□ 金玥昀 潘士遠(yuǎn) 詹御濤 錢 滔

內(nèi)容提要 本文把機(jī)器人視為一種生產(chǎn)要素，在新古典經(jīng)濟(jì)增長模型框架下研究了機(jī)器人應(yīng)用對(duì)區(qū)域經(jīng)濟(jì)收斂的影響。在此基礎(chǔ)上，本文以2011—2018 年中國228 個(gè)地級(jí)市作為研究對(duì)象，對(duì)模型的理論預(yù)測(cè)進(jìn)行實(shí)證檢驗(yàn)。研究表明：第一，中國區(qū)域經(jīng)濟(jì)存在收斂情況；第二，機(jī)器人的應(yīng)用促進(jìn)區(qū)域經(jīng)濟(jì)加速收斂，有利于縮小區(qū)域間收入差距，實(shí)現(xiàn)共同富裕；第三，機(jī)器人應(yīng)用對(duì)中國中西部地區(qū)經(jīng)濟(jì)收斂的促進(jìn)作用更為顯著。本文還提出對(duì)企業(yè)購置工業(yè)機(jī)器人給予財(cái)政補(bǔ)助、對(duì)工業(yè)機(jī)器人采用加速折舊或?qū)I(yè)機(jī)器人折舊采用加計(jì)扣除稅收優(yōu)惠、著力推動(dòng)中西部地區(qū)工業(yè)機(jī)器人應(yīng)用等政策建議。

一、引言

促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，從而催生新產(chǎn)業(yè)新業(yè)態(tài)新模式，為我國經(jīng)濟(jì)的高質(zhì)量發(fā)展指明了方向。人工智能作為新一代信息技術(shù)的重要代表，將成為我國未來十年推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要保障和核心驅(qū)動(dòng)力。工業(yè)機(jī)器人是人工智能在工業(yè)部門最重要的應(yīng)用之一，自2013 年工信部出臺(tái)《關(guān)于推進(jìn)工業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展的指導(dǎo)意見》以來，中國不斷推進(jìn)工業(yè)機(jī)器人的應(yīng)用推廣，工業(yè)機(jī)器人保有量逐年快速上升，并在2016 年超越日本成為世界上工業(yè)機(jī)器人存量最大的國家。①

經(jīng)濟(jì)收斂是指一定范圍內(nèi)不同地區(qū)或國家其初期指標(biāo)與經(jīng)濟(jì)增速之間存在負(fù)相關(guān)關(guān)系，即初始發(fā)展水平較低的國家或地區(qū)的發(fā)展速度會(huì)更快，初始發(fā)展水平較高的國家或地區(qū)的發(fā)展速度會(huì)更慢，從而導(dǎo)致各個(gè)國家或地區(qū)發(fā)展水平趨于一致。因此，經(jīng)濟(jì)收斂是地區(qū)均衡發(fā)展的重要標(biāo)志，也是實(shí)現(xiàn)共同富裕的基礎(chǔ)。黨的二十大報(bào)告把實(shí)現(xiàn)全體人民共同富裕擺在更加重要的位置，指出“中國式現(xiàn)代化是全體人民共同富裕的現(xiàn)代化”。中國幅員遼闊、人口眾多，各地區(qū)自然資源稟賦差別巨大，區(qū)域發(fā)展不平衡是阻礙人民群眾福祉普遍提升和實(shí)現(xiàn)共同富裕的重要因素之一。有效縮小區(qū)域發(fā)展差距，是我國解決城鄉(xiāng)差距和收入差距問題、促進(jìn)共同富裕的重要保障（劉培林等，2021）。因此，在高質(zhì)量發(fā)展中促進(jìn)共同富裕的背景下，研究機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響具有重要的理論和現(xiàn)實(shí)意義。

