自动化是否扩大了企业内部收入差距——来自制造业非国有上市公司的证据∗

王筱筱 卢国军 崔小勇

一、引言

新一代信息技术与制造业的深度融合，正在引领传统生产方式发生深刻变革。创新是高质量发展的第一动力。以工业机器人为代表的自动化技术极大提高了生产效率，驱动着新一轮科技革命和产业升级。根据国际机器人联合会(IFR)统计，2021 年，销售至中国的工业机器人数量达24.8 万台，占全球工业机器人市场约52.88%。工业机器人在中国的大规模应用对经济增长、就业和收入不平等的影响不可忽视。

自动化技术的应用通过替代部分生产性工人，在提高生产效率的同时，也会造成失业、工资下降、劳动收入份额降低和收入差距扩大等诸多社会性问题(Acemoglu 和Restrepo，2018a；Acemoglu 和Restrepo，2020；Aghion 等，2018；Moll 等，2022)。共享是高质量发展的根本目的，而如何优化收入分配制度，在广泛有效调动全社会生产积极性的同时，实现发展成果的共享，成为自动化技术广泛应用的趋势下亟待解决的问题。企业作为收入分配大格局的中心环节，其内部薪酬分配关系到整体社会的收入分配格局。本文试图从企业内部收入不平等角度考察自动化对收入分配差距的影响及其内在机制。

基于2012—2019 年中国制造业上市公司微观数据和IFR 工业机器人数据，本文探讨了以工业机器人的应用衡量的自动化程度对非国有企业内部薪酬差距的影响。我们根据行业分类匹配了2012—2019 年中国制造业上市公司和IFR 工业机器人数据，参考Bartik变量的构造思路(Goldsmith-Pinkham 等，2020)，分解得到了度量企业层面工业机器人应用程度的指标。在被解释变量方面，参考张克中等(2021)的工作，我们使用企业内部高管平均薪酬和普通员工平均工资的差值衡量企业内部收入不平等。实证结果显示，工业机器人的应用显著扩大了企业内部收入不平等。平均而言，工业机器人渗透度每提高1%，企业内部收入不平等扩大0.17%。收入不平等扩大主要源于高管平均薪酬的显著提升: 平均而言，工业机器人渗透度每提高1%，高管平均薪酬提升约0.11%，而工业机器人的应用对普通员工的平均工资没有显著影响。进一步地，本文从企业管理成本和经营绩效两个方面考察了工业机器人影响企业内部收入不平等的内在机制。本文的研究发现，工业机器人的大规模应用会显著降低企业的管理成本，同时可以提升企业的经营绩效，增加可供企业管理层分享的租金，从而扩大高管与普通员工之间的薪酬差距。异质性分析表明，工业机器人对企业内部收入不平等的影响在高管持股数低、员工议价能力低以及资本密集型行业的企业中更为显著。因此，在推进机器人大规模应用的同时，也应重视和评估其在收入分配上带来的负面效应。政府可以通过完善非国有企业高管薪酬制度对高收入群体的收入进行适度调节；也可以直接提供或鼓励企业对生产性工人提供教育培训，增强普通工人与自动化技术的互补性，从而改善普通员工薪酬收入。本文的估计结果为我们科学地评估和应对中国制造业自动化对收入分配的影响提供了实证依据。

本文的研究面临两大挑战: 首先，在探讨自动化对企业内部收入差距的影响时可能存在遗漏变量或反向因果等内生性问题。一方面，影响企业内部薪酬差距的因素很多，如果未能将一些不可观测的因素加入控制变量中，可能会导致估计结果的偏误。另一方面，如果企业内部收入差距更大的企业更倾向于引入工业机器人，那么直接回归得到的结果会高估自动化对收入差距的效应。本文参考Acemoglu 和Restrepo (2020)构造Bartik 工具变量的思路，使用美国的工业机器人存量构建行业层面工业机器人渗透度，并以此作为工具变量。使用这一工具变量的原因在于，一方面，欧美发达国家技术水平处于领先地位，其各行业工业机器人的应用在一定程度上引导了发展中国家对应行业的工业机器人应用，工具变量满足相关性假设。另一方面，由于劳动力市场的分割以及人口、产业、文化、制度等特征的差异，发达国家的工业机器人应用很难受到中国企业内部收入差距的影响，工具变量满足外生性假设。国内一些研究借助同样的方式构造了地区或企业层面的工业机器人应用的工具变量，探究了工业机器人对劳动力市场的影响，并验证了该工具变量的合理性(陈媛媛等，2022；王永钦和董雯，2020)。本文研究面临的另一个挑战是国有企业样本对实证回归结果的干扰。本文试图考察工业机器人对企业内部收入不平等的影响，然而国有企业在内部薪酬制度上与非国有企业存在较大差异。一方面，国有企业往往承担更多的社会责任，在稳定就业和保障民生上发挥着重要作用，相比于非国有企业，其普通员工的工资和福利待遇可能更高(陆正飞等，2012)。另一方面，国有企业承担着调节收入分配的责任，国有企业高管的薪酬管制是中国政府调节收入分配的制度安排之一。在“限薪令” 等国有企业高管薪酬管制下，国有企业高管货币薪酬的增速显著降低，但普通员工工资未受到影响(张楠和卢洪友，2017)。因此，国有企业内部薪酬差距可能对工业机器人的应用并不敏感，从而干扰本文的估计结果。针对这一问题，我们在基准回归中剔除了样本中的国有企业。①因篇幅所限，本文省略了关于自动化程度对国有企业内部收入差距的影响，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展” 栏目下载。

