【摘" 要】論文以威海市共同富裕先行區(qū)為背景，探討了經(jīng)濟增長、收入分配差異、人工智能水平和教育質(zhì)量之間的中介效應與調(diào)節(jié)效應，并檢驗了收入分配差異與經(jīng)濟增長之間的倒U型關(guān)系。研究表明：①收入分配差異與經(jīng)濟增長存在倒U型關(guān)系。②人工智能水平在收入分配差異與經(jīng)濟增長之間發(fā)揮重要的中介作用。③教育質(zhì)量對收入分配差異與經(jīng)濟增長的關(guān)系具有顯著的調(diào)節(jié)作用。隨著教育質(zhì)量的提高，收入分配差異與經(jīng)濟增長之間的倒U型曲線向左移動，表明在教育質(zhì)量較高的情況下，較小的收入分配差異即可促進經(jīng)濟增長。這項研究為政府實現(xiàn)共同富裕、推進先行區(qū)試點的建設提供了重要的政策啟示。

【關(guān)鍵詞】收入分配;經(jīng)濟增長;人工智能;教育質(zhì)量;中介調(diào)節(jié)

【中圖分類號】F061.5" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）07-0067-03

1 引言

威海市作為共同富裕先行區(qū)建設的典范，在實現(xiàn)共同富裕的戰(zhàn)略目標上邁出了堅實的步伐。共同富裕先行區(qū)旨在通過區(qū)域性的改革創(chuàng)新，推動經(jīng)濟發(fā)展，提高民生水平，以實現(xiàn)全體人民共同富裕的美好愿景。以智能化為基本特征的新質(zhì)生產(chǎn)力已成為推動共同富裕先行區(qū)建設的強大引擎，為威海市的經(jīng)濟增長模式帶來根本性變革。人工智能、大數(shù)據(jù)等前沿科技的廣泛應用和深度融合，為經(jīng)濟發(fā)展注入了新的活力。威海市積極構(gòu)建創(chuàng)新平臺體系，加強人才培養(yǎng)和科技創(chuàng)新，不斷提升新質(zhì)生產(chǎn)力水平，致力于加強公共服務的優(yōu)質(zhì)化和均等化發(fā)展，特別是通過加強高技能培訓和終身教育，為新質(zhì)生產(chǎn)力的發(fā)展提供了強有力的人才支撐。在此背景下，收入分配與經(jīng)濟增長之間的關(guān)系顯得尤為重要，對其深入研究可以平衡經(jīng)濟發(fā)展的內(nèi)在機制，為制定經(jīng)濟政策提供指導，進一步推進共同富裕先行區(qū)建設。

2 文獻綜述

2.1 收入分配與經(jīng)濟增長

收入分配與經(jīng)濟增長關(guān)系的研究在學界備受關(guān)注。Mehmood et al.[1]和陳銘聰?shù)萚2]發(fā)現(xiàn)收入分配與經(jīng)濟增長之間存在顯著的正相關(guān)關(guān)系，認為推行促進公平收入分配的包容性增長政策有助于刺激該地區(qū)的經(jīng)濟發(fā)展。庫茲涅茨曲線（EKC）是研究收入分配與經(jīng)濟發(fā)展變化規(guī)律的重要工具。Chi[3]采用獨特的矩量回歸方法（MMQR），為庫茲涅茨曲線假設提供了新的視角，研究發(fā)現(xiàn)，旅游業(yè)的二次項與收入分配負相關(guān)，即存在倒U型關(guān)系。

