制造业上市公司机器人渗透度 (2011-2019)

polo

4 c$ _4 m5 @! w. C. P( k
  p3 F& I0 [3 B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。
, Y7 M; S' a# h+ z5 D; m2 ^7 v

( w8 H0 f' u9 h! e
. D5 D" k/ F5 {- E' Y/ b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。
$ [( X6 h" c  Z' c% E
# B! k: j/ \3 i5 y

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。

8 x! O3 @; G+ P1 T) r3 X9 }$ P# V& t4 p
2 W$ n; Y& X+ e& U3 p4 @

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：

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。

1 D( n7 I) j! j: S1 i8 Y% o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：

( w( R) I* E2 G$ W5 z( y$ t
$ L6 w2 }1 h, t) H3 H随后我们开始用Stata实现具体计算：

+ u) a! A5 D2 e5 s先确定工作路径：

1. cd "~/Desktop/IFR to firm"
   1 n5 ~5 k: _, ]" ^$ L& `+ P: U
2. global path "~/Desktop/IFR to firm"
     z4 K7 ]$ z/ I
3. global raw_data "$path/raw_data"
   2 T2 L5 [0 `- T. Y& b) t
4. global result_data "$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。

6 T# O6 N% s: O3 E

1. import excel using "$raw_data/IND_Indstsvy.xlsx", firstrow clear
   
2. labone, nrow(1 2)
   
3. drop in 1/2
   
4. keep Yeasgn Indcd Indnme Noemploy
   . T5 t' h: B: I0 ^' d* `
5. destring Yeasgn Indcd Noemploy, replace force
   
6. keep if Yeasgn == 2010
   7 k& }- y9 W6 `8 I/ U. v
7. keep if inrange(Indcd, 13, 43)
   
8. 
   
9. #delimit ;
   
10. recode Indcd (13 14 15 16  = 1 "食品与饮料")
    " e8 F, J" o3 O0 l" G7 s+ |
11.              (17 18 19     = 2 "纺织与服装")
    
12.              (20 21        = 3 "木材家具")
    * A/ f, `) P/ ]' k0 F
13.              (22 23        = 4 "造纸印刷")
    
14.              (24 42 43     = 5 "其他制造业")
    $ q- z  y5 q: q7 F
15.              (25/30        = 6 "塑料和化学制品")
    : S# b5 A% L% `/ O3 u
16.              (31           = 7 "玻璃、陶瓷、矿石制品")
    
17.              (32 33        = 8 "基本金属")
    % h, ]  j% E. q; C( J! [: a
18.              (34           = 9 "金属制品")
    
19.              (35 36        = 10 "机械设备制造")
    4 j. v5 c* J: h7 M- j, c- B
20.              (37           = 11 "汽车制造业和其他交通设备制造业")
    2 Y' {% j: s2 W1 ^- _7 h) L8 s7 Q
21.              (39/41        = 12 "电力设备与计算机、电子产品、光学产品制造"),
    : O. B: ]2 @9 \( H: |* D* t  r
22.              gen(industrycode);
    + Q5 J  N- ]! f& I' J. F) L* z
23. #delimit cr
    ( `/ n  J6 v% J) l* g
24. collapse (sum)labor = Noemploy, by(industrycode)
    0 q4 }! y! {% O4 \& u4 ^
25. 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。
) p+ ~# h  _# \, k5 d  c

1. use "$raw_data/IFR.dta", clear
   ' _8 S% A0 Z6 e
2. keep if country == "CN"
   ( @0 X/ i  q$ e. f" g2 c
3. keep if inrange(year, 2011, .)
   
4. drop country Country installations
   * f/ E0 I& D9 C3 [# M9 `( P7 d# q
5. gen industrycode = .
   ! H! o! [4 G& E! D6 r3 ]
6. replace industrycode = 1  if industry == "10-12"
   
7. replace industrycode = 2  if industry == "13-15"
   0 w+ ~, F8 s2 I2 A
8. replace industrycode = 3  if industry == "16"
   1 ]. o% G/ j; z. O* T- p
9. replace industrycode = 4  if industry == "17-18"
   
10. replace industrycode = 5  if industry == "91"
    
11. replace industrycode = 6  if industry == "19-22"
    + Y  F7 P, d: r/ X$ ?4 D
12. replace industrycode = 7  if industry == "23"
    
13. replace industrycode = 8  if industry == "24"
    
14. replace industrycode = 9  if industry == "25"
    4 O# k) D& `. Y, E- V& s7 h* Y
15. replace industrycode = 10 if industry == "28"
    
16. replace industrycode = 11 if industry == "29" | industry == "30"
    2 `/ }! z* B8 _: x7 O$ I& d
17. replace industrycode = 12 if industry == "26-27"
    
18. keep if !mi(industrycode)
    
19. collapse (sum)stock = operation, by(industrycode year)
    
20. 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：
, k: W1 j: ~# W+ d$ K5 ^

1. use "$result_data/robot.dta", clear
   0 k2 I* a5 W. F0 x0 {+ H
2. merge m:1 industrycode using "$result_data/labor.dta", ///
   
3.     keep(1 3) nogen
   . ?2 r. z& |" x9 j  |- l  D6 [
4. gen density = stock / labor * 10000
   
5. xtset industrycode year
   
6. 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。
: D# ?, r0 X. f6 F4 s/ z) Q

1. import excel using "$raw_data/员工构成-2011年.xlsx", clear
   " y3 j7 g9 G$ Z" F
2. labone, nrow(1/2)
   & Q8 b, C% B6 e6 x/ z, l, B
3. drop in 1/2
   & m, s: \1 P: e) U: ^8 `! l
4. keep A B C R
   & f1 a; d3 n* H
5. replace A = subinstr(A, ".SZ", "", .)
   / A; o% D" g) M! t
6. replace A = subinstr(A, ".SH", "", .)
   
