您現在的位置是:首頁 > 科研成果 > 詳細內容

“機器換人”對工人工資影響的異質性效應:基于中國的經驗

  [作者簡介] 張桂金,廣東省社會科學院社會學與人口學研究所助理研究員,社會學博士,廣東 廣州 510618;張東,重慶工商大學社會與公共管理學院講師,社會學博士,重慶  400067

  [摘 要] 文章基于2018年中國勞動力動態調查數據和深圳D企業的調查資料,使用混合研究方法,檢驗了“機器換人”對工人工資的影響及其背后的機制。研究發現:“機器換人”總體上對工人工資有顯著影響,且對不同技術能力工人工資的影響存在不平等效應,高技術工人從機器換人中收益更多,中低技術工人則未曾從中獲益。進一步分析發現,“機器換人”帶來的就業替代效應導致部分中低技術工人的加班時間減少,加班工資降低,從而被迫離職。與此同時,“機器換人”提高了企業對高技能的需求,促使工人“再技能化”,高技術工人的人力資本回報和談判能力上升,進而收入提高。

  [關鍵詞] “機器換人”;人工智能;去技能化;再技能化;工人工資

  [基金項目] 國家社科基金一般項目“技術賦權與互聯網時代的勞動關系轉型研究”(18BSH076)   


  一、“機器換人”對工人工資有何影響及如何影響

  伴隨著中國人口紅利開始衰減和勞動力成本的上升,2013年前后中國機器人應用開始進入拐點[1],2013年中國成為工業機器人第一應用市場,2017年更是占全球工業機器人份額的36%,引入了13.79萬臺工業機器人①。中國企業使用機器人等人工智能技術越來越普遍,尤其是近年來,深圳、東莞等制造業城市大力推動“機器換人”,致力于通過技術紅利替代人口紅利,實現產業的轉型升級。人工智能在顯著提升生產潛力的同時,也將重塑工人工資的分配過程。那么,“機器換人”的浪潮是否會對人類工作產生“創造性毀滅”?不同的社會勞動者是否能夠從技術變革中獲益?在“機器換人”背景下是否會加劇某類勞動者收入下降的風險?隨著機器人技術的應用越來越廣泛,“機器換人”到底如何影響工人收入?這些都是當前迫切需要探討的議題。

  近年來,圍繞“機器換人”(或人工智能)與收入分配的關系成為多個學科的研究熱點之一。在經濟學看來,人工智能、機器人對異質性勞動者會產生不同的替代彈性,因此機器人技術對工資收入的影響取決于資本與總體勞動的替代彈性[2]。例如有學者發現計算機價格的下降,工作場所計算機化加劇了收入不平等[3]。近期國外一項研究也表明,由于機器人等人工智能使用產生的替代效應,將會導致企業進一步壓低勞動者工資,導致工人工資下降[4]。國內對此的研究則認為,人工智能的使用能夠促使生產要素在產業部門之間流動,流動方向不同將導致勞動收入份額的不同,而流動方向取決于不同產業部門在人工智能產出彈性與傳統生產方式替代彈性上的差別[5]。基于廣東企業的調查數據發現,當機器人使用存在勞動替代效應時,將降低勞動收入的份額,只有當機器人與個體人力資本相匹配時,才能提升工資率[6]。

  上述研究多從地區或者行業層面考察機器人以及人工智能使用對就業和工資收入的影響,在企業和勞動者更微觀層面進行的研究較少。“機器換人”是一種勞動力市場的結構性改變,必然影響到每一個人,但是由于個體的能動性不同,被影響的程度會有所差異。為研究中國社會情境下“機器換人”對收入的影響,本文利用最新的大型調查數據以及個案調查資料,使用混合研究方法,探討當前“機器換人”與工人工資之間的關系及其形成機制。

  二、理論爭論及經驗結果的差異

  既有關于機器人、人工智能對勞動力市場收入的研究,其關注的核心是新技術的應用對不同特征勞動者在就業與收入方面會產生怎樣的影響。然而,對這一問題的答案不同學者各有不同觀點。早期的一些研究發現,機器自動化的使用導致中等技能職業的比重下降,就業和收入向技能的高、低兩端分布[7]。對此,學者進一步解釋了收入向技能高低兩端分布的原因,認為由于高低兩端的工作是非程序性的,需要工人去適應環境、解決問題或發揮創造力,因此高低兩端就業比重和收入比重反而上升[8]。在宏觀上,“機器換人”將使得高技術工人和低技術工人獲益,而中等技能工人收益受損。

