數字經濟發展的就業結構效應

葉 胥 杜云晗 何文軍

(1.西南財經大學，四川 成都611130；2.西華大學，四川 成都 611039)

在新冠肺炎疫情防控期間，數字經濟展現出強大的韌性，數字化正深刻改變著居民的生產和生活方式，疫后時代這一趨勢有望持續深化。據《中國數字經濟發展白皮書(2020)》，我國數字經濟發展較快，數字經濟增加值已由2005年的2.6萬億元增加到2019年的35.8萬億元，數字經濟增加值占GDP比重由2005年14.2%提升至2019年36.2%；2019年數字經濟發展對經濟增長貢獻率高達67.7%。數字經濟發展也加快了產業數字化進程，2019年我國農業、工業、服務業數字經濟滲透率分別為8.2%、19.5%和37.8%，在推動就業崗位的數字化轉型的同時催生了一批新崗位新職業，如網絡購物導購員和解說員、網約物流配送員和人工智能訓練師等。隨著我國老齡化進程不斷加快，2010—2018年期間勞動力人口增長率在2015年越過0.9%后逐年下降，就業人口占勞動力人口比例也由2010年0.97下降為2018年的0.96，加快人口紅利向人才紅利轉變，推動經濟高質量發展成為當務之急。數字經濟發展可通過教育領域(Weninger，2017)與就業技能培訓項目的數字化應用提升勞動力競爭力與素養(Spante et al.,2018) ，形成某種意義上的“數字人力資本”(Bach et al.,2013)。得益于互聯網生態的快速興起，“數字人力資本”獲得了新的價值內涵(邱澤奇 等，2016)。黨的十九屆四中全會明確指出，數據作為傳統要素以外的新型生產要素，應納入市場資源配置體系與要素報酬評價機制。當前經濟高質量發展已進入新的歷史交匯點，現代信息技術革命不僅催生了大批新的產業部門興起，其對傳統實體經濟的滲透與融合也正引領經濟邁入新的歷史方位。因此，研究數字經濟的就業結構效應具有現實價值。

基于中國省際面板數據，本文評估了數字經濟發展對就業結構的影響。結果表明，數字經濟發展對就業結構有顯著影響，體現為對不同層面就業結構調整的直接與間接作用。本文豐富了數字經濟和勞動經濟有關研究領域的文獻，提供了就業結構轉型在新經濟形態中表現形式的證據。本文可能的邊際貢獻在于：從數字化基礎設施、數字化交易和數字化載體三個維度測算了省級層面數字經濟增加值，作為衡量數字經濟發展的核心指標；探討了數字經濟發展對不同層面就業結構影響作用以及可能的非線性關系；通過識別數字經濟發展對不同層面就業結構的作用路徑以及門檻效應，進一步深化了數字經濟發展與就業結構調整的認識，有助于理解數字經濟時代背景下我國就業結構調整趨勢，為數字經濟發展、產業結構優化與就業促進政策提供定性與定量依據。

一、文獻回顧

數字經濟本質上是現代信息通信技術廣泛應用于經濟活動的呈現形式，主要表現為人工智能、大數據、云計算和互聯網等數字技術在各產業部門的廣泛應用。數字經濟具備技術進步的特點，而技術進步深刻影響著就業結構。勞動方式可劃分為抽象勞動、程式化勞動與簡單勞動，從事程式化勞動的中等技能勞動者較容易受到技術進步沖擊而被擠出至簡單勞動行列(Acemoglu et al.,2015) ，而技術進步的就業替代效應主要作用于需要中等技能水平的崗位，從而導致就業結構呈現出“中部坍塌”的勞動極化現象。短期內新技術的運用對從事程式化勞動就業者的替代并不明顯，這種“創造性毀滅”只有經過一個較長時期才會逐漸發生(Gaggl et al.,2017)。就業結構極化還存在區域異質性，中國沿海發達地區生活成本與工業智能資本會同時對低技能水平勞動力形成擠出，此時就業結構極化以“單極化”形式呈現(孫早 等，2019)。B?hm(2020)認為，技能偏向性技術進步加速了勞動力群體內部不平等，對就業結構影響更多集中于男性低回報勞動力群體。數字經濟發展可能模糊就業結構邊界，使得高技能勞動力在一天內的不同時間段進行不同類型工作成為可能，從而實現勞動力資源利用上的優化(Mokyr et al.,2015)。

