机器人普及与低龄老年人就业挤出：事实、机制与政策含义
2024-11-08   来源：蔚金霞 李民 倪晨旭 高文书   

探讨老年人就业潜能及其影响因素已成为应对全球人口老龄化的关键议题。提升老年人劳动参与率和经济独立性，不仅有助于缓解人口老龄化的压力，也是对老年人实现自我价值需求的一种回应。然而，相对于核心劳动年龄段，老年劳动力在教育水平、技能更新能力及身体状况等方面普遍处于劣势，限制了他们就业的可能性。同时，制度环境与社会支持等外在因素也对老年人的就业选择产生了深刻影响。因此，协调各种复杂因素以充分发挥老年劳动力潜力，成为应对人口老龄化的紧迫任务。

与此同时，科技革命和产业变革的新浪潮推动了智能自动化技术的广泛应用，深刻地重塑了传统的就业模式。机器人作为智能自动化的代表性技术，其大规模的推广和应用已经对劳动力市场的供需关系及竞争格局产生了显著影响。作为先进的智能生产要素，机器人在降低生产成本、提升工作效率和产品质量等方面展现出巨大潜力。这不仅改变了劳动力需求结构，增加了失业风险，同时也为创造新的就业机会和发展路径提供了可能。

特别是对于老年劳动力这一人力资本相对薄弱的群体，机器人等技能导向型技术变革的冲击尤为显著。技术进步不仅改变了劳动力市场对技能的需求，还加速了人力资本的折旧。老年劳动力的持续就业能力取决于他们更新技能的成本收益权衡。一方面，老年就业受到多重限制，他们的适应能力较弱，机器人的应用可能会加剧这些限制，导致他们被替代或边缘化；另一方面，机器人技术也可能为老年人提供新的就业机会，拓宽发展道路，提升其技能和竞争力，从而增加工作参与度和满意度。因此，在理论层面上，机器人应用对老年人就业的影响仍然具有一定的不确定性。

现有文献虽然从人力资本、制度因素以及非经济因素等多维度探讨了老年就业问题，但对于技术变革如何重塑老年劳动力的就业机会尚缺乏足够关注。深入分析机器人应用对低龄老年就业的影响，并厘清其产生的到底是拉动效应还是挤出效应，对于平衡技术发展与就业关系，实现包容性增长具有重要意义。为此，本文基于全国代表性的老年追踪调查数据，并结合城市层面的机器人应用数据，进行了实证检验。研究发现，机器人应用对低龄老年人就业产生了显著的负面挤出效应。为了缓解可能存在的内生性问题，本文采用了多种稳健性检验方法，包括应用工具变量法、调整聚类和固定效应层级、利用低龄样本、采用不同模型、结合倾向得分匹配、替换变量测量等方法。此外，本文还深入探讨了机器人应用对老年就业影响的机制，从就业环境传导、老龄化观念及社会适应力，以及福利水平等方面进行了细致分析。最后，本文通过异质性分析进一步考察了机器人应用对不同老年群体就业的影响差异，揭示了哪些老年群体的就业更易受到挤出效应的影响。

（一）文献综述

就业问题一直是经济学界关注的焦点,亦是社会发展的关键民生议题。根据经典的劳动—闲暇模型，劳动者在消费与休闲之间进行效用最大化的选择，其中非劳动收入对劳动时间的选择发挥着重要影响。Gronau在此基础上引入了家庭生产时间的概念，指出个体的市场劳动时间受到家庭内部共同决策的制约，旨在实现家庭整体效用的最大化。在这一理论框架下，已达到退休年龄的老年人可能会选择退出劳动力市场，或因家庭经济状况等因素而重新就业。传统文献主要从人力资本理论、制度经济学和非经济因素三个视角探讨了影响老年人就业决策的关键因素。人力资本理论强调教育投资和工作经验在收入决定中的重要性，相关研究表明，教育水平较高、工作经验丰富和健康状况良好的老年人更倾向于就业。制度经济学视角则关注公共政策和制度环境（如退休政策和企业养老金制度）对老年就业决策的显著影响。最后，非经济因素视角的研究发现，社会支持和家庭责任等因素通过影响老年人的时间分配和生活满意度，间接作用于他们的就业选择。

