机器人应用如何提升中国制造企业绿色发展质量

宋建 胡学萌

摘 要：随着人类社会进入以人工智能和机器人为主要特征的新一轮技术革命时代，工业自动化成为产业变革和转型的主要方式，机器人应用能否实现中国制造企业绿色质量提升，是一个有待回答的重要问题。本文从制造企业“减排”与“增效”双重目标下采用变异系数法构建了企业绿色发展质量指数，基于中国微观大数据识别并验证了机器人应用如何影响制造企业绿色发展质量。研究发现，机器人应用以实现企业绿色发展中“减排”与“降污”、“提质”与“增效”的双重目标，显著提高了制造企业绿色发展质量。在考虑城市层面遗漏变量、重新识别核心变量、企业动态演化效应、样本选择性偏误和构建“巴蒂克工具变量”等方法后，验证了机器人应用突破制造企业减排与增效两难选择困境提高企业绿色发展质量结论的稳健性。进一步发现，机器人应用通过能源效率渠道降低企业绿色发展中污染物排放、通过生产效率和规模扩大实现企业以增效为目标的企业绿色发展质量提升。

关键词：机器人应用；减排增效；绿色发展质量指数；变异系数法

一、引言

随着劳动力成本的上升，大多数发达国家越来越重视智能化与自动化生产技术，以实现经济持续增长，近些年中国在自动化应用投入方面处于领先地位（王永钦和董雯，2020）。后金融危机时期，美国为代表国家积极谋求“制造业回归”，发展实体经济以解决“脱实向虚”的结构性问题；发展中国家面临劳动力等要素成本上升、传统比较优势减弱的趋势性问题。发达国家和发展中国家均以智能制造技术作为制造业发展的重要路径，机器人应用是工业自动化的重要表现形式。根据国际机器人联合会（IFR）的最新数据显示，2020年中国占全球机器人安装量的43.85%，是全球自动化程度排名第九的国家。机器人采用对中国的经济转型产生了深远的影响，实现减污降碳协同增效，不仅是制造业绿色高质量发展的必然要求，也是统筹推进美丽中国建设双碳目标的重要理论和现实问题。

近些年，学者从企业层面分析环境绩效（He等，2020；万攀兵等，2021）。He等（2020）研究了水质监测对企业污染排放的影响、Song等（2023）发现机器人应用有效抑制企业污染排放。万攀兵等（2021）发现环境技术标准可推动制造业企业绿色转型。这些企业层面的研究主要关注环境质量单一指标，如能源效率、碳效率或水质，缺少对于企业绿色高质量发展的探讨，且很少考虑自动化和智能化在减少不同类型环境污染物方面的作用。

虽然有些学者从企业层面研究了机器人应用对环境影响，但是大多数聚焦于机器人应用如何提高能源效率，而不关注对企业污染物排放的作用（Huang等，2022），少数研究考虑了企业排放污染物的单一指标，但未区分机器人应用对空气和水质污染的影响（He等，2020）。

机器人技术兴起引发了关于企业机器人应用决定性因素以及对经济影响的激烈辩论。除了分析企业选择机器人应用决策外，许多研究关注自动化技术对劳动力市场的影响（Acemoglu和Restrepo，2020；Graetz和Michaels，2018；王永钦和董雯，2020；李磊等，2021；邓悦和蒋琬仪，2022）。邓悦和蒋琬仪（2022）认为智能化应用通过劳动力多样性激发企业创新；王永钦和董雯（2020）认为机器人替代了企业对劳动力的需求，而李磊等（2021）的研究表明企业的劳动力需求反而因机器人使用显著上升。

为此，本文分析了机器人应用对企业绿色高质量发展的影响，通过“减排”与“增效”双重约束的考虑，采用变异系数法构建了企业绿色发展质量指数，识别并验证了机器人应用如何影响制造企业绿色发展质量，讨论了机器人应用对于制造业企业减排和增效机制。其主要结论为：第一，机器人应用显著促进了企业的“减排”与“降污”、“提质”与“增效”以实现绿色高质量发展；第二，在考虑城市层面遗漏变量、滞后效应和重新识别核心变量、企业动态演化、样本选择性偏误和构建“巴蒂克工具变量”后，机器人应用驱动企业绿色高质量发展的结论依旧稳健；第三，发现机器人应用通过能源效率渠道实现“减排”与“降污”、通过生产效率和规模扩大实现“提质”与“增效”以实现绿色高质量发展。

