□周明海 鄭天翔 王秋實(shí)

內(nèi)容提要 本文利用我國工業(yè)部門2009～2018年的省級面板數(shù)據(jù)，考察工業(yè)機(jī)器人應(yīng)用對要素收入分配的影響。研究發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用顯著降低勞動要素在工業(yè)增加值中的分配比例。通過分解勞動收入份額的構(gòu)成要素，本文分析了工業(yè)機(jī)器人應(yīng)用對要素收入分配的影響路徑。研究發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用具有顯著的就業(yè)替代效應(yīng)和較弱的工資提升作用，且并未明顯提升生產(chǎn)效率。無論是直接影響還是路徑分析，研究均支持“機(jī)器換人”政策初顯成效的結(jié)論。然而，“機(jī)器換人”在我國的應(yīng)用是否體現(xiàn)資本偏向性，是否會對勞動工資產(chǎn)生負(fù)向沖擊從而進(jìn)一步惡化要素收入分配，仍然需要更長的觀察時間加以論證。

一、引言

近十多年來，以工業(yè)機(jī)器人為代表的新興技術(shù)革命席卷全球。2018年，工業(yè)機(jī)器人全球銷售量達(dá)到42.2萬臺，且工業(yè)機(jī)器人銷量之冠并不在發(fā)達(dá)的美國，而在發(fā)展中的中國，后者占全球總銷量的36.7%，超出三分之一強(qiáng)（世界機(jī)器人報告，2019）。經(jīng)過十余年發(fā)展，2018年全球已投入使用的工業(yè)機(jī)器人累計存量接近250萬臺（244.0萬臺）。國內(nèi)外經(jīng)濟(jì)研究表明，工業(yè)機(jī)器人的廣泛應(yīng)用有助于抵消全球人口老齡化對經(jīng)濟(jì)增長的負(fù)面效應(yīng)，從而避免發(fā)達(dá)國家遇到“長期停滯”的風(fēng)險和發(fā)展中國家面臨“未富先老”的陷阱（Acemoglu& Restrepo，2017；2018a；陳秋霖等，2018）。利用新興技術(shù)，發(fā)達(dá)經(jīng)濟(jì)體能夠有效應(yīng)對人口老齡化沖擊，大幅提升經(jīng)濟(jì)效率，但也產(chǎn)生向下的工資沖擊效應(yīng)和與之相伴的失業(yè)問題。就應(yīng)用新興技術(shù)的短期后果看，Acemoglu & Restrepo（2019）不僅從實(shí)證上發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用對美國本地勞動力市場就業(yè)和工資的負(fù)向沖擊，還在理論上論證了新興技術(shù)對可自動化任務(wù)的替代效應(yīng)，解釋了勞動力需求和工資水平下降的現(xiàn)象。

就我國而言，人口老齡化在勞動力市場的突出表現(xiàn)為低勞動力成本優(yōu)勢不復(fù)存在。由于生產(chǎn)要素相對稀缺性和相對價格發(fā)生變化，企業(yè)和地方經(jīng)濟(jì)將采用資本替代勞動的理性應(yīng)對策略，即“機(jī)器換人”。2014年以來，北京、上海、廣東、江蘇和浙江等東部沿海省市紛紛通過“機(jī)器換人”的方式應(yīng)對快速上升的農(nóng)民工工資和不斷高企的勞動力成本（Cheng et al.，2019）。從全國層面看，“機(jī)器換人”政策似乎初顯成效。2010年起，我國工業(yè)機(jī)器人銷售破萬（1.5萬臺），2018年達(dá)到15.4萬臺，期間增長了10倍（世界機(jī)器人報告，2019）。相應(yīng)的，我國工業(yè)城鎮(zhèn)就業(yè)人數(shù)從2014年最高的9479.2萬人下降至2018年的8533.9萬人，累計減少達(dá)945.3萬人①。將兩者結(jié)合來看，以每萬名城鎮(zhèn)就業(yè)人員擁有的工業(yè)機(jī)器人數(shù)量衡量的機(jī)器人密度從2010年7.3臺上升至2018年的73.5臺，期間也增長了10倍。因此，“機(jī)器換人”策略在一定程度上起到扭轉(zhuǎn)勞動力成本上升的目的。我國工業(yè)單位勞動力成本先從2010年的12.4%持續(xù)上升至2014年的20.0%，此后再逐步下降至2018年的18.1%（見圖1）②。

圖1 工業(yè)機(jī)器人密度和單位勞動力成本，2009～2018

圖1表明，在工業(yè)機(jī)器人應(yīng)用的初期階段，勞動需求負(fù)向效應(yīng)還不足以抵消勞動供給短缺對工資的拉升作用，從而未能扭轉(zhuǎn)勞動力成本短期上升的趨勢。一旦工業(yè)機(jī)器人廣泛應(yīng)用后，勞動力負(fù)向需求效應(yīng)可能超過勞動供給短缺影響，從而對要素收入分配產(chǎn)生負(fù)向沖擊。另一方面，工業(yè)機(jī)器人應(yīng)用也可能通過提高企業(yè)生產(chǎn)效率增加企業(yè)獲利能力，從而提高工人工資并增加其分享企業(yè)租金的機(jī)會。確實(shí)，我國城鎮(zhèn)工業(yè)就業(yè)人員平均工資從2009年的28650元持續(xù)上升至2018年的63869元，名義增長超兩倍（2.2倍）。然而，就要素分配而言，若新興技術(shù)是偏向資本的，技術(shù)進(jìn)步帶來的勞動生產(chǎn)率增長將快于工資增長，因而將降低勞動收入份額（Acemoglu & Restrepo，2018b）。從我國數(shù)據(jù)來看，2009～2018年平均名義勞動生產(chǎn)率增長為8.2%，低于工資增長率2.0個百分點(diǎn)③?？梢?，兩者增長率的初步比較似乎并不能表明我國機(jī)器人應(yīng)用帶來的技術(shù)進(jìn)步具有資本偏向性。當(dāng)然，全國層面的趨勢性和相關(guān)性分析并不意味著工業(yè)機(jī)器人應(yīng)用與要素分配之間的因果關(guān)系。因此，本文試圖利用我國工業(yè)部門2009至2018年的省級面板數(shù)據(jù)，考察以工業(yè)機(jī)器人為代表的新興技術(shù)應(yīng)用對要素收入分配的影響。

