李小瑛 張宇平

一、引言

工業(yè)機器人作為實現(xiàn)“智能制造”的核心設備之一，近年來在中國得到了廣泛的使用與發(fā)展。根據國際機器人聯(lián)合會（IFR）發(fā)布的《世界機器人2021 工業(yè)機器人》報告，截至2020年下半年，中國工廠運行的工業(yè)機器人數(shù)量達到創(chuàng)紀錄的943000 臺，較上年增長21%，可見生產機器化的進程已初顯崢嶸。工業(yè)機器人的廣泛應用引發(fā)了學界對機器替代勞動的關注，聚焦機器人是否會減少勞動者工作崗位的討論不斷（Acemoglu and Restrepo，2018a；李磊等，2021）。事實上，生產機器化對工人工作時長的影響同樣需要重視。早在20世紀三十年代前后，凱恩斯曾預言，隨著技術的進步與資本的積累，人們在百年后只需要每周工作15 個小時便可滿足我們的原始勞作需求（Keynes，2010）。但機器人應用過程中的實際情況卻并非如此。圖1 描述了我國近年來工業(yè)機器人存量與勞動者工作時長的變化趨勢，生產技術的進步并未如預想一般顯著降低人們的工作時長。隨著機器人的引入，全國平均的周工作時長在經歷短暫的下跌后呈現(xiàn)出持續(xù)的上升趨勢。

圖1 中國歷年工作時長與工業(yè)機器人存量變化趨勢

工作時間不斷延長的趨勢需要得到社會各界的正視，在經濟發(fā)展的過程中，過長的工作時間容易造成“過勞”問題（吳偉炯，2016；樊海潮、胡冬敏，2022）。世界衛(wèi)生組織（WHO）和國際勞工組織（ILO）的系統(tǒng)評價報告指出，與標準工作時長（35—40 小時/周）相比，長時間工作的人（≥55 小時/周）患缺血性心臟病和中風的風險更高（Dai et al.，2022）。據2021 年《中國勞動統(tǒng)計年鑒》記錄，我國在2020 年期間已有32.8%的城鎮(zhèn)就業(yè)者每周工作48 小時以上，其中住宿和餐飲業(yè)、批發(fā)和零售業(yè)、居民服務、修理和其他服務業(yè)以及制造業(yè)四者的工作時長“名列前茅”，分別達到52.6、50.1、49.7與49.5小時/周，嚴重超出標準工作時長。工作時間過長會對勞動者身心造成嚴重負擔，進而損害勞動者心理與生理健康，不利于我國經濟的可持續(xù)發(fā)展。由此啟發(fā)了本文研究，從技術進步的角度探討勞動時間延長的誘因。

機器人普及與員工勞動時長之間存在怎樣的關系？面對機器人的沖擊，勞動力市場會產生“廣延邊際”（Extensive Margin）和“集約邊際”（Intensive Margin）兩方面的調整（Heckman，1993；Jia，2014）。現(xiàn)有研究主要聚焦于前者（就業(yè)廣度）的變化上，從機器人的任務替代、效率提高和新興需求等角度作出了探討，認為機器人對不同人群會產生異質性影響，從而帶來就業(yè)總量、就業(yè)結構的變遷（Autor et al.，2003；Acemoglu and Restrepo，2018a）。在發(fā)達國家中，由于明星企業(yè)效應、工作極化、任務內容需求差異化等就業(yè)結構轉變與生產規(guī)模擴張的影響，機器人對于就業(yè)總量的影響效應仍然存在爭議（Dauth et al.，2018；Acemoglu et al.，2020b）。與此相近，國內現(xiàn)有對于機器人就業(yè)效應的研究也存在一定的分歧，不同層次與類型的樣本中所得出的結論大相徑庭（王永欽、董雯，2020；李磊等，2021）。機器人浪潮下隨之而來的是其對于勞動力市場沖擊的普遍擔憂，技術變革是重塑生產方式的重要因素，在生產環(huán)境變遷中因水土不服而被替代的國內外勞動者比比皆是（Frey and Osborne，2017；Ge et al.，2021）。中國亦不例外，在人口紅利消退、用工成本上漲以及經濟發(fā)展進入“新常態(tài)”等背景的推動下，機器人對于我國勞動力市場的影響更加不容小覷（余玲錚等，2021）。由于引入機器人的時間較短，早期數(shù)據的缺乏導致有關機器人應用對中國勞動力市場影響的經驗證據相對匱乏（孔高文等，2020）。為了充分發(fā)揮機器人的積極作用，有必要對機器人就業(yè)效應作出更多的探討（Acemoglu et al.，2020b；王軍、常紅，2021）。

轉觀“集約邊際”，現(xiàn)有文獻關于機器人就業(yè)效應的分析多基于個體工作時長不變的角度展開，對機器人普及所帶來的就業(yè)時間調整問題尚未給予充分的考慮，對機器人工時效應的討論相對缺乏，因而可能導致就業(yè)效應的估計出現(xiàn)偏誤（賈朋、張世偉，2013；吳偉炯，2016）。為此，本文選擇從有效勞動投入的角度展開分析，以員工個體工作時長作為切入點，對機器人就業(yè)效應中的微觀影響作出探討，豐富現(xiàn)有研究。針對“機器人是否減輕員工工作負擔”“機器人對員工工作時長與勞動報酬是否存在影響”“機器人主要影響了哪部分群體”等問題，使用2021 年廣東省“企業(yè)-員工”匹配調查數(shù)據展開細致分析。研究發(fā)現(xiàn)：（1）機器人的使用會導致員工日工作時長增加，從而引起整體工作時長的上漲，其中受主要影響的是普通職位、低學歷與新生代員工群體；（2）機器人對就業(yè)總量的替代效應、創(chuàng)造效應與規(guī)模效應對員工工作時長具有顯著正向影響，生產率效應則趨向于縮短工作時長，整體而言前三者正向作用占主導；（3）機器人的使用會為員工帶來月工資增益，這種效應源于工作時間變長帶來的加班工資上漲，而非平均小時工資的變動，并會因此拉大企業(yè)內工資差距。

