工業(yè)機器人應用對制造業(yè)就業(yè)的影響

韓民春 韓青江 夏蕾

摘 ? 要：利用2013—2017年中國286個地級市的面板數據實證研究發(fā)現，工業(yè)機器人應用對中國制造業(yè)就業(yè)總量存在顯著的負影響，工業(yè)機器人滲透度提升1單位將導致制造業(yè)就業(yè)總量下降3.35個百分點。針對影響制造業(yè)就業(yè)結構的實證研究發(fā)現，工業(yè)機器人應用對東部、西部地區(qū)有顯著的負影響，對中部和東北地區(qū)的影響不顯著，對制造業(yè)細分行業(yè)、低技能勞動者和男、女勞動者就業(yè)均存在普遍的負影響，對高技能勞動者就業(yè)存在正向影響，但不顯著。深入研究后發(fā)現，工業(yè)機器人替代不是導致制造業(yè)就業(yè)下降的根本原因，而是對制造業(yè)就業(yè)崗位的補充與延伸。政府在制定針對智能制造的產業(yè)政策時，應根據地方制造業(yè)勞動供給與企業(yè)生產需求進行靈活安排。

關鍵詞：工業(yè)機器人;制造業(yè)就業(yè);機器人滲透度

中圖分類號：F424 ? 文獻標識碼：A ? 文章編號：1003-7543（2020）03-0022-18

當前，中國工業(yè)機器人市場迅猛發(fā)展。根據國際機器人聯合會發(fā)布的統(tǒng)計數據，2013年以來，中國已經連續(xù)7年成為全球最大的工業(yè)機器人市場，也是全球工業(yè)機器人安裝數量增速最快的國家。工業(yè)機器人應用快速發(fā)展的背后是中國正在實施的制造強國戰(zhàn)略。2015年，國務院印發(fā)《中國制造2025》，旨在通過信息化與工業(yè)化的融合實現中國制造業(yè)的轉型升級，推動中國由制造業(yè)大國向制造業(yè)強國轉變。由此以工業(yè)機器人應用為代表的智能制造開始快速發(fā)展，各級政府相繼出臺了一系列政策鼓勵工業(yè)機器人產業(yè)的發(fā)展與智能制造項目的實施。2016年，工業(yè)和信息化部、國家發(fā)展和改革委員會、財政部聯合發(fā)布《機器人產業(yè)“十三五”發(fā)展規(guī)劃》，積極推動機器人產業(yè)的發(fā)展，推廣機器人應用。2017年浙江省發(fā)布《浙江省“機器人+”行動計劃》，全面推進“機器換人”計劃的決策部署。廣東省2014年發(fā)布《廣東省人民政府辦公廳關于推動新一輪技術改造促進產業(yè)轉型升級的意見》，推進制造業(yè)智能化改造，隨后東莞市發(fā)布《東莞市推進企業(yè)“機器換人”行動計劃（2014—2016年）》，每年拿出數億元的財政補貼，促進制造業(yè)企業(yè)轉型升級。此外，山東、江蘇、湖北等地也相繼出臺了相關政策鼓勵智能制造的發(fā)展。工業(yè)機器人的大規(guī)模應用將大力提升企業(yè)的生產效率和產品質量，但在實現提質增效的同時，自動化與智能化的升級改造也將對傳統(tǒng)制造業(yè)崗位就業(yè)帶來沖擊，對就業(yè)市場的穩(wěn)定帶來挑戰(zhàn)。如何在推進工業(yè)機器人廣泛應用的同時保持就業(yè)市場的穩(wěn)定，是關系我國經濟發(fā)展與社會穩(wěn)定的重大問題，也是政府在推進智能制造與產業(yè)升級中需要考慮的重大影響之一。本文將針對這一話題開展深入研究，基于過去幾年中國工業(yè)機器人與就業(yè)市場數據的實證研究，挖掘工業(yè)機器人替代人工的一般規(guī)律，為相關產業(yè)政策的制定提供參考建議。

一、相關文獻綜述

國內外學者有關機器人應用對勞動力市場影響的研究由來已久，相關文獻卷帙浩繁，但是針對工業(yè)機器人應用對就業(yè)影響的實證研究并不多。大多數學者多專注于從技術進步或者技術進步偏向的角度對就業(yè)的影響進行分析。也有學者將研究范圍拓展到自動化、人工智能等相關技術領域。大量的研究證據表明，機器人、自動化等技術進步加劇了工資不平等與勞動力市場的極化[1-3]。

機器人技術進步對經濟發(fā)展與勞動力市場的影響符合技術進步的一般規(guī)律，但又有其獨特性。研究機器人技術進步的影響需要在理論和實證兩個維度進行專項研究。現有文獻中針對機器人技術進步的專項研究主要從機器人生產率提升的角度進行分析[4-5]。這些基于均衡分析的研究發(fā)現，機器人生產率的提升對低技能勞動者的工資與就業(yè)產生負向影響，但對高技能勞動者就業(yè)的影響結論迥異。Acemoglu & Restrepo建立基于任務制的模型分析了機器人技術進步的影響，結果表明機器人技術進步會減少就業(yè)和勞動在國民收入中的份額[6]。基于任務制的模型的建立為后續(xù)的實證研究奠定了堅實的理論基礎。