二、文獻(xiàn)綜述

目前考察自動化、人工智能和機(jī)器人等新興技術(shù)對勞動力市場的影響主要分為兩類研究。第一類研究從行業(yè)、職業(yè)和工作任務(wù)是否會被新興技術(shù)替代的角度分析特定行業(yè)和工作類型所面臨的失業(yè)風(fēng)險。第二類研究探討自動化技術(shù)應(yīng)用的人口結(jié)構(gòu)原因及其對勞動力市場的影響后果。在兩類研究基礎(chǔ)上，我們將進(jìn)一步綜述新興技術(shù)對要素收入分配的影響。

（一）新興技術(shù)對特定行業(yè)和工作類型替代風(fēng)險研究

理論上，Autor et al.（2003）認(rèn)為屬于中等技能并從事常規(guī)性體力和腦力勞動者，如圖書管理員、文員等，其工作更容易被機(jī)器人和人工智能替代，而需要人際互動或解決問題等進(jìn)行創(chuàng)造性任務(wù)的就業(yè)崗位則不易被替代，后者既包括保安等低技能體力勞動者，也包括律師、科學(xué)家和高管等高技能腦力勞動者。因此，新興技術(shù)對勞動力市場沖擊依賴于勞動者技能類型差異，從而按勞動者技能分布呈“中間受損、兩端受益”的工作極化現(xiàn)象（Goos & Manning，2007）。不過，工作極化現(xiàn)象不可能一直持續(xù)下去，許多中等技能的工作仍是一系列工作任務(wù)的有機(jī)集成。因此，那些需要人際互動、適應(yīng)和創(chuàng)造力強(qiáng)的中等技能工作仍將在未來具有生命力和可持續(xù)性。

實(shí)證研究利用上述理論框架預(yù)測新興技術(shù)對就業(yè)的沖擊，各國研究結(jié)果不盡相同。Frey &Osborne（2017）估算美國702個可被自動化和機(jī)器人替代工作崗位的概率，認(rèn)為美國47%的就業(yè)人口會被新興技術(shù)替代。根據(jù)此方法，趙忠等（2018）估算結(jié)果顯示，我國45%的城鎮(zhèn)就業(yè)人口存在被新興技術(shù)替代的風(fēng)險。然而，Arntz et al.（2016）通過改進(jìn)Frey & Osborne的方法，用工作任務(wù)而非職業(yè)分類的方法，發(fā)現(xiàn)工作任務(wù)的可替代率顯著減小，經(jīng)合組織（OECD）國家平均可替代率為9%，其中韓國最低（6%），奧地利最高（12%）。Oschinski & Wyonch（2017）進(jìn)一步更新了不易被新興技術(shù)替代的工作特征，認(rèn)為加拿大易被自動化替代的職業(yè)僅占總就業(yè)數(shù)的1.7%。

（二）新興技術(shù)應(yīng)用的內(nèi)在動力和經(jīng)濟(jì)后果

就應(yīng)用新興技術(shù)的動因看，Acemoglu & Restrepo（2017；2018a）認(rèn)為全球人口結(jié)構(gòu)老齡化是各國采用新興技術(shù)的理性應(yīng)對策略。其理論邏輯是，人口老齡化將勞動要素變得稀缺，從而導(dǎo)致勞動力成本高企，為了應(yīng)對高企的勞動力成本，企業(yè)自然傾向于用自動化、人工智能和機(jī)器人等新興技術(shù)抵消老齡化的負(fù)向沖擊，從而內(nèi)生出自動化偏向性的新興技術(shù)進(jìn)步。他們的實(shí)證研究表明人口老齡化越嚴(yán)重的發(fā)達(dá)經(jīng)濟(jì)體越愿意采用新興技術(shù)，這種策略完全抵消了人口老齡化和勞動力短缺帶來的負(fù)面效應(yīng)，使發(fā)達(dá)經(jīng)濟(jì)體的經(jīng)濟(jì)表現(xiàn)不降反增。

就新興技術(shù)應(yīng)用的短期后果看，Acemoglu &Restrepo（2019）不僅從實(shí)證上發(fā)現(xiàn)了新興技術(shù)對美國本地勞動力市場就業(yè)和工資的負(fù)向沖擊，還在理論上論證了新興技術(shù)對可自動化任務(wù)的替代效應(yīng)，解釋了勞動力需求和工資水平下降的現(xiàn)象。不過，他們的理論還表明新興技術(shù)也將通過生產(chǎn)率提升效應(yīng)增加不可自動化任務(wù)的勞動力需求，同時還可能通過資本深化和現(xiàn)有設(shè)備更新?lián)Q代，進(jìn)一步提高上游產(chǎn)業(yè)的勞動力需求。因此，新興技術(shù)對勞動力市場的短期就業(yè)沖擊效應(yīng)在理論上并不明確，而需通過實(shí)證加以判斷。對于中國勞動力市場，王永欽等（2020）利用微觀企業(yè)數(shù)據(jù)發(fā)現(xiàn)工業(yè)機(jī)器人滲透度增加1%會使得勞動力需求下降0.18%，但對工資沒有顯著影響。

從新興技術(shù)應(yīng)用的長期影響看，Acemoglu &Restrepo（2018b）認(rèn)為未來將是一場人類與機(jī)器的賽跑。人類的工作要么被機(jī)器人和自動化完全替代，要么在新興技術(shù)進(jìn)步的同時創(chuàng)造出足夠多的勞動密集型工種。該理論模型表明，當(dāng)資本積累和偏向性技術(shù)進(jìn)步內(nèi)生決定時，存在兩種情況：當(dāng)資本相對于勞動的價格足夠低時，所有人類工作都將被自動化，也就是說人類將徹底輸?shù)暨@場賽跑；當(dāng)資本邊際回報遞減時，新興技術(shù)類和勞動密集類工作就可以齊頭并進(jìn)，人類能夠享受自動化和機(jī)器人帶來的好處。