圖1 2011—2019 年主要國家工業(yè)機(jī)器人保有量②

現(xiàn)有文獻(xiàn)以新古典增長理論（Solow，1956）或內(nèi)生經(jīng)濟(jì)增長理論（Romer，1986）為研究基礎(chǔ)，對(duì)經(jīng)濟(jì)收斂存在性及其影響因素開展研究。經(jīng)濟(jì)增長存在多種收斂形態(tài)，主要包括α 收斂、β 收斂和俱樂部收斂。α 收斂意味著隨著時(shí)間的推移，區(qū)域間人均收入的分散程度逐漸變小（Barro &Sala-i-Martin，1992）。β 收斂意味著落后地區(qū)的經(jīng)濟(jì)增長率將高于發(fā)達(dá)地區(qū)，以更快增速追趕上發(fā)達(dá)地區(qū)，兩者的經(jīng)濟(jì)發(fā)展水平將會(huì)趨于一致（Barro &Salai-Martin，1992），收斂速度會(huì)受到資本要素、人力資本、產(chǎn)業(yè)結(jié)構(gòu)等各方面的影響（Mankiw et al.，1992；林毅夫，2002；沈坤榮和馬俊，2002）。俱樂部收斂意味著一個(gè)國家或地區(qū)內(nèi)部不同區(qū)域表現(xiàn)出相似的收斂趨勢(shì)，即初始經(jīng)濟(jì)條件相似的地區(qū)發(fā)展趨同，但區(qū)域之間不存在相互趨同的現(xiàn)象（Wang，2008）。工業(yè)化水平、產(chǎn)業(yè)結(jié)構(gòu)、人力資本、市場(chǎng)結(jié)構(gòu)以及經(jīng)濟(jì)開放程度等因素都會(huì)對(duì)俱樂部收斂產(chǎn)生顯著影響。③有研究表明機(jī)器人應(yīng)用有利于全要素生產(chǎn)率的提升，進(jìn)而促進(jìn)經(jīng)濟(jì)增長（Kromann et al.，2020）。相反，Acemoglu et al.（2018）認(rèn)為自動(dòng)化所導(dǎo)致的勞動(dòng)力市場(chǎng)摩擦和不完善，可能在短期內(nèi)造成資本和勞動(dòng)配置不當(dāng)，阻礙勞動(dòng)生產(chǎn)率的提升。機(jī)器人的使用會(huì)抑制工資增長，從而抑制投資增長，最終會(huì)導(dǎo)致經(jīng)濟(jì)的停滯（Gasteiger &Prettner，2017）。而且，自動(dòng)化或機(jī)器人應(yīng)用可能會(huì)損害競爭、消費(fèi)者隱私和消費(fèi)者選擇，可能會(huì)帶來經(jīng)濟(jì)和社會(huì)成本，如果沒有適當(dāng)監(jiān)管的話，過度自動(dòng)化工作，會(huì)造成非市場(chǎng)化影響，如工人會(huì)失去工作或被迫從事低收入工作，加劇不平等（Acemoglu，2021）。

國內(nèi)學(xué)者借鑒國外理論，運(yùn)用中國數(shù)據(jù)，探究了機(jī)器人應(yīng)用對(duì)中國制造業(yè)就業(yè)的影響（王永欽和董雯，2020），以及對(duì)勞動(dòng)生產(chǎn)率的影響（胡晟明等，2021）。與現(xiàn)有文獻(xiàn)不同，本文把機(jī)器人視為一種生產(chǎn)要素，在新古典經(jīng)濟(jì)增長模型框架下研究了機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響，并以2011—2018 年中國228 個(gè)地級(jí)市作為研究對(duì)象，實(shí)證檢驗(yàn)了模型的理論結(jié)果。結(jié)果顯示：第一，中國地級(jí)市之間存在著經(jīng)濟(jì)發(fā)展的收斂；第二，工業(yè)機(jī)器人應(yīng)用有助于區(qū)域經(jīng)濟(jì)差距加速縮小，能夠促進(jìn)區(qū)域共同富裕的實(shí)現(xiàn)；第三，從東中西分板塊看，工業(yè)機(jī)器人應(yīng)用對(duì)中國中西部地區(qū)經(jīng)濟(jì)收斂的促進(jìn)作用比東部地區(qū)更為顯著。

本文可能的貢獻(xiàn)在于：第一，本文將機(jī)器人作為生產(chǎn)要素納入新古典生產(chǎn)函數(shù)，在新古典經(jīng)濟(jì)增長理論中研究了機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響，這具有一定的理論意義；第二，本文使用地級(jí)市相關(guān)數(shù)據(jù)合理構(gòu)造工業(yè)機(jī)器人滲透率，對(duì)機(jī)器人應(yīng)用加快經(jīng)濟(jì)收斂的作用做了詳細(xì)的實(shí)證分析，為中國機(jī)器人應(yīng)用加速區(qū)域經(jīng)濟(jì)增長收斂提供了實(shí)踐證據(jù)；第三，本文從區(qū)域經(jīng)濟(jì)收斂的視角探究了機(jī)器人應(yīng)用對(duì)共同富裕的助力作用，對(duì)于如何進(jìn)一步強(qiáng)化機(jī)器人應(yīng)用效率以縮小區(qū)域收入差距，進(jìn)而促進(jìn)共同富裕具有較強(qiáng)的現(xiàn)實(shí)意義。

本文剩余部分安排如下：第二部分是理論模型與假說；第三部分是模型設(shè)定與數(shù)據(jù)；第四部分是實(shí)證結(jié)果與分析；第五部分是穩(wěn)健性檢驗(yàn)；第六部分是結(jié)論和建議。

二、理論模型與假說

本文以Solow（1956）為基礎(chǔ)，構(gòu)建涵蓋資本、勞動(dòng)力、機(jī)器人三種要素的經(jīng)濟(jì)增長模型，來探究機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響。與Solow（1956）一樣，本文假設(shè)：經(jīng)濟(jì)是封閉的，生產(chǎn)唯一的一種最終產(chǎn)品；資本品和消費(fèi)品之間可以一對(duì)一轉(zhuǎn)換；儲(chǔ)蓄率、人口增長率和技術(shù)進(jìn)步均為外生；時(shí)間是連續(xù)的。

為考察機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響，本文假設(shè)t 時(shí)期企業(yè)的生產(chǎn)函數(shù)滿足柯布道格拉斯（Cobb-Douglas）生產(chǎn)函數(shù)形式：④

