工業(yè)機器人應(yīng)用促進了產(chǎn)業(yè)結(jié)構(gòu)升級嗎？
——對2006—2016年中國284個地級市的實證檢驗

杜文強

(北京大學(xué) 經(jīng)濟學(xué)院，北京 100871)

一、引言

根據(jù)“國際機器人聯(lián)盟”( International Federation of Robotics，IFR)的定義，工業(yè)機器人是在三個或以上軸上面可自動化控制(automatically controlled)、可重復(fù)編程(reprogrammable)、有多種用途(multipurpose)的機器設(shè)備。國內(nèi)研究中對“機器人”的稱謂包括“機器人”“工業(yè)機器人”“人工智能”以及“智能制造(智能化)”等，其中又以“工業(yè)機器人”居多，即在制造業(yè)部門中應(yīng)用的機器人。由于機器人的應(yīng)用在制造業(yè)部門的規(guī)模大、增速快，而非制造業(yè)部門的機器人應(yīng)用相對較少、涵蓋范圍也較窄(趙春明 等，2020)[1]，因而本文的研究針對工業(yè)機器人的應(yīng)用，沒有考慮制造業(yè)部門以外的機器人應(yīng)用。

中國工業(yè)機器人的應(yīng)用雖然起步時間較晚，但發(fā)展態(tài)勢迅猛，并得到國家的大力支持。20世紀50年代，美國開始將機器人應(yīng)用于生產(chǎn)中，隨后歐洲和日本等發(fā)達國家也開始在生產(chǎn)中引入機器人。根據(jù)IFR提供的數(shù)據(jù)，2006年后中國的工業(yè)機器人應(yīng)用規(guī)模不斷擴大，并在2012年后加速增長(孔高文 等，2020)[2]。2017年，中國的工業(yè)機器人安裝量超過47萬臺，占全世界當年安裝總量的近四分之一(王文 等，2020)[3]，目前中國已經(jīng)成為世界上最大的工業(yè)機器人應(yīng)用市場。中國工業(yè)機器人應(yīng)用的迅猛發(fā)展一方面有經(jīng)濟轉(zhuǎn)型(如勞動力資源結(jié)構(gòu)轉(zhuǎn)變)的要求和市場變化的需求，另一方面也離不開政府的大力支持和推動。在2013年之后，中央和地方政府紛紛出臺多種引導(dǎo)、鼓勵和補貼政策，大力推進工業(yè)機器人應(yīng)用。如，2013年工業(yè)和信息化部發(fā)布《關(guān)于推進工業(yè)機器人產(chǎn)業(yè)發(fā)展的指導(dǎo)意見》，提出到2020年形成較為完善的工業(yè)機器人產(chǎn)業(yè)體系的發(fā)展目標。此后，《中國制造2025》《機器人產(chǎn)業(yè)發(fā)展規(guī)劃(2016—2020)》等也都對中國工業(yè)機器人的發(fā)展進行了規(guī)劃。

當前中國經(jīng)濟發(fā)展進入新常態(tài)，已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。改革開放以來，中國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整取得了顯著進展，第三產(chǎn)業(yè)產(chǎn)值比重在2013年(46.39%)首次超過了第二產(chǎn)業(yè)的比重(44.2%)，并在2015年首次超過了50%。但經(jīng)濟發(fā)展不平衡不充分的問題仍然突出，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和優(yōu)化升級仍是轉(zhuǎn)變發(fā)展方式和實現(xiàn)高質(zhì)量發(fā)展的必然要求和重要任務(wù)?，F(xiàn)階段中國經(jīng)濟發(fā)展面臨多種疊加壓力，國內(nèi)勞動力成本不斷提升，人口老齡化等導(dǎo)致勞動力資源結(jié)構(gòu)變化。工業(yè)機器人的應(yīng)用，不僅可以提高生產(chǎn)效率，還可以緩解老齡化帶來的勞動力供給不足，有望成為促進產(chǎn)業(yè)結(jié)構(gòu)升級和實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的有效途徑之一。

伴隨著工業(yè)機器人應(yīng)用在中國的迅猛增加，工業(yè)機器人應(yīng)用的社會經(jīng)濟效應(yīng)也日益受到關(guān)注。比如，工業(yè)機器人應(yīng)用對就業(yè)、工資和生產(chǎn)率等都會產(chǎn)生影響，而這些因素都可能會對產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級產(chǎn)生影響，但目前直接研究工業(yè)機器人應(yīng)用與產(chǎn)業(yè)結(jié)構(gòu)升級的文獻還較少。有鑒于此，本文在已有研究的基礎(chǔ)上，進一步探究工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響及其機制。本文的邊際貢獻主要在于：第一，現(xiàn)有研究多關(guān)注機器人應(yīng)用對勞動力市場的影響，較少關(guān)注工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)升級的影響，且相關(guān)經(jīng)驗研究多基于省級層面數(shù)據(jù)。本文基于中國地級市層面的數(shù)據(jù)檢驗工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響，分析更為細致，結(jié)論更為可信，可以作為現(xiàn)有文獻的有效補充。第二，本文從理論上探討工業(yè)機器人應(yīng)用促進城市產(chǎn)業(yè)結(jié)構(gòu)升級的3種機制(人力資本提升效應(yīng)、服務(wù)業(yè)需求效應(yīng)、崗位創(chuàng)造效應(yīng))，并使用中介效應(yīng)模型進行實證檢驗，還對地區(qū)、時間及城市維度的異質(zhì)性進行實證分析，豐富和拓展該領(lǐng)域的研究內(nèi)容和思路，可為進一步的研究提供有益參考。

