媒體充斥著關於機器人和自動化摧毀過去工作、讓我們未來失業的故事;稱為即將到來的機器人啟示錄。我們也被告知,自動化和技術是造成近幾十年來困擾美國工人階級的薪資成長緩慢和不平等的原因,而迫在眉睫的自動化只會加速和加劇這些問題。麻省理工學院經濟學家 Daron Acemoglu 和波士頓大學 Pascual Restrepo 的最新研究只是自動化媒體敘事的最新動力(Acemoglu 和 Restrepo 2017a)。
這種媒體敘事的顯著之處在於,儘管支持這些說法的證據很少,但人們仍強烈希望相信它。勞動市場顯然存在嚴重問題,長期抑制就業和薪資成長;但這些問題的根源在於關於全球化、集體談判、勞工標準和失業水準的有意決策,而不是科技。
該報告強調了所謂的機器人末日背後證據的缺乏,特別是媒體對 2017 年 Acemoglu 和 Restrepo (A&R) 報告的錯誤描述。是的,自動化在過去曾導致特定職業和行業的工作流失,但聲稱自動化已經導致或將導致整體失業增加或工資停滯是沒有根據的。我們認為,當前媒體對機器人和自動化的過度關注破壞了過去的就業機會,讓我們在未來失業,這分散了人們對需要解決的主要問題的注意力:政策轉變造成的工資增長緩慢和不平等經濟權力遠離中低工資工人。正如阿特金森和吳(Atkinson and Wu,2017)所言,我們的生產力成長太低,而不是太高。
而不是爭論 可能 由於這些問題需要十多年才能解決,政策制定者需要集中精力透過創造良好的就業機會和支持薪資成長來解決長達數十年的薪資停滯危機。事實證明,擴大好就業機會和提高工資的政策與確保可能因自動化而失業的工人擁有好工作過渡所需的措施相同。對於這些工人來說,主流機器人敘事中被吹捧為解決方案的教育和培訓將是不夠的,就像過去幾十年來它們不足以幫助失業的製造業工人一樣。
主要調查結果
在本文中我們提出以下幾點:
阿西莫格魯和雷斯特雷波的新研究並未顯示自動化對整體就業有巨大的負面影響。
- A&R 的方法論提供高品質 當地 一小部分自動化影響的估計(字面意思是只關注機器人)。但他們將這些高品質的當地估計(「通勤區」)轉化為國家效應依賴於程式化且很大程度上不切實際的假設。
- 即使人們將不可靠的模擬(未估計)全國影響視為給定的,相對於任何合理的基準來說,這些影響也很小(每年失去 40,000 個工作崗位)。例如,我們的分析顯示,「中國貿易衝擊」造成的失業估計約為 2000 年代機器人採用率增加導致的失業估計值的四倍。
- 雖然 A&R 的報告顯示「機器人」與通勤區域的就業成長呈負相關,但它發現所有其他自動化指標(非機器人 IT 投資)都與 積極 與就業相關或中立。因此,即使機器人取代了特定通勤區域的一些工作,其他自動化(可能在投資規模上使機器人自動化相形見絀)創造了更多的就業機會。奇怪的是,A&R 報告的報導忽略了這一重大發現,特別是因為它本質上否定了幾十年來的傳統觀點——自動化損害了就業成長(至少對於資歷較低的美國人來說)。
- A&R 結果並不能證明自動化會在未來導致失業,也不能推翻先前自動化的證據 大寫 並沒有導致總失業率上升。
技術變革和自動化並不是造成美國勞工階級薪資停滯和不平等的主要力量。
- 廣義的自動化程度的提高與工資停滯或不平等加劇之間不存在歷史相關性。 自動化——隨著資本設備或軟體取代工作場所的人力而實施新技術——幾十年來一直是我們經濟的持續特徵。它無法解釋為什麼工資中位數在某些時期停滯而在另一些時期增長,或者為什麼工資不平等在某些時期擴大而在另一些時期縮小。
- 1990 年代末和 2000 年代初,自動化指標迅速增長,這段時期美國工人的全面工資增長達到了一代人以來最好的水平。
- 自動化指標在兩個薪資成長停滯(或更糟)的時期下降:1973年至1995年和2002年至今。在這些時期,隨著最富有的美國人的薪資成長遠遠超過其他人的薪資成長,不平等現象加劇。
- 在 1940 年代末到 1970 年代中期工資共同成長的漫長時期(之所以共同成長,是因為所有工人的薪資成長速度大致相同),自動化指標也迅速成長。
- 沒有證據表明近年來出現了自動化驅動的職業就業“兩極分化”,因此也沒有證據表明它導致了近期的工資不平等或工資停滯。
- 首先,大量研究表明,2000年代不存在職業就業兩極化,即就業在高工資和低工資職業中擴大,而在中低工資職業中出現空心化。就業主要在工資最低的職業中擴大。然而,自2000年以來,頂層和中層之間的薪資不平等迅速加劇。
- 其次,工資不平等絕大多數發生在同一職業的工人之間,而不是不同職業的工人之間。因此,即使職業就業兩極化發生,也無法解釋薪資停滯或不平等的加劇。
- 沒有證據表明過去 10 到 15 年自動化的激增影響了整體失業率。有證據表明自動化已經放緩。 生產力、資本投資、資訊設備投資和軟體投資的趨勢表明,自動化在過去十年左右的時間內已經放緩。此外,10 年代職業就業模式的轉變速度比 2000 年以來的任何時期都要慢。因此,自動化目前正在呈指數級加速並導致機器人末日這一重要觀點沒有實證支持。
機器人取代了特定行業和職業中的一些工作這一事實並不意味著自動化已經或將導致總體失業率上升。
- 如上所述,顯示自動化最近減速的數據表明,預計在不久的將來不會出現自動化激增的情況。
- 技術變革和自動化絕對可以而且已經取代了特定經濟部門的特定工作者。但技術和自動化也創造了動力(例如,用更少的工人生產的商品和服務的相對價格下降),有助於在其他部門創造就業機會。即使自動化創造就業機會和取代就業機會的力量不平衡,政府政策也可以在很大程度上確保自動化不會導致整體失業率上升。
- 自動化造成失業的說法與事實不符,即幾十年來我們已經實現了大量且持續的自動化,但失業率並未持續上升。自 10 年以來,失業率從 5% 下降到 2010% 以下,這與自動化激增導致失業率上升的說法不符。
- 如上所述,技術變革步伐的波動與勞動市場的好壞有關。因此,沒有理由推斷我們應該害怕機器人。
美國勞動市場存在許多問題,導致大多數美國人無法正常運轉,這些問題應該引起我們的關注.