其中，Y（t）為企業(yè)t 時(shí)期的產(chǎn)量，K（t）為企業(yè)的資本存量，M（t）為企業(yè)在機(jī)器人應(yīng)用方面的資本投入，⑤A（t）為企業(yè)的技術(shù)水平，L（t）為企業(yè)投入的勞動(dòng)，α 為企業(yè)資本投入的份額，β 為機(jī)器人投入的份額。

假設(shè)L 和A 分別以外生速率n 和g 增長，初始的勞動(dòng)數(shù)量和初始的技術(shù)水平為L（0）和A（0）：

定義A（t）L（t）為有效勞動(dòng)，其數(shù)量以n+g 的速率增長。

在連續(xù)時(shí)間下，資本積累方程和機(jī)器人應(yīng)用積累方程可表述為：

定義k 為每單位有效勞動(dòng)的平均資本量、y為每單位有效勞動(dòng)的平均產(chǎn)量、m 為每單位有效勞動(dòng)的平均機(jī)器人應(yīng)用量?？蓪⑹剑?）寫為：

將式（7）、式（8）代入式（6），可知在平衡增長路徑上，人均有效資本、人均有效機(jī)器人和人均有效產(chǎn)出分別為：

為了探究經(jīng)濟(jì)向平衡增長路徑收斂的速度大小，將式（6）對(duì)數(shù)線性化可得：

式（12）兩邊對(duì)t 求導(dǎo)得：

該方程表明，在平衡增長路徑附近，logy 移向logy*的速度幾乎與logy 和logy*之間的距離成比例。也就是說，logy（t）-logy*的增長率近似于一個(gè)固定常數(shù)ρ。對(duì)于經(jīng)濟(jì)收斂速度ρ，本文有如下命題。

命題1：當(dāng)加入機(jī)器人應(yīng)用這一生產(chǎn)要素后，新古典經(jīng)濟(jì)增長模型的經(jīng)濟(jì)收斂速度為ρ=（2-α-β）（n+g+δ）。

證明：由式（13）可知：

當(dāng)logy=logy*時(shí)，y=y*，則：

在標(biāo)準(zhǔn)的新古典經(jīng)濟(jì)增長模型中，經(jīng)濟(jì)收斂速度為λ=（1-α）（n+g+δ）。⑥ρ＞λ，故命題1 表明機(jī)器人應(yīng)用提高了經(jīng)濟(jì)收斂速率?；谏鲜隼碚摲治?，本文提出以下假設(shè)。

假設(shè)：機(jī)器人應(yīng)用能加速中國區(qū)域經(jīng)濟(jì)收斂。

三、模型設(shè)定與數(shù)據(jù)

（一）模型設(shè)定

首先，本文構(gòu)建模型（20）和模型（21）來檢驗(yàn)中國區(qū)域經(jīng)濟(jì)收斂的存在性，具體如下：

其中，log（yc，t）是指觀察期的人均產(chǎn)出對(duì)數(shù)值，log（yc，t-1）是指觀察期上一期的人均產(chǎn)出對(duì)數(shù)值。α1代表收斂情況，α1＜0 表示經(jīng)濟(jì)收斂，反之則表示經(jīng)濟(jì)發(fā)散。∑year 代表年份固定效應(yīng)，∑city 代表地區(qū)固定效應(yīng)，∑controlc，t-1代表地區(qū)控制變量，εi，t為隨機(jī)干擾項(xiàng)。

其次，構(gòu)建模型（22）和模型（23）來檢驗(yàn)機(jī)器人應(yīng)用能加速中國區(qū)域經(jīng)濟(jì)收斂的假設(shè)，具體如下：

其中，c 為地區(qū)，t為年份，CHFc，t-1表示上一期的工業(yè)機(jī)器人滲透率，log（yc，t-1）×CHFc，t-1表示上一期人均真實(shí)GDP 對(duì)數(shù)值與工業(yè)機(jī)器人滲透率的交互項(xiàng)，∑year 代表年份固定效應(yīng)，∑city 代表地區(qū)固定效應(yīng)，∑controlc，t-1代表地區(qū)控制變量，μi，t為隨機(jī)干擾項(xiàng)。

（二）變量定義和解釋

1.被解釋變量

本文使用人均實(shí)際GDP 增長率的對(duì)數(shù)（log（yc，t/yc，t-1））作為被解釋變量。人均實(shí)際GDP 的計(jì)算方式為：利用城市名義GDP 以2004 年為基期進(jìn)行不變價(jià)處理，再除以城市年末人口數(shù)得到人均實(shí)際GDP。

