杜文強

摘 要：工業(yè)機器人的廣泛應用不但可以提高制造業(yè)生產(chǎn)效率，促進工業(yè)升級，還會通過提高人力資本水平、增加服務業(yè)需求、創(chuàng)造第三產(chǎn)業(yè)崗位等路徑推動地區(qū)產(chǎn)業(yè)結構的升級。采用2006—2016年中國284個地級市面板數(shù)據(jù)的分析表明：工業(yè)機器人安裝密度和存量密度的提高均對城市產(chǎn)業(yè)結構高級化水平具有顯著的正向影響，并可以通過人力資本提升效應、服務業(yè)需求效應和崗位創(chuàng)造效應促進城市產(chǎn)業(yè)結構升級;工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的促進效應存在區(qū)域、時間和城市異質(zhì)性，對東部地區(qū)的促進作用比中西部地區(qū)更為明顯，在2013年后的促進效應更顯著，對高技能勞動力密集型城市的影響比低技能勞動力密集型城市更大。應繼續(xù)大力扶持和發(fā)展機器人產(chǎn)業(yè)，促進工業(yè)機器人應用，尤其要加快中西部地區(qū)的工業(yè)機器人應用;積極推廣職業(yè)教育和技能培訓，不斷提升勞動力的勞動技能，促進工業(yè)機器人應用與人力資本提升的良性循環(huán)。

關鍵詞：工業(yè)機器人應用;產(chǎn)業(yè)結構升級;人力資本;勞動技能;服務業(yè)需求;崗位創(chuàng)造效應

中圖分類號：F426 文獻標志碼：A 文章編號：1674-8131（2022）0-0097-14

一、引言

根據(jù)“國際機器人聯(lián)盟”（ International Federation of Robotics，IFR）的定義，工業(yè)機器人是在三個或以上軸上面可自動化控制（automatically controlled）、可重復編程（reprogrammable）、有多種用途（multipurpose）的機器設備。國內(nèi)研究中對“機器人”的稱謂包括“機器人”“工業(yè)機器人”“人工智能”以及“智能制造（智能化）”等，其中又以“工業(yè)機器人”居多，即在制造業(yè)部門中應用的機器人。由于機器人的應用在制造業(yè)部門的規(guī)模大、增速快，而非制造業(yè)部門的機器人應用相對較少、涵蓋范圍也較窄（趙春明 等，2020）[1]，因而本文的研究針對工業(yè)機器人的應用，沒有考慮制造業(yè)部門以外的機器人應用。

中國工業(yè)機器人的應用雖然起步時間較晚，但發(fā)展態(tài)勢迅猛，并得到國家的大力支持。20世紀50年代，美國開始將機器人應用于生產(chǎn)中，隨后歐洲和日本等發(fā)達國家也開始在生產(chǎn)中引入機器人。根據(jù)IFR提供的數(shù)據(jù)，2006年后中國的工業(yè)機器人應用規(guī)模不斷擴大，并在2012年后加速增長（孔高文 等，2020）[2]。2017年，中國的工業(yè)機器人安裝量超過47萬臺，占全世界當年安裝總量的近四分之一（王文 等，2020）[3]，目前中國已經(jīng)成為世界上最大的工業(yè)機器人應用市場。中國工業(yè)機器人應用的迅猛發(fā)展一方面有經(jīng)濟轉型（如勞動力資源結構轉變）的要求和市場變化的需求，另一方面也離不開政府的大力支持和推動。在2013年之后，中央和地方政府紛紛出臺多種引導、鼓勵和補貼政策，大力推進工業(yè)機器人應用。如，2013年工業(yè)和信息化部發(fā)布《關于推進工業(yè)機器人產(chǎn)業(yè)發(fā)展的指導意見》，提出到2020年形成較為完善的工業(yè)機器人產(chǎn)業(yè)體系的發(fā)展目標。此后，《中國制造2025》《機器人產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020）》等也都對中國工業(yè)機器人的發(fā)展進行了規(guī)劃。

當前中國經(jīng)濟發(fā)展進入新常態(tài)，已由高速增長階段轉向高質(zhì)量發(fā)展階段。改革開放以來，中國產(chǎn)業(yè)結構調(diào)整取得了顯著進展，第三產(chǎn)業(yè)產(chǎn)值比重在2013年（46.39%）首次超過了第二產(chǎn)業(yè)的比重（44.2%），并在2015年首次超過了50%。但經(jīng)濟發(fā)展不平衡不充分的問題仍然突出，產(chǎn)業(yè)結構調(diào)整和優(yōu)化升級仍是轉變發(fā)展方式和實現(xiàn)高質(zhì)量發(fā)展的必然要求和重要任務?，F(xiàn)階段中國經(jīng)濟發(fā)展面臨多種疊加壓力，國內(nèi)勞動力成本不斷提升，人口老齡化等導致勞動力資源結構變化。工業(yè)機器人的應用，不僅可以提高生產(chǎn)效率，還可以緩解老齡化帶來的勞動力供給不足，有望成為促進產(chǎn)業(yè)結構升級和實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的有效途徑之一。

