縮的影響，對價格變量根據價格指數以2011年為基期進行平減處理。

研究區域為江蘇省13個地級市，包括南京、無錫、徐州、常州、蘇州、南通、連云港、淮安、鹽城、揚州、鎮江、泰州、宿遷?；A數據來源于《中國城市統計年鑒》 （2012—2021年）、《江蘇統計年鑒》（2012—2021年）。

1.2 研究方法

1.2.1 產業綠色全要素生產率

產業綠色全要素生產率的測算需要兼顧增加期望產出和減少非期望產出及投入，基于Oh（2010）的方法，引入方向性距離函數，運用各地級市不同時期的投入變量和產出變量，構造生產可行集合，完成對投入、期望產出和非期望產出不同方向的優化調整?；诖?，測算產業綠色全要素生產率變化指數（GML），并分解為技術效率變化指數（GEC）和技術進步指數（GTC），公式為

1.2.2 就業結構高級化

就業結構高級化是指從就業的三次產業結構角度，三次產業的就業人數占比沿著第一、二、三產業的順序不斷上升。參照產業結構高級化評價方法（付凌暉，2010），通過三次產業就業人數占總就業人數的比例構造向量X0＝（x1，0，x2，0，x3，0），再分別計算X0與產業由低到高的向量X1＝（1，0，0）、X2＝（0，1，0）、X3＝（0，0，1）之間的夾角θ1、θ2、θ3?；诖?，測算就業結構高級化指數（ESA），公式為

式中：xi，j為向量X1、X2、X3的元素；xi，0為向量X0的元素。ESA值越大，表明就業結構越高級。

1.2.3 就業結構合理化

就業結構合理化指數（ESR）由就業結構偏離度的反向指標評價（張文等，2016），公式為

式中：VP1為第一產業增加值占GDP的比重；EP1、EP2、EP3分別為第一、二、三產業就業人數占總就業人數比重。ESR值越大，表明第一產業勞動生產率高，其剩余勞動力轉移越徹底，同時表明第三產業比第二產業就業人數多，就業與產業向服務型轉變的要求更匹配。

1.2.4 PVAR模型

通過構建面板向量自回歸模型（PVAR） （程鐵軍等，2022），研究產業綠色轉型升級與就業結構優化間的動態關系。PVAR模型將GML、ESA和ESR作為內生變量，分析各變量及其滯后項的關系，降低了其他模型對面板數據時間序列長度限制的要求，模型為

式中：i為各地級市；t為年份；p為滯后階數；yit為內生變量的列向量，包括產業綠色全要素生產率變化（GML）、就業結構高級化（ESA）和就業結構合理化（ESR）；yi，t-j為各內生變量的滯后j期；α0為截距項；αi，j為待估計矩陣；γi為固定效應矩陣；θt為時間效應；εi，t為回歸殘差。相關線性規劃和模型計算通過Stata求解。

2 結果分析

2.1 產業綠色全要素生產率變化分析

由圖1a可見，2011—2020年，江蘇省產業綠色全要素生產率、技術效率和技術進步的年均增長率分別為0.74%、 -0.33%和1.07%，綠色全要素生產率指數與技術進步指數的變化趨同，且呈上升趨勢，技術效率指數在波動中下降?？梢?，在“三廢排放”等環境約束下，江蘇省產業發展實現綠色轉型，但產業的轉型升級受技術進步“單因素”驅動，技術效率未能實現協同發展。通過對投入變量和全要素生產率年際變化的比較，除勞動力投入（年均增長率為0.31%）保持穩定外，其余投入的年均增長率（固定資本存量為5.01%，全社會用電量為4.56%）顯著高于全要素生產率，可見，近10年江蘇省產業發展仍表現為依靠要素投入的“粗放型”生產模式。結果表明，在產業調整中，先進生產資料的投入、高新技術的引入、設備的迭代升級等要素投入的改進為主要內驅力，在“提質增效”目標導向下，江蘇省產業綠色轉型重點在“提質”發力，生產中對資源配置、結構改革、規模效益的統籌不盡合理，對先進生產力、綠色產業鏈管理水平的吸納和推廣并不充分，易造成投入浪費，表現為“增效”乏力。

