作者简介:许和连，教授，湖南大学经济与贸易学院，电子邮箱：xuhelian@163.com;赵泽昊，博士研究生，湖南大学经济与贸易学院，电子邮箱：zehaozhao@yeah.net;*金友森，讲师，南京理工大学经济管理学院、复旦大学经济学院，电子邮箱：jyousen@163.com。
文章来源：数量经济技术经济研究 . 2024 ,41 (09)：178-198
摘要:党的二十大报告明确指出，要“实施科教兴国战略，强化现代化建设人才支撑”。工业机器人是建设现代化产业体系的重要技术装备，健全工业机器人应用的人才保障机制是加快推进新型工业化、建设制造强国的关键。本文在理论分析人力资本扩张影响工业机器人应用内在机理的基础上，以中国的“高校扩招”政策作为准自然实验，构建广义双重差分模型，考察了人力资本扩张对企业工业机器人应用的影响。研究发现，人力资本扩张显著促进了企业工业机器人应用规模的提升，这一结论在一系列稳健性检验后依然成立。充实企业技能人才储备和激发企业技术创新活力是人力资本驱动工业机器人应用的两个重要影响渠道。进一步分析表明，人力资本扩张对加工贸易企业、低融资约束企业和东部地区企业的工业机器人应用具有更大的提升效应，且工业机器人的应用有助于企业实现贸易转型升级。
关键词: 人力资本 高校扩招 工业机器人 广义双重差分
基金: 国家社会科学基金项目（22VRC172） 国家自然科学基金青年项目(72303096) 江苏高校哲学社会科学研究重大项目（2022SJZD051） 中国博士后科学基金面上项目（2024M750473）的资助 。
一、引言和文献综述
作为新一轮科技革命和产业变革的重要载体，工业机器人已经成为世界主要工业国家在全球产业版图重构博弈中的核心角力场。据国际机器人联合会（International Federation of Robotics,IFR）发布的《2023世界机器人报告》统计，2022年全球工业机器人装机量达55.3万台，连续两年突破50万大关，中国则占据了全球总量的52%。工业机器人作为一种可交易的装备和技术，世界各国实际上是在一个相对公平的领域进行竞争，为何中国能够从1999年的550台装机量起步，在20余年间实现工业机器人应用的跨越式发展，成功在新一轮产业变革浪潮中后来居上？这离不开中国自科教兴国战略提出以来长期坚持的人力资本强国建设。以工业机器人为引领的智能制造变革本质上是一场技术范式变革，其关键在于是否有充足的高素质劳动力为引领，以实现企业技术吸收能力与智能制造设备的匹配（陈勇兵等，2023）。现代化的工业机器人作为集人工智能、大数据、物联网等多种前沿技术交叉嵌入的复合应用载体，其操作的复杂性和结构的精密性都使得高质量的人力资本供给成为推动企业工业机器人应用的重要条件。不少传统企业就发现，没有充足技术人员支持的简单的自动化装备引进并不能带来他们所期待的生产效能变革（吴一平等，2023）。因此，培养一支熟悉且精通设计、安装、调试和操控机器人技术的高素质人才队伍理应是驱动中国企业工业机器人应用的源头活水。
而适配工业机器人这一前沿技术装备的高级人力资本培育并非一朝一夕的过程，高等教育人才建设是其中的关键环节。在科教兴国发展战略的指导下，中国于1999年启动了“高校扩招”这一重大人力资本扩张政策，高等教育招生规模连年上涨，极大地改善了各级劳动力市场的高素质人力资本供给情况，为中国追赶和承接国际科技浪潮奠定了重要基础。理论上，大量高等教育毕业生的进入有效改善了中国企业的招聘环境，充实了企业的技能人才储备，为其正确应用和维护工业机器人提供了基础性保障；并激发了这些企业的技术创新活力，强化其对工业机器人这一生产技术前沿的感知和吸收能力，从而对企业的工业机器人应用进程产生积极的推动作用。但目前鲜有文献基于人力资本供给的视角来探讨工业机器人的应用动因，而多集中于从需求侧研究劳动力成本对企业扩大工业机器人应用的倒逼作用（Fan等，2021；綦建红和付晶晶，2021）。现实层面，在党的二十大报告明确指出“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑”以及“加快建设制造强国，推动制造业智能化发展”的背景下，深入探究人力资本扩张是否能够满足中国企业应用工业机器人的实际需要，其内在的作用机理和可能的经济后果又将如何等系列问题，对于持续扩大中国工业机器人的应用规模和场景、顺利实现制造业智能化的发展目标以及加快建设现代化产业体系无疑具有重要意义。
本文旨在探究人力资本与企业工业机器人应用之间的关系，主要与两类文献密切相关，一类是关于人力资本扩张的经济效应研究。在宏观层面，赖明勇等（2005）、许和连等（2006）以及Ciccone和Papaioannou(2009）考察了人力资本的经济增长效应，发现人力资本扩张有效推动了地区经济、产出和就业的增长。微观层面，众多学者关注了人力资本扩张对企业绩效的影响，发现人力资本扩张可以有效促进企业全要素生产率的提升（Che和Zhang,2018），激励企业开展固定资产投资和研发活动（张明昂等，2021），促使企业使用更多高质量中间品，从而推动企业创新（Kong等，2022），促进加工贸易转型升级（毛其淋，2019）并提升出口产品质量（方森辉和毛其淋，2021）。
另一类文献是关于工业机器人的研究，既有研究大多关注工业机器人的经济影响，伊始于欧美发达国家中普遍存在的“机器换人”舆论思潮。Acemoglu和Restrepo(2020）较早地关注了这一问题，发现工业机器人应用规模的上升导致了美国就业率的下降。Dauth等（2018）则发现工业机器人的应用并未造成德国总体就业水平的变动，但改变了德国的就业结构，由工业机器人所造成的制造业部门就业损失被服务业部门的就业扩张所弥补。国内学者对工业机器人就业效应的研究同样未得出统一结论，魏下海等（2020）和李磊等（2021）认为工业机器人在中国的应用更多表现为生产技术的革新与生产效率的改善，而对劳动力的替代效应并不明显，其通过劳动力衍生需求的扩张和生产规模的扩大在中国创造了更多的就业岗位。王永钦和董雯（2020）、闫雪凌等（2020）、宋旭光和左马华青（2022）则认为工业机器人的应用对企业的劳动力需求存在替代效应，造成了制造业岗位数量的萎缩。除了关注工业机器人对劳动力市场的影响，现有研究还探讨了工业机器人技术对创新（诸竹君等，2022；冯玲等，2023）、污染减排（盛丹和卜文超，2022；韩超和李鑫平，2023）、出口绩效（綦建红和张志彤，2022）和消费者福利（毛海涛等，2024）等方面的积极作用。
与上述考察工业机器人经济影响的众多文献相比，讨论工业机器人应用驱动因素的研究则相对较少，且大多集中于由劳动力市场监管措施带来的用工成本变化。如Fan等（2021）、綦建红和付晶晶（2021）以中国的最低工资政策作为切入点的研究，认为劳动力成本的上升是造成中国工业机器人应用规模大幅扩张的成因之一。陈勇兵等（2023）利用《劳动合同法》的实施验证了这一判断，并进一步发现稳定的雇佣关系对企业的工业机器人应用决策同样重要。Yang等（2022）则从工伤保障出发，认为由工伤带来的公共医疗支出负担也会促使地方政府积极引导企业应用工业机器人。除这些劳动力市场因素外，行业开放和贸易扩张也对工业机器人的应用存在积极影响（陈昊等，2021）。很明显，本研究主要是对该支文献的补充和拓展，其中与本文较为相关的文献是方齐云等（2023），该文关注了人力资本在工业机器人促进企业出口产品质量提升中的协同作用，但其研究重心仍是工业机器人应用的出口产品质量提升效应，而人力资本与工业机器人应用之间则更多的是调节效应分析框架下的并列关系；与之不同的是，本文侧重于直接研究人力资本扩张对工业机器人应用的因果效应及其内在作用逻辑。工业机器人作为中国建设制造强国、质量强国的重要技术支撑，已有文献已经充分论证了工业机器人在企业生产效率优化、管理能力变革和出口竞争力提升等领域的积极作用，《“十四五”机器人产业发展规划》《“机器人+”应用行动实施方案》等文件的出台也彰显了国家积极把握这一制造业科技革命的决心。因此，相比考察工业机器人的经济影响，探究深化机器人应用的驱动机制在当前新型工业化建设时期可能更具现实意义和时代紧迫性。
