智能制造与绿色发展：基于工业机器人进口视角

一 引言

随着科技发展和劳动力成本上涨，机器人在工业生产中得到日益广泛的应用，智能制造成为经济高质量发展的重要特征。2015年，国务院颁布的《中国制造2025》中提出：“将智能制造列为实现制造业强国目标的五大工程之一。”①2022年，二十大报

* 林熙：广州大学经济与统计学院；刘啟仁（通讯作者）：广州大学经济与统计学院、南京大学商学院 广州市大学城外环西路230号 510006；冯桂媚：上海财经大学经济学院。电子信箱：242691915@qq.com（林熙）； liuqiren@126.com（刘啟仁）；1416831152@qq.com（冯桂媚）。

作者感谢教育部人文社科规划项目（22YJA790037）、广东省哲学社会科学“十四五”规划项目（GD21CYJ13）及广东省基础与应用基础研究基金（2023A1515012348）的资助，同时感谢在“无名经济工作坊”参与讨论嘉宾的建议。

① 国务院颁布的《中国制造2025》详见：https：//www.gov.cn/zhengce/content/2015-05/19/content_9784.htm。

告再次指出：“建设现代化产业体系，加快建设制造强国，推动制造业智能化发展。”①

国际机器人联盟（International Federation of Robotics，IFR）的数据显示，2000-2019年，中国机器人使用量增长迅猛，从930台增长至782 725台，涨幅84 063.97%。2016年，中国机器人存量跃居全球第一②。此外，机器人应用引致工业生产的技术进步

（Acemoglu and Restrepo，2018、2020），而技术进步是实现污染减排的重要渠道之一（Shapiro and Walker，2018）。可以预见，机器人应用必将深刻影响与工业生产密切相关的环境污染。但中国环境污染形势依旧严峻，以2021年为例，在全国339个地级市中，仍有121个城市的空气质量不达标，占全部城市数量的35.69%③。十九大报告提出：“将污染防治列为全面建成小康社会、实现第一个一百年目标的三大攻坚战之一。”④二十大报告进一步明确：“推动绿色发展，促进人与自然和谐共生，深入推进环境污染防治。”因此，在中国转入经济高质量发展阶段，智能制造和绿色发展日益重要的背景下，机器人应用如何影响环境污染？已成为至关重要、不可回避的现实问题之一。

作为经济活动的微观主体，工业企业是机器人的主要应用者，也是污染的主要排放者。现有文献认为，技术进步会促进企业减排，助力绿色发展（Bloom et al.，2010；

Shapiro and Walker，2018）。在工业生产中，机器人应用无疑属于技术进步过程，企业应用机器人的现象日益普遍，但现有文献没有关注机器人应用与企业污染排放的关系。一方面，根据Gutierrez and Teshima（2018）的研究，生产技术和减排技术都是企业减排的主要渠道。机器人应用带来生产技术进步，提高企业生产率（Acemoglu and Restrepo，2018、2020），降低能源强度，即生产技术效应。同时，生产技术进步和规模扩张进一步增加企业减排设备投资，改进减排技术（Forslid et al.，2018），即减排技术效应。无论是生产技术效应还是减排技术效应，均有助于降低排放强度。另一方面，产出规模扩大会增加污染排放总量，即规模效应。综上所述，机器人应用是否助力企业污染减排？本文基于微观企业视角，研究了机器人应用对污染排放的影响，这具有重要的现实意义和理论价值。

为了分析机器人应用与企业污染排放的关系，本文基于Melitz（2003）的模型，加入污染和能源等要素，同时采用Fan et al（. 2021）的做法引入机器人，构建了一个异质

• 详见二十大报告，https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm。
• 数据来自IFR官方网站（http：//fir.org/worldrobotics）。
• 数据来自中国生态环境部发布的《中国生态环境状况公报》。
• 详见十九大报告，https：//www.gov.cn/zhuanti/2017-10/27/content_5234876.htm。

