勞動保護與工業機器人使用*
——基于《勞動合同法》的準實驗

趙 城 熊瑞祥

一、引言

近年來，我國全面實施就業優先戰略，密集出臺并完善了一系列關于勞動者權益保障的法律法規，勞動保護得以不斷強化，從而有效地保障了高質量充分就業，也極大地體現了“以人民為中心” 的發展思想。然而，從企業視角來看，政府強化勞動保護會提高勞動力的相對價格，增加企業的生產成本，從而加速勞動密集度較低的資本要素投入。尤其是，以工業機器人①根據國際機器人聯合會(IFR)的定義，工業機器人具有以下特征:可自動控制；可重復編程；具有三軸或多軸、多用途機械手；用于工業自動化領域，可以在執行組裝、焊接等活動時最大限度地減少人為錯誤，并降低產品質量差異。為核心的智能制造正在引領新一輪科技革命和產業變革，不僅為我國的產業轉型升級帶來了新機遇，也在全世界范圍內掀起了“機器換人” 的熱潮。這意味著，勞動力成本上漲幅度超過一定范圍之后，企業會使用工業機器人來大量替代勞動力(Acemoglu 和Restrepo，2022b；Fan 等，2021；綦建紅和付晶晶，2021)，從而可能帶來失業隱患(Acemoglu 和Restrepo，2020；王永欽和董雯，2020)，并加劇收入不平等(Acemoglu 和Restrepo，2022a；周廣肅和丁相元，2022)，損害部分勞動者的利益?！笆奈濉?規劃指出，要“加強勞動者權益保障，健全勞動合同制度和勞動關系協調機制”。二十大報告也強調，要“健全勞動法律法規，完善勞動關系協商協調機制”。鑒于此，探究勞動保護與企業使用工業機器人之間的因果關系，有利于全面評估勞動保障體系的經濟影響，為我國在經濟高質量發展過程中實現高質量充分就業提供重要的研究支撐。

作為世界人口第一大國，中國的“人口紅利” 支撐了過去四十余年間的經濟增長。但隨著勞動力成本的持續上升和城市部門勞動力供應量的放緩，中國的工業機器人消費呈現出高速增長態勢。截至2021 年，中國已經連續八年成為全球工業機器人的最大消費國，全國范圍內運作的工業機器人數量達到94.3 萬臺，應用領域覆蓋了汽車、電子等60個行業大類、168 個行業中類。①“我國穩居全球第一大工業機器人市場”，《人民日報》，2022 年9 月8 日，第7 版，http://paper.people.com.cn/rmrb/html/2022-09/08/nw.D110000renmrb_20220908_3-07.htm。然而，中國企業在勞動力投入和大規模使用工業機器人之間進行“權衡取舍” 的動因是什么呢? 圖1 展示了2001—2018 年間中國、美國、德國和日本這四個經濟體的制造業工業機器人使用數量的變動趨勢?？梢钥闯?，在2008 年前，中國的工業機器人使用數量相對較低且變動幅度較小，但從2008—2009 年開始迅速上升。通過梳理該時期的重要制度改革，本文推斷，上述變化可能與2008 年開始實施的《中華人民共和國勞動合同法》(以下簡稱《勞動合同法》)這一勞動力市場制度的外生變化相關，因為勞動保護的加強可能會激勵企業使用工業機器人。

鑒于此，本文基于2004—2012 年中國工業企業數據庫與中國海關數據庫的匹配數據，以2008 年《勞動合同法》的實施作為準實驗，利用雙重差分法估計勞動保護對中國企業使用工業機器人的影響和作用機制。估計結果顯示，勞動保護會顯著增加企業使用的工業機器人數量。這一結論在更換主要變量衡量方式、考慮樣本選擇偏差以及排除其他干擾因素之后依然穩健。機制檢驗表明，勞動保護主要通過提高勞動力直接成本和勞動力調整成本來促進企業使用工業機器人。企業層面的異質性檢驗結果表明，這一促進作用對于規模較大、工作任務程序化程度較高和對勞動力成本變動較為敏感的企業更大；地區層面的異質性檢驗結果表明，這一促進作用在勞動力成本較高、法律制度環境較好、勞動者維權意識較強的地區更強。此外，拓展性分析還表明，在樣本期內，工業機器人的使用最終會提高企業的勞動力需求和平均工資。上述結論對中國通過強化勞動保護來實現高質量發展和高質量充分就業具有一定的現實意義。

本文的邊際貢獻主要體現在:首先，使用微觀企業數據考察了勞動保護對中國企業使用工業機器人的影響，這不僅豐富了勞動保護效果評估的文獻內容，也拓展了企業使用工業機器人動因的相關研究。事實上，目前文獻中對于勞動保護能否促進企業使用工業機器人尚無定論。一方面，從要素替代視角來看，勞動保護的強化會提高勞動力市場的摩擦，增加勞動力成本，從而加速企業“機器換人” 進程(劉媛媛和劉斌，2014)；尤其是相比一般資本品，工業機器人幾乎是勞動力的“完美替代品” (Fornino 和Manera，2022)，因此使用工業機器人是企業應對勞動保護強化的理性之舉。然而，另一方面，從預防性儲蓄動機視角來看，嚴格的勞動保護可能提高企業的經營杠桿，并增加企業因違反勞動法規而面臨法律訴訟的風險，這意味著企業可能更傾向于持有現金而非增加機器人投資(Bai 等，2020；Cui 等，2018)。由此可見，勞動保護對企業使用工業機器人的凈影響有待嚴謹的因果推斷，而本文利用來自中國的經驗證據對該問題進行了針對性的補充。其次，本文基于2008 年中國《勞動合同法》實施的準實驗和不同城市與行業間勞動保護強度的差異，利用雙重差分法系統評估了勞動保護對企業使用工業機器人的因果影響，較好地處理了內生性問題。盡管既有研究發現勞動力成本上升會顯著促進工業機器人使用(Acemoglu 和Restrepo，2022b；Fan 等，2021)，但這些研究主要利用老齡化程度、最低工資等連續變量來反映勞動力成本，無法捕捉勞動力市場制度的突然變化所引發的外生沖擊對企業使用工業機器人的影響。最后，本文從企業勞動力直接成本和調整成本視角刻畫了勞動保護影響企業使用工業機器人的內在機理，并基于企業規模、工作任務程序化程度以及對勞動力成本變動的敏感性等方面的差異，考察了勞動保護影響企業使用工業機器人的異質性效應，從而為理解中國企業使用工業機器人的激勵與約束提供了直接的微觀經驗證據。

