工業機器人應用與我國制造業升級研究

尚 濤，劉 朵

(西北工業大學 公共政策與管理學院， 陜西 西安 710129)

一、引言與文獻綜述

“十四五”規劃提出了智能制造發展目標，即加快數字化普及速度，加快智能轉型，推動機器人等產業創新發展。2021年12月,工業和信息化部、國家發展和改革委員會等15個部門聯合印發的《“十四五”機器人產業發展規劃》提出工業機器人是智能制造的重要環節，其研發、制造、應用是衡量一個國家科技創新能力與高端制造業水平的重要標志，也是實現高質量發展的重要戰略方向。根據工業和信息化部發布的《2020年1—12月機器人行業運行情況》顯示，2020年我國累計生產工業機器人23.7萬臺，同比增長19.1%，創下我國工業機器人單年產量最高紀錄，我國已成為世界上最有潛力的工業機器人市場。目前工業機器人已廣泛應用于汽車及汽車零部件制造業、機械加工行業、電子電氣行業等領域，因此,研究工業機器人大規模應用能否推動制造業優化升級從而促進經濟高質量發展具有重要的現實意義。本文擬對以下問題展開研究：工業機器人應用推動制造業升級的作用機理是什么？鑒于中國各地區發展不平衡及各地對工業機器人應用存在巨大空間地理差異的現狀，工業機器人應用對制造業升級是否存在空間效應？

隨著工業機器人產業在中國不斷擴大發展，有關工業機器人應用帶來的影響日益明顯,已有研究主要集中在工業機器人應用對就業、經濟增長、勞動生產率與勞動力質量等的影響上。Acemoglu等[1]通過研究發現千人擁有的工業機器人每增加一臺，就業人口比例會減少0.18～0.34個百分點，即工業機器人應用會導致部分工人失業。Faber、Kugler等[2-3]學者研究發現，美國工業機器人的應用會減少墨西哥與哥倫比亞工人的就業與收入，發達國家使用工業機器人會對欠發達貿易國的勞動力就業產生負面影響。但是Berg[4]卻認為工業機器人的應用不僅能提高勞動生產率，還能創造新的就業崗位。Trajtenberg[5]也認為工業機器人的應用會通過增加產出帶來就業需求的增加以及新技術產生，推動創造更多的就業崗位。吳清華等[6]通過實證發現工業機器人應用對勞動力市場具有顯著的創造效應。Gregory等[7]使用27個歐洲國家的數據研究發現，工業機器人在替代了960個就業崗位的同時創造了2 100個新崗位，即就業創造效應大于就業替代效應。從短期看，工業機器人的應用可能會產生對勞動力的替代以及導致社會的不平等；但從長期看，工業機器人的應用提高了經濟發展水平，帶來經濟的繁榮和人們生活的改善。楊光等[8]研究發現，工業機器人的使用對經濟增長具有顯著促進作用，且在人口紅利晚期和后人口紅利時期效果更加顯著。Graetz等[9]基于1993—2007年17個國家的行業樣本研究發現，工業機器人的應用對地區勞動生產率和工業增加值的提高具有積極推動作用。Jungmittag等[10]利用12個歐盟國家的9個制造業數據研究發現工業機器人的應用對勞動力生產率增長做出了重大貢獻。Calì等[11]基于印度尼西亞制造業數據研究發現工業機器人的應用對提高技術效率、銷售額和價值增值有積極影響。李丫丫、韓民春等[12-13]通過研究證實了工業機器人應用對全要素生產率的提升具有促進作用。程虹等[14]基于中介效應模型驗證了機器人應用對勞動力質量具有顯著的提升作用。

