工业机器人应用可以重塑企业生存优势吗_——来自中国工业企业的证据.docx

《工业机器人应用可以重塑企业生存优势吗_——来自中国工业企业的证据.docx》由会员分享，可在线阅读，更多相关《工业机器人应用可以重塑企业生存优势吗_——来自中国工业企业的证据.docx（12页珍藏版）》请在课桌文档上搜索。

1、第40卷第5期2023年9月Vol. 40 No. 5Sep. 2023经济经纬EeOnOmiCSUrVey工业机器人应用可以重塑企业生存优势吗？一来自中国工业企业的证据张慧I杨永聪L彭璧玉2（1.广东外语外贸大学粤商研究中心,广东广州510006;2.华南师范大学经济与管理学院,广东广州510006）88888888888888888888888888888888888888888888888888摘要:工业机器人在企业应用越来越广泛，其能否重塑企业生存优势值得探讨.基于IFR机器人数据和中国工业企业数据,检验了工业机器人应用影响企业生存的效应与机制。结果发现:工业机器人应用可以重塑企业生存

2、优势，机器人渗透度每增加1%,企业生存概率会上升35.60%；进一步的异质性检验显示，工业机器人应用的生存促进效应在非出口企业、民营企业效果更显著，政府补贴并未增强工业机器人应用的生存促进效应.同时，工业机器人应用的生存促进效应在不同工业部门及制造业细分行业存在明显不同，该促进效应在劳动密集型行业中更为显著。此外，工业机器人应用对东部区域、高科技创新区域企业生存的促进效应更强；从作用机制来看，生产要素配音优化、生产效率提升和产出规模扩大均是工业机器人应用重塑企业生存优势的重要渠道.在数字经济时代，上述发现为下一阶段工业机器人政策的制定和落实提供了有益参考.关键词：工业机器人；生存优势；生存分析

3、基金项目：教育部人文社会科学研究青年基金项目（19YJC790183）；广东省普通高校青年创新人才类项目（2018WQNCXO31）;国家社会科学基金重大项目（21&ZD123）作者简介：张慧（1990-）,女，河南商丘人,博士,讲师，主要从事产业经济研究；杨永聪（1987-）,广东茂名人,博士，副教授，主要从事产业与贸易发展研究；彭壁玉（1966），湖南双峰人，教授，博士生导师，主要从事产业组织与管理研究.杨永聪为本文通信作者.中图分类号：F270文献标识码:A文章编号:1006-1096（2023）05-0113-12收稿日期:2022-05-13888888888888888888888

4、88888888888888888888888888888一、引言与文献综述生存反映了企业从进入市场至退出市场的演化过程，能否在市场中持续生存是每个企业面临的重要问题。中国企业生存年限普遍较短,2013年国家工商总局发布的全国内资企业生存时间分析报告显示，超半数的企业生存时间不足5年，和日本企业30年的平均生存时间及欧美企业40年的平均生存时间差距较大。现阶段，国际国内经济环境复杂多变，不确定性持续存在，同时中国人口红利正在消失，中国企业面临的生存压力和挑战更加严峻O在这样的形势下，中国政府从中央到地方，全力为企业纾困解难，帮助企业维持持续经营状态并实现了快速的发展。然而，要从根本上解决企业的

5、生存问题，更重要的是增强存续企业的造血功能和经营韧性，培育存续企业的自我发展能力，推动存续企业通过不断创新探索寻找到维持自身强盛生命力的优势，即生存优势。聚焦主业、重塑核心生存优势,将成为中国企业在当前经济背景下化解生存危机、突出重围的关键路径和必然选择O数字化和智能化转型是助力企业重塑和增强生存优势的重要方式，目前以工业机器人为载体的人工智能技术已在中国企业广泛应用，为中国企业生产方式带来了重大变革,根据国际机器人联合会（IFR）最新发布的世界机器人报告2022，截止到2021年底，中国工业机器人使用量突破100万台大关，占全球机器人使用量的比重已经接近三成，机器换人趋势特征日益明显。工业机

