周世軍，陳博文

（1. 安徽工業(yè)大學(xué) 商學(xué)院，安徽 馬鞍山 243002；2. 華中農(nóng)業(yè)大學(xué) 經(jīng)濟管理學(xué)院，湖北 武漢 430070）

一、引 言

近年來，人工智能技術(shù)的快速發(fā)展使得工業(yè)機器人得以廣泛應(yīng)用。據(jù)國際機器人聯(lián)合會（International Federation of Robotics，IFR）統(tǒng)計數(shù)據(jù)顯示，截至2020 年底，全球工業(yè)機器人累計安裝量達300 萬臺，機器人平均密度為126 臺/萬人。與其他國家相比，2020 年中國工業(yè)機器人使用密度為246 臺/萬人，位于全球第9 位，較世界前三位的韓國（932 臺/萬人）、新加坡（605 臺/萬人）和日本（390 臺/萬人）尚有差距①數(shù)據(jù)來源于國際機器人聯(lián)合會網(wǎng)站（IFR），https://ifr.org/ifr-press-releases/news/robot-density-nearly-doubled-globally。。然而，隨著工業(yè)機器人應(yīng)用日益增多，“機器換人”引發(fā)擔(dān)憂。Acemoglu＆Restrepo［1］研究美國勞動力市場發(fā)現(xiàn)，每千名工人增加使用1 臺機器人，就業(yè)人口比例降低0.18%～0.34%；閆雪凌等［2］基于中國2006—2017 年制造業(yè)分行業(yè)數(shù)據(jù)研究指出，工業(yè)機器人安裝量每增加1 臺，就業(yè)崗位減少約4.6%②閆雪凌等學(xué)者在《統(tǒng)計研究》2020 年第1 期上發(fā)表的論文中指出“工業(yè)機器人保有量每上升1%，就業(yè)崗位減少約4.6%”。這種表述欠妥，作者的核心解釋變量為工業(yè)機器人安裝量（臺），被解釋變量為勞動力崗位數(shù)量且取對數(shù)。因此，其參數(shù)估計值-0.046 表達的意思應(yīng)是工業(yè)機器人安裝量每增加1 臺，勞動力就業(yè)崗位減少約4.6%。。美國制造業(yè)中每增加一臺機器人，平均就有3.3 名工人被取代，因此機器人使用越普遍，勞動力受到的沖擊可能越大。鑒于中國工業(yè)機器人的使用密度低于美國，并且考慮到中美勞動力規(guī)模以及成本差異，工業(yè)機器人對中國就業(yè)的沖擊效應(yīng)可能不會太大，因此工業(yè)機器人對于中國制造業(yè)的就業(yè)沖擊影響可能被高估了。為了更好厘清這一問題，本文將基于計量經(jīng)濟學(xué)模型建構(gòu)理論和分析方法進行實證研究。

與現(xiàn)有研究相比，本文的主要貢獻有以下幾點：一是研究數(shù)據(jù)上，本文基于微觀制造業(yè)上市公司數(shù)據(jù)進行分析，與現(xiàn)有宏觀研究相比結(jié)論更科學(xué)，能夠解決宏觀數(shù)據(jù)存在的黑箱問題；二是研究視角上，本文首次對機器人使用造成的區(qū)域就業(yè)“極化”機理進行了解釋，且通過分布滯后模型檢驗了機器人就業(yè)效應(yīng)的長期表現(xiàn)；三是研究方法上，本文采用多種穩(wěn)健性方法進行檢驗，同時使用工具變量緩解內(nèi)生性問題，使得研究結(jié)論更可靠。

二、文獻梳理與理論假說

（一）文獻梳理

近年來，討論以工業(yè)機器人為主要內(nèi)容的人工智能對勞動力就業(yè)影響的文章日益增多，學(xué)者們主要關(guān)注工業(yè)機器人對勞動力的就業(yè)水平、就業(yè)結(jié)構(gòu)及相關(guān)問題的實證與對策研究。

一是關(guān)注工業(yè)機器人對于勞動力就業(yè)水平的影響。大多數(shù)學(xué)者從偏向性技術(shù)進步的視角出發(fā)，考慮技術(shù)進步與勞動力投入在不同任務(wù)中的比較優(yōu)勢，指出資本或技術(shù)進步能夠顯著降低勞動力的比較優(yōu)勢，進而減少生產(chǎn)任務(wù)中勞動收入份額。例如，F(xiàn)rey＆Osborne［3］通過分析美國就業(yè)市場702 種崗位被替代的可能性，指出47%的工人面臨被替代的風(fēng)險；王永欽和董雯［4］研究認為，機器人應(yīng)用對企業(yè)勞動力需求產(chǎn)生一定的替代效應(yīng)，工業(yè)機器人滲透度每增加1%，企業(yè)的勞動力需求下降0.18%；類似研究還有孔高文等［5］、閆雪凌等［2］、Autor＆Dorn［6］、Leigh＆Kraft［7］等。除了上述替代效應(yīng)之外，還有部分研究認為，工業(yè)機器人的使用能夠提升企業(yè)生產(chǎn)效率、擴大生產(chǎn)規(guī)模、促使企業(yè)創(chuàng)造更多新崗位，具有就業(yè)創(chuàng)造效應(yīng)。工業(yè)機器人使用能夠調(diào)節(jié)不同行業(yè)之間的勞動力分布，在減少某些行業(yè)就業(yè)崗位的同時，也會促進其他行業(yè)的就業(yè)。Dauth et al.［8］通過對德國勞動力數(shù)據(jù)的分析發(fā)現(xiàn)，機器人應(yīng)用在降低制造業(yè)就業(yè)崗位的同時，顯著增加了服務(wù)業(yè)就業(yè)崗位。此外，還有部分學(xué)者認為機器人使用對勞動力就業(yè)水平提升并沒有顯著的影響［9］。

