齿轮工业领域服务平台,行业技术的领航者;
把齿轮传动之脉搏,谱信息时代之新篇!
当前位置: 首页 » 业界资讯 » 行业分析

工业机器人对经济的影响研究综述

发布时间:2024-06-28 | 来源:工信头条 | 作者:韩宝国
   世界迎来百年未有之大变局,全球制造业价值链深度调整。党的二十大指出“推进新型 工业化、加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”。为了实现新型工业化,中国各地多措并举,促进工业化和信息化深度融合,加快制造业数字化转型, 提升产品智能化水平。

  工业机器人改变着人类生产方式,是推进新型工业化的重要生产工具。当前,机器人产业呈现蓬勃发展之势,最新的工业机器人融合视觉识别、运动控制、双臂协同等多项技术,精密操作能力得到显著提升,可以完成更加复杂的任务,是支撑智能制造的重要基础设备。 工业机器人推动制造业生产可能性前沿不断进步的同时,对劳动力就业等产生深远影响。在中国推进新型工业化和人口结构转变背景下,深入认识机器人应用对经济发展的影响具有重要的现实指导意义。

  工业机器人对经济的影响是一个复杂的研究问题。首先,不同区域、行业和企业存在异质性 ;其次,机器人的经济影响存在短期和长期的差异 ;再次,企业机器人直接使用数据难以获得,遗漏变量、测量误差和双向因果关系等带来的内生性问题使得因果识别较为困难 ; 最后,机器人研发与应用的全球分工差异也增加了研究难度,这使得研究者得出的结论时常存在一定的争议。考虑到问题本身的复杂性,我们在综述研究进展时除了要关注研究结论, 也要探讨研究的理论模型构建和实证数据来源及方法。国际机器人联合会(IFR)对工业机器人的定义是,具有编程能力、可重复执行任务、在工业环境中自动操作的多关节机器人系统。 有研究把机器人视为人工智能应用或数字经济发展的组成部分,对机器人的就业等影响进行了概括性综述(曹静和周亚林,2018 ;张鹏飞,2018 ;王春超和聂雅丰,2023)。尽管机器人技术与人工智能等新一代信息技术有紧密联系,但两者的经济影响内涵存在较大差异,本文聚焦工业机器人应用相关研究。下文在不引起歧义的情况下,将“工业机器人”简称为“机器人”,以便文字表述更为简洁。

  机器人对经济影响的理论研究

  Joseph Zeira(1998)开创性地将机器投入作为劳动力投入的替代因素引入经济分析,对后续机器人经济影响的理论分析产生了深远影响。经济学家通常将技术创新的经济含义定义为在不增加投入的情况下增加产出,这意味着新技术可以提高任何生产要素组合下的产出。 然而,Joseph Zeira(1998)指出,这种简单的假设在许多情况下并不适用,例如蒸汽机、火车等技术发展是与机器设备密不可分的,要提高技术水平就必须购买机器设备。Joseph Zeira(1998)认为,技术是蕴含于机器中的,如果生产者想采用更先进的技术,就必须增加机器资本投入,并且技术的引入是一个机器替代人的过程。在他建立的经济模型中,最终产出是 一种产品,其中间投入品可以有多种选择。这些中间产品最初是由人力按照传统方法生产的,但随着新的工业技术的发明,越来越多的中间产品也可以由人力和承载新技术的机器联合生产,机器对人力具有替代作用,生产者是否选择采用技术取决于机器替代人力是否带来经济效益,而这又依赖于当地的劳动力工资和反映机器资本价格的利息率。