制造業水平直接體現了一個國家的生產力水平，制造業的發展是我國經濟增長的主要推動力。雖然我國制造業門類及生產總量處于世界領先地位，但我國制造業發展面臨著高投入、高消耗、高污染、低效益等問題。隨著我國經濟由高速增長轉向高質量發展，制造業轉型升級迫在眉睫。關于制造業轉型升級影響因素的研究，大部分學者認為創新驅動、全要素生產率的提升、要素流動和人力資本積累等是推動制造業升級的關鍵因素。宋林等[15]通過實證得出創新對制造業結構升級具有顯著正向效應，但還需結合提高金融水平、引進外資等措施實現產業升級。李捷等[16]認為技術、資本和勞動密集型廠商提升全要素生產率會驅動制造業轉型升級。陽立高、李磊等[17-18]都認同勞動力供給質量提高顯著提升了制造業結構合理化水平，并且人力資本積累對制造業升級具有明顯的促進作用。

綜上所述，現有文獻研究主要集中在工業機器人對就業、勞動力市場等的影響，而制造業升級的影響因素則集中于創新、技術進步與人力資本積累等。已有研究缺乏從工業機器人角度研究其對制造業升級的影響并總結其傳導作用機制。此外，已有研究方法多是建立傳統面板模型，采用固定效應或中介效應方法等，對空間計量模型的應用較少，忽略了變量的空間交互影響。因此，與已有文獻相比，本文的創新之處在于：一方面，從工業機器人應用視角探索其推動制造業升級的內在機理，為研究制造業轉型升級提供了新的視角；另一方面，在研究方法上構建空間面板計量模型，將空間因素納入工業機器人應用對制造業升級的研究中，其實證結果相比傳統面板模型更加可靠，更具現實意義。本文在前人研究的基礎上，對工業機器人應用推動制造業升級的作用機理進行總結分析，詳細描述了我國工業機器人的應用現狀，并構建空間杜賓模型對工業機器人應用是否促進制造業升級進行實證考察，以期為我國制造業升級提供政策參考。

二、影響機理

通過梳理文獻發現，制造業升級轉型的變動通常與創新、技術進步以及全要素生產率提升等密切相關，而工業機器人應用又是影響勞動力供給、技術創新、人力資本積累和勞動生產率的重要因素，因而工業機器人應用必然會對制造業升級產生影響。工業機器人應用通過技術溢出效應、勞動生產率效應、人力資本積累效應和要素流動效應影響我國制造業升級(影響機理見圖1)。

圖1 工業機器人應用對制造業升級的影響機理

(一)技術溢出效應

從IFR前瞻產業研究院整理的數據可知，我國2019年工業機器人外資品牌在市場總銷量中占比68.75%，我國工業機器人具有較強的進口依賴性，因此在工業機器人進口貿易中產生了技術溢出效應，進口的工業機器人在中國制造企業應用中實現了技術的替代與互補。工業機器人是一種應用創新知識并能開發產品和提高質量的技術創新，一方面，應用企業可以通過“干中學”吸收先進技術和前沿知識，對原有生產工具進行改造升級從而降低物耗能耗，獲得更強的生產能力[19]；另一方面，企業原有員工在使用工業機器人的過程中積累經驗，吸收生產過程中的隱性知識，提高自身技能，再通過組織培訓與交流使技術知識外溢[20]，從而推動高質量信息以及隱性知識快速轉移，擴充企業知識庫，促進企業對內外部知識的整合。中國制造企業在引進工業機器人設備后，通過對先進數字技術的模仿、學習和消化，產生技術溢出效應反向促進技術的革新，形成良性互動進而推動制造業升級。

(二)勞動生產率效應

自動化生產有助于提高勞動生產率。工業機器人的應用通過“機器換人”實現對低技能勞動力的替代，通過減少勞動就業而節約生產成本、提高勞動生產率[21-22]，工業機器人的應用使生產范式發生變革。從實踐來看，工業機器人的安裝一般應與企業的資源基礎、驅動機制、流程管理、價值創造、競爭方式等相協調，通過變革生產方式而提升整體的勞動生產率。尤其是在當前消費需求變動的條件下，生產方式從大規模制造向大規模定制轉變，工業機器人與企業內外的自動化設備和物聯網相連接，使研發、生產以及銷售等更加迅捷、有效，加速制造業的生產、研發、質量以及生產率的提升。從宏觀視角來看，工業機器人的應用有助于各國制造業獲取更多的全球市場份額，在制造業中更廣泛、更深入地使用工業機器人將有效提高生產力與競爭力[23]。勞動生產效率的提高將進一步提升對高端制造業的有效需求，這正是推動制造業產業結構優化升級的決定性動力，而高端制造業智能化的有效需求規模擴大將促進制造業從傳統產業向高端化過渡轉變，從而推動整體產業結構升級[24]。

