产业智能化、劳动力结构与技能溢价

孙群力，谢滨泽

（中南财经政法大学a.财政税务学院；b.收入分配与现代财政学科创新引智基地，武汉 430073）

0 引言

随着我国经济的高速增长，初次分配失衡导致收入差距扩大等问题逐渐突显，过大的收入分配差距不利于社会的和谐稳定，其中技能溢价是收入差距持续扩大的重要原因之一[1,2]。党的十九大报告指出我国已迈入高质量发展的重要阶段，转变发展方式、推动技术变革、保障人民生活成为政府工作的重点，降低技能溢价、缩小收入差距亦是高质量发展的应有之义。以人工智能技术为主的新一轮技术革命能够促进发展方式的转变，加快企业产业智能化转型和产业结构升级[3]，是经济增长的重要推动力。与此同时，产业智能化升级作为技能偏向型技术进步，也会对异质性劳动力就业产生影响[4]，导致劳动力市场结构和技能溢价[5]发生改变，因此，厘清产业智能化对技能溢价的影响有助于化解新一轮技术革命对收入不平等带来的负面影响，把握发展机遇，对我国高质量发展至关重要。

梳理相关文献发现[6—11]，目前针对产业智能化与技能溢价的研究并未形成一致结论，部分研究认为产业智能化会扩大高、低技能工人的工资差距，提升技能溢价；也有研究指出产业智能化具有益贫性，能够显著提升低技能劳动力的工资水平。其主要原因在于，不同研究度量产业智能化的指标选取存在差异，大量研究采用工业机器人数量、全要素生产率作为产业智能化的代理指标，也有研究采用计算机制造业、信息服务业的增加值来衡量[1]。其中，工业机器人数量更多地反映了产业自动化程度，将其作为代理指标过于片面，产业智能化并非只体现在工业机器人数量的增长上；全要素生产率的变化能在一定程度上反映产业智能化程度，但影响全要素生产率的因素除了技术进步，还有机制创新、资源配置效率等，用全要素生产率衡量产业智能化可能会造成偏误；产业智能化与计算机制造业、信息服务业息息相关，用该行业产出增加值作为代理变量具有一定的代表性，但难以体现新型基础设施建设对产业智能化的影响。为此，本文参考国家工信部发布的关于工业化和信息化融合的指标体系，借鉴孙早和侯玉琳（2019）[9]的研究，从基础设施情况、生产活动情况、企业创新和效益三个维度出发，构建并测算一个用于度量产业智能化水平的综合指标进行研究。与此同时，已有文献更多关注产业智能化对技能溢价的影响[1]，或是产业智能化对劳动力结构的影响[8,9]，而实际情况是，除了产业智能化会对劳动力结构、技能溢价产生影响，劳动力结构也会改变技能溢价。基于此，本文将以上三者纳入同一研究框架，研究产业智能化、劳动力结构与技能溢价之间的影响关系及影响机制。

1 理论分析与研究假设

本文以ALM 模型为基础，分析产业智能化对不同技能劳动者工资水平的影响，ALM 模型由Autor、Levy 和Murnane于2003年提出，当时正处于计算机技术高速发展时期，该模型最早用于研究计算机应用普及对劳动力结构、技能溢价的影响，而计算机带来的数字信息化与智能化技术同属于技能偏向型技术进步，因此，模型同样可用于分析产业智能化对技能溢价的影响。Frey 和Obsborne（2015）[12]在ALM 模型的基础上研究了智能化技术对劳动力市场的影响，该模型将劳动力分为高技能劳动力和低技能劳动力，并假设智能化技术能够替代低技能劳动力的部分工作进而产生替代效应，准确刻画智能化技术对不同劳动力需求、工资水平的影响，其生产函数如式（1）所示：

其中，Y表示总产出，T表示产业智能化水平，Llow和Lhigh分别代表低技能劳动力和高技能劳动力供给，α是高技能劳动力供给对产出的弹性系数。根据利润最大化的约束条件可知两类劳动力均衡工资水平：

