人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展

岳宇君，孟 渺

(南京郵電大學(xué) 管理學(xué)院，江蘇 南京 210003)

作為第四次工業(yè)革命的核心驅(qū)動力，人工智能是數(shù)字經(jīng)濟發(fā)展的戰(zhàn)略抓手，正深刻改變著人們的生活方式。就內(nèi)涵而言，人工智能是一套解決復(fù)雜問題的智能系統(tǒng)，需要做出合理的決策才能實現(xiàn)目標(biāo)[1]。目前，人工智能廣泛應(yīng)用于計算機、數(shù)學(xué)、物理學(xué)等學(xué)科的理論和方法中，模擬人類思維的決策過程，具有廣泛滲透、數(shù)據(jù)驅(qū)動、系統(tǒng)智能等特征優(yōu)勢。同時，人工智能不斷拓寬應(yīng)用場景，已廣泛融入工業(yè)、農(nóng)業(yè)、交通、科研及醫(yī)療等行業(yè)，實現(xiàn)“智能+”的發(fā)展，其賦予機器學(xué)習(xí)、決策等能力，推動智能化領(lǐng)域突破性創(chuàng)新，加快科技創(chuàng)新，引領(lǐng)經(jīng)濟邁向高質(zhì)量發(fā)展[2]。因此，研究人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展之間的關(guān)系，對實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展具有重要的現(xiàn)實意義。

研究者們主要從產(chǎn)業(yè)轉(zhuǎn)型、資本結(jié)構(gòu)、勞動力素質(zhì)及能源效率等視角分析人工智能對經(jīng)濟發(fā)展的影響機制和表現(xiàn)形式，基本肯定了人工智能在經(jīng)濟發(fā)展中的積極作用，如提高生產(chǎn)技術(shù)、優(yōu)化勞動力結(jié)構(gòu)、實現(xiàn)資本對勞動力的替代等[3-5]。而科技創(chuàng)新對經(jīng)濟發(fā)展具有積極影響：從企業(yè)層面看，企業(yè)為了獲取壟斷利潤，會重視科技創(chuàng)新提高企業(yè)績效；從產(chǎn)業(yè)層面看，科技創(chuàng)新不僅可以促進產(chǎn)業(yè)多元化和升級，還可以通過創(chuàng)造新產(chǎn)品形成新的產(chǎn)業(yè)部門；從宏觀層面看，科技創(chuàng)新可以通過技術(shù)擴散的乘數(shù)效應(yīng)推動地區(qū)綠色發(fā)展、協(xié)調(diào)發(fā)展等[6]。實際上，人工智能本身就是科技創(chuàng)新的典型突破，還可以通過“機器學(xué)習(xí)推動科技創(chuàng)新”。具體而言，人工智能能夠通過對日常復(fù)雜活動的實現(xiàn)，改善人與技術(shù)之間的互動，成為科技創(chuàng)新的基礎(chǔ)；通過方法借鑒、理論移植、對象轉(zhuǎn)移，可以發(fā)現(xiàn)新知識、產(chǎn)生新技術(shù)，從而形成新的研究領(lǐng)域，帶來更豐富的科技創(chuàng)新成果；人工智能與科技創(chuàng)新之間存在交叉作用，推廣人工智能，加大科技創(chuàng)新力度，可以更好地促進產(chǎn)業(yè)發(fā)展[7]。

現(xiàn)有文獻從不同視角研究了人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展兩兩之間的關(guān)系，但缺乏對這三者作用機理的研究。因此，擬采用固定效應(yīng)模型、隨機效應(yīng)模型及最小二乘法等，選取中國東部11個省份2010—2020年的數(shù)據(jù)，構(gòu)建中介效應(yīng)模型，進行多元回歸分析、穩(wěn)健性檢驗，從而揭示人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展的作用機理。同時，提出有針對性的建議對策，以期為經(jīng)濟高質(zhì)量發(fā)展和研究提供啟示。

1 研究假設(shè)與指標(biāo)選取

1.1 研究假設(shè)

為探討人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展三者之間的作用機理，圍繞人工智能與經(jīng)濟高質(zhì)量發(fā)展、人工智能與科技創(chuàng)新及科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展提出研究假設(shè)。

