世界就业和社会展望 ： 2024 年 9 月更新

关键信息 ●如果历史模式持续不变，且没有更广泛的领域采取更强有力的政策应对措施，近期生成式AI的突破性进展可能会进一步对劳动收入份额施加下行压力。这不是关于AI效应的预测，而是这一发现强调了确保AI带来的任何利益广泛分配的重要性。 劳动收入份额是一个广泛使用的不平等衡量指标，它衡量的是一个国家中通过工作所获得的总收入中雇员所占的比例。这一比例在2019年至2022年间全球下降了0.6个百分点，并自那时起保持稳定。尽管这一趋势与长期观察到的下降（2004年至2024年间下降1.6个百分点）一致，但过去二十年观察到的总下降中约有40%发生在2020年至2022年这一由COVID-19大流行标志的三年期间。 自2015年以来，全球非就业、教育或培训（NEET）青年的比例仅轻微下降，从21.3%降至2024年的20.4%。阿拉伯国家地区拥有最高的NEET青年比例，达到33.3%，紧随其后的是非洲（23.3%）、亚洲及太平洋地区（20.4%）、拉丁美洲及加勒比地区（19.6%）、欧洲及中亚（13.0%）和北美洲（11.2%）。初始NEET率较低的地区经历了显著下降。相反，阿拉伯国家地区的下降幅度较小，而非洲在过去二十年中未能减少NEET现象的发生率。 ●尽管从百分点的角度来看这种下降似乎较为温和，但到2024年，与劳动收入份额自2004年以来保持稳定的情况相比，这一下降导致的年度劳动收入缺口为2.4万亿美元（以恒定购买力平价计算）。 在诸多因素中，经济研究已将技术识别为导致劳动收入份额下降的关键驱动因素。人工智能（AI）领域的近期发展使其特别相关于分析技术革新与劳动收入份额之间的关系。通过对36个国家的样本进行分析，这些国家拥有所需数据，主要为发达经济体，过去20年的技术革新被发现能持续提升劳动生产率和产出，但同时也可能降低劳动收入份额。所呈现的证据表明，旨在实现自动化的技术进步可能正在推动劳动收入份额的下降。 ●NEET 的估计表明 ， 大性别不平等仍然存在于年轻人获得教育和就业 ， 尽管有在缩小性别差距方面取得了适度进展Over the past two decades. The female youth NEET估计 2024 年发病率为 28.2% ，年轻人的发病率增加了一倍以上男性 (13.1%) 。 ●在阿拉伯国家（25.3个百分点）中NEET群体的性别差异最大，随后是亚洲和太平洋地区（19.1个百分点）、拉丁美洲和加勒比地区（17.6个百分点）以及非洲（12.5个百分点）。欧洲及中央亚细亚和北美地区的性别差异最小（分别为3.5个百分点和0.2个百分点）。 从 20 世纪 80 年代开始 ， 长期衰退的背景。3例如，在2008-10期间记录了暂时的增加，这在经济危机期间是常见的现象。这是因为在衰退期间，利润和其他形式的资本收入下降速度超过劳动补偿所致。 Introduction 在仅剩六年的时间里，实现可持续发展目标（SDGs）似乎越来越遥不可及。这是我们在此简短分析的两个SDG指标的情况——未参与就业、教育或培训（NEET）的年轻人的比例以及劳动收入份额。 国际劳工组织的新估计包括到 2024 年的劳动收入份额预测。4这些数据首次提供了近期经济冲击对劳动者国民收入份额影响的证据。新的数据显示了劳动收入份额的进一步下滑，加剧了长期的负面趋势。2019年，劳动收入份额为52.9%。在2020年短暂上升后，2021年的份额已经恢复至疫情前水平，随着全球经济从COVID-19大流行最严重影响中复苏。2022年，这一比例降至52.3%。整合最新的宏观经济数据后，5预计2023年和2024年，劳动收入份额保持在这一水平，大约比疫情前的情况低0.6个百分点。 全球劳动收入份额长期以来一直在下降，最近几年也不例外。这种下降趋势对不平等产生了上行压力，因为劳动收入比资本收入更平均分配。