人工智能、居民滿意度與勞動參與意愿

劉 雯

(山西大學 經濟與管理學院， 山西 太原 030031)

一、引言

黨的十九大報告提出“推動互聯網、大數據、人工智能和實體經濟的深度融合”，將人工智能發展的意義上升到了國家戰略層面?！笆奈濉币巹澓?035年遠景目標建議也明確提出要推動人工智能同各產業深度融合。目前，我國人工智能核心產業規模已達千億元以上，企業數量達到2 600余家?！?020—2021中國人工智能計算力發展評估報告》提出，中國在全球人工智能市場上所占的比重在2024年將達到15.6%，人工智能產業在未來將實現持續增長。

作為國家之間未來競爭的關鍵賽場，人工智能的發展勢必會影響勞動力市場的發展[1]。除了在企業層面影響企業對勞動力水平和勞動力結構的需求之外，人工智能發展還將從勞動供給層面影響居民作為勞動力的勞動參與意愿。若人工智能的發展在某種意義上被用于補充或替代勞動力，則會影響居民對于自身工作及生活的滿意度評價，進而使得居民改變自身的勞動參與意愿[2]。

進一步地，伴隨加快建設知識型、技能型、創新型勞動者大軍的不斷踐行以及“十四五”時期經濟社會發展主要目標中對全民受教育程度不斷提升的高度關注，我國勞動年齡人口平均受教育年限(即社會總人口中處于勞動年齡范圍內(目前為16～59歲)人口的人均受教育年數)正在逐步提高。那么，受教育程度的提升是否有助于緩解人工智能對居民勞動參與意愿帶來的負面影響呢？將通過什么樣的途徑予以緩解呢？

基于此，本文從勞動供給視角探討人工智能對我國居民勞動參與意愿的影響，檢驗居民滿意度評價在其中所起的中介作用，識別提高勞動年齡人口受教育年限帶來的政策效果，從而得到相應的結論及政策建議。

二、文獻綜述

目前，國外文獻主要研究人工智能對經濟增長、收入不平等和就業等方面的影響。在經濟增長方面，Aghion等將人工智能看做是自動化的一種表現形式，通過構建理論模型探討人工智能對經濟增長的影響[3]。Acemoglu等借助美國數據進行實證分析，發現機器人數量的增加會使得企業降低對勞動者的需求[1]。而關于工資不平等問題，Acemoglu等指出，人工智能在短期內會降低低技能勞動力的需求和工資水平，拉大收入差距；但從長遠看，人工智能使自動化崗位更為普及，有助于抑制收入差距擴大[2]。此外，人工智能的就業效應尚不明確，涉及不同行業、居民或整體就業形勢，也可能引發就業極化現象，即帶來中等收入、中等技能需求崗位數量的減少[4]。Frey等估計了美國702種職業將來被計算機替代的可能性，用于研究未來人工智能對美國就業市場的影響，認為47%的美國勞動者因人工智能而存在就業風險[5]；而Abbott等則提出通過對機器人而非勞動者收入征稅有助于緩解企業對自動化的需求等[6]。

國內早期有關人工智能的文獻非常有限，主要集中在現狀描述與趨勢預測層面，缺乏相應的實證研究。2018年以來，隨著人工智能在中國市場的不斷發展，人工智能方面的實證研究也不斷涌現，主要聚焦于以下3個方面：(1)人工智能與經濟增長間的關系研究。陳彥斌等借助數據模擬方法探討老齡化時代人工智能的經濟增長效應[7]；林晨等將人工智能指標引入生產函數，探究人工智能對經濟增長和居民消費的影響[8]，陳志等和程承坪等則提出人工智能技術的發展在一定條件下有助于促進經濟增長，影響生活性服務業占比在經濟增長中的作用[9-10]。(2)人工智能與就業崗位間的替代性研究。該類文獻往往從就業需求角度切入，研究人工智能對就業市場的影響，但結論并不一致[11-12]。部分學者認為人工智能的發展對很多行業的就業崗位存在替代性，例如曹靜等指出人工智能的替代效應比以往任何技術進步都要明顯[13]；王林輝等也基于省級面板數據測算人工智能發展帶來的崗位更迭[14]；龔遙等則直接借助職業數據庫探討人工智能技術對不同職業的替代情況，認為未來20年內中國將有50%以上的崗位會受到沖擊[15]。但也有部分學者對此持積極的態度，認為人工智能的發展有助于創造更多就業崗位，與就業崗位間是補位式而非擠出式替代[16-17]。當然，也有學者將受教育水平、勞動力技能、勞動力所在區域進行劃分，認為人工智能的發展對不同類型勞動力的影響并不相同，存在部分補充部分替代作用[18-20]。(3)人工智能與勞動者收入間的關系研究。郭凱明和楊飛認為人工智能的發展在某些情況下會改變勞動收入份額[21-22]；也有學者認為產業智能化的發展在一定條件下會影響不同技能勞動者的收入水平，進而帶來收入不平等程度的擴大或縮小，也可能導致更大的貧富差距或性別工資差距[23-26]。