6、器人大规模地应用于企业生产活动，可以促进企业资本、劳动要素优化配置，提升企业生产效率，扩大企业产出规模，帮助企业创造更高价值，推动企业生存优势重塑。那么，在中国的现实情境下，工业机器人应用能否重塑企业生存优势呢？若事实果真如此，这一影响的渠道机制是什么？异质性情境下这一影响是否存在差异呢？近年来，众多学者研究了工业机器人应用与微观企业经济绩效的关系，涌现出了大量相关文献。这些文献大多侧重于考察工业机器人应用对企业就业的影响，包括对就业市场需求和结构的影响（Kariel,2021;王永钦等，2020;李磊等，2021）、对劳动者工资差距的影响（LankiScheta,2019;索建红等，2021

7、）、对人力资本的影响（BalIeStaretal,2022;胡晟明等，2021）等诸多方面，形成了工业机器人应用的就业替代效应、就业创造效应和非线性效应三种主要观点。少数文献研究了工业机器人应用对企业创新、企业出口、企业生产率等微观因素的影响（蔡震坤等，2021;黄先海等，2023）,多数研究认为工业机器人应用产生了积极的微观经济效应。可以看出，现有工业机器人微观经济效应的考察仅停留在短期层面，尚无关于企业生存这种长期经济绩效的充分讨论O企业生存的有关研究中，众多学者证实了技术进步有助于提高企业生存概率，如Doms等（1995）利用美国制造业企业样本数据，考察了先进制造技术的应用对企业退出概率

8、的影响，发现采用先进技术的制造业企业退出市场的可能性较小。Furr等（2018）认为新兴行业内往往存在着激烈的技术竞争，通过对全球太阳能光伏行业的研究，发现能力强的企业及做出竞争性技术选择的企业可以获得更多的生存机会.Ghobakhloo等（2019）对一家制造企业进行了为期5年的深入研究,分析了企业信息技术（IT）应用及制造业数字化的历程，发现小型制造企业可以从IT现代技术的组织整合和整个价值链的数字化中获得持续生存优势。Das等（2020）指出技术是中小企业获得竞争力以及实现可持续增长的关键，在对发展中国家的纵向研究中，发现优化技术环境可以促进中小企业持续生存。国内学者何文韬等（2018）

9、收集了中国光伏企业进入退出信息和申请专利数量相关数据，刻画了中国光伏产业进入、退出动态演进历程，发现技术创新行为显著降低了企业群体的退出风险.然而，工业机器人作为现阶段应用最广泛的先进技术之一，企业生存研究领域尚未有学者专门评估该技术类型的生存作用效果o在此基础上，系统研究工业机器人应用对企业生存所产生的影响是对现有文献的有益补充O本文结合工业机器人安装数据及中国工业企业相关数据，检验了工业机器人应用影响企业生存的效应与机制，结果表明，工业机器人应用能够促进企业生存优势的重塑，但该促进效应在异质性企业、行业和区域条件下表现明显不同，同时要素配置优化、生产效率提升和产出规模扩大均是这一促进效应产

10、生的重要传导渠道o本文的创新主要体现在以下几点：第一，现有文献大多仅考察了工业机器人应用的短期微观经济效果，而本文从企业生存的视角，评估了工业机器人应用对微观企业的长期动态影响效应，拓展了相关文献的研究内容。第二,鲜有文献系统剖析工业机器人应用的微观机制，本文在要素、效率、产出三大分析框架下，系统剖析了工业机器人应用通过生产要素配置优化、生产效率提升和产出规模扩大三个渠道重塑企业生存优势的传导机制，从而深化了对于工业机器人应用与企业生存内在关系的理解0第三，企业生存分析的大多数文献仅基于单一的生存模型进行估计，本文在运用COX比例风险模型进行正式的估计后，采用其他四种常用的生存模型开展稳健性检

11、验，这样会更为可靠地测度出工业机器人应用与企业生存之间的实际因果关系。二、理论分析与研究假设（一）工业机器人应用对企业生存的影响在日趋激烈的市场竞争中，生产组织方式演变和技术重大变革是企业维持长久生存和发展的重要方式（冯明,2022）。工业机器人是当代科学技术发展最有前景的技术之一，已被大规模应用于企业生产活动，它可以帮助企业在生产管理中开展技术改造和升级，助推企业生产组织方式向自动化、智能化方向转变，并最终影响企业生存，促使企业在新的路径上重塑生存优势一方面，通过在生产管理中融入更多先进的工业机器人技术,企业可以将过去独立、离散的生产系统和管理环节进行整合与集成,从而更高效率、更低成本地执行

