勞動智能化改善了勞動者就業(yè)質(zhì)量嗎？

明娟　鮑翔宇　張藝

摘 要：勞動智能化不僅提高了勞動效率和生產(chǎn)質(zhì)量，而且對勞動者的就業(yè)狀態(tài)產(chǎn)生了深遠影響。采用中國勞動力動態(tài)調(diào)查（CLDS）2018年個體問卷數(shù)據(jù)的分析發(fā)現(xiàn)：相比勞動還未智能化的勞動者，勞動智能化的勞動者具有較高的就業(yè)質(zhì)量，經(jīng)過內(nèi)生性處理和穩(wěn)健性檢驗后該結論依然成立；勞動智能化有利于勞動者的工資增長，但對勞動者工作條件的影響不顯著，表明勞動智能化主要是通過提高勞動報酬來提升樣本個體的就業(yè)質(zhì)量；勞動智能化對不同類型勞動者就業(yè)質(zhì)量的影響存在顯著差異，表現(xiàn)為對男性勞動者、35歲及以下勞動者、高技能勞動者的就業(yè)質(zhì)量改善作用較強；勞動智能化對就業(yè)質(zhì)量的改善受到勞動者非認知能力的調(diào)節(jié)，即勞動者非認知能力的提高會強化勞動智能化的就業(yè)質(zhì)量改善效應。因此，在積極推進勞動智能化的同時，要不斷提升勞動者技能水平和非認知能力以增強勞動者的智能化適應能力，還應特別重視勞動者工作條件的改善以充分發(fā)揮勞動智能化改善工作條件的潛在功效。

關鍵詞：勞動智能化；就業(yè)質(zhì)量；貨幣收入；工作條件；勞動技能；非認知能力；智能化勞動

中圖分類號：F062.4；F24文獻標志碼：A文章編號：1674-8131（）0-0001-14

引用格式：明娟，鮑翔宇，張藝.勞動智能化改善了勞動者就業(yè)質(zhì)量嗎？［J］.西部論壇，2023，33（3）：1-14.

MING Juan， BAO Xiang-yu， ZHANG Yi. Does labor intelligence improve the quality of laborer employment？［J］. West Forum， 2023， 33（3）：1-14.

一、引言

中國式現(xiàn)代化要持續(xù)增進民生福祉，不斷提高人民生活品質(zhì)。勞動者的就業(yè)質(zhì)量是民生福祉的重要內(nèi)容，在實現(xiàn)社會財富快速增長的同時，切實提高全體勞動者的就業(yè)質(zhì)量是全面建成社會主義現(xiàn)代化強國的本質(zhì)要求。技術進步不僅會改變經(jīng)濟發(fā)展形態(tài)，也會革新勞動方式，勞動智能化成為數(shù)字經(jīng)濟下勞動方式演變的必然趨勢。勞動智能化，是指在勞動過程中利用先進的智能技術和設備，實現(xiàn)勞動過程自動化、智能化和數(shù)字化，以提高生產(chǎn)效率、降低成本的勞動模式轉變。從理論上講，得益于技術進步的勞動智能化改變了傳統(tǒng)的生產(chǎn)模式，提升了生產(chǎn)效率，增強了生產(chǎn)的可持續(xù)性和競爭力，并可以改善勞動者的勞動條件，減少人工操作，降低工傷事故率。那么，在經(jīng)濟實踐中，勞動智能化能否帶來勞動者就業(yè)質(zhì)量的顯著改善？雖然越來越多的經(jīng)驗證據(jù)表明勞動智能化對生產(chǎn)力發(fā)展具有積極的影響，但關于勞動智能化對勞動者的影響，相關文獻的實證分析主要聚焦于就業(yè)機會和收入水平等，而就業(yè)質(zhì)量是對勞動者工作狀況的綜合評價，包含多維特征（侯俊軍 等，2020）［1］。因此，勞動智能化對勞動者就業(yè)質(zhì)量的影響及其機制還有待更加全面深入的研究。

勞動智能化是智能技術及機器人等智能應用于生產(chǎn)過程的結果，會對勞動力市場和就業(yè)質(zhì)量產(chǎn)生深遠影響?，F(xiàn)有研究主要探討了人工智能、工業(yè)機器人等對就業(yè)質(zhì)量的影響，并形成兩種觀點：一是抑制論，認為人工智能等會對勞動者就業(yè)質(zhì)量的提升產(chǎn)生不利影響。比如，智能化產(chǎn)生的替代效應會降低勞動者工作的穩(wěn)定性和社會保障水平，從而影響勞動者就業(yè)質(zhì)量（齊樂 等，2022）［2］。二是提升論，認為人工智能等會提高勞動者的就業(yè)質(zhì)量。比如，智能技術可以通過提高生產(chǎn)效率、縮短勞動者工作時間、優(yōu)化人力資本結構、促進勞動要素自由流動等途徑提升勞動者就業(yè)質(zhì)量（王軍 等，2018）［3］；人工智能能夠通過“人機融合”提高勞動效率、優(yōu)化產(chǎn)業(yè)結構、提升人力資本水平等促進就業(yè)質(zhì)量改善（陳志 等，2022）［4］；“機器換人”可以提高在崗職工的收入，并改善工作環(huán)境，進而促進就業(yè)質(zhì)量提升（侯俊軍，等，2020）［1］。總體來說，關于智能技術應用對勞動者就業(yè)質(zhì)量的影響，還未得到一致性結論，且缺乏從勞動智能化角度進行的深入研究。