性企业模型。理论分析表明，机器人应用通过生产和减排的技术效应，降低企业排放强度，但其对排放量的影响取决于排放强度与产出规模的相对变化程度。在此基础上，本文以机器人进口信息识别企业的机器人应用情况，采用中国企业数据进行经验检验。我们借鉴Guadalupe et al（. 2012）和Brucal et al（. 2019）的思路，结合逆概率加权匹配（IPW）和双重差分（DID）方法，识别机器人应用对污染排放的因果效应。结果表明，机器人应用不仅降低企业排放强度，还能减少排放量。此外，本文对机器人应用影响污染排放的机制分析发现，能源强度下降和减排技术改进是机器人应用引致污染减排的原因。我们还在区分所有制类型、行业和区域后，对机器人应用的影响进行异质性分析。

相对于已有文献，本文贡献在于：第一，将机器人、污染、能源等要素引入 Melitz （2003）的异质性企业模型，从生产技术效应与减排技术效应两方面，揭示了机器人应用对企业污染排放的潜在影响和相关机制，拓展了异质性企业理论框架。第二，采用微观企业数据，经验研究了机器人应用与环境污染的关系，发现机器人应用能降低企业排放强度，减少排放量，并验证机器人应用影响企业污染排放的两个重要机制（即生产技术与减排技术）。本文不仅拓展机器人应用的相关文献，而且从新的视角，探索企业污染排放的影响因素。第三，结合了IPW和DID方法，设计一个识别机器人应用引致因果效应的新颖框架，有效控制企业应用机器人的自选择效应，并采用倾向得分匹配（PSM）、粗化精确匹配（CEM）及工具变量（IV）等方法进行稳健性检验，保证了本文结论的可靠性。

二 文献综述

与本文相关的文献主要涉及两方面。第一，有关机器人应用问题的文献。大多数文献聚焦机器人对劳动力市场的影响（Graetz and Michaels，2018；Acemoglu and

Restrepo，2018、2020；王永钦和董雯，2020；Tang et al.，2021；李磊等，2021；余玲铮等，

2021；陈媛媛等，2022）。Acemoglu and Restrepo（2018）认为，机器人应用不仅通过替代效应减少劳动力需求，还通过生产率效应扩大产出规模，增加非自动化环节的劳动力需求。Acemoglu and Restrepo（2020）基于美国数据研究表明，机器人应用会降低整体就业和工资水平。Tang et al（. 2021）认为中国机器人应用带来企业雇佣结构的技能偏向。国内文献方面，李磊等（2021）以机器人进口数据代理机器人应用研究发现，机器人应用增加劳动力需求，但并非所有行业都从中受益。其他文献还考察了机器人对经济增长（杨飞和范从来，2020；杨光和侯钰，2020）、全球价值链（吕越等，

2020）、产业转移（孙早和侯玉琳，2021）、企业绩效（Koch et al.，2021）以及能源和环境

（Huang et al.，2022；Chen et al.,2022）的影响。

随着绿色发展成为经济发展的重要趋势，机器人应用能引致以效率提高为代表的技术进步（Acemoglu and Restrepo，2018、2020），这可能有助于工业企业减排，但现有文献没有进行探讨。作为与本文相关度最高的文献，Huang et al（. 2022）发现机器人应用会提高企业能源效率，但没有进一步揭示能源效率提高引起的污染排放变化。Chen et al（. 2022）采用跨国面板数据，发现机器人应用通过时间节省、绿色就业和能源结构升级，改善环境质量。然而，这些文献主要从宏观层面展开分析，我们则基于微观企业进行研究，能更好地揭示机器人应用对污染排放的影响机制。虽然 Huang et al（. 2022）从企业视角研究了机器人应用对能源效率的影响，但机器人应用还可能通过减排技术，影响污染排放。如果只关注能源效率机制，不考虑减排技术的潜在影响，将低估机器人应用对企业污染排放的影响。

第二，关注企业污染排放影响因素的文献。Cui et al.（2016）与 Forslid et al. （2018）研究表明出口企业生产率较高，产出规模较大，更有可能进行减排投资，减少污染排放。董洁妙和余壮雄（2021）基于出口产品配置视角，发现将产品配置到核心产品附近时，有助于减排。但刘啟仁和陈恬（2020）认为由于“出口生产率悖论”的存在，出口并不一定改善企业的环境绩效。Cherniwchan（2017）、Gutierrez and Teshima （2018）及陈登科（2020）考察贸易自由化对企业环境绩效的影响，认为自由贸易有助于减少环境污染。Imbruno and Ketterer（2018）采用能源效率反映环境绩效，发现中间品进口改善企业环境绩效。Brucal et al（. 2019）、邵朝对等（2021）及苏丹妮和盛斌（2021）关注外资进入的环境效应，分别发现外资并购、制造业和服务业外资开放能改善企业环境绩效。He et al（. 2020a）、Liu et al（. 2021）及赵阳等（2021）则聚焦环境规制的影响，发现环境规制越严格越有利于降低企业的污染排放。张丽华等（2021）基于国家级开发区数据研究发现，开发区设立推动区内企业减排，并对非开发区企业产生溢出效应。Bloom et al（. 2010）和Shapiro and Walker（2018）以生产率提高代表技术进

