勞動力成本上升、機器自動化與制造業轉移

羅潤東 李瓊瓊 郭怡笛

改革開放后，中國大量勞動年齡人口及農村勞動力持續流向城市，為制造業發展提供了充足的勞動力資源，為中國成為“世界工廠”提供了強大的人力支撐。進入21 世紀，隨著人口結構的轉變，中國逐漸從勞動力無限供給進入勞動力供給短缺時代，勞動力工資不斷上漲，出現“劉易斯拐點”［1］。國家統計局數據顯示，中國城鎮非私營單位就業人員年平均名義工資呈高速上升態勢，從2000 年的9 333 元上漲到2022 年的114 029元，扣除價格因素年增長率高于9%。2012 年以后，平均實際工資增長率開始出現超過實際GDP 增長率的趨勢。在勞動要素成本不斷上升的背景下，依靠勞動力資源稟賦優勢推動經濟高速發展的路徑難以持續。在中國廉價勞動力時代終結的前提設想下［2］，進行產業轉移、減少生產成本，是勞動密集型制造業的一個重要發展方向。

經濟快速增長和資本要素累積，使得資本相對于勞動的豐裕程度增加，勞動力變得更加昂貴，以往中國沿海地區承接了大部分國際產業轉移，因而表現更甚。相較于其他生產部門，對勞動力價格較為敏感的制造業企業，為尋求生產優勢，將主動流向勞動力成本更低的國家或地區，尋找勞動力成本“洼地”，前者為跨國產業轉移，伴隨明顯的外資撤離現象，后者為國內產業轉移，體現為制造業由沿海發達地區向內陸欠發達地區轉移［3］。

從理論上看，產業轉移是應對勞動力成本上升的一種策略，另一種策略則是使用更多的資本替代勞動［4］。工業機器人是一種資本更密集的技術，通過計算機編程以及前沿人工智能技術實現各種制造功能，從而能夠自動執行任務。Acemoglu &Restrepo 的研究表明，每增加一臺工業機器人能夠替代6 名產業工人［5］。除工資上漲外，寧光杰和張雪凱發現招工難、較高的員工流轉率使得企業投資自動化設備以確保企業正常運營的意愿增強［6］。因此，勞動要素價格的相對上升以及工人的短缺可能加速企業用自動化的生產技術來替代勞動力。自動化機器有助于企業減輕用工負擔，同時對工人素質提出了更高的要求。對技術工人的需求使得企業傾向于在大城市集聚，以減少人才供應的不確定性［7］。因此，雖然勞動力成本會形成制造業外遷的“推力”，但是引進自動化設備也可能使企業繼續留在所在城市，成為制造業留駐的“拉力”。

為了提高產業競爭力，中央政府已將智能化產業和人工智能技術列入重點規劃，出臺了《機器人產業發展規劃（2016—2020 年）》《智能制造發展規劃（2016—2020 年）》《新一代人工智能發展規劃》《“十四五”智能制造發展規劃》等文件，將智能制造作為引領中國制造業轉型升級的突破口。各地方政府也發布了一系列政策性文件，助推制造業自動化轉型升級。在政府支持下，中國工業機器人產業和應用市場發展迅猛。中國信息通信研究院的數據顯示，2022 年中國人工智能產業規模高達5 000 億元，同比增長18%。截至2022 年6 月，中國人工智能企業數量超過3 000 家，僅次于美國。國際機器人聯盟（IFR）的數據顯示，2000 年以來，中國工業機器人安裝量呈快速上升趨勢，2016 年成為世界上機器人保有量最高的國家，2021 年中國機器人存量占全世界機器人存量的33.58%。人工智能技術引發了勞動和生產的革新，將對中國產業結構和產業格局產生深刻影響。