（三）新興技術(shù)對要素收入分配的影響及應(yīng)對

從本文關(guān)注的要素收入分配角度看，即使人類能夠在長期內(nèi)享受新興技術(shù)帶來的好處，由于新興技術(shù)變革是企業(yè)根據(jù)勞資要素替代關(guān)系做出的內(nèi)生選擇，通常具有要素偏向性，從而在短期內(nèi)使人類內(nèi)部產(chǎn)生貧富分化、分配不均的情況（Acemoglu & Restrepo，2018b）。如果新興技術(shù)是資本偏向的，技術(shù)進(jìn)步帶來的勞動生產(chǎn)率增長將快于工資增長，從而降低勞動要素的收入份額。除非勞動密集型的新工作大量涌現(xiàn)，新興技術(shù)帶來的效率補(bǔ)償效應(yīng)并不能改善要素收入分配，反而會加劇勞資分配問題。只有資本密集型和勞動密集型的工作齊頭并進(jìn)的長期均衡中，要素分配才會最終趨于穩(wěn)定。

如果新一輪的信息技術(shù)革命和過去的工業(yè)革命一樣，帶來短期失業(yè)和分配惡化并引發(fā)社會和政治動蕩，那么政策制定者需要設(shè)計合理制度并實(shí)施有效政策讓公眾接受并擁抱新興技術(shù)進(jìn)步。近期兩項(xiàng)研究均提出通過向機(jī)器人征稅的方式緩解由此引發(fā)的收入分配惡化問題。這些規(guī)范性研究認(rèn)為，只有設(shè)定較低的稅率水平（Costinot & Werning，2018），或只對半自動化的機(jī)器人征稅時（Guerreiro et al.，2018），稅收政策才能達(dá)到最優(yōu)效果。另外，政策需要保障機(jī)器人應(yīng)用過程中弱勢勞動力群體的持續(xù)性收入、就業(yè)能力和話語權(quán)，以實(shí)現(xiàn)平衡發(fā)展（楊偉國、邱子童，2020）。王林輝等（2020）認(rèn)為工業(yè)機(jī)器人的應(yīng)用會增加高低技術(shù)部門之間、不同產(chǎn)業(yè)結(jié)構(gòu)地區(qū)之間的收入不平等問題，因而需要實(shí)施就業(yè)培訓(xùn)和失業(yè)保障政策來緩解這一問題?？傊?，政策層面需兼顧新興技術(shù)帶來的效率和公平、短期和長期問題，從而制定和實(shí)施合理的再分配政策，實(shí)現(xiàn)經(jīng)濟(jì)的帕累托改進(jìn)。

本文將利用我國2009～2018年工業(yè)省級面板數(shù)據(jù)，考察以工業(yè)機(jī)器人為代表的新興技術(shù)應(yīng)用對要素收入分配的影響。我們不僅考察新興技術(shù)對勞動收入份額三個分項(xiàng)的直接影響，還將分析新興技術(shù)對勞動收入份額變動的作用路徑和機(jī)制，討論新興技術(shù)進(jìn)步的就業(yè)替代、工資變動和效率提升的三大效應(yīng)。研究發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用會顯著降低勞動要素在工業(yè)增加值中的分配比例。無論是對勞動收入份額各分項(xiàng)的直接影響還是對其變動的路徑分析，我們的研究均支持“機(jī)器換人”政策初顯成效的結(jié)論。從學(xué)術(shù)貢獻(xiàn)上，本研究提供了“機(jī)器換人”對發(fā)展中國家勞動力市場作用的經(jīng)驗(yàn)證據(jù)，重點(diǎn)關(guān)注了“機(jī)器換人”的要素分配后果。從政策意義上，本研究分析了“機(jī)器換人”策略在當(dāng)前中國經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和高質(zhì)量發(fā)展中扮演的作用，指出了權(quán)衡制造業(yè)轉(zhuǎn)型升級利與弊的重要性。

三、實(shí)證方程、數(shù)據(jù)構(gòu)造和描述統(tǒng)計

（一）勞動收入份額的決定方程和影響路徑

在跨國實(shí)證研究中，需要處理各國因勞動力市場制度差異產(chǎn)生的內(nèi)生性問題。使用一國內(nèi)部的地區(qū)面板數(shù)據(jù)使我們可以在同一制度環(huán)境下分析新興技術(shù)對要素收入分配的效應(yīng)，避免因勞動力市場制度引起的內(nèi)生性問題（周明海、楊粼炎，2017）。參照周明海（2014b）對我國勞動收入份額變動的理論機(jī)理和變量選擇的探討，我們構(gòu)建如下實(shí)證計量方程：

其中，下標(biāo)i和t分別表示地區(qū)和時間，ε表示隨機(jī)誤差項(xiàng)，β為估計系數(shù)。被解釋變量為要素收入分配指標(biāo)，用工業(yè)勞動收入份額（LS）表示。核心解釋變量為工業(yè)機(jī)器人應(yīng)用指標(biāo)，用工業(yè)機(jī)器人占每千名就業(yè)比例（RI）表示。系數(shù)β1反映工業(yè)機(jī)器人應(yīng)用對工業(yè)勞動收入份額的影響，預(yù)期為負(fù)。這意味著以機(jī)器人為代表的技術(shù)進(jìn)步是資本偏向的，即機(jī)器人使用密度增加將降低勞動收入份額。在新古典框架下，決定勞動收入份額變動的核心因素是要素密集度，可用資本產(chǎn)出比的對數(shù)（lnKY）表示，其系數(shù)β2的符號取決于勞動和資本間的替代關(guān)系。有關(guān)中國的研究并未得到統(tǒng)一結(jié)論，有的支持勞資間的替代關(guān)系（β2＜0）（李稻葵等，2009；周明海，2014b），有的則支持互補(bǔ)關(guān)系（β2>0）（羅長遠(yuǎn)、張軍，2009；白重恩、錢震杰，2009）。此外，我們還加入了其他控制變量（OC），包括出口與外資占比衡量的開放因素，國有資本占比與第二產(chǎn)業(yè)比重衡量的轉(zhuǎn)型因素，資產(chǎn)負(fù)債比與資產(chǎn)回報率衡量的經(jīng)濟(jì)效率因素，以及人均產(chǎn)值對數(shù)衡量的經(jīng)濟(jì)發(fā)展因素。