基于上述分析，本文以中国政府于1999年启动的“高校扩招”政策引起的高等教育人力资本大幅扩张为准自然实验，构建广义双重差分模型，考察人力资本扩张对工业机器人应用规模的影响及其内在作用机制。与既有研究相比，本文的边际贡献主要体现在以下三个方面：（1）研究视角方面，本文从人力资本的经典理论和工业机器人技术的现实情境出发，首次系统探讨了人力资本扩张对企业工业机器人应用的因果效应，丰富和拓展了人力资本经济效应以及工业机器人应用驱动因素的研究。本文的结论不仅为中国科教兴国、人才强国等战略的深入实施提供了经验证据，还为如何引导工业机器人应用深度和广度的拓展，推动制造业高端化、智能化发展提供了重要政策启示。（2）作用机制方面，以往研究大多集中于从需求侧出发来探讨劳动力成本在驱动企业应用工业机器人方面的倒逼作用，本质上是一种企业被动应用工业机器人技术的作用机制。与之不同的是，本文则立足于人力资本扩张这一供给侧因素，从强化技能人才储备和激发技术创新活力两条正向机制来剖析企业主动应用工业机器人的逻辑动因，进一步丰富了人力资本和工业机器人两者之间作用机理的相关研究。（3）研究内容方面，本文不仅系统探究了工业机器人应用的动因，还对工业机器人应用的经济后果进行了拓展性分析，较早发现工业机器人应用能够推动企业由加工贸易出口向一般贸易出口转型升级，这也在一定程度上丰富了工业机器人经济效应的研究。
本文余下部分的结构安排如下：第二部分介绍人力资本扩张影响企业工业机器人应用的理论分析并据此提出研究假说；第三部分说明识别策略、变量测算和数据来源；第四部分报告主要的实证分析结果并对可能的作用机制进行检验；第五部分拓展分析人力资本扩张的异质性影响和工业机器人应用的贸易转型升级效应；第六部分是本文的结论和政策启示。
二、理论分析与研究假说
人力资本是企业得以识别、吸收和应用工业机器人这一先进资本品的基础，企业人力资本储备的丰富程度在某种意义上决定了其应用工业机器人的意愿和能力。自Romer(1986）和Lucas(1988）提出新经济增长理论以来，人力资本和物质资本就被广泛视为经济增长的关键因素，而由Hendricks(2000）所构建的模型进一步揭示了人力资本和物质资本间的互补作用。物质资本，尤其是以工业机器人为代表的高级资本品，其本质是一系列前沿技术的载体。Hendricks(2000）发现生产力不仅取决于资本品中体现的技术，还取决于这种技术与工人技能水平的匹配程度。换言之，人力资本水平的多寡是资本品投资能否发挥相应产出促进效应的基础。只有拥有充足的人力资本储备时，一国才能掌握识别、评估、吸收和应用前沿技术的能力（Teixeira和Fortuna,2010）。因此，一国对技术的应用决策往往都是根据自身的人力资本水平展开，高技能劳动力丰裕的领先国家选择应用更为前沿的、适配于高技能工人的技术；反之，则选用相对落后的、适用于低技能工人的技术，人力资本匮乏国的可选择技术空间远远小于充裕国（Caselli和Coleman,2006）。显然，当积极的教育政策引起一国高技能劳动力的规模大幅提升时，这一可选技术空间的边界得以扩张，该国企业就会转而采用更为前沿的技术，将其与高技能劳动力相匹配，从而获取更高的生产效率（Che和Zhang,2018）。
就本文的研究对象工业机器人而言，其蕴含的现代科学和工业技术由美国、日本和德国等传统科技强国所主导，技术知识储备和外语是企业了解和应用工业机器人这一前沿技术的门槛与基本条件。具有良好教育背景的员工或决策者能够较快掌握这些基本条件，从而帮助企业认识到工业机器人对其生产经营活动所能带来的积极变革。此外，工业机器人的优势在于其高度的智能化水平，需要通过编程实现复杂而精细的操作，其相较于传统机械更为精密的机械结构也需要更高的维护水平，这都对操作者的人机互动能力提出了要求。具有良好教育背景的高技能员工能够帮助企业正确操作和维护工业机器人，保障其正常运作。因此，由“高校扩招”引起的劳动力市场人力资本扩张，能够积极引导企业提高使用工业机器人的意愿，也有助于保障企业具备运用工业机器人技术的能力，从而有力推动企业的工业机器人应用进程。基于以上分析，本文提出假说1:
假说1：人力资本扩张能够促进企业扩大工业机器人的应用规模。
总的来说，一方面，由高校扩招带来的人力资本扩张极大地丰富了企业的技能人才储备，为企业正确应用和维护工业机器人提供了基础性保障；另一方面，由高校扩招带来的人力资本扩张也强化了企业开展技术创新的内在动力，使得企业对生产技术前沿的感知和吸收能力大大加强，从而提振企业的工业机器人应用需求。因此，在接下来的部分内容中，本文将主要从技能人才供给和技术创新驱动两个方面对人力资本促进工业机器人应用的作用机制展开系统阐释。
（一）人力资本扩张、技能人才储备与工业机器人应用
1999年的“高校扩招”作为中国最为重大的一次人力资本变革，积极地推动了中国社会人力资本的积累过程（张征宇等，2023）。大量受过高等教育的劳动力被快速投入市场，不仅极大地缓解了中国企业面临的高技能劳动力供给不足的困境，使得企业有机会雇佣更多的高技能劳动力以改善自身的员工技能结构；而且也大幅降低了高技能劳动力的高等教育溢价（马光荣等，2017），缩小了大学学历与大学以下学历劳动力之间的工资差异，从而使得雇佣接受过高等教育的高技能劳动力对企业而言变得更为有利可图。在这种情况下，企业显然有更强的意愿去吸纳和使用更多受过高等教育的人力资本，以弥补自身技能人才储备的不足，而企业技能人才的增加又会从两个方面推动其自身的工业机器人应用进程。
首先，从“技能—资本”互补的角度来看，高技能劳动力的扩张通常会促使企业增加物质资本投资。大量熟悉工业自动化、智能化等方面知识的高学历劳动者加入，能够直接提升企业对前沿技术的应用和交互能力（Ullah和Arslan,2022），帮助企业正确理解并熟悉智能自动化设备的工作原理、操作技能以及应用场景，并自行完成设备使用过程中的大多数维护、维修和改进工作（Che和Zhang,2018）。因此，由人力资本扩张而带来的技能人才增加能够为工业机器人的应用提供必要的技术支持环境，有效降低企业使用工业机器人的门槛，并节省可能产生的诸如技术咨询和设备维护等方面的额外成本负担，这些都有助于促进企业引进工业机器人。