2.2 教育質(zhì)量與人工智能

關(guān)于教育質(zhì)量在收入分配與經(jīng)濟增長關(guān)系中的相關(guān)研究。Kanat et al.[4]對墨西哥的研究顯示，教育質(zhì)量與經(jīng)濟增長呈正相關(guān)，其對收入分配的影響因地區(qū)而異。此外，胡詠梅和薛遠康[5]指出國內(nèi)收入分配和教育質(zhì)量對于實現(xiàn)持續(xù)經(jīng)濟增長至關(guān)重要，解決收入分配差異和提高教育質(zhì)量相輔相成。人工智能（AI）已成為經(jīng)濟增長和收入分配討論的核心議題。目前研究呈兩種趨勢：人工智能驅(qū)動的技術(shù)進步可能會替代低技能工人，導致財富集中在技術(shù)精英手中，進而加劇收入不平等問題[6，7];另一些研究認為，人工智能輔助提升生產(chǎn)力，創(chuàng)造新的就業(yè)機會，并最終推動更具包容性的經(jīng)濟增長[8]。

關(guān)于收入分配與經(jīng)濟增長之間的關(guān)系，學術(shù)界展現(xiàn)出多元化觀點和實證結(jié)果。多數(shù)研究強調(diào)了公平收入分配對經(jīng)濟增長的積極作用，但不排除全球化、結(jié)構(gòu)轉(zhuǎn)型和金融深化等因素對這一關(guān)系的微妙影響。此外，經(jīng)濟環(huán)境的復雜性使得傳統(tǒng)EKC倒U型理論不斷被豐富拓展。教育質(zhì)量成為推動經(jīng)濟增長和縮小收入分配差異的重要影響因素，其具體作用機制因國家而異。人工智能被視為未來經(jīng)濟發(fā)展的重要驅(qū)動力，然而其對收入分配的具體影響仍充滿不確定性。因此，需要更多研究來探索人工智能、教育質(zhì)量、經(jīng)濟增長和收入分配之間的復雜關(guān)系。

3 模型與數(shù)據(jù)

3.1 基尼系數(shù)

本文參考程永宏[9]的方法，以基尼系數(shù)作為收入分配差異的衡量指標。根據(jù)基尼的定義[10]，其計算公式（1）如下：

Gini=1-（Wi-1+Wi）Pi" " " " "（1）

其中，i表示威海市的4個縣級市（區(qū)），分別為環(huán)翠區(qū)、榮成市、文登區(qū)、乳山市。Pi表示第i個區(qū)的年末常住人口。P表示人口占比。W表示全體居民人均可支配收入占比。

3.2 計量模型設定

為分析收入分配與經(jīng)濟增長的關(guān)系，本文構(gòu)建了包含中介效應和調(diào)節(jié)效應的計量模型進行實證檢驗。設定模型如公式（2）～（5）：

模型1：Growth=c0+c1Gini+ciConi+e （2）

模型2：AI_Med=a0+a1Gini+a2Gini2+aiConi+e （3）

模型3：Growth=b0+b1Gini+b2Gini2+b3AI_Med+biConi+e（4）

模型4：Growth = d0 + d1Gini + d2Gini2 + d3Edu_Mod+d4Edu_Mod×Gini2+d5Coni+e " "（5）

其中，模型1至3為中介效應模型，模型4為調(diào)節(jié)效應模型。變量Growth、Gini、Gini2、AI_Med和Edu_Mod分別代表經(jīng)濟增長、收入分配、收入分配的平方項、中介變量人工智能水平和調(diào)節(jié)變量教育質(zhì)量。交互項Edu_Mod×Gini2用于檢驗教育質(zhì)量對收入分配與經(jīng)濟增長關(guān)系的影響。交互項系數(shù)d4表明隨著教育質(zhì)量的提高，收入分配對經(jīng)濟增長的影響變化，即倒U型曲線的移動情況。系數(shù)a2與b3的乘積反映了中介效應的大小。a0、b0、c0、d0為常數(shù)項，e為隨機擾動項。

3.3 數(shù)據(jù)來源與變量計算

本文選取了2014-2023年威海市的10年時間序列數(shù)據(jù)作為研究對象。經(jīng)濟增長用2013年可比價格下的實際人均GDP增長率衡量。收入分配差異通過基尼系數(shù)（Gini）測算，收入和人口分別以威海市各縣級市（區(qū)）的全體居民實際人均可支配收入和年末常住人口表示。教育質(zhì)量以一般公共預算中教育支出占比衡量。人工智能水平用人工智能專利授權(quán)數(shù)量占專利總量的比值表示。專利數(shù)據(jù)來源于威海市科學技術(shù)局官網(wǎng)，涵蓋發(fā)明專利和實用新型專利。本文引入外商直接投資（FDI）、工業(yè)用電量（Elect）、人口增長（Peo）和對外開放（Open）作為控制變量。