12、生产管理任务，这种在生产和管理层面的智能化升级，最终使企业在市场生存中占据更大优势（刘胜等，2019）另一方面，工业机器人技术属于资金技术密集型要素，可以助推企业生产组织方式从传统人工劳动和要素投入向高品质生产要素组合转变，有助于企业生产资源结构和配置效率达到最优状态，从而赋能企业重塑和增强生存优势（LOfSten,2016）。此外,企业可以充分利用工业机器人技术不断革新，带动全链条、全过程、全产品（或服务）开展技术升级，从而在原来资源边界下达到更大的产出绩效和更高的附加值，并最终在积极求变创新中获得更强的生存优势（BaHeStaretal,2022）。基于上述分析,本文提出以下假设。假说1:

13、工业机器人应用可以重塑企业生存优势。（一）工业机器人应用影响企业生存的机制工业机器人作为一种创新要素、技术载体和自动化生产工艺,会对企业的要素结构、效率结构和产出结构产生深远的影响。从作用机制来看,工业机器人应用可以通过影响企业的生产要素配置、生产效率、产出规模渠道，进而作用于企业生存。具体分析如下：一是生产要素配置优化效应。工业机器人本身是一种创新要素，可以像劳动、资本等其他生产要素一样，通过优质要素资源注入增强企业生存优势.与此同时，工业机器人作为知识和资金密集型投入要素，会对劳动、资本等其他生产要素投入提出更高要求，可以激发企业进行高水平人力资本要素投入，并推动企业注入优质资本要素，促进

14、了企业生产要素配置结构优化（DaVid,2015）进一步，企业可以通过高品质生产要素投入的重新组合和协同创新，扩大企业劳动和资本的边际产出和收益，提高企业价值创造（赵敏等，2021）,推动企业生存优势的重塑更为重要的是，工业机器人应用对低技能劳动力产生了替代效应，导致低技能劳动力价格下降和资本价格上升，因而企业可以通过“机器换人节约大量低技能劳动力成本，从而拥有更多资金用于高技能人力资本投资，或者直接以资本形式注入企业获得更高收益（王林辉等，2020）显然地，这种优质生产要素配置能力的提升，能够使企业在后续市场生存中占据更大优势.此外，随着工业机器人技术与实体企业深度融合，企业配置优质生产资源

15、的效率会得到大幅提升o一方面，在劳动市场中，劳动供给方为满足工业机器人应用下生产任务的技能要求，会通过人力资本投资提升自身技能水平，从而胜任智能化工作环境中的新劳动岗位，这使得企业可以高效率地从劳动市场中寻找到适应智能化工作环境的高技能人才（胡晟明等，2021）。另一方面，在资本市场中，主动紧跟工业机器人应用潮流和积极响应工业机器人相关政策的企业，往往能够受到金融机构的关注和青睐，从而可以更加高效率地获得政策性资金和融资支持o企业可以通过优质生产资源的高效配置，在新的资源基础下达到更大的产出绩效，从而重塑生存优势。二是生产效率提升效应。该效应的作用机制主要体现在以下两个方面：其一，工业机器人是

16、先进技术的载体，使用高水平的工业机器人设备可以助力劳动者提高创造力和生产力，带来劳动生产率的普遍提高。因而，应用工业机器人的企业和未应用工业机器人的企业将存在明显的劳动生产率差异，劳动生产率低的企业会在市场竞争中被迫退出市场，应用工业机器人的企业则可以从劳动生产率提升中获得持续生存优势（黄先海等，2023）。其二，工业机器人不仅推动了企业用工模式的变化和单要素生产率的提高，还促进了系统中各要素综合生产率的提升。在生产组织和管理运营方面，工业机器人应用带来了数字化、智能化的技术进步,推动了自动化深化和资本积累，有利于企业生产质量提升、技术创新升级和管理模式改进，实现全要素生产率提升，进而帮助企业

