技能偏向型技术变革对城乡收入不平等的影响：来自中国的证据

《Applied Geography》：The impact of skill-biased technological change on urban-rural income inequality: Evidence from China

中国技能偏向技术变革（SBTC）对城乡收入差距（URII）的影响研究，基于2005-2015年地级市数据，采用机器学习模型（XGBoost）测度SBTC水平，通过双重固定效应模型验证SBTC每增长1%导致URII扩大0.108%。区域异质性分析显示效应在FDI高、城市化水平高及非资源依赖型城市更显著，任务偏向技术变革（TBTC）进一步放大影响。

　　

潘旭新|高飞凡|邢祖格

中国人民大学公共管理学院与政策学院，北京100872，中国

摘要

随着技术进步重塑区域劳动力市场的技能需求，发展中国家往往表现出明显的收入不平等现象。然而，现有关于技能偏向型技术变革（SBTC）的研究主要集中在其对不同技能水平劳动力群体的影响上，对城乡收入不平等（URII）的作用关注不足。本研究采用机器学习模型，估计了2005年至2015年中国246个地级城市的SBTC水平，并分析了其对URII的影响。结果显示，在研究期间，中国的SBTC强度显著增加，SBTC每增加1%，URII就会扩大0.108%。这一效应在多次稳健性测试中均保持稳健。此外，在外国直接投资较多、城市化程度较高以及非资源依赖型城市中，这种扩大效应尤为明显。最后，我们发现任务偏向型技术变革进一步放大了SBTC对URII的积极影响。我们的发现为制定促进技术进步包容性和帮助农村劳动者提升技能的发展战略提供了政策建议。

引言

不平等一直是人类社会发展的持久特征，对全球社会经济格局产生了深远影响（Piketty, 2014; Scheidel, 2018）。自20世纪80年代以来，全球不平等的基本格局发生了显著变化：虽然国家间的收入不平等逐渐缩小，但国内收入不平等已成为全球不平等的主要来源（Chancel & Piketty, 2021）。随着中国改革开放政策的实施，该国日益融入经济全球化进程，城乡收入不平等迅速加剧，成为全球不平等的重要组成部分（Xie & Zhou, 2014; Zhu et al., 2020; Wei et al., 2020; Chen & Ma, 2022）。作为世界上最大的发展中国家，2024年中国城乡可支配收入比达到了2.34，处于中等偏高水平（Shen et al., 2025）。这种收入不平等不仅可能阻碍中国的可持续经济增长，还可能导致发展机会不平等、社会分化及长期贫困问题（Rodríguez-Pose, 2024; Bathelt et al., 2024; Boschma et al., 2025）。随着中国技术变革的加速，由于城乡之间技能劳动力的差异，各地区可能面临更大的收入不平等。因此，研究技能偏向型技术变革对中国城乡收入分配的影响对于促进城乡融合和可持续发展具有重要意义。

20世纪后半叶，随着技术进步和投资的快速增长，欧洲和美国的发达工业化国家出现了新的劳动力市场现象：高技能工人的工资上升，中等技能工人的就业减少，而高技能和低技能劳动力的就业份额均有所增加。同时，收入不平等现象也较为严重（Berman et al., 1998; Machin & Van Reenen, 1998）。在此背景下，西方学者提出了技能偏向型技术变革（SBTC）理论，用以解释发达国家劳动力市场中的这些新动态，认为SBTC在解释西方国家收入不平等中起着关键作用（Acemoglu, 1998）。SBTC框架指出，技术进步相对于低技能劳动力创造了更高的高技能劳动力需求，从而加剧了这两组劳动力之间的工资差距（Acemoglu, 2002）。近年来，研究发现，现代互联网技术和人工智能等前沿技术以及数字经济这种更广泛的经济形态都具有技能偏向特征，这将显著改变中国劳动力不同技能水平的收入分配格局（Huang & Quan, 2025; Wu et al., 2024）。

然而，尽管关于SBTC对收入分配影响的讨论很多，但这些研究大多集中在群体内部或群体之间的动态上，基于区域收入分配的研究相对较少。自改革开放以来，中国迅速扩大的城乡收入不平等引起了研究人员的广泛关注。在解释城乡收入不平等的形成机制时，一些学者将其归因于中国快速城市化过程中的要素分配失衡，并认为城市化与城乡收入不平等之间存在倒U形关系（Yao & Jiang, 2022; Zhong et al., 2022）。由于中国强大的自上而下的治理机制（Huang & Kim, 2020），城市偏向的制度安排也被视为城乡收入不平等的重要原因，包括重工业政策的优先发展（Zhang & Kanbur, 2005; Chen & Lin, 2014）、限制公共服务获取的户籍制度（Liu, 2005; Song, 2014）、金融改革（Tang & Sun, 2022）、城市偏向的土地开发制度（Wang et al., 2019）和住房制度（Yin & Su, 2022）。尽管如此，随着中国信息技术的快速发展、高等教育入学规模的扩大以及贸易自由化，高技能劳动力的数量和比例持续增加，其在区域经济发展中的重要性不断提升。这引发了对中国不同技能水平劳动者之间收入分配差距扩大的担忧（Dai et al., 2024; Fang & Herrendorf, 2021; Fu & Gabriel, 2012）。然而，现有研究较少关注SBTC对区域内不同技能禀赋和发展水平（尤其是城乡地区）的异质性影响，而这些地区在技能劳动力方面存在显著差异。

