劳动力成本上升、机器自动化与制造业转移

罗润东 李琼琼 郭怡笛

改革开放后，中国大量劳动年龄人口及农村劳动力持续流向城市，为制造业发展提供了充足的劳动力资源，为中国成为“世界工厂”提供了强大的人力支撑。进入21 世纪，随着人口结构的转变，中国逐渐从劳动力无限供给进入劳动力供给短缺时代，劳动力工资不断上涨，出现“刘易斯拐点”［1］。国家统计局数据显示，中国城镇非私营单位就业人员年平均名义工资呈高速上升态势，从2000 年的9 333 元上涨到2022 年的114 029元，扣除价格因素年增长率高于9%。2012 年以后，平均实际工资增长率开始出现超过实际GDP 增长率的趋势。在劳动要素成本不断上升的背景下，依靠劳动力资源禀赋优势推动经济高速发展的路径难以持续。在中国廉价劳动力时代终结的前提设想下［2］，进行产业转移、减少生产成本，是劳动密集型制造业的一个重要发展方向。

经济快速增长和资本要素累积，使得资本相对于劳动的丰裕程度增加，劳动力变得更加昂贵，以往中国沿海地区承接了大部分国际产业转移，因而表现更甚。相较于其他生产部门，对劳动力价格较为敏感的制造业企业，为寻求生产优势，将主动流向劳动力成本更低的国家或地区，寻找劳动力成本“洼地”，前者为跨国产业转移，伴随明显的外资撤离现象，后者为国内产业转移，体现为制造业由沿海发达地区向内陆欠发达地区转移［3］。

从理论上看，产业转移是应对劳动力成本上升的一种策略，另一种策略则是使用更多的资本替代劳动［4］。工业机器人是一种资本更密集的技术，通过计算机编程以及前沿人工智能技术实现各种制造功能，从而能够自动执行任务。Acemoglu &Restrepo 的研究表明，每增加一台工业机器人能够替代6 名产业工人［5］。除工资上涨外，宁光杰和张雪凯发现招工难、较高的员工流转率使得企业投资自动化设备以确保企业正常运营的意愿增强［6］。因此，劳动要素价格的相对上升以及工人的短缺可能加速企业用自动化的生产技术来替代劳动力。自动化机器有助于企业减轻用工负担，同时对工人素质提出了更高的要求。对技术工人的需求使得企业倾向于在大城市集聚，以减少人才供应的不确定性［7］。因此，虽然劳动力成本会形成制造业外迁的“推力”，但是引进自动化设备也可能使企业继续留在所在城市，成为制造业留驻的“拉力”。

为了提高产业竞争力，中央政府已将智能化产业和人工智能技术列入重点规划，出台了《机器人产业发展规划（2016—2020 年）》《智能制造发展规划（2016—2020 年）》《新一代人工智能发展规划》《“十四五”智能制造发展规划》等文件，将智能制造作为引领中国制造业转型升级的突破口。各地方政府也发布了一系列政策性文件，助推制造业自动化转型升级。在政府支持下，中国工业机器人产业和应用市场发展迅猛。中国信息通信研究院的数据显示，2022 年中国人工智能产业规模高达5 000 亿元，同比增长18%。截至2022 年6 月，中国人工智能企业数量超过3 000 家，仅次于美国。国际机器人联盟（IFR）的数据显示，2000 年以来，中国工业机器人安装量呈快速上升趋势，2016 年成为世界上机器人保有量最高的国家，2021 年中国机器人存量占全世界机器人存量的33.58%。人工智能技术引发了劳动和生产的革新，将对中国产业结构和产业格局产生深刻影响。