1.1.1 人工智能與經(jīng)濟高質(zhì)量發(fā)展

人工智能已應(yīng)用于許多行業(yè)和領(lǐng)域，具有明顯的技術(shù)溢出效應(yīng)。在農(nóng)業(yè)領(lǐng)域，模擬不同條件下的農(nóng)業(yè)生產(chǎn)情境，為農(nóng)業(yè)決策提供技術(shù)支持，有利于充分挖掘農(nóng)業(yè)生產(chǎn)潛力；在工業(yè)部門，對生產(chǎn)過程、部門資源配置進行智能控制，實現(xiàn)智能升級；在傳統(tǒng)服務(wù)業(yè)，提高個性化服務(wù)、人機服務(wù)和遠程服務(wù)的質(zhì)量和數(shù)量，實現(xiàn)定制化生產(chǎn)和智能化售后服務(wù)[8]。人工智能可以重塑企業(yè)的組織分工和生產(chǎn)流程，促進上下游企業(yè)和整個產(chǎn)業(yè)鏈的變革，優(yōu)化產(chǎn)業(yè)空間布局；實時監(jiān)控生產(chǎn)中的重復(fù)勞動、資源設(shè)備閑置、資源浪費等問題，實現(xiàn)資本、勞動、技術(shù)等要素的智能配置，有利于提高生產(chǎn)效率[9]。人工智能能夠準(zhǔn)確捕捉、判斷、分析和預(yù)測微觀經(jīng)濟個體的行為特征，幫助企業(yè)準(zhǔn)確定位目標(biāo)客戶的需求，準(zhǔn)確判斷行業(yè)競爭，充分挖掘價值需求和潛在客戶；激發(fā)企業(yè)的跨界經(jīng)營與合作，促進商業(yè)模式的創(chuàng)新，提高資源配置效率和管理效率[10]。人工智能不僅可以實現(xiàn)人力資源的深層次替代，還可以淘汰部分低技能勞動力；有利于衍生出更多的高技能、高素質(zhì)的勞動者，為經(jīng)濟發(fā)展提供人力資本支持；與實體經(jīng)濟的融合，產(chǎn)生技術(shù)溢出效應(yīng)，有利于提高整體創(chuàng)新能力，實現(xiàn)經(jīng)濟增長由要素驅(qū)動向創(chuàng)新驅(qū)動的轉(zhuǎn)變；“干中學(xué)”效應(yīng)會逐步放大，催生新的經(jīng)濟業(yè)態(tài)，釋放技術(shù)進步和勞動生產(chǎn)率提升的效應(yīng)[11]。因此，提出以下假設(shè)：

