制造業中應用工業機器人對出口隱含碳的影響

中圖分類號：TP242.2;X322 文獻標志碼：A

Impact of Industrial Robots in Manufacturing on Embodied Carbon in Exports

XIE Jing，LI Hui （School of Economics，Qingdao University，Qingdao 266o61，China）

Abstract： Based on the OECD database， the multi-region input-output model （MRIO） was used to calculate the export embodied carbon emissions of 12 manufacturing subsectors in 56 countries from 2O08 to 20l8. Combined with IFR robot data，the mediating effect and moderating effect were utilized to examine the impact and mechanism of applying industrial robots in manufacturing on the embodied carbon of export trade. The research results show that the application of industrial robots in manufacturing can reduce the embodied carbon emissions of export trade by enhancing the digital input level of manufacturing， strengthening technological innovation and upgrading the industrial structure. The impact on the embodied carbon of export trade is more obvious in developing countries and technology-intensive industries.

Keywords： industrial robots; embodied carbon in exports; multi-region input-output model

工業革命以來，全球經濟與貿易蓬勃發展。隨之而來的是全球約 20% 的碳排放量由商品貿易活動產生[1]，區域間貿易造成的碳排放轉移對全球碳排放具有重要而深遠的影響。出口貿易隱含碳是指出口產品在整個生產鏈條中直接或間接引發的碳排放，精準測度出口隱含碳并深入研究其影響因素，可以為推行低碳經濟、優化全球氣候治理提供科學依據和政策建議[2]。隨著網絡信息技術的蓬勃發展，人工智能技術應運而生，并在數字經濟時代展現出以機器人為代表的獨特優勢。通過推廣低碳生產技術、提高能源利用效率、優化運輸方式等措施，制造業中應用工業機器人有望在減少出口貿易隱含碳方面發揮關鍵作用。已有文獻探討了工業機器人對各個領域的潛在影響，主要聚焦于就業[3-5]、產業結構升級[6-7]、全球價值鏈[8]和碳排放[9-10]等方面。然而，由于數據的限制，關于工業機器人對碳排放影響的相關研究主要集中在省級和城市層面，鮮有文獻涉及制造業中應用工業機器人對出口貿易隱含碳排放的影響及其作用機制。采用跨越多國且長時間跨度的數據來研究制造業中應用工業機器人對出口隱含碳的影響，具有豐富理論、推動跨學科研究的學術價值，及應對氣候變化的實用價值。本文利用2008—2018年56個國家12個制造業細分行業的面板數據，通過中介效應和調節效應模型系統探究制造業工業機器人的使用對出口隱含碳的影響及其作用機制。

1 研究假說

1.1 制造業中應用工業機器人與出口隱含碳之間的關系

制造業工業機器人（簡稱機器人）的使用量是衡量國家高端制造業發展水平的關鍵指標，不僅能夠提升國際競爭力，還在優化生產過程、減少廢氣排放、提高能源利用效率等方面[1]為降低出口隱含碳排放提供了有效手段。基于以上分析，提出假設：

H1：制造業中應用工業機器人可以抑制出口隱含碳排放。

1.2 中介路徑

先進的傳感器和控制技術能使機器人實現高精度的加工與裝配[12]，減少材料浪費，避免不合格產品的返工，從而降低相應的隱含碳排放。利用物聯網技術實現遠程智能監控與管理，通過實時數據分析優化生產流程，根據市場需求快速調整生產，避免庫存和過度生產，結合工業互聯網技術，減少運輸和生產中的不必要環節[13]，通過以上技術創新方式，機器人在推動制造業降低出口隱含碳排放方面發揮重要作用。

產業升級過程中，往往采取更環保的生產工藝和管理模式，如循環經濟等，能顯著降低生產過程中的出口隱含碳排放。產業結構升級可以促進供應鏈的智能化和數字化管理，更好地協調資源，優化運輸和生產環節，從而降低出口隱含碳排放[6。基于以上分析，提出假設：

H2：制造業中應用工業機器人可以通過加強技術創新抑制出口隱含碳排放。

H3：制造業中應用工業機器人可以通過促進產業結構升級抑制出口隱含碳排放。

1.3 調節路徑

機器人通過調整制造業投入數字化水平，可以有效調節出口隱含碳排放。數字化工具可以優化資源配置，減少材料浪費，降低隱含碳排放[14-15]。數字化物流管理系統能夠優化供應鏈和運輸路徑，減少物流過程中的隱含碳排放，實現高效的原料和產品流動。智能管理系統還能促進可再生能源的利用，降低對化石燃料的依賴。基于以上分析，提出假設：