尽管上述研究突出强调了多方面因素，但较少系统考察技术变革如何重塑老年人的就业前景。目前关于技术变革影响就业的研究主要集中于技能偏向视角（skill-biased technical change）和任务偏向视角（task-biased technical change）。前者强调，技术变革会替代低技能劳动，提升对高技能劳动的需求，从而扩大工资差距，主要基于技术替代了规范化的人力操作，而更依赖人力完成创新性工作。后者则强调，技术会替代可规范化的常规性任务，增加对非常规性任务的需求，主要基于技术替代了重复性任务，而更依赖人力应对灵活变化的任务。这两种视角均暗示，新技术可能会替代老年人现有的知识结构、技能和工作类型，从而挤占其就业岗位。

在新一轮科技革命和信息革命的大背景下，以工业机器人为代表的智能自动化技术对劳动力市场造成了深远冲击。智能制造的快速发展及其战略地位的确立已然成为不可逆的大趋势。总体而言，自动化技术在岗位替代方面的影响力远超过其他技术进步，因此其对老年劳动力群体的潜在冲击值得格外关注。

现有文献研究了机器人应用对就业和工资的总体影响及结构性影响，从技能结构、产业分布、空间配置等多个角度予以阐述，关注了就业数量、工资水平和就业质量等多重效应。部分文献还探讨了老龄化对企业采用自动化技术的促进作用，以及自动化技术在缓解老龄化对经济增长不利影响方面的潜在益处。从总体就业量来看，机器人应用对就业需求效应包括正向的生产率效应、岗位创造效应，以及负向的岗位替代效应。国内研究表明，机器人应用的负向替代效应更为显著，导致总体上的负面就业冲击。在不同年龄群体中，年长劳动力面临更为严重的负面冲击。与年轻一代相比，中老年劳动力因教育水平快速提升和初始人力资本水平的差异而处于竞争劣势。尤其在技能导向的快速技术变革中，对高技能人才的需求更加迫切，岗位技能需求也变得更加灵活多变。因此，中老年员工更难适应这些变化。当就业需求遭受负面冲击时，中老年劳动力将面临更大的不利影响，更容易遭受失业。研究还发现，机器人应用对老年群体的影响更为显著。失业率的上升将降低劳动者的参与积极性，产生沮丧的工人效应，导致他们退出劳动力市场。对于处于就业生命周期末期的老年群体来说，他们更容易因此类冲击而放弃就业，完全退出劳动力市场。

（二）理论机制

在上述文献的基础上，本文提出核心假设：机器人应用会对老年劳动力的就业造成挤出效应。为深入理解这一潜在影响路径，本文首先从理论上梳理了机器人应用对老年就业产生影响的三种可能机制。

首先，机器人应用可能会通过改变劳动力市场的需求结构，使老年劳动力面临就业机会减少的不利局面，这构成了就业环境传导效应。一方面，机器人的替代作用导致部分劳动密集型岗位被淘汰，劳动力市场的总体需求因而减少；另一方面，随着我国高等教育规模的迅速扩张，年轻一代劳动力的教育程度和通用技能水平均有显著提高，而老年劳动力长期累积的专业技能则可能难以适应产业结构快速变迁带来的新型技能需求变化。在这种人力资本差异的影响下，劳动力市场对技能型岗位的年轻劳动力需求相对增加，而对老年劳动力的相对需求则出现下降。

其次，机器人应用可能会通过影响老年人的老龄化观念和社会适应力，进而降低他们的就业意愿和能力，这构成了老龄化观念效应。具体而言，机器人应用改变了工作内容和环境，提高了岗位技能要求，加剧了老年人面临的职业技能更新压力，超越了他们的适应能力范围。老年人相比年轻人在适应新型技能需求方面存在天然困难，且一般较少参与职业技能培训。同时，自动化技术削弱了工作的自主性和创造性，将老年人局限于简单重复的辅助性工作岗位，损害了他们的成就感和工作满足感，进而影响工作激励。此外，用人单位可能基于老年工人适应新技术能力较弱的偏见，在招聘和晋升中对其实施年龄歧视，打击老年人的就业自信心。这些变化加剧了老年人对老龄化的负面认知，以及对社会技术变革的焦虑和畏惧情绪，可能会降低他们重返劳动力市场的意愿。