其次，从技能人才的外部性角度而言，高技能劳动力的扩张可以通过知识溢出效应提高企业整体的劳动者技能水平（Lucas,1988）。在企业内部知识溢出的众多渠道中，在职培训是较为普遍且富有成效的一种方式。既有研究发现，技能人才的增加会极大提升企业开展在职培训活动的积极性（Van Smoorenburg和Van Der Velden,2000）。系统化的在职培训可以加速技能人才的通用理论知识向专业生产技能的转化过程，进一步强化其执行智能化工作所需的知识和技能结构（Chen和Huang,2009），并引导技能人才针对现有薄弱生产环节提出行之有效的智能化解决方案，从而提升企业吸收和应用工业机器人的效率。同时，中国企业开展的在职培训也大都是以内部培训的方式进行（谢小青，2009），专业技能人才的加入也可以通过面对面交流、“干中学”、“传帮带”等方式，实现高技能劳动力向原有低技能劳动力的知识外溢，使更多劳动者掌握正确操作和维护工业机器人设备的能力，从而促进企业扩大工业机器人的应用规模。基于以上分析，本文提出假说2:
假说2：人力资本扩张丰富了企业的技能人才储备，从而促进企业工业机器人应用规模的提升。
（二）人力资本扩张、技术创新与工业机器人应用
除了为企业正确应用和维护工业机器人提供基础性保障外，人力资本的扩张也积极推动了企业开展技术创新活动，从而加强了其对工业机器人这一前沿技术的感知能力和应用诉求。从技术创新意愿的角度出发，研发支出决策是企业管理层最基本的投资决策职能之一，而他们的个人特质往往在企业技术创新过程发挥着举足轻重的作用。具有大学教育经历的企业管理人员往往更倾向于投资创新研发活动，因为他们对新技术的判断经常会受到自身以往教育和专业技术背景的干预（Barker和Mueller,2002）。具有更高教育背景的企业管理者可以更好地理解新知识、新技术的运作机理和应用前景，因而对创新活动天然持有更为开放的态度，具有更高的技术创新意愿。Hosseini等（2003）也发现由企业管理人员营造的积极创新氛围和对技术创新的开放态度可以有效促进企业技术创新活动的顺利开展。
在具有技术创新意愿的基础上，技术创新活动的落地和实施也需要相当规模的人力资本储备作为支持（Toner,2011）。技术创新的本质在于对知识的获取和重组，其成功关键在于企业员工获取前沿观点、构建知识体系以及重组海量知识要素的能力，这都与员工的受教育水平息息相关（You等，2021）。具有更高教育背景的员工往往具备更强的知识整合能力和创造力，更有可能提出和实现技术创新的想法（Anand等，2007），包括对新产品的研发和旧产品的改良思路（Che和Zhang,2018），也更有可能对原有生产方式提出质疑并制定出相应的变革方案（Amabile,1997）。既有研究已充分表明，人力资本扩张的确对企业技术创新产生了积极影响（Kong等，2022）。
显然，只有企业自身的技术创新意愿和能力提高了，企业才会更多地吸收和应用工业机器人技术。一方面，新产品的研发和旧产品的改良意味着更精细的加工精度要求和更为复杂的生产流程设计，这种要求难以由人工和传统机械设备所满足（陈昊等，2021），因此需要企业使用工业机器人来改良生产技术从而满足创新活动所需的生产工艺标准。另一方面，创新也体现于企业生产方式的变革当中，高效率、智能化生产流程以及定制化、多样化生产场景的革新都推动了工业机器人技术在现代工业企业中的广泛应用。例如，自工业4.0概念提出以来，以特斯拉、三星、小米为代表的世界科技巨头企业纷纷投身于以工业机器人技术为主导的智能工厂、智能车间等领域，既表明了现代生产方式变革的前进方向，也表明了工业机器人的大规模实装应用离不开企业对生产方式的创新。基于以上分析，本文提出假说3:
假说3：人力资本扩张提高了企业进行技术创新的意愿和能力，从而促进企业工业机器人应用规模的提升。
三、识别策略和数据
（一）识别策略
为了准确识别人力资本扩张对企业机器人应用的因果效应，本文将1999年“高校扩招”政策引起的2003年以后高等教育人力资本大幅增长作为准自然实验，借鉴Che和Zhang(2018）的做法构建广义双重差分模型进行估计。这一识别策略的内在逻辑在于，1999年“高校扩招”政策的实施极大地促进了中国制造业各行业人力资本强度的提升，但这种积极的人力资本扩张冲击在行业间的影响程度存在差异，人力资本强度越高的行业会受到更大的政策冲击影响（Ciccone和Papaioannou,2009;Che和Zhang,2018）。因此，通过比较高人力资本强度行业中的企业和低人力资本强度行业中的企业在政策冲击前后的工业机器人应用规模变化情况，即可识别出本文所关注的因果效应。基准模型设定如下：
其中，下标f表示企业，i表示国民经济行业分类3位码行业，t表示年份。被解释变量lnrobotfit为企业的工业机器人应用规模，核心解释变量中的hci表示企业所属行业的人力资本强度，是广义双重差分模型中的连续分组变量；dtt为反映政策冲击时效的虚拟变量，中国的大学本科教育通常为四年制，因此1999年扩招的大学生将会在2003年大规模进入劳动力市场，故该变量在2003年及以后的年份取1，其他年份取0。β为本文所关心的回归系数，它刻画了在人力资本扩张前后，分属高人力资本强度行业和低人力资本强度行业的企业在工业机器人应用规模上的平均差异；若β>0，表明在人力资本扩张后，处于高人力资本强度行业的企业使用的工业机器人规模相比处于低人力资本强度行业的企业有更大幅度的提升，即意味着人力资本扩张能够促进企业工业机器人应用规模的提升。Xfit为一系列控制变量，包含企业个体层面的企业规模、全要素生产率等和行业层面的最终品关税率、中间品关税率等变量，所有控制变量及其具体测算方法详见附录(1)。ηf和λt分别为企业固定效应和年份固定效应，μfit为随机误差项。
（二）被解释变量和核心解释变量
1. 工业机器人应用规模
参考Fan等（2021）的做法，本文采用企业进口工业机器人的存量规模加1后的自然对数对企业工业机器人应用规模（lnrobot）进行衡量。这一做法的合理性在于：（1）现有文献使用的机器人数据主要包括IFR数据和中国海关记录的工业机器人进口数据两种，其中IFR数据仅能提供国家—行业层面的机器人装机情况，并未统计企业维度的信息，而由海关记录的高度详细的企业—产品进出口数据则可以满足本文的基本数据精度要求。（2）在本研究的样本区间内，中国的国产机器人产业尚处起步阶段，市场供应能力不足，绝大部分企业所使用的工业机器人均来自进口，因而企业的工业机器人进口信息也可以有效地刻画中国企业的工业机器人应用情况，这一做法已得到现有研究的广泛认可和使用（李磊等，2021;Fan等，2021;Acemoglu和Restrepo,2022）。
通过检索中国的海关编码体系（Harmonized System,HS）可以发现，有以下八类HS8位码的进口产品属于工业机器人的范畴：84795010（多功能工业机器人）、84795090（其他工业机器人）、84864031（工厂自动搬运机器人）、85152120（电阻焊接机器人）、85153120（电弧焊接机器人）、85158010（激光焊接机器人）、84248920（喷涂机器人）和84289040（搬运机器人），其中后五类产品仅在2014年才首次出现在中国海关的进口记录中。考虑到本文样本区间为2000～2014年，为保持样本期间内各年份统计口径的一致性，这里借鉴李磊等（2021）的做法，在基准模型中仅将前三类HS8位码产品（84795010、84795090和84864031）列入工业机器人的统计范围，而将以全部八类产品重新计算的工业机器人应用规模用于稳健性检验。
2. 人力资本强度