近年来，全球分工体系和产业格局正在经历重构变革，尤其是在中美贸易摩擦和新冠疫情等外部不确定性的冲击下，中国面临着制造业向发达国家回流以及向其他发展中国家分流的压力。在此背景下，分析产业格局演变规律，引导国内产业有序转移、避免产业断档，从而保证产业链、供应链的畅通与安全，对于提高中国经济发展质量和产业核心竞争力、推动双循环格局至关重要，尤其是国家“十四五”规划纲要以及2022 年1 月工业和信息化部等十部门发布的《关于促进制造业有序转移的指导意见》进一步强调要保持中国制造业比重基本稳定、推动制造业有序转移。然而，以往文献大多直接研究劳动力成本对产业转移的影响［8-9］或侧重分析工业机器人的使用对生产、贸易和就业的影响［10-12］，鲜有研究关注自动化技术是否改变劳动力成本对制造业转移的影响模式。基于此，本文从最低工资政策引致劳动力成本上升的外生冲击入手，从城市和企业两个层面分析机器自动化背景下劳动力成本上升对制造业转移的影响效应，重点讨论机器自动化是否能够缓解劳动力成本对制造业转移的作用及其影响机理。本文的研究结论有助于解释面对劳动力成本上涨时不同制造业企业的异质性转移应对策略，以及沿海发达地区和内陆欠发达地区之间的产业转移承接趋于平缓的现象，这对于把握新时代产业转移趋势、避免产业空心化和推进区域协调发展具有启示意义。

一、理论分析与研究假设

（一）劳动力成本对制造业转移的影响效应

劳动力成本是影响企业作出生产和投资区位选择决策的重要因素，地区间劳动力成本不同步变动可能会引致产业转移。一般而言，劳动力成本的上升会抬高生产成本，降低盈利空间，从而促使企业转向劳动力成本较低的地区。因此，当一个地区的劳动力要素价格上升时，制造业企业会通过重新调整生产和投资的空间布局，以实现成本最小化和经营利润最大化。根据雁形模式理论，随着中国东部沿海地区的劳动力要素成本上升，劳动密集型制造业逐步向中西部地区转移，呈现由劳动力要素成本差异推动的产业转移现象［3，13］。以往考察劳动力成本对产业转移影响微观机制的研究可以概括为三个层面：一是劳动力成本上升促进了企业搬迁或跨区域生产。这支文献认为劳动力市场比较优势是企业搬迁至其他地区或进行跨区域资本配置的重要驱动因素［14-15］。二是劳动力成本上升增加了企业的经营压力，导致企业被迫退出市场，从而降低了该地区制造业份额。这支文献发现劳动力成本上涨对企业存续产生了负面冲击，导致制造业企业退出风险增加［16-17］。三是较高的劳动力成本抬高了企业进入市场的门槛，不利于新企业进入，进而抑制了该地区制造业份额增加。这支文献强调劳动力成本增加会打击企业的投资积极性，降低新企业的进入数量［18］。

综合上述分析，面对劳动力成本上涨压力，企业会采取调整经营方式或者将生产环节转移至成本更低的地区、退出市场和撤资、直接选择不进入等策略来使生产利润最大化。而微观企业的跨区域转移、退出以及新企业的进入很可能影响一个地区的制造业发展，并导致不同地区制造业相对份额发生变动，进而引发制造业区域转移。基于此，本文提出如下假设：

假设1：劳动力成本上升会加速制造业转移。

（二）劳动力成本和机器自动化的交互作用对制造业转移的影响效应

随着以工业机器人为代表的新一代人工智能技术的较快发展，工业智能化生产对于经济的促增效果日益明显［19］。相关研究指出，人工智能技术可以通过改变要素投入结构、促进资本积累、提高全要素生产率等渠道有效缓解老龄化带来的劳动力市场冲击，拉动经济增长［20］。随着中国东部、中部以及东北等地区工业机器人产业逐渐完善，工业机器人对于这些具有自动化技术比较优势地区的经济增长具有明显的促进作用［21］。此外，人工智能和自动化技术还能够克服“鲍莫尔病”，保持制造业在GDP 中占有较高的比重以及制造业工人能够获得较高的劳动回报率［22］。除了对经济增长的促进作用外，机器自动化生产降低了产品在发达经济体的人工成本，导致过去的离岸生产重新回流，根据有关研究的最新估计，如果制造业中每100 名工人增加一个机器人，就会导致制造业产业回流活动增加3.5%［23］。因此，工业机器人使用也被发达国家视为企业回流的重要途径［12］。

工业机器人能够大规模替代人力实现自动化生产，在缓解劳动力短缺造成的“用工荒”“用工贵”等难题中发挥了较大作用，是劳动成本高的地区继续留住制造业企业、避免产业空心化的重要方式。然而，不同行业的机器自动化水平存在差异①IFR 公布的数据显示：2014 年中国机器人安装量主要集中在汽车、电子电气、橡胶塑料、金属制品业、食品饮料加工制造业、通用及专用设备制造业等行业。程虹等根据2015、2016 和2018 年CEES 数据，发现中国的机器人使用主要集中于汽车制造业，电气机械和器材制造业，计算机、通信和其他电子设备制造业，专用设备制造业和通用设备制造业等五大行业［24］。，对劳动力成本上升的反应可能不同，导致传统制造业产业梯度转移趋势发生异质性变化。综合上述分析，本文提出如下假设：