圖1 產業綠色轉型升級與就業結構變化Fig.1 Industrial green transformation＆upgrading and employment structural changes

由表1可見，分地市比較，10年間，淮安、鎮江、徐州、泰州、南通、常州產業綠色全要素生產率實現正增長，除常州外，其余5市綠色全要素生產率年均增長超過2%；南京、蘇州、無錫保持不變；宿遷、鹽城、揚州和連云港表現為負增長。由分解項可知，各市技術進步指數均高于或等于1，僅淮安、鎮江和泰州產業綠色全要素生產率的增長受技術進步和技術效率改善 “雙因素”驅動，全要素生產率指數下降的地市均由于技術效率下降。結合綜合效率考察，依據綜合效率高低和全要素生產率增速快慢分類評價。南京、無錫、蘇州和揚州表現為效率高、增速慢，該地區產業綠色發展領先，但后勁不足。南通、泰州和徐州表現為效率高、增速快，該地區產業綠色發展相對較好，產業綠色升級仍有冒進之勢。常州、鎮江和淮安表現為效率低、增速快，該地區產業綠色升級處于起步階段，轉型之勢向好。鹽城、宿遷和連云港表現為效率低、增速慢，該地區產業綠色發展落后，且轉型升級不明顯。結果表明，在技術進步的推動下，江蘇省多數地級市實現產業綠色轉型升級，但囿于經濟實力等條件，各地產業綠色升級分化明顯，低技術效率使各地全要素生產率增長滯緩，且是限制各地進一步提高產業全要素生產率的關鍵因素。

表1 2011—2020年江蘇省各地級市產業平均效率指數Table 1 2011 to 2020 average industrial efficiency index of Jiangsu's prefectures

2.2 就業結構變化分析

由圖1b可見，2011—2020年，江蘇省就業結構高級化指數穩步上升，合理化指數在小幅度波動中上升，合理化指數增速略高于高級化指數增速，且二者在2018年后均呈跳躍式增長?？梢?，從就業的三次產業結構角度分析，近10年江蘇省的就業結構明顯沿著第一、二、三產業的順序不斷上升，就業結構與產業結構間的偏離度逐漸縮小。

整體來看，除南京外，江蘇省各市均處于就業結構高級化和合理化不同步或者雙低狀態，雖然就業結構朝著高級化和合理化方向發展，但多數地區難以在自身產業升級條件下創造勞動力合理轉移并充分就業的環境，就業結構優化程度有所欠缺。分地市比較，以就業結構高級化為橫軸，合理化為縱軸，通過二維象限法將江蘇省13個地級市劃分為4類。Ⅰ類，包括南京，這類地區就業結構高級化和合理化水平均較高，表明勞動力資源在產業間流動合理，就業結構與產業結構優化同頻共振。Ⅱ類，包括無錫、蘇州、常州、鎮江和揚州，這類地區就業結構高級化水平較高、合理化水平較低，表明政策等因素刺激下，勞動力向服務業等行業的轉移，但產業發展現狀并不足以消化勞動力的供給，造成就業與產業間的供需矛盾。Ⅲ類，包括淮安、鹽城、連云港和徐州，這類地區就業結構合理化水平較高、高級化水平較低，表明在現有生產力水平下，就業與產業的供需平衡性較好，但存在較大的產業慣性，反映出產業結構的調整與高質量發展趨勢不相適應，勞動力的轉移與產業的轉型升級不相匹配。Ⅳ類，包括宿遷、泰州和南通，這類地區就業結構高級化和合理化水平均較低，表明產業的轉型升級與勞動力的轉移并未形成良好的互動和銜接，產業間勞動力資源錯配，就業結構與產業結構的調整難以形成正向效應。

由綜合比較分析江蘇省產業綠色全要素生產率與就業結構的變化可知，江蘇省產業綠色轉型升級在技術效率上的退步，部分地區產業綠色全要素生產率的增長與就業結構的優化不對等，反映出生產要素供需不平衡的缺陷，同時反映出人力資源的產投不盡人意，這恰恰與就業結構優化不足呼應。兼顧產業綠色轉型與就業結構的協調性，將是高質量發展的可持續路徑。