本文的主要贡献为：第一，大多数研究关注机器人应用在国家、地区或者行业层面的经济效应和能源影响，而对制造业企业提质增效和节能减排的研究比较匮乏，我们验证了机器人应用可打破制造业生产过程中面临的“增效”和“污染”的两难选择，实现降污减排的企业绿色发展与提质增效的绿色发展质量提升，为理解企业自动化和绿色转型增加了新认识，也为制造企业绿色高质量发展增加了新理解。第二，区别于当前对企业污染排放等绿色发展指标的单一测度，本文从企业绿色高质量发展的内涵入手，基于“减排”与“降污”、“提质”与“增效”双重目标下的企业绿色发展质量指数，丰富了企业绿色高质量发展研究。第三，揭示了能源效率提升、生产率提升和企业规模扩大是企业减排增效、实现企业绿色发展质量提升的重要渠道，对研究机器人应用与企业转型以及企业绿色高质量发展的文献做了有益补充。

二、理论框架与命题提出

（一）机器人应用以“减排”与“降污”、“提质”与“增效”实现企业绿色发展质量提升

工业机器人应用是技术进步在企业创新领域的物化表现。一方面，机器人对低技能劳动产生替代效应，增加与自动化生产相匹配的操作、管理与研发技术人才；另一方面，工业机器人可以缓解任务分配不合理，避免失序引发的非效率，能够提升全要素生产率（Graetz和Michaels，2018）。喷涂机器人替代人工在高污染环境下操作，解放劳动力，改善用工条件，提高效率。由于采用超高速旋杯静电喷涂，油漆利用率超过75%，较空气喷涂提高了近1倍，不仅大幅节约涂装材料成本，还减少了环境污染及废水处理、废气排放、漆渣处理、滤棉更换等治污综合费用。工业机器人具有高效率、高精度和持续性优势，可以实现企业程序化智能制造、对产品生产环节的能源消耗和污染排放实时检测，降低能源使用不当带来的过度污染，实现企业“减排”与“降污”，并提升了企业的生产效率和质量，提高了企业绿色发展质量。

工业机器人对制造企业绿色高质量发展及经济可持续发展具有重要意义（Wang等，2022）。企业机器人应用可以带来经济和环境的双重效益，推动企业实现绿色高质量发展，包括减少制造环节、供应链运营中的材料损失，增加数字化环境监测和智能会计系统等（Huang等，2022）。除了直接影响之外，工业机器人也可以提高生产率和能源效率，并通过研发促进知识溢出，产生环境正外部性，从而促进清洁生产技术的发明（Huang等，2022），促使企业因创新获得垄断租金保持较高以提高价格加成率，持续获得较高利润企业能够持续获得较高的垄断租金，从而提高价格加成率，并获得较高利润。随着技术进步与工业机器人的广泛应用，企业生产中在很大程度上用操作、管理和创新等技术人员取代了低技能劳动力，以配合自动化生产（Graetz和Michaels，2018；邓悦和蒋琬仪，2022）。劳动技能提升和组织管理改进有助于减少因人工错误操作带来的环境污染（Acemoglu和Restrepo，2020）。在以上过程中，制造业企业在实现自身节能减排绿色发展的同时实现了提质增效，提升了企业的经济效益和社会环境的可持续发展水平，实现了企业绿色高质量发展。基于此提出如下假设：

H1：工业机器人应用能够降低企业污染物排放强度实现“减排”与“降污”，同时提升企业绩效实现“提质”与“增效”，由此驱动制造企业绿色发展质量提升。

（二）机器人应用提升制造企业绿色发展质量的能源效率渠道

随着生产率的提高，企业生产规模将随之上升（Graetz和Michaels，2018），这需要更多的能源消耗，并导致更高水平的环境污染物排放，这种效应被称为“生产力困境”。而部分学者否认“生产力困境”的存在，并认为工业机器人使公司能够使用更先进、更环保的技术来存储和分配能源或过渡到更可再生能源，从而实现更绿色的生产。随着企业产量增加，机器人应用不一定会加剧生态环境的恶化，工业机器人带来的污染可能是受到直接效应与间接效应的综合结果。

技术落后和人工操作是污染的两个重要原因，前者降低能源利用效率，增加企业污染排放，后者会造成额外的污染排放。能源利用率低带来的直接结果是能源清洁难度大、排放污染多，在中国煤炭燃烧排放的污染物几乎是最严重的，这也是企业排放二氧化硫和烟尘的直接来源。机器人应用可以减少企业燃料燃烧和生产过程中产生的各种污染物。如喷涂机器人提高喷涂质量和材料使用率，较高的工艺响应速度成功减少了漆料和溶剂浪费。喷涂机器人流水线可构建为封闭式作业空间，为治理废气带来很大的方便。喷涂废气治理主要有废气回收和废气破坏两种方案，封闭空间可以增大有价值废气的浓度从而便于回收，也可以集中催化燃烧从而破坏废气，彻底净化避免二次污染。在工业机器人的应用下，企业一方面应用先进技术提高能源效率、降低工业污染物排放；另一方面通过工业机器人精准高效地实现生产运作、提高能源配置，同时高精度地调控能源利用，实现精益制造。于是我们提出如下假说：

