工业机器人使用会提升绿色全要素生产率吗？来自微观层面的经验证据

doi:10.16381/j.cnki.issn1003-207x.2023.1664

Abstract

Abstract:

In the context of digital and intelligent transformation， exploring the impact of industrial robot applications on the green transformation and upgrading of corporate production methods is of great significance. An econometric model is constructed to examine the influence of industrial robot usage on enterprise green total factor productivity and employs panel data for empirical analysis. The empirical results indicate that the use of industrial robots significantly promotes enterprise GTFP， with this effect being more pronounced in technology-intensive enterprises， regions with higher marketization levels， eastern regions， and larger enterprises. Mechanism tests suggest that the influence of industrial robot usage on green total factor productivity operates through two main pathways： optimizing the structure of factor allocation within enterprises and enhancing their green innovation capabilities. It aims to open up the "black box" of how industrial robot usage affects firms' green total factor productivity， contributing to a better understanding of how industrial robots as a form of green productivity can drive the green and low-carbon transformation of enterprises. It provides theoretical insights for governments focused on improving green total factor productivity while guiding enterprises toward the adoption of sustainable green production practices.

Key words: industrial robots, green total factor productivity, green innovation, factor structure

CLC Number:

Jun Li,Yihang Jin,Xi Chen, et al. Will the Use of Industrial Robots Improve Green Total Factor Productivity? Empirical Evidence from the Micro Level[J]. Chinese Journal of Management Science, 2026, 34(11): 370-381.

