人工智能、劳动力任务类型与城市规模工资溢价

人工智能是任务偏向型技术,其广泛应用可能会扩大工资差距,但对城市规模工资溢价影响需深入研究。文章利用中国劳动力动态调查微观数据和人工智能应用数据,实证探讨在人工智能冲击下非常规和常规劳动力所获得的城市规模工资溢价及其机制。研究发现:相比于常规劳动力,人工智能使得非常规劳动力得到了更高的城市规模工资溢价,该结论在工具变量法、重新划分劳动力类型和扩展样本的检验下依然稳健。机制分析表明:相对于常规劳动力,具有任务偏向型属性的人工智能应用能够强化非常规劳动力在城市集聚经济下的学习、匹配效应,从而提高其城市规模工资溢价。进一步研究表明,不同任务类型劳动力获得城市规模工资溢价会因所处的区位、个体特征而呈现一定的差异性。文章为区域协调发展政策和共同富裕政策的制定提供了理论依据与经验支撑。

城市群集聚空间外部性如何影响城市规模工资溢价?

本文利用2013年CHIP数据,发现城市群集聚能够促进城市规模工资溢价上升,这缘于城市群集聚对不同规模城市的工资存在异质性作用,即城市群集聚能够提高大城市工资,但会对小城市工资产生负面影响。在克服劳动力空间自选择、遗漏变量等内生性问题以及一系列稳健性检验后,所得结论依然成立。机制检验发现,城市群集聚通过强化大城市对高技能劳动力的虹吸效应提升大城市工资,并通过加速小城市高技能劳动力流失对小城市工资产生负向作用。