2.解釋變量

本文以人均實(shí)際GDP 的對(duì)數(shù)（logy）和工業(yè)機(jī)器人滲透率（CHF）作為主要解釋變量?？紤]到數(shù)據(jù)可得性和科學(xué)性，本文使用不同年份地區(qū)層面每百萬人中工業(yè)機(jī)器人的使用臺(tái)數(shù)計(jì)算工業(yè)機(jī)器人滲透率。由于農(nóng)業(yè)和部分服務(wù)業(yè)（如教育行業(yè)）機(jī)器人使用量非常少，同時(shí)中國農(nóng)業(yè)和部分服務(wù)業(yè)的勞動(dòng)力數(shù)據(jù)統(tǒng)計(jì)口徑較小，本文選取了采礦業(yè)，建筑業(yè)，供電供氣供水業(yè)三個(gè)大類和制造業(yè)（細(xì)分為13 個(gè)小類），并將其與國際機(jī)器人聯(lián)合會(huì)（IFR）數(shù)據(jù)庫進(jìn)行匹配。⑦本文選取地級(jí)市法人單位行業(yè)就業(yè)人數(shù)作為行業(yè)就業(yè)人數(shù)的代理變量。本文參考Acemoglu et al.（2020）、趙春明等（2020）構(gòu)建了以2010 年為基期的區(qū)域工業(yè)機(jī)器人滲透率及其工具變量，⑧具體如下：

為了排除剩余行業(yè)和缺失地區(qū)的影響，本文使用不同的數(shù)據(jù)集構(gòu)建CHF1ct和CHF2ct，以及相對(duì)應(yīng)的工具變量MCHF1ct和MCHF2ct，用來進(jìn)行穩(wěn)健性檢驗(yàn)。

首先，構(gòu)建涵蓋農(nóng)業(yè)、部分服務(wù)業(yè)的工業(yè)機(jī)器人滲透率CHF1ct和MCHF1ct，包括農(nóng)林牧漁業(yè)，教育，采礦業(yè)，建筑業(yè)，供電供氣供水五大類行業(yè)和制造業(yè)（細(xì)分為13 個(gè)小類），具體如下：

其次，構(gòu)建全國范圍的工業(yè)機(jī)器人滲透率CHF2ct和MCHF2ct。由于8 個(gè)省份制造行業(yè)的細(xì)分行業(yè)就業(yè)人數(shù)無法獲得，現(xiàn)將地區(qū)行業(yè)分為農(nóng)林牧漁業(yè)，采礦業(yè)，供電供氣供水行業(yè)，建筑業(yè)，教育，制造業(yè)（不再細(xì)分為13 個(gè)小類）六大類行業(yè)與IFR 數(shù)據(jù)庫進(jìn)行匹配，以獲得全國范圍的工業(yè)機(jī)器人滲透率。

3.控制變量

控制變量為表1 中列示的變量，變量定義及說明如下：

表1 控制變量定義

（1）人口增長率（Lngs）。該指標(biāo)為人口自然增長率n、技術(shù)進(jìn)步率g 以及折舊率s 和的對(duì)數(shù)。在本文中，n 為城市人口自然增長率，同時(shí)參考Mankiw et al.（1992）、Romer（1986）假設(shè)g+s=0.05。

（2）物質(zhì)資本水平（Lsk）。參考張傳勇和劉學(xué)良（2017）等的做法，將固定資產(chǎn)投資占GDP 的比重作為物質(zhì)資本水平的代理變量，但由于城市固定資產(chǎn)投資額數(shù)據(jù)缺失嚴(yán)重，本文選擇城市市政公用設(shè)施建設(shè)固定資產(chǎn)投資額除以GDP 的對(duì)數(shù)作為物質(zhì)資本水平的代理變量。

（3）人力資本（Lsh）。本文參考沈坤榮和馬?。?002）等的做法選擇城市每萬人在校大學(xué)生數(shù)的對(duì)數(shù)作為人力資本的代理變量。

（4）產(chǎn)業(yè)結(jié)構(gòu)（Lstr）。本文參考張傳勇和劉學(xué)良（2017）的做法，選擇第二、三產(chǎn)業(yè)增加值除以GDP 的對(duì)數(shù)作為產(chǎn)業(yè)結(jié)構(gòu)的代理變量。

（5）金融發(fā)展水平（Lfd）。本文參考楊友才（2014）的做法，選擇城市年末金融機(jī)構(gòu)人民幣各項(xiàng)貸款余額除以GDP 的對(duì)數(shù)作為金融發(fā)展水平的代理變量。

（6）對(duì)外開放程度（Lfdi）。本文參考劉生龍和胡鞍鋼（2010）等的做法，選擇城市外商實(shí)際投資額（年平均匯率換算成人民幣）除以GDP 的對(duì)數(shù)作為對(duì)外開放程度的代理變量。

（7）交通基礎(chǔ)設(shè)施建設(shè)（Lway1、Lway2）。本文選擇城市公路客運(yùn)量的對(duì)數(shù)和城市公路貨運(yùn)量的對(duì)數(shù)作為交通基礎(chǔ)設(shè)施建設(shè)的代理變量。

