范世鋮 牛蕊

摘?要：本文利用中國投入產(chǎn)出數(shù)據(jù)，通過研究數(shù)字技術(shù)對相對勞動收入份額的影響，解析數(shù)字技術(shù)、勞動與資本要素收入分配格局的關(guān)系。研究發(fā)現(xiàn)，數(shù)字技術(shù)的提高顯著降低了相對勞動收入份額，其中，相對于制造業(yè)，數(shù)字技術(shù)對服務(wù)業(yè)相對勞動收入份額的影響更大。同時，數(shù)字技術(shù)均顯著降低了勞動密集型和資本密集型行業(yè)的相對勞動收入份額，但對勞動密集型行業(yè)影響更大。在影響機(jī)制方面，數(shù)字技術(shù)對勞動收入份額與資本收入份額的分配驅(qū)動并不均衡，數(shù)字技術(shù)降低了勞動收入份額，卻提高了資本收入份額，導(dǎo)致了相對勞動收入份額的下降。同時，數(shù)字技術(shù)主要通過行業(yè)內(nèi)全要素生產(chǎn)率的提高與行業(yè)間技術(shù)溢出降低相對勞動收入份額，該效應(yīng)在資本密集型行業(yè)中更為明顯。

關(guān)鍵詞：數(shù)字技術(shù)；相對勞動收入份額；全要素生產(chǎn)率；技術(shù)溢出

中圖分類號：F124/F49??文獻(xiàn)標(biāo)識碼：A??文章編號：1001-148X（2024）03-0070-10

收稿日期：2023-10-16

作者簡介：范世鋮（1996—），男，山東濟(jì)南人，博士研究生，研究方向：數(shù)字經(jīng)濟(jì)與國際貿(mào)易；牛蕊（1982—），本文通訊作者，女，山西晉城人，教授，研究方向：國際貿(mào)易與勞動力市場。

基金項目：教育部人文社會科學(xué)規(guī)劃項目“全球價值鏈參與、勞動力市場分割與收入增長的益貧性：微觀數(shù)據(jù)的研究”，項目編號：20YJA790056；國家社會科學(xué)重大項目“全球產(chǎn)業(yè)智能化對我國供應(yīng)鏈安全的影響及對策研究”，項目編號：22&ZD097。

①通過觀察資本主義經(jīng)濟(jì)中的經(jīng)濟(jì)增長過程發(fā)現(xiàn)：第一，對于大多數(shù)主要工業(yè)化國家而言，勞動、資本、產(chǎn)量的增長率近似常數(shù)。第二，產(chǎn)量和資本的增長率大致相等，且大于勞動的增長率。

一、引?言

近年來，數(shù)字要素依托于數(shù)字化技術(shù)產(chǎn)業(yè)發(fā)展迅速，數(shù)字賦能成為國民經(jīng)濟(jì)發(fā)展過程中新的增長來源之一。2020年4月，《中共中央國務(wù)院關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意見》首次將數(shù)據(jù)作為一種新型生產(chǎn)要素寫入文件，作為數(shù)字經(jīng)濟(jì)的載體，依托于數(shù)據(jù)要素，數(shù)字技術(shù)得到全面發(fā)展建設(shè)，數(shù)字經(jīng)濟(jì)的重要程度凸顯至國家戰(zhàn)略層面。2023年《中國數(shù)字經(jīng)濟(jì)發(fā)展報告》顯示，2022年我國數(shù)字經(jīng)濟(jì)規(guī)模已經(jīng)達(dá)到502萬億元，占GDP的415%，數(shù)字經(jīng)濟(jì)發(fā)展速度之快、規(guī)模之大已經(jīng)深刻影響到國民經(jīng)濟(jì)和民眾生活。

收入合理分配是我國實現(xiàn)共同富裕的有效手段之一。要素收入分配作為最基礎(chǔ)的收入分配，其分配不均表現(xiàn)為勞動收入份額與資本收入份額的不平均和不穩(wěn)定，即相對勞動收入份額會產(chǎn)生扭曲?？柖嗍聦崲購?qiáng)調(diào)勞動和資本的收入份額在國民收入中應(yīng)當(dāng)保持穩(wěn)定，但各國實際情況卻與卡爾多事實不符，全球大多數(shù)國家和行業(yè)的勞動力份額均發(fā)生顯著下降［1］。

隨著數(shù)字技術(shù)的發(fā)展，原有要素收入分配格局隨之改變。數(shù)字技術(shù)可能會提高失業(yè)率［2］，同時要素數(shù)字化將可能會提高資本（機(jī)器人、算法等）所有者的收入，加劇勞動者之間的工資不平等，降低勞動收入份額，資本所有權(quán)相對于勞動所有權(quán)更加集中［3］。黨的二十大報告指出，要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)與實體經(jīng)濟(jì)相融合，發(fā)展數(shù)字貿(mào)易，努力提高居民收入在國民要素收入分配中的比重，規(guī)范要素收入分配秩序。因此，研究數(shù)字技術(shù)發(fā)展與要素收入分配格局下勞動、資本所得的關(guān)系意義重大。

現(xiàn)有文獻(xiàn)中，直接研究要素層面數(shù)字技術(shù)對要素收入分配影響的相對較少，大多數(shù)學(xué)者的研究方向集中于數(shù)字經(jīng)濟(jì)對收入不平等、城鄉(xiāng)收入差距的影響，如張勛等（2019）［4］研究發(fā)現(xiàn)數(shù)字金融改善了農(nóng)村居民收入，縮小了城鄉(xiāng)收入差距；王林輝等（2020）［5］研究發(fā)現(xiàn)人工智能技術(shù)引起崗位更迭，擴(kuò)大了高低技術(shù)部門的收入差距；王軍和肖華堂（2021）［6］認(rèn)為數(shù)字經(jīng)濟(jì)發(fā)展與城鄉(xiāng)居民收入差距呈“U”型關(guān)系；趙偉和彭玉婷（2022）［7］研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)的發(fā)展會顯著增加我國收入不平等程度。同時，在測算方法上，國內(nèi)大多數(shù)學(xué)者在宏觀層面上使用熵值法、主成分分析法計算衡量數(shù)字經(jīng)濟(jì)發(fā)展程度，王軍等（2021）［8］使用熵值法測算數(shù)字經(jīng)濟(jì)發(fā)展程度，劉洋和陳曉東（2022）［9］使用主成分分析法計算數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)。關(guān)于收入分配的衡量則多用泰爾指數(shù)、基尼系數(shù)表示，姚玉祥和吳普云（2019）［10］、萬廣華等（2022）［11］使用了基尼系數(shù)和泰爾指數(shù)衡量收入分配，較少直接針對勞動和資本要素報酬研究要素收入分配格局。

