陳紹儉 殷永昆 毛 慧

一、引言

在發(fā)達經(jīng)濟體和發(fā)展中經(jīng)濟體，以新企業(yè)形成為特征的市場進入是一個普遍存在的典型特征事實(Bartelsman 等，2013)。相比在位企業(yè)，新企業(yè)規(guī)模通常較小，但新企業(yè)在創(chuàng)新和生產(chǎn)率增長中卻扮演著極為重要的角色。一方面，正如Schumpeter (1934) 所言，新企業(yè)形成會帶來新產(chǎn)品、新技術(shù)以及新的產(chǎn)業(yè)組合，通過“創(chuàng)造性破壞”淘汰舊產(chǎn)品、舊技術(shù)，將原有的、低效率的市場均衡塑造成新的、高效率的市場均衡。另一方面，新企業(yè)進入市場后，會加劇市場競爭，促使新企業(yè)和在位企業(yè)都不斷提高自身生產(chǎn)率水平(Aghion 等，2009；李坤望和蔣為，2015)，而且新企業(yè)的市場進入能夠促進生產(chǎn)要素在企業(yè)間重新優(yōu)化配置，從而可以促進總量層面生產(chǎn)率的增長(Foster 等，2008)。在此意義上，新企業(yè)進入的活躍程度決定了經(jīng)濟體增長的活力與潛力。

新企業(yè)在制造業(yè)行業(yè)內(nèi)產(chǎn)品生命周期的不同階段以及在經(jīng)濟周期的不同階段，使得其進入數(shù)量和相對份額都具有較大差異和非隨機性特征(陳建偉等，2021)，這引起了學者們的廣泛關(guān)注。對于企業(yè)進入的影響因素，一些文獻聚焦于企業(yè)家個人特征(Djankov等，2006；李濤等，2017)，大部分文獻則重點考察市場環(huán)境等外部因素，如政府管制(Dreher 和Gassebner，2013；Branstetter 等，2014) 和商業(yè)周期 (Lee 和Mukoyama，2015；朱奕蒙和徐現(xiàn)祥，2017；Tian，2018)。然而，既有研究忽視了對人工智能與機器人技術(shù)的考察。實際上，機器人的大規(guī)模應用正在重塑企業(yè)的生產(chǎn)經(jīng)營方式，并改變企業(yè)決策面臨的約束條件。國際機器人聯(lián)合會(International Federation of Robotics，IFR) 公布的《世界機器人2021 工業(yè)機器人報告》顯示，全球工廠中運行的工業(yè)機器人高達300萬臺。工業(yè)機器人技術(shù)的迅猛發(fā)展不僅加速了機器人對勞動力的替代(Frey 和Osborne，2017；Acemoglu 和Restrepo，2020)，而且提高了企業(yè)生產(chǎn)效率 (Graetz 和Michaels，2018)。同時，機器人應用能夠創(chuàng)造出大量新的工作機會，從而增加對勞動力的衍生需求(Acemoglu 和Restrepo，2018；李磊等，2021)。鑒于機器人對企業(yè)生產(chǎn)的重要性，有必要從理論上探討并從實證上檢驗工業(yè)機器人對企業(yè)進入的影響。

工業(yè)機器人技術(shù)作為產(chǎn)業(yè)變革和企業(yè)創(chuàng)新的重要方式，已成為一個國家構(gòu)筑核心競爭力的新方向(王書斌，2020)。2016 年以來，中國成為全球工業(yè)機器人使用量最大的國家(Cheng 等，2019)。已有研究表明，工業(yè)機器人的迅猛發(fā)展不僅加速了勞動力市場上機器人對人的替代(Acemoglu 和Restrepo，2020；閆雪凌等，2020 王永欽和董雯，2020)，而且在一定程度上提高了企業(yè)生產(chǎn)效率(Graetz 和Michaels，2018) 和地區(qū)經(jīng)濟增長(陳彥斌等，2019；林晨等，2020；楊光和侯鈺，2020)。雖然現(xiàn)有文獻大多支持了機器人替代中低技能勞動力的結(jié)論，但也有文獻證實了機器人應用能夠創(chuàng)造出大量新的工作機會，從而增加對勞動力的衍生需求 (Acemoglu 和Restrepo，2018；李磊等，2021)，機器人的替代效應在后期所帶來的影響可能會比復原效應更大(Acemoglu 和Restrepo，2019)。機器人興起不僅會帶來技術(shù)進步和生產(chǎn)智能化水平的提升，還會催生新經(jīng)濟和新產(chǎn)業(yè)。然而，現(xiàn)有文獻主要集中于人工智能與機器人技術(shù)在勞動力市場和宏觀經(jīng)濟領(lǐng)域的研究，較少直接探討人工智能與機器人技術(shù)在企業(yè)進入、成長與退出過程中的應用。

事實上，機器人應用與企業(yè)進入之間具有很明顯的正相關(guān)關(guān)系。一是工業(yè)機器人使用與勞動力之間呈現(xiàn)出的是一種互補式替代效應，勞動力成本上升會倒逼制造業(yè)企業(yè)推動科技創(chuàng)新，促使其更多地應用機器人技術(shù)來彌補勞動力成本上升所帶來的負面影響。這是因為，勞動力供給短缺程度越高，增加勞動力所帶來的邊際成本也就越高；在勞動力供給短缺的地區(qū)或行業(yè)，工業(yè)機器人使用所創(chuàng)造的邊際價值越大。隨著我國人口紅利的逐漸消失以及制造業(yè)企業(yè)用工成本的增加，工業(yè)機器人使用會促使先進設(shè)備對中、低教育程度勞動力的替代，從而降低制造業(yè)企業(yè)生產(chǎn)成本。當營業(yè)利潤水平為正時，企業(yè)便會理性地選擇進入目標市場。二是以人工智能與工業(yè)機器人技術(shù)為主要特征的新一輪科技革命提高了企業(yè)生產(chǎn)率，增加了企業(yè)利潤，從而吸引了企業(yè)進入，工業(yè)機器人使用促使大量新企業(yè)優(yōu)先選擇經(jīng)濟發(fā)展水平高、制度環(huán)境好、開放度高的地區(qū)。

為此，本文試圖研究工業(yè)機器人應用是否會對企業(yè)進入產(chǎn)生正向影響。如果會，這種正向影響的具體作用機制是什么? 是否會因企業(yè)所有制形式、企業(yè)要素密集度、進入地市場化程度不同而有所差異? 本文運用中國制造業(yè)企業(yè)數(shù)據(jù)進行實證研究。結(jié)果表明，工業(yè)機器人使用對企業(yè)進入有著顯著的提升作用。在作用機制方面，一是工業(yè)機器人應用對勞動力需求會產(chǎn)生一定的替代效應，工業(yè)機器人安裝密度高的地區(qū)，其真實勞動力成本相對較低，從而促進新企業(yè)進入規(guī)模的提升；二是工業(yè)機器人應用能夠提高企業(yè)生產(chǎn)率，增加企業(yè)利潤，從而吸引企業(yè)進入。異質(zhì)性分析表明，工業(yè)機器人應用對非國有企業(yè)、勞動密集型和資本密集型行業(yè)企業(yè)進入的作用更大；工業(yè)機器人應用對企業(yè)進入的影響隨著進入地市場化程度的提高而增強。