4 實證結(jié)果

4.1 中介效應模型檢驗

在測算并統(tǒng)計描述了威海市的基尼系數(shù)后，本文收集了2014年至2023年的時間序列數(shù)據(jù)，檢驗了經(jīng)濟增長、收入分配差異、人工智能水平和教育質(zhì)量之間的中介和調(diào)節(jié)效應。此外，還探討了收入分配差異與經(jīng)濟增長之間的倒U型關(guān)系。模型估計結(jié)果詳見表1和表2。

模型1采用最小二乘法（OLS）檢驗了收入分配差異（Gini）及其平方項（Gini2）與經(jīng)濟增長（Growth）之間的關(guān)系?；嵯禂?shù)平方項（Gini2）的系數(shù)為-16.016，在1%的顯著性水平上顯著，支持了庫茲涅茨曲線理論，即收入分配差異與經(jīng)濟增長之間存在倒U型關(guān)系。結(jié)果表明，收入分配差異在初期可能通過激勵機制和市場競爭促進經(jīng)濟增長。例如，收入差異較大時，政府可能會鼓勵個體通過創(chuàng)業(yè)和創(chuàng)新來提高經(jīng)濟地位，從而推動經(jīng)濟增長。然而，當收入差異過大時，可能導致社會動蕩、資源分配不均和消費不足，這些負面效應會抑制經(jīng)濟增長。具體而言，極端的收入不平等削弱了中產(chǎn)階級的消費能力，限制國內(nèi)需求，從而抑制整體經(jīng)濟的發(fā)展。

模型2檢驗了收入分配（Gini）與中介變量人工智能水平之間的非線性關(guān)系。調(diào)整R2為0.458，雖然解釋力相對模型1略低，但仍具備一定的解釋力?；嵯禂?shù)平方項（Gini2）的系數(shù)為-8.855，在5%的顯著性水平上顯著。收入分配差異對人工智能水平的影響呈非線性關(guān)系，且隨著收入分配差異的增加，人工智能水平先升高后降低。這一結(jié)果表明，在收入分配差異較小時，技術(shù)創(chuàng)新和人工智能的發(fā)展能夠得到更好的資源配置和激勵;但當差異過大時，社會不平等可能導致創(chuàng)新資源分配不公，從而抑制人工智能的發(fā)展。

本文在模型1的基礎(chǔ)上引入了中介變量人工智能水平，調(diào)整R2為0.517，如模型3所示。盡管解釋力較模型1有所下降，這是由于引入了更多變量和復雜關(guān)系所致?；嵯禂?shù)平方項（Gini2）的系數(shù)為-6.944，仍在1%的顯著性水平上顯著，中介變量的估計系數(shù)為1.024，同樣在1%的顯著性水平上顯著，系數(shù)a2與b3分別在5%和1%的顯著性水平上顯著，其乘積也在1%的顯著性水平上顯著，表明人工智能水平在收入分配差異與經(jīng)濟增長之間起到了重要的中介作用。收入分配差異通過影響人工智能水平，進一步影響經(jīng)濟增長。

4.2 調(diào)節(jié)效應模型檢驗

盡管已有大量文獻研究了收入不平等對經(jīng)濟增長的影響，并發(fā)現(xiàn)二者之間存在倒U型關(guān)系，但針對教育質(zhì)量提高如何改變這一關(guān)系的研究相對較少。表2的模型4估計了教育質(zhì)量的調(diào)節(jié)效應，其結(jié)果與理論模型的推斷相符。收入分配差異平方項的系數(shù)為-62.199，在1%的顯著性水平上顯著，如表3所示，表明收入分配差異與經(jīng)濟增長之間存在倒U型關(guān)系。同時，收入分配與教育質(zhì)量的交互項（Edu_Mod×Gini2）的系數(shù)顯著為負，說明隨著收入分配差異的加劇，倒U型曲線向左移動。隨著教育質(zhì)量的提高，最有利于經(jīng)濟增長的收入分配差異會逐漸下降。

