李克強總理在2019年政府工作報告中提到,就業(yè)是民生之本、財富之源,就業(yè)優(yōu)先政策要全面發(fā)力;同時(shí)指出,中國就業(yè)壓力總量不減,結構矛盾凸顯。這是我國中央政府首次將就業(yè)優(yōu)先放在宏觀(guān)政策層面,強調了就業(yè)的重要性。另一方面,隨著(zhù)人口老齡化問(wèn)題的日益突出,勞動(dòng)力短缺和勞動(dòng)力成本上升已成為當前社會(huì )關(guān)注的焦點(diǎn),“用工荒”與“就業(yè)難”問(wèn)題并存。發(fā)達經(jīng)濟體制造業(yè)的回流,使中國企業(yè)發(fā)展面臨國內外雙重壓力。在這個(gè)大背景下,企業(yè)實(shí)行“機器換人”是提高生產(chǎn)率和競爭力的有效手段。2015年中國國務(wù)院頒布了《中國制造2025》戰略,在政策引導及制造業(yè)企業(yè)自身成長(cháng)需求推動(dòng)下,中國工業(yè)機器人產(chǎn)業(yè)近些年呈現出爆發(fā)式增長(cháng)特征。國際機器人聯(lián)合會(huì )(IFR)的數據顯示,2011-2017年,中國工業(yè)機器人年銷(xiāo)售量從2.3萬(wàn)臺增長(cháng)到13.7萬(wàn)臺,年平均增速為37.1%。2013年中國成為第一大機器人產(chǎn)銷(xiāo)國。中國工業(yè)機器人銷(xiāo)售量增速較快,但機器人密度(每萬(wàn)名工人擁有的機器人數量)還處于較低水平,與日韓等國家差距明顯。中國作為全球大的機器人需求市場(chǎng),機器人產(chǎn)業(yè)蘊含著(zhù)巨大的發(fā)展潛力?？紤]到中國區域間發(fā)展不平衡的事實(shí),工業(yè)機器人在各地區的應用程度差異較大,準確揭示出工業(yè)機器人對制造業(yè)就業(yè)總量和結構的深刻影響,對于中國經(jīng)濟實(shí)現高質(zhì)量發(fā)展具有十分重要的意義。

關(guān)于工業(yè)機器人對就業(yè)的影響有兩個(gè)值得特別重視的效應:一是“破壞效應”。馬嵐(2015)[1]根據日韓工業(yè)機器人發(fā)展歷史探討了決定一國工業(yè)機器人普及的社會(huì )經(jīng)濟因素,分析當前中國經(jīng)濟社會(huì )和制造業(yè)發(fā)展狀況,發(fā)現中國很可能出現機器人規?；娲斯?。Acemoglu和Restrepo(2017)[2]分析了1990-2007年間工業(yè)機器人使用量增加對美國當地勞動(dòng)力市場(chǎng)的影響,發(fā)現機器人使用量增加可能會(huì )減少就業(yè)和工資,具體表現為千人擁有的機器人每增加1臺,就業(yè)人口比將減少0.18～0.34個(gè)百分點(diǎn),工資將減少0.25～0.5個(gè)百分點(diǎn)。在智能化主導的經(jīng)濟體制中,除了人類(lèi)能生產(chǎn)價(jià)值外,機器人也能發(fā)揮相同的作用,從而“機器換人”導致部分工人失業(yè)和工資下降(Sachs et al.,2015[3];Benzell et al.,2015[4])。二是“補償效應”。Autor(2015)[5]指出在過(guò)去的幾十年里,自動(dòng)化既替代了勞動(dòng)力,同時(shí)也補充了勞動(dòng)力,媒體的某些評論往往夸大機器對人類(lèi)勞動(dòng)的替代程度,而忽視自動(dòng)化與勞動(dòng)之間的強大互補性。Berg et al.(2018)[6]指出工業(yè)機器人的應用會(huì )提高勞動(dòng)生產(chǎn)率,部分崗位會(huì )出現對勞動(dòng)力需求的增加,同時(shí)也能創(chuàng )造出新的就業(yè)崗位。從短期看可能會(huì )出現對勞動(dòng)力的替代以及導致社會(huì )的不平等現象,但從長(cháng)期看,工業(yè)機器人的應用提高經(jīng)濟發(fā)展水平,帶來(lái)經(jīng)濟的繁榮和人們生活的改善。而且目前的機器人智能化程度還不夠,在一些非標準化生產(chǎn)過(guò)程中,人類(lèi)占據絕對優(yōu)勢。此外,一些高危、高精度或不適合人類(lèi)工作的領(lǐng)域,需要機器人的填補,這在本質(zhì)上不會(huì )對勞動(dòng)力產(chǎn)生替代(Gorle和Clive,2013[7];周文斌,2017[8])。也有學(xué)者主要從勞動(dòng)力技能結構角度考慮,機器人的使用會(huì )促進(jìn)一國勞動(dòng)力結構轉型升級,即促進(jìn)中、高技能勞動(dòng)力就業(yè),抑制低技能勞動(dòng)力就業(yè)(Graetz和Michaels,2018[9];程虹等,2018[10]) 。

綜合而言,有關(guān)發(fā)達國家工業(yè)機器人使用量對就業(yè)影響的研究較為多樣,但對像中國這樣人口眾多的發(fā)展中國家的研究還較為匱乏(曹靜和周亞林,2018)[11]?，F有研究多關(guān)注技術(shù)進(jìn)步或有偏技術(shù)進(jìn)步對就業(yè)的影響,較少從現代智能化視角研究工業(yè)機器人應用對就業(yè)的影響。因此,本文首先從理論層面分析工業(yè)機器人與勞動(dòng)力間的替代與互補關(guān)系;其次,利用省級地區面板數據說(shuō)明工業(yè)機器人應用對就業(yè)總量和就業(yè)結構的影響;后,考慮地區異質(zhì)性和技術(shù)復雜度差異性,說(shuō)明工業(yè)機器人應用對就業(yè)的不同影響。

