物流业人工智能的就业效应——基于51家上市物流企业微观数据研究

传统物流业是典型的劳动密集型产业。进入数字时代，物流业成为人工智能应用中具有代表性的产业之一，人工智能对物流业造成巨大的冲击，物流业的生产服务模式从人力主导转型到智能控制，在集人工智能、物联网技术、计算机技术以及信息处理等技术为一体的智能物流系统的支撑下，无人机、无人车、仓储机器人及智能快递柜等设备被广泛运用到物流的各个环节[1]。这大大降低了物流成本，优化了物流路径，提高了劳动效率，为物流业的发展提供了新动能。同时生产服务方式的转型重新定义了物流业中人与技术的关系，对物流企业就业造成了深刻影响。

就业是民生之本，“就业不仅是民生问题，也是发展问题”，就业作为“六稳”和“六保”之首，其重要性不言而喻。因此，物流行业在面临智能化服务转型升级的情况下，人工智能对物流业的就业的影响是怎样的？会不会提高物流行业的员工收入？人工智能作用下物流业的机制如何？厘清以上问题，有助于明晰人工智能对物流业就业的影响程度和机制。

1 数据说明与模型设计

1.1 数据

本文物流行业上市企业数据信息的选取主要来自东方财富数据库，通过东方财富对物流行业的分类，可以得到物流行业51家上市企业的数据。由于物流上市公司普遍上市时间较短，因此本文选择的数据时间跨度为2016—2021年，通过锐思数据库获得物流上市企业在目标年份的各项指标。对于部分缺失2021年的数据，则通过查找各个企业公布的年报，依据锐思数据库提供的数据词典计算得出。为确保估计结果的精准性，对连续变量进行双边1%的Winsorize处理。

续 表

1.2 模型设定

为了检验人工智能应用对员工数量和员工收入的影响，建立了如下计量模型。

其中i表示企业，t表示年份。其中，被解释变量为企业的员工数量（YGSL）和员工收入（YGSR），解释变量为企业的人工智能应用（RGZN），Control为控制变量集合，具体包括企业的资本结构、盈利能力、偿债能力和成长能力等。δi为企业固定效应，λi为时间固定效应，εit为随机误差项。对核心解释变量和被解释变量采取对数化处理，并且采用聚类稳健标准误进行回归，有效地控制异方差和自相关带来的影响。

1.3 变量说明

被解释变量的测度。本文关注人工智能应用对物流企业就业和工资的影响。被解释变量为物流企业的就业人数，采用企业就业人数测度。由于物流行业中部分企业存在劳务外包行为，而劳务外包本质上也属于物流企业实际雇佣劳动力的一部分，如果不加入这一部分将会忽视企业的劳务外包情况，从而带来较大的测量误差。根据企业会计准则，年报关于员工的统计则不计入劳务外包人数，且年报中的劳务外包只有工时数。根据国家对一年工时数的规定，本文依此进行换算得到劳务外包人数，并与年报上的员工人数合并，最终形成物流企业就业人数的测度指标。此外，本文以企业财务报告中的应付职工薪酬为依据来测度企业的整体工资水平。

核心解释变量的测度。企业年报中未直接报告人工智能或机器人的应用情况。而现有的文献中孟浩等[2]采用在企业报表中出现人工智能关键词来衡量企业应用人工智能的程度。但这种方式可能会因企业自身对于人工智能的炒作而使得数据失真。何勤等[3]以企业的无形资产账面价值衡量企业的人工智能水平。本文的研究对象是物流行业，和上述文献选取的对象有所不同且物流企业普遍上市较晚，对外公布的财务报告相对匮乏的情况，故无法利用人工智能关键词的频数来衡量企业的人工智能水平。于是借鉴何勤等的思路，研究财务报告后发现固定资产的电子设备和信息技术设备等科目记录明确，与人工智能应用密切相关，所以本文选取该项作为指标。

控制变量的测度。以企业的长期负债总额与所有者权益的比率来测度企业的资本结构，以净资产收益率和净利润与营业总收入的比率来测度企业的盈利能力，以负债总额与股东权益的比率来测度企业的偿债能力，以净资产增长率来测度企业的成长能力。如表1所示。

表1 变量及变量说明

2 实证分析

2.1 基准估计结果分析

为了避免遗漏变量对模型估计结果的影响，本文采用面板时间和个体均固定的双固定效应回归模型对基准模型进行估计。表2列（1）报告了人工智能应用对物流企业就业的影响，估计结果显示人工智能应用显著提升了企业的就业规模，伴随企业人工智能应用增长1%，企业的员工数量平均增长了0.46%；列（2）报告了人工智能应用对物流企业工资水平的影响，估计结果显示，人工智能应用显著增加了员工收入，企业人工智能应用增加1%，则员工收入增长0.29%。基准模型的估计结果说明人工智能对于整个物流行业的就业规模和员工收入的影响以创造效应为主。

表2 人工智能对企业员工数量和员工收入影响的估计结果

2.2 中介机制检验

为了检验人工智能技术研发对就业规模的间接影响，在模型中加入中介变量，借鉴温忠麟等[4]提出的中介效应检验方法，设定模型如下。

其中i表示企业，t表示年份。其中，被解释变量为企业的员工数量（YGSL）、员工收入（YGSR），解释变量为企业的人工智能应用（RGZN），中介变量为企业规模（GSGM）（企业期末资产总额），Control为控制变量集合，具体包括企业的资本结构、盈利能力、偿债能力和成长能力等。δi为企业固定效应，εit为随机误差项。为控制异方差和自相关的影响，采用稳健标准误差进行回归。

表3中列（1）和列（2）分别为未加入企业规模变量和加入企业规模变量对员工数量的影响；列（3）报告了人工智能对企业规模的相关性；列（4）和列（5）分别为未加入企业规模变量和加入企业规模变量对员工收入的影响。列（3）的回归结果表明人工智能应用显著提高了企业的规模；列（2）和列（5）的回归结果表明在加入中介变量企业规模后，人工智能应用和企业规模对员工数量和员工收入的影响均显著，说明企业规模起到了部分中介效应。这说明对于物流行业来说，员工收入一部分受到人工智能通过企业规模的间接影响，另一部分则受到人工智能应用的直接影响。

表3 人工智能应用对员工数量和员工收入的中介效应回归结果

3 结 语

本文利用2016—2021年我国物流上市企业的面板数据，检验分析了人工智能应用对就业规模和员工收入的影响。研究结果表明，企业中人工智能应用程度的提高，显著提高了我国物流企业的就业规模和员工收入；机制分析的结论表明，人工智能应用对就业的创造效应主要来自其扩大了企业的规模。

为了更好地发挥人工智能对就业的促进作用，本文提出以下建议。

其一，重视对员工的激励和培养。虽然目前的数据表明人工智能应用会简化其工作难度。但是目前物流行业的竞争日益激烈，未来物流企业会产生新的工作岗位，这对劳动力的素质提出了更高的要求，为了避免新岗位与员工技能不匹配的情况，企业应重视提高员工的素质和技能，对员工进行和人工智能技术有关的培训，并在培训后进行评估，以确保培训质量；还可以创办企业大学，为想要在工作之外进行充电的普通员工提供良好的学习条件和环境。

其二，注重把握人工智能的相关政策。人工智能的发展是大势所趋，物流企业应积极响应国家的号召，利用好国家出台的有关人工智能优惠政策，加强人工智能技术的研发和创新，并将人工智能与企业融合，以此增强企业的竞争优势，扩大企业规模，达到人工智能间接促进就业的目的。