產業數字化降低了勞動報酬占比嗎？
——技術變革和業務轉型的雙重視角

2

(1.天津財經大學經濟學院，天津 300222; 2.華北理工大學經濟學院，河北 唐山 063210)

一、引言

共同富裕是社會主義的本質要求，是中國式現代化的重要特征[1]。習近平總書記在主持中央財經委員會第十次會議時強調，在高質量發展中促進共同富裕，要正確處理效率和公平的關系(1)中國政府網. 習近平主持召開中央財經委員會第十次會議[EB/OL].[2021-08-17].http://www.gov.cn/xinwen/2021-08/17/content_5631780.htm。從增長的效率上看，數字經濟已成為我國高質量發展的新引擎。黨的十八大以來，黨中央高度重視發展數字經濟，將其上升為國家戰略[2]，我國“十四五”規劃和2035年遠景目標綱要亦指出要“打造數字經濟新優勢”，“推進產業數字化轉型”。然而，產業數字化引發的就業替代、市場壟斷等負面效應[3-4]，給勞動力市場帶來一定沖擊，使數字經濟下勞動力收入問題成為了一個必須重視的社會現實問題。從公平分配上看，勞動報酬占比是反應經濟發展成果在不同要素間分配情況的直接指標。我國“十四五”規劃指出，優化收入分配結構要“提高勞動報酬在初次分配中的比重”。但當前我國在收入分配領域，按勞分配為主體的地位尚未凸顯，勞動報酬占比有待提升[5]。歷史證據表明，過去的技術進步在多個國家或地區降低了勞動報酬占比[6]。那么，以新一輪技術應用為主要表現的產業數字化進程是否會繼續在要素收入分配領域產生影響？產業數字化以何種機制對勞動報酬占比產生影響？這是本文集中討論和檢驗的問題。

近年來，越來越多的學者開始關注人工智能等新技術對勞動報酬占比的影響，具體可以分為兩類。第一類文獻延續一般化技術進步研究框架，認為人工智能等數字技術必然替代勞動需求，其對勞動報酬占比的影響方向取決于資本和勞動要素的替代彈性是否大于1[7]。這類研究側重于以經驗數據對最終結論進行驗證。從結果上看，大多數學者發現智能技術具有資本偏向性，降低了勞動報酬占比[7-8]；少數學者發現，人工智能應用以勞動增進效應為主[9]；郭凱明(2019)[10]特別考慮了人工智能在不同產業部門的應用特征，發現要素收入份額取決于不同產出部門的要素產出彈性。第二類技術角度文獻將人工智能區別于一般化的技術進步，基于Acemoglu和Restrepo(2018)[11]構建的自動化任務導向模型和理論展開研究。這部分研究認為，自動化技術不僅會通過勞動生產率的提高降低勞動需求(替代效應)，還會創造新的工作任務(創造效應)，何種效應占主導成為學者在實證研究階段的主要檢驗問題。Acemoglu和Restrepo(2019)[12]、蘆婷婷和祝志勇(2021)[13]分別基于美國和中國的微宏觀數據實證檢驗發現，人工智能的替代效應更強。此外，技術進步帶來的收益增長并不會均等地在要素間分配，人工智能應用往往提高了智能機器人擁有者即資本的回報率[14]，以及創新要素所有者的收入增長率[15]。Bessen和Righi(2019)[16]發現，信息技術使得企業利潤增長率高于工資增長率，降低了勞動報酬占比。但這一結論在我國的實踐背景下尚存爭議，程虹等(2021)[17]研究發現，使用機器人所帶來工資率提高的幅度遠低于勞動生產率提高的幅度，與之相反，薛瑩(2021)[18]研究認為，人工智能的效益提升作用使企業提高了勞動者收入，進而提高了勞動報酬占比。以上研究結論的不一致，增強了從技術進步角度對產業數字化影響勞動報酬占比再考察的必要性。

