數字技術、要素收入分配與相對勞動收入份額

范世鋮 牛蕊

摘?要：本文利用中國投入產出數據，通過研究數字技術對相對勞動收入份額的影響，解析數字技術、勞動與資本要素收入分配格局的關系。研究發現，數字技術的提高顯著降低了相對勞動收入份額，其中，相對于制造業，數字技術對服務業相對勞動收入份額的影響更大。同時，數字技術均顯著降低了勞動密集型和資本密集型行業的相對勞動收入份額，但對勞動密集型行業影響更大。在影響機制方面，數字技術對勞動收入份額與資本收入份額的分配驅動并不均衡，數字技術降低了勞動收入份額，卻提高了資本收入份額，導致了相對勞動收入份額的下降。同時，數字技術主要通過行業內全要素生產率的提高與行業間技術溢出降低相對勞動收入份額，該效應在資本密集型行業中更為明顯。

關鍵詞：數字技術；相對勞動收入份額；全要素生產率；技術溢出

中圖分類號：F124/F49??文獻標識碼：A??文章編號：1001-148X（2024）03-0070-10

收稿日期：2023-10-16

作者簡介：范世鋮（1996—），男，山東濟南人，博士研究生，研究方向：數字經濟與國際貿易；牛蕊（1982—），本文通訊作者，女，山西晉城人，教授，研究方向：國際貿易與勞動力市場。

基金項目：教育部人文社會科學規劃項目“全球價值鏈參與、勞動力市場分割與收入增長的益貧性：微觀數據的研究”，項目編號：20YJA790056；國家社會科學重大項目“全球產業智能化對我國供應鏈安全的影響及對策研究”，項目編號：22&ZD097。

①通過觀察資本主義經濟中的經濟增長過程發現：第一，對于大多數主要工業化國家而言，勞動、資本、產量的增長率近似常數。第二，產量和資本的增長率大致相等，且大于勞動的增長率。

一、引?言

近年來，數字要素依托于數字化技術產業發展迅速，數字賦能成為國民經濟發展過程中新的增長來源之一。2020年4月，《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》首次將數據作為一種新型生產要素寫入文件，作為數字經濟的載體，依托于數據要素，數字技術得到全面發展建設，數字經濟的重要程度凸顯至國家戰略層面。2023年《中國數字經濟發展報告》顯示，2022年我國數字經濟規模已經達到502萬億元，占GDP的415%，數字經濟發展速度之快、規模之大已經深刻影響到國民經濟和民眾生活。

收入合理分配是我國實現共同富裕的有效手段之一。要素收入分配作為最基礎的收入分配，其分配不均表現為勞動收入份額與資本收入份額的不平均和不穩定，即相對勞動收入份額會產生扭曲。卡爾多事實①強調勞動和資本的收入份額在國民收入中應當保持穩定，但各國實際情況卻與卡爾多事實不符，全球大多數國家和行業的勞動力份額均發生顯著下降［1］。

隨著數字技術的發展，原有要素收入分配格局隨之改變。數字技術可能會提高失業率［2］，同時要素數字化將可能會提高資本（機器人、算法等）所有者的收入，加劇勞動者之間的工資不平等，降低勞動收入份額，資本所有權相對于勞動所有權更加集中［3］。黨的二十大報告指出，要加快發展數字經濟，促進數字經濟與實體經濟相融合，發展數字貿易，努力提高居民收入在國民要素收入分配中的比重，規范要素收入分配秩序。因此，研究數字技術發展與要素收入分配格局下勞動、資本所得的關系意義重大。

現有文獻中，直接研究要素層面數字技術對要素收入分配影響的相對較少，大多數學者的研究方向集中于數字經濟對收入不平等、城鄉收入差距的影響，如張勛等（2019）［4］研究發現數字金融改善了農村居民收入，縮小了城鄉收入差距；王林輝等（2020）［5］研究發現人工智能技術引起崗位更迭，擴大了高低技術部門的收入差距；王軍和肖華堂（2021）［6］認為數字經濟發展與城鄉居民收入差距呈“U”型關系；趙偉和彭玉婷（2022）［7］研究發現數字經濟的發展會顯著增加我國收入不平等程度。同時，在測算方法上，國內大多數學者在宏觀層面上使用熵值法、主成分分析法計算衡量數字經濟發展程度，王軍等（2021）［8］使用熵值法測算數字經濟發展程度，劉洋和陳曉東（2022）［9］使用主成分分析法計算數字經濟發展指標。關于收入分配的衡量則多用泰爾指數、基尼系數表示，姚玉祥和吳普云（2019）［10］、萬廣華等（2022）［11］使用了基尼系數和泰爾指數衡量收入分配，較少直接針對勞動和資本要素報酬研究要素收入分配格局。

