工业机器人投入、劳动力供给与劳动生产率

宋旭光 左马华青

内容提要：本文分析随着我国劳动力供给的变化各省份工业机器人投入对工业劳动生产率的影响，并对其存在的异质性进行探讨，考察工业机器人对劳动力供给的影响，以及工业机器人对劳动力是否存在替代效应和存在怎样的替代效应。研究表明：工业机器人与劳动力之间的替代效应更多的是一种互补式替代效应;劳动力供给短缺会倒逼工业企业推动科技创新，促使其更多地应用智能化生产来弥补劳动力供给短缺所带来的负面影响。从结构上看，各地区劳动力供给变化与工业机器人对工业劳动生产率的影响迥异：东部和中部地区已经建成相对完善的机器人产业链，工业机器人投入对劳动生产率的提升效果明显，而东北和西部地区提升效果不明显。

关键词：工业机器人：劳动力供给;劳动生产率

中图分类号：F426

文献标识码：A

文章编号：1003-7543（2019）09-0045-10

工业在我国国民经济中占据举足轻重的地位，其生产率的变动将直接影响经济发展的质量和速度以及竞争优势的提升，直接决定着我国的技术和经济发展水平。现阶段，我国低端劳动力人口下降，创新型人才短缺，依靠人口红利发展工业的时代悄然落幕。人工成本增加以及人口红利的逐渐消失，促使工业企业不断提升自动化水平以替代人工，倒逼工业机器人行业快速发展。国家发展和改革委员会、工业和信息化部、财政部等部门陆续出台多项配套政策，进一步推动我国“智能制造”发展，而这离不开工业机器人在其中的应用。工业机器人等人工智能作为新一轮科技革命和产业变革的核心力量，将重构生产、分配、交换、消费等经济活动环节。

基于上述背景，本文运用2000～2017年省级面板数据，从劳动力供给的数量、结构和质量三个维度，分析探讨劳动力供给变化与工业机器人投入之间的关系，以及二者对于工业劳动生产率的作用机理。本文的实证分析部分将聚焦随着我国劳动力供给的变化工业机器人对工业劳动生产率的影响，并对其存在的异质性进行分析，考察工业机器人对劳动力供给数量、结构和质量的影响，以及工業机器人对劳动力是否存在替代效应和存在怎样的替代效应。

一、相关文献综述

劳动力供给在数量、结构和质量方面的变化，会产生深远的经济影响。有学者分析了美国人口结构对宏观经济的影响，认为一个经济体劳动力供给数量的增加有利于提高产业综合竞争力，并且劳动力供给变化会通过影响产业结构，进而显著影响全要素生产率。一些学者认为，中国的人口红利逐渐消失，劳动力供给变化会影响宏观经济增长。还有学者探讨了劳动力供给变化对产业结构的影响。

科技创新的加快是当今世界经济发生深刻变革的重要原因。而科技创新也会从多个角度影响劳动力供给变化，进而提高劳动生产率。18世纪以来，学者们就科技创新对劳动力就业的影响从理论和实证层面进行了持续且深入的分析，但在研究的观点与结论上始终未能达成共识。有学者认为，科技创新带来的智能化可以取代那些低复杂性、重复性的工作，机器人对劳动力的替代效应是一种挤出式的，从而有助于降低企业对于劳动力的需求，进而提高失业率。也有研究发现，机器人仅仅是对低等技术水平和中等技术水平工作有挤出式替代效应，而对于高等技术水平的工作没有替代效应，也有学者通过构建一般均衡模型对其进行解释。另有学者认为。技术进步对劳动力具有创造效应，一方面技术进步导致的经济增长可以促进企业扩大规模进而提供更多岗位，另一方面技术进步会增加企业对于高等水平劳动力的需求，进而促进劳动力结构转型并创造更多就业机会。