二是關(guān)注工業(yè)機器人對勞動力就業(yè)結(jié)構(gòu)的影響。部分學(xué)者研究發(fā)現(xiàn)，技術(shù)進步對不同技能勞動力的影響是非線性的，存在明顯的就業(yè)極化特征，即高技能和低技能勞動力就業(yè)比例明顯上升，而中等技能勞動群體就業(yè)則呈現(xiàn)顯著的下降趨勢［10-12］。郝楠和江永紅［13］根據(jù)勞動力受教育程度劃分勞動力技能水平后發(fā)現(xiàn)，不同技能勞動力就業(yè)結(jié)構(gòu)呈現(xiàn)出“N 型極化”特征。王永欽和董雯［4］通過構(gòu)建工業(yè)機器人滲透度指標(biāo)后發(fā)現(xiàn)，機器人應(yīng)用對不同技能的勞動力的需求存在顯著差異，存在“就業(yè)極化”特征。針對“就業(yè)極化”特征的一個代表性解釋是，高技能勞動者從事非常規(guī)的復(fù)雜勞動，低技能勞動力從事非常規(guī)的簡單勞動，這些工作被機器替代可能性較小，而中等技能勞動力從事的多為常規(guī)性工作，可替代性較高，往往容易被工業(yè)機器人所替代，造成中等勞動力需求下降。

三是考察機器人使用對勞動力工資等其他相關(guān)領(lǐng)域的影響。例如，Bloom et al.［14］實證研究發(fā)現(xiàn)，機器人使用的持續(xù)指數(shù)增長可能在可預(yù)見的未來擾亂就業(yè)市場，機器人的使用減少了工人工資。Acemoglu＆Restrepo［1］研究美國勞動力市場發(fā)現(xiàn)，每1 千名工人增加使用1 臺機器人，工資收入平均下降0.25%～0.5%。

總而言之，越來越多國內(nèi)外學(xué)者開始關(guān)注工業(yè)機器人等人工智能的應(yīng)用對勞動力市場造成的影響。然而，縱觀現(xiàn)有文獻，機器人應(yīng)用究竟導(dǎo)致了就業(yè)規(guī)模擴張還是縮減尚存在分歧，并且中國區(qū)域資源稟賦、經(jīng)濟發(fā)展水平差異巨大，“機器換人”是否真如部分學(xué)者研究宣稱的令人擔(dān)憂仍然值得進一步討論?；诖?，本文將采用“行業(yè)—制造業(yè)上市公司”宏微觀匹配數(shù)據(jù)，實證分析機器人應(yīng)用對勞動力市場的影響。

（二）理論假說

基于勞動力需求理論、總體模型建構(gòu)原則以及中國的現(xiàn)實情境，本文認為“機器換人”對就業(yè)的沖擊影響與下列情形有關(guān)，并呈現(xiàn)出相應(yīng)的沖擊特征，據(jù)此提出研究假說。

首先，“機器換人”的就業(yè)沖擊效應(yīng)跟企業(yè)規(guī)模有關(guān)。企業(yè)規(guī)模的擴張會使企業(yè)的等產(chǎn)量線向右移動，產(chǎn)生規(guī)模效應(yīng)，對勞動力需求有擴大的趨勢。同時，企業(yè)規(guī)模也會對工業(yè)機器人的使用產(chǎn)生影響，越是規(guī)模大的企業(yè)越傾向于使用工業(yè)機器人。王永欽和董雯［4］認為具有規(guī)模優(yōu)勢的大企業(yè)更有能力消化前期一次性機器人設(shè)備投入帶來的成本負擔(dān)以及有效節(jié)約勞動力成本，實現(xiàn)更高的成本加成，獲得規(guī)模收益，從而激勵更多企業(yè)使用機器人。同樣，Acemoglu＆Restrepo［15］認為，具有規(guī)模優(yōu)勢的大企業(yè)能從技術(shù)進步中獲取更多收益。企業(yè)使用的機器人越多，所替代的勞動力人數(shù)可能會越多?？傮w上說，機器人的使用使得企業(yè)雇傭員工的人數(shù)可能會增多，也可能會減少，取決于規(guī)模效應(yīng)和替代效應(yīng)之間的比較。按照目前研究，學(xué)者們基本上認同工業(yè)機器人的使用降低了就業(yè)水平，這意味著當(dāng)企業(yè)規(guī)模較大時，使用的工業(yè)機器人在生產(chǎn)中發(fā)揮了勞動力替代效應(yīng)，具體見圖1。工業(yè)機器人對總體就業(yè)的影響存在替代效應(yīng)和規(guī)模效應(yīng)，總效應(yīng)為兩者的加總?，F(xiàn)有研究表明，機器人應(yīng)用的總效應(yīng)存在企業(yè)規(guī)模異質(zhì)性，即企業(yè)規(guī)模越大，機器人使用強度越高，由此形成的勞動力替代效應(yīng)可能更為明顯，據(jù)此，本文提出假設(shè)1。

