加载中...
Robot Application Shocks, Occupational Transferable Skills, and Occupational-Skill Desirability
随着人工智能技术的不断突破，机器人作为其重要载体在生产领域广泛应用，对劳动就业和任务分配产生深远的影响。现有文献更多关注机器人应用的岗位更替效应，忽视其重塑工作流程和改变生产任务而影响劳动技能需求。本文基于微观个体层面考察机器人应用对职业—技能合意性的冲击，从任务去常规化和职业可迁移技能需求增加的维度，探究机器人应用对职业—技能合意性的影响机制，分类检验不同类型可迁移技能在其中发挥的作用，并进一步剖析部分学历不足的劳动群体就业状况、工资收入和职业地位的变化。研究发现：（1）机器人应用会重构机器与劳动间的任务分配，使劳动者从事的任务去常规化，也会增加职业可迁移技能需求，进而降低职业—技能合意性。（2）机器人应用通过增加复杂问题解决技能、资源管理技能和社交技能等不同类型的职业可迁移技能需求导致职业—技能合意性降低，这在新职业和数字职业中也有明显体现。（3）在机器人冲击下部分学历不足的劳动群体会借助智能化机器突破职业藩篱，推动职业地位向上流动；但也有部分劳动群体，被机器人替代而面临离职风险增加和工资下降等问题。技能深化能够帮助劳动者摆脱技能不足的困境，提高职业—技能合意性，进而缓解机器人应用的负向冲击。
Abstract
With breakthroughs in the field of artificial intelligence, robots are a critical manifestation that is widely used in production, producing profound changes in employment and task allocation. Previous studies have mostly focused on the job substitution effects of robot applications, ignoring how they reshape workflows, change production tasks, and their impact on the demand for skills. Based on micro-individual data, we study the impact of robots on occupational-skill desirability, and examine the mechanisms in terms of task de-routinization and increased demand for occupational transferable skills, as well as the role of different transferable skills. We also analyze changes in the employment conditions, wages and occupational status of less-educated workers. Major findings are as follows. (1) Robots decrease occupational-skill desirability through task de-routinization and increasing the need for transferable skills. (2) Robot applications amplify the demand for transferable skills, such as complex problem-solving, resource management, and social skills, which are particularly evident in new and digital occupations. (3) Some low-skilled workers may be able to break occupational segregation through the use of intelligent machines and increase their occupational status; however, some will be replaced by robots and face increased risks of displacement and wage reduction. Skill deepening can help workers overcome skill shortages, improve occupational-skill desirability, and mitigate the negative effects of robots.
机器人应用显著降低职业—技能合意性。
基准回归结果显示，机器人渗透度每增加一个单位，劳动者职业—技能合意性（二元变量）下降约4.36个百分点（5%水平显著），表明机器人应用确实降低了劳动者对自身技能使用与职业需求匹配程度的评价。
任务去常规化是机器人影响职业—技能合意性的重要机制。
机制检验发现，机器人渗透度显著提升了职业任务的非常规强度，而任务非常规强度的增加会显著降低职业—技能合意性，验证了机器人通过重塑任务分配结构、增加劳动执行任务的非常规性来影响职业—技能合意性的假说。
职业可迁移技能需求增加是机器人影响职业—技能合意性的另一机制。
研究表明，机器人渗透度并未显著影响基本技能依赖度，但显著增加了职业可迁移技能的需求，而可迁移技能依赖度每增加一个单位，职业—技能合意性显著下降，这说明机器人应用改变了技能需求结构，进而降低了劳动者职业—技能匹配程度。
不同类型可迁移技能（复杂问题解决、资源管理、社交技能）均发挥作用。
分类检验结果表明，机器人应用显著增加了复杂问题解决技能、资源管理技能和社交技能的可迁移技能需求，这三类技能需求的增加均显著降低了职业—技能合意性，且在新职业和数字职业中同样有显著体现。
机器人冲击下学历不足群体就业状况呈分化特征。
进一步分析发现，学历不足且职业—技能非合意的劳动者在机器人冲击下离职风险和被动离职概率显著增加、工资收入显著下降；而学历不足但职业—技能合意的劳动者却能够借助人机协作提高生产效率、突破职业藩篱，职业地位和工资收入均有显著提升。
核心解释变量
机器人渗透度（cnrobot）：借鉴Acemoglu和Restrepo (2020)等思路，采用各地区不同行业的基期就业人数占比作为权重，将行业层面机器人安装量加总到城市层面；基期选取2002年。
被解释变量
职业—技能合意性（skdesir）：采用CLDS问卷中被访者对目前/最后一份工作的能力和技能使用状况的评价衡量。skdesir1为二元虚拟变量，满意赋值为1，否则为0；skdesir2将非常不满意至非常满意五个等级依次赋值1~5。
样本与数据
样本为2012-2018年中国劳动力动态调查（CLDS）4期混合截面数据，剔除未在法定就业年龄的样本后，涵盖全国29个省份、237个城市共计34332个样本；机器人数据来源于国际机器人联合会（IFR），城市层面控制变量来源于《中国区域经济统计年鉴》等。
识别方法 / 模型设定
采用OLS/Probit模型并控制年份、城市、年份-省份及年份-行业固定效应；内生性处理采用美国机器人渗透度和发达国家平均机器人渗透度（日本、法国、英国、德国、西班牙）作为工具变量，采用IVprobit和2SLS方法进行估计。
内生性及稳健性检验
稳健性检验包括：(1)滞后核心解释变量一期；(2)将核心解释变量细化为年份-城市-行业层面机器人渗透度；(3)剔除北京、上海、天津和重庆四个直辖市样本；(4)增加可能遗漏的变量如户籍性质、地区劳动供给和地区数字技术水平。上述检验均支持基准回归结论。
A股上市公司招聘数据
上市公司可支持的研究问题：基于招聘数据的时空分布，机器人冲击下的职业替代风险是否表现为招聘规模收缩与薪资水平下降的同步性，且该效应在不同学历层级间是否存在差异化传导。
雪球网上市公司个人投资者发帖实时更新数据
投资者发帖可支持的研究问题：可提供上市公司员工及投资者对于工作与技能的讨论文本，为测度职业-技能合意性感知提供辅助数据。
机器人行业工商注册企业基本信息数据
机器人可支持的研究问题：机器人企业集聚程度是否通过改变职业技能需求强度，影响劳动者对高可转移性职业的偏好选择。
IFR工业机器人数据
工业机器人可支持的研究问题：机器人应用强度差异能否解释招聘市场对高可迁移性技能职业的薪酬或岗位占比变动。