孫群力，謝濱澤

（中南財經政法大學a.財政稅務學院；b.收入分配與現代財政學科創(chuàng)新引智基地，武漢 430073）

0 引言

隨著我國經濟的高速增長，初次分配失衡導致收入差距擴大等問題逐漸突顯，過大的收入分配差距不利于社會的和諧穩(wěn)定，其中技能溢價是收入差距持續(xù)擴大的重要原因之一[1,2]。黨的十九大報告指出我國已邁入高質量發(fā)展的重要階段，轉變發(fā)展方式、推動技術變革、保障人民生活成為政府工作的重點，降低技能溢價、縮小收入差距亦是高質量發(fā)展的應有之義。以人工智能技術為主的新一輪技術革命能夠促進發(fā)展方式的轉變，加快企業(yè)產業(yè)智能化轉型和產業(yè)結構升級[3]，是經濟增長的重要推動力。與此同時，產業(yè)智能化升級作為技能偏向型技術進步，也會對異質性勞動力就業(yè)產生影響[4]，導致勞動力市場結構和技能溢價[5]發(fā)生改變，因此，厘清產業(yè)智能化對技能溢價的影響有助于化解新一輪技術革命對收入不平等帶來的負面影響，把握發(fā)展機遇，對我國高質量發(fā)展至關重要。

梳理相關文獻發(fā)現[6—11]，目前針對產業(yè)智能化與技能溢價的研究并未形成一致結論，部分研究認為產業(yè)智能化會擴大高、低技能工人的工資差距，提升技能溢價；也有研究指出產業(yè)智能化具有益貧性，能夠顯著提升低技能勞動力的工資水平。其主要原因在于，不同研究度量產業(yè)智能化的指標選取存在差異，大量研究采用工業(yè)機器人數量、全要素生產率作為產業(yè)智能化的代理指標，也有研究采用計算機制造業(yè)、信息服務業(yè)的增加值來衡量[1]。其中，工業(yè)機器人數量更多地反映了產業(yè)自動化程度，將其作為代理指標過于片面，產業(yè)智能化并非只體現在工業(yè)機器人數量的增長上；全要素生產率的變化能在一定程度上反映產業(yè)智能化程度，但影響全要素生產率的因素除了技術進步，還有機制創(chuàng)新、資源配置效率等，用全要素生產率衡量產業(yè)智能化可能會造成偏誤；產業(yè)智能化與計算機制造業(yè)、信息服務業(yè)息息相關，用該行業(yè)產出增加值作為代理變量具有一定的代表性，但難以體現新型基礎設施建設對產業(yè)智能化的影響。為此，本文參考國家工信部發(fā)布的關于工業(yè)化和信息化融合的指標體系，借鑒孫早和侯玉琳（2019）[9]的研究，從基礎設施情況、生產活動情況、企業(yè)創(chuàng)新和效益三個維度出發(fā)，構建并測算一個用于度量產業(yè)智能化水平的綜合指標進行研究。與此同時，已有文獻更多關注產業(yè)智能化對技能溢價的影響[1]，或是產業(yè)智能化對勞動力結構的影響[8,9]，而實際情況是，除了產業(yè)智能化會對勞動力結構、技能溢價產生影響，勞動力結構也會改變技能溢價?；诖?，本文將以上三者納入同一研究框架，研究產業(yè)智能化、勞動力結構與技能溢價之間的影響關系及影響機制。

1 理論分析與研究假設

本文以ALM 模型為基礎，分析產業(yè)智能化對不同技能勞動者工資水平的影響，ALM 模型由Autor、Levy 和Murnane于2003年提出，當時正處于計算機技術高速發(fā)展時期，該模型最早用于研究計算機應用普及對勞動力結構、技能溢價的影響，而計算機帶來的數字信息化與智能化技術同屬于技能偏向型技術進步，因此，模型同樣可用于分析產業(yè)智能化對技能溢價的影響。Frey 和Obsborne（2015）[12]在ALM 模型的基礎上研究了智能化技術對勞動力市場的影響，該模型將勞動力分為高技能勞動力和低技能勞動力，并假設智能化技術能夠替代低技能勞動力的部分工作進而產生替代效應，準確刻畫智能化技術對不同勞動力需求、工資水平的影響，其生產函數如式（1）所示：

其中，Y表示總產出，T表示產業(yè)智能化水平，Llow和Lhigh分別代表低技能勞動力和高技能勞動力供給，α是高技能勞動力供給對產出的彈性系數。根據利潤最大化的約束條件可知兩類勞動力均衡工資水平：