（三）數(shù)據(jù)來源

本文選取了2011—2018 年中國228 個(gè)地級(jí)市的數(shù)據(jù)作為研究的基礎(chǔ)數(shù)據(jù)。其中，城市名義GDP、年末人口數(shù)來源于《中國城市統(tǒng)計(jì)年鑒》；國內(nèi)生產(chǎn)總值指數(shù)來源于國泰安數(shù)據(jù)庫；工業(yè)機(jī)器人數(shù)據(jù)來自IFR；中國分行業(yè)就業(yè)數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計(jì)年鑒》；美國分行業(yè)就業(yè)數(shù)據(jù)來自美國勞工統(tǒng)計(jì)局；相關(guān)城市控制變量來源于《中國統(tǒng)計(jì)年鑒》、《城市統(tǒng)計(jì)年鑒》、《中國建設(shè)統(tǒng)計(jì)年鑒》和Wind 數(shù)據(jù)庫。

（四）描述性統(tǒng)計(jì)

從表2 中可以看出2011—2018 年中國228個(gè)地級(jí)市中，人均產(chǎn)出為42821 元，最小值為5304 元，最大值為186356 元，標(biāo)準(zhǔn)差為27524元，表明各地經(jīng)濟(jì)發(fā)展水平差異非常大；工業(yè)機(jī)器人滲透率CHF 的均值為0.0617，其中最小值為0.000932，最大值為0.633，標(biāo)準(zhǔn)差為0.0722，表明各地的工業(yè)機(jī)器人滲透率差異也非常大，工業(yè)機(jī)器人的應(yīng)用水平很不平衡。

表2 主要變量的描述性統(tǒng)計(jì)⑩

四、實(shí)證結(jié)果與分析

本節(jié)將報(bào)告中國區(qū)域經(jīng)濟(jì)收斂情況、機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)收斂速度的影響，以及中國東中西部地區(qū)的異質(zhì)性分析結(jié)果。

本文運(yùn)用面板數(shù)據(jù)回歸模型進(jìn)行實(shí)證檢驗(yàn)。首先對(duì)模型進(jìn)行VIF 檢驗(yàn)，以判斷模型是否存在多重共線性。這是因?yàn)?，若模型中變量之間高度相關(guān)，可能使回歸的結(jié)果混亂，甚至?xí)?duì)估計(jì)值的正負(fù)方向產(chǎn)生影響，從而造成結(jié)果與預(yù)期完全相反的情況。然后本文進(jìn)行了Hausman 檢驗(yàn)，用來判斷使用隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。

從表3 結(jié)果可知，最大VIF 值小于3，未超過10，說明模型不存在明顯的多重共線性問題。

表3 模型VIF 檢驗(yàn)結(jié)果

表4 是中國區(qū)域經(jīng)濟(jì)絕對(duì)收斂和條件收斂回歸模型的Hausman 檢驗(yàn)結(jié)果。絕對(duì)收斂回歸模型是沒有加入其他可能影響經(jīng)濟(jì)收斂的因素，即沒有加入控制變量；條件收斂回歸模型是加入了影響經(jīng)濟(jì)收斂的其他相關(guān)因素，即加入了控制變量。表4結(jié)果顯示應(yīng)使用固定效應(yīng)模型，本文在接下來的分析中均采用固定效應(yīng)模型進(jìn)行回歸。

表4 模型選擇Hausman 檢驗(yàn)結(jié)果

（一）中國區(qū)域經(jīng)濟(jì)收斂情況

表5 報(bào)告了中國區(qū)域經(jīng)濟(jì)收斂性的檢驗(yàn)結(jié)果。其中，模型（1）、（2）報(bào)告了中國區(qū)域經(jīng)濟(jì)增長絕對(duì)收斂的結(jié)果，模型（3）、（4）報(bào)告了中國區(qū)域經(jīng)濟(jì)增長條件收斂的結(jié)果，模型（2）、（4）采用的是個(gè)體-時(shí)間雙向固定效應(yīng)模型。從表5 的回歸結(jié)果來看，無論是絕對(duì)收斂模型還是條件收斂模型，變量logy 的系數(shù)均在1%的顯著性水平下顯著，且方向?yàn)樨?fù)。這說明2011—2018 年中國地級(jí)市層面上的確存在區(qū)域經(jīng)濟(jì)絕對(duì)收斂和條件收斂。

表5 中國區(qū)域經(jīng)濟(jì)收斂情況

（二）機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)收斂速度的影響

本小節(jié)對(duì)機(jī)器人應(yīng)用是否加速中國區(qū)域經(jīng)濟(jì)收斂進(jìn)行實(shí)證檢驗(yàn)。表6 報(bào)告了機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)收斂速度影響的檢驗(yàn)結(jié)果。其中，模型（1）、（2）報(bào)告了絕對(duì)經(jīng)濟(jì)收斂模型下的結(jié)果，模型（3）、（4）報(bào)告了條件經(jīng)濟(jì)收斂模型下的結(jié)果，模型（2）、（4）采用的是個(gè)體-時(shí)間雙向固定效應(yīng)模型。從表6 的回歸結(jié)果來看，在絕對(duì)收斂模型和條件收斂模型下，工業(yè)機(jī)器人滲透率CHF 與變量logy的交互項(xiàng)系數(shù)均在1%的顯著性水平下顯著，且方向?yàn)樨?fù)。在模型（2）中，工業(yè)機(jī)器人滲透率CHF 與變量logy 的交互項(xiàng)系數(shù)為-0.496；在模型（4）中，工業(yè)機(jī)器人滲透率CHF 與變量logy 的交互項(xiàng)系數(shù)為-0.751。加入工業(yè)機(jī)器人滲透率CHF 與變量logy 的交互項(xiàng)后，變量logy 的系數(shù)仍舊在1%的顯著性水平下顯著，且方向?yàn)樨?fù)。這說明機(jī)器人應(yīng)用顯著加速了中國區(qū)域經(jīng)濟(jì)收斂，也即對(duì)于經(jīng)濟(jì)發(fā)展水平較低的區(qū)域而言，機(jī)器人應(yīng)用水平的提高能夠更快提升該區(qū)域經(jīng)濟(jì)增長率。檢驗(yàn)結(jié)果支持本文的假設(shè)，表明機(jī)器人應(yīng)用有助于促進(jìn)共同富裕。