步研究发现，企业生产技术与排放强度存在负向关系。

Shapiro and Walker（2018）将技术进步列为影响污染减排的重要渠道之一。在工业生产中，机器人应用属于技术进步过程，随着越来越多的企业开始应用机器人，机器人与企业污染排放的关系需要探究：一方面，机器人应用通过提高生产率降低能源强度（Acemoglu and Restrepo，2018、2020）。生产率提高和产出规模扩大还有助于减排设备投资，改进减排技术（Forslid et al.，2018）。另一方面，产出规模扩大会增加污染排放总量。机器人应用对企业污染排放的影响是复杂和不确定的，有待我们检验。

三 特征事实与污染排放分解

（一）特征事实：中国工业机器人应用

可行的。总的来说，中
国企业开始越来越多地应用机器人，逐步实现	图1 2000-2015年中国机器人存量数据来源：IFR数据和中国海关数据库。

通过IFR和中国海关的数据，可以得出2000-2015年中国机器人和进口机器人存量的变化（见图1）。一方面，IFR的统计数据表明，中国机器人存量一直保持逐年增长趋势，从 2000 年的 930 台增长至 2015 年的 256 463 台，涨幅 27 476.67%。另一方面，根据IFR统计，在2013年之前，中国工业企业使用的机器人超过70%来自国外进口（Fan et al.，2021）。本文通过中国海关总署提供的机器人进口数据，计算中国机器人存量后发现，中国进口机器人存量也是逐年增长的，在2013年之前，增长趋势和幅度与 IFR 数据基本一致。在 2013 年及之后年份，IFR 数据的机器人存量开始超过进口量，意味着国产机器人的崛起。该数据也表明本文采用 2000-2012 年机器人进口信息识别企业的机器人应用情况是

工业制造智能化。

进一步，本文通过中国环境统计企业数据库、中国工业企业数据库以及中国海关数据库合并的企业数据，整理 2000-2012年中国重点监管污染企业的机器人应用情况（见图2）。图2a表明，在重点监管污染企业中，应用机器人的企业数量逐年增长，从2000年的18家增长至2012年的651家，涨幅2516.67%。图2b和c则表明，对于应用机器人的企业，平均使用机器人数量和价值也呈增长趋势。其中，平均使用机器人数量从2000年的4.39台增长至2012年的35.45台，涨幅707.52%；平均使用机器人价值从2000年的17.48万美元增长至2012年的197.22千美元，涨幅1056.83%。综上所述，在重点监管污染企业中，越来越多的企业开始应用机器人，且使用机器人的数量和价值均在不断增加。

图2 2000-2012年中国重点监管污染企业的机器人应用情况

说明：数据由作者通过中国环境统计企业数据库、中国工业企业数据库及中国海关数据库整理得到。

（二）污染排放分解

为揭示机器人应用对企业污染排放的影响机制，本文提出一种企业污染排放的分解方法。首先，企业污染排放量的变化可能来自技术水平或产出规模的改变

（Cherniwchan，2017），本文将企业的污染排放量分解为排放强度和产值，即：

Emission

            Em排i放ss量ion =  Output         × Ou产t值put     （1）

排放强度

其中，排放强度为每单位产值产生的排放量，反映与污染排放相关的技术水平。技术水平更高的企业排放强度更低，在产值相等的情形下，排放量更少。此外，产值反映企业的生产规模，在排放强度相等的情形下，生产规模较大的企业排放量更多。

其次，本文进一步对排放强度进行分解。考虑到与污染排放相关的技术包括生产技术和减排技术（Gutierrez and Teshima，2018；Liu et al.，2021），本文将企业的排放

