工業機器人應用、勞動保護與異質性技能勞動力就業

明 娟，胡嘉琪

(廣東工業大學 經濟與貿易學院，廣東 廣州 510520)

一、引言

近年來，我國工業機器人應用規模呈現“井噴式增長”態勢。國際機器人聯合會(International Federation of Robotics，IFR)全球工業機器人報告顯示，截至2019年，我國工業機器人保有量以78.3萬臺的數量穩居世界第一，約占世界工業機器人總保有量的29%數據來源：國際機器人聯合會(IFR)發布的 ，2020。。工業機器人廣泛應用，其可能帶來的“機器替代勞動”的技術性失業風險也引起廣泛關注。部分研究證實：工業機器人應用對中國制造業就業總量產生沖擊。工業機器人具有鮮明的技術進步特征，對就業可能產生偏向性影響，導致就業極化，即工業機器人使用會促進高技能崗位和低技能崗位增加，而常規型的中等技能崗位減少。不過，對于工業機器人應用引發的就業結構極化特征，實證證據存在較大爭議。部分來自制造業上市公司微觀數據的研究證實，機器人應用對不同技能勞動力就業的影響具有顯著差異，將促進高、低技能勞動力的就業，導致中國勞動力就業結構整體上呈現兩極化特征，不過部分研究也指出我國部分地區出現單極化趨勢，甚至就業反極化效應。雖然對于是否出現就業兩極化態勢，實證研究結果并不一致，但一個相對一致的結論是，工業機器人的使用對就業技能結構帶來一定沖擊。

當前中國勞動力市場供需不匹配問題依然突出，“招工難”與“就業難”并存的矛盾凸顯，而工業機器人的大規模應用勢必進一步加劇這一就業結構性矛盾。如何有效化解人工智能給技術變革脆弱群體帶來的不利影響，提升勞動力市場對技術沖擊的適應性也成為當前加快發展新一代人工智能技術需要思考的問題。而勞動保護可能是解決這一問題的重要渠道和手段，在勞動保護程度較高的地區，企業往往受制于高昂的訴訟成本和嚴格的監管約束，不能隨意調整或解除與員工簽訂的勞動合同，這可以在一定程度上緩解機器人應用對勞動力市場的負面沖擊。但現有研究更多關注工業機器人應用的就業影響，而忽視了勞動保護對就業負面沖擊的緩沖作用。

基于此，本文將工業機器人、勞動保護和就業技能結構納入統一的分析框架，探討人工智能技術下我國不同技能勞動力就業的影響趨勢，試圖厘清人工智能和就業技能結構在勞動保護政策體系下的互動關系，并針對性地提出相關勞動保護舉措的優化路徑和政策建議。研究致力于回答三個問題：工業機器人應用是否引發就業技能結構極化？勞動保護政策是否能夠有效緩解工業機器人應用帶來的就業負面沖擊？不同勞動保護政策發揮的調節作用是否存在異質性影響？以上問題的探討有助于捕捉勞動保護政策體系可能存在的發展困境，促進我國就業保護機制的長期改革，實現技術變革和勞動力市場的動態適配和協調發展。

本文可能的創新之處在于：一是現有研究大多利用國際機器人聯合會(IFR)提供的分行業工業機器人數據，通過Bartik工具變量法計算各行業機器人滲透率與各省份分行業勞動就業份額，以此衡量省級層面的工業機器人應用水平。相較之下，本文直接采用工業機器人進口金額作為工業機器人應用水平的測度指標，能更精確衡量我國省級層面的機器人應用水平，有效地減少加權謬誤，從而保證估計結果的可靠性。二是已有文獻大多關注工業機器人應用的就業影響，隨著人工智能技術不斷推進，系統考察機器人技術對就業技能結構的影響以及勞動保護在其中的緩沖效應具有重要意義。有鑒于此，本文從工會力量和職業培訓的雙重視角出發，檢驗勞動保護是否緩解工業機器人對中低技能勞動力就業的負面沖擊，擴展了機器人應用對勞動力市場就業領域的文獻研究，豐富了后續的研究視角。三是研究發現，工業機器人應用導致我國就業技能結構呈現單極化趨勢。工會力量和職業培訓在“機器換人”與就業技能結構的調整中發揮了積極作用，證實了勞動保護在“機器換人”中的緩沖作用，為政府制定人工智能產業政策提供經驗證據，對就業結構性矛盾下實現穩就業和更充分就業目標也有一定借鑒意義。