本文旨在探討勞動智能化對就業(yè)質(zhì)量的影響，并采用“中國勞動力動態(tài)調(diào)查”（China Labor-force Dynamics Survey，CLDS）2018年的數(shù)據(jù)進行實證檢驗。本文的邊際貢獻主要在于：一是有別于現(xiàn)有文獻多從宏觀層面分析智能化對勞動者就業(yè)和工資等的影響，采用CLDS個體問卷數(shù)據(jù)從微觀層面分析勞動智能化對勞動者個體就業(yè)質(zhì)量的影響；二是已有文獻多基于工資收入、工作環(huán)境、工作強度等單維度指標分析智能化對勞動者就業(yè)的影響，本文基于勞動者的貨幣收入和工作條件構建多維度的就業(yè)質(zhì)量綜合指標，分析了勞動智能化對勞動者綜合就業(yè)質(zhì)量的影響；三是進一步分析了非認知能力在勞動智能化影響勞動者就業(yè)質(zhì)量中的調(diào)節(jié)作用，并從性別、年齡、技能等方面探究了勞動智能化影響勞動者就業(yè)質(zhì)量的異質(zhì)性，為勞動智能化的就業(yè)質(zhì)量改善效應及其作用機制提供了經(jīng)驗證據(jù)。

二、理論分析與研究假說

1. 勞動智能化對勞動者就業(yè)質(zhì)量的改善

勞動者的就業(yè)質(zhì)量通常包括勞動報酬和勞動環(huán)境（條件）兩個方面。根據(jù)現(xiàn)有研究，勞動智能化可以產(chǎn)生補償效應，促進整體就業(yè)增長，并通過收入提升效應、工作條件改善效應等來改善勞動者的就業(yè)質(zhì)量。從補償效應來看，智能技術應用帶來的效率提升和技術擴散使得相關產(chǎn)業(yè)規(guī)模擴大，增加總體就業(yè)需求（惠煒，2022）［5］，從而彌補勞動被智能技術替代產(chǎn)生的失業(yè)；還可以創(chuàng)造出新的就業(yè)崗位，穩(wěn)定和增加勞動力就業(yè)（Mcguinness et al，2019；蔡躍洲 等，2019）［6-7］。

一方面，勞動智能化促進了生產(chǎn)力的發(fā)展，不僅會降低生產(chǎn)成本，而且能提高勞動者收入，從而產(chǎn)生收入增長效應（王軍 等，2018）［3］。生產(chǎn)過程中使用智能技術可以通過“價格-生產(chǎn)率效應”和“規(guī)模-生產(chǎn)率效應”兩種互補方式提高勞動者的收入（Acemoglu et al，2018）［8］，且智能技術對勞動者收入的正向影響具有較強的持續(xù)性（閆雪凌 等，2021）［9］。

另一方面，勞動智能化可以優(yōu)化勞動者工作環(huán)境，減輕勞動者工作強度，提高勞動者工作自主性，從而產(chǎn)生工作條件改善效應。首先，人工智能等智能設備可以替代工作中一些不安全或不適合人力完成的任務（周卓華，2020）［10］，降低或消除勞動者工作的危險性；同時，智能技術的發(fā)展讓居家辦公、遠程協(xié)作和人機協(xié)作成為可能，勞動者的工作空間跨度加大、勞動效率提升，從而改善了勞動者的工作環(huán)境。其次，企業(yè)在重復性、簡單生產(chǎn)環(huán)節(jié)引入智能設備，使復雜的體力勞動自動化，可以減少勞動者的工作強度并增加勞動者的閑暇時間，進而提高勞動者的心理舒適度（王軍 等，2018）［3］。最后，勞動智能化通過改變工作內(nèi)容和任務分配方式引起組織管理的變化，可以提高勞動者工作的靈活性和自主性。勞動智能化減少了勞動者的通勤時間，降低了工作場所限制，勞動者可以更好地控制工作節(jié)奏；同時，勞動者通過自主學習和互助交流，在專業(yè)技能、自我管理、時間管理、信息處理等方面也會得到較大提升，工作自主性將進一步增強。

基于此，本文提出假說1：勞動智能化可以促進勞動者就業(yè)質(zhì)量的改善。

2. 勞動智能化影響就業(yè)質(zhì)量的異質(zhì)性

不同類型的勞動者受智能化的影響可能有所不同，因而勞動智能化對其就業(yè)質(zhì)量的影響也存在差異。對此，本文從性別、年齡和技能3個方面進行探討。

（1）勞動者性別的異質(zhì)性。在當前的就業(yè)結構中，男性勞動者在較高層級的職業(yè)以及STEM（科學、技術、工程、數(shù)學）職業(yè)中的占比較高，因而可以通過勞動智能化的補償效應和收入效應中獲得更多收益（Brussevich et al，2018；Aksoy et al，2021）［11-12］。而女性勞動者往往會承擔更多的家庭責任，輔導孩子學習、做家務等各項家庭無償勞動的時長明顯高于男性勞動者，導致其在工作中獲得和享受的智能化紅利相對較少（汪前元 等，2022）［13］。同時，在任務分配上，男性通常被認為在思維能力、機器設備的學習能力和邏輯推理能力等方面存在優(yōu)勢，女性則往往被認為在溝通設計能力、細心等方面存在優(yōu)勢，企業(yè)通常會優(yōu)先對男性員工進行智能技術培訓，導致男性在勞動智能化中獲得更多的機會和收益。此外，現(xiàn)階段勞動智能化對工作任務的改變主要是替代體力勞動，而這類工作更多由男性擔任。因此，相對于男性勞動者，勞動智能化對女性勞動者就業(yè)質(zhì)量的改善效應較弱。

（2）勞動者年齡的異質(zhì)性。相比于中老年勞動者，青年勞動者更具開拓、創(chuàng)新、冒險精神，在體力和精力方面也具有優(yōu)勢，更能適應就業(yè)形式的變化，且被智能技術和設備替代的風險較小。 一方面，智能技術的應用需要勞動者學習和掌握新技能，年輕人的知識水平和學習能力均較高；另一方面，勞動者在就業(yè)選擇上往往會受到環(huán)境、家庭、教育背景等因素的約束，并存在路徑依賴和職業(yè)慣性，隨年齡增長勞動者更加偏好穩(wěn)定的職業(yè)，而不愿意接受工作改變的挑戰(zhàn)。同時，智能技術的應用對創(chuàng)造思維和學習能力的要求提高，青年勞動者比老年勞動者對機械操作的學習和動手能力更強。此外，目前智能技術更多的是用于替代環(huán)境差、強度高的工作，而這部分工作大多由中青年勞動力完成。因此，勞動智能化會為青年勞動者創(chuàng)造更多機會，從而對青年勞動者就業(yè)質(zhì)量的改善更為明顯。

