朱 琪， 陳 臻， 李博湛， 楊 洋

(1.華南師范大學(xué) 華南市場經(jīng)濟(jì)研究中心， 廣州 510006；2.嶺南師范學(xué)院 商學(xué)院， 湛江 524048)

隨著中國老齡化的加劇，老齡化給經(jīng)濟(jì)帶來的不利影響越來越突顯。實(shí)證研究發(fā)現(xiàn)，老齡化的確會降低一國的儲蓄率[1]，而儲蓄率的下降不可避免地會導(dǎo)致投資率的下降。以日本為例，世界發(fā)展指數(shù)顯示，日本投資率已經(jīng)從1970年40%下降到2010—2016年的22.96%。除了老齡化的加劇，中國人工智能也正在蓬勃發(fā)展，隨著深度神經(jīng)網(wǎng)絡(luò)和相關(guān)方法的最新改進(jìn)，高性能機(jī)器算法的應(yīng)用在不同數(shù)據(jù)場景更加自動化和強(qiáng)大，這導(dǎo)致人工智能(Artificial Intelligence，AI)迅速崛起。組織有目的地在其經(jīng)營過程中收集大量數(shù)據(jù)[2-7]，這些數(shù)據(jù)經(jīng)過人工智能的處理，將有可能成為最具價值的資產(chǎn)之一[8-9]。但是，如果沒有能夠從中提取更深刻見解的工具，大數(shù)據(jù)將毫無價值[10-13]。企業(yè)越來越多地投資于這些新興技術(shù)以獲取競爭優(yōu)勢[13-14]，如何從大數(shù)據(jù)中提取出有用的信息將是企業(yè)努力的方向之一，因此人工智能在管理領(lǐng)域中的應(yīng)用受到了越來越多的關(guān)注[11,15-19]。

本文基于老齡化背景，采用2010—2016年中國內(nèi)地31個省份的面板數(shù)據(jù)，探究人工智能發(fā)展水平對人工成本的影響，以及這種影響會否受到人口老齡化的干擾。本文可能的貢獻(xiàn)主要體現(xiàn)在以下三點(diǎn)。第一，研究內(nèi)容。目前國內(nèi)對于人工智能對經(jīng)濟(jì)影響的實(shí)證研究相對較少，本文探究人工智能和人口老齡化對各省份人工成本的影響，能夠為企業(yè)采用人工智能技術(shù)提供一定的經(jīng)驗依據(jù)。第二，研究方法。本研究運(yùn)用工具變量處理內(nèi)生性問題，引入電力消費(fèi)量、農(nóng)村太陽能熱水器使用數(shù)量、人口出生率等工具變量克服可能存在的內(nèi)生性問題，提高結(jié)論的穩(wěn)健性。第三，研究結(jié)論。研究揭示了人工智能的發(fā)展能夠顯著減少人工成本，同時還發(fā)現(xiàn)總體上人口老齡化會顯著抑制人工智能發(fā)展水平對人工成本的減少作用。這與部分學(xué)者認(rèn)為各省份人工智能的發(fā)展速度還不足以應(yīng)對老齡化對經(jīng)濟(jì)增長的不利影響的研究結(jié)論存在差異[1]。

文章余下部分的內(nèi)容安排如下：第一部分是相關(guān)研究綜述與研究假設(shè)提出，第二部分是數(shù)據(jù)來源和模型設(shè)定，第三部分是模型的實(shí)證結(jié)果與穩(wěn)健性檢驗，最后一部分是結(jié)論與討論。

一、相關(guān)研究與研究假設(shè)

關(guān)于人工智能的內(nèi)涵，不同領(lǐng)域的學(xué)者給出了不同闡釋，例如，有學(xué)者認(rèn)為，人工智能是讓機(jī)器做本需要人的智能才能做到的事情的一門科學(xué)[20]；也有學(xué)者認(rèn)為，人工智能是指開發(fā)和創(chuàng)造能夠模仿、學(xué)習(xí)和替代人類智能的“思維機(jī)器”[21]。學(xué)術(shù)界對人工智能的概念尚未形成共識。隨著人工智能的發(fā)展、大數(shù)據(jù)時代的到來，加之計算機(jī)強(qiáng)大的信息處理能力和絕對理性特征能夠突破有限理性和信息不對稱，企業(yè)可以以最優(yōu)決策為原則實(shí)施管理活動?；谌斯ぶ悄艿陌l(fā)展使得大數(shù)據(jù)和預(yù)測分析越來越成熟，本文將人工智能的范疇定位于新興技術(shù)的發(fā)展和技術(shù)創(chuàng)新的水平。