17、以更优的资源配置、更低的成本费用和更高的运营效率，获得更强的竞争力和生存力（杨光等，2020）同时，工业机器人在企业应用中实现了技术的替代与互补，产生了知识和技术的溢出效应，丰富和扩展了企业创新技术和资源应用的广度和深度，带动了企业进行全面技术整合和升级，推动了企业生产率全面提升,进而使企业在市场中获得更强的生存优势（Bergeaudetal,2018）特别是,在引进工业机器人设备后，企业能够通过对先进技术的模仿和吸收学习，增强自身的创造能力，带动相关生产技术的革新,提高全要素生产率,并最终从生产效率提升中重塑生存优势（李丫丫等，2017）0三是产出规模扩大效应。工业机器人是自动化技术的一种高

18、阶类型，在应用工业机器人设备后，自动化、数字化和智能化生产将逐渐替代传统生产方式，企业能够在更加标准化和智能化的生产中大幅提升生产力，扩大产出规模，提高产出增加值，从而获得更大的盈利空间和生存空间.与此同时,工业机器人应用带来了供给面的成本下降，即工业机器人以及自动化技术的应用会导致企业生产经营成本下降（李磊等，2021）。受到成本下降的激励，企业会主动扩大产出规模，并从产出规模增加中形成规模效应，企业的市场占有率和竞争力随之增加，生存优势将更加凸显。此外,工业机器人应用还带来了需求面”的规模扩张，即自动化技术的应用极大地降低了企业生产经营成本，并且带来了新的产品，在其他条件不变的情况下，使得

19、受自动化技术影响的商品和服务的价格下降,并通过收入效应增加消费者对该商品或者服务的消费需求，由此带来消费者需求规模大幅扩张（王永钦等，2020）0在均衡中，消费需求规模扩张为应用工业机器人设备的企业提供了更为广阔的市场空间，企业会受到消费市场需求的驱动进一步扩大产出规模，并最终从中获得更强的盈利能力和生存优势。基于上述分析，本文提出以下假设。假说2:工业机器人应用可以通过生产要素配置优化、生产效率提升及产出规模扩大渠道重塑企业生存优势。三、数据来源与模型设定（一）数据来源本文主要使用2006-2015年IFR数据库、中国工业企业数据库、中国劳动统计年鉴和中国统计年鉴的匹配数据。IFR是权威的机

20、器人统计数据库，其构建了70多个国家的机器人统计数据，本文从中提取了中国行业与年度层面的机器人安装存量和机器人安装增量数据o本文采用的微观数据来源于中国工业企业数据库,从中提取了企业设立时间、企业状态（营业或注销）、企业类型、行业分类等微观数据,并剔除了原始数据中存在的异常样本同时，为了处理生存数据的左删失问题，即原始数据中有一部分企业在2006年观察期开始之前已经存在于市场，但无法确认这部分企业在2006年前是否持续存在，因而本文研究中剔除了这部分企业样本。为了测算行业、城市与年度层面的机器人渗透度指标，本文从中国劳动统计年鉴中提取了工业领域分省分行业分年度的就业人数数据此外，研究中涉及的区

21、域层面的宏观数据，主要来源于中国统计年鉴。数据匹配中，由于中国的行业分类标准与IFR的行业分类不一致,本文对照IFR中17个行业门类，对中国工业企业数据库和中国劳动统计年鉴中的细分行业进行了归并，经过匹配最终获得111129个研究样本。（二）模型设定Cox比例风险模型是生存分析中较常用的半参数模型，在分析生存数据时具有明显的优势，可以有效克服生存数据中普遍存在的右删失问题。本文数据结构存在明显的右删失问题，即部分企业在观察期结束（2015年）仍未经历退出事件，无法直接观察到企业的生存时间，Cox比例风险模型则巧妙地采用风险函数的设定估计了企业生存时间的分布、预测出未来期限事件发生的概率，较好地

