趙 賀， 王林輝， 曹章露

（華東師范大學(xué) 經(jīng)濟(jì)與管理學(xué)部，上海 200062）

一、引 言

伴隨大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等新興技術(shù)的發(fā)展，人工智能可執(zhí)行任務(wù)的縱向延伸和應(yīng)用領(lǐng)域的橫向拓展，使其滲透到生產(chǎn)和生活的各個(gè)方面，對(duì)傳統(tǒng)的生產(chǎn)模式和勞動(dòng)力就業(yè)市場(chǎng)產(chǎn)生重大沖擊。人工智能技術(shù)發(fā)展不僅關(guān)乎我國(guó)能否在新一輪產(chǎn)業(yè)革命中抓住先機(jī)，更是推動(dòng)我國(guó)經(jīng)濟(jì)成功轉(zhuǎn)型的關(guān)鍵要素。2018 年我國(guó)政府部門將人工智能與5G 技術(shù)、工業(yè)互聯(lián)網(wǎng)與物聯(lián)網(wǎng)技術(shù)定義為新型基礎(chǔ)設(shè)施，并在“十四五”規(guī)劃綱要中強(qiáng)調(diào)大力發(fā)展新型基礎(chǔ)設(shè)施建設(shè)，體現(xiàn)了政府對(duì)人工智能領(lǐng)域的高度重視。與歷次產(chǎn)業(yè)革命的主導(dǎo)技術(shù)不同，人工智能使機(jī)器擁有類似人腦的思考能力，勢(shì)必對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生較大的影響。因此，評(píng)估人工智能對(duì)中國(guó)勞動(dòng)力市場(chǎng)不同類型職業(yè)的替代程度和職業(yè)結(jié)構(gòu)演變特征，有助于全面評(píng)價(jià)人工智能對(duì)勞動(dòng)力市場(chǎng)沖擊，并為采取相應(yīng)的針對(duì)性防范措施提供理論支撐。

現(xiàn)有文獻(xiàn)更多關(guān)注智能化發(fā)展對(duì)勞動(dòng)就業(yè)的替代效應(yīng)和生產(chǎn)率效應(yīng)，關(guān)于人工智能技術(shù)對(duì)不同類型職業(yè)的替代程度以及勞動(dòng)力市場(chǎng)職業(yè)結(jié)構(gòu)演變的研究相對(duì)匱乏。現(xiàn)有研究發(fā)現(xiàn)，機(jī)器人應(yīng)用會(huì)擠占中低技能勞動(dòng)者的就業(yè)崗位，引發(fā)“技術(shù)性失業(yè)”[1-3]?？赘呶模?020）基于行業(yè)和地區(qū)異質(zhì)性視角探究機(jī)器人使用對(duì)勞動(dòng)力市場(chǎng)的影響，結(jié)果發(fā)現(xiàn)短期內(nèi)機(jī)器人應(yīng)用對(duì)未來一年本地勞動(dòng)力就業(yè)具有擠出效應(yīng)，在中長(zhǎng)期某一行業(yè)和地區(qū)內(nèi)機(jī)器人應(yīng)用，會(huì)增加本地下游行業(yè)、本地其他勞動(dòng)力替代較高行業(yè)及外地同行業(yè)的就業(yè)[4]。陳彥斌（2019）基于中國(guó)人口老齡化背景，探討人工智能應(yīng)用能否緩解老齡化對(duì)經(jīng)濟(jì)增長(zhǎng)的不利影響，研究發(fā)現(xiàn)智能化和自動(dòng)化技術(shù)在生產(chǎn)活動(dòng)中的應(yīng)用將減少對(duì)相關(guān)勞動(dòng)力的需求，人工智能能夠較好地應(yīng)對(duì)老齡化對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊[5]。王永欽和董雯（2020）運(yùn)用中國(guó)行業(yè)機(jī)器人和制造業(yè)上市公司數(shù)據(jù)，從企業(yè)層面研究工業(yè)機(jī)器人應(yīng)用對(duì)中國(guó)勞動(dòng)力市場(chǎng)的影響，結(jié)果表明工業(yè)機(jī)器人應(yīng)用對(duì)企業(yè)勞動(dòng)力需求產(chǎn)生替代效應(yīng)，并且易出現(xiàn)“就業(yè)極化”現(xiàn)象[6]。王小霞和李磊（2020）基于工業(yè)機(jī)器人進(jìn)口數(shù)據(jù)，實(shí)證分析工業(yè)機(jī)器人應(yīng)用對(duì)企業(yè)勞動(dòng)力需求的影響，研究發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用通過替代效應(yīng)和規(guī)模效應(yīng)對(duì)勞動(dòng)力需求彈性產(chǎn)生沖擊，且技能要求低和自動(dòng)化替代風(fēng)險(xiǎn)高的行業(yè)受到的沖擊更加明顯[7]。汪前元等（2022）通過構(gòu)建空間杜賓模型，檢驗(yàn)工業(yè)智能化對(duì)不同技能勞動(dòng)者就業(yè)的影響，發(fā)現(xiàn)工業(yè)智能化發(fā)展總體上降低低技能和中技能勞動(dòng)者就業(yè)總量，促進(jìn)高技能勞動(dòng)者就業(yè)增加[8]。

