工业机器人、技能升级与工资溢价

巫 瑞 李 飚 李思雨

1（中国社会科学院大学继续教育学院，北京 102488） 2（郑州大学商学院，郑州 450001）

引 言

2008年金融危机爆发之后，世界各国更加重视实体经济的发展，制造业之间的竞争随之加剧。工业机器人在制造业领域的广泛应用能够提高生产效率，改善产品质量，从而有助于提升制造业竞争力。基于此，工业机器人发展态势非常猛烈，其全球应用量不断增加。国际机器人联合会（IFR）发布的 《2020年世界机器人报告》显示，截至2019年，大约有270万台工业机器人在全球各地的工厂中运行，这也是历史运行量的最大值。2014～2019年间，工业机器人在全球各地区销售量的年平均增长率约为85%。工业机器人作为技术进步的一种具体表现，其广泛应用给社会带来了深刻变革。工业机器人应用能够在很大程度上提高生产效率和产品质量，是一国实现制造业转型升级、提升制造业国际竞争力和价值链攀升的重要手段，因此各国都出台了许多政策鼓励企业积极引进和研发工业机器人。近年来，中国也出台了较多相关政策。中国的工业机器人在国家政策大力扶持下得到了快速发展，其应用数量也不断增加，根据IFR发布的统计数据，从2013年开始，中国就已经是世界上最大的工业机器人市场，截至2019年，中国大约存有78.3万台工业机器人。

工业机器人作为一种重要的生产投入要素，其猛烈发展态势在推动制造业转型升级的同时，势必会对劳动力市场产生深远影响，“机器换人”这一说法由来已久，工业机器人应用对劳动力市场的影响受到了学者们的广泛关注。目前中国正处于制造业转型升级的关键时期，同时也面临人口红利窗口逐渐关闭带来的劳动力成本上升以及劳动力技能水平偏低引起的劳动力供求结构不匹配等一系列问题。基于此背景，如何在充分发挥工业机器人应用对制造业转型升级的推动作用、实现制造业强国目标的同时尽可能避免工业机器人应用对劳动力市场产生负面冲击就显得格外重要。本文从技能升级视角研究工业机器人应用对工资溢价的影响具有一定政策参考价值。

