|
|
|
| Artificial Intelligence Technology and County Income Inequality: “Inhibitor” or “Accelerator”? |
| Gao Jing1, Li Dan1, Chen Feng1, Feng Hao2 |
1.School of Economics and Management, Southwest University, Chongqing 400715, China
2.School of Public Affairs, Zhejiang University, Hangzhou 310058, China |
|
|
|
|
Abstract In the epoch of the digital economy, the swift progress and iterative evolution of artificial intelligence (AI) technology have substantially transformed income distribution structures. Nevertheless, extant research mainly concentrates on the influence of AI technology on income inequality at the urban and enterprise levels, with a relatively scant focus on income inequality at the county level.This research, firmly rooted in Romer’s knowledge spillover theory, utilizes balanced panel data from 1,607 counties in China over the time span from 2010 to 2022. It delves into the non-linear relationship and the underlying mechanisms between AI technology and income inequality at the county level, with a particular emphasis on two dimensions: the urban-rural income gap and regional income disparities. The core research results are as follows: (1) The non-linear effect of AI technology on both the urban-rural income gap and regional income disparities manifests as an inverted U-shaped curve. Initially, it widens income inequality, and then it narrows. At present, AI technology has, on the whole, aggravated income inequality at the county level. (2) Mechanism examinations disclose that AI technology exerts its influence on income inequality mainly through channels such as industrial structure upgrading, employment levels, and population mobility. Moreover, the degree of innovation and entrepreneurship activities can act as a moderating variable. (3) Heterogeneity analysis demonstrates that the non-linear impact of AI technology on income inequality varies markedly depending on factors like economic development, educational attainment, government support, and unique county-level characteristics. (4) Extended analysis indicates that although AI technology can significantly propel common prosperity at the county level, it is of great importance to continuously improve the digital literacy of county residents, especially those in rural areas, in order to close the internal digital divide.In contrast to the extant literature, this study proffers three principal contributions. First, taking into account the real-world conditions of county-level development and the national strategic configuration of AI, this research analyzes the impact of AI technology on intra-county income inequality. This endeavor furnishes novel perspectives for fostering integrated urban-rural development and common prosperity at the county level. It acknowledges the unique economic, social, and geographical features of counties, which are often overlooked in broader-scale studies, and thus fills a crucial gap in understanding how AI can be harnessed for local-level inclusive growth. Second, given that in its nascent stages, AI technology is highly dependent on capital, technology, and talent, and its development is characterized by urban-rural and regional disparities, this study constructs a non-linear analytical framework to investigate the relationship between AI technology and county-level income inequality. It delves deeper into the mechanisms by which industrial structure upgrading, employment levels, and population mobility shape income inequality, and also explores the moderating function of innovation and entrepreneurship activities. By doing so, it uncovers the complex interplay of various factors that influence the distributive effects of AI at the county level, which has not been comprehensively explored before. Third, while existing research predominantly centers on the development of AI technology at the provincial, urban, or enterprise levels, there has been a dearth of prior studies quantifying the development level of AI technology within counties. This study bridges this void by leveraging Python to extract the distribution of AI enterprises in counties from relevant platforms, followed by meticulous manual data processing, cleaning, and matching procedures. These efforts significantly enhance the authenticity and reliability of the data.Overall, this study offers both theoretical underpinning and practical guidance for the development of AI technology, the strategic layout of AI-related industries, and the establishment of inclusive development trajectories in Chinese counties.