在數字技術影響要素收入分配的相關研究中，學者們更關注數字經濟、人工智能對勞動收入份額的影響。部分學者從企業層面出發，如肖土盛等（2022）［12］認為企業數字化轉型帶來技術升級，提高了高技能勞動需求，擠出低技能勞動需求，從而提高了企業勞動收入份額。趙春明等（2023）［13］使用上市公司數據，研究發現企業數字化轉型顯著提升了勞動收入份額。同時部分學者研究認為人工智能、智能制造等會降低勞動收入份額。Karabarbounis和Neiman（2013）［1］研究發現計算機和信息技術的進步促使勞動向資本進行轉變，勞動力收入份額的下降多依賴于資本價格的下降。宋旭光和杜軍紅（2021）［14］研究發現，智能制造與傳統生產方式替代彈性互補，降低了勞動收入份額，同時智能制造提高了平均工資率和勞動生產率，要素間互補關系使勞動生產率提高，進而對資本和智能制造產生超額需求，提高了資本和智能制造所得，限制了勞動收入份額提高。鈔小靜和周文慧（2021）［15］基于我國省級面板數據，研究發現人工智能短期內不利于勞動收入份額的提升。蘆婷婷和祝志勇（2021）［16］同樣使用我國省級面板數據，研究發現人工智能顯著降低了勞動收入份額。

研究結論中，部分學者認為偏向性技術進步是導致我國勞動收入份額下降的原因，偏向性技術進步多依賴于資本偏向性。姚毓春等（2014）［17］認為我國工業部門技術進步偏向資本方向發展，導致資本收入份額的上升和勞動收入份額的下降。朱琪和劉紅英（2020）［18］認為人工智能具有資本偏向性，使用資本替代勞動，從而降低了勞動收入份額，擴大了要素收入的差距。吳鵬和常遠（2021）［19］研究認為我國技術進步為資本和技能偏向，技能溢價的提高降低了勞動收入份額，惡化了要素收入分配。

綜上，現有文獻在要素層面關注數字技術對勞動、資本要素收入分配格局的影響較為有限。基于此，本文從要素技術的視角出發，使用相對勞動收入份額，即勞動收入份額與資本收入份額的比值來衡量要素收入分配狀況，研究數字技術對相對勞動收入份額的影響，嘗試刻畫數字技術對我國要素收入分配格局的影響，可以對現有研究中數字要素技術層面對勞動、資本在要素收入格局中的分配狀況作出有益補充。

本文的邊際貢獻主要體現在以下幾個方面：第一，在數字經濟高速發展的背景下，本文在要素收入分配的視角下探究了數字技術對相對勞動收入份額的影響，同時也體現了數字技術發展對勞動、資本要素收入份額的影響以及影響途徑，為深入剖析新發展階段的勞動收入分配提供了新的視角，對現有的勞動收入分配理論框架進行了有益的擴展；第二，不同于熵值法等一般從宏觀層面對數字經濟發展指標的構建方法，本文主要從投入產出的角度構建數字技術指標，且使用相對勞動收入份額指標來直觀體現要素收入分配，實證檢驗了數字技術對要素收入分配的影響及其途徑，為理論研究提供了實證支持，推動對數字化時代要素收入分配變化的深入理解，豐富實證研究成果；第三，為制定和完善相關政策提供參考，促進數字技術的可持續發展，運用數字技術改善我國要素收入分配狀況以應對數字化時代下的收入分配挑戰，減小收入差距，促進社會公平和共同富裕。

二、理論模型和研究假說

數字經濟的發展深刻影響著我國社會的要素收入分配格局，在此背景下，本文建立CES生產函數，假設生產技術的發展完全來自數字要素，生產函數中包含資本和勞動：

Y=A·θ·Kσ－1σ+（1－θ）·Lσ－1σσσ－1

其中，Y為總產出，A為數字技術，K為資本投入，L為勞動投入，θ為投入比率，0<θ<1，σ為資本、勞動要素投入的替代彈性，σ>1。

利潤最大化下，一階條件為：w=YL·P，r=YK·P，wr=YL/YK。設E為相對勞動收入份額，則E=wL/YrK/Y=1－θθ·LKσ－1σ。

由生產函數可得，YAσ－1σ=θ·Kσ－1σ+（1－θ）·Lσ－1σ，

那么YAKσ－1σ·1θ=1－θθ·LKσ－1σ+1，即YAKσ－1σ·1θ=E+1，

兩邊取對數可得，ln（E+1）=σ－1σlnY－σ－1σlnA－σ－1σlnK－lnθ，即在資本投入偏向下，對上式求偏導數可得，ln（E+1）lnA=－σ－1σ<0。

由于正單調變化不改變偏導數的符號，上式即lnElnA<0，也即數字技術的提高降低了相對勞動收入份額。因此，本文提出以下假說：

H1：數字技術的提高降低了相對勞動收入份額。

在此基礎上，本文進一步分析數字化程度提高降低相對勞動收入份額的原因，本文認為：首先，數字技術的發展多來自資本的投入，呈現資本偏向性的特點，因此，數字技術所得會提高資本回報率，勞動回報率相對于資本回報率會下降，勞動生產率盡管得到提高，但在平均工資粘性的情形下，勞動收入份額可能下降。同時，數字技術的發展可能產生一系列的替代作用，資本投入所帶來的自動化、人工智能化替代了勞動［20-21］，越來越多的基礎工作被替代，特別是重復工作性質的低技能勞動力，腦力勞動的高技能勞動力在數字化程度較高時也將會被替代，從而產生大量剩余勞動力［22］，中等收入群體可能被擠壓至低端服務業，勞動所得與收入份額下降［23-24］，數字化的發展促使了資本品相對價格的下降，更多的勞動轉向資本［1］。基于此，本文提出以下假說：