在實證研究方面，有部分學者嘗試以工業(yè)機器人為研究對象進行實證分析，但因為IFR提供的工業(yè)機器人統(tǒng)計數據是國家層面的，因此多數實證研究均是基于國際比較開展的[7-8]。針對某一國家或者地區(qū)的深度研究文獻只有寥寥數篇。Acemoglu & Restrepo利用1990—2007年美國工業(yè)機器人和勞動力市場的數據變化進行實證研究，發(fā)現每千名工人擁有機器人的數量增加1臺，將導致就業(yè)率降低0.34個百分點[9]。Dauth et al. 在Acemoglu等人研究的基礎上利用德國數據進行實證研究，發(fā)現工業(yè)機器人應用對德國就業(yè)和勞動者工資并無顯著影響[10]。Chiacchio et al. 基于類似的框架研究了工業(yè)機器人對歐元區(qū)國家就業(yè)的影響，發(fā)現每千人增加1臺工業(yè)機器人將導致就業(yè)率下降0.16～0.20[11]。在國內，宋旭光和左馬華青實證研究了工業(yè)機器人應用對勞動生產率的影響[12];田正杰基于2009—2014年中國數據實證分析了工業(yè)機器人應用對產業(yè)就業(yè)的影響[13]。中國工業(yè)機器人應用從2013年才開始快速增長，因此有關中國工業(yè)機器人應用的就業(yè)影響在2013年以后才更加廣泛。此外，中國工業(yè)機器人應用主要集中于制造業(yè)領域，因此研究工業(yè)機器人應用對制造業(yè)就業(yè)的影響更具有現實意義。本文對2013—2017年中國工業(yè)機器人應用對制造業(yè)就業(yè)的影響進行深入研究。為了得到更加細致的結果，這里以中國286個地級市的面板數據為基礎進行實證分析。

二、中國工業(yè)機器人與就業(yè)變動的統(tǒng)計分析

（一）中國工業(yè)機器人數量的變化

2013年以來，中國工業(yè)機器人市場開始快速增長，成長為全球最大的市場，占據了全球總銷量的30%以上。中國也成為全球工業(yè)機器人保有量最大的國家。2013年，中國工業(yè)機器人市場的銷量和保有量分別是22 987臺和96 924臺，2017年分別是156 176臺和501 185臺，每年的增長率均在10%以上。根據IFR的統(tǒng)計數據進一步分析可知，制造業(yè)是中國工業(yè)機器人應用的主要領域，多年來制造業(yè)工業(yè)機器人的安裝使用量占總量的90%以上，因此工業(yè)機器人應用對制造業(yè)就業(yè)的影響是我們關注的重點。

在制造業(yè)內部，汽車業(yè)、電子通信業(yè)、橡膠與塑料制品業(yè)和金屬制品業(yè)等行業(yè)是工業(yè)機器人應用的核心產業(yè)，這四大領域工業(yè)機器人的安裝使用量占制造業(yè)工業(yè)機器人總量的90%以上。在工業(yè)機器人總量快速增長的同時，中國工業(yè)機器人密度也在快速提升。機器人密度，即每千人擁有的機器人數量，是衡量機器人普及程度的重要指標。就中國制造業(yè)而言，2013年工業(yè)機器人密度為1.49臺/千人，2017年增長到8.81臺/千人，短短5年增長了近6倍。雖然中國工業(yè)機器人總量目前位居全球首位，但是就工業(yè)機器人的密度而言，中國與世界主要發(fā)達國家的差距依然較大。這也意味著，未來隨著中國經濟的發(fā)展與制造業(yè)產業(yè)升級，中國工業(yè)機器人市場還有巨大的增長空間。

（二）中國就業(yè)市場的變化

根據國家統(tǒng)計局的統(tǒng)計數據，2012年以來，中國制造業(yè)就業(yè)總量出現了持續(xù)的下滑，由最高峰2014年的8773萬人下降到2018年的8120萬人，減少了653萬人。這一變動趨勢與近年來中國制造業(yè)工業(yè)機器人銷量持續(xù)增長恰好相反。在中國制造業(yè)就業(yè)總數持續(xù)下降的同時，部分城市出現了“用工荒”和“招工難”的問題。從分行業(yè)的數據來看，制造業(yè)使用工業(yè)機器人的四大行業(yè)（汽車業(yè)、電子通信業(yè)、橡膠與塑料制品業(yè)和金屬制品業(yè)）2012—2018年就業(yè)人員數量均有所下降，其中降幅最大的是橡膠與塑料制品業(yè)，為4.2%。從就業(yè)的結構來看，勞動者的技能結構在過去幾年也發(fā)生了重大的變化。根據《中國科技統(tǒng)計年鑒》的統(tǒng)計數據，以科技活動人員作為技能勞動者，其他人員作為非技能勞動者進行統(tǒng)計，發(fā)現自2012年以來，中國制造業(yè)技能勞動者的數量呈逐步上升的趨勢，由2012年的285.72萬人增長到2018年的390萬人，每年增幅平均在3%以上。與此同時，中國制造業(yè)非技能勞動者數量先增后減，2014年達到峰值8430.24萬人后持續(xù)下降，直至2018年的7710萬人。這與技能勞動者的持續(xù)上升恰好相反。由技能與非技能勞動者的比例變化趨勢可以看出，高技能勞動的占比越來越高，低技能勞動者的占比越來越低，兩者的比值由2012年的3.60%上升到2018年5.06%。通過以上統(tǒng)計分析可以發(fā)現，工業(yè)機器人安裝使用數量的變化與中國制造業(yè)勞動者就業(yè)總數的變化和勞動者技能結構的變化存在不同的變動趨勢。這一相關性背后有著怎樣的經濟關系呢？接下來本文將構建計量模型并結合統(tǒng)計數據進行實證分析。

三、模型的設定

（一）模型的構建

Graetz & Michaels（2015）以及Acemoglu & Restrepo（2017）等曾分別以工業(yè)機器人為對象，實證研究了其對就業(yè)和產出的影響。他們在計量建模中均直接以工業(yè)機器人密度的變化為核心解釋變量進行回歸分析，建模中增加了其他控制變量。本文的研究將參考他們的做法，以工業(yè)機器人的密度為核心解釋變量研究其對就業(yè)的影響。不過本文的研究將更進一步，以2013—2017年中國286個地級市的數據為基礎構造面板數據，從而研究歷年來工業(yè)機器人密度與就業(yè)數據的關系。本文構造的靜態(tài)面板模型如下：

