工业机器人是自动执行委托任务的机器，不需要与人进行任何直接或持续的交互。因此，它们在特定的生产阶段取代了人类工人。根据国际机器人联合会(IFR)的数据，正在运行的工业机器人数量已经非常高(2017年达到200万台)，预计在不久的将来会快速增长(接下来几年的年增长率为16%)。考虑到机器人在广泛制造业活动中的高速扩散，自动化如何影响现代劳动力市场的问题引起了经济学家和政策顾问的极大关注。
Frey和Osborne(2017)预测，在不久的将来，美国近47%的就业岗位可能会实现自动化。Graetz和Michaels(2018)专注于1993年至2007年期间，涵盖了17个不同的国家，他们发现机器人使用强度的增加占整个经济生产率增长的15%，促进了工资的显著增长，并且几乎没有总体就业效应。与此同时，Acemoglu和Restrepo(2017)对1990年至2007年间的美国劳动力市场进行了调查，结果表明，每千名工人中增加一个机器人，通勤区内的就业人口比将降低约0.2个百分点，工资将降低0.37%。Dauth等人(2018)对1994年至2014年间的德国进行了研究，发现对总就业没有影响，但发现就业构成从制造业向商业服务业的重大转变。
机器人技术对企业的影响
现有的研究首次提供了重要的见解，了解自动化如何在国家-行业层面上塑造就业或生产率等总体结果。然而，他们都做了一个关键的假设，即给定行业中的所有公司都有同样的能力和意愿采用机器人。他们没有认真考虑这样一种可能性，即在一些公司里，同样的一组任务是由人工完成的，而在另一些公司里，是由机器人完成的。因此，这些文献对以下核心问题提供的见解很少:哪些公司采用机器人?在企业层面上，采用机器人对劳动力市场的影响是什么?企业间机器人采用的差异又如何影响产业均衡?在最近的研究中(Koch et al. 2019)，我们使用1990年至2016年27年间西班牙制造公司的丰富面板数据集来解决这些问题。详细的微观层面数据的使用使我们能够对机器人技术的经济后果和政策影响开辟新的视角(Raj和Seamans 2018)。
数据
我们的研究基于西班牙的企业层面数据，西班牙是欧洲每个工人机器人密度最高的国家之一。这些数据来自ESEE，这是一项对大约1900家西班牙制造企业的年度调查，其中包含了关于企业制造过程的丰富而非常详细的信息，包括工业机器人和其他先进技术的使用、成本、价格、就业等。为了我们的研究目的，将ESEE数据集与其他数据集区分开来的关键方面是，它包含了个别公司在生产过程中使用机器人的直接信息。因此，它提供了一个独特的机会来研究企业层面采用机器人的动机和后果。
首先来看一下数据
从ESEE数据集构建的图1清楚地表明，采用机器人的企业异质性对机器人技术的劳动力市场效应有很大影响。它表明，在1990年至1998年期间采用机器人的公司(“机器人采用者”)在1998年至2016年期间增加了50%以上的工作岗位，而未采用机器人的公司(“非采用者”)在同一时期减少了20%以上的工作岗位。从机器人使用的宏观信息来看，正如现有文献所采用的，不可能在数据中识别和调查这种惊人的模式。
图1机器人采用者与非采用者在企业层面就业的演变
笔记该图描述了1990年至2016年平衡样本中企业平均就业水平(以工人数量衡量)的演变，分别为机器人采用者(黑色实线)和非采用者(灰色虚线)。机器人采用者被定义为1990年进入样本并在1998年之前采用机器人的公司。非采用者是指在整个样本期内从未使用过机器人的公司。
企业特征与机器人采用