表6 機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)收斂速度的影響

（三）異質(zhì)性分析

中國區(qū)域經(jīng)濟(jì)發(fā)展不平衡的一個(gè)典型特征就是東中西部地區(qū)發(fā)展不平衡，東部沿海地區(qū)與中西部地區(qū)在經(jīng)濟(jì)發(fā)展、貿(mào)易參與度、勞動(dòng)力技能結(jié)構(gòu)等方面都存在著巨大差異，它們?cè)跈C(jī)器人的應(yīng)用程度上也有顯著差別，將東中西部分組進(jìn)行異質(zhì)性分析，有利于進(jìn)一步了解機(jī)器人促進(jìn)經(jīng)濟(jì)收斂的作用。為此，本文將中國地級(jí)市分為東部地區(qū)、中部地區(qū)和西部地區(qū)三組并分別回歸。如表7 所示，模型（1）和（2）是東部地區(qū)樣本回歸的結(jié)果、模型（3）和（4）是中部地區(qū)樣本回歸的結(jié)果、模型（5）和（6）是西部地區(qū)樣本回歸的結(jié)果。其中模型（1）、（3）、（5）未加入控制變量，為絕對(duì)收斂模型；模型（2）、（4）、（6）加入了控制變量，為條件收斂模型。

表7 異質(zhì)性分析-東中西部差異

三組回歸結(jié)果顯示，模型（1）和（3）中工業(yè)機(jī)器人滲透率CHF 與變量logy 的交互項(xiàng)系數(shù)不顯著，模型（2）中交互項(xiàng)系數(shù)為-0.537，在5%顯著性水平上顯著；模型（4）中交互項(xiàng)系數(shù)為-0.925，在10%顯著性水平上顯著；模型（5）和（6）中交互項(xiàng)系數(shù)分別為-1.720、-1.987，在1%顯著性水平上顯著。結(jié)果表明，機(jī)器人應(yīng)用對(duì)促進(jìn)中西部經(jīng)濟(jì)相對(duì)落后地區(qū)經(jīng)濟(jì)收斂的加速效應(yīng)更為明顯。東部沿海地區(qū)經(jīng)濟(jì)發(fā)展程度差異相對(duì)較小，機(jī)器人應(yīng)用對(duì)其經(jīng)濟(jì)收斂的促進(jìn)作用不如中西部地區(qū)大。這表明機(jī)器人應(yīng)用對(duì)于促進(jìn)中西部地區(qū)經(jīng)濟(jì)加速均衡發(fā)展、實(shí)現(xiàn)共同富裕有著巨大潛力。

五、穩(wěn)健性檢驗(yàn)

機(jī)器人的應(yīng)用和經(jīng)濟(jì)增長收斂之間可能會(huì)存在反向因果關(guān)系等內(nèi)生性問題。比如，可能會(huì)出現(xiàn)經(jīng)濟(jì)增長速度比較快的城市，為了進(jìn)一步提高生產(chǎn)率而增加更多機(jī)器人的應(yīng)用。因此，為了減少內(nèi)生性因素的影響，確保結(jié)果穩(wěn)健可靠，本文進(jìn)行了以下穩(wěn)健性檢驗(yàn)。

（一）工具變量法

本文首先通過工具變量的方法來緩解內(nèi)生性問題。參考王永欽和董雯（2020）和Acemoglu et al.（2020）的做法，利用美國行業(yè)層面的工業(yè)機(jī)器人數(shù)據(jù)來構(gòu)造機(jī)器人滲透度的工具變量MCHFct，具體見第三節(jié)中的式（25）。該變量符合工具變量的條件：首先，美國行業(yè)層面的工業(yè)機(jī)器人應(yīng)用程度對(duì)中國技能溢價(jià)以及其他本國因素沒有影響，符合外生性條件；其次，美國機(jī)器人應(yīng)用發(fā)展與中國呈現(xiàn)很高的趨同性，能夠反映出中國同行業(yè)技術(shù)特征，符合相關(guān)性條件。為了更進(jìn)一步解決內(nèi)生性問題，本文參考Lewbel（2012）的做法，使用基于異方差的識(shí)別方法來提高工具變量估計(jì)量的效率。