Berg et al.(2018)[6]基于技術(shù)和要素需求的理論模型,將資本、勞動(dòng)以及機器人納入統一框架內,分析機器人完全替代勞動(dòng)力、替代部分勞動(dòng)力以及不能替代技能勞動(dòng)力三種情況,為本文研究工業(yè)機器人與勞動(dòng)力之間的替代和互補關(guān)系提供理論基礎?？紤]到其模型較為復雜,本文將模型簡(jiǎn)化為C-D生產(chǎn)函數形式,分析工業(yè)機器人應用對就業(yè)的影響。

假定經(jīng)濟中只存在制造業(yè)單一部門(mén)進(jìn)行生產(chǎn),制造業(yè)部門(mén)投入三種要素:資本、勞動(dòng)力和工業(yè)機器人。將生產(chǎn)函數設為C-D形式:

Y=(AKK)α(ALL)β(AZZ)1-α-β=AKαALβAZ1-α-βKαLβZ1-α-β (1)

其中Y表示制造業(yè)部門(mén)的產(chǎn)出,K表示制造業(yè)部門(mén)資本投入(不包括機器人資本),L表示制造業(yè)部門(mén)勞動(dòng)力投入,Z表示制造業(yè)部門(mén)工業(yè)機器人資本投入;AK表示資本生產(chǎn)率,AL表示勞動(dòng)生產(chǎn)效率,AZ表示工業(yè)機器人生產(chǎn)效率;α>0,β>0且α+β<1。

根據式(1)求出勞動(dòng)力的邊際產(chǎn)出以及機器人的邊際產(chǎn)出:

MPL=βAKαALβAZ1-α-βKαLβ-1Z1-α-β (2)

MPZ=(1-α-β)AKαALβAZ1-α-βKαLβ-1Z1-α-β (3)

其中MPL表示勞動(dòng)力的邊際產(chǎn)出,MPZ表示機器人的邊際產(chǎn)出。將式(3)與式(2)作比:

MPZMPL=(1?α?β)βLZ$\frac{{\rm M}{\rm P}{\rm Z}}{{\rm M}{\rm P}L}=\frac{(1-\alpha -\beta )}{\beta }\frac{L}{{\rm Z}}$

上式表示機器人的邊際產(chǎn)出相對勞動(dòng)力的邊際產(chǎn)出。當MPZMPL>1$\frac{{\rm M}{\rm P}{\rm Z}}{{\rm M}{\rm P}L}>1$時(shí),表明機器人的邊際產(chǎn)出大于勞動(dòng)力的邊際產(chǎn)出,可能會(huì )出現“機器換人”;當MPZMPL<1$\frac{{\rm M}{\rm P}{\rm Z}}{{\rm M}{\rm P}L}<1$時(shí),不會(huì )出現“機器換人”,可能出現機器人與勞動(dòng)力之間互補現象;當MPZMPL=1$\frac{{\rm M}{\rm P}{\rm Z}}{{\rm M}{\rm P}L}=1$時(shí),情況不能確定,可能既有機器人替代勞動(dòng)力,也有機器人與勞動(dòng)力互補。

假定產(chǎn)品市場(chǎng)和勞動(dòng)力市場(chǎng)完全競爭,將制造業(yè)部門(mén)產(chǎn)品的市場(chǎng)價(jià)格標準化為1。制造業(yè)部門(mén)作為勞動(dòng)力的需求方,投入資本、勞動(dòng)力、機器人三種要素實(shí)現利潤大化:

maxK, L, Z AKαALβAZ1-α-βKαLβZ1-α-β-rKK-wLL-rZZ

其中,rK表示資本的價(jià)格,wL表示勞動(dòng)力的工資,rZ表示機器人的價(jià)格。由利潤大化的一階條件可得:

wL=βAKαALβAZ1-α-βKαLβ-1Z1-α-β (4)

式(4)表示勞動(dòng)力的需求方程。

假定勞動(dòng)力市場(chǎng)是出清的。前面假定勞動(dòng)力市場(chǎng)是完全競爭的,工資是制造業(yè)部門(mén)對勞動(dòng)力需求的唯一調節機制。本文設定勞動(dòng)力供給為工資的函數:L=f(wL)。一般而言,工資越高,勞動(dòng)力供給越多,進(jìn)入制造業(yè)部門(mén)的勞動(dòng)力就越多,即勞動(dòng)力供給隨著(zhù)wL上升而增加,因此,可以假定供給函數為單調遞增函數。為簡(jiǎn)化分析,假設勞動(dòng)力供給函數為線(xiàn)性:

L=λLwL (5)

其中λL為勞動(dòng)力供給彈性,且λL>0。

當勞動(dòng)力市場(chǎng)達到均衡時(shí),制造業(yè)部門(mén)的勞動(dòng)力需求等于供給,聯(lián)立式(4)和式(5)可得:

L=λLwL=λLβAKαALβAZ1-α-βKαLβ-1Z1-α-β

L2-β=λLβAKαALβAZ1-α-βKαZ1-α-β (6)

式(6)表示制造業(yè)部門(mén)均衡狀態(tài)下的就業(yè)情形。

綜上所述,機器人通過(guò)影響勞動(dòng)力需求市場(chǎng),從而對就業(yè)市場(chǎng)產(chǎn)生影響,當機器人沖擊制造業(yè)勞動(dòng)力需求市場(chǎng)時(shí),會(huì )引起就業(yè)市場(chǎng)失衡,但通過(guò)對勞動(dòng)力供給市場(chǎng)的調節,終實(shí)現就業(yè)市場(chǎng)的再平衡。