以上分析是水平意義上的勞動收入份額，我們也可以對被解釋變量勞動收入份額取對數(shù)，并根據(jù)勞動收入份額的定義，將其拆解為工資對數(shù)、就業(yè)人數(shù)對數(shù)、工業(yè)產(chǎn)值對數(shù)三項(xiàng)，從而探究工業(yè)機(jī)器人應(yīng)用對勞動收入份額三個分項(xiàng)的直接影響。

進(jìn)一步，我們還可用一階差分方程的形式考察勞動收入份額變動并探討各影響因素變化對其影響。這不僅有助于剔除不隨時間變化的地區(qū)差異影響，還有助于探討各變量影響勞動收入份額變動的路徑和機(jī)制。因此，我們將式（1）轉(zhuǎn)換成如下差分方程：

從定義看，工業(yè)勞動收入份額為工資總額與增加值的比值，其中分母工資總額是平均工資和就業(yè)人數(shù)的乘積。因此，勞動收入份額的變動可以分解為三個分項(xiàng)：就業(yè)數(shù)量的變動、平均工資的變動以及增加值的變動（周明海，2014b）。也就是說，我們可將式（2）中的被解釋變量替換為式（3）中右手邊的三個分項(xiàng)：

其中，△為期末t1與期初t0的差分，由于樣本限制，我們?nèi)∏昂髢赡甑牟钪?；W為平均工資，L為就業(yè)人數(shù)，Y為工業(yè)增加值。結(jié)合式（2）和（3），我們可以進(jìn)一步考察新興技術(shù)作用的三條路徑，即就業(yè)替代效應(yīng)、工資變動效應(yīng)和效率提升效應(yīng)，同時分析各分項(xiàng)效應(yīng)與綜合效應(yīng)之間的關(guān)系。

（二）工業(yè)機(jī)器人省級面板數(shù)據(jù)的構(gòu)造

本文核心解釋變量工業(yè)機(jī)器人的數(shù)據(jù)來自國際機(jī)器人聯(lián)盟（后文簡稱IFR），該數(shù)據(jù)集從2007年開始提供較為詳細(xì)的我國分行業(yè)機(jī)器人安裝數(shù)據(jù)。然而，上述實(shí)證方程要求我們從地區(qū)層面考察機(jī)器人的收入分配效應(yīng)。利用Bartik（1991）方法并結(jié)合各地區(qū)工業(yè)分行業(yè)相關(guān)信息，我們將全國層面的工業(yè)分行業(yè)數(shù)據(jù)轉(zhuǎn)換成省級面板數(shù)據(jù)，具體公式為：

其中，Rjt是j行業(yè)在t時期的機(jī)器人數(shù)量；wij，2007是將行業(yè)層面信息分配至地區(qū)層面的權(quán)重，表示為在2007年期初時期i地區(qū)j行業(yè)在全國j行業(yè)中的重要性④。我們分別運(yùn)用各年《中國工業(yè)統(tǒng)計年鑒》、2017年各省（直轄市、自治區(qū)）的《統(tǒng)計年鑒》和《2018年中國經(jīng)濟(jì)普查年鑒》中工業(yè)資產(chǎn)總計、銷售產(chǎn)值和平均用工人數(shù)三個指標(biāo)計算⑤。因此，Rit為轉(zhuǎn)換后的省級面板數(shù)據(jù)，表示i地區(qū)在t時期的機(jī)器人數(shù)量，將其與城鎮(zhèn)工業(yè)就業(yè)人數(shù)相比，即為式（1）中的RIit。

原則上，上述構(gòu)造方式與陳秋霖等（2018）的處理相同。在具體處理上，我們做了三方面的改進(jìn)：一是關(guān)注工業(yè)部門而非整體經(jīng)濟(jì)，這是因?yàn)闄C(jī)器人目前主要應(yīng)用于工業(yè)制造業(yè)，因而其就業(yè)和分配效應(yīng)也主要體現(xiàn)在工業(yè)部門⑥；二是利用兩位數(shù)工業(yè)細(xì)分行業(yè)而非中大類行業(yè)分類信息，減少了轉(zhuǎn)換過程中的信息損耗，使構(gòu)造的地區(qū)面板數(shù)據(jù)更準(zhǔn)確可靠；三是分別利用工業(yè)銷售產(chǎn)值、資產(chǎn)總計和平均用工人數(shù)三個經(jīng)濟(jì)指標(biāo)作為權(quán)重并進(jìn)行比較核對，進(jìn)一步保證地區(qū)面板數(shù)據(jù)的可靠性。