二、理論分析與研究假設

1. 機器人應用與就業技能結構

工業機器人應用對勞動力市場影響的分析框架大多基于任務制模型展開。任務制模型將工作任務劃分為認知和手工任務、常規和非常規任務，并考慮機器人與勞動力在不同任務中的比較優勢，以探究機器人對就業總量的影響。在任務制分析框架下，工業機器人應用對就業產生替代和補償兩種效應：一方面，工業機器人能夠替代一系列重復性、程序化、標準化的常規任務，減少相應工作任務的勞動需求，產生就業替代效應。另一方面，工業機器人應用可擴大生產規模并創造新的工作任務，進而增加勞動需求，實現就業補償。就業替代效應和補償效應往往同時存在，而工業機器人應用對就業總量影響的凈效應，要取決于兩者之間相互沖減程度，在不同行業、地區和不同技能勞動者群體之間，這一影響存在較大的不確定性，研究結論也不盡一致，甚至相反。

然而工業機器人鮮明的偏向型技術進步特征，決定了工業機器人應用的益處不能均等地滲透到所有勞動人口，即機器人對勞動力市場影響會出現較大的群體異質性，因此人工智能的發展不可避免地會對就業結構產生沖擊。特別是隨著產業自動化和智能化技術改造的加速，工作崗位的生命周期不斷縮短，落后崗位消失和新崗位創造的速度持續加快，使得技能成為技術變革中“任務—勞動力”匹配的關鍵。這種匹配互動關系不僅加速了不同技能勞動力在就業市場中的比重變動，而且加劇了就業極化趨勢的形成，這一特征可能有兩種態勢：一是技能偏向型技術進步使高技能勞動力與技術進步的匹配度更高，因此信息化與自動化技術進步會降低中低技能勞動力的就業水平，并提升高技能勞動力的就業水平，形成就業單極化趨勢；二是程序偏向型技術進步下常規型任務通常由中等技能勞動者執行，而對非常規型任務主要由低技能和高技能勞動者執行。工業機器人應用對執行常規型任務的中等技能勞動力產生擠出效應，而對執行非常規型任務的低技能和高技能勞動力產生互補效應，使得就業結構呈現兩極化特征。

已有研究證實，工業機器人在中國的應用會產生就業結構極化現象，但由于對低技能勞動力就業的沖擊存在較大不確定性，對于就業技能結構是兩極化還是單極化，結論并不一致。如王永欽和董雯基于中國行業機器人應用數據和制造業上市公司微觀數據，利用Bartik工具變量的因果關系識別策略分析機器人對勞動力市場的影響，研究結果表明，工業機器人應用在促進高技能和低技能勞動力就業的同時，擠壓了部分中等技能勞動力的就業空間，進而引致就業技能結構的兩極化。韓民春等學者利用2013—2017年中國286個地級市的面板數據，以科技活動人員和非科技活動人員作為高低技能勞動力的劃分標準，估計工業機器人對制造業就業結構影響時發現，制造業的機器人應用對高技能勞動者的就業有促進作用，但對低技能勞動力產生了就業擠出效應，此時制造業就業結構朝著單極化方向調整。而孫早和侯玉琳利用2001—2015年全國省級面板數據，構造工業智能化指標，探討工業智能化對就業結構的影響，研究指出，工業智能化替代初、高中學歷勞動力的同時，增加了專科及以上與小學及以下學歷勞動力的就業，使全國范圍內勞動力就業結構整體呈現兩極化態勢。而在東南發達地區，工業智能化和過高生活成本的交互作用擠出低技能勞動力，致使發達地區就業結構呈現單極化趨勢。

