工业机器人应用与企业出口扩展边际

杨继军 李艳丽

(南京财经大学,江苏 南京 210023)

一、引言及文献综述

出口扩展边际对出口的可持续性增长具有重要作用,特别是企业内扩展边际是中国出口扩展边际的主导力量(钱学锋 等,2013)。发展企业内扩展边际,调整出口结构,扩大出口产品范围以及拓展新的贸易合作伙伴,既有利于培育中国新的贸易竞争优势,实现外贸高质量发展,也有利于防范化解外部冲击对外贸造成的负面影响。工业机器人等人工智能技术为企业出口扩展边际提供了可能,党的二十大报告提出发展数字贸易,加快建设贸易强国,推动战略性新兴产业融合集群发展,构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。随着计算机科学的发展,人工智能已经成为中国新一轮产业变革的核心驱动力,推动制造业产业模式和企业形态出现巨大转变。

人工智能主要是利用计算机来模拟人的某些思维过程和智能行为,该领域包括智能工程、智能搜索引擎、机器翻译、数据挖掘、模式识别等,根据麦肯锡的预计,2025年人工智能应用的市场总值将达到1270亿美元。当前,中国面临人口老龄化的问题(陈彦斌 等,2019),受劳动力成本上升以及外部需求不确定等冲击,国内国外双重困境导致出口增长面临阻碍。集约边际的增长促进了中国贸易的飞速发展,但同时也导致中国贸易抵御风险的能力较弱。人工智能技术的发展使得工业机器人的使用在制造业行业流行,机器人能够提高企业生产率,替代低端劳动力,这对于解决中国当前人口老龄化以及劳动力成本上升的困境带来了机遇。不仅如此,工业机器人的使用也为中国发展出口扩展边际带来了可能,这不仅有利于中国制造业通过智能化、数字化等实现产业升级,也促进了中国出口增长,增强了中国贸易抵御外部冲击的能力。

工业机器人作为人工智能技术的一种,改变了传统的生产方式,对就业、经济增长、贸易等产生了重要影响(曹静 等,2018)。关于工业机器人的研究,现有文献重点关注了工业机器人对就业需求(Acemoglu et al.,2018;王永钦 等,2020;李磊 等,2021;闫雪凌 等,2020)、就业极化效应(何小钢 等,2023a)、岗位转换效应(王林辉 等,2023)、劳动力的空间配置(陈媛媛 等,2022)、劳动报酬(何小钢 等,2023b;王永钦 等,2023;许健 等,2022;郭凯明,2019)、包容性增长(陈东 等,2022)、劳动力结构(孙早 等,2019;李舒沁 等,2021)、劳动技能(Frey et al.,2017)等的影响。工业机器人对就业的替代效应和创造效应的综合影响依旧存在争议,关键在于机器人能多大程度代替现有岗位(杨光 等,2020)。除了对就业存在重要影响外,工业机器人的使用对于经济增长的影响也不容小觑,现有研究发现工业机器人无论是在短期还是长期都促进了全要素生产率的增长(Brynjolfsson et al.,2003),全要素生产率的提高又进一步拉动了经济增长(杨光 等,2020;Graetz et al.,2015),但也有研究认为工业机器人的使用会阻碍全要素生产率的提高(Acemoglu et al.,2018),抑制经济增长(Emanuel et al.,2017;黄旭 等,2019)。除此之外,一些学者还从工业机器人与产业转型升级(孙早 等,2021;邓仲良 等,2021;郭凯明,2019)、绿色发展(林熙 等,2023;蒋为 等,2022)、企业地理格局(王林辉 等,2022)、企业运营效率(刘骏 等,2023)等多方面进行了探究。

