■徐宇明

一、引言与文献综述

2021年2月，中央一号文件——《关于全面推进乡村振兴加快农业农村现代化的意见》——正式发布，提出在新发展阶段，要优先发展农业农村、全面推进乡村振兴，其目标任务之一就是农民收入增长要快于城镇居民，即要进一步缩小城乡收入差距。近年来，随着智能化浪潮席卷全球，以5G、物联网、大数据和云计算、人工智能、工业互联网等为代表的信息技术与传统产业加速融合，催生了一批新产业、新业态、新模式，引领了新一轮的科技革命和产业变革，智能化正成为推动经济增长的新动能。已有大量文献探讨了产业智能化发展对促进劳动力就业、加快产业升级和促进经济高质量增长的重要意义。然而，面对我国独特的城乡二元发展结构，产业智能化发展是否改善了城乡收入分配呢？关于此方面的研究依然较少。基于此背景，本文展开了相关研究，以期为缩减城乡贫富差距，全面推进乡村振兴提出建设性建议。

智能化的概念自提出以来，一直都是学术界探讨研究的热点之一。在评估产业智能化对收入分配的影响时，大部分文献倾向于从宏观层面出发，聚焦于智能化发展对劳动力收入份额的影响。智能化技术在与机器设备结合过程中，既会替代与创造就业岗位，又会非对称地改变不同性质要素生产率，共同影响要素收入分配。Aghion et al.（2017）将智能化发展视作一种自动化生产方式，认为其本质是资本要素替代劳动要素的过程，因此这也将导致劳动要素在生产过程中的收入分配份额下降，从而导致要素收入分配不均等。而Bessen（2018）认为人工智能对劳动收入的影响方向并未确定，其还受资本要素和劳动要素的替代弹性影响。在实证分析方面，Acemoglu&Restrepo（2020）分析了工业机器人使用量的增加对美国当地劳动力市场的影响，结果发现机器人应用会降低美国劳动力市场的就业水平和平均工资，每千名工人多一个机器人将使就业与人口的比率降低约0.18%—0.34%，工资降低0.25%—0.5%。

也有部分学者从微观结构性角度分析了产业智能化对收入分配的影响。Acemoglu&Restrepo（2017）基于任务模型展开相关研究，发现不同层级技能的自动化对工资差距的影响受时间因素影响。在短期，低技能自动化会扩大工资差距，而高技能的自动化则相反；在长期，不论高技能的自动化还是低技能的自动化，都不会扩大工资差距。Bughin et al.（2018）认为人工智能技术的应用会减少低技能劳动岗位的需求，同时增加高技能劳动岗位的需求，并预测到2030年约有13%的收入将从低技能劳动岗位流入到高技能劳动岗位。

随着我国产业智能化规模的增加以及部分数据可得性的提升，近来我国部分学者基于我国实际开始考察产业智能化对收入分配的影响。余玲铮等（2019）基于广东省20个地级市企业调查数据分析发现，机器人作为产业智能化的重要组成部分，机器人的使用会导致劳动生产率的增长，且增长幅度要高于平均工资增长幅度，即劳动收入份额降低。钞小静和周文慧（2021）基于我国省级面板数据分析发现，我国人工智能发展会降低劳动收入份额，主要影响途径是通过就业技能结构高级化、技能收入差距扩大化两个方面。杨飞和范从来（2020）认为我国的产业智能化发展有利于从事低技能岗位的低收入人群，会通过新工作创造效应和生产率效应提升低技能劳动者的相对需求和收入。王琳辉等（2020）却认为我国人工智能的发展更多的是通过增加高技术部门劳动岗位来扩大收入不平等。

上述国外研究主要关注发达国家，研究尚未得到一致结论，而且定量评估明显不足，尤其缺乏来自发展中国家的经验证据。国内的相关研究主要基于国外学者的研究框架，分析了产业智能化对我国收入分配的影响，研究视角大多与国外学者一致，集中于对宏观的劳动力收入份额和微观的高低技能劳动力收入分配。尚未有基于我国独特的城乡二元结构视角来剖析产业智能化对收入分配的影响，且国内外研究大多只关注产业智能化对收入分配的影响效果，并未关注其中间作用机制，而剖析中间作用机制有助于了解产业智能化对收入分配影响的中间渠道，探索产业智能化对收入分配影响的运行机理。

