市场结构与机器人技术扩散.pdf

60【原文出处】2022.4.6280INDUSTRIALECONOMY2022.12产业经济NCENTER中国人民大学1958市场结构与机器人技术扩散欧阳耀福【摘要】随着我国制造业成本上涨、人口老龄化等问题日益凸显，促进机器人技术推广应用十分紧迫。但是，深入的实地调研表明，当前我国工业机器人推广进程缓慢，应用程度较低。以调研发现为基础，论文建立了一个理论模型，研究市场结构对机器人技术扩散的影响。研究发现，在机器人技术扩散初期，即市场上采用机器人的企业较少时，市场竞争越激烈越有利于机器人技术扩散，因为此时企业能够获得先发优势；在机器人技术扩散后期，即采用机器人的企业超过一定数量时，市场集中反而不利于机器人技术扩散。进一步实证研究结果表明，竞争有利于机器人技术扩散，部分验证了理论分析的结论，因为我国机器人推广应用仍处于初期阶段。最后，论文提出了进一步促进机器人技术扩散的政策建议。【关键词】市场结构；竞争；机器人；技术扩散【作者简介】欧阳耀福，中国社会科学院经济研究所助理研究员，中国社会科学院大学经济学院讲师。一、引言机器人技术的研究和应用是现代先进制造业的重要标志，在全球范围内得到了各发达国家的空前重视，如美国的“国家机器人计划”、欧盟的“SPARC机器人研发计划”、日本的“机器人新战略”等，这充分表明了机器人尤其是工业机器人对国家经济发展的重要性。我国政府高度重视机器人技术的研发和应用，将机器人产业规划为重点发展的战略性新兴产业，出台了一系列支持机器人产业发展的政策，例如，2 0 1 3 年1 2 月工业和信息化部出台的关于推进工业机器人产业发展的指导意见、2 0 1 6 年3 月工业和信息化部、国家发展和改革委员会、财政部出台的机器人产业发展规划(2 0 1 6-2 0 2 0 年)等。在此背景下，我国工业机器人安装量和保有量均强劲增长，2 0 1 8 年，我国工业机器人新增安装1 5.4 万台，工业机器人保有量达6 4.9 万台，均位列全球第一。然而，我国工业机器人技术的研究和应用起步较晚，工业机器人使用密度仍然比较低，2 0 1 8 年，我国工业机器人使用密度1 4 0(每万名员工)，远低于发达国家的水平，如新加坡的8 3 1，韩国的7 7 4，德国的3 3 8，日本的3 2 7(图1)。随着我国劳动成本快速上涨、人口老龄化凸显、制造业比重持续下降，进一步推动工业机器人在制造业中的应用具有十分重要的现实意义。2 0 1 4-2019年，我国制造业生产工人平均年薪从4 2 9 1 4 元增长至58 3 56 元，年平均增长率超过6%。与此同时，我国劳动年龄人口数量和占比双下降，人口老龄化程度快速加深，进一步加剧了劳动力短缺尤其是生产工人短缺，企业“用工荒、用工难”问题日益凸出。而且，制造业比重持续降低，产业空心化问题逐步显现，2 0 1 9 年中国制造业占经济的比重降至2 7%左右。工业机器人在制造业中的推广应用，可以有效应对劳动力成本上涨和人口老龄化问题，助推制造业转型升级，保持制造业比重基本稳定。因此，本文的研究主题是机器人技术扩散规律。当前相关文献大多侧重考察机器人技术应用对经济增长和劳动力市场的影响，这些研究证实了机61INDUSTRIALECONOMY2022.12产业经济FORSOCNOiVKOCENTSCIENCES.A中国人民大单1958900单位：台/万名员工800831774700600500400世界平均：9 93003383272002472402212172001881821751741721681651461401401351000非导国中玉班盛国国本典麦国兰国士国克韩德日瑞丹荷法瑞中捷图12018年全球工业机器人使用密度前十五名数据来源：IRF.2019器人技术应用对经济增长的积极作用：宏观上促进经济增长和提升全要素生产率(Graetz and Michaels，2018;杨光和侯钰，2 0 2 0)，推动服务业转型升级(王文等,2 0 2 0)；微观上提高企业劳动生产率(Acemogluetal.，2020a；李磊和徐大策，2 0 2 0)。同时，机器人应用短期内会替代劳动力，降低企业对劳动力的需求(Autorand Salomons,2018;Acemoglu and Restrepo,2022;王永钦和董雯，2 0 2 0;Acemogluetal.,2020a),尤其是低技能、低学历劳动力的需求，导致“技术性失业”（孔高文等，2 0 2 0)，加剧收人不平等，降低生产工人的工资(Acemogluand Restrepo,2018b)，但是，在中长期内，机器人应用可能促进就业并提升工资（孔高文等，2 0 2 0)。