强度分解为能源强度和减排技术，即：

                                                Emission   Energy   Emission

                                                                   =            ×                                                （2）

                                      Output Output    Energy

排放强度        能源强度              减排技术其中，能源强度为每单位产值的能源消耗量，反映与能源使用相关的生产技术（Gutierrez and Teshima，2018；Brucal et al.，2019）。生产技术更先进的企业能源强度更低，从而每单位产值消耗的能源更少，排放强度更低。此外，减排技术为每单位能源消耗产生的污染排放量。在工业生产中，污染排放主要来自能源消耗。减排设备投资较多、减排技术更先进的企业通过末端减排去除污染物的能力更强（Gutierrez and Teshima，2018），从而每单位能源消耗产生的实际排放量更少，排放强度更低。

最后，本文采用中国工业企业数据，以二氧化硫为污染物，计算污染排放以及相关分解变量相对于基期（2000年）的变化率，结果见图 3。图 3a展示基于（1）式的分解结果，发现企业排放量维持较高水平，平均排放量在 96 156.36-147 608.4 千克之间波动，但产出规模不断增大，排放强度呈下降趋势。平均排放强度从 2000年的 4.11千克/千元下降至2012年的1.04千克/千元，降幅74.59%。由于产出规模扩大和排放强度下降的相互抵消，排放总量仍维持较高水平。图3b对排放强度进行分解，发现企业排放强度下降源自能源强度下降和减排技术提高。2000-2012年，能源强度平均下降54.39%，每单位能源消耗产生的排放量平均下降19.98%。其中，能源强度下降对排放强度变化的贡献最大，两者呈相似的变化趋势。

图3 中国工业企业污染排放及分解变量的变化率

说明：图中以二氧化硫作为污染物，并剔除了上下1%的极端值；数据通过中国环境统计企业数据库、中国工业企业数据库及中国海关数据库整理得到。

四 理论模型

为厘清机器人应用对企业污染排放的潜在影响，本文基于Melitz（2003）的模型，引入污染和能源等要素，并采用Fan et al（. 2021）的做法引入机器人应用，构建了一个异质性企业模型。首先，我们基于机器人应用引致的生产技术进步（Acemoglu and Restrepo，2018、2020），分析机器人应用对企业能源强度的影响，即生产技术效应。其次，本文以减排技术作为间接渠道，借鉴Forslid et al（. 2018）的思路，引入污染减排设备投资，分析机器人应用对企业减排设备投资和减排技术的影响，即减排技术效应。

最后，在此基础上，分析机器人应用对排放强度和排放量的影响。

（一）模型设定

1. 经济环境。假设存在1个经济体，由1个垄断竞争行业构成，行业内的企业具有异质性的生产技术。企业以劳动力、机器人和能源作为生产要素①。其中，机器人应用能带来生产技术进步（Acemoglu and Restrepo，2018、2020），能源消耗产生污染物作为副产品。由于存在环境规制，企业需要为排放污染物进行支付，每单位污染物排放的成本为pz。
2. 生产者。借鉴Melitz（2003）的模型，企业在支付固定成本（f）后，从帕累托分布

G(φ)中随机抽取生产率。当知晓自身生产率φ后，企业做出是否应用机器人的决策，而机器人应用进一步改变企业生产率和环境绩效。

企业生产函数采用科布-道格拉斯（C-D）形式，包含能源、机器人与劳动力3种生产要素，且机器人的引入借鉴Fan et al（. 2021）的做法，则有：

q = φeα(l + bm)1-α      （3）其中，e、l和 m 分别为能源、劳动力和机器人投入量。α 和1 - α 为各种生产要素

投入份额。鉴于机器人应用带来生产技术进步（Acemoglu and Restrepo，2018、2020； Fan et al.，2021），b衡量机器人替代劳动力的相对生产率提高，且b > 1。为简化模型，假设劳动力与机器人在生产中完全替代，企业使用劳动力与能源或者机器人与能源的要素组合生产。当企业使用劳动力进行生产时，q = φeα l1-α；当企业使用机器人替代劳动力时，q = φb1-α eα m1-α。

