人工智能发展有利于我国居民消费扩容吗

丁建勋 罗润东

基金项目：国家自然科学基金项目“异质性人工智能模式对人力资本的结构性替代与再配置效应研究” （72073082）；山东省社会科学规划研究项目“基建序贯投资转向对山东省高质量发展路径演进的影响及其机理研究”（21CJJJ04）。

作者简介：丁建勋（1971—），男，山东胶南人，博士，青岛理工大学教授，硕士生导师，研究方向为宏观经济理论与政策；罗润东（1966—），男，山东德州人，博士，山东大学教授，博士生导师，研究方向为劳动就业与人力资源。

摘要：人工智能技术的快速发展和广泛应用会对居民消费产生重要影响，但其影响居民消费的方向和核心机制是什么，还需要加以深入探讨。基于人工智能发展如何影响消费及其核心机制的理论探讨，利用2005～2020年我国30个省份（西藏除外）的面板数据进行实证检验发现，人工智能发展有利于我国居民消费扩容，但检验核心机制存在性的中介效应分析显示，人工智能发展对我国居民消费的直接影响不明显，而通过异质型技术进步影响居民消费的间接路径显著，且人工智能发展通过非体现式技术进步实现的特定中介效应要大于通过体现式技术进步实现的特定中介效应。

关键词：人工智能；居民消费；异质型技术进步

文章编号：2095-5960（2023）03-0018-11；中图分类号：F126；文献标识码：A

一、引言

消费是畅通国内大循环的关键环节，被视为经济高质量发展的主引擎。然而，在过去相当长的一段时期内，我国居民消费不足的问题却持续存在，导致居民消费率低且上升缓慢，从2010年的338%仅上升到2020年的377%。这严重制约了国内大循环的形成和经济的高质量发展。因此，探寻扩大居民消费的途径，以改善居民消费率低且上升缓慢的现状，就显得迫在眉睫。

尽管以往大量文献从不同角度分析了影响居民消费的因素，但越来越多的学者将研究视角对准了技术进步，如Zweimuller［1］以及金晓彤等［2］等，通过不同方法阐释了技术进步对消费需求增长以及消费结构升级的促进作用。近年来，随着作为新技术代表的人工智能获得了快速发展与广泛应用，一些学者开始将研究视角延伸至人工智能对居民消费的影响。例如：王先庆和雷韶辉的研究发现，人工智能技术可以有效促进场景营销中消费者互动和愉悦感的提升，从而提升顾客购物满意度和顾客忠诚，增强消费欲望和扩大消费；［3］林晨等通过构建含有人工智能和异质性资本的DSGE模型并进行数值模拟的研究发现，人工智能可以通过优化资本结构实现扩大居民消费和促进经济增长的双重目标；［4］笪远瑶等的实证研究也表明，数字经济（包含人工智能）发展显著促进我国居民消费水平的提升，推动消费结构升级。［5］

尽管学者们已开始重视人工智能对居民消费的影响，但总体而言，此类研究还较少，尤其是人工智能如何影响居民消费及其核心机制的探讨还不多。鉴于此，本文拟进行尝试，以期弄清人工智能的居民消费扩容效应及其核心机制是什么，为人工智能背景下畅通消费内循环助推高质量发展提供政策建议。

二、人工智能发展与消费扩容：理论分析

根据Aghion等［6］以及陈彦斌等［7］等基于任务式刻画人工智能的方法，假设人工智能可以使得生产任务实现自动化，用已实现自动化生产的任务占所有生产任务的比重来衡量人工智能的发展程度。假设存在众多的竞争性企业生产最终产品，最终产品的CES生产函数为Y=A［∫10Xφndn］1/φ。其中，Y为最终产品产出，A为全要素生产率，Xn为第n类中间品的数量。φ为资本和劳动的替代弹性参数， 1/（1－φ）给出了资本和劳动的替代弹性。假设中间品或用资本或用劳动进行生产，若相应生产任务实现了自动化，则该中间品用资本进行生产；若相应的生产任务未实现自动化，则该中间品用劳动进行生产。具体用下式表示：