- 困擾美國工人的問題包括宏觀經濟政策未能確保真正的充分就業以及政策故意攻擊中低薪工人的議價能力;這些都是薪資停滯和不平等加劇的原因。解決這些實際存在的問題應該優先於擔心自動化未來的假設影響。
關於機器人的新敘述
機器人在媒體中無所不在。 2017年XNUMX月 紐約時報雜誌 發表了一篇題為「學會愛我們的機器人同事」的文章(Tingley 2017)。一篇文章在 “華盛頓郵報” 2017 年 2017 月警告說,「我們對機器人末日毫無準備」(Guo XNUMX)。並且,在 大西洋 德里克湯普森 (Derek Thompson,2015,2016) 在 2015 年夏天發表了《沒有工作的世界》,隨後在 2016 年 XNUMX 月發表了一篇文章,詢問“機器人何時會取代所有工作?”
這些文章和其他報導所講述的自動化敘事是一個故事,其中不可避免的技術進步正在摧毀就業機會並壓低工資,並從根本上使大量美國工人被淘汰。這種有缺陷的分析所提出的政策建議範圍廣泛,從敦促工人接受更好的教育或再培訓的弱茶傳統智慧,到透過某種形式的全民收入補助對現代福利國家進行大規模的烏托邦式重構。鑑於其背後的分析存在缺陷,弱茶教育/培訓的呼籲和烏托邦式的普遍基本收入計劃作為對近幾十年來美國勞動力市場發展的回應都沒有多大意義。
自動化敘述的顯著之處在於 任何 對機器人或技術的研究為其提供了動力,即使研究的底線發現並未驗證其任何部分。最近的例子是 Acemoglu 和 Restrepo (2017a) 關於機器人對就業和薪資影響的新研究。這是如何 紐約時報 寫了關於這項研究的文章:
該論文進一步證明,與川普總統競選時所倡導的貿易和離岸外包等其他因素相比,自動化對藍領工作構成了更大的長期威脅。研究人員表示,即使在控制了進口、離岸外包、取代工作的軟體、工人人口統計和行業類型之後,「機器人對就業和工資產生巨大而強烈的負面影響」的研究結果仍然很嚴重。 (米勒,2017)
阿西莫格魯和雷斯特雷波實際上發現了什麼
正如我們在下一節中詳細解釋的那樣,A&R 找到了一個相當 小 任何監管機構都不批准 大 機器人對整體就業的影響. 他們並沒有發現機器人對就業的不利影響比貿易更大。 A&R 自己發現美國與中國的貿易被取代 三次 與機器人一樣多的工作。我們發現,在 2000 年代,中國貿易取代了 四 工作數量是機器人的幾倍。
此外,這些模擬的國家效應並不能令人信服地證明 任何 機器人對人們的負面影響 整體 這將導致我們質疑自動化在過去並未產生更高的整體失業率這一既定共識。與 A&R 的本地估計值不同(如下所述),調查結果 整體 就業效應不是對數據的直接估計,而是由高度程式化的模型產生的,該模型使用相當不切實際的假設來得出結果。簡而言之,A&R 關於機器人採用導致的全國就業流失的調查結果並不可靠。
此外,與自動化和技術是美國工人生活水平的主要威脅的說法相反,廣義的自動化不可能產生 2000 年代經歷的任何工資停滯或工資不平等。工作兩極化並不存在,而且無論如何,與薪資趨勢無關。此外,A&R 的工作並沒有提供令人恐懼的基礎 未來 失業。
最後,奇怪的是,媒體對 A&R 近期研究的報導有選擇性。新聞報導只關注 A&R 關於一小部分潛在自動化的發現:字面上 機器人。新聞報導忽略了 A&R 的發現 other 資本投資對美國勞工階級的就業和工資有中性甚至正面的影響。鑑於這些非機器人資本投資的絕對規模幾乎可以肯定 大幅 加寬 與機器人的投資規模相比,可以合理地將 A&R 的結果解釋為顯示自動化 大寫 對美國工薪階層來說是正面的。這項發現似乎具有新聞價值,因為它與幾十年來關於資訊技術資本投資是這些工人勞動力市場困境的主要原因的說法相矛盾。
預計影響 機器人 很小,並且 自動化 廣義的定義不能解釋最近的勞動市場趨勢
Acemoglu 和 Restrepo(2017a)估計了 1990 年至 2007 年期間工業機器人使用增加對當地勞動力市場(他們稱之為通勤區,或 CZ)的就業和工資影響。他們比較了機器人使用率較高的行業中就業比例較大的長城地區的就業和工資變化與機器人使用率較高的行業中就業比例較低的長城地區的就業和工資變化。然後,他們嘗試將這些直接估計轉化為整體的全國「機器人」影響。在本報告的後面,我們解釋了為什麼人們必須接受嚴格的假設才能使這一翻譯對機器人的使用減少的說法產生嚴重懷疑 整體 就業。
在本節中,我們將解釋原因—即使我們接受 A&R 的估計 關於機器人對國家的影響——我們在他們的報告中沒有發現任何內容可以證明廣義的自動化(包括機器人和資訊技術等非機器人自動化)可以解釋最近的趨勢。造成這種情況的主要原因有二。首先,與合理的基準相比,他們對機器人對國家影響的估計很小。其次,他們的估計並沒有推翻先前的研究,即自動化的速度與勞動市場的負面結果(例如薪資停滯、薪資不平等和就業成長緩慢)之間沒有明顯的關聯。廣義的自動化在過去 10 到 15 年中可能已經減速,這一事實讓人對機器人或自動化正在加速(有些人聲稱呈指數級)影響的說法提出質疑。
A&R 發現的整體就業負面影響很小