  隨著自動化、機器人、人工智能在現代企業中的使用越來越普遍,技術、就業與收入三者之間的關系變得越來越復雜,學者們圍繞三者之間關系得出的結論也存在較大差異。與“機器換人”引發就業和收入向技能高低兩端分布的觀點不同,樂觀派認為,從長遠看,機器人、人工智能的使用不會引發大規模失業,而會給整個勞動力市場帶來更高的收益,換句話說,“機器換人”將使所有勞動者從中獲益。如有學者認為自動化等技術使用并沒有導致就業總量的降低,反而使企業產出提高并提供更多的工作崗位[9]。有學者梳理了美國近250年的就業歷史數據也未發現技術進步會引發大規模失業[10]。之所以不會造成大規模失業,其原因在于機器與勞動者之間的互補性,人工智能、機器人等自動化技術在替代勞動者所從事的工作時,也帶來了需要勞動者發揮比較優勢的新工作[11]。與樂觀者認為“機器換人”、人工智能等自動化技術會帶來就業的積極影響不同,部分學者認為工業機器人對勞動力市場的影響是均衡的。一項基于德國多年數據的研究發現,機器人使用只降低了制造業的就業水平,但服務業就業崗位增加,總體上均衡[12]。

  上述研究主要從宏觀方面論述了“機器換人”對就業、工資總額的影響,但進一步延伸到微觀領域,“機器換人”是如何引發工人工資收入的變化呢?對這一問題只有極少數研究對此進行了探討。他們認為工業機器人提高了生產率,對總的工作時間無影響,但不同技術能力的工人的工作時間卻大受影響,表現為中低技能工人的勞動時間降低,機器人的使用使得制造業中低技能工人和中等技能工人的工資水平下降,高技能工人的收入水平則上升[13]。基于國內某電商平臺的實證研究則發現,智能化技術的使用顯著提高了相應部門工人的收入水平,且智能工具對工人的收入效應會因崗位所需技能水平的上升而提高,即技能越高的工人從人工智能中獲益越大[14]。之所以導致這一后果,原因在于“機器換人”引發了勞動力的去技能化,在去技能化過程中,機器人替代重復性工作崗位,從而導致低技術工人失業,造成被替代群體收入水平下降。但技術進步也對工人產生有利影響,因為技術進步要求勞動力素質的提高。對工人而言,擁有更高的技能有助于他們進入替代率更低的行業[15];對企業而言,機器人的使用要求勞動力具有相對較高的技能水平,這將激勵企業對有潛力的員工進行更多的技能培訓,即通過對工人的再技能化來提高工人技能。按照再技能化的邏輯,人工智能或機器人的使用將增加特定崗位人才的需求——特別是對高技能性人才的需求,從而帶來高技術人員收入的上升。已有證據表明,企業采用機器人等自動化技術后對員工的技能培訓增加[16]。中國綜合社會調查(Chinese General Social Survey, CGSS)2010~2013年的數據也發現,人工智能的發展導致非程序性的技能需求上升并提高了這類人才的收入[17]。

  反思宏觀層面與微觀層面關于“機器換人”與收入關系的研究,學者們得出了不同的結論:替代效應對勞動者的收入有負向影響,而生產率的提升與新的工作崗位又對勞動者的收入有正向影響,其中“再技能化”機制則預示著不同人力資本的工人將面臨不同的命運。那么,在中國當前的社會情境中,“機器換人”等技術的使用對工資收入的影響究竟如何?不同技能工人的命運又將如何呢?下文將嘗試基于實證資料對此進行解答。

