人工智能、居民满意度与劳动参与意愿

刘 雯

(山西大学 经济与管理学院， 山西 太原 030031)

一、引言

党的十九大报告提出“推动互联网、大数据、人工智能和实体经济的深度融合”，将人工智能发展的意义上升到了国家战略层面。“十四五”规划和2035年远景目标建议也明确提出要推动人工智能同各产业深度融合。目前，我国人工智能核心产业规模已达千亿元以上，企业数量达到2 600余家。《2020—2021中国人工智能计算力发展评估报告》提出，中国在全球人工智能市场上所占的比重在2024年将达到15.6%，人工智能产业在未来将实现持续增长。

作为国家之间未来竞争的关键赛场，人工智能的发展势必会影响劳动力市场的发展[1]。除了在企业层面影响企业对劳动力水平和劳动力结构的需求之外，人工智能发展还将从劳动供给层面影响居民作为劳动力的劳动参与意愿。若人工智能的发展在某种意义上被用于补充或替代劳动力，则会影响居民对于自身工作及生活的满意度评价，进而使得居民改变自身的劳动参与意愿[2]。

进一步地，伴随加快建设知识型、技能型、创新型劳动者大军的不断践行以及“十四五”时期经济社会发展主要目标中对全民受教育程度不断提升的高度关注，我国劳动年龄人口平均受教育年限(即社会总人口中处于劳动年龄范围内(目前为16～59岁)人口的人均受教育年数)正在逐步提高。那么，受教育程度的提升是否有助于缓解人工智能对居民劳动参与意愿带来的负面影响呢？将通过什么样的途径予以缓解呢？

基于此，本文从劳动供给视角探讨人工智能对我国居民劳动参与意愿的影响，检验居民满意度评价在其中所起的中介作用，识别提高劳动年龄人口受教育年限带来的政策效果，从而得到相应的结论及政策建议。

二、文献综述

目前，国外文献主要研究人工智能对经济增长、收入不平等和就业等方面的影响。在经济增长方面，Aghion等将人工智能看做是自动化的一种表现形式，通过构建理论模型探讨人工智能对经济增长的影响[3]。Acemoglu等借助美国数据进行实证分析，发现机器人数量的增加会使得企业降低对劳动者的需求[1]。而关于工资不平等问题，Acemoglu等指出，人工智能在短期内会降低低技能劳动力的需求和工资水平，拉大收入差距；但从长远看，人工智能使自动化岗位更为普及，有助于抑制收入差距扩大[2]。此外，人工智能的就业效应尚不明确，涉及不同行业、居民或整体就业形势，也可能引发就业极化现象，即带来中等收入、中等技能需求岗位数量的减少[4]。Frey等估计了美国702种职业将来被计算机替代的可能性，用于研究未来人工智能对美国就业市场的影响，认为47%的美国劳动者因人工智能而存在就业风险[5]；而Abbott等则提出通过对机器人而非劳动者收入征税有助于缓解企业对自动化的需求等[6]。

国内早期有关人工智能的文献非常有限，主要集中在现状描述与趋势预测层面，缺乏相应的实证研究。2018年以来，随着人工智能在中国市场的不断发展，人工智能方面的实证研究也不断涌现，主要聚焦于以下3个方面：(1)人工智能与经济增长间的关系研究。陈彦斌等借助数据模拟方法探讨老龄化时代人工智能的经济增长效应[7]；林晨等将人工智能指标引入生产函数，探究人工智能对经济增长和居民消费的影响[8]，陈志等和程承坪等则提出人工智能技术的发展在一定条件下有助于促进经济增长，影响生活性服务业占比在经济增长中的作用[9-10]。(2)人工智能与就业岗位间的替代性研究。该类文献往往从就业需求角度切入，研究人工智能对就业市场的影响，但结论并不一致[11-12]。部分学者认为人工智能的发展对很多行业的就业岗位存在替代性，例如曹静等指出人工智能的替代效应比以往任何技术进步都要明显[13]；王林辉等也基于省级面板数据测算人工智能发展带来的岗位更迭[14]；龚遥等则直接借助职业数据库探讨人工智能技术对不同职业的替代情况，认为未来20年内中国将有50%以上的岗位会受到冲击[15]。但也有部分学者对此持积极的态度，认为人工智能的发展有助于创造更多就业岗位，与就业岗位间是补位式而非挤出式替代[16-17]。当然，也有学者将受教育水平、劳动力技能、劳动力所在区域进行划分，认为人工智能的发展对不同类型劳动力的影响并不相同，存在部分补充部分替代作用[18-20]。(3)人工智能与劳动者收入间的关系研究。郭凯明和杨飞认为人工智能的发展在某些情况下会改变劳动收入份额[21-22]；也有学者认为产业智能化的发展在一定条件下会影响不同技能劳动者的收入水平，进而带来收入不平等程度的扩大或缩小，也可能导致更大的贫富差距或性别工资差距[23-26]。