本文主要有三個重要貢獻: 第一，聚焦于研究工業(yè)機器人應用對企業(yè)進入的影響?，F(xiàn)有研究已經(jīng)證實了工業(yè)機器人應用會影響勞動力市場(Acemoglu 和Restrepo，2020；閆雪凌等，2020；王永欽和董雯，2020；李磊等，2021)、經(jīng)濟增長(Graetz 和Michaels，2018；楊光和侯鈺，2020；林晨等，2020) 等，本文有助于對人工智能與工業(yè)機器人應用的經(jīng)濟影響進行更多的考察。第二，深入剖析了工業(yè)機器人應用對企業(yè)進入影響的作用機制?，F(xiàn)有研究大多從宏觀視角出發(fā)，關(guān)注工業(yè)機器人應用的經(jīng)濟效應，缺乏對企業(yè)進入影響機制的深入探討。本文發(fā)現(xiàn)勞動力成本和生產(chǎn)率水平是工業(yè)機器人應用影響企業(yè)進入的重要傳遞渠道，有助于識別工業(yè)機器人應用對中國制造業(yè)企業(yè)進入的影響機制。第三，修正了內(nèi)生性問題對模型估計的影響，從而保證研究結(jié)論的可靠性和穩(wěn)健性?；凇癇artik 工具變量”思想，本文利用美國行業(yè)層面的工業(yè)機器人數(shù)據(jù)構(gòu)造中國地區(qū)層面機器人滲透度的工具變量，采用兩階段最小二乘法，在解決模型內(nèi)生性問題的基礎(chǔ)上檢驗機器人應用對企業(yè)進入的促進作用。

二、理論分析框架

(一) 機器人應用和企業(yè)進入: 一個理論模型

1.產(chǎn)品生產(chǎn)企業(yè)

假定每個地區(qū)存在數(shù)量N的產(chǎn)品生產(chǎn)企業(yè)。所有企業(yè)擁有相同的生產(chǎn)技術(shù)，并使用邊際報酬遞減的技術(shù)將中間品加工成最終產(chǎn)品:

其中，y是中間品投入，Y是最終產(chǎn)品量，A代表這一生產(chǎn)過程的生產(chǎn)率。生產(chǎn)技術(shù)是邊際報酬遞減的，即0＜α＜1。最終產(chǎn)品的價格被標準化為1。

企業(yè)同時自己生產(chǎn)中間品。參照Acemoglu 和Restrepo (2020) 做法，中間品的生產(chǎn)函數(shù)為:

其中，x(i)是任務i的產(chǎn)量。

每種任務既可以使用機器人生產(chǎn)，也可以使用勞動力進行生產(chǎn)。機器人生產(chǎn)每種任務的效率相同，記每一單位機器人的任務產(chǎn)量為ρ。勞動力生產(chǎn)每種任務的效率不同，將其生產(chǎn)任務i的效率記作φ(i)。不失一般性，本文假定φ(i)隨著i遞增。任務i的產(chǎn)量為:

其中，m(i)是生產(chǎn)任務i的機器人投入量，而l(i)是生產(chǎn)任務i的勞動力投入量。

在每一期，每個企業(yè)需要付出一定的以最終產(chǎn)品為形式的固定運營成本f。那么，產(chǎn)品生產(chǎn)企業(yè)利潤為

其中，R為機器人的價格，w為工資率。由于企業(yè)的生產(chǎn)技術(shù)是相同且邊際報酬遞減的，可以預期每個企業(yè)的生產(chǎn)決策是相同的。

最后，假定在每一期企業(yè)會以δ的外生概率受到一個負面沖擊而被迫退出市場。同時，假定有無限多的潛在市場進入者，市場可以自由進入，進入成本為0。這意味著，只要還有利潤可賺，新的企業(yè)就會進入市場。①由后文的推導可知，假定一個正的進入成本并不會改變本模型結(jié)論。在這種情形下，如果利潤的折現(xiàn)值超過進入成本，就會有企業(yè)進入。

2.機器人生產(chǎn)企業(yè)

每個地區(qū)存在一個機器人生產(chǎn)企業(yè)。參照Acemoglu 和Restrepo (2020)，該企業(yè)使用最終產(chǎn)品生產(chǎn)機器人。生產(chǎn)技術(shù)為:

其中，M為機器人產(chǎn)量，Z為最終產(chǎn)品投入，B為生產(chǎn)機器人的效率。0＜γ＜1，意味著生產(chǎn)技術(shù)是邊際報酬遞減的，而企業(yè)可以獲取正的利潤πM＝RM－Z。例如，如Acemoglu 和Restrepo (2020) 所述，因為機器人成本主要用于本地專業(yè)的機器人生產(chǎn)商提供的安裝、編程和維護服務，所以機器人供給的邊際成本是增加的。最后，為簡化分析，假定該企業(yè)為一個測度為0 的家庭所擁有，并假定該家庭消費完所有的利潤，但不供給勞動力。

3.代表性家庭

每個地區(qū)存在一個代表性家庭。在每一期，該家庭擁有1 單位的時間稟賦，并從消費和休閑中獲得效用。其效用函數(shù)如下:

其中，C是消費，L是勞動供給，而1－L是休閑時間。因此，該代表性家庭的勞動收入為wL。

假定該家庭是產(chǎn)品生產(chǎn)企業(yè)的擁有者，并獲得企業(yè)的總利潤Π＝Nπ。②該代表性家庭不同于上述擁有機器人生產(chǎn)企業(yè)的家庭。本文引入擁有機器人生產(chǎn)企業(yè)的家庭僅為簡化數(shù)學推導。因此，家庭的預算約束為:

4.均衡

假定每個地區(qū)是一個自給自足的經(jīng)濟體，則每個經(jīng)濟體的市場均衡是一組要素價格{R，w}，產(chǎn)品生產(chǎn)企業(yè)的配置{m(i)，l(i)}，產(chǎn)品生產(chǎn)企業(yè)的數(shù)量N，機器人生產(chǎn)企業(yè)的配置Z和家庭的配置{C，L}。這些變量滿足以下條件: 第一，給定要素價格{R，w}，{m(i)，l(i)} 最大化產(chǎn)品生產(chǎn)企業(yè)的利潤。第二，給定要素價格R，Z最大化機器人生產(chǎn)企業(yè)的利潤。第三，給定要素價格w，{C，L} 最大化家庭的效用。

第四，勞動力市場出清，即:

第五，機器人市場出清，即:

第六，產(chǎn)品市場出清，即:

第七，市場中企業(yè)數(shù)量恒定。

(二) 機器人效率、機器人使用量和企業(yè)進入

本文進一步考察機器人技術(shù)進步，即機器人在生產(chǎn)任務時效率ρ的提高，對機器人使用和企業(yè)進入在全局均衡條件下的影響。由于市場是自由進入的，所以產(chǎn)品生產(chǎn)企業(yè)的利潤為0。求解代表性家庭的優(yōu)化問題，可得:

式(1) 表明，勞動供給不受工資率影響。

給定機器人價格R，求解機器人生產(chǎn)企業(yè)的優(yōu)化問題，可得:

式(2) 表明，機器人生產(chǎn)率是機器人價格的函數(shù)。機器人價格越高，則企業(yè)生產(chǎn)的機器人越多。

接下來，給定機器人和勞動力價格，求解產(chǎn)品生產(chǎn)企業(yè)的優(yōu)化問題。因為不同任務上，機器人生產(chǎn)效率相同，而勞動力生產(chǎn)效率不同，所以勞動力生產(chǎn)效率較低的任務可能會被機器人取代。更具體地，機器人生產(chǎn)1 單位任務i的成本為R/ρ，而勞動力生產(chǎn)1單位任務i的成本為w/φ(i)。因此，存在一個臨界點I，屬于[0，I) 的任務由機器人生產(chǎn)更便宜，屬于(I，1] 的任務由勞動力生產(chǎn)更便宜，而任務I由二者生產(chǎn)的成本相同。在以下分析中，本文聚焦于內(nèi)點解，即I∈(0，1)。