22、解决了生存数据的右删失问题0由此，本文选择COX比例风险模型作为基准回归模型考察工业机器人应用与企业生存之间的因果效应。但使用之前需要开展舍得菲尔德检验，以测试研究变量是否满足比例风险（PH）假定。通过检验，发现研究变量的Schoenfeld残差与时间不存在明显的相关性，符合PH假定要求，COX比例风险模型设定合理。由此，设定如下形式的基准回归模型：lnh（T,x）=Inh0（T）+1PERobot+2X（1）其中，h（T,x）是本文的被解释变量，代表企业在生存时间T受工业机器人应用等因子影响的生存风险率，涵盖生存时间T和生存状态（Status）两个变量，生存时间T使用企业注销时间或者观察期结

23、束时间-企业设立时间+1来衡量，生存状态（Status）采用企业退出（注销）赋值为1、企业营业赋值为0的虚拟变量衡量o方程右侧的h0（T）是基准风险率，表示未加入工业机器人应用等因子前，企业随着生存时间T延续的生存分布o核心解释变量PERobot表示t时期S区域i行业的工业机器人渗透度，这一指标的测算主要参考Acemoglu等（2020）的做法：首先计算行业层面的工业机器人渗透度指标PERobotit=RobOtMLh其中Robotit表示t时期i行业的工业机器人安装量，L”表示t时期i行业的就业人数；由于IFR数据中只有中国行业层面的工业机器人安装量，所以需要进一步构建式（2）所示的城市层面

24、的工业机器人渗透度指标，其中Lsit表示t时期S区域i行业的就业人数,Lst表示t时期S区域的就业人数。/.PERobotsjt=-X（2）X表示其他控制变量，涵盖企业规模（Size）,用企业从业人员数的对数值衡量；企业出口（Export）用企业出口交货值/企业销售收入的对数值衡量；资产负债率（Lev）用流动负债与流动资产的比值衡量；国有企业（State）用企业所有制类型为国有企业则赋值为1、否则赋值为0的虚拟变量衡量;政府补贴（SUbSidy）用政府补贴收入/企业销售收入的对数值衡量；行业集中度（HHl）用行业的赫芬达尔指数衡量;行业技术密集度（Teconology）用企业所处的行业为技术和

25、资金密集型行业则赋值为1、否则赋值为0的虚拟变量衡量;区域发展水平（PGDP）用基于购买力平价调整后的人均GDP取对数衡量;区域人口数量（Popu）用区域人口的对数值衡量;区域科技创新水平（InnO）用区域专利授权数/人口数的对数值衡量。各变量的定义及描述性统计如表1所示。表1变量定义及描述性统计变量定义样本数平均值标准差最小值最大值T企业退出时间-设立时间+11111297.3602.115110Status企业退出状态为I,生存状态为01111290.0753.983048.472PERobott时期S区域i行业的机器人渗透度1111291.4377.93960.918131,483Siz

26、e企业从业人员数的对数值1111295.6560.8602.07912.531Export企业出口交货值/企业销售收入的对数值1111290.9913.088019.254Lev流动负债/流动资产1111290.3720.642014.804State国有企业为1.其他为01111290.0140.11701Subsidy政府补贴收入/企业销售收入的对数值1111290.48589.332027270HHI行业的赫芬达尔指数1111290.0110.0450.00020.928Teconology资金技术密集型为1.劳动密集型为01111290.6700.47001PGDP购买力平价调整后的人

27、均GOP取对数11112910.5820.3733.97811.275Popu区域人口的对数值1111298.7190.4765.7049.292Inno区域专利授权数/人口数的对数值11112914.64612,3460.17743.312四、模型结果分析与讨论（一）基准回归采用COX比例风险模型，检验工业机器人应用对企业生存风险的影响，基本回归结果汇报如表2。表2的第（1）列只加入核心解释变量工业机器人渗透度.第（2）列在此基础上加入了企业规模、企业出口、资产负债率、国有企业、政府补贴、政府补贴的二次项若干个企业层面的控制变量，第（3）列继续加入了行业集中度、行业技术密集度两个行业层面的控

28、制变量.第（4）列进一步加入了区域发展水平、区域人口数量、区域科技创新水平三个区域层面的控制变量,以尽可能减少遗漏变量所造成的偏误。表2基本回归结果变量(1)(2)(3)(4)加入核心变量控制企业变量控制行业变量控制地区变量PERobot-0.812-0.558-0,559-04404-(0.037)(0.034)(0.035)(0.033)Size-0.8673a，-0.743-0.733w(0.008)(0.008)(0.008)Export-0.579E-0.541-0.420E(0.038)(0.038)(0.037)0.316-0.3010.282(0.004)(0.004)(0.0