二、文獻述評和研究假說

(一)文獻述評

1.勞動保護與企業行為

通常，勞動力和資本是兩種可在一定程度上相互替代的生產要素。因此，勞動保護提高勞動力成本會使得企業有激勵增加資本投資，從而實現要素最優配置(Li 等，2022)。具體而言，一方面，勞動保護會增加與勞動力相關的成本，包括勞動報酬、各類保險以及員工福利等，這會直接提高勞動力要素的相對價格，促使企業增加資本投資。另一方面，嚴格的勞動保護會限制企業解除工人勞動合同的能力，提高企業因違反勞動法規而面臨行政處罰甚至法律訴訟的風險，同時降低企業隨經濟環境變動而調整勞動力規模的靈活性，從而加劇勞動力市場的摩擦(Cui 等，2018)，提高企業的勞動力調整成本，鼓勵企業投資勞動密集度更低的實物資本(Autor 等，2007)。

然而，勞動保護也可能會抑制企業投資。由于勞動力市場存在各種摩擦，故勞動保護可能會誘發員工的“敲竹杠” 行為(hold-up problems)和偷懶效應(lethargy effect)，并強化投資不可逆性(Dessaint 等，2017)，從而降低企業的投資意愿。為了應對潛在的勞動糾紛和財務困境，企業的預防性儲蓄動機也會增強，會更傾向于持有現金而非增加投資 (Bai 等，2020；Cui 等，2018)。此外，勞動保護還會降低企業的舉債能力(Serfling，2016；Simintzi 等，2015)，從而制約資本投資。

與此同時，一些研究還發現勞動保護對企業創新具有顯著的促進作用。一方面，勞動保護為企業員工提供了不被任意解雇的可信承諾，這會對員工在長期增加專用型人力資本投資形成激勵，從而促進企業創新(Acharya 等，2014)。另一方面，根據誘致性技術變遷理論，勞動力成本提高可以使得企業有充足的激勵調整生產流程和方法，并增加勞動力節約型技術應用，故勞動保護的強化也會促進企業流程創新(Bena 等，2021)。Dessaint 等(2017)的經驗研究發現，盡管勞動保護顯著降低了企業的投資水平，但提高了研發支出規模；來自中國的證據也發現，2008 年《勞動合同法》的實施顯著提高了企業的創新數量和創新質量(李建強和趙西亮，2020)。

2.勞動力市場與企業工業機器人使用

工業機器人能夠在一系列可自動化的任務中替代大量的勞動力，降低工人在工作過程中潛在的事故風險(Gihleb 等，2022)，并提高企業的勞動生產率和附加值(Acemoglu和Restrepo，2020)。因此，越來越多的企業正在實施“機器換人” 策略，這對勞動力市場形成了明顯的沖擊。一方面，工業機器人的使用會形成“替代效應” (displacement effect)，降低企業的勞動力需求和勞動收入份額，從而可能導致失業問題(Acemoglu 和Restrepo，2020；王永欽和董雯，2020)。另一方面，工業機器人的使用也能夠通過“生產率效應” (productivity effect)引致企業勞動力需求擴張，從而增加就業(Bessen 等，2020；Dixon 等，2021；李磊等，2021)。與此同時，勞動力市場也會影響企業的工業機器人使用決策。Acemoglu 和Restrepo (2022b)發現，人口老齡化程度加深會導致用工短缺和勞動力成本上升，繼而加速工業機器人的使用。Fan 等(2021)、綦建紅和付晶晶(2021)也發現，隨著最低工資的提高，中國企業使用工業機器人的概率和規模均顯著上升。進一步地，勞動保護會提高與勞動力相關的直接成本與調整成本，從而也可能激勵企業使用工業機器人，但目前針對該問題的研究相對缺乏。與本文研究最接近的文獻中，Acemoglu 和Restrepo (2022b)發現，工會化程度和勞動保護強化可以提高勞動力成本，從而促進工業機器人使用。Presidente (2017)和Belloc 等(2020)發現，解雇監管和雇員代表①雇員代表(employee representation)包括工會、工作委員會或其他特定的雇員代表機構，是一種勞動力友好型機構。等不同形式的勞動保護均與自動化技術的采用正相關。然而，Traverso 等(2022)得出的結論截然相反，他們認為勞動保護會提高調整成本，繼而抑制工業機器人的使用。

可以看出，既有文獻分別探討了勞動保護與企業投資，以及勞動力市場與工業機器人使用等問題，也有少數研究將不同形式的勞動保護與工業機器人使用結合起來，并得出了差異化的結論。這些差異可能主要來自兩個方面，一是利用最低工資、工會密度等連續變量展開研究，未能捕捉到勞動力市場制度發生突然變化而引起的外生沖擊對企業使用工業機器人的影響；二是主要研究集中在國家層面或行業層面，忽視了一國或某一行業內部無法觀察到的企業特征差異。因此，準確評估勞動保護影響企業的工業機器人使用策略既需要一個合適的外生政策沖擊，也需要微觀層面的大樣本數據。鑒于此，本文首先基于既有文獻，分析勞動保護影響企業使用工業機器人的理論邏輯，然后進行嚴謹的因果識別。

