投稿指南
一、来稿必须是作者独立取得的原创性学术研究成果,来稿的文字复制比(相似度或重复率)必须低于用稿标准,引用部分文字的要在参考文献中注明;署名和作者单位无误,未曾以任何形式用任何文种在国内外公开发表过;未一稿多投。 二、来稿除文中特别加以标注和致谢之外,不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知,可自行处理(双方另有约定的除外)。 三、来稿经审阅通过,编辑部会将修改意见反馈给您,您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说,4500字(电脑WORD统计,图表另计)以下的文章,不能说清问题,很难保证学术质量,本刊恕不受理。 五、论文格式及要素:标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准:GB\T7714-2005,点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程:(1) 通过电子邮件将稿件发到我刊唯一投稿信箱(2)我刊初审周期为2-3个工作日,请在投稿3天后查看您的邮箱,收阅我们的审稿回复或用稿通知;若30天内没有收到我们的回复,稿件可自行处理。(3)按用稿通知上的要求办理相关手续后,稿件将进入出版程序。(4) 杂志出刊后,我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明:(1)稿件必须是作者本人独立完成的,属原创作品(包括翻译),杜绝抄袭行为,严禁学术腐败现象,严格学术不端检测,如发现系抄袭作品并由此引起的一切责任均由作者本人承担,本刊不承担任何民事连带责任。(2)本刊发表的所有文章,除另有说明外,只代表作者本人的观点,不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。(3)本刊拥有自主编辑权,但仅限于不违背作者原意的技术性调整。如必须进行重大改动的,编辑部有义务告知作者,或由作者授权编辑修改,或提出意见由作者自己修改。(4)作品在《文教资料》发表后,作者同意其电子版同时发布在文教资料杂志社官方网上。(5)作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时,不再征询作者意见,并且不再支付稿酬。 九、特别欢迎用电子文档投稿,或邮寄编辑部,勿邮寄私人,以免延误稿件处理时间。

工业机器人应用对制造业劳动生产率的影响研究(6)

来源:就业与保障 【在线投稿】 栏目:期刊导读 时间:2021-02-20 13:58
作者:网站采编
关键词:
摘要:同时应当看到的是,工业机器人的大规模应用对劳动就业的深远影响,制造业所容纳的就业岗位逐渐减少,那些缺乏技术、创造性低的劳动者必将面临严峻的就

同时应当看到的是,工业机器人的大规模应用对劳动就业的深远影响,制造业所容纳的就业岗位逐渐减少,那些缺乏技术、创造性低的劳动者必将面临严峻的就业形势, “人机替代”不可避免,就像对待历次工业革命、技术革命那样,新技术的发展趋势不可阻挡,我们必须采取开放的态度,积极应对,才能赶上历史发展的潮流,这就需要我们做好充分的人才储备,加强对产业工人的培训力度,政府应该加强对职业教育的引导和支持力度,构建一个由政府、企业组成的综合技术培训平台体系,为新技术、新设备的应用创造有利条件,合理引导退出制造业的工人分流进入服务业,扫除行业劳动力流动的制度性障碍,尽量降低新技术对就业的冲击,在制造业转型的同时,保持整体就业的稳定。

注释:

①2018年数据根据近5年历史数据的平均增长率计算得出。

②2018年数据为预测数据,根据2017年数据,在平均增长率的基础上计算而得。

[1]李丫丫,潘安,彭永涛,等.工业机器人对省域制造业生产率的异质性影响 [J].中国科技论坛,2018,(6):121~126.

[2]程虹,陈文津,李唐.机器人在中国:现状、未来与影响——来自中国企业-劳动力匹配调查 (CEES) 的经验证据 [J].宏观质量研究,2018,6 (3):1~21.

[3] Graetz Georg,Michaels at Work [J].The Review of Economics and Statistics,2018,100 (5):753~768.

[4]杜传文,李晴,芮明杰,等.大规模工业机器人应用与异质性技能劳动力之间的替代互补关系 [J].中国科技论坛,2018,(8):174~182.

[5]孙早,侯玉琳.工业智能化如何重塑劳动力就业结构 [J].中国工业经济,2019,(5):61~79.

[6] Dauth Wolfgang,Findeisen Sebastian,Südekum Jens,et Robots—The Impact of Industrial Robots on Workers[R].IAB-Discussion Paper,2017.

[7]王君,杨威.人工智能等技术对就业影响的历史分析和前沿进展 [J].经济研究参考,2017,(27):11~25.

