工業機器人應用與企業勞動力成本粘性

趙立彬 王法嚴 趙 妍 楊潔

【摘 要】 文章以2009—2019年A股制造業上市公司為樣本，采用國際機器人聯合會（IFR）報告的工業機器人數據，考察工業機器人對企業勞動力成本粘性影響及作用機制。研究發現，工業機器人應用能夠降低企業勞動力成本粘性。機制分析發現，工業機器人應用通過降低勞動技術替代水平，進而降低企業勞動力成本粘性；與人均薪酬粘性相比，工業機器人應用對員工數量粘性，尤其是低技能員工數量粘性的降低作用更顯著。異質性分析表明，這一降低作用在技術水平低、所處地區老齡化程度高以及勞動力保護程度低的企業中更顯著。進一步研究發現，工業機器人應用能夠弱化企業勞動力成本粘性與未來勞動生產率之間的正向關系，減少企業對勞動力的依賴水平。研究結論有助于合理評估工業機器人應用的微觀價值創造效應，為推動工業機器人應用提供經驗證據。

【關鍵詞】 工業機器人； 勞動力成本粘性； 人口老齡化； 勞動生產率

【中圖分類號】 F241；F275? 【文獻標識碼】 A? 【文章編號】 1004-5937（2024）09-0064-09

一、引言

國家統計局數據顯示，2022年末，中國人口比2021年減少85萬人，為近61年來首次負增長。從年齡結構看，16—59歲勞動年齡人口減少666萬人，60歲及以上人口增加1 268萬。這意味著中國將進入人口負增長常態化時期，勞動力市場面臨老齡化挑戰[1]。已有研究發現，人口老齡化會顯著提高勞動力成本粘性[2]，影響企業價值創造。為應對勞動力成本沖擊，企業更可能利用機器設備代替人工[3-4]。

2021年，《“十四五”機器人產業發展規劃》提出到2025年實現中國制造業機器人密度翻番。既有文獻已從替代效應、生產效率效應和結構效應考察了機器人自動化應用對就業的影響[5-6]。替代效應是指機器換人減少了對人工的需求；生產率效應是指機器人使用提升企業生產效率，企業規模擴大，增加了對無法被機器人替代的勞動力的需求；結構效應是指機器人自動化應用導致勞動力在不同部門之間重新進行分配。機器人對勞動力需求的影響取決于上述三種效應的疊加。

基于中國經驗證據，機器人應用會導致企業內部勞動力結構的變化，一方面淘汰低技能勞動力，另一方面又產生對高技能勞動力的依賴[7]。這說明工業機器人應用不僅會在宏觀層面影響勞動需求，也可能會在微觀層面影響企業勞動力調整的靈活性。然而，現有研究僅提供了機器人對勞動力需求的影響。老齡化沖擊加速了人口紅利消退與勞動力成本上升，在新時代勞動力市場變革的新趨勢、新背景下，機器人應用到底對企業勞動力成本調整帶來何種影響，是否以及如何促進企業對勞動力成本的調整，是否會降低勞動力成本粘性是值得關注的話題。

本文的邊際貢獻體現在以下三個方面：第一，以工業機器人應用為切入點，在企業層面生產方式發生顯著變革的情況下，討論勞動力資源配置的調整，為勞動力成本粘性影響因素的研究提供新視角。第二，現有機器人應用的研究主要依賴行業層面的數據，關注宏觀層面的經濟后果，探究其對勞動力市場的影響，如市場需求、市場結構、勞動就業等。鮮有研究外部沖擊對微觀企業成本管理的影響。本研究基于微觀企業層面視角，探究機器人應用對企業勞動力成本粘性的影響及其機制，擴展了機器人應用的研究范疇。第三，豐富了企業勞動生產率方面的研究。本研究以企業微觀財務決策為切入點，考察機器人應用對企業勞動生產率的影響，補充和豐富了勞動生產率影響因素的文獻。

二、理論分析與研究假設

國際機器人聯合會（IFR）《2022年全球機器人報告》中指出，中國是全球第一大工業機器人市場和亞洲地區最大的機器人采用國，工業機器人的應用對生產過程中人類勞動產生了重大的影響[8]，導致制造業勞動力需求結構發生變化，更需要從事管理類及專業技術類職業而非制造生產類職業的勞動力[9]，這可能直接影響企業勞動力調整。Andersen et al.[10]開創性地提出成本是具有“粘性的”，即業務量增加時成本上升的幅度大于業務量減少時成本下降的幅度。他們將成本粘性歸因于管理者為應對銷售變化而調整資源配置，并指出資源調整成本決定了成本粘性的程度。勞動力成本作為企業業務量變化時調整的關鍵資源之一，同樣可能表現出顯著的粘性[11]?，F有研究發現工業機器人的應用對勞動力調整的影響主要體現在“勞動力替代”效應和“勞動力技能提升”效應[9]。本文認為基于這兩種效應，工業機器人應用將會對企業勞動力成本粘性產生影響，其效果取決于哪種效應占主導地位。具體邏輯如下：

