工业机器人应用与我国制造业升级研究

尚 涛，刘 朵

(西北工业大学 公共政策与管理学院， 陕西 西安 710129)

一、引言与文献综述

“十四五”规划提出了智能制造发展目标，即加快数字化普及速度，加快智能转型，推动机器人等产业创新发展。2021年12月,工业和信息化部、国家发展和改革委员会等15个部门联合印发的《“十四五”机器人产业发展规划》提出工业机器人是智能制造的重要环节，其研发、制造、应用是衡量一个国家科技创新能力与高端制造业水平的重要标志，也是实现高质量发展的重要战略方向。根据工业和信息化部发布的《2020年1—12月机器人行业运行情况》显示，2020年我国累计生产工业机器人23.7万台，同比增长19.1%，创下我国工业机器人单年产量最高纪录，我国已成为世界上最有潜力的工业机器人市场。目前工业机器人已广泛应用于汽车及汽车零部件制造业、机械加工行业、电子电气行业等领域，因此,研究工业机器人大规模应用能否推动制造业优化升级从而促进经济高质量发展具有重要的现实意义。本文拟对以下问题展开研究：工业机器人应用推动制造业升级的作用机理是什么？鉴于中国各地区发展不平衡及各地对工业机器人应用存在巨大空间地理差异的现状，工业机器人应用对制造业升级是否存在空间效应？

随着工业机器人产业在中国不断扩大发展，有关工业机器人应用带来的影响日益明显,已有研究主要集中在工业机器人应用对就业、经济增长、劳动生产率与劳动力质量等的影响上。Acemoglu等[1]通过研究发现千人拥有的工业机器人每增加一台，就业人口比例会减少0.18～0.34个百分点，即工业机器人应用会导致部分工人失业。Faber、Kugler等[2-3]学者研究发现，美国工业机器人的应用会减少墨西哥与哥伦比亚工人的就业与收入，发达国家使用工业机器人会对欠发达贸易国的劳动力就业产生负面影响。但是Berg[4]却认为工业机器人的应用不仅能提高劳动生产率，还能创造新的就业岗位。Trajtenberg[5]也认为工业机器人的应用会通过增加产出带来就业需求的增加以及新技术产生，推动创造更多的就业岗位。吴清华等[6]通过实证发现工业机器人应用对劳动力市场具有显著的创造效应。Gregory等[7]使用27个欧洲国家的数据研究发现，工业机器人在替代了960个就业岗位的同时创造了2 100个新岗位，即就业创造效应大于就业替代效应。从短期看，工业机器人的应用可能会产生对劳动力的替代以及导致社会的不平等；但从长期看，工业机器人的应用提高了经济发展水平，带来经济的繁荣和人们生活的改善。杨光等[8]研究发现，工业机器人的使用对经济增长具有显著促进作用，且在人口红利晚期和后人口红利时期效果更加显著。Graetz等[9]基于1993—2007年17个国家的行业样本研究发现，工业机器人的应用对地区劳动生产率和工业增加值的提高具有积极推动作用。Jungmittag等[10]利用12个欧盟国家的9个制造业数据研究发现工业机器人的应用对劳动力生产率增长做出了重大贡献。Calì等[11]基于印度尼西亚制造业数据研究发现工业机器人的应用对提高技术效率、销售额和价值增值有积极影响。李丫丫、韩民春等[12-13]通过研究证实了工业机器人应用对全要素生产率的提升具有促进作用。程虹等[14]基于中介效应模型验证了机器人应用对劳动力质量具有显著的提升作用。

