跨產業“人機互補”：工業機器人應用與關聯服務業就業

摘 要：工業機器人應用既能通過上游“需求關聯”效應和下游“成本節約”效應為服務業創造就業崗位，也能通過下游“加速標準化”效應擠出就業。通過嵌入投入產出關系建立關于服務業的關聯滲透指標，發現上、下游影響整體上促進了服務業就業。機制檢驗發現，工業機器人上游影響伴隨著工資增進，且偏向存在于生產性服務業和現代生活服務業；工業機器人的下游影響伴隨著固定資產投資增加，崗位創造偏向于高技術特征的現代服務業，崗位破壞影響偏向存在于低技術特征的流通生產服務和傳統生活服務。其他異質性分析發現，國有化程度因伴隨著更高的社會責任而有更強的下游關聯效應，但也因崗位的相對剛性而抑制上游關聯效應；對外貿易有助于提高制造業嵌入生產性服務動機，促進上游關聯影響，但也因投入品進口而弱化下游崗位創造；地區受教育水平對上下游關聯崗位創造均有顯著正向調節作用，而地區女性比例越高、非農人口占比越大，上游關聯崗位創造效應越強。文章結論一定程度上回應了對“機器換人”的擔憂，工業機器人應用能促進關聯服務業崗位增加，有利于促進人與機器自然分工，實現跨產業“人機互補”，推動就業充分高質量發展。

關鍵詞：工業機器人 關聯服務業 投入產出表 高質量就業

DOI：10.19592/j.cnki.scje.411535

JEL分類號：J21， J62， O33" "中圖分類號：F241

文獻標識碼：A" "文章編號：1000 - 6249（2024）07 - 044 - 26

一、引 言

自工業4.0概念提出以來，中國智能化趨勢尤為突出，變革了整個工業生產方式，其中一大體現就是工業機器人應用。據IFR（國際機器人聯合會）數據，中國2011—2019年間工業機器人保有量從7.4萬增至78.3萬臺，漲幅世界第一。如果按照每萬人機器人增加1%減少0.032%就業人員計算（王永欽和董雯，2020），2011—2019年間工業機器人已經對超過30%的中國制造業生產工人造成就業擠出，為中國就業市場帶來了巨大挑戰。但從宏觀數據看來，伴隨著工業部門就業人數的持續下降，2011—2019年間中國城鎮失業率一直在4%上下徘徊，并沒有明顯的上漲趨勢。與此同時，中國服務業從業占比從2011年的35.7%上升至2019年的47.1%，短短八年間增加了近8700萬人。由此看來，工業機器人應用具有明顯的跨產業就業外溢影響，對服務業發展帶來重要作用。然而，現有研究較多關注機器人對工業內部的影響，對其跨產業的外溢作用研究不足。在就業的問題上，過去常以“替代”和“互補”衡量機器人與勞動力的關系（Acemoglu and Restrepo，2018）。如果機器人能沿產業關聯路徑為上游、下游關聯服務業帶來積極的就業效應，在產品需求、技能服務、成本節約等方面創造關聯服務業就業崗位，那么勞動力可以在更宏觀的層面上與機器自然分工，實現跨產業“人機互補”。然而，工業機器人應用也可能存在負向的外溢影響：一方面，如果服務業就業增進并非來自產業關聯，而是無產品、無技能關聯的被迫就業轉移，那么機器人與勞動力屬于“替代”關系而非“互補”（Rodrik，2018）；另一方面，工業機器人可能通過提供更低價格、更高質量的工業投入品提高關聯服務業資本化程度（程虹和袁璐雯，2020），使“機器換人”現象出現在服務業中，進而帶來負向的就業影響。2021年國務院印發《“十四五”就業促進規劃》指出，要以實現更加充分更高質量就業為主要目標。工業機器人與勞動力的跨產業“人機互補”是就業充分高質量發展的重要體現。在這樣的背景下，工業機器人正向效應能否掩蓋負向效應，通過關聯影響促進服務業就業增長，具有重要的研究價值。

為了探究這個問題，本文建立了關于服務業的工業機器人關聯滲透指標，發現工業機器人應用通過上游“服務需求”和下游“成本節約”促進服務業就業增長，但也可能通過下游關聯的“加速標準化”效應破壞服務業就業。基準回歸分析發現，工業機器人的上、下游關聯影響整體上促進了服務業就業，體現了工業智能化趨勢下的外溢崗位創造效應，在一系列穩健性檢驗和內生性處理下結論依然成立。機制分析發現，工業機器人應用分別對上游服務業工資、下游服務業固定資產投資有偏向促進作用。行業異質性檢驗發現，工業機器人的上游崗位創造偏向于生產性服務和現代生活服務，下游成本節約崗位創造偏向于現代生活服務，而“加速標準化”崗位破壞和非關聯就業轉移偏向于具有低技術和零工特征的傳統生活服務和流通生產服務。其他異質性分析發現，工業機器人的產業關聯影響有利于平衡區域發展和性別就業差距，但因偏向于城鎮人口而不利于城鄉就業差距。而出于社會責任和利潤導向，區域國有化程度偏向促進下游關聯作用，但因崗位的相對剛性抑制了上游關聯效應，而對外開放程度有利于制造商品嵌入服務而偏向促進上游關聯影響，但因進口工業投入品而弱化下游關聯效應。

與既有文獻相比，本文可能貢獻如下：第一，立足于中國二三產業就業反向演變的特征事實和工業智能化趨勢，從更宏觀視角分析和量化了工業機器人應用與就業的關系；第二，基于中國投入產出數據、IFR機器人行業應用數據和巴蒂克工具變量（Batik Instrument）思想，構建了關聯服務業的工業機器人滲透水平，量化了工業機器人應用對服務業部門的沖擊，為后續研究提供了一種方法和思路。本文后續章節安排如下：第二章為文獻回顧與研究假說，第三章為工業機器人關聯滲透水平的建立，第四章為實證研究，第五章為結論與政策啟示。

二、文獻回顧與研究假說

技術應用是否引致失業的話題從第一次工業革命開始爭論至今（程永宏，2003）。不少學者針對近年來掀起的人工智能技術革命浪潮進行了實證分析，大部分發現技術應用對生產任務的替代最終為制造業就業帶來負向影響（Acemoglu and Restrepo，2020a；閆雪凌等，2020）。但也有不少學者認為，機器人等智能技術在一定條件下與人類存在互相補充的關系，并借此提高了企業生產效率（景國文，2023），進而創造出新的工作崗位（Frey and Osborne，2017；David，2017；Blanas et al.，2019）。圍繞這個問題，Acemoglu and Restrepo（2018）建立了一個包含任務序列的生產函數，認為在一般均衡下失業的多少取決于崗位替代和崗位創造的動態關系。如果把該生產函數看作宏觀上的總生產函數，那么勞動力與機器人的替代和互補關系還體現在跨行業，甚至跨產業上，即機器人對本行業的影響可能沿著產業鏈條或勞動轉移產生對其他行業的外溢效應。既有研究較多關注工業機器人應用對第二產業內部就業的上下游關聯作用（Autor and Salomons，2018；孔高文等，2020；Dauth et al.，2021；邱語和張衛國，2023；趙春明和谷均怡，2023），較少關注其跨產業的影響。近年來，中國二三產業不斷耦合交互，產業邊界逐漸模糊，第二產業的大規模技術應用產生越來越大的跨產業外溢影響（高翔等，2022）。在這方面研究上，王文等（2020）、趙春明等（2020）、路瑋孝和孟夏（2021）、魏嘉輝等（2022）分別分析了工業機器人應用對服務業需求、就業、貿易的影響，為本文帶來重要的參考價值。然而，以上研究均從區域視角切入，忽視了行業層面的關聯影響。由于二三產業之間的互動關系是機器人跨產業外溢影響的關鍵路徑，因而有必要從行業關聯視角作進一步的分析。