近年來，全球分工體系和產業格局正在經歷重構變革，尤其是在中美貿易摩擦和新冠疫情等外部不確定性的沖擊下，中國面臨著制造業向發達國家回流以及向其他發展中國家分流的壓力。在此背景下，分析產業格局演變規律，引導國內產業有序轉移、避免產業斷檔，從而保證產業鏈、供應鏈的暢通與安全，對于提高中國經濟發展質量和產業核心競爭力、推動雙循環格局至關重要，尤其是國家“十四五”規劃綱要以及2022 年1 月工業和信息化部等十部門發布的《關于促進制造業有序轉移的指導意見》進一步強調要保持中國制造業比重基本穩定、推動制造業有序轉移。然而，以往文獻大多直接研究勞動力成本對產業轉移的影響［8-9］或側重分析工業機器人的使用對生產、貿易和就業的影響［10-12］，鮮有研究關注自動化技術是否改變勞動力成本對制造業轉移的影響模式。基于此，本文從最低工資政策引致勞動力成本上升的外生沖擊入手，從城市和企業兩個層面分析機器自動化背景下勞動力成本上升對制造業轉移的影響效應，重點討論機器自動化是否能夠緩解勞動力成本對制造業轉移的作用及其影響機理。本文的研究結論有助于解釋面對勞動力成本上漲時不同制造業企業的異質性轉移應對策略，以及沿海發達地區和內陸欠發達地區之間的產業轉移承接趨于平緩的現象，這對于把握新時代產業轉移趨勢、避免產業空心化和推進區域協調發展具有啟示意義。

一、理論分析與研究假設

（一）勞動力成本對制造業轉移的影響效應

勞動力成本是影響企業作出生產和投資區位選擇決策的重要因素，地區間勞動力成本不同步變動可能會引致產業轉移。一般而言，勞動力成本的上升會抬高生產成本，降低盈利空間，從而促使企業轉向勞動力成本較低的地區。因此，當一個地區的勞動力要素價格上升時，制造業企業會通過重新調整生產和投資的空間布局，以實現成本最小化和經營利潤最大化。根據雁形模式理論，隨著中國東部沿海地區的勞動力要素成本上升，勞動密集型制造業逐步向中西部地區轉移，呈現由勞動力要素成本差異推動的產業轉移現象［3，13］。以往考察勞動力成本對產業轉移影響微觀機制的研究可以概括為三個層面：一是勞動力成本上升促進了企業搬遷或跨區域生產。這支文獻認為勞動力市場比較優勢是企業搬遷至其他地區或進行跨區域資本配置的重要驅動因素［14-15］。二是勞動力成本上升增加了企業的經營壓力，導致企業被迫退出市場，從而降低了該地區制造業份額。這支文獻發現勞動力成本上漲對企業存續產生了負面沖擊，導致制造業企業退出風險增加［16-17］。三是較高的勞動力成本抬高了企業進入市場的門檻，不利于新企業進入，進而抑制了該地區制造業份額增加。這支文獻強調勞動力成本增加會打擊企業的投資積極性，降低新企業的進入數量［18］。

綜合上述分析，面對勞動力成本上漲壓力，企業會采取調整經營方式或者將生產環節轉移至成本更低的地區、退出市場和撤資、直接選擇不進入等策略來使生產利潤最大化。而微觀企業的跨區域轉移、退出以及新企業的進入很可能影響一個地區的制造業發展，并導致不同地區制造業相對份額發生變動，進而引發制造業區域轉移。基于此，本文提出如下假設：

假設1：勞動力成本上升會加速制造業轉移。

（二）勞動力成本和機器自動化的交互作用對制造業轉移的影響效應

隨著以工業機器人為代表的新一代人工智能技術的較快發展，工業智能化生產對于經濟的促增效果日益明顯［19］。相關研究指出，人工智能技術可以通過改變要素投入結構、促進資本積累、提高全要素生產率等渠道有效緩解老齡化帶來的勞動力市場沖擊，拉動經濟增長［20］。隨著中國東部、中部以及東北等地區工業機器人產業逐漸完善，工業機器人對于這些具有自動化技術比較優勢地區的經濟增長具有明顯的促進作用［21］。此外，人工智能和自動化技術還能夠克服“鮑莫爾病”，保持制造業在GDP 中占有較高的比重以及制造業工人能夠獲得較高的勞動回報率［22］。除了對經濟增長的促進作用外，機器自動化生產降低了產品在發達經濟體的人工成本，導致過去的離岸生產重新回流，根據有關研究的最新估計，如果制造業中每100 名工人增加一個機器人，就會導致制造業產業回流活動增加3.5%［23］。因此，工業機器人使用也被發達國家視為企業回流的重要途徑［12］。

工業機器人能夠大規模替代人力實現自動化生產，在緩解勞動力短缺造成的“用工荒”“用工貴”等難題中發揮了較大作用，是勞動成本高的地區繼續留住制造業企業、避免產業空心化的重要方式。然而，不同行業的機器自動化水平存在差異①IFR 公布的數據顯示：2014 年中國機器人安裝量主要集中在汽車、電子電氣、橡膠塑料、金屬制品業、食品飲料加工制造業、通用及專用設備制造業等行業。程虹等根據2015、2016 和2018 年CEES 數據，發現中國的機器人使用主要集中于汽車制造業，電氣機械和器材制造業，計算機、通信和其他電子設備制造業，專用設備制造業和通用設備制造業等五大行業［24］。，對勞動力成本上升的反應可能不同，導致傳統制造業產業梯度轉移趨勢發生異質性變化。綜合上述分析，本文提出如下假設：

