工業機器人、人力資本與就業
——以紡織產業為例

趙君麗, 寧江霞, 張文秋

(東華大學 a.旭日工商管理學院 b.紡織服裝產業研究所,上海 200051)

作為“用于工業環境中自動控制、可重復編程的多用途機械手”[1],工業機器人與生產深度融合已成為企業降低成本的重要手段。紡織產業智能化轉型成為趨勢,化纖、紡紗、印染、服裝、家紡等智能化生產線應用工業機器人成效顯著。盡管工業機器人的普及益于提高生產效率、推動產業轉型升級,但也伴隨著就業數量下降。據測算,2007—2019年,中國紡織產業就業數量從1 085.75萬人降至693.49萬人。同時,機器人應用降低了多數行業的勞動收入份額,尤其是勞動密集型行業[2],這引發了民眾對“機器換人”的擔憂。在此背景下,探究紡織產業如何以數智化轉型帶動更高質量的就業,有利于提升紡織從業人員的安全感、增進民生福祉,進一步促進紡織產業高質量發展。

工業機器人影響就業數量的觀點主要分為三類:一是就業替代論[3-7];二是就業創造論[8-10];三是替代和創造效應在新技術發展的不同階段更迭[11-12]。此類研究來源于多個行業,雖然因樣本、方法、模型的不同,尚未形成共識性結論,但是仍為針對性分析工業機器人如何影響紡織產業就業提供了理論基礎。本文從就業數量與就業質量兩方面,對工業機器人的就業影響機制進行理論分析;基于國際機器人聯盟(International Federation of Robotics,IFR)數據,將紡織產業層面工業機器人數量匹配至省級層面,采用固定效應模型,實證研究工業機器人應用對紡織產業就業數量和就業質量的影響效果、作用機制與異質性表現,拓展了勞動密集型產業數智化轉型的理論研究,以期為紡織產業實現更高質量的就業提供參考路徑。

1 文獻綜述與研究假設

本文研究的紡織產業涵蓋紡織業、紡織服裝、服飾業和化學纖維制造業[13]。據中國紡織工業聯合會報告,“十三五”期間紡織加工過程智能化及裝備技術水平取得明顯進展[14]。目前,工業機器人已應用于中國紡織產業的棉紡、針織、印染、化纖和服裝制造等眾多領域,如自動落紗機器人、自動包裝機器人、自動對目縫合機、印染機器人和多臂式機器人等[15],協助進行紡織服裝的智能制造生產。針對紡織加工過程的具體生產情景,工業機器人的末端機械抓手配置迥異。在智能視覺系統的配合下,柔性抓手可靈活精準地抓取紗線、衣物等柔軟材料[16]。隨著技術創新與紡織產業的深度融合,機器人將逐步應用到全流程、全要素生產過程中,實現生產的智能化與自動化。

1.1 工業機器人與就業數量

國內外學者對工業機器人應用所產生的就業效應展開了研究,多數學者支持“就業替代論”[17-19]。工業機器人操作靈活,能快速調整生產并響應需求變化[20-21],替代原本由人力完成的部分工作。工業機器人的應用一方面催生了新模式、新業態[22],重塑了對勞動力的需求及分配[8],促進產業結構的調整和優化[23],帶來新的就業崗位;另一方面,提高了生產效率,促使企業吸納更多具備新技能的勞動力以擴大生產規模[9-10],表現為“就業創造效應”。也有學者認為替代和創造出現在新技術發展的不同階段[11-12],工業機器人短期內會造成技術對就業的擠出與替代,而長期技術創新會創造更多的就業機會。紡織產業生產工序多、流程長,生產模式正由大批量生產向小單快反轉變,工業機器人的應用在實現快速換線、換模[24]、提高生產效率、保持生產過程連續性的同時,降低了人力需求[16]。工業機器人對紡織產業生產線單調重復的工序替代性強,以棉紡織行業為例,一臺落紗機器人可以替代傳統的人工拔管、插管工作,完成8名操作工人的工作量,節約50%的勞動力成本[25]。基于上述分析,本文提出研究假設1。

