使用機器人會導致企業勞動收入份額下降嗎？

程 虹，王華星，石大千 (武漢大學質量發展戰略研究院，湖北 武漢 430072)

0 引言

收入分配是經濟學研究的核心問題之一。著名的 “卡爾多典型化事實”認為，20世紀勞動收入份額將保持相對穩定的狀態[1]。然而實際情況并非如此，許多學者的研究表明，20世紀80年代后，世界上許多國家的勞動收入份額出現了大幅度下滑[2-3]，其中《21世紀資本論》的作者皮凱蒂利用時間周期長達百年的跨國數據向我們證明了科技革命已經使得貧富差距扭曲到一個恐怖的地步，而貧富分化的源頭在于資本的收益遠遠高于勞動的收益。根據呂冰洋等[4]的測算，中國的勞動收入份額同樣出現了大幅度下滑，從1983年的67.4%下降到2008年的44%。勞動收入份額的大幅度下降表明在國民收入分配中沒能實現居民收入和經濟發展的同步增長，勞動者未能平等共享經濟發展成果，與我國提出的 “共享”發展理念不符，同時可能會帶來居民的消費需求下降，貧富差距擴大和社會的不穩定等不良后果[5]。

勞動收入份額的悖論現象以其帶來的不良后果引發了學者們對勞動收入份額下降原因的研究興趣，現有的國外文獻主要從技術進步[6]、要素替代[2]、政治制度[7]等角度進行研究。基于中國勞動收入份額也出現了大幅度下降的事實，國內學者也對我國勞動收入份額的下降原因進行了激烈討論，現有研究主要從偏向性技術進步[8]、產業結構[9]、國有企業[10]、國際貿易[11]、外商投資[12]等方面來解釋勞動收入份額下降的原因。基于以上文獻梳理我們發現，技術進步是影響企業勞動收入份額的一個核心要素，然而由于微觀數據的缺乏，現有關于技術進步對勞動收入份額的影響文獻多是從生產函數中對代表技術進步的參數進行估計，很少有從某項具體的科技創新如機器人、人工智能等微觀角度去研究其對企業勞動收入份額的影響。更重要的是，近年來我國勞動力成本不斷上升對勞動密集型制造業企業產生了巨大沖擊，為了應對這一沖擊，機器人作為目前階段在企業得到應用的最新的物化技術進步成果代表已經在中國出現了爆發性增長趨勢，機器人在中國的迅猛發展也已經成為一個不可忽視的經濟現象，并對中國的經濟發展造成巨大影響[13-15]。此外，與國際的對比研究還表明中國機器人的使用密度與發達國家相比還有很大差距，未來在中國機器人還有很大的增長空間[16]。

本文先通過一個簡單的理論分析來說明機器人影響企業勞動收入份額的經濟邏輯，在此基礎上，利用2018年中國企業綜合調查 (CEGS)數據進行實證檢驗。由于企業引入機器人并非隨機選擇，而是基于企業自身情況的適應性決策，因此機器人變量可能存在一定的內生性問題，對此我們采用滯后項回歸和工具變量的方法加以克服，上述實證結果均表明機器人對企業勞動收入份額具有顯著負向影響。對機器人企業勞動生產率和工資率的實證分析表明，雖然機器人同時促進了企業勞動生產率和工資率的上升，但勞動生產率的上升幅度更大，因此企業勞動收入份額反而出現了下降。基于企業異質性研究表明，機器人對勞動收入份額的負向影響在國有企業、外商投資企業、低研發投入企業和高人力資本企業更強。

本文可能的貢獻主要體現在以下三個方面：①盡管機器人在中國已經得到快速且廣泛的應用，但是國內對機器人的經濟效應進行研究的文獻還較少，而且根據我們閱讀所及，國內少有文獻研究機器人這一重大技術進步對勞動收入份額的影響，本文不僅可以豐富對機器人進行研究的經濟學文獻，還可以彌補現有文獻在研究視角上的不足，有助于我們更加全面認識和理解機器人的收入分配效應；②現有研究文獻大多是利用國際機器人聯盟 (IFR)的機器人賣方統計數據，從宏觀角度研究機器人的各種經濟效應，該數據并不能反應機器人買方即企業的各種情況，本文則利用企業層面的微觀數據來為機器人所帶來的收入分配效應提供一項直接的經驗證據；③本文不僅驗證了機器人對勞動收入份額影響的效果和機制，而且還從企業異質性的角度出發，發現機器人對勞動收入份額的負向影響在不同所有制、研發投入、人力資本企業之間的差異，上述研究結論具有一定的現實意義和較強的政策價值。

