XiaoMi-AI文件搜索系统
World File Search SystemReenen
创新网络与研发分配∗ - Ernest Liu
∗ 之前发布的名称是“创新网络和创新政策”。我们感谢 Chad Jones（编辑）、三位匿名审稿人、Philippe Aghion、Manuel Amador、Paul Antras、David Atkin、Salome Baslandze、Ariel Burstein、Lorenzo Caliendo、Vasco Carvalho、Ben Golub、Jill Grennan、Matt Jackson、Ben Jones、Chad Jones、Hugo Hopen-hayn、Bill Kerr、Pete Klenow、Sam Kortum、Atif Mian、Ezra Field、Bruno Pelligrino、Alessandra Peter、Stephen Redding、Peter Schott、Kjetil Storesletten、Alireza Tahbaz-Salehi、Aleh Tsyvinski、John Van Reenen、Jaume Ventura、Heidi Williams 和 Kei-Mu Yi 提供的有益反馈。我们还感谢许多研讨会和会议参与者的见解和评论。 Xugan Chen、Tianyu Fan 和 Daojing Zhai 提供了出色的研究协助。 † 普林斯顿大学经济学系和 NBER，ernestliu@princeton.edu。 ‡ 耶鲁大学管理学院和 NBER。
劳动力市场不平等：比较政治经济学视角
工资、收入和就业方面的巨大不平等不断加剧，这给社会科学家提出了根本性问题，也给政策制定者带来了严峻挑战。在主流经济学家的典型模型中，这些不平等现象可以用竞争性市场力量来解释。根据这一观点，可以假设某一特定素质的工人获得相同的工资（“一薪定律”）——他们的边际产品——因此不存在重要的租金（剩余）可供讨价还价。这反过来要求，产生偏离竞争结果的制度或政策干预必须以就业率降低为代价。近几十年来，薪酬不平等现象加剧，其原因是，工作场所偏向技能的技术变革推动了雇主对认知技能的需求不断增加，而相关技能工人的供应却无法充分满足这一需求（Goldin 和 Katz，2007 年；Machin 和 Van Reenen，2007 年；Acemoglu 和 Autor，2011 年、2012 年）。这一竞争性市场解释的证据主要依赖于教育工资溢价（至少拥有学士学位的工人的工资优势）和工作两极分化（在职业工资分布中，从事常规任务工作的工人比例下降）的变化。核心政策建议直接如下：通过旨在建立更适当技能的劳动力的教育和培训计划来消除这种技能不匹配。
扭曲的创新：市场是否获得了...的方向
本文基于 2023 年 1 月在新奥尔良发表的美国经济协会杰出讲座。我感谢 Ufuk Akcigit、David Autor、Rena Conti、Joe Doyle、Michael Greenstone、Simon Johnson、Chad Jones、Amy Finkelstein、Will Rafey、Dani Rodrik 和 John Van Reenan 提供的非常有用的评论、讨论和参考。我感谢 Juanita Jaramillo、Shinnosuke Kikuchi、Fredric Kong 和 Todd Lensman 提供的出色研究协助。特别感谢 David Hemous、Ralf Martin、Jacob Moscona 和 John Van Reenen 分享数据并为本文报告的实证工作提供帮助。最后但并非最不重要的是，这项工作大量借鉴了与几位合著者的合作。我特别感谢 Ufuk Akcigit、David Autor、Simon Johnson、Pascual Restrepo 和 Fabrizio Zilibotti 对我在这些主题上的知识和理解的持久贡献。所有剩余的错误当然都是我自己的。我非常感谢休利特基金会的慷慨资助。本文表达的观点均为作者本人观点，并不一定反映美国国家经济研究局的观点。
中国科技实力的崛起
现代增长理论（ Romer，1990； Aghion and Howitt，1992）承认技术进步在长期经济增长中的关键作用，但也强调技术进步的性质取决于一个国家的发展水平（ Acemoglu、Aghion 和 Zilibotti，2006）。发展中国家往往通过渐进式调整来适应最先进经济体先前开发的技术，从而赶上更发达的经济体。随着它们接近技术前沿，增长越来越依赖于前沿创新，而这又需要制度转型，如竞争政策（Zilibotti，2017 年）、研究教育（Krueger 和 Lindahl，2001 年；Aghion 等人，2009 年；Goldin 和 Katz，2010 年）、外部融资（Diallo 和 Koch，2018 年；Rajan 和 Zingales，1998 年）和改进的管理实践（Bloom 和 Van Reenen，2007 年）。如果不能实施这些有利的制度，可能会阻碍一个国家全面与发达经济体融合的能力，并可能使其陷入“中等收入陷阱”（worldbank2018）。一个国家创造、改进和传播前沿创新的能力对于发展中国家加入发达经济体行列以及发达国家保持其经济竞争力至关重要。
碳定价，补偿和竞争力