假設2：勞動力成本上升對制造業轉移的影響呈非對稱性，由于機器自動化有助于緩解制造業企業受到的勞動力成本壓力，機器自動化水平高的制造業產業轉移壓力相對較小。

（三）勞動力成本和機器自動化對制造業轉移的作用機制

前文提到，勞動力成本對制造業轉移的作用機制包括影響企業搬遷、退出和進入行為三個方面，其中加速制造業企業退出市場是勞動力成本產業轉移效應的重要微觀渠道之一。已有研究指出，勞動力要素成本上升削弱了企業利潤空間，進而影響了企業的生存能力［25］。也有研究發現，制造業外資企業容易因最低工資的提高而退出市場［26］。企業退出市場意味著當地制造業企業數量減少，從而引發制造業份額下降。工業機器人的使用則有利于制造業企業調整生產要素的投入結構來緩解人工成本上漲對生產經營的負向沖擊，進而降低其退出市場的概率。

生產率是反映一個國家經濟發展質量的重要指標，也是企業在市場競爭中獲得競爭力的關鍵因素。工業機器人具有生產自動化、智能化的優勢，已被較多文獻驗證可以有效推動制造業全要素生產率的提高。例如，基于跨國面板數據的研究發現，工業機器人能夠顯著提高一個國家的全要素生產率和勞動生產率［11］。基于中國的微觀經驗證據表明，機器人的使用能夠促進企業擴大產出規模和優化產品質量，提高企業生產率［27］。生產率越高的企業往往越不容易退出市場，因而機器自動化對生產率的提升作用可以彌補勞動力成本高的劣勢，降低制造業產業轉移的風險。基于上述分析，本文提出如下假設：

假設3：勞動力成本上升會增加制造業企業退出市場的概率，而機器自動化技術的使用有助于抵消勞動力成本上升帶來的負面影響，降低企業退出概率，從而減少制造業產業轉移的風險。

假設4：機器自動化技術能夠有效提高企業勞動生產率、擴大生產規模，進而緩解制造業企業轉移的風險。

二、模型設定、變量與數據說明

（一）計量模型的設定

考慮到以往研究多基于地區層面數據對勞動力成本和制造業整體轉移之間的關系進行分析，但是未能充分考慮制造業的空間轉移具有行業異質性［16］，而實際上不同行業要素組成不同、對勞動力成本的反應也有差異，制造業整體層面的數據可能會掩蓋不同要素密集度制造業行業層面的效應。因此，本文基于制造業城市—行業層面數據來分析勞動力成本和機器自動化對產業轉移的影響，設定如下計量模型：

其中，下標i 代表行業，j 代表城市，t 為年份。被解釋變量Industry_ratioijt表示城市j 行業i 在t 年的就業量占全國行業i 就業總量的比重，即城市制造業行業i 的份額。核心解釋變量lnmwagejt表示城市j 在t 年的月最低工資金額取對數，lnExposure_Robotit表示行業i 的機器自動化水平。Xijt表示控制變量合集，uj表示控制城市固定效應，jt表示控制城市—年份固定效應，即控制所有城市層面特征對制造業轉移的影響；θit表示控制行業—年份固定效應，即控制所有行業層面特征對制造業轉移的影響；εijt是擾動項。當模型同時控制城市—年份固定效應和行業—年份固定效應時，最低工資項以及其他城市控制變量會被自動吸收，同時也無須再控制城市固定效應。

（二）變量說明

1.被解釋變量

城市制造業行業份額（Industry_ratio）。制造業份額變動體現了制造業的相對產業轉移，本文參照以往文獻使用城市制造業行業就業在全國制造業行業總體就業中占比的變化來反映城市制造業轉移情況①一方面，地區某個制造業行業的就業人數占全國該行業就業人數比重變化，說明該地區這一行業的相對規模發生變化，出現了產業相對轉入或轉出。另一方面，在中國工業企業數據庫中，企業的從業人員數是記錄最為完整的指標，能夠構建城市行業層面制造業份額的其他指標（包括企業銷售產值、工業總產值）在不同年份存在缺失無法統計的現象。在穩健性分析中，本文分別使用地區制造業行業的企業數目比重、銷售產值比重、工業總產值比重對回歸結果作穩健性檢驗。。具體而言，Industry_ratio 為城市單個制造業行業的從業人員數占全國該制造業行業的從業人員數的比重。

