智能制造、勞動力技能結構與出口技術復雜度

徐 曄 朱 婕 陶長琪

(江西財經大學，江西 南昌 330013)

一、引言

改革開放以來，中國憑借豐富的勞動力和資源優勢，一躍成為舉世矚目的“世界工廠”。自2001年加入世界貿易組織，中國制造開始大量走出國門，制造業增加值穩步提升，并于2010年首次超過美國。與此同時，中國工業國際競爭力也在不斷增強。然而，受人口紅利優勢逐漸喪失、美國等發達國家制造業回流、越南等新興發展中國家吸引制造業轉移，以及中美貿易摩擦加劇等多種因素疊加的影響，中國制造業發展受到明顯擠壓。與發達國家相比，目前中國制造業基礎能力仍較為薄弱，一些關鍵核心技術受制于人的問題依然沒有得到根本解決。面對新一輪科技革命和產業變革浪潮，黨的十九大報告明確指出：加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟的深度融合；拓展對外貿易，培育貿易新業態新模式，推進貿易強國建設；人才是實現民族振興、贏得國際競爭主動的戰略資源。

為了推動高端制造、建設制造強國和貿易強國、實現中國制造高水平走出去，必須要依靠人才提升智能技術水平、突破關鍵核心技術，提高制造業技術含量與附加價值。在《中國制造2025》行動綱領中，智能制造被確定為新一代信息技術與制造技術深度融合的主攻方向。那么，智能制造的發展是否明顯促進了出口技術復雜度的提升？進一步，智能制造能否通過激發技能勞動力充分發揮智能技術紅利及人才紅利進而更有效地推動出口技術復雜度的提升？已有研究并未對此展開深入探討。有鑒于此，本文基于2003—2016年中國31個省份數據，研究了智能制造對出口技術復雜度的影響及其作用機制。

二、文獻回顧

在新一輪工業革命和人口老齡化的背景下，工業智能化對勞動力就業的影響成為國內學者們研究的焦點，但結論存在一定分歧。從現有文獻來看，主要有三類代表性觀點，分別是替代、創造和極化效應。陳秋霖等(2018)指出，人口老齡化是人工智能發展的誘因，人工智能與勞動力之間存在“補位式”替代關系,而不是“擠出式”替代。韓民春等(2020)實證研究表明，工業機器人的應用對勞動力就業具有顯著的替代效應。然而，也有研究指出，人工智能作為一種新形式的技術進步，不僅不會完全替代勞動力，反而能夠創造勞動就業機會(程承坪 等，2018)。此外，還有一些研究顯示，工業智能化使得勞動力就業結構呈現出“兩極化”特征，比如：孫早等(2019)發現，工業智能化將促使先進設備替代初中和高中學歷勞動力，并增加對高、低教育程度勞動力的需求；宋旭光等(2022)研究表明，智能制造發展降低了對初中及以下非技能勞動力的需求，增加了對專科及以上技能勞動力的需求。

隨著出口貿易的迅速發展，出口技術復雜度越來越受到重視，與其相關的理論研究也在不斷增加。總體上，國內學者的研究重點聚焦于探討出口技術復雜度的影響因素。已有研究表明，金融支持和技術創新(李玉山 等，2019)、人口年齡結構變動(熊永蓮 等，2018)、進口貿易自由化(盛斌 等，2017)、全球價值鏈與制度質量(劉琳，2015)等對出口技術復雜度均具有顯著影響。與本文研究視角最為緊密的文獻主要有兩類：一類考察了數字經濟或互聯網發展水平對出口技術復雜度的影響。王玉(2021)實證研究表明，以人工智能為代表的數字經濟技術對出口技術復雜度存在正效應。黨琳等(2021)通過識別國家網絡就緒指數的門檻效應，證實制造業數字化轉型對出口技術復雜度具有顯著的非線性提升效應。余姍等(2021)基于省級面板數據的實證研究發現，數字經濟對出口技術復雜度具有邊際遞增的非線性驅動效應。李金城等(2017)研究發現，互聯網發展水平與出口技術復雜度存在顯著的正相關關系。姚戰琪(2021)研究表明，數字貿易主要通過人力資本和R&D強度對出口技術復雜度產生顯著的間接效應。另一類則探討了人力資本對出口技術復雜度的影響。毛其淋(2019)研究發現，人力資本擴張顯著提高了加工貿易企業的出口技術復雜度，且主要是通過促進企業加大研發投入、在職培訓力度以及進口使用更多種類和更高質量的中間投入品等途徑實現的。而周茂等(2019)則指出，人力資本擴張顯著提升了勞動者技能水平，進一步技能勞動的“要素集聚”和“技術載體”功能共同推動了出口技術復雜度的提高。戴魁早(2019)認為，智能人才是提高出口技術復雜度的關鍵動力，要素市場扭曲不利于人力資本水平的提高，進而會對地區企業出口技術復雜度產生抑制效應。由此可見，技術與勞動要素的合理配置對出口技術復雜度的提升至關重要。