H4：制造業中應用工業機器人可以通過調整制造業投入數字化水平來調節出口隱含碳排放。

2 數據來源與實證設計

2.1 數據來源與說明

根據多區域投人產出模型（Multi-Region Input-Output Model，MRIO）計算得到出口貿易隱含碳數據。機器人數據來源于國際機器人聯合會（International Federation of Robotics，IFR），生產碳排放數據、碳強度和國家間投人產出表來源于OECD數據庫，城鎮化水平、經濟發展水平和外商直接投資數據來源于世界發展指標數據庫。

IFR數據庫中將機器人的應用領域細分成45個行業，涉及14個制造業分行業；OECD數據庫中使用國際標準行業分類，將制造業細分成17個分行業。對比兩個數據庫的行業分類標準和名稱，將制造業整合為12個細分行業，涵蓋了IFR數據庫中的14個制造業分行業和OECD數據庫中17個制造業分行業，合并整理，得到國家間投入產出表。

2.2 變量選取

2.2.1被解釋變量出口貿易隱含碳（EC）。根據IFR數據庫中機器人應用行業的劃分標準，合并OECD數據庫的國家間投入產出表的行與列，通過投入產出法計算得到各國各行業的EC排放量。

構建由 G 個國家（地區）、 N 個部門組成的MRIO模型

對模型中的任一國家 S（S=1，…，G） 而言， X^s 表示 s 國的總產出列向量， 表示由 s 國各部門的總產出構成的對角陣； Y^ss 表示 s 國的國內最終需求列向量， 且 R≠S ）表示 R 國對 S 國的最終需求矩陣； A^ss 表示 s 國的直接消耗系數矩陣， A^sR 表示 R 國各部門生產單位產品對 s 國各部門的直接消耗系數矩陣； Z^sR=A^sR?X^R 表示 s 國各部門對 R 國各部門的中間投入矩陣。

其中， 為單位矩陣， B=（I-A）^-1 為列昂惕夫逆矩陣。式（1）簡化為 AX+Y=X ，式（2）簡化為 X=（I- 。

借鑒相關文獻[16]，利用MRIO模型，測算各國各行業的EC 排放量，依托世界投人產出表，計算碳排放系數 f^Si

f^Si=C^Si/X^Si

其中， f^Si 為 s 國 i 行業的碳排放系數，S為國家， i 為行業， 為 S 國 i 行業的總碳排放量， X^si 為 S 國 i 行業的總產出。 s 國的碳排放系數 F^s

式（4）對角化，得到 s 國的碳排放系數對角陣

在式（5）的基礎上，得到 s 國的出口隱含碳排放量 EC^s

其中， L^ss=（I-A^ss）^-1 為 s 國的國內列昂惕夫逆矩陣。根據式（6），計算得到各國各行業的EC排放量。2.2.2解釋變量機器人存量（robot）。大多數國家從2008年開始記錄機器人的數據，并且主要應用于制造業。基于此，使用2008—2018年的機器人數據。

2.2.3控制變量（1）碳強度（int）：即單位產出而生產的碳排放量，通過生產碳排放與總產出之比計算得到，int的變化直接影響EC排放量的大小，減少碳強度是降低EC排放的重要途徑之一。（2）增加值（val）：指產品在生產過程中所產生的附加價值，增加值的多少與產品的復雜程度和附加功能有關，val的變化能對EC 排放產生影響。（3）城鎮化水平（urb）：用城鎮人口在總人口中的占比來衡量城鎮化水平，其值高低對EC產生影響，urb較高的地區往往伴隨著較高的EC。（4）經濟發展水平（per）：以人均國內生產總值（GDP）為衡量指標，經濟活動和能源消耗之間存在一定的關聯。（5）外商直接投資（FDI）：采用外商直接投資凈額表示，對降低EC排放有潛在的積極影響。

2.2.4中介變量（1）技術創新（inn）：技術進步與創新對改變EC排放的規模至關重要，使用各國居民專利申請數量衡量技術創新水平[16]。（2）產業結構升級（up）：引人涵蓋第一、第二、第三產業的產業結構層次系數來表征產業結構升級情況[16]。