總的來看，數字經濟已開始進入以智能化和物聯網技術應用為核心的發展階段(王文，2020)。Frank(2018)認為在不遠的未來，智能資本投入并不必然擠出活勞動，而更可能以“智能資本+活勞動”的人機協調方式完成具體工作安排。智能資本的引入降低了主要以程式化任務為主的第二產業就業比重，顯著促進了生產性服務業與其他高端服務業就業，誘發了知識與技術密集型行業對勞動力的需求。技術進步引致的勞動工具與勞動對象創新，使得高端就業崗位不斷被創造出來(Graetz et al.,2018)。Cheng et al.(2019)則認為，企業通過投入智能資本對勞動力進行替代是大勢所趨，由于缺乏足夠的集體力量以及議價能力，勞動者往往選擇自愿離崗而非抗議智能資本的大量采用。

數字經濟的互聯網屬性也正深刻影響著就業。互聯網技術發展使得經濟活動的大量信息流得到及時快速處理，有助于緩解信息不對稱和提高勞動力要素市場供需匹配效率(Kuhn et al.,2014)。Hilal(2013)指出，互聯網技術與高技能勞動力之間存在極佳的技術互補性，從而互聯網發展更能促進高知識水平勞動力就業。通過減少融資約束、社會資本約束以及交易成本，互聯網使用也能激發居民創業行為(Zhao,2020)。另外，數字普惠金融通過降低信息不確定性與融資約束，能極大緩解中小企業資本約束，有效提升潛在創業群體合理選擇和使用金融產品與服務的能力，助力創新創業的同時帶動更多就業(謝絢麗 等，2018)。

綜上所述，已有研究主要關注數字經濟的某個具體維度對就業總量或結構的影響，零星研究關注到數字經濟發展的總體規模對產業層面就業結構的影響作用。數字經濟一定程度上擠出了農業部門勞動力，增加了非農部門勞動者的創業和就業(何宗樾 等，2020)。但同時，數字經濟發展對就業結構的影響機制還不明確。基于此，本文在以往研究基礎上嘗試做進一步拓展與分析。

二、計量模型設定與指標選取

(一)計量模型構建

以技術進步為重要屬性的數字經濟發展可能對以下三個層面的就業結構造成影響：一是產業層面就業結構。技術進步的背景下，制造業就業結構化特征尤為明顯，商業與金融等服務業就業結構也因而表現出類似的模式。二是行業層面就業結構。技術沖擊條件下不同行業、職業程式化任務密集度(Routin Task Intensity)決定著勞動力要素供求狀況，以及就業結構變遷路徑。三是技能層面就業結構。Acemoglu(2015)用一個中間產品模型說明，技能偏向型技術進步有利于企業裝備更多同高技能勞動者互補的技術裝備，當其所生產中間產品對產出貢獻較大時，就業結構表現為高技能勞動者占比上升。因此，為考察數字經濟發展對不同層面就業結構的影響，圍繞三個層面的就業結構進行模型設定。

據此，為驗證數字經濟發展與就業結構關系，本文構建以下基礎模型：

EmployStruci,t=α0+α1+ln Digitali,t+∑βjln Xj,i,t+εi,t+γi

(1)

其中，下標i表示不同省份，t表示年份，EmployStruc為各省以不同維度(產業、行業、技能)衡量的就業結構，Digital為數字經濟發展，X為其他控制變量，α和β分別為控制變量系數，ε為隨機誤差項，γ為省份固定效應。對有關變量取對數處理，以消除異方差帶來的影響。

(二)變量選取

1.被解釋變量

(1)產業層面就業結構IEstru。使用第二產業就業比重除以第三產業就業比重得到相應指標，用以衡量產業層面就業結構。

(2)行業層面就業結構TEstru。以高技術行業就業人數占比來衡量。高技術行業就業人數包括高端制造業就業人數與高端服務業就業人數。高端制造業就業人數用《中國高技術產業統計年鑒》中各省高技術產業企業從業人員年平均人數表示。借鑒宣燁等(2019)的思路，選取“科研、技術服務和地質勘查業”“信息傳輸、計算機服務和軟件業”“金融業”和“租賃和商業服務業”四類行業代表高端服務業，計算得到高端服務業就業人數。高端服務業就業人數同高端制造業就業人數加總得到高技術行業就業人數，最后除以各行業就業人數之和得到行業層面就業結構。

