技术进步会降低劳动收入份额吗？来自经合组织国家的证据

《TECHNOLOGY IN SOCIETY》：Does Technological Progress Lower the Labor Income Share? Evidence from OECD Countries

　　徐凯毅 | 陈阳芬
中国农业科学院农业经济与发展研究所，北京 100081，中国

**摘要**
技术进步（TP）正在重塑要素收入分配，但其对先进经济体中劳动收入份额（LS）的长期影响仍存在争议。本研究利用1992年至2022年37个经合组织（OECD）国家的面板数据，结合双向固定效应估计和可解释机器学习方法，来分离技术进步对劳动收入份额的影响。我们发现，在基准模型中，专利申请增加1%会导致劳动收入份额下降0.033%。在贸易开放度低且人力资本不足的经济体中，这种影响尤为显著。技术进步加剧了资本对劳动的替代，增加了高技能劳动力的就业，从而压低了劳动收入份额。政府干预的增加和工人议价能力的提升可以缓解技术进步对劳动收入份额的抑制作用；然而，仅依靠增强议价能力受到边际收益递减的限制。面对技术进步的快速迭代，加强人力资本发展以适应尖端技术并提高工人适应新技术的能力至关重要。此外，实施差异化的资本税和减轻劳动税负担有助于缓解技术对劳动力市场的挤出效应。最后，鼓励加强行业层面的集体工资谈判，以确保生产率增长能够更公平地转化为工资增长。

**引言**
劳动收入份额（LS）的波动反映了国民收入在资本和劳动之间的分配情况，这一直是劳动经济学中的核心问题（Ergül & G?ksel, 2020）。几十年来，总体要素收入份额被认为相对稳定，Kaldor提出的LS在均衡状态下稳定的观点被广泛接受（Kaldor, 1961）。然而，自20世纪80年代以来，主要发达经济体和一些新兴市场的劳动收入份额持续下降（Karabarbounis & Neiman, 2014; Bellocchi et al., 2025; Jacob & Paul, 2024），引起了学术界和政策的极大关注。劳动收入份额的变化不仅影响劳动-资本分配，还影响失业率、经济发展和社会稳定（Qian et al., 2023）。因此，理解维持或增加劳动收入份额的机制对于促进公平的要素分配和更广泛的社会公平至关重要（Xin & Ye, 2024）。

为了解释劳动收入份额的下降，学者们从多个角度分析了其根本原因。现有研究强调全球化冲击、制度框架和劳动力市场结构是导致劳动收入份额下降的主要驱动因素（Drago et al., 2022; González-Rozada & Ruffo, 2024; Wang & Hu, 2025; Yang, 2025）。其中，技术进步一直被视为最具争议性和关键的因素。特别是当前的数字化、自动化和人工智能浪潮正在从根本上重塑生产函数和要素需求，使技术进步成为影响劳动收入分配的主要力量（Vukovi? & Damijan, 2025）。理论上，技术进步通过多种渠道影响劳动收入份额，包括改变对不同技能水平劳动力的需求、重塑资本和劳动之间的相对回报，以及产生劳动替代和互补效应（Su et al., 2022; Xue et al., 2026）。明确这些机制对于设计促进公平收入分配的政策至关重要。

关于技术进步与劳动收入份额之间关系的实证证据存在很大争议，反映了不同国家、行业和方法论方法之间的差异。一些研究持乐观态度，认为技术进步通过提高生产率和创造新的就业机会（例如通过机器人应用扩大规模和盈利能力，进而增加劳动力需求）来提高劳动收入（Uddin et al., 2026; Graetz & Michaels, 2018）。相反，其他研究得出的结论更为悲观，指出技术进步通过替代常规低技能任务和加速技能升级（许多工人无法跟上）来降低劳动收入份额，导致就业岗位减少和技能过时（Sevcenko et al., 2021; Acemoglu & Restrepo, 2022; Hémous & Olsen, 2022; Minniti et al., 2025; Kerspien et al., 2026）。第三种观点认为，净效应本质上是不确定的，取决于任务创造是否超过机器替代以及资本和劳动之间的替代弹性（Guo, 2019; Qian et al., 2023）。这些相互矛盾的发现部分源于技术进步的偏向性：强调资本-劳动替代的研究往往报告负面效应，而分析人工智能和自动化等产生劳动密集型任务的新技术的研究则经常发现中性或正面效应（Dauth et al., 2017; Acemoglu & Restrepo, 2020）。因此，技术进步的分配效应高度依赖于具体情境。需要一个统一的测量框架来应用于长期跨国面板数据，以解决这些差异。

经济合作与发展组织（OECD）提供了一个独特的背景，可以研究技术进步如何影响劳动收入份额，因为它结合了技术领导力、成熟的劳动力市场制度和可观察的长期劳动收入份额趋势。总体而言，OECD国家在全球技术发展中处于领先地位，但自1980年以来劳动收入份额平均下降了约5%，在一些成员国这种下降趋势已持续超过30年（Bassanini & Manfredi, 2014）。国家间的异质性也很显著。在美国、日本和韩国等高度技术密集型国家，劳动收入份额的下降尤为明显。例如，作为技术进步的全球领导者，美国的劳动收入份额从1990年的66.5%稳步下降到2022年的59.9%，显示出明显的资本偏向性技术进步特征。相反，法国、意大利和英国等国家则表现出相对稳定甚至略有上升。基于这些模式，我们提出了核心科学问题：在技术进步持续发展的背景下，劳动收入份额如何演变？利用1992年至2022年37个OECD国家的面板数据，我们系统地评估了技术进步如何影响劳动收入份额及其途径。由于劳动收入分配还取决于制度环境、产业结构和劳动力禀赋，我们进一步研究了技术进步对劳动收入份额的影响是否因人力资本水平、贸易开放度和收入水平的不同而有所差异。回答这些问题为理解技术进步与劳动收入份额之间的联系提供了统一的实证框架。