伴隨著工業(yè)機器人應用在中國的迅猛增加，工業(yè)機器人應用的社會經(jīng)濟效應也日益受到關注。比如，工業(yè)機器人應用對就業(yè)、工資和生產(chǎn)率等都會產(chǎn)生影響，而這些因素都可能會對產(chǎn)業(yè)結構調(diào)整和升級產(chǎn)生影響，但目前直接研究工業(yè)機器人應用與產(chǎn)業(yè)結構升級的文獻還較少。有鑒于此，本文在已有研究的基礎上，進一步探究工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響及其機制。本文的邊際貢獻主要在于：第一，現(xiàn)有研究多關注機器人應用對勞動力市場的影響，較少關注工業(yè)機器人應用對產(chǎn)業(yè)結構升級的影響，且相關經(jīng)驗研究多基于省級層面數(shù)據(jù)。本文基于中國地級市層面的數(shù)據(jù)檢驗工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響，分析更為細致，結論更為可信，可以作為現(xiàn)有文獻的有效補充。第二，本文從理論上探討工業(yè)機器人應用促進城市產(chǎn)業(yè)結構升級的3種機制（人力資本提升效應、服務業(yè)需求效應、崗位創(chuàng)造效應），并使用中介效應模型進行實證檢驗，還對地區(qū)、時間及城市維度的異質(zhì)性進行實證分析，豐富和拓展該領域的研究內(nèi)容和思路，可為進一步的研究提供有益參考。

二、理論分析與研究假說

隨著機器人產(chǎn)業(yè)的迅速發(fā)展，工業(yè)機器人應用對經(jīng)濟發(fā)展的影響逐漸得到重視，不少文獻研究了工業(yè)機器人應用對勞動力市場、經(jīng)濟增長和人口老齡化等的影響，但目前很少有文獻研究工業(yè)機器人應用對產(chǎn)業(yè)結構升級的影響。工業(yè)機器人在生產(chǎn)中的應用可以提高制造業(yè)生產(chǎn)率（Halpern et al，2015;宋旭光 等，2019;楊光 等，2020）[4-6]，而制造業(yè)生產(chǎn)率的提高會促進與其具有互補關系的服務業(yè)的規(guī)模增長，從而推動產(chǎn)業(yè)結構向第三產(chǎn)業(yè)演化（Ngai et al，2007）[7]。郭凱明（2019）通過模型推演和數(shù)值模擬發(fā)現(xiàn)，如果人工智能在制造業(yè)的比重較大，則會推動產(chǎn)業(yè)結構向服務業(yè)演化[8]。為數(shù)不多的實證研究也發(fā)現(xiàn)，工業(yè)機器人應用可以推動產(chǎn)業(yè)結構升級。王文等（2020）使用省級區(qū)域數(shù)據(jù)研究工業(yè)機器人沖擊對服務業(yè)的影響，發(fā)現(xiàn)工業(yè)機器人應用促進了服務業(yè)的結構升級[3]。韋東明等（2021）基于省級區(qū)域數(shù)據(jù)的分析表明，工業(yè)機器人應用促進了產(chǎn)業(yè)結構升級[9]。胡晟明等（2021）的研究也發(fā)現(xiàn)工業(yè)機器人應用可以促進產(chǎn)業(yè)結構升級[10]。

基于此，本文提出研究假說H1：工業(yè)機器人應用對產(chǎn)業(yè)結構升級具有促進作用。

工業(yè)機器人應用會對地區(qū)人力資本水平產(chǎn)生影響。首先，工業(yè)機器人應用會影響工資水平。楊曉鋒（2018）分析發(fā)現(xiàn)，工業(yè)機器人應用可以增加制造業(yè)的平均工資水平[11];Autor和Dorn（2013）則認為，自動化和信息技術會產(chǎn)生工資的兩極分化，高技能和低技能勞動者對應的工資增長，而中等技能勞動者對應的工資降低[12];Acemoglu和Restrepo（2019）的研究則顯示，美國的機器人應用顯著降低了勞動者工資[13]。雖然相關研究對工業(yè)機器人應用的整體工資效應暫未達成共識，但當考慮常規(guī)任務和非常規(guī)任務時，工業(yè)機器人應用可以提高非常規(guī)任務的相對工資（余玲錚 等，2021）[14]。同樣，考慮勞動力技能時，工業(yè)機器人應用會帶來中高技術工人的工資會上漲（張桂金 等，2019）[15]。這是因為工業(yè)機器人與不同勞動任務、不同技能勞動者之間的替代性是存在差異的。而工資水平的上漲會提高人力資本，因為收入水平的上漲會提高勞動者對人力資本的投資（胡晟明 等，2021）[10]。其次，工業(yè)機器人應用會導致高技能勞動力對低技能勞動力的替代（王永欽 等，2020）[16]，機器人應用對就業(yè)的替代作用在低學歷占比較高的地區(qū)更加明顯（孔高文 等，2020）[2]。面對工業(yè)機器人應用的沖擊，企業(yè)會通過培訓和招聘方式提升勞動力技能，勞動者自身也會更加努力提升技能水平，進而促進人力資本水平的整體提升。最后，工業(yè)機器人應用會影響勞動力的就業(yè)地址選擇，從而對勞動力遷移產(chǎn)生影響（魏下海 等，2020）[17]，這也可能會影響地區(qū)的人力資本水平。而人力資本的提升會促進產(chǎn)業(yè)結構的優(yōu)化升級（李敏 等，2020;何小鋼 等，2020）[18-19]。

基于此，本文提出研究假說H2：工業(yè)機器人應用可以通過人力資本提升效應促進產(chǎn)業(yè)結構升級。

服務業(yè)與制造業(yè)存在互補關系，工業(yè)機器人應用會促進制造業(yè)部門的擴張，這會增加對與制造業(yè)相關的服務行業(yè)的需求，從而通過制造業(yè)的規(guī)模效應帶動處于同一產(chǎn)業(yè)鏈之中的相關服務業(yè)行業(yè)的發(fā)展（Acemoglu et al，2017）[20]，比如生產(chǎn)性服務業(yè)和高端服務業(yè)。同時制造業(yè)規(guī)模的提升，還會提高對相關聯(lián)服務行業(yè)的需求，進而帶動相關服務行業(yè)的規(guī)?；蛯I(yè)化發(fā)展，并促進服務業(yè)的結構升級（王文 等，2020）[3]。