H2：机器人应用通过提升企业能源效率渠道降低工业污染物排放，从而实现制造业企业“降污”与“减排”，驱动实现绿色发展质量的提升。

（三）机器人应用提升制造企业绿色发展质量的生产效率与规模扩大渠道

企业可以通过“生产过程清洁”和“污染物排放末端治理”两种方式减少排放，以改善环境质量（He等，2020；万攀兵等，2021；Huang等，2022）。针对“生产过程清洁”这种方式，企业可以选择减少生产或者提高生产率以节省单位产品的能源消耗。例如，喷洒机器人可以在高污染环境中取代人工操作，解放劳动力，改善工作条件，缓解由于任务分配不当和管理混乱而导致的低效率问题。除了节省劳动力以外，采用超高速旋杯静电喷涂技术的机器人对涂装材料的利用率高达75%，比人工空气喷涂高出近一倍。它节省了涂装和溶剂材料的成本，也降低了废水处理、废气排放、油漆渣处理、过滤棉更换等成本。此外，工业机器人的高效率、高精度、可持续性可以帮助企业实现程序化智能制造，检测生产过程中的实时能耗和污染排放，减少能源使用不当造成的过度污染。针对“污染物排放末端治理”的方式，是指在生产过程结束时为减少或者消除污染物排放量而进行治理。仍然以喷涂机器人为例，喷涂机器人装配线是在完全密封的空间内建造的，有效地避免了空气和材料之间的交叉感染。在废气处理方面，与机器人装配线配套的全密封空间，显著增加了可回收利用的有价废气的浓度，将废气集中催化燃烧处理从而进行破坏，两者都有助于减少二次空气污染。由此工业机器人不仅降低了生产过程中及生产结束后的污染排放，同时也降低了污染处理成本并提升了企业的技术水平，有助于企业实现减排的同时提高企业绩效。

工业自动化对企业生产决策活动最直接的影响渠道是生产成本，工业自动化可以降低企业生产的边际成本可提高劳动生产率，从而产生正向的效率增进效应。工业机器人应用作为一种新型高质量的资本品，可以通过降低企业的边际成本，提升价格加成率，从而持续获得较高利润。一方面，工业自动化可以通过减少生产过程中劳动等可变要素投入从而提升劳动生产率，这主要体现为要素替代渠道产生的直接效率增进效应（Graetz和Michaels，2018）；另一方面，通过内含在工业机器人等新型高质量资本品的技术，对企业生产活动产生技术溢出，优化内部生产流程和管理组织形式，降低企业部分可变成本，以内含的物化技术进步产生间接效率增进效应。在工业生产中，机器人的采用可以有效地提升公司技术和生产力，同时，技术进步可以促进企业提高绩效，实现企业绿色发展。基于此，提出以下研究假说：

H3：机器人应用通过提升生产效率和扩大生产规模渠道提升企业加成率与利润率实现企业生产增效，驱动实现企业绿色发展质量的提升。

三、研究设计

（一）计量模型

基于以上分析，采用高维固定效应模型构建计量方程：

（二）核心变量

1.制造企业绿色发展质量的单项指标度量

（1）反映以“减排”与“降污”驱动的制造企业绿色发展质量指标。选取企业二氧化硫和烟尘排放强度对大气污染物进行衡量，选取工业废水和化学需氧量对水污染物进行度量。具体来讲，企业二氧化硫排放强度（lnSO2Density）、烟尘排放强度（lnSmokeDensity）、工业废水排放强度（lnWastewater）和化学需氧量排放强度（lnCODDensity）分别用企业二氧化硫排放量、烟尘排放量、工业废水排放量和化学需氧量排放量除以实际总产出取对数核算，采用工业生产者出厂价格指数PC进行平减。

（2）反映以“提质”与“增效”驱动的制造企业绿色发展质量指标。第一，企业加成率度量“提质”。借鉴De Loecker和Warzynski（2012）通过估计生产函数和产出弹性的方法核算企业加成率。第二，以企业利润率度量“增效”。采用利润总额除以主营业务产品销售收入核算。

2.企业绿色发展质量指数测度与合成

第一，采用线性功效函数法对各单项指标进行无量纲化。关于功效函数中阈值的确定，如果各指标的上下限都基于每年指标情况设定，会导致不同年份各个企业的指标比较基准发生变化，从而纵向不可比（谢绚丽和王诗卉，2022）。因此，为了同时进行横向和纵向比较，我们采用如下的指标转换公式进行处理。在5%和95%分位数缩尾。采用无量纲化方法的公式如下：

对于逆指标，采用无量纲化的方法如下：

式中，FVNit表示t时期i企业在单项指标N的数值，SFVNit表示无量纲化后值。在各年指标计算中，上限FVmaxNi2000和下限FVminNi2000均以2010年的上下限为固定值。上限FVmaxNi2000是取基期2000年i企业在单项指标N数据实际值的最小值，下限FVminNi2000是取基期2000年i企业在单项指标N数据实际值的最大值，在基准2000年中，指标数值都在0和1之间，SFVNit取值越高，说明在2000年企业的相应指标的表现越好。2000年之后的年份指标，各个企业的单项指标数值可能小于0或者大于1。