除技術因素外，部分學者從市場競爭角度研究了數字經濟對勞動報酬占比的影響。在理論研究方面，Yeyati和Sartorio(2018)[4]認為，數字經濟的規模外部性和強大用戶粘性使“超級明星企業”的市場份額增加，降低了勞動報酬占比。在實證研究方面，Autor等(2017)[19]和Akaev等(2021)[20]利用美國經濟普查數據和G7國家數據研究發現，數字時代的壟斷力量會降低勞動報酬占比。但以上兩個實證研究并沒有直接將數字化變量加入到模型中，只是以數字化為理論背景和模型假設，研究了市場力量和勞動報酬占比的關系。Stiebale等(2020)[21]以工業機器人使用量表示自動化程度，基于歐洲國家數據研究發現，機器人的使用提高了高效率企業的市場份額，降低勞動報酬占比。國內尚未有高水平文獻從市場競爭角度研究產業數字化對勞動報酬占比的影響，因此有必要在已有研究的框架中，加入產品市場因素的影響。

縱觀已有文獻可以發現，產業數字化影響勞動報酬占比的研究是當前勞動經濟學領域的熱點問題，具有一定的前沿性，現有研究中的偏向性技術進步和自動化任務導向等理論為本文的研究開展提供了堅實的理論基礎，但還存在以下有待拓展的空間。第一，從影響方向上來看，產業數字化對我國勞動報酬占比的影響方向還存在爭議，主要原因在于對數字技術的衡量范圍和方式不一致。同時，現有研究多使用工業機器人使用量作為智能技術的代理變量，因此僅能體現人工智能這一單一技術應用對勞動報酬占比的影響，但企業人工智能技術的普及應用不是單線條開展的，而是伴隨云計算、大數據、物聯網等一系列數字技術同步推廣的，除人工智能以外的數字技術，同樣具有提升生產效率、變革生產方式等特征，會對勞動力需求和結構產生同質影響，僅考慮工業機器人投入程度對勞動報酬份額的影響，可能會使研究結論出現偏差。第二，從影響機制上看，現有文獻大多僅關注了技術進步的影響，忽視了產業數字化轉型對產品市場業態變化產生的影響。數字化轉型與以往技術革命最大的不同是，數字化不僅在生產制造環節降低企業成本，提升生產效率，也會在產品市場銷售環節推進企業轉型升級，僅以生產環節的技術投入量來衡量產業數字化的影響不夠全面，且沒有將數字化與傳統的自動化區分開，脫離了歷史環境和現實的技術發展的階段特征。雖然已有少數國外學者檢驗了數字經濟時代，發達國家市場集中程度對勞動收入份額的負向影響，但理論機制還有待完善，且我國市場競爭格局和收入分配特征與發達國家存在較大差異，產業數字化也處于不同階段，現有外文文獻的實證結論不一定適用于我國。

本文基于共同富裕背景下，需兼顧產業數字化的效率提升與要素收入公平分配的典型情境，從技術變革和業務轉型的雙重視角，分析產業數字化對我國勞動報酬占比的影響方向及機制，并基于2007-2020年中國上市企業數據展開實證研究。本文主要探討的核心問題是：(1)產業數字化對我國勞動報酬占比的整體影響方向；(2)產業數字化是否以技術變革效應和業務轉型效應影響勞動報酬占比；(3)市場集中因素是否在產業數字化的業務轉型效應中發揮中介作用；(4)產業數字化對勞動報酬占比的影響是否存在行業和區域異質性。

本文可能的理論和社會價值在于：第一，基于上市企業數據開展研究，為產業數字化影響我國勞動報酬占比方向的爭議提供了微觀企業層面的經驗證據，并在研究過程中通過文本挖掘方式，全面檢索和評估了企業對數字技術的重視和應用程度，解決了數字技術代理變量單一問題；第二，本文基于業務轉型的視角，將市場集中的中介因素納入分析框架，拓展了相關理論機制的研究；第三，從現實價值上，為我國在新一輪科技革命和產業變革背景下，兼顧增長效率與分配公平，扎實推進共同富裕提供理論和現實指導。

二、理論分析與研究假設

(一)產業數字化影響勞動報酬占比的技術變革效應

大量學者將勞動報酬占比的變動歸于技術進步偏向的影響，即技術進步的偏向性能夠影響要素的相對邊際產出，進而作用于要素分配比例[7]。產業數字化是傳統產業利用數字技術對業務進行升級，進而提升生產的數量以及效率的過程[22]。可見，產業數字化進程會加速生產過程中的技術變革，從而直接影響勞動報酬占比。