機器人作為一種專(zhuān)有投資的技術(shù)進(jìn)步,對就業(yè)的影響較為廣泛。在就業(yè)總量方面,肖六億(2010)[12]從勞動(dòng)力需求端分析技術(shù)進(jìn)步對就業(yè)的影響,認為技術(shù)進(jìn)步提高勞動(dòng)生產(chǎn)率、節省勞動(dòng)力,同時(shí)也通過(guò)增加產(chǎn)出和創(chuàng )造新部門(mén)擴大了就業(yè),但總的效應仍然為就業(yè)的損失;劉書(shū)祥和曾國彪(2010)[13]研究表明純技術(shù)進(jìn)步對就業(yè)有顯著(zhù)的負向影響;鐘世川(2018)[14]實(shí)證分析顯示,中國制造業(yè)的資本與勞動(dòng)之間是互補關(guān)系,而且經(jīng)濟發(fā)展水平顯著(zhù)促進(jìn)就業(yè)。上述文獻表明技術(shù)進(jìn)步對就業(yè)總量的影響既有增加也有減少,總的影響表現出不確定性,而工業(yè)機器人不僅符合技術(shù)進(jìn)步影響就業(yè)的一般規律,也有其行業(yè)特點(diǎn)。工業(yè)機器人不僅是工人用來(lái)提高勞動(dòng)生產(chǎn)率的工具,還可代替勞動(dòng)力進(jìn)行獨立操作。傳統技術(shù)進(jìn)步主要替代人的體力,機器人柔性化特征使得其替代的程度和范圍更廣,會(huì )進(jìn)一步替代人的腦力,削弱低技能勞動(dòng)力成本和自然資源的優(yōu)勢。因此中國工業(yè)機器人的大規模使用勢必會(huì )沖擊制造業(yè)就業(yè)(程虹等,2018)[10]。根據以上分析,提出本文假說(shuō)1。

假說(shuō)1:工業(yè)機器人的大規模應用沖擊中國制造業(yè)整體就業(yè),使得總的就業(yè)效應為負。

以上分析只是考慮了就業(yè)總量,就業(yè)技能結構也是分析就業(yè)效應不可或缺的一個(gè)方面。呂潔等(2017)[15]、杜傳文等(2018)[16]研究均顯示,工業(yè)機器人對低技能勞動(dòng)力替代的同時(shí)增加對中、高技能勞動(dòng)力的需求,且機器人應用程度越高的國家和地區,其高技能勞動(dòng)力比例越高。而中國機器人產(chǎn)業(yè)在地區間的發(fā)展不均衡,主要集中在長(cháng)三角、珠三角以及京津等地,機器人應用程度的差異對不同技能勞動(dòng)力的影響也存在差異。相比機器人應用程度較低的地區,機器人應用程度較高的地區對高技能勞動(dòng)力的需求也較大,機器人應用對低技能勞動(dòng)力就業(yè)的抑制作用較大。據此提出本文假說(shuō)2。

假說(shuō)2:在機器人密度較高的地區,工業(yè)機器人對低技能勞動(dòng)力的替代效應明顯,同時(shí)促進(jìn)高技能勞動(dòng)力就業(yè);在機器人密度較低的地區,工業(yè)機器人對就業(yè)的影響不顯著(zhù)。

對式(6)兩邊取對數可得:

lnL=α0+α1lnK+α2lnZ (7)

式(7)為制造業(yè)部門(mén)均衡狀態(tài)下的就業(yè)情形,其中α0=ln(λLβAKαALβAZ1-α-β)/(2-β), α1=α/(2-β), α2=(1-α-β)/(2-β)。由于本文研究機器人對高技能勞動(dòng)力和低技能勞動(dòng)力就業(yè)的影響,式(7)可以拓展為:

lnhigh=α0+α1lnK+α2lnZ (8)

lnlow=α0+α1lnK+α2lnZ (9)

現有關(guān)于影響勞動(dòng)力就業(yè)的實(shí)證模型設定主要包括第三產(chǎn)業(yè)占GDP比重、地區經(jīng)濟發(fā)展水平、人口老齡化程度以及勞動(dòng)力成本(羅軍,2014[17];馬嵐,2015[1];胡雪萍和李丹青,2015[18])等因素。本文主要研究中國工業(yè)機器人應用對勞動(dòng)力就業(yè)產(chǎn)生的影響,將上述因素納入式(7)-式(9)可得實(shí)證模型設定如下:

lnlabori, t=α0+α1lnrbi, t+α2lnpgdpi, t+α3lncosti, t+α4thirdi, t+α5lnki, t+α6agingi, t+ui+λt+εi, t (10)

lnhighi, t=β0+β1lnrbi, t+β2lnpgdpi, t+β3lncosti, t+β4thirdi, t+β5lnki, t+β6agingi, t+ui+λt+εi, t (11)

lnlowi, t=γ0+γ1lnrbi, t+γ2lnpgdpi, t+γ3lncosti, t+γ4thirdi, t+γ5lnki, t+γ6agingi, t+ui+λt+εi, t (12)

其中,式(10)為省域制造業(yè)整體就業(yè)方程,式(11)、式(12)分別為高技能勞動(dòng)力和低技能勞動(dòng)力的就業(yè)模型。式(10)-式(12)的下標i和t分別表示第i個(gè)地區和第t年。labor表示各地制造業(yè)就業(yè)總量,high表示高技能勞動(dòng)力,low表示低技能勞動(dòng)力,rb表示各地工業(yè)機器人的密度,pgdp表示各地經(jīng)濟發(fā)展水平,cost表示勞動(dòng)力成本,third代表產(chǎn)業(yè)結構,k代表資本存量,aging代表人口老齡化程度,ui表示個(gè)體固定效應,λt表示時(shí)間固定效應,ε為隨機誤差項。鑒于相關(guān)變量的水平值存在巨大差異性,對絕對數變量總量取對數,以消除可能存在的異方差。