已有大量文献关注自动化对经济社会的影响，王军和常红(2021)对此进行了系统的梳理。目前国内关于工业机器人对经济社会影响的讨论，主要聚焦在就业(王永钦和董雯，2020)、劳动力的空间配置(陈媛媛等，2022)以及人力资本投资(胡晟明等，2021)，较少关注工业机器人对收入分配的影响。相比而言，关于自动化技术应用影响美国等国家和地区收入分配的讨论十分丰富。一些文献试图在理论上刻画自动化对收入不平等或劳动收入份额的影响，并结合现实数据估计影响大小。Acemoglu 和Restrepo(2022)在基于任务生产的框架下讨论了自动化技术对工资不平等的影响，发现美国过去40 年工资结构的变化主要是自动化进程导致的。Hémous 和Olsen (2022)构建了一个包含自动化和产品种类创新型技术进步的内生增长模型，发现低技能工资的上涨能够推动企业投资自动化技术，进而导致劳动收入份额下降和技能溢价上升。除了影响不同技能工人的工资溢价水平，Moll 等(2022)还指出自动化可以通过提升资本的回报来扩大收入不平等。Guerreiro 等(2022)基于自动化扩大劳动收入不平等，进一步讨论了最优的再分配政策。由于中国在技术发展水平、劳动力市场结构、经济体制等方面与西方发达国家存在诸多差异，工业机器人的应用会对中国劳动收入分配产生怎样的影响，仍有待进一步探讨。企业内部收入分配作为整体收入分配的一个缩影，对收入差距变化的解释不可忽略。因此，本文试图基于微观企业数据，考察工业机器人的应用对企业内部收入不平等的影响，深入分析工业机器人影响收入不平等的微观机制。已有部分文献利用制造业“雇主—雇员” 微观数据，研究工业机器人的应用对技能工资溢价的影响(余玲铮等，2021)。由于企业高管主要为高收入群体，缩小企业内部高管与普通员工的收入差距对实现共同富裕至关重要。本文发现工业机器人显著扩大了企业内部高管和普通员工的薪酬差距，为理解工业机器人的收入分配效应提供了新的研究视角。进一步地，我们探讨了可能的影响机制，为更好地发挥政策调节作用，实现效率与公平的统筹兼顾提供了新的理论和现实依据。

本文可能的边际贡献如下: 其一，为探讨自动化的收入分配效应提供了微观企业层面的研究视角和经验证据。现有研究大多从宏观层面考察自动化对收入不平等的影响(王林辉等，2020)。本文定量识别了工业机器人应用对企业内部薪酬差距的影响，从企业内部收入分配的角度，指出自动化可以通过扩大企业内部薪酬差距对总体收入分配产生负面影响，这对政府在推进自动化的同时完善再分配制度具有启发意义。其二，本文从高管和普通员工收入差距的视角补充了自动化对劳动报酬影响的相关文献。已有实证研究在识别自动化对劳动力工资影响时，得到了有利和不利两种结果(王军和常红，2021)。Fueki 和Maehashi (2019)从理论上指出自动化对劳动报酬的影响方向是不确定的。一些实证研究进一步识别了自动化对企业内部不同教育水平和不同岗位工人的影响差异(王永钦和董雯，2020；Barth 等，2020)。本文则考虑了企业内高管和普通员工在职能、议价能力等方面的差异，从理论上分析并在实证上检验了自动化对高管和普通员工平均工资的影响差异，进一步完善了自动化对劳动报酬影响的相关研究。其三，本文基于以自动化为核心的新一代智能制造技术的不断进步，为非国有企业内部收入差距的日益扩大寻找到新的解释。本文揭示了工业机器人的应用可以通过改善企业内部治理和改善企业经营绩效两个渠道提升企业租金，进而扩大企业内部收入差距，为理解“效率” 对“公平” 之影响提供了经验证据。其四，本文通过比较不同特征下工业机器人对企业内部收入不平等的影响差异，指出可以通过增加高管股权激励比重、增加普通员工在租金分享中议价能力等方式改善企业内部收入分配。本文的结论对于我们科学地实现共同富裕目标具有一定的政策参考价值。

