《Land》：Industrial Robot Exposure and Urban Low-Carbon Transition Efficiency: Evidence from Chinese Cities
编辑推荐：
本研究利用2010—2023年中国278个城市的面板数据，采用超效率松弛变量测度（Super-SBM）模型测度城市低碳转型效率（LCTE），即环境约束下城市资源转化的相对效率。研究人员采用双向固定效应模型估计工业机器人暴露与LCTE之间的关联，随后进行稳健性检
本研究利用2010—2023年中国278个城市的面板数据，采用超效率松弛变量测度（Super-SBM）模型测度城市低碳转型效率（LCTE），即环境约束下城市资源转化的相对效率。研究人员采用双向固定效应模型估计工业机器人暴露与LCTE之间的关联，随后进行稳健性检验、滞后暴露工具变量分析、创新路径分析、城市规模异质性检验及空间计量建模。研究发现，工业机器人暴露与LCTE呈正相关；该关联方向在敏感性分析中保持一致，但在规模报酬不变条件下其幅度降至基准估计的四分之一左右。绿色技术创新和科技投入强度的系数模式与潜在的创新相关路径一致。正相关关系在中小城市比大城市更为显著。空间杜宾模型（SDM）估计结果证实LCTE存在空间依赖性，且工业机器人暴露对本地LCTE存在稳健的正向直接关联；与空间关联城市的间接关联在点估计上为负，但在按城市聚类标准误后不再具有统计显著性。上述条件性关联表明，生产自动化与LCTE之间的关系因创新条件、城市规模和空间情境的不同而存在差异。
一、研究背景与问题
在全球应对气候变化的背景下，城市低碳转型已成为可持续发展研究的核心议题。技术升级正在重塑城市可持续转型的生产基础，自动化、数字化生产与智能制造日益影响城市组织工业活动、配置生产性资源和管理环境压力的方式。工业机器人作为生产系统中重要的物化技术升级形式，其部署引入可编程自动化，可能改变工艺精度、资源配置和运营效率。然而，机器人化生产同样需要资本、能源和配套基础设施，生产率提升也可能刺激工业产出扩张。因此，工业机器人暴露与城市低碳转型效率之间的理论关联具有不确定性，亟需实证检验。
现有研究多聚焦于企业、行业或区域层面，考察工业机器人对生产率、就业、能源消耗、碳排放和企业绩效的影响。城市层面的研究虽已开始关注工业机器人对碳排放、绿色全要素能源效率及碳排放空间溢出的影响，但主要集中于单一环境结果，较少涉及能够同时纳入经济、生态和环境绩效的多投入多产出低碳转型效率测度。此外，绿色技术创新与科技投入是否构成工业机器人暴露与LCTE之间的经验路径，以及该关联是否随城市规模变化或通过空间依赖与溢出效应跨城市传导，均缺乏充分证据。
二、研究设计与主要结论
本研究基于2010—2023年中国278个地级市的面板数据，构建包含四项投入、两项期望产出和两项非期望产出的指标体系，采用非导向、非期望产出的超效率松弛变量测度模型在规模报酬可变条件下测算城市低碳转型效率。工业机器人暴露采用份额转移法构建，结合行业层面机器人安装数据与城市就业结构。研究人员运用双向固定效应模型估计工业机器人暴露与LCTE的关联，并通过滞后暴露工具变量、稳健性检验、机制分析、城市规模异质性检验和空间杜宾模型开展系统分析。
研究发现：工业机器人暴露与城市低碳转型效率呈显著正相关，该方向在各项稳健性检验和工具变量分析中保持一致。绿色技术创新与科技投入强度构成潜在的创新相关路径。正相关关系在中小城市更为显著，大城市因初始自动化水平较高而边际关联较弱。空间分析确认LCTE存在显著空间依赖性，工业机器人暴露对本地LCTE具有稳健的正向直接效应，间接效应在点估计上为负但在城市聚类标准误下不显著。
三、主要技术方法
本研究采用的核心方法包括：第一，超效率松弛变量测度模型，用于在规模报酬可变条件下测算包含非期望产出的城市低碳转型效率，并在稳健性检验中采用规模报酬不变设定；第二，双向固定效应面板回归模型，控制城市固定效应和年份固定效应，标准误在城市层面聚类；第三，滞后一期工业机器人暴露作为工具变量的两阶段最小二乘估计，用于敏感性评估潜在内生性；第四，顺序回归机制检验，考察绿色技术创新和科技投入强度的潜在路径；第五，全局莫兰指数检验空间自相关，并采用空间杜宾模型区分直接效应与间接效应，同时使用经济地理嵌套矩阵、经济地理权重矩阵和逆距离矩阵进行稳健性检验。数据来源包括国际机器人联合会（IFR）行业机器人安装数据、EDGAR网格化CO?排放数据、中国城市统计年鉴等官方统计资料。
四、研究结果
（一）基准回归结果
