寻找工资增长：对“新机器时代”的政策回应（英）

寻找工资增长：“新机器时代”的政策回应 AndrewBerg,EdwardF.Buffie,MariarosariaComunale,ChrisPapageorgiou,Luis-FelipeZanna WP/24/3 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 2024 JAN ©2024国际货币基金组织WP/24/3 IMF工作文件 能力发展与研究部研究所 寻找工资增长：对“新机器时代”的政策回应，由安德鲁·伯格，爱德华·F·布菲，玛丽亚洛里亚·古纳，克里斯·帕帕吉奥，路易斯·费利佩·赞纳编写 由AndrewBerg和ChrisPapageorgiou授权分发 2024年1月 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 摘要：当前的技术革命浪潮正在改变政策的运作方式。本文研究了在新古典增长模型中引入“机器人”资本（机器人，人工智能，计算机，大数据，数字化，网络，传感器和伺服器的广泛定义）时，三种政策的增长和分配含义。1）降低公司税率；2）增加教育支出；3）增加基础设施投资。我们发现，将“机器人”资本纳入模型确实对政策结果产生了很大影响：公司减税对非熟练工资的tric滴效应减弱，基础设施投资，特别是教育投资的优势更大。根据我们基于新经验估计的校准，基础设施投资和公司减税在“传统”经济中主导着教育投资。然而，在一个拥有“机器人”的经济体中，基础设施投资主导着企业减税，而教育投资往往会产生最高的福利收益。当然，具体结果可能取决于技术变革的确切建模，但我们的主要结果仍然有效，可以提供更准确的福利排名。 推荐引用:AndrewBerg,EdwardF.Buffie,MariarosariaComunale,ChrisPapageorgiou,Luis-FelipeZanna,2024.“寻找工资增长: 对“新机器时代”的政策反应”,IMF第2024/3号工作文件。 JEL分类号:E23、E25、O30、O40 技术变革;人工智能;机器人;增长;收入分配;财政政策;公共投资;教育 关键字:作者的电子邮件地址： 工作文件 寻找工资增长：“新机器时代”的政策回应 由AndrewBerg，EdwardF.Buffie，MariarosariaComunale，ChrisPapageorgiou，Luis-FelipeZanna1编写 1本文表达的观点是作者的观点，不一定代表基金组织或基金组织政策的观点。 EdwardF.Buffie在印第安纳大学经济系。我们感谢PaulGaggl对代码和复制的指导。我们感谢任洁敏、JohnRalyea和SanghamitraWarrierMukherjee的评论。 I.I介绍 近几十年来，实际工资停滞不前已经成为几个发达国家——尤其是美国——的一个核心问题。尽管原因多种多样，但技术进步，特别是日常任务的自动化已被确定为主要因素。在本文中，我们专门研究了这些技术的广泛定义，我们将其称为“机器人”，作为不仅涵盖机器人本身的保护伞 ，还包括人工智能（AI），计算机，大数据，数字化，网络，传感器和在“新机器时代”的文献中体现出来的伺服器。专家意见还认为，迟早会出现与更快的计算机，更有效的机器学习和生成AI（ge-AI）算法相关的新一波创新。普遍的数字化将迎来一场新的工业革命，并带来更大的宏观经济影响（初步迹象是，与我们更广泛的定义相比，这些技术可能看起来有些不同）。1先进的ge-AI技术的最新传播，尤其是在2022年11月OpeAI发布ChatGPT之后，已经开始了关于这些技术对劳动力市场影响的新辩论。 关于新工业革命的宏观经济文献，包括我们自己的早期工作，研究了技术改进对增长，劳动力市场和收入分配的影响。