(二)研究假說

假設在一個無摩擦的勞動力市場中，企業可以選擇雇用工人或外購工業機器人來完成特定的生產任務。工業機器人在執行程序化的常規任務方面具有比較優勢，并且在這些任務中與工人之間存在替代關系，但使用工業機器人需要支付改造生產線帶來的改造成本、工業機器人安裝費用(固定成本)和長期的維護成本(可變成本)。工人的工資(包括福利支出)是企業主要的生產成本，在不存在勞動保護(或勞動保護強度較低)時，企業雇用和解雇工人比購買和安裝工業機器人更容易(Fornino 和Manera，2022)。企業在生產活動中選擇雇用工人或使用工業機器人的決策取決于二者的相對成本。在不存在勞動保護(或勞動保護強度較低)時，企業可以根據邊際收益和邊際成本對等的原則，雇用邊際生產率更高的工人，并自由地調整勞動力雇傭規模，以適應市場需求的變化，從而實現利潤最大化(Presidente，2017)。在這種情形下，企業往往傾向于雇用相對成本較低的工人開展生產活動?！秳趧雍贤ā返膶嵤┦沟脛趧颖Ｗo強度提高后，一方面，企業需要支付給工人的工資水平上升，從而會降低勞動力相對于工業機器人的成本優勢；而相比之下，工業機器人被視為特定任務集合中勞動力的替代品(Berg 等，2018)，能夠自動化、高精度、可持續地完成重復性的生產任務，這可以在一定程度上促進企業動態地調整投入要素組合，從而降低生產成本。另一方面，勞動保護也會提高企業解雇勞動力的成本(例如企業解雇員工時需支付數倍于工資的賠償費用)，而企業使用工業機器人不僅不存在潛在的解雇成本，還可以提高其勞動生產率并降低邊際成本(綦建紅和張志彤，2022)。因此，隨著勞動保護的不斷強化，企業有激勵通過投資工業機器人來抵消用工成本不斷上升的負面沖擊，實現利潤最大化。據此，本文提出以下假說。

假說1:勞動保護會促進企業使用工業機器人。①需要強調的是，在此過程中，企業使用工業機器人并不必然減少(甚至可能增加)勞動力的需求，這主要取決于工業機器人使用所帶來的替代效應(減少就業)和產出效應(增加就業)這兩種相互抵消的作用力的大小。

假說2:勞動保護會通過提高勞動力直接成本促進企業使用工業機器人。

進一步地，相對于工業機器人，勞動力還具有就業靈活的比較優勢(Fornino 和Manera，2022)。在經濟面臨不確定性沖擊的情況下，只要勞動合同足夠靈活，企業就可以相機抉擇，通過在經濟繁榮時期雇用工人，并在經濟低迷時期大規模解雇工人來迅速應對潛在沖擊。然而，嚴格的勞動保護使得勞動力市場不再是無摩擦的，由此降低了員工就業的靈活性，并限制了企業雇用和解雇工人以調整生產規模的能力。最終，勞動力成本更加固定，企業面臨不斷增加的勞動力調整成本，從而會抑制勞動力相對于工業機器人的比較優勢，促進企業使用工業機器人(Fornino 和Manera，2022)。此外，勞動保護也能夠提高工人的議價能力，從而可能導致嚴重的“委托—代理” 問題，引發員工的偷懶行為和“敲竹杠” 行為，即通過重新談判來提高工資待遇與就業條件，這會進一步增加企業的代理成本和勞動力調整成本，降低其長期盈利能力。相比之下，工業機器人的使用不受勞動保護法規的限制，其具有高度自動化、可重復編程等特點，只需要極少數勞動力進行操作，也不存在信息不對稱問題(Dixon 等，2021)，這會充分降低員工議價能力提升和機會主義行為對企業靈活調整就業規模的限制，因此企業也會更愿意使用工業機器人。據此，本文提出假說3。

假說3:勞動保護會通過提高勞動力調整成本促進企業使用工業機器人。

此外，考慮到工業機器人的安裝需要支付巨大的固定成本和資金投入(Fan 等，2021)，同時企業對勞動力成本變動的敏感程度存在差異，因此勞動保護對企業使用工業機器人的促進作用可能存在異質性效應。首先，企業使用工業機器人時需要權衡固定成本和可變成本。大企業往往擁有充裕的資金，在固定成本分攤方面具有比較優勢，且更容易通過安裝工業機器人形成規模經濟效應(綦建紅和付晶晶，2021)。與此同時，大企業的員工規模通常較大，使用工業機器人更有利于抵消勞動力成本上升對其利潤的侵蝕。因此，勞動保護對大企業使用工業機器人的促進作用相對更大。其次，工作任務程序化程度較高的工人主要從事重復性高且簡單、常規的工作，技能可替代性強，企業與之簽訂勞動合同的激勵相應較弱。然而，勞動保護的強化使得企業在雇用和解雇低技能員工時面臨更高的成本，而為了使低技能員工能夠適應不同的生產任務，企業還需要增加額外的崗位培訓成本。相較之下，工業機器人與低技能員工的技能具有完美的替代性。因此，勞動保護對工作任務程序化程度較高的企業使用工業機器人的激勵效應相對更強。最后，當企業對勞動力成本變動較為敏感時，加強勞動保護會額外增加其用工成本和經營不確定性，而工業機器人可以克服勞動法規和勞動力市場的剛性限制，從而促進企業穩定經營和靈活調整。因此，勞動保護強化會促使對勞動力成本變動較為敏感的企業相對較多地使用工業機器人。據此，本文提出假說4。