第二，计算企业绿色发展各单项指标权重。本文采用客观赋权的变异系数法计算权重。根据各个指标在企业观测值的变异程度大小进行赋权，若一项指标的变异系数较大，则这个指标在衡量该对象的差异上具有较大的解释力，于是该指标就应该赋予较大的权重。首先，计算变异系数；然后，把每组指标的变异系数占比作为权重。表1展示了绿色发展质量指标体系权重。

第三，合成制造企业绿色发展质量指数。采用加权平均的合成方法，由下往上逐层汇总得到企业绿色发展质量指数GQIit。其具体公式如下：

3.机器人应用识别

（1）机器人应用识别。在判断企业机器人应用识别方面，参照Acemoglu和Restrepo（2020）、李磊等（2021）做法采用企业机器人进口数量（lnRobotN）和企业机器人进口金额（lnRobotV）的对数值进行核算。选取工业机器人进口度量中国企业进口机器人应用原因如下：第一，中国企业的机器人使用绝大多数来自进口。根据国际机器人联合会（IFR）的数据，2013年之前，中国超过70%的工业机器人需求依赖国外进口。同时，根据中国机器人产业联盟（CRIA）的数据，2011年，工业机器人的本土供应商在中国国内共销售了约2000台机器人，这仅占中国机器人销售总量的8%左右；2012年约占14%，2013年约占25%。第二，虽然国内企业掌握了机器人生产的部分技术，但大多布局在产业的中低端领域。第三，无论是中国机器人产业联盟还是国际机器人联合会提供的数据，都仅限于国家层面或行业层面的机器人年安装数量，并不能获得企业层面机器人的应用信息，无法实现本文研究目标。第四，已有文献借助机器人进口数据来间接衡量机器人的应用情况（Acemoglu和Restrepo，2020；李磊等，2021）。

（2）工具变量构建。参考Acemoglu和Restrepo（2020）构建机器人指标的方法计算企业层面工业机器人渗透度指标，即“巴蒂克工具变量”思想。第一步，计算行业层面工业机器人渗透度指标：

式中，MRCNst表示中国s行业在t年的机器人存量，LCNs，t=1999表示1999年的平均就业人数 这里需要说明的是，中国分行业就业数据来自《中国工业统计年鉴》，美国分行业就业数据来自NBER＼|CES数据库。。

第二步，构造企业层面工业机器人渗透度指标：

式中，laborist表示i企业员工数，∑laborst表示t年s行业中所有企业员工总和，用这种方法计算企业机器人渗透指标能够排除企业自身特性，对机器人的使用量更大程度上取决于国家行业的发展状况。

利用美国行业工业机器人数据构造企业机器人渗透度指标作为工具变量。具体公式如下：

式中，MRUSst表示美国s行业在t年的工业机器人存量，LUSs，t=1999表示美国1999年的就业人数，IndexUSst为美国行业层面机器人渗透度，laborist和∑laborst的含义与上述一致。

4.其他变量

全要素生产率tfp，用企业工业销售产值作为产出变量、劳动力和资本存量作为投入变量采用LP方法（Levinsohn和Petrin，2003）计算。企业生产规模lnOutput，采用企业工业总产值实际值的对数值进行核算，用工业生产者出厂价格指数PC平减，基期为1998年。企业能源效率Efficiency，采用价格平减后工业总产值与煤炭消费总量比值的对数值度量。企业年龄Age，采用当年年份减去开业成立年后加1除以10进行核算，单位十年；企业资本深化PerAsset，采用实际固定资产除以企业从业人员进行核算，单位千元/人，采用固定资产投资价格指数InvestIndex平减；企业出口强度Export，采用企业出口总额除以工业总产值现价核算；企业融资约束Finance，采用利息支出除以资产总计核算。企业所在城市是否为资源型城市Dum_Res，采用中国国务院印发的《全国资源型城市可持续发展规划（2013-2020年）》资料来源：http：//www.gov.cn/gongbao/content/2013/content_2547140.htm。识别；城市产业结构高级化Structure，采用第三产业与第二产业GDP比值进行核算；环境规制Regulation，采用政府征收的排污费总额除以缴纳排污费的企业数进行衡量。

（三）数据来源

本文涉及中国工业企业数据库、中国企业污染数据库以及中国海关贸易数据库，样本期为2000-2014年。参考宋建和郑江淮（2022）对数据库进行处理包括资本变量处理、价格指数处理等过程。

