韦雨霞

(湖南工业大学经济与贸易学院,湖南 株洲 412000)

0 引言

工业机器人是一种能自动执行工作并靠控制能力来替代人力、提高效率的机器。随着机器人的普及,企业生产效率大幅提升,成本优势也逐渐凸显,这为赋能制造业转型,助推经济发展奠定了坚实基础。2015年国务院颁布的《中国制造2025》强调,力争到新中国成立一百年时,制造业智能化、数字化进展明显,建设成为引领世界制造业发展的制造强国。据国际机器人联合会(IFR)所发布的数据,2019年中国工业机器人保有量达283万台,其中工业机器人密度(工业机器人保有量/制造业就业人数)为369台/万人,工业机器人的广泛应用彰显了我国机器人产业蕴含的巨大发展潜力,备受政府及学者关注。

与此同时,内部控制是企业内的一项重要治理机制,良好的内部控制不仅可以加强内部监管,还能够保障各股东的权益,确保企业目标达成。因此,提高内部控制质量至关重要。大量学者展开了对内部控制质量影响因素的研究,主要可分为内部影响因素和外部影响因素。内部影响因素主要涉及管理层特征、企业股权结构及企业特征等方面。具体而言,管理层的特征主要包括董事会[1]、高管团队[2]以及审计委员会[3]的特征等,例如闫禹彤[4]研究证明具有证券、信托等非银行金融机构从业经历的董事会成员能全面理解金融行业的运作,准确认知风险和收益,有效地对金融投资行为进行指导和监督,对内部控制质量起提升作用。企业股权结构方面则主要包括机构投资者[5]、外资股东持股[6]等,刘彬等[7]研究证明外资股东不易受到与高管的私人关系的约束,会实施更加严密的监督和激励机制以惩罚其不作为行为,提高建设内部控制制度的效率。公司特征方面则为公司客户集中度[8]、公司治理水平[9]等,吴丽君等[10]利用2011—2015年的数据,研究发现治理结构是公司内部控制的环境要素之一,影响内部控制运行的质量。外部影响因素则可分为以下3类。其一,政策制度的影响,如国企混改制度[11]、“沪港通”政策[12]及财政补贴政策[13]等,曹越等[14]研究发现“国企混改”政策通过强化外部舆论监督压力和增强内部高管业绩动力提高了内部控制质量。其二,媒体关注的作用,它能改变企业面临的外部环境,增加市场压力,迫使管理者提高内部控制质量水平[15]。其三,环境背景的影响,如财务共享广泛应用的新形势[16]、新经济发展格局[17]等,在财务共享服务模式及各种信息技术的运用背景下,财务核算形式发生重大变化,核算效率得到提升,企业构成全面的质量控制体系,提高财务运作整体流程的内部控制质量[18]。

综上所述,现有研究较为全面地揭示了影响内部控制质量的因素,但鲜有文章将内部控制质量与工业机器人联系起来进行研究。本文以2011—2019年沪深A股上市企业为样本,探究机器人应用对内部控制质量的影响,并从公司的产权性质、地区和行业竞争程度3个方面进行异质性研究分析。研究的边际贡献主要为:第一,丰富了工业机器人应用在制造业企业治理结构发挥作用方面的研究;第二,研究了股权集中度在机器人渗透度和内部控制质量之间的调节作用;第三在研究机器人渗透度和内部控制质量关系的基础上,进行了异质性研究分析,揭示了机器人应用对不同特征的企业所发挥的不同效应。

1 理论分析及研究假设

1.1 工业机器人应用与企业内部控制质量

在智能化时代,技术的应用将对人们的生产方式、劳动方式等产生重大影响。工业机器人也不例外,其应用可通过以下两种方式显著提高企业人力资本水平。第一,优化劳动力结构。首先是替代效应,即机器人对人力的替代降低了岗位的需求数量,造成“技术性失业”。该类失业人员一般文化技术水平较低,难以适应现代技术要求[19]。除此之外还会减少重复性和机械化程度高的工作,且替代风险的存在将会极大地刺激员工的学习意愿,通过自主学习新技能进而完成知识升级并提升人力资本[20]。其次是创造效应,即技术进步对劳动力的影响是正面的、积极的[21],能够使企业产生一批新的需求岗位,例如工程师、编程师、数据分析师等与工业机器人应用相匹配的高技能岗位,增加非常规的工作[22]。与此同时,能够通过提高生产率来提高员工收入水平[23],因此员工具备更多的闲置资金去增加知识储备或者提高教育水平,进而提高智能水平,改善自身技能等。替代效应与创造效应相辅相成,减少低质量劳动力比例,同时增加了高质量劳动力比例,进而提升企业人力资本水平[24]。第二,增加成本优势,加大人力投资力度。工业机器人作为一种内含先进技术的资本产品,具有边际成本优势。通过“干中学”效应,企业可以吸收前沿知识和技术,对原有生产模式及工具等进行升级改造,从而降低消耗,增强生产能力,提高生产效率,减少生产成本[25]。因此,可以在原有人力投资方面投入更多资金,通过在职教育、技术培训等提升员工技能与素质,增强其吸收能力,实现知识的巩固与完善。