5 結(jié)論

本文通過對威海市2014-2023年的時間序列數(shù)據(jù)進行分析，探討了經(jīng)濟增長、收入分配差異、人工智能水平和教育質(zhì)量之間的中介效應和調(diào)節(jié)效應，并進一步檢驗了收入分配差異與經(jīng)濟增長之間的倒U型關(guān)系。研究結(jié)果表明：①收入分配差異與經(jīng)濟增長之間存在倒U型關(guān)系。具體而言，收入分配差異在初期可能通過激勵機制和市場競爭促進經(jīng)濟增長，但當收入差異過大時，可能導致社會動蕩、資源分配不均和消費不足，從而抑制經(jīng)濟增長。②人工智能水平在收入分配差異與經(jīng)濟增長之間起到了重要的中介作用。③教育質(zhì)量對收入分配差異與經(jīng)濟增長的關(guān)系具有顯著的調(diào)節(jié)作用。隨著教育質(zhì)量的提高，收入分配差異與經(jīng)濟增長之間的倒U型曲線會向左移動，表明在教育質(zhì)量較高的情況下，較小的收入分配差異即可促進經(jīng)濟增長。

【參考文獻】

【1】Usman Mehmood，Ephraim Bonah Agyekum，Salman Tariq， et al. Socio-Economic Drivers of Renewable Energy： Empirical Evidence from BRICS[J].International Journal of Environmental Research and Public Health，2022（19）：4614.

【2】陳銘聰，程振源，楊彥欣.中國居民絕對與相對貧困的綜合測度：1989—2015[J].經(jīng)濟科學，2023（02）：26-48.

【3】Junwook Chi. Tourism development and income inequality in OECD countries： New insights from method of moments quantile regression[J].Tourism Economics，2023（30）：767-784.

【4】Kanat Abdulla，Balzhan Serikbayeva，Yessengali Oskenbayev， et al.Regional Differences in Human Capital and Occupational Choice： Evidence from Mexico[J].The European Journal of Development Research，2022（34）：2899-2922.

【5】胡詠梅，薛遠康.高等教育規(guī)模與質(zhì)量對城鄉(xiāng)收入差距的影響——基于2003—2019年省級面板數(shù)據(jù)的空間計量分析[J].教育經(jīng)濟評論，2022，7（04）：17-40.

【6】Christos A. Makridis，Saurabh Mishra. Artificial Intelligence as a Service， Economic Growth， and Well-Being[J].Journal of Service Research，2022，25（4）：505-520.

【7】Kaliuzhniak A. Artificial intelligence application in the forecasting of economic model[J].Artificial Intelligence，2023，28（2）：88-93.

【8】陳利鋒，李晶晶，張凱鑫.貨幣政策應該以支持經(jīng)濟增長為目標嗎——基于包含內(nèi)生增長的NK-DSGE模型[J].華中科技大學學報（社會科學版），2022，36（01）：84-93.

【9】程永宏.二元經(jīng)濟中城鄉(xiāng)混合基尼系數(shù)的計算與分解[J].經(jīng)濟研究，2006（01）：109-120.

【10】C. Gini. Variabilità e mutabilità ： contributo allo studio delle distribuzioni e delle relazioni statistiche[J].Tipografia Di Paolo Cuppin，1912，1（1）.

【基金項目】2024年威海市社科重點研究課題“威海市共同富裕先行區(qū)建設中收入分配與經(jīng)濟增長關(guān)系研究：教育質(zhì)量中介效應和人工智能調(diào)節(jié)效應”。

【作者簡介】高鵬（1993-），男，山東淄博人，助教，從事經(jīng)濟統(tǒng)計研究。