從數字化特征上看，數字技術投入使數據要素廣泛滲透到產業設計、制造、銷售、服務等各個環節，數據作為必不可少的關鍵生產要素參與價值分配[23]，必將擠出勞動要素份額。當前，我國數據要素的產權界定規則尚未明確，數據要素收入主要被掌握生產、管理和銷售數據的企業攫取，從而體現為勞動報酬占比的下降。從網絡化的特征上看，信息技術應用能夠簡化和再造生產中的管理和交易流程，壓縮經營管理工作任務量，從而降低勞動需求[24]。同時，受平臺經濟影響，企業有機會以外包形式，通過網絡平臺雇傭非正規就業人員，體現為傳統產業內部資本對勞動的替代。從智能化的特征上看，數字技術不僅以傳統自動化技術的生產率效應，減少固有崗位的必要勞動投入，還會以其精準性、智能性的特征，擠壓勞動力能夠從事的任務范圍，降低勞動力需求[12]，這些工作任務，既包括自動化技術能夠替代的機械性、重復性、程序性工作，也包括腦力勞動[25]。綜上，產業數字化過程中的技術變革表現為勞動節約型技術進步。

根據偏向性技術進步理論，當資本與勞動要素之間為互補關系時，勞動節約型技術進步會直接降低勞動報酬占比[25-26]。多數學者測算發現，在我國的實際生產工作中，資本勞動要素呈現為總互補關系[27]，因此，體現為勞動節約型技術進步的數字技術變革會直接降低勞動報酬占比。

根據上述分析，本文提出假設1。

H1企業的數字化技術投入程度越高，勞動報酬占比越低，換言之，產業數字化進程中的數字技術變革會抑制勞動報酬占比的提升。

(二)產業數字化影響勞動報酬占比的業務轉型效應

數字化的最后階段是商業模式的變化[28]。因此，對產業數字化的研究不能忽視其對產品市場的影響。從市場競爭結構的角度上看，產業數字化過程中的業務模式轉型會催生行業內的“贏者通吃”現象，通過增加市場集中程度，降低勞動報酬占比。

企業數字業務轉型會提高其所屬行業的市場集中度。首先，在數字化業務模式下，產業數字化先行企業容易以極低的邊際成本形成規模效應，占據壟斷地位[29]，行業內出現壟斷廠商，表現為市場份額集中于個別企業，即行業市場集中度上升。其次，數字化業務競爭存在網絡效應，即越多消費者使用某數字產品或服務，該產品或服務價值越高，對潛在消費者的引力越強[30]，這使已占據壟斷地位的企業能夠以更低的邊際成本吞食市場份額，形成先發優勢。此外，在數字化業務模式下，企業通過信息匹配機制，挖掘和追蹤消費者偏好，既能夠在本期以近似完全價格歧視方式占據消費者剩余，又可以借助精準推送工具增強消費者粘性，形成長期壟斷地位，加劇所屬行業的市場集中。最后，在規模報酬遞增的作用下，數字化業務壟斷企業能夠以低成本衍生新產品、新業態、新模式，以范圍經濟效應占據長尾市場，形成跨行業的市場集中。以上的正反饋機制均會增加產品市場的集中程度。

進一步，行業市場集中度增加會降低企業的勞動報酬占比。市場集中程度更高，企業更容易通過高成本加成價格獲得壟斷利潤[31]，而壟斷利潤不會均等地在生產要素間分配，往往增加成本中資本的分配比例[7]。這是因為，在勞動力市場中，勞動者相對企業的議價能力往往較低，此時壟斷利潤容易被企業占有。少數高利潤企業獲得不斷增長的市場份額，可能催生行業內的“贏者通吃”現象[32]，此時明星企業對壟斷利潤的支配力更強，勞動報酬占比進一步被壓縮。由此可見，在集中度較高的市場環境中，企業的勞動報酬占比較低。

根據上述分析，本文提出以下假設。

H2企業業務經營模式的數字化程度越高，勞動報酬占比越低，換言之，產業數字化進程中的數字業務轉型會抑制勞動報酬占比的提升。

H3在產業數字化降低勞動報酬占比的業務轉型效應中，市場集中因素起到中介作用。

產業數字化影響勞動報酬占比的技術變革和業務轉型機制，如圖1所示。

圖1 產業數字化對勞動報酬占比的影響機理

(三)產業數字化影響勞動報酬占比的異質性

首先，場景不同，智能生產模式、數字商業模式的重構機制也會不同，加之數字化在不同行業的滲透程度各異，使產業數字化對勞動報酬占比的抑制作用存在行業異質性，具體體現為要素稟賦結構的影響。從業務轉型的角度看，資本越密集，則越容易引致市場集中甚至“贏者通吃”現象[33]，資本也更容易獲得超額利潤，從而使勞動報酬占比更低。

