工業機器人應用與就業結構變遷
——效應與機制

韓青江

（江西財經大學經濟與社會發展研究院，南昌 330013）

引 言

以工業機器人應用為代表的智能制造正在深刻地改變著當前的制造方式，同時也在重塑勞動力市場，影響中國就業結構的變革。十八大以來，推動制造業由傳統制造向智能制造轉型成為經濟建設的重要任務之一。與此同時，中國就業結構也發生了重要的變化，制造業就業占比由2012年的27.97%增加到2015年的28.69%，隨后下降到2019年的22.33%，出現曲線式波動，而服務業就業占比則呈現相反的趨勢，由2012年的50.21%下降到2013年的47.45%，隨后增長到2019年的59.34%。目前，學界對工業機器人的就業影響展開了一系列討論，研究的焦點多集中于勞動力市場極化、就業破壞效應與就業補償效應的比較分析等領域，系統地研究工業機器人對中國就業結構變遷影響的文章鮮見。為此，本文從產業的角度出發，對十八大以來工業機器人影響中國就業結構的事實進行實證分析，以充分掌握工業機器人沖擊下就業結構變遷的規律，并為促進就業結構更好的服務實體經濟發展提出政策建議。

1 文獻綜述

目前有關工業機器人影響就業的文獻多集中于對就業總量的影響，相關話題涉及工業機器人的就業破壞效應、就業創造效應和綜合效應等。從就業結構角度而言，技能結構與行業結構是關注的重點。Autor等 （2003）［1］將工作崗位分為流程化和非流程化兩類，其中分布在兩端的高、低技能勞動多屬于非流程化工作，不易被自動化替代，而處于中間位置的中等技能勞動多屬于流程化工作，易被替代，由此導致了就業的極化。Ace?moglu 和 Restrepo （2016）［2］在理論模型中也指出工業機器人會加劇就業不平等，導致低技能勞動者就業受損?？赘呶牡?（2020）［3］基于地區和行業層面的數據研究發現，工業機器人應用會導致“技術性失業”現象的發生，這一情況在低學歷勞動者占比較高的行業尤為明顯。李磊等 （2021）［4］的研究結論也認為工業機器人應用抑制了低技能勞動者的就業。從行業結構的角度看，孔高文等（2020）［3］研究指出工業機器人會導致勞動者在不同行業和地區間轉移，長期能夠提升本地同行業的就業水平。王文等 （2020）［5］則重點關注工業機器人對服務業就業的影響，研究指出工業機器人促進了服務業就業結構的升級，而非 “低端鎖定”。韓民春等 （2020）［6］針對中國制造業就業的研究發現，工業機器人顯著降低了制造業的就業水平，其中對電子通信行業的就業影響最大，其次為金屬制品業，最后是汽車行業。閆雪凌等 （2020）［7］將制造業分為低技術、中技術和高技術3個類別進行分組回歸，發現工業機器人對中技術行業就業有顯著負影響，對其他組別影響不顯著。除此之外，也有文獻關注工業機器人對性別結構的影響，如Acemoglu 和 Restrepo （2020）［8］從性別角度出發研究指出，工業機器人對男性與女性勞動者的就業均有顯著的負向影響，但是對男性勞動者的影響程度幾乎是對女性影響程度的1.5～2倍。此外還有文獻從區域和產業鏈上下游的角度對就業變化進行了分析［3］。綜合以上文獻分析可見，當前工業機器人對就業結構影響的研究多零散出現于不同文獻中，研究內容缺乏系統性，需要進行更加系統的分析，為此本文專門從就業結構的角度出發，分析工業機器人應用帶來的沖擊，以充分掌握就業結構變化背后的原因與機制，為相關政策研究提供支撐。

2 理論分析與機制假說

工業機器人影響就業結構變遷的過程中，產業結構轉型起到了拉動作用，而生產效率提升以及人力資本變化起到了驅動作用。本文將分別從產業結構、生產率和人力資本3個維度對工業機器人影響就業結構的作用機制進行剖析。

