文献来源：

Mann, K., & Püttmann, L. (2023). Benign Effects of Automation: New Evidence from Patent Texts. Review of Economics and Statistics, 105(3), 562-579.

原文链接：

https://doi.org/10.1162/rest_a_01083.

引言

01

自动化技术对就业有怎样的影响一直备受关注，然而现有的研究结论差异较大，这主要取决于对自动化的基本定义。在经济学中，自动化通常被理解为一种节省劳动力的技术，可以减少特定任务对工人的需求。但是，自动化技术也可以创造新产品或提高生产率，而不会立即取代人力。

当前，大多关于自动化的文献主要依赖于常规任务份额、计算机资本投资额、机器人投资额等代理变量，且这些文献更多地聚焦于自动化对劳动力职业或技能构成的影响。较少有文献分析自动化的总就业效应，这主要是难以全面衡量自动化。对此，本文提出了一种基于专利文本来全面衡量自动化的方法，将“可以帮助实现某种装置或设备能够独立于人工干预而自动运行”的创新专利定义为自动化专利。

本文提取了1976年至2014年间美国USPTO授予的全部500万项专利文本数据，采用机器学习算法来区分自动化和非自动化专利。为进一步估计自动化对劳动力市场的影响，本文基于移动份额法构建美国通勤区层面和行业层面自动化水平的面板数据。本文的识别策略利用了地方经济受到国家层面产业创新活动的影响，但不太可能反过来影响国家层面产业创新活动这一事实。此外，本文使用关于专利受让人的信息来识别对美国劳动力市场发展外生的创新。研究发现，自动化技术对一个地区的总就业具有显著的正向影响，但随着时间推移，自动化技术对就业的影响逐渐减弱。进一步的研究发现，服务业部门从自动化技术中收益最多，而制造业工人并没有从自动化中受益。对于重复性工作任务比例较高的制造业部门，自动化技术对该部门的就业和工资水平均有负面影响。

本文量化自动化技术的方法优缺点如下：首先，缺点在于文本分类本质上是一种不精确的方式，对此本文进一步将不确定性引入专利与行业和通勤区的概率匹配中。其次，本文对专利的有用性及适用范围进行了假设。从好的方面来看，与使用常规任务份额或计算机和机器人投资的文献相比，本文对自动化技术进步的性质施加了更少的事前假设。同时，新指标能够密切跟踪技术前沿，将新授予的专利转化为细颗粒度的行业或通勤区层面的数据集。

02

新的自动化指数

2.1自动化定义

本文对自动化专利的定义：一个独立执行过程的设备，即除开始和过程监督外可在没有人干预的情况下运作。该设备可以是物理机器、机器的组合、算法或计算机程序。本文对自动化的定义描述了一类特定的技术，而没有预先假设专利是否以及如何与经济活动产生相关性。

新的分类方法一方面捕捉了传统上被认为是自动化技术的技术，如装配机器人等物理发明，以及财务软件等认知发明。虽然其中许多技术将节省劳动力，但它们也可能提高生产率，并创造新的就业机会。另一方面，本文的定义包括将不用于生产目的的发明，例如游戏机或用于殡仪馆的信息终端。相比之下，大部分文献使用的定义更直接地集中于自动化在生产过程中的作用，并因此更关注自动化的经济效果。

2.2专利分类

根据上述定义，所有专利可分为自动化与非自动化专利。为训练分类算法，本文首先对560个随机抽取的专利进行了人工分类。其次，使用Porter2词干算法提取了大约32,000个tokens。继而，使用相互信息准则来提取与专利技术类型最相关的tokens。从专利的标题、摘要和正文中分别挑选排名最高的50个tokens。在删除重复项后，得到了一个包含623个tokens的搜索词典。最后，使用朴素贝叶斯算法对全部专利进行分类。

图2显示了1976年至2014年间美国授予的全部500万项专利，其中220万项专利归类为自动化专利。观察到自动化专利从1976年的16,000件急剧上升到2014年的160,000件，与自动化相关的专利比例也从1976年的23%增加到2014年的59%。

