更直白点 ， 就是在美国 ， 每多用一个工业机器人 ， 就会取代6个工人 。
但是 ， 基于德国的数据 ， Wolfgang Dauth等学者在2021年发表了《Adjustment of Labor Markets to Robots》一文 ， 反驳了这种观点 ， 称「机器人对总就业率的影响为零」 。 类似报告也支持了这一观点 ， 还指出「机器人密集化与总体的工厂生产力提高、工资上涨和产出价格下降有关」 ， 机器人的使用有利于提升整体就业率 。
相比往期报告从劳动力份额层面讨论 ， Philippe Aghion等人从企业层面的数据分析入手 ， 发现了多家英美研究公司曾提出不一样的视角——自动化对使用自动化技术的企业的就业有直接的积极影响 。
这背后的逻辑是：自动化企业的生产力会得到提高 ， 可以在保证高质量的情况下降低成本 ， 从而增加市场对企业产品的需求 ， 由此扩大发展规模 ， 提供更多的招聘岗位 。 与此同时 ， 技术可能会帮助公司进军新的领域 ， 或聚焦在劳动力更密集的产品与服务当中 。
文章图片
表格1：行业采用机器人的速度和就业人口比例的变化之间属于负相关关系
文章图片
表格2：工具变量回归
根据表格2的分析 ， 第(1)列从没有任何控制的回归开始 ， 发现了一个负效应：每1000名工人多一个机器人会导致就业与人口比率下降1.317个百分点 。 第(2)列增加了对ICT和进口的控制 ， 其幅度仍然相同 。 但第(3)列和第(4)列依次测试了人口特征和大区假数的影响 ， 结果几乎没有受到影响 。 在第(5)列中 ， 仅增加对制造业份额的控制就足以失去显著性 ， 并大幅降低点估计 。
结合不同的控制措施 ， 第(6)列至第(8)列的规格提供了负的和有统计学意义的IV估计 。 然而 ， 在第(9)列和第(10)列中 ， 研究者用通勤区层面的制造业特定行业份额的控制来取代广泛的行业份额控制 。
具体来说他们控制了期末机器人数量最多的三个2位数行业（占2014年机器人总数的74%）：汽车、橡胶和食品行业 。 相对于指数的构建 ， 这些是关键行业 。 系数仍为负数 ， 但变得不显著 。 这最后两列强调 ， 结果对纳入少数高度机器人化的行业是敏感的 。
2
企业 vs. 工厂 vs. 行业
在Aghion等人的研究中 ， 他们分为企业与工厂两个层面进行调查 。 他们发现 ， 自动化对工厂就业的影响也是积极的 ， 并且这种积极的影响会随着时间的推移不断增加 。
如图1所示 ， 若今天工厂的自动化程度提高1% ， 就业率就会上涨0.2% ， 十年后则会增加0.4% 。 企业层面的结果也类似 。
文章图片
图1：自动化对工厂层面的就业影响
图2则显示 ， 在企业实现自动化后的几年里 ， 自动化会转化为企业总销售额的增加 。 从投资自动化的那一年到八年后 ， 这种效应将会保持稳定 。
文章图片
图2：自动化对企业层面的就业影响
在行业上 ， 生产力效应会增加自动化企业与非自动化企业的竞争 ， 具体表现为：
- 自动化企业的生产力会使该企业的产品需求增加、市场份额上升 ， 而非自动化企业的市场空间被挤压；
- 使用机器人的企业创造了新的就业机会 ， 扩大了经营规模 ， 而不使用机器人的企业会逐渐在激烈的竞争中出现负产出 ， 失去就业机会
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。