周健軍

(華東政法大學(xué) 商學(xué)院， 上海 201620)

隨著中國外部環(huán)境不確定性和內(nèi)部人口老齡化問題，中國產(chǎn)業(yè)結(jié)構(gòu)升級(jí)將面臨新困境。傳統(tǒng)依賴基礎(chǔ)設(shè)施投資和人口紅利拉動(dòng)經(jīng)濟(jì)增長難以為繼，這種經(jīng)濟(jì)增長方式使得中國處于全球產(chǎn)業(yè)鏈的底端[1]，隨著人工智能技術(shù)快速發(fā)展背景下工業(yè)智能技術(shù)將會(huì)為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化注入新活力，為促進(jìn)中國向高端產(chǎn)業(yè)鏈邁進(jìn)提供堅(jiān)實(shí)基礎(chǔ)。人工智能正在蓬勃發(fā)展(1)Economists報(bào)道，2017 年全球與人工智能相關(guān)的并購交易額達(dá)到 220 億美元，超過了 2015 年并購交易額的 26 倍。網(wǎng)址：https：//www.economist.com/leaders/2018/03/28/the-workplace-of-the-future。，數(shù)據(jù)估算表明在2015至2020年，全球人工智能年均增長為26.2%，而中國人工智能年均增長為44.5%(2)數(shù)據(jù)來源：德勤，《中國人工智能產(chǎn)業(yè)白皮書》，2018年。。研究人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化具體作用，將對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展有重要意義。人工智能多集中于高新技術(shù)產(chǎn)業(yè)，是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)[2]。黨的十九大明確提出：“要加快構(gòu)建制造強(qiáng)國，重點(diǎn)發(fā)展先進(jìn)制造業(yè)，推進(jìn)新一代人工智能與實(shí)體經(jīng)濟(jì)融合發(fā)展”，人工智能和實(shí)體經(jīng)濟(jì)深度融合將會(huì)為經(jīng)濟(jì)高質(zhì)量發(fā)展提供新動(dòng)力，同時(shí)擴(kuò)大對(duì)外開放并以此優(yōu)化人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化作用[3]。

當(dāng)前中國人工智能是否能促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化？對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化和高度化有何影響？分區(qū)域來看有何異同？能否尋找優(yōu)化機(jī)制為進(jìn)一步落實(shí)人工智能建設(shè)提供學(xué)術(shù)建議？基于此，本文以實(shí)證方法具體分析以上問題，為人工智能發(fā)展以及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化提供政策建議。