總的來說，目前人工智能對就業市場的影響研究主要集中于勞動需求和就業崗位的替代方面，從勞動供給方面展開的研究非常有限，仍存在諸多可拓展空間。本文可能的貢獻在于：(1)現有文獻或是從宏觀層面入手，或是從企業角度探討人工智能對就業市場的影響，本文首次從勞動供給視角探討人工智能對居民勞動參與意愿的影響，有助于更深入了解人工智能對居民帶來的影響，彌補已有文獻的不足。(2)現有文獻主要基于省級面板數據展開實證分析，部分文獻基于企業層面數據構建模型，本文將省級層面的人工智能指標與微觀層面的居民數據進行匹配，探討人工智能對居民勞動參與意愿的影響，直接聚焦居民，試圖提高實證結果的針對性和準確性。(3)現有研究并未考慮人工智能對居民勞動參與意愿的作用機制，本文首次引入居民工作和生活滿意度評價指標，探討人工智能如何通過影響居民的滿意度評價進而影響其勞動參與意愿，并識別勞動年齡人口受教育年限的提升在其中所起的作用，有助于深入分析人工智能的作用路徑。

三、研究設計

由上文可知，人工智能對不同行業的就業者有不同的替代作用，這種作用可能來源于技術進步帶來的被動效應，也可能是由于人工智能對崗位產生的替代效應降低了居民的勞動參與意愿，對就業市場帶來不利影響。本文借此提出假設1。

假設1：居民所在地人工智能的發展會降低該地區居民的勞動參與意愿。

進一步地，有學者如周廣肅等和魯元平等均提及互聯網使用會影響居民的幸福感和生活滿意度，認為居民對互聯網的使用存在信息福利效應，即互聯網等新型基礎設施的存在會影響居民對自身幸福感的判斷[27-28]。當該基礎設施與居民工作有關時，也會影響居民對自身工作滿意度的評價。因此，同屬于技術進步表現之一的人工智能也會影響居民對自身工作和生活滿意度的評價[29]。本文借此提出假設2。

假設2：居民所在地人工智能的發展將顯著降低該地區居民的工作和生活滿意度，進而降低其勞動參與意愿。

此外，當人工智能會給居民的勞動參與意愿帶來負面影響時，勢必要關注如何緩解這種效應。2021年政府工作報告和十四五規劃均提到，要不斷提升全民受教育程度，將勞動年齡人口平均受教育年限提高到11.3年。而Arntz 等也發現在21個經合組織國家中，平均有9%的工作是可以自動完成的，教育和培訓有助于居民更好地適應技術進步的需求[30]。因此，本文提出假設3。

假設3：勞動年齡人口受教育年限的提升有助于緩解人工智能對居民勞動參與意愿的抑制作用，也可能通過影響居民的工作和生活滿意度評價進而緩解人工智能帶來的負面影響。

基于此，本文結合宏微觀層面的數據，構建如下計量模型，對上述3個假設展開逐一驗證。當探討人工智能對居民勞動參與意愿的影響時，本文使用式(1)驗證假設1。

workit=a1+a2AIit+a3Xit+uit

(1)

其中，workit衡量居民i在時期t的勞動參與意愿，為二元變量；AIit衡量居民i在時期t面臨的人工智能發展程度；Xit為其他的諸如居民所在家庭人均收入(對數)、居民受教育水平、居民年齡、居民婚姻狀況、居民所在地區、年份等控制變量；uit為隨機干擾項。

當探討居民滿意度評價在其中所起的中介作用時，借助溫忠麟等的逐步檢驗法[31]，使用式(1)～(3)驗證假設2。具體地，當人工智能影響居民勞動參與意愿的總體效應顯著(即式(1)中的a2顯著不為0)且人工智能對居民滿意度評價的影響顯著(即式(2)中的a5顯著不為0)時，若a6顯著不為0且a5不再顯著或者取值低于式(1)中a2的取值，則說明完全中介效應存在或部分中介效應存在。

happyit=a1+a4AIit+a3Xit+uit

(2)

workit=a1+a5AIit+a6happyit+a3Xit+uit

(3)