制造业水平直接体现了一个国家的生产力水平，制造业的发展是我国经济增长的主要推动力。虽然我国制造业门类及生产总量处于世界领先地位，但我国制造业发展面临着高投入、高消耗、高污染、低效益等问题。随着我国经济由高速增长转向高质量发展，制造业转型升级迫在眉睫。关于制造业转型升级影响因素的研究，大部分学者认为创新驱动、全要素生产率的提升、要素流动和人力资本积累等是推动制造业升级的关键因素。宋林等[15]通过实证得出创新对制造业结构升级具有显著正向效应，但还需结合提高金融水平、引进外资等措施实现产业升级。李捷等[16]认为技术、资本和劳动密集型厂商提升全要素生产率会驱动制造业转型升级。阳立高、李磊等[17-18]都认同劳动力供给质量提高显著提升了制造业结构合理化水平，并且人力资本积累对制造业升级具有明显的促进作用。

综上所述，现有文献研究主要集中在工业机器人对就业、劳动力市场等的影响，而制造业升级的影响因素则集中于创新、技术进步与人力资本积累等。已有研究缺乏从工业机器人角度研究其对制造业升级的影响并总结其传导作用机制。此外，已有研究方法多是建立传统面板模型，采用固定效应或中介效应方法等，对空间计量模型的应用较少，忽略了变量的空间交互影响。因此，与已有文献相比，本文的创新之处在于：一方面，从工业机器人应用视角探索其推动制造业升级的内在机理，为研究制造业转型升级提供了新的视角；另一方面，在研究方法上构建空间面板计量模型，将空间因素纳入工业机器人应用对制造业升级的研究中，其实证结果相比传统面板模型更加可靠，更具现实意义。本文在前人研究的基础上，对工业机器人应用推动制造业升级的作用机理进行总结分析，详细描述了我国工业机器人的应用现状，并构建空间杜宾模型对工业机器人应用是否促进制造业升级进行实证考察，以期为我国制造业升级提供政策参考。

二、影响机理

通过梳理文献发现，制造业升级转型的变动通常与创新、技术进步以及全要素生产率提升等密切相关，而工业机器人应用又是影响劳动力供给、技术创新、人力资本积累和劳动生产率的重要因素，因而工业机器人应用必然会对制造业升级产生影响。工业机器人应用通过技术溢出效应、劳动生产率效应、人力资本积累效应和要素流动效应影响我国制造业升级(影响机理见图1)。

图1 工业机器人应用对制造业升级的影响机理

(一)技术溢出效应

从IFR前瞻产业研究院整理的数据可知，我国2019年工业机器人外资品牌在市场总销量中占比68.75%，我国工业机器人具有较强的进口依赖性，因此在工业机器人进口贸易中产生了技术溢出效应，进口的工业机器人在中国制造企业应用中实现了技术的替代与互补。工业机器人是一种应用创新知识并能开发产品和提高质量的技术创新，一方面，应用企业可以通过“干中学”吸收先进技术和前沿知识，对原有生产工具进行改造升级从而降低物耗能耗，获得更强的生产能力[19]；另一方面，企业原有员工在使用工业机器人的过程中积累经验，吸收生产过程中的隐性知识，提高自身技能，再通过组织培训与交流使技术知识外溢[20]，从而推动高质量信息以及隐性知识快速转移，扩充企业知识库，促进企业对内外部知识的整合。中国制造企业在引进工业机器人设备后，通过对先进数字技术的模仿、学习和消化，产生技术溢出效应反向促进技术的革新，形成良性互动进而推动制造业升级。

(二)劳动生产率效应

自动化生产有助于提高劳动生产率。工业机器人的应用通过“机器换人”实现对低技能劳动力的替代，通过减少劳动就业而节约生产成本、提高劳动生产率[21-22]，工业机器人的应用使生产范式发生变革。从实践来看，工业机器人的安装一般应与企业的资源基础、驱动机制、流程管理、价值创造、竞争方式等相协调，通过变革生产方式而提升整体的劳动生产率。尤其是在当前消费需求变动的条件下，生产方式从大规模制造向大规模定制转变，工业机器人与企业内外的自动化设备和物联网相连接，使研发、生产以及销售等更加迅捷、有效，加速制造业的生产、研发、质量以及生产率的提升。从宏观视角来看，工业机器人的应用有助于各国制造业获取更多的全球市场份额，在制造业中更广泛、更深入地使用工业机器人将有效提高生产力与竞争力[23]。劳动生产效率的提高将进一步提升对高端制造业的有效需求，这正是推动制造业产业结构优化升级的决定性动力，而高端制造业智能化的有效需求规模扩大将促进制造业从传统产业向高端化过渡转变，从而推动整体产业结构升级[24]。

