人工智能對女性非農就業的影響

一、引言

在當今社會，就業是最重要的民生，是經濟發展的基石，直接關系著個人和家庭的生計，同時牽涉到社會的穩定和發展。促進高質量充分就業，是新時代新征程就業工作的新定位、新使命。目前，我國“有活沒人干、有人沒活干”并存的結構性就業矛盾仍然突出，特別是女性就業者，她們除工作壓力之外，通常還面臨著工作與家庭責任之間的平衡問題，在就業時相對于男性就業者更容易受到市場歧視。黨中央高度重視婦女事業發展問題，《“十四五”就業促進規劃》就明確提出，要促進平等就業，保障婦女在就業創業、職業發展、技能培訓、勞動報酬、職業健康與安全等方面的權益，為因生育中斷就業的女性提供再就業培訓公共服務。《中國婦女發展綱要（2021一2030年）》也強調，要消除就業性別歧視，優化婦女就業結構，為女性生育后的職業發展創造有利條件。緩解女性就業壓力成為當代社會函待解決的重要問題之一。

在女性爭取就業平等的百年歷程中，技術革新發揮了至關重要的促進作用，為女性脫離家庭束縛、進入職場提供了不可或缺的支持與助力（裴文靜，2023）。近年來，人工智能正成為新一輪科技發展的重要環節。作為新一代信息技術的代表，人工智能技術已經成為經濟發展的新引擎，推動經濟社會從數字化、網絡化向智能化方向發展，在推動產業結構轉型升級、實現經濟高質量發展方面功不可沒（黃旭和董志強，2024），對女性就業特別是非農就業更是產生了重要的影響。傳統上，某些行業或職位更多地被男性占據，但人工智能技術的興起打破了這種模式，技術領域對于性別并非嚴格設限，女性可以更自由地進入這些領域并發揮自己的才能。但不可否認的是，人工智能并非均等地惠及全體勞動者，它也可能導致勞動力市場出現更加嚴重的極化現象。因此，從某種程度上來說，人工智能帶給女性就業的是機遇與挑戰并存。基于上述現實問題，本文使用2020年中國家庭追蹤調查（CFPS）數據，深入研究人工智能快速發展背景下女性勞動力市場所受到的影響，并利用研究數據為女性非農就業提供基于人工智能的策略性指導。

二、文獻綜述

（一）女性就業的影響因素研究

起初，人們研究男女就業差距多從人力資本理論入手，認為女性的受教育程度影響女性就業。但隨著教育的普及，男女教育程度趨同化，人力資本理論的說服力越來越弱，研究者開始找尋其他影響女性就業的因素。國外學者Dikilitas等（2021）的研究證實了出口對女性就業有積極影響，特別是在土耳其制造業企業中，出口提高了女性的就業率。在國內，受傳統“男主外、女主內”觀念的影響，生育對就業的負面影響主要集中在女性勞動者（屈小博和王尋喻，2024）。張抗私和王亞迪（2021）指出，幼年子女數量的增加會顯著降低已婚女性的就業率，且對受雇就業的影響大于自雇創業。此外，子女數量的增加還會導致女性工資收入下降，而其對男性工資收入的影響則不顯著（李鴻玲和馮巨章，2023）。另外，李斌和任津汝（2024）的研究發現，家庭住房支出越多，女性越傾向于選擇工作而非生育。這表明，家庭經濟壓力也是影響女性就業決策的重要因素之一。

為了破解女性就業困局，學者們從社會觀念、經濟發展和政策支持等多個角度進行了探討。茅彥和萬琳琳（2024）的研究表明，丈夫參與育兒可以減少女性的家務和照料時間，從而促進女性就業，且對二孩女性的影響更為顯著。石智雷和王璋（2023）則在考察生育對女性就業的影響時，加人了養育總支出與公共托幼服務的交乘項系數，發現托幼服務能夠緩解女性“工作－家庭”沖突，強化女性工作動機，從而促進女性就業。此外，靈活就業模式的發展也為女性就業帶來了新的機遇。對于因家庭因素而在擇業中受到時空約束的農村女性而言，互聯網不僅為其提供了更多的就業信息，還增加了其非農工作的自主性（齊文浩等，2022）。互聯網技術的成熟，使女性更容易進入高薪行業，從而縮小性別工資差距（Postar，2013）。許玲麗和陳云菲（2024）進一步提出，數字經濟能增加農村女性可支配時間，幫助累積人力資本和拓展信息獲取渠道，從而顯著提高養育負擔較重女性的就業率和收入。

