The Effect of Industrial Intelligence on Manufacturing Participation in International Division of Labor: From the Perspective of Global Value Chain
-
摘要: 基于2007—2019年国际机器人联盟披露的工业机器人数据和UIBE GVC数据库公布的全球价值链相关数据，深入考察工业智能化对一国制造业参与国际分工的影响。结果表明：工业智能化有利于提高各国制造业GVC的参与度，但其对GVC分工地位的影响呈先升后降的倒U型关系；从人口结构和经济环境来看，工业智能化更易推动劳动力资源充沛和经济欠发达国家GVC参与度的提升，但对不同国家GVC分工地位的倒U型影响普遍存在；工业智能化对GVC的影响还具有明显的示范效应，即不仅有利于缩小同一国家不同行业GVC参与度的差异性，增强产业的整体性，还能在一定程度上促进不同国家相同行业之间的国际竞争。因而加快工业智能化发展，进一步释放技术红利，更好地融入世界经济，是进一步提升我国GVC参与度、实现GVC分工地位跃升的必由之路。Abstract: Based on the industrial robot data disclosed by the International Federation of Robotics from 2007 to 2019 and the data of global value chain published by the UIBE GVC database, this paper made in-depth investigation of the effect of industrial intelligence on the participation of a country's manufacturing industry in the international division of labor. The results show that industrial intelligence is conducive to improving the participation of GVC in the manufacturing industry of various countries, but its impact on the position of GVC shows an inverted U-shaped relationship of rising first and then falling; from the perspective of demographic structure and economic environment, industrial intelligence is more likely to promote the participation of GVC in abundant labor resources and economically underdeveloped countries; however, the inverted U-shaped impact on the position of GVC in different countries is common. In addition, the impact of industrial intelligence on GVC also has an obvious demonstration effect, which not only helps to narrow the difference in the participation of GVC in different industries in the same country and enhance the integrity of the industry, but also promotes international competition in the same industry in different countries to acertain extent.Therefore, it is the inevitable choice to further enhance the participation of GVC in China and achieve the leap in the status of GVC position by accelerating the development of industrial intelligence to further release technological dividends and better integrate into the world economy.
-
表 1 描述性统计
变量符号 变量名称 变量含义 样本量 最小值 最大值 均值 标准差 GVC_pat GVC参与度 与他国经济联系的密切程度 5 720 0.078 0 1.224 7 0.504 2 0.221 3 GVC_pos GVC分工地位 处于全球价值链上游程度 5 720 0.690 6 1.432 3 0.931 2 0.098 8 lnrob 工业智能化水平 每万人机器人保有量的对数 5 720 0 5.747 7 1.114 4 1.285 3 exp 出口依存度 商品和服务出口额/GDP 5 720 0.108 5 1.631 2 0.482 7 0.284 5 imp 进口依存度 商品和服务进口额/GDP 5 720 0.112 5 1.595 6 0.464 9 0.260 2 logistic 贸易便利化水平 通关流通效率 5 720 1.940 0 4.207 8 3.267 4 0.514 5 lnrgdp 经济发展水平 人均GDP的对数 5 720 8.205 8 11.382 7 10.381 6 0.551 2 fdi 开放程度 外商直接投资净流入/GDP 5 720 -0.403 3 4.490 8 0.060 2 0.235 4 r & d 研发强度 研发支出/GDP 5 720 0.000 8 0.048 1 0.016 7 0.009 8 tariff 贸易壁垒 中间品的简单平均关税率 5 720 0.012 2 0.395 2 0.079 5 0.057 9 rca 显性比较优势 一国各行业出口占比情况 5 720 0.022 9 15.110 9 1.202 9 1.104 0 
下载: 导出CSV
表 2 工业智能化对GVC影响的基准回归
变量 GVC参与度 GVC分工地位 (1)
GVC_pat(2)
GVC_pat_ f(3)
GVC_pat_b(4)
GVC_pos(5)
PLv_GVC(6)