关于人工智能与贸易的研究,从全球价值链方面,工业机器人通过降低贸易成本、提高技术创新水平与资源配置效率(刘斌 等,2020;冯玲 等,2023;柯明 等,2023;诸竹君 等,2022;Cali et al.,2021)促进一国参与全球价值链分工。由于先动优势的存在,位于全球价值链低端环节的发展中国家与位于高端环节的发达国家间差异可能会越来越大(何宇 等,2021),但人工智能对全球价值链的促进作用在发展中国家更为明显(吕越 等,2023),发展中国家若能把握住人工智能变革的浪潮,缩小在工业机器人应用方面与发达国家的差距,则有利于实现重构全球价值链,甚至在全球价值链分工地位上实现“弯道超车”(黄亮雄 等,2023)。吕越等(2020)从微观入手,探究了工业机器人的使用对中国企业参与全球价值链分工的影响,发现工业机器人的使用替代低端劳动力降低了企业成本,同时也促进了生产率提高(Kroll et al.,2018),进而增强了企业竞争力,工业机器人的使用促进了企业参与全球价值链分工。从出口贸易总额方面,Goldfarb et al.(2018)从理论层面进行分析,发现人工智能主要通过规模经济、知识外部性影响贸易;Artuc et al.(2020)基于一般均衡模型框架推导出人工智能对出口贸易具有正向积极作用。Brynjolfsson et al.(2003)发现人工智能开发的翻译服务促进了数字平台的发展。Ndubuisi et al.(2018)基于引力模型使用跨国数据实证分析了机器人对出口的促进作用,验证了Goldfarb et al.(2018)的理论。唐宜红等(2022)同样利用跨国数据研究发现,工业机器人使用带来的智能制造技术可以显著提高出口水平,但是不同国家具有异质性;柯明等(2023)利用企业数据从全球价值链理论框架下研究发现工业机器人的使用不仅能够通过提高企业效率与创新水平(Kroll et al.,2018)这种内部机制促进企业出口升级,还能从企业间的外溢性这一外部机制促进企业出口升级。在出口二元边际方面,Ndubuisi et al.(2018)使用1995—2013年71个国家的数据实证研究发现,机器人的使用既促进了集约边际也促进了扩展边际,集约边际的增长是由出口数量与价格共同驱动的,对于价格的促进作用更多地体现为产品质量的提升。关于产品质量,蔡震坤等(2021)利用中国企业微观数据同样发现使用工业机器人可以提升全要素生产率,降低生产成本,提高出口产品质量;Alguacil et al.(2022)发现使用机器人的西班牙企业比不使用机器人的企业出口概率、出口额以及出口市场份额都更高,实证检验了机器人对企业出口二元边际的影响。聚焦到出口二元边际中的扩展边际,綦建红等(2022)从产品视角出发利用中国工业企业数据库和中国海关数据库考察了机器人应用从效率与质量双重方面促进了多产品企业出口产品范围的扩大,但相比于效率更偏向于质量竞争策略。

目前,使用中国企业数据研究工业机器人对出口二元边际的论文还较少,蔡震坤等(2021)、綦建红等(2022)主要是从企业出口产品视角探讨机器人应用对产品质量与产品范围的影响,本文在多产品企业框架下,研究机器人应用对出口扩展边际的影响,可能的创新在于:(1)研究视角上,本文不仅从企业出口产品上探讨机器人应用对企业扩展边际的影响,还从企业-产品-市场维度上探讨这一问题,相比于现有出口二元边际的文献,本文研究更细致,可以更好地发现中国出口贸易新视角以及新方向;(2)研究数据上,本文使用International Federation of Robotics(IFR)提供的工业机器人数据、中国海关数据库和中国工业企业数据库,构建关于机器人应用与企业出口扩展边际的大样本数据,从微观层面着手使得研究结果更可信更具代表性;(3)研究内容上,在研究工业机器人应用对企业出口扩展边际影响的基础上,进一步探究工业机器人应用对企业出口扩展边际的内在机制,进一步丰富相关领域研究。

