錢圓圓 王林輝 姜昊

摘 要：文章運(yùn)用國際機(jī)器人聯(lián)合會數(shù)據(jù)和中國勞動力動態(tài)調(diào)查數(shù)據(jù)，從任務(wù)的常規(guī)屬性、認(rèn)知屬性以及社交屬性三個維度，實(shí)證檢驗(yàn)了機(jī)器人應(yīng)用的任務(wù)偏向?qū)蜆I(yè)的影響。研究發(fā)現(xiàn)：機(jī)器人應(yīng)用具有顯著的任務(wù)選擇偏向，能提升非常規(guī)型任務(wù)、認(rèn)知型任務(wù)和社交型任務(wù)的勞動力需求；機(jī)器人應(yīng)用對不同學(xué)歷勞動者的任務(wù)選擇偏向具有異質(zhì)性，能顯著提升高學(xué)歷非常規(guī)型、常規(guī)型、認(rèn)知型及社交型任務(wù)的勞動力需求，但會減少低學(xué)歷常規(guī)型、認(rèn)知型和非認(rèn)知型，以及高學(xué)歷非社交型任務(wù)的勞動力需求。因此，要注重對勞動者特別是從事常規(guī)型、非認(rèn)知型以及非社交型任務(wù)勞動者的綜合素質(zhì)培養(yǎng)和再培訓(xùn)，以助推更高質(zhì)量和更充分就業(yè)。

關(guān)鍵詞：機(jī)器人；任務(wù)偏向；就業(yè)

作者簡介：錢圓圓，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)院博士研究生（上海 200062）；王林輝，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)院教授、博士生導(dǎo)師（上海 200062）；姜昊，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)院博士研究生（上海 200062）

基金項(xiàng)目：國家社會科學(xué)基金重大項(xiàng)目“人工智能技術(shù)與更充分更高質(zhì)量就業(yè)問題研究”（20ZDA069）；教育部哲學(xué)社會科學(xué)研究后期資助重大項(xiàng)目“工業(yè)智能化的經(jīng)濟(jì)地理格局重塑效應(yīng)研究：技術(shù)偏向與微觀機(jī)制”（22JHQ011）

DOI編碼： 10.19667/j.cnki.cn23-1070/c.2023.06.006

引言

當(dāng)前，大數(shù)據(jù)、云計算等數(shù)字技術(shù)發(fā)展迅猛，推動了機(jī)器人等智能化技術(shù)在生產(chǎn)和生活中的普遍運(yùn)用。國際機(jī)器人聯(lián)合會（IFR）數(shù)據(jù)顯示，2022年中國機(jī)器人安裝量高達(dá)290 258臺，同比增長5%，約占全球機(jī)器人安裝量的52%，運(yùn)行存量更是突破了150萬。機(jī)器人的大規(guī)模運(yùn)用再度引發(fā)了人們對“機(jī)器換人”的普遍擔(dān)憂。世界經(jīng)濟(jì)論壇報告預(yù)計，到2025年，機(jī)器人將替代約8 500萬人的工作崗位。機(jī)器人應(yīng)用對勞動力市場究竟會產(chǎn)生何種影響是當(dāng)前亟需解答的問題。部分學(xué)者對技術(shù)進(jìn)步的就業(yè)破壞效應(yīng)表現(xiàn)出擔(dān)憂。當(dāng)機(jī)器人相對于人工更具優(yōu)勢時，企業(yè)為了節(jié)約成本、提高勞動生產(chǎn)率會提高企業(yè)的自動化水平，此時，機(jī)器人技術(shù)發(fā)展將會與就業(yè)形成競爭關(guān)系，這種競爭關(guān)系會替代勞動力、降低勞動力需求。Frey和Osborne運(yùn)用高斯過程分類估計美國702個詳細(xì)職業(yè)的被計算機(jī)化概率后發(fā)現(xiàn)，大約有47%的崗位面臨高自動化風(fēng)險。王林輝等人基于任務(wù)屬性測算出中國約有19.05%的就業(yè)面臨高替代風(fēng)險。Acemoglu 和Restrepo估計美國通勤區(qū)的機(jī)器人應(yīng)用對就業(yè)的影響時發(fā)現(xiàn)，機(jī)器人滲透度每提升1單位，就業(yè)總?cè)藬?shù)將會下降0.2%，員工的工資收入將會下降0.42%。王永欽和董雯將中國行業(yè)機(jī)器人安裝數(shù)據(jù)和制造業(yè)上市公司微觀數(shù)據(jù)相結(jié)合研究中國的機(jī)器人興起對就業(yè)的影響后發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用對就業(yè)有一定的替代效應(yīng)，機(jī)器人滲透度每提升1%，制造業(yè)企業(yè)的勞動需求會下降0.18%。周廣肅等人運(yùn)用中國人口普查和家庭追蹤調(diào)查數(shù)據(jù)考察智能化對勞動力市場的影響，得出智能化將會對勞動就業(yè)產(chǎn)生明顯的替代效應(yīng)這一結(jié)論。雖然以人工智能為表征的技術(shù)進(jìn)步會導(dǎo)致一部分人失業(yè)，但是研究新技術(shù)對勞動力市場的影響過程中并不能單純地只考慮技術(shù)直接作用的部分，也要關(guān)注由技術(shù)應(yīng)用引發(fā)的諸多其他部分的后果。Autor指出，從過去200多年的歷史數(shù)據(jù)來看，失業(yè)率除了周期性波動以外，并沒有明顯上升。Graetz和Michaels運(yùn)用跨國面板數(shù)據(jù)實(shí)證研究后發(fā)現(xiàn)，工業(yè)機(jī)器人并沒有對總就業(yè)產(chǎn)生明顯的負(fù)向沖擊，原因在于，學(xué)者們可能夸大了人工智能技術(shù)或者自動化對勞動的替代程度，而忽略了人工智能技術(shù)與勞動之間的強(qiáng)互補(bǔ)性，恰恰是這些互補(bǔ)性能夠明顯地提高勞動生產(chǎn)率、提升收入水平，進(jìn)而增加勞動需求。李磊等人運(yùn)用中國微觀企業(yè)數(shù)據(jù)檢驗(yàn)機(jī)器人對勞動力市場的影響，發(fā)現(xiàn)不同于現(xiàn)有研究，機(jī)器人會顯著地提升企業(yè)的勞動力需求，并將這種就業(yè)提升效應(yīng)歸因于由生產(chǎn)率效應(yīng)引致的產(chǎn)出規(guī)模擴(kuò)大。

