人工智能、財(cái)政職能與中國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量

楊先明 王志閣

摘 要：在人口老齡化程度日益加深的背景下，作為新一輪科技革命的中堅(jiān)力量，人工智能能否成為應(yīng)對(duì)人口老齡化的有效手段并為提升我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提供新動(dòng)能，值得進(jìn)一步研究。在理論分析人口老齡化背景下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響機(jī)理及財(cái)政職能的調(diào)節(jié)機(jī)制的基礎(chǔ)上，采用2011-2019年我國(guó)30個(gè)省份的省級(jí)面板數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)，研究發(fā)現(xiàn)：人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量表現(xiàn)出顯著的提升作用，人工智能水平每提高1%，經(jīng)濟(jì)發(fā)展質(zhì)量水平就提高0.153%；而且，人工智能能顯著緩解人口老齡化對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的抑制作用，且在人口老齡化越嚴(yán)重的地區(qū)，這種緩解作用越明顯；財(cái)政職能在人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中呈現(xiàn)非線性的調(diào)節(jié)作用，財(cái)政支持職能和財(cái)政保障職能的調(diào)節(jié)作用在跨過單一門檻值后分別表現(xiàn)為非線性的逐步增強(qiáng)和逐步減弱的趨勢(shì)。下一步要充分利用人工智能來應(yīng)對(duì)人口老齡化問題，并將其培育成為實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)能。

關(guān)鍵詞：人工智能；經(jīng)濟(jì)發(fā)展質(zhì)量；財(cái)政職能

一、引言

習(xí)近平總書記在黨的十九屆五中全會(huì)第一次會(huì)議中指出，“發(fā)展中的矛盾和問題集中體現(xiàn)在發(fā)展質(zhì)量上。這就要求我們必須把發(fā)展質(zhì)量問題擺在更為突出的位置。”

“十四五”規(guī)劃明確提出，“十四五”時(shí)期經(jīng)濟(jì)社會(huì)發(fā)展要“以推動(dòng)高質(zhì)量發(fā)展為主題”，同時(shí)提出：“瞄準(zhǔn)人工智能、量子信息、集成電路等前沿領(lǐng)域，實(shí)施一批具有前瞻性、戰(zhàn)略性的國(guó)家重大科技項(xiàng)目?！贝撕?，習(xí)近平總書記更是強(qiáng)調(diào)，“我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，迫切需要新一代人工智能等重大創(chuàng)新添薪續(xù)力。加強(qiáng)人工智能和產(chǎn)業(yè)發(fā)展融合，為高質(zhì)量發(fā)展提供新動(dòng)能?！笨梢?，作為第四次科技革命的核心，人工智能被置于前沿科技的首位，有望成為提升我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的新動(dòng)能。

一方面，在我國(guó)逐步邁向深度老齡化社會(huì) 截至2021年，我國(guó)65歲及以上人口占比14.2%，按照國(guó)際通行標(biāo)準(zhǔn)（超過14%即為深度老齡化社會(huì)），我國(guó)已進(jìn)入深度老齡化社會(huì)。，勞動(dòng)力供給不足、勞動(dòng)成本躍升和新冠肺炎疫情沖擊就業(yè)和宏觀經(jīng)濟(jì)增長(zhǎng)的背景下，尚處于弱人工智能階段的人工智能能否成為應(yīng)對(duì)人口老齡化的有效手段以及該如何支持其發(fā)展才能使其成長(zhǎng)為提升我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的“新動(dòng)能”？另一方面，以“盧德運(yùn)動(dòng)”（Luddite Movement）為代表的各類社會(huì)事件（Auto和Salomons，2017）無(wú)不印證了“所有提高勞動(dòng)社會(huì)生產(chǎn)力的方法都是以犧牲個(gè)體工人利益為代價(jià)付諸實(shí)施的” （Marx，1867），而人工智能對(duì)勞動(dòng)力的崗位替代會(huì)強(qiáng)于以往任何一次工業(yè)革命，將加重失業(yè)和收入不平等問題，這顯然又不利于社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展質(zhì)量提升。面對(duì)這兩方面的矛盾，此時(shí)就需要綜合發(fā)揮政府財(cái)政職能為便于分析，本文將政府財(cái)政資金中用于“科學(xué)技術(shù)支出”的部分定義為對(duì)人工智能的“財(cái)政支持職能”；將用于“社會(huì)保障和就業(yè)支出”的部分定義為對(duì)人工智能的“財(cái)政保障職能”。 的作用來協(xié)調(diào)。那么，在高質(zhì)量發(fā)展主題和人口老齡化背景下，人工智能能否應(yīng)對(duì)人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量可能造成的不利影響并成為其“新動(dòng)能”？是否存在地區(qū)和老齡化水平上的異質(zhì)性？其應(yīng)對(duì)機(jī)制是怎樣的？進(jìn)而面對(duì)上述矛盾，財(cái)政職能應(yīng)更偏向于支持職能還是保障職能？其分別起到怎樣的作用？對(duì)這些問題展開研究，將為“十四五”乃至更長(zhǎng)時(shí)期如何利用人工智能應(yīng)對(duì)人口老齡化、如何把握財(cái)政對(duì)人工智能的支持和保障力度，從而助力經(jīng)濟(jì)高質(zhì)量發(fā)展提供重要的實(shí)踐依據(jù)和政策啟示。

現(xiàn)有文獻(xiàn)針對(duì)人工智能展開了大量研究，主要包括人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)和生產(chǎn)率、高質(zhì)量發(fā)展、技術(shù)創(chuàng)新、勞動(dòng)力就業(yè)與收入不平等、產(chǎn)業(yè)組織等的影響（曹靜和周亞林，2018）。與本文相關(guān)的研究主要涉及：

其一，人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)和生產(chǎn)率、高質(zhì)量發(fā)展的影響。早期學(xué)者主要嘗試將人工智能或自動(dòng)化引入經(jīng)濟(jì)增長(zhǎng)模型來尋求人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)的影響路徑。較早開展嘗試的是Hanson（2001）率先利用新古典增長(zhǎng)模型估計(jì)人工智能對(duì)經(jīng)濟(jì)的影響，人工智能最終會(huì)從互補(bǔ)型轉(zhuǎn)向替代型為主，經(jīng)濟(jì)實(shí)現(xiàn)快速增長(zhǎng)，但其模型未考慮所創(chuàng)造的新工作崗位對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。Acemoglu和Restrepo（2018a）首先對(duì)上述缺陷進(jìn)行了彌補(bǔ)，在Zeira（1998）基于任務(wù)模型的基礎(chǔ)上引入自動(dòng)化技術(shù)，認(rèn)為自動(dòng)化同時(shí)具有替代效應(yīng)和生產(chǎn)力效應(yīng)（Acemoglu和Restrepo，2018b）。Aghion等（2017）在Zeira（1998）基于任務(wù)模型的基礎(chǔ)上引入鮑莫爾成本病思想，進(jìn)一步構(gòu)建包含人工智能的結(jié)構(gòu)演變模型，指出人工智能會(huì)促使更多的資本替代勞動(dòng)完成任務(wù)，可以緩解鮑莫爾成本病，進(jìn)而促進(jìn)生產(chǎn)率的提高。

基于這些理論基礎(chǔ)，諸多學(xué)者通過實(shí)證檢驗(yàn)肯定了人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)和生產(chǎn)率的促進(jìn)作用。已有研究發(fā)現(xiàn)，計(jì)算機(jī)化在短期和長(zhǎng)期對(duì)TFP均呈現(xiàn)顯著的正向影響（Brynjolfsson和Hitt，2006），而工業(yè)機(jī)器人的使用可以使全要素生產(chǎn)率在行業(yè)層面提高5%（Kromann等，2011），經(jīng)濟(jì)增長(zhǎng)率提高約0.37% （Graetz和Michaels，2018）。隨著人工智能數(shù)據(jù)的豐富和指標(biāo)拓展，針對(duì)發(fā)展中國(guó)家的研究日益增多。部分學(xué)者在深入分析人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)（陳彥斌等，2019）影響機(jī)制的基礎(chǔ)上，從技術(shù)升級(jí)（楊光和侯鈺，2020）、資本結(jié)構(gòu)優(yōu)化（林晨等，2020）等角度實(shí)證檢驗(yàn)了人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用（程承坪和陳志，2021）。一些學(xué)者從要素市場(chǎng)（邵慰和吳婷莉，2022）、產(chǎn)業(yè)升級(jí)和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化（耿子恒等，2021）等視角出發(fā)進(jìn)行機(jī)制分析和實(shí)證檢驗(yàn)，認(rèn)為人工智能對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展存在正向影響（唐曉華和遲子茗，2021）或非線性作用（李翠妮等，2022）。

雖然現(xiàn)有大部分文獻(xiàn)肯定了人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)或生產(chǎn)率的積極作用，但也有學(xué)者持不同意見。Gasteiger和Prettner（2017）通過世代交疊模型，發(fā)現(xiàn)機(jī)器人的競(jìng)爭(zhēng)會(huì)抑制經(jīng)濟(jì)增長(zhǎng)；黃旭和董志強(qiáng)（2019）拓展了世代交疊模型，認(rèn)為資本過度流向使用機(jī)器人的部門會(huì)加劇收入不平等，最終會(huì)使經(jīng)濟(jì)發(fā)展陷入停滯。而其中起關(guān)鍵作用的是要有與新技術(shù)相匹配的教育體系，勞動(dòng)者技能的缺失會(huì)加劇TFP的降低（Acemoglu和Restrepo，2018b）。

