工業機器人應用與企業內部薪酬差別的機制與效應研究

陳宗勝 趙源

摘要：企業內部不同人力資本員工的薪酬差別持續擴大已成為中國收入分配差別不斷加劇的縮影，備受關注。構建一個引入高、低人力資本員工的理論模型，納入外部機會，對模型中機器人應用后企業內部的薪酬差別變動進行推演，并以中國A股上市公司2012—2019年數據為樣本，實證檢驗工業機器人應用對企業內部薪酬差別的影響效應。研究發現，工業機器人的應用水平提升會顯著擴大企業內部高、低人力資本員工之間的薪酬差別，在利用Bartik工具變量法克服內生性干擾后依舊成立。機制檢驗結果顯示，工業機器人應用能夠通過增加高人力資本員工的外部機會，并同時擠占低人力資本員工的外部機會，使得二者間薪酬差別不斷擴大；工業機器人應用對高、低人力資本員工生產率的非對稱沖擊同樣加劇了二者的薪酬差別。異質性分析表明，非國有企業、出口貿易類企業內部薪酬差別的擴大效應更為明顯。因此，在“機器換人”背景下，應通過完善企業內部薪酬合約設計、匹配個性化職業技能培訓，增加低人力資本員工的外部機會，緩解企業內部薪酬差別進一步拉大。

關鍵詞：工業機器人；機器換人；薪酬差別；外部機會；收入分配；人力資本

文獻標識碼：A???文章編號：100228482023（05）006113

一、問題提出

共同富裕是中國實行特色社會主義制度的本質要求，是中國人民在改革開放與經濟發展中努力推動民族復興的長遠目標［1］。如何完善收入分配制度，縮小收入差別，特別是縮小企業內部的收入差別，是當前中國推進共同富裕進程中亟待回應的問題。通常認為，企業內部差別作為初次分配的結果，重點關注的是效率，然而實踐證明，初次分配也必須“兼顧公平”，否則再大力度的再分配措施也無法矯正已經在初次分配中過大的收入差別。近年來，在總體收入差別及城鄉內部收入差別都不同程度有所下降的情況下，中國企業仍保持過大內部高低人力資本員工的收入差距［2］。可見，居高不下的企業內部收入差別，已成為專家學者們高度關注的焦點［3］。與此同時，以工業機器人、人工智能及大數據、區塊鏈等為代表的智能化、數字化技術變革，一方面帶動經濟轉型升級和促進經濟健康發展，為實現共同富裕奠定高質量經濟基礎；另一方面通過要素資源的再配置，重塑了企業內部的收入分配格局。為準確廓清工業機器人應用與企業內部薪酬差別之間的關系，必須對此進行專門研究，以助于社會經濟持續均衡運行，同時也可為企業內部縮小初次分配差別，推進共同富裕，提供可行的思路與方向。

企業內部收入差別擴大的一個重要表現，往往是以公司高管為代表的高人力資本員工薪酬增速過快，從而使其與低人力資本員工之間薪酬差別急劇擴大［4］，但是對于具體的影響原因卻各持己見。比如Jensen等［5］認為企業內部薪酬差別擴大是最優契約的結果，因為提升薪酬差別能夠有效緩解代理沖突，從而實現代理人（高管）與委托人（股東）利益目標的統一。有學者則運用高層梯隊理論，發現高管的海外經歷、經管教育背景等，都顯著影響薪酬差別［67］。還有學者認為高管權力［8］、高管權力主導下薪酬黏性的非對稱變動等［9］，也都擴大了薪酬差別

企業內部薪酬差別可以從多個角度進行研究，本文集中討論企業內部高人力資本員工與低人力資本員工薪酬差別，所以本文提及和研究的企業內部薪酬差別，實際上是企業內部高人力資本員工與低人力資本員工薪酬差別的簡稱。。此外，Faleye等［10］指出外部機會（outside?opportunity）

所謂外部機會，是指通過增加企業間對勞動力的競爭性需求或是增加勞動力自愿離職的壓力而獲得的提高勞動力報酬的薪酬談判能力［10］。也會通過影響企業員工的薪酬談判能力而影響內部薪酬差別。隨著工業機器人、人工智能等智能化技術的廣泛運用，企業和勞動者所處的經濟環境都發生了巨大的變化，而這一變化關乎員工的外部機會乃至其薪酬談判能力［11］。

據此，本文基于外部機會視角，深入探究工業機器人應用對企業內部薪酬差別的影響機制和作用程度。理論上，受工業機器人等智能化技術應用的影響，企業對不同人力資本員工表現出差異化的需求，可能會影響員工的外部機會，而外部機會又決定了員工能否通過向企業施加可信壓力（credible?threat）

在文獻中也有稱為可信威脅（credible?threat），基本意思完全一致。，使得其薪酬談判能力乃至收入水平得到相應提升。在工業機器人需求沖擊的背景下，擁有稀缺技能和專業知識的高人力資本員工屬于稀缺要素，是經濟增長的硬約束［12］，而企業為適應自身技術發展的需要而不得不加大對高人力資本員工的競爭需求，從而為高人力資本員工提供了更多的外部機會。如果高人力資本員工沒能在企業內部獲取足夠高的報酬激勵，其離職尋求外部就業且對本企業造成損失的概率會提升。這一可信壓力便使得高人力資本員工在與企業開展薪酬議價時的談判能力增加，倒逼企業滿足高人力資本員工的更高薪酬要求。然而，這一過程對低人力資本員工外部機會的影響卻可能正好相反。工業機器人在企業內外的大面積運用，替代了那些原本由低人力資本員工從事的大部分工作，降低了企業內外對相關技能資本員工的需求，限制了相關技能資本員工的自由流動，而這無疑會在很大程度上壓縮低人力資本員工的外部機會乃至削弱其薪酬談判能力。絕大部分的低人力資本員工不可能像高人力資本員工那樣，通過向企業施加可信壓力提升其薪酬，外部機會的降低使其不得不接受企業提出的條件，最終可能引致企業內部高、低人力資本員工間薪酬差別加大。