H1：人工智能對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用。

1.1.2 人工智能與科技創(chuàng)新

人工智能具有深度學(xué)習(xí)能力，可以與神經(jīng)網(wǎng)絡(luò)、云計算、大數(shù)據(jù)相結(jié)合，借助技術(shù)溢出效應(yīng)為其他領(lǐng)域的科技創(chuàng)新提供解決方法。人工智能可以預(yù)測和模擬科技創(chuàng)新的路徑和效果，更好地匹配創(chuàng)新和需求，催生了以平臺經(jīng)濟為核心的數(shù)字基礎(chǔ)設(shè)施，促進產(chǎn)學(xué)研的有機整合。人工智能不僅可以通過改善技術(shù)的性能與創(chuàng)新過程，直接推動科學(xué)技術(shù)的進步，還可以引發(fā)企業(yè)創(chuàng)新行為的變革。從融合的角度看，人工智能與不同領(lǐng)域產(chǎn)業(yè)的廣泛融合，能夠帶來傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級和新興產(chǎn)業(yè)的發(fā)展，帶來更廣泛的創(chuàng)新效應(yīng)[12]。從知識的角度看，人工智能增加了企業(yè)獲取知識的途徑，使企業(yè)能夠獲得更多有用的知識，從而增強企業(yè)的科技創(chuàng)新能力，降低了搜索和篩選內(nèi)外部創(chuàng)新要素的成本，使企業(yè)更有針對性地進行科技創(chuàng)新。從協(xié)同的角度看，人工智能促進了創(chuàng)新過程中技術(shù)因素和非技術(shù)因素的協(xié)同，在知識技術(shù)創(chuàng)新、產(chǎn)品服務(wù)創(chuàng)新及市場組織創(chuàng)新等方面形成多維協(xié)同效應(yīng)，更有利于創(chuàng)新理念的聚合、互動和組合，從而提高科技創(chuàng)新效率[13]。從風(fēng)險的角度看，人工智能設(shè)備能夠?qū)崟r感知自身的運行狀態(tài)和內(nèi)部環(huán)境，通過不斷的自學(xué)習(xí)探索方案的優(yōu)化路徑，從而在一定程度上降低創(chuàng)新風(fēng)險；人工智能引發(fā)復(fù)合網(wǎng)絡(luò)創(chuàng)新，增強創(chuàng)新的兼容性和可擴展性，增加創(chuàng)新要素的供給，提高創(chuàng)新效率和成功率。從人才的角度看，為了應(yīng)對人工智能，企業(yè)會培育和引進高技能人才，有利于提高人力資本的整體水平，通過促進技能積累、技術(shù)吸收與擴散和市場規(guī)模效應(yīng)等中介機制，促進產(chǎn)業(yè)與組織之間的科技創(chuàng)新[14]。因此，提出以下假設(shè)：

H2：人工智能對科技創(chuàng)新起著重要的推動作用。

1.1.3 科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展

科技創(chuàng)新帶來的核心專利和先進研發(fā)成果，使現(xiàn)有產(chǎn)業(yè)由低附加值水平向中高附加值水平演進，通過新技術(shù)推動傳統(tǒng)產(chǎn)業(yè)結(jié)構(gòu)升級，實現(xiàn)新舊動能轉(zhuǎn)化；使得產(chǎn)品和服務(wù)的多樣化，可以給消費者帶來新的選擇和消費體驗，引發(fā)新的消費增長點，促進消費結(jié)構(gòu)升級；以綠色發(fā)展為導(dǎo)向的科技創(chuàng)新推動綠色產(chǎn)業(yè)發(fā)展，可以實現(xiàn)經(jīng)濟發(fā)展由高排放、高污染向循環(huán)友好模式的轉(zhuǎn)變[15]。在微觀層面，科技創(chuàng)新可以幫助企業(yè)實現(xiàn)科學(xué)化、精確化、智能化管理，提高管理效率，有效應(yīng)對市場經(jīng)濟波動的風(fēng)險，保障生產(chǎn)經(jīng)營的連續(xù)性；科技創(chuàng)新促進先進生產(chǎn)要素的發(fā)展，改變原有的低效生產(chǎn)方式，驅(qū)動新產(chǎn)品、新服務(wù)的高質(zhì)量供給，在降低資源消耗的同時，進一步提高產(chǎn)品附加值。在中觀層面，科技創(chuàng)新促進產(chǎn)業(yè)要素流動和資源重新配置，提升生產(chǎn)率和資源利用率，提高經(jīng)濟增長效率；在促進產(chǎn)業(yè)結(jié)構(gòu)升級的同時，科技創(chuàng)新也將形成新興產(chǎn)業(yè)，開拓新市場，促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級[16]。在宏觀層面，科技創(chuàng)新的進步可以改變原有的社會資源配置模式，使資源配置更加高效，有利于提高全要素生產(chǎn)率；科技創(chuàng)新成果的不斷應(yīng)用引發(fā)新的消費增長點，優(yōu)化消費結(jié)構(gòu)升級，提高社會福利和生活質(zhì)量[17]。因此，提出以下假設(shè)：

H3：科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用，在人工智能促進經(jīng)濟高質(zhì)量發(fā)展中起著中介傳導(dǎo)作用。

