马克集数摘要
在劳动年龄人口负增长和结构老化背景下，企业需要在劳动力成本和自动化技术之间取得新平衡。有效结合自动化部署，并充分挖掘高龄劳动力资源，对经济高质量发展至关重要。本文基于特定年龄组执行不同工作任务的新视角，从理论和经验研究层面探询自动化技术（以工业机器人为载体）如何与工作场所高龄劳动力形成互动，进而改变企业内部劳动者的工资差距。本文首先通过构建一个体现劳动力年龄结构的工作任务自动化模型，基于不同年龄组劳动力在常规任务和非常规任务上具有不同优势的假设前提，从理论上阐述了机器人应用影响企业内部年龄工资差距的内在逻辑。理论预测，企业引入机器人一方面可能通过替代劳动要素完成常规任务而使得非常规任务更加重要，另一方面可能推动高龄劳动力向非常规任务再配置，从而促使高龄劳动力获得更高的工资回报。接下来，利用制造业“雇主—雇员”匹配调查数据和相关配套数据为上述理论预测提供了经验证据。经验研究发现，机器人应用为高龄劳动力带来显著的工资溢价，并且高龄劳动力在就业前景和工作满意度方面也显示出更积极的回报。机制检验表明，相比于年轻劳动力，高龄劳动力更多地从事非常规任务。本文的研究结论意味着，在老龄化不断深化的背景下，高龄劳动力与机器人技术形成互补协同效应，从而为积极应对人口老龄化的国家战略提供了有益的政策启示。
关键词： 机器人；劳动力高龄化；工资差距
一、论文选题背景和意义
论文聚焦“自动化与老龄化”两股结构性力量叠加下的劳动力市场与收入分配变化，提出从企业内部年龄—任务组合的视角解释工资差距的新命题。既有研究多讨论教育、技能、性别与任务偏向技术进步对工资的影响，但关于“机器人是否存在年龄偏向”及其工资效应的直接证据不足。本文据此构建任务自动化模型并开展微观经验证据检验，以期揭示机器人与高龄劳动力的互补关系及其对工资结构的影响。
论文的意义在于：一是将企业内部任务—要素“再配置”机制引入任务模型，说明工资差距可由任务在资本与不同年龄劳动者之间的重新分配所致；二是以“雇主—雇员”匹配调查提供中国情境下的企业层面证据；三是从就业预期与满意度扩展到非工资维度，回应自动化冲击下的劳动力福祉问题。
二、论文主要内容
理论部分设定三要素生产框架（设备资本、年轻劳动力、高龄劳动力），将任务划分为常规与非常规两类，并假定年轻劳动力在常规任务上具比较优势、高龄劳动力在非常规任务上具比较优势；引入机器人后，非常规任务相对溢价上升、要素向非常规任务再配置，从而扩大高龄劳动力相对工资。由此得出核心可检验假说：机器人采用有利于提高高龄劳动力的工资回报。
经验部分表明：在控制个体与企业特征后，机器人×高龄劳动力交互项对工资显著为正，幅度在基准与IV估计中均稳健；高龄劳动力更多从事非常规分析型和互动型任务；在失业担心、离职打算与工作满意度等就业前景指标上，高龄劳动力在采用机器人企业中表现更优。异质性方面，正效应主要出现在内资与非出口企业。
三、论文实证设计
论文使用的数据来源包括：2018年广东省制造业“雇主—雇员”匹配调查（雇主问卷与雇员问卷，含机器人使用、用工与薪酬信息）；2000、2005、2010、2015年全国人口普查微观数据（含1%抽样）用于构造职业任务属性；2018、2020、2022年中国家庭追踪调查（CFPS）用于构建常规任务强度（RTI）等指标；文中背景图表另引用IFR与《世界人口展望2022》。
模型设计部分包括：以员工月工资对数为被解释变量，核心解释变量为企业是否采用机器人、是否为高龄劳动力（45–59岁）及二者交互项；控制性别、受教育年限、户籍、企业年龄、规模（注册资本对数）、高新技术企业、生产/研发缺工、利润、机器人政策了解度等，并纳入行业固定效应；采用处理效应模型与两阶段最小二乘（工具变量为城市层面机器人补贴强度），并进行多项稳健性检验（年龄分组交互、更换自动化度量为机器人采购金额、排除裁员样本、PSM、变量口径与聚类调整等）。机制检验将岗位划分为非常规分析型、非常规互动型与常规型任务，检验“再配置效应”与“任务溢价效应”。
变量说明表格
| 变量名称 | 变量说明 | |
|---|---|---|
| lnwage | 员工月工资对数 | |
| IR | 企业是否采用工业机器人/自动化设备（1/0） | |
| OW | 是否为高龄劳动力（45–59岁=1，45岁以下=0） | |
| IR×OW | 机器人采用与高龄劳动力的交互项 | |
| female | 是否女性 | |
| edu_years | 受教育年限 | |
| migrant | 是否外地户籍 | |
| firm_age | 企业年龄（成立年数） | |
| size | 企业规模（注册资本对数） | |
| hitech | 是否高新技术企业 | |
| shortage_prod / shortage_rd | 生产/研发人员是否缺工 | |
| profit | 企业利润率分组变量 | |
| policy_awareness | 企业对智能制造/“机器换人”政策了解度 | |
| task_anal / task_inter / task_routine | 非常规分析型/非常规互动型/常规任务指标 | |
| RTI | 常规任务强度指标（CFPS口径） | |
| city_robot_subsidy（IV） | 城市层面机器人补贴强度（工具变量） | |
| robot_amount | 企业机器人采购金额（替代度量） |
四、论文结论与政策建议
结论显示：机器人技术在当前阶段表现为“高龄劳动力友好型”——显著提升高龄劳动力工资并改善其就业预期与满意度；该效应通过高龄劳动力向非常规任务再配置以及非常规任务溢价上升实现，且在内资与非出口企业更为突出。
政策建议包括：推动自动化与人力资源协同，优化岗位设计以发挥高龄劳动力在非常规任务中的比较优势；完善城市与行业层面机器人政策工具与培训支持，缓解年龄歧视并提升人机协作效率；在不同贸易与所有制情境下因企施策，避免“一刀切”的自动化用工调整。
五、边际贡献与未来拓展
本文将企业内部任务—要素重新配置机制引入任务自动化模型，证明即便在资本—技能互补性同质下，机器人仍能通过任务再配置改变年龄工资差异；在中国企业层面提供“机器人×年龄”的直接证据，并扩展到就业预期等非工资结果。未来可结合更长时序与更广行业样本，考察不同自动化阶段与技术形态下的年龄偏向效应及其福利分配。