参考Che和Zhang(2018）的做法，本文采用Ciccone和Papaioannou(2009）提供的1980年美国标准行业分类3位码行业层面大学本科及以上学历的就业人数占比衡量行业的人力资本强度（hc），并以HS编码体系为媒介将美国标准行业分类3位码行业与中国国民经济行业分类3位码行业进行匹配。这种衡量方式的合理性在于：（1）美国的劳动力市场具有高度灵活性，加之其在上世纪70年代创造了大量新技术，其行业人力资本强度水平可以较好地反映世界范围内各行业的技术前沿情况（Che和Zhang,2018）。（2）采用美国数据测算得到的行业人力资本强度这一连续分组变量更具外生性。如果采用中国数据对行业人力资本强度进行测度，那么随着企业的机器人应用规模扩大，可能会引起企业的生产结构变革从而导致其人力资本强度发生变化，即产生反向因果问题，同时也会增加其他政策因素和劳动力市场扭曲对研究结论的干扰，而采用美国数据则能有效规避这些问题。当然，出于稳健性的考虑，本文在后续的内容中同样基于中国数据测算的行业人力资本强度对基准模型进行了重新检验。
（三）数据说明
本文主要使用了三套微观企业数据和两套地区数据，其中最核心的是中国工业企业数据库和中国海关进出口数据库。中国工业企业数据库统计了本文所需的企业特征信息，对于该数据库，本文参考Brandt等（2012）和Feenstra等（2014）的方法进行了清洗，并将所有年份的行业分类代码统一调整至2002年的国民经济行业分类标准。中国海关进出口数据库提供了本文所需的企业工业机器人进口数据，参考Yu(2015）的做法，本文首先根据企业名称将其与相应年份的工业企业数据库进行匹配，对于未匹配上的样本再根据邮政编码和电话号码后7位数字将两套数据库进行匹配。由于目前所能获取的可靠的中国工业企业数据库的最新统计年份是2014年，故本文的样本区间选为2000～2014年(1)。此外，本文在稳健性检验和机制检验部分还进一步用到了一些额外指标，其中企业的专利申请和授权信息来自国家知识产权局专利数据库，各省的最低工资标准由公开数据整理而成，政府工伤保障和劳动合同争议情况则来自《中国劳动统计年鉴》。为满足双重差分模型的设定要求，本文仅保留了在政策冲击期（2003年）前后至少各存在一次观测记录的样本。
四、实证结果与分析
（一）基准回归
表1报告了基于基准模型的回归结果，本文在各列中均控制了企业固定效应和年份固定效应。第（1）列是未添加任何控制变量的回归结果，hc×dt的估计系数在1%的显著性水平上为正。在第（2）、（3）列中依次加入企业和行业层面的控制变量后，hc×dt的估计系数仍在1%水平上显著为正。这一结果表明在“高校扩招”引起的人力资本扩张发生后，相较于低人力资本强度行业而言，高人力资本强度行业中的企业工业机器人应用规模获得了更大幅度的增长，即人力资本扩张显著促进了中国企业工业机器人应用规模的提升，假说1得到验证。
表1 基准回归
注：*、**、***分别表示在10%、5%、1%的水平上显著，括号内为在国民经济行业分类3位码行业聚类的标准误。
（二）平行趋势检验
双重差分模型估计有效的前提是满足平行趋势假定，即在人力资本扩张冲击发生之前，处理组（人力资本强度越高的行业）和控制组（人力资本强度越低的行业）的工业机器人应用规模要具有平行的变动趋势。为了实证检验本文样本是否满足上述平行趋势，同时也为进一步探究人力资本扩张对工业机器人应用是否具有持续影响，本文以政策冲击前一年（2002年）为基准期设定如下计量模型：
其中，pret-n、currentt和posttm分别为人力资本扩张冲击发生前n年、当年和发生后m年的虚拟变量，其余变量均与式（1）一致。本文将基于式（2）回归得到的估计系数绘制于图1，由图1中的结果可以看出，一方面，在2003年之前hc×pre-n的系数均不显著，表明在人力资本扩张冲击发生前，企业的工业机器人应用规模在不同人力资本强度行业中的变化趋势并不存在显著差异，平行趋势假定得到满足。另一方面，在2003年之后hc×postm的系数均在1%水平上显著为正且逐步增大，表明由“高校扩招”引起的人力资本扩张对企业工业机器人应用规模的促进效应在总体上呈现出逐步增强的变化特征，这也与中国“高校扩招”是一个自1999年开始的持续性扩张过程的事实相一致。
（三）稳健性检验(1)
1. 安慰剂检验
为排除同时期不可观测的偶然因素对本文结论的干扰，同时进一步证实人力资本扩张与工业机器人应用的因果关系，本文借鉴Lu等（2017）的做法构造了虚假的广义双重差分估计量hciplacebo×dttplacebo，以替换基准模型中的hci×dtt进行安慰剂检验。这种安慰剂检验本质上是一种反证法，如果上述随机构造的虚假的广义双重差分估计量对企业工业机器人应用规模无显著影响，那么就基本可以排除本文的结论是受偶然因素驱使的可能性。其中，hciplacebo表示为每个企业随机分配的一个所属行业的人力资本强度(1);dttplacebo表示在2001～2013年中随机生成的一个政策冲击年份，以保证每个企业在政策冲击前后均至少有一年的观测数据。图2汇报了重复1000次上述随机抽取过程后hciplacebo×dttplacebo估计系数的分布情况，发现1000个回归系数的均值为0.001，标准差为0.039，因此不能拒绝虚假广义双重差分估计量系数为零的原假设。同时结合前文基准回归的结果，表1第（3）列中真实的hci×dtt系数为0.325，远在上述模拟估计范围之外。这些结果都表明基准回归的结果通过了安慰剂检验，即人力资本扩张促进工业机器人应用的结论并不是由偶然因素所导致。
2. 改变工业机器人应用的衡量方式
在基准回归中，本文使用工业机器人存量规模加1后的自然对数作为企业工业机器人应用的代理变量。除这种做法外，已有部分研究采用了企业是否拥有工业机器人作为工业机器人应用的衡量方式（Fan等，2021；陈勇兵等，2023），因此本文根据企业当年的工业机器人存量是否大于零，重新构造企业工业机器人应用的虚拟变量（robot＿dummy）作为新的被解释变量。此外，前文为保证各年份统计口径的一致性仅将3类HS8位码产品列入工业机器人的识别范围，此处则基于8类完整的HS8位码工业机器人产品重新计算企业进口工业机器人的存量规模，得到第二个新的被解释变量（lnrobot8）。最后，考虑到取自然对数的变量构造形式可能会改变数据的原始序列特征，从而可能影响到估计效果，为了排除这一担忧，此处进一步采用不取自然对数的工业机器人应用规模（robot）作为被解释变量重新进行回归。表2第（1)～(3）列分别汇报了上述三种改变工业机器人应用衡量方式后的回归结果，可以看出hc×dt的估计系数均显著为正，表明工业机器人应用的衡量方式变动并不会对本文的基本结论产生实质性影响。
3. 替换行业人力资本强度
如前文所述，基准回归主要采用美国1980年各行业的人力资本强度作为广义双重差分法的连续分组依据。尽管上述做法更具外生性，但考虑到中美两国各产业在发展历程和要素构成等方面可能存在一定差异，为排除分组依据的差异对估计结果的影响，此处选用中国1995年国民经济行业分类3位码行业的大专及以上学历的就业人数占比对行业人力资本强度指标进行重新构造(1)。表2第（4）列汇报了以重新构造的广义双重差分交互项为核心解释变量的回归结果，hc×dt的估计系数仍在1%水平上显著为正，表明本文核心结论并不受双重差分模型连续分组依据变化的干扰。
4. 改变双重差分估计形式
