《Water》：Artificial Intelligence Innovation and Regional Water Inequality in China: Evidence from Provincial AI Patenting
编辑推荐：
水资源不平等是指区域用水量与其社会经济发展水平和资源条件不相称的现象。然而，关于人工智能技术创新是否与这种错配存在关联，目前尚缺乏充分证据。本研究利用2015年至2024年中国大陆31个省级行政区的面板数据，从水足迹视角测度区域水资源不平等，并考察了人工智能技
水资源不平等是指区域用水量与其社会经济发展水平和资源条件不相称的现象。然而，关于人工智能技术创新是否与这种错配存在关联，目前尚缺乏充分证据。本研究利用2015年至2024年中国大陆31个省级行政区的面板数据，从水足迹视角测度区域水资源不平等，并考察了人工智能技术创新与水资源不平等之间的关系。研究人员采用年度人工智能相关专利申请数量来衡量区域人工智能技术创新水平，并使用工具变量广义矩估计方法来处理潜在的内生性问题。估计结果显示，人工智能技术创新与较低的区域水资源不平等显著相关：人工智能专利数量每增加1%，水资源不平等指数大约下降0.249%。这一结果在加入额外控制变量和应用替代性工具变量估计方法后依然稳健。分位数估计在水资源不平等条件分布的各分位点上均呈现负向关联，尽管正式检验未表明存在统计上显著的差异。人工智能技术创新还与金融发展和产业结构升级呈正相关，这提供了与二者作为潜在作用渠道相一致的证据。在税负较低和工业化水平较高的省份，这种关联具有统计学显著性，但组间正式检验仅对税负表现出统计显著性。这些发现表明，将人工智能创新政策与水治理中的实际应用相结合，并根据地方财政和产业条件进行适应性调整，可能更为有效。
研究背景与问题提出
水资源支撑着人类福祉、粮食生产和经济活动，然而在中国，水资源的空间分布极不均衡，不同区域的水压力差异显著。传统的水资源管理往往关注总取水量或水资源稀缺程度，但这些指标无法揭示一个省份的水资源消耗是否与其经济发展、人口规模、耕地面积及自然水资源禀赋相匹配。已有研究表明，中国各省份的水足迹存在巨大差异，农业和工业用水是造成空间不平等的主要因素。然而，现有研究较少关注新兴通用技术——特别是人工智能——如何与传统决定因素背后的信息和配置能力相关联。为此，本研究旨在填补这一空白，考察人工智能技术创新与中国区域水资源不平等之间的关联。
研究方法概述
本研究使用了2015至2024年间中国大陆31个省级行政区的面板数据，共获得310个省份-年份观测值。因变量水资源不平等指数基于水足迹概念，采用杠杆系数法并利用熵权法综合四个维度（GDP、人口、耕地面积和水资源）构建。自变量人工智能技术创新以每年的人工智能相关专利申请数量衡量，数据来源于中国国家知识产权局数据库，依据国际专利分类号识别。为应对潜在内生性问题，研究人员采用了工具变量广义矩估计方法，以人工智能技术创新的滞后一期和二期值作为工具变量。此外，还控制了城镇化水平、数字基础设施水平、环境规制强度和财政压力等变量，并探讨了金融发展和产业结构升级作为潜在路径的可能性。
研究结果
基准回归分析：工具变量广义矩估计结果表明，人工智能技术创新与区域水资源不平等呈显著负相关。在完整模型中，人工智能技术创新每增加1%，水资源不平等指数约下降0.249%，且在1%水平上显著。工具变量诊断检验确认了滞后项作为工具变量的相关性和外生性。
稳健性检验：在加入贸易开放度和市场化水平两个额外控制变量后，负向关联依然稳健。采用有限信息最大似然估计和两阶段最小二乘法两种替代工具变量估计方法，结果同样保持稳定，证实了基准发现的可靠性。
潜在路径分析：人工智能技术创新与金融发展水平呈显著正相关，弹性系数约为0.074；与产业结构升级也呈正相关，弹性系数约为0.021。这为金融发展和产业结构升级作为人工智能技术创新影响区域水资源不平等的潜在路径提供了探索性证据。
异质性分析：分位数回归显示，人工智能技术创新的系数在所有分位点均为负值，且绝对值总体上随水资源不平等程度的提高而增大，但正式跨分位点检验未表明存在系统性差异。分组分析表明，在低税负省份，人工智能技术创新的系数显著为负，而在高税负省份则不显著，且组间差异在统计上显著。在高工业化水平省份，负向关联显著，而在低工业化水平省份不显著，但组间差异未达到统计显著性。
讨论与结论
本研究发现人工智能技术创新与更低的中国区域水资源不平等相关，这可能得益于人工智能技术在提升水资源评估、需求预测和资源配置效率方面的应用。这一发现与人工智能改善城市能源环境绩效和企业环境绩效的既有证据相一致。金融发展和产业结构升级被识别为可能的传导路径，这与金融发展提升自然资源利用效率以及人工智能促进产业升级的研究相符。异质性分析表明，低税负环境和较高工业化水平更有利于发挥人工智能在缓解水资源不平等中的作用。研究结论指出，人工智能创新政策应更紧密地结合水治理实践，并根据地方财政和产业条件进行差异化设计。未来研究可采用更细化的数据、更长的时间序列和更直接的采纳度量，进一步深化对这一关系的理解。