其二，人口老齡化背景下人工智能對(duì)勞動(dòng)力市場(chǎng)的影響。諸多學(xué)者圍繞人工智能與勞動(dòng)者之間的關(guān)系展開研究。部分學(xué)者認(rèn)為人工智能與勞動(dòng)者之間存在互補(bǔ)關(guān)系，人口老齡化越嚴(yán)重的國(guó)家和地區(qū)，越傾向于率先采用人工智能（機(jī)器人）進(jìn)行生產(chǎn)活動(dòng)（Acemoglu和Restrepo，2017），用以彌補(bǔ)勞動(dòng)力不足對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的不利影響（Abeliansky 和Prettner，2017）。人工智能可以通過減少生產(chǎn)所需勞動(dòng)力、提高資本回報(bào)率和全要素生產(chǎn)率等多種途徑來弱化人口老齡化對(duì)經(jīng)濟(jì)增長(zhǎng)（陳彥斌等，2019；林晨等，2020）、經(jīng)濟(jì)高質(zhì)量發(fā)展的不利影響（李翠妮等，2022）。鄧洲（2016）、呂潔等（2017）的研究也肯定了工業(yè)機(jī)器人和勞動(dòng)力之間存在互補(bǔ)關(guān)系。鄧悅和蔣琬儀（2022）則認(rèn)為智能化轉(zhuǎn)型會(huì)通過提高企業(yè)勞動(dòng)力教育多樣性和來源地多樣性，進(jìn)而推動(dòng)企業(yè)創(chuàng)新。與此相反，相當(dāng)一部分學(xué)者認(rèn)為人工智能與勞動(dòng)者之間呈現(xiàn)替代關(guān)系。為了降低人口老齡化對(duì)生產(chǎn)活動(dòng)的沖擊，企業(yè)將更多地投入機(jī)器人以替代勞動(dòng)（Acemoglu和Restrepo，2018b），且對(duì)勞動(dòng)者的替代將占主導(dǎo)地位（Hanson，2001），但Gregory等（2016）則認(rèn)為工業(yè)機(jī)器人會(huì)帶來就業(yè)的凈增長(zhǎng)。進(jìn)一步的現(xiàn)有研究對(duì)替代作用的影響效果也尚未達(dá)成一致意見。鄭秋霖等（2018）認(rèn)為人工智能是應(yīng)對(duì)人口老齡化的重要工具，且與勞動(dòng)力之間是“補(bǔ)位式替代”，從而有助于人口老齡化背景下的經(jīng)濟(jì)發(fā)展。盡管對(duì)現(xiàn)有崗位的替代比例仍存在較大分歧，但更多的研究則認(rèn)為人工智能和自動(dòng)化存在導(dǎo)致勞動(dòng)者大面積失業(yè)的風(fēng)險(xiǎn)（Frey和Osborne，2017；黃旭和董志強(qiáng)，2019），進(jìn)一步加劇收入不平等（Decanio，2016；王林輝等，2020）。

面對(duì)上述研究人工智能對(duì)經(jīng)濟(jì)增長(zhǎng)或生產(chǎn)率的促進(jìn)與人工智能可能加重失業(yè)和收入不平等的矛盾，肖涵和葛偉（2021）深入分析了財(cái)政職能對(duì)人工智能帶來的經(jīng)濟(jì)奇點(diǎn)臨界值的影響，并通過數(shù)值模擬發(fā)現(xiàn)政府投資規(guī)模和再分配規(guī)模分別與經(jīng)濟(jì)奇點(diǎn)臨界值呈現(xiàn)“U”形和“倒U”形關(guān)系，即會(huì)影響經(jīng)濟(jì)奇點(diǎn)時(shí)間節(jié)點(diǎn)到來的時(shí)間。

總體來看，上述研究為本文提供了一定的基礎(chǔ)和啟示，但仍存在一些不足：第一，視角缺失問題。雖然有學(xué)者已經(jīng)關(guān)注到從財(cái)政職能入手考慮對(duì)人工智能帶來的經(jīng)濟(jì)奇點(diǎn)臨界值的影響，但尚未發(fā)現(xiàn)從財(cái)政職能視角針對(duì)人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響展開研究的文獻(xiàn)。第二，指標(biāo)衡量問題?，F(xiàn)有研究對(duì)人工智能和經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)的衡量，存在指標(biāo)選取單一、過程指標(biāo)和結(jié)果指標(biāo)混合使用的問題。第三，測(cè)度方法問題?，F(xiàn)有文獻(xiàn)在采用面板熵值法進(jìn)行指標(biāo)測(cè)度時(shí)往往忽略了時(shí)間因素，分年測(cè)度的方法導(dǎo)致每個(gè)基礎(chǔ)指標(biāo)每年的權(quán)重并不一致，從而影響指標(biāo)測(cè)度結(jié)果的科學(xué)性。對(duì)此，本文在深入分析人口老齡化背景下人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響機(jī)理，并針對(duì)上述矛盾從財(cái)政職能視角分析其在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響中的調(diào)節(jié)機(jī)制的基礎(chǔ)上，慎重選取并重新測(cè)度人工智能和經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)，采用2011-2019年我國(guó)30個(gè)省份的省際面板數(shù)據(jù)，實(shí)證檢驗(yàn)人工智能及其與人口老齡化交互項(xiàng)對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響并對(duì)財(cái)政職能調(diào)節(jié)機(jī)制進(jìn)行檢驗(yàn)，進(jìn)而根據(jù)所得結(jié)論提出針對(duì)性建議。

本文力求在以下三個(gè)方面有所貢獻(xiàn)：第一，研究視角上，本文在理論分析并實(shí)證檢驗(yàn)人口老齡化背景下人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響基礎(chǔ)上，進(jìn)而著重從財(cái)政職能這一新視角，分析并實(shí)證檢驗(yàn)財(cái)政職能在人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量影響中的調(diào)節(jié)作用，從而為如何緩和上述矛盾找到突破口，這既豐富了人工智能與經(jīng)濟(jì)發(fā)展質(zhì)量的研究視角，也為“十四五”乃至更長(zhǎng)時(shí)期如何把握財(cái)政對(duì)人工智能的支持和保障力度、實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展質(zhì)量提升提供了重要的實(shí)踐依據(jù)和政策啟示。第二，指標(biāo)衡量上，在充分考慮人工智能和經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)選取可能存在重復(fù)性和共線性問題的基礎(chǔ)上，刪除了經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)體系中的電信設(shè)施水平等基礎(chǔ)指標(biāo)，重新選取并衡量了兩大指標(biāo)，尤其是特別注意從結(jié)果層面選取經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)，以避免高投入對(duì)低產(chǎn)出的掩蓋問題，為實(shí)證結(jié)果的科學(xué)性提供了基礎(chǔ)。第三，測(cè)度方法上，進(jìn)行了科學(xué)審慎的改進(jìn)，進(jìn)而對(duì)所借鑒的楊麗和孫之淳（2015）熵值法測(cè)度步驟中的錯(cuò)誤進(jìn)行了改進(jìn)具體改進(jìn)見后文 “測(cè)度方法”部分腳注。，使得指標(biāo)體系得分更加合理、實(shí)證結(jié)果更加可信。

后文結(jié)構(gòu)安排如下：第二部分為理論分析與研究假設(shè)；第三部分為計(jì)量模型構(gòu)建、指標(biāo)選取與數(shù)據(jù)說明；第四部分為實(shí)證檢驗(yàn)與結(jié)果分析；第五部分為機(jī)制檢驗(yàn)；第六部分為結(jié)論與啟示。

二、理論分析與研究假設(shè)

（一）人口老齡化背景下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響

勞動(dòng)力成本優(yōu)勢(shì)給我國(guó)帶來了長(zhǎng)期的增長(zhǎng)奇跡，但隨著我國(guó)勞動(dòng)力供給劉易斯拐點(diǎn)的出現(xiàn)（蔡昉，2009），“人口紅利”式微，我國(guó)已步入老齡化社會(huì)據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，1999年我國(guó)60歲及以上人口占比為10.97%；2000年65歲及以上人口占比達(dá)到了7%，按照聯(lián)合國(guó)對(duì)人口老齡化界定的標(biāo)準(zhǔn)（舊標(biāo)準(zhǔn)為60歲及以上人口占比超過10%；新標(biāo)準(zhǔn)為65歲及以上人口占比超過7%），我國(guó)已在1999年或2000年左右步入老齡化社會(huì)。。勞動(dòng)力供給端乏力的情形下，可以從需求端著手尋求應(yīng)對(duì)之策。已有文獻(xiàn)研究表明，一個(gè)國(guó)家的人口老齡化越嚴(yán)重，越傾向于更早、更多地投入使用人工智能從事生產(chǎn)活動(dòng)（Acemoglu和Restrepo，2017），以替代勞動(dòng)從而減少人口老齡化對(duì)生產(chǎn)活動(dòng)的沖擊影響（Acemoglu和Restrepo，2022）?？梢?，人工智能作為新一輪科技革命的核心變革力量，在一定程度上成為應(yīng)對(duì)人口老齡化、促進(jìn)經(jīng)濟(jì)發(fā)展質(zhì)量提升的有效手段。

首先，針對(duì)人口老齡化導(dǎo)致的勞動(dòng)力供給不足，人工智能可以實(shí)現(xiàn)生產(chǎn)過程的自動(dòng)化和智能化，實(shí)現(xiàn)比機(jī)械自動(dòng)化替代幅度更大范圍的勞動(dòng)力替代這符合馬克思主義唯物史觀，生產(chǎn)力作為人類社會(huì)最活躍的元素，生產(chǎn)力躍升會(huì)改變勞動(dòng)力與生產(chǎn)資料結(jié)合的方式，而以人工智能為代表的第四次科技革命弱化了生產(chǎn)過程中勞動(dòng)者與傳統(tǒng)生產(chǎn)資料之間不可分割的關(guān)系。，并提升生產(chǎn)效率和產(chǎn)品質(zhì)量。此外，人工智能還會(huì)創(chuàng)造出新的行業(yè)部門及新的就業(yè)崗位（孟浩和張美莎，2021），促使勞動(dòng)力為適應(yīng)新的崗位需求提升自身素質(zhì)，實(shí)現(xiàn)整體人力資本質(zhì)量的提升和結(jié)構(gòu)的升級(jí)，形成“創(chuàng)造性補(bǔ)償”效應(yīng)，這都有利于實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升。