有學(xué)者認(rèn)為，技術(shù)創(chuàng)新不僅是全球競爭市場中成功的關(guān)鍵因素，而且在企業(yè)運(yùn)營中也起著重要作用[22-23]。大數(shù)據(jù)和預(yù)測分析可以幫助組織降低成本[13,24]。新興技術(shù)(即大數(shù)據(jù)分析或大數(shù)據(jù)預(yù)測分析)顯著正向影響運(yùn)營績效[13,25-27]。Samuel等揭示，企業(yè)大數(shù)據(jù)分析能力影響公司獲得、保留客戶的能力以及提高銷售能力、盈利能力、投資回報率的能力有兩條路徑：一是直接顯著提升公司獲得、保留客戶的能力以及提高銷售能力、盈利能力、投資回報率的能力；二是有效降低公司成本和提高公司在市場中的競爭能力，從而間接地顯著提升公司獲得、保留客戶的能力以及提高銷售能力、盈利能力、投資回報率的能力[26]。人工智能可以提高生產(chǎn)過程的自動化程度，用智能系統(tǒng)和設(shè)備替代勞動力，而且替代幅度比傳統(tǒng)的機(jī)械自動化對勞動力的替代幅度更大，從而可以減少勞動力的需求量，降低人工成本[1]。智能化生產(chǎn)能夠替代一部分傳統(tǒng)崗位，通過改變企業(yè)內(nèi)部勞動力結(jié)構(gòu)，減少經(jīng)濟(jì)體對勞動力數(shù)量的總需求[28-29]。實(shí)證結(jié)果表明，機(jī)器人應(yīng)用對企業(yè)的勞動力需求產(chǎn)生了一定的替代效應(yīng)，工業(yè)機(jī)器人滲透度每增加1%，企業(yè)的勞動力需求將下降0.18%，而機(jī)器人應(yīng)用對企業(yè)的工資水平并沒有明顯影響[30]。由此，本文提出假設(shè)：

H1 人工智能的發(fā)展能夠顯著減少人工成本。

一臺機(jī)器人目前平均每年大約可以替代60 000—83 000小時的勞動工作量。實(shí)證結(jié)果表明，機(jī)器人能夠彌補(bǔ)的勞動力工作，可以部分抵消由人口老齡化帶來的勞動力短缺問題[31]。另外，工業(yè)機(jī)器人的使用對制造業(yè)行業(yè)存在就業(yè)效應(yīng)，其中對崗位數(shù)量有顯著的負(fù)向沖擊，工業(yè)機(jī)器人保有量每上升1%，就業(yè)崗位減少約4. 6%；對工資水平的影響整體上不明顯[32]。使用機(jī)器人的確提高了非常規(guī)任務(wù)工人的相對工資水平。進(jìn)一步的輔證表明，機(jī)器人并沒有顯著提升高等教育技能者的相對工資水平，意味著機(jī)器人更多體現(xiàn)的是一種任務(wù)偏向型技術(shù)進(jìn)步(TBTC)，而非教育技能偏向型技術(shù)進(jìn)步(SBTC)[33-34]。劉家強(qiáng)認(rèn)為，在人口老齡化背景下，勞動力供給短缺、勞動生產(chǎn)率下降、儲蓄率下降、公共財政負(fù)擔(dān)加劇等會約束經(jīng)濟(jì)供給，進(jìn)而削弱經(jīng)濟(jì)的發(fā)展活力[35]。也就是說，人口老齡化的加劇導(dǎo)致勞動力供給下降，在社會勞動生產(chǎn)率不變的情況下，很可能會導(dǎo)致企業(yè)、政府部門人力成本上升。因此，本文提出假設(shè)：

H2 人口老齡化的加劇會顯著提高人工成本。

H3人口老齡化的加劇會抑制人工智能發(fā)展水平對人工成本的減少作用。

另一方面，陳秋霖等采用 2007—2016 年 14 個國家的數(shù)據(jù)，實(shí)證檢驗發(fā)現(xiàn)，老年人口撫養(yǎng)比的倒數(shù)顯著負(fù)向影響機(jī)器人的應(yīng)用，進(jìn)而證明了老年人口撫養(yǎng)比正向顯著影響機(jī)器人的應(yīng)用[28]。中國人口老齡化對出口結(jié)構(gòu)存在“倒逼機(jī)制”，其作用路徑為：人口老齡化對人工智能起正向影響，人工智能可以促進(jìn)出口，抵消人口老齡化對出口的負(fù)向影響，從而導(dǎo)致人口老齡化“倒逼”出口[36]。基于中國勞動年齡人口規(guī)模2014 年才開始呈負(fù)增長[37]的現(xiàn)實(shí)情況，本研究使用的是2010—2016年的面板數(shù)據(jù)。鑒于“倒逼機(jī)制”的存在以及中國勞動年齡人口規(guī)模剛剛開始下降，本文提出假設(shè)：

H4 人口老齡化的加劇會促進(jìn)人工智能發(fā)展水平對人工成本的減少作用。

綜上所述，本文將使用中國省區(qū)人工智能數(shù)據(jù)，結(jié)合人工成本的變化，實(shí)證研究省區(qū)人工智能對人工成本的影響，并通過分組回歸分析地區(qū)異質(zhì)性、產(chǎn)業(yè)異質(zhì)性和通過面板門檻效應(yīng)模型分析老齡化與地區(qū)生產(chǎn)總值的門檻效應(yīng)。