其中，Wlow和Whigh分別表示低技能勞動力工資和高技能勞動力工資，對式（2）和式（3）兩類勞動力工資變化率進行分解可得：

假設1：產業(yè)智能化對低技能勞動力主要體現為替代效應，對高技能勞動力主要體現為互補效應，在勞動力市場中具體表現為對高技能勞動力需求的增加，以及對低技能勞動力需求的減少。

聯立式（2）和式（3），可得到技能溢價的表達式：

假設2：產業(yè)智能化水平對技能溢價存在顯著影響，產業(yè)智能化水平的提高能夠提升技能溢價。

假設3：產業(yè)智能化不僅對技能溢價產生直接影響，還會通過影響勞動力結構間接影響技能溢價。

2 模型設定、變量選取與數據來源

2.1 模型設定

（1）基準計量模型

基于假設1和假設2，本文構建如式（7）所示的計量模型檢驗產業(yè)智能化對技能溢價的影響，構建如式（8）和式（9）所示的計量模型檢驗產業(yè)智能化對勞動力結構的影響。

其中，下標i和t分別表示i省份和第t年，SkillPre表示技能溢價，T表示產業(yè)智能化程度，Lowskill表示低技能勞動力占比，Highskill表示高技能勞動力占比，X為控制變量列向量，γ為控制變量系數列向量，μ表示時間固定效應，φ表示地區(qū)固定效應，ε表示殘差項。

（2）異質性檢驗模型

考慮到我國地區(qū)間經濟發(fā)展水平以及產業(yè)智能化程度存在較大差異，為了檢驗產業(yè)智能化對不同地區(qū)技能溢價的影響，以及產業(yè)智能化對不同地區(qū)勞動力結構的影響是否一致，本文借鑒張晏和龔六堂（2005）[13]的做法，為避免采用分樣本回歸使得樣本量減少，從而可能導致估計結果的偏誤，且便于比較產業(yè)智能化對不同地區(qū)的影響差異，本文分別為東、中、西部地區(qū)設置DumE、DumM、DumW三個虛擬變量，并根據東、中、西部地區(qū)相應省份分別賦值為1，其他地區(qū)省份賦值為0，構造出三個地區(qū)虛擬變量向量（1，0，0）、（0，1，0）、（0，0，1），最終的回歸模型如下：

其中，Ti，t*DumEi、Ti，t*DumMi和Ti，t*DumWi分別表示產業(yè)智能化與地區(qū)虛擬變量的交互項，回歸系數β1、β2和β3可用于比較產業(yè)智能化對不同地區(qū)的影響程度。

（3）中介效應模型

基于理論模型，本文發(fā)現產業(yè)智能化可能會通過影響勞動力結構間接影響技能溢價，為進一步分析產業(yè)智能化對技能溢價的影響路徑，本文參考溫忠麟和葉寶娟（2014）[14]的研究，基于假設3，構建了如下所示的中介效應檢驗框架：

其中，中介變量Mid分別為Lowskill和Highskill，分別檢驗低技能勞動力占比和高技能勞動力占比對技能溢價的中介效應；系數θ1表示產業(yè)智能化對技能溢價的總效應；系數γ1表示產業(yè)智能化對中介變量的效應；χ1表示在控制了中介變量后，產業(yè)智能化對技能溢價的影響；χ2表示控制了產業(yè)智能化影響后，中介變量對技能溢價的影響。具體檢驗步驟如下：先檢驗系數θ1的顯著性，若θ1不顯著，則表示中介效應不成立，若θ1顯著，再檢驗系數γ1和χ2的顯著性，若兩個系數均顯著，則表示中介效應顯著，若兩個系數中至少一個不顯著，則需要進行Bootstrap檢驗。

2.2 指標選取

（1）被解釋變量：技能溢價（SkillPrei，t）

本文運用各省份高技能勞動者平均工資與低技能勞動者平均工資的比值來度量各省份技能溢價水平。具體地，通過勞動者受教育程度表示其掌握技能的高低，再將各行業(yè)就業(yè)人員根據受教育程度的比重進行排列，選取就業(yè)人員受教育程度為大學及以上學歷比重最高的行業(yè)（科學研究和綜合服務業(yè)）的平均工資作為高技能勞動者的平均工資，選取就業(yè)人員受教育程度為初中及以下學歷比重最高的行業(yè)（農林牧漁業(yè)）的平均工資作為低技能勞動者的平均工資，用高技能勞動者的平均工資與低技能勞動者的平均工資的比值表示技能溢價，該值越大，表示工資收入差距越大，技能溢價越高。