綜上所述，國內學者針對出口技術復雜度的關鍵驅動因素展開了大量研究，且取得了一系列有價值的成果。但是，尚無文獻將智能制造、勞動力技能結構以及出口技術復雜度納入同一框架進行分析。較之已有研究，本文的貢獻主要體現在以下兩個方面：第一，基于智能制造的視角考察其對出口技術復雜度的影響，為促進出口技術復雜度的提升提供了一個新的視角，豐富了出口技術復雜度影響因素的文獻。第二，進一步考慮了技術供給與技能勞動力的匹配情況，揭示了智能制造影響出口技術復雜度的具體機制，為智能制造通過優化勞動力技能結構進而促進出口貿易高水平發展提供了經驗證據。

三、理論分析與研究假說

智能制造促進出口技術復雜度提升的內在機理如圖1所示。數字技術的信息數據化表征與處理、網絡化技術的人物間交叉互聯以及智能化技術的深度學習與自主決策等特點，賦予智能制造實現跨時空資源共享和跨主體互聯協作的能力，優化了資源配置并改善了傳統生產方式，進而可以有效解決制造業出口貿易活動中的技術要素供需矛盾，推動出口技術復雜度提高。同時，由于技術進步具有技能偏向性，智能技術需要與之相匹配的技能勞動力才能使其效用最大化，更好地促進技術進步與創新，推動出口技術復雜度提高。

圖1 作用機理

(一)智能制造與出口技術復雜度

智能制造是指在制造過程各環節與新一代信息技術深度融合所進行的智能活動，包含智能制造技術與系統(人機一體化系統)。其中，智能制造技術是智能制造不斷發展的動力源泉，由數字化、網絡化、智能化與先進制造技術深度融合而成，具備共性賦能技術所特有的技術紅利。智能制造帶來的技術紅利對出口技術復雜度的提升主要通過智能制造技術對平臺、資源和生產賦能的方式，即建立協同平臺、優化資源配置模式以及改善傳統生產方式，實現技術與制造業各環節的深度融合。數字化技術和網絡化技術作為智能制造的基礎和技術支撐(趙劍波，2020)，通過算法和平臺連接、挖掘和整合數據化信息，突破了信息流動障礙，推動了資源跨時空跨主體的開放共享和協同發展，降低了信息搜尋和生產交易成本，提高了資源配置效率和勞動生產效率(李金城 等，2017；Nath et al.，2017)，從而有助于突破貿易壁壘，促進出口貿易發展，提升出口產品國際競爭力，推動制造業出口產品技術含量穩步提高(劉琳，2015)。同時，工業機器人作為智能化技術應用的重要形式，通過發揮自動化和智能化效應改變了制造業傳統生產方式，提高了資源利用效率，降低了勞動強度，提高了產品質量與生產效率(Graetz et al.，2018)，進而推動出口技術復雜度顯著提升(郭晶 等，2010)。此外，數字化、網絡化和智能化技術節約的生產和貿易成本均可用于研發創新，從而通過提高知識與技術增量促進制造業技術進步，提升出口產品技術含量。因此，智能制造的發展對出口技術復雜度的提高具有促進作用。

