機器人應用如何提升中國制造企業綠色發展質量

宋建 胡學萌

摘 要：隨著人類社會進入以人工智能和機器人為主要特征的新一輪技術革命時代，工業自動化成為產業變革和轉型的主要方式，機器人應用能否實現中國制造企業綠色質量提升，是一個有待回答的重要問題。本文從制造企業“減排”與“增效”雙重目標下采用變異系數法構建了企業綠色發展質量指數，基于中國微觀大數據識別并驗證了機器人應用如何影響制造企業綠色發展質量。研究發現，機器人應用以實現企業綠色發展中“減排”與“降污”、“提質”與“增效”的雙重目標，顯著提高了制造企業綠色發展質量。在考慮城市層面遺漏變量、重新識別核心變量、企業動態演化效應、樣本選擇性偏誤和構建“巴蒂克工具變量”等方法后，驗證了機器人應用突破制造企業減排與增效兩難選擇困境提高企業綠色發展質量結論的穩健性。進一步發現，機器人應用通過能源效率渠道降低企業綠色發展中污染物排放、通過生產效率和規模擴大實現企業以增效為目標的企業綠色發展質量提升。

關鍵詞：機器人應用；減排增效；綠色發展質量指數；變異系數法

一、引言

隨著勞動力成本的上升，大多數發達國家越來越重視智能化與自動化生產技術，以實現經濟持續增長，近些年中國在自動化應用投入方面處于領先地位（王永欽和董雯，2020）。后金融危機時期，美國為代表國家積極謀求“制造業回歸”，發展實體經濟以解決“脫實向虛”的結構性問題；發展中國家面臨勞動力等要素成本上升、傳統比較優勢減弱的趨勢性問題。發達國家和發展中國家均以智能制造技術作為制造業發展的重要路徑，機器人應用是工業自動化的重要表現形式。根據國際機器人聯合會（IFR）的最新數據顯示，2020年中國占全球機器人安裝量的43.85%，是全球自動化程度排名第九的國家。機器人采用對中國的經濟轉型產生了深遠的影響，實現減污降碳協同增效，不僅是制造業綠色高質量發展的必然要求，也是統籌推進美麗中國建設雙碳目標的重要理論和現實問題。

近些年，學者從企業層面分析環境績效（He等，2020；萬攀兵等，2021）。He等（2020）研究了水質監測對企業污染排放的影響、Song等（2023）發現機器人應用有效抑制企業污染排放。萬攀兵等（2021）發現環境技術標準可推動制造業企業綠色轉型。這些企業層面的研究主要關注環境質量單一指標，如能源效率、碳效率或水質，缺少對于企業綠色高質量發展的探討，且很少考慮自動化和智能化在減少不同類型環境污染物方面的作用。

雖然有些學者從企業層面研究了機器人應用對環境影響，但是大多數聚焦于機器人應用如何提高能源效率，而不關注對企業污染物排放的作用（Huang等，2022），少數研究考慮了企業排放污染物的單一指標，但未區分機器人應用對空氣和水質污染的影響（He等，2020）。

機器人技術興起引發了關于企業機器人應用決定性因素以及對經濟影響的激烈辯論。除了分析企業選擇機器人應用決策外，許多研究關注自動化技術對勞動力市場的影響（Acemoglu和Restrepo，2020；Graetz和Michaels，2018；王永欽和董雯，2020；李磊等，2021；鄧悅和蔣琬儀，2022）。鄧悅和蔣琬儀（2022）認為智能化應用通過勞動力多樣性激發企業創新；王永欽和董雯（2020）認為機器人替代了企業對勞動力的需求，而李磊等（2021）的研究表明企業的勞動力需求反而因機器人使用顯著上升。

為此，本文分析了機器人應用對企業綠色高質量發展的影響，通過“減排”與“增效”雙重約束的考慮，采用變異系數法構建了企業綠色發展質量指數，識別并驗證了機器人應用如何影響制造企業綠色發展質量，討論了機器人應用對于制造業企業減排和增效機制。其主要結論為：第一，機器人應用顯著促進了企業的“減排”與“降污”、“提質”與“增效”以實現綠色高質量發展；第二，在考慮城市層面遺漏變量、滯后效應和重新識別核心變量、企業動態演化、樣本選擇性偏誤和構建“巴蒂克工具變量”后，機器人應用驅動企業綠色高質量發展的結論依舊穩?。坏谌l現機器人應用通過能源效率渠道實現“減排”與“降污”、通過生產效率和規模擴大實現“提質”與“增效”以實現綠色高質量發展。

