互联网技术发展、行业间技术溢效应与劳动报酬提升*

程名望,林兴模

(同济大学 经济与管理学院, 上海 200092)

一、引言

新古典经济学框架下,技术进步是经济增长的源泉。长期经济增长和劳动报酬提升是由少数几种关键技术推动的,被称之为“通用目的技术”(General Purpose Technologies)[1]350-354。作为通用目的技术,互联网技术带来了新一轮科技革命和产业变革,对劳动力市场和收入分配格局产生了深远影响[2]187-201, [3]19-41。近年来,中国互联网发展迅速。2022年,中国数字经济规模达到50.2万亿元,占GDP比重达41.5%;网民规模10.67亿人,互联网普及率达到75.6%(《数字中国发展报告》,2023)。同时,十八大以来,党中央高度注重公平正义问题,把逐步实现全体人民共同富裕摆在更加重要的位置。劳动报酬是共同富裕的基础。基于此,研究互联网这一通用目的技术进步对劳动报酬的影响,对于中国经济高质量发展和共同富裕具有重要意义。

国内外学者高度关注互联网技术对劳动报酬的影响,但对二者的关系尚未取得一致性结论。第一类观点认为互联网技术会降低劳动报酬。Bresnahan和Autor et al. 研究发现,互联网技术能够有效替代中低技能劳动力,降低中低技能工人的劳动报酬和收入水平。[4]390-415, [5]1169-1213Berger et al. 研究发现,互联网技术对劳动力具有显著的“挤出效应”,会导致技术性失业的出现,从而降低平均劳动报酬水平。[6]38-45基于地区、性别的研究发现,互联网技术显著降低了欠发达地区和女性的劳动报酬。[7]1-62,[8]556-575, [9]93-115,203-204, [10]87-100第二类观点认为互联网技术能够显著提升劳动报酬。一方面,信息技术推动企业技术革新,提高劳动生产率,提高了劳动报酬水平;[11]173-181, [12]986-993, [13]195-210另一方面,信息技术能够促进人力资本提高,进而使劳动报酬增加。[14]153-167, [15]821-838, [16]88-102Goss et al. 发现使用互联网使平均工资率提高13.5%。[17]463-474Siaw et al. 研究发现互联网使用能够使农场收入和家庭收入分别增加20.1%和15.47%[18]3255。近年来,互联网的技术溢出效应成为研究热点,学者们主要关注了互联网技术的空间溢出效应。Lin et al. 研究发现,互联网接入通过集聚效应和溢出效应对区域经济产生显著影响;[19]946Fang et al. 研究发现,一个地区的互联网发展可以显著加强周边地区的绿色创新效率。[20]101844也有部分研究关注了互联网在行业间的溢出效应。Düring et al. 和潘文卿等探讨了一个国家多个行业间的技术溢出效应,并把行业间的技术溢出效应分为垂直技术溢出与水平技术溢出。[21]363-375,[22]18-29Wang et al. 利用中国2000—2014年的投入产出表,验证了互联网技术对就业有显著的行业间溢出效应。[23]120259

上述文献表明,多数学者肯定了互联网对劳动报酬具有显著影响,并对其影响机制进行了探讨。但已有文献存在如下不足,一是在测量指标上,主要采用“互联网普及率”这一指标,该指标主要反映使用人数、使用频率和使用时间的增加,并不能充分反应互联网“资本体现式技术进步”的本质特征;二是对互联网技术溢出效应的研究主要集中在地区间技术溢出,行业间技术溢出的研究较少;三是主要以某一国家为样本,基于国别样本的研究较少。基于此,采用世界投入产出数据库(World Input-Output Database, 简称WIOD)的国别数据,选取“互联网技术投入”作为衡量互联网技术进步的指标,从行业视角分析互联网技术及其行业间溢出效应对劳动报酬的影响及其作用机制。该研究能从生产函数和索洛中性技术进步视角更全面地考察互联网作为通用目的技术对经济社会影响的普遍性和广泛性,也弥补了已有研究局限于某一国的问题。

二、研究方法与模型设立

(一) 理论模型及推导

假定互联网技术是一种资本体现式技术进步[24]91-106,各行业通过在生产中投入互联网设备,实现互联网技术的升级和要素生产率提升。设定Cobb-Douglas生产函数:

(1)

此时,式 (1) 可以写成:

(2)

在完全竞争的条件下,行业i的利润最大化问题为:

(3)

(4)

这里,wi是行业i的工资水平,可以得到均衡时工资wi满足:

(5)