實(shí)際上，機(jī)器人應(yīng)用并不會均等惠及所有的勞動群體，僅僅研究機(jī)器人應(yīng)用的整體就業(yè)效應(yīng)并不能夠全面反映機(jī)器人技術(shù)沖擊。原因在于，機(jī)器人不僅具備可編碼、可重復(fù)和自動控制等屬性，還擁有高精度、高持久性和耐疲勞性等優(yōu)勢，其在生產(chǎn)生活中的應(yīng)用無疑會呈現(xiàn)任務(wù)偏向性特征。如果一項(xiàng)任務(wù)可編碼、可重復(fù)性高或者可預(yù)測性強(qiáng)，則該任務(wù)通?？梢杂蓹C(jī)器人來完成。如果一項(xiàng)任務(wù)需要勞動者具備直覺判斷能力、靈活解決問題能力、情景適應(yīng)能力、互動交流能力甚至是創(chuàng)新能力時，這些任務(wù)的可替代性通常較弱。魏下海等人基于國際機(jī)器人聯(lián)盟數(shù)據(jù)和2012—2016年的中國勞動力動態(tài)調(diào)查數(shù)據(jù)研究機(jī)器人對移民就業(yè)的影響時發(fā)現(xiàn)，機(jī)器人會顯著地降低可被數(shù)字化和程序化、缺乏靈活性和自主性任務(wù)移民的就業(yè)概率，但能夠顯著地促進(jìn)難被數(shù)字化和程序化、靈活性和自主性較高任務(wù)移民的就業(yè)，原因在于，相較于可自動化任務(wù)移民，在城市空間里難自動化任務(wù)移民更能夠與機(jī)器人實(shí)現(xiàn)“人機(jī)共存”。余玲錚等人按照可編碼和重復(fù)性程度、認(rèn)知和社會互動需求高低，將任務(wù)劃分為常規(guī)型和非常規(guī)型兩類，利用廣東省制造業(yè)企業(yè)調(diào)查數(shù)據(jù)檢驗(yàn)工業(yè)機(jī)器人對非常規(guī)和常規(guī)任務(wù)工人的工資差距的影響后發(fā)現(xiàn)，工業(yè)機(jī)器人具有顯著的非常規(guī)任務(wù)溢價效應(yīng)，能夠顯著拉大兩類勞動者的工資差距。根據(jù)現(xiàn)有文獻(xiàn)可知，機(jī)器人應(yīng)用具有任務(wù)偏向性，那么這種任務(wù)選擇偏向?qū)蜆I(yè)會產(chǎn)生何種影響呢？在不同學(xué)歷群體間這種影響是否具有差異？對這些問題的回答，不僅有助于準(zhǔn)確理解機(jī)器人應(yīng)用就業(yè)效應(yīng)背后的任務(wù)特征，還能為優(yōu)化勞動力配置提供決策依據(jù)。