1 文獻綜述

與本文研究內容密切相關的文獻主要包括以下三個方面：

1.1 機器人對勞動收入份額的影響

目前，在文獻中關于機器人的使用對勞動收入份額影響的觀點尚未達成一致，一些文獻認為使用機器人可能會導致勞動收入份額的提高。Acemoglu 等[17]認為雖然機器人可能會替代一些工作崗位的勞動者，但是同時機器人帶來的生產率提升和資本積累會增加勞動力的需求，創造新的工作崗位，從長期來看對勞動收入份額的影響是樂觀的，然而更多文獻認為使用機器人可能會導致勞動收入份額下降。DeCanio[18]發現資本所有者決定勞動報酬的份額,可能會擠壓勞動報酬來獲取更高的回報,機器人的發展可能會降低工資水平，進而降低勞動收入份額，加劇收入的不平等。Benzell等[19]利用兩階段世代交疊模型發現機器人帶來的生產率增加會使擁有資本的當代人收益增加，隨著時間推移，資產在國民收入中的份額會上升，勞動收入份額最終會下降。Brynjolfsson等[20]發現機器人替代了更多類型的勞動并且可以自我復制，比廉價的勞動力和普通資本更有優勢，資本的回報增加，勞動收入份額會被自動化逐漸擠壓。Sachs等[21]發現自動化會導致資本的收入份額增加，尤其是將人力資本算入在內，低技能勞動群體的勞動收入份額下降，高技能勞動群體的勞動收入份額增加。

1.2 機器人對勞動生產率的影響

關于機器人對勞動生產率的影響，已有文獻得到了較為一致的結論，與歷史上每一次重大技術進步一樣，機器人作為一種最新的技術進步也會帶來生產率的大幅度提高。Graetz 等[22]通過分析國際機器人聯盟 (IFR)發布的在1993—2007年間17個發達國家中14個使用工業機器人的行業數據和相關經濟指標發現，在制造業使用工業機器人使得勞動生產率年均增長率提高了0.36%，約為當期勞動生產率年均增長率的16%。Acemoglu 等[17]認為機器人同時具有生產率效應和替代效應，生產率效應主要通過資本對勞動力的替代來提高生產率，機器人所需的技能與勞動力的技能不匹配可能會限制機器人生產率效應的發揮。Sachs 等[23]認為機器人一方面會提高勞動生產率，另一方面可能會減少就業機會，更多使用與機器人互補的勞動力，淘汰那些不具備競爭優勢的勞動力。綜上所述，機器人作為一種重大的技術進步會起到補充或替代勞動力的作用，并一步導致勞動生產率的提高。

1.3 機器人對工資率的影響

關于機器人對工資率的影響，現有文獻的研究結論存在較大差異。一些文獻認為機器人可能會提高工資率[22]，在市場完全競爭、規模報酬不變、利率固定以及消費者偏好相似的條件下，如果投資品的相對價格下降，機器人將導致平均工資上漲[24]；另外一些文獻認為機器人可能會導致工資率降低,Acemoglu等[17]使用IFR的數據發現機器人的使用與美國的就業和工資呈現出負向關系，他們估計每增加一臺機器人將會導致6個人失業，機器人的密度 (千人/臺)每上升一個單位，勞動者的工資率將下降5%，并且工資率的負向效應對低技能工人更加明顯；還有一些文獻認為機器人的工資率效應對于不同技能的勞動力有所不同，Acemoglu 等[25]認為低技能勞動力比高技能勞動力更容易被自動化，并通過實證研究發現機器人降低了低技能勞動力的實際工資，由于技能溢價的提高，高技能勞動力的工資得到提高。Berg等[26]發現由于熟練工人與機器人的互補性高,這兩者的結合能夠產生更高的勞動生產率,所以機器人的應用會提高熟練工人工資，而中低技能勞動者更易被機器人替代,機器人會降低中低技能勞動者的工資和收入份額 。Dauth等[27]認為機器人的應用會使科學和管理領域的高技能工人在工資方面受益，而會使從事體力勞動和常規工作的中等技能勞動力面臨工資損失。

