工业机器人应用与我国地区收入差距——基于地区比较优势视角的研究

Application of Industrial Robots and Regional Income Gap in China—A Study Based on the Perspective of Regional Comparative Advantage

摘要: 基于2006~2021年我国大陆29个省的面板数据，从地区比较优势理论出发，采用双向固定效应模型和分位数回归模型实证研究了工业机器人应用对我国地区收入差距的影响，并对相关影响机制进行探讨。研究结果表明：1) 工业机器人应用整体上缩小了我国地区收入差距。其中，工业机器人应用对地区收入差距的影响呈现出先缩小后扩大的阶段性特征。2) 工业机器人通过削弱高收入地区劳动力和资本比较优势，进而缩小地区收入差距；工业机器人通过增强高收入地区技术比较优势，进而扩大地区收入差距；工业机器人应用对劳动力和资本比较优势的削弱作用超过了其对技术比较优势的增强作用，进而使得整体收入差距缩小。3) 工业机器人应用引起的收入差距缩小作用更多地表现在低经济发展水平、低教育水平和低劳动力水平地区。据此，我们提出了相应的政策建议。

Abstract: Based on the panel data of 29 provinces in China from 2006 to 2021, based on the theory of regional comparative advantage, the bidirectional fixed effect model and quantile regression model were used to empirically study the impact of industrial robot application (ROBOT) on China’s regional income disparities (RID), and the related influencing mechanism was discussed. The study found that: 1) ROBOT can narrow the RID in China as a whole. Among them, the impact of ROBOT on RID shows a phased feature of first narrowing and then expanding. 2) ROBOT can narrow the RID by weakening the comparative advantage of labor and capital in high-income areas; ROBOT can expand the RID by enhancing the technological comparative advantage of high-income areas; ROBOT has weakened the comparative advantage of labor and capital more than it has enhanced the comparative advantage of technology, thus narrowing the overall income gap. 3) The narrowing of the RID caused by the ROBOT is more visible in areas with low economic development level, low education level and low labor level. Accordingly, we put forward corresponding policy recommendations.

1. 引言

共同富裕是社会主义现代化的重要目标，缩小收入差距是实现共同富裕的重要途径。党的二十大报告提出，到2035年，要实现“居民人均可支配收入再上新台阶，中等收入群体比重明显提高，人的全面发展、全体人民共同富裕取得更为明显的实质性进展”。收入差距不仅体现在城乡间收入差距，还表现在地区间收入分配差距。站在全面建设社会主义现代化国家新征程上，必须解决好收入差距、城乡差距、地区差距三大问题，着力促进全体人民共同富裕。我国居民收入差距在2008年之前呈现出逐步扩大的趋势，2008年后呈现出高位波动的态势[1]-[3]。根据国家统计局最新的估计结果显示，2023年全国居民收入差距的基尼系数在0.45左右，我国收入差距在不断缩小，但仍处于较高水平。在经济活动方面，以工业机器人为代表的人工智能技术将影响生产、分配、交换和消费等环节，产生复杂的收入分配效应[4]。一方面，工业机器人的广泛应用可能导致某些传统岗位的自动化和消失，给部分劳动者带来就业压力。另一方面，工业机器人的应用也会创造新的就业机会，需要具备相关技能和知识的劳动者可能享受到收入增长。

工业机器人是人类双手的延伸，在提高生产力和创造就业机会方面颇具潜力。工业机器人可以实现自动化和智能化生产过程，优化资源配置和管理，提高生产效率。因此，企业可以创造更多的价值和利润，这有助于提高雇员的薪资水平，随着工业机器人生产率效应和岗位创造效应的释放，收入差距将逐步缩小[5]。此外，随着新兴行业和创新企业的兴起，工业机器人催生了新的就业机会，促进就业增长和收入分配的均衡。然而，工业机器人应用也可能加剧地区之间的收入不平等现象。首先，工业机器人的广泛应用可能导致传统行业的衰退，许多重复性和机械性的工作可以通过自动化和智能化技术来替代，在没有足够的培训和转岗机会的情况下，低技能劳动者可能面临失业风险，进而加剧地区收入差距[6]。其次，工业机器人的发展可能加剧技术分工的趋势。一些地区可能更容易吸引并发展工业机器人相关的高科技产业和人才集群，从而在创新和高薪领域取得优势，这些地区的居民有可能获得更高的收入和就业机会，进一步拉大与其他地区的收入差距。因此，随着工业机器人的加速渗透发展，如何充分激发工业机器人应用的潜力，缩小地区收入差距，推动共同富裕和区域协调发展，值得深入探讨。

在以工业机器人为核心的新一轮产业数字化转型中，“机器换人”问题不断加剧，工业机器人应用对地区收入差距的影响与地区比较优势密切相关。地区比较优势是指一个地区相对于其他地区在某种资源或技术方面的优势，地区比较优势主要包括劳动力和资本比较优势以及技术比较优势[7]。工业机器人可以提高生产效率和质量，从而优化生产流程和资源利用效率，推动技术的突破和创新，进而增强地区技术比较优势。另外，一些地区在早期依靠廉价劳动力作为生产要素，通过提供低成本的劳动力来推动经济的迅速发展和增长，随着工业机器人的普及和应用，这些地区的低技能劳动力的工作将逐步被替代，其劳动力和资本比较优势也将逐步下降。然而，在智能化技术应用中出现的地区配套要素分布不均的问题是现实存在的。当地区劳动密集型产业进行智能化转型升级时，工业机器人的应用可以为地区带来新的机遇和竞争优势。由于不同地区的资源、技术和市场条件存在差异，它们在应用工业机器人所获得的比较优势也会有所不同。因此，那些能够充分利用工业机器人并拥有相关比较优势的地区可能会迅速增加其经济增长和创造就业机会的能力，从而进一步拉大与其他地区的收入差距。