二、理论分析与研究假设

工业机器人与不同技能劳动力之间的替代互补性差异是解释工资收入差距(技能溢价)的重要因素之一(Guerreiro 等，2022)。此外，垄断竞争企业内部的租金分享差异也是导致职工之间收入差距的原因(Kline 等，2019)。为考察工业机器人应用对企业内部薪酬差距的影响机制，本文结合Guerreiro 等(2022)和Kline 等(2019)的工作，考虑一家垄断竞争的企业，企业的生产函数具有以下形式:

其中，A代表企业全要素生产率，1－α为管理人员的产出弹性。M为企业使用的工业机器人，其均衡价格为r。Lo、Lm分别代表企业雇用的普通员工和管理人员，其均衡工资分别为wo、wm。产品在垄断竞争的市场上销售，其需求函数为P＝Y－1/ε，其中ε为需求价格弹性，满足ε>1。

企业选择使用工业机器人的数量以及雇用普通员工和管理人员的数量以最大化生产利润:

其中，C(•)为管理成本函数，满足C′(•)>0，C″(•)>0。企业员工作为管理层的代理人，与企业存在利益上的不一致，可能带来道德风险问题，这要求企业投入资源对员工进行监管。随着普通员工规模的扩大，需要投入的管理人员、监管设备以及绩效考评机制等资源越来越多，企业的管理成本越来越高。因此，给定M，管理成本随Lo增加。工业机器人M对管理成本的降低体现在两个方面。一方面，工业机器人不存在激励问题，大规模地应用工业机器人有助于直接缓解生产过程中的道德风险，从而降低管理成本。另一方面，工业机器人的应用有助于优化生产流程，增强企业各部门之间的信息共享和协调配合，缩短信息传递的链条，同样有助于降低企业的管理成本。

根据企业利润最大化问题的一阶条件，我们可以得到均衡时的工资与利润的表达式:

式(3)表明，工业机器人使用量增加可以通过三种渠道影响普通员工的平均工资。首先，M增加会使得生产变得更有效率，从而增加产出Y。根据wo的表达式，产出提升会直接提升普通员工平均工资。其次，M增加会导致更多的生产任务从普通员工转移到机器人，体现在表达式第一项分母的增加，从而对普通员工的工资产生负向影响。上述两个渠道分别对应了Acemoglu 和Restrepo (2018b)提出的生产率效应 (productivity effect)和替代效应(displacement effect)。最后，M增加为企业额外节约了一部分边际管理成本: 表达式中所扣除的减少，对普通员工平均工资产生正向影响。由于三种影响渠道的作用方向并不一致，最终的影响方向取决于三种影响渠道的相对大小。

不失一般性，假设公司CEO 获得了企业生产经营的全部租金，那么根据本文定义，由CEO 和管理人员构成的高管平均薪酬为:

式(6)表明，工业机器人使用量增加可以通过两个渠道影响高管平均薪酬。其一，工业机器人使用量增加可以提高企业生产经营绩效，扩大企业产出Y。这与已有实证研究结果一致: Acemoglu 等(2020)基于企业层面的数据，发现应用工业机器人的企业同时具有更高的全要素生产率和工业增加值。Aghion 等(2020)基于法国企业层面的数据也给出了类似的实证证据: 使用工业机器人通过提高企业生产率为企业带来更高的销售收入和利润。楼永等(2021)基于中国上市公司的数据，发现工业智能化能够显著提升企业的净资产回报率。其二，根据管理成本函数性质，工业机器人的应用通过降低减少了企业的管理成本Lo/M的降低可以理解为人工智能技术通过取代监管任务带来的组织构架的“扁平化”(Aghion 等，2018)，从而节约管理成本，增加可供分享的租金。

在模型中，我们假设CEO 获得了全部的垄断利润。现实中，企业管理层与普通员工可能会分享企业的超额收益。然而，在企业内部，高管的租金分享程度往往比普通员工更高。考虑到中国的市场经济尚处于发展初期，高级职业经理人的劳动力供给弹性较小，而普通员工的劳动力市场供给弹性相对较强，管理层相对普通员工的议价能力更强(张克中等，2021)。因此，高管往往能够从自动化带来的企业租金中分得更大的份额，加剧企业内收入不平等。

考虑到理论分析中，自动化通过不同渠道对普通员工平均工资的影响方向不是一致的，需要结合现实数据进行验证。基于以上理论分析和实证依据，本文提出以下假说。

假说1: 工业机器人的应用会扩大企业内部收入不平等，并且这一收入差距扩大主要来自高管薪酬的显著提升。

假说2: 工业机器人的应用分别通过提升企业经营绩效和降低企业管理成本两个机制扩大企业内部收入不平等。

三、实证分析

(一)数据说明

理论上，工业机器人的大规模应用主要发生于制造业，服务业受工业机器人的影响较小，因此本文使用2012—2019 年制造业上市公司数据进行分析。上市公司职工薪酬、财务指标、员工结构等相关的数据来源于国泰安数据库(CSMAR)。为构建衡量企业层面自动化程度的指标，本文使用国际机器人联合会(IFR)统计的工业机器人安装量数据以及中国国家统计局的分行业就业数据。在构建工具变量时，本文还使用了美国制造业分行业就业数据，数据来源于美国经济研究局和美国人口普查局经济研究中心联合构建的NBER-CES 制造业数据库。控制变量中与城市层面相关的数据来自《中国城市统计年鉴»。

