工業機器人對省域制造業生產率的異質性影響

李丫丫，潘 安，彭永濤，楊文斌

(1.江蘇大學財經學院，江蘇 鎮江 212013；2.中南財經政法大學經濟學院,湖北 武漢 430073；3.江蘇大學管理學院，江蘇 鎮江 212013；4.Business School of University of Adelaide,SA5000)

根據國際機器人聯合會(IFR)統計，2014年中國進口工業機器人達到12萬臺，近五年平均增長率為36%，超越日本成為全球第一大機器人市場。目前，工業機器人在國際上廣泛應用到汽車、電子、機械、食品、醫藥、紡織等行業，中國工業機器人多應用于汽車與電子信息產業，對制造業生產率的提升起著重要作用。工業機器人從一定程度上促進了中國制造業生產率的提升已被少數學者關注與證實[1]，然而，鑒于省域制造業發展重點與方向不同，工業機器人應用情況不同，那么工業機器人應用是否對省域制造業生產率產生異質性影響？若回答是肯定的，存在異質性的原因又如何？本文基于相關理論與實證分析對上述問題進行回答，以期豐富制造業智能轉型理論，為制造業智能轉型實踐提供決策支持。

1 文獻綜述

現有關于制造業生產率提升的研究多關注于生產性服務業、FDI、出口、創新等方面對制造企業生產率提升的影響[2-4]。雖然已有研究視角不同，但實質上均肯定了技術進步對制造企業生產率提升的意義，如FDI的技術溢出效應、出口貿易的技術倒逼機制、創新驅動機制等[5]。工業機器人應用是智能制造背景下新的技術進步趨勢，智能制造為制造業轉型升級提供了新的方向與路徑。近年來相關研究興起，多強調理論層面的探討，結合智能技術應用的深入分析欠缺[6]。此外，現有關于制造業生產率的測算大多使用成熟的DEA數據包絡分析方法、隨機前沿分析(SFA)、柯布-道格拉斯生產函數(C-D)，尤其是DEA技術在計算制造業生產率方面應用較為廣泛[7]。然而，智能制造背景下，工業機器人應用這一新的技術進步趨勢對省域制造業生產率作用如何缺乏關注，即智能制造新趨勢下，針對制造業生產率提升的區域研究亟待解決。

機器人技術是現代科學交叉和綜合的體現，是戰略性新興產業技術，然而機器人核心技術與專利被跨國公司掌控，中國缺乏相應的知識產權保護戰略，工業機器人基礎薄弱[8-10]；少數學者實證考察了工業機器人與中國經濟發展的關系，肯定了工業機器人在制造業升級中的重要作用[11-12]；在勞動替代效應方面，學者認為中國極有可能出現機器人對人工的規模替代[13]。雖然少數學者嘗試從貿易角度考察工業機器人對制造業生產率的影響，然而仍然缺乏工業機器人對省域制造業生產率提升的異質性與系統性研究。

本文嘗試將現有工業機器人與制造業生產率關系的研究深入到省域層面，對現有研究進行以下幾個方面的拓展：①考慮工業機器人對省域制造企業生產率提升的區域異質性；②結合各省工業機器人應用現狀剖析影響效應存在差異性的原因；③提出智能制造背景下各省工業機器人應用影響制造業生產率提升的方向與路徑。

2 研究設計

2.1 模型設定

現有考察制造業生產率提升影響因素的實證研究中，模型設定主要包括FDI、研發、企業規模、生產性服務業貿易、出口等變量[14-17]。本文借鑒生產性服務業進口對中國制造業技術進步的實證模型[2]，設定工業機器人進口貿易影響中國制造業生產率的實證模型如下：

lntfpi,t=α0+α1lnrbi,t+α2lnfdii,t+α3lnrdi,t+α4lnrdpi,t+ui+λt+εi,t

(1)

其中，下標i和t分別表示第i個省份和第t年，tfp表示省域制造業生產的全要素生產率，rb是工業機器人省域應用量，fdi表示制造業外商直接投資金額，rd代表制造業研發支出，rdp表示制造業研發人員，個體固定效應ui用來控制不隨時間變化的個體異質性特征，時間固定效應λt用來控制不隨各省份變化的時間因素，ε是隨機誤差項。為了消除異方差的影響，將各變量取對數處理。