假设劳动力工资为w（w = 1），机器人运行费用为（r 如电费、维护费等），能源价格为 pe。根据 Fanet al（. 2021）和 Huang et al（. 2022）的研究，相较于雇佣劳动力，企业应

r

用机器人生产的边际成本更低，即 b < 1。当企业以劳动力和能源的生产要素组合进

① 本文为简化模型，仅将能源作为中间投入纳入理论模型，没有纳入其他中间品。虽然有文献将能源和其他中间品同时纳入理论模型，但这些文献对模型做了简化。例如Imbruno and Ketterer（2018）在研究中间品进口对能源效率的影响时，假设企业仅投入中间品和能源两种生产要素。

eL = φL ( 1 -α  ) pe α-1	（4）
l = φL ( 1 -α α ) α pe α q	（5）

行生产时，能源消耗量和劳动力雇佣量分别为： q       α     α-1

当企业采用机器人替代劳动力时，能源消耗量和机器人使用量分别为：

eR = φqbR1-α ( 1 -α α ) α-1( pre ) α-1    （6） m = φqbR1-α ( 1 -α α ) α( pre ) α  （7）

在能源消耗的同时，产生副产品污染物。当企业以劳动力和能源的生产要素组合进行生产时，污染物排放量为：

zL = eLL eL = φL ( 1 -α α ) α-1 pe α-1 （8） z     θq

其中，θ为每单位能源消耗产生的排放量，反映减排技术。当减排技术越先进时， θ越小。当企业采用机器人替代劳动力时，污染物排放量为：

                          zR = ezRR eR = φθbq1R-α ( 1 -α α ) α-1( pre ) α-1                       （9）

企业不仅为进入行业支付固定成本，还要为劳动力雇佣、机器人使用及能源消耗支付可变成本。由于环境规制，企业还为污染排放进行支付。当企业以劳动力和能源的生产要素组合进行生产时，总成本函数为：

                                                  TCL = f + eL pe + l + zL pz = f + φ(qLκ)                      （10）

其中，κ = ( 1 -α α ) α-1 pe α-1( pαe + θpz )。当企业采用机器人替代劳动力时，还需要支

付额外的固定成本（fR，如初始安装费）和机器人运行费用。此时，总成本函数为：

                                         R                     R            R    e                           R    z                     R qRκ ( r )1-α

                                   TC = f + f + e p + mr + z p = f + f +  φ    b                     （11）

（二）企业行为

根据垄断竞争市场和代表性消费者常数替代弹性（CES）效用函数，企业采用边际成本加成定价方法。企业使用劳动力和机器人进行生产时的产品定价分别为

pL = ρκφ 和 pR = ρκφ ( br )1-α，其中 ρ = σ σ- 1、σ > 1及0 < ρ < 1，σ 为产品种类间的替代

弹性。根据Melitz（2003）的研究，国内市场对产品的需求量为 q = pσ(RPσ-1) ，P 为国内市

场的价格指数，R为总支出指数。在此基础上，计算两类企业的利润函数。当企业以劳动力和能源作为生产要素时，利润函数为：

πL = pL qL - TCL = Bφσ-1 - f  （12）其中，B = σκσ-1(RPσ-1ρσ-1) 。当企业采用机器人替代劳动力时，利润函数为：

                                          R            R    R                 R éê ( b )1-αùú σ-1        R

                                      π = p q - TC = B êëφ  r    úû    - f - f                          （13）

企业根据利润选择使用劳动力或机器人进行生产。只有应用机器人生产的利润大

σ1 于雇佣劳动力时，企业才会应用机器人。令πR > πL，解得φR > êëéêêê (b r)(1f-αR)(σ-1) - Bùúûúúú -1。

B

由于应用机器人需要支付额外的固定成本（fR > 0），且应用机器人生产的边际成本低

(

1

于雇佣劳动力 br < 1)，则éêêêêëB(b r)(1-fαR)(σ-1) - Búúúûúù σ-1 > 0。结果表明，存在临界值φR，当企

业生产率高于该临界值时，企业才应用机器人，即生产率较高的企业会自选择应用机器人。

本文更关注在应用机器人后，企业污染排放的改变。我们先分析机器人应用对能源强度的影响，即生产技术效应。机器人应用影响能源强度的潜在路径为：应用机器人引致生产技术进步，减少企业每单位产出消耗的生产要素，进而降低能源强度，即机器人应用-生产技术-能源强度的影响链条。基于（4）和（6）式，本文计算并比较企业应用机器人前后的能源强度变化。当企业不应用机器人（雇佣劳动力）进行生产时，能源强度为：