[8]王君,张于喆,张义博,等.人工智能等新技术进步影响就业的机理与对策 [J].宏观经济研究,2017,(10):169~181.

[9]邓洲.工业机器人发展及其对就业影响 [J].地方财政研究,2016,(6):25~31.

[10] Daron Acemoglu,Pascual and Jobs:Evidence from US Labor Markets [R].NBER Working Poper Series,2017.

[11] Daron Acemoglu,Pascual Race Between Man and Machine:Implications of Technology for Growth,Factor Shares and Employment [J].American Economic Review,2018,108 (6):1488~1542.

[12] David Are There Still So Many Jobs? The History and Future of Workplace Automation [J].Journal of Economic Perspectives,2015,29 (3):3~30.

[13] David Autor,Anna Automation Labor-Displacing?Productivity Growth,Employment,and the Labor Share [R].NBER Working Paper No.w,2018.

[14] Acemoglu Daron,David ,Tasks and Technologies:Implications for Employment and Earnings [J].Handbook of Labor Economics,2011,(4):1043~1171.

[15] Acemoglu Daron,Pascual Race Between Machine and Man:Implications of Technology for Growth,Factor Shares and Employment [J].American Economic Review,2016,108(6):1488~1542.

[16]李丫丫,潘安.工业机器人进口对中国制造业生产率提升的机理及实证研究 [J].世界经济研究,2017,(3):87~96,136.

[17] IFR,the Inpact of Robats on Productivity,Employment and Jobs [Z].International Federation of Robotics Frankfurt,Germany,2017.