二、理论机制分析

1.劳动力转移效应

熊彼特的创造性破坏理论指出，智能化是自动化的深化进程，将会替代一部分人类劳动，甚至破坏一些原有的行业岗位，称为替代效应；与此同时也会催生一些新兴就业岗位，称为创造效应（Acemoglu&Restrepo，2020）。众多研究发现人工智能作为新一代技术革命的先锋，机器智能化的应用在替代劳动岗位的同时，也会创造新的劳动岗位、增加就业，并通过劳动岗位的更替改变收入分配的结构。

随着智能化发展的不断深入，基于前沿先进技术的智能化设备的应用不仅会逐步替代中等技能劳动力，还会替代部分高技能劳动（朱琪和刘红英，2020），但也会以创造效应增加低技能就业岗位的需求。受智能化发展的影响，德国、美国等发达国家已经出现了对劳动力需求结构“两级分化”的情况，而我国人工智能的发展也会促使先进的智能化设备替代初高中学历的劳动力，增加小学及以下和大专及以上学历劳动力需求（孙早和侯玉琳，2019）。又因我国长期存在着城乡二元经济发展结构，受发展政策向城市倾向的影响，城市低技能劳动力的主要来源是农业转移人口。故农村剩余劳动力受高附加值产业带来高收入的利益驱使，会不断调整自身素质，从而向城市转移。根据二元经济结构理论，农业剩余劳动力在向非农工作岗位转移时，会促使传统农业部门劳动力的工资上升，缩小城乡之间的收入差距。

图1 理论机制分析图

2.产业结构升级效应

配第—克拉克定理提出，人工智能技术可提高劳动生产效率，从而实现生产的全自动化，进一步驱动产业结构转型升级（Acemoglu&Restrepo，2019）。随着产业智能化进入比较成熟阶段，物联网、大数据、遥感网、区块链等信息技术与农业深度融合，智能传感器、智能机器人等硬件设备及远程操控、监测预警、大数据云平台、区块链溯源等软件系统广泛应用于农业的生产、加工、营销、服务等产业链的各个环节，使传统农业向现代化、智能化、数字化方向转型升级。产业智能化在促进产业结构转型升级时，首先，会提升传统农业生产效率，减少传统农业对农村劳动力的需求，从而可以不断释放出更多农村劳动力转移到城镇，实现农村劳动力在非农业领域的就业，增加其工资性收入。其次，产业智能化技术的应用，将扩大土地规模经营，组织分散的农户，提高农业产业化水平，增加单位土地产出率，提供更多高质量的产品剩余，增加农民经营性收入。最后，智能化技术会使未转移的农村劳动力从繁杂的传统农业生产中解放出来，转向附加值更高的养殖业、加工业等，优化资源配置效率，增加农产品附加值，从而增加农村居民的经营性收入。

3.城市扩散效应

传统的产业布局往往是依托于空间地域上的资源禀赋和区位优势，但由于交通设施的不断完善、劳动人口的不断流动等原因，要素的流动更加便利，地理位置差异对空间布局的影响逐渐弱化。产业智能化的发展促使数据成为关键的生产要素，尤其在互联网、移动互联网普及的情况下，数据要素的流动不再受空间和地域的局限。智能产业的发展对于地域的依赖性相对较小，而且无论是互联网还是物联网，其核心特点就是“去中心化”，这个特点不仅体现在网络中，也突出表现在区域发展过程中。智能化技术的深度发展和广泛应用，能够实现空间的瞬时联系，缩短地理实体空间距离，优化要素流动和空间配置的路径，从而弱化城乡“核心—边缘”空间结构，促使城市化规模不断扩大。城市化规模的扩大，资本、技术、劳动力等要素通过“扩散效应”会自动地、逐步地向城市外沿区域扩散。产业也开始向周边农村地区外溢，带动周边农村地区发展，提升农村地区居民的收入水平，从而缩小城乡居民收入差距。

