徐 曄 朱 婕 陶長琪

(江西財經(jīng)大學(xué)，江西 南昌 330013)

一、引言

改革開放以來，中國憑借豐富的勞動力和資源優(yōu)勢，一躍成為舉世矚目的“世界工廠”。自2001年加入世界貿(mào)易組織，中國制造開始大量走出國門，制造業(yè)增加值穩(wěn)步提升，并于2010年首次超過美國。與此同時，中國工業(yè)國際競爭力也在不斷增強。然而，受人口紅利優(yōu)勢逐漸喪失、美國等發(fā)達(dá)國家制造業(yè)回流、越南等新興發(fā)展中國家吸引制造業(yè)轉(zhuǎn)移，以及中美貿(mào)易摩擦加劇等多種因素疊加的影響，中國制造業(yè)發(fā)展受到明顯擠壓。與發(fā)達(dá)國家相比，目前中國制造業(yè)基礎(chǔ)能力仍較為薄弱，一些關(guān)鍵核心技術(shù)受制于人的問題依然沒有得到根本解決。面對新一輪科技革命和產(chǎn)業(yè)變革浪潮，黨的十九大報告明確指出：加快建設(shè)制造強國，加快發(fā)展先進(jìn)制造業(yè)，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟的深度融合；拓展對外貿(mào)易，培育貿(mào)易新業(yè)態(tài)新模式，推進(jìn)貿(mào)易強國建設(shè)；人才是實現(xiàn)民族振興、贏得國際競爭主動的戰(zhàn)略資源。

為了推動高端制造、建設(shè)制造強國和貿(mào)易強國、實現(xiàn)中國制造高水平走出去，必須要依靠人才提升智能技術(shù)水平、突破關(guān)鍵核心技術(shù)，提高制造業(yè)技術(shù)含量與附加價值。在《中國制造2025》行動綱領(lǐng)中，智能制造被確定為新一代信息技術(shù)與制造技術(shù)深度融合的主攻方向。那么，智能制造的發(fā)展是否明顯促進(jìn)了出口技術(shù)復(fù)雜度的提升？進(jìn)一步，智能制造能否通過激發(fā)技能勞動力充分發(fā)揮智能技術(shù)紅利及人才紅利進(jìn)而更有效地推動出口技術(shù)復(fù)雜度的提升？已有研究并未對此展開深入探討。有鑒于此，本文基于2003—2016年中國31個省份數(shù)據(jù)，研究了智能制造對出口技術(shù)復(fù)雜度的影響及其作用機制。

二、文獻(xiàn)回顧

在新一輪工業(yè)革命和人口老齡化的背景下，工業(yè)智能化對勞動力就業(yè)的影響成為國內(nèi)學(xué)者們研究的焦點，但結(jié)論存在一定分歧。從現(xiàn)有文獻(xiàn)來看，主要有三類代表性觀點，分別是替代、創(chuàng)造和極化效應(yīng)。陳秋霖等(2018)指出，人口老齡化是人工智能發(fā)展的誘因，人工智能與勞動力之間存在“補位式”替代關(guān)系,而不是“擠出式”替代。韓民春等(2020)實證研究表明，工業(yè)機器人的應(yīng)用對勞動力就業(yè)具有顯著的替代效應(yīng)。然而，也有研究指出，人工智能作為一種新形式的技術(shù)進(jìn)步，不僅不會完全替代勞動力，反而能夠創(chuàng)造勞動就業(yè)機會(程承坪 等，2018)。此外，還有一些研究顯示，工業(yè)智能化使得勞動力就業(yè)結(jié)構(gòu)呈現(xiàn)出“兩極化”特征，比如：孫早等(2019)發(fā)現(xiàn)，工業(yè)智能化將促使先進(jìn)設(shè)備替代初中和高中學(xué)歷勞動力，并增加對高、低教育程度勞動力的需求；宋旭光等(2022)研究表明，智能制造發(fā)展降低了對初中及以下非技能勞動力的需求，增加了對?？萍耙陨霞寄軇趧恿Φ男枨蟆?/p>

