工业机器人应用对出口技术复杂度的影响研究——基于中国制造业的证据

冯春风,冯 鲍

(广西大学 经济学院, 广西 南宁 530004)

一、引言

全球化背景下,技术进步和创新已成为各国追求经济增长和提高产业国际竞争力的关键。全球制造业正在经历一场由自动化和数字化驱动的革命。作为高端制造技术代表的工业机器人成为这场产业革命的先锋,改变着传统的生产模式。中国作为全球最大的制造业大国,近年来以工业机器人为标志的智能制造在国内各行业的应用越来越广泛。2010年和2014年,中国工业机器人密度分别仅有每万人15台和每万人36台,2020年这一指标已达到每万人246台,约为全球平均水平的两倍(1)数据来源于国家发展和改革委员会官网发布的《“十二五”期间机器人产业发展回顾》,https://www.ndrc.gov.cn/xwdt/gdzt/xyqqd/201712/t20171221_1197824.html。。2021年12月,中国工信部等15部门联合印发了《“十四五”机器人产业发展规划》,旨在加快推动机器人产业高质量发展。2022年,中国工业机器人装机量占全球比重超过50%,而制造业机器人密度达到每万人392台(2)数据来源于新华网发布的《中国制造业机器人密度达每万名工人392台》,http://www.xinhuanet.com/info/20230818/e37e5e7233ac4048a02ddcc107210a88/c.html。。可见,工业机器人在中国制造业体系中的应用程度不断深化。

出口技术复杂度是衡量一个国家出口产品技术含量的重要指标,更高的出口技术复杂度通常意味着在全球产业链中享有更高的地位,直接关系到一个国家的国际竞争力和经济增长潜力。高质量发展是中国式现代化的本质要求,是全面建设社会主义现代化国家的首要任务。加快建设以实体经济为支撑的现代化产业体系,是实现中国式现代化的根本支撑。而工业机器人无疑是现代化产业体系的重要组成部分,是经济社会智能化变革的关键工具。工业机器人在中国制造业的广泛应用是否推动了中国出口技术复杂度的提高?这不仅关系到中国在全球产业链中的地位,还关系到中国未来经济发展的质量和方向。本文将深入探讨这一问题,以期能为学术界和政策制定者提供有价值的见解。

二、文献回顾

工业机器人的应用作为产业数字化转型的标志性体现,受到经济学界的广泛关注。在工业机器人应用对出口的影响研究方面,唐宜红等[1]基于全球71个国家数据的研究发现,以工业机器人为代表的智能制造是出口额提升的显著影响因素。而Alonso等[2]指出,工业机器人对某些制造领域中低技能劳动力的取代,将使得该领域产品的相对价格下降,进而导致贸易条件的恶化和投资额的下降,最终使得企业出口额减少。Zhang等[3]通过对2002—2013年中国企业数据的研究,证实了这一结论,即工业机器人应用对企业出口额的影响总体呈现抑制效应。

除了对出口额产生影响,工业机器人应用也能影响出口产品质量。Lin等[4]以2000—2013年中国工业企业数据库中的企业为样本,研究发现随着工业机器人进口金额、数量、持续使用时间的增加,制造业企业出口产品质量逐步提升。与线性关系的研究结论不同,Hong等[5]认为工业机器人应用与出口产品质量升级之间存在“U型”关系,原因在于企业应用工业机器人的初期阶段存在错配效应。

在全球价值链地位方面,工业机器人应用能促进高附加值制造业的比重提高[6],进而实现产业升级和全球价值链地位提升,但这种促进效应具有明显的国家异质性。吕越等[7]发现,机器人密度的提升对发展中国家和低出口依赖型国家在全球价值链网络中获得中心位置的作用更强。黄亮雄等[8]从差距对比的角度对全球33个发展中经济体和33个发达经济体进行研究,发现发展中国家和发达国家的全球价值链分工地位差异显著受到其工业机器人应用水平差距的影响。