(三)人力资本积累效应

工业机器人的应用从增加高质量劳动力和提升现有员工技能水平两个维度提升企业人力资本水平[19]。虽然“机器换人”会减少就业岗位，但是工业机器人应用本身作为一项自动化技术应用会催生出众多新劳动岗位，如机器人的检测与维护，而这些新的就业岗位通常要求劳动者具有较高水平的技能[25-26]。企业员工为了避免“机器换人”的替代风险，主动学习和从事工序协调、机器监测、设备调试等高技能工作，从而倒逼劳动力提升自身质量与素质。杜传文等[27]通过研究发现工业机器人应用程度越高，高技能劳动比例随之越高。Lankisch等[28]学者指出，相较于高技能工人，机器人更容易替代低技能工人。低技能劳动力的减少与高技能劳动力的增加改善了企业的劳动力结构，从而影响企业的生产效率与创新行为，推动制造业升级。胡晟明等[29]则证实了工业机器人应用会显著提升人力资本。因此，工业机器人应用通过人力资本积累效应推动制造业转型升级。

(四)要素流动效应

工业机器人投入应用使制造企业通过减少生产成本与提高劳动生产率进一步提高资本回报率，从而促进了资本积累，而工业机器人相关设备的更新需求会扩大对固定资产的投资[30-31]。工业机器人本质上是一种资本深化的产物，该技术发展对中低技能劳动力产生替代效应，企业大范围应用以工业机器人为代表的人工智能技术，在减少对低技能劳动需求的同时提高了资本投入，进一步加速了资本深化，促进要素结构优化升级[32-37]。资本劳动等生产要素流动使要素配置结构得到优化，推动了人工智能技术在产业部门、企业各生产流程的应用，降低了企业生产成本，进一步推动了产业结构优化升级。此外，工业机器人应用将提高高级技能劳动力比例，倒逼劳动力主动提高质量与素质，从而推动资本与劳动力等生产要素从原本劳动密集部门流向资本、技术密集部门，这有利于促进资本与技术密集型制造业快速发展，进而推动制造业结构升级[33,37]。

三、工业机器人在我国的应用现状分析

近年来，随着工业机器人向更深更远的方向发展以及智能化水平的提高，工业机器人的应用逐渐从制造业推广到如采矿、建筑、农业等各种非制造行业。由表1可知，我国工业机器人主要应用在制造业，但在教育与研发产业、农林牧渔业和电力、燃气及水的生产和供应业的应用量逐年增加。

表1 2015—2019年中国各产业工业机器人存量 台

由图2可知，在制造业门类中，汽车制造业、金属制造业以及半导体制造业的工业机器人安装数量是最多的，尤其是汽车制造业，2019年占制造业总安装量的30.33%。

但是从工业机器人供给方面来看，据《中国工业机器人产业发展白皮书2020》统计，国外企业以世界机器人“四大家族”(ABB、库卡、发那科、安川)为代表，在中国的市场份额合计超过60%。在高端应用集中的领域，国外公司占90%的份额，众多国产机器人企业所占份额不到5%。汽车制造业用工业机器人的国产占有率较低，主要原因在于汽车制造业应用工业机器人具有极高的技术和商务层面的进入壁垒，中短期内国产工业机器人厂商难以撼动现有竞争格局，国产工业机器人发展面临着严峻考验。