1 文献综述

工业机器人能够促进经济发展，原因在于机器技术比常规技术迭代更快 （Hanson， 2001）［1］。李丫丫和潘安 （2017）［2］从工业机器人进口的视角出发，提出工业机器人应用会对本国产生技术溢出，进而对本国制造业生产率产生促进作用，有助于制造业转型升级。杜文强 （2022）［3］对中国284个地级市研究发现，工业机器人应用会通过提高人力资本水平、增加服务业需求、创造第三产业岗位推动地区产业结构升级。Pedersen等（2016）［4］提出机器人的动态编程或者自动化生产线可重构性的改进，是企业在全球化的环境中保持有利竞争力的不二选择。工业机器人应用也对国际贸易产生影响， “机器换人”有助于经济体在全球生产价值链中占据更优势地位 （刘胜和陈秀英，2019）［5］。新技术的出现会对劳动力市场产生重要影响，有学者研究发现新技术会对劳动力产生替代，Autor等 （2003）［6］提出的任务模型方法将工作任务划分为不同类型，研究技术进步对劳动力岗位需求的影响。David（2017）［7］基于此模型对日本劳动力市场研究发现日本55%的职业存在较高的被新技术替代的风险，并且这种被替代风险在不同性别之间不存在差异。Agrawal等（2019）［8］则提出传统劳动力自身所具备的核心技能被新技术替代的难易程度决定了其是否被替代。还有学者基于任务分割理论研究发现新技术的应用会使劳动力市场出现极化现象，如Autor等（2006）［9］研究发现自动化技术应用过程中，中等技能的劳动力就业岗位数量相对低技能和高技能的劳动力增长较慢甚至减少，呈现极化现象。Hanson（2001）［1］利用新古典经济增长模型从理论上分析了劳动力与机器人之间的关系，认为后者会对前者产生替代作用。但也有文献分析提出机器人应用并不必然引起劳动力需求的减少，这是由于在替代劳动力的同时，机器人应用也会产生一批新的工作岗位（Acemoglu 和 Restrepo， 2017）［10］。 Graetz 和 Michaels（2018）［11］认为工业机器人应用对总体就业没有产生显著影响，但有学者对美国行业的实证研究则发现机器人应用会对劳动力就业产生挤出效应（Acemoglu 和 Restrepo， 2017）［10］。 Dauth（2017）［12］则对德国不同产业的就业数量进行了研究，发现工业机器人应用会导致服务业相对于制造业就业数量提升，但并未对劳动力总体就业产生挤出。邓洲 （2016）［13］提出工业机器人对劳动力就业数量的影响兼具替代效应和创造效应，不会造成大规模失业，但部分学者则实证研究发现工业机器人应用对中国制造业劳动力就业存在显著挤出效应（闫雪凌等， 2020； 韩民春和冯乐兰， 2020）［14，15］。还有学者研究发现工业机器人不仅对制造业就业产生了挤出，对中国整体劳动力就业同样存在抑制作用（孔高文等， 2020； 王永钦和董雯， 2020）［16，17］。但也有学者发现工业机器人应用不仅不会挤出就业，反而会对就业产生促进作用，李磊等（2021）［18］利用中国微观企业数据研究发现工业机器人应用提升了企业对劳动力的需求。还有学者实证研究了工业机器人应用对就业结构的影响，Graetz和Michaels（2018）［11］把劳动力按照技能水平划分为低、中、高技能3种进行研究，发现工业机器人应用挤出了劳动力市场中的低技能劳动力，增加了其他两类劳动力的就业，改变了劳动力的技能结构。国内学者研究发现工业机器人在中国同样产生了极化作用 （王永钦和董雯，2020）［17］。李晓彤 （2019）［19］实证研究发现工业机器人应用可以促进高技能劳动力的就业，并且抑制中、低技能劳动力的就业，证实工业机器人对中国劳动力市场也产生了一定的极化作用。孙早和侯玉琳 （2019）［20］则进一步划分了单极化和两极化，并认为工业机器人将导致劳动力就业呈现两极化趋势。闫雪凌等（2021）［21］的研究则认为工业机器人在中国并未产生就业极化效应。

现有研究普遍把在控制其他因素不变的情况下，某一因素对工资的提升作用视为该因素产生的“工资溢价效应”。如刘志龙和靳文杰 （2015）［22］提出，互联网对个人收入的提升作用被称之为互联网的 “工资溢价效应”。当前有关工资溢价问题的研究主要集中在工会、城市规模、企业性质等方面的工资溢价。集体协商有利于建立标准化工资合同，提升较低收入者的工资，进而产生工资溢价 （孙兆阳，2013）［23］。工会肩负对组织员工进行职业培训的责任，加入工会可以增加员工的培训概率，而培训则能够提升员工人力资本水平，从而对工资有促进作用 （李龙和宋月萍，2017）［24］。孙兆阳和刘玉锦 （2019）［25］运用中国综合调查数据实证研究发现工会成员的时薪水平明显高于非成员，验证了工会工资溢价的存在。但也有学者利用不同的数据研究发现是否加入工会对工资并没有明显的差异性影响 （袁青川，2018）［26］。此外，还有学者发现大城市相较小城市具有更高的工资水平，进而提出城市规模同样存在工资溢价。大城市的劳动力市场相较小城市更加完善，寻找工作的成本比较低可能导致了大城市工资溢价的存在 （陈飞和苏章杰，2021）［27］。还有学者从企业异质性出发对企业工资溢价问题进行了研究，发现企业生产率、人力资本等具有显著工资溢价，企业出口同样具有工资溢价效应 （孙敬水和丁宁，2019）［28］。同时，有学者利用微观数据研究发现互联网存在工资溢价效应，并在不同行业之间存在显著差异 （初立明， 2020）［29］。