(三)人力資本積累效應

工業機器人的應用從增加高質量勞動力和提升現有員工技能水平兩個維度提升企業人力資本水平[19]。雖然“機器換人”會減少就業崗位，但是工業機器人應用本身作為一項自動化技術應用會催生出眾多新勞動崗位，如機器人的檢測與維護，而這些新的就業崗位通常要求勞動者具有較高水平的技能[25-26]。企業員工為了避免“機器換人”的替代風險，主動學習和從事工序協調、機器監測、設備調試等高技能工作，從而倒逼勞動力提升自身質量與素質。杜傳文等[27]通過研究發現工業機器人應用程度越高，高技能勞動比例隨之越高。Lankisch等[28]學者指出，相較于高技能工人，機器人更容易替代低技能工人。低技能勞動力的減少與高技能勞動力的增加改善了企業的勞動力結構，從而影響企業的生產效率與創新行為，推動制造業升級。胡晟明等[29]則證實了工業機器人應用會顯著提升人力資本。因此，工業機器人應用通過人力資本積累效應推動制造業轉型升級。

(四)要素流動效應

工業機器人投入應用使制造企業通過減少生產成本與提高勞動生產率進一步提高資本回報率，從而促進了資本積累，而工業機器人相關設備的更新需求會擴大對固定資產的投資[30-31]。工業機器人本質上是一種資本深化的產物，該技術發展對中低技能勞動力產生替代效應，企業大范圍應用以工業機器人為代表的人工智能技術，在減少對低技能勞動需求的同時提高了資本投入，進一步加速了資本深化，促進要素結構優化升級[32-37]。資本勞動等生產要素流動使要素配置結構得到優化，推動了人工智能技術在產業部門、企業各生產流程的應用，降低了企業生產成本，進一步推動了產業結構優化升級。此外，工業機器人應用將提高高級技能勞動力比例，倒逼勞動力主動提高質量與素質，從而推動資本與勞動力等生產要素從原本勞動密集部門流向資本、技術密集部門，這有利于促進資本與技術密集型制造業快速發展，進而推動制造業結構升級[33,37]。

三、工業機器人在我國的應用現狀分析

近年來，隨著工業機器人向更深更遠的方向發展以及智能化水平的提高，工業機器人的應用逐漸從制造業推廣到如采礦、建筑、農業等各種非制造行業。由表1可知，我國工業機器人主要應用在制造業，但在教育與研發產業、農林牧漁業和電力、燃氣及水的生產和供應業的應用量逐年增加。

表1 2015—2019年中國各產業工業機器人存量 臺

由圖2可知，在制造業門類中，汽車制造業、金屬制造業以及半導體制造業的工業機器人安裝數量是最多的，尤其是汽車制造業，2019年占制造業總安裝量的30.33%。

但是從工業機器人供給方面來看，據《中國工業機器人產業發展白皮書2020》統計，國外企業以世界機器人“四大家族”(ABB、庫卡、發那科、安川)為代表，在中國的市場份額合計超過60%。在高端應用集中的領域，國外公司占90%的份額，眾多國產機器人企業所占份額不到5%。汽車制造業用工業機器人的國產占有率較低，主要原因在于汽車制造業應用工業機器人具有極高的技術和商務層面的進入壁壘，中短期內國產工業機器人廠商難以撼動現有競爭格局，國產工業機器人發展面臨著嚴峻考驗。

圖2 2019年制造業各行業工業機器人數量占比

由表2可知，2009—2019年我國東部地區工業機器人安裝密度由3.04臺/萬人增長至108.69臺/萬人，增長了近36.23倍；中部地區工業機器人安裝密度從1.26臺/萬人增長到49.77臺/萬人，增長了近39.5倍；西部地區工業機器人安裝密度由1.22臺/萬人增長到44.25臺/萬人，增長了近36.27倍。2009—2019年，東部地區工業機器人安裝密度在全國范圍內占比是最高的，平均每年都在50%以上；2009—2019年占比從高到低排序分別是東部、中部與西部。