为排除模型设定形式可能对因果推断产生的干扰，本部分换用两种其他双重差分模型对原结论进行再次检验。首先，采用两期双重差分法进行估计。本文样本周期跨度较长，在这种情形下多期双重差分法（Multi-Period Difference-in-Differences）潜在的序列相关问题可能会对估计系数的显著性产生高估，从而干扰因果推断的有效性（Bertrand等，2004）。故此处参考Liu(2021）的做法，以2003年为节点将样本划分为冲击前后两个阶段，通过对企业特征变量取分阶段算术平均值的方式构造新的两期双重差分样本进行回归。其次，采用离散形式的分组变量构造标准双重差分模型进行估计。前文所采用的广义双重差分模型本质上是对标准双重差分模型中分组变量的拓展，此处将采用离散形式的分组变量进行估计，具体做法为：以人力资本强度的中位数为临界值，将人力资本强度大于中位数的行业作为处理组，其余行业作为对照组，重新进行回归。表2第（5）、（6）列分别给出了基于上述两种模型的回归结果，hc×dt的系数仍至少在5%的水平上显著为正，表明更换模型设定形式并未对本文的估计结论产生实质性影响。
5. 控制劳动力市场监管措施的影响
已有研究发现，最低工资制度、劳动保护和政府提供的工伤保障这类劳动力市场的外部监管措施可能会通过改变劳动力成本从而对企业工业机器人应用产生影响（Fan等，2021；綦建红和付晶晶，2021;Yang等，2022；陈勇兵等，2023）。尽管我们在计量模型中添加了企业工资水平的控制变量，但这一控制方式可能仍无法直接排除上述宏观层面的外部监管措施对企业工业机器人应用的影响。因此，为避免这些同期外部因素对本文结论的潜在干扰，我们进一步控制了企业所在省份的最低工资水平、政府工伤保障以及劳动合同争议规模和处理效率。其中，最低工资水平采用企业所在省份的月度最低工资的自然对数进行衡量，政府工伤保障采用企业所在省份的工伤保险基金支出的自然对数进行衡量，劳动合同争议规模采用全省劳动合同争议案件的受理数量与就业人数的比值进行衡量，劳动合同争议的处理效率则通过案件积压情况来反映，即采用全省上一年未结案件数的自然对数进行衡量。表2第（7）列汇报了进一步控制这些潜在干扰因素后的回归结果，可以看出，hc×dt的估计系数仍在1%水平显著为正，表明本文的核心结论并未受到劳动力市场外部监管环境变化的明显干扰。
表2 稳健性检验
注：同表1。
（四）作用机制检验
上文基本证实了由“高校扩招”引起的人力资本扩张的确显著促进了企业工业机器人应用规模的提升。接下来，我们结合理论分析，从技能人才储备和技术创新两方面对上述经济效应的内在作用机制进行实证检验。
1. 技能人才储备
本文的理论分析认为人力资本扩张丰富了企业的技能人才储备，从而有效改善企业识别、安装、操作、维护和改进工业机器人这一前沿技术的能力，进而提振了其对工业机器人的应用需求。对该条机制的验证主要面临数据限制方面的挑战，为此本文分两步对技能人才储备机制进行联合验证，以得到尽可能充分的经验证据。首先，由于中国工业企业员工的详细职业技能等级和职称结构数据仅在2004年经济普查过程中进行过统计，这使得我们只能在截面维度检验人力资本扩张对企业技能人才储备的影响。前文基准模型识别策略的核心逻辑在于捕捉人力资本扩张这一政策冲击对隶属不同人力资本强度行业的企业行为的差异性影响，基于同样的思想，本文借鉴Duflo(2001）关于截面双重差分的设计思路构造如下计量模型：
其中，下标p表示省份，被解释变量lnskillfip为企业的技能人才储备规模，本文参考冯玲等（2023）的做法，使用企业高技能员工人数加1后的自然对数（lnskill）进行衡量，高技能员工包括具备高级工、技师、高级技师资格或具备高级职称的四类员工；esp为企业所在省份的高校扩招幅度，使用该省2004年的大学毕业生规模相较于1998年的对数增加额进行衡量(1)；ξi和πp分别为行业固定效应和省份固定效应，其余变量含义均与式（1）保持一致。ω为本文所关心的回归系数，若该系数显著大于零，则表明“高校扩招”政策实施后，位于扩招幅度越大的省份中的高人力资本强度行业内的企业，其技能人才储备情况取得了更大幅度的改善，即意味着人力资本扩张促进了企业技能人才储备规模的提升。表3第（1）列给出了以lnskill为被解释变量的回归结果，可以看出es×hc的估计系数显著为正，表明由“高校扩招”带来的人力资本扩张的确改善了企业的技能人才储备情况。进一步地，我们基于同样的截面数据使用企业工业机器人应用规模对企业的技能人才储备进行回归，表3第（2）列给出了相应结果，可以看出lnskill的系数也显著为正，表明企业技能人才储备规模的提升也的确对企业工业机器人应用产生了显著的促进作用。
其次，前文理论分析还表明，当企业的技能人才储备情况得到改善时，企业会更加倾向于开展员工在职培训，而在职培训的增加可能也会促使企业引进更多的工业机器人。囿于数据所限，本文同样利用2004年的经济普查截面数据对上述逻辑关系进行验证，企业在职培训支出利用职工教育费加1后的自然对数进行衡量（Che和Zhang,2018）。表3第（3）列报告了企业在职培训对技能人才储备规模进行回归的结果，从中可以看出，拥有更多高技能员工的企业确实倾向于开展更多的在职培训。此外，由于职工教育费支出在2001年、2002年、2004～2007年的工业企业数据库中存在完整记录，恰好覆盖本文所关注的2003年“高校扩招”政策正式生效的前后窗口期，这使得我们可以基于式（1）的模型设定形式利用工业机器人应用对职工教育费进行回归，以识别在职培训对企业工业机器人应用的影响。表3第（4）列的结果显示，lnedu的估计系数显著为正，表明企业在职培训的增加的确能够促进企业扩大工业机器人的应用规模。总之，表3的结果在一定程度上验证了假说2，即人力资本扩张（高校扩招）丰富了企业的技能人才储备，相关技能人才的增加既能够直接推动企业引进工业机器人，也能够通过激励企业增加在职培训从而间接扩大其对工业机器人的应用。
2. 技术创新
前文的假说3认为人力资本扩张提高了企业进行技术创新的意愿和能力，而为了适配由技术创新带来的更高的加工精度要求、更复杂的生产流程设计和更现代化的生产方式，企业需要更大规模地引进和使用工业机器人。本文综合使用企业专利申请总量加1的自然对数（lnpatent1）、专利实际授权总量加1的自然对数（lnpatent2）两个指标来衡量企业的技术创新水平。基于式（1）的模型设定形式，我们首先使用企业的创新水平对人力资本扩张进行回归，结果如表3第（5）列和第（7）列所示，两列中hc×dt的系数均在1%水平上显著为正，表明人力资本扩张的确促进了企业的技术创新。接下来，本文使用工业机器人应用规模作为被解释变量对企业技术创新水平进行回归，结果如表3第（6）列和第（8）列所示，发现企业专利申请数和专利授权数的回归系数均显著为正，表明企业的技术创新也进一步推动了其自身的工业机器人应用过程。综上，本文发现人力资本扩张的确通过促进企业技术创新活动对其工业机器人应用产生了积极的推动作用，假说3得到验证。
表3 作用机制检验
注：同表1。
五、进一步分析
（一）异质性分析
前文的研究结果发现，总体而言，人力资本扩张的确显著促进了中国企业工业机器人应用规模的提升。但由于不同企业在贸易方式、融资约束方面存在显著差异，在不同地区的资源禀赋也不尽相同，这些都有可能导致“高校扩招”政策对企业工业机器人应用的影响具有异质性的特点。为此，本文将从以下三个方面展开分析。
1. 贸易方式异质性