二、理論分析與研究假說

隨著機器人產(chǎn)業(yè)的迅速發(fā)展，工業(yè)機器人應(yīng)用對經(jīng)濟發(fā)展的影響逐漸得到重視，不少文獻研究了工業(yè)機器人應(yīng)用對勞動力市場、經(jīng)濟增長和人口老齡化等的影響，但目前很少有文獻研究工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)升級的影響。工業(yè)機器人在生產(chǎn)中的應(yīng)用可以提高制造業(yè)生產(chǎn)率(Halpern et al，2015；宋旭光 等，2019；楊光 等，2020)[4-6]，而制造業(yè)生產(chǎn)率的提高會促進與其具有互補關(guān)系的服務(wù)業(yè)的規(guī)模增長，從而推動產(chǎn)業(yè)結(jié)構(gòu)向第三產(chǎn)業(yè)演化(Ngai et al，2007)[7]。郭凱明(2019)通過模型推演和數(shù)值模擬發(fā)現(xiàn)，如果人工智能在制造業(yè)的比重較大，則會推動產(chǎn)業(yè)結(jié)構(gòu)向服務(wù)業(yè)演化[8]。為數(shù)不多的實證研究也發(fā)現(xiàn)，工業(yè)機器人應(yīng)用可以推動產(chǎn)業(yè)結(jié)構(gòu)升級。王文等(2020)使用省級區(qū)域數(shù)據(jù)研究工業(yè)機器人沖擊對服務(wù)業(yè)的影響，發(fā)現(xiàn)工業(yè)機器人應(yīng)用促進了服務(wù)業(yè)的結(jié)構(gòu)升級[3]。韋東明等(2021)基于省級區(qū)域數(shù)據(jù)的分析表明，工業(yè)機器人應(yīng)用促進了產(chǎn)業(yè)結(jié)構(gòu)升級[9]。胡晟明等(2021)的研究也發(fā)現(xiàn)工業(yè)機器人應(yīng)用可以促進產(chǎn)業(yè)結(jié)構(gòu)升級[10]。

基于此，本文提出研究假說H1：工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)升級具有促進作用。

工業(yè)機器人應(yīng)用會對地區(qū)人力資本水平產(chǎn)生影響。首先，工業(yè)機器人應(yīng)用會影響工資水平。楊曉鋒(2018)分析發(fā)現(xiàn)，工業(yè)機器人應(yīng)用可以增加制造業(yè)的平均工資水平[11]；Autor和Dorn(2013)則認為，自動化和信息技術(shù)會產(chǎn)生工資的兩極分化，高技能和低技能勞動者對應(yīng)的工資增長，而中等技能勞動者對應(yīng)的工資降低[12]；Acemoglu和Restrepo(2019)的研究則顯示，美國的機器人應(yīng)用顯著降低了勞動者工資[13]。雖然相關(guān)研究對工業(yè)機器人應(yīng)用的整體工資效應(yīng)暫未達成共識，但當考慮常規(guī)任務(wù)和非常規(guī)任務(wù)時，工業(yè)機器人應(yīng)用可以提高非常規(guī)任務(wù)的相對工資(余玲錚 等，2021)[14]。同樣，考慮勞動力技能時，工業(yè)機器人應(yīng)用會帶來中高技術(shù)工人的工資會上漲(張桂金 等，2019)[15]。這是因為工業(yè)機器人與不同勞動任務(wù)、不同技能勞動者之間的替代性是存在差異的。而工資水平的上漲會提高人力資本，因為收入水平的上漲會提高勞動者對人力資本的投資(胡晟明 等，2021)[10]。其次，工業(yè)機器人應(yīng)用會導(dǎo)致高技能勞動力對低技能勞動力的替代(王永欽 等，2020)[16]，機器人應(yīng)用對就業(yè)的替代作用在低學(xué)歷占比較高的地區(qū)更加明顯(孔高文 等，2020)[2]。面對工業(yè)機器人應(yīng)用的沖擊，企業(yè)會通過培訓(xùn)和招聘方式提升勞動力技能，勞動者自身也會更加努力提升技能水平，進而促進人力資本水平的整體提升。最后，工業(yè)機器人應(yīng)用會影響勞動力的就業(yè)地址選擇，從而對勞動力遷移產(chǎn)生影響(魏下海 等，2020)[17]，這也可能會影響地區(qū)的人力資本水平。而人力資本的提升會促進產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(李敏 等，2020；何小鋼 等，2020)[18-19]。

基于此，本文提出研究假說H2：工業(yè)機器人應(yīng)用可以通過人力資本提升效應(yīng)促進產(chǎn)業(yè)結(jié)構(gòu)升級。

服務(wù)業(yè)與制造業(yè)存在互補關(guān)系，工業(yè)機器人應(yīng)用會促進制造業(yè)部門的擴張，這會增加對與制造業(yè)相關(guān)的服務(wù)行業(yè)的需求，從而通過制造業(yè)的規(guī)模效應(yīng)帶動處于同一產(chǎn)業(yè)鏈之中的相關(guān)服務(wù)業(yè)行業(yè)的發(fā)展(Acemoglu et al，2017)[20]，比如生產(chǎn)性服務(wù)業(yè)和高端服務(wù)業(yè)。同時制造業(yè)規(guī)模的提升，還會提高對相關(guān)聯(lián)服務(wù)行業(yè)的需求，進而帶動相關(guān)服務(wù)行業(yè)的規(guī)?；蛯I(yè)化發(fā)展，并促進服務(wù)業(yè)的結(jié)構(gòu)升級(王文 等，2020)[3]。

基于此，本文提出研究假說H3：工業(yè)機器人應(yīng)用可以通過服務(wù)業(yè)需求效應(yīng)促進產(chǎn)業(yè)結(jié)構(gòu)升級。

