人工智能、就业数量效应与劳动关系转型研究——基于有调节的中介模型

王晓雨，许清清，江 霞

（青岛大学经济学院，山东 青岛266071）

一、引言

在新一轮科技革命背景下，人工智能已经对劳动力市场产生了冲击，也对劳动者提出了新的要求。人工智能带来的“产业链价值”提升能够缓解劳动力成本上涨压力并弥补劳动者的不足，其就业“替代效应”“创造效应”打破了原有低位平衡的劳动，引起了结构性失业与劳动者分化，驱动了劳动关系向高位平衡转型。在固定资产投资价格快速上升导致经济发展放缓的背景下［1］，人工智能对劳动关系的创造式破坏向和谐劳动关系提出了更大的挑战。人工智能将会对劳动关系产生何种影响，又怎样驱动劳动关系转型？这些问题亟待研究。

通过梳理国内外研究发现，大多数研究着眼于人工智能对就业的影响，特别是就业数量效应，即“替代效应”与“创造效应”。关于“替代效应”，学界认为人工智能会大量替代人类劳动者，降低就业水平［2-3］，其发展属于技能偏向型技术进步，会减少中、低技能工人的就业［4-6］。与历次技术进步不同的是，具有一定的认知、分析能力的人工智能也会替代高技能劳动力［7］。关于“创造效应”，学界认为人工智能可以创造新型就业，扩大就业规模［8］，对高技能劳动力的需求会增加［9-11］，但也有学者认为同时触及了低技能岗位［12］。关于劳动关系转型，学界主要关注其灵活化、法制化、集体化。人工智能催生了独立就业、远程就业等新型就业，促使劳动关系向灵活化转型［13］［14］77-90；市场化带来的劳资冲突增加、民营企业劳动标准执行不规范促使了劳动关系向法制化转型［14］77-90；学界关于劳动关系集体化转型尚有争论：有的学者认为，工人行动的作用是局部、短期的，未在整体上驱动劳动关系向集体化转型［15］。另有学者认为《劳动合同法》的颁布标志着中国劳动关系开始了集体调整［16］91-108，多重因素推动了个别劳动关系向集体化转型［14］77-90。

综上所述，学界研究了人工智能的就业效应，但其影响劳动关系的研究较少，且大多停留在理论层面。而现实问题是，按照原有的工业社会运动规律，我国劳动关系应该向“集体化”转型；但人工智能却打破了这一路径，并使劳动关系转型出现多元化特征，学界争论的部分原因源自忽略了人工智能的作用。为了完善相关研究，本文从理论和实证两个层面探讨人工智能对劳动关系转型的影响，并引入中介变量和调节变量来探究其中的机制。本研究主要涉及两方面：①建立起计量模型探究人工智能对劳动关系转型的影响；②深入分析其内在机制。

二、理论分析与研究假设

人工智能会促进劳动密集型产业转型升级［17］，并通过影响就业来重塑劳动关系，劳动关系将呈现多元化转型的趋势。

1.人工智能对就业数量效应的影响

就业数量效应包括替代效应和创造效应。

替代效应是指劳动者被取代而造成的就业减少。人工智能会革新劳动手段，提高资本有机构成，从而减少对劳动者的需求。中等技能劳动力由于大多从事重复性、程式化的劳动，极易被人工智能取代，失业后因自身技能限制只能流向低端岗位。故本文的替代效应是指对中等技能岗位的就业替代。

创造效应是指对新就业岗位的创造。人工智能的开发本身是创造型任务，会增加对高技能劳动力的需求。但初期低端岗位就业也会增加，是因为低端服务业等行业的工作内容大多为场合沟通和情景处理，且人工智能使用成本高于人力成本，故劳动者较难被替代。加上被替代的中等技能劳动力的流入，总体上造成了低端岗位就业增加。因此本文创造效应是指对高、低技能岗位的就业创造。