假设2：劳动力成本上升对制造业转移的影响呈非对称性，由于机器自动化有助于缓解制造业企业受到的劳动力成本压力，机器自动化水平高的制造业产业转移压力相对较小。

（三）劳动力成本和机器自动化对制造业转移的作用机制

前文提到，劳动力成本对制造业转移的作用机制包括影响企业搬迁、退出和进入行为三个方面，其中加速制造业企业退出市场是劳动力成本产业转移效应的重要微观渠道之一。已有研究指出，劳动力要素成本上升削弱了企业利润空间，进而影响了企业的生存能力［25］。也有研究发现，制造业外资企业容易因最低工资的提高而退出市场［26］。企业退出市场意味着当地制造业企业数量减少，从而引发制造业份额下降。工业机器人的使用则有利于制造业企业调整生产要素的投入结构来缓解人工成本上涨对生产经营的负向冲击，进而降低其退出市场的概率。

生产率是反映一个国家经济发展质量的重要指标，也是企业在市场竞争中获得竞争力的关键因素。工业机器人具有生产自动化、智能化的优势，已被较多文献验证可以有效推动制造业全要素生产率的提高。例如，基于跨国面板数据的研究发现，工业机器人能够显著提高一个国家的全要素生产率和劳动生产率［11］。基于中国的微观经验证据表明，机器人的使用能够促进企业扩大产出规模和优化产品质量，提高企业生产率［27］。生产率越高的企业往往越不容易退出市场，因而机器自动化对生产率的提升作用可以弥补劳动力成本高的劣势，降低制造业产业转移的风险。基于上述分析，本文提出如下假设：

假设3：劳动力成本上升会增加制造业企业退出市场的概率，而机器自动化技术的使用有助于抵消劳动力成本上升带来的负面影响，降低企业退出概率，从而减少制造业产业转移的风险。

假设4：机器自动化技术能够有效提高企业劳动生产率、扩大生产规模，进而缓解制造业企业转移的风险。

二、模型设定、变量与数据说明

（一）计量模型的设定

考虑到以往研究多基于地区层面数据对劳动力成本和制造业整体转移之间的关系进行分析，但是未能充分考虑制造业的空间转移具有行业异质性［16］，而实际上不同行业要素组成不同、对劳动力成本的反应也有差异，制造业整体层面的数据可能会掩盖不同要素密集度制造业行业层面的效应。因此，本文基于制造业城市—行业层面数据来分析劳动力成本和机器自动化对产业转移的影响，设定如下计量模型：

其中，下标i 代表行业，j 代表城市，t 为年份。被解释变量Industry_ratioijt表示城市j 行业i 在t 年的就业量占全国行业i 就业总量的比重，即城市制造业行业i 的份额。核心解释变量lnmwagejt表示城市j 在t 年的月最低工资金额取对数，lnExposure_Robotit表示行业i 的机器自动化水平。Xijt表示控制变量合集，uj表示控制城市固定效应，jt表示控制城市—年份固定效应，即控制所有城市层面特征对制造业转移的影响；θit表示控制行业—年份固定效应，即控制所有行业层面特征对制造业转移的影响；εijt是扰动项。当模型同时控制城市—年份固定效应和行业—年份固定效应时，最低工资项以及其他城市控制变量会被自动吸收，同时也无须再控制城市固定效应。

（二）变量说明

1.被解释变量

城市制造业行业份额（Industry_ratio）。制造业份额变动体现了制造业的相对产业转移，本文参照以往文献使用城市制造业行业就业在全国制造业行业总体就业中占比的变化来反映城市制造业转移情况①一方面，地区某个制造业行业的就业人数占全国该行业就业人数比重变化，说明该地区这一行业的相对规模发生变化，出现了产业相对转入或转出。另一方面，在中国工业企业数据库中，企业的从业人员数是记录最为完整的指标，能够构建城市行业层面制造业份额的其他指标（包括企业销售产值、工业总产值）在不同年份存在缺失无法统计的现象。在稳健性分析中，本文分别使用地区制造业行业的企业数目比重、销售产值比重、工业总产值比重对回归结果作稳健性检验。。具体而言，Industry_ratio 为城市单个制造业行业的从业人员数占全国该制造业行业的从业人员数的比重。