然而，智能制造對出口技術復雜度的影響并非呈簡單的線性特征。在智能制造發展初期，其以數字化、網絡化技術應用為主，效用主要體現在降低信息搜尋成本方面。盡管隨著信息技術的發展，新一代人工智能技術逐步成為智能制造的核心，但是其本質上仍屬于對自動化技術的模仿，疏忽了對關鍵技術的研發，導致人工智能僅對勞動密集型和資本密集型制造業具有促進作用，而難以有效推動技術密集型制造業的發展(孫早 等，2021)。在以出口勞動密集型產品為主的階段，智能制造技術賦能所帶來的技術紅利能夠滿足出口產品的技術需求，但隨著中國出口產品逐步向技術密集型轉變，這種由經濟增長而非技術創新驅動的出口技術復雜度的提升明顯后勁不足、難以為繼。也就是說，當智能制造發展到一定階段，由于關鍵核心技術的自主創新能力較弱，智能技術進步的供給與出口產品對關鍵核心技術的需求難以實現有效匹配，從而導致智能制造對出口技術復雜度的促進作用受到抑制。由此可見，智能制造與出口技術復雜度之間可能呈非線性關系。綜上，本文提出：

假說

1

：

智能制造對出口技術復雜度的促進作用具有非線性特征。

(二)勞動力技能結構的中介效應

數字化和網絡化是智能制造的基礎，人工智能是智能制造的關鍵核心技術，智能機器人的應用是智能制造的重要環節，其與人共同活動組成人機一體化系統。因此，智能制造除了發揮技術紅利對出口技術復雜度產生直接影響外，還可以通過技能勞動力的人才紅利間接提升出口技術復雜度。隨著機器人的廣泛應用與人工智能的持續發展，自動化與智能化生產水平不斷提高。人機協同生產的出現改善了傳統生產方式，在生產任務中實現了對技能勞動力供給不足的任務替代(Sachs et al.，2012，2015)，一定程度上提高了生產效率與質量，甚至是產品技術含量。同時，由于技術進步具有技能偏向性，非技能或低技能勞動力容易被取代，只有較高技能的勞動力才能快速適應新技術(Katz et al.，1992)。這是因為高技能勞動力對新知識與新技術的學習與應用能力更強，在提高技術使用速度和生產效率方面的作用更加突出(Costinot，2009；Galor et al.，2000)。因此，人機協同生產中新技術與技能勞動力是否能夠完美結合尤為重要(Acemoglu et al.，2020)，技能和技術之間的不匹配會阻礙新技術的發展和潛在生產力的增長(Acemoglu et al.，2018)。隨著新一輪科技革命的深入推進，智能制造技術對技能勞動力的需求越來越大，并且提出了更高的要求。

除了有助于實現智能技術的有效應用，對技能勞動力要求的提高還是驅動出口技術復雜度提升的關鍵。出口技術復雜度不僅是出口產品技術含量和生產效率的綜合反映，也是技術創新與進步的重要體現(趙富森，2020)。而技術創新與進步涵蓋技術開發、轉化和應用三個方面(陶長琪 等，2021)，需要勞動者具備較強的技術研發與應用能力。出口技術復雜度越高，意味著產品技術含量越高，進行研發和生產的難度越大(齊俊妍 等，2011)，對與之相匹配的高技能勞動力的需求越大(Acemoglu et al.，2019)。工業智能化只有協同高技能勞動力才能更好發揮技術創新效應(孫早 等，2019)，其對高技能勞動力的需求顯著多于低技能勞動力(Acemoglu，2002)。因此，在智能制造中增加具備技術研發與應用能力的高技能勞動力，有助于充分利用現有資源激發新舊技術的潛在生產力、發揮創新效應并突破技術邊界，從而促進出口技術復雜度不斷提高。綜上，本文提出：