本文邊際貢獻主要體現(xiàn)為以下幾點：第一，已有關于機器人就業(yè)效應的研究，主要集中在就業(yè)的廣延邊際上，較少涉及其對集約邊際的影響。本文關注采用機器人的企業(yè)中仍舊在位的工人工作時長的變化，有助于深入理解機器人對勞動者的影響。具體而言，本文放松了已有就業(yè)效應研究中員工工作時長不變的假設，以包含工作時長的“機器人-工作任務”模型刻畫機器人工時效應。第二，本文采用具有時效性的“企業(yè)-員工”匹配數(shù)據展開經驗分析，有助于我們在分析員工工作時長問題時更好地控制企業(yè)層面的信息，一定程度緩解了遺漏變量帶來的內生性問題。同時，該數(shù)據提供了較為豐富的員工流動與工作時間信息，使本文得以從在位員工工作時長的角度對機器人的沖擊展開更為細致的剖析，并結合企業(yè)用工規(guī)模與員工進入退出等情況綜合考察機器人就業(yè)效應。文章立足于有效勞動投入的視角為現(xiàn)有就業(yè)效應研究提供支撐，有助于為當下社會“過勞”問題尋找來自技術進步層面的解釋。第三，本文在工時效應的基礎上進一步檢驗就業(yè)效應的影響機制，與前人研究相呼應；同時探究由此帶來的經濟結果，對其中的工資變動、收入分配情況展開分析。

下文結構安排如下：第二部分對機器人相關文獻進行綜述；第三部分對機器人工時效應理論建模分析；第四部分對文章所使用的數(shù)據樣本進行介紹；第五部分匯報了基準回歸結果與穩(wěn)健性檢驗情況；第六部分對工時效應的作用機制、異質性、經濟結果等影響展開進一步分析；第七部分則為研究結論與政策建議。

二、文獻綜述

機器人的使用是當下技術變革中最為引人注目的特征之一，近年來該項技術在“自動化—智能化—人工智能”的一系列轉變中對傳統(tǒng)生產方式產生了深刻的影響，對效率提高、產業(yè)變革乃至經濟發(fā)展的作用不容小覷，引起了國內外學者的高度關注（Graetz and Michaels，2018；程虹、袁璐雯，2020；王軍、常紅，2021；趙偉康、綦建紅，2022）。其中，就業(yè)關乎著最大的民生，隨著生產技術的不斷更迭，新興技術對勞動力市場的沖擊一直以來都是勞動經濟學關注的熱點議題。

現(xiàn)有對于機器人就業(yè)效應的研究主要圍繞工作極化、就業(yè)結構變遷、就業(yè)總量變動等問題展開。在理論分析中，學者們嘗試以不同的技術進步形式刻畫機器人的應用，從技術偏向與任務偏向的角度探討機器人所造成的復雜影響，為理解機器人的作用提供更好的思路（Autor et al.，2003；Acemoglu and Autor，2011；Autor and Dorn，2013；Acemoglu and Restrepo，2018a；Ge et al.，2021）。根據現(xiàn)有結論，機器人對勞動具有替代效應、生產率效應、創(chuàng)造效應與規(guī)模效應，分別對應著因使用機器人而帶來的替代重復勞動、生產效率提高、新工作需求與規(guī)模擴大等潛在影響，對勞動需求形成了兩股截然相反的力量（Acemoglu and Restrepo，2019；李磊等，2021）。其中，替代效應對勞動需求產生負向作用，降低企業(yè)的雇傭量；創(chuàng)造效應對應因機器人普及而產生的新類型勞動需求，會增加企業(yè)的就業(yè)量；生產率效應的影響取決于企業(yè)生產要素的投入比例，機器人的普及對勞動密集型企業(yè)的就業(yè)存在更大的負向作用，對其他企業(yè)則可能會因勞動邊際生產率的提高而促進就業(yè)；規(guī)模效應則偏向于就業(yè)效應中的促進部分，機器人的使用可通過提高競爭力或降低產品價格促進企業(yè)擴張規(guī)模，由此引致更多勞動需求。

上述四種效應綜合形成了在前人研究樣本中所觀測到的機器人就業(yè)效應，但由于各構成部分的作用差異，機器人在替代勞動時，也會創(chuàng)造出新的需求，導致現(xiàn)有實證研究的結論并不一致。Acemoglu and Restrepo（2019）利用美國1947—2017 年行業(yè)層面數(shù)據研究發(fā)現(xiàn)，機器人應用所產生的替代效應是導致美國近年來就業(yè)增長放緩的重要原因。相同的結果在Acemoglu and Restrepo（2020a）基于1990—2007 年間美國工業(yè)機器人存量數(shù)據的研究中得到印證，具體來說，每千名工人中每增加一臺機器人，就業(yè)人口比率將降低0.2%。然而，Graetz and Michaels（2018）使用1993—2007年17 個國家的行業(yè)機器人數(shù)據所得結果卻與前者有所差異，機器人使用密度的增加會提高勞動生產率和工資收入，但對工人總工作時長的影響并不顯著。Dauth et al.（2018）在德國1994—2014年的就業(yè)數(shù)據中同樣未能發(fā)現(xiàn)機器人具有顯著的就業(yè)影響。轉觀國內的研究，機器人就業(yè)效應的結論同樣存在爭議。李磊等（2021）基于中國工業(yè)企業(yè)樣本展開分析，發(fā)現(xiàn)了由規(guī)模效應與生產率效應主導而形成的正向就業(yè)效應。王永欽、董雯（2020）利用中國上市制造業(yè)企業(yè)數(shù)據與行業(yè)機器人數(shù)據分析機器人的就業(yè)效應，發(fā)現(xiàn)工業(yè)機器人滲透度每增加1%，企業(yè)的勞動力需求將下降0.18%。而孔高文等（2020）則就中國行業(yè)-地區(qū)層面數(shù)據作出分析，認為機器人在不同行業(yè)間的就業(yè)效應不一。正如Carnoy（1997）與Autor（2015）所指出，機器人與勞動者同時存在替代與互補關系，因此新技術對就業(yè)的破壞效應很可能會被潛在的創(chuàng)造效應所抵消，機器人的就業(yè)凈效應取決于各個子效應的綜合。