圖1 “機器換人”的就業(yè)沖擊效應(yīng)與企業(yè)規(guī)模的關(guān)系

假設(shè)1：若“機器換人”降低了就業(yè)水平，則對規(guī)模越大的企業(yè)來說，機器人的使用對就業(yè)的替代效應(yīng)越明顯。

其次，“機器換人”的就業(yè)沖擊效應(yīng)跟資本勞動相對價格有關(guān)。如果資本價格越便宜、獲取成本越小或勞動力成本越高，則企業(yè)越傾向于使用機器人。學(xué)者們認為資本深化［16］和外部融資依賴［4］會激勵企業(yè)使用機器人。一些研究考慮了企業(yè)所有權(quán)性質(zhì)，認為不同所有權(quán)的企業(yè)對于員工的雇傭行為是有差異的，譬如國有企業(yè)由于受到制度的約束，難以自由解雇員工，勞動力成本很高，而非國有企業(yè)則更為靈活［4］。除此之外，人力資本［2］、勞動力保護［5］等均會影響工業(yè)機器人對勞動力替代的難易程度。顯然，上述因素均會影響資本與勞動力的相對價格，從而改變資本勞動替代彈性。資本勞動替代彈性越高，“機器換人”的程度可能會更高，被替代的勞動力會越多，從而可能會降低勞動力工資水平。但由于工資剛性的存在，勞動力工資不會一直下降，即下降到一定程度，被替代勞動力也會轉(zhuǎn)移就業(yè)，以尋求更高的工資。比較而言，資本的價格會越來越便宜，而勞動力成本會越來越貴，特別是對人口老齡化日益嚴(yán)峻的中國來說更是如此。資本勞動相對價格下降顯著拉低了中國勞動收入份額［17］，考慮到工業(yè)機器人的應(yīng)用未對員工薪酬產(chǎn)生顯著影響，資本勞動相對價格下降則會使得工業(yè)機器人的使用顯著降低勞動力就業(yè)水平，據(jù)此，本文提出假設(shè)2。

假設(shè)2：隨著資本勞動相對價格的下降，機器人的使用對就業(yè)的替代效應(yīng)將更加明顯。

再次，考慮到中國產(chǎn)業(yè)梯度轉(zhuǎn)移的新特征以及“就業(yè)極化”［11，18］，即高技能和低技能勞動者的就業(yè)比例上升，而中等技能勞動者的就業(yè)比例下降，“機器換人”的就業(yè)沖擊效應(yīng)可能存在“區(qū)域極化”現(xiàn)象?！按髧汴囀健钡膮^(qū)域產(chǎn)業(yè)轉(zhuǎn)移特征［19］很好地解釋了20 世紀(jì)八九十年代中國勞動密集型制造業(yè)向中西部地區(qū)大規(guī)模轉(zhuǎn)移的現(xiàn)象，勞動力成本被認為是產(chǎn)業(yè)轉(zhuǎn)移的決定性因素。但是，一項最新研究表明［20］，進入21 世紀(jì)以后，伴隨著以人工智能技術(shù)為主要特征的新一輪科技革命興起，勞動力成本對工業(yè)產(chǎn)業(yè)轉(zhuǎn)移不再具有決定性影響，一些勞動密集型行業(yè)可能向東部沿海地區(qū)回流；比較而言，技術(shù)含量較低的勞動密集型制造業(yè)盡管有回流沿海的趨勢，但主要還是分布于中西部地區(qū)?？紤]到機器人應(yīng)用對不同技能勞動力需求的影響存在“就業(yè)極化”特征，工業(yè)機器人的使用可能在東部和西部地區(qū)表現(xiàn)出明顯的替代效應(yīng)，而在中部地區(qū)的影響可能并不明顯，據(jù)此，本文提出假設(shè)3。

假設(shè)3：“機器換人”的就業(yè)沖擊效應(yīng)可能存在“區(qū)域極化”現(xiàn)象，即在東部和西部地區(qū)工業(yè)機器人使用對就業(yè)的影響表現(xiàn)出顯著的替代效應(yīng)，而在中部地區(qū)的影響并不明顯。