员工作为内部控制的重要参与人员和执行人员,相对于内部控制的作业层,直接影响内部控制的执行情况与质量,高素质员工能透彻地理解内部控制的规范要求,较少出现失误[26],且更能够识别并揭露企业业务流程中的异常情况和欺诈行为[27]。因此提出假设1。

H1:工业机器人应用促进了内部控制质量的提升。

1.2 股权集中度的调节作用

内部控制作为内部管理监控系统,其作用的发挥与股权集中度紧密相联。股权集中度在一定程度上代表了股权的制衡能力,也决定了控股股东对企业的影响力, 进而影响着内部控制建设的目标。股权过于集中将会导致治理结构失衡,以及对大股东制约的匮乏,影响经营决策等[28]。与此同时,大股东会依据个人意愿甚至以自身利益优先的原则选聘高管人员[29],抑制工业机器人应用造成的人力资本的提升,最终减弱其对内部控制质量的效应。此外,购买机器人需要大量的资金投入,这将会降低股东的利益分配,出于维护自身利益的考虑,股东将会更加谨慎地考虑工业机器人的投入水平。据此提出假设2。

H2:股权集中度减弱工业机器人应用对内部控制质量的促进作用。

2 研究设计

2.1 样本选取与数据来源

由于工业机器人数据来源——IFR数据库只更新到2019年,因此基于2011—2019年沪深两市A股制造业企业作为研究样本。初始样本剔除了ST、*ST公司,以及相关变量缺失的样本,由于数据中个别年份的生产员工人数缺失,因此经数据匹配后一共得到6 091个观测值。内部控制数据来自迪博内部控制与风险管理数据库,测算机器人应用变量的数据来自IFR,生产员工人数来自Wind数据库,行业就业人数来自统计年鉴,美国分行业就业人数来自NBER-CES,员工人数、股权集中度以及控制变量的数据均来自CSMAR数据库。

2.2 变量设定

2.2.1 被解释变量

内部控制质量(ICQ)。借鉴相关研究[30]的做法,使用内部控制指数衡量。

2.2.2 解释变量

借鉴王永钦等[31]的研究,计算企业层面的机器人渗透度指标来衡量工业机器人应用变量,记为robotsji,t。公式如下所示:

(1)

2.2.3 调节变量

股权集中度(Top 1)。以第一大股东持股份数占总股份的比例度量。

2.2.4 控制变量

参考以往研究内部控制质量影响因素的文献[32-33],选取以下控制变量:公司规模(Size),以总资产的自然对数衡量;资产负债率(Lev),以总负债除总资产衡量;盈利能力(ROA),以净利润除总资产平均余额衡量;账面市值比(BM),以账面价值除总市值衡量;董事会规模(Board),以董事会人数的对数衡量;成长机会(TobinQ),以计算公式“(流通股市值+非流通股股份数×每股净资产+负债账面值)/总资产”衡量;上市年龄(ListAge),以当年年份减去上市年份加一的对数衡量。

2.3 模型设计

为检验假设1,构建模型如下所示:

ICQit=β0+β1robotsji,t+β2Sizeit+β3Levit+β4ROAit+β5BMit+β6Boardit+β7TobinQit+β8ListAgeit+σt+μ+εit

(2)

式中:ICQit为第t年i企业内部控制质量指数;robotsji,t表示第t年j行业中i企业的工业机器人渗透度;控制变量为第t年i企业的公司规模(Sizeit)、资产负债率(Levit)、盈利能力(ROAit)、账面市值比(BMit)、董事会规模(Boardit)、成长机会(TobinQit)及上市时间(ListAgeit);σt代表时间固定效应;μ代表个体固定效应;εit是随机误差项。

2.4 描述性统计结果

表1列示了描述性统计结果。

表1 描述性统计结果

3 实证结果与分析

3.1 回归分析

为了对回归模型进行确认,采用豪斯曼检验进行分辨,P值为0,表明应使用固定效应模型,因此采用双向固定效应模型进行研究。表2为模型(2)的回归结果,可以看出,未控制时间固定效应的回归结果显示解释变量在5%的显著性水平上为正;考虑时间固定效应后,工业机器人在1%的显著性水平上为正,且显著性水平提升。H1得以验证。

