工业机器人、全要素生产率与制造业增长

胡张婷，周世军

(安徽工业大学 商学院，安徽 马鞍山 243032)

一、引言

当前在人工智能技术兴起的浪潮下，工业机器人被大规模应用，有很多简单重复的岗位逐渐被工业机器人替代，甚至一些创造性的工作也被机器人所替代。毫无疑问，工业机器人将会影响经济系统的各个方面，但目前的研究主要围绕对就业产生的影响，对于工业机器人是如何影响制造业增长的研究并不充分。究其原因主要有以下两个方面：一是由于我国工业机器人的使用尚未纳入传统的经济统计之中，研究工业机器人对制造业增长的影响，则须搜集相关统计数据。二是经济学家一直在试图将工业机器人纳入既有的生产函数，然而，目前的任务模型关于技术内生化的研究并不完善，并不能清晰地解释工业机器人是如何通过影响全要素生产率(Total Factor Productivity，TFP)进而影响制造业增长。

以任务模型为代表的理论模型大多认为工业机器人、自动化与人工智能等新兴生产方式在合意条件下是促进经济增长的。Hanson曾利用新古典经济增长模型，估计智能设备的使用是否会对经济产生影响。Brynjolfsson和Hitt则是通过利用527家美国公司的股票数据进行分析，研究发现在短期内计算机的应用对生产率有正向促进作用，而且这种促进作用从长期来看会更大。Kromann et al.使用不同国家工业机器人数据研究发现，无论是短期还是长期，自动化均对生产率产生显著促进作用。Graetz和 Michaels利用17个国家15年内工业机器人数据的实证研究表明，以工业机器人为代表的自动化技术提升了劳动生产率和经济增长；同时，该研究也发现工业机器人的使用存在“拥挤效应”。

我国学者曹静、陈永伟等梳理了国内外相关研究，从理论角度分析了人工智能对经济的影响，以及人工智能可能会带来的负面影响。李丫丫和潘安等基于中国制造业2001—2014年9个行业面板数据的实证研究发现，工业机器人对生产率有明显的促进作用，而且这种作用越来越强。宋旭光和左马华青研究发现，工业机器人虽然会对劳动力存在替代效应，但这种效应更多是一种互补式的效应。郭凯明通过构建一个DSGE模型，测算人工智能可能存在的影响，最后得出人工智能在不同的产业中产生的影响也不同，且主要是对产业结构和收入方面产生影响。陈永伟和曾昭睿利用省级面板数据发现，使用工业机器人能够有效提升地区全要素生产率，以及这种影响主要是通过改进技术效率和促进规模效益产生的。陈彦斌等也论证了人工智能在提升经济增长和改善资本结构方面发挥了重要作用。杜传文等认为，工业机器人主要替代那些低技能劳动者，与高技能劳动者之间是互补关系。

综上所述，尽管一些学者研究了工业机器人对制造业增长和全要素生产率的影响，但两者是割裂的，并没有将两者统一起来进行研究。本文尝试实证分析工业机器人如何通过影响全要素生产率进而影响制造业增长，从而厘清工业机器人对于制造业增长的影响在多大程度上来自传导效应和直接效应。

二、数据、变量与全要素生产率测算说明

(一)数据来源

本文实证数据选自2010—2018年《中国统计年鉴》《中国工业统计年鉴》以及各省统计年鉴等，地区为中国30个省(市、自治区)，由于港澳台地区、西藏自治区数据缺损严重，未被包含；工业机器人安装量数据来自于中国机器人产业联盟(CRIA)和国际机器人联合会(IFR)，最终形成270个观测样本，具体数据来源见表1。部分省份制造业数据缺失，以规模以上工业企业数据替代，少数缺失数据采用线性插补、趋势外推等方法补齐。本文主要利用Excel与Stata14.0对数据进行处理。

表1 变量及其数据来源

(二)变量说明

1.被解释变量。以往大部分研究是选取《中国工业统计年鉴》中制造业相关行业的工业增加值加总数据来衡量制造业产值。由于2008年及以后的《中国工业经济统计年鉴》不再统计制造业增加值数据，为了保证数据的可得性和一致性，我们参考李丫丫等的研究，选择制造业销售总产值作为制造业增长的衡量指标。由于2013年以前的《中国工业统计年鉴》没有单列制造业的主要经济指标，因此2009—2012年的工业销售产值及其他相关变量是由21个制造业相关行业数据汇总得到。

2.解释变量。本文的核心解释变量是工业机器人使用量(Robot)，现有研究大都采用工业机器人进口量数据来衡量，然而机器人进口量并不等同于应用量，因此我们直接选取工业机器人安装量数据衡量，更具有代表性。但鉴于省际数据较难获得，且考虑到我国工业机器人主要应用在汽车制造、电子信息以及化学原料制造产业，我们根据各省(区、市)制造业平均用工人数占比以及全国制造业工业机器人安装量数据，估计出各省(区、市)工业机器人的安装量。此外，还选取了平均受教育年限(Edu)作为人力资本投入指标，采用平均受教育年限测度人力资本存量水平，具体测算公式为：平均受教育年限=小学文化程度人口比重×6+初中文化程度人口比重×9+高中文化程度人口比重×12+大专及以上文化程度人口比重×16。以固定资产投资(Fix)作为资本要素投入的衡量指标，数据采用的《中国工业统计年鉴》中的固定资产合计项目。