1.2 指標(biāo)定義

1.2.1 被解釋變量

在借鑒李光龍和范賢賢[18]、Yuan[19]等研究者的研究基礎(chǔ)上，運用綜合指標(biāo)評價法，通過經(jīng)濟增長結(jié)構(gòu)、經(jīng)濟增長動能、經(jīng)濟增長效率、經(jīng)濟福利水平和持續(xù)發(fā)展水平等5個一級指標(biāo)及12個二級指標(biāo)構(gòu)建經(jīng)濟高質(zhì)量發(fā)展的指標(biāo)體系。將持續(xù)發(fā)展水平下的二級逆向指標(biāo)，采用倒數(shù)處理轉(zhuǎn)化為正向指標(biāo)后，再進行無量綱處理，最后通過線性加權(quán)法，得出經(jīng)濟高質(zhì)量發(fā)展指數(shù)，具體指標(biāo)如表1所示。

表1 經(jīng)濟高質(zhì)量發(fā)展的指標(biāo)體系

選取全要素生產(chǎn)率作為衡量經(jīng)濟增長效率的指標(biāo)，運用基于產(chǎn)出視角的數(shù)據(jù)包絡(luò)分析方法計算反映生產(chǎn)率增長的Malmquist指數(shù)。產(chǎn)出為各時期的生產(chǎn)總值，以2010年為基期作不變價處理。其中，勞動要素為年末就業(yè)總?cè)藬?shù)，資本要素采用永續(xù)盤存法計算。資本要素的計算表達式為

式中：t表示年份，從2010年算起；Kt、Kt-1分別為第t、t-1年的實際資本存量；δt為第t年的折舊率；It為第t年的名義投資額；Pt為第t年的投資價格指數(shù)。

參考單豪杰的做法[20]，折舊率δ取0.109 6，當(dāng)年投資額It為社會固定資產(chǎn)投資額，基期資本存量表達式為

選取“人均受教育年限”衡量人力資本水平，其表達式為

式中：S1、S2、S3、S4表示小學(xué)6年、初中9年、高中12年、大專16年以上受教育年限人數(shù)；H表示6歲以上總?cè)藬?shù)。

1.2.2 核心解釋變量

1)人工智能。參考Borland and Coelli[21]的做法，選取信息傳輸、計算機服務(wù)和軟件業(yè)的固定資產(chǎn)投資在社會固定資產(chǎn)投資總額的占比衡量人工智能(人工智能1)。在穩(wěn)健性檢驗中，選取人工智能專利申請數(shù)占地區(qū)專利申請總量的比重衡量人工智能(人工智能2)[22]。

2)科技創(chuàng)新。借鑒鈔小靜和周文慧的研究[22]，選取技術(shù)市場成交額衡量科技創(chuàng)新(科技創(chuàng)新1)。在穩(wěn)健性檢驗中，選取專利授權(quán)數(shù)衡量科技創(chuàng)新(科技創(chuàng)新2)[23]。為了減弱異方差的影響，均進行了取對數(shù)處理。

1.2.3 控制變量

1)城鎮(zhèn)化水平。城鎮(zhèn)化水平的提高是地區(qū)經(jīng)濟高質(zhì)量發(fā)展的重要體現(xiàn)，以年末城鎮(zhèn)人口在總?cè)丝诘恼急群饬俊?/p>

2)對外開放水平。對外開放水平的高低會影響產(chǎn)業(yè)結(jié)構(gòu)和勞動力結(jié)構(gòu)，對經(jīng)濟高質(zhì)量發(fā)展起著重要作用，采用進出口總額占地區(qū)GDP的比重衡量。

3)政府調(diào)控。有效的財政支出作為政府調(diào)控的重要工具，能夠引導(dǎo)產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟實現(xiàn)良性發(fā)展，采用政府財政支出占GDP的比重衡量。

2 模型構(gòu)建及檢驗

2.1 數(shù)據(jù)來源

2010年以來，國內(nèi)人工智能進入快速發(fā)展階段，人工智能企業(yè)數(shù)量大幅增加。2020年，中國人工智能企業(yè)數(shù)量最多的十大城市中，有8個位于東部省份，數(shù)百家人工智能企業(yè)集中在上海、北京、杭州和深圳。因此，為了避免研究結(jié)果出現(xiàn)較大偏差，選取中國東部11個省份2010—2020年的數(shù)據(jù)，通過構(gòu)建面板數(shù)據(jù)模型分析人工智能、科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展的影響。所選取的數(shù)據(jù)主要來源于中國統(tǒng)計年鑒、中國勞動統(tǒng)計年鑒、各地區(qū)年鑒及“Patent Hub專利匯”全球?qū)＠麛?shù)據(jù)庫。