本文借鑒Frey和Osborne（2017）對(duì)標(biāo)準(zhǔn)職業(yè)分類（SOC）下美國(guó)職業(yè)替代率的測(cè)度方法[9]，測(cè)算中國(guó)各職業(yè)被人工智能技術(shù)替代率。同時(shí)運(yùn)用CGSS數(shù)據(jù)庫(kù)，基于不同城市人工智能技術(shù)職業(yè)替代率的計(jì)算結(jié)果，從城市層面探討人工智能技術(shù)對(duì)職業(yè)結(jié)構(gòu)的影響。與已有文獻(xiàn)相比，本文的邊際貢獻(xiàn)如下：第一，對(duì)Frey 和Osborne 測(cè)度職業(yè)替代率的方法進(jìn)行了改進(jìn)。Frey 和Osborne（2017）使用的高斯回歸過程的思路類似于貝葉斯線性回歸[9]，但是Logistic 回歸需滿足單位解釋變量的事件值（EPV）大于10的條件，否則回歸結(jié)果無法收斂。而Frey 和Osborne（2017）模型的EPV 值為4.1[9]，存在過度擬合的可能。因此，本文選擇隨機(jī)森林分類器法預(yù)測(cè)中國(guó)職業(yè)替代率，有效避免模型過度擬合風(fēng)險(xiǎn)。第二，現(xiàn)有文獻(xiàn)對(duì)職業(yè)結(jié)構(gòu)的度量往往以勞動(dòng)者學(xué)歷劃分勞動(dòng)者技能等級(jí)，基于技能勞動(dòng)力就業(yè)的變化刻畫職業(yè)結(jié)構(gòu)演變，對(duì)職業(yè)結(jié)構(gòu)指標(biāo)的刻畫較單一。本文創(chuàng)新性地從職業(yè)任務(wù)復(fù)雜度、工作自由度、職業(yè)社會(huì)評(píng)價(jià)和職業(yè)所屬產(chǎn)業(yè)四個(gè)維度，多角度衡量職業(yè)結(jié)構(gòu)，全方位探討人工智能技術(shù)的職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響。

本文剩余結(jié)構(gòu)安排如下：第二部分是文獻(xiàn)綜述和研究假說；第三部分是計(jì)量模型選擇、變量指標(biāo)設(shè)計(jì)和數(shù)據(jù)來源說明；第四部分是實(shí)證檢驗(yàn)結(jié)果與評(píng)價(jià)；第五部分是進(jìn)一步分析；第六部分為基本結(jié)論和政策建議。

二、文獻(xiàn)綜述與研究假說

關(guān)于人工智能對(duì)勞動(dòng)力就業(yè)的影響，現(xiàn)有文獻(xiàn)認(rèn)為人工智能對(duì)勞動(dòng)力就業(yè)產(chǎn)生替代效應(yīng)和生產(chǎn)率效應(yīng)兩種影響，其中替代效應(yīng)對(duì)就業(yè)產(chǎn)生負(fù)向影響，生產(chǎn)率效應(yīng)對(duì)勞動(dòng)就業(yè)產(chǎn)生積極作用，而最終的就業(yè)影響取決于這兩種效應(yīng)的相對(duì)大小[10-11]。

以機(jī)器人為載體的人工智能技術(shù)在生產(chǎn)中應(yīng)用會(huì)取代部分勞動(dòng)力，可能會(huì)引發(fā)失業(yè)。Frey 和Osborne（2017）基于美國(guó)O*NET 數(shù)據(jù)庫(kù)提供的職業(yè)特征信息，測(cè)算美國(guó)702 個(gè)職業(yè)被替代的概率，結(jié)果發(fā)現(xiàn)美國(guó)職業(yè)中47%的崗位存在被智能技術(shù)替代的風(fēng)險(xiǎn)[9]。David（2017）基于日本職業(yè)矩陣數(shù)據(jù)構(gòu)建模型，發(fā)現(xiàn)55%的職業(yè)存在被計(jì)算機(jī)技術(shù)替代的風(fēng)險(xiǎn)[12]。Arntz 等（2016）運(yùn)用國(guó)際成人能力評(píng)估數(shù)據(jù)庫(kù)（PIACC）數(shù)據(jù)測(cè)度21個(gè)OECD國(guó)家的工作任務(wù)被自動(dòng)化替代的風(fēng)險(xiǎn)，發(fā)現(xiàn)21個(gè)國(guó)家中平均有9%的工作是可自動(dòng)化的[13]。Acemoglu 和Restrepo（2020）發(fā)現(xiàn)機(jī)器人應(yīng)用顯著降低了工人的就業(yè)水平，機(jī)器人與工人數(shù)量之比每上升1%，就業(yè)率下降0.2%[14]。類似地，國(guó)內(nèi)學(xué)者亦發(fā)現(xiàn)人工智能技術(shù)或機(jī)器人應(yīng)用對(duì)勞動(dòng)力存在明顯的替代效應(yīng)。王永欽和董雯（2020）運(yùn)用IFR 數(shù)據(jù)計(jì)算中國(guó)企業(yè)層面工業(yè)機(jī)器人滲透度，實(shí)證研究發(fā)現(xiàn)工業(yè)機(jī)器人滲透度每上升1%，會(huì)導(dǎo)致企業(yè)勞動(dòng)力就業(yè)數(shù)下降0.18%[6]?？赘呶牡龋?020）構(gòu)建2012—2017 年中國(guó)行業(yè)-地區(qū)層面面板數(shù)據(jù)，研究發(fā)現(xiàn)機(jī)器人使用數(shù)量增加會(huì)導(dǎo)致本地未來一年的勞動(dòng)力就業(yè)數(shù)量顯著下降，且易被機(jī)器人替代行業(yè)的勞動(dòng)力就業(yè)數(shù)量下降幅度更大[4]。