表2 基准回归结果

3.2 稳健性检验

3.2.1 替换核心解释变量

考虑到工业机器人的使用量对内部控制质量的作用可能存在滞后效应,因此,将机器人渗透度的数据滞后一期,再代入模型(2)进行回归分析。回归结果如表3所示,机器人应用对内部控制质量的影响在5%的水平上显著正相关,与H1一致。

3.2.2 替换被解释变量

借鉴向锐等[34]的稳健性检验方法,用内部控制质量指数加一的自然对数取代之前的衡量方法,重新进行回归分析,结果如表3所示,表明机器人使用量与企业内部控制质量指数的相关性系数为0.001,在5%的显著性水平上呈正相关关系,进一步验证了H1。

3.2.3 缩尾处理

在数据处理部分没有对数据进行缩尾处理,为进一步检验结果的稳健性,对基准回归的变量进行1%和99%的缩尾处理。回归结果如表3所示,核心解释变量仍然在1%的水平上显著。

3.2.4 改变样本容量

利用Stata软件随机抽取了总数的80%进行回归分析。结果如表3所示,工业机器人应用的系数在1%的水平显著为正。

3.2.5 增加控制变量

除了基准回归包含的控制变量外,还有许多其他变量会对企业内部控制质量产生影响。因此加入是否为“四大审计”(Big 4)、独立董事占比(Indep)、机构投资者持股比例(INST)及是否两职合一(Dual)变量进行回归,结果如表3所示,机器人应用对内部控制质量的影响在1%的水平上显著正相关。

表3 稳健性分析结果

3.3 内生性检验

工业机器人对内部控制质量的影响可能存在内生性问题。一是双向因果问题,内部控制质量越好的企业越有能力或资本应用工业机器人提升生产技术和效率等。二是遗漏变量问题,尽管本研究使用了双向固定效应模型,但固定效应模型仅解决部分遗漏变量的问题,不能完全解决遗漏变量问题。三是测量误差问题,工业机器人数据存在不完善以及指标测度方法不精确的缺点。因此采用工具变量法解决,借鉴刘松竹等[35]的研究,引入美国行业层面的工业机器人数据,以构造中国企业层面机器人渗透度作为工具变量。公式如下所示:

(3)

表4报告了回归结果,上半部分显示回归结果与基准回归一致。下半部分显示衡量工具变量排他性、测度工具变量是否伪识别和弱识别的检验值均高度显著,说明文章选取的工具变量合理、有效。

表4 内生性检验回归结果

3.4 调节效应检验

为检验假设2,在模型(2)的基础上加入调节变量股权集中度及其与机器人渗透度的交互项构建模型(4):

ICQit=β0+β1robotsji,t+β2Top 1it+β3robotsji,t×Top 1it+β4Sizeit+β5Levit+β6Roait+β7BMit+β8Boardit+β9TobinQit+β10ListAge+σi+μi+εit

(4)

式中:Top 1it为第i年企业股权集中度水平,其他变量的定义与模型(2)一致。表5列示了模型(4)的回归结果,robots和Top 1变量分别通过了1%和5%的显著性水平检验,且呈正相关关系,表明机器人渗透度和股权集中度对内部控制质量有促进作用。然而变量robots和Top 1交互项在5%的水平上显著为负,说明股权集中度能通过影响有关工业机器人应用方面的经营决策,负向调节工业机器人应用与内部控制质量之间的正相关关系。H2得以验证。

表5 调节效应回归结果

3.5 异质性分析

3.5.1 产权性质异质性分析

国有和非国有这两种不同产权性质的企业具有不同的治理结构和体系。国有企业在国民经济中承担着“稳就业”的重要责任,而且国有企业与劳动力解除劳务关系的成本高,无法在短期内裁员,劳动力结构稳定。而非国有企业解除劳动力的成本相对较低,用工制度更灵活,可以灵活改变劳动力结构。因此,工业机器人应用对国有企业劳动力结构的冲击可能并不明显,而对非国有企业则较为明显。其次,国有企业与非国有企业有着不同的目标。国有企业除了要考虑经济目标,更需要关注非经济目标的实现[36],例如经济和法律责任以及市场健康发展的社会责任。而非国有企业更关注经济绩效,提升生产率的动机要更强,更有可能去应用机器人技术和提高机器人渗透度水平。

为验证上述分析,根据所有权性质将样本分为国有企业和非国有企业。分组回归结果如表6所示,机器人渗透度系数在国有与非国有企业均为正,但在国有企业中不显著,在非国有企业是1%的水平上显著,表明工业机器人应用对非国有企业的劳动力结构冲击更大,因此对内部控制质量的提升作用更显著。

