工業機器人對制造業勞動力就業的結構性影響與地區差異

韓民春 喬 剛

一 引言及文獻綜述

李克強總理在2019年政府工作報告中提到，就業是民生之本、財富之源，就業優先政策要全面發力；同時指出，中國就業壓力總量不減，結構矛盾凸顯。這是我國中央政府首次將就業優先放在宏觀政策層面，強調了就業的重要性。另一方面，隨著人口老齡化問題的日益突出，勞動力短缺和勞動力成本上升已成為當前社會關注的焦點，“用工荒”與“就業難”問題并存。發達經濟體制造業的回流，使中國企業發展面臨國內外雙重壓力。在這個大背景下，企業實行“機器換人”是提高生產率和競爭力的有效手段。2015年中國國務院頒布了《中國制造2025》戰略，在政策引導及制造業企業自身成長需求推動下，中國工業機器人產業近些年呈現出爆發式增長特征。國際機器人聯合會(IFR)的數據顯示，2011-2017年，中國工業機器人年銷售量從2.3萬臺增長到13.7萬臺，年平均增速為37.1%。2013年中國成為世界第一大機器人產銷國。中國工業機器人銷售量增速較快，但機器人密度(每萬名工人擁有的機器人數量)還處于較低水平，與日韓等國家差距明顯。中國作為全球最大的機器人需求市場，機器人產業蘊含著巨大的發展潛力。考慮到中國區域間發展不平衡的事實，工業機器人在各地區的應用程度差異較大，準確揭示出工業機器人對制造業就業總量和結構的深刻影響，對于中國經濟實現高質量發展具有十分重要的意義。

關于工業機器人對就業的影響有兩個值得特別重視的效應：一是“破壞效應”。馬嵐(2015)[1]根據日韓工業機器人發展歷史探討了決定一國工業機器人普及的社會經濟因素，分析當前中國經濟社會和制造業發展狀況，發現中國很可能出現機器人規模化替代人工。Acemoglu和Restrepo(2017)[2]分析了1990-2007年間工業機器人使用量增加對美國當地勞動力市場的影響，發現機器人使用量增加可能會減少就業和工資,具體表現為千人擁有的機器人每增加1臺，就業人口比將減少0.18～0.34個百分點，工資將減少0.25～0.5個百分點。在智能化主導的經濟體制中，除了人類能生產價值外，機器人也能發揮相同的作用，從而“機器換人”導致部分工人失業和工資下降(Sachs et al.，2015[3]；Benzell et al.，2015[4])。二是“補償效應”。Autor(2015)[5]指出在過去的幾十年里，自動化既替代了勞動力，同時也補充了勞動力，媒體的某些評論往往夸大機器對人類勞動的替代程度，而忽視自動化與勞動之間的強大互補性。Berg et al.(2018)[6]指出工業機器人的應用會提高勞動生產率，部分崗位會出現對勞動力需求的增加，同時也能創造出新的就業崗位。從短期看可能會出現對勞動力的替代以及導致社會的不平等現象，但從長期看，工業機器人的應用提高經濟發展水平，帶來經濟的繁榮和人們生活的改善。而且目前的機器人智能化程度還不夠，在一些非標準化生產過程中，人類占據絕對優勢。此外，一些高危、高精度或不適合人類工作的空白領域，需要機器人的填補，這在本質上不會對勞動力產生替代(Gorle和Clive，2013[7]；周文斌，2017[8])。也有學者主要從勞動力技能結構角度考慮，機器人的使用會促進一國勞動力結構轉型升級，即促進中、高技能勞動力就業，抑制低技能勞動力就業(Graetz和Michaels，2018[9]；程虹等，2018[10])。

綜合而言，有關發達國家工業機器人使用量對就業影響的研究較為多樣，但對像中國這樣人口眾多的發展中國家的研究還較為匱乏(曹靜和周亞林，2018)[11]。現有研究多關注技術進步或有偏技術進步對就業的影響，較少從現代智能化視角研究工業機器人應用對就業的影響。因此，本文首先從理論層面分析工業機器人與勞動力間的替代與互補關系；其次，利用省級地區面板數據說明工業機器人應用對就業總量和就業結構的影響；最后，考慮地區異質性和技術復雜度差異性，說明工業機器人應用對就業的不同影響。