实证策略

03

有效识别出自动化对就业的因果效应，需要处理好自动化和就业之间的内生性问题。由于企业可能会根据工人工资水平、法规或产品需求的变化来选择研究力度，故本文的内生性的潜在来源之一为反向因果。同时，对于本文遗漏变量也是导致内生性的关键因素，比如影响就业的行业或通勤区层面的冲击，同时与自动化测度相关。本文使用两种策略来最小化这两种内生性的风险：第一，基于移动份额法构建自动化的工具变量。第二，直接控制许多通勤区相关变量或行业层面因素变量，从而减轻遗漏变量的问题。本文确定了研发活动与美国市场联系不太密切的专利受让人群体，因为他们位于美国境外或不主要为商业目的而申请专利。这类创新者申请的专利与行业或全国经济趋势的关联应该较弱。因此，本文使用这些群体持有的专利来创建一种工具变量，尽可能隔离专利活动中的外生性变异。

3.1区域自动化度量

为了衡量自动化对当地劳动力市场的影响，本文构建了一个移动份额测量方法，并根据当地不同行业的就业份额将专利分配给各通勤区。本文对行业层面自动化专利加1后取自然对数。同时，考虑了五年间自动化技术的变化，并确定了期初的就业份额。特别地，五年周期也可平滑商业周期效应。本文将专利理解为技术流动的度量，因此使用自动化指数的五年总和来表示专利存量的五年差异。由此产生的测度如式（1）：

其中L代表就业，i代表行业，c代表通勤区，t代表时间。Li,c,t-4/ Lc,t-4代表通勤区c行业i的就业份额在5年间的初始值。使用的就业数据来源于Census County Business Patterns。

3.2工具变量

本文使用专利受让人的相关信息来识别与美国市场没有紧密联系的创新者。本文将受让人分为四组：美国公司、外国人(公司、个人或公共实体)、政府机构(美国或外国)以及大学和公共研究机构。之后，构造了3个类似于式(1)的移动份额工具变量，并将它们用作美国公司的内生受让人组的工具变量（见附录）。

3.3回归设定

估计方程的设定如式（2）：

其中，c代表通勤区，t代表年份。因变量为当地就业与人口比率的五年变化，其中人口指所有16岁及以上的人。γt为时间固定效应，αk为州固定效应。除通勤区自动化专利强度外，本文还将非自动化专利(非自动化)的强度纳入回归中，其构造类似于方程(1)，并同样纳入IV回归，以控制非自动化技术变化带来的影响。Xc,t-5为一系列初期的控制变量，为捕捉经济中的结构性变化。

04 

估计结果

4.1基准回归

表1呈现了整体经济和按部门的OLS和IV回归结果。在总体就业回归结果中，autoint系数在OLS和IV回归中均显著为正，这意味着自动化会导致本地劳动力市场的就业增长。相比于OLS的估计结果，IV系数稍小，暗示OLS估计可能受到内生性的影响。第(2)列结果表明，自动化强度每增加1个单位，就业与人口比率就会增加0.359个百分点。就实际专利数量而言，autoint围绕其均值每增加1个单位，就相当于一个产业结构扁平化的通勤区(即假设所有产业的就业份额相同)的新自动化专利数量每年从23项增加到29项。鉴于行业结构从来就不是平坦的，有些行业通常在就业中占比很大，autoint增长1个单位所包含的自动化专利数量的增加将远高于这一数字。面板B和C揭示了各部门之间的显著差异：全部就业增长体现在服务部门工人，而对制造业工人的影响很小。综上，并非所有工人都能从自动化中受益。

4.2自动化和常规任务强度

本文通过构建两个独立的常规任务份额来衡量本地制造业和服务业岗位的常规任务强度，包括初始的常规任务份额与自动化强度的交互项。在表2所有回归中，常规制造业就业份额与自动化的交互项均显著为负，表明常规制造业工人的就业份额对自动化效果起着重要的调节作用。大多数通勤区仍然会经历积极的就业效应，但任务构成会影响这种效应的大小。相比之下，常规非制造业就业份额与自动化的交互项系数均不显著，故自动化对服务业工作的积极影响不是源于部门内部的重新分配。