  David H. Autor 等(2003)建立了基于任务的模型对计算机技术的应用和劳动力需求之 间的关系进行了深入研究,这为研究机器人对就业的影响提供了可供借鉴的理论框架。在基 于任务的模型中,他们将工作任务分为常规任务(routine tasks)和非常规任务(nonroutine tasks)。常规任务是指那些可以被明确定义并按照指令来执行的任务,而非常规任务是需要人力与计算机协同处理的任务,计算机能够替代常规任务劳动力,而与非常规任务劳动力相互补充。基于 Joseph Zeira(1998)和 David H. Autor 等(2003)的工作,Daron Acemoglu 和 Pascual Restrepo(2018a)阐释了为什么基于任务的经济建模(task based approach)比单纯地 把机器人看作资本增强型技术或是人力增强型技术,更能揭示机器人与一般机器资本的差异。在其建议的模型框架中,产出需要完成任务集中的一系列任务,任务集中的一部分任务机器人可以完成,而且随着技术进步,机器人可以完成的任务比例不断增加,在机器可以完成的任务中,是全部采用人力,还是由人力与机器人共同来做,或是完全由机器人来完成,是厂商基于成本最小化的经济决策问题,与人力工资、机器人资本的价格和机器人应用固定成本直接相关。

  Georg Graetz 和 Guy Michaels(2018)研究了企业决定使用机器人时的考虑因素和机器人 价格下降对劳动力生产率和就业的影响。他们的模型设定了一个包含连续行业和垄断竞争厂商的经济环境,不同行业的机器人可替代程度存在差异。他们的分析表明,机器人只在能够被其代替的任务比例超过一定数值的行业得到采用。机器人应用的固定成本和租赁价格下降会降低机器人应用的阈值,也将降低机器人应用行业的相对产出价格。当消费端产品替代弹性大于生产端任务间替代弹性时,机器人租赁价格的下降将使机器人应用行业的就业相对其他行业增加。

  Daron Acemoglu 和 Pascual Restrepo(2018b)提出以前由劳动力执行的任务可以通过自动 化完成,因此自动化会减少就业和劳动力份额,甚至可能降低工资水平,同时自动化也可以 创造出劳动力具有比较优势的新任务。Daron Acemoglu 等(2020)建立一般均衡模型深入分 析了机器人应用对就业的影响,这包括三个方面 :第一,替代效应。随着技术进步,机器人 可完成任务的比例增加,原来完成这些任务的人被替代。第二,机器人应用提高生产率,产 品生产成本由此下降,产品需求上升,这会增加所有行业非自动化部分的人力需求。第三, 正在加快自动化的行业在扩张的同时也会压缩其他行业,这都将提高该行业非自动化部分的 劳动力需求。

  Michael Koch 等(2021)基于 Daron Acemoglu 等(2020)的分析框架,在经济分析中引 入了企业异质性,把分析推向企业微观层面。第一类异质性,与国际贸易研究领域的经典文 献(Marc J Melitz,2003)的做法一样,设定企业在生产率上是不同的 ;第二类异质性是企业 生产任务复杂度存在差异,不断有新的复杂任务涌现,推动产品质量升级。Michael Koch 等(2021)得出以下推断,首先,机器人应用有正向选择特征,这意味着更高生产率的企业更可能采用机器人 ;其次,机器人提高企业产出和市场份额,扩大了采用与不采用机器人的企业 之间的生产率差异 ;最后,采用机器人的企业可能新增岗位,没有采用机器人的企业失去市 场份额并减少就业岗位。Michael Koch 等(2021)还指出,机器人应用带来的生产率获益可能有两个来源,一是机器人带来的直接效率提升,二是劳动力从没有采用机器人的企业重新 配置到采用机器人的企业。

  机器人的应用对经济分工演进产生积极影响。孙早和陈玉洁(2023)基于 Gary S. Becker 和 Kevin M. Murphy(1992)分工模型,刻画了机器人引发生产方式变革的演化路径,机器人 首先以发动机的形式完成可自动化范围内的任务,进而以工具机的形式辅助劳动力实现非自动化范围内生产环节的分割重组,反向推动自动化范围内子任务的分工深化,最终实现整个任务区间生产方式的转变。韩民春和周静(2023)指出,在智能化生产环节,以机器人为中心的分工协作简化了工作职能,深化了劳动分工,使得生产效率得到大幅提高。