從就業(yè)的角度來看，工業(yè)機器人應(yīng)用會對就業(yè)產(chǎn)生兩方面影響。一方面，工業(yè)機器人應(yīng)用會對低技能勞動力產(chǎn)生替代效應(yīng)。以計算機技術(shù)為代表的自動化技術(shù)會替代常規(guī)型的工作任務(wù)，而這部分任務(wù)和崗位的就業(yè)者通常是低技能勞動力(Autor et al，2003)[21]。受到工業(yè)機器人應(yīng)用的影響，低技能勞動力會向本地其他行業(yè)和其他地區(qū)進行轉(zhuǎn)移，尤其是轉(zhuǎn)向本地勞動力替代彈性較高的其他行業(yè)(孔高文 等，2020)[2]，勞動力在服務(wù)業(yè)就業(yè)的概率會增加(趙春明，2020)[1]。工業(yè)機器人的就業(yè)替代效應(yīng)，促使勞動力轉(zhuǎn)向服務(wù)業(yè)，進而促進產(chǎn)業(yè)結(jié)構(gòu)的演進。另一方面，工業(yè)機器人應(yīng)用也會對服務(wù)業(yè)產(chǎn)生就業(yè)創(chuàng)造效應(yīng)，即創(chuàng)造更多與人工智能相關(guān)的服務(wù)業(yè)崗位。以工業(yè)機器人為代表的人工智能技術(shù)具有技術(shù)偏向性，需要更多更高人力資本水平的崗位與之匹配，并且人工智能是一種“誘導(dǎo)式創(chuàng)新”的發(fā)展方式，其與勞動力之間存在一種“補位式替代”的關(guān)系(陳秋霖 等，2018)[22]。工業(yè)機器人應(yīng)用會為生產(chǎn)性服務(wù)業(yè)和高端服務(wù)業(yè)創(chuàng)造更多的就業(yè)崗位(王文 等，2020)[3]，而這會促進服務(wù)業(yè)的產(chǎn)業(yè)結(jié)構(gòu)升級。

基于此，本文提出研究假說H4：工業(yè)機器人應(yīng)用可以通過崗位創(chuàng)造效應(yīng)促進產(chǎn)業(yè)結(jié)構(gòu)升級。

三、實證方法與數(shù)據(jù)來源

1.模型構(gòu)建

為檢驗工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響，本文構(gòu)建基準模型(1)：

industryi,t=α0+α1robi,t+δCi,t+μt+ωi+εi,t

(1)

其中，i表示城市，t表示時間，被解釋變量industry為“產(chǎn)業(yè)結(jié)構(gòu)”，核心解釋變量rob為“工業(yè)機器人應(yīng)用”，C為一系列城市層面的控制變量，μt為時間固定效應(yīng)，ωi為城市固定效應(yīng)，εi,t為隨機誤差項。α1是本文關(guān)心的系數(shù)，反映工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響，根據(jù)前文的理論分析，預(yù)期α1為正。

為檢驗在工業(yè)機器人應(yīng)用影響城市產(chǎn)業(yè)結(jié)構(gòu)升級中是否存在人力資本提升效應(yīng)、服務(wù)業(yè)需求效應(yīng)和崗位創(chuàng)造效應(yīng)等傳導(dǎo)機制，本文構(gòu)建中介效應(yīng)檢驗?zāi)Ｐ?2)和(3)：

Yi,t=b0+b1robi,t+δCi,t+μt+ωi+εi,t

(2)

industryi,t=c0+c1robi,t+c2Yi,t+δCi,t+μt+ωi+εi,t

(3)

其中，模型(2)檢驗工業(yè)機器人應(yīng)用對中介變量Y的影響，模型(3)檢驗工業(yè)機器人應(yīng)用和中介變量對產(chǎn)業(yè)結(jié)構(gòu)升級的影響，以確定是否存在中介效應(yīng)，其他變量設(shè)置與模型(1)相同。中介效應(yīng)檢驗程序如下：第一步，檢驗?zāi)Ｐ?1)的系數(shù)α1，若α1顯著則繼續(xù)，若α1不顯著則表示解釋變量與被解釋變量不相關(guān)；第二步，依次檢驗?zāi)Ｐ?2)的系數(shù)b1和模型(3)的系數(shù)c2，若二者均顯著，則繼續(xù)；第三步，檢驗系數(shù)c1，若c1不顯著，則為完全中介效應(yīng)，若c1顯著則為部分中介效應(yīng)顯著。若存在部分中介效應(yīng)，α1反映工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的總效應(yīng)，c1反映工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的直接效應(yīng)，b1×c2反映工業(yè)機器人應(yīng)用通過中介變量對城市產(chǎn)業(yè)結(jié)構(gòu)升級的間接效應(yīng)，即中介效應(yīng)。

2.變量選取與測度

(1)“產(chǎn)業(yè)結(jié)構(gòu)”(industry)。產(chǎn)業(yè)結(jié)構(gòu)升級包含產(chǎn)業(yè)結(jié)構(gòu)高級化和產(chǎn)業(yè)結(jié)構(gòu)合理化，衡量產(chǎn)業(yè)結(jié)構(gòu)的指標有很多，比如第三次產(chǎn)業(yè)的產(chǎn)值占地區(qū)生產(chǎn)總值的比重、第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值之比以及產(chǎn)業(yè)結(jié)構(gòu)合理化指數(shù)等。本文著重關(guān)注產(chǎn)業(yè)結(jié)構(gòu)的高級化，即產(chǎn)業(yè)結(jié)構(gòu)從第一和第二產(chǎn)業(yè)向第三產(chǎn)業(yè)的演進，因此使用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值比重之比作為衡量“產(chǎn)業(yè)結(jié)構(gòu)”的指標，并取自然對數(shù)。