本文紧扣地区比较优势理论，深入探究了工业机器人应用对地区收入差距的影响，与已有的文献相比，可能的边际贡献在于以下三点：1) 鉴于大数据等新一代信息技术同机器人技术相互融合步伐加快，在中国经济向高质量发展转型、促进共同富裕的时代背景下，本文从加快推动我国工业机器人应用的视角出发，通过理论分析和实证检验对我国工业机器人应用和地区收入差距之间的关系进行了深入探讨。2) 从地区比较优势出发，实证探究了工业机器人应用对地区收入差距的作用机制，进一步扩展和丰富现有研究。3) 从经济发展水平差异、教育水平差异和劳动力水平差异这三个层面出发，研究了工业机器人应用对地区收入差距的影响，所得到的异质性分析结果对工业机器人的发展和应用更加具有支撑作用。

2. 文献梳理和研究假说

(一) 工业机器人应用对地区收入差距的影响

基于人工智能等新兴技术发展起来的工业机器人是技术进步的典型代表[8]，其广泛应用在促进收入增长方面发挥着关键作用[9]。然而，由于鲍莫尔病的负面影响[10]，人与机器竞争引发工资问题[11]，劳动力的技能结构无法适应工业智能发展的需求[12]，工业机器人的应用将加剧地区收入差距扩大。首先，由于低收入地区在初始阶段通常以劳动力密集型产业为主，而高收入地区则更多侧重于资本技术密集型产业，这导致低收入地区难以跟上高收入地区经济结构升级的步伐。其次，随着工业智能的进一步发展，机器在许多工作领域的广泛应用使得一些传统的劳动力岗位受到了冲击。因此，低收入地区的工人面临着就业岗位减少和工资压力增加的问题。另外，高收入地区通常投入更多资源用于教育培训，提高劳动力的技能水平和适应能力，以满足工业智能领域对高技能人才的需求。然而，低收入地区由于资源有限，无法有效培养和吸引高素质的劳动力，从而造成技能结构与工业智能的需求不匹配，进一步拉大了收入差距。

面对工业机器人的替代压力，一些低技能劳动者可能会选择离开本地就业市场，尤其是在劳动力资源富余的高收入地区。正是这部分群体选择外出寻求更好的就业机会，从而加速高收入地区劳动力的外流现象，这种劳动力的大规模流失将对高收入地区的经济进行冲击，抑制经济增长，进而缩小了地区之间的收入差距[13]。在技术比较优势转换的过程中，高收入地区可能由于其先进的技术和创新能力，在工业机器人应用中能够更快地实现生产效率的提高和成本的降低。然而，由于高收入地区基础工资水平相对较高，这使得企业更有动力选择使用工业机器人来替代低技能劳动力，导致劳动力的流失现象。换句话说，在初期阶段，工业机器人的引入可以提高生产效率和产品质量，降低生产成本，从而促进企业盈利和经济增长，这可以带来一定程度上的收入增长，并在一定程度上缩小地区的收入差距。然而，随着工业机器人应用的普及和深入发展，一些低技能劳动者可能会面临失业风险，特别是在一些劳动密集型产业中。当工业机器人能够更广泛地替代低技能劳动力时，这可能导致地区收入差距再度扩大。

综上所述，我们提出研究假说：

H₁₁：工业机器人应用整体上缩小了我国地区收入差距。

H₁₂：工业机器人应用对地区收入差距的影响呈现出先缩小后扩大的阶段性特征。

(二) 工业机器人应用对地区收入差距的影响机制

地区经济发展的关键在于充分发挥比较优势，这意味着根据资源、技术和市场等方面的特点，选择适合自身条件的产业和领域，以实现经济增长和提高收入水平。当地区能够充分利用比较优势，并采取适当的政策措施以减少不平等现象，地区收入差距可能会减小。但如果地区比较优势主要集中在少数地区，而其他地区缺乏机会和资源，那么地区收入差距可能会进一步加大。因此，平衡地区发展、推动包容性增长和减少地区收入差距的政策非常重要。工业机器人的应用可以通过提高生产效率、技能转型以及促进创新等方式，进而减小地区收入差距。鉴于此，本文从劳动力和资本比较优势以及技术比较优势两个方面分析工业机器人应用对地区收入差距的作用机制。