（5）式表明，人工智能的发展是有利于实现消费扩容的。那么，人工智能发展为何能促进消费呢？其核心在于人工智能除了自身能够实现技术进步外，还能促进全社会技术进步。

人工智能自身是一种形式的技术进步且会引致全社会技术进步，从而促进消费需求。尽管人工智能技术与以往的自动化技术存在较大差异［8］，但人工智能本质上是技术进步的一种形式［9］，或被视为实现自动化生产方式的一种技术［10］，或被视为生产要素增强型技术，如资本增强型技术［11］和劳动增强型技术［12］等，而且人工智能的发展也会带来技术进步［8］。由于技术进步与消费需求存在双向互动关系［2］，因而人工智能发展也必将引致消费需求的增加。

人工智能自身作为一种形式的技术进步以及引致的技术进步会呈现出异质性，将带来差异性消费扩容效应。由于技术进步可以分为体现式的和非体现式的两类，因而人工智能自身作为一种技术进步，必定属于体现式的或非体现式的。而且，人工智能还会通过“机器学习”以及激发配套创新科技等方式促进全社会技术进步［13］，所以引致的技术进步也会包括体现式的和非体现式的。而异质型技术进步会产生差异性消费扩容效应。具体而言：

如果人工智能自身作為一种形式的技术进步和（或）引致的技术进步是融合在资本中的，这一方面会提升资本生产率和资本要素回报率，扩大劳动要素与资本要素的回报差距；另一方面，人工智能技术的应用推广也是资本深化的过程，将进一步降低劳动报酬在国民收入中的比重［8］，从而会部分抵消对消费需求的提升作用。因此，人工智能自身作为一种形式的技术进步和（或）引致的技术进步是资本体现式的，可能对消费的提升作用较小。

如果人工智能自身作为一种形式的技术进步和（或）引致的技术进步是要素增强型的，则属于独立于生产要素的非体现式技术进步。非体现式技术进步主要来源于研发。而研发需投入大量人力资本，高素质劳动力成为技术进步的关键，因而此种技术进步更具劳动偏向性，高素质劳动力的高需求决定了相对较高的劳动报酬，有利于改善初次分配中资本报酬过高的不合理格局，并通过增加居民收入刺激消费需求。［14］因此，人工智能自身作为一种技术进步和（或）引致的技术进步是非体现式的，可能对消费的促进作用最终会较大。

当然，上述分析仅仅是理论上的，欲弄清楚人工智能发展是否真能实现消费扩容，以及人工智能发展如何通过自身和引致的技术进步影响消费，仍需要实证检验。

三、人工智能发展与我国居民消费扩容：实证检验

（一）样本选取与数据来源

实证研究使用2005～2020年我国30个省级行政单位（西藏除外）的面板数据。所用数据以2000年为不变价计算。所有原始数据均来自各年《中国统计年鉴》《全国科技经费投入统计公报》《中国科技统计年鉴》、各省《统计年鉴》以及《中经数据》。

（二）模型设定

为了检验人工智能发展是否有利于我国居民消费扩容，构建如下计量模型：

其中，下标j和t表示地区和时间；Cjt和ηjt分别表示j省第t年的居民消费和人工智能发展程度；控制变量xjt包括政府支出gojt、对外开放度trjt、可支配性收入dijt、产业结构injt以及经济发展水平ynjt；ψt表示时间效应；νj表示地区个体效应；εjt为随机扰动项。

根据理论分析，人工智能发展可能会通过两条路径影响居民消费：一条是直接路径，即人工智能自身作为技术进步直接影响居民消费；另一条是间接路径，即人工智能发展通过引致全社会技术进步再作用于居民消费。欲证明上述路径的存在性，可以使用中介效应分析方法。由于技术进步可以分为体现式的和非体现式的两类，因此异质型技术进步是传导的中介变量。其中中介效应分析第一步的计量模型即（6）式，其他步骤的相应计量模型如下：

其中，eqjt和rdjt分别为体现式和非体现式技术进步；zjt为影响两种技术进步的其他因素，因为两种技术进步主要源于技术引进和自主研发，且在不同发展阶段获取方式各有所侧重，所以zjt主要包括对外开放度trjt、外商直接投资wijt、研发人员rljt和经济发展水平ynjt。

