工業機器人應用能否縮小性別就業差距？

馬紅梅 孫藝文

一 引 言

《“十四五”規劃和2035年遠景目標綱要》中明確提出，持續改善婦女發展環境，促進婦女平等依法行使權利、參與經濟社會發展、共享發展成果。就業是女性參與經濟社會發展和共享發展成果的關鍵途徑。但從兩性就業發展趨勢來看，自2006年至今，女性就業份額占比提升僅不到2%。2021年女性就業份額占比為38.95%，與男性就業份額差距仍保持在20%以上。可見，當前勞動力市場中仍然存在性別就業差距現象。而確保女性公平就業、實現性別就業平等對于縮小貧富差距、推動社會公平發展至關重要(陸杰華和汪斌，2020)[1]。一方面，女性勞動力就業將對子女教育及家庭生活品質產生重要影響(鄭筱婷和李美棠，2018[2]；王偉同等，2021[3])。另一方面，增加女性就業、縮小性別就業差距能夠提高企業勞動生產率，幫助企業實現更高利潤(Garnero et al.，2014)[4]。不僅如此，一國在發展過程中若能充分把握女性勞動力數量及技能優勢，也將有利于發揮性別紅利、塑造經濟新增長極(陸杰華和汪斌，2020[1]；陳梅和李磊，2021[5])。由此可見，如何縮小性別就業差距是實現經濟高質量發展和共同富裕過程中亟待解決的關鍵問題。

與此同時，以智能制造為主導的新一輪科技革命和產業變革蓄勢待發。為搶占創新發展先機和主動權，國務院印發《中國制造2025》，提出以智能制造為主攻方向，加快實體經濟與人工智能的深度融合。以工業機器人為代表的智能制造技術將在推動經濟社會發展的同時，重塑勞動力市場供需結構。一方面，人工智能技術的發展將替代具有機械性、重復性特點的崗位。另一方面，這種技術進步也將帶動先進制造業及生產性服務業發展，進而創造新的工作崗位。這一過程使解決性別就業差距問題變得更為復雜。工業機器人應用對性別就業差距有何影響？這種影響是否會由于區域特征差異而有所不同？其作用機制是什么？這些問題的答案，不僅關系到當前中國性別就業差距現象的解釋，也關系到能否找到縮小性別就業差距的途徑，對經濟社會公平發展有著重要的理論價值與現實意義。

事實上，性別就業差距的成因及影響因素一直是國內外學者關注的重要領域。學者普遍認為，受教育程度(Wang和Cai，2008[6]；李實等，2014[7])、家庭角色分工(程璆等，2017)[8]以及女性生育問題(鄒紅等，2018[9]；王兆萍和王雯麗，2020[10])等兩性特征差異是引起雇傭者歧視觀念的根本原因。然而，這種性別特征差異及其所帶來的雇傭者歧視觀念會隨經濟社會發展而改變，而技術進步作為這一過程的重要推動力量也引起了學者們的重視。男性和女性勞動力在技能方面有著天然差異，女性勞動者在認知技能方面具有相對優勢(Sandra和Alexandra，2010)[11]。個體工資決定理論認為，由于技術進步加大了勞動力市場對認知技能的需求，因此，技術進步有利于女性勞動力發展，能夠縮小性別就業差距(Beaudry和Lewis，2014)[12]。魏下海等(2018)[13]聚焦于制造業部門，發現企業內部生產線升級能夠收斂性別工資差距，且這種影響對高技能勞動力群體而言更顯著。但也有學者提出女性勞動力人力資本積累速度相對滯后于男性勞動力，具有破壞性創造特點的技術進步往往會擠出技能水平相對較低的女性勞動力(朱軼，2020)[14]，進而擴大性別就業差距。需要注意的是，不同類型技術進步對性別就業差距的影響不同，其中機器人等作為人工智能時代備受關注的技術，對性別就業差距的影響尚未達成一致結論。對于德國、美國等西方發達國家而言，機器人的廣泛應用有助于縮小性別工資差距(Ge和Zhou，2020)[15]，但也有學者基于歐洲跨國研究發現這種影響完全相反，人工智能的發展會擴大現有性別工資差距(Cevat et al.，2021)[16]。對于中國而言，機器人等人工智能水平的提高為女性就業提供了發展契機，有利于縮小與男性勞動力的就業差距(吳清華等，2020)[17]。但在工業部門中，人工智能水平的提高僅在技術水平較低的部門內縮小性別工資差距，在技術水平較高的部門反而會擴大差距(孫早和韓穎，2022)[18]。綜上所述，相關文獻在不同程度上強調了人工智能對性別就業差距的影響，但結論并不一致。因此，本文基于人工智能對于工業發展的重要意義，考察工業機器人應用對性別就業差距的影響，以期對現有相關文獻進行有益補充。