这些研究表明进一步提升工业机器人使用密度的重要意义，但是较少涉及工业机器人应用推广这一重要问题。如何理解不同行业的机器人使用密度的差异？机器人技术在不同行业中的应用和扩散有何种规律？本文首先通过深人的实地调研总结了中国工业机器人应用的典型事实，然后基于这些典型事实从理论上和实证上研究市场结构对机器人技术扩散的影响。与已有文献不同，本文没有使用Autoretal.(2003)的建模思路假定机器人可替代劳动完成特定任务，机器人应用程度高意味着机器人可替代劳动一而是从既定市场结构下的企业完成的任务越多生产决策出发，建立了一个产业组织理论模型研究机器人技术扩散规律，因为是否采用机器人生产是企业在既定市场环境下权衡成本与收益的生产决策。本文的贡献有两点：第一，本文首次考察了市场结构对机器人技术扩散的影响，从理论上分析了不同市场结构下企业采取机器人生产的策略性行为，并利用经验数据检验了理论分析结论。第二，本文基于实地调研观察的经验事实，对机器人技术扩散尤其是企业采用机器人与否的策略性行为进行了理论建模，并基于此分析了市场结构变动对机器人技术扩散的影响，为后续研究机器人技术扩散规律提供了借鉴。二、文献综述（一）技术扩散相关研究首先，与本文密切相关的是技术扩散(technologydiffusion)相关文献。技术创新过程不仅包括新技术的研究与开发，也包括技术扩散，即新技术的采用，有时候后者可能更为重要，因为只有新技术的应用才能产生收益。一项新技术出现以后，企业往往不会立马采用，因为技术采用是有成本的，而其收益则会受市场需求变动而产生不确定性。如果预期未来技术采用成本会大幅下降且市场需求会大幅增加，62INDUSTRIALECONOMY2022.12产业经济NOLYWYONCENLSCIENCES.中国人民大学幸长寳料中心家M1958企业会考虑延后技术采用。例如，Mansfield(1989)观察到，副产品焦炉的采用用了1 5年，工业机器人则用了1 2 年，内燃机车用了9 年。最早对技术扩散模式或路径的系统研究是Man-sfield(1961)的开创性工作，同时，Griliches(1957)在研究技术创新中实际估计了一条技术扩散曲线。当前文献的共识是，技术扩散呈现S曲线模式：在新技术出现初期，只有少数企业会采用新技术，而随着越来越多的企业了解和知道该项技术以后，技术扩散加速，越来越多的企业选择采用该项技术，但是当市场上大多数企业已经采用了该项技术以后，技术扩散减缓，愿意采用该项技术的企业减少。但是，文献对S曲线的技术扩散路径的解释存在三类不同的模型(Geroski,2000)。第一类是流行病模型(Theepidemicmodel),其基本的观点是技术扩散的速度不够快的原因是信息在潜在用户中传播的速度不够快。新技术的传播和采用往往需要一些隐藏信息和知识，而且依赖于口口相传等方式，其传播速度往往取决于信息在行业内、区域内的传播速度。由于简单技术的信息传播相对简单，这就意味着，简单技术的传播会比复杂技术的传播更快。第二类模型是概率模型(Theprobitmodel),该类模型主要从企业本身的特征解释技术扩散路径，因为企业才是决定是否采用某项技术的决策者。技术扩散速度缓慢可能是因为企业缺乏足够的动力来迅速采取行动。为了采用某项技术，企业往往需要某些特殊技能，花费一定的学习和搜寻成本，而每个企业的技能慕赋和学习成本是不一样的，决定了不同类型的企业采用新技术的动机也存在差异，这种企业本身的差异也就决定了技术扩散的路径。第三类模型则是从人口生态学中演化而来的密度依赖模型(Thedensitydependence model)，人口变迁类似，在这类模型中，一项新技术需要经历合法化过程(legitimation)，即被接受的过程，而这一过程主要取决于市场上已经接受新技术的企业数量。随着新技术被越来越多的企业所接受，竞争压力会限制新技术的采用，因为采用新技术能够获得的额外收益越来越少了。因此，合法化和竞争的双重力量有助于建立新技术，但最终会限制它们的普及。后续关于技术扩散的研究也基本是在以上三类模型中进行的。同时，基于这些有关技术扩散的微观分析，有些研究也将其用于分析制度、贸易、地理和政策等宏观因素对技术扩散的影响和后果。