智能化对中国经济增长的影响研究

文/刘军 史梦雪 招玉辉

随着智能制造的大力推进，制造业智能化将提高制造业企业的生产效率和技术创新能力，成为我国经济增长的新动力。然而，智能化对经济增长的影响机理尚不明确，其影响程度也有待实证检验。针对上述问题，笔者将对智能化对中国经济增长的影响及其内在机制进行探究，并提出相关的政策建议。

机理分析

1.智能化通过提高生产效率，促进经济增长

以工业机器人为代表的智能技术逐渐渗透到企业生产运作的各个环节，提高了企业生产效率，推动了经济增长。具体而言，一是作为新的生产要素，智能技术有利于提高生产效率；二是智能化通过提升劳动力技能水平和促进生产要素优化配置两个方面，提高生产效率。

首先，智能技术作为一种新的生产要素，主要从两个方面提高生产效率，从而促进经济增长。一方面，随着智能技术的不断应用，传统机器设备向智能化转变，提高设备智能化水平。智能化设备能够进行自感知、自分析、自决策等智能活动，有利于提高企业生产效率。另一方面，通过工业机器人、人工智能等智能化设备和技术对企业生产过程进行智能化改造，实现生产过程的智能化升级（任保平和宋文月，2019），由此，从事常规性、程序性工作的劳动力可用工业机器人替代，降低了劳动力成本。同时，智能化系统可全天候工作，工作的准确性和速度都高于人类，大幅提高了企业生产效率，从而促进经济增长。

其次，智能化通过提升劳动力技能水平，提高生产效率并促进经济增长。智能化将劳动力从繁重的工作中解放出来，促使他们更有效地利用时间，学习新知识和新技能，提高自身技能水平（郭晗，2019）。同时，智能化是具有技能偏向型的技术进步，加速了劳动力市场需求分化，扩大对技术研发、智能设备与系统运行的维护等方面的高技能劳动力需求，使得企业加大对高技能劳动力的投入，高端劳动力比重逐渐增加，由此，智能化提升了整体劳动力技能水平，提高生产效率并推动经济增长。

2.智能化通过提高技术创新能力，促进经济增长

通过加快企业知识创造、知识和技术溢出，智能化可提高技术创新能力（Liu et al.，2020），从而促进经济增长。一方面，智能化加快企业知识创造。智能技术提高了企业数据收集能力，利用新形式的人机交互为企业提供更有效的信息检索和数据处理方式（Vocke et al.，2019），这有助于比以往更快地利用现有信息产生新知识和新的计算方案，加速知识重组过程，从而加快企业内部的知识创造（Agrawal et al.，2018），提高了企业技术创新能力。另一方面，智能化加快企业知识和技术溢出。在企业内各部门层面，研发部门将智能技术转移到应用部门，会导致跨部门技术创新的产生。智能技术应用部门获得越来越多创新溢出红利后，将会提出更高的智能化需求，倒逼研发部门提高技术研发能力，产生智能技术的新一轮应用，从而进一步提高创新溢出效应，这样不断重复，最终会刺激企业技术创新水平持续提高（韩先锋等，2014）。在企业间层面，新一代信息技术和物联网技术方便了企业之间信息的实时交换和共享，使得知识和技术在企业创新网络中充分交流，加速了企业间知识和技术溢出（王如玉等，2018），提高技术创新能力，从而推动经济增长。

基于上述分析，提出以下假设：

假设1：智能化有利于促进中国经济增长。

假设2：智能化通过提高生产效率和技术创新能力两种途径，促进经济增长。

模型建立与变量说明

1.模型设定

以柯布-道格拉斯生产函数作为基本模型，由于智能化发展会对经济增长产生重要影响，借鉴李小平等（2006）的做法，在柯布-道格拉斯生产函数基础上进一步纳入智能化指数（Int），得到下式：

对式（1）两边取对数，可以得到：

影响经济增长的因素较多，将文献中常用的影响经济增长的其他变量，如地区开放程度、政府支出、市场化水平加入方程中。结合省级面板的特征，将所有变量下标改为 i 和 t，分别表示地区和年份，得到下式：

第一,完善立法，规范非正规金融发展。建立各种相应的法律、行政法规、部门规章和地方性行政法规，有效地保护农村非正规金融组织正当的经营活动和财产权利，限制不当用途的生活性资金和生产性资金的借贷，打击高利贷，严惩非法集资等扰乱正常金融秩序的非法金融活动，可以增加对农业的投入，降低农村经济主体的经济负担，减少经济纠纷的发生，促进非正规金融合法化、规范化发展。