(3)技能層面就業結構SKEstruc。采用孫文遠等(2020)的做法，視大專及以上學歷勞動者為高技能勞動者，用大專及以上學歷就業人數除以大專以下學歷就業人數，得到技能層面就業結構指標。

2.核心解釋變量

數字經濟增加值Digital。數字經濟增加值是衡量數字經濟發展的核心變量，根據聯合國《2019年數字經濟報告》有關內容，數字經濟增加值同以下幾個方面有關：一是數據傳輸的物理設施以及處理數據的技術能力，擁有優良傳播速率的基礎設施能在同一時段有效傳播更多數據。二是數字數據市場化程度，可數字化交付能力決定了數據市場變現能力及其貨幣化價值規模。三是數字數據載體種類與數量，任何數字化商品和服務要獲得進一步發展都需要接受市場機制的檢驗，由特定載體容納與傳播。基于此，借鑒許憲春等(2020)的做法，主要從數字化基礎設施、數字化交易和數字化載體三個維度確定數字經濟有關行業范圍，計算相應行業調整系數，并在此基礎上對數字經濟發展進行估算。基本思路如下：第一，利用“信息傳輸、軟件和信息技術服務業”和“計算機、通信和其他電子設備制造業”兩類行業增加值之和，除以該年第二產業增加值得到數字化基礎設施增加值調整系數；第二，利用“電子類批發業”和“零售家用電器電子產品”主營業務收入除以該年第三產業主營業務總收入，得到數字化交易增加值調整系數；第三，利用“文化、體育和娛樂業”增加值，除以該年第三產業增加值得到數字化載體增加值調整系數；第四，利用插值法將缺失年份調整系數數據補齊，乘以各省對應年份第二產業或第三產業增加值得到不同維度數字經濟增加值，加總求和估算出各省數字經濟增加值。

3.控制變量

參照已有文獻做法，選取以下指標為控制變量：(1)資本存量CP，用永續盤存法得到各省2001—2017年資本存量；(2)投資結構IVstruc，反映不同產業資本配置狀況，利用第三產業投資除以第二產業投資得到；(3)地區生產總值GDP，反映不同地區經濟發展水平；(4)高端行業實際平均工資額HW，由高端服務業就業人員實際平均工資和高技術產業人員實際平均工資的算術平均數計算得到，衡量勞動力要素市場價格供求狀況；(5)外商投資企業投資總額IVT，外資流入通常發生在資本或技術密集型企業，從而可能改變不同技能勞動力就業水平，體現了就業結構的變化(Bruno et al.,2012)，這里換算成以人民幣為計價單位，并用投資指數調整為可比價格。

4.中介變量

從勞動力市場供求來看，產業結構變動或升級會對勞動力需求端產生影響，從產業結構服務化和產業結構內部升級兩個方面測算產業結構升級指數ISupgrade，作為第一個中介變量。人力資本存量變動會對勞動力供給端產生影響，以J-F收入法測算的人力資本存量HMcapital，作為第二個中介變量。

(三)數據來源與描述性統計分析

本文樣本為2001—2017年我國除港、澳、臺和西藏以外的30個省(市、自治區)，數據主要來自《中國統計年鑒》《中國區域經濟統計年鑒》《中國勞動統計年鑒》和《中國人口與就業統計年鑒》，其中，數字經濟測算所用數據來自《中國地區投入產出表》和《中國經濟普查年鑒》。關鍵變量描述性分析如表1所示。

表1 變量描述性統計

三、基準回歸分析

模型實證估計結果如表2所示。作為參照，列(1)、(3)、(5)為混合OLS回歸結果，列(2)、(4)、(6)為固定效應回歸結果。可以看出，數字經濟發展對不同層面的就業結構具有正向影響。固定效應模型控制了與個體效應相關的遺漏變量，這里以固定效應模型為準進行解釋。控制了省份固定效應后，核心解釋變量系數均具有統計意義上的顯著性。根據固定效應模型估計結果，數字經濟增加值每增長1倍，可以促進第二產業(相比第三產業)就業人數上升32.1%，促進高技術行業(相比其他行業)就業人數上升1.8%，促進高技能勞動者(相比其他勞動者)就業人數上升4.4%。數字經濟發展推動著就業結構的制造化、高技術化和高技能化。其中，就業結構的高技術化和高技能化符合現實預期，但數字經濟發展推動就業結構制造化的實證結果，與現實中服務業更易數字化和帶動就業的一般認識存在偏差。