本文的主要貢獻為：第一，大多數研究關注機器人應用在國家、地區或者行業層面的經濟效應和能源影響，而對制造業企業提質增效和節能減排的研究比較匱乏，我們驗證了機器人應用可打破制造業生產過程中面臨的“增效”和“污染”的兩難選擇，實現降污減排的企業綠色發展與提質增效的綠色發展質量提升，為理解企業自動化和綠色轉型增加了新認識，也為制造企業綠色高質量發展增加了新理解。第二，區別于當前對企業污染排放等綠色發展指標的單一測度，本文從企業綠色高質量發展的內涵入手，基于“減排”與“降污”、“提質”與“增效”雙重目標下的企業綠色發展質量指數，豐富了企業綠色高質量發展研究。第三，揭示了能源效率提升、生產率提升和企業規模擴大是企業減排增效、實現企業綠色發展質量提升的重要渠道，對研究機器人應用與企業轉型以及企業綠色高質量發展的文獻做了有益補充。

二、理論框架與命題提出

（一）機器人應用以“減排”與“降污”、“提質”與“增效”實現企業綠色發展質量提升

工業機器人應用是技術進步在企業創新領域的物化表現。一方面，機器人對低技能勞動產生替代效應，增加與自動化生產相匹配的操作、管理與研發技術人才；另一方面，工業機器人可以緩解任務分配不合理，避免失序引發的非效率，能夠提升全要素生產率（Graetz和Michaels，2018）。噴涂機器人替代人工在高污染環境下操作，解放勞動力，改善用工條件，提高效率。由于采用超高速旋杯靜電噴涂，油漆利用率超過75%，較空氣噴涂提高了近1倍，不僅大幅節約涂裝材料成本，還減少了環境污染及廢水處理、廢氣排放、漆渣處理、濾棉更換等治污綜合費用。工業機器人具有高效率、高精度和持續性優勢，可以實現企業程序化智能制造、對產品生產環節的能源消耗和污染排放實時檢測，降低能源使用不當帶來的過度污染，實現企業“減排”與“降污”，并提升了企業的生產效率和質量，提高了企業綠色發展質量。

工業機器人對制造企業綠色高質量發展及經濟可持續發展具有重要意義（Wang等，2022）。企業機器人應用可以帶來經濟和環境的雙重效益，推動企業實現綠色高質量發展，包括減少制造環節、供應鏈運營中的材料損失，增加數字化環境監測和智能會計系統等（Huang等，2022）。除了直接影響之外，工業機器人也可以提高生產率和能源效率，并通過研發促進知識溢出，產生環境正外部性，從而促進清潔生產技術的發明（Huang等，2022），促使企業因創新獲得壟斷租金保持較高以提高價格加成率，持續獲得較高利潤企業能夠持續獲得較高的壟斷租金，從而提高價格加成率，并獲得較高利潤。隨著技術進步與工業機器人的廣泛應用，企業生產中在很大程度上用操作、管理和創新等技術人員取代了低技能勞動力，以配合自動化生產（Graetz和Michaels，2018；鄧悅和蔣琬儀，2022）。勞動技能提升和組織管理改進有助于減少因人工錯誤操作帶來的環境污染（Acemoglu和Restrepo，2020）。在以上過程中，制造業企業在實現自身節能減排綠色發展的同時實現了提質增效，提升了企業的經濟效益和社會環境的可持續發展水平，實現了企業綠色高質量發展?；诖颂岢鋈缦录僭O：

H1：工業機器人應用能夠降低企業污染物排放強度實現“減排”與“降污”，同時提升企業績效實現“提質”與“增效”，由此驅動制造企業綠色發展質量提升。

（二）機器人應用提升制造企業綠色發展質量的能源效率渠道

隨著生產率的提高，企業生產規模將隨之上升（Graetz和Michaels，2018），這需要更多的能源消耗，并導致更高水平的環境污染物排放，這種效應被稱為“生產力困境”。而部分學者否認“生產力困境”的存在，并認為工業機器人使公司能夠使用更先進、更環保的技術來存儲和分配能源或過渡到更可再生能源，從而實現更綠色的生產。隨著企業產量增加，機器人應用不一定會加劇生態環境的惡化，工業機器人帶來的污染可能是受到直接效應與間接效應的綜合結果。

技術落后和人工操作是污染的兩個重要原因，前者降低能源利用效率，增加企業污染排放，后者會造成額外的污染排放。能源利用率低帶來的直接結果是能源清潔難度大、排放污染多，在中國煤炭燃燒排放的污染物幾乎是最嚴重的，這也是企業排放二氧化硫和煙塵的直接來源。機器人應用可以減少企業燃料燃燒和生產過程中產生的各種污染物。如噴涂機器人提高噴涂質量和材料使用率，較高的工藝響應速度成功減少了漆料和溶劑浪費。噴涂機器人流水線可構建為封閉式作業空間，為治理廢氣帶來很大的方便。噴涂廢氣治理主要有廢氣回收和廢氣破壞兩種方案，封閉空間可以增大有價值廢氣的濃度從而便于回收，也可以集中催化燃燒從而破壞廢氣，徹底凈化避免二次污染。在工業機器人的應用下，企業一方面應用先進技術提高能源效率、降低工業污染物排放；另一方面通過工業機器人精準高效地實現生產運作、提高能源配置，同時高精度地調控能源利用，實現精益制造。于是我們提出如下假說：