這一臨界點滿足以下條件:

可見，I是勞動力和機器人相對價格的函數(shù)。當機器人的生產(chǎn)效率ρ提高時，企業(yè)會使用更多的機器人代替勞動力。因此，中間品的單位成本為:

可見，中間品成本是{I，R，w} 的函數(shù)。由于I是{R，w} 的函數(shù)，所以中間品的成本是{R，w} 的函數(shù)。給定中間品的單位成本，中間品的最優(yōu)投入量為:

企業(yè)利潤為:

在均衡條件下，企業(yè)利潤為0。由此可得中間品的單位成本為:

可以看出，中間品的單位成本是一系列參數(shù)的函數(shù)，不受機器人質(zhì)量ρ的影響。直覺上看，在短期，ρ會改變企業(yè)成本。如果中間品的成本更低，則企業(yè)賺取正利潤，這會吸引更多企業(yè)進入，導致要素需求增加，要素價格上漲，并最終導致成本增加；如果中間品的成本更高，則會有企業(yè)退出，并通過類似的機制降低中間品成本。

將式(17) 代入式(15)，可得企業(yè)中間品產(chǎn)量為:

可見，中間品產(chǎn)量不受機器人質(zhì)量ρ影響。

根據(jù)中間品產(chǎn)量y以及機器人和勞動力分工的臨界點I，可以進一步得到每個企業(yè)勞動力和機器人的需求量為:

將勞動力的供給量(式(11))和勞動力的需求量(式(19))代入勞動力市場出清的條件(式(8))，得到:

將機器人的供給量(式(12))和機器人的需求量(式(20))代入機器人市場出清的條件(式(9))，得到:

將式(21) 和式(22) 相除，整理后得到:

這是一個關(guān)于{R，I} 的方程。

將式(13) 和式(14) 相除，得到:

這同樣是一個關(guān)于{R，I} 的方程。

將式(23) 和式(24) 相除，并求全微分，可得:

由式(25) 可以看出，機器人的生產(chǎn)效率提升，會使得更多類型的任務由機器人生產(chǎn)，更少類型的任務由勞動力生產(chǎn)。直覺上，機器人效率提升，使得在原來勞動力具有比較優(yōu)勢的部分生產(chǎn)任務上，機器人具有比較優(yōu)勢，勞動力被機器人取代。

進一步地，將式(23) 對R和I全微分，得到:

這意味著，更多類型的任務由機器人生產(chǎn)會造成機器人的價格增加。

將式(12) 對M和R全微分，得到:

由式(25)、式(26) 和式(27) 可以看出，機器人對任務的生產(chǎn)效率提升，會使得機器人取代更多的勞動力，機器人的價格上升，而機器人生產(chǎn)企業(yè)供應更多的機器人。直覺上講，機器人生產(chǎn)效率增加，會使得最終產(chǎn)品企業(yè)需求更多的機器人，這會抬高機器人的價格，并吸引機器人生產(chǎn)商生產(chǎn)更多的機器人。

機器人生產(chǎn)效率和其使用量的正相關(guān)關(guān)系為后文的實證提供了重要的理論支撐。在數(shù)據(jù)中，我們并不能直接觀測到機器人生產(chǎn)任務的效率，但我們能夠觀察到一個地區(qū)機器人的使用量，或者機器人滲透度。檢驗機器人使用量的影響相當于檢驗機器人效率的影響。

那么，機器人效率和企業(yè)數(shù)量有何關(guān)系呢? 將式(21) 對N和I全微分，可得:

可見，企業(yè)數(shù)量會隨I降低而增加。原因是，單個企業(yè)使用的勞動力減少，而勞動力供給不變，因此企業(yè)數(shù)量會增加。結(jié)合式(25) 的含義，即I會隨機器人效率增加而降低，可以得到命題1。

命題1: 機器人的生產(chǎn)效率提升，會使得市場上有更多的產(chǎn)品生產(chǎn)企業(yè)。

由于企業(yè)以外生的概率退出市場，并由新進企業(yè)進行補充替代，市場上更多的企業(yè)也意味著更多的新進企業(yè)。這是本模型的主要結(jié)果之一。直覺上講，機器人生產(chǎn)效率提升，會提升企業(yè)的生產(chǎn)效率進而增加企業(yè)的利潤，從而吸引更多的企業(yè)進入。從市場均衡的角度看，一方面，每個企業(yè)的中間品產(chǎn)量不變而生產(chǎn)中間品的勞動力降低；另一方面，市場上的勞動力供給不變。為使勞動力市場出清，需要更多的最終產(chǎn)品生產(chǎn)企業(yè)來雇用勞動力。

(三) 傳導機制的分析①因篇幅所限，本文省略了傳導機制分析對應的數(shù)學推導，感興趣的讀者可在《經(jīng)濟科學》官網(wǎng)論文頁面“附錄與擴展”欄目下載。

1.生產(chǎn)率效應

機器人是通過何種途徑影響企業(yè)數(shù)量呢? 本文首先探究企業(yè)生產(chǎn)率的變化。為此，我們考察給定機器人和勞動力投入，中間品產(chǎn)量如何隨機器人效率變化而變化。

將企業(yè)的機器人投入量記作m，勞動力投入量記作l。兩個要素投入量均外生給定。由于中間品生產(chǎn)函數(shù)是列昂惕夫(Leontif) 形式，企業(yè)會選擇機器人和勞動力的分工臨界點，使每種任務的產(chǎn)量相同。由此，可以得到I～隨ρ的變動關(guān)系:

可見，當機器人效率提升，增加，即更多類型的任務會由機器人生產(chǎn)，而更少類型的任務會由勞動力生產(chǎn)。

中間品的產(chǎn)量變化則為:

式(30) 顯示，由于增加，中間品產(chǎn)量y會增加，這也意味著最終產(chǎn)品產(chǎn)量的增加。由于這一過程假定生產(chǎn)要素投入不變，產(chǎn)品數(shù)量的增加意味著生產(chǎn)率的增加。因此可以得到引理1。

引理1: 給定機器人和勞動力投入，當機器人對任務的生產(chǎn)效率有所提升時，最終產(chǎn)品生產(chǎn)企業(yè)的生產(chǎn)率會提升，即產(chǎn)品的產(chǎn)量會增加。

這一結(jié)果的邏輯直覺如下: 給定機器人和勞動力的投入量，設(shè)想機器人生產(chǎn)任務的效率提升。假設(shè)機器人和勞動力的分工臨界點不變，那么機器人生產(chǎn)的任務量增加，而勞動力生產(chǎn)的任務量不變。由于中間品的生產(chǎn)函數(shù)是列昂惕夫形式的，中間品產(chǎn)量由勞動力的任務產(chǎn)量決定而沒有增加。這時候企業(yè)會將分工臨界點適當上移，以減少機器人的任務產(chǎn)量，并增加勞動力的任務產(chǎn)量，直至二者的任務產(chǎn)量相等。最終的結(jié)果是，中產(chǎn)品產(chǎn)量增加。

進一步地，企業(yè)生產(chǎn)率的提升會增加企業(yè)利潤，并因此吸引更多企業(yè)進入。為了更直接地考察這一關(guān)系，我們接下來分析機器人生產(chǎn)效率提升時企業(yè)利潤的變化。為了單獨考察企業(yè)生產(chǎn)率這一機制，并分離掉要素價格的影響，本文分析假定生產(chǎn)要素價格不變。

由于要素投入的總成本不變，中間品的單位成本和其產(chǎn)量成反比，即:

將式(16) 對π、p全微分，得到:

式(32) 表明，中間品的單位成本越高，則企業(yè)利潤越低。由于最終產(chǎn)品的生產(chǎn)技術(shù)邊際報酬遞減，這是一個很直觀的結(jié)果。

進一步，結(jié)合式(30)、式(31) 和式(32)，可以得到:

式(33) 表明，當機器人效率提升引起I～增加時，企業(yè)的利潤也會增加。由上述推導過程可以看出這一影響的邏輯如下: 給定生產(chǎn)要素的投入量和價格，機器人效率提升，會使得企業(yè)通過調(diào)整機器人和勞動力的分工點來生產(chǎn)更多的中間品。這意味著生產(chǎn)率的提升，意味著中間品單位成本的下降，企業(yè)利潤則隨著中間品單位成本的下降而增加。由于企業(yè)利潤的增加會吸引新的企業(yè)進入，可以得到命題2。

命題2: 當機器人對任務的生產(chǎn)效率提升時，最終產(chǎn)品生產(chǎn)企業(yè)的生產(chǎn)率會提升，這將增加企業(yè)利潤并促進企業(yè)進入。

上述分析假定生產(chǎn)要素的價格不變，因此機器人生產(chǎn)效率對企業(yè)利潤的影響完全通過企業(yè)生產(chǎn)率這一機制。此外，機器人生產(chǎn)效率還可能通過改變要素價格來影響企業(yè)利潤和企業(yè)進入。后文將詳細考察這一機制。

2.要素價格效應

機器人效率的提升會增強機器人對勞動力的替代能力，這將會影響勞動力市場上的工資率，并進一步影響企業(yè)的市場進入決策。為探究這一機制，本文考察給定舊的均衡企業(yè)數(shù)量，機器人效率提升對工資率的影響。

由勞動力市場均衡條件可推導出以下等式:

由機器人市場均衡條件可推導出以下等式:

將式(34) 和式(35) 聯(lián)立起來，得到一個dlog(R)和dlog(w)關(guān)于dlog(ρ)的方程組，求解可得:

式(36) 和式(37) 刻畫了企業(yè)數(shù)量保持不變時，機器人效率對要素價格的影響。在這兩個式子中，Λ4和Λ6為正，而Λ1的符號不確定。如果Λ1為負，那么機器人的價格會隨機器人效率提升而增加，而工資率會隨機器人效率提升而降低。

考察Λ1發(fā)現(xiàn)，當上述的均衡值滿足以下條件時，Λ1為負:

可以看出，如果φ′(I)足夠小，那么短期內(nèi)機器人價格會隨機器人效率提升而增加，而工資率會隨機器人效率提升而降低。由此可以得到引理2。

引理2: 如果φ′(I)足夠小，當機器人效率提升時，勞動力很容易被替代，那么給定企業(yè)數(shù)量，工資率下降。

機器人效率增加會引起自身價格上升比較容易理解。這里主要分析工資率受到的影響。直覺上講，機器人效率提升會對工資率產(chǎn)生兩個影響。第一，給定任務類型，機器人生產(chǎn)的任務量增加，由于中間品的生產(chǎn)函數(shù)是列昂惕夫形式的，所以由勞動力生產(chǎn)的任務量也需要成比例增加。這增加了勞動力需求并提升了工資率(即生產(chǎn)率效應)。第二，機器人的效率提高，機器人生產(chǎn)任務的成本降低并在新的任務類型上取代勞動力。這降低了勞動力需求并降低了工資率(即替代效應)。如果φ′(I)足夠小，那么當機器人效率提升時，分工臨界點之上的勞動力更容易被機器人取代，替代效應大過生產(chǎn)率效應，工資降低。

工資降低則會增加企業(yè)利潤并吸引新企業(yè)進入，這是機器人效率影響企業(yè)進入的又一個機制。更具體地，當企業(yè)數(shù)量固定而要素價格可變時，由式(16) 可以推導出企業(yè)利潤π與機器人價格R、工資率w以及機器人效率ρ的關(guān)系，如式(39) 所示:

可見，當企業(yè)數(shù)量固定而要素價格可變時，機器人效率對企業(yè)利潤有兩個影響: 要素價格效應和生產(chǎn)率效應。①需要指出的是，這里的生產(chǎn)率效應不完全等同于前文的生產(chǎn)率效應。前文是固定要素價格時的生產(chǎn)率效應，而此處是允許要素價格變動時的生產(chǎn)率效應。兩處采用不同的假設(shè)是因為關(guān)注點不同。其中，要素價格進一步包括機器人的價格和工資率。

將式(36) 和式(37) 代入式(39)，進一步得到:

式(40) 顯示給定企業(yè)數(shù)量時，機器人效率提升對企業(yè)利潤的整體影響。等式右邊由三項組成。其中，第一項是機器人效率通過機器人價格R對利潤的影響。由于機器人價格增加，這一影響為負。第二項是機器人效率通過工資率w對利潤的影響。由于工資率下降，這一影響為正。第三項是允許要素價格改變時，機器人效率對利潤的直接影響，該影響為正。重點關(guān)注第二項，可以得到命題3。②此外，由于ΓR＜1，第一項和第三項的整體影響為正。這意味著除工資率外，機器人效率仍對企業(yè)利潤具有正影響。但是，考慮到機器人效率和機器人的價格數(shù)據(jù)很難獲得，本文沒有對此重點關(guān)注。

命題3 如果φ′(I)足夠小，當機器人效率提升時，勞動力很容易被替代，工資率下降，這會增加企業(yè)利潤并促使企業(yè)進入。

三、計量模型設(shè)定與指標選取

(一) 計量模型設(shè)定

為驗證機器人應用對企業(yè)進入的影響，本文首先構(gòu)建以下基準回歸模型:

其中，ENumberijt和Yijt為模型的被解釋變量。ENumberijt表示i省份j行業(yè)在t年新進入企業(yè)的數(shù)量。Yijt表示i省份j行業(yè)在t年新進入企業(yè)的工業(yè)總產(chǎn)值、主營業(yè)務銷售收入和進入率。模型(41) 為負二項回歸模型，首先是因為新企業(yè)形成個數(shù)為正整數(shù)或0，而OLS 回歸會產(chǎn)生有偏估計。與別的計數(shù)模型如Poisson 回歸模型相比，負二項回歸模型能夠應對被解釋變量過度分散的情形。模型(42) 為線性回歸模型，采用OLS 估計。本文核心解釋變量是CHPRobotit，表示i省份在t時期的工業(yè)機器人滲透度。Xit表示所要控制的其他變量，主要包括地區(qū)經(jīng)濟發(fā)展水平、市場化程度、政府規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、對外開放度、金融深化程度、固定資產(chǎn)投資額和人力資本水平。此外，λjt表示行業(yè)—時間固定效應；λi表示省份固定效應，εijt為隨機誤差項。