引 言“制造业是国民经济的主体,是立国之本、兴国之器、强国之基”,具备强大的工业制造能力是一个国家屹立于世界的重要保证,也是一个国家综合国力的重要体现,制造业作为实体经济的代表,在满足人们物质需求、促进就业、保障国家安全等方面发挥着举足轻重的作用。包括我国在内的众多西方工业化国家对制造业发展均给予了充分的重视,从行业、国家层面,整体谋划,及早布局,并制定相应政策和文件支持其快速发展,如我国的 《中国制造2025》、德国的 “工业4.0”、美国的 “再工业化”计划、日本的 “新机器人战略”计划等。当前以人工智能、物联网、大数据等为代表的新兴科技方兴未艾,新技术在制造业的应用越来越广、越来越深,并对制造业产生了深远的影响,其中工业机器人作为众多新技术的集大成者,从汽车制造、核电等高危、高强度工作中逐步 “走入”更宽广的应用领域,传统制造业正在经历新一轮的变革。新技术赋予了工业机器人更加强大的技能属性,使其能够在众多工作中扮演人的角色,替代或协助工人从事生产任务,自动化生产线将工业机器人嵌入到程式化的工作内容中,造成生产过程所需要的工人越来越少,无人工厂已经从科幻小说中 “走出”成为现实,由此引发的对 “人机替代”的担忧,正在成为社会各界讨论的热门话题。每一次技术进步都会打破原有的均衡,继而推动社会经济的向前发展,以工业机器人为代表的人工智能等新技术的涌现势必会对制造业产生显著的影响。从当前的工业机器人发展来看,传统制造业强国凭借自身积累的技术优势和众多实践探索,在机器人产业发展和应用层面一直走在其他国家前列,如西欧、美、日、韩等地区,不仅自己生产应用,还出口到国外。近年来中国、印度等发展中国家工业机器人的应用急剧上升,已成为最重要的应用市场之一,在我国实施制造业转型升级、建立制造业强国的大背景下,研究以工业机器人为代表的新兴技术在制造业中的应用并考察其对制造业的影响具有重大的意义。劳动生产率的高低是衡量制造业发展水平的重要指标,工业机器人在制造业中的规模应用是否会显著提升劳动生产率,不同细分行业具有本身的发展特点和历史背景,工业机器人的应用环境和应用数量存在一定的差异,其对特定行业的劳动生产率促进作用可能也存在差异。随着制造业工业机器人应用数量的增多、单个劳动人员劳动生产率的提升,整个行业的就业也可能发生变化,工业机器人的应用是否导致了整个制造业占总就业的比例减少?近几年我国政府大力扶持工业机器人在制造业中的应用,虽然整体情况与发达国家还有一定差距,但在此产业政策背景下,研究工业机器人应用对制造业的影响,把有限的资源投入到增长更快的行业,能更有效的提升我国制造业的发展水平,从这点来讲,研究这些问题具有一定现实意义。1 相关文献综述近年来学术界对工业机器人在制造业中应用的影响研究日益广泛和深入,主要分为两个方面:(1)考察工业机器人作为一种新型的技术进步对劳动生产率的影响。从整个制造业层面,工业机器人的应用促进了制造业工人劳动生产率的提升,但存在区域性差异:李丫丫等 (2018)[1]研究了我国不同省份工业机器人对劳动生产率的影响,发现沿海地区工业机器人的应用对制造业劳动生产率的提升作用明显;从企业微观层面,程虹等(2018)[2]验证了我国工业机器人的应用对企业生产效率、质量能力和管理效率具有重要的促进作用; Graetz和 Michaels (2018)[3]则发现, 那些机器人应用密度大的国家往往有更高的劳动生产率,但同时存在促进效用边际递减的情况;(2)考察工业机器人应用对就业的影响。讨论工业机器人对劳动力替代引发的失业问题,主要探讨对不同技能劳动力的异质性影响:杜传文等 (2018)[4]在对21个国家的机器人应用面板数据实证研究后,发现工业机器人对以学历为衡量标准的异质性工人存在不同影响,其中对低技能劳动存在替代作用,而对高、中技能劳动工人存在促进作用;孙早和侯玉林 (2019)[5]研究发现机器人等人工智能的发展对具有初、高中学历的工人具有替代作用,而对更高或者更低学历的工人则表现出更强的需求;Dauth等 (2017)[6]发现工业机器人的应用可以在23%的程度上解释德国制造业在1993~2014时间段工作岗位的减少,对具有中等技能的机器操作工人具有消极影响,而对高技能工人有利; Graetz和 Michaels (2018)[3]的实证结果显示,相对于中、高技能工人而言,工业机器人减少了低技能工人的工作小时数,即表现出技能的偏向性的影响。另一个值得关注的是工业机器人发展对就业的整体影响,即对就业的替代-破坏作用或是对就业的促进-补偿作用。