1 文獻(xiàn)綜述

1.1 產(chǎn)業(yè)結(jié)構(gòu)升級(jí)研究現(xiàn)狀

國內(nèi)外關(guān)于產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的分析較為全面，在研究方法上主要體現(xiàn)以下幾個(gè)方面：其一，利用第三產(chǎn)業(yè)和第二產(chǎn)業(yè)比值體現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化過程，該方法主要來自于配第-克拉克定理。其核心觀點(diǎn)認(rèn)為隨著經(jīng)濟(jì)發(fā)展，市場勞動(dòng)力呈現(xiàn)為首先從一產(chǎn)向二產(chǎn)轉(zhuǎn)移而后向三產(chǎn)轉(zhuǎn)移的趨勢，實(shí)際上產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化可認(rèn)為是由低附加值向高附加值轉(zhuǎn)變的過程[4]。盡管該理論能衡量產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)規(guī)律，但會(huì)受發(fā)展階段與分工范圍的影響[5]。多數(shù)學(xué)者采用第三產(chǎn)業(yè)與第二產(chǎn)業(yè)增加值之比衡量產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化水平。周肖肖等[6]、周彬等[7]、郭文偉等[8]與楊勝利等[9]均采用此方法表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化水平。其二，也有少部分學(xué)者使用產(chǎn)業(yè)結(jié)構(gòu)超前系數(shù)量表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化現(xiàn)狀[10]，徐波等[11]則采用摩爾結(jié)構(gòu)變化值來代表產(chǎn)業(yè)結(jié)構(gòu)變化狀態(tài)，而該方法利用三次產(chǎn)業(yè)增加值每年度三維空間向量，從而以此更加直觀地表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化狀態(tài)[12]，但該方法對(duì)衡量其變化方向存在缺陷[13]。梳理發(fā)現(xiàn)，學(xué)界對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化衡量指標(biāo)并未達(dá)成一致觀點(diǎn)，但大多數(shù)學(xué)者認(rèn)同產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化過程應(yīng)重點(diǎn)考慮第三產(chǎn)業(yè)[14]，因此應(yīng)采用三產(chǎn)與二產(chǎn)增加值比值來表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化過程。在研究內(nèi)容上，學(xué)者大多從三個(gè)方面分析：其一，基于產(chǎn)業(yè)創(chuàng)新與替代視角，分析制度引進(jìn)和創(chuàng)新效應(yīng)對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)作用[15]。其二，從消費(fèi)[16]、投資[17]等視角對(duì)國民經(jīng)濟(jì)產(chǎn)業(yè)部門優(yōu)化升級(jí)進(jìn)行分析。其三，部分學(xué)者從人力資本角度分析人力資本對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的作用。張帆[18]認(rèn)為人力資本中的低級(jí)勞動(dòng)密集型向高級(jí)勞動(dòng)密集型轉(zhuǎn)移將會(huì)是中國產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的重要路徑。蔡昉[19]著重強(qiáng)調(diào)隨著人口紅利消失，中國優(yōu)化人力資本與制度環(huán)境從而為提高全要素生產(chǎn)率提供路徑。概言之，已有文獻(xiàn)從多方面研究產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，并在研究方法上有進(jìn)一步創(chuàng)新。