2.主要解釋變量

最低工資（lnmwage）。勞動力要素成本的增加削弱了制造業尤其是勞動密集型制造業的競爭優勢，促使其向更具優勢的地區轉移［13］。本文選擇使用城市最低工資標準來衡量勞動力成本的變化。一方面，最低工資標準上漲引致的勞動力成本上升給制造業企業帶來負向的競爭沖擊；另一方面，最低工資標準更多與當地政府行政決策有關，而政策因素（如法律法規、工會等）帶來的勞動力成本上升是脫離勞動邊際報酬的外生增加［18］。因此，利用最低工資標準上漲的外生沖擊能夠準確考察勞動力成本與產業轉移之間的因果關系。

機器自動化水平（lnExposure_Robot）。借鑒Acemoglu&Restrepo［10］、王永欽和董雯［28］的做法，采用行業層面的機器人滲透度（機器人安裝密度）衡量行業的機器自動化水平，具體計算方式如下：

其中，下標i 代表行業，t 和T 為年份。Robotit為t 年中國行業i 的機器人應用水平，行業機器人數據來自國際機器人聯盟數據庫，單位為臺。employi，T為基準年份T（這里T 指1998、1999、2000 年，T0 指的是1998 年，T1 指的是2000 年）制造業行業i 的就業人數，單位為萬人。

3.控制變量

控制變量Xijt合集包括：（1）城市人均GDP（lnpgdp），使用城市GDP 除以全市年末戶籍人口后取對數來表示；（2）人口增長率（popu_grow），使用全市戶籍人口自然增長率來表示，單位為‰；（3）職工平均工資（lncity_wage），采用全市職工平均工資取對數來表示；（4）城市價格指數（price_index），采用城市所在省份年消費者價格指數來表示，單位為%；（5）從業人員人均贍養人數（support_burden），使用城市年末戶籍人口數與年末單位從業人員的比值來表示，數值越大說明該地區勞動力撫養負擔越重。對于這些變量的控制有助于本文更好地估計最低工資上漲對制造業轉移的影響。一方面，這些變量是最低工資標準制定的重要依據，影響城市月最低工資標準的調整；另一方面，城市人均GDP、職工平均工資水平所代表的城市經濟發展狀況，人口增長率、從業人員人均贍養人數所體現的勞動力豐裕程度，城市價格指數所反映的生活成本變化與消費信心，均會影響企業的經營決策和區位選擇［18］。此外，本文還控制了制造業行業占當地制造業的比重（Indusprop）。城市某一個行業比重越高，說明該行業在該城市越具有發展優勢，集聚效應更強，更少可能外遷，因而Induspropijt越大越可能導致j 城市的i 行業在全國同一行業占比越高。同時，單個行業在本地占比越高，該行業提供的就業崗位相對較多，可能會影響勞動力成本上漲趨勢。

4.數據說明

本文主要使用了1999—2014 年地級市最低工資數據以及中國工業企業數據庫、國際機器人聯盟（IFR）數據庫、《中國城市統計年鑒》等的匹配數據。數據選擇的時間段主要依據各數據庫所處時間范圍。比如，在基準模型中關鍵指標制造業行業份額來自中國工業企業數據庫，該數據庫可獲得數據的時間范圍是1998—2014 年，機器自動化指標來源于IFR 數據，該數據庫時間范圍是1999—2019 年，因而基準模型樣本時間范圍是1999—2014 年。此外，以1998 年為基期，本文利用各省份居民價格指數將所有名義變量換算為實際變量，從而消除通貨膨脹因素對估計的干擾。主要變量的數據來源和描述性統計見表1（下頁）。