总的来说，目前人工智能对就业市场的影响研究主要集中于劳动需求和就业岗位的替代方面，从劳动供给方面展开的研究非常有限，仍存在诸多可拓展空间。本文可能的贡献在于：(1)现有文献或是从宏观层面入手，或是从企业角度探讨人工智能对就业市场的影响，本文首次从劳动供给视角探讨人工智能对居民劳动参与意愿的影响，有助于更深入了解人工智能对居民带来的影响，弥补已有文献的不足。(2)现有文献主要基于省级面板数据展开实证分析，部分文献基于企业层面数据构建模型，本文将省级层面的人工智能指标与微观层面的居民数据进行匹配，探讨人工智能对居民劳动参与意愿的影响，直接聚焦居民，试图提高实证结果的针对性和准确性。(3)现有研究并未考虑人工智能对居民劳动参与意愿的作用机制，本文首次引入居民工作和生活满意度评价指标，探讨人工智能如何通过影响居民的满意度评价进而影响其劳动参与意愿，并识别劳动年龄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径。

三、研究设计

由上文可知，人工智能对不同行业的就业者有不同的替代作用，这种作用可能来源于技术进步带来的被动效应，也可能是由于人工智能对岗位产生的替代效应降低了居民的劳动参与意愿，对就业市场带来不利影响。本文借此提出假设1。

假设1：居民所在地人工智能的发展会降低该地区居民的劳动参与意愿。

进一步地，有学者如周广肃等和鲁元平等均提及互联网使用会影响居民的幸福感和生活满意度，认为居民对互联网的使用存在信息福利效应，即互联网等新型基础设施的存在会影响居民对自身幸福感的判断[27-28]。当该基础设施与居民工作有关时，也会影响居民对自身工作满意度的评价。因此，同属于技术进步表现之一的人工智能也会影响居民对自身工作和生活满意度的评价[29]。本文借此提出假设2。

假设2：居民所在地人工智能的发展将显著降低该地区居民的工作和生活满意度，进而降低其劳动参与意愿。

此外，当人工智能会给居民的劳动参与意愿带来负面影响时，势必要关注如何缓解这种效应。2021年政府工作报告和十四五规划均提到，要不断提升全民受教育程度，将劳动年龄人口平均受教育年限提高到11.3年。而Arntz 等也发现在21个经合组织国家中，平均有9%的工作是可以自动完成的，教育和培训有助于居民更好地适应技术进步的需求[30]。因此，本文提出假设3。

假设3：劳动年龄人口受教育年限的提升有助于缓解人工智能对居民劳动参与意愿的抑制作用，也可能通过影响居民的工作和生活满意度评价进而缓解人工智能带来的负面影响。

基于此，本文结合宏微观层面的数据，构建如下计量模型，对上述3个假设展开逐一验证。当探讨人工智能对居民劳动参与意愿的影响时，本文使用式(1)验证假设1。

workit=a1+a2AIit+a3Xit+uit

(1)

其中，workit衡量居民i在时期t的劳动参与意愿，为二元变量；AIit衡量居民i在时期t面临的人工智能发展程度；Xit为其他的诸如居民所在家庭人均收入(对数)、居民受教育水平、居民年龄、居民婚姻状况、居民所在地区、年份等控制变量；uit为随机干扰项。

当探讨居民满意度评价在其中所起的中介作用时，借助温忠麟等的逐步检验法[31]，使用式(1)～(3)验证假设2。具体地，当人工智能影响居民劳动参与意愿的总体效应显著(即式(1)中的a2显著不为0)且人工智能对居民满意度评价的影响显著(即式(2)中的a5显著不为0)时，若a6显著不为0且a5不再显著或者取值低于式(1)中a2的取值，则说明完全中介效应存在或部分中介效应存在。

happyit=a1+a4AIit+a3Xit+uit

(2)

workit=a1+a5AIit+a6happyit+a3Xit+uit

(3)