在數(shù)字技術(shù)影響要素收入分配的相關(guān)研究中，學(xué)者們更關(guān)注數(shù)字經(jīng)濟(jì)、人工智能對勞動收入份額的影響。部分學(xué)者從企業(yè)層面出發(fā)，如肖土盛等（2022）［12］認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型帶來技術(shù)升級，提高了高技能勞動需求，擠出低技能勞動需求，從而提高了企業(yè)勞動收入份額。趙春明等（2023）［13］使用上市公司數(shù)據(jù)，研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型顯著提升了勞動收入份額。同時部分學(xué)者研究認(rèn)為人工智能、智能制造等會降低勞動收入份額。Karabarbounis和Neiman（2013）［1］研究發(fā)現(xiàn)計算機(jī)和信息技術(shù)的進(jìn)步促使勞動向資本進(jìn)行轉(zhuǎn)變，勞動力收入份額的下降多依賴于資本價格的下降。宋旭光和杜軍紅（2021）［14］研究發(fā)現(xiàn)，智能制造與傳統(tǒng)生產(chǎn)方式替代彈性互補(bǔ)，降低了勞動收入份額，同時智能制造提高了平均工資率和勞動生產(chǎn)率，要素間互補(bǔ)關(guān)系使勞動生產(chǎn)率提高，進(jìn)而對資本和智能制造產(chǎn)生超額需求，提高了資本和智能制造所得，限制了勞動收入份額提高。鈔小靜和周文慧（2021）［15］基于我國省級面板數(shù)據(jù)，研究發(fā)現(xiàn)人工智能短期內(nèi)不利于勞動收入份額的提升。蘆婷婷和祝志勇（2021）［16］同樣使用我國省級面板數(shù)據(jù)，研究發(fā)現(xiàn)人工智能顯著降低了勞動收入份額。

研究結(jié)論中，部分學(xué)者認(rèn)為偏向性技術(shù)進(jìn)步是導(dǎo)致我國勞動收入份額下降的原因，偏向性技術(shù)進(jìn)步多依賴于資本偏向性。姚毓春等（2014）［17］認(rèn)為我國工業(yè)部門技術(shù)進(jìn)步偏向資本方向發(fā)展，導(dǎo)致資本收入份額的上升和勞動收入份額的下降。朱琪和劉紅英（2020）［18］認(rèn)為人工智能具有資本偏向性，使用資本替代勞動，從而降低了勞動收入份額，擴(kuò)大了要素收入的差距。吳鵬和常遠(yuǎn)（2021）［19］研究認(rèn)為我國技術(shù)進(jìn)步為資本和技能偏向，技能溢價的提高降低了勞動收入份額，惡化了要素收入分配。

綜上，現(xiàn)有文獻(xiàn)在要素層面關(guān)注數(shù)字技術(shù)對勞動、資本要素收入分配格局的影響較為有限?；诖?，本文從要素技術(shù)的視角出發(fā)，使用相對勞動收入份額，即勞動收入份額與資本收入份額的比值來衡量要素收入分配狀況，研究數(shù)字技術(shù)對相對勞動收入份額的影響，嘗試刻畫數(shù)字技術(shù)對我國要素收入分配格局的影響，可以對現(xiàn)有研究中數(shù)字要素技術(shù)層面對勞動、資本在要素收入格局中的分配狀況作出有益補(bǔ)充。

本文的邊際貢獻(xiàn)主要體現(xiàn)在以下幾個方面：第一，在數(shù)字經(jīng)濟(jì)高速發(fā)展的背景下，本文在要素收入分配的視角下探究了數(shù)字技術(shù)對相對勞動收入份額的影響，同時也體現(xiàn)了數(shù)字技術(shù)發(fā)展對勞動、資本要素收入份額的影響以及影響途徑，為深入剖析新發(fā)展階段的勞動收入分配提供了新的視角，對現(xiàn)有的勞動收入分配理論框架進(jìn)行了有益的擴(kuò)展；第二，不同于熵值法等一般從宏觀層面對數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)的構(gòu)建方法，本文主要從投入產(chǎn)出的角度構(gòu)建數(shù)字技術(shù)指標(biāo)，且使用相對勞動收入份額指標(biāo)來直觀體現(xiàn)要素收入分配，實證檢驗了數(shù)字技術(shù)對要素收入分配的影響及其途徑，為理論研究提供了實證支持，推動對數(shù)字化時代要素收入分配變化的深入理解，豐富實證研究成果；第三，為制定和完善相關(guān)政策提供參考，促進(jìn)數(shù)字技術(shù)的可持續(xù)發(fā)展，運(yùn)用數(shù)字技術(shù)改善我國要素收入分配狀況以應(yīng)對數(shù)字化時代下的收入分配挑戰(zhàn)，減小收入差距，促進(jìn)社會公平和共同富裕。

二、理論模型和研究假說

數(shù)字經(jīng)濟(jì)的發(fā)展深刻影響著我國社會的要素收入分配格局，在此背景下，本文建立CES生產(chǎn)函數(shù)，假設(shè)生產(chǎn)技術(shù)的發(fā)展完全來自數(shù)字要素，生產(chǎn)函數(shù)中包含資本和勞動：

Y=A·θ·Kσ－1σ+（1－θ）·Lσ－1σσσ－1

其中，Y為總產(chǎn)出，A為數(shù)字技術(shù)，K為資本投入，L為勞動投入，θ為投入比率，0<θ<1，σ為資本、勞動要素投入的替代彈性，σ>1。

利潤最大化下，一階條件為：w=YL·P，r=YK·P，wr=YL/YK。設(shè)E為相對勞動收入份額，則E=wL/YrK/Y=1－θθ·LKσ－1σ。

由生產(chǎn)函數(shù)可得，YAσ－1σ=θ·Kσ－1σ+（1－θ）·Lσ－1σ，

那么YAKσ－1σ·1θ=1－θθ·LKσ－1σ+1，即YAKσ－1σ·1θ=E+1，

兩邊取對數(shù)可得，ln（E+1）=σ－1σlnY－σ－1σlnA－σ－1σlnK－lnθ，即在資本投入偏向下，對上式求偏導(dǎo)數(shù)可得，ln（E+1）lnA=－σ－1σ<0。

由于正單調(diào)變化不改變偏導(dǎo)數(shù)的符號，上式即lnElnA<0，也即數(shù)字技術(shù)的提高降低了相對勞動收入份額。因此，本文提出以下假說：

H1：數(shù)字技術(shù)的提高降低了相對勞動收入份額。

在此基礎(chǔ)上，本文進(jìn)一步分析數(shù)字化程度提高降低相對勞動收入份額的原因，本文認(rèn)為：首先，數(shù)字技術(shù)的發(fā)展多來自資本的投入，呈現(xiàn)資本偏向性的特點(diǎn)，因此，數(shù)字技術(shù)所得會提高資本回報率，勞動回報率相對于資本回報率會下降，勞動生產(chǎn)率盡管得到提高，但在平均工資粘性的情形下，勞動收入份額可能下降。同時，數(shù)字技術(shù)的發(fā)展可能產(chǎn)生一系列的替代作用，資本投入所帶來的自動化、人工智能化替代了勞動［20-21］，越來越多的基礎(chǔ)工作被替代，特別是重復(fù)工作性質(zhì)的低技能勞動力，腦力勞動的高技能勞動力在數(shù)字化程度較高時也將會被替代，從而產(chǎn)生大量剩余勞動力［22］，中等收入群體可能被擠壓至低端服務(wù)業(yè)，勞動所得與收入份額下降［23-24］，數(shù)字化的發(fā)展促使了資本品相對價格的下降，更多的勞動轉(zhuǎn)向資本［1］。基于此，本文提出以下假說：