其中，happyit為居民對自身工作和生活的滿意度評價，其他解釋同上。

當探討勞動人口受教育年限在其中所起的作用時，構建如下包含交互項的計量模型，研究不同受教育水平下人工智能對居民勞動參與意愿的影響，驗證假設3。

workit=a1+a2AIit+a3Xit+a7eduit×AIit+uit

(4)

happyit=a1+a4AIit+a3Xit+a7eduit×AIit+uit

(5)

其中，eduit×AIit為居民受教育水平與居民所面臨的人工智能發展程度的交互項，其他解釋同上。

四、實證分析

(一)數據來源與變量說明

1.人工智能指標

本文結合麥卡錫對人工智能所下的定義，參考王瑞瑜等的做法，使用信息傳輸、計算機服務和軟件業固定投資占所有行業全社會固定資產投資的比值作為人工智能的代理變量[32]，數據源于2013年、2015年和2017年的《中國統計年鑒》。而在后文中，本文也使用了該變量的一階滯后值，信息傳輸、計算機服務和軟件業固定投資占地區生產總值的比值以及衡量各省份工業智能化水平的指標作為代理變量，對核心解釋變量的穩健性進行檢驗[18,33]。

2.勞動參與意愿

本文的被解釋變量為二元變量，用于衡量居民勞動參與意愿，數據主要源于中國家庭追蹤調查數據庫(CFPS)。該數據庫提供了2009—2017年每隔兩年的微觀調查數據，但2009年和2011年未提供居民工作和生活滿意度評價指標，因此本文使用的是2013—2017年的成人數據作為樣本進行回歸分析。具體地，考慮到樣本量問題，本文將新疆、海南、寧夏、西藏、青海和內蒙古等6個省份的樣本點去掉，最終得到25個省市的居民樣本。變量取值為1代表參與勞動；取值為0代表不參與。

3.中介變量

人工智能可能通過影響居民的工作和生活滿意度進而影響其勞動參與意愿。在研究人工智能影響居民勞動參與意愿的作用機制時，本文引入了衡量居民對自身工作和生活滿意度評價的變量作為中介變量。取值為1～5，取值越高，說明居民對自身工作和生活的滿意度越高。

4.交互項變量

本文探討人工智能對居民勞動參與意愿的影響是否會因居民受教育水平的不同而有所不同，也就是說提升勞動年齡人口受教育年限是否有助于緩解人工智能對勞動市場產生的負面影響。因此，本文將人工智能指標進行標準化處理，得到了人工智能與居民受教育水平的交互項，進行政策效果的識別。

5.控制變量

本文選擇居民層面、家庭層面和省級層面的相關變量作為控制變量置于基本回歸和穩健性檢驗中。居民層面的控制變量包括居民年齡、居民受教育水平(取值1～8，分別代表文盲/半文盲、小學、初中、高中、大專、大學、碩士和博士)、居民婚姻狀況(取值為0代表未婚；取值為1代表已婚)、居民所處行業(變量“行業1”取值為1代表自雇型，取值為0代表他雇型；變量“行業2”取值為1代表非農行業，取值為0代表農業活動；變量“行業3”取值為1～4：取值為1代表機關事業單位人員，取值為2代表國企人員，取值為3代表個企外企私企人員，取值為4代表其他人員)等；家庭層面的控制變量為家庭人均收入水平(對數)；省級層面的控制變量為地區生產總值(對數)。其他的控制變量包括對年份的控制、對地區的控制(取值為1代表東部，取值為2代表中部，取值為3代表西部)及對南北文化區域的劃分變量。該變量以秦嶺淮河為界進行劃分，考慮到江蘇省、安徽省、福建省、廣東省和廣西壯族自治區這5個省份內部文化可能存在較大差異，例如淮南和淮北等，將之去掉后，根據地理位置劃分得到新的南北方變量進行穩健性檢驗。北方地區賦值為1，南方地區賦值為0。

主要變量的描述性統計如下：

表1 主要變量的描述性統計

(二)人工智能與居民勞動參與意愿

人工智能會如何影響居民勞動參與意愿呢？本文這部分致力于探討這個問題。表2第(1)列的核心解釋變量為人工智能指標，被解釋變量為居民勞動參與意愿。從面板有序logit估計的回歸結果可以看到，居民所在地的人工智能發展狀況越好，居民勞動參與意愿越低。也就是說，人工智能發展會明顯抑制居民的勞動參與意愿。