对式 (5) 两边取对数,有

+(βi-1)lnLi

(6)

(二) 计量模型设立与变量设置

基于式 (6),构建行业互联网投入对行业平均劳动报酬影响的计量模型:

lnwageict=β1lnNict+γXict+εict

(7)

其中,i表示行业,c表示国家,t表示年份。wageict为行业平均劳动报酬,用行业劳动报酬除以行业就业人数来表示。Nict表示互联网技术投入,根据世界投入产出数据库,选择与互联网技术相关性最强的3个代表性行业:(C26) 计算机、电子和光学产品制造,(J61) 电信, (J62_J63) 计算机编程、咨询及相关活动。用各行业在生产中对这类互联网设备中间投入品的使用之和来衡量。Xict是一组控制变量,包括资本存量、劳动生产率、就业人数、出口数量和希克斯中性技术进步。其中资本存量、就业人数、出口数量来自世界投入产出数据库,希克斯中性技术进步通过式 (2) 计算得到。εict为随机误差项。

(三) 数据来源及说明

数据来自世界投入产出数据库,其最新数据是2016年公布的43个国家2000—2014年的国家投入产出表 (National Input-output tables, NIOT) 和附带的社会经济账户 (Socio Economic Accounts, SEA)。NIOT的数据以美元为单位,SEA中的数据以本国货币为单位,利用SEA中的价格和汇率指标将所有变量调整为美元不变价(基年为2010年)。变量说明及描述性统计见表1。

表1 变量说明及描述型统计

三、实证结果与分析

(一) 基准回归

基于式 (7),采用固定效应模型进行OLS回归。考虑到可能存在的内生性问题,选择解释变量的一阶滞后变量为工具变量进行2SLS回归。回归结果见表2。分析可见,随着控制变量的逐步加入,核心解释变量的系数大幅降低,表明某些“隐含”(Unobserved)的不可观察因素对劳动报酬有重要影响。但在所有的模型中,无论是OLS还是2SLS回归,无论是否加入控制变量,互联网技术投入均在1%的水平上显著为正,表明互联网技术投入增加显著促进劳动报酬的提高,即从行业层面上看,互联网技术对劳动报酬具有显著的正向效应。以最优模型 (6) 为例,互联网技术投入每增加1%,平均劳动报酬增加18.2%。该实证结果并不支持“索洛悖论”(1)企业的IT 投资和投资回报率之间没有明显的关联。罗伯特·索洛 (Robert Solow)将这种现象称为“生产率悖论 ”(Productivity Paradox)。。但该结论符合通用目的技术进步的基本规律和特征。通用目的技术的发展通常经历两个阶段:第一阶段是技术从无到有、在局部领域扩散普及的孕育期,对经济社会的影响往往并不显著甚至有负向影响。第二阶段则是技术由弱到强、推动社会生产效率大幅提升的爆发期。由此可见,互联网技术在世界主要国家的应用已经进入成熟期,促进了生产率和劳动报酬的提升。

表2 互联网技术投入对行业平均劳动报酬的影响

(二) 稳健性检验

通过两种方式进行稳健性检验:第一,替换解释变量。采用Wang et al. 的方法[23]120259,将互联网技术投入分为硬件投入(C26)和软件投入(J61+J62_J63)。第二,缩尾处理。为避免极端异常值对实证结果造成潜在影响,对核心解释变量进行1%缩尾。结果见表3。第 (1)(2)列、(3)(4)列、(5)(6)列分别是对硬件投入、软件投入和缩尾处理的回归结果。分析第(1)～(4)列可见,互联网技术投入的系数仍旧十分显著,表明其对劳动报酬的影响是稳健的。对比第 (1) 和第 (3) 列、 第 (2) 和第 (4) 列可以发现,互联网软件投入对于劳动报酬的影响,相较于互联网硬件投入更大一些。第(5)(6)列的结果表明,进行缩尾处理之后,回归结果仍旧稳健。

表3 稳健性检验回归结果

(三) 异质性分析

为进一步讨论不同国家的情形,通过分组回归进行异质性检验。根据截至2014年底,是否为欧盟成员国、是否为经济合作与发展组织成员国(OECD)对样本中的国家进行分类,回归结果见表4。分析可见,OECD国家行业互联网投入对平均劳动报酬的提升效应比非OECD国家更大;而欧盟成员国行业互联网投入对平均劳动报酬的提升效应也比非欧盟国家更加显著。该结果说明,经济发达国家拥有更加完善的技术创新保护制度,人力资本水平更高,互联网技术对经济的影响更加显著,和上文分析的通用目的技术进步的基本规律和特征一致。