其次，針對(duì)人口老齡化造成的儲(chǔ)蓄率和投資率下降，人工智能對(duì)勞動(dòng)力的替代會(huì)大幅減少養(yǎng)老和醫(yī)療保障資金支出，促進(jìn)儲(chǔ)蓄增加和投資率提高。此外，人工智能會(huì)抑制資本邊際報(bào)酬遞減，提升投資意愿；人工智能會(huì)促使更多的生產(chǎn)任務(wù)由資本替代勞動(dòng)來完成，資本密集型會(huì)帶來更高的資本回報(bào)率（陳彥斌等，2019），進(jìn)一步實(shí)現(xiàn)全社會(huì)投資率的提升，助力我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升。

最后，針對(duì)人口老齡化對(duì)技術(shù)創(chuàng)新和全要素生產(chǎn)率的不利影響，養(yǎng)老和醫(yī)療保障資金支出的減少會(huì)減少對(duì)研發(fā)投入的擠出，并且可以提高研發(fā)效率、節(jié)約研發(fā)成本（程承坪和陳志，2021）；雖然由于“新索洛悖論” “新索洛悖論”指人工智能的快速發(fā)展與全球全要素生產(chǎn)率不斷下降這一事實(shí)。，人工智能短期內(nèi)可能無(wú)法實(shí)現(xiàn)生產(chǎn)率的顯著提升，但長(zhǎng)期來看，人工智能通過知識(shí)創(chuàng)造和知識(shí)溢出等方式實(shí)現(xiàn)對(duì)技術(shù)創(chuàng)新和全要素生產(chǎn)率的提高（Brynjolfsson等，2017）。

另外，人工智能也會(huì)作為新的智能資本要素進(jìn)入經(jīng)濟(jì)和社會(huì)系統(tǒng)。例如，人工智能產(chǎn)業(yè)鏈的延伸可以帶來“人工智能+”新業(yè)態(tài)并帶動(dòng)相關(guān)垂直行業(yè)的發(fā)展；人工智能與大數(shù)據(jù)、互聯(lián)網(wǎng)等技術(shù)的融合，可以實(shí)現(xiàn)對(duì)生產(chǎn)要素和商品需求的精準(zhǔn)預(yù)測(cè)，提高市場(chǎng)運(yùn)作效率、節(jié)約市場(chǎng)運(yùn)行成本；人工智能還可以通過智能治理模式助力“放管服”改革，提高政府治理效率（程承坪和陳志，2021）。針對(duì)以上分析，本文提出假設(shè)1和假設(shè)2：

H1：人工智能可以促進(jìn)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升。

H2：人工智能可以有針對(duì)性地緩解人口老齡化對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的不利影響。

（二）財(cái)政職能在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響中的調(diào)節(jié)作用

人工智能對(duì)勞動(dòng)力的替代并非都是“補(bǔ)位式替代”，也存在相當(dāng)比例的“擠出式替代”，導(dǎo)致失業(yè)和收入不平等問題的加劇，表現(xiàn)為“破壞性替代”效應(yīng)。具體來說，一方面，人工智能作為重大科技革新，必然會(huì)對(duì)傳統(tǒng)制造業(yè)崗位帶來巨大沖擊，成為就業(yè)市場(chǎng)和整個(gè)社會(huì)的重大不穩(wěn)定因素（韓民春等，2020）；另一方面，資本往往掌握在少數(shù)人手中，更多的資本替代勞動(dòng)會(huì)加劇收入不平等。人工智能所導(dǎo)致的失業(yè)和收入不平等問題會(huì)導(dǎo)致消費(fèi)下降和經(jīng)濟(jì)活力不足，造成產(chǎn)能過剩（肖涵和葛偉，2021），顯然不利于我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升。此時(shí)，就需要政府發(fā)揮財(cái)政保障職能，加大就業(yè)和社會(huì)保障支出，加大收入再分配力度，并積極引導(dǎo)失業(yè)者轉(zhuǎn)崗再就業(yè)，從而促進(jìn)社會(huì)消費(fèi)，實(shí)現(xiàn)經(jīng)濟(jì)良性循環(huán)和經(jīng)濟(jì)發(fā)展質(zhì)量提升。

當(dāng)前，人工智能正處于弱人工智能階段，需要在人工智能相關(guān)的5G網(wǎng)絡(luò)、大數(shù)據(jù)中心等“新基建”方面進(jìn)行大量公共建設(shè)投資，這顯然不是一般企業(yè)所能承擔(dān)的。這就需要政府利用財(cái)政支持職能進(jìn)行集中的投資攻關(guān)，以引導(dǎo)資金流向，加大對(duì)重點(diǎn)領(lǐng)域和龍頭企業(yè)的支持力度，同時(shí)也需要國(guó)家注重人工智能所需的緊缺人才的培養(yǎng)，從而加快人工智能的發(fā)展，發(fā)揮人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用。

可見，無(wú)論是弱人工智能階段的發(fā)展現(xiàn)狀，還是為了應(yīng)對(duì)人工智能所導(dǎo)致的失業(yè)和收入不平等問題，都離不開財(cái)政職能作用的發(fā)揮。然而，政府的財(cái)政能力畢竟是有限的，必然需要在財(cái)政支持職能和財(cái)政保障職能之間尋找平衡點(diǎn)，不同的財(cái)政支持職能和財(cái)政保障職能水平傾向下，人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響程度也必然呈現(xiàn)差異性。據(jù)此，本文提出假設(shè)3a和假設(shè)3b：

H3a：財(cái)政支持職能在人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中呈現(xiàn)非線性的調(diào)節(jié)作用。

H3b：財(cái)政保障職能在人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中呈現(xiàn)非線性的調(diào)節(jié)作用。

三、計(jì)量模型構(gòu)建、指標(biāo)選取與數(shù)據(jù)說明

（一）計(jì)量模型設(shè)定

1.基準(zhǔn)模型和交互效應(yīng)模型

本文的核心目標(biāo)是考察人口老齡化背景下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響，同時(shí)加入了人口老齡化，結(jié)合理論分析和指標(biāo)選取構(gòu)建了如下基準(zhǔn)模型：

lnYit=α0+β1lnAIit+β2lnOldit+γXit+δi+τt+εit（1）

考慮到異方差問題，對(duì)所有變量進(jìn)行取對(duì)數(shù)處理。其中，i和t分別代表地區(qū)和時(shí)間，lnYit為被解釋變量，表示i省份t年的經(jīng)濟(jì)發(fā)展質(zhì)量水平；lnAIit為核心解釋變量，表示i省份t年的人工智能水平；lnOldit表示i省份t年的人口老齡化水平；Xit代表一系列控制變量，δi、τt、εit分別表示個(gè)體固定效應(yīng)、時(shí)間固定效應(yīng)及隨機(jī)誤差項(xiàng)。

為驗(yàn)證假設(shè)H2，即人工智能能否有針對(duì)性地緩解人口老齡化對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的不利影響，參考左鵬飛（2020）的經(jīng)驗(yàn)，在式（1）的基礎(chǔ)上加入二者的交互項(xiàng)lnAIit×lnOldit，構(gòu)建交互效應(yīng)模型：

lnYit=α0+β1lnAIit+β2lnOldit+β3lnAIit×lnOldit+γXit+δi+τt+εit（2）

2.財(cái)政職能的調(diào)節(jié)效應(yīng)模型

基于理論分析和研究假設(shè)財(cái)政職能在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響中的調(diào)節(jié)作用，本文首先分別構(gòu)建包含人工智能與財(cái)政支持職能交互項(xiàng)（lnAI×lnFinsup）和人工智能與財(cái)政保障職能交互項(xiàng)（lnAI×lnFinsec）的線性交互效應(yīng)模型：

lnYit=α0+β1lnAIit+β2lnFinsupit+β3lnAIit×lnFinsupit+γXit+δi+τt+εit（3）

lnYit=α0+β1lnAIit+β2lnFinsecit+β3lnAIit×lnFinsecit+γXit+δi+τt+εit（4）

財(cái)政職能的調(diào)節(jié)作用可能是非線性的，借鑒海本祿等（2020）的經(jīng)驗(yàn)做法，在模型式（3）和式（4）的基礎(chǔ)上，分別加入人工智能與財(cái)政支持職能平方項(xiàng)的交互項(xiàng)（lnAI×lnFinsup2）和人工智能與財(cái)政保障職能平方項(xiàng)的交互項(xiàng)（lnAI×lnFinsec2），從而建立非線性交互效應(yīng)模型：

lnYit=α0+β1lnAIit+β2lnFinsupit+β3lnAIit×lnFinsupit+β4lnFinsup2it+β5lnAIit×lnFinsup2it+γXit+δi+τt+εit（5）

lnYit=α0+β1lnAIit+β2lnFinsecit+β3lnAIit×lnFinsecit+β4lnFinsec2it+β5lnAIit×lnFinsec2it+γXit+δi+τt+εit（6）

進(jìn)一步考察財(cái)政職能的調(diào)節(jié)作用可能存在的區(qū)間差異。鑒于Hansen（1999）提出的非線性門檻面板模型使門檻區(qū)間的劃分內(nèi)生化，避免人為劃分偏誤，本文借此分別構(gòu)建以財(cái)政支持職能和財(cái)政保障職能為門檻變量，以人工智能為門檻效應(yīng)變量的門檻面板模型，以考察不同財(cái)政職能水平門檻值下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響差異：

lnYit=α0+β1lnAIitI（lnFinsupit≤φ）+β2lnAIitI（lnFinsupit>φ）+γXit+εit（7）

lnYit=α0+β1lnAIitI（lnFinsecit≤φ）+β2lnAIitI（lnFinsecit>φ）+γXit+εit （8）

式中，lnFinsupit和lnFinsecit分別表示財(cái)政支持職能和財(cái)政保障職能，I（·）為指示函數(shù)，φ為待估計(jì)的門檻值，β1、β2為不同門檻區(qū)間的影響系數(shù)，其他變量含義同基準(zhǔn)模型式（1）。