工业机器人应用会引起就业数量和就业结构的变化，在其变化的同时，劳动力的工资水平也会随之发生变化。目前研究工业机器人对工资影响的文献比较少，结论也未达成一致。Acemoglu和 Restrepo （2018）［30］从理论层面分析认为工业机器人会提升劳动力工资水平。工业机器人能够提升劳动生产率，提升企业盈利能力，有利于企业扩大规模，从而增加未被机器替代的那部分劳动力的需求；另外，工业机器人的运用可以创造一批与机器人相关的新的工作岗位，这进一步增加了对劳动力的需求。这一观点得到了Graetz和Michaels （2018）［11］研究的证实， 其实证研究发现工业机器人会造成不同技能水平的劳动力工资都提升。 DeCanio等 （2016）［31］使用美国工业机器人数据实证研究发现在一定条件下工业机器人的增加会抑制劳动力工资水平。Berg等 （2016）［32］基于技能偏向性技术进步理论提出工业机器人与高等技能劳动力之间存在较强的互补性，与中等和低等技能劳动力之间则存在较强的替代性，故机器人应用会提升高技能劳动力的工资水平，降低其他劳动力的工资水平。

国内关于工业机器人对劳动力工资影响的研究很少，所得结论也不一致。有学者实证研究发现工业机器人会提升劳动力平均工资 （闫雪凌等， 2021）［21］， 但王晓娟等 （2022）［33］在分别研究了短期和中长期工业机器人对劳动力工资的影响后，发现在短期和中长期工业机器人均会对劳动力工资产生负向影响。还有一些学者运用不同层面的数据实证研究发现工业机器人对劳动力工资的影响并不显著 （闫雪凌等，2020；王永钦和董雯， 2020）［14，17］。 此外， 有学者进一步对不同技能的劳动力的工资进行了研究，发现工业机器人应用对中国的劳动力工资也存在极化效用。吕世斌和张世伟 （2015）［34］按照各行业高等技能劳动力占比的高低程度把制造业的细分行业划分为不同技能行业进行研究，发现工业机器人应用造成了中等技能行业劳动力的平均工资增长相较其他行业大幅减少，即工业机器人应用存在工资极化作用。就工业机器人对劳动力工资的作用机制方面，现有文献鲜有涉及，杨晓峰 （2018）［35］提出智能制造会通过提升人力资本对制造业劳动力工资产生正向影响。

综上所述，目前国内就工业机器人对中国劳动力市场影响的研究还比较少，且多集中在工业机器人对劳动力就业人数和就业结构的影响研究，缺少进一步对劳动力工资的影响研究，现有文献的结论也不尽相同，本文实证研究工业机器人对中国劳动力工资的影响是对现存文献的重要补充。本文试图从技能升级的角度研究工业机器人对劳动力工资的影响，为工业机器人影响劳动力工资的作用机制的研究提供思路。

2 理论分析与研究假设

工业机器人应用主要通过影响劳动力的需求对工资水平产生影响，其对劳动力需求的影响包括替代效应、生产率效应和就业创造效应3种，这3种影响对劳动力需求的作用方向不同，因此对劳动力工资的影响方向也不同，具体分析如下：（1）替代效应。替代效应是指工业机器人和劳动力可被视为两种可以相互替代的生产要素，生产者会权衡其使用成本和产出对两者进行选择，当生产者认为工业机器人的成本产出比更低时，会在生产中引进工业机器人。而工业机器人的应用会导致相同产出下需要的劳动力更少，如此就挤出了劳动力要素，降低了劳动力需求，这会对劳动力工资产生负向影响；（2）生产率效应。生产率效应是指工业机器人在生产中的应用可以大幅度提升生产效率，降低生产成本，有利于增加企业利润。在这种情况下，企业出于追求更高利润的目的，会选择进一步扩大生产规模，从而增加未被替代的那部分劳动力的需求，而劳动力需求的增加对劳动力工资有提升作用；（3）就业创造效应。就业创造效应是指工业机器人的应用会产生一批与工业机器人相关的新岗位，这会通过增加劳动力需求对劳动力工资产生提升效应；另外，新创造的岗位往往需要更高技能的劳动力从事，基于高等技能劳动力工资相对其他劳动力较高的事实，这也会对劳动力工资产生正向影响。工业机器人对劳动力工资的总体作用是这三种不同方向的影响的均衡结果。