这方面的研究分歧较大,王君等 (2017)[7,8]认为短期内人工智能、机器人等对就业的破坏效应有限,但长期就业效应不容乐观; 邓州 (2018)[9]从工业机器人应用的行业和具体岗位的角度分析了其对就业的影响,研究发现,总体上看工业机器人应用的整体就业效应是促进的,工业机器人的使用虽然替代部分人类劳动,但也弥补了人类无法胜任的工作,同时也创造了大量新的岗位;Acemoglu和Restrepo(2017,2018)[10,11]认为机器人在执行体力性和程序性的工作任务 (如焊接、喷涂、组装、码垛等)上具有更好的精确性、稳定性,由此造成非技能劳动力竞争优势下降而产生替代,但生产效率的提升将增加技能劳动的需求,人力资本积累具有弹性,长期来看,替代效应和补充效应相互抵消,因此机器人的应用对经济的长期影响是乐观的;Autor(2015)[12]认为自动化确实替代了部分工人,但却提高了产出,增大了对工人的需求;Autor和Salomous (2018)[13]量化了技术创新引起的资本劳动替代的渠道,发现自动化机器替代了劳动,减少了劳动在行业增加值中的份额,导致的失业和行业产值损失在服务业中得到间接补偿,但原行业劳动份额的减少则已然存在,究其原因:自动化提升了全要素生产率,虽然减少了生产中的劳动投入,但其使产出增加值加大,提高了总需求,扩大了所有部门的就业。总的来看,学者一般在制造业整个行业层面研究工业机器人应用的影响,鲜有在细分行业上的对比研究,由于每个分行业具有不同的生产特征,在工业机器人应用上存在较大差异,如以汽车为代表的资本密集型产业,由于繁重的操作程序和危险、有害的工作环境,产生了工业机器人应用场景的最初需求,后来随着材料、电子信息,人工智能的发展,为工业机器人的智能化发展提供了有利的条件,其可应用的场景越来越多,价格也随之降低,工业机器人的发展才迎来应用的高潮,应用范围不断向其他行业扩展,以服饰、食品加工为代表的劳动密集型行业也逐渐开始成规模地引进工业机器人进行生产,但应用量要显著小于汽车、电子信息等行业,分析比较不同行业之间影响是一个新的视角。2 理论和计量模型2.1 理论模型本文参考 Acemoglu 和 David (2011)[14]、Acemoglu 和 Pascual (2018)[15]的做法, 引用其基于任务型框架的模型,总产出由一系列不同类型的任务i所构成:δ为不同任务之间的替代弹性,假设当i>I时,技术为非自动化,生产全部使用人工:r(i)为任务i的劳动生产率, 当i>Ii<I时, 技术为自动化,生产可以采用人工和工业机器人资本,此时任务i由两部分投入完成,即:η(i)为任务i的工业机器人资本生产率,表明机器人资本和劳动可以相互替代,假设劳动在高指数工作任务中具有比较优势, 那么就有r(i)/η(i)关于i严格递增。同时假设:这里,W为工资,R为机器人资本的租金率,即在任务[0,I]内,使用机器人资本进行生产成本更低。设定总的产出函数为CES形式,σ为机器人资本和劳动的替代弹性:在假设下,可以推出如下公式[15]:即随着自动化的发展,工业机器人应用程度的加深提升了制造业的人均生产率和人均总产出。用SL表示总收入中的劳动份额,那么,同时可以推出:工业机器人应用程度的加深降低了劳动份额,即SL随着I增加而减少,劳动份额在生产投入中所占的比例越来越少,在相对工资不变的情况下,制造业所能容纳的工人数也会相对减少,或者可以说自动化程度的加深在整体上减少了制造业从业人员的需求,造成制造业总就业的减少。通过理论模型的推导,本文做出以下两个推论:推论1:工业机器人在制造业中应用程度的加深,将会对劳动生产率的提升起到促进作用。推论2:工业机器人在制造业中应用程度的加深,将会引起制造业就业份额的减少,减小对劳动的需求,制造业的就业比例会出现下降的趋势 计量模型根据前面的分析,本文想从经验层面验证工业机器人的应用是否导致劳动生产率的提升以及整体上对劳动需求的减少,所以设计以下计量模型:式 (8) 中,VA_Hi,t表示i行业t时期的劳动生产率,DEN_Roboi,t为核心解释变量,表示工业机器人在i行业t时期的应用程度,ICTi,t、RDi,t和FDIi,t为控制变量,分别表示一国i行业t时期的计算机信息设备投入值、研发投入值和承接对外直接投资值,研发投入、ICT、接受外国直接投资均会对一国劳动生产率产生影响,参考李丫丫和潘安 (2017)[16]、Dauth 等 (2017)[6]的做法,本文将其作为控制变量,加入模型,μi为个体效应,γt为时间效应,εi,t为随机干扰项,式 (9)中SEMPi,t为i行业t时期从业人员占所有行业就业比例,参考杜传文 (2018)[4]的模型,其他变量含义与式 (8)相同。3 数据来源以及指标选取3.1 数据来源工业机器人数据来源于世界工业机器人协会IFR,它统计了各个国家分行业从1993年以来工业机器人应用量,包括存量和新装量,考虑到工业机器人对行业的整体影响,这里采用存量数据,虽然中国近几年工业机器人安装量飞速发展,但受制于起步晚、人口基数大,人均机器人数量依然小于世界平均水平,本文采用欧美工业化国家作为样本,考虑到欧美西方工业化国家机器人应用范围和深度位于世界前列,具有较好的代表性和研究价值,可以为我国机器人的应用发展提供有益的启示;另外,西方发达国家具有更加完整和规范的行业统计数据,便于进行调查研究,因此综合考虑本文选取了欧美国家德国、法国、意大利、西班牙、奥地利、荷兰、芬兰、英国、捷克、斯洛伐克、瑞典、丹麦和美国13个发达工业化国家作为样本,并根据工业机器人密度大小情况,将13个国家的样本划分为大密度地区和小密度地区,并进行了分类回归,将德国、法国、意大利、西班牙、芬兰、丹麦、瑞典,美国归类为大密度地区,将剩余几个国家归入小密度地区。