Figures/Tables 14

References 35

[1]	王渊，李牧南，梁彦希. 政策取向一致性与企业高质量绿色转型［J］. 管理世界， 2025， 41（7）： 108-139.
	Wang Y， Li M N， Liang Y X. Consistency of policy orientation and the high-quality green transformation of enterprises［J］. Journal of Management World， 2025， 41（7）： 108-139.
[2]	解学梅，韩宇航. 本土制造业企业如何在绿色创新中实现“华丽转型”？——基于注意力基础观的多案例研究［J］. 管理世界， 2022， 38（3）： 76-106.
	Xie X M， Han Y H. How can local manufacturing enterprises achieve luxuriant transformation in green Innovation？ A multi-case study based on attention-based view［J］. Journal of Management World， 2022， 38（3）： 76-106.
[3]	Wang H， Cui H， Zhao Q. Effect of green technology innovation on green total factor productivity in China： Evidence from spatial durbin model analysis［J］. Journal of Cleaner Production， 2021， 288： 125624.
[4]	Cheng X， Lyandres E， Zhou K， et al. Labor-replacing automation and finance［J］. Management Science， 2025 71（8）： 6997-7028.
[5]	Graetz G， Michaels G. Robots at work［J］. The Review of Economics and Statistics， 2018， 100（5）： 753-768.
[6]	陈媛媛，张竞，周亚虹. 工业机器人与劳动力的空间配置［J］. 经济研究， 2022， 57（1）： 172-188.
	Chen Y Y， Zhang J， Zhou Y H. Industrial robots and spatial allocation of labor［J］. Economic Research Journal， 2022， 57（1）： 172-188.
[7]	Brambilla I， César A， Falcone G， et al. The impact of robots in Latin America： Evidence from local labor markets［J］. World Development， 2023， 170： 106271.
[8]	魏宏冰，李贺，马弘. 工业机器人与结构性就业变化：职业和任务的视角［J］.世界经济， 2025， 48（4）： 144-169.
	Wei H B， Li H， Ma H. Industrial robotics and employment structure change： An occupational and task-based analysis［J］. The Journal of World Economy， 2025， 48（4）： 144-169.
[9]	王馗，范红忠，胡杨，等. 工业机器人与企业出口：生产智能化的信号效应［J］. 系统工程理论与实践， 2025， 45（8）： 2534-2554.
	Wang K， Fan H Z， Hu Y， et al. Industrial robot and firms' export： Signaling effect of production intelligence［J］. Systems Engineering-Theory & Practice， 2025， 45（8）： 2534-2554.
[10]	刘学悦，赵城，寇宗来. 减税与企业工业机器人应用［J］. 中国工业经济， 2025（7）： 81-99.
	Liu X Y， Zhao C， Kou Z L. Tax reduction and firms' industrial robot adoption［J］. China Industrial Economics， 2025（7）： 81-99.
[11]	Thakuri P K， Alkki L， Aarikka-Stenroos L. Digital technologies enabling component reuse in circular value chains： Using digital twin， Internet of Things and robots in construction and manufacturing sectors［J］. R&D Management， 2025， 55（4）： 1161-1216.
[12]	黄赜琳，蒋鹏程. 数字低碳之路：工业机器人与城市工业碳排放［J］. 财经研究， 2023， 49（10）： 34-48.
	Huang Z L， Jiang P C. Digital low-carbon road： Industrial robots and urban industrial carbon emissions［J］. Journal of Finance and Economics， 2023， 49（10）： 34-48.
[13]	Deng H， Huang Z， Wu J， et al. Harnessing the power of industrial robots for green development： Evidence from China’s manufacturing industry［J］. Technological Forecasting and Social Change， 2025， 215： 124099.
[14]	Yang X， Zhu N， Lv J， et al. Industrial robot applications’ effects on consumption of energy and its spatial effects［J］. Environment， Development and Sustainability， 2025， 27（6）： 14365-14395.
[15]	鲁锦涛，宋祖昕，宋马林. 人工智能对区域低碳创新的影响——基于环境规制的调节效应［J］. 中国管理科学， 2025，DOI：10.16381/j.cnki.issn1003-207x.2025.0155 .
	Lu J T， Song Z X， Song M L. The Impact of Artificial Intelligence on Regional Low-carbon Innovation： The Moderating Role of Environmental Regulations［J］. Chinese Journal of Management Science， 2025，DOI：10.16381/j.cnki.issn1003-207x.2025.0155 .
[16]	Siriwardhana S D， Moehler R C， Fang Y. Construction 4.0 in Australia： Evaluating technological implementation， organisational adaptation and skills development［J］. Journal of Innovation & Knowledge， 2025， 10（6）： 100822.
[17]	Wernerfelt B. A resource-based view of the firm［J］. Strategic Management Journal， 1984， 5（2）： 171-180.
[18]	郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动［J］. 管理世界， 2019， 35（7）： 60-77.
