新型數字基礎設施、零工就業與空間溢出效應

張 藝，李秀敏

（廣東工業大學經濟與貿易學院，廣東 廣州 510520）

一、引言

新型數字基礎設施，又被稱為新型基礎設施。2018年12月，中央經濟工作會議把5G、人工智能、工業互聯網、物聯網定義為“新型基礎設施建設”，隨后“加強新型基礎設施建設”被列入2019年國務院政府工作報告中的重點工作任務[1]。2020年3月4日，中共中央政治局常務委員會會議要求加快在5G、大數據中心、人工智能、工業互聯網等新型基礎設施領域的相關項目投資[2]。2022年4月15日，國家發展和改革委員會強調，要為民企參與新型基礎設施建設創造更多有利條件[3]。2022年1月，國務院印發《“十四五”數字經濟發展規劃》指出，為促進傳統產業數字化、智能化升級，需要加快建設智能敏捷、安全可控的新型數字基礎設施。新型數字基礎設施為平臺經濟提供了發展引擎，平臺經濟依托于云、網、端等數字基礎設施，利用新型數字基礎設施提供的人工智能、大數據分析、區塊鏈等技術匹配供求、傳輸信息，創造出大量的零工就業崗位。

新型數字基礎設施為平臺經濟提供了技術平臺，平臺企業關聯上下游眾多的產業，創造了大量的就業機會，包括商業營銷、商業培訓、物流、支付等相關行業，促使就業模式發生從線下到線上、從固定到靈活的轉變，創造出大量的新型零工就業崗位。零工就業是基于數字平臺匹配的新型工作模式[4-5]，具有進入門檻低、工作方式和地點靈活、職業種類豐富、按任務付費等特征。國家統計局2021年的數據顯示，我國靈活就業人員規模已超兩億人[6]。以4G 和5G 網絡基站為代表的新型數字基礎設施極大地降低了信息傳播和獲取的成本。受益于新型數字基礎設施所帶來的技術進步[7]，平臺經濟的發展催生出大量的零工就業崗位。如圖1所示，新型數字基礎設施提供三種層次的基礎設施：融合應用層、存儲計算層和網絡通信層。這些新型數字基礎設施提供的工業互聯網、人工智能、大數據分析、云計算、區塊鏈等數字技術成為平臺經濟的發展基礎，創造出各種新型零工就業崗位。例如，電商平臺、支付平臺、網約車平臺、外賣平臺等平臺企業均催生出大量的零工需求，包括網約車司機、外賣騎手和快遞員等新崗位。從是否應用數字技術的角度，零工就業崗位可以分為與數字技術相關的研發崗位、數字技術應用崗位、數字內容創作崗位，以及不涉及數字技術的傳統崗位數字化。

圖1 新型數字基礎設施對零工就業的影響

已有研究比較了不同基礎設施對就業的影響。吉瓦塔納庫派薩（Jiwattanakulpaisarn）等[8]對1984年至1997年美國48個州的研究發現，交通基礎設施對就業具有促進作用，增加公路里程數可以促進當地服務業的就業增長。佩雷拉（Pereira）等[9]比較了12種不同基礎設施對就業的影響，發現信息通信基礎設施對就業的促進作用僅次于交通基礎設施（港口和機場、公路）。但信息通信基礎設施對就業的影響機制與交通基礎設施不完全相同，交通基礎設施通過提高交通的可達性吸引企業投資、增加企業數量，從而提高就業需求和勞動生產率[10]，而信息通信基礎設施通過降低企業的生產成本和銷售價格[11]，并促使企業以資本替代勞動，從而將勞動力轉移出制造業，提高服務業的相對就業需求[12]。