表2 基準回歸結果

數字經濟發展對就業結構的影響存在非線性關系。為深入探討數字經濟發展對就業結構的非線性影響，加入數字經濟發展的平方項進行分析。結果如表3所示，數字經濟發展對就業結構的影響作用隨數字經濟發展水平提高呈現“正U形”。當數字經濟發展處于較低水平時相對減少了第二產業、高技術產業和高技能的勞動者就業，但最終將引致就業結構制造化、高技術化與高技能化。這可能是因為第三產業有著相對較低的固定資產投入與技術密集程度，數字化改造難度較小，因而數字經濟對第三產業滲透速度較快，滲透率相對較高，特別是平臺經濟下一些傳統服務業數字化后帶來的就業創造效應。對第二產業而言，工業智能機器人的出現可能對一些重復性勞動為主的崗位產生擠出效應，但隨著數字經濟發展水平的不斷提升，企業生產方式迎來深刻變革，勞動者知識和技能更新程度加大，高技術行業將可能出現更多人機協同、程式化編程、高新技術研發有關的新興就業崗位。

表3 加入平方項回歸的結果

從國際經驗和現實發展看，第三產業的數字化難度遠低于第二產業，但結合中國信通院公布的產業數字滲透率和就業數據可知，盡管數字經濟對第三產業滲透大于第二產業，但其對第二產業數字就業增速的促進效應大于第三產業。數據顯示，2018年我國第二和第三產業的數字滲透率分別為18.3%和35.9%，產業數字滲透率較2017年分別提高1.1和3.3個百分點，與此同時，2018年第二和第三產業的數字經濟化就業崗位增速分別為7.3%和16.6%，產業數字化轉型相關崗位占產業就業比分別提升1.4和4個百分點(1)參見《中國數字經濟發展與就業白皮書(2018年)》《中國數字經濟發展與就業白皮書(2019年)》。。也就是說，數字經濟滲透率的增加對第二產業的就業促進作用大于第三產業。數字經濟滲透率每增加1個百分點，對應的第二產業數字經濟就業崗位增速增加約為6.636個百分點，第三產業數字經濟就業崗位增速增加約5.030個百分點；第二產業數字化轉型崗位占就業比重約增加1.27個百分點，第三產業數字化轉型崗位占就業比重約增加1.21個百分點。因此，雖然相對第三產業，第二產業的數字化難度更大，但當第二產業數字化程度達到一定水平時，其對數字領域就業增速的影響要相對大于第三產業，即表現出就業結構制造化。

雙重效應與指標選取問題。數字經濟發展的技術沖擊具有就業創造和就業抑制兩種效應。一方面促使中低技能水平勞動力大量轉移至短期內難以實現大范圍自動化且產品不能完全被其他部門所替代的低端服務業部門，即就業替代效應；另一方面則增加了對高技能水平勞動者的需求，這是因為先進的數字技術會創造出以抽象邏輯思維、獨立解決問題以及系統性協調工作等為基本內容的新型工作崗位，即就業創造效應(Autor et al.,2013)。對此，我們借鑒馬弘等(2013)的做法，利用中國工業企業數據庫微觀數據，匹配得到2001—2017年各省共3549930個企業數據，結合就業有關數據計算得到各省就業創造與就業消失數據，在此基礎上觀察數字經濟發展對兩者的影響。結果發現，樣本期間內數字經濟發展對就業創造呈現出促進作用，對就業消失呈現出抑制作用，說明數字經濟發展總體上促進了工業企業就業。分行業分析發現，數字經濟發展有利于部分行業的就業創造，但對另一些行業則表現為就業抑制效應。可見，數字經濟發展對工業企業就業的確存在促進和抑制兩種效應，且凈效應表現為就業創造效應。并且，數字經濟是一個較為寬泛的概念，包含生產要素(存儲介質、信息數據流)、科學技術(ICT、物聯網和人工智能等)以及網絡載體(信息化平臺)等不同層次內容。盡管有研究表明，數字經濟發展對第二產業部門就業存在顯著的負向影響(王文，2020)，但該研究的核心指標為工業機器人安裝密度，更多體現為對傳統要素的替代。

