张文绪，何菊香
的特殊性导致，结论得出是否具有偶然性，下文将从更换核密度函数、改变断点位置、更换样本数据范围几个方面进一步检验模型的稳健性。
1、更换核密度函数
基准回归模型中默认使用三角核密度函数进行回归，稳健性检验中改用矩阵核密度函数不同核密度函数，在加入协变量的情况下分别对金融企业和人工智能企业进行断点回归处理，回归结果见表2。其中模型1、2是金融企业的估计结果，模型3、4是人工智能企业的估计结果。在最优带宽估计及最优带宽二倍带宽估计下，利用三角核密度函数与矩阵核密度函数的估计结果发生了一定程度的变化，但变化幅度较小。估计结果的显著性无变化，估计值的标准误基本无变化，证明其稳健性较好。
Table 2. Estimated results of different kernel density functions for financial companies and AI companies 表2. 金融企业及人工智能企业不同核密度函数估计结果
变量 lwald Lwald200 核密度函数 Observations
模型1 ?4.519*** (1.694) ?5.482*** (1.730) 矩阵核 513
模型2 ?4.820*** (1.480) ?5.275*** (1.583) 三角核 513
模型3 ?38.465 (35.458) ?19.302 (31.106) 矩阵核 449
模型4 ?47.906 (35.171) ?29.643 (28.398) 三角核 449
2、安慰剂检验：改变断点位置
为了保证结论的可信度，本文进一步进行了安慰剂检验。如果在其他假定的政策断点时间处，结果变量也出现了显著的跳跃，则说明原断点回归模型的结果并不可靠。因此，本文在原断点时间前取一个假定的断点，即2024年1月中旬，进行断点回归分析。结果见表3，其中模型1、2是金融企业回归结果，模型3、4是人工智能企业回归结果，模型1、3选择2024年1月中旬为断点，不论是金融企业还是人工智能企业，回归结果都是不显著的，证明断点确实在2024年1月下旬，原断点回归模型具有有效性。
Table 3. Regression results of financial companies and AI companies replacing cut-point 表3. 金融企业和人工智能企业更换断点回归结果
变量 lwald Lwald200 核密度函数 Observations
模型1 ?1.465 (3.512) ?4.927 (2.045) 三角核 513
模型2 ?4.820*** (1.480) ?5.275*** (1.583) 三角核 513
模型3 0.730 (43.639) ?18.187 (28.340) 三角核 449
模型4 ?47.906 (35.171) ?29.643 (28.398) 三角核 449
3、更改样本数据范围
更改样本数据选择范围检验模型的稳健性。由于发布各时期完整招聘数据的企业较少，因此剔除所有2024年3月上旬的样本数据，利用新的样本重新估计。带入协变量，回归结果如表4显示，其中模型1、2是金融企业的回归结果，模型3、4是人工智能企业的回归结果，模型1、3是剔除部分样本数据后的结果。在剔除2024年3月上旬的样本数据前后，金融企业的LATE估计值，标准误和显著性基本无变化。剔除部分数据前后，人工智能企业LATE估计值有较小幅度变化，显著性无变化，断点回归结果稳健性较好。
DOI: 10.12677/ssem.2024.94023
176
服务科学和管理
张文绪，何菊香
Table 4. Regression results of financial companies and AI companies after removing some samples 表4. 剔除部分样本后金融企业和人工智能企业回归结果
变量 lwald Lwald200 核密度函数 Observations
模型1 ?4.810 *** (1.513) ?5.352*** (1.479) 三角核 470
模型2 ?4.820*** (1.480) ?5.275*** (1.583) 三角核 513
模型3 ?35.273 (23.701) ?34.925 (23.616) 三角核 400
模型4 ?47.906 (35.171) ?29.643 (28.398) 三角核 449
5. 结论
通过以上对金融企业和人工智能企业分别进行断点回归的对比，可以得出以下结论：金融业就业受到疫情冲击，就业人数短期内减少；而新冠疫情不会给人工智能行业就业带来整体性的负面冲击。两类企业相比，在疫情前后人工智能企业的就业相对金融业就业变化更平稳，人工智能行业就业受到疫情的冲击明显弱于金融业。以上实证结果表明，人工智能产业不仅仅在此次疫情中帮助一线人员抗击疫情，还在疫情冲击下为中国就业的稳定做出贡献。
针对以上分析，本文为我国政府部门的产业规划和发展方向提出建议：
1) 政府应加大发展人工智能行业的政策投入，提高就业规模。研究表明人工智能产业的就业抗冲击能力比较强，稳定就业的作用大，未来人工智能将会在各个方面发挥出巨大优势，将会深刻改变人类的劳动模式与社会形态，政府应该加强顶层战略设计，通过出台政策更广泛的支持人工智能技术的发展，包括技术研发、应用、转化全过程支持。增加财政支持、补贴税收等优惠措施推动传统产业升级为现代化、自动化、智能化产业，积极发挥人工智能产业的就业创造效应。