（二）變量選取與說明

1.被解釋變量

中國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量（Y）。以往僅以人均GDP（陳詩(shī)一和陳登科，2018）衡量經(jīng)濟(jì)高質(zhì)量發(fā)展的做法難免有失偏頗，越來越多的學(xué)者通過經(jīng)濟(jì)高質(zhì)量發(fā)展內(nèi)涵構(gòu)建多維指標(biāo)體系對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展予以測(cè)度。高質(zhì)量發(fā)展是為應(yīng)對(duì)社會(huì)主要矛盾變化，為滿足“美好生活需要”和解決“不平衡不充分發(fā)展”問題而提出的，而貫徹新發(fā)展理念是實(shí)現(xiàn)高質(zhì)量發(fā)展的必然要求和評(píng)判準(zhǔn)則，并考慮到在社會(huì)主義初級(jí)階段“以交換價(jià)值所體現(xiàn)的市場(chǎng)經(jīng)濟(jì)的工具理性機(jī)制仍然具有重要意義”（金碚，2018）。因此，對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的測(cè)度也應(yīng)是在一定發(fā)展總量基礎(chǔ)上并集中體現(xiàn)創(chuàng)新、協(xié)調(diào)、綠色、開放、共享五大發(fā)展理念的，本文主要基于五大發(fā)展理念，并借鑒徐志向和丁任重（2019）、呂承超和崔悅（2020）的經(jīng)驗(yàn)做法，結(jié)合數(shù)據(jù)可獲性，從總量、創(chuàng)新、協(xié)調(diào)、綠色、開放、共享6個(gè)維度選取28個(gè)基礎(chǔ)指標(biāo)構(gòu)建中國(guó)省際經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)評(píng)價(jià)體系，并針對(duì)現(xiàn)有指標(biāo)選取時(shí)存在的問題進(jìn)行了優(yōu)化、創(chuàng)新和改進(jìn)受李金昌等（2019）的啟發(fā)，并根據(jù)本文需要主要考慮從以下四個(gè)方面進(jìn)行指標(biāo)優(yōu)化：（1）經(jīng)濟(jì)發(fā)展質(zhì)量應(yīng)是經(jīng)濟(jì)發(fā)展結(jié)果的體現(xiàn)，為避免過程指標(biāo)和結(jié)果指標(biāo)混合使用進(jìn)而可能造成高投入對(duì)低產(chǎn)出的掩蓋問題，本文主要考慮從結(jié)果層面選取指標(biāo)，剔除政府投資、研發(fā)經(jīng)費(fèi)投入和研發(fā)人員投入等過程指標(biāo)；（2）堅(jiān)持少而精的原則，避免過多同類指標(biāo)進(jìn)入指標(biāo)層，同時(shí)增加了產(chǎn)業(yè)協(xié)調(diào)等新的指標(biāo)加以完善指標(biāo)體系；（3）對(duì)產(chǎn)品優(yōu)等品率、服務(wù)產(chǎn)品高級(jí)度等數(shù)據(jù)缺失嚴(yán)重的指標(biāo)予以刪除；（4）考慮到本文是考察人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響，為避免重復(fù)性和共線性，并未將電信設(shè)施水平等電子和軟件層面的指標(biāo)納入考察。，具體如表1所示。

2.核心解釋變量

人工智能（AI）?，F(xiàn)有文獻(xiàn)對(duì)人工智能的度量主要包括以“人工智能”為關(guān)鍵詞搜索得到的相關(guān)專利數(shù)據(jù)，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)城鎮(zhèn)單位就業(yè)人員占比（程承坪和陳志，2021）或固定資產(chǎn)投資比重（陳志等，2022）以及通過國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）公布的工業(yè)機(jī)器人數(shù)據(jù)（陳秋霖等，2018；韓民春等，2020）等方式，然而單一指標(biāo)的測(cè)度方法往往難以反映出我國(guó)人工智能發(fā)展的綜合水平。本文根據(jù)國(guó)家工業(yè)和信息化部對(duì)工業(yè)化和信息化融合的指標(biāo)體系，借鑒孫早和侯玉林（2019）、劉亮等（2020）的研究，主要從人工智能投入和應(yīng)用層面選取五大基礎(chǔ)指標(biāo)構(gòu)建綜合反映中國(guó)省際人工智能發(fā)展水平的評(píng)價(jià)體系，具體如表2所示。

3.人口老齡化和財(cái)政職能

人口老齡化（Old）。參考已有文獻(xiàn)的經(jīng)驗(yàn)做法，本文采用65歲及以上人口占比測(cè)度人口老齡化（李競(jìng)博和高瑗，2022）。

財(cái)政職能。財(cái)政支持職能（Finsup）和財(cái)政保障職能（Finsec）。本文所涉及的兩種財(cái)政職能主要是針對(duì)人工智能發(fā)展過程中的“新動(dòng)能”作用與可能加重失業(yè)和收入不平等的矛盾而提出的，因此，本文有針對(duì)性地以科學(xué)技術(shù)支出占地方一般公共預(yù)算支出比重來表示財(cái)政支持職能（Finsup）（胡晟明等，2021；沈洋等，2022）；以社會(huì)保障和就業(yè)支出占地方一般公共預(yù)算支出比重來表示財(cái)政保障職能（Finsec）（邸俊鵬等，2021；楊穗等，2021）。

4.控制變量

地區(qū)政府干預(yù)（Gov），用地方一般公共預(yù)算支出占國(guó)內(nèi)生產(chǎn)總值的比重衡量；外商直接投資水平（Fdi），用外商直接投資總額占國(guó)內(nèi)生產(chǎn)總值的比重衡量（李翠妮等，2022）；資本強(qiáng)度（Cap），用固定資產(chǎn)投資額占國(guó)內(nèi)生產(chǎn)總值的比重衡量（唐曉華和遲子茗，2021）；R&D經(jīng)費(fèi)投入強(qiáng)度（RDf），用研發(fā)經(jīng)費(fèi)支出占GDP的比重衡量；R&D人力投入強(qiáng)度（RDp），用研發(fā)人員數(shù)占城鎮(zhèn)單位就業(yè)人員數(shù)的比重衡量（呂承超和崔悅，2020）；金融發(fā)展水平（Fdl），采用金融機(jī)構(gòu)貸款余額占國(guó)內(nèi)生產(chǎn)總值的比重衡量；市場(chǎng)化水平（Mar），采用王小魯?shù)龋?019）公布的各省份的市場(chǎng)化指數(shù)來衡量，由于分省份的市場(chǎng)化指數(shù)報(bào)告截至2016年，對(duì)2017-2019年的市場(chǎng)化指數(shù)采用平均增長(zhǎng)率予以補(bǔ)充。

（三）數(shù)據(jù)來源和測(cè)度方法

1.數(shù)據(jù)來源

本文采用2011-2019年我國(guó)30個(gè)省份的省級(jí)面板數(shù)據(jù)為樣本，剔除數(shù)據(jù)缺失嚴(yán)重的西藏及港澳臺(tái)地區(qū)。相關(guān)指標(biāo)數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)科技統(tǒng)計(jì)年鑒》、《高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境年鑒》、《中國(guó)金融年鑒》、《中國(guó)貿(mào)易外經(jīng)統(tǒng)計(jì)年鑒》《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告（2018）》及各省份統(tǒng)計(jì)年鑒。對(duì)部分存在缺失的數(shù)據(jù)采用均值法進(jìn)行了補(bǔ)充；為了使各年數(shù)據(jù)可比，根據(jù)指標(biāo)數(shù)據(jù)的類型和特點(diǎn)，分別采用2011年為基期的GDP指數(shù)、人均GDP指數(shù)、GDP平減指數(shù)、進(jìn)出口額指數(shù)、居民消費(fèi)價(jià)格指數(shù)、商品零售價(jià)格指數(shù)、固定資產(chǎn)投資價(jià)格指數(shù)等進(jìn)行平減，并進(jìn)行對(duì)數(shù)化處理。變量的描述性統(tǒng)計(jì)如表3所示。

2.測(cè)度方法

現(xiàn)有的綜合評(píng)價(jià)方法根據(jù)權(quán)重確定方式的不同，可分為兩類：一類是主觀賦權(quán)評(píng)價(jià)法，包括德爾菲法、頭腦風(fēng)暴法等；另一類是客觀賦權(quán)評(píng)價(jià)法，包括因子分析法、主成分分析法、熵值法等（郭蕓等，2020）。相比于前者，客觀賦權(quán)評(píng)價(jià)法可以避免主觀因素的干擾，尤其是熵值法通過信息熵原理可以比較客觀地確定權(quán)重，相比其他客觀賦權(quán)法也更具合理性（郭顯光，1998）。針對(duì)現(xiàn)有文獻(xiàn)對(duì)面板熵值法運(yùn)用過程中往往忽略時(shí)間因素，分年測(cè)度的方法導(dǎo)致每個(gè)基礎(chǔ)指標(biāo)每年的權(quán)重并不一致的弊病，本文參考楊麗和孫之淳（2015）的研究，在具體測(cè)算過程中納入時(shí)間因素，并對(duì)其計(jì)算步驟中的錯(cuò)誤其錯(cuò)誤體現(xiàn)在步驟（3），由于極差標(biāo)準(zhǔn)化后會(huì)產(chǎn)生零值數(shù)據(jù)，但其未進(jìn)行非負(fù)平移，而后續(xù)步驟會(huì)進(jìn)行取對(duì)數(shù)，這顯然存在錯(cuò)誤，本文對(duì)此進(jìn)行了修正。進(jìn)行了修正，使綜合評(píng)價(jià)結(jié)果更趨合理。

改進(jìn)的面板熵值法的具體計(jì)算方法和步驟如下：

（1）指標(biāo)選擇：假設(shè)有d個(gè)年份、m個(gè)省份、n個(gè)指標(biāo)，則xθij表示第θ年i省份第j個(gè)指標(biāo)的值。

（2）指標(biāo)的標(biāo)準(zhǔn)化處理：鑒于直接使用量綱不同的各個(gè)指標(biāo)進(jìn)行測(cè)算會(huì)產(chǎn)生較大誤差，因此采用極差法進(jìn)行標(biāo)準(zhǔn)化處理。

