机器人产业发展与地方政府注意力——基于联立方程模型的实证分析

薛富兴, 郑天池

(工业和信息化部电子第五研究所华东分所,江苏 苏州 215000)

随着全球生成式人工智能、大语言模型、机器视觉等技术接连取得突破,被誉为人工智能终极形态的“具身机器人”在科技与经济领域也愈发受到关注。国际机器人联合会(International Federaton of Robotics, IFR)最新数据显示,2022年我国工业机器人安装量29.0万台、占全球的52.5%,安装量较2011年增长近13倍,年均复合增长率达26.1%。目前我国自主研制的各类服务机器人、工业机器人已实现在环境清洁、物流仓储、车间产线等领域的规模化应用,未来有望给经济社会带来更加广泛而深远的影响。

学术界对机器人产业与经济发展关系的研究,多数集中于工业机器人的劳动替代效应[1-3]及机器人对生产效率、经济增长的促进作用[4-5]两方面,鲜有将视角聚焦于机器人产业发展与地方政府注意力方面的研究。面对蓬勃发展的机器人产业,能否借助“政府注意力”、发挥“有为政府”作用,进而促进产业加速集聚?针对这一问题的分析或有助于我国及地方政府合理配置资源、优化产业布局。

1 机制分析

1.1 机器人通过生产扩大、效率提升等效应促进经济增长与产业升级

机器人产业自身产业投资、生产扩大均可促进经济增长,机器人的劳动替代、效率提升效应也可间接促进经济增长。Acemoglu和Restrepo[1-2,4]最早建立任务模型,研究人工智能技术的进步偏向属性及劳动替代效应,分析其对经济增长的影响与作用路径。杨光和侯钰[5]拓展任务模型,证实机器人可直接促进经济增长,也可通过资本与全要素生产率传导机制间接促进经济增长。Aghion等[6]认为智能制造和传统生产方式可在不同部门间转化,从而影响产业结构升级。邓仲良和屈小博[7]基于对机器人替代战略的理论分析与实际调研,发现工业机器人推广可提升生产效率、优化要素配置、促进产业升级。韦东明等[8]基于省级面板数据分析,证实人工智能可通过提升生产率、创造新岗位促进产业升级。杜文强[9]基于284个城市面板数据分析,证实工业机器人存量密度和安装密度可通过人力资本、服务业需求等促进产业升级。

1.2 “有为政府”通过政策引领、资源配置等方式促进新兴产业发展

“晋升锦标赛”[10]理论认为我国地区竞争普遍存在,地方政府是致力于辖区经济增长的发展型政府。在此框架下,以机器人为代表的新兴产业项目必然是地方政府“抢夺”的重要目标,同时地方政府主动作为对区域经济发展的实际作用也有共识。陈云贤[11]从“资源生成”视角阐释“有为政府”相对“有效市场”的独特作用,认为地方政府超前引领政策可对产业经济起到导向与调节作用。韩永辉等[12]基于产业政策定量识别,证实产业政策可促进产业结构合理化、高端化。不过地方政府竞争是否会扭曲市场这只“无形之手”的作用也是应当考虑因素。杨继东和罗路宝[13]通过工业土地出让微观数据分析,发现产业政策易导致资源配置空间扭曲且地区竞争是引发此扭曲的重要原因。叶光亮等[14]基于政企互动模型,发现地方竞争与功能性产业政策能够体现有为政府积极作用,并能弥补市场失灵、促进效率提升。

1.3 政府注意力是推动政策形成、政策实施、资源配置的重要因素

信息过载常态化使有限性的政府注意力成为一种资源,注意力分配成为决策研究的重要内容[15],更多的注意力往往意味着政府工作的重点方向及财政资金的倾斜方向。李振[16]认为领导人注意力可通过“现场主义”“工作组”等方式落实到政策执行一线,起到改变执行意愿、监督执行过程、提升执行能力的作用。文宏和赵晓伟[17]基于省际政府工作报告的文本分析,量化地方政府公共服务注意力高低,并证实其与财政资源投入方向之间的正相关关系。杨宏山和李沁[18]认为决策者可通过注意力调控传递强化或弱化的政策信号,从而在政策试验成功时形成政策扩散调控模式,政策试验失败时进行调适或悬置。王惠娜和马晓鹏[19]聚焦组织注意力与政策执行波动,分析发现政策的模糊性、冲突性会使得部门注意力中断、偏差,导致执行缓慢,而部门注意力并行、聚集的不断交替会带来政策执行波动。