据此，本文提出假设H1：人工智能对高、低技能劳动力就业数量效应为正，表现为创造效应，对中等技能劳动力就业数量效应表现为负，替代效应凸显。

2.就业数量效应的中介效应

人工智能通过影响就业数量效应会进一步影响劳动关系灵活化。首先，区别于传统灵活就业者，高技能劳动力拥有更多选择权，通过互联网可以追寻更自主、更灵活的工作形式，故人工智能通过对高技能劳动力的就业创造会促进劳动关系灵活化［18］。其次，受教育程度较低的低技能劳动力进入正规就业部门比较困难，较易进入灵活就业部门，故人工智能通过对低技能劳动力就业创造会促进劳动关系灵活化。最后，中等技能劳动力被替代后难以在正规就业部门匹配工作，只能转向适合非熟练工人的灵活就业，因此人工智能通过对中等技能劳动力的就业替代会促进劳动关系灵活化。

据此，本文提出假设H2a：人工智能会影响劳动关系灵活化，以就业数量效应为中介。

人工智能通过影响就业数量效应会进一步影响劳动关系法制化。首先，高技能劳动力具有较高的维权意识和行使法定权利的能力，倾向于通过法律手段来维护自身权益，因此人工智能通过对高技能劳动力的就业创造会促进劳动关系法制化。其次，低技能劳动力的法律意识和维权能力较弱，面对较高的诉讼成本较少选择法律途径，因此人工智能通过对低技能劳动力的就业创造会减弱劳动关系法制化。最后，对中技能劳动力的替代激化了劳资矛盾，具有一定的维权意识和能力的中等技能劳动力会选择法律渠道来解决劳动争议，因此人工智能通过对中等技能劳动力的就业替代会促进劳动关系法制化。

据此，本文提出假设H2b：人工智能会影响劳动关系法制化，以就业数量效应为中介。

人工智能通过影响就业数量效应会进一步影响劳动关系集体化。首先，对高、低技能岗位的就业创造意味着就业需求的增加，劳动者更易搜寻工作，能有效缓和劳资关系，劳动者加入工会的诉求减弱，因此人工智能通过对高、低技能劳动力的就业创造会减弱劳动关系的集体化转型。其次，中等技能劳动力具有维权意识，但单个个体议价能力较低，因此其原本加入工会来保障权益的意愿较强。然而人工智能替代了大量中等技能劳动力，却没有进一步引起中等技能劳动者的集体化。这是因为被替代的劳动者很快就在低技能岗位中就业，各种平台就业还提高了劳动者的兼职收入，这不仅弱化了被抛向低端岗位的中等技能劳动者的集体行动意愿，还减少了中等技能劳动者作为一个群体的数量。因此人工智能通过对中等技能劳动力的就业替代会减弱劳动关系的集体化转型。

据此，本文提出假设H2c：人工智能会影响劳动关系集体化，以就业数量效应为中介。

3.制度环境的调节效应

人工智能通过就业数量效应这一中介变量来影响劳动关系转型，然而在不同制度环境下这一中介机制也存在差异，即制度环境可以调节就业数量效应与劳动关系转型之间的关系，存在后半段被调节的中介效应。

据此，本文提出假设H3：制度环境调节了人工智能通过就业数量效应影响劳动关系转型这一中介机制。

综上所述，本文的实证模型为有调节的中介模型。如图1 所示：

图1 人工智能影响劳动关系转型的作用机制

三、研究设计

1.变量选择和数据来源

（1）变量选择

被解释变量：劳动关系转型（LMT）。本文从灵活化、法制化、集体化三个方面衡量劳动关系转型。参考陈翊等人的研究，采用非正规就业比例（inf）来衡量劳动关系灵活化，其中非正规就业比例为城镇非正规就业与城镇总就业人数的比值［19］。借鉴乔健的研究，用劳动争议受理情况（outcases）来衡量劳动关系法制化，其中劳动争议受理情况为劳动争议受理数与就业人数比值［14］77-90。参考常凯的研究，用工会入会率（union）来衡量劳动关系集体化，工会入会率为工会会员与就业人数比值［16］91-108。