表1顯示了我國2009～2018年東、中、西三大區(qū)域的工業(yè)機(jī)器人安裝密度及其時間變化。表1的描述性統(tǒng)計要反映工業(yè)機(jī)器人應(yīng)用的實(shí)際情況，因此與式（4）的設(shè)定不同，這里的分配權(quán)重是隨時間變化的。考慮到機(jī)器人應(yīng)用的滯后性和數(shù)據(jù)可得性等因素，我們用滯后三期的權(quán)重對全國分行業(yè)數(shù)據(jù)進(jìn)行分配。從區(qū)域分布看，機(jī)器人安裝密度由東至西呈降序梯度排序，且三個權(quán)重的結(jié)果較為一致和接近，表明我們構(gòu)造的省級面板數(shù)據(jù)具有較高的可靠性。平均來看，東部地區(qū)的機(jī)器人密度要比西部地區(qū)高出2～3個點(diǎn)，中部地區(qū)則比東部地區(qū)略低。東部地區(qū)的前兩位分別是直轄市北京和上海，中部地區(qū)的前兩位是吉林和湖北，而西部地區(qū)則是重慶和廣西，相對符合預(yù)期。從時間趨勢看，三大區(qū)域的機(jī)器人密度均顯著提升，從前五年期間的每萬人2～5臺上升到后五年的16～22臺。同時，2013年前后三大區(qū)域的梯度排序保持不變，各區(qū)域的前兩位省、市排名也未發(fā)生明顯變動。

（三）其他變量的數(shù)據(jù)說明及整體描述性統(tǒng)計

被解釋變量勞動收入份額（LS）是從勞動要素角度衡量收入分配狀況，其度量通常用收入法國內(nèi)生產(chǎn)總值（后文簡稱GDP）相關(guān)分項(xiàng)計算而得，具體可定義為勞動者報酬與GDP的比值（周明海，2014a）。然而，我國統(tǒng)計系統(tǒng)并未提供工業(yè)行業(yè)收入法的分省核算，我們利用以下公式構(gòu)造工業(yè)勞動收入份額的省級面板數(shù)據(jù)：

表1 機(jī)器人安裝密度及區(qū)域和時間差異 單位：臺/萬人

其他控制變量（OC）中，開放因素的衡量指標(biāo)為：（1）出口占比為規(guī)模以上工業(yè)企業(yè)出口交貨值與工業(yè)銷售產(chǎn)值的比值；（2）外資占比為規(guī)模以上工業(yè)企業(yè)外商及港澳臺資本與規(guī)模以上工業(yè)企業(yè)實(shí)收資本的比值。轉(zhuǎn)型因素的衡量指標(biāo)為：（1）國有資本占比為規(guī)模以上工業(yè)企業(yè)國有與集體資本總和與實(shí)收資本的比值；（2）第二產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值的比值。經(jīng)營效益因素的衡量指標(biāo)為：（1）資產(chǎn)負(fù)債比為規(guī)模以上工業(yè)企業(yè)資產(chǎn)與負(fù)債的比值；（2）資產(chǎn)回報率為規(guī)模以上工業(yè)企業(yè)利潤總額與資產(chǎn)的比值。最后是表示經(jīng)濟(jì)發(fā)展水平的各地區(qū)人均GDP。各變量數(shù)據(jù)分別來自相應(yīng)年份的《中國統(tǒng)計年鑒》、《中國區(qū)域統(tǒng)計年鑒》、《中國工業(yè)統(tǒng)計年鑒》和《中國勞動統(tǒng)計年鑒》，整體描述性統(tǒng)計和變量說明如表2。

表2 變量名稱及描述性統(tǒng)計

四、實(shí)證結(jié)果分析

（一）水平方程的回歸結(jié)果及穩(wěn)健性檢驗(yàn)

首先采用省級面板數(shù)據(jù)對式（1）進(jìn)行估計。選取的樣本為2009～2018年我國30個地區(qū)的面板數(shù)據(jù)⑦。面板數(shù)據(jù)模型根據(jù)對截面固定效應(yīng)的不同假設(shè)可分為固定效應(yīng)與隨機(jī)效應(yīng)模型，依據(jù)Hausman檢驗(yàn)選擇判斷合適的估計模型。表3中給出6個模型的固定效應(yīng)估計結(jié)果。其中，模型1僅控制地區(qū)固定效應(yīng)，模型2同時控制地區(qū)和時間固定效應(yīng)，模型3至模型6沿用雙固定效應(yīng)模型。Hausman檢驗(yàn)結(jié)果均支持使用固定效應(yīng)模型。此外，模型1與模型2為按資產(chǎn)總計為權(quán)重計算的機(jī)器人密度結(jié)果；作為穩(wěn)健性檢驗(yàn)，模型3與模型4分別為按銷售產(chǎn)值和平均用工人數(shù)為權(quán)重計算的機(jī)器人密度結(jié)果；進(jìn)一步，模型5與模型6分別為城鎮(zhèn)單位和私營工業(yè)企業(yè)的回歸結(jié)果，這里機(jī)器人密度均用資產(chǎn)總計為權(quán)重計算。

比較模型1與模型2，我們發(fā)現(xiàn)在控制時間固定效應(yīng)前，工業(yè)機(jī)器人密度前的系數(shù)不顯著，但在控制時間固定效應(yīng)后顯著為負(fù)且符合預(yù)期，這表明在剔除勞動收入份額在不同年份的異質(zhì)性后，工業(yè)機(jī)器人為代表的新興技術(shù)應(yīng)用會降低勞動要素在工業(yè)增加值中的分配比例。同時，資本產(chǎn)出比對數(shù)前的系數(shù)為正，意味著在此期間我國資本和勞動的替代彈性小于1，因而支持資本和勞動呈互補(bǔ)關(guān)系的研究（羅長遠(yuǎn)、張軍，2009；白重恩、錢震杰，2009）。此外，部分其他控制變量前系數(shù)也相對穩(wěn)定，且較符合預(yù)期，與周明海（2014a）的研究結(jié)果較一致。例如，開放因素中的出口和外資占比前的系數(shù)為負(fù)，表明對外開放程度上升會導(dǎo)致勞動收入份額的下降。轉(zhuǎn)型因素中，國有資本占比前的系數(shù)為正，意味著國有產(chǎn)值比重下降將導(dǎo)致工業(yè)勞動收入份額下降；第二產(chǎn)業(yè)占比前的系數(shù)為負(fù)，表明工業(yè)化將導(dǎo)致要素收入分配向資本傾斜。效益因素中的資產(chǎn)負(fù)債比越高將使勞動收入份額下降，表明企業(yè)財務(wù)狀況越健康，勞動者得益越??；而資產(chǎn)回報率上升將導(dǎo)致勞動收入份額上升，表明工業(yè)企業(yè)經(jīng)營表現(xiàn)越好，勞動者得益更多；由于前者從存量平衡而后者從績效變動角度揭示經(jīng)營效益與要素分配的關(guān)系，因而可能存在不同。需要說明的是，加入時間固定效應(yīng)后，整體經(jīng)濟(jì)發(fā)展水平前的系數(shù)由顯著為正轉(zhuǎn)變?yōu)轱@著為負(fù)，這一結(jié)果與羅長遠(yuǎn)、張軍（2009）相同，表明工業(yè)勞動者并未從整體經(jīng)濟(jì)發(fā)展中同步獲益。

