| 297 | 0 | 180 |
| 下载次数 | 被引频次 | 阅读次数 |
在当前“稳就业”这一重大现实需求下，人工智能技术的广泛应用不可避免地对劳动力市场产生冲击，如何有效应对这一挑战已成为我国高质量发展进程中亟须解决的核心议题。基于此，文章将国家人工智能创新应用先导区的设立视为准自然实验，利用2000—2023年上市公司数据，采用双重机器学习模型(DML)系统评估国家人工智能创新应用先导区设立对就业增长的影响及其作用机制。研究结果表明：第一，国家人工智能创新应用先导区的设立显著促进了企业就业增长，该结论在经过一系列稳健性检验后依然成立；第二，机制分析发现，国家人工智能创新应用先导区的设立主要通过就业岗位创造效应、生产规模扩大效应以及融资约束缓解效应等内在路径推动企业就业增长；第三，异质性分析进一步揭示，先导区设立的就业促进效应在行业集中度较低、要素集中度较低、环境不确定性较弱以及营商环境较优的地区尤为显著；第四，拓展性分析表明，先导区设立不仅有助于提升就业规模，还能够优化就业结构，有利于促进社会稳定、推动高质量发展、增强国家竞争力。同时，基于机器学习方法的分析表明，政策的最优执行规则与实际执行情况仍存在一定差距，这意味着该政策在促进就业方面仍具备较大的优化空间。
Abstract：Under the current major practical demand of “ stable employment”, the extensive application of AI technology inevitably impacts the labor market, and how to effectively respond to this challenge has become a core issue that needs to be resolved in the process of China's high-quality development. Based on this, this paper regards the establishment of the National Pilot Zone of Artificial Intelligence Innovation and Application as a quasi-natural experiment, and utilizes the data of listed companies from 2000 to 2023 to systematically evaluate the impact of the establishment of the National Pilot Zone of Artificial Intelligence Innovation and Application on the growth of employment and its mechanism of action by using the Double Machine Learning Model( DML) system. The results of the study show that: first, the establishment of national pilot zones for AI innovation and application significantly promotes enterprise employment growth, and this conclusion still holds after a series of robustness tests; second, the mechanism analysis reveals that the establishment of national pilot zones for AI innovation and application mainly promotes enterprise employment growth through the intrinsic paths of the job creation effect, the production scale expansion effect, and the financing constraint alleviation effect; third, the heterogeneity analysis further reveals that the employment promotion effect of the establishment of pilot zones is particularly significant in regions with lower industry concentration, lower factor concentration, weaker environmental uncertainty and better business environment; fourth, the expansive analysis shows that the establishment of pilot zones not only helps to increase the number of jobs, but also optimizes the employment structure, which is conducive to promoting social stability, promoting high-quality development and enhancing national competitiveness. Meanwhile, the analysis based on the machine learning method shows that there is still a gap between the optimal implementation rules of the policy and the actual implementation situation, implying that there is still much room for optimization of the policy in promoting employment.
[1]崔小勇,蔡昀珊,卢国军.增值税留抵退税能否促进企业吸纳就业?---来自2019年试行留抵退税制度的证据[J].管理世界,2023(9):15-38.
[2]彭远怀,胡军.政府数据开放与资本区际流动:企业异地投资视角[J].数量经济技术经济研究,2024(10):89-110.
[3]唐飞鹏,霍文希.“安居”方能“乐业”:租赁住房供给与稳就业[J].数量经济技术经济研究,2025(4):48-68.
[4]余明桂,马林,强皓凡.破产司法改革与稳就业:来自企业破产审理方式改革试点的证据[J].数量经济技术经济研究,2025(4):69-90.
[5]沈坤荣,乔刚,谭睿鹏.国家级大数据综合试验区设立与就业增长[J].中国工业经济,2024(12):5-23.
[6]毛其淋,王玥清.ESG的就业效应研究:来自中国上市公司的证据[J].经济研究,2023(7):86-103.
[7]刘贝玙,李响.“机器帮人”还是“机器换人”---基于服务业智能化与就业质量的视角[J].山西财经大学学报,2025(6):81-95.
[8]尹志锋,曹爱家,郭家宝,等.基于专利数据的人工智能就业效应研究---来自中关村企业的微观证据[J].中国工业经济,2023(5):137-154.
[9]毛日昇.工业机器人应用与就业再配置[J].管理世界,2024(9):98-122.
[10]王林辉,钱圆圆,宋冬林,等.机器人应用的岗位转换效应及就业敏感性群体特征---来自微观个体层面的经验证据[J].经济研究,2023(7):69-85.
[11]陈贵富,韩静,韩恺明.城市数字经济发展、技能偏向型技术进步与劳动力不充分就业[J].中国工业经济,2022(8):118-136.
[12]冯婉昕.人工智能与企业金融资产配置---来自国家人工智能创新应用先导区的经验证据[J].当代财经,2024(4):141-152.
