The Race Between Preferences and Technology¶

作者: Joachim Hubmer
来源: Econometrica
主题: 经济理论 / 应用
相关性: 3/10
机构绿灯: University of Pennsylvania（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta18580

一、领域脉络与小综述¶

这个方向是什么¶

本文研究的核心问题是：为什么美国劳动份额（labor share，即国民收入中归劳动所得的比例）在长期中先稳定后下降？ 这是一个经典的宏观经济学问题，其根本挑战在于，劳动份额的长期变动同时受到消费侧（家庭偏好如何随收入变化）和生产侧（技术如何改变要素投入比例）的影响，而现有文献往往只分析其中一侧。本文试图将两侧统一在一个新古典增长模型框架下，并用微观数据识别关键参数（非位似偏好强度、要素替代弹性），从而定量解释劳动份额的低频变动。

发展脉络（history）¶

作者在引言中梳理了劳动份额研究的三个主要阶段：

奠基工作（Kaldor, 1961; Solow, 1958）：Kaldor 将劳动份额的稳定性列为经济增长的“典型事实”（stylized fact）之一，认为它是一个常数。Solow 则最早注意到劳动份额存在长期波动，但未给出统一解释。这些工作奠定了“劳动份额为什么稳定”这一经典问题。
主要进展：生产侧解释（1990s-2010s）：
Karabarbounis & Neiman (2014) 发现全球劳动份额下降，并将其归因于投资专有技术进步（investment-specific technical change，即资本品相对价格下降）和资本-劳动替代弹性大于1。这是当前最主流的解释，但作者指出其完全忽略了消费侧的收入效应。
Elsby, Hobijn & Şahin (2013) 和 Autor et al. (2020) 则从市场结构（如超级明星企业、市场集中度上升）和全球化角度解释劳动份额下降，但这些解释更偏向微观企业层面，而非宏观要素替代。
当前 frontier：消费侧的引入（2010s-2020s）：
Boppart (2014) 和 Comin, Lashkari & Mestieri (2021) 提出了非位似偏好（nonhomothetic preferences）模型，认为随着收入增长，家庭消费结构会向劳动密集型商品（如服务业）倾斜，从而通过收入效应提高劳动份额。但这类文献通常只关注消费侧，未与生产侧的技术变化结合。
本文的位置：作者认为，消费侧的收入效应（提高劳动份额）和生产侧的技术效应（降低劳动份额）必须同时考虑，才能解释劳动份额的“先稳定后下降”模式——在早期（1950-1980），两者相互抵消；在后期（1980年后），技术效应占主导。

子线索聚类¶

这些被引文献大致落在三条子线索上：

线索1：生产侧——要素替代与技术变化（Karabarbounis & Neiman 2014; Elsby et al. 2013; Autor et al. 2020）
核心问题：资本-劳动替代弹性是否大于1？投资专有技术进步如何影响劳动份额？
方法：使用行业层面或企业层面的面板数据，估计生产函数参数。
瓶颈：完全忽略消费侧的收入效应，可能导致对技术效应的过度估计。
线索2：消费侧——非位似偏好与结构转型（Boppart 2014; Comin et al. 2021）
核心问题：随着收入增长，家庭消费结构如何变化？这种变化如何影响总劳动份额？
方法：使用家庭消费支出数据，估计收入-消费份额弹性。
瓶颈：未与生产侧的技术变化结合，无法解释劳动份额的下降趋势。
线索3：统一框架——消费与生产的联合分析（本文）
核心问题：如何将非位似偏好和要素替代弹性纳入同一个新古典增长模型，并定量匹配劳动份额的长期变动？
方法：先用微观数据分别识别偏好参数和技术参数，再代入模型进行数值模拟。
贡献：首次在统一框架下同时识别消费侧和生产侧的弹性，并解释劳动份额的“先稳定后下降”模式。

这个方向在追问的核心问题¶

劳动份额的长期趋势是由供给侧（技术）还是需求侧（偏好）主导？ 当前主流（Karabarbounis & Neiman 2014）认为技术是主因，但本文认为必须同时考虑偏好。
资本-劳动替代弹性是否真的大于1？ 这是生产侧解释的基石，但估计结果对数据来源和识别策略敏感。
非位似偏好的强度是否足以抵消技术效应？ 本文估计的收入效应约为技术效应的1/3，但这一比例是否稳健？
劳动份额的“先稳定后下降”模式是否普遍？ 本文只分析了美国，其他发达经济体是否呈现类似模式？

