鄭玉艷 鞏師恩

摘 要：勞動(dòng)收入份額是收入分配領(lǐng)域的重要內(nèi)容，探索人工智能對(duì)勞動(dòng)收入份額的影響具有重要意義。本文使用系統(tǒng)GMM方法，以2016—2020年591家人工智能企業(yè)動(dòng)態(tài)面板數(shù)據(jù)為研究樣本，從實(shí)證上驗(yàn)證了人工智能對(duì)智能企業(yè)勞動(dòng)收入份額的影響，同時(shí)基于分位數(shù)回歸法檢驗(yàn)人工智能對(duì)勞動(dòng)收入份額影響的邊際效應(yīng)。結(jié)果發(fā)現(xiàn)，人工智能對(duì)勞動(dòng)收入份額的影響先波動(dòng)降低到70%分位點(diǎn)處，達(dá)到最低值后開(kāi)始呈現(xiàn)上升趨勢(shì)，本文結(jié)論對(duì)解釋我國(guó)勞動(dòng)收入份額偏低這一事實(shí)提供了一定的經(jīng)驗(yàn)證據(jù)。

關(guān)鍵詞：人工智能；系統(tǒng)GMM；分位數(shù)回歸；邊際效應(yīng)；勞動(dòng)收入份額

本文索引：鄭玉艷，鞏師恩.<變量 2>[J].中國(guó)商論，2023（08）：-143.

中圖分類(lèi)號(hào)：F062.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2023）04（b）--05

隨著我國(guó)經(jīng)濟(jì)實(shí)力的顯著提高，收入分配狀況明顯改善。黨的二十大報(bào)告在完善收入分配方面首次提出，“規(guī)范收入分配秩序，規(guī)范財(cái)富積累機(jī)制”。黨的十九屆五中全會(huì)明確要求，“扎實(shí)推動(dòng)共同富?！?，而促進(jìn)共同富裕的手段之一是再分配問(wèn)題。與此同時(shí)，2017年7月國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》；同年12月，工信部印發(fā)了《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020年）》。人工智能作為推動(dòng)經(jīng)濟(jì)發(fā)展的核心力量，在共同富裕背景下，對(duì)縮小財(cái)富分配差距進(jìn)而增強(qiáng)收入分配公平性具有重要意義。

現(xiàn)有關(guān)于人工智能與勞動(dòng)收入份額的研究多集中在勞動(dòng)生產(chǎn)率（惠煒，2022）、人口結(jié)構(gòu)轉(zhuǎn)型（蘆婷婷等，2022）和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)視角（郭凱明，2019）。本文主要的邊際貢獻(xiàn)在于：以2016—2020年我國(guó)上市人工智能企業(yè)微觀(guān)數(shù)據(jù)為基礎(chǔ)，采用人工智能有效專(zhuān)利數(shù)，在系統(tǒng)GMM方法下檢驗(yàn)人工智能對(duì)企業(yè)勞動(dòng)收入份額的影響，在分位數(shù)方法上進(jìn)一步驗(yàn)證人工智能對(duì)企業(yè)勞動(dòng)收入份額的邊際抑制效應(yīng)，該結(jié)論為解釋我國(guó)勞動(dòng)收入份額偏低現(xiàn)象提供了一定的經(jīng)驗(yàn)證據(jù)。

1 實(shí)證設(shè)計(jì)

1.1 實(shí)證模型構(gòu)建

為了分析人工智能對(duì)企業(yè)勞動(dòng)收入份額變動(dòng)的影響，本文選用動(dòng)態(tài)面板模型及系統(tǒng)GMM方法對(duì)其進(jìn)行檢驗(yàn)，可以有效解決模型的內(nèi)生性問(wèn)題。

其中，表示人工智能企業(yè)的勞動(dòng)收入份額；表示企業(yè)的人工智能水平；表示一組影響勞動(dòng)收入份額的控制變量；和分別表示地區(qū)效應(yīng)和時(shí)間效應(yīng)；為隨機(jī)誤差項(xiàng)。