[13]徐红丹,王玖河.人工智能与制造企业新质生产力---基于双重机器学习模型[J].软科学,2025(5):26-33.
[14]钟娟,丁怡帆,林子昂,等.人工智能应用与企业客户配置多元化:基于人工智能创新应用先导区的准自然实验[J].外国经济与管理,2025(6):18-35.
[15]ACEMOGLU D,RESTREPO P.Automation and new tasks:how technology displaces and reinstates labor[J].Journal of Economic Perspectives,2019,33(2):3-30.
[16]KOGAN L,PAPANIKOLAOU D,SCHMIDT L D W,et al.Technology and labor displacement:evidence from linking patents with worker-level data[EB/OL].(2023-11-13)[2025-08-07].https://www.nber.org/papers/w31846.
[17]AUTOR D,SALOMONS A.Is automation labor-displacing?Productivity growth,employment,and the labor share[EB/OL].(2018-08-01)[2025-08-07].https://www.nber.org/papers/w24871.
[18]卢鹏,黄媛媛.人工智能驱动新质生产力形成的生成逻辑、运行机制与实践进路[J].重庆大学学报(社会科学版),2024(4):144-156.
[19]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.
[20]XIE M M,DING L,XIA Y,et al.Does artificial intelligence affect the pattern of skill demand?Evidence from Chinese manufacturing firms[J].Economic Modelling,2021,96(3):295-309.
[21]REIJNDERS L S M,DE VRIES G J.Technology,offshoring and the rise of non-routine jobs[J].Journal of Development Economics,2018,135(6):412-432.
[22]AUTOR D.Applying AI to rebuild middle class jobs[EB/OL].(2024-02-12)[2025-08-07].https://www.nber.org/papers/w32140.
[23]王林辉,钱圆圆,周慧琳,等.人工智能技术冲击和中国职业变迁方向[J].管理世界,2023(11):74-95.
[24]韩颖,许薛璐.人工智能技术与人力资本结构升级:内在机理与经验检验[J].江西财经大学学报,2024(2):13-26.
[25]AUTOR D H.Why are there still so many jobs?The history and future of workplace automation[J].Journal of Economic Perspectives,2015,29(3):3-30.
[26]彭树宏.人工智能应用与企业就业吸纳---来自中国上市公司年报文本分析的证据[J].经济管理,2024(8):42-64.
[27]汪前元,魏守道,金山,等.工业智能化的就业效应研究---基于劳动者技能和性别的空间计量分析[J].管理世界,2022(10):110-126.
[28]陈琳,高悦蓬,余林徽.人工智能如何改变企业对劳动力的需求?---来自招聘平台大数据的分析[J].管理世界,2024(6):74-93.
[29]孙文远,刘于山.人工智能对劳动力市场的影响机制研究[J].华东经济管理,2023(3):1-9.
[30]HAMPOLE M,PAPANIKOLAOU D,SCHMIDT L D W,et al.Artificial intelligence and the labor market[EB/OL].(2025-04-02)[2025-08-07].https://www.nber.org/papers/w33509.
[31]HUI X,RESHEF O,ZHOU L F.The short-term effects of generative artificial intelligence on employment:evidence from an online labor market[J].Organization Science,2024,35(6):1977-1989.
[32]DEMIRCI O,HANNANE J,ZHU X R.Who is AI replacing?The impact of generative AI on online freelancing platforms[J/OL].Management Science,2025 (2):1-8.[2025-02-24].https://pubsonline.informs.org/doi/10.1287/mnsc.2024.05420.
[33]ACEMOGLU D,RESTREPO P.Robots and jobs:evidence from US labor markets[J].Journal of Political Economy,2020,128(6):2188-2244.
[34]李磊,王小霞,包群.机器人的就业效应:机制与中国经验[J].管理世界,2021(9):104-119.
[35]陈澍,韩清,张伯超.企业人工智能技术水平与劳动力需求结构变化:基于大语言模型的新方法和新发现[J].技术经济,2025(1):1-13.
[36]DAVENPORT T H,RONANKI R.Artificial intelligence for the real world[J].Harvard Business Review,2018,96 (1):108-116.
[37]苏涛永,郭鑫,李雅洁.人工智能促进企业持续性创新了吗?---基于人力资本结构与知识吸收能力视角[J].商业经济与管理,2025(4):71-86.
[38]杜传忠,曹效喜,刘书彤.人工智能与高新技术企业竞争力:机制与效应[J].商业经济与管理,2024(2):30-49.
[39]BONFIGLIOLI A,CRINO R,FADINGER H,et al.Robot imports and firm-level outcomes[J].The Economic Journal,2024,134(664):3428-3444.
[40]陈东,刘威.数字政府建设有助于促进劳动就业吗?---来自中国上市公司的证据[J].南方经济,2025(2):26-46.