二、數(shù)據(jù)來源和模型設(shè)定

(一)數(shù)據(jù)來源

本文采用2010—2016年中國內(nèi)地31個省份的面板數(shù)據(jù)，研究老齡化和人工智能對人工成本的影響。地方財政支出占當(dāng)?shù)谿DP的比重、居民消費(fèi)價格指數(shù)(CPI)、地區(qū)GDP、固定資產(chǎn)投資中國有經(jīng)濟(jì)占比均來自CSMAR數(shù)據(jù)庫；通過中國經(jīng)濟(jì)與社會發(fā)展統(tǒng)計數(shù)據(jù)庫、全國及各省的統(tǒng)計年鑒、行業(yè)/部門年鑒和統(tǒng)計調(diào)查資料的年度數(shù)據(jù)，得到農(nóng)村太陽能熱水器數(shù)量(以集熱使用面積統(tǒng)計，單位為萬平方米)、電力消費(fèi)量(億千瓦時)、1961—1967年人口出生率、老年人口撫養(yǎng)比；地區(qū)信息傳輸、計算機(jī)服務(wù)和軟件業(yè)全社會資產(chǎn)投資額、地區(qū)勞動者報酬等數(shù)據(jù)均來自國家統(tǒng)計局。

(二)模型設(shè)定與變量定義

為了分析中國老齡化和人工智能對人工成本的影響，設(shè)定如下基準(zhǔn)模型：

lnLabourcostit=β0+β1AIit+β2ODRit+β3AIit×ODRit+β4Xit+Provi+Yeari+uit

其中，i代表省份，t代表年度，lnLabourcostit是被解釋變量，表示i省第t年人工成本的對數(shù)；AIit和ODRit是解釋變量，AIit表示i省第t年人工智能的水平，ODRit表示i省第t年的老齡化水平，AIit×ODRit表示人工智能和老齡化的交互項；Xit是系列控制變量，Prov是省區(qū)固定效應(yīng)，Year是年度固定效應(yīng)，β0是常數(shù)項，μ表示誤差項。

1.人工成本的對數(shù)(lnLabourcost)。勞動者報酬指勞動者因從事生產(chǎn)活動所獲得的全部報酬，包括勞動者獲得的各種形式的工資、獎金和津貼，既包括貨幣形式的，也包括實(shí)物形式的，還包括勞動者所享受的公費(fèi)醫(yī)療和醫(yī)藥衛(wèi)生費(fèi)、上下班交通補(bǔ)貼、單位支付的社會保險費(fèi)、住房公積金等。本文使用國家統(tǒng)計局統(tǒng)計的勞動者報酬的對數(shù)作為人工成本的衡量指標(biāo)。

2.人工智能(AI)。參考Borland和Coelli的做法，利用信息傳輸、計算機(jī)服務(wù)和軟件業(yè)全社會資產(chǎn)投資額與地區(qū)當(dāng)年GDP的比值來代表人工智能的技術(shù)使用規(guī)模，即本文的人工智能衡量指標(biāo)[38]。

3.老齡化(ODR)。參考現(xiàn)有實(shí)證研究對于人口老齡化的量化指標(biāo)，老年撫養(yǎng)比是指人口中非勞動年齡人口數(shù)的老年部分與勞動年齡人口數(shù)之比，用以表示每100名勞動年齡人口要負(fù)擔(dān)多少名老年人[39-40]。

4.地方財政支出占當(dāng)?shù)谿DP的比重(CZZC)。參考張鵬和梁輝的做法，利用地方財政支出占GDP的比重衡量地方政府經(jīng)濟(jì)行為指標(biāo)，反映當(dāng)?shù)卣?jīng)濟(jì)的干預(yù)能力[41]。

5. 居民消費(fèi)價格指數(shù)(CPI)。居民消費(fèi)價格指數(shù)是影響經(jīng)濟(jì)發(fā)展的一般性因素，為了獲得穩(wěn)健的檢驗結(jié)果，有必要對其進(jìn)行控制。

6.地區(qū)生產(chǎn)總值的對數(shù)(lnGDP)。將地區(qū)生產(chǎn)總值加以控制，用來反映地區(qū)的經(jīng)濟(jì)實(shí)力水平,本文使用其對數(shù)作為衡量指標(biāo)。

7.固定資產(chǎn)投資中國有經(jīng)濟(jì)占比(SOE)。參考于曉萍和欒大鵬的做法，以固定資產(chǎn)投資中國有經(jīng)濟(jì)占比反映政府對經(jīng)濟(jì)的干預(yù)程度，從而反映當(dāng)?shù)亟?jīng)濟(jì)的國有化程度[42]。

8.電力消費(fèi)量與地區(qū)GDP的比值(dl)。電力消費(fèi)量是各地區(qū)每年實(shí)際消費(fèi)的各種電力能源消耗總量。本文使用電力消費(fèi)量與地區(qū)GDP的比值反映當(dāng)?shù)仉姎饣l(fā)展水平和趨勢。

9. 農(nóng)村太陽能熱水器數(shù)量(以集熱使用面積統(tǒng)計)的對數(shù)(lnSW)。農(nóng)村太陽能熱水器數(shù)量代表各地區(qū)當(dāng)年農(nóng)村所有太陽能熱水器集熱使用面積的總和，本文利用其對數(shù)反映當(dāng)?shù)氐霓r(nóng)村科技發(fā)展水平。