二 理論模型及研究假設

Berg et al.(2018)[6]基于技術和要素需求的理論模型，將資本、勞動以及機器人納入統一框架內，分析機器人完全替代勞動力、替代部分勞動力以及不能替代技能勞動力三種情況，為本文研究工業機器人與勞動力之間的替代和互補關系提供理論基礎。考慮到其模型較為復雜，本文將模型簡化為C-D生產函數形式，分析工業機器人應用對就業的影響。

(一)模型構建

1.生產函數

假定經濟中只存在制造業單一部門進行生產，制造業部門投入三種要素：資本、勞動力和工業機器人。將生產函數設為C-D形式：

Y=(AKK)α(ALL)β(AZZ)1-α-β=AKαALβAZ1-α-βKαLβZ1-α-β

(1)

其中Y表示制造業部門的產出，K表示制造業部門資本投入(不包括機器人資本)，L表示制造業部門勞動力投入，Z表示制造業部門工業機器人資本投入；AK表示資本生產率，AL表示勞動生產效率，AZ表示工業機器人生產效率；α>0，β>0且α+β<1。

根據式(1)求出勞動力的邊際產出以及機器人的邊際產出：

MPL=βAKαALβAZ1-α-βKαLβ-1Z1-α-β

(2)

MPZ=(1-α-β)AKαALβAZ1-α-βKαLβ-1Z1-α-β

(3)

其中MPL表示勞動力的邊際產出，MPZ表示機器人的邊際產出。將式(3)與式(2)作比：

2.勞動力需求函數

假定產品市場和勞動力市場完全競爭，將制造業部門產品的市場價格標準化為1。制造業部門作為勞動力的需求方，投入資本、勞動力、機器人三種要素實現利潤最大化：

maxK, L, ZAKαALβAZ1-α-βKαLβZ1-α-β-rKK-wLL-rZZ

其中，rK表示資本的價格，wL表示勞動力的工資，rZ表示機器人的價格。由利潤最大化的一階條件可得：

wL=βAKαALβAZ1-α-βKαLβ-1Z1-α-β

(4)

式(4)表示勞動力的需求方程。

3.勞動力供給函數

假定勞動力市場是出清的。前面假定勞動力市場是完全競爭的，工資是制造業部門對勞動力需求的唯一調節機制。本文設定勞動力供給為工資的函數：L=f(wL)。一般而言，工資越高，勞動力供給越多，進入制造業部門的勞動力就越多，即勞動力供給隨著wL上升而增加，因此，可以假定供給函數為單調遞增函數。為簡化分析，假設勞動力供給函數為線性：

L=λLwL

(5)

其中λL為勞動力供給彈性，且λL>0。

4.勞動力市場的均衡

當勞動力市場達到均衡時，制造業部門的勞動力需求等于供給，聯立式(4)和式(5)可得：

L=λLwL=λLβAKαALβAZ1-α-βKαLβ-1Z1-α-β

L2-β=λLβAKαALβAZ1-α-βKαZ1-α-β

(6)

式(6)表示制造業部門均衡狀態下的就業情形。

綜上所述，機器人通過影響勞動力需求市場，從而對就業市場產生影響，當機器人沖擊制造業勞動力需求市場時，會引起就業市場失衡，但通過對勞動力供給市場的調節，最終實現就業市場的再平衡。

(二)研究假設

機器人作為一種專有投資的技術進步，對就業的影響較為廣泛。在就業總量方面，肖六億(2010)[12]從勞動力需求端分析技術進步對就業的影響，認為技術進步提高勞動生產率、節省勞動力，同時也通過增加產出和創造新部門擴大了就業，但總的效應仍然為就業的損失；劉書祥和曾國彪(2010)[13]研究表明純技術進步對就業有顯著的負向影響；鐘世川(2018)[14]實證分析顯示，中國制造業的資本與勞動之間是互補關系，而且經濟發展水平顯著促進就業。上述文獻表明技術進步對就業總量的影響既有增加也有減少，總的影響表現出不確定性，而工業機器人不僅符合技術進步影響就業的一般規律，也有其行業特點。工業機器人不僅是工人用來提高勞動生產率的工具，還可代替勞動力進行獨立操作。傳統技術進步主要替代人的體力，機器人柔性化特征使得其替代的程度和范圍更廣，會進一步替代人的腦力，削弱低技能勞動力成本和自然資源的優勢。因此中國工業機器人的大規模使用勢必會沖擊制造業就業(程虹等，2018)[10]。根據以上分析，提出本文假說1。