2.2 模型構(gòu)建及檢驗

2.2.1 模型構(gòu)建

借鑒夏凡和馮華[24]、高文鞠和綦良群[25]等研究者的方法，構(gòu)建中介效應(yīng)模型為

Hit=a0+a1Ait+a2Uit+a3Oit+a4Git+εit

(1)

Tit=b0+b1Ait+b2Uit+b3Oit+b4Git+εit

(2)

Hit=c0+c1Ait+c2Tit+c3Uit+c4Oit+c5Git+εit

(3)

式中：Hit、Ait、Tit分別為t時期i省份的經(jīng)濟高質(zhì)量發(fā)展指數(shù)、人工智能水平、科技創(chuàng)新能力；Uit、Oit、Git分別表示城鎮(zhèn)化水平、對外開放水平、政府調(diào)控；εit是隨機擾動項。

在內(nèi)生性問題討論中，參考陳淑云和陶云清[26]的研究，引入被解釋變量滯后一期，構(gòu)建動態(tài)面板模型為

Hit=a0+a1Ait+a2Uit+a3Oit+a4Git+
a5Hi(t-1)+εit

(4)

Tit=b0+b1Ait+b2Uit+b3Oit+b4Git+
b5Ti(t-1)+εit

(5)

Hit=c0+c1Ait+c2Tit+c3Uit+c4Oit+
c5Git+c6Hi(t-1)+εit

(6)

2.2.2 中介效應(yīng)檢驗方法

根據(jù)溫忠麟等[27]提出的中介效應(yīng)檢驗程序，確定中介效應(yīng)檢驗的步驟如下。

步驟1檢驗?zāi)Ｐ?1)中的人工智能系數(shù)a1是否顯著。若顯著，則按中介效應(yīng)立論；否則，按遮掩效應(yīng)立論，但都需要后續(xù)檢驗，不能直接否定中介效應(yīng)的存在。

步驟2檢驗?zāi)Ｐ?2)中的人工智能系數(shù)b1和模型(3)中科技創(chuàng)新系數(shù)c2是否顯著。如果兩個系數(shù)都是顯著的，那么間接效應(yīng)是顯著的，進行步驟4。否則，進行步驟3。

步驟3用Bootstrap法直接檢驗H0：b1c2=0。如果是顯著的，則表明間接效應(yīng)顯著，進行步驟4；否則，間接效應(yīng)不成立，停止分析。

步驟4檢驗?zāi)Ｐ?3)中的人工智能系數(shù)c1是否顯著。如果不顯著，則表明直接效應(yīng)不顯著，只有中介效應(yīng)；否則，表明直接效應(yīng)顯著，進行步驟5。

步驟5比較b1c2和c1符號。如果b1c2>0、c1>0(同號)，表明是部分中介效應(yīng)，中介效應(yīng)占總效應(yīng)的比例為b1c2/a1。如果不同號，表明是遮掩效應(yīng)，間接效應(yīng)與直接效應(yīng)的比例絕對值為|b1c2/c1|。

3 實證分析

3.1 描述性統(tǒng)計分析

在進行回歸分析之前，對主要變量進行描述性統(tǒng)計，結(jié)果如表2所示。由表2可以看出，經(jīng)濟高質(zhì)量發(fā)展指數(shù)的均值為4.291，中位數(shù)為4.297，最小值為3.677，最大值為4.757，表明省際間經(jīng)濟高質(zhì)量發(fā)展指數(shù)差距不大，大多數(shù)地區(qū)經(jīng)濟高質(zhì)量發(fā)展處于中高水平；人工智能相關(guān)產(chǎn)業(yè)投資占比的均值為0.014，中位數(shù)為0.012，最小值為0.002，最大值為0.047，表明人工智能相關(guān)產(chǎn)業(yè)投資在社會固定資產(chǎn)總投資中的占比較低，各省人工智能發(fā)展水平存在差距；人工智能專利申請數(shù)占比的均值為0.071，中位數(shù)為0.034，表明大部分地區(qū)人工智能專利申請數(shù)較少，人工智能研發(fā)水平有待提升；技術(shù)市場成交額、發(fā)明專利授權(quán)數(shù)的均值分別為14.675、8.993，中位數(shù)為15.110、9.120，表明大多數(shù)省份科技創(chuàng)新總體水平較高。