1.2 人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化分析

工業(yè)機(jī)器人以新型信息技術(shù)為核心，如圖 1 所示，一方面其本質(zhì)特征為替代性和協(xié)同性[20]和創(chuàng)造性，其中替代性主要是指對(duì)資本要素的替代所呈現(xiàn)出的實(shí)際價(jià)格不斷下降的特點(diǎn)，同時(shí)人工智能的另一種替代性要素主要針對(duì)勞動(dòng)力的直接替代。而協(xié)同性是指以通用信息技術(shù)為核心的智能化產(chǎn)業(yè)發(fā)展將提高要素配置契合度與效率，從而降低不必要的成本費(fèi)用。而人工智能的創(chuàng)造性體現(xiàn)于知識(shí)創(chuàng)造，以自動(dòng)生產(chǎn)有用知識(shí)推動(dòng)技術(shù)進(jìn)步。且滲透性體現(xiàn)于替代性、協(xié)同性和創(chuàng)造性的各個(gè)方面。智能化發(fā)展中三大特性是決定宏觀經(jīng)濟(jì)增長重要機(jī)制，首先協(xié)同性體現(xiàn)在支配著智能化對(duì)宏觀經(jīng)濟(jì)增長的全局性和廣泛性，發(fā)揮帶動(dòng)提高全要素生產(chǎn)率和作用并實(shí)現(xiàn)智能化產(chǎn)業(yè)鏈高質(zhì)量范式發(fā)展。盡管當(dāng)前人工智能對(duì)當(dāng)前宏觀經(jīng)濟(jì)影響只體現(xiàn)在局部范圍，但其借助協(xié)同性和滲透性將式經(jīng)濟(jì)高質(zhì)量發(fā)展的前提和保障。其次隨著智能化替代性作用不斷深化，在發(fā)揮替代傳統(tǒng)資本要素和勞動(dòng)要素的基礎(chǔ)上，將逐漸形成“人工智能資本”積累現(xiàn)象，而不斷推動(dòng)經(jīng)濟(jì)增長(3)馬克珀迪等明確主張，人工智能不僅是生產(chǎn)率提升工具，更是一種新生產(chǎn)要素。。最后人工智能的創(chuàng)造性主要表現(xiàn)為知識(shí)生產(chǎn)階段，從而帶動(dòng)提高投入產(chǎn)出效率。另一方面，智能化技術(shù)以新型現(xiàn)代通信技術(shù)為核心，結(jié)合數(shù)據(jù)存儲(chǔ)、軟件生產(chǎn)與芯片制造等領(lǐng)域共同創(chuàng)造智能生態(tài)產(chǎn)業(yè)鏈，從而不斷滲透現(xiàn)代服務(wù)業(yè)、制造業(yè)及傳統(tǒng)產(chǎn)業(yè)，提高各產(chǎn)業(yè)生產(chǎn)商品關(guān)聯(lián)度并擴(kuò)大相關(guān)產(chǎn)業(yè)生產(chǎn)規(guī)模。從而不斷推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)變遷實(shí)現(xiàn)經(jīng)濟(jì)長效增長機(jī)制。概言之，人工智能對(duì)經(jīng)濟(jì)增長的拉動(dòng)機(jī)制主要體現(xiàn)為兩個(gè)層面：其一是依據(jù)智能化的替代性、協(xié)同性和創(chuàng)造性作用分別提升要素占比、投入產(chǎn)出效率和知識(shí)生產(chǎn)量，從而作用于宏觀經(jīng)濟(jì)增長，而這種途徑提升全要素生產(chǎn)率從而實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量增長(4)習(xí)近平總書記在 2016 年 1 月指出推動(dòng)供給側(cè)結(jié)構(gòu)性改革主要是縮減無用供給，提高有效供給，進(jìn)而提高社會(huì)經(jīng)濟(jì)全要素生產(chǎn)率。；其二是通過人工智能技術(shù)構(gòu)筑智能化產(chǎn)業(yè)鏈生態(tài)體系，不斷融合于國民經(jīng)濟(jì)各部門各體系。而該途徑將提高高新技術(shù)產(chǎn)業(yè)比重并優(yōu)化傳統(tǒng)產(chǎn)業(yè)發(fā)展，從而實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化進(jìn)一步優(yōu)化。總之，通過理論分析認(rèn)為智能化發(fā)展將為經(jīng)濟(jì)高質(zhì)量發(fā)展提供必要支撐。人工智能技術(shù)通過提高產(chǎn)業(yè)智能化及數(shù)字化水平，實(shí)現(xiàn)企業(yè)生產(chǎn)成本降低并提高企業(yè)勞動(dòng)生產(chǎn)率，從而實(shí)現(xiàn)三次產(chǎn)業(yè)合理調(diào)配生產(chǎn)要素，進(jìn)而促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)。郭凱明[21]認(rèn)為人工智能發(fā)展會(huì)促進(jìn)生產(chǎn)要素在各產(chǎn)業(yè)部門中流通，但人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的作用方向并不明確。而隨著人口老齡化問題日益嚴(yán)重，多數(shù)學(xué)者在人工智能大背景下分析老齡化對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化作用。王瑞瑜等[22]通過FMM模型分析人工智能發(fā)展過程中老齡化對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)作用，認(rèn)為老齡化會(huì)促進(jìn)企業(yè)用智能機(jī)器人替代勞動(dòng)力，從而會(huì)促進(jìn)智能養(yǎng)老產(chǎn)業(yè)發(fā)展并推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化。而王森等[23]進(jìn)一步認(rèn)為人工智能會(huì)彌補(bǔ)老齡化所帶來的勞動(dòng)力不足缺陷，從而緩解企業(yè)勞動(dòng)生產(chǎn)率下降并推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。

經(jīng)文獻(xiàn)梳理發(fā)現(xiàn)，已有研究多集中于分析人工智能對(duì)經(jīng)濟(jì)發(fā)展作用及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化本身，少有構(gòu)建人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的分析框架，進(jìn)一步細(xì)化研究中國分區(qū)域問題。因此當(dāng)前通過細(xì)化產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化問題研究，從產(chǎn)業(yè)結(jié)構(gòu)合理化與高度化兩方面分析其受人工智能發(fā)展的作用效應(yīng)仍屬空白狀態(tài)。為彌補(bǔ)上述不足，本文從實(shí)證角度構(gòu)建靜態(tài)面板與動(dòng)態(tài)面板模型，具體分析人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化和產(chǎn)業(yè)結(jié)構(gòu)高度化作用，而后分區(qū)域進(jìn)行分析，最后從技術(shù)創(chuàng)新視角進(jìn)一步探尋人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的路徑，以此為當(dāng)前人工智能發(fā)展規(guī)劃和產(chǎn)業(yè)價(jià)值鏈攀升提供相應(yīng)建議。