（1）產業結構升級的拉動效應。就業的需求來自于產業，這一需求的內生性要求就業結構必須要符合產業結構的需求，當就業結構無法適用新的產業結構時，就會出現就業結構的失衡和摩擦性失業，隨著就業結構的不斷調整，逐步回到新的均衡狀態。工業機器人快速普及推動制造業由傳統制造向智能制造轉型，促進了產業結構升級。這一轉型過程在兩個方面促進了就業結構變化：①服務業總體規模不斷擴張，新的就業崗位逐漸增多，相應產業就業占比不斷提高；②在制造業和服務業內部，高端產業需求增加，總就業人數尤其是高技能的就業占比不斷提高。因此產業結構升級拉動了對工業機器人的需求，并進一步驅動就業結構變化。

（2）生產率提升的驅動效應。工業機器人應用會促進生產效率的提升［9］，生產效率的提高進一步促進了就業結構的改變，主要表現在兩個方面：①規模效應，生產效率提升導致智能制造企業生產成本下降，進而促使社會需求增加，刺激生產規模擴張并拉動了勞動力需求。這一效應不僅影響了制造業本身，也影響了支撐制造業的生產性服務業；②資本深化效應，在汽車等工業機器人重點應用領域，自動化進程較早，早期的機器人已經替代了大多數低技能的勞動者，近年來進一步引入工業機器人并不會導致現有工作崗位的進一步替代，反而會促進對勞動力尤其是高技能勞動力的需求，進而影響行業的就業結構。因此，工業機器人通過提高生產效率促進就業結構改變。

（3）人力資本提升的驅動效應。工業機器人的廣泛應用對人力資本的提升有顯著的促進作用［10］，人力資本的提升將影響就業結構的變革，具體表現為兩個方面：①人力資本提升改變了勞動力的供給結構，使得高技能勞動者的就業占比提高，高技能勞動者的供給與需求匹配，實現了就業結構的升級與再平衡，而低技能勞動者則流向低端制造行業或生活性服務業；②人力資本的提升擴大了各類勞動者就業的適用范圍，獲得就業崗位的概率更大，而低技能的勞動者因為就業面窄所以選擇從事低端行業或者新興服務業。因為技能結構的差異，各類型勞動者就業的方向發生改變，導致行業間的就業結構發生變化。

3 研究設計與數據處理

3.1 模型設定和研究策略

為了檢驗工業機器人對就業結構的影響，本文設定如下的基礎計量模型：

其中，i表示地區，t表示年份，Estruit表示就業結構，Rotit表示工業機器人應用水平，Xit表示系列控制變量，γi和λt分別表示時間和地區的固定效應，εit表示模型的殘差項。為了驗證上文的機制假說，本文在基礎模型之上構造交互回歸模型和中介效應模型，其中交互回歸模型如下：

其中Mit表示機制變量，Rotit×Mit表示工業機器人與機制變量的交互項，β2表示交互項的影響程度。進一步，本文構造中介效應模型如下：

在式 （1）的回歸中可以檢驗工業機器人對就業結構的影響，在α1顯著的情況下，繼續檢驗工業機器人是否對機制變量有顯著影響，即式 （3）中的?1是否顯著。如若成立，繼續檢驗機制變量是否對就業結構有顯著影響，即式 （4）中的系數ω2是否顯著，如若成立則進一步比較分析式 （1）中的α1與式 （4）中的ω1的相對大小，以驗證工業機器人對就業結構的影響是否受到機制變量的影響，如若不成立則進一步通過Sobel檢驗進行驗證。

3.2 變量選取與指標設計

3.2.1 被解釋變量

本文的被解釋變量包括制造業就業占比、服務業就業占比、高科技產業就業占比、傳統產業就業占比、生產性服務業就業占比、高端服務業就業占比，以及各細分行業就業占比等。相關數據來自 《中國勞動統計年鑒》，時間跨度是2012～2020年。

