“機器換人”的就業(yè)沖擊被高估了嗎？
——來自中國制造業(yè)A 股上市公司的證據(jù)

周世軍，陳博文

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

一、引 言

近年來，人工智能技術的快速發(fā)展使得工業(yè)機器人得以廣泛應用。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)機器人應用日益增多，“機器換人”引發(fā)擔憂。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)濟學模型建構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)有宏觀研究相比結論更科學，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，學者們主要關注工業(yè)機器人對勞動力的就業(yè)水平、就業(yè)結構及相關問題的實證與對策研究。

一是關注工業(yè)機器人對于勞動力就業(yè)水平的影響。大多數(shù)學者從偏向性技術進步的視角出發(fā)，考慮技術進步與勞動力投入在不同任務中的比較優(yōu)勢，指出資本或技術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險；王永欽和董雯［4］研究認為，機器人應用對企業(yè)勞動力需求產(chǎn)生一定的替代效應，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。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)，機器人應用在降低制造業(yè)就業(yè)崗位的同時，顯著增加了服務業(yè)就業(yè)崗位。此外，還有部分學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］。

二是關注工業(yè)機器人對勞動力就業(yè)結構的影響。部分學者研究發(fā)現(xiàn)，技術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)結構呈現(xiàn)出“N 型極化”特征。王永欽和董雯［4］通過構建工業(yè)機器人滲透度指標后發(fā)現(xiàn)，機器人應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領域的影響。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)外學者開始關注工業(yè)機器人等人工智能的應用對勞動力市場造成的影響。然而，縱觀現(xiàn)有文獻，機器人應用究竟導致了就業(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”是否真如部分學者研究宣稱的令人擔憂仍然值得進一步討論?；诖耍疚膶⒉捎谩靶袠I(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，并呈現(xiàn)出相應的沖擊特征，據(jù)此提出研究假說。

首先，“機器換人”的就業(yè)沖擊效應跟企業(yè)規(guī)模有關。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，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備投入帶來的成本負擔以及有效節(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)模效應和替代效應之間的比較。按照目前研究，學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，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和規(guī)模效應，總效應為兩者的加總?，F(xiàn)有研究表明，機器人應用的總效應存在企業(yè)規(guī)模異質性，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可能更為明顯，據(jù)此，本文提出假設1。

圖1 “機器換人”的就業(yè)沖擊效應與企業(yè)規(guī)模的關系

假設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)的替代效應越明顯。

其次，“機器換人”的就業(yè)沖擊效應跟資本勞動相對價格有關。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)所有權性質，認為不同所有權的企業(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2。

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

再次，考慮到中國產(chǎn)業(yè)梯度轉移的新特征以及“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)沖擊效應可能存在“區(qū)域極化”現(xiàn)象。“大國雁陣式”的區(qū)域產(chǎn)業(yè)轉移特征［19］很好地解釋了20 世紀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)模轉移的現(xiàn)象，勞動力成本被認為是產(chǎn)業(yè)轉移的決定性因素。但是，一項最新研究表明［20］，進入21 世紀以后，伴隨著以人工智能技術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，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3。

假設3：“機器換人”的就業(yè)沖擊效應可能存在“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，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)的替代效應將逐漸被規(guī)模效應所抵消，就業(yè)沖擊呈現(xiàn)衰減趨勢。工業(yè)機器人應用會導致勞動生產(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的不斷進步，會產(chǎn)生巨大的生產(chǎn)力效應［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4。

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

三、研究設計

（一）數(shù)據(jù)來源

研究主要涉及三部分數(shù)據(jù)，其中行業(yè)層面工業(yè)機器人應用數(shù)據(jù)來源于IFR。鑒于目前工業(yè)機器人應用主要集中在制造業(yè)領域，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)有學者側重于地區(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)機器人應用對勞動力需求的影響，研究結果更為準確可靠。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）模型設定與變量分析

基于勞動力需求理論以及計量經(jīng)濟學總體模型設定的“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年的員工總人數(shù)的對數(shù)表示；機器人應用水平（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，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、實證結果

（一）基準回歸結果

根據(jù)前文設定的模型，得到基準回歸結果，如表4 所示。從表4 中列（1）可以看出，在控制年份、行業(yè)和省份固定效應情況下，主要解釋變量機器人應用水平的估計系數(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%。為了提高實證結果的可靠性，本文僅在同時控制企業(yè)和年份固定效應的條件下再次進行回歸，結果見表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)機器人應用顯著降低了勞動力就業(yè)水平，即工業(yè)機器人應用更多表現(xiàn)為替代效應。這一結果與孔高文等［5］基于地區(qū)和行業(yè)層面的結論相同?？傮w上看，現(xiàn)階段中國機器人應用更多是替代常規(guī)崗位的勞動力，造成勞動力需求下降。除基準回歸結果外，本文其他分析均控制年份和企業(yè)固定效應，為雙向固定效應。

表4 基準回歸結果

（二）內(nèi)生性問題

基準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性，且這些國家機器人應用水平更能夠表現(xiàn)出行業(yè)技術進步；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)機器人應用水平當期值與滯后期數(shù)值存在顯著相關性；二是當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論可知，機器人系數(shù)均顯著為負，驗證了本文基準回歸結果，即工業(yè)機器人應用顯著降低了制造業(yè)勞動力需求，研究結論具有較強的穩(wěn)健性。