制造業(yè)就業(yè)總量(labor):本文用規模以上工業(yè)企業(yè)年平均用人數表示勞動(dòng)力就業(yè)數量;高技能勞動(dòng)力(high):參照喻美辭和熊啟泉(2012)[19]的研究,根據工作性質(zhì)來(lái)劃分勞動(dòng)力,本文用企業(yè)研發(fā)人員表示高技能勞動(dòng)力;用制造業(yè)就業(yè)總量減去研發(fā)人員數表示低技能勞動(dòng)力(low)。

本文的核心解釋變量是工業(yè)機器人的使用量(rb),由于國內工業(yè)機器人70%以上都依賴(lài)進(jìn)口(呂鐵和李瑋,2016)[20],國內企業(yè)市場(chǎng)份額不足30%,加上衡量工業(yè)機器人其他方面的數據難以獲取,故本文以工業(yè)機器人進(jìn)口額表示工業(yè)機器人使用量。根據HS2007六位數編碼體系中,工業(yè)機器人主要分為七大類(lèi):噴涂機器人(842489)、搬運機器人(842890)、多功能機器人(847950)、IC工廠(chǎng)專(zhuān)用自動(dòng)搬運機器人(848640)、電阻焊接機器人(851521)、電弧焊接機器人(851531)、激光焊接機器人(851580)。本文使用的工業(yè)機器人進(jìn)口額為上述七類(lèi)機器人進(jìn)口額的加總,并按當年匯率將美元折算成人民幣。參照Graetz和Michaels(2018)[9]的做法,本文將機器人進(jìn)口總額除以制造業(yè)總的就業(yè)人數,得到每個(gè)省份歷年的工業(yè)機器人密度。由于2011年各地機器人進(jìn)口數據缺失,本文利用2011和2012年各地工業(yè)銷(xiāo)售產(chǎn)值增長(cháng)率倒推2011年各地工業(yè)機器人進(jìn)口額,再轉換成機器人密度。圖1顯示歷年各地工業(yè)機器人進(jìn)口總額,可以看出上海、江蘇和廣東的工業(yè)機器人進(jìn)口遠超其他地區,而部分地區工業(yè)機器人進(jìn)口較少或者暫無(wú),本文剔除這些地區,僅保留北京、天津、河北、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、山東、河南、湖北、廣東、重慶、四川、陜西共18個(gè)省級地區,機器人數據來(lái)源于中國商品貿易數據庫。

地區經(jīng)濟發(fā)展水平(pgdp),本文用各地人均GDP表示地區經(jīng)濟發(fā)展水平。一般來(lái)說(shuō),經(jīng)濟發(fā)展水平越高對就業(yè)的吸納能力越強;勞動(dòng)力成本(cost),勞動(dòng)力成本的上升勢必導致企業(yè)生產(chǎn)成本上升,促使企業(yè)用相對便宜的要素來(lái)替代勞動(dòng),進(jìn)而影響勞動(dòng)力就業(yè),本文用制造業(yè)就業(yè)人員的平均工資來(lái)表示勞動(dòng)力成本;產(chǎn)業(yè)結構(third),用第三產(chǎn)業(yè)占GDP比重表示;資本存量(k),本文采用永續盤(pán)存法(PIM)計算各地歷年的資本存量,計算公式為ki, t=(1-δi, t)ki, t-1+Ii, t,其中ki, t表示第i個(gè)地區第t年的資本存量,Ii, t表示第i個(gè)地區第t年的固定資本總額,δi, t表示第i個(gè)地區第t年的資本折舊率,根據張軍等(2004)[21]的研究,將資本折舊率統一為9.6%。此外,本文以2010年各地制造業(yè)的固定資產(chǎn)凈值為基期資本存量,并用固定資產(chǎn)價(jià)格指數進(jìn)行平減;老齡化程度(aging)用65歲以上人口比例表示。相關(guān)變量說(shuō)明以及數據來(lái)源如表1所示。

由于自2011年1月起,規模以上工業(yè)企業(yè)的統計口徑發(fā)生了變化,納入統計范圍的工業(yè)企業(yè)年主營(yíng)業(yè)務(wù)收入起點(diǎn)標準從500萬(wàn)元提高到2000萬(wàn)元,使到2011年以后的數據與之前的數據不可直接比較,因而本文選取2011-2017年的樣本區間,各變量的描述性統計見(jiàn)表2。

本文使用我國18個(gè)省級地區的工業(yè)機器人使用量對制造業(yè)就業(yè)進(jìn)行回歸分析。通過(guò)Hausman檢驗選擇固定效應模型和隨機效應模型。終,根據兩種效應分析,列(1)和列(3)為固定效應模型,列(2)不能拒絕原假設采用隨機效應模型,回歸結果見(jiàn)表3。

如表3所示,列(1)-列(3)分別表示主要省份工業(yè)機器人對制造業(yè)整體就業(yè)、制造業(yè)高技能勞動(dòng)力就業(yè)以及制造業(yè)低技能勞動(dòng)力就業(yè)的影響,列(1)顯示核心解釋變量工業(yè)機器人密度(lnrb)的系數顯著(zhù)為負,這表明機器人應用對制造業(yè)就業(yè)總量有顯著(zhù)的負向影響,說(shuō)明中國主要省份工業(yè)機器人應用對就業(yè)的“破壞效應”大于“補償效應”,就業(yè)凈效應為就業(yè)損失,這一結果支持了本文的假說(shuō)1。列(3)中lnrb的系數同樣顯著(zhù)為負,表明工業(yè)機器人應用對低技能勞動(dòng)力就業(yè)有明顯的替代。而列(2)中lnrb的系數不顯著(zhù),說(shuō)明工業(yè)機器人應用對高技能勞動(dòng)力就業(yè)的影響不明確,并未發(fā)現機器人的使用促進(jìn)了高技能勞動(dòng)力就業(yè)。

