人工智能發(fā)展對我國綠色全要素生產(chǎn)率的影響
——基于動(dòng)態(tài)系統(tǒng)GMM估計(jì)和門檻模型的實(shí)證研究

郭婭妮

(福建師范大學(xué)，福建 福州 350108)

當(dāng)前全球智能化產(chǎn)業(yè)快速發(fā)展，并廣泛應(yīng)用在制造、教育、金融、交通、醫(yī)療等多領(lǐng)域。據(jù)推算，未來十年里，人工智能或?qū)砣蛏a(chǎn)總值增加12%左右。根據(jù)中國信通院統(tǒng)計(jì)，我國人工智能產(chǎn)業(yè)規(guī)模在2019年已達(dá)到約554億元，在2015—2018年期間復(fù)合平均增長率超過50%，遠(yuǎn)遠(yuǎn)大于世界平均水平(約36%)。新時(shí)代下，由智能化發(fā)展所催生的新模式、新業(yè)態(tài)不斷顯現(xiàn)，同時(shí)以驅(qū)動(dòng)的傳統(tǒng)粗放型增長已不可繼續(xù)，轉(zhuǎn)變發(fā)展方式，探究經(jīng)濟(jì)增長新動(dòng)能成為關(guān)鍵。為此，在我國經(jīng)濟(jì)由高速增長轉(zhuǎn)變?yōu)橹兴俜€(wěn)增長的今天，研究人工智能發(fā)展對我國綠色全要素生產(chǎn)率的影響，明確其作用效果與影響機(jī)制，對我國抓住人工智能產(chǎn)業(yè)革命的機(jī)遇，加快人工智能與實(shí)體經(jīng)濟(jì)的融合，實(shí)現(xiàn)經(jīng)濟(jì)平穩(wěn)轉(zhuǎn)型升級等具有重要意義。

國內(nèi)外文獻(xiàn)對人工智能與綠色全要素生產(chǎn)率關(guān)系的研究很少。劉津利用中國地級市面板數(shù)據(jù)實(shí)證得出，數(shù)字化技術(shù)對技術(shù)進(jìn)步和綠色全要素生產(chǎn)率存在正面影響[1]。大多數(shù)學(xué)者研究的是智能化發(fā)展對全要素生產(chǎn)率(TFP)的影響。溫湖煒等根據(jù)中國制造業(yè)2009—2018年相關(guān)數(shù)據(jù)實(shí)證分析表明，智能化發(fā)展能顯著促進(jìn)中國制造業(yè)企業(yè)的TFP，且對勞動(dòng)密集、人力資本不足的企業(yè)促進(jìn)作用更大[2]。劉亮等進(jìn)一步探究了其作用機(jī)制，認(rèn)為人工智能對制造業(yè)TFP的提升作用主要通過促進(jìn)技術(shù)效率來實(shí)現(xiàn)，對技術(shù)進(jìn)步的作用不明顯[3]。但李廉水等的結(jié)論與之相反，認(rèn)為智能化對制造業(yè)TFP的促進(jìn)是通過提升技術(shù)進(jìn)步實(shí)現(xiàn)的[4]。將制造業(yè)進(jìn)一步細(xì)分，孫早等研究發(fā)現(xiàn)，人工智能的發(fā)展能促進(jìn)通用設(shè)備、紡織服裝等制造業(yè)的TFP，但對高端制造業(yè)如儀器制造、計(jì)算機(jī)等的促進(jìn)作用不明顯[5]。對其他產(chǎn)業(yè)而言，申丹虹等對服務(wù)業(yè)生產(chǎn)率進(jìn)行了研究，結(jié)果表明，人工智能可以帶來規(guī)模報(bào)酬遞增效應(yīng)，并改善要素間的配置效率，促進(jìn)服務(wù)業(yè)TFP的提升。但由于滯后性，其促進(jìn)作用有限[6]。一些學(xué)者研究了人工智能與綠色發(fā)展、經(jīng)濟(jì)轉(zhuǎn)型的關(guān)系。許憲春等研究認(rèn)為大數(shù)據(jù)對綠色發(fā)展具有正面效應(yīng)，通過大數(shù)據(jù)其自身特點(diǎn)，能優(yōu)化需求結(jié)構(gòu)，推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型，促進(jìn)經(jīng)濟(jì)、環(huán)境的協(xié)調(diào)發(fā)展[7]。董怡漩等認(rèn)為人工智能技術(shù)能提供經(jīng)濟(jì)增長新動(dòng)力，解決公共管理問題；但也存在一些負(fù)面效應(yīng)，如投資風(fēng)險(xiǎn)的增大、法律法規(guī)的漏洞、陷入中等收入陷阱可能性增大等[8]。陳曉等研究認(rèn)為，工業(yè)智能化能通過對高等技能勞動(dòng)力的需求和對中等技能勞動(dòng)力的替代來促進(jìn)就業(yè)結(jié)構(gòu)升級、提高經(jīng)濟(jì)增長的質(zhì)量[9]。劉亮等通過面板數(shù)據(jù)實(shí)證分析得出，智能化發(fā)展對經(jīng)濟(jì)增長集約化具有先抑后揚(yáng)的U型效應(yīng)[10]。周建軍通過實(shí)證表明，人工智能發(fā)展會(huì)阻礙產(chǎn)業(yè)結(jié)構(gòu)的合理化，但能促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)高度化[11]。國外一些學(xué)者研究了人工智能相關(guān)技術(shù)對經(jīng)濟(jì)的影響。Filippo Bertani等通過跨國實(shí)證分析表明，對數(shù)字平臺(tái)、人工智能等無形資產(chǎn)的投資能顯著提升TFP[12]。Ekkehardt Ernst等認(rèn)為人工智能的發(fā)展可以使得資本成本大幅降低，以及提高生產(chǎn)率，特別是在低技能者中，生產(chǎn)率的提高能帶來巨大的機(jī)會(huì)[13]。Graetz等根據(jù)17個(gè)國家工業(yè)部門相關(guān)數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)工業(yè)機(jī)器人有效的提高了勞動(dòng)生產(chǎn)率(大約0.36%)和全要素生產(chǎn)率[14]。Acemoglu等認(rèn)為過度自動(dòng)化會(huì)造成勞動(dòng)力錯(cuò)配、資源的浪費(fèi)等，從而抑制生產(chǎn)率提高[15]。