（3）勞動者技能的異質(zhì)性。勞動智能化對不同技能勞動者的影響具有明顯差異，導致勞動力市場呈現(xiàn)兩極極化（高技能勞動力和低技能勞動力就業(yè)相對增加，而中等技能勞動力就業(yè)相對減少）或單極極化（高技能勞動力就業(yè)增加而中低技能勞動力就業(yè)減少）的趨勢（明娟 等，2022）［14］。勞動智能化不僅通過替代非技能勞動崗位和創(chuàng)造技能勞動崗位的非對稱方式擴大勞動技能溢價（胡晟明 等，2021）［15］，還可以通過提高技能勞動者相對非技能勞動者的勞動生產(chǎn)率造成技能溢價（Acemoglu，1998）［16］。勞動智能化與高技能勞動之間更多的是互補關系，人機合作等提高了高技能勞動者的生產(chǎn)率，從而增加高技能勞動者的收入；勞動智能化與低技能勞動之間則更多的是替代關系，智能技術的應用替代了低技能勞動者的勞動，從而減少低技能勞動者的收入（何勤，2021）［17］。因此，與低技能勞動者相比，高技能勞動者更容易獲取勞動智能化的紅利，工作報酬更易得到增長，工作環(huán)境更易得到優(yōu)化，工作自主性更易得到提高，從而產(chǎn)生更為顯著的就業(yè)質(zhì)量改善效應。

基于此，本文提出假說2：與女性、老年、低技能勞動者相比，勞動智能化對男性、青年、高技能勞動者就業(yè)質(zhì)量的改善更為顯著。

3.非認知能力的調(diào)節(jié)效應

新人力資本理論認為能力是人力資本的核心，包括認知能力與非認知能力。認知能力主要指人腦加工、儲存和提取信息的能力；非認知能力主要指性格、情感、意志等，包含人際交往能力、適應能力、對事物的好奇心等內(nèi)容。相比認知能力，非認知能力在勞動智能化促進就業(yè)質(zhì)量改善中發(fā)揮的作用更為明顯。一方面，與認知能力相比，人工智能技術與非認知能力會形成較強的互補性。非認知能力較強的勞動者可以更好地與人工智能技術環(huán)境融合，從而更有利于在工作中產(chǎn)生能力溢價，并實現(xiàn)較快的收入增長（王林輝 等，2022）［18］。另一方面，相比于認知能力，非認知能力的提升空間更大，可以產(chǎn)生更顯著的邊際效應（李陽 等，2023）［19］。因此，本文主要分析非認知能力對勞動智能化影響勞動者就業(yè)質(zhì)量的調(diào)節(jié)作用。

勞動智能化對勞動者就業(yè)質(zhì)量的影響會因勞動者非認知能力的提高而發(fā)生變化。一方面，非認知能力的提高有助于勞動者在智能化背景下獲得更好的就業(yè)機會，從而改善其就業(yè)質(zhì)量。隨著技術的進步，一些重復性、通過反復練習獲得的操作技能（“硬技能”）很容易被智能技術和設備所替代，而創(chuàng)造力、創(chuàng)新、社會化、領導能力等非認知能力（“軟技能”）很難被智能技術替代和模仿。此外，勞動者的非認知能力越強，越有利于人機協(xié)調(diào)和互補（尤其是情緒穩(wěn)定、社交、信任等在人機協(xié)同中發(fā)揮著重要作用），越能促進勞動生產(chǎn)率的提升和勞動者收入的增長（胡晟明 等，2021）［20］。另一方面，非認知能力的提高有助于勞動者更好地面對由勞動智能化帶來的工作變化和工作壓力，提升勞動者的心理舒適度。智能技術的應用會對工作流程進行重組，對工作任務進行標準化，技術和算法成為重要的管理手段，導致短時工作壓力驟增，加大了勞動者的負擔和心理壓力；同時，勞動智能化會拓寬勞動者的工作地點，一定程度上模糊工作與家庭的界限，客觀上增加工作時間，造成情緒消耗。而勞動者的非認知能力提高，可以使勞動者更好地調(diào)整工作方式、調(diào)節(jié)心理狀態(tài)，以更好地應對智能化沖擊中帶來的工作壓力（李陽 等，2023）［19］。