(二) 變量選取

(1) 被解釋變量。本文的被解釋變量為企業(yè)進入。毛其淋和盛斌(2013)、李坤望和蔣為(2015)、畢青苗等(2018) 利用年度企業(yè)數(shù)據(jù)界定企業(yè)進入狀態(tài)，如果在上一年數(shù)據(jù)中觀察不到該企業(yè)，而在當年數(shù)據(jù)中可以觀察到，則將該企業(yè)定義為當年進入。但這樣劃分企業(yè)進入狀態(tài)存在兩個問題: 第一，僅存在一年的企業(yè)既符合新進入企業(yè)，也符合退出企業(yè)的定義，這會造成重復界定的問題(李坤望和蔣為，2015)；第二，中國工業(yè)企業(yè)數(shù)據(jù)庫僅包括一定規(guī)模以上的企業(yè)，即主營業(yè)務年收入在500 萬元以上的企業(yè)(2011 年該標準改為2 000 萬元)。因此，這一定義下的新企業(yè)可能只是恰好滿足工業(yè)企業(yè)數(shù)據(jù)庫涵蓋標準的舊企業(yè)。這樣對企業(yè)狀態(tài)的界定取決于企業(yè)進入或者退出中國工業(yè)企業(yè)數(shù)據(jù)庫樣本，即通過企業(yè)是否存在于數(shù)據(jù)庫判斷企業(yè)的狀態(tài)，會出現(xiàn)企業(yè)多次進入與退出而帶來的進入度量的偏差。由于新企業(yè)是否形成或形成規(guī)?？梢灾庇^地表現(xiàn)某一產(chǎn)業(yè)在某一時期的進入情況，是衡量企業(yè)進入的首選指標。為此，參照陳建偉等(2021)對企業(yè)進入率的界定，本文采用新企業(yè)是否形成、新企業(yè)形成率以及形成規(guī)模(工業(yè)總產(chǎn)值和主營業(yè)務產(chǎn)品銷售收入) 來度量企業(yè)進入。

(2) 核心解釋變量。在前文數(shù)學模型中，我們探討機器人效率對企業(yè)進入的影響。但是在數(shù)據(jù)中，我們并不能直接觀察到機器人生產(chǎn)任務的效率。鑒于機器人效率和其使用量存在明顯的正相關(guān)關(guān)系，本文使用機器人的使用量來作為機器人效率的代理變量。更具體地，本文的核心解釋變量是工業(yè)機器人滲透度(CHPRobot)。Acemoglu 和Restrepo(2020) 基于Bartik 工具變量法思想，結(jié)合工業(yè)機器人使用的行業(yè)水平變化和基期就業(yè)份額，構(gòu)造了度量美國區(qū)域?qū)用妗皺C器人滲透度”的指標。與現(xiàn)有研究主要關(guān)注地區(qū)層面的機器人滲透度不同，王永欽和董雯(2020) 將行業(yè)層面的工業(yè)機器人滲透度分解到企業(yè)層面，用于考察企業(yè)層面的工業(yè)機器人滲透度。本文參照韓民春等(2020) 的做法，假設(shè)某一行業(yè)內(nèi)的工業(yè)機器人分布程度在一個國家內(nèi)的所有區(qū)域都是一致的，因此某一地區(qū)的工業(yè)機器人密度取決于該地區(qū)內(nèi)各行業(yè)的就業(yè)份額。具體計算方式如下:

其中，J表示各行業(yè)的集合，CHPRobotit是i省份在t年的機器人安裝數(shù)量，Robotjt是j行業(yè)在t年的機器人安裝數(shù)量，Employeesjt是j行業(yè)在t年就業(yè)人數(shù)，Employeesit是i省份在t年就業(yè)人數(shù)，Employeesjt是i省份的j行業(yè)在t年就業(yè)人數(shù)。

(3) 控制變量。第一，經(jīng)濟發(fā)展水平(PCGDP)，采用人均地區(qū)生產(chǎn)總值的對數(shù)衡量。這一變量能夠很好地反映市場規(guī)模的大小，而市場規(guī)模大小會通過企業(yè)利潤影響產(chǎn)業(yè)區(qū)位選擇。市場規(guī)模越大，人均購買能力往往也越高，新企業(yè)進入后的收益可能會越高。第二，市場化程度(MarDeg)，采用樊綱等編制的省份層面1999—2009 年的市場化指數(shù)來度量。第三，政府規(guī)模(GovExp)，采用各省份財政支出占當年GDP 的比率來衡量。該指標主要反映政府對企業(yè)運行的影響程度。一方面，財政支出比重越高，意味著地方政府招商引資能力越大，從而越有利于企業(yè)進入市場；另一方面，政府規(guī)模過大會減弱市場配置資源的能力，降低企業(yè)經(jīng)營的靈活性，從而不利于新企業(yè)進入市場。第四，產(chǎn)業(yè)結(jié)構(gòu)(IndStr)。地區(qū)服務業(yè)的集聚對企業(yè)市場進入也很重要，本文用各省份第三產(chǎn)業(yè)產(chǎn)值占GDP 比重衡量產(chǎn)業(yè)結(jié)構(gòu)。第五，對外開放水平(FDI)。為了控制地區(qū)開放程度對企業(yè)進入決策的影響，本文采用各個省份實際利用外資額和GDP 的比值來度量地區(qū)層面對外開放水平。第六，金融深化程度(FinDev)。私人部門信貸占GDP 的比重是衡量現(xiàn)有中國金融深化程度較為準確的指標，但從公開的統(tǒng)計數(shù)據(jù)中還無法獲取該指標?，F(xiàn)有文獻大多運用全部信貸占GDP 的比值來衡量地區(qū)金融發(fā)展程度，本文也采用這一度量方法。第七，固定資產(chǎn)投資額(FA)。本文采用各個省份社會固定資產(chǎn)投資和GDP 的比值進行衡量。第八，人力資本(Human)。勞動者受教育程度越高，勞動力質(zhì)量越高，本文采用各省每十萬人口各級學校平均在校生數(shù)進行衡量。

(三) 數(shù)據(jù)說明①變量的詳細說明和描述性統(tǒng)計請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。

本文所使用的數(shù)據(jù)主要包括三個部分，一是企業(yè)層面數(shù)據(jù)，來自工業(yè)企業(yè)數(shù)據(jù)庫，目前被廣泛應用于中國經(jīng)濟問題相關(guān)研究(Brandt 等，2012；Feenstra 等，2014)。對于一些企業(yè)存在著增加值、就業(yè)人數(shù)或者產(chǎn)值為負的情況，我們認為這樣的企業(yè)存在著原始數(shù)據(jù)的偏誤，按照Brandt 等(2012) 的建議刪除了這些企業(yè)樣本。此外，2006—2014年間國民經(jīng)濟行業(yè)代碼調(diào)整過兩次，2006—2012 年行業(yè)代碼是GB/T 4754-2002 版，而2013—2014 年是GB/T 4754-2011 版。參照Brandt 等(2012) 處理方式，我們將2013—2014 年行業(yè)代碼進行轉(zhuǎn)碼統(tǒng)一至GB/T 4754-2002 版。

二是工業(yè)機器人數(shù)據(jù)，來自IFR。這一數(shù)據(jù)庫提供了全球范圍內(nèi)按照應用領(lǐng)域、行業(yè)分支和機器人類型細分的工業(yè)機器人權(quán)威數(shù)據(jù)。目前IFR 所發(fā)布的數(shù)據(jù)已被廣泛應用于機器人相關(guān)研究(Graetz 和Michaels，2018；Cheng 等，2019；Acemoglu 和Restrepo，2020；呂越等，2020；楊光和侯鈺，2020)。具體來說，IFR 數(shù)據(jù)庫包含全球75 個國家1993—2019 年分年度和分行業(yè)的工業(yè)機器人安裝量和存量。本文將行業(yè)層面的工業(yè)機器人滲透度分解到省份層面，具體步驟如下: 第一，在行業(yè)層面的機器人數(shù)據(jù)上，通過世界工業(yè)機器人數(shù)據(jù)庫獲取機器人原始數(shù)據(jù)，然后從中提取中國所有行業(yè)的機器人數(shù)據(jù)。由于世界工業(yè)機器人數(shù)據(jù)庫獲取的機器人數(shù)據(jù)行業(yè)分類標準為標準國際行業(yè)分類(ISIC＿Rev.4)，所以我們進一步將標準國際行業(yè)分類(ISIC＿Rev.4) 與國民經(jīng)濟行業(yè)分類GB/T 4754-2011 進行對應，整理為相應對照表，最終對應到樣本數(shù)據(jù)GB/T 4754-2002 版行業(yè)標準。第二，在整理相應行業(yè)對照表后，我們發(fā)現(xiàn)IFR 提供的行業(yè)機器人數(shù)據(jù)中有些行業(yè)數(shù)據(jù)是幾個行業(yè)的加總，為此本文將無法明確分類的行業(yè)機器人數(shù)據(jù)加總之后再均分給每個行業(yè)，留下可以一一匹配的數(shù)據(jù)，成功匹配到中國制造業(yè)27 個大類行業(yè)。第三，參照韓民春等(2020) 的做法，我們以各地區(qū)按行業(yè)的就業(yè)份額作為權(quán)重，對所有行業(yè)的機器人密度進行加總，由此得到各個地區(qū)工業(yè)機器人滲透度。

