機器人使用對勞動者心理健康的影響

摘 要：機器人技術極大推動了物質文明發展，但對其可能引發的社會心理問題尚且缺乏關注。基于中國家庭追蹤調查數據2012—2020年共5期樣本，結合IFR公布的機器人數據理論分析并實證檢驗機器人使用對勞動者心理健康的影響，進一步對其作用機制和異質性展開重點討論。研究結果表明：機器人使用對勞動者心理健康存在顯著負面影響。機器人使用引致的工作穩定性下降、工作滿意度降低，以及在晉升和學習方面不斷加碼的競爭壓力是導致勞動者心理健康下降的重要原因；同時機器人使用可以改善勞動者的經濟狀況和工作強度，因此還存在部分正向影響機制。異質性分析發現，機器人使用對低學歷以及低齡勞動者心理健康造成的負面沖擊更嚴重。進一步分析發現，機器人使用不僅加劇個人學習“內卷”，同時家庭的教育預期也將同步上升，因此通過家庭行為將進一步加劇勞動者的心理壓力。對此，政府在大力推進產業智能化過程中，需要對其廣度和深度進行合理規劃，重點針對就業穩定性和職業技能需求轉型提供政策支持，助力企業打造多樣性優秀企業文化，加快配套法律體系構建，并為技術敏感性群體提供針對性幫扶指導。

關鍵詞：機器人使用；勞動者；心理健康；影響機制

中圖分類號：C970.4；F241.3 文獻標識碼：A 文章編號：1000-4149（2024）06-0110-14

DOI：10.3969/j.issn.1000-4149.2024.00.041

一、引言

不斷加劇的人口老齡化趨勢使“人口紅利”逐漸落下帷幕，人工智能創造的“技術紅利”因取得突破性成效而備受青睞，尤其是以工業機器人為特殊表現形式的人工智能技術正不斷滲透并嵌入各產業領域。

《2023世界人工智能大會報告》數據顯示，截至2023年7月，我國人工智能產業規模已突破5000億元，現已采用人工智能生產技術的企業達到4300家。龐大的“技術紅利”催使企業家大量進行智能設備投資，加之以社會輿論渲染，使勞動者產生強烈不安和焦慮。然而，現有研究大量關注人工智能在經濟增長以及綠色創新方面所獲成效［1-2］，忽視技術應用對勞動者精神健康產生的沖擊。因此可能導致精神文明推進速度與物質文明產生脫節。近年來，精神心理疾病發病率的不斷增長已經給我國居民健康造成沉重負擔，《中國國民心理健康發展報告（2021—2022）》顯示，我國的抑郁風險檢出率高達10.6%，焦慮風險檢出率達到15.8%。在此背景下，探討機器人使用對勞動者心理健康產生的影響，并對其深層因素進行解析，不僅對貫徹落實健康中國戰略至關重要，而且對推動中國式現代化發展具有重要意義。

當前，機器人應用與勞動者心理健康之間的關系已經引發學術研究領域的高度關注，但研究尚處于起步階段且存在一定爭議。首先，現有研究僅從工作不安感、工作滿意度以及健康行為等方面［3-5］，側面揭示機器人使用與勞動者心理健康之間的關系，對于二者之間是否存在直接關聯并未給出明確說明。其次，研究普遍認為機器人主要對中低級技能勞動者產生沖擊，對高技能勞動者是否存在影響目前仍缺乏充分證據［6］。現實中，高學歷勞動者同樣面臨技能折舊問題，且相對低學歷勞動者“內卷”程度更為激烈。最后，盡管已有學者提及機器人使用對勞動者心理健康的影響［7］，但其研究視角主要聚焦宏觀層面，且尚未就深層因素展開討論，對此有待進一步完善。鑒于此，本文的邊際貢獻在于：第一，初步從微觀層面提出并解析了機器人使用對勞動者心理健康的影響，補充并完善了機器人使用與勞動力市場關系的理論分析框架。第二，基于收入效應、競爭效應、環境效應和工作穩定性對機器人使用影響勞動者心理健康的機制進行討論，以明晰機器人使用導致勞動者心理健康問題的具體原因，為我國有針對性實施政策幫扶提供理論支撐。第三，進一步剖析機器人使用對勞動者心理健康影響的異質性，以識別受機器人沖擊的相對敏感群體，所得結論為我國健康公平性研究提供補充，對推動健康中國戰略具有重要意義。

二、文獻回顧及理論分析

已有研究從多個方面對影響勞動者心理健康的因素進行解析，其中包括經濟增長、社會地位、環境因素以及兩性關系等［8-11］。盡管有關機器人對勞動者心理健康影響的研究較少，但以下兩方面的討論已經比較充分，可以為本文提供理論支持：