3.5.2 区域异质性分析

在不同的区域机器人的推广和应用水平不同,各地区制造业企业的发展水平也不同。例如沿海地区相较于内陆地区,拥有更高的经济发展水平、市场化水平以及国际化程度等。在沿海地区,机器人渗透度对劳动力的替代效应影响显著,而在内陆地区替代效应影响不显著[37]。究其原因,处于沿海地区的企业规模大,资金充裕,为了提高生产率,应用机器人的水平更高;处于内陆地区的企业规模小,面临融资机会少、资金缺乏等困难,难以负担工业机器人应用的成本,阻碍自动化的发展[38]。而且沿海地区形成了规模化的机器人产业集聚区,拥有相关配套资源,以及具备更容易招聘到智能制造工程技术人员、工业互联网工程技术人员等高质量劳动力的优势,企业有意愿在机器人应用方面投入资金。沿海地区机器人应用量更多,短期内就业的替代效应更为显著。

根据企业所在地将样本分为沿海和内陆地区。表6回归结果显示机器人渗透度系数在沿海与内陆地区均显著为正,但显著性水平不同。在沿海地区,机器人渗透度对内部控制质量的影响在1%的水平上正相关,内陆地区则是在5%的水平上正相关。这表明机器人渗透度对处于不同地理位置的企业都具有提升内部控制质量的作用,但沿海地区的企业效应更显著,这主要是沿海地区企业的机器人渗透度要高于内陆地区的企业。

3.5.3 行业竞争程度异质性分析

行业竞争程度高意味着企业需要识别并抓住每一次投资机会,并且提前准备投入资金,否则将面临淘汰的风险。在竞争激烈的行业中,具备优势的企业会通过人才战、价格战等方式打压竞争对手。因此,企业往往要应对较为复杂的内外部环境和变化,更有动机去应用机器人技术,提高机器人应用水平,提高生产率,降低产品价格,以期在同质化竞争中脱颖而出,提高市场份额[39]。相较于行业竞争程度低的企业来说,行业竞争程度高的企业中机器人应用水平较高,对内部控制质量的影响更显著。采用企业所处行业的赫芬达尔指数来度量竞争程度,赫芬达尔指数越小,表明竞争程度越激烈。根据每年制造业的赫芬达尔指数的中位数,将样本分成2组。小于中位数为竞争程度高,大于中位数为竞争程度低。表6结果显示机器人渗透度的系数在竞争高的组中显著为正,而在竞争低的组中并不显著。这表明处于行业竞争度高的企业机器人应用水平更高,因此机器人渗透度对内部控制质量的提高效应在行业竞争程度高的企业中更显著。

表6 异质性分析回归结果

4 研究结论及建议

文章以2011—2019年沪深两市A股企业为样本研究工业机器人应用与内部控制质量的关系,并探索了股权集中度的调节作用。回归结果表明:一是机器人应用对内部控制质量有促进作用。二是股权集中度在工业机器人应用的促进关系中起负向调节作用。三是在异质性分析部分,相比于国有企业,非国有企业的效果更为显著;相比于处在内陆地区的企业,在沿海地区的企业的效果更为显著;相比于行业竞争低的企业,行业竞争高的企业效果更显著。

为提高内部控制质量,推进制造业生产过程智能化,促进经济高质量发展,提出以下建议:第一,政府层面。政府应发布与工业机器人产业相关的促进政策,赋能制造业转型,助力智能制造前进步伐,推动工业机器人的应用。首先,加快构建高技能复合型人才培养,充分发挥职业技术教育的作用,为制造业高质量发展输送高层次人才;其次,出台和健全相关社会保障制度,精准帮扶重点人群,防止因就业替代导致大规模失业;最后,应给予企业技术应用支持,加快企业加入技术智能运用队列中,打通使用工业机器人的渠道。第二,企业层面。企业应优化股权结构,以免股权过于集中抑制机器人应用对内部控制质量的提升效应。除此之外,管理人员应合理利用机器人应用对内部控制质量的促进机制,以产权性质、区域及行业竞争水平为依据,采取合适策略,保持恰当的机器人应用水平。例如:非国有企业应积极引进并培养高技能人才,促进转型升级,实现工业机器人应用产业化;国有企业则需改变人才资源配置,激发员工积极、自主学习的动力。第三,劳动力层面。一方面,员工应发挥主观能动性,为适应不断变化的工作环境,积极主动地学习新技能、新知识,提高自身技能素质和岗位需求的适配性,增强竞争力。另一方面,员工应紧跟时代发展的步伐,抓住机遇,随着人工智能时代的发展,例如物联网、大数据等相关领域,寻求更多的就业机会。