(3)控制變量。本文控制了一系列可能影響產(chǎn)業(yè)結(jié)構(gòu)升級的城市特征變量，包括：“經(jīng)濟發(fā)展水平”(pergdp)，采用城市人均GDP(萬元/人)來衡量；“人均資本”(lnkl_ratio)，采用城市固定資產(chǎn)投資總額與就業(yè)人數(shù)比值的自然對數(shù)來衡量；“城鎮(zhèn)化率”(urben)，采用城鎮(zhèn)常住人口數(shù)占當年常住人口數(shù)的比重來衡量；“對外開放程度”(lnfdi)，采用各城市實際利用外資額的自然對數(shù)來衡量。

3.數(shù)據(jù)來源

本文實證研究的樣本期間為2006—2016年(1)本文使用的工業(yè)機器人數(shù)據(jù)來源于國際機器人聯(lián)合會(IFR)，IFR提供了國家—年份—行業(yè)層面的機器人安裝數(shù)據(jù)，其中中國的數(shù)據(jù)最早是1999年，但只有全部行業(yè)的總量數(shù)據(jù)，無分行業(yè)數(shù)據(jù)，直到2006年才開始有分行業(yè)的工業(yè)機器人安裝量和存量數(shù)據(jù)，因此本文將2006年作為樣本開始年份。在IFR數(shù)據(jù)中，中國制造業(yè)14個細分行業(yè)的工業(yè)機器人數(shù)據(jù)可得的全部年份為2006—2018年，本文基于城市層面的研究需要控制城市層面影響產(chǎn)業(yè)結(jié)構(gòu)升級的其他變量，其中“資本—勞動比”變量的計算需要固定資產(chǎn)投資總額的數(shù)據(jù)，而城市統(tǒng)計年鑒自2017年起不再提供固定資產(chǎn)投資總額數(shù)據(jù)，為減少遺漏變量引起的估計偏誤，選擇以2016年作為樣本結(jié)束時間。此外，筆者也采用2006—2018年的數(shù)據(jù)進行了模型檢驗，回歸結(jié)果與本文基準模型的分析結(jié)果一致。，樣本城市為中國30個省區(qū)市(不包括港澳臺地區(qū)和西藏自治區(qū))的284個城市，最終得到共2 900個樣本的城市層面非平衡面板數(shù)據(jù)。數(shù)據(jù)來源主要有以下4個：(1)工業(yè)機器人數(shù)據(jù)來源于IFR，包括14個制造業(yè)細分行業(yè)的機器人安裝量和存量。(2)制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來自《中國勞動統(tǒng)計年鑒》，由于IFR提供的14個制造業(yè)分行業(yè)與中國制造業(yè)行業(yè)分類存在差別，參考閆雪凌等(2020)的做法[24]，將中國制造業(yè)分行業(yè)歸并到14個IFR制造業(yè)分行業(yè)中，以此獲得每個細分行業(yè)的就業(yè)量(2)由于《中國勞動統(tǒng)計年鑒》在2012年以前的制造業(yè)分行業(yè)中沒有區(qū)分汽車制造業(yè)(IFR 11行業(yè))與船舶、輪船及其他運輸設(shè)備制造業(yè)(IFR 12行業(yè))，因此，2012年以前歸并的IFR11汽車制造業(yè)分行業(yè)就業(yè)人數(shù)是兩個行業(yè)的加總(相應(yīng)機器人數(shù)據(jù)加總)，后面的相關(guān)分析中做相同處理(如計算工具變量時對美國數(shù)據(jù)的處理)。。(3)城市制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來源于第二次全國經(jīng)濟普查，根據(jù)2008年全國各城市企業(yè)層面的就業(yè)信息和行業(yè)類別，可以計算出城市—行業(yè)層面的就業(yè)數(shù)據(jù)和占比。(4)其他變量的數(shù)據(jù)來自相應(yīng)年度的《中國城市統(tǒng)計年鑒》以及各省區(qū)市和城市統(tǒng)計年鑒等，部分缺失值采用插值法補齊。主要變量的描述性統(tǒng)計見表1。

表1 主要變量的描述性統(tǒng)計

四、實證結(jié)果分析

1.基準回歸結(jié)果

基準模型的回歸結(jié)果見表2。其中，(1)(2)列是使用穩(wěn)健標準誤的OLS回歸結(jié)果，(3)～(6)列是控制固定效應(yīng)的回歸結(jié)果，所有回歸中均對標準誤在省級層面進行了聚類。在表2的所有回歸結(jié)果中，“工業(yè)機器人應(yīng)用”的系數(shù)均為正，且都在1%或5%的水平上顯著，表明工業(yè)機器人應(yīng)用顯著促進了城市產(chǎn)業(yè)結(jié)構(gòu)升級，研究假說H1得到驗證。

