《The Journal of Economic Asymmetries》：Asymmetric effects of industrial robots on energy intensity: The moderating role of macroeconomic factors
编辑推荐：
中国制造业企业工业机器人（IR）应用显著降低能源强度（EEI），且对高EEI企业效果更突出。通过FE-OLS、IV/2SLS及MMQR方法，结合EIEI指数分析发现：经济周期扩张期IR减排效应增强，行业集中度高时EEI下降但自动化深化削弱该效应，环境规制与IR协同短期内可能增加能耗。EIEI显示企业创新能力与能源效率负相关。
曼努埃尔·A·赞布拉诺-蒙塞拉特|奈拉·埃鲁姆|布拉欣·贝尔古吉
厄瓜多尔桑博隆东的圣灵大学
摘要
本研究探讨了2011年至2019年间工业机器人的采用如何影响中国制造业企业的能源强度。通过使用固定效应（FE-OLS）、工具变量（IV/2SLS）和矩量回归法（MMQR）等多种估算方法，分析了平均效应和分布效应。此外，还引入了企业创新与效率指数（EIEI）作为探索性指标，以综合反映企业的投资能力、财务结构和管理激励。研究结果表明，工业机器人通常与较低的能源强度相关，尤其是在能源使用较高的企业中，这种降低效果更为显著。虽然商业周期本身没有直接影响，但在经济扩张时期，其与工业机器人的相互作用变得重要。在高度集中的行业中，能源强度有下降趋势，但自动化程度加深时这种效应会减弱。单纯的环境监管并不显著；然而，当与环境监管结合时，企业在适应新技术过程中可能会暂时增加能源使用。EIEI的结果表明，内部能力较强的企业——即拥有更多投资资源、良好财务状况和有效管理的企业——更有可能实现长期的能源效率提升。这些发现强调了在能源密集型企业中推广机器人自动化的重要性，并需要制定相应的可持续性策略。
引言
工业革命之前，经济活动主要依赖于劳动密集型生产方式（Dai等人，2022年）。机械化的发展使生产结构转向资本和化石能源，煤炭成为主要能源来源（Ryckbosch和Saelens，2023年）。第二次工业革命以电气化的普及为另一个转折点，这改变了能源结构并影响了全球生态平衡（Almorox等人，2021年；Choudhury和Sahu，2025年）。随着环境退化和气候变化的加剧，各国开始扩大可再生能源的使用和储存，以构建更清洁、更可持续的系统（Fatouros和Stengos，2023年；Hassan等人，2022年；Omri等人，2024年；Zambrano-Monserrate，2025年；Zambrano-Monserrate等人，2024年）。能源强度逐渐成为评估经济绩效和环境可持续性的关键指标。
在现代，大型经济体采取的增长策略仍与能源使用密切相关，这常常与可持续性目标产生矛盾（Auteri等人，2024年；Zambrano-Monserrate和Kostakis，2025年）。中国既体现了这一挑战的严峻性，也展示了变革的潜力。中国约占全球能源消费量的30%（Xu，2024年），但其“十四五”现代能源系统规划目标是在2025年前将能源强度相比2020年降低13.5%（国家发展和改革委员会，2024年）。这一政策承诺凸显了理解影响制造业能源强度因素的重要性，并促使人们重新关注这一问题（Huang等人，2022年）。
工业机器人的普及已成为生产和物流领域技术变革最明显的表现之一（Abeliansky等人，2024年）。中国现在是世界上最大的机器人使用国（Cheng等人，2019年），2022年部署了290,258台机器人（Zhang和Zeng，2024年）。机器人自动化可以通过提高精度、过程控制和操作一致性来重塑制造业效率。然而，其对能源强度的净影响仍不确定。一方面，更高的精度和自动化可能会降低单位产出的能源消耗；另一方面，反弹效应和规模扩张可能会抵消效率提升（Gillingham等人，2016年；Zhang和Zeng，2024年）。最近的企业层面的证据表明，机器人采用总体上会降低能源强度，但具体效果因行业和企业特征而异（Huang等人，2022年；Liu等人，2021年；Wang等人，2022年）。相关研究还发现，技术采纳模式因所有权结构和地区而异（Li等人，2025年），并强调了人力资本等互补能力的重要性（Lee等人，2025年）。应用于能源和可持续性的先进计量经济学方法越来越揭示出传统线性模型可能忽略的非线性和特定情境下的关联（Magazzino，2025年；Magazzino和Zoundi，2025年）。