控制變量回歸結果顯示:經(jīng)濟發(fā)展水平對制造業(yè)就業(yè)總量以及高、低技能勞動(dòng)力就業(yè)均有顯著(zhù)的促進(jìn)作用,經(jīng)濟發(fā)展水平越高對就業(yè)的吸納能力越強。第三產(chǎn)業(yè)占比對制造業(yè)就業(yè)有顯著(zhù)的負向影響,隨著(zhù)第三產(chǎn)業(yè)在國民經(jīng)濟中份額的提高,對就業(yè)的吸收能力不斷加強,尤其是外賣(mài)小哥、網(wǎng)約車(chē)司機等新業(yè)態(tài)崗位發(fā)揮的作用越來(lái)越大。工資和老齡化水平對制造業(yè)影響不大,這與劉書(shū)祥和曾國彪(2010)[13]、馬嵐(2015)[1]的結論一致;資本存量與高技能勞動(dòng)力之間互補,促進(jìn)了制造業(yè)高技能勞動(dòng)力就業(yè),對制造業(yè)就業(yè)總量和低技能勞動(dòng)力就業(yè)影響不顯著(zhù)。

根據基準回歸結果的分析,工業(yè)機器人的使用抑制了制造業(yè)整體就業(yè)。從就業(yè)結構上來(lái)說(shuō),工業(yè)機器人的使用對低技能勞動(dòng)力就業(yè)有顯著(zhù)的負向作用,對高技能勞動(dòng)力就業(yè)影響不明確。機器人的使用提高勞動(dòng)力生產(chǎn)率,減少了對勞動(dòng)力的需求,產(chǎn)生“破壞效應”,終導致就業(yè)減少。從表3的結果可以看出,工業(yè)機器人當前主要通過(guò)“破壞效應”對就業(yè)產(chǎn)生影響,就業(yè)“補償效應”較小?？赡艿慕忉屖钱斍捌髽I(yè)機器人使用量還較少(Graetz 和Michaels,2018)[9],尚未達到規模效應,從而未帶動(dòng)機器人操作人員與研發(fā)人員等高技能勞動(dòng)力的就業(yè)。參照涂正革和肖耿(2006)[22]的研究,用人均工業(yè)增加值表示勞動(dòng)生產(chǎn)率。由于2008年以后,規模以上工業(yè)企業(yè)增加值不再公布,故本文用工業(yè)銷(xiāo)售產(chǎn)值代替工業(yè)增加值計算制造業(yè)勞動(dòng)生產(chǎn)率,工業(yè)銷(xiāo)售產(chǎn)值用相應的消費者價(jià)格指數進(jìn)行平減。用工業(yè)銷(xiāo)售產(chǎn)值與制造業(yè)就業(yè)人數的比值表示勞動(dòng)生產(chǎn)率(apl),進(jìn)行回歸分析。表4反映了工業(yè)機器人使用對就業(yè)影響的原因。

如表4所示,列(1)表明工業(yè)機器人的使用對制造業(yè)勞動(dòng)生產(chǎn)率有顯著(zhù)的促進(jìn)作用。列(2)～列(4)顯示勞動(dòng)生產(chǎn)率對制造業(yè)就業(yè)總量、高技能勞動(dòng)力就業(yè)以及低技能勞動(dòng)力就業(yè)均有顯著(zhù)的抑制作用,并且勞動(dòng)生產(chǎn)率的提高對低技能勞動(dòng)力就業(yè)的抑制要大于高技能勞動(dòng)力就業(yè),表明使用機器人提高勞動(dòng)生產(chǎn)率對低技能勞動(dòng)力沖擊更大。盡管勞動(dòng)生產(chǎn)率提高也對高技能勞動(dòng)力就業(yè)有一定的抑制作用,但機器人使用帶來(lái)的“補償效應”抵消了這部分就業(yè)的減少,因而整體上高技能勞動(dòng)力就業(yè)變化不大。

從具體崗位來(lái)看,當前工業(yè)機器人主要取代普工和打磨等一線(xiàn)生產(chǎn)工人,他們主要從事一些簡(jiǎn)單重復的工作且缺乏任何技能,受到“機器換人”的沖擊較大;工業(yè)機器人替代低技能勞動(dòng)力的同時(shí)也會(huì )創(chuàng )造新崗位,增加對高技能勞動(dòng)力的需求,如機器人工程師、研發(fā)工程師和機器人技術(shù)員等,這些崗位要求工人具備一定的技能,如編程等技術(shù),工業(yè)機器人與其是互補關(guān)系。但基準回歸中并未得到顯著(zhù)促進(jìn)高技能勞動(dòng)力就業(yè)的結果。究其原因可能是,中國工業(yè)機器人高度依賴(lài)進(jìn)口,機器人的使用可能沒(méi)有拉動(dòng)機器人工程師和研發(fā)人員等高技能勞動(dòng)力就業(yè)。目前工業(yè)機器人發(fā)展處于弱人工智能階段,對就業(yè)的影響有限,主要對低技能勞動(dòng)力就業(yè)產(chǎn)生影響,隨著(zhù)人工智能繼續發(fā)展,對就業(yè)的影響會(huì )逐漸加大(程承坪和彭歡,2018)[23]。