基于此，本文提出假說3：非認知能力對勞動智能化改善勞動者就業(yè)質(zhì)量具有正向調(diào)節(jié)作用。

三、實證研究設計

1. 模型設定與變量測度

為檢驗勞動智能化對勞動者就業(yè)質(zhì)量的影響，參考Mcguinness等（2019）的實證策略構建如下基準模型［6］：

其中，i表示勞動者個體，i為隨機誤差項。

被解釋變量（Qualityi）為“就業(yè)質(zhì)量”。隨著經(jīng)濟社會的發(fā)展，勞動者就業(yè)質(zhì)量的內(nèi)涵不斷拓展，如工作生活質(zhì)量、體面勞動、工作滿意度、高質(zhì)量就業(yè)等。Eurofound（2012）認為，就業(yè)質(zhì)量的綜合評價應兼顧貨幣方面的勞動收入和非貨幣方面的工作條件［21］。本文借鑒Antón等（2021）的測量方法［22］，從貨幣收入和工作條件兩個方面來評價樣本的“就業(yè)質(zhì)量”。貨幣收入即“工資水平”，數(shù)據(jù)直接取自CLDS問卷，用扣稅后的年工資性收入總額來衡量；“工作條件”的測度指標包括工作強度、工作環(huán)境、自主權、培訓情況等維度，采用主成分分析法計算得到綜合指標（ 工作強度和工作環(huán)境根據(jù)問題“請您對工作時間進行評價”和“請您對工作環(huán)境進行評價”進行賦值，非常不滿意、不太滿意、一般、比較滿意、非常滿意依次賦值1、2、3、4、5；自主權根據(jù)問題“在您的工作中工作進度多大程度上由自己來決定”和“在您的工作中工作量/工作強度在多大程度上由自己來決定”進行賦值，完全由他人決定賦值為1，部分由自己決定賦值為2，完全由自己決定賦值為3；培訓情況根據(jù)問題“2017年7月以來您是否有參加過至少5天的專業(yè)技術培訓”進行賦值，是和否分別賦值1和0。對上述變量標準化處理后進行可行性檢驗，通過KMO檢驗和Bartlett檢驗（KMO=0.517，Bartlett檢驗P值為0），按照累計貢獻率超過50%、特征值大于1的原則提取出2個主成分（主成分1包含工作強度、自主權、培訓情況，主成分2包含工作環(huán)境），根據(jù)2個主成分的方差貢獻率進行加權擬合，得到“工作條件”綜合指標。）；在此基礎上，采用主成分分析法構建“就業(yè)質(zhì)量”綜合指標（ 所有變量標準化處理后進行可行性檢驗，通過KMO檢驗和Bartlett檢驗（KMO=0.5281，Bartlett檢驗P值為0），適合使用主成分分析進行降維；根據(jù)特征值和因子貢獻率，提取出3個主成分（累積方差貢獻率達到73.44%），主成分1包含工作進度的決定程度、工作量/工作強度的決定程度、工作環(huán)境，主成分2包含工作時間，主成分3包含培訓情況和工資收入；進一步根據(jù)3個主成分的方差貢獻率進行加權擬合，得到“就業(yè)質(zhì)量”綜合指標。）。

核心解釋變量（SDTi）為“勞動智能化”。參考Mcguinness等（2019）的方法［6］，采用勞動是否智能化的虛擬變量來衡量，若樣本所在單位的勞動過程實現(xiàn)了或正在進行智能化，且樣本認為自己的技能（工作）發(fā)生了變化，則賦值為1，否則賦值為0。本文基于CLDS問卷的數(shù)據(jù)可得性，選取兩個問題來測量“勞動智能化”：問題1“是否經(jīng)歷智能化：您所在的工作單位是否正在使用高度智能化、機器人、人工智能（如無人駕駛、機器翻譯、工業(yè)機器人等）等技術”，問題2“技能是否發(fā)生變化：您的工作有沒有因高度智能化、機器人、人工智能等新的技術而改變”。如果對這兩個問題的回答均為肯定，則認為該樣本在勞動過程中經(jīng)歷了智能化并認為自己的技能（工作）發(fā)生了變化，即“勞動智能化”變量賦值為1。

參考Mcguinness等（2019）和侯俊軍等（2020）的做法［6］［1］，控制變量包括個體特征（Individuali）、工作特征（Jobi）、行業(yè)特征（Occupationi）和地區(qū)特征（Districti）。個體特征變量包括“性別”“年齡”“受教育程度”；工作特征變量包括“單位類型”“合同類型”“公司規(guī)?！薄熬蜆I(yè)年限”；行業(yè)特征變量，參考毛宇飛和胡文馨（2020）的分類方法［23］，其他行業(yè)取值為0，新經(jīng)濟行業(yè)取值為1，傳統(tǒng)行業(yè)取值為2（ 將問卷中16個行業(yè)劃分為傳統(tǒng)行業(yè)、新經(jīng)濟行業(yè)和其他行業(yè)三類，其中新經(jīng)濟行業(yè)包括信息傳輸、金融業(yè)、科學研究和技術服務、教育、衛(wèi)生/體育、社會服務；傳統(tǒng)行業(yè)包含農(nóng)林牧漁、采掘業(yè)、制造業(yè)、電力煤氣及水的生產(chǎn)和供給業(yè)、建筑業(yè)、批發(fā)和零售、房地產(chǎn)、水利。）；地區(qū)特征變量，西部地區(qū)取值為0，東部地區(qū)取值為1，中部地區(qū)取值為2（ 參考國家統(tǒng)計局的劃分標準，將問卷中的28個省份劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)，其中西部地區(qū)包括內(nèi)蒙古、重慶、四川、廣西、貴州、云南、陜西、甘肅、青海、寧夏，東部地區(qū)包括北京、天津、上海、江蘇、浙江、福建、山東、廣東、河北、遼寧，其他省份為中部地區(qū)。）。

2. 樣本選擇與數(shù)據(jù)處理

本文數(shù)據(jù)來源于中山大學社會科學調(diào)查中心主持的中國勞動力動態(tài)調(diào)查（CLDS）2018年的個體問卷數(shù)據(jù)。2018年CLDS數(shù)據(jù)覆蓋了除港澳臺地區(qū)、新疆、西藏和海南之外的28個省區(qū)市，并在個體、家庭和社區(qū)三個層面上收集數(shù)據(jù)。其中，CLDS個體問卷收集了家庭中年滿15周歲且仍在工作的勞動力信息，包括勞動者的工作收入、工作環(huán)境、工作壓力等，并詢問了機器人、人工智能、自動化等對其工作和技能的影響，可以較好地反映勞動智能化對就業(yè)質(zhì)量的影響，基本滿足研究的數(shù)據(jù)要求。本文剔除了工作單位為黨政機關、人民團體、軍隊的樣本，只保留了就業(yè)單位為國有、集體及私營企業(yè)的樣本，進一步剔除數(shù)據(jù)缺失和異常的樣本后，最終納入分析的樣本量為1 997個，主要變量的描述性統(tǒng)計見表1。