第一，關于機器人使用對勞動者就業和收入影響的討論。阿西莫格魯（Acemoglu）認為機器人使用導致勞動者收入和就業狀況同步惡化［12］。在德國勞動力市場中，該問題相對不明顯，但卻產生了明顯的就業轉移效應［13］，格雷茨（Graetz）也得出類似結論［14］。勞動力市場的不穩定性引發勞動者對失業和經濟狀況下降的擔憂，因此不免產生焦慮、抑郁等精神問題［3-4］。第二，關于其他科技進步成果對勞動者心理健康影響的討論。早在計算機技術開始應用于生產領域時，部分學者便已意識到技術進步可能對勞動者心理健康產生威脅［15］，其深層因素來源于勞動者對未知技術感到的焦慮以及對技術替代勞動感到的恐慌［16-17］。因此，基于以往技術進步的研究結果，得以證明新技術發展初期存在極大不確定性，加之勞動力市場不能迅速作出調整，導致技術恐慌無限蔓延，對勞動者心理健康產生消極影響。基于文獻梳理和初步理論分析，提出研究假設1：

假設1：機器人使用可能對勞動者心理健康產生消極影響。

為進一步明晰機器人使用影響勞動者心理健康的深層因素，本文基于收入效應、競爭效應、環境效應和崗位穩定性構建如下理論框架（見圖1），并對其具體作用機制展開分析。

第一，收入是影響勞動者心理健康的重要因素，如果機器人應用使勞動者收入增加，將有效改善其心理健康狀況，反之，則會對其心理健康產生更為不利的沖擊［18-19］。首先，隨著機器人技術的廣泛應用，社會生產效率提升，勞動者的收入也會適度增長。其次，機器人技術提升了技能專用性，也意味著企業須對此給予更高工資支付。但勞動者也面臨收入降低的風險，例如機器人技術打破了勞動力市場原有供需關系，降低勞動者在市場中的議價能力。由此可知，機器人應用還可能導致勞動者經濟狀況惡化，進而對其心理健康產生消極影響。因此，機器人技術通過收入效應對勞動者心理健康的具體作用方向有待進一步檢驗。

第二，競爭效應主要指機器人使用導致的勞動力市場“內卷”現象，主要表現為勞動者投入更多精力卻難以改變其相對市場競爭力，由此容易激發勞動者的負面情緒。其一，機器人存在替代勞動的風險，為了避免被替代，勞動者可能會更加努力地工作，從而導致其工作競爭壓力上升。與此同時，機器人使用本身可以簡化勞動過程、提升工作效率，從而降低工作壓力，并幫助改善勞動者的心理健康狀況。其二，機器人使用還將增加晉升壓力，主要源于其替代勞動的特性，導致市場中的崗位減少，使競爭變得更為激烈。其三，為傳遞出高產出效率的信號，勞動者將通過努力學習提高其市場競爭力。但是競爭本身容易引發一系列精神問題［20］。并且，參與競爭將擠占一定休閑娛樂時間，打破工作與生活之間的平衡關系，由此激發勞動者的負面情緒。因此，如果機器人使用導致勞動力市場競爭壓力加劇，將會對勞動者心理健康產生消極影響，反之，則有助于改善勞動者的心理健康。

第三，機器人技術可能改變勞動者原有工作環境，而工作環境則是決定勞動者心理健康狀況的重要因素。首先，機器人通過替代部分高危、高強度勞動，使勞動者從高風險的環境中解放出來［2］。其次，機器人使用簡化了復雜的勞動過程，極大推動了物質文明發展，有助于提升勞動者的工作環境滿意度，改善其心理健康狀況。但是，機器人使用無形中將勞動者暴露于企業的監管之下，通過人機協作，進一步強化對勞動者的控制，同時滋生勞動者信息泄露、公司非法監視等一系列問題。除此之外，機器人技術的引入使原本復雜的生產過程被進一步精細化、規范化與程式化，勞動者需要按照機器人的需求進行勞動，導致其生產自主性降低，且原本伺機偷懶的可能性也被磨滅［21］。因此，機器人使用還可能降低勞動者對工作環境的滿意度。由于低技能勞動者更多從事體力勞動，而高技能勞動者則更多分布于人工智能技術相關領域，因此，本文初步認為，機器人使用有效提升了低技能勞動者的工作環境滿意度，并對其心理健康產生積極影響，而對高技能勞動者則相反。

