人工智能擴(kuò)大了企業(yè)間的工資差距嗎?*
——來自中國工業(yè)企業(yè)的證據(jù)

陳 東 姚 笛

(山東大學(xué)經(jīng)濟(jì)學(xué)院 山東濟(jì)南 250100)

一、引 言

人工智能，作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，為全球經(jīng)濟(jì)和社會發(fā)展帶來了新的機(jī)遇和挑戰(zhàn)。在人工智能引發(fā)的經(jīng)濟(jì)挑戰(zhàn)中，最主要的是收入分配(Korinek和Stiglitz，2017)。就中國情形而言，挑戰(zhàn)同樣嚴(yán)峻。面對多年居高不下的貧富差距，“十四五”規(guī)劃已提出，“到2035年全體人民共同富裕將取得更為明顯的實(shí)質(zhì)性進(jìn)展”，然而這一目標(biāo)近年來遭遇了以機(jī)器人為代表的人工智能的不斷沖擊。據(jù)國際機(jī)器人聯(lián)合會(IFR)發(fā)布的數(shù)據(jù)，中國自2013年以來已成為世界上機(jī)器人安裝最多、增速最快的國家。鑒于工資仍是絕大多數(shù)居民勞動收入的主要來源，且收入分配不平等也主要來自工資差距，尤其是企業(yè)間工資差距(Song等，2019)，因此在人工智能日益普及且工資不均等情況日趨嚴(yán)峻的現(xiàn)實(shí)背景下，研究人工智能發(fā)展對企業(yè)間工資差距的影響及其作用機(jī)理，有助于為中國實(shí)現(xiàn)更加合理的收入分配提供微觀證據(jù)與對策方案。

從已有研究來看，人工智能對勞動收入分配或工資差距的沖擊主要體現(xiàn)在三個方面:一是改變實(shí)際工資水平，二是改變勞動收入份額，三是改變不同勞動者之間的工資差距。首先，人工智能對實(shí)際工資水平的影響仍存在諸多爭議。人工智能本質(zhì)上作為勞動力的替代要素，天生具有抑制就業(yè)、改變收入的效應(yīng)。Acemoglu和Restrepo(2020)以美國為例，發(fā)現(xiàn)一個單位機(jī)器人的使用在導(dǎo)致勞動力就業(yè)率下降0.2%的同時，也導(dǎo)致實(shí)際工資下降了0.42%。但是，人工智能作為“最后的發(fā)明”，不僅促進(jìn)了全要素生產(chǎn)率的增長，而且可能在新領(lǐng)域創(chuàng)造出新工作，有助于提升勞動力就業(yè)，提高實(shí)際平均工資水平(Autor等，2020)。這種提升作用在不同階段可能有不同的表現(xiàn)，在長期對實(shí)際工資水平的正向影響可能會逐漸下降(Graetz和Michaels，2018)。

其次，與以往的技術(shù)革命相比，人工智能會同時替代體力勞動和腦力勞動(Trajtenberg，2018)，有可能提高凈失業(yè)率。在勞動收入份額下降的同時，單位勞動的實(shí)際產(chǎn)出增加，資本收入份額增大，資本報酬增加更具優(yōu)勢(陳彥斌等，2019)，人工智能的生產(chǎn)率創(chuàng)造效應(yīng)不能改變其對勞動收入份額總體負(fù)向影響的事實(shí)(Autor等，2020)。但是也有學(xué)者指出，人工智能對勞動收入份額變動并非單一的負(fù)向影響。其能夠在新領(lǐng)域創(chuàng)造出新的勞動密集型任務(wù)有助于抵消勞動收入份額下降的負(fù)面影響，因此對勞動收入份額的影響并不確定。正如郭凱明(2019)指出的，人工智能會促使生產(chǎn)要素在產(chǎn)業(yè)部門間流動，流動方向的不同將最終導(dǎo)致勞動收入份額的不同變動。

最后，人工智能在沖擊勞動力市場和就業(yè)結(jié)構(gòu)的過程中，會造成不同技能、不同行業(yè)勞動者的工資差距。在技能層面，人工智能會產(chǎn)生崗位更迭效應(yīng)和生產(chǎn)率效應(yīng)，進(jìn)而導(dǎo)致低技能、生產(chǎn)性、年齡較大工人的工資下降，高技能工人的工資上漲，擴(kuò)大了不同技能勞動力之間的收入差距(Acemoglu等，2020；王林輝等，2020)。在行業(yè)層面，人工智能對汽車制造、金屬制品、化學(xué)、制藥、食品等自動化程度較高行業(yè)的影響更為負(fù)向和強(qiáng)烈(Acemoglu和Restrepo，2018a)，對零售、批發(fā)等商業(yè)服務(wù)業(yè)的影響則趨于正向(Brynjolfsson和McAfee，2015)。從短期看，雖然人工智能會造成工資極化現(xiàn)象，但是從長期看，這一現(xiàn)象會逐漸弱化(Graetz和Michaels，2018)，而且會提高本地同行業(yè)勞動力的報酬水平(孔高文等，2020)。

與已有文獻(xiàn)相比，本文可能的創(chuàng)新點(diǎn)在于:第一，人工智能對勞動收入分配的影響雖然引起了學(xué)術(shù)界的高度重視，但囿于數(shù)據(jù)限制，已有文獻(xiàn)多為數(shù)理模型推導(dǎo)，并輔之以宏觀數(shù)據(jù)佐證；相比之下，基于企業(yè)數(shù)據(jù)的微觀研究屈指可數(shù)。本文從大樣本的中國工業(yè)企業(yè)數(shù)據(jù)出發(fā)，考察人工智能對企業(yè)間工資差距的異質(zhì)性影響及其作用機(jī)制。第二，雖有少量文獻(xiàn)探討了人工智能對企業(yè)內(nèi)部不同技能工人工資差距的影響，但迄今為止對企業(yè)間的工資差距鮮有探究。第三，本文在Acemoglu和Restrepo(2018b)生產(chǎn)任務(wù)模型的基礎(chǔ)上，在行業(yè)內(nèi)部引入企業(yè)異質(zhì)性，并推導(dǎo)人工智能應(yīng)用后對企業(yè)間工資差距的影響及其作用路徑。為此，本文直指收入分配領(lǐng)域受人工智能影響最直接、矛盾最突出的一環(huán)——企業(yè)間工資不平等，試圖回答人工智能是否擴(kuò)大了不同企業(yè)間的工資差距。

二、理論模型

人工智能具有滲透性的技術(shù)—經(jīng)濟(jì)特征，并表現(xiàn)為替代性、協(xié)同性和創(chuàng)造性(蔡躍洲和陳楠，2019)。其中，替代性主要表現(xiàn)為人工智能應(yīng)用對勞動要素的就業(yè)替代效應(yīng)；協(xié)同性主要體現(xiàn)為人工智能提升各要素間的銜接配合，降低摩擦成本，提高生產(chǎn)效率；創(chuàng)造性主要體現(xiàn)為人工智能通過知識創(chuàng)造，提高產(chǎn)出規(guī)模。這些特征在影響宏觀經(jīng)濟(jì)增長的過程中也必然對微觀企業(yè)的收入分配造成重要影響，導(dǎo)致企業(yè)間的工資差距出現(xiàn)變動。本文在Acemoglu和Restrepo(2018b)的生產(chǎn)任務(wù)模型基礎(chǔ)上，在行業(yè)內(nèi)部進(jìn)一步引入企業(yè)異質(zhì)性，推導(dǎo)出人工智能應(yīng)用不僅通過替代效應(yīng)降低工資水平，而且通過生產(chǎn)率效應(yīng)和產(chǎn)出規(guī)模效應(yīng)提高工資水平，人工智能對企業(yè)工資水平的影響最終取決于三種機(jī)制的大小。