本研究通过四个关键贡献加深了对技术进步如何影响劳动收入份额的理解。首先，我们拓宽了现有的分析视角。与以往仅关注单一国家或特定行业的研究，或仅分析特定地区劳动报酬趋势的研究（Bellocchi et al., 2025; Minniti et al., 2025）不同，本研究缺乏在宏观层面上进行跨区域分析的实证研究。基于OECD国家的长期面板数据，本文提供了更具普遍性的跨国实证证据，不仅验证、回应并补充了现有先进经济体中的要素分配模式演变，还为其他经济体理解技术进步的分配效应提供了参考。其次，本研究首次识别并排序了影响劳动收入份额的最重要决定因素。通过应用可解释机器学习，我们量化了关键驱动因素的重要性和方向，使得不同规模、分布和经济维度的变量之间可以直接比较，这是对传统计量经济模型的改进。第三，我们阐明了技术进步影响劳动收入份额的机制。与早期主要局限于资本-劳动替代弹性的研究或仅考察技术进步对劳动收入份额影响的研究（Du et al., 2026）不同，本文将替代效应、结构效应和制度效应纳入分析框架，测试了资本-劳动替代、技能结构升级和劳动议价能力等机制。它揭示了技术进步影响劳动收入份额的主要传导渠道和逻辑机制，为提高初次分配中劳动报酬份额提供了更有针对性的政策建议。第四，本研究捕捉了技术进步在不同国家影响的异质性。通过分析发展水平和要素禀赋的差异，我们提供了支持为不同发展阶段的经济体设计定制分配政策的细致证据。

本文结构如下：第2节详细介绍了理论框架和研究假设。第3节描述了基准模型、数据统计和估计技术。第4节展示了实证结果，包括内生性检验、稳健性检验和异质性分析。第5节提供了进一步的深入分析，最后一部分包括结论、讨论和局限性。

**理论框架和研究假设**
为了研究技术进步对劳动收入份额及其机制的影响，本研究采用了Acemoglu（2002）建立的理论建模方法。我们采用常数替代弹性（CES）生产函数，其中资本、高技能劳动力和低技能劳动力作为生产要素。假设时期t的部门产出是资本（K）、高技能工人（Ls）和低技能工人（Lw）的函数，函数形式为：

**双向固定效应模型**
我们采用双向固定效应（TWFE）方法来估计技术进步对劳动收入份额的影响，这一方法得到了F检验、Breusch-Pagan检验和Hausman检验的统计支持（附录表A2）。模型具体如下：
其中i和t分别表示国家和年份；Y是劳动收入份额；T表示技术进步；X是控制变量向量；β和β?是待估计的系数；εi和εt分别表示国家和年份的固定效应。

**OECD国家劳动收入份额和技术进步的典型事实分析**
OECD国家的劳动收入份额在水平和时间上存在显著异质性。1992年至2022年间，样本中37个国家的平均劳动收入份额约为0.54，约70%的年度观测值介于0.50和0.65之间（图2）。与简单的单调下降不同，各国之间的模式存在差异。例如，法国、比利时、瑞典和芬兰等欧洲国家的劳动收入份额在整个时期保持相对较高且稳定。相反，

**哪些因素影响劳动收入份额？它们以何种方式影响？**
要理解影响劳动收入份额的因素的相对重要性和方向，需要超越传统计量经济系数的方法，因为这些系数受到单位和函数形式的限制。为了解决这一限制，我们应用SHAP（Shapley Additive Explanations）方法将模型预测分解为每个变量的边际贡献，从而同时评估其大小和方向影响（Wang et al., 2026）。这种方法使得可以直接评估……

**结论**
全球大多数经济体，尤其是发达经济体，劳动收入份额普遍且持续下降，已成为全球现实。技术进步深刻改变了全球生产方法和劳动力市场结构，对要素收入分配产生了复杂而深远的影响。利用37个OECD国家（1992–2022年）的跨国面板数据，并结合计量经济分析和可解释机器学习，我们确定了技术进步的影响程度和机制。

**作者贡献声明**
陈阳芬：撰写——审稿与编辑、监督、项目管理、资金获取。
徐凯毅：撰写——初稿、验证、软件、方法论、数据分析、概念化。

**未引用参考文献**
Xu and Chen, 2026.

**利益冲突声明**
作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

**致谢**
作者衷心感谢农业科学技术创新计划（CAAS-CSAERD-202402; 10-IAED-04-2026; 10-IAED-RC-09-2026）、中国农业科学院基础研究基金（Y2025YC64）、国家自然科学基金（72073129）和国家社会科学基金（21&ZD093）的支持。