摘要：伴随工业机器人的加速渗透和广泛应用，劳动关系变革背后的技术性因素日益引发关注。本文通过手工整理2013~ 2019年A 股上市公司劳动争议司法诉讼案件数据，从劳动关系的视角考察了工业机器人应用对劳动力市场的深远影响。研究发现，工业机器人应用虽然在整体上导致劳动关系发生一定程度的恶化，但这种影响因技术进步偏向呈现出明显的异质性。在不同的企业和劳动者群体中，劳动关系受到的负面影响有所减弱、消失甚至出现反转。进一步分析表明，相比于工业机器人应用给劳动者带来的失业风险，企业下调工资水平和减少隐性福利是导致劳动关系恶化的主要渠道。本文的发现有助于深化对工业机器人应用经济后果的理解，也为精准评估人机适配状况，进而统筹推进产业智能化与高质量充分就业提供了政策启示。关键词：劳动关系 工业机器人 司法诉讼一、引言随着新一代自动化技术的迅猛发展和广泛普及，以工业机器人为代表的智能设备逐渐嵌入传统生产环节，极大地提升了企业的生产效率，成为经济高质量发展的重要动力。然而，技术升级也带来了生产方式和生产关系的转变，对劳动者就业产生深刻影响，甚至引发企业与劳动者在劳动关系中的剧烈摩擦。劳动关系作为生产关系的重要组成部分，是最基本、最重要的社会关系之一①，构成了“现代社会体系所围绕旋转的轴心”②，构建和谐劳动关系③成为协调推进产业智能化与维护劳动者合法权益的重要枢纽。2021年8 月，国务院印发《“十四五”就业促进规划》，全面部署更充分更高质量就业工作，实现“劳动权益保障进一步加强，劳动关系和谐稳定”。这既是保障民生、稳定社会的关键支柱，也是企业经营平稳运行与社会经济健康发展的重要基石（龚基云，2005；曹铭等，2016；许清清、路兰，2017）。一直以来，“体制性因素”被认为是影响我国劳动关系的关键变量，而随着机器人的广泛应用，劳动关系紧张背后的“技术性因素”日益引发各界关注。在过去很长一段时间里，我国劳动关系发生的历史性变迁主要由经济制度变革引起（弗里德曼、李，2010；程延园、王甫希，2012；吴清军、刘宇，2013），从单一的国有企业和员工的“计划经济”劳动关系，转变为各种所有制企业与多元身份工人的“市场经济”劳动关系（盖斯特，1998；希尔等，2000；库克，2002）。 随着我国市场化转型逐步完成，劳动关系的主体双方及其利益诉求越来越多元化。近年来，我国劳动关系进入矛盾凸显期和多发期，尤其是工业机器人应用在我国迅猛发展（如图1 所示），对传统劳动力市场产生巨大的冲击（闫雪凌等，2020），其中劳动争议案件数量居高不下（周莉，2014；胡恩华等，2016；李召敏、赵曙明，2017；徐景一、于桂兰，2019），为构建和谐的劳动关系蒙上阴影。从图2 可以看出，2013年以来我国劳动争议案件数量大幅上升，其中超过80% 的案件与劳动者的工作岗位和薪酬福利问题相关（王智嵬等，2020）。 实际上，就业岗位和薪酬也是工业机器人影响最直接的两个方面。已有部分法学和社会学文献指出，人工智能以机器为中心、以替代人类为目标，在技术上具有去人类化的属性，对当下的社会规则和法律秩序带来前所未有的挑战，成为影响劳动关系和谐稳定的重要因素之一（吴汉东，2017；于海防，2019；田思路，工业机器人应用与劳动关系：基于司法诉讼的实证研究*张 军 闫雪凌 余沭乐 张雪原* 本项研究得到国家自然科学基金青年科学基金项目（72103151）、教育部人文社会科学研究青年基金项目（21YJC 790138）、四川省软科学研究计划项目（2023JDR 0140）、四川大学中央高校基本科研业务费项目（2023自研- 经济02）的资助。本文曾在第八届香樟经济学年会、中国政法大学商学院“法商学术论坛”上报告，感谢所有参会学者提出的宝贵建议。感谢匿名评审专家提供的建设性意见。当然，文责自负。余沭乐为本文通讯作者。工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学- - 90DOI:10.19744/j.cnki.11-1235/f.2023.0146《管理世界》2023年第12期2022；许怡、叶欣，2020）。 然而，有关机器人应用对劳动关系影响的研究尚处于探索阶段，相关文献多以思辨性或调查分析见长（赵放、刘雨佳，2020；邓智平，2019），缺乏系统的实证考察。目前，经济学文献对工业机器人应用相关话题的研究主要集中于对就业结果的讨论，忽视了工业机器人对在岗劳动者以及劳动关系的整体影响。虽然现有有关工业机器人应用就业效应的研究已从宏观、行业、企业乃至个体层面展开细致讨论（格雷茨、迈克尔斯，2018；程等，2019；郭凯明，2019；孔高文等，2020；闫雪凌等，2021；陈昊等，2021；余玲铮等，2021a ，2021b），但无论是岗位数量还是工资水平，所反映的均为企业决策视角下的单方面变化，尚未涉及劳动者与企业之间的双向互动关系。不仅如此，作为劳动力市场的主体，在岗劳动者虽然没有直接经历失业或者降薪，却也愈加频繁地暴露在与工业机器人同场合的工作环境中，他们究竟受到了何种影响，此前研究暂未对这部分群体及其劳资关系矛盾给予深入探讨，从而可能在整体上低估了工业机器人的经济社会效应。此外，现有研究表明机器人应用对劳动力市场同时存在两方面影响，即替代效应（熊彼特，1911；列昂惕夫，1983；奥托尔等，2003）和促进效应（弗雷、奥斯本，2017；陈彦斌等，2019；阿西莫格鲁、雷斯特雷波，2020；李磊等，2021），研究结论并不统一。究其原因，多数文献着眼于探讨总量效应，忽视了工业机器人与劳动者在生产过程中的交互关系，即适配程度。具体来讲，当两者关系呈现出激烈的对抗性时，从总体来看替代效应占据主导，反之同理。由此可见，仅从企业或劳动者单一视角出发展开讨论，无法深入探究劳动者与企业间的互动机制，从而难以厘清“技术性因素”在当前劳动关系变化中的重要角色。为弥补上述研究的不足，本文从司法诉讼视角出发，考察我国工业机器人应用对劳动关系的影响，探讨其潜在机制。本文的边际贡献在于：其一，在研究视角方面，本文创造性地从劳动关系视角进行了规范的实证研究。将机器人应用对就业市场的影响从劳动者单方的岗位和工资层面，拓展到企业与劳动者双方互动的关系层面，丰富和完善了机器人应用与劳动关系之间的研究。其二，在机制分析方面，本文根据现有机器人应用文献的相关理论，发现企业技术适配性是影响替代效应和促进效应表现强弱的重要因素，也是机器人应用影响劳动争议程度的关键线索。同时，本文进一步围绕工作岗位、员工工资与隐形福利探讨了可图1 2000~ 2020年中日美德英工业机器人年保有量数据来源：国际机器人联盟（IFR ）。