H2：數(shù)字技術(shù)通過降低勞動收入份額，提高資本收入份額，從而降低相對勞動收入份額。

其次，有偏的技術(shù)進(jìn)步導(dǎo)致了要素之間分配的偏向性［25］，數(shù)字技術(shù)多被視為資本偏向性的技術(shù)進(jìn)步，技術(shù)進(jìn)步與技能偏向會形成資本深化［26］，勞動力報酬份額會減少［27］，導(dǎo)致相對資本收入份額提高。數(shù)字經(jīng)濟(jì)背景下大數(shù)據(jù)、人工智能等新技術(shù)的發(fā)展依托于資本投入，我國是資本偏向的技術(shù)進(jìn)步［28］，這導(dǎo)致了資本的高邊際產(chǎn)出及回報，資本深化導(dǎo)致了勞動份額的減少［29］。同時數(shù)字創(chuàng)新帶來的“贏者通吃”的市場結(jié)構(gòu)導(dǎo)致了市場份額的不穩(wěn)定性［30］，高生產(chǎn)率、高技術(shù)水平的行業(yè)有更高的行業(yè)集中度，勞動生產(chǎn)率卻下降［31］，數(shù)字化技術(shù)進(jìn)步帶來的低搜索成本、低運(yùn)輸成本等使其能夠更好地享受技術(shù)外溢等正外部性優(yōu)勢，最終使得資本的回報率大，勞動收入份額下降。數(shù)字技術(shù)帶來的相關(guān)技術(shù)水平和生產(chǎn)率的提高會大幅提升勞動者生產(chǎn)率，在平均工資粘性的情況下會降低勞動收入份額，從而降低相對勞動收入份額。因此，本文從以上角度出發(fā)，考慮數(shù)字技術(shù)影響全要素生產(chǎn)率帶來的生產(chǎn)率效應(yīng)和行業(yè)間技術(shù)溢出帶來的規(guī)模效應(yīng)，提出以下假說：

H3：數(shù)字技術(shù)提高了全要素生產(chǎn)率和行業(yè)間技術(shù)外溢水平，從而降低了相對勞動收入份額。

三、指標(biāo)計算與數(shù)據(jù)來源

（一）指標(biāo)計算

1.相對勞動收入份額

相對勞動收入份額的計算為，相對勞動收入份額=勞動收入份額/資本收入份額，勞動收入份額=勞動所得/產(chǎn)值，資本收入份額=資本所得/產(chǎn)值，借鑒戴天仕和徐現(xiàn)祥（2010）［29］的研究，其中，勞動所得為勞動者報酬與部分生產(chǎn)稅凈額的和，資本所得為固定資產(chǎn)折舊加營業(yè)盈余與部分生產(chǎn)稅凈額的和，假設(shè)勞動與資本共同分擔(dān)生產(chǎn)稅凈額，則勞動所得=勞動報酬+生產(chǎn)稅凈額×（勞動者報酬）/（勞動者報酬+固定資產(chǎn)折舊+營業(yè)盈余），資本所得=固定資產(chǎn)折舊+營業(yè)盈余+生產(chǎn)稅凈額×（固定資產(chǎn)折舊+營業(yè)盈余）/（勞動者報酬+固定資產(chǎn)折舊+營業(yè)盈余），產(chǎn)出=勞動所得+資本所得。

2.數(shù)字技術(shù)水平

數(shù)字技術(shù)水平使用要素層面的數(shù)字投入衡量，可以更好地反映行業(yè)與行業(yè)間的數(shù)字經(jīng)濟(jì)發(fā)展程度與數(shù)字化技術(shù)發(fā)展水平。數(shù)字投入要素的計算基于中國投入產(chǎn)出表，在投入產(chǎn)出分析的基礎(chǔ)上，使用直接消耗和完全消耗系數(shù)來衡量數(shù)字技術(shù)水平，其中直接消耗的計算公式為aij=Xij/Xj，直接消耗系數(shù)aij反映了數(shù)字技術(shù)行業(yè)部門與其他行業(yè)部門之間的直接依存的關(guān)系，表示j部門生產(chǎn)一單位產(chǎn)品，j部門對數(shù)字行業(yè)部門產(chǎn)品的消耗量，Xij反映了數(shù)字化部門對其他部門的要素投入，Xj為行業(yè)部門j的產(chǎn)出水平。

相對于直接消耗系數(shù)來說，完全消耗系數(shù)不僅包括其他行業(yè)部門對數(shù)字化行業(yè)部門的直接消耗，還包括間接消耗，即某一行業(yè)部門通過其他行業(yè)部門對數(shù)字化行業(yè)部門的要素消耗，完全消耗系數(shù)的計算公式為bij=aij+∑Nn=1ainanj+∑Nm=1∑Nn=1ainanjamn+…，其中，aij為直接消耗系數(shù)，∑Nn=1ainanj為部門i通過部門n對數(shù)字化部門的一次間接消耗，∑Nm=1∑Nn=1ainanjamn為行業(yè)部門i通過部門m、n對數(shù)字化部門的二次間接消耗，以此類推得到對數(shù)字化部門的完全消耗。完全消耗系數(shù)的矩陣表達(dá)形式為：B=A+A2+A3+…=（I－A）－1－I，A為直接消耗系數(shù)矩陣，I為單位矩陣。

由于完全消耗系數(shù)相對直接消耗系數(shù)更能全面反映其他行業(yè)部門對數(shù)字化行業(yè)部門的消耗程度，因此本文使用完全消耗系數(shù)bij來表示各行業(yè)部門的數(shù)字技術(shù)水平。在此基礎(chǔ)上，由于完全消耗系數(shù)與直接消耗系數(shù)為絕對指標(biāo)，為更好反映二者在總投入中的重要程度，使用相對指標(biāo)完全依賴度來進(jìn)一步衡量數(shù)字投入要素水平，其計算公式為：Dig=∑jbij/∑kbik，Dig表示某一行業(yè)部門對數(shù)字化行業(yè)部門的完全消耗與其對所有完全消耗系數(shù)和的占比，同理直接依賴度為某一行業(yè)部門對數(shù)字化行業(yè)部門的直接消耗與其對所有直接消耗系數(shù)和的占比。其中，數(shù)字行業(yè)部門的劃分借鑒陳夢根和張鑫（2022）［32］的研究，將中國投入產(chǎn)出表中通信設(shè)備、計算機(jī)及其他電子設(shè)備制造業(yè)和信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)定義為數(shù)字化行業(yè)部門，通信設(shè)備、計算機(jī)及其他電子設(shè)備制造業(yè)包括計算機(jī)、通信設(shè)備、廣播電視設(shè)備和雷達(dá)及配套設(shè)備、視聽設(shè)備、電子元器件、其他電子設(shè)備行業(yè)，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)包括電信、廣播電視及衛(wèi)星傳輸服務(wù)、互聯(lián)網(wǎng)和相關(guān)服務(wù)、軟件服務(wù)、信息技術(shù)服務(wù)行業(yè)。

