吴梦涛,张龙天,武康平

• 1:清华大学经济管理学院
• 2:中央财经大学国际经济与贸易学院

摘要(Abstract)：

新兴数字技术正重新定义着包括人力资本积累在内的经济生活各个方面，但目前还未有文献从理论层面探讨数字经济核心要素数据的人力资本效应。本文将数据作为一种新的关键要素引入人力资本的积累过程，在动态一般均衡模型框架内探究数字经济背景下人力资本的周期性以及数据要素对人力资本积累的影响，并讨论了目前文献中所提及的不同来源类型的数据在该过程中发挥的不同作用。研究发现，数据的引入提升了人力资本积累的效率，使其出现了从传统的逆周期变动向顺周期变动逐渐转换的趋势。进一步地，相较于来自消费的数据会受到隐私问题的制约，来自生产过程的数据则更能推动人力资本周期性的转变，且后者能够使经济达到更高的稳态福利水平。

关键词(KeyWords)： 数字经济;数据要素;人力资本积累;动态一般均衡模型

Abstract:

Keywords:

基金项目(Foundation): 中央财经大学国际经济与贸易学院发展基金的资助

作者(Author): 吴梦涛,张龙天,武康平

DOI: 10.16513/j.cnki.cje.2023.02.003

参考文献(References)：

• 柏培文，张云.2021.数字经济、人口红利下降与中低技能劳动者权益[J].经济研究，56(5):91-108.Bai P W,Zhang Y.2021.Digital economy,declining demographic dividends and the rights and interests of low-and medium-skilled labor[J].Economic Research Journal,56(5):91-108.(in Chinese)
• 蔡跃洲，马文君.2021.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究，38(3):64-83.Cai Y Z,Ma W J.2021.How data influence high-quality development as a factor and the restriction of data flow[J].The Journal of Quantitative & Technical Economics,38(3):64-83.(in Chinese)
• 蔡跃洲，牛新星.2021.中国数字经济增加值规模测算及结构分析[J].中国社会科学，(11):4-30.Cai Y Z,Niu X X.2021.Scale measurement and structural analysis of the value-added of China's digital economy[J].Social Sciences in China,(11):4-30.(in Chinese)
• 李梦娜，周云波.2022.数字经济发展的人力资本结构效应研究[J].经济与管理研究，43(1):23-38.Li M N,Zhou Y B.2022.Research on human capital structure effect of digital economy development[J].Research on Economics and Management,43(1):23-38.(in Chinese)
• 梅冬州，龚六堂.2011.新兴市场经济国家的汇率制度选择[J].经济研究，46(11):73-88.Mei D Z,Gong L T.2011.The determinants of exchange rate regime in the emerging economies[J].Economic Research Journal,46(11):73-88.(in Chinese)
• 戚聿东，刘翠花，丁述磊.2020.数字经济发展、就业结构优化与就业质量提升[J].经济学动态，(11):17-35.Qi Y D,Liu C H,Ding S L.2020.Digital economic development,employment structure optimization and employment quality upgrading[J].Economic Perspectives,(11):17-35.(in Chinese)
• 陶小龙，肖培.2021.数字经济时代人力资本的价值特点与开发策略[J].信息与管理研究，6(6):74-84.Tao X L,Xiao P.2021.Value characteristics and development strategy of human capital in digital economy era[J].Journal of Information and Management,6(6):74-84.(in Chinese)
• 徐翔，赵墨非.2020.数据资本与经济增长路径[J].经济研究，55(10):38-54.Xu X,Zhao M F.2020.Data capital and economic growth path[J].Economic Research Journal,55(10):38-54.(in Chinese)
• 杨建芳，龚六堂，张庆华.2006.人力资本形成及其对经济增长的影响——一个包含教育和健康投入的内生增长模型及其检验[J].管理世界，(5):10-18,34.Yang J F,Gong L T,Zhang Q H.2006.Human capital formation land its effects on economic growth[J].Journal of Management World,(5):10-18,34.(in Chinese)
• 叶胥，杜云晗，何文军.2021.数字经济发展的就业结构效应[J].财贸研究，32(4):1-13.Ye X,Du Y H,He W J.2021.Employment structure effect of digital economy development[J].Finance and Trade Research,32(4):1-13.(in Chinese)
• 俞伯阳，丛屹.2021.数字经济、人力资本红利与产业结构高级化[J].财经理论与实践，42(3):124-131.Yu B Y,Cong Y.2021.Digital economy,human capital dividend and advanced industrial structure[J].The Theory and Practice of Finance and Economics,42(3):124-131.(in Chinese)