隨著出口貿(mào)易的迅速發(fā)展，出口技術(shù)復(fù)雜度越來越受到重視，與其相關(guān)的理論研究也在不斷增加?？傮w上，國內(nèi)學(xué)者的研究重點聚焦于探討出口技術(shù)復(fù)雜度的影響因素。已有研究表明，金融支持和技術(shù)創(chuàng)新(李玉山 等，2019)、人口年齡結(jié)構(gòu)變動(熊永蓮 等，2018)、進(jìn)口貿(mào)易自由化(盛斌 等，2017)、全球價值鏈與制度質(zhì)量(劉琳，2015)等對出口技術(shù)復(fù)雜度均具有顯著影響。與本文研究視角最為緊密的文獻(xiàn)主要有兩類：一類考察了數(shù)字經(jīng)濟或互聯(lián)網(wǎng)發(fā)展水平對出口技術(shù)復(fù)雜度的影響。王玉(2021)實證研究表明，以人工智能為代表的數(shù)字經(jīng)濟技術(shù)對出口技術(shù)復(fù)雜度存在正效應(yīng)。黨琳等(2021)通過識別國家網(wǎng)絡(luò)就緒指數(shù)的門檻效應(yīng)，證實制造業(yè)數(shù)字化轉(zhuǎn)型對出口技術(shù)復(fù)雜度具有顯著的非線性提升效應(yīng)。余姍等(2021)基于省級面板數(shù)據(jù)的實證研究發(fā)現(xiàn)，數(shù)字經(jīng)濟對出口技術(shù)復(fù)雜度具有邊際遞增的非線性驅(qū)動效應(yīng)。李金城等(2017)研究發(fā)現(xiàn)，互聯(lián)網(wǎng)發(fā)展水平與出口技術(shù)復(fù)雜度存在顯著的正相關(guān)關(guān)系。姚戰(zhàn)琪(2021)研究表明，數(shù)字貿(mào)易主要通過人力資本和R&D強度對出口技術(shù)復(fù)雜度產(chǎn)生顯著的間接效應(yīng)。另一類則探討了人力資本對出口技術(shù)復(fù)雜度的影響。毛其淋(2019)研究發(fā)現(xiàn)，人力資本擴張顯著提高了加工貿(mào)易企業(yè)的出口技術(shù)復(fù)雜度，且主要是通過促進(jìn)企業(yè)加大研發(fā)投入、在職培訓(xùn)力度以及進(jìn)口使用更多種類和更高質(zhì)量的中間投入品等途徑實現(xiàn)的。而周茂等(2019)則指出，人力資本擴張顯著提升了勞動者技能水平，進(jìn)一步技能勞動的“要素集聚”和“技術(shù)載體”功能共同推動了出口技術(shù)復(fù)雜度的提高。戴魁早(2019)認(rèn)為，智能人才是提高出口技術(shù)復(fù)雜度的關(guān)鍵動力，要素市場扭曲不利于人力資本水平的提高，進(jìn)而會對地區(qū)企業(yè)出口技術(shù)復(fù)雜度產(chǎn)生抑制效應(yīng)。由此可見，技術(shù)與勞動要素的合理配置對出口技術(shù)復(fù)雜度的提升至關(guān)重要。

綜上所述，國內(nèi)學(xué)者針對出口技術(shù)復(fù)雜度的關(guān)鍵驅(qū)動因素展開了大量研究，且取得了一系列有價值的成果。但是，尚無文獻(xiàn)將智能制造、勞動力技能結(jié)構(gòu)以及出口技術(shù)復(fù)雜度納入同一框架進(jìn)行分析。較之已有研究，本文的貢獻(xiàn)主要體現(xiàn)在以下兩個方面：第一，基于智能制造的視角考察其對出口技術(shù)復(fù)雜度的影響，為促進(jìn)出口技術(shù)復(fù)雜度的提升提供了一個新的視角，豐富了出口技術(shù)復(fù)雜度影響因素的文獻(xiàn)。第二，進(jìn)一步考慮了技術(shù)供給與技能勞動力的匹配情況，揭示了智能制造影響出口技術(shù)復(fù)雜度的具體機制，為智能制造通過優(yōu)化勞動力技能結(jié)構(gòu)進(jìn)而促進(jìn)出口貿(mào)易高水平發(fā)展提供了經(jīng)驗證據(jù)。

三、理論分析與研究假說

智能制造促進(jìn)出口技術(shù)復(fù)雜度提升的內(nèi)在機理如圖1所示。數(shù)字技術(shù)的信息數(shù)據(jù)化表征與處理、網(wǎng)絡(luò)化技術(shù)的人物間交叉互聯(lián)以及智能化技術(shù)的深度學(xué)習(xí)與自主決策等特點，賦予智能制造實現(xiàn)跨時空資源共享和跨主體互聯(lián)協(xié)作的能力，優(yōu)化了資源配置并改善了傳統(tǒng)生產(chǎn)方式，進(jìn)而可以有效解決制造業(yè)出口貿(mào)易活動中的技術(shù)要素供需矛盾，推動出口技術(shù)復(fù)雜度提高。同時，由于技術(shù)進(jìn)步具有技能偏向性，智能技術(shù)需要與之相匹配的技能勞動力才能使其效用最大化，更好地促進(jìn)技術(shù)進(jìn)步與創(chuàng)新，推動出口技術(shù)復(fù)雜度提高。