關于控制變量的選取，本文參考了Acemoglu & Restrepo的做法[9]，共選取了五組六個控制變量以表示現實經濟環(huán)境的約束。第一組控制變量是控制人口的變化，該控制變量主要用于觀察地區(qū)人口總量的變化對就業(yè)的影響，本文以各地級市的年平均人口作為該控制變量;第二組控制變量是資本存量的變化，該控制變量主要用于觀察地區(qū)資本積累的變化對就業(yè)的影響，本文以各地級市的固定資產投資作為該控制變量;第三組控制變量是進出口的變化，該控制變量主要用于觀察地區(qū)的對外貿易對就業(yè)的影響，本文以各地級市年進口額度和出口額度為控制變量;第四組控制變量是外資使用水平，該控制變量主要用于觀察外商投資對就業(yè)的影響，本文以各地級市實際使用外資額作為該控制變量;第五組控制變量是地區(qū)經濟發(fā)展水平，該控制變量主要用于觀察地區(qū)經濟的發(fā)展狀況對就業(yè)的影響，本文以各地級市地區(qū)生產總值表示該控制變量。以上數據均來自《中國城市統(tǒng)計年鑒》。本文實證模型的最終形式如下：

其中：Lst為被解釋變量，即本文重點考察的制造業(yè)就業(yè)數量;ETRst為核心解釋變量機器人滲透度;Popust表示地區(qū)年平均人口;Kst表示地區(qū)固定資產投資額;IMportst表示地區(qū)進口額;Exportst表示地區(qū)出口額;FDIst表示地區(qū)實際使用外資額;GDPst表示地區(qū)生產總值。除年平均人口外，其他控制變量均以2013年為基礎年份進行指數平減。實證回歸中除機器人滲透率外，其他變量均以對數形式帶入計算。

（二）機器人滲透度及其計算方式

機器人滲透度反應了工業(yè)機器人的分布密度，即每千人擁有的工業(yè)機器人數量。首先假設某一行業(yè)內的工業(yè)機器人分布程度在一個國家內的所有區(qū)域都是一致的，因此某一地區(qū)的工業(yè)機器人密度取決于該地區(qū)內各行業(yè)的就業(yè)份額。在計算地區(qū)的機器人密度時，我們需要以該地區(qū)各行業(yè)的就業(yè)份額作為權重，對所有行業(yè)的機器人密度進行加總，由此可得到各個地區(qū)機器人滲透度的表達式如下：

由表1可見，東莞市連續(xù)5年一直是全國機器人滲透度排名最高的地區(qū)，這意味著東莞市的機器人密度是最大的，這與東莞市高度發(fā)達的制造業(yè)密不可分。此外，數據顯示其他地級市如中山、佛山、蘇州、惠州等市也都是我國的制造業(yè)重鎮(zhèn)，這些地區(qū)匯集了大量的工業(yè)機器人。2013—2017年，機器人滲透度排名前十的地級市幾乎都分布于珠三角、長三角和環(huán)渤海地區(qū)，這也表明了以上三個區(qū)域是我國制造業(yè)聚集的核心區(qū)域。

四、實證分析

（一）工業(yè)機器人應用對制造業(yè)就業(yè)總量的影響

在進行回歸分析之前，我們首先需要通過Hausman檢驗對回歸模型進行篩選以確定回歸計算的方法。Hausman檢驗值為328.15，P值為0.000，因此應當選擇固定效應模型進行分析。

1.基準回歸

在回歸的過程中，我們首先以核心解釋變量機器人滲透度（ETR）為基礎進行計算，進而逐步增加其他控制變量，以分別考慮不同外部環(huán)境對就業(yè)的綜合影響，實證結果如表2（下頁）所示。

表2顯示，在只考慮工業(yè)機器人滲透度單一影響的情況下，工業(yè)機器人替代對中國制造業(yè)就業(yè)有顯著的負面影響。具體來說，機器人滲透度增加1個單位，即平均每千名勞動者增加1臺機器人，制造業(yè)就業(yè)總量將下降2.49%，且結果在1%的顯著水平上顯著。如果進一步考慮人口因素，相應的影響系數基本保持不變，同時結果顯示，人口因素對制造業(yè)就業(yè)的影響不顯著。再進一步將各地區(qū)的資本存量進行控制之后發(fā)現，機器人的影響系數提高至3.09%，且在1%水平上顯著，說明在足夠的資本存量的情況下，引入機器人之后對就業(yè)的負面影響更大。同時結果顯示，資本存量對制造業(yè)就業(yè)有顯著的正面影響。隨后考察進出口因素，機器人的影響系數下降2.98%，同時結果顯示，進口和出口對制造業(yè)就業(yè)的影響不顯著。考慮外商直接投資的影響，結果顯示對機器人的就業(yè)效應影響不大，同時外商直接投資對制造業(yè)就業(yè)的影響不顯著。接著考察地方經濟發(fā)展水平的影響，結果表明，地方經濟發(fā)展水平對制造業(yè)就業(yè)有顯著的正向影響，同時機器人對就業(yè)的影響下降1.98%。由基準回歸可見，工業(yè)機器人對制造業(yè)就業(yè)的影響是顯著為負的。

2.內生性處理

直接使用機器人滲透度對制造業(yè)就業(yè)進行實證分析可能存在內生性問題，因為機器人滲透度會影響就業(yè)，但同時就業(yè)的變化也會反過來影響機器人滲透度，比如在“用工荒”的情況下，企業(yè)會被動選擇安裝機器人來替代工人，因此來自勞動力市場的沖擊會影響企業(yè)安裝使用機器人的決策。這意味著，機器人滲透度與勞動者就業(yè)之間存在雙向因果關系，這種關系可能導致計量回歸的結果產生偏誤。為盡可能解決這一內生性問題，本文采用工具變量法對模型進行重新估計。