三、模型的设定与变量的选取

（一）模型的设定

中介效应模型可以分析自变量通过中介变量对因变量的影响效果，与本文的研究目标一致，故选择此模型来开展相关研究。参考Baron&Kenny（1986）提出的中介作用检验过程，建立如下模型：

考虑到城乡收入差距变化是一个长期动态变化的过程，当前的城乡收入差距会受到过去城乡收入差距的影响。借鉴孙浦阳等（2013）构建的模型，采用带有城乡收入差距滞后一期的自回归分布滞后模型（Autoregressive Distributed Lag Model），即ADL（1，0）。该模型能同时反映产业智能化发展对城乡收入差距的短期和长期影响效果。将模型（1）设定为如下的动态面板模型：

同样对模型（2）也采用动态面板模型，设定如下：

类似地，中间效应模型第三阶段方程也进行如下设定：

式（1）至式（6）中，Gap是因变量，为城乡收入差距；Intel为核心解释变量，表示产业智能化发展；M是中介变量，分别采用劳动力转移、产业结构升级和城市化扩散；X为控制变量；μ和μ为省份固定效应和时间固定效应，ε为随机误差项，服从独立同分布。a、b、c、c′为回归系数，c反映了产业智能化对城乡收入差距影响的总效应，c′反映了产业智能化对城乡收入差距影响的直接效应，ab反映了产业智能化对城乡收入差距影响的中介效应。具体中介效应检验流程图如图2所示。

图2 中介效应检验流程图

（二）变量的选取

被解释变量：城乡收入差距。泰尔指数不仅能够反映出城乡的收入比，还能体现城乡人口的变化特征，而且泰尔指数对高收入和低收入两端的收入变化较为敏感，符合我国城乡收入差距体现在城镇居民高收入与农村居民低收入两端的现状。因此，选择泰尔指数来度量我国各地区的城乡收入差距，并使用第一种计算方法进行稳健性检验。泰尔指数的具体计算方法如式（7）所示。

其中，Gap表示t时期的泰尔指数，i=1代表城镇地区，i=2代表农村地区，l表示t时期的城镇或农村的人口数量，l表示t时期的总人口，p表示t时期的城镇或农村的总收入，p表示t时期的总收入。

解释变量：产业智能化（Intel）。《2019中国产业智能化白皮书》指出，产业智能化是指第一、二、三等传统产业运用人工智能技术带来的产出增量。主要分为人工智能、“互联网+”、物联网、机器设备等方面。借鉴孙早和侯玉琳（2019）的研究，将工业机器人、智能化相关的设备、硬件和软件等纳入产业智能化衡量的指标体系中。具体的衡量指标如下所示：（1）机器人。使用我国机器人的进出口数据作为替代变量。对中国海关数据中产品的HS2002六位数编码进行分析，计算各省企业进出口机器人的总额来表示。（2）智能仪器。采用计算机、电子元件、电子器件和电子仪器的进出口额除以GDP来衡量。（3）软件使用。使用基础软件、支撑软件、嵌入式软件和应用软件进出口除以GDP来表示。（4）信息平台维护。采用信息系统集成业务、运营维护服务和电子商务平台服务收入的总额除以GDP来表示。（5）信息采集。采用互联网使用人数占总人口的比例衡量。（6）数据处理。使用信息技术咨询设计服务、运营服务和数据服务的收入总额除以GDP来表示。（7）智能化创新。采用智能化相关企业的专利数来衡量智能化企业的创新水平。智能化企业的名称来自智能制造网，企业的专利情况来源于企查查。将以上指标采用熵值法赋权来计算产业智能化发展指数。

中介变量：农村劳动力转移（Labor）。参考有关学者的研究，本文主要使用第二、三产业就业人数与总就业人数之比来表示来反映农村劳动力转移的情况。产业结构升级（Indu）。产业结构升级包括产业结构高级化和产业结构合理化。因本文关注的是产业智能化推动传统农业向高级化转移，故采用第二、三产业产值之和除以三大产业产值之和来表示。采用城镇人口除以总人口来测度城市化水平。