圖1 作用機理

(一)智能制造與出口技術(shù)復(fù)雜度

智能制造是指在制造過程各環(huán)節(jié)與新一代信息技術(shù)深度融合所進(jìn)行的智能活動，包含智能制造技術(shù)與系統(tǒng)(人機一體化系統(tǒng))。其中，智能制造技術(shù)是智能制造不斷發(fā)展的動力源泉，由數(shù)字化、網(wǎng)絡(luò)化、智能化與先進(jìn)制造技術(shù)深度融合而成，具備共性賦能技術(shù)所特有的技術(shù)紅利。智能制造帶來的技術(shù)紅利對出口技術(shù)復(fù)雜度的提升主要通過智能制造技術(shù)對平臺、資源和生產(chǎn)賦能的方式，即建立協(xié)同平臺、優(yōu)化資源配置模式以及改善傳統(tǒng)生產(chǎn)方式，實現(xiàn)技術(shù)與制造業(yè)各環(huán)節(jié)的深度融合。數(shù)字化技術(shù)和網(wǎng)絡(luò)化技術(shù)作為智能制造的基礎(chǔ)和技術(shù)支撐(趙劍波，2020)，通過算法和平臺連接、挖掘和整合數(shù)據(jù)化信息，突破了信息流動障礙，推動了資源跨時空跨主體的開放共享和協(xié)同發(fā)展，降低了信息搜尋和生產(chǎn)交易成本，提高了資源配置效率和勞動生產(chǎn)效率(李金城 等，2017；Nath et al.，2017)，從而有助于突破貿(mào)易壁壘，促進(jìn)出口貿(mào)易發(fā)展，提升出口產(chǎn)品國際競爭力，推動制造業(yè)出口產(chǎn)品技術(shù)含量穩(wěn)步提高(劉琳，2015)。同時，工業(yè)機器人作為智能化技術(shù)應(yīng)用的重要形式，通過發(fā)揮自動化和智能化效應(yīng)改變了制造業(yè)傳統(tǒng)生產(chǎn)方式，提高了資源利用效率，降低了勞動強度，提高了產(chǎn)品質(zhì)量與生產(chǎn)效率(Graetz et al.，2018)，進(jìn)而推動出口技術(shù)復(fù)雜度顯著提升(郭晶 等，2010)。此外，數(shù)字化、網(wǎng)絡(luò)化和智能化技術(shù)節(jié)約的生產(chǎn)和貿(mào)易成本均可用于研發(fā)創(chuàng)新，從而通過提高知識與技術(shù)增量促進(jìn)制造業(yè)技術(shù)進(jìn)步，提升出口產(chǎn)品技術(shù)含量。因此，智能制造的發(fā)展對出口技術(shù)復(fù)雜度的提高具有促進(jìn)作用。

然而，智能制造對出口技術(shù)復(fù)雜度的影響并非呈簡單的線性特征。在智能制造發(fā)展初期，其以數(shù)字化、網(wǎng)絡(luò)化技術(shù)應(yīng)用為主，效用主要體現(xiàn)在降低信息搜尋成本方面。盡管隨著信息技術(shù)的發(fā)展，新一代人工智能技術(shù)逐步成為智能制造的核心，但是其本質(zhì)上仍屬于對自動化技術(shù)的模仿，疏忽了對關(guān)鍵技術(shù)的研發(fā)，導(dǎo)致人工智能僅對勞動密集型和資本密集型制造業(yè)具有促進(jìn)作用，而難以有效推動技術(shù)密集型制造業(yè)的發(fā)展(孫早 等，2021)。在以出口勞動密集型產(chǎn)品為主的階段，智能制造技術(shù)賦能所帶來的技術(shù)紅利能夠滿足出口產(chǎn)品的技術(shù)需求，但隨著中國出口產(chǎn)品逐步向技術(shù)密集型轉(zhuǎn)變，這種由經(jīng)濟增長而非技術(shù)創(chuàng)新驅(qū)動的出口技術(shù)復(fù)雜度的提升明顯后勁不足、難以為繼。也就是說，當(dāng)智能制造發(fā)展到一定階段，由于關(guān)鍵核心技術(shù)的自主創(chuàng)新能力較弱，智能技術(shù)進(jìn)步的供給與出口產(chǎn)品對關(guān)鍵核心技術(shù)的需求難以實現(xiàn)有效匹配，從而導(dǎo)致智能制造對出口技術(shù)復(fù)雜度的促進(jìn)作用受到抑制。由此可見，智能制造與出口技術(shù)復(fù)雜度之間可能呈非線性關(guān)系。綜上，本文提出：

假說

1

：

智能制造對出口技術(shù)復(fù)雜度的促進(jìn)作用具有非線性特征。

(二)勞動力技能結(jié)構(gòu)的中介效應(yīng)

