工业机器人对省域制造业生产率的异质性影响

李丫丫，潘 安，彭永涛，杨文斌

(1.江苏大学财经学院，江苏 镇江 212013；2.中南财经政法大学经济学院,湖北 武汉 430073；3.江苏大学管理学院，江苏 镇江 212013；4.Business School of University of Adelaide,SA5000)

根据国际机器人联合会(IFR)统计，2014年中国进口工业机器人达到12万台，近五年平均增长率为36%，超越日本成为全球第一大机器人市场。目前，工业机器人在国际上广泛应用到汽车、电子、机械、食品、医药、纺织等行业，中国工业机器人多应用于汽车与电子信息产业，对制造业生产率的提升起着重要作用。工业机器人从一定程度上促进了中国制造业生产率的提升已被少数学者关注与证实[1]，然而，鉴于省域制造业发展重点与方向不同，工业机器人应用情况不同，那么工业机器人应用是否对省域制造业生产率产生异质性影响？若回答是肯定的，存在异质性的原因又如何？本文基于相关理论与实证分析对上述问题进行回答，以期丰富制造业智能转型理论，为制造业智能转型实践提供决策支持。

1 文献综述

现有关于制造业生产率提升的研究多关注于生产性服务业、FDI、出口、创新等方面对制造企业生产率提升的影响[2-4]。虽然已有研究视角不同，但实质上均肯定了技术进步对制造企业生产率提升的意义，如FDI的技术溢出效应、出口贸易的技术倒逼机制、创新驱动机制等[5]。工业机器人应用是智能制造背景下新的技术进步趋势，智能制造为制造业转型升级提供了新的方向与路径。近年来相关研究兴起，多强调理论层面的探讨，结合智能技术应用的深入分析欠缺[6]。此外，现有关于制造业生产率的测算大多使用成熟的DEA数据包络分析方法、随机前沿分析(SFA)、柯布-道格拉斯生产函数(C-D)，尤其是DEA技术在计算制造业生产率方面应用较为广泛[7]。然而，智能制造背景下，工业机器人应用这一新的技术进步趋势对省域制造业生产率作用如何缺乏关注，即智能制造新趋势下，针对制造业生产率提升的区域研究亟待解决。

机器人技术是现代科学交叉和综合的体现，是战略性新兴产业技术，然而机器人核心技术与专利被跨国公司掌控，中国缺乏相应的知识产权保护战略，工业机器人基础薄弱[8-10]；少数学者实证考察了工业机器人与中国经济发展的关系，肯定了工业机器人在制造业升级中的重要作用[11-12]；在劳动替代效应方面，学者认为中国极有可能出现机器人对人工的规模替代[13]。虽然少数学者尝试从贸易角度考察工业机器人对制造业生产率的影响，然而仍然缺乏工业机器人对省域制造业生产率提升的异质性与系统性研究。

本文尝试将现有工业机器人与制造业生产率关系的研究深入到省域层面，对现有研究进行以下几个方面的拓展：①考虑工业机器人对省域制造企业生产率提升的区域异质性；②结合各省工业机器人应用现状剖析影响效应存在差异性的原因；③提出智能制造背景下各省工业机器人应用影响制造业生产率提升的方向与路径。

2 研究设计

2.1 模型设定

现有考察制造业生产率提升影响因素的实证研究中，模型设定主要包括FDI、研发、企业规模、生产性服务业贸易、出口等变量[14-17]。本文借鉴生产性服务业进口对中国制造业技术进步的实证模型[2]，设定工业机器人进口贸易影响中国制造业生产率的实证模型如下：

lntfpi,t=α0+α1lnrbi,t+α2lnfdii,t+α3lnrdi,t+α4lnrdpi,t+ui+λt+εi,t

(1)

其中，下标i和t分别表示第i个省份和第t年，tfp表示省域制造业生产的全要素生产率，rb是工业机器人省域应用量，fdi表示制造业外商直接投资金额，rd代表制造业研发支出，rdp表示制造业研发人员，个体固定效应ui用来控制不随时间变化的个体异质性特征，时间固定效应λt用来控制不随各省份变化的时间因素，ε是随机误差项。为了消除异方差的影响，将各变量取对数处理。