表1 主要變量的數據來源和描述性統計

三、實證研究結果與分析

（一）基準回歸結果

基準模型的回歸結果如表2 所示。其中，列（1）和列（2）未加入機器自動化和最低工資的交互項，lnmwagejt的系數在1%的置信水平上顯著為負，可以認為勞動力成本上升會加速城市制造業轉移，降低本地制造業行業份額，假設1 得到驗證。加入交互項后，方程的估計結果見列（3）—（5），lnmwagejt的系數γ1依舊顯著為負，而交互項的系數顯著為正。從列（5）的回歸結果來看，在控制了城市—年份固定效應和行業—年份固定效應后，交互項系數γ2的絕對值為0.207，在1%的置信水平上顯著為正，其含義為：在同一最低工資水平下，機器自動化有助于制造業行業增加產業份額，減少產業轉移，即在一定的最低工資標準下，機器自動化緩解了勞動力成本對本地制造業發展的不利影響，假設2 得以驗證。以上結果表明，最低工資上漲推動了勞動力成本上升，降低了企業的盈利空間，促使制造業企業將生產活動遷移至其他地區，而機器自動化可以減小企業生產用工依賴，降低人工成本，緩解制造業企業的轉移外遷壓力。

表2 最低工資、機器自動化對于制造業產業轉移的影響

（二）異質性分析

不同地區城市制度要素、對外開放程度、勞動力市場結構等存在較大差異，這不僅會影響最低工資標準的制定、制造業產業結構變遷，而且可能會影響機器自動化在產業轉移中所發揮的作用。因此，本文繼續研究地區差異如何影響制造業轉移機制。

第一，城市制度性因素。經濟開放程度或政策干預程度等制度環境對于產業變遷具有重要影響［5］。一個地區國有企業資產占比越高，政府主導力量就會越強、市場化力量就會相對較弱。而國有制造業企業是否采用機器自動化技術來緩解人工成本壓力具有不確定性：一方面，國有企業肩負穩就業的目標，使用“機器換人”方案替換企業搬遷方案可能更加困難；另一方面，國有企業由于易獲得政府補貼和信貸優惠，從而在價格昂貴的機器人使用方面更有資金優勢［29］。借鑒既有文獻的做法［3］，本文采用制造業國有資產占全部資產的份額表示城市市場化程度的制度變量，國有企業資產占比越大說明制度性因素越高。利用2004 年第一次全國經濟普查企業微觀數據，獲得城市層面國有企業、國有聯營企業和國有獨資公司資產份額占制造業總資產的比重，并以制造業國有資產份額的中位數和均值作為劃分依據進行分組，回歸結果見表3 的Panel A。

表3 異質性分析回歸結果

第二，貿易開放度。貿易和技術變革具有密切聯系，對制造業就業結構會產生影響［10］，例如有研究發現，貿易競爭會引致相關企業進行技術升級、提高全要素生產率、降低低技能勞動者雇用比例，且勞動力資源會被配置到具有技術優勢的企業［30］。借鑒既有文獻對貿易開放度的衡量方法［31］，根據2003—2008 年城市進出口貿易總額占城市GDP 的比重，本文劃分了進出口占比高的城市和進出口占比低的城市。此外，本文還計算出了2003—2008 年中國地級市進出口實際貿易額均值，再根據進出口貿易均值劃分出高、低貿易開放度城市，回歸結果見表3 的Panel B。

第三，城市人力資本狀況。機器自動化對勞動者素質提出了更高的要求，因而除勞動力成本外，人力資本豐富的地區能夠吸引更多的產業轉移。孫早和侯玉琳基于省級數據研究發現，工業智能化和人力資本的有效匹配推動了東南沿海地區先進裝備制造業的智能化升級［32］。借鑒孔高文等對城市人力資本的衡量方式［33］，根據2000年第五次人口普查中各地級市平均受教育年限以及六歲以上人口中每萬人大學生數量，本文將研究樣本分別劃分為人力資本水平較高地區和較低地區，回歸結果見表3 的Panel C。

表3 的Panel A 結果顯示，機器自動化和最低工資的交互項系數在國有資產份額較低的地區顯著為正，且系數遠大于在國有資產份額較高的地區，這表明當一個城市產業更多由政府主導時，機器自動化對產業轉移的緩解效應明顯減弱。Panel B 結果顯示，相較于貿易開放度低的城市，在貿易開放度高的城市機器自動化更能發揮出穩定制造業的作用；Panel C 結果顯示，只有在整體受教育水平高的地區以及大學生人力資本高的地區，機器自動化才會對勞動力成本引致的產業外遷產生顯著的抑制效應，在整體受教育水平低、高級人力資本薄弱的地區，這種效應并不明顯。