最后，机器人应用可能会通过改变老年人的福利水平，对其就业产生双重影响，这构成了福利配置效应。一方面，自动化技术可能会导致老年人收入水平下降，削弱其消费能力和生活质量，激发经济动机促使他们出于经济需要而重返就业市场；另一方面，自动化技术也可能会对老年人的健康状况造成负面影响，而健康状况的恶化则会抑制他们的就业意愿和能力。因此，自动化技术对老年就业的影响体现了经济激励与身体能力的双重约束，凸显了技术进步对老年劳动力市场的复杂影响。

接下来，本文将基于全国代表性的老年人微观调查数据对理论分析进行实证检验。

（一）样本数据

本文主要采用的微观数据来源于“中国老年社会追踪调查”（China Longitudinal Aging Social Survey，CLASS）。CLASS由中国人民大学人口与发展研究中心和老年学研究所共同发起，自2014年起每两年进行一次全面的追踪调查。该项目采用了精心设计的分层多阶段概率抽样方法，覆盖了30个省份、400多个村级单位和1.1万多名60岁以上的老年人。这一广泛的抽样范围确保了数据具有良好的全国代表性，为分析中国老年就业问题提供了可靠的微观基础数据。本文选取了2014年至2018年三期CLASS数据。考虑到高龄老人较少参与劳动，本文将样本年龄限制在60至75岁的低龄老人。在机制分析中，本文还使用了2015年1%人口抽样调查数据和2018年中国企业—劳动力匹配调查数据（CEES）作为补充。此外，本文城市宏观经济数据来自历年《中国城市统计年鉴》。

（二）变量选取与描述统计

因变量：老年就业。根据国际劳工组织关于就业的定义，对于老年人群体从事有偿工作即可认为是处于就业状态。因此本文根据老年人对“目前您是否从事有收入的工作/活动”的回答情况构建其就业状态的二元虚拟变量，1=是，0=否。结合本文样本年龄区间，即本文所定义的就业是60岁至75岁老年人在当年是否从事有收入的工作或活动。

核心解释变量：机器人渗透度。国际机器人联盟提供了各国家/地区不同年份在各个行业的机器人安装量和存量数据，这已成为已有文献分析机器人渗透度的通用数据来源。但是，该数据反映的是整个行业层面的机器人应用水平，无法直接呈现地区层面的机器人冲击力度。在现有研究中，采用Bartik变量的构造方式较为普遍，以基期各城市不同行业的就业份额为权重，将行业层面的机器人应用水平进行加总，从而得到城市层面的机器人渗透度，用以反映城市层面受到的机器人冲击力度。具体构造公式如下：

其中，下标s表示行业，c表示城市，t表示年份，robot_st表示s行业在t年的工业机器人安装量，数据来源于IFR。L_s2010表示s行业在基期的就业人数。由于中国工业机器人的大规模应用主要发生在2010年之后，因此选取2010年各行业的就业人数作为基期行业就业水平的代表，数据来源于2011年《中国劳动统计年鉴》。表示城市c在基期时s行业的就业份额，可以反映不同城市受到机器人影响的程度。如果高机器人应用程度的行业在某一城市基期占有较高就业比重，则机器人应用对该城市劳动力的冲击也会更大。基期就业份额的计算数据来源于2005年1%人口抽样调查，选择距离机器人应用较早的基期，也可充分避免就业份额受到机器人应用的影响。此外，国际机器人联盟关于行业划分的方式，特别是制造业细分行业的划分，与中国行业分类标准存在一定差异。本文参考已有文献处理方法，依据所有经济活动的国际标准行业分类内容，将国际机器人联盟的行业划分与国民经济行业分类标准进行对应，共得到21个行业的匹配分类。