4.3分行业

图5更详细地展示了分行业估计结果。在制造业部门，受到负面影响的行业和受到正面影响的行业之间有很大差异。最明显的自动化负面效应体现在工业和商业机械及计算机设备制造业，其次是运输设备制造业。可以认为，这些行业的生产过程很容易通过机器来完成——汽车生产中的机器人装配线。在服务业部门，所有细分行业均未受到自动化影响而产生大量失业，反而一些行业的就业人数大幅增加。

4.4分时期

自动化专利数量在样本期内快速增长，但自动化专利的性质也可能随着时间而改变。因此，自动化对劳动力市场的影响是变强还是变弱值得进一步探讨。本文增加了autoint与年度虚拟变量这一交互项。图6说明了自动化对劳动力市场的积极影响主要集中在样本的前半部分：总就业人数仅在20世纪90年代中期才出现显著的就业增长；自21世纪初以来，更负面的结果主要是由制造业的大量岗位损失造成的；非制造业就业人数在整个样本期间都有所增加，但其影响随着时间的推移而减弱。总体来看，自动化技术应用越近的年份对劳动者的危害可能就越大，尤其是在制造业。这可能是由于机器能够执行越来越复杂的任务，限制了工人相对于机器仍然享有成本优势的工作范围。另一种解释是，新的自动化技术不会像早年那样提高生产率，所以对非自动化任务的需求增长较少。

4.5工资效应

自动化不仅会影响就业数量，还可能会影响劳动力价格。本文使用Census数据分析了自动化技术对三个10年期(1980-1990年、1990-2000年和2000-2010年)的对数小时工资的影响。正如表3所示，autoint系数表明自动化技术对工资水平没有显著影响。然而，常规和非常规密集型通勤区间存在显著差异。根据面板A的第(2)列，在当地劳动力市场，若没有常规工作，自动化水平每提高1个单位，工资就会提高5%。相比之下，若所有工作都是常规的服务工作，会看到10%的工资损失。这与表2中的结果相反。根据面板B和C，当分别考虑制造业或服务业的工资效应时，这两个交互项都很重要。那些享受自动化带来的就业增长的群体也因此经历了工资增长——另一个证据指向自动化的两极分化效应。

结论

05

自动化技术对劳动力市场的影响一直是一个充满争论的话题，本文对现有研究作出有益补充。本文的主要贡献包括：第一，通过将文本分类算法应用于1976-2014年美国被授予的专利领域，提供了一个新的自动化指标测度方式，并将专利与其使用的行业和通勤区联系起来，从而构建了一个新的自动化技术地理密度指标。第二，重新评估了自动化对劳动力市场的影响。本文的研究结果表明，自动化技术提高了通勤区层面上的就业人数占总人口比率，且这些影响是由服务业部门的就业增长推动的。在常规任务密集型通勤区中，自动化的好处较小，且带来的就业收益随时间减少。特别地，本文通过IV估计来识别这些影响，即按照专利的受让人是大学或公共研究机构、政府或外国人，是因为他们对美国劳动力市场发展的反应较弱。第三，本文更一般的贡献在于，开创了一种从专利文本中提取创新趋势的方法，该方法也可用于研究其他技术对经济的影响。

Abstract 

We provide a new measure of automation based on patents and study its employment effects. Classifying all U.S. patents granted between 1976 and 2014 as automation or non-automation patents, we document a strong rise in the number and share of automation patents. We link patents to their industries of use and to commuting zones. To estimate the effect of automation, we use an instrumental variables strategy that relies on innovations developed independently from U.S. labor market trends. We find that automation technology has a positive effect on employment in local labor markets, driven by job growth in the service sector.

推文作者：李瑞敏，中国社会科学院大学，liruimin@ucass.edu.cn。

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。