表5 工具變量（2SLS）回歸結果

（三）穩(wěn)健性檢驗

為了檢驗基準回歸結果的穩(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，回歸結果較基準回歸結果均無顯著差異，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)，說明了基準回歸估計結果的穩(wěn)健性。

表6 穩(wěn)健性檢驗結果

五、假設檢驗

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)沖擊更為嚴重。對此，前文的理論分析提供了一系列研究假設，本文接下來將分別予以驗證。

（一）假設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。研究結論完全驗證了假設1，說明在中國制造業(yè)的大規(guī)模企業(yè)中，機器人應用對就業(yè)的影響主要發(fā)揮了替代效應。同時，表7 的估計結果也揭示了機器人對于就業(yè)的沖擊效應主要表現(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)模分組的回歸結果

（二）假設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。回歸結果見表8 中的列（1）和列（2）。列（1）中機器人應用的系數(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)，機器人應用對就業(yè)的沖擊效應更加明顯，假設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），機器人應用對于就業(yè)的沖擊效應要明顯高于資本勞動替代彈性較小的低技術行業(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果

（三）假設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?。ㄊ校恢胁康貐^(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)?？紤]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3 得到驗證。這與韓民春等［23］基于286 個地級市的研究結論相同。可能的解釋是：常規(guī)性任務密集度高、技術含量高的制造業(yè)以及中等技術行業(yè)向東部沿海集聚和回流，一些簡單常規(guī)性任務的勞動密集型行業(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)的勞動力擠出效應會更明顯。

表9 按地區(qū)分組的回歸結果

（四）假設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，估計結果見表10。實證結果表明，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4 得到驗證。長期來看，機器人應用會帶來生產(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。與此同時，機器人應用還會創(chuàng)造出新業(yè)態(tài)就業(yè)崗位，產(chǎn)生就業(yè)創(chuàng)造效應。機器人應用對勞動力的替代效應長期內(nèi)會被生產(chǎn)力效應和就業(yè)創(chuàng)造效應所抵消，因此，用長遠眼光來看，不必過度擔憂人工智能發(fā)展帶來的挑戰(zhàn)。

表10 機器人應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)替代效應可以有兩種機制提供解釋：一是機器人應用提高了企業(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模型對此進行驗證。參照溫忠麟和葉寶娟［24］的做法，本文設定的中介效應檢驗模型如公式（2）—（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性，說明企業(yè)勞動生產(chǎn)率是工業(yè)機器人應用影響勞動力需求的負向傳導機制。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)機器人應用影響勞動力需求的負向傳導機制。此外，本文還通過Sobel 檢驗對表11 的中介效應進行驗證，結果均小于0.05，表明上述中介效應確實存在。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是存在的。

表11 中介效應檢驗結果

（二）“區(qū)域極化”的形成機理

機器人應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)機器人應用提高了資本勞動比，西部地區(qū)機器人應用提高了勞動生產(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構，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，機器人應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行業(yè)回流東部沿海地區(qū)等情況有關。

七、研究結論與應對策略

隨著以人工智能技術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)，機器人應用對制造業(yè)企業(yè)勞動力需求產(chǎn)生顯著的替代效應，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)沖擊更為嚴重，本文基于勞動力需求理論以及計量模型構建原則提出了一系列研究假設并予以檢驗。結果表明，對小規(guī)模和中等規(guī)模企業(yè)而言，機器人的應用均降低了企業(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)的沖擊效應要明顯高于資本勞動替代彈性較小的低技術行業(yè)與輕工業(yè)。在東部和西部地區(qū)，機器人應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。機器人應用對勞動力的替代效應長期內(nèi)會被生產(chǎn)力效應和就業(yè)創(chuàng)造效應所抵消。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。

基于上述研究結論，本文提出以下幾點應對策略。

（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)高質量就業(yè)。本文研究發(fā)現(xiàn)，短期內(nèi)雖然機器人應用對勞動力就業(yè)產(chǎn)生了明顯的替代效應，但這種沖擊效應并不大，另外從長期來看，替代效應會被生產(chǎn)力效應和就業(yè)創(chuàng)造效應所抵消。因此，要將短期挑戰(zhàn)和長期機遇結合起來，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)結構轉型等工作，合理引導人工智能技術發(fā)展，在經(jīng)濟高質量發(fā)展過程中，促進人機融合，實現(xiàn)高質量就業(yè)［25，26］。

（二）因地制宜，匹配施策應對“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，應對東部地區(qū)的就業(yè)沖擊，應考慮發(fā)展與資本深化相匹配的高技術高復雜性的人力資本，實現(xiàn)人和機器協(xié)同融合；而應對西部地區(qū)的就業(yè)沖擊，“機器換人”可能導致勞動力會從勞動生產(chǎn)率高的行業(yè)向低效率行業(yè)轉移，因此應重點考慮勞動力轉移就業(yè)問題。

（三）征收機器人使用稅以補貼相關失業(yè)人員再就業(yè)培訓和基本生活保障。本文研究結果表明，“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?？梢钥紤]列出具體行業(yè)清單以及企業(yè)規(guī)模條件等，設計征收機器人使用稅。然后，通過轉移支付的形式將此類專項稅收所得用于相關失業(yè)人群的失業(yè)救濟和再就業(yè)培訓支出。