核心解释变量：人工智能（AI）。本文从三个角度来衡量：一是人工智能基础设施（IC），参考吕荣杰等的研究，用“信息传输、计算机服务和软件业全社会固定资产投资与生产总值的比值”来表示［20］；二是人工智能应用（rb），参考朱巧玲等的研究，采用工业机器人使用来衡量，以“工业机器人进口贸易额与生产总值的比值”作为代理变量［21］；三是互联网发展（IP），用“互联网接入端口与人口数的比值”来衡量。

中介变量：就业数量效应（AE），包括替代效应和创造效应。替代效应指中等技能劳动力的就业收缩（mjd），创造效应指高、低技能劳动力的就业扩张（hjc 和ljc）。借鉴王文等人的研究，分别对高、低、中技能劳动力占劳动力总量的比重取对数，并做差分处理来相应地衡量创造和替代效应［22］。其中，对不同技能劳动力的划分参考孙早等人的研究［23］。

调节变量：制度环境（U）。选取市场化指数中的非国有经济发展（FGYJJ）和要素市场发育（YSSC）来衡量。

控制变量：失业率、经济发展水平、城镇化水平、职工平均工资和城乡收入差距，分别用城镇登记失业率（unemp）、人均GDP（pgdp）、城镇化率（urban）、职工平均工资（pwage）和城镇与农村居民人均可支配收入的比值（gap）来衡量。

（2）数据来源

受到相关统计数据可得性的限制，本文选取2003—2017 年中国30 个省级行政区的非平衡面板数据（剔除港澳台地区和西藏自治区）。所涉数据来自《中国劳动统计年鉴》《中国统计年鉴》《中国分省份市场化指数报告》、中国海关数据库、国家统计局以及各省统计年鉴，对部分缺失数据采取了插值法处理。

2.模型构建

中介效应的检验方法主要包括依次检验法、Sobel 检验、MCMC 法和 Bootstrap 法。根据温忠麟等人提出的“中介效应”检验程序，依次检验法具有最高的可信性［24-25］，因此本文借鉴温忠麟等、Baron 和Kenny 的研究［26］建立以下模型：

首先，建立起中介效应模型来检验就业数量效应的中介作用。方程（1）—（3）构成了中介效应模型，检验过程分三步：第一步检验方程（1）中的系数c 是否显著，即为基准回归方程，若显著则按中介效应立论。第二步依次检验方程（2）、（3）中的系数a和b 是否显著，若二者均显著则证明中介效应存在，否则进行第三步。第三步做Sobel 检验，若统计量显著则证明中介效应存在，否则中介效应不存在。

然后引入调节变量制度环境，根据温忠麟等最新研究所提出的“有调节的中介效应”检验程序［27］，建立以下模型来检验制度环境的调节作用。方程（4）—（7）构成了有调节的中介模型，检验过程分四步：第一步检验方程（4）中的系数a1是否显著；第二步检验方程（5）中的系数 b1是否显著；第三步检验方程（6）中的系数 c3是否显著，前三步检验加入调节变量后的中介效应；最后一步检验方程（7）中交互项的系数d4是否显著，即制度环境是否起到调节作用。

模型中下标i、t 分别表示不同地区和不同年份，j、k、h 分别表示被解释变量、中介变量和调节变量的不同指标，μi表示个体固定效应，εit为随机扰动项。

四、实证结果分析

1.变量描述性统计

主要变量的描述性统计见表1。人工智能基础设施的平均值为0.0084，标准差为0.0048，说明各地区的人工智能基础设施建设情况存在较大差异；而人工智能应用的平均值为0.0004，标准差为0.0008，说明我国工业机器人总体规模较小，但各地区工业机器人使用情况仍存在一定差异；互联网发展的标准差较大，说明各地的互联网发展情况较不同。