(一)基本設(shè)定①因篇幅所限，本文省略了基本設(shè)定的一些步驟，感興趣的讀者可在《經(jīng)濟(jì)科學(xué)》官網(wǎng)論文頁面“附錄與擴(kuò)展”欄目下載。

加總企業(yè)所有生產(chǎn)任務(wù)可以得到期企業(yè)總的勞動力和人工智能資本需求:

在市場均衡狀態(tài)下，生產(chǎn)的邊際成本應(yīng)等于市場價格，故

其中，Q為企業(yè)應(yīng)用人工智能的價格成本，W為企業(yè)支付給工人的工資水平，則

從上述工資收入決定方程可以看出，人工智能可能通過以下渠道影響企業(yè)員工的工資水平:生產(chǎn)任務(wù)的智能替代水平(M)、人工智能資本(R)和生產(chǎn)率水平(A)等。

(二)傳導(dǎo)機(jī)制的靜態(tài)分析

根據(jù)劉燦雷和王永進(jìn)(2019)的研究，企業(yè)間工資差距一方面來自企業(yè)員工的技能組成差異(即技能組成工資)，另一方面來自企業(yè)自身的經(jīng)營績效(即利潤分享工資)。人工智能的技術(shù)—經(jīng)濟(jì)特征會影響技能組成工資和利潤分享工資，進(jìn)而影響企業(yè)間工資差距。

(1)就業(yè)替代效應(yīng)。人工智能作為不斷積累的資本要素之一，在對勞動要素逐漸替代的過程中會產(chǎn)生就業(yè)替代效應(yīng)。利用式(2)和式(4)對M進(jìn)行一階求導(dǎo)，可得:

假定生產(chǎn)任務(wù)的人工智能替代程度取值范圍為[0，1]，那么式(5)的計算結(jié)果始終為小于0的負(fù)數(shù)，這說明:首先，隨著智能化程度的加深，人工智能不僅會對勞動要素產(chǎn)生直接的替代效應(yīng)，還會明顯減少中低技能工人的勞動時間(Graetz和Michaels，2018)，不利于工資水平提升；其次，人工智能在主要替代從事體力勞動的低技能工人的同時，還降低了工人的技能議價能力；最后，對于受教育程度偏低、無法實(shí)現(xiàn)人力資本提升的低技能工人而言，在工資黏性較高的情形下，難以通過技能議價改善自身的工資水平。可見，人工智能的就業(yè)替代能力，重點(diǎn)沖擊了低技能工人的就業(yè)數(shù)量與議價能力，相應(yīng)降低了技能組成工資。因此，與未應(yīng)用人工智能的企業(yè)相比，人工智能應(yīng)用企業(yè)的工資水平會相對較低。

推論1:人工智能的就業(yè)替代效應(yīng)降低了工人的技能議價能力及其技能組成工資，導(dǎo)致人工智能應(yīng)用企業(yè)的工資水平相對惡化。

(2)生產(chǎn)率效應(yīng)。人工智能的協(xié)同性增強(qiáng)了各要素之間的銜接配合，有利于提升投入產(chǎn)出效率或全要素生產(chǎn)率，并在微觀層面上體現(xiàn)為企業(yè)利潤盈余的增加(蔡躍洲和陳楠，2019)。根據(jù)勞動力需求和人工智能技術(shù)需求方程，可推導(dǎo)出A的表達(dá)式:

據(jù)此，A與M，α和P均相關(guān)，在其他條件不變時，M上升會提高企業(yè)生產(chǎn)率水平，即??＞0。利用工人工資的決定方程(4)進(jìn)一步對M求偏導(dǎo)數(shù)可得:

在智能化程度介于[0，1]的情況下，式(7)的計算結(jié)果始終為正。這意味著人工智能可以為企業(yè)帶來更高的生產(chǎn)率水平，一方面，生產(chǎn)率更高的企業(yè)可以在一定時間內(nèi)生產(chǎn)出更多的產(chǎn)品，正如鄧紅亮和陳樂一(2019)所發(fā)現(xiàn)的，勞動生產(chǎn)率沖擊至少可以解釋約15的中國產(chǎn)出波動；另一方面，生產(chǎn)率較高的企業(yè)在實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)的同時，還能夠降低企業(yè)的邊際成本(王永欽和董雯，2020)。無論是產(chǎn)出增加還是成本降低，均有利于企業(yè)獲得更多的利潤盈余，分配更多的利潤分享工資，有利于工人工資水平的提升。

推論2:人工智能的生產(chǎn)率效應(yīng)會提高企業(yè)的利潤分享工資，相對改善人工智能應(yīng)用企業(yè)的工資水平。

(3)產(chǎn)出規(guī)模效應(yīng)。根據(jù)式(7)，生產(chǎn)率效應(yīng)的發(fā)揮有利于增加對勞動力的衍生需求和擴(kuò)大生產(chǎn)規(guī)模；同時，人工智能還可以直接通過知識創(chuàng)造改善生產(chǎn)工藝流程，提高產(chǎn)出規(guī)模。從式(2)可得，X＝(AR)/M，企業(yè)的生產(chǎn)率水平與其產(chǎn)出規(guī)模正向相關(guān)，二者呈同向變動的關(guān)系，并可獲得生產(chǎn)率影響工資水平的一階偏導(dǎo)數(shù):

式(8)的計算結(jié)果始終為正值，M越大則智能化程度越高，該正值越大。該式表明，人工智能協(xié)同性和創(chuàng)造性共同引致的產(chǎn)出規(guī)模的上升會增加對勞動要素的需求，特別是對接受過高等教育的科研人員或更具專業(yè)技能人員的需求(Bonfiglioli等，2020)，有助于提高技能組成工資；同時，在產(chǎn)出規(guī)模增加的過程中，工人也因企業(yè)績效改善可以獲取更多的基本工資與其他福利，有利于利潤分享工資的增加。技能組成工資與利潤分享工資的同時增加，最終改善了企業(yè)整體的工資水平。

推論3:人工智能的產(chǎn)出規(guī)模效應(yīng)同時改善了企業(yè)的技能組成工資和利潤分享工資，相對有利于提高人工智能應(yīng)用企業(yè)的工資水平。