文獻(xiàn)也關(guān)注到人工智能技術(shù)對(duì)勞動(dòng)力就業(yè)的生產(chǎn)率效應(yīng)，即人工智能技術(shù)應(yīng)用能提升生產(chǎn)效率和降低生產(chǎn)成本，一方面促使企業(yè)擴(kuò)大生產(chǎn)規(guī)模，必然會(huì)增加更多的就業(yè)崗位，另一方面會(huì)增加勞動(dòng)者的消費(fèi)需求，使得對(duì)勞動(dòng)力的衍生需求上升。Autor（2015）認(rèn)為自動(dòng)化技術(shù)對(duì)勞動(dòng)力既存在替代效應(yīng)，又存在互補(bǔ)效應(yīng)，即自動(dòng)化技術(shù)會(huì)替代掉部分勞動(dòng)力，也會(huì)衍生出新崗位以匹配相應(yīng)勞動(dòng)力，進(jìn)而產(chǎn)生職業(yè)更替[10]。Acemoglu 和Restrepo（2019）提出自動(dòng)化技術(shù)具有“復(fù)原效應(yīng)”，即自動(dòng)化技術(shù)在替代勞動(dòng)力同時(shí)，會(huì)創(chuàng)造新工作任務(wù)，抵消部分自動(dòng)化對(duì)勞動(dòng)就業(yè)的消極影響[15]。

那么，人工智能技術(shù)對(duì)我國(guó)勞動(dòng)力就業(yè)的凈影響究竟如何？當(dāng)前，我國(guó)老齡化趨勢(shì)愈加明顯，人口紅利逐漸消失，“用工荒”和“技工荒”等現(xiàn)象的出現(xiàn)使得用智能化設(shè)備替代勞動(dòng)力的需求大幅提升。同時(shí)，智能化技術(shù)的使用成本不斷降低，資本相比于勞動(dòng)的要素相對(duì)價(jià)格下降，企業(yè)作為勞動(dòng)需求方，更傾向于用智能化設(shè)備替代勞動(dòng)以節(jié)約用工成本。此外，人工智能技術(shù)的應(yīng)用使得計(jì)算機(jī)不斷“類人化”，人工智能可以執(zhí)行較復(fù)雜的任務(wù)，加之大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算等技術(shù)的普及與深入，衍生出大批對(duì)人類勞動(dòng)力依賴性較低的職業(yè)，不斷向“機(jī)器換人”的趨勢(shì)發(fā)展。結(jié)合以上三點(diǎn)，本文提出研究假說1。

假說1：人工智能技術(shù)的應(yīng)用會(huì)引發(fā)職業(yè)替代風(fēng)險(xiǎn)。

人工智能技術(shù)作為第四次工業(yè)革命的高階表現(xiàn)形式，不僅會(huì)導(dǎo)致勞動(dòng)力就業(yè)需求的總量變化，也會(huì)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)產(chǎn)生相應(yīng)的影響。具體來說，人工智能技術(shù)發(fā)展，在降低易自動(dòng)化崗位勞動(dòng)力需求的同時(shí)，也增大了人機(jī)協(xié)作崗位的勞動(dòng)力需求。部分研究文獻(xiàn)表明，人工智能技術(shù)對(duì)低等和中等技能勞動(dòng)者的替代作用較強(qiáng)，對(duì)高技能勞動(dòng)者則表現(xiàn)為互補(bǔ)性；也有部分文獻(xiàn)認(rèn)為人工智能應(yīng)用主要替代中等技能勞動(dòng)者，而對(duì)低等和高等技能勞動(dòng)者就業(yè)產(chǎn)生促進(jìn)作用。因此，人工智能技術(shù)應(yīng)用會(huì)導(dǎo)致技能勞動(dòng)力職業(yè)結(jié)構(gòu)的變化。

Autor 等（2006）研究發(fā)現(xiàn)人工智能發(fā)展促進(jìn)了高技能和低技能勞動(dòng)者的就業(yè)，而不利于中等技能勞動(dòng)者的就業(yè)[16]。Autor 和Dorn（2013）基于美國(guó)人口普查數(shù)據(jù)從實(shí)證上驗(yàn)證了上述理論發(fā)現(xiàn)[17]。Goos 等（2014）指出在1993—2010年間，常規(guī)偏向型技術(shù)進(jìn)步導(dǎo)致整個(gè)歐洲經(jīng)濟(jì)體就業(yè)呈現(xiàn)兩極分化[18]。Kunst（2020）發(fā)現(xiàn)自20世紀(jì)50年代以來，全球范圍內(nèi)制造業(yè)對(duì)中等技能勞動(dòng)力的需求呈下降趨勢(shì)[19]。國(guó)內(nèi)研究者大多以勞動(dòng)者學(xué)歷劃分勞動(dòng)力技能等級(jí)，運(yùn)用技能勞動(dòng)力需求的變化刻畫職業(yè)結(jié)構(gòu)演變。孫早和侯玉琳（2019）發(fā)現(xiàn)在東南沿海地區(qū)，工業(yè)智能化加劇了對(duì)低技能勞動(dòng)力的替代作用，使得勞動(dòng)力就業(yè)結(jié)構(gòu)呈現(xiàn)“單極化”趨勢(shì)[20]。基于此，本文提出研究假說2。

假說2：人工智能技術(shù)的職業(yè)替代效應(yīng)會(huì)改變勞動(dòng)力職業(yè)結(jié)構(gòu)。

在人工智能技術(shù)會(huì)沖擊勞動(dòng)力市場(chǎng)的背景下，由于不同城市和地區(qū)的經(jīng)濟(jì)發(fā)展水平、教育規(guī)模、市場(chǎng)化程度以及對(duì)人工智能發(fā)展的支持力度不同，各城市和地區(qū)的人工智能發(fā)展呈現(xiàn)異質(zhì)化。因此，分析不同城市人工智能職業(yè)替代的差異化作用十分必要。