中國地域面積遼闊,地區間差異巨大,各地區制造業(yè)發(fā)展也存在較大差異,而工業(yè)機器人作為先進(jìn)制造業(yè)的支撐技術(shù)和信息化社會(huì )的新興工具,在區域間的推廣和應用范圍勢必不同。因此,考慮地區異質(zhì)性研究工業(yè)機器人使用對就業(yè)的影響,可以避免全樣本分析中地區間機器人使用水平對就業(yè)影響效果的相互抵消,從而弱化了機器人應用產(chǎn)生的作用。從技術(shù)復雜度的角度看,隨著(zhù)機器人技術(shù)的不斷升級,與傳統機器人相比,現代機器人的應用領(lǐng)域和范圍更加廣泛,其精密化、柔性化和智能化等性能都得到提升,對勞動(dòng)力就業(yè)的影響也存在差異性。因而考慮異質(zhì)性影響,能夠更準確地分析工業(yè)機器人應用對就業(yè)帶來(lái)的影響,從而提出更有針對性的對策建議。

根據圖1所示的各地歷年工業(yè)機器人進(jìn)口額分布情況可知,上海、江蘇、廣東、北京和天津等地區機器人使用較多,這也符合當前中國機器人產(chǎn)業(yè)在長(cháng)三角、珠三角以及京津地區形成產(chǎn)業(yè)集群現象的現實(shí)。故本文將機器人使用密度較高的地區設為高密度組,即上海、江蘇、廣東、北京、天津;機器人使用密度較低的地區設為低密度組,包括河北、遼寧、吉林、黑龍江、浙江、安徽、河南、福建、山東、湖北、重慶、四川、陜西。其中高密度組的5個(gè)省份,lnrb均值為6.96,低密度組的13個(gè)省份,lnrb均值為5.37,由此可見(jiàn),機器人在不同地區間的應用存在較大差異性。表5反映了在高密度組與低密度組地區,機器人的使用對制造業(yè)就業(yè)總量、高技能勞動(dòng)力以及低技能勞動(dòng)力的影響。列(1)、(3)、(4)、(6)采用固定效應模型,列(2)和列(5)的Hausman檢驗在1%顯著(zhù)性水平下不能拒絕原假設,采用隨機效應模型。

表5回歸結果顯示,列(1)～列(3)表示在高密度組地區,機器人的使用分別對制造業(yè)整體就業(yè)、高技能和低技能勞動(dòng)力就業(yè)的影響;列(4)～列(6)反映了在低密度組地區,機器人的使用分別對制造業(yè)就業(yè)總量以及高、低技能勞動(dòng)力就業(yè)的影響。通過(guò)對比可以看出,機器人在高密度組地區對制造業(yè)就業(yè)總量和低技能勞動(dòng)力就業(yè)有顯著(zhù)負向影響;在低密度組地區,機器人的使用對制造業(yè)就業(yè)總量和低技能勞動(dòng)力的影響為負,但不顯著(zhù)。合理的解釋是高密度組地區機器人應用較早,產(chǎn)業(yè)鏈相對完善,如北京中關(guān)村電子產(chǎn)業(yè)集聚區;機器人“四大家族”均已落戶(hù)上海,打造浦東機器人產(chǎn)業(yè)基地;蘇州擁有昆山高新區機器人產(chǎn)業(yè)園;廣東省在數控設備、無(wú)人物流、自動(dòng)化控制器、無(wú)人機領(lǐng)域具備一定的優(yōu)勢,培育壯大了一批擁有自主知識產(chǎn)權的優(yōu)秀本土機器人企業(yè)。而低密度組地區機器人產(chǎn)業(yè)總體規模較小,機器人應用的軟環(huán)境不夠開(kāi)放,尚未形成規?；臋C器人產(chǎn)業(yè)集聚區。從兩者的系數大小來(lái)看,高密度組機器人應用對就業(yè)的影響程度遠大于低密度組,這與低密度組地區落后的機器人產(chǎn)業(yè)發(fā)展情況有關(guān),這些地區的工業(yè)機器人使用量還較少,尚未對制造業(yè)就業(yè)產(chǎn)生明顯的沖擊。但無(wú)論是機器人高密度組還是低密度組地區,機器人的使用對高技能勞動(dòng)力就業(yè)的影響均不顯著(zhù),再次說(shuō)明了中國工業(yè)機器人尚未拉動(dòng)高技能勞動(dòng)力就業(yè)。以上分析驗證了假說(shuō)2的部分內容,其中工業(yè)機器人促進(jìn)高密度組地區高技能勞動(dòng)力就業(yè)的假說(shuō)未得到驗證。

工業(yè)機器人運用領(lǐng)域和從事的生產(chǎn)環(huán)節眾多,不同類(lèi)型工業(yè)機器人智能化、自動(dòng)化程度不同,對制造業(yè)生產(chǎn)率、勞動(dòng)效率的影響具有異質(zhì)性。本文研究的工業(yè)機器人主要包括:噴涂機器人、搬運機器人、多功能機器人、IC自動(dòng)搬運機器人、電阻焊接機器人、電弧焊接機器人和激光焊接機器人。參考李丫丫和潘安(2017)[24]的做法,根據機器人工作技術(shù)復雜程度,將搬運機器人、噴涂機器人、電阻焊接機器人和電弧焊接機器人歸為傳統的中低技術(shù)復雜度工業(yè)機器人,而將多功能機器人、IC自動(dòng)搬運機器人和激光焊接機器人劃分為相對技術(shù)復雜度較高的工業(yè)機器人,進(jìn)一步考察不同類(lèi)型機器人對就業(yè)存在的差異性影響,具體回歸結果見(jiàn)表6,列(1)～列(6)均采用固定效應模型。