2.2 變量選取與說明

(1)被解釋變量：準確地測算出制造業生產率是本文能否得出無偏估計結果的關鍵。對此，本文考察的制造業生產率主要為全要素生產率，而其主要為衡量源于效率的改善、技術進步、規模效應的生產效率指標。目前關于全要素生產率的測算一般有兩種方法：一種是索羅余值法，另一種是數據包絡分析DEA非參數估計——CCR、BBC、Malmquist指數法。本文擬測算制造業的綜合生產效率，不區分技術進步、純技術效率以及規模效率變化，采用Malmqusit指數模型來測算制造業各產業的綜合生產效率。由于2008年及以后的《中國工業經濟統計年鑒》不再統計制造業的增加值數據，為了保證數據的可得性和一致性，本文選擇制造業的銷售總產值(億元)、固定資產凈值(億元)、省域制造業平均用工數(萬人)作為DEA方法所要求的產出和投入指標。其中，對工業銷售總產值以2005年為基期的工業生產者出廠價格指數進行調整，對固定資產凈值以2005年為基期的固定資產投資價格指數進行平減，樣本考察期間為2006—2015年。

(2)核心解釋變量：本文的核心解釋變量是工業機器人應用，由于數據的難獲得性，考慮到我國工業機器人70%以上依賴進口[18]，且主要應用領域集中在汽車制造與電子信息產業，因此本文假設各地區汽車制造業和電子信息工業中工業機器人的應用率相同，進一步以各省汽車制造業與電子信息制造業的份額為權數，把工業機器人進口量(價值總額)分配給各省，估計出各省工業機器人應用量(rb)。此外，根據《中國工業統計年鑒》的行業分類，各省汽車與電子信息制造業的份額的計算具體用各省交通設備制造業(2011年及以前并未細分統計汽車制造業)與計算機通信和其他電子設備制造業占全國中的比重表示。工業機器人在HS2002六位數編碼體系中，主要包括851531(電弧焊接機器人)、847950(多功能機器人)、851521(電阻焊接機器人)、851580(激光焊接機器人)。本文研究的工業機器人數據包括上述四大類六位數編碼商品，數據來源于聯合國貿發數據庫(UNCTAD)。

(3)主要控制變量：外商直接投資(fdi)，現有研究表明外商直接投資是技術溢出的重要途徑，為了分析fdi是否能促進省域制造業的生產率，本文使用當年行業實際使用的外商直接投資金額來分析fdi對省域制造業生產率的促進作用。研發資本投入(rd)與研發人員投入(rdp)，研發行為有利于提高行業的生產率及產品的差異性，我們采用細分制造業的研發經費內部支出與研發人員投入來衡量該因素。

2.3 數據來源

本文的樣本區間選取2006—2015年，涉及到各變量的數據主要選自2005—2016年《中國統計年鑒》《中國科技統計年鑒》、聯合國貿發數據庫、《中國工業經濟統計年鑒》以及各省統計年鑒，見表1。上述變量的描述性統計見表2。

表1 數據來源說明

表2 各變量的描述性統計

3 實證研究

3.1 結果分析

本文使用stata13.0對除西藏外30個省份的工業機器人對制造業全要素生產率提升效應進行面板回歸分析。首先根據方程(1)做全樣本分析，然后借鑒潘安[19]的區域劃分方法，將30個地區劃分為：東北(黑龍江、吉林、遼寧)、京津(北京、天津)、北部沿海(河北、山東)、東部沿海(江蘇、上海、浙江)、南部沿海(福建、廣東、海南)、中部(山西、河南、安徽、湖北、湖南、江西)、西北(內蒙古、陜西、寧夏、甘肅、青海、新疆)和西南(四川、重慶、廣西、云南、貴州)8個區域，進一步做分樣本面板回歸，以便于分析各區域工業機器人應用的生產率提升效應的差異化特征。為了消除模型可能存在的異方差和序列相問題，在stata13.0中采用廣義最小二乘法(GLS)進行面板數據的多元線性回歸，上述回歸模型的系數估計結果見表3。

表3 工業機器人對省域制造業生產率提升的實證結果

注：括號內為該系數統計量Z值，***、**、*分別表示在1%、5%、10% 水平上顯著。

首先，模型的核心解釋變量回歸結果顯示：從全樣本看，工業機器人應用對省域制造業全要素生產率提升具有顯著促進作用(lnrb系數顯著為正)。從區域分樣本來看，京津地區工業機器人應用對制造業生產率提升作用最為顯著(lnrb系數為0.921)；其次是南部沿海區域(lnrb系數為0.325)；北部沿海(lnrb系數為0.234)和東部沿海地區(lnrb系數為0.156)工業機器人應用的生產率提升作用也較顯著；中部區域(lnrb系數為0.103)和西南區域(lnrb系數為0.053)工業機器人應用也在一定程度上促進了制造業生產率的提升；然而，東北地區與西北地區的回歸結果未通過顯著性檢驗，這意味著東北與西北地區的工業機器人應用對制造業的全要素生產率提升尚不存在顯著影響。