工业机器人进口信息来源于中国海关贸易数据库。根据产品定义，按照HS6位产品编码，具体为：851531（电弧包括等离子弧焊接机器人）、847950（多功能机器人、其他多功能机器人和机器人末端操纵装置）、851521（其他电阻焊接机器人、汽车生产线电阻焊接机器人）、851580（其他激光焊接机器人、汽车生产线激光焊接机器人）、842489（喷涂机器人）、842890（搬运机器人）、848640（IC工厂专用的自动搬运机器人）。

最终，本文得到一个包含企业基本信息、企业污染排放、财务经营信息以及进出口的综合且全面的数据库。本文还涉及到的城市层面变量来自《中国城市统计年鉴》；地区环境规制数据来自中国研究数据服务平台（CNRDS）；固定资产投资价格指数数据来自《中国统计年鉴》计算所得。在第1和第99百分位进行Winsor处理。

四、实证结果

（一）基准结果

表2汇报了机器人应用影响制造企业绿色发展质量的估计结果。列（1）中分析的是机器人应用对制造业企业二氧化硫排放强度（lnSO2Density）的影响，制造业企业机器人进口数量（lnRobotN）对数值度量的机器人应用的估计系数均在1%的统计水平上显著为-0.083；列（2）中分析的是机器人应用对制造业企业烟尘排放强度（lnSmokeDensity）的影响，制造业企业机器人进口数量（lnRobotN）的估计系数也均在1%的统计水平上显著为-0.070；列（3）中分析的是机器人应用对制造业企业废水排放强度（lnWastewater）的影响，制造业企业机器人进口数量（lnRobotN）的估计系数显著为-0.168；列（4）中分析的是机器人应用对制造业企业化学需氧量排放强度（lnCODDensity）的影响，制造业企业机器人进口数量（lnRobotN）的估计系数显著为-0.054。这说明了以机器人应用为特征的工业自动化对制造业企业二氧化硫、烟尘、废水、化学需氧量等污染物排放强度存在显著的减排效应。

制造企业绿色发展质量提升不仅体现为减排，更要注重提质增效。列（5）估计的是机器人应用对制造业企业加成率的影响，制造业企业机器人进口数量（lnRobotN）的估计系数显著为0.026，这说明制造业企业机器人应用可以提高制造业企业的价格加成率，提升制造业企业的市场势力和盈利水平。列（6）估计的是工业自动化对制造业企业利润率的影响，制造业企业机器人进口数量（lnRobotN）的估计系数显著为0.005。显然，这个结果表明制造业企业机器人应用可以提升制造业企业利润率。列（7）汇报的是机器人进口数量对制造业企业绿色发展质量指数的结果，估计系数在1%的统计水平上显著为0.034，这说明机器人应用可以显著提升企业绿色发展质量。由此，验证了以机器人应用为典型形式的工业自动化显著降低了制造企业工业污染物减排，同时显著提升了制造业企业生产绩效，从而在制造业企业自动化生产过程中以减排增效双重目标下实现了制造企业绿色发展质量提升。

（二）稳健性分析

1.遗漏变量

为了尽可能避免遗漏变量问题，本文进一步控制城市是否为资源型城市（Dum_Res）、城市产业结构高级化（Structure）、地区环境规制（Regulation）等城市层面的相关变量。表3列（1）～列（4）中机器人应用对制造业企业二氧化硫排放强度、烟尘排放强度、废水排放强度、化学需氧量排放强度的系数均在1%的统计水平上显著为-0.084、-0.071、-0.167和-0.054。列（5）和列（6）制造业企业加成率（Markup）和制造业企业利润率（Profit）的估计系数显著为0.026和0.005。列（7）显示企业绿色发展质量指数估计系数在1%的统计水平上显著为0.034。以上情况说明，当我们考虑一些城市层面重要变量后，机器人应用依旧显著降低了制造业企业污染物排放强度、显著提升了制造业企业的加成率和利润率、显著提升了企业绿色发展质量，而其他未考虑到的遗漏变量显得不再重要。

2.替换指标

企业工业机器人应用作为一种内涵技术资本，样本期内应用机器人的制造业企业可能不是每年都购进机器人。为此，我们将样本期内应用机器人制造业企业进行累加构建识别变量（lnRobotNS）。表4中列（1）～列（4）的估计系数均在1%的统计水平上显著为负，说明企业存续机器人数量显著降低了污染排放；列（5）和列（6）的估计系数显著为正，说明企业存续机器人数量显著提高了企业加成率和利润率。

我们更关注的是列（7）中制造企业绿色发展质量，显然估计系数在1%的统计水平上显著为0.029。以上通过更换工业自动化识别变量验证了机器人应用显著降低了制造业企业“减排”与“降污”效应，同时显著促进了“提质”与“增效”，显著提高了企业绿色发展质量。