紐約時報 和其他媒體將 A&R 對機器人造成的全國失業估計描述為「巨大」。但根據合理的基準衡量,A&R 對機器人造成的失業的估計實際上相當適度。例如,在 上 在該範圍的末端,他們發現 670,000 個工作因機器人而消失(Acemoglu 和 Restrepo 2017a,36)。由於這些工作是在 17 年至 1990 年這 2007 年期間流失的,這相當於每年流失約 40,000 萬個工作機會。 (請注意,40,000 個工作機會相當於近年來淨增加工作機會的 2% 左右。)此外,A&R 發現,機器人取代工人導致有工作的工作年齡人口比例下降 0.34 個百分點。與對華貿易以及近幾十年來就業總體下降的就業影響相比,這兩個樣本的就業影響相形見絀。
A&R 自己的估計表明,2000 年代與中國的貿易造成的失業人數是他們估計的機器人造成的失業人數的四倍
A&R 在 26 年報告的第 2017 號註腳中指出,他們估計機器人影響造成的就業下降僅為中美貿易對就業造成的負面影響的三分之一。1 這項發現完全矛盾 “紐約時報” 報告稱,A&R 發現機器人的採用所產生的影響比與中國貿易成長的影響更大。我們注意到,A&R 估計了整個 1990-2007 年期間美國對中國貿易對美國就業的影響。然而,中國貿易對美國就業的影響主要是在這段時期的後半段感受到的,當時來自中國的進口成長速度遠快於同期中國進口的成長速度。這顯示1999年至2007年的「中國貿易效應」甚至是同年「機器人效應」的三倍多。
為了檢驗這個假設,我們研究了早期(1990-1999)和後期(1999-2007)中國進口的成長速度,以便我們可以比較機器人和中國進口的影響。2 我們發現,1990-1999年中國進口對就業率的影響大致相當於整個1990-2007年期間機器人的影響。此外,1999-2007年中國進口對就業率的影響是 翻番 從 17 年到 1990 年的整整 2007 年裡,機器人的影響。因此,A&R 自己的調查結果表明,中國進口的機器人 四次 1999 年至 2007 年機器人對每年就業率的影響(美國人口普查局 2017;BEA 2017)。
同樣重要的是要注意,中國貿易的影響被正確地描述為“衝擊”,因為它代表了2000 年代相對於1980 年代或1990 年代加速的趨勢,因此在一定程度上解釋了令人失望的就業增長、製造業就業機會流失,以及 2000 年代廣泛的薪資停滯。
近幾十年來就業率下降的百分點幾乎是A&R因機器人導致的就業率下降幅度的近12倍
A&R 發現,根據“參數偏好選擇”,機器人取代工人導致 0.34 年至 1990 年期間有工作的工作年齡人口比例下降 2007 個百分點(Acemoglu 和 Restrepo 2017a,4 )。具體來說,他們的衡量標準是黃金年齡(25 至 54 歲)就業人口比率(EPOP)。但將他們估計的 EPOP 下降與近幾十年來黃金年齡 EPOP 的變化進行比較。從2000年的高峰到2016年,黃金年齡的EPOP下降了4.1個百分點,幾乎是整個12年至1990年期間機器人效應的2007倍。在 1990 年代末的繁榮高峰和 2001-2003 年就業市場衰退(通常被稱為「溫和」)的低谷之間,黃金年齡 EPOP 下降了 3.3 個百分點,幾乎是機器人導致的就業率下降的 10 倍。從2006年的高峰到大衰退的低谷,就業率下降了5.4個百分點。此外,該指標已從大衰退期間的低谷回升了 3.5 個百分點(美國勞工統計局歷年)。
簡而言之,即使是宏觀經濟條件導致的 EPOP 的逐年變動也完全淹沒了機器人位移的任何影響。 (正如下一節中更詳細解釋的那樣,即使是機器人的這種微小影響也無法真正解釋為什麼就業率在1990 年代增長而自2000 年代以來下降,因為機器人的使用在1990 年代和2000 年代以相同的速度成長(可以參見 A&R 論文中的圖 1)。
1990 年後機器人的使用可能有所加速,但沒有證據表明近年來整體技術變革和自動化產生了更大或不同的影響
幾十年來,技術變革和自動化一直是塑造就業和薪資結構的主要持續因素。僅在一段時間內展示一項特定技術的影響,就像A&R(2017a)在1990 年後時期對機器人所做的那樣,無法解釋近幾十年來相對於前幾十年出現的就業增長緩慢或工資表現不佳的情況。要對這些不利的勞動力市場趨勢做出令人信服的解釋,需要確定現在與過去不同的因素,這些因素足以影響整個勞動力市場的軌跡,並清楚地映射到勞動力市場變化的時期。因此,舉例來說,自動化是我們自 1970 世紀 1950 年代以來工資停滯的原因,當時我們在 1960 年代和 2000 年代工資增長強勁,或者說自動化是我們就業增長緩慢、就業率下降和廣泛工資停滯的原因對於2017 年代的藍領和白領工人來說,當時我們在前幾十年還沒有這些東西,人們需要發現自動化的潮起潮落是巨大的,並且與我們試圖解釋的勞動力市場結果相一致。這並沒有描述 A&R (XNUMXa) 所描述的機器人效應。
為什麼? A&R(2017a)表明,機器人的使用在 1990 年至 2007 年期間穩步增長。我們知道自動化 大寫 (機器人和非機器人技術)也已經伴隨我們數十年了。其中一些十年的就業率和實際工資中位數成長強勁,而另一些則不然(Schmitt、Shierholz 和 Mishel 2013;Schmitt 2013;Mishel 2013a、2013b;Shierholz 2013)。如果自動化在每個十年都產生相同的影響,那麼其累積影響將會很大。然而,自1940 世紀1950 年代以來持續穩定的影響無法解釋為什麼我們在1960 年代和1970 年代工資中位數增長強勁,但自1990 年代末以來中位數工資停滯不前——這種停滯在2002 年代末消退,但又再次加速,自 2000 年以來,以藍領和白領為基礎的工資停滯不前。它無法解釋 2002 年代就業增長緩慢,包括 2007 年至 1970 年的復甦,甚至在大衰退之前。它無法解釋自 XNUMX 世紀 XNUMX 年代末以來工資不平等加劇的原因。也就是說,自動化持續穩定的影響無法解釋 改變 薪資或就業趨勢(Mishel 和 Bernstein 1994,1998)。
