■呂榮杰，徐夢(mèng)瑤，楊 蕾

一、引言與文獻(xiàn)綜述

2019年3月，李克強(qiáng)總理在政府工作報(bào)告中明確指出：“圍繞推動(dòng)制造業(yè)高工資發(fā)展，強(qiáng)化工業(yè)基礎(chǔ)和技術(shù)創(chuàng)新能力，加快建設(shè)制造強(qiáng)國(guó)。打造工業(yè)互聯(lián)網(wǎng)平臺(tái)，拓展‘智能+’，為制造業(yè)轉(zhuǎn)型升級(jí)賦能”。制造業(yè)作為智能機(jī)器人與人工智能應(yīng)用最廣的行業(yè)，其勞動(dòng)力市場(chǎng)受到了不小的沖擊，但目前國(guó)內(nèi)外關(guān)于人工智能與制造業(yè)就業(yè)的研究相對(duì)較少且研究結(jié)論存在差異，主要有以下四種觀點(diǎn)：一是抑制效應(yīng)，人工智能通過時(shí)間效應(yīng)與邊際產(chǎn)出效應(yīng)降低了制造業(yè)企業(yè)低技能的就業(yè)比重（謝萌萌等，2020）。二是促進(jìn)效應(yīng)，人工智能通過提升生產(chǎn)率、增加高技能勞動(dòng)力供給促進(jìn)了制造業(yè)就業(yè)總量（Graetz&Michaels，2018）。三是門檻效應(yīng)，蔡嘯和黃旭美（2019）利用兩部門模型發(fā)現(xiàn)人工智能技術(shù)會(huì)顯著降低制造業(yè)的勞動(dòng)力占比，但是當(dāng)人工智能技術(shù)取得重大突破導(dǎo)致生產(chǎn)率增長(zhǎng)過高時(shí)會(huì)造成制造業(yè)勞動(dòng)力回流的現(xiàn)象。四是無影響，工業(yè)機(jī)器人等的應(yīng)用不會(huì)對(duì)制造業(yè)就業(yè)規(guī)模產(chǎn)生影響（楊曉鋒，2018）。在此背景下，探究人工智能對(duì)制造業(yè)就業(yè)的影響機(jī)理具有重要的現(xiàn)實(shí)意義，有助于了解人工智能時(shí)代制造業(yè)的就業(yè)形勢(shì)。

消費(fèi)作為我國(guó)經(jīng)濟(jì)發(fā)展的GDP 組成部分，正逐步取代出口和投資，成為我國(guó)經(jīng)濟(jì)增長(zhǎng)的重要驅(qū)動(dòng)力量（金曉彤和黃蕊，2017）。尤其是在全球經(jīng)濟(jì)下滑的大背景下，不斷刺激國(guó)內(nèi)居民消費(fèi)潛力，擴(kuò)大內(nèi)需增長(zhǎng)已經(jīng)成為中國(guó)經(jīng)濟(jì)轉(zhuǎn)向高質(zhì)量增長(zhǎng)階段的基本動(dòng)力（方嫻和金剛，2020），而人工智能的快速發(fā)展為消費(fèi)升級(jí)提供了契機(jī)。歷史經(jīng)驗(yàn)表明，技術(shù)進(jìn)步的迅猛發(fā)展會(huì)涌現(xiàn)出新的消費(fèi)需求以及消費(fèi)的新業(yè)態(tài)、新模式等，促使消費(fèi)升級(jí)（黃衛(wèi)東和岳中剛，2016），也有助于企業(yè)提高消費(fèi)市場(chǎng)占有率、拓展新的消費(fèi)市場(chǎng)（張家平等，2018）。同時(shí)，通過刺激消費(fèi)需求的提升能夠擴(kuò)大就業(yè)規(guī)模（王軍和詹韻秋，2018）。以上邏輯分析表明消費(fèi)升級(jí)可能在人工智能對(duì)制造業(yè)就業(yè)的影響中發(fā)揮中介作用。

綜上所述，目前人工智能與制造業(yè)就業(yè)的研究結(jié)論不一，并且缺乏關(guān)于人工智能與制造業(yè)就業(yè)的機(jī)理研究。因此，本文在探究人工智能與制造業(yè)就業(yè)效應(yīng)的基礎(chǔ)上，分析消費(fèi)升級(jí)的中介作用。

二、理論闡釋與研究假設(shè)