表8 報(bào)告了機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)增長收斂性影響的內(nèi)生性檢驗(yàn)結(jié)果。其中，模型（1）、（2）報(bào)告了絕對(duì)經(jīng)濟(jì)收斂模型下內(nèi)生性檢驗(yàn)的結(jié)果，模型（3）、（4）報(bào)告了條件經(jīng)濟(jì)收斂模型下內(nèi)生性檢驗(yàn)的結(jié)果，模型（5）報(bào)告了運(yùn)用基于異方差的識(shí)別方法的內(nèi)生性檢驗(yàn)的結(jié)果，其中模型（2）、（4）是個(gè)體-時(shí)間雙向固定效應(yīng)模型。

表8 的回歸結(jié)果在符號(hào)和顯著性程度上與表6 的結(jié)果沒有太大差異，說明在內(nèi)生性緩解后，機(jī)器人應(yīng)用仍顯著加速了中國區(qū)域經(jīng)濟(jì)收斂，表明上文的回歸結(jié)果穩(wěn)健可靠。

表8 穩(wěn)健性檢驗(yàn)（工具變量法）

（二）調(diào)整解釋變量

為了進(jìn)一步驗(yàn)證結(jié)果的穩(wěn)健性，本文對(duì)解釋變量做出2 種調(diào)整，其中一個(gè)調(diào)整是將行業(yè)擴(kuò)大到包括農(nóng)林牧漁、教育、建筑業(yè)等機(jī)器人使用較少的行業(yè)，變量解釋詳見第三節(jié)中的式（26）和式（27）。另一個(gè)調(diào)整是將數(shù)據(jù)范圍擴(kuò)大到全國范圍，彌補(bǔ)8個(gè)省份缺失的不足。

表9 報(bào)告了解釋變量調(diào)整為全行業(yè)后的檢驗(yàn)結(jié)果。其中，模型（1）、（3）報(bào)告了絕對(duì)經(jīng)濟(jì)收斂模型下，機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)增長收斂性的影響結(jié)果，模型（2）、（4）報(bào)告了條件經(jīng)濟(jì)收斂模型下，機(jī)器人應(yīng)用對(duì)中國區(qū)域經(jīng)濟(jì)增長收斂性的影響結(jié)果。其中模型（3）、（4）使用相應(yīng)的工具變量以減少內(nèi)生性影響。從表9 的回歸結(jié)果來看，工業(yè)機(jī)器人滲透率與變量logy 的交互項(xiàng)系數(shù)在絕對(duì)收斂模型和條件收斂模型中在1%的顯著性水平下顯著為負(fù)，變量logy 的系數(shù)仍舊在1%的顯著性水平下顯著為負(fù)，使用工具變量后，同樣在1%的顯著性水平下顯著為負(fù)。這說明上文的回歸結(jié)果穩(wěn)健可靠。

表9 穩(wěn)健性檢驗(yàn)（全行業(yè)）

表10 為解釋變量調(diào)整為全地區(qū)后的結(jié)果。從回歸結(jié)果來看，無論是絕對(duì)收斂模型還是條件收斂模型，工業(yè)機(jī)器人滲透率與變量logy 的交互項(xiàng)系數(shù)在1%的顯著性水平下均顯著為負(fù)，變量logy的系數(shù)在1%的顯著性水平下顯著為負(fù)，使用工具變量后的結(jié)果也在1%的顯著性水平下顯著為負(fù)。這說明上文的回歸結(jié)果穩(wěn)健可靠。

表10 穩(wěn)健性檢驗(yàn)（全地區(qū)）

六、結(jié)論和建議

機(jī)器人在各行各業(yè)的快速滲透勢(shì)必會(huì)對(duì)中國區(qū)域經(jīng)濟(jì)發(fā)展產(chǎn)生重大而深刻的影響。本文把機(jī)器人視為一種生產(chǎn)要素，在新古典經(jīng)濟(jì)增長模型中研究了機(jī)器人應(yīng)用對(duì)經(jīng)濟(jì)收斂的影響，并使用2011—2018 年中國228 個(gè)地級(jí)市數(shù)據(jù)對(duì)模型的理論預(yù)測(cè)進(jìn)行實(shí)證檢驗(yàn)。主要研究結(jié)果為：一是全國區(qū)域（地級(jí)市）經(jīng)濟(jì)存在收斂情況；二是機(jī)器人的運(yùn)用可以促進(jìn)區(qū)域經(jīng)濟(jì)加速收斂；三是機(jī)器人的運(yùn)用對(duì)中國中西部地區(qū)經(jīng)濟(jì)收斂的促進(jìn)作用更為顯著。