其中，Wlow和Whigh分别表示低技能劳动力工资和高技能劳动力工资，对式（2）和式（3）两类劳动力工资变化率进行分解可得：

假设1：产业智能化对低技能劳动力主要体现为替代效应，对高技能劳动力主要体现为互补效应，在劳动力市场中具体表现为对高技能劳动力需求的增加，以及对低技能劳动力需求的减少。

联立式（2）和式（3），可得到技能溢价的表达式：

假设2：产业智能化水平对技能溢价存在显著影响，产业智能化水平的提高能够提升技能溢价。

假设3：产业智能化不仅对技能溢价产生直接影响，还会通过影响劳动力结构间接影响技能溢价。

2 模型设定、变量选取与数据来源

2.1 模型设定

（1）基准计量模型

基于假设1和假设2，本文构建如式（7）所示的计量模型检验产业智能化对技能溢价的影响，构建如式（8）和式（9）所示的计量模型检验产业智能化对劳动力结构的影响。

其中，下标i和t分别表示i省份和第t年，SkillPre表示技能溢价，T表示产业智能化程度，Lowskill表示低技能劳动力占比，Highskill表示高技能劳动力占比，X为控制变量列向量，γ为控制变量系数列向量，μ表示时间固定效应，φ表示地区固定效应，ε表示残差项。

（2）异质性检验模型

考虑到我国地区间经济发展水平以及产业智能化程度存在较大差异，为了检验产业智能化对不同地区技能溢价的影响，以及产业智能化对不同地区劳动力结构的影响是否一致，本文借鉴张晏和龚六堂（2005）[13]的做法，为避免采用分样本回归使得样本量减少，从而可能导致估计结果的偏误，且便于比较产业智能化对不同地区的影响差异，本文分别为东、中、西部地区设置DumE、DumM、DumW三个虚拟变量，并根据东、中、西部地区相应省份分别赋值为1，其他地区省份赋值为0，构造出三个地区虚拟变量向量（1，0，0）、（0，1，0）、（0，0，1），最终的回归模型如下：

其中，Ti，t*DumEi、Ti，t*DumMi和Ti，t*DumWi分别表示产业智能化与地区虚拟变量的交互项，回归系数β1、β2和β3可用于比较产业智能化对不同地区的影响程度。

（3）中介效应模型

基于理论模型，本文发现产业智能化可能会通过影响劳动力结构间接影响技能溢价，为进一步分析产业智能化对技能溢价的影响路径，本文参考温忠麟和叶宝娟（2014）[14]的研究，基于假设3，构建了如下所示的中介效应检验框架：

其中，中介变量Mid分别为Lowskill和Highskill，分别检验低技能劳动力占比和高技能劳动力占比对技能溢价的中介效应；系数θ1表示产业智能化对技能溢价的总效应；系数γ1表示产业智能化对中介变量的效应；χ1表示在控制了中介变量后，产业智能化对技能溢价的影响；χ2表示控制了产业智能化影响后，中介变量对技能溢价的影响。具体检验步骤如下：先检验系数θ1的显著性，若θ1不显著，则表示中介效应不成立，若θ1显著，再检验系数γ1和χ2的显著性，若两个系数均显著，则表示中介效应显著，若两个系数中至少一个不显著，则需要进行Bootstrap检验。

2.2 指标选取

（1）被解释变量：技能溢价（SkillPrei，t）

本文运用各省份高技能劳动者平均工资与低技能劳动者平均工资的比值来度量各省份技能溢价水平。具体地，通过劳动者受教育程度表示其掌握技能的高低，再将各行业就业人员根据受教育程度的比重进行排列，选取就业人员受教育程度为大学及以上学历比重最高的行业（科学研究和综合服务业）的平均工资作为高技能劳动者的平均工资，选取就业人员受教育程度为初中及以下学历比重最高的行业（农林牧渔业）的平均工资作为低技能劳动者的平均工资，用高技能劳动者的平均工资与低技能劳动者的平均工资的比值表示技能溢价，该值越大，表示工资收入差距越大，技能溢价越高。