在實際中，參與生產的勞動要素應為有效勞動數(shù)量，由投入勞動者的數(shù)量與其工作時長（或勞動效率）共同構成。相較于就業(yè)數(shù)量、就業(yè)結構等宏觀問題而言，國內對微觀員工工作時長的關注仍略顯不足，現(xiàn)有就業(yè)效應研究多關注機器人所帶來的就業(yè)人數(shù)變動（程虹等，2018；王永欽、董雯，2020；李磊等，2021）。為了更好地觀察機器人的就業(yè)效應，Graetz and Michaels（2018）與Acemoglu et al.（2020b）在研究中以員工總工作時數(shù)作為機器人就業(yè)效應的衡量指標進行分析，為我國相關研究提供了借鑒與參考，應該提高對于國內機器人工時效應的重視程度。同時，已有研究以及所設計的機制分析多建立于就業(yè)總量的影響之上，對于員工個體工作時長所遭受的影響缺乏深入探討，未能將機器人就業(yè)效應中關于就業(yè)總量與工作時長的影響建立起聯(lián)系。諸如機器人的替代效應是否會導致仍在企業(yè)工作的員工需要承擔已解雇員工的工作，從而延長工作時間；規(guī)模效應是否會導致員工需要工作更長的時間，從而以現(xiàn)有員工實現(xiàn)生產規(guī)模擴張；生產率效應是否會提高員工效率，縮短工作時長，且企業(yè)在其中是否會進一步要求員工工作更長時間，以實現(xiàn)收益最大化；創(chuàng)造效應所帶來的新工作需求與原有工作內容相比，所需工作時長是否更長；上述四種效應在現(xiàn)階段是否都對員工工作時長存在影響，具體什么方向的效應占據主導地位等一系列問題需要得到明晰，從而與現(xiàn)有關于就業(yè)總量變動的相關研究相呼應。

與本文內容最為相近的是趙春明等（2020）與周廣肅等（2021）對機器人工時效應所作出的研究，前者使用中國勞動力動態(tài)調查數(shù)據從就業(yè)調整的角度初步檢驗了機器人對員工工作時長的影響，后者則基于中國城市層面數(shù)據考察自動化對平均工作時長的影響。但礙于研究角度的差異與宏觀數(shù)據的缺陷，二者對機器人影響員工工作時長的作用機制與相關經濟后果缺乏關注，更多停留在相關性的分析上，并且未結合機器人就業(yè)效應的已有結論進行考察，對于機器人工時效應的分析仍存在一定的有待深究之處。由此構成了本文研究的出發(fā)點。

三、理論框架分析

本文以Autor et al.（2003）提出的常規(guī)任務與非常規(guī)任務劃分觀點為基礎，將機器人的應用視為一種“任務偏向型技術進步”進行分析（Acemoglu and Restrepo，2018b）。參照余玲錚等（2021）在前人研究的基礎上所建立的“機器人-工作任務”模型，可將企業(yè)生產函數(shù)及其具體形式描述如下：

式（1）簡單描述了企業(yè)生產的投入-產出關系，將投入要素歸納為非機器人的資本投入、機器人投入、工人提供的常規(guī)任務與非常規(guī)任務四類，以KS,KA,lR,lN表示各生產要素的投入規(guī)模。φR與φN則分別表示不同任務類型中員工的生產效率，是本研究的核心因素，以對應員工群體平均工作時長t的倒數(shù)衡量，當員工效率越高時，完成同樣任務所需要的時間更短。由此可得，常規(guī)任務的投入量為，非常規(guī)任務的投入量為

式（2）為生產函數(shù)的具體展開式。本文使用雙層嵌套CES 生產函數(shù)同時刻畫任務模型與資本-技能互補等復雜情況，為分析機器人與兩類任務投入之間的替代彈性差異、生產要素投入結構的變化提供了便利（Krusell et al.，2000；余玲錚等，2021）。其中，μ、λ∈（0，1）為生產要素產出貢獻比例，σ、ρ∈（-∞，1）為機器人與兩類任務之間不變替代彈性的參數(shù)，機器人與常規(guī)任務投入的替代彈性為，與非常規(guī)任務投入的替代彈性為此外，參考已有研究假設機器人與常規(guī)任務間具有較強的替代性，與非常規(guī)任務間存在互補性，因此替代彈性參數(shù)的取值需要滿足σ∈（0，1）以及ρ＜0。將企業(yè)產出產品的單位價格標準化為1，以WR、WN、P 表示對應工人與機器人的單價，根據最優(yōu)化生產的一階條件可得，企業(yè)在不同任務中所投入的工作時長表達式為（3）、（4）：

對上述表達式取對數(shù)后分別對機器人的投入求導可得：

式（5）的符號為負，說明機器人設備的應用將提高非常規(guī)任務的工作效率，通過生產率效應減少非常規(guī)任務的工作時間，具體作用大小取決于機器人投入規(guī)模以及機器人與非常規(guī)任務之間的替代彈性參數(shù)ρ。式（6）中等號右邊的兩項符號相反（左正右負），分別反應機器人使用對常規(guī)任務的規(guī)模效應（左項）、衍生新就業(yè)需求的創(chuàng)造效應（右項分母），以及機器人對常規(guī)任務的替代效應（右項分子）。由式（6）構成可知，機器人對員工常規(guī)任務工作時長的影響程度取決于企業(yè)生產中所投入的機器人、非常規(guī)任務數(shù)量，以及機器人對兩類任務的替代彈性參數(shù)ρ、σ，即同時受到生產規(guī)模、生產能力以及非常規(guī)任務勞動投入數(shù)量等因素的影響。由此可見，機器人對工作時長的影響與就業(yè)效應中的規(guī)模、生產率、替代與創(chuàng)造效應均可能相關，我們將在第六部分對此做出檢驗。

