Can Industrial Intelligence Become a New Momentum for Industrial Structure Upgrading?

Chai Zhengmeng,Zhang Peiduo,Han Xiangfeng

(School of Management and Economics, Kunming University of Technology, Kunming 650500, China)

Abstract：The deepening of the new industrial revolution has brought new strategic opportunities for China's development. However, the industrial structure is troubled with problems such as duplicated layout, overcapacity, environmental pollution and technological constraints. In order to adapt to the needs of China's economic development and realize the transformation of economic growth momentum, China's industrial structure upgrading urgently needs to optimize the adjustment of internal and external structure and accelerate industrial integration through external factors. From the perspective of technological progress, the widespread use and continuous proliferation of industrial intelligent improve the industrial technology level by transforming traditional production methods and processes, and thus promote the overall transformation and upgrading of the industrial structure. As a new growth engine in the process of new industrialization, industrial intelligence plays an important role in promoting the upgrading of China's industrial structure.

From the perspective of industrial intelligence, this paper explains the intrinsic mechanism of industrial intelligence affecting industrial structure upgrading from three dimensions: direct power, indirect channel and non-linear effect. The industrial structure upgrading is decomposed into two dimensions, namely, industrial structure heightening and industrial structure rationalization, to analyze the focus of the influence of industrial intelligence on industrial structure upgrading. Combined with the theory of skilled-biased technological changes, the mechanism of industrial intelligence affecting industrial structure upgrading is explored from the perspective of labor substitution effect and complementary effect, which provides theoretical support for deepening the understanding of the mechanism of optimizing the labor force employment structure in the context of industrial intelligence. From the perspective of time scale, as industrial subjects and human resources jointly participate in the process of industrial intelligence, the R&D departments continuously improve the capacity of intelligent application, the application of intelligent technology becomes increasingly in-depth and extensive, the cost of technology exchange and information acquisition is further reduced, the marginal cost of R&D intelligent technology continues to decline, and by virtue of the leading edge of technology, the digitized and intelligent mode of production will enable the participants to enjoy the benefits of technological progress in a wider scope. From a spatial perspective, the diffusion of intelligent technology can be exposed to diversified information and cutting-edge scientific and technological achievements, so that cooperation and innovation and common progress of high intelligence level can be achieved in various regions, enhancing enterprises' market competitiveness. The nature of intelligence, digital open sharing and interconnection shall significantly reduce the marginal cost of acquiring information in the region and enhance the economic benefits, increasing marginal effect of industrial intelligence in the region under the continuous positive feedback and accumulation effect.

Drawing on the panel data of 30 provinces in China from 2004 to 2021, the study constructs the indicator system for measuring the level of inter-provincial industrial intelligence, and accurately assess the role of industrial intelligence in upgrading the industrial structure to confirm whether industrial intelligence can become a new driving force for upgrading China's industrial structure in the new era within the theoretical framework of upgrading the industrial structure, which is of important theoretical and practical significance for the formulation and implementation of relevant policies in the future.

The results show that industrial intelligence is generally conducive to industrial structure upgrading, which is mainly manifested in the promotion of industrial structure heightening and exacerbation of industrial structure irrationality, and the development of industrial intelligence has become a new driving force for industrial structure upgrading in China in the new era. Industrial intelligence also indirectly drives industrial structure upgrading through its positive impact on the proportion of high-skilled labor. Compared with inland areas, the promotion effect of industrial intelligence on industrial structure upgrading in coastal areas is more significant, which is mainly realized through the heightening of industrial structure. Industrial intelligence has obvious accumulation effect and scale effect, and in the long run, as the level of industrial intelligence improves, its driving effect on industrial structure upgrading presents the non-linear characteristics of significant positive and increasing marginal effect.Thus, it is necessary to strengthen the construction of intelligent infrastructure, adjust the employment structure of regional labor force in accordance with the regional comparative advantages.

Key Words：Industrial Intelligence; Labor Structure; Industrial Structure Upgrading; Driving Effect; Accumulation Effect

收稿日期：2023-06-02

修回日期：2023-07-09

基金项目：国家自然科学基金项目(72163018,72261022, 71964018,71662020);云南省哲学社会科学创新团队项目(2023CX05)

作者简介：柴正猛(1974—),男,云南昆明人,博士,昆明理工大学管理与经济学院教授、博士生导师,研究方向为产业经济;张培铎(1998—),男,陕西洋县人,昆明理工大学管理与经济学院硕士研究生,研究方向为产业智能升级;韩先锋(1984—),男,陕西商洛人,博士,昆明理工大学管理与经济学院校聘教授、硕士生导师,研究方向为创新与产业升级。