最后，“機器換人”的就業(yè)沖擊效應(yīng)隨著時間的增長而逐漸衰減。與短期相比，長期勞動力需求曲線較為平坦，工業(yè)機器人對就業(yè)的替代效應(yīng)將逐漸被規(guī)模效應(yīng)所抵消，就業(yè)沖擊呈現(xiàn)衰減趨勢。工業(yè)機器人應(yīng)用會導(dǎo)致勞動生產(chǎn)率的大幅提高［21］，企業(yè)盈利能力顯著增強，隨著長期資本積累和人工智能技術(shù)的不斷進步，會產(chǎn)生巨大的生產(chǎn)力效應(yīng)［14］，進而增加勞動力需求，擴大社會就業(yè)水平。更何況，工業(yè)機器人在取代一部分就業(yè)崗位的時候，也會創(chuàng)造出新的工作崗位。因此，從長遠角度來看，人工智能帶來的就業(yè)機遇要遠遠大于挑戰(zhàn)，據(jù)此，本文提出假設(shè)4。

假設(shè)4：“機器換人”的就業(yè)沖擊效應(yīng)會隨著時間的推移而呈現(xiàn)出衰減的趨勢。

三、研究設(shè)計

（一）數(shù)據(jù)來源

研究主要涉及三部分?jǐn)?shù)據(jù)，其中行業(yè)層面工業(yè)機器人應(yīng)用數(shù)據(jù)來源于IFR。鑒于目前工業(yè)機器人應(yīng)用主要集中在制造業(yè)領(lǐng)域，因此，本文主要對制造業(yè)行業(yè)中類（二位數(shù)行業(yè)代碼）的工業(yè)機器人數(shù)據(jù)進行研究。其中一項難點在于，國民經(jīng)濟行業(yè)分類與代碼（GB/T 4754-2011）與IFR 的行業(yè)分類不一致，因此本文參照呂越等［22］的方法，手工整理了一套對照表（表1），將機器人數(shù)據(jù)與微觀企業(yè)數(shù)據(jù)匹配起來。與現(xiàn)有學(xué)者側(cè)重于地區(qū)或行業(yè)等宏觀角度研究不同，本文從微觀企業(yè)角度考察工業(yè)機器人應(yīng)用對勞動力需求的影響，研究結(jié)果更為準(zhǔn)確可靠。另外，本文還使用了企業(yè)原始數(shù)據(jù)和中國制造業(yè)分行業(yè)就業(yè)數(shù)據(jù)，其中企業(yè)原始數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（CSMAR），制造業(yè)分行業(yè)就業(yè)數(shù)據(jù)來源于《中國勞動統(tǒng)計年鑒》?；跀?shù)據(jù)可靠性，本文剔除了ST 類上市企業(yè)數(shù)據(jù)以及在該時間段內(nèi)生存狀況發(fā)生改變的企業(yè)，最終研究樣本數(shù)為721 家企業(yè)，時間跨度為2015—2019 年。

表1 IFR 行業(yè)與中國《GB/T 4754-2011 國民經(jīng)濟行業(yè)分類》對照表

（二）模型設(shè)定與變量分析

基于勞動力需求理論以及計量經(jīng)濟學(xué)總體模型設(shè)定的“唯一性”和“一般性”原則，并借鑒孔高文等［5］、呂越等［22］的研究，本文構(gòu)建的回歸模型如式（1）所示：

其中，i表示行業(yè)，e表示企業(yè)，c表示區(qū)域，t表示年份。企業(yè)員工數(shù)（lnhumanet）為被解釋變量，以企業(yè)e在第t年的員工總?cè)藬?shù)的對數(shù)表示；機器人應(yīng)用水平（lnrobotinstallit）為核心解釋變量，參照孔高文等［5］的做法，以新增機器人規(guī)模的自然對數(shù)表示；∑controliect表示一系列其他控制變量，具體包括行業(yè)集中度、企業(yè)規(guī)模、企業(yè)年齡、企業(yè)杠桿率、企業(yè)資本集聚化水平和企業(yè)融資能力六個變量，本文分別固定了年份（yeart）、省份（provc）、行業(yè)（industryi）、企業(yè)（firme）四個維度的效應(yīng)，以緩解遺漏變量問題；εiect為隨機擾動項。此外，穩(wěn)健性檢驗以及機制研究還用到了凈利潤占比、機器人密度、勞動生產(chǎn)率、資本勞動比等變量，為避免異常值的影響，本文對所有變量進行了1%雙向縮尾處理。主要變量的具體定義及描述性分析分別如表2 和表3 所示。