現(xiàn)有文獻(xiàn)大多基于省域和國(guó)別數(shù)據(jù)探討人工智能發(fā)展對(duì)不同區(qū)域的差異化影響。李丫丫（2018）發(fā)現(xiàn)工業(yè)機(jī)器人使用對(duì)京津地區(qū)、北部沿海、東部沿海和南部沿海地區(qū)的制造業(yè)生產(chǎn)率提升產(chǎn)生正向影響且最為顯著，對(duì)中部地區(qū)和西南地區(qū)的正向影響次之，而對(duì)東北和西北地區(qū)的制造業(yè)生產(chǎn)率沒有顯著影響[21]。魏瑋等（2020）發(fā)現(xiàn)在工業(yè)智能化發(fā)展初期階段能夠顯著提升東部地區(qū)全要素生產(chǎn)率，而對(duì)中部和西部地區(qū)全要素生產(chǎn)率表現(xiàn)為抑制作用[22]。周曉時(shí)（2021）以1991—2018年世界銀行和國(guó)際機(jī)器人聯(lián)合會(huì)的數(shù)據(jù)為基礎(chǔ)，探討人工智能發(fā)展對(duì)農(nóng)業(yè)生產(chǎn)率影響的國(guó)別差異，研究發(fā)現(xiàn)人工智能發(fā)展對(duì)高收入國(guó)家農(nóng)業(yè)生產(chǎn)率的提升作用顯著，而對(duì)中低收入國(guó)家農(nóng)業(yè)生產(chǎn)率產(chǎn)生抑制作用[23]。人工智能技術(shù)對(duì)不同區(qū)域生產(chǎn)率的差異化影響，引致其對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響存在區(qū)域異質(zhì)性[18]。

中國(guó)不同區(qū)域的市場(chǎng)化程度呈現(xiàn)差異性，在市場(chǎng)化程度較高的地區(qū)，新興技術(shù)的推廣速度更快與應(yīng)用范圍更大；相反，在市場(chǎng)化程度較低的地區(qū)，囿于成本、技術(shù)環(huán)境和人力資本水平等因素的限制，企業(yè)對(duì)于新技術(shù)的接受存在一定的時(shí)滯性。那么，在不同市場(chǎng)化程度的區(qū)域中，人工智能技術(shù)的職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響存在差異。中國(guó)不同城市的教育規(guī)模也存在差異，在教育規(guī)模較大的城市，勞動(dòng)者有更多機(jī)會(huì)提升其人力資本水平；而在教育規(guī)模較小的城市，勞動(dòng)者通過教育提升其自身能力的機(jī)會(huì)相對(duì)較少，面對(duì)人工智能技術(shù)的職業(yè)替代沖擊時(shí)易被替代。因此，教育規(guī)模較小的城市中，那些任務(wù)復(fù)雜度、工作自由度較低崗位上的勞動(dòng)者受到人工智能技術(shù)的沖擊更大，被機(jī)器人替代的風(fēng)險(xiǎn)更高。綜上，本文提出假說3。

假說3：人工智能技術(shù)的職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響受市場(chǎng)化程度和教育規(guī)模約束。

三、計(jì)量模型構(gòu)建、變量指標(biāo)設(shè)計(jì)與數(shù)據(jù)來源

（一）計(jì)量模型構(gòu)建

本文依據(jù)人工智能技術(shù)職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)影響的問題，構(gòu)建如下模型：

式（1）中，被解釋變量osit衡量第t年城市i的職業(yè)結(jié)構(gòu)，從職業(yè)任務(wù)復(fù)雜度、工作自由度、職業(yè)社會(huì)評(píng)價(jià)和職業(yè)所屬產(chǎn)業(yè)四個(gè)維度衡量。解釋變量ccrit衡量第t年城市i的職業(yè)替代率，取值為0~1。Xit為第t年城市i的一系列控制變量，包括經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、科學(xué)技術(shù)水平、城市教育基礎(chǔ)、對(duì)外貿(mào)易水平、城市企業(yè)規(guī)模。μi和δt分別表示城市和時(shí)間固定效應(yīng)。εit表示隨機(jī)擾動(dòng)項(xiàng)。

（二）指標(biāo)設(shè)計(jì)

1.核心變量指標(biāo)設(shè)計(jì)

（1）職業(yè)可替代率（ccrit）。借鑒Frey 和Osborne（2017）對(duì)美國(guó)職業(yè)替代率的測(cè)算方法[9]，對(duì)中國(guó)職業(yè)可替代率指標(biāo)的測(cè)度按照如下步驟進(jìn)行：第一，按照職業(yè)名稱和職業(yè)內(nèi)容描述，將國(guó)際標(biāo)準(zhǔn)職業(yè)分類ISCO 中的職業(yè)與美國(guó)職業(yè)信息網(wǎng)絡(luò)O*NET 數(shù)據(jù)庫(kù)中的職業(yè)進(jìn)行匹配，從而獲取ISCO 分類下各職業(yè)的職業(yè)特征評(píng)分；第二，運(yùn)用Manyika 等（2017）提出的智能體的工作能力及其等級(jí)劃分結(jié)果[25]，篩選智能體工作能力等級(jí)為低級(jí)的工作能力指標(biāo)，對(duì)照O*NET 數(shù)據(jù)庫(kù)選取能夠反映上述工作能力的指標(biāo)作為特征變量；第三，綜合現(xiàn)有研究者所選取的最容易被替代和最不容易被替代的職業(yè)集作為訓(xùn)練集，運(yùn)用隨機(jī)森林算法獲得國(guó)際標(biāo)準(zhǔn)職業(yè)分類ISCO 中各職業(yè)的職業(yè)可替代率?；贑GSS數(shù)據(jù)計(jì)算每個(gè)城市中每種職業(yè)各自的勞動(dòng)者就業(yè)比例，并將這一比例作為權(quán)重計(jì)算城市層面職業(yè)替代率的加權(quán)平均值，作為各城市職業(yè)崗位被人工智能技術(shù)替代的指標(biāo)。具體計(jì)算過程如下：