表2 基準回歸結(jié)果

2.內(nèi)生性處理

直接使用工業(yè)機器人應(yīng)用指標對產(chǎn)業(yè)結(jié)構(gòu)進行回歸，可能會存在內(nèi)生性偏誤，比如反向因果關(guān)系和遺漏變量的干擾。反向因果關(guān)系是指，城市產(chǎn)業(yè)結(jié)構(gòu)水平也可能會影響工業(yè)機器人應(yīng)用，如城市高技術(shù)產(chǎn)業(yè)發(fā)達，機器人相關(guān)的研發(fā)和生產(chǎn)技術(shù)能力強，可能會促進城市工業(yè)機器人的應(yīng)用。為解決反向因果關(guān)系帶來的內(nèi)生性，本文使用工具變量法進行檢驗。借鑒Acemoglu和Restrepo(2017)[20]的做法，使用美國工業(yè)機器人密度來構(gòu)造相應(yīng)的樣本城市層面的工業(yè)機器人密度作為工具變量(3)美國制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來自NBER-CES(naics2012版本)，其提供了6位naics代碼的制造業(yè)分行業(yè)數(shù)據(jù)，使用前文歸并中國制造業(yè)分行業(yè)到IFR分行業(yè)的方法進行歸并。。使用世界上其他與中國工業(yè)機器人發(fā)展類似國家(4)如美國(王永欽 等，2020)、捷克(王文 等，2020)以及愛沙尼亞等五國的平均值(胡晟明 等；2021)等[16][3][10]。的機器人密度作為工具變量是相關(guān)文獻常用的方法。本文選擇使用美國工業(yè)機器人數(shù)據(jù)構(gòu)造工具變量是基于以下考慮：一方面，在樣本期內(nèi)美國工業(yè)機器人應(yīng)用的發(fā)展趨勢與中國比較接近，且美國的機器人技術(shù)全球領(lǐng)先，其工業(yè)機器人應(yīng)用可以反映機器人產(chǎn)業(yè)的技術(shù)進步趨勢，滿足相關(guān)性假定；另一方面，沒有證據(jù)表明美國的工業(yè)機器人應(yīng)用會直接影響中國城市的產(chǎn)業(yè)結(jié)構(gòu)變動，其只能通過與中國工業(yè)機器人應(yīng)用的關(guān)聯(lián)來起作用，滿足外生性假定。

本文使用兩階段最小二乘法(2SLS)來進行工具變量估計，回歸結(jié)果見表3。其中第(1)(2)列是使用美國工業(yè)機器人安裝密度構(gòu)造的工具變量的回歸結(jié)果，(3)(4)列是使用美國工業(yè)機器人存量密度構(gòu)造的工具變量的回歸結(jié)果。rk F統(tǒng)計量均大于臨界值，表明工具變量與核心解釋變量的相關(guān)性較強，不存在弱工具變量問題；rk LM檢驗的p值均為0，拒絕原假設(shè)，不存在識別不足的問題。工具變量的回歸系數(shù)為正且顯著，表明工業(yè)機器人應(yīng)用促進了城市產(chǎn)業(yè)結(jié)構(gòu)升級，再次驗證了研究假說H1。

遺漏變量是指城市工業(yè)機器人應(yīng)用可能與某些不可觀測的因素有關(guān)，或者存在其他影響產(chǎn)業(yè)結(jié)構(gòu)的變量。為減輕遺漏變量問題，借鑒相關(guān)研究，本文在基準模型的基礎(chǔ)上增加其他可能會影響產(chǎn)業(yè)結(jié)構(gòu)的控制變量。具體來講，加入“郵政業(yè)務(wù)收入”“電信業(yè)務(wù)收入”“年末人均存款余額”“貸款余額”和“人均社會消費品零售額”等變量，這些變量反映信息化水平、金融發(fā)展和消費需求等因素對產(chǎn)業(yè)結(jié)構(gòu)的影響(羅來軍 等，2012；陽立高 等，2014；馬微，2019)[25-27]。增加控制變量后的回歸結(jié)果見表3的(5)(6)列，工業(yè)機器人安裝密度和存量密度的估計系數(shù)均顯著為正，同樣也驗證了研究假說H1。

表3 內(nèi)生性處理結(jié)果

3.穩(wěn)健性檢驗

為進一步驗證基準模型的分析結(jié)果，本文還進行了多種穩(wěn)健性檢驗。

(1)核心解釋變量“工業(yè)機器人應(yīng)用”指標的替代。一是基于工業(yè)機器人存量計算“存量密度”，用以替代基準模型中基于工業(yè)機器人安裝量計算的“安裝密度”，估計結(jié)果見表4的(1)列；二是使用滯后一期的“安裝密度”和“存量密度”作為“工業(yè)機器人應(yīng)用”的替代指標，估計結(jié)果見表4的(2)(3)列；三是基于第一次全國經(jīng)濟普查數(shù)據(jù)(2004年)計算“工業(yè)機器人應(yīng)用”，替代基準模型中基于第二次全國經(jīng)濟普查數(shù)據(jù)計算的“工業(yè)機器人應(yīng)用”，回歸結(jié)果見表4的(4)(5)列；四是參考胡晟明等(2021)的方法[10]，用經(jīng)過行業(yè)規(guī)模調(diào)整的“工業(yè)機器人應(yīng)用”替代基準模型的“工業(yè)機器人應(yīng)用”指標，即使用以2006年為基期的制造業(yè)分行業(yè)銷售產(chǎn)值增長率對2007—2016年的工業(yè)機器人密度進行調(diào)整，估計結(jié)果見表4的(6)(7)列。

(2)被解釋變量“產(chǎn)業(yè)結(jié)構(gòu)”指標的替代。使用第三產(chǎn)業(yè)占比作為基準模型中“產(chǎn)業(yè)結(jié)構(gòu)”的替代指標，估計結(jié)果見表5的(1)(2)列。

(3)剔除直轄市樣本。直轄市具有一定的特殊性，因而使用剔除直轄市樣本后的子樣本進行回歸分析，估計結(jié)果見表5的(3)(4)列。

(4)調(diào)整樣本年份。在計算城市層面的工業(yè)機器人應(yīng)用指標時，通常要選擇一個制造業(yè)就業(yè)結(jié)構(gòu)的基期，這樣可以消除制造業(yè)內(nèi)部結(jié)構(gòu)變化造成的影響。本文基準模型中使用的制造業(yè)就業(yè)結(jié)構(gòu)是根據(jù)第二次全國經(jīng)濟普查(2008年)的數(shù)據(jù)計算的，而基準回歸樣本的區(qū)間為2006—2016年，穩(wěn)健起見，刪除2008年及之前的樣本，只使用2009年之后的樣本數(shù)據(jù)進行回歸，估計結(jié)果見表5的(5)(6)列。