2.主要解释变量

最低工资（lnmwage）。劳动力要素成本的增加削弱了制造业尤其是劳动密集型制造业的竞争优势，促使其向更具优势的地区转移［13］。本文选择使用城市最低工资标准来衡量劳动力成本的变化。一方面，最低工资标准上涨引致的劳动力成本上升给制造业企业带来负向的竞争冲击；另一方面，最低工资标准更多与当地政府行政决策有关，而政策因素（如法律法规、工会等）带来的劳动力成本上升是脱离劳动边际报酬的外生增加［18］。因此，利用最低工资标准上涨的外生冲击能够准确考察劳动力成本与产业转移之间的因果关系。

机器自动化水平（lnExposure_Robot）。借鉴Acemoglu&Restrepo［10］、王永钦和董雯［28］的做法，采用行业层面的机器人渗透度（机器人安装密度）衡量行业的机器自动化水平，具体计算方式如下：

其中，下标i 代表行业，t 和T 为年份。Robotit为t 年中国行业i 的机器人应用水平，行业机器人数据来自国际机器人联盟数据库，单位为台。employi，T为基准年份T（这里T 指1998、1999、2000 年，T0 指的是1998 年，T1 指的是2000 年）制造业行业i 的就业人数，单位为万人。

3.控制变量

控制变量Xijt合集包括：（1）城市人均GDP（lnpgdp），使用城市GDP 除以全市年末户籍人口后取对数来表示；（2）人口增长率（popu_grow），使用全市户籍人口自然增长率来表示，单位为‰；（3）职工平均工资（lncity_wage），采用全市职工平均工资取对数来表示；（4）城市价格指数（price_index），采用城市所在省份年消费者价格指数来表示，单位为%；（5）从业人员人均赡养人数（support_burden），使用城市年末户籍人口数与年末单位从业人员的比值来表示，数值越大说明该地区劳动力抚养负担越重。对于这些变量的控制有助于本文更好地估计最低工资上涨对制造业转移的影响。一方面，这些变量是最低工资标准制定的重要依据，影响城市月最低工资标准的调整；另一方面，城市人均GDP、职工平均工资水平所代表的城市经济发展状况，人口增长率、从业人员人均赡养人数所体现的劳动力丰裕程度，城市价格指数所反映的生活成本变化与消费信心，均会影响企业的经营决策和区位选择［18］。此外，本文还控制了制造业行业占当地制造业的比重（Indusprop）。城市某一个行业比重越高，说明该行业在该城市越具有发展优势，集聚效应更强，更少可能外迁，因而Induspropijt越大越可能导致j 城市的i 行业在全国同一行业占比越高。同时，单个行业在本地占比越高，该行业提供的就业岗位相对较多，可能会影响劳动力成本上涨趋势。

4.数据说明

本文主要使用了1999—2014 年地级市最低工资数据以及中国工业企业数据库、国际机器人联盟（IFR）数据库、《中国城市统计年鉴》等的匹配数据。数据选择的时间段主要依据各数据库所处时间范围。比如，在基准模型中关键指标制造业行业份额来自中国工业企业数据库，该数据库可获得数据的时间范围是1998—2014 年，机器自动化指标来源于IFR 数据，该数据库时间范围是1999—2019 年，因而基准模型样本时间范围是1999—2014 年。此外，以1998 年为基期，本文利用各省份居民价格指数将所有名义变量换算为实际变量，从而消除通货膨胀因素对估计的干扰。主要变量的数据来源和描述性统计见表1（下页）。