基于此，本文提出研究假說H3：工業(yè)機器人應用可以通過服務業(yè)需求效應促進產(chǎn)業(yè)結構升級。

從就業(yè)的角度來看，工業(yè)機器人應用會對就業(yè)產(chǎn)生兩方面影響。一方面，工業(yè)機器人應用會對低技能勞動力產(chǎn)生替代效應。以計算機技術為代表的自動化技術會替代常規(guī)型的工作任務，而這部分任務和崗位的就業(yè)者通常是低技能勞動力（Autor et al，2003）[21]。受到工業(yè)機器人應用的影響，低技能勞動力會向本地其他行業(yè)和其他地區(qū)進行轉移，尤其是轉向本地勞動力替代彈性較高的其他行業(yè)（孔高文 等，2020）[2]，勞動力在服務業(yè)就業(yè)的概率會增加（趙春明，2020）[1]。工業(yè)機器人的就業(yè)替代效應，促使勞動力轉向服務業(yè)，進而促進產(chǎn)業(yè)結構的演進。另一方面，工業(yè)機器人應用也會對服務業(yè)產(chǎn)生就業(yè)創(chuàng)造效應，即創(chuàng)造更多與人工智能相關的服務業(yè)崗位。以工業(yè)機器人為代表的人工智能技術具有技術偏向性，需要更多更高人力資本水平的崗位與之匹配，并且人工智能是一種“誘導式創(chuàng)新”的發(fā)展方式，其與勞動力之間存在一種“補位式替代”的關系（陳秋霖 等，2018）[22]。工業(yè)機器人應用會為生產(chǎn)性服務業(yè)和高端服務業(yè)創(chuàng)造更多的就業(yè)崗位（王文 等，2020）[3]，而這會促進服務業(yè)的產(chǎn)業(yè)結構升級。

基于此，本文提出研究假說H4：工業(yè)機器人應用可以通過崗位創(chuàng)造效應促進產(chǎn)業(yè)結構升級。

三、實證方法與數(shù)據(jù)來源

1.模型構建

2.變量選取與測度

（1）“產(chǎn)業(yè)結構”（industry）。產(chǎn)業(yè)結構升級包含產(chǎn)業(yè)結構高級化和產(chǎn)業(yè)結構合理化，衡量產(chǎn)業(yè)結構的指標有很多，比如第三次產(chǎn)業(yè)的產(chǎn)值占地區(qū)生產(chǎn)總值的比重、第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值之比以及產(chǎn)業(yè)結構合理化指數(shù)等。本文著重關注產(chǎn)業(yè)結構的高級化，即產(chǎn)業(yè)結構從第一和第二產(chǎn)業(yè)向第三產(chǎn)業(yè)的演進，因此使用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值比重之比作為衡量“產(chǎn)業(yè)結構”的指標，并取自然對數(shù)。

（3）控制變量。本文控制了一系列可能影響產(chǎn)業(yè)結構升級的城市特征變量，包括：“經(jīng)濟發(fā)展水平”（pergdp），采用城市人均GDP（萬元/人）來衡量;“人均資本”（ln kl_ratio），采用城市固定資產(chǎn)投資總額與就業(yè)人數(shù)比值的自然對數(shù)來衡量;“城鎮(zhèn)化率”（urben），采用城鎮(zhèn)常住人口數(shù)占當年常住人口數(shù)的比重來衡量;“對外開放程度”（ln fdi），采用各城市實際利用外資額的自然對數(shù)來衡量。

3.數(shù)據(jù)來源

本文實證研究的樣本期間為2006—2016年

本文使用的工業(yè)機器人數(shù)據(jù)來源于國際機器人聯(lián)合會（IFR），IFR提供了國家—年份—行業(yè)層面的機器人安裝數(shù)據(jù)，其中中國的數(shù)據(jù)最早是1999年，但只有全部行業(yè)的總量數(shù)據(jù)，無分行業(yè)數(shù)據(jù)，直到2006年才開始有分行業(yè)的工業(yè)機器人安裝量和存量數(shù)據(jù)，因此本文將2006年作為樣本開始年份。在IFR數(shù)據(jù)中，中國制造業(yè)14個細分行業(yè)的工業(yè)機器人數(shù)據(jù)可得的全部年份為2006—2018年，本文基于城市層面的研究需要控制城市層面影響產(chǎn)業(yè)結構升級的其他變量，其中“資本—勞動比”變量的計算需要固定資產(chǎn)投資總額的數(shù)據(jù)，而城市統(tǒng)計年鑒自2017年起不再提供固定資產(chǎn)投資總額數(shù)據(jù)，為減少遺漏變量引起的估計偏誤，選擇以2016年作為樣本結束時間。此外，筆者也采用2006—2018年的數(shù)據(jù)進行了模型檢驗，回歸結果與本文基準模型的分析結果一致。，樣本城市為中國30個省區(qū)市（不包括港澳臺地區(qū)和西藏自治區(qū)）的284個城市，最終得到共2 900個樣本的城市層面非平衡面板數(shù)據(jù)。數(shù)據(jù)來源主要有以下4個：（1）工業(yè)機器人數(shù)據(jù)來源于IFR，包括14個制造業(yè)細分行業(yè)的機器人安裝量和存量。（2）制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來自《中國勞動統(tǒng)計年鑒》，由于IFR提供的14個制造業(yè)分行業(yè)與中國制造業(yè)行業(yè)分類存在差別，參考閆雪凌等（2020）的做法[24]，將中國制造業(yè)分行業(yè)歸并到14個IFR制造業(yè)分行業(yè)中，以此獲得每個細分行業(yè)的就業(yè)量