本文首先以個人歧視偏好理論為基礎，闡述工業機器人應用對性別就業差距的影響機理，然后結合國際機器人聯盟(International Federation of Robotics，以下簡稱IFR)發布的工業機器人安裝數據及相關統計年鑒，實證檢驗工業機器人應用對性別就業差距的影響及其異質性和作用機制。與現有研究相比，本文邊際貢獻體現在：一是區別于已有文獻主要關注機器人等人工智能技術對性別工資差距的影響，本文從男女勞動力就業率差距出發，進一步驗證和豐富技術進步與性別就業差距的相關研究。二是本文以個人歧視偏好理論作為基礎，從雇主歧視觀念轉變角度出發，判斷工業機器人應用水平的提高對性別就業差距的影響，在新一輪技術革命背景下豐富了歧視經濟學相關理論。三是中國區域差異明顯，本文從區域位置、城鎮化水平、產業結構及人力資本差距維度，分析工業機器人應用對性別就業差距的異質性影響，研究結論有益于在制造業智能化轉型時期更好地推動經濟社會公平發展。

二 理論機制與經驗假說

由Becker個人偏好歧視理論可知，具有歧視性偏好的個體在與特定群體接觸時會降低該個體效用(Becker，1957)[19]。鑒于此，對于具有性別歧視觀念的雇主而言，在實現效用最大化的過程中他們的目標除了實現利潤最大化外，還會盡可能提高男性勞動力的雇傭比例。換言之，這一部分雇主愿意承擔因雇傭更多男性勞動力而引起的利潤損失。據此，本文按照既往學者的做法(胡安榮，2004[20]；張樨樨等，2018[21])，對Becker歧視理論進行拓展。如圖1所示，若存在歧視現象，勞動生產率曲線會由FF移動至F′F′。在相同工資水平W下，雇主對女性勞動力的雇傭規模將由L1降低至L2。換言之，雇主歧視觀念會對女性勞動力產生消極影響，是造成性別就業差距的重要原因。但這種歧視觀念將會由于工業機器人應用水平提升所帶來的經濟社會進步而發生改變，從而緩解勞動力市場中的性別就業差距現狀。

從產業發展的角度來看，工業機器人應用會推動產業結構升級，進而縮小性別就業差距。首先，第三產業占比的提升是產業結構升級的重要表現，這種現象能夠緩解雇主對女性勞動力的歧視程度。工業機器人應用能夠顯著提高制造業勞動生產率，并通過產業關聯效應帶動研發、金融、商業租賃等生產性服務的良好發展(王文，2020)[22]。而不同于傳統的農業、工業，服務業對勞動者的認知技能水平提出更高要求。相較于男性勞動力，女性具有更強的溝通能力、親和力和應變能力(Sandra和Alexandra，2010)[11]，在多數生產性服務業中可以較好地發揮相對優勢，為雇主帶來更多利潤(羅楚亮等，2019)[23]。這意味著具有歧視觀念的服務業雇主將面臨比過去更高的性別歧視成本。因此，在競爭市場中，服務業發展將會緩解雇主對女性勞動力的歧視程度。其次，產業結構升級能帶動地區全要素生產率提高，進一步增強雇主對女性勞動力的雇傭意愿。一方面，工業機器人應用會替代產業中具有重復機械特點、高體能要求的崗位(惠樹鵬和朱晶瑩，2021)[24]，打破過去勞動力市場由于兩性在技能方面的天然差異而為女性設置的門檻，削弱男性在勞動力市場中的競爭優勢，縮小雇主對男性與女性勞動力的偏好差距(郭勁光和孫浩，2022)[25]。另一方面，工業機器人應用也會提高工作流程的標準化程度(Ma et al.，2022)[26]。標準化作業下，若勞動力由于自身原因在一段時間內中斷工作，其他勞動力能夠迅速接替其工作崗位。因此，由于女性勞動力生育原因所引起的雇主損失將會減少(曹守新和徐曉雯，2020)[27]。可見，工業機器人應用下產業結構升級會降低女性勞動力的自然附著成本，提高雇主對女性勞動力的雇傭意愿。