表3 水平方程的基本回歸結(jié)果

我們以雙固定效應(yīng)結(jié)果為基準(zhǔn)，工業(yè)機(jī)器人密度前的系數(shù)意味著每萬人工業(yè)機(jī)器人數(shù)量上升1%將導(dǎo)致勞動收入份額下降0.0366個百分點(diǎn)，表明工業(yè)機(jī)器人應(yīng)用對勞動收入份額具有顯著的負(fù)效應(yīng)。由于工業(yè)機(jī)器人在觀察期內(nèi)上升了14倍，保持其他條件不變，這將使勞動收入份額下降9.66個百分點(diǎn)，這一結(jié)果與余玲錚等（2019）利用廣東企業(yè)調(diào)查數(shù)據(jù)的分析較為一致。作為穩(wěn)健性檢驗(yàn)，若將構(gòu)造機(jī)器人密度數(shù)據(jù)的權(quán)重改為銷售產(chǎn)值和平均用工人數(shù)，即模型3與模型4，機(jī)器人密度前的系數(shù)符號和顯著性不變，其絕對值略有變化，表明機(jī)器人數(shù)據(jù)的可靠性和回歸結(jié)果的穩(wěn)定性。

如前所述，通過加總城鎮(zhèn)單位和城鎮(zhèn)私營企業(yè)工資總額獲得工業(yè)整體勞動收入份額并考察其決定因素，我們還可以分別考察工業(yè)機(jī)器人應(yīng)用對兩類企業(yè)勞動收入份額的影響，回歸結(jié)果為模型5與模型6?？梢园l(fā)現(xiàn)，城鎮(zhèn)單位企業(yè)比城鎮(zhèn)私營企業(yè)的負(fù)效應(yīng)更大。由于國有和外資企業(yè)為主體的城鎮(zhèn)單位企業(yè)相對資本更為密集，因而影響相對較大；而私營企業(yè)的要素稟賦通常是勞動密集型，因而影響相對較小。此外，表3后4列中其他變量前的系數(shù)符號和顯著性與模型2的雙固定模型保持基本一致。

（二）工業(yè)機(jī)器人應(yīng)用對就業(yè)、工資和產(chǎn)值的直接影響

表3中的水平方程回歸結(jié)果表明，工業(yè)機(jī)器人應(yīng)用對勞動要素分配產(chǎn)生負(fù)向沖擊。按定義，工業(yè)勞動收入份額由就業(yè)、工資和產(chǎn)值三個分項(xiàng)計算而得。表4展示了工業(yè)機(jī)器人應(yīng)用對勞動收入份額及其三個分項(xiàng)直接影響的回歸結(jié)果。模型7中的被解釋變量為勞動收入份額對數(shù)，工業(yè)機(jī)器人應(yīng)用對就業(yè)、工資和產(chǎn)值對數(shù)直接影響的回歸結(jié)果則分別對應(yīng)表4中模型8至模型10。Hausman檢驗(yàn)結(jié)果表明，除模型10固定和隨機(jī)效應(yīng)模型無差異，其他模型的檢驗(yàn)結(jié)果均支持固定效應(yīng)模型。需要說明，表4所有的回歸為工業(yè)整體情況，同時機(jī)器人密度均用資產(chǎn)總計為權(quán)重計算。

表4 工業(yè)機(jī)器人應(yīng)用對就業(yè)、工資和產(chǎn)值的直接影響

模型7中機(jī)器人密度前的系數(shù)可以解釋為勞動收入份額對機(jī)器人密度的彈性系數(shù)，表明機(jī)器人密度每增加1%，勞動收入份額降低0.186%。比較模型8至模型10工業(yè)機(jī)器人密度前系數(shù)，我們發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用對工資和產(chǎn)出的直接影響不顯著，對就業(yè)影響顯著為負(fù)。這些結(jié)果表明“機(jī)器換人”政策效果主要通過對勞動力替代來體現(xiàn)，機(jī)器人密度上升1%使就業(yè)數(shù)量下降0.204%?！皺C(jī)器換人”既未對產(chǎn)值產(chǎn)生顯著的正向沖擊也未對工資產(chǎn)生明顯的負(fù)向沖擊，這可能是我們的觀察期較短，目前處于工業(yè)機(jī)器人應(yīng)用的初期階段有關(guān)。結(jié)合模型7的分配效應(yīng)結(jié)果看，初步判斷新興技術(shù)可能主要通過負(fù)向影響就業(yè)分子項(xiàng)對整體勞動收入份額產(chǎn)生負(fù)向影響。

其他控制變量對勞動收入份額三個分項(xiàng)的直接效應(yīng)相對符合預(yù)期。資本產(chǎn)出比對產(chǎn)出的作用顯著為負(fù)，表明資本密集型企業(yè)相對于其他企業(yè)效率更低。出口和外資占比表示的開放因素對工資向下沖擊明顯。轉(zhuǎn)型因素中，國有資本占比上升將有助于提高工資水平，但會降低就業(yè)人數(shù)和產(chǎn)出，總體來看不利于生產(chǎn)效率的提升，而第二產(chǎn)業(yè)比重下降將使工業(yè)增加值下降。資產(chǎn)負(fù)債比升高的去杠桿過程會對就業(yè)產(chǎn)生負(fù)向沖擊，但對工資和產(chǎn)值的影響不明顯，而資產(chǎn)回報率表示的經(jīng)營效益提升主要是促進(jìn)就業(yè)和增加產(chǎn)值，對工資提升效應(yīng)則并不明顯。對應(yīng)的，整體經(jīng)濟(jì)發(fā)展可以同時促進(jìn)工業(yè)行業(yè)的工資、就業(yè)和產(chǎn)值水平。