與既有研究相比，本文可能的創新點在于：第一，首次考察了工業機器人應用對企業內部高、低人力資本員工之間薪酬差別的影響關系與微觀作用機制；第二，為中國從體制上完善初次分配，縮小企業內部差別提供了新的切入點；第三，著重從高、低人力資本員工雙重角度進行研究，為理解企業內部差別擴大提供了更為直接的機制分析。

二、理論分析及假說提出

本文在余玲錚等［13］的研究基礎上，建立一個包含高、低人力資本員工與工業機器人的簡單理論模型，并將外部機會納入模型中分析，用以探究工業機器人應用影響企業內部薪酬差別的微觀機制。

（一）工業機器人應用與企業內部薪酬差別

假定代表性企業采用如下要素投入進行生產：工業機器人，非機器人資本，高、低人力資本員工。生產函數如下：

Y=K1-αμL（σ-1）/σ+（1-μ）εM（ρ-1）/ρ+（1-ε）H（ρ-1）/ρρ（σ-1）/σ（ρ-1）ασ/（σ-1）（1）

其中，Y和K分別表示產出和非機器人資本。工業機器人，高、低人力資本員工均為剛性供給，工業機器人總供給為M，高、低人力資本員工總供給分別為H和L。參數α、μ、ε∈（0，1），σ>0，ρ>0，1-α表示非機器資本的產出彈性，σ表示工業機器人與低人力資本員工之間的替代彈性，ρ表示工業機器人與高人力資本員工之間的替代彈性。周廣肅等［14］估算了中國各種職業被智能化技術替代的概率，結果顯示，一些特殊化、高技能、創造性的工作崗位被智能化技術替代的概率較低，如各企事業單位的管理層等高人力資本員工，而一些重復性、程序化的工作崗位則呈現出較高的替代率，如從事生產型工作的低人力資本員工等。因而，從整體層面來看，工業機器人同高人力資本員工之間的替代彈性要明顯小于其同低人力資本員工之間的替代彈性，即ρ<σ。

將企業單位產品的價格標準化為1，根據代表性企業利潤最大化條件可得

WH=RM（M/H）1/ρ（1-ε）/ε（2）

WL=αμ（K/L）1/σRK/（1-α）（ασ-σ+1）/（ασ）（3）

其中，WH和WL分別表示高、低人力資本員工的工資薪酬，RM和RK分別表示工業機器人和非機器人資本的租金率。相應地，高、低人力資本員工間的薪酬差別可以表示為

WH/WL=（1-ε）RM（M/H）1/ρ（L/K）1/σ（1-α）/RK（ασ-σ+1）/（ασ）（4）

簡化起見，對式（4）等號兩邊取對數后，可得

ln（WH/WL）=lnω=（1/ρ）lnM+ln（1-ε）L1/σRM/（αμεH1/ρK1/σ）+ln（1-α）/RK（ασ-σ+1）/（ασ）（5）

lnω/M=1/（ρM）>0（6）

由式（6）可知，工業機器人應用對高、低人力資本員工之間薪酬差別的影響為正，即工業機器人應用拉大了企業內部的薪酬差別。為此，本文提出以下假說：

假說1：工業機器人應用加劇了企業內部高、低人力資本員工之間的薪酬差別。

（二）工業機器人應用影響企業內部薪酬差別的渠道分析

Faleye等［10］研究指出，外部機會是影響員工薪酬談判能力乃至收入水平的重要因素。謝申祥等［15］進一步研究發現，員工的薪酬談判能力通常與如下兩個方面的因素有關：第一，員工自身的個體特征，諸如員工的技能水平、社會關系等一系列反映員工人力資本與社會資本的因素；第二，員工和企業所處的經濟環境。例如，如果經濟環境受到沖擊，刺激了企業對某類勞動者的競爭需求，此時該類勞動者就擁有了更多外部機會，在其他條件不發生變動的情況下，勞動者的薪資談判能力提升［15］。

為此，本文將代表性企業中高、低人力資本員工的薪酬談判能力δH［H（H）|ξH］、δL［L（L）|ξL］刻畫為其個體特征ξH、ξL與外部機會H（H）、L（L）的函數。據此推斷，高、低人力資本員工的外部機會與其勞動力需求息息相關，即企業對勞動力的競爭需求越大，勞動力的外部機會就越大，而勞動力的外部機會越大就越能通過向企業施加可信壓力來提升其薪酬談判能力。基于此，本文將高、低人力資本員工的外部機會設定為其勞動力需求的增函數，具體如下：

H（H）=ν（H）

L（L）=ν（L）（7）

其中，高人力資本員工的外部機會H（H）由其勞動力需求函數ν（H）表征，由于ν（H）為增函數，所以ν（H）/H>0。同理，低人力資本員工的外部機會L（L）也是其勞動力需求的增函數，即ν（L）/L>0。

從直覺上看，工業機器人應用很難通過改變勞動者的個體特征（ξH、ξL）來直接影響其談判能力，只能通過改變勞動者所處的經濟環境來影響其外部機會，也即工業機器人應用可能會通過影響高、低人力資本員工的勞動力需求而影響其薪酬談判能力乃至工資薪酬。