其次，從外部因素上看，區域間存在公共服務、人力資本和市場環境的差異。近年來，我國經濟“南強北弱”的趨勢愈發明顯[34]，從人力資本流動趨勢上看，大量具備信息技術專業技能的“數字人才”流入南方。清華經管學院互聯網發展與治理研究中心發布的《中國經濟的數字化轉型：人才與就業》中的數據顯示，2015—2017年，我國數字人才主要向南方流入，全國流入量最高的三個城市分別為上海、深圳和杭州，均處于我國南方地區。數字技術變革主要以其勞動節約型特征降低勞動報酬占比，南方地區相對豐裕的“數字人才”儲備，能夠緩沖數字技術對勞動力需求和工資率的負面影響，從而使勞動報酬占比下降幅度更低。但從業務轉型角度上看，南方地區的電子商務等數字商務產業發展更為成熟[35]，優質的市場環境能夠激發主體的業務轉型活力。并且，南方地區的市場化水平較高[36]，從而強化了市場的中介效應，在更大程度上降低勞動報酬占比。已有文獻研究發現，數字經濟和市場營商環境的交互效應會促進南方地區的產業結構升級，但這種效應在北方地區不顯著[37]。

根據上述分析，本文提出以下假設。

H4在不同要素密集型行業中，數字業務轉型對勞動報酬占比的抑制作用存在差異。

H5我國產業數字化對勞動報酬占比的抑制作用存在南北地區差異。

三、實證方法

(一)計量模型設計

考慮到價格工資粘性及勞動生產率增長的滯后性等現實原因，勞動報酬占比的變動會存在一定的動態延續性，即上一期勞動報酬占比會對當期勞動報酬占比產生影響，因此，本文將滯后一期的被解釋作為解釋變量加入到模型中，形成動態面板模型。此外，為檢驗市場集中程度在數字業務轉型與勞動報酬占比之間是否具有中介效應，本文構建了中介效應模型如式(1)-(3)所示

LSit=α1+βdigit+θ1Xit+ρ1LSit-1+μ1i+v1t+ε1it

(1)

CRit=α2+γdigit+θ2Xit+ρ2CRit-1+μ2i+v2t+ε2it

(2)

LSit=α3+β′digit+δCRit+θ3Xit+ρ3LSit-1+μ3i+v3t+ε3it

(3)

其中，LS表示勞動報酬占比，為被解釋變量，dig表示產業數字化，為核心解釋變量，CR表示市場集中程度，為關鍵中介變量，X表示一系列控制變量。另外，模型控制了年份效應和行業效應。

(二)變量說明

1.被解釋變量

參考方軍雄(2011)[38]的做法，本文設定勞動報酬占比=支付給員工以及為職工支付的現金/(營業收入-營業成本+支付給員工以及為職工支付的現金+固定資產折舊)。

2.核心解釋變量

參照易露霞等(2021)[39]、劉飛(2020)[40]等學者的做法，本文利用特定關鍵詞在上市公司年報中的出現頻率(每萬字出現次數)表示企業的數字化程度，該數值越高，表示數字化程度越高。為全面考量產業數字化對勞動報酬份額的影響，同時分離理論假設中的技術變革效應和業務轉型效應，本文分別從技術投入和業務轉型兩個角度評價數字化程度，形成數字技術變革digtech以及數字業務轉型digbusi兩個分指標，再加總平均得到單個關鍵詞頻率，即數字化總指標dig。

對于數字技術變革digtech，本文以《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》專欄8中提出的數字經濟重點產業為數字技術群劃分依據，剔除具有行業偏向性的工業互聯網技術后，首先從專欄8中提取出明確出現的數字技術關鍵詞；然后基于實業領域的技術開發和應用現狀，補充已有關鍵詞的底層和前置技術，以及密切相關的數字技術，在這一過程中，本文將同時涉及多個技術群的底層技術單獨劃分為管理信息系統類；最后，以《數字經濟及其核心產業統計分類》《國家信息化發展戰略綱要》《中國數字經濟發展與就業白皮書》《數實共生——未來經濟白皮書2021》以及“十四五”規劃綱要其他部分等文件為藍本，核查已補充關鍵詞合理性的同時，補充已有關鍵詞的同義表達詞及上位表達詞，最終得到云計算、大數據、物聯網、區塊鏈、人工智能、虛擬現實和增強現實、管理信息系統共七大類56個關鍵詞，具體內容如表1所示。