出口技术复杂度的研究视角也受到部分学者的关注。对于中国工业企业而言,工业机器人应用能对出口技术复杂度产生积极影响,但这种促进效应存在企业异质性[9-10]。相较于非一般贸易(加工贸易、易货贸易、协定贸易等)企业、外资企业和资本密集型企业,工业机器人应用在一般贸易企业、本土企业、技术密集型企业和劳动密集型企业提升出口技术复杂度过程中的作用更为明显。刘红英等[11]将研究样本扩大至全球57个国家,发现工业机器人应用促进出口技术复杂度提升的总体结论依旧成立。然而发达国家存在过度自动化的情况,因此,工业机器人应用与出口技术复杂度的关系在发达国家呈现出“倒U型”关系。

综上所述,工业机器人应用对出口影响的相关研究已成为近年的热点。围绕这一主题进行探索的文献不断涌现,囊括了出口额、出口产品质量、全球价值链地位、出口技术复杂度等多个研究视角。然而,学者们对部分议题仍没有形成一致结论。例如:在出口技术复杂度研究方面,尽管学者们普遍认同工业机器人应用在总体上能促进出口技术复杂度的提升,但不同类型的国家可能对应着不同的变量关系,因此,对中国进行单独研究十分有必要。值得注意的是,将中国作为研究样本的已有文献多集中关注企业微观层面,而忽视了中观和宏观层面。因此,本文将从中国省级行政区层面切入,着重探讨和分析中国制造业工业机器人应用对出口技术复杂度的影响机制。

三、理论分析与研究假说

(一)工业机器人应用与出口技术复杂度

工业机器人是现代制造业中重要的工厂自动化设备。工业机器人配备的各种高级传感器,如视觉传感器、触觉传感器和声呐传感器等,使其能够更好地感知周围环境,实时检测和响应环境变化。通过模块化的设计,结合先进的编程工具,工业机器人可以快速地重新编程,灵活适应不同的生产任务。通过人工智能和机器学习技术,工业机器人能够实时分析生产数据并进行自主决策,从而实时调整生产策略,如自动调整生产参数、自我诊断和预测性维护等。强大的感知能力、出色的灵活性和智能化等特点,使得工业机器人能胜任越来越复杂的任务[12]。

此外,工业机器人还可以实现精确控制、稳定的重复性操作和实时反馈。由高精度的伺服电机和先进的控制系统驱动的工业机器人,能够以极高的精度执行制造任务。与人类工人相比,机器人可以持续、稳定地重复同一操作,确保所生产产品的一致性和质量。通过集成的传感器和摄像头,机器人可以实时监控生产过程,确保产品的精度和质量。工业机器人的高精确度和高稳定性确保了产品的高质量和高技术含量,从而提高了产品的技术复杂度。根据上述分析,本文提出如下假说:

H1:工业机器人应用能够促进出口技术复杂度的提升。

(二)创新水平的中介机制

制造业转型升级由创新驱动[13]。工业机器人应用可以促进制造行业的创新[14-17],而行业的创新活动可以提升行业的出口技术复杂度[18]。首先,能完成更高难度、更复杂制造任务的工业机器人给产品的升级带来了更多可能性,即技术复杂度更高的产品有机会被生产制造出来。其次,工业机器人的高效运行对流程自动化提出了较高的要求,因此,安装部署工业机器人往往意味着对制造作业流程的重塑和优化[19]。在这一过程中,大量的创新成果有机会被创造出来。此外,工业机器人及其附属数字技术的应用,可以产生更多的业务数据[20]。企业将原本割裂的各类数据进行连接整合,可以激活产业数据的内在价值[21],从而为产品的改进和创新提供决策支撑,进而助推产品技术复杂度的提升。根据上述分析,本文提出如下假说:

H2:工业机器人应用通过促进创新水平提升来影响出口技术复杂度。

(三)技术市场活跃程度和知识产权侵权程度的调节机制

知识产权构成了对创新性知识进行独占性控制的一系列权力,其核心是在知识的公开共享与私有控制之间找到一个平衡点[22]。Nordhaus[23]指出,知识产权制度通过授予产权者一个明确的独占专利期,能够有效地应对由知识成果外部性所引起的供给不足问题。这种由独占产生的超额利润能进一步激励制造商投身于研究与开发活动,从而持续地推动技术创新。