表2 2009—2019年中國工業機器人安裝密度的地區分布

由圖3可知，2019年工業機器人安裝密度較高的區域集中在廣東、上海、江蘇、北京等地，其工業機器人的擁有量占全國的一半以上。這些地區曾有一大批汽車制造業、半導體業與電子制造業，隨著產業的轉型調整，大量人力由機器人代替，這些地區因此也成為國內自動化水平最高的地區。

圖3 2019年各省域工業機器人安裝密度

四、研究設計

(一)工業機器人安裝密度測度

工業機器人安裝密度為每萬人所使用工業機器人數量。參考Acemoglu等[22]的研究，由于中國統計體系中的行業分類標準與IFR的行業分類(ISIC)不完全一致，根據國際機器人聯盟所提供的行業類別中與2009—2019年《中國勞動統計年鑒》中的農林牧漁業、采礦業、制造業、電熱燃及水生產和供應業、建筑業和教育研究與發展業一共6類行業類別數據相匹配，使用Bartik工具變量法，假設每一行業在各個省份的分布程度是一樣的，工業機器人密度取決于該省份各行業的就業份額。具體公式如下：

(1)

式(1)中：Bst表示s區域t年的工業機器人安裝密度；Rit表示i行業t年的工業機器人安裝密度，是i行業t年工業機器人數量與行業t年的就業人數之比；Lsit表示s省i行業t年的人口占比，用s省i行業t年的就業人數與s省t年的就業總人數之比衡量。將某一省份所有行業的工業機器人安裝密度加總可得該省份的工業機器人安裝密度。

(二)空間自相關性檢驗

我國地理與經濟條件具有多樣性，因此各地區工業機器人安裝密度與制造業結構存在著極大的空間差異。如果用傳統回歸方法來檢驗工業機器人應用與制造業結構升級之間的關系,會因各地區存在的空間溢出效應而出現一定的偏差，因此有必要先對各區域變量的空間相關性展開檢驗。檢驗區域變量是否存在空間自相關性的常用方法主要是Moran提出的Moran’s I指數。計算Moran’s I指數前，首先要構建各省份的空間鄰近權重矩陣Wij，其構造原則為：

Moran’s I指數計算公式為：

(2)

(三)模型設定

1.空間計量理論模型

空間計量模型主要包括空間滯后模型、空間誤差模型和空間杜賓模型?？臻g滯后模型簡稱為SAR，主要對某地區是否具有空間溢出效應進行研究，公式為：

y=ρWy+Xβ+ε

(3)

式(3)中：Wy表示空間滯后因變量，ρ度量的是空間滯后Wy對y的影響，稱為空間自回歸系數；ε表示隨機誤差項。

空間誤差模型是指空間依賴性存在于不影響X但影響y的遺漏變量中，簡稱為SEM，公式為：

(4)

式(4)中:λ表示空間誤差系數，μ與ε表示隨機誤差項，且μ是服從正態分布的隨機誤差向量。

空間杜賓模型簡稱為SDM。在此模型中，被解釋變量的變化不僅受本地解釋變量的影響，還受到鄰地解釋變量的影響。公式為：

y=ρWy+Xβ+WXδ+ε

(5)

式(5)中:δ表示空間項系數，ε表示隨機誤差項。

2.變量選擇與數據來源

被解釋變量：制造業的產業升級表現為高附加值制造業比重的不斷增長，制造業由低附加值、低技術水平狀態向高附加值、高技術水平狀態演變。在有關制造業升級的衡量上，不同學者有不同的看法。林秀梅等[35]認為增加值率的提高能體現產業組織結構的優化及資源配置效率的提升，工業增加值率能夠準確衡量某地區一定水平的產出所獲得的收入多少，其不僅反映技術水平高低，同時也包含價值分配內涵。因此本文借鑒林秀梅等的方法，采用工業增加值率指標衡量制造業升級水平，計算公式為：規模以上工業企業工業增加值除以工業產值，計算的數據來源為各年《中國工業經濟統計年鑒》和各地區統計年鑒，2018年和2019年數據源自《中國經濟普查年鑒》。