假說1：工業機器人的大規模應用沖擊中國制造業整體就業，使得總的就業效應為負。

以上分析只是考慮了就業總量，就業技能結構也是分析就業效應不可或缺的一個方面。呂潔等(2017)[15]、杜傳文等(2018)[16]研究均顯示，工業機器人對低技能勞動力替代的同時增加對中、高技能勞動力的需求，且機器人應用程度越高的國家和地區，其高技能勞動力比例越高。而中國機器人產業在地區間的發展不均衡，主要集中在長三角、珠三角以及京津等地，機器人應用程度的差異對不同技能勞動力的影響也存在差異。相比機器人應用程度較低的地區，機器人應用程度較高的地區對高技能勞動力的需求也較大，機器人應用對低技能勞動力就業的抑制作用較大。據此提出本文假說2。

假說2：在機器人密度較高的地區，工業機器人對低技能勞動力的替代效應明顯，同時促進高技能勞動力就業；在機器人密度較低的地區，工業機器人對就業的影響不顯著。

三 研究設計與數據來源

(一)模型設定

對式(6)兩邊取對數可得：

lnL=α0+α1lnK+α2lnZ

(7)

式(7)為制造業部門均衡狀態下的就業情形，其中α0=ln(λLβAKαALβAZ1-α-β)/(2-β)，α1=α/(2-β)，α2=(1-α-β)/(2-β)。由于本文研究機器人對高技能勞動力和低技能勞動力就業的影響，式(7)可以拓展為：

lnhigh=α0+α1lnK+α2lnZ

(8)

lnlow=α0+α1lnK+α2lnZ

(9)

現有關于影響勞動力就業的實證模型設定主要包括第三產業占GDP比重、地區經濟發展水平、人口老齡化程度以及勞動力成本(羅軍，2014[17]；馬嵐，2015[1]；胡雪萍和李丹青，2015[18])等因素。本文主要研究中國工業機器人應用對勞動力就業產生的影響，將上述因素納入式(7)-式(9)可得實證模型設定如下：

lnlabori, t=α0+α1lnrbi, t+α2lnpgdpi, t+α3lncosti, t+α4thirdi, t+α5lnki, t+α6agingi, t+ui+λt+εi, t

(10)

lnhighi, t=β0+β1lnrbi, t+β2lnpgdpi, t+β3lncosti, t+β4thirdi, t+β5lnki, t+β6agingi, t+ui+λt+εi, t

(11)

lnlowi, t=γ0+γ1lnrbi, t+γ2lnpgdpi, t+γ3lncosti, t+γ4thirdi, t+γ5lnki, t+γ6agingi, t+ui+λt+εi, t

(12)

其中，式(10)為省域制造業整體就業方程，式(11)、式(12)分別為高技能勞動力和低技能勞動力的就業模型。式(10)-式(12)的下標i和t分別表示第i個地區和第t年。labor表示各地制造業就業總量，high表示高技能勞動力，low表示低技能勞動力，rb表示各地工業機器人的密度，pgdp表示各地經濟發展水平，cost表示勞動力成本，third代表產業結構，k代表資本存量，aging代表人口老齡化程度，ui表示個體固定效應，λt表示時間固定效應，ε為隨機誤差項。鑒于相關變量的水平值存在巨大差異性，對絕對數變量總量取對數，以消除可能存在的異方差。

(二)變量選取與說明

1.被解釋變量

制造業就業總量(labor)：本文用規模以上工業企業年平均用人數表示勞動力就業數量；高技能勞動力(high)：參照喻美辭和熊啟泉(2012)[19]的研究，根據工作性質來劃分勞動力，本文用企業研發人員表示高技能勞動力；用制造業就業總量減去研發人員數表示低技能勞動力(low)。