鑒于此，本文采用2012年、2014年和2016年中國勞動力動態(tài)調(diào)查數(shù)據(jù)（CLDS），根據(jù)受訪者的工作內(nèi)容特點(diǎn)，將勞動者分別劃分為常規(guī)型和非常規(guī)型勞動者、認(rèn)知型和非認(rèn)知型勞動者，以及社交型和非社交型勞動者，基于微觀數(shù)據(jù)考察機(jī)器人應(yīng)用的任務(wù)選擇偏向?qū)蜆I(yè)的影響，并結(jié)合個體學(xué)歷特征進(jìn)行分類討論。本文的邊際貢獻(xiàn)在于：第一，檢驗(yàn)了機(jī)器人應(yīng)用的任務(wù)選擇偏向?qū)蜆I(yè)的影響，已有研究通常根據(jù)職業(yè)特點(diǎn)對勞動者的工作任務(wù)按常規(guī)與否進(jìn)行簡單劃分，但看似常規(guī)的職業(yè)也可能會包含難以自動化的任務(wù)內(nèi)容，因此本文依據(jù)微觀個體調(diào)查數(shù)據(jù)中關(guān)于工作內(nèi)容的問卷，更加細(xì)致地對受訪者的工作任務(wù)類型進(jìn)行精準(zhǔn)識別，旨在科學(xué)地評估機(jī)器人應(yīng)用的任務(wù)選擇偏向?qū)蜆I(yè)的影響；第二，不同于現(xiàn)有文獻(xiàn)僅僅將任務(wù)劃分為常規(guī)型任務(wù)和非常規(guī)型任務(wù)，本文還根據(jù)任務(wù)需要的腦力勞動需求，將任務(wù)劃分為認(rèn)知型任務(wù)和非認(rèn)知型任務(wù)，根據(jù)社交互動需求將任務(wù)劃分為社交型任務(wù)和非社交型任務(wù)，從多個維度考察機(jī)器人應(yīng)用的任務(wù)偏向?qū)蜆I(yè)的影響；第三，結(jié)合勞動者學(xué)歷異質(zhì)性，考察機(jī)器人應(yīng)用的任務(wù)選擇效應(yīng)在不同學(xué)歷群體中呈現(xiàn)何種特征。這些結(jié)論對于從任務(wù)偏向視角系統(tǒng)、全面地評估機(jī)器人應(yīng)用的經(jīng)濟(jì)效應(yīng)、助推更高質(zhì)量與更充分就業(yè)等意義重大。

本文剩余部分的安排如下：第一部分是文獻(xiàn)綜述與研究假說；第二部分介紹模型、數(shù)據(jù)與變量；第三部分實(shí)證檢驗(yàn)機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)；第四部分對機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)展開異質(zhì)性分析；第五部分結(jié)論與建議。

一、文獻(xiàn)綜述與研究假說

以機(jī)器人為載體的智能化技術(shù)并非完全替代某一類勞動，其對勞動力的影響會表現(xiàn)出偏向特征。文獻(xiàn)通常將任務(wù)按照能被程序化與否劃分為“常規(guī)型”和“非常規(guī)型”，按照認(rèn)知能力要求高低劃分為“認(rèn)知型”和“非認(rèn)知型”。④Black和 Spitz-Oener總結(jié)了更加廣闊的任務(wù)范圍，主要包括常規(guī)體力型、非常規(guī)體力型、非常規(guī)分析型以及常規(guī)互動型等任務(wù)。任務(wù)偏向性技術(shù)進(jìn)步理論認(rèn)為，技術(shù)進(jìn)步通常對常規(guī)與非常規(guī)任務(wù)會產(chǎn)生不同的替代彈性，自動化技術(shù)會減少從事日常手工和常規(guī)型認(rèn)知性任務(wù)的勞動力需求，但會提高從事非認(rèn)知任務(wù)的勞動需求。邢春冰和李春頂在假設(shè)計算機(jī)化只能替代常規(guī)任務(wù)，對非常規(guī)任務(wù)不會產(chǎn)生影響這一前提下，分析技術(shù)進(jìn)步對勞動收入份額的影響途徑，結(jié)果發(fā)現(xiàn)技術(shù)進(jìn)步會降低計算機(jī)的使用成本，因而企業(yè)傾向于采用計算機(jī)取代常規(guī)任務(wù)，勞動收入占比也會因此下降。都陽等人嘗試從工作任務(wù)視角來解釋勞動力市場的結(jié)構(gòu)變遷，發(fā)現(xiàn)勞動市場上非常規(guī)任務(wù)需求在不斷增加，但是操作型勞動分布無明顯變化，進(jìn)一步控制受教育水平后發(fā)現(xiàn)，不同任務(wù)類型的勞動回報存在差異，其中非常規(guī)、認(rèn)知型勞動的收入溢價高達(dá)70%。不過，由于中國樣本期內(nèi)開始出現(xiàn)勞動力短缺問題，執(zhí)行操作性任務(wù)的勞動者收入約提高了20%，但是執(zhí)行常規(guī)認(rèn)知型任務(wù)的勞動者收入出現(xiàn)明顯下降。Ge等人利用人口普查和小普查數(shù)據(jù)對1990—2015年間中國就業(yè)結(jié)構(gòu)動態(tài)變化進(jìn)行分析，發(fā)現(xiàn)這一時期中國整體的常規(guī)操作工作崗位呈現(xiàn)上升趨勢，其中常規(guī)體力勞動就業(yè)份額從57%下降至32%。