第四，機器人使用加速技能折舊與崗位更新換代，使被迫離職的概率和主動跳槽的頻率同步上升［22］。首先，機器人在重復性與機械化生產領域存在明顯優勢，以致被迫離職的勞動者很難在原有工作領域再就業［23］，因此，新工作的搜尋與適應以及預期的不穩定性等均為威脅其心理健康的重要因素。其次，部分勞動者在機器人技術的沖擊下進入非傳統崗位［24］，其主要特點為沒有勞動合同保護、“即需即用”且就業穩定性極低，勞動者迫于生活壓力，過勞而引發心理健康問題。最后，基于機器人使用互補效應產生的崗位變動多為勞動者的主動選擇，在此過程中勞動者可以通過提升個人成就感、社會地位以及收入水平等，改善其心理健康狀況。但崗位變動在短期內仍然存在技術銜接問題，需要不斷積累相關工作經驗，從而增加心理負擔。綜上所述，提出研究假設2：

假設2：收入效應、競爭效應、環境效應和工作穩定性是機器人使用影響勞動者心理健康的重要因素。

另外，異質性的群體特征也是決定機器人使用與勞動者心理健康關系的重要因素。其一，基于受教育水平異質性視角，首先，機器人使用具有技能偏向性，一般而言高技能勞動者具有更高的生產能力和技能水平，可以更快地適應人機協作的生產方式以及生產關系的轉變；其次，得益于社會中的刻板印象，高學歷勞動者更易傳遞出高產出能力、高技能水平的信號，因此其更易在技術快速進步的勞動力市場中獲得高收入的工作崗位，同時高學歷勞動者被迫發生崗位轉換的幾率相對較低，因此通過崗位更迭效應對高學歷勞動者心理健康產生的負面沖擊明顯弱于低學歷勞動者。綜合考慮，本文初步認為隨著受教育水平的提升，機器人使用對勞動者心理健康的負面影響減弱。其二，基于年齡異質性視角，首先，高齡勞動者在技術高精尖領域分布較少，一般對技術進步的敏感程度較低，因此對未知技術感到焦慮的可能性較低齡勞動者小；其次，高齡勞動者對于“內卷”的參與意愿較低，且相對低齡勞動者更易接受被迫離職，所以機器人應用基于競爭效應與工作穩定性路徑對高齡勞動者產生的影響有限。

由此可知，隨著年齡的增長，機器人使用對勞動者心理健康產生的負面影響減弱。基于以上分析，提出研究假設3：

假設3：機器人使用對低學歷、低齡勞動者心理健康產生的負面影響更嚴重。

三、數據來源、計量模型選擇和變量設計

1. 數據來源與樣本選擇

本文所用微觀數據來源于北京大學中國社會科學調查中心所做的中國家庭動態追蹤調查（China Family Panel Studies）微觀數據，該調查基線樣本覆蓋25個省份，涉及社區、個人、家庭多個層面，對勞動者心理健康、行為方式以及家庭背景具有較為全面的刻畫，且該調查數據目前可用樣本已更新至2020年，是分析現階段機器人技術與勞動者心理健康關系較為理想的微觀數據集。因此，選取2012—2020年共五期數據，對樣本做以下三步篩選以保證回歸結果的準確性：首先，選取勞動年齡范圍（16—60歲）內的勞動力群體，并保留已到退休年齡但尚未退出勞動市場的樣本。其次，對勞動年齡范圍內未結束教育的樣本進行剔除。最后，對從事農業生產的勞動者樣本進行剔除。

最終獲得51624個有效樣本用于后續實證分析。所用機器人存量數據來源于國際機器人聯合會（IFR）公布的機器人相關數據，地區分行業就業人員數據來源于《中國勞動統計年鑒》。

2. 計量模型

為明晰機器人使用對勞動者心理健康影響具體作用方向，首先構建以下回歸模型：

其中，Healthipt為被解釋變量，表示p地區第i位勞動者在第t年的心理健康狀況，AIpt-1為解釋變量，表示p地區第t-1年的機器人滲透度。

使用機器人滲透度滯后期的原因主要包括兩點：第一，機器人從安裝到正式應用于生產需要適應和調試的過程；第二，勞動合同具有時效性，不能立刻改變原有雇傭勞動關系，因此短期內對勞動者心理健康的沖擊有限。Xit為其他控制變量，包括個體特征因素和家庭特征因素。εipt為隨機擾動項，同時模型回歸中加入地區固定效應μp、時間固定效應δt和行業固定效應σr。

3. 變量說明

（1）核心解釋變量：機器人滲透度。參考阿西莫格魯的測算方法［12］，借鑒巴蒂克工具變量法采用IFR提供的機器人存量數據并結合我國分行業就業數據，利用機器人行業間存量差異和各省份的就業分布差異度量省級層面的機器人滲透度，其具體測算公式如下：