從上述文獻回顧中，我們可以看到許多學者認為機器人會對勞動收入份額產生巨大沖擊，而且機器人會對企業的勞動生產率和工資率產生較大影響，但是上述影響存在一定的不確定性，缺乏微觀層面的實證檢驗，所以本文重點研究以下基本問題：第一，機器人究竟會使企業勞動收入份額產生怎樣的變動？第二，機器人導致企業勞動收入份額變化的機制是什么？第三，機器人引發的勞動收入份額變化在不同企業有何差異？

2 模型設計和數據說明

眾所周知，面對收入差距的不斷擴大，目前中國收入分配制度改革的一個重要目標就是提高勞動報酬在初次分配中的比重，而保持勞動收入份額的關鍵點則在于保證勞動生產率和勞動工資率的同步提高，基于此我們認為機器人能夠使勞動收入份額產生變化的原因可能是機器人導致的勞動生產率變化和工資率變化出現了一定差距。上述關于機器人的文獻已經發現機器人會同時產生生產率效應和工資率效應，但是機器人產生上述兩種效應的程度和方向還存在很大的不確定性，需要我們進一步通過企業微觀數據進行實證檢驗。此外，從下文勞動收入份額的公式分解來看，勞動收入份額可以表示為工資率除以勞動生產率，這也表明勞動收入份額的變動可以從理論上分解為工資率的變動和勞動生產率的變動。

綜上所述，本文嘗試從工資率、生產率差距的角度來解釋機器人所導致的勞動收入份額變動，如果機器人導致勞動生產率和工資率同步增長，則可能對勞動收入份額的影響并不顯著，如果機器人導致的勞動生產率和工資率變動幅度差異較大，則會對勞動收入份額產生較強的影響。

2.1 基本模型

假設企業的生產函數為Y=Y(K,L)，在規模報酬不變和市場完全競爭的假設下，勞動的邊際產出YL將等于實際的工資率w。根據歐拉定理，企業的產出恰好被資本和勞動兩種要素報酬分配完畢，故企業的勞動收入份額可以表現為：

(1)

為了更好地理解勞動收入份額變化原因，將企業勞動收入份額的公式進行變換后可以得到：

(2)

其中，w為企業的工資率，Y/L為企業的全員勞動生產率。

進一步對式 (2)兩邊取自然對數，可以得到企業勞動收入份額的分解式為：

ln (LS)=ln (w)-ln (Y/L)

(3)

企業勞動收入份額變化的分解式可以表示為：

Δln (LS)=Δln (w)-Δln (Y/L)

(4)

式 (4)將企業勞動收入份額的變化分解為企業工資率的變化和企業全員勞動生產率變化的差值，當企業工資率的增長慢于企業全員勞動生產率的增長時，企業的勞動收入份額會出現下降，反之則會上升。

基于上述理論分析，本文設定如下三個回歸模型。

模型1：LSit=β0+β1Robotit+β2Xit+Dj+Dd+Dt+εit

(5)

模型2：ln (wit)=β0+β1Robotit+β2Xit+Dj+Dd+Dt+εit

(6)

模型3：ln (Y/Lit)=β0+β1Robotit+β2Xit+Dj+Dd+Dt+εit

(7)

其中，i表示企業，t表示時間，被解釋變量分別為企業的勞動收入份額、工資率和資本勞動比，后兩個解釋變量取自然對數；robot為機器人二值虛擬變量，企業使用機器人取值為1，否則取值為0；Xit是控制變量的集合，Dj為行業固定效應，Dd為地區固定效應，Dt為時間固定效應，εit為隨機誤差項。β1為本文需要重點關注的系數。若β1>0，機器人的使用導致被解釋變量上升；若β1<0，機器人的使用導致被解釋變量下降。