總體而言，機(jī)器人應(yīng)用的任務(wù)偏向性可能會對不同任務(wù)類型的就業(yè)需求產(chǎn)生差異化影響。文獻(xiàn)通常認(rèn)為，按照既定流程執(zhí)行的、可被程序化的體力或認(rèn)知操作的工作任務(wù)更容易被替代，而以思考、分析、管理和決策為核心，或者以情景適應(yīng)、人際溝通為主的抽象或手工任務(wù)較難被人工智能技術(shù)應(yīng)用替代。其中，抽象任務(wù)是指需要直覺、創(chuàng)造力、說服力和解決力等能力的工作，如專業(yè)技術(shù)或管理崗位等，手工任務(wù)通常是需要手指靈巧度、眼腳協(xié)調(diào)等能力的工作崗位。常規(guī)任務(wù)智能化程度的逐漸深入，會降低執(zhí)行常規(guī)任務(wù)勞動力的工資。倘若人工智能技術(shù)應(yīng)用與執(zhí)行非常規(guī)任務(wù)勞動者的認(rèn)知能力和隱形知識水平形成良好互補(bǔ)，則會增加這類技能勞動者的需求。可以預(yù)見，自動化將會減少從事日常手工和常規(guī)型、非認(rèn)知型、非互動型任務(wù)的勞動力需求，但會提高非常規(guī)互動和非常規(guī)分析任務(wù)以及互動型任務(wù)的勞動力需求。換而言之，勞動力市場對具有高認(rèn)知能力、溝通技巧、技術(shù)水平、自我組織管理能力以及人際交往能力強(qiáng)的勞動者需求不斷上升。綜合上述分析，易知現(xiàn)有文獻(xiàn)的非常規(guī)任務(wù)界定較為寬泛，實(shí)際上非常規(guī)型任務(wù)不僅反映了任務(wù)的難自動化和難程序化，還反映了其對腦力勞動需求和社交能力需求。為了更加細(xì)致地考察機(jī)器人應(yīng)用的任務(wù)偏向?qū)蜆I(yè)的影響，本文將任務(wù)細(xì)分為常規(guī)型和非常規(guī)型、認(rèn)知型和非認(rèn)知型以及社交型和非社交型，從而提出本文的研究假說1。

假說1：機(jī)器人應(yīng)用影響就業(yè)存在任務(wù)選擇偏向性，會提升非常規(guī)型任務(wù)、認(rèn)知型任務(wù)、社交型任務(wù)的勞動力需求。

隨著生產(chǎn)的自動化、智能化進(jìn)程不斷加快和優(yōu)化，勞動者的崗位更替將會日益頻繁，學(xué)歷是自動化沖擊下勞動者能否適應(yīng)崗位的關(guān)鍵。一方面，受教育程度高的群體通常具有更高的生產(chǎn)率提升效應(yīng)；另一方面，根據(jù)人力資本理論，受教育水平高的勞動者更能夠?qū)崿F(xiàn)技術(shù)互補(bǔ)，勝任非常規(guī)任務(wù)。機(jī)器人應(yīng)用對勞動的替代與創(chuàng)造實(shí)際上反映了其對勞動者的技能需求變化差異，因此有必要從學(xué)歷異質(zhì)性視角考察機(jī)器人應(yīng)用任務(wù)偏向的就業(yè)效應(yīng)。現(xiàn)有文獻(xiàn)也常以受教育水平來衡量勞動者的技能水平，將受教育水平為大專和大專以上的群體歸為高技能勞動，將受教育水平為大專以下的群體歸為低技能勞動進(jìn)而展開研究。寧光杰和林子亮運(yùn)用世界銀行提供的企業(yè)調(diào)查數(shù)據(jù)，研究信息技術(shù)對技能結(jié)構(gòu)的影響后發(fā)現(xiàn)，信息技術(shù)能夠顯著提升高技能勞動力比例、減少低技能勞動占比。楊白冰等人研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠顯著地提升高技能、服務(wù)型勞動力的需求，對于生產(chǎn)型、低技能型員工具有顯著的替代效應(yīng)。Graetz和Michaels研究指出，機(jī)器人能夠幫助實(shí)現(xiàn)機(jī)械化、自動化生產(chǎn)，能夠顯著地減少低技能工人的就業(yè)份額。王林輝等人研究發(fā)現(xiàn)，技能水平的提升能夠緩解機(jī)器人對勞動者的替代效應(yīng)。說明高學(xué)歷群體通常具備綜合的任務(wù)執(zhí)行能力，機(jī)器人應(yīng)用的任務(wù)選擇偏向會提升對高技能勞動力需求。根據(jù)上述分析，提出本文研究假說2。

假說2：機(jī)器人應(yīng)用對不同學(xué)歷勞動者的任務(wù)選擇偏向效應(yīng)具有異質(zhì)性，相較于低學(xué)歷群體，機(jī)器人應(yīng)用更可能提升高學(xué)歷常規(guī)型、認(rèn)知型以及社交型任務(wù)的勞動力需求。

二、模型、數(shù)據(jù)與變量

（一）模型設(shè)定

采用如下模型檢驗(yàn)機(jī)器人應(yīng)用的任務(wù)選擇效應(yīng)：

lntaskijt = α0lnrobotjt + α1lnXjt + δt + σj + εjt（1）

taskijt 表示j 城市t 年任務(wù)i 的就業(yè)人員占比，其中i = {1，2，3，4，5，6}，task1到task6 依次表示常規(guī)型/非常規(guī)型、認(rèn)知型/非認(rèn)知型、社交型/非社交型三組六類任務(wù)就業(yè)人員占比，robotjt 表示j 城市t 年機(jī)器人應(yīng)用水平，Xjt 為控制變量，δt 表示年份固定效應(yīng)，σj 表示城市固定效應(yīng)，εjt 表示隨機(jī)誤差項(xiàng)，考慮到變量可能存在序列相關(guān)性，標(biāo)準(zhǔn)誤聚類到城市和年份層面。