10. 人口出生率(BR)。二戰(zhàn)結(jié)束后，生育率迅速提高。人口出生率反映了該國的人口結(jié)構(gòu)[43]。

三、實(shí)證過程與結(jié)果分析

(一)模型的選擇

Baltagi指出，只有在變量內(nèi)生性得到處理的情況下，才能使用hausman檢驗來比較固定效應(yīng)模型和隨機(jī)效應(yīng)模型[44]。因此，本研究進(jìn)行了如下處理：(1)處理內(nèi)生性情況下的hausman檢驗。結(jié)果顯示卡方值等于6.75，P值為0.240 2，無法拒絕原假設(shè)，因此選擇EC2SLS模型。(2)內(nèi)生性檢驗。為了結(jié)果的穩(wěn)健性，本研究使用面板數(shù)據(jù)有限信息最大似然估計方法進(jìn)行內(nèi)生性檢驗(卡方值為10.288，P值為0.005 8)，結(jié)果拒絕不存在內(nèi)生性的原假設(shè)。(3)自相關(guān)、異方差和截面相關(guān)問題的檢驗。首先，估計雙向固定效應(yīng)模型，使用pesaran檢驗(P值為0.492 3)和friedman檢驗(P值為1.000 0)，結(jié)果拒絕不存在截面相關(guān)的原假設(shè)；frees檢驗結(jié)果顯示在1%的顯著性水平下拒絕不存在截面相關(guān)的原假設(shè)?？紤]到三種截面相關(guān)檢驗的前提假設(shè)，且本文數(shù)據(jù)為平衡面板數(shù)據(jù)，回歸方程中控制時間效應(yīng)，本文傾向于frees檢驗結(jié)果，即模型存在截面相關(guān)問題。其次，進(jìn)行懷特檢驗(P值為0.000 6)，顯著拒絕不存在異方差的原假設(shè)。最后，進(jìn)行隨機(jī)效應(yīng)模型估計，檢驗自相關(guān)問題，結(jié)果顯示P值為0.000 0，顯著拒絕不存在誤差項自相關(guān)的原假設(shè)。

(二)工具變量的選擇與有效性檢驗

由于人工智能與人工成本互為因果，加之遺漏變量、解釋變量與誤差項存在相關(guān)性等內(nèi)生性問題，如果不加以控制，將會使得檢驗結(jié)果不可靠。為了準(zhǔn)確地估計人工智能對人工成本的作用，必須尋找合適的工具變量：它們可以解釋人工智能本身的變化(工具變量的相關(guān)性)，但除去人工智能這個唯一的途徑以外，它們不會直接或間接地影響人工成本(工具變量的外生性)。本文以歷史上中國各地區(qū)與人工智能相關(guān)的地理因素或自然變量作為中國目前人工智能的工具變量，根據(jù)數(shù)據(jù)的可得性，采用了各省份當(dāng)年電力消費(fèi)量、農(nóng)村太陽能熱水器數(shù)量。選取電力消費(fèi)量這一變量的理由有：首先，電力消費(fèi)量是對于電力消耗的體現(xiàn)，隨著技術(shù)的進(jìn)步和科技的普及，各省份的電器使用數(shù)量和頻率都將增加。一個地區(qū)科技越進(jìn)步，則很可能該地區(qū)電力消費(fèi)量越大。其次，電力消費(fèi)量和各地區(qū)的經(jīng)濟(jì)水平并不直接相關(guān)，符合工具變量外生性的要求。選取農(nóng)村太陽能熱水器數(shù)量這一變量的理由有：首先，農(nóng)村太陽能熱水器數(shù)量在一定程度上體現(xiàn)了農(nóng)村太陽能熱水器的普及程度，隨著技術(shù)的進(jìn)步和科技的普及，各省份的農(nóng)村使用高科技產(chǎn)品的數(shù)量不斷增加，該地區(qū)太陽能熱水器的數(shù)量也不斷增加。本文認(rèn)為，電力消費(fèi)量和農(nóng)村太陽能熱水器數(shù)量可以作為目前中國各省份人工智能的工具變量。借鑒李兵和任遠(yuǎn)的研究[45]，本文在考慮數(shù)據(jù)可得性的情況下，使用1961—1967年各省的出生率作為老齡化的另一個工具變量。進(jìn)一步檢驗顯示，人工智能作為因變量的回歸結(jié)果顯示F值為11.32；以人工智能和老齡化的交互項作為因變量，回歸結(jié)果顯示F值為16.51，均大于10，說明為人工智能和交互項尋找的工具變量具有顯著強(qiáng)相關(guān)性。由于工具變量數(shù)大于內(nèi)生變量數(shù)，不屬于恰好識別情況，Sargan檢驗結(jié)果(卡方統(tǒng)計量為0.778，P值為0.377 7)在一定意義上說明工具變量外生性較好。因此，本文引入電力消費(fèi)量、農(nóng)村太陽能熱水器數(shù)量、人口出生率作為工具變量具有強(qiáng)相關(guān)性和外生性，可以克服可能存在的人工智能與人工成本互為因果等內(nèi)生性問題，得到一致并且有效的估計量。