四、穩健性檢驗

(一)替換變量法

為進一步驗證實證結果的穩健性，圍繞數字經濟基礎設施發展狀況構造代理變量進行分析。數字經濟發展狀況主要由與ICT(Information and Communications Technology)有關的軟硬件基礎能力所決定，選取信息傳輸、軟件和信息技術服務業固定資產投資額ICTIVT作為數字經濟發展的代理變量。同時，地區信息通信能力也影響數字經濟發展，包括蜂窩移動通信網絡、固話寬帶網絡數據吞吐量和傳輸速率，我們選取局用交換機容量、移動電話交換機容量、長途電話交換機容量和長途光纜線路長度四個指標，基于變異系數法測算出各指標權重，加權求和得到地區信息通信能力發展綜合指數Index作為數字經濟發展的代理變量。

將兩個代理變量分別替代核心變量重新進行估計，結果見表4。除列(4)核心解釋變量回歸系數不顯著外，其余結果均表明數字經濟發展對不同層面的就業結構有著顯著影響，這說明使用不同代理變量基本上不影響數字經濟發展與就業結構的關系，為基準回歸結果提供了進一步支持。由于核心自變量由不同維度指標加總而成，那么不同維度指標作為代理變量是否會影響實證結果？對此，將數字化基礎設施增加值、數字化交易增加值和數字化載體增加值三個二級指標進行回歸分析，結果如表5所示。

表4 地區信息通信能力對就業結構的影響

表5 不同維度數字經濟發展對就業結構影響

結果表明，除數字化載體增加值對行業層面就業結構影響不顯著外，三個維度的數字經濟發展均顯著影響就業結構，且對特定層面的就業結構而言，數字化基礎設施增加值的影響相對更大，這意味著數字化基礎設施的發展對數字經濟作用的發揮具有基礎性作用，加快構建新時期數字化基礎設施體系有利于數字經濟加速發展。綜上，本文實證結果并不因指標選取存在較大差異。

(二)內生性處理

盡管我們控制了部分影響就業結構變遷的其他變量，但由于數據可得性與一些無法直接測度的因素，數字經濟發展對就業結構影響很可能存在內生性偏誤。比如，不同地區城市化進程(Beladi et al.,2019)、數字化基礎設施布局、產業結構與產業發展政策、生活成本(張莉 等，2017)與城市吸引力等，都可能影響二者之間的關系。就業結構高級化可能引致與之互補的有關技術創新(Acemoglu,2002)，人才集聚對地區創新能力的影響是顯著的(Lee et al.,2010)，這意味著就業結構可能對當期數字經濟發展情況產生制約。為盡可能減少遺漏變量、反向因果與測量誤差等對估計結果的干擾，將基準回歸模型(1)擴展為動態面板模型，并使用工具變量進行分析。動態面板模型在原回歸模型基礎上引入就業結構的滯后一期，充分考慮當前就業結構受過去一個時期要素市場狀況的可能影響。鑒于本文所使用數據集為短面板數據，且系統GMM較差分GMM而言估計效率更高，因此選取系統GMM方法進行估計。模型設定方面，不同層面就業結構的一階滯后項是前定變量，其余為內生變量。同時，使用地形起伏度(2)Olena et al.(2015)認為，地形起伏度會影響數字技術有關的基礎設施及相關設備安裝、調試和功效，但不受數字經濟發展有關的經濟變量影響，滿足外生性與相關性，可用作地區互聯網設備部署的工具變量。本文所使用的中國海拔高度數據(DEM)來自SRTM(Shuttle Radar Topography Mission，SRTM 90m)數據，通過將數字高程模型數據重采樣為1km×1km，得到若干研究單元(柵格區)，逐柵格區提取地形起伏度。參照主流做法，將地形起伏度定義為：RDLS={[max(H)-min(H)]×[1-S(T)/T]}/500，其中，RDLS為地形起伏度，H為研究單元內高度，T為區域總面積(T=1km2)，S(T)為研究單元內平地面積(km2)，500表示基準山體高度。和滯后一期的核心解釋變量構造工具變量。考慮到地形起伏度對數字信息調制、傳輸與解調以及設備功效等存在負向影響，我們對各省(市、區)地形起伏度變量取倒數得到正向指標，并借鑒Nunn et al.(2014)的做法，將所得正向指標與滯后一期內生變量相乘得到工具變量。回歸結果如表6所示。