(4)總體疊加效應(yīng)。上述理論推導(dǎo)表明，一方面，人工智能的替代性會降低企業(yè)技能組成工資，不利于企業(yè)平均工資水平的提高；另一方面，人工智能的協(xié)同性和創(chuàng)造性會提高企業(yè)利潤分享工資和技能組成工資，有利于企業(yè)平均工資水平的提高。在這種情況下，人工智能對企業(yè)工人工資水平的總體效應(yīng)究竟是正向還是負(fù)向，可以由式(4)對M直接求一階偏導(dǎo)數(shù)，得到:

從式(5)的一階條件可以發(fā)現(xiàn)，生產(chǎn)任務(wù)的智能化程度對工資水平的總體影響取決于(1-M)??+A與Q/P的大小比較。這里分兩種情況進(jìn)行討論:第一，在人工智能應(yīng)用初期，(1-M)??+A＜Q/P時，??＜0，此時生產(chǎn)任務(wù)的智能替代范圍M上升，導(dǎo)致工人的工資待遇變差。究其原因，在人工智能技術(shù)不成熟、相應(yīng)的軟件和硬件設(shè)施配套不健全的前提下，生產(chǎn)中應(yīng)用人工智能的成本Q較高，在對勞動要素存在一定替代效應(yīng)的同時，并不能很好地實(shí)現(xiàn)全要素生產(chǎn)率和產(chǎn)出規(guī)模的提升，導(dǎo)致利潤分享工資和技能組成工資均增長緩慢，對工資水平整體呈現(xiàn)出消極影響。第二，在人工智能廣泛普及時期，(1-M)??+A＞Q/P時，??＞0，此時如果生產(chǎn)任務(wù)的智能替代范圍M上升，則可以改善企業(yè)的工資水平。這是因為，隨著人工智能技術(shù)的普及，企業(yè)生產(chǎn)中應(yīng)用人工智能的成本Q較為合理，“機(jī)器換人”現(xiàn)象愈加頻繁。雖然人工智能的就業(yè)替代效應(yīng)會降低技能組成工資的議價能力，但是成本合理且技術(shù)較為成熟的人工智能技術(shù)會大大推動全要素生產(chǎn)率A和產(chǎn)出規(guī)模的提升，顯著提高利潤分享工資，甚至覆蓋就業(yè)替代效應(yīng)導(dǎo)致的技能組成工資水平下降。同時，技術(shù)進(jìn)步方向可分為勞動增強(qiáng)型創(chuàng)新和勞動替代型創(chuàng)新，如果人工智能技術(shù)朝著勞動增強(qiáng)型創(chuàng)新方向發(fā)展，則有利于提升生產(chǎn)率，促進(jìn)工資收入增加(Trajtenberg，2018)。2018年思愛普公司(SAP)發(fā)布的《未來網(wǎng)絡(luò)經(jīng)濟(jì)的99個趨勢報告》顯示，雖然51%的工作活動可以自動化，但是只有不到5%的工作會完全被機(jī)器替代，人工智能的替代效應(yīng)削弱勞動者議價能力的作用有限。這說明在人工智能時代，人類和機(jī)器之間并非相互替代的競爭關(guān)系，而是更多地體現(xiàn)為通過優(yōu)勢互補(bǔ)提升生產(chǎn)率的人機(jī)一體化關(guān)系，并不會威脅到人工智能應(yīng)用企業(yè)的工資水平。

推論4:人工智能帶來的生產(chǎn)率效應(yīng)和產(chǎn)出規(guī)模效應(yīng)要大于就業(yè)替代效應(yīng)，總體上有利于工資水平的提高，使得人工智能應(yīng)用企業(yè)與未應(yīng)用企業(yè)之間的工資差距擴(kuò)大。

三、數(shù)據(jù)與特征事實(shí)

(一)數(shù)據(jù)來源

工業(yè)機(jī)器人具有可重復(fù)編程解決問題的能力，因此在工業(yè)智能化升級過程中不僅成為人工智能與傳統(tǒng)工業(yè)銜接的橋梁，也成為人工智能應(yīng)用的載體(王林輝等，2020)。正是如此，現(xiàn)階段人工智能在生產(chǎn)中的運(yùn)用主要是通過工業(yè)機(jī)器人(以下簡稱“機(jī)器人”)來實(shí)現(xiàn)的(Bessen等，2019)，機(jī)器人的運(yùn)用可以在一定程度上表征人工智能的發(fā)展與運(yùn)用?？紤]到企業(yè)應(yīng)用機(jī)器人的數(shù)量不可得，本文參考Acemoglu等(2020)的做法，以機(jī)器人進(jìn)口數(shù)量作為企業(yè)應(yīng)用機(jī)器人的標(biāo)準(zhǔn)，數(shù)據(jù)來自中國工業(yè)企業(yè)數(shù)據(jù)庫和海關(guān)數(shù)據(jù)庫，樣本區(qū)間為2000—2015年。具體來說，按照工業(yè)機(jī)器人產(chǎn)品的HS 8位編碼，從海關(guān)數(shù)據(jù)中檢索出進(jìn)口機(jī)器人的企業(yè)，并根據(jù)企業(yè)名稱、郵編和電話號碼將企業(yè)的進(jìn)口機(jī)器人數(shù)據(jù)匹配到工業(yè)企業(yè)數(shù)據(jù)庫，識別出進(jìn)口過機(jī)器人的工業(yè)企業(yè)2683家，占進(jìn)口機(jī)器人企業(yè)總數(shù)的48.3%。此外，省級層面數(shù)據(jù)來自《中國統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國固定資產(chǎn)投資統(tǒng)計年鑒》和《中國市場化指數(shù)——各地區(qū)市場化相對進(jìn)程年度報告》(2011年、2018年版)，主要通過工業(yè)企業(yè)數(shù)據(jù)庫中的企業(yè)地址進(jìn)行信息匹配；將國民經(jīng)濟(jì)行業(yè)2002年分類標(biāo)準(zhǔn)與IFR所提供的ISIC 4.0分類標(biāo)準(zhǔn)進(jìn)行匹配，得到機(jī)器人安裝數(shù)據(jù)。

在此基礎(chǔ)上，本文刪除了應(yīng)付職工薪酬、從業(yè)人數(shù)、總資產(chǎn)、固定資產(chǎn)、銷售額、工業(yè)總產(chǎn)值等關(guān)鍵指標(biāo)缺失的樣本；刪除了樣本中企業(yè)從業(yè)人數(shù)小于8人、流動資產(chǎn)大于總資產(chǎn)、總固定資產(chǎn)大于總資產(chǎn)和企業(yè)識別代碼不存在的樣本；在分解企業(yè)技能組成工資和利潤分享工資時，刪除了計算結(jié)果異常的企業(yè)樣本；由于2002年和2011年中國國民經(jīng)濟(jì)行業(yè)標(biāo)準(zhǔn)進(jìn)行了調(diào)整，本文將國民經(jīng)濟(jì)4位行業(yè)代碼統(tǒng)一以2002年為標(biāo)準(zhǔn)進(jìn)行調(diào)整。同時為了盡可能地減少異常值帶來的影響，對構(gòu)建的企業(yè)層面變量在1%和99%分位做縮尾處理。經(jīng)過上述處理，最終得到1512812條觀測值，其中包含10 288條進(jìn)口機(jī)器人的觀測值。