H1:工業機器人的應用對中國紡織產業就業數量總體上呈現為替代效應。

1.2 工業機器人與就業質量

學者們通常以工資水平指標對就業質量加以衡量[26-27]。不少學者對工業機器人的應用持消極態度,將工業機器人應用視為一種供給沖擊,認為機器對勞動的替代導致工人工資議價能力下降[28-32],機器人對工資率的提升作用不及對生產率的促進作用,導致收入份額下降[33]。此外,工業機器人帶來工作任務的變化,重塑了工作所需的技能[34],而勞動力市場結構的變化與企業用工需求的變化并不同步,短期內會導致技術結構失衡[35-36],工資水平下降。也有一些學者對工業機器人的發展抱有積極看法,認為工業機器人引起了人力資本結構的變化[37-38],低技能勞動力被機器替代,高技能人員就業份額增加且擁有高工資,從而推動產業工資水平的上升。具體到紡織產業,已有研究表示,工業機器人應用通過提升生產技術水平進而提高紡織產業的全要素生產率[39],促使企業實現個性定制的規模化生產,擴大生產規模和總產出[40],提高銷售收入,從而使勞動者獲得更高的勞動報酬。基于以上理論分析,本文提出研究假設2。

H2:工業機器人的應用可以提升紡織產業平均工資水平,提高就業質量。

1.3 人力資本的作用

技能被視為人力資本的內核[41]。眾多學者關注工業機器人對不同技能勞動力就業所產生的影響。研究發現,工業機器人替代了常規技術崗位,而對非常規技術崗位表現為創造效應[42-44],且技能水平越高,工業機器人產生的工資溢價越大[45-46]。由此可推斷,人力資本水平在工業機器人應用對就業數量和就業質量的影響中起調節作用。若產業人力資本水平高,即使工業機器人的應用帶來工作任務的轉變,勞動者也可通過技能培訓能快速適應新任務,不會造成大規模技術性失業,對就業產生的替代效應減小;反之,若產業人力資本水平低,工業機器人的應用導致勞動力供給與企業用工需求不匹配,則對就業產生的替代效應顯著。當產業人力資本水平較高時,工業機器人的就業替代效應有限,因而應用工業機器人來降低成本的效果不明顯,短期內工資水平增速緩慢;當產業人力資本水平較低時,應用工業機器人發揮的提質增效作用較大,進而增加企業利潤,提升工資水平。由此,本文提出研究假設3和4。

H3:紡織產業人力資本的提高弱化了工業機器人應用對就業數量的替代效應。

H4:紡織產業人力資本的提高弱化了工業機器人應用對就業質量的提升作用。

綜上,工業機器人應用分別對紡織產業就業數量和就業質量產生影響,在此過程中人力資本起到調節作用,影響機理如圖1所示。

圖1 工業機器人應用對紡織產業就業的影響機制Fig.1 Impact mechanism of industrial robots’ application in employment in the textile industry

2 模型設定與變量說明

2.1 模型設定

本文將國際機器人聯盟行業分類中的紡織業與中國制造業分類中的紡織業、紡織服裝、服飾業和化學纖維制造業匹配,構造2007—2019年中國31個省級行政區的面板數據,實證研究紡織產業工業機器人應用對就業數量和就業質量的影響效果與機制。參考Acemoglu等[3]的機器人與就業理論框架及王曉娟等[12]的研究模型,構建實證模型如下:

employeeit=α0+α1robotit+α2Xit+εit

(1)

wageit=β0+β1robotit+β2Xit+εit

(2)

employeeit=γ0+γ1robotit+γ2Mit+γ3robotit×Mit+γ4Xit+εit

(3)

wageit=δ0+δ1robotit+δ2Mit+δ3robotit×Mit+δ4Xit+εit

(4)

式中:i、t分別表示省份和時間,employee表示就業數量,wage表示就業質量,robot表示工業機器人應用,Xit表示一系列控制變量,Mit為調節變量,εit為隨機誤差項。

式(1)和式(2)分別考察紡織產業工業機器人應用對就業數量和就業質量的影響,式(3)和式(4)分別考察紡織產業人力資本水平對工業機器人應用影響就業數量及就業質量的調節作用。

2.2 變量選取與數據說明

2.2.1 被解釋變量

紡織產業就業數量(employee)、紡織產業就業質量(wage)。在就業數量層面,本文使用紡織產業平均用工人數衡量紡織產業就業數量。在就業質量層面,提升從業人員收入水平是紡織產業“十四五”時期增進民生福祉、實現更高質量就業的主要指標[14],結合現有研究[26-27],采用紡織產業平均工資水平作為就業質量的代理變量。被解釋變量在樣本期內的整體變化趨勢如圖2所示,可見紡織產業就業數量在2007—2010年波動下降,2011—2014年較為平穩,2014年之后就業數量下降速率變快,而就業質量整體呈上升趨勢。