这也是大多数国内相关文献的研究重点，详细考察某一个特定技术的扩散或企业采用某项技术的研究则很少。例如，许和连等(2 0 1 5)分析了贸易网络地位与技术的跨国扩散之间的关系；林建浩和赵子乐(2 0 1 7)考察了方言和制度对技术扩散的影响。与这些文献不同，本文主要考虑到企业之间的策略性行为，研究特定行业(工业机器人行业)中的行业竞争对技术扩散的影响。实际上，这与以上三类模型的分析是一脉相承的，因为这些模型的分析隐含一个基本结论，即技术扩散的路径不存在对所有行业均成立的精确模式，可能受行业内知识扩散、企业从成本收益角度考虑的内在动机、市场的竞争压力等行业异质性特征影响。因此，特定行业的技术扩散需要单独分析研究。(二)机器人相关研究与本文类似，少数文献也关注了机器人技术扩散的影响因素。一方面,Abeliansky and Prettner(2017)较早关注了人口数量变动对机器人使用密度的影响，他们研究发现，人口增长率提高会降低机器人使用密度，人口增长1%平均会导致机器人使用密度降低2%。Zator(2019)则发现，融资约束会阻碍机器人技术扩散。另一方面，Acemogluand Restrepo(2018a)利用跨国截面数据，研究人口老龄化对机器人产业的影响，结果表明，人口老龄化会促进机器人的研发和使用。而且，由于机器人主要替代3 6-55岁的劳动人口，因而该年龄段劳动人口就业更多的行业的机器人使用密度更高。同样地，Stahler(2021)通过建立生命周期理论模型，也发现人口老龄化和机器人生产率提高会促进机器人使用，而且机器人技术扩散可以缓解老龄化带来的经济增长损失，但会加剧收人不平等。另外，Acemogluetal.(2020b)考察了税制结构的影响，研究发现，当前美国的税收体制偏向于资本而不利于劳动，会导致自动化水平过高，但是，政府可以通过降低劳动税率、征收机器人税，从而增加就业并达到最优的自动化水平。63INDUSTRIALECONOMY2022.12FOREKSO产业经济SCIENCES.ANOILVWHO中国人民大学LECONOMY富教贤料中心1958有一些学者也研究了中国机器人应用情况余玲铮等(2 0 1 9)通过企业调查问卷发现，出口导向、规模较大、用工短缺的企业使用机器人比例更高同时，他们认为，劳动力市场变化和竞争环境是促进机器人使用的重要原因。Fan etal.(2020)则基于最低工资水平的变动，考察了劳动力成本对企业采用机器人的影响。研究发现，在2 0 0 8 年以前，提高最低工资水平不会影响企业采用机器人的概率，而在2 0 0 8 年以后，提高最低工资水平会提高企业采用机器人的概率，而且这种促进效应在效率高的企业、沿海城市的企业和技术劳动力密集行业更显著。Chengetal.(2019)也是基于企业调研数据，发现企业规模和资本密集度与企业机器人使用密度正相关，而且劳动力成本上升是推动机器人使用的重要因素。本文与这些研究存在三点重要区别：第一，这些研究基本都关注企业层面企业特征对机器人技术扩散的影响，而本文关注行业层面机器人使用的影响因素，即市场结构的影响。一方面是因为高质量企业层面机器人使用数据较难获得，另一方面是因为行业层面的考察更能反映整个机器人产业发展的规律，而微观企业特征很难完全反映整体行业情况，尤其是无法考虑企业间的策略性行为的影响。第二，本文基于深人的实地调研，总结出了当前中国工业机器人的典型事实，并建立了理论分析模型,以此作为实证研究的基础。第三，本文采用了行业机器人实际使用数据，而不是用机器人进口数据(Fanetal.,2020)或部分企业的调研数据(余玲铮等,2 0 1 9;Chenget al.,2019)。三、调研发现本文首先从实地调研的经验出发，提炼出我国工业机器人应用的典型事实，以此作为对机器人技术扩散的建模基础。2 0 1 9 年至2 0 2 1 年期间，作者曾多次赴广东广州、深圳、东莞和浙江温州等省市，专题调研我国智能制造和工业机器人应用情况，包括汽车整车及配件制造、轮船制造、电梯制造、机器人制造、低压电器制造、服装制造等行业中的应用情况。基于这些实地调研，结合与政府相关部门的座谈，我们提炼出当前我国工业机器人应用的两点典型事实。第一，我国工业机器人推广应用进程缓慢，大多数行业处于工业机器人应用初期阶段。据了解，作为全国制造业发达省份，广东省8 0%的制造业企业仍处在向自动化转型的工业3.0 阶段。