H2：機器人應用通過提升企業能源效率渠道降低工業污染物排放，從而實現制造業企業“降污”與“減排”，驅動實現綠色發展質量的提升。

（三）機器人應用提升制造企業綠色發展質量的生產效率與規模擴大渠道

企業可以通過“生產過程清潔”和“污染物排放末端治理”兩種方式減少排放，以改善環境質量（He等，2020；萬攀兵等，2021；Huang等，2022）。針對“生產過程清潔”這種方式，企業可以選擇減少生產或者提高生產率以節省單位產品的能源消耗。例如，噴灑機器人可以在高污染環境中取代人工操作，解放勞動力，改善工作條件，緩解由于任務分配不當和管理混亂而導致的低效率問題。除了節省勞動力以外，采用超高速旋杯靜電噴涂技術的機器人對涂裝材料的利用率高達75%，比人工空氣噴涂高出近一倍。它節省了涂裝和溶劑材料的成本，也降低了廢水處理、廢氣排放、油漆渣處理、過濾棉更換等成本。此外，工業機器人的高效率、高精度、可持續性可以幫助企業實現程序化智能制造，檢測生產過程中的實時能耗和污染排放，減少能源使用不當造成的過度污染。針對“污染物排放末端治理”的方式，是指在生產過程結束時為減少或者消除污染物排放量而進行治理。仍然以噴涂機器人為例，噴涂機器人裝配線是在完全密封的空間內建造的，有效地避免了空氣和材料之間的交叉感染。在廢氣處理方面，與機器人裝配線配套的全密封空間，顯著增加了可回收利用的有價廢氣的濃度，將廢氣集中催化燃燒處理從而進行破壞，兩者都有助于減少二次空氣污染。由此工業機器人不僅降低了生產過程中及生產結束后的污染排放，同時也降低了污染處理成本并提升了企業的技術水平，有助于企業實現減排的同時提高企業績效。

工業自動化對企業生產決策活動最直接的影響渠道是生產成本，工業自動化可以降低企業生產的邊際成本可提高勞動生產率，從而產生正向的效率增進效應。工業機器人應用作為一種新型高質量的資本品，可以通過降低企業的邊際成本，提升價格加成率，從而持續獲得較高利潤。一方面，工業自動化可以通過減少生產過程中勞動等可變要素投入從而提升勞動生產率，這主要體現為要素替代渠道產生的直接效率增進效應（Graetz和Michaels，2018）；另一方面，通過內含在工業機器人等新型高質量資本品的技術，對企業生產活動產生技術溢出，優化內部生產流程和管理組織形式，降低企業部分可變成本，以內含的物化技術進步產生間接效率增進效應。在工業生產中，機器人的采用可以有效地提升公司技術和生產力，同時，技術進步可以促進企業提高績效，實現企業綠色發展。基于此，提出以下研究假說：

H3：機器人應用通過提升生產效率和擴大生產規模渠道提升企業加成率與利潤率實現企業生產增效，驅動實現企業綠色發展質量的提升。

三、研究設計

（一）計量模型

基于以上分析，采用高維固定效應模型構建計量方程：

（二）核心變量

1.制造企業綠色發展質量的單項指標度量

（1）反映以“減排”與“降污”驅動的制造企業綠色發展質量指標。選取企業二氧化硫和煙塵排放強度對大氣污染物進行衡量，選取工業廢水和化學需氧量對水污染物進行度量。具體來講，企業二氧化硫排放強度（lnSO2Density）、煙塵排放強度（lnSmokeDensity）、工業廢水排放強度（lnWastewater）和化學需氧量排放強度（lnCODDensity）分別用企業二氧化硫排放量、煙塵排放量、工業廢水排放量和化學需氧量排放量除以實際總產出取對數核算，采用工業生產者出廠價格指數PC進行平減。

（2）反映以“提質”與“增效”驅動的制造企業綠色發展質量指標。第一，企業加成率度量“提質”。借鑒De Loecker和Warzynski（2012）通過估計生產函數和產出彈性的方法核算企業加成率。第二，以企業利潤率度量“增效”。采用利潤總額除以主營業務產品銷售收入核算。

2.企業綠色發展質量指數測度與合成

第一，采用線性功效函數法對各單項指標進行無量綱化。關于功效函數中閾值的確定，如果各指標的上下限都基于每年指標情況設定，會導致不同年份各個企業的指標比較基準發生變化，從而縱向不可比（謝絢麗和王詩卉，2022）。因此，為了同時進行橫向和縱向比較，我們采用如下的指標轉換公式進行處理。在5%和95%分位數縮尾。采用無量綱化方法的公式如下：

對于逆指標，采用無量綱化的方法如下：

式中，FVNit表示t時期i企業在單項指標N的數值，SFVNit表示無量綱化后值。在各年指標計算中，上限FVmaxNi2000和下限FVminNi2000均以2010年的上下限為固定值。上限FVmaxNi2000是取基期2000年i企業在單項指標N數據實際值的最小值，下限FVminNi2000是取基期2000年i企業在單項指標N數據實際值的最大值，在基準2000年中，指標數值都在0和1之間，SFVNit取值越高，說明在2000年企業的相應指標的表現越好。2000年之后的年份指標，各個企業的單項指標數值可能小于0或者大于1。