從城鎮化發展的角度來看，工業機器人等技術進步會通過加快要素流動、生產率效應加速城鎮化進程(張鵬飛，2018[28]；隋想，2022[29])，進而縮小性別就業差距。首先，城鎮化發展表現為人力資源的跨區域、跨行業流動，助力新思想的產生，引導個體傳統性別觀念向現代化性別觀念轉換，改變過去“男性能力天生比女性強”“男主外，女主內”的傳統價值認識(左鵬飛等，2020)[30]。因此，對于雇主而言，城鎮化發展將幫助他們樹立性別平等、公平公正等觀念認知，改變過去對女性勞動力的偏見，進而加強對女性勞動力的雇傭意愿。對于女性勞動力而言，城鎮化發展將促進自我意識的覺醒。越來越多的女性勞動力想要進入勞動力市場，為實現自我價值而奮斗。同時，機器人在家庭場景中的運用也能很好地解決家庭工作平衡問題，進一步加強女性進入勞動力市場的意愿，改變勞動力市場原有的勞動供給格局(Ma et al.，2022)[26]。其次，城鎮化進程將打破產業間、城鄉間的要素壁壘，提高市場競爭程度，促進市場化發展(孫超和劉愛玉，2020)[31]。若歧視性雇主仍保持原有的觀點，為了不和特定群體打交道而愿意支付額外的成本。那么，長期來看，這部分雇主的市場份額會逐漸下降，直至失去市場競爭力。最后，城鎮化進程中會建立起更完善的社會保障體系，其中包括加大生育補貼力度等(惠寧和白思，2021)[32]，這一改變也將減少女性勞動力的自然附著成本，加強雇主對女性勞動力的雇傭意愿。

從上述兩方面可知，工業機器人應用將會降低女性勞動力的自然附著成本、雇主對女性勞動力的歧視程度，提高女性進入勞動力市場的意愿。因此，工業機器人應用下，勞動生產率曲線由F′F′移動至F″F″。而此時在相同的工資水平W下，雇主對女性勞動力的雇傭規模將由L2提高至L3。故本文作出如下判斷：一是工業機器人應用有助于縮小勞動力市場中的性別就業差距。二是工業機器人應用將通過推動產業結構升級，進而縮小性別就業差距。三是工業機器人應用將通過推動城鎮化發展，進而縮小性別就業差距。

圖1 工業機器人應用下女性勞動力雇傭規模

三 計量模型設定與指標選取

(一)計量模型設定

根據上述理論分析，本部分從經驗層面上進一步探究工業機器人應用是否有助于縮小性別就業差距。基于針對就業差距的相關文獻(朱軼，2020[14]；惠樹鵬和朱晶瑩，2021[24])，本文具體計量模型設定如式(1)所示。

Lngenit=α+β1Intit+β2Consit+fi+μt+εit

(1)

其中，被解釋變量Lngenit表示i地區t年的性別就業差距；核心解釋變量Intit表示i地區t年的工業機器人應用水平；Consit為一系列控制變量，包括宏觀經濟變量及女性勞動力特征變量；fi為省份固定效應，μt為時間固定效應，εit為隨機干擾項。