2 實(shí)證分析

2.1 數(shù)據(jù)與模型

就產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化而言，部分學(xué)者認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化等同于區(qū)域產(chǎn)業(yè)結(jié)構(gòu)升級(jí)[24]，部分學(xué)者認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化包括產(chǎn)業(yè)結(jié)構(gòu)合理化和高度化[25]，而后者是當(dāng)前大多數(shù)學(xué)者認(rèn)可的觀點(diǎn)，本文考慮前述分析并借鑒楊麗君等[26]構(gòu)建產(chǎn)業(yè)結(jié)構(gòu)合理化和高度化兩個(gè)指標(biāo)用于分析。進(jìn)而借鑒干春暉等[27]采用泰爾指數(shù)表示產(chǎn)業(yè)結(jié)構(gòu)合理化，借鑒趙新宇等[28]采用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值比值表明產(chǎn)業(yè)結(jié)構(gòu)高度化。

(1)

(2)

其中，i=1、2和3，依次代表第一產(chǎn)業(yè)、第二產(chǎn)業(yè)與第三產(chǎn)業(yè)；Y與L依次代表產(chǎn)值與就業(yè)人員數(shù)量；HLH與GJH分別表示產(chǎn)業(yè)結(jié)構(gòu)合理化與高度化。同時(shí)考慮到人工智能作為新興行業(yè)且數(shù)據(jù)難以獲取的問題，本文借鑒沈賞[29]用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)表示人工智能發(fā)展水平。而產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化受多種因素共同作用，考慮到多種因素會(huì)影響產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，本文借鑒已有文獻(xiàn)并將經(jīng)濟(jì)發(fā)展水平[30]、外商投資[31]、政府支出[32]、基礎(chǔ)設(shè)施水平[33]、城鎮(zhèn)化[34]與技術(shù)創(chuàng)新[35]變量納入模型中作為控制變量。進(jìn)而構(gòu)建如下計(jì)量模型：

Tjt=Cj+β1lnAIjt+β2lnGDPjt+β3FDIjt+β4lnGOVjt+β5lnBASEjt+β6lnURjt+β7lnERjt+μjt

(3)

其中，T表示分析被解釋變量，具體指代產(chǎn)業(yè)合理化(HLH)和高級(jí)化(GJH)；AI為模型中核心解釋變量；j和t分別為指地區(qū)和時(shí)間；β為所要估計(jì)的系數(shù)值；c與μ分別表示個(gè)體效應(yīng)和模型隨機(jī)誤差項(xiàng)。如表1所示，梳理得出如下變量結(jié)果。

表1 分析變量

考慮到浙江省數(shù)據(jù)缺失問題，本文選取除香港、澳門、浙江省、臺(tái)灣省的全國30個(gè)省份2007-2017共計(jì)11年的面板數(shù)據(jù)，以上數(shù)據(jù)均來源并整理于國家統(tǒng)計(jì)局，為防止異方差對(duì)實(shí)證分析的較大偏誤，本文對(duì)所有變量進(jìn)行取對(duì)數(shù)處理。

2.2 描述性分析

在分析人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化作用之前，對(duì)所要研究變量進(jìn)行描述性統(tǒng)計(jì)測算。如表2所示，被解釋變量中產(chǎn)業(yè)結(jié)構(gòu)合理化平均值為-1.613，最小值為-4.081，最大值為-0.254，方差為0.767。體現(xiàn)為近11年中國產(chǎn)業(yè)結(jié)構(gòu)合理化程度不高，且各地區(qū)之間區(qū)域發(fā)展差距較為明顯，各產(chǎn)業(yè)發(fā)展尚未到達(dá)均衡化狀態(tài)。而產(chǎn)業(yè)結(jié)構(gòu)高度化平均值為-0.239，最小值和最大值分別為-0.736與1.172，方差為0.383。表明相較于產(chǎn)業(yè)結(jié)構(gòu)合理化而言，產(chǎn)業(yè)結(jié)構(gòu)高度化發(fā)展較好，且各地區(qū)產(chǎn)業(yè)高度化差距在逐漸縮小的趨勢越來越明顯。解釋變量中，人工智能的均值是4.319，最小值與最大值分別為-0.510 8及6.497，方差為1.051。表明近些年我國人工智能發(fā)展水平較高且各地區(qū)發(fā)展相對(duì)差距在擴(kuò)大。而在控制變量中，除城鎮(zhèn)化方差較小之外，其余各變量方差相對(duì)較大，其中技術(shù)創(chuàng)新的方差高達(dá)1.666，表明我國各地區(qū)技術(shù)科研創(chuàng)新能力差距明顯且需要進(jìn)行相應(yīng)干預(yù)。

