人工智能与中国要素报酬分配——基于GTAP模型的分析

发布时间：2021-04-25 12:06

　　基于标准GTAP模型的框架,本文探究人工智能冲击对中国要素报酬分配的影响。在本文中,人工智能既体现为资本增强型技术进步,又表现为资本—劳动要素替代弹性的增加。在此基础上,讨论人工智能的深化、广度、强度等冲击对中国要素报酬分配的影响。模拟结果表明:在人工智能冲击中国要素报酬分配的传递路径中,人工智能的深化和广度是影响要素报酬的核心因素,而人工智能的强度、非熟练与熟练劳动力替代弹性对要素报酬的变动均不具有根本性影响。具体而言,世界范围的人工智能深化有利于中国资本要素报酬增加,而不利于中国的劳动要素报酬;由中国引领的人工智能深化同时有利于中国的资本和劳动报酬;由美国引领的人工智能深化既不利于中国的资本报酬,也不利于中国的劳动报酬。此外,人工智能强度、非熟练与熟练劳动替代弹性不会显著改变人工智能深化影响中国要素报酬的变动方向。 

【文章来源】：中国科技论坛. 2020,(09)北大核心CSSCI

【文章页数】：12 页

【文章目录】：
0 引言
1 标准GTAP模型、数据与模拟方案
    1.1 模型介绍
    1.2 宏观闭合与模拟情景的设置
        1.2.1 宏观闭合的设置
        1.2.2 模拟情景设置
2 模拟结果分析
    2.1 人工智能对世界范围要素报酬均值的影响
    2.2 人工智能对中国要素报酬的影响
    2.3 人工智能对美国要素报酬的影响
3 结论性评述


【参考文献】：
期刊论文
[1]人工智能对经济的影响研究进展[J]. 曹静,周亚林.  经济学动态. 2018(01)
[2]要素替代弹性、资本扩张与中国工业行业要素报酬份额变动[J]. 陆菁,刘毅群.  世界经济. 2016(03)
[3]中国要素替代弹性估计[J]. 郝枫,盛卫燕.  统计研究. 2014(07)
[4]技术进步偏向定义及其测度[J]. 陆雪琴,章上峰.  数量经济技术经济研究. 2013 (08)
[5]中国工业部门要素分配份额决定因素研究[J]. 白重恩,钱震杰,武康平.  经济研究. 2008(08)



本文编号：3159359