通过中介变量“体现式技术进步”和“非体现式技术进步”实现的特定中介效应分别为a1b1和a2b2，则总的中介效应为a1b1+a2b2，c′为直接效应，c为总效应（见（6）式）。

（三）变量说明和统计描述

1被解释变量。居民消费C，用地区总人口乘以地区人均居民消费支出表示地区居民消费支出。

2核心解释变量。人工智能η，对人工智能的衡量，由于无法得到理论分析中生产任务实现自动化的中间品在总中间品中所占份额的数据，因而采用俞伯阳［15］的做法，以地区信息传输、计算机服务和软件业全社会资产投资来代表地区人工智能发展规模。

3中介变量。体现式技术进步eq和非体现式技术进步rd。根据王林辉和董直庆的做法［16］，衡量体现式技术进步和非体现式技术进步的指标，选择设备工器具投资和R&D投入。

4控制變量。（1）政府支出go，用地区财政支出占地区GDP的比重来衡量；（2）产业结构in，选取地区第一产业增加值占地区GDP的比重作为地区产业结构的代理变量；（3）对外开放度tr，用地区进出口总额与地区GDP的比率来衡量；（4）外商直接投资wi，用地区外商直接投资与地区GDP的比率来衡量；（5）可支配性收入di，用地区总人口乘以地区人均可支配性收入表示地区可支配性收入；（6）研发人员rl，用地区研发人员占地区劳动力的比重来衡量；（7）经济发展水平yn，用地区人均GDP来衡量。

由于上述被解释变量、核心解释变量、中介变量以及控制变量中可支配性收入的数据数量级较大，因此对其除以10000得到所用数据。

5各变量的统计特征。包括均值、中位数、最大值、最小值及标准差，如表1所示。

（四）人工智能发展影响居民消费的实证研究结果

1 人工智能发展与居民消费的相关关系

图1给出了2005～2020年我国居民消费支出与信息传输、计算机服务和软件业全社会资产投资的散点图及拟合线，显示居民消费与人工智能之间呈显著的正相关关系。

2 基准回归结果

应用Stata16软件对2005～2020年我国30个省级行政单位（西藏除外）的面板数据对方程（6）进行估计，以检验人工智能发展对我国居民消费的影响。由表4各项检验可以看到，根据选择混合回归或FE模型的F检验、混合回归或RE模型的LM检验、FE或RE模型的Hausman检验以及年度虚拟变量的联合显著性检验，最终应选择双向固定效应模型（TWFE），并使用聚类稳健的标准误以消除异方差，估计结果见表4第（3）列所示。

首先看核心解释变量——人工智能η对居民消费C的影响。可以看到，人工智能η的系数显著为正，表明人工智能发展的确有利于居民消费扩容。这个结果与上文的观察相一致，也证实了理论模型分析的结论。然后看控制变量的估计结果。财政支出占GDP比重go的系数显著为负，表明政府支出增加不利于居民消费扩容；可支配性收入di的系数显著为正，表明提高可支配性收入能显著提高居民消费；第一产业增加值占GDP比重in、对外开放度tr及人均GDPyn的系数都不显著，其对居民消费的影响未能得到证实。

3稳健性检验

（1）替换被解释变量且改变样本区间

使用全国及各省《统计年鉴》中国民经济核算部分直接给出的分地区居民消费支出作为被解释变量进行稳健性检验。由于《统计年鉴》中缺乏2017年之后的数据，因而样本区间为2005～2017年。同样因数据的数量级较大，对其除以10000得到所用数据，记为C2，在进行回归分析之前，也利用散点图和拟合线观察了我国居民消费与人工智能之间的相关关系。图2显示，居民消费与人工智能之间同样呈现出正相关关系。

在进行稳健性检验时，根据表5第（1）～（3）列中的相关检验，应选择双向固定效应模型（TWFE），同样也使用聚类稳健的标准误以消除异方差。表5第（3）列结果显示，核心解释变量——人工智能η的系数依旧显著为正，因而可以认为，基准回归结果中人工智能发展有利于居民消费扩容的结论具有较强稳健性。