2.核心解釋變量

本文的核心解釋變量是工業機器人的使用量(rb)，由于國內工業機器人70%以上都依賴進口(呂鐵和李瑋，2016)[20]，國內企業市場份額不足30%，加上衡量工業機器人其他方面的數據難以獲取，故本文以工業機器人進口額表示工業機器人使用量。根據HS2007六位數編碼體系中，工業機器人主要分為七大類：噴涂機器人(842489)、搬運機器人(842890)、多功能機器人(847950)、IC工廠專用自動搬運機器人(848640)、電阻焊接機器人(851521)、電弧焊接機器人(851531)、激光焊接機器人(851580)。本文使用的工業機器人進口額為上述七類機器人進口額的加總，并按當年匯率將美元折算成人民幣。參照Graetz和Michaels(2018)[9]的做法，本文將機器人進口總額除以制造業總的就業人數，得到每個省份歷年的工業機器人密度。由于2011年各地機器人進口數據缺失，本文利用2011和2012年各地工業銷售產值增長率倒推2011年各地工業機器人進口額，再轉換成機器人密度。圖1顯示歷年各地工業機器人進口總額，可以看出上海、江蘇和廣東的工業機器人進口遠超其他地區，而部分地區工業機器人進口較少或者暫無，本文剔除這些地區，僅保留北京、天津、河北、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、山東、河南、湖北、廣東、重慶、四川、陜西共18個省級地區，機器人數據來源于中國商品貿易數據庫。

圖1 中國歷年分省份工業機器人進口額

數據來源：中國商品貿易數據庫。

3.主要控制變量

地區經濟發展水平(pgdp)，本文用各地人均GDP表示地區經濟發展水平。一般來說，經濟發展水平越高對就業的吸納能力越強；勞動力成本(cost)，勞動力成本的上升勢必導致企業生產成本上升，促使企業用相對便宜的要素來替代勞動，進而影響勞動力就業，本文用制造業就業人員的平均工資來表示勞動力成本；產業結構(third)，用第三產業占GDP比重表示；資本存量(k)，本文采用永續盤存法(PIM)計算各地歷年的資本存量，計算公式為ki, t=(1-δi, t)ki, t-1+Ii, t，其中ki, t表示第i個地區第t年的資本存量,Ii, t表示第i個地區第t年的固定資本總額，δi, t表示第i個地區第t年的資本折舊率，根據張軍等(2004)[21]的研究，將資本折舊率統一為9.6%。此外，本文以2010年各地制造業的固定資產凈值為基期資本存量，并用固定資產價格指數進行平減；老齡化程度(aging)用65歲以上人口比例表示。相關變量說明以及數據來源如表1所示。

表1 變量名及數據來源

(三)描述性統計

由于自2011年1月起，規模以上工業企業的統計口徑發生了變化，納入統計范圍的工業企業年主營業務收入起點標準從500萬元提高到2000萬元，使到2011年以后的數據與之前的數據不可直接比較，因而本文選取2011-2017年的樣本區間，各變量的描述性統計見表2。

表2 描述性統計

四 實證結果分析

(一)基準回歸結果分析

本文使用我國18個省級地區的工業機器人使用量對制造業就業進行回歸分析。通過Hausman檢驗選擇固定效應模型和隨機效應模型。最終，根據兩種效應分析，列(1)和列(3)為固定效應模型，列(2)不能拒絕原假設采用隨機效應模型，回歸結果見表3。

表3 基準回歸結果

注：括號內為估計系數的標準誤，*、**、***分別表示在10%、5%和1%水平上顯著。

如表3所示，列(1)-列(3)分別表示主要省份工業機器人對制造業整體就業、制造業高技能勞動力就業以及制造業低技能勞動力就業的影響，列(1)顯示核心解釋變量工業機器人密度(lnrb)的系數顯著為負，這表明機器人應用對制造業就業總量有顯著的負向影響，說明中國主要省份工業機器人應用對就業的“破壞效應”大于“補償效應”，就業凈效應為就業損失，這一結果支持了本文的假說1。列(3)中lnrb的系數同樣顯著為負，表明工業機器人應用對低技能勞動力就業有明顯的替代。而列(2)中lnrb的系數不顯著，說明工業機器人應用對高技能勞動力就業的影響不明確，并未發現機器人的使用促進了高技能勞動力就業。