3.全要素生產(chǎn)率

全要素生產(chǎn)率指的是技術(shù)進(jìn)步的效率，即除去資本、勞動要素投入之后剩余的要素如技術(shù)、創(chuàng)新等要素發(fā)揮的作用，代表著行業(yè)發(fā)展的能力與水平。本文測算了在行業(yè)部門層面上全要素生產(chǎn)率的變化，全要素生產(chǎn)率的計算使用的是非參數(shù)估計的DEA-Malmquist指數(shù)模型，DEA-Malmquist指數(shù)模型的計算使用投入產(chǎn)出數(shù)據(jù)，這可以更好地反映宏觀層面行業(yè)間生產(chǎn)效率的動態(tài)變化，其中投入變量使用的是勞動人數(shù)和資本存量，產(chǎn)出變量使用的是增加值，均進(jìn)行平減處理。由于DEA-Malmquist指數(shù)模型計算的是全要素生產(chǎn)率同上期的變化，本文借鑒邱斌等（2008）［33］、陳南旭和王林濤（2022）［34］的方法，以2012年為基期，將其設(shè)定為1，將Malmquist指數(shù)累乘得到每期全要素生產(chǎn)率相對于基期全要素生產(chǎn)率的變化情況。

其中，資本存量的計算借鑒張軍等（2004）［35］，固定資本形成總額使用固定資產(chǎn)投資價格指數(shù)以2012年進(jìn)行平減，使用永續(xù)盤存法計算資本存量，計算公式為Kit=Iit+（1-δit）Kit-1，其中Kit為資本存量，Iit為固定資產(chǎn)形成總額，δit為折舊率，折舊率取96%。由于投入產(chǎn)出表無法體現(xiàn)各部門勞動人數(shù)的投入數(shù)量，也無與投入產(chǎn)出表口徑一致的就業(yè)人數(shù)，故本文借鑒張鐘文等（2017）［36］的方法，使用各部門勞動報酬比城鎮(zhèn)單位行業(yè)平均工資來估算勞動投入人數(shù)，其中制造業(yè)細(xì)分行業(yè)的勞動投入以各細(xì)分行業(yè)的規(guī)模以上工業(yè)企業(yè)占制造業(yè)總?cè)藬?shù)的比重為權(quán)數(shù)估算，數(shù)據(jù)來自中國統(tǒng)計年鑒。

4.行業(yè)技術(shù)溢出水平

行業(yè)部門之間不僅存在產(chǎn)品之間的直接消耗與間接消耗，也存在相互之間的技術(shù)溢出，技術(shù)溢出反映了行業(yè)部門之間的相互依存程度，技術(shù)溢出水平的提高可以促進(jìn)行業(yè)部門之間的交流合作，更進(jìn)一步提高行業(yè)部門的生產(chǎn)效率，降低生產(chǎn)成本。行業(yè)技術(shù)溢出水平的計算借鑒林晨等（2022）［37］的方法，TSi=∑i≠jwijRDj，TS為其他行業(yè)部門技術(shù)溢出到行業(yè)部門i的水平，RD為其他行業(yè)部門的研究投入值，取投入產(chǎn)出表中其他行業(yè)部門對科學(xué)研究和技術(shù)服務(wù)行業(yè)部門的中間使用值來衡量。wij為行業(yè)間投入的相似程度，可由兩行業(yè)間直接消耗系數(shù)的角余弦值計算得到：wij=∑nanianj∑na2ni×∑na2nj，其中，ani、anj表示由投入產(chǎn)出表得到的直接消耗系數(shù)矩陣中i、j行業(yè)第n行的直接消耗系數(shù)。

5.控制變量

借鑒已有文獻(xiàn)，控制變量的選取如下：行業(yè)規(guī)模（lny），為總產(chǎn)出水平取對數(shù)；增加值規(guī)模（lnz），為增加值額取對數(shù)；資本深化（lns），為固定資產(chǎn)形成總額比產(chǎn)出加一取對數(shù)；進(jìn)口規(guī)模（lnim），為進(jìn)口額加一取對數(shù)；出口規(guī)模（lnex），為出口額加一取對數(shù)。以上所有變量的描述性統(tǒng)計見表1。

（二）數(shù)據(jù)來源

本文的數(shù)據(jù)主要來源于國家統(tǒng)計局的中國投入產(chǎn)出數(shù)據(jù)和中國統(tǒng)計年鑒數(shù)據(jù)，使用2012年、2015年、2017年、2018年與2020年的中國投入產(chǎn)出表，并整合為40行業(yè)部門。由于中國投入產(chǎn)出表不連續(xù)的特點(diǎn)，本文根據(jù)時間相近的原則，使用2012年的數(shù)據(jù)用于2012—2013年，2015年的數(shù)據(jù)用于2014—2015年，2017年的數(shù)據(jù)用于2016—2017年，2018年的數(shù)據(jù)用于2018—2019年，2020年的數(shù)據(jù)用于2020年。

四、模型設(shè)計與實證結(jié)果分析

（一）模型設(shè)計

為研究數(shù)字技術(shù)與相對勞動收入份額之間的關(guān)系，本文構(gòu)建如下的計量模型進(jìn)行回歸分析：

lnxdsrfe=α1lndig+βiXi+α0+εi+δi+φi（1）

其中，lnxdsrfe為相對勞動收入份額的對數(shù)，lndig為數(shù)字技術(shù)水平的對數(shù)，Xi為控制變量，α1、βi為系數(shù)，α0為截距項，εi為隨機(jī)擾動項，δi為行業(yè)固定效應(yīng)，φi為時間固定效應(yīng)。

（二）實證結(jié)果分析

1.基準(zhǔn)回歸

表2列1）為未加控制變量且未控制行業(yè)與時間固定效應(yīng)得到的回歸結(jié)果，列（2）為增加控制變量但未控制行業(yè)與時間固定效應(yīng)得到的回歸結(jié)果，列（3）為未加控制變量但控制了行業(yè)與時間固定效應(yīng)得到的回歸結(jié)果，列（4）為增加控制變量且控制了行業(yè)與時間固定效應(yīng)得到的回歸結(jié)果，所有的回歸結(jié)果均顯示數(shù)字技術(shù)水平的提高顯著降低了相對勞動收入份額，要素收入分配在一定程度上被扭曲，這驗證了假說H1?？赡艿脑蛟谟跀?shù)字技術(shù)的提高產(chǎn)生了部分替代效應(yīng)，數(shù)字化的發(fā)展代替了部分的勞動者，勞動者被擠出，對勞動的需求下降，勞動供需出現(xiàn)不平衡，又因為數(shù)字化程度的提高依賴于資本的投入，數(shù)字技術(shù)發(fā)展的過程中的資本偏向性無法平衡勞動和資本博弈的過程，最終造成了相對勞動收入份額的下降。