（2）核心解释变量：产业智能化水平（Ti，t）

正确测度各省份各年份的产业智能化水平是进行实证分析的关键，参考孙早和侯玉琳（2019）[9]的研究，借鉴国家工信部提出的指标体系结构，本文从基础设施情况、生产活动情况、创新与企业效益三个维度来构建产业智能化指数，各指标的含义及说明如表1所示。

表1 产业智能化指标体系

为消除原始指标性质带来的各项指标值大小差异的影响，并且保证指标能在不同年份、不同省份之间进行纵向和横向的对比，本文将数据进行标准化处理后，得到各省份各年份的分项指标得分情况，并进一步根据主成分分析法确定各分项指标的相对权重，通过加权得到各省份各年份的产业智能化水平得分。

图1 中，图（a）展示了各省份各年份产业智能化水平的变化趋势，图（b）呈现了各省份产业智能化水平与技能溢价之间的关系，表2统计了各省份产业智能化水平平均得分情况以及2001—2015 年智能化水平的平均增速，并根据各省份产业智能化指数得分大小进行排序。结合图1 和表2 来看，产业智能化发展程度与技能溢价呈正相关关系，产业智能化水平呈上升趋势，其中，2001—2007年，产业智能化发展的速度较平缓，2008 年后各省份产业智能化发展速度较快，横向来看，在同一年份中，大部分省份的产业智能化水平处于中低水平，少数省份发展程度较高。从各省份差异来看，在产业智能化程度较高的地区，其智能化水平明显高于其他地区，且智能化水平的差距逐年扩大。

图1 各省份产业智能化水平与技能溢价

表2 各省份产业智能化指数排名与增速

（3）中介变量：劳动力结构（Lowskilli，t、Highskilli，t）

本文运用不同受教育程度就业人员占比来衡量劳动力结构，根据《中国劳动统计年鉴》的分类方法，就业人员受教育程度共分为小学及以下、初中、高中、大专、大学本科、研究生六类，将受教育程度为高中、初中、小学及以下的就业人员比重作为低技能劳动力占比（Lowskilli，t）的代理变量，将受教育程度为大专、大学本科、研究生的就业人员比重作为高技能劳动力占比（Highskilli，t）的代理变量。

（4）控制变量

为了控制其他因素对劳动力结构及技能溢价的影响，本文将贸易开放程度、地方经济发展水平、政府干预强度、人均教育支出、城镇化水平、产业结构和金融发展水平等因素作为控制变量纳入计量模型，其中，贸易开放程度利用各省份进出口总额占其GDP 的比重衡量；地方经济发展水平用各省份人均GDP 的对数来衡量；政府干预强度用各省份财政收入占地方GDP 的比重表示；人均教育支出用地方财政人均教育支出的对数表示，用各省份财政教育支出除以各省份人口得到；城镇化水平用各省份城镇人口占其总人口的比重来衡量；产业结构用各省份第三产业增加值占当地GDP 的比重表示；金融发展水平用各省份存贷款余额占当地GDP的比重表示。

2.3 数据来源及描述性统计

本文的数据来源于历年《中国电子信息产业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》《中国高技术产业统计年鉴》《中国税务年鉴》《中国财政年鉴》和CSMAR数据库。表1中，来自《中国电子信息产业统计年鉴（软件篇）》的软件收入、智能化设备使用投入、数据处理运营能力、平台运营维护能力这4个指标在2015年前后统计口径存在很大差异，不具有可比性；智能企业发展状况、新产品开发能力、创新资源与创新能力3 个指标来自《中国高技术产业统计年鉴》，但该年鉴在2018 年没有出版；企业经营能力和盈利能力2 个指标尽管可以通过《中国统计年鉴》中相关数据计算得到，但2015 年以后，由于缺乏各省份工业企业的税金支出以及利息支出等相关数据，难以计算2015 年后各省份规模以上工业企业的总资产贡献率。鉴于以上原因，作为本文核心变量的产业智能化，其数据获取截止到2015 年，且近期研究成果[15]显示，关于产业智能化指数的测算基本均截止到2015年前后。为保证产业智能化指数横向和纵向的可比性，本文选取我国29 个省份（不含西藏、青海和港澳台）2001—2015 年的数据测算产业智能化指数。本文主要变量描述性统计结果如表3所示。