(三)實(shí)證結(jié)果

前面檢驗可知，誤差項存在自相關(guān)問題、異方差和截面相關(guān)問題，這三大問題都會對統(tǒng)計推斷造成重大影響。根據(jù)Hoechle的研究[46]，White是穩(wěn)健標(biāo)準(zhǔn)誤，解決了異方差的問題；Rogers是聚類穩(wěn)健標(biāo)準(zhǔn)誤，解決了異方差和自相關(guān)問題；Driscoll-Kraay解決了異方差、自相關(guān)和截面相關(guān)三大問題。因此，本文實(shí)證回歸應(yīng)當(dāng)使用Driscoll-Kraay估計結(jié)果。hausman檢驗選擇了隨機(jī)效應(yīng)模型，雖然Driscoll-Kraay不能直接處理隨機(jī)效應(yīng)的截面相關(guān)問題，但可以對廣義離差方程進(jìn)行回歸從而解決截面相關(guān)問題。

表2中模型(1)對變量進(jìn)行了廣義離差處理，使用了Driscoll-Kraay的標(biāo)準(zhǔn)誤進(jìn)行回歸；模型(2)不加入工具變量對固定效應(yīng)模型進(jìn)行估計；模型(3)不加入工具變量對隨機(jī)效應(yīng)模型進(jìn)行估計；模型(4)是雙向固定效應(yīng)的兩階段最小二乘估計；模型(5)是隨機(jī)效應(yīng)的兩階段最小二乘估計；模型(6)是加入工具變量的固定效應(yīng)廣義矩陣估計回歸。模型(1)—(6)均加入核心變量和控制變量。

表1 變量的描述性統(tǒng)計

表2 人工智能、老齡化與人工成本的回歸結(jié)果

從結(jié)果來看，人工智能在模型(1)—(3)的OLS結(jié)果顯示，AI的估計系數(shù)均為負(fù)數(shù)；在處理了異方差、截面相關(guān)問題和誤差項自相關(guān)問題后的回歸結(jié)果顯示，AI系數(shù)顯著為負(fù)；模型(4)—(6)加入了工具變量進(jìn)行2SLS回歸解決了內(nèi)生性問題，三個模型結(jié)果都表明，人工智能的提高有助于人工成本的減少。因此，人工智能對人工成本的負(fù)向預(yù)測作用顯著且穩(wěn)健，假設(shè)H1得到證實(shí)。這一結(jié)果與Aydiner等[13]、Tsan-Ming Choi等[24]和楊揚(yáng)等[43]的研究結(jié)論相一致。一方面，伴隨著人工智能時代的到來，使用機(jī)器人、人工智能軟件或程序取代勞動力的現(xiàn)象越來越普遍，從而導(dǎo)致企業(yè)成本中勞動力成本所占比重有所下降，最終導(dǎo)致人工成本下降；另一方面，人工智能的發(fā)展，使得地區(qū)社會生產(chǎn)力提高，從而導(dǎo)致人工成本下降。

老齡化在模型(1)—(6)中均不顯著，這表明老齡化對人工成本沒有顯著影響，因此假設(shè)H2未得到證實(shí)。老齡化對人工成本并沒有顯著的影響，這一結(jié)果與楊揚(yáng)等[43]、劉苓玲和秦若涵[47]的研究結(jié)果相沖突，但這種差異或許是由于采用數(shù)據(jù)年份不同引致的。蔣同明發(fā)現(xiàn)勞動年齡人口規(guī)模從2014年才開始減少，此時老齡化影響人工成本的效果還未體現(xiàn)[37](見表3)。人工智能與老齡化的交互項在模型(1)—(6)均顯著正向影響人工成本，這表明老齡化會抑制人工智能對人工成本的影響，假設(shè)H3得到證實(shí)，同時假設(shè)H4未能得到證實(shí)。隨著老齡化的加劇，勞動力人口規(guī)模將會下降，使得勞動力市場供不應(yīng)求，企業(yè)為能招聘到足夠的員工不得不提高人工成本。為了應(yīng)對這一問題，加強(qiáng)人工智能的發(fā)展將有利于提高當(dāng)?shù)貏趧由a(chǎn)率，提高企業(yè)的產(chǎn)出效率。

表3 2000—2018年人口勞動參與率變動情況(1)使用《中國統(tǒng)計年鑒(2019)》數(shù)據(jù)，勞動參與率的計算公式設(shè)定為:勞動參與率=經(jīng)濟(jì)活動人口/15—64歲人口。其中，經(jīng)濟(jì)活動人口=就業(yè)人員+失業(yè)人員。

(四)穩(wěn)健性檢驗

由于當(dāng)期的人工智能水平和老齡化水平可能并未體現(xiàn)在當(dāng)期的人工成本中，而是體現(xiàn)在下一期的人工成本中，因此，本文對所有連續(xù)變量均采取滯后一期處理，包括因變量人工成本、所有核心變量以及所有控制變量，再重新對基準(zhǔn)模型進(jìn)行檢驗(見表4)。表4中第(1)列至第(6)列結(jié)果顯示，本文所得結(jié)論依然成立。