A&R(2017a)可能會辯稱,由於機器人化在其估計期開始時基本上不存在,因此他們的估計從定義上來說是技術影響的加速。此外,他們可能會聲稱,機器人化在取代勞動力的程度或種類方面與過去的技術變革有所不同。但至關重要的是,他們並沒有聲稱提供任何證據證明廣義的自動化在 2000 年代比 1990 年代、1980 年代或 1970 年代產生了更大的整體影響。機器人的使用可能是新的,但它不一定代表其他形式的自動化的補充:相反,機器人很可能 更換 前幾十年部署的其他形式的自動化。因此,在一個時期對機器人這項新技術的檢驗並不能告訴我們自動化在一個時期相對於另一個時期的整體影響。
廣義的自動化實際上在過去 10 年左右的時間裡進展緩慢
正如Atkinson 和Wu(2017)最近所寫,各種技術部門發言人和未來學家經常斷言,「創新的步伐不僅在加速,而且正在『呈指數級』加速。」這種說法在媒體中普遍存在,經常被其次是「我們還沒有看到任何東西」的情緒。這些說法缺乏經驗基礎,因為沒有證據顯示近年來工作場所自動化有任何加速。
自動化是隨著新技術的實施與新的資本設備或軟體相結合以取代工作場所中的人力而發生的。勞動生產力和資本投資都是自動化的衡量標準,因為它們必然伴隨著資本對勞動的替代品。因此,如果最近出現機器人或自動化的激增,我們預計會看到生產力、資本投資和軟體投資趨勢的足跡。事實上,對各項指標的審查表明,在過去 10 到 15 年裡,自動化進程並未加速,而是減速了(Mishel 和 Shierholz 2017)。這直接與媒體正在進行的有關機器人的敘述相矛盾。
自動化減速的證據可見於 圖A,它呈現了二戰後早期(1947-1973)、隨後的生產力低迷時期(1973-1995)、IT驅動的生產力繁榮時期(1995-2002)的生產力、資本投資和軟體投資的趨勢(2002-2007年)、2007-2016年復甦期間就業成長緩慢的時期以及大衰退爆發以來的時期(XNUMX-XNUMX年)。跨時期比較這些指標非常有啟發性。
第一個指標,即生產力成長,在 2007 年至 2016 年期間比任何其他時期都要慢。那麼,經常被恰當地提出的問題是:“如果自動化程度如此之高,那麼為什麼生產力成長放緩?” 2002 年至 2007 年的復甦期間,生產力比前七年的 IT 繁榮期慢。在生產力數據中很難看到自動化激增的足跡。
圖 A 也追蹤了所有資本投資的趨勢,特別是資訊科技 (IT) 設備和軟體投資的趨勢。預計自動化將伴隨著 IT 設備和軟體的投資是合理的,但我們看到 2002-2007 年和 2007-2016 年的 IT 和軟體投資與之前相比並沒有激增,而是減速。我們還發現,自 2002 年以來,工作場所的資本投資成長速度比戰後任何其他時期都要慢,許多分析師認為這一趨勢是生產力成長緩慢的原因。這與我們對基於自動化指數級加速的迫在眉睫的機器人末日的預期相反。
Atkinson 和 Wu(2017) 透過追蹤1850 年至2010 年以及2010 年至2015 年每個十年職業就業模式的變化速度,提供了自動化放緩的額外經驗證據。自動化(以及消費者需求和貿易的變化)預計將成為某些職業就業擴大而其他職業就業下降的一個主要因素。阿特金森和吳計算了兩個職業變化指標,兩者都表明,2000-2010 年和 2010-2015 年的職業就業轉變比 1900 年代的任何十年都要慢得多。
利用阿特金森和吳慷慨發布的數據,我們計算了另一個指標:每十年職業就業份額的變化(職業佔總就業份額的增加或減少)。我們檢查了每個十年開始和結束年份數據中 250 種職業中每種職業佔總就業人數的份額,併計算這些份額的變化。職業份額收益的總和將自動等於職業份額損失,因此每個十年的變化指標是就業份額絕對變化總和的一半。此指標根據每個十年的就業成長率差異和各個職業的絕對就業規模進行調整。這個職業就業變化指標衡量的是每十年增加就業份額的職業和減少就業份額的職業之間交換的總就業份額。
從 1940 世紀 XNUMX 年代開始,職業就業轉移的十年率如下所示: 圖B.。 1940-1980 年期間的變化率相當均勻,並且比 1980 年以來的任何時期都要快得多。2000 年以來的變化率最低,只有 1940-1980 年期間變化率的一半。因此,我們看到減速與前面討論的 IT 生產力和資本投資成長放緩相對應。
1940 年代和1950 年代的高職業變化率反映了七種農業職業的下降,這些職業佔總就業人數的比例從14.3 年的1940% 下降到2.5 年的1960%。然而,即使在調整數據以消除農業在職業的影響之後,透過觀察每十年農業職業就業的侵蝕,我們發現 2000 年代的職業變化率仍比 45-1940 年期間低 1980%。與最近的過去相比,現在並不是動盪的時期。
A&R 自己的結果表明,廣義的自動化對就業沒有影響