（一）人工智能與制造業(yè)就業(yè)數(shù)量

本文認(rèn)為人工智能影響制造業(yè)就業(yè)數(shù)量主要通過成本、產(chǎn)品、生產(chǎn)率與新業(yè)態(tài)四個(gè)方面。首先，近年來，隨著我國(guó)老齡化的不斷加劇，企業(yè)的用人成本逐漸上升，倒逼制造業(yè)企業(yè)使用智能化設(shè)備，對(duì)于一些制造業(yè)企業(yè)來說，雖然用人成本逐漸上升，但使用人工智能的成本依然遠(yuǎn)遠(yuǎn)大于用人成本，因此部分企業(yè)還是會(huì)選用人工。其次，相較于人類勞動(dòng)力來說，人工智能在某些方面超過甚至遠(yuǎn)遠(yuǎn)超過人類。譬如計(jì)算能力、記憶存儲(chǔ)能力、精準(zhǔn)操作能力等（譚鐵牛和孫哲南，2018）。因此，相較于工人來說，人工智能在較大程度上提升了產(chǎn)品的生產(chǎn)質(zhì)量，但同時(shí)，工人在前期準(zhǔn)備、柔性化和空間靈活性等方面仍具有突出的優(yōu)勢(shì)，因此需要人機(jī)合作來保障整個(gè)生產(chǎn)線有效運(yùn)轉(zhuǎn)，進(jìn)而提升產(chǎn)品整體的質(zhì)量。此外，人工智能與制造業(yè)企業(yè)的深度融合大大提升企業(yè)的生產(chǎn)率，減少了用人單位的崗位需求。同時(shí)，生產(chǎn)率的提升促使企業(yè)的業(yè)務(wù)量上升，企業(yè)規(guī)模隨之?dāng)U大，從而增加了就業(yè)機(jī)會(huì)。最后，人工智能與制造業(yè)融合發(fā)展會(huì)催生新的業(yè)態(tài)。例如智能家居、智能交通等，而這些新業(yè)態(tài)會(huì)創(chuàng)造出新的商業(yè)模式與職業(yè)，進(jìn)而產(chǎn)生更多的用人需求。基于此，提出以下假設(shè)：

假設(shè)1a：人工智能發(fā)展水平對(duì)制造業(yè)就業(yè)數(shù)量存在正向影響；

假設(shè)1b：人工智能發(fā)展水平對(duì)制造業(yè)就業(yè)數(shù)量存在負(fù)向影響。

圖1 人工智能發(fā)展水平對(duì)制造業(yè)就業(yè)數(shù)量的影響機(jī)理

（二）人工智能與制造業(yè)就業(yè)工資

根據(jù)馬克思的工資理論，工資是勞動(dòng)者價(jià)值的體現(xiàn)。由前文可知，人工智能與制造業(yè)的深度融合會(huì)創(chuàng)造出新業(yè)態(tài)，新業(yè)態(tài)會(huì)產(chǎn)生更多的用人需求，這些用人需求主要體現(xiàn)在高技能勞動(dòng)力方面（周文斌，2017）。具體而言，人工智能與制造業(yè)融合所創(chuàng)造出的新業(yè)態(tài)包括智能機(jī)器人、智能家居、智能交通等，而這些業(yè)態(tài)創(chuàng)造出來的職業(yè)所需要的技能較高。袁玉芝和杜育紅（2019）基于美國(guó)職業(yè)信息網(wǎng)絡(luò)數(shù)據(jù)以及中國(guó)綜合社會(huì)調(diào)查數(shù)據(jù)（CGSS）發(fā)現(xiàn)人工智能引領(lǐng)的第四次工業(yè)革命浪潮對(duì)我國(guó)勞動(dòng)力技能的需求發(fā)生了變化，主要表現(xiàn)在對(duì)非程序性技能的需求不斷增加。具體到制造業(yè)，智能化的生產(chǎn)設(shè)備作為人工智能技術(shù)的外在形式，工人在操作智能機(jī)器時(shí)需要在了解新技術(shù)的基礎(chǔ)上，提升自己的專業(yè)化技能，特別是高端技能（肖龍，2019），而高技能的外在形式就是高工資（王春超和張承莎，2019）。同時(shí)，對(duì)低技能勞動(dòng)力來說，引入人工智能后，人工智能會(huì)承擔(dān)勞動(dòng)力之前所從事的常規(guī)任務(wù)，不僅提高了效率，還會(huì)促進(jìn)低級(jí)勞動(dòng)力向人際、復(fù)雜、靈活、適應(yīng)等人類優(yōu)勢(shì)方面改進(jìn)，同樣也增加了勞動(dòng)力的價(jià)值，提高了低級(jí)勞動(dòng)力的就業(yè)工資。基于此，提出假設(shè)2：