（二）指標(biāo)設(shè)計

1.被解釋變量

文章被解釋變量包括：非常規(guī)任務(wù)就業(yè)人員占比（nonroutine）、常規(guī)任務(wù)就業(yè)人員占比（routine）；非認(rèn)知任務(wù)就業(yè)人員占比（noncognitive）、認(rèn)知任務(wù)就業(yè)人員占比（cognitive）；非社交任務(wù)就業(yè)人員占比（nonsocial）、社交任務(wù)就業(yè)人員占比（social）。魏下海等人和王林輝等人的研究思路是用CLDS數(shù)據(jù)，從工作內(nèi)容自主性、進(jìn)度安排靈活性和工作強(qiáng)度自主性三個方面構(gòu)建非常規(guī)任務(wù)指標(biāo)。本文在上述文章構(gòu)建思想的基礎(chǔ)上，進(jìn)一步結(jié)合CLDS調(diào)查問卷中關(guān)于所從事工作的特點(diǎn)，將勞動個體歸類為非常規(guī)任務(wù)/常規(guī)任務(wù)就業(yè)人員、非認(rèn)知任務(wù)/認(rèn)知任務(wù)就業(yè)人員、非社交任務(wù)/社交任務(wù)就業(yè)人員，并且按照任務(wù)類型在城市層面上加總，以計算不同任務(wù)類別的就業(yè)人員占比。以非常規(guī)任務(wù)就業(yè)人員占比為例，非常規(guī)任務(wù)就業(yè)人員占比=非常規(guī)任務(wù)就業(yè)人數(shù)（/ 非常規(guī)任務(wù)就業(yè)人數(shù)+常規(guī)任務(wù)就業(yè)人數(shù)）。

其中任務(wù)類型的常規(guī)與否，是根據(jù)工作過程的工作內(nèi)容、進(jìn)度安排和工作強(qiáng)度三個維度所對應(yīng)的自主能力和靈活度來測度。具體問題有：（1）工作內(nèi)容在多大程度上由自己決定；（2）工作進(jìn)度的安排在多大程度上由自己決定；（3）工作量和工作強(qiáng)度在多大程度上由自己決定；（4）是否需要頻繁的體力勞動；（5）是否需要快速而頻繁地移動身體的位置。根據(jù)對上述問題的回答，完全由自己決定時取值為1，部分由自己決定時取值為2，完全由他人決定時取值為3。若取值為1和2，則將勞動者從事的工作任務(wù)屬性劃分為非常規(guī)任務(wù)；若取值為3，將勞動者的工作任務(wù)屬性劃分為常規(guī)任務(wù)。

任務(wù)類型屬于認(rèn)知型還是非認(rèn)知型是根據(jù)勞動者在工作過程中，是否需要快速反應(yīng)的思考等腦力勞動來判斷，回答“經(jīng)?！睍r取值為1，回答“有時”時取值為2，回答“很少”時取值為3，回答“從不”時取值為4。如果取值為1或2，就認(rèn)為勞動者從事的工作任務(wù)為認(rèn)知型，如果取值為3或4，就認(rèn)為勞動者從事的工作任務(wù)為非認(rèn)知型。

任務(wù)類型屬于社交型還是非社交型主要根據(jù)以下問題來判斷：（1）與顧客/服務(wù)對象打交道的頻繁程度；（2）與客戶/供應(yīng)商打交道的頻繁程度；（3）與各種來客打交道的頻繁程度；（4）被訪者在工作中，與上級領(lǐng)導(dǎo)打交道的頻繁程度；（5）被訪者在工作中，與下級同事打交道的頻繁程度；（6）被訪者在工作中，與平級同事打交道的頻繁程度；（7）被訪者在工作中，與上級部門/單位打交道的頻繁程度；（8）被訪者在工作中，與下級部門/單位打交道的頻繁程度；（9）被訪者在工作中，與其他單位打交道的頻繁程度。頻率為“經(jīng)常”取值為1，頻率為“有時”取值為2，頻率為“很少”取值為3，頻率為“從不”取值為4。取值1、2、3時認(rèn)為勞動者從事的工作任務(wù)為社交型；取值為4時就認(rèn)為勞動者從事的工作任務(wù)為非社交型。