構(gòu)建分位數(shù)回歸模型如下：

其中，表示分位數(shù)，其他參數(shù)的含義與模型（1）相同。

1.2 樣本選擇與主要變量測(cè)度

首先，本文選取2016—2020年我國(guó)上市人工智能企業(yè)相關(guān)數(shù)據(jù)作為研究樣本，利用大智慧軟件，從企業(yè)主營(yíng)業(yè)務(wù)入手，確定我國(guó)上市人工智能企業(yè)名單。其次，本文基于研發(fā)角度，在國(guó)家知識(shí)產(chǎn)權(quán)局專(zhuān)利數(shù)據(jù)庫(kù)中檢索樣本公司名單，收集相應(yīng)企業(yè)的人工智能有效專(zhuān)利信息數(shù)量。最后，人工智能企業(yè)財(cái)務(wù)數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，其余變量員工教育程度來(lái)源于Wind資訊金融數(shù)據(jù)庫(kù)。

本文的被解釋變量為勞動(dòng)收入份額，采用白重恩等（2008）的處理方法，計(jì)算企業(yè)勞動(dòng)收入份額：勞動(dòng)收入份額=支付給職工及為職工支付的現(xiàn)金/（營(yíng)業(yè)利潤(rùn)+固定資產(chǎn)折舊+支付給職工及為職工支付的現(xiàn)金）。另外，借鑒王雄元、黃玉菁等（2017）的方法，勞動(dòng)收入份額=職工薪酬總額占營(yíng)業(yè)總收入比例做穩(wěn)健性檢驗(yàn)。本文的核心解釋變量為，通過(guò)檢索國(guó)家知識(shí)產(chǎn)權(quán)局專(zhuān)利數(shù)據(jù)庫(kù)中的企業(yè)人工智能有效專(zhuān)利數(shù)量來(lái)表示企業(yè)的人工智能應(yīng)用水平（王澤宇，2020）。穩(wěn)健性方法則采用年報(bào)文本分析的方法進(jìn)行測(cè)算。本文利用國(guó)泰安和萬(wàn)得數(shù)據(jù)庫(kù)，共生成2016—2020年591家企業(yè)非平衡面板數(shù)據(jù)。

1.3 描述性統(tǒng)計(jì)分析與相關(guān)性分析

1.3.1 描述性統(tǒng)計(jì)分析

表1報(bào)告了所有變量的描述性統(tǒng)計(jì)特征。

1.3.2 相關(guān)性分析

本文使用Matlab軟件對(duì)2016—2020年全國(guó)112家人工智能企業(yè)的勞動(dòng)收入份額進(jìn)行核密度估計(jì)，如圖1所示。總體來(lái)看，勞動(dòng)收入份額的密度分布曲線(xiàn)隨著年份的變化先右移后左移，勞動(dòng)收入份額呈先上升后下降的趨勢(shì)，說(shuō)明人工智能企業(yè)的勞動(dòng)收入份額隨時(shí)間的變化呈現(xiàn)出不同的變化特征。

2 實(shí)證結(jié)果與分析

2.1 基準(zhǔn)回歸結(jié)果與分析

表2報(bào)告了人工智能對(duì)企業(yè)勞動(dòng)收入份額的影響回歸結(jié)果。列（1）為OLS回歸結(jié)果，同時(shí)在列（2）加入了時(shí)間、地區(qū)控制變量，列（3）為系統(tǒng)GMM估計(jì)結(jié)果。本文在回歸過(guò)程中采用企業(yè)層面的聚類(lèi)穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行相關(guān)分析。結(jié)果表明：人工智能對(duì)企業(yè)勞動(dòng)收入份額具有顯著的負(fù)向影響，系統(tǒng)GMM回歸結(jié)果與OLS回歸雖然存在數(shù)值及顯著性上的差別，但人工智能對(duì)企業(yè)勞動(dòng)收入份額具有負(fù)向影響的結(jié)論依然成立?？刂谱兞炕貧w結(jié)果顯示，企業(yè)資本生產(chǎn)率、員工工資水平、教育水平有助于提高企業(yè)勞動(dòng)收入份額；相反，企業(yè)規(guī)模、企業(yè)市場(chǎng)勢(shì)力、資本收益率、有機(jī)構(gòu)成越高，企業(yè)勞動(dòng)收入份額越低，實(shí)證結(jié)果符合經(jīng)濟(jì)現(xiàn)實(shí)。

在系統(tǒng)GMM回歸的基礎(chǔ)上，本文進(jìn)行了擾動(dòng)項(xiàng)自相關(guān)檢驗(yàn)，AR（1）=0.001，AR（2）=0.714，符合系統(tǒng)GMM回歸法使用的前提條件。工具變量的過(guò)度識(shí)別檢驗(yàn)Hansen的P值為0.297，接受了原工具變量具有有效性的假設(shè)，說(shuō)明本文所選工具變量具有一定的合理性。