根據利潤最大化一階條件，可求得高、低人力資本員工的勞動力需求函數為

H=M（1-ε）RM/（εWH）ρ（8）

L=εM（ρ-1）/ρ+（1-ε）H（ρ-1）/ρ（ρ-σ）/（ρ-1）μWHH1/ρ/WL（1-ε）（1-μ）（9）

對式（8）進行對數化，可得

lnH/M>0（10）

式（10）表明，工業機器人應用增加了以高人力資本員工勞動力需求為表征的高人力資本員工外部機會。

借鑒余玲錚等［13］的處理方法，對式（9）進行線性對數化，近似可得

lnL=ε（M/H）（ρ-1）/ρ+（1-ε）（ρ-σ）/（ρ-1）+lnμWHH1/ρ/WL（1-ε）（1-μ）σ（11）

lnL/M=ε（ρ-σ）/ρH（1-ρ）/ρ（1/M）1/ρ（12）

此時，式（12）的正負主要由ρ-σ的符號決定。根據假設工業機器人與高人力資本員工之間的替代彈性要小于其與低人力資本員工之間的替代彈性（ρ<σ），因此ε（ρ-σ）/ρH（1-ρ）/ρ（1/M）1/ρ<0。這意味著，工業機器人應用擠占了以低人力資本員工勞動力需求為表征的低人力資本員工外部機會。

根據謝申祥等［15］的研究可知，勞動者的薪酬收入等于其薪酬談判能力與保留工資之和。而在員工個體特征一定的情形下，員工的薪酬談判能力由其外部機會決定。為此，高、低人力資本員工的薪酬收入表達式為

WH=δH［H（H）|ξH］+WH0

WL=δL［L（L）|ξL］+WL0（13）

其中，WH0、WL0分別代表高、低人力資本員工的保留工資。

結合式（7）（10）（13）可知，工業機器人應用通過提升企業對高人力資本員工勞動力的需求，為高人力資本員工創造了更多的外部機會。即工業機器人應用通過增加高人力資本員工的外部機會，提升其薪酬談判能力乃至擴大了內部薪酬差別。同理，根據式（7）（12）（13）可知，工業機器人應用直接通過降低企業對低人力資本員工的勞動力需求來減少其外部機會。即工業機器人應用通過擠占低人力資本員工的外部機會，削弱其薪酬談判能力，進而拉大了內部薪酬差別。為此，本文提出以下假說：

假說2：工業機器人應用通過增加高人力資本員工外部機會以及削減低人力資本員工外部機會的方式拉大二者的薪酬差別。

諸多研究表明，工業機器人等智能化技術的應用勢必會促進生產率的提升，但是不同勞動群體因技能稟賦等人力資本因素的差異而受到智能化技術的生產率沖擊并非一致。就本文而言，高人力資本員工與智能化技術的互補性，使得其更易借助智能化技術提升自身生產率，低人力資本員工因其不具備人工智能時代所需的技能水平［16］，所以很難憑借智能化技術提高自身生產率［17］。在工業機器人等智能化技術廣泛應用的背景下，那些擁有高生產效率與強智能機器適配性的高人力資本員工屬于稀缺要素，是經濟增長的硬約束［12］。當其他條件既定時，員工的稀缺屬性加大了企業之間對其的競爭性需求［18］，從而有利于高人力資本員工對企業施加可信威脅，最終引致其外部機會及收入水平的提升。由此可見，員工的生產效率越高，與智能機器的適配性相對越高，則其外部機會就越多，從而越有助于員工薪酬水平的提升。基于上述分析，本文提出以下假說：

假說3：工業機器人應用會通過非對稱提升高、低人力資本員工生產率的方式加劇二者的薪酬差別。

三、檢驗模型與變量選取

（一）檢驗模型設定

本文的實證檢驗模型設定如下：

lngapjct=α0+α1lnrobjct+βXjct+ηIct+dj+dt+εjct（14）

其中，被解釋變量lngapjct表示第t年c行業j企業的內部薪酬差別的對數；核心解釋變量為lnrobjct，是企業層面工業機器人應用程度的對數；α1為本文重點關注的估計系數，如果工業機器人應用使得企業內部薪酬差別擴大，則系數預期為正；Xjct中包含了企業層面的控制變量，Ict為行業控制變量。此外，本文還控制了企業和年份（dj和dt）固定效應，εjct為隨機干擾項。

（二）相關變量選取

（1）企業內部高、低人力資本員工薪酬差別（簡稱企業內部薪酬差別）。既有研究多選用勞動者的受教育程度或職業類別作為勞動者人力資本的代理變量［19］，本文囿于不同學歷水平員工收入數據不可得，最終選擇根據職業類別將員工劃分為高、低兩類。具體方法為：將高管（總經理）、董事（不包括獨立董事）和監事劃分為高人力資本員工，其余則為低人力資本員工。在此基礎上，將二者平均薪酬比值作為企業內部高、低人力資本員工薪酬差別指標的代理變量，取對數后記作lngap。借鑒孔東民等［20］的研究，高人力資本員工平均薪酬等于高管薪酬總額除以管理層規模；低人力資本員工平均薪酬等于應付職工薪酬總額變化值加上支付給職工以及為職工支付的現金減去高管薪酬總額再除以員工人數。這里將管理層規模定義為“董監高總人數—獨立董事人數—未領取薪酬董監高人數”。