為了使工具變量與隨機擾動項無關，同時又與內生變量相關，本文選擇滯后一期的機器人滲透度作為工具變量，并使用兩階段最小二乘法（2SLS）進行估計。在重新估計之前，我們需要對工具變量的選擇進行檢驗，以確定工具變量選擇的合理性。需要檢驗的內容主要有三個方面，分別是不可識別檢驗、弱工具變量檢驗和過度識別檢驗。其中不可識別檢驗采用Kleibergen Paap rk LM 統(tǒng)計量進行檢驗;對弱工具變量則采用Cragg Donald Wald F統(tǒng)計量進行檢驗，在計算出Cragg Donald Wald F統(tǒng)計量之后，對照Stock和Yogo（2002）計算給出的臨界值進行判斷。最后是過度識別問題，因為本文采取的是滯后一期的機器人滲透度，與內生變量一一對應，屬于“恰好識別”，因此無需進行過度識別檢驗。接下來本文將主要針對前兩個檢驗需求進行工具變量的檢驗。相關的估計和檢驗結果如表3（下頁）所示。

如上述結果所示，Kleibergen Paap rk LM統(tǒng)計量的值為961.001，在1%顯著水平上拒絕不可識別的假設，因此本文選擇的工具變量不存在不可識別問題。同時，Cragg Donald Wald F統(tǒng)計量的值為230 000，顯著大于Stock Yogo弱工具變量在10%顯著水平上的臨界值16.38，因此本文選擇的工具變量不存在弱工具變量問題。綜上所述，本文選擇的工具變量是非常有效的。由表2中的實證結果可以發(fā)現，機器人滲透率對制造業(yè)就業(yè)的影響都是顯著為負的。第六個完整模型的實證結果表明，機器人滲透度每提高1個單位，即每千人的機器人擁有量增加1臺，制造業(yè)就業(yè)總量下降3.35%，且在1%水平上顯著。與基準回歸結果對比可以發(fā)現，基準回歸低估了機器人滲透度對就業(yè)的影響，在進行IV處理之后，相關影響系數由1.98%提升到3.35%。

3.穩(wěn)健性檢驗

為了證明以上分析結果的可靠性，我們將進一步對上述分析進行穩(wěn)健性檢驗。檢驗的內容主要分為兩部分：一是考察工業(yè)機器人的就業(yè)效應是否是因某些特定的行業(yè)造成的，二是考察這種效應是否隨時間跨度的變化而改變。首先檢驗第一個問題。由前文分析可知，工業(yè)機器人的主要應用領域之一是汽車行業(yè)，在制造業(yè)內部，汽車行業(yè)的工業(yè)機器人使用量占到了40%。那么，工業(yè)機器人對就業(yè)的影響是不是因為汽車行業(yè)的特殊性造成的呢？除汽車行業(yè)外，其他行業(yè)是否也存在類似的就業(yè)效應呢？我們的穩(wěn)健性檢驗將首先考慮剔除汽車行業(yè)，以檢驗工業(yè)機器人應用對就業(yè)的影響是不是具有普遍作用。為此，我們在回歸數據中剔除汽車行業(yè)的數據，用剩余行業(yè)的數據進行上述類似回歸，然后比較相關結果是否一致。在數據搜集中，因為無法獲得每個地級市汽車行業(yè)的相關數據，所以基于地級市的實證檢驗無法進行，在此我們更換以省級面板數據為基礎進行檢驗，每個省份的機器人滲透度的計算與就業(yè)人員的統(tǒng)計均剔除了汽車行業(yè)，回歸的方法依然是經過IV處理之后的2SLS估計法，相關的回歸結果如表4（下頁）所示。

上述結果顯示，在剔除汽車行業(yè)后，機器人滲透度對制造業(yè)就業(yè)總量的影響沒有發(fā)生實質性改變。相關影響系數均顯著為負。與上文地級市數據的分析結果相對比可以發(fā)現，基于省級面板數據的回歸結果的影響系數有所增大，這一結果的變化應該是由于統(tǒng)計口徑的變化引起的，但是對分析工業(yè)機器人的就業(yè)效應沒有影響。

接下來我們考察機器人的就業(yè)效應是否會隨著時間跨度而發(fā)生改變。原回歸計算中的時間區(qū)間是2013—2017年，這5年正是我國工業(yè)機器人市場快速增長的5年，如果改變時間區(qū)間，影響結果是否會有實質性改變呢？接下來我們分別將時間區(qū)間調整為2014—2017年和2012—2016年，同樣基于地級市的面板數據，利用IV-2SLS法進行回歸，以檢驗結果的穩(wěn)定性。相關回歸結果分別如表5（下頁）和表6（下頁）所示。

上述結果顯示，時間聚焦到2014—2017年，機器人滲透度對就業(yè)的影響依然是顯著的負影響，這與前文的分析結果是一致的。同時，機器人滲透度的影響系數有所增加，這是因為2013年以后機器人的密度越來越高，因此隨著機器人滲透度的提升，其對就業(yè)的影響效應也逐漸增強。

上述結果顯示，在時間區(qū)間2012—2016年，綜合六種模型，有五種情況下影響系數為負，且三種情況下負向影響是顯著的，這說明機器人滲透度對就業(yè)依然具有一定的負向影響。但是同時可以看到，機器人滲透度對就業(yè)負向影響的顯著性有所下降，影響系數的大小有所減小。這一結果說明，隨著時間的前移，機器人滲透度的就業(yè)影響效應逐漸減弱，主要是因為2013年以前我國的工業(yè)機器人數量雖然也在逐漸增加，但是機器人的密度依然很小，其對就業(yè)的影響相對微弱。隨著時間的后移，我國工業(yè)機器人的安裝使用數量越來越多，機器人密度越來越高，對就業(yè)的影響也越來越大。特別是2013年以后，我國成為全球最大的工業(yè)機器人市場，機器人對就業(yè)的影響開始逐漸顯現。以上兩種穩(wěn)健性檢驗的結果說明本文的研究結論有一定的穩(wěn)健性，同時也揭示了工業(yè)機器人對我國制造業(yè)就業(yè)影響的時間獨特性，是我國近年來制造業(yè)產業(yè)升級背景下才逐漸顯現的問題。

（二）工業(yè)機器人應用對制造業(yè)就業(yè)結構的影響

接下來考察工業(yè)機器人應用對制造業(yè)就業(yè)結構的影響，分別從就業(yè)結構的區(qū)域差異、行業(yè)差異、勞動者技能差異以及性別差異四個維度進行分析，以研究工業(yè)機器人對制造業(yè)就業(yè)的影響。