（三）穩健性檢驗

為了進一步確認上述研究結論的可靠性，本文采取了五種方法進行穩健性檢驗。第一，替換最低工資沖擊指標。參照既有文獻的做法，將原勞動和保障部2004 年施行的《最低工資規定》作為準自然實驗［16］，構建三重差分模型來更為嚴謹地探討機器自動化是否緩解了勞動力成本上升引致的制造業轉移。借助2000 年第五次全國人口普查中的各城市居住在本地的戶籍人數和人口總數數據，根據樣本中的本地戶籍人口比重的中位數，本文將高于中位數的組作為政策的處理組，將低于中位數的組作為政策的對照組。借鑒Graetz&Michaels 的做法［11］，構建機器自動化傾向變量（replaceabilityi），即基于以往年份各行業機器人使用密度的情況定義自動化傾向，若行業屬于高自動化傾向行業，replaceabilityi為1，否則為0。回歸結果見表4 的列（1）。可以發現，三次交互項系數在1%的水平上顯著為正，說明相較于低自動化水平，最低工資政策對高自動化水平的行業沖擊更小，與基準回歸結果一致。第二，替換機器自動化指標。定義新的機器自動化指標為行業機器人應用水平與地區機器人應用水平的交互項［33］，行業機器人使用密度或者城市進口機器人密度越大，說明該城市這一行業機器人自動化水平越高。回歸結果見表4 的列（2），機器自動化與最低工資交互項的系數顯著為正，再次驗證了工業機器人的應用能夠緩解最低工資對制造業產業的不利影響。第三，替換被解釋變量。分別使用規模以上企業數目份額、銷售產值份額、工業總產值份額作為被解釋變量。模型估計結果如表4 列（3）—（5）所示，交互項均顯著為正，與基準模型的回歸結果一致。第四，更換數據庫。利用天眼查企業數據中的企業地址、所屬行業及成立日期等信息，構建1999—2019 年中國各城市各制造業行業當年新增企業數量，將城市各制造業行業新增企業數占全國該制造業行業新增企業總數的比重、城市各制造業行業新增企業數的對數作為被解釋變量。回歸結果如表4 列（6）和（7）所示，機器自動化與最低工資交互項的系數顯著為正，基準結果依舊成立。第五，采用工具變量法，進行兩階段最小二乘回歸估計來進一步克服反向因果引起的內生性問題①遺漏變量和逆向因果問題可能使制造業產業轉移對最低工資和機器自動化的交互項回歸估計有偏。。借鑒相關文獻的做法［28］，采用美國工業機器人行業數據構造中國行業機器自動化指標的工具變量。美國工業機器人應用水平處于全球領先地位，其發展趨勢能夠反映該行業的技術進步趨勢，美國機器人安裝密度增加會推動中國同一行業工業機器人的應用，從而滿足工具變量的相關性條件，且美國的機器人安裝情況不會直接影響中國產業區域轉移，滿足了工具變量的外生性條件。回歸結果見表5 列（1）、（2）。此外，本文使用省域內其他城市平均最低工資作為最低工資的工具變量。同一省份其他城市最低工資水平越高，越能促進地級市政府選擇較高一檔的最低工資水平，而其他城市的最低工資水平決策不受本地制造業情況的影響，滿足工具變量的相關性和外生性條件。回歸結果見表5 列（3）、（4）。最后，采用最低工資和機器自動化變量的滯后一期作為工具變量。回歸結果見表5 列（5）、（6）。工具變量的選擇均通過了識別不足檢驗和弱工具變量檢驗，確認了工具變量的有效性。由表5 的回歸結果可以看出，最低工資對制造業產業份額的回歸系數顯著為負，最低工資和機器自動化交互作用對制造業產業份額回歸系數顯著為正，且數值基本合理，說明本文的回歸結果是穩健的。

表4 穩健性分析回歸結果：替換關鍵指標

四、傳導機制分析：基于企業微觀層面的經驗證據

（一）勞動力成本、機器自動化與企業退出

勞動力成本影響制造業份額的一個重要微觀渠道是影響制造業企業的退出，而工業機器人的使用能夠促使制造業企業調整投入要素的結構，降低人工成本上漲對生產經營的負向沖擊，因而機器自動化可能會降低制造業企業退出市場的概率。這里重點研究勞動力成本上升和機器自動化是否會影響企業退出市場決策，嘗試為最低工資上升和工業機器人的使用對制造業轉移的微觀作用機制提供經驗證據。借鑒李磊等［34］、熊瑞祥等［26］的做法，設定如下回歸模型：