(二)指標選取及數據來源

1.性別就業差距(Lngen)：目前對性別就業差距的衡量方式主要有兩種：一是用男性與女性的就業比例差值衡量性別就業差距(羅楚亮等，2019[23]；郭晨和張衛東，2018[33])；二是用男性與女性勞動力就業率差距表示(朱軼，2020[14]；樊娜娜和李榮林，2017[34])。考慮到工業機器人應用對勞動力的影響除體現在性別就業比例方面外，還體現在對就業率的沖擊，因此，本文采用第二種方法，通過式(2)測算勞動力市場的性別就業差距。

(2)

其中，男性就業率(Male)=(各地區城鎮單位就業人員年末數-各地區城鎮單位女性就業人員年末數)/(各地區男性人口總數×城鎮化率×各地區15—64歲人口占比)；女性就業率(Female)=各地區城鎮單位女性就業人員年末數/(各地區女性人口總數×城鎮化率×各地區15—64歲人口占比)。由式(2)可知，Lngen數值越大表明性別就業差距縮小，性別就業歧視現象有所緩解。

2.工業機器人應用(Int)：根據國際機器人聯盟(IFR)的定義，工業機器人以“自動控制、可重復編程、多用途操縱器”為特點，常應用于工業自動化。中國作為全球第一制造業大國，工業機器人與制造業的融合是推動人工智能發展的重要一環，且2019年中國制造業部門的工業機器人安裝量占工業機器人總數的比重已經達到75.79%。因此，本文以IFR公布的中國工業機器人安裝量為基礎，結合各行業從業人數，計算i地區t年制造業部門工業機器人密度，用以衡量工業機器人應用(王文，2020)[22]，具體計算如下：

(3)

式(3)中，Eijt表示i地區t年j行業從業人數占全國j行業從業人數的比重，Robjt表示t年全國j行業的工業機器人安裝量，Empit表示i地區t年的制造業城鎮單位就業總人數。由于IFR產業分類標準以國際標準行業分類第四版(ISIC Rev4.0)為主要依據，與中國統計體系中的行業分類標準不一致。為確保分類標準一致性，本文以IFR分類標準為主，將中國相關行業的從業人員歸并為10類(1)2006—2011年《中國勞動統計年鑒》城鎮單位就業人員未區分汽車制造業及鐵路、船舶、航空航天和其他運輸設備制造業。同時，其他運輸設備制造業工業機器人安裝量較少，占比未超過中國工業機器人安裝總量的1%，因此對汽車制造業及其他運輸設備制造業工業機器人安裝總量進行合并。。

3.控制變量：參照現有關于技術進步與性別就業差距的研究(朱軼，2020[14]；惠寧和白思，2021[32])，將控制變量分為宏觀控制變量及女性勞動力特征控制變量。宏觀控制變量包括：勞動力整體素質(Edu)，用居民平均受教育年限衡量；經濟發展水平(Gdp)，用人均生產總值衡量。女性勞動力特征變量包括：女性人力資本(Edu_f)，用女性勞動力平均受教育年限(2)本文對不同受教育程度的勞動力進行賦值，其中，未上學為0，小學為6，初中為9，高中為12，大專及以上為16。衡量；女性勞動力婚姻狀況(Mrg)，用已婚女性占15歲以上人口比重衡量。

4.機制變量：上文理論分析認為，工業機器人應用將通過推動城鎮化發展及產業結構升級的途徑縮小性別就業差距。為對這兩個機制進行經驗分析，以城市人口占總人口比重取對數衡量城鎮化發展水平，以第三產業產值與第一、二產業產值總和的比值衡量產業結構。同時，由于傳導機制對被解釋變量的重要影響，為確保回歸結果的可靠性，在基礎回歸中加入城鎮化發展水平、產業結構作為宏觀控制變量。

考慮到工業機器人在中國市場的應用情況及2019年后勞動力市場受新冠疫情的影響，本文選擇中國30個省市區(除西藏、港澳臺外)2008—2019年的面板數據進行經驗研究。其中，衡量工業機器人應用水平的數據及核心解釋變量數據來源于IFR公布的各國各行業工業機器人安裝量以及《中國勞動統計年鑒》《中國人口和就業統計年鑒》，控制變量數據主要來源于《中國統計年鑒》、各省份統計年鑒及Wind數據庫。表1為本文涉及的變量及其統計特征。