DOI：10.6049/kjjbydc.2023060053

开放科学(资源服务)标识码(OSID)：

中图分类号：F260

文献标识码：A

文章编号：1001-7348(2024)19-0056-11

0 引言

新一轮工业革命的不断深入为中国发展带来新的战略机遇。然而,支撑中国传统劳动密集型产业发展的人口红利逐渐消失,同时,产业发展面临重复布局、产能过剩、环境污染和技术约束等困境。为了适应中国经济发展、实现增长动能转换,中国亟需优化产业结构、加速产业融合。中共二十大报告提出,要将经济发展的着力点聚焦于实体经济,推进新型工业化。工业智能化通过将互联网、大数据、人工智能等先进技术应用于工业领域,助力企业提质增效和增强创新性,是克服经济低迷、振兴实体经济的重要战略举措。随着实体经济与智能化技术的不断融合,工业智能化对高效匹配产业资源、协调产业结构、优化供需关系与要素结构的作用逐渐凸显。如何发挥智能化技术作用、因地制宜地制定区域产业结构升级策略是亟待思考的一个重大问题。因此,本文基于产业结构升级理论框架,探讨工业智能化能否驱动中国产业结构升级问题,在此基础上,准确评估工业智能化对产业结构升级的作用路径,为国家制订相关政策提供理论依据。

1 文献综述

工业智能化是指应用机器人、人工智能等技术,实现传统行业智能化转型,并提升实体经济效率和质量。智能化能够加快传统要素流动和资源整合,优化资源配置,实现传统生产方式创新和变革[1]。现有文献多从劳动力就业结构、城乡收入差距和产业转移、产业集聚[2-4]等角度探讨工业智能化的影响。作为学者们关注的焦点问题,智能化技术对产业结构升级的积极影响已被众多研究所证实。

在智能化技术影响产业结构升级的理论层面,郭凯明[5]提出,作为一种通用技术,人工智能具有新型基础设施属性,会对各行业劳动力或资本产生偏向性替代,人工智能的产出弹性及其对传统生产方式的替代性因产业部门而异,从而影响生产要素在产业部门间的流动;师博[6]强调,人工智能能够在整体层面促进产业结构升级,并分别针对一、二、三产业探讨升级路径;吴旺延和刘珺宇[7]研究发现,智能制造对产业升级的影响体现在3个方面,即提升产业效率、优化产业结构以及改善产业生态环境;胡俊和杜传忠[8]指出,人工智能具有广泛渗透性、数据驱动性、系统智能性等特征,将助推一系列新兴产业快速发展,显著提高生产率,进而从根本上改善中国产业体系。

此外,现有文献大多从财政支出结构、产业政策、技术创新等[9-11]维度分析产业结构升级的驱动力,基本围绕产业结构高级化和合理化两个维度展开。聚焦到工业智能化对产业结构升级的影响,学者们均认可智能技术水平提高对产业结构高级化具有积极作用[12-13],而对产业结构合理化的影响则存在一定分歧。如付文宇等[12]研究证实,人工智能对产业合理化有显著促进作用;刘军和陈嘉钦[13]研究发现,智能化通过资源合理配置和技术融合促进产业结构合理化。但是,也有部分研究表明,较高的智能化水平对产业结构合理化有不利的空间影响[14]。如宣旸和张万里[15]的分析表明,产业智能化引致产业结构不合理和城乡收入差距增大。此外,产业结构合理化还受到资本—劳动收入份额比值的负面影响。从产业结构整体升级视角,付文宇等[12]研究发现,人工智能对劳动密集型产业和技术密集型产业的影响不同,并强调技术创新和人力资本积累在推动产业结构升级方面的作用;Su et al.[16]研究证实,异质性技术在数字经济发展促进产业结构升级中发挥重要作用;还有研究分析了科技人力资源在智能化影响产业结构升级过程中的异质性门槛效应,发现在科技人力资源水平较低时,其会显著阻碍智能化对产业结构升级的影响,而当科技人力资源水平达到临界值后,其会显著促进智能化对产业转型升级的影响,即智能化与产业结构升级呈现非线性关系(侯建等,2022);Zou &Xiong[17]指出,人工智能不仅有助于产业升级,还能协调产业结构,人工智能对产业升级的促进作用在大城市和产业水平高的城市更显著。

现有研究为揭示工业智能化应用效果提供了理论和实证支持,表明智能化对产业结构升级有积极作用,但也存在以下不足:一是文献研究视阈有限,多从门槛效应(侯建等,2022)、空间溢出效应[18]、行业和区域异质性[19]等单一视角分析智能化技术对产业结构升级的影响;二是针对工业智能化、产业结构升级与劳动力结构关系的理论分析不够深入,未能清晰阐释工业智能化对劳动力结构的间接作用渠道、影响机制以及工业智能化的非线性动态影响。

综上所述, 本文将工业智能化这一新兴要素纳入产业结构升级影响研究框架。本文的边际贡献在于:第一,基于工业智能化视角,探究智能化技术对中国产业结构升级的影响,从直接动力、间接渠道和非线性效应等多维度对如何推进产业结构升级提出新见解。随着新型工业化进程的推进,系统考察工业智能化能否成为中国产业结构升级的新动能具有十分重要的意义。第二,将产业结构升级分解为产业结构高级化和产业结构合理化两个维度,进一步细化工业智能化对产业结构升级影响的侧重点,并深化该领域研究成果。实证结果显示,工业智能化对产业结构升级有显著驱动作用,主要表现为促进产业结构高级化。第三,结合技能偏向型技术进步理论,从劳动力替代效应与互补效应视角探究工业智能化影响产业结构升级的作用渠道,为深化认识智能化背景下劳动力结构优化机理提供理论支持。第四,实证工业智能化是新时代中国实现产业结构升级的重要驱动力,从缩小沿海与内陆地区发展差距、促进整体产业结构升级的角度提出针对性激励措施,以优化实体经济结构,实现高质量发展目标。