• 余长林.2006.人力资本投资结构与经济增长——基于包含教育资本、健康资本的内生增长模型理论研究[J].财经研究，32(10):102-112.Yu C L.2006.Investment structure in human capital and economic growth—Endogenous economic growth analysis based on education capital and health capital[J].Journal of Finance and Economics,32(10):102-112.(in Chinese)
• 张同斌.2016.从数量型“人口红利”到质量型“人力资本红利”——兼论中国经济增长的动力转换机制[J].经济科学，(5):5-17.Zhang T B.2016.From quantitative “Demographic Dividend” to qualitative “Human Capital Dividend”[J].Economic Science,(5):5-17.(in Chinese)
• 朱超，余颖丰，易祯.2018.人口结构与经常账户：开放DSGE模拟与经验证据[J].世界经济，41(9):26-50.Zhu C,Yu Y F,Yi Z.2018.Demographic structure and current account:Open DSGE simulation and empirical evidence[J].The Journal of World Economy,41(9):26-50.(in Chinese)
• Alessandrini D,Kosempel S,Stengos T.2015.The business cycle human capital accumulation nexus and its effect on hours worked volatility[J].Journal of Economic Dynamics and Control,51:356-377.
• Benchimol J.2014.Risk aversion in the Eurozone[J].Research in Economics,68(1):39-56.
• Brandt M W,Wang K Q.2003.Time-varying risk aversion and unexpected inflation[J].Journal of Monetary Economics,50(7):1457-1498.
• Chen Y M,Hua X Y,Maskus K E.2021.International protection of consumer data[J].Journal of International Economics,132:103517.
• Cong L W,Li B,Zhang Q T.2021a.Alternative data in FinTech and business intelligence[M]//Pompella M,Matousek R.The Palgrave Handbook of FinTech and Blockchain.London:Palgrave Macmillan.Switzerland:Springer,217-242.
• Cong L W,Xie D X,Zhang L T.2021b.Knowledge accumulation,privacy,and growth in a data economy[J].Management Science,67(10):6480-6492.
• Cong L W,Wei W S,Xie D X,et al.2022.Endogenous growth under multiple uses of data[J].Journal of Economic Dynamics and Control,141:104395.
• DeJong D N,Ingram B F.2001.The cyclical behavior of skill acquisition[J].Review of Economic Dynamics,4(3):536-561.
• Donadelli M,Prosperi L.2012.The equity premium puzzle:Pitfalls in estimating the coefficient of relative risk aversion[J].Journal of Applied Finance and Banking,2(2):177-213.
• Farboodi M,Veldkamp L.2021.A model of the data economy[R].NBER Working Paper No.28427.
• Fernández-Villaverde J.2009.The econometrics of DSGE models[R].NBER Working Paper No.14677.
• Ichihashi S.2020.Online privacy and information disclosure by consumers[J].American Economic Review,110(2):569-595.
• Ichihashi S.2021a.Competing data intermediaries[J].The RAND Journal of Economics,52(3):515-537.
• Ichihashi S.2021b.The economics of data externalities[J].Journal of Economic Theory,196:105316.
• Jones C I,Tonetti C.2020.Nonrivalry and the economics of data[J].American Economic Review,110(9):2819-2858.
• Lu C H.2021.The impact of artificial intelligence on economic growth and welfare[J].Journal of Macroeconomics,69:103342.
• Lucas R E Jr.1988.On the mechanics of economic development[J].Journal of Monetary Economics,22(1):3-42.