表1 主要變量的描述性統計

四 實證結果分析

(一)基本結果分析

本部分根據上述計量模型實證檢驗工業機器人應用對性別就業差距的影響。通過逐步加入宏觀經濟變量及女性勞動力特征變量，考察核心解釋變量(Int)對被解釋變量(Lngen)的影響方向及顯著性，這也能在一定程度上對回歸結果進行穩健性檢驗。基于式(1)，以男性勞動力、女性勞動力就業率作為被解釋變量，結果如表2模型3、模型4所示，工業機器人應用對男性勞動力就業率和女性勞動力就業率的影響均為正，且對女性勞動力就業率的影響在1%的水平上顯著。由該結果可知，在以工業機器人為代表的人工智能技術推廣背景下，女性將在勞動力市場中取得相對優勢。進一步地，使用性別就業差距作為被解釋變量進行估計，根據表2回歸結果，不論是否加入控制變量，還是采用不同的標準誤進行回歸，工業機器人應用水平的提升都能顯著地縮小男女性別就業差距，緩解勞動力市場中的性別就業歧視現象。從表2模型1、模型2的回歸結果可以看出，加入宏觀經濟變量后，核心解釋變量的回歸系數由0.008提升至0.012。而在模型5中加入女性勞動力特征變量后，回歸系數未發生較大變化，表明在綜合考慮宏觀環境及女性勞動力自身特點后，工業機器人應用能夠更有效地縮小性別就業差距。同時，考慮到宏觀面板數據中可能存在的異方差、自相關等問題(Driscoll和Krray，1998)[35]，本文采用Driscoll-Krray標準誤進行調整(3)出于穩健性考慮，本文同時采用了面板校正標準誤(PCSE)進行回歸，核心解釋變量、控制變量的系數符號和顯著性均未發生本質性變化。，由模型6回歸結果可知，工業機器人應用能夠在1%的顯著性水平上縮小性別就業差距，這在一定程度上證明了本文回歸結果的穩健性。

控制變量中，勞動力整體素質對性別就業差距的影響不顯著為負。經濟快速發展為勞動力提供了較多的就業機會，但這一過程中男性在勞動力市場相對占優，因此，經濟發展對勞動力市場就業差距產生顯著的負向沖擊，擴大了勞動力市場中的性別就業差距。而城鎮化發展對性別就業差距的影響不顯著為正。從產業結構升級的角度來看，第三產業占比的提升在5%的水平上顯著地縮小了性別就業差距，有利于改善勞動力市場中的性別歧視現象。從女性自身特征來看，一方面女性受教育程度的提高能夠增強其在就業市場的競爭力，有助于緩解性別就業歧視現象；另一方面女性已婚率的提高會在10%的水平上顯著擴大性別就業差距。

表2 基準回歸結果

(續上表)

(二)內生性檢驗

由于工業機器人應用水平會受到各地區發展過程中一些不可觀測因素的影響，因此，模型中可能產生遺漏解釋變量的問題，進而導致基準回歸模型中的估計系數是有偏的。同時，采用工業機器人安裝密度衡量各地區工業機器人的實際應用情況也有可能存在測量誤差問題，當這種誤差與影響性別就業差距的因素存在相關性時，也會使模型的估計結果是有偏的。為緩解模型內生性問題，本文借鑒Acemoglu和Restrepo(2017)[36]的方法，選取與中國同時期工業機器人安裝量相仿的國家——美國工業機器人安裝量替代中國工業機器人安裝量，并根據中國各行業就業人數情況再一次測算安裝密度，將其結果作為工具變量。這一變量滿足了與中國工業機器人安裝密度的相關性。同時，美國工業機器人安裝量與中國性別就業差距無相關關系，滿足工具變量的排他性。由表3第一階段的回歸結果可知，工具變量的影響系數為3.88，在1%的水平上顯著。不僅如此，根據Anderson LM檢驗拒絕原假設，說明模型中不存在識別不足問題，工具變量與內生解釋變量相關。Cragg-Donald Wald F統計量值為234.098，遠大于Stock-Yogo弱工具變量檢驗的臨界值16.38，模型中不存在弱工具變量問題。根據第二階段的回歸結果，工業機器人應用水平的影響系數為0.018，在1%的水平上顯著。表明在充分考慮模型內生性問題后，工業機器人應用水平的提高仍然能夠顯著改善勞動力雇傭市場中存在的性別就業差距現狀。

