工業(yè)機(jī)器人應(yīng)用如何影響企業(yè)全要素生產(chǎn)率

中圖分類號(hào)：TP242.2；F245 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-0105（2025）01-0038-09

How the Application of Industrial Robots Affect the Enterprise Total Factor Productivity

LIULixia，LIU Zhijun 1.HuzhouVcatioalamp;TchnicalCoege，Huzho30，Cina;2ZongnanUniversityofonomicandawWuhan430，in

Abstract：Automation technology with industrialrobots as themaincarrer isan important engine torealizethehigh-quality developmentofChina's manufacturingidustry.Tis paperintroduces diferent skillaborclassfications intothetask modelonthe basis of AcemogluandRestrepo（018a）anddeducesthatindustrialrobotapplicatiocanimprovethetotalfactorproductiityof enterprises troughautomationexpansionandnewjobcreation.Attheempiricallevel，thispaperselectsA-sharemanufacturing companies listedin2O11-2021asaresearchsample toempiricallyexaminetheimpactof industrialrobotapplicationonenterprise totalfactorproductivityandthemechanismofitsrole，andtheresultsshowthatrobotaplicationcanenterprisetotalfactor productivityandplaysafacilitatingrolemainlytroughthemechanismofautomationexpansionandnewjobcreation.Further heterogeneityanalysisrevealsthatthepositive impactofrobotapplicationontotalfactorproductivityofcapitaland technology-intensienterpsesadnostate-owedenterprisesismoresigicant.Terefore，enterpsessouldtaketeiiiatie toseizethepporusofutoatiditellgnttasftiogateteligntuactugiteodu， and improve enterprise total factor productivity.

Keywords：industrial robots; total factor productivity;task modeling;automation expansion; new job creation

0引言

新常態(tài)背景下，我國(guó)正處在轉(zhuǎn)變發(fā)展方式、轉(zhuǎn)換增長(zhǎng)動(dòng)力的高質(zhì)量發(fā)展階段。以機(jī)器人、人工智能為代表的新一輪科技革命和產(chǎn)業(yè)變革加速演進(jìn)，大力推進(jìn)新型工業(yè)化建設(shè)成為我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的必由之路。工業(yè)機(jī)器人作為新型工業(yè)化時(shí)代的代表性技術(shù)，正深刻變革著制造業(yè)領(lǐng)域的生產(chǎn)模式。近年來(lái)，我國(guó)機(jī)器人存量急速增長(zhǎng)，2021年中國(guó)工業(yè)機(jī)器人銷量達(dá)268195臺(tái)，同比增長(zhǎng) 51% ，全球市場(chǎng)份額占比首次超過(guò) 50% 。2015年國(guó)務(wù)院發(fā)布《中國(guó)制造 2025? ，強(qiáng)調(diào)以智能制造為主攻方向，實(shí)現(xiàn)生產(chǎn)過(guò)程自動(dòng)化、智能化，全面推進(jìn)制造強(qiáng)國(guó)戰(zhàn)略。隨著機(jī)器人在生產(chǎn)生活中的廣泛應(yīng)用，學(xué)界聚焦于其帶來(lái)的經(jīng)濟(jì)效益，普遍認(rèn)為工業(yè)機(jī)器人應(yīng)用能夠顯著改善生產(chǎn)效率，實(shí)現(xiàn)長(zhǎng)期可持續(xù)經(jīng)濟(jì)增長(zhǎng)。