控制变量：（1）经济发展（Gdp）。采用取对数后的人均实际GDP来衡量经济发展情况。（2）对外开放（Open）。对外开放可以吸收前沿技术，提升劳动生产率，进而影响城乡收入差距。本文使用进出口额/GDP来衡量对外开放水平。（3）金融发展（Fin）。我国的金融系统在金融资源的分配上表现出明显的城市化倾向，金融资源在城乡之间的发展是不均衡的，这种不均衡发展会显著地影响城乡收入差距（叶志强等，2011）。本文使用贷款总额占GDP的比重来衡量金融发展水平。（4）政府控制（Gov）。财政支出具有城市偏向性特征，会将有限资源集中分配给城市高技能劳动力，不利于要素市场对劳动力资源的合理配置，从而扩大城乡收入差距（李成友等，2021）。采用各地区财政支出占GDP的比重来衡量。（5）基础设施（Basic）。基础设施建设可以降低农村劳动力转移成本，促进农村劳动力转移，提高农村居民收入，进而缩小城乡收入差距（刘晓光等，2015）。本文使用各地区的等级公路里程数与省区面积的比值来衡量。

（三）数据的来源及描述性统计

模型中所有数据来源于《中国统计年鉴》《中国人口和就业统计年鉴》《中国劳动力统计年鉴》《中国信息产业年鉴》《中国电子信息产业统计年鉴》、中国海关贸易统计数据库、Wind数据库和各省的统计年鉴。因海关贸易数据库中机器人进出口的数据只有2005—2016年，故时间样本设定为2005—2016年。因西藏和青海关于电子信息产业数据的缺失值较多，故删除这两个地区，只考虑我国其他29个省份的数据。所有数据均根据相应的价格指数调整为以2000年为基期的实际值，进出口数据根据每年的美元汇率将其转化为人民币。各变量的描述性统计如表1所示。

表1 描述性统计

四、实证结果及分析

（一）基准回归模型

由于本文设定的模型中都包含了因变量的滞后项，普通的回归会造成估计偏差。另外，考虑到模型中包含因变量的滞后项，以及受遗漏变量的影响，可能会产生内生性问题。故采用动态面板的差分GMM进行估计。表2为产业智能化对我国城乡收入差距的回归结果。其中，列（1）和列（2）为普通最小二乘法（OLS）的估计结果，列（3）和列（4）是面板固定效应（FE）的估计结果，列（5）和列（6）是差分GMM的估计结果。首先对模型设定的合理性和工具变量的有效性进行检验，表2列（6）中AR（2）值为0.558，Sargan检验值为0.991，表明模型的设定合理，工具变量有效。

表2 基准回归结果

表2列（1）—（6）的估计结果均显示，产业智能化的系数显著为负，验证了产业智能化发展具有缩小城乡收入差距的作用。从列（6）中差分GMM的结果来看，产业智能化（Intel）对城乡收入差距（Gap）影响的系数显著性为负。产业智能化每提高1个百分点，城乡收入差距就缩小0.107个百分点，从其他控制变量结果看，城乡收入差距滞后一期（Gap（t-1））的系数显著为正，表明城乡收入差距的变迁是一个动态的过程。人均GDP代表的经济水平的提高会缩小城乡收入差距，与丁志国等（2011）的研究结果一致，说明我国已经进入了“库兹涅曲线”的右侧。进出口水平（Open）的系数显著为负，对外贸易扩大了就业需求，促进了农村劳动力的就业，缓解了城乡居民收入差距。金融发展（Fin）对城乡收入差距的影响存在着不确定性。金融政策因为会倾向于城市，会扩大城乡收入差距。但是也有一些专门为城乡贫困居民特别是农村居民提供服务的金融产品，如小额信贷等，能有效地缩小城乡收入差距。政府财政支出（Gov）的提高会扩大城乡收入差距，与李成友等（2021）研究结论一致，财政支出具有城市偏向性特征，会扩大城乡收入差距。基础设施建设（Basic）对城乡收入差距的回归系数显著为负，与刘晓光等（2015）的研究结论一致，基础设施建设会减少了农村劳动力的转移成本，促进农村劳动力转移，缩小城乡收入差距。控制变量的结果与一些学者的结果一致，进一步说明本文研究结果的可靠性。