假設(shè)2：人工智能會(huì)促進(jìn)制造業(yè)就業(yè)工資的提升。

（三）消費(fèi)升級(jí)的中介作用

人工智能作為一種技術(shù)進(jìn)步，不僅改變了工作場(chǎng)景，也改變了生產(chǎn)生活方式，AI助力智慧城市、“AI+醫(yī)療”“AI+安防”等，人工智能產(chǎn)品或服務(wù)已經(jīng)深入滲透到日常的生產(chǎn)生活當(dāng)中，并從需求端與供給端影響著消費(fèi)升級(jí)。從供給端即企業(yè)來說，企業(yè)通過供應(yīng)鏈中的多個(gè)環(huán)節(jié)提升消費(fèi)效率。一是在人工智能時(shí)代下，企業(yè)的營(yíng)銷方式不再是過去針對(duì)所有人的模式，而是針對(duì)消費(fèi)者的不同喜好達(dá)到精準(zhǔn)營(yíng)銷。人工智能的核心算法機(jī)器學(xué)習(xí)可以從大量的數(shù)據(jù)中挖掘出消費(fèi)者的需求，改善數(shù)據(jù)質(zhì)量，從而幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷（鐘成林和胡雪萍，2019）。二是隨著大數(shù)據(jù)、人工智能等技術(shù)在快遞行業(yè)的不斷應(yīng)用，智能機(jī)器人可以在下單、分揀、配送方面幫助快遞人員，因此物流變得越來越高效與便捷。無論是“AI+營(yíng)銷”“AI+生產(chǎn)”還是“AI+物流”，都從渠道與服務(wù)方面滿足顧客的需求，改善了顧客的消費(fèi)體驗(yàn)，同時(shí)縮短了消費(fèi)周期，成為拉動(dòng)消費(fèi)升級(jí)的外在動(dòng)力。從需求端即消費(fèi)者本身來說，人工智能的快速發(fā)展創(chuàng)造新的消費(fèi)對(duì)象。以“互聯(lián)網(wǎng)+”為核心的第三次工業(yè)革命以后，90后、00后消費(fèi)者逐漸登上消費(fèi)舞臺(tái)，已經(jīng)成為中國(guó)消費(fèi)市場(chǎng)上的主力軍。人工智能的發(fā)展為其帶來更多樣化的消費(fèi)體驗(yàn)（師博，2020），從而刺激其消費(fèi)，增加購買行為。

消費(fèi)升級(jí)會(huì)產(chǎn)生發(fā)展與享受型需求的擴(kuò)大和生存型需求減少的雙重效應(yīng)。不論是對(duì)城鎮(zhèn)居民還是農(nóng)村居民來說，其消費(fèi)內(nèi)容均呈現(xiàn)出由衣食住行等生存型消費(fèi)向發(fā)展型和享受型消費(fèi)升級(jí)的發(fā)展態(tài)勢(shì)（杜丹清，2017）。一方面，消費(fèi)需求是產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的方向，人們對(duì)發(fā)展型與享受型的需求增加必然會(huì)帶來相關(guān)行業(yè)規(guī)模的擴(kuò)大，從而拉動(dòng)就業(yè)。對(duì)制造業(yè)來說，消費(fèi)升級(jí)會(huì)促進(jìn)傳統(tǒng)制造業(yè)向制造業(yè)服務(wù)化轉(zhuǎn)型，同時(shí)也會(huì)拉動(dòng)高端制造業(yè)發(fā)展，而這些行業(yè)對(duì)勞動(dòng)者的技能與知識(shí)要求較高，相應(yīng)的工資與福利待遇也相對(duì)較高，因此在促進(jìn)就業(yè)工資提升同時(shí)增加了高技能勞動(dòng)力的就業(yè)。另一方面，生存型消費(fèi)需求的減少意味著衣食住行相關(guān)行業(yè)的規(guī)模會(huì)減少，因此在傳統(tǒng)制造業(yè)就業(yè)的低技能的勞動(dòng)力可能面臨失業(yè)的風(fēng)險(xiǎn)。