基于此，假設如下：

H1：工業機器人應用引發就業技能結構呈現極化特征。

2. 勞動保護在機器人應用對就業技能結構沖擊中的緩沖作用

工業機器人應用規模增大給勞動力就業結構帶來巨大改變，隨之熱議的“技術性失業”浪潮觸發公眾對失業風險的擔憂，而加大勞動保護力度可能有助于勞動者應對技術性失業風險。其作用機制主要表現在三個方面。

第一，勞動保護直接提高了企業的雇傭成本和解雇成本，限制了企業調節勞動力數量的手段和力度，使得企業在進行雇傭決策時采取相對謹慎的態度，進一步規范企業用工行為，使得企業無法輕易調整或解除與員工簽訂的勞動合同，一定程度上緩解了機器人應用所帶來的就業沖擊；第二，為了維護勞動力市場的穩定性，政府很可能會通過強化勞動保護的方式來影響企業勞動力調整。如政府可以通過約談或行業協會溝通等方式來勸誡企業有限度地裁減低技能勞動力，也可采取稅收優惠、補貼等政策工具影響企業雇傭策略；第三，考慮到保障就業的需要，政府鼓勵企業在發展智能機器人的同時，引導企業在利潤分配時更注重工人利益，增強對職工的崗位保護和職業培訓，在企業內部轉移吸收“富余”勞動力，從企業內部緩解智能機器人應用對就業的不利影響。

進一步來看，勞動保護對異質性技能勞動群體所發揮的作用也存在差異。對于低技能勞動力而言，勞動保護導致雇傭彈性不足，可能會增加企業雇傭成本，進而刺激企業轉而使用臨時工、勞務派遣、共享員工等靈活用工形式來替代低技能用工，增加其就業難度，最終造成低技能勞動力利益減損。而對于高技能勞動力而言，勞動保護強化了企業對高技能勞動力的偏好。以職業培訓為例，高技能勞動力具有較強的學習能力和適應能力，往往能更快理解新的思想理念、更易掌握新的技術手段以及適應新的工作環境。企業雇傭高技能勞動力可以節約更多的培訓投資和調整成本以適應機器人等新一輪自動化技術。因此，高技能勞動力在職業培訓的“加持”作用下，會贏得企業更強的偏好、擁有更好的就業機會。

基于此，做出如下假設：

H2：勞動保護有助于緩解工業機器人對就業技能結構的沖擊，但對不同技能水平勞動力的影響有顯著差異。

三、計量模型設定、變量選取與數據

1. 模型設定

本文采用2012—2020年中國省級層面數據，主要討論工業機器人應用是否導致我國就業技能結構出現極化趨勢，以及勞動保護能否有效緩解機器人應用對就業技能結構的負面沖擊。基準計量模型設定如下：

=+++++

(1)

其中，下標和分別表示省份和年份。為被解釋變量，衡量不同技能勞動力的就業水平。為關鍵解釋變量，衡量工業機器人應用水平。代表一系列省級層面的控制變量，包含人力資本投資水平、產業結構、貿易開放度和城鎮化水平。另外，模型還控制了省份固定效應和年份固定效應，表示隨機擾動項。估計參數用以刻畫工業機器人應用對不同技能勞動力就業水平的影響，若顯著為正，則表明工業機器人應用會提高該類技能勞動力的就業水平；若顯著為負，則表明工業機器人應用會降低該類技能勞動力的就業水平。

為探討勞動保護是否有助于緩解工業機器人對就業技能結構的沖擊，進一步明確勞動保護在其中的調節效應，構建勞動保護的調節效應模型如下：

=+++*++++

(2)