2.核心解釋變量

核心解釋變量：機(jī)器人應(yīng)用水平。機(jī)器人通常作為一種生產(chǎn)要素應(yīng)用到生產(chǎn)中，因此本文采用國際機(jī)器人聯(lián)合會（IFR）提供的機(jī)器人存量數(shù)據(jù)測算機(jī)器人滲透度來表征機(jī)器人應(yīng)用水平。由于機(jī)器人存量數(shù)據(jù)只提供了國家-行業(yè)層面數(shù)據(jù)，沒有提供城市層面的數(shù)據(jù)，我們參考Acemoglu和Restrepo、陳媛媛等人的研究，用“巴蒂克工具變量法”構(gòu)建城市層面的機(jī)器人滲透度。為了保證結(jié)果的穩(wěn)健性，并且考慮到人工智能企業(yè)數(shù)量也是地區(qū)機(jī)器人應(yīng)用水平高低的重要表現(xiàn)，本文還通過歸納人工智能相關(guān)關(guān)鍵詞，運(yùn)用Python技術(shù)在天眼查企業(yè)信息數(shù)據(jù)庫獲取人工智能企業(yè)信息，將城市層面的人工智能企業(yè)加總作為機(jī)器人滲透度的替代變量，進(jìn)行穩(wěn)健性檢驗(yàn)。

3.控制變量

為了緩解因遺漏變量導(dǎo)致的估計偏誤，參考汪前元等人和王林輝等人的研究，本文盡可能多地加入既影響機(jī)器人應(yīng)用又影響地區(qū)就業(yè)水平的控制變量。具體包括地區(qū)的經(jīng)濟(jì)發(fā)展水平（gdp），用地區(qū)生產(chǎn)總值，即GDP來表征；人口規(guī)模（peo），用城市常住人口數(shù)來表征；產(chǎn)業(yè)結(jié)構(gòu)（ind），用第三產(chǎn)業(yè)占GDP的比重來表征；工資水平（wage），用在崗職工工資來表征；城市企業(yè)規(guī)模（ent），用規(guī)模以上工業(yè)企業(yè)數(shù)來表征；研發(fā)技術(shù)水平（rd），用科研綜合技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)占全市非農(nóng)人口的比重來表征。GDP以2000年為基期的GDP平減指數(shù)進(jìn)行平減，就業(yè)工資水平以2000年為基期的CPI進(jìn)行平減。

（三）數(shù)據(jù)來源

城市層面的數(shù)據(jù)來自于《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》，機(jī)器人數(shù)據(jù)來自于IFR，個體工作任務(wù)類型等相關(guān)數(shù)據(jù)來自CLDS2012、CLDS2014、CLDS2016。其中，地方人工智能企業(yè)數(shù)，來自于天眼查企業(yè)信息數(shù)據(jù)庫，對所有變量都進(jìn)行了取對數(shù)處理。不同任務(wù)占比和機(jī)器人應(yīng)用數(shù)據(jù)的描述性統(tǒng)計詳見表1。

三、機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)

（一）基準(zhǔn)回歸

模型（1）用于檢驗(yàn)機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)，表2匯報了機(jī)器人應(yīng)用對不同任務(wù)類型就業(yè)群體的影響，其中列（1）和（2）匯報了機(jī)器人應(yīng)用對非常規(guī)、常規(guī)任務(wù)就業(yè)人員占比的影響。結(jié)果發(fā)現(xiàn)，在5%的顯著性水平上，機(jī)器人應(yīng)用能夠顯著地提升非常規(guī)任務(wù)勞動力的需求，機(jī)器人應(yīng)用對常規(guī)任務(wù)勞動群體的影響為負(fù)，但不顯著，表明機(jī)器人應(yīng)用不會偏向于該群體，說明機(jī)器人應(yīng)用具有顯著的任務(wù)偏向效應(yīng)。該結(jié)論與現(xiàn)有文獻(xiàn)的研究發(fā)現(xiàn)相吻合，如余玲錚等人運(yùn)用中國人口普查數(shù)據(jù)測算了中國1982—2015年職業(yè)結(jié)構(gòu)后發(fā)現(xiàn)，常規(guī)型職業(yè)逐年下降，而非常規(guī)型職業(yè)人數(shù)增長迅猛。原因在于，重復(fù)性、程式化的工作的“可編碼性”和“可預(yù)測性”較強(qiáng)，很容易被人工智能替代；而需要勞動者把握工作內(nèi)容、工作進(jìn)度，或者是需要勞動者快速、頻繁移動身體等無法復(fù)制的非常規(guī)任務(wù)很難被人工智能替代。特別是，非常規(guī)型任務(wù)人員還可以與機(jī)器人應(yīng)用形成良性互補(bǔ)，進(jìn)而提升非常規(guī)任務(wù)從業(yè)人員占比。表2的列（3）和（4）匯報了機(jī)器人應(yīng)用對非認(rèn)知型任務(wù)人員和認(rèn)知型任務(wù)人員占比的影響，結(jié)果顯示，在1%的顯著性水平上，機(jī)器人應(yīng)用對認(rèn)知型任務(wù)從業(yè)人員占比的影響系數(shù)為正，對非認(rèn)知型勞動的影響并不顯著，說明機(jī)器人應(yīng)用對于認(rèn)知型任務(wù)具有選擇偏向。表2的列（5）和（6）匯報了機(jī)器人應(yīng)用對非社交型任務(wù)人員和社交型任務(wù)人員占比的影響，結(jié)果顯示，機(jī)器人應(yīng)用能夠顯著提高社交型任務(wù)人員就業(yè)占比，對于非社交型人員占比的影響系數(shù)為負(fù)并不顯著，說明機(jī)器人應(yīng)用能夠與社交型任務(wù)形成良好的互補(bǔ)，而對非社交型任務(wù)人員占比的負(fù)向影響尚不明顯。綜上可知，機(jī)器人應(yīng)用對于非常規(guī)任務(wù)、認(rèn)知型任務(wù)以及社交型任務(wù)具有選擇偏向，能夠顯著提升從事這三類任務(wù)的勞動需求。