（2）企業工業機器人應用程度。本文參考已有研究［21］，利用Bartik工具變量法構建了企業層面的工業機器應用程度指標robjct，該指標測度了c行業j企業在t年的工業機器人應用程度。具體公式如下：

robjct=（WRAct/LAct0=2010）×（WPjct0=2011/MWP2011）（15）

其中，WRAct為中國c行業t年的機器人存量，LAct0=2010為中國c行業2010年（t0表示基期）的就業人數，WRAct/LAct0=2010測度了中國c行業t年的機器人密度。WPjct0=2011為中國工業部門中c行業j企業在基期（2011年）的生產人員人數，MWP2011表示中國工業部門中全部企業在基期（2011年）生產人員人數比例的中位數。

（3）工具變量。根據錦標賽理論

指較高的薪酬差距能夠激發高管等高人力資本員工群體產生錦標賽效應，從而激勵高管人員加倍通過關于工業機器人等新興智能化技術的應用、研發和創新以獲取職位晉升后的差距獎勵。，擴大薪酬差別可能會激勵企業內部關于工業機器人等新興智能化技術的研發創新［20］，因而易產生逆向因果問題，同時囿于模型與可得數據的限制，現仍無法捕捉到所有遺漏變量。為此，有必要選取適宜的工具變量，用以盡量規避由內生性引發的估計偏差。首先，借鑒既有研究［21］，利用美國行業機器人密度（WRUSAct/LUSAct0=1990）代替中國行業機器人密度引入式（15）構造中國公司級機器人應用程度作為工具變量（取對數后記作rab）。其次，本文還選取工業機器人行業滲透度領先于中國的科技前沿國家來構建公司層面的工具變量，這里主要采用經波蘭行業機器人密度（WRPct/LPct0=1990）與西班牙行業機器人密度（WRSct/LSct0=1990）二者基期機器人存量比例調整后的行業機器人密度引入式（15），計算出中國企業機器人應用程度的另一工具變量（取對數后記作rpb）。本文利用波蘭、西班牙國家的機器人數據構造工具變量原因為：一方面，在汽車、食品飲料制造等機器人應用的主要行業，中國機器人應用的發展趨勢與這些技術領先國家比較接近。如圖1和2所示，在樣本期內兩國的行業機器人滲透程度基本上領先同期的中國，但其變動趨勢與中國頗為相似。另一方面，本文借鑒王永欽等［21］的思路，使用以波蘭、西班牙二者基期機器人存量比例調整后的行業機器人密度作為工具變量。Borusyak等［22］指出，這種形式的工具變量稱為份額轉移（shiftshare），并認為這類工具變量的外生性可以通過滿足外生沖擊（shift）的外生性來實現工具變量的外生性條件。在本文中，份額對應為工業部門c行業j企業2011年生產部門員工占比與工業部門所有企業2011年生產部門員工占比中位數的比值，shift部分使用波蘭、西班牙兩國基期機器人存量比例調整后的行業機器人密度表示。結合Borusyak等［2223］的研究思路可知，工業機器人前沿國家（美國、波蘭與西班牙）在行業層面上的工業機器人密度變動并不能輕易借助影響中國企業的個體特征來影響企業內部薪酬差別，因此工具變量的外生性條件可以滿足。為更進一步說明工業機器人在機器人技術領先國家行業層面上的變動不會影響到中國企業期初特征，本文從企業層面做平衡檢驗，結果見表1。被解釋變量為企業初始時期（2012年）的個體特征變量，包括治理特征與財務特征，核心解釋變量為工具變量rab與rpb。結果表明，中國企業期初與工具變量均無顯著關系，這意味著工具變量并不會通過影響中國企業的個體特征來影響企業內部的薪酬差別。

（4）控制變量。借鑒柳光強等［67，20，24］的研究，選取的具體控制變量為：企業年齡（age），用“ln（調查年份-企業成立年份+1）”計算得到；總資產收益率（ROA），用“凈利潤/總資產余額”測度；資產負債率（lev），是企業總負債占資產總計的比例；企業營業收入增長率（Gro），用“當年營業收入/（上一年營業收入-1）上”衡量；企業銷售規模擴張（sal），用企業銷售收入增長率取對數表示；高管層持股占比（Msh），用高管層持股數量除以總股本；兩職合一（Dua），董事長與總經理是同一個人為1，否則為0；行業控制變量為以企業營業收入計算的行業市場集中度（HHI）。

（三）數據來源

（1）工業機器人數據來自國際機器人聯合會（IFR），該數據庫提供全球主要經濟體的機器人統計數據。考慮到IFR采用的經濟行業分類標準有別于中國，本文借鑒王永欽等［21］的劃分方法，同時參照《國民經濟行業分類》（2017）重新匹配后獲取了包含制造業（二級行業）、采礦業、電力、熱力、燃氣及水生產和供應業等共計17個行業數據

限于篇幅文中沒有匯報，留存備索。。工業機器人進出口的數據可由聯合國貿易和發展數據庫（UNCTAD）獲得。

（2）本文選擇使用2012—2019年中國A股上市企業數據開展實證分析，并依據如下方法篩選原始數據：首先剔除ST、ST、PT（特別轉讓）及金融業的公司數據，其次刪除主要變量為缺失值的數據并進行縮尾處理。此外，公司財務、職工薪資及人員構成等指標來自Wind數據庫和國泰安數據庫。