對(duì)于第一步，在對(duì)ISCO職業(yè)分類下的職業(yè)和O*NET數(shù)據(jù)庫(kù)中的職業(yè)進(jìn)行匹配時(shí)，如果一個(gè)O*NET數(shù)據(jù)庫(kù)中的職業(yè)對(duì)應(yīng)于多個(gè)ISCO 分類中的職業(yè)，那么對(duì)于這若干個(gè)ISCO 分類下職業(yè)均賦予所匹配的O*NET數(shù)據(jù)庫(kù)中職業(yè)的職業(yè)特征評(píng)分；如果一個(gè)ISCO分類中的職業(yè)對(duì)應(yīng)于多個(gè)O*NET數(shù)據(jù)庫(kù)中職業(yè)，那么此ISCO分類下職業(yè)的職業(yè)特征評(píng)分為所匹配多個(gè)O*NET數(shù)據(jù)庫(kù)中職業(yè)特征評(píng)分的平均值。本文選取“能力（Abilities）”、“技能（Skills）”和“工作內(nèi)容（Work Activities）”三個(gè)板塊給出的“重要性（importance）”評(píng)分作為職業(yè)特征評(píng)分。

對(duì)于第二步，選擇Manyika 等（2017）智能設(shè)備工作能力中等級(jí)為低的指標(biāo)作為從O*NET 數(shù)據(jù)庫(kù)選取模型特征變量的主要依據(jù)[25]，并結(jié)合Frey 和Osborne（2017）對(duì)特征變量的選取[9]，最終篩選出“口語理解、書面理解、感知速度、演繹推理、歸納推理、獨(dú)創(chuàng)性、全身協(xié)調(diào)、社交感知、勸說、談判、協(xié)助與照顧他人、協(xié)調(diào)他人的工作和活動(dòng)”這12種指標(biāo)作為訓(xùn)練集與測(cè)試集的特征變量。

對(duì)于第三步，結(jié)合現(xiàn)有相關(guān)文獻(xiàn)，綜合研究者們所選取的職業(yè)及標(biāo)簽值作為訓(xùn)練集，共選取了60 個(gè)職業(yè)，其中30個(gè)職業(yè)為最不可能被人工智能技術(shù)所替代的職業(yè)，標(biāo)簽為0，包括牙醫(yī)；董事和首席執(zhí)行官；律師；土木工程師；藥劑師；市場(chǎng)銷售部經(jīng)理；建筑師、城市和交通規(guī)劃師；作家和創(chuàng)作或表演藝術(shù)家；宗教助理專業(yè)人員；攝影師、圖像和錄音設(shè)備操作員；船舶工程師；小學(xué)教育教學(xué)專業(yè)人員；警察、督察和偵探；運(yùn)動(dòng)員及相關(guān)專業(yè)人員；兒童保育員；消防隊(duì)員；電氣工程師；中學(xué)老師；經(jīng)濟(jì)學(xué)家；雕塑家、畫家及相關(guān)藝術(shù)家；營(yíng)養(yǎng)師和營(yíng)養(yǎng)學(xué)家；理療師及相關(guān)助理專業(yè)人員；裝飾師和商業(yè)設(shè)計(jì)師；高級(jí)政府官員；心理學(xué)家；廚師；物理學(xué)家和天文學(xué)家；法官；美發(fā)師、理發(fā)師、美容師等。其余30個(gè)職業(yè)為最可能被人工智能技術(shù)所替代的職業(yè)，標(biāo)簽為1，包括屋頂工；房地產(chǎn)經(jīng)紀(jì)人；電話總機(jī)接線員；土木工程技術(shù)人員；鈑金工人；印刷及相關(guān)行業(yè)工人；縫紉機(jī)操作員；會(huì)計(jì)師；法律及相關(guān)業(yè)務(wù)助理專業(yè)人員；政府稅務(wù)及消費(fèi)稅官員；數(shù)據(jù)輸入操作員；電氣和電子設(shè)備裝配工；信使和搬運(yùn)工、送貨員；收銀員和抄表員；保險(xiǎn)代理人；辦公室?guī)凸ぃ怀黾{員；混凝土澆筑工和修整工；木材及相關(guān)材料手工業(yè)工人；裝訂工；機(jī)械裝配工；起重機(jī)和相關(guān)設(shè)備操作員；街頭攤販；上門和電話銷售員；垃圾收集者和相關(guān)勞工；紡織、毛皮和皮革制品機(jī)械操作員；時(shí)裝和其他模特；櫥柜制造商和相關(guān)工人；粉碎、研磨和化學(xué)混合機(jī)械操作員等。

基于上述數(shù)據(jù)即可進(jìn)行隨機(jī)森林分類模型的訓(xùn)練，隨機(jī)森林模型的輸出結(jié)果是對(duì)各個(gè)職業(yè)能否被替代的判斷，各職業(yè)的概率值Pi即為我們所求的職業(yè)可替代率，概率值越大，被智能設(shè)備替代的可能性越大。

（2）職業(yè)結(jié)構(gòu)。本文從職業(yè)任務(wù)復(fù)雜度、工作自由度、職業(yè)社會(huì)評(píng)價(jià)和職業(yè)所屬產(chǎn)業(yè)四個(gè)維度來衡量勞動(dòng)者職業(yè)結(jié)構(gòu)演變。