图2 2019年制造业各行业工业机器人数量占比

由表2可知，2009—2019年我国东部地区工业机器人安装密度由3.04台/万人增长至108.69台/万人，增长了近36.23倍；中部地区工业机器人安装密度从1.26台/万人增长到49.77台/万人，增长了近39.5倍；西部地区工业机器人安装密度由1.22台/万人增长到44.25台/万人，增长了近36.27倍。2009—2019年，东部地区工业机器人安装密度在全国范围内占比是最高的，平均每年都在50%以上；2009—2019年占比从高到低排序分别是东部、中部与西部。

表2 2009—2019年中国工业机器人安装密度的地区分布

由图3可知，2019年工业机器人安装密度较高的区域集中在广东、上海、江苏、北京等地，其工业机器人的拥有量占全国的一半以上。这些地区曾有一大批汽车制造业、半导体业与电子制造业，随着产业的转型调整，大量人力由机器人代替，这些地区因此也成为国内自动化水平最高的地区。

图3 2019年各省域工业机器人安装密度

四、研究设计

(一)工业机器人安装密度测度

工业机器人安装密度为每万人所使用工业机器人数量。参考Acemoglu等[22]的研究，由于中国统计体系中的行业分类标准与IFR的行业分类(ISIC)不完全一致，根据国际机器人联盟所提供的行业类别中与2009—2019年《中国劳动统计年鉴》中的农林牧渔业、采矿业、制造业、电热燃及水生产和供应业、建筑业和教育研究与发展业一共6类行业类别数据相匹配，使用Bartik工具变量法，假设每一行业在各个省份的分布程度是一样的，工业机器人密度取决于该省份各行业的就业份额。具体公式如下：

(1)

式(1)中：Bst表示s区域t年的工业机器人安装密度；Rit表示i行业t年的工业机器人安装密度，是i行业t年工业机器人数量与行业t年的就业人数之比；Lsit表示s省i行业t年的人口占比，用s省i行业t年的就业人数与s省t年的就业总人数之比衡量。将某一省份所有行业的工业机器人安装密度加总可得该省份的工业机器人安装密度。

(二)空间自相关性检验

我国地理与经济条件具有多样性，因此各地区工业机器人安装密度与制造业结构存在着极大的空间差异。如果用传统回归方法来检验工业机器人应用与制造业结构升级之间的关系,会因各地区存在的空间溢出效应而出现一定的偏差，因此有必要先对各区域变量的空间相关性展开检验。检验区域变量是否存在空间自相关性的常用方法主要是Moran提出的Moran’s I指数。计算Moran’s I指数前，首先要构建各省份的空间邻近权重矩阵Wij，其构造原则为：

Moran’s I指数计算公式为：

(2)

(三)模型设定

1.空间计量理论模型

空间计量模型主要包括空间滞后模型、空间误差模型和空间杜宾模型。空间滞后模型简称为SAR，主要对某地区是否具有空间溢出效应进行研究，公式为：

y=ρWy+Xβ+ε

(3)

式(3)中：Wy表示空间滞后因变量，ρ度量的是空间滞后Wy对y的影响，称为空间自回归系数；ε表示随机误差项。

空间误差模型是指空间依赖性存在于不影响X但影响y的遗漏变量中，简称为SEM，公式为：

(4)

式(4)中:λ表示空间误差系数，μ与ε表示随机误差项，且μ是服从正态分布的随机误差向量。

空间杜宾模型简称为SDM。在此模型中，被解释变量的变化不仅受本地解释变量的影响，还受到邻地解释变量的影响。公式为：

y=ρWy+Xβ+WXδ+ε

(5)

式(5)中:δ表示空间项系数，ε表示随机误差项。

2.变量选择与数据来源

被解释变量：制造业的产业升级表现为高附加值制造业比重的不断增长，制造业由低附加值、低技术水平状态向高附加值、高技术水平状态演变。在有关制造业升级的衡量上，不同学者有不同的看法。林秀梅等[35]认为增加值率的提高能体现产业组织结构的优化及资源配置效率的提升，工业增加值率能够准确衡量某地区一定水平的产出所获得的收入多少，其不仅反映技术水平高低，同时也包含价值分配内涵。因此本文借鉴林秀梅等的方法，采用工业增加值率指标衡量制造业升级水平，计算公式为：规模以上工业企业工业增加值除以工业产值，计算的数据来源为各年《中国工业经济统计年鉴》和各地区统计年鉴，2018年和2019年数据源自《中国经济普查年鉴》。