（二）影响机制分析

为进一步剖析其内部作用机理，本文进一步开展相关机制分析，研究结果如表3所示。表3中各模型回归的AR（2）值都大于0.01，Sargan检验值接近1，模型的设定都较为合理。表3列（1）和列（2）为基于劳动力转移视角的中介效应结果，由列（1）可以看出产业智能化与劳动力转移的系数为0.042，显著为正，产业智能化显著地促进了农村劳动力转移。产业智能化会创造大量的低技能就业岗位，农村剩余劳动力受城镇高收入的利益驱使，会适时调整自身素质，不断向城市转移。列（2）为产业智能化和农村劳动力转移对城乡收入差距的回归结果，农村劳动力转移的回归系数为-0.083，显著为负，产业智能化的回归系数为-0.052，显著为负。对比回归系数结果的符号可以看出农村劳动力转移在产业智能化与城乡收入差距之间具有部分中介效应。农村劳动力的转移使农村居民有更多机会从事非农就业，促进其非农收入增长，缩小城乡收入差距。

表3列（3）和列（4）为基于产业结构升级效应的回归结果，由列（3）可以看出产业智能化与产业结构升级的系数为0.025，显著为正。产业智能化带来的新技术可以应用于农村产业的生产、加工、营销、服务等产业链的各个环节，使传统农业向现代化、智能化、数字化方向转型升级。列（4）为产业智能化和产业结构升级对城乡收入差距的回归结果，结果显示产业结构升级的回归系数为-0.194，显著为负，产业智能化的回归系数为-0.045，显著为负。对比回归系数结果的符号可以看出产业结构升级在产业智能化与城乡收入差距之间具有部分中介效应。通过产业结构转型升级，产业智能化新技术的应用扩大了农业生产规模，提升了农村劳动生产率，促进农村居民的农业收入。同时解放了农村劳动力，促使非农收入的增加，进而缩小城乡收入差距。

表3 产业智能化对城乡收入差距的机制检验

表3列（5）和列（6）为基于城市扩散效应的结果。由列（5）可以看出产业智能化与城市扩散的系数为0.036，显著为正，产业智能化的发展显著地促进了城市扩散。大数据、信息化等智能化技术缩减了产业布局对地域的依赖性，弱化城乡“核心—边缘”空间结构，促使城市化规模不断扩大。列（6）为产业智能化和城市扩散效应对城乡收入差距的回归结果，城市扩散效应的回归系数为-0.060，显著为负，产业智能化的回归系数为-0.095，显著为负。对比回归系数结果可以看出城市扩散效应在产业智能化与城乡收入差距之间具有部分中介效应。产业智能化通过使生产要素向低成本的农村地区外溢、辐射，带动农村地区发展，提升农民收入水平，缩小城乡收入差距。

综上可以看出，劳动力转移、产业结构升级和城市扩散在产业智能化和城乡收入分配之间都具有部分中介效应。另外，对比三个中介变量结果发现，加入产业升级后产业智能化对城乡收入差距影响的系数变化最大，表明现阶段通过产业升级的方式来影响城乡收入差距的程度要大于劳动力转移效应和城市扩散效应的渠道，这也说明了在我国当前的智能化水平下，通过产业扶贫是缩小城乡收入差距最有效的途径。

（三）产业智能化缩小城乡收入差距的长期效应

上述动态面板模型结果反映的是各变量对因变量的短期影响效果，而本文更加关注产业智能化对城乡收入差距的长期影响效果。借鉴Dong&Hao（2018）的做法，将ADL（1，0）模型转换成公因数模型后，产业智能化对城乡收入差距的长期影响效果可以表示其短期的影响效果比上1与城乡收入差距滞后项系数的差值。本文用STATA的testnl命令对这个参数进行显著性检验，长期效应的估计结果如表4所示。