其中，happyit为居民对自身工作和生活的满意度评价，其他解释同上。

当探讨劳动人口受教育年限在其中所起的作用时，构建如下包含交互项的计量模型，研究不同受教育水平下人工智能对居民劳动参与意愿的影响，验证假设3。

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

(4)

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

(5)

其中，eduit×AIit为居民受教育水平与居民所面临的人工智能发展程度的交互项，其他解释同上。

四、实证分析

(一)数据来源与变量说明

1.人工智能指标

本文结合麦卡锡对人工智能所下的定义，参考王瑞瑜等的做法，使用信息传输、计算机服务和软件业固定投资占所有行业全社会固定资产投资的比值作为人工智能的代理变量[32]，数据源于2013年、2015年和2017年的《中国统计年鉴》。而在后文中，本文也使用了该变量的一阶滞后值，信息传输、计算机服务和软件业固定投资占地区生产总值的比值以及衡量各省份工业智能化水平的指标作为代理变量，对核心解释变量的稳健性进行检验[18,33]。

2.劳动参与意愿

本文的被解释变量为二元变量，用于衡量居民劳动参与意愿，数据主要源于中国家庭追踪调查数据库(CFPS)。该数据库提供了2009—2017年每隔两年的微观调查数据，但2009年和2011年未提供居民工作和生活满意度评价指标，因此本文使用的是2013—2017年的成人数据作为样本进行回归分析。具体地，考虑到样本量问题，本文将新疆、海南、宁夏、西藏、青海和内蒙古等6个省份的样本点去掉，最终得到25个省市的居民样本。变量取值为1代表参与劳动；取值为0代表不参与。

3.中介变量

人工智能可能通过影响居民的工作和生活满意度进而影响其劳动参与意愿。在研究人工智能影响居民劳动参与意愿的作用机制时，本文引入了衡量居民对自身工作和生活满意度评价的变量作为中介变量。取值为1～5，取值越高，说明居民对自身工作和生活的满意度越高。

4.交互项变量

本文探讨人工智能对居民劳动参与意愿的影响是否会因居民受教育水平的不同而有所不同，也就是说提升劳动年龄人口受教育年限是否有助于缓解人工智能对劳动市场产生的负面影响。因此，本文将人工智能指标进行标准化处理，得到了人工智能与居民受教育水平的交互项，进行政策效果的识别。

5.控制变量

本文选择居民层面、家庭层面和省级层面的相关变量作为控制变量置于基本回归和稳健性检验中。居民层面的控制变量包括居民年龄、居民受教育水平(取值1～8，分别代表文盲/半文盲、小学、初中、高中、大专、大学、硕士和博士)、居民婚姻状况(取值为0代表未婚；取值为1代表已婚)、居民所处行业(变量“行业1”取值为1代表自雇型，取值为0代表他雇型；变量“行业2”取值为1代表非农行业，取值为0代表农业活动；变量“行业3”取值为1～4：取值为1代表机关事业单位人员，取值为2代表国企人员，取值为3代表个企外企私企人员，取值为4代表其他人员)等；家庭层面的控制变量为家庭人均收入水平(对数)；省级层面的控制变量为地区生产总值(对数)。其他的控制变量包括对年份的控制、对地区的控制(取值为1代表东部，取值为2代表中部，取值为3代表西部)及对南北文化区域的划分变量。该变量以秦岭淮河为界进行划分，考虑到江苏省、安徽省、福建省、广东省和广西壮族自治区这5个省份内部文化可能存在较大差异，例如淮南和淮北等，将之去掉后，根据地理位置划分得到新的南北方变量进行稳健性检验。北方地区赋值为1，南方地区赋值为0。

主要变量的描述性统计如下：

表1 主要变量的描述性统计

(二)人工智能与居民劳动参与意愿

人工智能会如何影响居民劳动参与意愿呢？本文这部分致力于探讨这个问题。表2第(1)列的核心解释变量为人工智能指标，被解释变量为居民劳动参与意愿。从面板有序logit估计的回归结果可以看到，居民所在地的人工智能发展状况越好，居民劳动参与意愿越低。也就是说，人工智能发展会明显抑制居民的劳动参与意愿。