三是省份經(jīng)濟變量數(shù)據(jù)，來自《中國統(tǒng)計年鑒》、《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》、《中國勞動統(tǒng)計年鑒》以及各省統(tǒng)計年鑒?？紤]到數(shù)據(jù)質(zhì)量和可得性的限制，樣本時間跨度為2006 年到2014 年。

四、實證結(jié)果分析

(一) 基準回歸

表1 報告了工業(yè)機器人與企業(yè)進入的基準回歸結(jié)果。第(1) 列和第(2) 列分別為負二項回歸模型(即模型1) 和OLS 回歸模型(即模型2) 下工業(yè)機器人應用與企業(yè)進入數(shù)量之間的關(guān)系，機器人安裝密度(CHPRobot) 的估計系數(shù)符號完全一致，且均在1%的水平上顯著為正。這支持了本文的研究假說1，即工業(yè)機器人應用能夠促進新企業(yè)進入規(guī)模。第(3) 列、第(4) 列和第(5) 列的被解釋變量分別為新進入企業(yè)總產(chǎn)值、主營業(yè)務銷售收入以及企業(yè)進入率，采用OLS 回歸模型進行估計，回歸結(jié)果顯示，CHPRobot的回歸系數(shù)都顯著為正，進一步支持了前文提出的研究假說1。由于表1 報告的是未經(jīng)標準化的系數(shù)及其統(tǒng)計顯著性，不能直接用于比較不同模型設(shè)定下解釋變量對被解釋變量影響程度的大小，但回歸系數(shù)均具有統(tǒng)計顯著性和經(jīng)濟顯著性。這一結(jié)論與現(xiàn)有研究也具有一定可比性，Graetz 和Michaels (2018) 發(fā)現(xiàn)工業(yè)機器人等人工智能技術(shù)促使經(jīng)濟增長速度提升了0.37%。楊光和侯鈺(2020) 采用1993—2017 年72 個國家或地區(qū)的機器人數(shù)據(jù)研究發(fā)現(xiàn)，機器人的使用確實促進了經(jīng)濟增長?？刂谱兞康幕貧w結(jié)果與預期基本一致。

表1 基準回歸結(jié)果

(二) 內(nèi)生性與穩(wěn)健性檢驗①穩(wěn)健性檢驗結(jié)果請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。

我們通過采用工具變量估計進一步處理內(nèi)生性問題，同時就基準回歸進行一系列穩(wěn)健性檢驗，以進一步提高本文研究結(jié)果的可信度。

(1) 工具變量估計(2SLS)。我們在此重點討論并修正內(nèi)生性問題對模型估計的影響。本文內(nèi)生性問題來源主要有以下兩個: 一是被解釋變量為企業(yè)進入，其數(shù)據(jù)為地區(qū)—行業(yè)層面，而核心解釋變量工業(yè)機器人數(shù)據(jù)也為地區(qū)層面，工業(yè)機器人應用會促進企業(yè)進入，而新企業(yè)進入反過來也可能會影響地區(qū)工業(yè)智能化水平，因而可能會存在互為因果的內(nèi)生性問題。二是受限于數(shù)據(jù)的可得性，雖然我們已經(jīng)控制了其他影響企業(yè)進入的地區(qū)經(jīng)濟變量以及地區(qū)、行業(yè)—時間固定效應，但仍有可能遺漏某些隨時間變化的非觀測因素帶來的內(nèi)生性問題。為控制內(nèi)生性問題對本文回歸結(jié)果造成的影響，我們選擇構(gòu)建合適的工具變量，使用兩階段最小二乘法進行估計。

具體而言，參考Acemoglu 和Restrepo (2020) 及王永欽和董雯(2020)，基于Bartik工具變量法思想，我們利用美國行業(yè)層面的工業(yè)機器人數(shù)據(jù)構(gòu)造中國省份層面機器人滲透度的工具變量:

其中，USRobotjt表示美國j行業(yè)在t年的機器人安裝數(shù)量，USEmployeesj，t＝1990表示美國j行業(yè)在t年就業(yè)人數(shù)。②數(shù)據(jù)下載地址為https://www.nber.org/research/data/nber-ces-manufacturing-industry-database，我們將美國標準行業(yè)分類(SIC 1987 版) 與標準國際行業(yè)分類(ISIC＿Rev.3) 進行對應，然后將ISIC＿Rev.3 對應到本文的樣本數(shù)據(jù)GB/T 4754-2002 版行業(yè)標準。

表2 報告了兩階段最小二乘法(2SLS) 的分析結(jié)果。其中，第(1) 列為第一階段回歸結(jié)果?？梢钥闯?，工具變量(USPRobot) 和潛在內(nèi)生變量(CHPRobot) 是顯著正相關(guān)的(p值小于1%)。此外，第一階段的F統(tǒng)計量為330.42，遠高于經(jīng)驗切割點，排除了統(tǒng)計上的弱工具變量風險。第(2)—(5) 列為第二階段回歸結(jié)果，工業(yè)機器人安裝密度的估計系數(shù)均顯著為正，說明通過工具變量緩解內(nèi)生性問題后，工業(yè)機器人應用依然對企業(yè)進入具有顯著的正向作用，進一步強化了研究假說1。

表2 內(nèi)生性處理: 工具變量估計

(2) 更換核心解釋變量: 工業(yè)機器人進口。由于中國企業(yè)所使用的機器人絕大部分來自進口①根據(jù)國際機器人聯(lián)合會的數(shù)據(jù)，2013 年之前，中國超過70%的工業(yè)機器人是從國外進口，而國內(nèi)企業(yè)掌握的機器人生產(chǎn)技術(shù)，主要集中在產(chǎn)業(yè)的中低端領(lǐng)域(李磊等，2021)。，本文采用機器人進口量作為工業(yè)機器人使用的代理變量(Fan 等，2021；綦建紅和付晶晶，2021；李磊等，2021)，然后重新對模型進行估計。結(jié)果表明，該解釋變量的估計系數(shù)仍然顯著為正，驗證了本文的研究結(jié)論。

(3) 更換核心解釋變量: 工業(yè)機器人存量。②本文還以基期權(quán)重和工業(yè)銷售產(chǎn)值為權(quán)重，更換了核心解釋變量度量方式，結(jié)論依然穩(wěn)健。為了排除變量測量誤差對估計結(jié)果的影響，本文采用永續(xù)盤存法，分別選取5%、10%和15%的年折舊率，以2006 年為基期，對工業(yè)機器人存量進行折舊計算。我們發(fā)現(xiàn)工業(yè)機器人的估計系數(shù)仍在5%的水平上顯著為正，證實了本文的研究結(jié)論。