                                             qeLL = peφα-1 ( 1 -α α ) α-1                                                          （14）

当企业应用机器人进行生产时，能源强度为：

qRR = ( b ) α eφα ( 1 -α α ) α-1 （15） e r 1- p -1

                 r                eR         eL

由 b < 1，得到 qR < qL ，即在应用机器人后，由于生产技术进步，边际成本下降，

每单位产出需要消耗的能源减少。换言之，机器人应用引致生产技术效应，降低能源强度。

（三）引入减排设备投资

本文分析机器人应用对企业减排设备投资和减排技术的影响，即减排技术效应。借鉴Forslid et al（. 2018）的研究，我们引入减排设备投资，即企业可以投资减排设备，增强末端减排能力。投资减排设备需要额外固定成本，每个企业依据自身情况决定最优的减排投资水平。随着生产率提高和产出规模扩大，企业将减排设备投资的固定成本分摊到更多的产出单位，更有可能进行减排投资。机器人应用影响减排技术的潜在路径为：应用机器人引致生产技术进步，给企业带来更多的减排投资，进而提高减排技术，减少每单位能源消耗产生的排放量，即机器人应用-生产技术-减排投资-减排技术的影响链条。假设企业支付固定成本（fA）进行减排设备投资，投资额越多，越有利于减排技术改进。当企业进行减排设备投资时，减排技术变为 θ′ = h( fA )θ。其中，h( fA )为减排设备投资效果函数，∂

，且满足减

排设备投资对企业利润的边际贡献率递减。

πL′ = B′êêêê pe h( fA )θpz úúúú ë α +   û éêê ( b )1-α ùúú σ-1

- f - fA

（16）

在引入减排设备投资后，企业的利润函数改写为： é   φ    ù σ-1

πR′ = B′êêêê e +φ hr( fA )θpz úûúúú    - f - fR - fA            （17） êê p úú ë α

RPσ-1 ρσ-1

          其中，B′ = éê( 1 -α α ) α-1 pe α-1úúûù σ-1。为方便求解，假设减排设备投资的效果函数

σ ê ë

h( fA ) = ( 1 ) σ1，则θ′ = ( θ ) σ1。针对（16）和（17）式，根据利润最大化条件

，

                   1 + fA                                 1 + fA

可求解企业的最优减排投资水平：

éêêêêêêpαe + (1 +θpfzAL ) σ1 úûùúúúúú σ(1 + fAL )1+σ1 = σ σ- 1 B′φσ-1θpz    （18） ë

éêêêêêêëpαe + (1 +θpfAz R ) σ1 úùúúúúúû σ(1 + fAR )1+σ1 = σ σ- 1 B′φσ-1( br )(1-α)(σ-1)θpz     （19）

其中，fAL 和 fAR 分别为雇佣劳动力和应用机器人进行生产的最优减排投资水平所

r

需支付的固定成本。由 b < 1，求得fAR > fAL。综上所述，在应用机器人后，企业减排设备投资增加。原因在于：由于减排设备投资产生额外固定成本，生产技术较先进、边

际成本较低的企业更可能承担减排投资成本，投资更多的减排设备（Forslid et al.，

θ

2018）。进一步可由 θ′ = ( ) σ1 ，得到 θR′ < θL′，即在应用机器人后，由于更多的减

1 + fA

排投资，企业改进减排技术，减少了每单位能源消耗产生的排放量。换言之，机器人应用引致减排技术效应，有助于减排技术升级。

（四）应用机器人后污染排放的变化

进一步，本文分析机器人应用对企业污染排放的影响。首先，计算并比较企业应

用机器人后排放强度的变化。当企业不应用机器人（雇佣劳动力）时，排放强度为

qL(zL) = qL(eL) θL′；当企业应用机器人时，排放强度为 qR(zR) = qR(eR) θR′。一方面，在应用机器人

(

后，企业生产技术进步，能源强度下降qRR < qLL )，即生产技术效应。另一方面，机器人 e     e

应用有助于减排设备投资增加，减排技术改进（θR′ < θL′），即减排技术效应。此外，能源强度下降和减排技术改进均能降低排放强度。综合上述结果，得到 qR(zR) < qL(zL) 。由