表5 新興技術(shù)對要素收入分配變動的三大效應(yīng)

（三）工業(yè)機(jī)器人應(yīng)用對要素收入分配變動的三大效應(yīng)

在水平和彈性方程外，探討工業(yè)機(jī)器人應(yīng)用對勞動收入份額變動的作用路徑和機(jī)制則需結(jié)合差分方程式（2）和勞動收入份額變動的分解式（3）。首先，我們利用最小二乘法（OLS）對式（2）進(jìn)行估計，由于我們對所有變量都作了一階差分的處理，因此該回歸實(shí)質(zhì)上是一階差分模型，回歸結(jié)果為表5的模型11。為了進(jìn)一步理解勞動收入份額的變動機(jī)理，我們利用分解式（3）進(jìn)一步考察新興技術(shù)作用的就業(yè)替代效應(yīng)、工資變動效應(yīng)和效率提升效應(yīng)，同時更緊密地分析三大效應(yīng)與綜合效應(yīng)之間的關(guān)系。對于各路徑的回歸方程，我們?nèi)杂米钚《朔ǎ∣LS）分別獲得各路徑的一階差分回歸估計，回歸結(jié)果為表5的模型12至模型14。

表5中的所有回歸均為工業(yè)整體情況，同時機(jī)器人密度用資產(chǎn)總計為權(quán)重計算。需要說明的是，這里我們?nèi)∷谢貧w變量的水平變動，同時，由于在分解式（3）中效率提升效應(yīng)前的系數(shù)為負(fù)，因此模型14中被解釋變量的變動方向與工業(yè)產(chǎn)值相反。我們發(fā)現(xiàn)，差分方程與水平方程的回歸結(jié)果較為一致，盡管差分方程中部分變量前的系數(shù)顯著性有所下降。

從模型11可以看出，使用一階差分模型對工業(yè)機(jī)器人密度前系數(shù)影響不大，為-0.0347（表3中為-0.0366）。橫向比較模型11至模型14，工業(yè)機(jī)器人應(yīng)用對勞動收入份額變動的向下沖擊主要通過就業(yè)替代效應(yīng)來實(shí)現(xiàn)。一方面，“機(jī)器換人”政策初期效果主要體現(xiàn)在就業(yè)調(diào)整方面，這與文獻(xiàn)中的職業(yè)和任務(wù)替代風(fēng)險研究相一致；另一方面，“機(jī)器換人”政策在初期階段通過替代就業(yè)來緩解勞動力成本上升的態(tài)勢，工業(yè)機(jī)器人應(yīng)用通過工資變動對勞動收入份額甚至有較弱的促進(jìn)作用，這表明工業(yè)機(jī)器人應(yīng)用的力量還未積累到足以扭轉(zhuǎn)勞動力成本的上升態(tài)勢，需要等進(jìn)一步推廣“機(jī)器換人”政策后才能看到更明確的效果?？偟膩碚f，差分方程的回歸結(jié)果與表4中工業(yè)機(jī)器人應(yīng)用對就業(yè)的直接影響較為一致，就業(yè)替代效應(yīng)主導(dǎo)了勞動收入份額的變動，而有關(guān)工資變動效應(yīng)則存在一定分歧，現(xiàn)有回歸結(jié)果難以給出明確判斷。結(jié)合表4中水平方程的回歸結(jié)果，我們認(rèn)為我國新興技術(shù)應(yīng)用的主要動因是企業(yè)應(yīng)對勞動力成本沖擊的應(yīng)激反應(yīng)。就效果來看，我國目前處于“機(jī)器換人”的初期階段。從長期看，工業(yè)機(jī)器人是否會體現(xiàn)資本偏向性，是否會對勞動工資產(chǎn)生負(fù)向沖擊從而惡化要素收入分配，仍然需要更長的觀察時間加以驗(yàn)證。

其他控制變量結(jié)果對勞動收入份額變動的影響及其路徑如下：資本產(chǎn)出比變動主要通過效率提升路徑對勞動收入份額變動產(chǎn)生正向影響；出口占比對工資有擠壓效應(yīng)，但對整體勞動收入份額變動不顯著；產(chǎn)業(yè)結(jié)構(gòu)變動主要通過效率和工資渠道影響勞動收入份額變動；資產(chǎn)負(fù)債比上升主要通過就業(yè)渠道降低勞動收入份額；資產(chǎn)回報率上升則主要通過提高企業(yè)勞動需求對勞動收入份額變動起正向促進(jìn)作用；最后，國有資本和外資占比作用不明顯。

五、結(jié)論和政策建議

本文利用Bartik（1991）方法，結(jié)合國際機(jī)器人聯(lián)盟數(shù)據(jù)集和各地區(qū)工業(yè)分行業(yè)相關(guān)信息，構(gòu)造了我國工業(yè)部門2009～2018年省級面板數(shù)據(jù)，考察工業(yè)機(jī)器人應(yīng)用對要素收入分配的影響。研究發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用會降低勞動要素在工業(yè)增加值中的分配比例。由于我國工業(yè)機(jī)器人在觀察期內(nèi)上升了14倍，保持其他條件不變，這將使我國工業(yè)勞動收入份額下降9.66個百分點(diǎn)。