控制變量回歸結果顯示：經濟發展水平對制造業就業總量以及高、低技能勞動力就業均有顯著的促進作用，經濟發展水平越高對就業的吸納能力越強。第三產業占比對制造業就業有顯著的負向影響，隨著第三產業在國民經濟中份額的提高，對就業的吸收能力不斷加強，尤其是外賣小哥、網約車司機等新業態崗位發揮的作用越來越大。工資和老齡化水平對制造業影響不大，這與劉書祥和曾國彪(2010)[13]、馬嵐(2015)[1]的結論一致；資本存量與高技能勞動力之間互補，促進了制造業高技能勞動力就業，對制造業就業總量和低技能勞動力就業影響不顯著。

(二)原因分析

根據基準回歸結果的分析，工業機器人的使用抑制了制造業整體就業。從就業結構上來說，工業機器人的使用對低技能勞動力就業有顯著的負向作用，對高技能勞動力就業影響不明確。機器人的使用提高勞動力生產率，減少了對勞動力的需求，產生“破壞效應”，最終導致就業減少。從表3的結果可以看出，工業機器人當前主要通過“破壞效應”對就業產生影響，就業“補償效應”較小。可能的解釋是當前企業機器人使用量還較少(Graetz 和Michaels，2018)[9]，尚未達到規模效應，從而未帶動機器人操作人員與研發人員等高技能勞動力的就業。參照涂正革和肖耿(2006)[22]的研究，用人均工業增加值表示勞動生產率。由于2008年以后，規模以上工業企業增加值不再公布，故本文用工業銷售產值代替工業增加值計算制造業勞動生產率，工業銷售產值用相應的消費者價格指數進行平減。用工業銷售產值與制造業就業人數的比值表示勞動生產率(apl)，進行回歸分析。表4反映了工業機器人使用對就業影響的原因。

表4 原因分析

注：括號內為估計系數的標準誤，*、**、***分別表示在10%、5%和1%水平上顯著。

如表4所示，列(1)表明工業機器人的使用對制造業勞動生產率有顯著的促進作用。列(2)～列(4)顯示勞動生產率對制造業就業總量、高技能勞動力就業以及低技能勞動力就業均有顯著的抑制作用，并且勞動生產率的提高對低技能勞動力就業的抑制要大于高技能勞動力就業，表明使用機器人提高勞動生產率對低技能勞動力沖擊更大。盡管勞動生產率提高也對高技能勞動力就業有一定的抑制作用，但機器人使用帶來的“補償效應”抵消了這部分就業的減少，因而整體上高技能勞動力就業變化不大。

從具體崗位來看，當前工業機器人主要取代普工和打磨等一線生產工人，他們主要從事一些簡單重復的工作且缺乏任何技能，受到“機器換人”的沖擊較大；工業機器人替代低技能勞動力的同時也會創造新崗位，增加對高技能勞動力的需求，如機器人工程師、研發工程師和機器人技術員等，這些崗位要求工人具備一定的技能，如編程等技術，工業機器人與其是互補關系。但基準回歸中并未得到顯著促進高技能勞動力就業的結果。究其原因可能是，中國工業機器人高度依賴進口，機器人的使用可能沒有拉動機器人工程師和研發人員等高技能勞動力就業。目前工業機器人發展處于弱人工智能階段，對就業的影響有限，主要對低技能勞動力就業產生影響，隨著人工智能繼續發展，對就業的影響會逐漸加大(程承坪和彭歡，2018)[23]。

(三)異質性分析

中國地域面積遼闊，地區間差異巨大，各地區制造業發展也存在較大差異，而工業機器人作為先進制造業的支撐技術和信息化社會的新興工具，在區域間的推廣和應用范圍勢必不同。因此，考慮地區異質性研究工業機器人使用對就業的影響，可以避免全樣本分析中地區間機器人使用水平對就業影響效果的相互抵消，從而弱化了機器人應用產生的作用。從技術復雜度的角度看，隨著機器人技術的不斷升級，與傳統機器人相比，現代機器人的應用領域和范圍更加廣泛，其精密化、柔性化和智能化等性能都得到極大提升，對勞動力就業的影響也存在差異性。因而考慮異質性影響，能夠更準確地分析工業機器人應用對就業帶來的影響，從而提出更有針對性的對策建議。