其中，RPit表示i地區t年的機器人滲透度，ρ2008ij是以2008年為基期核算的j行業在i地區的分布占比（下同），Rjt表示j行業t年的機器人存量水平，L2008j表示2008年j行業的就業人員數。其中，行業分類的劃分標準參考呂越的做法［25］，將IFR提供的ISIC 4.0行業分類數據與國民經濟行業2002年分類標準匹配，最終得到制造業14個細分行業數據及農林牧漁業，采礦業，電力、熱力、燃氣及水的生產和供應業，建筑業，教育業等行業分類數據。

（2）被解釋變量：心理健康。本文以抑郁程度指征勞動者的心理健康狀況。首先，對抑郁程度的測算參考流調中心抑郁量表（CESD），通過逆向計分方式對各題得分進行加總，該分值越高表示勞動者的抑郁程度越嚴重，心理健康狀況越差。其中，由于CFPS數據庫在2014年采用的問卷為凱勒斯心理疾患量表（K6），參考羅長遠的方法［8］做以下兩步處理，以確保量綱統一：

其一，采用指數化方式對2014年得分賦以權重；其二，將2014年與其他年份的數據進行標準化處理（均值為0，標準差為1）。最后，為保證回歸結果可信度，本文同時加入抑郁程度的二值選擇變量，選定37分作為臨界值《中國家庭追蹤調查2012年心理健康量表》P3：“17分為可能存在抑郁，23分為很可能存在抑郁，28分為嚴重抑郁。”

《中國家庭追蹤調查2020年數據庫介紹及數據清理報告》P24：“如針對CESD20，原始量表的分數區間為0—60，我們只需將CFPS數據減去20可得與前者直接可比的區分。”。當CESD得分高于臨界值時取1，否則取0，以此來測算勞動者被評價為心理不健康的概率。

（3）機制變量。本文分別依據收入效應、競爭效應、環境效應以及工作穩定性選取以下機制變量。首先，收入效應主要包括個人工作總收入。其次，競爭效應主要包括工作壓力、晉升壓力以及學習壓力。其中工作壓力主要指勞動者每周工作小時數，該指標數值越高表示勞動者工作壓力越大；晉升壓力按勞動者自評滿意程度反向賦分，等級越高表示晉升壓力越大；學習壓力主要指當年參加非學歷教育情況，如果當年有參加非學歷教育則取值為1，否則為0。再次，環境效應主要指勞動者自評工作環境滿意度，該指標等級越高表示勞動者對工作環境越滿意。最后，工作穩定性通過是否簽訂勞動合同和是否進行工作搜尋來表征，一般認為簽訂勞動合同意味著工作更穩定，而進行工作搜尋則意味著工作較不穩定。

（4）控制變量。包括年齡、性別、婚姻狀況、戶籍性質、受教育水平、醫保狀況、社會地位和收入等級等個體特征因素，以及家庭人均收入和家庭人口數等家庭特征因素。其中收入等級和社會地位分別選擇“您給自己的收入在本地的位值打幾分？”，“您給自己在本地的社會地位打幾分？”兩個問題，其賦值越高表示收入等級和社會地位越高。

各變量的說明及描述性統計結果如表1所示。

四、機器人使用對勞動者心理健康的影響

1. 基準回歸

表2展示了機器人使用對勞動者心理健康影響的基準回歸結果。當被解釋變量為抑郁程度得分時采用固定效應模型，其回歸結果如列（1）和列（2）所示。可知機器人使用導致勞動者抑郁程度顯著上升。當被解釋變量為是否抑郁的二值選擇變量時采用Probit模型，回歸結果如列（3）所示。可見，隨著機器人使用的增加，勞動者被評價為抑郁的可能性上升。實證結果再次驗證了假設1所得結論的準確性。由此可知，盡管機器人技術有效改善了勞動者的物質生活質量，但是在心理健康方面帶來的負面沖擊仍然無法避免。

2. 內生性處理

結合宏觀層面的機器人滲透度與微觀調查數據分析機器人使用對勞動者心理健康產生的影響，可以在一定程度上避免雙向因果關系帶來的內生性問題。一般認為，單個個體的心理健康不會對地區的機器人使用數量產生影響。但仍然無法避免遺漏變量或測量誤差等導致的內生性。對此，本文首先借鑒阿西莫格魯以及王林輝的做法［12，22］，使用美國的機器人存量數據構造機器人滲透度的工具變量。一方面，美國在機器人技術應用方面處于領先地位，其發展狀況與我國的機器人技術應用息息相關，因此符合相關性條件；另一方面，一般認為美國的機器人使用量不會直接對其他國家勞動者的身心健康產生影響，因此具有良好的外生性。具體構造如下：