第二，計算企業綠色發展各單項指標權重。本文采用客觀賦權的變異系數法計算權重。根據各個指標在企業觀測值的變異程度大小進行賦權，若一項指標的變異系數較大，則這個指標在衡量該對象的差異上具有較大的解釋力，于是該指標就應該賦予較大的權重。首先，計算變異系數；然后，把每組指標的變異系數占比作為權重。表1展示了綠色發展質量指標體系權重。

第三，合成制造企業綠色發展質量指數。采用加權平均的合成方法，由下往上逐層匯總得到企業綠色發展質量指數GQIit。其具體公式如下：

3.機器人應用識別

（1）機器人應用識別。在判斷企業機器人應用識別方面，參照Acemoglu和Restrepo（2020）、李磊等（2021）做法采用企業機器人進口數量（lnRobotN）和企業機器人進口金額（lnRobotV）的對數值進行核算。選取工業機器人進口度量中國企業進口機器人應用原因如下：第一，中國企業的機器人使用絕大多數來自進口。根據國際機器人聯合會（IFR）的數據，2013年之前，中國超過70%的工業機器人需求依賴國外進口。同時，根據中國機器人產業聯盟（CRIA）的數據，2011年，工業機器人的本土供應商在中國國內共銷售了約2000臺機器人，這僅占中國機器人銷售總量的8%左右；2012年約占14%，2013年約占25%。第二，雖然國內企業掌握了機器人生產的部分技術，但大多布局在產業的中低端領域。第三，無論是中國機器人產業聯盟還是國際機器人聯合會提供的數據，都僅限于國家層面或行業層面的機器人年安裝數量，并不能獲得企業層面機器人的應用信息，無法實現本文研究目標。第四，已有文獻借助機器人進口數據來間接衡量機器人的應用情況（Acemoglu和Restrepo，2020；李磊等，2021）。

（2）工具變量構建。參考Acemoglu和Restrepo（2020）構建機器人指標的方法計算企業層面工業機器人滲透度指標，即“巴蒂克工具變量”思想。第一步，計算行業層面工業機器人滲透度指標：

式中，MRCNst表示中國s行業在t年的機器人存量，LCNs，t=1999表示1999年的平均就業人數 這里需要說明的是，中國分行業就業數據來自《中國工業統計年鑒》，美國分行業就業數據來自NBER＼|CES數據庫。。

第二步，構造企業層面工業機器人滲透度指標：

式中，laborist表示i企業員工數，∑laborst表示t年s行業中所有企業員工總和，用這種方法計算企業機器人滲透指標能夠排除企業自身特性，對機器人的使用量更大程度上取決于國家行業的發展狀況。

利用美國行業工業機器人數據構造企業機器人滲透度指標作為工具變量。具體公式如下：

式中，MRUSst表示美國s行業在t年的工業機器人存量，LUSs，t=1999表示美國1999年的就業人數，IndexUSst為美國行業層面機器人滲透度，laborist和∑laborst的含義與上述一致。

4.其他變量

全要素生產率tfp，用企業工業銷售產值作為產出變量、勞動力和資本存量作為投入變量采用LP方法（Levinsohn和Petrin，2003）計算。企業生產規模lnOutput，采用企業工業總產值實際值的對數值進行核算，用工業生產者出廠價格指數PC平減，基期為1998年。企業能源效率Efficiency，采用價格平減后工業總產值與煤炭消費總量比值的對數值度量。企業年齡Age，采用當年年份減去開業成立年后加1除以10進行核算，單位十年；企業資本深化PerAsset，采用實際固定資產除以企業從業人員進行核算，單位千元/人，采用固定資產投資價格指數InvestIndex平減；企業出口強度Export，采用企業出口總額除以工業總產值現價核算；企業融資約束Finance，采用利息支出除以資產總計核算。企業所在城市是否為資源型城市Dum_Res，采用中國國務院印發的《全國資源型城市可持續發展規劃（2013-2020年）》資料來源：http：//www.gov.cn/gongbao/content/2013/content_2547140.htm。識別；城市產業結構高級化Structure，采用第三產業與第二產業GDP比值進行核算；環境規制Regulation，采用政府征收的排污費總額除以繳納排污費的企業數進行衡量。

（三）數據來源

本文涉及中國工業企業數據庫、中國企業污染數據庫以及中國海關貿易數據庫，樣本期為2000-2014年。參考宋建和鄭江淮（2022）對數據庫進行處理包括資本變量處理、價格指數處理等過程。

工業機器人進口信息來源于中國海關貿易數據庫。根據產品定義，按照HS6位產品編碼，具體為：851531（電弧包括等離子弧焊接機器人）、847950（多功能機器人、其他多功能機器人和機器人末端操縱裝置）、851521（其他電阻焊接機器人、汽車生產線電阻焊接機器人）、851580（其他激光焊接機器人、汽車生產線激光焊接機器人）、842489（噴涂機器人）、842890（搬運機器人）、848640（IC工廠專用的自動搬運機器人）。