由于《中國勞動統(tǒng)計年鑒》在2012年以前的制造業(yè)分行業(yè)中沒有區(qū)分汽車制造業(yè)（IFR 11行業(yè)）與船舶、輪船及其他運輸設備制造業(yè)（IFR 12行業(yè)），因此，2012年以前歸并的IFR11汽車制造業(yè)分行業(yè)就業(yè)人數(shù)是兩個行業(yè)的加總（相應機器人數(shù)據(jù)加總），后面的相關分析中做相同處理（如計算工具變量時對美國數(shù)據(jù)的處理）。。（3）城市制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來源于第二次全國經(jīng)濟普查，根據(jù)2008年全國各城市企業(yè)層面的就業(yè)信息和行業(yè)類別，可以計算出城市—行業(yè)層面的就業(yè)數(shù)據(jù)和占比。（4）其他變量的數(shù)據(jù)來自相應年度的《中國城市統(tǒng)計年鑒》以及各省區(qū)市和城市統(tǒng)計年鑒等，部分缺失值采用插值法補齊。主要變量的描述性統(tǒng)計見表1。

四、實證結果分析

1.基準回歸結果

基準模型的回歸結果見表2。其中，（1）（2）列是使用穩(wěn)健標準誤的OLS回歸結果，（3）～（6）列是控制固定效應的回歸結果，所有回歸中均對標準誤在省級層面進行了聚類。在表2的所有回歸結果中，“工業(yè)機器人應用”的系數(shù)均為正，且都在1%或5%的水平上顯著，表明工業(yè)機器人應用顯著促進了城市產(chǎn)業(yè)結構升級，研究假說H1得到驗證。

2.內(nèi)生性處理

直接使用工業(yè)機器人應用指標對產(chǎn)業(yè)結構進行回歸，可能會存在內(nèi)生性偏誤，比如反向因果關系和遺漏變量的干擾。反向因果關系是指，城市產(chǎn)業(yè)結構水平也可能會影響工業(yè)機器人應用，如城市高技術產(chǎn)業(yè)發(fā)達，機器人相關的研發(fā)和生產(chǎn)技術能力強，可能會促進城市工業(yè)機器人的應用。為解決反向因果關系帶來的內(nèi)生性，本文使用工具變量法進行檢驗。借鑒Acemoglu和Restrepo（2017）[20]的做法，使用美國工業(yè)機器人密度來構造相應的樣本城市層面的工業(yè)機器人密度作為工具變量

美國制造業(yè)分行業(yè)的就業(yè)數(shù)據(jù)來自NBER-CES（naics2012版本），其提供了6位naics代碼的制造業(yè)分行業(yè)數(shù)據(jù)，使用前文歸并中國制造業(yè)分行業(yè)到IFR分行業(yè)的方法進行歸并。。使用世界上其他與中國工業(yè)機器人發(fā)展類似國家

如美國（王永欽 等，2020）、捷克（王文 等，2020）以及愛沙尼亞等五國的平均值（胡晟明 等;2021）等[16][3][10]。的機器人密度作為工具變量是相關文獻常用的方法。本文選擇使用美國工業(yè)機器人數(shù)據(jù)構造工具變量是基于以下考慮：一方面，在樣本期內(nèi)美國工業(yè)機器人應用的發(fā)展趨勢與中國比較接近，且美國的機器人技術全球領先，其工業(yè)機器人應用可以反映機器人產(chǎn)業(yè)的技術進步趨勢，滿足相關性假定;另一方面，沒有證據(jù)表明美國的工業(yè)機器人應用會直接影響中國城市的產(chǎn)業(yè)結構變動，其只能通過與中國工業(yè)機器人應用的關聯(lián)來起作用，滿足外生性假定。

本文使用兩階段最小二乘法（2SLS）來進行工具變量估計，回歸結果見表3。其中第（1）（2）列是使用美國工業(yè)機器人安裝密度構造的工具變量的回歸結果，（3）（4）列是使用美國工業(yè)機器人存量密度構造的工具變量的回歸結果。rk F統(tǒng)計量均大于臨界值，表明工具變量與核心解釋變量的相關性較強，不存在弱工具變量問題;rk LM檢驗的p值均為0，拒絕原假設，不存在識別不足的問題。工具變量的回歸系數(shù)為正且顯著，表明工業(yè)機器人應用促進了城市產(chǎn)業(yè)結構升級，再次驗證了研究假說H1。

遺漏變量是指城市工業(yè)機器人應用可能與某些不可觀測的因素有關，或者存在其他影響產(chǎn)業(yè)結構的變量。為減輕遺漏變量問題，借鑒相關研究，本文在基準模型的基礎上增加其他可能會影響產(chǎn)業(yè)結構的控制變量。具體來講，加入“郵政業(yè)務收入”“電信業(yè)務收入”“年末人均存款余額”“貸款余額”和“人均社會消費品零售額”等變量，這些變量反映信息化水平、金融發(fā)展和消費需求等因素對產(chǎn)業(yè)結構的影響（羅來軍 等，2012;陽立高 等，2014;馬微，2019）[25-27]。增加控制變量后的回歸結果見表3的（5）（6）列，工業(yè)機器人安裝密度和存量密度的估計系數(shù)均顯著為正，同樣也驗證了研究假說H1。