其中，USRPit表示i地區t年的機器人滲透度，USRjt表示美國j行業t年的機器人存量水平，L2000j表示2000年美國j行業的就業人員數。其中美國分行業就業人數相關數據來源于CEIC數據庫。結合胡晟明等人的做法［26］，同時使用長途光纜密度作為機器人使用的工具變量。

表3中第一階段的回歸結果顯示，工具變量與中國的機器人滲透度存在顯著相關性，且弱工具變量檢驗指標顯著大于10，表示不存在弱工具變量問題，因此該工具變量是有效工具變量。其中，對是否抑郁的二值選擇變量執行Probit的二階段回歸，并報告了弱工具變量檢驗的P值，回歸結果亦顯著拒絕了存在弱工具變量的假設。

第二階段回歸結果顯示，基準回歸結論仍然成立，可以說明機器人使用對勞動者心理健康存在顯著消極影響。

3. 穩健性檢驗

（1）人工智能技術。考慮到機器人滲透度僅包含工業機器人使用情況，而隨著人工智能技術的不斷發展，類似圖像識別、語言處理等建立在大數據分析技術之上的一系列生成式機器人亦逐步涌現。因此參考吳非的做法［27］，通過文本分析對省級層面的人工智能使用情況進行測算。回歸結果顯示人工智能技術的使用顯著提升了勞動者的抑郁程度，可以表明本文回歸結果具有一定穩健性 受篇幅限制，關于人工智能對心理健康影響的回歸結果備索。

（2）剔除電子行業。考慮到機器人滲透度的快速增長可能是由某一特殊行業推動，借鑒阿西莫格魯和戈爾德斯密（Goldsmith）的穩健性檢驗方法［16，28］，對電子行業的機器人使用數據進行剔除，并重新構造機器人滲透度指標。回歸結果與基準回歸結果一致 受篇幅限制，關于剔除電子行業后機器人滲透度對心理健康影響的回歸結果備索。

（3）剔除汽車行業。除電子行業外，汽車制造業亦是機器人使用數量較為突出的領域，為避免極端值對研究結果產生的影響，本文再次對汽車行業進行剔除，并構造機器人滲透度指標。回歸結果與基準回歸結果基本保持一致 受篇幅限制，關于剔除汽車行業后機器人滲透度對心理健康影響的回歸結果備索。

（4）改變樣本容量。考慮到CFPS數據庫在2014年采用的問卷為凱勒斯心理疾患量表（K6），盡管進行了一系列的指數化處理和標準化處理，仍然不能完全避免量綱差異對回歸結果產生的影響。對此，本文進一步剔除2014年的樣本，并對剩余樣本再次進行回歸。回歸結果與基準回歸基本保持一致，可以證明本文回歸結果具有一定穩定性 受篇幅限制，關于剔除2014年數據后機器人滲透度對心理健康影響的回歸結果備索。

五、異質性分析

1. 受教育水平異質性分析

現有研究已充分考慮到機器人使用對不同學歷勞動者影響的異質性，但目前對受教育水平劃分尚未形成統一標準，且最終分析結果亦存在差異。古納迪（Gunadi）以是否取得高中文憑將勞動者劃分為高技能勞動者和低技能勞動者，并認為機器人主要取代低技能勞動者的工作［6］；相反阿西莫格魯將勞動者受教育水平劃分為三等，且通過研究發現受機器人影響的主要是研究生學歷以下的勞動者［12］。為避免量綱差異對最終研究結果產生影響，將受教育水平作為連續變量，以檢驗隨著受教育水平提升，機器人使用對勞動者心理健康的作用效果是否發生轉變，充分避免了人為劃分等級的主觀性。如表4列（1）、列（3）和列（5）所示，受教育水平和機器人應用的交互項系數顯著為負。可知，隨著勞動者受教育水平的提升，機器人使用對其心理健康的負面影響減弱，回歸結果與假設3結論一致。由此可知，低學歷勞動者對于技術發展的沖擊較為敏感，是人工智能產業化過程中的相對弱勢群體。

2. 年齡異質性分析

為檢驗機器人使用對不同年齡勞動者心理健康影響的異質性，且充分避免人為劃分年齡階段存在的主觀性，本文初步納入年齡和機器人應用的交互項，以此檢驗隨著勞動者年齡上升，機器人使用對其心理健康的影響效果是否會發生轉變。回歸結果如表4列（2）、列（4）和列（6）所示，其中年齡與機器人滲透度的交互項系數顯著為負，可知隨著勞動者年齡上升，機器人使用對其心理健康產生的負面影響減弱。此后，將年齡二次項與機器人滲透度的交互效應納入模型考慮，最終檢驗結果不顯著，進一步排除年齡對機器人使用影響勞動者身心健康過程的非線性可能。可知，隨著勞動者年齡增長機器人使用對其心理健康的負面影響始終是不斷減弱的，回歸結果與假設3一致。進一步由回歸結果可知，年輕勞動者對技術沖擊更敏感，是技術發展過程中需要重點關注和保障的群體之一。