|
|
Received: 19 September 2024
|
|
|
|
1 郭凯明：《人工智能发展、产业结构转型升级与劳动收入份额变动》，《管理世界》2019年第7期，第60-77，202-203页。
2 黄祖辉、宋文豪、叶春辉等：《政府支持农民工返乡创业的县域经济增长效应——基于返乡创业试点政策的考察》，《中国农村经济》2022年第1期，第24-43页。
3 魏滨辉、罗明忠、曾春影：《劳动力返乡创业与县域产业结构升级：理论线索与经验证据》，《中国农村经济》2023年第10期，第26-48页。
4 徐建伟、韩晓、赵阳华：《推动制造业高质量发展的时代要求、现实基础与策略选择》，《改革》2023年第11期，第55-66页。
5 桂华：《城乡“第三极”与县域城镇化风险应对——基于中西部地区与东部地区比较的视野》，《中州学刊》2022年第2期，第61-69页。
6 罗明忠、魏滨辉：《农村集体产权制度改革与县域城乡收入差距》，《华南农业大学学报（社会科学版）》2022年第6期，第78-90页。
7 刘泽琦、陈海江、陈亚东：《农村集体产权制度改革如何影响农民幸福感？——基于中国乡村振兴调查数据的实证分析》，《华中农业大学学报（社会科学版）》2024年第1期，第86-99页。
8 张应强：《以教育正义促进共同富裕——赋能弱势群体走向共同富裕的职业教育改革》，《教育发展研究》2022年第Z1期，第1-8页。
9 林嵩、谷承应、斯晓夫等：《县域创业活动、农民增收与共同富裕——基于中国县级数据的实证研究》，《经济研究》2023年第3期，第40-58页。
10 李丽莉、曾亿武、郭红东：《数字乡村建设：底层逻辑、实践误区与优化路径》，《中国农村经济》2023第1期，第77-92页。
11 斯丽娟、辛雅儒：《数字乡村建设对县域产业升级的影响》，《重庆大学学报（社会科学版）》2024年第2期，第1-15页。
12 杨柠泽、王艺蔚、孙学涛：《数字素养与农户共同富裕：影响效应及其机制》，《广东财经大学学报》2023年第6期，第21-32页。
13 王汉杰：《数字素养与农户收入：兼论数字不平等的形成》，《中国农村经济》2024年第3期，第86-106页。
14 王林辉、胡晟明、董直庆：《人工智能技术会诱致劳动收入不平等吗——模型推演与分类评估》，《中国工业经济》2020年第4期，第97-115页。
15 魏建、徐恺岳：《人工智能技术发展对城乡收入差距的影响》，《浙江工商大学学报》2021年第4期，第84-96页。
16 孟昊芸、张扬：《流通业智能化与城乡均衡发展——基于城乡居民消费差距视角》，《广东财经大学学报》2024年第3期，第79-94页。
17 孙伟平：《人工智能与人的“新异化”》，《中国社会科学》2020年第12期，第119-137，202-203页。
18 黄志、程翔：《人工智能对劳动收入水平和收入差距的影响——理论解读与实证检验》，《经济理论与经济管理》2023年第1期，第78-95页。
19 陈彦斌、林晨、陈小亮：《人工智能、老龄化与经济增长》，《经济研究》2019年第7期，第47-63页。
20 何志武、游祯武：《共同富裕背景下城乡信息分化治理的行动路径——基于县域治理的分析框架》，《中州学刊》2024年第1期，第160-168页。
21 刘欢：《工业智能化如何影响城乡收入差距——来自农业转移劳动力就业视角的解释》，《中国农村经济》2020年第5期，第55-75页。
22 王韬钦：《以关键共性技术推动区域间共同富裕的实现机制与路径分析》，《当代经济研究》2024年第3期，第37-48，129页。
23 康晨、李代悦、程名望：《人工智能、城乡收入差距与共同富裕》，2025年1月7日，《系统工程理论与实践》，https：//link.cnki.net/urlid/11.2267.n.20250106.1728.016，2025年7月1日。
24 徐伟呈、魏宁康、王潇：《新一代信息技术对劳动力结构调整的影响研究——基于中国三大产业劳动力份额变动的视角》，《华东经济管理》2023年第3期，第95-106页。
25 罗明忠、魏滨辉：《返乡创业、产业升级与农民收入增长》，《中南财经政法大学学报》2023年第1期，第83-96页。
26 熊雪、聂凤英、朱海波：《西部脱贫地区小农户如何有效对接农产品电商市场——基于有限能力视角的重庆市秀山县案例分析》，《中国农村经济》2023年第4期，第68-89页。
27 孙早、侯玉琳：《人工智能发展对产业全要素生产率的影响——一个基于中国制造业的经验研究》，《经济学家》2021年第1期，第32-42页。
28 朱琪、刘红英：《人工智能技术变革的收入分配效应研究：前沿进展与综述》，《中国人口科学》2020年第2期，第111-125，128页。
29 耿子恒、汪文祥、郭万福：《人工智能与中国产业高质量发展——基于对产业升级与产业结构优化的实证分析》，《宏观经济研究》2021年第12期，第38-52，82页。
30 高晓红、单鑫：《马克思自由时间理论与精神生活共同富裕的实现》，《南昌大学学报（人文社会科学版）》2024年第4期，第42-52页。
31 石薇、王诗勇、王洪卫：《互联网发展、就业质量提升与共同富裕——效应识别与经验证据》，《上海财经大学学报》2023年第3期，第18-32页。