在选择样本时，我们剔除了股票处于ST、∗ST 状态，企业员工人数小于100，高管平均薪酬和普通员工平均薪酬小于0，高管平均薪酬低于普通员工平均薪酬，以及变量有缺失值的企业。注意到2009 年中国出台了《关于进一步规范中央企业负责人薪酬管理的指导意见»，对央企高管年薪进行约束。在2014 年中共中央政治局审议通过了《中央管理企业负责人薪酬制度改革方案»，进一步限制了央企主要负责人的薪酬水平。在这两轮国企“限薪令” 影响下，如果回归中不区分企业所有制形式，可能造成回归结果无法准确刻画自动化的影响。另外，国有企业和非国有企业对高管的激励机制不同。国有企业肩负着扩大就业、稳定民生等政策性目标，企业高管和员工的薪酬敏感度较低，工资黏性更大(张继德和姜鹏，2016)。在对国有企业高管的激励方面，社会声誉和公共地位同样具有重要作用(郝颖等，2020)，这也抑制了高管对更高薪酬的需求。因此，我们还剔除了国有企业，最终得到有效样本个数为7 078 个。

(二)变量定义

本文的核心被解释变量为企业内部薪酬差距，核心解释变量为企业的自动化程度。相关变量定义如下。

(1)被解释变量为企业内部薪酬差距。我们使用绝对工资差距(gap)衡量企业内部薪酬差距。首先，用高管薪酬总额除以领取工资的高管人数得到高管平均薪酬，其中领取工资的高管人数等于高管人数减去未领取薪酬监管层人数再减去独立董事人数。其次，用支付给职工以及为职工支付的现金减去高管薪酬总额得到为普通员工支付的现金，除以普通员工人数得到普通员工平均薪酬。最后，用高管平均薪酬与普通员工平均薪酬绝对差值的对数来衡量绝对工资差距。为了防止通货膨胀对回归结果的干扰，我们以2009年各省的城市居民消费价格指数为基准，将名义工资转化为实际工资。在回归前，我们对薪酬差距在上下0.1%水平进行缩尾处理。

(2)解释变量为企业自动化程度(robot)。我们参考Acemoglu 和Restrepo (2020)以及王永钦和董雯(2020)的方法，利用IFR 数据构造企业层面的“机器人渗透度” 来衡量企业的自动化程度。具体而言分三步。第一，匹配IFR 数据所划分的行业和上市公司数据所采用的国民经济行业分类，得到中国15 个行业各年工业机器人存量。第二，用各行业各年机器人存量除以基期(2010 年)行业就业人数，得到行业自动化水平。第三，用企业2011 年生产人员占当年制造业所有企业生产人员总数的比例，乘以第二步计算得到的行业自动化水平，得到企业自动化水平。①在构建指标时，基期选择的依据如下: 2010 年后，中国开始大规模应用机器人，可以认为2010 年行业自动化水平为0。因此在计算行业自动化水平时，我们以2010 年为基期。2011 年，制造业企业开始根据自身特征选择使用机器人的数量并调整雇用的生产人员数量，因此2011 年生产人员占比能更好地反映企业自身的特征性因素。按这两个基期得到的企业层面工业机器人渗透度在时间维度上的变化可以反映本国行业自动化技术特征的变化；在同行业同一时点，渗透度在企业层面的差异可以反映企业特征的差异。为了方便对回归结果的解释，在回归时将第三步得到的自动化水平取对数。

(3)控制变量。参考目前有关企业内部薪酬差距研究的做法(张克中等，2021)，考虑其他影响企业内部薪酬差距的因素，本文选择了如下企业层面控制变量: 企业财务指标方面，选取了以企业总资产对数度量的企业规模(size)；以总负债和总资产比值度量的企业负债水平(lev)；以经营活动产生的现金流量净额和总资产比值衡量的经营性现金流(cash)；以净利润和所有者权益比值衡量的净资产收益率(ROE)。企业管理结构方面，选取了两职兼任指标(dual)，其中dual取1 表示该企业董事长与总经理是同一人；独立董事占董事会人数比例(outsider)；董事人数(director)；第一大股东持股比率(hold)。我们对上述变量中的连续型变量在上下0.1%水平进行缩尾处理。行业层面的控制变量包括: 以企业总资产占上市公司2 位数代码划分的行业内所有企业总资产的比值衡量的行业集中度(HHI)；以行业固定资产平均值和行业长期负债平均值的比值衡量的行业外部融资依赖度 (DEF)。城市层面的控制变量选取了城市人均GDP 的对数(GDP)。对于控制变量中的价值变量，同样以2009 年各省的城市居民消费价格指数为基准剔除通胀影响。