式中：Y表示经济增长；Int表示智能化程度；为控制变量；εit为随机扰动项。

2.变量说明

被解释变量：经济增长（Y）。现有研究主要选取GDP和人均GDP衡量经济增长。但进行地区比较时，由于各地区在人口和总体发展上有较大的差异，人均GDP能够更为准确地衡量地区发展水平，由此选用各地区人均GDP来衡量经济增长。

核心解释变量：智能化指数（Int）。目前，国际上关于智能化的衡量大多使用工业机器人数据，但是智能化内涵较为丰富，工业机器人仅是智能技术的应用领域之一。同时，工业机器人只有行业层面的数据，缺少各省份工业机器人使用量的相关数据。借鉴李廉水等（2019）、孙早等（2019）、刘军等（2019）的研究，从基础投入、生产应用和市场效益共三个方面构建指标体系来测度智能化指数。首先，研发经费、智能设备、互联网、人才等基础投入是推进和发展智能化的基本保障；其次，智能化技术的应用和产业化程度是衡量智能化水平的关键；最后，市场效益主要反映了智能化所获得的市场回报和市场效率，是智能化的目的。运用APH法和熵值法对指标体系进行处理，确定权重并测算各地区智能化指数，该指数越大，说明该地区智能化水平越高。

控制变量：人力资本（L）。人力资本水平的提高有利于促进地区技术进步，并且有利于学习和借鉴国外先进技术，从而发挥对经济增长的促进作用（杜伟等，2014）。借鉴刘军等（2010）的做法，用平均受教育年限来衡量。

资本投入（K）。资本投入主要表现在投资方面，投资对地区经济增长起着重要作用。参考单豪杰等（2008）的永续盘存法计算资本存量。由于研究样本为2010—2016年，把各省资本存量调整为以2010年为基期的资本存量。

地区开放程度（open）。对外开放程度越高，外资越容易进入，并且对外开放会加快人才与技术的流动，加速地区间技术溢出，提高技术创新水平，促进经济增长（刘亮等，2020）。选用各省市外商投资总额占GDP的比重来衡量。

政府支出（gov）。政府支出一方面能够改善劳动、资本等单个要素产出效率，另一方面提高地区技术创新水平，从而促进经济增长（祝接金和胡永平，2006）。然而，过度的政府支出对经济增长将会产生阻碍作用（杨子晖，2011）。以各省市地方公共财政支出占GDP的比重来衡量政府支出。

市场化水平（mar）。市场化水平的不断深入能够改善资源配置效率，同时通过改变激励传导机制提高微观经济效率，从而加快经济增长的速度（樊纲等，2011）。选用非国有企业员工占比来衡量。

3.数据来源

选取2010—2016年中国30个省级地区（除港澳台、西藏）作为研究样本，数据来源有《中国统计年鉴》《各省市统计年鉴》等。

实证结果分析

1.总体回归分析

选用固定效应（FE）、随机效应（RE）、FGLS对模型进行估计，回归软件为stata15.0。根据hausman检验的p值大于0.05，因此选择随机效应模型。比较随机效应模型和FGLS结果可以发现，两个模型得出的解释变量的符号基本一致。由于FGLS在一定程度上能够解决可能存在的异方差性和序列相关性（Wooldridge，2002），因此在FGLS估计结果的基础上分析总体回归结果。

回归结果说明，在加入相关控制变量的情况下，智能化水平提高1%时，经济增长会提升0.1806%，由此表明智能化水平的提高会显著促进经济增长，证实了假设1。这主要是因为，智能化技术的高速发展和广泛应用改善了传统要素质量，促进了生产要素优化配置，大幅提高了企业生产效率。同时，通过加快知识技术溢出提高技术创新能力，最终推动我国经济增长。

2.分区域回归分析

为进一步探讨智能化对经济增长影响的区域差异，以中西部和东部两个区域作为研究样本。借鉴杨浩昌等（2016）的做法，以中西部地区为参照组，引入东部地区（East）的虚拟变量，并将东部地区与智能化交乘（East×lnInt）。

回归结果表明，智能化对东部地区经济增长促进作用更大，这主要是因为东部地区有着丰富的科技资源和较为成熟的经济社会环境，更有利于提高智能化水平，智能化经济增长效应更大；而中西部地区智能化水平较低，其对经济增长的影响较东部小。具体来看，中西部地区劳动、资本及技术等要素的水平较低，并且智能化基础设施建设不充分，从而实现智能化配套能力弱、成本高，因此中西部地区智能化发展水平较东部地区低，从而低水平智能化的经济增长效应低于处于较高阶段的东部地区。