H2：數字技術通過降低勞動收入份額，提高資本收入份額，從而降低相對勞動收入份額。

其次，有偏的技術進步導致了要素之間分配的偏向性［25］，數字技術多被視為資本偏向性的技術進步，技術進步與技能偏向會形成資本深化［26］，勞動力報酬份額會減少［27］，導致相對資本收入份額提高。數字經濟背景下大數據、人工智能等新技術的發展依托于資本投入，我國是資本偏向的技術進步［28］，這導致了資本的高邊際產出及回報，資本深化導致了勞動份額的減少［29］。同時數字創新帶來的“贏者通吃”的市場結構導致了市場份額的不穩定性［30］，高生產率、高技術水平的行業有更高的行業集中度，勞動生產率卻下降［31］，數字化技術進步帶來的低搜索成本、低運輸成本等使其能夠更好地享受技術外溢等正外部性優勢，最終使得資本的回報率大，勞動收入份額下降。數字技術帶來的相關技術水平和生產率的提高會大幅提升勞動者生產率，在平均工資粘性的情況下會降低勞動收入份額，從而降低相對勞動收入份額。因此，本文從以上角度出發，考慮數字技術影響全要素生產率帶來的生產率效應和行業間技術溢出帶來的規模效應，提出以下假說：

H3：數字技術提高了全要素生產率和行業間技術外溢水平，從而降低了相對勞動收入份額。

三、指標計算與數據來源

（一）指標計算

1.相對勞動收入份額

相對勞動收入份額的計算為，相對勞動收入份額=勞動收入份額/資本收入份額，勞動收入份額=勞動所得/產值，資本收入份額=資本所得/產值，借鑒戴天仕和徐現祥（2010）［29］的研究，其中，勞動所得為勞動者報酬與部分生產稅凈額的和，資本所得為固定資產折舊加營業盈余與部分生產稅凈額的和，假設勞動與資本共同分擔生產稅凈額，則勞動所得=勞動報酬+生產稅凈額×（勞動者報酬）/（勞動者報酬+固定資產折舊+營業盈余），資本所得=固定資產折舊+營業盈余+生產稅凈額×（固定資產折舊+營業盈余）/（勞動者報酬+固定資產折舊+營業盈余），產出=勞動所得+資本所得。

2.數字技術水平

數字技術水平使用要素層面的數字投入衡量，可以更好地反映行業與行業間的數字經濟發展程度與數字化技術發展水平。數字投入要素的計算基于中國投入產出表，在投入產出分析的基礎上，使用直接消耗和完全消耗系數來衡量數字技術水平，其中直接消耗的計算公式為aij=Xij/Xj，直接消耗系數aij反映了數字技術行業部門與其他行業部門之間的直接依存的關系，表示j部門生產一單位產品，j部門對數字行業部門產品的消耗量，Xij反映了數字化部門對其他部門的要素投入，Xj為行業部門j的產出水平。

相對于直接消耗系數來說，完全消耗系數不僅包括其他行業部門對數字化行業部門的直接消耗，還包括間接消耗，即某一行業部門通過其他行業部門對數字化行業部門的要素消耗，完全消耗系數的計算公式為bij=aij+∑Nn=1ainanj+∑Nm=1∑Nn=1ainanjamn+…，其中，aij為直接消耗系數，∑Nn=1ainanj為部門i通過部門n對數字化部門的一次間接消耗，∑Nm=1∑Nn=1ainanjamn為行業部門i通過部門m、n對數字化部門的二次間接消耗，以此類推得到對數字化部門的完全消耗。完全消耗系數的矩陣表達形式為：B=A+A2+A3+…=（I－A）－1－I，A為直接消耗系數矩陣，I為單位矩陣。

由于完全消耗系數相對直接消耗系數更能全面反映其他行業部門對數字化行業部門的消耗程度，因此本文使用完全消耗系數bij來表示各行業部門的數字技術水平。在此基礎上，由于完全消耗系數與直接消耗系數為絕對指標，為更好反映二者在總投入中的重要程度，使用相對指標完全依賴度來進一步衡量數字投入要素水平，其計算公式為：Dig=∑jbij/∑kbik，Dig表示某一行業部門對數字化行業部門的完全消耗與其對所有完全消耗系數和的占比，同理直接依賴度為某一行業部門對數字化行業部門的直接消耗與其對所有直接消耗系數和的占比。其中，數字行業部門的劃分借鑒陳夢根和張鑫（2022）［32］的研究，將中國投入產出表中通信設備、計算機及其他電子設備制造業和信息傳輸、軟件和信息技術服務業定義為數字化行業部門，通信設備、計算機及其他電子設備制造業包括計算機、通信設備、廣播電視設備和雷達及配套設備、視聽設備、電子元器件、其他電子設備行業，信息傳輸、軟件和信息技術服務業包括電信、廣播電視及衛星傳輸服務、互聯網和相關服務、軟件服務、信息技術服務行業。

3.全要素生產率

全要素生產率指的是技術進步的效率，即除去資本、勞動要素投入之后剩余的要素如技術、創新等要素發揮的作用，代表著行業發展的能力與水平。本文測算了在行業部門層面上全要素生產率的變化，全要素生產率的計算使用的是非參數估計的DEA-Malmquist指數模型，DEA-Malmquist指數模型的計算使用投入產出數據，這可以更好地反映宏觀層面行業間生產效率的動態變化，其中投入變量使用的是勞動人數和資本存量，產出變量使用的是增加值，均進行平減處理。由于DEA-Malmquist指數模型計算的是全要素生產率同上期的變化，本文借鑒邱斌等（2008）［33］、陳南旭和王林濤（2022）［34］的方法，以2012年為基期，將其設定為1，將Malmquist指數累乘得到每期全要素生產率相對于基期全要素生產率的變化情況。