研究假说1：当工业机器人的替代效应小于生产率效应和就业创造效应时，会产生工资溢价。

由于中国幅员辽阔，东、中、西部和东北部区域的经济发展水平、产业结构等存在明显差异，工业机器人应用的数量、质量等也大不相同，因此，工业机器人应用产生的影响也不同。

研究假说2：工业机器人应用对劳动力工资的影响在东、中、西部和东北部区域存在显著差异。

技能偏向性技术进步理论认为，技术进步会提高对劳动力技能的要求。自动化技术会替代低技能的体力性、程序性工作，与高技能的认知型、非程序性工作互补 （Autor等，2003；Acemoglu和Restrepo， 2020）［6，36］， 并有助于劳动力技能升级（吕杰等，2017）［37］。由此，工业机器人作为一种新技术，其广泛应用也会对劳动者技能升级有推动作用，具体来说：（1）工业机器人的应用可以替代大量从事程序化程度较高的、技能水平比较低的劳动力，如对于流水线工人的替代等，这种替代效应会导致就业市场中高技能劳动力相对增加，低技能劳动力相对减少，从而优化劳动力技能结构，推动技能升级；（2）工业机器人会产生许多更具技术含量的工作，如工业机器人工程师等，这些岗位需要拥有更高技能的专业人员从事，这会增加劳动力市场中高技能劳动力的绝对量，由此实现劳动力技能升级；（3）工业机器人的应用使工作环境变得更为复杂，劳动力原来所拥有的技能水平可能无法再胜任现在的工作岗位，可能面临工作岗位、福利待遇等下降的情况，尤其是低技能的劳动力，甚至可能会面临失业的风险，这会倒逼劳动力不断提升自身技能水平避免陷入岗位下移或失业困境，因此，劳动力市场的技能结构也会不断升级；（4）由于工业机器人对不同技能的劳动力存在不同的影响，对低技能劳动力的替代性较强，与高技能劳动力则互补性更强，这种差异性的影响会导致高、低技能劳动力的分化，两类劳动力的福利待遇差异更加明显，这会激励低技能劳动力通过职业培训等各种途径提升自身技能来争取更好的福利待遇，实现技能升级。

而技能升级则对劳动力工资存在正向影响，（1）技能升级意味着劳动力市场内高技能劳动力的相对增加，基于高技能劳动力平均工资较高的事实，技能升级会提高劳动力市场中的平均工资；（2）技能升级意味着劳动力拥有更高技能，富含更多人力资本，劳动力会要求更高工资，这也会对平均工资具有促进作用；（3）劳动力的技能升级有助于企业研发创新，提高企业劳动生产率，劳动力人均产出随之提高，这同样能够促进劳动力工资增长。

研究假说3：若存在工资溢价效应，工业机器人应用可能通过促进劳动力技能升级这一途径产生工资溢价。

3 模型构建及变量说明

3.1 计量模型设定

为检验工业机器人应用的工资溢价效应是否存在，本文设立了如下基准回归模型：

其中，i表示省（区、市），t表示时间，Yit为被解释变量劳动力平均工资，rob是核心解释变量工业机器人应用，C为一系列省（区、市）层面的控制变量，ωi为省（区、市）固定效应，μt为时间固定效应，εi，t为随机扰动项。α1是本文关心的系数，反映工业机器人应用对劳动力平均工资的影响。