表2 主要變量的定義

表3 主要變量的描述性統(tǒng)計

四、實證結(jié)果

（一）基準(zhǔn)回歸結(jié)果

根據(jù)前文設(shè)定的模型，得到基準(zhǔn)回歸結(jié)果，如表4 所示。從表4 中列（1）可以看出，在控制年份、行業(yè)和省份固定效應(yīng)情況下，主要解釋變量機器人應(yīng)用水平的估計系數(shù)為-0.015，且在5%的統(tǒng)計水平下顯著。這表明，工業(yè)機器人使用量每增加1%，勞動力需求下降0.015%。為了提高實證結(jié)果的可靠性，本文僅在同時控制企業(yè)和年份固定效應(yīng)的條件下再次進行回歸，結(jié)果見表4 中列（2）所示。主要解釋變量的系數(shù)沒有太大差別，且在1%的統(tǒng)計水平下顯著為負。這表明工業(yè)機器人應(yīng)用顯著降低了勞動力就業(yè)水平，即工業(yè)機器人應(yīng)用更多表現(xiàn)為替代效應(yīng)。這一結(jié)果與孔高文等［5］基于地區(qū)和行業(yè)層面的結(jié)論相同?？傮w上看，現(xiàn)階段中國機器人應(yīng)用更多是替代常規(guī)崗位的勞動力，造成勞動力需求下降。除基準(zhǔn)回歸結(jié)果外，本文其他分析均控制年份和企業(yè)固定效應(yīng)，為雙向固定效應(yīng)。

表4 基準(zhǔn)回歸結(jié)果

（二）內(nèi)生性問題

基準(zhǔn)回歸模型可能存在內(nèi)生性問題，解決的一個方法是使用工具變量進行二階段最小二乘回歸。本文分別選取日本、德國、韓國所對應(yīng)的二位數(shù)行業(yè)的工業(yè)機器人對數(shù)安裝量的均值（Robot_IV）和工業(yè)機器人使用滯后一期值（l.lnrobotinstall）、滯后二期值（l2.lnrobotinstall）作為工具變量進行回歸。選取這三個國家的機器人安裝量作為工具變量的原因在于：該時間段，中國工業(yè)機器人主要依賴進口，且進口主要來源于上述三個發(fā)達國家，因此，該變量與中國機器人安裝量存在相關(guān)性，且這些國家機器人應(yīng)用水平更能夠表現(xiàn)出行業(yè)技術(shù)進步；其次，外國工業(yè)機器人使用不會直接影響中國勞動力市場情況，滿足工具變量的外生性條件。選取解釋變量滯后期作為工具變量原因有：一是計量分析表明工業(yè)機器人應(yīng)用水平當(dāng)期值與滯后期數(shù)值存在顯著相關(guān)性；二是當(dāng)期擾動不會影響滯后期的觀測值。進一步，對工具變量分別進行檢驗，從表5 可以看出，第一階段F統(tǒng)計量均大于經(jīng)驗法則的臨界值10，說明工具變量與內(nèi)生變量在統(tǒng)計上存在較高的相關(guān)性。其次，由各列可識別檢驗K-Paaprk LM 統(tǒng)計量均在1%的統(tǒng)計水平下顯著得出工具變量滿足可識別性。另外，各列Cragg-Donald Wald F 統(tǒng)計量均大于Stock-Yogo 在10%的統(tǒng)計水平下臨界值16.38，即上述兩個工具變量均通過弱工具變量檢驗。由第二階段的回歸結(jié)論可知，機器人系數(shù)均顯著為負，驗證了本文基準(zhǔn)回歸結(jié)果，即工業(yè)機器人應(yīng)用顯著降低了制造業(yè)勞動力需求，研究結(jié)論具有較強的穩(wěn)健性。

表5 工具變量（2SLS）回歸結(jié)果

（三）穩(wěn)健性檢驗

為了檢驗基準(zhǔn)回歸結(jié)果的穩(wěn)健性，本文使用三種檢驗方法，見表6。一是在列（1）中使用工業(yè)機器密度數(shù)據(jù)替代工業(yè)機器人新增安裝量數(shù)據(jù)進行回歸；二是通過補充變量法在列（2）中加入凈利潤占比變量；三是在列（3）中剔除屬于汽車制造業(yè)的企業(yè)樣本數(shù)據(jù)進行分析。由表6 中列（1）、列（2）和列（3）結(jié)果可知，無論是通過替換解釋變量還是通過補充遺漏變量或者縮小樣本容量，回歸結(jié)果較基準(zhǔn)回歸結(jié)果均無顯著差異，工業(yè)機器人的使用在1%的統(tǒng)計水平下均顯著降低了勞動力就業(yè)人數(shù)，說明了基準(zhǔn)回歸估計結(jié)果的穩(wěn)健性。

表6 穩(wěn)健性檢驗結(jié)果

五、假設(shè)檢驗

上述研究已經(jīng)揭示出了機器人沖擊就業(yè)的總體影響，但目前尚不清楚在何種情形或條件下，“機器換人”的就業(yè)沖擊更為嚴(yán)重。對此，前文的理論分析提供了一系列研究假設(shè)，本文接下來將分別予以驗證。