其中，xmax和xmin分別表示第j個(gè)指標(biāo)在i個(gè)省份θ個(gè)年份中的最大值和最小值，即該指標(biāo)在全部年份的最大值和最小值，x'θij為標(biāo)準(zhǔn)化處理后的指標(biāo)值。

（3）非負(fù)平移：由于極差標(biāo)準(zhǔn)化后會(huì)產(chǎn)生零值數(shù)據(jù)，為便于后續(xù)步驟取對(duì)數(shù)，需要做數(shù)據(jù)平移。

X'θij=x'θij+0.01（11）

（4）計(jì)算指標(biāo)權(quán)重：

（6）計(jì)算第j個(gè)指標(biāo)的差異系數(shù)：

Dj=1-Ej（14）

（7）計(jì)算第j個(gè)指標(biāo)的權(quán)重：

基于上述測(cè)度方法和步驟，計(jì)算出2011-2019年我國(guó)30個(gè)省份的經(jīng)濟(jì)發(fā)展質(zhì)量和人工智能的綜合指數(shù)，分別如表4和表5所示。

四、實(shí)證檢驗(yàn)與結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

為考量人口老齡化背景下人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響，基于基準(zhǔn)模型式（1）采用混合OLS回歸、GLS回歸和固定效應(yīng)回歸對(duì)此進(jìn)行估計(jì)。為了降低遺漏變量可能產(chǎn)生的影響，按照“一般到特殊”的建模原則，在混合OLS回歸中逐步引入控制變量，考察各個(gè)控制變量的沖擊影響。表6中模型1～模型8的回歸結(jié)果顯示，人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響系數(shù)和顯著性變化不大，表明回歸結(jié)果是穩(wěn)健的，人工智能在1%的水平下顯著促進(jìn)了我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升，具體來講，人工智能水平每提高1%，經(jīng)濟(jì)發(fā)展質(zhì)量水平提高0.153%，與模型10中的GLS回歸結(jié)果、模型11的固定效應(yīng)回歸結(jié)果是一致的，這驗(yàn)證了假設(shè)H1，與現(xiàn)有大部分文獻(xiàn)的結(jié)論較為一致（李翠妮等，2022）。為初步驗(yàn)證人工智能能否有針對(duì)性地緩解人口老齡化對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的不利影響，利用交互效應(yīng)模型式（2）重點(diǎn)考察人工智能和人口老齡化交互項(xiàng)（lnAI×lnOld）的系數(shù)影響。模型9顯示，交互項(xiàng)（lnAI×lnOld）系數(shù)（-0.025）仍然為負(fù)且不顯著，但相比模型8中人口老齡化的影響系數(shù)（-0.117）大幅縮小，這一方面表明人工智能在人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的負(fù)向影響中具有一定的緩解作用，另一方面也說明人工智能的緩解作用可能是非線性的，一定程度上驗(yàn)證了假設(shè)H2，通過進(jìn)一步按照老齡化程度進(jìn)行分組分析發(fā)現(xiàn)詳見異質(zhì)性檢驗(yàn)部分“（2）不同老齡化水平下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響”。，人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用的確隨著老齡化程度的加深而增強(qiáng)（陳秋霖等，2018）。

控制變量中，資本強(qiáng)度不利于我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升，固定資產(chǎn)投資規(guī)模的擴(kuò)大有利于企業(yè)規(guī)模的擴(kuò)大，但難以避免結(jié)構(gòu)性問題的出現(xiàn)，對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量產(chǎn)生不利影響；金融發(fā)展水平的提升為企業(yè)各方面融資需求提供了便利，促進(jìn)了我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的提升。

（二）內(nèi)生性問題處理

首先，針對(duì)遺漏變量可能導(dǎo)致的有偏影響，本文已在基準(zhǔn)回歸中采用逐步引入控制變量的方法驗(yàn)證了回歸結(jié)果的穩(wěn)健性；其次，為進(jìn)一步解決人工智能與經(jīng)濟(jì)發(fā)展質(zhì)量之間反向因果關(guān)系可能產(chǎn)生的內(nèi)生性問題，本文采用工具變量法進(jìn)行解決。

選用解釋變量人工智能的滯后一期（韓民春等，2020；程承坪和陳志，2021；韓峰和莊宗武，2022）作為工具變量。人工智能的滯后一期會(huì)對(duì)當(dāng)期人工智能產(chǎn)生影響，但當(dāng)期經(jīng)濟(jì)發(fā)展質(zhì)量水平卻不會(huì)影響到前一期的人工智能水平，且人工智能的滯后一期只能通過影響當(dāng)期人工智能進(jìn)而影響當(dāng)期的經(jīng)濟(jì)發(fā)展質(zhì)量水平，滿足相關(guān)性和外生性兩個(gè)條件。另一個(gè)工具變量選取除本省之外全國(guó)其他省份人工智能的平均水平（胡晟明等，2021；孫早和侯玉琳，2021；劉亮等，2020）。本省的人工智能水平必然會(huì)受全國(guó)其他省份人工智能平均水平的影響，但由于當(dāng)前人工智能仍處于“弱人工智能”階段及地方保護(hù)和市場(chǎng)分割等問題影響，人工智能的技術(shù)外溢條件尚不充分，因此全國(guó)其他省份人工智能平均水平對(duì)本省的經(jīng)濟(jì)發(fā)展質(zhì)量水平?jīng)]有直接影響或直接影響很小，而只能通過影響本省的人工智能發(fā)展來影響本省的經(jīng)濟(jì)發(fā)展質(zhì)量水平，這一工具變量的選取同樣滿足工具變量選取的相關(guān)性和外生性要求。

采用兩階段最小二乘法（2SLS）進(jìn)行估計(jì)，回歸結(jié)果如表7所示。第一階段的結(jié)果顯示，人工智能的滯后一期（lnAI_1）在10%的水平下顯著促進(jìn)了當(dāng)期人工智能發(fā)展水平，除本省之外全國(guó)其他省份人工智能的平均水平（lnmean_AI）在1%的水平下顯著抑制了本省人工智能發(fā)展水平。這說明在當(dāng)前全國(guó)人工智能水平一定的情形下，各省之間人工智能的發(fā)展主要表現(xiàn)為“競(jìng)爭(zhēng)”關(guān)系，實(shí)證檢驗(yàn)通過了工具變量的相關(guān)性要求。第二階段結(jié)果主要考察工具變量選取的有效性，識(shí)別不足檢驗(yàn)Anderson-Rubin Wald（F統(tǒng)計(jì)量）和不可識(shí)別檢驗(yàn)Kleibergen-Paap rk（LM統(tǒng)計(jì)量）p值為0，弱識(shí)別檢驗(yàn)Kleibergen-Paap rk Wald（F統(tǒng)計(jì)量）遠(yuǎn)遠(yuǎn)大于Stock-Yogo 弱識(shí)別檢驗(yàn)統(tǒng)計(jì)量在10%顯著性水平下的臨界值；過度識(shí)別檢驗(yàn)（Hansen J統(tǒng)計(jì)量）在10%的水平下接受“所有工具變量都是外生的”原假設(shè)，所有檢驗(yàn)的結(jié)果顯示本文所選工具變量是有效的?；貧w結(jié)果表明，人工智能的系數(shù)在1%的水平下顯著為正，人工智能促進(jìn)了我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升，在利用工具變量法處理內(nèi)生性問題后的估計(jì)結(jié)果與基準(zhǔn)回歸結(jié)果保持一致，說明基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

（三）穩(wěn)健性檢驗(yàn)

1.替換被解釋變量

為了增強(qiáng)模型回歸結(jié)果的可信度，本文參考陳詩(shī)一和陳登科（2018）對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的測(cè)度方法，將被解釋變量經(jīng)濟(jì)發(fā)展質(zhì)量的測(cè)度指標(biāo)替換為人均實(shí)際GDP。使用該指標(biāo)重新進(jìn)行估計(jì)的結(jié)果如表8列（1）所示，人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的系數(shù)在5%的水平下顯著為正，表明替換被解釋變量指標(biāo)后，人工智能仍促進(jìn)了我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量提升，基準(zhǔn)回歸結(jié)果是可信的。

2.替換核心解釋變量

盡管工業(yè)機(jī)器人數(shù)據(jù)在綜合反映人工智能水平方面存在一定的局限性，未能體現(xiàn)農(nóng)業(yè)和服務(wù)業(yè)中人工智能的狀況。但據(jù)國(guó)際機(jī)器人聯(lián)合會(huì)公布的數(shù)據(jù)顯示，截至2019年，我國(guó)制造業(yè)機(jī)器人的保有量占所有行業(yè)機(jī)器人保有量的80%。因此，本文參考Acemoglu和Restrepo（2020）、王曉娟等（2022）的研究，將人工智能指標(biāo)替換為制造業(yè)機(jī)器人保有量。表8列（2）顯示，重新估計(jì)后，人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的顯著影響與基準(zhǔn)回歸結(jié)果差別不大，再次驗(yàn)證了基準(zhǔn)回歸結(jié)果的可靠性。

3.變量縮尾后再檢驗(yàn)

借鑒陳強(qiáng)遠(yuǎn)等（2020）的經(jīng)驗(yàn)，對(duì)所有指標(biāo)進(jìn)行1%的雙邊縮尾后重新回歸，結(jié)果如表8所示，所得結(jié)果影響程度均有小幅增強(qiáng)，說明基準(zhǔn)回歸結(jié)果的確存在指標(biāo)異常值影響，但同時(shí)驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

4.異質(zhì)性檢驗(yàn)

（1）不同地區(qū)人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響

本文將30個(gè)省級(jí)樣本個(gè)體按照經(jīng)驗(yàn)做法進(jìn)行區(qū)域劃分東部地區(qū)包括北京、天津、河北、遼寧、山東、江蘇、浙江、上海、廣東、福建、海南，中部地區(qū)包括內(nèi)蒙古、黑龍江、吉林、山西、河南、安徽、湖北、湖南、江西，西部地區(qū)包括廣西、陜西、甘肅、四川、貴州、重慶、云南、新疆、寧夏、青海。，進(jìn)一步探討人口老齡化背景下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響的區(qū)域異質(zhì)性。