其中，表示省份在第年的勞動保護強度，采用工會力量和職業培訓兩種工具手段。

2. 變量選取和數據說明

(1)不同技能勞動力的就業水平()。人工智能技術的迅速發展，機器人等自動化設備的采用，在創造新崗位的同時摒棄落后崗位，使得不同技能勞動力的就業水平產生差異。本文采用受教育程度刻畫其技能水平，將小學及以下的勞動力定義為低技能勞動力，初中和高中的勞動力定義為中等技能勞動力，大學專科及以上的勞動力定義為高技能勞動力。為反映不同受教育程度就業人員受工業機器人影響的程度差異，參照孫早和侯玉琳學者的做法，將不同受教育程度就業人員占總就業的比重作為被解釋變量。

(2)工業機器人應用()。盡管近年來中國工業機器人本土企業市場占有率一路攀升，但與國際企業相比，我國工業機器人國產化率依然偏低。《中國工業機器人產業發展白皮書(2020)》顯示，以世界機器人“四大家族”(ABB、庫卡、發那科、安川)為代表的國外企業占中國工業機器人市場份額合計超過60%。考慮到省級層面數據的可得性與中國工業機器人市場的實際情況，本文采用工業機器人進口金額來衡量工業機器人的應用水平。根據《中國商品貿易數據庫》基于HS2012八位編碼體系提供的數據，我國工業機器人具體包括以下8類：噴涂機器人(84248920)、搬運機器人(84289040)、未列名的多功能工業機器人(84795010)、其他未列名的工業機器人(84795090)、集成電路工廠專用的自動搬運機器人(84864031)、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)。本文使用的各省份年度工業機器人進口金額是上述八類機器人月度進口金額的加總。

(3)勞動保護()。本文將從工會力量()和職業培訓()的角度來探討勞動保護在機器人應用對就業技能結構沖擊中的調節效應。工會力量方面，本文采用各省份工會集體勞動爭議人數作為工會力量對應的代理變量。職業培訓方面，本文采用各省份工會職業培訓機構數來衡量職業培訓的覆蓋程度，并對其作對數化處理。

(4)控制變量。①人力資本投資水平()，采用各省份一般公共預算教育經費占一般公共預算支出的比重來測度；②產業結構()，采用各省份第三產業增加值占GDP的比重來衡量；③貿易開放度()，采用各省份進出口總額占GDP的比重來表示；④城鎮化水平()，采用各省份年末城鎮人口占總人口的比重來反映。

由于西藏、青海、港澳臺地區工業機器人進口金額數據缺失嚴重，本文選取2012—2020年我國除此之外的29個省級行政單位的面板數據作為初始樣本，并且根據數據處理原則，刪除在樣本期間數據缺失的部分。同時，為了保證研究數據真實可靠，本文未對缺失值作插補處理，因此本文實證研究有效樣本量為225。除工業機器人應用數據外，本文其他變量的數據來源主要包括《中國統計年鑒》、《中國區域經濟統計年鑒》、《中國勞動統計年鑒》和《中國人口和就業統計年鑒》。變量描述性統計見表1。

表1 變量的描述性統計

從表1可以看出，就業勞動力的技能以中等技能為主，占61.32%，而高技能勞動力和低技能勞動力份額近似，分別占20.33%和18.35%。全國歷年機器人應用水平差異較大，最高達到7.05億美元，最低為0，主要類型機器人年度平均進口金額為0.52億美元。

四、實證結果及分析

1. 基準回歸結果

基準回歸根據公式(1)進行，檢驗工業機器人應用對就業技能結構的影響。面板估計模型的選擇根據Hausman檢驗結果采用固定效應模型，具體回歸結果見表2。結果顯示，在控制省份固定效應和年份固定效應的條件下，工業機器人應用導致我國就業技能結構呈現單極化的趨勢。具體來說，工業機器人應用促進了高技能勞動力的就業，同時擠出中等技能勞動力，但對低技能勞動力的影響并不顯著，與已有的研究結論相似。

表2 基準回歸結果

由于區域間要素稟賦和經濟發展水平的不同，無論是工業機器人應用水平還是就業技能結構，都存在明顯的區域異質性特點。因此，工業機器人應用對就業技能結構的影響可能存在區域差異。研究在基準回歸的基礎上按照三大經濟區的分類標準將總樣本劃分為東部、中部和西部三組子樣本進行回歸，結果如表3所示。