2.2.5調節變量制造業數字化投入水平（dig），采用完全消耗系數展現數字化產業通過產業關聯效應對12 個制造業細分行業所產生的影響[17]。

變量描述性統計見表1。

表1變量描述性統計

2.3 實證設計

2.3.1 基準模型為考察機器人使用對EC的影響，構建基準模型

EC_ijt=α₀+α₁robot_ijt+α₂Controls_ijt+μ_i+ν_j+δ_t+ε_ijt

其中， α 為變量系數， i.j?t 分別表示國家、行業和年份，Controls為控制變量， μ_i?ν_j?δ_t 分別代表國家、行業和年份固定效應， E_ijt 為隨機誤差項。

2.3.2中介效應模型機器人可以通過技術創新、產業結構升級影響 EC，構建中介效應模型[18]

其中， M 表示中介變量， β 為變量系數。

2.3.3調節效應模型基于前文理論機制分析，機器人能通過調整制造業數字化投入水平，進而調節EC排放。為驗證 H4 ，構建調節效應模型

EC_ijt=φ₀+φ₁robot_ijt+φ₂TJ_ijt+φ₃Controls_ijt+μ_i+ν_j+δ_t+ε_ijt

EC_ijt=f₀+f₁robot_ijt+f₂TI_ijt+f₃JC_ijt+f₄Controls_ijt+μ_i+ν_j+δ_t+ε_ijt

式（9）中 φ 為變量系數，TJ表示調節變量制造業數字化投入程度；式（10）中 f 為變量系數，JC表示調節變量制造業數字化投入水平和自變量機器人的交乘項。

3 實證分析結果與討論

3.1 基準回歸分析

使用Statal7軟件進行實證分析，機器人對EC影響的回歸結果見表2。第（1）列為普通最小二乘法估計的結果，robot在 1% 水平上顯著為負，表明其對總體EC排放有顯著的負向影響，各國使用量的增加顯著降低了EC排放。第（2）、（3）列為固定效應估計結果，第（2）列為只加入robot 和行業層面控制變量的估計結果，robot在 1% 水平上顯著為負。第（3）列在第（2）列的基礎上加入國家層面控制變量，結果仍在 1% 水平上顯著為負，可知 robot每增加1萬臺，EC 排放平均減少8O萬噸，H1得證。

表2制造業中工業機器人對出口貿易隱含碳影響的基準回歸結果

注：括號內為估計系數的 χ_t 統計量；* *分別表示 5% 和 1% 的顯著水平。

3.2 穩健性檢驗

3.2.1更換解釋變量新增機器人數量可以準確地體現各國各行業對機器人的需求水平[19]。因此，將robot替換成新增機器人安裝量，結果見表3第（1）列，新增安裝量在 1% 水平上顯著為負，表明新增機器人安裝量的增加可以顯著降低EC排放。

3.2.2替換被解釋變量為擴大被解釋變量的覆蓋范圍，用生產碳排放進行回歸，結果見表3第（2）列，機器人對生產碳排放具有顯著的抑制作用。

3.2.3排除汽車行業的影響根據IFR數據庫可知，汽車制造業的工業機器人新增安裝量與存量均顯著高于其他行業，故推測機器人對EC的影響可能主要由汽車制造業引起[19]。為驗證這一推測，在模型（3）中剔除汽車制造業，重新進行回歸，結果見表3中第（3）列，robot對EC的影響依然在 1% 的水平上顯著為負，說明機器人抑制EC排放并非受汽車制造業的影響。

表3穩健性檢驗結果

注：括號內為估計系數的 χ_t 統計量；***表示 1% 的顯著水平。

3.2.4分期回歸將 2008—2018年的面板數據分為 2008—2012年和 2013—2018年兩期分別進行回歸，結果見表3中第（4）、（5）列，robot對EC的影響依然在 1% 的水平上顯著為負。根據系數絕對值，2013—2018年robot的增加對EC的邊際效應大于2008—2012年，主要原因是第二段時期工業機器人技術的迅猛發展，導致其對EC的影響擴大。