从技术交易市场的角度看,技术交易市场与技术创新有着十分紧密的联系[24]。技术交易市场为知识成果产业化和科技资源配置提供了平台,是关键的要素市场。一个活跃的技术市场能更有效地帮助企业将技术创新成果转化为新产品和生产流程[25]。

从知识产权保护的角度看,知识产权保护能够促进技术创新[24]。知识产权侵权程度越严重,越不利于技术创新。知识产权保护可以通过减少研发溢出损失和缓解外部融资约束等机制对企业创新产生影响。加大知识产权保护的司法和执法力度有利于激励企业进行研发投资,进而促进企业专利产出的增加[26]。

根据上述分析,创新是工业机器人应用促进出口技术复杂度提升的重要影响渠道,而技术市场活跃程度和知识产权侵权程度是影响创新产出的重要因素。因此,本文提出如下假说:

H3:工业机器人应用与出口技术复杂度的关系分别受技术市场活跃程度的正向调节和知识产权侵权程度的负向调节。

四、实证模型构建

(一)基准模型设定

本文采用面板数据研究工业机器人应用对出口技术复杂度的影响,研究样本为中国31个省级行政区(不含港澳台),样本时间区间为2008—2019年。设定如下基准模型:

TSIit=α0+α1Robotit+α2Zit+θi+μt+εit

(1)

其中,i表示地区,t表示年份;TSI表示被解释变量制造业出口技术复杂度,Robot表示核心解释变量工业机器人应用,用工业机器人密度衡量;向量Z表示一系列控制变量;θi表示个体固定效应,μt表示时间固定效应,εit表示模型的随机误差项;α0、α1、α2为模型的待估参数。

(二)变量说明

1.被解释变量:制造业出口技术复杂度

制造业出口技术复杂度是衡量制造业出口产品技术含量的重要指标。Hausmann等[27]提出国家层面的制造业出口技术复杂度测算方法已在研究中被广泛应用。余姗等[28]将该测算方法扩展应用至省级层面。本文参考该方法,先计算j行业的出口技术复杂度,再进一步计算i地区的出口技术复杂度。具体步骤如下:

j行业t时期的出口技术复杂度TSIjt的计算方法为:

(2)

其中,Yit表示i地区t时期的人均GDP,相关数据来源于国家统计局。Wijt为权重,具体计算方法为:

(3)

其中,Xit为i地区t时期的制造业出口总额,Xijt为i地区j行业t时期的出口额,数据来源于国研网。

i地区t时期的出口技术复杂度TSIit的计算方法为:

(4)

2.解释变量:工业机器人密度

国际机器人联合会(International Federation of Robotics,IFR)的工业机器人数据库提供了符合ISO标准的工业机器人细分行业数据,其调查范围覆盖了全球76个国家或地区。该数据库是目前研究机器人应用的权威数据库。本文参考韩民春等[29]的研究方法,将国家层面的工业机器人数据分解至省份层面。i地区t时期的工业机器人密度Robotit的计算方法如下:

(5)

其中,Employeeijt表示i地区j行业t时期的就业人数,Employeeit表示i地区t时期的制造业各行业就业人数总和,Employeejt表示j行业t时期的各省份就业人数总和,IndRobotjt表示j行业t时期的各省份新增工业机器人安装数量总和。制造业就业数据来源于中国研究数据服务平台(CNRDS)。

3.控制变量

在借鉴Atasoy[30]、戴魁早[25]的研究方法的基础上,本文在计量模型中设置控制变量,包括贸易开放度Trade、财政支出水平Fiscal、劳动力供给Labor、研发支出水平RnD、技术市场活跃程度IP、物流基础设施水平Logistic、外商直接投资FDI。控制变量的度量方法和数据来源如表1所示,变量的描述性统计结果如表2所示。

表1 变量定义和数据来源

表2 变量的描述性统计结果

五、基准模型结果

(一)基准回归分析

基准回归的结果如表3所示。列(1)为未加入控制变量时的个体固定效应模型回归结果,列(2)和列(3)分别为加入控制变量的个体固定效应模型和随机效应模型回归结果,均未包括时间虚拟变量。结果显示:解释变量Robot的系数均在1%水平上显著为正;Hausman检验卡方统计量的值为254.89,对应的P值为0.000,强烈拒绝了随机效应的原假设,即固定效应的模型设定更为合理。