工业机器人是提升劳动生产率的主要手段之一，国内外学者都对其进行了研究。Graetz&Michaels通过对不同国家的制造业行业进行分析，发现更加密集地使用工业机器人会对全要素生产率产生积极且显著的影响。国内的一些学者利用国际机器人联盟（International Federation of Robotics，IFR）以及中国相关数据库，就机器人对全要素生产率、质量升级、经济增长率等方面的影响，进行了贴合中国实际情况的实证分析。此外，对于机器人的宏观影响效应，Acemoglu&Restrepo和吕洁等发现机器人可以完成那些简单、低级、重复的工作，进而大幅度提高企业生产率，但是机器人的使用将引发非技能型失业。

工业机器人的发展正在深刻影响我国各环节经济活动，分析工业机器人的发展对于劳动生产率的影响至关重要。但在实际研究中，由于相关数据的缺乏，现有文献往往只能进行简单的描述分析，涉及工业机器人投入与工业劳动生产率的定量研究成果相对较少。基于此，本文通过核算我国工业机器人投入。从劳动力供给的数量、结构和质量三个维度，分析劳动力供给变化与工业机器人投入之间的关系，以及二者对于工业劳动生产率的作用机理，并对其存在的异质性进行研究。

二、模型、数据与变量

Trajtenberg提出，技术进步会导致两个不同方向的创新：一是“能力增强式创新”（human-en-hancing innovations，HEI），二是“人工替代式创新”（ human-replacing innovations，HRI）。前者认为人工智能可以实现新的创造力和生产力，而后者将会造成失业下岗、工资减少等现象，进而给劳动力带来致命的打击。在我国劳动力供给发生变化的背景下，通过利用人工智能来应对劳动力短缺、劳动力成本提高也顺理成章地提上日程。显然，在进行技术创新时，企业在提高企业利润以及劳动生产率的同时也要兼顾劳动者的利益，本文将这一现象称为“包容性创新”。“包容性创新”有两方面的含义：一方面，企业会通过投入资本进行技术创新，以此来提高企业利润以及生产率，同时，在国家发展和改革委员会、工业和信息化部、财政部等陆续出台的多项配套政策支持下，我国正大力发展科学技术：另一方面，“包容性创新”不太可能造成大规模失业而损害劳动者利益，相反，由于劳动力供给短缺以及劳动力成本提高，会促使企业推动技术创新提高生产率来应对劳动力供给短缺带来的负面影响。

基于上述分析，本文提出第一个实证假说：劳动力供给短缺会促进工业机器人的投入。劳动力供给短缺程度越高，说明劳动力相对越稀缺，增加劳动力所带来的边际成本也就越高。因此，在劳动力供给短缺的国家或地区，工业智能机器人所创造的边际价值更大，对于经济的促进作用也更明显。由此，本文提出第二个实证假说：工业机器人投入通过技术溢出效应提高工业劳动生产率，并且劳动力供给越短缺，工业机器人投入对工业劳动生产率的边际促进作用越大。在进一步探讨人工智能与劳动力之间关系的基础上，提出第三个实证假说：人工智能的发展是一种“包容性创新”，并且人工智能与劳动力之间的关系更多的是一种互补式替代效应。

（一）研究模型的构建

为探讨人工智能与劳动力之间的关系，分析工业机器人和劳动力供给之间的替代关系到底是挤出式的，还是一种互补式替代效应，本文通过构建面板数据简要分析工业机器人投入对工业就业的影响，引入工业从业人数变化值△Emp_ind作为被解释变量，并控制了工业增加值，实证模型如下：

（二）数据来源与变量选取

这里从劳动力供给的数量、结构和质量三个维度，分析探讨劳动力供给变化与工业机器人投入之间的关系，以及二者对于工业劳动生产率的作用機理。本文的样本区间为2000～2017年，涉及的变量数据来自中国省域统计年鉴以及联合国贸发数据库（UNCTAD）等。其中联合国贸发数据库是由联合国统计署创建，数据库包括超过200个国家和地区的年度商品贸易数据，收集超过6000种商品，涵盖全球99%的商品贸易，可以真实反映国家商品贸易流动。本文的工业数据选取规模以上工业企业指标。

1.被解释变量

模型的被解释变量是工业劳动生产率，是由规模以上工业企业增加值除以工业平均用工人数，这一指标越高，说明该地区生产效率越高。数据可由《中国工业统计年鉴》以及中国省域统计年鉴获得。