二、研究假说

单一产品企业假定忽略了企业出口扩展边际的存在,企业异质性贸易模型将贸易流量区分为集约的贸易边际与扩展的贸易边际,扩展的贸易边际对于提升多元化生产结构、稳定贸易增长以及避免贸易条件恶化等发挥着重要作用(Bernard et al.,2009)。本文在多产品企业框架下,研究工业机器人应用对企业出口扩展边际的影响。单一产品企业在国际贸易中占比较少,企业为了规避风险与抗击外部冲击,大多会选择出口多种产品,多产品出口企业是国际贸易中的主要形式(Bernard et al.,2007;Goldberge et al.,2010)。不仅如此,研究单一产品的企业出口扩展边际时会严重低估其规模(钱学锋 等,2013),无法真实了解企业出口中扩展边际的比重,不利于企业制定合理的发展政策。所谓企业出口扩展边际,主要包括企业间的扩展边际与企业内扩展边际(钱学锋 等,2013),企业间扩展边际实际上就是企业进入国际市场,而企业内扩展边际包含企业出口新产品与拓展新市场,两者都是企业的出口广化行为。本文探究的主要是企业内扩展边际,研究工业机器人的使用是否促进企业出口了更多新产品与拓展了新市场,这就需要在多产品出口企业的框架下完成。企业无论是选择出口新产品还是拓展新市场,都需要大量的固定成本,不管是前期生产上的设备投入、中间品投入、研发投入,还是后期市场搜寻成本、渠道获取成本(郭琪 等,2020),因此,工业机器人的应用会诱导企业调整要素投入组合,以降低各种劳动力成本、生产成本(Furman et al.,2019)。据此,本文提出:

假说1：工业机器人应用有助于企业出口新产品,拓展新市场,实现出口扩展边际的增长。

现有文献将工业机器人应用影响出口贸易的机制主要归结为成本节约效应和生产率提升效应。前一种机制主要是从节约劳动力成本(Frey et al.,2017;吕越 等,2020;刘斌 等,2020)方面进行分析的,工业机器人的使用可以替代部分低端劳动力,节省企业劳动力成本,而且机器自动化的使用可以降低企业生产成本,减少生产中的出错率;后一种机制认为,机器人将“智能”元素嵌入生产环节,有助于提高生产率(Graetz et al.,2015),降低边际成本,均衡资源配置。作为人工智能技术的一种,工业机器人应用性强,具有智能渗透效应,这有助于推动行业实现智能化、自动化,提高企业生产率(Brynjolfsson et al.,2011),进而会促进贸易的增长。Melitz(2003)的异质性企业贸易理论认为,企业生产率较高才可进入国际市场,因为企业开拓市场存在较高的固定成本与沉没成本。不仅如此,生产率的提高还会扩大行业产能,但单一产品的市场容量有限,无法容纳过多产能,企业通常会选择出口新产品或者开拓新市场,当企业供给新产品的能力较高、成本较低时,则会倾向于增加出口新产品的种类,提高出口产品范围,同时增加出口目的国数目,在出口市场上进行扩张,这些都促进了企业出口扩展边际的增长(Bernard et al.,2011;Arkolakis et al.,2010)。随着新产品进入和原有产品退出,出口产品范围得以扩大(綦建红 等,2022;吕越 等,2020;陆菁 等,2019),出口扩展边际增强,与此同时,工业机器人的使用影响企业的进入与退出,会产生对贸易的净福利效应(Trefler et al.,2022)。据此,本文提出:

假说2：工业机器人应用通过促进企业生产率带动了出口扩展边际增长。

工业机器人作为人工智能的核心技术具备非常强大的渗透力,人工智能、区块链、云计算、大数据都是企业数字化转型的底层技术,注重数字技术的嵌入(吴非 等,2021),并最终与经济生活中的各行业进行深度融合,促进各行业发展。工业机器人具有知识外溢的特性(Goldfarb et al.,2018),企业使用工业机器人会产生成本节约效应(Frey et al.,2017),这种效应会促使企业在其他经营环节也使用相关的人工智能产品或数字技术,达到企业生产、经营各环节的数字化、智能化,有利于新业态和新的商业模式的产生,如智能医疗、智能农业、智能交通,传统企业运用数字技术应对行业变革,创造出智能产品,提高其附加值,跨越传统行业界限从而实现业务扩展,比如国内企业通过跨境电商平台的B2B、B2C等模式可以直接与国外企业进行交易,降低了企业的交易成本与信息成本,可以更方便地与国外贸易对象建立联系,扩展出口产品市场。工业机器人的使用不仅会促进企业在生产环节达到节约成本、提高生产率的目的,还会促使企业感受到知识外溢以及知识外部性的好处,在其他各环节使用数字技术,达到企业数字化转型,促进新产品的生产与新市场的拓展。据此,本文提出:

假说3：工业机器人应用通过促进数字技术应用带动了出口扩展边际增长。

工业机器人的使用促进了企业生产各类产品的工艺以及流程的简化,生产效率得以提高,提升了企业相关核心产品的质量,拓展了消费者市场,有利于出口扩展边际的增强,而对于边缘产品,在工业机器人使用前边缘产品的生产效率较低,根据Melitz(2003)的理论,边缘产品的出口增长较弱,这也与现实相符。对于边缘产品的生产与出口,工业机器人一方面改变了其生产的低效率,促进了边缘产品的生产,另一方面,通过知识溢出与知识外部性(Goldfarb et al.,2018),工业机器人的使用拉动其他营销技术的发展,从而促进了边缘产品的推广,使其能被消费者选择,促进边缘产品在出口市场上的拓展。不仅如此,相比于核心产品来说,边缘产品的种类更多,更能满足消费者多样化的消费需求,在出口市场上,边缘产品的潜力更强,工业机器人的应用会更大地激发边缘产品的出口扩展边际。据此,本文提出:

假说4：工业机器人应用对企业核心产品与边缘产品的出口扩展边际都存在促进作用,并且对边缘产品的促进作用更强。

三、研究设计

(一)模型设定

为检验本文假说1,借鉴吕越等(2020)的方法,设定如下计量模型:

Exp1ijt=α0+α1Robotet+α2Controlit+μe+μt+εijt

(1)

Exp2ijkt=β0+β1Robotet+β2Controlit+μe+μt+εijkt

(2)

其中:Exp为被解释变量,分别是企业出口新产品(Exp1)和企业出口产品至新目的国(Exp2);Robot为核心解释变量,表示企业工业机器人应用水平,用工业机器人密集度衡量;下标i、j、k、t、e分别表示企业、产品、国家、年份、行业;Control表示一系列控制变量;μe、μt分别表示行业固定效应以及时间固定效应。为降低异方差,本文选择聚类稳健的标准误,并对核心解释变量取对数处理。

(二)变量说明

1.被解释变量:企业出口扩展边际(Exp)

借鉴Arkolakis et al.(2009)和钱学锋等(2013)的研究,从企业-产品-年份层面和企业-产品-市场-年份层面考量企业出口扩展边际(Exp),包括企业出口新产品(Exp1)和企业出口产品至新市场(Exp2)。为避免受过去影响以及识别企业首次出口,本文使用多年定义法,若企业在t年之前从未出口过某产品或未将某产品出口至某国,从t年开始出口,则企业出口扩展边际取值为1,否则为0。

2.核心解释变量:工业机器人应用(Robot)

借鉴吕越等(2020)、Graetz et al.(2015)的做法,使用行业层面工业机器人密集度测度工业机器人的应用水平,机器人密集度等于行业工业机器人存量除以行业就业人数。数据来自国际机器人联合会发布的工业机器人数量,该数据集覆盖世界主要国家(地区)各行业1993—2019年新增工业机器人安装量以及机器人使用存量。

3.控制变量

本文的控制变量具体包括:企业年龄(age),以被研究年份减去企业开始营业年份且取对数衡量;杠杆比例(ggbl),用企业总负债除以总资产表示;企业规模(size),用企业主营业务收入除以企业所在四位数行业主营业务收入后取对数表示;企业管理成本(cost),用企业管理费用除以工业销售产值衡量;企业资本强度(capital),用企业固定资产除以从业人数并取对数表示;国有企业虚拟变量(state),若企业为国有企业,则取值为1,否则为0;外资企业虚拟变量(foreign),若企业为合作、合资或独资企业,则为外资企业,取值为1,否则为0;市场规模(gdp_c),采用出口目的国GDP的对数表示;市场距离(dist),用北京到各出口目的国首都或主要城市地球表面距离表示并取对数处理。