2SLS估計結果顯示，第一階段回歸中工具變量對內生變量影響系數為正(0.0002)且顯著(p=0.033)，符合預期——由于較高的地形起伏度對地區信息傳輸能力有負面影響，取倒數后所得指標應正向促進地區數字經濟發展。經檢驗，Kleibergen-Paap rk LM統計量為106.431(p=0.000)，Kleibergen-Paap rk Wald F統計量大于10%顯著水平上的臨界值(F=1705.935)，故不存在識別不足與弱識別問題。GMM估計結果進一步印證了模型的穩健性，序列相關檢驗拒絕了各估計殘差序列不存在1階自相關的原假設，但未拒絕2階自相關原假設，結合Hansen檢驗可知GMM各工具變量構造是合理的，本部分結果為基準回歸結果提供了進一步支持。

五、進一步的機制檢驗

就業結構反映了勞動力供求匹配的實際狀況。從勞動力需求端來看，勞動力的需求源自產業發展，產業結構變動影響著就業結構調整。數字經濟對經濟影響的研究起點是討論技術創新影響產業結構轉型升級的過程和機制(付宏 等，2013)，數字經濟發展將通過調整智能資本與傳統生產要素之間的替代關系影響產業結構(郭凱明，2019)。數字經濟發展有利于促進產業組織模式與結構創新，培育新的產業組織，加快產業融合，推動產業轉型升級(謝富勝 等，2019)。產業結構升級意味著各生產部門技術、管理與創新等軟實力的提升，增加對高技能勞動者的需求，擺脫對低技能水平勞動者的依賴，最終實現就業結構優化。

從勞動力供給端來看，人力資本與就業結構高度相關，人力資本存量多寡決定著經濟轉型中能有效利用數字技術紅利創造長期價值的高端人才儲備水平。數字經濟能利用“互聯網+”形式突破傳統教育培訓方法和內容，有效提升人力資本增加效率。數字經濟技術的引入使得工作場景中的成員能更加方便快捷實現知識共享與學習互助，充分享受個人素質提升意義上的數字紅利，賦能就業結構向更高水平轉換，加快推動勞動力就業結構高級化。相比之下，人力資本水平較高的群體更可能從數字經濟發展中獲益，從而獲取更多就業機會(何宗樾 等，2020)。

因此，從產業結構升級和人力資本存量提升兩個方面，深入探討數字經濟發展對就業結構影響的內在邏輯確有必要。關于產業結構升級變量ISupgrade的測算，常見的做法是采用第一產業產值占比+第二產業產值占比×2+第三產業產值占比×3計算而得。然而，當前我國工業化發展面臨不平衡不充分的問題，深度工業化尚顯不足，以產業占比簡單度量產業結構升級難以區隔“過度去工業化”與高質量工業化(魏后凱 等,2020)。為更好刻畫不同產業內部升級實際情況，我們嘗試基于制造業與服務業升級情況構造新的產業結構升級變量。首先，確立高端制造業與高端服務業范圍。依據《中國高技術產業統計年鑒》有關分類，高技術產業包括“醫藥制造業”“航空航天器制造業”“電子及通信設備制造業”“電子計算機及辦公設備制造業”和“醫療設備及儀器儀表制造業”共五類；高端服務業為前文所述四類行業。其次，用高技術產業主營業務收入占比衡量制造業產業內部升級，用高端服務業增加值占第三產業增加值比重衡量服務業產業內部升級。最后，將制造業、服務業產業內部升級與傳統產業結構升級計算所得數據相乘，并取幾何平均得到總體產業結構升級指標。該算法所得出的產業結構升級指標，不僅可衡量產業間相對變動，亦考慮了不同產業部門內部結構變動，能相對客觀地反映國家或地區產業結構升級的總體情況。