假說4:當企業規模較大、工作任務程序化程度較高以及對勞動力成本變動較敏感時，勞動保護對其使用工業機器人的促進效應更大。

三、制度背景、模型設定與數據說明

(一)制度背景

1986 年，我國首次引入了勞動合同，其主要目標之一是打破“鐵飯碗” 制度。為了規范雇傭關系，1995 年我國頒布并實施了第一部正式的勞動法——《中華人民共和國勞動法》(以下簡稱《勞動法》)，對勞動合同、工資待遇最低標準、社會保險和福利以及勞動爭議的解決方式做出了詳細規定。然而，《勞動法》的主要目標是提高國有企業的效率，且沒有明確規定勞動雙方在勞動爭議過程中的懲罰措施，因此執行范圍和執行力度相對有限。21 世紀初，隨著經濟發展水平的提高和用工成本的上漲，企業任意降低員工工資、解雇員工等行為屢見不鮮(熊瑞祥和萬倩，2022)，且勞動雙方的勞動合同簽訂率較低，致使勞動者在權益遭受損害時無法獲得有效的法律保障和救濟渠道，這形成了對經濟和社會的協調可持續發展的隱患，也推動了勞動合同制度立法的進程。①“ 《勞動合同法》立法的背后”，中國人大網，2007 年7 月10 日，http://www.npc.gov.cn/zgrdw/npc/xinwen/lfgz/lfdt/2007-07/10/content_368699.htm。為了完善勞動合同制度、切實保護勞動者的合法權益，2007 年6 月，中華人民共和國全國人民代表大會常務委員會(以下簡稱“全國人大常委會”)審議通過了《勞動合同法》，并于2008 年1 月1 日起正式實施?！秳趧雍贤ā肪蛣趧雍贤挠喠?、履行、變更、解除和終止進行了明確的規定，并對集體合同、勞務派遣、非全日制用工等用工形式的薪酬進行了詳細說明。

與1995 年實施的《勞動法》相比，《勞動合同法》在勞動保護方面做出了以下三個方面的改進。第一，《勞動合同法》特別強調工人的基本權利，要求企業在“用工之日”起就與工人建立勞動關系，訂立書面勞動合同，從而直接提高了企業的勞動力成本，限制了其任意解雇員工的能力。第二，《勞動合同法》對勞動合同的期限和試用期進行了明確的規定。例如，同一企業與同一勞動者只能約定一次試用期，勞動合同期限不滿三個月不得約定試用期，勞動者在企業連續工作滿十年或者訂立二次勞動合同，則應當訂立無固定期限勞動合同等。因此，企業不能通過任意延長試用期或頻繁辭退員工來降低勞動力成本。第三，《勞動合同法》明確規定了對企業勞動合同違法行為的法律責任，并要求違反義務的企業向合法權利受到侵犯的工人支付經濟補償，由此也提高了工人監督企業遵守法規的激勵。

不僅如此，《勞動合同法》的執行力度比我國之前出臺的一系列勞動法律法規都更加嚴格，為保障勞動者合法權益提供了更多法律支持，故立法效果顯著。根據全國人大常委會執法檢查組的調研結果，截至2010 年底，全國規模以上企業勞動合同簽訂率達到97%；Li 和Freeman (2015)基于珠江三角洲的調查也發現，《勞動合同法》的實施使得農民工的勞動合同簽訂率從2006 年的42.76%上升到2009 年的62.76%。①尹蔚民:“全國規模以上企業勞動合同簽訂率達97%”，中央政府門戶網站，2010 年12 月30 日，https://www.gov.cn/govweb/jrzg/2010-12/30/content_1775943.htm。此外，《勞動合同法》的實施由全國人大常委會決定，任何企業都無法單獨影響這一進程，故該法律的出臺對企業而言是外生的。正因為如此，《勞動合同法》也被視為一個研究中國勞動力市場改革問題的準實驗(Cui 等，2018；Li 等，2022)。

(二)模型設定

為了考察勞動保護對企業使用工業機器人的影響，本文基于《勞動合同法》實施的準實驗設定如下雙重差分模型:

其中，被解釋變量Robotit表示企業i在第t年的工業機器人使用數量。既有研究主要利用兩種方式來衡量企業的工業機器人使用水平，一是利用IFR 提供的工業機器人安裝數據(王永欽和董雯，2020)。然而，該數據僅提供2 位數行業層面的信息，直接用來代理企業的工業機器人使用數量會面臨較大的測量誤差。二是使用中國海關數據庫中的工業機器人進口數量來衡量(Fan 等，2021；綦建紅和付晶晶，2021)。鑒于數據可得性和研究目的，本文基于HS 8 產品代碼提取了企業的工業機器人進口數量。同時，考慮到樣本中有大量的企業未進口過工業機器人，因此本文參考Liu 和Qiu (2016)關于專利數量的度量方法，以企業工業機器人進口數量的反雙曲正弦值來衡量。②計算公式為Robotit ＝log (r＋，其中r 為企業工業機器人進口數量。本文的核心解釋變量Contractcs是一個用于衡量勞動保護強度的連續變量，用2005 年企業i所處城市c行業s中未簽訂勞動合同工人在全部工人中的占比來衡量③該變量可由2005 年全國1%人口抽樣調查數據中的相關變量計算得到。，其經濟學邏輯是:相比未簽訂勞動合同工人占比低的城市和行業(對照組)，未簽訂勞動合同工人占比高的城市和行業(處理組)受《勞動合同法》的影響程度更高；這一思路與Topalova (2010)在研究不同地區的貿易自由化暴露程度(exposure)對當地勞動力市場影響的做法相似。并且，由于使用的數據早于《勞動合同法》實施的2008 年，故該變量可以被視為相對外生。Postt表示《勞動合同法》實施年份的虛擬變量，當t大于或等于2008 時取1，否則取0。因此，β1為本文主要關注的勞動保護對企業使用工業機器人的影響系數；根據假說1，預期其為正。