核心解释变量：工业机器人应用量用工业机器人安装密度表示，工业机器人安装密度为每万人所使用工业机器人数量。参考Acemoglu等[22]的研究，由于中国统计体系中的行业分类标准与IFR的行业分类(ISIC)不完全一致，根据国际机器人联盟中所提供的行业类别与2009—2019年《中国劳动统计年鉴》中农林牧渔业、采矿业、制造业、电热燃及水生产和供应业、建筑业、教育研究与发展产业一共6类行业的类别数据相匹配，使用Bartik工具变量法，假设每一行业在各省份的分布程度是一样的，工业机器人密度取决于该省份各行业的就业份额。各行业工业机器人安装数量数据来自国际机器人联盟。

控制变量：本文借鉴刘佳等[36]有关制造业升级影响的研究选取以下6个控制变量。一是人力资本(HR)：限于数据可得性，用每万人拥有的普通高等学校在校学生数表示。劳动力质量的提升能推动制造业转型升级。二是政府科技资助(GOV)：用地区科学技术支出占地方财政一般预算内支出的比重来表示。政府的参与程度会对制造业升级带来影响，政府的重视程度决定着财政的创新资金投入。三是信息化发展水平(COM)：用省市电信业务收入占全国电信业务收入比重表示。信息化水平已成为衡量国家和地区现代化程度的重要标志，高水平的信息技术能有效降低知识交易的空间成本以及推动知识形态的生产力传播并使其被充分利用，从而影响制造业升级。四是交通发达程度(PRE)：用各省市货运总量进行衡量。交通发达有利于制造业的要素自由流动，从而降低制造业的成本。五是城镇化水平(UR)：用各地区城镇常住人口与总人口比重表示。六是外商直接投资(FDI)：用各地区实际外商直接投资额与GDP比值来衡量，外商直接投资是推动制造业升级的重要影响因素。

3.空间计量模型的设定

现有考察制造业升级影响因素的实证研究中，模型设定主要包括外商直接投资、人力资本、信息化发展水平与城镇化水平等变量，本文参考环境规制对制造业升级的空间效应分析的实证模型，根据空间计量模型和选取的变量来构建考察工业机器人应用对制造业结构升级影响的空间滞后模型与空间误差模型。

空间滞后模型：

INSit=α0+α1RBit+α2lnHRit+α3GOVit+α4COMit+α5lnPREit+α6URit+α7FDIit+

(6)

空间误差模型：

(7)

空间杜宾模型：

INSit=α0+α1RBit+α2lnHRit+α3GOVit+α4COMit+α5lnPREit+α6URit+α7FDIit+

δ1WijRBit+δ2WijlnHRit+δ3WijGOVit+δ4WijCOMit+δ5WijlnPREit+δ6WijURit+

(8)

式(8)中:i表示省份，t表示年份，εit与μit表示正态分布的随机误差项，α0—α7表示变量回归系数，ρ与λ分别表示空间自回归系数与空间误差系数，Wij表示空间权重矩阵，RB表示工业机器人省域安装密度，HR表示人力资本，GOV表示政府科技资助，COM表示信息化发展水平，PRE表示交通发达程度，UR表示城镇化水平，FDI表示外商直接投资。为了消除异方差的影响，将某些变量取对数处理。

本研究选择的样本是2009—2019年中国30个省份的宏观面板数据(西藏和港澳台地区因数据缺失，暂不考虑)。工业机器人安装量的数据可由国际机器人联盟(IFR)获得，以上数据来源为各年《中国统计年鉴》、各地区统计年鉴、《中国科技数据库》与《中国人口与就业统计年鉴》。为了缓解回归模型中存在的异方差问题，本文对相应变量做取对数处理。本文所使用的主要变量及定义见表3，变量相应的描述性统计见表4。