（2）考虑内生性问题

由于人工智能与居民消费之间可能存在双向因果关系，以及影响居民消费的遗漏变量无法避免，可能存在内生性问题。表6第（1）列给出异方差稳健的DWH内生性检验的P值为0000，因而在1%的显著性水平下拒绝所有解释变量均为外生的原假设，即认为η为内生解释变量。

严重的内生性会造成估计系数的有偏和非一致性，而解决内生性问题的一个有效方法就是工具变量估计法。在工具变量的选择上，考虑人工智能的发展具有持续性，前一期的人工智能应用会对当期产生影响，而不会对扰动项产生影响，故将人工智能的滞后一期作为工具变量。［17，18］有关工具变量的检验结果见表6第（1）列所示。可以看到：Kleibergen-Paap rk LM统计量的P值为0000，强烈拒绝工具变量不可识别的原假设；Cragg-Donald Wald F统计量以及Kleibergen-Paap rk Wald F统计量显示，可以拒绝弱工具变量的原假设；Hansen J 统计量为0000，表示不存在过度识别问题。综上检验表明，人工智能的滞后一期可以作为有效工具变量引入模型。

加入工具变量进行两阶段最小二乘法（2SLS）回归的结果如表6第（1）列所示。同时，为了稳健起见，也进行了对弱工具变量不敏感的有限信息最大似然法（LIML）估计，以及当存在异方差时比两阶段最小二乘法（2SLS）更有效率的广义矩（GMM）估计。结果表明，三种估计方法的回归结果相同（因篇幅所限，LIML和GMM的回归结果省略），而且人工智能η系数的符号和显著性水平均未发生改变，因而表明基准回归结果具有较强稳健性。

（五）人工智能发展有利于居民消费扩容的核心机制分析

1我国人工智能与异质型技术进步的相关关系

图3和4分别给出了2005～2020年我国R&D投入以及设备工器具投资同信息传输、计算机服务和软件业全社会资产投资的散点图及拟合线，表明R&D投入以及设备工器具投资都同人工智能呈现出正相关关系。

2中介效应分析的基准回归结果

利用2005～2020年我国30个省级行政单位（除西藏外）的面板数据对方程（7）～（9）进行估计，得到中介效应分析的第二和第三步结果如表7～8所示。根据选择混合回归或FE模型的F检验、混合回归或RE模型的LM检验、FE或RE模型的Hausman检验以及年度虚拟变量的联合显著性检验，在第二、三步分析中，都应选择双向固定效应模型（TWFE），并且在估计时也都使用聚类稳健标准误以消除异方差。可以看到：

在中介效应分析的第二步，表7第（3）和（6）列结果显示，人工智能η的系数都显著为正，即a1>0和a2>0，表明人工智能发展的確会促进体现式技术进步eq和非体现式技术进步rd；人工智能η的系数大小显示，人工智能发展对体现式技术进步eq的影响大于对非体现式技术进步rd的影响，即a1>a2。这与我国人工智能发展多应用而少研发［19］、技术进步以资本体现式为主［20，21］的现状相符合。各控制变量对eq的影响都不显著，对外开放度tr和研发人员占总劳动力比重rl对rd分别产生了显著的负向和正向影响，其他控制变量对rd的影响并不显著。

在中介效应分析的第三步，表8第（3）列结果显示，人工智能η的系数不显著，即c′不显著；体现式技术进步eq和非体现式技术进步rd的系数都显著为正，即b1>0和b2>0，且体现式技术进步eq的系数明显小于非体现式技术进步rd的系数，即b1

综合中介效应分析三步法检验结果可以看到，c、a1、b1、a2和b2是显著的，而c′不显著，此时为完全中介效应。也就是说，人工智能发展对居民消费影响的直接路径不明显，而人工智能发展通过引致异质型技术进步再作用于居民消费的间接路径是显著的。除此之外，还存在a1b1

3中介效应分析的稳健性检验

（1）替换被解释变量且改变样本区间

同样使用我国及各省《统计年鉴》中国民经济核算部分直接给出的分地区居民消费支出衡量地区居民消费，进一步检验人工智能发展影响居民消费的路径是否真的存在。数据处理如前所述。同样由于数据可得性限制，样本区间仍为2005～2017年。