（3）中國工業的就業數據分別來自《中國工業統計年鑒》《中國人口與就業統計年鑒》，美國、波蘭、西班牙等國家的分行業就業數據源于香港環亞經濟數據庫（CEIC）。

四、實證分析及穩健性檢驗

（一）基準結果：工業機器人應用對企業內部薪酬差別的影響

基于式（14），本文采用2012—2019年上市公司數據，探究工業機器人應用對企業內部薪酬差別的影響關系，估計結果見表3第（1）（2）列。工業機器人應用程度（lnrob）的回歸系數均在1%水平上顯著為正，這意味著工業機器人應用程度的提高拉大了企業內部的薪酬差別（lngap）。從經濟意義上分析，企業面臨的工業機器人應用程度每提高1%，其內部薪酬差別會擴大0.137%，這說明，工業機器人的廣泛應用對加劇企業內部薪酬差別確實存在不容小覷的作用。此外，本文進一步控制所有隨時間變化和不隨時間變化的地區及行業層面的因素，回歸結果見第（3）（4）列，lnrob的回歸系數值仍顯著為正。總體而言，上述回歸結果支持了本文的假說1，即工業機器人應用加劇了企業內部薪酬差別。

（二）穩健性檢驗

1.內生性問題

除了使用美國行業機器人數據構造的工具變量rab外，本文還嘗試利用經波蘭、西班牙兩國基期機器人存量比例調整后的行業機器人數據構造的工具變量rpb解決工業機器人應用對企業內部薪酬差別影響存在的內生性問題。表4匯報了兩階段最小二乘法（2SLS）的檢驗結果。第（1）（2）列顯示，第一階段檢驗結果的F值均大于10，表明不存在弱工具變量問題，即工具變量rab和rpb與內生變量lnrob在統計上存在較強的相關性。第二階段檢驗結果表明，工業機器人應用對企業內部薪酬差別的影響仍為正向顯著，這表明本文的研究結論穩健可靠。

2.穩健性分析：控制規模效應

既有文獻表明，機器人等智能化技術應用能夠產生企業規模效應［25］，而企業規模效應是引發企業內部薪酬差別的關鍵性因素［24］。因此，為了盡可能排除上述效應存在而產生的估計偏差，本文將其納入基準模型式（14）中進行重新估計。這里，本文使用企業規模（siz）表征規模效應［25］。如表5第（1）列結果所示，在控制了規模效應對企業薪酬差別的影響之后，工業機器人應用對薪酬差別的拉大作用依然存在。其中，規模效應顯著擴大了企業內部薪酬差別，這與陳良銀等［24］的研究結論相一致。

3.穩健性檢驗：更換自變量與因變量

為了剔除自變量測度方法對回歸結果的干擾，本文參照李磊等［26］的研究思路，采用行業機器人平均進口強度以重新構建工業機器人應用程度指標，獲取替代指標hrb，檢驗結果見表5第（2）列。結果顯示，在更換自變量工業機器人應用程度后，回歸結果依然顯著為正。

前文依據員工職業類別將高管與普通員工劃分為高、低兩類人力資本員工，為了盡量消除指標構建對估計結果的影響，參考李紅陽等［19］的研究本文又進一步將企業內部專業技術人員界定為高人力資本員工，生產類等人員界定為低人力資本員工，并將二者的平均薪酬之比作為測度企業內部高、低人力資本員工薪酬差別的另一代理變量，取對數記作lngep。其中，生產類人員平均薪酬等于生產類員工薪酬總額除以生產類人員數量；專業技術研發人員平均薪酬等于“研發費用工資薪酬”除以技術研發人員數量。需要說明的是，由于生產員工的薪酬總額數據缺失，本文用“支付給職工以及為職工支付的現金-高管層年度薪酬總額-研發費用工資薪酬-工資薪酬銷售費用-工資薪酬管理費用”測度。表5第（3）列報告了更換因變量企業內部薪酬差別后的穩健性檢驗結果，工業機器人應用的影響系數依然為正向顯著，這意味著工業機器人應用加劇了企業內部高、低人力資本員工的薪酬差別，這與因變量衡量方法的選擇沒有實質關系。

4.穩健性檢驗：排除其他干擾因素

為了最大限度地排除最低工資制度和中國2015年國有企業“限薪令”政策實施對本文結論有效性的影響，本文一方面在基準模型中納入了企業所處地區的最低工資標準（mwg），另一方面將原企業數據中的國有企樣本予以剔除后再利用基準模型重新進行估計，回歸結果如表5第（4）（5）列所示，工業機器人應用的影響方向與基準回歸結果保持一致，均為正向顯著。

五、機制檢驗與異質性分析

（一）外部機會

前文基礎模型論證了工業機器人應用加劇了企業內部高、低人力資本員工之間的薪酬差別，而其作用渠道主要在于工業機器人的廣泛應用引發了高、低人力資本員工外部機會的非對稱變化，進而造成其薪酬談判能力以及薪酬差別的變動。本文借助以下指標檢驗工業機器人對企業內部薪酬差別擴大的影響是否歸因于高、低人力資本員工外部機會的變化。一是使用企業對高管勞動力需求的變化測度高人力資本員工的外部機會，即企業對高人力資本員工的勞動力需求越大，高人力資本員工的外部機會就相對越大，與之相應的薪酬談判能力則相對越強［10］；二是選取崗位更迭率

具體的構建方法采用生產部門人員的人均非研發資本存量占剔除生產部門人員后人均研發資本存量的比值衡量，其中研發資本存量為企業的“研發支出合計”，總資本存量為企業的“固定資產合計”，非研發資本存量為二者的正向差額［27］。作為表征低人力資本員工外部機會的逆向指標。該指標刻畫了低人力資本員工就業崗位被自動化生產所替代的程度，值越大表明替代率越高，與之相關的外部機會就越小。根據理論模型的結論，隨著工業機器人需求沖擊，企業對低人力資本員工類勞動力，特別是從事生產類的低人力資本員工的需求不斷下降。這意味著，低人力資本員工對自動化敏感度越高，工業機器人對低人力資本員工的替代率就越高。即工業機器人應用帶來的智能化生產替代了低人力資本員工的簡單勞動，引致企業對該類型勞動力需求的萎縮，進而導致低人力資本員工外部機會乃至薪酬水平的惡化。