表6顯示了高技術(shù)復雜度與低技術(shù)復雜度工業(yè)機器人在全樣本18個(gè)地區、高密度組和低密度組的情況下分別對制造業(yè)整體就業(yè)的影響。比較列(1)和列(2),發(fā)現高技術(shù)復雜度機器人對18個(gè)省級區域制造業(yè)就業(yè)有顯著(zhù)的抑制作用,而低技術(shù)復雜度機器人對就業(yè)的影響不顯著(zhù)。相比傳統低技術(shù)復雜度機器人,以多功能機器人為代表的高技術(shù)復雜度工業(yè)機器人集精密化、柔性化、智能化、軟件應用開(kāi)發(fā)等先進(jìn)制造技術(shù)于一體,是工業(yè)自動(dòng)化水平的高體現1。其柔性化和多軸的特征擴大了應用領(lǐng)域和范圍,從而替代了一些以往似乎不可能替代的崗位,如部分管理崗位。而在高密度組地區,無(wú)論是高技術(shù)復雜度還是低技術(shù)復雜度的工業(yè)機器人,對制造業(yè)就業(yè)都有顯著(zhù)的負向影響。上海、江蘇、廣東等地制造業(yè)較為發(fā)達,工業(yè)機器人的發(fā)展走在全國前列,相比其他地區,工業(yè)機器人對就業(yè)的取代程度較高。在低密度組地區,高技術(shù)復雜度機器人對制造就業(yè)有顯著(zhù)的抑制作用,低技術(shù)復雜度機器人對制造業(yè)就業(yè)有顯著(zhù)的促進(jìn)作用。在低密度組的省份中,高技術(shù)復雜度機器人與就業(yè)之間替代關(guān)系仍然存在,這是因為高技術(shù)復雜度機器人本身的智能化程度較高,對就業(yè)的替代能力更強;而低技術(shù)復雜度機器人在低密度組省份的使用相對較少,因而作為工人提高生產(chǎn)率的工具,與勞動(dòng)力之間主要發(fā)揮互補作用,終促進(jìn)了就業(yè)的增加。

工業(yè)機器人的應用會(huì )影響勞動(dòng)力就業(yè),反過(guò)來(lái)勞動(dòng)力的稟賦也可能對工業(yè)機器人的應用產(chǎn)生影響,例如勞動(dòng)力供不應求導致的“用工荒”問(wèn)題,也加速了企業(yè)推進(jìn)工業(yè)機器人的應用。所以,制造業(yè)就業(yè)與工業(yè)機器人應用之間可能存在雙向因果關(guān)系,由此造成回歸估計結果的偏誤。為了緩解內生性問(wèn)題,本文采用工具變量法對式(10)-式(12)進(jìn)行再估計。

工具變量的選取要滿(mǎn)足兩個(gè)基本條件:第一,選擇的工具變量要與內生變量相關(guān),即工具變量的相關(guān)性條件;第二,工具變量與擾動(dòng)項不相關(guān),即工具變量的外生性條件。本文參照李成友等(2018)[25]的做法,選取滯后一期的工業(yè)機器人使用量作為工具變量。滯后一期的機器人使用量與當期機器人使用量相關(guān),同時(shí)與當期其他因素不相關(guān),充分排除了經(jīng)濟發(fā)展的慣性和時(shí)序相關(guān)性帶來(lái)的影響,滿(mǎn)足相關(guān)性和外生性條件。本文運用兩階段小二乘法對式(10)～式(12)重新估計,回歸結果如表7所示。

由表7可知,F檢驗都在1%的水平上顯著(zhù),拒絕存在弱工具變量的原假設,表明選取的工具變量不存在“弱工具變量問(wèn)題”,滿(mǎn)足相關(guān)性條件,工具變量有效。從全樣本的回歸結果來(lái)看,機器人應用對制造業(yè)就業(yè)總量的影響仍為負,但不顯著(zhù),考慮內生性問(wèn)題后,機器人應用對制造業(yè)整體就業(yè)的影響下降了。高密度組的結果表明機器人應用對制造業(yè)就業(yè)總量仍有顯著(zhù)的沖擊,低密度組的結果表明機器人應用對制造業(yè)就業(yè)總量影響不顯著(zhù),均與前文研究結論保持一致,說(shuō)明機器人應用對制造業(yè)整體就業(yè)的影響在高密度組和低密度組地區具有穩健性。

為了檢驗前面回歸結果的可靠性,本文更換部分控制變量進(jìn)行穩健性檢驗。首先用各地區生產(chǎn)總值(gdp)代替人均GDP;其次用工業(yè)增加值占GDP的比重(industry)代替第三產(chǎn)業(yè)占比;后用勞動(dòng)年齡人口占總人口的比重(wap)替換老齡化程度,回歸結果如表8所示:

由表8可知,更換了部分控制變量后,全樣本和高密度組的結果表明了機器人的使用對制造業(yè)整體就業(yè)有顯著(zhù)的抑制作用,而低密度組則顯示機器人的使用對制造業(yè)整體就業(yè)的影響不大,說(shuō)明前文的回歸結果是穩健可信的。

