学术预告

您的位置: 首页 >> 学术预告 >> 正文

经济研究院2023年第11期学术例会预告

发布日期:2023-05-17   作者:    浏览次数:
时间 2023年05月18日 14:30 地点 邵逸夫科学馆东二层第六会议室

学术交流信息如下:

主讲人一李少星

题目:基于流动性治理的区域绿色发展路径研究

摘要:绿色发展是高质量发展的核心要求。当前我国区域经济、自然资源、生态条件的空间不均衡问题突出,但推进绿色发展的政策调控思路较多地集中在产业结构、资源价格形成机制、环境保护与治理等在地性领域,应当更加重视基于流动性治理的供需空间匹配引导,强化可流动要素的空间引导与匹配,完善不可流动资源的市场交易机制,构建不同层面的循环经济布局体系。

主讲人二:李太龙

题目:《大数据时代:数实融合与行业要素报酬差距——基于数据深化的理论解析》

摘要:数实融合是大数据时代高质量发展的关键一环,行业要素报酬差距是大数据时代优化收入分配结构和完善按要素分配政策制度的重要议题,数据深化是大数据时代要素结构变动的典型特征。从数据深化的角度考察数实融合发展问题。面向数实融合的发展前景,从数据深化的角度考察行业间的劳动工资变动和要素报酬调整问题。本文构建包含数据、劳动和机器三种要素的两行业生产模型,内生机器发明和算法升级的技术进步偏向,揭示数据成本效应和产出弹性效应,阐释数据深化影响行业工资比和要素报酬比的内在机制与可能结果。研究表明数据深化具有三个制约数据成本效应和产出弹性效应的特征指标:数据成本降速、数据成本大小和数据产出弹性。当行业产品互替(互补)时,数据成本效应推动数据成本陡降行业的相对工资和要素报酬不断上升(下降);数据产出弹性效应推动低数据成本行业的相对工资和要素报酬不断上升(下降)。依据现有文献对替代弹性的测算,本文针对行业产品互替的情形,从技术、市场和政策三个维度应用理论结果展开讨论。数据深化肇始于信息通讯技术突进。依时间轴来看,有线互联技术较早引发以工业信息化为主导的数据深化,无线互联技术随后激发以互联网平台为主导的数据深化。在给定数据产出弹性不变的条件下,数据成本效应先在工业信息化建设中推动制造业的工资和要素报酬更快增长,后在互联网平台崛起时推动互联网平台和相关服务业的工资和要素报酬更快增长。同时,随着数据产出弹性不断提高,数据产出弹性效应始终推动低数据成本行业——先是制造业,后是互联网平台和相关服务业——的工资和要素报酬更快增长。具体到互联网平台来看,数据深化强劲的根源在于平台的双边结构和数据的价值递增性质共同导致数据要素大量聚集。此时,数据成本效应和产出弹性效应不断强化,劳动工资和要素报酬在互联网平台呈现出比其它行业更快的上升趋势。不过,当各行各业都被数据深化的洪流裹挟后,想要推断两种效应会给行业工资和要素报酬造成何种影响就必须依靠学界对各个行业数据成本、研发成本和劳动规模的准确测算与细致比较。本文从治理平台垄断、保护个人信息和确立数据产权等三方面探讨与互联网平台相关的数字经济政策的作用。首先,治理平台垄断能够避免数据过度集中,从而减弱头部平台企业主导的数据深化。因此,依法治理平台垄断有利于减缓头部平台企业劳动工资和要素报酬过快增长的态势。同时,鼓励平台良性竞争有利于创造新消费和更多的消费数据,因而不会阻止平台行业工资和要素报酬稳步增长的趋势。其次,保护个人信息既当通过限制不当数据挖掘来减少平台数据深化的收益,同时通过消除个体对隐私暴露的担忧来增加数据供给。因此,个人信息保护政策应是有限度的——与社会整体隐私偏好水平相适应且与平台经济模式同非平台经济模式的替代关系相协调,这样可以较好地调节互联网平台行业工资和要素报酬相对其它行业的增速。第三,数据产权制度关系到消费者如何保护自身隐私和能否获得数据收益。这直接影响数据的价格和供给,从而左右数据成本效应和产出弹性效应的大小与方向。当把数据产权赋予互联网平台时,数据成本降低但供给减少;当把数据产权赋予消费者时,数据成本上升但供给增加。因此,数据产权制度应当兼顾互联网平台或数字化企业的使用权(访问权)和消费者的收益权(隐私权),再以数据价格为关键变量,积极调控互联网平台行业的劳动工资和要素报酬增速。尽管行业特质、技术特征和岗位特点都会造成工资和要素报酬有差,但仍要避免因数据深化程度不同导致的劳动工资和要素报酬差距过大。差距过大会造成经济资源配置扭曲,造成数实分离并进一步扩大数据深化差异,形成不利于发展实体经济、不利于促进共同富裕、不利于推动高质量发展的恶性循环。本文的政策逻辑是,遵循数字经济发展的内在规律,通过弥合数据深化差异来改善行业间的工资和要素报酬差距,从而优化行业间的经济资源配置和收入分配格局,实现数实融合的高质量发展。本文模型有若干局限与不足。一是给定了每个行业的劳动规模,未能揭示数据深化引起的劳动需求变化和就业格局演进。二是仅为数据进入生产过程建模,没有考虑数据在研发环节的作用。三是假定数据要素市场供给充分,未能考虑供给不足的情况。四是应用模型结果做了初步的政策推演,未能在模型中引入政策变量。五是为了易于求解,忽视了一些行业差异,例如未能精细刻画要素产出弹性的行业差异,也未能精细刻画机器发明和算法升级的行业差异。另外,缺少对消费者隐私偏好的测算和对平台经济模式与非平台经济模式替代关系的经验估计,这是今后“加强数字经济发展的理论研究”的重要方向之一。最后,数据要素的宏观特性,学界对此尚未有定论,有待商榷。