以機(jī)器人為代表的自動(dòng)化技術(shù)，逐步成為我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)力。然而，自1987年Solow提出“生產(chǎn)率悖論”后，學(xué)界對(duì)自動(dòng)化技術(shù)能否帶來(lái)正向的生產(chǎn)率效益一直存在分歧。主流觀點(diǎn)強(qiáng)調(diào)自動(dòng)化技術(shù)可改善生產(chǎn)效率、促進(jìn)經(jīng)濟(jì)增長(zhǎng)。不少學(xué)者通過(guò)假設(shè)以機(jī)器資本生產(chǎn)已被自動(dòng)化的任務(wù)，以勞動(dòng)生產(chǎn)未被自動(dòng)化的任務(wù)，構(gòu)建任務(wù)模型進(jìn)行理論分析，推演發(fā)現(xiàn)自動(dòng)化技術(shù)憑借機(jī)器資本在效率與成本上的雙重優(yōu)勢(shì)，替代效率低下的勞動(dòng)力要素，從而提高企業(yè)生產(chǎn)率（Zeira\"}；Autor[2]；Acemoglu和Restrepo[3]）。Steigum[4構(gòu)建雙重嵌套的CES函數(shù)，假定機(jī)器資本與勞動(dòng)或傳統(tǒng)資本替代，理論推演同樣驗(yàn)證了機(jī)器人的生產(chǎn)率效應(yīng)。楊光和侯鈺在任務(wù)模型中納入機(jī)器人定價(jià)行為，利用跨國(guó)機(jī)器人進(jìn)口數(shù)據(jù)，從經(jīng)驗(yàn)層面證明工業(yè)機(jī)器人應(yīng)用有利于提高全要素生產(chǎn)率。劉洋等采用數(shù)值模擬方法，證明工業(yè)智能化通過(guò)提高要素生產(chǎn)率、促進(jìn)產(chǎn)品研發(fā)與創(chuàng)新等方式促進(jìn)總產(chǎn)出增長(zhǎng)。但另一種觀點(diǎn)認(rèn)為，機(jī)器人等自動(dòng)化技術(shù)存在“生產(chǎn)率悖論”，不能帶來(lái)生產(chǎn)率的持續(xù)增長(zhǎng)。Brynjolfsson[指出，造成“生產(chǎn)率悖論”的原因主要有四點(diǎn)：對(duì)自動(dòng)化發(fā)展程度的高估、生產(chǎn)率的計(jì)算誤差、技術(shù)進(jìn)步所造成的收入分配不均以及自動(dòng)化存在的時(shí)滯性。Gordon認(rèn)為，“生產(chǎn)率悖論”的原因在于自動(dòng)化技術(shù)研發(fā)周期長(zhǎng)、前期投資門檻高，高昂的轉(zhuǎn)型成本使許多企業(yè)難以承受。Acemoglu和Restrepo基于任務(wù)模型推演，發(fā)現(xiàn)存在技術(shù)與技能不匹配、以犧牲新任務(wù)為代價(jià)的自動(dòng)化以及過(guò)度自動(dòng)化這三種阻礙自動(dòng)化提高生產(chǎn)率的潛在制約因素。胡晟明等[1]利用中國(guó)勞動(dòng)力微觀調(diào)查數(shù)據(jù)，從經(jīng)驗(yàn)層面驗(yàn)證了人機(jī)不匹配對(duì)生產(chǎn)率效應(yīng)的限制影響。孫早和侯玉琳將人工智能區(qū)分為效率增進(jìn)型和成本節(jié)約型，實(shí)證研究發(fā)現(xiàn)成本節(jié)約型人工智能對(duì)全要素生產(chǎn)率的提升是短期的，只有效率增進(jìn)型人工智能才能長(zhǎng)期促進(jìn)經(jīng)濟(jì)增長(zhǎng)。那么，工業(yè)機(jī)器人作為自動(dòng)化技術(shù)的核心載體，如何影響我國(guó)企業(yè)全要素生產(chǎn)率，是否會(huì)引發(fā)新型工業(yè)化時(shí)代的“生產(chǎn)率悖論\"？回答這一問(wèn)題對(duì)我國(guó)工業(yè)化進(jìn)程和智能制造模式選擇發(fā)揮著重要指導(dǎo)作用。

基于此，本研究基于Acemoglu和Restrepo[的任務(wù)模型，理論推演機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的內(nèi)在影響機(jī)制。利用2011—2021年中國(guó)滬深A(yù)股制造業(yè)上市公司數(shù)據(jù)，以工業(yè)機(jī)器人滲透率刻畫機(jī)器人應(yīng)用水平，實(shí)證檢驗(yàn)機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響、作用機(jī)制，以及在不同要素密集度、所有制差異下的異質(zhì)性影響。

1理論模型

1.1模型設(shè)定

本文借鑒Acemoglu和Restrep[3的任務(wù)模型，首先假定整個(gè)經(jīng)濟(jì)體存在唯一最終品 Y ，總產(chǎn)出 Y 由一系列子任務(wù) y（x） 組合而成，總產(chǎn)出 Y 的生產(chǎn)函數(shù)為：

其中， σ∈（0，+∞） ，表示子任務(wù)之間的替代彈性，并將任務(wù)區(qū)間標(biāo)準(zhǔn)化為1， x∈[N-1，N] ，N和N-1分別表示任務(wù)上界與下界。另外，將消費(fèi)者效用定義為唯一最終品 Y ，假設(shè)其為競(jìng)爭(zhēng)性生產(chǎn)且價(jià)格標(biāo)準(zhǔn)化為1。在要素供給上分別定義高技能員工 H 、低技能員工 L 、機(jī)器人資本 K ，假定各要素均非彈性供給且外生。各子任務(wù) y（x） 可由k（x） 、 h（x） 以及 l（x） 進(jìn)行生產(chǎn)，并滿足 ，