2.內(nèi)生性與穩(wěn)健性檢驗

（1）內(nèi)生性檢驗?；鶞?zhǔn)回歸中控制了行業(yè)部門固定效應(yīng)和時間固定效應(yīng)和一系列控制變量后，在一定程度上控制了可能出現(xiàn)的遺漏變量導(dǎo)致的內(nèi)生性問題，但為了更好地控制遺漏變量、測量誤差和雙向因果可能帶來的內(nèi)生性問題，本文借鑒Lewbel（2012）［38］與何小鋼等（2023）［39］的方法，通過異方差來構(gòu)建工具變量，即滿足：Y1=Y2β+Xγ+ε1，ε1=cU+V1，Y2=Xα+ε2，ε2=U+V2，其中，Y1為相對勞動收入份額，Y2為數(shù)字技術(shù)代理變量，X為所有控制變量集合，ε1、ε2為誤差項，U為不可觀測因素，V1、V2為異質(zhì)性誤差。通過構(gòu)造［Z-E（Z）］ε2作為工具變量，其中Z全部來自X。工具變量得到的回歸結(jié)果見表3列（1），回歸結(jié)果表明數(shù)字技術(shù)的提高降低了相對勞動收入份額水平，同時不可識別檢驗（K-P?LM）拒絕原假設(shè)，說明工具變量是可識別的，弱工具變量檢驗（K-P?Wald?F）說明不存在弱工具變量問題，也不存在過度識別問題（Hansen?J），說明本文的結(jié)果是穩(wěn)健的。

（2）穩(wěn)健性檢驗。本文主要使用替換解釋變量、選取不同時間跨度的方法進(jìn)行穩(wěn)健性分析。文中主要解釋變量為數(shù)字技術(shù)水平，是基于數(shù)字化行業(yè)部門與其他行業(yè)部門的完全消耗系數(shù)計算的完全依賴度，為證明基準(zhǔn)回歸的穩(wěn)定性，本文使用絕對量即數(shù)字化行業(yè)部門與其他行業(yè)部門的完全消耗系數(shù)來替代完全依賴度進(jìn)行回歸，也使用數(shù)字化行業(yè)部門與其他行業(yè)部門的直接消耗系數(shù)計算的直接依賴度來替代完全依賴度進(jìn)行回歸。同時考慮到2020年的新冠疫情的影響時去除了2020年樣本。

表3列（2）為絕對量層面數(shù)字技術(shù)水平對相對勞動收入份額的回歸結(jié)果，表3列（3）為直接依賴度的數(shù)字技術(shù)水平對相對勞動收入份額的回歸結(jié)果，回歸結(jié)果顯示，數(shù)字技術(shù)水平顯著降低了相對勞動投入份額，與基準(zhǔn)結(jié)果一致，說明回歸結(jié)果是穩(wěn)健的。列（4）回歸結(jié)果表明，去掉2020年剩余時間跨度內(nèi)數(shù)字技術(shù)的提高顯著降低了相對勞動收入份額，這與本文的基準(zhǔn)回歸結(jié)果一致，說明回歸結(jié)果是穩(wěn)健的。

3.異質(zhì)性檢驗

考慮行業(yè)的異質(zhì)性，數(shù)字技術(shù)對相對勞動收入份額會帶來的不同影響，本文將行業(yè)區(qū)分為服務(wù)業(yè)與制造業(yè)，勞動密集型行業(yè)與資本密集型行業(yè)，從兩個角度出發(fā)檢驗不同類型產(chǎn)業(yè)、行業(yè)間數(shù)字技術(shù)對要素收入分配產(chǎn)生的異質(zhì)性影響，詳細(xì)結(jié)果如下：

表4列（1）和列（2）的回歸結(jié)果顯示，數(shù)字技術(shù)水平顯著降低了服務(wù)業(yè)的相對勞動收入份額，但對制造業(yè)的相對勞動收入份額提高的影響不顯著，即相對于制造業(yè)來說，數(shù)字技術(shù)的發(fā)展更易導(dǎo)致服務(wù)業(yè)相對勞動收入份額的降低?？赡艿脑蛟谟冢菏紫龋驗榉?wù)業(yè)集中于大量勞動，又因為數(shù)字技術(shù)替代效應(yīng)的存在，可能有大量其他行業(yè)低技能勞動力進(jìn)入服務(wù)業(yè)，如制造業(yè)中做重復(fù)性工作的工人、低技能的勞動者被替代，被替代的勞動者流向了服務(wù)業(yè)，加劇了服務(wù)業(yè)勞動力市場的競爭，從而數(shù)字技術(shù)降低服務(wù)業(yè)相對勞動收入份額的沖擊效應(yīng)更大；其次，相對于制造業(yè)，服務(wù)業(yè)的高勞動收入份額與高勞動報酬與其生產(chǎn)率并不相配，由于數(shù)字技術(shù)水平提高較能契合服務(wù)業(yè)的發(fā)展，數(shù)字技術(shù)提高了服務(wù)業(yè)的勞動生產(chǎn)率，由剩余價值理論可知，這降低了服務(wù)業(yè)的勞動收入份額，進(jìn)而降低了相對勞動收入份額。

表4列（3）和列（4）的結(jié)果表明，數(shù)字技術(shù)水平均顯著降低了勞動密集型行業(yè)與資本密集型行業(yè)的相對勞動收入份額，但對勞動密集型行業(yè)的影響程度要大于資本密集型行業(yè)?？赡艿脑蛟谟?，數(shù)字技術(shù)降低了相對勞動收入份額，勞動密集型行業(yè)因此更易受到影響。一方面，數(shù)字技術(shù)的發(fā)展，如數(shù)字平臺的搭建形成了新型壟斷，生產(chǎn)者和消費(fèi)者剩余都被大量攫取，處于弱勢的勞動收入份額必然會降低，尤其在勞動密集型行業(yè)中；另一方面，勞動密集型行業(yè)多依賴于勞動投入，但勞動力尤其是低技能水平的勞動力是容易被數(shù)字化技術(shù)所替代的，數(shù)字化程度的提高使得機(jī)器設(shè)備更加智能化，去勞動力化越來越明顯，勞動密集型行業(yè)受到的影響更甚，其相對勞動收入份額降低程度更大。

五、影響機(jī)制檢驗

由基準(zhǔn)回歸可知，數(shù)字技術(shù)水平顯著降低了相對勞動收入份額，為驗證假說H2與假說H3，本文分兩步檢驗數(shù)字技術(shù)顯著降低相對勞動收入份額的影響機(jī)制，首先檢驗數(shù)字技術(shù)對勞動收入份額與資本收入份額產(chǎn)生的不同影響，然后構(gòu)建中介效應(yīng)模型，驗證全要素生產(chǎn)率與行業(yè)間技術(shù)溢出是否為數(shù)字技術(shù)降低相對勞動收入份額的原因，并在此基礎(chǔ)上討論了兩種機(jī)制的異質(zhì)性分析。

（一）數(shù)字技術(shù)水平與勞動收入份額、資本收入份額

相對勞動投入份額是勞動收入份額與資本收入份額之比，研究數(shù)字技術(shù)降低相對勞動收入份額的原因，首先需要明確數(shù)字技術(shù)影響勞動收入份額與資本收入份額的效果。因此，本文將式（1）中被解釋變量相對勞動收入份額分別替換為勞動收入份額與資本收入份額，然后進(jìn)行回歸，得到的回歸結(jié)果見表5。