  三、數據、變量與研究方法

  (一)數據來源

  本文數據來源于中山大學社會科學調查中心主持的“中國勞動力動態調查”(China Labor-force Dynamics Survey,簡稱CLDS)2018年全國抽樣調查數據。CLDS2018年數據覆蓋了除港澳臺、新疆、西藏和海南之外的28個省市,并在個體、家庭和社區三個層面上收集數據,數據層次結構分明。其中,勞動力個體問卷收集了家庭中年齡滿15周歲且仍在工作的勞動力信息,詢問了勞動者的工作時間、工作收入等方面的內容,2018年特意詢問了機器人、人工智能、自動化等使用對其工作的影響,數據可以較好地用來分析“機器換人”的收入效應,基本滿足本研究的需要。

  考慮到中國男性普遍在滿60周歲退休、女性普遍在滿55周歲后退休,因此,本文把研究對象的年齡限定為女性16—54歲、男性16—59歲且從事非農工作的雇員。具體分析中,本文剔除了工作單位為黨政機關、事業單位的雇員,只保留了就業單位為國有企業(國營企業)、集體企業以及私營企業(包括民營企業、外資企業和合資企業)的雇員,即工人群體。本文的分析涉及工人的人口特征、教育、加班、收入等變量,剔除各相關變量的缺失值后,最終納入分析的樣本為3204個。

  (二)主要變量

  本文涉及的主要因變量為工資收入,以工人近一年的工資收入總額來測量,實際操作中對年收入取對數。核心自變量是工人目前工作所在企業在勞動過程中是否使用高度自動化、機器人、人工智能等技術(即是否使用機器換人),如果是則定義為企業正在“機器換人”,編碼為“1”,如果沒有則,編碼為“0”。為了測量“機器換人”是否對不同技術能力工人的收入影響存在差異,本文還把工人是否接受過大專及以上教育作為技術能力的劃分,其中接受過大專及以上教育的工人被定義為“高技能群體”,只接受過高中及以下教育的工人定義為“中低技能群體”,高技能群體樣本數量為1150個,中低技能群體樣本數量為2054個。

  以明瑟工資方程為基礎[18],在納入人力資本變量的同時,還納入了以反映中國特定國情的其他控制變量,如戶籍身份、黨員身份、單位體制和地區差異等因素。具體來看,中國城鄉二元戶籍制度引發的城鄉分割導致不同戶籍之間收入存在差異[19][20][21],因此本文把是否擁有本地戶籍作為控制變量納入模型。考慮到中國存在的單位分割事實,把工人的單位類型劃分為體制內和體制外,其中國企、集體企業被劃入體制內,編碼為“1”,否則編碼為“0”。考慮到中國地區之間的經濟差距極大,因此地區之間的市場化發展水平也作為控制變量納入分析中。

  其他具體的變量包括:性別為分類變量;年齡為連續變量,變化范圍在16~59歲之間;教育程度為連續變量,以受教育年數來測量;政治身份以是否為共產黨員/民主黨派成員來測量,是則編碼為“1”,否則編碼為“0”;由于加班工資是中國工人工資增長的重要來源(特別是農民工工資)[22],因此是否經常加班被納入模型中,是則編碼為“1”,否則編碼為“0”;企業是否有工會、是否簽訂正式勞動合同與工人權益保護、收入相關,也被納入到模型中。

  表1展示了總樣本以及兩個子樣本的各變量描述性統計結果。總樣本中工人的平均受教育年數11.64年,平均年齡39.66歲。比較收入對數等各變量在兩個子樣本中的百分比或均值分布,發現兩個樣本群體在性別、年齡、黨員身份、證書數量等個體特征和人力資本上存在明顯差異,這種差異很可能導致兩類群體從機器人使用中獲益不同。

  (三)研究方法

  本文的因變量“工資收入”是一個連續變量,考慮到地區層次因素對個體層次工資水平的影響,以及數據結構本身的層級性,因此本文使用多層次線性回歸模型(Multilevel Linear  Regression Model)。對于工作是地區j的個體i(i=1,2,3,4,…,nk )而言,個體層面的模型為:

  Yij=?茁0j+?茁1jXij+eij(1)

  其中,Yij表示工人年收入對數;Xij表示一系列影響工人工資收入的因素,包括是否有“機器換人”等技術,以及個體特征變量、人力資本變量和單位因素等。

  考慮地區差異的第二層次模型為:

  ?茁0j=?酌00+?酌0jWj+?滋0j(2)