（二）內(nèi)生性處理

考慮到模型可能存在因遺漏變量等原因產(chǎn)生的內(nèi)生性問題，本文選取工具變量法來嘗試進(jìn)行內(nèi)生性處理。參考王永欽和董雯的做法，采用美國的機(jī)器人存量作為工具變量。主要原因在于：一方面，美國的機(jī)器人發(fā)展與中國的機(jī)器人發(fā)展的趨同性很高，滿足工具變量的相關(guān)性假設(shè)；另一方面，美國的機(jī)器人應(yīng)用狀況可反映機(jī)器人應(yīng)用的前沿水平，但不能直接對中國的就業(yè)產(chǎn)生影響，滿足工具變量的外生性假設(shè)。內(nèi)生性檢驗(yàn)的結(jié)果見表3。其中，第一階段lniv 系數(shù)均顯著為正，且Kleibergen-Paap F值大于臨界值10，表明美國機(jī)器人應(yīng)用對中國的機(jī)器人應(yīng)用具有顯著的正向沖擊。工具變量的第二階段回歸結(jié)果均顯示，機(jī)器人應(yīng)用能夠顯著地提升非常規(guī)任務(wù)、認(rèn)知型任務(wù)以及社交型任務(wù)的勞動力需求，說明在考慮潛在的內(nèi)生性問題之后，機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)依然成立。

（三）穩(wěn)健性檢驗(yàn)

（1）更換聚類方式。基準(zhǔn)回歸匯報的是采取二維聚類的估計結(jié)果，考慮到更穩(wěn)健的標(biāo)準(zhǔn)誤雖然會降低統(tǒng)計推斷的偏差，但也會增大犯第二類錯誤的可能性。表4匯報了只聚類到城市層面的一維聚類的估計結(jié)果，以檢驗(yàn)不同的聚類方式下回歸結(jié)果是否具有穩(wěn)健性。（2）更換核心解釋變量，考慮到“巴蒂克工具變量法”構(gòu)造的城市層面機(jī)器人應(yīng)用水平可能存在測量偏誤，參考胡晟明等人的研究，將核心解釋變量更換為人工智能企業(yè)數(shù)進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果見表5。易知，經(jīng)過上述穩(wěn)健性處理后的回歸結(jié)果依然支持機(jī)器人應(yīng)用對于非常規(guī)任務(wù)、認(rèn)知型任務(wù)以及社交型任務(wù)具有選擇偏向，即機(jī)器人應(yīng)用能夠顯著增加從事這三類任務(wù)的勞動力需求，本文的研究結(jié)論穩(wěn)健。

四、異質(zhì)性分析

為檢驗(yàn)機(jī)器人應(yīng)用的任務(wù)偏向效應(yīng)在不同學(xué)歷群體間是否存在差異，參考王林輝等人的研究，將勞動者是大專以及大專以上學(xué)歷的歸為高學(xué)歷，將大專以下的歸為低學(xué)歷。對機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)展開學(xué)歷異質(zhì)性分析。結(jié)果見表6。

表6的列（1）—（4）匯報了非常規(guī)任務(wù)選擇偏向效應(yīng)的學(xué)歷異質(zhì)性估計結(jié)果。易知，對于高學(xué)歷勞動者而言，機(jī)器人應(yīng)用的系數(shù)均顯著為正，說明機(jī)器人沖擊下，高學(xué)歷非常規(guī)和常規(guī)任務(wù)的就業(yè)占比均會顯著上升。原因可能在于，高學(xué)歷勞動者具有較高的創(chuàng)造力和靈活性，能夠適應(yīng)不斷變化的技術(shù)要求。但是低學(xué)歷工人的學(xué)習(xí)適應(yīng)能力很弱，主要從事簡單的、重復(fù)的、不依賴腦力勞動的常規(guī)工作，因此低學(xué)歷勞動力特別是從事常規(guī)任務(wù)的低學(xué)歷勞動更易遭受智能化技術(shù)的負(fù)向沖擊。

表6的列（5）—（8）匯報了認(rèn)知任務(wù)選擇偏向效應(yīng)的學(xué)歷異質(zhì)性估計結(jié)果。結(jié)果顯示，高學(xué)歷認(rèn)知型任務(wù)的就業(yè)占比均會上升，而對于低學(xué)歷勞動者，無論他們是從事認(rèn)知型還是非認(rèn)知型工作，均會被機(jī)器人替代。原因在于高學(xué)歷勞動者往往具有高認(rèn)知能力，不但較少受到技術(shù)的負(fù)向沖擊，還會憑借其再學(xué)習(xí)能力及時適應(yīng)技術(shù)變化進(jìn)而完成工作任務(wù)，而低學(xué)歷勞動者多為低技術(shù)部門所雇傭，更容易被機(jī)器人替代。