1.對不同地區(qū)制造業(yè)就業(yè)的影響

首先我們將中國的地級市按照其所屬的省份不同分為東部、中部、西部和東北四個區(qū)域。其中東部地區(qū)包括10個省市，分別是北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區(qū)包括6個省，分別是山西、安徽、江西、河南、湖北和湖南;西部地區(qū)包含12個省（區(qū)、市），分別是內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆;東北地區(qū)包括3個省，分別是遼寧、吉林和黑龍江。各個地級市根據上述省份進行一一歸并。為了進一步分析東部、中部地區(qū)的典型差異，我們分別挑選了廣東省和江蘇省作為東部地區(qū)代表，河南省和湖北省作為中部地區(qū)的代表，進一步進行分別回歸，以研究不同區(qū)域的細節(jié)差異。相關回歸結果如表7所示。

以上結果顯示，工業(yè)機器人應用對全國不同地區(qū)制造業(yè)就業(yè)的影響存在差異，其中對東部地區(qū)存在顯著的負影響，具體而言，東部地區(qū)機器人滲透率提高1個單位，制造業(yè)總就業(yè)下降5.06%，結果在1%的顯著性水平上顯著，這一結果明顯高于對全國層面總就業(yè)的影響。如果以江蘇省和廣東省為典型進行分析，影響系數為-3.47%，且在1%的水平上顯著，這一結果與對全國的影響一致。對中部地區(qū)和東北地區(qū)而言，工業(yè)機器人對制造業(yè)就業(yè)的影響不顯著，如果以河南省和湖北省作為典型地區(qū)，影響結果同樣不顯著。對比中部地區(qū)與中部典型省份的影響系數符號可見，工業(yè)機器人對中部的影響具有不確定性。此外，工業(yè)機器人對西部地區(qū)制造業(yè)就業(yè)有顯著的負影響，結果在10%的顯著性水平上顯著，顯著性低于東部地區(qū)。

2.對不同行業(yè)就業(yè)的影響

就不同的行業(yè)而言，我們主要關心兩個方面：一是制造業(yè)以外的行業(yè)門類，比如農林牧漁業(yè)、采掘業(yè)等，因為這些行業(yè)門類也有工業(yè)機器人在逐漸投入使用;二是制造業(yè)內部的行業(yè)大類，主要是橡膠與塑料制品業(yè)、金屬制品業(yè)、汽車業(yè)、電子通信業(yè)四個重點領域，因為這四個行業(yè)大類是制造業(yè)內部工業(yè)機器人應用最為廣泛的行業(yè)。對以上兩個方面我們將逐一進行回歸分析。首先對制造業(yè)以外行業(yè)門類的影響分析，我們聚焦于農林牧漁業(yè)、采掘業(yè)、電力熱力燃氣及水生產和供應業(yè)、建筑業(yè)以及教育研究行業(yè)五大門類，聚焦于此主要是因為IFR只提供了以上行業(yè)的分類統(tǒng)計數據。回歸分析依然基于地級市的面板數據，回歸方法依然是IV-2SLS，相關回歸結果如表8所示。

表8顯示，工業(yè)機器人替代對農林牧漁業(yè)、采掘業(yè)、電力熱力燃氣及水生產和供應業(yè)、建筑業(yè)等行業(yè)均具有顯著的負影響，但是對教育研究行業(yè)的影響不顯著。同時通過對比系數的大小可以發(fā)現，工業(yè)機器人對制造業(yè)以外各個行業(yè)門類就業(yè)的影響均大于對制造業(yè)就業(yè)的影響，其中影響最大的是采掘業(yè)，其次是農林牧副漁業(yè)，這可能是因為其他行業(yè)門類勞動者的流動性較制造業(yè)更大的緣故。

接下來進一步研究對制造業(yè)細分行業(yè)就業(yè)的影響。按照國民經濟的行業(yè)分類標準，制造業(yè)內部可細分為31個子行業(yè)。但根據IFR的統(tǒng)計數據，橡膠與塑料制品業(yè)、金屬制品業(yè)、汽車業(yè)、電子通信業(yè)是工業(yè)機器人應用的重點領域，因此我們將專注于對這四個子行業(yè)的分析。由于在地級市層面，我們無法獲得制造業(yè)內部細分行業(yè)的數據，因而我們使用省級面板數據進行回歸，回歸方法依然是IV-2SLS法，相關的回歸結果如表9（下頁）所示。

表9顯示，在制造業(yè)內部，工業(yè)機器人應用對不同行業(yè)就業(yè)的影響存在差異。對金屬制品業(yè)、汽車業(yè)以及電子通信業(yè)均存在顯著的負影響，但是對橡膠與塑料制品行業(yè)的影響不顯著，不過由系數可以看出，工業(yè)機器人的影響依然是負向的。就不同行業(yè)的影響大小而言，工業(yè)機器人對電子通信行業(yè)的影響最大，其次為金屬制品業(yè)，最后是汽車業(yè)。近年來，隨著手機、半導體、家用電器等各類電子產品生產的自動化，越來越多的電子企業(yè)生產線員工被機器人替代，電子行業(yè)已經超越汽車行業(yè)成為機器人替代就業(yè)的重點領域，對于這一變動需要給予重點關注。

3.對不同技能勞動者就業(yè)的影響

工業(yè)機器人應用對不同技能勞動者就業(yè)的影響也是我們重點關注的問題之一。諸多理論研究表明，機器人技術進步對低技能勞動者的就業(yè)產生替代作用，對高技能勞動者的就業(yè)將產生創(chuàng)造效用[4-5]。就現階段中國制造業(yè)產業(yè)的技術升級而言，是否存在類似的現象呢？這里以不同技能勞動者的數量變化為基礎開展實證研究，其中高技能勞動者定義為大專及以上學歷的勞動者，低技能勞動者定義為高中及以下學歷的勞動者，因為受地級市數據的限制，仍以省級數據進行回歸，回歸方法為IV-2SLS，相關回歸結果如表10（下頁）所示。