第一，職業(yè)任務(wù)復(fù)雜度（os1）。ISCO職業(yè)分類法將職業(yè)分為九大類，對(duì)于這九大類職業(yè)，ISCO又按照職業(yè)任務(wù)復(fù)雜度分為四個(gè)層級(jí)：第一層級(jí)Level1包含簡(jiǎn)單的、重復(fù)性較強(qiáng)的常規(guī)任務(wù)，在九大類職業(yè)當(dāng)中，第九類職業(yè)屬于Level1；第二層級(jí)Level2 包含操作和維修設(shè)備，儲(chǔ)存和整理基礎(chǔ)信息等任務(wù)，第四、五、六、七、八類職業(yè)屬于Level2；第三層級(jí)Level3包含較為復(fù)雜的技術(shù)操作和技術(shù)實(shí)踐任務(wù)，第一和第三類職業(yè)屬于Level3；第四層級(jí)Level4包含復(fù)雜的綜合性任務(wù)，第二類職業(yè)屬于Level4。此處用城市“（level1職業(yè)人數(shù)+level2職業(yè)人數(shù)）/總職業(yè)人數(shù)”（os1）衡量任務(wù)復(fù)雜度視角的職業(yè)結(jié)構(gòu)。

第二，職業(yè)工作自由度（os2）。對(duì)于職業(yè)自由度高低的劃分，基于CGSS問卷調(diào)查中“在您目前的工作中，您在多大程度上能自主決定您工作的具體方式”這一問題，回答“完全自主決定”或“能在一定程度上自主決定”，劃分為“高工作自由度職業(yè)”；回答“在很少程度上自主”或“完全不能自主”，劃分為“低工作自由度職業(yè)”。本文用城市“低工作自由度職業(yè)人數(shù)/總職業(yè)人數(shù)”（os2）衡量工作自由度視角的職業(yè)結(jié)構(gòu)。

第三，職業(yè)社會(huì)評(píng)價(jià)（os3）。本文采用國(guó)際社會(huì)經(jīng)濟(jì)地位ISEI 指數(shù)來衡量各職業(yè)的社會(huì)地位。鑒于本文樣本中ISEI 評(píng)分的范圍為16~55，按照16~25、26~35、36~45、46~55 的范圍將職業(yè)評(píng)分劃分為較低、低、較高、高四種類型，并用“（較低職業(yè)評(píng)分人數(shù)+低職業(yè)評(píng)分人數(shù)）/總職業(yè)人數(shù)”（os3）衡量職業(yè)社會(huì)評(píng)價(jià)視角的職業(yè)結(jié)構(gòu)。

第四，職業(yè)所屬產(chǎn)業(yè)（os4；os5；os6）。將ISCO 分類中第六大類“農(nóng)業(yè)和漁業(yè)工作者”中的各職業(yè)歸類為第一產(chǎn)業(yè)，將第七大類“工藝及相關(guān)行業(yè)工人”和第八大類“工廠和機(jī)器設(shè)備的操作員和裝配工”中的各職業(yè)歸類為第二產(chǎn)業(yè)，此外，第九大類“初級(jí)職工和非熟練工人”包含的兩個(gè)子類“農(nóng)業(yè)、漁業(yè)及相關(guān)勞工”和“采礦、建筑、制造和運(yùn)輸業(yè)勞動(dòng)者”中的各職業(yè)也歸類為第二產(chǎn)業(yè)，其余職業(yè)歸類為第三產(chǎn)業(yè)。本文用城市“第一產(chǎn)業(yè)職業(yè)人數(shù)/總職業(yè)人數(shù)”（os4）、“第二產(chǎn)業(yè)職業(yè)人數(shù)/總職業(yè)人數(shù)”（os5）和“第三產(chǎn)業(yè)職業(yè)人數(shù)/總職業(yè)人數(shù)”（os6）衡量職業(yè)所屬產(chǎn)業(yè)視角的職業(yè)結(jié)構(gòu)。

2.控制變量

經(jīng)濟(jì)發(fā)展水平（rgdp），以人均地區(qū)生產(chǎn)總值來衡量。產(chǎn)業(yè)結(jié)構(gòu)（industry），以第二產(chǎn)業(yè)產(chǎn)值占GDP的比重衡量?？茖W(xué)技術(shù)水平（psci），以人均地區(qū)科學(xué)技術(shù)支出來衡量。城市教育基礎(chǔ)（pedu），以基礎(chǔ)教育、中等教育、高等教育在校生總和占總?cè)丝诘谋戎睾饬?。?duì)外貿(mào)易水平（pfdi），以人均外商實(shí)際投資額來衡量。城市企業(yè)規(guī)模（pent），以人均規(guī)模以上工業(yè)企業(yè)數(shù)衡量。

（三）數(shù)據(jù)來源說明

在計(jì)算職業(yè)替代率時(shí)所運(yùn)用的O*NET 數(shù)據(jù)庫(kù)由美國(guó)勞工部職業(yè)信息網(wǎng)官網(wǎng)獲取，該網(wǎng)站從不同的職業(yè)評(píng)價(jià)模塊對(duì)各個(gè)職業(yè)的職業(yè)特征進(jìn)行了多方位描述，并給予數(shù)值評(píng)分，為我們選取各職業(yè)的職業(yè)特征作為隨機(jī)森林模型的特征變量提供了參考。本文用于和O*NET數(shù)據(jù)庫(kù)匹配的中國(guó)綜合社會(huì)調(diào)查數(shù)據(jù)庫(kù)（CGSS），是由中國(guó)人民大學(xué)執(zhí)行的全國(guó)性、綜合性學(xué)術(shù)調(diào)查項(xiàng)目，基于數(shù)據(jù)可得性，選取2010、2012、2013和2015年數(shù)據(jù)。