假說

2

：

智能制造通過優化勞動力技能結構進而影響出口貿易結構，即實現出口貿易結構高級化以提升出口技術復雜度。

四、研究設計

(一)模型構建

本文構建如下面板回歸模型(1)檢驗智能制造對出口技術復雜度的影響，并加入平方項探討兩者間的非線性關系：

(1)

其中：i代表省份，i=1,2,…,31；t代表年份，t=1,2,…,14；j表示控制變量個數，j=1,2,3,4,5；α為常數項；ε為隨機干擾項；LEC為各省份制造業出口技術復雜度；IM為各省份智能制造水平；CON為控制變量。

為進一步分析智能制造與出口技術復雜度的非線性關系，本文參考余珊等(2021)的做法，構建如下面板門檻模型(2)：

(2)

其中：j表示控制變量個數，j=1,2,3,4,5；IM既是核心解釋變量也是門檻變量；φ為待估門檻值；I(·)為指示函數，在滿足條件時取值為1，否則取值為0。

為考察智能制造影響出口技術復雜度的具體機制，引入中介變量勞動力技能結構。本文參考Baron et al.(1986)、溫忠麟等(2014)的中介效應檢驗思路，建立如下檢驗模型：

(3)

(4)

其中，M代表不同技能的勞動力。由于勞動者學習并為應用智能技術而對自身技能進行提升需要時間，即技能勞動力存在滯后性，因此本文將中介變量滯后一期加入模型(3)。

(二)數據來源和變量說明

基于數據可得性，本文選取2003—2016年中國31個省份的面板數據作為樣本數據，對28個制造業行業出口技術復雜度進行實證研究。本文數據來自歷年《中國統計年鑒》、國家統計局網站、EPS數據平臺、中經網統計數據庫和國研網統計數據庫。

1.被解釋變量：出口技術復雜度

出口技術復雜度的高低反映了出口產品技術含量的高低，是衡量出口競爭力的重要指標。本文采用Hausmann et al.(2007)提出的兩步法，并借鑒余姍等(2021)將兩步法中的國家層面轉換為省級地區層面的做法，測算各省份制造業出口技術復雜度。首先，測算各時期制造業分行業j的出口技術復雜度(IEC)：

(5)

然后，測算各時期分省份制造業出口技術復雜度：

(6)

其中，EC表示t年i省的制造業出口技術復雜度,m=28。為消除異方差，在實證研究時對其進行對數化處理，記為LEC。

鑒于制造業分行業出口額數據的可得性，篩選出中國海關HS編碼產品中屬于制造業行業產品的出口額，并對其進行分類、匯總，以此作為制造業分行業出口額數據。由于海關編碼的商品分類與國民經濟行業分類標準不一致，本文根據HS六位編碼體系，將其匹配至國民經濟行業分類中，整理出28個制造業行業。同時，考慮到2003—2016年間海關編碼有02、07、12三種版本，且HS07版與HS12版在制造業6位產品編碼上沒有差別，因此2003—2007年間制造業分行業的產品出口額以HS02版產品編碼為匹配標準，2008—2016年間制造業分行業的產品出口額以HS12版產品編碼為匹配標準。

2.核心解釋變量：智能制造

智能制造技術包含智能制造使能技術和智能制造信息技術。在使能技術方面，主要包括人工智能、工業機器人和智能制造系統等；在信息技術方面，主要包括大數據、物聯網、云計算和數字孿生等。由于制造業在智能化發展進程中以工業互聯網為基礎，并以人工智能等新技術為支撐，本文選取人工智能技術水平、工業機器人應用水平、互聯網普及程度和信息通訊水平四個指標，使用熵值法綜合衡量各省份智能制造發展水平。其中，各指標數據均為省級數據。具體指標說明如下：