工業(yè)機(jī)器人應(yīng)用的具體作用機(jī)制體現(xiàn)在如下兩點(diǎn)：（1）自動(dòng)化擴(kuò)張（Automation）。指原本由勞動(dòng)力執(zhí)行的任務(wù)目前可由工業(yè)機(jī)器人、機(jī)器設(shè)備等實(shí)現(xiàn)自動(dòng)化替代，此階段機(jī)器人資本生產(chǎn)率為 γ_κ ，在模型中表現(xiàn)為自動(dòng)化閾值 I 的增加。 （2）新崗位創(chuàng)造（New）。即在不改變?nèi)蝿?wù)總量的前提下，考慮機(jī)器人應(yīng)用創(chuàng)造新任務(wù)的影響。例如，自動(dòng)化技術(shù)引入一系列的新崗位以實(shí)現(xiàn)任務(wù)升級(jí)，增添與高技術(shù)人才適配的新任務(wù)，并淘汰傳統(tǒng)落后的低端任務(wù)，在模型中表現(xiàn)為 N 的增加。

另外，將高、低技能員工生產(chǎn)率分別定義為γ_?H（x）. ， γ_?L（x） ， γ_?H（x） ， γ_?L（x） 連續(xù)且嚴(yán)格遞增。關(guān)于各要素生產(chǎn)率的比較優(yōu)勢(shì)，本文給予兩點(diǎn)假設(shè)：（1） γ_?H（x）/γ_?L（x） 連續(xù)且嚴(yán)格遞增，即隨著任務(wù)更為復(fù)雜，高技能相對(duì)于低技能員工存在比較優(yōu)勢(shì)；（2） γ_L（x）/γ_K 連續(xù)且嚴(yán)格遞增，即隨著任務(wù)更為復(fù)雜，低技能員工相對(duì)于機(jī)器人資本存在比較優(yōu)勢(shì)。

設(shè)置自動(dòng)化邊界閾值 I∈（N-1，N） ，以表示技術(shù)可行性角度可被自動(dòng)化，可用資本或勞動(dòng)進(jìn)行生產(chǎn)；反之當(dāng)任務(wù) x∈（I，N） 不可被自動(dòng)化，僅可用勞動(dòng)進(jìn)行生產(chǎn)。然而從理性經(jīng)濟(jì)人角度，廠商引入機(jī)器人來(lái)替代勞動(dòng)的意愿取決于各要素之間的效率成本（efficiencycost）差異。假定均衡狀態(tài)下的高、低技能員工工資率分別為 W_H. ， W_L ，機(jī)器人資本的租賃價(jià)格為 R ，現(xiàn)對(duì)各要素效率成本作如下幾點(diǎn)假設(shè)： ①W_L/γ_L（I）gt;R/γ_K ，即任務(wù) x∈[N-1，I] 將使用機(jī)器人生產(chǎn)； （2）R/γ_?Kgt;W_?L/γ_?L（N） ，即新任務(wù) N 增加將增加總產(chǎn)出。

假設(shè)市場(chǎng)均衡存在且唯一，均衡狀態(tài)下I_ι^*∈[N-1，I_ι] 、 I_H^*∈[J，I_H] 。為了簡(jiǎn)化分析，本文令I(lǐng)_L^*=I_L ， I_H^*=I_H 。另外，假設(shè)存在技能差異閾值 s 滿足： W_L/γ_L（S）=W_H/γ_H（S） ，即在 s 點(diǎn)高、低技能工人的效率成本相等， s 點(diǎn)也可表示為高、低技能員工的技能差異。閾值 s 的設(shè)定使得： ① 機(jī)器人k（x） 在 [N-1，I] 中生產(chǎn)； ② 低技能員工 l（x） 在 （I，S） 中生產(chǎn)； ③ 高技能工人 h（x） 在[S， N] 中生產(chǎn)。此時(shí)任務(wù) i 的產(chǎn)出函數(shù) y（x） 為：

1.2市場(chǎng)均衡分析

在市場(chǎng)均衡狀態(tài)下，根據(jù)廠商利潤(rùn)最大化原則，任務(wù) x 的均衡價(jià)格 p（x） 為：

基于利潤(rùn)最大化原則，任務(wù) x 的均衡產(chǎn)出 ， ，各要素市場(chǎng)保持出清狀態(tài)，可得均衡條件下的 W_H 、 W_L 、 R 表達(dá)式如下：

其中， Γ_?H 、 Γ_ι 、 Γ_κ 分別表示高、低技能工人以及機(jī)器人資本的有效份額（efficiency share）：

另外，由于最終品的價(jià)格標(biāo)準(zhǔn)化為1，滿足理想價(jià)格條件： Γ_?HW_?H^?1-σ+Γ_?LW_?L^?1-σ+Γ_?KR^?1-σ=1 。在總產(chǎn)出規(guī)模報(bào)酬不變的條件下，根據(jù)式（4）至（6）可得均衡總產(chǎn)出 Y 表達(dá)式為：