圖2 消費(fèi)升級(jí)的中介作用

綜上所述，可以推斷出：人工智能能夠通過促進(jìn)消費(fèi)升級(jí)從而對(duì)制造業(yè)就業(yè)產(chǎn)生間接影響。具體來說：人工智能通過影響消費(fèi)升級(jí)的需求端（消費(fèi)者本身）與供給端（企業(yè)）來促進(jìn)消費(fèi)升級(jí)，而消費(fèi)升級(jí)會(huì)產(chǎn)生制造業(yè)新業(yè)態(tài)，誕生新的商業(yè)模式，在此基礎(chǔ)上間接促進(jìn)了產(chǎn)業(yè)升級(jí)，從而拉動(dòng)就業(yè)數(shù)量與就業(yè)工資的增長(zhǎng)。同時(shí)，壓縮傳統(tǒng)的與生存型消費(fèi)需求相關(guān)的制造業(yè)的生存空間，造成低端就業(yè)人員數(shù)量的下降，因此消費(fèi)升級(jí)在人工智能發(fā)展與制造業(yè)就業(yè)數(shù)量之間的中介作用取決于消費(fèi)升級(jí)對(duì)高技能就業(yè)人數(shù)的創(chuàng)造效應(yīng)以及對(duì)低技能就業(yè)人數(shù)擠出效應(yīng)的大小?；诖耍岢鲆韵录僭O(shè)：

假設(shè)3a：消費(fèi)升級(jí)在人工智能發(fā)展水平與制造業(yè)就業(yè)數(shù)量之間存在正向中介作用；

假設(shè)3b：消費(fèi)升級(jí)在人工智能發(fā)展水平與制造業(yè)就業(yè)數(shù)量之間存在負(fù)向中介作用；

假設(shè)4：消費(fèi)升級(jí)在人工智能發(fā)展水平與制造業(yè)就業(yè)工資之間存在正向中介作用。

三、模型、變量與數(shù)據(jù)

（一）模型設(shè)定

首先，為檢驗(yàn)人工智能發(fā)展水平與制造業(yè)就業(yè)效應(yīng)之間的關(guān)系，構(gòu)建如下模型：

考慮到就業(yè)數(shù)量與工資的變動(dòng)具有一定的持續(xù)性，將模型擴(kuò)展為以下形式的動(dòng)態(tài)面板數(shù)據(jù)模型：

其中，i 和 t 分別表示地區(qū)和年份，EMit表示制造業(yè)就業(yè)數(shù)量，EQit表示制造業(yè)就業(yè)工資，AIit表示人工智能發(fā)展水平，控制變量包括城鎮(zhèn)化（Urban）、外商直接投資（FDI）、人均GDP（GDP）、產(chǎn)業(yè)結(jié)構(gòu)（Indu）、人力資本（Hum）。?it表示隨機(jī)誤差項(xiàng)。式（1）表示人工智能發(fā)展對(duì)制造業(yè)就業(yè)數(shù)量的總效應(yīng)，式（2）表示人工智能發(fā)展對(duì)制造業(yè)就業(yè)工資的總效應(yīng)。式（3）和式（4）分別表示人工智能發(fā)展對(duì)制造業(yè)就業(yè)數(shù)量與制造業(yè)就業(yè)工資的動(dòng)態(tài)模型。

（二）變量說明與數(shù)據(jù)來源

選擇2010—2017年我國(guó)省際面板數(shù)據(jù)進(jìn)行實(shí)證研究，時(shí)間樣本截至2017 年是由于2018 年中美貿(mào)易戰(zhàn)可能會(huì)影響勞動(dòng)力市場(chǎng)就業(yè)。由于新疆、西藏、云南的數(shù)據(jù)嚴(yán)重缺失，故將其剔除。對(duì)于少量缺失的數(shù)值用插值法補(bǔ)全。數(shù)據(jù)來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)信息社會(huì)發(fā)展報(bào)告》具體指標(biāo)的選取和處理方法如下。

1.被解釋變量

制造業(yè)就業(yè)。將制造業(yè)就業(yè)效應(yīng)分為就業(yè)數(shù)量與就業(yè)工資兩個(gè)方面。就業(yè)數(shù)量用各省制造業(yè)就業(yè)人數(shù)表示，就業(yè)工資用制造業(yè)人員平均工資表示。