1.地區異質性分析

根據圖1所示的各地歷年工業機器人進口額分布情況可知，上海、江蘇、廣東、北京和天津等地區機器人使用較多，這也符合當前中國機器人產業在長三角、珠三角以及京津地區形成產業集群現象的現實。故本文將機器人使用密度較高的地區設為高密度組，即上海、江蘇、廣東、北京、天津；機器人使用密度較低的地區設為低密度組，包括河北、遼寧、吉林、黑龍江、浙江、安徽、河南、福建、山東、湖北、重慶、四川、陜西。其中高密度組的5個省份，lnrb均值為6.96，低密度組的13個省份，lnrb均值為5.37，由此可見，機器人在不同地區間的應用存在較大差異性。表5反映了在高密度組與低密度組地區，機器人的使用對制造業就業總量、高技能勞動力以及低技能勞動力的影響。列(1)、(3)、(4)、(6)采用固定效應模型，列(2)和列(5)的Hausman檢驗在1%顯著性水平下不能拒絕原假設，采用隨機效應模型。

表5 分樣本回歸結果

注：括號內為估計系數的標準誤，*、**、***分別表示在10%、5%和1%水平上顯著。

表5回歸結果顯示，列(1)～列(3)表示在高密度組地區，機器人的使用分別對制造業整體就業、高技能和低技能勞動力就業的影響；列(4)～列(6)反映了在低密度組地區，機器人的使用分別對制造業就業總量以及高、低技能勞動力就業的影響。通過對比可以看出，機器人在高密度組地區對制造業就業總量和低技能勞動力就業有顯著負向影響；在低密度組地區，機器人的使用對制造業就業總量和低技能勞動力的影響為負，但不顯著。合理的解釋是高密度組地區機器人應用較早，產業鏈相對完善，如北京中關村電子產業集聚區；機器人“四大家族”均已落戶上海，打造浦東機器人產業基地；蘇州擁有昆山高新區機器人產業園；廣東省在數控設備、無人物流、自動化控制器、無人機領域具備一定的領先優勢，培育壯大了一批擁有自主知識產權的優秀本土機器人企業。而低密度組地區機器人產業總體規模較小，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。從兩者的系數大小來看，高密度組機器人應用對就業的影響程度遠大于低密度組，這與低密度組地區落后的機器人產業發展情況有關，這些地區的工業機器人使用量還較少，尚未對制造業就業產生明顯的沖擊。但無論是機器人高密度組還是低密度組地區，機器人的使用對高技能勞動力就業的影響均不顯著，再次說明了中國工業機器人尚未拉動高技能勞動力就業。以上分析驗證了假說2的部分內容，其中工業機器人促進高密度組地區高技能勞動力就業的假說未得到驗證。

2.工業機器人技術復雜度的異質性分析

工業機器人運用領域和從事的生產環節眾多，不同類型工業機器人智能化、自動化程度不同，對制造業生產率、勞動效率的影響具有異質性。本文研究的工業機器人主要包括：噴涂機器人、搬運機器人、多功能機器人、IC自動搬運機器人、電阻焊接機器人、電弧焊接機器人和激光焊接機器人。參考李丫丫和潘安(2017)[24]的做法，根據機器人工作技術復雜程度，將搬運機器人、噴涂機器人、電阻焊接機器人和電弧焊接機器人歸為傳統的中低技術復雜度工業機器人，而將多功能機器人、IC自動搬運機器人和激光焊接機器人劃分為相對技術復雜度較高的工業機器人，進一步考察不同類型機器人對就業存在的差異性影響，具體回歸結果見表6，列(1)～列(6)均采用固定效應模型。