由式（7）可知，均衡總產(chǎn)出 Y 與要素價(jià)格W_H 、 W_L 、 R 取決于 Γ_?H 、 Γ_ι 、 Γ_κ 內(nèi)生變量以及外生變量 H 、L、 K 1 σ 0

1.3機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響機(jī)理分析

1.3.1自動(dòng)化擴(kuò)張對(duì)全要素生產(chǎn)率的影響分析

根據(jù)式（4）至（7），自動(dòng)化擴(kuò)張 I 對(duì)企業(yè)全要素生產(chǎn)率的影響可表示為：

為簡(jiǎn)化分析，將式（8）進(jìn)行對(duì)數(shù)化處理，近似可得：

由式（8）、（9）可知，自動(dòng)化擴(kuò)張對(duì)全要素生產(chǎn)率的促進(jìn)作用可表示為低技能員工的效率成本W(wǎng)_L/γ_L（I） 與機(jī)器人資本的效率成本 R/γ_K1 的差距。從比較優(yōu)勢(shì)上看，自動(dòng)化擴(kuò)張通過(guò)替代不具備相對(duì)比較優(yōu)勢(shì)的低技能員工獲得效率增益，進(jìn)而提高企業(yè)全要素生產(chǎn)率。其內(nèi)在邏輯是經(jīng)濟(jì)人對(duì)于機(jī)會(huì)成本的理性選擇，越是成本低廉、效率高的機(jī)器人越會(huì)替代低技能員工從事生產(chǎn)任務(wù)，企業(yè)成本的下降有利于降低其商品或服務(wù)價(jià)格，間接地提高了消費(fèi)者的實(shí)際收入，進(jìn)一步通過(guò)產(chǎn)業(yè)鏈關(guān)聯(lián)效應(yīng)引致需求，誘發(fā)規(guī)模效應(yīng)，持續(xù)提高企業(yè)全要素生產(chǎn)率。

1.3.2新崗位創(chuàng)造對(duì)全要素生產(chǎn)率的影響分析

Borland和Coellil認(rèn)為，技術(shù)進(jìn)步會(huì)催生就業(yè)創(chuàng)造效應(yīng)，新技術(shù)的出現(xiàn)將伴隨著一系列符合時(shí)代進(jìn)步的新型工作崗位。也有研究發(fā)現(xiàn)在自動(dòng)化技術(shù)蓬勃發(fā)展的時(shí)期往往與新崗位、新任務(wù)和新產(chǎn)業(yè)的出現(xiàn)相吻合（Acemoglu和Restrep）。[3因而隨著企業(yè)自動(dòng)化技術(shù)不斷深化，機(jī)器人應(yīng)用在替代工人的同時(shí)也將創(chuàng)造一批新崗位?；谇拔募僭O(shè)，創(chuàng)造的新崗位將由高技能員工從事。當(dāng)企業(yè)提高機(jī)器人應(yīng)用水平，拓展新任務(wù)集時(shí)，根據(jù)式（4）至（7），新崗位創(chuàng)造 N 對(duì)企業(yè)全要素生產(chǎn)率的影響可表示為：

同理，為簡(jiǎn)化分析，將式（8）進(jìn)行對(duì)數(shù)化處理，近似可得：

由式（11）可知，新崗位創(chuàng)造對(duì)企業(yè)全要素生產(chǎn)率的影響可表示為高技能員工的效率成本W(wǎng)_?H/γ_?H（N） 與機(jī)器人資本的效率成本 R/γ_κ1 的差距。W_?H/γ_?H（N） 越低，新崗位創(chuàng)造對(duì)企業(yè)全要素生產(chǎn)率的正向影響越大。這說(shuō)明新崗位創(chuàng)造下所帶來(lái)的效益增幅，背后本質(zhì)上是新創(chuàng)造的復(fù)雜任務(wù)崗位與落后的簡(jiǎn)單任務(wù)崗位的效率成本之間的差值，表現(xiàn)了任務(wù)整體的質(zhì)量升級(jí)。

綜上所述，基于上述理論推演，本文得出研究假說(shuō)H1-H3。

H1：工業(yè)機(jī)器人應(yīng)用會(huì)提高企業(yè)全要素生產(chǎn)率。

H2：工業(yè)機(jī)器人應(yīng)用將通過(guò)自動(dòng)化擴(kuò)張?zhí)岣咂髽I(yè)全要素生產(chǎn)率。

H3：工業(yè)機(jī)器人應(yīng)用將通過(guò)新崗位創(chuàng)造提高企業(yè)全要素生產(chǎn)率。

2研究設(shè)計(jì)

2.1樣本與數(shù)據(jù)