表2 主要變量的描述性統(tǒng)計

3.2 多元回歸分析

為反映變量間的影響效應(yīng)，進行多元回歸分析。回歸分析前，采用Pearson相關(guān)系數(shù)、方差膨脹因子(Variance Inflation Factor，VIF)檢驗面板數(shù)據(jù)的多重共線性，具體如表3所示。結(jié)果顯示，Pearson相關(guān)系數(shù)均小于0.8，VIF值均小于10，可認為不存在嚴(yán)重的多重共線性問題。

表3 多重共線性檢驗

面板數(shù)據(jù)的回歸模型包括固定效應(yīng)模型、隨機效應(yīng)模型及混合回歸模型等3種。根據(jù)LM(Lagrange Multiplier)和Hausman檢驗結(jié)果，最終確定所需的回歸模型，并在回歸的每一步逐步加入控制變量，多元回歸分析結(jié)果如表4所示，用以觀察核心解釋變量的穩(wěn)健性。由表4可以看出，模型1反映了人工智能對經(jīng)濟高質(zhì)量發(fā)展的影響。回歸結(jié)果表明，依次加入控制變量后，人工智能對經(jīng)濟高質(zhì)量發(fā)展的回歸系數(shù)分別為7.529、5.998、6.295，均通過顯著性檢驗，說明人工智能對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用，因此假設(shè)H1成立。模型2反映了人工智能對科技創(chuàng)新的影響。回歸結(jié)果表明，依次加入控制變量后，人工智能對科技創(chuàng)新的回歸系數(shù)分別為89.751、71.791、43.425，均通過顯著性檢驗，說明人工智能對科技創(chuàng)新具有顯著的推動作用，因此假設(shè)H2成立。模型3反映了人工智能、科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展的影響。回歸結(jié)果表明，依次加入控制變量后，科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展的回歸系數(shù)分別為0.091、0.082、0.065，均通過顯著性檢驗，說明科技創(chuàng)新能促進經(jīng)濟高質(zhì)量發(fā)展；人工智能對經(jīng)濟高質(zhì)量發(fā)展的回歸系數(shù)分別為5.684、5.266、5.422，均通過顯著性檢驗，其對經(jīng)濟高質(zhì)量發(fā)展的促進作用遠大于回歸系數(shù)分別為0.091、0.082、0.065的科技創(chuàng)新。

表4 多元回歸分析結(jié)果

3.3 中介效應(yīng)分析

由表4中第3列可以看出，人工智能對經(jīng)濟高質(zhì)量發(fā)展的總效應(yīng)顯著為正；第6列顯示，人工智能對科技創(chuàng)新具有顯著的正向推動作用；第9列顯示，將人工智能和科技創(chuàng)新納入同一回歸方程，科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展具有顯著的正向效應(yīng)，人工智能對經(jīng)濟高質(zhì)量發(fā)展依然具有顯著的正向效應(yīng)。根據(jù)中介效應(yīng)檢驗步驟1、步驟2、步驟4和步驟5，科技創(chuàng)新存在顯著的部分中介效應(yīng)，假設(shè)H3成立。

進一步梳理中介效應(yīng)檢驗數(shù)據(jù)，具體估計結(jié)果如表5所示。

表5 中介效應(yīng)估計結(jié)果

與總效應(yīng)相比，加入科技創(chuàng)新中介變量后，人工智能對經(jīng)濟高質(zhì)量發(fā)展的促進效應(yīng)系數(shù)由6.295下降到5.422，表明人工智能對經(jīng)濟高質(zhì)量發(fā)展的促進作用部分是通過科技創(chuàng)新實現(xiàn)的。獲得中介效應(yīng)為2.823(b1c2)，中介效應(yīng)占總效應(yīng)的比值為0.449(b1c2/a1)，中介效應(yīng)與直接效應(yīng)之比為0.521(|b1c2/c1|)，說明人工智能對經(jīng)濟高質(zhì)量發(fā)展的促進作用有52.1%是通過促進科技創(chuàng)新產(chǎn)生的。