由于不同贸易方式的企业在生产模式、经营目标和市场关联等方面存在明显差异，人力资本扩张对不同贸易方式企业的工业机器人应用的影响也将有所不同。在中国的贸易体制中，加工贸易企业往往以海外跨国公司的代工者身份出现在国际贸易活动中，这类企业具有更多的外资背景，与海外技术市场的联系也更加紧密，会更多从关联市场和关联企业中进口和使用国外的先进资本品和中间品，在技术创新过程中也更加依赖这种基于高级资本品的工艺创新模式。因而相对于一般贸易企业，加工贸易企业会更早接触并更容易获取国外工业机器人这一先进技术装备，但在人力资本扩张前迫于国内技能人才供给不足而进展相对受限。据此本文推测，当“高校扩招”使得人力资本约束问题得到缓解时，加工贸易企业可能相较于一般贸易企业会展现出更强的工业机器人应用趋势(1)。为了验证上述猜想，本文借鉴Liu和Qiu(2016）的做法，将平均加工贸易出口额占总出口额比重超过50%的企业视为加工贸易企业，其余视为一般贸易企业，在此基础上进行分样本检验。表4的第（1）、（2）列分别报告了对加工贸易企业和一般贸易企业进行回归的结果，两列中hc×dt的系数均在1%水平上显著为正，但加工贸易子样本中系数的数值明显大于一般贸易子样本，表明在人力资本扩张冲击发生后，加工贸易企业的确表现出了更高的工业机器人应用规模增长。
当然，为了充分验证本文上述推断的合理性，此处进一步做了一些补充性检验。首先，我们使用企业的外资份额（fcs）对加工贸易企业虚拟变量（pt）进行回归，结果如表4第（3）列所示，可以看出加工贸易企业的确具有更多的外资背景。其次，我们根据广义经济类别分类对企业进口的资本品进行了识别，并分别使用企业进口资本品的金额（lncapv）和数量（lncapq）对加工贸易虚拟变量（pt）进行回归，表4第（4）、（5）列的结果表明加工贸易企业的确在进口资本品方面相较一般贸易企业更具优势。最后，我们以2003年为分界线将样本切割为两组，并分别使用工业机器人应用对加工贸易虚拟变量进行回归，结果如表4第（6）、（7）列所示。从表4中可以看出，相较于一般贸易企业，加工贸易企业的确在人力资本扩张冲击发生前就更多地应用工业机器人技术，而在2003年人力资本约束得到缓解后，pt的系数仍显著为正且数值更大，表明加工贸易企业的工业机器人应用规模相比一般贸易企业在人力资本扩张后取得了更加明显的增长。综上，这些结果表明加工贸易企业相比一般贸易企业确实在进口国外资本品或工业机器人方面具有先天优势，并且这种优势在人力资本扩张后得到了更大的发挥。
表4 贸易方式异质性分析
注：由于根据Liu和Qiu(2016）计算的加工贸易企业虚拟变量（pt）不随时间变化，故第（3)～(7）列无法控制企业固定效应，退而求其次控制城市固定效应。其余同表1。
2. 融资约束异质性
融资约束是制约企业人力资本和固定资本积累的关键桎梏之一，面临不同融资约束程度的企业有可能对人力资本扩张和工业机器人应用做出差异化决策。一方面，劳动者的教育背景往往与其薪酬预期正相关，面临较低融资约束的企业可以提供更高的薪酬待遇，更多地雇佣高技能大学生劳动力。另一方面，工业机器人作为现代工业生产技术的前沿，建立工业机器人自动化生产线的前期投入成本巨大，对企业的资金流也提出了很大考验。因此，在劳动力市场经历人力资本扩张时，低融资约束企业可能相比高融资约束企业更有能力实现机器人应用规模的扩充。为了验证上述推断，本文借鉴鞠晓生等（2013）的做法使用SA指数(1)衡量企业的融资约束，并根据企业融资约束的中位数将样本划分为低融资约束企业和高融资约束企业，进行分样本检验。表5第（1）、（2）列分别报告了对低融资约束企业和高融资约束企业进行回归的结果，可以看出hc×dt的估计系数在低融资约束企业子样本中显著为正，且数值明显大于高融资约束企业子样本中的结果，表明人力资本的扩张的确更多地促进了工业机器人在低融资约束企业中的应用。
3. 区位异质性
由于独特的地理条件和长期的历史原因，中国各地区在要素禀赋、教育资源、贸易便利化程度等方面皆存在显著差异，因而同样的人力资本扩张冲击对处于不同区位的企业可能表现出不同的作用强度。首先，中国的高等教育资源分布明显不均，普遍集中于东部地区，而多数大学毕业生又会选择在当地求职，因此同样的高校扩招冲击对不同区域企业的人力资本提升效果是存在差异的。此外，如前文所述，中国企业使用的工业机器人很大一部分是来自国外进口，这显然也会受到不同地区贸易便利化程度的影响，东部地区地处沿海，港口众多，可以为企业的机器人进口提供更多便利。基于上述分析，本文根据企业所属省份的地理区位将企业划分为东部地区企业和中西部地区企业，进行分样本检验。表5第（3）、（4）列分别报告了对东部地区企业和中西部地区企业进行回归的结果，可以看出hc×dt的估计系数在东部地区子样本中显著为正，而在中西部地区子样本中则不显著，表明人力资本的扩张的确对不同区位的企业产生了差异化影响，并主要促进了工业机器人在东部地区企业中的应用。
进一步地，为了验证上述区位差异是否的确源自教育资源和贸易便利化程度的不同，本文根据企业所属省份“211”和“985”大学数量的中位数、企业距离最近港口直线距离的中位数，分别将样本划分为高等教育强势与弱势地区企业、贸易便利度较高与较低地区企业，在此基础上进行分样本回归。表5第（5）、（6）列分别报告了对高等教育强势地区和弱势地区企业进行回归的结果，两列中hc×dt的系数均至少在5%的水平上显著为正，但高等教育强势地区子样本中的回归系数明显大于高等教育弱势地区子样本中的回归系数。表5第（7）、（8）列则分别报告了对贸易便利度较高地区和较低地区企业进行回归的结果，hc×dt的估计系数在贸易便利度较高地区子样本的回归中显著为正且数值较大，而在贸易便利度较低地区子样本中的数值则相对较小。上述结果表明人力资本的扩张的确更多地促进了工业机器人在高等教育资源丰富、贸易便利度较高地区中的应用，佐证了本文对区位异质性的判断。
表5 融资约束和区位异质性分析
注：同表1。
（二）工业机器人应用的贸易转型升级效应
前文的贸易方式异质性分析结论显示，工业机器人作为现代生产革命的技术前沿，在人力资本扩张浪潮后广泛得到了制造业企业尤其是加工贸易企业的青睐。相较于一般贸易企业，被寄予更多转型升级期待的加工贸易企业也更早地接触工业机器人技术，并在人力资本约束得到缓解后展现出了更强的工业机器人应用倾向。那么，这就引出了一个重要问题：在已有文献广泛发现工业机器人对企业可能产生的系统性变革基础上，这一工业机器人的应用过程能否助推中国企业实现贸易转型升级？从理论上讲，机器人进口可以有效提升企业的生产效率和生产精度，使得企业有能力承接具有更高增加值和技术含量的制造环节，从而生产和出口更高质量的产品。同时，工业机器人应用的深化也可以产生良好的技术外溢效应，激发企业的生产技术变革和管理能力变革，促使企业的贸易模式向价值链的研发和营销端延伸。基于这样的判断，本文采用两种方法构建贸易转型升级的衡量指标并对上述问题进行实证检验。一是借鉴Brandt和Morrow(2017）的做法，使用企业一般贸易出口额占其一般贸易和加工贸易出口总额的比重（otshare）衡量企业贸易转型升级；二是根据Khandelwal等（2013）的做法测度企业层面的出口产品质量（quality），并以此作为企业贸易转型升级的另一代理变量。表6第（1）、（2）列汇报了对贸易转型升级进行回归的结果，两列中工业机器人应用规模的回归系数均显著为正，表明企业大规模应用工业机器人技术的确能够促进其自身的贸易转型升级。