2.2.2 核心解釋變量

紡織產業工業機器人應用水平(robot)。國際機器人聯盟數據顯示,2007年工業機器人開始應用于中國紡織產業,2014年紡織產業工業機器人數量破百,2019年數量突破1 000個。由于IFR僅提供國家—產業層面數據,因此參考韓民春等[47]的研究,假設各省工業機器人存量取決于該省紡織產業的產值份額,將產業數據分解至省份層面,得到中國31個省級行政區紡織產業工業機器人的保有量,用以衡量紡織產業工業機器人應用水平。圖2展示了核心解釋變量的變化趨勢,2007—2013年紡織產業工業機器人應用水平較低,2014年之后應用水平提升迅速。

數據來源:IFR、中國工業經濟統計年鑒。圖2 紡織產業就業數量、就業質量和工業機器人應用水平變化趨勢Fig.2 Changing trend in the quantity and quality of employment and the application level of industrial robots in the textile industry

2.2.3 調節變量

紡織產業人力資本(M)。現有文獻主要以分行業規模以上企業研發人員全時當量作為人力資本的代理變量[18],本文參考該測量方法,兼顧研究目的與數據的可得性,采用各省紡織產業上市公司研發人員占比測度紡織產業人力資本。

2.2.4 控制變量

為排除其他經濟因素的影響,參考王曉娟等[12]和孔高文等[48]的研究,本文對價格變動(cpi)、貿易水平(trade)、外商投資(fdi)、研發投入(rd)、教育水平(educate)、城鎮化水平(urban)、人均GDP水平(pgdp)和技術水平(techmarket)這些區域和產業因素進行控制。

本文所有變量定義與測量方式如表1所示,考慮到變量之間數量級差距,對部分變量作對數化處理。變量的描述性統計結果如表2所示,其中,各變量方差膨脹因子(VIF)值均小于10,方差膨脹因子均值為4.23,小于5且遠小于10,故不存在嚴重的多重共線性問題。

表1 變量定義與數據來源Tab.1 Variable definition and data sources

表2 變量的描述性統計結果Tab.2 Descriptive statistics of variables

3 實證結果與分析

3.1 基準回歸

本文使用2007—2019年中國31個省級行政區的面板數據,通過豪斯曼檢驗確定使用固定效應模型。表3報告了模型的基準回歸結果,前三列考察紡織產業工業機器人應用對就業數量的影響,后三列考察工業機器人應用對就業質量的影響。其中,表3第(1)(4)列匯報了控制變量與被解釋變量的回歸結果,表3第(2)(5)列僅考察工業機器人應用對被解釋變量的影響,表3第(3)(6)列綜合考察工業機器人應用對就業數量與就業質量的影響。

僅考慮核心解釋變量時,如表3第(2)列所示,工業機器人應用對就業數量產生負向沖擊。引入控制變量后,如表3第(3)列所示,核心解釋變量系數為-0.31,在1%水平下顯著為負。表明工業機器人應用對就業表現為替代效應,驗證了假設1。表3第(5)列表明,工業機器人應用對紡織產業就業質量具有顯著的促進作用,引入控制變量后,工業機器人應用的回歸系數為0.04,依舊在1%水平下顯著為正,驗證了假設2。綜上,工業機器人應用對就業數量產生了替代效應,同時也提高了就業質量。

3.2 穩健性檢驗

首先,采用替換核心解釋變量法進行穩健性檢驗。借鑒王曉娟等[12]采用的工業機器人安裝密度、盛斌等[49]構建的企業數字治理指標,將其作為紡織產業工業機器人應用水平的代理變量進行穩健性檢驗,結果如表4所示。表4第(1)列robot在1%水平下顯著為負,表明工業機器人應用水平提升對就業數量產生替代效應;表4第(2)列robot分別在1%水平下顯著為正,表明應用工業機器人有利于促進就業質量的提升,上述作用效果與前文估計結果基本保持一致。