(二)變量測度

(1)核心變量。在被解釋變量方面，借鑒羅偉等(2018)的做法，本文以企業(yè)應(yīng)付工資總額除以從業(yè)人數(shù)衡量企業(yè)平均工資()。在核心解釋變量方面，以是否進(jìn)口機(jī)器人的二值虛擬變量()來反映；若企業(yè)在年進(jìn)口過機(jī)器人，則從年及之后該企業(yè)為機(jī)器人應(yīng)用企業(yè)賦值為1，否則賦值為0。

(2)控制變量。為了盡可能地緩解因遺漏變量導(dǎo)致的內(nèi)生性問題，本文對影響企業(yè)工資水平的重要因素進(jìn)行控制，以增加所得結(jié)論的可信度。周云波等(2015)等代表性文獻(xiàn)發(fā)現(xiàn)，企業(yè)的財務(wù)指標(biāo)(如體現(xiàn)企業(yè)總體運(yùn)營情況的資產(chǎn)負(fù)債率、利潤率)和企業(yè)自身的重要特征(如資本密集度、規(guī)模和性質(zhì))均會對企業(yè)工資水平產(chǎn)生重要影響；同時，越來越多的文獻(xiàn)還發(fā)現(xiàn)，工資水平與行業(yè)新技術(shù)的使用具有明顯的因果關(guān)系(Acemoglu和Restrepo，2021)，故本文選取的控制變量包括:資產(chǎn)負(fù)債率()、企業(yè)資本勞動比()、企業(yè)利潤率()、企業(yè)規(guī)模()、企業(yè)性質(zhì)()和行業(yè)智能化()。

(三)典型事實(shí)

首先，整體描述機(jī)器人進(jìn)口情況。從時間趨勢來看，無論是機(jī)器人進(jìn)口企業(yè)數(shù)量還是機(jī)器人進(jìn)口金額，除個別年略有下降外，均呈現(xiàn)逐漸增加的趨勢，2015年增長幅度最為明顯。這表明在勞動力成本日益上升和相關(guān)技術(shù)逐步成熟的背景下，機(jī)器人在企業(yè)生產(chǎn)中的應(yīng)用越來越廣泛。

其次，雖然在中國機(jī)器人應(yīng)用總體上不斷普及，但在不同企業(yè)、行業(yè)和省份的普及程度存在明顯差異。國有企業(yè)和非國有企業(yè)的機(jī)器人進(jìn)口企業(yè)數(shù)量占比一直呈上升趨勢，但是2000—2014年非國有企業(yè)占比明顯高于國有企業(yè)，直至2015年才得到逆轉(zhuǎn)。行業(yè)和省份層面的結(jié)果進(jìn)一步顯示，進(jìn)口機(jī)器人金額排名前三位的行業(yè)分別為其他專用設(shè)備制造、汽車整車制造、木材加工機(jī)械制造，占比分別為18.9%、14.6%和10.7%，三者合計占比高達(dá)44.2%，表明機(jī)器人應(yīng)用的行業(yè)集中程度較高；上海、江蘇和北京三個省份(直轄市)的進(jìn)口機(jī)器人金額占比之和也超過了50%，排名前十位的省份進(jìn)口機(jī)器人金額占比更是超過了90%，且主要分布在經(jīng)濟(jì)較為發(fā)達(dá)的東部地區(qū)；河北、黑龍江和遼寧雖然經(jīng)濟(jì)發(fā)展相對落后，但進(jìn)口機(jī)器人金額分別排在第四、第五和第七名，原因是專用設(shè)備制造業(yè)、汽車制造業(yè)和電子制造業(yè)等機(jī)器人應(yīng)用比較廣泛的行業(yè)在這三個省份經(jīng)濟(jì)發(fā)展中占有重要地位。

最后，為了對比應(yīng)用機(jī)器人和未應(yīng)用企業(yè)之間的工資差距，從應(yīng)用機(jī)器人企業(yè)()和未應(yīng)用企業(yè)()的平均工資比值可以看出，該比值一直大于1，表明應(yīng)用機(jī)器人企業(yè)的平均工資一直高于未應(yīng)用企業(yè)。采用泰爾指數(shù)()、基尼系數(shù)()和變異系數(shù)()進(jìn)行進(jìn)一步計算，可以發(fā)現(xiàn)無論采用哪一種衡量指標(biāo)，二者的工資差距均呈現(xiàn)出不斷擴(kuò)大的趨勢。相比于2000—2007年，二者的工資差距在2011—2015年表現(xiàn)得尤為明顯。整體來看，除了應(yīng)用機(jī)器人的企業(yè)本身工資水平較高外，機(jī)器人也可能是造成應(yīng)用機(jī)器人和未應(yīng)用企業(yè)之間工資差距的重要因素之一。

四、實(shí)證檢驗結(jié)果

(一)模型選擇和基準(zhǔn)回歸②控制變量的描述、估計系數(shù)與解釋請見《經(jīng)濟(jì)科學(xué)》官網(wǎng)“附錄與擴(kuò)展”。

為了考察機(jī)器人應(yīng)用是否會擴(kuò)大企業(yè)間工資差距，本文通過Hausman檢驗和檢驗確認(rèn)采用包含企業(yè)個體、省份和年份的多維固定效應(yīng)模型，構(gòu)建基準(zhǔn)模型如下:

其中，Wage為企業(yè)平均工資，AI為企業(yè)是否應(yīng)用機(jī)器人，代表控制變量集；μ為個體固定效應(yīng)，δ為省份固定效應(yīng)，ν為年份固定效應(yīng)，ε為隨機(jī)擾動項。

為了在一定程度上解決異方差和序列相關(guān)問題，本文采用在企業(yè)層面聚類的穩(wěn)健標(biāo)準(zhǔn)誤，基準(zhǔn)回歸結(jié)果見表1第(1)—(3)列。結(jié)果顯示，無論是否增加控制因素，機(jī)器人應(yīng)用()始終在1%的水平上顯著提升了企業(yè)平均工資()，推論4成立。在控制所有變量的情形下，影響系數(shù)為0.275，意味著機(jī)器人應(yīng)用企業(yè)為員工支付的平均工資水平比未應(yīng)用機(jī)器人的企業(yè)大約高出27.5%，表明雖然機(jī)器人應(yīng)用對勞動要素的替代性特征會在一定程度上不利于企業(yè)平均工資的提高，但與此同時機(jī)器人應(yīng)用更多地表現(xiàn)為創(chuàng)造性和協(xié)同性，可以提升企業(yè)生產(chǎn)效率和產(chǎn)出規(guī)模，促使企業(yè)獲得更多的利潤、增加對勞動力的需求，有助于員工工資收入的提高，并造成應(yīng)用機(jī)器人企業(yè)與未應(yīng)用企業(yè)之間的工資差距。