表1 主要变量的数据来源和描述性统计

三、实证研究结果与分析

（一）基准回归结果

基准模型的回归结果如表2 所示。其中，列（1）和列（2）未加入机器自动化和最低工资的交互项，lnmwagejt的系数在1%的置信水平上显著为负，可以认为劳动力成本上升会加速城市制造业转移，降低本地制造业行业份额，假设1 得到验证。加入交互项后，方程的估计结果见列（3）—（5），lnmwagejt的系数γ1依旧显著为负，而交互项的系数显著为正。从列（5）的回归结果来看，在控制了城市—年份固定效应和行业—年份固定效应后，交互项系数γ2的绝对值为0.207，在1%的置信水平上显著为正，其含义为：在同一最低工资水平下，机器自动化有助于制造业行业增加产业份额，减少产业转移，即在一定的最低工资标准下，机器自动化缓解了劳动力成本对本地制造业发展的不利影响，假设2 得以验证。以上结果表明，最低工资上涨推动了劳动力成本上升，降低了企业的盈利空间，促使制造业企业将生产活动迁移至其他地区，而机器自动化可以减小企业生产用工依赖，降低人工成本，缓解制造业企业的转移外迁压力。

表2 最低工资、机器自动化对于制造业产业转移的影响

（二）异质性分析

不同地区城市制度要素、对外开放程度、劳动力市场结构等存在较大差异，这不仅会影响最低工资标准的制定、制造业产业结构变迁，而且可能会影响机器自动化在产业转移中所发挥的作用。因此，本文继续研究地区差异如何影响制造业转移机制。

第一，城市制度性因素。经济开放程度或政策干预程度等制度环境对于产业变迁具有重要影响［5］。一个地区国有企业资产占比越高，政府主导力量就会越强、市场化力量就会相对较弱。而国有制造业企业是否采用机器自动化技术来缓解人工成本压力具有不确定性：一方面，国有企业肩负稳就业的目标，使用“机器换人”方案替换企业搬迁方案可能更加困难；另一方面，国有企业由于易获得政府补贴和信贷优惠，从而在价格昂贵的机器人使用方面更有资金优势［29］。借鉴既有文献的做法［3］，本文采用制造业国有资产占全部资产的份额表示城市市场化程度的制度变量，国有企业资产占比越大说明制度性因素越高。利用2004 年第一次全国经济普查企业微观数据，获得城市层面国有企业、国有联营企业和国有独资公司资产份额占制造业总资产的比重，并以制造业国有资产份额的中位数和均值作为划分依据进行分组，回归结果见表3 的Panel A。

表3 异质性分析回归结果

第二，贸易开放度。贸易和技术变革具有密切联系，对制造业就业结构会产生影响［10］，例如有研究发现，贸易竞争会引致相关企业进行技术升级、提高全要素生产率、降低低技能劳动者雇用比例，且劳动力资源会被配置到具有技术优势的企业［30］。借鉴既有文献对贸易开放度的衡量方法［31］，根据2003—2008 年城市进出口贸易总额占城市GDP 的比重，本文划分了进出口占比高的城市和进出口占比低的城市。此外，本文还计算出了2003—2008 年中国地级市进出口实际贸易额均值，再根据进出口贸易均值划分出高、低贸易开放度城市，回归结果见表3 的Panel B。

第三，城市人力资本状况。机器自动化对劳动者素质提出了更高的要求，因而除劳动力成本外，人力资本丰富的地区能够吸引更多的产业转移。孙早和侯玉琳基于省级数据研究发现，工业智能化和人力资本的有效匹配推动了东南沿海地区先进装备制造业的智能化升级［32］。借鉴孔高文等对城市人力资本的衡量方式［33］，根据2000年第五次人口普查中各地级市平均受教育年限以及六岁以上人口中每万人大学生数量，本文将研究样本分别划分为人力资本水平较高地区和较低地区，回归结果见表3 的Panel C。

表3 的Panel A 结果显示，机器自动化和最低工资的交互项系数在国有资产份额较低的地区显著为正，且系数远大于在国有资产份额较高的地区，这表明当一个城市产业更多由政府主导时，机器自动化对产业转移的缓解效应明显减弱。Panel B 结果显示，相较于贸易开放度低的城市，在贸易开放度高的城市机器自动化更能发挥出稳定制造业的作用；Panel C 结果显示，只有在整体受教育水平高的地区以及大学生人力资本高的地区，机器自动化才会对劳动力成本引致的产业外迁产生显著的抑制效应，在整体受教育水平低、高级人力资本薄弱的地区，这种效应并不明显。