	Guo K M. Artificial intelligence， structural transformation and labor share［J］. Journal of Management World， 2019， 35（7）： 60-77.
[19]	曹越，周瑞博，郭天枭. 智能制造能否助力企业 “脱虚向实”？［J］.系统工程理论与实践，2025， 45（7）： 2226-2244.
	Cao Y， Zhou R B， Guo T X. Can intelligent manufacturing help enterprises “get rid of the virtual to the real”？［J］. Systems Engineering —Theory & Practice， 2025， 45（7）： 2226-2244.
[20]	Ouyang X， Liao J， Wei X， et al. A good medicine tastes bitter： Environmental regulation that shapes China’s green productivity［J］. Environmental Impact Assessment Review， 2024， 105： 107423.
[21]	Lin X， Wu D. AI technology adoption， knowledge sharing， and manufacturing firms’ innovation performance： The moderating effect of absorptive capacity［J］. IEEE Transactions on Engineering Management， 2025， 72： 2137-2149.
[22]	Acemoglu D， Restrepo P. Robots and jobs： Evidence from US labor markets［J］. Journal of Political Economy， 2020， 128（6）： 2188-2244.
[23]	Goldsmith-Pinkham P， Sorkin I， Swift H. Bartik instruments： What， when， why， and how［J］. American Economic Review， 2020， 110（8）： 2586-2624.
[24]	李斌，彭星，欧阳铭珂. 环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究［J］. 中国工业经济， 2013（4）： 56-68.
	Li B， Peng X， Ouyang M K. Environmental regulation， green total factor productivity and the transformation of China’s industrial development mode： Analysis based on data of China’s 36 industries［J］. China Industrial Economics， 2013（4）： 56-68.
[25]	邱斌，杨帅，辛培江. FDI技术溢出渠道与中国制造业生产率增长研究：基于面板数据的分析［J］. 世界经济， 2008， 31（8）： 20-31.
	Qiu B， Yang S， Xin P J. FDI technology spill-over and the productivity growth of China’s manufacturing sector［J］. The Journal of World Economy， 2008， 31（8）： 20-31.
[26]	陈荣达，王宸，潘陈新，等. 数据要素市场化对企业绩效的影响：来自中国上市公司的经验证据［J］. 中国管理科学， 2025， 33（10）： 1-11.
	Chen R D， Wang C， Pan C X， et al. The marketization level of data factors and corporation performance： Evidence from China［J］. Chinese Journal of Management Science， 2025， 33（10）： 1-11.
[27]	Borusyak K， Hull P， Jaravel X. A practical guide to shift-share instruments［J］. Journal of Economic Perspectives， 2025， 39（1）： 181-204.
[28]	李建军，吴周易. 机器人使用的税收红利：基于新质生产力视角［J］. 管理世界， 2024， 40（6）： 1-15+30+16-19.
	Li J J， Wu Z Y. The tax dividends for industrial robot adoption： Based on the new quality productive forces perspective［J］. Journal of Management World， 2024， 40（6）： 1-15+30+16-19.
[29]	王艳艳，余阳洋，于李胜. 行业战略联盟的价值溢出效应研究［J/OL］.系统工程理论与实践，2026..
	Wang Y Y， Yu Y Y， Yu L S. The value spillover effects of strategic alliances for peer within industry［J/OL］. Systems Engineering-Theory & Practice， 2026..
[30]	樊纲，王小鲁，马光荣. 中国市场化进程对经济增长的贡献［J］. 经济研究， 2011， 46（9）： 4-16.
	Fan G， Wang X L， Ma G R. Contribution of marketization to China’ s economic growth［J］. Economic Research Journal， 2011， 46（9）： 4-16.
[31]	张同斌，刘文龙. 留抵退税改革、融资约束与企业产业链关联［J］. 管理世界， 2024， 40（3）： 94-115.
	Zhang T B， Liu W L. Reform of VAT credit refund， financing constraints and industrial chain linkage［J］. Journal of Management World， 2024， 40（3）： 94-115.
[32]	温忠麟，叶宝娟. 中介效应分析：方法和模型发展［J］. 心理科学进展， 2014， 22（5）： 731-745.
	Wen Z L， Ye B J. Analyses of mediating effects： The development of methods and models［J］. Advances in Psychological Science， 2014， 22（5）： 731-745.
[33]	胡玥，张涵萌，马文杰. 地方政府债务治理改革与企业人力资本升级［J］.经济管理，2022， 44（8）： 152-169.
	Hu Y， Zhang H M， Ma W J. Reform in local government debt governance and human capital upgrading［J］. Business and Management Journal， 2022， 44（8）： 152-169.
[34]	饶品贵，岳衡，姜国华. 经济政策不确定性与企业投资行为研究［J］. 世界经济， 2017， 40（2）： 27-51.
	Rao P G， Yue H， Jiang G H. Economic policy uncertainty and firms' investment［J］. The Journal of World Economy， 2017， 40（2）： 27-51.
[35]	Liu X， Cifuentes-Faura J， Yang X， et al. The green innovation effect of industrial robot applications： Evidence from Chinese manufacturing companies［J］. Technological Forecasting and Social Change， 2025， 210： 123904.