  综上所述,基于垄断竞争一般均衡分析框架,从劳动力与机器人的相互替代作用出发, 研究者对于机器人的经济影响理论分析取得了较大进展。机器人对就业的影响存在替代与创造效应,机器人应用对于不同行业的影响除了与行业本身密切相关,还与行业间产品的消费 替代弹性和行业内生产任务间的替代弹性密切相关。机器人应用呈现出企业异质性,生产率高的企业更倾向于应用机器人,机器人提高经济生产率的一个机制是劳动力从生产率低的企业向生产率高的企业转移。基于分工演进的理论研究从经济组织角度阐释了机器人应用推动生产方式变革的丰富内涵。深入的理论分析为测度机器人应用的经济影响提供了计量建模指引。

  工业机器人对经济影响的实证研究

  ( 一 ) 工业机器人对就业的影响

  HL Sirkin 等(2015)进行的调查显示,使用机器人最多的行业是汽车制造业(39%),之 后依次是电子制造业(19%)、金属制品(9%),以及塑料和化学品(9%)。早期,有学者表 达出对机器人应用的担心,认为机器人会使劳动力市场产生根本性的改变,大量的工作岗位将消失(Erik Brynjolfsson 和 Andrew McAfee,2014 ;Martin Ford,2015),但这些担心并没有 经过严格的实证检验。

  围绕机器人对就业的影响存在一些争议。基于国际机器人联合会(IFR)发布的 1993— 2007 年间 17 个国家的分行业机器人应用数据,Georg Graetz 和 Guy Michaels(2018)发现机 器人并未显著减少行业总就业人数,同时机器人应用确实减少了低技能劳动力的就业份额。 与 之 形 成 对 比 的 是,Daron Acemoglu 和 Pascual Restrepo(2020) 基 于 Georg Graetz 和 Guy Michaels(2018)使用的 IFR 数据,以美国通勤区为单位分析了 1990 年至 2007 年不断增长的 工业机器人应用对美国劳动力市场的影响,研究结果是每千人使用机器人数增加 1 个单位将减少通勤区就业人口比率 0.2 个百分点、工资 0.42 个百分点。Wolfgang Dauth 等(2021)分 析了机器人对 1994—2014 年德国就业市场的影响,发现机器人的确会导致制造部门的岗位减少,但是劳动者会迁移到商业服务部门,一减一增,行业总的就业并没有减少,这个结果与 Georg Graetz 和 Guy Michaels(2018)的研究结论接近。

  Philippe Aghion 等(2020)分析了法国 1994—2015 年制造业应用机器人等自动化技术的影响,发现自动化技术对就业的影响无论是从企业层面还是行业层面都是增加的。Johannes Hirvonen 等(2022)研究了芬兰应用机器 人等先进技术的影响,发现先进技术增加了就业,在芬兰,企业应用机器人去生产新的产品, 而不是去替代原有的劳动力。

  机器人对行业的影响存在差异。郑丽琳和刘东升(2023)采用 IFR 披露的各经济体分行 业机器人数据及国际劳工组织(ILO)公布的 2008—2019 年 22 个经济体分行业数据,基于行业和时序视角考察机器人应用对劳动力就业的影响效应,结果表明整体上机器人应用增加了 劳动力就业,但不同行业存在显著差异,在农林牧渔业、制造业、建筑业和其他服务业,机器人增加就业,而在采石采矿业和电气水生产供应业,则是减少。

  对中国的部分研究发现工业机器人应用会降低部分行业就业水平。孔高文等(2020)使 用 2012—2017 年中国地区层面的行业机器人应用数据,发现在容易被机器替代的行业,机器 人应用显著降低劳动就业水平。闫雪凌等(2020)使用我国 2006—2017 年制造业分行业数据, 发现工业机器人使用对制造业行业岗位数量有显著的负向冲击,工业机器人保有量每上升 1%, 就业岗位减少约 4.6%。王晓娟等(2022)利用 2009—2019 年中国各省份劳动力市场数据和 基于行业就业数据计算的机器人渗透度指标组合的面板数据,发现从短期来看,机器人渗透 度每增加 1 个单位,制造业就业人员总量减少 0.391%,劳动者工资降低 0.163%;从长期来看, 机器人应用会增加制造业就业。