最終，本文得到一個包含企業基本信息、企業污染排放、財務經營信息以及進出口的綜合且全面的數據庫。本文還涉及到的城市層面變量來自《中國城市統計年鑒》；地區環境規制數據來自中國研究數據服務平臺（CNRDS）；固定資產投資價格指數數據來自《中國統計年鑒》計算所得。在第1和第99百分位進行Winsor處理。

四、實證結果

（一）基準結果

表2匯報了機器人應用影響制造企業綠色發展質量的估計結果。列（1）中分析的是機器人應用對制造業企業二氧化硫排放強度（lnSO2Density）的影響，制造業企業機器人進口數量（lnRobotN）對數值度量的機器人應用的估計系數均在1%的統計水平上顯著為-0.083；列（2）中分析的是機器人應用對制造業企業煙塵排放強度（lnSmokeDensity）的影響，制造業企業機器人進口數量（lnRobotN）的估計系數也均在1%的統計水平上顯著為-0.070；列（3）中分析的是機器人應用對制造業企業廢水排放強度（lnWastewater）的影響，制造業企業機器人進口數量（lnRobotN）的估計系數顯著為-0.168；列（4）中分析的是機器人應用對制造業企業化學需氧量排放強度（lnCODDensity）的影響，制造業企業機器人進口數量（lnRobotN）的估計系數顯著為-0.054。這說明了以機器人應用為特征的工業自動化對制造業企業二氧化硫、煙塵、廢水、化學需氧量等污染物排放強度存在顯著的減排效應。

制造企業綠色發展質量提升不僅體現為減排，更要注重提質增效。列（5）估計的是機器人應用對制造業企業加成率的影響，制造業企業機器人進口數量（lnRobotN）的估計系數顯著為0.026，這說明制造業企業機器人應用可以提高制造業企業的價格加成率，提升制造業企業的市場勢力和盈利水平。列（6）估計的是工業自動化對制造業企業利潤率的影響，制造業企業機器人進口數量（lnRobotN）的估計系數顯著為0.005。顯然，這個結果表明制造業企業機器人應用可以提升制造業企業利潤率。列（7）匯報的是機器人進口數量對制造業企業綠色發展質量指數的結果，估計系數在1%的統計水平上顯著為0.034，這說明機器人應用可以顯著提升企業綠色發展質量。由此，驗證了以機器人應用為典型形式的工業自動化顯著降低了制造企業工業污染物減排，同時顯著提升了制造業企業生產績效，從而在制造業企業自動化生產過程中以減排增效雙重目標下實現了制造企業綠色發展質量提升。

（二）穩健性分析

1.遺漏變量

為了盡可能避免遺漏變量問題，本文進一步控制城市是否為資源型城市（Dum_Res）、城市產業結構高級化（Structure）、地區環境規制（Regulation）等城市層面的相關變量。表3列（1）～列（4）中機器人應用對制造業企業二氧化硫排放強度、煙塵排放強度、廢水排放強度、化學需氧量排放強度的系數均在1%的統計水平上顯著為-0.084、-0.071、-0.167和-0.054。列（5）和列（6）制造業企業加成率（Markup）和制造業企業利潤率（Profit）的估計系數顯著為0.026和0.005。列（7）顯示企業綠色發展質量指數估計系數在1%的統計水平上顯著為0.034。以上情況說明，當我們考慮一些城市層面重要變量后，機器人應用依舊顯著降低了制造業企業污染物排放強度、顯著提升了制造業企業的加成率和利潤率、顯著提升了企業綠色發展質量，而其他未考慮到的遺漏變量顯得不再重要。

2.替換指標

企業工業機器人應用作為一種內涵技術資本，樣本期內應用機器人的制造業企業可能不是每年都購進機器人。為此，我們將樣本期內應用機器人制造業企業進行累加構建識別變量（lnRobotNS）。表4中列（1）～列（4）的估計系數均在1%的統計水平上顯著為負，說明企業存續機器人數量顯著降低了污染排放；列（5）和列（6）的估計系數顯著為正，說明企業存續機器人數量顯著提高了企業加成率和利潤率。

我們更關注的是列（7）中制造企業綠色發展質量，顯然估計系數在1%的統計水平上顯著為0.029。以上通過更換工業自動化識別變量驗證了機器人應用顯著降低了制造業企業“減排”與“降污”效應，同時顯著促進了“提質”與“增效”，顯著提高了企業綠色發展質量。