2 理论分析与研究假设

随着智能化技术在各领域的广泛应用,产业结构升级路径和模式已发生显著变化。

2.1 直接驱动机制与研究假设

驱动机制主要表现为工业智能化对产业结构升级的直接影响。工业智能化作为一种技术进步,以传统行业智能化、数字化改造为着力点,通过优化实体经济结构、提升经济效率,最终实现传统产业转型升级。

从技术进步角度而言,工业智能化通过改造传统生产方式和流程,提高产业技术水平,使生产过程趋于数字化和智能化,提高产业链生产能力[20]。这不仅有助于提高企业竞争力,还可以促进产业技术进步——当智能化技术通过头部企业向其它企业扩散时,不仅有利于改变传统行业落后的生产方式,还能促进智能化技术沿产业链传导至其它关联企业,进一步放大技术溢出效应,提升产业整体质量。其次,工业智能化通过技术应用可以实现生产过程的实时监测、控制,及时发现问题并进行调整和改进,提高生产过程精度和稳定性,减少人为因素干扰,保证产品品质一致性和可靠性,增强产品市场竞争力[21];通过智能化生产方式和供应链管理策略,快速响应客户需求和市场变化,提高生产灵活性和适应性。在产业效率方面,工业智能化通过提高劳动力技能水平,可有效提高生产效率、加速创新进程。如通过自动化控制、智能设备应用,实现生产过程的实时监测,减少资源耗费,降低生产成本,提高全要素生产率。工业智能化有助于创新知识溢出,促进产业结构调整和内生型增长,优化生产要素配置,实现产业结构升级[15,22]。

综上,工业智能化对产业结构升级的驱动机制主要包括技术进步、产品质量提升和生产效率提高等方面。工业智能化通过技术应用和扩散,推进产业数字化、智能化进程,促进产业交流与合作,实现技术融通和创新,从而促进产业整体转型升级。由此,本文提出如下研究假设:

H1:工业智能化对产业结构升级有直接驱动作用。

2.2 间接影响渠道与研究假设

间接渠道主要表现为工业智能化对产业结构升级的间接影响。Laptev[23]指出,智能化技术在产业领域的研发、应用和扩散对劳动力影响的主要特征是替代效应与互补效应。在经济体系中,劳动力结构变化在一定程度上可以反映该体系产业结构变化,作为工业智能化影响产业结构升级的一个重要中介变量,其作用机制主要表现在以下两个方面:一是劳动力替代效应,根据技能偏向型技术进步理论(Skilled-Biased Technological Changes),替代效应会导致劳动力需求和薪酬下降,而自动化设备和智能制造系统有助于提高产业信息化水平,增加高技能型劳动力需求,减少低技能型劳动力需求[24]。因此,部分低技能劳动力将转移至劳动密集型产业或第三产业,提高这些行业的规模经济效应,进而促进产业结构升级[25]。二是劳动力互补效应。工业智能化需要大量的高技能劳动力,如掌握一定的电子信息技术、数据分析与运维能力,以满足智能制造系统运行及维护要求。在高技能人才供不应求的情况下,将会出现人才“抢夺”现象,将其它领域的高级技术人才吸引到智能化部门,从而优化该产业劳动力结构[26]。工业智能化技术的应用与推广,有助于高技能型人才培养和集聚,主要表现为高技能型人才数量增加、劳动力组织和管理方式变革、新的生产和管理模式诞生,如智能制造、智能物流、智能仓储等,使得产业结构升级优化[27]。根据以上分析,本文提出如下研究假设:

H2:工业智能化通过劳动力结构优化间接驱动产业结构升级。

2.3 非线性影响机制与研究假设

工业智能化有助于创造更大的市场空间,推动产业结构升级,提升产业整体竞争力。如智能化技术为传统企业注入新动力,通过生产过程智能化、自动化,提高生产效率和产品质量,提高企业竞争优势。同时,工业智能化也对人力资源提出更高要求,驱动产业从劳动密集型转向技术密集型,在产业转型过程中重塑劳动力结构[28],奠定其在市场竞争中的先发优势,推动生产可能性曲线向外扩张。因此,工业智能化对产业结构升级的影响可能具有非线性特征,主要表现如下:

从时间尺度来看,在工业智能化投入初期,数字基础设施不够完善,研发部门的信息获取和反馈成本较高,并可能面临一定技术壁垒。由于智能化应用水平与范围有限,因此规模效应不显著。随着工业智能化的推进,研发部门不断提升智能化技术水平,智能技术应用愈发深入和广泛,技术交流和信息获取成本进一步降低。凭借技术领先优势,数字化、智能化生产方式有助于更多参与者在更大范围内受益于技术进步,因此工业智能化总体表现为边际效应递增特征。