表3 变量描述性统计

3 实证结果分析

3.1 全样本回归结果

为探讨产业智能化水平、劳动力结构以及技能溢价之间的关系，豪斯曼检验结果拒绝随机效应的原假设，故本文采取固定效应模型分别对式（7）至式（9）进行估计，最终回归结果如表4所示。其中，列（1）、列（3）和列（5）为单变量回归结果，列（2）、列（4）和列（6）为控制了其他可能影响技能溢价、劳动力结构因素后的回归结果，表4 中回归均控制了个体固定效应和时间固定效应。回归结果显示，产业智能化水平对技能溢价和劳动力结构存在显著影响，在控制了个体固定效应和时间固定效应后，单变量回归结果与加入其他控制变量的回归结果在显著性水平、系数方向上均保持一致。列（2）结果显示：产业智能化水平对技能溢价的影响在1%的水平上显著，影响系数为0.062，说明产业智能化水平越高，高、低技能劳动力的工资差距越大，技能溢价提升。列（4）和列（6）回归结果表明：产业智能化会对劳动力结构产生显著影响，其中，产业智能化对低技能劳动力占比和高技能劳动力占比的影响系数分别为-0.678 和0.677。从回归结果来看，产业智能化水平与技能溢价显著正相关，产业智能化水平较高的年份或地区，与智能化水平较低的年份或地区相比，前者高技能劳动力工资与低技能劳动力工资差距更大，技能溢价更多；此外，产业智能化发展会提高高技能劳动力在劳动力市场中的占比，并降低低技能劳动力占比，导致劳动力结构发生改变，这与李强（2022）[4]的研究结论一致。其可能的原因在于，产业智能化发展作为技能偏向型技术进步，对劳动者的技能水平提出了更高的要求，与此同时，产业智能化会通过加速自动化进程进而替代低技能劳动力，最终扩大对高技能劳动力的需求，降低对低技能劳动力的需求，在改变劳动力结构的同时提高了技能溢价，实证结果验证了假设1和假设2。

表4 全样本回归结果

3.2 异质性检验

为了检验产业智能化对不同地区技能溢价的影响，以及产业智能化对不同地区劳动力结构的影响是否一致，本文运用固定效应模型分别对式（10）至式（12）进行估计，结果如下页表5所示。由表5可知，产业智能化对不同地区技能溢价的影响存在较大差异，在东部地区，产业智能化水平对技能溢价的影响在1%的水平上显著为正，即产业智能化程度的加深会扩大东部地区工资收入差距，提升技能溢价；在中部地区，产业智能化水平对技能溢价产生负向影响，产业智能化水平越高，工资收入差距越小，技能溢价越小；而在西部地区，产业智能化水平对该地区技能溢价的影响并不显著。其原因可能与不同地区经济发展程度、产业智能化水平有关，西部地区经济发展水平、产业智能化程度相对落后，该地区智能化发展对经济生产、工资收入和技能溢价不产生显著影响；东部地区则与西部地区相反，东部地区包括北京、上海、广东、浙江、江苏和天津等产业智能化水平较高的省份，智能化发展对该地区高技能劳动力产生较强的互补效应，提高了高技能劳动力的生产效率，并同时对低技能劳动力产生替代效应，降低低技能劳动力在经济生产中的贡献率，进而扩大两类劳动力工资收入差距，提升了技能溢价；中部地区产业智能化程度处于东西部地区之间，该地区智能化水平初具规模，但仍落后于东部地区，对企业生产的推动效应有限，产业智能化对技能溢价的影响显著为负。