  基于企业实际应用机器人微观数据的研究认为,机器人应用提高企业就业水平。Michael Koch 等(2021)采用西班牙制造业 1990—2016 年的企业工业机器人应用微观数据,发现采 用机器人的企业产生了 10% 的新岗位 ;没有采用机器人的企业的用工岗位减少,劳动力转移 到生产率更高的采用机器人的企业。Jay Dixon 等(2021)认为工业机器人具有通用技术的属 性,而通用技术的渗透对于经济的各个部门的生产率提高都有着重大而广泛的影响(Timothy F. Bresnahan 和 Manuel Trajtenberg,1995),其针对加拿大 1996—2017 的研究发现,机器人投资 的增多对应的是企业用工人数的增加和管理岗位的减少,企业采用机器人的目的更多的是要 提高产品和服务质量,而不是减少人力。李磊等(2021)从 2000 年至 2013 年中国海关统计 的进出口数据中整理出企业层面的进口机器人数据,将其作为企业实际应用机器人的替代变 量,发现机器人使用使企业就业水平上升 9.48 个百分点。陈良源等(2023)基于 2019 年 800 家广东企业调查数据,发现相比没有应用工业机器人的企业,应用工业机器人的企业拥有更 大的用人规模,具有更高的扩大用工意愿。

  一些采用企业机器人应用间接估计数据的研究得到的结果与前述研究结论相反。王永钦和董雯(2020)利用 IFR 公布的 2011—2015 年行业层面的机器人数据及中国制造业上市公司 的微观数据,发现机器人应用对企业的劳动力需求产生了一定的替代效应,机器人渗透度每增加 1%,企业的劳动力需求下降 0.18%。宋旭光和左马华青(2022)利用 IFR 工业机器人数 据和中国制造业上市公司微观数据,参照 Daron Acemoglu 和 Pascual Restrepo(2020)的方式构建行业机器人应用指数,然后借鉴王永钦和董雯(2020)的做法,按照企业人数占行业人 数比例计算企业机器人渗透指标,发现机器人渗透率每增加 1 个百分点,企业对劳动力的需 求会下降 0.027 个百分点。

  尽管机器人对就业的影响是复杂的,但我们还是可以在初看不完全一致的研究结论中, 通过探讨其研究方法和使用数据的可靠性,得到一些研究共识。第一,较多的国内外研究认 为机器人应用不会减少总的就业 ;第二,机器人对于行业的影响存在国家区域差异性,如部 分基于中国的研究指出机器人应用减少制造业就业,但一些国外研究认为机器人应用没有减 少制造业总体就业 ;第三,有研究指出机器人就业影响存在时间差异,短期内机器人应用对 制造业的影响以替代效应为主而长期以创造效应为主 ;第四,应用机器人的企业总体就业人 数在增加,而且机器人应用具有正向选择性,生产率高的企业更有意愿使用机器人。与这些 结论存在不一致的少数研究大多使用的是机器人应用间接估计数据,本文后续会做进一步的 讨论。

  ( 二 ) 工业机器人对生产率的影响

  研究表明机器人应用能够提高企业生产率和创新能力。 Georg Graetz 和 Guy Michaels (2018)分析了部分发达国家机器人应用与经济产出之间的关系,发现机器人应用对生产率 增长的贡献是明确的,保守估计为 0.36 个百分点,占到经济总生产率增长的 15%。Michael Koch 等(2021)针对西班牙的研究发现采用机器人的企业产出提高了 20%~25%,劳动力占 成本份额降低了 5%~7%。李磊和徐大策(2020)发现,机器人使用量的增加会显著提高中国 制造业企业的劳动生产率,与没有使用机器人的企业相比,使用机器人的企业劳动生产率平 均高 7.45%。屈小博和吕佳宁(2022)基于“中国企业—员工匹配调查”和“产业结构升级