表4 异质性分析回归结果

(四) 进一步的机制分析

根据Nurmilaakso和 Najarzadeh et al.的研究,互联网的发展能够促进劳动生产率水平的提升。[11]173-181, [12]986-993同时,劳动生产率对人均收入有正向促进作用[24]91-106,[25]91-98。基于此,通过劳动生产率这一中介变量(lnlp,用SEA中行业增加值除以就业人数得到)分析行业互联网技术投入影响劳动报酬的机制。根据中介效应检验原理,首先将劳动生产率对互联网技术投入 (lnN) 进行回归,然后将行业劳动生产率 (lnlp) 作为协变量添加到回归中。同时采用OLS和2SLS进行回归分析,结果见表5。受篇幅所限,仅汇报lnN的估计系数和lnlp的估计系数。通过对第 (1) 列和第 (2) 列、第 (3) 列和第 (4) 列进行比较,可以发现,在回归中加入劳动生产率之后,行业互联网技术投入的估计系数在绝对值或显著性上均出现了明显下降。并且,劳动生产率的估计系数在1%的水平上显著为正。这表明劳动生产率是互联网技术投入影响劳动报酬的一个显著渠道。

表5 劳动生产率:行业互联网技术投入影响劳动报酬的潜在渠道

四、互联网对劳动报酬影响的行业间溢出效应

(一) 模型建立与变量说明

基于公式 (7),构建互联网技术行业间溢出效应对行业劳动报酬影响的模型:

lnwageict=β1lnNict+β2HSict+β3FSict+β4BSict+γXict+μic+νt+εict

(8)

其中,HSict、FSict、BSict分别表示互联网技术投入的前向垂直技术溢出效应、后向垂直技术溢出效应和水平技术溢出效应,其具体测算方式见Düring et al. 和潘文卿等[21]363-375, [22]18-29。μic是国家—行业的联合固定效应,νt是时间固定效应,其余变量的含义同式(7)。

(二) 回归结果及分析

回归结果如表6所示。第 (1) 列为基准回归结果,第 (2) 列为添加水平技术溢出效应指标后的回归结果,第 (3) 列为添加水平、前向垂直和后向垂直技术溢出效应指标后的回归结果。从第 (3) 列可以看出,水平、前向垂直和后向溢出效应指标的回归系数均不显著,说明互联网技术投入在行业之间不存在溢出效应。第 (4) ～ (6) 列汇报了OECD国家、欧盟成员国和中国的回归结果。分析可见,在OECD国家中,后向垂直溢出效应的系数在1%的水平下显著为负,前向垂直溢出效应在10%的水平下显著为负;在欧盟成员国中,仅前向垂直溢出效应在10%的水平下显著为负。对于中国而言,前向垂直溢出效应在5%的水平下显著为负。综上所述,在全样本中,互联网技术投入在行业间并没有产生显著的技术溢出;部分样本中甚至存在负的前向和后向技术溢出效应。这可能是由于技术溢出效应的正向影响和负向影响均存在且大小相近,从而总体上的显著性没有显现。[22]18-29

表6 技术溢出效应检验结果

五、结论与政策建议

考察以互联网为代表的通用目的技术进步对居民收入的影响,对于经济高质量发展和共同富裕国家战略具有重要意义。采用43个国家的国别数据,对互联网技术及其行业间溢出效应对劳动报酬的影响进行了实证分析。研究发现:互联网技术投入能提高行业平均劳动报酬。该促进作用在经济发达国家更显著。相较于互联网硬件投入,互联网软件投入对于劳动报酬的影响更为显著。机制检验表明,行业互联网技术投入主要通过提高劳动生产率对劳动报酬产生影响。最后,由于存在正向和负向两种可能的技术溢出渠道,互联网技术在行业间并没有产生显著的技术溢出。

基于上述研究结论,对应的政策建议有:第一,进一步推动互联网发展,特别是重视互联网软件技术。当前,我国已建成全球规模最大、技术领先的网络基础设施,但互联网软件技术有待进一步加强。第二,降低互联网技术溢出效应中的负向影响,激发正向影响。强化各行业之间的经济联系,推动产业链上下游企业的融合创新,促进人员流动等正向溢出渠道。通过优化产业结构,增强产业关联,放大互联网的正向技术溢出效应。第三,发展更加适应互联网技术要求的基础教育和职业培训,增强劳动者人力资本及其与互联网技术的互补性和兼容性。