表1 基準(zhǔn)回歸與內(nèi)生性檢驗

(二)內(nèi)生性檢驗

1.工具變量法

考慮到機(jī)器人應(yīng)用與企業(yè)平均工資之間可能存在逆向因果關(guān)系，即企業(yè)平均工資水平越高、生產(chǎn)成本壓力越大的企業(yè)，越有可能采用機(jī)器人。為此，本文采用中國機(jī)器人進(jìn)口價格水平()作為機(jī)器人應(yīng)用指標(biāo)的工具變量。選取該變量的原因在于，機(jī)器人進(jìn)口價格會在很大程度上影響企業(yè)是否應(yīng)用機(jī)器人進(jìn)行生產(chǎn)，同時進(jìn)口機(jī)器人價格是由國際市場供需所決定的，與單一企業(yè)不相關(guān)，滿足工具變量選取的相關(guān)性和外生性要求。在此基礎(chǔ)上，為了更精確地體現(xiàn)進(jìn)口機(jī)器人價格的波動性，并考慮不同企業(yè)對機(jī)器人價格敏感程度的差異性，本文借鑒Bonfiglioli等(2020)的做法，采用企業(yè)所在行業(yè)對機(jī)器人的適應(yīng)性指標(biāo)進(jìn)行雙曲正弦變換后的加權(quán)處理。

表1第(4)—(5)列的回歸結(jié)果顯示，在第一階段，機(jī)器人進(jìn)口價格水平與企業(yè)層面的機(jī)器人應(yīng)用在1%的水平上呈顯著的正相關(guān)關(guān)系，可能的原因有二:第一，通常來說，產(chǎn)品質(zhì)量越好，其定價往往越高(樊海潮等，2020)，即機(jī)器人進(jìn)口單價高可能意味著其產(chǎn)品質(zhì)量更好；第二，機(jī)器人的功能越多、精度越高、應(yīng)用越智能，其價格也就越高。根據(jù)2000—2015年中國海關(guān)進(jìn)口數(shù)據(jù)庫的統(tǒng)計，多功能機(jī)器人的進(jìn)口均價約為26萬美元/臺，明顯高于普通單一功能的搬運(yùn)機(jī)器人、焊接機(jī)器人和噴涂機(jī)器人；即使同樣是焊接機(jī)器人，激光焊接機(jī)器人的進(jìn)口均價超過30萬美元/臺，遠(yuǎn)遠(yuǎn)高于普通的電阻焊接機(jī)器人和電弧焊接機(jī)器人。這些多功能和高精度的機(jī)器人雖然進(jìn)口價格和應(yīng)用成本更高，但是能夠代替人工從事更多的工種，且生產(chǎn)出來的產(chǎn)品質(zhì)量和精度更高，在一定程度上會給企業(yè)帶來更高的生產(chǎn)效率和經(jīng)濟(jì)效益，提高企業(yè)在生產(chǎn)過程中應(yīng)用機(jī)器人的意愿。同時，Kleibergen-Paap rk值為148.272，遠(yuǎn)遠(yuǎn)大于10%水平下的臨界值16.38，拒絕了弱工具變量假設(shè)。在第二階段，機(jī)器人應(yīng)用對企業(yè)平均工資的影響顯著為正，與基準(zhǔn)結(jié)果保持一致。

為了進(jìn)一步確保工具變量滿足外生性條件，本文還采用Lewbel(2012)提出的異方差工具變量法。Lewbel(2012)表明，如果用內(nèi)生變量對模型中其他外生變量進(jìn)行回歸后的殘差存在異方差，那么該殘差與去中心化后外生變量的乘積是較好的工具變量。表1第(6)列匯報了使用第一階段殘差和去中心化后所有其他變量和上述工具變量的乘積作為工具變量的估計結(jié)果，的系數(shù)估計值依然顯著為正，且與基準(zhǔn)回歸結(jié)果的系數(shù)接近。

2.PSM-DID法

考慮到資金實(shí)力雄厚的大型企業(yè)會更傾向于購買機(jī)器人，可能出現(xiàn)因“自選擇”導(dǎo)致的內(nèi)生性問題。為此，本文采用有放回的1∶1傾向得分匹配法，匹配后各協(xié)變量的標(biāo)準(zhǔn)偏差絕對值均小于10%，滿足平衡性假設(shè)。同時，本文還進(jìn)一步采用0.01卡尺范圍內(nèi)的1∶4匹配。上述兩種方法的估計結(jié)果如表2第(7)—(8)列所示，與基準(zhǔn)結(jié)論一致。

(三)穩(wěn)健性檢驗

本文還采用多種方式驗證基準(zhǔn)回歸結(jié)果的穩(wěn)健性:第一，更換核心解釋變量。除了企業(yè)是否進(jìn)口過機(jī)器人的二值虛擬變量，本文還使用三種指標(biāo)作為核心解釋變量的替代變量:一是企業(yè)進(jìn)口機(jī)器人所花費(fèi)的累計金額；二是企業(yè)使用機(jī)器人的滲透度，借鑒王永欽和董雯(2020)的做法，使用企業(yè)每個從業(yè)人員所占有的機(jī)器人進(jìn)口金額衡量；三是IFR所提供的行業(yè)機(jī)器人安裝量數(shù)據(jù)。第二，更換計量模型。盡管基準(zhǔn)回歸模型中控制了行業(yè)智能化等個別行業(yè)變量，但是并不全面，仍有可能遺漏行業(yè)層面因素對企業(yè)工資水平的影響，故本文在原有計量模型上進(jìn)一步控制行業(yè)—年份進(jìn)行估計。第三，更換樣本區(qū)間。一方面，與基準(zhǔn)回歸模型刪除2008—2010年數(shù)據(jù)缺失的做法不同，本文采用插值法將缺失值補(bǔ)齊，盡可能地保留核心變量存在的樣本觀測值。另一方面，工業(yè)企業(yè)數(shù)據(jù)庫中2000—2007年的企業(yè)數(shù)據(jù)質(zhì)量最高，2000—2013年的企業(yè)數(shù)據(jù)質(zhì)量次之。本文在刪除2008—2010年數(shù)據(jù)的基礎(chǔ)上，分別使用2000—2013年和2000—2007年樣本區(qū)間的企業(yè)數(shù)據(jù)進(jìn)行實(shí)證檢驗。實(shí)證估計結(jié)果顯示，機(jī)器人應(yīng)用依然在1%的水平上正向促進(jìn)了企業(yè)工資水平的提高，與基準(zhǔn)回歸結(jié)果一致。

(四)異質(zhì)性考察

作為技術(shù)進(jìn)步的高階形式甚至是“技術(shù)奇點(diǎn)”的人工智能，人工智能在理論上會對收入分配造成巨大沖擊(Korinek和Stiglitz，2017)，但是，Brynjlofsson等(2017)通過對比2010年以來人工智能領(lǐng)域的快速發(fā)展和2005年以后美國乃至全球生產(chǎn)率增速顯著下降的現(xiàn)實(shí)，提出了“新索洛悖論”，即短期內(nèi)人工智能技術(shù)的發(fā)展難以帶來生產(chǎn)率的明顯提升。究其原因，人工智能作用的有效發(fā)揮不僅與智能化資本積累程度密切相關(guān)，即新技術(shù)資本積累需要達(dá)到一定的規(guī)模才能對經(jīng)濟(jì)活動產(chǎn)生重大影響，而且也會受到人力資本、制度環(huán)境、基礎(chǔ)設(shè)施等地區(qū)稟賦條件的制約?；诖耍紤]到勞動和智能資本的要素配比可能帶來異質(zhì)性的結(jié)論，本文構(gòu)建核心解釋變量和行業(yè)智能化程度的交互項×，以探討不同智能化程度的行業(yè)中機(jī)器人應(yīng)用對企業(yè)平均工資的影響；同時，分別構(gòu)建機(jī)器人應(yīng)用和人力資本、制度環(huán)境、基礎(chǔ)設(shè)施等地區(qū)稟賦條件的交互項×、×、×，以考察在不同地區(qū)稟賦條件下機(jī)器人應(yīng)用對企業(yè)平均工資的影響。其中，人力資本()使用各省人均受教育年限衡量；制度環(huán)境()指標(biāo)使用“中國市場化指數(shù)”測度；基礎(chǔ)設(shè)施()使用各省固定資產(chǎn)投資額與GDP的比值表征。