表2 描述性統(tǒng)計(jì)

2.3 靜態(tài)面板模型

2.3.1 回歸分析

本文首先采用靜態(tài)面板模型進(jìn)行分析，在分析之前借鑒王躍堂等[36]采用豪斯曼檢驗(yàn)法對(duì)模型進(jìn)行適當(dāng)性選擇。同時(shí)借鑒唐松[37]將樣本分成東、中、西三個(gè)區(qū)域。如表3所示，通過最優(yōu)選取構(gòu)建各自回歸模型，包括OLS混合回歸、固定效應(yīng)回歸和隨機(jī)效應(yīng)回歸模型。就全國而言，從解釋變量角度人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化無明顯作用，而對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有0.032正向影響。而分區(qū)域考慮可知，東中西三個(gè)區(qū)域人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)均有明顯影響，其中產(chǎn)業(yè)結(jié)構(gòu)合理化受人工智能發(fā)展影響呈現(xiàn)負(fù)向變動(dòng)且東、中、西三個(gè)地區(qū)分別以-0.173、-0.090和-0.077的數(shù)值遞減。則表明當(dāng)前人工智能不利于產(chǎn)業(yè)結(jié)構(gòu)合理化發(fā)展，且這種效應(yīng)在東部省份最為明顯，而西部省份最為微弱?？赡艿脑蚴钱a(chǎn)業(yè)結(jié)構(gòu)合理化通常被解釋為資源配置說，即重點(diǎn)用于協(xié)調(diào)要素資源在各產(chǎn)業(yè)間配置、協(xié)調(diào)以及利用的效率問題[38]。而人工智能大多尚在起步階段且并未形成規(guī)模化發(fā)展，不僅不能協(xié)調(diào)各要素資源配置，反而會(huì)吸收并集中要素用于工業(yè)智能化建設(shè)所需。因此經(jīng)濟(jì)越發(fā)達(dá)的地區(qū)對(duì)人工智能建設(shè)的基礎(chǔ)越好，從而會(huì)集聚更多要素資源，并在短期過程中對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化形成阻礙作用。其中產(chǎn)業(yè)結(jié)構(gòu)高度化受人工智能影響呈現(xiàn)正向變動(dòng)且東、中、西三個(gè)地區(qū)分別以0.123、0.058與0.055的系數(shù)遞減。則表明當(dāng)前人工智能對(duì)有利于產(chǎn)業(yè)結(jié)構(gòu)高度化發(fā)展，且這種效應(yīng)在東部省份最為顯著，而在西部省份最微弱。而產(chǎn)業(yè)結(jié)構(gòu)高度化主要表現(xiàn)為各產(chǎn)業(yè)比例變化與勞動(dòng)生產(chǎn)率[39]，具體而言產(chǎn)業(yè)結(jié)構(gòu)由勞動(dòng)密集型向資本密集型轉(zhuǎn)變，進(jìn)而向知識(shí)密集型轉(zhuǎn)變，從而帶動(dòng)產(chǎn)業(yè)勞動(dòng)生產(chǎn)率的提升[40]。而人工智能大多集中于知識(shí)密集型產(chǎn)業(yè)，因此對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化要求較高，其自身發(fā)展對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的促進(jìn)作用較為明顯，因此越發(fā)達(dá)的地區(qū)工業(yè)智能化水平越高，從而在帶動(dòng)知識(shí)密集型產(chǎn)業(yè)發(fā)展的同時(shí)進(jìn)一步推動(dòng)勞動(dòng)生產(chǎn)率的提高，最終實(shí)現(xiàn)對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化較為明顯的促進(jìn)作用。在控制變量中，就全國而言，產(chǎn)業(yè)結(jié)構(gòu)合理化回歸模型下外商直接投資和經(jīng)濟(jì)發(fā)展分別以0.097和-0.767的影響系數(shù)顯著作用于產(chǎn)業(yè)結(jié)構(gòu)合理化，而產(chǎn)業(yè)結(jié)構(gòu)高度化回歸模型下主要有政府支出具備0.876的影響系數(shù)。分區(qū)域來看，首先，東、西省份中產(chǎn)業(yè)結(jié)構(gòu)合理化回歸模型下，基礎(chǔ)設(shè)施建設(shè)、政府支出與外商直接投資對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化有明顯影響，而中部省份其被解釋變量主要受政府支出和經(jīng)濟(jì)發(fā)展影響。 其次，在產(chǎn)業(yè)結(jié)構(gòu)高度化回歸模型下，東部政府支出、外商直接投資、經(jīng)濟(jì)發(fā)展與技術(shù)創(chuàng)新影響系數(shù)分別為1.129、-0.241、-0.320與0.449。而中部省份政府支出、經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化與技術(shù)創(chuàng)新分別以0.903、0.429、0.834與-0.094作用于產(chǎn)業(yè)結(jié)構(gòu)高度化。而西部省份中除技術(shù)創(chuàng)新之外產(chǎn)業(yè)結(jié)構(gòu)高度化均受其余控制變量影響。