2.2 变量选取与说明

(1)被解释变量：准确地测算出制造业生产率是本文能否得出无偏估计结果的关键。对此，本文考察的制造业生产率主要为全要素生产率，而其主要为衡量源于效率的改善、技术进步、规模效应的生产效率指标。目前关于全要素生产率的测算一般有两种方法：一种是索罗余值法，另一种是数据包络分析DEA非参数估计——CCR、BBC、Malmquist指数法。本文拟测算制造业的综合生产效率，不区分技术进步、纯技术效率以及规模效率变化，采用Malmqusit指数模型来测算制造业各产业的综合生产效率。由于2008年及以后的《中国工业经济统计年鉴》不再统计制造业的增加值数据，为了保证数据的可得性和一致性，本文选择制造业的销售总产值(亿元)、固定资产净值(亿元)、省域制造业平均用工数(万人)作为DEA方法所要求的产出和投入指标。其中，对工业销售总产值以2005年为基期的工业生产者出厂价格指数进行调整，对固定资产净值以2005年为基期的固定资产投资价格指数进行平减，样本考察期间为2006—2015年。

(2)核心解释变量：本文的核心解释变量是工业机器人应用，由于数据的难获得性，考虑到我国工业机器人70%以上依赖进口[18]，且主要应用领域集中在汽车制造与电子信息产业，因此本文假设各地区汽车制造业和电子信息工业中工业机器人的应用率相同，进一步以各省汽车制造业与电子信息制造业的份额为权数，把工业机器人进口量(价值总额)分配给各省，估计出各省工业机器人应用量(rb)。此外，根据《中国工业统计年鉴》的行业分类，各省汽车与电子信息制造业的份额的计算具体用各省交通设备制造业(2011年及以前并未细分统计汽车制造业)与计算机通信和其他电子设备制造业占全国中的比重表示。工业机器人在HS2002六位数编码体系中，主要包括851531(电弧焊接机器人)、847950(多功能机器人)、851521(电阻焊接机器人)、851580(激光焊接机器人)。本文研究的工业机器人数据包括上述四大类六位数编码商品，数据来源于联合国贸发数据库(UNCTAD)。

(3)主要控制变量：外商直接投资(fdi)，现有研究表明外商直接投资是技术溢出的重要途径，为了分析fdi是否能促进省域制造业的生产率，本文使用当年行业实际使用的外商直接投资金额来分析fdi对省域制造业生产率的促进作用。研发资本投入(rd)与研发人员投入(rdp)，研发行为有利于提高行业的生产率及产品的差异性，我们采用细分制造业的研发经费内部支出与研发人员投入来衡量该因素。

2.3 数据来源

本文的样本区间选取2006—2015年，涉及到各变量的数据主要选自2005—2016年《中国统计年鉴》《中国科技统计年鉴》、联合国贸发数据库、《中国工业经济统计年鉴》以及各省统计年鉴，见表1。上述变量的描述性统计见表2。

表1 数据来源说明

表2 各变量的描述性统计

3 实证研究

3.1 结果分析

本文使用stata13.0对除西藏外30个省份的工业机器人对制造业全要素生产率提升效应进行面板回归分析。首先根据方程(1)做全样本分析，然后借鉴潘安[19]的区域划分方法，将30个地区划分为：东北(黑龙江、吉林、辽宁)、京津(北京、天津)、北部沿海(河北、山东)、东部沿海(江苏、上海、浙江)、南部沿海(福建、广东、海南)、中部(山西、河南、安徽、湖北、湖南、江西)、西北(内蒙古、陕西、宁夏、甘肃、青海、新疆)和西南(四川、重庆、广西、云南、贵州)8个区域，进一步做分样本面板回归，以便于分析各区域工业机器人应用的生产率提升效应的差异化特征。为了消除模型可能存在的异方差和序列相问题，在stata13.0中采用广义最小二乘法(GLS)进行面板数据的多元线性回归，上述回归模型的系数估计结果见表3。

表3 工业机器人对省域制造业生产率提升的实证结果

注：括号内为该系数统计量Z值，***、**、*分别表示在1%、5%、10% 水平上显著。

首先，模型的核心解释变量回归结果显示：从全样本看，工业机器人应用对省域制造业全要素生产率提升具有显著促进作用(lnrb系数显著为正)。从区域分样本来看，京津地区工业机器人应用对制造业生产率提升作用最为显著(lnrb系数为0.921)；其次是南部沿海区域(lnrb系数为0.325)；北部沿海(lnrb系数为0.234)和东部沿海地区(lnrb系数为0.156)工业机器人应用的生产率提升作用也较显著；中部区域(lnrb系数为0.103)和西南区域(lnrb系数为0.053)工业机器人应用也在一定程度上促进了制造业生产率的提升；然而，东北地区与西北地区的回归结果未通过显著性检验，这意味着东北与西北地区的工业机器人应用对制造业的全要素生产率提升尚不存在显著影响。