表6的列（9）—（12）匯報了社交任務(wù)選擇偏向效應(yīng)的學(xué)歷異質(zhì)性估計結(jié)果。易知，機(jī)器人會同時提升高學(xué)歷和低學(xué)歷社交型任務(wù)的勞動需求，其中高學(xué)歷勞動群體中的lnrobot 系數(shù)更大，說明在機(jī)器人應(yīng)用條件下，高學(xué)歷社交型任務(wù)的勞動需求上升幅度更大。高社交能力需求工作崗位的學(xué)歷需求更高，反映了機(jī)器人應(yīng)用加強(qiáng)了人機(jī)聯(lián)結(jié)，更易與高學(xué)歷和高社交能力群體形成互補(bǔ)。但是機(jī)器人應(yīng)用會降低高學(xué)歷非社交型任務(wù)的勞動需求，說明非社交型工作更易被機(jī)器人替代，高學(xué)歷的非社交型勞動力也會遭受技能貶值沖擊。

五、結(jié)論與建議

本文運(yùn)用2012年、2014年、2016年CLDS微觀調(diào)查數(shù)據(jù)，將任務(wù)分為常規(guī)型和非常規(guī)型、認(rèn)知型和非認(rèn)知型、社交型和非社交型，檢驗(yàn)機(jī)器人應(yīng)用的任務(wù)選擇偏向效應(yīng)，并詳細(xì)探討了該影響的學(xué)歷異質(zhì)性，研究表明：機(jī)器人應(yīng)用具有顯著的任務(wù)選擇偏向，能顯著提升高學(xué)歷常規(guī)型、非常規(guī)型、認(rèn)知型以及社交型任務(wù)的勞動力需求，但會減少低學(xué)歷常規(guī)型、認(rèn)知型和非認(rèn)知型以及高學(xué)歷非社交型任務(wù)的勞動力需求。針對以上結(jié)論，提出政策建議如下：

第一，勞動者要注重自身綜合素質(zhì)的培養(yǎng)和工作技能的再培訓(xùn)。機(jī)器人應(yīng)用可以重構(gòu)勞動力市場的供求格局，而非常規(guī)能力、認(rèn)知能力以及社交能力不僅是抵御“機(jī)器換人”的重要屏障，也是保證機(jī)器人應(yīng)用持續(xù)推進(jìn)、實(shí)現(xiàn)人機(jī)協(xié)作的關(guān)鍵技能。因此，伴隨著機(jī)器人在生產(chǎn)中的廣泛應(yīng)用，勞動者要不斷學(xué)習(xí)、更新自己的各項(xiàng)技能，特別是提高自身的認(rèn)知能力、溝通技巧以及人際交往能力等，以抵御機(jī)器人應(yīng)用的替代風(fēng)險。勞動者在不斷提升自身技能水平的同時，也要注重向與機(jī)器人良性互動的方向發(fā)展，進(jìn)而實(shí)現(xiàn)就業(yè)質(zhì)量的穩(wěn)步提升。

第二，高校要深化教育改革和不斷完善教育體系，提升高等教育質(zhì)量，為社會發(fā)展輸送專業(yè)技術(shù)人才。一方面，學(xué)校要通過內(nèi)涵式發(fā)展提升教育質(zhì)量，不僅要幫助學(xué)生夯實(shí)專業(yè)技術(shù)基本功，還要重視對學(xué)生演繹推理、判斷決策以及協(xié)調(diào)管理等軟技能的培養(yǎng)。另一方面，高校要動態(tài)監(jiān)測勞動力市場需求，積極把握科技創(chuàng)新規(guī)律，以新技術(shù)人才需求為導(dǎo)向，為培養(yǎng)出能夠適應(yīng)人工智能技術(shù)發(fā)展的高素質(zhì)人才統(tǒng)籌規(guī)劃。這樣不僅能為就業(yè)市場提供豐裕的勞動力資源，還能夠降低勞動者因技術(shù)變革而面臨的摩擦性失業(yè)和技術(shù)性失業(yè)風(fēng)險，保障更充分、更高質(zhì)量就業(yè)。

第三，政府要完善社會保障制度和就業(yè)政策體系，為機(jī)器人沖擊下勞動力市場結(jié)構(gòu)調(diào)整過程中的弱勢群體提供社會保障。一方面，建議通過積極組織崗前、轉(zhuǎn)崗和再就業(yè)培訓(xùn)，并采取相關(guān)激勵措施鼓勵企業(yè)開展培訓(xùn)，幫助被替代群體提升再就業(yè)能力，協(xié)助低技能群體順利完成技能更新升級，保障勞動力市場穩(wěn)定；另一方面，建議建立適應(yīng)新技術(shù)形勢的就業(yè)政策體系，通過破除影響勞動者流動的制度壁壘，提供均等化的公共服務(wù)和就業(yè)機(jī)會等方式提高不同技能群體勞動者的就業(yè)能力，緩解由“機(jī)器換人”引致的就業(yè)結(jié)構(gòu)性矛盾。

［責(zé)任編輯 求實(shí)］