(1)人工智能技術水平，用信息傳輸、軟件和信息技術服務業全社會固定資產投資額來表示。(2)工業機器人應用水平，借鑒韓民春等(2020)的做法，使用工業機器人進口金額來表示。根據HS07八位編碼體系，工業機器人主要分為多功能工業機器人和其他未列名工業機器人(84795010和84795090)、集成電路工廠專用的自動搬運機器人(84864031)、噴涂機器人(84248920)、搬運機器人(84289040)、電阻焊接機器人(85152120)、電弧焊接機器人(85153120)和激光焊接機器人(85158010)。采用上述7類機器人進口額的總和代替工業機器人進口金額，并根據當年匯率將美元折算為人民幣。(3)互聯網普及程度，用互聯網覆蓋規模來表示。(4)信息通訊水平，用電子及通信設備制造業專利申請數來衡量。

3.中介變量：勞動力技能結構

勞動力技能結構可分為高級技能勞動力(HW)、中級技能勞動力(MW)和低級技能勞動力(LW)。借鑒徐少俊等(2020)的做法，將接受過高等職業教育的勞動力歸為高級技能勞動力，接受過中等職業教育的勞動力歸為中級技能勞動力。因此，用大學?？?、大學本科和研究生文化程度就業人員的占比衡量高級技能勞動力，用高中文化程度就業人員的占比衡量中級技能勞動力，用未上過學、小學、初中文化程度就業人員的占比衡量低級技能勞動力。

4.控制變量

本文選取的控制變量主要包括：(1)地區開放程度(AO)，用省級進出口總額占地區生產總值的比重來反映。(2)外商直接投資(FDI)，用實際使用外資額來反映，并在實證分析時對其進行對數化處理，記為LFDI。(3)物流基礎設施(LN)，用鐵路營業里程數和公路線路里程數之和并取對數來反映。(4)知識產權保護(IP)，用地區專利申請受理量占R&D人員全時當量的比重與專利申請授權數占R&D人員全時當量的比重的算術平均值來反映。(5)研發投入(RD)，用研究與試驗發展(R&D)經費內部支出占GDP的比重來表示。

(三)描述性統計分析

本文各變量的描述性統計結果如表1所示。出口技術復雜度(EC)的均值為26398，最大值為73024，最小值為5568，標準差為14087，說明不同省份間出口產品技術水平差異較大。智能制造(IM)的均值為0.06，最大值為0.73，最小值為0，標準差為0.09，說明樣本省份間的智能制造發展水平存在明顯差異。

表1 描述性統計結果

五、實證結果與分析

(一)智能制造對出口技術復雜度的非線性影響

1．基準回歸

考慮到一般的Hausman檢驗在存在異方差和自相關情況時檢驗結果不穩健，本文選用修正的Hausman檢驗進行模型選擇。修正的Hausman統計量的p值為0，故基于固定效應模型結合聚類穩健標準誤進行模型估計，總體回歸結果見表2。由列(1)～(7)可以看出，智能制造(IM)及其平方項(IM)的估計系數的符號與顯著性并未隨控制變量的逐步加入而發生明顯變化。具體地，智能制造(IM)的估計系數始終在1%的顯著性水平下為正，而智能制造平方項(IM)的估計系數始終顯著為負，回歸系數的平均值分別為7.808和-8.446。這表明智能制造與出口技術復雜度之間存在倒U形的非線性關系。轉折點在智能制造指數約0.485時，本文樣本期內僅有5個觀測點落在最優值的右側，大部分集中在左側。上述檢驗結果初步說明，提高智能制造發展水平有助于推動出口技術復雜度提升，但邊際效應呈遞減趨勢。

此外，由列(7)中控制變量的回歸結果可知，地區開放程度(AO)對出口技術復雜度存在顯著的負向影響；外商直接投資(FDI)和物流基礎設施(LN)均與出口技術復雜度在1%的顯著性水平上正相關；知識產權保護(IP)和研發投入(RD)對出口技術復雜度雖存在正向促進作用，但均不顯著。