另外，我們采用制造業企業機器人進口金額（lnRobotV）重新度量。表5列（1）～列（4）中lnRobotV的估計系數均在1%的統計水平上顯著為負，這說明了制造企業增加機器人投資顯著降低了二氧化硫污染物排放強度、工業煙塵排放強度、工業廢水排放強度、COD污染排放強度達到“減排”與“降污”實現企業綠色發展，列（5）和列（6）中lnRobotV的系數均顯著為正，說明了制造企業增加機器人投資顯著提高了制造業企業加成率和企業利潤率達到“提質”與“增效”提高企業綠色發展質量。列（7）的估計系數顯著為0.007，這說明了制造企業增加機器人投資顯著提高了企業綠色發展質量。

3.企業動態

考慮到微觀企業動態演化可能對制造業企業高質量發展產生樣本選擇性偏誤問題，我們需要考慮企業進入、退出市場等行為。表6匯報了機器人應用影響企業綠色發展質量的企業動態效應分析，Panel A匯報了企業動態演化下機器人應用對制造企業二氧化硫排放強度的估計結果，Panel B匯報了機器人應用對制造業企業煙塵排放強度的結果；Panel C匯報了機器人應用對制造業企業工業廢水“降污”的結果；Panel D匯報了機器人應用對制造業企業COD“降污”的結果。這說明在考慮企業動態演化下機器人應用顯著降低了企業“減排”與“降污”，實現了企業綠色發展。Panel E匯報了企業動態演化下機器人應用對制造業企業加成率的影響；Panel F匯報了機器人應用對制造業企業利潤率的結果。這說明在考慮企業動態演化后，機器人應用提升了制造業企業加成率和利潤率，驗證了機器人應用促進制造企業綠色發展中“提質”與“增效”的穩健性。Panel G中第（1）～（4）列匯報的是機器人應用數量對企業綠色發展質量的結果、第（5）～（8）列匯報的是機器人進口金額對企業綠色發展質量的估計結果，系數均顯著為正，這說明在考慮企業動態演進情景下機器人應用顯著促進了制造企業綠色發展質量。

（三）內生性討論

1.Heckman兩步法

制造業企業是否選擇機器人應用是一種自選擇行為，會受到很多因素影響。為克服該問題，采用選擇模型進行處理。表7列（1）中第一階段，選擇省份的固定資產投資價格指數本期InvestIndex=上一期固定資產投資價格指數（1998年=100）×本期固定資產投資價格指數（上年=100）計算?；谶x擇1998年，理由是中國微觀企業數據大量公開使用年份以及大部分文獻的樣本期初始年份。InvestIndex作為排他性約束變量，同時控制企業年齡、資本深化、企業出口強度等變量。這里需要說明的是，首先，各省固定資產投資價格指數是按照價格指數增長率測算，具有外生性。其次，固定資產價格指數對企業機器人應用具有較強的解釋能力，當地區固定資產價格指數較高時，企業可能會通過其他方式替代機器人應用實現企業減排增效。當地區固定資產價格指數價低時，企業可能更偏向選擇機器人應用投資。列（1）中InvestIndex的估計系數顯著為負，這說明地區固定資產價格指數越高將會降低企業選擇使用工業機器人的概率。第二階段，加入逆米爾斯比率（IMR）進行回歸。列（2）至列（7）的估計系數均在1%的統計水平上通過顯著性檢驗。這說明在考慮到樣本選擇性偏誤問題后，機器人應用以實現“減排”與“降污”、“提質”與“增效”雙重目標，促進了制造企業綠色發展質量。

表8匯報了機器人應用對制造企業綠色發展質量Heckman兩步法的估計結果。從結果來看，機器人應用系數均通過了顯著性檢驗，且為正值，這進一步驗證了在考慮企業自選擇效應前提下機器人應用顯著提升了企業綠色發展質量。

2.PSM＼|DID

選用非替代性的一對一最鄰近匹配方法，采用逐年匹配的方法為各年的處理組找到匹配的對照組。表9列（1）～列（4）顯著為負，這說明了機器人應用實現了對制造業企業工業污染物的“減排”與“降污”。列（5）和列（6）的系數均顯著為正，這說明機器人應用實現了對制造業的“提質”與“增效”，與前文結果一致。列（7）匯報的是企業綠色發展指數的估計結果，交互項的系數顯著為0.026，這說明企業機器人應用這一決策沖擊對制造企業綠色發展質量有明顯提升。

3.交錯型DID

采用傳統的雙向固定效應模型（TWFE）分析多期DID有可能產生有偏估計，其主要原因在于，多期DID估計的本質是多個不同處理效應的加權平均，權重可能存在為負的情形。在權重為負的情形下，不同處理效應加權平均后得到的平均處理效應，可能會與真實的平均處理效應方向相反（Baker等，2021）?？紤]到企業是否采用機器人為多期，而且企業采用機器人的時間并非同一，為此我們采用Callaway和SantAnna（2021）提出的一種用于識別異質性多期DID的新方法進行穩健性分析。