四、實證檢驗結果分析

1. 基準模型回歸結果

考慮到采用的樣本數(shù)據(jù)為橫截面數(shù)據(jù)、被解釋變量“就業(yè)質(zhì)量”的連續(xù)性以及問卷回答的序數(shù)設定，線性模型的回歸結果能更直觀地呈現(xiàn)邊際效應，并參考Mcguinness等（2019）的做法［6］，采用最小二乘估計（OLS）來檢驗勞動智能化對就業(yè)質(zhì)量的影響?；鶞誓Ｐ突貧w結果見表2，其中（1）～（4）列依次納入個體特征、工作特征、行業(yè)特征、地區(qū)特征變量，“勞動智能化”對“就業(yè)質(zhì)量”的估計系數(shù)均顯著為正，表明勞動智能化促使勞動者的就業(yè)質(zhì)量得以提升，假說1得到驗證。進一步分別以“工資水平”和“工作條件”為被解釋變量進行模型檢驗，回歸結果見表2的（5）（6）列?！皠趧又悄芑睂Α肮べY水平”的估計系數(shù)顯著為正，對“工作條件”的估計系數(shù)為正但不顯著（ 現(xiàn)階段，智能技術的應用主要是通過提高勞動者就業(yè)能力和拓寬勞動者就業(yè)機會等來增加勞動者的工資收入，短期內(nèi)對勞動者工作條件的改善有限。勞動智能化改變了勞動者工作的內(nèi)容和形式，提供了更好地控制工作節(jié)奏和組織形式的可能性，但也可能模糊工作與生活界限，增加勞動者的工作時間，降低勞動者自主權（Mazmanian et al，2013）［24］。同時，智能技術的精確性、可預測性和標準化還可能導致勞動者工作強度增加。因此，短期內(nèi)勞動智能化對勞動者工作條件的改善不明顯。），表明勞動智能化主要是通過提升勞動者的勞動收入來提高其就業(yè)質(zhì)量。

2. 內(nèi)生性處理

（1）IV-2SLS估計。本文的模型可能存在內(nèi)生性問題：一方面，勞動者心理狀態(tài)、過往經(jīng)歷遭遇等不可觀測因素都可能影響勞動者就業(yè)質(zhì)量，從而產(chǎn)生遺漏變量問題；另一方面，勞動者就業(yè)質(zhì)量越好，說明企業(yè)效益和規(guī)模越大，越有可能引進人工智能等新技術，形成反向因果關系。為克服反向因果關系和遺漏變量導致的內(nèi)生性問題，本文運用工具變量兩階段最小二乘法進行檢驗。借鑒齊樂和陶建平（2021）的思路［2］，選用“智能科技成果”作為“勞動智能化”的工具變量，具體來講，通過對《中國科技項目創(chuàng)新成果鑒定意見數(shù)據(jù)庫》的關鍵詞搜索獲得各省份2018年的智能科技成果數(shù)量。智能科技成果是勞動智能化的技術體現(xiàn)，能夠直接推動勞動智能化的發(fā)展；同時，智能技術成果與勞動者的就業(yè)質(zhì)量沒有直接關系，只有通過產(chǎn)業(yè)化等實際運用才能轉變?yōu)樯a(chǎn)力。因此，工具變量的選擇符合相關性和外生性要求。IV-2SLS的估計結果見表3的（1）（2）列：第一階段回歸的F統(tǒng)計值為12.237，表明不存在弱工具變量問題；“智能科技成果”的估計系數(shù)在1%的水平上顯著，表明工具變量與內(nèi)生變量具有顯著正相關關系。第二階段回歸中，擬合的“勞動智能化”對“就業(yè)質(zhì)量”的估計系數(shù)在1%的水平顯著為正，表明在緩解內(nèi)生性問題后，基準模型的分析結果仍然成立。

（2）PSM估計?；鶞誓Ｐ偷墓烙嬤€可能存在樣本自選擇問題，并非新技術應用帶來的勞動智能化提高了就業(yè)質(zhì)量，而由于是廣泛應用智能技術的企業(yè)本身吸納的員工技能或教育水平較高（即其就業(yè)質(zhì)量原本就較高）。為克服樣本選擇偏差，本文采用傾向得分匹配（PSM）方法進行樣本處理，即選擇具有相同特征的實驗組和對照組樣本來進行檢驗。借鑒Mcguinness 等（2019）的做法［6］，采用Logit模型獲得傾向得分，然后運用核匹配法將實驗組與對照組個體的傾向得分值進行匹配，從而使得兩組樣本之間的特征變量均值沒有顯著差異?；貧w結果見表3的（3）列，“勞動智能化”對“就業(yè)質(zhì)量”的估計系數(shù)顯著為正，表明在排除樣本的自選擇后，本文的分析結論仍然成立。

3. 穩(wěn)健性檢驗

為進一步驗證基準模型分析結果的可靠性，進行以下穩(wěn)健性檢驗：一是改變被解釋變量測算方法。參考王陽（2019）的做法［25］，采用熵值法測算“就業(yè)質(zhì)量”，重新進行模型檢驗，回歸結果見表4的（1）列。二是剔除特殊樣本。直轄市具有明顯的區(qū)位優(yōu)勢和經(jīng)濟政治優(yōu)勢，有一定的特殊性，因此剔除北京、天津、上海、重慶4個直轄市的樣本后重新進行回歸，結果見表4的（2）列。三是數(shù)據(jù)縮尾處理。為避免極端值和異常值對回歸結果的影響，對樣本數(shù)據(jù)進行1%和5%縮尾處理，重新進行回歸，結果見表4的（3）（4）列。上述穩(wěn)健性檢驗結果顯示，“勞動智能化”對“就業(yè)質(zhì)量”的估計系數(shù)均顯著為正，表明勞動智能化有助于改善勞動者就業(yè)質(zhì)量的結論具有較好的穩(wěn)健性。