3.2.5內生性處理制造業中增加機器人的應用有利于降低EC排放，這一結果可能受到內生性問題的潛在影響。機器人通過提高生產效率和精度、優化物流和供應鏈管理、降低碳排放水平，進而減少EC，但一些國家或行業可能為了達到降低EC的目標而增加機器人的應用。盡管基準模型控制了碳強度、城鎮化水平等行業特征和國家特征，但還可能存在遺漏變量的問題。以上兩點使robot與EC之間存在一定的內生性，為消除此問題對估計結果的潛在影響，采用滯后一期機器人存量（lag）和同時期其他國家各行業 robot 的均值（mean）作為工具變量，利用工具變量—兩階段最小二乘法（IV-2SLS）重新估計機器人對 EC 的影響。

兩個工具變量的設定與選擇主要基于以下考量：滯后一期機器人存量和同時期其他國家各行業robot的均值均與本期robot相關，滿足有效工具變量和內生變量相關的假定;滯后一期robot和同時期其他國家各行業robot的均值與當期誤差擾動項無顯著聯系，滿足工具變量外生性的假定。

第一階段利用滯后一期的robot和同時期其他國家各行業robot的均值對當期機器人存量進行回歸，得到當期robot 的擬合值（robot_IV1和 robot_IV2），第二階段利用第一階段得到的robot_IV1和 robot_IV2作為EC的工具變量進行回歸。根據表4，各變量的回歸系數及顯著性與基準回歸結果相近，均在 1% 水平上顯著，表明H1成立。

上述檢驗均表明機器人使用能顯著抑制EC排放的結論是穩健的。

表4工具變量回歸結果

注：括號內為估計系數的 統計量；***表示 1% 的顯著水平。

3.3 異質性分析

3.3.1國家（地區）異質性根據聯合國和OECD分類標準，將56個國家分為發達國家和發展中國家兩類，探究機器人使用對EC的影響是否呈現國家（地區）異質性。根據表5，機器人使用可以顯著降低發達國家和發展中國家的制造業EC排放，根據系數絕對值大小可知，投入同等數量的機器人，發展中國家的制造業EC減排效果優于發達國家。發展中國家通常在制造業方面使用相對較老的技術和設備，當引進先進的機器人時，能夠更有效地利用資源，減少能源浪費，從而降低 EC 排放。同時，基于 bootstrap 的費舍爾組合檢驗法，重復抽樣1000次，計算得到 _p=0. 000 ，表明發達國家和發展中國家機器人使用對EC的影響存在顯著差異。

3.3.2生產要素投入異質性借鑒相關研究[20]，根據要素緊密度將12個制造業劃分為勞動、資本、技術密集型三類行業，進一步探究機器人使用對EC的影響是否呈現生產要素投入異質性。根據表6，勞動密集型行業中使用機器人會顯著增加EC。因為機器人通常需要大量能源供應，這些能源主要來自于化石燃料，燃燒會產生大量的 CO₂ 排放，但能大大增加勞動密集型行業的生產規模，間接增加了EC排放。資本密集型行業中使用機器人會減少EC，但效果并不顯著，若要實現顯著的效果，還需考慮供應鏈環節、能源來源和技術應用水平等多種因素的綜合效應。技術密集型行業中使用機器人會顯著減少EC，在精密的生產和加工中，機器人能夠精確執行復雜的操作，相比人力勞動，機器人可以更準確地控制生產過程，減少生產中的浪費，從而降低EC排放。

表5國家（地區）異質性檢驗結果

注：括號內為估計系數的 χ_t 統計量；***表示 1% 的顯著水平。

表6行業異質性檢驗結果

注：括號內為估計系數的 Ψ_t 統計量；***表示 1% 的顯著水平。

3.4 機制分析

3.4.1制造業工業機器人使用對出口隱含碳影響的中介機制分析基準回歸結果表明，機器人的使用會顯著降低EC排放，可能的渠道包括加強技術創新和促進產業結構升級，構建中介檢驗模型，利用兩步法檢驗各中介變量的中介作用[18]，估計結果見表7。

表7第（1）列為技術創新機制檢驗結果，robot系數顯著為正，說明增加機器人的使用可以顯著提高技術創新水平，通過智能控制系統、節能設計、循環和回收利用等渠道降低EC排放，H2得證。

表7第（2）列為產業結構升級機制檢驗結果，robot系數顯著為正，說明robot的增加可以顯著促進產業結構升級。機器人可以通過先進的自動化生產技術，提高產品質量，從而提高產品附加值，拓展產品市場，減少對低附加值產品的依賴，促進產業結構的升級，進而降低EC 排放，H3 得證。