2.核心解释变量

模型的核心解释变量是工业机器人投入和劳动力供给变化。我们在查找数据时，发现国家统计局关于机器人的数据是HS1996编码中847950（多功能工业机器人）的数据，进而我们采取以下公式相对准确地测算工业机器人投入：

工业机器人投入=工业机器人进口+（国产工业机器人产量-工业机器人出口）

其中，根据国际机器人联盟以及国家统计局发布的数据，2017年我国工业机器人市场上外资品牌销量为10.3万台，而国产销量仅为3.5万台，可见我国工业机器人70%以上是依赖进口。工业机器人进出口的数据可由联合国贸发数据库（UNCTAD）获得，国产工业机器人产量数据可由国家统计局获得。

此外，为构建省级面板数据，我们需要将工业机器人投入量分配到各个省份。2017年工业机器人销量数据显示，汽车行业和电子电气行业应用较为广泛，占比分别为33.3%和27.7%。其后是金属加工行业、橡胶化工行业、食品烟草饮料行业，占比分别为10.8%、7.9%、2.3%。我们假设各地区这五个行业工业机器人应用率相同，进而以各省份这五个行业的份额得到各省份工业机器人投入量权重。

劳动力供给变化（Lab）的测度可从三方面进行：一是劳动力供给数量（Labquan），根据国家统计局标准，将15～64岁人口数界定为劳动年龄人口数，并以该年龄区间人口总数变化作为劳动力供给数量变化的测度：二是劳动力供给结构（Labstru），用老年抚养比表示，老年抚养比越高说明老龄化程度越高：三是劳动力供给质量（Labqlty），一般认为，劳动者受教育程度越高，劳动力质量越高，因此以劳动力人均受教育年限表示劳动力质量水平。劳动力供给数量、结构和质量数据均根据历年《中国人口统计年鉴》和《中国统计年鉴》整理获得。

3.主要控制变量

在模型中劳动力供给变化会与工业机器人投入形成交互项。相关数据可由《中国统计年鉴》获得。在已有的研究中，外商直接投资被认为是技术溢出的主要途径，可以用来分析外商直接投资能否促进工业劳动生产率。该数据可由《中国科技统计年鉴》和各省份国民经济和社会发展统计公报获得。企业进行研发投入的目的是通过技术进步提高生产率，进而实现经济增长，我们采用工业的研发经费内部支出和工业平均用工人数来衡量该因素，数据可由《中国科技统计年鉴》和《中国工业统计年鉴》获得。城镇化水平（Urban）用城镇人口占总人口的比重来表示，可以用来分析城镇化对产业结构的驱动影响。表1报告了变量的数据来源，表2（下页）报告了变量的基本统计描述。

三、实证分析

本文对我国除西藏外的30个省（区、市）的劳动力供给变化和工业机器人投入对工业劳动生产率的提升效应进行面板回归分析。首先根据模型作全样本分析，为了消除模型可能存在的异方差和序列相关问题，采用省域面板数据进行固定效应回归分析。考虑到劳动力供给变化和工业机器人投入对劳动生产率产生作用可能会有时间滞后性，本文还对核心解释变量采取了滞后一期处理进行稳健分析。上述实证模型的估计结果如表3所示。