从空间尺度来看,在工业智能化发展程度较低的地区,产业结构趋于传统化,生产工艺较落后,缺乏智能化、数字化生产方式,生产效率和市场竞争力较低。在这种情况下,智能化技术应用与推广能够促进其融入数字化网络,接触多元化信息和前沿科技成果,实现与高智能化地区合作创新和共同进步[29],有效提高自身技术水平,从生产效率和产品质量方面提高市场竞争力。而在工业智能化发展程度较高的区域,产业结构相对现代化,智能化技术应用效应更显著[30]。同时,知识网络为产学研协同发展提供了良好氛围,并通过知识溢出助力产业结构升级[31]。开放共享、互联互通作为智能化、数字化的外显形式,有助于降低区域内信息获取成本,实现产业降本增效,持续强化工业智能化对产业结构升级的积累效应,进而表现出边际效应递增特征。基于上述分析,本文提出如下研究假设:

H3:工业智能化对产业结构升级的影响具有边际效应递增的非线性作用特征,且基于工业智能化发展程度表现出一定地域差异性。

3 研究设计

3.1 计量模型

本文将工业智能化纳入产业结构升级分析框架,构建如下基准回归模型:

Indit=α0+α1Intit+αcXit+μi+δt+εit

(1)

考虑到工业智能化影响的滞后性以及各变量间潜在的反向因果关系,本文采用滞后一期的工业智能化指标作为核心解释变量,考察工业智能化的滞后效应并避免内生性问题。

Indit=α0+α1Intit-1+αcXit+μi+δt+εit

(2)

其中,Indit为被解释变量,表示i省域在t时期的产业结构升级水平,Intit为核心解释变量,表示i省域在t时期的工业智能化水平,Intit-1为i省域滞后一期的工业智能化水平,Xit为控制变量,μi表示i省域的个体固定效应,δt表示t时期的时间固定效应,εit为随机扰动项。

为了探究工业智能化对产业结构升级的间接影响,将劳动力结构(Lab)作为中介变量,分析其在工业智能化与产业结构升级之间的作用机制,建立中介效应模型如下:

Labit=β0+β1Intit+βcXit+μi+δt+εit

(3)

Indit=γ0+γ1Intit+γ2Labit+γcXit+μi+δt+εit

(4)

采用Hansen(1999)的面板门槛模型考察工业智能化影响产业结构升级的非线性特征,以式(1)为基础,构建如下模型:

Indit=φ0+φ1Intit·I(Intit≤γ)+φ2Intit·I(Intit>γ)+φcXit+μi+δt+εit

(5)

其中,Intit既是门槛变量,也是核心解释变量,其它变量定义与式(1)相同;γ为待估计的门槛值,将省际样本划分成两个回归系数不同的区间。I(·)为指示函数,当条件成立时,取值为1,否则为0。

3.2 变量设定

(1)被解释变量。产业结构升级(Ind)为被解释变量,包含产业结构高级化(Indh)和产业结构合理化(Indr)两个维度。产业结构高级化(Indh)是产业结构遵循经济发展和资源配置规律,从低级向高级有序演进的过程。本文参考刘伟和张辉(2008)的方法,采用三次产业结构占比与各产业劳动生产率的加权值衡量产业结构高级化程度,具体计算公式如下:

j=1,2,3

(6)

其中,Yijt表示i省域第j产业在t时期的增加值,Yit是地区生产总值,Lijt表示第j产业从业人员数,表示第j产业产值在总产值中的占比,表示第j产业劳动生产率。由于项存在量纲,采用均值化方法对其进行无量纲化处理。

产业结构合理化(Indr)反映地区产业关联情况和协调程度,是劳动力等资源要素匹配关系和利用效率的体现。本文参考干春晖等(2011)的方法,用改进的泰尔指数测度地区产业结构合理化,其计算公式如下:

j=1,2,3

(7)

其中,表示第j产业从业人员数在总就业人数中的占比,其它指标解释同上式。Indrit衡量产业结构偏离均衡状态的程度,Indrit值越大,表示产业结构越不合理。

因为产业结构高级化是正向指标,产业结构合理化为负向指标,所以取二者之差,得到产业结构升级整体指标。

Indit=Indhit-Indrit

j=1,2,3

(8)

(2)核心解释变量和门槛变量。工业智能化水平(Int)既是核心解释变量也是门槛变量。针对工业智能化水平的测度,现有研究主要采用两类指标:机器人投入规模(宋旭光和左马华青,2019)与智能化指标体系(孙早和侯玉琳,2019)。本文参考孙早和侯玉琳(2019)的设计思路,构建包括基础建设、生产应用、创新和效益3个方面共9个指标的工业智能化水平测度指标体系,如表 1所示。为了更科学、合理地测度工业智能化水平,采用两种客观赋值方法,即熵值法和主成分分析法,其中,后者用于模型稳健性检验。

(3)中介变量。根据前文分析,工业智能化发展影响不同产业劳动力就业情况。因此,本文选取劳动力结构(Lab)作为中介变量,检验工业智能化对产业结构升级的间接传导机制。参考现有文献(阎世平等,2020)并结合数据可得性,将劳动力分为6个教育层次:研究生(含硕士和博士)、大学本科、大学专科、高中、初中、小学及以下。拥有大学专科及以上学历者则被认为是高技能劳动力,其余学历者为低技能劳动力,以高技能劳动力在全部劳动力中的占比刻画劳动力结构。