3.中介变量。本文将全要素生产率作为中介变量，考察其在工业机器人与制造业增长之间的中介传导作用。根据之前的理论分析可知，工业机器人不仅可以替代劳动力，其本身可能就意味着新技术的出现和使用，工业机器人可以通过提升生产过程中的技术水平来增加总产出。如果用TFP来表示技术水平，那么TFP就应该是从机器人使用到产出增加的一个传导机制。

4.控制变量。考虑选取影响制造业增长的其他一些因素，主要有对外开放(Open)、产业结构(Ratio)、技术创新(PAT)、交通运输(Trans)等。其中，选取外贸依存度作为对外经济开放程度的衡量指标，计算方式是以进出口总值占GDP的比重衡量；产业结构由第一产业向第二产业和第三产业逐次转移的过程是产业结构高级化的标志，因此选用第二产业增加值与第三产业增加值的比值作为产业结构的衡量指标；一般来说，一个地方的技术创新水平越高，那么这个地方的经济发展水平越高，因此选取专利申请量作为技术创新水平的衡量指标；考虑到制造业增长的外部自然环境因素影响，选取公路里程(万公里)作为交通运输的衡量指标。此外，考虑到不同变量之间水平值数量级的差异，这里对制造业销售总产值、工业机器人安装量、技术创新以及固定资产投资变量分别取自然对数，各变量的描述性统计如表2所示。

表2 变量描述性统计

(三)全要素生产率的测算与分解说明

本文主要利用MAXDEA软件基于DEA-Malmquist指数法进行全要素生产效率的测算，同时将全要素生产率分解为技术进步指数(TC)和规模效率指数(EC)。由于采用DEA-Malmquist指数法需要选择合适的决策单元与投入产出指标，因此下文将对投入及产出指标的获取过程进行详细阐述。

1.投入指标。一是资本投入指标。目前对于资本投入指标的选取大都采用永续盘存法，但是这种方法会受到主观折旧率的影响，用不同折旧率进行估算，资本的结果会存在差异，进而会导致TFP测算结果不同，因此本文选取《中国工业统计年鉴》中的各地区制造业固定资产合计(亿元)作为资本投入指标，并对固定资产合计以固定资产投资价格指数进行平减，样本考察期为2009-2017年。二是劳动投入指标。一般来说，可以选取劳动收入或者劳动人数作为劳动投入指标。由于我国目前仍未完全实现同劳同酬，所以劳动报酬并不能代表劳动投入，因此本文选取《中国工业统计年鉴》中的各地区制造业平均用工人数(万人)来表示，样本考察期也为2009-2017年。

2.产出指标。通常产出指标有工业增加值、工业净产值或者销售收入。由于2008年及之后的《中国工业统计年鉴》不再统计制造业的增加值数据，因此为了保证数据的可得性和一致性，本文选取制造业的主营业务收入(亿元)作为产出指标。

根据DEA-Malmquist指数测算方法，我们可以计算出2008年至2017年各地区制造业TFP变动情况，以及分解后的技术进步指数(TC)和规模效率指数(EC)。限于篇幅，测算结果不全列出，仅以2017年的数据为例，测算的全要素生产率以及分解后的技术进步指数(TC)和规模效率指数(EC)如表3所示。总的来说，各省市的全要素生产率都为正数，但从长期来看，全要素生产率的增速有所放缓。此外，发现中西部地区全要素生产率增速更快，东部地区的增速较慢，这可能与产业转移有关。东部地区的土地、劳动力以及原材料等生产要素的成本上升了，而中西部地区在这些方面具有优势，因此，造就了制造业逐渐转移至中西部地区。

表3 地区制造业全要素生产率测算结果

三、实证研究

(一)中介模型设定

中介作用是指自变量通过中介变量来影响因变量的过程，如图1中介作用示意图所示。构建TFP的中介作用检验模型，如公式1所示：

图1 中介作用的简单示意图

(1)

其中，Sale、Robot、Z、ε的定义与前文相同，不再赘述，

TFP

为各省的全要素生产率。

若上述方程(a)、(b)、(c)的回归系数同时满足下列条件，则认为中介作用存在：(1)若方程(a)中与θ零有显著差异，则表明其对应的自变量与因变量存在线性关系；(2)若方程(b)中与θ零有显著差异，则表明其对应的自变量与因变量存在线性关系；(3)若方程(c)中的与θ零有显著差异，且(a)与θ的值明显小于θ，则意味着中介变量有助于预测因变量。若方程(a)、方程(b)、方程(c)的回归系数满足上述三个条件，则说明lnRobot对lnSale的影响一部分是直接影响，一部分是通过中介变量TFP间接影响。进一步地，若方程(c)中θ的不显著，则说明lnRobot对lnSale的影响全部通过TFP中介实现。本文建立如图2中介效应检验程序进一步检验，同时，假设TFP在工业机器人应用和制造业增长中发挥着中介作用，如图3所示。

