智能化投资、人口聚集与地区生产率的影响研究

晁江锋，冯希玲,武晓利

(1.郑州航空工业管理学院，河南 郑州 450046;2.河南财经政法大学,河南 郑州 450000)

1 引言

近年来，人工智能技术受到越来越多的关注，成为社会追捧的对象。纵观国内环境，国家先后颁布了《国务院关于积极推进“互联网+”行动的指导意见》《“互联网+”人工智能三年行动实施方案》《“十三五”国家战略性新兴产业发展规划》等一系列政策。由此可知，在新经济发展的大背景下，人工智能已然成为国家的发展战略，世界各国也纷纷加入智能技术发展的行列。究其原因，人工智能技术将形成一个规模巨大的产业体系，加快产业行业技术创新、商业模式变革、改变现有生产方式提高生产效率。但是Robert Solow 自1987年提出“生产率悖论”后，关于技术与生产率的研究受到学者们的热议，而关注的焦点在于新技术的应用能否带来生产率的提升。时间的滞后效应可以对此进行很好的解释，即技术投资的短期回报可能与预期相反，但随着所需的调整和适应，生产率将实现预期回报。此外，人力资源与技术之间存在互补效应。因而，本文在前人研究的基础上，研究智能化投资对生产率的影响，并探讨人口聚集在两者关系中的作用。

2 文献综述与假设提出

2.1 智能化投资与生产率关系的文献

关于智能化投资影响生产率的观点可以划分为以下两类：一种观点认为智能化投资能够显著促进生产率增长。Shao(2006)经实证检验得出技术投资是提升生产率的有效路径。Graetz and Michaels (2018)就1993—2007年17个国家/地区行业采用机器人的面板数据发现，机器人使用的增加为年度生产率贡献了约0.36个百分点。国内学者孙英杰和林春(2018)、陈永伟和曾昭睿(2020)也得出了类似的结论。然而在地区层面上，生产率主要表现为东部地区最高，中西部地区次之，差距的原因在于地区经济因素和企业技术水平的差异。另一种观点则认为智能化投资不能显著地促进生产率增长。吴延兵(2008)和冯志军、陈伟(2013)指出国内技术购买对生产率并没有显著的促进作用。郭敏和方梦然(2018)实证检验发现人工智能投资与生产率呈现反比关系。陈欢等人(2018)研究信息通信技术与生产率之间的关系，结果表明ICT对生产率的影响是负向的。由此可知我国存在生产率悖论现象。对此提出一组对立假设。

假设1a:智能化投资对生产率增长有推动作用。

假设1b:智能化投资对生产率增长没有推动作用。

2.2 人口聚集与生产率关系的文献

人口聚集定义为人口动态迁移的一种行为，由现实条件中的多种因素引发，全国范围内表现为人口聚集在东南部沿海地区。根据集聚经济学理论，地区人口集聚可以促进地区经济产出数量的增加，同时还能够明显提高这一地区的经济生产效率(杨东亮和李朋骜，2020)。Abel等(2012)基于美国县的详细数据研究人口密度对生产率的影响，结果显示人口密度增加一倍会使生产率提高6%左右。张同斌(2016)考察中国经济增长的动力转换机制时发现人力资本向大中都市的聚集提高了生产率与整体的经济效益。杜小敏和陈建宝(2010)、杨东亮和任浩锋(2018)基于省级数据研究人口聚集对区域经济的影响，结果都表明人口聚集对经济发展水平具有明显的推动力。总体来说，人口聚集拉近了人与人的距离，增加了人与人直接沟通的可能性，降低了交流成本，知识信息的传递和积累将会带动地区生产率的增长。对此，笔者提出假设2。

假设2：人口聚集程度越高，智能化对生产率的推动作用越强。

3 研究设计

3.1 样本选择和数据来源

本文选取的研究对象是中国30个省份(包含自治区、直辖市)，研究始于2003年止于2017年，西藏自治区由于相关数据的缺失，将其排除在样本之外。本文使用的指标包括各省份的智能化投资、人均GDP、人口聚集等。数据来源于《中国统计年鉴》以及各省份统计年鉴。鉴于变量之间的量纲差异较大，本文对智能化投资、人口聚集、基础设施等数据进行了对数处理。最终收集了30个省份，共450条数据。

3.2 指标度量

生产率为被解释变量，指各省份的投入产出效率；智能化投资为解释变量，指各省份人工智能技术应用程度；人口聚集作为调节变量，指各省份的人口密度；基础设施、政府支出、产业结构、老年人口抚养比、人力资本水平为控制变量。详见表1。

表1 变量说明

3.3 模型构建

为验证前文的假设，本文设定如下回归模型：

lap=β0+β1lnAI+β2infra+β3edu+β4is+

β5gov+β6psr+ε

(1)

lap=β0+β1lnAI+β2lnAI×mp+β3mp+

β4infra+β5edu+β6is+β7gov+β8psr+ε

(2)

4 实证结果分析

4.1 描述性统计

通过表2看到：一是生产率的均值、标准差、中位数分别为1.614、0.692、1.682，反映出不同地区的生产率存在异质性；二是通过第二和第三产业生产率的均值发现各地区的第二产业占比较大；三是智能化投资最小值与最大值的差异表明各地区的智能化水平不同。其他控制变量的分布特征与以往的研究基本一致。

表2 描述性统计

4.2 基本回归结果

表3是模型1的基准回归结果，第一列的系数为0.112，且在1%的水平下显著。因此，假设1得到验证，即智能化对生产率有正向的推动作用。第二列在第一列的基础上增加了智能化和人口聚集的交互项(mp×lnAI)，系数为0.027，在5%的水平上显著，表明人口聚集在智能化与生产率之间起着正向的调节作用。假设2得到验证。此外对东西部地区进行划分，第三列的回归系数在1%的水平上显著为正，表明智能化极大地提高了东部地区的生产率。中部地区和西部地区主要表现为负向关系。

表3 智能化投资与生产率

4.3 稳健性检验

本文使用第二和第三产业生产率作为生产率的替代变量进行稳健性检验，表4列示了主要的回归结果。第一列和第二列的回归系数显著为正，进一步验证了智能化应用对地区生产率的促进作用。然而技术进步与生产率的发展存在时滞效应，考察当期数据可能会低估技术产生的实际影响，以及遗漏变量会引发内生性问题，导致估计结果出现偏差，因此本文第三列对解释变量滞后一期回归，第四列利用固定效应模型进行回归，最终发现本文的研究结论依旧是成立的。

5 结论与建议

本文使用中国2003—2017年的省级面板数据，研究智能化投资对生产率的影响以及人口聚集在其中的调节效应，并进行了稳健性检验。研究结论如下：其一，智能化投资对生产率的影响存在正向效应，然而区域存在差异性，即东部地区表现出明显的促进作用，而中西部地区则表现出负向效应；其二，人口聚集在智能化投资与生产率之间发挥着调节效应。基于上述结论，本文提出的建议有如下两点：一是政府应着眼于未来，加强对信息化建设的投入；二是政府加强对失业人员的就业指导和就业培训，使其知识得到更新，以促进劳动力可持续的向上流动。