研究分析
樣本分析 ~描述性分析~
■GNI
使用GNI 分為已開發國家，高的新興國家，低的新興國家、開發中国家的種類.
1. 開發中國家：人均國民總收入低於1,135美元
2. 低的新興國家：人均國民總收入超過1,136美元以上，低於4,465美元
3. 高的新興國家：人均國民總收入超過4,466美元以上，低於13,845美元
4. 已開發國家：人均國民總收入 13,846美元以上
樣本 ： 國家(各國家發展程度) 161個國家
分類1的開發中國家有21個國家。 分類2的低的新興國家有49個國家。
分類3的高的新興國家有41個國家。 分類4的已開發國家有50個國家。
分類1佔全體的13.0%，這是最少數的組別。
分類2佔全體的30.4%。分類3佔全體的25.5%。
分類4佔全體的31.1%。這是最多的組別。
■AI導入
Total score
[Total score Pillars]
-
Government
-
Technology Sector
-
Data and Infrastructure
這個表格顯示了AI導入的總體分數以及三個主要領域
（政府、技術部門、數據和基礎設施）的平均值和標準偏差。
從數據和基礎設施領域可以看出，AI導入最為先進。
技術部門在AI導入方面最為遲緩。
在政府領域，AI導入的差異較大，評估存在地域差異。
整體而言，可以掌握各領域AI導入的進展狀況及其評估的差異。
■就業
對不同產業的影響按照國家的水准分為工作的增减、雇傭人數的變化進行研究。
研究分析 ~One-way ANOVA~
（H1）國家的經濟產業發展越先進（developed）, AI投入（準備度）愈高。
ANOVA
P值小於0.001表明GNI類別（1-4）中
AI發展score的平均值存在統計上的顯著差異。
也就是說，根據GNI類別的不同，AI發展score也有不同的傾向。
描述分析
GNI越高（1→4），AI發展score的平均值越高。
這個傾向，暗示著GNI越高的國家AI科技發展的事。
低收入國家（GNI類別1）：平均26.502
＜
高收入國家（GNI類別4）：平均64.762
事後檢定
group 1 vs group 2, 3, 4: p < 0.001
→group 1與group 2 ~ 4之間有顯著差異。
group 2 vs group 3, 4: p < 0.001
→ group 2與group 3, 4之間有顯著差異。
group 3 vs group 4: p < 0.001
→ group 3與group 4之間有顯著差異。
所有組別之間均存在顯著差異。特別是，group 1（低收入國家）與group 4（高收入國家）之間的平均值差異（-38.260）最大，這強烈說明GNI的差異對AI發展具有顯著的影響。
結果
研究結果顯示，國家的經濟富裕程度（以GNI分類衡量）與AI發展水準之間存在顯著關係。GNI越高，AI發展分數越高，經濟上的富裕是促進AI技術發展的重要因素。特別是高收入國家，其AI發展水準顯著高於低收入國家，反映出經濟水平對AI發展的巨大影響。此外，低收入國家（GNI分類1）的AI發展分數較低且穩定，而高收入國家（GNI分類4）雖然分數較高，但數據波動性較大，顯示出其發展的多樣性。整體上，隨著GNI類別的上升，AI發展分數呈線性增長趨勢，但地區和經濟的不均衡依然明顯，低收入國家在AI領域亟需更多支持與投資。
（H2）國家的經濟發展越先進，對就業、勞動參與率、產業的影響越正向。
失業率（Unemployment）
・2021年的失業率
開發中國家（group 1）和已開發國家（group 4）的失業率最低，而且有顯著差異（p < 0.001）。這說明經濟發展程度較高的國家，就業機會比較穩定。
・失業率變化率（Change Rate）
group 4的失業率是唯一下降的（-1.446），其他組都保持上升。這可能是因為發達國家使用AI技術和政策來降低失業率。
勞動參與率（Labor Force Participation Rate）
・2021年的勞動參與率
開發中國家（group 1）的勞動參與率最高（63.514，p < 0.05）。這可能是因為這些國家仍依賴農業等傳統行業吸收勞動力。
・勞動參與率變化率（Change Rate）
group 4的勞動參與率稍有增加（+0.070），而其他組則呈下降趨勢。這可能反映了AI技術提高了勞動市場的效率。
・服務業（2021）
隨著組別的發展程度提高，服務業就業率越高（group 1 : 31.990 → group 4 : 72.821，p < 0.001）。AI技術和數字經濟促進了服務業的增長。
・工業（2021）
工業就業率在group 1最低（10.404，p < 0.001），group 4最高（23.180）。但長期來看，AI技術可能減少工業的勞動需求。
・農業（2021）
農業就業率在group 1最高（57.606，p < 0.001），而在group 4最低（3.999）。這是因為農業機械化提高了效率，降低了對人力的需求。
・服務業（Change rate）
所有組別的服務業就業率都有增加，尤其是group 2（+2.273）和group 1（+2.038）。這表明服務業在AI技術的幫助下持續成長。
・工業（Change rate）
group 1的工業就業率增加最多（+0.686，p < 0.01），表明工業化在低收入國家創造了更多就業機會。
・農業（Change rate）
所有組別的農業就業率都在下降，特別是group 1（-2.724，p < 0.001）。這反映了農業機械化和效率提高帶來的影響。
2021
change rate
結果
經濟越發達的國家，服務業和工業吸收的勞動力越多，農業吸收的勞動力越少。
AI技術的發展對已開發國家的服務業和工業的就業有明顯幫助。
隨著勞動市場結構改變，農業在吸收勞動力方面的作用逐漸減少。
這些結果說明，各國需要根據自身的經濟發展階段，制定AI相關政策和勞動市場支持措施。
（H3）AI投入（準備度）越高，對就業、勞動參與率、產業的影響越正向。
【2021結果】
AI 發展初期 技術變革帶來短期適應問題，失業率有一點上升，勞動參與率也有一點下降。
AI 發展成熟階段 隨著 AI 技術普及，其他行業（如服務業）創造了更多工作機會，失業率下降。勞動者接受教育和技能培訓後重新參與市場，勞動參與率提升。
勞動市場隨著AI的發展經歷了結構性變化，勞動者需要適應新的技能需求以及行業轉變。
【change rate 結果】
失業率下降與勞動參與率增加表明AI的發展對勞動市場有積極影響。其中，服務業受AI影響最為顯著，就業持續增加。
工業在AI初期階段就業增加，可是高級AI技術的應用可能導致勞動需求減少。農業則呈現一致的就業減少趨勢。
2021
結論
change rate
(1)經濟發展程度越高的國家，AI發展準備度越高。
這不僅反映在技術層面，也顯示了資金和基礎設施的投入能力。
(2)AI的技術導入，對於勞動市場產生正向的影響。
（2-a）AI在服務業中創造更多就業機會，尤其是在已開發國家，其服務業就業率最高，勞動參與率也有明顯改善。
對於經濟發展程度較低、AI技術應用較少的國家，AI導入初期可能對勞動市場造成短期負面影響，例如失業率上升，特別是在工業和農業領域，因AI化降低了勞動需求。
（2-b）服務業受AI技術的推動呈現顯著增長，勞動參與率也隨之提高，反映出AI技術成熟後對服務業的正向貢獻。
相較之下，工業和農業的勞動需求隨著AI技術進步逐漸下降，特別是在工業中，勞動力被高級AI化技術所取代，而農業則因機械化推廣就業率顯著降低。
高收入國家能更有效地應用AI技術以優化經濟結構和穩定就業市場。低收入國家則需要更多政策支持與投資，提升AI技術的應用能力，實現經濟平衡發展。