2.2 數據來源

由于本文研究的問題需要對企業的基本情況、機器人使用情況、人力資源情況、工資成本和財務數據等有一個詳細了解，面對微觀數據的缺乏，現有文獻并不能對本文研究的機器人與勞動收入份額的問題進行實證檢驗，中國企業綜合調查 (CEGS)數據為本文的研究問題提供了一個非常珍貴的樣本。CEGS是由武漢大學開展的企業調查活動，該調查活動對企業老板的基本信息、企業的管理情況、企業的生產情況、企業的技術創新情況、企業的銷售和出口情況、企業的質量情況、企業的社會責任情況、企業的人力資源情況和企業的會計和融資情況進行了問卷調查，其中在企業生產部分問卷中對企業機器人使用狀況進行了詳細調查。

2018年CEGS匹配性地搜集了受訪企業的企業基本情況和2015—2017連續三年的生產銷售、研發創新、勞動力成本情況等不同維度的多項調查指標。匹配調查的科學方法使本文選取的指標之間具有內在的邏輯一致性，從而為選擇合適的控制變量以減少內生性問題提供了有效的數據支持。此外，基于嚴格的隨機分層抽樣方法，2018年CEGS樣本分布具有較強的代表性。該調查以 “國家企業信用信息公示系統”作為抽樣總體，類比2015年和2016年的抽樣方法，對四川、江蘇、吉林進行抽樣，并對廣東和湖北進行補充抽樣，從這5個省的101個地區中隨機抽取不同規模、不同產業、不同所有制類型企業作為受訪樣本，全面調查東、中、西部不同區域企業的發展狀況，隨機抽樣使樣本分布與總體真實狀況基本一致，從而規避樣本選擇性問題對研究結論的潛在干擾。使用該調查數據，可以為本文所研究的問題提供充分的數據支撐，結論相對也是穩健可靠的。

2.3 變量說明

本文的被解釋變量是企業的勞動收入份額，因此如何計算企業層面的勞動收入份額數據對于本文來說至關重要。參照已有文獻[4]，本文通過收入法計算企業增加值，并進一步計算企業的勞動收入份額。具體的計算公式為：勞動收入份額 (LS)=勞動者報酬/ (勞動者報酬+固定資產折舊+生產稅凈額+利潤總額)，其中勞動者報酬包括職工的工資、獎金和五險一金；工資率w=企業工資成本/企業總人數；勞動生產率=企業增加值/企業總人數。

本文的解釋變量為機器人，我們將機器人構建為二值虛擬變量，使用機器人的企業計為1，未使用機器人的企業計為0。值得注意的是關于機器人變量的識別，CEGS數據創新性地利用對企業使用機器人品牌的填報來更加精確地識別企業究竟是否使用了智能機器人，此外問卷通過詢問 “企業首次使用機器人是哪一年”來識別機器人開始使用的年份。現有文獻已經發現，在企業層面，技術創新、出口、企業所有制，人力資本、融資約束等會對勞動收入份額產生重要影響，因此本文在實證中要盡可能控制這些因素，以提高估計結果的準確性和一致性。此外，本文還控制了一些企業層面的控制變量，包括企業規模 (企業總人數的對數)、企業的研發投入 (企業研發費用的對數)、企業的人力資本水平 (本科及以上員工占比)、企業的資產負債率、企業的年齡、企業的所有制及企業是否出口；企業家層面的控制變量包括企業家的年齡和受教育水平 (專科學歷及以上占比)等。此外考慮到不同時間、地區和行業的企業勞動收入份額可能會有差異，本文也控制了時間固定效應、地區固定效應，并利用行業二位代碼控制了行業固定效應。