數(shù)字化和網(wǎng)絡(luò)化是智能制造的基礎(chǔ)，人工智能是智能制造的關(guān)鍵核心技術(shù)，智能機器人的應(yīng)用是智能制造的重要環(huán)節(jié)，其與人共同活動組成人機一體化系統(tǒng)。因此，智能制造除了發(fā)揮技術(shù)紅利對出口技術(shù)復(fù)雜度產(chǎn)生直接影響外，還可以通過技能勞動力的人才紅利間接提升出口技術(shù)復(fù)雜度。隨著機器人的廣泛應(yīng)用與人工智能的持續(xù)發(fā)展，自動化與智能化生產(chǎn)水平不斷提高。人機協(xié)同生產(chǎn)的出現(xiàn)改善了傳統(tǒng)生產(chǎn)方式，在生產(chǎn)任務(wù)中實現(xiàn)了對技能勞動力供給不足的任務(wù)替代(Sachs et al.，2012，2015)，一定程度上提高了生產(chǎn)效率與質(zhì)量，甚至是產(chǎn)品技術(shù)含量。同時，由于技術(shù)進(jìn)步具有技能偏向性，非技能或低技能勞動力容易被取代，只有較高技能的勞動力才能快速適應(yīng)新技術(shù)(Katz et al.，1992)。這是因為高技能勞動力對新知識與新技術(shù)的學(xué)習(xí)與應(yīng)用能力更強，在提高技術(shù)使用速度和生產(chǎn)效率方面的作用更加突出(Costinot，2009；Galor et al.，2000)。因此，人機協(xié)同生產(chǎn)中新技術(shù)與技能勞動力是否能夠完美結(jié)合尤為重要(Acemoglu et al.，2020)，技能和技術(shù)之間的不匹配會阻礙新技術(shù)的發(fā)展和潛在生產(chǎn)力的增長(Acemoglu et al.，2018)。隨著新一輪科技革命的深入推進(jìn)，智能制造技術(shù)對技能勞動力的需求越來越大，并且提出了更高的要求。

除了有助于實現(xiàn)智能技術(shù)的有效應(yīng)用，對技能勞動力要求的提高還是驅(qū)動出口技術(shù)復(fù)雜度提升的關(guān)鍵。出口技術(shù)復(fù)雜度不僅是出口產(chǎn)品技術(shù)含量和生產(chǎn)效率的綜合反映，也是技術(shù)創(chuàng)新與進(jìn)步的重要體現(xiàn)(趙富森，2020)。而技術(shù)創(chuàng)新與進(jìn)步涵蓋技術(shù)開發(fā)、轉(zhuǎn)化和應(yīng)用三個方面(陶長琪 等，2021)，需要勞動者具備較強的技術(shù)研發(fā)與應(yīng)用能力。出口技術(shù)復(fù)雜度越高，意味著產(chǎn)品技術(shù)含量越高，進(jìn)行研發(fā)和生產(chǎn)的難度越大(齊俊妍 等，2011)，對與之相匹配的高技能勞動力的需求越大(Acemoglu et al.，2019)。工業(yè)智能化只有協(xié)同高技能勞動力才能更好發(fā)揮技術(shù)創(chuàng)新效應(yīng)(孫早 等，2019)，其對高技能勞動力的需求顯著多于低技能勞動力(Acemoglu，2002)。因此，在智能制造中增加具備技術(shù)研發(fā)與應(yīng)用能力的高技能勞動力，有助于充分利用現(xiàn)有資源激發(fā)新舊技術(shù)的潛在生產(chǎn)力、發(fā)揮創(chuàng)新效應(yīng)并突破技術(shù)邊界，從而促進(jìn)出口技術(shù)復(fù)雜度不斷提高。綜上，本文提出：

假說

2

：

智能制造通過優(yōu)化勞動力技能結(jié)構(gòu)進(jìn)而影響出口貿(mào)易結(jié)構(gòu)，即實現(xiàn)出口貿(mào)易結(jié)構(gòu)高級化以提升出口技術(shù)復(fù)雜度。

四、研究設(shè)計

(一)模型構(gòu)建

本文構(gòu)建如下面板回歸模型(1)檢驗智能制造對出口技術(shù)復(fù)雜度的影響，并加入平方項探討兩者間的非線性關(guān)系：

(1)

其中：i代表省份，i=1,2,…,31；t代表年份，t=1,2,…,14；j表示控制變量個數(shù)，j=1,2,3,4,5；α為常數(shù)項；ε為隨機干擾項；LEC為各省份制造業(yè)出口技術(shù)復(fù)雜度；IM為各省份智能制造水平；CON為控制變量。

為進(jìn)一步分析智能制造與出口技術(shù)復(fù)雜度的非線性關(guān)系，本文參考余珊等(2021)的做法，構(gòu)建如下面板門檻模型(2)：

(2)

其中：j表示控制變量個數(shù)，j=1,2,3,4,5；IM既是核心解釋變量也是門檻變量；φ為待估門檻值；I(·)為指示函數(shù)，在滿足條件時取值為1，否則取值為0。

為考察智能制造影響出口技術(shù)復(fù)雜度的具體機制，引入中介變量勞動力技能結(jié)構(gòu)。本文參考Baron et al.(1986)、溫忠麟等(2014)的中介效應(yīng)檢驗思路，建立如下檢驗?zāi)Ｐ停?/p>

(3)

(4)

其中，M代表不同技能的勞動力。由于勞動者學(xué)習(xí)并為應(yīng)用智能技術(shù)而對自身技能進(jìn)行提升需要時間，即技能勞動力存在滯后性，因此本文將中介變量滯后一期加入模型(3)。