列(4)为双向固定效应模型的回归结果。对时间虚拟变量进行联合检验,统计量F值为450.04,对应的P值为0.000,说明时间虚拟变量的显著性很强,即模型中应考虑时间固定效应。结果显示:解释变量Robot的系数为0.001 4,在5%的水平上显著为正,说明工业机器人密度的提高有助于提升制造业出口技术复杂度,即假说H1成立。为控制异方差等问题对模型估计结果带来的影响,列(5)在列(4)的基础上使用了稳健标准误,解释变量Robot的系数符号不变,在1%水平上显著为正,显著性有所提升。

表3 基准回归结果

(二)稳健性检验

1.替换解释变量

国际机器人联合会(IFR)提供的工业机器人数据包括新增安装量与使用存量2个指标。上文在测算工业机器人密度时使用的是工业机器人新增安装量指标。为验证基准回归结果的稳健性,本文采用工业机器人使用存量数据,对原有的解释变量Robot进行替换,重新测算工业机器人密度,检验结果如表4所示。表4列(1)的结果显示,解释变量的系数为0.000 3,仍在1%的水平上显著为正。

2.增加控制变量

在基准回归中,本文已控制劳动力供给的影响。但余姗等[28]指出,人力资本水平也可能是影响技术复杂度的因素之一。因此,本文将人力资本水平引入模型中,以地区普通高等学校在校学生数量与地区年末常住人口数量的比值作为人力资本水平的代理变量(相关数据来源于国家统计局)。增加控制变量后再次进行回归分析,表4列(2)的结果显示,解释变量Robot的系数值和显著性相较于基准回归结果没有发生明显的变化。

3.考虑外部冲击

2008年9月,经济大萧条以来最严重的金融危机蔓延全球(3)详见《中国经济周刊》2018年第48期的文章《2008年9月15日 全球金融危机》。,严重影响了发达国家、新兴国家和其他发展中国家的经济发展进程。在金融危机期间,工业机器人对制造业技术复杂度的影响可能呈现出不同的作用。考虑到这一外部冲击,本文将样本时间区间缩减为2010—2019年,以避开金融危机冲击的影响。表4列(3)的结果显示,解释变量Robot的系数符号仍为正,显著性水平不变。

4.剔除直辖市样本

考虑到直辖市与其他省级行政区在经济发展等方面存在差异,本文将直辖市样本剔除后重新进行模型估计。表4列(4)的结果显示,解释变量Robot的系数与基准回归相差较小,并通过了1%水平上的显著性检验,说明基准回归结果具有稳健性。

表4 稳健性检验结果

(三)内生性处理

出口技术复杂度越高的地区,对工业机器人的需求可能越强。因此,工业机器人应用与出口技术复杂度之间可能表现为“互为因果”关系,导致内生性问题的出现。本文参考Acemoglu等[31]、王永钦等[32]、宋旭光等[33]、冯玲等[15]、张艾莉等[14]、韩民春等[29]的做法,以美国工业机器人行业数据和解释变量Robot的滞后一期项构造工具变量,同时使用稳健标准误,通过工具变量法进行模型估计。工具变量相关性方面,解释变量Robot的滞后一期项显然与Robot相关;在制造业领域新生产技术和设备应用方面,全球制造大国存在同质性趋势[31],因此,中国和美国的工业机器人应用具有相关性。工具变量外生性方面,解释变量Robot的滞后一期项不受t时期被解释变量TSI的影响;同时,美国工业机器人应用对中国制造业出口技术复杂度没有直接的影响。

表5列(1)展示了两阶段最小二乘法(2SLS)回归的结果。不可识别检验显示,LM统计量的值为7.865,对应的P值为0.019 6,强烈拒绝了不可识别的原假设。第一阶段回归的Shea’s partialR2值为0.868 9,F统计量的值为78.044 1(远大于10),对应的P值为0.000。名义显著性水平为5%的Wald检验结果显示,最小特征值统计量的数值为964.556(远大于临界值19.93),即真实显著性水平不会超过10%。因此,模型不存在弱工具变量问题。过度识别检验显示,HansenJ统计量的数值为0.585,对应的P值为0.445 4。因此,本文接受原假设,认为工具变量是外生的,与扰动项不相关。