表2 總體基準回歸結果

2.門檻效應檢驗

基準回歸結果初步表明，智能制造與出口技術復雜度整體上呈正相關關系，但邊際效應遞減。為避免高度共線性問題，并進一步檢驗智能制造對出口技術復雜度的非線性影響，本文采用門檻模型進行估計?？紤]到各省份間智能制造發展存在差異，選取智能制造發展水平作為門檻變量。基于Hansen的樣本自舉法反復抽樣500次，對面板門檻進行存在性檢驗，結果表明智能制造發展水平通過了雙重門檻檢驗，門檻值分別為0.0019和0.1638。進一步，采用雙門檻模型結合穩健標準誤檢驗進行估計，結果見表3。

表3 面板門檻模型回歸結果

由表3可知，當智能制造發展水平低于0.0019時，智能制造的估計系數為-359.321，且通過了1%的顯著性水平檢驗，表明智能制造對出口技術復雜度存在負向影響，這與上文結論不一致。經考察在樣本期內，智能制造指數低于0.0019的觀測點只有16個，且均在2003—2008間，除去為海南的一個觀測點外，其余均為西藏、青海和寧夏的觀測點。這可能是因為，在金融危機前，中國制造業出口以勞動密集型產品為主，而西部地區的勞動力成本優勢明顯，能夠充分利用本地資源開發帶動相關產業發展；并且，由于西部地區資金不足、基礎薄弱，智能制造發展較為緩慢，而過低的智能制造水平又會導致機器紅利低于人口紅利，生產成本增加，產業發展受阻，最終對出口技術復雜度的提升產生抑制作用。當智能制造發展水平在0.0019和0.1638之間時，智能制造的估計系數為4.899，且通過了1%的顯著性水平檢驗，表明智能制造對出口技術復雜度的影響由抑制效應轉為促進效應。當智能制造發展水平高于0.1638時，智能制造的估計系數降至1.928，但仍通過了1%的顯著性水平檢驗。綜上可知，隨著智能制造的發展，其對出口技術復雜度的促進作用表現出邊際效應遞減的非線性特征。因此，本文假說1得到充分證實。

3.不同時期的影響

上述全樣本門檻檢驗結果表明，存在抑制效應的觀測點均在2003—2008年間。因此，本文推測智能制造對出口技術復雜度的影響在不同時期可能存在差異。為此，引入時間虛擬變量T進行分析，金融危機前(2003—2007年)取值為1，金融危機后(2008—2016年)取值為0。將T與IM的交乘項納入模型(1)，控制個體效應并使用穩健標準誤進行回歸，結果列于表4。不難發現，智能制造(IM)的估計系數在1%水平上顯著為正，交乘項(T×IM)的估計系數在5%水平上顯著為負。這說明，相比于金融危機前，在金融危機后智能制造對出口技術復雜度的促進作用更明顯。原因可能在于：金融危機的爆發削弱了中國出口產品的價格優勢和國際競爭力，導致出口受阻。為有效應對危機，中國積極引導和支持企業加強自主創新，大力推進經濟結構轉型升級。因此，金融危機后中國出口產品的技術含量大幅提升。

表4 不同時期基準估計結果

(二)勞動力技能結構的中介效應檢驗

1.中高級技能勞動力

表5列(2)和(3)報告了以高級技能勞動力為中介變量的估計結果。由列(2)可知，高級技能勞動力對智能制造的回歸系數為6.49，且通過了5%的顯著性水平檢驗，說明智能制造增加了企業對高級技能勞動力的需求。同時，列(3)的結果顯示，高級技能勞動力顯著地促進了出口技術復雜度的提升，而在控制該因素后，智能制造對出口技術復雜度的影響不再顯著，表明高級技能勞動力在智能制造和出口技術復雜度之間發揮完全中介作用。

表5 作用機制檢驗結果

(續表5)

表5列(4)和(5)是以中級技能勞動力為中介變量的估計結果。由列(4)可見，中級技能勞動力對智能制造的回歸系數為4.858，且通過了5%的顯著性水平檢驗，表明智能制造會增加企業對中級技能勞動力的需求。列(5)的結果顯示，智能制造和中級技能勞動力對出口技術復雜度均存在正向影響，但前者未能通過顯著性檢驗，表明中級技能勞動力在智能制造和出口技術復雜度之間發揮完全中介作用。