基于现有文献，本研究探讨了工业机器人是否降低了中国制造业企业的能源强度（EEI），以及这种效应在EEI条件分布中的变化情况。进一步分析了宏观经济和市场条件（如商业周期、产业集中度和环境监管）对机器人-EEI关系的影响。在经济扩张期间，企业可能会增加对自动化和互补资产的投入；而在经济衰退时期，采用速度可能会放缓，效率提升也会减弱（Ikram等人，2021年；Jin等人，2021年；Otero，2024年；Stenqvist和Nilsson，2012年）。市场结构也会影响采用动机和扩散速度（Liu等人，2021年；Zhang和Zeng，2024年），而监管质量则影响自动化的动力和净能源效益的时间节点（Du等人，2020年；Jiang等人，2021年；Zhang和Gu，2023年）。
关于企业能力与技术采纳之间的相互作用，现有研究还存在概念上的空白。虽然以往的研究探讨了创新和效率驱动因素与自动化的关系（Huang等人，2022年；Zhang和Zeng，2024年），但很少有研究将这些维度整合到一个统一的框架中。为此，本研究开发了一个综合企业创新与效率指数（EIEI），以衡量企业吸收、实施和维持效率导向技术的结构和管理能力。该指数涵盖了三个互补能力方面：投资能力、财务灵活性和管理激励的一致性，这些因素共同决定了企业对技术变革的响应方式。指数通过主成分分析从资产、资产负债率和高管薪酬中得出，排除了机器人相关指标以避免与主要回归变量之间的机械相关性。
本研究有三个主要目标：首先，考察2011-2019年间工业机器人对中国15,043家制造业企业能源强度（EEI）的影响，特别关注不同能源强度分布下的差异；其次，探讨更广泛的宏观经济和市场因素（特别是商业周期、产业集中度和环境监管）如何影响机器人采用与EEI之间的关系；第三，评估企业创新与效率指数（EIEI）与企业能源绩效之间的关系。为实现这些目标，研究整合了多种计量经济学技术，包括双向固定效应（FE-OLS）、工具变量方法、动态稳健性检验（如事件研究证据和企业特定线性趋势），以及非线性和阈值设定。通过矩量回归法（MMQR）进一步分析了分布模式。
本文在多个方面对现有文献做出了贡献：它扩展了企业层面的研究，展示了机器人-EEI关系在条件分布中的变化情况，特别是在高EEI企业中降能效果更为显著；明确了宏观经济和市场条件的作用，指出了效率提升的具体时间和地点；引入了一个独立于自动化变量的综合EIEI指数，并证明了其与EEI的负相关关系；最后，通过结合固定效应和工具变量方法以及对大规模企业面板数据的稳健性和非线性检验，增强了研究的可靠性。
文章的其余部分结构如下：第2节回顾了相关文献和假设；第3节描述了数据和方法；第4节展示了结果；第5节讨论了启示；第6节进行了总结。
企业能源强度（EEI）与工业机器人
企业能源强度（EEI）是指企业在生产和运营中利用能源的效率（Luan等人，2020年）。高EEI表示能源效率低，而低EEI表示能源效率高（Wen等人，2021年；Zhao等人，2019年）。降低EEI可以降低能源成本和环境影响（Bashir等人，2021年）。
工业机器人可以通过多种途径影响EEI。过程自动化提高了精度、重复性和质量控制，从而减少了废品产生。
数据和变量
本研究使用了2011年至2019年间观测到的15,043家中国制造业企业的面板数据。企业能源强度、商业周期、产业集中度和环境监管的相关信息参考了Zhang和Zeng（2024年）的研究框架。机器人保有量数据来自国际机器人联合会（IFR），并根据国家产业分类与中国制造业行业进行了匹配。
描述性统计
表2列出了主要变量的汇总统计信息。企业能源强度（EEI）的平均值为2.33（每百万人民币吨数），标准差为1.03。企业间的标准差（1.01）远大于企业内的标准差（0.16），表明横截面差异占主导地位。
工业机器人的平均采用率为每100名员工0.42台。企业间和企业在不同时间点的变化都较大（标准差分别为1.00和0.48），这与逐步普及的趋势一致。
讨论
本研究分析了2011年至2019年间工业机器人对中国制造业企业能源强度（EEI）的影响。研究考虑了EEI分布的差异，并考察了三个调节因素：商业周期（BC）、产业集中度（HHI）和环境监管（ER）。同时引入了企业创新与效率指数（EIEI），作为企业内部能力的综合衡量指标。
本研究的贡献在于...
政策启示、研究局限性和未来工作建议
研究结果表明，工业机器人在高污染企业中能显著降低能源强度，这提示政策制定者应优先支持这些企业。提供绿色融资、针对机器人改造的税收优惠（例如伺服升级、末端工具）、工艺重新设计的技术支持以及机器人编程/维护培训，将有助于它们更好地利用这些技术。
CRediT作者贡献声明
曼努埃尔·A·赞布拉诺-蒙塞拉特：撰写初稿、验证、监督、软件开发、资源协调、方法论设计、资金筹集、数据整理、概念构建。奈拉·埃鲁姆：撰写初稿、软件开发、资源协调、数据整理。布拉欣·贝尔古吉：撰写初稿、方法论设计、正式分析、概念构建。
利益冲突声明
作者声明在研究、作者身份和/或文章发表方面不存在任何潜在的利益冲突。