根据新古典增长理论，地区间人均收入增长率的差异所导致的人均收入水平差异，表现为地区差距。资源禀赋的合理利用和开发对于实现可持续发展、缩小地区差距具有重要意义。劳动和资本的相对富余程度在讨论比较优势时需要被充分考虑，通过优化资源配置和促进经济结构的升级，可以实现经济的平衡发展和地区间的均衡[14]。根据索罗–斯旺模型，不同区域拥有不同的人均收入水平是地区之间资本-劳动比率差异的结果[15]，这种差异所形成的地区劳动力和资本比较优势会被工业机器人应用的替代效应所改变，进而影响地区收入差距。工业机器人的替代效应意味着一些传统劳动力可能被机器人所取代，当工业机器人的成本和效率越来越高时，企业可能更倾向于使用机器人来代替部分劳动力，特别是那些低技能需求的岗位[16]。这相比于使用人工劳动力可以降低人力成本，提高了生产的效率和利润率，有助于提升企业的竞争力。然而，工业机器人的使用需要大量的资本投入，这将导致对资本的更高需求，若投入成本超出了企业的承受能力，企业会继续选择使用劳动力。另外，这可能会加剧资本集中的现象，使得经济较为发达的地区更容易受益于工业机器人的应用[17]。

地区经济活动和发展的各个方面相互关联、相互影响，形成一个相互依赖和相互作用的系统。首先，在工业机器人应用的发展前期，为了推动其应用和普及，政府可能会给予企业一定的补贴和支持，以降低其投资成本[18]。然而，补贴对应用工业机器人的企业来说，虽然可以减少其成本压力，但它们仍需承担机器人的购买、安装、维护等费用。因此，在考虑综合收益时，需要将补贴后的机会成本纳入考量。如果扣除了补贴的机会成本后，综合收益骤降，那么地区经济发展可能无法获得预期的增长效果。另外，当一些劳动力在某个职位或行业被机器人取代后，他们可能会被迫接受工资较低、技能要求较低或者不太理想的工作，这种重新分配可能会导致劳动力的能力和潜力无法充分发挥，造成资源错配[19]，最终缩小了地区收入差距。其次，在工业机器人应用导致劳动力失业的情况下，劳动者可能会选择由高收入地区流向低收入地区寻找工作[20]，这有助于缓解低收入地区劳动力和资本比较优势的下降，并潜在地促进地区收入差距的缩小。通过低技能劳动者的流入，低收入地区的劳动密集型产业得到了发展，从而提升了就业和收入水平[21]。同时，由于劳动密集型产业的转移削弱了高收入地区的劳动力和资本比较优势，该地区的劳动密集型产业规模和重要性下降，进而有助于缩小地区收入差距。

综上所述，我们提出研究假说：

H₂₁：基于地区比较优势，工业机器人通过削弱高收入地区劳动力和资本比较优势，进而缩小地区收入差距。

技术比较优势是指一个地区在特定领域或行业中拥有相对先进、高效或创新的技术能力[22]。技术比较优势可以基于多个因素，包括研发投入、技术创新、人才培养、专利保护等。工业机器人在技术研发领域具有巨大的潜力，可以提高效率、降低成本、增加创新，并为知识生产和技术进步做出重要贡献[23]。地区技术比较优势会被工业机器人应用的创造效应所改变，进而影响地区收入差距。一方面，工业机器人的引入和应用可以提高生产效率、降低成本并提高产品质量。由于机器人可以更加高效、准确地完成任务，这将导致原本依靠人力劳动为主的地区失去其比较优势，使得传统劳动密集型产业受到冲击，从而削弱了地区的收入来源。另一方面，依赖于机器人技术的地区可能会因为其技术比较优势而吸引更多的投资和资源，以及高技能的就业机会，进而提高这些地区的收入水平，进一步扩大地区间的收入差距。

由于地区经济发展、人力资本和政策环境都是工业机器人应用的关键要素[24]，只有当这些条件得到充分的完善和支持，工业机器人的创造效应才能最大化地发挥出来，推动经济的可持续发展和地区收入差距的缩小。一方面，相对于低收入地区，高收入地区通常拥有更丰富的就业机会、更高的薪资水平和更好的福利待遇，这将吸引大量高技能劳动者移居到高收入地区，这些高技能劳动者可以为工业机器人的研发、应用和维护提供必要的专业知识和技术支持[25]。另一方面，高收入地区通常拥有更多的资金和资源，可以投入到工业机器人的研发和生产中，这使得高收入地区能够更快地采用和应用工业机器人技术，并在技术创新方面保持先导地位。此外，高收入地区通常拥有更完善的基础设施，如电力供应、网络连接、物流和交通等，这为工业机器人的发展提供了良好的基础条件。同时，高收入地区往往具有更健全的法规和政策环境，为企业创新和投资提供了更多的支持和便利条件，有利的政策环境有助于工业机器人的推广和普及[26]。显然，工业机器人应用所带来的好处并不是均衡分布的，高收入地区通常能更好地利用这些技术红利，进一步增强其竞争力和发展潜力，最终加剧地区收入差距扩大。

H₂₂：基于地区比较优势，工业机器人通过提高高收入地区技术比较优势，进而扩大地区收入差距。

3. 研究设计

(一) 变量选择

1) 被解释变量

地区收入差距($RID$ )。参考李兰冰等的做法[27]，由于在研究期间上海市的人均可支配收入始终居于首位，我们选择上海市为标杆发达地区，采用各地区人均可支配收入与上海市人均可支配收入的比值衡量地区收入差距。当$RID$ 的数值趋近于1时，意味着该地区与上海市人均可支配收入差距越小，即地区收入差距越小。