首先，模型的核心解释变量回归结果显示：在5个模型中，lnrb的系数显著为正，这说明工业机器人投入对省域工业劳动生产率提升具有显著促进作用。其次，从劳动力供给的数量、结构和质量三个维度，分析劳动力供给变化对工业劳动生产率的影响。根据模型1.劳动力供给数量的参数估计显著为负，符合第二产业的库兹涅茨曲线，劳动力供给数量与工业劳动生产率呈现“倒U型”关系，按照我国目前的社会发展形势，现在正处于倒U曲线的右侧。劳动力供给数量和工业机器人投入的交互项相关系数显著为正，说明我国数量型人口红利逐渐消失，劳动力短缺和劳动力成本提高倒逼工业企业加大科技创新，促使工业企业提升自动化水平。根据模型2.本文将老年抚养比作为劳动力供给结构的替代变量，老年抚养比越大，说明老龄化程度越高。老龄化程度的提升，会导致数量型人口红利逐渐消失，进而导致劳动生产率的降低。劳动力供给结构和工业机器人投入的交互项相关系数显著为正，表明人口老龄化会促进工业机器人的投入。人口老龄化程度越高，劳动力相对越稀缺，增加劳动力所带来的边际成本也就越高，对于经济的促进作用也相应越明显。这很好地印证了假说一和假说二。根据模型3.本文将劳动者受教育程度作为劳动力供给质量的替代变量，受教育程度增加显著提高了工业劳动生产率。这表明，随着我国进入高等教育大众化阶段。高学历劳动者比重增加，质量型人口红利逐渐显现，随之而来的便是劳动生产率的稳步提高。劳动力供给质量和工业机器人投入的交互项在统计意义上不显著，但是从经济意义上为负，说明对于那些低水平劳动者比重较大的企业而言，其更愿意通过工业机器人的投入来提升自动化水平以实现劳动生产率的提升。从各核心解释变量滞后一期的结果来看，模型5的参数估计系数和显著性与模型4结果一致，说明模型结果稳健，内生性问题不明显。此外，我们还探讨了控制变量对工业劳动生产率的影响。研发支出R&D的相关系数为正，说明研发支出的投入可以有效地提高劳动生产率。

在考察劳动力供给变化和工业机器人对劳动生产率的影响之后，我们进一步分析劳动力供给变化和工业机器人投入之间的影响关系。针对假说三采用省域面板数据进行固定效应回归，得到实证模型（2）的系数估计结果（见表4）。

表4结果显示，从全样本看，模型6中工业机器人投入对工业行业从业人数具有显著的正向影响，这说明人工智能的发展是一种“包容性创新”，即人工智能与劳动力之间的关系是一种互补式替代效应。这也符合假说三。而对于不同时间区间样本，我们可以看到工业机器人投入的系数2000～2010年显著为正，自2011年起系数由正转负，而2015年由负转正并直至2017年。这进一步说明人工智能与劳动力之间的关系更多的是一种互补式替代效应，仅仅在2011年至2014年间出现了工业机器人引致挤出式替代效应的情况，近几年工业机器人并未造成更多的劳动力替代。

四、进一步讨论及稳健性分析

（一）替换变量法稳健性检验

在替换变量法稳健性分析中，我们利用工业机器人投入台数代替工业机器人投入金额，进一步考察劳动力供给变化和工业机器人投入对工业劳动生产率的影响。同样采用省域面板数据进行固定效应回歸，上述回归模型的系数估计结果如表5所示。

表5报告了替代变量法稳健性检验的回归结果。核心解释变量的显著性以及系数符号与表3基本一致，工业机器人投入会显著促进劳动生产率的提升，并且劳动力供给变化与工业机器人投入之间的影响关系与表3结果一致，证明本文结论具有稳健性。

（二）地域角度稳健性检验

借鉴国家统计局的区域划分方法，将30个省（区、市）划分为：东部（北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南）、中部（山西、安徽、江西、河南、湖北和湖南）、西部（内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆）、东北（辽宁、吉林和黑龙江）4个区域。进一步作分样本面板回归，进行异质性分析，探讨各区域工业机器人投入的生产率提升效应的差异化特征。同样采用省域面板数据进行固定效应回归，上述回归模型的系数估计结果如表6所示。