表5列（1）為數(shù)字技術(shù)水平與勞動收入份額的回歸結(jié)果，回歸結(jié)果表明，數(shù)字技術(shù)水平的提高顯著降低了勞動收入份額，列（2）為數(shù)字技術(shù)水平與資本收入份額的回歸結(jié)果，回歸結(jié)果表明數(shù)字技術(shù)水平的提高顯著提高了資本收入份額。數(shù)字技術(shù)帶來的資本收入份額相對于勞動收入份額的提高造成了相對勞動收入份額的下降，假說H2得到驗證。

數(shù)字技術(shù)帶來的資本收入份額相對于勞動收入份額的提高造成了相對勞動收入份額的下降，可能的原因是數(shù)字化的進(jìn)程多由資本所推動，越來越多的生產(chǎn)所得被資本占有，資本報酬得到提高，數(shù)字技術(shù)使資本收入份額水平更高，拉大了資本收入份額與勞動收入份額之間的差距。同時，我國經(jīng)濟(jì)發(fā)展水平不斷提高，人口紅利逐步消失，越來越多的勞動，尤其是簡單重復(fù)勞動在數(shù)字化的進(jìn)程中更進(jìn)一步被取代，勞動者被迫轉(zhuǎn)行、流動，成為勞動力市場的弱勢群體，造成部分勞動者的勞動報酬逐漸下降，數(shù)字化進(jìn)程擠壓低技能勞動者的勞動所得，其勞動收入份額逐漸下降。綜合資本的偏向性與數(shù)字化下對勞動的替代性，導(dǎo)致了相對勞動收入份額的下降。

（二）中介效應(yīng)檢驗

數(shù)字技術(shù)的發(fā)展降低了相對勞動收入份額，帶來了要素收入分配的扭曲，數(shù)字技術(shù)通過不同渠道來影響相對勞動收入份額，從資本偏向性技術(shù)進(jìn)步和剩余價值理論的角度出發(fā)，數(shù)字技術(shù)可以通過影響全要素生產(chǎn)率和技術(shù)溢出，從而提高資本所得，降低相對勞動收入份額。

全要素生產(chǎn)率衡量著行業(yè)自身生產(chǎn)效率和發(fā)展能力的變化，行業(yè)間技術(shù)溢出代表著行業(yè)技術(shù)水平以及部門間的相互作用，高的生產(chǎn)率和行業(yè)間技術(shù)溢出水平更有利于資本所得的擴(kuò)張。同時，二者帶來的勞動生產(chǎn)率的大幅提升會降低勞動收入份額，提高資本收入份額，從而降低相對勞動收入份額。數(shù)字化的進(jìn)程必然帶來全要素生產(chǎn)率和行業(yè)間技術(shù)的變化，全要素生產(chǎn)率和行業(yè)間技術(shù)的變化也必然對相對勞動收入份額產(chǎn)生影響。因此，本文以全要素生產(chǎn)率和行業(yè)間技術(shù)外溢作為中介變量，研究數(shù)字技術(shù)對相對勞動收入份額的影響渠道。

綜上分析，檢驗全要素生產(chǎn)率的變化與行業(yè)間技術(shù)外溢作為數(shù)字技術(shù)與相對勞動收入份額間的中介變量，構(gòu)建以下回歸模型：

lnxdsrfe=α11lndig+βi1Xi1+α01+εi1+δi1+φi1（2）

lnchanneli=α12lndig+βi2Xi2+α02+εi2+δi2+φi2（3）

lnxdsrfei=γilnchanneli+α13lndig+βi3Xi3+α03+εi3+δi3+φi3（4）

其中，channeli為中介變量，當(dāng)i=1時為全要素生產(chǎn)率，i=2時為行業(yè)間技術(shù)外溢，lnxdsrfe為相對勞動收入份額，lndig為數(shù)字技術(shù)水平，α1j、βij、γi為系數(shù)，α0j為截距項，εij、δij、φij分別為隨機(jī)擾動項、行業(yè)固定效應(yīng)和時間固定效應(yīng)。

表6反映了式（2）、式（3）的回歸結(jié)果，式（1）的回歸結(jié)果即基準(zhǔn)回歸結(jié)果。列（1）和列（3）反映的是全要素生產(chǎn)率作為中介變量的回歸結(jié)果，回歸結(jié)果表明，數(shù)字技術(shù)提高了全要素生產(chǎn)率，全要素生產(chǎn)率的提高降低了相對勞動收入份額，二者均是顯著的，說明全要素生產(chǎn)率是有效的中介變量，數(shù)字技術(shù)通過提高全要素生產(chǎn)率進(jìn)而降低了相對勞動投入份額，全要素生產(chǎn)率的變化是數(shù)字技術(shù)降低相對勞動投入份額的原因之一，假說H3得到驗證。數(shù)字技術(shù)的發(fā)展帶來全要素生產(chǎn)率的變化，勞動收入份額相對資本收入份額的占比下降，勞動者所得進(jìn)一步降低。

列（2）和列（4）表明行業(yè)間技術(shù)外溢作為中介變量的回歸結(jié)果，可以看出，數(shù)字技術(shù)顯著提高了行業(yè)間的技術(shù)外溢水平，同時行業(yè)間的技術(shù)外溢顯著降低了相對勞動收入份額，這說明行業(yè)間的技術(shù)外溢也是有效的中介變量，數(shù)字技術(shù)通過促進(jìn)行業(yè)間的技術(shù)外溢降低了相對勞動收入份額，行業(yè)間的技術(shù)外溢是影響數(shù)字技術(shù)降低相對勞動收入份額的渠道之一，這同樣驗證了假說H3。數(shù)字技術(shù)以其低廉的傳輸成本，極高的聯(lián)通效率，降低了行業(yè)間溝通交流成本，較低的邊際成本帶來了較高的技術(shù)收益、生產(chǎn)率的提高，行業(yè)間技術(shù)外溢程度越高，勞動和資本的流動性也會越高，帶來的結(jié)果往往造成勞動力發(fā)揮的作用要逐漸小于資本的作用，勞動報酬尤其是低技能勞動報酬相對資本報酬降低，資本的報酬上升，相對勞動收入份額降低。

（三）影響機(jī)制的異質(zhì)性檢驗

數(shù)字技術(shù)提升全要素生產(chǎn)率和行業(yè)間技術(shù)外溢從而降低相對勞動收入份額，其原因在于全要素生產(chǎn)率和行業(yè)間技術(shù)外溢有著資本和技術(shù)偏向性，從而提升了資本收入份額，降低了勞動收入份額。表7報告了在不同要素密集度下數(shù)字技術(shù)對全要素生產(chǎn)率和行業(yè)間技術(shù)外溢的異質(zhì)性影響，其中列（1）和列（2）為數(shù)字技術(shù)對全要素生產(chǎn)率的回歸結(jié)果，列（3）和列（4）為數(shù)字技術(shù)對行業(yè)間技術(shù)外溢的回歸結(jié)果。