表2 基本回歸結果

(三)異質性分析

不同地區、不同行業的居民，勞動參與意愿受到人工智能的影響程度并不相同。本文這部分主要探討人工智能影響居民勞動參與意愿的地區異質性和行業異質性。

1.地區異質性

在不同地區，人工智能對居民勞動參與意愿的影響并不相同。在中西部地區，人工智能顯著抑制居民的勞動參與意愿；但在東部地區，人工智能對居民勞動參與意愿的抑制程度明顯低于中西部地區，且僅在10%的顯著性水平上顯著。這可能是由于東部地區已有較為成熟的應對人工智能發展的制度體系，所以人工智能的抑制作用并不明顯，見表2第(2)列和第(3)列。

2.行業異質性

從表3第(1)和第(2)列可以看到，當將居民劃分為自雇型和他雇型時，居民所在地人工智能的發展情況會明顯影響自雇型居民的勞動參與意愿，而對于他雇型居民并無影響。這可能是由于自雇型居民可自由選擇的余地和空間更大。從表3第(3)列和第(4)列回歸結果可以看到，當按照是否從事非農活動作為標準對居民進行區分時，居民所在地人工智能的發展狀況對從事非農活動居民的影響雖然為負，但并不顯著；對從事農業活動居民的影響非常顯著，會降低該類居民的勞動參與意愿。從表3第(5)和第(6)列可以看到，若將居民按照是否為機關事業單位人員進行劃分時，企業人員的勞動參與意愿更容易受到所在地人工智能發展水平的影響，這可能是由于企業人員的就業穩定性差于機關事業單位人員，就業彈性更高。

表3 行業異質性回歸結果

(四)穩健性檢驗

考慮到可能存在的反向因果、遺漏重要解釋變量等問題，本文這部分通過多種方式對基本的回歸結果進行穩健性檢驗，以獲得更為穩健的回歸結果。

1.更換核心解釋變量

本文在基本回歸中使用信息傳輸、計算機服務和軟件業固定投資占所有行業全社會固定資產投資的比值作為人工智能的代理變量，在穩健性檢驗中，試圖引入其他的代理變量。① 信息傳輸、計算機服務和軟件業固定投資占地區生產總值的比重，標記為AI2；② 分省份的工業智能化水平，構建指標體系得到從不同層面度量的人工智能發展狀況，標記為AI3?？梢钥吹?，不論采用哪種方式度量當地人工智能的發展狀況，人工智能對居民勞動參與意愿的影響始終為負，即人工智能發展將顯著抑制居民勞動參與意愿。

2.增加控制變量

上文曾提及，不同地區人工智能對居民勞動參與意愿的影響并不相同，本文引入區分南北文化的變量和用于度量地區生產總值的變量作為新的控制變量，探討在控制文化因素和經濟發展因素后，基本的回歸結果是否發生了變化，如表4第(3)和(4)列?？梢钥吹剑谝胗糜诙攘磕媳蔽幕町惡偷貐^生產總值的變量后，雖然二者均會顯著影響居民勞動參與意愿，但人工智能對居民勞動參與意愿的影響仍然顯著為負，與基本回歸結果一致。

3.內生性檢驗

一般而言，居民自身的勞動參與意愿不會影響所在地的人工智能發展狀況，或者即使有影響，也很微弱，因此反向因果問題出現的可能性較低。本文使用滯后一期的人工智能指標，用于緩解可能存在的反向因果問題，標記為L.AI?？梢钥吹?，在引入滯后一期的核心解釋變量后，基本的回歸結果并未發生變化，仍顯著為負。

4.聚類檢驗

考慮到核心解釋變量為省級層面數據，而被解釋變量為居民層面數據，本文在穩健性檢驗中將樣本按照省份進行聚類，給出聚類到省級層面的穩健標準誤，如表4第(6)列。可以看到，在對省份進行聚類后，居民所在地人工智能的發展狀況仍然顯著地抑制居民自身的勞動參與意愿。

表4 穩健性檢驗結果

續表(表4)

五、進一步討論

(一)居民滿意度評價的中介效應檢驗

居民對自身的工作和生活均有滿意度評價。居民所在地的人工智能發展狀況可能會通過影響該地區居民的工作和生活，進而影響其勞動參與意愿。本文首先驗證人工智能對居民工作和生活的影響，然后檢驗居民對自身工作和生活的滿意度評價是否在人工智能影響居民勞動參與意愿的過程中產生了中介作用，即進行中介效應的檢驗。

1.人工智能與居民滿意度評價

由表5的回歸結果可以看到，人工智能會顯著影響居民的工作和生活，降低居民對自身工作和生活的滿意度評價指數。進一步地，當區分不同受教育水平的居民時，人工智能會顯著抑制未受教育居民的工作和生活滿意度，會顯著抑制較低受教育水平居民的生活滿意度，但不會顯著影響較高受教育水平居民的工作和生活滿意度。這也說明對于不同受教育水平的居民而言，人工智能對居民工作和生活滿意度的影響并不相同，這也是后文探討提升勞動年齡人口受教育年限重要性的原因之一。

