《结构变迁与经济动态》
两位诺贝尔奖经济学奖获得者担任过编委
六位诺贝尔经济学奖获得者在期刊发表论文
被SSCI收录，影响因子为6.1，Q1区
文章导读
数据驱动的未来：探索数字经济下人力资本积累的新模式
摘要：
本文在数字经济背景下构建了一个以人力资本积累新模式为特征的内生增长模型。数据作为经济活动的副产品而产生，被消费者用于除教育活动之外的人力资本积累过程。本文发现了与同类型文献相似的增长模式，但数据要素的创新性使用实现了更高的经济增速。定量分析研究表明，虽然数据要素贡献度的提高促进了人力资本积累，但由于数据可能会过度吸收资源、挤占教育，该促进效应并非是无限的。从过渡态动力学分析中可以看到，消费者遭受了暂时的福利损失，然而随着数据成为人力资本积累的关键要素，福利最终会增加。本文首次探讨了数据要素在人力资本积累过程中的作用。
研究背景：
随着数字经济的迅速发展以及数据量的爆发式增长，数据逐渐成为一种新的投入要素，如何优化利用数据来刺激经济增长，是当前数字经济领域的重要研究课题之一。与此同时，新兴数字技术的创新为工业生产、金融和教育等众多行业带来数字化转型的机遇，各行各业对数字人才的需求急剧增加，也为人力资本积累带来了机遇和挑战。
在此背景下，人力资本的概念已经超越了教育成就和与劳动相关的属性，进而涵盖数字化思维和能力。由欧盟委员会构建的数字经济与社会指数便是将数字经济与人力资本相融合的一个典型应用。
在数字经济成为经济增长强劲动力的过程中，数字技术和数据要素固然重要，但归根结底，人力资本才是决定因素。在此框架下，本文致力于通过建立内生增长模型，将数据作为一种新的关键要素引入人力资本积累过程，探索数字经济背景下人力资本积累的方式以及数据要素的增长效应。
模型构建：
现有文献广泛探讨了消费活动产生的数据，通常被称为“消费者数据”，然而最近的一项研究则提到了生产过程产生的数据，即“生产者数据”，该种数据在工业物联网中得到了突出体现。由此本文深入研究了两个不同来源的数据类型，探究两种数据在促进人力资本积累和经济增长方面所发挥的作用。
基于Xie and Zhang（2023）提出的方法和思路，本文首先建立了一个含有生产者数据的基准模型。该种数据作为生产过程的副产品而产生，数据交易发生在生产者和消费者之间。生产者数据模型包含三个不同部门：教育部门、产品生产部门和数据生成部门。对于消费者而言，人力资本通过正规教育和数据使用相结合而积累起来；对于生产者而言，劳动力被分配到产品制造和数据收集清理两个部分，最终商品得以生产和数据作为副产品得以产生。本文通过设定一个数据生成函数来体现此类数据的成本，数据生成过程伴有人力资本的加成效应。
此外，参照Jones and Tonetti（2020）以及Cong et al.（2021）在数据经济领域的开创性研究，本文还构建了一个含有消费者数据的对照模型，使用该种数据将会对消费者效用造成影响，通过使用消费者对数据隐私泄露问题的厌恶程度参数，并在效用函数中设定负效用项来体现此类数据的成本。
鉴于生产者数据的使用能够在人力资本模型框架中形成更合理和完整的市场结构，本文重点考察生产者数据对人力资本积累的影响。通过将数据要素引入人力资本内生增长模型，本文主要侧重于探索数据要素对经济增长的长期影响。
模型分析：
去中心化经济和社会计划者问题的均衡结果表明，在平衡增长路径下，去中心化经济的增长率和资源配置与社会计划者问题的完全一致。这种趋同反映了本文构建的内生增长模型不存在扭曲现象，去中心化经济的资源配置是有效的。更重要的是，经济增长率由数据要素对人力资本积累的重要程度、人力资本的外溢效应和人口增长率这几个关键因素共同决定，凸显了数据要素在促进人力资本积累和经济增长方面所发挥的重要作用。
关键变量平衡增长路径水平的比较统计分析表明，随着数据重要性的增加，更多的劳动力流入生产和数据生成部门。这说明当数据要素在人力资本积累中发挥更重要的作用时，消费者愿意为数据生成分配额外的时间。然而必须指出的是，这种促进作用具有其局限性。数据要素的使用不可避免地受到教育的挤出效应和数据的自我吸收效应的制约，人力资本积累不会过度依赖数据要素。
过渡态动力学分析表明，初始状态即早期阶段中，人力资本和数据使用量水平较低，而教育部门的劳动力份额较高。随着时间的推移，早期阶段积累的人力资本潜力充分释放，人力资本、数据和产出水平显著提高，劳动力逐渐从教育部门向生产部门转移。在这个过渡阶段，消费者可能会经历暂时的福利损失，但福利最终仍会上升，因为数据要素在人力资本积累过程中起着关键作用。此时，人力资本逐渐取代物质资本，成为经济增长的主要驱动力。以上种种，皆反映了传统经济向数字经济的转型，这正是本文的核心发现。最后，为了缓解消费的暂时下降，本文深入研究分析并确定了一种可以使过渡动态更有利的关键参数的最佳组合。
研究结论：
本文将数据作为一种新要素引入人力资本积累过程，构建了数字经济背景下的内生增长模型，并主要关注了直接从生产过程中产生的数据类型。文章研究发现，在给定其他参数的情况下，人力资本外溢效应和数据要素重要程度存在一个最佳水平，使得经济在过渡期间迅速达到稳定状态而不会造成福利损失。尽管从长远来看，数据要素最佳水平可能不会使福利最大化，但它有助于让传统经济平稳过渡到本文所讨论的一种新出现的、由数据要素驱动的人力资本经济。
本文初步探讨了人力资本积累模型框架中数据要素的长期影响，具有重要政策意义。本文的结论强调了在数字经济时代促进人力资本投资创新的必要性，政策制定者要从更广泛的角度考虑将数据要素纳入人力资本积累过程的利弊，并将资源分配给被数据驱动和不被数据驱动的不同部门。
作者简介：
张龙天：中央财经大学国际经济与贸易学院副教授，硕士生导师。研究专长为宏观经济学、经济增长、数字经济等领域。主持国家自然科学基金青年科学基金项目，曾经在《Management Science》、《Journal of Economic Dynamics and Control》等国内外著名期刊上发表论文多篇。
吴梦涛（通讯作者）：北京工商大学经济学院讲师，研究专长为人力资本、数字经济等领域，曾在《经济学报》等国内外期刊上发表论文。
常清，中央财经大学统计与数学学院博士研究生。主要研究领域为数字经济、数据跨境流动等。
原文信息
Citation information:
Chang, Q., Wu, M., Zhang, L., 2023. Endogenous growth and human capital accumulation in a data economy. Structural Change and Economic Dynamics, 69, 298-312.
Link:
https://doi.org/10.1016/j.strueco.2023.12.015
内容：吴梦涛； 编辑：李瑾柔
结构变迁与经济动态
微信号｜SCEDJournal
联系：成璐 lu.cheng.19@ucl.ac.uk