作为世界上最大的发展中国家，尽管中国自改革开放以来经历了快速城市化，但其城乡收入不平等程度仍然较高。1978年，中国城乡收入差距为2.57倍，到2019年这一差距仅略有缩小至2.64倍，表明中国的城乡收入不平等问题尚未得到缓解。由于中国将技术创新视为转型期的核心驱动力，培养高技能人才成为推动创新的关键因素（Ma et al., 2022; Zhou et al., 2021）。为了吸引高技能人才流入各地区，中国各地城市提供了具有竞争力的薪资和福利待遇。相比之下，主要依赖农业生产的农村地区难以享受到城市地区的技能溢价（Pi & Zhang, 2018）。因此，SBTC可能是解释城乡收入不平等（URII）的重要因素。然而，由于只有2005年人口普查数据提供了不同技能水平的收入信息（这些数据仅代表城市层面），目前缺乏关于中国城市层面SBTC空间差异及其对URII影响的研究。Wang等人（2021）分析了SBTC对中国就业两极分化的影响，但由于缺乏个人收入数据，该研究仅使用了33个省份层面的平均就业和工资数据。

因此，本文旨在回答以下问题：中国城市层面的SBTC时空模式是什么？SBTC对URII的影响是什么？SBTC对URII的影响是否存在地区差异？在这项研究中，我们首先使用2005-2015年的人口普查数据和2010-2014年的中国家庭追踪调查（CFPS）数据，通过XGBoost机器学习模型估算了2010年和2015年中国地级城市不同技能水平人口的收入，并据此测量了不同城市中的SBTC及其趋势。其次，我们采用双向固定效应模型分析了SBTC对URII的影响。第三，我们通过双重机器学习、独立变量和因变量的替代方法验证了结果的稳健性，并使用1984年各城市的电话用户数量作为工具变量来解决潜在的内生性问题。最后，我们基于不同水平的外国直接投资、城市化程度和资源依赖性，分析了SBTC对URII的异质性影响。

本文在三个层面对现有文献做出了贡献。首先，与以往使用传统方法在国家级或省级层面粗略测量SBTC的研究相比，本文将机器学习模型与城市层面的多源调查数据相结合，构建了一个更精细的SBTC测量框架。这种方法不仅克服了传统方法的局限性（如样本量小、指标范围窄等问题），还通过机器学习提高了预测准确性，为中国技术进步过程提供了数据支持。其次，与以往从城市化或制度变化角度解释中国URII形成的研究不同，本文从技术变革的角度关注SBTC对URII的影响。鉴于中国的技术进步和技能结构转型正在加速，这一视角有助于进一步理解当前的劳动力市场和人口迁移模式。第三，本文为其他经历城市化和产业技术变革的发展中国家提供了新的理论视角，以减少城乡收入不平等。

本文的其余部分安排如下：第2节回顾现有文献并介绍研究框架。第3节介绍研究方法和数据。第4节分析实证结果。第5节在更广泛的背景下讨论结果。第6节提供结论和政策建议。

研究片段

技能偏向型技术变革与收入不平等

与从资源分配不均衡的供给角度解释收入不平等的地理经济学理论不同，SBTC理论提供了从需求角度解释收入不平等的新视角。传统经济学认为要素投入的增加和技术进步是经济增长的两个主要来源，其中技术进步被分为中性技术进步和劳动节约型技术进步

研究数据

本文使用国家统计局2005年和2015年的1%人口样本调查数据以及2010年的人口普查样本数据，计算不同地区的劳动收入。1%人口样本调查数据采用分层、两阶段、概率比例和集群抽样方法收集，调查了31个省、自治区和直辖市的1%居民人口。

中国城市中SBTC的增长

我们使用10折交叉验证和网格搜索来确定不同机器学习模型的最佳超参数。CFPS数据按8:2的比例分为训练集和验证集，训练样本和测试样本随机选取。最终获得了六个机器学习模型的预测准确性验证结果（表3）。在六个机器学习模型中，训练R²的范围为0.663至0.764，测试R²的范围为0.633至0.760。

异质性分析

由于SBTC导致不同技能水平劳动力的技能溢价发生变化，进而影响劳动力工资收入的分配，因此理解不同技能偏好之间的区域差异对于理解技能偏向型技术进步与URII之间的关系非常重要。在本节中，我们讨论了这一效应在FDI水平、城市化率和资源依赖程度不同的城市中的差异。

首先，外国直接投资（FDI）导致

结论与启示

理解URII的驱动因素对于缩小发展中国家的收入差距至关重要。在本文中，我们利用人口普查和CFPS数据以及机器学习方法，估计了2005年至2015年中国城市中SBTC的变化趋势，并分析了SBTC对URII的影响。首先，我们发现中国SBTC在研究期间呈现显著上升趋势，尤其是在2010年至2015年间增长迅速。其次，我们观察到SBTC

CRediT作者贡献声明

潘旭新：撰写初稿、软件开发、资金获取、正式分析、数据整理、概念构思。高飞凡：资源获取、正式分析、数据整理、概念构思。邢祖格：监督、软件开发、项目管理、数据整理、概念构思。

资金支持

本研究得到了中国人民大学2024年杰出创新人才培养资助计划的支持。

利益声明

我们声明与提交的工作无关的任何财务或关联利益冲突。

致谢

我们感谢匿名审稿人和编辑提供的宝贵意见和建议。