2.3 產業綠色轉型升級與就業結構的互動關系分析

江蘇省不同地區產業綠色轉型升級與就業結構的優化提升存在不同的變化特征，為產業與就業更高質量地協同發展，運用PVAR模型對產業綠色全要素生產率變化、就業結構高級化和合理化的互動與互變進行實證分析。

2.3.1 平穩性檢驗和滯后階數確定

通過LLC檢驗、IPS檢驗和PP-Fisher檢驗，對面板數據變量進行單位根檢驗，以避免出現虛假回歸現象。若檢驗結果不平穩，即不能拒絕存在單位根，則對原始變量作一階差分處理，對一階差分后變量重新進行單位根檢驗。由表2可見，一階差分后變量dGML、dESA、dESR序列在1%水平均通過平穩檢驗，因此引入變量dGML、dESA、dESR進行PVAR模型估計。為保證模型分析結果的可靠性，采用AIC、BIC和HQIC準則，根據結果最小值確定PVAR模型分析的最優滯后階數為1期（表3）。

表2 面板單位根檢驗Table 2 Panel unit root tests

表3 最優滯后階數選擇Table 3 Selection of premium lagging order

2.3.2 Granger因果檢驗

為明確產業綠色全要素生產率變化、就業結構高級化和合理化間的因果關系，對dGML、dESA、dESR進行滯后1期的Granger因果檢驗。由表4可見，就業結構高級化和合理化存在雙向Granger因果關系，表明二者間具有雙向互動影響。就業結構高級化和合理化與產業綠色全要素生產率變化存在單向Granger因果關系，即產業綠色全要素生產率變化是就業結構高級化和合理化的Granger原因，但就業結構高級化和合理化均不是產業綠色全要素生產率變化的Granger原因。為進一步研判各變量間短期和長期因果關系，對變量進行GMM估計和脈沖響應分析。

表4 Granger因果檢驗Table 4 Granger causality tests

2.3.3 GMM估計

由表5可見，滯后1期產業綠色全要素生產率變化、就業結構高級化和合理化與當前水平產業綠色全要素生產率變化均無顯著相關性，表明近10年江蘇省就業結構的改善對產業綠色轉型升級并無顯著促進作用。從對自身作用來看，前期綠色全要素生產率的增長并非促進其持續增長的穩定基礎，原因可能是隨著環境約束要求的提高，僅依靠增加投入來改善技術條件，會增強產業升級的路徑依賴，從而導致接續產業轉型發展乏力，經濟增長逐步受限，全要素生產率不增反降。滯后1期就業結構高級化與其當前水平顯著負相關，表明就業結構高級化有自我抑制作用，勞動力在第一、二、三產業間的順次轉移不滿足就業市場的實際需求，前期的就業流向未形成正向示范效應，可見，就業結構高級化更多是宏觀政策調控的結果。滯后1期產業綠色全要素生產率變化對就業結構高級化有抑制作用，可能由于產業的轉型升級更多表現為機器取代人工，在第二、三產業減少了勞動力需求，對就業結構高級化產生負向影響。滯后1期就業結構合理化對就業結構高級化有促進作用，表明產業部門間契合產業發展需求對勞動力資源的配置有利于勞動力在產業間的合理轉移。滯后1期就業結構合理化與其當前水平顯著正相關，表明就業結構合理化有自我促進作用，就業結構與產業結構間的偏離度會隨著前期勞動力的合理配置而越來越小。滯后1期產業綠色全要素生產率變化對就業結構合理化有抑制作用，可能由于產業轉型升級的就業破壞效應，產業轉型中勞動力資源的再配置并未擺脫原有的資源依賴，而這種低級均衡狀態則表現為產業發展趨勢下的就業結構不合理。滯后1期就業結構高級化對就業結構合理化有抑制作用，表明產業并不能充分吸納勞動力在產業間的轉移，從而引發就業不充分及就業和產業間的失衡問題。

表5 GMM估計Table 5 GMM estimation

研究結果表明，整體上近10年江蘇省產業綠色轉型對就業產生破壞效應，就業結構的改善無法對產業的轉型升級產生支持作用，表現在產業的技術效率低，勞動力資源在各產業間的配置不合理。就業結構合理化對就業結構高級化產生支持作用，但就業結構高級化反向抑制就業結構合理化，因此在宏觀調控中需要注重就業結構高級化和合理化的適度和平衡，放大就業結構合理化的正向作用，減少就業結構高級化的負向作用。