其次，模型的控制变量回归结果显示：制造业利用外资(lnfdi系数)对行业全要素生产率的作用不显著甚至为负(全样本、东部沿海、北部沿海、西北地区的回归结果均不显著；其他区域显示出负影响)，这意味着随着我国利用外资结构的调整，传统外资对制造业生产率的提升作用越来越不明显，这与蒋樟生的研究结论存在一致性[20]。此外，全样本的研发资本投入回归系数显著为正，研发人员投入并未通过显著性检验。总体来看，制造业研发资本投入对全要素生产率提升具有积极作用。然而，从分区域样本来看存在差异性。例如北部沿海的研发人员投入对制造业生产率提升具有促进作用(lnrb系数为0.818)，而南部沿海研发资本投入作用为正，人员投入的影响却为负。结果的差异性也意味着，制造业研发投入并未与工业机器人应用形成协同效应，针对工业机器人技术的吸收能力与学习能力尚欠缺。

最后，各省级区域间的制造业基础不同，使得工业机器人发展及应用的软环境存在差异，导致对制造业生产率的提升效果存在异质性。例如，京津地区拥有得天独厚的汽车与电子信息产业基础以及一批优秀的制造业企业，如北京的现代汽车、北汽集团、中关村电子产业集聚区；机器人的配套产业链也比较完善，工业机器人应用lnrb值均在17以上。东部沿海的江苏、上海、浙江是目前产业规模最大的机器人产业集聚区。瑞士ABB、日本发那科、德国库卡机器人均已在上海落户，新时达、沃迪等本地系统集成商初具规模，重点培育了浦东机器人基地、昆山高新区机器人产业园、常州武进智能装备园等，且东部沿海地区制造业基础较好，具有很好的应用空间，上海与江苏的工业机器人应用lnrb值均在18以上。广东省工业机器人应用均值在19以上。相对而言，东北区域虽然拥有新松、哈尔滨博实自动化等知名的机器人企业，然而由于传统老工业基地的转型尚未成功，工业机器人缺乏相应的产业应用基础与软环境配套，导致其对制造业生产率的提升作用不显著；西北地区工业机器人应用的软环境不够开放，尚未形成规模化的机器人产业集聚区，工业机器人应用lnrb值均为12.8，技术与产业的协同配套作用较差，故工业机器人应用尚未成为制造业生产率提升的重要原因。

3.2 稳健性检验

为了检验前文回归估计结果的可靠性，本文以工业机器人应用台数作为工业机器人应用价值总量的替代变量做进一步的稳健性分析，所得结果与表3结果基本一致，验证了回归结果的稳健性，见表4。需要说明的是，东北地区在稳健性回归中结果显示，工业机器人应用对制造业生产率提升具有积极影响(lnrb系数为0.095)，与前文结果的不同说明从工业机器人应用数量来看，东北地区具有一定优势，然而工业机器人应用结构和质量与京津、南部沿海等地尚具有一定差异。

表4 工业机器人对省域制造业生产率提升的稳健性检验

注：括号内为该系数统计量Z值，***、**、*分别表示在1%、5%、10% 水平上显著。

基于对上述通过显著性检验省份以及未通过显著性检验省份与区域的对比分析，进一步阐释工业机器人对各省制造业全要素生产率存在异质性影响的原因，总结如下：①上海、天津、湖北、浙江等省的汽车制造业等运输设备、高端装备制造业、电子通信产业在省域制造业占据着重要地位，工业机器人应用较多，因此促进了制造业生产率的提升。各省份制造业发展方向与重点不同，导致工业机器人对省域制造业生产率提升的效果存在差异性。②工业机器人应用需要配套产业链的支持才能得到更好的提升效果，各省域机器人产业发展现状不同，导致制造业所使用的工业机器人产业配套链状况不同，上海、山东、江苏这些省份的机器人产业已经发展到一定高度，与工业机器人相关的配套产业链相对于其他省份更为完善，因此工业机器人对这些省份制造业生产率的提升效果更为明显。省域工业机器人产业链的差异性导致省域生产率提升的异质性。③各省域的研发人员、外商直接投资、研发资金投入不同，形成了省域间对工业机器人技术吸收能力的差异性，而工业机器人对生产率提升的效果有很大一部分是技术溢出效应实现的，技术溢出需要技术吸收能力的调节，目前少数区域研发人员与工业机器人应用产生的协同效应，这也是未来各省需要积极推进的方向。