（二）人工智能對女性就業的影響研究

眾多學者就人工智能對勞動力就業的影響進行了深入探討，且普遍認為人工智能技術對經濟增長有積極影響。劉金東等（2024）提出人工智能并未加劇青年失業，反而顯著降低了青年失業率。Dipankar（2023）認為人工智能在替代某些工作崗位的同時，也創造了新的就業機會，使得勞動力的需求不會減少。但不可否認的是，人工智能對就業市場的影響呈現出復雜態勢，工業機器人的運用可能會出現極化效應，即高技能和低技能勞動力就業增加，而中等技能勞動力就業減少（邸俊鵬等，2023），導致勞動力市場出現分化，進一步加劇勞動力收入不平等。

對于女性就業而言，技術進步雖縮小了低技能群體的性別收人差距，但擴大了高技能群體的性別收人差距（孫寧等，2023）。這可能是由于人工智能的發展在增加低技術工業部門對女性勞動力需求的同時，提升了高技術工業部門對男性勞動力的需求（孫早和韓穎，2022）。鄧韻雪和劉曉（2022）基于微觀調查數據的研究結果也顯示，工業機器人等新技術未能推動兩性就業平等，反而加大了兩性的就業差距。與此同時，有學者對人工智能影響女性就業持積極態度。人工智能系統對性別偏見的“再生產”可能會提高女性就業門檻，但也能夠有效抑制“貪婪”工作的負外部性，增加工作的靈活性供給，從而為女性就業創造更有利的條件（牛建國等，2024）。明娟等（2024）的研究更是提出，人工智能的應用能夠顯著改善勞動者權益，且對女性、45歲及以下、高技能和低技能勞動者權益的改善作用更為顯著。此外，國外也有流行觀點認為，新技術的引進將對婦女的就業產生深遠影響。盡管低水平、重復的“婦女工作”正在逐漸被自動化所取代，但在這一過渡時期，大量的數據輸入工作需求將應運而生，這將為在自動化過程中失去職位的女性提供新的就業機會（Tamar，1987）。

綜上所述，以往研究大多集中在人工智能對整體就業市場的廣泛影響，或從性別收入差距的視角進行剖析，揭示人工智能技術應用對男女收入差異的作用機制，就人工智能對女性就業影響的獨立研究相對較少，相關文獻資料不足，需要進一步深入挖掘和探討。因此，本文基于2020年中國家庭追蹤調查（CFPS）數據，運用實證分析深入探討人工智能對女性就業的影響。

三、理論分析與研究假設

人工智能作為一種技術進步，可以視為對生產可能性邊界的跨越（牛建國等，2024），其對女性群體非農就業具有雙重效應。第一重是替代效應。相較于以往的技術革新，人工智能展現出卓越的學習能力，并且其應用成本低廉，生產效率高。這些特點使得人工智能的普及能夠顯著提升社會勞動生產率，減少單位產出所需的勞動力，使得缺少專業技能的從業者容易被“擠出”就業市場，進而引發大規模失業和工資水平的下降。值得注意的是，這種失業并不局限于女性從業者。第二重是就業的創造效應。人工智能的高速發展會帶來技術的變革與升級，企業在引進新技術的過程中，會開辟眾多新產業鏈來調整產業結構。技術進步突破了對女性先天體力不足的限制，縮小了女性在勞動力市場中的相對劣勢，使得受教育程度較高的女性技術骨干有機會得到更多的關注與重視，進而激發女性就業者提升個人競爭力的內在動力，最終推動女性非農就業率的提升。同時，人工智能技術的引入不僅弱化了體力差距，還增加了對非程序性的認知工作和創造性工作的需求，為女性發揮專業特長優勢提供了新空間。不僅如此，人工智能的運用還可以使女性靈活安排工作，更好地平衡家庭和就業，進而提高女性的勞動參與率。基于此，本文提出假設1。