表4 滯后一期的回歸結(jié)果

(五)異質(zhì)性分析

1.地區(qū)的異質(zhì)性分析

(1)沿海省份與內(nèi)陸省份(2)東部沿海省份包含北京市、天津市、河北省、遼寧省、上海市、江蘇省、浙江省、福建省、山東省、廣東省和海南省共11個省份；西部內(nèi)陸省份包括甘肅省、新疆維吾爾自治區(qū)、云南省、內(nèi)蒙古自治區(qū)、吉林省、四川省、安徽省、山西省、廣西壯族自治區(qū)、江西省、河南省、湖北省、湖南省、貴州省、重慶市、陜西省、黑龍江省、寧夏回族自治區(qū)、西藏自治區(qū)和青海省共20個省份。樣本的異質(zhì)性分析

本文參考張莉等[48]的研究，將中國內(nèi)地31個省份分為東部沿海省份和內(nèi)陸省份，異質(zhì)性分析結(jié)果見表5。表5表明，全樣本中人工智能顯著負(fù)向影響人工成本，老齡化水平的上升抑制了人工智能對人工成本的影響；在內(nèi)陸省份中，人工智能仍然顯著負(fù)向影響人工成本，但人工智能與老齡化的交互項并不顯著；在沿海省份中，人工智能對于人工成本的影響并不顯著。可以認(rèn)為，全樣本中人工智能對人工成本的負(fù)向影響效果主要?dú)w因于內(nèi)陸省份人工智能對人工成本的負(fù)向影響；在全國樣本中，老齡化抑制人工智能對人工成本的影響，但對于內(nèi)陸省份或沿海省份抑制作用并不明顯。

表5 沿海省份與內(nèi)陸省份樣本的異質(zhì)性分析

(2)西北地區(qū)(3)按照國家統(tǒng)計局分類，西北地區(qū)包括陜西省、甘肅省、青海省、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)。與非西北地區(qū)(4)華北地區(qū)包括北京市、天津市、河北省、山西省和內(nèi)蒙古自治區(qū)；東北地區(qū)包括遼寧省、吉林省和黑龍江??；華東地區(qū)包括上海市、江蘇省、浙江省、安徽省、福建省、江西省和山東??；中南地區(qū)包括河南省、湖北省、湖南省、廣東省、廣西壯族自治區(qū)和海南省；西南地區(qū)包括重慶市、四川省、貴州省、云南省和西藏自治區(qū)。的異質(zhì)性分析

由國家統(tǒng)計局對地區(qū)的常規(guī)分類，中國內(nèi)地31個省份可以分為華北地區(qū)、東北地區(qū)、華東地區(qū)、中南地區(qū)、西南地區(qū)和西北地區(qū)。不同地區(qū)之間人工智能對人工成本的影響是否存在顯著差異呢？將六個地區(qū)分為非西北地區(qū)和西北地區(qū)，然后進(jìn)行分組回歸，回歸結(jié)果如表6所示。結(jié)果顯示，在西北地區(qū)，人工智能的發(fā)展能顯著促進(jìn)人工成本的下降，同時老齡化的加劇，也在促進(jìn)人工成本的下降；但在非西北地區(qū)，人工智能和老齡化并未對人工成本有顯著的影響。

表6 西北地區(qū)與非西北地區(qū)分組回歸結(jié)果

2.老齡化與地區(qū)生產(chǎn)總值的門檻效應(yīng)

(1)老齡化是否存在門檻效應(yīng)

在老齡化背景下，隨著老齡化的加劇，人工智能對人工成本的影響可能存在門檻效應(yīng)。以老齡化作為門檻變量，通過反復(fù)抽樣300次得到的門檻效應(yīng)檢驗的結(jié)果顯示，單一門檻效應(yīng)(P值為0.017 1)和雙重門檻效應(yīng)(P值為0.015 5)均在5%的顯著性水平通過顯著性檢驗，但未通過三重門檻檢驗，所以人工智能對人工成本的影響存在基于老齡化的雙重門檻效應(yīng)，門檻估計值及95%的置信區(qū)間如表7所示，門檻模型回歸結(jié)果如表8所示，以老齡化作為門檻變量的似然比函數(shù)圖見圖1。

表7 老齡化的門檻估計值

表8 老齡化門檻模型回歸結(jié)果

圖1 老齡化的門檻似然比函數(shù)圖

結(jié)果顯示，當(dāng)老齡化(ODR)處于13.64和16.17之間時，人工智能每增加1%，人工成本將增加15.48%；當(dāng)老齡化(ODR)大于等于16.17時，人工智能每增加1%，人工智能增加45.10%。由前面分析可知，老齡化顯著抑制人工智能對人工成本的影響，而門檻效應(yīng)表明隨著老齡化的加劇，老齡化將抑制人工智能對人工成本的影響，甚至人工智能將無法有效降低成本，特別是當(dāng)老齡化大于等于16.17時，反而使得人工成本大大提高。截至2016年，中國內(nèi)地31個省份中，已有遼寧省、重慶市、湖南省、江蘇省、山東省、四川省和上海市等7個省份老齡化大于16.17；共有14個省份老齡化處于13.64和16.17之間，分別是北京市、吉林省、天津市、安徽省、廣西壯族自治區(qū)、江西省、河北省、河南省、浙江省、湖北省、福建省、貴州省、陜西省和黑龍江?。黄溆?0個省份老齡化仍低于13.64，分別有云南省、內(nèi)蒙古自治區(qū)、寧夏回族自治區(qū)、山西省、廣東省、新疆維吾爾族自治區(qū)、海南省、甘肅省、西藏自治區(qū)和青海省。目前中國部分地區(qū)老齡化水平超過16.17，此時老齡化的抑制作用明顯；老齡化低于13.64的10個省份目前老齡化對人工智能的抑制作用尚不明顯。