另外，我们采用制造业企业机器人进口金额（lnRobotV）重新度量。表5列（1）～列（4）中lnRobotV的估计系数均在1%的统计水平上显著为负，这说明了制造企业增加机器人投资显著降低了二氧化硫污染物排放强度、工业烟尘排放强度、工业废水排放强度、COD污染排放强度达到“减排”与“降污”实现企业绿色发展，列（5）和列（6）中lnRobotV的系数均显著为正，说明了制造企业增加机器人投资显著提高了制造业企业加成率和企业利润率达到“提质”与“增效”提高企业绿色发展质量。列（7）的估计系数显著为0.007，这说明了制造企业增加机器人投资显著提高了企业绿色发展质量。

3.企业动态

考虑到微观企业动态演化可能对制造业企业高质量发展产生样本选择性偏误问题，我们需要考虑企业进入、退出市场等行为。表6汇报了机器人应用影响企业绿色发展质量的企业动态效应分析，Panel A汇报了企业动态演化下机器人应用对制造企业二氧化硫排放强度的估计结果，Panel B汇报了机器人应用对制造业企业烟尘排放强度的结果；Panel C汇报了机器人应用对制造业企业工业废水“降污”的结果；Panel D汇报了机器人应用对制造业企业COD“降污”的结果。这说明在考虑企业动态演化下机器人应用显著降低了企业“减排”与“降污”，实现了企业绿色发展。Panel E汇报了企业动态演化下机器人应用对制造业企业加成率的影响；Panel F汇报了机器人应用对制造业企业利润率的结果。这说明在考虑企业动态演化后，机器人应用提升了制造业企业加成率和利润率，验证了机器人应用促进制造企业绿色发展中“提质”与“增效”的稳健性。Panel G中第（1）～（4）列汇报的是机器人应用数量对企业绿色发展质量的结果、第（5）～（8）列汇报的是机器人进口金额对企业绿色发展质量的估计结果，系数均显著为正，这说明在考虑企业动态演进情景下机器人应用显著促进了制造企业绿色发展质量。

（三）内生性讨论

1.Heckman两步法

制造业企业是否选择机器人应用是一种自选择行为，会受到很多因素影响。为克服该问题，采用选择模型进行处理。表7列（1）中第一阶段，选择省份的固定资产投资价格指数本期InvestIndex=上一期固定资产投资价格指数（1998年=100）×本期固定资产投资价格指数（上年=100）计算。基期选择1998年，理由是中国微观企业数据大量公开使用年份以及大部分文献的样本期初始年份。InvestIndex作为排他性约束变量，同时控制企业年龄、资本深化、企业出口强度等变量。这里需要说明的是，首先，各省固定资产投资价格指数是按照价格指数增长率测算，具有外生性。其次，固定资产价格指数对企业机器人应用具有较强的解释能力，当地区固定资产价格指数较高时，企业可能会通过其他方式替代机器人应用实现企业减排增效。当地区固定资产价格指数价低时，企业可能更偏向选择机器人应用投资。列（1）中InvestIndex的估计系数显著为负，这说明地区固定资产价格指数越高将会降低企业选择使用工业机器人的概率。第二阶段，加入逆米尔斯比率（IMR）进行回归。列（2）至列（7）的估计系数均在1%的统计水平上通过显著性检验。这说明在考虑到样本选择性偏误问题后，机器人应用以实现“减排”与“降污”、“提质”与“增效”双重目标，促进了制造企业绿色发展质量。

表8汇报了机器人应用对制造企业绿色发展质量Heckman两步法的估计结果。从结果来看，机器人应用系数均通过了显著性检验，且为正值，这进一步验证了在考虑企业自选择效应前提下机器人应用显著提升了企业绿色发展质量。

2.PSM＼|DID

选用非替代性的一对一最邻近匹配方法，采用逐年匹配的方法为各年的处理组找到匹配的对照组。表9列（1）～列（4）显著为负，这说明了机器人应用实现了对制造业企业工业污染物的“减排”与“降污”。列（5）和列（6）的系数均显著为正，这说明机器人应用实现了对制造业的“提质”与“增效”，与前文结果一致。列（7）汇报的是企业绿色发展指数的估计结果，交互项的系数显著为0.026，这说明企业机器人应用这一决策冲击对制造企业绿色发展质量有明显提升。

3.交错型DID

采用传统的双向固定效应模型（TWFE）分析多期DID有可能产生有偏估计，其主要原因在于，多期DID估计的本质是多个不同处理效应的加权平均，权重可能存在为负的情形。在权重为负的情形下，不同处理效应加权平均后得到的平均处理效应，可能会与真实的平均处理效应方向相反（Baker等，2021）。考虑到企业是否采用机器人为多期，而且企业采用机器人的时间并非同一，为此我们采用Callaway和SantAnna（2021）提出的一种用于识别异质性多期DID的新方法进行稳健性分析。

