郑玉艳 巩师恩

摘 要：劳动收入份额是收入分配领域的重要内容，探索人工智能对劳动收入份额的影响具有重要意义。本文使用系统GMM方法，以2016—2020年591家人工智能企业动态面板数据为研究样本，从实证上验证了人工智能对智能企业劳动收入份额的影响，同时基于分位数回归法检验人工智能对劳动收入份额影响的边际效应。结果发现，人工智能对劳动收入份额的影响先波动降低到70%分位点处，达到最低值后开始呈现上升趋势，本文结论对解释我国劳动收入份额偏低这一事实提供了一定的经验证据。

关键词：人工智能；系统GMM；分位数回归；边际效应；劳动收入份额

本文索引：郑玉艳，巩师恩.<变量 2>[J].中国商论，2023（08）：-143.

中图分类号：F062.4 文献标识码：A 文章编号：2096-0298（2023）04（b）--05

随着我国经济实力的显著提高，收入分配状况明显改善。党的二十大报告在完善收入分配方面首次提出，“规范收入分配秩序，规范财富积累机制”。党的十九届五中全会明确要求，“扎实推动共同富裕”，而促进共同富裕的手段之一是再分配问题。与此同时，2017年7月国务院发布《新一代人工智能发展规划》；同年12月，工信部印发了《促进新一代人工智能产业发展三年行动计划（2018—2020年）》。人工智能作为推动经济发展的核心力量，在共同富裕背景下，对缩小财富分配差距进而增强收入分配公平性具有重要意义。

现有关于人工智能与劳动收入份额的研究多集中在劳动生产率（惠炜，2022）、人口结构转型（芦婷婷等，2022）和产业结构转型升级视角（郭凯明，2019）。本文主要的邊际贡献在于：以2016—2020年我国上市人工智能企业微观数据为基础，采用人工智能有效专利数，在系统GMM方法下检验人工智能对企业劳动收入份额的影响，在分位数方法上进一步验证人工智能对企业劳动收入份额的边际抑制效应，该结论为解释我国劳动收入份额偏低现象提供了一定的经验证据。

1 实证设计

1.1 实证模型构建

为了分析人工智能对企业劳动收入份额变动的影响，本文选用动态面板模型及系统GMM方法对其进行检验，可以有效解决模型的内生性问题。

其中，表示人工智能企业的劳动收入份额；表示企业的人工智能水平；表示一组影响劳动收入份额的控制变量；和分别表示地区效应和时间效应；为随机误差项。

构建分位数回归模型如下：

其中，表示分位数，其他参数的含义与模型（1）相同。

1.2 样本选择与主要变量测度

首先，本文选取2016—2020年我国上市人工智能企业相关数据作为研究样本，利用大智慧软件，从企业主营业务入手，确定我国上市人工智能企业名单。其次，本文基于研发角度，在国家知识产权局专利数据库中检索样本公司名单，收集相应企业的人工智能有效专利信息数量。最后，人工智能企业财务数据来源于国泰安数据库，其余变量员工教育程度来源于Wind资讯金融数据库。

本文的被解释变量为劳动收入份额，采用白重恩等（2008）的处理方法，计算企业劳动收入份额：劳动收入份额=支付给职工及为职工支付的现金/（营业利润+固定资产折旧+支付给职工及为职工支付的现金）。另外，借鉴王雄元、黄玉菁等（2017）的方法，劳动收入份额=职工薪酬总额占营业总收入比例做稳健性检验。本文的核心解释变量为，通过检索国家知识产权局专利数据库中的企业人工智能有效专利数量来表示企业的人工智能应用水平（王泽宇，2020）。稳健性方法则采用年报文本分析的方法进行测算。本文利用国泰安和万得数据库，共生成2016—2020年591家企业非平衡面板数据。

1.3 描述性统计分析与相关性分析

1.3.1 描述性统计分析

表1报告了所有变量的描述性统计特征。

1.3.2 相关性分析

本文使用Matlab软件对2016—2020年全国112家人工智能企业的劳动收入份额进行核密度估计，如图1所示。总体来看，劳动收入份额的密度分布曲线随着年份的变化先右移后左移，劳动收入份额呈先上升后下降的趋势，说明人工智能企业的劳动收入份额随时间的变化呈现出不同的变化特征。

2 实证结果与分析

2.1 基准回归结果与分析

表2报告了人工智能对企业劳动收入份额的影响回归结果。列（1）为OLS回归结果，同时在列（2）加入了时间、地区控制变量，列（3）为系统GMM估计结果。本文在回归过程中采用企业层面的聚类稳健标准误进行相关分析。结果表明：人工智能对企业劳动收入份额具有显著的负向影响，系统GMM回归结果与OLS回归虽然存在数值及显著性上的差别，但人工智能对企业劳动收入份额具有负向影响的结论依然成立。控制变量回归结果显示，企业资本生产率、员工工资水平、教育水平有助于提高企业劳动收入份额；相反，企业规模、企业市场势力、资本收益率、有机构成越高，企业劳动收入份额越低，实证结果符合经济现实。

在系统GMM回归的基础上，本文进行了扰动项自相关检验，AR（1）=0.001，AR（2）=0.714，符合系统GMM回归法使用的前提条件。工具变量的过度识别检验Hansen的P值为0.297，接受了原工具变量具有有效性的假设，说明本文所选工具变量具有一定的合理性。