2) 核心变量

工业机器人应用($ROBOT$ )。机器人的安装密度更能准确地反映工业机器人的实际应用水平[28]。因此，我们采用机器人安装密度的自然对数来衡量工业机器人应用水平，具体公式如下：

$Robo{t}_{it}={\displaystyle \sum _{j=1}^n\frac{Labo{r}_{ijt}}{Labo{r}_{it}}}\cdot \frac{Robo{t}_{jt}}{Labo{r}_{jt}}$ (1)

其中，$Robo{t}_{it}$ 和$Robo{t}_{jt}$ 分别表示$i$ 地区$t$ 年的机器人安装密度和$j$ 行业$t$ 年的工业机器人存量，$Labo{r}_{ijt}$ 、$Labo{r}_{it}$ 和$Labo{r}_{jt}$ 分别表示$i$ 地区$j$ 行业$t$ 年的就业人数、$i$ 地区$t$ 年的就业人数以及$j$ 行业$t$ 年的全国总就业人数，机器人数据来源于国际机器人联合会(IFR)。

3) 控制变量

由于地区收入差距除了会受到工业机器人应用的影响外，还会受到一系列内外部因素的影响。为了更为准确地评估工业机器人应用对地区收入差距的影响，根据已有文献，选取如下可能对地区收入差距影响的控制变量：

金融发展水平($FDL$ )。金融发展水平的地区差异可能是导致不同地区经济增长速度差异的一个重要因素，这种地区差异在经济增长过程中可能会进一步加剧地区收入差距[29]。地区金融发展水平采用金融机构存贷款余额占地区GDP比重来表征。

对外开放程度($OPEN$ )。对外开放对贫困减少和人民收入提高具有明显的正面影响，然而对外开放也可能导致地区收入差距扩大的问题[30]。对外开放程度采用进出口贸易总额占地区GDP比重来表征。

人力资本水平($HC$ )。根据新古典经济增长理论，人力资本是决定经济增长的基础原因之一。由于经济增长是影响收入增长的主要因素，可以推断出人力资本可能会导致地区收入差距形成[31]。我们采用高校在校生人数占地区总人口数比重来表征人力资本水平。

产业结构高级化($AIS$ )。通过实现产业结构高级化，可以吸引劳动力回流到落后地区，加速经济增长的步伐，从而减少地区间的收入差距[32]。产业结构高级化采用第三产业增加值占第二产业增加值的比重来表征。

城镇化水平($URBAN$ )。城镇化进程通常伴随着人口流动、资源配置和经济发展的重新布局，这可能导致一些地区受益更多，而另一些地区则可能面临挑战，这会在一定程度上扩大地区间的收入差距[33]。城镇化水平采用城镇人口数占年末人口数的比重来衡量。

(二) 实证模型构建

为检验工业机器人应用对地区收入差距的影响，设定双向固定效应模型如下：

$RI{D}_{it}={\alpha }_0+{\alpha }_{1}ROBO{T}_{it}+\beta Contro{l}_{it}+{\mu }_i+{\nu }_t+{\epsilon }_{it}$ (2)

其中，$RI{D}_{it}$ 表示$i$ 地区在$t$ 年的地区收入差距，$ROBO{T}_{it}$ 表示地区$i$ 在$t$ 年的人工智能水平，$Contro{l}_{it}={\left(FD{L}_{it},OPE{N}_{it},H{C}_{it},AI{S}_{it},URBA{N}_{it}\right)}^{\prime }$ 为控制变量，$({\alpha }_i,\beta {)}^{\prime }$ 为待估参数向量，${\mu }_i$ 为个体固定效应，${\nu }_t$ 为时间固定效应，${\epsilon }_{it}$ 为随机误差项，$i=1,\cdots ,29$ ，$t=1,\cdots ,16$ 。

(三) 样本选择和数据来源

本文采用2006~2021年中国29个省份(上海市作为参照除外，西藏因数据不全除外)的面板数据进行后续分析，相关数据来源于各期的《中国统计年鉴》《中国劳动统计年鉴》《中国人口和就业统计年鉴》和国家统计局，部分省份的缺失数据通过查阅相应地区的省级统计年鉴予以补充，少量仍然缺失的数据利用线性插值法进行补齐，各个变量的描述性统计如表1。

Table 1. Descriptive statistics of variables

表1. 变量的描述性统计

变量类型	变量	观测数	平均值	标准差	最小值	最大值
被解释变量	RID	464	0.411	0.150	0.204	0.982
解释变量	ROBOT	464	7.567	1.808	2.657	11.875
控制变量	FDL	464	3.101	1.047	1.445	7.578
	OPEN	464	0.258	0.296	0.008	1.698
	HC	464	0.019	0.006	0.006	0.042
	AIS	464	1.104	0.641	0.500	5.297
	URBAN	464	0.552	0.125	0.275	0.875