我们通过关注企业的采用决策开始我们的实证分析。我们揭示了积极选择的有力证据，也就是说，我们表明，在采用机器人之前，在生产过程中采用机器人的企业已经比未采用机器人的企业规模更大，生产率更高。通过观察企业内部劳动力的技能构成，我们建立了强有力的证据，证明以生产率为条件，更多技能密集型企业则不太可能采用机器人。直观地说，更复杂的生产过程需要更多的高技能工人;由于这些工人更难被取代，因此企业的技能强度与自动化带来的收益之间存在负相关关系。最后，我们的数据表明出口商更有可能比非出口商更愿意采用机器人，因为这样做的好处可以扩大到更大的客户群。
机器人采用的企业层面效应
我们将继续记录机器人采用后的一系列公司层面的影响。为了可靠地控制机器人采用的非随机选择，我们密切关注文献中提出的计量经济学方法，并将差异中的差异方法与合适的倾向得分重加权估计器相结合。首先，我们发现在四年内，在20-25%附近的显著和积极的产出效应。其次，我们证明了机器人的采用者增加而不是减少总就业(增长10%左右)。这证实了图1的暗示性证据。最后，我们表明，劳动力成本份额下降了5-7%，而平均工资保持不变。
机器人的采用和行业内的再分配
在实证分析的最后一步，我们研究了未采用机器人的企业(即尚未开始使用机器人的企业)如何受到机器人技术兴起的影响，以及机器人如何促进总生产率的发展。我们发现，在不采用这种方法的公司中，有大量的工作岗位流失。我们的估计表明，当使用机器人的公司在其行业中的销售份额从零增加到一半时，未采用机器人的公司中有10%的工作岗位会被摧毁。同样的逻辑也适用于产出和生存概率的变化。
为了阐明机器人对总生产率的贡献，我们区分了(1)机器人采用者内部的直接效率收益，以及(2)通过劳动力从非采用者到采用者的再分配而获得的间接收益。图2显示，如果没有机器人技术的可用性和采用，全要素生产率(TFP)将在1990年至2016年期间翻一番，而不是三倍。此外，我们看到，直接技术效率的提高可以解释机器人带来的三分之二的全要素生产率增长，而劳动力再分配带来的增长可以解释剩下的三分之一。
图2总TFP的真实与反事实演化
笔记该图描述了1990年至2016年平衡样本中企业总TFP(以就业份额为权重构建为企业层面TFP的加权平均值)的演变。黑色实线描绘了实际的演变;深灰色长虚线描述了由于采用机器人而消除企业特定TFP收益的反事实进化;浅灰色短虚线描述了反事实进化，消除了由于采用机器人而导致的企业特定TFP收益，以及由企业层面采用机器人和行业层面机器人密度上升引起的劳动力再分配。
结论
我们通过使用机器人技术提供了关于生产自动化影响的新证据。新颖之处在于，我们关注的是个体企业采用机器人的决定因素和后果。我们为一个迄今为止被忽视的机制提供了强有力的支持，即，机器人采用者扩大了他们的运营规模并创造了就业机会，而非采用者在面对与高科技公司更激烈的竞争时经历了负面的产出和就业效应。随着机器人技术的广泛传播，市场份额和资源在行业内的大量重新分配，以及高生产率机器人采用者和低生产率非采用者之间的两极分化，在一定程度上推动了总生产率的提高。
参考文献
Acemoglu, D和P Restrepo(2017)，“机器人和就业:来自美国劳动力市场的证据”，NBER工作论文23285。
道思，W, S Findeisen, J Suedekum和N Woessner(2018)，“适应机器人:工人层面的证据”，机会与包容性增长研究所工作文件13，明尼阿波利斯联邦储备银行。
Frey, C B和M A Osborne(2017)，“就业的未来:工作对计算机化的影响有多大?””,技术预测与社会变革114: 254 - 280。
格雷茨，G和G迈克尔斯(2018)，“工作中的机器人”，经济学与统计学评论100(5): 753 - 768。
Koch, M, I Manuylov和M Smolka(2019)，“机器人与企业”，CESifo工作文件7608。
Raj, M和R Seamans(2018)，“人工智能、劳动力、生产率和对公司级数据的需求”，载于人工智能经济学:一个议程芝加哥大学出版社。