虽然万里挑一有一两家自动化工厂，如深圳富士康的灯塔工厂，但是相当大比例的企业根本没有自动化计划。例如，在某知名电梯制造企业的生产车间中，几乎所有环节都没有机器人，产线仍依赖大量的人工。而且，由于当前工业应用机器人技术的使用密度较小，机器人使用还没有对劳动力市场带来显著的冲击，对企业用工需求影响也不大。我国工业机器人推广应用比较缓慢的原因可以概括为两个方面。一是技术上不具备大规模应用的条件，技术成熟仍需要时间。工业是高度垂直化的，垂直领域之间的工业机理不通用。工业细分行业较多，不同行业的生产线、工艺、产品规格差异大，但工业又追求生产稳定性和成品率，即便是同行业同产品，不同企业对工艺、产品的理解不一样，其自动化的路径和工业机器人的应用也会完全不一样。与商业智能不同，工业中将人的经验固化到机器上更难，因而基于数据的经验固化、产业化过程比较漫长，尤其是当前工业领域数据积累量仍比较少。据某知名企业介绍，使用机器人生产西服就很困难，每一件西服都有一条关键的纹路，这种纹路要非常的直，而由于衣服的材料和材质等差异性非常大，当前工业机器人很难达到这种精度，而只能依赖人的经验手工完成，而且，衣服的纤维和弹性会随天气等因素变化而变化，机器人很难兼容这些因素。二是经济上成本太高、收益不够。虽然有些环节或全部环节在技术上都可以实现自动化，但是企业仍会因成本收益考量而选择不投人，不采用机器人生产。例如，在低压电器的生产方面，全自动化生产在技术上完全可以实现，但是企业仍保留只有7 0%自动化的生产线，而不愿进一步提高自动化程度。另外，企业进行数字化智能化改造，需要既懂数字化、智能化又懂工艺的人才队伍，而当前这方面人才缺口很大，提高了企业采用机器人生产的成本和难度。64INDUSTRIALECONOMY2022.12产业经济TERFOR.SOCSCIENCES.ANOLIVWIO中国人民大学1958第二，企业是否采用机器人取决于短期固定成本与长期收益的权衡，即短期投人固定成本，长期提高效率、节约可变成本以获得收益。工业机器人的应用和自动化生产是工艺流程创新，不是产品创新，本质上是更好的生产：以更低的成本生产更好的产品。短期内，企业采用机器人生产的前期投人比较大，成本高，资金需求量很大。而且，一般而言，企业需要建立新的生产线，才能进行比较彻底的信息化自动化智能化改造，所有的设备都需要升级换代、从零开始，而无法基于原有的设备、原有的产线进行简单的技术改造，前期投人巨大。据了解，投产一个全新的智能化汽车生产线投资额高达40多亿元，投产一个低压电器智能工厂的成本也高达2 0 多亿元。长期来说，采用机器人生产可以提高生产效率，节约劳动成本，但是，这种效率提升能否转变成收益仍面临不确定性，与市场环境高度相关。直观上，采用机器人生产会提高生产效率，节约成本，但也需要足够的市场需求做支撑，如果市场需求不足，企业新建了自动化产线，生产一天，停工三天，也无法获得足够的额外收益。同时，劳动力市场环境也是重要因素。当前我国劳动力成本上升和“用工荒”促进了企业的自动化转型，因为自动化可以节约更多的生产成本，同时缓解“用工荒”。近年来，我国人工成本上升，尤其是珠三角地区的人工成本快速上涨，但企业还是面临“用工荒”问题，很难招到合适的劳动力。而且，人才结构性问题比较突出，年轻人的就业观念发生改变，年轻人熬不住，研发人才留不住，高级技工抢着要。总之，当前我国工业机器人应用程度不高且对劳动力市场的影响有限，因而研究机器人技术扩散规律、深化对工业机器人应用的规律性认识十分重要。假定机器人应用不存在技术限制，本文考察既定市场环境下企业采用机器人生产的激励问题。而且，由于采用机器人是流程创新，企业可以短期内投人固定成本，建立自动化产线，长期内降低生产成本，获得收益。因此,在以下理论模型中,本文将机器人技术建模设定为企业可以投人一定的固定成本，降低可变生产成本。四、理论分析既有理论模型大多采用Autoretal(2003)的建模思路，重点关注机器人替代劳动力的技术可能性：假设机器人可替代劳动完成特定任务，机器人应用程度高意味着机器人可替代劳动完成的任务越多。但是，以上实地调研表明，抛开技术原因，企业是否采用机器人生产面临着短期固定成本与长期收益之间的权衡。即便技术上是可行的，如果收益不足以弥补固定成本，企业也不会采用机器人或提高自动化程度。基于此，本文从企业成本收益权衡出发，建立如下理论模型，重点考察市场竞争环境对机器人技术扩散的影响。考虑一个古诺竞争模型。