基于研究數(shù)據(jù)的時(shí)效性與可靠性，本文選取我國(guó)2011—2021年的滬深A(yù)股制造業(yè)上市公司為研究對(duì)象。本文所選取的企業(yè)數(shù)據(jù)來(lái)源于國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)與中國(guó)城市統(tǒng)計(jì)年鑒，工業(yè)機(jī)器人數(shù)據(jù)來(lái)源于國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）。同時(shí)，為確保研究的科學(xué)性，本文對(duì)樣本數(shù)據(jù)作以下處理：第一，剔除樣本中數(shù)據(jù)缺失且存在ST和ST*狀態(tài)的企業(yè)；第二，對(duì)所有研究變量進(jìn)行 1% 的縮尾處理；第三，剔除了連續(xù)三年以上缺失的觀測(cè)值?；谏鲜鎏幚?，最終本文獲取到11344個(gè)樣本數(shù)據(jù)。

2.2模型設(shè)定

根據(jù)研究文獻(xiàn)和上述理論推演，為了探究工業(yè)機(jī)器人應(yīng)用對(duì)技能溢價(jià)的影響，本文采用雙向固定

效應(yīng)模型進(jìn)行計(jì)量分析，具體模式設(shè)定如下：

其中， i 表示制造業(yè)上市企業(yè)， χ_t 表示年份，u_i 表示個(gè)體固定效應(yīng)， μ_t 表示時(shí)間固定效應(yīng)， 表示作為被解釋變量的企業(yè)技能溢價(jià)，Robot_it 為核心解釋變量工業(yè)機(jī)器人滲透率， 表示一系列控制變量， ε_?it 為隨機(jī)擾動(dòng)項(xiàng)。

2.3變量選取

2.3.1被解釋變量

本文的被解釋變量為企業(yè)全要素生產(chǎn)率，基于魯曉東[3的測(cè)算方法，本文采用Olley-Pakes法（簡(jiǎn)稱OP法）測(cè)算的全要素生產(chǎn)率并取對(duì)數(shù)以作為被解釋變量。

2.3.2核心解釋變量

本文核心解釋變量是工業(yè)機(jī)器人滲透率，借鑒Acemoglu和Restrepo[4]和王永欽和董雯[15]的做法，本文構(gòu)造了制造業(yè)企業(yè)層面的工業(yè)機(jī)器人滲透度，測(cè)算方法如下：

首先構(gòu)造行業(yè)層面機(jī)器人的滲透度指數(shù)，記為IRP_it ：

式（13）中， IRP_jt 表示 j 行業(yè) Φ_t 年份的工業(yè)機(jī)器人滲透度， SRP_jt 表示 j 行業(yè) Φ_t 年份的工業(yè)機(jī)器人存量， EP_{j，t=2011} 表示 j 行業(yè)基期（2011年）的從業(yè)人員數(shù)量。計(jì)算 i 企業(yè)在第 χ_t 年的工業(yè)機(jī)器人滲透度 Robot_it ，記為：

式（14）將行業(yè)層面的工業(yè)機(jī)器人滲透度分解到了企業(yè)層面。其中， PD_j，t=2011 代表 j 行業(yè) i 企業(yè)在基期（2011年）的生產(chǎn)部門員工占全部員工的比例， EM_{i，t=2011} 代表所有制造業(yè)企業(yè)2011年生產(chǎn)部門員工占比中位數(shù)。

2.3.3機(jī)制變量

本文的機(jī)制變量是指衡量工業(yè)機(jī)器人具體作用機(jī)制的變量指標(biāo)，即自動(dòng)化擴(kuò)張（Auto）和新崗位創(chuàng)造（New）。自動(dòng)化擴(kuò)張（Auto）主要表現(xiàn)在企業(yè)機(jī)器設(shè)備對(duì)低技能工人的替代，本文采用機(jī)器設(shè)備固定資產(chǎn)凈值與低技能工人數(shù)量的比值并取對(duì)數(shù)來(lái)衡量；新崗位創(chuàng)造（New）強(qiáng)調(diào)由高技能勞動(dòng)力執(zhí)行的新拓展崗位對(duì)機(jī)器設(shè)備執(zhí)行的落后任務(wù)的淘汰，本文采用企業(yè)新增高技能工人數(shù)量與機(jī)器設(shè)備固定資產(chǎn)凈值的比值并取對(duì)數(shù)來(lái)衡量。

2.3.4控制變量

本文參考諸竹君等的做法，選取了以下控制變量：（1）資產(chǎn)負(fù)債率（Lev）；（2）凈資產(chǎn)收益率（ROE）；（3）固定資產(chǎn)占比（FIXED）；（4）兩職合一（Dual），當(dāng)企業(yè)董事長(zhǎng)與總經(jīng)理是同一個(gè)人取1，否則取0。（5）企業(yè)年齡（FirmAge），以當(dāng)年年份減去企業(yè)成立年份再加1后的對(duì)數(shù)值表示；（6）應(yīng)收賬款占比（REC）。各變量含義明細(xì)見表1。