PLy_GVClnrob 0.008 3*** -0.000 9 0.009 1*** 0.009 7*** 0.048 9*** 0.009 4 (0.002 1) (0.001 1) (0.001 7) (0.002 9) (0.011 5) (0.007 1) (lnrob)2 — — — -0.005 1*** -0.021 0*** 0.001 5 (0.000 6) (0.002 2) (0.001 4) 控制变量 是 是 是 是 是 是 国家固定效应 是 是 是 是 是 是 行业固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 Adj.R2 0.835 0 0.773 8 0.771 2 0.585 0 0.736 3 0.838 1 样本量 5 720 5 720 5 720 5 720 5 720 5 720 注：***、**、*分别表示1%、5%、10%的显著性水平, 括号内为稳健标准误。下表同。
下载: 导出CSV
表 3 稳健性检验：更换估计方法与核心解释变量测度指标
检验方式 变量 GVC参与度 GVC分工地位 (1)
GVC_pat(2)
GVC_pat_f(3)
GVC_pat_b(4)
GVC_pos(5)
PLv_GVC(6)
PLy_GVC更换估计方法 lnrob 0.072 9*** 0.000 4 0.072 6*** 0.063 9*** 0.252 9*** -0.003 7 (0.018 8) (0.010 5) (0.014 0) (0.014 7) (0.060 5) (0.031 8) (lnrob)2 - - - -0.018 9*** -0.078 0*** -0.002 9 (0.005 2) (0.013 4) (0.006 4) F值 60.238 60.238 60.238 27.296 27.296 27.296 Adj.R2 0.807 1 0.776 5 0.699 7 0.553 6 0.711 7 0.837 1 样本量 5 720 5 720 5 720 5 720 5 720 5 720 替换测度指标 lnrb 0.174 8*** 0.000 8 0.174 0*** 0.453 3*** 1.990 0** 0.123 2 (0.052 7) (0.025 2) (0.042 9) (0.173 0) (0.778 2) (0.155 6) (lnrb)2 - - - -0.201 7*** -0.907 0*** -0.071 4 (0.077 9) (0.350 9) (0.068 9) F值 20.305 20.305 20.305 6.989 6.989 6.989 Adj.R2 0.753 1 0.776 5 0.561 8 0.285 7 0.288 6 0.824 9 样本量 5 720 5 720 5 720 5 720 5 720 5 720 控制变量 是 是 是 是 是 是 国家固定效应 是 是 是 是 是 是 行业固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是
下载: 导出CSV
表 4 异质性回归(2SLS)
Panel A：人口结构 人口红利国家 非人口红利国家 (1)
GVC_pat(2)
GVC_pos(3)
GVC_pat(4)
GVC_poslnrob 0.053 7***(0.011 8) 0.255 8***(0.064 1) -0.037 6**(0.017 7) 0.021 6(0.026 6) (lnrob)2 - -0.062 9***(0.017 0) - -0.014 1**(0.006 0) 控制变量/固定效应 是 是 是 是 F值 167.831 8.085 51.684 26.209 Adj.R2 0.848 6 0.167 9 0.809 7 0.561 6 样本量 2 002 2 002 3 718 3 718 Panel B：经济环境 OECD国家 非OECD国家 (5)
GVC_pat(6)
GVC_pos(7)
GVC_pat(8)
GVC_poslnrob -0.028 1**(0.012 1) 0.066 7***(0.016 4) 0.046 4***(0.011 9) 0.049 6(0.034 0) (lnrob)2 - -0.013 5***(0.002 8) - -0.023 2**(0.010 5) 控制变量/固定效应 是 是 是 是 F值 98.921 54.916 145.701 28.878 Adj.R2 0.845 4 0.602 9 0.823 9 0.517 0 样本量 3 861 3 861 1 859 1 859
下载: 导出CSV
表 5 行业间与国家间的示范效应
效应类型 变量 全样本 OECD国家 非OECD国家 (1)
Gini_GVC_pat(2)
Gini_GVC_pos(3)
Gini_GVC_pat(4)
Gini_GVC_pos(5)
Gini_GVC_pat(6)
Gini_GVC_pos行业间的示范效应 lnrob -0.011 0*** 0.000 4 -0.007 1*** -0.000 2 0.002 1 0.000 2 (0.001 9) (0.000 6) (0.001 2) (0.000 3) (0.002 8) (0.001 0) Adj.R2 0.899 1 0.945 0 0.905 5 0.959 0 0.894 4 0.897 0 样本量 520 520 351 351 169 169 国家间的示范效应 lnrob 0.001 0 -0.003 8*** 0.000 9 -0.003 4*** -0.001 9 -0.005 5*** (0.001 1) (0.000 6) (0.001 3) (0.000 6) (0.002 7) (0.001 1) Adj.R2 0.540 6 0.480 4 0.591 0 0.498 7 0.452 2 0.484 4 样本量 5 720 5 720 3 861 3 861 1 859 1 859 控制变量 是 是 是 是 是 是 国家固定效应 是 是 是 是 是 是 行业固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是
下载: 导出CSV
-