图3 TFP的中介模型

图2 中介效应的检验程序

TFP中介作用检验模型的具体回归结果见表4。其中：方程(a)和方程(b)中工业机器人应用量的回归系数与零有显著差异；方程(c)中的变量的回归系数与零有显著差异，且方程(c)的工业机器人应用量的回归系数小于方程(a)的工业机器人应用量的回归系数，说明TFP在工业机器人应用量与制造业增长的关系中发挥着中介作用。其中，因为方程(c)中工业机器人应用量的回归系数与零有显著差异，所以工业机器人对制造业增长的影响一部分是直接影响，一部分是通过中介变量TFP间接影响的。根据表4还可以计算出中介效应的强度，结果发现TFP作为中介效应解释了总效应的17.55%，工业机器人影响制造业增长的直接效应解释了总效应的82.45%。这说明工业机器人的使用提高了制造业产出增长的总效应，主要是通过工业机器人自身直接效应来实现的。

(二)TFP的中介作用检验结果

表5 TC中介作用的回归结果

表6 EC中介作用的回归结果

四、结论及建议

本文通过实证分析研究了TFP的提升是工业机器人促进制造业增长的重要中介机制，从TFP提升的视角揭示工业机器人对于制造业增长的影响。随着工业机器人使用的增加，如果工业机器人的生产存在规模经济，那么工业机器人的成本就会下降，就会有更多的行业和部门选择使用工业机器人。按目前情况来看，使用工业机器人的行业和部门的生产效率普遍较高，随着越来越多行业和部门投入使用工业机器人，总体的生产效率也会越来越高。这说明工业机器人对于制造业增长的影响不仅体现在对劳动力的替代，还体现在其促进了TFP的提高上。本文的实证结果证实了这一点。实证研究发现：工业机器人对制造业增长的影响一部分是直接影响，一部分是通过中介变量TFP间接影响的；TFP作为中介效应解释了总效应的17.55%，工业机器人影响制造业增长的直接效应解释了总效应的82.45%。此外，通过进一步检验发现，TFP关于工业机器人应用和制造业增长的中介作用主要是通过技术进步指数(TC)传导的，技术效率指数(EC)的中介效应不显著。

根据上文的研究结果，本文提出如下政策建议：

一是加大对工业机器人使用的扶持力度。国家和各级政府部门在了解目前制造业发展现状的基础上，对症下药，制定相应的措施，促进制造业高质量发展。通过在制造业行业中大力投入使用工业机器人，进而推动制造业高质量发展，是需要各个相关主体一起努力的。在这个过程中，政府起着至关重要的作用。因此，地方政府应当出台财政、税收、金融等政策，以此来激励制造业等实体经济部门构建与完善工业机器人产业体系，大力支持制造业企业研发机器人以及运用机器人技术等，为制造业高质量发展提供有利的外部激励条件。

二是重视劳动者的教育以及人力资本的投入。由于工业机器人的发展过程中会造成劳动力市场结构发生改变，工业机器人的使用会替代很多原来由人力进行生产的工作岗位，但同时也会创造出一些新的岗位，这就会对劳动者的素质提出更高的要求。因此，需要尽快建立和完善这方面的人才培养制度，以期能在较短时间内培养出能够掌握机器人等新兴技术的高素质人才。同时要尽快建立人才激励机制和就业激励机制方面的政策制度，推进人才体制改革，优化人才培养环境。此外，还需大力发展机器人学科，各地政府需制定相关政策，促进机器人学科研究更快发展。

三是重视相关基础设施的配套建设。工业机器人的应用范围广泛，涉及到日常生活的方方面面，但是这些技术的应用需要相关设施的配合。譬如，目前机器人大多需要通过网络和程序进行远程控制，这就对网络提出了较高要求。5G技术若能大范围应用，人类对于机器人的控制则会更灵活，操作效率将大幅提升。因此，应重视与新技术相适应的基础设施建设，以使新技术的应有作用得以充分发挥。

四是要加强国际合作，吸收国际经验，缩小与国外机器人产业的差距。虽然我国占据着全球第一的工业机器人市场，但是我国机器人企业与发达国家还有一定的差距，这意味着我国在工业机器人产业的发展空间上仍然有巨大的潜力，因此，我们应该抓住机遇，加强国际合作，吸收国际经验，积极发展工业机器人产业，缩小与发达国家的差距。

五是在加大工业机器人使用促进产出增长的同时，也要防范其产生不利影响。技术变革在促进经济增长的同时也会带来一些社会问题，如失业、收入分配恶化等。如果不能及时处理这些问题，也会对社会造成巨大的影响。因此，加快发展工业机器人的投入不仅要考虑劳动力转型和重新就业问题，而且还要善于运用工业机器人等新技术为人们创造更多的就业机会。此外，政府也要为那些因为工业机器人的使用而失去工作的人提供基本的社会救济和生活保障，将新技术带来的负面效应降到最小。