表3 主要变量及定义

表4 变量的描述性统计

五、实证分析

(一)空间自相关检验

根据2009—2019年我国30个省域工业机器人安装密度与制造业结构升级水平数据，运用Stata 16.0软件可计算出Moran’s I指数及检验结果(见表5)。

表5 2009—2019年工业机器人安装密度与制造业升级的Moran’s I指数表

由表5可以看出，2009—2019年工业机器人安装密度与制造业升级指标的Moran’s I指数均通过了P值检验，说明2009—2019年我国30个省市工业机器人应用与制造业升级具有较强的空间正自相关性，即两者皆存在明显的空间集聚性。

Moran’s I指数散点图是用散点图表述变量与其空间滞后向量之间的关系，可用于识别局部的空间关联模式。散点图主要分为4个象限，4个象限对应4种类型的局域空间关系，第一象限与第三象限表示空间正相关，第二象限和第四象限表示空间负相关。工业机器人安装密度的Moran’s I指数散点图(见图4、图5)第一象限(HH)表示工业机器人安装密度高的省市被同样高密度的省市包围；第二象限(LH)表示低安装密度的省市被高安装密度的省市所包围；第三象限(LL)表示低安装密度的省市被同样低安装密度的省市所包围；第四象限(HL)表示工业机器人安装密度高省市被低安装密度的省市包围。从图4和图5可看出，绝大部分省市集聚在第一象限与第三象限。第一象限有北京、天津、上海、江苏、浙江、福建、广东等省市，主要分布在京津冀地区与东南沿海地区；第三象限有安徽、江西、山东、河南、广西、海南、贵州、云南、陕西、甘肃、青海、宁夏和新疆等省市，大多数分布在我国中西部地区。此结果进一步证实了我国省域工业机器人安装密度存在着显著的空间正相关性，大部分省市与其邻近省市有着相似的集聚特征。

图4 2009年工业机器人安装密度的Moran’s I散点图

图5 2019年工业机器人安装密度的Moran’s I散点图

综上可知，我国工业机器人安装密度与制造业升级水平均存在着明显的空间自相关性。因此，下一步将空间因素纳入空间计量模型来探讨工业机器人应用对制造业升级的具体影响。

(二)空间回归估计与结果分析

1.空间面板模型识别检验

由于空间面板模型具有复杂多样性，因此在建立空间计量模型前需要对空间面板模型的选择进行识别检验。首先通过LM检验模型选用非空间计量模型和空间计量模型，检验结果如表6所示，均拒绝LM检验原假设，表明选择空间计量模型。接下来利用LR与Wald检验来判别SDM模型是否会简化为SAR与SEM模型，结果如表7所示，均拒绝原假设，因此选择SDM模型。

表6 空间面板模型识别LM检验

表7 空间面板模型检验LR与Wald检验

2.空间效应分析

采用极大似然法对模型进行估计，首先使用豪斯曼检验应该采用固定效应模型还是随机效应模型，其检验结果为拒绝使用随机效应模型的原假设，故本文使用固定效应模型进行回归，回归结果如表9所示。此外，为与空间杜宾模型估计结果相对比，表8还列出空间滞后模型和空间误差模型的估计结果，由R2和Log-like值可看出选择SDM模型明显优于SAR与SEM模型。

表8 空间计量估计结果

固定效应模型有3种，分别是个体、时间和双固定效应，表8为固定效应计量结果。从回归结果可以看出，3种效应的系数都显著为正，说明各省市的制造业升级存在着外溢效应。从工业机器人应用系数来看，三者在1%的水平上显著为正，说明工业机器人应用对推动制造业升级有着显著的影响。从3种效应的Log-like值比较可发现双固定效应的Log-like值最大，因此选择双固定效应的SDM更优。