表1 变量描述性统计结果

2.主效应与中介效应

为了更好地研究各变量的整体变化趋势，本文采用面板数据模型进行分析。面板数据模型主要包括随机、固定和混合效应模型。混合效应模型认为各个截面上估计方程的截距和斜率项相同，而随机和固定效应模型则认为估计方程的截距和斜率项不同。后二者区别在于随机效应模型认为解释变量与误差项不相关，而固定效应模型认为解释变量与误差项相关。本文用F 检验和豪斯曼检验法进行模型选择，结果显示拒绝原假设，应选固定效应模型。考虑到面板数据各截面之间存在差异，采用个体固定效应模型进行估计。本文使用层级回归法来验证假设，将人工智能、就业数量效应和劳动关系转型的具体指标代入方程（1）—（3）进行回归，主效应和中介效应回归结果见表2。

表2 主效应及中介效应检验结果

从表 2 中模型（1）—（3）值可知，人工智能对劳动关系灵活化的影响系数c 显著为正，表明人工智能会促进劳动关系向灵活化转型。人工智能对高、低技能劳动力就业创造效应的影响系数a 显著为正，对中等技能劳动力就业替代效应的影响系数a显著为负，假设H1 得到验证。创造效应对劳动关系灵活化的影响系数b 显著为正，替代效应对劳动关系灵活化的影响系数b 显著为负，人工智能对就业数量效应、就业数量效应对劳动关系灵活化的影响系数a、b 均显著，表明就业数量效应是人工智能促进劳动关系灵活化的中介变量，假设H2a 得到验证。

从表2 中模型（4）—（6）值可知，人工智能基础设施对劳动关系法制化的影响系数c 不显著，不具有中介效应。这是因为我国人工智能基础设施建设虽已有一定规模，对劳动力就业产生了影响，但其影响尚未跨越对法制化产生显著作用的门槛效应。人工智能应用和互联网发展对劳动关系法制化的影响系数c 显著为正，表明二者均会促进劳动关系向法制化转型。替代效应系数b 显著为负，说明替代效应是中介变量；创造效应系数b 不显著，对其补充进行sobel 检验，结果显示仍未通过，说明创造效应未起到中介作用。原因在于我国目前人工智能应用和互联网发展对中等岗位的替代效应凸显，而对高、低端岗位的就业创造规模较小，因此仅替代效应是中介变量，假设H2b 得到验证。

从表2 中模型（7）—（9）值可知，人工智能对劳动关系集体化的影响系数c 显著为负，表明人工智能会减缓劳动关系的集体化转型。在人工智能基础设施和应用方面，创造效应对劳动关系集体化的影响系数b 显著为负，说明创造效应会减缓劳动关系的集体化转型；替代效应对劳动关系集体化的影响系数b 显著为正，但替代效应表现为负，说明替代效应会减缓劳动关系的集体化转型。人工智能基础设施和应用对就业数量效应、就业数量效应对劳动关系集体化的影响系数a、b 均显著，表明就业数量效应是人工智能基础设施和应用影响劳动关系集体化转型的中介变量。在互联网发展方面，就业数量效应对劳动关系集体化的影响系数b 均不显著，且sobel 检验显示未通过，因此中介效应不存在，假设H2c 得到验证。

3.有调节的中介效应

对相关变量进行中心化处理，将人工智能、就业数量效应和劳动关系转型的具体指标代入方程（4）—（7）进行回归，有调节的中介效应检验结果见表3。

表3 有调节的中介效应检验结果

续表

由表 3 中模型（10）可知，模型前三步系数 a1、b1和c3均显著，说明加入调节变量后的中介效应存在；但系数d4均不显著，说明制度环境未调节中介过程。高技能劳动力拥有较强的议价能力，劳动者可以根据自身偏好选择工作方式，故制度环境对其灵活就业偏好的影响较小，表现为其调节作用不显著。由模型（11）可知，系数 a1、b1和 c3均显著，d4均显著为正，说明制度环境正向调节即加速了低技能劳动力就业创造效应对劳动关系灵活化的影响。在制度环境发展程度高的地区，灵活就业部门能提供更多就业岗位，且更易获得要素资源，劳动力更易流入，从而促进灵活就业。由模型（12）可知，系数a1、b1和c3均显著，系数d4均显著为负，说明制度环境会负向调节即减缓替代效应对劳动关系灵活化的影响。制度环境的发展有利于劳动力市场透明化，劳动力被替代后能迅速匹配到新工作，不必选择保障较少的灵活就业。