Zict表示一系列可能影響企業工業機器人使用的控制變量，具體包括:地區經濟發展水平(GDP_per)，用城市人均GDP 的自然對數來衡量；地區人口規模(Pop)，用城市年末總人口數的自然對數來衡量；地區產業結構(Ind)，用城市第二產業增加值在GDP中的比重來衡量?？紤]到2008 年金融危機對我國企業的生產和投資行為造成了負面沖擊，可能會對企業的工業機器人使用數量產生消極影響；與此同時，既有文獻發現，金融危機對出口企業(外銷企業)的影響更加顯著，而對非出口企業(內銷企業)的影響較小(李建強和趙西亮，2020)。鑒于此，本文控制了企業在《勞動合同法》實施前(事前)的出口狀態變量(Export)與Post的交互項來排除金融危機的影響。其中，Export為一個虛擬變量，當企業在2004—2007 年間的出口交貨值大于0 時取1，否則取0。為了進一步排除企業層面固有的工業自動化技術使用趨勢對估計結果的潛在干擾，本文還參考Cao 和Chen (2022)的研究，控制了企業事前使用工業機器人數量的增速與年份固定效應的交互項。①考慮到企業規模等特征可能會同時受到《勞動合同法》實施以及企業工業機器人使用的影響，從而導致“壞控制” (bad control)問題(Angrist 和Pischke，2009)，故本文參考Fan 等(2021)的做法，在基準回歸中未加入其他隨時間變動的企業控制變量。λi表示企業固定效應，用于控制不隨時間變動的企業特征對其使用工業機器人的影響。λpt表示省份—年份固定效應，用于控制省份層面隨時間變動的不可觀測因素對企業使用工業機器人的影響，例如區域重大戰略、勞動力稟賦、工資水平、人口流動等。λst表示2 位數行業—年份固定效應，用于控制行業層面隨時間變化的不可觀測因素對估計結果的潛在干擾，例如國家層面在不同年份實施的產業政策、行業競爭程度、工會化趨勢、需求沖擊等。需要說明的是，同時控制省份—年份固定效應和2 位數行業—年份固定效應的另一個考慮是為了排除我國在2008 年底開始推行的“四萬億計劃” 的影響。該計劃主要在地區層面與行業層面展開，提供了一攬子刺激方案，由此促進了企業開展大規模逆周期投資(鐘寧樺等，2021)，這可能會激勵企業使用工業機器人。②具體舉措包括制定十大產業振興規劃、加大地區基礎設施建設投資等。εit為隨機擾動項，由于核心解釋變量《勞動合同法》的政策沖擊差異主要體現在城市—行業之間，而同一城市同一行業中不同企業的隨機擾動項可能相關，故本文將標準誤聚類在城市—2 位數行業層面(Bertrand 等，2004)。

表1 展示了本文主要變量的描述性統計分析。其中，企業的工業機器人使用數量均值約為0.02，標準差約為1.33，表明企業之間的工業機器人使用水平存在較大差異。同時，約有57.6%的工人未簽訂勞動合同，標準差為0.22，表明不同城市和行業間的初始勞動保護強度也存在較大差異。

表1 變量的描述統計

(三)數據說明

本文使用的數據有三個主要來源。第一，中國工業企業數據庫(以下簡稱“工企數據庫”)，該數據庫的統計對象為我國全部規模以上工業企業，主要提供企業基本信息和財務信息，例如企業名稱、法人代碼、資產總額、員工人數和出口交貨值等。本文參照寇宗來和劉學悅(2020)的做法，依次利用法人代碼、企業名稱等信息將歷年工企數據匹配形成面板數據，然后又剔除年銷售額在500 萬元以下、員工人數少于8 人、流動資產高于總資產、固定資產高于總資產，以及年銷售額、員工人數或總資產等主要數據缺失的企業樣本。

第二，中國海關數據庫(以下簡稱“海關數據庫”)，該數據庫主要提供企業進出口信息，例如企業名稱、HS 8 產品代碼、交易數量和交易金額等。本文使用HS 8 產品代碼提取出企業層面的工業機器人進口數據，以衡量其工業機器人使用數量。①包括多功能工業機器人 (84795010)、其他未列名工業機器人 (84795090)、噴涂機器人(84248920)、搬運機器人(84289040)、集成電路工廠專用的自動搬運機器人(84864031)、電阻焊接機器人(85152120)、電弧焊接機器人(85153120)和激光焊接機器人(85158010)等。其中的邏輯在于，我國在2013 年之前超過80%的工業機器人都是從國外進口的，因此采用海關數據庫中的進口工業機器人數量來度量我國企業的工業機器人使用數量較為準確。同時，為了避免2012 年之后出臺和實施的《關于推進工業機器人產業發展的指導意見》、“十三五” 規劃、“中國制造2025” 等其他可能導致工業機器人進口份額變化的政策沖擊的影響，本文還借鑒Fan 等(2021)的做法，僅使用2012 年前的工業機器人進口數據展開經驗分析。②因篇幅所限，本文省略了使用2012 年前海關進口工業機器人數據的合理性分析，感興趣的讀者可在《經濟科學》官網論文頁面“附錄與擴展” 中下載。盡管如此，以進口工業機器人數量來衡量機器人使用水平依然會忽略本土品牌的工業機器人數量，從而可能導致系數被低估(綦建紅和付晶晶，2021)。因此，本文基準回歸的估計值可以理解為勞動保護影響企業使用工業機器人的下限。最后，為了確保數據中企業進口工業機器人不是出于銷售或其他非自用目的，本文還刪除了外貿企業和機器人制造商的樣本。參考Ahn 等(2011)的研究，外貿企業為名稱中包括“進口”、“出口” 或“貿易” 等關鍵詞的企業；機器人制造商為經營范圍中包含“機器人”和“生產” (或“制造”、“加工”)等關鍵詞的企業。

第三，2005 年全國1%人口抽樣調查數據庫，該數據庫調查范圍為2004 年11 月1 日至2005 年10 月31 日間全國各縣(市、區)約1 705 萬人(占全國總人口的1.31%)，主要包括住戶基本信息、工作狀態、簽訂勞動合同情況等信息。本文分別將未簽訂勞動合同的就業人數和全部就業人數加總到城市—行業層面，然后以未簽訂合同就業人數占總就業人數的比重來反映不同城市—行業間勞動保護強度的差異，該比值越大意味著某一城市的某一行業中未簽訂勞動合同的員工比例越高，其受《勞動合同法》的潛在影響越大。此外，本文使用的其他城市層面和省級層面的指標主要來自《中國城市統計年鑒》、《中國統計年鑒》、《中國勞動統計年鑒》以及中國研究數據服務平臺(CNRDS)等，個別年份的缺失值利用地方政府工作報告、省級統計年鑒以及線性插值法進行補齊。