其次，模型的控制變量回歸結果顯示：制造業利用外資(lnfdi系數)對行業全要素生產率的作用不顯著甚至為負(全樣本、東部沿海、北部沿海、西北地區的回歸結果均不顯著；其他區域顯示出負影響)，這意味著隨著我國利用外資結構的調整，傳統外資對制造業生產率的提升作用越來越不明顯，這與蔣樟生的研究結論存在一致性[20]。此外，全樣本的研發資本投入回歸系數顯著為正，研發人員投入并未通過顯著性檢驗。總體來看，制造業研發資本投入對全要素生產率提升具有積極作用。然而，從分區域樣本來看存在差異性。例如北部沿海的研發人員投入對制造業生產率提升具有促進作用(lnrb系數為0.818)，而南部沿海研發資本投入作用為正，人員投入的影響卻為負。結果的差異性也意味著，制造業研發投入并未與工業機器人應用形成協同效應，針對工業機器人技術的吸收能力與學習能力尚欠缺。

最后，各省級區域間的制造業基礎不同，使得工業機器人發展及應用的軟環境存在差異，導致對制造業生產率的提升效果存在異質性。例如，京津地區擁有得天獨厚的汽車與電子信息產業基礎以及一批優秀的制造業企業，如北京的現代汽車、北汽集團、中關村電子產業集聚區；機器人的配套產業鏈也比較完善，工業機器人應用lnrb值均在17以上。東部沿海的江蘇、上海、浙江是目前產業規模最大的機器人產業集聚區。瑞士ABB、日本發那科、德國庫卡機器人均已在上海落戶，新時達、沃迪等本地系統集成商初具規模，重點培育了浦東機器人基地、昆山高新區機器人產業園、常州武進智能裝備園等，且東部沿海地區制造業基礎較好，具有很好的應用空間，上海與江蘇的工業機器人應用lnrb值均在18以上。廣東省工業機器人應用均值在19以上。相對而言，東北區域雖然擁有新松、哈爾濱博實自動化等知名的機器人企業，然而由于傳統老工業基地的轉型尚未成功，工業機器人缺乏相應的產業應用基礎與軟環境配套，導致其對制造業生產率的提升作用不顯著；西北地區工業機器人應用的軟環境不夠開放，尚未形成規模化的機器人產業集聚區，工業機器人應用lnrb值均為12.8，技術與產業的協同配套作用較差，故工業機器人應用尚未成為制造業生產率提升的重要原因。

3.2 穩健性檢驗

為了檢驗前文回歸估計結果的可靠性，本文以工業機器人應用臺數作為工業機器人應用價值總量的替代變量做進一步的穩健性分析，所得結果與表3結果基本一致，驗證了回歸結果的穩健性，見表4。需要說明的是，東北地區在穩健性回歸中結果顯示，工業機器人應用對制造業生產率提升具有積極影響(lnrb系數為0.095)，與前文結果的不同說明從工業機器人應用數量來看，東北地區具有一定優勢，然而工業機器人應用結構和質量與京津、南部沿海等地尚具有一定差異。

表4 工業機器人對省域制造業生產率提升的穩健性檢驗

注：括號內為該系數統計量Z值，***、**、*分別表示在1%、5%、10% 水平上顯著。

基于對上述通過顯著性檢驗省份以及未通過顯著性檢驗省份與區域的對比分析，進一步闡釋工業機器人對各省制造業全要素生產率存在異質性影響的原因，總結如下：①上海、天津、湖北、浙江等省的汽車制造業等運輸設備、高端裝備制造業、電子通信產業在省域制造業占據著重要地位，工業機器人應用較多，因此促進了制造業生產率的提升。各省份制造業發展方向與重點不同，導致工業機器人對省域制造業生產率提升的效果存在差異性。②工業機器人應用需要配套產業鏈的支持才能得到更好的提升效果，各省域機器人產業發展現狀不同，導致制造業所使用的工業機器人產業配套鏈狀況不同，上海、山東、江蘇這些省份的機器人產業已經發展到一定高度，與工業機器人相關的配套產業鏈相對于其他省份更為完善，因此工業機器人對這些省份制造業生產率的提升效果更為明顯。省域工業機器人產業鏈的差異性導致省域生產率提升的異質性。③各省域的研發人員、外商直接投資、研發資金投入不同，形成了省域間對工業機器人技術吸收能力的差異性，而工業機器人對生產率提升的效果有很大一部分是技術溢出效應實現的，技術溢出需要技術吸收能力的調節，目前少數區域研發人員與工業機器人應用產生的協同效應，這也是未來各省需要積極推進的方向。