（2）核心解釋變量：產業(yè)智能化水平（Ti，t）

正確測度各省份各年份的產業(yè)智能化水平是進行實證分析的關鍵，參考孫早和侯玉琳（2019）[9]的研究，借鑒國家工信部提出的指標體系結構，本文從基礎設施情況、生產活動情況、創(chuàng)新與企業(yè)效益三個維度來構建產業(yè)智能化指數，各指標的含義及說明如表1所示。

表1 產業(yè)智能化指標體系

為消除原始指標性質帶來的各項指標值大小差異的影響，并且保證指標能在不同年份、不同省份之間進行縱向和橫向的對比，本文將數據進行標準化處理后，得到各省份各年份的分項指標得分情況，并進一步根據主成分分析法確定各分項指標的相對權重，通過加權得到各省份各年份的產業(yè)智能化水平得分。

圖1 中，圖（a）展示了各省份各年份產業(yè)智能化水平的變化趨勢，圖（b）呈現了各省份產業(yè)智能化水平與技能溢價之間的關系，表2統(tǒng)計了各省份產業(yè)智能化水平平均得分情況以及2001—2015 年智能化水平的平均增速，并根據各省份產業(yè)智能化指數得分大小進行排序。結合圖1 和表2 來看，產業(yè)智能化發(fā)展程度與技能溢價呈正相關關系，產業(yè)智能化水平呈上升趨勢，其中，2001—2007年，產業(yè)智能化發(fā)展的速度較平緩，2008 年后各省份產業(yè)智能化發(fā)展速度較快，橫向來看，在同一年份中，大部分省份的產業(yè)智能化水平處于中低水平，少數省份發(fā)展程度較高。從各省份差異來看，在產業(yè)智能化程度較高的地區(qū)，其智能化水平明顯高于其他地區(qū)，且智能化水平的差距逐年擴大。

圖1 各省份產業(yè)智能化水平與技能溢價

表2 各省份產業(yè)智能化指數排名與增速

（3）中介變量：勞動力結構（Lowskilli，t、Highskilli，t）

本文運用不同受教育程度就業(yè)人員占比來衡量勞動力結構，根據《中國勞動統(tǒng)計年鑒》的分類方法，就業(yè)人員受教育程度共分為小學及以下、初中、高中、大專、大學本科、研究生六類，將受教育程度為高中、初中、小學及以下的就業(yè)人員比重作為低技能勞動力占比（Lowskilli，t）的代理變量，將受教育程度為大專、大學本科、研究生的就業(yè)人員比重作為高技能勞動力占比（Highskilli，t）的代理變量。

（4）控制變量

為了控制其他因素對勞動力結構及技能溢價的影響，本文將貿易開放程度、地方經濟發(fā)展水平、政府干預強度、人均教育支出、城鎮(zhèn)化水平、產業(yè)結構和金融發(fā)展水平等因素作為控制變量納入計量模型，其中，貿易開放程度利用各省份進出口總額占其GDP 的比重衡量；地方經濟發(fā)展水平用各省份人均GDP 的對數來衡量；政府干預強度用各省份財政收入占地方GDP 的比重表示；人均教育支出用地方財政人均教育支出的對數表示，用各省份財政教育支出除以各省份人口得到；城鎮(zhèn)化水平用各省份城鎮(zhèn)人口占其總人口的比重來衡量；產業(yè)結構用各省份第三產業(yè)增加值占當地GDP 的比重表示；金融發(fā)展水平用各省份存貸款余額占當地GDP的比重表示。

2.3 數據來源及描述性統(tǒng)計

本文的數據來源于歷年《中國電子信息產業(yè)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國高技術產業(yè)統(tǒng)計年鑒》《中國稅務年鑒》《中國財政年鑒》和CSMAR數據庫。表1中，來自《中國電子信息產業(yè)統(tǒng)計年鑒（軟件篇）》的軟件收入、智能化設備使用投入、數據處理運營能力、平臺運營維護能力這4個指標在2015年前后統(tǒng)計口徑存在很大差異，不具有可比性；智能企業(yè)發(fā)展狀況、新產品開發(fā)能力、創(chuàng)新資源與創(chuàng)新能力3 個指標來自《中國高技術產業(yè)統(tǒng)計年鑒》，但該年鑒在2018 年沒有出版；企業(yè)經營能力和盈利能力2 個指標盡管可以通過《中國統(tǒng)計年鑒》中相關數據計算得到，但2015 年以后，由于缺乏各省份工業(yè)企業(yè)的稅金支出以及利息支出等相關數據，難以計算2015 年后各省份規(guī)模以上工業(yè)企業(yè)的總資產貢獻率。鑒于以上原因，作為本文核心變量的產業(yè)智能化，其數據獲取截止到2015 年，且近期研究成果[15]顯示，關于產業(yè)智能化指數的測算基本均截止到2015年前后。為保證產業(yè)智能化指數橫向和縱向的可比性，本文選取我國29 個省份（不含西藏、青海和港澳臺）2001—2015 年的數據測算產業(yè)智能化指數。本文主要變量描述性統(tǒng)計結果如表3所示。