(三)数据来源与主要变量描述性统计分析

本文主要使用三套数据。一是中国工业企业数据库。该数据库由国家统计局设立,收集了全部国有工业企业及规模以上非国有工业企业的基本情况,“规模以上”指企业每年的主营业务收入在500万元及以上,由于2011年将此标准改为2000万元及以上,且本文研究样本期间为2005—2015年,故在数据预处理阶段,将“规模以上”统一口径为主营业务收入在2000万及以上的企业(1)主营业务收入经过工业生产者出厂价格指数(PPI)平减(以2004年为基期)。。“工业”指国民经济行业分类中的采掘业、制造业(占整个数据库的90%)以及电力、燃气及水的生产和供应业三类,本文的主要研究对象为制造业,故剔除了非制造业行业。在数据预处理阶段,本文剔除了关键指标小于等于0及缺失的情况,剔除了企业职工人数小于8的情况(谢千里 等,2008);剔除了一些不符合会计准则的观测值,如总资产小于等于流动资产、总资产小于等于固定资产、总资产小于等于固定资产净值、累计折旧小于等于本年折旧、资产负债率小于0等;剔除了利润率低于0.1%或高于99%的企业。二是中国海关数据库。借鉴Ahn et al.(2011)的做法,本文对贸易公司的范围进行了调整,剔除了属于贸易中间商的企业(2)剔除带有经贸、商贸、物流、进出口、贸易、进口、出口、外贸、商务、商业、边贸、外运、采购、储运、快运、广告、仓库、仓储的企业。,使用企业名称、年份、邮政编码和电话号码四个匹配变量与工业企业数据库进行匹配(田巍 等,2013;Yu et al.,2015)。三是IFR国际机器人数据。本文选取中国2005—2015年的工业机器人数据,将机器人数据中的行业与《国民经济行业分类》国家标准(GB/T 4754-2011)中的行业进行匹配,而中国工业企业数据库中的制造业统计口径对应于国民经济行业分类中的行业代码(二位数行业),由此将工业机器人数据与中国工业企业数据进行匹配。

本文主要变量的描述性统计结果如表1所示,变量均未取对数。

表1 主要变量的描述性统计结果

四、实证结果与分析

(一)基准回归分析

表2报告了工业机器人应用与企业出口扩展边际的基准回归结果。其中,列(1)～(3)的被解释变量为企业出口新产品(Exp1),列(1)未加入任何控制变量,列(2)纳入了企业层面相关的控制变量,列(3)在列(2)的基础上进一步控制了引力模型相关的市场规模和市场距离变量。不难发现,列(1)～(3)中,工业机器人应用(Robot)的回归系数始终在1%的水平上显著为正,说明工业机器人的使用有利于促进企业新产品出口。列(4)～(6)的被解释变量为企业出口产品至新市场(Exp2),类似地,依次引入控制变量进行检验。列(4)～(6)的结果显示,核心解释变量工业机器人应用(Robot)的回归系数均为正,且至少在10%的水平上显著,说明工业机器人的使用同样增加了企业产品出口至新市场的可能性。综上可知,工业机器人应用有助于企业出口新产品,拓展新市场,实现出口扩展边际增长。本文假说1得到证实。

表2 基准回归结果

(二)稳健性检验

1.改变被解释变量的测算方式

使用HS6位编码和HS4位编码代替基准回归中的HS8位编码,对企业出口扩展进行替代性测算,分别记为Exp1(HS6)、Exp1(HS4),以及Exp2(HS6)、Exp2(HS4),重新回归后的结果见表3列(1)～(4)。从中可见,工业机器人应用(Robot)的回归系数依然显著为正,与基准回归的结果一致。

表3 稳健性检验结果:改变核心变量的测量方式

2.替换核心解释变量的测量方法

在工业机器人数据库中,除了有工业机器人存量的相关数据,还包括机器人安装量。此处,使用工业机器人安装密度(Robot_install)重新测度工业机器人应用,结果如表3列(5)、(6)所示。不难发现,核心解释变量Robot_install的回归系数分别为2.512和0.477,且均在1%的水平上显著,说明本文主要研究结论稳健成立。

3.改变模型

使用Logit和Probit模型,重新估计工业机器人应用对企业出口扩展边际的影响,结果如表4列(1)～(4)所示。估计结果显示,工业机器人应用对企业出口扩展边际依然存在显著的正向影响。这意味着,调整估计模型并不会对本文主要研究结论产生实质性影响。

4.剔除极端值

考虑到样本极端值的存在可能会对估计结果产生干扰,故剔除工业机器人应用为0的值,具体结果如表5列(1)、(2)所示。从中可见,Robot的估计系数至少在10%的水平上显著为正,表明工业机器人应用对企业出口扩展边际具有正向促进作用。此外,本文还对工业机器人密度的1%和99%的极端值进行了缩尾处理,结果如表5列(3)、(4)所示。不难发现,Robot的估计系数依然显著为正。可见,本文假说1再次得到证实。