核心解釋變量：工業機器人應用量用工業機器人安裝密度表示，工業機器人安裝密度為每萬人所使用工業機器人數量。參考Acemoglu等[22]的研究，由于中國統計體系中的行業分類標準與IFR的行業分類(ISIC)不完全一致，根據國際機器人聯盟中所提供的行業類別與2009—2019年《中國勞動統計年鑒》中農林牧漁業、采礦業、制造業、電熱燃及水生產和供應業、建筑業、教育研究與發展產業一共6類行業的類別數據相匹配，使用Bartik工具變量法，假設每一行業在各省份的分布程度是一樣的，工業機器人密度取決于該省份各行業的就業份額。各行業工業機器人安裝數量數據來自國際機器人聯盟。

控制變量：本文借鑒劉佳等[36]有關制造業升級影響的研究選取以下6個控制變量。一是人力資本(HR)：限于數據可得性，用每萬人擁有的普通高等學校在校學生數表示。勞動力質量的提升能推動制造業轉型升級。二是政府科技資助(GOV)：用地區科學技術支出占地方財政一般預算內支出的比重來表示。政府的參與程度會對制造業升級帶來影響，政府的重視程度決定著財政的創新資金投入。三是信息化發展水平(COM)：用省市電信業務收入占全國電信業務收入比重表示。信息化水平已成為衡量國家和地區現代化程度的重要標志，高水平的信息技術能有效降低知識交易的空間成本以及推動知識形態的生產力傳播并使其被充分利用，從而影響制造業升級。四是交通發達程度(PRE)：用各省市貨運總量進行衡量。交通發達有利于制造業的要素自由流動，從而降低制造業的成本。五是城鎮化水平(UR)：用各地區城鎮常住人口與總人口比重表示。六是外商直接投資(FDI)：用各地區實際外商直接投資額與GDP比值來衡量，外商直接投資是推動制造業升級的重要影響因素。

3.空間計量模型的設定

現有考察制造業升級影響因素的實證研究中，模型設定主要包括外商直接投資、人力資本、信息化發展水平與城鎮化水平等變量，本文參考環境規制對制造業升級的空間效應分析的實證模型，根據空間計量模型和選取的變量來構建考察工業機器人應用對制造業結構升級影響的空間滯后模型與空間誤差模型。

空間滯后模型：

INSit=α0+α1RBit+α2lnHRit+α3GOVit+α4COMit+α5lnPREit+α6URit+α7FDIit+

(6)

空間誤差模型：

(7)

空間杜賓模型：

INSit=α0+α1RBit+α2lnHRit+α3GOVit+α4COMit+α5lnPREit+α6URit+α7FDIit+

δ1WijRBit+δ2WijlnHRit+δ3WijGOVit+δ4WijCOMit+δ5WijlnPREit+δ6WijURit+

(8)

式(8)中:i表示省份，t表示年份，εit與μit表示正態分布的隨機誤差項，α0—α7表示變量回歸系數，ρ與λ分別表示空間自回歸系數與空間誤差系數，Wij表示空間權重矩陣，RB表示工業機器人省域安裝密度，HR表示人力資本，GOV表示政府科技資助，COM表示信息化發展水平，PRE表示交通發達程度，UR表示城鎮化水平，FDI表示外商直接投資。為了消除異方差的影響，將某些變量取對數處理。

本研究選擇的樣本是2009—2019年中國30個省份的宏觀面板數據(西藏和港澳臺地區因數據缺失，暫不考慮)。工業機器人安裝量的數據可由國際機器人聯盟(IFR)獲得，以上數據來源為各年《中國統計年鑒》、各地區統計年鑒、《中國科技數據庫》與《中國人口與就業統計年鑒》。為了緩解回歸模型中存在的異方差問題，本文對相應變量做取對數處理。本文所使用的主要變量及定義見表3，變量相應的描述性統計見表4。