3.穩(wěn)健性檢驗

為進一步驗證基準模型的分析結果，本文還進行了多種穩(wěn)健性檢驗。

（1）核心解釋變量“工業(yè)機器人應用”指標的替代。一是基于工業(yè)機器人存量計算“存量密度”，用以替代基準模型中基于工業(yè)機器人安裝量計算的“安裝密度”，估計結果見表4的（1）列;二是使用滯后一期的“安裝密度”和“存量密度”作為“工業(yè)機器人應用”的替代指標，估計結果見表4的（2）（3）列;三是基于第一次全國經(jīng)濟普查數(shù)據(jù)（2004年）計算“工業(yè)機器人應用”，替代基準模型中基于第二次全國經(jīng)濟普查數(shù)據(jù)計算的“工業(yè)機器人應用”，回歸結果見表4的（4）（5）列;四是參考胡晟明等（2021）的方法[10]，用經(jīng)過行業(yè)規(guī)模調(diào)整的“工業(yè)機器人應用”替代基準模型的“工業(yè)機器人應用”指標，即使用以2006年為基期的制造業(yè)分行業(yè)銷售產(chǎn)值增長率對2007—2016年的工業(yè)機器人密度進行調(diào)整，估計結果見表4的（6）（7）列。

（2）被解釋變量“產(chǎn)業(yè)結構”指標的替代。使用第三產(chǎn)業(yè)占比作為基準模型中“產(chǎn)業(yè)結構”的替代指標，估計結果見表5的（1）（2）列。

（3）剔除直轄市樣本。直轄市具有一定的特殊性，因而使用剔除直轄市樣本后的子樣本進行回歸分析，估計結果見表5的（3）（4）列。

（4）調(diào)整樣本年份。在計算城市層面的工業(yè)機器人應用指標時，通常要選擇一個制造業(yè)就業(yè)結構的基期，這樣可以消除制造業(yè)內(nèi)部結構變化造成的影響。本文基準模型中使用的制造業(yè)就業(yè)結構是根據(jù)第二次全國經(jīng)濟普查（2008年）的數(shù)據(jù)計算的，而基準回歸樣本的區(qū)間為2006—2016年，穩(wěn)健起見，刪除2008年及之前的樣本，只使用2009年之后的樣本數(shù)據(jù)進行回歸，估計結果見表5的（5）（6）列。

（5）安慰劑檢驗。產(chǎn)業(yè)結構自身存在逐步演進和優(yōu)化的趨勢，即產(chǎn)業(yè)結構的變化可能只是其自身演變的結果，而與工業(yè)機器人應用并不存在因果關系。對此，進行安慰劑檢驗，即檢驗過去的產(chǎn)業(yè)結構水平是否與未來的工業(yè)機器人應用相關。使用2012—2016年的工業(yè)機器人應用指標對1999—2003年的產(chǎn)業(yè)結構水平指標進行回歸

之所以選擇1999—2003年的產(chǎn)業(yè)結構水平指標，一方面是因為1999年是比較早的可以完整獲得城市產(chǎn)業(yè)結構指標數(shù)據(jù)的年份，另一方面是因為中國制造業(yè)從2006年左右才開始較大規(guī)模地應用工業(yè)機器人，此前年份的產(chǎn)業(yè)結構變化幾乎不受工業(yè)機器人應用的影響。，估計結果見表6的（7）列?！肮I(yè)機器人應用”的估計系數(shù)不顯著，表明過去的產(chǎn)業(yè)結構變動與未來的工業(yè)機器人應用無關，二者之間不存在趨勢相關性，再次說明本文的基本結論是穩(wěn)健的。

上述穩(wěn)健性檢驗中，除了安慰劑檢驗外，“工業(yè)機器人應用”的估計系數(shù)均顯著為正，表明本文基準模型的分析結果具有很強的穩(wěn)健性，“機器人應用可以促進城市產(chǎn)業(yè)結構升級”的結論是可信的。

4.異質(zhì)性分析

（1）地區(qū)異質(zhì)性。不同地區(qū)的經(jīng)濟發(fā)展水平不同，機器人應用也存在差異，因此不同地區(qū)的工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響可能也存在差異。在基準模型中加入“工業(yè)機器人應用”與地區(qū)虛擬變量的交互項，以西部地區(qū)為基準，對東部和中部地區(qū)進行回歸，結果見表6的（1）列，回歸方法、控制變量、固定效應以及方差聚類都與基準回歸一致。工業(yè)機器人應用交互項的系數(shù)，在東部地區(qū)顯著為正，在中部地區(qū)為正但不顯著，表并工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響存在地區(qū)差異。相對于西部地區(qū)，東部地區(qū)的工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響更為明顯，這是因為東部地區(qū)工業(yè)機器人應用水平較高。以西部地區(qū)為基準，對東部、中部和東北地區(qū)進行回歸，結果見表6的（2）列，交互項系數(shù)在東部地區(qū)和東北地區(qū)顯著為正，在中部地區(qū)為正但不顯著。

（2）時間異質(zhì)性。中國的工業(yè)機器人應用在2012年后增速更快，同時2013年后勞動力數(shù)量開始下降，勞動力數(shù)量減少和結構轉型可能會促進工業(yè)機器人的應用。同時，政府的補貼和支持也是中國工業(yè)機器人應用快速增長的一個重要原因，而在2013年之后，中央和地方政府關于促進工業(yè)機器人應用的政策密集出臺。因此，預期在2013年之后，工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的促進效應更大。對此，構建時間虛擬變量，2013年之后取值為1，2013年之前取值為0。在基準模型中加入“工業(yè)機器人應用”與時間虛擬變量的交互項，回歸結果見表6第（3）列。工業(yè)機器人應用交互項的系數(shù)顯著為正，表明2013年之后工業(yè)機器人應用對中國城市產(chǎn)業(yè)結構升級的正向影響更為明顯。

