工业机器人如何「换人」？来自中国制造业上市公司的经验证据(6)

Acemoglu&Restrepo （2020）采用一般均衡模型考察了机器人应用对美国区域劳动力市场的影响，并基于模型结论构造了度量美国区域层面「机器人渗透度」的指标，其构造思想类似于「巴蒂克工具变量」（bartik instrument）（Bartik,1991;Goldsmith-Pinkham et al.，2020）。本文借鉴其方法构造中国制造业企业层面的机器人渗透度指标。具体测度方法如下：

本文之所以采用美国工业机器人数据构造工具变量，主要基于以下三点考虑：第一，在样本期内美国机器人应用水平虽领先于中国，但其发展趋势与中国同期比较接近（见图１和图２）。第二，美国的工业机器人应用水平处于全球领先地位，其发展趋势能够反映该行业的技术进步趋势。第三，与大多数发展中国家相比，美国的劳动力市场相对完全，其各行业机器人应用水平对中国劳动力市场的影响应该仅反映比较外生的技术进步带来的影响。因此，我们认为，美国行业层面的工业机器人应用程度对中国劳动力市场的影响主要反映了同类行业技术特征（满足工具变量的相关性要求），而与其他影响中国机器人应用的本土因素无关（满足工具变量的排他性约束），将其作为中国企业层面机器人渗透度的工具变量，有助于减轻模型的内生性问题。
四
中国工业机器人渗透度的分布特征
1.中国制造业行业层面工业机器人渗透度分布特征
与机器人存量、销量指标相比，机器人渗透度（密度）更能反映一国机器人实际应用水平。如表1所示，中国工业机器人渗透度最高的行业是汽车制造业，最低的是纺织、皮革、服装业，不同行业间的工业机器人渗透度差异较大。而与美国相比，中国制造业整体的工业机器人渗透度仍然偏低。总体来看，在中国和美国都呈现出资本密集型行业（如汽车制造、机械设备制造等）拥有更高的机器人渗透度，而传统的劳动密集型行业（如纺织服装、家具制造等）的机器人应用并不明显。