我們采用csdid命令重新估計企業機器人應用對“減排”與“降污”、“提質”與“增效”的影響效應。表10匯報了交錯型DID的檢驗結果。為了增強結果的穩健性，Panel A中估計方法采用增進型雙重穩健估計結果、Panel B中為基于IPW的雙重穩健估計量。列（1）至列（6）的估計系數均通過了顯著性檢驗。由此，通過采用識別異質性多期DID方法后驗證了以機器人應用為典型形式的工業自動化顯著降低了制造業企業工業污染物減排，同時顯著提升了制造業企業的生產績效，從而在制造業企業自動化生產過程中實現了減排增效的雙目標，促進了制造業企業的高質量發展，增強了本文結論的穩健性。

4.工具變量回歸

本文參考王永欽和董雯（2020）采用美國機器人滲透度作為中國企業機器人應用的工具變量，主要依據如下：首先，在經濟全球化發展過程中中國與發達國家之間的經濟發展緊密，且樣本期內美國機器人應用發展趨勢和細分行業機器人滲透度增長趨勢與中國同期比較接近中國和美國工業機器人存量的時序相關性、中國和美國制造業分行業工業機器人滲透度的結構相關性（2000-2014年）圖表見附錄C。，滿足工具變量的相關性。而美國工業機器人應用與其他影響中國企業勞動份額的本土因素無關，滿足工具變量的外生性。以此構建中國企業機器人應用滲透度的工具變量，有助于緩解模型的內生性問題。

從弱工具變量識別的Kleibergen＼|Paap Wald rk F統計值均大于10，這驗證了工具變量與內生變量之間存在顯著的正相關性。列（1）～（4）分別匯報的是機器人應用對制造企業二氧化硫污染物排放強度、煙塵排放強度、廢水排放強度和COD排放強度的估計結果顯著為負，這驗證了構建合理工具變量后機器人應用以“減排”與“降污”驅動制造企業綠色發展。列（5）和列（6）分別從制造企業加成率提升和利潤率增加驗證了“提質”與“增效”驅動企業綠色高質量發展。由此，我們得出在構建工具變量再估計后驗證了機器人應用以“減排”與“降污”、“提質”與“增效”為主要目標的綠色發展。

我們需要重點討論的是機器人應用對企業綠色發展質量的內生性檢驗，結果如表12所示。列（1）中工具變量我們選取了采用份額測算的美國機器人滲透度、列（2）為采用均值測算的美國機器人滲透度、列（3）采用的是固定資產投資價格指數作為工具變量。列（4）和列（5）是放入美國機器人滲透度與固定資產投資價格指數兩個工具變量、列（6）中是將三個工具變量全部放入模型。首先Kleibergen＼|Paap rk Wald F統計量為大于Stock＼|Yogo弱識別檢驗的1%臨界值，驗證了本文使用工具變量的合理性，并不存在弱工具變量的問題；其次，2SLS方法估計的Hansen J統計量的P值為0.504、0.124、0.071，至少在5%統計水平上無法拒絕“不存在過度識別”的原假設，表明不存在過度識別問題。

五、機制檢驗

（一）機器人應用提升制造企業綠色發展質量的能源效率渠道

表13匯報了機器人應用提升制造企業綠色發展質量的能源效率渠道。列（1）中被解釋變量為企業能源效率（Efficiency），結果顯示制造業企業機器人進口數量（lnRobotN）系數均在1%的統計水平上顯著為0.308。列（2）～列（5）中企業能源效率（Efficiency）的估計系數均顯著為負，這說明企業能源效率提升可以降低制造業二氧化硫、煙塵、廢水、COD等工業污染物的排放量。列（6）中企業能源效率的估計系數顯著為正，說明能源效率提高了企業綠色發展質量。從而驗證了以機器人應用為特征的工業自動化通過提升企業能源效率這一渠道，顯著降低了企業工業污染物的排放，從而實現以“減排”與“降污”為目標的制造企業綠色發展，進而提升了企業綠色發展質量。

（二）機器人應用提升制造企業綠色發展質量的效率與規模渠道

表14匯報了機器人應用提升制造企業綠色發展質量的效率與規模渠道。列（1）中制造業企業機器人進口數量（lnRobotN）系數顯著為0.294；列（2）和列（3）中的系數顯著為正，這說明企業生產效率提高顯著提升了企業加成率和利潤率；列（4）系數顯著為0.060，說明企業生產率提升能夠提高企業綠色發展質量。列（5）中制造業企業機器人進口數量（lnRobotN）系數顯著為0.519。列（6）和列（7）發現企業生產規模（lnOutput）的估計系數顯著為正，這說明企業生產規模擴大也會顯著提升企業加成率和利潤率，列（8）中的結果顯示企業生產規模擴大顯著提高了企業綠色發展質量。列（9）中同時加入了企業生產效率和生產規模，均顯著為正。由此，我們驗證了企業機器人應用實現自動化生產通過效率提升和規模擴大提升企業加成率和利潤率，促進企業“提質”與“增效”，實現制造企業綠色發展質量提高。