(四) 典型事实分析

1) 地区收入差距的动态演进分析

为了直观地展示地区收入差距的演变过程，本文绘制了地区收入差距的三维动态核密度图。其中，我们根据各省份样本期内人均可支配收入与样本中位数的关系，将样本划分为高收入地区和低收入地区。从图1(a)可以看出，我国地区收入差距的分布重心不断向右移动，说明地区收入差距整体存在缩小的趋势。其次，地区收入差距分布表现出右拖尾的现象，表明存在收入差距很小的地区。此外，我国地区收入差距在样本期内不只存在一个单峰，说明这段时期我国各地区收入差异较大，存在极化趋势。由此可见，我国地区收入差距呈现缩小态势，但各地区之间的收入差距仍然较大。由图1(b)可以看出，高收入地区收入差距整体存在扩大的趋势，部分地区收入差异较大，存在极化趋势。由图1(c)可以看出，低收入地区的分布曲线不存在明显的拖尾现象，表明低收入地区收入差距较为均衡，不存在收入差距极高或极低的情况。低收入地区的分布曲线从只存在一个平缓的单峰变为陡峭的双峰，反映了低收入地区内部收入差距由小变大。

Figure 1. Three-dimensional kernel density map of regional income gap

图1. 地区收入差距的三维核密度图

本文进一步引入马尔科夫转移概率矩阵[34]，从而分析地区居民可支配收入的内部流动方向及其动态演变特征。其中，I (<25%)、II (25%~50%)、III (50%~75%)、IV (>75%)分别代表地区居民可支配收入低、中低、中高、高水平类型。由表2可知，处于I和IV等级的省份维持原状态的概率分别为78.45%和100%，而处于II和III等级的省份维持原状态的概率分别只有75.86%和76.32%，这表明样本期间地区居民可支配收入的不同等级间较为稳定，且居民可支配收入处于I和IV等级的省份维持原状态的概率相对较高，低收入和高收入趋同俱乐部中省份之间的趋同性更强。由于转移概率矩阵中远离对角线的元素均为零，这表明较低收入地区的居民要想提高收入水平，通常需要先逐步提升到相邻的中等收入水平，然后再向更高收入水平迈进。此外，处于I、II和III等级的省份向上转移一级的概率分别为21.55%、24.14%和23.68%，处于II、III和IV等级的省份向下转移的概率均为0，这表明我国地区居民收入差距呈现缩小趋势，地区低收入类型不断减少，逐渐向中高等收入类型过渡。由此可见，不同收入水平地区面临的挑战各有不同。高收入地区可能面临技术创新和产业升级的挑战，需要进一步提升创新能力和技术竞争力；中等收入地区可能面临结构调整和转型升级的任务，以实现更加可持续和高质量的发展；低收入地区则需要解决基础设施建设、人力资源培养等发展基础问题，为收入增长奠定坚实基础。

Table 2. Markov chain transition probability matrix

表2. 马尔科夫链转移概率矩阵

	I	II	III	IV	样本值
I	0.7845	0.2155	0.0000	0.0000	116
II	0.0000	0.7586	0.2414	0.0000	116
III	0.0000	0.0000	0.7632	0.2368	114
IV	0.0000	0.0000	0.0000	1.0000	89

2) 工业机器人应用的变化趋势

为了展示在不同年份工业机器人的应用水平，图2绘制了2006~2021年全国、低收入地区和高收入地区工业机器人应用水平的均值和变化趋势。由图2可以看出，样本期间全国、低收入地区和高收入地区工业机器人应用水平均呈现上升的趋势。具体表现为，高收入地区的工业机器人应用水平最高，低收入地区的工业机器人应用水平低于全国平均水平。这种差异可能与各地区的经济发展、创新能力和企业资本投入等方面的优势相关。高收入地区通常具有更发达和创新的经济体系，这些地区在教育、科研和技术创新方面投入更多资源，使得其在工业机器人应用方面拥有更高的技术能力和创新实践。相反，低收入地区的经济实力和技术能力的相对薄弱，相关产业缺乏资金和技术支持，限制了其进行工业机器人应用的能力和规模。综上所述，随着工业机器人的加速渗透，如何实现更加均衡的工业机器人应用和发展，并进一步缩小区域收入差距，是推动区域协调发展的重要问题。

Figure 2. Trends in the application level of industrial robots

图2. 工业机器人应用水平变化趋势

4. 回归分析

(一) 基准回归分析

首先，我们分析工业机器人应用对地区收入差距的整体影响。表3列(1)汇报了双向固定效应模型的回归结果。考虑到工业机器人应用可能存在一定的时滞效应，表3列(2)进一步汇报了滞后一期模型下工业机器人应用对地区收入差距的影响作用。列(1)中工业机器人应用的回归系数为0.003，且通过了5%水平的显著性检验。说明工业机器人应用水平的提升在整体上显著缩小了地区收入差距，研究假说H₁₁得到验证。同时，列(2)中滞后一期工业机器人应用的回归系数为0.005，通过了1%水平的显著性检验。因此，依然可以认为工业机器人应用整体缩小了地区收入差距。