(5)安慰劑檢驗。產(chǎn)業(yè)結(jié)構(gòu)自身存在逐步演進和優(yōu)化的趨勢，即產(chǎn)業(yè)結(jié)構(gòu)的變化可能只是其自身演變的結(jié)果，而與工業(yè)機器人應(yīng)用并不存在因果關(guān)系。對此，進行安慰劑檢驗，即檢驗過去的產(chǎn)業(yè)結(jié)構(gòu)水平是否與未來的工業(yè)機器人應(yīng)用相關(guān)。使用2012—2016年的工業(yè)機器人應(yīng)用指標對1999—2003年的產(chǎn)業(yè)結(jié)構(gòu)水平指標進行回歸(5)之所以選擇1999—2003年的產(chǎn)業(yè)結(jié)構(gòu)水平指標，一方面是因為1999年是比較早的可以完整獲得城市產(chǎn)業(yè)結(jié)構(gòu)指標數(shù)據(jù)的年份，另一方面是因為中國制造業(yè)從2006年左右才開始較大規(guī)模地應(yīng)用工業(yè)機器人，此前年份的產(chǎn)業(yè)結(jié)構(gòu)變化幾乎不受工業(yè)機器人應(yīng)用的影響。，估計結(jié)果見表6的(7)列?！肮I(yè)機器人應(yīng)用”的估計系數(shù)不顯著，表明過去的產(chǎn)業(yè)結(jié)構(gòu)變動與未來的工業(yè)機器人應(yīng)用無關(guān)，二者之間不存在趨勢相關(guān)性，再次說明本文的基本結(jié)論是穩(wěn)健的。

表4 穩(wěn)健性檢驗結(jié)果1：替換“工業(yè)機器人應(yīng)用”指標

表5 穩(wěn)健性檢驗結(jié)果2

上述穩(wěn)健性檢驗中，除了安慰劑檢驗外，“工業(yè)機器人應(yīng)用”的估計系數(shù)均顯著為正，表明本文基準模型的分析結(jié)果具有很強的穩(wěn)健性，“機器人應(yīng)用可以促進城市產(chǎn)業(yè)結(jié)構(gòu)升級”的結(jié)論是可信的。

4.異質(zhì)性分析

(1)地區(qū)異質(zhì)性。不同地區(qū)的經(jīng)濟發(fā)展水平不同，機器人應(yīng)用也存在差異，因此不同地區(qū)的工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響可能也存在差異。在基準模型中加入“工業(yè)機器人應(yīng)用”與地區(qū)虛擬變量的交互項，以西部地區(qū)為基準，對東部和中部地區(qū)進行回歸，結(jié)果見表6的(1)列，回歸方法、控制變量、固定效應(yīng)以及方差聚類都與基準回歸一致。工業(yè)機器人應(yīng)用交互項的系數(shù)，在東部地區(qū)顯著為正，在中部地區(qū)為正但不顯著，表并工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響存在地區(qū)差異。相對于西部地區(qū)，東部地區(qū)的工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響更為明顯，這是因為東部地區(qū)工業(yè)機器人應(yīng)用水平較高。以西部地區(qū)為基準，對東部、中部和東北地區(qū)進行回歸，結(jié)果見表6的(2)列，交互項系數(shù)在東部地區(qū)和東北地區(qū)顯著為正，在中部地區(qū)為正但不顯著。

(2)時間異質(zhì)性。中國的工業(yè)機器人應(yīng)用在2012年后增速更快，同時2013年后勞動力數(shù)量開始下降，勞動力數(shù)量減少和結(jié)構(gòu)轉(zhuǎn)型可能會促進工業(yè)機器人的應(yīng)用。同時，政府的補貼和支持也是中國工業(yè)機器人應(yīng)用快速增長的一個重要原因，而在2013年之后，中央和地方政府關(guān)于促進工業(yè)機器人應(yīng)用的政策密集出臺。因此，預(yù)期在2013年之后，工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的促進效應(yīng)更大。對此，構(gòu)建時間虛擬變量，2013年之后取值為1，2013年之前取值為0。在基準模型中加入“工業(yè)機器人應(yīng)用”與時間虛擬變量的交互項，回歸結(jié)果見表6第(3)列。工業(yè)機器人應(yīng)用交互項的系數(shù)顯著為正，表明2013年之后工業(yè)機器人應(yīng)用對中國城市產(chǎn)業(yè)結(jié)構(gòu)升級的正向影響更為明顯。

(3)城市要素密集度異質(zhì)性。不同城市的資本和勞動要素稟賦存在差異，導(dǎo)致資本—勞動比具有顯著異質(zhì)性。為檢驗對于資本和勞動要素密集度不同的城市，工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)升級的影響是否存在差異，設(shè)置城市—年份層面的“勞動密集型城市”虛擬變量：資本—勞動比低于同期所有城市均值的城市為勞動密集型城市(取值為1)，反之為資本密集型城市(取值為0)。以資本密集型城市為參照，在基準模型中加入“工業(yè)機器人應(yīng)用”與“勞動密集型城市”的交互項，回歸結(jié)果見表6的(4)列。交互項系數(shù)接近0且不顯著，表明工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)升級的影響在不同的要素密集度城市之間不存在明顯差異。