我们分析了技术进步的作用，这是一种在众多显着因素中重要的驱动力，在决定劳动收入份额方面可能发挥的作用。我们发现证据支持自动化导向的技术进步导致劳动收入份额下降这一观点。基于2003年至2019年的数据，这些发现尤其值得关注，鉴于人工智能领域近期的发展。 最后，数据显示在全球范围内减少NEET率的进展缓慢，性别差距仅略有缩减。尽管全球NEET率略有下降，但总青年人口的NEET人数保持稳定，并预计在未来几年内会增加。这凸显了全球日益增长的青年群体在就业和教育机会方面的不足。 劳动力收入份额下降 劳动收入份额衡量的是经济体中雇用人员通过工作获得的总收入比例。劳动收入加上资本收入（即资产所有者，如土地、机器、建筑物或专利等所赚取的收入）合计构成了全国总收入。1鉴于资本收益往往集中在较富裕的个人手中，劳动收入份额广泛用作衡量不平等的指标，包括衡量向SDG 10（“减少国内和国际间的不平等”）目标迈进的进展。 关注过去5年，并按地区细分突显了不同的趋势。非洲、美洲和阿拉伯国家在2019年至2024年间劳动收入份额出现了明显的下滑（-1.2, -1.2 和 -0.8个百分点）。亚洲及太平洋地区的这一份额轻微下降了0.2个百分点。欧洲及中亚在2019年至2024年间劳动收入份额也有所下滑，达到了1.0个百分点，但与其他地区不同的是，其最低点出现在2022年（-1.8个百分点），随后在2023年和2024年出现反弹。 正如国际劳工组织先前的工作所记录的那样 ，2过去二十年间，国民收入中劳动份额出现了显著下降（参见图1）。这一现象发生在背景下。 附件中提供了有关估算的更多详细信息 ， 以及ILO 2019有关方法的完整描述。 5用于预测的数据包括即将发布的国际劳工组织（ILO）全球工资报告2024/25的工资数据、国际货币基金组织（IMF）2024年4月世界经济展望（WEO）的数据，以及经合组织（OECD）季度国民账户中的未调整劳动收入份额。 方框 1 - 在缩小劳动收入性别差距方面进展不足 除了资本和劳动收入之间的分配之外，不平等还有其他重要的维度，包括劳动收入的分配。见国际劳工组织即将发布的《 2024 / 25 年全球工资报告》or ILO 2019关于这一话题的讨论中，一个关键维度是劳动收入中的性别不平等。尽管全球范围内存在显著的性别收入差距，但这些差距在过去几十年里有所缩小。 全球女性劳动收入与男性劳动收入的比例为46.8%。这意味着，对于男性每赚取1美元的劳动收入，女性仅能获得0.47美元。到2024年，这一比例增加至51.8%，反映出有限的进步。性别间的劳动收入比例反映了工作收入相对重要性的衡量，考虑到了就业率和雇员之间的薪酬差异，这些差异源于工作时长、职业特征和其他因素的不同。因此，这一比例可以被理解为劳动力市场中累积失衡和不平等的复合影响的体现，即女性就业人数少于男性以及一旦就业，女性收入低于男性所共同产生的效果。 尽管百分比减少看似轻微（20年间减少了1.6个百分点，其中过去5年减少了0.6个百分点），其影响却是显著的。这一下降在全球2024年的劳动收入中代表了2.4万亿美元（以恒定购买力平价计算）。尽管这一发现的分配性意义值得关注，但在这个时期全球劳动收入增加过程中，生产力增长的作用必须得到强调。我们估计，从2004年开始，每小时工作产生的国内生产总值（作为劳动生产率的一种衡量）增长了58%。6同时，每小时劳动投入的劳动收入在全球范围内增长了53%，尽管劳动份额有所下降。 观察到的劳动收入份额长期下滑存在多个可解释的因素。确实，经济文献中已经研究了许多这方面的内容，包括产品市场、劳动力市场、资本市场以及全球化等方面的变化。7一个主要的解释是技术变革的作用 ， 我们将在下一节中详细讨论。 全球女性劳动收入的增长掩盖了广泛的区域差异。在2024年，阿拉伯国家地区的女性与男性劳动收入的比例仅为12.4%，而非洲地区的这一比例为34.7%。自2005年以来，这些地区的进步并未与全球水平保持同步。