(4)控制变量。为了精确分析产业结构升级过程中工业智能化的驱动作用,选取如下控制变量:政府干预(Gov):采用各区域政府财政支出占当地GDP的比重表示;经济规模(Eco):采用各区域GDP占全国GDP的比重衡量;创新投入(Inn),即各地区R&D经费支出与GDP之比;贸易开放度(Open):即各地区进出口总额与GDP之比;市场化程度(Mar):选用樊纲等(2011)的市场化指数;金融发展水平(Fd):采用各地区年末存、贷款余额之和占GDP的比重衡量;受教育程度(Edu):采用各地区人均受教育年限衡量。

3.3 数据说明

以2004-2021年中国内地30个省域(西藏因数据不全,未纳入)的面板数据为研究样本。本文测算的工业智能化水平、产业结构升级指数和其它变量的原始数据主要来自《中国统计年鉴》《中国劳动统计年鉴》《中国人口与就业统计年鉴》《中国信息产业年鉴》《中国科技统计年鉴》《中国金融年鉴》及各省市统计年鉴,对少量缺失值使用插值法补齐,各变量描述性统计结果如表 2所示。考虑到各变量量纲不同,实证分析中所有变量均采取Z-score标准化处理。

4 实证结果分析

4.1 基准回归分析

根据VIF和Hausman检验结果,不存在多重共线性问题,因此采用固定效应模型进行估计较为科学。表3报告了工业智能化影响整体产业结构升级和高级化、合理化维度的基准回归结果。其中,列(1)-列(3)为核心解释变量回归结果,结果显示,估计系数均显著为正;列(4)-列(5)为加入控制变量后的回归结果,结果显示,工业智能化的估计系数仍显著为正。可以看出,无论是否加入控制变量,在控制时间固定效应情况下,核心解释变量Int的估计结果有较强稳健性,即工业智能化有利于产业结构升级;分维度来看,工业智能化显著提高产业结构高级化水平,降低产业结构合理化水平,说明工业智能化主要通过促进产业结构高级化实现对产业结构升级的驱动作用,验证了假设H1提出的工业智能化对产业结构升级有直接驱动作用的论断,表明工业智能化成为新时代驱动中国产业结构升级的新动力。

4.2 异质性效应分析

考虑到沿海地区与内陆地区的资源禀赋、经济发展和智能化技术应用程度存在差异,将样本分为两类进行区域异质性分析。其中,沿海地区包括北京、天津、河北、山东、上海、江苏、浙江、福建、广东、海南;内陆地区包括辽宁、内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆、山西、吉林、黑龙江、安徽、江西、河南、湖南、湖北。回归结果见表 4,结果显示,对于沿海地区,工业智能化在1%水平上显著为正。对比产业结构高级化、合理化两个维度的估计系数,结果显示,在沿海地区,工业智能化主要通过促进产业结构高级化、提高各产业劳动生产率实现产业结构升级,而合理化程度下降显示工业智能化水平提高加剧产业结构偏离均衡状态。此外,工业智能化对内陆地区产业结构升级和高级化、合理化分维度的影响均不显著,而在沿海地区则高于基准回归中的系数,表明相对于内陆地区,沿海地区更易借助智能化技术整合资源,推动产业结构升级。那么,为什么会出现这种现象呢?本文认为原因主要在于:沿海地区工业智能化发展较早、水平较高,如北部沿海经济区的智能化基础设施完备、机器人产业链集成程度高,东部和南部沿海地区高校众多,与企业协作研发智能化核心支撑软件和控制系统,构筑工业互联网平台,表现出工业智能化对产业结构升级的显著驱动作用。内陆地区工业智能化整体水平较低,考察期初的工业智能化水平位于0.08～0.15之间,考察期末位于0.21～0.30之间,均远低于沿海地区0.15(期初)和0.35(期末)的工业智能化水平均值。考虑到工业智能化对产业结构升级驱动作用的显现需要智能化技术广泛应用、扩散并形成一定规模效应,而内陆地区的工业智能化水平较低,势必影响其对产业结构升级的驱动效果。

为了缓解反向因果引起的内生性偏差,考虑到工业智能化的滞后效应,将工业智能化变量滞后一期进行回归分析,并与基准回归结果进行对比,结果见表 5。其中,列(1)-列(3)为基准回归结果,列(4)-列(6)为Int滞后一期的回归结果。在控制其它变量以及固定效应的情况下,滞后模型结果表明,产业结构升级整体和高级化、合理化分维度的Int估计系数均显著为正,滞后一期的系数亦有所增大,意味着工业智能化对产业结构升级驱动作用的滞后效应显著存在,随着工业智能化的持续推进和广泛应用,从长期来看,工业智能化作为新时代驱动产业结构升级的新动力将会更凸显。因此,区域异质性和滞后效应检验结果部分验证了研究假设H3。