2.解釋變量

人工智能技術(shù)發(fā)展水平。根據(jù)中國(guó)信通院發(fā)布的全球人工智能政策技術(shù)和產(chǎn)業(yè)發(fā)展情況簡(jiǎn)析中分析的人工智能技術(shù)崛起的三大因素：數(shù)據(jù)（人工智能發(fā)展的基石）、算法（人工智能技術(shù)發(fā)展的引擎）、算力（人工智能技術(shù)實(shí)現(xiàn)的保障）來構(gòu)建人工智能測(cè)度指標(biāo)。具體細(xì)化指標(biāo)如下：①數(shù)據(jù)資源豐富程度，這里采用數(shù)據(jù)處理與存儲(chǔ)能力來衡量，包括數(shù)據(jù)加工、內(nèi)容處理與電子商務(wù)平臺(tái)數(shù)字運(yùn)營(yíng)服務(wù)。②基礎(chǔ)設(shè)施投入，選用信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)固定資產(chǎn)投資衡量。③基礎(chǔ)設(shè)施應(yīng)用情況，使用《中國(guó)信息社會(huì)發(fā)展報(bào)告》中的數(shù)字化生活指數(shù)作為測(cè)度指標(biāo)。此指標(biāo)反映的是現(xiàn)代信息技術(shù)擴(kuò)散對(duì)公眾生活的影響，也反映了信息技術(shù)在居民生活中的擴(kuò)散和普及程度，因此使用該指標(biāo)近似反映人工智能在人們生活中的應(yīng)用情況。④軟件產(chǎn)品收入，由于算法數(shù)據(jù)不可得，目前也沒有衡量指標(biāo)可以反映算法的發(fā)展程度，而軟件包括程序和算法，因此使用軟件產(chǎn)品收入作為算法的測(cè)度指標(biāo)，主要包括基礎(chǔ)軟件、應(yīng)用軟件、支撐軟件等。⑤嵌入式系統(tǒng)收入，嵌入式系統(tǒng)廣泛應(yīng)用于智能交通、智慧醫(yī)療、智能識(shí)別設(shè)備等領(lǐng)域，使用《中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》中的嵌入式系統(tǒng)軟件收入來衡量。⑥創(chuàng)新能力，這里采用國(guó)家專利申請(qǐng)授權(quán)量與R&D 人員全時(shí)當(dāng)量的比值作為測(cè)度指標(biāo)。以上數(shù)據(jù)來源于《中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)信息社會(huì)發(fā)展報(bào)告》以及各省統(tǒng)計(jì)年鑒。

根據(jù)上述測(cè)度指標(biāo)，利用主成分分析法構(gòu)建各地區(qū)人工智能發(fā)展指數(shù)。為消除由于量綱不同可能產(chǎn)生的不利影響，對(duì)原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。并對(duì)數(shù)據(jù)做KMO檢驗(yàn)，KMO的測(cè)度值都大于0.8，說明本文所觀測(cè)的數(shù)據(jù)適合做主成分分析。對(duì)于因子個(gè)數(shù)選擇，根據(jù)前k個(gè)主成分累計(jì)方差貢獻(xiàn)率達(dá)到80%的方法來確定。同時(shí)借鑒韓先鋒等（2019）對(duì)互聯(lián)網(wǎng)綜合發(fā)展水平指數(shù)的構(gòu)造方法，將測(cè)算所得數(shù)據(jù)標(biāo)準(zhǔn)化到[0，1]區(qū)間，確定各地區(qū)的人工智能發(fā)展指數(shù)，并以此作為本文的核心解釋變量。

3.中介變量

消費(fèi)升級(jí)。通常學(xué)術(shù)界對(duì)消費(fèi)升級(jí)的界定是將消費(fèi)內(nèi)容劃分為生存型、發(fā)展型和享受型三大類，并以發(fā)展型和享受型占總消費(fèi)支出比例的提升作為消費(fèi)（結(jié)構(gòu)）升級(jí)的表現(xiàn)（黃雋和李冀愷，2019）。借鑒大部分學(xué)者的做法，采用交通和通信，教育、文化和娛樂，醫(yī)療保健，其他用品及服務(wù)等四項(xiàng)占消費(fèi)總支出的比例來測(cè)量消費(fèi)升級(jí)。