本文进一步使用广义矩估计(GMM)方法进行回归。表5列(2)～(3)的结果显示,不论是两步GMM法还是迭代GMM法,系数估计值都和2SLS法的结果十分接近,显著性也没有发生明显变化。

表5 内生性检验结果

六、影响机制分析

(一)创新水平的中介效应

为了验证假说H2是否成立,本文构建如下中介效应模型:

Robotit=α0+α1Innovationit+α2Zit+θi+μt+εit

(6)

TSIit=β0+β1Robotit+β2Innovationit+β3Zit+θi+μt+εit

(7)

完整的中介效应模型包括模型(1)(6)(7)。其中,中介变量Innovation表示地区创新水平,将中国区域创新创业指数中的专利授权数量得分作为代理变量,其数据来源于北京大学开放研究数据平台。其他变量含义与上文相同。

中介效应模型分析结果如表6列(1)～(2)所示。Sobel检验结果显示,统计量Z值为3.403,对应的P值为0.001。本文采用偏差纠正的非参数百分位Bootstrap法作进一步验证,设定抽样次数为1 000次,获得间接效应检验的95%置信区间为[0.000 2,0.001 6](不包括0)。在表6列(1)中,工业机器人密度的系数在1%的水平上显著为正,表明制造业工业机器人应用能够促进地区创新水平的提升。在表6列(2)中,中介变量Innovation在1%的水平上显著为正,而解释变量Robot没有通过显著性检验,表明创新渠道在工业机器人促进出口技术复杂度提升的过程中发挥完全中介作用。因此,假说H2成立。

进一步地,本文采用中国区域创新创业指数的总指数得分代替专利授权数量得分,重新进行中介变量测算和中介效应模型估计。Sobel检验显示,统计量Z值为2.534,对应的P值为0.011。采用偏差纠正的非参数百分位Bootstrap法作进一步验证,设定抽样次数为1 000次,获得间接效应检验的95%置信区间为[0.000 1,0.001 7](不包括0)。表6列(3)～(4)的结果显示,相关变量的系数符号和显著性没有明显变化,表明中介效应模型结果是稳健的。

表6 中介效应模型结果

(二)技术市场活跃程度和知识产权侵权程度的调节效应

为了验证假说H3是否成立,本文构建如下调节效应模型:

TSIit=α0+α1Robotit+α2Robotit×IPit+α3IPit+α4Zit+θi+μt+εit

(8)

TSIit=β0+β1Robotit+β2Robotit×Invasionit+β3Invasionit+β4Zit+θi+μt+εit

(9)

调节变量技术市场活跃程度IP和知识产权侵权程度Invasion经过中心化处理后,与工业机器人密度变量Robot分别构建交乘项Robot×IP和Robot×Invasion。技术市场活跃程度IP的变量说明见表1。知识产权侵权程度Invasion用地区专利管理部门执法情况中的侵权纠纷立案数量与地区技术交易成交金额之比衡量,其数据来源于CNRDS。

模型(8)和(9)的结果如表7列(1)和(3)所示。解释变量和交乘项均至少通过了5%水平上的显著性检验;交乘项Robot×IP的系数显著为正,表明技术市场活跃程度产生正向调节效应,即技术市场活跃程度提高时,工业机器人应用对出口技术复杂度的促进作用得到增强。交乘项Robot×Invasion的系数显著为负,表明知识产权侵权程度产生负向调节效应,即知识产权侵权程度加深时,工业机器人应用对出口技术复杂度的促进作用遭到弱化。因此,假说H3成立。

表7 调节效应模型结果

本文进一步利用地区技术交易合同数(数据来源于CNRDS)替代技术市场交易额重新测算知识产权交易市场活跃度,利用地区专利管理部门执法情况中的侵权纠纷结案数量替代侵权纠纷立案数量重新测算知识产权侵权程度,再次进行调节效应模型估计。表7列(2)和(4)的结果显示,经过重新测算,变量的系数符号和显著性没有发生明显变化。因此,调节效应模型结果是稳健的。