表1 數字技術關鍵詞詞庫

對于數字業務轉型digbusi，不同產業的商業模式差別較大，但電子商務是數字商務初期最主要、最活躍的表現形式[41]。劉飛(2020)[40]選擇了“電子商務”和“網絡銷售”等關鍵詞的詞頻表示企業數字業務模式轉型，較大程度上避免了關鍵詞選取的行業偏向性。本文在參考劉飛(2020)[40]的做法之上，考慮到網絡支付是開展電子商務的必要條件，同時檢索了關鍵詞“電腦支付、電子銀行、網絡銀行、網上銀行、網上支付、網銀、移動支付、在線銀行、在線支付”。

在實際文本挖掘過程中，同時挖掘以上中文關鍵詞對應的英文及其縮寫，由于產業數字化變量數據具有含0的右偏特性，本文對該變量做加1后取對數處理。

3.中介變量

本文將行業大類中營業收入最高的廠商定義為領導廠商，并用領導廠商營業收入占比表示市場集中程度，用cr1表示。為避免多寡頭壟斷或贏者通吃效應不明顯導致的估計結果偏差，本文依據二八法則，采用行業門類中前百分之20的公司營業收入占比表示市場集中程度，用crn表示。

4.控制變量

模型中的其他控制變量包括：企業規模size，具體為總資產的對數；企業年齡age，具體為觀測年份與上市年份之差，并作對數處理；盈利能力roa，具體為企業凈利潤與總資產的比值；負債水平lev，具體為企業總負債與總資產比值的對數；資本-勞動投入比kl，具體為固定資產凈值與企業員工人數之比，取對數處理；股權性質soe，若公司為國有企業，取值為1，否則為0；股權集中程度oc，具體為前十大股東持股比例合計；公司成長性growth，具體為企業的總資產增長率。

(三)樣本選取與數據來源

本文選取中國2007—2020年滬深兩市A股上市公司作為研究樣本，并對樣本進行以下處理:(1)剔除存在財務異常的ST和*ST公司；(2)剔除財務上有較大差異的金融行業上市公司；(3)由于本文研究傳統產業數字化轉型行為對勞動報酬占比的影響，數字產業本身并不經歷產業數字化過程，因此要剔除屬于數字產業的上市公司，以《上市公司行業分類指引(2012年修訂)》為行業分類依據，數字產業包括C39計算機、通信和其他電子設備制造業，以及I信息傳輸、軟件和信息技術服務業；(4)剔除勞動報酬占比小于0或大于1的異常樣本；(5)剔除主要變量缺失的樣本；(6)對所有變量進行1%和99%的縮尾處理。本文上市公司樣本數據來自國泰安數據庫及各上市公司年報。主要變量的描述性統計如表2所示。

表2 主要變量的描述性統計

四、回歸結果分析

上文動態面板模型中，解釋變量包含了滯后一期被解釋變量，因此模型會出現內生性問題，為充分處理內生性，本文同時使用了系統GMM方法和差分GMM方法對模型進行估計。

(一)基準回歸結果分析

本文使用系統GMM和差分GMM方法檢驗模型(1)，回歸結果如表3所示。產業數字化總指標dig的系數均在1%的置信度下顯著為負，說明產業數字化進程確實會降低勞動報酬占比。進一步觀察產業數字化分指標的系數可以發現，數字技術變革digtech系數均在1%的置信度下顯著為負，說明產業數字化過程中的技術變革體現為勞動節約型技術進步，降低了勞動報酬占比，驗證了假設1的成立。數字業務轉型digbusi系數均在1%的置信度下顯著為負，說明產業數字化過程中的業務轉型程度越高，勞動報酬占比越低，驗證了假設2的成立。控制變量系數在不同模型中的檢驗結果基本一致且符合預期。Arellano-Bond檢驗和Sargan檢驗結果表明不存在弱工具變量和過度識別問題。