其他变量。本文参考文献综合考虑了以下人口统计学和社会经济特征变量：（1）个体层面变量包括老年人性别（男性=1，女性=0）、年龄、婚姻状况（已婚有配偶=1，未婚、分居、离异、丧偶=0）、居住地（城市=1，农村=0）、教育程度（使用虚拟变量表示最高学历层次，包括小学、初中、高中及以上）、养老金（享有城镇职工或城乡居民基本养老金=1，其他=0）以及与其共同居住的家庭成员数量；（2）城市层面变量包括经济发展水平（包括人均GDP的对数值和GDP增长率）、产业结构（包括第二产业增加值占GDP比重和第三产业增加值占GDP比重）和公共服务水平（基于城市公共服务供给相关统计数据，包括人均医院卫生院数、床位数、医生数等，由主成分分析法逐年计算后得出的标准化指标）。表1报告了主要变量的描述性统计。

（三）计量模型设定

本文构建双向固定效应模型以实证检验机器人应用对老年就业的影响，基准回归方程设定如下：

其中，i表示个体，c表示城市，t表示年份。Workict为老年个体在当年是否选择就业的虚拟变量；Robot_ct为城市—年份层面的机器人渗透度，其系数β₁是本文的核心关注点，反映机器人应用对老年就业的影响；Z_it为个体层面控制变量；Z_ct-1为滞后一期城市层面控制变量；μ_c和υ_t分别代表城市和年份固定效应；ε_ict是随机误差项。

（一）基准回归结果

表2报告了模型（1）的基准回归结果。第1列仅基于核心解释变量机器人渗透度，未进行其他控制。在此基础上，第2列引入城市和年份的双向固定效应，以消除城市层面时间不变特征以及全国层面宏观冲击对结果的潜在影响。第3列和第4列进一步加入了个体和城市层面的控制变量。结果显示，在不同的模型规范下，核心解释变量机器人渗透度的系数估计值均在1%的统计显著性水平上为负，且数值基本稳定。具体而言，第4列结果表明，机器人渗透度每增加1台/万人，老年人的就业概率会显著下降1.2个百分点，这一变化大约占平均就业概率的5.4%。基准回归结果为本文的核心假设提供了初步的经验支持，即机器人应用会显著挤出部分老年劳动力的就业。

（二）稳健性检验

潜在的内生性问题可能会使基准回归估计结果产生偏误。首先是反向因果。从直观上看，个体老年人的就业决定不太可能对整个城市的机器人采用水平产生显著影响，但是，不能排除机器人应用水平的提升是由劳动力供给减少和劳动力成本上升所驱动的，换言之，老年劳动力的集体退出可能会刺激企业更广泛地采用机器人。其次，若存在某些未观测到的区域特征，同时对机器人渗透率和老年人就业产生影响，则可能导致遗漏变量偏误。例如，地区文化规范或产业基础可能同时影响老年人的就业意愿和机会，以及企业对机器人的需求和接受程度。此外，特定产业对机器人的采用可能与影响该产业的其他发展趋势或产业集聚的经济条件相关。为控制遗漏变量偏误，本文采用了城市和年份的双向固定效应以及城市特征变量控制，有效消除了时间不变遗漏变量的影响，但仍然不能完全排除时变因素的潜在影响。最后，本文使用的机器人渗透率数据和自我报告的就业状态可能存在测量误差。例如，机器人渗透率的计算基于国际机器人联合会的统计数据，但这些数据可能存在一定的滞后性和不完整性，无法完全反映各个城市的实际机器人应用水平。同样，自我报告的就业状态可能受到主观性和偏差的影响。

因此，本文利用工具变量法来综合缓解上述内生性问题，并进行了一系列稳健性检验，以增强结果的稳健性和推断效度。

1.使用工具变量

参考已有文献普遍做法，本文采用其他国家的机器人应用水平作为工具变量。在已有基于中国工业机器人渗透度的研究中，通常选择美国的机器人应用数据来构造工具变量。一方面，美国在全球机器人应用水平处于领先地位，能够反映特定行业的技术进步，且与中国的工业机器人应用具有相似的发展趋势；另一方面，美国行业层面机器人应用与中国应用的其他本土影响因素不相关。工具变量的具体构造如下：

  式中，仍表示各地区行业基期的就业份额，表示美国行业s的工业机器人安装量，表示美国s行业基期的就业水平。其中，美国分行业就业数据来源于美国经济研究局和美国国家经济研究所，基期设定为1990年。