四、實(shí)證檢驗(yàn)結(jié)果與分析

（一）基準(zhǔn)回歸

表1 列示了人工智能的職業(yè)替代效應(yīng)影響勞動(dòng)力職業(yè)結(jié)構(gòu)的基準(zhǔn)回歸結(jié)果。由列（1）可知，從職業(yè)任務(wù)復(fù)雜度視角來看，人工智能的替代效應(yīng)使得從事低復(fù)雜度任務(wù)的勞動(dòng)就業(yè)比例下降，從事高復(fù)雜度任務(wù)的勞動(dòng)就業(yè)比例上升。具體來說，簡(jiǎn)單、重復(fù)性強(qiáng)、操作和維修設(shè)備以及整理和存儲(chǔ)基礎(chǔ)信息類職業(yè)易被人工智能所取代，所以低復(fù)雜度職業(yè)勞動(dòng)者比例下降，相對(duì)應(yīng)地，包含復(fù)雜技術(shù)操作實(shí)踐和綜合性任務(wù)的職業(yè)被人工智能替代的風(fēng)險(xiǎn)較低。由列（2）可知，從職業(yè)的工作自由度來看，人工智能技術(shù)職業(yè)替代率越高，低工作自由度職業(yè)的勞動(dòng)者就業(yè)份額越低，相應(yīng)地高工作自由度職業(yè)的勞動(dòng)者就業(yè)比例越高。由列（3）可知，從職業(yè)的社會(huì)評(píng)價(jià)來看，人工智能的職業(yè)替代效應(yīng)并沒有對(duì)職業(yè)社會(huì)評(píng)價(jià)產(chǎn)生顯著影響。由列（4）~（6）可知，從職業(yè)所屬產(chǎn)業(yè)來看，人工智能的職業(yè)替代效應(yīng)促使第一產(chǎn)業(yè)的勞動(dòng)者就業(yè)比例下降，而使第二和第三產(chǎn)業(yè)的勞動(dòng)者就業(yè)比例上升。原因在于，智能機(jī)器設(shè)備在農(nóng)業(yè)的大規(guī)模應(yīng)用，使從事農(nóng)業(yè)生產(chǎn)的剩余勞動(dòng)力轉(zhuǎn)移到了第二和第三產(chǎn)業(yè)中進(jìn)行再就業(yè)。綜合表1結(jié)果可知，人工智能應(yīng)用改變了任務(wù)復(fù)雜度、工作自由度和產(chǎn)業(yè)結(jié)構(gòu)這三個(gè)維度的勞動(dòng)職業(yè)結(jié)構(gòu)，但并未對(duì)職業(yè)社會(huì)評(píng)價(jià)維度的職業(yè)結(jié)構(gòu)造成影響。

表1 基準(zhǔn)回歸

（二）穩(wěn)健性檢驗(yàn)

本文通過更換解釋變量即職業(yè)替代率的衡量方法進(jìn)行穩(wěn)健性檢驗(yàn)。如前所述，F(xiàn)rey 和Osborne（2017）使用O*NET 數(shù)據(jù)庫(kù)對(duì)計(jì)算機(jī)智能技術(shù)發(fā)展背景下美國(guó)職業(yè)可替代率進(jìn)行了預(yù)測(cè)[9]，他們的研究方法和結(jié)果被各國(guó)研究者廣泛采用。為對(duì)上述基本回歸結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，運(yùn)用Frey 和Osborne（2017）測(cè)得的美國(guó)職業(yè)可替代率結(jié)果[9]，通過匹配中美兩國(guó)的職業(yè)從而獲得中國(guó)職業(yè)的可替代率（ameccr）。具體回歸結(jié)果見表2，可知基準(zhǔn)回歸中的各項(xiàng)結(jié)論仍然成立。

表2 穩(wěn)健性檢驗(yàn)

五、進(jìn)一步分析

（一）市場(chǎng)化程度

為考察人工智能技術(shù)的職業(yè)替代對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響是否因城市市場(chǎng)化程度而不同，本文基于樊綱等（2011）的方法測(cè)度市場(chǎng)化指數(shù)[26]，并將樣本劃分為市場(chǎng)化程度較低和較高兩類，借以研究不同市場(chǎng)化程度下人工智能職業(yè)替代效應(yīng)影響勞動(dòng)力職業(yè)結(jié)構(gòu)的異質(zhì)性。具體回歸結(jié)果見表3。

表3 分組檢驗(yàn)：市場(chǎng)化程度

表3 的Panel A 列示市場(chǎng)化程度較低樣本的回歸結(jié)果，Panel B 列示市場(chǎng)化程度較高樣本的回歸結(jié)果。由列（1）可知，市場(chǎng)化程度越高，低任務(wù)復(fù)雜度的職業(yè)越容易被替代。由列（2）可知，無論市場(chǎng)化程度高低，人工智能對(duì)低工作自由度職業(yè)的替代作用差異不大。由列（3）可知，對(duì)于市場(chǎng)化程度較低的城市，人工智能技術(shù)對(duì)低社會(huì)評(píng)分職業(yè)的替代作用不顯著；而對(duì)于市場(chǎng)化程度較高的城市，人工智能技術(shù)顯著替代低社會(huì)評(píng)分職業(yè)。由列（4）~（6）可知，對(duì)于市場(chǎng)化程度較低的城市，人工智能技術(shù)顯著增大了第二產(chǎn)業(yè)勞動(dòng)者就業(yè)占比，但對(duì)第一和第三產(chǎn)業(yè)勞動(dòng)者就業(yè)的影響不顯著；而對(duì)市場(chǎng)化程度較高的城市，人工智能技術(shù)的職業(yè)替代顯著降低了第一產(chǎn)業(yè)勞動(dòng)者就業(yè)占比，同時(shí)促進(jìn)第二和第三產(chǎn)業(yè)勞動(dòng)者就業(yè)。