7. destring A R, replace force
   
8. gen year = real(substr(C, -4, .))
   
9. drop C
   * V! v" S/ `1 c. a) }
10. xtset A year
    
11. rename (_all)(Stkcd ShortName product_share year)
    
12. order Stkcd year
    ! `0 i" s1 w& J$ p# e$ Y
13. drop if mi(Stkcd)
    7 F% \9 s8 ?, A% y" w% i! ]
14. format Stkcd %06.0f
    
15. 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
4 S6 d5 _6 {8 D8 t7 N# Q

1. import excel using "$raw_data/STK_LISTEDCOINFOANL.xlsx", firstrow clear
   
2. labone, nrow(1 2)
   
3. drop in 1/2
   
4. gen year = real(substr(EndDate, 1, 4))
   & `8 j; E. H( X8 F( o" m0 c
5. gen listyear = real(substr(LIST, 1, 4))
   
6. keep if ustrregexm(IndustryCode, "C")
   
7. keep if inrange(year, 2011, 2019)
   " r5 X" P+ ^' Z- _+ O2 t2 B2 \
8. clonevar Industrycode = IndustryCode
   
9. replace Industrycode = subinstr(Industrycode, "C", "", .)
   
10. destring Symbol Industrycode, replace force
    ( \1 o. P$ k, Q. l& H4 N, l
11. 
    ) {- e6 K3 {  w. \2 Q9 R
12. #delimit ;
    ( ^" b8 U* _! e$ ], {
13. recode Industrycode
    7 A# l4 v. T5 L/ x' T# Q/ w
14.     (13 14 15 16  = 1 "食品与饮料")
    * m' w# Q0 A2 f
15.     (17 18 19     = 2 "纺织与服装")
    % H. [7 q4 j+ y2 J( e4 g, Q5 \
16.     (20 21        = 3 "木材家具")
    ; H& a  f0 G4 c1 e, ^
17.     (22 23        = 4 "造纸印刷")
    + f+ U: N+ E; S1 F  k0 w" Q
18.     (24 41 42     = 5 "其他制造业")
    
19.     (25/29        = 6 "塑料和化学制品")
    
20.     (30           = 7 "玻璃、陶瓷、矿石制品")
    
21.     (31 32        = 8 "基本金属")
    
22.     (33           = 9 "金属制品")
    
23.     (34 35        = 10 "机械设备制造")
    $ _: P9 J. e& p- ?1 n" ]) o
24.     (36 37 43     = 11 "汽车制造业和其他交通设备制造业")
    
25.     (38/40        = 12 "电力设备与计算机、电子产品、光学产品制造"),
    2 q0 r, |% D/ G( L/ F
26.     gen(industrycode);
    
27. #delimit cr
    
28. 
    * w0 z, M' i) t, e' r# T* P
29. drop ListedCoID EndDate LISTINGDATE IndustryName
    , f1 a. M" H2 B+ B7 o9 _
30. rename Symbol Stkcd
    
31. format Stkcd %06.0f
    4 U$ \: \8 B$ u
32. order Stkcd year listyear
    ! R) A3 N& v" k" Q! M8 t9 y1 ^
33. save "$result_data/industrycode.dta", replace

复制代码

$ n& O8 N& e2 Q& y5 p; d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。
, T) @; g* l0 b* O9 D! Q
- @8 R; {2 I. z( J4 `" P: F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。

1. use "$result_data/industrycode.dta", clear
   
2. merge m:1 Stkcd using "$result_data/employee_structure.dta", ///
   
3.     keepusing(product_share) keep(1 3) nogen
   
4. merge m:1 industrycode year using "$result_data/robot_density.dta", ///
   
5.     keepusing(density) keep(1 3) nogen
   
6. format %20.0g industrycode
   
7. egen share_median = median(product_share)
   
8. gen exposure = (product_share / share_median) * density
   8 D2 _: U/ A/ k6 m/ L  I# A
9. 
   
10. label var density       "行业层面机器人渗透度(每万人)"
    
11. label var product_share "生产部门员工占比"
    9 C1 r+ F; @. Q8 x# T9 ?  I
12. label var share_median  "生产部门员工占比中位数"
    : L9 ~& ]( V, C  ?. `# }) `
13. label var exposure      "企业机器人渗透度"
    
14. order Stkcd year
    
15. xtset Stkcd year
    
16. save "$result_data/exposure.dta", replace

复制代码

' u( k1 l+ Y( ^2 W& x& r

4 V  h) O5 X1 B9 ?* w
9 x! L: o6 n8 U' N% z8 W. t

大头电脑

好人一生平安，感谢楼主

Yifarry

可以分享一下最终数据吗？

I22201058

感谢分享，好人一生平安！

walsonwu

分享的内容太棒了，感谢楼主

哼唧

太棒了感谢楼主的慷慨解答

kysl

写的太好了！