然而，过度集聚可能导致资源供需不平衡和资源利用效率下降。当大量企业和工厂聚集在一个区域时，将会出现对土地、劳动力和其他资源的高度竞争，这可能导致地区资源的短缺和资源利用不充分，从而降低了生产效率和经济增长潜力[35] [36]。为了控制可能存在的“拥挤效应”，我们参考唐建荣的方法[37]，利用区位熵测算各省份的产业集聚程度(IA)，并将该变量与核心解释变量的一次项和二次项加入到基准回归模型中。表3列(3)中工业机器人应用一次项和二次项的回归系数分别为0.016和−0.001，且均通过了1%水平的显著性检验。表明工业机器人应用在第一阶段会缩小地区收入差距，而在第二阶段会扩大地区收入差距，研究假说H₁₂得到验证。究其原因，一方面，工业机器人应用在初期阶段主要应用于提高生产效率和创新能力，高收入地区引入工业机器人可以有效提高生产效率，从而使得这些地区的经济活动增加，高技能劳动力工资水平上升，低技能劳动力因被工业机器人替代而流失，劳动力和资本比较优势下降，进而缩小了地区收入差距。另一方面，随着以工业机器人为代表的人工智能技术逐渐普及，它将更加高效地协助劳动者进行各种任务和工作，通过智能机器设备的协同作业，劳动者的工作效率将得到提升。因此，在技术壁垒、就业结构转变和数字鸿沟的影响下，在第二阶段技术先进的地区可能能够更好地适应和利用工业机器人的应用，从而更快地实现经济增长和收入增加。相比之下，技术相对滞后的地区可能无法跟上这种趋势，导致其经济增长缓慢和收入增长有限。

另外，从表3列(1)控制变量的估计结果来看，控制变量中金融发展水平、对外开放、产业结构高级化和城镇化水平的回归系数分别为−0.009、−0.009、0.005和0.497，均通过了显著性检验。表明金融发展和对外开放显著加剧了地区收入差距，而产业结构高级化和城镇化水平的提高对地区收入差距的缓解有着显著的促进作用。究其原因，金融发展和对外开放可以吸引更多的资本集中到经济较为发达和有竞争优势的地区，使得资源和投资不均衡流动，从而导致收入差距扩大；产业结构高级化和城镇化水平能够增强地区竞争力，提升经济发展带动就业能力，从而减少地区间的收入差距。

Table 3. Benchmark regression results

表3. 基准回归结果

变量	(1) RID	(2) RID	(3) RID
ROBOT	0.003^** (2.03)		0.016^*** (4.18)
L.ROBOT		0.005^*** (3.39)
ROBOT^2			−0.001^*** (−3.52)
FDL	−0.009^*** (−5.66)	−0.010^*** (−6.49)	−0.009^*** (−5.74)
OPEN	−0.009^* (−1.82)	−0.016^*** (−3.29)	−0.017^*** (−3.24)
HC	−0.392 (−1.28)	−0.726^** (−2.51)	−0.436 (−1.38)
AIS	0.005^* (1.87)	0.008^*** (3.13)	−0.002 (−0.39)
URBAN	0.497^*** (17.24)	0.513^*** (19.04)	0.494^*** (17.45)
IA			−0.116^*** (−2.65)
IA^2			0.056^*** (2.68)
Constant	0.153^*** (8.31)	0.143^*** (8.52)	0.172^*** (5.60)
个体固定	Yes	Yes	Yes
时间固定	Yes	Yes	Yes
observations	464	435	464
R^2	0.8884	0.8945	0.8936

注：^*、^**、^***分别表示在10%、5%和1%的水平上显著，括号中的数值代表t值，下同。

为了进一步验证工业机器人应用是否使得整体收入差距缩小，我们选择人均可支配收入的对数值(DPI)作为被解释变量，使用分位数回归模型进行探究。如表4所示，工业机器人应用对0.25、0.50和0.75分位数收入水平的作用系数分别为0.706、2.700和0.023，除了在0.75分位数上没有显著作用外，其余均显著为正。这说明相比于高收入地区，工业机器人应用对低收入地区收入水平的提高作用更为显著，进而导致收入差异缩小，前文结论得到验证。

Table 4. Quantile regression results

表4. 分位数回归结果

变量	(1)	(2)	(2)
	Q25	Q50	Q75
	DPI
ROBOT	0.706^* (1.86)	2.700^**^* (14.60)	0.023 (0.32)
控制变量	Yes	Yes	Yes
个体固定	Yes	Yes	Yes
时间固定	Yes	Yes	Yes
observations	464	464	464

(二) 稳健性检验

1) 替换被解释变量

本文参考谢耄宜等的研究[38]，选择广东省为经济发达标杆地区，采用各地区人均可支配收入与广东省人均可支配收入的比值来表征地区收入差距，并重新进行回归。结果如表5列(1)所示，工业机器人应用的回归系数为0.005，且通过了10%水平的显著性检验，回归系数在符号和大小上与基准结果接近，表明基准回归结果是稳健可靠的。

2) 剔除特殊样本

直辖市在地方行政体制中具有特殊地位，其经济规模和科技创新能力远高于其他地区。因此，我们在重新进行回归估计时，排除了北京、天津和重庆这三个直辖市的样本(上海已作为参照排除)。由表5列(2)可知，工业机器人应用的回归系数为0.005，且通过了1%水平的显著性检验，表明在剔除特殊样本后，工业机器人应用仍然有助于缩小地区收入差距。

3) 重新考虑滞后效应

工业机器人的应用和推广通常需要一定时间，滞后多期的研究可以更好地反映出工业机器人应用对地区收入差距的累积效应。因此，我们采用工业机器人应用滞后两期对地区收入差距进行回归，结果如表5列(3)所示，滞后两期的工业机器人应用的回归系数为0.006，且通过了1%水平的显著性检验，表明在排除双向因果导致的内生性问题后，工业机器人应用仍有利于缩小地区收入差距。