綜上所述，通過對相關(guān)文獻(xiàn)的梳理，發(fā)現(xiàn)大多數(shù)文獻(xiàn)研究的僅僅是人工智能與TFP的關(guān)系，未將綠色發(fā)展理念包含其中；一些文獻(xiàn)從定量或定性的角度研究人工智能與綠色發(fā)展或經(jīng)濟(jì)轉(zhuǎn)型的關(guān)系。直接研究人工智能發(fā)展對我國整體GTFP的影響的文獻(xiàn)很少，從定量分析的角度研究的文獻(xiàn)則更少?；诖耍狙芯客ㄟ^SBM-ML指數(shù)，測算了我國2009—2018年間29個(gè)省份的綠色全要素生產(chǎn)率，試圖從量化分析和實(shí)證檢驗(yàn)的角度探究人工智能對我國GTFP的影響。首先，運(yùn)用系統(tǒng)GMM模型實(shí)證檢驗(yàn)了人工智能發(fā)展對GTFP的線性影響，并將綠色全要素生產(chǎn)率分解為綠色技術(shù)進(jìn)步和綠色技術(shù)效率，探究人工智能對GTFP的具體作用路徑。其次將研發(fā)投入與制度環(huán)境作為門檻變量，探究人工智能對GTFP的非線性影響，并進(jìn)一步進(jìn)行拓展分析，利用分位數(shù)回歸模型，探究人工智能對不同分位點(diǎn)處GTFP的影響。

一、理論機(jī)制與假說

(一)人工智能發(fā)展對GTFP的影響機(jī)制分析

考察人工智能發(fā)展對GTFP的影響，既要考慮到投入與產(chǎn)出，也需要考慮能源的消耗和環(huán)境的污染。一方面，人工智能相關(guān)技術(shù)能幫助、輔佐人類進(jìn)行生產(chǎn)決策及在生產(chǎn)過程中對生產(chǎn)設(shè)備進(jìn)行自主監(jiān)控工作，或在某些領(lǐng)域直接代替人類進(jìn)行復(fù)雜勞動(dòng)，實(shí)現(xiàn)復(fù)雜任務(wù)的自動(dòng)化，從而提高勞動(dòng)生產(chǎn)率和生產(chǎn)力。人工智能機(jī)器、算法、軟件等屬于高新技術(shù)，在生產(chǎn)中對具有高技能、高知識(shí)的勞動(dòng)力的需求也會(huì)相應(yīng)增加，最終表現(xiàn)為更高的生產(chǎn)率。人工智能技術(shù)與傳統(tǒng)要素的融合，能有效改善原有要素的配置效率與質(zhì)量，有效增強(qiáng)生產(chǎn)企業(yè)組織、管理協(xié)調(diào)性、生產(chǎn)要素整體利用率。這些均能使企業(yè)減少要素投入的情況下，一定程度上使產(chǎn)出增加，進(jìn)而使綠色全要素生產(chǎn)率提高。另一方面，作為通用目的技術(shù)的人工智能，能促進(jìn)互補(bǔ)創(chuàng)新，往往比單一創(chuàng)新產(chǎn)品更具潛在價(jià)值，能夠應(yīng)用于生產(chǎn)的各個(gè)環(huán)節(jié)、各個(gè)產(chǎn)業(yè)領(lǐng)域，從而改變經(jīng)濟(jì)運(yùn)行方式。通過人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)，各行各生產(chǎn)企業(yè)的具體生產(chǎn)流程不斷透明化，以環(huán)境污染為代價(jià)來獲得短暫的經(jīng)濟(jì)利益的方式已經(jīng)行不通，高污染高耗能的企業(yè)將會(huì)被不斷淘汰。企業(yè)在生產(chǎn)過程中也能通過智能監(jiān)控、智能預(yù)警等技術(shù)準(zhǔn)確地找到污染源，從而便于從源頭上消滅所造成的環(huán)境污染問題。在激烈的競爭和智能技術(shù)不斷更新的環(huán)境中，只有生產(chǎn)技術(shù)更加先進(jìn)，過程更加清潔高效的企業(yè)才能獲得優(yōu)勢。這些均能促進(jìn)企業(yè)降低污染排放，從整體上提高綠色全要素生產(chǎn)率。