3.内生性问题处理

由于遗漏变量和反向因果，模型可能存在内生性问题。具体来说：一方面，可能存在同时影响智能化水平和经济增长的不可观测因素；另一方面，智能化与经济增长可能存在反向因果关系，经济增长水平越高的地方，其智能化水平往往也越高。这两个问题可能会导致智能化系数估计值存在偏误，因此，采用工具变量法缓解其中的内生性问题。借鉴刘亮等（2020）的做法，用全国智能化水平平均值作为工具变量。同时借鉴邵文波等（2014）的做法，用去除某地区的其他地区的智能化水平平均值作为工具变量。

利用2SLS对模型进行估计，回归结果表明，在解决了可能存在的内生性问题后，智能化对经济增长的正向影响依然稳健。

4.稳健性检验

为进一步证明模型的稳健性，继续进行稳健性检验。（1）更换被解释变量重新估计。上文采用人均国内生产总值作为被解释变量，这里选取各省市国内生产总值为经济增长的替代指标进行稳健性估计，估计方法选用FGLS。（2）更换核心解释变量重新估计。使用孙早等（2019）从基础建设、生产应用、竞争力和效益三个层面测度的工业智能化水平指数，进行稳健性检验。经过数据的匹配和处理，保留2010—2015年数据回归，选用FGLS进行估计。（3）替换回归方法。由于经济增长的持续性，上一期经济增长可能会直接影响下一期的经济增长，基准结果因此可能会有误差，因此采用系统GMM估计方法进行估计。

稳健性检验结果显示，核心解释变量均显著为正，验证了智能化能够促进经济增长，即进一步佐证了假设1。

5.机制检验

根据内在机制分析，智能化之所以能够促进经济增长，是由于其提高了生产效率和促进技术创新。将通过构建中介效应模型验证上述影响机制，借鉴温忠麟等（2014）的研究，对模型（4）～（6）进行逐步回归，以检验是否存在这种传导途径。

式中：med为中介变量，包括生产效率（Prod）和技术创新（Patent）。生产效率（Prod）采用DEA方法计算的技术效率来衡量（余泳泽等，2016）；技术创新（Patent）采用各地区专利授权量来衡量。

依然采用FGLS方法对模型进行估计。以生产效率为中介变量的结果显示，方程4中的智能化对经济增长的影响系数为正，并在1%水平上显著，这意味着智能化对经济增长的影响存在中介效应。方程5中智能化对生产效率的影响系数φ显著为正。方程6中生产效率对经济增长的影响系数ψ显著为正，表明间接效应显著，并且智能化对经济增长的影响系数β'显著为正，φψ和β'同号，说明中介变量存在部分中介效应，中介效应在总效应中占比4.19%。上述结果表明，智能化有利于提高生产效率，推动经济增长，部分验证了假说2。

以技术创新为中介变量的结果显示，智能化对经济增长的影响也存在中介效应；智能化水平提升显著促进了技术创新；并且技术创新和智能化水平的系数都显著为正，存在部分中介效应，中介效应在总效应中占比36.33%。这意味着提升智能化水平可提高技术创新能力，从而促进经济增长，假设2被证实。

结论与启示

笔者研究了智能化对中国经济增长的影响及作用机制，并进行实证检验，结果表明：在加入相关控制变量后，智能化能够显著地促进我国经济增长，该结论在考虑模型内生性等问题后，依然成立；区域异质性结果表明，相比于中西部地区，东部地区的智能化转型带来了更多的经济增长效应；机制检验结果表明，提高生产效率和技术创新能力是智能化促进经济增长的两种重要途径。对此：

一是提高我国智能化水平，促进经济增长。一方面，强化工业机器人、人工智能等智能化设备和技术在企业技术研发、生产与控制等方面的应用，提高企业智能化水平，实现制造装备和生产流程智能化升级，提高生产效率。另一方面，推动智能化在企业间快速流转和扩散，加快新知识的产生与溢出，提高技术创新能力。

二是各地区实施差异化的智能化战略，促进经济增长。中国各区域的智能化水平有较大差异，在推动智能化发展过程中要结合各区域本身的特点，提出差异化的智能化发展路径。如东部地区应充分利用其良好的产业基础和丰富的创新资源，积极地培育和建设人工智能产业园区，加速高技术产业集聚，通过进一步提升智能化水平促进经济增长；中西部地区则要注重推行智能化扶持性政策，加强智能化基础设施建设，积极引进智能技术和高技能人才，为实现智能化提供支撑，并加强财政支持力度，降低向智能化转型的成本和风险，扩大其经济增长效应。