胡梓婷 常 遠

（廣東財經大學財稅學院 廣東 廣州 510320）

1 引言

2020年中國經濟報告指出，中國不斷推進各科技要素融入到實體經濟之中。人工智能、大數據、區(qū)塊鏈等技術迅猛發(fā)展，商業(yè)潛力被不斷開發(fā)，逐漸迎來新經濟局面。人工智能將互聯網、大數據、智能學習等集于一身，被廣泛應用于智能家居、自動駕駛、智能教育等方面，迎來新發(fā)展。但從消費數據看，中國最近五年居民消費指數持在穩(wěn)定水平，年度之間呈現略微下降趨勢。而在未來消費發(fā)展中，中國提出將人工智能作為引領發(fā)展的新要素，但人工智能能夠促進消 費嗎？

2 文獻綜述

國內學者在人工智能與消費研究各有見解。微觀層面，王先慶、雷韶輝（2018年）就新零售環(huán)境下人工智能對消費及購物體驗的影響進行研究，發(fā)現人工智能通過改變“人、貨、場”三要素關系，影響顧客的消費體驗。陳國元、徐孝勇（2019年）研究人工智能的出現對銷售渠道的影響，探討新銷售方式的發(fā)展前景。宏觀層面，林晨等（2020年）通過構建動態(tài)一般均衡模型分析人工智能與中國資本機構的優(yōu)化關系，發(fā)現人工智能促進消費同時促進經濟增長。

已有文獻多集中于微觀層面，普遍運用文獻研究法及定性定量分析法，研究人工智能與消費者體驗、消費渠道等關系，缺少從宏觀層面對人工智能與消費關系的實證研究。因此，本文利用普通最小二乘法，從供給與需求兩方面探索人工智能與消費的關系。

3 模型構建

本次研究選用2014至2019年數據，建立三個模型。模型①和模型②分別探討消費供給、需求與人工智能關系。而為進一步分析供給、需求與人工智能關系，使三個變量間相互影響最小，建立模型③。

本次研究選取的三個變量分別是國內生產總值、社會消費品零售總額以及人工智能行業(yè)投資規(guī)模。為了避免數據之間差異過大導致回歸結果無效，將會對數據進行自然對數處理。

構建模型如下：

其中，G和P是被解釋變量，分別代表國內生產總值以及社會消費品零售總額。A是解釋變量，指人工智能行業(yè)的投資規(guī)模。c為常數，ε1、ε2、e為殘值。

4 指標選擇與數據分析

國內生產總值衡量勞動生產的商品和服務價值量的總和，體現社會總供給。社會消費品零售總額為衡量消費需求的指標，反映一定時間內消費水平人工智能的發(fā)展離不開資金投入的支持。因此，本文選擇人工智能行業(yè)的投資規(guī)模作為衡量人工智能發(fā)展的指標。數據來于《中國統計年鑒》及公開資料。

據數據的描述性統計，可知GDP、P、A三個指標的最大值和最小值差距過大。同時，三個指標的標準差分別為132597.7、51283.73、92.8938，波動較大。研究中需要采取自然對數處理減緩數據波動。

5 實證分析

本次通過最小二乘法構建三個模型。模型①分析消費供給與人工智能關系，模型②分析消費需求與人工智能關系，模型③綜合分析對比。三個模型的整體擬合效果良好，變量與變量之間相關系數較高。

整理成表達式可以得到：

計量結果顯示，模型①判定系數為0.986，接近1，模型的回歸效果較好。F統計量為275.064，P為0.0001，小于0.05，表明系數有效。DW系數1.919處于2附近，表明模型通過DW檢驗，不存在異方差。綜上，每當投資規(guī)模增加1%時，GDP相應地增加24.33%。

模型②，被解釋變量變動97.24%由解釋變量引起。F統計量為140.850，P為0.0003，小于0.05，表明兩個變量之間存在顯著關系。DW系數為1.925，表明模型沒有異方差。結果表示當投資規(guī)模增加1%時，社會零售品總額相應地增加22.43%。

模型③的判定系數為0.972，接近1，模型的回歸效果良好。F統計量為52.824，相伴系數為0.0046，明顯小于0.05，模型顯著。DW系數為1.944，接近2，不存在異方差。當人工智能投資規(guī)模增加1%時，社會零售總額相應地增加22.75%，但GDP的投入會相對應減少1.3%。這表明相對于GDP，人工智能行業(yè)的影響對于社會消費品零售總額更加顯著，而供給的增加會減弱人工智能對于消費需求的作用。

6 結論及建議

根據上述分析，人工智能對消費供給和需求皆有促進作用，但人工智能對消費需求的促進作用顯著于消費供給。同時，消費供給的增長與消費需求的增長成反向，消費供給增長會削減人工智能對消費需求的促進作用。

因此，提出兩點建議。

第一，加大人工智能行業(yè)的投資規(guī)模，進一步匯聚資本市場的力量，進而促進消費需求增長。第二，堅持推進供給側改革，減少無效供給擴大有效供給，改善供給結構，增強供給對消費的促進效果。