制造业数据来源于KLEMS数据库2019年版本,各国对外直接投资数据来源于联合国对外贸易发展数据库 具体指标和选取方法核心解释变量为工业机器人应用量,为了全面衡量工业机器人对制造业的影响,本文采用IFR工业机器人存量水平数据而非当年新安装量,如中国2018年的工业机器人新安装量远超其他国家,但整体行业应用密度水平依然不到世界平均量,工业机器人密度可以较为全面的衡量一国某个行业工业机器人应用的程度,这消除了不同国家不同行业从业人数的差异,从而使国家和行业之间更具可比性 (IFR,2018)[17],密度的具体计算方法为制造业每万人所拥有的工业机器人数量,即:其中,EMP为制造业从业人员数量,单位为万人,Robot为工业机器人当年的存量,为了分析制造业不同细分行业的具体影响,本文同时测度了其细分行业的工业机器人密度,但IFR机构和KLESM数据库的细分行业分类存在微小差异,这里本文根据行业相似度做了一些调整和合并,具体见表1。表1 制造业细分行业合并对照表IFR制造业数据分类ISIC Rev.4制造业分类KLESM数据库 细分行业合并分类总制造业 总制造业 总制造业10-12-食品、饮料 10-12-食品、饮料、香烟 食品饮料13-15-纺织 13-15-纺织、服装、皮革 纺织16-木材、家具17-18-纸张16-18-木材、纸制品、印刷品 木制品19-22-塑料、化学品 19-焦炭和精炼石油制品19-制药、化妆品 20-21-化学品20-21-其他化学品 22-23-橡胶、塑料制品及其他非金属矿产品22-橡胶、塑料制品 (非汽车)23-玻璃、陶瓷、石材、矿产品等 (非汽车)化学制品、矿产品加工续 表IFR制造业数据分类ISIC Rev.4制造业分类KLESM数据库 细分行业合并分类总制造业 总制造业 总制造业24-28-金属24-基本金属 24-25-基本金属、金属制品 (除机械设备)25-金属制品 (非汽车) 28-机械设备28-工业机械金属及机械设备26-27-电气、电子 26-27-电子和光学设备 电子和光学设备29-汽车30-其他交通工具29-30-交通工具 汽车和其他交通工具91-其他制造业 31-33-其他制造业,机器修理装配 其他制造业被解释变量为劳动生产率 (VA_H),数据主要来源于EUKLEMS,主要包含了欧美几个发达国家的行业投入和产出数据,包括行业层面的产出增加值、总产出值、从业人数、工作小时数等数据, 本文借鉴 Graetz和 Michaels (2018)[3]的做法,用单位小时的产出增加值 (VA)作为劳动生产率的度量,即:其中,H_EMP为某一行业工人在1年内所投入的总工作时数。选取研发投入 (R&D)作为控制变量,研发投入衡量了当年一国在某一产业内用于研发的总投入,研发投入对新技术的产生具有重要的推动作用,新的生产方式或者生产工具带来生产流程的变革,从而使生产更有效率,促进产出的增长。对外直接投资 (FDI),数据来源于联合国对外贸易数据库 (UNComtrade),衡量一国接受国外其他国家对本国的直接投资额,根据国际贸易理论,FDI是技术外溢和扩散的手段,也在一定程度上为投资流入国带来先进的生产技术和管理经验,从而促进生产效率的提高。选取计算机和信息通讯设备投入 (ICT)作为控制变量,这里参考Dauth等 (2017)[6]、Graetz和Michaels (2018)[3]的处理方法, 在包括计算机设备 (IC)和电子通讯设备 (IT)的投入值的同时,加入数据库、软件等投入值作为广义电子信息设备投入值的衡量,90年代计算机等电子信息技术在制造业中广泛应用对美国和欧洲制造业劳动生产率的提升有促进作用。表2 变量定义变量类型 名称 符号 单位 数据来源被解释变量劳动生产率 VA_H 欧元/小时 EUKLEMS,IMF行业就业人数占比 SEMP 百分数 EUKLEMS解释变量工业机器人应用密度 DEN_Robot 台/万人 IFR,EUKLEMS计算机等通讯设备投入 ICT 百万欧元 EUKLEMS,IMF研发投入 R&D 百万欧元 EUKLEMS,IMF对外直接投资 FDI 百万欧元 UNComtrade,IMF4 实证结果分析本文分析了工业机器人应用对制造业细分行业的影响,表3是西方多国1993~2018年①劳动生产率的回归结果,列 (1)是各国制造业层面的面板回归结果,核心解释变量工业机器人应用密度显著提升了制造业的劳动生产率,平均而言,工业机器人应用密度每增加1个百分点,劳动生产率将会提升0.0760个百分点,对于控制变量来说,研发投入和计算机信息设备投入均对劳动生产率具有正向的促进作用,而对外直接投资系数为负,但并不显著,从国家经济发展的角度,本文选取的样本均为发达工业化国家,制造业发展均居世界领先水平,技术和管理水平相对较高,一般而言,发达国家通过FDI向发展中国家的技术扩散会更加显著,这也在一定程度上表明,FDI对发达国家的生产率提升作用并不明显。