图2 2013~ 2019年我国劳动争议司法案件与构成案由数据来源：裁判文书网、《人力资源和社会保障事业发展统计公报》。- - 91能的影响机制。其三，在政策启示方面，本文的研究有助于正确理解新技术带来的多重冲击，准确识别人机适配状况，从而有的放矢地制定相关的激励和帮扶措施，为新发展格局下构建和谐劳动关系、实现更充分的就业提供科学支持。余文结构如下：第二部分对近年来关于机器人应用和劳动关系转型的研究进行理论梳理和评述，并基于此提出本文的研究假说；第三部分是实证策略和回归分析；第四部分讨论可能存在的影响机制；第五部分是结论和政策建议。二、文献综述和理论假说（一）影响中国劳动关系的主要因素作为劳动力所有者与劳动力使用者之间各种关系的总和，劳动关系是当今社会的核心关系之一（袁凌等，2012），对经济社会发展具有深刻的影响（许清清、路兰，2017）。 第一次工业革命以来，劳动与资本之间的协调和矛盾问题不断涌现，劳动关系的理论研究由此兴起。西方国家在20世纪30年代大危机之后建立起以集体谈判为特征的劳动关系体系，该体系于60年代发生转型，呈现逐渐削弱的趋势。资本主义经济周期以及工会力量的起落是影响其劳动关系转变的主要原因（张立富，2010）。相较而言，我国劳动关系的变迁与体制改革密切相关。首先，伴随经济体制的市场化转型，我国劳动关系从单一的国有企业与员工的“计划经济”劳动关系，转变为各种所有制企业与多元身份职工的市场化劳动关系。从国有企业来看，确立现代企业制度的过程是劳资双方持续博弈和利益协调的过程，也是劳动关系不断形塑的过程（库克，2002）。 其间最突出的问题在于，劳动契约的不完全导致人力资本难确权（盖斯特，1998；希尔等，2000）。 为此我国在国企改制中推行了员工持股共治模式，一方面通过显性合同保障人力资本剩余索取权，另一方面显著增强了劳动关系隐含契约的自我实施能力，从而有效缓解了劳资双方的潜在冲突（姚先国、郭东杰，2004）。 就私营企业而言，劳动关系的典型问题是劳动者的弱势地位，以及由此带来的职业健康安全风险（戴建中，1996；周长城，2000）。 劳动力供给远超过需求是当时“资强劳弱”的重要成因，而此后不断健全的工会组织和劳动关系调解体系成为平衡私营企业劳资力量，促进劳动关系和谐发展的重要保障。其次，从劳动力市场主体来看，在城乡二元经济结构下，农民工的“无差异的大量供给”导致劳动力市场的供需失衡。除劳动合同方面外，农民工在工资、五险一金以及工会参与等方面遭受到严重的户籍歧视。加之大量农民工缺乏维护自身合法权益的意识，大大削弱了工人、工会与雇主“讨价还价”的地位（姚先国、赖普清，2004）。 农民工的特殊性虽然从总体上缓解了私营企业劳动关系的浅层矛盾，却掩盖了深层矛盾（于素丽、庞守林，2008）。 就不同地域而言，长三角地区“人情型”和“法治型”相结合的劳动关系处理模式，在保护流动人口权益方面优于珠三角地区的“市场型”模式（万向东等，2016）。最后，从劳动关系主要协调组织来看，中国工会具有“双重角色定位”，即“既维护职工利益又维护全国总体利益”“ 既代表职工又代表党和政府”（徐世勇等，2014；谭泓，2015）。 基于此，企业雇主的主导权以及政府的行为偏差可能干扰工会的组建和运行（泰勒等，2003）。 工会只能保障“底线型权益”而非“增长型权益”，主要通过类似“稻草人”的机制发挥作用（孙中伟、贺霞旭，2012）。 工会对工人收入上涨的影响并不显著（李光勤等，2017），也并非工人维权和参与企业决策的主要途径（胡恩华等，2016）。 当然，也有部分文献肯定了中国工会的作用，认为工会在提高工人时薪和养老保险覆盖率等方面渐显成效（姚、钟，2013），并且对流动人口权益的积极作用高于本地人口（纪雯雯、赖德胜，2019）。 工会还能通过劳动保护对企业生产率提升、产品规模扩张以及创新产生正向效应（陆等，2010；魏下海等，2018）。按照上述“体制性因素”的观点，随着我国市场化转型的日益深入，尤其在国有企业改革与加入WTO之后，经济体制趋于平稳，劳动关系也应进入相对稳定和谐的状态，但从图2 可以看出，劳动争议案件数量依然居高不下。原有解释已不再适用于分析劳动关系现状，越来越多的学者开始转向讨论其他因素的影响。近年来，以工业机器人为代表的人工智能技术对传统劳动力市场产生直接的冲击，自动化机器与大量从事重复繁工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学- - 92《管理世界》2023年第12期琐劳动的农民工形成替代关系，“机器换人”的忧虑在社会舆论中发酵，隐藏在劳动关系背后的“技术性因素”引起各界的激烈讨论。从人类社会的工业化发展历程来看，技术进步始终是影响劳动关系的重要因素，并且在早期的“卢德运动”中突出表现为“人机对抗”的形式（陈红兵、唐淑凤，2003；唐晓琦，2021）。 相关经典理论可以追溯到《资本论》关于技术进步与劳资矛盾的探讨。技术进步引起的资本有机构成提高，导致劳动力需求放缓，产生大批“产业后备军”，即相对过剩人口，进而形成非周期性的、伴随生产力发展的长期失业趋势。英国工业革命时期，机器大生产对传统手工劳动的替代使工人逐渐沦为机器的附庸（马克思，1867），将工人置于高强度的监控之下（王星，2011）。 实际上，技术进步并非自然且中立的过程，而是嵌入在资产阶级与工人阶级的对立关系之中（汤普森，1989）。 人工智能时代，机器对劳动内容替代的深度和广度成倍加强，资本由剥削剩余价值转向剥夺工人劳动及生存权利（张新春，2018）。 特定技术的采纳和应用不仅仅是出于成本、效率的考量，还以进一步控制劳动力为目的，致使工人失去对工作节奏和工作节拍的控制权（爱德华兹，1979），从事简单劳动的低技能工人将在更加隐蔽的控制下变成“无用阶级”（盖凯程、李孟杰，2022）。尽管传统理论对技术进步与劳动关系的讨论大多较为悲观，但最近一些基于现实状况的社会学考察认为“机器换人”未必造成劳动关系紧张。比如，针对珠三角的调查研究表明“人机对抗”现象鲜有发生（邓智平，2019）。 其一是因为“科学技术是第一生产力”成为全社会各方高度认同的共识；其二是企业在引入机器人时通常采取调岗等柔性策略，而非直接裁员；其三是工人就业具有多样化、高流动特征，在劳动力相对短缺的背景下，工人择业的机会成本较低。工人因此对“机器换人”浪潮表现出异样的冷漠和疏离（唐晓琦，2021）。 另一部分研究则强调劳动关系恶化的风险。比如，许怡和叶欣（2020）发现“机器换人”的迅速推进使车间里的一线工人面临愈发不稳定的劳动关系、劳动过程的“执行替代”以及强化的技术控制下的“劳动降级”，有可能在一定程度上导致劳资冲突。人机共处、协同也会催生一系列法律问题（吴汉东，2017；马长山，2018；于海防，2019；田思路、刘兆光，2019）。 