上述結果顯示，工業(yè)機器人應用對高技能勞動者的就業(yè)產生了正的影響，但是影響不顯著，對低技能勞動者的就業(yè)有顯著的負向影響，具體來說，機器人滲透度提高1個單位，即每一千名勞動者的機器人擁有量增加1臺，低技能勞動者的就業(yè)量下降4.55%，結果在1%的顯著性水平上顯著。這一下降比例大于平均情況下制造業(yè)勞動者的下降水平。這一對比分析顯示，目前，工業(yè)機器人應用主要替代了低技能勞動者，這與理論分析結論相一致。關于高技能勞動者，雖然影響不顯著，但從影響系數的符號可以看出，工業(yè)機器人的影響是正向的，也就是說，對高技能勞動者的就業(yè)有促進作用，這一結論與關于高技能勞動者的理論分析也是一致的。綜上可見，實證研究表明，現階段中國制造業(yè)的產業(yè)升級對高技能勞動者的就業(yè)有促進作用，對低技能勞動者的就業(yè)有破壞效應，這一破壞作用尤為顯著，需要格外關注。

4.對不同性別勞動者就業(yè)的影響

最后，我們考察工業(yè)機器人應用對制造業(yè)不同性別勞動者就業(yè)的影響。這里的男、女性別就業(yè)人口數分別是城鎮(zhèn)單位總就業(yè)人口中男、女性別勞動者的數量，回歸依然基于省級面板數據和IV-2SLS法，相應的回歸結果如表11所示。

上述研究結果表明，工業(yè)機器人應用對男、女勞動者的就業(yè)均存在顯著的負向影響。對比來看，對男性勞動者就業(yè)的影響是對女性勞動者影響的4倍。這一結果表明，在被機器人替代的崗位中，大部分是由男性勞動者承擔的。結合上文對不同技能勞動者就業(yè)影響的研究結果，可以發(fā)現，被機器人替代的崗位大多是由低技能的男性勞動者承擔的。此外，工業(yè)機器人對女性勞動者就業(yè)的影響也非常顯著，其負面作用不容忽視。以上結果告訴我們，在制定針對不同技能勞動者的就業(yè)再平衡政策時，對男、女勞動者的就業(yè)形勢要區(qū)別對待。

（三）工業(yè)機器人應用對制造業(yè)就業(yè)影響的原因剖析與檢驗

經過上文的實證分析我們發(fā)現，工業(yè)機器人應用對制造業(yè)就業(yè)存在普遍的負向影響。這從直觀角度容易理解，一臺機器人可以替代若干人工崗位。但這是否意味著工業(yè)機器人就是造成就業(yè)破壞的主要原因呢？對此，我們不能貿然給出結論，因為工業(yè)機器人替代人工崗位只是表面現象，我們應該進一步對工業(yè)機器人替代人工的根本原因進行剖析，以準確理解工業(yè)機器人的角色與價值。本文認為，企業(yè)使用工業(yè)機器人替代人工進行生產的原因主要有三個方面：第一，工業(yè)機器人能夠完成人工無法勝任的工作。在一些生產環(huán)節(jié)，因為工作環(huán)境、特殊任務、加工質量和生產效率等的要求，人工無法勝任某些工作崗位，此時企業(yè)將不得不采用工業(yè)機器進行生產。第二，企業(yè)面臨“招工難”“用工荒”等勞動力短缺問題的困擾，不得不采用工業(yè)機器人進行生產。近年來，地區(qū)之間的發(fā)展不均衡逐漸被打破，原有到沿海地區(qū)或者發(fā)達城市務工的內地勞動者越來越多地回流到原籍或者其他城市工作，導致類似東莞、佛山等制造業(yè)重地出現了“招工難”“用工荒”的問題。同時，近年來服務業(yè)的快速發(fā)展，尤其是新型服務業(yè)如“騎手”“自媒體運營”等的大量涌現，越來越多的年輕勞動者不愿意回到工廠工作。這些原因迫使部分企業(yè)開始使用工業(yè)機器人替代人工進行生產。第三，企業(yè)面臨“用工貴”的問題。隨著我國經濟的快速發(fā)展，居民收入水平和消費水平都在快速提升，制造業(yè)勞動者的工資也在提升，導致部分企業(yè)無法負擔高企的人力成本，因此不得不使用工業(yè)機器人進行生產以降低成本。以上三大原因可能是導致企業(yè)使用工業(yè)機器人替代人工進行生產的根本所在。如果是原因一，那么工業(yè)機器人根本不構成對就業(yè)的破壞，反而是對現有就業(yè)崗位的補充，填補了人工無法勝任的崗位的空白。如果是原因二，那么說明社會發(fā)展中新型服務業(yè)等其他產業(yè)的發(fā)展可能吸引了更多的勞動者，此時工業(yè)機器人也未對制造業(yè)就業(yè)產生破壞作用，而是對制造業(yè)崗位的補充與延伸，補充了因行業(yè)發(fā)展以及勞動力流動造成的崗位缺失。如果是原因三，那么說明使用工業(yè)機器人進行生產比人工更具有比較優(yōu)勢，此時工業(yè)機器人對人工的替代的根本原因是勞動力成本上升，工業(yè)機器人應用只是一種表現形式。勞動力成本上升從側面反映出社會經濟的發(fā)展與社會總需求和總產出的增加，此時制造業(yè)更應該通過智能化改造提升生產效率，因此使用工業(yè)機器人進行生產將成為必然趨勢。以上三個原因中，原因一的補償作用是毋庸置疑的。本文接下來將通過引入第三產業(yè)勞動占比與勞動力成本作為控制變量，對工業(yè)機器人應用影響制造業(yè)就業(yè)總量的原因二和原因三進行實證檢驗。回歸中第三產業(yè)勞動占比表示為L-in-thirdind，勞動力成本表示為lnsalary，數據均來自《中國城市統(tǒng)計年鑒》，回歸中取對數形式帶入。相關檢驗結果如表12（下頁）所示。