3.2 变量选取与数据说明

（1） 被解释变量

本文的被解释变量为工资（wage），使用各省（区、市）城镇单位就业人员年平均工资表示，单位为千元。

（2） 解释变量

本文选取的衡量工业机器人应用的指标为各省（区、市）工业机器人渗透密度，用每万人拥有的工业机器人台数来衡量。由于缺少各省（区、市）工业机器人的拥有量数据，本文参考王永钦和董雯 （2020）［17］、 赵春明等 （2020）［38］、 李志强和刘英 （2022）［39］的方法，假设在同一个国家某一行业中工业机器人的分布是一样的，利用IFR提供的工业机器人安装量和存量数据与各省（区、市）就业数据构造工业机器人渗透密度。需要说明的是，本文在构造工业机器人密度时，只采用了制造业的相关数据，这是由于当前工业机器人主要运用在制造业行业，在农业和服务业的应用数量比较少。

本文参考闫雪凌 （2020）［14］的方法，将中国的制造业细分行业与IFR提供的制造业细分行业相匹配，得到14个制造业细分行业，然后以城镇单位就业人数作为权重构建省（区、市）工业机器人渗透密度。

其中j表示行业，t表示时间，i表示省（区、市），numbertj表示j行业在t年的工业机器人安装量和存量，Ltj表示j行业在t年的全国就业量，使用全国各行业城镇单位就业人数计算得出。表示t年j行业的机器人行业密度，和分别表示第i个省（区、市）在t年的j行业就业量和全部制造业行业就业量，同样采用城镇单位就业人员数衡量。以各省（区、市）内行业就业量占制造业总就业量的比重为权重分别乘以其对应的行业密度，再对所有行业进行加总求和就得到了省（区、市）工业机器人安装密度（robot1）和存量密度（robot2）。

（3） 中介变量

现有研究普遍使用高技能劳动力占所有劳动力的比重衡量技能升级，在界定高技能劳动力时，通常有两种方法，第一种是按照学历界定，通常把学历为高中以上的劳动力视为高技能劳动力。第二种是根据工作性质划分，把从事技术含量较高的劳动力视为高技能劳动力。拥有高学历的劳动力从事的不一定就是高技术含量的工作，也就不一定是高技能劳动力，由此认为工作性质相较劳动力学历更能衡量技能升级，故本文将各地区研究与开发人员（R＆D）视为高技能人员，将除R＆D人员之外的人员视为低技能劳动力，使用各地区研究与开发人员全时当量与该区域城镇单位就业人数的比值衡量技能升级，并对其取百分数（highskill）。

（4） 控制变量

本文选用的控制变量分别为产业结构（industry），用第三产业和第二产业的增加值之比表示；外商投资（lnforeign），用按照当年利率换算成人民币后的实际利用外商投资额的对数表示；地区经济发展水平（lngdp），用各省（区、市）人均地区生产总值的对数值表示；地方财政支出（lngov），用地方一般预算支出的对数值表示；社会固定资产投资（lnK），用社会固定资产投资的对数值表示。

（5） 数据来源

考虑到数据的可获得性，本文选取去除西藏和港澳台地区后的30个省（区、市）2008～2019年的数据进行研究，研究中使用的工业机器人安装量和存量数据来源于国际机器人联合会（IFR），其余数据来源于国家统计局以及各地方统计局公布的各类统计年鉴，变量描述性统计结果见表1。

表1 变量描述性统计

4 实证结果与分析

4.1 基准回归分析

表2的列 （1）、（2）分别展示了不加控制变量和加了控制变量后的基准回归结果，结果显示工业机器人应用对劳动力平均工资具有显著正向影响，即工业机器人存在工资溢价效应，具体来说，在控制其他变量排除干扰后，工业机器人渗透密度每增加1个单位，劳动力平均工资将增加215元，验证了假说1。从列 （2）中也可以看出，产业结构对平均工资有显著正向影响，原因可能是第三产业已经成为了中国经济发展的主动力，且对就业的吸纳能力相较第二产业更强，对劳动力需求更大，从而对平均工资有正向影响。外商投资和地区经济发展水平对平均工资也有显著正向影响，原因可能是两者都能够增加对劳动力的需求。地方财政支出越多，相应的区域内企业获得的政府补贴以及各机构得到的经费等就越多，这也会对劳动力工资产生正向影响。