(二)數(shù)據(jù)來源和變量說明

基于數(shù)據(jù)可得性，本文選取2003—2016年中國31個省份的面板數(shù)據(jù)作為樣本數(shù)據(jù)，對28個制造業(yè)行業(yè)出口技術(shù)復(fù)雜度進(jìn)行實證研究。本文數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》、國家統(tǒng)計局網(wǎng)站、EPS數(shù)據(jù)平臺、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和國研網(wǎng)統(tǒng)計數(shù)據(jù)庫。

1.被解釋變量：出口技術(shù)復(fù)雜度

出口技術(shù)復(fù)雜度的高低反映了出口產(chǎn)品技術(shù)含量的高低，是衡量出口競爭力的重要指標(biāo)。本文采用Hausmann et al.(2007)提出的兩步法，并借鑒余姍等(2021)將兩步法中的國家層面轉(zhuǎn)換為省級地區(qū)層面的做法，測算各省份制造業(yè)出口技術(shù)復(fù)雜度。首先，測算各時期制造業(yè)分行業(yè)j的出口技術(shù)復(fù)雜度(IEC)：

(5)

然后，測算各時期分省份制造業(yè)出口技術(shù)復(fù)雜度：

(6)

其中，EC表示t年i省的制造業(yè)出口技術(shù)復(fù)雜度,m=28。為消除異方差，在實證研究時對其進(jìn)行對數(shù)化處理，記為LEC。

鑒于制造業(yè)分行業(yè)出口額數(shù)據(jù)的可得性，篩選出中國海關(guān)HS編碼產(chǎn)品中屬于制造業(yè)行業(yè)產(chǎn)品的出口額，并對其進(jìn)行分類、匯總，以此作為制造業(yè)分行業(yè)出口額數(shù)據(jù)。由于海關(guān)編碼的商品分類與國民經(jīng)濟行業(yè)分類標(biāo)準(zhǔn)不一致，本文根據(jù)HS六位編碼體系，將其匹配至國民經(jīng)濟行業(yè)分類中，整理出28個制造業(yè)行業(yè)。同時，考慮到2003—2016年間海關(guān)編碼有02、07、12三種版本，且HS07版與HS12版在制造業(yè)6位產(chǎn)品編碼上沒有差別，因此2003—2007年間制造業(yè)分行業(yè)的產(chǎn)品出口額以HS02版產(chǎn)品編碼為匹配標(biāo)準(zhǔn)，2008—2016年間制造業(yè)分行業(yè)的產(chǎn)品出口額以HS12版產(chǎn)品編碼為匹配標(biāo)準(zhǔn)。

2.核心解釋變量：智能制造

智能制造技術(shù)包含智能制造使能技術(shù)和智能制造信息技術(shù)。在使能技術(shù)方面，主要包括人工智能、工業(yè)機器人和智能制造系統(tǒng)等；在信息技術(shù)方面，主要包括大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算和數(shù)字孿生等。由于制造業(yè)在智能化發(fā)展進(jìn)程中以工業(yè)互聯(lián)網(wǎng)為基礎(chǔ)，并以人工智能等新技術(shù)為支撐，本文選取人工智能技術(shù)水平、工業(yè)機器人應(yīng)用水平、互聯(lián)網(wǎng)普及程度和信息通訊水平四個指標(biāo)，使用熵值法綜合衡量各省份智能制造發(fā)展水平。其中，各指標(biāo)數(shù)據(jù)均為省級數(shù)據(jù)。具體指標(biāo)說明如下：

(1)人工智能技術(shù)水平，用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)全社會固定資產(chǎn)投資額來表示。(2)工業(yè)機器人應(yīng)用水平，借鑒韓民春等(2020)的做法，使用工業(yè)機器人進(jìn)口金額來表示。根據(jù)HS07八位編碼體系，工業(yè)機器人主要分為多功能工業(yè)機器人和其他未列名工業(yè)機器人(84795010和84795090)、集成電路工廠專用的自動搬運機器人(84864031)、噴涂機器人(84248920)、搬運機器人(84289040)、電阻焊接機器人(85152120)、電弧焊接機器人(85153120)和激光焊接機器人(85158010)。采用上述7類機器人進(jìn)口額的總和代替工業(yè)機器人進(jìn)口金額，并根據(jù)當(dāng)年匯率將美元折算為人民幣。(3)互聯(lián)網(wǎng)普及程度，用互聯(lián)網(wǎng)覆蓋規(guī)模來表示。(4)信息通訊水平，用電子及通信設(shè)備制造業(yè)專利申請數(shù)來衡量。

3.中介變量：勞動力技能結(jié)構(gòu)

勞動力技能結(jié)構(gòu)可分為高級技能勞動力(HW)、中級技能勞動力(MW)和低級技能勞動力(LW)。借鑒徐少俊等(2020)的做法，將接受過高等職業(yè)教育的勞動力歸為高級技能勞動力，接受過中等職業(yè)教育的勞動力歸為中級技能勞動力。因此，用大學(xué)?？?、大學(xué)本科和研究生文化程度就業(yè)人員的占比衡量高級技能勞動力，用高中文化程度就業(yè)人員的占比衡量中級技能勞動力，用未上過學(xué)、小學(xué)、初中文化程度就業(yè)人員的占比衡量低級技能勞動力。