一方面，機器人應用會替代部分人工勞動，減少企業對人力勞動的依賴，即勞動力替代效應。管理層出于成本和效率的考慮，使用工業機器人替換重復性、工作不復雜的人工勞動，將其自動化[12]。企業勞動收入份額降低[13]，勞動力調整成本相應減少。同時，企業招聘足夠數量的勞動力的難度下降，有利于企業縮短招聘范圍[14]和招聘時間。招聘難度下降意味著由于勞動力缺乏而導致的生產率下降的風險減少；招聘范圍與招聘時間的收縮可以節省廣告宣傳費等招聘成本，這意味著勞動力調整成本減少。綜上所述，應用工業機器人的企業在業務量下降時，更有可能減少未充分利用的閑置勞動力，而不是保留閑置勞動力；相應的，在業務量增加時，容易通過招聘更少的工人來提高產能，最終使應用工業機器人的企業勞動力成本粘性降低。

另一方面，機器人應用會影響企業在工人技能水平方面的勞動力構成，提高勞動力的整體技能水平，即技能提升效應[8]。機器人應用雖然替代了部分人工勞動，但是替換的更多的是那種工作不復雜、重復性工作比較高的低技能工人[8，15]。但是，根據技術變革理論，技能與技術之間存在互補關系[8]，機器人技能的技術應用，會增加非自動化和復雜的工作任務[16]以及熟練使用機器人輔助工人的需求[5]。因此，工業機器人的應用雖然會導致低技術工人的比例下降，但會增加中、高級技術工人的需求，最終會提升勞動力調整成本。首先，由于招聘要求更高，高技能工人的選拔和招聘成本也會更高[17]。為了招聘到更匹配的高技能水平工人，許多公司甚至不得不求助于獵頭公司，從而花費更多的費用。其次，高技能工人由于工資較高，解聘的成本也會更高[18]。最后，技術熟練工人的非貨幣性裁員成本也較高，因為他們掌握公司特定知識，如果競爭對手雇傭這些工人，可能會威脅公司[18]。因此，與低技能工人相比，高技能工人更換成本更高，勞動力調整成本會增加，那么當銷售收入下降時，企業更有可能保留未充分利用的閑置勞動力，而不是減少閑置勞動力，從而增加了勞動力成本粘性。綜上所述，機器人的應用降低了銷售收入下降時成本降低的幅度，最終導致應用工業機器人的企業提高了勞動力成本粘性。

基于上述分析，提出對立假設。

H1a：其他條件相同的情況下，由于勞動力替代效應，工業機器人應用降低了勞動力成本粘性。

H1b：其他條件相同的情況下，由于勞動力技能提升效應，工業機器人應用提高了勞動力成本粘性。

三、研究設計

（一）數據來源

樣本區間的選擇考慮到2008年開始實施的《勞動合同法》會影響企業的機器人應用程度[3]，本文以2009—2019年A股制造業上市公司為研究樣本。工業機器人數據來自IFR，員工學歷數據來自Choice數據庫，其他數據均來自CSMAR數據庫。本文對樣本處理如下：（1）剔除變量存在數據缺失或異常的樣本；（2）剔除IFR行業分類屬于其他制造業的樣本；（3）剔除ST、*ST以及基期（2009年）生產部門員工人數為0的異常樣本；（4）在1%和99%水平上對連續變量進行縮尾。最終得到9 444個公司—年度觀測值。

（二）模型設定與變量定義

參照已有研究[19-20]，構建模型1，以驗證前文假設。

模型中，系數α1表示營業收入上升1%時，勞動力成本上升的比例；α1+α2反映營業收入向下變動時勞動力成本下降的比例；當α2為負數并且顯著時，表示樣本中勞動力成本存在粘性現象。

LnRdegree為工業機器人應用程度（Rdegree）的自然對數。具體的，參照王永欽等[7]的做法，本文將IFR的行業機器人存量數據根據行業內上市公司的勞動力雇傭結構分解到公司層面。具體衡量方法如下：