表7的回歸結(jié)果均顯示，數(shù)字技術(shù)對資本密集型行業(yè)的全要素生產(chǎn)率、行業(yè)間技術(shù)外溢的影響更大，這說明了數(shù)字技術(shù)提高全要素生產(chǎn)率和行業(yè)間技術(shù)溢出更偏向資本集中的情形，資本的投入越多，數(shù)字技術(shù)對于全要素生產(chǎn)率和行業(yè)間技術(shù)溢出的影響更顯著，這也從側(cè)面說明了數(shù)字技術(shù)降低相對勞動收入份額更多地在于資本投入和資本回報的提升，進(jìn)而扭曲了要素收入分配格局。

六、結(jié)論與建議

數(shù)字技術(shù)促進(jìn)了數(shù)字經(jīng)濟(jì)的發(fā)展，數(shù)字化水平的提高為經(jīng)濟(jì)社會帶來諸多好處，但在其高速發(fā)展的同時往往伴隨著勞動者的收入份額下降，要素收入分配進(jìn)一步被扭曲，可能會導(dǎo)致貧富差距進(jìn)一步擴(kuò)大，社會公平和共同富裕受到挑戰(zhàn)。基于此，本文在要素收入分配視角下，考察數(shù)字技術(shù)與相對勞動收入份額的關(guān)系，結(jié)論如下：（1）數(shù)字技術(shù)水平的提高顯著降低了相對勞動收入份額，并通過了內(nèi)生性和穩(wěn)健性檢驗。在異質(zhì)性檢驗中，相對于制造業(yè)，數(shù)字技術(shù)顯著降低了服務(wù)業(yè)的相對勞動收入份額，同時數(shù)字技術(shù)顯著降低了勞動密集型行業(yè)與資本密集型行業(yè)的相對勞動收入份額，但對勞動密集型行業(yè)的影響程度更大。（2）數(shù)字技術(shù)降低了勞動投入份額，卻提高了資本投入份額，從而導(dǎo)致了相對勞動收入份額的下降。（3）行業(yè)部門的全要素生產(chǎn)率與行業(yè)間的技術(shù)外溢水平的提高是影響數(shù)字技術(shù)降低勞動收入份額的兩個渠道，且在資本密集型行業(yè)中體現(xiàn)得更加明顯。

基于以上結(jié)論，提出以下建議：

第一，數(shù)字技術(shù)不斷上升帶來數(shù)字經(jīng)濟(jì)持續(xù)發(fā)展，在數(shù)字化進(jìn)程中政府應(yīng)當(dāng)引導(dǎo)和處理好已經(jīng)出現(xiàn)和潛在存在的問題，要充分考慮到可能會被數(shù)字化進(jìn)程影響的行業(yè)和群體，制定和完善相應(yīng)安置和補(bǔ)貼等政策對策，進(jìn)行行業(yè)結(jié)構(gòu)轉(zhuǎn)型和勞動者的職業(yè)技能培訓(xùn)，降低其可替代性，充分提高其競爭力，維護(hù)其福利待遇。

第二，針對數(shù)字技術(shù)降低相對勞動收入份額的問題，生產(chǎn)率的發(fā)展往往會提高資本所得，現(xiàn)階段的數(shù)字紅利多被資本所攫取，較少傳遞給勞動者，造成勞動者收入份額的相對下降?？朔死Ь承枰掷m(xù)、優(yōu)良的政策，如優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)，縮小城鄉(xiāng)差距，提高低收入者待遇，制定收入所得稅，調(diào)節(jié)過高收入，進(jìn)一步完善要素收入分配制度，注重初次分配，提高最低工資標(biāo)準(zhǔn)，制定相關(guān)法律法規(guī)體系來優(yōu)化分配方式方法。

第三，維護(hù)、監(jiān)督好市場競爭環(huán)境，加強(qiáng)市場監(jiān)管，避免數(shù)字技術(shù)快速發(fā)展帶來的壟斷。同時，加強(qiáng)治理勞動力市場的競爭環(huán)境，培養(yǎng)勞動者對數(shù)字化的使用以及擴(kuò)大其使用場景，數(shù)字化可以更好地提高勞動力市場的透明度，避免信息不對稱的發(fā)生而損害勞動者的利益。

參考文獻(xiàn)：

［1］?Karabarbounis?L，?Neiman?B.The?Global?Decline?of?the?Labor?Share［J］.The?Quarterly?Journal?of?Economics，?2013，129（1）：61-103.

［2］?Autor?D.The?Labor?Market?Impacts?of?Technological?Change：?From?Unbridled?Enthusiasm?to?Qualified?Optimism?to?Vast?Uncertainty［R］.NBER?Working?Papers，?2022.

［3］?Autor?David，?Dorn?David，?Katz?Lawrence?F，?et?al.?The?Fall?of?the?Labor?Share?and?the?Rise?of?Superstar?Firms［J］.The?Quarterly?Journal?of?Economics，2020，135（2）：645-709.

［4］?張勛，?萬廣華，?張佳佳，等.數(shù)字經(jīng)濟(jì)、普惠金融與包容性增長［J］.經(jīng)濟(jì)研究，2019，54（8）：71-86.

［5］?王林輝，?胡晟明，?董直慶.人工智能技術(shù)會誘致勞動收入不平等嗎——模型推演與分類評估［J］.中國工業(yè)經(jīng)濟(jì)，2020（4）：97-115.

［6］?王軍，?肖華堂.數(shù)字經(jīng)濟(jì)發(fā)展縮小了城鄉(xiāng)居民收入差距嗎？［J］.經(jīng)濟(jì)體制改革，?2021（6）：56-61.

［7］?趙偉，?彭玉婷.數(shù)字經(jīng)濟(jì)發(fā)展是否會影響收入不平等？——基于空間面板模型的實證檢驗［J］.經(jīng)濟(jì)問題探索，?2022，485（12）：35-51.

［8］?王軍，?朱杰，?羅茜.中國數(shù)字經(jīng)濟(jì)發(fā)展水平及演變測度［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，?2021，38（7）：26-42.

［9］?劉洋，?陳曉東.中國數(shù)字經(jīng)濟(jì)發(fā)展對產(chǎn)業(yè)結(jié)構(gòu)升級的影響［J］.經(jīng)濟(jì)與管理研究，?2021，42（8）：15-29.

［10］姚玉祥，?吳普云.中國城鎮(zhèn)化的收入分配效應(yīng)——理論與經(jīng)驗證據(jù)［J］.經(jīng)濟(jì)學(xué)家，?2019，249（9）：5-14.

［11］萬廣華，?羅知，?張勛，等.城鄉(xiāng)分割視角下中國收入不均等與消費(fèi)關(guān)系研究［J］.經(jīng)濟(jì)研究，?2022，57（5）：87-105.

［12］肖土盛，?孫瑞琦，?袁淳，等.數(shù)字化轉(zhuǎn)型、人力資本結(jié)構(gòu)調(diào)整與勞動收入份額［J］.管理世界，2022，38（12）：220-237.

［13］趙春明，?班元浩，?李宏兵等.企業(yè)數(shù)字化轉(zhuǎn)型與勞動收入份額［J］.財經(jīng)研究，?2023，49（6）：49-63+93.

［14］宋旭光，?杜軍紅.智能制造如何影響勞動收入份額——基于中國省級面板數(shù)據(jù)的實證研究［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，?2021，41（11）：79-96.