表5 异质性检验估计结果

在劳动力结构方面，产业智能化对东、中、西部地区劳动力结构的影响方向与总样本回归结果保持高度一致，即产业智能化会提高高技能劳动力占比，降低低技能劳动力占比，该影响在三个地区均保持较高的显著性，但不同地区的回归系数大小存在一定的差异，其中，产业智能化对中部地区劳动力结构的影响最大，对西部地区劳动力结构的影响最小，其可能的原因在于：西部地区产业智能化水平较低，大多数产业均以传统方式进行生产经营，对高技能劳动力的需求小于东部和中部地区，而在东中部地区，智能化发展势头迅猛，伴随着智能化程度的加深，对高技能劳动力的需求愈发旺盛，对低技能劳动力的替代效应变得更强，进而导致高技能劳动力的占比提高，低技能劳动力的占比下降。此外，与西部地区相比，中部地区和东部地区经济发展状况更好，对高技能劳动力的虹吸效应更强，产业智能化对东中部地区劳动力需求和劳动力结构的影响程度要明显强于西部地区，该回归结果进一步验证了假设1。

3.3 中介效应检验

为进一步探讨产业智能化对技能溢价的影响路径，本文分别将低技能劳动力占比、高技能劳动力占比作为中介变量，分别对式（13）至式（15）进行估计，结果如表6所示。

表6 中介效应检验估计结果

估计结果显示，产业智能化对技能溢价的影响显著为正，产业智能化对低技能劳动力占比的影响显著为负，对高技能劳动力占比的影响显著为正，加入劳动力结构作为控制变量后，产业智能化对技能溢价的影响仍显著为正，但劳动力结构对技能溢价的影响并不显著，通过Bootstrap进一步检验发现，高技能劳动力占比和低技能劳动力占比对技能溢价的间接效应均不显著，表明假设3并不成立①本文也将“高、低技能劳动力之比”作为中介变量进行中介效应检验，估计结果显示中介效应仍然不显著，即假设3仍不成立。限于篇幅，结果未列示。。

3.4 稳健性检验

为检验结论的稳健性，本文通过更换被解释变量进行稳健性检验，分别选取信息传输、软件和信息技术服务业与农林牧渔业平均工资之比（SkillPre1），金融业与农林牧渔业平均工资之比（SkillPre2）作为技能溢价的代理变量。选取科学研究和综合服务业就业总人数与农林牧渔业就业总人数的比值（ratio1）、科学研究和综合服务业就业总人数与制造业就业总人数的比值（ratio2）作为劳动力结构的代理变量。更换被解释变量后的估计结果显示，产业智能化对技能溢价、劳动力结构的影响均保持较高的显著性，且影响方向与原估计结果保持一致，表明本文的研究结论具有较强的稳健性。

4 结论

本文基于ALM 模型，探讨了产业智能化对技能溢价的影响，并借鉴工信部关于工业信息融合的指标体系，构建了用于评价产业智能化程度的综合指标体系，结合我国省级面板数据，分析了产业智能化对工资收入差距的影响。通过理论模型和实证检验发现：（1）我国产业智能化程度逐年递增，在2007年以前，各省份产业智能化发展速度平缓，2008 年后发展速度较快；（2）各省份间产业智能化水平存在较大差距，大部分省份的产业智能化程度处于中低水平，地区间产业智能化水平的差距逐年扩大；（3）产业智能化程度的加深会显著提升技能溢价，产业智能化水平越高，技能溢价的幅度越大，智能化发展对不同地区技能溢价水平的影响并不相同，对东部地区主要表现为技能溢价的提升，对中部地区表现为技能溢价的下降；（4）产业智能化发展对劳动力结构也存在显著影响，对低技能劳动力表现为替代效应，而对高技能劳动力则体现为互补效应，会降低劳动力市场中低技能劳动力的占比，提高高技能劳动力占比。