近几十年来，技术进步及其传播迅速发展，这与经济增长呈正相关（Eaton & Kortum, 1996; Curatola et al., 2022; Choi et al., 2013; Comin & Hobijn, 2004）。这些发展也对生产、任务分配和劳动力市场动态产生了重要影响（Acemoglu & Johnson, 2024; Ghodsi et al., 2024a; Arntz et al., 2019; Acemoglu & Restrepo, 2017）。历史上，此类技术转型也通过改变劳动力需求和促进跨境流动性影响了移民模式，这对移民来源国和目的国的政策制定者和企业都具有重要意义（IOM, 2021; IOM, 2024）。
尽管已有大量研究探讨了移民的决定因素，特别是其经济驱动因素（例如 Soto Nishimura & Czaika, 2024; Adovor et al., 2021; Ramos & Suri?ach, 2017），但最近的技术进步在移民中的作用仍相对较少被研究。然而，移民决策应放在更广泛的经济、政治、文化和人口统计变革背景下理解（de Haas, 2021）。现有研究主要关注技术如何通过降低障碍来促进移民，但劳动力市场的技术变革可能对移民趋势至关重要。特别是，新技术通常由发达国家设计和/或采纳，以最优化利用其劳动力（Acemoglu & Zilibotti, 2001）。因此，它们对就业机会和技能需求的影响可能会改变目的地的吸引力。最近，随着工业机器人的采用、自动化和数字化的加速，越来越多的研究开始探讨它们对移民的影响（例如 Gai et al., 2025; Ghodsi et al., 2024b; Beerli et al., 2023; Borjas & Freeman, 2019）。然而，这些证据往往具有国家特异性，因此在更广泛地理解机器人化和数字化如何影响移民模式方面仍存在空白。
虽然经济发展通常是一个拉动因素，但最新研究表明技术变量可能会产生更多样化的模式。技术采纳可能替代低技能和中等技能的移民（Ghodsi et al., 2024b; Liu & Portes, 2021; Borjas & Freeman, 2019）。然而，数字技术的广泛采纳也可能通过创造特定技能的劳动力短缺来显著影响劳动力市场（Beerli et al., 2023），这意味着技术与移民流动之间存在互补性。此外，收入弹性效应表明，收入的增加可能会增强对低技能体力服务工作的需求，从而吸引更多从事这些工作的移民（Mandelman & Zlate, 2022; Basso et al., 2020）。因此，理解移民与这些新技术采纳之间的关系对于评估它们对移民趋势的影响至关重要。这对于正在面临劳动年龄人口减少和老龄化社会的欧盟及其他先进经济体尤为重要（Pouliakas et al., 2024; Grieveson et al., 2019）。
我们的研究旨在为这一及时且相关的讨论做出实证贡献，尤其是考虑到移民往往集中在更容易被自动化的职业中（IOM, 2024; Biagi et al., 2018）。我们纳入了一组广泛的国家，并在重力模型框架内研究移民是否是新技术的替代品或补充品，该模型长期以来一直用于研究跨境流动性（Tinbergen, 1962; Anderson & van Wincoop, 2003）。我们将重力模型解释为与标准目的地选择模型一致的简化形式，其中个体比较不同目的地的预期效用并面临双边流动性成本（Beine et al, 2016; Bertoli & Fernandez-Huertas Moraga, 2013）。在这种映射中，目的地和来源国的技术采纳可以通过其对劳动力需求、就业前景和技能回报的影响来改变移民动机。
当然，这种互动也是双向的：移民影响劳动力的水平和构成，从而影响经济中的一个关键生产要素。这可能会对技术变革产生直接和间接的供需方面影响。就水平效应而言，更庞大的劳动力潜力可能会影响整个经济的生产和收入水平，进而影响新技术的引入速度。此外，还有构成效应和要素价格效应：在短期内到中期，劳动力供应的增加和资本存量调整的滞后会导致资本相对于劳动力的价格变化，从而影响更劳动密集型技术的采纳。更重要的是，移民劳动力的构成：如果移民劳动力中技能劳动力的比例较高，那么这可能会影响技术变革的速度和技能偏向。这反过来可能会激励更多移民迁移到需要这些技能和知识的生产领域。网络效应将进一步鼓励移民（和雇主）满足相关的劳动力需求并支持某些技术路径。另一方面，如果移民劳动力主要是低技能的且知识较少，那么总体增长效应将会较低（低技能工人参与度和就业率较低，收入也较低），生产技术的采纳也将较少表现出技能偏向，新技术的采纳速度也会较低。
我们利用2001年至2019年间欧盟27个国家（罗马尼亚除外）及其他更先进的经济体（OECD）的全面数据，量化了移民流动与技术采纳之间的关系。分析既考虑了移民流动本身，也考虑了相对于来源国人口的移民流动，在重力模型框架下进行。虽然技术采纳可能是经济发展的内生变量，但我们通过关注流动（而非存量）并使用一系列固定效应和控制变量来缓解相关问题。估计模型包含了传统的重力变量，主要关注的变量是两个技术指标：每名工人的ICT资本作为数字化的代理指标，以及每名工人的机器人数量作为机器人化的代理指标。
因此，我们不是试图解释技术扩散本身，而是关注这一过程的下一步：技术采纳如何与国际流动性相关。这项研究通过探讨技术进步带来的劳动力市场变化与移民模式之间的交集，连接了两个研究领域，这与新兴证据一致，这些证据强调了技术进步、劳动力市场变化和移民模式之间的相互关联性。我们的结果表明，不同技术可能与来源国和目的地国的不同移民反应相关：（1）在目的地国，我们发现了两个变量的不同结果：对于机器人化，我们发现明显的“互补”效应，即每名员工拥有的机器人数量越多，对移民的“拉动”效应也越强；对于每名员工拥有的数字资产（已在更广泛的行业中采纳），我们发现了一些证据——取决于具体设定——在目的地国存在“替代”效应，即较高的数字资产水平可能会减少对移民劳动力的需求；（2）在来源国，数字化技术和机器人的更高采纳程度与较低的移民率相关，表明技术采纳可以提高当地的就业前景并减少移民动机。这些模式具有政策相关性。首先，对于来源国来说，它们表明技术采纳在加强国内劳动力市场机会和缓解移民压力方面的潜在作用。其次，对于目的地国来说，这意味着移民、技能和劳动力市场政策应根据经济的技术特征和相关劳动力需求调整来设计。
本文的其余结构如下：下一节我们将对现有文献进行全面回顾。第3节介绍方法论和数据来源。第4节展示并讨论估计结果。第5节提供我们的结论性意见。