但是人工智能對GTFP的作用受到多種因素的影響。使用人工智能相關(guān)技術(shù)需要與相應(yīng)的基礎(chǔ)設(shè)施建設(shè)、人力資本水平、其他相關(guān)聯(lián)技術(shù)相匹配。如果人工智能的過快發(fā)展，導(dǎo)致該地區(qū)原有技術(shù)與人工智能相關(guān)技術(shù)不相協(xié)調(diào)，不能匹配，則在生產(chǎn)過程中，人工智能技術(shù)對生產(chǎn)率的促進(jìn)作用不僅將會(huì)被大大減弱，還在一定程度上造成社會(huì)資源的浪費(fèi)。另外現(xiàn)階段，我國還處于人工智能發(fā)展的初期，人工智能的規(guī)?？赡苓€達(dá)不到其作為通用目的技術(shù)影響全局所要求的規(guī)模。其對生產(chǎn)率的影響也存在時(shí)滯，一項(xiàng)技術(shù)的應(yīng)用在長期確實(shí)能帶來生產(chǎn)率的提高，但在短期可能并不會(huì)對生產(chǎn)率產(chǎn)生影響。對此，本文提出以下假說：

H1：人工智能發(fā)展會(huì)影響綠色全要素生產(chǎn)率，但作用路徑很復(fù)雜，對其影響的最終結(jié)果不太確定。

(二)人工智能對GTFP的非線性影響分析

受本地區(qū)多種資源稟賦條件的影響，人工智能發(fā)展對GTFP的影響機(jī)制較復(fù)雜。其中研發(fā)投入、制度環(huán)境與人工智能綠色技術(shù)效應(yīng)的發(fā)揮密切相關(guān)。對前沿基礎(chǔ)理論的研發(fā)是人工智能技術(shù)取得突破、行業(yè)革新與產(chǎn)業(yè)化推進(jìn)的根本。其次是關(guān)鍵核心技術(shù)的研發(fā)投入，特定的應(yīng)用場景比如計(jì)算機(jī)視覺，在農(nóng)業(yè)生產(chǎn)方面，確實(shí)能利用機(jī)器視覺技術(shù)，智能識(shí)別病蟲害，提高農(nóng)產(chǎn)品的生產(chǎn)質(zhì)量和效率，但目前在農(nóng)業(yè)中我國該應(yīng)用的實(shí)時(shí)準(zhǔn)確性還處于較低水平。因此，當(dāng)人工智能基礎(chǔ)理論與核心技術(shù)的研發(fā)還處于較低水平時(shí)，勢必會(huì)影響人工智能對綠色全要素生產(chǎn)率效應(yīng)的發(fā)揮。對其他非人工智能技術(shù)的研發(fā)投入，能使得企業(yè)現(xiàn)有技術(shù)不斷革新，使之在生產(chǎn)過程中與人工智能相關(guān)技術(shù)更加的協(xié)調(diào)匹配，從整體上提高企業(yè)的綠色技術(shù)效率。良好的制度環(huán)境能為各主體的人工智能創(chuàng)新活動(dòng)提供保護(hù)，同時(shí)能帶來一定的激勵(lì)作用，促進(jìn)人工智能在生產(chǎn)過程中的運(yùn)用，實(shí)現(xiàn)綠色技術(shù)創(chuàng)新。完善的法律法規(guī)和政府與市場的良性互動(dòng)，引導(dǎo)性資金和基礎(chǔ)設(shè)施建設(shè)的投入，能在一定程度上破解人工智能在發(fā)展過程中面臨的瓶頸。反之，若制度環(huán)境達(dá)不到一定水平，人工智能的發(fā)展及其與實(shí)體經(jīng)濟(jì)的融合便會(huì)受到阻礙，人工智能技術(shù)對綠色全要素生產(chǎn)率的正向推動(dòng)效應(yīng)便會(huì)被減弱。對此，本文提出假說：