(三)穩健性檢驗

為檢驗結論的穩健性，本文通過更換相關變量、替換估計方法進行再次回歸，驗證工業機器人應用縮小性別就業差距的作用。基于變量的穩健性考慮，工業機器人除在我國制造業部門得到廣泛應用外，其他行業近年來也逐漸應用工業機器人以提高生產率，降低成本。因此，本文計算全行業工業機器人安裝密度替換原有核心解釋變量進行穩健性檢驗。由表3模型9回歸結果可知，工業機器人應用在1%的水平上顯著縮小性別就業差距，核心解釋變量的影響方向及顯著性并未發生改變。基于估計方法的穩健性考慮，本文采取隨機效應模型進行再次回歸。根據表3模型10回歸結果，工業機器人應用在5%的顯著性水平上對性別就業差距產生正向影響，與前文結論保持一致。綜合說明，本文研究結論是穩健的。

同時，隨著經濟發展和社會進步，勞動力市場中的性別就業歧視現象也會有所改善，模型中可能會混淆工業機器人應用縮小性別就業差距的作用與性別就業歧視自身就存在逐漸向好的趨勢。因此，本文進一步通過安慰劑檢驗確定工業機器人安裝密度與性別就業差距的關系。具體地，采用2006—2012年的性別就業差距對2013—2019年各省份工業機器人安裝密度進行回歸。由表3模型11可知，工業機器人安裝密度的回歸系數僅為-0.005且不顯著，說明性別就業差距過去的改善與現階段工業機器人安裝密度無關，二者不存在相同的相關趨勢，前文基準回歸結果是穩健的。

表3 內生性處理及穩健性檢驗結果

(四)異質性分析

1.基于不同區域位置的分析。考慮到中國各地區資源稟賦條件、勞動力市場分割程度等經濟社會發展具有差異性，不同區域工業機器人應用對性別就業差距的影響可能也有所不同。鑒于此，本文將省份劃分為東部(east)、中部(mid)、西部(west)(4)東部省份包括北京、上海、天津、廣東、福建、江蘇、海南、遼寧、浙江、山東、河北；中部省份包括吉林、湖北、黑龍江、湖南、山西、河南、江西、安徽；西部省份包括內蒙古、廣西、山西、新疆、甘肅、寧夏、青海、四川、重慶、云南、貴州。三個區域，引入地區虛擬變量與工業機器人安裝密度的交互項進行回歸。這可以實現其他所有解釋變量對性別就業差距的影響在各地區保持一致，以便更好地對工業機器人應用的影響大小進行比較。由表4模型12可知，工業機器人應用對中部地區和西部地區勞動力市場性別就業差距的影響均在1%的水平上顯著，但在東部地區這種影響并不顯著。且西部地區工業機器人應用的影響系數為0.016，大于東部地區及中部地區工業機器人應用的影響程度。

2.基于不同城鎮化發展水平的分析。不同城鎮化發展水平下，各區域的產業集聚、人口集聚及資源流動等有所差異，這些因素可能會影響工業機器人應用縮小性別就業差距的作用。鑒于此，本文以城鎮化發展水平的高低為依據設置虛擬變量，引入其與工業機器人安裝密度的交互項進行回歸。從表4模型13可知，不論城鎮化發展水平高低，工業機器人應用均在1%的水平上顯著縮小性別就業差距。但從回歸系數來看，在城鎮化發展水平更低的區域(sctl)，工業機器人應用對性別就業差距的影響系數提升至0.018，即工業機器人應用對低城鎮化率地區的性別就業差距將起到更強的改善作用。