变量	变量含义	样本值	均值	最小值	最大值	标准差
gtfp	GTFP取对数	6237	0.8715	0.2110	2.5014	0.3924
ec	技术效率	6237	0.8072	0.1332	2.529	0.4688
tc	技术进步	6237	0.8386	0.1799	1.5697	0.3289
rob	工业机器人渗透度取对数	6237	2.5950	0.0105	5.9750	1.4030
size	年末总资产取对数	6237	13.1400	10.7500	16.6300	1.2200
age	企业年龄取对数	6237	2.9000	1.3863	3.6889	0.3064
roa	年末净利润/年末总资产	6237	0.0327	-0.2270	0.2060	0.0616
cashflow	现金净值/年末总资产	6237	0.0475	-0.1360	0.2410	0.0664
lev	资产负债率	6237	0.4640	0.0740	0.9510	0.1970
indep	独立董事人数/监管层人数	6237	0.1940	0.1200	0.3077	0.0370
pgdp	人均生产总值取对数	6237	11.2577	9.2194	13.0560	0.5530
inc	第二产业增加值×100/GDP取对数	6237	3.7947	2.5416	4.4188	0.2630

变量	（1）	（2）	（3）
变量	gtfp	ec	tc
rob	0.0359^*	0.0184	0.0310^***
rob	(1.86)	(1.00)	(3.36)
size	0.0331	-0.0060	0.0330^***
size	(1.42)	(-0.23)	(3.09)
age	0.0063	-0.0255	-0.0564
age	(0.05)	(-0.23)	(-0.77)
roa	1.0648^***	1.0717^***	-0.1284^*
roa	(8.14)	(7.57)	(-1.92)
cashflow	0.2111^**	0.3222^***	-0.0987^*
cashflow	(2.22)	(2.88)	(-1.88)
indep	0.0862	0.0200	0.0831
indep	(0.35)	(0.08)	(0.69)
lev	0.0757	0.1510^*	-0.0056
lev	(1.05)	(1.85)	(-0.17)
pgdp	0.0738^**	0.1170^***	-0.0360^**
pgdp	(2.45)	(3.46)	(-2.55)
inc	0.0273	0.2781^***	-0.0888^*
inc	(0.29)	(2.84)	(-1.82)
常数项	-0.7673	-1.5660^**	1.0854^***
常数项	(-1.29)	(-2.54)	(3.54)
企业固定效应	控制	控制	控制
年份固定效应	控制	控制	控制
N	6237	6237	6237
R²	0.3070	0.0807	0.5951

变量	设置0-1变量			行业解释变量替代企业解释变量
变量	gtfp	ec	tc	gtfp	ec	tc
rob	0.0296^**	0.0188	0.0201^**	0.0329^*	0.0110	0.0323^***
rob	(1.97)	(1.18)	(2.37)	(1.76)	(0.62)	(3.63)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
N	6237	6237	6237	6147	6147	6147
R²	0.6806	0.6734	0.7984	0.6810	0.6731	0.7993

变量	滞后一期核心解释变量			子样本回归（2014-2019）
变量	gtfp	ec	tc	gtfp	ec	tc
rob	0.0396^*	0.0176	0.0383^***	0.0561^*	0.0282	0.0530^***
rob	(1.94)	(0.87)	(3.44)	(1.69)	(0.84)	(2.81)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
N	5544	5544	5544	4158	4158	4158
R²	0.7113	0.6954	0.8050	0.7668	0.7289	0.8247

变量	（1）	（2）	（3）
变量	gtfp	ec	tc
rob	0.0364^***	0.0186	0.0311^***
rob	(2.10)	(0.99)	(3.17)
控制变量	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes
N	6237	6237	6237

Will the Use of Industrial Robots Improve Green Total Factor Productivity? Empirical Evidence from the Micro Level

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 14

References 35

Related Articles 13

Metrics

Comments

Recommended 0

变量	(1)	(2)	(3)	(4)
变量	gtfp_dum	gtfp	ec	tc
hhi	-1.8842^***
hhi	(-23.04)
rob		0.0362^*	0.0206	0.0284^***
rob		(1.81)	(1.09)	(2.97)
imr		-0.0825	0.1212	0.0100
imr		(-0.74)	(-1.08)	(0.26)
控制变量	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes
N	24762	5917	5917	5917
R²		0.3052	0.0782	0.5974

变量	(1)	(2)	(3)	(4)	(5)	(6)
变量	Lab_Cap	gtfp	Lab_Str	gtfp	Inv_Str	gtfp
rob	0.0274^*	0.0032^*	0.0069^*	0.0048^**	0.1958^***	0.0024^**
rob	(1.89)	(1.82)	(1.89)	(2.02)	(3.75)	(2.05)
Lab_Cap		0.1150^**
Lab_Cap		(2.43)
Lab_Str				0.6542^***
Lab_Str				(3.55)
Inv_Str						0.0113^**
Inv_Str						(2.49)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
N	5855	5855	6079	6079	6237	6237
R²	0.1295	0.3286	0.0693	0.2639	0.2013	0.2500