由表3 中模型（13）—（15）可知，加入调节变量后人工智能基础设施对劳动关系法制化的影响系数a1不显著，停止检验。而在人工智能应用和互联网发展带来的替代效应方面，系数a1、b1和c3均显著，d4显著为负，说明制度环境负向调节即减弱了替代效应对劳动关系法制化的影响。因为在制度环境发展越高的地区，中等技能劳动力在失业后可以较快地搜寻新工作，对劳资冲突起到减缓作用。

由表 3 中模型（16）和（17）可知，关于人工智能基础设施和应用，系数a1、b1和c3均显著，系数d4均显著为正，表明制度环境会正向调节即减缓创造效应对劳动关系集体化的影响。因为制度环境发展越高的地区，劳动者之间竞争较大，被替代风险升高，因此劳动者进行集体化行动的意愿会增强。由模型（18）可知，关于人工智能基础设施和应用，系数a1、b1和 c3均显著，d4均显著为负，说明制度环境会负向调节即减弱替代效应对劳动关系集体化的影响。因为制度环境发展有利于劳动者再就业，从而减弱了劳动者采取集体行动的倾向。

综上所述，制度环境调节了人工智能通过就业数量效应影响劳动关系转型这一中介机制，假设H3得到验证。

五、稳健性检验

本文通过工具变量法和更换变量指标来进行稳健性检验，结果显示关键变量系数的大小、方向和显著性没有明显变化，因此研究具有较好的稳健性。限于篇幅，检验结果不再列出。

六、结论与启示

1.研究结论

本研究通过建立中介模型和有调节的中介模型，探讨了人工智能对我国劳动关系转型的影响及其机理。研究发现，人工智能会促进我国劳动关系向灵活化和法制化转型，但会减缓其向集体化转型；这一影响是通过就业数量效应来实现的，且制度环境调节了这一中介过程。目前我国的人工智能发展处于早期阶段，与国外单极化现状不同，在我国对就业的影响呈现双极化态势。其中，人工智能基础设施建设通过就业数量效应显著影响了劳动关系转型；而人工智能应用和互联网发展相对较滞后于人工智能基础设施建设，因此仅通过中等技能劳动力替代效应影响劳动关系法制化，且互联网发展未间接影响劳动关系集体化。

2.研究启示

第一，应重视人工智能对高、低技能劳动力的吸收，积极应对其对中等技能劳动力的替代。对高技能劳动力要进行人工智能知识和技能的培训以适应高端工作的要求；引导低技能劳动力通过互联网等平台搜寻工作；重视对中等技能劳动力的再培训和技能转化，减少人工智能带来的失业问题。

第二，充分发挥人工智能对劳动关系灵活化的驱动作用。培养劳动者的新型就业观念，引导其选择灵活就业，利用“平台经济”“共享经济”来降低企业用工成本，并逐步完善灵活就业方面的法律规定，充分保障人工智能背景下劳动者和企业的权益。

第三，在劳动关系法制化的背景下，要完善相关法律法规使之与新型劳动关系相适应。加强对企业的监管，防止劳动关系的复杂和多样化造成的对劳动者权益的侵害；重视新型职业风险，将灵活就业者纳入相应保险的保障范围；号召劳动者利用互联网维权，提高劳动诉讼效率，降低维权成本。

第四，对于人工智能对劳动关系集体化的减缓作用，不能简单认为集体行动对劳资矛盾的解决正在失去作用。当代劳资冲突将以更复杂和多样的形式呈现，工会应当改进传统的工作方式以应对新型劳资矛盾。利用信息平台来壮大劳动者力量，有助于提升劳动者在劳资协商中的地位。

第五，结合制度环境来制定应对人工智能的政策。在制度环境发展程度较高的地区，加强对低技能劳动力的权益保护，发展服务业来充分吸纳这部分劳动力；在制度环境发展程度较低的地区，制定与中等技能劳动力相适应的岗位，避免其被替代后流向低端岗位。