(4)城市勞動力異質(zhì)性。勞動力可以分為低技能勞動力和高技能勞動力，不同城市的高技能勞動力占比存在差異。工業(yè)機器人應(yīng)用對低技能就業(yè)存在替代效應(yīng)，但與高技能就業(yè)存在互補效應(yīng)。因此，對于不同勞動力技能密集度的城市，工業(yè)機器人應(yīng)用對產(chǎn)業(yè)結(jié)構(gòu)的影響可能存在差異。使用第六次全國人口普查分縣市數(shù)據(jù)(2010年)，以受教育程度為標準，將受教育程度為高中以上(含)的勞動力定義為高技能勞動力，受教育程度為高中以下的勞動力定義為低技能勞動力，計算城市層面的高技能勞動力占比。設(shè)置“高技能勞動力密集度”虛擬變量：若城市的高技能勞動力占比高于當年平均水平，則為高技能勞動力密集型城市(取值為1)，否則為低技能勞動力密集型城市(取值為0)。以低技能勞動力密集型城市為參照，在基準模型中加入“工業(yè)機器人應(yīng)用”與“高技能勞動力密集度”的交互項，回歸結(jié)果見表6的(5)列。交互項系數(shù)顯著為正，表明工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的促進作用在高技能勞動力密集型城市更為顯著。

表6 異質(zhì)性分析結(jié)果

5.影響機制檢驗

(1)人力資本提升效應(yīng)

本文采用城市居民的平均受教育程度作為“人力資本水平”的代理變量，數(shù)據(jù)來自第六次全國人口普查分縣市數(shù)據(jù)，包括2010年269個城市的居民受教育程度信息。采用四種方法計算“人力資本水平”：借鑒胡鞍鋼和李春波(2001)的方法[28]，計算平均受教育程度的基準指標“人力資本水平1”(6)計算公式為：(小學(xué)人口數(shù)×6+初中人口數(shù)×9+高中人口數(shù)×12 +大專以上人口數(shù)×16)÷6歲及6歲以上總?cè)丝跀?shù)。；借鑒韓兆洲和王亞坤(2012)的方法[29]，計算平均受教育程度的替代指標“人力資本水平2”(7)包含了文盲半文盲人口，計算公式為：(文盲半文盲×2+小學(xué)人口數(shù)×6+初中人口數(shù)×9+高中人口數(shù)×12 +大專以上人口數(shù)×16)÷6歲及6歲以上總?cè)丝跀?shù)。；用全國人口普查中提供的平均受教育程度作為替代指標“人力資本水平3”；將受教育程度為高中以上(含)的勞動力作為高技能勞動力，計算城市高技能勞動力占比，作為替代指標“人力資本水平4”。中介效應(yīng)檢驗結(jié)果見表7，其中：(1)(3)(5)(7)列為模型(2)的回歸結(jié)果，“工業(yè)機器人應(yīng)用”的估計系數(shù)均顯著為正，表明工業(yè)機器人應(yīng)用具有人力資本提升效應(yīng)；(2)(4)(6)(8)列為模型(3)的回歸結(jié)果，“人力資本水平”的估計系數(shù)均顯著為正，“工業(yè)機器人應(yīng)用”的估計系數(shù)不再顯著，表明在2010年工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響存在人力資本的完全中介效應(yīng)(8)城市層面的人力資本數(shù)據(jù)只有2010年的，因而中介效應(yīng)檢驗為截面數(shù)據(jù)回歸，人力資本水平的完全中介效應(yīng)有待進一步驗證。，工業(yè)機器人應(yīng)用可以通過提升人力資本水平來促進城市產(chǎn)業(yè)結(jié)構(gòu)升級，研究假說H2得到驗證。

表7 中介效應(yīng)檢驗結(jié)果：人力資本提升效應(yīng)

(2)服務(wù)業(yè)需求效應(yīng)

工業(yè)機器人的應(yīng)用可以改善制造業(yè)生產(chǎn)效率，擴大制造業(yè)規(guī)模，制造業(yè)的擴張會增加對與制造業(yè)相關(guān)聯(lián)的服務(wù)行業(yè)的需求(如對生產(chǎn)性服務(wù)業(yè)的需求)，從而推動相應(yīng)服務(wù)行業(yè)的發(fā)展，促進產(chǎn)業(yè)結(jié)構(gòu)升級。制造業(yè)對服務(wù)業(yè)需求的增加，也會使得服務(wù)業(yè)工資上漲，因此一定程度上可以將服務(wù)業(yè)工資水平作為制造業(yè)對服務(wù)業(yè)行業(yè)需求的替代指標(王文 等，2020)[3]。由于沒有城市層面服務(wù)業(yè)工資水平的數(shù)據(jù)，將城市服務(wù)業(yè)細分行業(yè)就業(yè)占服務(wù)業(yè)總就業(yè)的比重作為權(quán)重，對服務(wù)業(yè)分行業(yè)工資進行加權(quán)平均，得到城市層面的“服務(wù)業(yè)工資水平”。中介效應(yīng)檢驗結(jié)果見表8的(1)～(4)列。其中：(1)(3)列中“工業(yè)機器人應(yīng)用”的估計系數(shù)顯著為正，表明工業(yè)機器人應(yīng)用提高了服務(wù)業(yè)工資水平；(2)(4)列中“工業(yè)機器人應(yīng)用”和“服務(wù)業(yè)工資水平”的系數(shù)均顯著為正，表明存在部分中介效應(yīng)。因此，工業(yè)機器人應(yīng)用可以通過增加對服務(wù)業(yè)的需求來促進城市產(chǎn)業(yè)結(jié)構(gòu)升級，研究假說H3得到驗證。

(3)崗位創(chuàng)造效應(yīng)