3實(shí)證分析

3.1基準(zhǔn)回歸

本文首先就工業(yè)機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響進(jìn)行檢驗(yàn)，具體回歸結(jié)果報(bào)告見表2。其中，第（1）一（2）列控制了個(gè)體與時(shí)間固定效應(yīng)，第（3）一（4）列在此基礎(chǔ)上進(jìn)一步控制了行業(yè)固定效應(yīng)。結(jié)果顯示，機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響系數(shù)均顯著為正，這說(shuō)明機(jī)器人應(yīng)用總體上會(huì)改善企業(yè)生產(chǎn)效率，提高全要素生產(chǎn)率。假說(shuō)H1得以驗(yàn)證。

3.2穩(wěn)健性檢驗(yàn)

3.2.1替換被解釋變量

為確?；鶞?zhǔn)結(jié)果的穩(wěn)健性，本研究參考魏志華等的做法，分別采用以固定效應(yīng)估計(jì)方法（FE法）、Levinsohn-Petrin方法（LP法）測(cè)算的全要素生產(chǎn)率作為被解釋變量，重新進(jìn)行回歸，回歸結(jié)果報(bào)告見表3。結(jié)果顯示，在替換被解釋變量后，機(jī)器人應(yīng)用對(duì)全要素生產(chǎn)率的影響依然顯著為正，驗(yàn)證了基準(zhǔn)結(jié)果的穩(wěn)健性。

3.2.2改變樣本區(qū)間

國(guó)務(wù)院于2015年印發(fā)的《中國(guó)制造2025》對(duì)工業(yè)化以及機(jī)器人行業(yè)發(fā)展具有里程碑意義，因此本文改變樣本區(qū)間至2015—2021年后重新回歸。具體回歸結(jié)果（見表4）均與基準(zhǔn)回歸結(jié)果保持一致，再次驗(yàn)證了本文基準(zhǔn)結(jié)果的穩(wěn)健性，機(jī)器人應(yīng)用能夠顯著改善企業(yè)生產(chǎn)效率，提高全要素生產(chǎn)率。

3.2.3內(nèi)生性處理

本文采用工具變量法對(duì)工業(yè)機(jī)器人對(duì)企業(yè)全要素生產(chǎn)率的影響進(jìn)行內(nèi)生性檢驗(yàn)，借鑒王永欽和董雯[的思路，本文利用IFR提供的美國(guó)行業(yè)層面的機(jī)器人滲透率數(shù)據(jù)，采用“巴蒂克工具變量”法構(gòu)建美國(guó)機(jī)器人滲透率作為工具變量重新進(jìn)行回歸并報(bào)告見表5，結(jié)果均與基準(zhǔn)回歸一致，其中第（1）—（2）列的第一階段回歸F值為856.94，第（1）—（2）列的第一階段回歸F值為839.15，排除了弱工具變量的問(wèn)題。這說(shuō)明經(jīng)過(guò)內(nèi)生性處理后，工業(yè)機(jī)器人應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的正向影響這一結(jié)論仍然成立。

3.3機(jī)制檢驗(yàn)

本文借鑒江艇[的思路進(jìn)行機(jī)制檢驗(yàn)，具體結(jié)果匯報(bào)見表6。第（1）、（3）列檢驗(yàn)了機(jī)器人應(yīng)用對(duì)自動(dòng)化擴(kuò)張和新崗位創(chuàng)造的影響，回歸結(jié)果顯示其影響系數(shù)均顯著為正，驗(yàn)證了機(jī)器人應(yīng)用將通過(guò)自動(dòng)化擴(kuò)張和新崗位創(chuàng)造對(duì)企業(yè)行為產(chǎn)生影響；第（2）、（4）列檢驗(yàn)了自動(dòng)化擴(kuò)張、新崗位創(chuàng)造對(duì)企業(yè)全要素生產(chǎn)率的影響，其回歸系數(shù)均顯著為正，說(shuō)明自動(dòng)化擴(kuò)張、新崗位創(chuàng)造對(duì)企業(yè)全要素生產(chǎn)率具有促進(jìn)作用，結(jié)合第（1）、（3）列回歸結(jié)果，驗(yàn)證了工業(yè)機(jī)器人應(yīng)用通過(guò)自動(dòng)化擴(kuò)張和新崗位創(chuàng)造改善企業(yè)生產(chǎn)效率，提高全要素生產(chǎn)率。假說(shuō)H2與H3得以驗(yàn)證。

