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,2022,39(09):157-176. 

▪ 文献内容：

本文利用2006~2013年中国企业污染数据和工业企业数据，采用“巴蒂克工具变量”的因果识别方法，考察了机器人使用对我国企业污染排放的影响。实证结果表明，机器人使用显著抑制了企业污染排放。进一步机制检验发现，机器人使用主要通过人工替代、增加清洁能源使用、增设末端处理设备和增强排污处理能力等渠道降低企业污染排放。本文的研究为客观评估机器人使用对中国环境污染排放的影响提供了微观证据，有助于中国制定机器人使用的配套政策，从而实现经济与环境的协调发展。

▪ 研究设计：

为检验工业机器人渗透度变化对企业污染排放强度的影响，本文从微观视角构建以下基准回归模型:

其中，i表示企业，t 表示时间，c 表示行业，h 表示城市。被解释变量 SOinten表示企业i在 期的二氧化硫排放强度;本文的核心解释变量 CHF，代表企业层面工业机器人渗透度的对数。X代表一组控制变量。Yi 为企业固定效应，Yc为行业固定效应，Yht为城市-年份固定效应。为了消除可能存在的自相关和异方差，所有的回归都是在企业层面进行聚类。我们关心估计系数β，其经济学含义是工业机器人渗透度对企业污染排放强度的替代弹性。

本文数据主要来源于四个方面。第一，工业机器人数据来源于 IFR，IFR 每年对全球机器人制造商进行调查，形成 70 多个国家细分行业和用途的机器人权威数据库，该数据库提供的数据多数为制造业细分行业。由于 IFR 的行业分类与中国的国民行业分类标准不·致，本文根据雪凌等 (2020)、吕越等 (2020) 等的做法，根据行业名称进行对照将机器人数据中的行业与《国民经济行业分类》中的二位行业进行匹配。第二，2006 ~2013 年中国工业企业数据库 (ASIE)，该数据库包含了所有国有企业以及产品销售收人(或主营业务收人) 在 500 万元以上的非国有企业。参考 Brandt 等 (2012) 的做法进行了以下处理:对企业进行了重新匹配和识别;对总资产、固定资产、销售收入等存在缺失值的企业进行删除:将从业人数少于 8 人的企业删除:由于在 2002 年和 2011 年，国家行业分类标准发生了更改，本文将行业代码统一到 2002 版本:将名义指标进行平减。第，2006 ~2013 年中国企业污染数据库(CES)，该数据库是国家统计局所收集的工业企业上报的原始数据，是目前最全面的企业层面的污染排放数据。第四，各个国家 1990 年制造业细分行业 (二位数行业代码) 就业数据来源于《国际统计年鉴 1995》。最后，将数据进行匹配。 

本文的被解释变量为 SOinten表示企业在期的二氧化硫排放强度，采用二氧化硫排放量与工业总产值(可比价) 的比值取对数进行衡量。其中，本文采用 Brandt等 (2012) 的做法，用产出价格指数平减名义产出水平来衡量企业的实际产出水平。之所以选取二氧化硫作为污染排放的衡量指标，主要是因为目前二氧化硫依然是全世界人类所面临的污染问题。据统计，仅2018 年，全球人为二氧化硫污染热点共计向大气排放近三千万吨二氧化硫，相当于三百多座火山爆发所释放的量2，这给人类健康和环境带来了巨大危害。其次，由于中国是世界上最大的煤炭生产和消费国，这导致以煤炭型为主的大气污染是中国环境污染的主要形式 (邵朝对，2021)，而二氧化硫是中国燃煤所产生的主要大气污染物。此外，2019 年二氧化硫排放量中，工业二氧化硫排放量占 80.82%。因此，本文选取二氧化硫排放强度指标对企业的污染排放行为进行衡量。

本文的核心解释变量为 lnCHF，通过对中国制造业企业层面的机器人渗透度取对数进行衡量。借鉴 Acemoglu 和 Restrepo (2020)、王永钦和董雯 (2020) 的思路，本文依据行业层面的机器人渗透度与各企业占所在行业的劳动就业份额估算各企业工业机器人应用水平

第一步，计算行业层面T业机器人渗透度指标:

其中，MR为中国c行业t 年的工业机器人存量，L表示中国 行业2006 年(基的就业人数。

第二步，构造企业层面工业机器人渗透度指标:

其巾，CHF代表了c 行业企业在t年的工业机器人渗透度。(3) 式右侧第一项代表了制造业中c行业企业在 2006 年(基期) 用人数占制造业所有企业 2006 年 (基期)雇用人数中位数的比值。

▪ 添加客服微信方式：

扫描下方二维码，或搜索下方微信号。