本文基于中國18個(gè)省級區域層面的數據,研究工業(yè)機器人應用對中國制造業(yè)就業(yè)總量和就業(yè)結構的影響。結論主要有四點(diǎn):第一,工業(yè)機器人使用對制造業(yè)就業(yè)總量有顯著(zhù)的抑制作用,結構上對高技能勞動(dòng)力就業(yè)影響不顯著(zhù),對低技能勞動(dòng)力就業(yè)有顯著(zhù)的抑制作用。第二,分析機器人影響就業(yè)的原因,發(fā)現機器人主要通過(guò)提高勞動(dòng)生產(chǎn)率減少了企業(yè)對勞動(dòng)力的需求,呈現“破壞效應”;而機器人的“補償效應”并不明顯,機器人尚未拉動(dòng)高技能勞動(dòng)力就業(yè)。第三,從地區差異看,機器人使用密度較高的地區,機器人應用對就業(yè)總量和低技能勞動(dòng)力就業(yè)沖擊效應明顯,對高技能勞動(dòng)力就業(yè)影響不顯著(zhù),但在機器人使用密度較低的地區,機器人應用對就業(yè)的影響不顯著(zhù)。第四,從機器人技術(shù)復雜度的異質(zhì)性角度看,高技術(shù)復雜度的機器人對制造業(yè)就業(yè)有顯著(zhù)的負向影響,低技術(shù)復雜度機器人對制造業(yè)就業(yè)的影響不大;而在機器人使用密度高地區,兩種類(lèi)型技術(shù)復雜度的機器人對制造業(yè)就業(yè)均有抑制作用;在機器人使用密度低的地區,高技術(shù)復雜度機器人對制造業(yè)就業(yè)有抑制作用,低技術(shù)復雜度機器人對制造業(yè)就業(yè)有促進(jìn)作用。

從上述研究可以發(fā)現,工業(yè)機器人應用對就業(yè)的影響呈現多元化特征,存在“機器換人”的威脅。據此得到以下政策啟示:

工業(yè)機器人產(chǎn)業(yè)屬于高新技術(shù)行業(yè),對勞動(dòng)生產(chǎn)率的正向作用顯而易見(jiàn),但其前期的研發(fā)投入非常大,缺乏政府支持,企業(yè)很難進(jìn)行大規模的研發(fā)創(chuàng )新活動(dòng)。因此政府部門(mén)宜運用政策工具,建立健全工業(yè)機器人產(chǎn)業(yè)鏈,推進(jìn)其在制造業(yè)中的應用。一方面,健全工業(yè)機器人應用配套政策,總攬工業(yè)機器人產(chǎn)業(yè)政策全局,形成與增長(cháng)目標相協(xié)調的戰略發(fā)展體系,發(fā)揮產(chǎn)業(yè)聯(lián)動(dòng)的規模效應。同時(shí)加大財政對工業(yè)機器人產(chǎn)業(yè)的支持力度,對工業(yè)機器人生產(chǎn)商和引進(jìn)工業(yè)機器人進(jìn)行生產(chǎn)的企業(yè)給予適當財政補貼或稅收優(yōu)惠,并監督財政資金的支出,提高資金使用效率,促進(jìn)工業(yè)機器人應用。另一方面,加強機器人行業(yè)協(xié)會(huì )和信息共享平臺建設,為使用機器人的企業(yè)提供聯(lián)結相關(guān)組織的“橋梁”,與政府、企業(yè)、社會(huì )共同營(yíng)造良好的服務(wù)環(huán)境。

雖然工業(yè)機器人大規模應用可能沖擊中國制造業(yè)就業(yè),但不能因機器人的“破壞效應”就畏懼其發(fā)展,應該繼續鼓勵符合條件的企業(yè)“機器換人”。一方面,將節省的勞動(dòng)力投入到勞動(dòng)更為密集型產(chǎn)業(yè),提高經(jīng)濟效率。另一方面,針對結構性失業(yè)問(wèn)題,可以對機器人應用帶來(lái)的失業(yè)人群或容易被替代的工人進(jìn)行職業(yè)培訓,提供培訓補貼,提升勞動(dòng)者技能以適應新崗位需求。此外,政府層面還應完善社會(huì )保障體系,為受“機器換人”影響而短期失業(yè)的人群提供失業(yè)津貼,保障其基本生活;搭建就業(yè)信息共享平臺,解決勞動(dòng)力市場(chǎng)供求信息不對稱(chēng)問(wèn)題,降低勞動(dòng)者求職成本,幫助其再就業(yè)。例如,根據前文的研究,工業(yè)機器人在上海、江蘇等使用密度高的地區對就業(yè)沖擊較明顯,因此在大力推進(jìn)機器人應用的同時(shí),應配套建立相應的就業(yè)保障體系,落實(shí)國家穩就業(yè)措施。

工業(yè)機器人產(chǎn)業(yè)高速發(fā)展的關(guān)鍵動(dòng)力在于人才,全球智能制造和人工智能的發(fā)展對高端技術(shù)人才產(chǎn)生了強烈的需求。根據工信部的發(fā)展規劃,2014-2020年工業(yè)機器人產(chǎn)業(yè)大概需要20萬(wàn)相關(guān)技術(shù)人員,而目前我國機器人專(zhuān)業(yè)技術(shù)人才的缺口較大。當前我國東部地區工業(yè)機器人產(chǎn)業(yè)發(fā)展的投入力度遠大于中西部地區,作為未來(lái)工業(yè)機器人應用的高密度地區,東部地區城市將不斷加強技術(shù)創(chuàng )新、突破核心技術(shù)壁壘,積極培育龍頭企業(yè),因而對專(zhuān)業(yè)人才的需求會(huì )不斷增加,需要做好人才引進(jìn)工作,完善人才培養和儲備體系,彌補人才不足缺口。工業(yè)機器人屬于知識和技術(shù)的綜合體,專(zhuān)業(yè)人員從短期培訓計劃中收獲有限,需要通過(guò)長(cháng)期的學(xué)習以適應日新月異的技術(shù)變革。因此,企業(yè)需要有長(cháng)期可持續的新技術(shù)新技能教育、培訓戰略安排與計劃,定期組織員工進(jìn)行再學(xué)習,從而不斷滿(mǎn)足崗位所需要的技能。