就劳动关系而言，现有法律在新型劳动关系的调整和判定功能上可能受到一定挑战（杨延超，2016）。 例如，新型用工形式的确认问题（范璐璐、黄岩，2021）、雇佣关系判定和劳动保障责任归咎的困境（聂辉华，2021）、以及劳动者技术从属性造成劳动关系扭曲的法律规制问题（田思路，2022）。综上所述，已有研究为我们探究劳动关系的影响因素提供了深刻洞见，但也存在一些不足。一方面，原有的“体制性因素”不足以充分解释中国劳动关系正在发生的深刻变化，而关于“人机关系”的讨论多以思辨性或调查分析见长，相对缺乏系统的实证考察。另一方面，劳动关系涵义相当宽泛，以数据指标加以度量更不容易，不同领域学者很难在理论论述的意义上通过“对话”达成共识，得出不同的结论也就不足为奇。在人工智能技术日益普及，特别是工业机器人加速渗透的背景下，中国劳动关系转型背后的“技术性因素”亟待运用统一的框架定义、客观的实证数据来进行分析（如图3 所示）。 鉴于此，本文围绕司法诉讼层面劳动争议这一指向明确、分歧较小的指标度量劳动关系。作为我国劳动争议处理程序的最后一环，劳动争议司法诉讼信息可以较为准确地反映劳动关系的紧张程度（孙晓东，2015），在此基础上考察工业机器人应用带来的冲击具有较高的可信度。（二）工业机器人应用与劳动力市场近年来，随着我国产业智能化政策的深入推进，有关工业机器人对劳动力市场影响的研究呈现出井喷式的增长。其中，大部分实证研究以劳动就业结果作为切入点，鲜有文献专门讨论工业机器人对劳动关系的影响。奥托尔等（2003）指出，技术进步偏向边际产出增加更多的生产要素，会导致企业对高技能劳动力需求增加，对中低技能水平 图3 中国劳动关系变迁主要因素- - 93的需求减少，使两者差距进一步拉大。因此，机器人应用对劳动力市场存在负向替代和正向促进两方面影响。一方面，人们普遍担心机器人应用将直接取代传统劳动力，造成就业岗位减少和工资下降，导致“技术性失业”（奥托尔等，2003；阿西莫格鲁、雷斯特雷波，2020）。 在自动化早期，由于资本要素价格处于相对高位，生产率效应尚未彰显，此时替代效应对就业的负面影响占据主导（阿西莫格鲁、勒布宾，2022）。 从我国的现实国情来看，机器人的大规模引入主要是企业对用工荒和“人口红利”消逝的被动响应（许辉，2019），我国目前仍处于节约人工成本的低水平自动化阶段（许怡、许辉，2019；侯俊军、张莉，2020）。 此外，我国的机器人应用集中于制造业中的劳动密集型行业，对就业的冲击可能远比美国严重（阿西莫格鲁、雷斯特雷波，2020；陈永伟、许多，2018）。 更令人担忧的是，在以技术进步推动产业升级的宏大叙事下，工人在机器人加速渗透的过程中基本处于被动适应的状态（唐晓琦，2021）。 另一方面，机器人应用也可能通过生产率效应和就业创造效应对劳动力市场产生积极影响。其一，自动化在取代一部分劳动岗位的同时，也会创造出新的岗位需求（阿西莫格鲁等，2022）。 其二，机器人应用对企业生产率的提升可以增加非自动化环节的劳动力需求（奥托尔，2015；阿西莫格鲁、雷斯特雷波，2019），进一步还能通过降低产品价格、刺激产品需求、扩大产出等路径对就业产生正向外溢效应（魏下海等，2020；李磊等，2021）。工业机器人应用对劳动力市场的结构化影响很有可能传导到更深层的劳动关系，但目前仅有少量文献涉及劳动关系可能受到的影响，讨论仍不充分。结合现有文献的结论和我国的现实情况不难发现，当前我国的工业机器人主要集中在制造业行业，劳动力以中低技能的传统劳动力为主，且企业引进机器人的主要动机源于降低人工成本，而非提升产品质量或生产效率。执行重复性劳动的工业机器人将与这部分劳动力形成直接竞争关系，短期来看工业机器人应用的替代效应占主导，劳动者与企业之间的劳动关系可能会愈发紧张。基于此，我们提出假说H 1 。H 1 ：在当前我国工业机器人应用集中于中低技能劳动密集型行业的背景下，节约成本仍是企业的主要动机，劳动关系所受影响总体上呈现为负面冲击，劳动争议案件因此显著增加。由奥托尔等（2003）提出的任务模型表明，机器人对可编码和重复性的常规任务存在替代性，对高级认知和社会互动的非常规任务具有互补性，呈现出明显的偏向性影响。机器人应用替代和互补效应的强弱一定程度上也会体现在劳动关系中。之于前者，工业机器人可能给在岗低端劳动力构成潜在威胁，导致雇佣关系不稳定乃至消失（陈冬梅等，2020），从而在整体上增加了企业组织风险以及社会不稳定性（阿恩茨等，2016）。费尔顿等（2019）将人工智能与职业技能进行匹配后发现，面临更直接替代风险的职业人员往往更有可能经历不平等的待遇。之于后者，由于工业机器人与其在生产过程中的交互提升了“技术—技能”匹配程度，使他们有望获得更为稳定、和谐的长期雇佣合同（余玲铮等，2021a ，2021b），与企业的关系将更为融洽。侯俊军和张莉（2020）基于广东省制造业企业—员工匹配调查数据的研究发现，企业研发能力越强，研发部门和研发人员占比越高，企业越倾向于为提高生产效率和产品质量引进机器人，从而实现“人机互补”。与此相对，缺乏研发能力的企业则更倾向于为了缓解用工压力和降低人工成本实行“机器换人”。综上，工业机器人与劳动者在生产过程中的交互关系也可能呈现出明显的异质性，据此我们提出假说H 2 。H 2 ：基于技术进步的偏向性特征，工业机器人应用对劳动关系影响呈现出明显的异质性，对于技术适配度更高的企业，其负向影响会减弱、消失，甚至转为正向效应。当企业应用机器人的主要目的在于节约人工成本时，工业机器人与劳动者的关系很可能呈现出激烈的对抗性，并体现在薪酬和岗位方面。一方面，机器人与劳动者之间存在替代关系，企业应用工业机器人会降低劳动者的议价能力，从而带来薪酬下降压力。另一方面，“机器换人”的隐患会加剧劳动者的失业风险，在相当程度上造成劳资矛盾的升级，劳动争议案件有可能因此出现上升的趋势。然而，劳动争议源于劳动者与企业关于劳动权利与义务的分歧矛盾，当企业更有动机在机器和传统劳动力之间选择前者时，客观上也会减少劳动争议发生的概率。极端情况下，企业全部使用机器后，则不会发生任何劳动争议。因此，工业机器人的应用也可能导致劳动争议案件的减少。相应的就业岗位的减少对企业来说未必一定会引发劳动争议案件。由此，我工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学- - 94《管理世界》2023年第12期们提出假说H 3 。H 3 ：工资水平下降是企业在使用工业机器人之后劳动关系恶化的主要影响渠道，但岗位的减少未必会导致劳动争议案件数量的增加。伴随工业机器人的大规模应用，传统劳动力议价能力将大幅削弱。