表3 回歸分析

2.3.2 內(nèi)生性檢驗(yàn)

考慮到當(dāng)期人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化和高度化的作用，但地區(qū)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展?fàn)顩r反過來也會(huì)影響人工智能發(fā)展水平，因此為避免解釋變量于被解釋變量內(nèi)部相互作用，本文采用人工智能滯后一期作為控制變量來檢驗(yàn)前述分析的內(nèi)生性問題。結(jié)果如表4所示，依次通過豪斯曼檢驗(yàn)選取最優(yōu)分析模型，進(jìn)而得出的回歸結(jié)果基本與前述結(jié)論一致，以此進(jìn)一步驗(yàn)證了回歸結(jié)果的而可靠性。

表4 內(nèi)生性檢驗(yàn)

2.3.3 動(dòng)態(tài)面板模型

基于前述分析認(rèn)為人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有明顯拉動(dòng)作用，為探尋這種影響機(jī)制且考慮到靜態(tài)面板模型無法分析變量之間動(dòng)態(tài)關(guān)系，借鑒吳鵬等[41]進(jìn)一步采用動(dòng)態(tài)面板模型進(jìn)行實(shí)證分析，同時(shí)納入技術(shù)創(chuàng)新與人工智能交互項(xiàng)，從技術(shù)創(chuàng)新視角分析人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化影響，而系統(tǒng)GMM的估計(jì)效率高于差分GMM方法[42]，因此本文均采用系統(tǒng)GMM方法進(jìn)行分析。具體采用兩步系統(tǒng)GMM方式對(duì)2007-2017共11年的30個(gè)省份數(shù)據(jù)進(jìn)行研究，研究結(jié)果如下。