第一个版本：2019年1月。We are grateful to Frank Venmans, Koichiro Ito, Andreas Lange, Moritz Drupp, Grischa Perino, Thomas Sterner, John Van Reenen, Luca Taschini, Aurelien Saussay, Yang Zheng, Francesca Diluiso, Andreas Gerster, Stefan Lamp, Gregor Singer as well as audiences at the 24th/25th EAERE第7届IZA环境与劳动力市场研讨会，第六伦敦/帝国/国王环境经济学研讨会，第5次FSR气候气候，第13个国际能源经济学的国际国际研讨会，USITC贸易与环境的经验方法，贸易和环境研讨会，有关贸易和环境的工作坊有用的评论和反馈。我们要感谢（前）英国商业，能源与工业战略部的艾米·理查兹（Amy Richards）和保罗·欧文（Paul Irving），以提供宝贵的帮助和见解。皮耶罗·巴萨利亚（Piero Basaglia）在德国的卓越策略（EXC 2037和CLICCS）项目编号下承认DFG的支持。390683824，对汉堡大学地球系统研究与可持续性中心（CEN）的贡献。misato sato非常感谢格兰瑟姆气候变化研究所的支持和伦敦经济学学院的环境以及经济与社会研究委员会的气候变化经济和政策授予中心（CCCEP）（参考文献）（参考文献ES/R009708/1）和Prinz（ES/W010356/1）。伊丽莎白·伊萨克森（Elisabeth Isaksen）和马萨托·萨托（Misato Sato）也感谢挪威研究委员会的支持（授予号295789）。为了开放访问，作者已将创意共享归因（CC BY）应用于任何作者接受的手稿版本。
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。EnglishAmerican
我们研究了美国公司使用人工智能技术后劳动力构成和组织的变化。为此，我们利用员工简历和招聘信息数据集的独特组合来衡量公司层面的人工智能投资和劳动力构成变量，例如教育程度、专业化和层级。我们记录了受过高等教育的员工和 STEM 员工初始份额较高的公司在人工智能方面的投资更多。随着公司对人工智能的投资，它们倾向于转向受过更多教育的劳动力，拥有本科和研究生学位的员工比例更高，并且在 STEM 领域和 IT 技能方面的专业化程度更高。此外，人工智能投资与公司层级结构的扁平化有关，初级员工的比例显着增加，中层管理和高级职位员工的比例下降。总体而言，我们的研究结果表明，采用人工智能技术与企业劳动力的重大重组有关。
ESG创新断开：绿色专利的证据
We are grateful for comments from Federico Bandi, Daniel Bergstresser, Christa Clapp, Spencer Dale, Shaun Davies, Carina Elfving, Falko Fecht, Jane Fuller, Leslie Gent, Lars Hansen, Oliver Hart, Alan Haywood, Geoffrey Heal, Andrew Hilton, Kateryna Holland, Harrison Hong, Mark Huson, Marcin Kacperczyk, Ulf von Kalckreuth, Oguzhan Karakas, Anil Kashyap, Simi Kedia, Jinu Koola, Phillip Krüger, Chen Lin, Pedro Matos, Roni Michaely, Randall Morck, Joelle Noailly, Lubos Pastor, Anna Pavlova, Phillip Phan, Monika Piazzesi, Alexander Popov，Nagpurnanand Prabhala，Lukasz Pomorski，John van Reenen，Ruy Ribeiro，Daniel R Romito，Aniket Shah，Laura Starks，Luke Starks，Luke Stein，Jerome Taillard，Luis Viceira，Luis Viceira，Alexis Wegerich，Fredrik Willumsen，Sophie Zhou。我们还要感谢国家科学基金会（SCISIP 1535813）和福特汉姆大学加贝利商学院 - PVH Corp.全球思想领导力授予企业社会责任的资金责任。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。此外，我们衷心感谢研讨会的参与者参加2022年NBER长期资产管理会议，2021年美国财务协会会议，2023年ESG，2023年ESG和未来的商业会议，2021年，特拉华大学Weinberg University ocgi University opigi公司治理委员会，2021年，2021年ASU SONORAN WINTERABL斯坦福大学ESG会议，2021年，德克萨斯大学在达拉斯金融会议，2021年，巴西金融学会会议会议，金融创新研究中心，班德斯班克春季会议，2023年 - 气候变化 - 气候变化和中央银行，阿拉巴马州阿拉巴马大学，阿拉巴马大学，艾伯塔大学，巴布森学院，巴布森学院，巴布森学院，巴布森学院大学，佛罗里达州立大学，乔治华盛顿大学，乔治亚州立大学，哈佛商学院，香港大学，约翰·霍普金斯大学，密苏里大学，新加坡国立大学，内布拉斯加州大学，诺尔斯银行投资管理，挪威经济学学院（NHH） Wuppertal大学。