本研究基于康茜（2021）与芦婷婷（2021）的测算方法，结合IRF（国际机器人联合会）公布的中国各行业工业机器人安装量数据（涵盖IFR分类标准中的14个大类，对应《国民经济行业分类与代码（GB/4754-2011）》中13-43的细分行业代码），并整合《中国劳动统计年鉴》中各省份细分行业就业人数占全国总就业人数的比例，构建工业机器人安装密度指标，计算公式为：工业机器人安装密度 = 细分行业省份就业占比 × 全国各行业机器人安装数量，旨在系统分析2006-2023年中国各省份工业自动化水平的动态变化及区域差异。
一、数据介绍
| 数据维度 | 具体内容 |
|---|---|
| 数据名称 | 工业机器人安装密度 |
| 数据范围 | 中国31个省份 |
| 数据年份 | 2006-2023年 |
| 数据样本量 | 558条 |
| 原始数据来源 | IFR国际机器人联合会 |
| 数据整理机构 | ACADCN 数研慧通 |
二、数据指标体系
本研究的核心指标如下，通过多维度数据刻画工业机器人安装密度的时空特征：
- 年份：反映时间序列变化；
- 省份代码：用于标识省份的唯一编码，便于数据标准化处理；
- 省份：明确具体省份，直观呈现区域分布；
- 所属地域：划分省份所属的地理区域（如东部、中部、西部等），辅助分析区域差异；
- 工业机器人安装密度：核心分析指标，衡量各省份单位劳动力对应的工业机器人安装数量，体现自动化渗透水平。
三、参考文献
- 康茜, 林光华. 工业机器人与农民工就业: 替代抑或促进[J]. 山西财经大学学报, 2021, 43(02): 43-56.
- 芦婷婷, 祝志勇. 人工智能是否会降低劳动收入份额——基于固定效应模型和面板分位数模型的检验[J]. 山西财经大学学报, 2021, 43(11): 29-41.
- 闫雪凌, 朱博楷, 马超. 工业机器人使用与制造业就业: 来自中国的证据[J]. 统计研究, 2020, 37(01): 74-87.
- 王永钦, 董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究, 2020, 55(10): 159-175.
资源下载
下载价格10 元