（3）城市要素密集度異質(zhì)性。不同城市的資本和勞動要素稟賦存在差異，導致資本—勞動比具有顯著異質(zhì)性。為檢驗對于資本和勞動要素密集度不同的城市，工業(yè)機器人應用對產(chǎn)業(yè)結構升級的影響是否存在差異，設置城市—年份層面的“勞動密集型城市”虛擬變量：資本—勞動比低于同期所有城市均值的城市為勞動密集型城市（取值為1），反之為資本密集型城市（取值為0）。以資本密集型城市為參照，在基準模型中加入“工業(yè)機器人應用”與“勞動密集型城市”的交互項，回歸結果見表6的（4）列。交互項系數(shù)接近0且不顯著，表明工業(yè)機器人應用對產(chǎn)業(yè)結構升級的影響在不同的要素密集度城市之間不存在明顯差異。

（4）城市勞動力異質(zhì)性。勞動力可以分為低技能勞動力和高技能勞動力，不同城市的高技能勞動力占比存在差異。工業(yè)機器人應用對低技能就業(yè)存在替代效應，但與高技能就業(yè)存在互補效應。因此，對于不同勞動力技能密集度的城市，工業(yè)機器人應用對產(chǎn)業(yè)結構的影響可能存在差異。使用第六次全國人口普查分縣市數(shù)據(jù)（2010年），以受教育程度為標準，將受教育程度為高中以上（含）的勞動力定義為高技能勞動力，受教育程度為高中以下的勞動力定義為低技能勞動力，計算城市層面的高技能勞動力占比。設置“高技能勞動力密集度”虛擬變量：若城市的高技能勞動力占比高于當年平均水平，則為高技能勞動力密集型城市（取值為1），否則為低技能勞動力密集型城市（取值為0）。以低技能勞動力密集型城市為參照，在基準模型中加入“工業(yè)機器人應用”與“高技能勞動力密集度”的交互項，回歸結果見表6的（5）列。交互項系數(shù)顯著為正，表明工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的促進作用在高技能勞動力密集型城市更為顯著。

5.影響機制檢驗

（1）人力資本提升效應

本文采用城市居民的平均受教育程度作為“人力資本水平”的代理變量，數(shù)據(jù)來自第六次全國人口普查分縣市數(shù)據(jù)，包括2010年269個城市的居民受教育程度信息。采用四種方法計算“人力資本水平”：借鑒胡鞍鋼和李春波（2001）的方法[28]，計算平均受教育程度的基準指標“人力資本水平1”

計算公式為：（小學人口數(shù)×6+初中人口數(shù)×9+高中人口數(shù)×12 +大專以上人口數(shù)×16）÷6歲及6歲以上總人口數(shù)。;借鑒韓兆洲和王亞坤（2012）的方法[29]，計算平均受教育程度的替代指標“人力資本水平2”

包含了文盲半文盲人口，計算公式為：（文盲半文盲×2+小學人口數(shù)×6+初中人口數(shù)×9+高中人口數(shù)×12 +大專以上人口數(shù)×16）÷6歲及6歲以上總人口數(shù)。;用全國人口普查中提供的平均受教育程度作為替代指標“人力資本水平3”;將受教育程度為高中以上（含）的勞動力作為高技能勞動力，計算城市高技能勞動力占比，作為替代指標“人力資本水平4”。中介效應檢驗結果見表7，其中：（1）（3）（5）（7）列為模型（2）的回歸結果，“工業(yè)機器人應用”的估計系數(shù)均顯著為正，表明工業(yè)機器人應用具有人力資本提升效應;（2）（4）（6）（8）列為模型（3）的回歸結果，“人力資本水平”的估計系數(shù)均顯著為正，“工業(yè)機器人應用”的估計系數(shù)不再顯著，表明在2010年工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響存在人力資本的完全中介效應

城市層面的人力資本數(shù)據(jù)只有2010年的，因而中介效應檢驗為截面數(shù)據(jù)回歸，人力資本水平的完全中介效應有待進一步驗證。，工業(yè)機器人應用可以通過提升人力資本水平來促進城市產(chǎn)業(yè)結構升級，研究假說H2得到驗證。

（2）服務業(yè)需求效應

工業(yè)機器人的應用可以改善制造業(yè)生產(chǎn)效率，擴大制造業(yè)規(guī)模，制造業(yè)的擴張會增加對與制造業(yè)相關聯(lián)的服務行業(yè)的需求（如對生產(chǎn)性服務業(yè)的需求），從而推動相應服務行業(yè)的發(fā)展，促進產(chǎn)業(yè)結構升級。制造業(yè)對服務業(yè)需求的增加，也會使得服務業(yè)工資上漲，因此一定程度上可以將服務業(yè)工資水平作為制造業(yè)對服務業(yè)行業(yè)需求的替代指標（王文 等，2020）[3]。由于沒有城市層面服務業(yè)工資水平的數(shù)據(jù)，將城市服務業(yè)細分行業(yè)就業(yè)占服務業(yè)總就業(yè)的比重作為權重，對服務業(yè)分行業(yè)工資進行加權平均，得到城市層面的“服務業(yè)工資水平”。中介效應檢驗結果見表8的（1）～（4）列。其中：（1）（3）列中“工業(yè)機器人應用”的估計系數(shù)顯著為正，表明工業(yè)機器人應用提高了服務業(yè)工資水平;（2）（4）列中“工業(yè)機器人應用”和“服務業(yè)工資水平”的系數(shù)均顯著為正，表明存在部分中介效應。因此，工業(yè)機器人應用可以通過增加對服務業(yè)的需求來促進城市產(chǎn)業(yè)結構升級，研究假說H3得到驗證。