從表3中可以看出，工業機器人應用對三大經濟區的就業技能結構的影響存在明顯差異。其中，東部地區的結果與全樣本的估計結果基本一致，工業機器人使用顯著提高了對大學專科及以上受教育程度勞動者的就業水平，同時降低了高中及以下受教育程度勞動者的就業水平，工業機器人對就業技能結構的影響呈現偏向高技能型單極化的趨勢。西部地區的工業機器人應用在增加低技能勞動力就業的同時，擠壓中高技能勞動力的就業空間，對中等技能勞動力產生更為明顯的替代效應，就業技能結構呈現偏向低技能型單極化的趨勢。而在中部地區，工業機器人應用促進高、低技能勞動力就業的同時，對中等技能勞動力形成了就業擠出效應，呈現兩極化趨勢，雖然作用效果并不顯著(如圖1所示)。

表3 工業機器人應用對勞動力技能結構的區域異質性影響

圖1 工業機器人應用對勞動力技能結構影響的區域差異說明：橫軸代表不同技能水平的勞動力，縱軸表示工業機器人應用變量系數，每條直線加粗部分為模型檢驗顯著的部分。

上述異質效應可能歸因于以下兩點。

一是東部地區的人工智能基礎技術和機器人發展規模位于全國前列。特別是長三角、珠三角和京津冀地區作為我國機器人產業園的集聚地，其建成與建設中的機器人產業園已達到46個，占全國機器人產業園總數的70.77%。而東部地區通過機器人產業體系的不斷完備、國際機器人龍頭企業的引進合作和核心技術的不斷突破等途徑，實現其在產業結構水平、集聚水平、規模效應、發展環境和創新能力上的優勢，進而改變社會就業結構和企業內部勞動者的供求結構，東部地區機器人應用促進了高技能勞動力就業，但降低了中等技能勞動力的就業水平。因此，東部地區工業機器人應用對就業技能結構的影響呈現偏向高技能型單極化的趨勢。

二是西部地區的產業發展具有勞動密集型和資本密集型特征，機器人應用提升了生產效率并降低了生產成本，使得企業擴大再生產，刺激了服務和手工勞動任務生產的產品需求，進而促進低技能勞動力就業。但西部地區機器人產業發展起步較晚，機器人產業發展環境受限，高技能勞動力流失現象仍然明顯。中部地區作為老牌裝備制造業基地，則側重于雇傭生產關鍵基礎零部件等重復性、標準化工作的低技能勞動力，機器人應用對中等技能勞動力的負面沖擊和對高技能勞動力的正面創造效應尚未顯現，所以中部地區機器人應用對就業技能結構的影響不顯著。

2. 內生性處理

(1)IV-2SLS估計。工業機器人應用對就業技能結構的基準回歸結果可能會受到內生性問題的干擾。一方面，就業技能結構影響企業投入工業機器人的生產決策。一般來說，新技術變革對人才需求旺盛的地區往往會產生劇烈影響，而后者也常常偏向于借助工業機器人等高端技術設備來實現工業再升級和智能化轉型。另一方面，基準模型已納入人力資本投資、產業結構、貿易開放等控制變量，但受限于數據可獲得性，仍可能存在變量遺漏問題。

為克服模型雙向因果和遺漏變量導致的內生性問題，本文選擇滯后一期的勞動年齡人口比重作為工具變量，并使用二階段最小二乘法(2SLS)進行估計。本文選擇滯后一期的15—64歲的勞動力人口占總人口比重作為工具變量主要基于兩點：一是我國勞動供給總量減少，人口結構老齡化趨勢帶來的勞動力供給緊缺可能倒逼企業進行技術創新，促使企業更多地使用工業機器人替代人力勞動工作，以彌補用工缺口所帶來的負面影響。因此，滯后一期的勞動年齡人口比重與工業機器人應用之間必然存在強相關關系。二是勞動年齡人口比重會直接引致勞動供給結構的變化，但與就業技能結構并沒有直接關聯，即滯后一期的勞動年齡人口比重與就業技能結構正交，滿足外生性的要求。

