第2周行业和学术资讯推送

发表于： 分类于：
字数： 2111 阅读：≈ 5分钟 浏览：

本周行业资讯

  • 【重磅推荐】《Anthropic｜Labor market impacts of AI: A new measure and early evidence》： https://cdn.sanity.io/files/4zrzovbb/website/dc7bcd0224644fce97cecb7f9e68dcd8434b35f1.pdf

    导读

    这篇报告由全球大模型三巨头企业之一的Anthropic发布。该报告构造了一项针对AI冲击各行各业的“观测暴露度（observed exposure）”指标，评估AI对劳动力市场的影响。有三组重要发现值得注意：

    （1）AI的实际任务覆盖率远低于理论上限。例如计算机与数学类职业的理论覆盖率高达94%，但实际仅为33%，说明从技术潜力到落地部署之间存在巨大鸿沟；

    （2）暴露度最高的职业包括程序员（74.5%）、客服代表（70.1%）和数据录入员（67.1%），且高暴露群体整体呈现学历更高、收入更高、女性占比更大的特征；

    （3）基于当前人口调查（CPS）数据的分析显示，高暴露职业的失业率并未出现显著上升，但22至25岁年轻人进入这些岗位的比率下降了约14%。

  • 《国家货币基金组织｜新技能和人工智能正在重塑未来的工作》： https://www.imf.org/zh/blogs/articles/2026/01/14/new-skills-and-ai-are-reshaping-the-future-of-work

特别推荐

本周学术资讯

  • Fogli, A., Guerrieri, V., Ponder, M., & Prato, M. (2026). The end of the American dream? Inequality and segregation in US cities. The Journal of Political Economy, 739328. https://doi.org/10.1086/739328

    导读

    富人与穷人的居住隔离，究竟是如何一步步摧毁“美国梦”，并加剧社会不平等的？这篇论文利用1980至2010年间美国人口普查的普查区家庭收入大样本数据，构建了一般均衡世代交叠模型。研究发现，社区教育的局部溢出效应在打破代际流动性和固化阶层中起到了致命的放大作用。研究指出，当技能偏向型技术变革拉大劳动力市场的工资差距时，富裕且拥有高天赋子女的父母会不惜支付更高租金，竞相搬入教育溢出效应更强的优质社区，导致该区域住房成本飙升并推高了按收入划分的居住隔离程度。这种空间维度的物理隔离不仅让富人子弟长期垄断优质资源，也迫使低收入但具有高天赋的家庭被挤出。

  • vom Berge, P. (2026). Stretched thin: asking too much of an establishment survey. Journal for Labour Market Research, 60(1). https://doi.org/10.1186/s12651-026-00425-5

    导读

    强行将宏观维度的调查问卷数据，用于微观层面的实证研究，会导致怎样灾难性的科学误判？这篇论文将2012至2020年间著名的德国IAB企业面板调查数据，与包含数百万家企业的国家行政全样本基准数据进行严苛对比，通过固定效应模型和一阶差分回归，深入评估了调查数据下沉使用时的可靠性。研究发现，如果将原本仅针对州或大行业层面进行抽样和加权设计的调查数据，强行借用于区县或精细行业级别的指标近似，会产生极其巨大的误差，尤其是在测量变量的年度动态变动时，这种近似误差会呈几何级数放大。更有破坏性的是，将这些充满巨大噪声的聚合数据直接投入典型的计量经济学回归中，会引发极其严重的衰减偏误，得出完全错误的结论。

  • Lee, J., & Li, Y. (2026). A machine learning approach to preferential attachment and status advantage in a hip-hop collaboration network. Sociological Methods & Research. Advance online publication. https://doi.org/10.1177/00491241261420812

    导读

    在缺乏官方排名的文化产业中，音乐人如何通过“客串”合作来攀登阶层阶梯并获取商业成功？这篇论文利用韩国近四千名嘻哈艺人的数万首歌曲数据，结合一档知名电视说唱节目的历史档案，采用随机森林机器学习算法与广义加性模型，深入剖析了庞大合作网络中的地位流动。研究巧妙预测整个嘻哈网络中隐含的“向上攀附”与“向下提携”的隐性地位关系，发现发布合作歌曲确实能让艺人的受众点赞量实现翻倍的激增。有趣的是，合作带来的丰厚回报与双方的相对地位差异呈现出极为显著的U型关系。这意味着音乐人不仅能通过傍身高地位前辈来传递优质信号，甚至在打破常规、提携毫无名气的底层新人时，也能凭借制造悬念斩获巨大的流量红利，唯独与自身地位完全相似的同行合作时收益最差。

  • Bukari, C. (2026). When it rains, it pours: On the spillover effects of corruption on firms’ tax evasion. World Development, 203(107373), 107373. https://doi.org/10.1016/j.worlddev.2026.107373

    导读

    为什么政府机构的索贿行为，会直接逼迫原本合规的企业走上逃税的不归路？这篇论文利用世界银行2008至2014年间针对撒哈拉以南非洲17个国家近万家企业的大规模调查数据，采用工具变量两阶段最小二乘法等多种因果识别策略，揭示了腐败对企业纳税行为的隐秘破坏力。研究挑战了传统欧洲中心主义认为非税务部门腐败与逃税无关的固有观点，发现在非洲不仅税务官员的索贿会直接推高逃税率，企业在申请营业执照或争夺政府采购合同时遭遇的外部体制性索贿，同样会对逃税行为产生极大的溢出效应。中介机制分析揭示了这背后的残酷逻辑：企业为应付繁文缛节而支付的灰色贿赂，严重榨干了其维系生存与发展的营运资金，为了在资金短缺的绝境中活下去并保住雇员，企业被迫采取极端的财务自保措施，选择向税务机关隐瞒巨额销售收入。

  • Luetke, M., Svallfors, S., & Boyle, E. H. (2026). Measuring the impact of armed conflict on population health: A guide for researchers. Population and Development Review. Advance online publication. https://doi.org/10.1111/padr.70047

    导读

    在研究武装冲突对平民健康的真实破坏时，稍有不慎的时空数据处理是如何让科学结论南辕北辙的？这篇论文结合全球权威的UCDP武装冲突事件数据库与尼日利亚人口与健康微观调查（DHS）中数万名妇女的避孕数据，深刻剖析了冲突实证研究中的方法论陷阱。研究指出，受战区危险、通讯中断及各方政治博弈影响，冲突数据库天生带有极强的时空模糊性与报告偏误。如果研究者盲目匹配微观健康数据，将触发严重的空间错误分类。