（一）假設(shè)1 驗證

參照呂越等［22］的做法，以企業(yè)總資產(chǎn)衡量企業(yè)規(guī)模，并根據(jù)當(dāng)年企業(yè)規(guī)模從小到大排列，將樣本企業(yè)分為小規(guī)模企業(yè)（排名前1/3）、中等規(guī)模企業(yè)（排名位于中間1/3）和大規(guī)模企業(yè)（排名后1/3）三個子樣本進行分組回歸，估計結(jié)果見表7 中的列（1）、列（2）和列（3）。從中可以看出：對于小規(guī)模和中等規(guī)模企業(yè)來說，機器人的應(yīng)用均降低了企業(yè)用工需求，但影響并不顯著；而對于大規(guī)模企業(yè)來說，在1%的統(tǒng)計水平下，機器人應(yīng)用明顯降低了勞動力就業(yè)水平，其就業(yè)沖擊強度是中小規(guī)模企業(yè)的4～6 倍。研究結(jié)論完全驗證了假設(shè)1，說明在中國制造業(yè)的大規(guī)模企業(yè)中，機器人應(yīng)用對就業(yè)的影響主要發(fā)揮了替代效應(yīng)。同時，表7 的估計結(jié)果也揭示了機器人對于就業(yè)的沖擊效應(yīng)主要表現(xiàn)在中國制造業(yè)的大規(guī)模企業(yè)中。

表7 按企業(yè)規(guī)模分組的回歸結(jié)果

（二）假設(shè)2 驗證

資本勞動相對價格下降，意味著資本勞動替代彈性上升。根據(jù)陳登科和陳詩一［17］的測算結(jié)果，將行業(yè)加總資本勞動替代彈性按照大小分為兩個子樣本進行分組回歸。其中，行業(yè)加總資本勞動替代彈性大于2 的為高替代彈性組，否則為低替代彈性組?；貧w結(jié)果見表8 中的列（1）和列（2）。列（1）中機器人應(yīng)用的系數(shù)為-0.021，且在1%的統(tǒng)計水平下顯著；列（2）中機器人應(yīng)用的系數(shù)接近于0 且不顯著。資本勞動替代彈性越高的行業(yè)，機器人應(yīng)用對就業(yè)的沖擊效應(yīng)更加明顯，假設(shè)2 得到驗證。這說明，在資本勞動替代彈性較高的高科技行業(yè)以及重工業(yè)中（如計算機、電子與通信設(shè)備制造業(yè)、醫(yī)藥制造業(yè)以及黑色金屬冶煉及壓延加工業(yè)等），機器人應(yīng)用對于就業(yè)的沖擊效應(yīng)要明顯高于資本勞動替代彈性較小的低技術(shù)行業(yè)與輕工業(yè)（如家具制造業(yè)、飲料制造業(yè)、服裝業(yè)等）。

表8 按資本勞動替代彈性分組的回歸結(jié)果

（三）假設(shè)3 驗證

根據(jù)國家統(tǒng)計局的東、中、西、東北地區(qū)劃分以及企業(yè)所屬省份，將樣本企業(yè)劃分為東部、中部和西部企業(yè)①東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南10 個省（市）；中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南6 個省；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆12 個?。ㄊ?、自治區(qū)）；東北地區(qū)包括遼寧、吉林、黑龍江3 個省。鑒于東北地區(qū)企業(yè)數(shù)較少，因此，將東北地區(qū)企業(yè)歸屬于東部地區(qū)。考慮到數(shù)據(jù)缺失情況，本文地區(qū)劃分不包括港澳臺和西藏地區(qū)。。回歸結(jié)果見表9 中列（1）、列（2）和列（3）?？梢钥闯觯跂|部和西部地區(qū)，機器人應(yīng)用顯著降低了勞動力就業(yè)水平，而在中部地區(qū)不顯著，存在“區(qū)域極化”現(xiàn)象，假設(shè)3 得到驗證。這與韓民春等［23］基于286 個地級市的研究結(jié)論相同?？赡艿慕忉屖牵撼Ｒ?guī)性任務(wù)密集度高、技術(shù)含量高的制造業(yè)以及中等技術(shù)行業(yè)向東部沿海集聚和回流，一些簡單常規(guī)性任務(wù)的勞動密集型行業(yè)主要分布于西部地區(qū)，而中部地區(qū)介于之間，與“就業(yè)極化”現(xiàn)象類似，工業(yè)機器人的使用對東部和西部地區(qū)的勞動力擠出效應(yīng)會更明顯。