表3 變量描述性統(tǒng)計

3 實證結果分析

3.1 全樣本回歸結果

為探討產業(yè)智能化水平、勞動力結構以及技能溢價之間的關系，豪斯曼檢驗結果拒絕隨機效應的原假設，故本文采取固定效應模型分別對式（7）至式（9）進行估計，最終回歸結果如表4所示。其中，列（1）、列（3）和列（5）為單變量回歸結果，列（2）、列（4）和列（6）為控制了其他可能影響技能溢價、勞動力結構因素后的回歸結果，表4 中回歸均控制了個體固定效應和時間固定效應?；貧w結果顯示，產業(yè)智能化水平對技能溢價和勞動力結構存在顯著影響，在控制了個體固定效應和時間固定效應后，單變量回歸結果與加入其他控制變量的回歸結果在顯著性水平、系數方向上均保持一致。列（2）結果顯示：產業(yè)智能化水平對技能溢價的影響在1%的水平上顯著，影響系數為0.062，說明產業(yè)智能化水平越高，高、低技能勞動力的工資差距越大，技能溢價提升。列（4）和列（6）回歸結果表明：產業(yè)智能化會對勞動力結構產生顯著影響，其中，產業(yè)智能化對低技能勞動力占比和高技能勞動力占比的影響系數分別為-0.678 和0.677。從回歸結果來看，產業(yè)智能化水平與技能溢價顯著正相關，產業(yè)智能化水平較高的年份或地區(qū)，與智能化水平較低的年份或地區(qū)相比，前者高技能勞動力工資與低技能勞動力工資差距更大，技能溢價更多；此外，產業(yè)智能化發(fā)展會提高高技能勞動力在勞動力市場中的占比，并降低低技能勞動力占比，導致勞動力結構發(fā)生改變，這與李強（2022）[4]的研究結論一致。其可能的原因在于，產業(yè)智能化發(fā)展作為技能偏向型技術進步，對勞動者的技能水平提出了更高的要求，與此同時，產業(yè)智能化會通過加速自動化進程進而替代低技能勞動力，最終擴大對高技能勞動力的需求，降低對低技能勞動力的需求，在改變勞動力結構的同時提高了技能溢價，實證結果驗證了假設1和假設2。

表4 全樣本回歸結果

3.2 異質性檢驗

為了檢驗產業(yè)智能化對不同地區(qū)技能溢價的影響，以及產業(yè)智能化對不同地區(qū)勞動力結構的影響是否一致，本文運用固定效應模型分別對式（10）至式（12）進行估計，結果如下頁表5所示。由表5可知，產業(yè)智能化對不同地區(qū)技能溢價的影響存在較大差異，在東部地區(qū)，產業(yè)智能化水平對技能溢價的影響在1%的水平上顯著為正，即產業(yè)智能化程度的加深會擴大東部地區(qū)工資收入差距，提升技能溢價；在中部地區(qū)，產業(yè)智能化水平對技能溢價產生負向影響，產業(yè)智能化水平越高，工資收入差距越小，技能溢價越??；而在西部地區(qū)，產業(yè)智能化水平對該地區(qū)技能溢價的影響并不顯著。其原因可能與不同地區(qū)經濟發(fā)展程度、產業(yè)智能化水平有關，西部地區(qū)經濟發(fā)展水平、產業(yè)智能化程度相對落后，該地區(qū)智能化發(fā)展對經濟生產、工資收入和技能溢價不產生顯著影響；東部地區(qū)則與西部地區(qū)相反，東部地區(qū)包括北京、上海、廣東、浙江、江蘇和天津等產業(yè)智能化水平較高的省份，智能化發(fā)展對該地區(qū)高技能勞動力產生較強的互補效應，提高了高技能勞動力的生產效率，并同時對低技能勞動力產生替代效應，降低低技能勞動力在經濟生產中的貢獻率，進而擴大兩類勞動力工資收入差距，提升了技能溢價；中部地區(qū)產業(yè)智能化程度處于東西部地區(qū)之間，該地區(qū)智能化水平初具規(guī)模，但仍落后于東部地區(qū)，對企業(yè)生產的推動效應有限，產業(yè)智能化對技能溢價的影響顯著為負。