[1] WORLD BANK. World development report: trading for development in the age of global value chain[R]. Washington, DC: World Bank, 2020. [2] 金碚. 试论经济学的域观范式——兼议经济学中国学派研究[J]. 管理世界, 2019(2): 7-23. doi: 10.3969/j.issn.1002-5502.2019.02.002 [3] 江小涓, 孟丽君. 内循环为主、外循环赋能与更高水平双循环——国际经验与中国实践[J]. 管理世界, 2021(1): 1-19. doi: 10.3969/j.issn.1002-5502.2021.01.001 [4] 张艳萍, 凌丹, 刘慧岭. 数字经济是否促进中国制造业全球价值链升级?[J]. 科学学研究, 2021(8): 1-19. https://www.cnki.com.cn/Article/CJFDTOTAL-KXYJ202201008.htm [5] CHEN Z Y, ZHANG J, ZHENG W P. Import and innovation: evidence from Chinese firms[J]. European Economic Review, 2017, 94(2): 205-220. [6] 林毅夫, 何德旭, 范从来, 等. 奋进新时代开启新征程——学习贯彻党的十九届五中全会精神笔谈: 下[J]. 经济研究, 2021(1): 4-25. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202101002.htm [7] 邵朝对, 苏丹妮. 产业集聚与企业出口国附加值: GVC升级的本地化路径[J]. 管理世界, 2019(8): 9-29. doi: 10.3969/j.issn.1002-5502.2019.08.002 [8] AMENDOLAGINE V, PRESBITERO A F, RABELLOTTI R, et al. Local sourcing in developing countries: the role of foreign direct investments and global value chains[J]. World Development, 2019, 113: 73-88. doi: 10.1016/j.worlddev.2018.08.010 [9] 马红旗, 陈仲常. 我国制造业垂直专业化生产与全球价值链升级的关系——基于全球价值链治理视角[J]. 南方经济, 2012(9): 83-91. doi: 10.3969/j.issn.1000-6249.2012.09.007 [10] 戴翔, 宋婕. "一带一路"倡议的全球价值链优化效应——基于沿线参与国全球价值链分工地位提升的视角[J]. 中国工业经济, 2021(6): 99-117. doi: 10.3969/j.issn.1006-480X.2021.06.006 [11] 郑江淮, 郑玉. 新兴经济大国中间产品创新驱动全球价值链攀升——基于中国经验的解释[J]. 中国工业经济, 2020(5): 61-79. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202005005.htm [12] 吕越, 谷玮, 包群. 人工智能与中国企业参与全球价值链分工[J]. 中国工业经济, 2020(5): 80-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202005006.htm [13] 刘斌, 潘彤. 人工智能对制造业价值链分工的影响效应研究[J]. 数量经济技术经济研究, 2020(10): 24-44. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202010002.htm [14] 何宇, 陈珍珍, 张建华. 人工智能技术应用与全球价值链竞争[J]. 中国工业经济, 2021(10): 117-135. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202110007.htm [15] 张辽, 王俊杰. 信息化密度、信息技术能力与制造业全球价值链攀升[J]. 国际贸易问题, 2020(6): 111-126. https://www.cnki.com.cn/Article/CJFDTOTAL-GJMW202006008.htm [16] AUTOR D H, DORN D. The growth of low-skill service jobs and the polarization of the US labor market[J]. American Economic Review, 2013, 103(5): 1553-1597. [17] GRAETZ G, MICHAELS G. Robots at work[J]. The Review of Economics, 2018, 100(5): 753-768. [18] 孙楚仁, 梁晶晶. 君向潇湘我向赣: 空间邻近性与企业出口市场的扩张模式[J]. 世界经济, 2020(6): 99-122. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202006006.htm [19] 罗伟, 吕越. 外商直接投资对中国参与全球价值链分工的影响[J]. 世界经济, 2019(5): 49-73. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201905004.htm [20] 戴翔, 宋婕. 中国OFDI的全球价值链构建效应及其空间外溢[J]. 财经研究, 2020(5): 125-139. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ202005010.htm [21] ACEMOGLU D, RESTREPO P. The race between man and machine: implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018, 108(6): 1488-1542. [22] LIN X, ZHANG Y. Bank ownership reform and bank performance in China[J]. Journal of Banking and Finance, 2009, 33 (1): 20-29. [23] WANG Z, WEI S, YU X, et al. Measures of participation in global value chains and global business cycles[R]. NBER Working Paper, 2017. [24] KOOPMAN R, POWERS W, WANG Z, et al. Give credit where credit is due: tracing value added in global production chains[R]. National Bureau of Economic Research, 2010. [25] ACEMOGLU D, RESTREPO P. Robots and jobs: evidence from U.S. labor markets[J]. Journal of Political Economy, 2020, 128(6): 2188-2244. -