  背景下制造业机器人实施状况调研”数据,发现使用机器人对提升企业生产绩效有正向作用, 采用机器人的企业具有更强的创新能力。

  机器人应用对地区全要素生产率有显著正向影响。陈永伟和曾昭睿(2020)借鉴了 Daron Acemoglu 和 Pascual Restrepo(2020)的做法,构建了“工业机器人冲击指数”来度量一个地 区的工业机器人使用强度,发现更为密集地使用机器人进行生产可以有效地提升一个地区的 全要素生产率,机器人的使用主要是通过改进技术效率和促进规模效益这两个机制对生产率 产生了影响。杨光和侯钰(2020)收集整理了 1993—2017 年 72 个国家或地区的机器人使用数据及相关的宏观经济数据,发现机器人的使用确实对经济增长具有促进作用,全要素生产 率是机器人影响经济增长的重要传导机制,其解释力达到总效应的 60%。

  ( 三 ) 工业机器人对劳动力市场结构的影响

  中、低技能职业的自动化是收入不平等及就业市场分化的原因之一(David H. Autor 等,2003 ;Guy Michaels 等,2014 ;Carl Benedikt Frey 和 Michael A Osborne,2017)。Daron Acemoglu 和 Pascual Restrepo(2022b)研究发现,美国工资结构变化的 50%~70% 可归因于 快速自动化行业中从事常规任务的工人群体相对工资的下降。自动化技术使得机器执行更多任务,导致某些工人失去了他们的工作机会。Daron Acemoglu 等(2023b)基于 2009—2020 年荷兰企业微观数据,借鉴 David H. Autor 和 David Dorn(2013)及 Hans RA Koster 和 CerenOzgen(2021)的方法构建了常规任务强度指数,研究发现机器人应用对于从事蓝领常规工作的、受雇于机器人可替代岗位的及受教育程度较低的劳动者的就业及工资有负面影响,而对从事与机器人有互补关系岗位的劳动者有正向作用。James Besse 等(2023)研究了 2000— 2016 年荷兰企业自动化支出对劳动者个体的影响,发现企业自动化增加了劳动者与企业分离 的概率,降低了劳动者收入,机器人对劳动力的替代效应显著。Erling Barth 等(2020)对挪 威的研究发现,机器人的引入使得高技能劳动者增加更多,公司内部存在技能溢价,总体上引入机器人提高了挪威制造业的平均工资。Anders Humlum(2019)对丹麦的研究发现,工业 机器人应用使得平均工资提高了 0.8%,但是制造业生产岗位工人工资降低了 6%。

  机器人对劳动力市场是否存在极化效应也受到关注。就业极化(employment polarization) 现象指的是高技能和低技能职业的就业份额同时迅速增加,而中等技能职业就业份额下降。 Jay Dixon 等(2021)针对加拿大的研究发现,机器人应用改变了企业人员的技能构成,处于 技能层次中间阶段的人员减少,而与机器人存在互补关系的低、高技能人员比例增多。邸俊 鹏等(2023)使用 2004—2018 年 31 个中国省际单位机器人进口数据,发现机器人的应用增 加了制造业高技能和低技能劳动力就业人数,减少了制造业中等技能劳动力的就业人数,即 表现为明显的“极化”效应。何小钢和刘叩明(2023)的研究发现,机器人主要是通过常规 任务劳动力替代效应和非常规任务岗位创造效应导致就业极化。值得注意的是,上述机器人 应用存在就业极化作用的结论与 Georg Graetz 和 Guy Michaels(2018)基于不包括中国的 17 个国家的研究结论不同,Georg Graetz 和 Guy Michaels(2018)发现低技能劳动力占比下降, 就业极化现象不显著。

  余玲铮等(2021)利用制造业“企业—工人”匹配数据研究发现,机器人使非常规任务 工资大幅增加,工业机器人所体现的技术进步是任务偏向型(TBTC),而非传统意义的教育 技能偏向型(SBTC)。吕洁等(2017)通过对 1990—2015 年间 22 个国家或地区的经验数据分析表明,不断增长的机器人投入正在缓慢地促进发达国家的劳动力结构转型,其高技能劳动力比例在逐年上升,这在韩国等新兴经济体表现得尤为突出。陈佳莹等(2022)结合中国家庭追踪调查(CFPS)的个体数据和 IFR 发布的机器人数据,发现机器人应用降低了低技能个体在大企业正规就业的概率。

