论文部分内容阅读
摘 要：以我国国家统计局和国家知识产权局2008—2017年间相关数据为样本，以人工智能技术为自变量，行业收入差距为因变量，并控制GDP增速、对外开放程度以及垄断因素进行实证分析。以人工智能专利的授权数量作为人工智能技术的指标，并根据行业平均工资计算泰尔指数作为行业收入差距的指标，从而探讨人工智能技术对行业收入差距带来的影响。结果表明，人工智能技术与行业收入差距之间呈显著负相关关系，并没有发现证据支持人工智能技术会扩大行业收入差距。
关键词：人工智能技术;行业收入差距;实证分析;泰尔指数
中图分类号：F126.2 文献标志码：A 文章编号：1673-291X（2020）07-0145-05
引言
当前，人工智能已经成为国际竞争的新焦点和经济发展的新引擎[1]。为促进人工智能技术的发展，我国在制度层面上出台一系列相关政策和措施，诸如《“互联网+”人工智能三年行动实施方案》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，从而向经济社会注入新动能，推动经济社会发展。同时，随着人工智能技术的发展与应用，人工智能正逐渐渗透进人类生活的方方面面，它在教育行业、医疗技术、物流工程等领域占据着举足轻重的地位。因此，国内学者将人工智能技术作为分析对象，以探索其对就业问题、经济增长、收入分配等方面的影响。
其中，关于人工智能技术对收入分配的影响，学者们主要从两个角度进行分析：一是对不同技能等级的劳动者的影响，人工智能技术对低技能和高技能劳动者有着不同的替代效应，从而影响收入分配差距;二是对从事不同行业劳动者的影响，智能行业相对于非智能行业往往具有更高的市场竞争力，从而影响不同行业间劳动者收入差距。由于不同行业间的收入差距直接影响了人们生活的幸福感，因此，本文基于我国2008—2017年的面板数据进行实证分析，从行业收入差距角度探讨人工智能技术带来的影响。
一、文献综述
行业收入差距在各个国家都普遍存在，国外针对行业收入差距的研究主要基于以下四个理论：一是效率工资理论，即研究效率工资对行业收入差距的影响[2];二是人力资本理论，即研究人力资本对行业收入差距的影响[3];三是竞争性劳动力市场理论，包括补偿性差异和短期差异说。补偿性差异说研究非货币特征对行业收入差距的影响[4]，短期差异说认为行业收入差距与产品市场中的产品需求有关[5];四是制度理论，研究工会对行业收入差距的影响[6]。
我国学者通过大量研究发现，我国的行业收入差距在不同时期通常具有不同的特征。在改革开放初期，国民经济持续增长，劳动者的收入普遍增加，行业收入差距小幅度减小。鲁晓东（2007）在1985—1988年间行业收入差距的基尼系数从6.24%降为4.86%[7]。但随着改革开放的不断推进，行业收入差距又逐渐呈扩大趋势。罗楚亮和李实（2007）基于第一次全国经济普查数据研究发现，泰尔指数和工资极值比值在1990—2005年期间分别增长了5.55倍、1.51倍[8]。近十多年来，我国行业收入差距处于高位平缓震荡阶段，尽管行业间的工资极值比在2003—2016年间从4.54下降为3.55，但行业收入差距仍处于高水平状态[9]。
对此，学者对行业收入差距的成因进行了分析，主要观点有两个：一是垄断是影响我国行业收入差距的主要原因[10～12]，且会拉大垄断行业与其他行业间的收入差距;二是人力资本对行业收入产生影响[13]，张龙和葛晶（2015）基于2012年的CFPS数据和行业宏观数据进行研究发现人力资本解释了行业间收入差距的62.29%。除此之外，学者还对其他影响因素进行了研究。罗志蓉（2001）指出，行业收入差距不仅与行业垄断、经济体制转轨，还与高新技术产业发展有关[14]。唐帅和王方方（2015）利用2003—2011年中国工业行业大类面板数进行研究，发现全要素生产率是影响行业收入差距的一个重要因素[15]。黄小雨（2018）基于山西省数据研究发现，FDI 对高收入行业收入提升的幅度较大，而对低收入行业的影响较小，从而扩大行业收入差距[16]。李子秦和吴昊（2018）基于2005—2017年行业面板数据分析，发现行业收入差距随着经济发展水平的提升而扩大[17]。