4.控制變量

城鎮(zhèn)化水平（Urban），該指標(biāo)的提高會(huì)對(duì)就業(yè)產(chǎn)生促進(jìn)作用，因此將其選為控制變量，城鎮(zhèn)化水平選用的是城鎮(zhèn)常住人口的比重。外商直接投資（FDI）選用的是FDI的年均增長(zhǎng)率。人均GDP（GDP），已有文獻(xiàn)證明，GDP 的增長(zhǎng)對(duì)就業(yè)存在積極影響。產(chǎn)業(yè)結(jié)構(gòu)（Zndu）、產(chǎn)業(yè)結(jié)構(gòu)的變動(dòng)會(huì)對(duì)就業(yè)產(chǎn)生重要影響，選取第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比例。人力資本（Hum）。本文選取平均受教育年限作為人力資本的衡量指標(biāo)。

四、實(shí)證結(jié)果檢驗(yàn)

（一）回歸結(jié)果

1.基準(zhǔn)回歸結(jié)果

通過Hausman 檢驗(yàn)，選用固定效應(yīng)模型（FE），結(jié)果報(bào)告于表1 的列（1）—（2）。結(jié)果顯示：人工智能發(fā)展水平對(duì)制造業(yè)就業(yè)數(shù)量與就業(yè)工資均存在顯著的正向影響。這說明人工智能的發(fā)展會(huì)促進(jìn)制造業(yè)就業(yè)，同時(shí)也會(huì)提升制造業(yè)工資。同時(shí)，在控制變量中，城鎮(zhèn)化率對(duì)制造業(yè)就業(yè)數(shù)量與工資的估計(jì)系數(shù)均顯著為正，且均通過1%的顯著性檢驗(yàn)，這說明城鎮(zhèn)化率會(huì)顯著促進(jìn)地區(qū)制造業(yè)就業(yè)數(shù)量與就業(yè)工資的提升。外商直接投資對(duì)就業(yè)的影響具有兩面性，一方面，外商直接投資帶來的溢出效應(yīng)提高了地區(qū)的就業(yè)水平；另一方面，外商直接投資擠出了國(guó)內(nèi)投資，提升了資本勞動(dòng)比，增加了合理化裁員，進(jìn)而不利于地區(qū)就業(yè)。本研究結(jié)果表明，外商直接投資對(duì)本地區(qū)的制造業(yè)就業(yè)的消極影響大于積極影響。產(chǎn)業(yè)升級(jí)對(duì)制造業(yè)就業(yè)數(shù)量產(chǎn)生了負(fù)向的顯著影響，但是顯著促進(jìn)了制造業(yè)就業(yè)工資的提升。

2.內(nèi)生性的處理

考慮到核心解釋變量人工智能發(fā)展水平可能存在內(nèi)生性，因此通過對(duì)模型進(jìn)行異方差穩(wěn)健的DWH 檢驗(yàn)，結(jié)果顯示模型存在明顯的內(nèi)生性。為了克服由解釋變量?jī)?nèi)生性導(dǎo)致的估計(jì)偏差問題，選取制造業(yè)就業(yè)數(shù)量與制造業(yè)就業(yè)工資的滯后一期作為工具變量，采用兩階段最小二乘法（2SLS）進(jìn)行估計(jì)。為檢驗(yàn)工具變量的有效性，選取多種檢驗(yàn)進(jìn)行判斷。首先，通過不可識(shí)別檢驗(yàn)，表明工具變量與解釋變量顯著相關(guān)，初步說明工具變量的有效性。同時(shí)，通過弱工具變量檢驗(yàn)發(fā)現(xiàn)不存在弱工具變量。此外，使用對(duì)弱工具變量更不敏感的有限信息最大似然法（LIML），其估計(jì)值與2SLS 非常接近，從側(cè)面印證不存在弱工具變量。上述檢驗(yàn)表明所選的工具變量是有效的。結(jié)果如表1 的列（3）—（4）所示，人工智能對(duì)于制造業(yè)的就業(yè)人數(shù)與就業(yè)工資均存在顯著的正向影響，進(jìn)一步驗(yàn)證了假設(shè)。

3.動(dòng)態(tài)面板估計(jì)方法

滯后項(xiàng)的引入可有效降低計(jì)量模型的設(shè)定偏誤，但同時(shí)也帶來了內(nèi)生性問題。針對(duì)滯后項(xiàng)的內(nèi)生性，采用系統(tǒng)GMM 方法進(jìn)行估計(jì)，最終的估計(jì)結(jié)果報(bào)告在表1 的列（5）—（6）。從動(dòng)態(tài)面板的估計(jì)結(jié)果可以看出，其與FE和2SLS的結(jié)果并不存在差異。

表1 基準(zhǔn)回歸結(jié)果

（二）中介效應(yīng)檢驗(yàn)