假設1：人工智能對女性非農就業具有促進作用。

一方面，人工智能產業的外部環境和內部創新拓展了其發展的深度和廣度，尤其是在與傳統制造業、服務業深度融合的過程中，將發揮崗位創造效應，增強國民經濟各部門的就業吸納能力（Makridakis，2017）。同時，人工智能與養老領域的結合可以推進智能養老產業的發展，女性所具備的細致與耐心等特質在養老產業中得以充分發揮，從而對女性就業市場產生積極的推動作用（雎黨臣和曹獻雨，2019）。另一方面，在人口老齡化的背景下，雖然技術創新的深度與速度均實現了顯著超越，但無論是應對人口老齡化而實施的“三孩政策”，還是因社會現實日益加劇的養老負擔，均導致女性面臨著更為嚴重的育兒、照護老人等家庭壓力，進而對其職業發展產生不利影響。基于此，提出假設2。

假設2：人口老齡化負向調節人工智能對女性非農就業的促進作用。

人工智能技術的迅猛發展，不僅加速了傳統產業的轉型升級，還催生了眾多新興產業，而這些領域又是公共財政優先支持與扶持的關鍵領域。首先，地方財政支出的增加會對教科文衛（教育、科學、文化、衛生）領域產生顯著的溢出效應，增加女性獲取新知識、新技能的機會，提升女性的技術水平，縮小性別間的技能差距。其次，公共財政預算支出的合理分配與增長，能夠加速促進產業結構的優化升級，推動人工智能技術在更多領域的深度應用，從而創造出更多適合女性特征的新型就業崗位，緩解女性就業壓力。基于此，提出假設3。

假設3：公共預算支出正向調節人工智能對女性非農就業的促進作用。

四、研究設計

（一）數據來源

本文選取微觀層面的中國家庭追蹤調查（CFPS）數據，該數據調查樣本覆蓋25個省（自治區、直轄市），目標樣本規模為16000戶，包含樣本家庭中的全部家庭成員。省級宏觀數據來源于歷年《中國統計年鑒》。關于機器人的數據來自國際機器人聯合會（IFR）發布的報告。本文在剔除無效數據后，基于我國教育現狀與退休年齡制度，選擇年齡在18一55歲之間的女性勞動力樣本，并成功獲取了4955個有效樣本。目前CFPS數據最新可得年份為2022年，但由于CFPS數據庫反映的是上一年的調研情況，考慮到2021年新冠疫情的影響，本文選取2020年度數據深人分析人工智能對女性非農就業的潛在影響，宏觀原始數據選擇滯后一期數據進行匹配（馮素玲等，2024）。

（二）變量選取以及描述性統計

1.被解釋變量

本文選取女性非農就業作為被解釋變量。其對應的問卷題目是：這份工作是農業工作（農、林、牧、副、漁）還是非農工作？如果女性從事的是非農工作則記為1，反之為0。

2.解釋變量

現有關于人工智能水平的衡量標準呈現多樣化，本文借鑒蘆婷婷和祝志勇（2022）的研究方法，采用機器人安裝密度作為評估人工智能水平的重要指標。參考國際機器人聯合會數據，獲取中國各行業工業機器人安裝數量。由于IFR的行業分類與中國的行業分類存在顯著差異，本文借鑒閆雪凌等（2020）的做法，從《中國勞動統計年鑒》中提取細分行業各省就業人數占比，將此占比乘以全國行業機器人安裝數量，并在實證分析中對結果進行對數化處理。機器人安裝密度的具體計算方式如下：

式（1）中， 表示 i 地區 j 行業2020年的就業人數， 表示 i 地區2020年的就業人數，Robit，表示 j 行業2020年的工業機器人存量， 表示 j 行業全國的就業人數。

3.控制變量

參考相關研究，本文的其他控制變量包括個體特征、家庭特征以及區域特征。本文基于CFPS問卷選取個體特征的變量，包括女性的年齡、受教育程度、婚姻狀況（有配偶 ；無配偶 =0 ）、戶籍性質（非農戶口 ；農業戶口 =0 ）；家庭特征的變量，包括人均家庭總收入、家庭子女數量；區域特征的變量，則基于《中國統計年鑒》選取各省份人均GDP的自然對數來衡量。