5.内生性问题解决

一方面,尽管基准模型中已经控制了企业年龄、杠杆比率、企业规模等企业特征,且控制了行业及时间固定效应,但由于变量数据可得性等问题,仍可能存在因遗漏变量而致的内生性问题;另一方面,本文也可能存在反向因果引发的内生性问题,即出口越多会促使企业增加机器人的使用。为此,本文借鉴Acemoglu et al.(2017)、王永钦等(2020)的做法,使用美国行业层面的机器人密度(Robot_MG)作为工业机器人应用的工具变量。一方面,中国工业机器人应用与美国工业机器人应用具有相同的发展趋势,两者之间存在高度相关性;另一方面,美国工业机器人的密度不会直接影响中国企业出口扩展边际,只会通过影响中国智能化水平影响企业出口扩展边际,满足外生性假定。表6列(1)为第一阶段回归结果,从中可见,Robot_MG的回归系数显著为正,说明美国工业机器人密度与中国工业机器人密度显著正相关;K-P rk LM统计量的P值为0.000,排除了不可识别问题,K-P rk Wald F统计量明显大于Stock and Yogo检验中F值在10%显著性水平下的临界值16.38,排除了弱工具变量问题。表6列(2)、(3)为第二阶段回归结果,不难发现,Robot的回归系数在1%的水平上显著为正,表明工业机器人的使用有效促进了企业出口扩展,与上文表2的基准回归结果一致,验证了结论的可靠性。

五、作用机制检验

工业机器人的应用促使企业生产率提高,生产规模扩大,产品供给能力增强,在国内市场容量有限的情况下,企业倾向于拓展新市场或者开发新产品。不仅如此,工业机器人的应用还具有知识外溢性,能够促进企业增加各种数字技术的引入和运用,使得企业获取海外贸易相关信息的成本降低,进而有更高的可能性生产新产品和开拓新市场。也就是说,工业机器人应用通过提升企业生产率以及促进数字技术应用两条途径带动了出口扩展边际增长。本部分将着重检验这一理论逻辑是否成立。设定如下计量模型:

Exp1ijt(Exp2ijt)=α0+α1Robotet+α2Controlit+μe+μt+εijt

(3)

Mit=γ0+γ1Robotet+γ2Controlit+μe+μt+εit

(4)

Exp1ijt(Exp2ijt)=δ0+δ1Robotet+δ2Mit+δ3Controlit+μe+μt+εijt

(5)

其中,M表示机制变量,包括企业生产率(lp)和数字技术应用(tech)。其他变量的含义与前文基准回归部分保持一致。

(一)提升企业生产率机制

目前,关于企业生产率的测度主要有OP法(Olley et al.,1996)、LP法(Levinsohn et al.,2003)等。考虑到本文的样本区间缺少工业增加值以及企业中间品投入的部分数据,间接计算可能会出现较大偏差。因此,借鉴刘斌等(2016)的做法,本文使用劳动生产率作为企业生产率的替代变量,该变量通过工业总产值除以从业人数并取对数衡量。表7列(1)～(3)报告了提升企业生产率的检验结果。模型(3)的检验结果如前文表2,不再赘述。列(1)的结果显示,Robot的回归系数为1.834,且在1%的水平上显著,说明工业机器人的应用提升了企业生产率。由列(2)、(3)可知,在将工业机器人应用和企业生产率同时纳入模型后,Robot和lnlp的回归系数均显著为正。上述检验结果说明,工业机器人应用通过提高企业生产率促进了企业新产品出口以及产品出口市场的拓展。本文假说2得到验证。