為檢驗(yàn)中介效應(yīng)，采用逐步回歸法進(jìn)行檢驗(yàn)。第一步，以消費(fèi)升級(jí)為被解釋變量，人工智能發(fā)展為解釋變量，考察人工智能發(fā)展對(duì)消費(fèi)升級(jí)的影響。第二步，以制造業(yè)就業(yè)數(shù)量與制造業(yè)就業(yè)工資作為被解釋變量，消費(fèi)升級(jí)為解釋變量，考察消費(fèi)升級(jí)對(duì)制造業(yè)就業(yè)數(shù)量與制造業(yè)就業(yè)工資的影響。第三步，在上述兩步的檢驗(yàn)結(jié)果顯著的前提下，進(jìn)一步控制消費(fèi)升級(jí)的間接效應(yīng)，考察人工智能發(fā)展對(duì)制造業(yè)就業(yè)數(shù)量與就業(yè)工資的影響是否依然顯著。設(shè)定的中介效應(yīng)檢驗(yàn)?zāi)Ｐ腿缦拢?/p>

式（5）（6）表示人工智能發(fā)展對(duì)制造業(yè)就業(yè)數(shù)量與就業(yè)工資的總效應(yīng)，式（7）表示人工智能發(fā)展水平對(duì)消費(fèi)升級(jí)的影響，式（8）（9）分別表示人工智能發(fā)展通過消費(fèi)升級(jí)影響制造業(yè)就業(yè)數(shù)量與工資的程度。

同時(shí)為了克服內(nèi)生性導(dǎo)致的估計(jì)偏差，考慮到動(dòng)態(tài)模型的合理性，將人工智能、消費(fèi)升級(jí)與制造業(yè)就業(yè)數(shù)量與工資作為內(nèi)生變量，并將其滯后一階作為工具變量，設(shè)定如下的中介效應(yīng)檢驗(yàn)?zāi)Ｐ停?/p>

表2 和表3 分別為固定效應(yīng)模型與系統(tǒng)GMM 的估計(jì)結(jié)果。首先，表2 列（1）和列（2）的回歸結(jié)果顯示，人工智能對(duì)制造業(yè)就業(yè)數(shù)量與就業(yè)工資均存在顯著正向影響，滿足中介檢驗(yàn)的第一個(gè)條件。其次，列（3）的回歸結(jié)果顯示，人工智能顯著正向影響消費(fèi)升級(jí)（β=0.229），這表明人工智能發(fā)展水平顯著提升了地區(qū)的消費(fèi)升級(jí)。同時(shí)，列（4）和列（5）的回歸結(jié)果顯示，消費(fèi)升級(jí)能夠顯著正向影響制造業(yè)就業(yè)數(shù)量（β=0.0338）與工資（β=0.493），這表明消費(fèi)升級(jí)能夠促進(jìn)地區(qū)制造業(yè)就業(yè)數(shù)量與就業(yè)工資。故滿足中介效應(yīng)檢驗(yàn)的第二個(gè)條件。之后，將人工智能與消費(fèi)升級(jí)同時(shí)納入對(duì)制造業(yè)就業(yè)數(shù)量的回歸，列（6）結(jié)果顯示，消費(fèi)升級(jí)的回歸系數(shù)并不顯著，并不滿足中介檢驗(yàn)的第三個(gè)條件，因此進(jìn)行Sobel檢驗(yàn)，結(jié)果顯示P值為0.87，因此不存在中介效應(yīng)。將人工智能與消費(fèi)升級(jí)同時(shí)納入對(duì)制造業(yè)就業(yè)工資的回歸，列（7）結(jié)果顯示，人工智能（β=0.233）與和消費(fèi)升級(jí)（β=0.462）均顯著正向影響制造業(yè)就業(yè)工資，但自變量的影響系數(shù)由列（2）的0.344變?yōu)?.233，影響效應(yīng)減弱，故消費(fèi)升級(jí)在人工智能和制造業(yè)就業(yè)工資之間起到部分中介的作用。

表2 靜態(tài)中介檢驗(yàn)結(jié)果

表3 動(dòng)態(tài)中介檢驗(yàn)結(jié)果

表3 是系統(tǒng)GMM 的回歸結(jié)果，根據(jù)表3 列（4）可以看出，消費(fèi)升級(jí)對(duì)制造業(yè)就業(yè)數(shù)量的結(jié)果并不顯著，說明固定效應(yīng)模型高估了消費(fèi)升級(jí)對(duì)于制造業(yè)就業(yè)數(shù)量的影響。此外，表3與表2的回歸結(jié)果在顯著性水平上不存在差異，進(jìn)一步證明了研究結(jié)果的可靠性。