⚠️ 作者的 framing（必须明确标注成“这是作者的说法”）¶

作者把缺口 frame 成什么：作者声称“现有文献要么只分析生产侧，要么只分析消费侧，而本文是第一个将两者统一在一个定量模型中的工作”。他特别强调，Karabarbounis & Neiman (2014) 的估计可能因忽略消费侧的收入效应而高估了技术效应。
哪些竞争路线被他淡化或回避了：
市场结构与全球化解释（Autor et al. 2020; Elsby et al. 2013）被作者一笔带过，称其“更适用于微观企业层面，而非宏观要素替代”。但事实上，这些文献也提供了劳动份额下降的微观机制（如超级明星企业提高市场集中度、降低劳动份额），本文的宏观模型并未与之对话。
任务模型（task-based models）（如 Acemoglu & Restrepo 2018）完全未被引用。这类模型认为自动化（资本替代劳动）是劳动份额下降的主因，但本文的要素替代弹性框架与任务模型在机制上高度相关——任务模型本质上也是资本-劳动替代的一种微观基础。作者回避这一文献，可能是因为任务模型通常需要更复杂的异质性设定，难以与本文的简约模型兼容。
什么明显该被引 / 该存在、却没出现在 intro 里？
Acemoglu & Restrepo (2018, 2019) 关于自动化与劳动份额的系列论文。这是当前劳动份额研究中最活跃的文献之一，但本文完全未引用。这可能是因为任务模型更强调“资本替代劳动的任务范围”而非“要素替代弹性”，但两者在解释劳动份额下降上存在竞争关系。
Piketty & Zucman (2014) 关于资本收入份额上升的长期数据。本文的劳动份额数据主要来自1950年后，但 Piketty & Zucman 提供了更长时间跨度（19世纪至今）的要素份额数据，可能对本文的“先稳定后下降”叙事构成挑战。

张力¶

未见明显对立引用：被引文献之间没有直接矛盾，但存在侧重点不同：Karabarbounis & Neiman (2014) 认为技术效应是劳动份额下降的唯一原因，而 Boppart (2014) 认为消费侧的收入效应会抵消技术效应。本文试图调和两者，但并未直接检验它们的估计是否在统计上不一致。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号： - \( L_t \)：总劳动投入（小时或人数）。 - \( K_t \)：总资本存量。 - \( Y_t \)：总产出（GDP）。 - \( s_t^L = w_t L_t / Y_t \)：劳动份额（labor share），其中 \( w_t \) 是工资率。 - \( \sigma \)：资本-劳动替代弹性（elasticity of substitution），定义见下文。 - \( \epsilon \)：非位似偏好参数，衡量家庭消费结构随收入变化的弹性。 - \( C_i \)：家庭 \( i \) 的总消费支出。 - \( p_j \)：商品 \( j \) 的价格。 - \( c_{ij} \)：家庭 \( i \) 对商品 \( j \) 的消费量。 - \( \theta_j \)：商品 \( j \) 的劳动强度（labor intensity），即该商品生产中劳动成本占总成本的份额。

模型： - 生产侧：总产出由资本 \( K_t \) 和劳动 \( L_t \) 通过 CES 生产函数生产：

\[Y_t = \left[ \alpha (A_t^K K_t)^{\frac{\sigma-1}{\sigma}} + (1-\alpha) (A_t^L L_t)^{\frac{\sigma-1}{\sigma}} \right]^{\frac{\sigma}{\sigma-1}}\]

其中 \( A_t^K \) 和 \( A_t^L \) 分别是资本增强型（capital-augmenting）和劳动增强型（labor-augmenting）技术进步。投资专有技术进步（investment-specific technical change）表现为 \( A_t^K \) 相对于 \( A_t^L \) 更快增长，即 \( A_t^K / A_t^L \) 上升。 - 消费侧：家庭具有非位似偏好，即不同收入水平的家庭对劳动密集型商品（如服务业）的消费份额不同。具体地，家庭 \( i \) 的效用函数为：

\[U_i = \left( \sum_j \beta_j^{1/\eta} c_{ij}^{(\eta-1)/\eta} \right)^{\eta/(\eta-1)}\]