IV-2SLS估計結果如表4所示，第一階段回歸統計值為35.97，工具變量不存在弱工具變量問題。此外，第一階段回歸系數顯著為負，說明勞動年齡人口比重越低則越傾向于采用自動化和智能化機器人。第二階段估計結果表明，雖然基準回歸可能低估工業機器人應用對就業技能結構的影響，但工業機器人應用導致就業技能結構呈現單極化特征的基本結論依然穩健。

表4 工業機器人應用對勞動力技能結構影響的IV-2SLS估計結果

(2)雙重差分傾向得分匹配(PSM-DID)估計。工業機器人應用導致我國就業技能結構呈現單極化的特征，這一估計也可能存在樣本自選擇問題，即并非工業機器人應用導致高技能勞動力的就業水平提高和中等技能勞動力的就業水平降低，而是廣泛應用工業機器人生產的省份本身就是具有高技能偏向型特征的省份。

為了克服不同省份對不同技能勞動力就業水平可能存在的系統性差異，本文采用PSM-DID的方法進行穩健性檢驗，并將《中國制造2025》這一國家行動綱領作為外生政策沖擊。之所以如此，其原因在于《中國制造2025》明確提出了我國實施制造強國戰略第一個十年的行動綱領，并將“高檔數控機床和機器人”作為大力推動的十大重點領域之一，由此以工業機器人為代表的智能制造飛速發展。基于此，本文將2015年視為沖擊發生的年份，同時借鑒楊光和侯鈺的做法，設定2012—2020年人均工業機器人進口金額的平均數大于等于157(單位：萬美元/百萬人)的省份為實驗組，否則視為對照組，計量模型如下：

=+*++++++

(3)

在使用雙重差分法時，依據上述標準設置準自然實驗分組虛擬變量，對實驗組賦值為1，對控制組賦值為0。同時考慮到《中國制造2025》這一行動綱領的頒布時間，將準自然實驗分期虛擬變量在2015年及以后的年份賦值為1，2015年之前賦值為0。因此，所有的樣本可以分為四組：行動綱領頒布之前的控制組(=0，=0)、行動綱領頒布之后的控制組(=0，=1)、行動綱領頒布之前的實驗組(=1，=0)和行動綱領頒布之后的實驗組(=1，=1)。

要過濾樣本自選擇的影響，需要保證實驗組和對照組之間不存在顯著的系統性差異。本文采用logit模型來獲得傾向得分，然后運用核匹配(Kernel Matching)對得分值進行匹配。而協變量檢驗結果顯示，匹配后實驗組和對照組各個協變量之間沒有明顯差異，說明采用PSM-DID方法進行穩健性檢驗是合適的。

PSM-DID的回歸結果如表5所示，在剔除了樣本的自選擇效應后，工業機器人應用仍然形成就業技能結構呈現偏向高技能型單極化的特征，進一步支撐了前面回歸分析的結論。

表5 工業機器人應用對勞動力技能結構影響的PSM-DID估計結果

3. 勞動保護的調節機制

工業機器人具有明顯的技術進步偏向特征，可能加重中低技能勞動力的技術性失業風險，如前結論顯示，工業機器人應用同時降低了低技能和中等技能勞動力的就業水平，而加強勞動保護力度可能有助于緩解這一沖擊。因此，研究嘗試將工業機器人、勞動保護與就業技能結構納入統一的分析框架，檢驗勞動保護是否緩解工業機器人對中低技能勞動者就業的負面影響。具體估計采用公式(2)進行，對于勞動保護，我們選擇工會組織和職業培訓的覆蓋程度作為其代理變量，依據如下：一是工會組織在維護勞動者權益和調解勞資糾紛方面發揮著重要作用。一方面，工會組織通過監督勞動合同的履行、訂立包括防止企業強制性裁員條款的工會協議，提高了企業隨意招募和惡意遣散員工的成本，使得企業在進行雇傭決策時采取相對謹慎的態度，進而規范了企業用工行為。另一方面，工會利用“集體發聲”的方式，推進集體合同和集體協商，調解企業在機器換人過程中可能出現的勞動爭議，一定程度上緩解了機器人應用所帶來的就業沖擊。二是機器人應用正在重塑工作所需要的技能，伴隨機器人的大規模推廣應用，職業所需的專業知識與技能將變化的越來越快。職業技能培訓有助于勞動者實現技能提升，進而獲得更為穩定的就業機會和可持續發展的能力，以實現廣泛而有效的人機協作。