3.2.2 解釋變量

本文的核心解釋變量是工業機器人應用水平，參考 Acemoglu和 Restrepo （2020）［8］的研究， 構造機器人滲透度以表示工業機器人應用水平，具體的計算公式如下：

其中RobDenjt表示工業機器人滲透度，Ljit＝2011表示基期（2011年）j?。▍^、市）i行業的就業人數， Ljt＝2011表示基期（2011 年）j?。▍^、 市）的總就業人數，Robit表示中國i行業t年的工業機器人保有量， Lit＝2011表示基期（2011年）中國 i行業的總就業人數。 Ljit＝2011／Ljt＝2011表示各?。▍^、 市）各行業的就業比重， Robit／Lit＝2011表示中國 i行業的工業機器人密度。數據來源于世界機器人聯合會（IFR）的統計數據。因為制造業是工業機器人的重點應用領域，本文只以制造業就業人數為基礎構造機器人滲透度。此外，本文的回歸模型可能存在內生性問題，因為就業結構的改變可能會反向影響工業機器人的應用；可能存在遺漏變量問題。為了消除內生性的影響，本文采用滯后1階的工業機器人滲透度作為工具變量進行回歸。

3.2.3 機制變量

本文構造3個機制變量分別是產業結構、生產率和人力資本。其中產業結構的度量參考袁航和朱承亮 （2018）［11］的研究， 具體的公式為： IndStrujt＝其中 yjit表示 j?。▍^、市）i產業t年的增加值占地區生產總值的比重，lpjit表示j?。▍^、市）i產業t年的勞動生產率，該指數反映了三次產業結構的整體變化。此外生產率以工業增加值除以工業行業從業人員數進行計算，人力資本以勞動者的平均受教育年限進行衡量，使用高中以上學歷人員占比作為指標。

3.2.4 控制變量

參考 Acemoglu 和 Restrepo （2016）［2］的研究，共選取了5個指標作為控制變量，分別是： （1）地區生產總值，反映地區經濟的綜合發展水平對就業結構的影響；（2）城市化水平，用年末城鎮人口占比進行衡量；（3）資本存量，用永續盤存法進行計算；（4）進出口總額，用于反映地區外貿水平對就業結構的影響； （5）外資使用水平，用于反映外商投資對就業結構的影響。相關數據分別來自 《中國統計年鑒》、《中國勞動統計年鑒》和 《中國貿易外經統計年鑒》，相關產值和資本總量數據以2011年為基期進行平減，取對數后代入計算。相關變量的統計性描述如表1所示。

表1 各變量的統計性描述

4 實證分析

4.1 工業機器人對制造業就業結構的影響

4.1.1 對制造業整體就業結構的影響

工業機器人對制造業就業結構的影響主要表現在兩個方面：（1）制造業在國民經濟行業中就業份額的變化；（2）制造業內部就業占比的變化，為此本文分別以制造業就業占比、高技術產業和傳統制造業就業占比衡量制造業就業結構的變化，其中高技術產業分類與數據來自 《中國高技術產業統計年鑒》。為了消除內生性的影響，采用滯后1期的機器人滲透度作為工具變量，基于2SLS法進行回歸分析，相關回歸結果如表2所示。

表2 工業機器人對制造業就業結構的影響

由分析結果可知，工業機器人應用對制造業在國民經濟中的就業份額有顯著的負影響，工業機器人密度每提高1個單位，制造業就業占比就下降0.32%。就制造業內部結構而言，傳統制造業就業需求受工業機器人的影響較嚴重，影響系數為－0.0048，結果在1%水平上顯著，但反觀高技術產業，工業機器人的影響顯著為正，說明工業機器人主要替代了傳統制造業的就業崗位，創造了高技術產業就業崗位。

