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(10)

（三）工具变量（2SLS）回归结果
简约式回归的好处在于，美国不同行业工业机器人应用水平对中国对应行业劳动力需求和工资的影响仅反映了行业本身的技术特征，避免了采用本国数据可能产生的内生性问题。但是这种做法也存在一个缺陷，即该回归系数难以在数量上直接反映中国工业机器人应用对劳动力市场的影响程度。为弥补上述缺陷，本文以InCHFexposeure to robots 作为InCHFexposeure to robots 的工具变量，采用两阶段最小二乘法（2SLS）对模型进行重新估计，该估计方法下所得的InCHFexposeure to robots的回归系数不仅考虑了内生性问题，同时也可更为直观地反映中国工业机器人应用对企业劳动力需求和工资水平的数量影响。

表6报告了中国工业机器人应用对企业劳动力需求和工资影响的IV 2SLS估计结果。如表6panel A所示，平均来看工业机器人渗透度每增加1％，企业对劳动力的需求会下降0.183％。并且工业机器人对劳动力的替代效应主要存在于本科和专科学历的员工群体中，其替代弹性分别为-0.273和-0.439。而对于高中及以下学历劳动力，工业机器人渗透度每增加1％，会导致企业对该学历劳动力的需求量增加0.966％。此外，工业机器人应用对研究生及以上学历的劳动力需求没有明显影响。如表6 Panel B所示，工业机器人应用无论是对高管薪酬还是普通员工工资都没有显著影响，这与本文的简约式回归结果一致。鉴于IV 2SLS的回归系数在数量意义上更加直观，本文在后续分析中主要汇报两类回归结果：一是简约式回归结果；二是IV 2SLS估计结果。