表1 展示了主要变量的描述性统计结果。在非国有企业中，以剔除通胀影响后的平均工资绝对差距衡量，高管和普通员工的收入差距平均为29.5 万元(对应2009 年的购买力)。收入差距的标准差较大，表明企业内部收入差距在不同企业之间有较大差异。制造业企业自动化程度的平均水平较低。图1 展示了剔除通胀影响后，高管和普通员工平均薪酬随时间的变化趋势以及企业自动化程度平均值随时间的变化情况。从图1 可知，企业自动化程度随时间推移而上升，同时企业内部工资收入差距呈现扩大趋势。

图1 主要变量随时间的变化

表1 描述性统计

(三)模型设定

在基准回归分析中，我们首先使用如下固定效应模型对本文提出的研究假说进行检验:

其中，gapit表示企业i第t年的内部薪酬差距。robotit为企业自动化程度。系数α1刻画了企业自动化程度对内部薪酬差距的影响。Xit为企业层面的控制变量向量。Ajt为行业层面的控制变量向量，Blt为城市层面的控制变量。我们还控制了企业固定效应di和年份固定效应bt。εit为误差项。考虑到直接使用固定效应模型进行估计可能存在遗漏变量和反向因果等内生性问题，会导致估计出的系数无法准确反映自动化的影响，我们参考Acemoglu 和Restrepo (2020)，构造工具变量来缓解内生性问题。首先，用美国各行业各年机器人存量除以基期(1990 年)行业就业人数，得到美国的行业自动化水平；其次，用计算中国企业自动化程度时第三步得到的2011 年中国企业生产人员占当年制造业所有企业生产人员总数的比例，乘以美国的行业自动化水平，并取对数，构造出中国企业自动化程度的工具变量Zit。一方面，美国工业机器人的应用更为先进和成熟，在一定程度上引导了中国各行业工业机器人的应用，工具变量满足相关性假设；另一方面，由于劳动力市场的分割以及人口、产业、文化、制度等特征的差异，美国的工业机器人应用很难受到中国企业内部收入差距的影响，工具变量满足外生性假设。基于该工具变量，我们使用IV-2SLS 模型进行回归分析，其中一阶段回归方程设定如下:

本文接下来的部分使用的工具变量均指代采用上述方法构建的指标。

(四)基准回归

表2 第(1)列展示了企业自动化程度对企业内部薪酬差距影响的回归结果: 企业自动化程度和以平均工资的绝对差距衡量的非国有企业内部薪酬差距显著正相关。采用OLS 估计时，企业自动化程度提高1%，高管和普通员工平均工资差距扩大0.07%。第(2)、(3)列分别展示了自动化程度和高管平均工资以及普通员工平均工资之间的相关性。可以发现，自动化程度和高管平均工资显著正相关，和普通员工平均工资之间没有显著相关性。表2 第(4)—(6)列展示了IV-2SLS 回归的结果。自动化程度的增加显著扩大了非国有企业内部薪酬差距。高管平均工资随自动化增加而显著增加，但普通员工的平均工资没有受到明显影响。采用工具变量回归时，估计出对企业内部收入差距的影响更大，达到0.17%；对高管平均工资的提升幅度为0.11%。自动化对高管平均工资的影响和Barth 等(2020)基于挪威的制造业企业数据得到的结果一致。

表2 基准回归结果

自动化对普通员工平均工资没有显著影响，并不意味着自动化不改变普通员工的工资。理论上，不同类型普通员工的工资受自动化的影响可能存在差异(Acemoglu 和Restrepo，2019)。由于上市公司并未公布每位员工的薪酬数据，已有的实证研究大多分析的是企业对不同类型员工的需求。例如，王永钦和董雯(2020)发现工业机器人的应用会显著增加非国有企业对高中及以下学历员工的需求，降低对本科和专科学历员工的需求；干春晖和姜宏(2022)指出，资本偏向性技术进步会显著降低企业对生产人员、财务人员以及行政管理人员的需求，显著增加对研发人员的需求。由于本文关注自动化如何影响收入在高管和普通员工之间的初次分配结果，我们在这里仅结合文献给出自动化对普通员工平均工资没有显著影响的可能解释: 自动化程度同时通过“生产率效应” 和“替代效应” 对不同类型员工工资产生不同的影响(Acemoglu 和Restrepo，2019)。在样本选取的时间范围内，在计算普通员工的平均工资时，这些影响可能相互抵消，从而在回归中无法呈现显著的相关关系。

四、机制分析

基准回归结果表明，企业自动化程度的提高显著提升了高管平均薪酬，并扩大了企业内部薪酬差距。这验证了理论部分提出的假说1。为了探究上述现象背后的影响机制，我们基于理论分析得到的假说2，从企业管理成本和经营绩效两个方面检验工业机器人应用影响企业内部收入不平等的可能机制。