（三）穩(wěn)健性檢驗(yàn)

為保證實(shí)證結(jié)果的可靠性，更換人工智能變量的衡量方式來進(jìn)行穩(wěn)健性檢驗(yàn)。借鑒Borland & Coelli（2017）的研究，使用信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)固定資產(chǎn)投資占生產(chǎn)總值的比重來衡量各省人工智能的發(fā)展水平?；貧w結(jié)果如表4 所示，可以看出模型回歸系數(shù)的大小、方向及顯著性水平與前文的回歸結(jié)果基本一致，進(jìn)一步證明了研究的可靠性。

表4 穩(wěn)健性檢驗(yàn)結(jié)果

五、結(jié)論與啟示

基于我國(guó)2010—2017 年28 個(gè)省份的面板數(shù)據(jù)，采用固定效應(yīng)模型、2SLS 與系統(tǒng)GMM 方法，從制造業(yè)就業(yè)數(shù)量和工資水平兩方面分析了人工智能發(fā)展水平對(duì)制造業(yè)就業(yè)的影響，在此基礎(chǔ)上探討了消費(fèi)升級(jí)在人工智能發(fā)展水平與制造業(yè)就業(yè)之間的中介作用。主要結(jié)論如下：第一，人工智能的發(fā)展對(duì)制造業(yè)就業(yè)數(shù)量具有顯著的促進(jìn)作用?，F(xiàn)階段人工智能的應(yīng)用并未對(duì)勞動(dòng)力產(chǎn)生替代效應(yīng)，人類技能在靈活性方面的突出優(yōu)勢(shì)以及人工智能創(chuàng)造的新業(yè)態(tài)擴(kuò)大了制造業(yè)的就業(yè)數(shù)量。第二，人工智能的發(fā)展提升了制造業(yè)的平均工資水平。人工智能的引入提高了勞動(dòng)力的技能水平，增加了勞動(dòng)價(jià)值，對(duì)制造業(yè)的平均工資產(chǎn)生積極影響。第三，消費(fèi)升級(jí)在人工智能與制造業(yè)平均工資之間起著部分中介作用，在人工智能與制造業(yè)就業(yè)數(shù)量之間不存在中介作用。即人工智能對(duì)制造業(yè)平均工資的部分影響是通過促進(jìn)消費(fèi)升級(jí)實(shí)現(xiàn)的。人工智能的發(fā)展降低了與生產(chǎn)型消費(fèi)相關(guān)的制造業(yè)行業(yè)規(guī)模，同時(shí)擴(kuò)大了與發(fā)展型與享受型相關(guān)的制造業(yè)行業(yè)規(guī)模，進(jìn)而提升制造業(yè)整體工資水平。

基于上述結(jié)論，提出以下對(duì)策建議：第一，加大人工智能技術(shù)研發(fā)力度，加快推進(jìn)人工智能在制造業(yè)的應(yīng)用步伐。一方面，要充分發(fā)揮人工智能的技術(shù)溢出效應(yīng)，提高制造業(yè)的智能化水平，推動(dòng)制造業(yè)由依靠人口紅利發(fā)展向智能紅利轉(zhuǎn)變。另一方面，要建立制造業(yè)智能化轉(zhuǎn)型的長(zhǎng)效機(jī)制，推動(dòng)人工智能賦能傳統(tǒng)制造業(yè)是一項(xiàng)長(zhǎng)期過程，要避免短期政策將智能化轉(zhuǎn)型陷入盲目化和表面化發(fā)展。第二，完善促進(jìn)消費(fèi)的體制機(jī)制建設(shè)，充分發(fā)揮勞動(dòng)力的消費(fèi)主體地位，積極引導(dǎo)消費(fèi)升級(jí)。人工智能的快速發(fā)展使得智能消費(fèi)占比迅速提升，因此應(yīng)充分釋放勞動(dòng)力的智能消費(fèi)潛力，引導(dǎo)消費(fèi)升級(jí)成為經(jīng)濟(jì)增長(zhǎng)的新動(dòng)能，實(shí)現(xiàn)制造業(yè)就業(yè)工資的穩(wěn)步增長(zhǎng)。