其中，資本存量的計算借鑒張軍等（2004）［35］，固定資本形成總額使用固定資產投資價格指數以2012年進行平減，使用永續盤存法計算資本存量，計算公式為Kit=Iit+（1-δit）Kit-1，其中Kit為資本存量，Iit為固定資產形成總額，δit為折舊率，折舊率取96%。由于投入產出表無法體現各部門勞動人數的投入數量，也無與投入產出表口徑一致的就業人數，故本文借鑒張鐘文等（2017）［36］的方法，使用各部門勞動報酬比城鎮單位行業平均工資來估算勞動投入人數，其中制造業細分行業的勞動投入以各細分行業的規模以上工業企業占制造業總人數的比重為權數估算，數據來自中國統計年鑒。

4.行業技術溢出水平

行業部門之間不僅存在產品之間的直接消耗與間接消耗，也存在相互之間的技術溢出，技術溢出反映了行業部門之間的相互依存程度，技術溢出水平的提高可以促進行業部門之間的交流合作，更進一步提高行業部門的生產效率，降低生產成本。行業技術溢出水平的計算借鑒林晨等（2022）［37］的方法，TSi=∑i≠jwijRDj，TS為其他行業部門技術溢出到行業部門i的水平，RD為其他行業部門的研究投入值，取投入產出表中其他行業部門對科學研究和技術服務行業部門的中間使用值來衡量。wij為行業間投入的相似程度，可由兩行業間直接消耗系數的角余弦值計算得到：wij=∑nanianj∑na2ni×∑na2nj，其中，ani、anj表示由投入產出表得到的直接消耗系數矩陣中i、j行業第n行的直接消耗系數。

5.控制變量

借鑒已有文獻，控制變量的選取如下：行業規模（lny），為總產出水平取對數；增加值規模（lnz），為增加值額取對數；資本深化（lns），為固定資產形成總額比產出加一取對數；進口規模（lnim），為進口額加一取對數；出口規模（lnex），為出口額加一取對數。以上所有變量的描述性統計見表1。

（二）數據來源

本文的數據主要來源于國家統計局的中國投入產出數據和中國統計年鑒數據，使用2012年、2015年、2017年、2018年與2020年的中國投入產出表，并整合為40行業部門。由于中國投入產出表不連續的特點，本文根據時間相近的原則，使用2012年的數據用于2012—2013年，2015年的數據用于2014—2015年，2017年的數據用于2016—2017年，2018年的數據用于2018—2019年，2020年的數據用于2020年。

四、模型設計與實證結果分析

（一）模型設計

為研究數字技術與相對勞動收入份額之間的關系，本文構建如下的計量模型進行回歸分析：

lnxdsrfe=α1lndig+βiXi+α0+εi+δi+φi（1）

其中，lnxdsrfe為相對勞動收入份額的對數，lndig為數字技術水平的對數，Xi為控制變量，α1、βi為系數，α0為截距項，εi為隨機擾動項，δi為行業固定效應，φi為時間固定效應。

（二）實證結果分析

1.基準回歸

表2列1）為未加控制變量且未控制行業與時間固定效應得到的回歸結果，列（2）為增加控制變量但未控制行業與時間固定效應得到的回歸結果，列（3）為未加控制變量但控制了行業與時間固定效應得到的回歸結果，列（4）為增加控制變量且控制了行業與時間固定效應得到的回歸結果，所有的回歸結果均顯示數字技術水平的提高顯著降低了相對勞動收入份額，要素收入分配在一定程度上被扭曲，這驗證了假說H1。可能的原因在于數字技術的提高產生了部分替代效應，數字化的發展代替了部分的勞動者，勞動者被擠出，對勞動的需求下降，勞動供需出現不平衡，又因為數字化程度的提高依賴于資本的投入，數字技術發展的過程中的資本偏向性無法平衡勞動和資本博弈的過程，最終造成了相對勞動收入份額的下降。

2.內生性與穩健性檢驗

（1）內生性檢驗。基準回歸中控制了行業部門固定效應和時間固定效應和一系列控制變量后，在一定程度上控制了可能出現的遺漏變量導致的內生性問題，但為了更好地控制遺漏變量、測量誤差和雙向因果可能帶來的內生性問題，本文借鑒Lewbel（2012）［38］與何小鋼等（2023）［39］的方法，通過異方差來構建工具變量，即滿足：Y1=Y2β+Xγ+ε1，ε1=cU+V1，Y2=Xα+ε2，ε2=U+V2，其中，Y1為相對勞動收入份額，Y2為數字技術代理變量，X為所有控制變量集合，ε1、ε2為誤差項，U為不可觀測因素，V1、V2為異質性誤差。通過構造［Z-E（Z）］ε2作為工具變量，其中Z全部來自X。工具變量得到的回歸結果見表3列（1），回歸結果表明數字技術的提高降低了相對勞動收入份額水平，同時不可識別檢驗（K-P?LM）拒絕原假設，說明工具變量是可識別的，弱工具變量檢驗（K-P?Wald?F）說明不存在弱工具變量問題，也不存在過度識別問題（Hansen?J），說明本文的結果是穩健的。