六、影響機制分析

1. 收入效應

為檢驗機器人使用影響勞動者心理健康的收入效應，本文納入工作總收入中間變量，分兩步對其進行檢驗。首先，檢驗機器人使用對勞動者收入的影響，回歸結果如表5所示，可見機器人使用顯著增加了勞動者的個人收入為避免個人總收入與收入等級之間的共線性問題，此回歸的控制變量不包括個人收入等級指標。。其次，進一步檢驗勞動者收入對其心理健康的影響，回歸結果如表6列（1）所示，工作總收入對抑郁程度得分之間的系數在1%水平下顯著為負，可見，機器人使用確實可以通過提升勞動者個人收入使其心理健康狀況得到有效改善。回歸結果與假設2結論基本一致，且得到已有研究結論的印證［18-19］。

2. 競爭效應

為檢驗機器人使用對勞動者心理健康影響的競爭效應，首先，對機器人使用與機制變量之間的關系進行檢驗，如表5所示，機器人使用明顯降低了勞動者的工作壓力，但顯著增加了其晉升壓力和學習壓力。進一步對機制變量與勞動者心理健康之間的關系進行回歸，結果如表6列（2）—（4）所示。可以發現，無論何種競爭壓力的增加，均表現出對勞動者心理健康的顯著負面影響，這也初步證實競爭的確會引發一系列心理健康風險。由此可以證明機器人使用影響勞動者心理健康的競爭效應路徑確實存在，回歸結果與假設2一致。但是三種競爭壓力的作用方向有明顯差異，其中，機器人使用可以通過降低工作壓力對勞動者心理健康產生積極影響，可見機器人本身對于工作強度的緩解作用遠超過勞動者主動增加工作強度所增加的工作壓力。另外，機器人使用明顯增加了晉升壓力，從而激發一系列的焦慮和抑郁情緒。最后，機器人使用使勞動者參加非學歷教育的概率明顯提升。而學習領域的“內卷”擠占了休閑娛樂時間，增加了焦慮情緒的產出，進而對勞動者心理健康產生不利影響。但學習努力程度多屬于主動“內卷”，長期來看，有助于我國整體人力資本質量的改善。

3. 環境效應

根據前述理論分析可知，機器人使用對勞動者心理健康影響的環境效應在不同學歷勞動者之間可能顯現出異質性特點。為檢驗理論分析的結論，首先對受教育水平按是否取得高中學歷劃分為高學歷組和低學歷組。經回歸檢驗發現，機器人使用對低學歷勞動者工作環境滿意度的影響不顯著，在此本文不再列示。產生該結果的原因可能是被替代的勞動者并未得到很好安置，盡管其不再從事高強度、高風險的勞動，但是被擠出的勞動者在市場中的競爭力較小，極有可能進入非傳統的零工經濟，例如外賣、快遞等服務行業。因此，其工作環境并未得到顯著改善，且伴隨工作穩定性下降，生活壓力所迫，使機器人應用通過環境效應對低學歷勞動者心理健康的改善作用不顯著。根據表5回歸結果，可以發現機器人使用確實降低了高學歷勞動者的工作環境滿意度，進一步對勞動者的心理健康產生消極影響，回歸結果與理論分析保持一致。高學歷勞動者更易進入機器人相關工作領域，而機器人的加入使生產過程更加機械化、程式化，工作環境中的自主性明顯下降，“摸魚”的潛在想法從此徹底磨滅。不僅如此，機器人雖然在生產領域具有天然優勢，但是缺乏情感交互性，所處其中的勞動者感到生產環境愈加枯燥乏味，這也是激發抑郁情緒的重要原因之一。

4. 工作穩定性

勞動者普遍存在風險規避心理，一旦機器人使用加劇勞動力市場不穩定性，則會引發勞動者的焦慮情緒和技術恐慌，最終對其心理健康產生消極影響。在此本文實證檢驗了機器人使用影響勞動者心理健康的工作穩定性機制。由于是否簽訂合同以及是否正在工作搜尋為二值選擇變量，因此第一步回歸使用線性概率模型（LPM）進行估計。