對于人力資本存量變量HMcapital，本文選取中國人力資本與勞動經濟研究中心(CHLR)提供的省級層面人均勞動力人力資本存量(包含在校生)實際值(3)根據CHLR數據使用說明，省級層面人均人力資本存量實際值以1985年為基期，根據CPI指數對名義值平減得到。進行衡量。同傳統的教育年限法相比，該指標主要基于個體終生收入現值測算得到，可以更加準確合理地反映出國家或地區層面通過教育、醫療和文化等投資進行人力資本積累的真實面貌。

根據分析結果(4)限于篇幅，中介檢驗部分結果未列出。，產業結構升級在數字經濟發展對就業結構的影響過程中具有中介作用，說明數字經濟發展一定程度上通過推動產業轉型升級，進而促使勞動力要素市場發生相應變化。從逐步檢驗法來看，人力資本存量的間接效應并不顯著。由于采用逐步檢驗法檢驗間接效應時檢驗力相對較低，因而此時應參考非參數bootstrap中介檢驗的結果。分別考察數字經濟發展對產業層面、行業層面和技能層面就業結構的影響，非參數bootstrap中介檢驗結果表明，產業結構升級的中介效應占總效應的比例分別為59.4%、60.5%和56.9%，人力資本存量的中介效應占總效應的比例分別為25.9%、14.7%和49.2%。

需要說明的是，中介效應檢驗在心理學和社會學中，通常是基于實驗數據對內生性進行一定程度的控制。而本文研究是基于觀測值，采用產業結構升級和人力資本存量進行中介分析，面臨著潛在的內生性問題。對此，分別將兩個中介變量作為因變量對核心解釋變量進行回歸，并利用工具變量法緩解內生性，同時給出面板固定效應估計結果進行對比分析。工具變量有效性問題前文已論及，不再贅述。在控制了內生性問題后，核心變量系數大幅提升且通過1%水平的顯著性檢驗。根據前文對有關文獻的梳理以及工具變量估計結果可知，數字經濟發展的確可能通過產業結構升級與人力資本存量兩種渠道對就業結構產生影響。綜合來看，數字經濟發展對就業結構變遷存在間接效應，這種間接作用的實現路徑主要體現為勞動力要素市場的需求側即產業結構升級以及供給側即勞動力人力資本存量的變動。

六、門檻效應檢驗

從不同路徑考察數字經濟發展對就業結構影響時，這些路徑本身可能存在一定的閾值效應。機制識別結果表明，就業結構變化趨勢同產業結構調整與人力資本存量變動緊密相關，可進一步考察不同狀況下數字經濟發展對就業結構影響的異質性，據此將模型(1)調整為如下門檻模型：

EmployStruci,t=α0+α1Digitali,t×I(TR≤ξ1)+α1Digitali,t×I(ξ1

α1Digitali,t×I(ξ2

(2)

其中，TR為門檻值變量，ξi(i=1,2,3)代表不同門檻值，I(·)為根據不同門檻值進行分段的指示函數。

(一)產業層面

由表7可知，數字經濟發展對產業層面就業結構的影響存在門檻效應。門檻效應檢驗結果顯示，就產業結構升級和人力資本存量而言，單一門檻統計效果更佳。表8顯示了門檻回歸結果，產業結構升級作為門檻變量時，數字經濟發展對就業結構影響系數在第一門檻值前為0.205，越過第二門檻值后上升為0.251；人力資本存量作為門檻變量時，數字經濟發展對就業結構影響系數在第一門檻值前為0.204，越過第二門檻值后上升為0.228。可見，產業結構升級與人力資本存量提升均能增強數字經濟發展的就業效應，數字經濟發展的就業促進作用在兩種情況下都存在增益效果。

表7 門檻檢驗：產業層面就業結構

表8 門檻回歸結果：產業層面就業結構

(二)行業層面

由表9可知，在行業層面，對門檻變量產業結構升級與人力資本存量而言，單門檻統計效果較佳。

表9 門檻檢驗：行業層面就業結構

門檻估計結果如表10所示。整體而言，數字經濟發展對行業層面就業結構影響存在門檻效應。門檻變量為產業結構升級時，數字經濟發展影響系數在門檻值前后由0.009上升為0.027，其就業帶動作用增加了195.7%；門檻變量為人力資本存量時，數字經濟發展影響系數在門檻值前后由0.013上升為0.021，其就業帶動作用增加了63.08%。