4.異質(zhì)性分析

分別對男性和女性樣本的分析結果見表5。勞動智能化對男性勞動者的就業(yè)質(zhì)量以及工資水平和工作條件均有顯著的改善作用，而對女性勞動者的就業(yè)質(zhì)量及工作條件具有負向影響。參考張世偉和張君凱（2022）的方法［26］，將35歲作為年齡異質(zhì)性分析的樣本劃分標準（ 一般來講，35歲是個人職業(yè)發(fā)展的一個分水嶺，35歲之前和35歲以后個體面臨的職業(yè)發(fā)展和擇業(yè)機會有明顯差異，因此本文將樣本根據(jù)其年齡劃分為35歲及以下和35歲以上兩組。），分別進行回歸的結果見表6。勞動智能化對35歲及以下勞動者的就業(yè)質(zhì)量有顯著正向影響，且主要通過優(yōu)化工作條件來改善其就業(yè)質(zhì)量；勞動智能化對35歲以上勞動者的工資水平有正向影響，但對就業(yè)質(zhì)量的影響不顯著。參考侯俊軍等（2020）的方法［1］，用受教育水平衡量勞動者的技能水平，初中以下學歷為低技能勞動者，初中和高中學歷為中技能勞動者，大專及以上學歷為高技能勞動者，分別回歸的結果見表7。勞動智能化對高技能勞動者就業(yè)質(zhì)量有顯著的正向影響，對中、低技能勞動者就業(yè)質(zhì)量的影響不顯著；此外，勞動智能化對高技能勞動者和低技能勞動者的工資水平也有正向影響。綜上所述，總體上看，勞動智能化對男性、35歲及以下、高技能勞動者的就業(yè)質(zhì)量改善效應更為顯著，假說2基本得到驗證。

5.調(diào)節(jié)效應檢驗

根據(jù)前文的理論分析，借鑒孫雪等（2022）的研究［27］，選取“非認知能力”作為調(diào)節(jié)變量。參考王林輝等（2022）、孫雪等（2022）的方法［18］［27］，基于大五人格模型，從嚴謹性、外向性、順從性、情緒穩(wěn)定性、開放性五個方面選取指標（ 嚴謹性根據(jù)問題“努力完成該做的事情”進行賦值，非常不同意、不同意、同意、非常同意，依次賦值1、2、3、4；外向性根據(jù)問題有“生活幸福感”進行賦值，從非常不幸福到非常幸福依次賦值1、2、3、4、5；順從性根據(jù)問題“被訪者合作程度”進行賦值，很不合作、不合作、合作、很合作依次賦值1、2、3、4；情緒穩(wěn)定性根據(jù)問題“感到身心疲憊頻率”進行賦值，每天、一周數(shù)次、一月數(shù)次、一年數(shù)次或更少、從不依次賦值1、2、3、4、5；開放性根據(jù)問題“在工作中表達意見的機會”和“工作有趣度”進行賦值，非常不滿意、不太滿意、一般、比較滿意、非常滿意依次賦值1、2、3、4、5。），并運用主成分分析法測度“非認知能力”（ 變量標準化處理后進行可行性檢驗，通過KMO檢驗和Bartlett檢驗（KMO=0.645，Bartlett檢驗P值為0），提取出2個主成分（主成分1包含生活幸福感、在工作中表達意見機會、工作有趣度、感覺身心疲憊頻率，主成分2包含努力完成該做的事情、被訪者的合作態(tài)度），根據(jù)2個主成分的方差貢獻率進行加權擬合得到“非認知能力”綜合指標。），進而構建“非認知能力”與“勞動智能化”的交互項，納入基準模型進行回歸，結果見表8?！皠趧又悄芑练钦J知能力”對“就業(yè)質(zhì)量”和“工資水平”的估計系數(shù)顯著為正，表明勞動者非認知能力提高會強化勞動智能化對就業(yè)質(zhì)量的改善效應，假說3得到驗證。此外，“非認知能力”的估計系數(shù)均顯著為正，表明勞動者認知能力的提升可以顯著改善其就業(yè)質(zhì)量。

五、結論與啟示

數(shù)字經(jīng)濟的快速發(fā)展以及智能技術的廣泛應用不但提高了勞動生產(chǎn)率，而且改變了勞動者的勞動方式。勞動智能化對勞動者工作方式、工作環(huán)境以及勞動收入都會產(chǎn)生顯著影響，然而，現(xiàn)有文獻關于勞動智能化對勞動者就業(yè)質(zhì)量的影響及其作用機制研究不足。本文采用中國勞動力動態(tài)調(diào)查（CLDS）2018年個體問卷數(shù)據(jù)的分析發(fā)現(xiàn)：第一，相比勞動還未智能化的勞動者，勞動智能化的勞動者有更高的就業(yè)質(zhì)量，該結論在經(jīng)過內(nèi)生性處理和穩(wěn)健性檢驗后依然成立；第二，勞動智能化對勞動者的工資增長具有顯著的正向影響，但對勞動者的工作條件改善沒有顯著影響，即勞動智能化主要是通過提高勞動報酬來提升勞動者的就業(yè)質(zhì)量；第三，勞動智能化對勞動者就業(yè)質(zhì)量的影響具有異質(zhì)性，表現(xiàn)為更能促進男性勞動者、35歲及以下勞動者、高技能勞動者的就業(yè)質(zhì)量改善；第四，勞動者的非認知能力對勞動智能化改善其就業(yè)質(zhì)量具有正向調(diào)節(jié)作用，即非認知能力的提高會強化勞動智能化改善就業(yè)質(zhì)量的作用。