其中，MRj，t代表j行業在第t年的工業機器人存量；Lj，t=2008代表j行業在2008年（基期）的就業人數；■代表j行業在第t年工業機器人的應用程度。PWPij，t=2009代表j行業中i企業在2009年（樣本起始年度）的生產部門員工占比，ManuPWPj，t=2009代表j行業中所有企業在2009年生產部門員工占比的中位數。根據Acemoglu et al.[8]的研究思路，■越大，代表i企業與行業水平相比，雇傭的生產部門員工越多，使用機器替代勞動力的可能性越大[11]。相應的，本文用■作為權重，將行業層面的工業機器人應用程度指標分解到企業層面，Rdegreei，t代表了i企業在第t年的工業機器人應用程度，即每百名員工擁有的機器人臺數。

借鑒權小鋒等[20]的做法，本文在模型中加入了一系列經濟因素（Economic_Var），同時控制了公司層面的變量（Control_Var）。此外本文還控制了公司固定效應（Firm FE）和年份固定效應（Year FE）以緩解由于遺漏變量所導致的估計偏誤。

具體變量定義見表1。

四、實證結果及分析

（一）描述性統計分析

主要變量描述性統計結果如表2所示。工業機器人應用程度（Rdegree）的均值為0.3423，表明每百名員工平均擁有機器人0.3423臺。其他變量的取值范圍與現有研究基本一致。

（二）基本回歸結果

表3是工業機器人應用與勞動力成本粘性的回歸結果。列（1）回歸結果顯示DeltaLnSale的回歸系數為0.5409，在1%的水平顯著，同時DeltaLnSale×DEC的回歸系數為-0.3495，在1%水平顯著，表明營業收入每增加1%，勞動力成本增加0.54%，而營業收入每減少1%，勞動力下降0.19%，說明存在勞動力成本粘性現象。列（2）回歸結果表明在考慮工業機器人應用對勞動力成本粘性的影響后DeltaLnSale與DeltaLnSale×DEC的系數符號不變，且在1%水平顯著；DeltaLnSale×DEC×LnRdegree的回歸系數為0.1157，在1%的水平顯著，這表明業務量下降時，工業機器人應用使得企業勞動力成本向下調整的幅度更大。列（3）回歸結果顯示，DeltaLnSale×DEC×LnRdegree的回歸系數為0.1087，在5%的水平顯著。這表明，營業收入每增加1%，勞動力成本增加0.53%，而營業收入每減少1%，勞動力成本減少0.29%。這意味著，工業機器人應用使得企業勞動力成本向下調整的幅度更大。檢驗結果初步支持H1a。

（三）穩健性檢驗

本文進行如下穩健性檢驗：（1）參考王永欽等[7]的做法，構造企業層面機器人應用程度（LnRdegree）的工具變量，進行IV 2SLS估計。（2）借鑒Weiss[21]的計算方法衡量企業的年度勞動力成本粘性水平。（3）將LnRdegree相對提前一期進行回歸，以增加因果關系的可靠性。穩健性檢驗結果與基本回歸結果一致，限于篇幅，此處不列示。

五、機制分析

基于理論分析，從“勞動技術替代水平”和“結構分析”兩個角度探究工業機器人應用通過何種機制降低勞動力成本粘性。

（一）勞動技術替代水平

借鑒權小鋒等[20]的檢驗思路：首先，檢驗工業機器人應用對勞動技術替代水平的影響，如果工業機器人應用降低了企業勞動技術替代水平，則初步支持理論分析的邏輯；然后，以該企業三年前勞動技術替代水平中位數將樣本分為勞動技術替代水平高組和勞動技術替代水平低組，分別檢驗在兩種不同情景下工業機器人應用對企業勞動力成本粘性的影響，進一步明晰工業機器人應用如何影響勞動力成本粘性。

本文用公司受教育程度不同的勞動者占比來測度公司勞動技術替代水平，借鑒參考尹力博等[4]的做法，構建模型如下：

EDU表示高技能勞動力人數占比，采用本科及以上學歷的員工人數在企業員工總數中的占比來衡量；NRshare表示勞動技術替代水平，其數值越大則公司高等教育的勞動者人數占比越小，反映出公司技術水平較弱，主要靠傳統人工勞動維持生產經營[4]。此外，本文還引入員工規模、資產負債率、盈利能力、上市年限、投資機會、營業收入增長率等作為控制變量，檢驗結果見表4。