表9 按地區(qū)分組的回歸結(jié)果

（四）假設(shè)4 驗證

為了進一步考察機器人使用對企業(yè)勞動力就業(yè)水平的長期影響，本文引入了機器人應(yīng)用水平的滯后一期（l.lnrobotinstall）、滯后二期（l2.lnrobotinstall）和滯后三期（l3.lnrobotinstall）作為解釋變量，通過分布滯后模型進行檢驗，估計結(jié)果見表10。實證結(jié)果表明，機器人對于就業(yè)的沖擊主要受到滯后一期的影響，更長期的影響在減弱，假設(shè)4 得到驗證。長期來看，機器人應(yīng)用會帶來生產(chǎn)率的普遍提高，使得企業(yè)盈利增加，生產(chǎn)規(guī)模擴大，產(chǎn)生生產(chǎn)力效應(yīng)。與此同時，機器人應(yīng)用還會創(chuàng)造出新業(yè)態(tài)就業(yè)崗位，產(chǎn)生就業(yè)創(chuàng)造效應(yīng)。機器人應(yīng)用對勞動力的替代效應(yīng)長期內(nèi)會被生產(chǎn)力效應(yīng)和就業(yè)創(chuàng)造效應(yīng)所抵消，因此，用長遠眼光來看，不必過度擔(dān)憂人工智能發(fā)展帶來的挑戰(zhàn)。

表10 機器人應(yīng)用對勞動力需求的長期影響

六、進一步討論

（一）機制分析

“機器換人”的就業(yè)替代效應(yīng)可以有兩種機制提供解釋：一是機器人應(yīng)用提高了企業(yè)勞動生產(chǎn)率，意味著同樣的產(chǎn)出只需雇傭更少的員工，從而減少對勞動力的需求；二是機器人應(yīng)用若加劇了資本深化，則意味著可以通過資本投入的增加來增加產(chǎn)出，同樣會伴隨著勞動力需求的減少。接下來，本文將采用中介效應(yīng)模型對此進行驗證。參照溫忠麟和葉寶娟［24］的做法，本文設(shè)定的中介效應(yīng)檢驗?zāi)Ｐ腿绻剑?）—（4）所示：

其中Met為中介變量，分別為勞動生產(chǎn)率和資本勞動比，其他變量定義同公式（1）。中介模型回歸結(jié)果如表11 所示。從表11 中列（2）可以看出，工業(yè)機器人使用顯著提升了企業(yè)勞動生產(chǎn)率水平；從列（3）可以看出，加入中介變量后的核心解釋變量系數(shù)絕對值變小且勞動生產(chǎn)率對企業(yè)勞動需求具有負向相關(guān)性，說明企業(yè)勞動生產(chǎn)率是工業(yè)機器人應(yīng)用影響勞動力需求的負向傳導(dǎo)機制。同理，通過列（4）可以看出，工業(yè)機器人使用顯著提升了企業(yè)資本勞動比；從列（5）可以看出，企業(yè)資本勞動比提高會降低企業(yè)勞動需求，說明資本勞動比是工業(yè)機器人應(yīng)用影響勞動力需求的負向傳導(dǎo)機制。此外，本文還通過Sobel 檢驗對表11 的中介效應(yīng)進行驗證，結(jié)果均小于0.05，表明上述中介效應(yīng)確實存在。因此，有充分理由認為勞動生產(chǎn)率和資本勞動比的中介效應(yīng)是存在的。

表11 中介效應(yīng)檢驗結(jié)果

（二）“區(qū)域極化”的形成機理

機器人應(yīng)用顯著降低了東部和西部地區(qū)勞動力就業(yè)水平，而對中部地區(qū)卻沒有影響，其形成機理可能有很多，勞動生產(chǎn)率和資本深化機制可以提供很好的解釋。但是，對任一地區(qū)而言，這兩種機制不一定同時并存，且可能有所偏向。接下來，本文將以“資本勞動比”和“勞動生產(chǎn)率”兩個變量為因變量進行分析，估計結(jié)果見表12。

表12 “區(qū)域極化”的形成機理檢驗

從表12 可以看出，東部和西部地區(qū)的影響路徑比較清晰。其中，東部地區(qū)機器人應(yīng)用提高了資本勞動比，西部地區(qū)機器人應(yīng)用提高了勞動生產(chǎn)率，且均在10%的統(tǒng)計水平下顯著。說明在東部地區(qū)，機器人應(yīng)用主要是通過資本深化路徑降低就業(yè)水平，而在西部地區(qū)則是通過改變勞動生產(chǎn)率路徑降低就業(yè)水平。這與實際情況相吻合，東部地區(qū)勞動力成本高，企業(yè)更傾向采用工業(yè)機器人代替勞動力，進而改變了要素投入結(jié)構(gòu)，提高了資本勞動比，降低了勞動力需求；而在西部地區(qū)，勞動力更多從事的是常規(guī)可替代性高的任務(wù)，機器人應(yīng)用顯著提升了勞動力生產(chǎn)率，減少了勞動力需求。

另外，從表12 中還可以發(fā)現(xiàn)，在中部地區(qū)，機器人應(yīng)用對資本勞動比和勞動生產(chǎn)率的影響均不顯著，說明中部地區(qū)的機器人使用不僅沒有強化資本深化，而且也沒有提高勞動生產(chǎn)率，這可能與中部地區(qū)的資本深化不夠強以及中低技術(shù)行業(yè)回流東部沿海地區(qū)等情況有關(guān)。