（一）上游需求關聯的崗位創造

工業機器人的上游關聯影響可以體現在以下四個方面：

第一，創造了技術服務需求。工業機器人能在大部分工業行業得到廣泛應用，依靠的是其多軸運動系統和高度可編程性的特點（王田苗和陶永，2014）。在機器人實際操作中，需要通過人機交互面板實現復雜算法和程序編寫，指導運動和操作以完成多樣化生產任務，對日常操作人員的技術要求較高。以往，企業為了完成生產任務可能聘請了大量只進行重復勞動的車間工人，這些人員很難滿足機器人技術要求，可能使企業轉為追求更多的技術服務。第二，創造了信息傳輸服務需求。機器人應用時常結合云操縱等方式進行程序編寫、數據采集、維護和數據分析等工作，對互聯網、5G等信息服務也提出了更高的要求，進而產生對相關服務業的關聯影響。第三，創造了商務服務需求。工業機器人本質上屬于勞動節約型資本品，在日常使用過程中需要經過購置、折舊、租賃、運輸、出售等商務活動，在大規模應用背景下會產生一系列商務服務需求，包括金融、交通運輸、批發和零售、租賃和商務服務等。第四，來自與人力資本發展有關的現代服務需求。過去不少研究發現工業機器人應用偏向于與高技能勞動互相補充（胡晟明等，2021；何小鋼和劉叩明，2023），對于提供人力資本管理和服務的現代服務業可能有更大的影響，包括教育服務、衛生和醫療服務、娛樂、文化和體育服務等。第五，來自工業部門效率增進的間接關聯需求。工業機器人應用對生產部門的影響主要體現在兩個方面，一是以更低成本的機器設備替代人類完成生產任務，二是提高單位時間生產效率（Acemoglu and Restrepo，2020b；王小霞和李磊，2020）。無論哪種影響都將降低單位產品生產成本，為企業帶來效率增進（Graetz and Michaels，2018）。根據價格補償理論，在產出最大化的前提下，當工業部門在勞動力投入的總成本下降，而“資本-勞動”配置比例提高時，為了進一步提高生產效率和產品價值，企業會嵌入更多的生產服務，進而促進上游服務業發展。

在以上五種影響下，對應服務業行業為了滿足需求會擴大經營規模，吸引新企業進入（陳紹儉等，2023），最終表現為對應服務行業就業崗位的增加。由于該影響來自制造業中間投入的增長，屬于制造業上游關聯影響，本文提出以下假說：

假說1：工業機器人應用通過與服務需求互補形成上游“關聯需求”崗位創造效應。

把以上五種影響進行歸類，依據工業企業上游關聯服務業需求的邏輯，提出以下假說：

假說2：工業機器人的上游“關聯需求”崗位創造偏向存在于生產性服務業和與人力資本發展有關的現代生活服務業中。

（二）下游成本節約的就業影響

工業機器人作為通用型智能設備，在生產部門得到廣泛應用，破壞傳統就業崗位的同時，也可能通過彈性的商品價格、工資、利率等內生變量傳導到服務業上，進而補償和創造出新的就業機會（Vivarelli，1995）。按照以上分析，工業機器人應用為工業部門帶來成本節約形式的效率增進。在競爭市場的環境下，生產成本下降使企業生產過程嵌入更多技術和人力資本，延伸產品價值鏈條，為社會提供更高質量而又更廉價的商品，從而對下游行業帶來成本節約的影響（蔡震坤和綦建紅，2021）。在該邏輯下，受沖擊較大的為與制造業關聯較深，而資本密集程度較高的下游關聯服務行業，包括科學研究和技術服務、衛生和社會工作、交通運輸、倉儲和郵政、水利、環境和公共設施管理、文化、體育和娛樂業等。當商品價格下降時，這些服務行業會為了保持利潤最大化原則轉為投入更多勞動要素，擴大經營規模（Padalino and Vivarelli，1997）。

然而，工業機器人應用的下游影響也可能存在對就業崗位的破壞作用。盡管與工業相比，服務業經營過程變化多樣，較難產生“有形”的產品。但近年來，隨著人工智能等技術的不斷發展，服務業的數字化程度不斷提高，經過技術賦能的服務業經營很大程度上擺脫了傳統服務特征，大幅提高了勞動生產效率，使服務業“標準化”程度越來越高（江小涓，2011）。例如，銀行網點無人化、交通和物流系統自動化、無人駕駛設備、送餐機器人、自動販賣機等。如果工業機器人的應用促進制造業提供更高質量、替代力更強的商品，那么在“成本節約”崗位創造和“加速標準化”崗位替代的雙重下游關聯影響下，最終下游效應對就業的影響不確定，還有待實證檢驗。由此提出以下假說：

假說3：工業機器人應用通過商品市場價格和商品質量傳導形成下游“成本節約”崗位創造效應和下游“加速標準化”的崗位替代效應，下游關聯影響能否增加就業規模取決于兩種影響的大小。

以上“成本節約”崗位創造和“加速標準化”崗位破壞可以進一步通過行業異質性進行區分。首先，不同服務業標準化進程對勞動力的替代程度是不同的。參照工業自動化的整個進程，最先替代的往往是那些重復體力勞動，“機器換人”更多發生在低技能勞動集聚的行業中（閆雪凌等，2020；韓民春等，2020），這使得“加速標準化”的崗位替代效應可能偏向于非技術生產服務和傳統生活服務業中，這些行業雖然能通過“成本節約”獲得就業創造的好處，但由于“加速標準化”帶來的崗位替代影響較深，下游關聯影響最終可能擠出就業；其次，對于一些資本品投入很難替代工作崗位，而技術水平較高的服務業，例如醫療、教育等現代服務業，其受到的“加速標準化”影響較小，同時又能獲得較大的“成本節約”好處，此時下游關聯影響表現為對就業的促進。為此，提出以下假說：

假說4：下游關聯影響存在較大的異質性，對高技術服務業就業帶來增進作用的同時也擠出了低技術服務業就業。

三、工業機器人關聯滲透水平

從一般均衡理論視角看來，新技術應用通過產業關聯創造出新就業崗位的多少取決于三個方面：一是技術與其他各個經濟單元間就業的邏輯關聯關系；二是行業間價格、工資等不同內生變量的彈性程度；三是技術應用程度。因此，要研究工業機器人應用對服務業就業的外溢影響，需要對以上三方面進行有效量化。由于投入產出理論描述了行業間的商品交換和貿易數量，可以很好地反映行業間的商品貿易和彈性關系（王岳平和葛岳靜，2007；林晨和尤晶，2023），因而利用中國投入產出數據賦予影響權重，再結合工業行業機器人應用情況，可以構建出工業機器人的關聯滲透指標，以量化工業機器人應用對關聯服務業帶來的沖擊。為此，基于《中國投入產出表》和《中國地區投入產出表》，可以分別構建服務業行業層面和“地區-行業”層面的關聯滲透指標。

（一）行業層面關聯服務業的機器人滲透水平

首先，參考Acemoglu and Restrepo（2020a）、王永欽和董雯（2020）的思想，構建以下行業機器人滲透水平：

[robotlabit=robotitempi，t=2007] （1）

其中，[robotit]表示工業行業[i]在[t]年的機器人保有量；[empi，t=2007]表示工業行業[i]在基期2007年的從業人數。

本文選取2007年為計算基期，理由如下：第一，IFR的中國工業機器人分行業應用數據在2006年起開始統計，而在此之前只公布總體的工業機器人應用情況，而且數量非常少，因而以2007年為初始狀態相對合適；第二，國家統計局提供了2002、2005、2007、2010、2012、2015、2017和2018年的行業投入產出關系，而其中2005、2010、2015年為根據前后投入產出情況計算得到的延長表，以2007年為基期恰好能與《中國投入產出表（2007）》相匹配，能較為準確地衡量行業間投入產出關系，使后續實證研究可行。

其次，參考孔高文等（2020）的關聯影響邏輯，本文以行業間的投入產出關聯關系為權重，構建工業機器人對服務業的關聯滲透水平，具體測算方法如下：

[robotconUpjt=i=1IconnectUpij，t=2007×robotlabit] （2）

[robotconDownjt=i=1IconnectDownij，t=2007×robotlabit] （3）

其中，[connectUpij，t=2007]和[connectDownij，t=2007]分別為工業[i]對服務業[j]的上游和下游關聯系數。式（2）和（3）的計算借鑒了巴蒂克工具變量的思想，以2007年基期的投入產出關系為權重，與工業行業機器人滲透水平相乘后進行加總，計算得到關于服務業行業層面的上游和下游關聯機器人滲透水平。巴蒂克工具變量又稱份額移動法工具變量，其核心思想在于以變量的總體增長趨勢和變量內部各細分單元的初始值為基礎，計算出各個時間段的估計值，由于這種估計值與實際值高度相關，卻又和其他影響因素無關，因而大幅度降低了實證回歸時因反向因果而產生的內生性問題（Bartik，1991；Goldsmith-Pinkham et al.，2020；趙奎等，2021）。目前巴蒂克工具變量的思想在實證研究中被國內外學者廣泛利用，具有很大的借鑒意義（Veronica et al.，2013；趙春明等，2020；Geng et al.，2021；易行健和張凌霜，2021）。此時，式（2）和（3）基于服務業視角，把所有與服務業[j]關聯的工業行業納入計算，能夠同時反映行業間關聯關系和對應行業的工業機器人滲透水平。

第三，圍繞14類服務業，按以下方式分別計算出直接關聯系數和完全關聯系數：

[ConnectUp，Dij，t=2007=xUpij，t=2007xUpi，t=2007] （4）

[ConnectDown，Dij，t=2007=xDownij，t=2007xDowni，t=2007] （5）

其中，[connectUp，Dij，t=2007]和[connectDown，Dij，t=2007]分別表示以2007年為基期的工業行業[i]對上游、下游服務業[j]的直接關聯關系；[xUpij，t=2007]和[xDownij，t=2007]分別表示基期2007年行業[i]對上游、下游行業[j]的投入、產出金額；[xUpi，t=2007]和[xDowni，t=2007]分別表示基期2007年行業[i]的總投入、總產出金額。