4.3 内生性问题

前文已经对可能存在的内生性问题作了相应处理:第一,在工业智能化驱动产业结构升级时,随着产业结构转向数字化、智能化,其可能反向影响工业智能化,为解决双向因果关系引致的内生性问题,选取滞后一期的Int变量替换核心解释变量进行回归,结果与原基准回归没有显著差异;第二,关于遗漏变量的内生性问题,本文在估计计量模型时控制了政府干预、经济规模、创新投入等变量,并采用Hausman检验选择固定效应模型和异方差稳健标准误进行估计,在考虑这些因素后,工业智能化的估计系数在符号和显著性上都与基准回归结果一致,因此工业智能化是新时代实现产业结构升级新动力的基本结论仍然稳健。

进一步地,本文使用两阶段最小二乘法(2SLS)估计模型。首先,选择滞后一期的Int作为工具变量。在第二种工具变量选择中,考虑到工业智能化指标体系中各指标涉及变量较多,要找到一个解释性强的工具变量具有较大难度。现有研究中工业智能化变量主要采取两类指标:一是工业机器人规模(宋旭光和左马华青,2019),二是工业智能化水平(孙早和侯玉琳,2019)。参考已有研究,本文选取工业机器人规模指标,并且借鉴美国机器人安装数构建中国工业机器人规模指标,主要基于以下考虑:第一,美国工业机器人应用处于全球领先水平,其行业发展态势能够反映该国工业智能化技术进步程度。样本期内美国工业机器人应用水平虽然领先于中国但发展情况与中国相似(王永钦和董雯,2020)。第二,在具体测度方法上,考虑到工业机器人安装量与各省域工业机器人规模不属于同一统计层面,因此将工业机器人安装量、各省域工业智能化水平排序的倒数与年份虚拟变量的乘积作为工具变量(Rob),表 6为回归结果。可以发现,在一阶段回归结果中,列(1)和列(5)中Rob与工业智能化在1%水平上显著正相关,满足相关性要求。在两阶段回归结果中,即列(2)-列(4)和列(6)-列(8)中工业智能化变量的估计系数也在1%水平上显著为正,说明工业智能化能够推动产业结构升级,且有利于产业结构高级化,而不利于产业结构合理化,这与表 3的基准回归结果一致。Kleibergen-Paap rk LM统计量和Kleibergen-Paap rk Wald F分别拒绝了识别不足检验与弱工具变量检验,说明工具变量选取是合理的。因此,在考虑内生性问题后,本文研究假设得到进一步支持。

4.4 稳健性检验

本文还尝试通过以下方式进行稳健性检验,以提高模型估计结果可靠性:①替换核心解释变量,以主成分分析法重新测算的工业智能化水平替换上文采用熵值法测度的工业智能化水平,作为核心解释变量再次进行回归;②替换被解释变量,采用韩永辉等(2017)考虑产业结构偏离度的方法衡量产业结构合理化,借鉴李洪涛和王丽丽(2021)的做法,用第三产业与第二产业之比衡量产业结构高级化水平,以上两个替代变量均为正向变量,替换变量后再次进行回归;③考虑到部分缺失数据通过插值法补齐,剔除存在缺失的研究时段,以2008-2021年为样本重新进行估计;④更换面板回归方法,采用面板校正标准误差(Panel Corrected Standard Errors,PCSE)进行检验。

稳健性检验结果见表 7、表 8,结果显示,在控制时间、个体固定效应并加入控制变量的情况下,工业智能化估计系数均保持较高一致性,证实上述研究结论稳健。同时,说明本文构建的工业智能化指标体系和产业结构升级指标具有合理性与科学性,进一步佐证了本文研究假设。

4.5 中介效应分析

以劳动力结构为中介变量的中介效应估计结果如表9所示。其中,列(1)显示,工业智能化对劳动力结构的影响系数显著为正,说明工业智能化对提高高技能劳动力占比存在积极影响。列(2)-列(4)显示,劳动力结构对产业结构高级化、合理化和产业结构升级的回归系数显著为正,说明工业智能化可以通过对劳动力结构的积极影响间接促进产业结构高级化,但对产业结构合理化有负向影响,总体上对产业结构升级有间接驱动作用。

在控制其它因素的情况下,工业智能化对产业结构高级化和高技能劳动力占比都有正向影响,工业智能化每提高1个单位,对二者分别产生0.28和0.14个单位的直接效应,进而间接推动产业结构高级化增大0.073个单位,总效应为0.35,其中,间接效应占总效应的20%。在产业结构合理化维度,工业智能化综合水平每提高1个单位,将直接导致产业结构偏离均衡状态0.22个单位,劳动力结构中高技能劳动力占比上升将间接导致产业结构合理化降低0.08个单位,总效应为0.30,其中,间接效应占总效应的27%。

总体来看,工业智能化对产业结构升级的总效应为0.25,间接效应占20%,直接效应均大于间接效应,因此在产业结构升级过程中智能化技术的驱动作用以直接溢出为主。工业智能化引发高技能劳动力需求增加,进一步促进产业结构升级,同时,间接效应的发现印证了研究假设H2,即工业智能化通过优化劳动力结构间接驱动产业结构升级,这为工业智能化成为新时代中国产业结构升级新动力的基本论断提供了进一步的证据。