2.低級技能勞動力

表5列(6)和(7)報告了以低級技能勞動力為中介變量的估計結果。從列(6)可見，智能制造對低級技能勞動力存在顯著的負向影響，系數值為-11.886，表明智能制造的發展會降低企業對低級技能勞動力的需求。列(7)的結果顯示，低級技能勞動力對出口技術復雜度的提升存在顯著抑制作用，而智能制造對出口技術復雜度的影響不顯著，表明低級技能勞動力在智能制造和出口技術復雜度之間發揮完全中介作用。

綜上所述，智能制造可以通過優化勞動力技能結構，即增加對中高級技能勞動力的需求、減少對低級技能勞動力的需求，進而促進出口技術復雜度顯著提升。由此可知，本文假說2得到驗證。

六、穩健性和內生性檢驗

為確保上述估計結果的可靠性，本文進行了以下穩健性測試：(1)變換被解釋變量的測算方法。借鑒戴魁早(2019)的做法，為保證出口產品的技術特征具有跨期穩定性，引入標準出口技術復雜度(SEC)，SEC=100×(EC-EC)/

(EC-EC)，其取值范圍在0到100之間，無度量單位且能夠進行跨期比較。在此基礎上，采用固定效應模型控制個體效應進行回歸估計。同時，為解決異方差問題，加入White標準誤一同進行檢驗。(2)增加控制變量?？紤]到產業結構升級也可能對出口技術復雜度存在重要影響，在模型中引入控制變量產業結構升級(IS)，并用第三產業增加值占地區生產總值的比重來衡量。在此基礎上，控制個體效應與時間效應，使用穩健標準誤進行回歸估計。上述穩健性檢驗的結果分別如表6列(1)～(4)和列(5)～(8)所示，從中可見，智能制造與出口技術復雜度均顯著正相關，說明本文研究結論是穩健的。

表6 穩健性檢驗結果

為盡可能解決互為因果關系而導致的內生性問題，本文選取智能制造的滯后項和技能勞動力的滯后項作為工具變量，使用穩健標準誤進行兩步最優GMM估計。由表7的檢驗結果可以看出，核心解釋變量智能制造的估計系數的符號和顯著性水平均與前文保持一致。

表7 內生性檢驗結果

(續表7)

七、結論與啟示

本文基于2003—2016年31個省份數據，考察了智能制造對出口技術復雜度的影響以及勞動力技能結構的中介效應。研究表明：(1)智能制造顯著地提升了出口技術復雜度，且兩者存在非線性關系。(2)當智能制造水平大于0.0019時，智能制造對出口技術復雜度存在顯著的正向影響；隨著智能制造的發展，當智能制造水平跨越一定門檻值(0.1638)時，其對出口技術復雜度的促進強度逐步減小。整體上，智能制造對出口技術復雜度的促進作用呈現出邊際效應遞減的非線性特征。(3)相比于金融危機前，金融危機后智能制造對出口技術復雜度的促進效應更明顯。(4)智能制造主要通過優化勞動力技能結構，即協同中高級技能勞動力和替代低級技能勞動力，實現出口貿易結構高級化，進而推動出口技術復雜度顯著提升。

根據本文研究結論，提出如下政策建議：(1)進一步加大對智能制造的支持力度，完善信息技術基礎設施建設，營造良好的營商環境，助推制造業智能化轉型升級，緊緊抓住智能制造釋放的技術紅利，促進出口產品質量穩步提升。(2)創新人才培養模式，加強技能人才隊伍建設，加大專業技能培訓力度。一方面，進一步提高教育經費投入，加快構建產教融合、校企合作、工學一體的培養模式，扎實推動基礎研究與應用研究的協調發展，為智能化發展提供相匹配的高素質人才。同時，著力破除制約技能人才發展的體制機制，建立健全技能人才服務保障體系。另一方面，努力做好職工在崗、轉崗職業技能提升工作，推動低級技能勞動力向中級技能勞動力、中級技能勞動力向高級技能勞動力升級和轉移。