以上直接關聯關系衡量了第一輪投入、產出的行業聯系，能直接反映工業機器人應用對服務業帶來的外溢沖擊。而在一般均衡理論假設下，也可以進一步考慮多層次的產業關聯影響，即制造業[i]不僅直接影響關聯行業，同時還會通過市場傳導進一步影響深度關聯的其他行業，為此，令[aupij，t=2007=xUpij，t=2007xUpi，t=2007]而[aDownij，t=2007=xDonwij，t=2007xDowni，t=2007]，可以通過以下方式計算行業之間的完全關聯關系：

[connectUp，Cij，t=2007=aUpij，t=2007+k=1I（aUpik，t=2007aUpkj，t=2007）+s=1Ik=1IaUpis，t=2007aUpsk，t=2007aUpkj，t=2007+…] （6）

其中，[connectUp，Cij，t=2007]表示基期2007年行業[i]對行業[j]的完全上游關聯關系，式（6）等號右邊第一項表示行業[j]對行業[i]的直接產出系數，第二項表示行業[j]間接通過行業[k]而對行業[i]的產出系數，第三項表示行業[j]間接通過行業[s]進而通過行業[k]而對行業[i]的產出系數，其中[i，s，k=1，2，…，I]。類似地，也可以得到行業[i]對行業[j]的完全下游關聯關系：

[connectDown，Cij，t=2007=aDownij，t=2007+k=1I（aDownik，t=2007aDownkj，t=2007）+s=1Ik=1IaDownis，t=2007aDownsk，t=2007aDownkj，t=2007+…] （7）

為了匹配《中國投入產出表（2007）》、IFR數據、《中國工業統計年鑒》和《中國勞動統計年鑒》和NBER-CES（Center for Economic Studies）美國制造業數據，本文得到如下11類工業行業：食品和飲料制造業、紡織物制造業、木制品及家具制造業、造紙及印刷制品業、化學工業、玻璃陶瓷石材和礦物制品業、金屬加工冶煉業、金屬制品業、工業設備制造業、交通運輸設備制造業、電子和電氣設備制造業。在式（1）—（7）下，可以分別計算得到每一類服務業的關聯機器人滲透水平。

表1分別列舉了2008、2014和2019年工業機器人上游關聯滲透水平，作為對比，前三列為上游完全關聯的計算結果，后三列為上游直接關聯的計算結果。按照上游關聯程度進行排名，可以把14類服務業區分為高上游關聯沖擊組和低上游沖擊組，兩組別的歸類沒有隨時間演化和直接、完全關聯系數變化發生變動，具有高度的行業特征。而對比發現，由于與工業聯系更大，高上游沖擊的多為具有生產服務性質的行業，例如，工業機器人應用程度較深的交通運輸設備制造、電子和電氣制造業，離不開交通、倉儲、銷售、技術開發和租賃等服務，而一些生活性服務業，如教育、文化、體育、娛樂等對工業的產出較低，計算得到的機器人關聯滲透水平也更低。

類似地，可以計算得到中國工業機器人下游關聯服務業滲透水平，結果如表2所示。與上游關聯滲透指標相區別，工業機器人下游關聯滲透排名情況并沒有明顯的生產、生活服務特征，高下游關聯沖擊組既包含科學研究、交通運輸等生產服務，也包括衛生和社會工作、文化、體育和娛樂等生活服務，其大小取決于服務業經營活動對制造業商品的依賴程度和關聯制造業的機器人滲透水平。因此，那些對工業產品需求較高，而關聯工業的機器人應用程度較深的商品密集型服務業相對于勞動密集行業的影響相對更大。

總體看來，機器人上游關聯服務業影響偏向于生產性服務，符合機器人應用創造服務需求的邏輯，而機器人下游關聯服務業沖擊大小取決于行業經營需要投入制造業商品的多少，也反映了理論分析中下游成本節約的路徑。而從結果看來，上游關聯和下游關聯滲透指標存在較大的差異，一定程度上說明賦予投入產出權重的量化方法能夠區分兩種影響效應，為后文實證分析建立了必要的變量基礎。

（二）分地區分服務業行業的關聯機器人滲透水平

以上測算反映了行業層面的關聯影響，但由于區域間的產業關聯關系具有很大的異質性（陳國亮和陳建軍，2012），本文以《中國地區投入產出表（2007）》為基礎，參考魏下海等（2020）、王文等（2020）構建區域機器人滲透水平的方法，建立省級層面的機器人關聯滲透水平，具體地：

[robotconUppjt=i=1IconnectUppij，t=2007×emppi，t=2007empp，t=2007×robotlabit] （8）

[robotconDownpjt=i=1IconnectDownpij，t=2007×emppi，t=2007empp，t=2007×robotlabit] （9）

其中，[connectUppij，t=2007]和[connectDownpij，t=2007]分別為地區[p]制造業[i]對服務業[j]的上游和下游關聯系數，具體按式（4）—（7）方法計算；[emppi，t=2007empp，t=2007]表示地區[p]工業[i]在基期的區域內從業人數占比。與式（2）、（3）相比，式（8）和（9）加入了區域內各工業行業強度權重，同時，在產業關聯方面采用了省級層面的投入產出關系進行計算，由此產生區域差異。

省級服務業的機器人關聯滲透水平為“省份-行業-年份”層面的三維面板數據，在式（8）和式（9）的計算下可以得到中國29個省份2008—2019年14個服務業關聯滲透水平，其中寧夏和西藏數據存在缺失。以直接關聯系數結果為例，表3分別列舉了2019年工業機器人上游、下游關聯滲透水平前

15排名情況。上游關聯中，2019年天津的交通運輸、倉儲和郵政業的機器人上游關聯滲透水平達到2.502臺每萬人，受工業機器人上游關聯影響高居全國第一，體現了天津的國際交通樞紐的戰略地位。而全國上游關聯影響排名前十的多為上海、北京、浙江、天津等重要工業基地，行業集中在交通運輸、租賃、批發等生產性服務上。下游關聯方面，2019年廣東的科學研究和技術服務業受機器人影響最高，達到4.866臺每萬人，能夠獲得最多的來自“機器換人”商品價格競爭下降的好處，相當程度上支持了珠三角地區科研事業的發展。下游關聯排名前十多為廣東、浙江、江蘇、上海等區域，而行業集中在科學研究、信息傳輸、租賃等資本密集型服務業上。

總體看來，分地區工業機器人關聯滲透水平的計算支持了行業層面計算的結果，即上游關聯多為生產性服務，下游關聯體現了工業商品需求特點。而在地區分布上，上游關聯需求較大的區域集中在以天津、北京、上海、浙江為主體的京津唐工業基地和滬寧杭工業基地；下游關聯需求更多表現在廣東、浙江、上海的珠三角工業基地和滬寧杭工業基地。

根據表1高上游關聯滲透的分組特征，可以分行業列舉出七大高機器人上游關聯滲透服務業的區域排名情況，結果如表4所示。2019年上海和天津兩個地區包攬了大部分高上游關聯服務業的全國榜首位置，是工業機器人外溢需求影響的重點區域，其余前十的地區還包括福建、浙江、廣東、湖北、江蘇、北京、重慶、遼寧等地區，具有一定的經濟發達屬性，這些地區在“機器換人”的沖擊下能較大程度地增加生產性服務需求，為生產性服務業帶來發展機遇。

類似地，根據表2的特征，表5列舉了2019年七類高下游關聯服務業的地區排名前十情況。總體看來，廣東和上海占據了大部分高下游關聯服務業地區的榜首位置，其余前十地區還包括江蘇、浙江、天津、山東、遼寧、福建等區域，大部分為沿海地區。由于工業機器人的下游關聯影響離不開商品市場的傳導，沿海地區市場化程度相對更高，可能獲得更多的機器人下游關聯好處。

四、實證分析

（一）實證策略與模型提出

以上構建了“地區-服務業-年份”層面的機器人關聯滲透水平指標，本章以此為解釋變量，在“地區-服務業-年份”三維面板下進行回歸分析。為了控制不隨時間變化的區域特征、服務業行業固有屬性、僅隨時間變化的趨勢變量等對被解釋變量的影響，本文在回歸中同時加入地區、行業和時間固定效應。為此，本文提出以下基準模型：

[lnserlabpjt=α0+α1robotconUppjt+α2robotconDownpjt+α3robotnoconpt+α4X+μp+ηj+λt+ε] （10）