其次,采用工具變量法處理內生性問題。紡織企業普遍存在招工難、招工貴的問題,企業可能會將工業機器人投入生產填補勞動力空缺,因此工業機器人應用和就業可能存在雙向因果關系。鑒于此,本文參考王曉娟等[12]的研究,選擇滯后一期工業機器人保有量為工具變量(IV)來緩解上述問題。一方面,各省紡織產業滯后一期工業機器人保有量(L.robot)會對后續階段工業機器人保有量產生影響,可以滿足相關性要求。另一方面,當期的擾動因素難以影響到t-1期的工業機器人保有量,因而robott-1也可以滿足外生性要求。接著,使用兩階段最小二乘法(2SLS)重新估計,回歸結果如表4第(3)(4)(5)列所示。本文工具變量僅選取滯后一期核心解釋變量,不存在過度識別的問題。Andersoncanon.corr.LM統計量為256.17和272.46,均在1%的顯著性水平下拒絕工具變量識別不足的假設。Cragg-DonaldWaldF統計量的值為752.82和1 037.62,均大于Stock-Yogo弱工具變量檢驗在10%水平上的臨界值,拒絕弱工具變量假設。第一階段工具變量(robott-1)和內生變量(robot)在1%的顯著性水平下相關,系數為1.03。第二階段就業數量和就業質量對核心解釋變量的回歸系數分別為-0.35和0.04,分別通過了1%和5%的顯著性檢驗,表明工業機器人應用替代了紡織產業就業,促進了就業質量的提高。以上結果表明,在使用工具變量法緩解了潛在內生性問題后,前文結論依然穩健。

3.3 調節效應檢驗

表5反映了人力資本水平對工業機器人應用影響就業數量和就業質量的調節效應。表5第(1)列中,人力資本與工業機器人交互項的系數為0.15,通過了5%的顯著性檢驗,驗證了假設3,隨著人力資本水平的提升,工業機器人應用對就業數量的替代效應減弱。表5第(2)列中,robot×M的系數顯著為負,robot與基準回歸結果一致,證實了假設4,表明紡織產業人力資本的提高弱化了工業機器人應用對就業質量的提升作用。結果表明,人力資本水平是工業機器人應用影響就業數量和就業質量的重要調節變量。

3.4 異質性檢驗

3.4.1 空間異質性

鑒于中國紡織產業轉移事實與空間集聚格局,以及勞動力跨區域、跨部門流動對工業機器人就業空間配置的影響[50-51],本文進一步考察工業機器人對就業影響的空間異質性。周笑等[52]將31個省級行政區紡織業發展演化空間格局劃分為平穩型、提高型、降低型和波動型四類,用以區分紡織產業轉移可能性和發展水平演化兩項因素是平穩變化、由低到高變化、由高到低變化還是波動變化。表6反映了不同演化空間格局下工業機器人應用所產生的異質性就業效應,其中表6第(1)(3)(5)(7)列為工業機器人應用對就業數量的影響結果,表6第(2)(4)(6)(8)列為工業機器人應用對就業質量的影響結果。表6第(1)(2)列結果顯示,平穩型發展省份的工業機器人應用顯著降低了就業數量,同時提高了就業質量。表6第(3)列結果顯示,提高型發展省份的工業機器人應用對就業產生替代效應。表6第(5)列結果顯示,降低型發展省份工業機器人應用促進了當地就業數量的提升,而波動型發展省份的工業機器人就業效應不顯著。綜上所述,在就業數量上,工業機器人在紡織產業平穩型和提高型發展省份產生了就業替代效應,而在降低型發展省份產生了就業創造效應。在就業質量上,工業機器人有利于提升平穩型發展省份紡織產業的就業質量。可能的解釋是,平穩型發展省份資本與勞動已達到要素最佳配置水平,而工業機器人本質仍是資本,工業機器人應用導致資本對勞動力產生替代。降低型發展地區紡織產業生產規模較小、市場化程度較低,工業機器人應用提高了生產效率,企業會增加就業數量以實現規模化生產。

3.4.2 性別和技能異質性

機器人應用不僅會導致就業數量和質量的變化,也會帶來就業結構的調整[53]。首先考察工業機器人應用對紡織產業勞動者性別結構的影響,回歸結果如表7第(1)(2)列所示。結果顯示,robot的系數均在1%顯著性水平下為負,工業機器人在紡織產業中的應用對男性和女性均表現為顯著的負向影響,且對男性的替代效應大于對女性的替代效應。可能的解釋是,工業機器人應用會替代紡織產業中重復機械、勞動強度大的崗位,減少男性勞動者的就業數量。其次考察工業機器人應用對紡織業技能結構的影響。表7中第(3)(4)列反映了紡織業機器人應用對研發人員和低技能人員就業數量的影響。結果表明,工業機器人應用替代紡織產業低技能勞動者的同時,促進研發人員就業數量的提升。