表3 基準回歸結果

(二)市場集中的機制檢驗

模型(2)和(3)的機制檢驗結果如表4所示。模型(2)結果中數字業務轉型系數γ均顯著為正，說明數字業務模式轉型會促使產品市場份額流向頭部企業，加劇市場集中；當以cr1表示市場集中程度時，模型(3)的回歸結果如列(3)所示，市場集中系數δ顯著為負，說明間接效應顯著，企業的業務模式轉型確實會通過加劇行業內市場集中降低勞動報酬占比，驗證了假設3的成立，加入中介變量后，數字業務轉型系數β′仍顯著為負，且δ×γ的符號與β′相同，中介效應模型的檢驗結果表現為部分中介；當以crn表示市場集中程度時，市場集中系數δ不顯著，本文用Bootstrap法檢驗γ×δ是否顯著為0，結果顯示，95%的置信區間為[0.010, 0.034],不包括0，拒絕原假設，這說明間接效應顯著，即數字業務轉型會通過跨行業的市場集中降低勞動報酬占比，驗證了假設3的成立。同時δ×γ的符號與β′相同，中介效應模型的檢驗結果仍表現為部分中介。

表4 市場集中的機制檢驗結果

進一步分析可以發現，當以行業大類領導廠商的市場份額cr1表示市場集中程度時，中介效應占總效應的比例為[0.52×(-0.61)]/(-0.80)=39.65%，當以行業門類前20%企業市場份額crn表示市場集中程度時，中介效應占總效應的比例為[0.26×(-0.31)]/(-0.801)=10.06%，中介效應減弱。這說明，數字業務轉型主要通過加劇行業內部的產品市場壟斷降低勞動報酬占比。這是由于，跨行業的市場競爭更難形成絕對的壟斷，且當前我國的跨行業數字業務尚在初級階段，企業亟需復合型人才擴展不同領域業務，因此會采用薪酬激勵形式吸納人才，超額利潤會在一定程度上向勞動要素傾斜。

表4為系統GMM方法的檢驗結果，本文還使用差分GMM方法對市場集中機制的中介效應進行了實證檢驗，結果與系統GMM方法估計結論一致，在此不做贅述。

(三)穩健性檢驗

1.排除被解釋變量度量偏差的影響

施新政等(2019)[42]等學者使用“支付給職工以及為職工支付的現金”比“營業總收入”的方式衡量勞動收入份額，為避免指標度量偏差問題，本文使用該方法計算勞動報酬占比作為被解釋變量進行回歸，結果如表5所示，產業數字化變量的系數仍顯著為負，與基準回歸結果保持一致，證明了結論的穩健性。

表5 替換被解釋變量的穩健性檢驗結果

2.去除高管薪酬的影響

考慮到高管與普通員工在企業薪酬制定中談判能力的差異，本文在“支付給職工以及為職工支付的現金”中扣除“董事、監事及高管薪酬總額”表示調整后的勞動收入以進行穩健性檢驗，結果如表6所示，實證結果沒有發生實質性變化，證明了回歸結果的穩健性。

3.排除年報信息夸大行為的影響

本文基于文本挖掘方法構建的產業數字化指標，可能受到企業披露年報過程中信息夸大行為的影響，為排除這一影響，本文借鑒趙璨等(2020)[43]的研究，構建了數字化信息披露程度的模型。以產業數字化指標為被解釋變量，以能夠影響企業年報信息披露行為的因素為解釋變量，具體包括：行業內其他企業的產業數字化披露程度的中位數、企業規模、企業年齡、盈利能力、負債水平、資本-勞動投入比、股權性質、股權集中程度、公司成長性。回歸結果中如果殘差大于0，則表示該企業存在年報信息夸大行為。因而本文剔除殘差大于0的樣本重新進行回歸，結果如表7所示。排除年報信息夸大行為后的回歸結果與基準回歸結果保持一致，證明了研究結論的穩健性。