表6 不同類型的機器人回歸結果

注：括號內為估計系數的標準誤，*、**、***分別表示在10%、5%和1%水平上顯著。

表6顯示了高技術復雜度與低技術復雜度工業機器人在全樣本18個地區、高密度組和低密度組的情況下分別對制造業整體就業的影響。比較列(1)和列(2)，發現高技術復雜度機器人對18個省級區域制造業就業有顯著的抑制作用，而低技術復雜度機器人對就業的影響不顯著。相比傳統低技術復雜度機器人，以多功能機器人為代表的高技術復雜度工業機器人集精密化、柔性化、智能化、軟件應用開發等先進制造技術于一體，是工業自動化水平的最高體現(1)資料來源：http://www.imrobotic.com/news/detail/8259.html。其柔性化和多軸的特征擴大了應用領域和范圍，從而替代了一些以往似乎不可能替代的崗位，如部分管理崗位。而在高密度組地區，無論是高技術復雜度還是低技術復雜度的工業機器人，對制造業就業都有顯著的負向影響。上海、江蘇、廣東等地制造業較為發達，工業機器人的發展走在全國前列，相比其他地區，工業機器人對就業的取代程度較高。在低密度組地區，高技術復雜度機器人對制造就業有顯著的抑制作用，低技術復雜度機器人對制造業就業有顯著的促進作用。在低密度組的省份中，高技術復雜度機器人與就業之間替代關系仍然存在，這是因為高技術復雜度機器人本身的智能化程度較高，對就業的替代能力更強；而低技術復雜度機器人在低密度組省份的使用相對較少，因而作為工人提高生產率的工具，與勞動力之間主要發揮互補作用，最終促進了就業的增加。

(四)穩健性檢驗

1.穩健性檢驗一：內生性檢驗

工業機器人的應用會影響勞動力就業，反過來勞動力的稟賦也可能對工業機器人的應用產生影響，例如勞動力供不應求導致的“用工荒”問題，也加速了企業推進工業機器人的應用。所以，制造業就業與工業機器人應用之間可能存在雙向因果關系，由此造成回歸估計結果的偏誤。為了緩解內生性問題，本文采用工具變量法對式(10)-式(12)進行再估計。

工具變量的選取要滿足兩個基本條件：第一，選擇的工具變量要與內生變量相關，即工具變量的相關性條件；第二，工具變量與擾動項不相關，即工具變量的外生性條件。本文參照李成友等(2018)[25]的做法，選取滯后一期的工業機器人使用量作為工具變量。滯后一期的機器人使用量與當期機器人使用量相關，同時與當期其他因素不相關，充分排除了經濟發展的慣性和時序相關性帶來的影響，滿足相關性和外生性條件。本文運用兩階段最小二乘法對式(10)～式(12)重新估計，回歸結果如表7所示。

表7 穩健性檢驗: 工具變量法

注：括號內為估計系數的標準誤，中括號內為P值，*、**、***分別表示在10%、5%和1%水平上顯著。

由表7可知，F檢驗都在1%的水平上顯著，拒絕存在弱工具變量的原假設，表明選取的工具變量不存在“弱工具變量問題”，滿足相關性條件，工具變量有效。從全樣本的回歸結果來看，機器人應用對制造業就業總量的影響仍為負，但不顯著，考慮內生性問題后，機器人應用對制造業整體就業的影響下降了。高密度組的結果表明機器人應用對制造業就業總量仍有顯著的沖擊，低密度組的結果表明機器人應用對制造業就業總量影響不顯著，均與前文研究結論保持一致，說明機器人應用對制造業整體就業的影響在高密度組和低密度組地區具有穩健性。

2.穩健性檢驗二：更換部分控制變量

為了檢驗前面回歸結果的可靠性，本文更換部分控制變量進行穩健性檢驗。首先用各地區生產總值(gdp)代替人均GDP；其次用工業增加值占GDP的比重(industry)代替第三產業占比；最后用勞動年齡人口占總人口的比重(wap)替換老齡化程度，回歸結果如表8所示：

表8 穩健性檢驗：更換部分控制變量

注：括號內為估計系數的標準誤，*、**、***分別表示在10%、5%和1%水平上顯著。

由表8可知，更換了部分控制變量后，全樣本和高密度組的結果表明了機器人的使用對制造業整體就業有顯著的抑制作用，而低密度組則顯示機器人的使用對制造業整體就業的影響不大，說明前文的回歸結果是穩健可信的。