根据表9第（1）～（6）列以及表8第（4）～（6）列中相应检验选择正确的模型（TWFE），并在估计时使用聚类稳健标准误以消除异方差。可以看到：在中介效应稳健性检验的第二步，表9第（3）和（6）列结果显示，仍然存在a1>0、a2>0且a1>a2；在中介效应稳健性检验的第三步，表8第（6）列结果显示，c′依然不显著，仍然存在b1>0、b2>0且b1

（2）考虑内生性问题

在中介效应分析中，同样也需要考虑人工智能可能存在的内生性问题。表6第（2）～（4）列给出的异方差稳健的DWH内生性检验结果显示，η为内生解释变量。同样选择人工智能的滞后一期作为工具变量，而且对工具变量的各项检验也显示，以人工智能的滞后一期作为工具变量是合理的。于是加入工具变量进行2SLS回归的结果如表6第（2）～（4）列所示。为了稳健起见，也使用了LIML和GMM进行估计。结果表明，三种估计方法的回归结果也完全相同（因篇幅所限，LIML和GMM的回归结果省略），并且与表7～8的结果相比，人工智能η、体现式技术进步eq以及非体现式技术进步rd的系数符号和显著性水平均未发生很大改变，因而表明表7～8中介效应分析的基准回归结果具有较强稳健性。

四、结论与建议

人工智能发展对消费会产生何种影响及其影响消费的核心机制是什么，学术界还缺乏深入探讨。鉴于此，在理论分析的基础上，利用2005～2020年我国30个省级行政单位（西藏除外）面板数据，通过基于双向固定效应的基准模型回归分析以及多层次稳健性检验，实证研究了人工智能发展对居民消费的影响及其影响居民消费的核心机制，发现人工智能发展是有利于我国居民消费扩容的，但检验核心机制存在性的中介效应分析显示，人工智能发展对我国居民消费的直接影响不明显，而通过引致异质型技术进步进而影响居民消费的间接路径显著，且人工智能发展通过非体现式技术进步实现的特定中介效应要大于通过体现式技术进步实现的特定中介效应。基于研究结果，本文得出三点政策建议：

第一，应重视人工智能发展对居民消费的促进效应。人工智能发展可以通过技术进步对居民消费产生正向影响表明，加快人工智能的发展既能促进全社会技术进步，也会扩大居民消费。因此，政府部门应重视并着力促进人工智能快速健康发展，以有利于实现经济效率提升和居民消费扩容的双重目标。

第二，继续加大人工智能应用层面的投入力度。虽然应用层面的人工智能发展可能会更多引致体现式技术进步，对居民消费的促进作用要小于非体现式技术进步，但无论如何，其发展对提高经济效率和扩大居民消费都是有益的。而且，尽管我国人工智能在应用层面获得了快速发展，但人工智能发展还处于初级阶段，发展程度与发达国家相比依然存在着差距。因此，应继续加大人工智能应用层面的投入力度。

第三，特别要加大人工智能的研发投入力度。我国在人工智能技术领域和基础领域的研究还相对较少，与发达国家相比存在着很大的差距。［18］因此，必须加大在人工智能研发方面的投入力度：一方面，应建立政府在人工智能研发投入方面稳定的增长机制，除了提高财政经费投入在人工智能研发中的幅度外，还应通过多种途径筹集资金定向投向人工智能研发项目；另一方面，应制定落实财税金融政策等，引导、鼓励和支持企业和社会资本加大人工智能的研发投入。总之，应形成以政府公共研发投入为引导，以企业和社会资本研发投入为主体的人工智能研发投入体系，加速人工智能研发，带来更多的非体现式技术进步，以实现经济效率和居民消费的更快提高。

综上可知，高度重视人工智能发展对居民消费的促进作用，加大人工智能应用和研发投入力度，使人工智能技术进步及其引致的技术进步逐渐呈现出以非体现式为主的方式，不仅有利于经济效率的提高，也会持续扩大居民消费，加速畅通消费内循环，从而更好更快地推动经济高质量发展。

参考文献：

［1］Zweimuller J.Inequality，Redistribution and Economic Growth［J］.Empirica Springer，2000， 27（1）：1～20.