以上變量的描述性統計結果如表1所示。

（三）模型構建

為分析人工智能對女性非農就業的影響，本文構建以下回歸模型：

式（2）中，lnRobot表示2020年 i 地區人工智能水平， X 表示一系列其他控制變量， 為

相應的待估計參數，用來反映人工智能技術發展對女性非農就業的影響，表示隨機擾動項

五、實證分析

（一）基準回歸

表2為人工智能對女性非農就業的Probit回歸結果。從回歸結果可以看出，人工智能對女性非農就業存在顯著正向影響，假設1得證。列（1）展示了在不考慮任何控制變量的情況下，人工智能對女性非農就業的回歸結果。該結果表明，人工智能對女性非農就業產生了顯著的促進作用。為消除其他潛在遺漏變量可能導致的偏差，本文加入一系列控制變量以增強研究的準確性和可靠性。據列（2）至列（4）的回歸結果可知，人工智能對女性非農就業的影響依然顯著。且由列（5）的邊際效應可知，人工智能技術發展每增加一個單位，女性非農就業概率增加 3.1% 。

（二）穩健性檢驗

本文分別采用更換回歸模型、替換核心解釋變量和工具變量檢驗進行穩健性檢驗，進一步驗證人工智能對女性非農就業影響效果的穩健性。

1.更換回歸模型

為排除由于模型選擇的偶然性造成的誤差，本文更換回歸模型，采用Logit模型重新進行回歸。穩健性檢驗結果見表3。可以發現，與基準回歸結果保持一致，說明人工智能對女性非農就業有顯著的正向影響。

2.替換核心解釋變量

本文借鑒陳楠和蔡躍洲（2022）的研究，用省級年度人工智能專利授權量替換核心解釋變量，來描述人工智能技術的發展和應用程度，并對專利授權量取自然對數（lnaigrant）。穩健性檢驗結果如表4所示。可以發現，替換核心解釋變量后，結果與基準回歸結果具有一致性。在加入個體層面、家庭層面、區域層面的控制變量后，人工智能仍能顯著提升女性非農就業水平，并且各控制變量對女性非農就業的影響在方向上保持一致。

3.工具變量法

本文借鑒張千和佟家棟（2024）的做法，引入上一年度的人工智能專利申請量（lasaiapply）作為人工智能的工具變量。一方面，上一年度的人工智能專利申請量與工業機器人安裝密度相關，專利申請數量的增加通常預示著相關技術的廣泛應用和推廣，而工業機器人作為人工智能技術的核心應用載體，其安裝密度能夠直觀地體現人工智能在生產領域的實際滲透程度，滿足工具變量的相關性要求；另一方面，上一年度的人工智能專利申請量主要反映的是技術研發與創新的活躍度，而非直接對就業市場產生影響，因此其與女性非農就業之間不存在直接因果關系，從而滿足工具變量的外生性要求。本文采用IV-Probit模型進行估計，具體回歸結果如表5所示。對外生性原假設“ . ”的Wald檢驗p值為0.006，可在 1% 的水平下說明人工智能水平的自然對數（lnRobot）為內生解釋變量。AR、Wald檢驗p值均在 1% 水平下顯著，說明本文所選的專利申請量不是弱工具變量。由第一階段回歸結果可知，專利申請量與人工智能水平的自然對數呈現顯著正相關，表明工具變量對內生變量人工智能水平有較強的解釋力。第二階段的回歸結果顯示，核心解釋變量的回歸結果與前文基準回歸結果相符，證實人工智能確實能夠有效促進女性在非農領域的就業。

（三）異質性分析

1.不同子女數量異質性分析

前文運用Probit模型深入探討了各省份機器人安裝密度對女性非農就業的影響。研究發現，人工智能技術的發展在總體上對女性非農就業產生了積極影響，但這一效應在不同家庭結構間存在顯著差異。本文對不同子女數量的情況進行分樣本研究，回歸結果如表6所示。

具體而言，對于擁有兩個及以下子女的女性而言，人工智能水平的提高顯著促進了其非農就業。這可能是因為隨著自動化技術的普及，家庭照顧負擔相對較輕的女性能夠更靈活地進入人才市場，利用人工智能帶來的效率提升和新興就業機會，實現職業發展與家庭責任的平衡。然而，對于擁有兩個以上子女的女性，人工智能的發展并未顯著促進其非農就業。這可能是多重因素交織所致，如更重的家庭照顧責任、更多的教育投入以及可能存在的就業市場歧視等，使得女性在平衡家庭和就業方面面臨更加嚴峻的挑戰，難以充分享受人工智能發展帶來的紅利。