(一)管理成本机制

企业自动化程度的提高可以降低企业内部管理成本。由于高管无法直接观测到工人的努力程度，需要付出额外的成本来激励工人努力工作，例如考勤系统等监督工具的投资成本以及与员工的沟通成本。工业机器人则不存在道德风险问题。因此，使用工业机器人可以有效降低企业管理成本，增加管理层的业绩。考虑到高管薪酬和经营业绩挂钩(杨志强和王华，2014)，自动化对高管平均薪酬有正向作用，进而可以扩大企业内部薪酬差距。

为了验证假说2 中的管理成本机制，即自动化对企业内部薪酬差距的影响是否与管理成本效应有关，我们构建如下中介效应模型:

其中，Nit为被解释变量，Mit为中介变量。解释变量和控制变量向量同基准模型中一致，εit为残差项。回归控制了企业和年份层面的固定效应。

我们首先检验管理成本效应，中介变量为剔除高管薪酬后单位净利润的管理成本(manage＿cost)。表3 第(1)—(3)列展示了中介效应的检验结果。第(1)列即基准回归中表2 的第(4)列。根据表3 第(2)列，自动化水平的回归系数显著为负，表明自动化程度提高会显著降低企业的管理成本。在第(1)列的基础上，第(3)列在控制变量中加入了中介变量。中介变量的回归系数为负，显著性水平为5%。自动化程度的回归系数仍然显著为正，但相对于第(1)列中的结果变小，表明管理成本发挥了部分中介效应。考虑到企业自动化程度直接进入回归可能产生的内生性问题，参考Dippel 等(2020)以及Lin 等(2021)，我们进行基于工具变量的因果中介效应分析。第(4)列借助工具变量的回归结果显示，自动化程度显著降低了管理成本。第(5)列中，中介变量在10%的显著性水平为负。表3 Panel B 还报告了自动化的直接效应和通过中介变量产生的间接效应大小。企业自动化程度提高1%，通过降低管理成本带来的间接效应为0.082%。间接效应在总效应中占比为59%。

表3 管理成本机制检验

因此，非国有企业自动化程度的提升通过降低企业管理成本改善了高管业绩，从而扩大了企业内部工资差距。

(二)经营绩效机制

Acemoglu 等(2020)指出并验证了自动化通过生产力效应可以提升企业经营业绩。经营业绩提升同样会增加企业可供分享的租金。本文的理论模型也证明了自动化程度的提升可以通过提高企业的经营绩效对高管平均工资产生正向影响。我们借助中介效应模型来检验自动化是否能够通过改善企业经营绩效增加企业可供分享的租金，进而扩大企业内收入差距。参考刘啟仁等(2019)，我们计算出企业增加值来衡量企业经营绩效作为中介变量①计算方法为: 企业增加值＝职工薪酬＋固定资产折旧＋营业利润＋税费。，并在回归时取对数。表4 前3 列展现了相关回归结果。表4 第(1)列即基准回归中的第(1)列。第(2)列中，自动化程度增加显著提升了企业经营绩效。第(3)列在第(1)列的基础上将中介变量(performance)作为控制变量加入回归中，结果显示企业经营绩效和企业内部收入差距显著正相关，自动化程度和企业内部收入差距仍然在1%的显著性水平正相关，且系数相对于第(1)列中变小，这表明企业经营绩效发挥了部分中介效应。第(4)列借助工具变量的回归结果显示，自动化程度会显著增加企业增加值。第(5)列中，中介变量在1%的显著性水平上为负。表4 Panel B 显示，企业自动化程度提高1%，通过增加企业经营绩效带来的间接效应为0.086%。间接效应在总效应中占比为72.39%。①Dippel 等(2020)的方法无法同时考虑和比较两个中介变量的影响强度差异。

表4 经营绩效机制检验

综上，非国有企业自动化程度的提升可能通过降低企业管理成本和提升企业经营绩效，加剧企业内部收入不平等。因此，假说2 得到验证。

五、稳健性检验

为了保证估计结果的稳健性，我们通过更换变量的度量方式、将解释变量取一期滞后以及排除可能的政策干预这三种方法对基准回归结果进行检验。

(一)更换工具变量

基准回归采用美国机器人使用量数据来构造工具变量。我们借鉴Acemoglu 和Restrepo (2020)的思路，借助自动化程度领先于中国的其他国家或地区机器人使用量重新构建工具变量进行稳健性检验。我们选择日本和欧洲五国(丹麦、芬兰、法国、意大利和瑞典)的机器人使用量②Acemoglu 和Restrepo (2020)指出，美国自动化水平及演变趋势十分接近丹麦、芬兰、法国、意大利和瑞典这五个国家的自动化水平。，采用与基准回归相同的方法分别重新构造工具变量。各行业各年机器人存量来自IFR 数据，基期行业就业人数来自荷兰格罗宁根大学(University of Groningen)经济增长和发展中心的研究人员与欧盟委员会合作开发的EU-KLEMS 数据库。表5 第(1)—(3)列展示了使用欧洲五国机器人使用量构造的工具变量进行回归的结果: 自动化程度增加在1%的水平显著扩大了非国有企业内部薪酬差距，提升了高管平均工资，但对普通员工的平均工资没有显著影响。第(4)—(6)列中，使用日本机器人使用量做工具变量的回归结果依然保持稳健。