2.3.4 脈沖響應分析

通過對脈沖響應函數對各變量間相互影響的動態傳遞進行分析，模擬各變量受隨機擾動項的一個標準差沖擊后當前和未來的長期響應程度，結果如圖2所示。

圖2 脈沖響應分析Fig.2 Impulse response analysis

1）對自身的沖擊作用。產業綠色全要素生產率變化受自身的一個標準差沖擊時，當期響應達到正向最大值，在第1期響應便趨于0，后幾乎無響應。就業結構高級化受自身的一個標準差沖擊時，當期響應達到正向最大值，在第1期響應至負向最小值，在第2期逐漸回升，響應趨無。就業結構合理化受自身的一個標準差沖擊時，當期表現出正響應，在第1期正響應持續提升，在第2期響應趨無。

2）產業綠色全要素生產率變化的沖擊作用。面對產業綠色全要素生產率變化的一個標準差沖擊，就業結構高級化和合理化的響應幾乎一致，當期響應基本為負，在第1期響應至負向最小值，在第2期響應表現為正，后逐漸趨于0。

3）就業結構高級化的沖擊作用。面對就業結構高級化的一個標準差沖擊，產業綠色全要素生產率變化響應值的置信區間始終上下涵蓋0值水平線，表明就業結構高級化并未對產業綠色全要素生產率變化產生顯著影響，這與前文研究結果一致。就業結構合理化的當期響應達到正向最大值，在第1期響應為負，后回升至第2期響應為正，并趨于0。

4）就業結構合理化的沖擊作用。面對就業結構合理化的一個標準差沖擊，產業綠色全要素生產率變化響應值與受到就業結構高級化的沖擊一致，未產生顯著影響，但未來表現出正向響應的趨勢。就業結構高級化在當期未作出明顯響應，在第1期產生正向響應，在第2期響應為負，后逐漸趨于0。

結果表明，產業綠色全要素生產率變化、就業結構高級化和合理化對自身的沖擊響應及相互之間的沖擊響應短期較為強烈，在第3期后響應基本趨無，可見，調整產業發展和就業結構對二者的互相作用將會立見成效，這就要求相關政策的制定具有即時性和預見性。短期來看，產業綠色全要素生產率的增長對就業結構具有顯著的負向作用，但未來逐漸產生一定的正效應，可見，產業升級短期破壞就業的同時，就業結構的調整將被動適應產業的發展變化，從而達到兩者同步發展。就業結構的調整在短期和長期均未對產業升級產生顯著作用，可能受限于以當前統計數據模擬結果，未來就業結構合理化有助于產業綠色轉型升級，江蘇省就業結構的改善將是進一步促進產業轉型的發力方向。就業結構高級化和合理化在短期和長期均表現為發展不同步。

2.3.5 方差分解

通過方差分解預測產業綠色全要素生產率變化、就業結構高級化和合理化互動影響的貢獻度。由表6可見，自第4期起各變量相互影響的貢獻度指數趨于穩定，強化說明了各變量對不同擾動項沖擊的短期響應特征。產業綠色全要素生產率變化在第1期的影響全部來自自身，從第2期開始就業結構對產業的影響逐步顯現，但從第4期來看，產業綠色全要素生產率變化主要受自身影響，占80.5%，就業結構合理化對其影響（貢獻度為18.2%）明顯高于就業結構高級化（貢獻度為1.3%）。就業結構高級化主要受自身影響，就業結構合理化對其影響程度（貢獻度為13.6%）略高于產業綠色全要素生產率變化（貢獻度為11.2%）。就業結構合理化顯著受其自身和就業結構高級化的影響，且就業結構高級化對其影響（貢獻度為58.2%）高于其自身（貢獻度為33.8%），這種影響從第1期就開始凸顯。結果表明，當前產業轉型升級明顯由于產業的自身作用，未來變化趨勢表現出就業結構合理化在產業轉型升級中發揮作用的潛力。相較于產業綠色全要素生產率變化對就業結構高級化和合理化的影響，就業結構高級化和合理化二者間的相互影響更明顯，就業結構高級化對合理化的影響更大。因此，在以提高綠色全要素生產率為目標促進產業更高質量轉型發展的過程中，要側重于就業結構合理化，同時兼顧就業結構高級化對合理化的沖擊。