由表5可知，在基準(zhǔn)回歸模型中模型以0.024 2的顯著性水平拒絕具備一階自相關(guān)的原始猜想，而進(jìn)一步以0.144 9的顯著性水平接受具備一階自相關(guān)的原始猜想。而后通過了Hansen的過度識(shí)別檢驗(yàn)，表明所選取的工具變量均是合適的?；鶞?zhǔn)回歸模型中人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的影響系數(shù)為0.041 0，且在1%的顯著性水平上顯著，從而進(jìn)一步驗(yàn)證了人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有顯著促進(jìn)作用。進(jìn)一步在動(dòng)態(tài)面板模型中納入控制變量，實(shí)證結(jié)果如上表所示。一階和二階自相關(guān)系數(shù)分別為0.020 0和0.193 7，表明該模型在一階不存在自相關(guān)現(xiàn)象，而存在二階自相關(guān)現(xiàn)象，而且通過了Hansen的過度識(shí)別檢驗(yàn)，表明所選取的控制變量均合理有效。結(jié)果表明人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的正向作用系數(shù)為0.038 4，且在控制變量方面，產(chǎn)業(yè)結(jié)構(gòu)高度化一階滯后項(xiàng)在1%水平上顯著有1.083 4的正向影響效果，而外商直接投資在5%水平上有-0.077 6的影響效應(yīng)，經(jīng)濟(jì)發(fā)展水平在10%水平上有0.198 3的作用效果最后在動(dòng)態(tài)面板模型中納入技術(shù)創(chuàng)新與人工智能的交互項(xiàng)變量，得到如上表所示分析結(jié)果。其中一階自相關(guān)和二階自相關(guān)檢驗(yàn)系數(shù)分別為0.018 0和0.343 0，表示該模型不存在一階自相關(guān)，但存在二階自相關(guān)現(xiàn)象，且通過了Hansen的過度識(shí)別檢驗(yàn)，表明所選取的控制變量均合理有效。分析可知技術(shù)創(chuàng)新與人工智能交互項(xiàng)在1%的顯著性水平上有0.003 8的正向作用效應(yīng)，表明技術(shù)創(chuàng)新能夠有效推動(dòng)人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的促進(jìn)效應(yīng)。因此通過加大技術(shù)創(chuàng)新力度能有效促進(jìn)人工智能發(fā)展，從而對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的優(yōu)化作用能進(jìn)一步現(xiàn)顯。從控制變量來看，產(chǎn)業(yè)結(jié)構(gòu)高度化一階滯后項(xiàng)、外商直接投資與經(jīng)濟(jì)發(fā)展水平分別在1%、5%和10%顯著性水平上對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有影響作用。

表5 系統(tǒng)GMM分析

3 結(jié)論與建議

3.1 結(jié)論

本文分別通過靜態(tài)面板模型和動(dòng)態(tài)面板模型分析人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化作用，同時(shí)從技術(shù)創(chuàng)新視角分析人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的優(yōu)化路徑，結(jié)果表明：其一，通過靜態(tài)面板數(shù)據(jù)模型分析認(rèn)為，就全國而言，人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化作用效果不明顯，而對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有顯著推動(dòng)作用。分區(qū)域研究認(rèn)為，東部、中部和西部省份人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化的抑制效應(yīng)依次遞減，而對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的促進(jìn)效應(yīng)依次遞減。其二，基于靜態(tài)面板模型認(rèn)為，產(chǎn)業(yè)結(jié)構(gòu)合理化與高度化與基礎(chǔ)設(shè)施建設(shè)、政府支出、外商投資水平、經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化與技術(shù)創(chuàng)新高度相關(guān)。其三，基于動(dòng)態(tài)面板模型得出結(jié)論，人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化正向影響效果顯著，且通過技術(shù)創(chuàng)新路徑作用于產(chǎn)業(yè)結(jié)構(gòu)高度化。

3.2 建議

基于研究結(jié)論，本文提出以下政策建議：首先，要重視當(dāng)前人工智能發(fā)展對(duì)產(chǎn)業(yè)結(jié)構(gòu)合理化的阻礙作用，優(yōu)化各部門產(chǎn)業(yè)之間要素資源配置，針對(duì)不同地區(qū)因地制宜建立對(duì)策緩解當(dāng)前這種人工智能發(fā)展的不利影響。其次，進(jìn)一步推動(dòng)人工智能對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化的促進(jìn)作用，實(shí)證表明人工智能發(fā)展對(duì)產(chǎn)業(yè)結(jié)構(gòu)高度化有較強(qiáng)拉動(dòng)作用，且這種效應(yīng)在東部地區(qū)最為明顯，而中部和西部省份依次落后。最后，各地區(qū)要重視技術(shù)創(chuàng)新，實(shí)證結(jié)果表明人工智能能夠通過技術(shù)創(chuàng)新推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)高度化發(fā)展。因此政府要不斷加大對(duì)教育和科研的投資力度，進(jìn)一步提高中國人力資本水平，優(yōu)化市場營商環(huán)境以及專利保護(hù)制度。為企業(yè)和科研部門研究創(chuàng)新提供保障。