2.不同年齡段異質性分析

不同年齡段的女性對新技術的接受度和新環境的適應能力存在差異，本文對不同年齡段女性非農就業進行異質性分析（見表7）。結果顯示，對于18—30歲及31—40歲的女性群體而言，人工智能顯著促進了其非農就業，這可能與該年齡段女性更易接受新技術、適應自動化工作環境以及具備較高的教育水平有關。然而，對于41一55歲的女性群體而言，人工智能并未顯著影響其非農就業，甚至表現出微弱的負向趨勢，這可能與該年齡段女性面臨的技能轉型挑戰、職業路徑固化以及家庭責任較重等因素有關。這一年齡段的女性群體可能較難迅速掌握新技術，或在職場競爭中處于不利地位，導致人工智能技術的發展未能有效轉化為促進其就業的正向動力。

3.不同技能水平異質性分析

不同技能水平的女性其就業情況呈現出一定的差異性，本文按照受教育程度對女性進行技能分組，將教育程度為初中及以下、高中/中專、大專及以上分別記為低技能、中技能、高技能水平，具體回歸結果如表8所示。可以發現，中、低技能女性在人工智能快速發展的背景下，其非農就業機會顯著增加。這可能是因為自動化技術的普及優化了低技能勞動密集型產業的生產流程，為中、低技能女性提供了更多就業機會。對于高技能女性而言，人工智能的正向影響并不顯著。這可能是由于高技能勞動力市場本身已較為飽和，加之高技能女性往往面臨更高的職業門檻和競爭壓力，使得人工智能帶來的就業增長效應在高技能群體中不夠明顯。

六、調節效應分析

1.人口老齡化調節效應

本文借鑒何峰（2024）的研究，用老年撫養比來代表人口老齡化程度，其計算公式為：

式（3）中，ODR為老年人口撫養比， 為65歲及以上的老年人口數， 為15—64歲的勞動人口數。本文引入人工智能水平的自然對數與老年人口撫養比的交乘項 根據表9的回歸結果可知，交乘項的系數顯著為負，說明盡管人工智能對女性非農就業具有正向促進作用，但在社會老齡化背景下，這一正面效應受到了一定程度的抑制。這一結果與假設2相符，表明在高老年人口撫養比地區，人工智能對女性非農就業的促進效果有所減弱。這可能是因為老齡化社會帶來的家庭照顧負擔加重，使得部分女性需要在家庭與工作之間做出權衡，從而限制了她們充分利用人工智能帶來的就業機會。

2.公共預算支出調節效應

地方財政支出在推動教科文衛發展、促進崗位培訓以及強化就業保障方面，展現出積極的外部效應或間接促進作用。與此同時，人工智能技術的廣泛應用也使得一系列新興產業如智能制造、智能服務、大數據分析等迅速崛起。這些產業往往對女性勞動力具有較強的吸納能力，為女性提供了更多的就業機會。基于此，本文引入人工智能水平的自然對數與各省份公共預算支出的自然對數（lnfisexpend）的交乘項（lnRobot × ln fisexpend），回歸結果如表9所示。由表9可知，交乘項的系數顯著為正，即人工智能顯著促進女性非農就業。這一結果符合假設3的預期，表明財政支出作為政策調節工具，在人工智能快速發展的背景下能夠促進技術進步，具有就業創造效應。具體而言，財政支出能精準支持女性勞動力的技能轉型與再就業培訓，從而有效提升女性在新技術環境下的就業適應能力。

七、結論與建議

人工智能是科技創新的重要驅動力。人工智能技術的廣泛應用極大地提高了生產效率，降低了人力成本，促進了新興產業的誕生和傳統產業的轉型升級，推動經濟持續增長。本文基于2020年中國家庭追蹤調查（CFPS）數據，探究了人工智能對女性非農就業的影響效應和作用機制。實證分析發現：第一，人工智能技術的發展能夠促進女性非農就業，經過更換模型、替換核心解釋變量、引入工具變量等穩健性檢驗，該結論依然成立。第二，異質性分析發現，人工智能對兩個及以下子女數、處于18歲至40歲、中低技能水平的女性非農就業的促進作用更大。第三，調節效應檢驗說明，在高老年人口撫養比地區，人工智能對女性非農就業的創造效應減弱；財政支出會正向影響人工智能對女性非農就業的創造效應。