4) 工具变量法

考虑遗漏变量会导致内生性，本文借鉴孙早和侯玉琳[39]及苗翠芬[40]的做法，选择各省份宽带接入端口(IV)和工业机器人应用滞后两期(L2. ROBOT)作为工具变量进行内生性检验。其中，两种工具变量均通过了不可识别检验和弱工具变量检验，这表明本文工具变量的选取总体上是合理的。一阶段回归结果如表5列(4)所示，两种工具变量均与核心解释变量ROBOT显著正相关。二阶段回归结果如表5列(5)所示，工业机器人应用的回归系数为0.008，且通过了1%水平的显著性检验。这表明在弱化内生性问题后，工业机器人应用仍有利于缩小地区收入差距。

Table 5. Robustness test results

表5. 稳健性检验结果

变量	(1) RID	(2) RID	(3) RID	(4) ROBOT	(5) RID
ROBOT	0.005^* (1.66)	0.005^**^* (2.61)			0.008^**^* (4.52)
L2.ROBOT			0.006^**^* (4.39)	0.659^**^* (16.93)
IV				0.291^**^* (3.08)
控制变量	Yes	Yes	Yes	Yes	Yes
个体固定	Yes	Yes	Yes	Yes	Yes
时间固定	Yes	Yes	Yes	Yes	Yes
observations	464	416	406	406	406
R^2	0.9982	0.8994	0.8795	0.9875	0.9980
Kleibergen-Paap rk LM P值				0.000
Kleibergen-Paap Wald rk F值				171.94
Hansen J统计量 P值				0.156

(三) 异质性分析和机制探究

1) 异质性检验

由于不同地区之间经济发展和教育水平不同，工业机器人应用对收入差距的影响可能在不同地区存在差异。本节根据“经济发展水平”、“教育水平”和“劳动力水平”进行分组，探讨工业机器人应用对收入差距的不同影响。其中“经济发展水平”为根据各省份样本期内人均GDP与样本中位数的关系，划分为高、低两组；“教育水平”为根据各省份样本期内人均受教育年限与样本中位数的关系，划分为高、低两组；同理，“劳动力水平”为根据各省份样本期内就业人员数与样本中位数的关系，划分为高、低两组。

表6的(1)和(2)列给出了不同经济发展水平地区间的差异，(3)和(4)列给出了不同教育水平地区间的差异，(5)和(6)列汇报了不同劳动力水平地区间的差异。表6结果显示，相比于经济发展水平高、教育水平高和劳动力水平高的地区，工业机器人应用对收入差距的缩小作用在低经济发展水平、低教育水平和低劳动力水平的地区更为显著。究其原因，一方面经济发展水平和教育水平较低的地区往往存在较大的数字鸿沟，这些地区在工业机器人的应用和发展方面起点较低，在产业智能化转型过程中需要克服较多的技术、知识和资源障碍。因此，工业机器人在应用初期对这些地区经济和教育差距的填补作用更加明显。另一方面，经济发展水平和教育水平较高的地区往往有较高的劳动生产率和工资水平，这意味着工业机器人的应用可能更多地关注提高劳动生产率而非降低成本，此时工业机器人应用可能更多地表现为替代部分重复性劳动并提升劳动效率的作用，而对整体收入差距的影响相对有限。另外，工业机器人的应用在一定程度上促进了创新发展和增加了就业机会，在劳动力水平低的地区，技术创新可以带来新的经济增长点，创造更多的就业机会，人们有更多的机会找到工作，从而增加收入来源，缩小收入差距。而在劳动力水平高的地区通常具有更健全的劳动力市场和更广泛的就业机会，这使得该地区的劳动力更容易找到适合自己技能的工作，降低了工业机器人应用对工资水平的冲击。

Table 6. Heterogeneity test regression results

表6. 异质性检验回归结果

变量	(1)	(2)	(3)	(4)	(5)	(6)
	经济发展水平		教育水平		劳动力水平
	低	高	低	高	低	高
	RID
ROBOT	0.005^** (2.39)	−0.000 (−0.03)	0.006^*** (3.39)	−0.002 (−0.62)	0.005^* (1.87)	0.001 (0.36)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
个体固定	Yes	Yes	Yes	Yes	Yes	Yes
时间固定	Yes	Yes	Yes	Yes	Yes	Yes
observations	224	240	224	240	224	240
R^2	0.9528	0.7957	0.9544	0.8081	0.8709	0.9105

2) 机制检验

基于地区比较优势理论，在文献梳理部分我们发现工业机器人应用会对不同收入地区的劳动力和资本比较优势以及技术比较优势产生影响，进而导致地区收入差距缩小。为验证上述逻辑，我们根据各省份样本期内人均可支配收入与样本中位数的关系，将样本划分为低收入地区和高收入地区，来分析工业机器人应用对劳动力和资本比较优势以及技术比较优势的影响。

表7列(1)和列(2)汇报了以劳动力和资本比较优势(LCA)作为被解释变量，基于双向固定效应模型进行分组回归的结果。其中，劳动力和资本比较优势采用各省份就业人员数量与资本存量的比值来衡量[13]。该数值越大说明该地区更依赖于劳动力，在劳动力密集型产业上具有竞争优势。反之则意味着该地更依赖于资本，在资本密集型产业上具有竞争优势。通过比较，可以发现工业机器人应用显著降低了高收入地区的劳动力和资本比较优势，而对低收入地区的影响不明显，研究假说H₂₁得到验证。表7列(3)和列(4)汇报了使用技术比较优势(TCA)作为被解释变量进行分组回归的结果。其中，技术比较优势采用各省份发明专利授权数来衡量。结果表明，工业机器人应用显著提高了高收入地区的技术比较优势，而对低收入地区的影响并不明显，研究假说H₂₂得到验证。

