早期心理健康教育与初中儿童行为发展
作者：吴莞生、吴贾、漆萍
内容提要：儿童行为健康发展对其未来人力资本积累影响深远，而心理健康教育对儿童健康行为的塑造具有重要意义。本文使用中国教育追踪调查数据，以儿童行为具有较强的可塑性为出发点，研究了早期心理健康教育对初中儿童外化问题行为的影响。在解决了早期心理健康教育的内生性问题后，研究发现早期心理健康教育显著减少了儿童外化问题行为，且该影响主要存在于男孩、农村户籍和来自财政拨款占比高学校的儿童。机制分析表明，儿童负面情绪的改善和学校适应性的增强是重要的影响渠道。进一步分析发现，早期心理健康教育虽然可以显著增加儿童的亲社会行为，但是难以显著提升其学业成绩。本文结论为将心理健康教育融入教育政策以促进儿童行为健康发展提供了实证依据。
关键词：早期心理健康教育、初中儿童、外化问题行为
企业会与员工共享发展成果吗?——来自机器学习的经验证据
作者：张晨、万相昱、姬小曼、徐超
内容提要：租金分享理论认为，不完全竞争市场中的员工工资由保留工资和凭借议价能力共享的部分企业租金组成，后者则是共享发展成果的重要体现。基于中国规模以上工业企业样本，利用去偏差/双重机器学习模型进行实证分析，本文发现企业与员工间的共享发展关系显著存在：生产租金增长1倍时，人均工资增长约3.7～4.1个百分点，这一结论具有稳健性。从议价能力角度进行机制检验发现，企业规模、资本密集度、存货和出口所代表的议价能力显著影响共享发展行为。异质性分析发现，共享发展是决定企业间工资差距的重要因素，同时引致工资存在下降刚性与增长天花板。为了解决潜在内生性问题，同时探究企业面临未预期收益时是否依然愿意与员工共享发展成果，本文以2004年增值税转型改革和2008年两税合并为准自然实验，发现资本偏向型增值税优惠显著降低了员工工资增速，而非要素偏向型所得税优惠既能激励企业扩大投资规模，又能兼顾员工福利，真正实现了共享和共赢。
关键词：共享发展、租金分享、税收优惠、机器学习
工业机器人应用如何影响年轻人婚育行为？
作者：徐刚、韩林松、王睿霆、李磊
内容提要：现有研究聚焦于工业机器人应用对劳动力市场的影响，而相对忽略了其他社会经济后果。本文将自动化技术引入家庭集体模型，理论分析了自动化技术应用通过缩小性别工资差距，降低女性的结婚和生育意愿的机制。基于国际机器人联盟数据和人口普查以及人口抽样调查数据，本文实证发现，工业机器人应用显著提高了年轻人的结婚年龄和离婚率，但减少了生育子女数量。这一结论在控制贸易的影响、更换样本等稳健检验下均成立。机制分析表明，工业机器人应用相对提高了女性的劳动参与率和工资收入，同时增加了子女养育成本。进一步分析发现，随着女性相对经济地位提升，工业机器人应用对女孩出生率的负面影响更小，因此有助于缓解中国长期以来的性别失衡现象。在产业智能化和人口负增长的双重背景下，本文提出，推动职业教育高质量发展和增强就业灵活性，能够有效缓解工业机器人应用对婚育行为的负面影响。
关键词：机器人渗透度、性别收入差异、生育率、离婚率
机器人应用与区域劳动力市场：基于动态面板模型的研究
作者：赵曼
内容提要：机器人等人工智能技术正深刻影响着中国劳动力市场，有效识别机器人应用的就业效应在当前中国稳就业任务更加艰巨的背景下尤为重要。本文基于联合国贸易数据库的中国机器人进口数据建立动态面板回归模型，研究机器人应用对中国区域劳动力市场的影响及机制。实证结果发现，机器人应用显著促进中国制造业的就业，机器人应用水平每提高1%,制造业就业增加0.05%;机器人应用对东中部地区、低人力资本水平地区和高机器人密度地区就业的促进作用更强。机制分析表明，机器人应用主要通过产出效应和促进产业转型升级而对就业产生正向促进作用。基于研究发现，本文提出了促进人工智能产业发展及缓解就业压力的政策建议。
关键词：机器人应用、区域劳动力市场、空间效应、动态面板模型
就业监测体系构建与宏观调控：基于国际比较视角
作者：张翕
内容提要：随着中国经济从高速增长阶段转向高质量发展阶段，实现高质量充分就业逐渐成为经济发展优先目标，宏观调控关联就业指标的必要性也日益凸显。完备的就业监测体系是促进就业和优化宏观调控的前提。本文基于对发达国家经验的分析和比较，讨论了中国就业监测体系建设的重点领域，以及宏观调控机制的改革方向。本文认为，中国需进一步完善全国劳动力调查制度，建立包含农村劳动力和乡城流动劳动力利用信息的全国调查失业率，并补充劳动参与率、就业总人数等指标；统计部门应将现有劳动工资统计报表制度发展为更加综合、频次更高的单位调查，定期发布非农就业人数、岗位空缺数和平均工资水平；此外还要对发布的数据进行季节调整，加强微观数据和技术文件公开。依托就业监测体系，中国应逐步引入“就业锚”机制，使就业指标成为宏观调控的重要瞄准目标，从而实现稳就业、稳预期、惠民生。
关键词：就业监测、宏观调控、就业锚、国际比较