A&R 估計我們在本節開頭批評的內容僅涉及機器人的影響。但是,如上圖 A 的討論所示,除了機器人之外,還有大量資本投資可以取代生產中的人力。事實上,在過去的幾十年裡,許多人將美國勞工階級的勞動市場困境歸咎於 IT 資本投資。 A&R 在其 CZ 研究中納入了這些非機器人投資的變量,並發現這些投資對這些工人的就業和工資具有中性甚至積極的影響。鑑於這些非機器人資本投資的絕對規模幾乎可以肯定 大幅 加寬 與對機器人的投資相比,將 A&R 的結果解釋為合理的解釋是,廣泛定義的自動化對美國工人階級來說是正面的。
A&R 聲稱機器人減少了全國總體就業人數的說法缺乏說服力,因為它依賴不切實際的假設
Acemoglu 和 Restrepo(2017a)透過比較大量使用機器人的長城和未使用機器人的長城,估計了 1990-2007 年期間工業機器人使用增加對當地勞動力市場的就業和工資影響。盡可能多地使用機器人。因為這些對當地影響的直接估計似乎是高品質的,所以我們在這裡重點關注他們估計機器人對全國的整體影響的努力,以及媒體對國家估計的解釋。 A&R 翻譯了他們對相對機器人工作替代的直接、高品質的估計 跨區 成 國民 360,000 年來,機器人導致 670,000 萬至 17 萬個工作崗位流失。這些總體就業預測並非統計估計。相反,他們將對當地數據的高品質回歸估計與高度程式化的國家勞動力市場模型結合起來,該模型依賴於許多嚴格且可能不切實際的假設,並簡單地排除了一些重要的就業創造管道抵消了由於失業而損失的就業機會的可能性。到機器人。
最重要的是,A&R 的證據不足以推翻經濟學家長期以來基於證據的信念,即自動化儘管取代了特定職業或行業的工作,但在歷史上 任何監管機構都不批准 總就業率下降或整體失業率上升。
自動化取代了某些工作,但也創造了其他抵消性工作
在解決模型中不切實際的假設之前,值得討論自動化可以創造就業機會的多種方式,這些方式有可能抵消受自動化影響的行業失去的就業機會,從而使總體就業和失業率保持不變。必須建造和安裝用於替代人力的機器,從而創造就業機會。伴隨投資而來的活動會產生補充性工作崗位,例如程式設計和維護。然而,主要的動力是雇主部署自動化,因為它會降低成本,而降低成本最終會降低所生產的商品和服務的價格(除了提高利潤之外)。這些較低的價格意味著購買成本較低的商品和服務的消費者將有剩餘收入來購買其他商品和服務——當然,除非消費者用完了他們想買的東西,我們對此表示懷疑。
對其他商品和服務的需求增加將創造就業機會來產生這些額外的商品和服務。這些工作會出現在哪裡尚不得而知,但歷史證實它們確實會出現。最簡單的例子就是農業發生的事。由於自動化,農業勞動力的比例從 50 年的 1880% 左右下降到 20 年的 1940%,同時仍養活國家(Lebergott 1966,表 2)。較低的食品價格使家庭能夠購買其他商品,因此其他部門的就業機會增加。
儘管幾十年來一直有不祥的警告,但我們還沒有看到自動化導致大規模整體失業的證據。也就是說,自動化已經進行了幾十年。如果自動化造成失業增加,我們預期失業率會不斷上升,但我們沒有看到這一點。過去的自動化未能導致整體失業率上升,這使得經濟學家相信自動化會取代特定的工作,但不會增加整體失業率。3 自動化導致失業率迅速飆升的觀點也很難與近期的失業趨勢相吻合:總失業率從 10 年底的 2009% 下降到 5 年的 2017% 以下。
如前所述,A&R 的主要貢獻是透過比較機器人使用較多的地理區域 (CZ) 的就業趨勢與機器人使用較少的地理區域 (CZ) 的趨勢來估計機器人對就業的影響。但我們不能簡單地將這些地方估計推斷為全國估計,因為如上所述,這種推斷無法涵蓋自動化產生的許多就業機會。為了具體說明這一點,請注意,在某一特定地區,技術引起的就業崗位轉移的最大潛在抵消之一是新技術在其他地區帶來的就業成長。具體來說,新技術應該提高生產力,從而降低用機器人新生產的商品和服務的價格。這種效應大部分可以發揮作用 校外 越來越多地使用機器人的長三角地區。
因為它凸顯了 A&R 模型的不足,所以值得重申技術引起的價格下降可以增加需求的兩種方式。首先,隨著產業採用機器人,這些產業產品的價格下降,需求增加。其次,由於消費者為機器人使用產業的產出支付的費用減少,他們可以將購買力轉向其他產業,從而刺激對機器人的需求 所有其他行業的產出 從而創造就業機會。但如果這些其他產業與機器人採用產業不在同一個特區,A&R 的 直接 CZ 層面的位移估計不會反映這一點。此外,雖然機器人的普及可能會取代特定長三角地區的工作崗位,但機器人確實需要設計和製造,然後最終被取代。由於這些機器人生產活動可能發生在其他長三角地區,因此 A&R 的直接區域估算也不會包含相關工作。
簡而言之,我們不能利用機器人對就業影響的跨地理區域估計來簡單地推斷整個國家的影響。
A&R 的程式化模型是基於不切實際的假設
阿西莫格魯和雷斯特雷波認識到,他們對機器人跨地理區域影響的估計不能被視為全國性的整體影響,因為這些估計並沒有涵蓋自動化產生的許多就業機會。這種認知促使他們對國家就業效應進行基於模型的計算,旨在捕捉這些創造就業的效應。但這種計算需要接受一些關於經濟的程式化且可能不真實的假設。如果不接受這些假設,就不應該依賴 A&R 的全國失業數字,也不應該用這個失業數字來否定自動化不會導致整體失業或失業率上升這一長期且廣泛的共識。甚至 A&R 自己也指出,由於我們上面引用的原因,他們的全國就業計算不應被視為這個問題的最後結論,寫道:
我們認為我們的論文是全面評估機器人將如何影響以及已經在影響勞動力市場平衡的第一步。這確實只是第一步,因為我們的方法僅直接估計機器人對通勤區域就業的影響(相對於其他較少接觸機器人的通勤區域)。然後,我們使用通勤區域之間的貿易模型的結構來推斷機器人的整體效應。估計機器人傳播的整體影響的替代策略,無論是透過關注跨國比較,還是透過直接或間接測量當地勞動力市場的貨物流動,顯然將與這種方法高度互補。 (A&R 2017a,36)
第一個也是最大的程式化且可能不真實的假設是,經濟在樣本期開始和結束時都處於「均衡」或充分就業狀態。這意味著工資和就業只是由勞動力需求和供給曲線的交點決定,因此總需求(家庭、企業和政府的支出)的變化沒有空間影響就業成長。沒有特別的理由相信美國經濟在1990年甚至2007年就處於這種均衡狀態。在這段時期的許多年裡,失業率明顯低於這段時期初期和末期的水準。有鑑於此,不可能證明他們的說法是正確的,即只有技術的變化,而不是總需求的變化,在那些年裡推動了工資、就業和機器人使用之間的關係。
第二個主要假設是勞動市場是完全競爭的,工資和就業僅由供給曲線和需求曲線的交點決定,機構在設定工資方面沒有任何作用。一個例子說明了為什麼這會對 A&R 的推論產生懷疑。舉一個例子,機器人化不成比例地取代了工會率高的行業的工作。如果這透過降低議價能力而導致薪資下降,那麼這就打破了 A&R 競爭性勞動力市場程式化模型中工資與就業成長之間的機械聯繫。具體來說,如果工資由於工會效應的削弱而下降,這可能會減少勞動力供應,而與機器人的影響無關。4
一個潛在跡象表明,A&R 的估計不應被嚴格解讀為代表表現良好的「競爭性」勞動力市場模型的均衡效應,這可以在其報告的表 A4 中找到。表顯示,機器人化增加了高使用率直轄區的失業率,而且這種影響是顯著的。但失業代表著潛在的工人 積極找工作但沒有找到。簡言之,它代表了一種不平衡的結果,而不是競爭性勞動供給和需求曲線的交點所代表的。因為即使是他們直接估計的捷克內部效應也顯示出失衡的跡象,因此整個勞動市場似乎也很可能失衡。
我們應該清楚,加入非均衡效應可能會使機器人化的就業效應變得更糟。例如,如果機器人使用的增加會壓低工資,但會增加機器人所有者的收入,那麼機器人化就代表著收入向高收入家庭轉移,這些家庭更傾向於儲蓄而不是消費。收入轉移到高收入儲蓄者的情況可能會減緩總需求成長並增加失業率。但收入轉移到高收入儲戶所驅動的需求放緩所產生的政策影響,與將勞動力市場困境歸咎於機器人時通常討論的教育和培訓政策截然不同。具體來說,機器人化可能造成的所得分配倒退所帶來的經濟拖累只會要求宏觀經濟政策制定者利用貨幣或財政政策槓桿來促進總需求成長。需要明確的是,A&R 估計的包含經濟大衰退年份的捷克內部影響明顯高於不包含這些年份的估計值。這顯示勞動力市場疲軟加強了機器人使用與失業之間的關係。但從 1990 年到 2007 年,勞動市場很可能已經連續多年處於疲軟狀態(如果不是處於大衰退等級的危機的話)。5
也許機器人末日還沒到來;但未來的失業和不平等怎麼辦?
關於未來的機器人自動化及其對美國工人的影響,人們主要擔心兩個:它將導致自動化引發的失業——整體失業率增加——以及將導致更大的不平等。迄今為止的證據強烈反對過度擔心這些潛在結果中的任何一種。
不要期望機器人會導致更高的失業率
A&R 在他們的結論中似乎承認,他們對機器人造成的失業的估計很小,並稱他們的估計是「有限的」。他們還表示,美國經濟中的機器人相對較少(順便說一句,A&R 表明美國的機器人數量比歐洲經濟中的機器人數量少得多)。然後他們指出,正如多位專家所聲稱的那樣,如果機器人的使用大幅擴大,其影響可能會很大。最近的 A&R 文章也強調了機器人未來的潛在影響:
到目前為止,美國經濟中機器人的數量相對較少,因此因機器人而失去的工作數量被限制在360,000萬至670,000萬個工作機會之間。如果機器人如預期那樣普及,未來的失業總人數將會更大。 (Acemoglu 和 Restrepo 2017b)
然而,他們的研究實際上並沒有提供令人信服的負面負面估計 骨料 就業效應(如前所述),因此擔心未來失業是不必要的。
A&R 引用了廣泛解釋為預測未來自動化將導致失業的研究(Acemoglu 和 Restrepo 2017a,3)。但這些研究僅涉及潛在的 職業-由於自動化而產生的特定位移。具體來說,根據 A&R 的說法,它們提供了有多少職業「容易…受到自動化影響」的預測。這些研究使 沒有 關於自動化造成的整體失業的說法,並沒有評估自動化創造就業機會的任何潛在影響(如前所述),這些影響可能會抵消失業。也就是說,對有多少職業可以自動化的研究並不能告訴我們自動化是否會導致未來的失業,除非他們也估計了未來科技的正面影響。另外值得注意的是,許多可信的研究,例如經濟合作暨發展組織 2016 年的研究(Arntz 2016),都對自動化是否會影響幾乎大多數工作提出了質疑。
如前所述,我們認為 A&R 提供的關於自動化對就業產生整體負面影響的證據並不全面且令人信服。對未來自動化導致大規模失業的擔憂似乎沒有根據。自動化的快速發展可能會壓倒所抵消的正面就業影響,但這只是猜測。那些警告自動化將導致未來大規模失業的人未能闡明為什麼「這次會有所不同」。