从控制变量的回归结果来看，外商直接投资与信息化发展水平对制造业升级的影响显著，而人力资本、政府科技资助、交通发达程度及城镇化水平对制造业升级的影响不显著。其中信息化发展水平对制造业升级有着显著促进作用，主要是信息化可以促进制造业与相关行业机构之间的知识共享和有效信息的交流，以优化制造业产业结构，从而推动我国制造业转型升级，即信息化是推动制造业升级和实施新型工业化的必由之路。由上述回归结果发现，外商直接投资对制造业升级产生显著的负面影响，这可能是因为外商直接投资主要集中于劳动密集型制造业，技术溢出效应并不明显，且一味依靠外商直接投资的技术溢出效应并不能使我国技术水平发生根本性变化，甚至不断扩大的外资规模形成一定的市场垄断后会引致对内资企业的负面挤出效应，阻碍制造业升级转型。人力资本并未对制造业升级产生显著影响，这可能是因为将“每万人拥有的普通高等学校在校学生数”作为人才代理变量存在一定缺陷，也可能是目前的教育规模并不能很好地与创新升级需要的技术结构相匹配。政府科技资助也并未对制造业升级产生显著影响，这可能是因为政府对科技资助规模过大或过小，从而扭曲了制造业的资源配置，不利于制造业升级。发达的交通可以推动制造业升级过程中生产要素的流动，有利于优化资源配置。城镇化虽然可以通过释放投资和消费需求推动制造业升级，但是从目前中国制造业的发展来看，企业的大部分劳动者都为外来务工者，仅有少部分当地居民，与当地城镇化进程关系并不密切，因此城镇化对制造业升级影响并不显著。

表9 空间杜宾模型回归结果

SDM模型可以分解成3个部分，首先是自变量影响本地区因变量的直接效应，其次是自变量影响相关地区因变量的间接效应，最后是自变量影响因变量的总效应。从表10的SDM模型分解效应结果可知，工业机器人应用在直接效应与间接效应上都非常显著。工业机器人应用对制造业升级具有显著的正向直接效应，工业机器人应用每上升1个单位，促进本区域制造业升级水平提升0.008个单位，表明工业机器人应用的增加会显著驱动地方制造业升级。而工业机器人应用对相关地区制造业升级影响间接效应为负，说明本地增加工业机器人应用将不利于周边地区的制造业升级，这可能是因为相邻地区之间存在着竞争关系使其具有负向的外溢效应。

表10 空间杜宾模型直接效应、间接效应和总效应

变量邻近矩阵系数t值间接效应RB-0.006∗∗(0.04)HR-0.024(0.69)GOV2.815∗∗∗(0.00)COM-1.611(0.26)PRE0.037(0.24)UR-0.060(0.72)FDI0.057(0.87)

变量邻近矩阵系数t值总效应RB0.002(0.57)HR-0.037(0.57)GOV2.689∗∗∗(0.01)COM0.702(0.68)PRE0.041(0.23)UR0.086(0.67)FDI-0.460(0.29)

3.稳健性检验

为证明实证结果的可信性，进一步选择空间反距离矩阵来加强以上结论的稳健性，估计结果如表11所示。稳健性检验结果与表8回归结果基本一致，只在数值大小上略有不同。从工业机器人应用系数结果可知，在1%的水平上显著为正，表明工业机器人应用对制造业升级具有显著的推动作用。