表6 預測方差分解Table 6 Forecast of variance decomposition

3 結論與建議

本文基于江蘇省13個地級市2011—2020年產業投入產出數據和就業數據，運用PVAR模型等方法，對近10年江蘇省產業綠色轉型升級、就業結構變化及產業綠色全要素生產率變化、就業結構高級化和合理化的互動進行分析，得出以下主要結論。

1）受技術進步“單因素”驅動，江蘇省產業綠色全要素生產率年均增長0.74%，但技術效率年均降低0.33%，投入要素的增長顯著高于全要素生產率，產業仍未擺脫“粗放型”生產模式，技術效率的改善是各地市進一步促進產業綠色轉型升級的關鍵因素。

2）江蘇省就業結構高級化和合理化指數均增長，合理化指數增速更明顯。多數地市處于就業結構高級化和合理化不同步或雙低狀態，就業結構的優化與產業綠色轉型升級不對等，限制了產業技術效率的改善。

3）產業綠色轉型升級對就業結構優化呈先抑制后促進的作用，而就業結構優化對產業綠色轉型升級無顯著影響，但就業結構合理化對促進產業綠色轉型升級具有潛力，貢獻度達18.2%。短期就業結構高級化抑制合理化，而合理化促進高級化，二者長期發展不一致。

4）產業綠色轉型升級對自身貢獻度達80.5%，但其對就業結構高級化和合理化的貢獻度較低，分別為11.2%和8%，就業結構高級化和合理化間的相互貢獻度更高，就業結構高級化對合理化的貢獻度高達58.2%。

基于以上結論，本文提出以下建議。

1）放大就業結構主動調整的正向效應，促進就業結構合理化，減小產業綠色轉型升級對就業結構的破壞和勞動力的被動轉移，避免就業結構的“唯高級化”造成的不合理化。以符合就業轉移的本質特征為基礎，加強適應產業發展要求的職業和崗位創造，提高就業市場人崗匹配度。完善就業公共服務對勞動力職業技能的培訓，倡導終身學習，保證勞動力技能滿足產業轉型需要。重視宏觀政策調控在市場中的補位，加大就業促進政策實施力度，完善就業服務和保障體系，消除就業的制度性阻礙，降低勞動力在產業間、行業內的流動壁壘，促進低端勞動力、中高級人才在產業間的精準流向，充分發揮勞動力在資源配置中的重要作用，提高產業技術效率。此外，在政策調整中要關注產業與就業相互影響的短期效應，宏觀調控注重前瞻性，對就業結構的調整注重適度和平衡，避免擴大負向作用。

2）兼顧地區產業綠色轉型升級和就業結構現狀，協調產業和就業關系，制定差異化政策。南京、無錫、蘇州、揚州產業綠色轉型升級基礎較好，勞動力向第三產業流動明顯，但進一步轉型發展的趨勢不明顯，應注重勞動力在產業、行業間的合理調配，提高就業合理化。常州、鎮江、淮安、徐州、泰州、南通均表現為產業綠色轉型升級顯著發展。常州、鎮江就業結構合理化將為產業發展提供新動能?；窗?、徐州則要求加快勞動力在產業間的流動，平衡就業結構高級化和合理化，盡快適應產業轉型升級。泰州、南通在產業綠色轉型趨勢下，造成就業結構的破壞，勞動力既沒有明顯轉移，就業結構也不合理，應及時穩定就業。鹽城、連云港、宿遷產業綠色發展基礎不好且轉型不明顯，應平衡產業綠色轉型升級對就業的短期破壞，重點加快推進產業綠色發展?？傊?，削弱產業綠色轉型升級對就業結構的單向作用，實現由就業結構優化推進產業升級將是經濟發展提質增效的可持續路徑。

研究中也發現如下問題：產業綠色轉型升級重點對哪些行業和群體就業產生負面影響？影響程度如何？就業結構高級化如何抑制合理化，而合理化又如何促進高級化？后續研究應圍繞產業內部發展狀況和特殊就業群體對相關問題做進一步分析。