由表4的结果可知，列（1）为不加入劳动力转移变量时，产业智能化对城乡收入差距的长期影响系数为-0.495，显著为负，中介效应模型第一阶段成立。表明从长期来看，产业智能化对城乡收入差距具有显著的抑制作用。列（2）和列（3）为加入劳动力迁移的回归结果，结果可以看出从长期来看，中介效应依然成立，产业智能化会通过劳动力转移来缩减城乡收入差距。同样分析发现，产业结构升级和城市扩散的中介效应都成立。从长期看，产业智能化也会通过促进产业结构升级和推动城市外扩来缩小城乡收入差距。进一步对比加入中介变量后，产业智能化对城乡收入差距的系数变化。结果发现加入了产业结构升级后系数变化最大，抑制效应从0.495下降至0.159，与短期的结果一致。说明从长期来看，推动农村产业升级，实施产业扶贫是促进农村居民收入，缩小城乡收入差距最有效的途径。

表4 产业智能化对城乡收入差距的长期效应分析

（四）稳健性检验

本文主要采用以下三种方法对回归的结果进行稳健性检验：一是剔除异常值。考虑到我国北京、上海和广州的城市化程度远远高出其他地区，因此在分析时这三个地区的数据很有可能成为异常值。故在基础样本中剔除了这三个地区后重新进行回归，结果如表5所示。二是更换计算方法。使用城镇居民收入和农村居民收入比例来计算城乡收入差距，结果如表6所示。三是替换因变量数据。采用城乡居民可支配收入的比值来表示城乡收入差距时，没有考虑不同地区之间的生活成本、居民享有的公共服务差异及城市地区的未登记移民等方面的空间差异，而消费受到实际收入的限制，城乡居民之间的消费支出差距更加适用于衡量城乡收入差距。用城市人均消费和农村人均消费的比例（Cgap）来代替基础样本中的城乡收入差距指标进行稳健性检验。检验结果如表7所示。

表5 稳健性检验（一）

表6 稳健性检验（二）

表7 稳健性检验（三）

对表5—7的所有稳健性检验结果分析发现，主要变量的符号和显著性与前文保持一致，说明本文的结论稳健可靠。

五、结论与建议

本文基于我国2005—2016年的省际面板数据，分析了产业智能化对城乡收入差距的影响及其作用机制。研究发现：无论是从短期还是长期效果来看，产业智能化发展都可以带来显著的收入分配改善效果，即缩小城乡收入差距。影响机制分析发现，产业智能化会通过劳动力转移效应、产业结构升级效应和城市规模效应来缩小城乡收入差距，并且无论是短期还是长期，通过产业结构升级途径缩小城乡收入差距的效果最强。该结论对于我国在新发展阶段，发展农业农村、全面推进乡村振兴具有重要的现实意义和政策参考。

基于上述结论，本文提出以下建议：第一，加快推进产业智能化发展。现阶段我国的产业智能化的发展还处于初级阶段，各地区可以根据自身情况因地制宜地制定相关政策。发达地区应充分发挥产业智能化发展的良好基础，加强前沿信息技术研究，同步加快智能化产业共性技术研究，以技术创新带动应用变革，形成可推广可借鉴的产业智能化转型先进经验。欠发达地区可以加大基础设施的投入力度，尤其是以5G基站、工业互联网、大数据中心为代表的新型基础设施，发挥其公共性、平台性作用，降低企业智能化转型成本，激发企业智能化转型积极性。第二，加大产业扶贫力度。一方面，要切

实遵循产业发展规律，出台扶持产业发展的政策措施，立足资源禀赋和市场导向，因地制宜，培育出适合本地资源转化的特色产业集群及产业基地，形成具有联动效应的产业带，打造一批强势特色品牌。另一方面，要借助现代科技手段和创新要素，积极推动互联网、大数据、云计算、物联网、人工智能等与传统产业深度融合，着力推动产业数字化转型升级。延伸产业链条，尤其要解决生产环节之后的加工、销售等问题，更好地支撑扶贫产业的发展。第三，加大农村教育投入，注重专业技能培训。产业智能化发展会促进产业结构转型升级，从而带动就业技能需求的变化，农村居民能否适应就业市场的需求对缩小城乡收入差距至关重要。应重点关注农村地区公共教育水平投入，加强农村地区的教育水平。拓宽农村劳动者的技能培训渠道，以推广实用技术为重点，开展针对性的岗前培训，提高农村人口信息化技术利用能力，培养农村实用型和技术型人才。