随着人工智能技术的发展与应用，学者们开始研究其对收入分配的影响。何玉长和方坤（2018）指出，人工智能技术主要从两个方面影响收入分配差距。一是从企业方面来看，智能型企业相较于非智能型企业具有更发达的技术和更多的资本积累，从而在竞争中更具有优势，获得更多利润，自然而然企业也会给予员工较高的薪酬水平。二是从劳动者自身出发，从事智能型企业的劳动者往往具有更专业的知识和技能，因此其在寻求职业的过程中往往能够脱颖而出并获得较高的工资[18]。但是也有學者认为，随着人工智能技术的发展，不仅仅是低技能劳动者面临被替代的风险，高技能劳动者同样不能幸免，这样很有可能会使得收入差距减小[19-20]。
综上所述，现有文献对于我国行业收入差距的演变特征及其成因都进行了研究，并有学者指出人工智能技术会对收入分配产生影响。而行业收入差距是收入分配差距问题的重要表现，人工智能技术势必会对行业收入差距产生影响。因此，本文将借鉴现有文献对行业收入差距的研究方法，采用泰尔指数对我国行业收入差距变化趋势进行描述，研究人工智能技术与行业收入差距的关系。
二、研究设计
1.自变量——人工智能技术。本文选取人工智能专利的授权数量（Ai）作为衡量人工智能技术水平的指标。图1报告了人工智能技术专利授权数量的变化情况，从图1可以看出，在2008—2017年中人工智能领域的专利授权量持续增长，即人工智能技术在近十年来快速发展，且在2014年后处于较高增速发展状态。 2.因變量——行业收入差距。在现有文献研究中，比较常用的行业收入差距测度指标有极值差率、基尼系数、泰尔指数等，其中泰尔指数能够反映出组内差距和组间差距对总体的影响，更适合衡量行业收入差距[21]。故本文选取泰尔指数（Theil）作为行业收入差距指标，其计算公式为：
其中，Yi为第i个行业的平均工资，为Yi的平均值。图2报告了泰尔指数的变化情况，从图2可以看出，在2008—2017年中的泰尔指数变化幅度较小，即行业收入差距的变化不大，中间略有上升，但总体上呈减小的趋势。
3.模型构建。为探究人工智能技术对行业收入差距的影响，设计如下回归模型：
其中，Gdpgr表示GDP增速，用来解释经济增长对行业收入差距的影响;Mon表示国有企业职工人数占总就业人数的比重，用来解释垄断因素对我国行业收入差距的影响;Fdi表示外商直接投资占国内生产总值的比重，用来解释我国的对外开放程度对行业收入差距的影响。
4.数据来源。本文考察的样本时间为2008—2017年，数据来源于国家统计局和国家知识产权局。其中，人工智能专利的授权数量（Ai）来源于国家知识产权局《2017年我国人工智能领域专利主要统计数据报告》;泰尔指数（Theil）参照国家统计局年度数据的行业分类，为农林牧渔业、采矿业、制造业、建筑业等19大类，相关数据来源于国家统计局年度数据关于就业人员和工资部分;其他变量数据均来源于国家统计局的年度数据。
三、实证分析及结果
1.数据处理。为消除不同变量的不同量纲单位带来的影响，本文将对所有指标进行归一化处理，归一化计算公式为：x新=（x原-xmin）/（xmax-xmin）。表1仅列示了自变量及因变量的归一化数据结果。
2.相关性分析。表2报告了模型中各变量间的相关性分析，通过观察可以得出，行业收入差距与人工智能之间显著负相关，具体关系有待进一步回归分析。
3.回归分析。下页表3报告了该模型的回归分析结果。该模型探究了人工智能对行业收入差距的影响。从表3中可以看出，R2为0.981，说明拟合优度比较好;人工智能技术与行业收入差距显著负相关（α1=-0.316，p<0.1），表明人工智能技术每增长1个百分点，行业收入差距将减小0.316个百分点。
四、结论与启示