表6 工业机器人应用的贸易转型升级效应
注：同表1。
六、结论与政策启示
在党的二十大报告明确提出建设现代化产业体系这一战略部署的背景下，工业机器人已然成为中国推进新型工业化，加快建设制造强国、质量强国，实现经济社会高质量发展的重要引擎。然而已有研究大都侧重于分析工业机器人在劳动力就业、技术创新和出口绩效等方面的经济效应，从企业层面探讨中国工业机器人应用驱动因素的研究则较为少见。本文从人力资本的视角出发，基于中国科教兴国战略中的重要实践——1999年“高校扩招”政策，构建广义双重差分模型，首次考察了人力资本扩张对中国企业工业机器人应用的影响及其内在作用机制。研究结果表明：（1）在“高校扩招”引起的人力资本扩张发生后，相较于低人力资本强度行业而言，高人力资本强度行业中的企业工业机器人应用规模获得了更大幅度的增长，表明人力资本扩张显著促进了中国企业对工业机器人的应用，这一结论在一系列稳健性检验后依然成立。（2）充实企业技能人才储备和激发企业技术创新活力是人力资本扩张促进工业机器人应用的两个重要影响渠道。（3）人力资本扩张对工业机器人应用存在异质性影响，其促进作用在加工贸易企业、低融资约束企业和东部地区企业中更为明显。（4）工业机器人应用有效推动了企业的贸易转型升级。
本文的研究结论不仅有助于深化对工业机器人应用驱动因素的理解，也为坚持科教兴国、人才强国战略以及加快建设现代化产业体系提供了理论依据，其政策启示具体表现为以下四个方面：
第一，继续推进高等教育建设，筑牢制造业高质量发展的人才基石。在加大高等教育经费投入的基础上，着力优化调整高等教育结构，强化中西部高等教育振兴的制度供给，平衡地区间高等教育发展差异；在扩大高等教育覆盖率的同时实现高等教育的区域协调发展，为推动中国制造业的现代化、自动化、智能化转型提供更加充裕的高素质人才支撑。此外，高等教育工作要更加注重人才培养质量，应以“双一流”建设为契机，抢抓新一轮科技革命和产业变革的重大历史机遇，对标国家现代化产业体系建设的战略部署，有针对性地基于工业机器人技术这一关键领域推进学科布局和教育模式的调整，优化人才培养方案，全面提升育人成效。
第二，加强工业机器人相关应用学科与制造业企业的对接联动，着力提高加工贸易部门人才队伍的技能和素质。进一步畅通高校与制造业企业尤其是加工贸易企业开展长期稳定产学研合作的渠道，创新协同育人机制，校企联合打造共商、共建、共享的工业机器人专项人才培养共同体，建成一批高质量的工业机器人实训基地。深化“引企入校”“送智入企”，从企业在工业机器人应用过程中遇到的“卡脖子”技术难题出发，开展校企协同研究。以现实难题和实际需求引领工业机器人学科发展，实现学科发展与产业需求的紧密结合，催生出更多“接地气”的研究成果和“懂实操”的专业人才。
第三，鼓励和引导企业充分利用人才优势，推进制造业智能化转型。支持有条件、有基础的企业在生产流程、生产工艺等领域加大设备改造投入，大力发展工业机器人智能制造系统，加快淘汰落后低效、超期服役的老旧设备，更新一批高技术、高效率、高可靠性的先进工业机器人设备。加快工业机器人技术与制造全过程、全要素的深度融合，以场景化方式推动自动化车间和智能工厂建设，探索适应当代工业发展理念的生产管理新模式，推进制造业企业的生产流程再造，树立一批应用工业机器人技术的典型标杆。面向制造业企业的自动化、智能化发展需求，引导企业规范和完善高技能职工的培养、使用、激励和保障措施，打造一支高素质的智能制造人才队伍，为企业智能化转型提供坚实的人才支撑。
第四，进一步发挥金融对制造业智能化转型的支持作用。引导银行业金融机构围绕现代化产业体系建设目标，强化金融服务实体经济的根本理念，针对工业机器人应用发展的薄弱环节，建立差异化信贷政策，积极调整信贷投向和信贷结构。在依法合规、风险可控的前提下，对发展有前景、技术有竞争力的制造业企业在工业机器人购置、技术改造等方面的迫切融资需求，在授信额度、融资成本和抵质押品种类等方面予以适度倾斜，探索开展工业机器人设备融资租赁服务，全面提升对这类企业的中长期资金支持力度。将企业在人才、技术、战略定位等方面的“软信息”纳入信用评价体系，积极帮扶前期信用良好、暂时遇困的企业，切实为制造业企业引进工业机器人技术保驾护航。
参考文献
[1]陈昊，闫雪凌，杨立强.对外贸易与制造业机器人使用：行业开放促进技术进步的新证据[J].统计研究，2021,(3):44~57.
[2]陈勇兵，李辉，林雄立.劳动保护与企业智能制造转型——来自机器人进口的证据[J].数量经济技术经济研究，2023,(6):133~152.
[3]方齐云，程子昂，胡杨.人力资本扩张、工业机器人与企业出口产品质量[J].国际贸易问题，2023,(6):18~33.
[4]方森辉，毛其淋.高校扩招、人力资本与企业出口质量[J].中国工业经济，2021,(11):97~115.
[5]冯玲，袁帆，刘小逸.工业机器人与企业创新——来自中国制造业企业的证据[J].经济学（季刊），2023,(4):1264~1282.
[6]韩超，李鑫平.在自动化中推动企业绿色转型：技术进步与产品重构效应[J].数量经济技术经济研究，2023,(4):72~93.
[7]鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究，2013,(1):4~16.
[8]赖明勇，张新，彭水军，包群.经济增长的源泉：人力资本、研究开发与技术外溢[J].中国社会科学，2005,(2):32~46+204~205.
[9]李磊，王小霞，包群.机器人的就业效应：机制与中国经验[J].管理世界，2021,(9):104~119.
[10]马光荣，纪洋，徐建炜.大学扩招如何影响高等教育溢价？[J].管理世界，2017,(8):52~63.
[11]毛海涛，杨灿宇，张洁.工业机器人、投入产出关联与消费者福利——基于开放框架的量化分析[J].数量经济技术经济研究，2024,(6):46~66.
[12]毛其淋.人力资本推动中国加工贸易升级了吗？[J].经济研究，2019,(1):52~67.
[13]綦建红，付晶晶.最低工资政策与工业机器人应用——来自微观企业层面的证据[J].经济科学，2021,(4):99~114.
[14]綦建红，张志彤.机器人应用与出口产品范围调整：效率与质量能否兼得[J].世界经济，2022,(9):3~31.
[15]盛丹，卜文超.机器人使用与中国企业的污染排放[J].数量经济技术经济研究，2022,(9):157~176.
[16]宋旭光，左马华青.工业机器人如何影响制造业就业变动——基于上市公司微观数据的分析[J].经济学动态，2022,(7):70~89.
[17]王永钦，董雯.机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据[J].经济研究，2020,(10):159~175.
[18]魏下海，张沛康，杜宇洪.机器人如何重塑城市劳动力市场：移民工作任务的视角[J].经济学动态，2020,(10):92~109.
[19]吴一平，陈家和，李鹏飞.自动化技术应用与企业人力资本结构——基于供应链视角的研究[J].财经研究，2023,(7):4~18.
[20]谢小青.在职培训投资的调查分析[J].财政研究，2009,(9):45~46.