我们采用csdid命令重新估计企业机器人应用对“减排”与“降污”、“提质”与“增效”的影响效应。表10汇报了交错型DID的检验结果。为了增强结果的稳健性，Panel A中估计方法采用增进型双重稳健估计结果、Panel B中为基于IPW的双重稳健估计量。列（1）至列（6）的估计系数均通过了显著性检验。由此，通过采用识别异质性多期DID方法后验证了以机器人应用为典型形式的工业自动化显著降低了制造业企业工业污染物减排，同时显著提升了制造业企业的生产绩效，从而在制造业企业自动化生产过程中实现了减排增效的双目标，促进了制造业企业的高质量发展，增强了本文结论的稳健性。

4.工具变量回归

本文参考王永钦和董雯（2020）采用美国机器人渗透度作为中国企业机器人应用的工具变量，主要依据如下：首先，在经济全球化发展过程中中国与发达国家之间的经济发展紧密，且样本期内美国机器人应用发展趋势和细分行业机器人渗透度增长趋势与中国同期比较接近中国和美国工业机器人存量的时序相关性、中国和美国制造业分行业工业机器人渗透度的结构相关性（2000-2014年）图表见附录C。，满足工具变量的相关性。而美国工业机器人应用与其他影响中国企业劳动份额的本土因素无关，满足工具变量的外生性。以此构建中国企业机器人应用渗透度的工具变量，有助于缓解模型的内生性问题。

从弱工具变量识别的Kleibergen＼|Paap Wald rk F统计值均大于10，这验证了工具变量与内生变量之间存在显著的正相关性。列（1）～（4）分别汇报的是机器人应用对制造企业二氧化硫污染物排放强度、烟尘排放强度、废水排放强度和COD排放强度的估计结果显著为负，这验证了构建合理工具变量后机器人应用以“减排”与“降污”驱动制造企业绿色发展。列（5）和列（6）分别从制造企业加成率提升和利润率增加验证了“提质”与“增效”驱动企业绿色高质量发展。由此，我们得出在构建工具变量再估计后验证了机器人应用以“减排”与“降污”、“提质”与“增效”为主要目标的绿色发展。

我们需要重点讨论的是机器人应用对企业绿色发展质量的内生性检验，结果如表12所示。列（1）中工具变量我们选取了采用份额测算的美国机器人渗透度、列（2）为采用均值测算的美国机器人渗透度、列（3）采用的是固定资产投资价格指数作为工具变量。列（4）和列（5）是放入美国机器人渗透度与固定资产投资价格指数两个工具变量、列（6）中是将三个工具变量全部放入模型。首先Kleibergen＼|Paap rk Wald F统计量为大于Stock＼|Yogo弱识别检验的1%临界值，验证了本文使用工具变量的合理性，并不存在弱工具变量的问题；其次，2SLS方法估计的Hansen J统计量的P值为0.504、0.124、0.071，至少在5%统计水平上无法拒绝“不存在过度识别”的原假设，表明不存在过度识别问题。

五、机制检验

（一）机器人应用提升制造企业绿色发展质量的能源效率渠道

表13汇报了机器人应用提升制造企业绿色发展质量的能源效率渠道。列（1）中被解释变量为企业能源效率（Efficiency），结果显示制造业企业机器人进口数量（lnRobotN）系数均在1%的统计水平上显著为0.308。列（2）～列（5）中企业能源效率（Efficiency）的估计系数均显著为负，这说明企业能源效率提升可以降低制造业二氧化硫、烟尘、废水、COD等工业污染物的排放量。列（6）中企业能源效率的估计系数显著为正，说明能源效率提高了企业绿色发展质量。从而验证了以机器人应用为特征的工业自动化通过提升企业能源效率这一渠道，显著降低了企业工业污染物的排放，从而实现以“减排”与“降污”为目标的制造企业绿色发展，进而提升了企业绿色发展质量。

（二）机器人应用提升制造企业绿色发展质量的效率与规模渠道

表14汇报了机器人应用提升制造企业绿色发展质量的效率与规模渠道。列（1）中制造业企业机器人进口数量（lnRobotN）系数显著为0.294；列（2）和列（3）中的系数显著为正，这说明企业生产效率提高显著提升了企业加成率和利润率；列（4）系数显著为0.060，说明企业生产率提升能够提高企业绿色发展质量。列（5）中制造业企业机器人进口数量（lnRobotN）系数显著为0.519。列（6）和列（7）发现企业生产规模（lnOutput）的估计系数显著为正，这说明企业生产规模扩大也会显著提升企业加成率和利润率，列（8）中的结果显示企业生产规模扩大显著提高了企业绿色发展质量。列（9）中同时加入了企业生产效率和生产规模，均显著为正。由此，我们验证了企业机器人应用实现自动化生产通过效率提升和规模扩大提升企业加成率和利润率，促进企业“提质”与“增效”，实现制造企业绿色发展质量提高。