其中，[lnserlabpjt]代表[p]地區[j]服務業[t]年的就業人數（萬人）的自然對數值；[robotnoconpt]為無關聯信息的區域機器人滲透水平，用以捕獲與上下游無關的就業人數變化；[X]為區域和服務業行業層面的控制變量；[μp]、[ηj]和[λt]分別表示地區、行業和時間固定效應；[ε]為誤差項；[α]為回歸系數。在式（10）下，系數[α1]和[α2]分別指向工業機器人上游關聯和下游關聯滲透水平對服務業就業規模變動的影響，[α3]用以截取和控制機器人應用下產生的無關聯就業轉移和其他影響。值得注意的是，本文基準回歸中采用直接關聯的機器人滲透水平進行實證分析，而在穩健性檢驗中補充完全關聯系數下的回歸結果。同時，為了避免解釋變量在工業結構和產業關聯多重權重賦值下產生極端值問題，本文基準回歸中對全部解釋變量進行前后1%的縮尾處理。

（二）變量說明

上下游關聯機器人滲透水平的計算方法已由式（8）和式（9）給出。本文進一步控制以下變量：第一，非關聯機器人滲透水平。本文參考魏下海等（2020）的方法，按照區域第二產業就業結構計算地區無關聯信息的工業機器人滲透水平指標：

[robotnoconpt=i=1Iemppi，t=2007empp，t=2007×robotlabit] （11）

該指標作為控制變量加入回歸方程中，用以截取那些機器人應用下的非關聯就業轉移和其他影響作用。第二，人力資本水平。地區人力資本水平衡量了區域勞動力質量比較優勢，對產業布局和地區就業結構演化具有重要的影響（林毅夫，2011）。本文以地區人均受教育年限為衡量人力資本水平的依據，對應地，小學學歷按6年計算、初中學歷按9年計算、高中學歷按12年計算、專科學歷按15年計算、本科學歷按16年計算，研究生學歷按19年計算。第三，地區發展程度。區域經濟狀況與產業結構、服務業就業具有很大的相關性，為了排除這些因素的干擾，本文加入控制地區發展程度，以2007年消費價格指數平價后的人均GDP衡量。第四，外商投資強度。外商資本流入對服務業就業具有重要影響，本文以外商投資固定資產金額與區域總產值的比值衡量。第四，產業結構。地區工業相對服務業越發達，服務業的潛能越大，工業機器人通過關聯關系對服務業就業的促進作用可能也越強，本文以第三產業和第二產業的產值比予以衡量。第五，國有化程度。相較于私營企業利潤最大化的目標，國有企業可能以社會福利最大化為目標，因而對區域不同服務業存在異質作用，本文以國有企業就業人數占所有企業就業人數的比值衡量。第六，財政強度。地方政府財政支出對就業可能存在顯著的影響，本文以地區財政公共支出與財政公共收入的比值衡量。第七，老齡化程度。人口結構與就業結構可能具有重要的聯系，本文以老年撫養比衡量（汪偉等，2015）。第八，服務業行業壟斷程度。服務業壟斷程度越高，以市場傳導為核心的機器人服務需求和商品供給影響可能相應減少，本文通過構建赫芬達爾指數衡量服務業行業的壟斷水平，具體按[p（serlabpjt/serlabjt）2]方式計算，其中[serlabpjt]為[p]省份[j]服務業[t]年從業人數，[serlabjt]為全國[j]服務業[t]年從業人數。除以上因素外，為了控制不隨時間變化的地區、服務業行業特征以及僅隨時間變化的趨勢變量對服務業就業結構的影響，在實證模型中加入地區、服務業行業和時間固定效應。

在后續異質性分析中，本文分別考察了地區對外開放程度、性別比、受教育程度和非農人口比值的影響差異。受教育程度計算已在以上控制變量說明中給出，而對外開放程度以當年平均匯率平價后的進出口總額與區域總產值的比值衡量，性別比以地區男性與女性人口比值衡量，非農人口比值以地區非農人口與農業人口的比例衡量。此外，為了驗證本文理論分析中的影響邏輯，本文分別分析了工業機器人應用對分地區分服務業行業的工資收入和固定資產投資的影響，其中工資收入以地區各服務業行業的年平均工資（萬元）按2007年居民消費價格指數平減后的自然對數衡量，固定資產投資以地區各服務業行業的固定資產投資（億元）按2007年固定資產投資價格指數平減后的自然對數值衡量。

（三）數據來源與描述性統計

為了研究工業機器人關聯滲透水平對服務業就業的影響，基于中國29個省份、14類服務業2008—2019年的數據樣本進行回歸分析，其中寧夏和西藏因數據缺失而予以刪除，共得到4872個樣本。分地區分服務業就業、分地區分服務業工資、分地區分制造業就業數據來自《中國勞動統計年鑒》，分地區分服務業固定資產投資數據來自《中國固定資產投資統計年鑒》，二三產業產值、地區生產總值、財政收入與支出、老年撫養比等數據來自《中國統計年鑒》，地區各學歷人數占比、國有企業就業人數來自《中國人口與就業統計年鑒》，中國分行業機器人保有量、美國分行業機器人保有量數據來自IFR，分地區分行業產業關聯關系來自《中國地區投入產出關系表》，分地區物價指數來自《中國價格統計年鑒》，匯率數據來自中國人民銀行網站，分地區分服務業行業固定資產投資。后續內生性處理中，美國分行業從業數據來自NBER-CES數據庫。基于以上變量選取，可以得到表6關于被解釋變量、解釋變量和控制變量的描述性統計。

（四）基準回歸

根據式（10）進行回歸，可以得到表7的結果，全部回歸均聚類到省份。回歸結果（1）和（3）分別為未加入和加入控制變量下，未加入無關聯滲透水平的回歸結果；（2）和（4）分別為未加入和加入控制變量下，加入無關聯滲透水平的回歸結果。回歸結果（1）—（4）中，無論上游關聯還是下游關聯均對服務業就業存在顯著的正相關關系，驗證了研究假說1猜想，同時發現下游關聯影響中的“成本節約”崗位創造效應大于“加速標準化”崗位替代效應。在加入全部控制變量下，上游關聯滲透水平每增加1單位，將增加0.584%的服務業從業人數；下游關聯滲透每增加1單位，將帶來增加0.267%服務業就業增長；而無關聯滲透水平對服務業就業的影響不顯著。以上結論一定程度上說明工業機器人應用對服務業就業的促進更多來自關聯影響，有利于人類與機器的分工合作，促進跨產業“人機互補”。

為了更準確對比兩種關聯效應對服務業就業的影響，本文通過求解擬合優度貢獻度的方式進行比較，具體做法是把需要計算貢獻率的變量逐次添加至剩余變量構成的所有可能組合回歸模型中，并計算其對擬合優度的平均貢獻率。結果發現，機器人上游關聯滲透水平的平均擬合優度貢獻在所有變量中排第一，為0.044，標準化貢獻率約為50.5%；而機器人下游關聯滲透水平排名第三，為0.0133，標準化貢獻率約為15.3%，相對較弱。其原因可能在于兩個方面：第一，下游“成本節約式”的崗位創造影響需要經過“工業生產效率提高——市場競爭——商品價格下降——服務業生產成本降低——服務業擴大生產規模——增加就業”的長邏輯鏈條，其影響效果不如上游“關聯需求式”就業增長效應；第二，下游影響除了存在正向的崗位創造外，也可能通過“加速標準化”作用替代了服務業就業，正反兩種影響抵消使得下游關聯對就業的正向作用整體上不如上游影響。

（五）穩健性檢驗

為了提高基準回歸結論的穩健性，分別從以下五個方面進行穩健性檢驗。

第一，替換解釋變量為完全關聯系數計算下的指標。本文以投入產出表為基準計算了產業關聯系數，并把其作為權重測算了關聯影響下的機器人滲透水平，實際上是把行業間的商品市場貿易和摩擦關系，看作機器人應用對外傳導的路徑，蘊含著機器人應用效應傳導摩擦與商品貿易市場摩擦一致的假設。在該假設下，采用直接關聯、完全關聯的兩種方法生成解釋變量可能產生不同的回歸結論。因此，為了提高基準回歸的穩健性，本文以完全關聯系數為權重，通過式（8）和（9）重新計算上下游關聯滲透水平進行檢驗，結果如表8第1列所示。在完全關聯系數回歸結果下，兩種影響效應系數較基準回歸均有一定的減少，說明在考慮產業鏈條后續傳導時，機器人對就業的影響效應相對間接，顯著性也有一定程度下降。在完全關聯假設下，雖然系數數值發生變化，但整體上并沒有改變基準回歸的結論。

第二，修改樣本回歸區間為2011—2019年。為了匹配2007年的中國投入產出關系，本文基準回歸以2008—2019年為樣本區間。然而，由于2008年發生了全球性的系統性風險，可能對中國服務業就業帶來干擾。為此，本文嘗試修改樣本區間進行穩健性檢驗，以盡量避免2008年系統性風險帶來的影響，結果如表8第2列所示。可以發現，縮小樣本區間后兩種效應系數與基準回歸相近。

