制造业上市公司机器人渗透度 (2011-2019)

polo · 发表于 2022-8-4 08:24:40

人工智能与机器人的兴起重塑了全球劳动力市场，也引起了学术界极大的研究热情。其中，经济学界最具代表性的人物无疑是 Daron Acemoglu，其撰写的几篇关于机器人的文章，基本都发表在诸如 AER，JPE，RES 等经济学顶刊上，尤其是 2020 年发表于 JPE 的《Robots and jobs: Evidence from US labor markets》，短短两年间，引用量就超过了 2400 次。

中文期刊中，也有多篇关于机器人的文章见诸于《管理世界》、《经济研究》等顶级期刊，关于各种话题的研究纷纷涌现。

看到这个领域日趋火热，我们参考了王永钦、董雯 2020 年发表于《经济研究》一文的方法，计算了 2011-2019 年中国制造业上市公司的机器人渗透度，以飨读者。该数据为公司层面数据，并保留了公司和年份信息，可与上市公司的其他财务信息匹配，展开自己感兴趣的研究。

我们参考 Acemoglu and Restrepo (2020) 和王永钦、董雯 (2010) 的做法，构造中国制造业企业层面的机器人渗透度指标。具体测算方法如下：

草莓科研服务网——中国专业社科交流平台:制造业上市公司机器人渗透度 (2011-2019)

其大致思路是，先计算出行业层面的单位从业人员的机器人数量 (机器人渗透度)，随后再使用标准化的企业生产部门人数占比乘以行业机器人渗透度，两者的乘积即为该企业的机器人渗透度。

在计算过程中，我们需要解决几个核心问题，下面我们具体展开分析。

首先，我们要完成不同版本行业分类代码的衔接。这其中由分为两个部分，分别是《2002 版国民经济行业分类与代码》和《2011 版国民经济行业分类与代码》的衔接，以及中国的行业分类代码与 IFR 行业分类代码的衔接。参考王永钦、董雯 (2020) 的做法，我们先将中国的二位数制造业行业分类码统一至 2011 年，随后再与 IFR 进行匹配。

调整后的行业分类为：
草莓科研服务网——中国专业社科交流平台:制造业上市公司机器人渗透度 (2011-2019)

随后我们开始用Stata实现具体计算：

先确定工作路径：

cd "~/Desktop/IFR to firm"
global path "~/Desktop/IFR to firm"
global raw_data "$path/raw_data"
global result_data "$path/result_data"

复制代码

参考王永钦、董雯 (2020) 的测算方法，我们先计算出 2010 年中国各行业的从业人数。该数据来自于 CSMAR。

import excel using "$raw_data/IND_Indstsvy.xlsx", firstrow clear
labone, nrow(1 2)
drop in 1/2
keep Yeasgn Indcd Indnme Noemploy
destring Yeasgn Indcd Noemploy, replace force
keep if Yeasgn == 2010
keep if inrange(Indcd, 13, 43)
#delimit ;
recode Indcd (13 14 15 16 = 1 "食品与饮料")
(17 18 19 = 2 "纺织与服装")
(20 21 = 3 "木材家具")
(22 23 = 4 "造纸印刷")
(24 42 43 = 5 "其他制造业")
(25/30 = 6 "塑料和化学制品")
(31 = 7 "玻璃、陶瓷、矿石制品")
(32 33 = 8 "基本金属")
(34 = 9 "金属制品")
(35 36 = 10 "机械设备制造")
(37 = 11 "汽车制造业和其他交通设备制造业")
(39/41 = 12 "电力设备与计算机、电子产品、光学产品制造"),
gen(industrycode);
#delimit cr
collapse (sum)labor = Noemploy, by(industrycode)
save "$result_data/labor.dta", replace

复制代码

随后，我们导入 IFR 的机器人数据，并统一行业编码。

use "$raw_data/IFR.dta", clear
keep if country == "CN"
keep if inrange(year, 2011, .)
drop country Country installations
gen industrycode = .
replace industrycode = 1 if industry == "10-12"
replace industrycode = 2 if industry == "13-15"
replace industrycode = 3 if industry == "16"
replace industrycode = 4 if industry == "17-18"
replace industrycode = 5 if industry == "91"
replace industrycode = 6 if industry == "19-22"
replace industrycode = 7 if industry == "23"
replace industrycode = 8 if industry == "24"
replace industrycode = 9 if industry == "25"
replace industrycode = 10 if industry == "28"
replace industrycode = 11 if industry == "29" | industry == "30"
replace industrycode = 12 if industry == "26-27"
keep if !mi(industrycode)
collapse (sum)stock = operation, by(industrycode year)
save "$result_data/robot.dta", replace

复制代码

合并上述两份数据，计算行业层面的机器人渗透度：

use "$result_data/robot.dta", clear
merge m:1 industrycode using "$result_data/labor.dta", ///
keep(1 3) nogen
gen density = stock / labor * 10000
xtset industrycode year
save "$result_data/robot_density.dta", replace

复制代码

我们导入 2011 年各制造业企业的生产部门员工占比，该数据来源于 Wind。

import excel using "$raw_data/员工构成-2011年.xlsx", clear
labone, nrow(1/2)
drop in 1/2
keep A B C R
replace A = subinstr(A, ".SZ", "", .)
replace A = subinstr(A, ".SH", "", .)
destring A R, replace force
gen year = real(substr(C, -4, .))
drop C
xtset A year
rename (_all)(Stkcd ShortName product_share year)
order Stkcd year
drop if mi(Stkcd)
format Stkcd %06.0f
save "$result_data/employee_structure.dta", replace

复制代码

由于 Wind 并不提供上市公司的行业代码，我们从 CSMAR 下载了各企业的股票代码与行业分类码，并按照本文第二章所属的编码规则，对行业分类 recode

import excel using "$raw_data/STK_LISTEDCOINFOANL.xlsx", firstrow clear
labone, nrow(1 2)
drop in 1/2
gen year = real(substr(EndDate, 1, 4))
gen listyear = real(substr(LIST, 1, 4))
keep if ustrregexm(IndustryCode, "C")
keep if inrange(year, 2011, 2019)
clonevar Industrycode = IndustryCode
replace Industrycode = subinstr(Industrycode, "C", "", .)
destring Symbol Industrycode, replace force
#delimit ;
recode Industrycode
(13 14 15 16 = 1 "食品与饮料")
(17 18 19 = 2 "纺织与服装")
(20 21 = 3 "木材家具")
(22 23 = 4 "造纸印刷")
(24 41 42 = 5 "其他制造业")
(25/29 = 6 "塑料和化学制品")
(30 = 7 "玻璃、陶瓷、矿石制品")
(31 32 = 8 "基本金属")
(33 = 9 "金属制品")
(34 35 = 10 "机械设备制造")
(36 37 43 = 11 "汽车制造业和其他交通设备制造业")
(38/40 = 12 "电力设备与计算机、电子产品、光学产品制造"),
gen(industrycode);
#delimit cr
drop ListedCoID EndDate LISTINGDATE IndustryName
rename Symbol Stkcd
format Stkcd %06.0f
order Stkcd year listyear
save "$result_data/industrycode.dta", replace

复制代码

接下来，就是最终的计算结果了。我们先把前述所有数据 merge 到一起，包括 2011 年企业生产部门员工占比，和各行业的机器人渗透度。

随后，我们使用 egen 中的 mediam 计算出生产部门员工占比的中位数。

最后，将企业生产部门员工占比除以中位数，再乘以行业机器人渗透度 density，所得的 exposure 就是企业的机器人渗透度了。