3.4異質(zhì)性分析

3.4.1基于企業(yè)要素密集度的異質(zhì)性分析工人機(jī)器人應(yīng)用作為自動(dòng)化技術(shù)的重要載體，需要大量的資金和技術(shù)投入。本文參考謝杰等的分類方法，依據(jù)行業(yè)代碼將企業(yè)分為勞動(dòng)密集型、資本密集型和技術(shù)密集型企業(yè)，以要素密集度差異進(jìn)行分組回歸，以探究在要素密集度差異下機(jī)器人應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的影響，分組回歸結(jié)果報(bào)告見表7。結(jié)果顯示，機(jī)器人應(yīng)用對(duì)資本密集型企業(yè)的全要素生產(chǎn)率的正向影響最大，以第（4）列為例，影響系數(shù)為0.0688；對(duì)技術(shù)密集型企業(yè)影響次之，以第（6）列為例，影響系數(shù)為0.035；而機(jī)器人應(yīng)用對(duì)勞動(dòng)密集型企業(yè)全要素生產(chǎn)率并沒有顯著影響，這說(shuō)明工業(yè)機(jī)器人更多是一種資本增強(qiáng)型技術(shù)變革，而

非勞動(dòng)增強(qiáng)型技術(shù)變革。

3.4.2基于企業(yè)所有制的異質(zhì)性分析

自動(dòng)化技術(shù)對(duì)工資差距的影響同樣存在限制條件，當(dāng)企業(yè)存在強(qiáng)大的勞動(dòng)力保護(hù)機(jī)制（工會(huì)等）將延緩機(jī)器人資本替代勞動(dòng)的速度（Acemoglu和Autor）[20]。而中國(guó)企業(yè)制度的獨(dú)有優(yōu)勢(shì)在于相較于非國(guó)有企業(yè)，國(guó)有企業(yè)關(guān)于裁員擁有明確嚴(yán)格的規(guī)章制度，不會(huì)出現(xiàn)大規(guī)模裁員現(xiàn)象，因而其自動(dòng)化擴(kuò)張速度可能存在約束。本文進(jìn)一步將企業(yè)按所有制分為國(guó)有與非國(guó)有企業(yè)后進(jìn)行異質(zhì)性檢驗(yàn)，具體分組回歸結(jié)果匯報(bào)見表8。結(jié)果顯示，機(jī)器人應(yīng)用能夠顯著提升非國(guó)有企業(yè)全要素生產(chǎn)率，但對(duì)國(guó)有企業(yè)并不存在顯著影響。其原因在于國(guó)有企業(yè)為了維護(hù)員工權(quán)益，會(huì)適當(dāng)控制其自動(dòng)化規(guī)模。

4結(jié)論與啟示

工業(yè)機(jī)器人應(yīng)用是否會(huì)影響企業(yè)全要素生產(chǎn)率？厘清此問(wèn)題對(duì)新常態(tài)背景下的智能制造模式選擇具有重要意義。本文基于2011—2021年滬深A(yù)股制造業(yè)上市公司數(shù)據(jù)，實(shí)證檢驗(yàn)機(jī)器人應(yīng)用對(duì)企業(yè)全要素生產(chǎn)率的影響。研究結(jié)果表明，工業(yè)機(jī)器人應(yīng)用能夠顯著改善企業(yè)生產(chǎn)效率，提高全要素生產(chǎn)率，在經(jīng)過(guò)替換被解釋變量、改變樣本區(qū)間、內(nèi)生性處理等一系列穩(wěn)健性檢驗(yàn)后結(jié)果依然穩(wěn)健。機(jī)制檢驗(yàn)表明，機(jī)器人應(yīng)用通過(guò)自動(dòng)化擴(kuò)張和新崗位創(chuàng)造提高企業(yè)全要素生產(chǎn)率。異質(zhì)性檢驗(yàn)表明，機(jī)器人應(yīng)用對(duì)資本密集型企業(yè)的全要素生產(chǎn)率的正向影響最大，技術(shù)密集型企業(yè)次之，對(duì)勞動(dòng)密集型企業(yè)沒有顯著影響；相較于國(guó)有企業(yè)，機(jī)器人應(yīng)用更能提升非國(guó)有企業(yè)全要素生產(chǎn)率。