（2）穩健性檢驗。本文主要使用替換解釋變量、選取不同時間跨度的方法進行穩健性分析。文中主要解釋變量為數字技術水平，是基于數字化行業部門與其他行業部門的完全消耗系數計算的完全依賴度，為證明基準回歸的穩定性，本文使用絕對量即數字化行業部門與其他行業部門的完全消耗系數來替代完全依賴度進行回歸，也使用數字化行業部門與其他行業部門的直接消耗系數計算的直接依賴度來替代完全依賴度進行回歸。同時考慮到2020年的新冠疫情的影響時去除了2020年樣本。

表3列（2）為絕對量層面數字技術水平對相對勞動收入份額的回歸結果，表3列（3）為直接依賴度的數字技術水平對相對勞動收入份額的回歸結果，回歸結果顯示，數字技術水平顯著降低了相對勞動投入份額，與基準結果一致，說明回歸結果是穩健的。列（4）回歸結果表明，去掉2020年剩余時間跨度內數字技術的提高顯著降低了相對勞動收入份額，這與本文的基準回歸結果一致，說明回歸結果是穩健的。

3.異質性檢驗

考慮行業的異質性，數字技術對相對勞動收入份額會帶來的不同影響，本文將行業區分為服務業與制造業，勞動密集型行業與資本密集型行業，從兩個角度出發檢驗不同類型產業、行業間數字技術對要素收入分配產生的異質性影響，詳細結果如下：

表4列（1）和列（2）的回歸結果顯示，數字技術水平顯著降低了服務業的相對勞動收入份額，但對制造業的相對勞動收入份額提高的影響不顯著，即相對于制造業來說，數字技術的發展更易導致服務業相對勞動收入份額的降低。可能的原因在于：首先，因為服務業集中于大量勞動，又因為數字技術替代效應的存在，可能有大量其他行業低技能勞動力進入服務業，如制造業中做重復性工作的工人、低技能的勞動者被替代，被替代的勞動者流向了服務業，加劇了服務業勞動力市場的競爭，從而數字技術降低服務業相對勞動收入份額的沖擊效應更大；其次，相對于制造業，服務業的高勞動收入份額與高勞動報酬與其生產率并不相配，由于數字技術水平提高較能契合服務業的發展，數字技術提高了服務業的勞動生產率，由剩余價值理論可知，這降低了服務業的勞動收入份額，進而降低了相對勞動收入份額。

表4列（3）和列（4）的結果表明，數字技術水平均顯著降低了勞動密集型行業與資本密集型行業的相對勞動收入份額，但對勞動密集型行業的影響程度要大于資本密集型行業。可能的原因在于，數字技術降低了相對勞動收入份額，勞動密集型行業因此更易受到影響。一方面，數字技術的發展，如數字平臺的搭建形成了新型壟斷，生產者和消費者剩余都被大量攫取，處于弱勢的勞動收入份額必然會降低，尤其在勞動密集型行業中；另一方面，勞動密集型行業多依賴于勞動投入，但勞動力尤其是低技能水平的勞動力是容易被數字化技術所替代的，數字化程度的提高使得機器設備更加智能化，去勞動力化越來越明顯，勞動密集型行業受到的影響更甚，其相對勞動收入份額降低程度更大。

五、影響機制檢驗

由基準回歸可知，數字技術水平顯著降低了相對勞動收入份額，為驗證假說H2與假說H3，本文分兩步檢驗數字技術顯著降低相對勞動收入份額的影響機制，首先檢驗數字技術對勞動收入份額與資本收入份額產生的不同影響，然后構建中介效應模型，驗證全要素生產率與行業間技術溢出是否為數字技術降低相對勞動收入份額的原因，并在此基礎上討論了兩種機制的異質性分析。

（一）數字技術水平與勞動收入份額、資本收入份額

相對勞動投入份額是勞動收入份額與資本收入份額之比，研究數字技術降低相對勞動收入份額的原因，首先需要明確數字技術影響勞動收入份額與資本收入份額的效果。因此，本文將式（1）中被解釋變量相對勞動收入份額分別替換為勞動收入份額與資本收入份額，然后進行回歸，得到的回歸結果見表5。

表5列（1）為數字技術水平與勞動收入份額的回歸結果，回歸結果表明，數字技術水平的提高顯著降低了勞動收入份額，列（2）為數字技術水平與資本收入份額的回歸結果，回歸結果表明數字技術水平的提高顯著提高了資本收入份額。數字技術帶來的資本收入份額相對于勞動收入份額的提高造成了相對勞動收入份額的下降，假說H2得到驗證。

數字技術帶來的資本收入份額相對于勞動收入份額的提高造成了相對勞動收入份額的下降，可能的原因是數字化的進程多由資本所推動，越來越多的生產所得被資本占有，資本報酬得到提高，數字技術使資本收入份額水平更高，拉大了資本收入份額與勞動收入份額之間的差距。同時，我國經濟發展水平不斷提高，人口紅利逐步消失，越來越多的勞動，尤其是簡單重復勞動在數字化的進程中更進一步被取代，勞動者被迫轉行、流動，成為勞動力市場的弱勢群體，造成部分勞動者的勞動報酬逐漸下降，數字化進程擠壓低技能勞動者的勞動所得，其勞動收入份額逐漸下降。綜合資本的偏向性與數字化下對勞動的替代性，導致了相對勞動收入份額的下降。