3.基于不同產業結構類型的分析。各地區產業發展階段存在一定的差異性，在其調整產業結構的過程中，制造業投入服務化水平、第三產業的發展情況等有所差異。因此，工業機器人應用對產業結構類型不同區域勞動力市場性別就業差距的影響可能存在異質性。鑒于此，本文以第三產業占比情況為依據設置虛擬變量，引入其與工業機器人安裝密度的交互項進行回歸。由表4模型14可以看到，在第三產業占比不高的區域(indl)，工業機器人應用對性別就業差距的影響系數僅為0.004且并不顯著。而對于第三產業占比更高的區域(indh)，工業機器人應用對性別就業差距的影響系數提升至0.015，同時顯著性也明顯提升。原因可能是：銷售、金融等服務行業有利于發揮女性的認知技能優勢，因此，工業機器人應用水平提升能夠更好地解決第三產業占比更高區域勞動力市場中的性別就業差距問題。

4.基于女性人力資本差異的分析。女性人力資本水平與勞動力整體人力資本水平差異過大時，會對女性勞動力市場競爭力產生影響。因此，在女性人力資本水平差異程度不同的區域，工業機器人應用對性別就業差距的影響也會有所不同。從表4模型15可以看出，在不同人力資本水平差異程度下，工業機器人安裝密度對性別就業差距的影響存在較大區別。具體而言，在女性人力資本水平與勞動力整體人力資本水平差異較大時(gaph)，工業機器人應用對性別就業差距的影響并不顯著。但在女性人力資本水平與勞動力整體人力資本水平差異較小時(gapl)，回歸系數提升至0.013，且在1%的水平上顯著。可見，當女性人力資本水平與整體人力資本水平相差過大時，工業機器人應用水平的提升也無法很好地幫助女性勞動力發揮認知技能相對優勢，因此，對推動性別就業平等的作用效果并不明顯。

表4 異質性分析回歸結果

(續上表)

五 進一步分析：影響機制檢驗

前文理論機制分析認為，工業機器人應用會通過推動城鎮化發展及產業結構升級縮小性別就業差距。為識別影響機制，本文借鑒Hayes(2009)[37]提出的中介效應檢驗方法，選取城鎮化發展水平、產業結構升級兩個變量作為中介變量Mit，其他變量作為中介變量模型的控制變量，構建以下遞歸方程檢驗工業機器人應用影響性別就業差距的作用機制：

Lngenit=α+γ1Intit+γCtrit+fi+μt+εit

(4)

Mit=α+λ1Intit+λCtrit+fi+μt+εit

(5)

Lngenit=α+β1Intit+β2Mit+βCtrit+fi+μt+εit

(6)

中介效應檢驗包含以下三個步驟：第一步對式(4)中γ1的顯著性進行檢驗，若不顯著則終止中介效應檢驗；第二步對式(5)中λ1及式(6)中β2進行檢驗，其中式(6)的結果已匯報于模型5；第三步若系數λ1與β2均顯著，則中介效應存在。若系數λ1與β2至少有一個不顯著，則需進行Sobel檢驗，若通過檢驗，則說明中介效應存在。需要說明的是，與標準正態分布有所不同，Sobel檢驗統計量在5%顯著性水平上的臨界值為0.97左右(Mackinnon et al.，2002)[38]。表5為工業機器人應用縮小性別就業差距的中介效應回歸結果。從模型16可知，工業機器人應用對性別就業差距的影響(γ1)顯著為正。模型17中，工業機器人應用對產業結構升級的影響(λ1)顯著為正。表2模型5中，產業結構升級對性別就業差距的影響系數(β2)為0.029，且在5%的水平上顯著。上述結果驗證了產業結構升級這一中介效應的存在，表明工業機器人應用水平提升可以通過推動產業結構升級進而實現縮小性別就業差距的目標。模型18結果顯示，工業機器人應用對性別就業差距的影響系數(γ1)為0.012，且在1%的水平上顯著，表明隨著工業機器人應用水平的提高，勞動力市場中的性別就業差距現象得到有效緩解。同時，模型19中，工業機器人應用對城鎮化發展的影響系數(λ1)為0.014，且在1%的水平上顯著。而模型5中城鎮化發展對性別就業差距的影響系數(β2)為0.106，但并不顯著，故需進行Sobel檢驗。由Sobel檢驗結果可知，z值為1.024，大于臨界值，表明城鎮化發展的中介效應成立，工業機器人應用能夠通過推動城鎮化發展，達到縮小性別就業差距的目標。綜上所述，工業機器人應用水平的提升將通過城鎮化發展、產業結構升級進而縮小性別就業差距，說明我國城鎮化進程的加速以及產業結構不斷向高級化演變成為縮小勞動力市場中性別就業差距的又一推動力量。