此，我们得到本文假说1。

假说1：机器人应用会引致生产技术效应和减排技术效应，降低企业的排放强度。

其次，讨论应用机器人后的企业排放量变化。考虑到排放量为排放强度与产出量的乘积，我们计算并比较企业应用机器人后的产出规模变化。在引入减排设备投资的条件下，企业是否应用机器人的产出量分别为：

其中，κ′ = ( 1 -α α ) α-1 pe α-1。由 br < 1和 θR′ < θL′，可得 qR′ > qL′。结果表明，机器

人应用引致规模效应，扩大企业产出。

最后，分析应用机器人对企业排放量的影响。当企业不应用机器人（雇佣劳动力）时，排放量为 zL = qL(zL) × qL；当企业应用机器人时，排放量为 zR = qR(zR) × qR。一方面，

应用机器人后，企业排放强度下降（qR(zR) < qL(zL)）。另一方面，应用机器人引致规模效应，

增加产出（qR′ > qL′）。因此，在应用机器人后，由于排放强度下降与产出规模扩张的相反作用，企业排放量的变化是不确定的，取决于两种机制的相对大小。由此，我们得到本文假说2。

假说2：机器人应用对企业污染排放量的影响取决于排放强度与产出规模的相对变化程度。当排放强度变化程度更大时，机器人应用减少排放量；当产出规模变化程度更大时，机器人应用增加排放量。

五 经验研究设计与数据

（一）基准回归模型

为识别机器人应用对企业污染排放的因果效应，本文借鉴Brucal et al（. 2019）的研究，结合匹配方法和双重差分（DID）模型设计研究框架。其原因在于：一方面，如果企业应用机器人，需投入较高的固定成本，通常只有生产技术较先进、规模较大的企业才能应用机器人（Acemoglu and Restrepo，2018）。另一方面，技术水平较高、规模较大的企业排放强度较低（Forslid et al.，2018）。本文理论分析同样显示，生产技术较先进的企业自选择应用机器人。因此，环境绩效较好的企业可能自选择应用机器人，应用与不应用机器人的企业在污染排放的差异可能源自它们事前特征，而非应用机器人导致的。若要有效识别应用机器人对污染排放的因果效应，需解决自选择效应引起的内生性问题。

本文具体操作和关键思路如下：首先，重新调整时间窗口。根据 Brucal et al. （2019）的研究，时间窗口太长会混杂其他潜在的影响因素，太短则无法检验事前趋势和动态效应，所以本文设定企业应用机器人的时间窗口为5年，即开始应用机器人的前 2年至后 2年①。以 k 表示重新调整的时间，当 k = 0时，表示企业开始应用机器人的当年；当 k = -1和-2时，表示应用机器人的前1年和前2年；k = 1和2时，表示应用机器人的后1年和后2年。

其次，选择处理组与对照组。本文以在5年时间窗口连续存续、k = 0时期开始应用机器人的企业作为处理组；以连续5年存续、时间窗口内均不应用机器人、且与处理组具有可比性的企业作为对照组。考虑到在2012年及以前，中国工业企业使用的机器人主要源自国外进口（Fan et al.，2021；李磊等，2021），本文通过中国海关数据库的进口机器人信息，判定企业是否应用机器人。鉴于企业购买机器人属于固定资产投资（Fan et al.，2021），本文假定一旦企业首次应用机器人，则在后续年份均会应用机器人。

再次，匹配设计。处理组与对照组的匹配难点在于：不同企业样本处于不同行业、地区和时期，受到不同的外部冲击影响（如环境规制、产业政策、贸易政策等），且它们具有差异化的事前特征，这些因素均影响企业是否应用机器人及其污染排放。

为确保处理组和对照组的可比性，本文借鉴 Brucal et al（. 2019）的思路，在相同的行业、省份和年份之内，采用 k = -1和-2时期的企业污染排放量和产值以及 k = -1时期的其他企业特征作为协变量，进行样本匹配。一方面，将样本匹配限制在相同的行业、省份和年份之内②，确保匹配到的处理组和对照组样本面临相同的外部冲击，排除外部因素的干扰。另一方面，以应用机器人前1年和前2年的污染排放量和产值作为协变量，控制企业污染排放的事前差异和共同趋势③，排除企业依据自身特征自选择应用机器人的干扰。此外，为控制其他企业特征，本文把前1年的企业特征加入匹配变量。