這並不意味著我們應該忽視失業工人的困境。我們與任何想要加強安全網並為因自動化或任何其他因素而失業的工人提供教育和培訓的人沒有任何爭執。但失業工人面臨的最大挑戰不是接受培訓,而是獲得好工作的培訓。這就是為什麼我們對將教育和培訓視為萬能藥的傳統且有限的呼籲感到不舒服,例如 Fred Hiatt 在 “華盛頓郵報”,當他寫道:「政府應該採取的措施來應對自動化和其他形式的經濟混亂…。教育與訓練、基礎設施、研究」(Hiatt 2017)。
我們要指出的是,缺乏足夠的好工作是阻礙勞動市場成功吸收失業製造業工人的原因。我們最大的挑戰是確保未來的工作報酬豐厚,包括需要或不需要大學學位的工作;近幾十年來,藍領和白領工作的品質和薪酬迅速下降(Mishel 等,2012;Bivens 等,2014)。因此,即使人們試圖解決遙遠的潛在機器人災難,適當的政策反應也是解決當今的實際問題所需要的:薪資停滯和不平等加劇。這些適當的政策包括確保真正的充分就業;提高最低工資,打擊雇主剋扣工資,並採取其他行動加強勞工標準;並重建集體談判。這些政策在 EPI 2016 中得到闡述 提高美國工資的議程.6
近年來,廣義的自動化並沒有透過職業就業兩極化導致薪資不平等
機器人會造成薪資不平等嗎?我們認為不是。與傳統觀點相反,沒有理由相信科技或機器人近年來一直在造成工業不平等,也沒有太多理由擔心未來的影響。例如,「職業工作兩極化」經常被當作自動化導致不平等的證據,但最近的數據表明,兩極化無法合理地解釋我們所經歷的不平等。
職業兩極化的研究考察了技術變革是否正在縮小中等工資職業並擴大高工資和低工資職業,從而導致中產階級空心化、工資分配中頂層和中層收入者之間的工資不平等加劇,以及工資分配中的收入差距縮小。中層和底層之間的不平等。隱含的理論是,未來的機器人化可能會加速一種持續的趨勢,其中技術變革和廣義的自動化減少了對「常規」任務(即更容易自動化)的需求,從而減少了就業,從而減少了許多美國工人的工資,特別是那些沒有工作的工人。四年制大學學位。對於從中等工資「常規」職業中流離失所的非大學工人來說,唯一的選擇是在「手工」低工資行業找到工作,該行業會隨著中產階級的空心化而擴張。
將職業就業模式與薪資不平等連結起來的這條推論鏈有三個關鍵問題。
1. 工作兩極化無法解釋頂層 1.0% 和 0.1% 的收入和工資份額翻倍
正如我們在其他地方所寫的(Bivens 和Mishel,2013),從1 年到1979 年,收入最高的2007% 納稅人的工資和收入份額翻了一番。對於99.5% 的納稅人來說,工資和收入份額增長得更多。高層收入和工資的大幅增長是由於金融部門的擴張、金融部門工資的提高以及高管和管理人員薪酬的大幅增長。一般來說,機器人或自動化並不是一個因素,而且工作兩極化的文獻甚至從未討論過最高收入和薪資成長。
2.自1999年以來就沒有出現過工作兩極化,因此與預測未來無關,也無法解釋最近的趨勢
工作兩極化不能僅僅因為工作兩極化不存在就解釋最近工資結構底部 99% 的工資不平等。例如,Acemoglu 和 Autor(2011)表明,1999 年至 2007 年間,職業就業兩極化並未發生,因為 全部 這段期間的就業擴張主要集中在低工資職業(按工資水平排列的最低 25% 的職業),而按工資水平排列的最高 75% 的職業(按佔總就業人數的比例)就業沒有擴張(作者2010)。 Autor 在2014 年首次提出的後續研究表明,2007 年至2012 年期間也沒有出現工作兩極化:在職業工資結構的前75% 中,就業擴張很少或沒有(在前17% 中存在輕微擴張) 。百分比)(Autor 2014)。因此,1999年以後的職業就業模式中並未出現工作兩極化,因此不能被視為導致上層10%工薪階層與中等收入工人之間工資不平等持續快速增長的嚴重因素。
Autor 最近分析的關鍵圖表複製於 圖C. 這裡。它表明,自 1999 年以來,幾乎沒有出現兩極分化。分析將所有職業合併為 100 個職業單位,並按工資水平對其進行排名。這張圖表的縱軸顯示了就業的擴張(佔總就業的比例),橫軸顯示了按工資從最低到最高排列的職業。水平線上方(或下方)虛線的任何部分錶示增加(或減少)其就業份額的職業。該圖顯示,1989-1999年出現了“兩極分化”,因為低工資職業(最低10%)和高工資職業的就業擴大,其中最高工資職業的擴張幅度最大。但值得注意的是,該圖表顯示,1999-2007 年(橘線)僅低薪職業的就業成長,而 2007-2012 年(綠線)主要是低薪職業的就業成長。
依職業技能百分位數平滑就業變化,1979-2012
奧托並不是唯一一位發現 2000 年代沒有兩極化的研究人員。 Acemoglu 和 Restrepo(2017a)忽略了 Autor 2014 年論文之前發表的許多研究,這些研究也發現 2000 年代並未發生兩極化。這些研究包括 Beaudry、Green 和 Sand (2013); Schmitt (2013) 和 Shierholz (2013),皆於 2013 年 2013 月發表,並於 2013 年 2013 月進行了更全面的分析(Schmitt、Shierholz 和 Mishel 2);和 Mandelman (2013) 於 XNUMX 年 XNUMX 月在亞特蘭大聯邦儲備委員會(圖 XNUMX).