4.1.2 對制造業細分行業就業結構的影響

本文對制造業30個細分行業的就業占比進行回歸分析，計算結果如表3所示，其中1～30的行業編碼所對應的行業名稱與 《國民經濟行業分類》2017版13～43行業大類名稱一致。因篇幅原因，文中僅保留了核心解釋變量的回歸結果。

表3 工業機器人對制造業細分行業就業占比的影響

由分析結果可知，在30個細分行業中共有18個行業并未表現出工業機器人就業影響的顯著性，在其他12個具有顯著影響的行業中，有6個行業表現出負向的影響，即工業機器人應用抑制了就業需求，另有6個行業表現為正向的影響。結合對制造業整體就業份額影響的結果可見，工業機器人對制造業就業的破壞效應大于創造效應，不過破壞效應多發生在低端的傳統制造業，如紡織業、紡織服裝服飾業、皮革毛皮羽毛及其制品和制鞋業、食品飲料加工業等，替代的都是低技能勞動者，而在汽車和電氣機械等高端制造業領域，工業機器人表現出正向的影響。這是因為在這些領域，工業機器人的應用歷史較長，自動化程度較高，樣本期內企業進一步引入工業機器人并不會進一步替代低技能勞動者，反而會增加對高技能勞動者的需求，從而促進產業就業結構的升級。

4.1.3 異質性分析

本文進一步從區域角度對工業機器人的影響進行異質性分析，分析結果如表4所示。

表4 工業機器人對制造業就業占比影響的差異性

由表4可知，工業機器人應用對東、中部以及東北地區的制造業就業表現出顯著的負影響，影響系數分別是－0.0037、 －0.0044以及－0.001，結果均在5%水平上顯著，這一結果也驗證了前文工業機器人抑制制造業就業的研究結論，其中中部影響最嚴重，西部地區影響不顯著。為了考察勞動力保護的相關政策對就業市場穩定的影響，本文進一步從法律保護、工會組織等角度進行分組研究，并分別以勞動保護案件受理數量、工會組織數量等為依據，將各?。▍^、市）分為強法律保護、弱法律保護以及強工會力量、弱工會力量等4組進行比較分析。相關計算結果如表5所示。

表5 工業機器人對制造業就業影響的分組比較研究

由結果可見，就法律保護程度而言，弱保護的地區影響系數顯著為負，強保護的地區影響系數不顯著，說明法律保護有利于穩定地方的就業，缺乏有效的法律保護，制造業就業將下降。工會對制造業就業的影響差異不大，無論是強工會力量還是弱工會力量的?。▍^、市），工業機器人對制造業就業都表現出顯著的負影響。由此可見，加強對勞動者的法律保護是幫助勞動者在就業結構轉型過程中減少失業的有力措施。長遠來看，智能化帶來的技術進步必將促進就業結構調整，勞動力的流動和摩擦性失業時有發生，但是完善的法律保護可以使勞動者在就業結構調整的過程中順利過渡，減少摩擦性失業和長期失業。

4.2 工業機器人對服務業就業結構的影響

4.2.1 對服務業就業占比的影響

本文進一步分析工業機器人對服務業就業結構的影響，分別選擇服務業在國民經濟的就業占比、生產性服務業的就業占比以及高端服務業的就業占比作為衡量指標進行測算，回歸結果如表6所示。

表6 工業機器人對服務業就業結構的影響

由結果可知，工業機器人應用對制造業就業占比、生產性服務業就業占比以及高端服務業的就業占比均具有顯著的正影響，說明工業機器人促進了服務業以及生產性服務業和高端服務業的就業需求。進一步對比分析可以發現，生產性服務業的顯著性水平較高端服務業低，可見高端服務業就業需求增長受工業機器人應用的影響更強烈，上述結果也在一定程度上驗證了本文的生產率效應假說，即制造業的生產需求拉動了對服務業的需求，促進了服務業就業的增長。尤其是生產性服務業和高端服務業等與制造業聯系密切的行業，受制造業需求影響更為顯著。這一結果也告訴我們，智能制造的發展對國民經濟行業整體具有較強的外溢性，能夠顯著促進相關產業水平和就業的提升。