第三，控制“地區-行業”固定效應。本文在基準回歸中分別控制了地區、行業和年份，以控制不隨行業年份變動的地區因素、不隨地區年份變動的行業因素，以及只隨時間變化的系統性影響對回歸結果帶來的作用。然而，某些地區的特定服務業行業可能具有不隨時間變化的固定屬性，受限于可獲得數據，在無法加入控制更多的分地區、分服務業行業變量時，可能因遺漏變量而產生內生性問題。為此，本文把地區虛擬變量和行業變量進行交乘，回歸結果如表8第3列所示。在控制“地區-行業”變量后發現兩解釋變量系數均有一定程度的下降，但依然與基準結論一致。

第四，替換被解釋變量為相對就業占比。基準回歸以服務業就業規模變動為被解釋變量進行回歸，量化了機器人關聯滲透對服務業就業的影響。然而，由于近年來中國服務業整體就業人數持續增長，僅考慮絕對指標可能存在回歸偏差，使顯著的正相關結果來自兩變量的共同時間增長趨勢。為了避免這種影響，本文以區域中對應服務業就業人數占全部服務業就業人數的比值替換原被解釋變量進行穩健性檢驗。相比之下，由于部分服務業就業占比的增長意味著另一部分服務業就業占比下降，采用相對指標能很好地避免共同時間趨勢造成的干擾，回歸結果如表8第4列所示。在考慮就業占比時，機器人上游關聯滲透水平每增加1單位，對應服務業就業占比增加約0.185%，而下游關聯滲透水平每增加1單位，服務業就業占比提高約0.035%。

第五，考慮動態模型。由于區域各服務業從業人數可能存在自相關，本文在基準回歸基礎上加入滯后一期的被解釋變量在系統GMM模型下進行穩健性檢驗，結果如表8的第5列所示。考慮動態模型下，上下游關聯影響系數大小因被滯后項吸收而有一定程度的下降，但依然表現出對服務業就業的顯著正向促進作用。而對擾動項差分一、二階自相關系數進行檢驗，發現一階系數顯著拒絕為零，而二階自相關系數無法拒絕為零，說明系統GMM估計結果是一致的。整體看來，動態模型下的結論與基準回歸一致。

（六）內生性處理

盡管在構建解釋變量時借鑒了巴蒂克工具變量的思想，但式（1）中的行業機器人保有量依然可能與就業存在互為因果的關系。為了進一步緩解內生性問題，本文通過構建美國機器人滲透和滯后一期解釋變量兩種方法進行內生性處理。參考王永欽和董雯（2020），以1990年為基期構建美國機器人滲透工具變量，具體計算方法如下：

[robotlabUSit=robotUSitempUSi，t=1990] （12）

其中，美國機器人應用數據來自IFR，分行業就業數據來自制造業數據庫NBER-CES。在計算得到美國行業機器人滲透水平后，分別代入式（8）和（9）和（11）中即可計算得到本文所需要的工具變量：

[robotconUS，Uppjt=i=1IconnectUppij，t=2007×emppi，t=2007empp，t=2007×robotlabUSit] （13）

[robotconUS，Downpjt=i=1IconnectDownpij，t=2007×emppi，t=2007empp，t=2007×robotlabUSit] （14）

[robotnoconUSpt=i=1Iemppi，t=2007empp，t=2007×robotlabUSit] （15）

從式（13）—（15）看來，各個組成因素包括基期關聯關系、基期行業從業占比和美國機器人滲透水平，這些因素相對外生，同時，由于中國就業情況難以影響美國機器人使用，同時美國各行業機器人應用又與中國高度相似，使其能夠作為工具變量進行內生性處理。

表9上半部分為以美國機器人關聯滲透為工具變量的2sls回歸結果。在第一階段回歸中，美國機器人上游、下游、無關聯滲透水平分別和解釋變量對應顯著，而弱工具變量檢驗下的Cragg-Donald F值為1958.909，說明美國機器人滲透工具變量與原有解釋變量關聯較大。而內生性檢驗結果拒絕基準回歸不存在內生性的假設，因而處理結果一定程度上緩解了內生性問題。觀察第二階段回歸結果發現，上下游效應系數大小與基準回歸差異較小，并且結論保持一致。

表9下半部分為進一步以滯后一期解釋變量為工具變量進行兩階段最小二乘法的回歸結果。由于過去的機器人沖擊與當前機器人應用高度相關，而當前就業情況又無法影響過去機器人應用的多少，因而一定程度上可以緩解潛在的內生性問題。可以發現，第一階段回歸中各解釋變量的滯后項均分別對應顯著，第二階段兩種影響效應回歸系數大小分別為1.694和0.393，與基準回歸結論一致，并通過了弱工具變量檢驗和內生性檢驗，因而提高了結論的穩健性。

（七）機制檢驗

1.平均工資與固定資產投資

以上基于“省份-服務業-年份”層面進行實證分析，驗證了工業機器人關聯滲透對服務業就業的影響。按照本文理論分析邏輯，工業機器人上游關聯的服務業崗位創造效應源于工業部門對服務業的關聯需求促進。由于更大經營需求往往伴隨著行業工資增長，因而可以通過考察工業機器人關聯滲透水平對分地區、分服務業行業平均工資影響，以驗證上游關聯崗位創造效應的機制。與之對比，工業機器人的兩種下游關聯崗位影響均來自工業投入品的成本下降，下游關聯服務業企業首先會增加工業品投入，促進中間要素和固定資產增加，再根據最優經營要素配比來提高對勞動力的需求，或因增加了節約勞動的固定資產而減少就業崗位。由于分地區、分服務業行業的可獲得數據較少，無法找到精準衡量投入品價格的變量，但投入品價格下降影響就業的邏輯鏈條中包含著資本的增加，為此可以通過考察工業機器人關聯滲透水平對分地區、分服務業行業固定資產投資的影響，以驗證下游關聯影響。

平均工資方面，本文以2007年消費者價格指數平減后的行業平均工資年收入（元）的對數值衡量；資本方面，本文以2007年固定資產投資價格指數平減后的固定資產投資（億元）的對數值衡量。如果本文理論分析邏輯成立，盡管上游影響路徑在擴大生產規模時也可能增加對固定資產的投資，但其影響應該小于更直接的下游關聯效應，而上游關聯滲透影響來自需求端的創造，對工資收入的影響應顯著大于下游關聯。回歸結果如表10所示。結果發現，工業機器人上游關聯對工資收入影響顯著為正，下游關聯影響不明顯，與上述分析一致。而固定資產投資方面，由于需求創造和成本節約最終都可能帶來生產規模的增加，上游關聯、下游關聯對固定資產投資均有著正向影響，但上游關聯對回歸方程擬合優度的標準化貢獻率約為0.8%，下游關聯的貢獻率約為3.6%，因而下游關聯影響更大，一定程度上驗證了本文理論分析的邏輯機制。此外，用以控制其他非關聯影響的地區工業機器人滲透水平對服務業工資收入、固定資產投資均有著顯著的負向影響。其原因在于：一方面，工業機器人應用偏向于促進工業發展，沒有關聯邏輯鏈條影響下會形成資源回流工業，進而對工資和固定資產投資產生負向作用；另一方面，勞動力的非關聯轉移屬于“被動式”轉移，不同于關聯影響下的“主動式”崗位創造，可能會對第三產業工資帶來擠出。

2.行業差異

以上機制檢驗通過平均工資和固定資產投資兩個中介變量區分了上游關聯影響和下游關聯影響，但根據本文理論分析，下游關聯影響存在崗位創造和崗位替代兩種不同的效應，由于分地區、分服務業數據較少，難以找到區分兩種下游效應的中介變量進行機制檢驗，本文以行業異質性分析的方法驗證假說2、假說3和假說4。

本文對服務業作以下分類：首先，考慮到工業機器人主要應用于生產領域，其關聯傳導可能偏向于生產服務，本文根據國家統計局發布的《生產性服務業統計分類（2019）》和《生活性服務業統計分類（2019）》的分類邏輯，按照產品直接消費對象劃分出生產性服務業和生活性服務業。其次，根據生產服務的功能，進一步把生產服務劃分為技術生產服務和流通生產服務。技術生產服務包括三個層次，一是傳統技術意義層面的科學研究和技術服務，二是信息技術層面的計算機、軟件和信息服務，三是管理技術層面的租賃和商務服務。流通性服務業指參與生產的資本流通、生產過程流通和生產商品流通三個方面（趙凱和宋則，2009）。其中，生產資本主要指生產活動提供的金融和保險等服務；生產過程流通主要指生產物質資料的倉儲、運輸等方面的服務；生產商品流通主要指交通、批發和銷售等方面的服務。第三，根據國家統計局發布的《現代服務業統計分類（2023）》的邏輯，把生活性服務劃分為現代生活服務和傳統生活服務，現代生活服務主要指促進人力資本提升和獲得精神文明的教育、健康和文化娛樂服務，而傳統生活服務主要指參與衣食住行的居民服務、住宿和餐飲服務和房地產服務。值得注意的是，過去一些研究把房地產業歸入生產性服務，但根據《中華人民共和國2019年國民經濟和社會發展統計公報》，中國房地產業的投資額、施工面積、竣工面積、銷售面積等各方面指標均以居民住宅占大部分份額，所以將其歸入生活性服務更加符合現實經濟情況（魏嘉輝和顧乃華，2021）。