表5 稳健性检验: 更换工具变量

(二)更换被解释变量

我们使用相对工资差距(ratio)衡量企业内部薪酬差距，将高管平均薪酬和普通员工平均薪酬的比值的对数作为被解释变量放入回归中。表6 第(1)、(2)列展示了直接估计模型(1)、采用工具变量进行估计的结果。OLS 估计结果显示，非国有企业工业机器人渗透度每提高1%，其内部高管和普通员工之间的薪酬比值平均扩大约0.03%。采用工具变量估计后，这一弹性会提高至0.11%，且在1%的水平上显著。

(三)解释变量滞后一期

表6 第(3)、(4)列展示了对解释变量和控制变量取一期滞后项的OLS 估计结果。取滞后项进行回归后，企业自动化程度提高1%，高管和普通员工平均工资差距扩大0.04%，平均工资比值扩大约0.03%。上述效应在5%的水平上显著。

(四)控制所在地最低工资标准

刘行和赵晓阳(2019)发现，企业所在地最低工资标准的提升可能加剧企业避税行为；企业避税通过加剧企业代理问题增加了高管操纵薪酬的可能性。因此，在基准回归的基础上，本文进一步引入企业注册地所在省份最低工资标准的对数(mim＿wage)作为控制变量。表7 显示，剔除最低工资标准对回归结果的干扰后，自动化水平仍然显著扩大了企业内部收入差距。综上所述，基准回归的结果是稳健的。

表7 稳健性检验: 控制所在地最低工资标准

六、异质性分析

尽管我们识别了自动化技术对企业内部薪酬差距的影响，但是以上结果均为平均意义上的。为了进一步探讨自动化程度对企业内部收入差距的影响在不同特征企业样本间的差异，我们进行异质性分析。理论上，企业内部的高管薪酬结构和普通员工议价能力均有可能影响工业机器人扩大企业内部收入差距的程度。在不同的行业，工业机器人的收入差距扩大效应也可能存在差异。因此，我们从高管薪酬结构、普通员工议价能力，以及企业所处行业等角度考察工业机器人的应用扩大企业内部收入不平等的异质性。

(一)高管薪酬结构

除货币薪酬激励以外，股权激励也是减轻高管与股东之间代理冲突的重要方式。高管持股份额高时，高管的利益和股东或企业所有者的利益趋同，高管会更倾向于提升业绩，增加企业价值，操纵货币薪酬的动机下降(Jensen 和Meckling，1976)。此外，Arya和Mittendorf (2005)指出，股权激励可以让高管的才能和报酬挂钩，避免企业在不了解管理者才能时给予管理者过高的报酬。上述分析表明，高管持股份额不同的企业，自动化对企业内部薪酬差距的影响可能存在差异。高管持股份额高的企业，自动化对企业内部薪酬差距的影响较小。因此，我们构建了高监管层持股数量这一虚拟变量，当企业监管层持股数量高于中位数水平时记为1，否则记为0；并将虚拟变量与自动化程度进行交乘，放入回归中。表8 第(1)列显示，相对于监管层持股数量低的企业，监管层持股数量高的企业自动化程度对企业内部收入差距的扩大效应显著更低。考虑到自动化程度的内生性问题，我们将自动化程度的工具变量和指示企业监管层持股数量高低的虚拟变量相乘，得到交乘项的工具变量。接下来，我们利用自动化和交乘项各自对应的工具变量进行IV-2SLS 回归，第(2)列报告了对应的回归结果。监管层持股数量高的企业自动化程度对企业内部收入差距的扩大效应在5%的显著性水平显著小于监管层持股数量低的企业。这意味着适当的股权激励可能有利于抑制企业内部收入差距的扩大。

表8 异质性检验

(二)普通员工议价能力

普通员工的议价能力对企业内部收入差距具有重要影响(Fuest 等，2018)。机制分析中我们已经验证了自动化会通过降低管理成本和提升经营绩效两个途径增加企业可供员工分配的租金。当企业中的普通员工具有较低的议价能力时，高管能够从自动化为企业带来的租金中分得更多的份额，从而增加企业内部收入不平等。参照王雄元等(2014)，我们选择企业职工监事占比来衡量普通员工议价能力，并构建高员工议价能力这一虚拟变量: 当普通员工议价能力高于中位数水平时记为1，否则为0。表8 第(3)列展示了考虑虚拟变量与自动化水平交乘项影响后，使用OLS 回归的结果。第(4)列报告了使用工具变量减少解释变量内生性问题的结果。相对于普通员工议价能力低的企业，在普通员工议价能力高的企业，自动化对企业内部收入差距的扩大程度显著更小。这表明提升普通员工议价能力可以有效抑制自动化导致的企业内部收入差距的增加。