如表5所示，機器人使用顯著降低了勞動者的合同簽訂概率，而勞動合同是保證工作穩定性的重要基礎。進一步由表6列（6）所示，機器人使用將通過降低工作穩定性對勞動者心理健康產生消極影響，實證結果與理論分析結果保持一致。對工作搜尋影響機制的分析，選擇未控制時間固定效應、地區固定效應和行業固定效應，其原因主要有以下兩個方面：其一，工作搜尋具有時空關聯性，跨地區就業、跨行業就業的現象較為普遍；其二，該數據可獲得的有效樣本較少，因此為了保證樣本自由度，最終對此階段回歸選擇隨機效應模型。由表5回歸結果可知機器人使用顯著增加了勞動者進行工作搜尋的概率，而工作搜尋對其心理健康存在顯著消極影響。其本質與是否簽訂勞動合同一致，主要由于機器人使用加速技能折舊與崗位更新換代，且勞動者普遍存在風險規避特征，進一步對勞動者的心理健康產生消極影響。

七、進一步分析

“教育改變命運”是中國家庭的傳統思想。機器人技術的發展造成了社會整體層面的“內卷”，激發了家庭的教育期待。由于機器人技術具有技能的偏向性，一方面勞動者本身會增加對自身的教育投資，通過努力學習以適應不斷變動的勞動市場結構；另一方面，還會引致家庭對于下一代的教育投資增加，并期望自己的孩子能在激烈的競爭中脫穎而出［29］。其中最明顯的就是家庭教育支出的不斷上升，而家庭教育支出增加會擠占其他消費，降低家庭生活質量，加劇勞動者個人的生活壓力和經濟壓力，對其心理健康產生消極影響［30］。

對此，本文實證檢驗了機器人使用通過改變家庭教育期待對勞動者心理健康產生的影響，其回歸結果如表7所示。其中，以家庭教育支出占總收入的比重測算家庭的教育期望值，如果家庭收入中用于教育的比重越高，則說明該家庭的教育期待值越高。根據表7列（1）的回歸結果可知，機器人使用顯著增加了家庭教育支出占總收入的比重，而家庭教育支出占總收入的比重上升會導致勞動者的抑郁程度得分顯著上升，可知機器人使用通過提升家庭教育期待對勞動者的心理健康產生消極影響。

八、結論與建議

本文運用IFR公布的機器人存量數據結合中國家庭追蹤調查微觀數據庫，理論分析并實證檢驗了機器人使用對勞動者心理健康產生的影響，進一步對機器人使用影響勞動者心理健康的作用機制和異質性展開重點討論。研究發現：第一，機器人使用對勞動者心理健康存在顯著消極影響。第二，通過機制分析發現，機器人使用引致的工作穩定性下降、工作滿意度降低，以及在晉升和學習方面不斷加碼的競爭壓力是導致勞動者心理健康下降的重要原因；同時機器人使用可以改善勞動者經濟狀況，降低勞動者的工作壓力，并對其心理健康產生積極影響。第三，通過異質性分析發現，低學歷以及低齡勞動者屬于受機器人技術沖擊的相對敏感群體。第四，通過進一步分析發現機器人應用使家庭的教育預期上升，因此通過家庭行為將進一步加劇勞動者的心理壓力。針對以上結論，提出如下政策建議。

第一，有序規劃并推進機器人技術的應用與發展，關注技術進步對勞動者心理健康產生的影響。地方政府應加強對人工智能技術的宣傳力度，將機器人應用的實例潛移默化地融入信息科普與影視文化傳播之中，使勞動者對機器人應用帶來的經濟增益和生活便捷進行科學且客觀的評價，避免“技術恐慌”導致的心理焦慮。同時，勞動者個人須不斷學習最新技術，盡快適應技術進步帶來的生產方式轉變，以積極的態度面對技術進步。

第二，地方政府可以把提升就業穩定性、優化工作環境作為切入點。首先，企業需要建立多元化的企業文化，通過豐富的娛樂活動彌補機器人在情感交互方面的缺失，為勞動者提供足夠的情感支持。其次，地方政府應不斷加強對勞動力市場的監管力度，擴大勞動合同法的保護范圍，關注零工經濟中的勞動者權益保護。

第三，關注技術發展過程中的相對弱勢群體，通過就業幫扶和政策傾斜等保障低學歷和低齡勞動者的就業公平性和穩定性。地方政府須提供充足的教育公共資源，關注年輕勞動者職業發展，為其提供相應就業指導，以確保人工智能技術高質量發展對經濟的促進作用。

參考文獻：

［1］KROMANN L， MALCHOWMOLLER N， SKAKSEN J R， et al. Automation and productivity：a crosscountry， crossindustry comparison［J］. Industrial and Corporate Change， 2020， 29（2）： 265-287.

［2］GAN J， LIU L， QIAO G， et al. The role of robot adoption in green innovation： evidence from China［J］. Economic Modelling， 2023， 119： 106128.