表6 去除高管薪酬影響的穩健性檢驗結果

表7 去除信息夸大行為的穩健性檢驗結果

4.排除樣本自選擇問題

針對可能存在的樣本自選擇問題，本文采用Heckman兩步法進行檢驗。在Heckman第一階段的Probit回歸模型中，首先設置被解釋變量為虛擬變量dig_d，根據dig_d是否大于樣本中位數衡量，大于中位數取1，表示該企業完成了產業數字化轉型，否則取0。同時，在第一階段估計時加入了同行業其他企業完成數字化轉型的比例作為外生工具變量，利用此階段的回歸結果計算逆米爾斯比(imr)，然后將變量imr代入第二階段模型進行擬合。第二階段的回歸結果如表8所示。雖然有部分結果中imr系數顯著，但所有重要變量系數符號均沒有發生顯著性變動，證明了研究結論的穩健性。

表8 Heckman兩步法的穩健性檢驗結果

五、異質性分析

(一)要素結構異質性

為檢驗假設4，考察行業要素密集程度不同時，勞動報酬占比對數字業務轉型的反應是否存在差異，本文以固定資產占比為指標，通過聚類方法將上市公司所在行業區分為資本密集型行業和勞動密集型行業，然后在不同行業內分別進行回歸，結果如表9列(1)和列(2)所示。

結果顯示，無論在資本密集型行業內還是勞動密集型行業內，數字業務轉型對勞動報酬占比的影響系數都仍顯著為負，但在資本密集型行業內，系數的絕對值更高。這一結果與理論部分的假設一致，即在資本更密集的情況下，數字業務轉型會更大程度上降低勞動報酬占比。首先，可能是因為在勞動密集型行業內，作為重要生產要素的勞動力議價能力較高;其次，在例如采礦業、電力、熱力、燃氣及水生產和供應業等勞動密集型行業內，我國存在大量制度性壟斷企業，這一類行業內的市場份額變動程度不會很高，可能會導致數字業務轉型的市場集中機制減弱。

(二)所在地區異質性

為檢驗假設5，考察不同地區企業中勞動報酬占比對產業數字化的反應是否存在差異，本文將樣本公司分為北方地區和南方地區兩部分分別進行回歸，劃分依據為地理意義上的秦嶺淮河線分界線。分組實證檢驗結果如表9所示。

數字技術變革效應的回歸結果如表9列(3)和列(5)所示，無論在北方地區組還是南方地區組，數字技術變革對勞動報酬占比的影響系數都仍顯著為負，但在北方地區組，系數的絕對值更高，表明數字技術變革更大程度地降低了北方企業的勞動報酬占比，原因可能在于，數字人才多向南方流動，使南方地區數字人力資本更為豐富，南方人力資本及文化思想較為活躍[36]，因此非數字人力資本也能夠更快實現數字技能提升，南方地區較好的創新環境和產業鏈配套設施也有利于勞動技能結構升級[36]，以上因素都有可能緩解南方地區數字技術的勞動替代壓力；數字業務轉型效應的回歸結果如表9列(4)和列(6)所示，數字業務轉型系數僅在南方地區組顯著為負，說明數字業務轉型僅降低了南方企業的勞動報酬占比，北方企業未受到顯著影響。原因可能在于，北方地區的電子商務等數字商務產業發展較晚，數字業務轉型程度不深，尚未對勞動報酬占比產生顯著性影響，此外，北方地區資本水平增長緩慢，市場集中的中介效應也可能更弱。

綜上，對企業所在地區異質性的分析可以發現，我國產業數字化對勞動報酬占比的抑制作用存在南北差異，在北方地區體現為技術變革效應，在南方地區體現為業務轉型效應和較弱的技術變革效應。

表9 異質性分析檢驗結果

六、進一步分析

考慮到普通勞動者與企業高管之間勞動技能、議價能力和薪酬決定機制有較大的差異，本文將被解釋變量的勞動報酬占比進一步細分為普通勞動者的報酬占比和高級管理者的報酬占比。其中，普通勞動者報酬用“支付給職工以及為職工支付的現金”扣除“董事、監事及高管薪酬總額”表示，高級管理者報酬用“董事、監事及高管薪酬總額”表示，兩者分別除以“營業收入-營業成本+支付給員工以及為職工支付的現金+固定資產折舊”表示兩者的報酬占比。回歸結果如表10所示。

從總體上看，產業數字化總體影響的回歸結果如表10列(1)(4)所示，產業數字化總指標系數均顯著為負，對普通勞動者的影響系數高于高級管理者，說明產業數字化會同時降低普通勞動者和高級管理者的勞動報酬份額，但普通勞動者受到的負面沖擊更大。可見，產業數字化不僅會影響要素間收入分配，還會拉大勞動要素內部的收入差距。