基于上述結論，本文得到以下啟示：第一，大力鼓勵和支持智能技術的發(fā)展和應用，加大對智能技術創(chuàng)新的政策扶持和資金投入，加快推進各領域的勞動智能化，讓廣大普通勞動者充分享受智能化帶來的技術紅利。第二，不斷提升勞動者技能水平，降低勞動智能化帶來的負面沖擊。要鼓勵企業(yè)加強崗前和轉崗技能培訓，提升員工的“技能—崗位”匹配度；要強化針對性的技能培訓社會服務，優(yōu)化人才層次結構，提高整體勞動力技能水平，以適應智能化對人才的需求。第三，重視勞動者工作條件的改善，發(fā)揮勞動智能化改善工作條件的潛在功效。在本文的樣本中，勞動智能化未能產(chǎn)生顯著的勞動者工作條件改善效應，但這并不意味著勞動智能化不能改善勞動者的工作條件，而是可能存在某些因素阻礙了勞動智能化改善工作條件的功效發(fā)揮。因此，在勞動智能化進程中，要特別注意勞動者工作條件的改善問題，促進勞動者就業(yè)質(zhì)量的全面提升。第四，注重勞動者非認知能力的培養(yǎng)，強化勞動智能化的就業(yè)質(zhì)量改善效應。企業(yè)要加強對員工責任心、執(zhí)行力、創(chuàng)新力的培養(yǎng)，培育和拓展良好的企業(yè)文化，幫助員工更好更快地適應智能化技術。勞動者自身也要不斷提高非認知能力，積極參加各類社會活動，保持靈活性與適應性，以更好地應對勞動智能化帶來的各種變化。

本文探討了勞動智能化對就業(yè)質(zhì)量的影響，為勞動智能化的就業(yè)質(zhì)量改善效應提供了經(jīng)驗證據(jù)，但也存在拓展和深化的空間，比如：對勞動智能化和就業(yè)質(zhì)量的測度有待進一步優(yōu)化，限于數(shù)據(jù)的可得性，本文對兩者的測評均不全面，且僅采用了1年的數(shù)據(jù)，在未來有更多數(shù)據(jù)支撐的情況下，可使用追蹤數(shù)據(jù)，對勞動智能化和就業(yè)質(zhì)量進行更為科學全面的測度，進一步深入分析勞動智能化對就業(yè)質(zhì)量的影響；勞動智能化影響勞動者就業(yè)質(zhì)量的路徑和異質(zhì)性表現(xiàn)是多樣化的，還有其他機制和異質(zhì)性值得深入探討。

參考文獻：

［1］侯俊軍，張莉，竇錢斌.“機器換人”對勞動者工作質(zhì)量的影響——基于廣東省制造企業(yè)與員工的匹配調(diào)查［J］.中國人口科學，2020（4）：113-125+128.

［2］ 齊樂，陶建平.產(chǎn)業(yè)智能化與農(nóng)民工就業(yè)質(zhì)量的影響機理及提升路徑［J］.華中農(nóng)業(yè)大學學報（社會科學版），2023（1）：34-46.

［3］ 王軍，詹韻秋.技術進步帶來了就業(yè)質(zhì)量的提升嗎？——基于中國2000—2016年省級動態(tài)面板數(shù)據(jù)分析［J］.云南財經(jīng)大學學報，2018，34（8）：29-39.

［4］ 陳志，程承坪，陳安琪.人工智能促進中國高質(zhì)量就業(yè)研究［J］.經(jīng)濟問題，2022（9）：41-51.

［5］ 惠煒.人工智能與勞動收入份額——來自中國城市數(shù)據(jù)的經(jīng)驗證據(jù)［J］.北京工業(yè)大學學報（社會科學版），2022，22（6）：99-112.

［6］ MCGUINNESS S，POULIAKAS K，RESMOND P. Skills-displacing technological change and its impact on jobs： challenging technological alarmism？［R］. IZA Discussion Papers，2019.

［7］ 蔡躍洲，陳楠.新技術革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2019，36（5）：3-22.

［8］ ACEMOGLU D，RESTREPO P. Artificial intelligence， automation and work［M］//The economics of artificial intelligence：An agenda. Chicago：University of Chicago Press，2018：197-236.

［9］ 閆雪凌，李雯欣，高然.人工智能技術對我國勞動力市場的沖擊和影響［J］.產(chǎn)業(yè)經(jīng)濟評論，2021（2）：65-77.

［10］周卓華.人工智能技術發(fā)展對就業(yè)的影響及應對［J］.重慶社會科學，2020 （10）：44-54.

［11］BRUSSEVICH M，DABLA-NORRIS E，KAMUNGE C，et al. Gender，technology，and the future of work ［M］. International Monetary Fund，2018.

［12］AKSOY C G，ZCAN B，PHILIPP J. Robots and the gender pay gap in Europe ［J］. European Economic Review，2021，134（1）.

［13］汪前元，魏守道，金山等.工業(yè)智能化的就業(yè)效應研究——基于勞動者技能和性別的空間計量分析［J］.管理世界，2022，38（10）：110-126.

［14］明娟，胡嘉琪.工業(yè)機器人應用、勞動保護與異質(zhì)性技能勞動力就業(yè)［J］.人口與經(jīng)濟，2022（4）：106-121.

［15］胡晟明，王林輝，董直慶.工業(yè)機器人應用與勞動技能溢價——理論假說與行業(yè)證據(jù)［J］.產(chǎn)業(yè)經(jīng)濟研究，2021（4）：69-84.

［16］ACEMOGLU D. Why do new technologies complement skills？Directed technical change and wage inequality［J］. The Quarterly Journal of Economics，1998，113（4）：1055-1089.

［17］何勤.人工智能創(chuàng)新投入能提升企業(yè)員工的收入嗎？——基于技能結構錯配視角的研究［J］.北京工商大學學報（社會科學版），2021，36（5）：24-36.