［3］NAM T. Technology usage， expected job sustainability， and perceived job insecurity［J］. Technological Forecasting and Social Change， 2019， 138： 155-165.

［4］SCHWABE H， CASTELLACCI F. Automation， workers’ skills and job satisfaction［J］. Plos One， 2020， 15（11）： e0242929.

［5］GIHLEB R， GIUNTELLA O， STELLA L， et al. Industrial robots， workers’ safety， and health［J］. Labour Economics， 2022， 78： 102205.

［6］GUNADI C， RYU H. Does the rise of robotic technology make people healthier？［J］. Health Economics， 2021， 30（9）： 2047-2062.

［7］閆雪凌，余沭樂，張雪原，等.機器人應用與勞動健康：基于宏微觀的實證證據［J］.系統工程理論與實踐，2024（1）：148-172.

［8］羅長遠，劉子琦，宋弘.經濟增速放緩對國民心理健康的影響——來自中國家戶層面的證據［J］.經濟學（季刊），2023（2）：604-621.

［9］程菲，李樹茁，悅中山.中國城市勞動者的社會經濟地位與心理健康——戶籍人口與流動人口的比較研究［J］.人口與經濟，2018（6）：42-52.

［10］李衛兵，張凱霞.空氣污染是否會影響犯罪率：基于斷點回歸方法的估計［J］.世界經濟，2021（6）：151-177.

［11］CARR D， SPRINGER K W. Advances in families and health research in the 21st century［J］. Journal of Marriage and Family， 2010， 72（3）： 743-761.

［12］ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from US labor markets［J］. Journal of Political Economy， 2020， 128（6）： 2188-2244.

［13］DAUTH W， FINDEISEN S， SUEDEKUM J， et al. The adjustment of labor markets to robots［J］. Journal of the European Economic Association， 2021， 19（6）： 3104-3153.

［14］GRAETZ G， MICHAELS G. Robots at work［J］. Review of Economics and Statistics， 2018， 100（5）： 753-768.

［15］LEE R S. Social attitudes and the computer revolution［J］. Public Opinion Quarterly， 1970， 34（1）： 53-59.

［16］ANTHONY L M， CLARKE M C， ANDERSON S J. Technophobia and personality subtypes in a sample of South African university students［J］. Computers in Human Behavior， 2000， 16（1）： 31-44.

［17］MCCLURE P K. “You’re fired，” says the robot： the rise of automation in the workplace， technophobes， and fears of unemployment［J］. Social Science Computer Review，2018，36（2）：139-156.

［18］GARDNER J， OSWALD A J. Money and mental wellbeing： a longitudinal study of mediumsized lottery wins［J］. Journal of Health Economics， 2007， 26（1）： 49-60.

［19］SULLIVAN D， VON WACHTER T. Job displacement and mortality： an analysis using administrative data［J］. The Quarterly Journal of Economics， 2009， 124（3）： 1265-1306.

［20］譚之博，張曉波.獨生子女政策的精神健康成本［J］.經濟研究，2016（2）：168-180.

［21］呂景春.數字經濟下共享型和諧勞動關系的建構機理與實現路徑［J］.馬克思主義研究，2023（2）：72-82.

［22］王林輝，錢圓圓，宋冬林，等.機器人應用的崗位轉換效應及就業敏感性群體特征——來自微觀個體層面的經驗證據［J］.經濟研究，2023（7）：69-85.

［23］ZHANG L， GAN T， FAN J. Do industrial robots affect the labour market？ evidence from China［J］. Economics of Transition and Institutional Change， 2023， 31（3）： 787-817.

［24］AUTOR D H. The“task approach”to labor markets：an overview［J］. Journal for Labour Market Research，2013， 46（3）：185-199.

［25］呂越，谷瑋，包群.人工智能與中國企業參與全球價值鏈分工［J］.中國工業經濟，2020（5）：80-98.

［26］胡晟明，王林輝，朱利瑩.工業機器人應用存在人力資本提升效應嗎？［J］.財經研究，2021（6）：61-75.

［27］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］.管理世界，2021（7）：130-144.

［28］GOLDSMITHPINKHAM P， SORKIN I， SWIFT H. Bartik instruments： what， when， why， and how［J］. American Economic Review， 2020， 110（8）： 2586-2624.

［29］DHINGRA P. What Asian Americans really care about when they care about education［J］. The Sociological Quarterly， 2018， 59（2）： 301-319.

［30］ZHU Y， YU D. Education and happiness： does education expenditure undermine households’ subjective wellbeing？ evidence from China［J］. Applied Economics， 2023， 55（50）： 5925-5938.