（三）稳健性检验

为了进一步确认上述研究结论的可靠性，本文采取了五种方法进行稳健性检验。第一，替换最低工资冲击指标。参照既有文献的做法，将原劳动和保障部2004 年施行的《最低工资规定》作为准自然实验［16］，构建三重差分模型来更为严谨地探讨机器自动化是否缓解了劳动力成本上升引致的制造业转移。借助2000 年第五次全国人口普查中的各城市居住在本地的户籍人数和人口总数数据，根据样本中的本地户籍人口比重的中位数，本文将高于中位数的组作为政策的处理组，将低于中位数的组作为政策的对照组。借鉴Graetz&Michaels 的做法［11］，构建机器自动化倾向变量（replaceabilityi），即基于以往年份各行业机器人使用密度的情况定义自动化倾向，若行业属于高自动化倾向行业，replaceabilityi为1，否则为0。回归结果见表4 的列（1）。可以发现，三次交互项系数在1%的水平上显著为正，说明相较于低自动化水平，最低工资政策对高自动化水平的行业冲击更小，与基准回归结果一致。第二，替换机器自动化指标。定义新的机器自动化指标为行业机器人应用水平与地区机器人应用水平的交互项［33］，行业机器人使用密度或者城市进口机器人密度越大，说明该城市这一行业机器人自动化水平越高。回归结果见表4 的列（2），机器自动化与最低工资交互项的系数显著为正，再次验证了工业机器人的应用能够缓解最低工资对制造业产业的不利影响。第三，替换被解释变量。分别使用规模以上企业数目份额、销售产值份额、工业总产值份额作为被解释变量。模型估计结果如表4 列（3）—（5）所示，交互项均显著为正，与基准模型的回归结果一致。第四，更换数据库。利用天眼查企业数据中的企业地址、所属行业及成立日期等信息，构建1999—2019 年中国各城市各制造业行业当年新增企业数量，将城市各制造业行业新增企业数占全国该制造业行业新增企业总数的比重、城市各制造业行业新增企业数的对数作为被解释变量。回归结果如表4 列（6）和（7）所示，机器自动化与最低工资交互项的系数显著为正，基准结果依旧成立。第五，采用工具变量法，进行两阶段最小二乘回归估计来进一步克服反向因果引起的内生性问题①遗漏变量和逆向因果问题可能使制造业产业转移对最低工资和机器自动化的交互项回归估计有偏。。借鉴相关文献的做法［28］，采用美国工业机器人行业数据构造中国行业机器自动化指标的工具变量。美国工业机器人应用水平处于全球领先地位，其发展趋势能够反映该行业的技术进步趋势，美国机器人安装密度增加会推动中国同一行业工业机器人的应用，从而满足工具变量的相关性条件，且美国的机器人安装情况不会直接影响中国产业区域转移，满足了工具变量的外生性条件。回归结果见表5 列（1）、（2）。此外，本文使用省域内其他城市平均最低工资作为最低工资的工具变量。同一省份其他城市最低工资水平越高，越能促进地级市政府选择较高一档的最低工资水平，而其他城市的最低工资水平决策不受本地制造业情况的影响，满足工具变量的相关性和外生性条件。回归结果见表5 列（3）、（4）。最后，采用最低工资和机器自动化变量的滞后一期作为工具变量。回归结果见表5 列（5）、（6）。工具变量的选择均通过了识别不足检验和弱工具变量检验，确认了工具变量的有效性。由表5 的回归结果可以看出，最低工资对制造业产业份额的回归系数显著为负，最低工资和机器自动化交互作用对制造业产业份额回归系数显著为正，且数值基本合理，说明本文的回归结果是稳健的。

表4 稳健性分析回归结果：替换关键指标

四、传导机制分析：基于企业微观层面的经验证据

（一）劳动力成本、机器自动化与企业退出

劳动力成本影响制造业份额的一个重要微观渠道是影响制造业企业的退出，而工业机器人的使用能够促使制造业企业调整投入要素的结构，降低人工成本上涨对生产经营的负向冲击，因而机器自动化可能会降低制造业企业退出市场的概率。这里重点研究劳动力成本上升和机器自动化是否会影响企业退出市场决策，尝试为最低工资上升和工业机器人的使用对制造业转移的微观作用机制提供经验证据。借鉴李磊等［34］、熊瑞祥等［26］的做法，设定如下回归模型：