(三)行业要素密集度

在资本密集度高的行业，例如金属冶炼、化学制品等行业，工业机器人的应用相对其他行业更早、更广泛。资本密集度不同的行业，自动化程度对企业内部收入差距的影响可能也不同。我们构造了衡量企业属于高资本密集度行业的虚拟变量①高资本密集度行业包括造纸及印刷制造业、橡胶、塑料和化学制品、非金属矿物制品业和基本金属行业。，并和自动化程度变更进行交乘。表8 第(5)、(6)列展示了加入交互项的回归结果。相对于低资本密集度行业，高资本密集度行业中的企业内部薪酬差距受到自动化的负面影响显著更大。这可能是因为高资本密集度行业已经有较充分的采用工业机器人进行生产的经验，在安装新的工业机器人后适应成本较低，而低资本密集度行业采用自动化技术生产的经验不足，在培训工人、调整部门结构方面的适应成本更高，抑制了高管薪酬的增加，从而使得收入差距扩大的幅度相对更小。

七、结论与政策启示

本文基于2012—2019 年中国制造业上市公司数据和IFR 工业机器人数据估计了自动化对企业内部薪酬差距的影响。通过利用工业机器人存量数据来衡量自动化程度，本文发现非国有企业自动化程度每提高1%，其内部高管和普通员工之间的薪酬差距平均扩大约0.17%。而且，这一薪酬差距的扩大主要来源于高管平均薪酬的增长: 自动化程度每提高1%，企业高管平均薪酬显著提升约0.11%。进一步地，我们指出并验证了自动化影响企业内部收入不平等的中间渠道。机制分析表明，自动化主要通过降低企业治理成本和提高企业经营绩效两个机制影响非国有企业的内部薪酬差距。此外，本文还发现自动化对企业内部收入不平等的影响在不同特征的企业之间存在异质性。具体地，在高管持股比例低、员工议价能力低以及资本密集度高的企业，自动化对企业内部收入差距的影响效果更为显著。本文的基准结果在更换被解释变量和工具变量的定义、排除最低工资政策干扰等一系列检验后保持稳健。

以自动化为特征的新一轮科技革命和产业变革在推动了经济发展的同时也深刻改变了当前的就业和收入分配。在制定产业政策和财政政策时，应当积极认识和应对这些变化，有效化解可能的负面影响。在“制造大国向制造强国转变” 和“共同富裕” 多重政策目标的引导下，本文探讨了工业机器人的大规模应用对企业内部收入不平等的影响效果与机制，具有理论和现实意义。基于本文的实证结果，我们提出如下政策建议: 第一，工业机器人的应用对收入不平等的影响不可忽略，在追求效率的同时，也要兼顾公平。本文的基准回归结果表明，工业机器人渗透度的提升会显著扩大非国有企业内部的收入不平等，因此在大规模应用工业机器人以促进产业转型升级的过程中，需要对其在收入分配上带来的负面效果加以重视。第二，关注自动化对普通员工劳动回报的影响，考虑通过增强普通员工与自动化的“互补性” 来提升普通员工薪酬。本文的研究发现，企业内部收入不平等的扩大主要源自高管收入的迅速增长，而普通员工的平均工资和自动化程度没有显著相关性。由于工业机器人的应用可以降低企业治理成本，企业高管与工业机器人具有较强的互补性，从而可以获得更高的劳动回报。对于普通员工，政府可以组织适当的技能培训或鼓励企业提供与自动化、数字化相关的技能培训，使他们更好地适应自动化时代并真正获益于数字化转型。第三，完善非国有企业高管薪酬制度，加大对高收入群体的收入调节力度。本文的异质性分析表明，工业机器人对企业内部收入不平等的作用受到企业的高管薪酬激励结构、普通员工议价能力以及要素投入结构的影响，因此可以从优化高管薪酬激励结构、提高普通员工议价能力、提升企业社会责任感等方面入手，重点关注资本密集型行业企业的薪酬差距，合理调节企业高管的薪酬。同时也应当发挥国有企业在调节收入分配方面的制度优势，在保证生产效率的前提下，为缩小企业内部收入不平等贡献力量。

尽管我们验证了工业机器人的应用对企业内部收入不平等的影响，但由于一些客观因素的限制，本文的研究不可避免地存在一些缺憾。例如，由于大样本的工业企业数据缺乏高管和普通员工的薪酬信息，我们使用的样本为制造业上市公司，样本量具有一定的局限性。在未来研究方向上，可以关注自动化程度对高收入群体收入分布的影响，或验证自动化相关的政策对企业内收入差距是否有改善作用。