  其中,Wj表示地區因素,主要以各省份的市場化程度來測量,測量指標以《中國分省份市場化指數報告(2016)》中的市場化指數來測量[23],本文采用對插值法①推算2018年各省份市場化程度。把個體層面模型與地區層面模型合并后,得到混合模型如下:

  Yij=?酌00+?酌0jWj+?茁1jXij+eij+?滋0j(3)

  本文接下來的實證分析中,將采用混合模型(即公式3)來進行估計。其中,表2中模型1和2未加入宏觀層次(層二)變量(即Wj為0),表2中的模型3和模型4,以及表3中模型皆考慮了宏觀層次變量(此時Wj不為0)。

  四、數據分析結果

  (一)“機器換人”總體上降低了工人工資,但受工人教育水平調節

  表2展示了對工人總樣本的工資收入的多元回歸分析結果。在模型1中放入工人所在企業是否使用機器人這一自變量,發現工人所在企業如果使用了人工智能的話,工人工資對數將提高15.5%。模型2在模型1基礎上添加了工人的社會經濟特征變量和是否經常加班這一勞動過程變量,模型3則進一步添加了企業的社會保護變量:是否有工會、是否體制內和是否簽訂書面勞動合同,以及反映地區之間發展程度的市場化指數變量。當控制這些因素后,模型2和模型3中“機器換人”對工人工資的影響消失了,即控制其他變量后,“機器換人”對工人工資的影響不顯著。這表明“機器換人”對工人工資的總體影響微乎其微,工資收入差異是被其他控制變量所解釋。模型4中加入了“機器換人”與教育年數的交互項,以考慮企業“機器換人”對工人收入的影響是否會因工人技術能力的不同而不同,結果發現“機器換人”對工人收入的影響因工人受教育年數的變化而變化,“機器換人”對工人收入的影響因受教育水平的提高而提高。根據模型4的實證結果,可發現在控制了其他變量后,“機器換人”總體上降低了工人工資,但影響效應受工人受教育水平的調節。此外,其他因素對工資有顯著影響:女性在工資上處于劣勢;年齡與工資的關系呈倒U型關系;黨員比非黨員的工資收入更高;移民工人比本地工人工資收入更高。加班依舊是工人工資增長的重要來源,經常加班的工人工資比不加班的工人工資高5.8%;所在企業有工會,工人工資水平越高;工人簽訂了正式勞動合同,工資水平越高;非國企/集體的工人工資水平更高;市場化程度越高的地區,工人工資水平越高。

  (二)“機器換人”對工人工資影響存在異質性,不同技能工人獲益不同

  如前文所述,高技能與中低技能工人被機器人等人工智能替代的可能性存在差異。這些差異在一定程度上反映了技術賦權對不同技能勞動者的不平等。基于此,本文接下來將總的工人樣本分為兩個子樣本:高技能樣本和中低技能樣本,以考察“機器換人”對不同技能工人工資收入的影響。不同的教育水平代表著工人的技術能力,高教育水平的工人更可能在技術更換中得到公司的栽培,從而更好適應新技術的應用,本文把是否接受過大專及以上教育作為工人技能高低的劃分,并分別對兩個子樣本作回歸分析。表3展示了高技能工人與中低技能工人兩個子樣本的回歸分析結果。模型5是中低技能工人樣本的回歸結果,在控制其他變量后,實證結果顯示,工人所在企業使用機器人降低了工人的工資水平,但在統計上并不顯著。機器人的使用并未降低中低技能勞動力的工資收入水平,可能的原因一是“機器換人”是局部的,企業仍然保留中低技術崗位,工人受“機器換人”影響不大;二是“幸存者”偏差,只有收入未受影響或受影響不大的工人才會繼續留在公司,而崗位受影響或工資受到影響的工人已被迫離職。模型6展示的是高技能工人工資受“機器換人”影響的回歸結果,結果表明,控制其他變量后,“機器換人”的使用顯著地提高了高技能工人的收入水平(b=0.122,p<0.05),這也意味著高技能工人在技術變革中獲益更多,而低技能工人未能從技術變革中獲益,“機器換人”擴大了低技術工人與高技術工人的收入差距。