需要說明兩點，一是由于2018年CEGS調查的部分變量搜集了企業2015—2017連續三年的數據，并且在調查機器人的使用情況時詢問了企業首次使用工業機器人的年份，本文利用這些連續三年的變量和機器人使用時間情況構建了類面板數據；二是由于調查數據中受訪企業的特征差異較大，變量的指標容易出現偏態分布，故本文運用Winsorize命令對進入實證分析的部分變量在1%的水平上進行縮尾處理，同時剔除了變量中的異常值樣本 (如員工的工資獎金為負，總資產為負等)。

2.4 基本統計分析

從表1中主要變量的描述性統計結果來看，使用機器人的企業和未使用機器人的企業特征存在較大差異。使用機器人企業的規模、研發投入、人力資本水平、出口企業占比、企業的年齡、企業家的年齡和受教育水平的均值均大于未使用機器人的企業。

表1 主要變量的描述性統計

在進行回歸分析前，我們先基于CEGS數據直觀報告了使用機器人和未使用機器人企業的勞動收入份額、勞動生產率和工資率的差異，見表2。數據顯示，在樣本企業中有12%左右的企業使用了機器人，使用機器人企業中勞動收入份額的均值為39%，比未使用機器人的均值低了10%；使用機器人企業的工資率為6.4萬元/人，比未使用機器人的企業高出16%；使用機器人企業的勞動生產率為24.33萬元/人，比未使用機器人的企業高出36%。上述差異均在1%的統計水平上顯著。

表2 主要指標的統計分析

3 實證檢驗

3.1 機器人對勞動收入份額的影響

根據文獻分析，我們發現有許多因素可能對企業的勞動收入份額產生影響，為了使本文的研究結論更加可靠，減少遺漏變量偏誤，就需要盡量把這些影響因素當作控制變量加入回歸方程中。如表3所示，模型 (1)到 (4)為依次加入控制變量的回歸結果，估計方法為普通最小二乘法 (OLS)，考慮到同一企業在不同時期的擾動項之間可能存在自相關，此時，我們使用聚類到企業的聚類穩健標準誤。第 (1)列只加入機器人變量，隨后進一步加入地區、行業和時間固定效應、企業和企業家的特征變量。

本文首先關注的是機器人對企業勞動收入份額的影響，從回歸結果來看，四個模型中機器人對企業勞動收入份額的回歸系數均顯著為負，雖然隨著影響勞動收入份額的控制變量不斷加入到方程中，回歸系數有所下降，但在加入所有控制變量后，最后的回歸結果依然在10%的顯著性水平下顯著為負，表明機器人對企業的勞動收入份額的確具有顯著的負向影響。值得注意的是，在加入企業規模作為控制變量后，估計系數顯著為負且下降了43%，說明企業規模是影響勞動收入份額的一個重要因素；企業研發投入水平的估計系數顯著為負說明企業的技術創新水平越高其勞動收入份額占比會越低，與預期方向一致；企業人力資本水平的估計系數顯著為負說明企業的人力資本水平越高其勞動收入份額占比會越低；企業資產負債率的估計系數顯著為負說明融資約束可能會對企業的勞動收入份額產生負面影響，與預期方向一致。

表3 基本回歸估計結果

3.2 機器人的勞動生產率效應和工資率效應

為了進一步驗證理論分析中機器人對企業勞動收入份額產生影響的內在機制，我們對機器人的工資率和勞動生產率效應進行實證估計，根據表4中的估計結果，我們可以看到機器人工資率效應的估計系數為7.9%，機器人勞動生產率效應的估計系數為15.6%，兩種效應均在5%的顯著性水平下顯著，這表明平均而言，企業使用機器人會使得勞動生產率提高15.6%，使工資率提高8%，對比兩種效應的大小可以發現，機器人的工資率效應低于勞動生產率效應。

上述實證結果表明，使用機器人企業的勞動收入份額下降的原因是機器人所帶來的勞動力工資率提升幅度要遠小于勞動生產率提升幅度，同時也說明機器人這種技術進步具有資本偏向性，其為企業所帶來的報酬被更多地分配給強勢資本方，勞動力則在收入分配中處于劣勢地位，導致企業整體勞動收入占比下降。