(2)地區(qū)經(jīng)濟(jì)發(fā)展水平是否存在門檻效應(yīng)

由于地區(qū)經(jīng)濟(jì)發(fā)展水平的不同，可能影響人工智能和人工成本的關(guān)系，因此有必要進(jìn)行地區(qū)經(jīng)濟(jì)發(fā)展水平的門檻效應(yīng)檢驗。以老齡化作為門檻變量，通過反復(fù)抽樣300次得到的門檻檢驗的結(jié)果顯示，單一門檻效應(yīng)(P值為0.014 3)和雙重門檻效應(yīng)(P值為0.011 7)均在5%的顯著性水平下通過顯著性檢驗，但未通過三重門檻檢驗，所以人工智能、人工智能與老齡化的交互項對人工成本的影響存在基于地區(qū)GDP的雙重門檻效應(yīng)，門檻估計值及95%的置信區(qū)間如表9所示，門檻模型回歸結(jié)果如表10所示，以地區(qū)生產(chǎn)總值作為門檻變量的似然比函數(shù)圖見圖2。

表9 地區(qū)生產(chǎn)總值的門檻估計值

表10 地區(qū)生產(chǎn)總值門檻模型回歸結(jié)果

圖2 地區(qū)生產(chǎn)總值的門檻似然比函數(shù)圖

結(jié)果顯示，當(dāng)GDP處于4 053.2億元與10 368.6億元之間時，人工智能每增加1%，人工成本將減少115.48%，老齡化的加劇將抑制人工智能對人工成本的影響；當(dāng)GDP大于等于10 368.6億元時，人工智能每增加1%，人工成本將減少97.64%，老齡化的加劇的抑制作用更加明顯。到2016年年末，GDP大于等于10 368.6億元的省份已經(jīng)達(dá)到25個，分別有上海市、云南省、內(nèi)蒙古自治區(qū)、北京市、吉林省、四川省、天津市、安徽省、山東省、山西省、廣東省、廣西壯族自治區(qū)、江蘇省、江西省、河北省、河南省、浙江省、湖北省、湖南省、福建省、貴州省、遼寧省、重慶市、陜西省和黑龍江??；GDP處于4 053.2億元與10 368.6億元之間的省份有甘肅省和新疆維吾爾自治區(qū)；GDP低于4 053.2億元的省份有寧夏回族自治區(qū)、海南省、西藏自治區(qū)和青海省。整體來看，甘肅省和新疆維吾爾自治區(qū)兩個省份加快人工智能發(fā)展，將會大幅減少人工成本；寧夏回族自治區(qū)、海南省、西藏自治區(qū)和青海省四個GDP低于4 053.2億元的省份，目前人工智能的發(fā)展還未能有效降低人工成本；而上海市等25個GDP大于等于10 368.6億元的省份，積極引導(dǎo)人工智能發(fā)展，能夠有效降低人工成本，同時應(yīng)當(dāng)采取一定措施減緩老齡化的消極影響。

3.產(chǎn)業(yè)的異質(zhì)性

對三大產(chǎn)業(yè)增加值(5)根據(jù)國家統(tǒng)計局指標(biāo)解釋，第一產(chǎn)業(yè)增加值是指按市場價格計算的一個國家(或地區(qū))所有常住單位在一定時期內(nèi)從事第一產(chǎn)業(yè)生產(chǎn)活動的最終成果，第一產(chǎn)業(yè)是指農(nóng)、林、牧、漁業(yè)；第二產(chǎn)業(yè)增加值是指按市場價格計算的一個國家(或地區(qū))所有常住單位在一定時期內(nèi)從事第二產(chǎn)業(yè)生產(chǎn)活動的最終成果，第二產(chǎn)業(yè)是指采礦業(yè)、制造業(yè)、電力，煤氣及水的生產(chǎn)和供應(yīng)業(yè)、建筑業(yè)；第三產(chǎn)業(yè)增加值是指按市場價格計算的一個國家(或地區(qū))所有常住單位在一定時期內(nèi)從事第三產(chǎn)業(yè)生產(chǎn)活動的最終成果，第三產(chǎn)業(yè)是指除第一、二產(chǎn)業(yè)以外的其他行業(yè)。低于平均值的異質(zhì)性分析結(jié)果顯示，在第一產(chǎn)業(yè)和第二產(chǎn)業(yè)增加值低于平均值的樣本中，人工智能顯著降低人工成本；在第三產(chǎn)業(yè)增加值低于平均值的樣本中，人工智能不僅顯著降低人工成本，并且老齡化抑制人工智能對人工成本的影響。對三大產(chǎn)業(yè)增加值高于平均值的異質(zhì)性分析結(jié)果顯示，在三大產(chǎn)業(yè)增加值高于平均值的樣本中，人工智能和老齡化對人工成本均無顯著性影響。(6)限于篇幅，表格未列出，結(jié)果備索。