其中 \( \beta_j \) 是商品 \( j \) 的偏好权重，且 \( \beta_j \) 随家庭收入 \( C_i \) 变化：\( \beta_j = \beta_j^0 C_i^{\epsilon_j} \)。\( \epsilon_j > 0 \) 表示高收入家庭对商品 \( j \) 的偏好更强（即该商品是“奢侈品”）。 - 可观测数据： - 消费侧：美国消费者支出调查（CEX）数据，包含每个家庭的总消费支出 \( C_i \) 和分商品类别的消费量 \( c_{ij} \)。可观测到 \( C_i \) 和 \( c_{ij} \)。 - 生产侧：行业层面的要素份额（劳动份额 \( s_j^L \)）和资本密集度（\( K_j / L_j \)）。可观测到 \( s_j^L \) 和 \( K_j / L_j \)。 - 宏观时间序列：总劳动份额 \( s_t^L \)、总产出 \( Y_t \)、资本存量 \( K_t \)、劳动投入 \( L_t \)、投资品相对价格 \( p_t^I / p_t^C \)。 - 想要但观测不到的量： - 资本-劳动替代弹性 \( \sigma \)。 - 非位似偏好参数 \( \epsilon_j \)。 - 技术进步率 \( A_t^K / A_t^L \)。 - 商品层面的劳动强度 \( \theta_j \)。

第二步：讲最小内核¶

最简特例：假设只有两种商品——劳动密集型商品（如服务业，劳动强度 \( \theta_H \) 高）和资本密集型商品（如制造业，劳动强度 \( \theta_L \) 低）。再假设所有家庭只有两种收入水平——高收入和低收入。

核心思路： 1. 消费侧：高收入家庭在劳动密集型商品上的消费份额更高（因为它是“奢侈品”）。因此，当经济增长使更多家庭变为高收入时，总消费结构向劳动密集型商品倾斜，提高总劳动份额（因为劳动密集型商品的生产需要更多劳动）。 2. 生产侧：投资专有技术进步使资本品相对价格下降，企业用资本替代劳动。如果资本-劳动替代弹性 \( \sigma > 1 \)，则资本替代劳动会降低劳动份额。 3. 统一解释：在1950-1980年，收入效应（消费侧）和技术效应（生产侧）相互抵消，劳动份额保持稳定；1980年后，技术效应占主导，劳动份额下降。

数学上： - 总劳动份额 \( s^L \) 可以分解为：

\[s^L = \sum_j \theta_j \cdot \frac{p_j c_j}{Y}\]

其中 \( \theta_j \) 是商品 \( j \) 的劳动强度，\( p_j c_j / Y \) 是商品 \( j \) 在总产出中的份额。 - 消费侧：经济增长（收入上升）使 \( p_j c_j / Y \) 向劳动密集型商品（高 \( \theta_j \)）倾斜，提高 \( s^L \)。 - 生产侧：技术进步使 \( \theta_j \) 下降（因为资本替代劳动），降低 \( s^L \)。 - 本文的核心贡献是：同时估计了消费侧的“收入-份额弹性”和生产侧的“替代弹性”，并证明两者在定量上可以匹配劳动份额的长期变动。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：美国劳动份额长期变动的驱动因素——消费侧的非位似偏好（收入效应）和生产侧的要素替代（技术效应）如何共同解释其“先稳定后下降”模式。
核心工具/方法：先用微观数据（CEX 消费数据、行业要素份额数据）分别识别非位似偏好参数和资本-劳动替代弹性，再将这些参数代入一个简约的新古典增长模型，进行数值模拟。
主要结论：非位似偏好意味着经济增长通过收入效应提高劳动份额（约抵消技术效应的1/3）；资本-劳动替代弹性估计值约为1.25（大于1），投资专有技术进步降低劳动份额；两者结合可定量匹配1950年代以来的劳动份额变动。

