【Python】C 刊复现!AI让大伙赚得更多,但女性为什么更难受益?

原文简介

本项目围绕人工智能发展、性别工资差距与职业教育失配的关系展开复现分析，研究对象为国家—年份—性别—职业层面的面板数据。样本覆盖 27 个国家、2011—2019 年、两类性别群体及 1—9 类职业，核心变量包括工资水平、人工智能发展水平、性别虚拟变量、职业教育失配变量、人口特征控制变量、宏观经济控制变量，以及国家、职业和年份固定效应。

参考文献：李苹,张兵.人工智能发展与性别工资差距——基于职业教育失配的视角[J/OL].软科学,1-16[2026-05-21].

项目主要回答三个问题：

1. 1. 人工智能发展是否显著影响劳动者工资水平；
2. 2. 人工智能对男性和女性工资的影响是否存在差异；
3. 3. 职业教育失配是否会改变人工智能对工资及性别工资差距的影响。

研究采用“多源数据清洗合并—职业教育失配指标构造—固定效应回归”的分析框架。结果显示，人工智能发展与工资水平提升显著相关；男性工资水平整体高于女性；人工智能与性别的直接交互效应并不稳健；职业教育失配会削弱人工智能对工资的正向影响，并可能进一步影响不同性别劳动者获得技术红利的程度。

代码思路

项目代码主要包括两个 Python 文件：

整体流程如下：

1. 1. 读取多源数据数据来源包括人工智能、工资、就业、教育、人口、婚姻状态、实际 GDP 和贸易开放度等文件。
2. 2. 统一基础字段对国家名称、年份、性别和职业编码进行标准化处理，避免不同数据源之间因命名不一致导致合并失败。
3. 3. 构造工资变量保留男性和女性样本，并提取 1—9 类职业编码。工资变量采用本地货币工资的对数形式：ln_wage_local。该设定属于近似复现，若后续获得 2017 PPP 调整后的工资数据，可替换为 ln_wage_ppp。
4. 4. 构造人工智能变量人工智能变量来自 AI.csv，代码保留国家总体口径，即 industrycode == "000"。主回归采用人工智能存量指标 op_stock，并构造：ln_ai_1p = ln(op_stock + 1)。
5. 5. 构造职业教育失配变量职业教育失配变量 overmatch 根据职业类别和教育水平重新构造：

随后，代码按国家、年份、性别和职业分组加总过度匹配人数，并生成对数变量 ln_overmatch_1p。

1. 6. 合并面板数据代码以工资数据为主表，依次合并职业教育失配、人工智能、GDP、贸易开放度、人口、教育结构和婚姻状态数据，最终生成 panel_table3_step.csv。

1. 7. 设定回归模型被解释变量为 ln_wage_local。核心解释变量包括人工智能发展、性别、职业教育失配及其交互项。模型控制国家、职业和年份固定效应，并使用国家—职业层面的聚类稳健标准误。

核心代码展示

# 表 3 核心解释变量core_rhs = (    "ln_ai_1p + sex_dummy + ai_x_sex + "    "ln_overmatch_1p + ai_x_overmatch + ai_x_overmatch_x_sex")# 固定效应fe_rhs = "C(country) + C(occ_code) + C(year)"# 人口特征控制变量pop_rhs = "ln_pop + ln_lessbasic + ln_basic + ln_mediate + ln_advance + ln_married"# 宏观控制变量macro_rhs = "ln_rgdp + ptrade"# 三组回归模型formula_1 = f"ln_wage_local ~ {core_rhs} + {pop_rhs} + {fe_rhs}"formula_2 = f"ln_wage_local ~ {core_rhs} + {macro_rhs} + {fe_rhs}"formula_3 = f"ln_wage_local ~ {core_rhs} + {macro_rhs} + {pop_rhs} + {fe_rhs}"# 国家—职业层面的聚类稳健标准误df["cluster_id"] = df["country"].astype(str) + "___" + df["occ_code"].astype(str)res = model.fit(    cov_type="cluster",    cov_kwds={"groups": data["cluster_id"]})