在仅包含工业机器人暴露的模型中，系数为0.0106（标准误0.0029，p<0.01）；加入全部控制变量后系数保持0.0106（标准误0.0028，p<0.01）。系数在控制变量引入前后保持稳定，表明观测控制变量未实质影响估计关联。基于3892个城市—年度观测，结果识别出工业机器人暴露与LCTE之间显著的正向城市内关联，支持假设H1。
（二）稳健性与内生性检验
对工业机器人暴露进行1%缩尾处理后系数为0.0098（p<0.01）；剔除2020—2022年观测后系数为0.0109（p<0.01）；剔除人力资本和财政干预控制变量后系数为0.0106（p<0.01）。在规模报酬不变条件下重新估计LCTE，系数降至基准估计的四分之一（0.0026），仅在10%水平显著。工具变量分析中，第一阶段滞后暴露系数为0.7857，Kleibergen-Paap rk Wald F统计量为113.98；第二阶段系数为0.0090（p<0.01），方向与基准一致。Oster系数稳定性分析表明，不可观测选择需为可观测选择的18.8至289倍才能使系数归零。反馈检验显示过去LCTE与后续机器人暴露负相关，反向反馈倾向于衰减而非夸大基准估计。
（三）机制分析
工业机器人暴露与绿色技术创新呈正相关（系数0.0902，p<0.01）；将绿色技术创新纳入LCTE方程后，绿色技术创新系数为0.0036（p<0.05），工业机器人暴露系数保持显著（0.0103，p<0.01），系数仅下降约3%。工业机器人暴露与科技投入强度呈正相关（系数0.0146，p<0.10）；科技投入强度系数为0.1111（p<0.05），工业机器人暴露系数降至0.0090（p<0.01），下降约15%。系数模式与绿色技术创新和科技投入强度作为潜在创新路径一致，但两项变量仅解释关联的一小部分。
（四）城市规模异质性
中小城市中工业机器人暴露系数为0.0143（p<0.01），大城市系数为0.0043且不显著。合并交互模型中，中小城市系数为0.0130（p<0.01），大城市状态与工业机器人暴露的交互项为-0.0049（p<0.05），斜率相等检验显著（p=0.0312）。连续交互模型中，工业机器人暴露与均值中心化对数常住人口的交互项为-0.0040（p=0.006），边际关联随人口规模增大而递减，在人口分布高端趋于零。
（五）空间溢出效应
全局莫兰指数显示LCTE和工业机器人暴露在2010—2023年均呈正空间自相关。空间杜宾模型的空间自回归系数为0.1295（p<0.01），Wald检验拒绝简化为空间自回归模型或空间误差模型。直接效应为0.0113（p<0.01），间接效应为-0.0029（p<0.10，OIM标准误）；采用城市聚类标准误后，直接效应保持显著（0.0113，p<0.01），间接效应不再显著。替代空间权重矩阵下直接效应介于0.0110至0.0114之间，间接效应介于-0.0057至-0.0044之间，聚类标准误下间接效应均不显著。H3仅获部分支持：LCTE存在空间依赖，但工业机器人暴露的显著溢出关联未获确立。
五、讨论与结论
研究讨论指出，工业机器人暴露与LCTE的正向关联可能源于自动化带来的生产精度提升、缺陷减少和运营协调强化，从而在给定资源投入下增加期望产出并限制非期望产出。创新路径分析表明，机器人暴露可能伴随工艺升级和技术学习，绿色技术创新和科技投入强度构成部分经验连接。城市规模异质性可能反映中小城市通过技术升级改善流程效率的空间更大，大城市因初始自动化水平较高而边际关联较弱。空间分析显示间接关联在所有六种空间权重矩阵下均为负值点估计，可能涉及要素流动、产业转移或政策驱动的资源再配置，但在聚类推断下未获统计确立。
研究结论部分翻译如下：本研究利用2010—2023年中国278个城市的面板数据，考察了工业机器人暴露与城市低碳转型效率之间的关联。在城市和年份固定效应模型中，工业机器人暴露与LCTE呈正相关，该关联方向在稳健性检验和工具变量敏感性分析中保持稳定。顺序回归产生了与绿色技术创新和科技投入强度作为潜在创新相关路径一致的系数模式。正相关关系在中小城市比大城市更为显著。空间分析确认LCTE存在空间依赖性，工业机器人暴露的正向关联作为直接、本地关联是稳健的。跨空间关联城市的间接关联在点估计上为负，但在城市聚类标准误下不具有统计显著性。上述发现表明，生产自动化与城市低碳转型效率之间的关系因地方创新条件、城市规模和空间相互依赖而存在差异。本研究提供了城市层面的证据，表明生产侧技术升级可能与地方资源转化效率改善相关，而其向关联城市的溢出仍不确定。这些发现代表条件性关联而非因果效应。由于LCTE衡量相对资源转化效率，上述结果不意味着工业机器人暴露较高的城市必然具有较低的总排放量。