4.2.2 對服務業細分行業就業占比的影響

為了進一步明確工業機器人對服務業各細分行業就業的影響，本文對服務業14個細分行業進行逐一分析，回歸結果如表7所示。其中1～14的行業編碼所對應的行業名稱與 《國民經濟行業分類》2017版F－S行業門類名稱一致。因篇幅原因，回歸結果僅保留了核心解釋變量的影響參數。

表7 工業機器人對服務業細分行業就業結構的影響

由分析結果可見，工業機器人對8個細分行業就業占比有顯著的影響，其中有4個行業影響顯著為負，分別是批發和零售業、交通運輸倉儲和郵政業、水利環境和公共設施管理業、文化體育和娛樂業；另外4個行業的影響顯著為正，分別是信息傳輸軟件和信息技術服務業、金融業、租賃和商務服務業以及科學研究和技術服務業。綜合可見，以工業機器人為代表的工業智能化的發展有利于服務業就業的提升，且促進了服務業重心向生產性服務業和高端服務業轉移。

4.2.3 對服務業就業結構影響的異質性分析

本文依然從區域角度對服務業就業結構的影響進行分析，相關計算結果如表8所示。

表8 對服務業就業影響的異質性分析

由檢驗結果可知，工業機器人對東、中部以及西部地區的服務業就業有顯著的促進作用，其中影響最大的是中部地區，系數為0.0068，結果在1%水平上顯著，結果說明我國東、中、西部地區生產性服務業以及高端服務業的發展較快，相關產業的就業吸納能力較強；而東北地區在服務業領域的發展嚴重滯后，東北地區急需改善服務業整體的發展環境，促進服務業回升。

5 機制檢驗

本文進一步通過交互效應模型和中介效應模型對前文的3個機制進行檢驗，檢驗中被解釋變量分別設定為制造業和服務業的就業占比，相關檢驗結果如下所示。

5.1 產業結構效應檢驗

產業結構效應的檢驗結果如表9所示。回歸檢驗結果的前兩列為基于交互項回歸的計算結果，后5列分別是基于中介效應模型的回歸結果。

表9 產業結構升級效應檢驗結果

從交互項的回歸結果可知，工業機器人滲透度與產業結構的綜合作用顯著抑制了制造業的就業占比，但是對服務業的就業占比影響不顯著，制造業的就業份額下降受到了來自工業機器人應用與產業結構升級的綜合影響。由中介效應模型可見，產業結構升級對制造業與服務業的就業需求均沒有顯著的中介作用，進一步進行Sobel檢驗發現P值均不顯著，說明產業結構升級并非直接導致中國就業結構變化的直接因素，其對制造業就業份額的影響需要基于工業機器人的共同作用。這一結果揭示了工業機器人對就業影響的一個基本作用過程，產業結構的升級促進了工業機器人的使用，進而促進了就業結構的轉變。產業結構升級必然要求就業結構的調整，這一調整過程幾乎是與工業機器人的應用過程同時發生的，因此工業機器人對中國制造業就業份額的影響是產業結構升級的必然要求。但對服務業而言，產業結構升級的中介作用并不顯著，結合前文的機制分析，本文認為服務業的就業結構變遷主要受到制造業需求牽引的影響，因此應該主要表現為生產率效應，接下來本文將對生產率效應進行檢驗。