表11 稳健性检验

4.异质性检验

由于我国各地对工业机器人应用存在较大的空间地理差异，因此分地区对其进行验证。由表12可知，东中西部3个区域的工业机器人应用对制造业升级的影响存在显著差距，东部与中部地区的工业机器人应用对制造业升级产生了显著的促进作用，且东部地区的显著作用强于中部地区，而西部地区的影响作用并不显著。究其原因，东部地区工业机器人应用起步较早、安装密度较高，已形成规模完整的产业链，在市场需求、创新资源与影响力方面具备领先优势，如珠三角的松山湖机器人产业园区与京津冀的唐山机器人产业园，凭借其雄厚的产业基础及配套、庞大的应用市场，早已形成相对成熟的机器人产业链。中部地区的工业机器人应用虽然发展起步较晚，但是依托宏观布局和广阔的应用市场，已逐步建成机器人产业链，后发优势明显，如安徽的芜湖机器人产业园，凭借国家政策措施与金融手段、应用对接结合，已形成较为完备的产业链。而西部地区工业机器人应用的软环境不够开放，人才较为匮乏，产业基础薄弱，尚未形成规模化的机器人产业集聚区，工业机器人应用的影响尚处于较低水平。

表12 分地区空间杜宾模型回归结果

六、研究结论及建议

工业机器人应用是当前推动我国制造业转型升级的前沿方向。本文立足当前工业机器人应用的发展状况，选取2009—2019年30个省市的面板数据为样本，通过空间相关性对工业机器人应用与制造业升级的空间分布进行分析，构建了空间计量面板模型对工业机器人应用与制造业升级之间的关系进行探索，研究发现：(1)我国工业机器人的应用与制造业升级在样本期间呈现出较强的空间正自相关性，两者皆存在明显的空间集聚性。(2)工业机器人安装密度存在较为明显的空间地理差异，大部分省市与其邻近省市有着相似的集聚特征，安装密度高的省市集中在东部地区。(3)空间计量结果显示我国工业机器人应用对制造业升级具有显著的促进作用，控制变量结果显示外商直接投资与信息化发展水平对制造业升级的影响显著，其中外商直接投资对制造业升级产生负面影响，信息化发展水平对制造业升级有着促进作用。分地区检验得出东部与中部地区工业机器人应用对制造业升级有着显著的推动作用，而西部地区不存在显著的促进作用。工业机器人应用通过“机器换人”减少生产成本、提高劳动生产率、倒逼劳动力提高技能与素质、带动企业技术创新等推动制造业升级。

基于上述结论，本文提出如下建议：

首先，中西部地区政府应加大对工业机器人应用的政策扶持力度。我国工业机器人应用分布空间差异较大，主要集中在东部地区。广东省政府在2021年印发的《广东省制造业高质量发展“十四五”规划》中提出重点推进工业机器人在陶瓷、家具与纺织等重点行业的集成应用。浙江省出台的《浙江省“机器人+”行动计划》鼓励推广机器人应用，对购置工业机器人的企业按购置费的10%进行财政补贴。因此，为了强化工业机器人应用对制造业升级的推动作用，中西部地区可以进一步加大对工业机器人的政策扶持力度。

其次，稳步推进工业机器人技术，扩大其在制造业中的应用范围。虽然我国工业机器人需求日益增长，但国产品牌在市场中占比不到三分之一。因此，国内制造企业要提高自主创新能力，形成技术优势与品牌优势，推动国产工业机器人发展与应用。我国工业机器人应用主要集中在汽车制造、金属制造等传统制造业，但是随着研发技术进步，工业机器人会不断扩大其在制造业中的应用范围。政府应统筹各项资金资本，形成多方支持的研发新格局，推动产学研合作，重点聚焦前沿技术、共性关键技术，推动我国工业机器人应用成为制造业升级变革的关键性力量。

最后，政府可以优化外商直接投资结构，引导外资产业投资方向。一方面，加大引进技术含量高的欧美国家的外商直接投资，引导外资更多地投向工业机器人等先进制造业领域。另一方面，国内企业在吸收先进技术的同时应注重提高自身的研发能力，加强产学研合作，积极消化吸收先进技术，提升自身技术创新能力，缩小与外商高科技企业的技术差距，最终实现自主发展。在信息化发展方向，政府仍需推进信息化广度与深度，落实相关激励政策，制造企业可以严格规范信息化管理、提高信息化利用率，加大企业信息化建设力度，更好地发挥信息化建设在制造业升级中的推动作用。