加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
The Changing Economics of Knowledge Production
大数据技术改变了数据与劳动相结合以创造知识的方式。这究竟是一场温和的创新还是一场数据革命？利用招聘和工资数据，我们估算了企业的数据存量及其知识生产函数。量化生产函数的变化，有助于我们了解大数据技术可能带来的产出、要素份额和收入分配的长期变化。对于投资管理行业，我们的结构估计预测劳动收入份额将下降5%；这一变化与工业革命的相关估计相当。（JEL E23, E25, G10, G23）
Abstract
Big data technologies change the way in which data and labor combine to create knowledge. Is this a modest innovation or a data revolution? Using hiring and wage data, we estimate firms' data stocks and their knowledge production functions. Quantifying changes in production functions informs us about the likely long-run changes in output, in factor shares, and in the distribution of income, due to big data technologies. For the investment management industry, our structural estimates predict a 5% decline in the labor share of income; that change is comparable to similar estimates for the industrial revolution. (JEL E23, E25, G10, G23)
AI技术使知识生产函数的数据指数上升0.05，劳动收入份额下降5%。
通过结构估计，AI知识生产函数中数据指数α为0.868，旧技术γ为0.821，上升0.05。这意味着数据边际报酬递减程度降低，企业最优数据-劳动比上升，劳动收入份额下降约5%，数据所有者收入份额相应上升5%。
AI分析师工资比传统分析师高26,333美元/年。
基于Payscale工资数据，AI分析师的年均总薪酬比数据管理员和传统分析师高26,333美元。这一工资差异反映了AI技能的高生产率和稀缺性，为估计生产函数参数提供了关键信息。
AI分析师数量从350人增至4,537人，增长约13倍。
2015-2018年间，投资管理行业AI分析师存量从350人增至4,537人，增长约13倍。尽管AI岗位占比仍小，但增速迅猛，表明知识生产的技术转型尚处早期但方向明确。
数据总价值从6600亿美元升至8100亿美元，增长23%。
利用结构模型估算，样本内投资管理企业数据总价值从2015年的6600亿美元升至2018年的8100亿美元，增长23%。价值增长源于数据积累、分析师增加和分析生产率提升。
AI技术变革幅度与工业革命低端估计相当。
历史研究表明工业革命时期资本份额上升约0.05-0.20，本文估计的数据份额上升0.05处于该范围低端，表明大数据技术对知识生产的影响可与工业革命相类比。
核心解释变量
数据存量（D_it），由数据管理劳动累积而成，并考虑折旧率δ；AI分析师劳动（L_AI）和传统分析师劳动（L_OT）作为劳动投入。
被解释变量
知识产出（K_AI和K_OT），分别由AI技术和传统技术生产，以企业价值最大化为目标函数中的产出项。
样本与数据
2015-2018年投资管理行业企业，来自Burning Glass招聘数据（超4万来源）和Payscale工资数据（11,041个薪酬档案），涵盖数据管理员、AI分析师和传统分析师三类岗位。
识别方法 / 模型设定
利用Cobb-Douglas生产函数的一阶条件，通过非线性最小二乘法联合估计生产函数指数α、γ、φ和初始平均数据存量。使用招聘和工资数据构建劳动存量和数据存量，通过时间序列和横截面变异识别参数。
内生性及稳健性检验
考虑了不同数据折旧率（1%、3%、10%每月），不同固定效应设定（仅时间、仅企业、无固定效应），以及不同劳动初始条件。估计结果稳健，基准结论（α-γ=0.05）在多种设定下保持一致。
更多相关数据正在补充