工業機器人應用對全球價值鏈分工地位的影響
——來自跨國面板數據的經驗證據

黃亮雄 林子月 王賢彬 肖 霞

內容提要：在全球范圍內日益增強的“機器換人”趨勢,不僅促進當前全球化的生產組織方式和經營管理模式變革,還對全球價值鏈的動態演化產生重大影響。本文運用雙邊隨機前沿分析法,測算全球價值鏈議價能力指數,選取2002—2019年71個經濟體12個行業的面板數據,結合理論推導和實證分析,檢驗工業機器人應用對全球價值鏈分工地位的影響效應。研究結果表明,工業機器人應用對經濟體各行業全球價值鏈分工地位有正向促進效用,且在一系列穩健性檢驗后,結論依然成立。究其機制,工業機器人應用通過提高全要素生產率和優化資源配置提高全球價值鏈分工地位。異質性分析結果表明,該效用在資本相對充裕、制度環境相對穩定的經濟體和資本密集型行業上表現得更為明顯。本文深化了對于工業機器人應用如何影響全球價值鏈分工地位的理解,為制造業智能化發展、現代化產業體系建設提供理論指導和政策參考。

一、問題提出

伴隨著經濟全球化的不斷演進,每個國家基于自身的資源稟賦和比較優勢深度參與全球價值鏈分工體系,從事特定生產環節并獲取利益配額[1]。經過多年的持續發展,發達國家利用其資本和技術優勢占據全球價值鏈主導地位,參與價值鏈中的高附加值生產環節,全球價值鏈分工地位較高[2]。發展中國家依靠廉價勞動力和加工貿易,參與價值鏈中的低附加值生產環節,全球價值鏈分工地位較低,容易陷入“低端鎖定”的發展困境[3]。其中,全球價值鏈分工地位是影響國家或地區參與全球經濟活動所獲利益配額的一個重要因素,能在一定程度上反映國家或地區的國際競爭力。隨著國際競爭日趨激烈,各國所處的全球價值鏈分工地位越發受到各界關注。

為提高生活品質,促進經濟社會可持續發展,工業機器人在人類生產生活中的應用日益廣泛[4-5]。工業機器人融合了機械、電子、傳感器、無線通信、聲音識別、圖像處理和人工智能等領域的先進技術,涉及多門學科,是一個國家科技發展水平和國民經濟現代化、信息化的重要標志。目前,工業機器人作為人工智能技術應用的重要代表之一,已然成為世界強國重點發展的高科技技術,是世界公認的核心競爭力之一。工業機器人的應用不僅會深刻改變各國的比較優勢,促進全球化生產組織方式和管理模式變革,還會推動全球價值鏈的動態演化,帶動國際產業競爭格局的變革[6-7]。為抓住工業機器人技術帶來的發展機遇,世界主要經濟體將工業機器人作為搶占科技產業競爭的前沿和焦點,前所未有地重視工業機器人的應用與發展,加緊謀劃布局。例如,美國2022年發布的新一版《關鍵和新興技術清單》包括自主系統和機器人的內容;日本在2021年發布的《2021科技創新白皮書》中提出,到2050年創造出能夠自主學習、行動、與人共生的機器人;法國在2021年投資8億歐元發展機器人產業;歐盟在2020年發布的《歐洲工業新戰略》中,將機器人作為未來歐洲工業具有戰略性的關鍵技術。

就中國而言,在全面建成社會主義現代化強國的當下,為實現經濟高質量發展,更好滿足人民對美好生活的向往,中國產業亟需邁向全球價值鏈中高端。重視工業機器人的研發和應用,正是這當中的關鍵抓手。黨的十九大報告指出,“加快發展先進制造業,推動互聯網、大數據、人工智能和實體經濟深度融合”。在這一過程中,大力發展機器人產業是重要著力點之一?！丁笆奈濉惫I機器人產業發展規劃》明確了“到2025年,我國成為全球工業機器人技術創新策源地、高端制造集聚地和集成應用新高地”的目標。工業機器人的應用與普及,在推動人類社會進步的同時,還對全球價值鏈分工體系產生深遠影響。因此,分析工業機器人應用對經濟體全球價值鏈分工地位的影響效應,探索背后的作用機制,能夠為中國產業邁向全球價值鏈中高端,推進制造業智能化發展、現代化產業體系建設提供有益的理論指導和政策參考。

在此背景下,本文匹配國際工業機器人聯合會(IFR)全球工業機器人數據庫的工業機器人數據、法國國際展望與信息研究中心的CEPII-BACI六位碼進出口產品數據、世界銀行的世界發展指標(WDI)和全球治理指標(WGI)數據庫以及聯合國工業發展組織(UNIDO)數據庫,形成全球71個經濟體(1)71個經濟體分別是:阿根廷、阿聯酋、阿曼、埃及、愛爾蘭、愛沙尼亞、奧地利、澳大利亞、巴基斯坦、巴西、白俄羅斯、保加利亞、比利時、冰島、波蘭、波黑、丹麥、德國、俄羅斯、法國、菲律賓、芬蘭、哥倫比亞、韓國、荷蘭、加拿大、捷克、卡塔爾、科威特、克羅地亞、拉脫維亞、立陶宛、羅馬尼亞、馬耳他、馬來西亞、美國、秘魯、摩爾多瓦、摩洛哥、墨西哥、南非、挪威、葡萄牙、日本、瑞典、瑞士、塞爾維亞、沙特阿拉伯、斯洛伐克、斯洛文尼亞、泰國、突尼斯、土耳其、烏克蘭、烏茲別克斯坦、西班牙、希臘、新加坡、新西蘭、匈牙利、伊朗、以色列、意大利、印度、印尼、英國、越南、智利、中國、中國澳門地區、中國香港地區。12個行業(2)12個行業分別是:木材和家具制造,紙和紙制品制造,化學產品制造,橡膠、塑料制品制造(非汽車類),玻璃、陶瓷、石材、礦產品制造(非汽車類),基本金屬制造,金屬制品制造(非汽車類),電子電氣設備制造,工業機械制造,汽車制造,其他運輸設備制造,其他制造業。2002—2019年的三維跨國面板數據,檢驗工業機器人應用對全球價值鏈分工地位的影響效應,剖析作用機制并進行異質性分析。本文余下部分的結構如下:第二部分是文獻綜述與研究假設;第三部分是實證策略與數據說明;第四部分是實證分析,包括基準回歸和穩健性檢驗;第五部分是機制檢驗;第六部分是異質性分析;第七部分是結論與政策建議。

二、文獻綜述與研究假設

(一)文獻綜述

1.工業機器人的影響效應

已有許多研究分析了工業機器人應用對經濟增長的影響,但目前并未達成一致結論。部分研究發現工業機器人應用促進經濟增長。其中原因是,人工智能具有滲透性、替代性、協同性和創造性四項技術-經濟特征,使其能夠促進經濟發展[8]。楊光和侯鈺(2020)基于阿西莫格魯和雷斯特雷波(Acemoglu &Restrepo,2018)[9]提出的多任務模型,結合理論和實證對其進行佐證,發現工業機器人可通過提高全要素生產率促進經濟增長[10]。劉洋等(2023)運用動態隨機一般均衡(DSGE)模型得到相似結論,發現工業智能化能夠促進經濟總產出[11]。但部分研究發現工業機器人應用并未促進經濟增長。計算機、互聯網技術的進步并未如預期那般,提高生產率并促進經濟增長[12-13]。這是因為,工業機器人促進自動化部門生產率相對快速增長的同時,導致非自動化部門相對成本不斷提升,從而不利于整體經濟的增長[14]。如果政府不控制使用工業機器人部門的規模,資本將會大量流向這些部門,引發收入不平等,導致經濟發展陷入停滯[11, 15-16]。

部分研究分析了工業機器人應用對勞動力市場的影響。首先是工業機器人應用對就業的影響效應研究?？蓺w納為生產力效應、替代效應和就業創造效應,但這三種效應孰強孰弱,還未達成統一結論[17-20]。若從長期來看,當資本的使用成本相對于工資足夠低時,所有職業將被自動化,反之,自動化就會有一定的界限[21-22]。其次是工業機器人應用對收入的影響效應研究。工業機器人屬于“技能偏向型技術進步”,導致就業極化現象發生,加劇收入不平等[20,23-24]。由工業機器人等技術進步帶來的收入增加部分主要流向高等和低等技能勞動者,而非中等技能勞動者,不過這種極化現象不會持續太久[25-26]。

2.全球價值鏈分工地位的影響因素

如何測算地區/產業的全球價值鏈分工地位,是當前研究全球價值鏈的重要話題。目前構建的指標可分為兩大類,一類基于出口產品國內增加值視角,一類基于出口產品技術含量視角。前者采用增加值貿易框架[27-30],運用跨國投入-產出表構建全球價值鏈長度、全球價值鏈參與度等指標[31-32];后者往往構建出口復雜度等指標[33-34]。二者受限于跨國投入-產出表,所能展現的經濟體、部門和年份相對較少(3)目前主要使用的跨國投入-產出表包括:(1)歐盟的世界投入-產出數據WIOD,涵蓋43個國家(地區)、56個部門,目前更新至2014年;(2)經濟合作與發展組織的全球投入-產出表OECD-ICIO 2021,涵蓋67個國家(地區)、45個部門,目前更新至2018年;(3)美國普渡大學的全球貿易分析項目(GTAP)數據庫GTAP-ICIO,涵蓋121個國家(地區)、43個部門,目前更新至2011年;(4)聯合國貿易和發展組織開發的全球投入-產出數據庫UNCTAD-Eora,涵蓋190個國家(地區)、21個部門,目前更新至2021年;(5)日本亞洲經濟研究所的亞洲國際投入-產出表AIIOT,涵蓋10個國家(地區)、75個部門;(6)亞洲開發銀行的ADB-MRIO2022,涵蓋47個國家(地區)、35個部門,目前更新至2021年。就目前的版本看,上述投入-產出表存在一定不足,或是更新速度較慢,或是涵蓋的國家(地區)較少,或是涵蓋的部門較少。這使得構建出來的指標難以分析更細分的產業,難以貼近最新情況。。為彌補這一不足,本文基于出口產品價格視角,構建全球價值鏈分工地位衡量指標。該視角基于傳統國際貿易理論,把國際貿易類比為買賣雙方價格配比問題。若一國能以較高價格出口產品,則該國全球價值鏈分工地位較高;若以較低價格出口產品,則該國全球價值鏈分工地位較低[35-36]。為觀察經濟體各部門的出口價格談判能力,本文遵循李等人(Li et al.,2022)[37]、黃亮雄等(2023)[38]的做法,引入雙邊隨機前沿分析模型[39-40],試圖控制其他條件不變,構建全球價值鏈議價能力指數。為全球價值鏈分工地位的測算提供新思路,豐富全球價值鏈分工地位的測算指標,這正是本文的重要創新點之一。

影響全球價值鏈分工地位的因素眾多。包括技術創新[41]、融資約束[42]、集聚經濟[43]、進出口質量[44]、關稅減讓[45]、貿易摩擦[46]、區域貿易協定[32]、對外直接投資[47]等因素。其中,對外直接投資可促進經濟體全球價值鏈分工地位攀升的主要原因是,對外直接投資具有邊際產業轉移、逆向技術溢出、市場內部化三大效應[48]。

“機器換人”趨勢在全球范圍內日益增強,對全球價值鏈的動態演化產生了重大影響[6-7]。因此,工業機器人應用對全球價值鏈分工地位的影響效應引起了學術界的廣泛關注。德巴克等(De Backer et al.,2018)以國內增加值占出口的比重、相對比較優勢、全球價值鏈前后參與度表征國家全球價值鏈,研究發現工業機器人是創造更高產品質量和生產效率、促進全球價值鏈攀升的重要驅動力[6]。劉斌和潘彤(2020)基于跨國行業層面進行分析,采用增加值貿易框架測算全球價值鏈參與度、全球價值鏈分工地位指標,構建38個出口國-37個出口市場-19個制造業行業2000—2015年的跨國面板數據,研究發現工業機器人應用可通過降低貿易成本、促進技術創新、優化資源配置,從而提升全球價值鏈分工地位[49]。石喜愛等(2018)以出口復雜度表征全球價值鏈分工地位,利用中國2005—2015年省級面板數據,研究發現工業機器人的應用促進制造業全球價值鏈攀升[50]。呂越等(2020)則從更微觀的角度,基于企業層面,采用出口國外附加值率衡量企業的價值鏈嵌入程度,選取2000—2013年的中國企業數據,研究發現工業機器人的應用能夠降低企業成本、提高企業生產率,從而提高中國企業的全球價值鏈嵌入以及全球價值鏈分工地位[51]。通過模型推導也可得到相似結論,如呂越等(2023)在異質性企業出口決策模型中引入工業機器人,研究發現工業機器人應用促進國家全球價值鏈網絡深化[52]。值得注意的是,周洺竹等(2022)發現工業機器人應用具有雙重影響效應,不僅影響自身的全球價值鏈分工地位,還可通過橫向和縱向溢出效應影響其他國家、其他行業的全球價值鏈分工地位[53]。其中縱向溢出效應又可分為上下游效應,即工業機器人應用對上下游行業全球價值鏈分工地位的影響[19,38,54]?？紤]到工業機器人的應用與發展在發展中國家和發達國家之間存在一定差距,一些研究探討了工業機器人應用對全球價值鏈重構的影響[38,55-56]。

歸納上述文獻,可以發現已有研究大多具有三個特點。(1)度量全球價值鏈分工地位的指標主要基于增加值貿易框架、出口復雜度。但二者受限于跨國投入-產出表,所能展現的國家(地區)、部門和年份較少[27-30,33]。本文創造性地從出口產品價格視角出發,構建全球價值鏈議價能力指數,衡量經濟體的全球價值鏈分工地位。本文的研究為全球價值鏈分工地位的測算提供新思路,豐富全球價值鏈分工地位的衡量指標[37-38]。(2)已有研究主要通過實證分析探討工業機器人應用對全球價值鏈的影響[49-51]。本文結合理論推導與實證檢驗,分析發現工業機器人應用能夠提升全要素生產率、優化資源配置,從而提高全球價值鏈分工地位。因此,本文的研究更具科學性和可靠性。(3)關于工業機器人應用對全球價值鏈分工地位影響效用的現有研究,更多的是基于全球多個國家、一國國內多個地區或企業的分析,行業層面的全球數據分析較少[38,52-53]。本文構建全球71個經濟體12個行業2002—2019年的跨國三維面板數據,從中觀層面拓寬該話題的分析樣本,使得本文所展現的結論更具全球一般性。除機制探討外,本文還從經濟體和行業兩個維度進行異質性分析,進一步提高了本文研究的全面性。

(二)研究假設

全要素生產率和資源配置效率是促進全球價值鏈分工地位攀升的重要驅動力[11,57]。為簡易起見,本文參考田畢飛和陳紫若(2017)[58]的做法,將全球價值鏈分工地位表述為如下形式:

GVC_position=F(TFP,MP,Z)

(1)

其中,GVC_position為全球價值鏈分工地位,TFP為全要素生產率,MP為資源邊際產出,Z代指一系列除全要素生產率TFP、資源邊際產出MP之外的影響全球價值鏈分工地位的因素,如對外直接投資、基礎設施等。

全要素生產率的提升可促進全球價值鏈分工地位攀升。從企業層面來看,一方面,全要素生產率的提升可以有效降低生產和運營成本,提高利潤水平,從而衍生出成本紅利和低成本優勢,使得企業有更多資金可用于改進其產品生產流程或更新其制造工藝,進而促進出口產品質量提升,提高產品在國際貿易中的競爭力[59];另一方面,全要素生產率提升后,企業對高技能勞動力的需求以及雇傭增加,促進企業人力資本結構的優化,提升企業整體的生產和管理水平[60],進而有效促進企業全球價值鏈分工地位的攀升。從經濟體層面來看,全要素生產率的提升有效增加社會總產出,促進經濟增長,從而提高經濟體國際競爭力,促進全球價值鏈分工地位攀升[10-11]?；诖?全要素生產率和全球價值鏈分工地位之間的關系可表達為如下形式:

(2)

資源配置效率的提高可促進全球價值鏈分工地位攀升。在社會經濟發展過程中,需求的無限性與資源的稀缺性之間一直存在著矛盾。如何合理配置有限的、相對稀缺的資源,最大程度地減少資源耗費,提高資源使用率,獲取最佳效益,是關乎經濟體經濟發展成敗的重要影響因素[38,61]。當經濟體資源配置效率提升時,表明在資源投入既定下,社會總產出提高的同時減少了資源浪費,有利于實現生產效益最大化和效率最優化,從而有效提升各行業參與國際貿易的比較優勢,最終促進全球價值鏈分工地位的攀升[62-63]。同時,各經濟體對既有資源的配置方式得到優化、低效率方式被矯正后,所獲利益配額隨之提升,必然推動經濟體全球價值鏈分工地位的攀升[38,49]?；诖?資源配置效率和全球價值鏈分工地位之間的關系可表達為如下形式:

(3)

為了檢驗工業機器人應用對全要素生產率TFP、資源邊際產出MP的影響,本文基于阿西莫格魯和雷斯特雷波(2018)[9]、楊光和侯鈺(2020)[10]構造的模型框架,假設整個經濟由各種不同的任務(行業)組成,并且所有的任務x都屬于[N-1,N]的連續區間。在此假定下,即使經濟系統中增加新任務,也不會影響區間的長度。假定每種任務x的生產函數均為柯布-道格拉斯(Cobb-Douglas)形式,那么總產出等于所有任務產出的總和,即:

(4)

其中,Y代表總產出,y(x)代表每個任務的產出,任務區間為[N-1,N]。每個企業為完成任務x,面臨著使用工業機器人進行生產,或是使用勞動力進行生產的選擇。本文將使用工業機器人進行生產的任務x放入區間[N-1,I],使用勞動力進行生產的任務x放入區間[I,N]。那么,每個任務的生產函數可描述為如下形式:

(5)

其中,k為資本存量的使用量,l為勞動力的使用量,m為工業機器人的使用量,γm、γl分別對應使用工業機器人進行生產和使用勞動力進行生產的生產效率,一般而言,γm>γl。

用p(x)表示每個任務的價格,在完全競爭市場條件下,價格取決于成本,p(x)的表達形式如下:

(6)

那么,在市場出清條件下,可分別求出相應的資本存量、工業機器人、勞動力的收入占總產出的份額:

(7)

(8)

(9)

其中,R為資本利息,Pm為工業機器人價格,W為勞動力工資,K為資本存量的總使用量,L為勞動力的總使用量,M為工業機器人的總使用量。結合式(5)—式(9)可求得:

(10)

(11)

(12)

工業機器人應用促進技術革新,可提高全要素生產率水平。工業機器人應用提高了使用中間產品生產最終品的生產效率,屬于效率增進型技術創新[64]。工業機器人應用使得生產過程自動化和智能化,節約了勞動成本,屬于勞動節約型技術創新[21]。郭凱明(2019)認為工業機器人是新一輪科技革命的戰略性技術,具有溢出帶動性很強的“頭雁”效應[65]。楊光和侯鈺(2020)研究發現,工業機器人促進經濟增長的重要機制渠道正是工業機器人應用能夠提升全要素生產率[10]。劉洋等(2023)構建新凱恩斯動態隨機一般均衡模型,研究發現工業智能化促進經濟體技術創新、全要素生產率水平提升[11]。本文認為,工業機器人應用可促進全要素生產率提升的原因可能有兩個:(1)工業機器人應用替代中低技能勞動力后將加速人力資本升級[66],升級后的人力資本與資本技能有效結合,充分促進企業創新、全要素生產率水平提升[8];(2)工業機器人投入生產時運用的“人力替代”“人機交互”等智能數控操作,有利于企業生產結構改革,優化企業生產流程,從而提高全要素生產率水平[67]?？紤]到全要素生產率的提升可促進全球價值鏈分工地位提升,而全要素生產率內生于工業機器人的使用比例,結合式(2)、式(12)可得:

(13)

基于此,本文提出研究假設1:工業機器人應用可促進全要素生產率提高,從而促進經濟體的全球價值鏈分工地位攀升。

Y=TFP·KαM(1-α)(1-N+1)L(1-α)(N-I)

(14)

對式(14)求導,可求得資本邊際產出MPK、勞動力邊際產出MPL:

(15)

(16)

為了探討工業機器人應用對資本邊際產出MPK、勞動力邊際產出MPL的影響,對式(15)和式(16)分別求導得:

(17)

(18)

上文指出全要素生產率TFP內生于工業機器人使用比例,比例增加可提高全要素生產率,由此可知TFP′>0。那么,式(17)和式(18)在資本K和勞動力L投入既定的情況下,當工業機器人使用量M增加到一定程度時,有

在工業機器人投入初期,若企業采用“機器換人”戰略,必然伴隨著生產設備的更換,造成企業固定資產的損耗,降低資本配置效率[68]。同時,工業機器人作為通用技術,要應用到生產過程中需要大量的次級創新,但在工業機器人投入初期,缺乏相關配套措施,導致工業機器人對資源配置效率的提升作用無法實現[69]。當工業機器人使用量達到一定門檻后,工業機器人的應用將會提升要素的配置效率。對于勞動力要素配置,由于工業機器人的替代效應,導致工人失業,為了再次就業,工人將會被動或主動地提升自身的職業素質和技能水平;同時,應用工業機器人進行生產時,需要雇傭大量有技術的工人,這將有利于企業實現就業結構的升級與優化,使得企業的整體生產和管理水平都得到提高,從而提升勞動力要素配置效率[70-71]。對于資本要素配置,工業機器人的應用有助于企業精準控制與預測經濟活動,從而節約資本投入;同時,能夠快速獲取消費者的需求信息,做出更為準確的生產響應,提高資本使用效率[49,63]。呂越等(2020)運用2000—2013年的中國企業數據,通過實證檢驗證明工業機器人的應用能夠降低企業成本、提高企業要素配置效率,從而提升企業參與全球價值鏈的分工地位[51]。類似地,呂越等(2023)結合模型推導與實證分析,在異質性企業出口決策模型中引入工業機器人,研究發現工業機器人應用能夠有效緩解資源錯配,提升資源配置效率[52]?？紤]到資源配置效率提高可提升全球價值鏈分工地位,工業機器人應用達到一定門檻后能夠優化資本、勞動力的配置,當工業機器人使用量達到一定門檻值后,結合式(3)、式(17)和式(18)可得工業機器人應用比例與全球價值鏈分工地位之間的關系:

(19)

(20)

基于此,本文提出研究假設2:工業機器人使用量達到一定門檻值后,要素配置效率隨著工業機器人應用的推廣得到提升,從而促進經濟體全球價值鏈分工地位的攀升。

三、實證模型、變量與數據

(一)實證模型

針對本文研究的核心問題——各行業工業機器人應用對其全球價值鏈分工地位的影響效應,本文參考楊光和侯鈺(2020)[10]、劉斌和潘彤(2020)[49]的做法,構建如下計量模型:

chainejt=β0+β1robotejt+X′λ+ηe+ξj+θt+εejt

(21)

其中,下標e表示經濟體,j表示行業,t表示年份。被解釋變量chain表示經濟體各行業的全球價值鏈議價能力指數,是本文采用雙邊隨機前沿分析模型[39-40]構建所得的指標,用于衡量經濟體各行業的全球價值鏈分工地位。該指數越高,表示行業的全球價值鏈分工地位越高。robot表示行業工業機器人應用存量。X表示其他控制變量。ηe、ξj和θt分別表示經濟體固定效應、行業固定效應和年份固定效應。εejt為隨機擾動項。

系數β1的符號和大小衡量了工業機器人應用對全球價值鏈分工地位的影響。如果β1顯著大于0,那么工業機器人的應用促進經濟體各行業全球價值鏈分工地位的攀升;如果β1顯著小于0,那么工業機器人的應用抑制經濟體各行業全球價值鏈分工地位的攀升;如果β1不顯著,那么工業機器人的應用對經濟體各行業的全球價值鏈分工地位不產生影響。若本文的研究假設1成立,即工業機器人的應用促進經濟體各行業全球價值鏈分工地位的攀升,那么此時,β1顯著大于0。

(二)變量與數據

1.被解釋變量

本文的被解釋變量是經濟體各行業全球價值鏈分工地位的衡量指標。正如上文所言,以往基于出口產品國內增加值、出口產品技術含量視角的測算指標非常豐富,但是包含的國家(地區)、部門和年份相對較少[27-30,33]?；诖?本文遵循李等人(2022)[37]、黃亮雄等(2023)[38]的做法,從出口產品價格視角出發,構建全球價值鏈議價能力指數,以此表征經濟體各行業的全球價值鏈分工地位[35-36]。該指數的構建思路為:把國際貿易類比為進出口雙方價格配比問題,采用雙邊隨機前沿分析模型[39-40],利用2002—2019年CEPII-BACI六位碼進出口產品數據和WDI數據庫,測算經濟體因其所處全球價值鏈分工地位在出口產品時獲得的凈剩余,以此作為該產品的全球價值鏈議價能力指數。該指數越高,表示產品所處的全球價值鏈分工地位為其帶來的出口價格談判能力以及凈剩余越高,意味著該出口產品的全球價值鏈分工地位越高。

在國際貿易中,出口方總想獲得更高的出口價格,進口方總想獲得更低的進口價格,最終出口價格由進出口雙方談判達成。在有效控制其他條件不變的情況下,經濟體所處的全球價值鏈分工地位越高,則其出口價格談判能力越高,在國際貿易中所獲的凈剩余越多。假定在國際貿易中,出口方出口多種產品,并具有多個進口方,則出口方某產品的最終出口價格P可表達為如下形式:

(22)

(23)

由于進出口雙方所處的全球價值鏈分工地位差異對出口價格的影響是雙邊的,因此,本文構建雙邊隨機前沿分析模型:

Pi=μ(xi)+ζi,ζi=wi-ui+vi

(24)

NSi=wi-ui

(25)

計算出HS六位編碼出口產品每年獲得的凈剩余后,以該產品出口總值占出口方總出口值的比值為權重,求得經濟體所有出口產品所獲凈剩余的加權平均值,以此作為各經濟體的全球價值鏈議價能力指數,并使用該指數折現透視經濟體所處的全球價值鏈分工地位。若將HS六位編碼出口產品的凈剩余加權平均到二位碼行業層面,即可得到經濟體二位碼行業的全球價值鏈議價能力指數,此即為本文所需的被解釋變量。全球價值鏈議價能力指數越高,表明經濟體參與國際貿易所獲利益配額越多,行業所處的全球價值鏈分工地位越高。

2.核心解釋變量

本文的核心解釋變量為經濟體各行業的工業機器人應用存量,該數據來源于國際工業機器人聯合會全球工業機器人數據庫。國際工業機器人聯合會每年對全球機器人制造商進行調查,整理調查所得數據后形成“國家-行業-時間”三維度的世界機器人數據,包含自1993年起至今近100個國家或地區的17個大類行業工業機器人數據。這是目前世界范圍內最權威的機器人統計數據庫,也是國內外學者進行機器人相關研究的重要數據庫[19-20,38,66]。

3.其他控制變量

本文還參考以往的研究[49,38],加入了一系列經濟體層面和行業層面的控制變量。經濟體層面的控制變量包括:(1)經濟發展水平pgdp,以各經濟體2015年不變價美元人均生產總值(GDP)衡量;(2)制度質量insq,參考考夫曼等(Kaufmann et al.,2010)[72]的做法,以世界銀行關于全球治理的6個指標——腐敗控制、政府效率、政治穩定和不存在暴力、法治規則、監管質量、話語權和問責制的平均值衡量;(3)經濟開放程度rtrade,以貿易總額占GDP百分比衡量;(4)人口規模population,以人口數量衡量;(5)外商直接投資rfdi,以外國直接投資凈流入占GDP百分比衡量;(6)產業結構rind,以工業增加值占GDP百分比衡量。行業層面的控制變量包括:(1)行業就業人數empe,以單位人數計算;(2)行業總增加值va,以單位美元計算;(3)行業資本存量k,以單位美元計算;(4)行業人均工資wage,以單位美元計算。上述經濟體層面的控制變量除了制度質量所需數據來源于世界銀行WGI數據庫以外,其余變量所需數據全部源于世界銀行WDI數據庫,行業層面控制變量所需數據全部源于聯合國工業發展組織數據庫。

將經濟體各行業的全球價值鏈議價能力指數,與源于IFR數據庫的核心解釋變量工業機器人應用存量,以及源于WDI、WGI數據庫的經濟體層面控制變量,UNIDO數據庫的行業層面控制變量匹配后,得到2002—2019年71個經濟體12個行業的三維面板數據(5)本文運用CEPII和WDI數據庫測算得到191個經濟體2002—2021年96個HS二位編碼行業的全球價值鏈議價能力指數,與IFR數據庫中2002—2019年100個經濟體的17個ISIC4編碼行業的工業機器人數據,以及UNIDO數據庫中的2002—2020年161個經濟體23個ISIC3編碼行業的數據進行匹配,最終得到了2002—2019年71個經濟體12個行業的三維面板數據。?？紤]到經濟體各行業的全球價值鏈議價能力指數有正有負,本文對所有變量進行標準化處理,計算過程如式(26)所示。

(26)

表1匯報了主要變量的描述性統計結果。

表1 主要變量描述性統計

四、實證分析

(一)基準回歸

基準回歸結果如表2所示(6)因篇幅有限,控制變量具體回歸系數略。。

表2 基準回歸結果

表2列(1)只控制了核心解釋變量,并未添加任何控制變量,列(2)添加了經濟體層面的控制變量,列(3)在此基礎上添加了行業層面的控制變量,這三列均同時控制年份、經濟體和行業固定效應。觀察表2可知,列(1)—列(3)核心解釋變量行業工業機器人應用存量Zrobot的回歸系數均顯著為正,并通過1%統計水平檢驗。其中,列(3)核心解釋變量的回歸系數為0.103 6,意味著行業工業機器人應用存量增加1個標準值,行業的全球價值鏈議價能力指數就增加0.103 6個標準值。這表明,行業工業機器人應用存量的增加能夠促進行業全球價值鏈議價能力指數提升。換言之,工業機器人應用促進經濟體各行業全球價值鏈分工地位攀升。

(二)穩健性檢驗

根據表2可知,工業機器人應用促進經濟體各行業全球價值鏈分工地位的攀升。本文從四個方面檢驗該結論是否具有穩健性:(1)更換被解釋變量,以出口產品數量占經濟體出口產品總數量比例為權重加權所得的行業全球價值鏈議價能力指數,代替以出口產品總值占經濟體出口總值比例為權重加權所得的行業全球價值鏈議價能力指數;(2)更換核心解釋變量,分別以行業工業機器人應用增量、行業工業機器人應用存量密度,代替行業工業機器人應用存量;(3)更換回歸樣本,采用經濟體層面樣本代替行業層面樣本;(4)考慮內生性問題,分別采用工具變量法、補充遺漏變量以及安慰劑檢驗。

1.更換被解釋變量

表2中的被解釋變量行業全球價值鏈議價能力指數Zchain,是以HS六位編碼出口產品總值占經濟體出口總值的比例為權重加權所得的平均值,此處替換被解釋變量,以出口產品數量占經濟體出口產品總數量的比例為權重,加權得到新的行業全球價值鏈議價能力指數Zchainq。表3匯報了更換被解釋變量的回歸結果。列(1)只添加了核心解釋變量,列(2)、列(3)依次添加了經濟體層面、行業層面的控制變量。列(1)—列(3)均同時控制年份、經濟體和行業固定效應。結果顯示,無論添加控制變量與否,工業機器人應用存量Zrobot的回歸系數均在1%的統計水平上顯著為正。這表明,工業機器人應用存量增加提高了經濟體各行業所處的全球價值鏈分工地位,與表2的實證回歸結果一致。換言之,在將被解釋變量更換為以出口產品數量占經濟體出口產品總數量比例為權重加權所得的行業全球價值鏈議價能力指數后,工業機器人應用提高經濟體各行業全球價值鏈分工地位的結論依然成立。

表3 穩健性檢驗I:更換被解釋變量

2.更換核心解釋變量

表2中的核心解釋變量是行業工業機器人應用存量,此處更換為行業工業機器人每年的增量Zrobotadd,表4列(1)—列(3)匯報了更換核心解釋變量后的回歸結果。三列結果顯示,在同時控制年份、經濟體和行業固定效應后,無論添加控制變量與否,工業機器人應用增量Zrobotadd的回歸系數均在1%的統計水平上顯著為正。這表明,工業機器人應用增量增加促進行業全球價值鏈議價能力指數提高,與表2的回歸結果一致。換言之,改變工業機器人應用的度量方法后,工業機器人應用促進全球價值鏈分工地位提升的結論依然成立。

除了運用行業工業機器人應用增量更換核心解釋變量行業工業機器人應用存量外,本文還以經濟體各行業工業機器人應用存量密度Zrobotden更換核心解釋變量。根據IFR的測算方法,工業機器人應用存量密度等于經濟體各行業工業機器人應用存量除以行業就業人數(萬名)。表4列(4)—列(6)匯報了以此為核心解釋變量的回歸結果。觀察表4可知,列(4)—列(6)核心解釋變量行業工業機器人應用存量密度Zrobotden的回歸系數均在1%的統計水平上顯著為正。這表明,行業工業機器人應用存量密度增加提高行業全球價值鏈議價能力指數,即工業機器人應用促進行業全球價值鏈分工地位攀升,與表2所得結論一致。

3.更換回歸樣本

表2的基準回歸選取的是2002—2019年71個經濟體12個行業的跨國三維面板數據,為驗證基準回歸所得結論的穩健性,現將分析樣本從行業層面替換為經濟體層面。以經濟體全球價值鏈議價能力指數ZchainC為被解釋變量,以經濟體工業機器人應用存量數據ZrobotC為核心解釋變量進行回歸,回歸結果如表5所示。列(1)、列(2)均同時控制了年份和經濟體的固定效應,其中,列(1)并未添加任何控制變量,列(2)則在此基礎上添加了經濟體層面的控制變量。在列(1)、列(2)中,核心解釋變量經濟體工業機器人應用存量ZrobotC的回歸系數均在10%的統計水平上顯著為正。這表明,在經濟體層面上,工業機器人應用存量增加,可提高經濟體全球價值鏈議價能力指數。這意味著,將行業層面的分析樣本替換為經濟體層面后,工業機器人應用促進全球價值鏈分工地位攀升的結論依然存在,再次說明表2基準回歸所得結論的穩健性。

表5 穩健性檢驗III:從行業層面更換到經濟體層面樣本

4.考慮內生性問題

在表2的基準回歸中,可能存在因為遺漏重要變量、逆向因果關系等引起的內生性問題。為緩解內生性問題,本文將采用三種方法進行檢驗。

(1)工具變量法

逆向因果關系、遺漏變量是導致計量模型存在內生性問題的主要原因,內生性問題的存在會導致估計結果有偏,因此本文尋找了一個工具變量并采用兩階段最小二乘(2SLS)法嘗試解決計量估計模型可能存在的內生性問題。參照楊光和侯鈺(2020)[10]、黃亮雄等(2023)[38]的做法,本文計算了同一大洲經濟體各行業的工業機器人存量均值Zmeanc,以此作為工具變量進行回歸,具體回歸結果由表6呈現。

表6 穩健性檢驗IV:工具變量

在第一階段工具變量對行業工業機器人應用存量的回歸中,列(1)工具變量同一大洲經濟體各行業的工業機器人存量均值Zmeanc的回歸系數在1%統計水平上顯著。這表明,工具變量與行業工業機器人應用存量存在相關關系,滿足相關性要求。在第二階段的回歸結果中,列(2)行業工業機器人應用存量的回歸系數在1%統計水平上顯著為正。這表明,運用工具變量估計所得的行業工業機器人應用存量促進行業全球價值鏈議價能力指數提升。換言之,工業機器人應用促進經濟體各行業全球價值鏈分工地位的攀升,與表2的基準回歸結果一致。由此可見,采用工具變量緩解內生性問題之后,本文基準回歸所得結論依舊穩健。為檢驗工具變量的合理性,本文首先對工具變量進行識別不足檢驗,從表6匯報的結果可知,Kleibergen-Paap rkLM統計量通過1%的統計水平檢驗,拒絕了識別不足的原假設。其次進行弱工具變量檢驗,Kleibergen-Paap rk WaldF值約為75,明顯大于10,說明本文選取的工具變量并非弱工具變量。綜合上述分析可得,本文選取的工具變量具有合理性。

(2)補充遺漏變量

遺漏重要變量是導致計量模型存在內生性問題的三大因素之一,考慮到現實中,無法找齊并控制所有影響被解釋變量的因素,在模型中引入固定效應是尤為重要且必需的。固定效應本質是一種控制變量,根據樣本固定不變的特征來分組,包括可觀測和不可觀測的影響因素。在上述的回歸中,本文除了添加一系列經濟體層面和行業層面的控制變量外,還控制了年份、經濟體和行業層面的固定效應。為了緩解遺漏變量對系數“一致性”的破壞,本文在表7中,繼續添加了年份和行業的交乘固定效應、經濟體和行業的交乘固定效應。在列(1)—列(3)中,同時控制年份、經濟體、行業的固定效應,以及年份和行業的交乘固定效應。在這三列中,核心解釋變量行業工業機器人存量Zrobot的回歸系數均通過1%的顯著性水平檢驗。列(4)—列(6)在前三列基礎上添加了經濟體和行業交乘固定效應,三列中核心解釋變量的回歸系數均至少在5%的統計水平上顯著為正,與基準回歸結果一致。這表明,在補充遺漏變量后,行業工業機器人應用存量促進行業全球價值鏈議價能力指數提升的效應依舊存在,工業機器人應用促進行業全球價值鏈分工地位攀升的結論具有穩健性。

表7 穩健性檢驗V:補充遺漏變量

(3)安慰劑檢驗

表2基準回歸所得的工業機器人應用促進經濟體全球價值鏈分工地位攀升的結論,可能是某種無法觀測和捕捉的因素引起的結果。換而言之,雖然本文在回歸模型添加了一系列控制變量,以及年份、經濟體和行業固定效應,但可能并不足以捕捉到全部影響因素,更多的特征可能無法觀測。有可能是工業機器人應用和全球價值鏈分工地位均同時受到某個因素影響,從而使得它們呈現表2的回歸結果,而不是因為工業機器人應用與全球價值鏈分工地位之間存在因果關系,這是典型的內生性問題。為了排除上述可能,本文構造反事實的安慰劑檢驗:在現有數據的基礎上,隨機給經濟體各行業分配工業機器人應用存量數值,再進行回歸,并觀察行業工業機器人應用存量的系數。偽處理組隨機生成,因此,若表2基準回歸所得結論成立,則Zrobot將不會對模型的被解釋變量產生影響,即Zrobot的回歸系數不顯著,安慰劑處理變量的回歸系數不會顯著偏離零點;反之,若Zrobot的回歸系數顯著偏離零點,則說明模型設定存在識別偏誤。

圖1展現了自助法(bootstrap)隨機抽取了500次、1 500次以及2 000次后行業工業機器人應用存量Zrobot的回歸系數的核密度分布估計。觀察圖1可以發現,隨機生成處理組的工業機器人應用存量Zrobot的回歸系數沒有顯著偏離零點。同時,表2基準回歸所得的實際估計系數為0.103 6,在安慰劑檢驗所得的估計系數中明顯屬于異常值。這說明,本文的估計結果并沒有產生嚴重偏誤,工業機器人應用促進經濟體各行業全球價值鏈分工地位攀升的結論是穩健的,工業機器人應用對全球價值鏈分工地位的正向影響的因果關系成立。

圖1 穩健性檢驗Ⅵ:安慰劑檢驗

五、機制檢驗

在機制分析部分,本文將進一步探討工業機器人應用如何影響經濟體各行業的全球價值鏈分工地位,分析其內部作用機制。前文結合理論模型的推導結果以及現有研究,認為工業機器人應用可通過提升各行業全要素生產率、資源配置效率,從而促進各行業全球價值鏈分工地位攀升。為驗證這兩個渠道,本部分分別以各行業全要素生產率和資源配置效率為被解釋變量,各行業工業機器人應用存量為核心解釋變量,檢驗工業機器人應用對二者的影響。

(一)提高全要素生產率水平

全要素生產率是衡量經濟體技術創新水平的重要指標[11,52]。目前測算全要素生產率的方法主要有OP法、LP法以及一步估計法。OP法通過兩步估計法克服內生性問題[73];LP法以OP法為基礎,對其進一步完善[74];考慮到OP法和LP法的生產函數估計在第一階段存在共線性問題,阿克貝里等(Ackerberg et al.,2015)對這兩種方法進行修正,緩解了這兩種方法在估計上的不可識別性和內生性問題,以提高估計結果的準確性[75];伍德里奇(Wooldridge,2009)則提出用一步估計法克服內生性問題[76]。本文采用修正后的OP法和LP法[75]以及一步估計法[76],測算經濟體各行業的全要素生產率,并以此作為被解釋變量進行回歸,回歸結果見表8。

表8 機制檢驗I:全要素生產率水平

表8列(1)—列(3)的被解釋變量分別是采用修正后的OP法和LP法以及一步估計法測算所得的全要素生產率,核心解釋變量是行業工業機器人應用存量Zrobot。這三列均添加了經濟體層面和行業層面的控制變量,以及年份、經濟體和行業固定效應。從表8匯報的回歸結果可知,行業工業機器人應用存量Zrobot的回歸系數在這三列中均顯著為正,并通過1%的統計水平檢驗。這表明,工業機器人應用存量促進經濟體各行業全要素生產率提升、技術創新水平提高,與已有研究[21,65]所得結論一致。工業機器人應用于生產活動時,不僅通過淘汰中低等技能勞動者加速企業人力資本升級,推動企業生產結構改革,優化企業生產流程,還促進大量次級創新,催生新產品新業態,提高企業全要素生產率水平。而生產率水平較高的企業傾向于雇傭更高技能的勞動力,這進一步提高企業整體的生產和管理水平,促進產品生產流程改進、制造工藝更新,進而提升企業整體出口產品質量,提高產品在國際貿易中的競爭力,最終促進經濟體各行業全球價值鏈分工地位的攀升[59-60]。

(二)提高配置效率

資源配置效率的高低衡量了企業在生產過程中將投入要素有效轉換為產出的程度[77]。在社會經濟發展過程中,需求的無限性與資源的稀缺性之間一直存在著矛盾。如何合理配置有限的、相對稀缺的資源,最大程度地減少資源耗費,提高資源使用率,獲取最佳效益,一直是學術界的重要議題。為檢驗工業機器人應用對經濟體各行業資源配置效率的影響,本文參考蒲阿麗和李平(2019)[78]、劉斌和潘彤(2020)[49]的做法,計算各行業勞動力配置效率、資本配置效率以及總體資源配置效率。隨后,分別以它們作為被解釋變量,行業工業機器人應用存量作為核心解釋變量進行回歸,回歸結果如表9所示。

表9 機制檢驗Ⅱ:配置效率

表9列(1)—列(3)同時控制了年份、經濟體和行業的固定效應,以及經濟體層面、行業層面的控制變量。在這三列中,行業工業機器人應用存量Zrobot的回歸系數均顯著為正,并至少通過5%的統計水平檢驗。這表明,工業機器人應用提高經濟體各行業勞動力、資本以及總體的配置效率,促進資源配置優化。其中可能的原因是,工業機器人的應用淘汰了低技能勞動者,促進企業人力資本升級,提高企業整體的生產和管理水平。同時,工業機器人通過智能控制和精準管理,避免了生產過程中的資源浪費;通過數據收集、分析處理能力,更為精準地把握消費者的需求變化,有利于企業迅速且正確地做出響應,從而有效提升要素的資源配置效率[38,49,63]。換言之,在勞動力、資本投入要素既定的情況下,應用工業機器人可提高資源配置效率,增加社會總產出,提高生產效率的同時降低單位產出成本,進而有效提升各行業在國際貿易中的比較優勢,促進各行業全球價值鏈分工地位的攀升。

六、異質性分析

接下來,本文從經濟體和行業兩個維度進行異質性分析,考察工業機器人應用對經濟體各行業的全球價值鏈分工地位影響效應,在不同條件下是否存在差異,從而更深刻地剖析其背后的特征規律。在經濟體維度,主要關注資源稟賦和制度質量差異;在行業維度,重點關注行業資本密集型、勞動密集型的屬性差異,以及12個行業之間的差異。

(一)經濟體異質性

1.資源稟賦

以各經濟體資本形成總額與勞動力數量之間的比值衡量各經濟體的資源稟賦。若比值小于所有經濟體資源稟賦的中位數則劃分為勞動相對充裕經濟體,若等于或大于中位數則劃分為資本相對充裕經濟體。表10匯報了以此作為劃分標準的分組回歸結果,列(1)—列(3)是勞動相對充裕經濟體的行業分析樣本,列(4)—列(6)是資本相對充裕經濟體的行業分析樣本。在這六列中,均同時控制年份、經濟體和行業固定效應。列(1)、列(4)只添加了核心解釋變量,列(2)、列(5)以及列(4)、列(6)則依次添加了經濟體層面、行業層面的控制變量。

表10 經濟體異質性分析Ⅰ:資源稟賦

觀察表10匯報的結果可得,在勞動相對充裕的經濟體中,列(3)核心解釋變量工業機器人應用存量Zrobot的回歸系數只在10%的統計水平上顯著為正;在資本相對充裕的經濟體中,列(6)工業機器人應用存量Zrobot的回歸系數在1%的統計水平上顯著為正。采用費舍爾組合檢驗(抽樣1 000次)計算得到列(3)和列(6)的組間系數差異檢驗P值為0.042 0,在5%水平上顯著,證實了列(3)和列(6)的系數差異在統計上的顯著性。這表明,工業機器人應用促進經濟體各行業全球價值鏈分工地位攀升的效應,在資本相對充裕經濟體行業中更為明顯。根據要素稟賦理論可知,勞動相對充裕的經濟體,勞動要素價格相對較小,資本要素價格相對較高;資本相對充裕的經濟體,資本要素價格相對較低,勞動要素價格相對較高。因此,對于勞動相對充裕的經濟體而言,勞動力成本相對較低,企業使用工業機器人替代勞動力進行生產,采取“機器換人”戰略的激勵較低;對于資本相對充裕的經濟體而言,勞動力成本相對較高,資本價格相對較低,工業機器人屬于資本的一種,相比于勞動力,企業應用工業機器人進行生產更具有比較優勢,“機器換人”激勵較大。同時,資本相對充裕的經濟體,往往經濟較為發達,工業機器人應用推廣的程度更高。因此,工業機器人應用促進經濟體各行業全球價值鏈分工地位攀升的影響效應,在資本相對充裕的經濟體行業中表現得更為明顯。

2.制度質量

本文選用腐敗控制、政府效率、政治穩定和不存在暴力、法治規則、監管質量、話語權和問責制六個指標的均值衡量經濟體整體的制度質量水平[72]。若均值小于所有經濟體制度質量水平的中位數則劃分為制度質量較低的經濟體,若等于或大于中位數則劃分為制度質量較高的經濟體。分組進行回歸,表11匯報了具體的回歸結果。其中,前三列是制度質量較低的經濟體行業分析樣本,后三列是制度質量較高的經濟體行業分析樣本。在這兩組中,均同時控制了年份、經濟體和行業固定效應。

表11 經濟體異質性分析Ⅱ:制度質量

重點關注列(3)和列(6)工業機器人應用存量Zrobot的回歸系數,前者只在10%的統計水平上顯著為正,后者則在1%的統計水平上顯著為正。列(3)和列(6)的組間系數差異檢驗P值為0.072 0,在10%水平上顯著,證實了列(3)和列(6)的系數差異在統計上的顯著性。這表明,工業機器人應用存量促進行業全球價值鏈議價能力指數提升的效應,相比于制度質量較低的經濟體,在制度質量較高的經濟體行業中表現得更為明顯。其中可能合理的解釋是,工業機器人的應用與推廣需要良好穩定的制度環境作為支撐。制度質量較低的經濟體,契約監督和執行情況通常較差,導致資源配置的扭曲程度較高,企業推廣應用工業機器人的風險和成本較高,阻礙工業機器人應用可提升全要素生產率水平、優化資源配置效用的發揮,進而不利于經濟體各行業全球價值鏈分工地位的攀升。制度質量較高的經濟體,監督機制較為完善,知識產權保護力度較高,履約過程中的摩擦相對較少,企業發展推廣工業機器人的成本和風險相對較小,有利于發揮工業機器人可提升全要素生產率和資源配置效率的作用,進而有利于經濟體各行業全球價值鏈分工地位的攀升[38,79]。因此,工業機器人應用提高經濟體各行業全球價值鏈分工地位的影響效應,在制度質量較高的經濟體行業中更為明顯。

(二)行業異質性

1.勞動密集型和資本密集型行業

本文匹配經濟體各行業全球價值鏈議價能力指數、IFR數據庫的工業機器人應用存量、UNIDO數據庫的行業層面控制變量之后,共得到12個行業。接下來的異質性檢驗中,本文將這12個行業劃分為勞動密集型行業和資本密集型行業(7)勞動密集型行業包括木材和家具制造,紙和紙制品制造;資本密集型行業包括化學產品制造,橡膠、塑料制品制造(非汽車類),玻璃、陶瓷、石材、礦產品制造(非汽車類),基本金屬制造,金屬制品制造(非汽車類),電子電氣設備制造,工業機械制造,汽車制造,其他運輸設備制造,其他制造業。,并分組進行回歸,結果如表12所示。其中,列(1)—列(3)是勞動密集型行業樣本,列(4)—列(6)是資本密集型行業樣本,這六列均同時控制年份、經濟體和行業固定效應。

表12 行業異質性分析Ⅰ:勞動密集型行業和資本密集型行業

在列(3)勞動密集型行業樣本中,核心解釋變量工業機器人應用存量Zrobot的回歸系數在10%的統計水平上顯著為負。在列(4)—列(6)資本密集型行業樣本中,核心解釋變量的回歸系數為正,通過1%顯著性水平檢驗。列(3)和列(6)的組間系數差異檢驗P值為0.000 0,在1%水平上顯著,證實了列(3)和列(6)的系數差異在統計上的顯著性。這表明,工業機器人應用促進全球價值鏈分工地位攀升的效應,主要體現在資本密集型行業。其中的原因可能是,在勞動密集部門,資本要素相對稀缺,勞動價格相對較低;在資本密集部門,勞動要素相對稀缺,勞動價格相對較高。因此,相比于勞動密集部門,資本密集部門更有激勵采用“機器換人”戰略。同時,高資本投入行業、高技術行業的生產工序本身就更為適合自動化、智能化的大批量生產,工業機器人的應用與普及范圍自然更為廣泛[38,67,80]。而工業機器人應用能夠提高經濟體各行業全要素生產率水平和資源配置效率,從而有效促進行業全球價值鏈分工地位的攀升[19-20,51-52]。因此,采用“機器換人”戰略的激勵相對更高的資本密集型行業,更有可能實現全球價值鏈升級,提高全球價值鏈分工地位。

2.12個行業對比

繼探討工業機器人應用對全球價值鏈分工地位影響效用在勞動密集型行業、資本密集型行業的差異性表現后,本文將12個行業分組進行回歸,進一步探討各行業之間的異質性。分別以各行業全球價值鏈議價能力指數Zchain為被解釋變量,工業機器人應用存量Zrobot為核心解釋變量,同時添加經濟體層面和行業層面的控制變量,年份、經濟體和行業的固定效應后進行回歸,回歸結果如表13所示。

表13 行業異質性分析Ⅱ: 12個行業對比

分析表13回歸結果可知,工業機器人應用存量Zrobot的回歸系數在1%統計水平上顯著為正的行業共有3個,分別是木材和家具制造(行業1)、橡膠、塑料制品制造(非汽車類)(行業4)、玻璃、陶瓷、石材、礦產品制造(非汽車類)(行業5);工業機器人應用存量Zrobot的回歸系數至少在10%的統計水平上顯著為負的行業共有3個,分別為紙和紙制品制造(行業2)、工業機械制造(行業9)、其他制造業(行業12)。由此可見,工業機器人應用對全球價值鏈分工地位有正向促進效應的行業,包括勞動密集、資本密集的制造業;工業機器人應用對全球價值鏈分工地位有反向抑制效應的行業,包括勞動密集型行業和技術密集型行業。對于技術密集型行業,工業機器人目前只能替代慣例性的操作工序,由于高技能勞動者的操作工序較為復雜,“機器換人”難度較高,導致工業機器人應用促進行業全球價值鏈分工地位攀升的效應難以得到發揮。對于勞動密集型行業,若能抓住工業機器人的發展機遇,運用新技術替代舊技術、智能型技術替代勞動力,將有助于實現轉型升級、塑造新的競爭優勢,從而提高全球價值鏈分工地位。

七、結論與政策建議

促進產業不斷向全球價值鏈中高端邁進是中國全面建成社會主義現代化強國的必要舉措?，F如今,“機器換人”趨勢在全球范圍內日益增強,工業機器人的推廣與發展促進現行的全球化生產組織方式和管理模式變革,推動全球價值鏈動態演進。在此背景下,探討工業機器人應用對全球價值鏈分工地位的影響效應具有重要意義。本文運用雙邊隨機前沿分析模型,基于2002—2019年CEPII-BACI六位碼進出口產品數據和WDI數據庫,核算經濟體各行業全球價值鏈議價能力指數,以此衡量各行業的全球價值鏈分工地位;并將其與IFR數據庫公布的經濟體各行業工業機器人數據、WDI和WGI數據庫的經濟體層面控制變量、UNIDO數據庫的行業層面控制變量匹配,構建2002—2019年全球71個經濟體12個行業的跨國三維面板數據,檢驗工業機器人應用對全球價值鏈分工地位的影響效應。研究結果表明,工業機器人應用促進經濟體各行業全球價值鏈分工地位的攀升。該結論具有穩健性,在更換被解釋變量、核心解釋變量、回歸樣本,考慮內生性問題后,結論依舊成立。究其機制,工業機器人的應用與普及會提升經濟體各行業全要素生產率水平、資源配置效率,從而促進經濟體各行業全球價值鏈分工地位的攀升。進一步地,本文通過異質性分析發現,工業機器人應用對全球價值鏈分工地位的影響效應主要體現在資本相對充裕、制度環境較為穩定的經濟體行業,以及資本密集型行業?；诖?本文提出以下政策建議:

第一,深度推廣工業機器人應用,培育壯大工業機器人產業,為經濟發展注入新動能。工業機器人作為人工智能的重要代表,驅動著新一輪科技革命和產業變革,影響著國際分工格局、全球價值鏈分工體系。中國必須牢牢把握世界工業機器人發展機遇,結合自身定位和比較優勢制定發展戰略,大力推進工業機器人發展。推進工業機器人基礎理論研究和關鍵共性技術開發,構建深度學習系統和大數據庫,創建開放協同的工業機器人科技創新體系。加快培育具有重大引領帶動作用的工業機器人產業,促進工業機器人與各產業領域深度融合,形成數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。充分利用現有資金,發揮財政投入、政策激勵的引導作用以及市場配置資源的主導作用,撬動企業、社會加大投入,形成財政資金、金融資本、社會資本多方支持工業機器人發展的新格局。

第二,制定完善相關措施,為發揮工業機器人應用可提升全要素生產率、優化要素供給和配置的效用,提供政策支撐。促進經濟體各行業全要素生產率水平、資源配置效率提升是工業機器人應用促進全球價值鏈分工地位攀升的兩大重要渠道?？萍紕撔伦鳛槿厣a率提升的重要驅動力,中國應當全面縮小關鍵核心技術與世界領先水平的差距,強化前沿科技創新,推進工業智能化,搶抓新一輪科技革命和產業變革帶來的“換道超車”機遇。同時,推進企業全流程智能管理,助力企業提高技術創新能力和研發能力,積極發展運營新模式、新業務,鼓勵企業采用成熟的數字化與智能制造技術,提升整體生產率。為優化資源配置,應當建立統一開放、競爭有序的現代市場體系,解決好市場競爭不公平、監管不到位問題,實現資源根據價值規律進行交易和流動,優化資源配置效率,降低經濟活動中不必要的非生產性資源消耗。

第三,統籌布局工業機器人創新平臺,培養學習能力,為工業機器人的應用與普及提供配套基礎設施、人才、制度和環境支撐。工業機器人應用對經濟體各行業全球價值鏈分工地位的正向促進效應,并非在所有樣本中都成立。為了促進工業機器人與其他產業深度融合,中國應當建設布局工業創新平臺,強化對工業機器人研發應用的基礎支撐,構建泛在安全高效的智能化基礎設施體系,推動智能企業發展平臺構建。利用和培養學習能力,提升學習比較優勢,培養高水平創新人才和團隊,加大人才引進力度,完善工業機器人研發應用教育體系,加強人才儲備和梯隊建設,大力加強員工培訓。制定促進工業機器人發展的法律法規和倫理規范, 推進技術標準框架體系研究,加強工業機器人領域的知識產權保護,健全工業機器人技術創新、專利保護與標準化互動支撐機制,建立工業機器人安全監管和評估體系,夯實工業機器人發展的社會基礎。