在本文中，我们提出了一个不同的问题，即：在具有这种“机器人”资本的新经济中，政策的影响有何不同？2 在Berg，Bffie和Zaa（2018）中采用了该模型的变体，我们分析了三项政策对增长和收入分配的影响：降低公司税率，增加教育支出和增加基础设施投资。该模型的特点是低技能工人住在检查，资本家和高技能工人谁保存和投资，以及我们广泛的“机器人”资本，区别于传统资本，是高度替代低技能劳动力在生产3，我们分开了信息和通信。 1在不同的行业、职业和职称中，对生成人工智能(geerative-AI)的接触是高度异构的。重新实证研究表明，geer-AI的收益主要来自低技能，低薪工人（Bry-jolfsso，Li和Raymod（2023）），而geer-AI的采用往往会使公司的层次结构扁平化，增加初级职位的工人，减少中层管理人员和高级职位的工人（Babia等人（2023））。 2Korie和Stiglitz（2018）在一般层面上讨论了政策问题，特别是在技术和转让方面。然而，对于机器人、人工智能和相关技术如何改变经济对政策的反应方式，几乎没有或根本没有正式的审查。Acemogl和Restrepo(2019a)专注于技术本身的政策。Acemogl，Maera和Restrepo(2020)是最近的一个重要例外，分析了美国的含义S.就业、工资、劳动力份额和自动化的税法。他们发现美国S. 税制偏向于劳动，偏向于资本，近年来越来越多。最近，Korie（2023）分析了一个框架，以评估技术创新，包括大型语言模型（LLM）的例子，对劳动力需求和不平等的影响，发现这些影响取决于创新者的定价策略和经济的制度结构 。 3Caselli和Manning(2019)分析了技术的改进在长期内如何影响实际工资。他们没有分析到新稳态的过渡路径。他们的生产函数非常一般但假设 其余的技术(ICT)资本，我们在这种情况下研究替代的弹性。本文的重要贡献是对ICT资本的生产函数进行了实证检验，比较了不同规格的优劣。经验练习为我们在早期工作中认为的先验最合理的规范提供了支持。我们表明，ICT资本-可以肯定的是“机器人”的（可怜的）代理-与其他设备资本相比，其与其他生产要素的关系有所不同。如果没有考虑到这一点，就会产生错误的结果。 贯穿我们研究结果的主要主题是，机器人（和人工智能）确实可以对政策的运作方式产生重大影响；需要重新审视旧的理论假设和基准模型，并在一定程度上采取早期的实证工作。 根据我们的校准，在公司减税（CTC）的情况下，标准的Cobb-Doglas和CES模型很容易提供标准结果：较低的税率鼓励资本深化，劳动力的边际产品因此而上升，低收入和高技能工人的实际工资平均增长（百分比）。相反，如果我们假设“机器人”资本与低技能工人高度可替代，那么长期GDP增长会提高1-2个百分点，但技能溢价会急剧上升：高技能工资的增长等于或超过GDP增长，而低技能工资增长很少甚至下降。 基础设施投资（II）遵循类似的模式：随着“机器人”资本变得与非熟练劳动力更具替代性，非熟练工资上涨更少，而熟练工资上涨更多。与CTC相比，整个技能范围内的劳动力受益更多。对于符合经验估计的回报率，私人资本存量的增长大于可比CTC的增长；即使在对基础设施回归的悲观假设下，私人资本的强劲挤入也使GDP增长比CTC高出3-4个百分点。随着“机器人”资本变得更容易被非熟练劳动力替代，II相对于CTC的非熟练工资的更大增长变得更加突出：使用CTC，低技能工资可能会下降；使用II，它在所有运行中都大幅增加。 对于教育投资（IE），甚至出现了新技术的明显影响以及与CTC的更大对比。工资不平等程度更低，增长更高，因此拥有更多高度可替代的“机器人”资本。IE特别有力地促进了“机器人”资本的积累，这是由于与之竞争的非熟练劳动力的大量减少和补充熟练劳动力的供应增加。引人注目的是，在“机器人”资本可高度替代低技能劳动力的绝大多数运行中，传统资本的增长是CTC的2-5倍。 