4 結論與政策啟示

本文研究結論表明：①京津、南部沿海、北部沿海與東部沿海10省工業機器人應用對制造業全要素生產率的提升影響最為顯著，中部、西南沿海11省存在較為顯著的影響，東北、西北區域9省工業機器人應用對制造業全要素生產率提升尚不存在顯著影響，區域異質性特征明顯；②究其原因，工業機器人大多應用在汽車制造業與電子信息產業，各省份制造業發展方向與重點的不同導致工業機器人對省域制造業生產率提升的效果存在差異性，省域間對工業機器人技術吸收能力的差異性進一步導致對制造業生產率提升作用的異質性。

上述實證研究為省域制造業生產率提升及智能轉型升級管理提供了有益的啟示：①依托各省域制造業不同的發展重點與產業優勢，積極拓寬工業機器人應用領域，積極拓寬工業機器人在食品、醫藥等傳統制造業中的應用。例如：東部各省汽車制造業都在制造業占據重要的地位，可適當提高對汽車制造類工業機器人的應用，而云南省則可依據本省醫藥制造業的優勢，積極促進醫藥制造類工業機器人的應用，最大程度發揮工業機器人對省域制造業生產率的提升作用。②提高各省工業機器人技術的吸收能力，鼓勵產學研合作，提高研發人員與資本投入力度。各省在提高工業機器人應用力度的同時，需要多渠道加強自身的技術吸收能力，發揮產學研合作的協同創新優勢，積極吸引相關技術人才與資金的投入。③積極發展各省工業機器人產業，延伸工業機器人配套產業鏈，努力實現核心技術的自主突破，實現“進口中學”與“應用中學”，實現各省工業機器人對傳統制造業的革命性升級。

[1]李丫丫,潘安.工業機器人進口對中國制造業生產率提升的機理及實證研究[J].世界經濟研究，2017(3)：87-96.

[2]陳啟斐,劉志彪.生產性服務進口對我國制造業技術進步的實證分析[J].數量經濟技術經濟研究,2014,31(3):74-88.

[3]高凌云,王洛林.進口貿易與工業行業全要素生產率[J].經濟學(季刊),2010(2):391-414.

[4]向小東,陳麗芬.制造業技術創新效率評價模型及其應用研究[J].運籌與管理,2016,25(1):215-223.

[5]楊汝岱.中國制造業企業全要素生產率研究[J].經濟研究,2015(2):61-74.

[6]賈根良.迎接第三次工業革命的關鍵在于發展模式的革命——我國光伏產業和機器人產業的案例研究與反思[J].經濟理論與經濟管理,2013(5):13-22.

[7]李健英,慕羊.基于DEA 方法的我國上市企業創新績效研究[J].科學學與科學技術管理，2015，36(2)：111-121.

[8]LECHEVALIER S，NISHIMURA J，STORZ C.Diversity in patterns of industry evolution：how an intrapreneurial regime contributed to the emergence of the service robot industry[J].Research policy，2014，43(10)：1716-1729.

[9]YUN J J，WON D，JEONG E，et al.The relationship between technology，business model，and market in autonomous car and intelligent robot industries[J].Technological forecasting and social change,2016，103：142-155.

[10]王友發,周獻中.基于專利地圖的機器人產業知識產權發展對策[J].中國科技論壇,2015(9):31-37.

[11]董桂才.中國工業機器人在全球價值鏈的地位及變化趨勢[J].中國科技論壇,2016(3):49-54.

[12]董桂才,王鳴霞.全球價值鏈嵌入對我國本土工業機器人技術進步的影響[J].科技進步與對策,2017(04):78-83.

[13]馬嵐.中國會出現機器人對人工的規模替代嗎——基于日韓經驗的實證研究[J].世界經濟研究,2015(10):71-79.

[14]孫少勤,邱斌.全球生產網絡條件下FDI的技術溢出渠道研究——基于中國制造業行業面板數據的經驗分析[J].南開經濟研究,2011(4):50-66.

[15]孫曉華,王昀,鄭輝.R&D影響全要素生產率的行業異質性——來自中國制造業的經驗證據[J].管理工程學報,2014(3):33-41.

[16]邱愛蓮,崔日明,徐曉龍.生產性服務貿易對中國制造業全要素生產率提升的影響:機理及實證研究——基于價值鏈規模經濟效應角度[J].國際貿易問題,2014(6):71-80.

[17]張杰,李勇,劉志彪.出口促進中國企業生產率提高嗎?——來自中國本土制造業企業的經驗證據:1999—2003[J].管理世界,2009(12):11-26.

[18]呂鐵,李瑋.機器人產業的發展將優化供給結構[J].中國黨政干部論壇,2016(4):62-65.

[19]潘安.對外貿易、區域間貿易與碳排放轉移——基于中國地區投入產出表的研究[J].財經研究,2017,43(11):57-69.

[20]蔣樟生.制造業FDI行業內和行業間溢出對全要素生產率變動的影響[J].經濟理論與經濟管理,2017(2):78-87.