已有研究主要集中在交通基礎設施和信息通信基礎設施等傳統基礎設施，對于日益重要的新型數字基礎設施研究存在明顯不足。福希（Ndubuisi）等[13]探討了1996—2017年撒哈拉以南非洲45個國家的信息通信基礎設施對當地服務業就業的影響，他們使用固定寬帶使用人數、固定電話使用人數、移動電話使用人數作為信息通信基礎設施指標，發現信息通信基礎設施指數每提高1個百分點，服務業就業比重就上升0.08%。洪邦農（Houngbonon）等[14]發現，法國鄉鎮高速寬帶網絡的接入可以顯著提高當地的工資水平，并且降低收入不平等程度。這一結論與已有關于信息通信技術（ICT）能顯著提高收入水平的研究結論一致[15]。孫偉增等[16]使用我國4G 通信基站數量來研究信息通信基礎設施對企業就業需求和就業結構的影響，發現信息通信基礎設施可以增加企業對勞動力的需求。

數字基礎設施可以提高當地的工資水平。而新型數字基礎設施可以促進數字技術的提高，并與傳統業務結合，產生新的就業需求，這部分新型就業需求很大一部分與新興的零工就業崗位相關。新型數字基礎設施是數字技術得以應用的基礎，數字技術催生的平臺經濟創造了大量的零工就業需求，包括高技能的數字技術研發與應用、數字內容創作等崗位，以及低技能的傳統崗位，如家政、快遞等，這兩種零工就業崗位的相對需求和工資都將上升。米歇爾（Michaels）等[17]利用1980年至2004年美國、日本和9個歐洲國家的數據，發現對信息通信技術投資更多的行業對高技能勞動力的需求更高。

已有研究的不足之處主要體現在三方面：一是研究對象主要集中于正規就業，缺乏對零工就業的研究。新型數字基礎設施通過平臺經濟創造了大量的零工就業崗位，其對零工就業的影響愈發重要；二是主要采用固定電話、互聯網、通信技術和4G 基站等指標來衡量信息通信基礎設施，缺乏包括大數據、云計算、人工智能等新型數字技術的綜合指標；三是未關注數字基礎設施的空間溢出效應，新型數字基礎設施具有公共品屬性，其對零工就業的影響不僅限于本地，且對周邊地區具有空間溢出效應。

本文的邊際貢獻在于：在理論上，從數字技術促進就業需求的視角揭示新型數字基礎設施對零工就業工資的溢價機制，而已有關于工資溢價的研究大多基于城市規模所帶來集聚經濟的角度。在數據上，將2020年至2021年中國城市的網絡零工招聘大數據與城市特征數據進行匹配，采用多維度指標構建了新型數字基礎設施指數。在實證上，構建決定零工工資的空間計量模型，檢驗了新型數字基礎設施對零工就業工資的直接效應和間接效應。在政策上，定量測算新型數字基礎設施的空間溢出效應，為政府科學評估新型數字基礎設施建設的成本與收益提供理論參考。

二、理論分析與研究假設

新型數字基礎設施可以大幅度降低數字技術的使用成本，數字技術的推廣可以大量替代常規業務（Routine Tasks）或“可編碼”業務，導致非常規業務（Non-routine Tasks）的相對需求增加[18]。當數字信息傳輸、儲存與運算的成本下降時，完成非常規業務的就業需求會增加[19]。根據奧托（Autor）等[20]的分類，數字技術可以替代常規業務但無法替代非常規業務，非常規業務分為兩類：抽象業務和體力業務。抽象業務需要勞動者具有對問題的洞察和思考能力、說服力以及創造力。抽象業務與零工就業中的數字技術研發與應用、數字內容創作等崗位相關。體力業務是指需要情境適應性、視覺和語言識別以及面對面互動的體力活動，在城市復雜交通環境中駕駛車輛和行走、準備飯菜、投送貨物、保潔與照顧他人的活動都是非常規體力業務。正如奧托等[20]強調的，非常規體力業務尤其適用于餐飲、快遞、清潔和保姆等崗位，因為這些崗位需要勞動者具有人際和環境適應能力，這些能力是目前數字技術無法替代的。

新型數字基礎設施建設促進數字技術發展，增加對非常規業務的需求，刺激零工就業崗位（如快遞員、外賣員、網絡主播、自媒體從業者等）的興起?？爝f員和外賣員需要具備與人溝通以及與環境相適應的非常規體力要求，網絡主播及其他自媒體從業者則需要語言表達和分析問題的非常規抽象能力。新型數字基礎設施所提供的網絡平臺為零工就業需求和勞動力的匹配提供了便利，既促進了對零工就業需求的增長，又降低了零工就業的搜尋和匹配成本。據此，本文提出以下研究假設：