表7中介效應回歸結果

注：括號內為估計系數的 χ_t 統計量；* 分別表示 5% 和 1% 的顯著水平。

3.4.2制造業工業機器人使用對出口隱含碳影響的調節機制分析表8為制造業投入數字化機制檢驗結果，其中，第（1）列顯示機器人和制造業數字化投人系數均顯著為負，說明機器人使用量和制造業數字化投入的增加均可以顯著降低EC排放;第（2）列加入了機器人使用和制造業數字化投入的交互項，結果顯示，交互項的系數為一0.412，且在 1% 的水平上顯著，表明制造業中應用機器人不僅直接對EC產生顯著影響，還通過調節制造業數字化投入水平進一步促進了EC的減少趨勢，H4得證。

表8調節效應回歸結果

注：括號內為估計系數的 χ_t 統計量； *** 表示 1% 的顯著水平。

4結論

根據OECD數據庫提供的數據，計算得到2008—2018年56個國家12個制造業細分行業的出口隱含碳排放量，結合IFR機器人數據，探討了制造業中應用工業機器人對出口貿易隱含碳的影響及作用機制。增加制造業中工業機器人的應用可顯著降低發達國家、發展中國家和技術密集型行業的出口隱含碳排放，并可以通過提升制造業數字化投入水平、加強技術創新和促進產業結構升級，降低出口隱含碳排放。

據此建議增加制造業中工業機器人的使用量，尤其是電子、化工、金屬加工等技術密集型行業，并針對制造業重點領域（如汽車、機械等），制定工業機器人普及目標，分階段推動生產線的全面自動化，加強技術創新，促進產業結構升級，提升制造業數字化投入水平，提高能源使用效率，鼓勵企業采用人工智能和大數據技術，優化生產流程，降低能耗，對數字化改造項目提供技術支持和資金補貼。

參考文獻

[1]ARCE G，LOPEZAL，GUAND.Carbonemisions embodiedininternationaltrade：Thepost-China eraJ].ApliedEnergy016，184：1063-1072.

[2]邢源源，王雅婷，王雪源.國際貿易隱含碳研究進展[J]．經濟學動態，2023（5）：141-160.

[3]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.

[4]李磊，王小霞，包群.機器人的就業效應：機制與中國經驗[J].管理世界，2021，37（9）：104-119.

[5］孔高文，劉莎莎，孔東民.機器人與就業——基于行業與地區異質性的探索性分析[J].中國工業經濟，2020（8）：80-98.

[6]孫麗文，李翼凡，任相偉.產業結構升級、技術創新與碳排放——一個有調節的中介模型[J].技術經濟，2020，39（6）：1-9.

[7]郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動[J].管理世界，2019，35（7）：60-77+202-203.

[8]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.

[9]’譚晶榮，柳旭，陳林等.人工智能對碳排放的影響——基于中國工業行業機器人數據的實證檢驗[J].科技與經濟，2023，36（4））：11-15.

[10]蔣為，龔思豪，李錫濤.機器人沖擊、資本體現式技術進步與制造業碳減排——理論分析及中國的經驗證據[J]。中國工業經濟，2022（10）：24-42.

[11]郭孝陽，張秀武，楊靜怡.智能制造、人機協作與能源利用效率——基于工業機器人應用的視角[J].環境經濟研究，2024，9（3）：43-65.

[12]王新成，李垣.人工智能技術賦能企業碳減排績效的實證研究[J].中國軟科學，2024（9）：142-150.

[13］王文，韓王喆.工業機器人使用與企業生產率分化[J].南開經濟研究，2024（10）：190-212.

[14]陳炫儒.“雙碳”目標下的智能制造與數字化轉型探討[J].中國管理信息化，2024，27（21）：84-87.

[15]陽立高，周佩文，謝銳.數字經濟視角下中國對外貿易隱含碳排放的測算及驅動因素研究[J].經濟學動態，2024（10）：92-108.

[16]李暉，劉衛東，唐志鵬.全球貿易隱含碳凈轉移的空間關聯網絡特征[J].資源科學，2021，43（4）：682-692.

[17］許和連，成麗紅，孫天陽.制造業投入服務化對企業出口國內增加值的提升效應——基于中國制造業微觀企業的經驗研究[J].中國工業經濟，2017（10）：62-80.

[18]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[19］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.

[20]樊茂清，黃薇.基于全球價值鏈分解的中國貿易產業結構演進研究[J].世界經濟，2014，37（2）：50-70.