2.2 分位数回归结果与分析

前述基础分析显示，人工智能对企业劳动收入份额具有显著的抑制作用，为了刻画人工智能在劳动收入份额变动中边际效应的动态演化轨迹，本文借鉴李乐乐、杜天天（2021）的研究，采用bootstrap方法对劳动收入份额进行分位数回归。表3给出了人工智能企业劳动收入份额在第20%、40%、60%和80%分位点处的回归结果。

由表3可以看出，在所有分位数上，人工智能的估计系数均为负，且系数的绝对值呈现先递增后递减的趋势，说明其边际抑制效应在不同的劳动收入份额分位点处具有不同的影响。具体表现为，人工智能的估计系数从0.20分位数上的-0.00366下降到0.60分位数上的-0.00683，继而上升到0.80分位数上的-0.00522。对其解释为，随着劳动收入份额水平的提升，人工智能的替代效应得以释放，直到劳动收入份额水平提升到一定程度，就业创造效应开始显现，并逐渐超越替代效应，对劳动收入份额的负向影响减弱。

从控制变量的估计结果来看，在全部分位数上，员工教育水平、资本产出比和工资水平对劳动收入份额的影响显著为正，即对劳动收入份额具有提升作用；企业规模、价格加成、资产收益率及资本有机构成对劳动收入份额的影响显著为负，即对劳动收入份额具有抑制作用。值得注意的是，员工教育水平的估计系数始终为正，且随着分位数的增加逐渐提高，从0.20分位数上的0.0232提高至0.80分位数上的0.0488，表明员工教育水平对劳动收入份额具有显著的促进作用。就显著性而言，系数在0.20分位数上不显著，0.40分位数和0.60分位数上的系数在10%的水平上显著，0.80分位数上的系数则在1%的水平上显著，意味着随着劳动力教育水平的提升，人工智能对劳动收入份额的促进作用越来越显著。工资水平的估计系数在所有分位数上显著为正，且呈逐渐上升趋势，表明劳动力工资水平的提升有助于劳动收入份额的提高。资本产出的估计系数在所有分位数上显著为正，总体呈波动下降趋势，对劳动收入份额的正向影响逐渐减弱；企业规模和价格加成的估计系数绝对值不断增加，对劳动收入份额的负向影响逐渐加强；资产收益率及资本有机构成对劳动收入份额的负向影响逐渐减弱。实证结果符合经济现实。

另外，本文展示了不同解釋变量影响劳动收入份额增长的分位数回归变化趋势，如图2所示，人工智能对劳动收入份额具有负向影响，总体上呈先降低后升高的变化特征。具体表现为，人工智能对总份额的影响先波动降低到70%分位点处，达到最低值后呈现上升趋势，控制变量的变化趋势符合上述分析。

3 稳健性检验

本部分分别替代核心解释变量、被解释变量及对各变量进行缩尾处理后进行稳健性检验，回归结果如表4所示。从表4的第一列来看，人工智能的估计系数在5%的水平上显著为负，F值为84.9709，且在1%的水平上显著。表4的第二列采用年报文本分析方法对核心解释变量进行替换，结果显示，人工智能的估计系数为-0.0079，略大于基准回归的系数-0.0051。表4的第三列对所有连续变量统一进行5%的Winsorize双侧缩尾处理后重新进行回归。稳健性检验结果显示，人工智能及绝大部分控制变量在系数符号及统计显著性上均与表2一致，表明所得的回归结果是稳健的。

4 结语

本文基于2016—2020年我国上市人工智能企业微观面板数据，在实证的基础上考察人工智能对企业劳动收入份额的影响，检验了人工智能对劳动收入份额影响的边际效应。本文的主要发现包括：一是人工智能对企业劳动收入份额具有显著的负向影响；二是从劳动收入份额的边际效应来看，人工智能在不同分位点对劳动收入份额的影响存在明显变化，先波动降低到70%分位点处，达到最低值后呈现上升趋势。从边际效应的角度来看，随着就业创造效应的释放，人工智能的替代效应随着劳动收入份额水平的提升而降低，所以不必过于担心人工智能对劳动收入份额的负向影响。本研究结论对解释我国劳动收入份额偏低事实具有一定的意义。

参考文献

惠炜.人工智能与劳动收入份额：来自中国城市数据的经验证据[J].北京工业大学学报（社会科学版），2022，22（6）：99-112.

芦婷婷，祝志勇，刘畅畅.人工智能、人口结构转型与劳动收入份额变化[J].广东财经大学学报，2022，37（4）：4-17.

郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019，35（7）：60-77+202-203.

王泽宇.企业人工智能技术强度与内部劳动力结构转化研究[J].经济学动态，2020（11）：67-83.

白重恩，钱震杰，武康平.中国工业部门要素分配份额决定因素研究[J].经济研究，2008（8）：16-28.

王雄元，黄玉菁.外商直接投资与上市公司职工劳动收入份额：趁火打劫抑或锦上添花[J].中国工业经济，2017（4）：135-154.

钞小静，周文慧.人工智能对劳动收入份额的影响研究：基于技能偏向性视角的理论阐释与实证检验[J].经济与管理研究，2021，42（2）：82-94.

李乐乐，杜天天.人口年龄变化、医疗需求行为与医疗费用增长：基于医疗保险结算数据的实证研究[J].当代经济管理，2021，43（4）：72-80.