表2第(1)列的估計結(jié)果顯示，×的回歸系數(shù)在1%的水平上顯著為正，表明行業(yè)智能化程度越高，機(jī)器人應(yīng)用對企業(yè)平均工資的促進(jìn)作用越強(qiáng)。這是因為，人工智能資本不僅能夠帶來更高的資本回報率，而且能夠提升企業(yè)生產(chǎn)效率(陳彥斌等，2019)。行業(yè)智能化程度較高意味著該行業(yè)中的企業(yè)資本回報率和生產(chǎn)效率總體優(yōu)于其他行業(yè)，該行業(yè)企業(yè)通過應(yīng)用機(jī)器人生產(chǎn)可以賺取更高的利潤盈余，從而有利于企業(yè)平均工資的提高。這導(dǎo)致在智能化程度更高的行業(yè)中，機(jī)器人應(yīng)用企業(yè)與未應(yīng)用企業(yè)間的工資差距更大。

表2中第(2)、(4)和(5)列的結(jié)果顯示，×、×、×均在1%的水平上顯著為正，即人力資本水平越高、基礎(chǔ)設(shè)施和制度環(huán)境越完善的地區(qū)，機(jī)器人應(yīng)用對企業(yè)平均工資的促進(jìn)作用越強(qiáng)。究其原因，重大技術(shù)作用的發(fā)揮需要人員素質(zhì)、制度環(huán)境、基礎(chǔ)設(shè)施等稟賦條件與之相匹配(Brynjlofsson等，2017)，相應(yīng)的稟賦條件缺失可能導(dǎo)致新索洛悖論的發(fā)生，機(jī)器人企業(yè)的平均工資也難以快速提高。人力資本的積累、基礎(chǔ)設(shè)施和制度環(huán)境的不斷完善，能夠助力克服機(jī)器人應(yīng)用過程中存在的新索洛悖論現(xiàn)象，有利于加強(qiáng)機(jī)器人應(yīng)用對企業(yè)平均工資的提升作用，但隨著地區(qū)稟賦條件的日趨完善，機(jī)器人應(yīng)用企業(yè)與未應(yīng)用企業(yè)間的工資差距將進(jìn)一步擴(kuò)大。值得注意的是，現(xiàn)有研究發(fā)現(xiàn)機(jī)器人技術(shù)的進(jìn)一步發(fā)展需要的更多是與之相適應(yīng)的高級人力資本和科研、信息等科技型基礎(chǔ)設(shè)施。本文通過進(jìn)一步引入核心解釋變量和高級人力資本、科技型基礎(chǔ)設(shè)施的交互項×、×予以考察，其中，高級人力資本()采用高等教育人數(shù)占總?cè)丝诒壤饬?，科技型基礎(chǔ)設(shè)施投資采用“科學(xué)研究和技術(shù)服務(wù)業(yè)”和“信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)”兩類基礎(chǔ)設(shè)施的投資總額占GDP比重衡量，數(shù)據(jù)年限為2003—2015年。表2中第(2)、(5)列與第(3)、(6)列的對比可以看出，×和×的回歸系數(shù)顯著更高，表明在高等教育人數(shù)占比更高、科技型基礎(chǔ)設(shè)施更完善的地區(qū)，機(jī)器人提升企業(yè)平均工資的作用更為明顯，說明機(jī)器人技術(shù)的進(jìn)一步發(fā)展需要更多的高級人力資本和科技型基礎(chǔ)設(shè)施。

除了單獨(dú)分析行業(yè)和地區(qū)異質(zhì)性，本文還將各種異質(zhì)性同時納入計量模型，結(jié)果見表2中的“同時考慮”估計結(jié)果。估計結(jié)果表明，除了人力資本異質(zhì)性×的估計結(jié)果與單獨(dú)估計時相反，其余異質(zhì)性估計結(jié)果的系數(shù)并未發(fā)生顯著變化。值得注意的是，通過對比人力資本異質(zhì)性×和高級人力資本異質(zhì)性×的回歸系數(shù)，可以發(fā)現(xiàn)×系數(shù)由正變負(fù)，而×的系數(shù)有所擴(kuò)大，說明地區(qū)簡單的人力資本積累不一定能夠與機(jī)器人應(yīng)用發(fā)揮很好地匹配，只有高級人力資本占比高的地區(qū)才能更好地與機(jī)器人技術(shù)相適應(yīng)，擴(kuò)大機(jī)器人應(yīng)用所導(dǎo)致的企業(yè)間工資差距。

表2 異質(zhì)性考察①本文在回歸模型中加入了交互項變量、控制變量與固定效應(yīng)，完整結(jié)果請見《經(jīng)濟(jì)科學(xué)》官網(wǎng)“附錄與擴(kuò)展”。

五、貢獻(xiàn)率分解與作用機(jī)制

(一)貢獻(xiàn)率分解

在前文構(gòu)建收入決定方程的基礎(chǔ)上，本文將企業(yè)分為應(yīng)用機(jī)器人和未應(yīng)用機(jī)器人兩個企業(yè)群組，使用Oaxaca(1973)的分解方法將這兩個群組之間的收入差異分解為特征差異和系數(shù)差異，特征差異主要是機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)的稟賦特征差異所導(dǎo)致的工資差異，而系數(shù)差異主要考察工資差異是否與機(jī)器人的應(yīng)用有關(guān)，分解結(jié)果如表3所示。

表3 Oaxaca分解結(jié)果

第一，從工資總差異絕對量看，表3第(1)列總差異部分表明，機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)間始終存在顯著的工資差異，即企業(yè)間工資差距一直存在，并具有明顯的時間段特征。2000—2007年機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)間工資總差異的絕對量由一開始的0.651下降到0.419，企業(yè)間工資差距呈現(xiàn)下降趨勢，而2011—2015年企業(yè)間總差異的絕對量由0.530增長至0.770，企業(yè)間工資差距出現(xiàn)上升趨勢。整體來看，相對于2000—2007年，2011—2015年機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)間工資總差異的絕對量更高，企業(yè)間工資差距更大。