本文运用我国2008—2017年间人工智能专利的授权数量和19大类行业平均工资及其他相关数据，对人工智能是否扩大行业收入差距这一问题进行了实证分析。研究结果表明，人工智能技术与行业收入差距之间呈显著负相关关系，并没有发现证据支持人工智能技术会扩大行业收入差距。故根据此次回归结果，本文认为可以尝试通过促进人工智能技术的发展来缩小行业收入差距，使得收入分配趋于合理。但当前社会尚处于弱人工智能时期[22～26]，未来还需持续关注其对行业收入差距影响的变化。
在国际经济竞争愈加激烈的今天，各国政府都将促进经济增长和缩小行业收入差距作为目标，最终实现经济社会快速稳定发展。而人工智能技术作为现代科技发展的产物，它的出现为这一目标提供了契机。上至国家，下至个人，都应该把握住人工智能技术带来的机遇：首先，政府不仅要推行鼓励政策来推动人工智能技术的发展，同时应对受到人工智能技术严重冲击的企业或人群采取相关措施保障其收入水平，比如对因人工智能技术导致工资降低的劳动者进行工资补贴或者劳动税减免;其次，企业应当在人工智能大环境中保持自身优势特点，利用人工智能技术创新生产服务方式和开拓新型业务市场，以实现企业转型升级，增强自身市场竞争力，同时可以向员工提供人工智能相关知识培训，提高企业整体知识技能水平和业务能力;最后，劳动者个人应正确看待人工智能技术的发展与应用，不必将人工智能妖魔化。劳动者可以主动学习使用人工智能技术，提高自身的知识技能水平，同时还能利用人工智能技术匹配合适的工作和学习方案。
参考文献：
[1] 2018世界人工智能大会“人工智能与实体经济深度融合发展论坛”成功举办[J].电子世界，2018，（19）：3.
[2] Krueger A.B.，Summers L.H.Efficiency Wages and the Inter-Industry Wage Structure[J].Econometrica，1988，（2）：259-293.
[3] Martins P.S.Industry Wage Premia：Evidence from the Wage Distribution[J].Economics Letters，2004，（83）：157-163.
[4] Schettkat R.Compensating Differentials？ Wage Differentials and Employment Stability in the U.S.and German Economics[J].Journal of Economic Issues，1993，（1）：153-170.
[5] Arbache J.B.Wage Differentials in Brazil：Theory and Evidence[J].Journal of Development Studies，2001，（2）：109-130.
[6] Lindbeck A.，Snower D.J.Wage Setting Unemployment and Insider-Outsider Relations[J].American Economic Review，1986，（2）：235-239.
[7] 鲁晓东.我国对外开放与收入差距：基于地区和行业的考察[J].世界经济研究，2007，（8）：3-10. [8] 罗楚亮，李实.人力资本、行业特征与收入差距——基于第一次全国经济普查资料的经验研究[J].管理世界，2007，（10）：19-30.
[9] 杨海涛，田文.行业垄断与收入分配差距的合理性探索及治理研究[J].经济问题，2018，（9）：50-55.
[10] 任重，周云波.垄断对我国行业收入差距的影响到底有多大？[J].经济理论与经济管理，2009，（4）：25-30.
[11] 郝书辰，孔艳芳，孟祥仲.行政垄断对行业收入差距影响研究——机会均等的视角[J].东岳论丛，2012，（1）：152-157.
[12] 于良春，菅敏杰.行业垄断与居民收入分配差距的影响因素分析[J].产业经济研究，2013，（2）：31-39.