表3第1列报告了工具变量法回归结果，工具变量通过了弱工具变量检验。结果显示，在缓解内生性问题后，机器人渗透度每增加1台/万人，老年就业概率显著下降13.7个百分点。这一结果与基准回归的方向一致，进一步支持了机器人应用对老年劳动力就业产生显著挤出效应的因果关系。工具变量法增强了效应估计的内在效度，表明本文的核心发现是可靠的。

2.调整聚类和固定效应层级

为了更严谨地评估回归结果的稳健性，本文进行了聚类和固定效应层级的调整。表3第2列将固定效应层级从城市层面细化到个体层面，第3列则是将回归标准误在城市层面进行了聚类。结果显示，机器人渗透度系数在两种规范下仍旧在1%的水平上显著为负，且系数值变化不大，这表明本文所得出的结论较为稳健，不会因聚类和固定效应层级的调整而发生实质性改变。

3.使用低龄样本

考虑到高龄老年人的劳动参与率较低，本文在基准回归中限制了样本年龄在60—75岁之间。为验证结果的稳健性，本文进一步考察60—70岁的低龄老年人群体。表3第4列报告了这一低龄老年样本的回归结果。结果表明，即使在此更窄的年龄范围内，机器人渗透度对老年就业的负面影响仍然显著，证实了主要结论的稳健性。

4.更换模型

本文的因变量老年就业为二元虚拟变量，基准回归采用了统计推断性能更优良、结果更直观易解释的线性概率模型（OLS）进行估计。为测试结果的稳健性，本文另外采用了Probit和Tobit两种模型进行了重复估计。Probit模型更适合处理二元变量，Tobit模型则可以处理数据中大量零值造成的截尾特征。这两种模型估计的结果分别报告在表3的第5列和第6列。结果显示，无论采用哪种模型，机器人渗透度系数均在1%的显著性水平上为负，表明文章结论不因模型规范的变化而改变。

5.结合倾向得分匹配

为减轻可观测变量可能导致的选择性偏误，本文采用倾向得分匹配方法（PSM）对样本进行了预处理。具体而言，本文以基准模型中的个体层面和城市层面特征为自变量，运用Logit模型估计了个体的倾向得分，然后将倾向得分落在共同区间内的个体进行逐年1:1匹配。剔除无法找到合适匹配个体的样本后，本文在匹配样本上重新进行了固定效应回归。表3第7列报告了匹配样本回归的结果。可以看出，在尽可能减轻选择偏误后，机器人应用依然显著挤出了老年就业。这表明本文的核心发现是稳健的，不会被可观察个体特征的系统性差异所驱动。匹配方法通过改善对照组的可比性，增强了因果推断效度。

6.替换变量测度方式

为测试结果的稳健性，减轻测量误差影响，本文对核心变量进行了替代测度，重新进行回归估计。在基准回归中，本文采用了当年工业机器人的新增安装量来测度机器人渗透程度。作为替代，本文重新构建了以工业机器人存量测度机器人渗透的新的核心解释变量。表3第8列结果显示，核心解释变量的系数仍然显著为负，说明本文结论不受变量测度方式的改变而影响。

经验分析已证实了机器人应用对老年就业产生显著的挤出效应，但对于这一效应的产生机制，现有文献尚未提供充分的解释。基于前文的理论分析，本文继续实证检验机器人应用对老年就业产生影响的三种潜在影响机制。

（一）就业环境传导效应

由于CLASS数据仅涵盖60岁以上老年个体的就业信息，为了验证就业环境传导机制的有效性，本文补充利用了其他数据源。首先，本文采用了2015年1%人口抽样调查数据，该数据具有高质量、大样本和丰富变量的特点，包含了个体的基本人口特征和当前就业状况。本文选取了45—60岁的中年样本，以检验其就业概率和劳动参与率的变化情况。其次，本文使用了2018年中国企业—劳动力匹配调查数据（CEES），该数据提供了劳动力所在企业的工业机器人使用情况和雇佣特征。相较于基于城市层面的机器人密度指标，这种企业—劳动力匹配数据更加精确，可以更好地验证机器人应用对中老年劳动力就业的影响。具体来说，本文检验了企业应用工业机器人是否加剧了中老年职工的就业困境。本文选取的变量包括当年离职人数、机器人净替代员工数、员工平均年龄以及45岁以上员工占比等。