2024年，亚洲及太平洋、欧洲及中亚、以及美洲地区的比例分别为44.2%、61.9%和64.7%。这反映了从各自的2005年水平（分别为36.8%、53.9%和54.0%）取得显著进展。 任何类型的技术创新。9实际上，它们提供了关于推动所研究经济和时间周期总体结果的特定创新类型的见解。值得注意的是，在我们的实证分析中，并不限制于任何特定类型的科技创新，而是关注决定可用样本平均结果的因素。 方框 1 (续) 近期人工智能的进步使得研究技术变革在决定劳动收入份额方面的重要性尤为突出。本部分旨在分析过去二十年间技术创新与劳动收入份额之间的关系。关键在于，接下来进行的练习并非关于AI影响的模拟或预测；相反，我们评估了技术在截至2019年劳动收入份额下降过程中所扮演的角色。 这是因为尽管人工智能领域近期的进展，如ChatGPT的推出，代表了一项技术突破，但对其经济影响的不确定性仍然非常大。表2强调了生成式人工智能对经济增长贡献的不同估计范围。这些估计从几乎为零到大致翻倍当前全球GDP增长率（2024年为3.2%）不等。鉴于这种不确定性，我们旨在通过关注过去观察到的情况来评估这项技术进步可能产生的部分量化影响。 技术与劳动收入份额 ： 一种复杂的关系 人们早已认识到 ， 技术进步是龙河经济增长的关键驱动力 (见Aghion 和 Howitt, 1990;罗默 ， 1994另一方面，过去二十年间出现了大量的证据表明技术改进可能会产生暂时性的动荡。例如，在某些情况下，技术改进可以在短期内减少就业和工作时间。8 此外，近期的研究还指出了技术因素，如自动化，是导致观察到的劳动收入份额长期下滑的关键因素之一（请参阅）Bergholt 等人 ， 2022） 。作为文献中实证发现的补充 ， 考虑理论工作是有用的 ， 例如Acemoglu 和 Restrepo(2018在这一框架下，不同类型的科技创新对劳动收入份额的影响截然相反。某些创新预计会降低其比例（如自动化），而其他创新则倾向于提高（如创造劳动密集型任务）。一些创新（资本或劳动力增效创新）在事前可能具有模糊的影响效果。鉴于存在不同的影响潜力，实证结果不应被视为普遍结论。 遵循由Galí 1999,10我们识别出国家层面意外提升劳动生产率的技术进步（学术文献中通常称为“技术冲击”）。然后我们估算11这些技术革新在各国间的平均影响效果（详细信息见技术附录）。分析聚焦于2003年至2019年的时期，涵盖拥有必要数据的36个国家。12产出以不变的购买力平价美元衡量 GDP ， 劳动生产率以每小时工作 GDP 计算。13劳动收入份额对应于未经调整的衡量标准 (仅考虑雇员的薪酬)。14 Figure 3 plots results of the exercise. Unsurprising, a technical innovation15导致劳动生产率大幅增加 ， 在创新年增加了2.1% (图 3a) 。16效果持久，在四年后的生产力增长仍然比初始水平高出1.7%。这一生产力提升导致了额外的产出增长，在影响年达到1.4%，随后逐渐增加但最终下降但仍保持显著水平，整个展望期都维持在较高水平（图3b）。 随着产出增长幅度小于劳动生产率，工作小时数因此减少0.7%（见图4a）。这是因为产出的即时增加不足以抵消劳动生产率的增长；因此，用于生产的劳动时间减少。就业人数也有所下降，但幅度较小，减少了0.4%（见图4b）。两者共同导致了生产活动效率的降低。 13总工作时间来自实际工作时间的平均工作时间 ， 两者均来自 ILOSTAT 。14这是一个重要的限制点，因为未经调整和调整后的指标可能呈现出不同的动态特征——尤其是在发展中国家。调整后的指标所需的数据要求会导致可用观测值大幅减少。此外，分析将基于部分填充的数据，这会扭曲置信区间估计。15如同此类练习的惯例，所采用的冲击大小作为参考的是正交化残差的1个标准差（详情请参见附录）。16这次冲击对生产力的影响巨大，超过了一半的生