H2 ：在控制其他影響因素的情況下，人工智能發(fā)展對GTFP的影響存在研發(fā)投入、制度環(huán)境的門檻效應(yīng)。

二、研究設(shè)計(jì)

(一)指標(biāo)體系構(gòu)建

為達(dá)到研究目的，本研究選取了10個(gè)變量，并將其具體分為被解釋變量、核心解釋變量、門檻變量、控制變量。各變量的賦值和描述性統(tǒng)計(jì)詳見表1。

表1 變量的賦值和描述性統(tǒng)計(jì)

1.被解釋變量。被解釋變量有綠色全要素生產(chǎn)率、綠色技術(shù)效率、綠色技術(shù)進(jìn)步。指標(biāo)的數(shù)值借助SBM方向距離函數(shù)的Malmquist-Luenberger指數(shù)測得。首先通過該模型測得各省t到t+1期的ML生產(chǎn)率指數(shù)。再借鑒李斌等的做法，假設(shè)2008年的綠色全要素生產(chǎn)率為1，那么2009年的GTFP則等于2009年的ML指數(shù)乘上2008年的綠色全要素生產(chǎn)率。同理，2010年的GTFP則等于2010年的ML指數(shù)乘上2009年的GTFP[16]。由此，逐步計(jì)算出各省各年的GTFP數(shù)據(jù)。并進(jìn)一步將GTFP分解為綠色技術(shù)效率(MEC)與綠色技術(shù)進(jìn)步(MTC)，指標(biāo)具體計(jì)算公式可表示如下：

其中，計(jì)算GTFP的投入與產(chǎn)出指標(biāo)包括：資本投入，采用資本存量(億元)來衡量，資本存量根據(jù)張軍等的做法，資本折舊率取9.6%，運(yùn)用永續(xù)盤存法計(jì)算得出，并調(diào)整為以2000年不變價(jià)格[17]；勞動(dòng)投入，采用各省年末就業(yè)人數(shù)(萬人)衡量；能源投入，采用各省能源消費(fèi)總量(萬噸標(biāo)準(zhǔn)煤)表示；期望產(chǎn)出為地區(qū)生產(chǎn)總值(億元)，同樣調(diào)整為以2000年不變價(jià)格；非期望產(chǎn)出，使用各省SO2排放量(萬噸)來衡量。

2.核心解釋變量。核心解釋變量為人工智能，基于數(shù)據(jù)的可獲得性，具體衡量指標(biāo)借鑒沈賞等的做法[18]。人工智能發(fā)展水平的均值為144.862 7，標(biāo)準(zhǔn)差為121.299 6，表明地區(qū)人工智能發(fā)展水平差距較大。

3.門檻變量。門檻變量為研發(fā)投入和制度環(huán)境。研發(fā)投入的最小值為0.002，最大值為0.060 1，表明各地區(qū)研發(fā)投入還存在一定差距。對于制度環(huán)境而言，由于不同的地區(qū)制度環(huán)境影響因素有很多，且各不相同，難以放在一起量化比較。由樊綱和王小魯?shù)扔?jì)算的市場化指數(shù)包括了多個(gè)方面，其可作為一個(gè)制度變量[19]。由此，本研究采用樊綱等的市場化指數(shù)來衡量各地區(qū)的制度環(huán)境。其市場化指數(shù)的最新數(shù)據(jù)(2017年和2018年)根據(jù)樊綱等的報(bào)告外推而來。制度環(huán)境的均值為6.522 2，表明我國制度體系較為完善。

4.控制變量。控制變量包括人力資本、外商直接投資、財(cái)政支出、對外貿(mào)易。人力資本的均值為9.159 5，表明我國人力資本水平較高。外商直接投資的均值為0.023 0，標(biāo)準(zhǔn)差為0.017 7，表明各省外商直接投資額差距較大。財(cái)政支出和對外貿(mào)易的均值分別為0.236 7和0.283 3，表明我國財(cái)政支出和進(jìn)出口貿(mào)易處于較高水平。

(二)模型設(shè)定

1.動(dòng)態(tài)面板模型。為驗(yàn)證假說1，探究人工智能對GTFP的影響，本研究構(gòu)建動(dòng)態(tài)面板模型，采用兩步GMM估計(jì)方法對模型進(jìn)行估計(jì)。模型具體設(shè)定如下：

lnGTFPit=α1+α2lnGTFPit-1+α3lnAIit+α4lnHUMit+α5lnGOVit+α6lnMXit+α7lnFDIit+εit

(1)

lnMECit=α1+α2lnMECit-1+α3lnAIit+α4lnHUMit+α5lnGOVit+α6lnMXit+α7lnFDIit+εit

(2)

lnMTCit=α1+α2lnMTCit-1+α3lnAIit+α4lnHUMit+α5lnGOVit+α6lnMXit+α7lnFDIit+εit

(3)