女性就業不僅是衡量女性社會經濟參與度的重要標志，更是推動社會公平進步、實現人民美好生活的關鍵因素。歷次科技革命均顯著推動了女性勞動參與度的提升，有效縮小了就業市場的性別參與差距。作為第四次工業革命核心技術之一的人工智能，其對就業市場性別結構的影響顯得尤為復雜。國際勞工組織（ILO）最新研究（韓文龍等，2025）表明，總體上，人工智能技術的興起為就業市場帶來了顯著的創造效應，推動了新興職業和崗位的形成，但是其不可避免的替代效應卻給女性就業帶來更為顯著的潛在威脅。基于此，本文提出以下政策建議：

第一，建立智能化技術應用對女性就業影響的持續跟蹤和評估機制。通過大數據分析、問卷調查等多元化研究方法，定期收集女性就業數據，尤其是就業崗位數量、崗位類型、薪資待遇以及職業發展等關鍵指標。搭建智能化技術與女性就業數據庫，實現數據的動態更新與高效管理。基于這些數據，運用科學的評估模型，量化分析人工智能在不同行業和地區對女性就業的影響，及時調整政策和措施，緩解人工智能對女性就業的替代效應。

第二，重視人工智能引發的結構性就業矛盾，提高女性就業競爭力。通過加強職業教育和技能培訓，增強女性勞動者的數字素養與技術能力，使其更好地適應人工智能時代的崗位需求。推動產業升級與區域協調發展，創造更多適合女性的高質量就業崗位，同時鼓勵企業、院校及培訓機構之間開展深度合作，共同研發符合市場需求的培訓課程，培養符合新智能時代需求的高技能人才。

第三，充分利用人工智能的就業創造效應，優化女性就業環境。重視人工智能發展推動的“情感經濟”，引導女性向相關領域轉型，充分發揮女性在情感和社交技能等方面的天然優勢。完善就業服務系統，利用大數據和人工智能技術提升就業服務的智能化水平，為女性提供更為精準的職業指導和職業規劃服務，提升其職業競爭力。同時，鼓勵和支持靈活就業模式，通過遠程工作平臺減少女性通勤時間，為她們提供更多兼顧家庭與事業的選擇。

參考文獻：

[1]裴文靜.數字經濟時代互聯網使用能否促進女性就業[J].中國勞動，2023（03）：16-35.

[2]黃旭，董志強．人工智能對勞動力市場極化的影響與對策[J].系統工程理論與實踐，2024，44（01）：272-295.

[3] DIKILITAS B，FAZLIOGLU B， DALGIC B， et al.Theimpact of exporting on women's employment [J].International Journal of Manpower， 2021，43（04）：926-949.

[4]屈小博，王尋喻·生育對女性就業和職業轉換的動態影響—基于事件研究法的分析[J].中國人口科學，2024，38（06）：59-77.

[5]張抗私，王亞迪．生育對已婚女性就業選擇的影響研究[J].公共管理評論，2021，3（03）：53-75.

[6]李鴻玲，馮巨章.子女數量對中國勞動力市場性別工資差異的影響——基于CGSS跨期數據的分析[J].華南師范大學學報（社會科學版），2023（04）：110-130+207

[7]李斌，任津汝，住房支出、家庭幸福感與女性的生育就業選擇：對“低生育率”現象的透視[J/OL].數理統計與管理：1-20[2024-10-10].https：//libraryvpn.lzufe.edu.cn：9631/rwt/CNKI/https/MSYXTLUQPJUB/10.13860/j.cnki.sltj.20240110-001.

[8]茅彥，萬琳琳.丈夫育兒參與促進了女性就業嗎？—基于CFPS2020年數據的實證分析[J].人口與經濟，2024（05）：51-62.

[9]石智雷，王璋．公共托幼服務對女性就業的影響—基于斷點回歸的實證檢驗[J].中國人口科學，2023，37（03）：51-67.

[10]齊文浩，齊秀琳，馬維帥．互聯網使用對農村女性非農就業的影響：理論邏輯與中國經驗[J].北京師范大學學報（社會科學版），2022（06）：124-133.

[11] POSTAR D R. The effect of high-speed internet accesson the gender wage gap [D]. Washington：Georgetown University，2013.

[12]許玲麗，陳云菲·數字經濟發展對農村女性就業特征的影響研究[J].系統工程理論與實踐，2024，44（09）：2902-2914.