表5 異質性檢驗估計結果

在勞動力結構方面，產業(yè)智能化對東、中、西部地區(qū)勞動力結構的影響方向與總樣本回歸結果保持高度一致，即產業(yè)智能化會提高高技能勞動力占比，降低低技能勞動力占比，該影響在三個地區(qū)均保持較高的顯著性，但不同地區(qū)的回歸系數大小存在一定的差異，其中，產業(yè)智能化對中部地區(qū)勞動力結構的影響最大，對西部地區(qū)勞動力結構的影響最小，其可能的原因在于：西部地區(qū)產業(yè)智能化水平較低，大多數產業(yè)均以傳統(tǒng)方式進行生產經營，對高技能勞動力的需求小于東部和中部地區(qū)，而在東中部地區(qū)，智能化發(fā)展勢頭迅猛，伴隨著智能化程度的加深，對高技能勞動力的需求愈發(fā)旺盛，對低技能勞動力的替代效應變得更強，進而導致高技能勞動力的占比提高，低技能勞動力的占比下降。此外，與西部地區(qū)相比，中部地區(qū)和東部地區(qū)經濟發(fā)展狀況更好，對高技能勞動力的虹吸效應更強，產業(yè)智能化對東中部地區(qū)勞動力需求和勞動力結構的影響程度要明顯強于西部地區(qū)，該回歸結果進一步驗證了假設1。

3.3 中介效應檢驗

為進一步探討產業(yè)智能化對技能溢價的影響路徑，本文分別將低技能勞動力占比、高技能勞動力占比作為中介變量，分別對式（13）至式（15）進行估計，結果如表6所示。

表6 中介效應檢驗估計結果

估計結果顯示，產業(yè)智能化對技能溢價的影響顯著為正，產業(yè)智能化對低技能勞動力占比的影響顯著為負，對高技能勞動力占比的影響顯著為正，加入勞動力結構作為控制變量后，產業(yè)智能化對技能溢價的影響仍顯著為正，但勞動力結構對技能溢價的影響并不顯著，通過Bootstrap進一步檢驗發(fā)現，高技能勞動力占比和低技能勞動力占比對技能溢價的間接效應均不顯著，表明假設3并不成立①本文也將“高、低技能勞動力之比”作為中介變量進行中介效應檢驗，估計結果顯示中介效應仍然不顯著，即假設3仍不成立。限于篇幅，結果未列示。。

3.4 穩(wěn)健性檢驗

為檢驗結論的穩(wěn)健性，本文通過更換被解釋變量進行穩(wěn)健性檢驗，分別選取信息傳輸、軟件和信息技術服務業(yè)與農林牧漁業(yè)平均工資之比（SkillPre1），金融業(yè)與農林牧漁業(yè)平均工資之比（SkillPre2）作為技能溢價的代理變量。選取科學研究和綜合服務業(yè)就業(yè)總人數與農林牧漁業(yè)就業(yè)總人數的比值（ratio1）、科學研究和綜合服務業(yè)就業(yè)總人數與制造業(yè)就業(yè)總人數的比值（ratio2）作為勞動力結構的代理變量。更換被解釋變量后的估計結果顯示，產業(yè)智能化對技能溢價、勞動力結構的影響均保持較高的顯著性，且影響方向與原估計結果保持一致，表明本文的研究結論具有較強的穩(wěn)健性。

4 結論

本文基于ALM 模型，探討了產業(yè)智能化對技能溢價的影響，并借鑒工信部關于工業(yè)信息融合的指標體系，構建了用于評價產業(yè)智能化程度的綜合指標體系，結合我國省級面板數據，分析了產業(yè)智能化對工資收入差距的影響。通過理論模型和實證檢驗發(fā)現：（1）我國產業(yè)智能化程度逐年遞增，在2007年以前，各省份產業(yè)智能化發(fā)展速度平緩，2008 年后發(fā)展速度較快；（2）各省份間產業(yè)智能化水平存在較大差距，大部分省份的產業(yè)智能化程度處于中低水平，地區(qū)間產業(yè)智能化水平的差距逐年擴大；（3）產業(yè)智能化程度的加深會顯著提升技能溢價，產業(yè)智能化水平越高，技能溢價的幅度越大，智能化發(fā)展對不同地區(qū)技能溢價水平的影響并不相同，對東部地區(qū)主要表現為技能溢價的提升，對中部地區(qū)表現為技能溢價的下降；（4）產業(yè)智能化發(fā)展對勞動力結構也存在顯著影響，對低技能勞動力表現為替代效應，而對高技能勞動力則體現為互補效應，會降低勞動力市場中低技能勞動力的占比，提高高技能勞動力占比。