4.控制變量

本文選取的控制變量主要包括：(1)地區(qū)開放程度(AO)，用省級進(jìn)出口總額占地區(qū)生產(chǎn)總值的比重來反映。(2)外商直接投資(FDI)，用實際使用外資額來反映，并在實證分析時對其進(jìn)行對數(shù)化處理，記為LFDI。(3)物流基礎(chǔ)設(shè)施(LN)，用鐵路營業(yè)里程數(shù)和公路線路里程數(shù)之和并取對數(shù)來反映。(4)知識產(chǎn)權(quán)保護(hù)(IP)，用地區(qū)專利申請受理量占R&D人員全時當(dāng)量的比重與專利申請授權(quán)數(shù)占R&D人員全時當(dāng)量的比重的算術(shù)平均值來反映。(5)研發(fā)投入(RD)，用研究與試驗發(fā)展(R&D)經(jīng)費內(nèi)部支出占GDP的比重來表示。

(三)描述性統(tǒng)計分析

本文各變量的描述性統(tǒng)計結(jié)果如表1所示。出口技術(shù)復(fù)雜度(EC)的均值為26398，最大值為73024，最小值為5568，標(biāo)準(zhǔn)差為14087，說明不同省份間出口產(chǎn)品技術(shù)水平差異較大。智能制造(IM)的均值為0.06，最大值為0.73，最小值為0，標(biāo)準(zhǔn)差為0.09，說明樣本省份間的智能制造發(fā)展水平存在明顯差異。

表1 描述性統(tǒng)計結(jié)果

五、實證結(jié)果與分析

(一)智能制造對出口技術(shù)復(fù)雜度的非線性影響

1．基準(zhǔn)回歸

考慮到一般的Hausman檢驗在存在異方差和自相關(guān)情況時檢驗結(jié)果不穩(wěn)健，本文選用修正的Hausman檢驗進(jìn)行模型選擇。修正的Hausman統(tǒng)計量的p值為0，故基于固定效應(yīng)模型結(jié)合聚類穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行模型估計，總體回歸結(jié)果見表2。由列(1)～(7)可以看出，智能制造(IM)及其平方項(IM)的估計系數(shù)的符號與顯著性并未隨控制變量的逐步加入而發(fā)生明顯變化。具體地，智能制造(IM)的估計系數(shù)始終在1%的顯著性水平下為正，而智能制造平方項(IM)的估計系數(shù)始終顯著為負(fù)，回歸系數(shù)的平均值分別為7.808和-8.446。這表明智能制造與出口技術(shù)復(fù)雜度之間存在倒U形的非線性關(guān)系。轉(zhuǎn)折點在智能制造指數(shù)約0.485時，本文樣本期內(nèi)僅有5個觀測點落在最優(yōu)值的右側(cè)，大部分集中在左側(cè)。上述檢驗結(jié)果初步說明，提高智能制造發(fā)展水平有助于推動出口技術(shù)復(fù)雜度提升，但邊際效應(yīng)呈遞減趨勢。

此外，由列(7)中控制變量的回歸結(jié)果可知，地區(qū)開放程度(AO)對出口技術(shù)復(fù)雜度存在顯著的負(fù)向影響；外商直接投資(FDI)和物流基礎(chǔ)設(shè)施(LN)均與出口技術(shù)復(fù)雜度在1%的顯著性水平上正相關(guān)；知識產(chǎn)權(quán)保護(hù)(IP)和研發(fā)投入(RD)對出口技術(shù)復(fù)雜度雖存在正向促進(jìn)作用，但均不顯著。

表2 總體基準(zhǔn)回歸結(jié)果

2.門檻效應(yīng)檢驗

基準(zhǔn)回歸結(jié)果初步表明，智能制造與出口技術(shù)復(fù)雜度整體上呈正相關(guān)關(guān)系，但邊際效應(yīng)遞減。為避免高度共線性問題，并進(jìn)一步檢驗智能制造對出口技術(shù)復(fù)雜度的非線性影響，本文采用門檻模型進(jìn)行估計?？紤]到各省份間智能制造發(fā)展存在差異，選取智能制造發(fā)展水平作為門檻變量?；贖ansen的樣本自舉法反復(fù)抽樣500次，對面板門檻進(jìn)行存在性檢驗，結(jié)果表明智能制造發(fā)展水平通過了雙重門檻檢驗，門檻值分別為0.0019和0.1638。進(jìn)一步，采用雙門檻模型結(jié)合穩(wěn)健標(biāo)準(zhǔn)誤檢驗進(jìn)行估計，結(jié)果見表3。