第二，從機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)間總差異分解的不同差異來源看，表3第(2)—(3)列顯示，特征差異絕對量呈現(xiàn)出明顯的下降趨勢，而系數(shù)差異絕對量表現(xiàn)為明顯的上升趨勢。特征差異絕對量由2000年的0.454下降到2015年的-0.130，而系數(shù)差異絕對量由2000年的不足0.2大幅上升至2015年的0.900?？傮w來看，機(jī)器人應(yīng)用企業(yè)和未應(yīng)用企業(yè)的不同特征(如資產(chǎn)負(fù)債率、資本勞動比、利潤率等)帶來的企業(yè)間工資差異絕對量越來越低，而機(jī)器人應(yīng)用導(dǎo)致的工資差異絕對量越來越高，機(jī)器人應(yīng)用與否在兩個群組間工資差異的貢獻(xiàn)率中發(fā)揮著越來越重要的作用。第(4)—(5)列中特征差異和系數(shù)差異占總差異比重的變動也很好地印證了這一點(diǎn)，特征差異占比由一開始的0.692降至2015年的-0.170，企業(yè)自身稟賦特征貢獻(xiàn)的工資差異部分逐漸變小，甚至在2015年表現(xiàn)出了縮小企業(yè)間工資差距的現(xiàn)象，而系數(shù)差異則相對大幅度上升，表明2010年以后隨著機(jī)器人技術(shù)的成熟，相應(yīng)的人力資本、制度環(huán)境和基礎(chǔ)設(shè)施等配套因素不斷完善，由機(jī)器人應(yīng)用導(dǎo)致的企業(yè)間工資差異越來越大。

(二)作用機(jī)制

如理論分析部分所述，企業(yè)層面工資可以分解為技能組成工資()和利潤分享工資()。為了探究機(jī)器人到底是通過技能組成渠道，還是利潤分享渠道擴(kuò)大企業(yè)間工資差距，本文借鑒劉燦雷和王永進(jìn)(2019)的工資分解法對企業(yè)層面工資進(jìn)行分解，實(shí)證分析機(jī)器人應(yīng)用擴(kuò)大企業(yè)間工資差距的作用機(jī)制，估計結(jié)果見表4。

表4 影響渠道分析

表4第(1)列和第(3)列分別為機(jī)器人對企業(yè)技能組成工資和利潤分享工資影響的估計結(jié)果，可以看出機(jī)器人應(yīng)用在1%的水平上顯著負(fù)向作用于企業(yè)技能組成工資，回歸系數(shù)為-0.078，與此同時機(jī)器人在1%的水平上顯著正向作用于企業(yè)利潤分享工資，回歸系數(shù)為0.262，表明在現(xiàn)階段，機(jī)器人應(yīng)用的生產(chǎn)率效應(yīng)和產(chǎn)出規(guī)模效應(yīng)要強(qiáng)于其替代效應(yīng)。機(jī)器人應(yīng)用主要通過替代效應(yīng)降低了工人的技能議價能力，導(dǎo)致企業(yè)員工依靠自身技能獲取的工資有所降低，但是機(jī)器人應(yīng)用的協(xié)同效應(yīng)和創(chuàng)造效應(yīng)提升了企業(yè)員工的利潤分享工資，且提升的強(qiáng)度大大高于其替代效應(yīng)導(dǎo)致技能組成工資降低的部分。這是因為，隨著機(jī)器人普及程度和智能程度的不斷提高，其對工人的替代范圍愈加廣泛。同時，1999年、2007年和2015年我國受過大專及以上教育的高技能工人占比分別為3.8%、6.6%和17.3%，雖然實(shí)現(xiàn)了一定速度的增長，但是相對于西方發(fā)達(dá)國家，工人總體技能水平依然偏低，導(dǎo)致中國勞動就業(yè)面臨比歐美更大的結(jié)構(gòu)性沖擊(蔡躍洲和陳楠，2019)。在薪酬談判中，由于與機(jī)器人互補(bǔ)的高技能工人占比過少，甚至一部分高技能工人也會隨著機(jī)器人智能程度的提高而被替代，因此較多的職位屬于機(jī)器人替代范圍，工人整體的技能議價能力相對降低，為了維持現(xiàn)有工作，工人更有可能接受一個較低的工資水平(王永欽和董雯，2020；Acemoglu和Restrepo，2020)，企業(yè)平均技能組成工資由此降低。然而，機(jī)器人的應(yīng)用有效地提升了企業(yè)的生產(chǎn)效率，擴(kuò)大了生產(chǎn)規(guī)模，有力地增加了企業(yè)的利潤盈余，工人也因此獲得了更為豐厚的利潤分享工資。

表4中第(2)列和第(4)列是將企業(yè)技能組成工資和利潤分享工資這兩個間接機(jī)制變量加入模型中進(jìn)行回歸的結(jié)果。結(jié)果顯示，企業(yè)技能組成工資和利潤分享工資的提升均有利于企業(yè)平均工資的提高，并且相對來說企業(yè)利潤分享工資是提高企業(yè)平均工資的主要渠道。結(jié)合基準(zhǔn)回歸結(jié)果和表4中第(1)—(2)列的回歸結(jié)果可以發(fā)現(xiàn)，企業(yè)技能組成工資發(fā)揮了遮掩效應(yīng)，即機(jī)器人會降低企業(yè)技能組成工資，不利于企業(yè)平均工資的提高；而結(jié)合基準(zhǔn)回歸結(jié)果和表4中第(3)—(4)列的回歸結(jié)果可以發(fā)現(xiàn)，企業(yè)利潤分享工資在機(jī)器人提高企業(yè)平均工資的過程中發(fā)揮了顯著的間接效應(yīng)，機(jī)器人能夠通過提升企業(yè)利潤分享工資來促進(jìn)企業(yè)平均工資的提高。利潤分享工資是機(jī)器人應(yīng)用造成企業(yè)間工資差距的主要影響渠道，企業(yè)在生產(chǎn)過程中投入了更多的機(jī)器人以提升生產(chǎn)效率和產(chǎn)出規(guī)模，由此帶來了更多的利潤分享工資，不僅抵消了機(jī)器人應(yīng)用對企業(yè)技能組成工資的降低部分，還會額外增加該企業(yè)的工人工資，從而領(lǐng)先于未應(yīng)用機(jī)器人企業(yè)的工人工資水平。