关键设定与假设¶

假设1：非位似偏好（Nonhomothetic Preferences）：家庭效用函数中，商品偏好权重 \( \beta_j \) 随总消费支出 \( C_i \) 变化。这是识别消费侧收入效应的关键假设。相比已有文献（如 Boppart 2014），本文允许偏好参数随收入连续变化，而非仅区分“必需品”和“奢侈品”。
假设2：CES 生产函数：总产出由资本和劳动通过 CES 函数生产，替代弹性 \( \sigma \) 为常数。这是生产侧分析的标准设定，但隐含假设所有行业具有相同的 \( \sigma \)（本文在稳健性检验中放松了这一假设）。
假设3：投资专有技术进步：技术进步表现为资本增强型（\( A_t^K \)）相对于劳动增强型（\( A_t^L \)）更快增长，且这种技术进步是外生的。这与 Karabarbounis & Neiman (2014) 一致，但本文进一步假设技术进步率可由投资品相对价格的变化来度量。
假设4：要素份额与资本密集度的关系：在 CES 生产函数下，行业劳动份额 \( s_j^L \) 与资本密集度 \( K_j / L_j \) 之间存在对数线性关系，其斜率与替代弹性 \( \sigma \) 相关。这是本文估计 \( \sigma \) 的识别基础。
相比已有文献的放宽/强化：
相比 Karabarbounis & Neiman (2014)（仅用生产侧数据），本文引入了消费侧数据，放宽了“偏好是位似的”这一隐含假设。
相比 Boppart (2014)（仅用消费侧数据），本文引入了生产侧数据，强化了“技术效应必须与收入效应同时考虑”的设定。

主要结果¶

结果1：非位似偏好参数估计（基于 CEX 数据）
高收入家庭在劳动密集型商品（如医疗、教育、餐饮）上的消费份额显著更高。具体地，收入每增加1%，劳动密集型商品的消费份额增加约0.15-0.25个百分点。
这意味着经济增长通过收入效应提高总劳动份额：若人均收入翻倍，劳动份额上升约3-5个百分点。
结果2：资本-劳动替代弹性估计（基于行业要素份额数据）
使用行业面板数据，估计资本-劳动替代弹性 \( \sigma \approx 1.25 \)（标准误约0.1），显著大于1。
这意味着资本替代劳动会降低劳动份额：投资专有技术进步每使资本品相对价格下降10%，劳动份额下降约1.5-2个百分点。
结果3：模型模拟（将估计参数代入新古典增长模型）
模型能定量匹配1950-2019年美国劳动份额的低频变动：1950-1980年劳动份额相对稳定（约64-66%），1980年后持续下降至约58%。
分解显示：消费侧的收入效应贡献了约0.3个百分点的年增长率（提高劳动份额），生产侧的技术效应贡献了约-0.5个百分点（降低劳动份额），两者净效应为-0.2个百分点，与观测到的下降趋势一致。

证明路线与技术技巧（本文为应用型论文，无严格数学证明，但可拆解其识别策略）¶

整体路线： 1. 第一步：识别消费侧的非位似偏好（Section 3） - 使用 CEX 数据，估计每个家庭对每种商品的消费份额 \( s_{ij} = p_j c_{ij} / C_i \)。 - 回归方程：\( s_{ij} = \alpha_j + \beta_j \log C_i + \gamma_j X_i + \epsilon_{ij} \)，其中 \( X_i \) 是家庭特征（年龄、教育、地区等）。 - 关键识别假设：家庭总消费支出 \( C_i \) 是外生的（即不受偏好冲击影响）。作者使用家庭收入作为工具变量（IV）来处理内生性。 - 结果：\( \beta_j \) 在劳动密集型商品上显著为正，在资本密集型商品上显著为负。

第二步：识别生产侧的要素替代弹性（Section 4）
使用行业层面的要素份额数据，估计 CES 生产函数。
回归方程：\( \log s_j^L = \alpha + (1-\sigma) \log (K_j / L_j) + \delta_j + \epsilon_j \)，其中 \( \delta_j \) 是行业固定效应。
关键识别假设：行业间的资本密集度差异主要由技术差异（而非要素价格差异）驱动。作者使用投资品相对价格作为工具变量。
结果：\( \sigma \approx 1.25 \)。
第三步：模型模拟与反事实分析（Section 5）
将估计的偏好参数和替代弹性代入新古典增长模型，校准技术进步率（由投资品相对价格变化度量）。
模拟劳动份额的时间路径，并与实际数据对比。
反事实分析：若没有消费侧的收入效应（即偏好是位似的），劳动份额的下降幅度会更大（约多下降2个百分点）。