在此基礎上，本文首先使用企業名稱將工業機器人進口數據與工企數據進行匹配，然后利用城市名稱將微觀企業數據與城市數據進行匹配。與此同時，本文還剔除了在2008 年《勞動合同法》頒布前退出和實施后進入的企業。最終，我們得到2004—2012年制造業企業樣本，包括220 947 家企業的1 326 552 個觀測值。

四、實證結果分析

(一)基準分析

表2 為基準回歸結果。第(1)列僅加入核心解釋變量Contract×Post，并控制了企業固定效應和年份固定效應；第(2)列在第(1)列的基礎上加入省份—年份固定效應、行業—年份固定效應以及企業事前工業機器人使用數量的增速與年份固定效應的交互項；第(3)列在第(2)列的基礎上加入了城市層面的控制變量；第(4)列進一步加入了企業事前出口狀態Export與Post的交互項。各列的結果顯示，Contract×Post的估計系數均在5%的顯著性水平上為正，表明2005 年企業所在城市和行業未簽訂勞動合同工人占全部工人的比例越高，《勞動合同法》帶來的勞動保護程度提高對該城市—行業中的企業影響越大，因而這些企業更傾向于使用工業機器人，即勞動保護的強化顯著提高了企業使用工業機器人的數量，假說1 得到驗證。從控制最為嚴格的第(4)列可知，本文關心系數的估計值約0.006。而樣本期內城市—行業層面未簽訂勞動合同工人占比均值為57.6%，這意味著《勞動合同法》的實施會使得城市—行業層面未簽訂勞動合同工人占比處在均值(57.6%)的企業，相比城市—行業層面未簽訂勞動合同工人占比為0 的企業，使用工業機器人的數量增加約0.35% (≈0.006×0.576)。同時，在樣本期內，企業使用工業機器人數量的年平均增長率約為7.33%，0.35%與7.33%的比例約為4.8%，其經濟意義顯著性較為合理。

表2 基準回歸結果

(二)事前同趨勢假設檢驗與《勞動合同法》的動態影響

雙重差分方法的關鍵假設是平行趨勢:政策發生之后，處理組如果不接受處理時的變化趨勢(即處理組的“反事實”)，則應該與同一時期對照組的變化趨勢相同(Angrist 和Pischke，2009)。但現實中我們無法觀察到，政策發生之后，處理組未接受處理時的變化趨勢，故不能直接檢驗平行趨勢。按照Angrist 和Pischke (2009)的做法，本文通過檢驗政策發生之前，處理組與對照組是否遵循相同的時間趨勢(即事前同趨勢)來間接地驗證平行趨勢假設是否成立。具體地，本文利用如下式所示的事件分析法回歸方程進行檢驗:

其中，當年份為t時，Yeart取值為1，否則為0；其余變量的取值情況與式(1)相同。本文選取《勞動合同法》實施的前一期2007 年作為基準，故交互項Contractcs×Yeart的估計系數，例如β2004(β2008)，表示:在2004 年至《勞動合同法》出臺前1 年(后1年)間，勞動保護強度較低的城市和行業中企業使用工業機器人水平的變化，與同一時期勞動保護強度較高的城市和行業中企業使用工業機器人水平的變化之間，是否存在顯著差異。由于《勞動合同法》在2008 年1 月1 日才開始正式實施，故本文推斷，β2004應該在統計學意義上不顯著；反之，如果β2004顯著為正(負)，則意味著在《勞動合同法》實施之前，相比勞動保護強度較高的城市和行業，勞動保護強度較低的城市和行業中企業的工業機器人使用水平已經呈現出更高(低)的增長趨勢，即基準模型中勞動保護對企業使用工業機器人的正向影響可能被高(低)估。

圖2 展示的估計系數表明，在2008 年之前，βt的大小接近于0 且均在統計上不顯著，表明在《勞動合同法》實施之前，勞動保護強度較高的城市和行業與勞動保護強度較低的城市和行業中企業的工業機器人使用數量沒有顯著差異，即事前同趨勢假設成立，這一發現同熊瑞祥和萬倩(2022)在研究勞動保護對私營企業出口的經濟影響時沒有發現預期效應一致。同時，在2008 年之后，βt顯著大于0 且其影響在2009 年及之后年份基本保持穩定，表明《勞動合同法》的實施對企業使用工業機器人產生了持續的正向影響。

圖2 事前同趨勢檢驗與《勞動合同法》的動態效果

(三)穩健性檢驗①穩健性檢驗的具體內容和估計結果請見《經濟科學》官網“附錄與擴展” 中第二部分。

第一，安慰劑檢驗。為了排除不可觀測且隨時間變動的城市—行業層面遺漏變量的影響，本文通過隨機生成“虛假” 的處理狀態變量來開展安慰劑檢驗。結果發現，“虛假” 的平均效應系數呈正態分布且均值接近于0，小于“真實” 的估計值0.006 (見表2第(4)列)，本文的結論穩健。第二，更換主要變量的衡量方式。一方面，本文使用企業工業機器人進口數量加1 取自然對數和企業當年是否使用工業機器人虛擬變量作為被解釋變量進行回歸；另一方面，本文還基于Contract的中位數生成是否高勞動保護強度城市—行業虛擬變量進行回歸，同時也分別在城市內部不同行業層面重新計算勞動保護強度進行回歸。第三，更換樣本范圍，本文分別使用平衡面板、剔除《勞動合同法》實施前工業機器人使用數量排名前十位的行業樣本以及年銷售收入大于2 000 萬元的企業樣本進行回歸。第四，更換標準誤聚類層級。為了排除不同城市或行業中企業隨機擾動項的序列相關性問題，本文分別將標準誤聚類在城市層面和2 位數行業層面進行回歸。第五，排除其他干擾因素，包括金融危機、“四萬億計劃”、本地勞動力市場特征(低技能勞動力流動狀況、勞動力成本和勞動保障水平)、事前企業規模以及“兩稅合一” 政策的影響。上述檢驗的結果發現，核心解釋變量的估計系數均顯著為正，從而證明了本文研究結論的可靠性和穩健性。