综上所述，工业机器人应用既削弱了高收入地区的劳动力和资本比较优势，同时也增强了这些地区的技术比较优势。由于前文已证实工业机器人应用有助于整体收入差距缩小，产生这一结果的原因是工业机器人应用对劳动力和资本比较优势的削弱作用超过了其对技术比较优势的增强作用。事实上，与低收入地区相比，高收入地区的工业机器人应用水平往往较为领先。工业机器人应用对高收入地区技术比较优势的增强，存在一个负面效应，即大量低技能劳动者被替代。相反，低收入地区由于技术水平相对滞后，工业机器人应用水平较低，因此吸引了部分低技能劳动者的转移，这种劳动力转移在一定程度上损害了高收入地区的劳动力和资本比较优势的强度。在智能化转型的初期阶段，高收入地区需要应对劳动力市场的调整和重新配置，以适应工业机器人的应用和工作流程的变革。尽管高收入地区在技术比较优势方面可能仍然具有竞争优势，但在短期内，智能化转型所带来的困难可能超过了工业机器人应用技术增强所带来的红利效应。然而，随着时间的推移和高收入地区逐渐克服智能化转型的困难，高收入地区通过创新、技术进步和产业升级等手段，可能会重新建立起技术比较优势，并获得新的经济增长机遇。此外，低收入地区在吸引低技能劳动者转移的同时，也需要面对挑战，包括工业机器人应用水平的提升和劳动力市场的竞争加剧等，这些挑战可能会扩大地区内部收入差距。

Table 7. Impact mechanism of industrial robot application on regional income gap

表7. 工业机器人应用对地区收入差距的影响机制

变量	(1)	(2)	(3)	(4)
	低收入地区	高收入地区	低收入地区	高收入地区
	LCA		TCA
ROBOT	0.010 (1.24)	−0.028^*** (−3.86)	−0.053 (−0.84)	0.181^*^* (2.41)
控制变量	Yes	Yes	Yes	Yes
个体固定	Yes	Yes	Yes	Yes
时间固定	Yes	Yes	Yes	Yes
observations	224	240	224	240
R^2	0.8991	0.8417	0.9636	0.9552

5. 研究结论与政策启示

本文基于2006~2021年我国29个省份面板数据，构建双向固定效应模型和分位数回归模型，实证研究了工业机器人应用对地区收入差距的作用机制。研究结果表明：1) 工业机器人应用整体上缩小了我国地区收入差距；随着工业机器人的引入，一开始可以减少地区间的收入差距。然而，随着工业机器人技术的加速渗透，各地区的收入差距逐渐扩大；金融发展和对外开放显著加剧了地区收入差距扩大，而产业结构高级化和城镇化水平的提高对地区收入差距缩小有着显著的促进作用。2) 机制检验结果表明，工业机器人通过削弱高收入地区劳动力和资本比较优势，进而缩小地区收入差距；工业机器人通过增强高收入地区技术比较优势，进而扩大地区收入差距。结合基准回归结果表明，工业机器人应用对劳动力和资本比较优势的削弱作用超过了其对技术比较优势的增强作用，进而使得整体收入差距缩小。3) 异质性检验结果表明，工业机器人应用对收入差距的缩小作用在低经济发展水平、低教育水平和低劳动力水平地区更为显著，对经济发展水平高、教育水平高和劳动力水平高的地区影响并不明显。

基于上述研究结论，提出政策建议如下：1) 为了缓解工业机器人应用初期所导致一些低技能劳动力的失业或受到冲击，政府可以为受到影响的劳动者提供相关技能培训和再就业机会，帮助他们适应新的工作需求。同时，支持中小企业引入工业机器人技术，通过提高生产效率和产品质量，增强他们的竞争力，从而为当地就业提供更多机会。随着工业机器人技术的进一步普及和发展，高技能劳动力对工业机器人应用的需求可能会增加，进一步拉大地区收入差距。为了避免这种不平等扩大现象，应加强高级工程师、技术专家等高技能劳动力的培养和引进，并鼓励在工业机器人相关领域进行创新研究，以保持技术领先优势。2) 首先，政府可以提供资金、税收优惠和知识产权保护等支持措施，以促进创新和科技进步。其次，相关企业可以通过投资支持创新和科技发展，高收入地区可以继续保持其技术比较优势。此外，高收入地区可以与低收入地区建立合作伙伴关系，共同利用工业机器人技术带来的机会，各地区通过共享资源、技术和经验，实现互利共赢，使得各个地区和人民都能够分享工业机器人应用所带来的好处。3) 鼓励经济落后地区与经济发达地区的合作和交流，共同分享工业机器人应用带来的好处，经济发达地区可以提供技术、资源和市场支持，帮助经济落后地区实现产业升级和收入差距的缩小；在低教育水平地区，可以推出更多的职业教育和技能培训项目；在低劳动力水平地区，可以提供更多的就业援助和创业支持等。