（3）崗位創(chuàng)造效應

工業(yè)機器人應用一方面可以通過就業(yè)替代效應使得低技能勞動力轉移到服務業(yè)，另一方面可以通過生產(chǎn)力效應創(chuàng)造更多與機器人相關的職位，比如增加與生產(chǎn)性服務業(yè)相關的職位，從而促進產(chǎn)業(yè)結構升級。以第三產(chǎn)業(yè)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重作為崗位創(chuàng)造的代理變量進行中介效應檢驗，回歸結果見表8的（5）～（8）列。“工業(yè)機器人應用”和“第三產(chǎn)業(yè)就業(yè)占比”的系數(shù)均顯著為正，表明存在部分中介效應。工業(yè)機器人應用可以通過提高第三產(chǎn)業(yè)就業(yè)比重促進城市產(chǎn)業(yè)結構升級，研究假說H4得到驗證。

五、結論與啟示

隨著中國人口老齡化和勞動力成本上升的加劇，以工業(yè)機器人為代表的人工智能技術成為解決勞動力短缺和促進產(chǎn)業(yè)結構升級的重要手段。本文采用2006—2016年中國30個省區(qū)市的284個地級市的面板數(shù)據(jù)，檢驗工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響及其機制和異質(zhì)性，結果顯示：（1）工業(yè)機器人應用可以顯著促進城市產(chǎn)業(yè)結構升級;（2）工業(yè)機器人應用可以通過人力資本提升效應、服務業(yè)需求效應和崗位創(chuàng)造效應促進城市產(chǎn)業(yè)結構升級;（3）工業(yè)機器人應用對城市產(chǎn)業(yè)結構升級的影響存在異質(zhì)性，其對城市產(chǎn)業(yè)結構升級的促進效應在東部地區(qū)、在2013年后、在高技能勞動力密集型城市中更加顯著?；谏鲜鼋Y論，本文提出以下政策建議：

第一，大力扶持和發(fā)展機器人產(chǎn)業(yè)，促進工業(yè)機器人應用。當前中國面臨勞動力成本迅速上升、勞動力數(shù)量下降和老齡化程度持續(xù)上升的壓力下，擴大工業(yè)機器人應用對于緩解經(jīng)濟發(fā)展壓力、促進產(chǎn)業(yè)結構升級具有重要意義。政策扶持對機器人產(chǎn)業(yè)發(fā)展和工業(yè)機器人應用都具有重要促進作用，應該繼續(xù)擴大對機器人產(chǎn)業(yè)的扶持，以促進工業(yè)機器人的廣泛應用和升級。第二，因地制宜，加快中西部地區(qū)的工業(yè)機器人應用。目前，工業(yè)機器人在東部地區(qū)的應用規(guī)模和產(chǎn)業(yè)結構升級促進效應更加顯著，在制定工業(yè)機器人產(chǎn)業(yè)政策時應考慮各地區(qū)的產(chǎn)業(yè)發(fā)展基礎，也要向中西部地區(qū)進行傾斜和優(yōu)惠，引導和鼓勵中西部地區(qū)加快和擴大工業(yè)機器人應用，以更好地促進地區(qū)產(chǎn)業(yè)結構升級。第三，推廣職業(yè)教育和技能培訓，提升勞動者的勞動技能。機器人應用一方面會對低技能勞動力產(chǎn)生替代，另一方面也要求與機器人配合的勞動者提升自身技能。應大力發(fā)展職業(yè)教育，提升勞動者的技能水平。既要通過一系列財政、稅收手段激勵企業(yè)進行內(nèi)部員工的技能升級，也要為失業(yè)勞動力提供更多技能培訓的機會。第四，促進工業(yè)機器人應用與人力資本提升的良性循環(huán)。工業(yè)機器人應用具有人力資本提升效應，人力資本提升又可以從勞動供給上滿足工業(yè)機器人應用向更高水平發(fā)展的需求。應充分利用工業(yè)機器人應用的契機，實現(xiàn)從“工業(yè)機器人應用提升人力資本”到“人力資本提升促進工業(yè)機器應用”的良性循環(huán)。

本文研究也存在一些不足，有待更進一步的深入研究。首先，限于中國工業(yè)機器人應用數(shù)據(jù)的可得性，本文研究的樣本期間較短，后續(xù)研究應進行更長期的動態(tài)分析，進而增強分析結果的穩(wěn)健性。其次，本文的人力資本中介效應檢驗為截面數(shù)據(jù)回歸，穩(wěn)健性不足，后續(xù)可基于更多數(shù)據(jù)（如歷次全國人口普查數(shù)據(jù)）進一步檢驗對人力資本提升效應。再次，需求效應的指標測度有待改進，研究和探討如何直接測度城市層面制造業(yè)對服務業(yè)的需求效應是后續(xù)研究的一個方向。最后，可以在更細致的層面探討崗位創(chuàng)造效應的具體來源，如區(qū)分生產(chǎn)性服務業(yè)、高端服務業(yè)和其他服務業(yè)進行檢驗。

參考文獻：

[1]趙春明，李震，李宏兵，等.機器換人——工業(yè)機器人使用與區(qū)域勞動力市場調(diào)整[J].北京師范大學學報（社會科學版），2020（6）：113-127.

[2]孔高文，劉莎莎，孔東民.機器人與就業(yè)——基于行業(yè)與地區(qū)異質(zhì)性的探索性分析[J].中國工業(yè)經(jīng)濟，2020（8）：80-98.

[3]王文，牛澤東，孫早.工業(yè)機器人沖擊下的服務業(yè)：結構升級還是低端鎖定[J].統(tǒng)計研究，2020（7）：54-65.

[4]HALPERN L，KOREN M，SZEIDL A. Imported inputs and productivity[J]. American economic review，2015，105（12）：3660-3703.

[5]宋旭光，左馬華青.工業(yè)機器人投入、勞動力供給與勞動生產(chǎn)率[J].改革，2019（9）：45-54.

[6]楊光，侯鈺.工業(yè)機器人的使用、技術升級與經(jīng)濟增長[J].中國工業(yè)經(jīng)濟，2020（10）：138-156.