其中，下標i 代表行業，j 代表城市，f 代表企業，t 為年份。被解釋變量Exitijft表示t 年城市j 行業i 中企業f 的退出狀態①企業退出是指工業企業在調查時間范圍內退出中國工業企業數據庫后不再進入該數據庫，即企業在第t 年存在，而第t + 1 年不在中國工業企業數據庫內，且此后一直不在數據庫中。具體做法和李磊等［34］的做法一致。。lnmwagejt和lnExposure_Robotit與模型（1）一致。Zijft表示與企業退出相關的企業層面控制變量合集②包括企業規模、企業平均工資、企業年齡、是否出口、資本密集度。，Xjt表示與企業退出有關的城市層面的控制變量合集③包括城市人均GDP、城市總人口規模、第三產業比重、外商直接投資、工業總產值。，λf代表企業固定效應，uj代表控制了城市固定效應，θit代表控制了行業—年份固定效應，εijft是擾動項。采用線性概率模型對模型（3）進行回歸分析。

模型（3）的回歸結果見表6。其中，列（1）呈現了只控制個體、城市、行業—年份固定效應后最低工資變化對企業退出的影響效應：最低工資標準每上升10%，制造業企業退出概率平均增加0.72%，略低于李磊等［34］估計最低工資對外資制造業企業退出的影響系數（他們估計會增加0.74%的退出概率）；列（2）—（4）的回歸結果顯示，最低工資標準系數顯著為正，且交互項系數依舊在1%的水平下顯著為負，體現了最低工資標準上升對企業存續的負向影響以及工業自動化能夠緩解最低工資引致的成本沖擊的結論是十分穩健的。這表明勞動力成本上升是企業退出市場的重要外部因素，缺乏人力成本優勢可能導致城市經歷更大的制造業企業流失率，而機器自動化技術的使用有助于減輕企業用工壓力，幫助企業實現更長久的經營，假設3 得證。

表6 勞動力成本、機器自動化與企業退出的回歸結果

（二）機器自動化的生產率機制檢驗

企業級的機器人使用證據能夠更加精確地解釋自動化技術如何影響企業生產率和生產經營情況［35］。因此，本文使用企業層面機器人使用數據來分析機器自動化是否可以通過提升企業生產率水平來避免企業外遷。為了更好地分析機器人應用對企業生產率的影響以及緩解進口機器人企業占比低導致的數據稀疏問題，本文首先采用傾向得分匹配（PSM）的方法，將進口過工業機器人的企業和從未進口工業機器人的企業進行匹配。選擇影響機器人引進的相關變量包括企業年齡、資本—勞動比率、員工雇用規模作為匹配變量，采用Probit 估計和最近鄰匹配算法，進行匹配比例分別為一比一、一比二的分年份、分行業樣本匹配。在匹配樣本的基礎上，采用雙重差分（DID）的方法估計工業機器人的使用對企業生產率的平均處理效應①限于篇幅，使用PSM 匹配后的樣本分布情況以及DID估計平行趨勢檢驗結果未予報告。。與此同時，企業投資是企業轉移的重要指標。若企業在某個地區投資越多、遷移成本越高，外遷的可能性就越低［36］。因此，本文利用企業固定資產投資來討論工業機器人使用對企業生產率的影響以及對企業遷移的影響。具體的中介效應模型設定如下：

其中，Yfijt為企業固定投資的對數。lntfpfijt為中介變量企業全要素生產率，運用LP 法測算得到②在計算企業全要素生產率時，需要企業從業人員數、工業增加值、中間投入、固定資產等關鍵指標，其中工業增加值、中間投入變量只能在2007 年及之前的工業企業數據中獲得。考慮到工業企業變量的可獲得性，本文與大多數研究一樣［27］，選擇1999—2007 年的制造業企業數據作為本部分企業層面研究的主要數據。機器人進口的數據來自海關數據庫，該數據庫最早可獲得時間是2000 年，因而樣本區間設為2000—2007 年。。robot_usef是用來區分處理組和對照組的二元變量，如果樣本為進口過機器人的企業，則為1，否則為0。timet是時間虛擬變量，首次進口工業機器人的年份之后為1，其余情況為0。Zft為企業層面控制變量，包括資本密集度、負債比例、公司年齡以及是否出口。

中介效應模型的回歸結果見表7（下頁）。 列（1）和（2）結果顯示，機器人應用顯著提高了企業的全要素生產率，與李磊等［35］的研究結果一致，其含義為：相較于未使用機器人的企業，引進了工業機器人可以使企業的生產率提升1.61%～1.92%（e0.016-1≈1.61%，e0.019-1≈1.92%）；列（3）、（4）回歸結果顯示了不加入全要素生產率時引進工業機器人對企業固定投資影響的總效應；列（5）、（6）為同時加入機器人和全要素生產率的模型估計結果，發現企業應用機器人后會顯著提升全要素生產率水平，進而促進企業進行更多的固定資產投資。因此，本文認為工業機器人的生產率效應是推動企業提高投資積極性、抑制企業外遷的重要機制，由此驗證了假設4。