按照以上邏輯，可以根據消費對象和功能較大程度劃分出互相區別的四大類服務業，具體分類結果如表11所示。首先，在該分類下，如果上游關聯指標對就業的正向影響偏向于技術生產服務和現代生活服務，那么假說2的猜想將得到驗證。其次，由于流通生產服務、傳統生活服務的技術水平較低，資本品投入容易形成替代，例如基層金融服務的網點無人化、送餐機器人、物流機器人等設備應用對崗位帶來較大的破壞，如果下游關聯滲透指標對這些行業影響為負，則說明假說3中的崗位破壞效應存在。第三，如果下游關聯指標對具有較高技術水平的服務行業具有正向影響，而對低技術水平的行業有負向影響，則說明崗位破壞效應存在行業技術水平上的異質性，即驗證了假說4的猜想。通過分組回歸的方式進行異質性檢驗，結果如表12所示。

上游關聯影響方面，對技術生產服務業、流通生產服務業、現代生活服務業均存在顯著的正向作用，而對傳統生活服務業影響不明顯，因而驗證了假說2的猜想。按照理論分析，上游關聯的崗位創造效應來自工業機器人應用下的需求增進，既包括流通生產、技術生產等生產服務，也因與高技能勞動互相補充而增加人力資本需求，進而對教育、醫療、文化等現代服務就業帶來正向影響（胡晟明等，2021）。

下游關聯影響方面，首先，由于教育、醫療、文化、體育等現代生活服務業技術水平較高且替代程度較低，資本的應用難以替代就業，在工業機器人的下游關聯影響下能夠帶來較多的崗位創造，進而表現出顯著的正向影響；其次，傳統生活服務和流通生產服務技術水平較低，其“加速”標準化的崗位破壞效應較強，工業機器人應用的下游關聯指標對就業帶來顯著的負向影響，因而驗證了假說3和假說4的猜想。此外，下游關聯指標對技術生產服務的影響不明顯，究其原因可能在于這些行業雖然技術水平較高，但由于其相較于現代生活服務業的資本密集程度更高，工業機器人下游影響下依然能產生一定的崗位替代，在兩種影響效應下對就業的作用不明顯。

其他非關聯影響方面，用以截取其余影響的滲透指標對技術生產服務和現代生活服務不顯著，而對具有低技能要求的流通生產服務和傳統生活服務就業具有顯著的正向影響。由于替代人類完成生產任務是工業機器人的基本屬性，其應用不可避免地對生產部門就業造成擠出，進而為服務業帶來大量的勞動儲備（郭凱明，2019；郭凱明等，2020）。然而，工業機器人應用在制造部門的替代影響并非對稱，而是存在很大低技能偏向性（程虹等，2018）。由于那些重復性、常規性的工作任務最先被替代，從生產部門流出的往往是低技能群體（余玲錚等，2021；何小鋼和劉叩明，2023）。從就業需求角度看來，那些具有高技術特征的信息、科學研究、教育、醫療等服務業很難接收這部分轉移群體，而具有零工性質和低技術特征的傳統服務業勞動保障相對薄弱，從業人員流動性較高，就業吸收能力更強（王文等，2020）。這導致替代影響下的就業轉移與技能相關性極低，可能造成部分服務業就業堆積，表現出無關聯特征的就業流動。這類工作崗位一般同時具有低技能和零工性質，如網約車、快遞分揀、送貨送餐員、餐飲服務員、家庭保育等（邱澤奇，2020）。

總體看來，工業機器人應用對服務業就業的影響存在較大的行業差異，上游關聯影響偏向促進有技能、技術需要的技術生產服務和現代生活服務就業，下游關聯影響的崗位創造僅存在于現代服務業中，而對流通生產、傳統生活服務有就業流出作用，非關聯就業轉移偏向存在于低技術需求和具有零工性質的流通生產和傳統生活服務中。由于上下游關聯影響偏向促進高技術服務業就業，而下游影響對流通生產服務、傳統生活服務等低技術服務就業有抑制作用，使得工業機器人應用一定程度上推動了服務業就業結構升級，支持了王文等（2020）的結論。

（八）異質性分析

1.區域異質性

由于機器人崗位創造效應來自跨產業、行業的關聯影響，市場傳導機制在其中發揮著重要的作用，因而不同的市場環境、制度和市場規模下，機器人關聯崗位創造影響可能具有較大的差異。為了檢驗這種差異，本文分別從地理位置、國有化程度和對外貿易水平進行異質性檢驗。其中，地理位置采用分組的方式進行回歸，結果如表13所示；國有化程度、對外貿易水平采用異質變量與解釋變量交乘的方法進行回歸，結果如表14所示。值得注意的是，由于基準回歸中非關聯滲透控制變量的回歸結果不顯著，建立該變量與異質變量的交乘項無意義，為此，采用交乘方法研究異質性的表14和表15中只考慮兩個解釋變量的交乘項。

首先，機器人關聯崗位創造效應存在明顯的地理區域差異，表現在：經濟發達的東部地區的上下游關聯崗位創造均顯著存在；中部地區的崗位創造效應只體現在上游關聯影響，而西部地區只體現在下游關聯上。東部地區由于市場經濟體系相對完善，無論上游需求崗位創造還是下游成本節約崗位創造均得到了較好的市場傳導。而近年來，由于相當部分工業企業自東部向中部地區轉移，機器人的大規模應用一定程度上產生了大量服務需求，使其上游關聯崗位創造影響顯著（王林輝等，2022）。相比之下，西部地區工業發展相對緩慢，服務業受到的上游關聯影響較小，但隨著交通物流行業的發展，工業商品價格的區域差異逐漸減小，西部地區相關下游服務業也能在一定程度上獲得成本節約的好處。總體看來，工業機器人應用的上游關聯影響伴隨著工業經濟重心轉移，具有較大的區域差異，而隨著中國工業企業的中西部轉移，機器人應用一定程度上能帶動后發地區生產性服務發展。相比之下，下游關聯影響相對普惠，在市場經濟和交通物流發展下帶動西部地區發展。

第二，區域國有化程度促進了機器人的下游關聯市場傳導，但也抑制了上游關聯崗位創造，同時，由于國有企業崗位相對剛性，對非關聯就業增加也有顯著的負向影響。相較于民營企業，國有企業在追求利潤的同時也承擔著更多的社會責任，當機器人應用帶來生產效率提高時，能更積極地通過降低產品銷售價格帶動下游關聯行業的發展，進而促進下游服務業就業。然而，地區國有成分過高也可能降低創新活力和減少人員流動，使編制人員或國有企業從業人員不愿意隨市場需求轉移就業，進而抑制上游服務業如科學研究、技術、信息等服務的崗位創造作用。因此，激發地區市場活力，降低就業剛性，提高企業社會責任，對工業智能化的崗位創造效應具有積極作用。

第三，對外貿易水平顯著促進了上游關聯影響，但降低了下游關聯作用。地區對外貿易水平一定程度上反映了制造商品的競爭環境。出口企業為了銷售中國商品，會積極嵌入高技術服務，以促進商品價值鏈增值（顧乃華等，2006）。此時，區域對外貿易水平越高，價值鏈攀升愿望越強，機器人應用創造上游相關服務需求的影響也更強。然而，對外貿易水平更高地區的服務業投入產品相當部分來自海外，一定程度上降低了本土制造商品成本節約作用下的好處。

總體看來，工業機器人對服務業就業的影響存在顯著的區域差異，上游需求關聯效應偏向存在東部、中部地區和對外貿易水平更高的地區，下游成本節約效應偏向存在于社會責任更強的高國有化程度地區。

2.勞動力供給異質性

以上從行業和市場視角分析了機器人關聯崗位創造的異質性，如果把這些影響歸結為崗位需求差異，那么勞動力供給差異也可能帶來異質性影響。具體地，分別通過設立地區教育程度、非農與農業人口比和男女性別比與解釋變量的交乘項進行回歸分析，結果如表15所示。

首先，人均受教育年限與工業機器人的上游、下游關聯滲透水平交乘項系數分別顯著為正，說明關聯影響存在技能上的聯系，區域人均受教育年限越高，工業機器人對服務業就業的關聯崗位創造越強，而下游關聯的崗位破壞也越弱。