表3 主要變量及定義

表4 變量的描述性統計

五、實證分析

(一)空間自相關檢驗

根據2009—2019年我國30個省域工業機器人安裝密度與制造業結構升級水平數據，運用Stata 16.0軟件可計算出Moran’s I指數及檢驗結果(見表5)。

表5 2009—2019年工業機器人安裝密度與制造業升級的Moran’s I指數表

由表5可以看出，2009—2019年工業機器人安裝密度與制造業升級指標的Moran’s I指數均通過了P值檢驗，說明2009—2019年我國30個省市工業機器人應用與制造業升級具有較強的空間正自相關性，即兩者皆存在明顯的空間集聚性。

Moran’s I指數散點圖是用散點圖表述變量與其空間滯后向量之間的關系，可用于識別局部的空間關聯模式。散點圖主要分為4個象限，4個象限對應4種類型的局域空間關系，第一象限與第三象限表示空間正相關，第二象限和第四象限表示空間負相關。工業機器人安裝密度的Moran’s I指數散點圖(見圖4、圖5)第一象限(HH)表示工業機器人安裝密度高的省市被同樣高密度的省市包圍；第二象限(LH)表示低安裝密度的省市被高安裝密度的省市所包圍；第三象限(LL)表示低安裝密度的省市被同樣低安裝密度的省市所包圍；第四象限(HL)表示工業機器人安裝密度高省市被低安裝密度的省市包圍。從圖4和圖5可看出，絕大部分省市集聚在第一象限與第三象限。第一象限有北京、天津、上海、江蘇、浙江、福建、廣東等省市，主要分布在京津冀地區與東南沿海地區；第三象限有安徽、江西、山東、河南、廣西、海南、貴州、云南、陜西、甘肅、青海、寧夏和新疆等省市，大多數分布在我國中西部地區。此結果進一步證實了我國省域工業機器人安裝密度存在著顯著的空間正相關性，大部分省市與其鄰近省市有著相似的集聚特征。

圖4 2009年工業機器人安裝密度的Moran’s I散點圖

圖5 2019年工業機器人安裝密度的Moran’s I散點圖

綜上可知，我國工業機器人安裝密度與制造業升級水平均存在著明顯的空間自相關性。因此，下一步將空間因素納入空間計量模型來探討工業機器人應用對制造業升級的具體影響。

(二)空間回歸估計與結果分析

1.空間面板模型識別檢驗

由于空間面板模型具有復雜多樣性，因此在建立空間計量模型前需要對空間面板模型的選擇進行識別檢驗。首先通過LM檢驗模型選用非空間計量模型和空間計量模型，檢驗結果如表6所示，均拒絕LM檢驗原假設，表明選擇空間計量模型。接下來利用LR與Wald檢驗來判別SDM模型是否會簡化為SAR與SEM模型，結果如表7所示，均拒絕原假設，因此選擇SDM模型。

表6 空間面板模型識別LM檢驗

表7 空間面板模型檢驗LR與Wald檢驗

2.空間效應分析

采用極大似然法對模型進行估計，首先使用豪斯曼檢驗應該采用固定效應模型還是隨機效應模型，其檢驗結果為拒絕使用隨機效應模型的原假設，故本文使用固定效應模型進行回歸，回歸結果如表9所示。此外，為與空間杜賓模型估計結果相對比，表8還列出空間滯后模型和空間誤差模型的估計結果，由R2和Log-like值可看出選擇SDM模型明顯優于SAR與SEM模型。

表8 空間計量估計結果

固定效應模型有3種，分別是個體、時間和雙固定效應，表8為固定效應計量結果。從回歸結果可以看出，3種效應的系數都顯著為正，說明各省市的制造業升級存在著外溢效應。從工業機器人應用系數來看，三者在1%的水平上顯著為正，說明工業機器人應用對推動制造業升級有著顯著的影響。從3種效應的Log-like值比較可發現雙固定效應的Log-like值最大，因此選擇雙固定效應的SDM更優。