（二）中介效應檢驗

數字技術的發展降低了相對勞動收入份額，帶來了要素收入分配的扭曲，數字技術通過不同渠道來影響相對勞動收入份額，從資本偏向性技術進步和剩余價值理論的角度出發，數字技術可以通過影響全要素生產率和技術溢出，從而提高資本所得，降低相對勞動收入份額。

全要素生產率衡量著行業自身生產效率和發展能力的變化，行業間技術溢出代表著行業技術水平以及部門間的相互作用，高的生產率和行業間技術溢出水平更有利于資本所得的擴張。同時，二者帶來的勞動生產率的大幅提升會降低勞動收入份額，提高資本收入份額，從而降低相對勞動收入份額。數字化的進程必然帶來全要素生產率和行業間技術的變化，全要素生產率和行業間技術的變化也必然對相對勞動收入份額產生影響。因此，本文以全要素生產率和行業間技術外溢作為中介變量，研究數字技術對相對勞動收入份額的影響渠道。

綜上分析，檢驗全要素生產率的變化與行業間技術外溢作為數字技術與相對勞動收入份額間的中介變量，構建以下回歸模型：

lnxdsrfe=α11lndig+βi1Xi1+α01+εi1+δi1+φi1（2）

lnchanneli=α12lndig+βi2Xi2+α02+εi2+δi2+φi2（3）

lnxdsrfei=γilnchanneli+α13lndig+βi3Xi3+α03+εi3+δi3+φi3（4）

其中，channeli為中介變量，當i=1時為全要素生產率，i=2時為行業間技術外溢，lnxdsrfe為相對勞動收入份額，lndig為數字技術水平，α1j、βij、γi為系數，α0j為截距項，εij、δij、φij分別為隨機擾動項、行業固定效應和時間固定效應。

表6反映了式（2）、式（3）的回歸結果，式（1）的回歸結果即基準回歸結果。列（1）和列（3）反映的是全要素生產率作為中介變量的回歸結果，回歸結果表明，數字技術提高了全要素生產率，全要素生產率的提高降低了相對勞動收入份額，二者均是顯著的，說明全要素生產率是有效的中介變量，數字技術通過提高全要素生產率進而降低了相對勞動投入份額，全要素生產率的變化是數字技術降低相對勞動投入份額的原因之一，假說H3得到驗證。數字技術的發展帶來全要素生產率的變化，勞動收入份額相對資本收入份額的占比下降，勞動者所得進一步降低。

列（2）和列（4）表明行業間技術外溢作為中介變量的回歸結果，可以看出，數字技術顯著提高了行業間的技術外溢水平，同時行業間的技術外溢顯著降低了相對勞動收入份額，這說明行業間的技術外溢也是有效的中介變量，數字技術通過促進行業間的技術外溢降低了相對勞動收入份額，行業間的技術外溢是影響數字技術降低相對勞動收入份額的渠道之一，這同樣驗證了假說H3。數字技術以其低廉的傳輸成本，極高的聯通效率，降低了行業間溝通交流成本，較低的邊際成本帶來了較高的技術收益、生產率的提高，行業間技術外溢程度越高，勞動和資本的流動性也會越高，帶來的結果往往造成勞動力發揮的作用要逐漸小于資本的作用，勞動報酬尤其是低技能勞動報酬相對資本報酬降低，資本的報酬上升，相對勞動收入份額降低。

（三）影響機制的異質性檢驗

數字技術提升全要素生產率和行業間技術外溢從而降低相對勞動收入份額，其原因在于全要素生產率和行業間技術外溢有著資本和技術偏向性，從而提升了資本收入份額，降低了勞動收入份額。表7報告了在不同要素密集度下數字技術對全要素生產率和行業間技術外溢的異質性影響，其中列（1）和列（2）為數字技術對全要素生產率的回歸結果，列（3）和列（4）為數字技術對行業間技術外溢的回歸結果。

表7的回歸結果均顯示，數字技術對資本密集型行業的全要素生產率、行業間技術外溢的影響更大，這說明了數字技術提高全要素生產率和行業間技術溢出更偏向資本集中的情形，資本的投入越多，數字技術對于全要素生產率和行業間技術溢出的影響更顯著，這也從側面說明了數字技術降低相對勞動收入份額更多地在于資本投入和資本回報的提升，進而扭曲了要素收入分配格局。

六、結論與建議

數字技術促進了數字經濟的發展，數字化水平的提高為經濟社會帶來諸多好處，但在其高速發展的同時往往伴隨著勞動者的收入份額下降，要素收入分配進一步被扭曲，可能會導致貧富差距進一步擴大，社會公平和共同富裕受到挑戰。基于此，本文在要素收入分配視角下，考察數字技術與相對勞動收入份額的關系，結論如下：（1）數字技術水平的提高顯著降低了相對勞動收入份額，并通過了內生性和穩健性檢驗。在異質性檢驗中，相對于制造業，數字技術顯著降低了服務業的相對勞動收入份額，同時數字技術顯著降低了勞動密集型行業與資本密集型行業的相對勞動收入份額，但對勞動密集型行業的影響程度更大。（2）數字技術降低了勞動投入份額，卻提高了資本投入份額，從而導致了相對勞動收入份額的下降。（3）行業部門的全要素生產率與行業間的技術外溢水平的提高是影響數字技術降低勞動收入份額的兩個渠道，且在資本密集型行業中體現得更加明顯。