5.2 生產率效應檢驗

基于前文的檢測邏輯與方法對生產率效應進行檢驗，相關檢驗結果如表10所示。

表10 生產率效應檢驗結果

由交互項回歸的結果可知，工業機器人與生產率的綜合作用對制造業與服務業就業的影響不顯著。進一步結合中介效應的檢驗結果可以發現，生產率對制造業與服務業就業占比的影響均具有顯著的部分中介作用，且其影響的方向和顯著性水平均與基準回歸的結果一致。這一結果與前文的理論分析一致，驗證了生產率效應的假說，這一效應尤其對服務業的影響較為廣泛，直接拉動了服務業的就業需求。生產率效應的存在說明以工業機器人應用為代表的智能制造對國民經濟各產業發展具有廣泛的外溢性，因此深入推進智能制造不僅對制造業，也對服務業的發展具有巨大的推動作用，同時也說明智能制造的發展也需要服務業的良好支撐，尤其是生產性服務業和高端服務業的協同，因此大力發展生產性服務業和高端服務業是實施智能制造的必然需求。

5.3 人力資本效應檢驗

基于前文的檢測邏輯與方法對人力資本效應進行檢驗，相關的檢驗結果如表11所示。

表11 人力資本效應檢驗結果

由交互項回歸的結果可知，工業機器人與人力資本的綜合作用對制造業和服務業的就業份額均具有顯著的影響，結果均在1%水平上顯著，說明人力資本在工業機器人影響就業結果的過程中扮演著重要的角色?；谥薪樾臋z測結果可以發現，人力資本對制造業和服務業的就業份額影響的中介作用不顯著，進一步基于Sobel檢驗的結果發現，對制造業就業份額影響的Sobel系數為－0.001，結果在1%水平上顯著，而服務業就業份額影響的Sobel系數為0.001，結果也在1%水平上顯著，說明人力資本的中介效應存在。Sobel檢驗的結果進一步表明中介效應在總效應中的占比分別為15.1%和25.9%。這一結果驗證了關于人力資本效應的假說。

6 總結與政策建議

本文以工業機器人滲透度為核心解釋變量，基于中國2012～2020年的數據分析了工業機器人對就業結構的影響，研究發現：（1）工業機器人對制造業就業結構有顯著影響，汽車與電氣機械等行業的就業占比則隨著工業機器人的應用而上升；（2）工業機器人對服務業就業占比有顯著的正向影響，尤其是生產性服務業和高端服務業就業份額上升明顯；（3）基于中介機制的檢驗發現，生產率效應和人力資本效應在工業機器人影響就業結構過程中均扮演著中介角色，促進了工業機器人就業效應的發揮，而產業結構對服務業就業結構的影響不顯著。由實證結果可知，新冠肺炎疫情的發生對本文的研究結論沒有影響。針對工業機器人帶來的影響，就如何實現就業再平衡提出以下政策建議：

（1）積極推進以工業機器人為代表的智能制造技術的發展，通過發揮智能制造的生產率優勢，帶動制造業以及其他相關產業的發展。同時要加大對高端制造業的投入，建立人才流通機制以疏導人才在不同產業間的流動，實現崗位與技術的有效對接，實現就業結構與產業結構的協同發展。

（2）大力發展生產性服務業和高端服務業。生產性服務業和高端服務業是智能制造發展內在必然要求，要促進金融業與實體經濟的融合，提升信息傳輸軟件和信息技術服務業、租賃和商務服務業以及科學研究和技術服務業等的發展，兼顧生活性服務業與生產性服務業的協調，在通過生活性服務業吸納低技能勞動者的同時也要大力提升生產性服務業和高端服務業的勞動力技能水平，實現高質量發展。

（3）加大對高技能人才、高端人才的培養與輸出，提高人力資本水平，提高人才流動的效率。為了保障就業結構的升級與就業市場的穩定，需要針對不同層次的勞動者建立培養和流通機制。高技能勞動者需要長期培養和精心培育，低技能勞動者需要批量生產和快速成長，在質量和效率方面實現人才隊伍的快速成長與擴充，以有力地保障產業的穩定發展。