從控制變量的回歸結果來看，外商直接投資與信息化發展水平對制造業升級的影響顯著，而人力資本、政府科技資助、交通發達程度及城鎮化水平對制造業升級的影響不顯著。其中信息化發展水平對制造業升級有著顯著促進作用，主要是信息化可以促進制造業與相關行業機構之間的知識共享和有效信息的交流，以優化制造業產業結構，從而推動我國制造業轉型升級，即信息化是推動制造業升級和實施新型工業化的必由之路。由上述回歸結果發現，外商直接投資對制造業升級產生顯著的負面影響，這可能是因為外商直接投資主要集中于勞動密集型制造業，技術溢出效應并不明顯，且一味依靠外商直接投資的技術溢出效應并不能使我國技術水平發生根本性變化，甚至不斷擴大的外資規模形成一定的市場壟斷后會引致對內資企業的負面擠出效應，阻礙制造業升級轉型。人力資本并未對制造業升級產生顯著影響，這可能是因為將“每萬人擁有的普通高等學校在校學生數”作為人才代理變量存在一定缺陷，也可能是目前的教育規模并不能很好地與創新升級需要的技術結構相匹配。政府科技資助也并未對制造業升級產生顯著影響，這可能是因為政府對科技資助規模過大或過小，從而扭曲了制造業的資源配置，不利于制造業升級。發達的交通可以推動制造業升級過程中生產要素的流動，有利于優化資源配置。城鎮化雖然可以通過釋放投資和消費需求推動制造業升級，但是從目前中國制造業的發展來看，企業的大部分勞動者都為外來務工者，僅有少部分當地居民，與當地城鎮化進程關系并不密切，因此城鎮化對制造業升級影響并不顯著。

表9 空間杜賓模型回歸結果

SDM模型可以分解成3個部分，首先是自變量影響本地區因變量的直接效應，其次是自變量影響相關地區因變量的間接效應，最后是自變量影響因變量的總效應。從表10的SDM模型分解效應結果可知，工業機器人應用在直接效應與間接效應上都非常顯著。工業機器人應用對制造業升級具有顯著的正向直接效應，工業機器人應用每上升1個單位，促進本區域制造業升級水平提升0.008個單位，表明工業機器人應用的增加會顯著驅動地方制造業升級。而工業機器人應用對相關地區制造業升級影響間接效應為負，說明本地增加工業機器人應用將不利于周邊地區的制造業升級，這可能是因為相鄰地區之間存在著競爭關系使其具有負向的外溢效應。

表10 空間杜賓模型直接效應、間接效應和總效應

變量鄰近矩陣系數t值間接效應RB-0.006??(0.04)HR-0.024(0.69)GOV2.815???(0.00)COM-1.611(0.26)PRE0.037(0.24)UR-0.060(0.72)FDI0.057(0.87)

變量鄰近矩陣系數t值總效應RB0.002(0.57)HR-0.037(0.57)GOV2.689???(0.01)COM0.702(0.68)PRE0.041(0.23)UR0.086(0.67)FDI-0.460(0.29)

3.穩健性檢驗

為證明實證結果的可信性，進一步選擇空間反距離矩陣來加強以上結論的穩健性，估計結果如表11所示。穩健性檢驗結果與表8回歸結果基本一致，只在數值大小上略有不同。從工業機器人應用系數結果可知，在1%的水平上顯著為正，表明工業機器人應用對制造業升級具有顯著的推動作用。