表2 基准回归结果

4.2 内生性处理

由于在工业机器人应用对工资产生影响的同时，工资作为劳动力的使用成本也可能会影响工业机器人的应用量，即可能有互为因果的内生性问题。本文选择将核心解释变量分别滞后1期和滞后2期进行检验，结果（表略）显示在将工业机器人应用滞后1期、滞后2期排除内生性问题后，工业机器人应用仍具有显著的工资溢价效应。

4.3 稳健性检验

为了排除极端值影响，本文去除了工业机器人渗透密度首尾各5%的数据进行回归，结果（表略）显示在去除了极端值影响之后，工业机器人应用仍具有显著的工资溢价效应。此外，本文使用工业机器人存量数据构建工业机器人渗透密度代替核心自变量，结果（表略）显示工业机器人应用的工资溢价效应是稳健的。

4.4 异质性分析

为研究工业机器人应用的工资溢价效应在不同区域之间是否存在差异，本文对东、中、西部和东北部区域分别进行了回归，回归结果如表3所示，结果显示工业机器人应用对工资的影响在不同区域存在显著差异，在东部、中部和东北部区域均存在显著工资溢价效应，其中东部地区的工资溢价效应最大，东北部区域最小。值得注意的是与其他区域不同，在西部区域，工业机器人应用对工资产生了显著负向影响。工业机器人应用对各区域的影响差异可能是由于在不同区域工业机器人应用的数量和质量不同造成的，东部区域较为发达，应用的工业机器人数量更多且更加智能化，相较而言对高技能劳动力的需求更高，生产率效应和就业创造效应较强，而替代效应较弱，故而产生的工资溢价更大。而西部区域应用的工业机器人数量较少且智能化水平不高，大多表现为工厂中的流水线作业等形式，对劳动力的替代效应更强，所以反而对劳动力工资产生了负向作用。

表3 异质性分析结果

4.5 中介效应

上文研究已经发现工业机器人应用存在工资溢价效应，为进一步检验工业机器人应用能否以技能升级为中介对工资产生影响，设定模型设置如下：

W表示中介机制技能升级，其他变量设置与基准回归相同，β1反映工业机器人应用对中介机制技能升级的影响，γ2反映中介机制技能升级对劳动力工资的影响，当β1和γ2均显著为正时，说明工业机器人应用可以通过技能升级路径产生工资溢价，且产生的工资溢价为β1×γ2。

中介效应回归结果（表略）表明，工业机器人应用可以通过技能升级这一路径产生工资溢价，具体来说，工业机器人渗透密度每增加1个单位，可通过技能升级这一中介产生19元的工资溢价，验证了假说3。

5 结论与政策建议

本文利用2008～2019年IFR提供的工业机器人应用数据和中国30个省（区、市）的宏观数据进行实证研究得到以下结论：（1）工业机器人应用对我国劳动力市场具有显著的工资溢价效应，在经过内生性处理和稳健性检验后工资溢价仍显著存在；（2）由于不同区域工业机器人应用数量不同，工业机器人应用产生的工资溢价在不同区域之间存在显著差异，其中东部区域的工资溢价效应最大，其次为中部区域，最后为东北部区域。值得关注的是，工业机器人应用并未在西部区域产生工资溢价，反而对劳动者工资产生了负向影响；（3）工业机器人应用可通过技能升级产生工资溢价，促进劳动力技能升级能够对工资产生正向影响。

本文政策建议包括：（1）鼓励国内工业机器人研发。智能制造是实现制造业强国的必经之路，工业机器人是智能制造的重要内容，中国要大力支持工业机器人应用于社会各个层面，鼓励工业机器人引进，从而实现制造业强国战略目标；还要鼓励国内工业机器人研发，加大工业机器人研发投入力度，突破技术屏障；（2）健全劳动力培训体系。劳动力的技能水平普遍较低、供求结构不平衡等问题严重制约了中国制造业发展，推动劳动力技能升级是实现制造业转型升级的必要条件。通过健全培训体系，加大培训投入力度可以帮助劳动力实现技能升级，有助于形成制造业转型升级和劳动力平均工资增长的双赢局面，也有助于中国实现从人口红利向人才红利的转变。