其中，i表示地區(qū)，t代表時(shí)間。GTFPit為被解釋變量綠色全要素生產(chǎn)率，由于其一般具有延續(xù)性，為減小內(nèi)生性和偏誤，在模型中加入GTFPit-1，即綠色全要素生產(chǎn)率滯后一期項(xiàng)作為解釋變量。AIit、HUMit、GOVit、MXit、FDIit分別表示人工智能、人力資本、財(cái)政支出、對外貿(mào)易、外商直接投資。εit是誤差項(xiàng)。MECit、MECit-1分別為綠色技術(shù)效率及其滯后一期項(xiàng)。MTCit、MTCit-1為綠色技術(shù)進(jìn)步及其滯后一期項(xiàng)。

2.門檻回歸模型。為驗(yàn)證假說2，研究人工智能對GTFP的非線性影響，分別以研發(fā)投入和制度環(huán)境兩個(gè)變量作為門檻變量，借鑒Hansen(1999)的方法，構(gòu)建如下面板門檻模型[20]。

lnGTFPit=α0+α1lnAIitI(RD≤γ1)+α2lnAIitI(γ1γn)+β∑X+εit

(4)

lnGTFPit=α0+α1lnAIitI(INS≤γ1)+α2lnAIitI(γ1γn)+β∑X+εit

(5)

其中，RD、INS分別為研發(fā)投入、制度環(huán)境。γ、I(·)分別表示門檻值、指示函數(shù)，ΣX為控制變量。

(三)數(shù)據(jù)來源

本文實(shí)證分析的時(shí)間跨度為2009—2018年。源于數(shù)據(jù)的可獲得性，為了收集與整理的方便，本文選取了29個(gè)省市面板數(shù)據(jù)進(jìn)行分析(未包括西藏、新疆、港澳臺(tái)地區(qū))。相關(guān)數(shù)據(jù)來源于各地區(qū)的統(tǒng)計(jì)年鑒、《中國環(huán)境統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》等。

三、實(shí)證分析

(一)動(dòng)態(tài)GMM估計(jì)

本研究采用兩步系統(tǒng)GMM方法對模型進(jìn)行估計(jì)，為了消除短面板存在的異方差問題，對模型進(jìn)行了穩(wěn)健標(biāo)準(zhǔn)誤處理，回歸結(jié)果如表2。模型(一)到(五)中的AR(2)和Hansen檢驗(yàn)均接受原假設(shè)，表示模型不存在自相關(guān)，且工具變量均是有效的。在逐個(gè)加入控制變量的過程中，滯后一期的綠色全要素生產(chǎn)率和人工智能的系數(shù)始終顯著為正。在模型(五)中，人工智能的系數(shù)為0.011 2，且在5%的水平上顯著。表明人工智能發(fā)展水平每提高1%，會(huì)使綠色全要素生產(chǎn)率增長0.011 2%。這可能是因?yàn)樵谌斯ぶ悄馨l(fā)展過程中，其對綠色全要素生產(chǎn)率的正面促進(jìn)效應(yīng)較大，在一些領(lǐng)域直接代替人類進(jìn)行復(fù)雜勞動(dòng)。與傳統(tǒng)要素融合，有效改善要素的配置效率與質(zhì)量，通過智能監(jiān)控、智能預(yù)警等技術(shù)準(zhǔn)確找到企業(yè)生產(chǎn)過程中的污染源，降低企業(yè)治污成本，促使企業(yè)在競爭中向清潔高效型升級。而與原有要素或技術(shù)不協(xié)調(diào)、過快的增長造成的資源浪費(fèi)和對其他技術(shù)發(fā)展的抑制等負(fù)面效應(yīng)較小，從而在整體上顯著促進(jìn)了綠色全要素生產(chǎn)率的增長。

對于控制變量，人力資本和政府財(cái)政支出能顯著促進(jìn)GTFP的提升。其中人力資本的系數(shù)為0.107 3，在5%水平顯著。人力資本可以加快企業(yè)技術(shù)擴(kuò)散和技術(shù)模仿，提高全要素生產(chǎn)率；同時(shí)也能推動(dòng)綠色技術(shù)，降低減少污染的成本，從而對綠色全要素生產(chǎn)率產(chǎn)生正向推動(dòng)作用。政府財(cái)政支出系數(shù)在10%的水平上顯著。近些年來對環(huán)境的逐漸重視，政府在環(huán)境治理和維護(hù)方面的投入不斷加大，在一定程度上提升了綠色技術(shù)效率。對外貿(mào)易對GTFP無顯著影響。這可能源于，我國在對外貿(mào)易中主要以初級產(chǎn)品為主，高端制造業(yè)創(chuàng)新動(dòng)力、高技術(shù)競爭力不足，從而使得對外貿(mào)易對綠色全要素生產(chǎn)率無顯著影響。外商直接投資的技術(shù)溢出效應(yīng)存在一定的時(shí)滯，本土企業(yè)對外資企業(yè)的優(yōu)秀技術(shù)技能進(jìn)行效仿，以及將所學(xué)到的先進(jìn)技術(shù)、管理經(jīng)驗(yàn)運(yùn)用到生產(chǎn)過程中等都需要一定的時(shí)間，因此短期內(nèi)外商直接投資可能并不會(huì)顯著促進(jìn)GTFP的增長。