[13]劉金東，徐文君，王佳慧．人工智能對青年就業的影響研究—來自OECD國家工業機器人使用的證據[J].中國人口科學，2024，38（03）：3-17.

[14] DIPANKAR D.Understanding the choice of humanresource and the artificial intelligence： \"strategic be-havior\" and the existence of industry equilibrium[J].Journal of Economic Studies， 2023， 50（02）：234-267.

[15]邸俊鵬，鮑俊杰，惠浩．工業機器人對制造業勞動力市場的影響：“升級”抑或“極化”？[J].上海經濟研究，2023（02）：51-63.

[16]孫寧，李明真，李達，等．人工智能技術創新縮小了性別收入差距嗎？——[J].技術經濟，2023，42（10）：38-48.

[17]孫早，韓穎．人工智能會加劇性別工資差距嗎？—基于我國工業部門的經驗研究[J].統計研究，2022，39（03）：102-116.

[18]鄧韻雪，劉曉，“機器換人”如何影響了女性就業？—基于2021年廣東省制造業企業的微觀調查數據[J].華東理工大學學報（社會科學版），2022，37（06）：17-30+41.

[19]牛建國，夏飛龍，蔣鑫．數字經濟背景下人工智能發展對女性就業影響的研究[J].當代經濟管理，2024，46（06）：87-96.

[20]明娟，魏曉婷，胡嘉琪．人工智能應用對勞動者權益的影響：作用機制與實證研究[J].南方人口，2024，39（05）：40-54.

[21] TAMAR B.Data technology and women's employ-ment[J].Information Technology amp; People， 1987，3（01）：39-56.

[22] MAKRIDAKIS S. the forthcoming artificial intel-ligence （AI） revolution： Its impact on society andfirms[J].Futures， 2017， 90（06）：46-60.

[23]睢黨臣，曹獻雨．人工智能養老的內涵、現狀與實現路徑[J].新疆師范大學學報（哲學社會科學版），2019，40（02）：111-119+2.

[24]馮素玲，熊龍婷，房孝宇.數字經濟發展能否縮小性別工資差距？—基于CFPS數據的實證研究[J].經濟問題，2024（09）：24-33.

[25]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（05）：65-78.

[26]閆雪凌，朱博楷，馬超．工業機器人使用與制造業就業：來自中國的證據[J].統計研究，2020，37（01）：74-87.

[27]陳楠，蔡躍洲．人工智能、承接能力與中國經濟增長——新“索洛悼論”和基于AI專利的實證分析[J].經濟學動態，2022（11）：39-57.

[28]張千，冬家棟.數字要素及其對中國經濟增長的貢獻—來自中國人工智能專利的證據[J].南開經濟研究，2024（10）：169-189.

[29]何峰，人口老齡化對我國進口貿易的影響效應分析—基于勞動力成本的分析視角[J].商業經濟研究，2024（18）：131-134.

[30]韓文龍，康靈爍，張瑞生．生成式人工智能對就業的三重效應及其應對[J].中共杭州市委黨校學報，2025（01）：46-55.

（責任編輯：張艷妮）

The Impact of Artificial Intelligence on Female Non-Agricultural Employment： An Empirical Analysis Based on the China Family Panel Studies

ZHAO Guiting， ZHANG Minghan （ School of Economics， Lanzhou University of Finance and Economics ）

Abstract： In recent years，artificial intelligence （AI）has emerged as a powerful driving force behind vigorous economic growth，reshaping theoveralllandscape of the labor market with unprecedented depth and breadth. While the impactofAItechnology onthelabor markethas been extensivelystudied，itsspecific effects on female employment have not yet beenfully explored.Thispaper utilizes data from the 2020 China Family Panel Studies （CFPS）and employs a Probit model to estimate the impact of AI on female non-agricultural employment.The study reveals that： AI promotes female non-agricultural employment.This promoting effect exhibits significant heterogeneity， being more pronounced among women with two or fewer children，aged between l8 and 40， and with medium to low skillevels.Public budget expenditure and population aging play significant moderating roles in the impact ofAI on femalenon-agricultural employment.Specificaly，public budget expenditure enhances the positive effects of AI， whereas population aging exerts a negative moderating effect.

Keywords： Artificial intelligence； Economic driving force； Technological progress； Female non-agricultural employment； Population aging； Local fiscal expenditure