这种情况下，处于强势一方的企业还可以通过更加隐蔽的方式降低劳动者的实际收入。比如，下调五险一金的缴纳系数和标准、减少劳动者职业技能培训、压缩工作之外的工会活动、削减“逢年过节”的福利慰问费用等。与显性的失业冲击和工资下降不同，隐性福利的减少更不易被感知和识别，也更难通过正常渠道和解，可能引致更多的劳动争议案件出现。数据显示，我国近年来劳动争议案件的主要案由与福利待遇密切相关，这说明福利待遇可能是影响劳动者与企业之间劳动关系的重要因素。在工业机器人应用对劳动关系的潜在负面冲击中，福利待遇作为隐性因素的作用与显性的岗位薪酬并不相同，因此有必要对其进行单独讨论。基于此，我们提出假说H 4 。H 4 ：福利待遇的降低是企业在使用工业机器人之后劳动关系恶化的重要影响渠道。三、实证策略和回归分析（一）数据与模型根据前文的理论分析和借鉴现有文献的经验，我们使用相应的数据构建指标并建立实证模型，其中有关劳动关系和谐程度和工业机器人使用指标具体构建方法如下。1 . 劳动关系和谐程度的衡量指标：法院层面审理的劳动争议案件根据《中华人民共和国劳动争议调解仲裁法》规定，我国当前施行“一调一裁二审”的劳动争议处理程序，将调解、仲裁和法院审理依次衔接④，政府大力推行柔性疏导目标，尽可能发挥“一调一裁”的引导作用（岳经纶、庄文嘉，2014）。 在这一背景下，劳动争议案件还是进入到最后的法院审理环节，意味着原被告双方的矛盾难以通过前置调解和仲裁方式得到有效解决（孙晓东，2015），必须要诉诸法律，案件数量越多，反映出企业与劳动者之间劳动关系越紧张。因此，本文将使用法院层面审理的劳动争议案件作为劳动关系和谐程度的具体指标。考虑到在劳资矛盾中，劳动者往往处于弱势地位（纪雯雯、赖德胜，2019），根据裁判文书网公开数据统计，我国现有的劳动争议案件原告为劳动者的情形占据95% 以上。在手工收集A 股上市公司所有的劳动争议案件后，只保留原告方为劳动者的案件，并使用中国裁判文书网相关的案件信息进行交叉验证，在匹配万德（Wind）数据库中相应的上市公司的信息后，最终形成了2013~ 2019年我国A 股上市公司在法院系统审理的劳动争议案件的面板数据集⑤，覆盖全行业1943家上市公司，其中以制造业企业为主，多分布于东南沿海的珠三角和长三角两大经济带。详细企业特征见《管理世界》网络发行版附录一。2 . 工业机器人使用的衡量指标：企业层面的工业机器人渗透率国际机器人联合会（IFR ）每年对全球机器人制造商进行调查，根据机器人制造商提供的一手数据统计形成“地区—行业—年度”的世界机器人统计数据。目前，IFR 数据已涵盖1993年以来100 多个国家和地区符合ISO 标准的工业机器人年均安装数量和年保有量，是研究工业机器人使用领域较为权威且完整的机器人统计数据库，广泛使用于国内外相关文献中（程等，2019；吉恩特拉、王，2019；阿西莫格鲁、雷斯特雷波，2020；道特等，2021）。 在IFR 提供的分行业工业机器人使用数据基础上，国内外文献进一步推算出地区层面和企业层面的工业机器人渗透率（阿西莫格鲁等，2022；王永钦、董雯，2020）。 结合现有文献的做法，我们构建了本文样本中每一家上市公司的工业机器人渗透率，以此刻画企业工业机器人的使用情况。具体而言，首先构造“行业层面机器人渗透率”，随后计算出“上市公司i 生产部门员工占比与全行业所有上市公司生产部门员工占比中位数的比值”，以此比值作为权重，将行业层面的工业机器人渗透度分解到企业层面，用以考察企业层面的工业机器人渗透度。其中本文将2010年定为基期，用以刻画上市公司i 在全行业的相对位置，当然，我们也将基期定为其他年份（2011年，2012年，2013年），得到的结果基本一致。具体测度方法如下：- - 95（1）该指标衡量了p 省j 行业的上市公司i 在t 年的机器人渗透率。其中，IRPCHjt 表示中国行业层面机器人渗透率，通过将中国j 行业在t 年的机器人存量（RICHjt ）除以中国j 行业2010年（基期）的就业人数（ ）得到。此比值直观表示了各行业劳均拥有机器人数量，主要反映了行业内部的技术特征水平。另外，PRijp = 2010/ TPR t = 2010表示p 省属于j 行业的上市公司i 在2010年（基期）生产部门员工占比与全行业所有上市公司 2010年生产部门员工占比中位数的比值，本文通过该指标以衡量该上市企业在所在行业的重要度。最后，将上述两者相乘，便得到了基于行业层面渗透率进一步细化的企业机器人渗透率。另外，在本文稳健性检验部分，我们将指标中的机器人存量指标替换为机器人增量，以强调当年新安装机器人冲击的影响。具体模型推导和测算过程见《管理世界》网络发行版附录二。3 . 实证模型设定和相关统计性描述为检验工业机器人使用对劳动关系和谐程度的影响，本文设定以下计量回归模型：（2）其中，式（2）中的被解释变量Dispute ijpt 表示p 省j 行业的上市公司i 在t 年发生的劳动争议案件，在基准回归中，劳动争议案件数量是我们刻画企业劳动关系和谐与否的核心指标，同时也讨论企业是否有劳动争议案件，并将劳动争议案件划分为4 类进行详细讨论，分别是：与劳动关系确认有关的案件、与岗位变化相关的案件、与薪资待遇相关的案件、其他案件，详细参考标准和分类方式见《管理世界》网络发行版附录三。在稳健性检验中，我们还提取了多个司法变量，包括案件的二审率、原告人数、诉讼请求数量等指标，试图从不同的角度刻画劳动关系和谐程度，详细的指标信息见《管理世界》网络发行版附录四。核心解释变量Robotijpt表示p 省j 行业的上市公司i 在t 年的工业机器人渗透率；X ijpt 是一系列企业层面和地区层面的控制变量，企业层面的特征变量包括企业规模（Size）、企业年龄（Age）、财务指标ROE 和ROA ，地区层面的特征变量包括企业所在省份的法治化水平、要素市场化水平、人均GDP 、制造业产值占比、人均劳动报酬。其中，涉及到劳动争议案件的相关信息来自于中国裁判文书网，上市公司相关指标来自于万德数据库，法治化水平和要素市场化水平两个指标取自于王小鲁等（2019）的市场化指数分项指标，人均GDP 、制造业产业占比和人均劳动报酬来自于中国统计年鉴。在实际回归中，劳动争议案件数量、机器人渗透率、企业规模、人均GDP 和人均劳动报酬取对数值；实证模型中加入企业固定效应σ i 控制不可观测的个体因素影响；加入时间固定效应λ t 以控制潜在的时间趋势差异。同时，我们还控制了时间—行业固定效应γ jt ；ε ijpt 是随机误差项。变量说明和描述性统计分别见表1 。