[21]许和连，亓朋，祝树金.贸易开放度、人力资本与全要素生产率：基于中国省际面板数据的经验分析[J].世界经济，2006,(12):3~10.
[22]闫雪凌，朱博楷，马超.工业机器人使用与制造业就业：来自中国的证据[J].统计研究，2020,(1):74~87.
[23]张明昂，施新政，纪珽.人力资本积累与劳动收入份额：来自中国大学扩招的证据[J].世界经济，2021,(2):23~47.
[24]张征宇，曹思力，汪伟，朱平芳.大学扩招政策的边际作用递减？——基于1999年高校扩招政策的异质性分析[J].经济学（季刊），2023,(3):876~893.
[25]诸竹君，袁逸铭，焦嘉嘉.工业自动化与制造业创新行为[J].中国工业经济，2022,(7):84~102.
[26]Acemoglu D., Restrepo P., 2020, Robots and Jobs:Evidence from US Labor Markets[J], Journal of Political Economy, 128(6), 2188~2244.
[27]Acemoglu D., Restrepo P., 2022, Demographics and Automation[J], Review of Economic Studies, 89(1), 1~44.
[28]Amabile T. M., 1997, Motivating Creativity in Organizations:on Doing What You Love and Loving What You Do[J], California Management Review, 40(1), 39~58.
[29]Anand N., Gardner H. K., Morris T., 2007, Knowledge-based Innovation:Emergence and Embedding of New Practice Areas in Management Consulting Firms[J], Academy of Management Journal, 50(2), 406~428.
[30]Barker V. L., Mueller G. C., 2002, CEO Characteristics and Firm R&D Spending[J], Management Science, 48(6), 782~801.
[31]Bertrand M., Duflo E., Mullainathan S., 2004, How Much Should We Trust Differences-in-differences Estimates?[J], Quarterly Journal of Economics, 119(1), 249~275.
[32]Brandt L., Morrow P. M., 2017, Tariffs and the Organization of Trade in China[J], Journal of International Economics, 104, 85~103.
[33]Brandt L., Van Biesebroeck J., Zhang Y., 2012, Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing[J], Journal of Development Economics, 97(2), 339~351.
[34]Caselli F., Coleman W. J., 2006, The World Technology Frontier[J], American Economic Review, 96(3),499~522.
[35]Che Y., Zhang L., 2018, Human Capital, Technology Adoption and Firm Performance:Impacts of China’s Higher Education Expansion in the Late 1990s[J], Economic Journal, 128(614), 2282~2320.
[36]Chen C., Huang J., 2009, Strategic Human Resource Practices and Innovation Performance-The Mediating Role of Knowledge Management Capacity[J], Journal of Business Research, 62(1), 104~114.
[37]Ciccone A., Papaioannou E., 2009, Human Capital, the Structure of Production, and Growth[J], Review of Economics and Statistics, 91(1), 66~82.
[38]Dauth W., Findeisen S., Suedekum J., Woessner N., 2018, Adjusting to Robots:Worker-level Evidence[R],Opportunity and Inclusive Growth Institute Working Paper, No.13.
[39]Duflo E., 2001, Schooling and Labor Market Consequences of School Construction in Indonesia:Evidence from an Unusual Policy Experiment[J], American Economic Review, 91(4), 795~813.
[40]Fan H., Hu Y., Tang L., 2021, Labor Costs and the Adoption of Robots in China[J], Journal of Economic Behavior&Organization, 186, 608~631.
[41]Feenstra R. C., Li Z., Yu M., 2014, Exports and Credit Constraints under Incomplete Information:Theory and Evidence from China[J], Review of Economics and Statistics, 96(4), 729~744.
[42]Hendricks L., 2000, Equipment Investment and Growth in Developing Countries[J], Journal of Development Economics, 61(2), 335~364.
[43]Hosseini H. K., Azar A., Rostamy A. A. A., 2003, The Intervening Role of Innovative Climate:A Study of Middle Managers in Manufacturing Organizations in Iran[J], Public Organization Review, 3, 151~170.
[44]Khandelwal A. K., Schott P. K., Wei S. J., 2013, Trade Liberalization and Embedded Institutional Reform:Evidence from Chinese Exporters[J], American Economic Review, 103(6), 2169~2195.
[45]Kong D., Zhang B., Zhang J., 2022, Higher Education and Corporate Innovation[J], Journal of Corporate Finance, 72, 102165.
[46]Liu Q., Qiu L. D., 2016, Intermediate Input Imports and Innovations:Evidence from Chinese Firms’ Patent Filings[J], Journal of International Economics, 103, 166~183.
[47]Liu Q., Lu R., Lu Y., Luong T. A., 2021, Import Competition and Firm Innovation:Evidence from China[J],Journal of Development Economics, 151, 102650.
[48]Lu Y., Tao Z., Zhu L., 2017, Identifying FDI Spillovers[J], Journal of International Economics, 107, 75~90.
[49]Lucas R. E., 1988, On the Mechanics of Economic Development[J], Journal of Monetary Economics, 22(1), 3~42.
[50]Romer P. M., 1986, Increasing Returns and Long-run Growth[J], Journal of Political Economy, 94(5), 1002~1037.
[51]Teixeira A. A. C., Fortuna N., 2010, Human Capital, R&D, Trade, and Long-run Productivity. Testing the Technological Absorption Hypothesis for the Portuguese Economy, 1960-2001[J], Research Policy, 39(3), 335~350.
[52]Toner P., 2011, Workforce Skills and Innovation:An Overview of Major Themes in the Literature[R], OECD Science, Technology and Industry Working Paper, No.2011/1.
[53] Ullah Z., Arslan A., 2022, R&D Contribution to Sustainable Product Attributes Development:The Complementarity of Human Capital[J], Sustainable Development, 30(5), 902~915.
[54]Van Smoorenburg M., Van Der Velden R., 2000, The Training of School-leavers:Complementarity or Substitution?[J], Economics of Education Review, 19(2), 207~217.
[55]Yang S., Liu F., Lu J., He X., 2022, Does Occupational Injury Promote Industrial Robot Applications?[J],Technology in Society, 70, 101998.
[56]You S., Zhou K. Z., Jia L., 2021, How Does Human Capital Foster Product Innovation? The Contingent Roles of Industry Cluster Features[J], Journal of Business Research, 130, 335~347.
[57]Yu M., 2015, Processing Trade, Tariff Reductions and Firm Productivity:Evidence from Chinese Firms[J],Economic Journal, 125(585), 943~988.
注释
(1)本文附录详见《数量经济技术经济研究》杂志网站，下同。
(1)由于2010年中国工业企业数据质量过低，故未纳入本文研究样本。
(1)限于篇幅，正文并未报告全部的稳健性检验结果，其余结果详见附录。
(1)重新构造的安慰剂面板数据中各人力资本强度行业下所属企业数量与基准回归中各行业内的企业数量一致，以尽可能降低不同行业规模的干扰。
(1)各学历的就业人数数据来自1995年第三次工业普查，该普查统计的最高学历段为大专及以上学历。
(1) 2004年恰好是高校扩招政策正式产生效果的后一年，1998年则恰好是高校扩招政策开始实施的前一年，因此这两个年份的大学毕业生规模之差能够较好识别省份层面高校扩招的幅度差异。
(1)当然，对劳动力成本敏感程度的不同可能也会导致加工贸易企业和一般贸易企业具有不同的工业机器人应用规模，在本文中，这种潜在的差异性影响已经通过计量模型中的企业工资水平变量加以控制。
(1) SA指数=-0.073×Size+0.043×Size2-0.04×Age，该指数绝对值越大，表明企业所面临的融资约束越严重。
了解作者更多信息请点击阅读原文
推荐阅读：
李娟 杨晶晶 赖明勇：教师激励、基础教育发展与人力资本积累——基于中小学教师职称制度改革的实证研究