表6报告了不同区域分样本回归结果，可以看出，各地区劳动力供给变化与工业机器人对工业劳动生产率的影响迥异。从区域分样本来看，工业机器人投入可以有效地提高劳动生产率，且东部和中部地区提升效果明显，而东北和西部地区系数较小且不显著，说明提升效果不明显。其主要原因可能是，东部地区机器人应用起步较早，已经建成相对完善的机器人产业链，市场需求、创新资源布局、创新影响力等方面具备一定优势。中部地区机器人产业发展起步较晚，但是依托宏观布局和政策支持，已逐步建成机器人产业链，后发优势明显。而东北地区作为老工业基地之一，虽然具备制造业基础，具有机器人产业的先发优势，但近些年东北地区经济低迷。人才流失。导致机器人产业发展环境受限。西部地区则主要是探索与积累进程中的发展。从劳动力供给变化来看，劳动力供给数量的相关性在东北地区为正，而在其他地区显著为负。这说明东北地区人才流失导致东北地区仍处在倒U曲线的左侧。从劳动者供给结构来看，我国各个地区均面临人口老龄化问题，且东北地区由于老龄化造成的工业劳动生产率降低效果明显。从模型的主要控制变量来看，大部分变量的系数估计与基准回归一致，其中实际使用外商直接投资金额（FDI）和研发支出（R&D）从分区域样本来看，其系数有正有负，可见存在省域差异性。这也意味着，实际使用外商直接投资金额和研发支出并未与工业机器人投入形成协同效应，针对工业机器人技术的吸收能力与学习能力还较为欠缺。

五、结论与政策建议

本文的实证结果表明，科技发展带来的工业机器人投入会显著提高工业劳动生产率，且这种科技创新是一种“包容性创新”，机器与工人之间的替代效应更多的是一种互补式替代效应，仅在2011年至2014年间出现了挤出式替代效应。

从总量上看，劳动力供给短缺会导致劳动生产率的降低，但是又会倒逼工业企业加大科技创新力度，促使其更多地应用智能化生产来弥补劳动力供给短缺所带来的负面影响。在劳动力供给短缺程度较高的地区，工业机器人所创造的边际价值更大，对于经济的促进作用更明显。

从结构上看，各地区劳动力供给变化与工业机器人对工业劳动生产率的影响迥异。东部和中部地区已经建成相对完善的机器人产业链，市场需求、创新资源布局、创新影响力等方面具备一定优势，工业机器人投入对劳动生产率的提升效果明显。而东北和西部地区由于经济转型、人才流失等原因，机器人产业发展环境受限，工业机器人投入对劳动生产率的提升效果不明显。

值得指出的是，现阶段我国工业机器人行业发展水平依然偏低，2017年我国工业机器人密度仅仅为97台/万人，低于美国、日本、韩国等发达国家。对于中国来说，推动工业机器人行业发展是一个长期而又艰巨的任务，但同时也是把握机遇进而实现“弯道超车”的机会。政府应加大力度出台相关配套政策，给予必要的财政支持，尽快推动工业制造领域人工智能的发展，主动用工业机器人来缓解部分行业的劳动力短缺问题，进一步提升我国“智能制造”水平，促进全社会劳动生产率的提高。具体而言，应重点考虑以下方面的问题：

一是加强国家“智能制造”的顶层设计，营造工业机器人发展的良好环境。围绕当前行业发展整体形势，加强对工业机器人发展的战略引导。一方面，推进政策配套，把握全局落实细则，形成目标协调一致的战略发展体系，实现产业联动的规模效应。另一方面，加大财政支持力度，优化资金配置，增加对工业机器人产业的资金扶持。

二是加强工业机器人的关键技术研发。目前我国智能制造领域人才缺口较大，部分核心技术自主创新不足，需要政府、高校、研究机构、企业打破技术壁垒，加强自主创新，尽快解决本领域的“卡脖子”关键技术问题，为我国推进工业机器人技术创新和行业发展提供可靠的技术保障。

三是顺应工业机器人的发展趋势，切实保障劳动者合法权益。密切跟踪工业机器人发展变化特点，深入研究工业机器人对劳动力就业的影响。对于因自动化程度提高导致的工人就业转移问题要有充分的预判，通过技能培训、就业帮扶等手段引导劳动力与工业机器人的互补式发展。

四是充分发挥工业机器人在提高劳动生产率中的积极作用。要认真总结东部地区工业机器人应用的实践经验，对准国际一流水平缩小技术与管理差距，并逐渐推进机器人劳动供给由智能制造领域向农业、服务业领域的大规模应用，为应对各行业劳动力短缺问题提供解决方案。对于东北地区等面临较大人口老龄化压力但有较好的智能制造基础的老工业基地，要不断提高工业机器人的生产与应用水平，以工业机器人促进老工业基地装备制造业的全面振兴。

（责任编辑：罗重谱）