機制檢驗結果見表6，其中第（2）列結果表明，工業機器人應用顯著提升了高人力資本員工的外部機會，即工業機器人應用通過增強高人力資本員工的外部機會拉大薪酬差別。第（4）列結果顯示，工業機器人應用顯著削減了低人力資本員工的外部機會，即工業機器人應用憑借擠壓低人力資本員工的外部機會擴大企業內部薪酬差別。一方面，在人工智能和工業機器人等智能化技術需求沖擊的背景下，智能化技術促進自動化生產所替代的只是一部分勞動，智能化技術也可作為賦能工具，幫助改善勞動生產率，同時增加對某類特定勞動的需求，比如對自動化不敏感的、智能化技術起協助作用的工作［18］。而掌握大量稀缺資源稟賦的高人力資本員工其主要從事管理、協調等一系列不易被智能化技術復制替代的工作［14］，正是高人力資本員工的這一稀缺性特質，刺激了企業對此類特定勞動的需求，進而增強其外部機會乃至薪酬談判能力；另一方面，相比之下，同一行業內工業機器人、人工智能等新型智能化技術的大面積運用，替代了那些原本主要由低人力資本員工從事的程序化、重復性強的工作，比如生產加工類的工作［14］，從而減少了企業間對相關技能低人力資本員工勞動力的需求，限制了相關技能低人力資本員工勞動力的自由流動，最終擠占了相關技能低人力資本員工勞動力的外部機會乃至其相對薪酬談判能力。

（二）生產率效應

根據前文理論分析可知，工業機器人等智能化技術應用可能會通過改變員工自身機能影響其收入的變動，即智能化技術應用更有助于高人力資本員工而非低人力資本員工生產率的提升。為此，借鑒胡晟明［28］對生產率效應的檢驗思路，按照高、低人力資本員工平均薪酬水平劃分企業樣本

本文借鑒胡晟明［28］的設計思路，利用如下方法精確地界定高人力資本員工收入水平較高企業和低人力資本員工收入水平較高企業：將企業樣本依次按照高管平均薪酬、普通員工平均薪酬以及高管與普通員工平均薪酬比的高低分類，其中高管平均薪酬和高管與普通員工薪酬比排在前50%且普通員工平均薪酬排在后50%的企業界定為高人力資本員工收入水平較高企業，同理高管平均薪酬和高管與普通員工薪酬比排在后50%且普通員工平均薪酬排在前50%的企業界定為低人力資本員工收入水平較高企業。，通過分樣本檢驗工業機器人應用是否對不同人力資本員工收入水平企業的生產率產生差異影響，以驗證工業機器人應用可能會更多增加高人力資本員工收入水平較高企業的生產率，從而擴大薪酬差別。計量模型構建如下：

tfpGhjct=αGh0+αGh1lnrobjct+βGhXGhjct+ηGhIct+dGhj+dGht+εGhjct（16）

tfpYhjct=αYh0+αYh1lnrobjct+βYhXYhjct+ηYhIct+dYhj+dYht+εYhjct（17）

其中，tfpGhjct表示高人力資本員工收入水平較高企業全要素生產率，tfpYhjct表示低人力資本員工收入水平較高企業全要素生產率?囿于數據限制，目前尚無法測算出企業內部不同人力資本員工的勞動生產率。本文選擇從企業全要素生產率的角度考察員工的生產率效應。其中，本文使用LP法、OLS和固定效應方法測算企業全要素生產率，并分別記作tfa、tfb和tfc。。當αGh1相較αYh1更顯著時，工業機器人應用更有助于促進高人力資本員工收入水平較高企業全要素生產率的提升，使得高人力資本員工收入水平較高企業的薪酬收入相較低人力資本員工收入水平較高企業增加，進而擴大二者間薪酬差別。表7結果顯示，工業機器人應用對LP法、OLS和固定效應方法測度的高人力資本員工收入水平較高企業全要素生產率為正向且在1%水平上通過顯著性檢驗，但是對低人力資本員工收入水平較高企業全要素生產率的影響均不顯著。由此表明，工業機器人應用通過非對稱提升不同人力資本員工的生產率，加劇生產率分布的不均等程度，引發高、低人力資本員工的薪酬差別擴大。

（三）異質性分析

1.區分企業所有權特征

一般而言，技術變革對薪酬差異的影響是基于一定條件的，例如，在美國等發達國家，強大的工會組織可能降低機器替代人工的概率，進而重塑企業薪酬分配結構［13］。在中國，國有企業通常肩負穩定就業的社會責任，這使得其在采用新型生產技術時會更加審慎。比如，從工業機器人的普及情況來看，國有企業的機器人應用率遠不及非國有企業［21］。再者，國有企業的薪酬決定模式更側重員工間的相對公平［29］。比如，國有企業內部于2009和2015年先后實施了“限薪令”，這對于限制國有企業高人力資本員工薪酬增速過快起到了一定的作用。因此，與國有企業相比，非國有企業內部薪酬差別可能更加明顯。