從表8的分地區(qū)再檢驗(yàn)結(jié)果來看，對(duì)東部地區(qū)來說，對(duì)比人口老齡化及其與人工智能的交互項(xiàng)系數(shù)，人工智能可以明顯緩和人口老齡化對(duì)東部地區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量的抑制作用，但東部地區(qū)人工智能并未對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量產(chǎn)生顯著的正向影響?？赡苡捎陔m然東部地區(qū)人工智能總體發(fā)展水平較高，但由于東部地區(qū)憑借區(qū)位優(yōu)勢(shì)、基礎(chǔ)設(shè)施及公共服務(wù)優(yōu)勢(shì)吸引了大量高素質(zhì)人才，致使東部地區(qū)人工智能應(yīng)用更多偏向于高精尖領(lǐng)域，前期資產(chǎn)投資回報(bào)率有限（李翠妮等，2022），且出于對(duì)人口老齡化和人工智能的就業(yè)沖擊效應(yīng)的應(yīng)對(duì)，財(cái)政保障職能分散了一部分的財(cái)政資金流向，最終導(dǎo)致人工智能對(duì)東部地區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用仍未凸顯，這也引發(fā)了后文對(duì)財(cái)政職能偏向的思考和檢驗(yàn)。對(duì)中部地區(qū)來說，人工智能及其與人口老齡化的交互作用對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量產(chǎn)生的影響與基準(zhǔn)回歸結(jié)論最接近，在較大程度上印證了基準(zhǔn)回歸結(jié)論。相比東部地區(qū)，中部地區(qū)人才等各方面優(yōu)勢(shì)受限，人工智能的提升作用也顯得更加迅速。對(duì)西部地區(qū)來說，人工智能作用則不明顯，這可能分別受限于經(jīng)濟(jì)發(fā)展階段和國(guó)家政策的影響。

（2）不同老齡化水平下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響

基于交互效應(yīng)模型所得結(jié)論，人工智能在人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的負(fù)向影響中的緩解作用可能是非線性的。因此，本部分首先借鑒沈永建等（2020）的研究，以各省各年人口老齡化程度中位數(shù)作為分組標(biāo)準(zhǔn)，將樣本劃分為高老齡化地區(qū)和低老齡化地區(qū)，在不同的老齡化分組下驗(yàn)證人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響程度差異，檢驗(yàn)結(jié)果如表9所示。從分組回歸結(jié)果來看，在兩個(gè)分組下，人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響系數(shù)均在1%的水平下顯著為正，但從影響系數(shù)大小來看，人工智能對(duì)高老齡化地區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量的影響系數(shù)（0.165）大于對(duì)低老齡化地區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量的影響系數(shù)（0.149），表明人工智能在人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的負(fù)向影響中的確存在非線性的緩解作用。人口老齡化水平越高的地區(qū)，人工智能越能彌補(bǔ)人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的不利影響，這驗(yàn)證了假設(shè)H3，同時(shí)也間接驗(yàn)證了Acemoglu和Restrepo （2017）的結(jié)論，人口老齡化越嚴(yán)重的地區(qū)，越傾向于使用機(jī)器人去替代勞動(dòng)。

為了驗(yàn)證極端情形下的影響，本文借鑒陳曉等（2022）的做法，進(jìn)一步按照國(guó)際通行標(biāo)準(zhǔn)，將老年人口占比超過14%的地區(qū)劃為深度老齡化地區(qū)，其他地區(qū)則為輕度老齡化地區(qū)。結(jié)果表明，相比于輕度老齡化地區(qū)，深度老齡化地區(qū)人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響系數(shù)更大，人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用隨著老齡化程度的加深而增強(qiáng)（陳秋霖等，2018），再次強(qiáng)烈驗(yàn)證了假設(shè)H3，人工智能的確存在非線性的緩解作用。

五、機(jī)制檢驗(yàn)

（一）財(cái)政職能的線性調(diào)節(jié)機(jī)制檢驗(yàn)——財(cái)政支持職能和財(cái)政保障職能

假設(shè)H3的理論分析表明，財(cái)政職能（包括財(cái)政支持職能和財(cái)政保障職能）在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中具有重要的調(diào)節(jié)作用。本文首先根據(jù)線性交互效應(yīng)模型式（3）和式（4）從線性角度展開檢驗(yàn)。

線性調(diào)節(jié)機(jī)制的具體檢驗(yàn)結(jié)果如表10 所示。具體來看，雖然人工智能的影響系數(shù)仍然為正，一定程度上驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性，但人工智能與財(cái)政支持職能交互項(xiàng)系數(shù)和人工智能與財(cái)政保障職能交互項(xiàng)系數(shù)均為負(fù)值，且后者的影響系數(shù)并未通過顯著性檢驗(yàn)，這說明財(cái)政職能在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中并非簡(jiǎn)單的正向調(diào)節(jié)作用，而可能存在非線性的作用效果。這可能源于財(cái)政投入水平本身有限，財(cái)政職能必然呈現(xiàn)對(duì)某項(xiàng)職能的傾向性，不可能有源源不斷的資金流向某一職能，這更加印證了假設(shè)H3財(cái)政職能非線性調(diào)節(jié)作用的預(yù)設(shè)。

（二）財(cái)政職能的非線性調(diào)節(jié)機(jī)制檢驗(yàn)——財(cái)政支持職能和財(cái)政保障職能

鑒于前文財(cái)政職能線性調(diào)節(jié)作用檢驗(yàn)并不顯著，參考溫忠麟等（2005）的研究，當(dāng)自變量和調(diào)節(jié)變量都是連續(xù)變量時(shí)，應(yīng)使用帶有乘積項(xiàng)的回歸方法，進(jìn)行層次回歸分析。進(jìn)一步使用非線性交互效應(yīng)模型式（5）和式（6）進(jìn)行非線性調(diào)節(jié)機(jī)制檢驗(yàn)。

非線性調(diào)節(jié)機(jī)制的具體檢驗(yàn)結(jié)果如表11所示。在此，重點(diǎn)關(guān)注人工智能與財(cái)政支持職能平方項(xiàng)的交互項(xiàng)系數(shù)和人工智能與財(cái)政保障職能平方項(xiàng)的交互項(xiàng)系數(shù)。具體來看，人工智能與財(cái)政支持職能平方項(xiàng)的交互項(xiàng)系數(shù)和人工智能與財(cái)政保障職能平方項(xiàng)的交互項(xiàng)系數(shù)均為負(fù)，分別為-0.038和-0.044，且前者在5%的水平下顯著，后者則未通過顯著性水平檢驗(yàn)。雖然，財(cái)政保障職能的非線性調(diào)節(jié)作用并不顯著，但總體來看，財(cái)政支持職能和財(cái)政保障職能在人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響中均呈現(xiàn)“倒U”形調(diào)節(jié)作用。面對(duì)人工智能發(fā)展過程中的“新動(dòng)能”作用與可能加重失業(yè)和收入不平等的矛盾，在一定區(qū)間內(nèi)，加大對(duì)人工智能的財(cái)政支持力度和加大對(duì)人工智能可能造成加重失業(yè)和收入不平等的財(cái)政保障力度，均能顯著促進(jìn)人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的正向作用；但由于政府的財(cái)政能力有限，一味地加大財(cái)政支持或財(cái)政保障而忽視另一方的做法，均會(huì)導(dǎo)致人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的作用由正轉(zhuǎn)負(fù)，這也印證了理論分析和研究假設(shè)中需要在財(cái)政支持職能和財(cái)政保障職能之間尋找平衡點(diǎn)的觀點(diǎn)。

（三）財(cái)政職能的門檻效應(yīng)檢驗(yàn)——財(cái)政支持職能和財(cái)政保障職能

為進(jìn)一步考察財(cái)政職能的非線性調(diào)節(jié)效應(yīng)，識(shí)別出財(cái)政支持職能和財(cái)政保障職能的作用區(qū)間差異，分別根據(jù)門檻面板模型式（7）和式（8）進(jìn)行門檻效應(yīng)分析。

表12呈現(xiàn)的是分別以財(cái)政支持職能和財(cái)政保障職能為門檻變量，通過自抽樣（Bootstrap）1000次所得到的門檻值個(gè)數(shù)和門檻估計(jì)值的估計(jì)結(jié)果。結(jié)果顯示，財(cái)政支持職能和財(cái)政保障職能均在5%的顯著性水平下通過了單一門檻效應(yīng)檢驗(yàn)，門檻估計(jì)值分別為0.0114和0.0837。

表13報(bào)告了不同的財(cái)政職能門檻值區(qū)間下，人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量水平的影響差異的估計(jì)結(jié)果。財(cái)政支持職能的門檻效應(yīng)，當(dāng)財(cái)政支持職能水平低于門檻值0.0114時(shí)，人工智能的影響系數(shù)為0.156，且通過了1%的顯著性水平檢驗(yàn)；當(dāng)財(cái)政支持職能水平越過門檻值0.0114時(shí)，人工智能的影響系數(shù)為0.165，同樣通過了1%的顯著性檢驗(yàn)，表明財(cái)政支持職能的調(diào)節(jié)效應(yīng)是非線性逐步增強(qiáng)的，驗(yàn)證了假設(shè)H3a。在當(dāng)前的弱人工智能階段，普通市場(chǎng)主體難以承擔(dān)高昂的人工智能相關(guān)“新基建”的投資成本，要想進(jìn)一步發(fā)揮人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用，必須持續(xù)加大對(duì)人工智能的財(cái)政支持力度，引導(dǎo)資金投資流向，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)，帶動(dòng)經(jīng)濟(jì)發(fā)展質(zhì)量提升（肖涵和葛偉，2021）。財(cái)政保障職能的門檻效應(yīng)，財(cái)政保障職能水平在跨過門檻值0.0837前后的影響系數(shù)均在1%的水平下顯著為正，但系數(shù)值從0.171減小為0.158，表明財(cái)政保障職能的調(diào)節(jié)效應(yīng)呈現(xiàn)非線性的減弱趨勢(shì)，這驗(yàn)證了假設(shè)H3b。