32 刘洋、韩永辉、王贤彬：《工业智能化能兼顾促增长和保民生吗？》，《数量经济技术经济研究》2023年第6期，第69-90页。
33 潘嗣同、龚教伟、高叙文等：《电商进村政策实施的就业效应与机制分析》，《中国农村经济》2024年第4期，第141-162页。
34 米嘉伟、屈小娥：《数字经济发展如何影响城乡收入差距》，《现代经济探讨》2022年第6期，第80-91页。
35 李海舰、李真真：《数字经济促进共同富裕：理论机理与策略选择》，《改革》2023年第12期，第12-27页。
36 陈楠、蔡跃洲：《人工智能技术创新与区域经济协调发展——基于专利数据的技术发展状况及区域影响分析》，《经济与管理研究》2023年第3期，第16-40页。
37 邹月晴、陈媛媛、宋扬：《家乡数字经济发展与劳动力回流——基于互联网平台发展的视角》，《经济学报》2023年第1期，第310-343页。
38 张鹏、张磊：《老龄化、产业结构高级化与经济增长——兼论如何缩小地区收入差距》，《南京社会科学》2019年第5期，第18-26，33页。
39 甄浩、贾男：《机器人使用加剧了农村劳动力回流吗》，《当代财经》2022年第12期，第3-15页。
40 张桂文、王青、张荣：《中国农业劳动力转移的减贫效应研究》，《中国人口科学》2018年第4期，第18-29，126页。
41 余淼杰、季煜：《构建全国统一大市场的价值意蕴及路径探析》，《新疆师范大学学报（哲学社会科学版）》2022年第6期，第110-120页。
42 汤龙、陈享光、赵妍妍：《返乡创业能提高农村居民收入吗？——基于返乡创业试点政策的考察》，《农业技术经济》2024年第7期，第111-128页。
43 江艇：《因果推断经验研究中的中介效应与调节效应》，《中国工业经济》2022年第5期，第100-120页。
44 陆文聪、林立：《全要素生产率产业差异对城乡收入差距的影响：基于收敛性的视角》，《浙江大学学报（人文社会科学版）》2024年第8期，第33-52页。
45 魏敏、李书昊：《新时代中国经济高质量发展水平的测度研究》，《数量经济技术经济研究》2018年第11期，第3-20页。
46 吕荣杰、郝力晓：《人工智能等技术对劳动力市场的影响效应研究》，《工业技术经济》2018年第12期，第131-137页。
47 袁航、朱承亮：《国家高新区推动了中国产业结构转型升级吗》，《中国工业经济》2018年第8期，第60-77页。
48 郭东杰、周立宏、陈林：《数字经济对产业升级与就业调整的影响》，《中国人口科学》2022年第3期，第99-110，128页。
49 高静、李丹、陈峰：《乡村创新创业何以推动农民农村共同富裕》，《广东财经大学学报》2025年第1期，第112-128页。
50 郭东杰、余冰心：《计划生育、人口变迁与居民消费需求不足的实证研究》，《经济学家》2016年第8期，第29-37页。
51 阮建青、杨奇明、叶武威等：《中国乡村创新创业发展：指数构建与测度分析》，《经济与管理》2024年第5期，第9-18页。
52 王小华、温涛、王定祥：《县域农村金融抑制与农民收入内部不平等》，《经济科学》2014年第2期，第44-54页。
53 陈享光、汤龙、唐跃桓：《农村电商政策有助于缩小城乡收入差距吗——基于要素流动和支出结构的视角》，《农业技术经济》2023年第3期，第89-103页。
54 郭东、李琳、庞国光等：《农民工返乡创业何以缩小县域城乡收入差距——基于返乡创业试点政策的考察》，《中国人口科学》，2024年第5期，第50-65页。
55 Lind J. T. & Mehlum H.，“With or without U？ the appropriate test for a U-shaped relationship，” Oxford Bulletin of Economics and Statistics， Vol. 72， No. 1 （2010）， pp. 109-118.
56 王学军、余浩然：《绩效目标、官员特征与地方政府PPP项目投资偏好》，《公共管理与政策评论》2024年第3期，第4-20页。
57 Yan Z.， Feng H. & Li Z. et al.，“From policy to plate： the impact of livestock and poultry regulation on meat consumption in rural China，” Agricultural Economics， https：//doi.org/10.1111/agec.70001.
58 陈珂、高梁斐、余宏亮：《中国建筑业科技创新水平研究：跨时间和跨行业视角》，《科技管理研究》2021年第19期，第56-61页。
59 李琳、田彩红：《农村一二三产业融合促进了县域共同富裕吗——来自长江经济带579个县域的证据》，《农业技术经济》2024年第4期，第59-75页。
60 徐洁、李琳：《电子商务发展对县域共同富裕水平的影响——来自电子商务进农村综合示范县的证据》，《经济地理》2024年第5期，第75-85页。 |
|
|
|
2025, Vol. 55 