假定市场上有n家企业，每家企业都可以用单位生产成本c，生产完全同质化的产品；企业之间进行数量竞争；每个企业都可以决定是否投人固定成本F，采用机器人生产，进行自动化改造，将单位生产成本从c降低至c-c。产品市场需求为：p(q1,q2,q.)=a-b(2q.)(1)为了研究企业采用机器人的激励与市场结构之间的互动，我们假定采用机器人的固定成本F短期内变动不大，而集中考察企业采用机器人生产可以获得的额外收益。在同等条件下，当企业能够获得的额外收益越高时，企业采取机器人的激励更高，机器人技术扩散更容易，机器人技术应用程度也就更高。反之，如果企业采用机器人生产所获的收益很低时，更不容易弥补前期的固定成本，机器人使用密度也就更低。本文的目的是考察市场结构如何影响机器人技术扩散。我们用市场上企业数量n衡量市场集中度：当n=1时，市场结构为完全垄断；当n=2时，市场为双寡头垄断结构；当n3时，我们假定市场为垄断竞争或竞争性的。因此，本文研究的重点就是考察市场上企业数量n如何影响企业采用机器人生产获得的额外收益。我们首先比较完全垄断结构和双寡头结构下，企业采用机器人生产的激励，然后再考察一般情况。(一）垄断与寡头垄断市场结构的考察在断市场下，断企业不采用机器人和采用65INDUSTRIALECONOMY2022.12产业经济NOiLVWYOSCIENCES.,中国人民大学LECONOMY亨报料中心1958机器人生产的最大化利润分别为：(a-(a-c+Ac)-FT.(2)T4bmm4b当企业采用机器人生产的利润大于不采用机器人生产的利润时，即时，企业会选择采用机器人生产。采用机器人投人的固定成本F需满足：Ac(2(a-c)+Ac)FT m=(3)4b同样地，在双寡头垄断市场结构下，若两家企业都没机器人生产的市场均衡，任意企业的均衡产量和均衡利润为：(a-a-c(4)q=,T=3b9b考虑两家企业采用机器人生产的动机，则市场可能存在三种情形：两家企业均采用机器人生产；只有一家企业采用机器人；两家企业都没有采用机器人生产。若两家企业都采用机器人生产，则市场均衡为：(a-c+Ac)q=a=+Ac,T=(5)3b9b同时，企业采取机器人生产所需投人的固定成本必须小于可以获得的额外利润，即：Ac(2(a-c)+Ac)FT 1&2=T,-T T;=(6)9b类似地，若只有一家企业采用机器人生产（假定为企业1)，则采用机器人生产企业的均衡产量和均衡利润为：(a-c+2Ac)2qi=a-C+2Ac，T(7)3b9b此时，企业1 采用机器人生产可以获得的额外利润为：4c(a-c)+c)ATi=(8)9b为了保证企业1 确实有激励采用机器人生产，采用机器人的固定成本必须满足：FT 2=(10)9b此时，企业2 采用机器人生产所获的额外收益小于其固定成本投人。比较垄断和双寡头垄断市场结构下企业采用机器人生产的条件，我们可以推导如下定理：定理1：(1)垄断市场结构下企业采用机器人的激励一定大于双寡头市场下两家企业均采用机器人生产的激励；(2)当采用机器人生产节约的单位生产成本比较大时，即c2(a-c)/7时，双寡头市场上只有一家企业采用机器人生产的激励高于垄断市场，反之，垄断市场下企业采用机器人生产的激励更高。直觉上，企业是否采用机器人生产取决于其短期固定成本投人与单位平均成本的节约。在垄断情况下，市场只有一家企业，企业获得全部的市场份额，均衡产量高于双寡头市场下任意企业的均衡产量，因而采用机器人生产所能够节约的总平均成本更大。因此，垄断市场结构下企业采用机器人的激励一定大于双寡头市场下两家企业均采用机器人生产的激励。但是，双寡头市场下，两家企业之间存在策略性竞争。任意一家企业采用机器人生产，都可以抢占另外一家企业的市场，获得更大的市场份额和均衡利润，即存在竞争效应。当采用机器人生产可以节约的单位平均成本足够高时，这种竞争效应就会使得其中一家企业采用机器人生产的激励高于完全垄断企业的激励，反之，则竞争效应不够强，垄断企业仍更有激励采用机器人生产。因此，在采用机器人技术生产效率足够高时，双寡头市场比完全垄断市场更有利于机器人的初期推广使用(只有一家企业采用的情况),反之，垄断市场更有利于机器人技术扩散。(二)一般情形的考察假定市场上所有企业都没有采用机器人进行生产，则古诺竞争下市场均衡结果为，对于任意企业i，均衡产量和均衡利润为：(a-c)a-cq(i,n)=T(i,n)=(11)(n+1)b(n+1)b由于市场上有n家企业，市场可能出现是否采用机器人的情况组合有很多种。