表4报告了就业环境传导机制的回归结果。第1列和第2列结果显示，机器人应用显著降低了中年劳动力的就业概率和劳动参与率，恶化了中老年劳动力的总体就业环境，这无疑会进一步影响退休老年人的就业市场。第3列至第6列基于企业—劳动力匹配数据更深入地反映机器人应用导致离职人数增加、员工被机器人替代数上升，以及员工平均年龄和45岁以上员工占比显著下降，这些充分证实了机器人应用对中老年员工就业造成的压力。

注：第1、2列回归数据来源于2015年1%人口抽样调查数据，控制变量包括个体年龄、性别、是否达到法定退休年龄、受教育程度、婚姻状况、户口类型、家庭人口数和省份固定效应；第3列至第6列回归数据来源于2018年中国企业-劳动力匹配调查数据（CEES），控制变量包括企业注册类型、资产负债比、企业规模、营业总收入对数和制造业细分固定效应以及城市固定效应；第1、2列的机器人渗透度变量构造与本文基准回归一致，第3列至第6列使用企业人均工业机器人台数构造。

（二）老龄化观念效应

为评估老龄化观念和社会适应力的变化，本文构建了以下两项指标：（1）自我衰老认知，通过老年人认为自己开始衰老的年龄与实际年龄的差值来表示主观衰老感知。差值小于零者被认为已有老化自我认知，取值为1，反之为0。（2）社会适应力，根据老年人对四个反映当代社会变迁的陈述的认同程度进行测量，陈述包括：“社会变化太快，我很难适应”“越来越多的新观点让我难以接受”“越来越多的新政策让我难以适应”“现在的社会变化对老年人越来越不利”。每项陈述的认同程度由1—5表示，分值越高表示社会适应力越低。

表5报告了机器人应用对这两项指标的回归结果。第1列结果显示，机器人应用显著增加了老年人的自我衰老认知，暗示机器人等自动化技术的广泛应用可能加速老年人的老龄化观念。第2列至第4列结果表明，机器人应用使老年人在适应当前社会变迁、价值观念和政策方面感到更困难，这也反映在第5列中老年人认为社会变化对整个老年群体越来越不利的结果上。综上所述，机器人应用不仅加剧了老年人的老龄化观念，也降低了他们的社会适应力，从而降低了其就业的概率。

（三）福利配置效应

最后，本文探讨了机器人应用如何通过影响老年人的福利水平，进而影响他们的就业决策。福利水平从三个维度展开：收入、消费与健康。（1）收入方面以老年人去年总收入的对数值作为指标。（2）消费方面包括消费规模和消费结构。消费规模指老年家庭消费支出量的变化；而消费结构则是各类消费支出在消费总支出中的占比变化，以反映居民消费品质。本文依据马斯洛需求层次理论，将消费内容划分为生存型、发展型和享受型消费。其中，食品消费被归类为生存型，交通、医疗和护理消费被划分为发展型，而文化娱乐消费则被视为享受型。通过发展型和享受型消费占家庭总消费的比例来分析老年家庭消费结构的变化。代表性指标包括老年人均总消费、老年人均文娱消费以及消费支出结构变化。（3）健康方面考虑两个指标：一是自评健康，分为很不健康、比较不健康、一般、比较健康、很健康五个等级，依次赋值1—5。二是住院状况，老年人近两年内有住院经历=1，无=0。

表6报告了机器人应用对老年人福利水平各维度的影响。在收入方面，机器人应用显著降低了老年人的年总收入。在消费方面，尽管老年人总消费支出有所增加，但代表享受型消费的文娱消费显著减少，并且消费结构出现了从发展型和享受型消费向生存型消费的转变，显示出消费福利水平整体下降。在健康方面，机器人应用使老年人的自评健康明显恶化，并导致住院率上升，进一步证实了健康福利的下降。