2 实证模型与变量说明

2.1 模型设定

区域机器人产业发展与地方政府对其注意力之间可能存在相互作用关系,因此借助联立方程模型进行实证分析。具体如下,方程(1)用以验证区域机器人产业发展是否能显著引起地方政府的注意,方程(2)用以验证地方政府对机器人注意力能否显著促进本地相关产业集聚发展。

Gov_ati,t+1=α0+α1Rob_leit+α2Rob_leit×

α6In_stit+λt+σi+εit

(1)

Rob_leit=β0+β1Gov_atit+β2×GDPit+

β3Tre_peit+β4R&D_stit+λt+σi+εit

(2)

式中:Gov_atit为i城市t时期政府对机器人产业的注意力强度;Rob_leit为i城市t时期机器人产业发展水平;GDP为经济发展水平;Sec_pe为产业结构;In_st为固定资产投资强度;Tre_pe为机器人关联行业就业人员占比;R&D_st为研发经费投入强度;λt为时间固定效应;σi为个体固定效应;εit为随机扰动项。

2.2 被解释变量、核心解释变量

(1)地方政府注意力强度。参考雷鸿竹和王谦[20]、文宏和赵晓伟[17]对政府经济政策、政府工作报告的分析方法,基于272个城市2011—2021年的政府工作报告文本,抓取并统计各城市、各年度报告中“机器人”“人工智能”“智能制造”3个关键词出现的频率数,以此频率数代表各地方政府对本地机器人产业的注意力强度。

(2)机器人产业发展水平。采用机器人产业相关公司注册数量。使用iFinD企业数据库,将“机器人”关键词与库中公司名称、产品名称、经营范围进行匹配,进而筛选出各城市、各年度机器人产业相关公司注册数。考虑到机器人产业的科技与制造属性,将公司范围限定在制造业,信息传输、软件和信息技术服务业,科学研究和技术服务业。

2.3 控制变量

GDP采用以2011年为基期的各城市实际地区生产总值数据;Sec_pe(产业结构)采用第二产业增加值占地区生产总值的比例数据;In_st(固定资产投资强度)采用固定资产投资与地区生产总值比例数据;R&D_st(研发经费投入强度)采用R&D经费投入与地区生产总值比例数据;Tre_pe(机器人关联行业就业人员占比)采用制造业,信息传输、软件和信息技术服务业,科学研究和技术服务业3个行业从业人员占全体就业人员比例数据。相关数据主要来源于《中国城市统计年鉴》、各省份《统计年鉴》。部分缺失值、异常值采用线性差值、数据截尾等方式处理。

3 实证分析

3.1 统计描述

3.1.1 数据样本

以2011—2021年272个城市的非平衡面板数据为样本,样本量为2 827个,如表1所示。

表1 数据样本统计性描述

3.1.2 时域特征

从时间趋势上看(图1),2012—2018年我国每年新注册机器人企业数呈高速增长趋势,2018年后呈震荡态势。地方政府对机器人产业的注意力在2013—2019年呈高速增长趋势,2019年后出现下降趋势(因新冠肺炎疫情所致)。对比两条趋势线的快速增长起点、最大值点、前后错位关系不难看出,地方政府对机器人产业的注意力变动较新注册机器人企业数滞后1～2年。

图1 2011—2021年我国新注册机器人企业数、地方政府对机器人产业注意力

从区域分布上看(图2),我国机器人产业优势城市主要分布在长三角、珠三角以及中西部的成都、合肥、武汉、重庆、长沙、沈阳等地。从整体趋势上看,随着城市机器人企业数减少,当地政府对机器人产业的注意力也在渐弱。不过注意力排名最靠前的沈阳、长沙并非企业数的第一梯队,背后原因可能是第一梯队城市的其他优势主导产业稀释掉了政府对机器人这单一新兴产业的注意力。

