加载中...
The Impact of Generative Artificial Intelligence on Gig Workers' Wages
本文使用双重差分模型估计生成式人工智能技术创新对零工工资的影响，并探究其作用机制。研究发现：2022年11月30日，ChatGPT-3.5发布后，受冲击较大的高暴露度职业主要集中于认知型零工岗位，其日工资水平显著下降约19.9%，且高收入、线上工作、服务业及非高技术行业岗位受影响更大，这主要源于这些岗位任务与生成式人工智能的技术适配性较高。机制分析表明，工资下降主要由岗位需求减少和城市层面职业结构调整驱动，而劳动力供给端的影响有限。
Abstract
This study employs the DID model to explore the impact of generative artificial intelligence technological innovation on gig workers' wages. After the release of ChatGPT-3.5 on November 30, 2022, the highly exposed occupations severely affected are concentrated in cognitive gig positions. The daily wage of these positions has significantly decreased by 19.9%. Furthermore, positions with high incomes, online-based work, those in the service industry, and non-high-tech sectors have experienced more pronounced impacts. Mechanism analysis indicates that the decline in wages is mainly driven by a reduction in job demand and the adjustment of occupational structures at the city level.
高暴露度职业日工资显著下降19.9%
以ChatGPT-3.5发布为外生冲击，采用双重差分模型，高暴露度职业的零工日工资下降39.545元，约占工资均值的19.9%，系数在1%水平显著。
高暴露度岗位招聘数量显著下降
机制分析发现，生成式人工智能冲击后，高暴露度零工岗位的招聘数量显著减少，表明企业对认知型任务的需求收缩。
高暴露度岗位城市占比显著下降
生成式人工智能显著降低了高暴露度岗位在城市总体招聘中的占比，表明技术冲击改变了城市层面的职业结构。
劳动力供给短期波动不显著
回归结果显示，冲击后求职人数虽有所上升但不显著，将求职人数作为控制变量后，生成式人工智能对工资的负向影响依然显著，说明劳动力供给并非工资下降的主要机制。
核心解释变量
核心解释变量为交互项Treat×Post，Treat为高生成式人工智能暴露度职业虚拟变量（≥0.5取1），Post为2022年12月及以后取1的时间虚拟变量。
被解释变量
被解释变量为职业i在t月份发布的零工招聘日工资（Wage，单位元/日）。
样本与数据
样本为中国大型招聘平台58同城2022年7月至2023年6月的零工招聘数据，共5147530条有效样本，覆盖中国大多数城市，并通过随机森林模型将岗位匹配至《中华人民共和国职业分类大典》（2022年版）的152个职业细类。
识别方法 / 模型设定
以2022年11月30日ChatGPT-3.5发布作为外生技术冲击，采用双重差分模型（DID），通过对比高暴露度职业与低暴露度职业在冲击前后的工资变化识别因果效应，并采用事件研究法检验事前平行趋势。
内生性及稳健性检验
稳健性检验包括：添加ChatGPT-4和文心一言发布交互项、剔除2023年3月后样本、控制疫情干扰（三重差分模型）、更换暴露度赋分方式、更换连续型处理组、更换机器学习预测算法、更换被解释变量、更换标准误聚类层级、加入高维固定效应等，结论均稳健。
更多相关数据正在补充