表10 門檻回歸結果：行業層面就業結構

(三)技能層面

表11為從技能層面衡量數字經濟發展對就業結構影響的門檻效應檢驗結果。當產業結構升級作為門檻變量時，單一門檻效果更佳；當人力資本存量作為門檻變量時，雙重門檻效果更佳。

表11 門檻檢驗：技能層面就業結構

根據表12，門檻變量為產業結構升級時，數字經濟發展對就業結構的影響系數在越過第一個門檻值后由0.037上升為0.116，且效果由不顯著變為顯著；門檻變量為人力資本存量時，數字經濟發展對就業結構影響系數越過第一個門檻值后由0.028上升為0.046，越過第二個門檻值后上升為0.103。

表12 門檻回歸結果：技能層面就業結構

綜上，伴隨產業結構升級程度提高或者人力資本存量提升，數字經濟發展對就業結構的影響作用均有不同程度的增強：當產業結構升級到某特定階段，或者人力資本存量達到一定水平時，數字經濟的就業促進作用就會出現明顯躍升。原因在于，隨著產業結構升級加速和人力資本存量不斷提升，一方面傳統產業部門將在生產方式中更多使用數字化技術以提高勞動生產率，這會催生出一批新行業，進而創造出大量勞動力需求。另一方面，人力資本存量提升無形中降低了數字化門檻，縮小不同群體勞動者間的“數字鴻溝”，優化數字經濟時代勞動力供求結構。數字經濟對就業結構作用的這種非線性影響，可能同數字經濟本身的特點有關，數字經濟體現了一種信息互聯互通下的數字化驅動價值。

七、結論與啟示

本文研究發現，數字經濟發展總體推動著就業結構向著制造化、高技術化和高技能化的方向調整，這一調整過程呈現出“正U形”特征。發展初期，數字經濟更有利于通過對傳統行業進行數字化滲透，從而創造出一批數字化轉型下的就業崗位，相對減少了第二產業、高技術產業和高技能勞動者的就業。隨著數字化轉型加快，企業生產組織方式革新以及社會人力資本存量增加，勞動力供需匹配將進入更高層次，數字經濟發展最終將促使就業結構制造化、高技術化與高技能化。進一步的機制檢驗表明，產業結構升級于數字經濟發展的就業效應而言存在增益作用，說明產業結構升級伴隨新舊動能轉換與要素組合方式轉變，能加速數字產業化與產業數字化過程中的就業結構轉型。人力資本存量提升對數字經濟發展就業效應而言也存在增益作用。

為持續發揮數字經濟對就業結構的優化作用，應加快數字化基礎設施體系構建，建立健全促進數字經濟發展的有關政策與市場機制。首先，應從勞動力市場需求側與供給側兩個方面著手強化數字經濟對就業的優化作用。作為要素市場的需求方，企業生產經營穩定與否直接影響就業形勢。在行政審批、稅收政策與融資渠道等方面應適當放寬限制，鼓勵支持引導企業加快數字化轉型進程，通過專業人士指導、龍頭企業協同帶動、產學研一體化等途徑引導企業早日實現“上云用數賦智”。其次，可探索工業互聯網2.0引領作用，推動產業結構加速升級。一是利用數字經濟萬物互聯優勢通過在線教育、技能培訓提升勞動者知識與技能水平；二是利用數字經濟對各類傳統要素優化組合能力，從時間與空間上優化就業存量，如疫情期間通過“共享員工”“臨時轉崗”等途徑對現有就業存量進行快速配置與全域布局，催生各類彈性就業新形態，實現保就業穩就業；三是調整大專院校專業體系設置，使之更好適應數字經濟時代對就業技能的實際需求，實現就業結構優化完善；四是構建符合實際的人才培養與評價制度，重視人才對知識的吸收、轉化與創造效應，提升人力資本質量，增強數字經濟發展對就業結構優化作用；五是建立健全城市人才創新綜合體系，充分激發數字經濟時代下人力資本紅利，促進就業結構轉型升級。