4.6 非线性效应分析

在检验工业智能化与产业结构升级之间存在非线性关系之前,采用Hansen(1999)的方法对门槛效应进行检验。结果表明,工业智能化通过单一门槛检验,表 10展示了以工业智能化为门槛变量时工业智能化与产业结构高级化的回归结果。基于列(1)结果可知,在单一门槛模型下,工业智能化变量的区间系数显著为正,门槛值为-0.52,说明工业智能化与产业结构高级化之间存在显著的非线性关系。在第一门槛区间,估计系数为0.31,说明工业智能化对产业结构高级化有显著驱动效应;在第二门槛区间,工业智能化对产业结构高级化的驱动力进一步增大至0.63。列(2)显示,在产业结构合理化维度,工业智能化的非线性作用不显著。根据列(3)结果发现,工业智能化变量的区间系数均显著为正,门槛值为-0.66,在第一门槛区间,估计系数为0.31且显著,在第二门槛区间,工业智能化对产业结构升级的影响进一步扩大为0.54。显然,随着工业智能化水平提高,技术进步效应进一步显现,更易于吸引资本和劳动力等生产要素,强化产业结构高级化的积极影响,持续提升各产业劳动生产率,对产业结构升级表现为正向且边际效应递增的非线性作用特征。

5 结论与政策启示

本文从直接影响机制、间接作用渠道和非线性动态作用3个维度阐释工业智能化影响产业结构升级的内在机理,基于2004-2021年中国内地30个省域面板数据,在构建省际工业智能化水平测度指标体系的基础上,从产业结构升级整体层面和高级化、合理化分维度实证检验工业智能化对产业结构升级的驱动作用及影响渠道。主要结论如下:

第一,工业智能化在总体上有利于产业结构升级。在引入工具变量、更换解释变量、被解释变量以及剔除缺失样本后,该结论仍然成立,表明工业智能化已成为新时代驱动中国产业结构升级的新动力。

第二,工业智能化对产业结构升级的作用存在区域异质性和滞后效应。异质性分析发现,相比内陆地区,工业智能化对沿海地区产业结构升级的促进效果更显著;工业智能化的滞后效应在产业结构升级整体和高级化、合理化分维度都得到验证。从长期来看,随着工业智能化水平提高,其对产业结构升级的驱动作用将会更加明显。

第三,工业智能化还通过对高技能劳动力占比的正向影响间接驱动产业结构升级,但其间接效应弱于直接效应。

第四,工业智能化总体上对产业结构升级呈现出显著正向且边际效应递增的非线性作用特征。

工业智能化已逐渐成为产业结构升级的新驱动力,但不同地区劳动力结构、基础设施建设、政府投入等存在差异,因此工业智能化的影响效用也存在差异。据此,本文提出如下政策启示:

(1)工业智能化将深刻影响地区劳动力结构,应加速培养和吸纳高技能劳动力。为了优化劳动力结构,一方面,政府应该积极制订高技能人才引进、高新技术产业补贴和技术创新支持政策。同时,为了给区域智能化技术发展提供持续的人才支持,高校应增设智能化技术相关专业和培训,推动智能化与各学科深度融合。另一方面,政府要为低技能人才提供再教育机会,提高他们的技能水平,以适应智能化技术发展。此外,政府应积极引导各产业劳动力流向,缓解智能化技术对劳动力就业的冲击,避免产业结构偏离均衡状态,削弱工业智能化对产业结构合理化的负面影响。

(2)沿海地区必须采取切实有效的措施,依托工业智能化发展水平较高的先发优势,不断优化劳动力、资本等生产要素,同时,促进产业均衡发展。针对部分地区工业智能化发展较落后的问题,政府应积极从资金投入、产学研融合等方面强化对智能化技术发展的支持,促进地区智能化和劳动力、资本等生产要素协同发展,逐步实现智能化技术带动产业结构升级。考虑到工业智能化对产业结构升级具有边际效应递增的非线性作用特征和显著的滞后效应,政府应制定长期政策支持工业智能化发展,打造一批对产业结构升级有引领作用的示范主体,切实推进区域产业结构优化,最大限度地发挥智能化技术的驱动效用。

(3)工业智能化对产业结构升级具有显著的驱动作用,而中国工业智能化尚有较大的提升空间。政府应加强智能化基础设施建设、加大智能化技术投资力度和规模,通过打造智能化创业基地、智能化综合试验区、智能化产业园等,积极发挥智能化技术的积累效应和规模效应,引导社会资本投向智能化技术的核心环节和关键领域,不断丰富、拓展和创新智能化作用,加大智能化技术在产业结构升级中的应用,提高劳动生产率,从产业结构高级化维度助力产业结构升级。

参考文献：

[1] LAUDIEN S M, PESCH R. Understanding the influence of digitalization on service firm business model design: a qualitative-empirical analysis[J]. Review of Managerial Science, 2019, 13(3):575-587.

[2] 孙早,侯玉琳. 工业智能化如何重塑劳动力就业结构[J]. 中国工业经济,2019,37(5):61-79.