29、04)-0.084w-0,080-0.095(0.013)(0.013)(0.013)Subsidy0.091E0.07520.072,m(0.010)(0.011)(0.011)Subsidy2-0.078E-0.0632-0.061w(0.010)(0.011)(0.010)HHl0.2480.249,-(0.003)(0.003)Teconology-0.010(0.011)-0.04L(0.011)PGDP-0.191(0009)Popu-0.066w(0.010)Inno-0.264,w(0.018)Loglikelihood-95090.76-86582.55-84105.66-8

30、3374.74LRtest1012.3118028.75”.22982.522444436”.N111129111129111129111129注：括号内为标准误.*、*、*分别表示隔、5%、10*的显著性水平。下同。由第（1）列的回归结果可知，工业机器人渗透度的回归系数为负，且在1$的水平上显著。从第（2）列、第（3）列、第（4）列的回归结果来看，进一步加入不同层面的控制变量后，工业机器人渗透度的回归系数依旧为负,且均在1$的水平上显著。这表明,在其他条件不变的情况下，工业机器人渗透度的增加提高了企业生存概率，工业机器人渗透度每增加1%,企业生存概率会增加35.60个百分点。因此，工业机器人

31、应用对微观企业生存产生了积极促进效应，可以重塑企业生存优势，假说1成立。从控制变量的回归结果来看，各个变量均在K的水平上显著,规模越大，出口强度越高，资产负债率越少，企业生存概率越高。相对非国有企业，国有企业有着更高的生存概率。政府补贴只有在“适度”补贴区间内才能达到促进企业生存的效果。行业越垄断，企业生存风险越高，资金和技术密集型行业内的企业相对劳动密集型行业内的企业生存概率更高。区域经济发展水平、人口密度、科技创新水平越高，区域内企业的生存概率越高。（一）内生性问题处理工业机器人应用与企业生存之间可能存在着由于双向因果关系、遗漏变量等原因导致的内生性问题，本文主要采用工具变量法和倾向得分匹

32、配法两种方法解决内生性问题。工具变量法回归分析中，借鉴王永钦等（2020）的方法，利用美国工业机器人数据构建美国行业层面的工业机器人渗透度，并将其作为中国工业机器人渗透度的工具变量。美国工业机器人应用水平处于全球领先地位，其发展趋势能够反映该行业的应用趋势和技术进步趋势,由此中国工业机器人应用水平与美国工业机器人发展趋势密切关联。同时，美国行业层面的工业机器人应用程度与中国本土企业生存之间不存在直接关联，由此将其作为工具变量是合理的。工具变量的两阶段最小二乘估计结果见表3第（1）列和第（2）列，第一阶段的回归结果显示，工具变量对工业机器人渗透度的回归系数显著为正，说明美国工业机器人应用水平越高

33、，中国工业机器人应用水平也会越高。同时，第一阶段回归结果中的F统计量值大于10,表明不存在弱工具变量问题。第二阶段的回归结果显示，工业机器人渗透度对企业生存风险（SUrViVaI）的回归系数显著为负，表明工业机器人应用提高了企业生存概率。借助工具变量法重新对基准模型进行回归，前述结论依旧成立。倾向得分匹配法回归分析中，通过处理变量PERobot对匹配变量进行Logit回归，测算出倾向得分值，并以最近邻1对3匹配搜寻与处理组企业评分最为接近的对照组企业.最终得到35096个成功匹配的企业样本。同时，从共同支撑假设和平衡性假设两个方面对匹配效果进行了检验，结果表明匹配结果较好。采用匹配后的样本进行

34、回归的结果如表3第（3）列所示，结果显示工业机器人应用的系数显著为负，说明工业机器人应用可以提高企业生存概率。因此.在应用倾向得分匹配法克服模型的内生性问题后，基准回归结果也依然成立。表3内生性问题的处理变量(1)(2)(3)第一阶段（PERobot）第二阶段(SUrViVal)倾向得分匹配PERobot0.389-0,015(0.001)-0.639,*(0.074)(0.006)控制变量是是是Fstatistic1395.65R20.220Loglikelihood-32699.96LRtest9227.43N11112911112935096（三）稳健性检验为了确认上述基准回归结果的可靠