这些积极的结果为我们的许多福利结果提供了信息。在初始均衡时，基础设施的回报和私人资本的税前回报都等于10％，而回报 只有一种类型的资本，从而错过了传统资本和“机器人”资本与不同类型劳动的可替代性程度不同的许多重要互动。 教育投资占7%。私人时间偏好率等于6%。因此，所有类型的资本投资都太少了。社会福利函数允许决策者对未来的贴现程度低于私营部门，和/或对穷人收入的估价高于非穷人收入。当政策制定者都不这样做时，他们将代表私人代理人的福利最大化。 由于这三种政策对总资本积累和实际工资的影响非常不同，因此福利排名对社会贴现因子和分布目标权重以及生产函数的参数敏感。然而，一个结果是完全可靠的：II总是主导CTC。该结果是上述积极结果的必然结果。由于II大量涌入私人资本，因此它总是比CTC增加总资本存量（包括基础设施）和低技能工资。因此，在减少投资不足和增加穷人的实际收入方面，它总是比反恐委员会更有效。IE的结果不太稳健。在部分平衡设置下，IE的低(直接)回报(7与私人资本和基础设施的10％）注定了它在福利排名中的最后一位。在一般均衡中，当社会福利函数与代表代理人的福利函数相同时，情况也是如此。“相同”这个词很重要。由于IE在长期内比其他两项政策增加了总资本存量和低技能工资，因此，当政策制定者对未来收益的折现程度低于私营部门时，其在福利排名中的位置发生了巨大变化，而更关心穷人的福利而不是代表代理人的福利。在我们的首选校准中，例如，当社会折扣因子比私人折扣因子高两个基点时，IE击败CTC；当社会折扣因子高140个基点时（0.957vs.0.943），它也击败了II。而且，如果穷人的实际收入以很小的正权重进入社会福利函数，即使政策制定者采用与私营部门相同的贴现因子，IE也会击败CTC和II。 各种生产要素之间的替代弹性在我们的分析中起着至关重要的作用，特别是在“机器人”资本和低技能劳动力之间。我们规范的新颖性，尤其是引入“机器人”资本作为ICT资本所保证的独特生产要素，意味着文献中的经验估计不是直接可比较的。我们提取与我们的生产函数相对应的资本和劳动力存量，工资和回报率的数据。然后，我们为我们的规范以及具有不同嵌套结构的两个替代合理的CES生产函数推断该数据所隐含的弹性。我们发现，我们首选的规范是最有经验的，对于基线和替代规范，“机器人”资本之间的变电站弹性大于2，并且高于其他弹性，为我们在本文中做出的最重要的假设提供了广泛支持。 4我们的模型有贫穷和非贫穷的代理人。提到“代表代理人”意味着只有总体消费进入福利函数。 本文的其余部分组织如下。在第二节和第三节中，我们对模型进行布局，并根据美国的数据对其进行校准。S.第四节讨论了模型规范中某些选择的程度及其校准条件我们的结果。它还报告了经验练习和随后的替代弹性估计值。在第五节中，我们分析了三个政策实验：企业减税、基础设施投资和教育投资。对于每个实验，我们都提供了对长期运行的分析-包括分析结果-以及到新稳态的过渡路径。我们还对第六节中的政策产生的福利收益进行了排名。第七节总结。 II.T他MODEL 我们在Berg，Buffie和Zanna（2018）开发的模型中引入了公司利得税，国际资本流动以及对基础设施和教育的投资。为了隔离每个政策变化的影响，向资本家和高技能工人的转移支付了公司税率以及基础设施和教育投资的变化。5 A.技术 竞争性公司使用传统资本Kt，“机器人”资本Zt，在-frastructurecapitalGt−1、高技能劳动力St、低技能劳动力Lt的生产函数 是Qt=Gη t1− F[H(St,Kt),V(Lt,Zt)]，其中F(•),H(•),和V(•)是线性齐次的 CES汇总各自的投入。为了便于推导分析结果，我们绕过生产函数，使用公司的单位成本函数 ： [啊1−σ1+1−a)f1−σ1]1/(1−σ1) t ,(1)