由列（1）回歸結果可知，工業機器人應用顯著降低了企業勞動技術替代水平，初步支持了本文的推斷。進一步，考慮到企業工業機器人存量逐年增加的趨勢，按照企業相對工業機器人應用程度三年前（t-3期）的勞動技術替代水平中位數將樣本分為勞動技術替代水平低組和勞動技術替代水平高組。結果顯示，列（2）的交乘項系數不顯著；列（3）的交乘項系數顯著為正，且在5%的水平上顯著。說明在勞動技術替代水平高的企業增加工業機器人應用，可以有效降低勞動力成本粘性。上述兩步法的檢驗結果總體證實工業機器人應用通過降低企業勞動技術替代水平降低勞動力成本粘性。

（二）結構分析

1.工業機器人應用對勞動力的成本結構影響

根據前文的理論分析，工業機器人在一些崗位更具有比較優勢，這意味著工業機器人應用直接替代企業對應崗位上的員工。因此，機器人應用更可能會通過影響員工數量粘性來調整企業勞動力配置，減少閑置勞動力資源。接下來，本文直接檢驗工業機器人應用對員工數量粘性和人均薪酬粘性的影響。

借鑒已有做法[11，22]，將模型4中的被解釋變量替換為員工數量自然對數的變動值（DeltaLnStaff）和人均薪酬自然對數的變動值（DeltaLnAvepay），通過DeltaLnSale×DEC×LnRdegree的回歸系數比較工業機器人應用對員工數量粘性和人均薪酬粘性的作用差別。檢驗結果見表5列（1）和列（2）。列（1）中DeltaLnSale×DEC×LnRdegree的系數在5%的水平上顯著為正，表明工業機器人應用降低了員工數量粘性，這說明工業機器人應用對勞動力成本的調整主要是通過影響員工數量實現。

2.工業機器人應用對勞動力的技能結構影響

為檢驗工業機器人應用對不同技能勞動力數量粘性的影響，以勞動力學歷作為勞動力技能的代理變量，將模型4中的被解釋變量分別替換為不同學歷員工數量自然對數的變動值。通過DeltaLnSale×DEC×LnRdegree的回歸系數比較工業機器人應用對不同技能員工數量粘性的作用差別。檢驗結果見表5列（3）—列（6）。列（6）中DeltaLnSale×DEC×LnRdegree的系數在5%的水平上顯著為正，表明工業機器人應用降低了中專及以下學歷員工數量粘性，這說明工業機器人應用對勞動力成本的調整主要是通過影響低技能勞動力數量實現。

六、進一步分析

（一）異質性分析

1.按技術水平分組

本文的理論分析指出，工業機器人應用對勞動力成本粘性的作用效果取決于何種效應占據主導地位。當企業技術水平較低時，工作內容較為簡單，工業機器人更容易進行一定規模的直接替代。此時，由于勞動力替代效應，工業機器人能夠降低企業勞動力成本粘性；而當企業技術水平較高時，工作內容比較復雜，機器人難以對人工形成直接替代，勞動力替代效應的作用效果有限。因此，本文從企業資質和產業技術兩個層面度量技術水平進行異質性分析。考慮到高新技術企業從事研發和相關技術創新的科技人員占企業當年員工總數的比例高，并且企業創新往往依賴于較高比例的熟練勞動力[23]，根據高新技術企業資質認定條件，依據企業是否為高新技術企業進行分組。與此類似，根據國家統計局《高技術產業（制造業）分類》（2017版），按照所屬行業將樣本分為高技術產業和低技術產業兩組。分組回歸結果如表6所示，在非高新技術企業和低技術產業的分組內，核心解釋變量的估計系數顯著。這表明機器人應用對技術水平低的企業影響更為明顯。

2.按老齡化程度分組

人口老齡化會導致年輕勞動力供給下降，當一個地區的老齡化程度較高時，企業可能會出于招聘難度和培訓成本等原因無法對勞動力進行對稱性調整[2]。如果工業機器人應用能夠通過降低勞動力調整成本進而降低企業勞動力成本粘性，那么工業機器人應用的這一效應應當在所處地區老齡化程度高的企業中更為顯著。參考劉李華等[24]的做法，本文采用各省份65歲及以上人數與15—64歲人數的比值度量老齡化程度，將樣本分為低老齡化程度組與高老齡化程度組。表7列（1）和列（2）報告了回歸結果。與預期一致，機器人應用對企業勞動力成本粘性的影響與人口老齡化密切相關，機器人應用對勞動力成本粘性的影響主要集中在老齡化程度高的地區。