变量	(1)	(2)	(3)	(4)	(5)	(6)
变量	R&D	gtfp	Patent	gtfp	Gre_Pat	gtfp
rob	0.0024^**	0.0039^**	0.0021^**	0.0049^***	0.2495^***	0.0063^***
rob	(2.29)	(1.97)	(2.28)	(2.87)	(5.72)	(3.79)
R&D		1.2506^***
R&D		(5.24)
Patent				2.1733^***
Patent				(4.03)
Gre_Pat						0.0237^***
Gre_Pat						(2.93)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes
企业固定效应	Yes	Yes	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes	Yes	Yes
N	5855	5855	6237	6237	6237	6237
R²	0.1320	0.3306	0.0707	0.2652	0.2035	0.2512

[1]	Yande Gong, Ji Kai, Zhe Wang. Research on Closed Loop Supply Chain Strategy Considering Fair Preference and Green Innovation [J]. Chinese Journal of Management Science, 2026, 34(5): 310-321.
[2]	Chen Shen,Yaru Xin,Nisha Jia,Rui Feng. The Influence Mechanism of OFDI on Industrial Green Total Factor Productivity Based on the Two-Stage Super-SBM-Malmquist Exponential Module [J]. Chinese Journal of Management Science, 2024, 32(5): 229-240.
[3]	JI Jian-yue, XU Yao, ZHANG Yi. Study on Relationship between Environmental Regulation and Green Total Factor Productivity from the Perspective of Private Investment [J]. Chinese Journal of Management Science, 2023, 31(5): 11-19.
[4]	Li-ting FANG,Guan-lan ZHANG,Kun-ming LI. The Impact of Digital Development on Corporate Green Innovation [J]. Chinese Journal of Management Science, 2023, 31(12): 350-360.
[5]	XIE Xue-mei, ZHU Qi-wei. Innovative Pivots or Conservative Shackles: How Can Green Supply Chain Management Practices Spur Corporate Performance? [J]. Chinese Journal of Management Science, 2022, 30(5): 131-143.
[6]	YANG Wen-ke, ZHANG Guang-xin, HE Jian-min. Research on Governance Mechanism of Opportunistic Behavior in International Cooperation on Green Innovation [J]. Chinese Journal of Management Science, 2021, 29(4): 213-224.
[7]	ZHANG Wei-ke, GE Yao. The Spatial Effect Analysis of OFDI on Green Total Factor Productivity [J]. Chinese Journal of Management Science, 2021, 29(4): 26-35.
[8]	ZHAO Xiao-min, MENG Xiao-xiao. Evolutionary Game Decision between Manufacturer and Remanufacturer in the Authorization Mode [J]. Chinese Journal of Management Science, 2021, 29(2): 129-136.
[9]	FENG Yan-chao, WANG Xiao-hong, HU Shi-lei. Effects of FDI and OFDI on Green Total Factor Productivity in China:An Analysis Based on Spatial Econometric Models [J]. Chinese Journal of Management Science, 2021, 29(12): 81-91.
[10]	GUO Hai-hong, LIU Xin-min. Time-Space Evolution of China's Agricultural Green Total Factor Productivity [J]. Chinese Journal of Management Science, 2020, 28(9): 66-75.
[11]	LU Wan-bo, HUANG Guang-lin, Kris Boudt. Stock Market Rise-Fall Forecast and Quantitative Investment Strategy: Based on Time Varying MCA [J]. Chinese Journal of Management Science, 2020, 28(2): 1-12.
[12]	CHEN Zhe, CHEN Guo-hong. Green Innovation Efforts and Altruistic Preference Elicitation in Construction Project [J]. Chinese Journal of Management Science, 2018, 26(7): 187-196.
[13]	QU You, GUAN Zhi-min, YE Tong, TAO Jin. Supply Chain Coordination for Green Innovation-advertisement Decisions Based on Mixture CVaR Criterion [J]. Chinese Journal of Management Science, 2018, 26(10): 89-101.