H1：新型數字基礎設施通過提高零工就業需求提升工資水平。

新型數字基礎設施對零工工資存在空間溢出效應。新型數字基礎設施可以降低信息傳輸成本，促進知識和信息的傳播，提高不同區域知識和信息的可達性，實現區域間的技術外溢[21-22]。新型數字基礎設施的空間溢出效應本質上反映的是數字技術與信息服務的空間溢出效應，意味著鄰近區域只要可以接入當地的數字信息網絡，就可以享受新型數字基礎設施所創造的基礎設施溢出效應。這與交通基礎設施和研發要素投入的空間溢出效應相似。張光南等[23]發現，交通基礎設施的空間溢出效應能夠降低周邊地區制造業的平均生產成本和邊際成本，且對周邊地區的空間溢出效應比本地區的直接效應更大。白俊紅等[24]研究了研發要素的空間流動，發現研發要素的空間流動會導致知識的創新與擴散，對周邊地區的收入增長產生空間溢出效應。

新型數字基礎設施對零工工資的空間溢出效應隨著距離增加而減弱。已有研究發現，基礎設施的空間溢出效應普遍存在隨距離衰減的現象[25]。索比拉爾斯基（Sobieralski）[26]考察了1990年至2018年美國11 個大都市統計區域的不同交通基礎設施投資對就業的影響，發現公路基礎設施對就業數量和工資有正向作用，且對鄰近地區的空間溢出效應存在隨距離衰減現象。覃成林等[27]研究先富地區對周邊地區經濟增長的空間溢出效應，發現先富地區對周邊地區的溢出效應隨著距離而減弱，溢出效應僅限于先富地區周邊390公里內。而新型數字基礎設施雖然不同于傳統基礎設施，但數字信息服務質量也會隨距離而衰減，距離城市新型數字基礎服務設施越遠的地區，所能享受的數字技術服務就越差。如果城市不發展本地新型數字基礎設施，僅依賴其他地區新型數字基礎設施的空間溢出效應，其所獲取的數字技術服務質量必然隨著距離的增大而下降。這與傳統基礎設施的溢出效應特征沒有本質區別。例如，吉布森（Gibson）等[28]發現，印度尼西亞的基礎設施對農戶就業和收入的溢出效應取決于當地道路和電力基礎設施的質量，如果當地基礎設施很差，則其溢出效應并不顯著。因此，新型數字基礎設施所創造的零工就業需求受地理距離的約束，地理距離增大會降低對相關零工就業的需求，因為就業人員的流動必然產生遷移成本，距離越大，成本越高。而且，零工就業主要屬于服務業，無法遠距離運輸。據此，本文提出以下研究假設：

H2：新型數字基礎設施對零工工資產生空間溢出效應，并且溢出效應隨著距離增大而衰減。

三、研究設計

（一）計量模型的設定

本文使用網絡零工招聘大數據考察新型數字基礎設施對零工工資的影響。被解釋變量是零工招聘的工資，核心解釋變量是零工所在城市的新型數字基礎設施水平。在明瑟（Mincer）工資決定模型基礎上，增加新型數字基礎設施變量，參考梁文泉等[29]的回歸模型，模型（1）設定如下：

其中，i表示零工招聘信息所在的城市，j表示該城市的某條零工招聘信息，t表示發布零工招聘的日期。被解釋變量ln（Eijt）代表零工工資水平；Digitalit表示所在i城市的新型數字基礎設施指數，反映城市新型數字基礎設施的綜合發展水平；系數β1反映新型數字基礎設施對零工工資的影響?？刂谱兞渴桥c新型數字基礎設施相關且影響零工工資的城市特征變量（Cityit），具體包括在崗職工平均工資水平、市轄區平均人口、市轄區第三產業與第二產業比重，以及地方一般公共預算收支比。為緩解零工工資對城市層面指標的反向因果影響導致的內生性問題，采用滯后一年的城市特征變量。