其中，下标i 代表行业，j 代表城市，f 代表企业，t 为年份。被解释变量Exitijft表示t 年城市j 行业i 中企业f 的退出状态①企业退出是指工业企业在调查时间范围内退出中国工业企业数据库后不再进入该数据库，即企业在第t 年存在，而第t + 1 年不在中国工业企业数据库内，且此后一直不在数据库中。具体做法和李磊等［34］的做法一致。。lnmwagejt和lnExposure_Robotit与模型（1）一致。Zijft表示与企业退出相关的企业层面控制变量合集②包括企业规模、企业平均工资、企业年龄、是否出口、资本密集度。，Xjt表示与企业退出有关的城市层面的控制变量合集③包括城市人均GDP、城市总人口规模、第三产业比重、外商直接投资、工业总产值。，λf代表企业固定效应，uj代表控制了城市固定效应，θit代表控制了行业—年份固定效应，εijft是扰动项。采用线性概率模型对模型（3）进行回归分析。

模型（3）的回归结果见表6。其中，列（1）呈现了只控制个体、城市、行业—年份固定效应后最低工资变化对企业退出的影响效应：最低工资标准每上升10%，制造业企业退出概率平均增加0.72%，略低于李磊等［34］估计最低工资对外资制造业企业退出的影响系数（他们估计会增加0.74%的退出概率）；列（2）—（4）的回归结果显示，最低工资标准系数显著为正，且交互项系数依旧在1%的水平下显著为负，体现了最低工资标准上升对企业存续的负向影响以及工业自动化能够缓解最低工资引致的成本冲击的结论是十分稳健的。这表明劳动力成本上升是企业退出市场的重要外部因素，缺乏人力成本优势可能导致城市经历更大的制造业企业流失率，而机器自动化技术的使用有助于减轻企业用工压力，帮助企业实现更长久的经营，假设3 得证。

表6 劳动力成本、机器自动化与企业退出的回归结果

（二）机器自动化的生产率机制检验

企业级的机器人使用证据能够更加精确地解释自动化技术如何影响企业生产率和生产经营情况［35］。因此，本文使用企业层面机器人使用数据来分析机器自动化是否可以通过提升企业生产率水平来避免企业外迁。为了更好地分析机器人应用对企业生产率的影响以及缓解进口机器人企业占比低导致的数据稀疏问题，本文首先采用倾向得分匹配（PSM）的方法，将进口过工业机器人的企业和从未进口工业机器人的企业进行匹配。选择影响机器人引进的相关变量包括企业年龄、资本—劳动比率、员工雇用规模作为匹配变量，采用Probit 估计和最近邻匹配算法，进行匹配比例分别为一比一、一比二的分年份、分行业样本匹配。在匹配样本的基础上，采用双重差分（DID）的方法估计工业机器人的使用对企业生产率的平均处理效应①限于篇幅，使用PSM 匹配后的样本分布情况以及DID估计平行趋势检验结果未予报告。。与此同时，企业投资是企业转移的重要指标。若企业在某个地区投资越多、迁移成本越高，外迁的可能性就越低［36］。因此，本文利用企业固定资产投资来讨论工业机器人使用对企业生产率的影响以及对企业迁移的影响。具体的中介效应模型设定如下：

其中，Yfijt为企业固定投资的对数。lntfpfijt为中介变量企业全要素生产率，运用LP 法测算得到②在计算企业全要素生产率时，需要企业从业人员数、工业增加值、中间投入、固定资产等关键指标，其中工业增加值、中间投入变量只能在2007 年及之前的工业企业数据中获得。考虑到工业企业变量的可获得性，本文与大多数研究一样［27］，选择1999—2007 年的制造业企业数据作为本部分企业层面研究的主要数据。机器人进口的数据来自海关数据库，该数据库最早可获得时间是2000 年，因而样本区间设为2000—2007 年。。robot_usef是用来区分处理组和对照组的二元变量，如果样本为进口过机器人的企业，则为1，否则为0。timet是时间虚拟变量，首次进口工业机器人的年份之后为1，其余情况为0。Zft为企业层面控制变量，包括资本密集度、负债比例、公司年龄以及是否出口。

中介效应模型的回归结果见表7（下页）。 列（1）和（2）结果显示，机器人应用显著提高了企业的全要素生产率，与李磊等［35］的研究结果一致，其含义为：相较于未使用机器人的企业，引进了工业机器人可以使企业的生产率提升1.61%～1.92%（e0.016-1≈1.61%，e0.019-1≈1.92%）；列（3）、（4）回归结果显示了不加入全要素生产率时引进工业机器人对企业固定投资影响的总效应；列（5）、（6）为同时加入机器人和全要素生产率的模型估计结果，发现企业应用机器人后会显著提升全要素生产率水平，进而促进企业进行更多的固定资产投资。因此，本文认为工业机器人的生产率效应是推动企业提高投资积极性、抑制企业外迁的重要机制，由此验证了假设4。