3.4 穩(wěn)健性檢驗

3.4.1 替換中介變量

為了檢驗結(jié)果的穩(wěn)健性，以發(fā)明專利授權(quán)數(shù)作為科技創(chuàng)新的替代變量，采用最小二乘法(Ordinary Least Square，OLS)進行穩(wěn)健性檢驗，結(jié)果如表6所示。模型1中，人工智能對經(jīng)濟高質(zhì)量發(fā)展的總效應(yīng)顯著為正，系數(shù)為15.435；模型2中，人工智能對科技創(chuàng)新的回歸系數(shù)顯著為正；模型3中，人工智能、科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展的回歸系數(shù)分別為6.850、0.131，均在1%水平上通過了顯著性檢驗。與總效應(yīng)相比，人工智能對經(jīng)濟高質(zhì)量發(fā)展的直接效應(yīng)減小為6.850，表明存在顯著的部分中介效應(yīng)。核心變量的回歸結(jié)果依然是顯著穩(wěn)健的，以上研究假設(shè)再次得到驗證。

3.4.2 替換核心解釋變量

將人工智能專利申請數(shù)占地區(qū)專利申請總量的比重作為人工智能的替代指標(biāo)進行再次檢驗，結(jié)果如表6所示。模型1中，人工智能對經(jīng)濟高質(zhì)量發(fā)展的總效應(yīng)(系數(shù)為0.636)顯著為正；模型2中，人工智能對科技創(chuàng)新也具有顯著的正向作用(系數(shù)為1.827)；模型3中，加入科技創(chuàng)新中介變量后，人工智能、科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展仍表現(xiàn)出顯著的正向效應(yīng)。與總效應(yīng)相比，人工智能對經(jīng)濟高質(zhì)量發(fā)展的直接效應(yīng)減小為0.418，減小的部分通過科技創(chuàng)新表現(xiàn)出來。通過以上分析可知，人工智能、科技創(chuàng)新都對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用，人工智能起著主導(dǎo)作用，科技創(chuàng)新在人工智能影響經(jīng)濟高質(zhì)量發(fā)展的路徑中起著中介傳導(dǎo)作用，與估計結(jié)果一致。

表6 替換變量后的穩(wěn)健性檢驗結(jié)果

3.4.3 內(nèi)生性問題討論

考慮到經(jīng)濟高質(zhì)量發(fā)展與人工智能、科技創(chuàng)新以及人工智能與科技創(chuàng)新之間可能存在雙向因果關(guān)系，導(dǎo)致內(nèi)生性問題，通過動態(tài)面板模型進行回歸。對于動態(tài)面板模型，最常用的處理方法有系統(tǒng)廣義矩估計(System Generalized Method of Moments，SYS-GMM)和差分廣義矩估計(Difference Generalized Method of Moments，DIFF-GMM)，可以選擇解釋變量的滯后項作為工具變量。與DIFF-GMM相比，SYS-GMM具有更好的有限樣本性質(zhì)，可以提高估計效率，且兩步法比一步法更有效。因而，采用SYS-GMM分析，回歸結(jié)果如表7所示。其中，L.經(jīng)濟高質(zhì)量發(fā)展和L.科技創(chuàng)新1皆為滯后一期變量。由表7可以看出，擾動項的一階差分存在自相關(guān)，而二階差分不存在自相關(guān)。因此，可以接受“擾動項無自相關(guān)”的原假設(shè)，采用SYS-GMM是合理的。對所選的工具變量進行過度識別檢驗，結(jié)果接受“所有工具變量均有效”的原假設(shè)。在模型4、模型5及模型6中，人工智能、科技創(chuàng)新兩個關(guān)鍵變量均通過顯著性檢驗；與系數(shù)為10.047的總效應(yīng)相比，人工智能對經(jīng)濟高質(zhì)量發(fā)展的直接效應(yīng)減小為5.772。因此，在考慮了內(nèi)生性問題后，關(guān)鍵變量的回歸結(jié)果與前文一致，結(jié)論仍然是穩(wěn)健的。