（二）城市教育規(guī)模

人工智能技術(shù)的替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響是否依城市教育規(guī)模而有所差異？本文依照“每萬人在校大學(xué)生數(shù)”這一指標(biāo)衡量各城市教育規(guī)模，并將總樣本劃分為教育規(guī)模較小和較大兩類，探討人工智能技術(shù)職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的異質(zhì)性作用。具體回歸結(jié)果見下頁(yè)表4。

表4 分組檢驗(yàn)：城市教育規(guī)模

表4的Panel A 列示教育規(guī)模較小樣本的回歸結(jié)果，Panel B 列示教育規(guī)模較大樣本的回歸結(jié)果。由列（1）可知，教育規(guī)模越小，低任務(wù)復(fù)雜度的職業(yè)越容易被人工智能技術(shù)替代。由列（2）可知，教育規(guī)模越小，低工作自由度職業(yè)被人工智能技術(shù)替代的可能性越大。由列（3）可知，對(duì)于教育規(guī)模較小的城市，人工智能技術(shù)顯著替代低社會(huì)評(píng)分職業(yè)；而對(duì)于教育規(guī)模較大的城市，人工智能技術(shù)對(duì)低社會(huì)評(píng)分職業(yè)的替代作用不顯著。由列（4）~（6）可知，對(duì)于教育規(guī)模較小的城市，人工智能技術(shù)的職業(yè)替代顯著降低了第一產(chǎn)業(yè)勞動(dòng)者就業(yè)占比，同時(shí)提高了第二和第三產(chǎn)業(yè)勞動(dòng)者就業(yè)比例；而對(duì)教育規(guī)模較大的城市，人工智能技術(shù)顯著促進(jìn)第二和第三產(chǎn)業(yè)勞動(dòng)者就業(yè)，而對(duì)第一產(chǎn)業(yè)勞動(dòng)者就業(yè)的影響不顯著。

六、基本結(jié)論

人工智能技術(shù)正全面賦能實(shí)體經(jīng)濟(jì)，在提高生產(chǎn)率促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展同時(shí)，不可避免地對(duì)勞動(dòng)力就業(yè)產(chǎn)生影響。本文借鑒Frey 和Osborne（2017）的思路，對(duì)我國(guó)ISCO 職業(yè)分類標(biāo)準(zhǔn)下的職業(yè)替代率進(jìn)行測(cè)算，賦權(quán)加總得到城市層面的職業(yè)替代率，并分析人工智能技術(shù)的職業(yè)替代效應(yīng)對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響。研究發(fā)現(xiàn)，人工智能技術(shù)會(huì)誘發(fā)職業(yè)替代風(fēng)險(xiǎn)，人工智能技術(shù)的職業(yè)替代效應(yīng)改變了任務(wù)復(fù)雜度、工作自由度和職業(yè)所屬產(chǎn)業(yè)這三個(gè)維度的職業(yè)結(jié)構(gòu)，而對(duì)職業(yè)社會(huì)評(píng)價(jià)這一維度的職業(yè)結(jié)構(gòu)并無顯著影響。具體來說，人工智能發(fā)展減少?gòu)氖潞?jiǎn)單、重復(fù)性強(qiáng)以及維護(hù)、修理設(shè)備和整理、存儲(chǔ)基礎(chǔ)信息的常規(guī)任務(wù)崗位，降低工作自由度較低和從屬第一產(chǎn)業(yè)的職業(yè)的勞動(dòng)就業(yè)份額，增加了復(fù)雜操作、實(shí)踐及綜合分析決策的崗位，以及工作自由度較高和從屬第二、第三產(chǎn)業(yè)崗位的就業(yè)。與此同時(shí)，人工智能技術(shù)職業(yè)替代對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響具有異質(zhì)性，在不同市場(chǎng)化程度和不同教育規(guī)模的城市，人工智能職業(yè)替代對(duì)勞動(dòng)力職業(yè)結(jié)構(gòu)的影響有所不同。

根據(jù)經(jīng)驗(yàn)研究結(jié)果，相關(guān)政策建議如下：（1）人工智能技術(shù)會(huì)誘發(fā)職業(yè)替代風(fēng)險(xiǎn)，對(duì)勞動(dòng)力就業(yè)產(chǎn)生替代作用。政府一方面應(yīng)給予充分的社會(huì)保障政策，避免因失業(yè)引發(fā)社會(huì)民生問題，另一方面應(yīng)引導(dǎo)企業(yè)加大對(duì)員工的職業(yè)技能培訓(xùn)，提高“人機(jī)匹配”程度，從根源上緩解人工智能發(fā)展對(duì)職業(yè)的替代影響。（2）人工智能技術(shù)的職業(yè)替代效應(yīng)影響勞動(dòng)力市場(chǎng)的職業(yè)結(jié)構(gòu)并存在地區(qū)異質(zhì)性。相關(guān)部門應(yīng)根據(jù)不同地區(qū)人工智能技術(shù)的發(fā)展階段、市場(chǎng)化程度以及教育水平等現(xiàn)狀，因地制宜地規(guī)劃不同區(qū)域人工智能技術(shù)發(fā)展戰(zhàn)略，在發(fā)揮人工智能生產(chǎn)率提升作用的同時(shí)，最大程度地降低對(duì)勞動(dòng)力市場(chǎng)的沖擊。