  机器人应用导致劳动力岗位迁移和跨部门流动。王林辉等(2023)研究发现,机器人应 用存在岗位转换效应,劳动者从繁重向非繁重岗位、从常规向非常规任务转换。何小钢等(2023) 研究发现,机器人应用降低了大多数行业的企业劳动收入份额,尤其是食品制造业、印刷业等劳动密集型行业。马述忠等(2023)发现,机器人渗透促进了劳动力从制造业向其他服务业部门转移,劳动力的跨部门流动有助于缓解机器人渗透带来的负面影响。何展鸿和韩宝国

  (2019)对佛山制造业的调查发现,多数工人有信心应对机器人带来的冲击,大部分工人认为, 机器人的普及能减轻工作强度,并且愿意通过学习和提升技能水平来提高薪酬待遇水平,在部分企业中任务被机器人替代的劳动者通过转换岗位继续留在原来的企业工作。

  魏下海等(2020)基于中国劳动力动态调查(CLDS,2012—2016 年)的经验研究发现, 当城市机器人安装密度大时,移民有更大的概率进入该城市就业而不是被挤出劳动力市场, 此外,相比于常规任务移民,机器人显著地促进非常规任务移民就业。但是,陈媛媛等(2022) 研究发现,2005—2015 年机器人的应用显著减少了地区外来劳动力的迁入率。

  概括起来,机器人应用对于劳动力市场结构的影响研究受到广泛关注,取得了较大进展。 尽管机器人对总体就业规模的影响还存在一定争议,但是机器人对于其直接可替代的岗位的影响是明确的,机器人还会增加与其互补的岗位需求,机器人应用也推动了劳动力从劳动密集型制造业岗位向服务业岗位、从生产率低的企业向高的企业流动。国内外研究都发现,机器人应用导致了高技能劳动者占比的提高,至于机器人应用是否会导致就业极化,相关研究还没有一致结论。研究还发现,机器人应用提高了总体平均工资水平,但是降低了被机器人替代的制造业岗位的劳动力工资。

  ( 四 ) 影响机器人应用的因素

  Daron Acemoglu 和 Pascual Restrepo(2022a)研究表明,人口老龄化会推动工业自动化, 尤其是机器人技术的广泛应用和发展。面对劳动力短缺和劳动力工资上涨,“机器换人”在较 长时间里是中国企业应用机器人的主要动因之一。对浙江台州“机器换人”情况的调查发现, 16.6% 的企业对“机器换人”有迫切性,54.8% 的企业开展“机器换人”的前提是政府加大政策补助力度(吴敏慧,2016)。Haichao Fan 等(2021)研究发现,生产率高的企业对于最低 工资提高反应更明显,更愿意采用机器人。

  Jay Dixon 等(2021)认为,为了发挥机器人的作用,企业要在管理实践和组织设计上 做深刻变革,这与关于信息技术应用与组织结构需要互补的一些研究结论类似(Timothy F. Bresnahan 等,2002 ;Erik Brynjolfsson 等,2021)。企业能够直接使用的机器人还不多,需要 匹配“冲压、压铸、锻造”等工艺环节“量身定做”,这给企业带来了较大的成本压力 ;“机器换人”是企业向智能制造方向发展的一个阶段,这对企业的技术研发能力、维护能力及生产组织的科学管理水平都提出了更高要求(陆莉莎,2016 ;叶羽萍和王杰敏,2016 ;林昌华, 2015)。在机器人应用渗透中涌现出的机器人共享工厂等创新模式值得借鉴(韩宝国,2019)。 韩宝国和肖威(2022)从政策、金融、人才、平台及共享五个方面提出了机器人应用推进路径。