其次，地區非農人口比例越高，工業機器人的上游崗位關聯創造作用越強。這與目前中國城市功能空間分布格局有關，主要表現在生產性服務集聚城市中心而工業企業圍繞城市分散布局的情形（劉勝等，2019）。這使得工業機器人應用關聯影響下，崗位創造偏向于城市人口，而對區域的農業人口影響不明顯（陳媛媛等，2020）。因此，從工業智能化上游關聯崗位創造視角看來，機器人應用一定程度上不利于城鄉居民收入的平衡增長，如何在智能時代引導農業人口、農民工群體與技術匹配互補具有重要研究意義。

最后，以地區男女性別比為異質性變量的上游關聯交乘項和服務業就業呈顯著的負向影響，說明地區女性占比越高，工業機器人的崗位關聯創造作用越強。過去研究從替代視角出發，發現工業機器人應用最先擠出的就是工業部門的重復體力勞動，這一定程度上平衡了男女性別收入差異（許健等，2022；王永欽和董雯，2023）。而本文從崗位創造和勞動力互補視角進行分析，發現工業機器人的上游關聯影響偏向促進了技術、商務、文化娛樂等技術生產服務、現代生活服務的非體力崗位，進一步促進了男女性別就業平衡。

總體看來，學歷教育、女性占比和非農人口比例均對工業機器人的關聯崗位創造作用有正向調節作用，但要警惕偏向作用帶來的男性低技能勞動群體性失業、城鄉就業差距擴大的可能。

五、結論與政策啟示

在既有文獻關注機器人對就業的擠出影響下，本文把研究視角聚焦在工業機器人的外溢崗位創造上。理論分析發現，工業機器人能通過促進上游關聯需求和下游成本節約增加服務業就業，但也可能因提高下游服務業標準化程度而產生就業破壞影響。通過嵌入投入產出網絡，發現工業機器人應用的上游、下游關聯影響整體上均對服務業產生正向的就業效應。在直接關聯系數假設下，每增加1單位上游關聯機器人滲透水平，將帶來1.807%的服務業就業增長，每單位下游關聯機器人滲透水平增加，將帶來0.411%的服務業就業增長。以上兩種正向顯著影響在經過一系列穩健性檢驗和內生性處理下依然成立。機制分析發現，工業機器人的上游關聯影響伴隨著工資收入的增加，且偏向于生產性服務和提供人力資本服務的現代生活服務；下游關聯影響伴隨著固定資產投資的增長，且“加速標準化”破壞效應偏向于低技術的流通生產服務和傳統生活服務；工業機器人的非關聯影響導致勞動力往具有低技能需求和零工性質的流通服務、傳統生活服務方向轉移。

其他異質性分析發現：第一，由于中國工業重心的地區轉移和物流運輸行業發展，機器人上游關聯崗位創造顯著存在于東部和中部地區，下游關聯影響對東西部均有顯著的影響；第二，由于有著更高的社會責任，國有化程度高的區域機器人下游關聯市場傳導影響更強，但也因較低的經濟活力而抑制了上游關聯崗位創造；第三，出于商品競爭和價值鏈嵌入動機，區域對外貿易程度越高機器人的上游需求關聯影響越強，但也因較多進口商品而降低下游關聯崗位創造；第四，機器人關聯崗位創造偏好于高學歷人群、女性和城市人口占比較高的區域。

本文結論包含以下政策啟示：

第一，繼續深化中國工業智能化進程，加大人工智能、機器人等制造業或技術服務業的政策扶持力度，不斷拓展機器人技術應用范圍，把中國打造為亞洲甚至全球的工業智能技術高地。近年來，國內外不少研究擔心工業機器人等技術的替代效應可能對就業帶來負面影響，然而在本文的研究下，工業機器人應用的外溢影響顯著促進了關聯行業的崗位創造，而下游關聯崗位破壞和非關聯的勞動力被迫轉移影響較小，整體上促進了勞動力在更宏觀的概念下“人機互補”，一定程度上回應了對“機器換人”的擔憂。

第二，無論是“需求關聯”還是“成本節約”的崗位創造，都離不開要素流動和商品傳導，需要繼續深化中國特色社會主義市場經濟進程，搭建有利于智能技術服務與應用的二三產業融合發展平臺，促進資本、勞動力、技術和商品的跨行業、跨產業流轉，破除制約要素流動的剛性工資、戶籍、崗位等機制，擴大工業機器人等智能技術的崗位創造作用。

第三，雖然工業機器人的外溢影響創造了關聯服務業崗位，但也要警惕“機器換人”下的非關聯就業轉移。非關聯轉移的行業大多具有低技術需求和零工性質，容易造成去技能化的風險。為此，需要加大技能培訓尤其生產工人再就業技能轉化服務，調整中、高等教育培養方案，促進智能技術在各個學科、領域的融合交互，從勞動力供給端適應工業智能化趨勢。

第四，異質性分析發現，工業機器人對服務業的關聯崗位創造偏好于高學歷、女性和非農人口占比較高的區域，需要特別關注低學歷男性青年群體、農業人口在智能化時代的職業流動問題，謹防群體性失業的發生，建議建立職業流轉服務中心，嵌入技能培訓、就業指導、崗位招聘等功能，為失業高風險人群提供幫助，促進就業的充分高質量發展。

本文存在以下不足之處和進一步研究的可能：首先，投入產出關系衡量的是行業間商品貿易和交換情況，本文以其為基礎計算了產業關聯系數，并把其作為關聯權重分別測算了服務業視角的上游關聯滲透水平和下游關聯滲透水平，實際上存在著商品要素在行業間的傳導貿易和摩擦關系與機器人外溢傳導過程一致的假設。但如今，產業間的不斷融合發展不僅體現在商品流動關系更加密切上，也包括空間集聚、要素流通等多方面的內涵。其次，本文的行業異質性分析按照服務對象和功能區分為四種服務業類型，但目前分地區分行業服務業就業統計數據無法做到以上方法的完全細分，例如，批發和零售、金融、房地產等行業既有服務生產部分也有服務生活部分，只能按照邏輯進行大致的分配。第三，由于目前分行業機器人應用數據對服務業的統計較少，本文沒有控制服務業行業內部的機器人應用情況，可能產生一定的偏誤。以上方向有待可獲得數據的完善作進一步研究。