表4 機器人對勞動生產率和工資率的影響

3.3 企業異質性分析

基本回歸結果顯示，總體上機器人會導致企業勞動收入份額出現顯著下降，但對于不同企業來說這種效應的大小并不相同。我們將企業按照所有制差異劃分為國有企業、內資民營企業、港澳臺商投資企業和外商投資企業四組，并進行分組回歸。從表5中可以看到，機器人降低企業勞動收入份額的效應在國有企業和港澳臺商投資企業中非常顯著，而在內資民營企業和外商投資企業中卻不顯著。在外商投資企業機器人所導致的勞動收入份額下降不顯著可能是因為外商投資企業為了在勞動力競爭中取得優勢，支付了更高的工資，具有一定的 “工資溢出”效應，即工資率效應更大，導致勞動生產率效應和工資率效應差距并不明顯。在內資民營企業不顯著可能是因為內資民營企業相比其他所有制企業在要素資源、管理效率等方面存在一定的劣勢，導致機器人的生產率效應不能得到更好的發揮，勞動生產率效應和工資率效應的差距同樣不夠明顯。

我們將企業研發投入的平均值作為臨界值，當企業的研發投入低于臨界值時，則企業被劃入低研發投入組，當企業的研發投入高于臨界值時，則企業被劃入高研發投入組，人力資本分組方法與研發投入分組方法相同，我們基于以上分組方法分別進行了分組回歸，結果如表6所示。可以發現機器人降低企業勞動收入份額的效應在高研發投入企業不夠顯著，而在低研發投入企業非常顯著，可能是因為大多數高研發投入企業屬于技術密集型企業，這些高技能的工作很難被機器人所代替，相反低研發投入企大多數屬于勞動密集型企業，這些重復性強的低技能工作更容易被機器人所代替。機器人所引起的勞動收入份額下降在高人力資本組更為顯著的原因是機器人與高人力資本的勞動力互補發揮出更高的生產率效應，而且高人力資本勞動力不容易被替代，企業的工資率效應較弱，由此形成高人力資本組勞動生產率效應與工資率效應更大的差距。此外，在分組比較系數大小和顯著性方面，我們借鑒連玉君等[28]的方法，采用費舍爾組合檢驗的方法發現組間系數差異在10%的顯著性水平下顯著。

表5 機器人降低勞動收入份額的效應在不同所有制企業的差異

表6 機器人降低勞動收入份額的效應在不同研發投入和人力資本企業的差異

3.4 穩健性檢驗

考慮到企業在填報時五險一金部分的缺失值比工資、獎金部分多，會導致在回歸時將近200個樣本的損失，造成樣本選擇性偏差即因樣本選擇的非隨機性而導致得到的結論存在偏差，因此我們考慮只將勞動者的工資和獎金算作勞動者報酬，并計算出勞動收入份額來對本文的實證結果進行穩健性檢驗，結果如表7第 (1)列所示。雖然回歸系數有所下降，但是還是顯示出機器人的使用與企業勞動收入份額的顯著負向相關關系。

本文的模型可能存在內生性問題，機器人的確可能對企業的勞動收入份額產生影響，但企業在決定究竟是否使用機器人時也可能基于企業的勞動力成本等因素進行考慮，因此解釋變量機器人和被解釋變量勞動收入份額可能存在逆向因果關系，此時普通最小二乘法 (ols)的估計系數可能是有偏、非一致的。考慮到機器人可能是一個內生的虛擬變量，本文采用滯后變量回歸和工具變量的方法來解決潛在內生性問題。為了解決解釋變量和控制變量與殘差項相關而帶來的內生性問題，在回歸模型中將機器人變量和控制變量的當期項替換為其滯后一期項，由于自變量滯后一期項與當期項存在較高的相關性，所以可以避免當期自變量與殘差項相關所導致的內生性問題；為了解決逆向因果關系所帶來的低估偏差，我們將企業所在地區關于機器人的地方法規規章的數量作為企業使用機器人的工具變量，顯然企業所在地的政府對機器人使用的政策支持與企業是否使用機器人有關，但是與企業的勞動收入份額無直接關系。