表2中模型(六)和模型(七)分別將綠色技術(shù)效率和綠色技術(shù)進(jìn)步作為被解釋變量。模型(六)中人工智能的系數(shù)顯著為正，數(shù)值為0.025 6。模型(七)中人工智能的系數(shù)為負(fù)，但未通過檢驗(yàn)。表明人工智能發(fā)展主要提升了綠色技術(shù)效率，其對綠色技術(shù)進(jìn)步的影響不顯著。

表2 動(dòng)態(tài)GMM估計(jì)結(jié)果

(二)門檻回歸

前面的研究證實(shí)了人工智能對綠色全要素生產(chǎn)率的增長效應(yīng)，但是基于線性分析的視角。由于人工智能對GTFP的影響受到多種因素的制約，且不同地區(qū)的資源要素存在很大的差異，因此，本研究以制度環(huán)境、研發(fā)投入兩個(gè)變量作為門檻變量，來研究人工智能發(fā)展對GTFP的非線性影響。

1.門檻存在性檢驗(yàn)。如表3所示，門檻變量研發(fā)投入通過了單一門檻和雙重門檻的檢驗(yàn)，三重門檻的P值為0.333 3，大于0.1，未通過檢驗(yàn)。門檻變量制度環(huán)境的門檻P值均大于0.1，未通過門檻檢驗(yàn)。表明人工智能對GTFP的影響存在研發(fā)投入的雙重門檻效應(yīng)，并不存在制度環(huán)境的門檻效應(yīng)。從表4可看出，研發(fā)投入的第一門檻值為0.033 7，即地區(qū)研發(fā)投入額占地區(qū)GDP的3.37%。第二門檻值為0.039 3，即地區(qū)研發(fā)投入額占地區(qū)GDP的3.93%。2018年研發(fā)投入已跨越第二門檻值的地區(qū)只有北京(0.056 5)，只跨越第一門檻值的地區(qū)有上海和天津(分別為0.037 7、0.036 8)，也即絕大多數(shù)地區(qū)研發(fā)投入還未達(dá)到第一門檻值。

表3 門檻存在性檢驗(yàn)

表4 門檻估計(jì)值及置信區(qū)間

2.門檻回歸結(jié)果分析?；谏鲜鰴z驗(yàn)結(jié)果，設(shè)置研發(fā)投入的雙重門檻模型后進(jìn)行回歸，回歸結(jié)果如表5。在研發(fā)投入的不同區(qū)間，人工智能發(fā)展對GTFP的影響存在差異。當(dāng)研發(fā)投入水平小于或等于0.033 7時(shí)，人工智能的系數(shù)為0.033 9，在1%水平上顯著。表示人工智能發(fā)展水平提高1%，會(huì)使GTFP增長0.033 9%。當(dāng)研發(fā)投入水平大于0.033 7但小于等于0.039 3時(shí)，人工智能的系數(shù)為0.098 1。當(dāng)研發(fā)投入水平大于0.039 3時(shí)，人工智能的系數(shù)為0.637 5，且P值均小于0.01，通過了檢驗(yàn)。從回歸結(jié)果可看出，隨著研發(fā)投入水平不斷上升到更高的區(qū)間，人工智能發(fā)展對GTFP的促進(jìn)效應(yīng)也不斷增強(qiáng)。并且，當(dāng)研發(fā)投入跨越第二門檻值時(shí)，人工智能對GTFP促進(jìn)效應(yīng)的增長幅度大于研發(fā)投入跨越第一門檻值時(shí)的增長幅度。這主要源于，當(dāng)研發(fā)投入低于某一值，特別是在人工智能核心基礎(chǔ)技術(shù)方面投入不足時(shí)，人工智能技術(shù)發(fā)展不成熟，難以與其他產(chǎn)業(yè)相互融合。只有當(dāng)研發(fā)投入跨越這一門檻值且不斷提高時(shí)，人工智能技術(shù)得到不斷發(fā)展，才能在生產(chǎn)中與其他要素進(jìn)行良性互動(dòng)，提高生產(chǎn)效率；人工智能達(dá)到一定的規(guī)模才能帶來互補(bǔ)性創(chuàng)新。