可能由于財(cái)政保障職能水平的過度提升，一方面會(huì)擠壓財(cái)政對(duì)人工智能支持職能所需投資資金，另一方面則會(huì)削弱失業(yè)者再就業(yè)的積極性，且對(duì)富人過度征稅來籌集再分配資金的做法也會(huì)打擊其組織生產(chǎn)的積極性，最終弱化人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用，因此必須將財(cái)政保障職能水平保持在合理區(qū)間。

六、結(jié)論與啟示

本文在深入分析人口老齡化背景下人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量影響機(jī)理及財(cái)政職能的調(diào)節(jié)機(jī)制的基礎(chǔ)上，采用2011-2019年我國(guó)30個(gè)省份的省級(jí)面板數(shù)據(jù)，通過構(gòu)建基準(zhǔn)模型、線性交互效應(yīng)模型、非線性交互效應(yīng)模型及門檻面板模型，多角度實(shí)證檢驗(yàn)人工智能及其與人口老齡化交互項(xiàng)對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響并對(duì)財(cái)政職能調(diào)節(jié)機(jī)制進(jìn)行檢驗(yàn)。主要研究結(jié)論包括：第一，人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量表現(xiàn)出顯著的提升作用，且呈現(xiàn)明顯的區(qū)域異質(zhì)性，人工智能水平每提高1%，經(jīng)濟(jì)發(fā)展質(zhì)量水平提高0.153%；人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用僅在中部地區(qū)顯著。第二，人工智能能顯著緩解人口老齡化對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的抑制作用，東部地區(qū)和中部地區(qū)均呈現(xiàn)出一定程度的緩解作用；且在人口老齡化越嚴(yán)重的地區(qū)，這種緩解作用越明顯。第三，財(cái)政職能在人工智能對(duì)我國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量的影響中呈現(xiàn)非線性的調(diào)節(jié)作用，從門檻區(qū)間差異來看，財(cái)政支持職能和財(cái)政保障職能的調(diào)節(jié)作用在跨過單一門檻值后分別表現(xiàn)為非線性的逐步增強(qiáng)和逐步減弱趨勢(shì)。

本文的研究結(jié)論具有重要的政策啟示：第一，各市場(chǎng)主體要深刻認(rèn)識(shí)并充分把握我國(guó)不斷加深的老齡化背景所帶來的機(jī)遇與挑戰(zhàn)，高擎高質(zhì)量發(fā)展主題，積極應(yīng)對(duì)老齡化問題，明確人工智能在未來前沿科技中的首要位置和在高質(zhì)量發(fā)展中的新動(dòng)能發(fā)展目標(biāo)。第二，鑒于人工智能可以在勞動(dòng)力供給、資本回報(bào)率提高及全要素生產(chǎn)率提升等角度有針對(duì)性地應(yīng)對(duì)人口老齡化對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量帶來的不利影響，因此要增強(qiáng)對(duì)人工智能的投資強(qiáng)度，推動(dòng)人工智能與經(jīng)濟(jì)社會(huì)各領(lǐng)域深度融合，不斷提高傳統(tǒng)生產(chǎn)要素對(duì)接人工智能的能力，各地區(qū)也要根據(jù)區(qū)域差異，揚(yáng)長(zhǎng)避短，因地制宜地充分發(fā)揮人工智能對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的提升作用。第三，在當(dāng)前的弱人工智能階段，政府部門要不斷加大對(duì)人工智能的財(cái)政支持職能水平，發(fā)力“新基建”，引導(dǎo)市場(chǎng)資金投資流向，優(yōu)化投資結(jié)構(gòu)，提高投資效率；同時(shí)，要大力培養(yǎng)高素質(zhì)創(chuàng)新型人才，組織進(jìn)行人工智能核心技術(shù)公關(guān)，突破核心技術(shù)瓶頸，實(shí)現(xiàn)人工智能產(chǎn)業(yè)鏈的本土化和現(xiàn)代化，將人工智能真正打造為應(yīng)對(duì)老齡化、實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展質(zhì)量提升的新動(dòng)能。第四，在不斷加大財(cái)政支持力度的同時(shí)，也要兼顧財(cái)政保障職能的作用。不斷完善社會(huì)保障體系和再分配制度，加大對(duì)失業(yè)者再就業(yè)培訓(xùn)力度，提高其自身素質(zhì)和轉(zhuǎn)崗再就業(yè)的能力；同時(shí)要注意將財(cái)政保障水平保持在合理區(qū)間，既達(dá)到應(yīng)對(duì)人工智能帶來的短期失業(yè)和收入不平等問題可能造成的社會(huì)不穩(wěn)定、消費(fèi)不足及產(chǎn)能過剩進(jìn)而對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的不利影響，又不會(huì)因此造成對(duì)財(cái)政支持資金的擠出或?qū)κI(yè)者再就業(yè)積極性的削弱。

參考文獻(xiàn)：

［1］ 蔡昉，2009：《未來的人口紅利——中國(guó)經(jīng)濟(jì)增長(zhǎng)源泉的開拓》，《中國(guó)人口科學(xué)》第1期。

［2］ 曹靜、周亞林，2018：《人工智能對(duì)經(jīng)濟(jì)的影響研究進(jìn)展》，《經(jīng)濟(jì)學(xué)動(dòng)態(tài)》第1期。

［3］ 陳強(qiáng)遠(yuǎn)、林思彤、張醒，2020：《中國(guó)技術(shù)創(chuàng)新激勵(lì)政策：激勵(lì)了數(shù)量還是質(zhì)量》，《中國(guó)工業(yè)經(jīng)濟(jì)》第4期。

［4］ 陳秋霖、許多、周羿，2018：《人口老齡化背景下人工智能的勞動(dòng)力替代效應(yīng)——基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)的分析》，《中國(guó)人口科學(xué)》第6期。

［5］ 陳詩(shī)一、陳登科，2018：《霧霾污染、政府治理與經(jīng)濟(jì)高質(zhì)量發(fā)展》，《經(jīng)濟(jì)研究》第2期。

［6］ 陳曉、鄭玉璐、姚笛，2022：《人口老齡化、工業(yè)智能化與經(jīng)濟(jì)高質(zhì)量發(fā)展》，《統(tǒng)計(jì)與決策》第6期。

［7］ 陳彥斌、林晨、陳小亮，2019：《人工智能、老齡化與經(jīng)濟(jì)增長(zhǎng)》，《經(jīng)濟(jì)研究》第7期。

［8］ 陳志、程承坪、封立濤，2022：《人工智能是否有助于解決中國(guó)經(jīng)濟(jì)增長(zhǎng)的結(jié)構(gòu)性減速》，《經(jīng)濟(jì)問題探索》第2期。

［9］ 程承坪、陳志，2021：《人工智能促進(jìn)中國(guó)經(jīng)濟(jì)增長(zhǎng)的機(jī)理——基于理論與實(shí)證研究》，《經(jīng)濟(jì)問題》第10期。

［10］ 鄧悅、蔣琬儀，2022：《智能化轉(zhuǎn)型何以激發(fā)企業(yè)創(chuàng)新？ ——基于制造業(yè)勞動(dòng)力多樣性的解釋》，《改革》第9期。

［11］ 鄧洲，2016：《工業(yè)機(jī)器人發(fā)展及其對(duì)就業(yè)影響》，《地方財(cái)政研究》第6期。

［12］ 邸俊鵬、惠浩、張明元，2021：《制度發(fā)展指數(shù)及演進(jìn)研究》，《上海經(jīng)濟(jì)研究》第9期。

［13］ 耿子恒、汪文祥、郭萬(wàn)福，2021：《人工智能與中國(guó)產(chǎn)業(yè)高質(zhì)量發(fā)展——基于對(duì)產(chǎn)業(yè)升級(jí)與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的實(shí)證分析》，《宏觀經(jīng)濟(jì)研究》第12期。

［14］ 郭顯光，1998：《改進(jìn)的熵值法及其在經(jīng)濟(jì)效益評(píng)價(jià)中的應(yīng)用》，《系統(tǒng)工程理論與實(shí)踐》第12期。

［15］ 郭蕓、范柏乃、龍劍，2020：《我國(guó)區(qū)域高質(zhì)量發(fā)展的實(shí)際測(cè)度與時(shí)空演變特征研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》第10期。

［16］ 海本祿、尹西明、陳勁， 2020：《CEO特征、研發(fā)投資與企業(yè)績(jī)效》，《科學(xué)學(xué)研究》第2期。

［17］ 韓峰、莊宗武，2022：《國(guó)內(nèi)大市場(chǎng)、人工智能應(yīng)用與制造業(yè)出口國(guó)內(nèi)附加值》，《世界經(jīng)濟(jì)研究》第5期。

［18］ 韓民春、韓青江、夏蕾，2020：《工業(yè)機(jī)器人應(yīng)用對(duì)制造業(yè)就業(yè)的影響——基于中國(guó)地級(jí)市數(shù)據(jù)的實(shí)證研究》，《改革》第3期。

［19］ 胡晟明、王林輝、趙賀，2021：《人工智能應(yīng)用、人機(jī)協(xié)作與勞動(dòng)生產(chǎn)率》，《中國(guó)人口科學(xué)》第5期。

［20］ 黃旭、董志強(qiáng)，2019：《人工智能如何促進(jìn)經(jīng)濟(jì)增長(zhǎng)和社會(huì)福利提升？》，《中央財(cái)經(jīng)大學(xué)學(xué)報(bào)》 第11期。

［21］ 金碚，2018：《關(guān)于“高質(zhì)量發(fā)展”的經(jīng)濟(jì)學(xué)研究》，《中國(guó)工業(yè)經(jīng)濟(jì)》第4期。

［22］ 李翠妮、葛晶、趙沙俊一，2022：《人工智能、老齡化與經(jīng)濟(jì)高質(zhì)量發(fā)展》，《當(dāng)代經(jīng)濟(jì)科學(xué)》第1期。