[7]NGAI L R，PISSARIDES C A. Structural change in a multisector model of growth[J]. American Economic Review，2007，97（1）：429-443.

[8]郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結構轉型升級與勞動收入份額變動[J].管理世界，2019（7）：60-77+203.

[9]韋東明，顧乃華，韓永輝.人工智能推動了產(chǎn)業(yè)結構轉型升級嗎——基于中國工業(yè)機器人數(shù)據(jù)的實證檢驗[J].財經(jīng)科學，2021（10）：70-83.

[10]胡晟明，王林輝，朱利瑩.工業(yè)機器人應用存在人力資本提升效應嗎？[J].財經(jīng)研究，2021（6）：61-75+91.

[11]楊曉鋒.智能制造是否有助于提升制造業(yè)平均工資？——基于2001～2016年17省工業(yè)機器人數(shù)據(jù)研究[J].經(jīng)濟體制改革，2018（6）：169-176.

[12]AUTOE D H，DORN D. The Growth of low-skill service jobs and the polarization of the US labor market[J]. American Economic Review，2013，103（5）：1553-1597.

[13]ACEMOGLU D，RESTREPO P. Automation and new tasks：How technology displaces and reinstates labor[J]. Journal of Economic Perspectives，2019，33（2）：3-30.

[14]余玲錚，魏下海，孫中偉，等.工業(yè)機器人、工作任務與非常規(guī)能力溢價——來自制造業(yè)“企業(yè)—工人”匹配調(diào)查的證據(jù)[J].管理世界，2021（1）：47-59+4.

[15]張桂金，張東.“機器換人”對工人工資影響的異質(zhì)性效應：基于中國的經(jīng)驗[J].學術論壇，2019（5）：18-25.

[16]王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù)[J].經(jīng)濟研究，2020（10）：159-175.

[17]魏下海，張沛康，杜宇洪.機器人如何重塑城市勞動力市場：移民工作任務的視角[J].經(jīng)濟學動態(tài)，2020（10）：92-109.

[18]李敏，孫佳佳，張婷婷.人力資本結構高級化對產(chǎn)業(yè)結構升級的影響研究——基于中國省級面板數(shù)據(jù)[J].工業(yè)技術經(jīng)濟，2020（8）：72-77.

[19]何小鋼，羅奇，陳錦玲.高質(zhì)量人力資本與中國城市產(chǎn)業(yè)結構升級——來自“高校擴招”的證據(jù)[J].經(jīng)濟評論，2020（4）：3-19.

[20]ACEMOGLU D，RESTREPO P. Robots and jobs： Evidence from US labor markets[R]. NBER Working Paper，2017.

[21]AUTOR D H，LEVY F，MURNANE R J. The skill content of recent tech未控制logical change：An empirical exploration[J].Quarterly Journal of Economics，2003，118（4）：1279-1333.

[22]陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動力替代效應——基于跨國面板數(shù)據(jù)和中國省級面板數(shù)據(jù)的分析[J].中國人口科學，2018（6）：30-42+127.

[23]韓民春，韓青江，夏蕾.工業(yè)機器人應用對制造業(yè)就業(yè)的影響——基于中國地級市數(shù)據(jù)的實證研究[J].改革，2020（3）：22-39.

[24]閆雪凌，朱博楷，馬超.工業(yè)機器人使用與制造業(yè)就業(yè)：來自中國的證據(jù)[J].統(tǒng)計研究，2020（1）：74-87.

[25]羅來軍，史蕊，陳衍泰，等.工資水平、勞動力成本與我國產(chǎn)業(yè)升級[J].當代經(jīng)濟研究，2012（5）：36-42.

[26]陽立高，謝銳，賀正楚，等.勞動力成本上升對制造業(yè)結構升級的影響研究——基于中國制造業(yè)細分行業(yè)數(shù)據(jù)的實證分析[J].中國軟科學，2014（12）：136-147.

[27]馬微.金融結構對產(chǎn)業(yè)結構升級的影響效應研究[D].西安：西北大學，2019.

[28]胡鞍鋼，李春波.新世紀的新貧困——知識貧困[J].中國社會科學，2001（3）：70-81+206.

[29]韓兆洲，王亞坤.最低工資提高對企業(yè)員工人力資本的影響分析[J].產(chǎn)經(jīng)評論，2012（5）：129-137.

Abstract： The widespread application of industrial robots can not only improve the production efficiency of the manufacturing industry and promote industrial upgrading， but also promote the upgrading of the regional industrial structure by improving the level of human capital， increasing the demand for the service industry， and creating jobs in the tertiary industry. Based on the panel data of 284 prefecture-level cities in China from 2006 to 2016， the analysis shows that the increase in the installation density and stock density of industrial robots have a significant positive impact on the advanced level of urban industrial structure， and can promote the upgrading of urban industrial structure through the effect of human capital improvement， service industry demand effect and job creation effect. Moreover， the application of industrial robots has regional， time and urban heterogeneity in promoting the upgrading of urban industrial structure. The promotion effect on the eastern region is more obvious than the central and western regions， and the promotion effect after 2013 is more significant.

The impact on high-skill labor-intensive cities is greater than that on low-skill labor-intensive cities. It is necessary to continue to vigorously support and develop the robotics industry， promote the application of industrial robots， especially in the central and western regions of industrial robots， actively promote vocational education and skill training， continuously improve the labor skills of the labor force， and promote the virtuous cycle of industrial robot application and human capital improvement.

Key words：? industrial robot application; upgrading of industrial structure; human capital; labor skills; service industry demand; job creation effect

CLC number：F426 Document code：A Article ID：1674-8131（2022）0-0097-14

（編輯：黃依潔）