l n R o b o ti j p t= I R PCHj t×P Ri j p = 2 0 1 0T P Rt = 2 0 1 0LCHj t = 2 0 1 0D i s p ut ei j p t= β0+ β1R o b o ti j p t+∑i = 1nαiXi j p t+ σi+ λt+ γj t+ εi j p t表1 主要变量说明工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学变量类型被解释变量解释变量控制变量变量名称劳动争议案件数是否有劳动争议第一类案件数第二类案件数第三类案件数第四类案件数二审率案均原告人数案均诉讼请求工业机器人渗透率企业规模企业年龄净资产收益率资产回报率法治化水平市场化程度人均GDP第二产业产值占比人均劳动报酬变量说明原告为劳动者的劳动争议案件数量，件样本期是否存在劳动争议案件，是= 1 ，否= 0与劳动关系确认有关的案件数量，件与岗位变化相关的案件数量，件与薪资待遇相关的案件数量，件其他案件数量，件进入二审流程的劳动争议案件占总案件数的比率，件/ 件非集体诉讼案件中原告总人数占总案件数的比率，人/ 件总诉讼请求数占总案件数的比率，个/ 件机器人存量构造总资产，千万元年税后净利润/ 净资产税后净利润/ 总资产越大法治化水平越高越大市场化程度越高万元第二产业产值/GDP万元观测值12536125361253612536125361253612536125361253612536均值1.2740.3670.6110.5820.0080.0760.061.0121.41758.4711622.8829.8370.0670.02910.2177.1746.9280.438.921标准差4.0880.5412.4353.4830.0920.6250.2030.1730.658468.7428469.2457.2535.8740.485.6672.8363.1390.0885.048最小值000010.020.0480- 186.557- 48.316- 0.07- 1.211.3120.1620.222最大值446121933533819127875.8327331929713.20422.00524.3315.8716.4220.5920.646- - 96《管理世界》2023年第12期（二）基准回归结果分析1 . 对劳动争议案件的影响表2 展示了工业机器人使用对劳动关系和谐程度影响的基准回归结果。在控制了企业和地区层面以及个体、时间、行业的固定效应之后，工业机器人渗透率对劳动争议案件数量呈现显著的正向影响，即当上市公司应用更多的工业机器人后，会导致更多法院系统审理的劳动争议案件，第一个假说得到验证。如前文所言，法院系统是劳动争议案件解决的最后屏障（孙晓东，2015），因此，这一结果实际上是劳动关系紧张程度的低估值。第（3）列~（6）列是对案件进行分类之后的回归结果，可以发现，工业机器人应用对劳动争议案件的负面影响更多体现在与工作岗位变动和工资报酬等相关的两类案件中，这也与现实相符，工业机器人应用对传统劳动力的影响首先体现在带来失业和降薪的压力，在这一冲击下，这两类案由的劳动争议案件有更为明显的增加。由于工业机器人的应用减少了对不固定岗位、流动性较大劳动者的需求，在就业替代效应的影响下，对于劳动关系确认类的案件反而有所减少。控制变量的结果与预期基本相符。企业规模越大，年限越长，其具有更雄厚的经济实力，处理劳动争议的经验相对更长，更有能力处理好劳动关系，从而减少劳动争议案件的发生。企业所在地区的法治化水平越高，进入法院系统审理的劳动争议案件越多，这可能是因为在法治化水平高的地区，一旦出现劳动争议，双方当事人基于较高的法律维权意识和对司法系统的信任，更愿意选择用法律手段进行解决，从而导致案件数量增加。2 . 对劳动关系和谐程度的持续影响表2 的回归结果建立在当期影响的基础上，但工业机器人应用对劳动关系也可能存在持续影响。一方面，我们样本中所使用的法院系统审理的劳动争议案件，在之前已经过了调解和仲裁两个环节 ，其矛盾发生的时间需要往前追溯，需要讨论其前置期的影响；另一方面，机器的应用也非一蹴而就，从引入安装到实际投产有一个适应过程，其影响可能存在滞后效应。因此，我们进一步考察其长期效应，具体做法是在回归模型中引入机器人渗透率的前置期指标进行回归，结果如表3 第（2）列~（5）列所示，机器人渗透率至少存在3期的持续影响，第（6）列则是引入所有前置期考察累计效应，结果发现，工业机器人应用对劳动争议案件的表2 工业机器人应用对上市公司劳动争议案件的影响注：本文回归主要采用多维面板固定效应模型reghdfe 命令，其中，命令中加入了vce（cluster ）将回归聚类在行业层面，括号内为聚类标准误调整后的T 统计量。本文经聚类稳健标准误得到T 统计量和显著性P 值之间的关系与一般的实证结果略有差异（阿巴迪等，2023），出现了T 值较大而对应的显著性P 值不足的情况。出于缓解内部相关性、异方差性潜在问题和提高推断统计准确性的考虑，本文认为P 值的可靠性更强，因此采用程序自动输出的P 值为依据来标识变量显著性程度。* 、**和*** 分别表示在10% 、5% 和1% 水平上统计显著。下同。表3 工业机器人应用对上市公司劳动争议案件数量的持续影响被解释变量工业机器人渗透率企业规模企业年龄净资产收益率资产回报率法治化水平市场化程度人均GDP第二产业产值占比人均劳动报酬企业固定效应年份固定效应行业—年份固定效应NR2( 1)劳动争议案件数0.076**( 2.56)- 0.098(- 1.11)- 0.348**(- 2.96)- 0.006(- 1.62)0.497**( 3.13)0.037*( 2.55)- 0.112***(- 16.84)0.390( 1.37)- 1.796**(- 2.81)0.229*( 2.15)是是是125360.141( 2)是否有劳动争议0.001*( 2.54)0.010( 1.92)0.021( 0.88)0.001( 1.47)0.012( 0.26)0.002**( 2.70)- 0.016**(- 3.24)0.120( 0.21)0.316( 1.62)- 0.029**(- 2.89)是是是125360.328( 3)与劳动关系确认有关的案件数- 0.001***(- 4.64)- 0.002**(- 2.99)- 0.002***(- 7.35)- 0.001(- 1.16)0.006( 1.43)- 0.001***(- 7.64)- 0.001***(- 11.32)0.010*( 2.49）- 0.041**(- 3.48)- 0.009***(- 4.69)是是是125360.226( 