2) 鼓励金融业对人工智能等新兴科技的应用。金融业作为服务业代表，在此次疫情中就业受到一定程度的冲击，随着新冠疫情得到控制，金融业的短期就业冲击伴随复工复产大势将得到好转。未来，在金融业部分环节应加强对人工智能、机器人技术的应用，智能柜台机、无人银行、智能风控、远程办公等技术的运用将克服人力因素对业务的影响，在疫情等特殊情况时保持银行业的正常运转。新兴技术的运用将在金融业产生新部门新岗位，长期来看，具有就业扩张和创造能力。
3) 鼓励人工智能和金融科技人才培养。加强培养和吸引中高端技术人才，加快人工智能、金融科技等新兴产业的培育，提高自主研发的技术水平和产品质量，抓住国际竞争的机遇。2024年3月3日，教育部、国家发展改革委、财政部印发《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》的通知，重视“基础理论研究”，对“学科交叉融合”高度重视。在加强人工智能人才培养外，也应重视金融行业复合人才的培育。随着未来金融科技进入结构优化期，对人才的专业性、复合性、实战性要求会更高，市场对适应金融科技行业发展的专业人才需求更加旺盛，人才培养建设将走向专业化、体系化道路，学科交叉人才与复合人才将是推动金融科技行业创新发展的主力军与新生力量。同时应加强人才供求与市场需求的匹配，完善就业服务体系，依托现有的求职信息网络和第三方招聘人才服务公司，完善和健全劳动力市场信息网络。
参考文献
[1] 张毅. 疫情冲击下失业率上升统筹政策实施将带动就业形势改善[N]. 中国信息报, 2024-03-17(002).
[2] 沈国兵. “新冠肺炎”疫情对我国外贸和就业的冲击及纾困举措[J]. 上海对外经贸大学学报, 2024, 27(2): 16-25. [3] Arash, S.-N., Martin, M. and Buckeridge, D.L. (2024) Health Intelligence: How Artificial Intelligence Transforms
DOI: 10.12677/ssem.2024.94023
177
服务科学和管理
张文绪，何菊香
Population and Personalized Health. NPJ Digital Medicine, 1. https://doi.org/10.1038/s41746-018-0058-9 [4] 王宁. 人工智能赋能, 助力战“疫”科学化精准化[J]. 中国设备工程, 2024(4): 6-8. [5] 费晓蕾. 三大产业: 筑起“抗疫”防线[J]. 华东科技, 2024(3): 28-33. [6] 管浩. 抗疫的AI[J]. 华东科技, 2024(3): 54-56.
[7] 王君, 杨威. 人工智能等技术对就业影响的历史分析和前沿进展[J]. 经济研究参考, 2017(27): 11-25.
[8] 高奇琦, 张结斌. 社会补偿与个人适应: 人工智能时代失业问题的两种解决[J]. 江西社会科学, 2017, 37(10):
25-34. [9] 云箴. 人工智能、“机器换人”如何冲击就业[N]. 人民邮电, 2017-10-16(005).
[10] Acemoglu, D. and Restrepo, P. (2024) Artificial Intelligence, Automation and Work. NBER Working Paper.
https://doi.org/10.3386/w24196 [11] Frey, C.B. and Osborne, M.A. (2017) The Future of Employment: How Susceptible Are Jobs to Computerisation?
Technological Forecasting & Social Change, 114, 254-280. https://doi.org/10.1016/j.techfore.2016.08.019 [12] Arntz, M., Gregory, T. and Zierahn, U. (2016) The Risk of Automation for Jobs in OECD Countries: A Comparative
Analysis. OECD Social, Employment and Migration Working Papers. [13] Lee, D.S. and Card, D. (2008) Regression Discontinuity Inference with Specification Error. Journal of Econometrics,
142, 655-674. https://doi.org/10.1016/j.jeconom.2007.05.003 [14] Imbens, G.W. and Lemieux, T. (2008) Regression Discontinuity Designs: A Guide to Practice. Journal of Econome-trics, 142, 615-635. https://doi.org/10.1016/j.jeconom.2007.05.001 [15] Guido, I. and Karthik, K. (2012) Optimal Bandwidth Choice for the Regression Discontinuity Estimator. The Review of
Economic Studies, 79, 933-959. https://doi.org/10.1093/restud/rdr043
DOI: 10.12677/ssem.2024.94023
178
服务科学和管理
新冠疫情金融和人工智能企业的就业效应 - 基于断点回归分析 - 图文