3.按勞動力保護程度分組

外部勞動力保護因素會影響企業勞動力調整決策。當地區勞動力保護程度較高時，企業調整勞動力的靈活性可能會降低，無法基于最優資源配置調整或解聘員工。因此，本文預期在勞動力保護較弱的地區，企業引入工業機器人對勞動力成本粘性的降低作用會更顯著。本文從歷年《中國勞動統計年鑒》中整理勞動爭議案件相關數據，依據勞動者勝訴案件數占當期案件受理案件數的比重度量地區勞動力保護程度的高低進而對樣本進行分組。分組回歸結果見表7列（3）和列（4）。結果表明機器人應用對勞動力成本粘性的影響主要集中在勞動力保護程度較低的地區。

（二）經濟后果

勞動力成本粘性的降低意味著員工流動頻率升高。以往研究認為，這可能會導致企業無法組建一支穩定的生產隊伍，同時員工辭職也會對其他在職員工的情緒產生負面影響，因此，不利于企業勞動生產率的提高[25-26]。工業機器人的興起意味著制造業生產方式的變革，使企業提高了生產效率，對低技能勞動力的依賴相對減少。本文為工業機器人應用顯著降低企業勞動力成本粘性提供了證據支撐，那么由此引發的一個問題是：工業機器人應用是否能夠弱化勞動力成本粘性與勞動生產率之間的正向關系，實現企業生產效率的提升？

參考Gu et al.[27]的做法，構建如下模型以考察工業機器人應用是否能夠弱化勞動力成本粘性與勞動生產率之間的正向關系：

其中，企業勞動生產率（LnMPLi，t+1）采用t+1年i企業人均營業收入的自然對數進行測度。若LnMPLi，t+1×DeltaLnSale×DEC的回歸系數γ1顯著為負，則說明公司未來一期的勞動生產率與本期的勞動力成本粘性之間存在顯著的正向關系。在此基礎上，若γ2的回歸系數顯著為正，則表明工業機器人應用能弱化勞動力成本粘性與公司未來一期勞動生產率之間的正向關系。

從表8列（1）的結果可以看到，在未引入工業機器人應用（LnRdegree）的情況下，LnMPLi，t+1×DeltaLnSale×DEC的回歸系數在5%的水平顯著為負；列（2）的結果進一步顯示了工業機器人應用的影響，可以看到LnMPLi，t+1×DeltaLnSale×DEC×LnRdegree的回歸系數在5%的水平上顯著為正。這表明公司未來一期的勞動生產率與本期的勞動力成本粘性之間存在顯著的正向關系，工業機器人應用有助于減少企業生產過程中對勞動力的依賴，弱化勞動力成本粘性對公司勞動生產率的正向影響。

七、研究結論與啟示

本文得到如下結論：第一，工業機器人應用顯著降低企業勞動力成本粘性。工業機器人應用通過作用于勞動力技能結構降低勞動技術替代水平，降低企業勞動力成本粘性；結構分析進一步表明工業機器人對勞動力成本粘性的影響主要作用于低技能員工數量而非人均薪酬。第二，企業技術水平較低、位于老齡化程度高、勞動力保護程度低的地區時，工業機器人應用對企業勞動力成本粘性的降低效應更強。第三，工業機器人應用能夠弱化企業勞動力成本粘性與勞動生產率之間的正向關系，有效地減少企業對勞動力的依賴。

本文具有以下啟示：第一，注重員工技能結構的調整，優化人力資本配置。作為一種高效的、替換程序性人工勞動的生產方式，工業機器人應用通過降低勞動技術替代水平降低企業勞動力成本粘性。因此，企業應根據外部環境，結合自身特征，加強對低技能員工的培訓，引導其向高技能工作崗位轉移，增加高技能員工儲備，營造機器人與勞動力優勢互補的生產環境。第二，關注低技能勞動者就業，促進人口高質量發展。健全勞動力失業保障制度和技能培訓制度，促進勞動力市場與企業技能需求相互匹配，推動勞動者再就業；擴大企業對高技能勞動力就業吸納能力，鼓勵企業有針對性地開展崗前培訓，幫助員工適應機器人創造效應對技能的要求。第三，發展工業機器人產業，應對人口老齡化影響。本文的研究結論表明，工業機器人應用可以緩解企業對勞動力的依賴?；诖?，企業升級優化、勞動力質量提升，對于降低人口老齡化的消極作用至關重要。

【參考文獻】

［1］ 中國面臨的就業挑戰：從短期看長期［J］.國際經濟評論，2022（5）：9-21.