五、機制檢驗

根據假說2 和假說3，勞動保護強化會提高勞動力直接成本和勞動力調整成本，從而促進企業使用工業機器人，本部分將依次驗證這兩個機制是否成立。

(一)勞動力直接成本機制

勞動保護會增加勞動報酬、員工福利等與勞動力相關的直接成本，提高勞動力相對價格和企業的生產成本，從而激勵企業使用工業機器人。本文設定如下所示的回歸方程來檢驗這一機制:

其中，Yit表示企業的勞動力成本，本文使用兩種方式來衡量:一是以企業應付工資總額與勞動力數量之比計算人均勞動力成本(Laborcost)；二是以企業應付工資總額與應付福利費總額之和來衡量廣義的勞動力成本，然后將其除以勞動力數量計算廣義的人均勞動力成本(Laborcost_gen)?；貧w結果如表3 第(1)列和第(2)列所示，可以看出，交互項的估計系數均顯著為正，表明相比勞動保護強度較高的城市和行業，《勞動合同法》的實施提高了勞動保護強度較低的城市和行業中企業的人均勞動力成本。與此同時，本文還將企業應付工資總額以及廣義勞動力成本分別除以增加值，生成勞動收入份額(Laborshare)和廣義的勞動收入份額(Laborshare_gen)來進行穩健性檢驗，結果如表3第(3)列至第(4)列所示，交互項的估計系數同樣顯著為正。①由于2009—2012 年工企數據庫中的應付福利費總額數據存在缺失，以此計算的廣義勞動力成本缺失了一些觀測值。以上結果共同表明，勞動保護可以通過增加勞動力直接成本渠道促進企業使用工業機器人，假說2 得到驗證。

表3 機制檢驗:勞動力直接成本

(二)勞動力調整成本機制

相比工業機器人，勞動力的比較優勢在于更加靈活，這使得企業在面對不確定性時能夠通過迅速雇用或解雇員工來調整生產規模。然而，勞動保護的強化使得勞動力市場不再是無摩擦的，由此提高了企業的勞動力調整成本，降低了企業的經營靈活性，從而激勵其使用工業機器人。由于無法直接衡量企業的勞動力調整成本，故本文從如下兩個方面來間接驗證這一機制。第一，就業不確定性較強的企業往往需要頻繁地雇用或解雇勞動力，而如果工業機器人使用數量增加是企業難以調整勞動力規模所致，則應該能夠觀察到在《勞動合同法》實施之后，就業不確定性較高的企業會相對增加工業機器人的使用。根據這一思路，本文設定如下所示的三重差分模型進行檢驗:

其中，ΔLs表示企業所在行業的就業波動率，本文參考Presidente (2017)的做法，以2004—2007 年2 位數行業就業增長率的標準差來衡量，該值越大意味著在《勞動合同法》實施前，行業的就業不確定性越高；其余變量的含義與式(1)一致?；貧w結果如表4 第(1)列所示，三乘交互項的估計系數顯著為正，表明勞動保護導致就業不確定性更高的企業使用了相對更多的工業機器人，即勞動保護通過提高企業的勞動力調整成本來激勵其自動化轉型，這一發現與Presidente (2017)的研究結論一致。

表4 機制檢驗:勞動力調整成本

第二，本文還采用另外一種方式來檢驗上述機制。根據Serfling (2016)的研究，勞動保護會使勞動力成本更加固定，繼而降低企業的經營彈性和利潤。企業銷售收入的單位變動會引發收益較大幅度的變動，表明其經營靈活性較小、調整成本較高。據此，本文通過檢驗勞動保護是否顯著提高了企業的利潤變動相對銷售收入變動的彈性來進行驗證，模型設定如下:

其中，ΔProfitit和ΔSaleit分別表示企業利潤總額和銷售收入取自然對數后的變動量，其余變量的含義與式(1)一致?；貧w結果如表4 第(2)列所示，ΔSale與三乘交互項的估計系數均顯著為正，表明在《勞動合同法》實施之前，企業銷售收入下降1%能夠導致利潤下降1.08%；但在《勞動合同法》實施之后，企業銷售收入下降1%能夠導致利潤下降1.26%，利潤變動相對銷售收入變動的彈性提高了16.7% (0.18/1.08)，這一比例與Serfling (2016)的結果相似。①Serfling (2016)發現勞動保護法規的實施導致利潤變動相對于銷售收入的變動提高了15.4%。綜合以上分析可知，勞動保護降低了企業的經營靈活性，通過增加勞動力調整成本來促進企業使用工業機器人，假說3得到驗證。

六、異質性檢驗和拓展性分析

前文主要估計了勞動保護對企業使用工業機器人的平均影響，本部分將進一步基于企業和地區層面的特征，利用三重差分法進行異質性檢驗，以展現中國企業使用工業機器人的約束與激勵。