表5 中介機制檢驗結果

六 結論與政策啟示

(一)研究結論

工業機器人作為人工智能技術的代表，其廣泛應用將對勞動力市場不同群體就業產生差異化影響。本文基于個人歧視偏好理論，從產業發展及城鎮化發展的角度出發，認為工業機器人應用水平的提升有利于發揮女性勞動力技能稟賦優勢，一定程度上解決職業女性生育及家庭平衡等問題，降低女性勞動力的自然附著成本，有效緩解雇主對女性勞動力的歧視，縮小性別就業差距。同時，以2008—2019年中國30個省級區域的面板數據為樣本進行實證分析，結果表明：(1)工業機器人應用水平的提升有利于縮小中國勞動力市場的性別就業差距。這一結論在考慮了內生性問題和進行安慰劑檢驗、替換核心解釋變量、更換模型估計方法后依然成立。(2)異質性分析結果顯示，工業機器人應用縮小性別就業差距的作用在西部地區最強。在產業結構水平越高、教育差異程度越小的地區，工業機器人應用能夠更顯著地縮小性別就業差距，而在城鎮化發展程度越高的區域，工業機器人應用縮小性別就業差距的影響則較弱。(3)進一步探究工業機器人應用對性別就業差距的影響機制發現，工業機器人應用能夠通過推動產業結構升級、城鎮化發展縮小勞動力市場中的性別就業差距。

(二)政策啟示

上述基于我國工業機器人安裝量及勞動力市場相關數據的結論，對于探究在制造業智能化浪潮中縮小性別就業差距的有效途徑、實現共同富裕的政策啟示為：

第一，堅定制造業智能化的發展方向，進一步提高機器人等智能技術在各產業的應用水平。就現實情況看，雖然人工智能替代效應短時間內會對低技能勞動力產生一定沖擊，但工業機器人等智能化技術應用縮小性別就業差距的積極作用不容忽視。因此，在政策層面應堅持智能化發展方向，在勞動力技能培訓、高等教育改革等方面發力，提高勞動力技能素質，培養智能化技術研發及應用相關人才。在發揮智能化技術正外部性的同時，守住就業率底線，緩沖智能化技術發展帶來的“技術性失業”問題。

第二，加強女性勞動力人力資本投入，縮小兩性之間的人力資本差異。隨著制造業智能化進程的加快和覆蓋面的擴大，各地應根據男性及女性勞動力的人力資本特征情況進行教育資源的統籌協調。一方面政府應保證男女性受教育機會的公平性，引導女性勞動力提高自身受教育水平。另一方面，應加強女性勞動力在人機協作等方面的技能培訓，確保女性在滿足智能化相關崗位要求的前提下切實發揮在語言交流、人際關系等方面的認知技能優勢。

第三，各地區需根據經濟發展形勢實施差異化發展戰略，最大限度發揮工業機器人應用縮小性別就業差距的積極影響。例如第一、第二產業占比更高的區域在推動工業機器人等智能技術應用時，一方面應優化勞動力市場環境，確保女性勞動力就業公平，避免性別就業差距的進一步擴大，另一方面應重視發揮智能化技術的產業關聯效應，在推動制造業服務化、高端服務業發展的過程中，實現縮小性別就業差距的目標。