  五、“機器換人”影響工資異質性的機制分析

  基于CLDS 2018年數據的定量研究發現,考慮到多重因素后,“機器換人”總體上降低了工人工資,進一步分群體看,高技能群體在“機器換人”中收入得到了提升,中低技能工人的收入在“機器換人”中則未能得到提升。但截面數據無法觀察到那些由于“機器換人”而失業或收入降低而離職的樣本,這樣很可能低估了“機器換人”對中低技術工人的負向影響。此外,CLDS2018數據無法觀察到企業給哪些工人進行了技能培訓,因此,有必要對上述模型的結果作進一步探究。為探究“機器換人”對不同群體產生影響的作用機制,以筆者于2019年6—8月在深圳一家大型民營企業D的調研資料來進行說明。D企業是我國移動通信基站射頻器件、射頻結構件研發的領先者,是一家大型上市公司,客戶包括華為、愛立信等大型企業,擁有員工8000多人。D企業很早就開始引入自動化、機器人等技術,但也保留了較多的普通工人。之所以沒有完全使用機器人、自動化生產線,一方面是部分工作還不可能實現自動化,另一方面是企業考慮成本因素。D企業正處于“機器換人”的轉型期,機器人的使用主要還是局部工序改造,伴隨而來的用工模式的轉變可以為當前“機器換人”對不同技術工人收入的影響提供一些思考。

  (一)加班機制與中低技能工人工資下降與離職

  最低工資制度是各國為保障勞動者的最低收益而對勞動力市場進行管控的重要手段。一些研究指出,最低基本工資制度能夠增加勞動密集型或人均資本較低企業的平均工資[24]。但也有研究指出,工人工資的增長存在諸多不平等,如農民工通過增加勞動和延長勞動時間為代價來間接分享發展效益[25],最低工資的提升增加了低學歷工人(初中及以下)過度勞動的概率和程度[26]。近期有研究表明,技術控制對合理加班和超時加班均有顯著的正向效應,即企業去技術化越嚴重,工人加班可能性越高、加班程度越深;相反,當企業對技術能力要求越高,工人加班的可能性就越低[27]。表2的研究結果也表明,加班越多,工人工資越高。表3進一步分組后的結果也表明,加班對中低技能工人的工資有顯著影響。在D企業的調查發現,自動化、機器人的使用替代了大量的普通技術工作崗位,導致近年來較多低技術工人離開公司。據該企業的人事經理講述,企業其實很早就開始實施“機器換人”,只是這幾年加快了步伐,在“機器換人”過程中企業并未主動辭退工人,只是降低了工人的工作時間和工作強度。然而恰恰是企業的這一策略,導致了低技術工人的辭職。

  “……這兩年廠里很多工作都用機器啦,一個人就可以看十幾臺機器,不需要那么多人手了。機器一天24小時都可以工作,我們的工作就少了,現在基本每天八小時準時下班……沒有什么加班工資了,收入就少了,一些同事嫌工資低,就去別的工廠了。”(普通工人A先生)

  企業在“機器換人”過程中雖然沒有主動辭退工人,但是機器搶占了普通工人的工作崗位和工作量,工人的加班時間減少。在企業普遍采用最低工資制度的情況下,如果沒有了加班工資,工人的收入難以支撐其在當地的消費。因此,企業通過降低工人的加班時間進而降低低技術工人的工資水平,最終迫使他們主動作出離職的選擇。

  (二)再技能化機制與高技能工人工資的增長

  如前文所述,通常的觀點認為機器人等人工智能的使用產生的替代效應,將降低工人的工資份額。然而根據調查結果,D企業盡管這幾年不斷引入自動化設備如機器人、機器臂等,工人數量總體減少了,但用工成本卻并沒有隨之下降,反而不斷上升。人工成本上升的原因除了工資普遍上漲之外,另外一個重要原因是“機器換人”引發的工人學歷結構的巨大變化。根據D企業人事部經理講述,近年來公司加快了轉型升級步伐,自動化生產線、機器人開始較大范圍使用,企業也開始打造與自動化相匹配的工人隊伍。對此,企業主要采取兩種策略:一是直接在大專院校招聘應屆畢業生,以自動化、計算機等專業學生為主。二是直接在公司內部培養有潛質的工人以適應機器的要求。通常而言,公司會選擇那些忠誠度高、學習能力強(大專及以上學歷優先)的工人,通過集中三個月到半年的培訓,從而讓工人能夠熟悉自動化機器的運轉。公司通過兩種策略,實現了整體技術能力的提升。目前,D企業采用了自動化工序生產線上的工人普遍擁有高中/中專及以上學歷。