［18］王林輝，錢圓圓，趙賀.人工智能技術、個體能力與勞動工資：來自認知和非認知能力視角的經(jīng)驗證據(jù)［J］.東南大學學報（哲學社會科學版），2022，24（4）： 58-69+149+147.

［19］李陽，張文宏.從自驅力到勝任力：非認知能力對新業(yè)態(tài)靈活就業(yè)人員作用機制研究［J］.學習與探索，2023（2）：31-38.

［20］胡晟明，王林輝，趙賀.人工智能應用、人機協(xié)作與勞動生產(chǎn)率［J］.中國人口科學，2021（5）：48-62+127.

［21］EUROFOUND. Trends in job quality in Europe［M］. Publications Office of the European Union，2012.

［22］ANTN J I，F(xiàn)ERNNDEZ-MACAS E，WINTER-EBMER R. Does robotization affect job quality？Evidence from European regional labour markets［R］. JRC Working Papers on Labour，Education and Technology，2021.

［23］毛宇飛，胡文馨.人工智能應用對人力資源從業(yè)者就業(yè)質(zhì)量的影響［J］.經(jīng)濟管理，2020，42（11）：92-108.

［24］MAZMANIAN，MELISSA，ORLIKOWSKI，et al. The autonomy paradox：the implications of mobile email devices for knowledge professionals［J］.Organization Science，2013，24（5）：1337-1357.

［25］王陽.供給側結構性改革中就業(yè)質(zhì)量的突出問題和提高路徑［J］.中國人力資源開發(fā)，2019，36（9）：48-62.

［26］張世偉，張君凱.技能培訓、工作轉換與就業(yè)質(zhì)量［J］.勞動經(jīng)濟研究，2022，10（1）：3-29.

［27］孫雪，宋宇，趙培雅.人工智能如何影響勞動收入——基于個人能力的微觀解析與實證檢驗［J］.山西財經(jīng)大學學報，2022，44（8）：17-29.

Does Labor Intelligence Improve the Quality of Laborer Employment？

MING Juana， b， BAO Xiang-yua， ZHANG Yia

（a. School of Economics; b. Key Laboratory of Digital Economy and Data Governance， Guangdong University of Technology，Guangzhou 510520， Guangdong， China）

Abstract： Intelligent technology is an important force in labor production and is conducive to improving employment quality. However， the existing literature on the impact of labor intelligence on employment quality and its mechanism is insufficient. This paper argues that labor intelligence can improve employment quality by improving workers non-cognitive ability， and it presents heterogeneity depending on workers age， gender， and skill level. This paper uses the China Labor Force Dynamics Survey （CLDS） data to conduct an empirical study， and the results show that （1） labor intelligence has a significant positive impact on employment quality. Labor intelligence improves the employment quality of workers， and the conclusion remains robust after endogenous processing and robustness tests; （2） labor intelligence has a heterogeneous effect on employment quality. Compared with female workers， labor intelligence has a more obvious effect on improving the employment quality of male workers. In different age groups， labor intelligence has a greater effect on the improvement of the employment quality of workers aged 35 and below. In different skill groups， labor intelligence plays a greater role in improving the employment quality of highly skilled workers; （3） further analysis of the moderating effect shows that non-cognitive ability plays a positive moderating role in the relationship between labor intelligence and employment quality， indicating that the improvement of non-cognitive ability strengthens the role of labor intelligence in improving employment quality.

Compared with the existing literature， this paper discusses the influence of labor intelligence on employment quality， and provides empirical evidence for the mechanism and heterogeneity of labor intelligence in improving employment quality. The possible innovations of this paper are as follows： firstly， unlike existing literature， which mainly analyzes the impact of intelligence on employment and wages from the macro level， this paper uses CLDS individual questionnaire data to analyze the impact of labor intelligence on individual employment quality from the micro level. Secondly， unlike different pieces of literature which mostly explore the impact of intelligence on single indicators such as income， work environment， and work intensity， this paper intends to construct comprehensive indicators of employment quality from monetary income and working conditions to analyze the impact of labor intelligence on employment quality. Thirdly， it analyzes the moderating effect of non-cognitive ability on the relationship between labor intelligence and employment quality， and pays attention to the heterogeneous influence of labor intelligence on employment quality.

This study shows that the development of labor intelligence is helpful to improve the employment quality of workers and improve the employment quality by improving the non-cognitive ability of workers. Therefore， it is important to encourage the development of new technologies such as artificial intelligence， increase policy support and financial investment in intelligent technologies， and continuously deepen technological reforms so that ordinary workers can enjoy the “technological dividend” brought by intelligent technologies. Moreover， it is necessary to develop targeted skills training services， encourage enterprises to increase pre-employment and transfer skills training， improve workers skills level and enhance skills-job matching. Finally， it is necessary to focus on the cultivation of workers non-cognitive abilities， improve their quality， and help them actively adapt to labor intelligence to achieve a steady improvement in employment quality.

Key words： labor intelligence; employment quality; monetary income; working conditions; labor skills; non-cognitive ability; intelligent labor

CLC number：F062.4；F24 Document code：A Article ID：1674-8131（）0-0001-14

（編輯：黃依潔）

收稿日期：2023-02-06；修回日期：2023-04-28

基金項目：廣東省哲學社會科學規(guī)劃項目2022年一般項目（GD22CYJ23）；國家社會科學基金后期資助一般項目（22FJYB045）；廣東省哲學社會科學創(chuàng)新工程2022年度特別委托項目（GD22TWCXGC11）

作者簡介：明娟（1980），女，湖北黃石人；教授，經(jīng)濟學博士，主要從事人工智能與就業(yè)研究；E-mail：mingjuan520888@gdut.edu.cn。

鮑翔宇（1999），女，河南駐馬店人；碩士研究生，主要從事人工智能研究。

張藝（1986），通信作者，男，江西贛州人；講師，經(jīng)濟學博士，主要從事數(shù)字經(jīng)濟研究；E-mail：yizhang17@gdut.edu.cn。