六、結論與政策含義

現有研究多關注機器人應用在國家、地區或者行業層面的經濟效應和能源影響，而對制造企業綠色發展質量的研究比較匱乏。本文以制造企業為研究對象測算工業企業四種不同污染物排放強度作為環境質量度量、測算企業加成率和利潤率作為企業績效的度量，通過變異系數法構建了企業綠色發展質量指數，利用2000-2014年中國工業企業數據、企業污染排放數據和海關數據庫數據進行驗證，并討論了“減排”與“降污”、“提質”與“增效”雙重目標約束下機器人應用提升制造企業綠色發展質量的內在機制。

本文的研究得出以下結論：第一，以機器人應用為特征的工業自動化對制造業企業二氧化硫、煙塵、廢水、化學需氧量等污染物排放強度存在顯著的“減排”與“降污”效應，同時顯著提升了制造業企業加成率和利潤率，從而制造企業綠色發展中實現了減排增效的雙重目標，提升了企業綠色發展質量。第二，在考慮城市層面可能遺漏的重要變量、考慮重新度量機器人應用變量、考慮企業進入退出等動態演化效應以及采用Heckman兩步法考慮到樣本選擇性偏誤、構建巴蒂克工具變量后，驗證了機器人應用對制造企業綠色發展質量提升的穩健性。第三，驗證了以機器人應用為特征的工業自動化通過提升企業能源效率這一渠道，顯著降低了企業工業污染物的排放，從而實現制造業企業以減排為目標的綠色發展，同時也驗證了企業應用機器人實現自動化生產通過效率提升和生產規模擴大提升企業加成率和利潤率，實現企業以增效為目標的綠色發展質量提升。

本文的研究結論為理解工業機器人對中國制造企業綠色發展質量的影響機制和制定相應產業政策提供了學術依據，具有重要的政策啟示。第一，工業自動化打破了制造企業綠色發展中面臨的“增效”和“污染”的兩難選擇，工業機器人應用代表著先進生產力，在提高企業利潤的同時，也實現了企業綠色生產。當前中國經濟面臨挑戰，地方政府應制定適宜的環境規制保障，促使企業應加快工業機器人普及與自動化轉型，同時以5G技術、云計算、大數據等為核心的新興技術對企業排污情況實時監督和預警。第二，加快推進制造業勞動力技能提升計劃，保障企業自動化轉型所需的技能勞動需求。鼓勵企業開展崗位技能培訓，尤其是工業自動化和智能化操作、管理等方面的技能普及與提升。

參考文獻：

[1] 鄧悅、蔣琬儀，2022：《工業機器人、管理能力與企業技術創新》，《中國軟科學》第11期。

[2] 鄧悅、蔣琬儀，2022：《智能化轉型何以激發企業創新？——基于制造業勞動力多樣性的解釋》，《改革》第9期。

[3] 李磊、王小霞、包群，2021：《機器人的就業效應：機制與中國經驗》，《管理世界》第9期。

[4] 宋建、鄭江淮，2022：《中國企業創新與勞動技能升級：基于生產率頻譜效應視角》，《世界經濟》第10期。

[5] 萬攀兵、楊冕、陳林，2021：《環境技術標準何以影響中國制造業綠色轉型——基于技術改造的視角》，《中國工業經濟》第9期。

[6] 王永欽、董雯，2020：《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》，《經濟研究》第10期。

[7] 謝絢麗、王詩卉，2022：《中國商業銀行數字化轉型：測度、進程及影響》，《經濟學（季刊）》第6期。

[8] Acemoglu D. and Restrepo P.，2020，Robots and Jobs，Evidence from US Labor Markets，Journal of Political Economy，128（6）： 2188＼|2244.

[9] Becker S. O. and Ichino A.，2002，Estimation of Average Treatment Effects Based on Propensity Scores，The Stata Journal，2（4）： 358＼|377.

[10]? Callaway B. and SantAnna P. H. C.，2021，Difference＼|In＼|Differences with Multiple Time Periods，Journal of Econometrics，225（2）： 200＼|230.

[11] Loecker J. D. and Warzynski F.，2012，Markups and Firm＼|Level Export Status，American Economic Review，102（6）： 2437＼|2471.

[12] Graetz G. and Michaels G.，2018，Robots at Work，Review of Economics and Statistics，100（5）： 753＼|768.

[13] He G.，Wang S. and Zhang B.，2020，Watering Down Environmental Regulation in China，The Quarterly Journal of Economics，135（4）： 2135＼|2185.

[14] Huang G.，He L. Y. and Lin X.，2022，Robot Adoption and Energy Performance： Evidence from Chinese Industrial Firms，Energy Economics，107： 105837.

[15] Levinsohn J. and Petrin A.，2003，Estimating Production Functions Using Inputs to Control for Unobservables，The Review of Economic Studies，70（2）： 317＼|341.

[16] Song J.，Chen Y. and Luan F.，2023，Air Pollution，Water Pollution，and Robots： Is Technology the Panacea，Journal of Environmental Management，330： 117170.

[17] Wang P.，Han W. and Rizvi S. K. A.，et al.，2022，Is Digital Adoption the Way Forward to Curb Energy Poverty？ Technological Forecasting and Social Change，180： 121722.