表5 基于研發(fā)投入的門檻回歸結(jié)果

(三)穩(wěn)健性檢驗(yàn)

為確保原模型估計(jì)的穩(wěn)健性，本研究從以下幾個(gè)方面進(jìn)行穩(wěn)健性檢驗(yàn)：①分別使用最小二乘估計(jì)(OLS)和固定效應(yīng)模型(FE)重新進(jìn)行回歸，結(jié)果如下表中模型(九)和模型(十)。模型(九)中人工智能的系數(shù)為0.017 8，但不顯著。模型(十)中人工智能系數(shù)為0.036 4。②由于被解釋變量GTFP的個(gè)別特殊值可能影響估計(jì)結(jié)果，因此對GTFP作相應(yīng)的處理，在去掉1%的GTFP極大極小值后重新回歸，模型(十一)為對應(yīng)的回歸結(jié)果，人工智能的系數(shù)為0.019 5。③改變核心解釋變量人工智能的衡量指標(biāo)，使用地區(qū)信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)固定資產(chǎn)投資額占地區(qū)GDP的比重來表示?；貧w結(jié)果如模型(十二)，人工智能的系數(shù)為0.026 1。④將控制變量人力資本替換成人力資本存量，使用各地區(qū)平均受教育年限乘以地區(qū)年末就業(yè)人數(shù)的積來衡量，結(jié)果如模型(十三)，人工智能的系數(shù)為0.012 8。除最小二乘估計(jì)中人工智能的系數(shù)未通過檢驗(yàn)外，其余模型的人工智能系數(shù)均顯著為正。且從模型(十一)到模型(十三)，AR(2)和Hansen的P值均大于0.1，接受不存在自相關(guān)和工具變量有效的原假設(shè)。雖然各模型中人工智能系數(shù)的絕對值大小有所差別，但符號(hào)并未改變，即人工智能對GTFP影響的總方向均為正，表示原模型的估計(jì)結(jié)果是穩(wěn)健有效的。

表6 穩(wěn)健性檢驗(yàn)

(四)進(jìn)一步拓展分析

上述研究著重采用的是均值回歸，但均值回歸容易受到極端值的影響，導(dǎo)致結(jié)果不穩(wěn)健。Koenker和Bassett提出的分位數(shù)回歸，能對解釋變量對被解釋變量條件分布的影響有更加全面準(zhǔn)確的認(rèn)識(shí)，且不會(huì)受到個(gè)別異常值的干擾[21]。因此，本研究在上述研究的基礎(chǔ)上，使用面板分位數(shù)回歸模型，進(jìn)一步探究人工智能對GTFP的非線性影響。回歸結(jié)果如表7所示。由表7可知，對于不同分位點(diǎn)處的GTFP，人工智能對其的影響不同。當(dāng)GTFP處于25%分位點(diǎn)處時(shí)，人工智能的系數(shù)為0.029 8。對于50%分位點(diǎn)處的GTFP，人工智能的系數(shù)變?yōu)?.036 2。當(dāng)GTFP處于75%分位點(diǎn)處時(shí)，人工智能的系數(shù)最高，為0.0416。由此表明，人工智能對處于高分位點(diǎn)處GTFP的促進(jìn)作用更大。其主要源于，GTFP更高的那些省份往往經(jīng)濟(jì)發(fā)展水平更高，資源稟賦相對優(yōu)越。人工智能發(fā)展水平與企業(yè)的技術(shù)創(chuàng)新能力也更強(qiáng)，在生產(chǎn)過程中，人工智能相關(guān)技術(shù)與企業(yè)原有要素、技術(shù)能得到更有效的融合。從而使得人工智能對GTFP的提升效應(yīng)更強(qiáng)。

表7 分位數(shù)回歸結(jié)果

四、結(jié)論與對策建議

(一)結(jié)論

基于我國2009—2018年29個(gè)省(市、區(qū))的面板數(shù)據(jù)，構(gòu)建動(dòng)態(tài)系統(tǒng)GMM模型，實(shí)證分析了人工智能對綠色全要素生產(chǎn)率的影響及其作用機(jī)制，并進(jìn)一步采用面板門檻模型、分位數(shù)回歸探究了人工智能對綠色全要素生產(chǎn)率的非線性影響。得出如下結(jié)論：(1)人工智能發(fā)展對綠色全要素生產(chǎn)率具有顯著的正面效應(yīng)，人工智能發(fā)展水平每提高1%，會(huì)使綠色全要素生產(chǎn)率增長0.011 2%。且主要是通過提升綠色技術(shù)效率，進(jìn)而促進(jìn)GTFP的增長，其對綠色技術(shù)進(jìn)步的影響不明顯。(2)人工智能發(fā)展對綠色全要素生產(chǎn)率的影響存在研發(fā)投入的雙重門檻效應(yīng)，基于制度環(huán)境的門檻效應(yīng)不顯著。隨著研發(fā)投入水平不斷上升到更高的區(qū)間，人工智能發(fā)展對GTFP的促進(jìn)效應(yīng)也不斷增強(qiáng)。(3)人工智能對于不同分位點(diǎn)處的綠色全要素生產(chǎn)率的影響不同，對處于高分位點(diǎn)處綠色全要素生產(chǎn)率的促進(jìn)作用更大。