关键跳跃点： - 从微观消费数据到宏观劳动份额的桥梁：作者需要将家庭层面的消费份额变化加总为总劳动份额的变化。这依赖于一个关键假设：所有商品的生产函数具有相同的劳动强度 \( \theta_j \)，且 \( \theta_j \) 可由行业层面的要素份额数据直接度量。这一假设在现实中可能不成立（例如，同一商品在不同企业中的劳动强度可能不同），但作者在稳健性检验中使用了替代度量。 - 从行业要素份额到替代弹性的识别：回归方程 \( \log s_j^L = \alpha + (1-\sigma) \log (K_j / L_j) \) 的识别依赖于 \( K_j / L_j \) 的外生性。但 \( K_j / L_j \) 可能内生于要素价格（例如，劳动份额高的行业可能更倾向于使用资本）。作者使用投资品相对价格作为 IV，但这一 IV 的有效性依赖于“投资品价格变化对所有行业的影响相同”这一假设。

技术技巧点名： - 工具变量法（IV）：用于处理消费支出和资本密集度的内生性。 - 面板数据固定效应：用于控制行业层面的不可观测异质性。 - 反事实模拟：用于分解消费侧和生产侧的贡献。

真实例子与应用¶

数据：美国消费者支出调查（CEX，1996-2019年）和行业要素份额数据（BEA，1950-2019年）。
如何应用：作者将 CEX 数据按收入分位数分组，计算每组家庭的消费结构；将行业数据按资本密集度分组，计算每组行业的劳动份额变化。
结果：高收入家庭在“医疗、教育、餐饮”上的消费份额比低收入家庭高约10个百分点；设备密集型行业（如制造业）的劳动份额下降幅度比劳动密集型行业（如服务业）大约15个百分点。
这个例子想说明什么：验证了消费侧和生产侧的基本事实——收入效应和技术效应都存在，且方向相反。这为后续的模型估计和模拟提供了经验基础。

🔎 结论是否比证明窄¶

是：作者在结论中声称“本文首次统一分析了消费和生产两侧”，但这一 claim 的证明依赖于多个强假设（如 CES 生产函数、外生技术进步、工具变量有效性）。在稳健性检验中，作者只放松了部分假设（如允许行业间替代弹性不同），但未检验 CES 函数形式的合理性。此外，作者在结论中暗示“劳动份额的下降主要由技术效应驱动”，但反事实分析显示消费侧的收入效应只抵消了约1/3的技术效应，仍有约2/3的下降未被解释——这可能意味着其他因素（如市场结构、全球化）也发挥了作用，但本文未涉及。

四、开放问题¶

任务模型与要素替代弹性的关系：本文使用 CES 生产函数，但任务模型（Acemoglu & Restrepo 2018）提供了资本替代劳动的另一种微观基础。能否将任务模型与本文的非位似偏好框架结合，以更精确地分解劳动份额变化的来源？扎根点：本文未引用任何任务模型文献（见第一节的“张力”部分）。
工具变量有效性的检验：本文使用家庭收入作为消费支出的 IV，使用投资品相对价格作为资本密集度的 IV。但这些 IV 的有效性依赖于强假设（如收入变化与偏好冲击无关、投资品价格变化对所有行业的影响相同）。能否使用更丰富的微观数据（如企业层面的要素价格）来构造更可信的 IV？扎根点：Section 3.2 和 Section 4.1 中的 IV 识别假设。
非位似偏好的异质性：本文假设所有家庭具有相同的非位似偏好参数 \( \epsilon_j \)，但现实中不同收入水平的家庭可能对同一商品的偏好弹性不同（例如，高收入家庭可能对医疗服务的偏好弹性更高）。能否估计更灵活的偏好函数（如半参数或非参数形式）？扎根点：Section 3.3 中的稳健性检验只考虑了线性形式。
劳动份额的跨国比较：本文只分析了美国，但其他发达经济体（如欧洲、日本）的劳动份额变动模式不同（例如，欧洲的劳动份额下降幅度较小）。能否将本文的框架应用于跨国数据，以检验消费侧和生产侧效应的相对重要性是否因国家而异？扎根点：结论部分提到“本文的框架可推广到其他国家”，但未给出具体分析。

Maintained by 陈星宇 · Homepage · Source on GitHub