［23］ 李金昌、史龍梅、徐藹婷，2019：《高質(zhì)量發(fā)展評(píng)價(jià)指標(biāo)體系探討》，《統(tǒng)計(jì)研究》第1期。

［24］ 李競(jìng)博、高瑗，2022：《人口老齡化視角下的技術(shù)創(chuàng)新與經(jīng)濟(jì)高質(zhì)量發(fā)展》，《人口研究》第2期。

［25］ 林晨、陳小亮、陳偉澤、陳彥斌，2020：《人工智能、經(jīng)濟(jì)增長(zhǎng)與居民消費(fèi)改善：資本結(jié)構(gòu)優(yōu)化的視角》，《中國(guó)工業(yè)經(jīng)濟(jì)》第2期。

［26］ 劉亮、李廉水、劉軍、程中華，2020：《智能化與經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變：理論機(jī)制與經(jīng)驗(yàn)證據(jù)》，《經(jīng)濟(jì)評(píng)論》第2期。

［27］ 呂承超、崔悅，2020：《中國(guó)高質(zhì)量發(fā)展地區(qū)差距及時(shí)空收斂性研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》第9期。

［28］ 呂潔、杜傳文、李元旭，2017：《工業(yè)機(jī)器人應(yīng)用會(huì)倒逼一國(guó)制造業(yè)勞動(dòng)力結(jié)構(gòu)轉(zhuǎn)型嗎？——基于1990—2015年間22個(gè)國(guó)家的經(jīng)驗(yàn)分析》，《科技管理研究》第22期。

［29］ 馬克思、恩格斯，2009：《馬克思恩格斯文集：第5卷》，北京：人民出版社。

［30］ 孟浩、張美莎，2021：《人工智能如何影響勞動(dòng)力就業(yè)需求？——來自中國(guó)企業(yè)層面的經(jīng)驗(yàn)證據(jù)》，《西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》第5期。

［31］ 邵慰、吳婷莉，2022：《智能化、要素市場(chǎng)與工業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展》，《經(jīng)濟(jì)問題探索》第2期。

［32］ 沈洋、魏丹琪、周鵬飛，2022：《數(shù)字經(jīng)濟(jì)、人工智能制造與勞動(dòng)力錯(cuò)配》，《統(tǒng)計(jì)與決策》第3期。

［33］ 沈永建、梁方志、蔣德權(quán)、王亮亮，2020：《社會(huì)保險(xiǎn)征繳機(jī)構(gòu)轉(zhuǎn)換改革、企業(yè)養(yǎng)老支出與企業(yè)價(jià)值》，《中國(guó)工業(yè)經(jīng)濟(jì)》第2期。

［34］ 孫早、侯玉琳，2019：《工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)》，《中國(guó)工業(yè)經(jīng)濟(jì)》第5期。

［35］ 孫早、侯玉琳，2021：《人工智能發(fā)展對(duì)產(chǎn)業(yè)全要素生產(chǎn)率的影響——一個(gè)基于中國(guó)制造業(yè)的經(jīng)驗(yàn)研究》，《經(jīng)濟(jì)學(xué)家》第1期。

［36］ 唐曉華、遲子茗，2021：《工業(yè)智能化對(duì)制造業(yè)高質(zhì)量發(fā)展的影響研究》，《當(dāng)代財(cái)經(jīng)》第5期。

［37］ 王林輝、胡晟明、董直慶，2020：《人工智能技術(shù)會(huì)誘致勞動(dòng)收入不平等嗎——模型推演與分類評(píng)估》，《中國(guó)工業(yè)經(jīng)濟(jì)》第4期。

［38］ 王曉娟、朱喜安、王穎，2022：《工業(yè)機(jī)器人應(yīng)用對(duì)制造業(yè)就業(yè)的影響效應(yīng)研究》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》第4期。

［39］ 王小魯，樊綱，胡李鵬，2019：《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告（2018）》．北京：社會(huì)科學(xué)文獻(xiàn)出版社，216-223.

［40］ 溫忠麟、侯杰泰、張雷：《調(diào)節(jié)效應(yīng)與中介效應(yīng)的比較和應(yīng)用》，《心理學(xué)報(bào)》第2期。

［41］ 肖涵、葛偉，2021：《人工智能、財(cái)政職能與經(jīng)濟(jì)奇點(diǎn)——基于動(dòng)態(tài)一般均衡模型的模擬分析》，《中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)》第3期。

［42］ 徐志向、丁任重，2019：《新時(shí)代中國(guó)省際經(jīng)濟(jì)發(fā)展質(zhì)量的測(cè)度、預(yù)判與路徑選擇》，《政治經(jīng)濟(jì)學(xué)評(píng)論》第1期。

［43］ 楊光、侯鈺，2020：《工業(yè)機(jī)器人的使用、技術(shù)升級(jí)與經(jīng)濟(jì)增長(zhǎng)》，《中國(guó)工業(yè)經(jīng)濟(jì)》第10期。

［44］ 楊麗、孫之淳，2015：《基于熵值法的西部新型城鎮(zhèn)化發(fā)展水平測(cè)評(píng)》，《經(jīng)濟(jì)問題》第3期。

［45］ 楊穗、高琴、趙小漫，2021：《新時(shí)代中國(guó)社會(huì)政策變化對(duì)收入分配和貧困的影響》，《改革》第10期。

［46］ 左鵬飛、姜奇平、陳靜，2020：《互聯(lián)網(wǎng)發(fā)展、城鎮(zhèn)化與我國(guó)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》第7期。

［47］ Abeliansky， A. and Prettner，K.，2017， Automation and Demographic Change， SSRN Working Paper.

［48］ Acemoglu， D. and Restrepo， P.，2018a， Artificial Intelligence， Automation， and Work， NBER Working Paper 24196.

［49］ Acemoglu， D. and Restrepo， P.， 2022， Demographics and Automation， Review of Economic Studies，89（1）：1-44.

［50］ Acemoglu， D. and Restrepo P.， 2020， Robots and Jobs： Evidence from US Labor Markets， Journal of Political Economy，128（6）：2188-2244.

［51］ Acemoglu， D. and Restrepo P.， 2017， Secular Stagnation？ The Effect of Aging on Economic Growth in the Age of Automation， American Economic Review， 107（5）：174-179.

［52］ Acemoglu， D. and Restrepo， P.， 2018b， The Race Between Machine and Man： Implications of Technology for Growth， Factor Shares and Employment， American Economic Review， 108 （6）：1488-1542.

［53］ Aghion， P.， Jones， B. and Jones， C.， 2017， Artificial Intelligence and Economic Growth， NBER Working Paper.

［54］ Auto， D. and Salomons， A.，2017， Robocalypse Now-does Productivity Growth Threaten Employment？Paper Prepared for the ECB Forum on Central Banking.

［55］ Brynjolfsson， E. and Hitt L. M.，2003， Computing Productivity： Firm-level Evidence， Review of Economics and Statistics，85（4）：793-808.

［56］ Brynjolfsson， E.， Rock， D. and Syverson， C.，2017， Artificial Intelligence and the Modern Productivity Paradox： A Clash of Expectations and Statistics， NBER Working Paper.

［57］ DeCanio， S. J.，2016， Robots and Humans-Complements or Substitutes？ Journal of Macroeconomics，49：280-291.

［58］ Frey， C. B. and Osborne， M. A.，2017， The Future of Employment： How Susceptible are Jobs to Computerisation？ Technological Forecasting and Social Change，114：254-280.

［59］ Gasteiger， E. and Prettner， K.，2017， A Note on Automation， Stagnation， and the Implications of a Robot Tax， Free University Discussion Papers.

［60］ Good， I. J.，1966， Speculations Concerning the First Ultraintelligent Machine， Advances in Computers，6（31）：31-88.

［61］ Graetz， G. and Michaels， G.，2018， Robots at Work： The Impact on Productivity and Jobs， Review of Economic and Statistics，100（5）：753-768.

［62］ Gregory，T.， Salomons，A. and Zierahn，U.，2016， Racing With or Against the Machine？ Evidence from Europe， ZEW-Centre for European Economic Research Discussion Paper.

［63］ Hansen， B. E.，1999， Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference， Journal of Econometrics， 93（2）：345-368.

［64］ Hanson， R.，2001， Economic Growth Given Machine Intelligence， Technical Report， University of California， Berkeley.

［65］ Kromann， L.， Skaksen， J. R. and Srensen， A.，2011， Automation，Labor Productivity and Employment—a Cross Country Comparison， CEBR，Copenhagen Business School Working Paper.

［66］ Zeira， J.，1998， Workers， Machines， and Economic Growth， Quarterly Journal of Economics， 113（4）：1091-1117.

Artificial Intelligence， Financial Function， and the Quality of China’s Economic Development

Yang Xianming1 and Wang Zhige2

（1.Development Research Institute， Yunnan University;2.School of Economics， Yunnan University）

Abstract：With the deepening of population aging， as the backbone of a new round of technological revolution， whether artificial intelligence can become an effective means to address population aging and provide new driving force for improving the quality of China’s economic development is worth further research. On the basis of theoretical analysis of the impact mechanism of artificial intelligence on the quality of economic development and the regulatory mechanism of fiscal functions in the context of population aging， an empirical test was conducted using provincial-level panel data from 30 provinces in China from 2011 to 2019. The study found that artificial intelligence has a significant improvement effect on the quality of economic development in China. For every 1% increase in artificial intelligence level， the quality of economic development level increases by 0.153%; Moreover， artificial intelligence can significantly alleviate the inhibitory effect of population aging on the quality of China’s economic development， and in areas with more severe population aging， this mitigating effect is more pronounced; The fiscal function exhibits a non-linear regulatory effect in the impact of artificial intelligence on the quality of China’s economic development. The regulatory effects of fiscal support function and fiscal security function show a non-linear trend of gradually increasing and gradually decreasing after crossing a single threshold. The next step is to fully utilize artificial intelligence to address the issue of population aging and cultivate it as a new driving force for achieving high-quality economic development in China.

Key Words： artificial intelligence; the quality of economic development; financial function