七、研究结论与政策启示

(一)研究结论

本文采用中国31个省级行政区(不含港澳台)2008—2019年的数据,使用面板固定效应模型、中介效应模型和调节效应模型研究了工业机器人应用对中国制造业出口技术复杂度的影响。主要研究结论如下:第一,工业机器人应用对中国制造业出口技术复杂度存在显著的积极影响;第二,工业机器人应用通过促进创新水平的提高来实现出口技术复杂度的提升;第三,活跃的技术市场显著强化了工业机器人应用对出口技术复杂度的促进作用,而知识产权侵权则显著削弱了工业机器人应用对出口技术复杂度的正向影响。

(二)政策启示

制造业是我国经济发展的中流砥柱。根据中国上市公司协会公布的《中国高端制造业上市公司发展报告2023》,截至2023年9月,我国A股制造业上市公司数量已超过3 500家,占A股全部上市公司总数的2/3。其中,高端制造业发挥了重要的引领作用,相关领域上市公司数量已超过2 000家,占A股制造业上市公司总数量的比重接近60%。2023年6月,中国工信部等5部门联合印发了《制造业可靠性提升实施意见》,旨在进一步推动产业技术基础能力建设,强化可靠性技术攻关,提升制造业可靠性水平和高质量发展水平。

为了助力制造业进一步往高端化、高技术化方向发展,更好地发挥工业机器人应用对出口技术复杂度的促进效应,本文结合实证研究结论提出以下政策建议:

1.不断深化工业机器人应用,推进制造业转型升级

工业机器人应用是当前推动全球制造业发展变革的突出前沿方向,为发挥工业机器人在促进我国制造业转型升级和高质量发展中的作用,建议采取以下措施:(1)政策引导。政府制定明确的工业机器人产业发展战略,通过税收优惠、信贷支持等政策,鼓励企业采用工业机器人技术,提升制造业企业竞争力。(2)协同平台与联盟建设。政府应建立智能制造产业协同平台,鼓励企业加入产业联盟,促进企业间的交流、合作与资源共享。(3)示范工程与技术交流。通过资助示范工程,推广工业机器人应用案例的成功经验;举办技术交流会议,促进企业间技术交流与研发合作。

2.激发知识产权交易市场活力,推动制造业技术创新

知识产权是技术创新产出的重要体现,加强知识产权保护和激发知识产权交易市场活力能够显著促进技术创新。基于此,建议采取以下措施:(1)搭建知识产权交易与信息服务平台。由政府牵头,相关部门与私营企业合作,建立全国性的知识产权交易与信息服务平台,提供专利买卖、许可、合作开发等交易服务,同时提供专利查询、分析和评价等信息服务。(2)设立知识产权交易鼓励基金。为鼓励企业参与知识产权交易,政府可以设立特定的基金,为特定领域的知识产权交易提供奖励或补贴,特别是对先进制造技术专利交易的奖励或补贴。(3)推动知识产权金融化。鼓励金融机构开发并提供知识产权质押贷款、知识产权保险、知识产权证券化等金融产品和服务,让知识产权真正转化为可流动的资产,为企业提供稳定可靠的资金支持。

3.严厉打击和取缔专利侵权,优化创新发展环境

当一个地区的知识产权保护缺乏,或者知识产权保护力度较小,对侵权行为的打击力度不够时,技术创新主体的创新活动和产出就不能得到有效保护。因此,必须严厉打击和取缔专利侵权,优化创新发展环境,建议采取以下措施:(1)加大执法力度。强化知识产权法律法规的执行,加速侵权案件的审理,以威慑侵权行为。(2)建立举报奖励制度。设立举报侵权行为的奖励制度,鼓励公众积极参与维护专利权益,举报者可以获得一定比例的侵权罚款作为奖励。(3)优化纠纷解决机制。建立高效的专利纠纷解决机制,提供快速、公正、低成本的纠纷解决渠道,鼓励创新者及时维护自身权益。