3.4.3 時間異質性

IFR數據顯示,中國紡織產業自2013年開始才大規模引入工業機器人,以2013年為界將樣本劃分為2007—2012年和2013—2019年,考察不同時期工業機器人應用對就業的影響,結果如表8所示。表8第(1)(2)列結果顯示,2007—2012年和2013—2019年紡織產業工業機器人應用均對就業數量產生替代效應,但后者的顯著性較前者有一定幅度降低,表8第(3)(4)列結果表明,紡織產業工業機器人應用促進了就業質量的提升,且后者顯著性較前者有所上升。從時段分期來看,隨著工業機器人應用水平的提升,工業機器人對就業數量的替代顯著性減弱,對就業質量的提升顯著性加強。

4 政策建議

隨著紡織產業智能化、數字化轉型,工業機器人被大量應用,為正確應對工業機器人對紡織產業就業帶來的影響,本文提出以下政策建議:

第一,協調技術創新與就業高質量發展。歷數三次工業革命,先進技術產生的就業替代都較為短暫,長期來看,技術創新并不會導致失業率升高,反而會提高生產效率,創造新崗位。紡織產業作為民生產業,在穩就業、保民生方面發揮了重要作用,但是紡織產業當前也普遍存在“招工難、招工貴”的困擾,數字化、智能化、自動化、綠色化是紡織產業的轉型方向,本文研究表明工業機器人的應用會對就業產業替代效應,同時也會伴隨工資上漲。因此,紡織企業對于工業機器人的應用應秉持要素價格與要素數量最優匹配原則,實現機器人應用、紡織產業數智化與高質量就業的協同發展。

第二,加強對紡織產業勞動者的技能培訓。技術創新會帶來勞動者工作內容的轉變,對勞動者提出更高的技能需求,因此要加強對工人的教育培訓,幫助工人掌握適應機器的新技能,實現人機的合作與互補。低技能勞動力在生產中更容易被機器人替代,企業應開展針對性的操作培訓,緩解機器換人造成的技術性失業問題,實現勞動力市場結構的變化與企業用工需求變化同步。中國制造業正處于轉型階段,勞動力結構也應隨之升級,產業要深化產學研合作,把高校積累的人才、科研等優勢集中轉化為企業未來生產的儲備資源。

第三,因地制宜、因時制宜推動工業機器人的應用。根據地區紡織產業發展水平循序漸進地將工業機器人投入生產中,對于紡織產業處于發展前端的省份,在推進工業機器人應用時,應注重高技能人才和研發人員的培養;對于工業機器人應用尚處于探索階段的省份,在深化工業機器人應用的同時,要加強對低技能勞動力的技能培訓;提倡地區間從業人員流動,保持就業市場的穩定。

5 結 論

本文利用2007—2019年紡織產業的省級面板數據,考察工業機器人應用影響就業數量和就業質量的機制與效果。通過建立固定效應模型進行實證分析,采用替換核心解釋變量和IV-2SLS法進行穩健性檢驗,并探討了作用效果的異質性。研究發現:

1) 紡織產業工業機器人應用對就業產生了替代效應,同時也提高了就業質量,替換核心解釋變量和處理內生性之后結論依舊穩健。

2) 人力資本水平是工業機器人應用影響就業數量和質量的調節變量。隨著人力資本水平的提高,工業機器人應用的就業替代效應和質量提升作用均減弱。

3) 工業機器人應用對就業的影響存在空間、性別、技能和時間異質性。工業機器人應用對紡織產業平穩型和提高型發展省份產生就業替代作用,對降低型發展省份產生就業創造效應,對平穩型發展省份產生顯著就業質量提升作用;工業機器人應用對男性的替代大于女性,工業機器人替代低技能勞動者就業,創造研發人員崗位;2013年以前工業機器人應用對就業數量的替代效應和2013年以后對就業質量的提升效應更顯著。

囿于現有數據存在的不足,紡織產業就業質量的衡量指標過于單一,未來可以構建紡織產業就業質量的指標體系,挖掘其他數據全面分析工業機器人應用對就業質量的影響。此外,隨著工業機器人快速發展和應用加速,全產業鏈數智化協同成為明顯發展趨勢,企業在生產中如何堅持“人本智造”理念,技術創新如何帶動勞動者收入提高,進而實現共同富裕是未來值得關注和思考的重要課題。

《絲綢》官網下載

中國知網下載