表7 基于SYS-GMM的回歸結(jié)果

4 結(jié)論與建議

選取中國東部11個省份2010—2020年的數(shù)據(jù)，構(gòu)建中介效應(yīng)模型，分析人工智能、科技創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展的關(guān)系，得到以下主要結(jié)論。

1)人工智能對經(jīng)濟高質(zhì)量發(fā)展的回歸系數(shù)顯著為正，說明人工智能能夠加快傳統(tǒng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，實現(xiàn)企業(yè)商業(yè)模式創(chuàng)新，對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用。

2)人工智能對科技創(chuàng)新的回歸系數(shù)顯著為正，說明人工智能與實體經(jīng)濟融合產(chǎn)生的技術(shù)溢出效應(yīng)有利于提高整體科技創(chuàng)新能力，對中國科技創(chuàng)新發(fā)展起著重要的推動作用。

3)中介效應(yīng)檢驗結(jié)果表明，科技創(chuàng)新對經(jīng)濟高質(zhì)量發(fā)展具有顯著的促進作用，在人工智能促進經(jīng)濟高質(zhì)量發(fā)展中起著顯著的中介傳導(dǎo)作用。

根據(jù)以上結(jié)論，提出以下3點建議。

1)合理規(guī)劃人工智能發(fā)展戰(zhàn)略。從宏觀角度來說，應(yīng)加強面向人工智能變革的新基建，加大信息傳輸、計算機服務(wù)和軟件業(yè)資產(chǎn)投資，促進信息化基礎(chǔ)設(shè)施轉(zhuǎn)型升級，減少數(shù)字基礎(chǔ)設(shè)施空間不平衡。同時，還要加強對人工智能企業(yè)的監(jiān)管，避免其盲目投資擴張，造成資源浪費。中西部省份要積極尋求與東部省份的合作，實現(xiàn)人工智能的差異化、多樣化布局，鼓勵知識和技術(shù)溢出，積極推動本地人工智能產(chǎn)業(yè)鏈發(fā)展。

2)以人工智能助推科技創(chuàng)新。人工智能相關(guān)企業(yè)的創(chuàng)新發(fā)展要與智能化發(fā)展理念深度融合，圍繞人工智能產(chǎn)業(yè)鏈和創(chuàng)新鏈，積極引導(dǎo)科技創(chuàng)新。政府要鼓勵并支持傳統(tǒng)產(chǎn)業(yè)實現(xiàn)智能化轉(zhuǎn)型升級，促進知識、技術(shù)、產(chǎn)業(yè)協(xié)同創(chuàng)新；并結(jié)合本地區(qū)發(fā)展實際，制定科技創(chuàng)新戰(zhàn)略，分步實施智能化改造和集成，激發(fā)企業(yè)通過自主創(chuàng)新實現(xiàn)智能化轉(zhuǎn)型升級，從而激發(fā)科技創(chuàng)新動力，提高地區(qū)整體創(chuàng)新能力。

3)充分發(fā)揮科技創(chuàng)新的中介效應(yīng)。各地區(qū)要充分利用地域優(yōu)勢，深化對外開放，吸引外資和海外技術(shù)人才，增強科技自主創(chuàng)新意識。政府要深化人工智能研發(fā)應(yīng)用內(nèi)涵，為重點產(chǎn)業(yè)提供政策支持，加大對關(guān)鍵核心領(lǐng)域的科技創(chuàng)新投入；完善知識產(chǎn)權(quán)服務(wù)平臺，規(guī)范技術(shù)交易市場和技術(shù)轉(zhuǎn)移服務(wù)機構(gòu)，加快推進科技成果在各地區(qū)轉(zhuǎn)移與共享；大力推動智能技術(shù)產(chǎn)業(yè)發(fā)展，為經(jīng)濟高質(zhì)量發(fā)展培育新動能，實現(xiàn)新舊動能轉(zhuǎn)換。