• Méndez F,Sepúlveda F.2012.The cyclicality of skill acquisition:Evidence from panel data[J].American Economic Journal:Macroeconomics,4(3):128-152.
• Michaels G,Natraj A,van Reenen J.2014.Has ICT polarized skill demand?Evidence from eleven countries over twenty-five years[J].The Review of Economics and Statistics,96(1):60-77.
• Veldkamp L,Chung C.2019.Data and the aggregate economy[J].Journal of Economic Literature,Forthcoming.
• Xie D X,Zhang L.2023.A generalized model of growth in the data economy[R].Working Paper 4033576.
• Zhu C.2019.Big data as a governance mechanism[J].The Review of Financial Studies,32(5):2021-2061.
• ① 全国劳动年龄人口平均受教育年限从1985年的6.24年增至2020年的10.7年(高于世界平均水平8.6年),同时人口预期寿命也从1978年的65.9岁增至2020年的77.9岁(高于世界平均水平72.6岁)。数据来源：中央财经大学中国人力资本与劳动经济研究中心发布的《中国人力资本报告2022》,联合国开发计划署发布的《人类发展报告2021—2022》(Human Development Report)。
• ② 2021年人口数达14.13亿，占全球总人口的五分之一(约18%)。
• (1)2019年10月31日党的十九届四中全会通过的《决定》中指出:“要鼓励勤劳致富,健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制”。2020年3月30日由中共中央、国务院共同发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中提出:“加快培育数据要素市场……提升社会数据资源价值”,正式将数据要素纳入为市场化配置改革的第五大基础生产要素。
• (2)2020年,中国数字经济规模便已达到19.14万亿元,占国内生产总值的比重从1993年的3.1%上升至18.8%,且增长速度持续强势(平均增速16.3%)。
• (3)2018年,中国共产生了大约7.6泽字节数据(占全球数据总量的23.4%),到2025年数据产生量预计将增至48.6泽字节(占比将达到27.8%),成为全世界数据储量最丰富的国家。数据来源:国际数据公司希捷(Seagate)2019年白皮书《2025年中国将拥有全球最大的数据圈》。
• (4)欧盟委员会构建的数字经济与社会指数(Digital Economy and Society Index)便是将人力资本与数字经济相结合的典型应用。该指数由人力资本、网络连接、技术商用和数字公共服务四个要素组成,其中,人力资本指代新型数字技能和拥有数字技能的人口,衡量指标具体包括:掌握基本数字技能的人口数量、ICT劳动力数量、提供ICT培训的企业数量以及ICT专业的毕业生数量。详细内容可见:https://digital-strategy.ec.europa.eu/en/library/digital-economy-and-society-index-desi-2021。
• (5)信息和通信技术(Information and Communication Technologies,ICT):由信息技术与通信技术融合而成,信息技术强调信息编码或解码,通信技术强调信息传输以及传送方式。
• (6)数字足迹:是指用户在使用互联网时留下的数据痕迹,比如使用网上银行或手机银行进行投资理财时留下的操作记录。可分为主动和被动两种,主动数字足迹如“接受网站的Cookies”(一种由网站发送到设备的小文件,用来监视活动和记录信息),被动数字足迹如广告商根据用户过去的浏览内容提供个性化广告服务。
• (7)工业物联网(Industrial Internet of Things,IIoT):是一种将计算机与具有感知功能的传感器和射频识别设备以及具有监控功能的控制器和仪表等设备连接起来,通过收集、传输和分析数据并将其应用于工业生产过程的数字技术。
• (8)数字孪生(Digital Twin):是一种对真实世界实体对象、过程或服务的数字表示,也是一种利用数字技术对大型物体(如喷气发动机、风力发电场、建筑物甚至整个城市)和生产制造流程的数字复制,以便收集数据、创建模拟,并预测执行情况和产品或过程的性能。鉴于大型建筑项目对实时数据的较高需求,数字孪生技术广泛应用于基础设施的建设过程。通过汇集来自平面设计、建筑工地和生产设备的实时数据,数字孪生平台充当了建筑资产虚拟生产副本的角色,一方面让建筑公司更加高效合理地生产和管理建筑,另一方面让工程师和专家们获得实时数据以便及时发现问题并实行改进措施。
• (9)除了本文展示的柯布-道格拉斯形式,我们还构建了常替代弹性函数(CES)形式的人力资本积累方程,并得到了与柯布-道格拉斯形式相似的脉冲响应结果,再次印证了本文的结论。读者如对此有兴趣,可向作者索取详细过程。
• (10)这里假设数据风险偏好是AR(1)过程的依据是具有时变性的风险规避系数。Brandt and Wang(2003)建立了一个基于消费的资产定价模型,研究发现总风险厌恶程度随总消费和通货膨胀率的变化而不断变化;Donadelli and Prosperi(2012)同样认为风险规避系数随时间而不断变化。进一步地,Fernández-Villaverde(2009)使用贝叶斯方法分析了风险规避冲击在产出、通货膨胀和利率动态中的作用,Benchimol(2014)在New Keynesian DSGE的模型框架中探究了风险偏好冲击对产出的影响。
• (11)《2019年数字经济报告》的详细内容可见:https://unctad.org/system/files/official-document/der2019_en.pdf。
• (12)ICT行业增加值排名前10的国家与地区分别是:美国、中国、日本、德国、韩国、印度、英国、法国、意大利、中国香港。
• (13)在模型中,消费者数据的使用会给代表性消费者带来负效用,冲击zt发生正向变化实际上提升了此类数据使用所产生的效用成本,这与前三小节中加在产品生产、人力资本投资品生产和生产者数据生产上的冲击是不同的。