表5 人工智能影響居民滿意度的回歸結果

2.人工智能、居民滿意度評價與勞動參與意愿

本文主要使用逐步檢驗法對居民工作和生活滿意度評價在不同模型中的作用進行檢驗。由表6可以看到，無論是居民的工作滿意度還是生活滿意度，均在不同程度上作為中介路徑發揮作用，即居民所在地的人工智能發展狀況將通過影響居民的工作和生活滿意度評價進而影響居民的勞動參與意愿。特別地，居民工作滿意度在文盲半文盲群體中產生了完全的中介效應，人工智能對居民勞動參與意愿的直接影響不再顯著。

表6 居民滿意度的中介效應檢驗結果

(二)教育異質性檢驗

勞動年齡人口教育年限的提升是否有助于緩解人工智能給居民勞動參與意愿帶來的負面影響呢？本文通過引入居民受教育程度和居民所在地人工智能發展指標的交互項對該問題進行探討，見表7。

由表7第(1)和(2)列可以看到，無論是考慮受教育水平還是受教育年限，居民受教育程度和人工智能指標的交互項對居民勞動參與意愿的影響均顯著為正。即受教育程度高的居民，人工智能對其勞動參與意愿的負面影響低于受教育程度低的居民。

進一步地，由表5中的Panel A第(1)列可知，在引入交互項之前，人工智能對居民工作滿意度的指標顯著為負，而在引入交互項后，由表7第(3)和(4)列回歸結果可以看到，該變量的估計系數雖然為負，即人工智能仍然會顯著降低居民對工作滿意度的評價，但系數取值明顯下降，且受教育水平/年限和人工智能指標的交互項對居民工作滿意度的影響顯著為正，即居民受教育程度會通過提升居民對自身工作的滿意度評價并降低人工智能對自身工作滿意度評價的負面影響進而產生作用。

對于居民生活滿意度評價指標，由表5中Panel B第(1)列回歸結果可知，在引入交互項之前，人工智能對居民生活滿意度的影響顯著為負，而在引入交互項后，由表7第(5)和(6)列的回歸結果可以看到，居民受教育水平/年限越高，對自身生活滿意度評價越低，受教育水平/年限與人工智能指標的交互項對居民生活滿意度的影響并不顯著，即并不會通過影響居民對自身的生活滿意度評價進而影響其勞動參與意愿，并未有助于緩解人工智能帶來的負面影響。

表7 勞動人口受教育年限提升的作用檢驗結果

六、結論與政策建議

(一)結論

本文首次從勞動供給視角探討人工智能對我國居民勞動參與意愿的影響，說明居民滿意度評價在其中所起的中介作用，識別提高勞動年齡人口受教育年限帶來的政策效果，得到的結論如下：

(1)人工智能顯著抑制居民勞動參與意愿，對位于中西部地區、自雇型、從事農業活動或在企業工作的居民而言更為明顯。

(2)人工智能通過降低居民對自身工作和生活的滿意度評價進而降低居民的勞動參與意愿，部分中介效應得到驗證。

(3)勞動年齡人口受教育年限的提升一方面有助于緩解人工智能對居民勞動參與意愿的直接抑制作用，另一方面將通過緩解人工智能對居民工作滿意度評價的負面影響進而緩解對勞動參與意愿的間接抑制作用。

(二)政策建議

(1)精準識別人工智能對不同類別就業者的不同負面影響。中西部地區人工智能發展較弱，與此相配套的相關政策也較為有限，人工智能對就業者產生的負面影響更深；人工智能對自雇型、從事農業活動或企業活動的居民的負面影響也較為明顯，應該重點針對這些行業的就業者進行崗前和崗位培訓，提高其勞動參與意愿，以更好地適應人工智能發展帶來的變化。

(2)確保義務教育年限，在教育層面為人工智能的不斷發展做相應準備。進一步提升勞動年齡人口的平均受教育水平/年限，有助于提高居民對自身工作的滿意度評價，也會緩解人工智能對居民勞動供給帶來的負面影響。

(3)提升居民工作和生活滿意度。人工智能會通過影響居民對自身工作和生活的滿意度評價進而影響其勞動供給行為。因此，如果能夠更為關注并提升居民的工作環境和生活條件，提升其工作和生活滿意度評價，也有助于降低人工智能發展帶來的負面影響，進而充分發揮智能化優勢。