表7 工業機器人生產率機制檢驗實證結果

（三）進一步討論

工業機器人的使用除了可以促進企業全要素生產率的提升外，還可能影響企業在其他方面的行為表現。本文對企業是否引進工業機器人與企業工業總產值、工業增加值、中間品投入、雇用人員總數、員工總工資以及員工平均工資之間的關系進行討論，回歸結果如表8（下頁）所示。可以看出，工業機器人的使用不僅擴大了勞動力生產要素與資本生產要素投入規模，而且有效提升了產出水平，且產出效應更具優勢，因而提升了企業全要素生產率水平。該結果亦從企業微觀層面驗證了工業機器人屬于生產率推動型技術進步，這種自動化新興技術的應用對于穩定制造業份額、提高企業發展質量具有正向影響。

表8 工業機器人使用對企業績效的影響

五、研究結論與政策建議

本文利用中國工業企業數據、IFR 數據、地級市最低工資數據，從城市和企業兩個層面實證檢驗了勞動力成本上升和機器自動化對制造業轉移的影響。研究發現：第一，最低工資標準上升顯著降低了城市制造業產業份額，加速了制造業轉移，但機器自動化能夠緩解最低工資標準上升對制造業產業的不利影響，減少制造業轉移。第二，機器自動化對制造業成本承壓轉移的緩解效應在制度性約束低、貿易開放度高、人力資本水平高的地區更為明顯。第三，從企業層面來看，最低工資標準上升增加了制造業企業的退出風險，而機器自動化技術的使用有助于抵消勞動力成本上升對制造業企業生產經營的負面沖擊，降低企業退出概率。第四，相較于其他企業，引進工業機器人的企業勞動生產率出現明顯提升，且工業機器人的生產率效應是推動企業擴大生產規模、提高投資積極性、抑制企業外遷的重要機制。

基于上述結論，提出如下政策建議：

第一，及時關注用工成本對企業生產經營的影響，制定合理的最低工資政策和高效的產業政策，積極引導當地傳統產業升級或轉移，激發經濟發展潛力。最低工資標準具有雙重作用，既可能淘汰落后產業、促進產業升級，又可能引起大規模制造業轉移，本文的研究表明最低工資標準上升會導致制造業向外轉移。因此，在人口紅利消退、勞動力成本上升的背景下，各地政府要充分考慮用工成本因素對本地經濟發展、產業結構帶來的影響并制定相應政策，如東部沿海地區應順應產業轉型升級的要求，適當提高最低工資標準，推動產業轉移實現“騰籠換鳥”，同時加大技術創新力度，發展資本和技術更加密集的高端制造業；勞動力充足的中西部地區應適當降低最低工資標準的調整幅度，與東部地區保持在合理差距范圍內，以維持勞動力比較優勢，做好產業轉移承接準備，實現與東部地區協調、聯動發展，保持制造業產業鏈的完整性。

第二，加大智能化產業政策支持，做好自動化技術布局規劃，加強關鍵技術研發和培育智能裝備產業，以保持中國工業生產優勢和推動產業高質量發展。研究發現，機器自動化技術的發展和使用能夠改變制造業產業單向梯度轉移的趨勢，進而重塑制造業分布格局，其具體作用機制為，機器自動化技術能夠減少勞動力要素的投入、提高勞動生產率、擴大企業投資規模、改善企業經營狀況。為此，各地政府應高度重視人工智能技術使用，出臺優惠和補貼政策，鼓勵企業盡早投資自動化設備進行智能化轉型，通過智能制造找到制造業轉型升級的突破口，培育經濟增長新動能。

第三，完善工業機器人等人工智能技術人才培養體系，為智能制造發展提供人才支撐。研究表明，相較于人力資本低的地區，機器自動化技術穩定制造業產業的效應在人力資本高的地區更強，這意味著工業機器人應用對于工人素質具有較高要求，機器人主要替代了低技能工人而增加了中高技能工人需求。因此，政府應加大自動化水平人才培養力度，優化創新型教育和培訓體系，讓勞動者能夠更好、更快速地適應工業機器人參與的生產環境，緩解人才結構性短缺問題，提高勞動力結構與自動化技術的適配度。