基于以上結論，提出以下建議：

第一，數字技術不斷上升帶來數字經濟持續發展，在數字化進程中政府應當引導和處理好已經出現和潛在存在的問題，要充分考慮到可能會被數字化進程影響的行業和群體，制定和完善相應安置和補貼等政策對策，進行行業結構轉型和勞動者的職業技能培訓，降低其可替代性，充分提高其競爭力，維護其福利待遇。

第二，針對數字技術降低相對勞動收入份額的問題，生產率的發展往往會提高資本所得，現階段的數字紅利多被資本所攫取，較少傳遞給勞動者，造成勞動者收入份額的相對下降。克服此困境需要政府持續、優良的政策，如優化經濟結構，縮小城鄉差距，提高低收入者待遇，制定收入所得稅，調節過高收入，進一步完善要素收入分配制度，注重初次分配，提高最低工資標準，制定相關法律法規體系來優化分配方式方法。

第三，維護、監督好市場競爭環境，加強市場監管，避免數字技術快速發展帶來的壟斷。同時，加強治理勞動力市場的競爭環境，培養勞動者對數字化的使用以及擴大其使用場景，數字化可以更好地提高勞動力市場的透明度，避免信息不對稱的發生而損害勞動者的利益。

參考文獻：

［1］?Karabarbounis?L，?Neiman?B.The?Global?Decline?of?the?Labor?Share［J］.The?Quarterly?Journal?of?Economics，?2013，129（1）：61-103.

［2］?Autor?D.The?Labor?Market?Impacts?of?Technological?Change：?From?Unbridled?Enthusiasm?to?Qualified?Optimism?to?Vast?Uncertainty［R］.NBER?Working?Papers，?2022.

［3］?Autor?David，?Dorn?David，?Katz?Lawrence?F，?et?al.?The?Fall?of?the?Labor?Share?and?the?Rise?of?Superstar?Firms［J］.The?Quarterly?Journal?of?Economics，2020，135（2）：645-709.

［4］?張勛，?萬廣華，?張佳佳，等.數字經濟、普惠金融與包容性增長［J］.經濟研究，2019，54（8）：71-86.

［5］?王林輝，?胡晟明，?董直慶.人工智能技術會誘致勞動收入不平等嗎——模型推演與分類評估［J］.中國工業經濟，2020（4）：97-115.

［6］?王軍，?肖華堂.數字經濟發展縮小了城鄉居民收入差距嗎？［J］.經濟體制改革，?2021（6）：56-61.

［7］?趙偉，?彭玉婷.數字經濟發展是否會影響收入不平等？——基于空間面板模型的實證檢驗［J］.經濟問題探索，?2022，485（12）：35-51.

［8］?王軍，?朱杰，?羅茜.中國數字經濟發展水平及演變測度［J］.數量經濟技術經濟研究，?2021，38（7）：26-42.

［9］?劉洋，?陳曉東.中國數字經濟發展對產業結構升級的影響［J］.經濟與管理研究，?2021，42（8）：15-29.

［10］姚玉祥，?吳普云.中國城鎮化的收入分配效應——理論與經驗證據［J］.經濟學家，?2019，249（9）：5-14.

［11］萬廣華，?羅知，?張勛，等.城鄉分割視角下中國收入不均等與消費關系研究［J］.經濟研究，?2022，57（5）：87-105.

［12］肖土盛，?孫瑞琦，?袁淳，等.數字化轉型、人力資本結構調整與勞動收入份額［J］.管理世界，2022，38（12）：220-237.

［13］趙春明，?班元浩，?李宏兵等.企業數字化轉型與勞動收入份額［J］.財經研究，?2023，49（6）：49-63+93.

［14］宋旭光，?杜軍紅.智能制造如何影響勞動收入份額——基于中國省級面板數據的實證研究［J］.經濟理論與經濟管理，?2021，41（11）：79-96.

［15］鈔小靜，?周文慧.人工智能對勞動收入份額的影響研究——基于技能偏向性視角的理論闡釋與實證檢驗［J］.經濟與管理研究，?2021，42（2）：82-94.

［16］蘆婷婷，?祝志勇.人工智能對勞動收入份額影響的空間溢出效應——基于靜態空間杜賓模型和動態空間杜賓模型的分析［J］.經濟問題探索，?2022（5）：65-78.

［17］姚毓春，?袁禮，?王林輝.中國工業部門要素收入分配格局——基于技術進步偏向性視角的分析［J］.中國工業經濟，?2014（8）：44-56.

［18］朱琪，?劉紅英.人工智能技術變革的收入分配效應研究：前沿進展與綜述［J］.中國人口科學，?2020，197（2）：111-125+128.

［19］吳鵬，?常遠.技能溢價如何通過技能偏向型技術進步影響要素收入分配？［J］.安徽大學學報（哲學社會科學版），?2021，45（6）：109-121.

［20］Acemoglu?D，?Restrepo?P.The?Race?between?Man?and?Machine：?Implications?of?Technology?for?Growth，?Factor?Shares，?and?Employment［J］.American?Economic?Review，?2018，?108（6）：1488-1542.