四、結(jié)論與討論

鑒于人工智能與人工成本可能存在互為因果關(guān)系，本文基于中國2010—2016年省級面板數(shù)據(jù)，以各省電力消費(fèi)量、農(nóng)村太陽能熱水器使用情況、1961—1967年的出生率作為工具變量，有效克服遺漏變量、測量誤差、人工智能和人工成本互為因果等內(nèi)生性問題，分析了人工智能和老齡化對人工成本的影響，從而得到一致有效的估計結(jié)果。本文研究發(fā)現(xiàn)，在全國內(nèi)地31個省份，人工智能的發(fā)展能夠顯著減少人工成本，人口老齡化的加劇會抑制人工智能發(fā)展水平對人工成本的減少作用。根據(jù)異質(zhì)性檢驗結(jié)果，得到以下四點(diǎn)結(jié)論。

第一，在內(nèi)陸省份中，人工智能顯著負(fù)向影響人工成本，但老齡化的加劇并不抑制人工智能對人工成本的影響；在沿海地區(qū)省份中，人工智能對人工成本的影響并不顯著，老齡化的加劇并不抑制人工智能對人工成本的影響?？傮w來看，在全國范圍內(nèi)，人工智能對人工成本的影響效果主要來自中國內(nèi)陸省份。

第二，在西北地區(qū)省份中，即陜西省、甘肅省、青海省、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)五個省份中，人工智能與老齡化的交互項能夠顯著負(fù)向影響人工成本，表明人工智能的發(fā)展能夠顯著促進(jìn)人工成本的下降，老齡化的加劇將促進(jìn)人工智能對人工成本的影響。

第三，通過面板門檻效應(yīng)檢驗，隨著老齡化的加劇，老齡化對人工智能的抑制作用越來越明顯，地區(qū)應(yīng)當(dāng)加大人工智能的發(fā)展，引入更高水平的人工智能從而降低人工成本和企業(yè)壓力，促進(jìn)經(jīng)濟(jì)發(fā)展。其中，寧夏回族自治區(qū)、青海省、西藏自治區(qū)和海南省的老齡化對人工智能的抑制作用不顯著，人工智能還未能有效降低人工成本，其他27個省份目前人工智能能夠有效降低人工成本，同時老齡化對人工智能的抑制作用顯著，其中老齡化對人工智能的抑制作用最大的省份有遼寧省、重慶市、湖南省、江蘇省、山東省、四川省和上海市。

第四，三大產(chǎn)業(yè)增加值高于平均值時，人工智能和老齡化對于人工成本均無顯著性影響；第一產(chǎn)業(yè)第二產(chǎn)業(yè)低于平均值時，人工智能有效降低了人工成本；第三產(chǎn)業(yè)低于平均值時，人工智能顯著降低了人工成本，老齡化能抑制人工智能對人工成本的影響。

對結(jié)果的進(jìn)一步檢驗顯示結(jié)論是穩(wěn)健可靠的。

本研究尚存在一些有待完善之處，未來可以考慮在如下幾方面加以拓展。

第一，人工智能對人工成本的影響是一個非常復(fù)雜的問題，人工智能通過各種生產(chǎn)工具越來越廣泛地滲透到各種生產(chǎn)環(huán)節(jié)和生產(chǎn)過程，其作用鏈條和因果機(jī)制都是研究者和實(shí)踐者非常感興趣的方向和潛在的研究熱點(diǎn)。例如，人工智能可能通過對傳統(tǒng)技術(shù)的改造從而提高生產(chǎn)效率，也有可能通過新生產(chǎn)方式的創(chuàng)新提升生產(chǎn)效能，在此過程中不可避免將提升人工成本(例如增加高技能操作人才的培訓(xùn)或者其他人力資本投資)，但是，通過人工智能提升生產(chǎn)效率能夠有效降低單位人工成本，所以在綜合成本的作用力方面需要綜合分析，難以一概而論。

第二，人們?nèi)匀浑y以全面完整理解人工智能對勞動力、組織結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、政府規(guī)制和整個社會的影響，尤其是政府宏觀政策對人工智能企業(yè)技術(shù)選擇和采用對生產(chǎn)過程和人工成本的影響也是一個重要方向。同時，人工智能技術(shù)的選擇和采用對勞動力就業(yè)和技術(shù)偏向型勞動力工資有何重要影響？這些都會對人工成本造成一定的作用。

第三，人工智能對生產(chǎn)企業(yè)的作用也有溢出效應(yīng)。這種溢出效應(yīng)能夠有效對其他生產(chǎn)組織產(chǎn)生相應(yīng)影響，例如，采用人工智能技術(shù)的企業(yè)對人工成本的影響是否有同群效應(yīng)，等等。

另外，相應(yīng)的制度環(huán)境和企業(yè)文化也會對人工智能技術(shù)采用形成一定程度的影響，這些都是未來需要進(jìn)一步研究的內(nèi)容。