參考文獻

蔡震坤、綦建紅，2021，“工業機器人的應用是否提升了企業出口產品質量——來自中國企業數據的證據”，《國際貿易問題》，第10期，第17-33頁。

陳國亮、陳建軍，2012，“產業關聯、空間地理與二三產業共同集聚——來自中國212個城市的經驗考察”，《管理世界》，第4期，第82-100頁。

陳紹儉、殷永昆、毛慧，2023，“工業機器人與企業進入”，《經濟科學》，第3期，第147-167頁。

陳媛媛、張競、周亞虹，2022，“工業機器人與勞動力的空間配置”，《經濟研究》第1期，第172-188頁。

程虹、陳文津、李唐，2018，“機器人在中國：現狀、未來與影響——來自中國企業-勞動力匹配調查（CEES）的經驗證據”，《宏觀質量研究》，第3期，第1-21頁。

程虹、袁璐雯，2020，“機器人使用、工藝創新與質量改進——來自中國企業綜合調查（CEGS）的經驗證據” ，《南方經濟》，第1期，第46-59頁。

程永宏，2003，“技術性失業：虛構還是現實”，《經濟學家》，第5期，第11-20頁。

高翔、張敏、劉啟仁，2022，“工業機器人應用促進了‘兩業融合’發展嗎？——來自中國制造企業投入服務化的證據”，《金融研究》，第11期，第58-76頁。

江小涓，2011，“服務業增長：真實含義、多重影響和發展趨勢”，《經濟研究》，第4期，第4-14+79頁。

顧乃華、畢斗斗、任旺兵，2006，“中國轉型期生產性服務業發展與制造業競爭力關系研究——基于面板數據的實證分析”，《中國工業經濟》，第9期，第14-21頁。

郭凱明，2019，“人工智能發展、產業結構轉型升級與勞動收入份額變動”，《管理世界》，第7期，第60-77+202-203頁。

郭凱明、潘珊、顏色，2020，“新型基礎設施投資與產業結構轉型升級”，《中國工業經濟》，第3期，第63-80頁。

韓民春、韓青江、夏蕾，2020，“工業機器人應用對制造業就業的影響——基于中國地級市數據的實證研究”，《改革》，第3期，第22-39頁。

何小鋼、劉叩明，2023，“機器人、工作任務與就業極化效應——來自中國工業企業的證據”，《數量經濟技術經濟研究》，第4期，第52-71頁。

胡晟明、王林輝、朱利瑩，2021，“工業機器人應用存在人力資本提升效應嗎？”，《財經研究》，第6期，第61-75+91頁。

景國文，2023，“工業機器人應用與制造業企業全要素生產率提升”，《企業經濟》，第10期，第105-114頁。

孔高文、劉莎莎、孔東民，2020，“機器人與就業——基于行業與地區異質性的探索性分析”，《中國工業經濟》，第8期，第80-98頁。

林晨、尤晶，2023，“投入產出研究的優點、邊界與前景”，《經濟學動態》，第6期，第80-93頁。

林毅夫，2011，“新結構經濟學——重構發展經濟學的框架”，《經濟學（季刊）》，第1期，第1-32頁。

劉勝、顧乃華、李文秀、陳秀英，2019，“城市群空間功能分工與制造業企業成長——兼議城市群高質量發展的政策紅利”，《產業經濟研究》，第3期，第52-62頁。

路瑋孝、孟夏，2021，“工業機器人應用、就業市場結構調整與服務貿易發展”，《國際經貿探索》，第9期，第4-20頁。

邱語、張衛國，2023，“機器人應用與勞動力就業：來自中國制造業的經驗證據”，《廣東財經大學學報》，第4期，第18-36頁。

邱澤奇，2020，“零工經濟：智能時代的工作革命”，《探索與爭鳴》，第7期，第5-8頁。

王林輝、姜昊、董直慶，2022，“工業智能化會重塑企業地理格局嗎”，《中國工業經濟》，第2期，第137-155頁。

王田苗、陶永，2014，“我國工業機器人技術現狀與產業化發展戰略”，《機械工程學報》，第9期，第1-13頁。

汪偉、劉玉飛、彭冬冬，2015，“人口老齡化的產業結構升級效應研究”，《中國工業經濟》，第11期，第47-61頁。

王文、牛澤東、孫早，2020，“工業機器人沖擊下的服務業：結構升級還是低端鎖定”，《統計研究》，第7期，第54-65頁。

王小霞、李磊，2020，“工業機器人加劇了就業波動嗎——基于中國工業機器人進口視角”，《國際貿易問題》，第12期，第1-15頁。

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，第159-175頁。

王永欽、董雯，2023，“人機之間：機器人興起對中國勞動者收入的影響”，《世界經濟》，第7期，第88-115頁。

王岳平、葛岳靜，2007，“我國產業結構的投入產出關聯特征分析”，《管理世界》，第2期，第61-68頁。

魏嘉輝、顧乃華，2021，“老齡化與中國服務業就業結構”，《經濟經緯》，第1期，第86-95頁。

魏嘉輝、顧乃華、鄭鵬，2022，“工業機器人應用與服務業結構升級”，《軟科學》，第9期，第1-7頁。

魏下海、張沛康、杜宇洪，2020，“機器人如何重塑城市勞動力市場：移民工作任務的視角”，《經濟學動態》，第10期，第92-109頁。

許健、季康先、劉曉亭等，2022，“工業機器人應用、性別工資差距與共同富裕”，《數量經濟技術經濟研究》，第9期，第134-156頁。

閆雪凌、朱博楷、馬超，2020，“工業機器人使用與制造業就業：來自中國的證據”，《統計研究》，第1期，第74-87頁。

易行健、張凌霜，2021，“數字普惠金融對家庭資產負債率的影響——基于家庭微觀數據的實證估計”，《福建論壇（人文社會科學版）》，第2期，第113-125頁。

余玲錚、魏下海、孫中偉、吳春秀，2021，“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”，《管理世界》，第1期，第47-59+4頁。

趙春明、谷均怡，2023，“工業機器人應用、上下游產業關聯與中國企業出口產品質量”，《南昌大學學報（人文社會科學版）》，第1期，第41-55頁。

趙春明、李震、李宏兵、彭剛，2020，“機器換人——工業機器人使用與區域勞動力市場調整”，《北京師范大學學報（社會科學版）》，第6期，第113-127頁。

趙凱、宋則，2009，“商貿流通服務業影響力及作用機理研究”，《財貿經濟》，第1期，第102-108頁。

趙奎、后青松、李巍，2021，“省會城市經濟發展的溢出效應——基于工業企業數據的分析”，《經濟研究》，第3期，第150-166頁。

Acemoglu， D. and Restrepo， P.， 2018， “The Race Between Man and Machine： Implications of Technology for Growth，Factor Shares， and Employment”， American Economic Review， 108（6）：1488-1542.

Acemoglu， D. and Restrepo， P.， 2020a， “Robots and Jobs： Evidence from US Labor Markets”， Journal of Political Economy， 128（6）：2188-2244.

Acemoglu， D. and Restrepo， P.， 2020b， “The Wrong Kind of AI？ Artificial Intelligence and the Future of Labour Demand”， Cambridge Journal of Regions Economy and Society， 13（1）：25-35.

Autor， D. and Salomons， A.， 2018， “Is Automation Labor-displacing？ Productivity Growth， Employment， and the Labor Share”， NBER Working Paper， No.24871.

Bartik， T. J.， 1991， “Who Benefits from State and Local Economic Development Policies？”， W. E. Upjohn Institute.

Blanas， S.， Gancia， G. and Lee， S.Y.， 2019， “Who is Afraid of Machines？”， Economic Policy， 34（100）：627-690.

Dauth， W.， Findeisen， S.， Suedekum， J. and Woessner， N.， 2021， “The Adjustment of Labor Markets to Robots”， Journal of the European Economic Association， 19（6）：3104-3153.

David， B.， 2017， “Computer Technology and Probable Job Destructions in Japan： An Evaluation”， Journal of the Japanese and International Economies， （43）：77-87.

Frey， C. B. and Osborne， M.A.， 2017， “The Future of Employment： How Susceptible are Jobs to Computerisation？”， Technological Forecasting and Social Change， 114： 254?280.

Geng， Y.， Liu， W. and Wu， Y.Z.， 2021， “How do Zombie Firms Affect China's Industrial Upgrading？”， Economic Modelling， （97）：79-94.

Goldsmith-Pinkham， P.， Sorkin， I. and Swift， H.， 2020， “Bartik Instruments： What， When， Why， and How”， American Economic Review， 110（8）：2586-2624.

Graetz， G. and Michaels， G.， 2018， “Robots at work”， Review of Economics and Statistics， 100（5）：753-768.

Padalino， S. and Vivarelli， M.， 1997， “The Employment Intensity of Economic Growth in the G-7 Countries”， International Labor Review， 136（2）：191-213.

Rodrik， D.， 2018， “New Technologies， Global Value Chains， and Developing Economies”， NBER Working Paper， No.w25164.

Veronica， G.， Daniel， H. and Erik， H.， 2013， “Endogenous Gentrification and Housing Price Dynamics”， Journal of Public Economics， （100）：45-60.

Vivarelli， M.， 1995， “The Economics of Technology and Employment： Theory and Empirical Evidence”， Edward Elgar Publishing.

Cross Industry \"Human-Machine Complementarity\"： Industrial Robot Applications and Employment in Related Service Industries

Wei Jiahui" Gu Naihua

Abstract： Industrial robot applications can create employment opportunities for the service industry through upstream \"demand correlation\" and downstream \"cost savings\" effects， and may also lead to reduce position by downstream \"accelerated standardization\" effect. By embedding input-output table to establish correlation penetration indicators for the service industry， it was found that the upstream and downstream effects have both overall led to an increase in employment in the service industry. Mechanism testing finds that the upstream impact of industrial robots is accompanied by an increase in wages， and tends towards the producer service industry and modern consumer service industry; The downstream influence of industrial robots is accompanied by the increase of fixed assets investment， in which post creation is biased towards modern consumer services with high-tech characteristics， and post destruction is biased towards circulation production services and traditional consumer services with low technology characteristics. Heterogeneous analysis reveals that the associative influence of industrial robot aids in balancing regional disparities and narrowing gender-based employment gaps. The degree of nationalization， owing to heightened social responsibility， is marked by more pronounced downstream associative effects. However， due to the relative rigidity of positions， it suppresses both upstream associative effects and non-associated effects. Foreign trade contributes to enhancing the incentive for manufacturing to integrate with services， thereby fostering upstream associative impacts. The conclusion of the article to some extent responds to concerns about \"machine replacement\". The application of industrial robots can promote the increase of associative service industry positions， facilitate the natural division of labor between humans and machines， achieve cross industry \"human-machine complementarity\"， and promote full and high-quality employment development.

Keywords： Industrial Robot; Manufacturing-Associated Service Industry; Input-Output Table; High-Quality Employment

（責任編輯：徐久香）

* 魏嘉輝（通訊作者），仲愷農業工程學院經貿學院，E-mail：coffeewee@163.com，通訊地址：廣東省廣州市海珠區仲愷路501號，郵編：510225；顧乃華，暨南大學產業經濟研究院，E-mail：gunaihua@126.com。感謝匿名評審專家提出的建議，作者文責自負。

基金項目：本文受廣東省哲學社會科學規劃青年項目“工業智能化背景下廣東高質量就業的機制與對策研究”（GD23YYJ31）；廣東省社科聯扶持省社科類社會組織課題“高質量發展背景下的廣東創新鏈與產業鏈深度融合路徑研究”（GD2023SKFC12）資助。