4)与岗位变化相关的案件数0.020***( 7.43)- 0.023**(- 3.48)- 0.259***(- 5.70)- 0.002(- 1.55)0.037( 0.57)0.027***( 4.21)- 0.040***(- 12.82)0.202***( 4.69)- 2.014***(- 4.76)- 0.223***(- 20.06)是是是125360.178( 5)与薪资待遇相关的案件数0.009**( 2.94)- 0.020**(- 2.83)- 0.031***(- 4.22)- 0.002(- 1.01)0.195**( 3.15)- 0.017***(- 6.87)- 0.009***(- 7.27)0.173***( 4.51)- 2.767***(- 5.45)- 0.097***(- 6.86)是是是125360.349( 6)其他案件数0.003( 0.67)0.010( 0.52)- 0.007(- 0.67)- 0.001**(- 3.08)0.017*( 2.27)- 0.003(- 1.00)- 0.001(- 0.64)0.326( 1.21)- 0.872(- 0.92)- 0.049(- 0.91)是是是125360.222被解释变量：劳动争议案件数工业机器人渗透率工业机器人渗透率t- 1工业机器人渗透率t- 2工业机器人渗透率t- 3工业机器人渗透率t- 4控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)0.076**( 2.56)是是是是125360.141( 2)0.016*( 2.48)是是是是97640.172( 3)0.070( 1.17)是是是是58520.265( 4)0.131**( 3.34)是是是是44930.330( 5)0.136( 1.20)是是是是29090.464( 6)0.266**( 3.23)0.298*( 2.19)0.191***( 6.88)0.209*( 2.51)0.107***( 5.41)是是是是29090.466- - 97影响依然呈现出显著的前置期负面影响。和谐的劳动关系构建是一个长期持续的过程。这也为企业应用工业机器人提供了启示，除了注重眼前的经济效益，还应对劳动者可能出现的负面反应提前做好保障措施，让新技术平稳顺利地落地和推广。（三）异质性分析工业机器人作为本轮人工智能技术的典型代表，具有明显的偏向型技术进步特征，考察工业机器人应用对劳动关系的影响，则需要我们进一步讨论其在不同特性的企业和不同特质劳动力群体中的异质性。首先，工业机器人在各行业的应用程度不同，劳动关系受到机器人应用影响的程度也不同；其次，工业机器人与不同的劳动者存在差异化的适配度，尤其是在我国，工业机器人最先应用的制造业行业，原有较多为低技能劳动力，就业替代作用更加明显，劳动者的反应可能会更加激烈，劳动关系可能因此更加紧张。现有文献也指出，机器人产生的增长红利并不会以“涓流”方式均等地惠及所有群体（蔡昉，2019；魏下海等，2020），孔高文等（2020）和李磊等（2021）的研究发现，在不同的行业地位和劳动力市场结构中，人工智能应用对就业的冲击也存在较大差异。基于此，我们从企业特征和员工结构两个方面展开讨论。1 . 企业特征异质性我们将上市公司划分为是否属于高新技术企业⑥两个样本进行对比，表4 第（1）列的结果显示，在高新技术企业样本中，原有工业机器人应用对劳动关系的负面影响显著降低。进一步地，我们以单个企业所有样本年份的市场规模均值划分中位数，进行分组回归。从第（3）列的结果中发现，在市场规模较大的企业样本中，原有的负面影响系数远小于市场规模较小的企业组的回归系数，且影响显著性进一步消失。这一结论与现有文献提出的偏向性技术进步理论相一致。在“人机适配”更好、生产效率更高的高新技术企业和较大市场规模企业中，工业机器人的应用极大提升经营绩效，劳动者从中获得的红利大于替代作用下负向影响，促进了“人机和谐”发展，工业机器人对劳动关系起到了“锦上添花”的作用；相反，市场规模较小的企业本已面临巨大的生存压力，劳动者与企业之间的劳动关系可能会随着人工智能的引进“雪上加霜”，负面影响更加严重。2 . 员工结构异质性奥托尔等（2003）提出的任务模型理论将具体的工作岗位分为了常规性任务和非常规性任务，一般来讲，常规性任务容易被机器替代，企业中的“工作生产人员”多从事此类任务。在工业机器人大量引用后，由于存在更大概率被机器取代，“人机冲突”的可能性更高，劳动关系可能处于更紧张的局面。反之，企业的技术人员更多从事非常规任务，工业机器人的应用与劳动力之间适配度高，形成了良性互补关系，劳动者因此受益，与企业的劳动关系会更为友好。因此，我们同样以单个企业所有样本年份的生产人员占比和技术人员占比均值进行中位数划分，对分样本进行回归，进一步讨论不同员工结构的企业受到的异质性影响。表5 的结果显示，在生产人员占比少的企业中，工业机器人渗透率越高，劳动争议案件越少，呈现出更为和谐的劳动关系，而在技术人员多的企业中，原有显著的负面影响也随之消失，这说明工业机器人对劳动关系的影响并不能简单一概而论，在员工技术技能适配条件满足的企业中，工业机器人与劳动者形成的互补效应，“机器换人”转为“机器扩人”，将会极大改善现有的劳动关系。两个异质性检验验证了假说H 2 ，也为政府如何有序且精准扶持推进企业智能化改造提供了微观依据。（四）稳健性检验本文的基准结果可能会受到来自回表4 企业特征异质性表5 员工结构异质性工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学被解释变量：劳动争议案件数工业机器人渗透率控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)高新技术企业0.020***( 6.68)是是是是42100.171( 2)非高新技术企业0.111**( 3.36)是是是是83240.140( 3)市场规模较大企业0.027( 1.98)是是是是56840.148( 4)市场规模较小企业0.154***( 6.94)是是是是67400.151被解释变量：劳动争议案件数工业机器人渗透率控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)生产人员占比多0.187***( 7.57)是是是是55990.180( 2)生产人员占比少- 0.011(- 0.22)是是是是54090.374( 3)技术人员占比多0.030( 0.79)是是是是51820.249( 4)技术人员占比少0.144***( 5.00)是是是是58800.164- - 98《管理世界》2023年第12期归方法、案件结构以及指标构建局限性等方面的挑战。