我们重点考察边际上的企业采用机器人生产的激励，即假定市场已经有66INDUSTRIALECONOMY2022.12产业经济FORSOCIALSCIENCES.,NCENTER中国人民大学吉银育料中心1958m-1个企业采用机器人生产，考察第m家企业是否采用机器人生产的激励。当边际企业m采用机器人生产的激励提高时，整个行业的机器人使用密度也就更高。为简单计，我们假定，机器人技术的普及没有使得不采用机器人生产的企业停止生产，即不采用机器人生产的企业的均衡产量大于零，q(m+j,n)=0。这一条件必须在市场上采用机a-c-(m-1)Ac(n+1)b器人生产的企业很多时仍然成立，即当市场上有n-1家企业采用机器人生产，第n家企业仍然不会停止生产，即：a-cAc(12)n-1考虑第m家企业是否采用机器人生产的激励。第m家企业不采用机器人生产的收益和采用机器人生产的均衡利润分别为：(a-c-(m-1)Ac)2T(m,n)=(n+1)b(a-c-n-(m-1)Ac)2T(m,n)=(13)(n+1)b因此，第m家企业采用机器人生产能够获得的额外收益为：(m,n)=T(m,n)-T(m,n)nc(2(a -c)+(n -2(m-1)A c)(14)(n+1)b这一收益会随着市场结构(市场上企业数量)变动而变化。边际变化为，假定市场上企业数量增1个，企业m采用机器人生产所获额外收益变动为：(m,n+1)-(m,n)=Ac2(a-c-mc)(1 -n -n)+(2 n +3)A c l(15)b(n+1)(n+2)2不难证明,存在某一固定m,当m0,即增加企业数量可以提高企业采用机器人生产的额外收益；反之,则(m,n+1)-(m,n)0,即增加企业数量可以减少企业采用机器人生产的额外收益。因此，我们可以得出如下结论：定理2:(1)在机器人技术扩散初期(mm),市场竞争能够提高企业采用机器人生产的激励，有利于机器人技术扩散；(2)在机器人技术扩散后期(mm),市场竞争反而会降低企业采用机器人生产的激励，不利于机器人技术扩散。定理2 表明，在机器人技术扩散初期，其他条件不变，市场集中度越大，市场竞争程度低，机器人扩散程度也会相应更低。直观上，在机器人技术扩散初期，市场上采用机器人生产的企业不够多，采用机器人生产获得的竞争优势更大，可以抢占的市场份额和机会更大，即企业的竞争效应很大。此时，市场竞争越激烈，有利于发挥竞争效应的作用，企业采用机器人生产的激励也就越大，因此所有企业都希望获得先发优势。反之，在机器人技术扩散后期，市场上采用机器人生产的企业已经很多，此时企业采用机器人生产所获得的竞争优势不够明显，竞争效应很小。此时，市场竞争加剧，企业采用机器人生产的激励反而降低，因为采用机器人生产所能获得的额外市场份额也会被竞争者稀释。接下来，我们利用经验数据进行实证分析，进一步验证理论模型的分析结果。五、实证分析(一)研究设定1.模型设定为检验市场结构与机器人技术扩散之间的关系，本文建立如下回归模型：Robot;=c+Structureit+Control+;+入,+8 i(16)其中，被解释变量Robot为第t年行业i工业机器人使用密度，核心解释变量Structurei是衡量市场结构的赫芬达尔一赫希曼(HHI)指数。考虑市场结构与机器人技术扩散之间可能存在的内生性，我们后面采用市场结构的滞后一期进行回归。进一步，为了考虑市场结构与机器人技术扩散可能的非线性关系，我们还在模型中加人了市场结构的Structureit的二次项，验证市场集中度与机器人使用密度之间可能存在的U型关系。Control为一组可能影响工业机器人使用密度的控制变量集。同时，我们控制了行业固定效应u和年份固定效应入，8 i为随机扰动项。行业固定效应可以控制住机器人供给和质量和采用机器人的成本等因素。67INDUSTRIALECONOMY2022.12产业经济FORSOrCIALNOIIVWYOACENTERLSCENCES.,中国人民大学教育料中心19582.主要变量说明被解释变量为行业工业机器人使用密度，参照Acemogluetal.(2020b)的做法，用每万人使用机器人数量的工业机器人渗透度表示。行业层面的工业机器人渗透度指标(Roboti)计算公式为：Rstock.Roboti=(17)=2003其中，Rstocki表示i行业t年的工业机器人存量，Li，t=2 0 0 3 表示行业i在2 0 0 3 年的就业人数。