為了驗證上述理論預期，本文首先依照上市公司的屬性，將中央及地方國有企業劃分為國有企業，其余則為非國有企業。其次設定國有企業啞變量Soe，與工業機器人應用程度lnrob交乘后引入基準模型中，檢驗結果見表8第（1）列。其中，交互項（lnrob×Soe）的影響系數在5%水平上顯著為負，表明工業機器人應用對非國有企業內部薪酬差別的擴大作用更加顯著。顯然，工業機器人對企業內部薪酬差別的影響，會隨著企業所有權性質的不同而呈現差異化。

2.企業對外貿易

近年來，中國東部地區的“機器換人”如火如荼地進行，特別是以出口加工貿易為主的企業，工業機器人的大面積應用正逐步擠占執行常規類任務勞動者（如從事生產加工類的低人力資本員工）的就業崗位。

余玲錚等［13］認為，貿易的變化會通過改變勞動者執行任務的類型重塑任務技能的需求以及薪酬分配。那么，企業是否開展對外貿易業務會不會對工業機器人影響企業內部薪酬差別產生一定的推動作用呢？

為此，本文首先借助“海外業務收入”與“主營收入構成（按地區）”這兩個變量識別上市企業中開展對外貿易業務的樣本，將其設定為啞變量Exp，如果企業開展對外貿易業務，則Exp取值為1，否則為0。其次，將交乘項lnrob×Exp加入基準模型，檢驗結果見表8第（2）列。交乘項的影響系數為正向顯著，表明機器人對薪酬差別擴大作用在開展對外貿易的企業中最為突出。

六、結論和啟示

本文通過建立納入高、低人力資本員工外部機會模型推演工業機器人應用對企業內部薪酬差別的影響機理，并利用企業面板數據進行了實證分析，研究結果表明：工業機器人應用加劇企業內部高、低人力資本員工之間薪酬差別的拉大，其主要原因是工業機器人應用對高、低人力資本員工外部機會和生產率的非對稱沖擊，使得高人力資本員工外部機會增加，低人力資本員工外部機會相對減少，進而拉大二者之間的薪酬差別。工業機器人應用對非國有企業、出口貿易類企業內部薪酬差別的擴大作用更為突出。本文的研究結論具有如下政策啟示：

第一，加強個性化職業技能培訓與工會組織建設，多維度提升低人力資本員工的薪酬談判能力。一方面，要持續重點關注企業內部低水平、低學歷以及從事生產加工等常規類工作的低人力資本員工群體，并為之提供相匹配的職業技能培訓，以期不斷拓寬低人力資本員工的多元職業技能；另一方面，還應當著重提升低人力資本員工的非常規技能，比如溝通、交流、組織、協調等一系列不易被智能化技術復制替代的隱形能力，以增進其與智能機器人的適配性；同時，還應當加強各企業內部與各地區間勞動工會組織的建設，增強弱勢低人力資本員工群體的集體薪酬談判能力。

第二，敦促相關企業完善其內部薪酬合約設計，實現效率與公平的有效統一。基于工業機器人技術的應用，在非國有、對外貿易類企業中的薪酬差別擴大作用更顯著，政府部門應當“因地制宜”，在不干預和影響企業績效提升的同時，指導企業兼顧內部收入分配的相對公平。例如，政府應該積極敦促非國有企業及對外貿易類企業優化薪酬體系設計，實行多維度的績效激勵機制，并引導企業不斷優化內外監督機制，適時增加內部薪酬分配的透明度。此外，鑒于出口貿易類企業多集聚于東部地區，為防止過度集中可能導致收入不平等的加劇，應當加大對當地低人力資本員工群體在住房、醫療及養老方面的補貼，同時積極將企業內部富余勞動力引流到目前不易被智能化技術替代的職業崗位，比如一些基礎服務性崗位，等等。

第三，利用稅收政策，調節企業內部收入分配。改革收入所得稅制度，逐步降低高、低人力資本員工群體的收入稅率及起征點，相應適度增加企業高管層等高人力資本員工的工資性收入及資產性的收入稅率，必要時可在深入研究的前提下對企業和高級管理層按使用工業機器人的數量進行征稅。同時，利用稅收優惠、財政補貼等措施引導對企業工業機器人應用決策的影響，引導其在薪酬分配時著重考慮低人力資本員工利益，同時吸納企業內部“冗余”員工，以緩解工業機器人技術發展對薪酬分配造成的負面沖擊。

參考文獻：

［1］?陳宗勝.綜合運用經濟發展、體制改革及分配舉措推進共同富裕［J］.經濟學動態，2021（10）：1933.

［2］?魏志華，王孝華，蔡偉毅.稅收征管數字化與企業內部薪酬差距［J］.中國工業經濟，2022（3）：152170.

［3］?SONG?J，PRICE?D?J，GUVENEN?F，?et?al．Firming?up?inequality?［R］.?National?Bureau?of?Economic?Research?Working?Paper，No.21199，?2015.

［4］?張昭，馬草原，楊耀武.?薪酬管制會抑制企業高管的超額薪酬嗎：基于2015年“限薪令”的準自然實驗［J］.當代經濟科學，2021（5）：114127.

［5］?JENSEN?M?C，?MECKLING?W?H.?Theory?of?the?firm：managerial?behavior，?agency?costs?and?ownership?structure［J］.Journal?of?Financial?Economics，1976，3（4）：305360.

［6］?柳光強，孔高文.高管海外經歷是否提升了薪酬差距［J］.管理世界，2018（8）：130142.

［7］?柳光強，孔高文.高管經管教育背景與企業內部薪酬差距［J］.會計研究，2021（3）：110121.

［8］?黎文靖，胡玉明.國企內部薪酬差距激勵了誰？［J］.經濟研究，2012（12）：125136.