(二)促进数字技术应用机制

本文借鉴吴非等(2021)的做法,通过机器学习的方法将上市公司年报进行整理,构建企业数字技术应用词典,对数字技术应用的相关词频(3)移动互联网、工业互联网、移动互联、互联网医疗、电子商务、移动支付、第三方支付、NFC支付、智能能源、B2B、B2C、C2B、C2C、O2O、网联、智能穿戴、智能农业、智能交通、智能医疗、智能客服、智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金融、数字金融、Fintech、金融科技、量化金融、开放银行。进行统计,将这些词频计数,加总得到上市公司数字技术应用指标,上市公司数据与海关数据相匹配得到企业数字技术应用指标。由于数据具有“右偏性”,本文将其对数化处理。表7列(4)～(6)报告了促进数字技术应用机制的检验结果。列(4)中,Robot的回归系数在1%的水平上显著为正,表明工业机器人应用促进了数字技术应用的发展;列(5)、(6)的结果显示,当模型中同时纳入工业机器人应用和数字技术应用变量,以考察他们对出口扩展边际的共同影响时,Robot和lntech的回归系数均在1%的水平上显著为正。上述分析结果表明,工业机器人应用通过促进数字技术应用带动了出口扩展边际增长。可见,本文假说3成立。

六、异质性分析

(一)时间差异的影响

为检验工业机器人应用对企业出口扩展边际的影响是否具有时间异质性,本文按2005—2008年、2008—2012年、2012—2015年三个时间段将样本划分为三组,并分别进行回归,结果如表8所示。结果显示,无论被解释变量是Exp1还是Exp2,Robot的回归系数值均随着时间段的变化而呈下降趋势,即工业机器人应用对企业出口扩展边际的影响作用逐步削弱。原因可能在于:在初期企业主要使用工业机器人替代低端劳动力,带来了大量的发展潜力,随着工业机器人应用的不断深化,边际递减规律发挥作用,工业机器人对劳动力的替代达到饱和,进而对于出口扩展边际的影响减小。

表8 异质性分析结果:时间差异的影响

(二)区域差异的影响

本文将样本按照所在区域划分为东、中、西部三组。表9列(1)～(3)为工业机器人应用与企业出口新产品的回归结果,列(4)～(6)为工业机器人应用与企业出口产品至新市场的回归结果。结果表明,工业机器人应用对东部地区企业出口扩展边际的影响最大,对中西部地区的影响较小,特别是对中西部地区新市场拓展的影响不显著。这可能与工业智能化发展水平在区域间存在明显梯度差异(孙早 等,2021)密切相关,东部地区的智能化发展水平更高,信息传播速度更快,企业在出口扩展的过程中,更容易获得外溢知识与出口信息;而中西部地区的智能化发展水平较低,出口商品的结构较单一,而且其获取信息的速度较慢,因而企业出口扩展边际不高。

表9 异质性分析结果:区域差异的影响

(三)竞争策略差异的影响

已有研究表明,企业不同的竞争策略会影响多产品企业的出口行为(钟腾龙 等,2020)。本文将竞争策略分为质量竞争策略和成本竞争策略,进一步研究不同竞争策略下工业机器人应用对企业出口扩展边际的影响。表10列(1)、(3)报告了不同竞争策略下工业机器人应用对企业出口新产品影响的检验结果,列(2)、(4)报告了不同竞争策略下工业机器人应用对企业出口产品至新市场影响的检验结果。结果显示,质量竞争策略下,工业机器人的使用显著促进了企业新产品的出口,但对产品出口至新目的国的影响不明显。这与Manova et al.(2017)的研究结论类似。在成本竞争策略下,工业机器人的使用不管对产品还是市场的拓展均显著为正,说明工业机器人使用降低了企业生产成本(吕越 等,2020),促进了出口扩展。相比之下,成本竞争策略比质量竞争策略更强,这是因为工业机器人对低端劳动力的替代为企业节约了大量成本,使得其拥有更多资金来拓展市场与研发新产品,由此企业出口扩展边际得以明显增长。但就长远发展来看,质量竞争策略更有利于企业未来出口增长

表10 异质性分析结果:竞争策略差异的影响

(四)产品差异的影响

本文还在多产品企业框架下考察了工业机器人应用对企业出口扩展边际的影响,回归结果如表11所示。由列(1)～(4)可见,工业机器人的应用促进了核心产品的出口扩展,但对于核心产品出口至新市场的影响并不显著,而对于边缘产品出口扩展边际的影响均显著为正。这说明工业机器人的应用对于边缘产品的影响更大。这是因为工业机器人拥有的知识溢出使得企业增加了数字技术的应用,边缘产品的出口信息得以被更多消费者发现,促进了边缘产品的出口拓展,本文假说4得到证实。