注意，将行业就业人数固定在基期即2 0 0 3 年)可以避免工业机器人渗透度因后续年份的就业人数变动而变动。核心解释变量为市场结构，用A股上市企业行业市场集中度的赫芬达尔一赫希曼指数(HHI指数)表征，计算公式为：ZW(）-2()HHI=(18)其中，N为行业内企业总数量，x为企业i的规模，s;为企业i的市场份额。其中，市场份额用企业主营业务收人占比表示。参照Kochetal.(2021)和余玲铮等(2 0 1 9)的调研观察，本文主要的控制变量Control主要为：1)表征行业基本特征的变量，包括行业平均企业规模、行业资本密集度、行业资产收益率；2)行业成长性，用行业主营业务收人三年平均增长率表征；3)表征行业工艺复杂程度变量，主要为行业技能强度和技术工人占比。其中，我们用ln(1+获得和本科及以上教育人数/员工人数)来衡量企业的技能强度，然后以行业层面每个企业员工人数占比为权重，加权平均得到行业平均技能强度。技术工人占比的处理方式类似；4)行业平均工资，用行业平均工资成本表示；5)行业融资约束，用企业层面的融资约束的平均值来衡量。参照HadlockandPierce(2010)，企业层面的融资约束用融资约束指数SA表征，具体计算公式为：SA=-0.737xsize+0.043xsize-0.04xage,其中size用企业总资产取对数获得，age为企业的成立年限。将计算得到的融资约束指数进行绝对值处理，然后取平均值，得到行业层面的融资约束指数。融资约束指数是反向指标，即指标数值越大，行业的融资约束水平越低。?3.数据来源和说明考虑数据可得性，本文采用我国行业层面2 0 0 3-2019年的面板数据进行实证分析，行业层面机器人存量数据来自国际机器人联盟(InternationalRobotFederation)。2 0 1 2 年以前的机器人使用数据主要来自机器人制造企业的进出口数据，但是2 0 1 3 年以后的数据包括了中国机器人供应商的数据，能够较好地反映中国工业机器人使用情况。行业层面的平均企业规模、资本密集度、资产收益率、行业成长性等指标的数据来自中国统计年鉴2 0 0 3-2 0 2 0)。而行业层面的市场集中度、工艺复杂度、平均用工成本、融资约束等指标的相关数据确实，我们采用A股上市公司的相关数据，先获得企业层面指标，然后对其取平均值或加权平均值，以此表征行业相关指标，(数据来源为国泰安(CSMAR)数据库)。本文没有采用工业企业数据的主要原因是工业企业数据库只更新到2 0 1 3 年，但是中国工业机器人技术扩散和推广使用在2 0 1 3 年以后开始提速，截断之后的数据很难得出可靠结论。在数据处理方面，由于国际机器人联盟的行业分类与我国的国民经济行业分类不一致，因而需要按照一定的规则将两者进行匹配。本文参照吕越等(2 0 2 0)整理出来的行业转化表进行匹配，整合机器人行业数据和其他相关数据。4.描述性统计机器人使用密度可以反映一国机器人技术扩散和应用水平。表1 统计了2 0 0 6 年、2 0 0 9 年、2 0 1 2 年、2015年和2 0 1 9 年我国工业分行业机器人使用密度情况。总体上，我国工业机器人应用推广程度在过去十几年间有很大的提高，尤其是在2 0 1 5-2 0 1 9 年间，所有行业的机器人使用密度成倍增长。分行业来看，机器人使用密度最高的前四个行业分别是汽车制造业，半导体、LCD、L E D 制造业，金属制品业，橡胶和塑料制品业，机器人使用密度分别达到每万人7 4 0 台、1 7 6 台、1 7 1.5台和1 6 6.6 台。但是，与此同时，机器人使用密度最低的几个行业不够每万人1 0台，包括纺织业，造纸业，制药和日化业，矿采选业、电力、燃气、水生产和供应业。这就意味着，机器人几乎还没有在这些行业开始成规模应用。.68INDUSTRIALECONOMY2022.12产业经济FORSNTERSOLSCIENCES.A中国人民大学有教育料中心1958表1我国工业分行业机器人使用密度（台/每万名员工）行业代码行业名称20062012201520092019食品、饮料、烟草13.40.10.73.210-1237.6纺织业0.30.00.013-150.01.1160.00.0木材加工及家具制造0.01.515.5造纸业1.717-180.00.60.07.71.9制药和日化业190.00.50.39.7其他化学制品33.80.00.020-213.597.5橡胶和塑料制品业106.92236.355.112.7166.6玻璃、陶瓷、石材、矿产品0.03.7230.10.814.1245.0基本金属0.00.11.412.0金属制品业54.1251.415.47.7171.5电子产品和设备26029.60.00.12.062.626135.0半导体、LCD、L