表3 面板門檻模型回歸結(jié)果

由表3可知，當(dāng)智能制造發(fā)展水平低于0.0019時，智能制造的估計系數(shù)為-359.321，且通過了1%的顯著性水平檢驗，表明智能制造對出口技術(shù)復(fù)雜度存在負(fù)向影響，這與上文結(jié)論不一致。經(jīng)考察在樣本期內(nèi)，智能制造指數(shù)低于0.0019的觀測點只有16個，且均在2003—2008間，除去為海南的一個觀測點外，其余均為西藏、青海和寧夏的觀測點。這可能是因為，在金融危機前，中國制造業(yè)出口以勞動密集型產(chǎn)品為主，而西部地區(qū)的勞動力成本優(yōu)勢明顯，能夠充分利用本地資源開發(fā)帶動相關(guān)產(chǎn)業(yè)發(fā)展；并且，由于西部地區(qū)資金不足、基礎(chǔ)薄弱，智能制造發(fā)展較為緩慢，而過低的智能制造水平又會導(dǎo)致機器紅利低于人口紅利，生產(chǎn)成本增加，產(chǎn)業(yè)發(fā)展受阻，最終對出口技術(shù)復(fù)雜度的提升產(chǎn)生抑制作用。當(dāng)智能制造發(fā)展水平在0.0019和0.1638之間時，智能制造的估計系數(shù)為4.899，且通過了1%的顯著性水平檢驗，表明智能制造對出口技術(shù)復(fù)雜度的影響由抑制效應(yīng)轉(zhuǎn)為促進(jìn)效應(yīng)。當(dāng)智能制造發(fā)展水平高于0.1638時，智能制造的估計系數(shù)降至1.928，但仍通過了1%的顯著性水平檢驗。綜上可知，隨著智能制造的發(fā)展，其對出口技術(shù)復(fù)雜度的促進(jìn)作用表現(xiàn)出邊際效應(yīng)遞減的非線性特征。因此，本文假說1得到充分證實。

3.不同時期的影響

上述全樣本門檻檢驗結(jié)果表明，存在抑制效應(yīng)的觀測點均在2003—2008年間。因此，本文推測智能制造對出口技術(shù)復(fù)雜度的影響在不同時期可能存在差異。為此，引入時間虛擬變量T進(jìn)行分析，金融危機前(2003—2007年)取值為1，金融危機后(2008—2016年)取值為0。將T與IM的交乘項納入模型(1)，控制個體效應(yīng)并使用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸，結(jié)果列于表4。不難發(fā)現(xiàn)，智能制造(IM)的估計系數(shù)在1%水平上顯著為正，交乘項(T×IM)的估計系數(shù)在5%水平上顯著為負(fù)。這說明，相比于金融危機前，在金融危機后智能制造對出口技術(shù)復(fù)雜度的促進(jìn)作用更明顯。原因可能在于：金融危機的爆發(fā)削弱了中國出口產(chǎn)品的價格優(yōu)勢和國際競爭力，導(dǎo)致出口受阻。為有效應(yīng)對危機，中國積極引導(dǎo)和支持企業(yè)加強自主創(chuàng)新，大力推進(jìn)經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級。因此，金融危機后中國出口產(chǎn)品的技術(shù)含量大幅提升。

表4 不同時期基準(zhǔn)估計結(jié)果

(二)勞動力技能結(jié)構(gòu)的中介效應(yīng)檢驗

1.中高級技能勞動力

表5列(2)和(3)報告了以高級技能勞動力為中介變量的估計結(jié)果。由列(2)可知，高級技能勞動力對智能制造的回歸系數(shù)為6.49，且通過了5%的顯著性水平檢驗，說明智能制造增加了企業(yè)對高級技能勞動力的需求。同時，列(3)的結(jié)果顯示，高級技能勞動力顯著地促進(jìn)了出口技術(shù)復(fù)雜度的提升，而在控制該因素后，智能制造對出口技術(shù)復(fù)雜度的影響不再顯著，表明高級技能勞動力在智能制造和出口技術(shù)復(fù)雜度之間發(fā)揮完全中介作用。

表5 作用機制檢驗結(jié)果

(續(xù)表5)

表5列(4)和(5)是以中級技能勞動力為中介變量的估計結(jié)果。由列(4)可見，中級技能勞動力對智能制造的回歸系數(shù)為4.858，且通過了5%的顯著性水平檢驗，表明智能制造會增加企業(yè)對中級技能勞動力的需求。列(5)的結(jié)果顯示，智能制造和中級技能勞動力對出口技術(shù)復(fù)雜度均存在正向影響，但前者未能通過顯著性檢驗，表明中級技能勞動力在智能制造和出口技術(shù)復(fù)雜度之間發(fā)揮完全中介作用。

2.低級技能勞動力

表5列(6)和(7)報告了以低級技能勞動力為中介變量的估計結(jié)果。從列(6)可見，智能制造對低級技能勞動力存在顯著的負(fù)向影響，系數(shù)值為-11.886，表明智能制造的發(fā)展會降低企業(yè)對低級技能勞動力的需求。列(7)的結(jié)果顯示，低級技能勞動力對出口技術(shù)復(fù)雜度的提升存在顯著抑制作用，而智能制造對出口技術(shù)復(fù)雜度的影響不顯著，表明低級技能勞動力在智能制造和出口技術(shù)復(fù)雜度之間發(fā)揮完全中介作用。