在我國(guó)大力推進(jìn)新型工業(yè)化的背景下，為了充分發(fā)揮工業(yè)機(jī)器人的生產(chǎn)效率與成本優(yōu)勢(shì)，提高企業(yè)全要素生產(chǎn)率，本文提出如下政策建議：（1）制造業(yè)企業(yè)作為工業(yè)機(jī)器人應(yīng)用的主戰(zhàn)場(chǎng)，應(yīng)主動(dòng)抓住自動(dòng)化轉(zhuǎn)型機(jī)遇，持續(xù)加大自動(dòng)化技術(shù)研發(fā)力度，將智能制造融入生產(chǎn)全流程，優(yōu)化企業(yè)生產(chǎn)效率；（2）企業(yè)應(yīng)更多關(guān)注機(jī)器人應(yīng)用的“深度”而非“廣度”，其自動(dòng)化主攻方向應(yīng)由機(jī)器換人型轉(zhuǎn)向人機(jī)協(xié)作型、由成本節(jié)約型轉(zhuǎn)向效率增進(jìn)型，避免機(jī)器人作為單純的動(dòng)力機(jī)器停留在低附加值環(huán)節(jié)上；（3）企業(yè)在推進(jìn)自動(dòng)化擴(kuò)張進(jìn)程中應(yīng)注重保護(hù)中低技能勞動(dòng)者權(quán)益，進(jìn)一步完善勞動(dòng)保護(hù)機(jī)制，為防止企業(yè)出現(xiàn)大規(guī)模“機(jī)器換人”問(wèn)題，政府可發(fā)布行政法規(guī)限制企業(yè)裁員數(shù)量或比例，或采用征收機(jī)器人稅等手段，靈活調(diào)控企業(yè)引進(jìn)機(jī)器人的速度及規(guī)模；（4）政府應(yīng)建立健全社會(huì)職業(yè)教育體系和技能培訓(xùn)機(jī)制，尤其增加對(duì)職業(yè)教育的財(cái)政支出，進(jìn)一步加強(qiáng)自動(dòng)化、智能化人才隊(duì)伍建設(shè)，培養(yǎng)更多與自動(dòng)化技術(shù)適配的高技能人才，發(fā)揮新崗位創(chuàng)造的生產(chǎn)率效應(yīng)。

參考文獻(xiàn)：

[1]ZeiraJ.Workers，machines，andconomicgrowth[J].Thequarterlyjoualofeconomics，998，13（04）：9-7.

[2]AutorDH，LevFMuaneRJTheskillontentofrcenttechologicalcangeaempiicalexploration[J]Quartlyoualof econ0mics，2003，118（04） ：1279-1333.

[3]Acemoglu D，Restrepo P. Artificial intelligence，automation and work [R]. NBER working paper， 2018a.

[4]Steigum E.2011，Robotics and growth[A].Emerald group publishing limited，2011（11） ： 543-555.

[5]楊光，侯鈺.工業(yè)機(jī)器人的使用、技術(shù)升級(jí)與經(jīng)濟(jì)增長(zhǎng)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（10）：138-156.

[6]劉洋，韓永輝，王賢彬.工業(yè)智能化能兼顧促增長(zhǎng)和保民生嗎？[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40，（06）：69-90.

[7]Brynjolfson E.The productivityparadox ofinformation technology[J].Communicationsofthe ACM，1993，36 （12） ： 66-77.

[8]GordonRJ.Whyhas economic growth slowed when innovation appears tobe acelerating？[R].NBER working paper，2018.

[9]AcemogluD，RestrepoP.eacebetweenmanandmachne：iplicationsoftechnologyforgrowthfctorsaresndplment[J].American economic review，2018b，108 （06） ∵ 1488-1542.

[10]胡晟明，王林輝，趙賀.人工智能應(yīng)用、人機(jī)協(xié)作與勞動(dòng)生產(chǎn)率[J].中國(guó)人口科學(xué)，2021（05）：48-62.

[11]孫早，侯玉琳.人工智能發(fā)展對(duì)產(chǎn)業(yè)全要素生產(chǎn)率的影響— 一個(gè)基于中國(guó)制造業(yè)的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)學(xué)家，2021（01）：32-42.

[12]BorlandJ.CoeliM.Are robots taking our jobs[J].Australian economic review，2017，50（04）：377-397.

[13]魯曉東，連玉君.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì)：1999-2007[J].經(jīng)濟(jì)學(xué)（季刊），2012，11（02）：541-558.

[14]AcemogluDestrepoPRobotsadjobs：evidenefroUSbormarkets[J].Joualofpoliticalonoyb8（6）：2188-2244.

[15]王永欽，董雯.機(jī)器人的興起如何影響中國(guó)勞動(dòng)力市場(chǎng)？——來(lái)自制造業(yè)上市公司的證據(jù)[J].經(jīng)濟(jì)研究，2020，55（10）：159-175.

[16]諸竹君，袁逸銘，焦嘉嘉.工業(yè)自動(dòng)化與制造業(yè)創(chuàng)新行為[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（07）：84-102.

[17]魏志華，王孝華，蔡偉毅.稅收征管數(shù)字化與企業(yè)內(nèi)部薪酬差距[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（03）：152-170.

[18]江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（05）：100-120.

[19]謝杰，過(guò)重陽(yáng)，陳科杰，等.最低工資、工業(yè)自動(dòng)化與技能溢價(jià)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（09）：102-120.

[20]AcemogluD，AutorDH.Skils，tasksandtechnologes： implicationsforemploymentandeaings[M].Handbookoflaboreconomics，2011： 1043-1171.

（責(zé)任編輯：麻小珍）