為減少遺漏變量偏誤問題，以φst來代表省份固定效應乘以年份固定效應的交互項，用以控制省份固定效應以及其隨年份變化的固定效應。同時，由于零工工資受不同月份的用工需求影響，模型（1）中加入月份的固定效應γt。對于誤差項的選擇，考慮到在同一省份內不同城市的零工工資與新型數字基礎設施之間存在相關性，因此將標準誤εijt設為省份層面的聚類標準誤。

在模型（1）的基礎上，考慮新型數字基礎設施具有空間溢出效應，本文建立空間計量模型考察新型數字基礎設施的空間溢出效應?？臻g計量模型的建立過程為從普通最小二乘回歸方程（OLS）出發，通過添加不同的空間滯后項形成更一般的空間計量模型。目前，學者普遍采用這種從簡單到復雜的建模思路，弗洛科思（Florax）等[30]和埃洛斯特（Elhorst）[31]認為這種方法可以有效避免過度擬合的問題。

本文采用從簡單到復雜的空間建模思路，首先將OLS 模型擴展成三種簡單的空間計量模型，即空間自回歸模型（Spatial Autoregressive Model，SAR）、空間誤差模型（Spatial Error Model，SEM）和廣義空間自回歸模型（Spatial Autocorrelation Model，SAC），但這三個模型忽略了自變量的空間滯后項，易造成模型設定偏誤問題。因此，本文進一步加入自變量的空間滯后項，將空間滯后模型和空間誤差模型擴展成空間杜賓模型（SDM）和空間杜賓誤差模型（SDEM）。萊薩（LeSage）等[32]認為，空間杜賓模型與空間杜賓誤差模型比其他模型更有優勢，不易出現嚴重的遺漏變量偏誤問題，即使數據生成過程是一般嵌套空間模型（GNS），空間杜賓模型和空間杜賓誤差模型也可以得到一致的估計?？臻g杜賓模型和空間杜賓誤差模型可以更好地刻畫本研究問題中的空間相關性來源。在本研究中，空間相關性主要來源于兩方面：一是零工在區域勞動力市場流動形成的工資均衡，二是新型數字基礎設施對鄰近地區零工工資的空間溢出效應。因此，空間杜賓模型和空間杜賓誤差模型比較適合描述本文的研究問題。

空間計量模型的具體建模過程如下：首先，將城市層面的零工平均工資作為因變量、新型數字基礎設施指數作為核心自變量，加入影響零工就業的其他控制變量，構建模型（2）所示的未加空間滯后項的OLS回歸方程：

其中，ln（Ei）代表i城市的零工平均工資，零工平均工資為城市的零工工資均值。在機制討論部分，將因變量替換成零工崗位需求量，以城市中所有企業發布的零工招聘崗位總數代表。Digitali是指所在i城市的新型數字基礎設施指數，系數β1反映了核心解釋變量新型數字基礎設施對零工就業工資影響。Cityi代表一系列影響零工就業的城市特征變量，包括城市在崗職工平均工資、城市平均人口、城市產業結構和城市一般公共預算收支比。考慮到不同城市工資水平存在異方差，將標準誤εi設為異方差穩健標準誤。

模型（2）沒有考慮變量存在的空間依賴性，如果模型（2）的誤差值存在空間依賴性，就會導致估計的不一致。因此，需要檢查誤差值是否存在空間相關性。安塞林（Anselin）等[33]認為，基于OLS模型殘差項而構建的拉格朗日乘子檢驗方法（Lagrange Multiplier Test）（以下簡稱“LM檢驗”），可用于判斷誤差項的空間依賴性來源。

表1顯示了針對零工工資和零工崗位作為因變量的模型（2）誤差項的LM 檢驗結果，分別采用LM-Error、LM-Lag、Robust LM-Error、Robust LMLag4個統計量檢驗OLS的誤差項。如果誤差項與因變量存在空間相關，則LM-Lag與Robust LM-lag的檢驗結果是顯著的，應選擇空間滯后模型；如果誤差項自身存在空間相關，則LM-Error和Robust LM-Error的檢驗結果是顯著的，應采用空間誤差模型。