上述結果顯示，在分別考慮第三產業(yè)勞動力占比和勞動力成本的影響之后，機器人滲透度對制造業(yè)就業(yè)總量的影響變得不顯著，同時第三產業(yè)勞動力占比與勞動力成本對制造業(yè)就業(yè)總量表現出顯著的負向影響。《中國統(tǒng)計年鑒》的統(tǒng)計數據顯示，中國第三產業(yè)人員的占比由2013年的38.5%提高到2017年的44.91%，在崗人員平均工資由2013年的52 388元增加到2017年的76 121元。由此可見，第三產業(yè)就業(yè)的擴容以及勞動力成本上升是中國制造業(yè)就業(yè)總量下降的根本原因。工業(yè)機器人的應用對人工的替代只是表面形式。考慮到我國各地區(qū)之間人口數量變化的差異，我們基于上述思考引入新的控制變量之后，進一步對東部、中部、西部和東北地區(qū)的制造業(yè)就業(yè)數量進行進一步回歸，同時對就業(yè)人口變動較大的廣東和河南兩省進行單獨回歸，以對比中部、東部不同地區(qū)影響之間的差異。相關結果如表13所示。

表13的結果顯示，在考慮第三產業(yè)擴容及勞動力成本上升等核心因素的影響之后，工業(yè)機器人對制造業(yè)就業(yè)影響的顯著性明顯下降。東部、中部、西部地區(qū)工業(yè)機器人的影響均不再顯著，而對東北地區(qū)產生了顯著的正向影響。對于制造業(yè)和人口流入的大省廣東省而言，在拓展分析之后工業(yè)機器人的影響依然是負的，但是影響已經不再顯著，但對于勞動力輸出的大省河南省而言，工業(yè)機器人對就業(yè)產生了顯著的正向影響。同時結果顯示，第三產業(yè)勞動者占比的增加對上述地區(qū)的制造業(yè)就業(yè)均產生了顯著的負向影響，勞動力成本上升的影響不顯著。由此可見，近年來，快速發(fā)展的服務業(yè)等第三產業(yè)吸納了一部分制造業(yè)的勞動者，對制造業(yè)就業(yè)產生了一定的沖擊。工業(yè)機器人應用是勞動力人口流動和勞動力成本上升背景下的應對之策，其本身并非制造業(yè)就業(yè)下降的根本原因。因此，不同地區(qū)針對工業(yè)機器人應用的決策需要根據地方產業(yè)發(fā)展特色和地方經濟就業(yè)環(huán)境的特點進行靈活應對，以更好地滿足制造業(yè)智能化發(fā)展的需求，確保勞動力市場的穩(wěn)定。

五、結論與政策建議

本文基于286個地級市的數據，實證分析了工業(yè)機器人應用對中國制造業(yè)就業(yè)的影響。首先，本文以各地區(qū)不同行業(yè)就業(yè)人口的比例為權重，加權計算了全國286個地級市2013—2017年的機器人滲透度。結果顯示，我國工業(yè)機器人主要集中于長三角、珠三角、環(huán)渤海經濟圈以及中部和東北的部分地區(qū)。然后，基于2013—2017年全國286個地級市的面板數據，實證研究了工業(yè)機器人應用對制造業(yè)就業(yè)總量和就業(yè)結構的影響。結果顯示，工業(yè)機器人應用對制造業(yè)就業(yè)總量具有顯著的負影響，具體而言，機器人滲透度提升1個單位，全國制造業(yè)就業(yè)總量下降3.35%。進一步對就業(yè)結構的實證分析發(fā)現：工業(yè)機器人應用對東部、中部、西部和東北地區(qū)制造業(yè)就業(yè)的影響存在顯著差異;對制造業(yè)以外的五大行業(yè)門類和制造業(yè)內部的四個主要行業(yè)大類的就業(yè)均存在普遍的負向影響;對低技能勞動者的就業(yè)存在顯著的負影響，對高技能勞動者有正向影響但是目前不顯著;對男、女性別勞動者均有顯著的負影響，但對男性勞動者的影響水平是女性的4倍。進一步對促進工業(yè)機器人應用的根本原因進行分析發(fā)現，工業(yè)機器人應用對人工替代只是外在表現，核心原因是第三產業(yè)等服務業(yè)擴容對就業(yè)的吸收以及勞動力成本上升的倒逼，在考慮以上因素之后工業(yè)機器人對制造業(yè)就業(yè)的影響不顯著。因此，不同地區(qū)應該根據地方產業(yè)發(fā)展與勞動力供給特點靈活制定相關政策以促進制造業(yè)產業(yè)升級與就業(yè)市場穩(wěn)定。為促進我國經濟的高質量增長，同時保障就業(yè)市場的穩(wěn)定，提出如下政策建議：

第一，穩(wěn)步推進工業(yè)機器人的發(fā)展與應用，循序漸進，逐步推廣。當下我國各級政府正在大力推進制造業(yè)轉型升級，促進企業(yè)實施機器換人和智能化改造。這一舉措的背后既有高質量發(fā)展的需求，又有現實的“招工難”“用工貴”等問題的困擾。在東莞、佛山等傳統(tǒng)的制造業(yè)重鎮(zhèn)，因為勞動者的流失，企業(yè)面臨用人的壓力，這一舉措順理成章。但是各地的產業(yè)發(fā)展與就業(yè)環(huán)境存在差異，各地政府在推進智能制造的同時要遵循市場的規(guī)律，了解企業(yè)的現實需求，有條件有需求的地區(qū)應積極推進，根據地方產業(yè)的發(fā)展需要有序推進，以避免大范圍“機器換人”帶來的企業(yè)成本的波動和就業(yè)市場的失衡。