勞動保護調節效應的估計結果見表6。從中可以看出，工會力量和機器人應用的交互項系數同時對低技能和中等技能勞動力顯著。更直觀地，如圖2(a)、(b)的交互項邊際效應圖所示，可以發現，隨著工會力量的加強，工業機器人應用對低技能勞動者的替代效應逐漸增強，而對中等技能勞動者的替代效應逐漸減弱。

表6 工業機器人應用、勞動保護與勞動力技能結構的調節效應檢驗

圖2 交互項邊際效應的變化趨勢

工會力量增強了機器人應用對低技能勞動者的替代效應。工會力量增強，可能在用工、解雇、工資福利等方面強化了勞動保護的作用，不僅直接增加了企業的用工成本，提高了企業使用勞動要素的價格，提高企業雇傭成本，還加大了企業調整雇傭規模和雇傭工資的難度。用工成本粘性降低了企業的勞動需求彈性，一定程度上增加了企業的雇傭調整成本。以工會力量為代表的勞動保護加強提高了企業的雇傭成本和調整成本，更加刺激企業采用機器資本來替代人工，而這種替代效應對低技能勞動力影響更大，因為低技能勞動力的解雇風險成本相對較低，對企業生產經營影響不大。

隨著工會組織力量增強，工業機器人對中等技能勞動力的替代效應有所減緩。這可能是因為工會組織強化了勞動力在工作場所中的談判力量及議價權，中等技能勞動力更愿意通過調解、仲裁等方式來處理“機器換人”所帶來的勞資爭議。此外，當企業采用機器人替代中等技能勞動力以執行常規型生產任務時，工會組織也會積極采取措施以應對中等技能勞動力的失業風險。工會通過集體協商的途徑與企業管理層達成一致，利用企業內部勞動力流轉機制，為勞動力提供在崗培訓、轉崗和再就業的機會，使中等技能勞動力在被替代和失業之間得到緩沖。此外，相對于低技能勞動力，中等技能勞動力仍是企業的核心競爭力，受到解雇的威脅相對較小。

職業培訓的調節效應結果顯示，職業培訓的調節效應同時對低技能和高技能勞動力有顯著影響，降低了低技能勞動力的就業水平，促進了高技能勞動力就業增加。而圖2(c)、(d)的交互項邊際效應進一步表明，隨著職業培訓覆蓋程度的提高，工業機器人應用對低技能勞動力的替代效應和高技能勞動力的補償效應逐漸增強。

職業培訓增強了工業機器人應用對低技能勞動力的替代效應，不利于低技能勞動力就業，可能的原因在于：低技能勞動力人力資本積累不足，學習能力有限，需要花費較多的時間和精力接受系統的技能培訓才能適應工業機器人的應用，引發“腐蝕效應”，降低了企業對低技能勞動力的有效需求。這進一步印證了新技術變革速度往往超過技能調整速度，被替代的低技能勞動力通過培訓重新進入就業市場或轉移到高技能崗位時面臨較大的阻力，低技能勞動力工作能力與現有工作技能要求的結構性矛盾短期內難以消除。而隨著職業培訓覆蓋程度的提高，工業機器人應用對高技能勞動力的邊際效應逐漸增強，這一結果表明：接受職業培訓促使高技能勞動力在勞動力市場中擁有更多的就業機會，而職業培訓在“工業機器人應用—技能供求變遷—就業結構優化”的動態調整機制中發揮著積極作用，推動就業技能結構向高級演化。