表7 工业机器人生产率机制检验实证结果

（三）进一步讨论

工业机器人的使用除了可以促进企业全要素生产率的提升外，还可能影响企业在其他方面的行为表现。本文对企业是否引进工业机器人与企业工业总产值、工业增加值、中间品投入、雇用人员总数、员工总工资以及员工平均工资之间的关系进行讨论，回归结果如表8（下页）所示。可以看出，工业机器人的使用不仅扩大了劳动力生产要素与资本生产要素投入规模，而且有效提升了产出水平，且产出效应更具优势，因而提升了企业全要素生产率水平。该结果亦从企业微观层面验证了工业机器人属于生产率推动型技术进步，这种自动化新兴技术的应用对于稳定制造业份额、提高企业发展质量具有正向影响。

表8 工业机器人使用对企业绩效的影响

五、研究结论与政策建议

本文利用中国工业企业数据、IFR 数据、地级市最低工资数据，从城市和企业两个层面实证检验了劳动力成本上升和机器自动化对制造业转移的影响。研究发现：第一，最低工资标准上升显著降低了城市制造业产业份额，加速了制造业转移，但机器自动化能够缓解最低工资标准上升对制造业产业的不利影响，减少制造业转移。第二，机器自动化对制造业成本承压转移的缓解效应在制度性约束低、贸易开放度高、人力资本水平高的地区更为明显。第三，从企业层面来看，最低工资标准上升增加了制造业企业的退出风险，而机器自动化技术的使用有助于抵消劳动力成本上升对制造业企业生产经营的负面冲击，降低企业退出概率。第四，相较于其他企业，引进工业机器人的企业劳动生产率出现明显提升，且工业机器人的生产率效应是推动企业扩大生产规模、提高投资积极性、抑制企业外迁的重要机制。

基于上述结论，提出如下政策建议：

第一，及时关注用工成本对企业生产经营的影响，制定合理的最低工资政策和高效的产业政策，积极引导当地传统产业升级或转移，激发经济发展潜力。最低工资标准具有双重作用，既可能淘汰落后产业、促进产业升级，又可能引起大规模制造业转移，本文的研究表明最低工资标准上升会导致制造业向外转移。因此，在人口红利消退、劳动力成本上升的背景下，各地政府要充分考虑用工成本因素对本地经济发展、产业结构带来的影响并制定相应政策，如东部沿海地区应顺应产业转型升级的要求，适当提高最低工资标准，推动产业转移实现“腾笼换鸟”，同时加大技术创新力度，发展资本和技术更加密集的高端制造业；劳动力充足的中西部地区应适当降低最低工资标准的调整幅度，与东部地区保持在合理差距范围内，以维持劳动力比较优势，做好产业转移承接准备，实现与东部地区协调、联动发展，保持制造业产业链的完整性。

第二，加大智能化产业政策支持，做好自动化技术布局规划，加强关键技术研发和培育智能装备产业，以保持中国工业生产优势和推动产业高质量发展。研究发现，机器自动化技术的发展和使用能够改变制造业产业单向梯度转移的趋势，进而重塑制造业分布格局，其具体作用机制为，机器自动化技术能够减少劳动力要素的投入、提高劳动生产率、扩大企业投资规模、改善企业经营状况。为此，各地政府应高度重视人工智能技术使用，出台优惠和补贴政策，鼓励企业尽早投资自动化设备进行智能化转型，通过智能制造找到制造业转型升级的突破口，培育经济增长新动能。

第三，完善工业机器人等人工智能技术人才培养体系，为智能制造发展提供人才支撑。研究表明，相较于人力资本低的地区，机器自动化技术稳定制造业产业的效应在人力资本高的地区更强，这意味着工业机器人应用对于工人素质具有较高要求，机器人主要替代了低技能工人而增加了中高技能工人需求。因此，政府应加大自动化水平人才培养力度，优化创新型教育和培训体系，让劳动者能够更好、更快速地适应工业机器人参与的生产环境，缓解人才结构性短缺问题，提高劳动力结构与自动化技术的适配度。