35、性，本文采用如下方案开展稳健性检验。第一,替换工业机器人渗透度指标。IFR数据库中不仅包含了机器人安装存量指标，而且涵盖了机器人安装增量指标，稳健性检验中，本文采用工业机器人安装增量数据重新测算工业机器人渗透度指标并开展回归分析，结果报告在表4第（1）列。结果同样显示工业机器人渗透度的回归系数显著为负，这一结果与基准回归结果相一致。第二，删除样本。根据IFR统计数据，全球机器人安装量从2009年开始加速增长.因此本文删除了2009年之前的研究样本进行回归分析，回归结果见表4第（2）列，可以发现工业机器人渗透度的回归系数依然显著为负，这-118说明无论工业机器人应用是否处于高增长期并未对本文核心

36、结论产生实质性影响。第三，变换模型。Gam-ma模型、LognoEaI模型、LogIogistic模型和WeibUll模型也是生存分析中较为常用的模型，由此本文采用上述四种模型开展回归分析,并根据AIC的评判准则，选择拟合程度最好的Weibull模型和Loglogistic模型进行结果汇报，分别见表4第(3)列和第(4)列。从两个模型的回归结果来看,工业机器人渗透度的回归系数为负，且在1$的水平上显著.由此可知COX比例风险模型的回归结果是稳健的。表4稳健性检验结果变量(1)(2)(3)(4)替换指标删除样本Weibull模型LoglQgiStiC模型PERobot-0.328-0.369-0

37、.29340-0,259(0.027)(0.032)(0.021)(0.018)Size-0.734o-0.730-0.487”.-0.414(0.008)(0.010)(0.006)(0.006)Export-0.422*o-0.423,*-0.260o-O.170,(0.037)(0.039)(0.023)(0.018)0,2830.2980.18630.228w(0.004)(0.005)(0.003)(0.004)State-O.094-0.103-0.0670*-0.043(O.013)(0.014)(0.008)(0.008)SitosidyO.071,*0.0760.045,0.

38、042-(O.011)(0.011)(0.007)(0.008)Subsidy2-O.060-0.064-0.038o-0.037,(O.010)(0.010)(0.007)(0.008)HHIO.249wO.266*w0.1590.329E(O.003)(0.003)(0.002)(0.004)Teconology-O.045w-0.059-0.030w-O.OIO(O.Oil)(0.013)(0.007)(0.006)PGDP-O.192-0.190*-0.136w-0.131(O.009)(0.010)(0.005)(0.008)-O.067,-0.126R-0.039”-0,0412(

39、O.010)(0.011)(0.006)(0.006)-O.265o-0.175-Q.179*-0,097(O.018)(0.019)(0.011)(0.011)Cons4.130403.6554-(0.022)(0.018)Loglikelihood-83411.88-64449.25-23281.97-20805.43LRtest24370.08”16604.84”26525.1931406.38”N111129109163111129111129(四)异质性影响检验1 .企业异质性企业的资源禀赋不同，对工业机器人技术的利用能力会有所不同，由此异质性企业间工业机器人应用的生存促进效应可能存

40、在差异。在企业异质性检验中，本文主要从出口贸易、政府补贴、所有权性质三个方面进行考察。在出口烫易方面，按照企业是否参与出口贸易活动，将总样本划分为出口企业和非出口企业，分组回归的结果在表5第(1)列和第(2)列，结果表明工业机器人应用对非出口企业的生存促进效应大于出口企业。这说明，出口企业虽然可以从工业机器人应用中获得生存优势，但当面临掌握顶尖机器人技术的发达国家企业竞争时，出口企业从中获得的相对优势可能被削弱。在政府补贴方面.按照企业是否接受政府补贴，将总样本划分为补贴企业和非补贴企业，分组回归的结果在表5第(3)列和第(4)列，可以看出相对于补贴企业，工业机器人应用对非补贴企业生存促进效应