［21］Acemoglu?D，?Restrepo?P.Automation?and?New?Tasks：?How?Technology?Displaces?and?Reinstates?Labor［J］.Journal?of?Economic?Perspectives，?2019，33（2）：3-30.

［22］Brynjolfsson?E，?McAfee?A.The?Second?Machine?Age：?Work，?Progress，and?Prosperity?in?a?Time?of?Brilliant?Technologies［M］.New?York：?WW?Norton?&?Company，?2014.

［23］Goos?M，?Manning?A，?Salomons?A.?Explaining?Job?Polarization：?Routine-Biased?Technological?Change?and?Offshoring［J］.American?Economic?Review，?2014，104（8）：2509-2526.

［24］柏培文，?張云.數字經濟、人口紅利下降與中低技能勞動者權益［J］.經濟研究，?2021，56（5）：91-108.

［25］Acemoglu?D.When?Does?Labor?Scarcity?Encourage?Innovation？［J］.Journal?of?Political?Economy，?2010，118（6）：1037-1078.

［26］陳登科，?陳詩一.資本勞動相對價格、替代彈性與勞動收入份額［J］.世界經濟，?2018，41（12）：73-97.

［27］涂濤濤，?陳燁.偏向型技術進步與要素收入分配——基于CGE模型的模擬分析［J］.華中科技大學學報（社會科學版），?2018，32（2）：65-75.

［28］陸雪琴，?章上峰.技術進步偏向定義及其測度［J］.數量經濟技術經濟研究，?2013，30（8）：20-34.

［29］戴天仕，?徐現祥.中國的技術進步方向［J］.世界經濟，?2010，33（11）：54-70.

［30］Guellec?D，?Paunov?C.Digital?Innovation?and?the?Distribution?of?Income［J］.NBER?Working?Papers，?2017.

［31］Loecker?J?D，?Eeckhout?J.The?Rise?of?Market?Power?and?the?Macroeconomic?Implications［R］．NBER?Working?Paper，?2017.

［32］陳夢根，?張鑫.中國數字經濟規模測度與生產率分析［J］.數量經濟技術經濟研究，?2022，39（1）：3-27.

［33］邱斌，?楊帥，?辛培江.FDI技術溢出渠道與中國制造業生產率增長研究：基于面板數據的分析［J］.世界經濟，?2008，360（8）：20-31.

［34］陳南旭，?王林濤.中國制造業生產效率提升進程中技術溢出與自主創新的交互貢獻［J］.數量經濟技術經濟研究，?2022，39（5）：84-103.

［35］張軍，?吳桂英，?張吉鵬.中國省際物質資本存量估算：1952—2000［J］.經濟研究，?2004（10）：35-44.

［36］張鐘文，?葉銀丹，?許憲春.高技術產業發展對經濟增長和促進就業的作用研究［J］.統計研究，?2017，34（7）：37-48.

［37］林晨，?陳榮杰，?徐向宇.外部產業投資與區域協調發展——來自“三線建設”地區的證據［J］.經濟研究，?2022，57（3）：173-190.

［38］Lewbel?A.Using?Heteroscedasticity?to?Identify?and?Estimate?Mismeasured?and?Endogenous?Regressor?Models［J］.Journal?of?Business?&?Economic?Statistics，?2012，30（1）：67-80.

［39］何小鋼，?朱國悅，?馮大威.工業機器人應用與勞動收入份額——來自中國工業企業的證據［J］.中國工業經濟，?2023（4）：98-116.

Digital?Technology，?Factor?Income?Distribution，?and?Relative?Labor?Income?Share

FAN?Shicheng1，?NIU?Rui2

（1.School?of?Economics，Nankai?University，?Tianjin?300071，?China；

2.School?of?International?Business，?Tianjin?Foreign?Studies?University，?Tianjin?300270，?China）

Abstract：?This?article?uses?Chinas?input-output?data?to?study?the?impact?of?digital?technology?on?the?relative?share?of?labor?income，?and?analyzes?the?impact?of?digital?technology?on?the?distribution?pattern?of?labor?and?capital?factor?income.The?research?has?found?that?the?improvement?of?digital?technology?significantly?reduces?the?relative?share?of?labor?income，?with?digital?technology?having?a?greater?impact?on?the?relative?share?of?labor?income?in?the?service?industry?compared?to?the?manufacturing?industry.At?the?same?time，?digital?technology?has?significantly?reduced?the?relative?labor?income?share?of?labor-intensive?and?capital-intensive?industries，?but?has?a?greater?impact?on?labor-intensive?industries.In?terms?of?impact?mechanism，?the?distribution?of?labor?income?share?and?capital?income?share?driven?by?digital?technology?is?not?balanced.Digital?technology?reduces?labor?income?share，?but?increases?capital?income?share，?leading?to?a?decrease?in?relative?labor?income?share.At?the?same?time，?digital?technology?mainly?reduces?the?relative?share?of?labor?income?through?the?improvement?of?total?factor?productivity?within?the?industry?and?technology?spillovers?between?industries，?which?is?more?evident?in?capital?intensive?industries.

Key?words：digital?technology;?relative?share?of?labor?income;?total?factor?productivity;?technology?spillover

（責任編輯：周正）