  实证研究中的难点问题

  ( 一 ) 数据

  获得可靠的机器人应用数据是开展深入研究的基础。Georg Graetz 和 Guy Michaels(2018) 使用的数据是 1993—2007 年 17 个国家的行业机器人应用数据,时间和国家变化带来的数据统计变化使得应用面板回归分析成为可能。Daron Acemoglu 和 Pascual Restrepo(2020)研究 机器人应用对于美国 500 多个通勤区的就业影响,面临着通勤区真实数据无法获得的问题, 作者构建了通勤区机器人暴露指数来反映机器人使用程度,这个指数采用的是行业应用机器 人密度加权区域内各行业就业人口比例。这个指数构建的内在假定是每个行业在各个通勤区的机器人使用密度都一样,各个通勤区机器人暴露指数的差异实际上是各通勤区行业组成差 异带来的,而不是机器人实际使用本身的差异,这也是该研究受到较多质疑的原因。

  有几项针对中国的研究都采用了间接估计企业机器人应用密度的办法。王永钦和董雯 (2020)根据 IFR 发布的数据计算了中国行业机器人应用指数,指数定义为行业机器人存量除以行业 2010 年的就业人数,在此基础上,定义企业机器人渗透度指数为企业中生产部门人数占比除以制造业所有企业生产部门员工占比的中位数,再乘以行业机器人应用指数,这个估计方法假定企业机器人应用只与行业和企业生产部门规模有关。王晓娟等(2022)使用中国

  2009—2019 年各细分行业的机器人安装数据,与 Daron Acemoglu 和 Pascual Restrepo(2020) 做法类似,将行业层面的工业机器人分解到地区层面,利用各个省份现有制造业各行业就业份额的差异和行业机器人数量的保有量,来衡量各省份工业机器人在制造业的渗透度。

  国家行业层面数据会掩盖行业内企业的异质性,无法识别机器人应用对企业就业产生影 响的微观作用渠道。如前所述,Michael Koch 等(2021)收集、整理了西班牙制造业 1990— 2016 年的企业微观数据,把研究拓深到企业微观层面。李磊等(2021)整理了 2000 年至 2013 年中国海关统计的机器人进出口数据,把企业进口机器人数据作为企业实际应用机器人 的替代变量,从而把研究向中国企业微观层面推进了一大步。

  ( 二 ) 因果识别

  机器人应用与就业、生产率等因变量间的双向因果关系,机器人应用的测量误差,以及 遗漏变量等问题都会带来估计偏差问题,即我们所说的内生性问题,这给因果识别造成困难。为减轻内生性问题带来的影响,研究者多采用工具变量方法,以及最新发展的计量分析方法。

  找到合适的机器人应用工具变量是实证研究的关键之一。Georg Graetz 和 Guy Michaels (2018)从行业哪些岗位和任务适合应用机器人入手,寻找构建了两个工具变量,一是行业所包括的岗位中能够被机器人替代的比例,即行业机器人可替代性 ;二是行业所包括的岗位中适合机器人完成的任务,即“触 - 拿”(reaching and handling)任务所占比例。Jay Dixon 等 (2021)为减轻机器人投资的非随机性带来的估计偏差问题,先给细分行业需要的手工灵巧性