41、更大。这表明，政府补贴并没有增强工业机器人应用的生存促进效应，相关补贴政策还有待完善，如现阶段中国各省市大多只针对工业机器人的前期购置和安装环节进行了补贴，这只是节约了企业购置工业机器人的成本，并不能保证工业机器人应用后企业效益的提升。在所有权性质方面,按照企业股权类型，将总样本划分为国有企业、民营企业和外资企业，分组回归的结果在表5第(5)列、第(6)列和第(7)列，研究发现工业机器人应用对民营企业生存的促进作用最大.其次是外资-119企业，对国有企业生存的影响最小。上述结果说明，工业机器人应用的生存促进效应主要存在于民营企业和外资企业中,国有企业受限于制度约束这一效应相对较弱。表5企业的异

42、质性分析变量按照是否H（1）出口企业B口分类（2）非出口企业按照是否补贴分类（3）补贴企业（4）非补贴企业PERobot-0.416E-0.489,-0.383*-0.457o(0.072)(0.038)(0.089)(0.036)控制变量是是是是LogIikelihood-6414.41-74090.80-4092.99-77222.38LRtest2983.30一21665.58m1572.6922929.IOwN14368967619218101911按照所有权性质分类变罡(6)(7)国有企业民营企业外资企业PERobot-0.178,-0.47OE-0.423,(0.078)(0.04

43、0)(0.070)控制变足是是是LogIikelihood-8050.06-59096.58-9320.76LRtest2655.09”16709.77B4783.68N632592896119082 .行业异质性就行业异质性而言，不同行业在生产方式、智能化生产技术融合度等方面存在差别，因而工业机器人应用的生存促进效应在不同行业间也有所不同，本文主要关注工业机器人应用在不同工业门类、不同制造业细分行业及不同要素密集度行业的影响差异。不同工业门类方面，本文将工业部门划分为制造业和非制造业（采掘业、电力电热燃气及水生产和供应业）两类，分组回归的结果在表6第（1）列和第（2）列，结果显示工业机器人应

44、用对非制造业的生存促进效应大于制造业。这一结果可能是因为相对制造业，采掘业等非制造部门高强度、高重复性的工序更多.且劳动力的流动性更大,工业机器人应用对其要素、效率和规模的作用效果更强，由此生存促进效应也更显著。不同制造业细分行业方面，橡胶与塑料制品业、金属制品业、汽车制造业、电子通信制造业是工业机器人应用最广泛四个领域,本文对上述四个重点行业进行了分组回归。回归结果见表6第（5）-（8）列，可以看出四组回归中，工业机器人应用的生存促进效应最强的是金属制品业.其次是电子通信制造业，然后是橡胶与塑料制品业，最后是汽车制造业，这说明金属制品业、电子通信制造业从“机器换人”中获得了更大的生存优势。不

45、同要素密集度行业方面，本文将总样本划分为劳动密集型行业和非劳动密集型行业（包括资金密集型行业和技术密集型行业）进行分组回归，表6第（3）列和第（4）列的回归结果显示，相对非劳动密集型行业，工业机器人应用的生存促进效应在劳动密集型行业更加明显，这表明，虽然相对汽车制造业等资本密集型行业，传统的劳动密集型行业的机器人渗透度并不高，但后者对工业机器人应用的需求更大，也更能从工业机器人应用中重塑生存优势。3 .区域异质性从区域异质性方面看.由于中国区域发展存在不平衡性,各区域工业机器人的应用程度及应用效果均存在差别，本文以地理区位和区域科技创新水平为切入点，开展工业机器人应用的区域异质性研究。不同地理区位方面,本文将研究样本划分为东部区域和中西部区域，并进行分组回归，结果见表7第（1）列和第（2）列，可以看出相对于中西部区域，工业机器人应用在东部区域作用效果更好。这是因为，与中西部区域相比，东部区域持续引领着中国智能制造产业发展，不仅“机器换人”推广程度和范围更大、更广，而且可以更好地将工业机器人技术与区域丰富的技术、资金、人才等资源相整合，从而获得了更显著的工业机器人应用效果。不同区域科技创新水平方面，本文按照区域人均专利数的中位数将研究样本划分为高科