［2］金晓彤，黄蕊.技术进步与消费需求的互动机制研究——基于供给侧改革视域下的要素配置分析［J］.经济学家，2017（2）：50～57.

［3］王先庆，雷韶辉.新零售环境下人工智能对消费及购物体验的影响研究——基于商业零售变革和人货场体系重构视角［J］.商业经济研究，2018（17）：5～8.

［4］林晨，陈小亮，陈伟泽，陈彦斌.人工智能、经济增长与居民消费改善：资本结构优化的视角［J］.中国工业经济，2020（2）：61～83.

［5］笪远瑶，王珊珊，周京奎.数字经济促进消费升级了吗［J］.贵州财经大学学报，2022（6）：31～42.

［6］Aghion P.，Jones B. F.，Jones C. I. Artificial Intelligence and Economic Growth ［R］.NBER Working Paper，2017.

［7］陳彦斌，林晨，陈小亮.人工智能、老龄化与经济增长［J］.经济研究，2019，54（7）：47～63.

［8］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019，36（5）：03～22.

［9］李霞，涂涛涛，雷泽奎.人工智能与中国要素报酬分配——基于GTAP模型的分析［J］.中国科技论坛，2020（9）：133～144.

［10］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.

［11］Sachs Jeffrey D.， Laurence J. Kotlikoff. Smart Machines and Long-Term Misery［R］.NBER Working Paper，2012.

［12］Nordhaus W..Are We Approaching an Economic Singularity？ Information Technology and the Future of Economic Growth［R］.Working Paper，2015.

［13］Brynjolfsson E.， Rock D.， Syverson C.. Artificial Intelligence and the Modern Productivity Paradox：A Clash of Expectations and Statistics［R］.NBER Working Paper，2017.

［14］龙少波，张梦雪，陈路.中国式技术变迁方式转变对经济高质量发展的影响研究［J］.宏观质量研究，2022，10（3）：35～46.

［15］俞伯阳.人工智能技术促进了中国劳动力结构优化吗——基于省级面板数据的经验分析［J］.财经问题研究，2020（3）：94～102.

［16］王林辉，董直庆.资本体现式技术进步、技术合意结构和我国生产率增长来源［J］.数量经济技术经济研究，2012，29（5）：3～18.

［17］芦婷婷，祝志勇.人工智能是否会降低劳动收入份额——基于固定效应模型和面板分位数模型的检验［J］.山西财经大学学报，2021，43（11）：29～41.

[18]张乐，童星.人工智能的发展动力与风险生成：一个整合性逻辑框架[J].江西财经大学学报，2021（5）：23～36.

［19］郑言.中国人工智能产业区域发展差异性研究［J］.技术经济与管理研究，2021（7）：36～41.

［20］杜丽，高帅雄.资本体现式技术进步、资本深化与经济增长［J］.产业组织评论，2017，11（3）：67～81.

[21]高丽，张馨月.数字普惠金融对消费需求的影响研究[J].兰州财经大学学报，2022（5）：15～27.

Abstract：The rapid development and wide application of artificial intelligence technology will have an important impact on residents' consumption， but the direction and core mechanism of its impact on residents' consumption need to be further explored. Based on the theoretical discussion on how the development of AI affects consumption and its core mechanism， using panel data from 30 provinces in China from 2005 to 2020 to conduct an empirical test， it is found that the development of AI is indeed conducive to the expansion of China's residents' consumption， but the analysis of the intermediary effect of the existence of core mechanisms shows that the direct impact of AI development on China's residents' consumption is not obvious， However， the indirect path of influencing Chinese residents' consumption through heterogeneous technological progress is significant， and the specific intermediary effect of AI development through disembodied technological progress is greater than that through embodied technological progress. In order to give full play to the role of AI in consumption expansion and promote high-quality development in China， first， we should attach importance to the promotion effect of AI development on residents' consumption; Second， we should continue to increase the investment in the application of artificial intelligence; Third， we should especially increase investment in research and development of artificial intelligence.

Key words：artificial intelligence;household consumption;heterogeneous technological progress

責任编辑：萧敏娜 吴锦丹 萧敏娜 常明明 张士斌 张建伟 张领