4 结论与政策启示

本文研究结论表明：①京津、南部沿海、北部沿海与东部沿海10省工业机器人应用对制造业全要素生产率的提升影响最为显著，中部、西南沿海11省存在较为显著的影响，东北、西北区域9省工业机器人应用对制造业全要素生产率提升尚不存在显著影响，区域异质性特征明显；②究其原因，工业机器人大多应用在汽车制造业与电子信息产业，各省份制造业发展方向与重点的不同导致工业机器人对省域制造业生产率提升的效果存在差异性，省域间对工业机器人技术吸收能力的差异性进一步导致对制造业生产率提升作用的异质性。

上述实证研究为省域制造业生产率提升及智能转型升级管理提供了有益的启示：①依托各省域制造业不同的发展重点与产业优势，积极拓宽工业机器人应用领域，积极拓宽工业机器人在食品、医药等传统制造业中的应用。例如：东部各省汽车制造业都在制造业占据重要的地位，可适当提高对汽车制造类工业机器人的应用，而云南省则可依据本省医药制造业的优势，积极促进医药制造类工业机器人的应用，最大程度发挥工业机器人对省域制造业生产率的提升作用。②提高各省工业机器人技术的吸收能力，鼓励产学研合作，提高研发人员与资本投入力度。各省在提高工业机器人应用力度的同时，需要多渠道加强自身的技术吸收能力，发挥产学研合作的协同创新优势，积极吸引相关技术人才与资金的投入。③积极发展各省工业机器人产业，延伸工业机器人配套产业链，努力实现核心技术的自主突破，实现“进口中学”与“应用中学”，实现各省工业机器人对传统制造业的革命性升级。

[1]李丫丫,潘安.工业机器人进口对中国制造业生产率提升的机理及实证研究[J].世界经济研究，2017(3)：87-96.

[2]陈启斐,刘志彪.生产性服务进口对我国制造业技术进步的实证分析[J].数量经济技术经济研究,2014,31(3):74-88.

[3]高凌云,王洛林.进口贸易与工业行业全要素生产率[J].经济学(季刊),2010(2):391-414.

[4]向小东,陈丽芬.制造业技术创新效率评价模型及其应用研究[J].运筹与管理,2016,25(1):215-223.

[5]杨汝岱.中国制造业企业全要素生产率研究[J].经济研究,2015(2):61-74.

[6]贾根良.迎接第三次工业革命的关键在于发展模式的革命——我国光伏产业和机器人产业的案例研究与反思[J].经济理论与经济管理,2013(5):13-22.

[7]李健英,慕羊.基于DEA 方法的我国上市企业创新绩效研究[J].科学学与科学技术管理，2015，36(2)：111-121.

[8]LECHEVALIER S，NISHIMURA J，STORZ C.Diversity in patterns of industry evolution：how an intrapreneurial regime contributed to the emergence of the service robot industry[J].Research policy，2014，43(10)：1716-1729.

[9]YUN J J，WON D，JEONG E，et al.The relationship between technology，business model，and market in autonomous car and intelligent robot industries[J].Technological forecasting and social change,2016，103：142-155.

[10]王友发,周献中.基于专利地图的机器人产业知识产权发展对策[J].中国科技论坛,2015(9):31-37.

[11]董桂才.中国工业机器人在全球价值链的地位及变化趋势[J].中国科技论坛,2016(3):49-54.

[12]董桂才,王鸣霞.全球价值链嵌入对我国本土工业机器人技术进步的影响[J].科技进步与对策,2017(04):78-83.

[13]马岚.中国会出现机器人对人工的规模替代吗——基于日韩经验的实证研究[J].世界经济研究,2015(10):71-79.

[14]孙少勤,邱斌.全球生产网络条件下FDI的技术溢出渠道研究——基于中国制造业行业面板数据的经验分析[J].南开经济研究,2011(4):50-66.

[15]孙晓华,王昀,郑辉.R&D影响全要素生产率的行业异质性——来自中国制造业的经验证据[J].管理工程学报,2014(3):33-41.

[16]邱爱莲,崔日明,徐晓龙.生产性服务贸易对中国制造业全要素生产率提升的影响:机理及实证研究——基于价值链规模经济效应角度[J].国际贸易问题,2014(6):71-80.

[17]张杰,李勇,刘志彪.出口促进中国企业生产率提高吗?——来自中国本土制造业企业的经验证据:1999—2003[J].管理世界,2009(12):11-26.

[18]吕铁,李玮.机器人产业的发展将优化供给结构[J].中国党政干部论坛,2016(4):62-65.

[19]潘安.对外贸易、区域间贸易与碳排放转移——基于中国地区投入产出表的研究[J].财经研究,2017,43(11):57-69.

[20]蒋樟生.制造业FDI行业内和行业间溢出对全要素生产率变动的影响[J].经济理论与经济管理,2017(2):78-87.