[41]魏丽莉,寇奉娟.客户数字化转型对供应商信息披露质量的影响研究[J].商业经济与管理,2025(3):20-37.
[42]张涛,李均超.网络基础设施、包容性绿色增长与地区差距---基于双重机器学习的因果推断[J].数量经济技术经济研究,2023(4):113-135.
[43]YANG J C,CHUANG H C,KUAN C M.Double machine learning with gradient boosting and its application to the Big N audit quality effect[J].Journal of Econometrics,2020,216(1):268-283.
[44]蔡运坤,周京奎,袁旺平.数据要素共享与城市创业活力---来自公共数据开放的经验证据[J].数量经济技术经济研究,2024(8):5-25.
[45]陈胜蓝,王鹏程,马慧,等.《中小企业促进法》的稳就业效应---基于政府信用体系建设视角[J].管理世界,2023(9):52-68,88,69-70.
[46]黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与中国经验[J].中国工业经济,2019(8):5-23.
[47]肖土盛,孙瑞琦,袁淳,等.企业数字化转型、人力资本结构调整与劳动收入份额[J].管理世界,2022(12):220-237.
[48]刘穷志,任静.税收优惠与企业并购---来自固定资产加速折旧政策的证据[J].财贸研究,2024(10):44-61.
[49]石玉堂,王晓丹,秦芳,等.数据要素市场化配置对全国统一大市场建设的效用研究[J].科研管理,2024(12):1-10.
[50]焦豪,崔瑜,张亚敏.数字基础设施建设与城市高技能创业人才吸引[J].经济研究,2023(12):150-166.
[51]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022(5):100-120.
[52]杜运周,刘秋辰,程建青.什么样的营商环境生态产生城市高创业活跃度?---基于制度组态的分析[J].管理世界,2020(9):141-155.
[53]姚加权,张锟澎,郭李鹏,等.人工智能如何提升企业生产效率?---基于劳动力技能结构调整的视角[J].管理世界,2024(2):101-116,133,117-122.
[54]许晨曦,武瑛,牛志伟.数字化赋能企业劳动生产率提升:内在逻辑与中国经验[J].北京师范大学学报(社会科学版),2023(5):152-160.
[55]谭之博,赵岳.企业规模与融资来源的实证研究---基于小企业银行融资抑制的视角[J].金融研究,2012(3):166-179.
[56]王贤彬,陈春秀.重点产业政策与制造业就业[J].经济研究,2023(10):34-54.
[57]王永钦,董雯.机器人的兴起如何影响中国劳动力市场?---来自制造业上市公司的证据[J].经济研究,2020(10):159-175.
[58]刘贯春,叶永卫,张军.社会保险缴费、企业流动性约束与稳就业---基于《社会保险法》实施的准自然实验[J].中国工业经济,2021(5):152-169.
[59]易志高,李心丹,潘子成,等.公司高管减持同伴效应与股价崩盘风险研究[J].经济研究,2019(11):54-70.
[60]张三保,康璧成,张志学.中国省份营商环境评价:指标体系与量化分析[J].经济管理,2020(4):5-19.
[61]王树祥,张明玉,郭琦.价值网络演变与企业网络结构升级[J].中国工业经济,2014(3):93-106.
[62]王林辉,胡晟明,董直庆.人工智能技术、任务属性与职业可替代风险:来自微观层面的经验证据[J].管理世界,2022(7):60-79.
[63]田鸽,张勋.数字经济、非农就业与社会分工[J].管理世界,2022(5):72-84,311.
[64]宋冬林,王林辉,董直庆.技能偏向型技术进步存在吗?---来自中国的经验证据[J].经济研究,2010(5):68-81.
[65]MUNRO E,KUANG X,WAGER S.Treatment effects in market equilibrium[EB/OL].(2025-02-04)[2025-08-07].https://econpapers.repec.org/paper/arxpapers/2109.11647.htm.
(1)数据来源:https://www.gov.cn/xinwen/2021-02/20/content_5587935.htm和https://wap.miit.gov.cn/jgsj/kjs/gzdt/art/2022/art_bcc1c66094154d45b8c71ad8f1594daa.html。
基本信息:
DOI：10.14134/j.cnki.cn33-1336/f.2025.07.003
中图分类号:TP18;F49;F249.2
引用信息:
[1]王晓丹,周十同,石玉堂.人工智能的就业效应——基于双重机器学习的因果推断[J].商业经济与管理,2025,No.405(07):32-49.DOI:10.14134/j.cnki.cn33-1336/f.2025.07.003.
基金信息:
国家社会科学基金一般项目“乡村振兴背景下城乡收入差距的空间异质性研究”(20BJL146); 吉林省社会科学基金重大项目“吉林省构建特色现代化产业体系路径研究”(2025SZ3); 吉林省教育厅科学研究项目“数实融合推动劳动力就业的影响机制与优化路径研究”(JJKH20250242BS)