E D0.816.77.7176.02651.70.00.10.4医疗、精密、光学仪器12.4家用电器行业6.02750.00.00.134.2汽车制造业294.2291.37.0103.4739.40.0其他制造业910.12.14.234.5C矿采选业0.00.00.00.00.10.70.00.0E电力、燃气、水生产和供应业0.03.2注：作者根据相关数据计算获得，计算方法根据本文提出的相关计算方法。进一步，图2 给出了我国分行业工业机器人使用密度的时间趋势图，各行业的工业机器人使用密度都呈现增长趋势。同时值得注意的是，不同行业的增长速度和使用程度存在很大的差异，这些差异为我们研究工业机器人技术扩散规律提供了基础。10-1213-1517-1816195520-2124222325526127526026529520052015201020102015 20202005202091C52005201020102015202020052015 20202005201020152020年份Graphsby人工智能行业代码图2我国分行业工业机器人使用密度变动趋势69INDUSTRIALECONOMY2022.12产业经济FOKNOLVWNOSLSCENCES.K中国人民大学有银育科中心1958为了直观了解市场结构与工业机器人使用密度之间的关系，图3 给出了市场结构与工业机器人使用密度之间的散点图。两者之间的拟合线呈现向右下方倾斜的趋势，表明两者之间可能存负相关关系，(二)实证结果表2 报告了我国市场结构对工业机器人使用密度之影响的回归结果。模型(1)至模型(6)为逐步加人关键控制变量的结果。其中，模型(1)中没有加人其他控制变量，在1%的显著性水平下，市场结构的回归系数显著为负，说明市场集中度对工业机器人使用密度具有显著的负向影响。模型(2)加入了行业基本特征，包括行业平均企业规模、资产密集度和资产收益率等变量，表征市场结构的HHI指数的回归系数仍然为负，但是回归系数不显著。进一步，模型(3)550.3.2.4.5市场集中度HHI指数工业机器人使用密度拟合线图3中国工业机器人密度和市场集中度的散点图注：作者根据相关数据计算而来。其中工业机器人使用密度是取对数后的变量，因而存在负数。表2市场结构与工业机器人使用密度(2)(3)(4)(5)(1)(6)(7)1PR1PR1PR1PR1PR1PR1PR市场集中度-1.973*(0.565)-0.683(0.534)0.717(0.414)-0.519(0.598)-0.690(0.531)0.496(0.491)1.756(2.268)企业规模3.689*(1.196)5.930*(1.563)3.465*(1.307)3.290*(1.383)3.359*(1.271)3.127*(1.383)资本密集度-1.389(1.326)-1.663(1.320)0.156(0.910)-1.756(1.386)-1.080(1.148)-1.179(1.245)资产收益率0.0625(0.136)0.0266(0.157)0.0300(0.135)0.0642(0.174)-0.0603(0.163)0.0503(0.153)技能强度9.890*(3.366)7.219*(2.897)8.123*(3.217)7.512*(2.654)10.67*(4.176)技工比重0.0948(0.0801)0.00383(0.143)0.127(0.0934)0.122(0.0938)0.00968(0.123)行业成长性-0.108(0.230)0.359(0.260)-0.462*(0.216)-0.113(1.684)0.563(0.645)行业平均工资0.122(0.576)0.423(0.683)融资约束-1.240*(0.288)1.512(0.929)市场集中度的二次项0.437(0.403)3.9*(1.306)57.*(10.50)60.00*(14.78)58.04*(13.68)55.57*(13.91)75.6*(17.74)54.81*(1