2.2 分位數(shù)回歸結(jié)果與分析

前述基礎(chǔ)分析顯示，人工智能對(duì)企業(yè)勞動(dòng)收入份額具有顯著的抑制作用，為了刻畫(huà)人工智能在勞動(dòng)收入份額變動(dòng)中邊際效應(yīng)的動(dòng)態(tài)演化軌跡，本文借鑒李樂(lè)樂(lè)、杜天天（2021）的研究，采用bootstrap方法對(duì)勞動(dòng)收入份額進(jìn)行分位數(shù)回歸。表3給出了人工智能企業(yè)勞動(dòng)收入份額在第20%、40%、60%和80%分位點(diǎn)處的回歸結(jié)果。

由表3可以看出，在所有分位數(shù)上，人工智能的估計(jì)系數(shù)均為負(fù)，且系數(shù)的絕對(duì)值呈現(xiàn)先遞增后遞減的趨勢(shì)，說(shuō)明其邊際抑制效應(yīng)在不同的勞動(dòng)收入份額分位點(diǎn)處具有不同的影響。具體表現(xiàn)為，人工智能的估計(jì)系數(shù)從0.20分位數(shù)上的-0.00366下降到0.60分位數(shù)上的-0.00683，繼而上升到0.80分位數(shù)上的-0.00522。對(duì)其解釋為，隨著勞動(dòng)收入份額水平的提升，人工智能的替代效應(yīng)得以釋放，直到勞動(dòng)收入份額水平提升到一定程度，就業(yè)創(chuàng)造效應(yīng)開(kāi)始顯現(xiàn)，并逐漸超越替代效應(yīng)，對(duì)勞動(dòng)收入份額的負(fù)向影響減弱。

從控制變量的估計(jì)結(jié)果來(lái)看，在全部分位數(shù)上，員工教育水平、資本產(chǎn)出比和工資水平對(duì)勞動(dòng)收入份額的影響顯著為正，即對(duì)勞動(dòng)收入份額具有提升作用；企業(yè)規(guī)模、價(jià)格加成、資產(chǎn)收益率及資本有機(jī)構(gòu)成對(duì)勞動(dòng)收入份額的影響顯著為負(fù)，即對(duì)勞動(dòng)收入份額具有抑制作用。值得注意的是，員工教育水平的估計(jì)系數(shù)始終為正，且隨著分位數(shù)的增加逐漸提高，從0.20分位數(shù)上的0.0232提高至0.80分位數(shù)上的0.0488，表明員工教育水平對(duì)勞動(dòng)收入份額具有顯著的促進(jìn)作用。就顯著性而言，系數(shù)在0.20分位數(shù)上不顯著，0.40分位數(shù)和0.60分位數(shù)上的系數(shù)在10%的水平上顯著，0.80分位數(shù)上的系數(shù)則在1%的水平上顯著，意味著隨著勞動(dòng)力教育水平的提升，人工智能對(duì)勞動(dòng)收入份額的促進(jìn)作用越來(lái)越顯著。工資水平的估計(jì)系數(shù)在所有分位數(shù)上顯著為正，且呈逐漸上升趨勢(shì)，表明勞動(dòng)力工資水平的提升有助于勞動(dòng)收入份額的提高。資本產(chǎn)出的估計(jì)系數(shù)在所有分位數(shù)上顯著為正，總體呈波動(dòng)下降趨勢(shì)，對(duì)勞動(dòng)收入份額的正向影響逐漸減弱；企業(yè)規(guī)模和價(jià)格加成的估計(jì)系數(shù)絕對(duì)值不斷增加，對(duì)勞動(dòng)收入份額的負(fù)向影響逐漸加強(qiáng)；資產(chǎn)收益率及資本有機(jī)構(gòu)成對(duì)勞動(dòng)收入份額的負(fù)向影響逐漸減弱。實(shí)證結(jié)果符合經(jīng)濟(jì)現(xiàn)實(shí)。

另外，本文展示了不同解釋變量影響勞動(dòng)收入份額增長(zhǎng)的分位數(shù)回歸變化趨勢(shì)，如圖2所示，人工智能對(duì)勞動(dòng)收入份額具有負(fù)向影響，總體上呈先降低后升高的變化特征。具體表現(xiàn)為，人工智能對(duì)總份額的影響先波動(dòng)降低到70%分位點(diǎn)處，達(dá)到最低值后呈現(xiàn)上升趨勢(shì)，控制變量的變化趨勢(shì)符合上述分析。