［2］ 張博，楊麗梅，陶濤.人口老齡化與勞動力成本粘性［J］.會計研究，2022（1）：59-69.

［3］ 劉媛媛，劉斌.勞動保護、成本粘性與企業應對［J］.經濟研究，2014，49（5）：63-76.

［4］ 尹力博，魏冬.中國勞動杠桿折價效應：來自勞動技術替代的解釋［J］.系統工程理論與實踐，2022，42（10）：2565-2588.

［5］ ACEMOGLU D，RESTREPO P.Automation and new tasks：how technology displaces and reinstates labor［J］.Journal of Economic Perspectives，2019，33（2）：3-30.

［6］ 汪前元，魏守道，金山，等.工業智能化的就業效應研究——基于勞動者技能和性別的空間計量分析［J］.管理世界，2022，38（10）：110-126.

［7］ 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，2020，55（10）：159-175.

［8］ ACEMOGLU D，LELARGE C，RESTREPO P.Competing with robots：firm-level evidence from France［J］.AEA Papers and Proceedings，2020，110：383-388.

［9］ 董雪兵，潘登，池若楠.工業機器人如何重塑中國就業結構［J］.經濟學動態，2022（12）：51-66.

［10］ ANDERSON M C，BANKER R D，JANAKIRAMANJ S N.Are selling，general，and administrative costs “Sticky”？［J］.Journal of Accounting Research，2003，

41（1）：47-63.

［11］ DIERYNCK B，LANDSMAN W R，RENDERS A.Do managerial incentives drive cost behavior？Evidence about the role of the zero earnings benchmark for labor cost behavior in private Belgian firms［J］.Accounting Review，2012，87（4）：1219-1246.

［12］ JAIMOVICH N，SIU H E.Job polarization and jobless recoveries［J］.Review of Economics and Statistics，2020，102（1）：129-147.

［13］ 何小鋼，朱國悅，馮大威.工業機器人應用與勞動收入份額——來自中國工業企業的證據［J］.中國工業經濟，2023（4）：98-116.

［14］ 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，2022，57（1）：172-188.

［15］ KOCH M，MANUYLOV I，SMOLKA M.Robots and firms［J］.The Economic Journal，2021，131（638）：2553-2584.

［16］ AUTOR D H，LEVY F，MURNANE R J.The skill content of recent technological change：an empirical exploration［J］.The Quarterly Journal of Economics，2003，118（4）：1279-1333.

［17］ DOLFIN S.An Examination of firms' employment costs［J］.Applied Economics，2006，38（8）：861-878.

［18］ GOLDEN J，MASHRUWALA R，PEVZNER M.Labor adjustment costs and asymmetric cost behavior：an extension［J］.Management Accounting Research，2020，46.

［19］ 納超洪，陳雪，徐慧.財務共享能降低成本粘性嗎？——基于集團管控的視角［J］.南開管理評論，2022（11）：1-32.

［20］ 權小鋒，李闖.智能制造與成本粘性——來自中國智能制造示范項目的準自然實驗［J］.經濟研究，2022，57（4）：68-84.

［21］ WEISS D.Cost behavior and analysts' earnings forecasts［J］.Accounting Review，2010，85（4）：1441-1471.

［22］ 方巧玲，徐慧，郝婧宏.股權質押與勞動力成本粘性：代理觀抑或效率觀［J］.審計與經濟研究，2021，36（6）：81-90.

［23］ BRESNAHAN T F，BRYNJOLFSSON E，HITT L M.Information technology，workplace organization，and the demand for skilled labor：firm-level evidence［J］.The Quarterly Journal of Economics，2002，117（1）：339-376.

［24］ 劉李華，孫早.人口老齡化、居民健康與收入不平等［J］.經濟科學，2022（5）：135-149.

［25］ KACMAR K M，ANDREWS M C，VAN ROOY D L，et al.Sure everyone can be replaced … but at what cost？Turn over as a predictor of unit-level performance［J］.Academy of Management Journal，2006，

49（1）：133-144.

［26］ MOHR D C，YOUNG G J，BURGESS J F.Employee turnover and operational performance：the moderating effect of group oriented organisational culture［J］.Human Resource Management Journal，2012，

22（2）：216-233.

［27］ GU Z，TANG S，WU D.The Political economy of labor employment decisions：evidence from China［J］.Management Science，2020，66（10）：4703-4725.