表3中列 (2)~(8)是将制造业细分行业分类合并之后的回归结果,各个行业中机器人的应用均显著地提升了劳动生产率,但系数存在较大差异,工业机器人应用密度最大的汽车行业系数为0.0439,而密度比其小的电子业系数为0.150,之间大小相差2倍,即出现了工业机器人应用密度大的行业反而比密度小的行业对劳动生产率促进效果更小的现象,通过对行业特质的分析,本文发现,汽车行业是最先开始进行工业机器人应用的行业,其应用规模显著高于其他任何行业,以德国为例,在IFR数据的基础上本文计算得出汽车行业于2018年的密度为每万人1230台,而电子行业则为每万人110台,差距非常大。对样本中的其他国家来说也有同样的现象,究其原因,汽车业本身为重工业,资本密集程度非常高,且使用工业机器人已有相当长的历史,反观电子、化学和服装等行业使用工业机器人历史较短,规模也显著小于汽车行业,但其对劳动生产率的促进效果反而更加显著,一定程度上表明,工业机器人对劳动生产率的促进存在边际效果递减的可能,这也验证了Graetz和 Michaels (2018)[3]机器人应用边际收益递减的推论,即汽车行业工业机器人的应用密度现在已经相当大,新增的工业机器人对劳动生产率的提升效果存在递减的趋势,而工业机器人应用飞速发展的电子业、化工业、木材制品和服装等行业,在较小的基数上产生了机器人应用对劳动生产率更大的促进效果。表3 工业机器人对劳动生产率影响的估计结果:细分行业影响注:括号内为 t值,*表示 p<0.05,**表示 p<0.01,***表示p<0.001。ln_va_h(1) (2) (3) (4) (5) (6) (7) (8)总制造业 汽车业 木材制品 电子业 化工业 金属机械业 食品业 服装业ln_den 0.0760***(5.64)0.0439***(4.12)0.0944***(9.50)0.150***(5.20)0.114***(6.61)0.0301**(3.04)0.0212**(3.05)0.0790***(5.48)ln_rd 0.0898*(2.13)0.0529*(2.17)0.0156(0.76)-0.0661(-1.03)0.0134(0.38)0.0925***(3.92)-0.0199(-1.50)0.00787(0.33)ln_ict 0.380***(10.90)0.438***(12.63)0.0860*(2.46)0.488***(7.48)0.170***(4.11)0.183***(7.50)0.174***(8.02)0.00945(0.23)ln_fdi -0.00738(-0.89)-0.00468(-0.47)0.0191(1.95)0.0207(0.84)0.00368(0.33)0.0101(1.61)0.00394(0.63)0.0303*(2.28)cons -0.849*(-2.40)0.279(1.15)2.425***(10.96)-0.0102(-0.02)2.089***(7.68)1.382***(9.45)2.412***(14.78)2.639***(12.59)N 249 236 233 245 259 246 242 224面板模型 固定效应 固定效应 随机效应 固定效应 随机效应 固定效应 随机效应 随机效应本文根据总制造业机器人的应用密度将样本分为大密度地区和小密度地区,其中划分标准为制造业工业机器人平均密度60台每万人的国家为大密度样本,其他的为小密度样本,对样本进行分类回归得到表4。通过对不同区域的对比分析,可以发现样本范围内,无论是工业机器人应用密度大的地区还是小的地区,核心解释变量工业机器人应用密度均对劳动生产率具有正向且显著的影响,工业机器人应用密度大的地区工业机器人对劳动生产率的促进作用更大,显示工业机器人对制造业劳动生产率的提升作用更大。控制变量FDI系数为负但不显著,前文提到,发达国家接受FDI对当地技术的促进作用有限,且通过观察样本可以发现有些国家FDI为负值,即某些年份出现净流出可能与本文没有将负值进行剔除有关。对于核心解释变量,结论依然显著,因此这里就不加详细讨论。表4 工业机器人对劳动生产率影响的估计结果:区域分类注:括号内为 t值,*表示 p<0.05,**表示 p<0.01,***表示 p<0.001。(1) 全制造业 (2) 大密度地区 (3) 小密度地区ln_va_h ln_va_h ln_va_h ln_den 0.0760*** (5.64) 0.0944*** (3.57) 0.0935 (6.38)ln_rd 0.0898* (2.13) 0.0131 (0.27) 0.253** (3.14)ln_ict 0.380*** (10.90) 0.428*** (9.94) 0.0266 (0.38)ln_fdi -0.00738 (-0.89) -0.00294 (-0.31) -0.0116 (-0.84)_cons -0.849* (-2.40) -0.774 (-1.69) 0.947 (1.24)样本个数N 249 178 73面板模型 固定效应 固定效应 固定效应表5 工业机器人应用对制造业总就业影响的估计结果注:括号内为 t值,*表示 p<0.05,**表示 p<0.01,***表示 p<0.001。