[13] 岳昌君，吴淑姣.人力资本的外部性与行业收入差异[J].北京大学教育评論，2005，（4）：31-37.
[14] 罗志蓉.不同行业收入差距浅析[J].创造，2001，（6）：29-30.
[15] 唐帅，王方方.全要素生产率影响行业收入差距的实证研究[J].长安大学学报：社会科学版，2015，（3）：42-51.
[16] 黄小雨.FDI对山西省行业收入差距的影响研究[D].太原：山西财经大学，2018.
[17] 李子秦，吴昊.我国行业收入差距与经济发展关系——基于2005—2017年行业面板数据的分析[J].企业经济，2018，（12）：178-186.
[18] 何玉长，方坤.人工智能与实体经济融合的理论阐释[J].学术月刊，2018，（5）：56-67.
[19] 陈永伟，曾昭睿.“第二次机器革命”的经济后果：增长、就业和分配[J].学习与探索，2019，（2）：101-113.
[20] Acemoglu D.，Restrepo P.Low-Skill and High-Skill Automation[J].Journal of Human Capital，Forthcoming，2018.
[21] 黄泰岩，王检贵.居民收入差距测量指标体系的选择[J].当代经济研究，2000，（9）：42-47.
[22] 何哲.人工智能时代的社会转型与行政伦理：机器能否管理人？[J].电子政务，2017，（11）：1-10.
[23] 王莉芳.吉林省行业收入差距实证研究[D].长春：吉林财经大学，2014.
[24] 孔庆洋，杨名.教育扩大了行业收入差距吗？[J].华东师范大学学报：哲学社会科学版，2017，（4）：145-159.
[25] 孔庆洋，黄慧慧.服务业集聚、市场潜能与行业收入差距——基于空间回归模型的分析[J].安徽师范大学学报：人文社会科学版，2018，（2）：69-81.
[26] 周云波，田柳，陈岑.经济发展中的技术创新、技术溢出与行业收入差距演变——对U型假说的理论解释与实证检验[J].管理世界，2017，（11）：35-49.
[责任编辑 刘 瑶]
收稿日期：2019-10-08
作者简介：刘剑航（1993-），女，重庆人，硕士研究生，从事人力资源开发与管理研究。
关键词：人工智能技术;行业收入差距;实证分析;泰尔指数
中图分类号：F126.2 文献标志码：A 文章编号：1673-291X（2020）07-0145-05
引言
当前，人工智能已经成为国际竞争的新焦点和经济发展的新引擎[1]。为促进人工智能技术的发展，我国在制度层面上出台一系列相关政策和措施，诸如《“互联网+”人工智能三年行动实施方案》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，从而向经济社会注入新动能，推动经济社会发展。同时，随着人工智能技术的发展与应用，人工智能正逐渐渗透进人类生活的方方面面，它在教育行业、医疗技术、物流工程等领域占据着举足轻重的地位。因此，国内学者将人工智能技术作为分析对象，以探索其对就业问题、经济增长、收入分配等方面的影响。
其中，关于人工智能技术对收入分配的影响，学者们主要从两个角度进行分析：一是对不同技能等级的劳动者的影响，人工智能技术对低技能和高技能劳动者有着不同的替代效应，从而影响收入分配差距;二是对从事不同行业劳动者的影响，智能行业相对于非智能行业往往具有更高的市场竞争力，从而影响不同行业间劳动者收入差距。由于不同行业间的收入差距直接影响了人们生活的幸福感，因此，本文基于我国2008—2017年的面板数据进行实证分析，从行业收入差距角度探讨人工智能技术带来的影响。
一、文献综述
行业收入差距在各个国家都普遍存在，国外针对行业收入差距的研究主要基于以下四个理论：一是效率工资理论，即研究效率工资对行业收入差距的影响[2];二是人力资本理论，即研究人力资本对行业收入差距的影响[3];三是竞争性劳动力市场理论，包括补偿性差异和短期差异说。补偿性差异说研究非货币特征对行业收入差距的影响[4]，短期差异说认为行业收入差距与产品市场中的产品需求有关[5];四是制度理论，研究工会对行业收入差距的影响[6]。
我国学者通过大量研究发现，我国的行业收入差距在不同时期通常具有不同的特征。在改革开放初期，国民经济持续增长，劳动者的收入普遍增加，行业收入差距小幅度减小。鲁晓东（2007）在1985—1988年间行业收入差距的基尼系数从6.24%降为4.86%[7]。但随着改革开放的不断推进，行业收入差距又逐渐呈扩大趋势。罗楚亮和李实（2007）基于第一次全国经济普查数据研究发现，泰尔指数和工资极值比值在1990—2005年期间分别增长了5.55倍、1.51倍[8]。近十多年来，我国行业收入差距处于高位平缓震荡阶段，尽管行业间的工资极值比在2003—2016年间从4.54下降为3.55，但行业收入差距仍处于高水平状态[9]。
对此，学者对行业收入差距的成因进行了分析，主要观点有两个：一是垄断是影响我国行业收入差距的主要原因[10～12]，且会拉大垄断行业与其他行业间的收入差距;二是人力资本对行业收入产生影响[13]，张龙和葛晶（2015）基于2012年的CFPS数据和行业宏观数据进行研究发现人力资本解释了行业间收入差距的62.29%。除此之外，学者还对其他影响因素进行了研究。罗志蓉（2001）指出，行业收入差距不仅与行业垄断、经济体制转轨，还与高新技术产业发展有关[14]。唐帅和王方方（2015）利用2003—2011年中国工业行业大类面板数进行研究，发现全要素生产率是影响行业收入差距的一个重要因素[15]。黄小雨（2018）基于山西省数据研究发现，FDI 对高收入行业收入提升的幅度较大，而对低收入行业的影响较小，从而扩大行业收入差距[16]。李子秦和吴昊（2018）基于2005—2017年行业面板数据分析，发现行业收入差距随着经济发展水平的提升而扩大[17]。
随着人工智能技术的发展与应用，学者们开始研究其对收入分配的影响。何玉长和方坤（2018）指出，人工智能技术主要从两个方面影响收入分配差距。一是从企业方面来看，智能型企业相较于非智能型企业具有更发达的技术和更多的资本积累，从而在竞争中更具有优势，获得更多利润，自然而然企业也会给予员工较高的薪酬水平。二是从劳动者自身出发，从事智能型企业的劳动者往往具有更专业的知识和技能，因此其在寻求职业的过程中往往能够脱颖而出并获得较高的工资[18]。但是也有學者认为，随着人工智能技术的发展，不仅仅是低技能劳动者面临被替代的风险，高技能劳动者同样不能幸免，这样很有可能会使得收入差距减小[19-20]。
综上所述，现有文献对于我国行业收入差距的演变特征及其成因都进行了研究，并有学者指出人工智能技术会对收入分配产生影响。而行业收入差距是收入分配差距问题的重要表现，人工智能技术势必会对行业收入差距产生影响。因此，本文将借鉴现有文献对行业收入差距的研究方法，采用泰尔指数对我国行业收入差距变化趋势进行描述，研究人工智能技术与行业收入差距的关系。
二、研究设计
1.自变量——人工智能技术。本文选取人工智能专利的授权数量（Ai）作为衡量人工智能技术水平的指标。图1报告了人工智能技术专利授权数量的变化情况，从图1可以看出，在2008—2017年中人工智能领域的专利授权量持续增长，即人工智能技术在近十年来快速发展，且在2014年后处于较高增速发展状态。 2.因變量——行业收入差距。在现有文献研究中，比较常用的行业收入差距测度指标有极值差率、基尼系数、泰尔指数等，其中泰尔指数能够反映出组内差距和组间差距对总体的影响，更适合衡量行业收入差距[21]。故本文选取泰尔指数（Theil）作为行业收入差距指标，其计算公式为：