五、結論與政策建議

基于2012—2020年中國省級面板數據，本文探討了工業機器人應用對異質性技能勞動力就業的影響，并考察了勞動保護在“機器換人”中的緩沖作用。研究結果證實，工業機器人應用使得我國就業技能結構呈現出單極化特征，即工業機器人應用在促進高技能勞動力就業的同時，擠出中等技能勞動力，但對低技能勞動力就業的影響并不顯著。在運用工具變量法和PSM-DID方法檢驗后，以上研究結果依然穩健。進一步的區域異質性分析表明，東部地區工業機器人應用對就業技能結構的影響呈現偏向高技能型單極化的趨勢，西部地區的工業機器人應用在增加低技能勞動力就業的同時，擠壓中高技能勞動力的就業空間，對中等技能勞動力產生更為明顯的替代效應，使得就業技能結構呈現偏向低技能型單極化特征。而在中部地區，機器人應用對異質性技能勞動力就業的影響尚未顯現，對就業技能結構的影響并不顯著。

勞動保護的調節效應分析進一步顯示，工會力量增強了機器人應用對低技能勞動力的替代效應，這可能與工會力量增強提高了企業的雇傭成本和調整成本，導致企業采取反雇傭策略，增加機器資本替代人工有關。與此同時，工會組織力量減緩了工業機器人對中等技能勞動力的替代效應，可能的解釋是當企業采用機器人替代中等技能勞動力時，工會通過集體協商的途徑與企業管理層達成一致，利用企業內部勞動力流轉機制，為被替代的勞動者提供轉崗培訓和再就業機會，從而減緩了機器人應用對中等技能勞動力的負面沖擊。而職業培訓在強化工業機器人應用對高技能勞動力促進作用的同時，也加劇了工業機器人對低技能勞動力的替代作用。其原因可能是低技能勞動力人力資本積累不足，學習能力有限，需要花費較多的時間和精力接受系統的技能培訓才能適應工業機器人的應用，而高技能勞動力具備更強的學習能力和環境適應能力。因此職業培訓降低了企業對低技能勞動力的偏好，但賦能了高技能勞動力。

基于以上結論，本文得到如下政策啟示。

第一，穩定重點群體就業，強化技能人才支撐。研究發現，工業機器人應用對中等技能勞動力有顯著的替代效應，而對高技能勞動力有顯著的正向影響。因此，為打好穩就業保就業攻堅戰，實現就業質量的持續提升，政府要著力于完善現代化勞動保護體系，加強職業技能培訓力度。完善企業工會體系，健全工會組織架構，暢通勞動者利益訴求渠道，充分發揮工會組織對勞動力市場的穩定作用。同時，要優化職業技能培訓和轉崗培訓機制，建立終身學習體系，提高不同技能勞動者對新經濟的適應能力，引導勞動者與工業機器人的互補式發展。尤其應關注中低技能勞動力在工作場所中的弱勢處境，為中低技能勞動群體提供有效而持續的培訓機制，著力推動我國就業技能結構整體升級。

第二，充分考慮地區異質性特征，制定適配產業扶持政策。工業機器人應用對就業技能結構的影響存在顯著的區域異質性。其中東部地區的工業機器人應用對就業技能結構的影響呈現偏向高技能型的單極化趨勢，而西部地區工業機器人的發展對當地的勞動者技能結構反而呈現偏向低技能型單極化特征，這與各區域的要素稟賦密不可分。因此，各區域應根據當地的發展階段和就業現狀，推出因地制宜、全面協調的機器人發展戰略，積極探索與之適配的產業轉型升級路徑，不應盲目進行資本擴張和推廣機器人使用，而應注重提高資本、技術與勞動力的融合水平。

(致謝：感謝廣東制造業大數據創新研究中心、工業大數據戰略決策實驗室對本研究的支持。)