(1) (2) (3) (4)ln_h_semp ln_semp ln_h_semp ln_emp ln_va_h -0.355*** (-16.06) -0.388*** (-16.94)ln_*** (-4.17) -0.0430*** (-3.35)ln_rd -0.0404 (-1.02) -0.102* (-2.53)ln_ict -0.176*** (-5.49) -0.195*** (-5.94)ln_fdi -0.000979 (-0.13) -0.000710 (-0.09)_cons 3.970*** (51.33) 4.053*** (40.04) 4.861*** (14.59) 5.505*** (16.11)样本个数N 308 306 245 245面板模型 固定效应 随机效应 固定效应 固定效应表5为工业机器人应用对制造业总就业的影响结果,制造业占总就业的比例用百分数值来表示,h_semp和semp分别表示制造业总工作小时数占全行业比值和制造业从业人员数占全行业比值。前文论证了工业机器人的应用促进了劳动生产率,而劳动生产率越高意味着人均产值越高,当总产出的增长低于人均产出的增长时,制造业可容纳的就业人数就会减少,本文实证考察了劳动生产率和工业机器人应用量、研发支出、计算机信息设备投入值等对制造业总就业的影响,实证结果也与前文理论模型的推论一致,即工业机器人的应用对制造业总就业产生了负向影响,而仅以劳动生产率作为解释变量的模型,其对制造业的影响也为负且显著,这里可以推测工业机器人的应用提高了劳动生产率,继而造成制造业总就业的减少,本文回归了劳动生产率对制造业总就业的影响,将劳动生产率这个变量用影响劳动生产率的变量进行替换来进行实证验证,结果显示,核心解释变量工业机器人应用密度对制造业总就业的影响为负且显著,符合本文预期,其他控制变量除了FDI符号为正,但不显著外,没有出现符号异常的情况,因此结果具有一定的解释能力。5 结论及政策建议工业机器人作为一种新技术、新工具的代表,正在或即将对传统制造业产生颠覆性的影响,毫无疑问,工业机器人在制造业生产中的应用促进了劳动生产率的提升,但对于不同细分行业的影响存在差异,并非工业机器人应用的越多,对劳动生产率的提升作用越大,对于资本密集、工业机器人应用已经具有相当规模的汽车行业来说,整体促进作用相对有限,而对于劳动密集、工业机器人应用量较小的木材制品、服装业而言,劳动生产率的提升更加明显,对产业增加值的提高具有更大的促进作用。在我国工业机器人应用力度逐步提升的过程中,应当优先考虑对劳动生产率提升大的行业,更加注重对此类行业工业机器人应用的补贴。本文选取的样本为较为发达的工业化国家,制造业实力普遍较强,我国虽为制造业大国,改革开放以来也取得了飞速的发展,但相比德国、法国等还存在一定差距,从整个工业机器人的应用情况来看,根据IFR数据,2018年中国工业机器人总的保有量约为台②,美国约为台、日本约为台、德国约为台,而从密度来看,美国为每万人218台,日本为每万人326台、德国为每万人341台、中国为每万人112台,我国数据略高于世界平均水平的每万人99台,对特定行业而言,汽车工业普遍是工业机器人应用最为广泛的行业,德国的密度约为每万人1230台,美国约为每万人1300台、日本约为每万人1160台,中国约为每万人620台,除汽车行业之外的其他行业平均密度,德国为每万人202台、美国约为每万人127台、日本约为每万人238台、中国仅为约每万人56台,可见差距相当明显,这也说明我国工业机器人的应用还处于较低的层次,我国在推广应用工业机器人方面还有很长的路要走。对我国而言,汽车业相对于其他行业工业机器人的应用相对差距较小,因此根据前文论证,我们应该加大对其他行业如电子信息、化工等行业的工业机器人应用扶持力度,以获得更大的产出增长收益。从西方发达国家的经验数据来看,我国制造业存在巨大的工业机器人应用提升空间,加大工业机器人应用力度,促进制造业劳动生产率提升,对于推动我国制造业转型升级,从中、低端制造迈向高端制造将发挥不可小觑的作用,这也是近年来我国许多地方政府制定优惠政策大力推动工业机器人产业发展的重要原因。同时应当看到的是,工业机器人的大规模应用对劳动就业的深远影响,制造业所容纳的就业岗位逐渐减少,那些缺乏技术、创造性低的劳动者必将面临严峻的就业形势, “人机替代”不可避免,就像对待历次工业革命、技术革命那样,新技术的发展趋势不可阻挡,我们必须采取开放的态度,积极应对,才能赶上历史发展的潮流,这就需要我们做好充分的人才储备,加强对产业工人的培训力度,政府应该加强对职业教育的引导和支持力度,构建一个由政府、企业组成的综合技术培训平台体系,为新技术、新设备的应用创造有利条件,合理引导退出制造业的工人分流进入服务业,扫除行业劳动力流动的制度性障碍,尽量降低新技术对就业的冲击,在制造业转型的同时,保持整体就业的稳定。