表2 基本回归结果

(三)异质性分析

不同地区、不同行业的居民，劳动参与意愿受到人工智能的影响程度并不相同。本文这部分主要探讨人工智能影响居民劳动参与意愿的地区异质性和行业异质性。

1.地区异质性

在不同地区，人工智能对居民劳动参与意愿的影响并不相同。在中西部地区，人工智能显著抑制居民的劳动参与意愿；但在东部地区，人工智能对居民劳动参与意愿的抑制程度明显低于中西部地区，且仅在10%的显著性水平上显著。这可能是由于东部地区已有较为成熟的应对人工智能发展的制度体系，所以人工智能的抑制作用并不明显，见表2第(2)列和第(3)列。

2.行业异质性

从表3第(1)和第(2)列可以看到，当将居民划分为自雇型和他雇型时，居民所在地人工智能的发展情况会明显影响自雇型居民的劳动参与意愿，而对于他雇型居民并无影响。这可能是由于自雇型居民可自由选择的余地和空间更大。从表3第(3)列和第(4)列回归结果可以看到，当按照是否从事非农活动作为标准对居民进行区分时，居民所在地人工智能的发展状况对从事非农活动居民的影响虽然为负，但并不显著；对从事农业活动居民的影响非常显著，会降低该类居民的劳动参与意愿。从表3第(5)和第(6)列可以看到，若将居民按照是否为机关事业单位人员进行划分时，企业人员的劳动参与意愿更容易受到所在地人工智能发展水平的影响，这可能是由于企业人员的就业稳定性差于机关事业单位人员，就业弹性更高。

表3 行业异质性回归结果

(四)稳健性检验

考虑到可能存在的反向因果、遗漏重要解释变量等问题，本文这部分通过多种方式对基本的回归结果进行稳健性检验，以获得更为稳健的回归结果。

1.更换核心解释变量

本文在基本回归中使用信息传输、计算机服务和软件业固定投资占所有行业全社会固定资产投资的比值作为人工智能的代理变量，在稳健性检验中，试图引入其他的代理变量。① 信息传输、计算机服务和软件业固定投资占地区生产总值的比重，标记为AI2；② 分省份的工业智能化水平，构建指标体系得到从不同层面度量的人工智能发展状况，标记为AI3。可以看到，不论采用哪种方式度量当地人工智能的发展状况，人工智能对居民劳动参与意愿的影响始终为负，即人工智能发展将显著抑制居民劳动参与意愿。

2.增加控制变量

上文曾提及，不同地区人工智能对居民劳动参与意愿的影响并不相同，本文引入区分南北文化的变量和用于度量地区生产总值的变量作为新的控制变量，探讨在控制文化因素和经济发展因素后，基本的回归结果是否发生了变化，如表4第(3)和(4)列。可以看到，在引入用于度量南北文化差异和地区生产总值的变量后，虽然二者均会显著影响居民劳动参与意愿，但人工智能对居民劳动参与意愿的影响仍然显著为负，与基本回归结果一致。

3.内生性检验

一般而言，居民自身的劳动参与意愿不会影响所在地的人工智能发展状况，或者即使有影响，也很微弱，因此反向因果问题出现的可能性较低。本文使用滞后一期的人工智能指标，用于缓解可能存在的反向因果问题，标记为L.AI。可以看到，在引入滞后一期的核心解释变量后，基本的回归结果并未发生变化，仍显著为负。

4.聚类检验

考虑到核心解释变量为省级层面数据，而被解释变量为居民层面数据，本文在稳健性检验中将样本按照省份进行聚类，给出聚类到省级层面的稳健标准误，如表4第(6)列。可以看到，在对省份进行聚类后，居民所在地人工智能的发展状况仍然显著地抑制居民自身的劳动参与意愿。

表4 稳健性检验结果

续表(表4)

五、进一步讨论

(一)居民满意度评价的中介效应检验

居民对自身的工作和生活均有满意度评价。居民所在地的人工智能发展状况可能会通过影响该地区居民的工作和生活，进而影响其劳动参与意愿。本文首先验证人工智能对居民工作和生活的影响，然后检验居民对自身工作和生活的满意度评价是否在人工智能影响居民劳动参与意愿的过程中产生了中介作用，即进行中介效应的检验。

1.人工智能与居民满意度评价

由表5的回归结果可以看到，人工智能会显著影响居民的工作和生活，降低居民对自身工作和生活的满意度评价指数。进一步地，当区分不同受教育水平的居民时，人工智能会显著抑制未受教育居民的工作和生活满意度，会显著抑制较低受教育水平居民的生活满意度，但不会显著影响较高受教育水平居民的工作和生活满意度。这也说明对于不同受教育水平的居民而言，人工智能对居民工作和生活满意度的影响并不相同，这也是后文探讨提升劳动年龄人口受教育年限重要性的原因之一。