(二)對策建議

1.加快相關(guān)基礎(chǔ)設(shè)施建設(shè)。如前所述，使用人工智能相關(guān)技術(shù)需要與相應(yīng)的基礎(chǔ)設(shè)施建設(shè)相匹配。如果相關(guān)基礎(chǔ)設(shè)施不能隨著人工智能的發(fā)展而不斷完善，人工智能技術(shù)對生產(chǎn)率的促進(jìn)作用將會(huì)被大大減弱。例如，采礦業(yè)中，確實(shí)能使用人工智能技術(shù)進(jìn)行預(yù)見性維修，通過實(shí)時(shí)數(shù)據(jù)可視化和分析，判斷是否應(yīng)該建設(shè)礦山或者進(jìn)一步鉆探。但是地下礦井的通信環(huán)境十分復(fù)雜，若5G網(wǎng)絡(luò)、相關(guān)通信設(shè)施建設(shè)無法普及、加強(qiáng)，則確保通信會(huì)成為一大挑戰(zhàn)，從而阻礙人工智能潛力的發(fā)揮。

2.積極引導(dǎo)人工智能與優(yōu)勢產(chǎn)業(yè)的融合發(fā)展。根據(jù)不同區(qū)域所具有的資源稟賦，加快發(fā)展各自的優(yōu)勢產(chǎn)業(yè)，促進(jìn)人工智能與比較優(yōu)勢產(chǎn)業(yè)的融合。違背地區(qū)產(chǎn)業(yè)發(fā)展特征，盲目使用人工智能機(jī)器、發(fā)展工業(yè)等，不僅達(dá)不到預(yù)期的增長，可能還會(huì)造成對勞動(dòng)力的替代，引起失業(yè)等負(fù)面效應(yīng)。東部地區(qū)應(yīng)加快人工智能在高端制造業(yè)、工業(yè)的應(yīng)用，中西部地區(qū)人口密度較大，基礎(chǔ)設(shè)施建設(shè)相比東部地區(qū)較為落后，因此中西部地區(qū)可以不斷促進(jìn)人工智能產(chǎn)業(yè)與當(dāng)?shù)剞r(nóng)業(yè)、旅游業(yè)的融合，使智能化發(fā)展對生產(chǎn)率的促進(jìn)作用更快地發(fā)揮出來，不斷助力各生產(chǎn)部門綠色全要素生產(chǎn)率的提升。

3.加大人工智能各項(xiàng)政策的扶持力度，促進(jìn)研發(fā)投入。政府可鼓勵(lì)地方財(cái)政加大人工智能關(guān)鍵領(lǐng)域的研發(fā)投入，特別是目前還未跨越研發(fā)投入第一門檻值的地區(qū)。政府可設(shè)計(jì)扶持基金，對人工智能產(chǎn)業(yè)予以適當(dāng)補(bǔ)貼，加快現(xiàn)有研究繼續(xù)取得突破性成果，同時(shí)為未來所要研究的全新領(lǐng)域奠定扎實(shí)的研究基礎(chǔ)。政府也應(yīng)對使用人工智能技術(shù)的企業(yè)予以一定的補(bǔ)貼、進(jìn)口稅收減免，促進(jìn)技術(shù)的廣泛傳播與應(yīng)用。一般，使用新技術(shù)的成本很高。若市場上只有幾家企業(yè)應(yīng)用該技術(shù)，則每個(gè)企業(yè)承擔(dān)的固定成本會(huì)很高；若該技術(shù)能有效地傳播開來，普遍運(yùn)用于生產(chǎn)中，則單個(gè)企業(yè)的使用成本會(huì)大大降低。

4.完善相關(guān)法律法規(guī)，使人工智能產(chǎn)業(yè)發(fā)展更加標(biāo)準(zhǔn)規(guī)范化。健全法律體系，明晰相關(guān)人員的法律責(zé)任，減少技術(shù)發(fā)展對社會(huì)的負(fù)面影響。進(jìn)一步加強(qiáng)環(huán)境規(guī)制水平，強(qiáng)化地區(qū)綠色經(jīng)濟(jì)發(fā)展指標(biāo)考核，完善知識(shí)產(chǎn)權(quán)保護(hù)制度，運(yùn)用社會(huì)、法律、經(jīng)濟(jì)等多種途徑激勵(lì)智能技術(shù)綠色創(chuàng)新。