五、作用機制分析

由上面分析可知，工業(yè)機器人應用顯著促進了中國制造業(yè)企業(yè)進入，那么工業(yè)機器人應用究竟是通過何種機制促進企業(yè)進入呢? 為此，我們從降低勞動力成本和提升企業(yè)生產(chǎn)率兩個角度進一步探討工業(yè)機器人對企業(yè)進入可能的作用機制。③如前文理論分析指出，機器人應用還能通過催生新崗位和新型企業(yè)來促進企業(yè)進入。但是，由于數(shù)據(jù)限制，很難區(qū)分何種企業(yè)是新型企業(yè)，所以難以針對這一機制進行實證檢驗。影響機制相關(guān)檢驗結(jié)果請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。

(一) 工業(yè)機器人與勞動力成本

在“基于任務模型”的理論分析框架下，勞動力與工業(yè)機器人在不同的任務中具有各自的比較優(yōu)勢。在工業(yè)機器人具有比較優(yōu)勢的任務中，勞動力會被工業(yè)機器人所取代。替代效應會導致均衡中的勞動力需求和工資下降(Acemoglu 和Restrepo，2018，2020)，并且在工業(yè)機器人使用成本降低、使用技術(shù)成熟程度提高、投入量加大之后，這種替代效應更加顯著。而在勞動力供給不變的情況下，勞動力需求下降會降低均衡的工資水平。Acemoglu 和Restrepo (2020) 利用1990—2007 年間美國工業(yè)機器人數(shù)據(jù)研究發(fā)現(xiàn)，每千名工人每增加一個機器人，當?shù)氐木蜆I(yè)人口比率就減少0.39 個百分點，工資就減少約0.77%。因而，工業(yè)機器人應用能夠通過降低勞動力成本而促進新企業(yè)進入。楊亞平和周泳宏(2013) 認為，利用勞動生產(chǎn)率調(diào)整后的工資才能真實地反映勞動力成本，因此本文用制造業(yè)分行業(yè)工業(yè)增加值除以分行業(yè)工業(yè)就業(yè)人數(shù)衡量勞動生產(chǎn)率，進而采用各省分行業(yè)經(jīng)勞動生產(chǎn)率調(diào)整后的分行業(yè)就業(yè)人員平均報酬占全省平均報酬的比重衡量真實的勞動力成本。研究發(fā)現(xiàn)，工業(yè)機器人的估計系數(shù)均在5%的水平上顯著為負，表明工業(yè)機器人應用能夠降低勞動力成本，進而促進中國制造業(yè)企業(yè)進入規(guī)模。

(二) 工業(yè)機器人與企業(yè)生產(chǎn)率

為考察機器人應用對企業(yè)全要素生產(chǎn)率的影響，本文構(gòu)建如下的固定效應模型:

其中，TFPijct表示位于c城市屬于j行業(yè)的i企業(yè)在t年的全要素生產(chǎn)率，本文使用LP 方法來測量，并對計算出來的企業(yè)全要素生產(chǎn)率加1 后取對數(shù)處理。Robotsit是這一回歸模型的核心解釋變量，采用機器人進口數(shù)量和金額這兩個指標作為企業(yè)機器人使用的代理變量。Xit是包含一系列影響企業(yè)全要素生產(chǎn)率的控制變量。企業(yè)層面控制變量具體包括: 企業(yè)規(guī)模(Size)、資產(chǎn)負債率(Leverage)、流動比率(Liquidity)、企業(yè)是否為外商投資企業(yè)啞變量(FOE) 和企業(yè)是否為國有企業(yè)啞變量(SOE)；τi代表企業(yè)固定效應，用來控制不隨時間變化的企業(yè)特征；λt代表年份固定效應，用來控制不隨地區(qū)和企業(yè)變化的宏觀經(jīng)濟沖擊；為了避免遺漏變量偏誤，區(qū)分不同產(chǎn)業(yè)和城市經(jīng)濟變量對企業(yè)生產(chǎn)率的影響，本文還控制了行業(yè)—年份固定效應γjt和城市—年份固定效應φct，εit為服從標準正態(tài)分布的隨機擾動項。數(shù)據(jù)來源于2000—2013 年中國工業(yè)企業(yè)數(shù)據(jù)庫。①由于2008—2010 年中國工業(yè)企業(yè)數(shù)據(jù)庫關(guān)鍵指標缺失和數(shù)據(jù)異常，本文剔除2008—2010 年的數(shù)據(jù)。

本文被解釋變量為采用LP 方法計算的企業(yè)全要素生產(chǎn)率，回歸結(jié)果顯示，工業(yè)機器人的系數(shù)符號為正且至少在5%的水平上顯著，這表明在控制了其他因素之后，工業(yè)機器人能夠顯著提升企業(yè)全要素生產(chǎn)率。無論是全樣本回歸結(jié)果還是新進入企業(yè)回歸結(jié)果，均發(fā)現(xiàn)機器人應用對企業(yè)全要素生產(chǎn)率存在正向顯著作用。

六、異質(zhì)性分析

前面已經(jīng)證實，工業(yè)機器人會顯著促進企業(yè)進入。此外，工業(yè)機器人應用對企業(yè)進入的影響可能會因企業(yè)產(chǎn)權(quán)性質(zhì)、行業(yè)性質(zhì)和市場化程度不同而產(chǎn)生差異。因此，我們將對這些內(nèi)容作進一步分析。②異質(zhì)性分析相關(guān)檢驗結(jié)果請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。

(一) 工業(yè)機器人、產(chǎn)權(quán)性質(zhì)與企業(yè)進入

從產(chǎn)權(quán)性質(zhì)看，國有企業(yè)的最終所有者是政府，主要協(xié)助政府實現(xiàn)更廣泛的政治和社會目標。雖然國有企業(yè)改革打破了原先“鐵飯碗”的用工制度，但是國有企業(yè)依然需要承擔著經(jīng)濟增長和增加財政收入的經(jīng)濟責任，也需要承擔一定的“穩(wěn)就業(yè)”社會責任(王永欽和董雯，2020)。鑒于國有企業(yè)的雙重使命，即使可以大規(guī)模地采用機器人，國有企業(yè)也未必會在短期內(nèi)大規(guī)模進入市場。相對而言，非國有企業(yè)更多關(guān)注的是企業(yè)自身盈利能力，在“利潤極大化”的目標下，更可能對新科技做出反應及采用工業(yè)機器人來替代勞動力，以降低企業(yè)的邊際成本和提高企業(yè)利潤率。為此，本文根據(jù)企業(yè)的產(chǎn)權(quán)性質(zhì)將企業(yè)分為國有企業(yè)、外資企業(yè)和私營企業(yè)。研究發(fā)現(xiàn)，工業(yè)機器人對企業(yè)進入的作用效應主要發(fā)生在非國有企業(yè)中，且在1%水平上顯著為正，但對國有企業(yè)市場進入影響不顯著。由此可見，雖然機器人應用可以降低勞動力成本、提高企業(yè)進入規(guī)模，但是由于國有企業(yè)需要承擔政府“穩(wěn)就業(yè)”責任，即使大規(guī)模地采用機器人，也無法在短期內(nèi)大規(guī)模進入市場。與之相對的是，非國有企業(yè)主要關(guān)注企業(yè)盈利能力，在“利潤極大化”目標下，只要機器人應用能夠緩解勞動力成本、提高營業(yè)利潤，就會選擇進入市場。