  和语言交流能力赋值,再乘以机器人价格中位数的倒数,构建了机器人投资的工具变量。 有研究使用他国机器人应用数据作为研究对象国家的工具变量。Daron Acemoglu 和 Pascual Restrepo(2020)研究机器人应用对美国就业的影响,使用欧洲机器人应用暴露指数作为工具变量。Daron Acemoglu 等(2023a)研究荷兰机器人应用的影响,使用了韩国等机器人应用领先国家的机器人应用指标作为工具变量。陈永伟和曾昭睿(2020)使用美国数据构 建的冲击指数作为工具变量。王永钦和董雯(2020)采用美国的行业机器人渗透数据作为工具变量。陈媛媛等(2022)使用工业机器人科技前沿国家的各行业工业机器人应用变化量作为工具变量。采用他国机器人渗透指数作为研究国的工具变量值得商榷。机器人的技术进步推动世界各国采用机器人,研究对象国家的渗透率和他国的渗透率都是结果,使用平行的结果作为其一的工具变量,两者因果关系较弱,即使是工具变量通过弱工具变量统计检验,从经济作用机制方面看也不能说其为有效工具变量。 较多的研究者采用双重差分方法来设计因果识别实验。为处理双重差分方法中存在的负权重问题,以及跨期处理效应可能不适用于使用双重固定效应分析的问题,Daron Acemoglu 等(2023b)在实证研究中应用了最新发展的解决方案(Clément De Chaisemartin 和 Xavier d’Haultfoeuille,2020;Clement De Chaisemartin 和 Luc Behaghel,2020)。Jay Dixon 等(2021) 应用双重差分方法来推断机器人的影响,采用了粗化匹配方法(coarsended exact matcing, CEM)(Matthew Blackwell 等,2009 ;Stefano M Iacus 等,2012),使控制组和处理组在变量上具有更好的平衡性。李磊等(2021)在研究中采用了双重差分倾向匹配得分方法(PSM-DID)。

  结论与展望

  工业机器人应用对经济发展有深刻影响。研究者建立了基于任务的、垄断竞争一般均衡 框架来分析机器人应用对企业、行业及区域就业和生产率等方面的影响。机器人对就业的影 响被归纳为替代效应和创造效应,机器人资本价格和劳动力工资是其中重要的经济影响因素。 最新的研究将企业异质性引入分析,生产率高的企业更倾向于采用机器人。实证研究支持机 器人应用对企业和区域经济有正向影响,包括产出、劳动生产率、全要素生产率和创新能力等方面。 机器人应用对就业影响的实证研究分为国家地区、行业和企业三个层面,研究结果存在

  一定争论。针对机器人应用发达国家的研究,如德国、荷兰、芬兰等,显示机器人应用没有 显著减少总体就业,这与基于美国的研究结论不同 ;行业层面,有研究认为机器人没有减少行业层面的就业,也有研究表明不同行业影响存在差异,一些行业因为应用机器人就业增加, 也有一些行业就业减少,如,基于中国的一些研究认为,机器人应用减少了制造业就业 ;企业层面,有基于西班牙、中国企业微观机器人实际应用数据的研究表明,应用机器人提高了企业就业水平,也有使用中国企业机器人应用间接估计数据的研究认为,机器人应用减少了企业就业。造成研究结论有所差异的原因,一是不同国家机器人应用的实际情况不同,二是 区域机器人应用微观数据难以获得,这方面的研究还有待深入。

  机器人应用对劳动力市场结构产生较大影响。多项研究表明,随着机器人在许多行业的 广泛应用,从事常规、低技能任务的工人群体受到了较大冲击,这些工人群体往往面临着工资下降和就业机会减少的风险。此外,机器人应用还引发了劳动力岗位的迁移和跨部门流动, 劳动力从传统制造业转向其他服务业部门。机器人应用是否导致就业极化还存在争议。

  机器人应用受多种因素影响。研究表明,人口老龄化、劳动力短缺和成本上涨推动了工业自动化,尤其是机器人技术的应用。生产率较高的企业更愿意应用机器人。机器人应用取得效益也需要企业进行管理实践和组织设计的变革,如创新的共享工厂等模式。机器人应用的推进需要政策、金融、人才、平台等方面的综合措施。

  展望未来,机器人技术在飞速发展,能够完成的生产任务也更复杂,智能工业机器人逐 渐成为趋势,其对就业、生产率和劳动力结构的影响,以及对企业组织变革的推动都是有意 义的研究课题。机器人应用与中国制造业迫切需要的数字化转型升级之间的内在联系,机器人应用与高素质劳动力的培养,机器人应用在新型工业化中与其他组成要素的互补协同作用, 智能工业机器人作为新质生产力的发展应用路径等都是值得深入研究的课题。

[ 业界资讯搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]  [ 返回顶部 ]