  由于“機器換人”對工人技能需求發生了變化,從而引發公司整體技術能力的升級。但由于高技術工人數量的增加,公司的人工成本并沒有因此下降,反而上升了。對此,D企業人事部經理的解釋是技術工人工資上漲導致用工成本上升,短期內“機器換人”降低人力成本的效應還沒有顯現。

  我們公司最低學歷限制是高中或中專畢業,初中生我們已經不招了。現在去學校招的都是大學生,在深圳,最起碼得保證他們到手工資5000塊吧,不然誰愿意留下來呢?那些自動化專業的大學生,工資更高......工人培訓完后,為了留住他們,也得漲工資吧?不然人家學會了技術走了怎么辦?(人事部經理M先生)

  據人事部經理介紹,公司對內部員工進行技術培訓后,往往會給工人漲工資,既是對工人技術能力提升的認可與獎勵,又是通過高薪防止工人跳槽。工人在提升了技能后,議價能力也得到提升,擁有更多的選擇權,因此,對于那些有技術能力的工人而言,公司的“機器換人”策略并不會損害其利益,反而是提高了其工資收益。

  六、結論和啟示

  本文基于2018年中國勞動力動態調查數據和深圳D企業的調查資料,使用混合研究方法,在中國社會情境下檢驗了“機器換人”對工人工資的影響及其背后的機制。調查數據的實證結果表明,在中國,“機器換人”總體上對工人工資的影響顯著。但分群體看,“機器換人”則顯著地影響著不同技術能力工人的工資,“機器換人”有助于提高高技術能力工人的工資水平,但對中低技術工人的工資水平影響不顯著。根據對企業調查資料的進一步分析發現,“機器換人”對工人工資的影響之所以存在不平等效應,就在于“機器換人”對不同技術能力工人的作用機制不一樣,一方面,“機器換人”帶來的就業替代效應導致部分中低技能的工人離職,且機器人的引入降低了中低技術工人的加班時間,工人由于加班工資減少而主動離職;另一方面,“機器換人”提高了企業對高技能的需求,導致對工人的再技能化,高技術工人的人力資本回報和談判能力上升,最終使得高技術工人在“機器換人”中收入提高。

  正如國內有學者指出的那樣,機器人、人工智能的普及應用將會對生產力的要素和結構進行顛覆性的改變[28],并重塑社會經濟結構[29]。本文的研究結論也證實了這一點,“機器換人”對企業的用工模式、工人的技能提出了新的要求。面對“機器換人”帶來的影響,不同技能的工人規避風險、抓住機遇的能力不同。當然,工人工資受“機器換人”的影響除了工人自身技能的市場議價能力外,還可能受工會或其他組織形式與資方相抗衡的結社力量]、國家對于勞動關系立法產生的體制性力量等多種因素的調節[30[31]。受限于本文主題和篇幅,留待后續進行研究。

  此外,受數據限制,本文尚有以下不足:一是沒有考慮到企業自身的自我選擇,即企業本身的特征既影響其使用機器人,又影響工人收入;二是被機器人所替換而失業的工人在調查中是觀察不到的,存在選擇性偏誤,可能導致“機器換人”對中低技術工人工資的影響被低估,這些有待于更高質量的數據來檢驗。

  本文的研究結論具有以下啟示:考慮到“機器換人”對技能要求的提高,政府應規劃好專業人才的培養,加強機器人產業相關學科的建設;考慮到“機器換人”對中低技術工人帶來的負面影響,政府在推動產業升級的同時,也要做好對中低技術工人的勞動保護,盡可能避免中低技能工人在經濟發展中利益受損。

  [參考文獻]

  [1]程虹,陳文津,李唐.機器人在中國:現狀、未來與影響——來自中國企業-勞動力匹配調查(CEES)的經驗證據[ J ].宏觀質量研究,2018(3).

  [2]Acemoglu D.. Technical Change, Inequality, and the Labor Market[ J ]. Journal of Economic Literature,2002(1).