在使用工具變量之前需要對解釋變量是否內生進行檢驗，我們先利用豪斯曼檢驗來檢驗機器人變量的內生性，該檢驗的原假設為 “所有解釋變量均為外生”，結果顯示在5%的顯著性水平上拒絕所有解釋變量均為外生的原假設，可認為機器人為內生變量。考慮到異方差問題，我們進一步利用杜賓-吳-豪斯曼檢驗 (DWH)進行驗證，結果與豪斯曼檢驗一致。此外本文還進行了弱工具變量檢驗，結果拒絕原假設并不存在弱工具變量。由表7中第 (2)列滯后一期的估計結果可以看到，雖然通過回歸系數可以看出這種負向影響比基本模型要小一些，但機器人仍然與勞動收入份額存在顯著負向相關性。運用工具變量進行二階段最小二乘回歸 (2SLS)估計結果如表7中第 (3)列所示，機器人變量的估計系數顯著為負，但是與基本模型的回歸結果相比，該系數的絕對值明顯增大，可能是因為該工具變量存在一定的局部平均處理效應，該實證結果也表明機器人對企業勞動收入份額的負向影響可能存在一定程度的低估。

表7 穩健性檢驗

4 研究結論和政策建議

4.1 研究結論

本文從理論上描述了機器人影響企業勞動收入份額的經濟邏輯，并利用中國企業綜合調查數據進行了實證檢驗。研究表明，使用機器人降低了企業的勞動收入份額，機制分析表明使用機器人雖然使企業的工資率和勞動生產率同時提升，但是由于后者的上升幅度更大，導致勞動收入份額下降。進一步考察機器人對不同企業的影響有何差異，實證結果表明，機器人對勞動收入份額的負向影響在國有企業、外商投資企業、低研發投入企業和高人力資本企業更強。本文認為機器人的快速應用會使得要素收入分配呈現出向資本傾斜的趨勢，勞動收入份額可能出現一定程度的下降，因此機器人在大幅度提高勞動生產率的同時，迫切需要政府部門通過政策和措施穩步提高勞動報酬，特別是通過二次收入分配來保障那些容易被機器人替代的弱勢群體的工資水平，改善機器人所帶來的要素分配失衡問題。

4.2 政策建議

(1)加大對高校職業教育的經費投入，尤其要重視對機器人應用技術人才的培養。隨著以機器人為載體的人工智能技術在更多的經濟領域得到應用，機器人的發展將會呈現出一個更加迅猛的趨勢。與此同時，社會對掌握機器人技術的應用型人才的需求也會越來越大，而中國高等教育的結構明顯是和社會需求脫節的，輕視對職業技術人才和應用技術人才的培養，這將會導致在教育領域人力資本的錯配，對下一代工人的生產率造成嚴重損失，甚至對整體經濟發展造成負面影響。

(2)鼓勵利用公共采購的形式對應用機器人企業的勞動力進行技能培訓。機器人將會導致工作性質產生較大的變革，今后更多的工作要求勞動者具有具體技能，而機器人的使用會對低技能的勞動力產生很強的替代效應，可能造成嚴重的失業問題，教育培訓可以幫助這些低技能的勞動力提高技能水平，以適應機器人這種技術進步對其造成的就業沖擊，經過教育培訓后這些勞動力能夠與機器人互補，使機器人產生更強的生產率效應。

(3)實施普惠性的社會保障體系。可以預見，由于機器人和人工智能技術的不斷進步，將會使得更多的低技能勞動力從事非正式的、不享受保險待遇的工作，基于工資單的保險模式也將面臨更大的挑戰，而保證不與就業掛鉤的最低社會保障 (包括自愿性的和強制性的社會保險在內的模式)可以覆蓋更多的人，是一個可以嘗試的選擇。全民基本收入政策雖然財政成本較高，但對于促進社會均衡、緩解階層分化和固化也是一個可以嘗試的選擇。總之，隨著社會技術的不斷進步，將那些迫切需要社會保障的弱勢人群作為優先覆蓋目標，是保障社會公平穩定、降低貧富差距的有效方法。