［9］?方軍雄.高管權力與企業薪酬變動的非對稱性［J］.經濟研究，2011（4）：107120.

［10］FALEYE?O，?REIS?E，?VENKATESWARAN?A.?The?determinants?and?effects?of?CEOemployee?pay?ratios［J］.Journal?of?Banking?Finance，2013，37（8）：32583272.

［11］OBERDABERNIG?D?A.?Employment?effects?of?innovation?in?developing?countries：a?summary［R］.?Swiss?Programme?for?Research?on?Global?Issues?for?Development?R4D?Working?Paper，?2016.

［12］BENZELL?G?S，?BRYNJOLFSSON?E.?Digital?abundance?and?scarce?genius：implications?for?wages，interest?rates，and?growth［R］.?National?Bureau?of?Economic?Research?Working?Paper，No.25585，2019.

［13］余玲錚，魏下海，孫中偉，等.工業機器人、工作任務與非常規能力溢價：來自制造業“企業—工人”匹配調查的證據［J］.管理世界，2021（1）：4759.

［14］周廣肅，李力行，孟嶺生.智能化對中國勞動力市場的影響：基于就業廣度和強度的分析［J］.金融研究，2021（6）：3958.

［15］謝申祥，陸毅，蔡熙乾.開放經濟體系中勞動者的工資薪酬談判能力［J］.中國社會科學，2019（5）：4059.

［16］KORINEK&nbsp;A，?STIGLITZ?J?E.?Artificial?intelligence?and?its?implications?for?income?distribution?and?unemployment［R］.?National?Bureau?of?Economic?Research?Working?Paper，No.24174，?2017.

［17］PRETTNER?K，?STRULIK?H.?The?lost?race?against?the?machine：?automation，?education?and?inequality?in?an?R＆D：based?growth?model［R］.?Center?for?European?Governance?and?Economic?Development?Research?Discussion?Paper，No.329，2017.

［18］郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動［J］.管理世界，2019（7）：6077.

［19］李紅陽，邵敏.?城市規模、技能差異與勞動者工資收入［J］.管理世界，2017（8）：3651.

［20］孔東民，徐茗麗，孔高文.企業內部薪酬差距與創新［J］.經濟研究，2017（10）：144157.

［21］王永欽，董雯.機器人的興起如何影響中國勞動力市場：來自制造業上市公司的證據［J］.經濟研究，2020（10）：159175.

［22］BORUSYAK?K，?HULL?P，?JARAVEL?X.?Quasiexperimental?shiftshare?research?designs［J］.Review?of?Economic?Studies，?2022（89）：181213.

［23］陳媛媛，張競，周亞虹.工業機器人與勞動力的空間配置［J］.經濟研究，2022（1）：172188.

［24］陳良銀，黃俊，陳信元.混合所有制改革提高了國有企業內部薪酬差距嗎？［J］.南開管理評論，2021（8）：150162.

［25］陳宗勝，趙源.不同技術密度部門工業智能化的就業效應：來自中國制造業的證據［J］.經濟學家，2021（12）：98106.

［26］李磊，王小霞，包群.機器人的就業效應：機制與中國經驗［J］.管理世界，2021（9）：140118.?

［27］胡晟明，王林輝，董直慶.工業機器人應用與勞動技能溢價：理論假說與行業證據［J］.產業經濟研究，2021（4）：6983.

［28］胡晟明.中國工業智能化對勞動收入不平等的影響研究［D］.上海：華東師范大學，2022：115116.

［29］張車偉，薛欣欣.國有部門與非國有部門工資差異及人力資本貢獻［J］.?經濟研究，2008（4）：1525.

［本刊相關文獻鏈接］

［1］?王春凱，許珍珍.互聯網發展對區域勞動力就業匹配的影響研究：基于人力資本—產業結構視角［J］.當代經濟科學，2023（4）：127138.

［2］?李琬，張國勝，楊明洪.互聯網使用如何影響社會公平感？［J］.當代經濟科學，2023（4）：4558.?

［3］?柴建，王瑤瑤，李曉芬，等.中國收入差距核心影響因素提取與非線性動態影響效應研究［J］.當代經濟科學，2023（1）：7488.?

［4］&nbsp;黃詩華，陳艷，陳邑早，等.高管薪酬公平感知與公司股價崩盤風險［J］.當代經濟科學，2022（6）：97111.

［5］?田瑤，郭立宏.數字普惠金融縮小收入差距了嗎：來自中國家庭追蹤調查的經驗證據［J］.當代經濟科學，2022（6）：5770.

［6］?張寬，黃凌云.結構的力量：人力資本升級、制度環境與區域創新能力［J］.當代經濟科學，2022（6）：2841.

［7］?賀建風，吳慧.基于列聯表方法的中國居民收入流動性測度［J］.當代經濟科學，2022（3）：1327.

［8］?蔣藝翅，姚樹潔.信息披露質量對企業創新的激勵與治理效應研究［J］.當代經濟科學，2022（2）：117128.

［9］?沈悅，趙強，朱雅玲.動態視角下技能溢價對居民消費影響的非線性特征研究［J］.當代經濟科學，2022（1）：92103.

［10］李翠妮，葛晶，趙沙俊一.人工智能、老齡化與經濟高質量發展［J］.當代經濟科學，2022（1）：7791.

［11］李后建，王穎.最低工資標準如何影響企業產能過剩［J］.當代經濟科學，2017（6）：7990.

［12］呼建光，肖萌，姜思宇.國有企業高管限薪：有效管制還是過度干預［J］.當代經濟科學，2017（3）：108115.

編輯：鄭雅妮，高原