本文为“量化历史研究”第 229 篇推送
机器人正日益参与到劳动力市场中
（图片来源于网络）
最近，随着人工智能和机器人的大热，科技领袖们屡屡提出“未来50%的就业会被AI取代”、“三十年后我们都将失业”的警告，技术革新将加剧就业压力的隐忧越来越成为悬在每一个年轻人之上的达摩克利斯之剑。而且这并不是耸人听闻，前沿经济学者已经论证了最近二十年里美国工业机器人的广泛运用已造成失业率有所提高，特别是在劳动力密集型产业中尤为明显。
这个发现并不令人惊奇。在传统社会，统治者拒绝创新的一大理由就是认为先进技术会冲击旧有就业格局，导致大量失业，从而影响稳定。比如近代中国历史上关于铁路的争议中，保守派大臣就担忧铁路兴建会使得运河水手和挑担伙夫无立锥之地，而这群人本就是最不安分的。
这种担忧不是毫无根据的，不少文献已经关注到技术革新与社会动荡的关系。最近一篇来自Bruno Caprettini和Hans-Joachim Voth的工作论文“Rage Against the Machines: Labour-Saving Technology and Unrest in England, 1830-32”，对英国工业革命进程中这一现象进行了考察，发现脱粒机的广泛利用造成农业工人失业，从而引发斯威暴动（Swing Riots）。
图1 19世纪的脱粒机
斯威暴动是发生在1830年夏秋季节英格兰的一场骚乱，主要是在农村地区，在发起暴动的威胁信中常常署名为斯威船长（Captain Swing），因此而得名。和稍早前在城市工业领域发生的“卢德运动”相似，农民（具体而言，处于底层的佃工、短工）因为感受到种种压力，揭竿而起，在英格兰大地上破坏了数以百计的农业机器（超过90%是脱粒机，当时最重要的农业机械）。最终，农场主们不得不作出妥协，给予农业工人更好的待遇，这次骚乱才平息下去。
图2 斯威暴动的地理分布
在分析了当时的社会环境之后，作者认为除了过去聚焦的农村赋税加重、旧济贫法面临废除、法国革命的影响对暴动的解释之外，农业短工面临数以十万的拿破仑战争退役军人和农业机械的严酷劳动力市场竞争所带来的直接利害关系，是本次骚乱之所以发生的关键所在。夏秋之际也正好是麦子收割时节，脱粒机的广泛使用让过去以打谷为生的农业短工们季节性失业。作者判断虽然同样是竞争者，但是短工们不可能跟退伍兵哥哥拼个“以卵击石”，所以他们的仇恨就引向了不会说话的脱粒机。因此提出假设，当地脱粒机越多，这种劳动力竞争就越强烈，越有可能引发骚动。
为了检验脱粒机的数量对于暴动的影响，作者收集整理了脱粒机广告信息、斯威暴动时空数据、1821年英国各教区人口调查、联合国粮农组织（FAO）提供的农业环境数据和其他一些经济社会数据。其中，作者将报刊广告中脱粒机出现在各地的频次作为解释变量各地脱粒机数量的替代，而各地发生暴动事件次数则是因变量。
图3 作者提供的脱粒机广告样例
在控制人口密度、与大城市的距离、农业就业结构、教区面积等变量后，作者的基准回归结果显示，当地使用脱粒机的数量越多，所引发的暴动次数也就越大。在添加了教区的固定效应和将解释变量限定为农村地区发生的暴动情况后，脱粒机的贡献依然显著。
图4 小麦产出潜能与暴动的关系
作者使用FAO提供的小麦产出潜能作为工具变量来进一步识别这个因果关系。首先在统计中，作者即发现了适宜指数高低所带来的脱粒机数量的显著差异。并且在理论上，因为19世纪英国农业市场的高度自由化，脱粒机对于小麦生产又是如此重要，小麦种植旺盛的地区显然会具有更多的脱粒机需求，作者选择该工具变量是站着住脚的。作者建立了2SLS模型及其简化方程，检验了小麦适宜性对于暴动的影响。因为这个作用只能是通过脱粒机的数量来传导，由此进一步验证了前述因果推断的可靠性。
同样地，作者还进行了一些稳健性检验。因为FAO的小麦期望产量是建立在现代农业基础上的，19世纪还不存在化肥、良种和先进农业管理，所以作者用低投入水平下的产出数据重新进行了2SLS以及简化方程的检验，依然可得到之前的结论。控制空间自相关效应、改用纵火犯数量作为因变量以及将样本限定在距离新闻点40英里之内，结论也依然成立。
作者用历史上的事件证明了技术革新可能造成的负面效应，从而呼应了当代对于“AI换人”的担忧。虽然从长远来看，机器人或者人工智能的应用势必会促进经济社会发展和人类自身的解放，但是在短时期内对低层次劳动市场肯定会造成冲击。如果不能未雨绸缪，在发展机器人等技术的同时，调整升级劳动力结构，斯威暴动的重演恐怕也不是危言耸听。
文章来源：Caprettini, Bruno, and H. J. Voth. “Rage Against the Machines: Labour-Saving Technology and Unrest in England, 1830-32.” Workpaper，2017.
原文链接：请点击左下方【阅读原文】
“量化历史研究”公众号由陈志武（耶鲁大学终身教授、香港大学冯氏基金讲席教授）和龙登高（清华大学社科院经济研究所教授）及其团队负责。以严肃而又不失活泼的方式，向广大学界和业界朋友，定期推送有关七大洲五大洋的量化历史研究经典文献和前沿文献。本账户同时作为“量化历史讲习班”信息交流平台，向大家及时发送讲习班的最新信息和进展。喜欢我们的朋友请搜寻公众号：QuantitativeHistory，或扫描下面二维码关注。
关注订阅号的同时，我们也诚邀八方学人发送电邮建言献策。“量化历史研究”旨在凝聚一批对历史研究有激情、有热情的朋友，共同推动以量化的方法研究经济史，金融史、政治史、社会史、文化史等各类历史题材，分享观点，共享资料。我们的邮箱：lianghualishi@sina.com。期待您的声音！
轮值主编：何石军 责任编辑：彭雪梅
点击“阅读原文”查看英文原文
始发于微信公众号：量化历史研究