表11 异质性分析结果:产品差异的影响

(五)贸易方式差异的影响

工业机器人对低端劳动力的替代作用显著(王永钦 等,2020)。相比一般贸易,加工贸易这种依赖低端劳动力的贸易方式更易受到工业机器人应用的冲击。也就是说,加工贸易中的劳动力更可能被工业机器人所替代。本文将样本分为一般贸易和加工贸易两组,重新检验工业机器人应用在不同贸易方式下对企业出口扩展边际的影响,结果如表12所示。由回归结果可知,工业机器人应用对加工贸易出口扩展边际的影响更大,对一般贸易扩展边际的影响较小,而且对于出口产品至新市场的影响不显著。

表12 异质性分析结果:贸易方式差异的影响

七、结论及政策建议

本文使用2005—2015年的IFR工业机器人数据、中国工业企业数据库数据以及中国海关数据库数据,在多产品企业框架下,研究工业机器人应用对企业出口扩展边际的影响。研究发现:工业机器人应用有助于企业出口新产品,拓展新市场,实现出口扩展边际的增长。作用机制检验结果表明:工业机器人应用通过促进企业生产率提升以及推动企业数字技术应用两条路径带动了出口扩展边际增长。异质性分析表明,工业机器人对企业出口扩展的促进作用在时间层面、区域层面、不同竞争策略下、产品层面以及贸易方式层面等具有显著异质性,具体体现在:工业机器人对企业出口扩展边际的影响存在时间递减效应;工业机器人应用对企业出口扩展边际的影响存在区域梯度差异,对东部地区的影响最大,中部地区次之,对西部地区的影响最小;工业机器人在促进企业出口扩展边际增长时,既存在成本节约效应也存在产品质量提升作用,但成本竞争策略比质量竞争策略更强;工业机器人对边缘产品的出口扩展比核心产品强,对于加工贸易的冲击比一般贸易强。

基于上述结论,本文提出如下建议:

(1)抢抓人工智能发展的重大战略机遇,推进智算基础设施建设与工业机器人的应用。人工智能是新一轮科技革命和产业变革的重要驱动力量,具有很强的“头雁”效应,有助于推动经济社会从数字化、网络化向智能化发展,引发链式突破,激发从微观到宏观多领域、多层次的智能化需求。要瞄准人工智能发展的新趋势新需求,积极发挥智能化场景优势,加强人工智能技术在机器学习、计算机视觉、图像处理、模式识别方面的应用,提升全要素生产率。推进人工智能算力基础设施建设,前瞻性地布局智算基建化,筑牢数实相融的“智算底座”。工业机器人的应用对提升生产率与提高产品质量具有重要作用,企业应该积极推进工业机器人的使用,这不仅有利于降低企业相关成本,也有利于其生产率的提高,进而出口新产品和开拓新市场。

(2)加速推进工业机器人应用对制造业的渗透作用,提升制造业智能化水平,催生出口贸易新的增长点。工业机器人具有知识外溢性,它也是人工智能技术的重要组成部分,通过工业机器人的知识外部性,可以打破传统制造业封闭式的作业流程,提升传统产业发展能级和发展空间,推动制造业向数字化和智能化方向发展,拓展制造业出口产品种类;工业机器人的使用促进企业联动其他数字技术,降低信息存储、计算和传输成本,搜集海量数据进行精准的客户画像,积极发展平台经济等新业态,直接面向垂直细分领域市场,企业可以为国际市场提供多样化的“本地制造”和定制服务,实现企业出口扩展边际的增长。

(3)鼓励企业依托工业机器人等人工智能技术,选择质量竞争策略,增强企业出口扩展边际。本文的研究表明,企业可以通过工业机器人的使用降低劳动力成本和提高产品质量增加出口,工业机器人对于成本竞争策略的影响高于质量竞争策略,但质量的提升依旧是企业参与国际市场以及价值链攀升的重要手段。因此,在多产品企业框架下使用工业机器人,引入人工智能技术,企业将要素资源在不同类型的产品之间进行转换时,应该充分利用工业机器人“高精度”的特征,提高出口产品质量,识别和筛选质量不合格产品;特别是在出口市场高度叠加时,只有提高出口产品质量才能摆脱“侵蚀性竞争”带来的市场挤压,助推企业向全球价值链高端攀升。