(一)企業異質性

根據假說4，當企業規模較大、工作任務程序化程度較高以及對勞動力成本變動較敏感時，勞動保護對其使用工業機器人的促進效應更大，本文將使用三重差分法對該假說進行檢驗。首先，在表5 第(1)列中，本文將是否為大企業虛擬變量Large與Contract×Post的交互項代入式(1)進行回歸。結果發現，三乘交互項的估計系數顯著為正，表明相比小企業，勞動保護對大企業使用工業機器人的激勵作用更強。其次，由于工企數據庫中缺乏企業層面的工作任務程序化程度數據，故本文利用2 位數行業的常規性程度進行代理，該值越大意味著行業內企業的工作任務越容易被工業機器人替代。在此基礎上，本文根據中位數生成高任務程序化行業虛擬變量Routine，并將其與Contract×Post的交互項代入式(1)進行回歸。結果如表5 第(2)列所示，三乘交互項的估計系數顯著為正，表明相比任務程序化程度較低的行業，勞動保護對任務程序化程度較高行業使用工業機器人的促進效應更強。最后，本文使用兩種方式來衡量企業對勞動成本變動的敏感程度。一方面，國有企業在經濟發展中承擔著穩定就業的社會責任(王永欽和董雯，2020)，對勞動力成本變化的反應相對不敏感，因此其在面對勞動保護強化時也不會大規模地使用工業機器人。據此，本文在表5 第(3)列中加入了是否為國有企業虛擬變量Soe與Contract×Post的交互項進行回歸。結果顯示，三乘交互項的系數顯著為負，表明相比非國有企業，勞動保護對國有企業使用工業機器人的促進作用更小。另一方面，與生產成本相關的競爭優勢是企業參與國際競爭的重要條件，故出口企業往往對勞動力成本變動的反應更敏感。這意味著，相比非出口企業，出口企業更有動力通過使用工業機器人來抵消勞動力成本上漲的影響(Koch 等，2021)。鑒于此，本文在表5 第(4)列中加入了是否出口企業虛擬變量Export與Contract×Post的交互項進行回歸。結果顯示，三乘交互項的估計系數顯著為正，由此支持了上述觀點。綜上所述，假說4 得到驗證。

表5 企業層面的異質性

(二)地區異質性①地區異質性檢驗的具體內容和估計結果請見《經濟科學》官網“附錄與擴展” 中第三部分。

為了全面展現勞動保護對中國企業使用工業機器人的影響效果，本文進一步從地區勞動力成本、法律制度環境以及勞動者維權意識視角出發，利用三重差分法進行了異質性檢驗。結果發現，當地區勞動力成本較高、法律制度環境較為優良、勞動者維權意識較強時，勞動保護對企業使用工業機器人的促進作用相對更大。

(三)拓展性分析:工業機器人的就業效應②拓展性分析的具體內容和估計結果請見《經濟科學》官網“附錄與擴展” 中第四部分。

本文還借鑒Acemoglu 等(2020)的方法，檢驗了中國情境下企業使用工業機器人的就業和經濟影響。結果發現，使用工業機器人顯著提高了企業的勞動力雇傭數量、平均工資、增加值以及勞動生產率。這意味著，在使用工業機器人后，企業實現了產出規模擴張和生產效率提升，通過生產率效應增加了額外的勞動力需求。這一結論與Bessen 等(2020)、綦建紅和付晶晶(2021)以及李磊等(2021)的研究發現相一致。

七、主要結論與政策建議

近年來，工業機器人興起引致的“機器換人” 現象在全球范圍內日益激烈，厘清這一現象背后的動因，對于我國加快實現高質量發展和高質量充分就業具有重要意義。鑒于此，本文基于2004—2012 年中國工業企業數據和中國海關數據的匹配數據，將2008年《勞動合同法》的實施視為一次外生沖擊，系統考察了勞動保護對中國企業使用工業機器人的影響和作用機制，并得出了以下結論。第一，相比初始勞動保護強度較高的城市和行業，《勞動合同法》的實施顯著提高了勞動保護強度較低的城市和行業中企業的工業機器人的使用數量。第二，機制分析表明，勞動保護主要通過提高勞動力直接成本和勞動力調整成本來促進企業使用工業機器人。第三，企業層面的異質性分析表明，這一促進作用對于規模較大、工作任務程序化程度較高以及對勞動力成本變動較敏感的企業更強；地區層面的異質性分析進一步表明，這一促進作用在勞動力成本較高、法律制度環境較好、勞動者維權意識較高的地區更大。第四，拓展性分析發現，工業機器人的使用通過生產率效應增加了企業的勞動力需求和平均工資。

基于上述結論，本文主要得出以下三個方面的政策建議。首先，勞動保護強化引致的勞動力成本上升促進了企業使用工業機器人，而工業機器人的使用則通過生產率效應提高了整體的就業和工資水平。這意味著，各級政府應強化勞動保護，完善勞動關系協調機制，維護勞動者的合法權益，不斷提高勞動者待遇。同時，應圍繞市場需求和產業基礎，制定工業機器人產業發展規劃，通過專項資金補貼等方式鼓勵制造業企業應用工業機器人以及其他智能制造設備來實現自動化、智能化和數字化轉型。其次，強化人力資本積累，加快發展動能轉換，主要包括:加大教育投入，增加優質在線教育和共享資源供給，優化教育質量，培養知識密集型人才，在全社會范圍內提高人力資本水平，逐步從“人口紅利” 向“人才紅利” 的平滑過渡，由此一方面緩解勞動力成本的持續上升對企業可能帶來的負面沖擊，另一方面強化勞動力相對工業機器人的比較優勢，使二者在技能分工中實現優勢互補。最后，加強職業技能培訓，提高勞動者素質。開展長期職業教育和公益性培訓，培養“大國工匠”，積極引導勞動者適應由工業機器人興起而孕育出來的新工作崗位。針對被機器人等智能制造替代風險較高的就業群體，要加強其在崗、轉崗、脫崗培訓，促進其工作技能和崗位需求結構性匹配，推動工業機器人和勞動力良性競爭，全面實現高質量發展與高質量充分就業雙重目標。

本文還存在一些值得進一步深入研究的地方。例如，如何將多部門、多地區情形納入現有理論框架，并結合結構化估計方法進行一般均衡效應分析，將有利于加深對企業使用工業機器人動因問題的理解。同時，如何系統評估勞動保護和企業“機器換人” 的長期效應與福利效應，及其對小微企業、初創企業的影響，亦有待進一步研究。①特別感謝匿名審稿專家指出本文的這些不足之處。