表11 穩健性檢驗

4.異質性檢驗

由于我國各地對工業機器人應用存在較大的空間地理差異，因此分地區對其進行驗證。由表12可知，東中西部3個區域的工業機器人應用對制造業升級的影響存在顯著差距，東部與中部地區的工業機器人應用對制造業升級產生了顯著的促進作用，且東部地區的顯著作用強于中部地區，而西部地區的影響作用并不顯著。究其原因，東部地區工業機器人應用起步較早、安裝密度較高，已形成規模完整的產業鏈，在市場需求、創新資源與影響力方面具備領先優勢，如珠三角的松山湖機器人產業園區與京津冀的唐山機器人產業園，憑借其雄厚的產業基礎及配套、龐大的應用市場，早已形成相對成熟的機器人產業鏈。中部地區的工業機器人應用雖然發展起步較晚，但是依托宏觀布局和廣闊的應用市場，已逐步建成機器人產業鏈，后發優勢明顯，如安徽的蕪湖機器人產業園，憑借國家政策措施與金融手段、應用對接結合，已形成較為完備的產業鏈。而西部地區工業機器人應用的軟環境不夠開放，人才較為匱乏，產業基礎薄弱，尚未形成規?；臋C器人產業集聚區，工業機器人應用的影響尚處于較低水平。

表12 分地區空間杜賓模型回歸結果

六、研究結論及建議

工業機器人應用是當前推動我國制造業轉型升級的前沿方向。本文立足當前工業機器人應用的發展狀況，選取2009—2019年30個省市的面板數據為樣本，通過空間相關性對工業機器人應用與制造業升級的空間分布進行分析，構建了空間計量面板模型對工業機器人應用與制造業升級之間的關系進行探索，研究發現：(1)我國工業機器人的應用與制造業升級在樣本期間呈現出較強的空間正自相關性，兩者皆存在明顯的空間集聚性。(2)工業機器人安裝密度存在較為明顯的空間地理差異，大部分省市與其鄰近省市有著相似的集聚特征，安裝密度高的省市集中在東部地區。(3)空間計量結果顯示我國工業機器人應用對制造業升級具有顯著的促進作用，控制變量結果顯示外商直接投資與信息化發展水平對制造業升級的影響顯著，其中外商直接投資對制造業升級產生負面影響，信息化發展水平對制造業升級有著促進作用。分地區檢驗得出東部與中部地區工業機器人應用對制造業升級有著顯著的推動作用，而西部地區不存在顯著的促進作用。工業機器人應用通過“機器換人”減少生產成本、提高勞動生產率、倒逼勞動力提高技能與素質、帶動企業技術創新等推動制造業升級。

基于上述結論，本文提出如下建議：

首先，中西部地區政府應加大對工業機器人應用的政策扶持力度。我國工業機器人應用分布空間差異較大，主要集中在東部地區。廣東省政府在2021年印發的《廣東省制造業高質量發展“十四五”規劃》中提出重點推進工業機器人在陶瓷、家具與紡織等重點行業的集成應用。浙江省出臺的《浙江省“機器人+”行動計劃》鼓勵推廣機器人應用，對購置工業機器人的企業按購置費的10%進行財政補貼。因此，為了強化工業機器人應用對制造業升級的推動作用，中西部地區可以進一步加大對工業機器人的政策扶持力度。

其次，穩步推進工業機器人技術，擴大其在制造業中的應用范圍。雖然我國工業機器人需求日益增長，但國產品牌在市場中占比不到三分之一。因此，國內制造企業要提高自主創新能力，形成技術優勢與品牌優勢，推動國產工業機器人發展與應用。我國工業機器人應用主要集中在汽車制造、金屬制造等傳統制造業，但是隨著研發技術進步，工業機器人會不斷擴大其在制造業中的應用范圍。政府應統籌各項資金資本，形成多方支持的研發新格局，推動產學研合作，重點聚焦前沿技術、共性關鍵技術，推動我國工業機器人應用成為制造業升級變革的關鍵性力量。

最后，政府可以優化外商直接投資結構，引導外資產業投資方向。一方面，加大引進技術含量高的歐美國家的外商直接投資，引導外資更多地投向工業機器人等先進制造業領域。另一方面，國內企業在吸收先進技術的同時應注重提高自身的研發能力，加強產學研合作，積極消化吸收先進技術，提升自身技術創新能力，縮小與外商高科技企業的技術差距，最終實現自主發展。在信息化發展方向，政府仍需推進信息化廣度與深度，落實相關激勵政策，制造企業可以嚴格規范信息化管理、提高信息化利用率，加大企業信息化建設力度，更好地發揮信息化建設在制造業升級中的推動作用。