(二) 工業(yè)機器人、行業(yè)性質(zhì)與企業(yè)進入

考慮到中國各行業(yè)要素密集度存在較大差異，因而工業(yè)機器人在影響不同要素密集度行業(yè)企業(yè)的進入上可能存在異質(zhì)性?，F(xiàn)有證據(jù)表明，相對于技術(shù)密集型企業(yè)，工業(yè)機器人更能降低勞動密集型企業(yè)的生產(chǎn)成本。例如，Autor 等(2003) 發(fā)現(xiàn)，計算機能夠取代從事機械性、重復性工作的勞動力，但是和從事非重復性、復雜工作的勞動力互補。Akerman 等(2015) 以及Gaggl 和Wright (2017) 的研究表明，信息通信技術(shù)和低技術(shù)勞動力相互替代，但和高技術(shù)勞動力互補。長期以來，中國有大量的低技術(shù)勞動力密集型企業(yè)，它們依賴“人口紅利”所帶來的廉價勞動力，通過“以價競爭”取得生存發(fā)展。當人口紅利收縮及勞動力成本上漲時，這類企業(yè)首當其沖。工業(yè)機器人使用可以彌補勞動力短缺，并減弱用工成本的影響。因此相較于技術(shù)密集型行業(yè)，工業(yè)機器人應用對勞動密集型企業(yè)影響更大。此外，機器人使用能夠促進資本的積累，進而促進資本密集型企業(yè)進入。為此，本文借鑒謝建國(2003) 的做法，按照行業(yè)要素密集度將樣本劃分為勞動、資本和技術(shù)密集型行業(yè)。研究發(fā)現(xiàn)，工業(yè)機器人應用主要影響勞動密集型和資本密集型行業(yè)企業(yè)進入。這是因為雖然工業(yè)機器人應用可以深刻改變傳統(tǒng)生產(chǎn)方式，但在本質(zhì)上對勞動或資本都可能產(chǎn)生偏向的替代性。機器人的使用有助于提高企業(yè)生產(chǎn)的自動化水平，節(jié)約勞動力成本，提高生產(chǎn)效率，工業(yè)機器人可能會導致大量勞動和資本密集型行業(yè)重新進入市場。

(三) 工業(yè)機器人、市場化程度與企業(yè)進入

工業(yè)機器人對企業(yè)的影響很可能取決于政府的干預程度和經(jīng)濟體的市場化程度。如果政府干預較少而市場化程度較高，那么市場環(huán)境和競爭機制更加健全，經(jīng)濟民營化程度和對外開放程度較高，工業(yè)機器人的應用也能夠更加充分地發(fā)揮其在勞動力、資本以及技術(shù)市場中的全面影響。相反，如果政府干預較強而市場化程度較低，那么企業(yè)的生產(chǎn)經(jīng)營活動受到政府政策的影響更大，面臨的外部不確定性因素更多。競爭機制的缺失使得企業(yè)家更看重政治關(guān)系帶來的各種資源和政策優(yōu)惠，而機器人應用的影響力則會被壓縮。改革開放以來，中國經(jīng)濟體逐漸由政府主導型經(jīng)濟向市場主導型經(jīng)濟過渡，但因政策、地理、歷史等因素的不同，中國地區(qū)間市場化進程存在較大差距，機器人應用對企業(yè)進入的促進作用也不盡相同。為此，本文用MarDeg來表示企業(yè)所在省的市場化進程指數(shù)，研究發(fā)現(xiàn)交互項“CHPRobot×MarDeg”的估計系數(shù)在1%水平上顯著為正，表明當?shù)氐氖袌龌M程越高，工業(yè)機器人對企業(yè)進入產(chǎn)生的正向影響就越強。

七、結(jié)論與政策建議

本文探討了工業(yè)機器人應用如何影響企業(yè)進入?；?006—2014 年中國工業(yè)企業(yè)數(shù)據(jù)庫并匹配省份面板數(shù)據(jù)，本文實證檢驗了工業(yè)機器人應用對新企業(yè)進入的影響。結(jié)果發(fā)現(xiàn): 第一，工業(yè)機器人使用對企業(yè)進入有著顯著的提升作用。第二，在作用機制方面，一是工業(yè)機器人應用對勞動力需求產(chǎn)生一定的替代效應，工業(yè)機器人安裝密度高的地區(qū)，其真實勞動力成本相對較低，從而可以促進新企業(yè)進入規(guī)模的提升；二是工業(yè)機器人應用降低了工業(yè)生產(chǎn)的用工依賴，打破了產(chǎn)業(yè)在區(qū)域間單向梯度轉(zhuǎn)移的態(tài)勢，工業(yè)機器人滲透度越高的地區(qū)，新企業(yè)進入規(guī)模也越大。第三，異質(zhì)性分析表明，工業(yè)機器人應用對非國有企業(yè)進入、勞動密集型和資本密集型行業(yè)企業(yè)進入的影響較大；機器人應用對新企業(yè)進入的影響隨著進入地市場化程度的提高而增強。

本文具有以下政策含義: 第一，研究結(jié)論顯示，機器人應用可以促進新企業(yè)進入。當前國產(chǎn)工業(yè)機器人與發(fā)達國家相比還有一定差距，并且我國智能制造領(lǐng)域人才缺口較大，部分核心技術(shù)自主創(chuàng)新不足。因此，應繼續(xù)支持和鼓勵工業(yè)機器人進口，加強我國工業(yè)機器人關(guān)鍵技術(shù)研發(fā)；積極鼓勵先進技術(shù)設(shè)備和關(guān)鍵零部件進口，加強自主創(chuàng)新，盡快解決本領(lǐng)域的“卡脖子”關(guān)鍵技術(shù)問題，為我國推進工業(yè)機器人技術(shù)創(chuàng)新和行業(yè)發(fā)展提供可靠的技術(shù)保障。第二，研究顯示，與技術(shù)密集型行業(yè)相比，在勞動密集型和資本密集型行業(yè)中，機器人應用對新企業(yè)進入的作用更大。有鑒于此，應進一步完善相關(guān)的培訓制度和再就業(yè)政策，提高各個層次技能的勞動人員對經(jīng)濟變化的適應能力；進一步優(yōu)化人才培養(yǎng)體系，加強機器人、人工智能等相關(guān)領(lǐng)域的專業(yè)人才和“互補性”人才的培養(yǎng)，抓住新一輪技術(shù)革命帶來的發(fā)展機遇。第三，我們還發(fā)現(xiàn)，在市場化程度高的地區(qū)，機器人應用對新企業(yè)進入的促進效應更為顯著。因此，應推進公平、有序的競爭性市場環(huán)境，充分發(fā)揮市場的選擇效應、競爭效應和資源再配置效應，以吸引更多的新企業(yè)進入市場，實現(xiàn)中國經(jīng)濟的高質(zhì)量發(fā)展。

本文證實了工業(yè)機器人對中國制造業(yè)企業(yè)進入的正向影響，并強調(diào)了勞動力成本和生產(chǎn)率機制在傳導工業(yè)機器人應用促進企業(yè)進入效應中的重要作用。然而，本文研究仍然有一些局限性。第一，中國工業(yè)企業(yè)數(shù)據(jù)庫更新至2014 年，受企業(yè)級數(shù)據(jù)的限制，本文在非國有企業(yè)方面僅包含規(guī)模以上工業(yè)企業(yè)，對規(guī)模以下非國有工業(yè)企業(yè)的進入與退出如何受工業(yè)機器人應用的影響，還需要未來在數(shù)據(jù)可得的基礎(chǔ)上繼續(xù)展開研究。第二，IFR 數(shù)據(jù)庫提供的工業(yè)機器人數(shù)據(jù)是國家—行業(yè)—年度數(shù)據(jù)，有些行業(yè)數(shù)據(jù)是幾個行業(yè)的加總，且行業(yè)分類為標準國際行業(yè)分類(ISIC＿Rev.4)，行業(yè)代碼轉(zhuǎn)換以及各大類行業(yè)機器人安裝量的計算很難達到非常準確，未來可以考慮采用更多的方法來進行研究。