第二，大力實施技能培訓，促進勞動者技能升級，使勞動力市場結構的變化與企業(yè)用工需求的變化同步。智能制造在替換低技能勞動者的同時也在創(chuàng)造對高技能勞動者的新需求。如果沒有足夠的高技能勞動者的出現，就業(yè)市場必將出現結構性失業(yè)，阻礙機器人的普及和勞動力市場的動態(tài)平衡。機器人技術進步在替代低技能勞動者的同時對高技能勞動者的就業(yè)有一定的正向影響。因此，被替代的低技能勞動者如果能夠通過培訓再就業(yè)，就可以有效彌補高技能勞動者崗位的需求，實現勞動者市場的動態(tài)平衡。

第三，大力發(fā)展第三產業(yè)，完善多種就業(yè)渠道。低技能勞動者的就業(yè)在技術進步面前尤為脆弱，相反高技能的勞動者很容易通過轉崗實現再就業(yè)，低技能勞動者因為技能限制容易發(fā)生結構性失業(yè)。因此，政府需要對低技能勞動者進行多類別的職業(yè)培訓，提升職業(yè)技能，以滿足多樣化的新崗位新技能的要求。目前，服務業(yè)等第三產業(yè)快速發(fā)展，服務業(yè)的發(fā)展創(chuàng)造了大量的就業(yè)崗位，但是服務業(yè)崗位的技能需求是多樣化的，對于以前從事制造業(yè)的勞動者而言需要轉變工作習慣，學習新的技能才能勝任。為此，政府應當積極引導第三產業(yè)的發(fā)展，實施人才培養(yǎng)計劃，以創(chuàng)造多樣化的就業(yè)崗位，吸納更多傳統(tǒng)行業(yè)的失業(yè)或轉崗人員。

第四，有序發(fā)展智能機器人產業(yè)，推動制造業(yè)產業(yè)升級。由上文分析可知，勞動力成本上升和第三產業(yè)的發(fā)展是制造業(yè)企業(yè)使用機器人替代人工的根本原因，機器人應用對現有的制造業(yè)崗位產生了一定的補充，可以彌補人類無法勝任的工作崗位或者降低企業(yè)的生產成本，因此有序發(fā)展智能機器人產業(yè)能夠解決制造業(yè)企業(yè)“用工難”“用工貴”的問題，實現智能機器人的國產化和低成本化對推動我國制造業(yè)產業(yè)升級意義重大。

參考文獻

[1]AUTOR D， LEVY F， MURNANE R. The skill content of recent technological change： An empirical exploration[J]. Quarterly Journal of Economics， 2003， 118（4）： 1279- 1333.

[2]GOOS M， MANNING A. Lousy and lovely jobs： The rising polarization of work in Britain[J]. Review of Economics and Statistics， 2007， 89（1）： 118-133.

[3]MICHAELS G， NATRAJ A， REENEN J V. Has ICT polarized skill demand？ Evidence from eleven countries over twenty-five years[J]. Review of Economics and Statistics， 2014， 96（1）： 60-77.

[4]SACHS J， KOTLIKOFF L. Smart machines and long-term misery[Z]. NBER Working Paper， 2015， No. 18629.

[5]SACHS J， BENZELL S G， LAGARDA G. Robots： curse or blessing？ A basic framework[Z]. NBER Working Paper， 2015， NO. 21091.

[6]ACEMOGLU D， RESTREPO P. The race between machine and man： Implications of technology for growth， factor shares and employment[Z]. NBER Working Paper， 2015， NO. 22252，

[7]呂潔，杜傳文，李元旭.工業(yè)機器人應用會倒逼一國制造業(yè)勞動力結構轉型嗎？——基于1990—2015年22個國家的經驗分析[J].科技管理研究，2017（22）：32-41.

[8]杜傳文，李晴，芮明杰，等.大規(guī)模工業(yè)機器人應用與異質性技能勞動力之間的替代互補關系[J].中國科技論壇，2018（8）：23-34.

[9]ACEMOGLU D， RESTREPO P. Robots and jobs：Evidence from US labor markets[Z].NBER Working Paper， 2017， No. 23285.

[10]DAUTH W， FINDEISEN S， SIDEKUM J. German robots-the impact of industrial robots on workers[Z]. CEPR Discussion Papers， 2017， No.DP12306.

[11]CHIACCHIO F， PETROPOULOS G， PICHLER D. The impact of industrial robots on European employment and wages： A local labour market approach[Z]. Working Papers， 2018.

[12]宋旭光，左馬華青.工業(yè)機器人投入、勞動力供給與勞動生產率[J].改革，2019（9）：45-54.

[13]田正杰.產業(yè)機器人對就業(yè)的影響[D].武漢：武漢大學，2017：46-51.

The Impact of Industrial Robot Application on Manufacturing Employment： An Empirical Study Based on the Data of Prefecture Level Cities in China

HAN Min-chun ?HAN Qing-jiang ?XIA Lei

Abstract： Based on the panel data of 286 prefecture level cities in China from 2013 to 2017， it is found that the application of industrial robots has a significant negative impact on the total employment of Chinas manufacturing industry， that is， the increase of industrial robot penetration by 1 unit will lead to a decrease of 3.35 percentage points in the total employment of manufacturing industry. Further empirical research on the employment structure of manufacturing industry shows that the application of industrial robots has a significant negative impact on the eastern and western regions， but not on the central and northeast regions， and has a general negative impact on the employment of manufacturing industry segments， low skilled workers and male and female workers， while has a positive impact on the employment of high skilled workers， but not significant. It is found that the substitution of industrial robots is not the root cause of the decline of manufacturing employment， but the supplement and extension of manufacturing employment. When making the industrial policy of intelligent manufacturing， the government should make flexible arrangement according to the labor supply of local manufacturing industry and the production demand of enterprises.

Key words： industrial robot; manufacturing employment; penetration of robot

基金項目：國家社會科學基金重點項目“工業(yè)機器人替代與中國就業(yè)市場的失衡和再平衡問題研究”（17AJY007）。

作者簡介：韓民春，華中科技大學經濟學院教授、博士生導師;韓青江，華中科技大學經濟學院博士研究生;夏蕾，華中科技大學經濟學院博士研究生。