其中，Yi为第i个行业的平均工资，为Yi的平均值。图2报告了泰尔指数的变化情况，从图2可以看出，在2008—2017年中的泰尔指数变化幅度较小，即行业收入差距的变化不大，中间略有上升，但总体上呈减小的趋势。
3.模型构建。为探究人工智能技术对行业收入差距的影响，设计如下回归模型：
其中，Gdpgr表示GDP增速，用来解释经济增长对行业收入差距的影响;Mon表示国有企业职工人数占总就业人数的比重，用来解释垄断因素对我国行业收入差距的影响;Fdi表示外商直接投资占国内生产总值的比重，用来解释我国的对外开放程度对行业收入差距的影响。
4.数据来源。本文考察的样本时间为2008—2017年，数据来源于国家统计局和国家知识产权局。其中，人工智能专利的授权数量（Ai）来源于国家知识产权局《2017年我国人工智能领域专利主要统计数据报告》;泰尔指数（Theil）参照国家统计局年度数据的行业分类，为农林牧渔业、采矿业、制造业、建筑业等19大类，相关数据来源于国家统计局年度数据关于就业人员和工资部分;其他变量数据均来源于国家统计局的年度数据。
三、实证分析及结果
1.数据处理。为消除不同变量的不同量纲单位带来的影响，本文将对所有指标进行归一化处理，归一化计算公式为：x新=（x原-xmin）/（xmax-xmin）。表1仅列示了自变量及因变量的归一化数据结果。
2.相关性分析。表2报告了模型中各变量间的相关性分析，通过观察可以得出，行业收入差距与人工智能之间显著负相关，具体关系有待进一步回归分析。
3.回归分析。下页表3报告了该模型的回归分析结果。该模型探究了人工智能对行业收入差距的影响。从表3中可以看出，R2为0.981，说明拟合优度比较好;人工智能技术与行业收入差距显著负相关（α1=-0.316，p<0.1），表明人工智能技术每增长1个百分点，行业收入差距将减小0.316个百分点。
四、结论与启示
本文运用我国2008—2017年间人工智能专利的授权数量和19大类行业平均工资及其他相关数据，对人工智能是否扩大行业收入差距这一问题进行了实证分析。研究结果表明，人工智能技术与行业收入差距之间呈显著负相关关系，并没有发现证据支持人工智能技术会扩大行业收入差距。故根据此次回归结果，本文认为可以尝试通过促进人工智能技术的发展来缩小行业收入差距，使得收入分配趋于合理。但当前社会尚处于弱人工智能时期[22～26]，未来还需持续关注其对行业收入差距影响的变化。
在国际经济竞争愈加激烈的今天，各国政府都将促进经济增长和缩小行业收入差距作为目标，最终实现经济社会快速稳定发展。而人工智能技术作为现代科技发展的产物，它的出现为这一目标提供了契机。上至国家，下至个人，都应该把握住人工智能技术带来的机遇：首先，政府不仅要推行鼓励政策来推动人工智能技术的发展，同时应对受到人工智能技术严重冲击的企业或人群采取相关措施保障其收入水平，比如对因人工智能技术导致工资降低的劳动者进行工资补贴或者劳动税减免;其次，企业应当在人工智能大环境中保持自身优势特点，利用人工智能技术创新生产服务方式和开拓新型业务市场，以实现企业转型升级，增强自身市场竞争力，同时可以向员工提供人工智能相关知识培训，提高企业整体知识技能水平和业务能力;最后，劳动者个人应正确看待人工智能技术的发展与应用，不必将人工智能妖魔化。劳动者可以主动学习使用人工智能技术，提高自身的知识技能水平，同时还能利用人工智能技术匹配合适的工作和学习方案。
参考文献：
[1] 2018世界人工智能大会“人工智能与实体经济深度融合发展论坛”成功举办[J].电子世界，2018，（19）：3.