基于上述研究，本文對(duì)加強(qiáng)工業(yè)機(jī)器人的運(yùn)用、進(jìn)一步促進(jìn)區(qū)域協(xié)調(diào)發(fā)展、更好助力共同富裕，提出如下政策建議。首先，加大對(duì)工業(yè)機(jī)器人產(chǎn)業(yè)的財(cái)稅政策扶持力度。雖然目前我國機(jī)器人保有量排名第一，但人均擁有量同發(fā)達(dá)國家相比依然較低，?為加速工業(yè)機(jī)器人的推廣運(yùn)用、推進(jìn)生產(chǎn)“智能化”，建議對(duì)企業(yè)購置工業(yè)機(jī)器人給予財(cái)政補(bǔ)助、對(duì)工業(yè)機(jī)器人采用加速折舊或?qū)I(yè)機(jī)器人折舊采用加計(jì)扣除稅收優(yōu)惠，以激勵(lì)企業(yè)更新改造工業(yè)機(jī)器人。其次，著力推動(dòng)中西部地區(qū)工業(yè)機(jī)器人的應(yīng)用。通過工業(yè)機(jī)器人的應(yīng)用引進(jìn)資金、人才和技術(shù)，促進(jìn)地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展，實(shí)現(xiàn)東中西部的共同富裕。最后，重視機(jī)器換人后相關(guān)制度改革，讓發(fā)展的成果惠及全體人民群眾。當(dāng)前，工業(yè)機(jī)器人等人工智能技術(shù)的運(yùn)用也會(huì)引起“機(jī)器代人”的廣泛憂慮，人工智能是資本和技術(shù)密集型產(chǎn)業(yè)，是人類與機(jī)器間的競合，也是資本與勞動(dòng)間的競合。因此在大力發(fā)展人工智能的同時(shí)，要加大初次分配向勞動(dòng)傾斜力度，并注重勞動(dòng)者技能的培訓(xùn)以適應(yīng)人工智能發(fā)展，保障勞動(dòng)者更加充分、更高質(zhì)量的就業(yè)。

注釋：

①根據(jù)國際機(jī)器人聯(lián)合會(huì)（IFR）定義，工業(yè)機(jī)器人是在工業(yè)自動(dòng)化中使用的、可重復(fù)編程的、多用途自動(dòng)控制操作機(jī)，是面向工業(yè)領(lǐng)域的多關(guān)節(jié)機(jī)械手或多自由度機(jī)器人，可在一些單調(diào)、繁復(fù)和長時(shí)間的工作中替代人類（程虹等，2018；Graetz et al.，2017）。

②數(shù)據(jù)來自于國際機(jī)器人聯(lián)合會(huì)（IFR）。

③蔡昉和都陽（2000）認(rèn)為經(jīng)濟(jì)開放程度會(huì)影響市場(chǎng)化程度，從而影響資源的配置效率，越開放的經(jīng)濟(jì)體，市場(chǎng)機(jī)制所發(fā)揮的作用也越明顯，資源配置的效率也就越高，越有利于經(jīng)濟(jì)增長速度的提高，促進(jìn)落后地區(qū)對(duì)發(fā)達(dá)地區(qū)的追趕。

④本文把機(jī)器人視為一種新的生產(chǎn)要素主要出于以下理由：機(jī)器人可在許多的工作中替代人類勞動(dòng)，甚至在許多任務(wù)上能超越人類，在這一意義上，機(jī)器人從事的工作具有人類勞動(dòng)的屬性。但機(jī)器人是機(jī)器，它也具有資本的屬性。鑒于機(jī)器人擁有資本和勞動(dòng)兩方面的屬性，但又存在有別于這兩方面的屬性，故本文把其視為一種新的生產(chǎn)要素。

⑤企業(yè)需要投入才能購買到機(jī)器人要素，所以本文用企業(yè)在機(jī)器人應(yīng)用方面的資本投入來衡量機(jī)器要素投入。

⑥詳細(xì)推導(dǎo)請(qǐng)參見Barro &Sala-i-Martin（1995）。

⑦IFR 提供的全球分行業(yè)工業(yè)機(jī)器人數(shù)據(jù)涉及到14個(gè)制造業(yè)小類，中國以31 個(gè)制造業(yè)二位行業(yè)代碼歸類，2011 年前汽車制造業(yè)未從運(yùn)輸設(shè)備制造業(yè)中獨(dú)立出來，所以制造業(yè)行業(yè)小類最后歸并為13 個(gè)，匹配方法參照閆雪凌等（2020）的方法（感興趣者可向作者索?。?。

⑧中國工業(yè)機(jī)器人2010 年后才真正邁入發(fā)展軌道，以之前的數(shù)據(jù)為基期不能反映現(xiàn)實(shí)，故本文以2010 年作為計(jì)算基期。

⑨8 個(gè)缺失省份具體為江蘇省、青海省、湖北省、湖南省、海南省、河南省、吉林省、新疆維吾爾自治區(qū)。

⑩由于涉及到數(shù)據(jù)滯后，本文數(shù)據(jù)的描述性統(tǒng)計(jì)包括2010—2018 年。

?2018 年，中國機(jī)器人密度為140 臺(tái)/萬工人，而新加坡為831 臺(tái)/萬工人、韓國為774 臺(tái)/萬工人、德國為338 臺(tái)/萬工人、日本為327 臺(tái)/萬工人，世界平均水平為99 臺(tái)/萬工人。數(shù)據(jù)來自《2020 年中國工業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展報(bào)告》。