［15］鈔小靜，?周文慧.人工智能對勞動收入份額的影響研究——基于技能偏向性視角的理論闡釋與實證檢驗［J］.經(jīng)濟(jì)與管理研究，?2021，42（2）：82-94.

［16］蘆婷婷，?祝志勇.人工智能對勞動收入份額影響的空間溢出效應(yīng)——基于靜態(tài)空間杜賓模型和動態(tài)空間杜賓模型的分析［J］.經(jīng)濟(jì)問題探索，?2022（5）：65-78.

［17］姚毓春，?袁禮，?王林輝.中國工業(yè)部門要素收入分配格局——基于技術(shù)進(jìn)步偏向性視角的分析［J］.中國工業(yè)經(jīng)濟(jì)，?2014（8）：44-56.

［18］朱琪，?劉紅英.人工智能技術(shù)變革的收入分配效應(yīng)研究：前沿進(jìn)展與綜述［J］.中國人口科學(xué)，?2020，197（2）：111-125+128.

［19］吳鵬，?常遠(yuǎn).技能溢價如何通過技能偏向型技術(shù)進(jìn)步影響要素收入分配？［J］.安徽大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），?2021，45（6）：109-121.

［20］Acemoglu?D，?Restrepo?P.The?Race?between?Man?and?Machine：?Implications?of?Technology?for?Growth，?Factor?Shares，?and?Employment［J］.American?Economic?Review，?2018，?108（6）：1488-1542.

［21］Acemoglu?D，?Restrepo?P.Automation?and?New?Tasks：?How?Technology?Displaces?and?Reinstates?Labor［J］.Journal?of?Economic?Perspectives，?2019，33（2）：3-30.

［22］Brynjolfsson?E，?McAfee?A.The?Second?Machine?Age：?Work，?Progress，and?Prosperity?in?a?Time?of?Brilliant?Technologies［M］.New?York：?WW?Norton?&?Company，?2014.

［23］Goos?M，?Manning?A，?Salomons?A.?Explaining?Job?Polarization：?Routine-Biased?Technological?Change?and?Offshoring［J］.American?Economic?Review，?2014，104（8）：2509-2526.

［24］柏培文，?張云.數(shù)字經(jīng)濟(jì)、人口紅利下降與中低技能勞動者權(quán)益［J］.經(jīng)濟(jì)研究，?2021，56（5）：91-108.

［25］Acemoglu?D.When?Does?Labor?Scarcity?Encourage?Innovation？［J］.Journal?of?Political?Economy，?2010，118（6）：1037-1078.

［26］陳登科，?陳詩一.資本勞動相對價格、替代彈性與勞動收入份額［J］.世界經(jīng)濟(jì)，?2018，41（12）：73-97.

［27］涂濤濤，?陳燁.偏向型技術(shù)進(jìn)步與要素收入分配——基于CGE模型的模擬分析［J］.華中科技大學(xué)學(xué)報（社會科學(xué)版），?2018，32（2）：65-75.

［28］陸雪琴，?章上峰.技術(shù)進(jìn)步偏向定義及其測度［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，?2013，30（8）：20-34.

［29］戴天仕，?徐現(xiàn)祥.中國的技術(shù)進(jìn)步方向［J］.世界經(jīng)濟(jì)，?2010，33（11）：54-70.

［30］Guellec?D，?Paunov?C.Digital?Innovation?and?the?Distribution?of?Income［J］.NBER?Working?Papers，?2017.

［31］Loecker?J?D，?Eeckhout?J.The?Rise?of?Market?Power?and?the?Macroeconomic?Implications［R］．NBER?Working?Paper，?2017.

［32］陳夢根，?張鑫.中國數(shù)字經(jīng)濟(jì)規(guī)模測度與生產(chǎn)率分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，?2022，39（1）：3-27.

［33］邱斌，?楊帥，?辛培江.FDI技術(shù)溢出渠道與中國制造業(yè)生產(chǎn)率增長研究：基于面板數(shù)據(jù)的分析［J］.世界經(jīng)濟(jì)，?2008，360（8）：20-31.

［34］陳南旭，?王林濤.中國制造業(yè)生產(chǎn)效率提升進(jìn)程中技術(shù)溢出與自主創(chuàng)新的交互貢獻(xiàn)［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，?2022，39（5）：84-103.

［35］張軍，?吳桂英，?張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000［J］.經(jīng)濟(jì)研究，?2004（10）：35-44.

［36］張鐘文，?葉銀丹，?許憲春.高技術(shù)產(chǎn)業(yè)發(fā)展對經(jīng)濟(jì)增長和促進(jìn)就業(yè)的作用研究［J］.統(tǒng)計研究，?2017，34（7）：37-48.

［37］林晨，?陳榮杰，?徐向宇.外部產(chǎn)業(yè)投資與區(qū)域協(xié)調(diào)發(fā)展——來自“三線建設(shè)”地區(qū)的證據(jù)［J］.經(jīng)濟(jì)研究，?2022，57（3）：173-190.

［38］Lewbel?A.Using?Heteroscedasticity?to?Identify?and?Estimate?Mismeasured?and?Endogenous?Regressor?Models［J］.Journal?of?Business?&?Economic?Statistics，?2012，30（1）：67-80.

［39］何小鋼，?朱國悅，?馮大威.工業(yè)機(jī)器人應(yīng)用與勞動收入份額——來自中國工業(yè)企業(yè)的證據(jù)［J］.中國工業(yè)經(jīng)濟(jì)，?2023（4）：98-116.

Digital?Technology，?Factor?Income?Distribution，?and?Relative?Labor?Income?Share

FAN?Shicheng1，?NIU?Rui2

（1.School?of?Economics，Nankai?University，?Tianjin?300071，?China；

2.School?of?International?Business，?Tianjin?Foreign?Studies?University，?Tianjin?300270，?China）

Abstract：?This?article?uses?Chinas?input-output?data?to?study?the?impact?of?digital?technology?on?the?relative?share?of?labor?income，?and?analyzes?the?impact?of?digital?technology?on?the?distribution?pattern?of?labor?and?capital?factor?income.The?research?has?found?that?the?improvement?of?digital?technology?significantly?reduces?the?relative?share?of?labor?income，?with?digital?technology?having?a?greater?impact?on?the?relative?share?of?labor?income?in?the?service?industry?compared?to?the?manufacturing?industry.At?the?same?time，?digital?technology?has?significantly?reduced?the?relative?labor?income?share?of?labor-intensive?and?capital-intensive?industries，?but?has?a?greater?impact?on?labor-intensive?industries.In?terms?of?impact?mechanism，?the?distribution?of?labor?income?share?and?capital?income?share?driven?by?digital?technology?is?not?balanced.Digital?technology?reduces?labor?income?share，?but?increases?capital?income?share，?leading?to?a?decrease?in?relative?labor?income?share.At?the?same?time，?digital?technology?mainly?reduces?the?relative?share?of?labor?income?through?the?improvement?of?total?factor?productivity?within?the?industry?and?technology?spillovers?between?industries，?which?is?more?evident?in?capital?intensive?industries.

Key?words：digital?technology;?relative?share?of?labor?income;?total?factor?productivity;?technology?spillover

（責(zé)任編輯：周正）