3 穩(wěn)健性檢驗(yàn)

本部分分別替代核心解釋變量、被解釋變量及對(duì)各變量進(jìn)行縮尾處理后進(jìn)行穩(wěn)健性檢驗(yàn)，回歸結(jié)果如表4所示。從表4的第一列來(lái)看，人工智能的估計(jì)系數(shù)在5%的水平上顯著為負(fù)，F(xiàn)值為84.9709，且在1%的水平上顯著。表4的第二列采用年報(bào)文本分析方法對(duì)核心解釋變量進(jìn)行替換，結(jié)果顯示，人工智能的估計(jì)系數(shù)為-0.0079，略大于基準(zhǔn)回歸的系數(shù)-0.0051。表4的第三列對(duì)所有連續(xù)變量統(tǒng)一進(jìn)行5%的Winsorize雙側(cè)縮尾處理后重新進(jìn)行回歸。穩(wěn)健性檢驗(yàn)結(jié)果顯示，人工智能及絕大部分控制變量在系數(shù)符號(hào)及統(tǒng)計(jì)顯著性上均與表2一致，表明所得的回歸結(jié)果是穩(wěn)健的。

4 結(jié)語(yǔ)

本文基于2016—2020年我國(guó)上市人工智能企業(yè)微觀(guān)面板數(shù)據(jù)，在實(shí)證的基礎(chǔ)上考察人工智能對(duì)企業(yè)勞動(dòng)收入份額的影響，檢驗(yàn)了人工智能對(duì)勞動(dòng)收入份額影響的邊際效應(yīng)。本文的主要發(fā)現(xiàn)包括：一是人工智能對(duì)企業(yè)勞動(dòng)收入份額具有顯著的負(fù)向影響；二是從勞動(dòng)收入份額的邊際效應(yīng)來(lái)看，人工智能在不同分位點(diǎn)對(duì)勞動(dòng)收入份額的影響存在明顯變化，先波動(dòng)降低到70%分位點(diǎn)處，達(dá)到最低值后呈現(xiàn)上升趨勢(shì)。從邊際效應(yīng)的角度來(lái)看，隨著就業(yè)創(chuàng)造效應(yīng)的釋放，人工智能的替代效應(yīng)隨著勞動(dòng)收入份額水平的提升而降低，所以不必過(guò)于擔(dān)心人工智能對(duì)勞動(dòng)收入份額的負(fù)向影響。本研究結(jié)論對(duì)解釋我國(guó)勞動(dòng)收入份額偏低事實(shí)具有一定的意義。

參考文獻(xiàn)

惠煒.人工智能與勞動(dòng)收入份額：來(lái)自中國(guó)城市數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)[J].北京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，22（6）：99-112.

蘆婷婷，祝志勇，劉暢暢.人工智能、人口結(jié)構(gòu)轉(zhuǎn)型與勞動(dòng)收入份額變化[J].廣東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，37（4）：4-17.

郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與勞動(dòng)收入份額變動(dòng)[J].管理世界，2019，35（7）：60-77+202-203.

王澤宇.企業(yè)人工智能技術(shù)強(qiáng)度與內(nèi)部勞動(dòng)力結(jié)構(gòu)轉(zhuǎn)化研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2020（11）：67-83.

白重恩，錢(qián)震杰，武康平.中國(guó)工業(yè)部門(mén)要素分配份額決定因素研究[J].經(jīng)濟(jì)研究，2008（8）：16-28.

王雄元，黃玉菁.外商直接投資與上市公司職工勞動(dòng)收入份額：趁火打劫抑或錦上添花[J].中國(guó)工業(yè)經(jīng)濟(jì)，2017（4）：135-154.

鈔小靜，周文慧.人工智能對(duì)勞動(dòng)收入份額的影響研究：基于技能偏向性視角的理論闡釋與實(shí)證檢驗(yàn)[J].經(jīng)濟(jì)與管理研究，2021，42（2）：82-94.

李樂(lè)樂(lè)，杜天天.人口年齡變化、醫(yī)療需求行為與醫(yī)療費(fèi)用增長(zhǎng)：基于醫(yī)療保險(xiǎn)結(jié)算數(shù)據(jù)的實(shí)證研究[J].當(dāng)代經(jīng)濟(jì)管理，2021，43（4）：72-80.