從具體效應上看，數字技術變革效應的回歸結果如表10列(2)(5)所示，數字業務轉型效應的回歸結果如表10列(3)(6)所示，雖然解釋變量系數均顯著為負，但數字技術變革對普通勞動者的報酬占比影響系數更高，數字業務轉型對高級管理者的報酬占比影響系數更高，說明產業數字化過程中的技術變革會更大程度地降低普通勞動者的報酬占比，數字業務轉型則會更大程度地降低管理人員的報酬占比。這是因為，當前我國數字技術在企業生產中的應用尚在初級階段，主要體現為對非管理人員，或低技能勞動者的替代；而從線下到線上的業務模式轉型會更大程度地降低企業對業務管理人員的需求，體現為更大程度地降低高管勞動報酬占比。

表10 細分勞動者群體的回歸結果

七、研究結論與啟示

在我國全面建設社會主義現代化國家的新階段，提高勞動報酬占比，優化收入分配結構是我國實現共同富裕，打造高質量經濟發展格局的重要途徑。同時，以產業數字化為主要表現的數字經濟發展成為重要趨勢。本文從技術變革和業務轉型的雙重視角，分析了產業數字化對勞動報酬占比的影響。本文的研究結論可以概括為四點。第一，在總體上，產業數字化推進降低了我國勞動要素的報酬占比。第二，從技術變革角度上看，產業數字化進程中的數字技術變革體現為勞動節約型技術進步，直接降低了我國勞動報酬相對資本、數據等其他要素的占比。第三，從業務轉型角度上看，數字業務轉型對勞動報酬占比呈現顯著的負向沖擊，市場集中程度在這一過程中發揮了部分中介效應，主要通過在行業內部加劇產品市場壟斷的方式降低勞動報酬占比。第四，進一步分析發現，數字技術變革對勞動報酬占比的負面影響在北方地區程度更深，數字業務轉型效應在資本密集型行業內影響更大，在北方地區不顯著，數字技術變革會更大程度地降低普通勞動者的收入份額，而數字業務轉型則會更大程度地降低高級管理者的收入份額。產業數字化降低勞動報酬占比的技術變革效應和業務轉型效應同時存在，是本文的主要創新發現。因此，應采取有效措施應對產業數字化在初次分配領域的負面沖擊，不僅要關注要素市場中技術進步對勞動的替代問題，也不能忽視產品市場中不正當競爭帶來的壟斷利潤非公平分配現象。本文將市場集中的中介因素納入分析框架，拓展了相關理論機制研究，為產業數字化影響我國勞動報酬占比方向的爭議提供了微觀企業層面的經驗證據，從現實價值上，為我國在新一輪科技革命和產業變革背景下，兼顧增長效率與分配公平，扎實推進共同富裕提供理論和現實指導。

本文的研究結論具有以下政策啟示。(1)加快數據要素產權界定工作，使勞資主體合理分配數據要素收入。我國當前數據要素的產權界定尚不明晰，數據要素創造的價值由數據處理企業占有。可適當拆分數據所有權、使用權、收益權的規劃，以利益補償形式合理調節收入分配機制。(2)建立與數字經濟相適應的創業就業培訓和終身學習體系，擴展勞動收入增長渠道。面對就業的技術沖擊，要深化對勞動力的技能培訓，擴展創業就業培訓范圍，提高勞動力對新技術和新業態的適應能力，同時完善多渠道靈活就業機制，擴展勞動收入的增長渠道。尤其要重視北方地區數字人才的培養，營造有利于人才發展的制度環境。(3)加強線上銷售的反壟斷監管，避免非合理的市場集中現象。在堅持保護競爭和提升消費者福利宗旨的前提下，要充分考慮數字業務模式特性，完善反壟斷法規，建立健全消費者信息保護機制，可采用數字化手段提高智慧監管水平，從而營造有序的市場競爭生態。(4)完善現有工資制度和績效獎勵方式，加快推行工資集體協商制度，以提升低收入群體勞動報酬。需要發揮工會等團體力量，建立集體協商的民主參與機制，提升勞動者的議價能力，從而保障勞動者，尤其是一線勞動者對數字超額利潤的分配權益，以底線思維推進數字經濟時代的社會分配公平。