[2] Krueger A.B.，Summers L.H.Efficiency Wages and the Inter-Industry Wage Structure[J].Econometrica，1988，（2）：259-293.
[3] Martins P.S.Industry Wage Premia：Evidence from the Wage Distribution[J].Economics Letters，2004，（83）：157-163.
[4] Schettkat R.Compensating Differentials？ Wage Differentials and Employment Stability in the U.S.and German Economics[J].Journal of Economic Issues，1993，（1）：153-170.
[5] Arbache J.B.Wage Differentials in Brazil：Theory and Evidence[J].Journal of Development Studies，2001，（2）：109-130.
[6] Lindbeck A.，Snower D.J.Wage Setting Unemployment and Insider-Outsider Relations[J].American Economic Review，1986，（2）：235-239.
[7] 鲁晓东.我国对外开放与收入差距：基于地区和行业的考察[J].世界经济研究，2007，（8）：3-10. [8] 罗楚亮，李实.人力资本、行业特征与收入差距——基于第一次全国经济普查资料的经验研究[J].管理世界，2007，（10）：19-30.
[9] 杨海涛，田文.行业垄断与收入分配差距的合理性探索及治理研究[J].经济问题，2018，（9）：50-55.
[10] 任重，周云波.垄断对我国行业收入差距的影响到底有多大？[J].经济理论与经济管理，2009，（4）：25-30.
[11] 郝书辰，孔艳芳，孟祥仲.行政垄断对行业收入差距影响研究——机会均等的视角[J].东岳论丛，2012，（1）：152-157.
[12] 于良春，菅敏杰.行业垄断与居民收入分配差距的影响因素分析[J].产业经济研究，2013，（2）：31-39.
[13] 岳昌君，吴淑姣.人力资本的外部性与行业收入差异[J].北京大学教育评論，2005，（4）：31-37.
[14] 罗志蓉.不同行业收入差距浅析[J].创造，2001，（6）：29-30.
[15] 唐帅，王方方.全要素生产率影响行业收入差距的实证研究[J].长安大学学报：社会科学版，2015，（3）：42-51.
[16] 黄小雨.FDI对山西省行业收入差距的影响研究[D].太原：山西财经大学，2018.
[17] 李子秦，吴昊.我国行业收入差距与经济发展关系——基于2005—2017年行业面板数据的分析[J].企业经济，2018，（12）：178-186.
[18] 何玉长，方坤.人工智能与实体经济融合的理论阐释[J].学术月刊，2018，（5）：56-67.
[19] 陈永伟，曾昭睿.“第二次机器革命”的经济后果：增长、就业和分配[J].学习与探索，2019，（2）：101-113.
[20] Acemoglu D.，Restrepo P.Low-Skill and High-Skill Automation[J].Journal of Human Capital，Forthcoming，2018.
[21] 黄泰岩，王检贵.居民收入差距测量指标体系的选择[J].当代经济研究，2000，（9）：42-47.
[22] 何哲.人工智能时代的社会转型与行政伦理：机器能否管理人？[J].电子政务，2017，（11）：1-10.
[23] 王莉芳.吉林省行业收入差距实证研究[D].长春：吉林财经大学，2014.
[24] 孔庆洋，杨名.教育扩大了行业收入差距吗？[J].华东师范大学学报：哲学社会科学版，2017，（4）：145-159.
[25] 孔庆洋，黄慧慧.服务业集聚、市场潜能与行业收入差距——基于空间回归模型的分析[J].安徽师范大学学报：人文社会科学版，2018，（2）：69-81.
[26] 周云波，田柳，陈岑.经济发展中的技术创新、技术溢出与行业收入差距演变——对U型假说的理论解释与实证检验[J].管理世界，2017，（11）：35-49.
[责任编辑 刘 瑶]
收稿日期：2019-10-08
作者简介：刘剑航（1993-），女，重庆人，硕士研究生，从事人力资源开发与管理研究。