五 研究結論及政策含義

(一)研究結論

本文基于中國18個省級區域層面的數據，研究工業機器人應用對中國制造業就業總量和就業結構的影響。結論主要有四點：第一，工業機器人使用對制造業就業總量有顯著的抑制作用，結構上對高技能勞動力就業影響不顯著，對低技能勞動力就業有顯著的抑制作用。第二，分析機器人影響就業的原因，發現機器人主要通過提高勞動生產率減少了企業對勞動力的需求，呈現“破壞效應”；而機器人的“補償效應”并不明顯，機器人尚未拉動高技能勞動力就業。第三，從地區差異看，機器人使用密度較高的地區，機器人應用對就業總量和低技能勞動力就業沖擊效應明顯，對高技能勞動力就業影響不顯著，但在機器人使用密度較低的地區，機器人應用對就業的影響不顯著。第四，從機器人技術復雜度的異質性角度看，高技術復雜度的機器人對制造業就業有顯著的負向影響，低技術復雜度機器人對制造業就業的影響不大；而在機器人使用密度高地區，兩種類型技術復雜度的機器人對制造業就業均有抑制作用；在機器人使用密度低的地區，高技術復雜度機器人對制造業就業有抑制作用，低技術復雜度機器人對制造業就業有促進作用。

(二)政策含義

從上述研究可以發現，工業機器人應用對就業的影響呈現多元化特征，存在“機器換人”的威脅。據此得到以下政策啟示：

第一，根據國家構建現代產業體系的重要路徑，健全工業機器人應用配套政策。

工業機器人產業屬于高新技術行業，對勞動生產率的正向作用顯而易見，但其前期的研發投入非常大，缺乏政府支持，企業很難進行大規模的研發創新活動。因此政府部門宜運用政策工具，建立健全工業機器人產業鏈，推進其在制造業中的應用。一方面，健全工業機器人應用配套政策，總攬工業機器人產業政策全局，形成與增長目標相協調的戰略發展體系，發揮產業聯動的規模效應。同時加大財政對工業機器人產業的支持力度，對工業機器人生產商和引進工業機器人進行生產的企業給予適當財政補貼或稅收優惠，并監督財政資金的支出，提高資金使用效率，促進工業機器人應用。另一方面，加強機器人行業協會和信息共享平臺建設，為使用機器人的企業提供聯結相關組織的“橋梁”，與政府、企業、社會共同營造良好的服務環境。

第二，“機器換人”計劃和“穩就業”政策齊頭并進。

雖然工業機器人大規模應用可能沖擊中國制造業就業，但不能因機器人的“破壞效應”就畏懼其發展，應該繼續鼓勵符合條件的企業“機器換人”。一方面，將節省的勞動力投入到勞動更為密集型產業，提高經濟效率。另一方面，針對結構性失業問題，可以對機器人應用帶來的失業人群或容易被替代的工人進行職業培訓，提供培訓補貼，提升勞動者技能以適應新崗位需求。此外，政府層面還應完善社會保障體系，為受“機器換人”影響而短期失業的人群提供失業津貼，保障其基本生活；搭建就業信息共享平臺，解決勞動力市場供求信息不對稱問題，降低勞動者求職成本，幫助其再就業。例如，根據前文的研究，工業機器人在上海、江蘇等使用密度高的地區對就業沖擊較明顯，因此在大力推進機器人應用的同時，應配套建立相應的就業保障體系，落實國家穩就業措施。

第三，加強對工業機器人產業應用型高技能人才的培養和儲備體系建設。

工業機器人產業高速發展的關鍵動力在于人才，全球智能制造和人工智能的發展對高端技術人才產生了強烈的需求。根據工信部的發展規劃，2014-2020年工業機器人產業大概需要20萬相關技術人員，而目前我國機器人專業技術人才的缺口較大。當前我國東部地區工業機器人產業發展的投入力度遠大于中西部地區，作為未來工業機器人應用的高密度地區，東部地區城市將不斷加強技術創新、突破核心技術壁壘，積極培育龍頭企業，因而對專業人才的需求會不斷增加，需要做好人才引進工作，完善人才培養和儲備體系，彌補人才不足缺口。工業機器人屬于知識和技術的綜合體，專業人員從短期培訓計劃中收獲有限，需要通過長期的學習以適應日新月異的技術變革。因此，企業需要有長期可持續的新技術新技能教育、培訓戰略安排與計劃，定期組織員工進行再學習，從而不斷滿足崗位所需要的技能。