[3] 刘欢. 工业智能化如何影响城乡收入差距——来自农业转移劳动力就业视角的解释[J]. 中国农村经济,2020,36(5):55-75.

[4] 孙早,侯玉琳. 工业智能化与产业梯度转移:对“雁阵理论”的再检验[J]. 世界经济,2021,44(7):29-54.

[5] 郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动[J]. 管理世界,2019,35(7):60-77,202-203.

[6] 师博. 人工智能促进新时代中国经济结构转型升级的路径选择[J]. 西北大学学报(哲学社会科学版),2019,49(5):14-20.

[7] 吴旺延,刘珺宇. 智能制造促进中国产业转型升级的机理和路径研究[J]. 西安财经大学学报,2020,33(3):19-26.

[8] 胡俊,杜传忠. 人工智能推动产业转型升级的机制、路径及对策[J]. 经济纵横,2020,36(3):94-101.

[9] 齐鹰飞,LI YUANFEI. 财政支出的部门配置与中国产业结构升级——基于生产网络模型的分析[J]. 经济研究,2020,55(4):86-100.

[10] 余泳泽,孙鹏博,宣烨. 地方政府环境目标约束是否影响了产业转型升级[J]. 经济研究,2020,55(8):57-72.

[11] 孙大明,原毅军. 空间外溢视角下的协同创新与区域产业升级[J]. 统计研究,2019,36(10):100-114.

[12] 付文宇,李彦,赵景峰. 人工智能如何影响地区制造业优化升级——基于双重中介效应的研究[J]. 经济体制改革,2020,38(4):187-193.

[13] 刘军,陈嘉钦. 智能化能促进中国产业结构转型升级吗[J]. 现代经济探讨,2021,40(7):105-111.

[14] 张万里,宣旸. 产业智能化对产业结构升级的空间溢出效应——劳动力结构和收入分配不平等的调节作用[J]. 经济管理,2020,42(10):77-101.

[15] 宣旸,张万里. 产业智能化、收入分配与产业结构升级[J]. 财经科学,2021,65(5):103-118.

[16] SU J, SU K, WANG S. Does the digital economy promote industrial structural upgrading —a test of mediating effects based on heterogeneous technological innovation[J]. Sustainability, 2021, 13(18):10105.

[17] ZOU W,XIONG Y. Does artificial intelligence promote industrial upgrading? evidence from China[J].Economic Research-Ekonomska Istrazivanja,2023,36(1):1666-1687.

[18] 唐晓华,李静雯,邱国庆. 工业智能化技术对产业结构升级影响研究[J]. 统计与信息论坛,2022,37(7):36-44.

[19] 耿子恒,汪文祥,郭万福. 人工智能与中国产业高质量发展——基于对产业升级与产业结构优化的实证分析[J]. 宏观经济研究,2021,43(12):38-52,82.

[20] ZHAO P Y, GAO Y, SUN X. How does artificial intelligence affect green economic growth —evidence from China[J]. The Science of the Total Environment,2022, 51(33): 834.

[21] GRAETZ G, MICHAELS G. Robots at work[J]. Review of Economics and Statistics, 2018, 100(5): 753-768.

[22] YASAR M, PAUL C J M. Capital-skill complementarity, productivity and wages: evidence from plant-level data for a developing country[J]. Labour Economics, 2008, 15(1): 1-17．

[23] LAPTEV V A. Artificial intelligence and liability for its work[J]. Law: J. Higher Sch. Econ., 2019, 35 (2): 79.

[24] AUTOR D H, MURNANE L R J. The skill content of recent technological change: an empirical exploration[J].The Quarterly Journal of Economics, 2003, 118(4): 1279-1333.

[25] 周杰琦,陈达,夏南新. 人工智能对绿色经济增长的作用机制与赋能效果——产业结构优化视角[J]. 科技进步与对策,2023,40(4):45-55.

[26] ZIMME R, MANN K F. Flexibility in the face of demand fluctuations: employment, capacity utilization, and industry structure[J]. International Journal of Industrial Organization, 1995, 13(2): 179-193.

[27] ACEMOGLU D,RESTREPO P.Automation and new tasks: how technology displaces and reinstates labor[J]. Journal of Economic Perspectives,2019,33(2):3-30.

[28] 夏海波,刘耀彬,沈正兰. 网络基础设施建设对劳动力就业的影响——基于“本地—邻地”的视角[J]. 中国人口科学,2021,35(6):96-109,128.

[29] 宋鹏,曾经纬,孟凡生. 技术需求与智能制造技术创新——数字经济的导向性赋能机制[J]. 科技进步与对策,2022,39(14):63-72.

[30] 何玉梅,赵欣灏. 新型数字基础设施能够推动产业结构升级吗——来自中国272个地级市的经验证据[J]. 科技进步与对策,2021,38(17):79-86.

[31] 宋德勇,李超,李项佑. 新型基础设施建设是否促进了绿色技术创新的“量质齐升”——来自国家智慧城市试点的证据[J]. 中国人口·资源与环境,2021,32(11):155-164.

(责任编辑：胡俊健)