表5 人工智能影响居民满意度的回归结果

2.人工智能、居民满意度评价与劳动参与意愿

本文主要使用逐步检验法对居民工作和生活满意度评价在不同模型中的作用进行检验。由表6可以看到，无论是居民的工作满意度还是生活满意度，均在不同程度上作为中介路径发挥作用，即居民所在地的人工智能发展状况将通过影响居民的工作和生活满意度评价进而影响居民的劳动参与意愿。特别地，居民工作满意度在文盲半文盲群体中产生了完全的中介效应，人工智能对居民劳动参与意愿的直接影响不再显著。

表6 居民满意度的中介效应检验结果

(二)教育异质性检验

劳动年龄人口教育年限的提升是否有助于缓解人工智能给居民劳动参与意愿带来的负面影响呢？本文通过引入居民受教育程度和居民所在地人工智能发展指标的交互项对该问题进行探讨，见表7。

由表7第(1)和(2)列可以看到，无论是考虑受教育水平还是受教育年限，居民受教育程度和人工智能指标的交互项对居民劳动参与意愿的影响均显著为正。即受教育程度高的居民，人工智能对其劳动参与意愿的负面影响低于受教育程度低的居民。

进一步地，由表5中的Panel A第(1)列可知，在引入交互项之前，人工智能对居民工作满意度的指标显著为负，而在引入交互项后，由表7第(3)和(4)列回归结果可以看到，该变量的估计系数虽然为负，即人工智能仍然会显著降低居民对工作满意度的评价，但系数取值明显下降，且受教育水平/年限和人工智能指标的交互项对居民工作满意度的影响显著为正，即居民受教育程度会通过提升居民对自身工作的满意度评价并降低人工智能对自身工作满意度评价的负面影响进而产生作用。

对于居民生活满意度评价指标，由表5中Panel B第(1)列回归结果可知，在引入交互项之前，人工智能对居民生活满意度的影响显著为负，而在引入交互项后，由表7第(5)和(6)列的回归结果可以看到，居民受教育水平/年限越高，对自身生活满意度评价越低，受教育水平/年限与人工智能指标的交互项对居民生活满意度的影响并不显著，即并不会通过影响居民对自身的生活满意度评价进而影响其劳动参与意愿，并未有助于缓解人工智能带来的负面影响。

表7 劳动人口受教育年限提升的作用检验结果

六、结论与政策建议

(一)结论

本文首次从劳动供给视角探讨人工智能对我国居民劳动参与意愿的影响，说明居民满意度评价在其中所起的中介作用，识别提高劳动年龄人口受教育年限带来的政策效果，得到的结论如下：

(1)人工智能显著抑制居民劳动参与意愿，对位于中西部地区、自雇型、从事农业活动或在企业工作的居民而言更为明显。

(2)人工智能通过降低居民对自身工作和生活的满意度评价进而降低居民的劳动参与意愿，部分中介效应得到验证。

(3)劳动年龄人口受教育年限的提升一方面有助于缓解人工智能对居民劳动参与意愿的直接抑制作用，另一方面将通过缓解人工智能对居民工作满意度评价的负面影响进而缓解对劳动参与意愿的间接抑制作用。

(二)政策建议

(1)精准识别人工智能对不同类别就业者的不同负面影响。中西部地区人工智能发展较弱，与此相配套的相关政策也较为有限，人工智能对就业者产生的负面影响更深；人工智能对自雇型、从事农业活动或企业活动的居民的负面影响也较为明显，应该重点针对这些行业的就业者进行岗前和岗位培训，提高其劳动参与意愿，以更好地适应人工智能发展带来的变化。

(2)确保义务教育年限，在教育层面为人工智能的不断发展做相应准备。进一步提升劳动年龄人口的平均受教育水平/年限，有助于提高居民对自身工作的满意度评价，也会缓解人工智能对居民劳动供给带来的负面影响。

(3)提升居民工作和生活满意度。人工智能会通过影响居民对自身工作和生活的满意度评价进而影响其劳动供给行为。因此，如果能够更为关注并提升居民的工作环境和生活条件，提升其工作和生活满意度评价，也有助于降低人工智能发展带来的负面影响，进而充分发挥智能化优势。