在證實(shí)利潤分享工資是造成企業(yè)間工資差距擴(kuò)大主因的基礎(chǔ)上，本文還進(jìn)一步考察就業(yè)替代效應(yīng)、生產(chǎn)率效應(yīng)和產(chǎn)出規(guī)模效應(yīng)對利潤分享工資和技能組成工資所發(fā)揮的作用。在技能組成工資方面，對于機(jī)器人應(yīng)用的替代效應(yīng)，本文在考慮數(shù)據(jù)可得性的前提下，借鑒Chen等(2017)的研究思路構(gòu)建低技能勞動力占比()指標(biāo)，并考察機(jī)器人應(yīng)用能否通過縮減低技能勞動力占比對技能組成工資產(chǎn)生負(fù)向影響。表5第(1)列的估計結(jié)果顯示，一方面，機(jī)器人應(yīng)用在1%的水平上顯著降低了低技能勞動力占比，機(jī)器人的替代效應(yīng)十分明顯；另一方面，第(2)列的結(jié)果進(jìn)一步表明，機(jī)器人應(yīng)用通過替代低技能勞動力對技能組成工資產(chǎn)生了不利影響，說明機(jī)器人的替代效應(yīng)確實(shí)會惡化工人的技能議價能力，證實(shí)了推論1。對于機(jī)器人應(yīng)用的產(chǎn)出規(guī)模效應(yīng)，本文參照De Loecker和Warzynski(2012)的方法計算企業(yè)生產(chǎn)率()，并借鑒余淼杰等(2018)的方法估算企業(yè)工業(yè)增加值作為產(chǎn)出規(guī)模()的代理變量，據(jù)以檢驗其對技能組成工資的影響。表5第(3)—(5)列的估計結(jié)果顯示，機(jī)器人通過提升生產(chǎn)率增加了產(chǎn)出規(guī)模，并提高了技能組成工資。究其原因，機(jī)器人應(yīng)用帶來的產(chǎn)出規(guī)模上升會產(chǎn)生新任務(wù)及勞動力新需求，在提高企業(yè)技能組成工資的同時，可以在一定程度上抵消機(jī)器人的替代效應(yīng)所導(dǎo)致的技能組成工資下降，證實(shí)了推論3的技能組成工資部分。

表5 技能組成工資和利潤分享工資的形成機(jī)制

在利潤分享工資方面，表5第(3)列和第(6)列的回歸結(jié)果發(fā)現(xiàn)，機(jī)器人應(yīng)用可以提高企業(yè)生產(chǎn)率，從而進(jìn)一步顯著提升利潤分享工資，表明生產(chǎn)效率的提高會減少生產(chǎn)成本，增加所獲利潤，導(dǎo)致利潤分享工資在勞動者工資收入中占據(jù)更高的比例。究其原因，機(jī)器人作為前沿的生產(chǎn)技術(shù)，能夠優(yōu)化產(chǎn)品生產(chǎn)過程中的資源配置效率，有效提升生產(chǎn)效率，由此帶來的生產(chǎn)成本降低和企業(yè)績效改善使得工人能夠獲得更多的利潤分享工資，推論2得證。表5第(3)—(4)列和第(7)列的估計結(jié)果則表明，機(jī)器人通過增加產(chǎn)出規(guī)模提高了利潤分享工資。其背后的邏輯是，機(jī)器人的產(chǎn)出規(guī)模效應(yīng)改善了企業(yè)績效，而企業(yè)績效的增加意味著工人將會獲得的福利更多，利潤分享工資得以提高，至此證明了推論3。

由此可見，雖然機(jī)器人的替代效應(yīng)會降低企業(yè)技能組成工資，但產(chǎn)出規(guī)模效應(yīng)會在一定程度上抵消這一負(fù)向影響。與此同時，機(jī)器人的生產(chǎn)率效應(yīng)和產(chǎn)出規(guī)模效應(yīng)能夠提升企業(yè)利潤分享工資。整體來看，機(jī)器人應(yīng)用的生產(chǎn)率效應(yīng)、產(chǎn)出規(guī)模效應(yīng)帶來的利潤分享工資提高成為企業(yè)間工資差距不斷擴(kuò)大的主要來源。

六、結(jié)論與政策啟示

本文采用2000—2015年中國企業(yè)層面的進(jìn)口機(jī)器人數(shù)據(jù)衡量企業(yè)機(jī)器人應(yīng)用狀況，并在此基礎(chǔ)上考察機(jī)器人應(yīng)用對企業(yè)間工資差距的影響及機(jī)制，得到以下結(jié)論:第一，機(jī)器人的應(yīng)用顯著提高了企業(yè)的平均工資，導(dǎo)致機(jī)器人應(yīng)用企業(yè)與未應(yīng)用企業(yè)間的工資差距擴(kuò)大，并且隨著時間推移這一擴(kuò)大趨勢愈加明顯。第二，異質(zhì)性考察發(fā)現(xiàn)，機(jī)器人應(yīng)用導(dǎo)致的企業(yè)間工資差距擴(kuò)大現(xiàn)象在行業(yè)智能化程度較高行業(yè)和人力資本較為充足、制度環(huán)境及基礎(chǔ)設(shè)施較為完善的地區(qū)表現(xiàn)得更為明顯。第三，機(jī)器人的替代效應(yīng)會降低企業(yè)工人的技能議價能力及其技能工資組成部分，而機(jī)器人的產(chǎn)出規(guī)模效應(yīng)可以在一定程度上抵消這一負(fù)向影響，并且機(jī)器人的生產(chǎn)率效應(yīng)、產(chǎn)出規(guī)模效應(yīng)有利于改善經(jīng)營績效，提高員工利潤分享工資。機(jī)器人應(yīng)用對利潤分享工資的積極作用強(qiáng)于技能組成工資的消極作用，是機(jī)器人應(yīng)用企業(yè)與未應(yīng)用企業(yè)間工資差距擴(kuò)大的主因。

本文的結(jié)論具有重要的政策含義:首先，機(jī)器人應(yīng)用會擴(kuò)大企業(yè)間工資差距，并且趨勢越來越明顯。為此，一方面，要完善機(jī)器人技術(shù)在企業(yè)中普及應(yīng)用的軟硬件環(huán)境，加快各企業(yè)智能轉(zhuǎn)型升級的步伐，在整體上提高勞動者的工資水平；另一方面，要加大再分配政策的調(diào)節(jié)力度，推動勞動和資本要素的稅收制度改革，防止機(jī)器人資本投入進(jìn)一步加劇應(yīng)用機(jī)器人與未應(yīng)用企業(yè)間的工資不平等現(xiàn)象，使勞動者的收入差距控制在合理區(qū)間。其次，機(jī)器人應(yīng)用的企業(yè)間工資差距擴(kuò)大作用存在顯著的行業(yè)和地區(qū)異質(zhì)性。因此，隨著“機(jī)器換人”現(xiàn)象的不斷上演，稅收制度改革等再分配政策的實(shí)施在行業(yè)智能化程度較高的行業(yè)和人力資本較為充足、制度環(huán)境與基礎(chǔ)設(shè)施較為完善的地區(qū)顯得更為急迫。政府在制定再分配政策時應(yīng)根據(jù)行業(yè)和地區(qū)等因素把握好力度與時效性，做到精準(zhǔn)施策，更好地發(fā)揮政策效果。最后，機(jī)器人的應(yīng)用越來越凸顯利潤分享工資在工人收入中的重要地位，但是技能組成工資的地位在逐漸弱化。針對這一現(xiàn)狀，不僅政府和企業(yè)要組織與機(jī)器人普及相適應(yīng)的職業(yè)技能培訓(xùn)，而且勞動者要不斷學(xué)習(xí)相關(guān)新技能，滿足機(jī)器人技術(shù)發(fā)展的需求，弱化機(jī)器人的替代效應(yīng)，提高自身的工資議價能力，在分享智能轉(zhuǎn)型升級帶來的工資待遇改善的同時，提高自身本領(lǐng)，依靠自己學(xué)習(xí)的新技能進(jìn)一步提升工資收入。