工業(yè)機器人應(yīng)用一方面可以通過就業(yè)替代效應(yīng)使得低技能勞動力轉(zhuǎn)移到服務(wù)業(yè)，另一方面可以通過生產(chǎn)力效應(yīng)創(chuàng)造更多與機器人相關(guān)的職位，比如增加與生產(chǎn)性服務(wù)業(yè)相關(guān)的職位，從而促進產(chǎn)業(yè)結(jié)構(gòu)升級。以第三產(chǎn)業(yè)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重作為崗位創(chuàng)造的代理變量進行中介效應(yīng)檢驗，回歸結(jié)果見表8的(5)～(8)列?！肮I(yè)機器人應(yīng)用”和“第三產(chǎn)業(yè)就業(yè)占比”的系數(shù)均顯著為正，表明存在部分中介效應(yīng)。工業(yè)機器人應(yīng)用可以通過提高第三產(chǎn)業(yè)就業(yè)比重促進城市產(chǎn)業(yè)結(jié)構(gòu)升級，研究假說H4得到驗證。

表8 中介效應(yīng)檢驗結(jié)果：服務(wù)業(yè)需求效應(yīng)和崗位創(chuàng)造效應(yīng)

五、結(jié)論與啟示

隨著中國人口老齡化和勞動力成本上升的加劇，以工業(yè)機器人為代表的人工智能技術(shù)成為解決勞動力短缺和促進產(chǎn)業(yè)結(jié)構(gòu)升級的重要手段。本文采用2006—2016年中國30個省區(qū)市的284個地級市的面板數(shù)據(jù)，檢驗工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響及其機制和異質(zhì)性，結(jié)果顯示：(1)工業(yè)機器人應(yīng)用可以顯著促進城市產(chǎn)業(yè)結(jié)構(gòu)升級；(2)工業(yè)機器人應(yīng)用可以通過人力資本提升效應(yīng)、服務(wù)業(yè)需求效應(yīng)和崗位創(chuàng)造效應(yīng)促進城市產(chǎn)業(yè)結(jié)構(gòu)升級；(3)工業(yè)機器人應(yīng)用對城市產(chǎn)業(yè)結(jié)構(gòu)升級的影響存在異質(zhì)性，其對城市產(chǎn)業(yè)結(jié)構(gòu)升級的促進效應(yīng)在東部地區(qū)、在2013年后、在高技能勞動力密集型城市中更加顯著。基于上述結(jié)論，本文提出以下政策建議：

第一，大力扶持和發(fā)展機器人產(chǎn)業(yè)，促進工業(yè)機器人應(yīng)用。當前中國面臨勞動力成本迅速上升、勞動力數(shù)量下降和老齡化程度持續(xù)上升的壓力下，擴大工業(yè)機器人應(yīng)用對于緩解經(jīng)濟發(fā)展壓力、促進產(chǎn)業(yè)結(jié)構(gòu)升級具有重要意義。政策扶持對機器人產(chǎn)業(yè)發(fā)展和工業(yè)機器人應(yīng)用都具有重要促進作用，應(yīng)該繼續(xù)擴大對機器人產(chǎn)業(yè)的扶持，以促進工業(yè)機器人的廣泛應(yīng)用和升級。第二，因地制宜，加快中西部地區(qū)的工業(yè)機器人應(yīng)用。目前，工業(yè)機器人在東部地區(qū)的應(yīng)用規(guī)模和產(chǎn)業(yè)結(jié)構(gòu)升級促進效應(yīng)更加顯著，在制定工業(yè)機器人產(chǎn)業(yè)政策時應(yīng)考慮各地區(qū)的產(chǎn)業(yè)發(fā)展基礎(chǔ)，也要向中西部地區(qū)進行傾斜和優(yōu)惠，引導(dǎo)和鼓勵中西部地區(qū)加快和擴大工業(yè)機器人應(yīng)用，以更好地促進地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級。第三，推廣職業(yè)教育和技能培訓(xùn)，提升勞動者的勞動技能。機器人應(yīng)用一方面會對低技能勞動力產(chǎn)生替代，另一方面也要求與機器人配合的勞動者提升自身技能。應(yīng)大力發(fā)展職業(yè)教育，提升勞動者的技能水平。既要通過一系列財政、稅收手段激勵企業(yè)進行內(nèi)部員工的技能升級，也要為失業(yè)勞動力提供更多技能培訓(xùn)的機會。第四，促進工業(yè)機器人應(yīng)用與人力資本提升的良性循環(huán)。工業(yè)機器人應(yīng)用具有人力資本提升效應(yīng)，人力資本提升又可以從勞動供給上滿足工業(yè)機器人應(yīng)用向更高水平發(fā)展的需求。應(yīng)充分利用工業(yè)機器人應(yīng)用的契機，實現(xiàn)從“工業(yè)機器人應(yīng)用提升人力資本”到“人力資本提升促進工業(yè)機器應(yīng)用”的良性循環(huán)。

本文研究也存在一些不足，有待更進一步的深入研究。首先，限于中國工業(yè)機器人應(yīng)用數(shù)據(jù)的可得性，本文研究的樣本期間較短，后續(xù)研究應(yīng)進行更長期的動態(tài)分析，進而增強分析結(jié)果的穩(wěn)健性。其次，本文的人力資本中介效應(yīng)檢驗為截面數(shù)據(jù)回歸，穩(wěn)健性不足，后續(xù)可基于更多數(shù)據(jù)(如歷次全國人口普查數(shù)據(jù))進一步檢驗對人力資本提升效應(yīng)。再次，需求效應(yīng)的指標測度有待改進，研究和探討如何直接測度城市層面制造業(yè)對服務(wù)業(yè)的需求效應(yīng)是后續(xù)研究的一個方向。最后，可以在更細致的層面探討崗位創(chuàng)造效應(yīng)的具體來源，如區(qū)分生產(chǎn)性服務(wù)業(yè)、高端服務(wù)業(yè)和其他服務(wù)業(yè)進行檢驗。