  [3][7]Autor D H, Levy F, Murnane R J.. The Skill Content of Recent Technological Change: An Empirical Exploration[ J ].Quarterly Journal of Economics,2003(4).

  [4]Acemoglu D, Restrepo P.. Low-Skill and High-Skill Automation[ J ]. Journal of Human Capital,2018(2).

  [5]郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動[ J ].管理世界,2019(7).

  [6]余玲錚,魏下海,吳春秀.機器人對勞動收入份額的影響研究——來自企業調查的微觀證據[ J ].中國人口科學,2019(4).

  [8]Goos M, Manning A, Salomons A.. Job Polarization in Europe[ J ]. American Economic Review,2009(2).

  [9]Autor D H.. Why Are There Still so Many Jobs? The History and Future of Workplace Automation?[ J ]. Journal of Economic Perspectives,2015(3).

  [10]Atkinson R D, Wu J J.. False Alarmism: Technological Disruption and the U.S. Labor Market,1850-2015[EB/OL]. SSRN Electronic Journal, 2017. Available at SSRN: https://ssrn.com/abstract=3066052 or http://dx.doi.org/10.2139/ssrn.3066052,2019-07-20.

  [11]Acemoglu D, Restrepo P.. The Race between Machine and Man: Implications of Technology for Growth, Factor Shares and Employment[ J ]. American Economic Review,2018(6).

  [12][13]Dauth W, Findeisen S, Suedekum J, et al. German Robots -The Impact of Industrial Robots on Workers     [ EB/0L ]. Centre for Economic Policy Research, 2017, Di-scussion Paper No. DP12306. Available at SSRN: https://ssrn.com/abstract=3039031,2019-07-20.

  [14]吳清軍,陳軒,王非,等.人工智能是否會帶來大規模失業?——基于電商平臺人工智能技術、經濟效益與就業的測算[ J ].山東社會科學,2019(3).

  [15][16]岳昌君,張沛康,林涵倩.就讀重點大學對人工智能就業替代壓力的緩解作用[ J ].中國人口科學,2019(2).

  [17]袁玉芝,杜育紅.人工智能對技能需求的影響及其對教育供給的啟示——基于程序性假設的實證研究[ J ].教育研究,2019(2).

  [18]Mincer J A.. Schooling, Experience, and Earnings[ M ]. New York: Columbia University Press,1974:83-96.

  [19]孫婧芳.城市勞動力市場中戶籍歧視的變化:農民工的就業與工資[ J ].經濟研究,2017(8).

  [20]張昭時,錢雪亞.城鄉分割、工資差異與就業機會不平等——基于五省城鎮住戶調查數據的經驗研究[ J ].中國人口科學,2011(3).

  [21]段占朝.外來常住人口本地化的供需層次探討[ J ].人口研究,2009(5).

  [22][25]蔡禾,李超海.農民工工資增長背后的不平等現象研究[ J ].武漢大學學報(哲學社會科學版),2015(3).

  [23]王小魯,樊綱,余靜文.中國分省份市場化指數報告(2016)[ M ].北京:社會科學文獻出版社,2017:258-259.

  [24]馬雙,張劼,朱喜.最低工資對中國就業和工資水平的影響[ J ].經濟研究,2012(5).

  [26]郭鳳鳴,張世偉.最低工資提升對低收入農民工過度勞動的影響[ J ].中國人口科學,2018(5).

  [27]蔡禾,史宇婷.勞動過程的去技術化、空間生產政治與超時加班——基于2012年中國勞動力動態調查數據的分析[ J ].西北師大學報(社會科學版),2016(1).

  [28]陳文捷,解彩霞.人工智能對人主體性影響的思考[ J ].學術論壇,2019(3).

  [29]張富利.全球風險社會下人工智能的治理之道——復雜性范式與法律應對[ J ].學術論壇,2019(3).

  [30]Wright E O.. Working-Class Power, Capitalist-Class Interests, and Class Compromise[ J ]. American Journal of Sociology,2000(4).

  [31]Schmalz S, Weinmann N.. Between Power and Powerlessness: Labor Unrest in Western Europe in Times of Crisis[ J ].Perspectives on Global Development and Technology,2016(5).

  注釋:參見原刊