從收入分配中就業(yè)、工資和產(chǎn)值三個分項(xiàng)的直接影響來看，工業(yè)機(jī)器人應(yīng)用對工資和工業(yè)增加值的直接影響不顯著，對就業(yè)影響顯著為負(fù)。進(jìn)一步，我們將勞動收入份額的變動分解為了就業(yè)、工資和產(chǎn)值三類變動效應(yīng)，從而分析工業(yè)機(jī)器人應(yīng)用通過就業(yè)替代效應(yīng)、工資變動效應(yīng)和效率提升效應(yīng)三大路徑和機(jī)制對勞動收入份額變動產(chǎn)生影響。研究進(jìn)一步發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用對勞動收入份額變動的向下沖擊主要通過就業(yè)替代效應(yīng)來實(shí)現(xiàn)，工資變動作用邊際顯著且較弱，同時我們并未發(fā)現(xiàn)顯著的生產(chǎn)效率提升作用。

無論是直接影響還是路徑分析，研究均體現(xiàn)了工業(yè)機(jī)器人對勞動力的顯著替代作用，表明“機(jī)器換人”政策初顯成效，然而整體替代作用較弱。這可能是因?yàn)槟壳皺C(jī)器人應(yīng)用主要集中于中高端制造業(yè)，以資本和技術(shù)密集型企業(yè)為主，就業(yè)容量較小，因而就業(yè)替代效應(yīng)不強(qiáng)；同時，未被替代員工具有較高的人力資本和技術(shù)水平，且與機(jī)器人存在較強(qiáng)的互補(bǔ)性，因而工業(yè)機(jī)器應(yīng)用具有微弱的工資促進(jìn)效應(yīng)。就低端制造業(yè)而言，勞動力成本仍在快速上升，“機(jī)器換人”只起到抑制工資進(jìn)一步增長的勢頭，還不足以完全扭轉(zhuǎn)成本上升的勢頭；同時，部分低技能工作崗位與機(jī)器人存在互補(bǔ)而非替代關(guān)系，因而并不必然受制于工業(yè)機(jī)器人的應(yīng)用。

從宏觀政策層面看，我們需權(quán)衡制造業(yè)轉(zhuǎn)型升級利與弊，探尋市場和政府關(guān)系的平衡點(diǎn)：一方面要利用好市場機(jī)制，緊緊抓住以機(jī)器人為代表的新興技術(shù)變革促進(jìn)我國經(jīng)濟(jì)發(fā)展的新機(jī)遇，引導(dǎo)機(jī)器人應(yīng)用產(chǎn)生就業(yè)創(chuàng)造而非就業(yè)破壞效應(yīng)；另一方面，發(fā)揮好政府作用，適時實(shí)施再分配政策，適度保護(hù)受工業(yè)機(jī)器人負(fù)向沖擊較大群體，保持該群體資源獲得和就業(yè)機(jī)會的平等，從而緩解技術(shù)變革對可持續(xù)人力資本積累的破壞性沖擊。

從微觀政策層面看，應(yīng)對新興技術(shù)變革對勞動力市場的負(fù)向沖擊，我們不應(yīng)采取政策限制工業(yè)機(jī)器人的就業(yè)替代效應(yīng)，而應(yīng)加強(qiáng)現(xiàn)有產(chǎn)業(yè)工人的技能培訓(xùn)和應(yīng)用新興技術(shù)產(chǎn)業(yè)的人才培養(yǎng)，使勞動者快速適應(yīng)因新興技術(shù)帶來的生產(chǎn)工藝、流程和規(guī)劃變化帶來的職業(yè)和崗位變動。我們還可以通過放開現(xiàn)有的職業(yè)資格認(rèn)證制度，促進(jìn)勞動力市場的職業(yè)流動，使勞動者有多種流動渠道應(yīng)對新興技術(shù)的沖擊。更進(jìn)一步，我們可以從制度上降低企業(yè)人工成本，為企業(yè)贏得更多空間和時間應(yīng)對勞動力成本上升帶來的挑戰(zhàn)。

注釋：

①工業(yè)城鎮(zhèn)就業(yè)人數(shù)為工業(yè)城鎮(zhèn)單位就業(yè)人員和城鎮(zhèn)私營和個體就業(yè)人員之和。

②我們將工業(yè)單位勞動力成本定義為工業(yè)行業(yè)的平均工資與勞動生產(chǎn)率的比值。前者由兩位數(shù)分行業(yè)的城鎮(zhèn)單位就業(yè)人數(shù)和平均工資加權(quán)平均計算而得，后者為規(guī)模以上工業(yè)增加值與城鎮(zhèn)單位和私營就業(yè)人數(shù)之和的比值。從要素收入分配角度看，工業(yè)單位勞動力成本也可被視為工業(yè)勞動收入份額（周明海，2014a），因此本文將根據(jù)需要交替使用這兩個定義。工業(yè)單位勞動力成本數(shù)據(jù)來自國家統(tǒng)計局?jǐn)?shù)據(jù)庫。

③由于國民經(jīng)濟(jì)行業(yè)分類調(diào)整，我們剔除了2012年數(shù)據(jù)。

④我們將國際標(biāo)準(zhǔn)行業(yè)分類與國民經(jīng)濟(jì)行業(yè)分類在編碼和時間上進(jìn)行了對照和協(xié)調(diào)一致。由于篇幅原因，本文不再詳述對照和協(xié)調(diào)過程，有需要的讀者可聯(lián)系作者。另外，由于考慮到2008～2009年為全球金融危機(jī)時期，我們選用2007年信息構(gòu)造期初權(quán)重。

⑤2009～2016年數(shù)據(jù)來自《中國工業(yè)統(tǒng)計年鑒》；由于2017年起停止發(fā)布《中國工業(yè)統(tǒng)計年鑒》，本文使用2017年各省（直轄市、自治區(qū)）《統(tǒng)計年鑒》及《2018年中國經(jīng)濟(jì)普查年鑒》對資產(chǎn)總計、平均用工人數(shù)進(jìn)行補(bǔ)充，剩余缺值使用插值法補(bǔ)充。

⑥目前，我國機(jī)器人應(yīng)用最多的行業(yè)是汽車制造業(yè)。

⑦由于異常值問題，我們剔除了西藏自治區(qū)的數(shù)據(jù)。