在本部分，我们从回归方法、扩充样本和更换指标这3个方面重新考察本文结果的稳健性。首先，本文的核心解释变量是劳动争议案件的数量，我们使用Tobit方法对数量型因变量再回归，结果如表6 第（1）列所示，工业机器人使用对劳动争议案件的影响依旧显著存在；考虑到实证模型的严谨性，我们进一步加入省份和年份联合固定效应，以充分控制地区随时间变化因素的干扰，同时将标准误聚类至企业层面，以充分考虑企业的异方差和组内自相关问题，结果依然稳健。因篇幅原因，回归结果详见《管理世界》网络发行版附录六。其次，考虑到上市公司在样本期内除了劳动争议案件还有其他各类法律诉讼案件，我们考察工业机器人对其所有法律诉讼案件的影响，表6 第（2）列的结果表明并无显著影响，而进一步剔除劳动争议案件后，第（3）列的结果也显示，工业机器人使用对上市公司其余所有法律诉讼案件也不存在显著的影响，这两列的结果直接表明工业机器人对上市公司法律案件的影响聚焦在劳动争议案件。表6 第（2）列~（3）列的回归结果类似于“安慰剂”检验，一定程度上说明了本文基准回归结果的稳健性。其次，在基准回归中，我们使用的是劳动争议案件的数量来刻画企业的劳动关系和谐程度。进一步地，我们根据裁判文书网提供的案件具体信息，提取出多维度的司法变量，从劳动争议案件的二审率、案均原告人数、案均诉讼请求3 个方面展现劳动争议案件的内容。表7 第（1）列是劳动争议案件二审率的受影响情况。目前我国劳动争议施行二审终审制，原被告双方在一审法院判罚后，如有不服，可以向上级法院提起二审诉讼，二审率较高，反映出原被告存在较大争议，无法达成一致，侧面说明劳动关系紧张。第（2）列和第（3）列则从案均原告人数和案均诉讼请求的角度继续考察劳动关系受到影响的程度。在非集体诉讼案件中，原告人数越多，说明劳动争议案件的偶发可能越小，多个劳动者同时对企业提起诉讼，可以从一定程度上反应劳动矛盾的集中性和严重性；而案均诉求越多，则表明劳动者对企业存在多方面的意见与不满，劳动争议案件涉及到多个领域，反映出劳动关系复杂，劳资双方矛盾严峻。结果显示，工业机器人的应用会增加企业劳动争议案件的案均原告人数和案均诉讼请求。总而言之，上述3 个司法变量的回归结果显示，工业机器人应用在增加企业劳动争议案件数量的同时，也对案件的各方面产生了不利影响，加剧了劳动关系的紧张度。总体来讲，不管从哪个角度考察劳动争议案件，工业机器人应用对劳动争议案件的负面影响结果基本稳健。其中，持续影响完整结果参见《管理世界》网络发行版附录五。最后，我们也重构了工业机器人渗透率指标进行稳健性检验。在基准回归中，工业机器人渗透率的指标是基于IFR 提供的年保有量数据构建所得，同时，IFR 也报告了每年各地新安装机器人数量。存量数据反映出工业机器人对劳动力市场的累积效应，而每年新安装的流量数据则可以提供当年新增机器人安装量对劳动关系冲击的影响，如果企业每一期都在源源不断地引入工业机器人投入生产，极大可能对劳动者造成持续压力，进而影响劳资双方的关系。基于此，我们使用了工业机器人流量数据重新构建了机器人渗透率这一指标及其前置期⑦，考察期对劳动争议的案件的影响，结果如表8 所示，结果基本稳健。除此之外，我们还进行了一系列稳健性检验。例如，本文进一步将案件加总至地区—行业—年份层面进行回归, 构造地级市层面机器人渗透率进行检验，结果仍然符合我们的预期；本文也在回归中加入省份—年份固定效应、并进一步将标准误聚类至企业层面，结果依然稳健。最后，本文还将企业按照制造业、农业企业以及其他非农企业进行分类回归，并重新进行了表6 不同方法和不同样本的稳健性回归结果表7 劳动争议案件不同司法变量的稳健性回归结果被解释变量：劳动争议案件数工业机器人渗透率控制变量企业固定效应年份固定效应行业—年份固定效应NR2/ 极大似然值( 1)劳动争议案件数(Tobit 模型)0.072***( 4.42)是是是是1253692.98( 2)全部司法案件0.003( 0.07)是是是是125360.237( 3)全部司法案件( 除劳动争议案件)0.002( 0.79)是是是是125360.224被解释变量工业机器人渗透率控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)二审率0.001***( 4.04)是是是是105650.306( 2)案均原告人数0.002***( 5.44)是是是是125360.164( 3)案均诉讼请求0.004***( 4.12)是是是是125360.505- - 99路径机制分析，得到的结果基本一致。以上回归结果具体参见《管理世界》网络发行版附录六。（五）内生性问题工业机器人使用对企业劳动争议案件影响的实证分析可能存在内生性问题：一方面，企业可能基于其实际的劳动关系状况在机器人和传统劳动力之间进行选择。劳动关系的一方是具体的劳动者，极端情况下，企业的生产全靠机器，则不可能产生任何劳动争议，企业可以通过机器对人的完全替代从而规避任何劳动争议风险，尤其是在已有过多劳动争议案件损害了现有利益情况下，企业有更强的动机使用机器人，这使得基准回归的结果可能存在互为因果而导致的内生性问题。另一方面，尽管本文在实证过程中已经将可能影响劳动争议案件的各方面因素作为控制变量引入回归模型，并控制了相应的固定效应，但仍然可能存在因遗漏变量而导致的内生性问题。为此，本文进一步采取工具变量方法解决潜在的内生性问题。在现有关于工业机器人对劳动力市场影响的研究中，大部分文献的工具变量选取都借鉴阿西莫格鲁和雷斯特雷波（2020）的方法，该文在讨论美国工业机器人应用对美国制造业就业的影响时，采用工业机器人应用普及率高的德国、日本、韩国这3 个国家的同行业工业机器人安装量作为美国工业机器人的工具变量，这几个制造业大国之间存在较强的国际竞争，同行业内部对于新技术的应用和设备安装呈现同向变动趋势，工具变量的选取具有一定的合理性。本文则从中国制造业发展的现实出发，选取美国（王永钦、董雯，2020）、美日德韩四国、欧洲九国⑧（阿西莫格鲁、雷斯特雷波，2020；吉赫勒布等，2022）3 种不同的竞争者同行业同时期工业机器人应用数据构造的中国工业机器人渗透率作为工具变量。随着我国产业升级换代步伐加快，我国制造业工业机器人发展趋势直接对标这些国家的同行业水平，工具变量选择符合相关性的要求。同时，中国与这些国家的劳动力市场结构差异巨大，法律体系也不尽相同，这些国家的工业机器人应用情况不会直接影响我国的劳动关系，只会通过影响同行业我国工业机器人使用情况，从而影响我国企业层面的劳动争议案件发生，满足工具变量的外生性和排他性。