注释:①2018年数据根据近5年历史数据的平均增长率计算得出。②2018年数据为预测数据,根据2017年数据,在平均增长率的基础上计算而得。参考文献[1]李丫丫,潘安,彭永涛,等.工业机器人对省域制造业生产率的异质性影响 [J].中国科技论坛,2018,(6):121~126.[2]程虹,陈文津,李唐.机器人在中国:现状、未来与影响——来自中国企业-劳动力匹配调查 (CEES) 的经验证据 [J].宏观质量研究,2018,6 (3):1~21.[3] Graetz Georg,Michaels at Work [J].The Review of Economics and Statistics,2018,100 (5):753~768.[4]杜传文,李晴,芮明杰,等.大规模工业机器人应用与异质性技能劳动力之间的替代互补关系 [J].中国科技论坛,2018,(8):174~182.[5]孙早,侯玉琳.工业智能化如何重塑劳动力就业结构 [J].中国工业经济,2019,(5):61~79.[6] Dauth Wolfgang,Findeisen Sebastian,Südekum Jens,et Robots—The Impact of Industrial Robots on Workers[R].IAB-Discussion Paper,2017.[7]王君,杨威.人工智能等技术对就业影响的历史分析和前沿进展 [J].经济研究参考,2017,(27):11~25.[8]王君,张于喆,张义博,等.人工智能等新技术进步影响就业的机理与对策 [J].宏观经济研究,2017,(10):169~181.[9]邓洲.工业机器人发展及其对就业影响 [J].地方财政研究,2016,(6):25~31.[10] Daron Acemoglu,Pascual and Jobs:Evidence from US Labor Markets [R].NBER Working Poper Series,2017.[11] Daron Acemoglu,Pascual Race Between Man and Machine:Implications of Technology for Growth,Factor Shares and Employment [J].American Economic Review,2018,108 (6):1488~1542.[12] David Are There Still So Many Jobs? The History and Future of Workplace Automation [J].Journal of Economic Perspectives,2015,29 (3):3~30.[13] David Autor,Anna Automation Labor-Displacing?Productivity Growth,Employment,and the Labor Share [R].NBER Working Paper No.w,2018.[14] Acemoglu Daron,David ,Tasks and Technologies:Implications for Employment and Earnings [J].Handbook of Labor Economics,2011,(4):1043~1171.[15] Acemoglu Daron,Pascual Race Between Machine and Man:Implications of Technology for Growth,Factor Shares and Employment [J].American Economic Review,2016,108(6):1488~1542.[16]李丫丫,潘安.工业机器人进口对中国制造业生产率提升的机理及实证研究 [J].世界经济研究,2017,(3):87~96,136.[17] IFR,the Inpact of Robats on Productivity,Employment and Jobs [Z].International Federation of Robotics Frankfurt,Germany,2017.

文章来源:《就业与保障》 网址: http://www.jyybzzz.cn/qikandaodu/2021/0220/1129.html



上一篇:基于金融摩擦视角的金融冲击对就业的影响研究
下一篇:艺术院校招生培养就业三位一体的实践研究以天

就业与保障投稿 | 就业与保障编辑部| 就业与保障版面费 | 就业与保障论文发表 | 就业与保障最新目录
Copyright © 2018 《就业与保障》杂志社 版权所有
投稿电话: 投稿邮箱: