| 5,107 | 41 | 36 |
| 下载次数 | 被引频次 | 阅读次数 |
机器人技术的兴起给劳动力就业市场带来了巨大的不确定性。本文基于2008—2019年22个经济体分行业数据，探究机器人应用对劳动力就业的影响效应。结果表明：从整体上看，机器人应用对劳动力就业产生互补效应，以经济水平、人口特征的分组回归均支持这一结论；分行业看，机器人应用对劳动力就业的影响效应差异明显。进一步研究表明，机器人使用程度是决定机器人应用对就业影响效应的关键因素，机器人使用程度低的经济体中互补效应占主导，机器人使用程度高的经济体中替代效应占主导。此外，机器人应用存在明显的溢出效应：一方面，机器人应用会对劳动力就业产生由第一产业向第二、第三产业的正向挤出效应和逆向虹吸效应；另一方面，机器人应用还会通过全球价值链的传导效应对价值链上下游经济体的劳动力就业产生异质性影响。本文结论为在“稳就业”背景下合理制定人工智能发展规划提供了一定的实践启示。
Abstract：The rise of robotics has brought great uncertainty to the labor market. Based on the sectoral data for 22 economies from 2008 to 2019, this paper explores the impact of robot application on labor employment. The results show that overall, robot application will have complementary effects on labor employment, and the group regression by economic level and population characteristics supports this conclusion, while the effect of robot application on labor employment is significantly different by industry.Further research shows that the degree of robot use is the key factor that determines the effect of robot application on employment, with complementary effects dominating in economies with low robot using and substitution effects dominating in economies with high robot using. In addition, there are obvious spillover effects in robotic application: on the one hand, robot application will have a positive crowding effect and a reverse siphon effect from the primary industry to the secondary and tertiary industries for labor employment;on the other hand,robot application will also have heterogeneous effects on the labor employment of economies in the upstream and downstream of the value chain through the conduction effect of the GVC.The conclusions of this paper provide some practical enlightenment for the rational formulation of artificial intelligence development plans under the background of“steady employment”.
[1]蔡昉.中国应为下一个人口转折点未雨绸缪吗?[J].经济与管理研究,2020,41(10):3-13.
[2]陈梦根,侯园园.中国行业劳动投入和劳动生产率:2000-2018[J].经济研究,2021,56(5):109-126.
[3]孔高文,刘莎莎,孔东民.机器人与就业--基于行业与地区异质性的探索性分析[J].中国工业经济,2020(8):80-98.
[4]李磊,王小霞,包群.机器人的就业效应:机制与中国经验[J].管理世界,2021,37(9):104-119.
[5]齐红倩,刘岩.人口年龄结构变动与居民家庭消费升级--基于CFPS数据的实证研究[J].中国人口·资源与环境,2020,30(12):174-184.
[6]王文,牛泽东,孙早.工业机器人冲击下的服务业:结构升级还是低端锁定[J].统计研究,2020,37(7):54-65.
[7]王永钦,董雯.机器人的兴起如何影响中国劳动力市场?--来自制造业上市公司的证据[J].经济研究,2020,55(10):159-175.
[8]魏下海,张沛康,杜宇洪.机器人如何重塑城市劳动力市场:移民工作任务的视角[J].经济学动态,2020(10):92-109.
[9]余玲铮,魏下海,孙中伟,等.工业机器人、工作任务与非常规能力溢价--来自制造业“企业-工人”匹配调查的证据[J].管理世界,2021,37(1):47-59.
[10]赵春明,李震,李宏兵,等.机器换人--工业机器人使用与区域劳动力市场调整[J].北京师范大学学报（社会科学版）,2020(6):113-127.
[11]Acemoglu D,Restrepo P.The Race Between Man and Machine:Implications of Technology for Growth,Factor Shares,and Employment[J].American Economic Review,2018,108(6):1488-1542.
[12]Acemoglu D,Restrepo P.Automation and New Tasks:How Technology Displaces and Reinstates Labor[J].Journal of Economic Perspectives,2019,33(2):3-30.
[13]Acemoglu D,Restrepo P.Robots and Jobs:Evidence from U.S.Labor Markets[J].Journal of Political Economy,2020,128(6):2188-2244.
[14]Arntz M,Gregory T,Zierahn U.The Risk of Automation for Jobs in OECD Countries:A Comparative Analysis[R].OECD Social,Employment and Migration Working Paper,2016.
[15]Autor D H,Levy F,Murnane R J.The Skill Content of Recent Technological Change:An Empirical Exploration[J].Quarterly Journal of Economics,2003,118(4):1279-1333.
[16]Autor D H,Katz L F,Kearney M S.The Polarization of the U.S.Labor Market[J].American Economic Review,2006,96(2):189-194.
[17]Autor D H,Dorn D.The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market[J].American Economic Review,2013,103 (5):1553-1597.
[18]Autor D H,Salomons A.Is Automation Labor Share-Displacing?Productivity Growth,Employment,and the Labor Share[R].Brookings Papers on Economic Activity,2018:1-63.
[19]Dauth W,Findeisen S,Suedekum J,et al.Adjusting to Robots:Worker-Level Evidence[R].Opportunity&Inclusive Growth Institute Working Paper,2018.
[20]Graetz G,Michaels G.Robots at Work[J].The Review of Economics,2018,100(5):753-768.
[21]Gregory T,Salomons A,Zierahn U.Racing with or against the Machine?Evidence from Europe[R].CESifo Working Paper,2018.
[22]Hjort J,Poulsen J.The Arrival of Fast Internet and Employment in Africa[J].American Economic Review,2019,109(3):1032-1079.
[23]Koopman R,Wang Z,Wei S J.Tracing Value-Added and Double Counting in Gross Exports[R].NBER Working Paper,2012.
[24]Zeira J.Workers,Machines,and Economic Growth[J].Quarterly Journal of Economics,1998,113(4):1091-1117.
(1)IFR、ILO、世界银行、UIBE GVC的相关数据链接分别为：https://ifr.org/worldrobotics、https://www.ilo.org/shinyapps/bulkexplorer12/、https://data.worldbank.org.cn/indicator、https://v2.fangcloud.com/share/a26979974d538c7e5aeb24b55a?lang=en。
(1)限于数据可得性，采用2008-2015年数据替代2008-2019年数据，并且通过产业结构高级化指数检验发现，2008-2015年和2008-2019年样本经济体产业结构变化不大，证实了这一替代的合理性。
(1)考虑到机器人对就业的影响可能是滞后的，本文尝试将核心解释变量滞后一期带入回归模型。结果表明，在多数行业（农林牧渔业、建筑业、电气水生产供应业、教育研发业、其他服务业）滞后效应并不显著，限于篇幅下文不再考虑滞后情况。
(2)为尽量避免弱工具变量问题，Panel B中农林牧渔业、教育研发业、建筑业采用工具变量IV1，其他行业采用IV2进行回归。
(1)为避免弱工具变量问题，失业率回归中采用IV2工具变量，人均GDP和高技能人才占比回归中采用IV1和IV2双工具变量。
(2)为避免弱工具变量问题，性别比和老年抚养比回归中采用IV1工具变量，少儿抚养比回归中采用IV1和IV2双工具变量。其中，“高少儿抚养比”分组采用LIML重新估计，结果与2SLS无显著差异，故认为此处弱工具变量影响并不严重。
(1)为避免弱工具变量问题，表6 Panel B中时期分组回归采用IV1和IV2双工具变量，渗透度分组回归采用IV1工具变量。
(1)2SLS回归中PR工具变量的选择方法与前文ln rob的工具变量的选择方法一致，记为IV3；并以(IV3)2作为(PR) 2的工具变量；由于表7列（4）回归中存在多个内生变量，此时F值报告最小特征值统计量（Minimum Eigenvalue Statistic）。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2023.03.010
中图分类号:F416.67;F249.1
引用信息:
[1]郑丽琳,刘东升.机器人应用与劳动力就业：替代还是互补？——基于22个经济体数据的经验分析[J].统计研究,2023,40(03):126-138.DOI:10.19343/j.cnki.11-1302/c.2023.03.010.
基金信息:
国家社会科学基金一般项目“我国人工智能产业发展评价及推进策略研究”（18BJY014）; 安徽省高校人文社会科学研究重点项目“人工智能应用对制造业就业规模及岗位结构影响研究”（SK2021A0222）