回归结果如表9 所示，第一阶段回归的结果说明3 个工具变量的相关性均得到满足，第二阶段工具变量回归结果与基准回归一致，表明在考虑了可能的内生性问题之后，工业机器人应用对劳动关系的负面影响仍然存在。四、影响机制分析基准回归的结果显示，企业应用更多机器人总体上对劳动关系有一定的不利影响，我们进一步讨论这种影响可能发生的渠道，以期为政策制定者提供更为精准的科学依据。从前文图2 所示劳动争议的案由构成来看，目前劳动争议的主要触发原因包括两类：其一是与岗位薪酬相关的显性权益纠纷；其二是与工会、社会保险相关的隐性福利问题。基于此，本文从显性和隐性渠道两个方面讨论机器人应用对劳动关系的影响机制。我们选取工资水平变化、岗位数量变化、工会费用变化、福利费用变化4 个指标，采用分组回归和交互项回归两种方法进行验证。首先，我们根据企业每年在工资水平、岗位数量、工会费用、福利费用4 个方面的变表8 机器人渗透率流量指标的稳健性回归结果表9 工具变量回归结果工业机器人应用与劳动关系：基于司法诉讼的实证研究经济学被解释变量新增机器人渗透率新增机器人渗透率t- 1新增机器人渗透率t- 2新增机器人渗透率t- 3新增机器人渗透率t- 4控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)劳动争议案件数0.090***( 5.39)是是是是120690.139( 2)是否有劳动争议0.001***( 5.80)是是是是120690.235( 3)劳动争议案件数0.323**( 4.14)0.398*( 2.21)0.237***( 7.45)0.237**( 2.79)0.173**( 3.49)是是是是21870.465被解释变量工业机器人渗透率( 美国)工业机器人渗透率( 美日德韩)工业机器人渗透率( 欧洲九国)控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)第一阶段回归工业机器人渗透率0.323***( 7.43)是是是是120400.935( 2)0.228***( 6.68)是是是是121850.953( 3)0.147***( 8.31)是是是是121850.938( 4)第二阶段回归劳动争议案件数0.034***( 5.98)是是是是120440.014( 5)0.041***( 26.70)是是是是121850.133( 6)0.067***( 10.67)是是是是121850.211- -100《管理世界》2023年第12期化情况将全样本分为相应的增加组和减少组，在考察了工业机器人渗透率对4 个变量的影响基础上，进一步分析其对企业劳动争议案件数量的组间异质性影响，论证潜在因果关系。其次，为提高模型的统计效力，我们在实证回归模型中引入调节变量及其与核心解释变量的交互项，进一步根据交互项系数的回归结果对机制进行讨论。（一）显性影响机制表10的（1）~（4）列考察了就业岗位的调节效应。首先，工业机器人应用总体上对就业岗位有替代影响，这一结论与先前大部分国内文献结论一致（王永钦、董雯，2020；孙文凯等，2018；陈永伟、许多，2018；闫雪凌等，2020）。 在分样本和交互项回归的结果中显示，岗位数量增多的企业，劳动争议案件也随之增加，这与前文提到的极端情况类似，没有劳动者，自然不存在劳动争议；相反，劳动者数量越多，导致发生劳动争议的概率越大。这一结果验证了假说H 3 ，也带来了相应的担忧，即企业有可能为了避免潜在的纠纷，在人力和机器中更倾向于选择后者，进而引发短期内更严重的就业问题，引致数量上较少、性质或许更为严重的劳资矛盾。第（5）~（8）列有关工资水平变动的回归结果则显示，工业机器人应用对行业工资水平有正向促进作用，这与现有大多数的结论一致（阿西莫格鲁、雷斯特雷波，2020），即现有在岗劳动力可能会因为企业利润增加、岗位减少而得到单位工资水平的提升。但进一步划分工资增加和降低的样本后发现，机器人渗透率在工资水平有所上升的样本中，其负面影响远远低于工资水平降低的样本，交互项回归系数显著为负进一步验证了以上结论，说明工业机器人应用对劳动争议案件的影响随着工资水平的上升而有所减弱，从侧面反映增加劳动者的工资收入可以一定程度上缓解由于机器人应用而引致的劳资矛盾。（二）隐性影响机制除工资之外，在工作过程中获得的隐性福利也与劳动者权益息息相关，尤其对于在岗劳动者而言，没有失业并非意味着机器人应用对其不造成影响，在工资水平不变甚至略有提升的情况下，企业仍有可能通过减少原本用于员工的其他福利费用支出，变相降低劳动者的实际收入（于素丽、庞守林，2008；李光勤等，2017）。 本文选取工会费用和福利费用两个变量作为隐性影响的指标去考察这一可能的影响机制。首先，工会在提高工人工资、减少超时劳动、强化社会保障等诸多方面发挥着保障劳动者权益的重要作用（姚、钟，2013；纪雯雯、赖德胜，2019），工会费用支出能够为工会提供维护劳动者权益的有效资金保障，对解决劳动争议也有积极意义（徐世勇等，2014）。 其次，企业用于员工的福利费用支出也同样可以体现出劳动者的实际待遇，如工伤保险支出、劳动保护提升支出、员工的职业培训等方面的支出。表11第（1）、（ 5）列回归结果显示，企业机器人渗透率对工会费用和福利费用均存在负向影响，且系数远大于表10的回归结果。然而，这种减少相对于直接的失业和降薪而言更不易被劳动者所察觉，划分样本后的结果显示，工会、福利费用存在减少的企业，机器人应用对劳动关系的负面影响进一步加深。另外，交互项回归系数也显著为负，同样佐证了以上结论，这与屈小博和王表10 显性影响机制：工资水平与岗位数量被解释变量样本特征工业机器人渗透率岗位数量变化岗位数量变化× 工业机器人渗透率工资水平变化工资水平变化× 工业机器人渗透率控制变量企业固定效应年份固定效应行业—年份固定效应NR2( 1)岗位数量全样本- 0.007*(- 2.11)是是是是125280.914( 2)劳动争议案件数员工减少样本0.011( 0.45)是是是是73790.286( 3)员工增加样本0.197**( 3.72)是是是是49600.205( 4)全样本0.079*( 2.25)- 0.012***(- 5.70)0.048**( 3.07)是是是是111680.155( 5)工资水平全样本0.007**( 2.69)是是是是107050.767( 6)劳动争议案件数工资降低样本0.100***( 4.68)是是是是16190.402( 7)工资增长样本- 0.012(- 0.13)是是是是104200.149( 8)全样本0.058*( 2.22)-