六、结论与政策含义

现有研究多关注机器人应用在国家、地区或者行业层面的经济效应和能源影响，而对制造企业绿色发展质量的研究比较匮乏。本文以制造企业为研究对象测算工业企业四种不同污染物排放强度作为环境质量度量、测算企业加成率和利润率作为企业绩效的度量，通过变异系数法构建了企业绿色发展质量指数，利用2000-2014年中国工业企业数据、企业污染排放数据和海关数据库数据进行验证，并讨论了“减排”与“降污”、“提质”与“增效”双重目标约束下机器人应用提升制造企业绿色发展质量的内在机制。

本文的研究得出以下结论：第一，以机器人应用为特征的工业自动化对制造业企业二氧化硫、烟尘、废水、化学需氧量等污染物排放强度存在显著的“减排”与“降污”效应，同时显著提升了制造业企业加成率和利润率，从而制造企业绿色发展中实现了减排增效的双重目标，提升了企业绿色发展质量。第二，在考虑城市层面可能遗漏的重要变量、考虑重新度量机器人应用变量、考虑企业进入退出等动态演化效应以及采用Heckman两步法考虑到样本选择性偏误、构建巴蒂克工具变量后，验证了机器人应用对制造企业绿色发展质量提升的稳健性。第三，验证了以机器人应用为特征的工业自动化通过提升企业能源效率这一渠道，显著降低了企业工业污染物的排放，从而实现制造业企业以减排为目标的绿色发展，同时也验证了企业应用机器人实现自动化生产通过效率提升和生产规模扩大提升企业加成率和利润率，实现企业以增效为目标的绿色发展质量提升。

本文的研究结论为理解工业机器人对中国制造企业绿色发展质量的影响机制和制定相应产业政策提供了学术依据，具有重要的政策启示。第一，工业自动化打破了制造企业绿色发展中面临的“增效”和“污染”的两难选择，工业机器人应用代表着先进生产力，在提高企业利润的同时，也实现了企业绿色生产。当前中国经济面临挑战，地方政府应制定适宜的环境规制保障，促使企业应加快工业机器人普及与自动化转型，同时以5G技术、云计算、大数据等为核心的新兴技术对企业排污情况实时监督和预警。第二，加快推进制造业劳动力技能提升计划，保障企业自动化转型所需的技能劳动需求。鼓励企业开展岗位技能培训，尤其是工业自动化和智能化操作、管理等方面的技能普及与提升。

参考文献：

[1] 邓悦、蒋琬仪，2022：《工业机器人、管理能力与企业技术创新》，《中国软科学》第11期。

[2] 邓悦、蒋琬仪，2022：《智能化转型何以激发企业创新？——基于制造业劳动力多样性的解释》，《改革》第9期。

[3] 李磊、王小霞、包群，2021：《机器人的就业效应：机制与中国经验》，《管理世界》第9期。

[4] 宋建、郑江淮，2022：《中国企业创新与劳动技能升级：基于生产率频谱效应视角》，《世界经济》第10期。

[5] 万攀兵、杨冕、陈林，2021：《环境技术标准何以影响中国制造业绿色转型——基于技术改造的视角》，《中国工业经济》第9期。

[6] 王永钦、董雯，2020：《机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据》，《经济研究》第10期。

[7] 谢绚丽、王诗卉，2022：《中国商业银行数字化转型：测度、进程及影响》，《经济学（季刊）》第6期。

[8] Acemoglu D. and Restrepo P.，2020，Robots and Jobs，Evidence from US Labor Markets，Journal of Political Economy，128（6）： 2188＼|2244.

[9] Becker S. O. and Ichino A.，2002，Estimation of Average Treatment Effects Based on Propensity Scores，The Stata Journal，2（4）： 358＼|377.

[10]  Callaway B. and SantAnna P. H. C.，2021，Difference＼|In＼|Differences with Multiple Time Periods，Journal of Econometrics，225（2）： 200＼|230.

[11] Loecker J. D. and Warzynski F.，2012，Markups and Firm＼|Level Export Status，American Economic Review，102（6）： 2437＼|2471.

[12] Graetz G. and Michaels G.，2018，Robots at Work，Review of Economics and Statistics，100（5）： 753＼|768.

[13] He G.，Wang S. and Zhang B.，2020，Watering Down Environmental Regulation in China，The Quarterly Journal of Economics，135（4）： 2135＼|2185.

[14] Huang G.，He L. Y. and Lin X.，2022，Robot Adoption and Energy Performance： Evidence from Chinese Industrial Firms，Energy Economics，107： 105837.

[15] Levinsohn J. and Petrin A.，2003，Estimating Production Functions Using Inputs to Control for Unobservables，The Review of Economic Studies，70（2）： 317＼|341.

[16] Song J.，Chen Y. and Luan F.，2023，Air Pollution，Water Pollution，and Robots： Is Technology the Panacea，Journal of Environmental Management，330： 117170.

[17] Wang P.，Han W. and Rizvi S. K. A.，et al.，2022，Is Digital Adoption the Way Forward to Curb Energy Poverty？ Technological Forecasting and Social Change，180： 121722.