3. 職業就業模式不會產生或解釋薪資不平等
同樣重要的是,職業就業成長模式——無論是否表現出兩極化——不會導致薪資停滯,並且與薪資不平等的研究基本上無關。薪資不平等是一種普遍存在的現象 內 職業。此外,某職業就業份額的擴大和下降與該職業的工資相對於其他職業是上升還是下降無關(Schmitt、Shierholz 和 Mishel,2013)。因此,職業就業模式驅動薪資趨勢的機制並不存在。
總而言之,自動化引發的工作兩極化不應該在我們對薪資不平等的擔憂中排名靠前,因為這種兩極化自 1999 年或 2000 年以來就沒有發生過,即使發生也不會影響薪資趨勢。透過考察 2000 年代低薪工人的工資變化就可以很容易地說明這一點。如上所述,最低工資職業在 2000 年代有所擴大,而中等和較高工資職業的就業比例在很大程度上下降或穩定。這會讓人們相信低薪工人的薪資成長最快,因為雇主競相僱用低薪工人需要提高他們的薪資水平。然而,20%和30%的薪資在2年至1999年間(低薪職業大幅擴張)增加了約2016%,而中間(40%、50%和60%)的薪資成長了約4%。在同一時期,最高層(90% 和 95%)的薪資分別增加了 17% 和 23%。7 簡而言之,有興趣了解薪資趨勢的分析師不應關注職業就業模式。
為了說明這一點,以謀殺之謎為例。如果受害者是美國工人的勞動市場前景,那麼自動化引發的職業工作兩極化就不可能是死亡原因。其一,作為一種武器,它並不存在於犯罪現場(自 1999 年以來,兩極化就不再存在)。另一方面,它在很大程度上是空白的(即職業就業兩極化不會導致工資不平等或工資停滯)。最後,我們知道誰是主要肇事者以及他們如何實施犯罪(正如Bivens(1)所解釋的那樣,最富有的2016%的人操縱經濟規則,以獲取極不成比例的收入增長份額)。
結論
也許有一天,機器人或其他一些技術進步真的會成為美國生活水平的主要威脅。任何事情都可能發生。但今天稀缺的資源和注意力應該集中在當前對這些生活水準的威脅:將議價能力從美國勞工階級轉移到資本所有者和企業管理者的政策。因此,緩解美國勞工階級的困境需要重新分配經濟槓桿和議價能力。實現這一目標將是一項巨大的政治工程,需要明確的重點。
相反,聲稱美國工薪階層的掙扎是不流血的技術趨勢的可悲副產品的說法掩蓋了這一明確的焦點。壓倒性的證據仍然有力地表明,快速的技術進步與美國工薪階層更好而不是更糟的經濟成果有關。需要明確的是,快速的技術進步只是全面提高薪資的必要條件,而不是充分條件。美國工人還需要政策來支持他們在生產力成長中獲得公平份額的能力。
採取提高勞工標準、擴大集體談判和維持真正充分就業的政策將有助於確保為因技術而失業的工人提供優質工作。這不僅僅是培訓和教育,也是應對任何潛在的自動化浪潮所需要的。這些政策也將應對我們已經面臨的薪資停滯問題。這些政策在我們的 提高美國工資的議程 (EPI 2016)。如果對機器人的關注有四分之一轉移到這些政策變化上,我們就可以就經濟政策進行更有成效的辯論。
關於作者
勞倫斯·米歇爾國家公認的經濟學家,自 2002 年起擔任經濟政策研究所所長。在此之前,他是 EPI 的首任研究主任(從 1987 年開始),後來成為副所長。他是所有版本的共同作者 美國工作狀況。他擁有博士學位。他擁有威斯康辛大學麥迪遜分校經濟學博士學位,他的文章發表在各種學術和非學術期刊上。他的研究領域包括勞動經濟學、工資和收入分配、勞資關係、生產力成長和教育經濟學。
喬許·比文斯 2002年加入經濟政策研究所,現任研究室主任。 他的主要研究領域包括宏觀經濟學、社會保險和全球化。 他撰寫或合著了三本書(包括 《美國工作狀況》,第 12 版)在 EPI 工作期間,編輯了另一篇文章,並撰寫了大量研究論文,包括為學術期刊發表的論文。他經常出現在媒體上發表經濟評論,並多次在美國國會作證。他獲得了博士學位。來自新社會研究學院。
致謝
作者衷心感謝 John Schmitt、Dean Baker、Jared Bernstein、Ben Spielberg 以及 EPI 同事在內部研討會上提供的寶貴建議。特雷莎·克羅格 (Teresa Kroeger) 和傑西卡·席德 (Jessica Schieder) 都提供了有力的研究援助。也要感謝 Lora Engdahl 的編輯。
尾注
1. 他們的註腳說:「這些幅度可以與中國進口產品的影響大小進行比較。附錄中的表 A5 顯示,在我們的長期差異規範中,對中國的暴露變數具有負但不顯著的係數。然而,在與 Autor、Dorn 和 Hanson(2013)中使用的相對應的堆疊差異規範中,它是負的且顯著的。使用後一種估計,對於具有平均中國進口敞口的通勤區(與無敞口通勤區相比),中國進口全國增長隱含的數量幅度是就業與人口比率下降約 1 個百分點,這大約是 三次 0.37 個百分點意味著機器人採用率的下降[強調]。”
2. 中國的進口成長以佔國內生產毛額的比例來衡量,從0.25年的1990%上升到0.85年的1999%,再到2.22年的2007%。這意味著中國70個百分點的成長中有1.37% (1.97個百分點)進口發生於1999 年至2007 年。A&R(2017a)表明,1990 年至2007 年中國進口的影響約為就業率下降1 個百分點,大約是A&R 估計的機器人影響0.37 個百分點的三倍。從088年到1.0年,中國進口產品對就業率的年影響為0.7(1999年期間為2007*0.022)。相較之下,機器人對就業率的年影響為0.037(17年期間為2017)。中國進口數據來自人口普查; GDP 資料來自 BEA 的國民所得和產品帳戶(美國人口普查局 2017;BEA XNUMX)。
3. 如果自動化導致直接受影響行業的價格下降,且價格下降不會導致整體消費支出增加,政策制定者也可以透過擴張性財政或貨幣政策來提高總需求水平,以確保不會導致失業。
4. 工會效應是指研究(例如,Mishel 等人,2012)表明,在其他條件相同的情況下,工會工人的工資高於非工會工人。其他研究(例如,Rosenfeld、Denice 和 Laird,2016 年)表明,工會化程度的下降會降低所有工人的薪資。
5. 在結束之前,有必要提及 A&R 模型中的另外兩個假設,這些假設使國家估計值不可靠。首先,他們假設經濟是從基本上沒有機器人的狀態開始的。這可以很好地描述他們的數據集,但它確實使用這種方法對未來的故障進行了推斷。其次,他們假設機器人(和機器人安裝)的技術和成本在通勤區域是不變的。 A&R 估算的分析將受益於一些實際數據,但它們並未提供這些數據。
6. 需要明確的是,提高工人的議價能力以確保更多的「好」工作並為因機器人(或其他任何東西)而失業的工人提供體面的工作過渡是一個可行的策略,只要(1)議價能力和製度對工資設定很重要,(2) 自動化並沒有使工人的生活工資變得過時。我們認為證據清楚地表明這兩件事是正確的。相反,如果對勞動市場結果最重要的是明確的供給和需求曲線,並且某些類型的工人(通常是資歷較低的工人)的勞動力需求曲線是否因技術而發生瞭如此大的變化,以至於這些工人無法以生活工資獲得就業,那麼全民基本收入等政策可能是唯一能為這些美國人提供收入的政策。同樣,我們沒有發現任何證據表明這種動態已經開始。
7. 根據美國工作狀況資料庫 (EPI 2017) 中提供的按百分位數計算的薪資資料進行計算。
ZNetwork 的資金完全來自讀者的慷慨捐贈。
捐款