七、研究結(jié)論與應(yīng)對策略

隨著以人工智能技術(shù)為主要特征的新一輪科技革命蓬勃發(fā)展，“機器換人”的就業(yè)沖擊引發(fā)了人們的擔(dān)憂。本文使用IFR 數(shù)據(jù)和A 股制造業(yè)上市公司的微觀數(shù)據(jù)進行實證研究發(fā)現(xiàn)，機器人應(yīng)用對制造業(yè)企業(yè)勞動力需求產(chǎn)生顯著的替代效應(yīng)，機器人使用量每增加1%，勞動力需求平均下降0.019%，但現(xiàn)階段機器人應(yīng)用對中國勞動力市場沖擊尚不強烈。此外，為了厘清在何種情形或條件下“機器換人”的就業(yè)沖擊更為嚴(yán)重，本文基于勞動力需求理論以及計量模型構(gòu)建原則提出了一系列研究假設(shè)并予以檢驗。結(jié)果表明，對小規(guī)模和中等規(guī)模企業(yè)而言，機器人的應(yīng)用均降低了企業(yè)用工需求，但影響并不顯著；而對大規(guī)模企業(yè)而言，在1%的統(tǒng)計水平下，機器人應(yīng)用明顯降低了勞動力就業(yè)水平，其就業(yè)沖擊強度是中小規(guī)模企業(yè)的4～6 倍。在資本勞動替代彈性較高的高科技行業(yè)以及重工業(yè)中，機器人對就業(yè)的沖擊效應(yīng)要明顯高于資本勞動替代彈性較小的低技術(shù)行業(yè)與輕工業(yè)。在東部和西部地區(qū)，機器人應(yīng)用顯著降低了勞動力就業(yè)水平，而在中部地區(qū)不顯著，存在“區(qū)域極化”現(xiàn)象。機器人應(yīng)用對勞動力的替代效應(yīng)長期內(nèi)會被生產(chǎn)力效應(yīng)和就業(yè)創(chuàng)造效應(yīng)所抵消。進一步地，本文基于勞動生產(chǎn)率提升路徑和資本深化路徑，探究了“機器換人”的區(qū)域極化現(xiàn)象形成的機理。且在東部地區(qū)，機器人應(yīng)用主要是通過資本深化路徑降低就業(yè)水平，而在西部地區(qū)則是通過改變勞動生產(chǎn)率路徑降低就業(yè)水平。

基于上述研究結(jié)論，本文提出以下幾點應(yīng)對策略。

（一）全面把握“機器換人”的短期挑戰(zhàn)和長期機遇，實現(xiàn)可持續(xù)高質(zhì)量就業(yè)。本文研究發(fā)現(xiàn)，短期內(nèi)雖然機器人應(yīng)用對勞動力就業(yè)產(chǎn)生了明顯的替代效應(yīng)，但這種沖擊效應(yīng)并不大，另外從長期來看，替代效應(yīng)會被生產(chǎn)力效應(yīng)和就業(yè)創(chuàng)造效應(yīng)所抵消。因此，要將短期挑戰(zhàn)和長期機遇結(jié)合起來，針對沖擊發(fā)生的不同特點，分步驟、分階段實施勞動技能升級和就業(yè)結(jié)構(gòu)轉(zhuǎn)型等工作，合理引導(dǎo)人工智能技術(shù)發(fā)展，在經(jīng)濟高質(zhì)量發(fā)展過程中，促進人機融合，實現(xiàn)高質(zhì)量就業(yè)［25，26］。

（二）因地制宜，匹配施策應(yīng)對“機器換人”的就業(yè)沖擊問題。例如，在東部和西部地區(qū)，機器人應(yīng)用顯著降低了勞動力就業(yè)水平，且分別通過資本深化和勞動生產(chǎn)率提升路徑發(fā)揮作用。因此，應(yīng)對東部地區(qū)的就業(yè)沖擊，應(yīng)考慮發(fā)展與資本深化相匹配的高技術(shù)高復(fù)雜性的人力資本，實現(xiàn)人和機器協(xié)同融合；而應(yīng)對西部地區(qū)的就業(yè)沖擊，“機器換人”可能導(dǎo)致勞動力會從勞動生產(chǎn)率高的行業(yè)向低效率行業(yè)轉(zhuǎn)移，因此應(yīng)重點考慮勞動力轉(zhuǎn)移就業(yè)問題。

（三）征收機器人使用稅以補貼相關(guān)失業(yè)人員再就業(yè)培訓(xùn)和基本生活保障。本文研究結(jié)果表明，“機器換人”造成的就業(yè)沖擊在大規(guī)模企業(yè)以及資本勞動替代彈性高的行業(yè)表現(xiàn)得尤為明顯。可以考慮列出具體行業(yè)清單以及企業(yè)規(guī)模條件等，設(shè)計征收機器人使用稅。然后，通過轉(zhuǎn)移支付的形式將此類專項稅收所得用于相關(guān)失業(yè)人群的失業(yè)救濟和再就業(yè)培訓(xùn)支出。