图2 我国机器人企业数区域分布及当地政府对机器人产业注意力

3.2 回归分析

采用三阶段最小二乘法对联立方程模型进行估计,首先纳入地方政府注意力强度(Gov_at)、机器人产业发展水平(Rob_le)双变量进行回归分析,然后再依次加入经济发展水平、产业结构、固定资产投资强度等控制变量,最后加入个体固定效应对比估计结果前后变化,汇总各模型结果如表2所示。

表2 回归结果

由方程(1)的结果可知:①模型(1)～模型(6)中,机器人产业发展水平估计系数均在1%的水平上显著为正,说明机器人产业发展对地政政府注意力具有显著的吸引作用,即地方政府具有对机器人产业集聚的敏感性;②模型(2)～模型(6)中,机器人产业发展水平与GDP交叉项系数均显著为负,说明机器人产业对地方政府注意力的吸引作用会随着当地经济发展水平提高而减弱,即存在经济规模的稀释效应,这反映了地方政府对机器人产业集聚敏感性会被其他优势主导产业稀释。③模型(2)～模型(6)中,GDP一次项系数显著为负、二次项系数显著为正,说明地方政府对机器人产业的注意力强度与经济发展水平呈U形关系,即注意力强度随着经济发展水平的提高而先下降后上升;④模型(3)中Sec_pe系数显著为正、模型(3)和模型(6)中In_st系数显著为正,说明第二产业占比越高、固定资产投资强度越大,政府对机器人产业注意力也就越强。

由方程(2)的结果可知:①模型(1)～模型(3)不控制个体固定效应时,地方政府注意力强度估计系数均在1%的水平上显著为正,说明地方政府注意力对机器人产业发展或具有明显的促进作用。此时,“有为政府”“主动施策”对机器人产业发展能发挥引领作用。②控制个体固定效应后,对比模型(1)与模型(4)、模型(2)与模型(5)、模型(3)与模型(6),地方政府注意力强度Gov_at的估计系数绝对值、t值绝对值均大幅度减小,说明地方政府注意力对机器人产业发展的促进作用在大小上、显著性上均大幅降低,说明区域本身特质、禀赋等条件或是机器人产业发展的主导力量,短期内“有为政府”主动施策对以机器人产业的引领作用或是次要的。③模型(2)、模型(3)、模型(5)、模型(6)中GDP系数显著为正、模型(3)和模型(6)中Tre_pe系数显著为正、模型(3)中R&D_st系数显著为正,说明经济发展水平越高、关联行业就业人员占比越大、研发经费投入强度越大,区域机器人产业的发展也就越好。

3.3 稳健性检验

考虑到计量模型的可靠性、回归结果的稳健性及2020—2022年新冠肺炎疫情因素对经济波动的影响,使用2011—2019年的数据再次进行回归分析,得到结果如表3所示。由表3可知,相较于2011—2021年样本结果,除了模型(5)方程(2)的政府注意力强度系数由不显著变得显著为正,其他各核心解释变量的显著性水平、系数正负均未发生较大变化,回归结果总体稳健。

表3 稳健性检验

4 结论

近年我国机器人产业投资规模持续扩大,逐渐成为各地方政府争相关注的焦点。基于272个城市2011—2021年的面板数据,实证检验了机器人产业发展与地方政府对其注意力之间的相互作用关系。结果显示,区域机器人产业发展能够显著吸引地方政府的注意力,且其吸引作用的强度存在经济规模的稀释效应;同时,地方政府对机器人产业的关注确实能在一定程度上促进本地相关产业发展,不过需注意的是考虑到城市异质性后,这种促进作用的大小和显著性均出现了明显下降。

总之在区域机器人产业的发展与集聚过程中,地方政府的高度重视、主动作为确实在一定程度上起到了促进作用,不过更重要的影响因素或仍在于城市本身的资源禀赋条件。因此在抢占新兴产业发展先机的同时,地方政府还应紧密结合当地区位、资源、人才等禀赋条件,长期谋划和制定区域产业发展政策,从而实现产业政策的“四两拨千斤”、实现“有为政府”与“有效市场”的共振”,同时还可避免地区间过度竞争可能带来的产业同质化、空间资源错配等问题。