在探讨机器人应用对老年就业的影响中，本文特别关注了不同老年群体的异质性反应。为此，综合考量了性别、年龄、婚姻状况、城乡属性、教育程度、养老金获得情况等个人特征，以及城市的经济发展水平和公共服务水平等城市特征。通过引入交互项的回归模型，本文进行了严格的异质性分析，其结果汇总于表7。

结果显示，机器人应用对老年就业的挤出效应存在显著的群体异质性。具体来说，男性、高龄、已婚及享受养老金的老年人更易受到自动化浪潮的冲击而退出劳动力市场。这可能源于这些群体的劳动供给弹性较低，使得他们的就业决策更易受技术进步的影响。相较之下，在城乡差异和教育程度方面，异质性效应并不显著。此外，经济较发达和公共服务较完备的城市中，技术应用的挤出效应更为强烈，这可能归因于这些地区的老年人拥有更多的闲暇时间选择和更完善的社会保障体系，从而更倾向于离开劳动力市场。

本文从智能自动化技术发展对老年劳动力市场的影响这一新视角，探讨了机器人应用与老年就业之间的关系。基于城市层面机器人渗透度数据与具有全国代表性的老年追踪调查数据，本文研究发现，机器人应用对我国老年人的就业产生了显著的负面挤出效应，即机器人应用的增加会降低老年人的就业概率。这一发现与国际上对智能自动化技术影响的研究相符，表明这种技术进步对老年劳动力市场的影响具有普遍性。

进一步的机制分析表明，机器人应用的挤出效应主要通过三个渠道对老年就业产生影响。首先，就业环境传导效应表现在机器人技术改变了劳动力市场需求结构，从而减少了老年人的就业机会。其次，老龄化观念效应体现为机器人技术加剧了社会对老年人的老龄化看法，降低了他们的社会适应能力。最后，福利配置效应在于机器人技术改变了老年人的收入、消费和健康福利水平，从而影响了他们的劳动供给决策。

此外，机器人应用的挤出效应在不同老年群体间存在显著的异质性。具体来说，这种效应在男性、较高龄、已婚、领取养老金的老年人以及生活在经济发达、公共服务完备地区的老年人中更为明显。这表明机器人技术对老年就业的影响并非均一，而是受到个人特征和所处社会环境的综合作用。鉴于这些结果，本文提出以下政策建议。

第一，增强劳动力市场的灵活性。为了更有效地利用老年劳动力，特别是低龄健康老年人这一宝贵的人力资源，政府应该采取措施增强劳动力市场的弹性，促进老年劳动者的就业和创业。具体而言，政府应该加大对老年劳动者的职业培训和终身教育的投入，帮助他们提高技能水平，适应技术变革的需求，增强他们的劳动生产率和竞争力。同时，政府应该在政策设计中充分考虑老年劳动者的特殊需求和偏好，如提供更灵活的工作时间安排、创造对老年员工友好的工作环境等，激发他们的就业积极性。

第二，促进劳动力市场的包容性增长。为了保障老年劳动者的就业权益，政府应该通过税收优惠、补贴等激励机制，鼓励企业创造更多适合老年人的工作岗位，改善他们的就业条件，实现不同年龄段的劳动力的平等就业和公平待遇。具体而言，政府应该从以下三个方面着手：一是通过立法和监督，消除对老年劳动者的就业歧视，保护他们的合法权益；二是通过公共媒体和教育，提高全社会对老年劳动价值和就业的认知，消除对其能力和退出劳动力市场年龄的固有偏见，营造一个尊重和支持老年劳动者的社会氛围；三是加强对老年人的心理健康和社会适应能力的辅导和服务，帮助他们克服技术变革带来的焦虑和恐惧，提高就业信心。

第三，完善社会保障体系。在推动技术发展的同时，政府应该优化社会政策，平衡技术创新与劳动力市场供求的关系，避免技术变革带来的社会分裂和不公。要积极调整和优化老年人的养老金、医疗等社会保障政策，既要保障他们的基本生活需求，又要激励他们基于自身实际条件积极参与就业劳动市场。从而在技术进步与维护老年群体就业、生活质量和尊严之间寻求平衡，实现经济增长与社会发展的良性互动。