簡單地，如果將企業(yè)所投入的機器人規(guī)模取值為1，未使用機器人取值為0，上兩式可寫為：

可見，使用機器人會導致企業(yè)生產中非常規(guī)任務投入的平均工作時間縮短，對常規(guī)任務的平均工作時間影響不定，故兩者相加的總效應仍有待深究。實際中機器人的工時效應影響將更為復雜，還會因工作機會與工作內容的變動而產生差異。工作中，當員工負責的工作以常規(guī)任務為主時，雖然主要的常規(guī)任務可以為機器人所替代，相應的工作負擔可能得到減輕；但來自機器人的競爭壓力以及生產規(guī)模擴張亦可能變相驅動在位員工延長工作時長，由此體現(xiàn)為方向相反兩種效應。當員工負責的工作以非常規(guī)任務為主時，機器人將縮短非常規(guī)任務工作時長，即提升了生產效率?？紤]到員工在現(xiàn)實工作中的工作內容不會局限于單一類型任務，加之員工所負責的工作內容與體量也會由于工作環(huán)境的改變而發(fā)生變化，僅靠理論模型無法得出機器人影響工時的確定方向。下文基于廣東地區(qū)“企業(yè)-員工”匹配樣本，對機器人的工時效應展開實證分析。

四、模型、數(shù)據與統(tǒng)計事實

（一）計量模型與變量設置

聚焦于機器人的工時效應，本文設置計量模型如下：

其中，i 表示員工，j 表示企業(yè)。被解釋變量Week_Hourij為員工周工時數(shù)的對數(shù)。核心解釋變量Robotj根據企業(yè)在生產中的機器人使用情況設置，當企業(yè)“少量”或“廣泛”引入機器人設備時取1，反之取0。通過區(qū)分企業(yè)有無使用機器人以識別機器人的影響。

Xij與Ej為一系列影響員工工作時長的員工、企業(yè)層面特征變量集合。為了盡可能干凈地識別機器人對員工工作時長的影響，控制變量包括員工月工資、受教育程度、工作經驗、年齡與年齡的平方，以及企業(yè)年齡、人均營業(yè)收入、企業(yè)所有制、所屬行業(yè)和所在城市虛擬變量，從而控制員工個體特征、所屬企業(yè)經營情況、地域差異等因素。μij為隨機擾動項。

變量定義和基本統(tǒng)計描述如表1所示。樣本中屬于使用機器人企業(yè)的員工約占31%，員工每周平均工作約46.5小時（=e^3.860-1），平均受教育水平處于高中水平。

表1 統(tǒng)計描述

（二）樣本數(shù)據與統(tǒng)計事實

本文所使用的數(shù)據源于廣東省人力資源和社會保障廳于2021年支持并組織展開的省內“企業(yè)-員工”匹配抽樣調查，其中涵蓋廣東省21 個地級市2200 戶企業(yè)合計11000 名職工的截面數(shù)據，重點調查了制造業(yè)、建筑業(yè)、住宿和餐飲業(yè)等行業(yè)①正如程虹等（2018）所指出，廣東地區(qū)機器人使用程度遠超國內平均水平，針對廣東地區(qū)的數(shù)據樣本進行分析，有助于得出值得參考與可以借鑒的經驗。。在實證過程中，我們刪去了缺失或異常的樣本，并對月工資、工作時長采取上下1%的縮尾處理，最終本文的“企業(yè)-員工”匹配數(shù)據含6753個觀測值。

在實證分析之前，本節(jié)先基于原始數(shù)據的特點展開初步分析。根據企業(yè)有無使用機器人，觀察員工的工作時長差異，如下圖2所示。

圖2 不同企業(yè)內工作時長的差異

圖2（a）對工作時長取對數(shù)后去均值進行分組畫圖，可以發(fā)現(xiàn)：隨著機器人的普及，對應企業(yè)中員工的平均周工作時數(shù)、日工作時數(shù)乃至周工作天數(shù)均更多；而對于構成周工作時長的日工作時長與周工作天數(shù)而言，日工作時長的差異更大。具體觀察上述三個指標的核密度分布情況，由圖2 中余下三幅圖可知，在使用機器人的企業(yè)中，員工每周工作時間更長，而工作時間的差異主要體現(xiàn)在員工日工作時長上。根據原始數(shù)據的情況可以推測，員工在使用機器人的企業(yè)中主要由于每天都需要工作更長的時間，從而導致周均工作時長更長。具體而言，這種工作時間的延長效應是否確實由機器人在企業(yè)生產中的應用而導致？這種效應的作用機制、產生原因乃至經濟后果如何？這些問題需要在實證部分得到進一步的檢驗與分析。

五、實證結果分析

（一）基準回歸

表2 匯報了機器人應用對員工工作時長影響的估計結果，第（1）列的回歸中僅包含核心解釋變量，第（2）—（4）列逐步加入控制變量。各模型均采用異方差穩(wěn)健標準誤進行估計。

表2 基準回歸結果

由上表前四列結果可見，企業(yè)使用機器人會導致員工工作時間延長，該結果與已有研究結論相符（趙春明等，2020）。以第（4）列結果為準，企業(yè)使用機器人后約增加員工周工作時長3.4%。若以本文樣本為例，相對未使用機器人的企業(yè)而言，使用機器人企業(yè)中的員工平均每周約多工作1.58 個小時。這個結果補充并細化了機器人就業(yè)效應在員工工作時長方面的研究，機器人除了影響總就業(yè)量外，還會影響在位員工的工作時長。企業(yè)在使用機器人后，出于促進員工與機器人互補提高效率、維護機器人穩(wěn)定生產或產生檢修、監(jiān)控、調試等新需要的原因，會導致員工工作時間延長。同時，第（5）列以機器人使用強度分類變量進行回歸，機器人推廣的工時效應仍保持一致。

考慮到加班是工作時間增加的重要表現(xiàn)，為了確認使用機器人的工時影響，表2 第（6）—（8）列對員工每天加班的時長占比與概率情況進行了分析?？梢园l(fā)現(xiàn)，企業(yè)在生產中應用機器人后，會使員工更可能加班，每天加班工作的時數(shù)占比更高，說明機器人確實延長了員工工作時間①加班時數(shù)占比按“加班時數(shù)/日工作時數(shù)”構造，當員工工作時數(shù)＜8 時，占比為0。考慮到該變量可能存在大部分取值為0 的情況，在估計中同時使用OLS與TOBIT回歸對機器人效應作出估計。?？偟膩碚f，估計結果與原始數(shù)據的統(tǒng)計描述結果相符，初步檢驗了機器人的正向工時效應。

（二）穩(wěn)健性檢驗

1.潛在競爭性假說的排除

為了檢驗工時效應的穩(wěn)健性，我們從企業(yè)、員工兩個方面考慮更多干擾因素，檢驗結果見表3。

表3 競爭性假說檢驗結果

第一，排除源于企業(yè)的潛在影響因素。一是考慮到“加班文化”的普遍存在，位于競爭激烈的廣東地區(qū)，部分企業(yè)本身可能更傾向于激勵員工加班。如果這類企業(yè)恰好多數(shù)使用了機器人，便可能造成員工加班與是否使用機器人無關，導致基準回歸估計結果不成立。因此納入“有無加班費”虛擬變量以控制企業(yè)加班偏好，第（1）列為對應結果，保持穩(wěn)健。二是注意到廣東地區(qū)集聚了大量外來勞工，勞動保障問題不容小覷，當員工勞動權益無法保障時，便可能產生壓榨員工的現(xiàn)象，導致員工工作時間變長。因此納入“有無勞動合同”虛擬變量以控制企業(yè)勞動保障情況，結果如第（2）列所示，正向作用顯著。三是企業(yè)產出波動也可能導致員工工作時間的暫時延長，本文截面樣本將難以捕獲此類市場供需變化的影響。因而納入“企業(yè)兼職員工數(shù)”“勞動力緊缺情況”“訂單及時交付情況”三個變量，以控制一定時間內的產出變化情況，結果如第（3）列所示，保持穩(wěn)健。

第二，排除源于員工的潛在影響因素。個人經濟情況及所在家庭負擔對工作時長有重要影響，因此分別納入“有無需要贍養(yǎng)的老人”“有無需要撫養(yǎng)的孩子”和“月均伙食支出”“月均住房支出”兩組控制變量重復基準回歸，第（4）、（5）列為對應估計結果，與基準回歸保持一致。

第三，綜合考慮上述因素?？紤]到員工工作時間的長短取決于企業(yè)需要與個人需求的共同作用，因此同時控制前五列影響因素重復基準回歸。此外，由于國企員工工作相對較為穩(wěn)定，勞動權益受到良好保護，且個人生活條件有保障，一般較少出現(xiàn)上述考慮到的各類問題。因此以國企子樣本重復基準回歸，并在此基礎上納入此前考慮過的因素，此處結果匯報于后三列，系數(shù)仍然穩(wěn)健。

2.潛在內生性問題的處理

為了減緩機器人工時效應的內生性問題，本文主要從企業(yè)自選擇與遺漏變量兩個方面對潛在的內生性進行處理，表4匯報了相應的結果。

表4 內生性處理結果

第一，利用處理效應模型以減輕企業(yè)自選擇使用機器人所帶來的影響。企業(yè)使用機器人的決定，可能會因遵循著某些選擇機制而存在內生性（余玲錚等，2021）。比如由于員工工作時間過長而選擇使用機器人，或是出于吸引能長時間工作的員工、輔助員工長時間工作等原因而采用機器人，從而導致核心解釋變量存在內生性。為此，可以通過引入外生變量以控制不可觀測的潛在選擇機制的影響，使用處理效應模型進行估計。結合基準回歸結果，具體選擇企業(yè)上年固定投資額、當年用工成本與總成本之比和企業(yè)年齡作為外生變量。所選的三個企業(yè)層面的變量與員工具體工作時長相對獨立，且會影響企業(yè)使用機器人的決策，從而能為基準回歸提供檢驗與支撐。具體回歸結果見表4前兩列，分別采用最大似然估計與兩步法對處理效應模型進行估計。選擇方程的擾動項與基準方程的擾動項相關系數(shù)ρ 顯著不等于0，說明有必要使用處理效應模型進行檢驗。表4 前兩列系數(shù)表明，所得結果保持一致。

第二，使用工具變量法減輕遺漏變量帶來的內生性問題。選用工具變量的角度有二：一是由于進口是中國企業(yè)獲取機器人的主要途徑（余玲錚等，2021；李磊等，2021），可從企業(yè)進口的角度考慮工具變量的選?、俑鶕H機器人聯(lián)合會（IFR）發(fā)布的《2020年世界機器人報告》可知，中國絕大多數(shù)新安裝的機器人（約71%）來自于外國供應商，進一步說明以進口數(shù)據衡量機器人效應的合理性。。二是，機器人的引入屬于固定資產投入，在使用中需要維護與保修，可從企業(yè)設備改造維護費用的角度做出識別。因此，本文采用“同一地區(qū)同行業(yè)企業(yè)的平均進口情況”與“企業(yè)設備技術改造維護費用”兩者作為“使用機器人”的工具變量。對于工具變量的合理性：進口是獲取機器人的重要來源，且機器人的應用離不開設備的改造與維護，可見兩個待選工具變量均與企業(yè)使用機器人密切相關，表4 第（3）、（5）列所匯報的第一階段F 統(tǒng)計值支持了這個觀點，同時也通過了弱工具變量檢驗。而城市-行業(yè)層面與企業(yè)層面的變量相對外生于員工個體的工作時長，平均進口情況是當?shù)匦袠I(yè)特征，與員工工作的聯(lián)系較弱；設備改造維護費用則與企業(yè)的資本投入情況相關，不直接與個人工作時長聯(lián)系，兩者滿足排他性假設，該結論亦在過度識別檢驗中得到支撐。

基于此，我們在不同控制變量集下使用工具變量法展開估計，根據表4后四列結果可以發(fā)現(xiàn)，機器人的工時作用保持正向且顯著。其中，估計結果中的系數(shù)膨脹現(xiàn)象可能緣于弱工具變量問題?？紤]到本文所使用的截面數(shù)據難以準確識別機器人作為固定資產的長使用周期特點，以及進口行為與維修費用的廣泛內涵不僅僅與機器人相關，僅使用某一年份的進口情況和維修費用作為工具變量將有局限性，但統(tǒng)計意義上的顯著性仍可以為我們的基本結論提供一定的支撐。

六、進一步分析

（一）機器人工時效應的作用機制分析

為了探尋基準結果的緣由，本節(jié)結合變量拆分、理論模型與現(xiàn)有研究結論，對機器人工時效應的作用機制展開分析，進而厘清機器人工時影響的成因。

首先，現(xiàn)有關于機器人就業(yè)效應的文獻對機器人的作用進行了具體分類并作出檢驗，機器人對勞動投入具有規(guī)模效應、替代效應、創(chuàng)造效應以及生產率效應（李磊等，2021），這幾種效應在前文的模型分析中得到了體現(xiàn)。具體來說，規(guī)模效應源于機器人的使用會令企業(yè)生產擴張，從而產生更多勞動需求；替代效應源于機器人的相對生產優(yōu)勢，會降低企業(yè)勞動投入；創(chuàng)造效應源于機器人的應用會催生各式各樣的新興職位，使得企業(yè)勞動需求上升；生產率效應則強調機器人會提高部分勞動者的邊際生產率，同樣可能導致企業(yè)勞動需求增加。因此，本文嘗試結合樣本企業(yè)的就業(yè)量、全要素生產率、員工流動情況與營收規(guī)模進行分析，以檢驗機器人就業(yè)效應的存在性②基于數(shù)據的可獲得性，此處以索洛剩余項作為企業(yè)全要素生產率的衡量指標。。

圖3 匯報了機器人對于上述企業(yè)指標的直接影響，說明了上述效應的存在性?？梢园l(fā)現(xiàn)，機器人的使用將顯著增加企業(yè)的就業(yè)量與營收規(guī)模，同時對企業(yè)員工的進入與退出均有正向影響，而對企業(yè)全要素生產率的影響不顯著。此處勞動需求上升的估計結果與基準回歸中正向工時效應相吻合，一方面，機器人的應用將產生更大的勞動需求，在擴大生產規(guī)模時伴隨著舊工作的淘汰與新工作的產生，可能延長工作時長；另一方面，在常規(guī)任務中使用員工相對于使用機器人而言可能會降低效率，由此可能負向影響全要素生產率，但此負向影響會被其他方面的效率提升所掩蓋。

圖3 機器人使用對機制變量的影響

然后，我們將員工周工作時長拆分為日工作時長與周工作天數(shù)兩個部分，估計企業(yè)使用機器人的具體影響。如表5 前兩列所示，機器人的工時效應主要集中在員工每天的工作時間上，對其周工作天數(shù)的影響相對較小。由此可見，機器人正向的周工時效應主要是源于員工日工作時間的延長，可以進一步基于日工作時長檢驗上述效應的具體工時影響。

表5 機器人作用的成因分析

第一，企業(yè)就業(yè)總量與企業(yè)生產技術、生產規(guī)模以及機器人應用帶來的職位創(chuàng)造、淘汰情況直接相關，綜合體現(xiàn)了機器人就業(yè)效應的作用。為了檢驗機器人就業(yè)效應對員工工作時長的總效應，表5第（3）列匯報了企業(yè)就業(yè)量與機器人使用的共同作用，可以發(fā)現(xiàn)企業(yè)就業(yè)人數(shù)的增加會放大機器人的工時效應，說明機器人的就業(yè)效應對員工工作時長有顯著影響，且總體呈正向作用。

第二，分別檢驗機器人使用所帶來的生產率變動、原有員工淘汰、新生勞動需求以及生產規(guī)模變動的工時影響，與就業(yè)效應中的生產率效應、替代效應、創(chuàng)造效應與規(guī)模效應相對應。根據第（4）—（7）列的結果可以發(fā)現(xiàn)，上述效應均發(fā)揮了顯著作用。對于具體的作用方向，生產率效應趨向于縮短員工工作時間；其余三種子效應則促使員工工作更長的時間，并占據主導地位。造成這個結果的原因可能是，員工的淘汰與生產規(guī)模的擴張增加了員工的工作壓力，故替代效應與規(guī)模效應會驅使員工更努力工作；機器人的使用形成了新的勞動需求，從而導致創(chuàng)造效應也趨于延長員工的工作時長；各效應綜合作用使得機器人的效率提升效應被掩蓋。

總的來說，機器人就業(yè)效應中各子效應的正向作用占主導地位，從而形成了上文的正向工時效應。所得估計結果與實際中科學技術發(fā)展和工作時間延長共存的事實相吻合，技術進步最快的制造業(yè)便是最好的例子。余玲錚等（2021）在研究中指出，工業(yè)機器人在我國制造業(yè)內得到廣泛應用，諸如焊接、碼垛、噴漆、搬運、裝配、上下料、涂膠、打磨拋光等機器人均已投入到企業(yè)的生產當中。而《中國勞動統(tǒng)計年鑒》關于2020 年的統(tǒng)計數(shù)據顯示，65.2%的制造業(yè)城鎮(zhèn)就業(yè)員工每周需要工作41個小時以上，可見加班現(xiàn)象在制造業(yè)內可謂見慣不怪。具體機制分析的結果表明：技術進步一方面固然縮短了原有工作所需時間，但隨著全球化的推進與內需的不斷擴大，企業(yè)生產規(guī)模也在不斷擴大，從而使得所需勞動投入增加，工作時間延長；另一方面，生產技術的發(fā)展提高了資本邊際收益，擠壓了勞動者的獲益空間，因此在職員工需要付出更多的工作努力以避免被淘汰；同時，不斷深化的市場化進程加劇了企業(yè)間的競爭，由此也可能導致員工的工作時長延長（吳偉炯，2016）；此外，由機器人使用而產生的新職位也可能為了配合機器人實現(xiàn)長時間工作而使得工作時長增加。

（二）機器人工時效應的異質性分析

作為偏向型技術進步，機器人的工時效應會隨著員工的能力差異而產生不同影響。結合已有問卷信息，本文嘗試基于員工職位、學歷與出生時間信息將員工進行分類，分組回歸以考察不同群體間的作用差異，從而明晰機器人使用對于不同員工群體工作時長的影響差異。

一是對不同職位的員工群體分組進行回歸。員工任務差異首先反映在個人工作要求中，因此按員工職位將其分為管理層、普通員工兩組進行分析。表6 上半部分（Panel A）的前兩列結果表明，機器人的正向工時效應在普通員工群體中影響更大，對管理層的影響相對較小。這一結果反映了機器人的投入離不開基層員工的配合，出于生產需要、任務增加或最大化收益等原因，在企業(yè)生產前線的員工們需要投入更長的工作時間來配合機器人的運轉。

表6 機器人工時作用的異質性分析

二是對不同學歷的員工群體分組進行回歸。個人能力差異會直接影響員工所能負責的工作內容，因此按員工是否接受過本科及以上教育將其分為高學歷與低學歷兩組。表6 上半部分第（3）、（4）列結果說明，企業(yè)使用機器人的行為僅對低學歷群體存在正向工時效應，對高學歷員工的工作時間無顯著影響。根據結果推測，低學歷員工在使用機器人的企業(yè)中承擔著更大的工作壓力，為了不被淘汰，低學歷員工需要工作更長的時間來顯示自己的價值。

三是對不同年齡的員工群體進行分組回歸。由于我國的特殊發(fā)展歷程，出生時段的差異會直接影響員工對不同工作的接受能力，因此按員工是否為新生代群體（以1980 年為界，之后出生者視為新生代群體）進行分類考察。結果如表6 上半部分最后兩列所示，機器人的正向工時效應主要集中于新生代員工中。這種現(xiàn)象表明，新生代員工作為企業(yè)的“生力軍”，由于工作需要、晉升壓力和上級安排等原因，更容易且更可能被要求或是接受加班的任務。此外，也可能是由于年輕人有相對較強的接受能力，從而為企業(yè)花費更多心思在機器人這一類“新鮮事物”上。

一般而言，若以崗位、年齡與學歷識別任務內容，管理層、年長者與高學歷人群可能從事更多的非常規(guī)任務。聯(lián)系上文模型，機器人工時效應主要影響了可能主要從事常規(guī)任務的普通崗位、低學歷與新生代的員工，對管理層、高學歷與年長員工正向效應較小，恰恰反映了機器人對非常規(guī)任務的互補性，抵消了部分機器人使用帶來的工時增長。

表6 上半部分的估計結果說明，機器人的正向工時效應主要集中在普通員工、低學歷員工與新生代員工三個群體，從而導致基準回歸中員工平均工作時長延長的結果。三者在企業(yè)中均是相對弱勢的群體，在生產中更容易受到機器人的“擠壓”，所受到的工作時間延長效應與上文的替代效應、創(chuàng)造效應以及規(guī)模效應相呼應。表6下半部分（Panel B）結果同樣與上文結論相符，當我們將員工周工作時長分為每周工作天數(shù)與每天工作時數(shù)兩部分進行考察時，企業(yè)使用機器人的正向效應主要集中在員工的日工作時長上，對這部分員工每周工作天數(shù)的影響較小。由此可以總結機器人工時效應的異質性影響，機器人的使用主要導致普通員工、低學歷員工與新生代員工的日工作時間延長，從而產生基準回歸所觀察到的正向周工時效應。

（三）伴隨機器人工時效應的工資效應分析

在機器人影響員工工作時長的同時，員工工資有無變化？勞動報酬作為員工的重要收入來源，更是影響員工勞動供給的重要激勵因素。聚焦于樣本整體及前文三個受主要影響的員工群體，下文對機器人工資效應作出分析，同時輔助檢驗機器人所帶來的工作壓力。

首先針對員工層面，考察員工工資的變動。根據表7 的結果可以發(fā)現(xiàn)，無論是基于全樣本或子樣本所得的估計系數(shù)方向均保持一致。前三列結果顯示，企業(yè)在生產中使用了機器人后，員工的基本工資與加班工資會發(fā)生不同方向的變化，得益于后者的漲幅超過前者的減少幅度，員工的整體月工資最終得以提高。而后三列結果則展示了員工小時工資的變化情況。雖然員工的月工資均有所提升，但由于加班小時工資的增長與基本小時工資的下降相互抵消，員工平均小時工資的變化并不明顯。結合前文結果可以推測，本節(jié)機器人的工資增益效應主要源于員工加班行為，屬于多勞多得的結果，員工的真實收益狀況并未因機器人的使用而得到實質的提高。結合表6中機器人異質性工時效應的估計結果，不排除機器人的普及會使得弱勢員工群體的“內卷”情況更為嚴重，基本工資的降低使之不得不通過加班來維持生計。此外，表7的估計結果恰好反映了機器人與低人力資本員工的工作之間具有較強替代性，這部分仍在企業(yè)的員工需要付出更多的努力以避免被“機器人的浪潮”所淘汰。

表7 機器人對工資數(shù)額的影響分析

值得注意的是，與周廣肅等（2021）的研究結論相近，受機器人工時效應主要影響的員工群體均相對弱勢，他們在初次分配中并未因機器人的投入使用而得到應有的收益，因此機器人就業(yè)效應中對員工工作時長存在的顯著影響可能會導致壓榨該部分勞動者的現(xiàn)象出現(xiàn)。

進而針對企業(yè)層面，檢驗機器人工時效應對企業(yè)內部工資結構的影響，考察其對企業(yè)工資水平的具體影響。文章參考Olley and Pakes（1996）所提出的分解方法，在此將企業(yè)加權平均月工資視為不同工資水平的員工以其工作時長占比為權重加權求和所得，從而對企業(yè)加權平均月工資進行分解，如下式所示：

其中，n 為樣本中j 企業(yè)的抽樣員工數(shù)，Weighted_Wagej表示企業(yè)j 的加權月工資水平；Time_Percentij為樣本中企業(yè)j內員工i的周工作時長占企業(yè)所有員工總周工時的比重，相加之和為1；Wageij表示對應員工的月工資；Unweighted_Wagej表示企業(yè)j的未加權月工資水平，即平均工資表示對應變量A在企業(yè)j中的樣本平均值①變量A對應著員工月工資Wage或員工周工作時長占比Time_Percent。。

上述做法可以將企業(yè)平均工資分解為未加權部分與交互項部分，分別表示企業(yè)平均工資水平以及由于員工勞動供給決策差異帶來的工資差異部分，從而探究機器人工時效應對企業(yè)內部工資結構的影響。表8前三列匯報了企業(yè)使用機器人對其加權工資及分解部分的影響，結果表明機器人的正向月工資溢價作用依然存在，且對交互項部分（因工作時間差異而形成的工資波動部分）影響更大，與工時效應密切相關。后三列則基于上文工時效應的主要作用群體分類，探討工資分解中“工資-工時”交互部分對企業(yè)內相應人群間工資差距的影響。所匯報結果說明，機器人工時效應所主要影響的交互項部分會顯著提高企業(yè)內部工資差距，拉大不同職位、學歷與年齡的員工之間的工資差距。

表8 機器人對工資結構影響分析

總的來說，本文結果與余玲錚等（2021）的研究結論相契合，從機器人“倒逼”弱勢勞動群體工作的角度強化了偏向型技術進步擴大收入差距的潛在結論。在逐步實現(xiàn)“智能化生產”的背景下，需要警惕因生產技術進步而可能帶來的“勞動收入降低—勞動時間延長—收入差距擴大”惡性循環(huán)。上文保持一致的正向工時效應應該得到重視，如何妥善應對機器人普及所帶來的工時增長與分配差異的問題，對于當前兼顧“做大蛋糕”與“分好蛋糕”的意義重大。

七、結論

“智能制造”是當下社會技術發(fā)展的重要特征，隨著機器人在企業(yè)生產中的投入增加，機器人對于勞動力市場的影響值得細細品味。現(xiàn)有文獻重在討論機器人對就業(yè)總量、就業(yè)結構等指標的影響，對于員工個人工作時長變化的探究相對缺乏，使之未能與現(xiàn)有就業(yè)效應相關的研究形成聯(lián)系。

為此，本文嘗試剖析機器人對員工工作時長的影響，明晰其中的作用機制與其他影響。首先在理論層面以“機器人-工作任務”模型刻畫機器人對勞動時長的影響。求解發(fā)現(xiàn)，使用機器人生產同樣規(guī)模的產出會導致員工平均非常規(guī)任務工作時長縮短，而對常規(guī)任務的工作時長影響不定，因此機器人工時效應的具體作用方向取決于員工實際工作內容的構成與體量。繼而基于廣東省2021年“企業(yè)-員工”匹配數(shù)據展開實證分析，結果表明機器人的應用會導致員工日工作時長增加，從而延長周工作時長。究其成因，工時效應與機器人的就業(yè)效應密切相關，源于其中替代效應、創(chuàng)造效應與規(guī)模效應的正向工時影響超過了生產率效應的負向工時影響，從而造成整體方向為正的工時效應。同時，研究發(fā)現(xiàn)機器人的工時效應具有顯著的異質性，主要影響的是普通職位、低學歷與新生代員工群體的工作時長。最后，文章還對相關的機器人工資效應作出了探討，在員工層面，機器人的使用會為員工群體帶來月工資增益，但對平均小時工資的影響不大；在企業(yè)層面，機器人的使用會顯著提高企業(yè)整體工資水平，但其中因工作時間差異而形成的工資變動會擴大企業(yè)內部工資差距。

本文以廣東地區(qū)微觀數(shù)據對機器人的就業(yè)沖擊作出較為全面的分析，從工作時長的角度豐富了關于機器人就業(yè)效應的研究。研究結果肯定了機器人應用對經濟發(fā)展的貢獻，有助于協(xié)助員工提高生產效率、改善收入情況并且做大企業(yè)規(guī)模，因此各地應對機器人行業(yè)的發(fā)展做出合理的規(guī)劃與引導，大力推動機器人的普及與使用。其次，機器人的使用會推動員工工作轉型，尤其是低職位、低學歷、新生代等弱勢群體需要得到重視。為了幫助員工適應機器人普及的趨勢，響應工作內容變化的需要，我國應加強員工接受培訓、休息休假、獲取報酬等勞動權益的保障，從而實現(xiàn)有序轉型，使最廣大勞動群體能夠更好地投入發(fā)展大潮。最后，在發(fā)展過程中的利益分配問題需要得到重視，保障員工得到應有的收益。現(xiàn)階段機器人的規(guī)模效應與生產率效應容易令人忽略勞動者在生產中的貢獻，加之我國先前勞動力資源相對充沛的歷史背景導致了勞動者報酬偏低的特點，接下來應重視對企業(yè)收益分配的規(guī)范與引導工作，著力營造機器人與勞動者協(xié)同共贏的理想局面。