綜上所述，智能制造可以通過優(yōu)化勞動力技能結(jié)構(gòu)，即增加對中高級技能勞動力的需求、減少對低級技能勞動力的需求，進(jìn)而促進(jìn)出口技術(shù)復(fù)雜度顯著提升。由此可知，本文假說2得到驗證。

六、穩(wěn)健性和內(nèi)生性檢驗

為確保上述估計結(jié)果的可靠性，本文進(jìn)行了以下穩(wěn)健性測試：(1)變換被解釋變量的測算方法。借鑒戴魁早(2019)的做法，為保證出口產(chǎn)品的技術(shù)特征具有跨期穩(wěn)定性，引入標(biāo)準(zhǔn)出口技術(shù)復(fù)雜度(SEC)，SEC=100×(EC-EC)/

(EC-EC)，其取值范圍在0到100之間，無度量單位且能夠進(jìn)行跨期比較。在此基礎(chǔ)上，采用固定效應(yīng)模型控制個體效應(yīng)進(jìn)行回歸估計。同時，為解決異方差問題，加入White標(biāo)準(zhǔn)誤一同進(jìn)行檢驗。(2)增加控制變量?？紤]到產(chǎn)業(yè)結(jié)構(gòu)升級也可能對出口技術(shù)復(fù)雜度存在重要影響，在模型中引入控制變量產(chǎn)業(yè)結(jié)構(gòu)升級(IS)，并用第三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重來衡量。在此基礎(chǔ)上，控制個體效應(yīng)與時間效應(yīng)，使用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸估計。上述穩(wěn)健性檢驗的結(jié)果分別如表6列(1)～(4)和列(5)～(8)所示，從中可見，智能制造與出口技術(shù)復(fù)雜度均顯著正相關(guān)，說明本文研究結(jié)論是穩(wěn)健的。

表6 穩(wěn)健性檢驗結(jié)果

為盡可能解決互為因果關(guān)系而導(dǎo)致的內(nèi)生性問題，本文選取智能制造的滯后項和技能勞動力的滯后項作為工具變量，使用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行兩步最優(yōu)GMM估計。由表7的檢驗結(jié)果可以看出，核心解釋變量智能制造的估計系數(shù)的符號和顯著性水平均與前文保持一致。

表7 內(nèi)生性檢驗結(jié)果

(續(xù)表7)

七、結(jié)論與啟示

本文基于2003—2016年31個省份數(shù)據(jù)，考察了智能制造對出口技術(shù)復(fù)雜度的影響以及勞動力技能結(jié)構(gòu)的中介效應(yīng)。研究表明：(1)智能制造顯著地提升了出口技術(shù)復(fù)雜度，且兩者存在非線性關(guān)系。(2)當(dāng)智能制造水平大于0.0019時，智能制造對出口技術(shù)復(fù)雜度存在顯著的正向影響；隨著智能制造的發(fā)展，當(dāng)智能制造水平跨越一定門檻值(0.1638)時，其對出口技術(shù)復(fù)雜度的促進(jìn)強度逐步減小。整體上，智能制造對出口技術(shù)復(fù)雜度的促進(jìn)作用呈現(xiàn)出邊際效應(yīng)遞減的非線性特征。(3)相比于金融危機前，金融危機后智能制造對出口技術(shù)復(fù)雜度的促進(jìn)效應(yīng)更明顯。(4)智能制造主要通過優(yōu)化勞動力技能結(jié)構(gòu)，即協(xié)同中高級技能勞動力和替代低級技能勞動力，實現(xiàn)出口貿(mào)易結(jié)構(gòu)高級化，進(jìn)而推動出口技術(shù)復(fù)雜度顯著提升。

根據(jù)本文研究結(jié)論，提出如下政策建議：(1)進(jìn)一步加大對智能制造的支持力度，完善信息技術(shù)基礎(chǔ)設(shè)施建設(shè)，營造良好的營商環(huán)境，助推制造業(yè)智能化轉(zhuǎn)型升級，緊緊抓住智能制造釋放的技術(shù)紅利，促進(jìn)出口產(chǎn)品質(zhì)量穩(wěn)步提升。(2)創(chuàng)新人才培養(yǎng)模式，加強技能人才隊伍建設(shè)，加大專業(yè)技能培訓(xùn)力度。一方面，進(jìn)一步提高教育經(jīng)費投入，加快構(gòu)建產(chǎn)教融合、校企合作、工學(xué)一體的培養(yǎng)模式，扎實推動基礎(chǔ)研究與應(yīng)用研究的協(xié)調(diào)發(fā)展，為智能化發(fā)展提供相匹配的高素質(zhì)人才。同時，著力破除制約技能人才發(fā)展的體制機制，建立健全技能人才服務(wù)保障體系。另一方面，努力做好職工在崗、轉(zhuǎn)崗職業(yè)技能提升工作，推動低級技能勞動力向中級技能勞動力、中級技能勞動力向高級技能勞動力升級和轉(zhuǎn)移。