表1 空間模型的LM檢驗結果

在LM檢驗中，無論是對零工工資還是對零工崗位，LM-Error和LM-Lag的檢驗結果均顯著，說明需要在模型（2）基礎上加入因變量的空間滯后項，構成模型（3）空間自回歸模型；或者在模型（2）誤差項加入空間滯后項，構成空間誤差模型，即模型（4）；或者在模型（2）中同時加入因變量和誤差項的空間滯后項，構成廣義空間自回歸模型，如模型（5）所示。這三個模型中，Wln（Ei）代表因變量的空間滯后項，Wεi代表誤差項的空間滯后項，vi代表誤差項εi對其空間滯后項Wεi回歸產生的新誤差值。這三個模型中控制變量的設定與OLS模型（1）一致。W表示空間權重矩陣，該矩陣的選擇對空間計量模型的估計至關重要，但其設定不存在最優方法[33-34]。本文基準回歸使用逆距離地理空間權重矩陣。為保證檢驗結果的穩健性，在后面的穩健性檢驗中，將使用地理空間權重矩陣、經濟空間權重矩陣、地理與經濟結合的空間權重矩陣分析回歸結果對不同空間權重矩陣的敏感程度。ρ是因變量的空間滯后項估計參數，λ是誤差項的空間滯后項的估計參數。

由于所有LM檢驗都拒絕原假設，無法判斷是使用空間自回歸模型還是空間誤差模型。埃洛斯特[34]認為，這種情況下的空間自回歸模型和空間誤差模型可能存在遺漏變量偏誤問題，曼斯基（Manski）[35]進一步指出空間自回歸模型和空間誤差模型存在偏誤原因是遺漏了自變量的空間滯后項。因此，需要在廣義空間自回歸模型和空間誤差模型中加入自變量的空間滯后項WDigitaliθ，分別構成模型（6）空間杜賓模型和模型（7）空間杜賓誤差模型。其中θ是自變量的空間滯后項的估計參數。本文采用空間杜賓模型和空間杜賓誤差模型作為基準空間計量模型。

（二）數據來源與變量測度

模型中的核心變量零工工資和新型數字基礎設施需要構建測量指標。零工就業工資數據獲取存在困難，目前國內沒有專門針對零工就業的微觀調查數據①，國外相關研究廣泛使用互聯網招聘數據[36]，本研究以互聯網兼職招聘平臺的大數據構建零工就業指標。零工招聘大數據來源于58同城招聘網的兼職招聘數據。該數據覆蓋了全國所有地級市，代表性強且數據量大，可以真實反映零工就業的特征。數據整理的過程為：首先，根據中國城市統計年鑒中地級市的城市名，匹配對應城市的兼職招聘網址，收集該城市的兼職招聘數據，包括兼職的職位、工作內容、地點、公司、工資、結算方式、職位發布時間。兼職信息的發布時間為2020年3月5日至2021年3月5日。零工招聘的工資結算方式包括日工資、小時工資、次工資、面議工資四種形式。由于零工的工作時間靈活，無法用固定工作時間的標準將不同結算方式的工資水平進行轉化，為避免測量誤差，僅使用出現頻率最高的日工資作為零工工資。

為衡量不同城市的新型數字基礎設施水平，本文構建了新型數字基礎設施指數。該指數主要借鑒兩方面的文獻：第一，在構建方法上，借鑒趙濤等[37]的城市數字經濟指數的構建方法；第二，在指標選取方面，參考2014年建立的歐盟數字經濟與社會指數（DESI）和2017年經濟合作與發展組織（OECD）發布的投資智能化基礎設施指標體系[38]。本文以互聯網寬帶接入用戶數、計算機服務和軟件業從業人員占城鎮單位從業人員比重、人均電信業務總量、每百人移動電話用戶數、數字中國指數共5 項指標來衡量城市新型數字基礎設施，前4項數據可從中國城市統計年鑒中獲得，數字中國指數采用騰訊研究院《數字中國指數報告》中的數據。數字中國指數被已有研究廣泛采用[39]，它綜合了各城市云計算、大數據儲存與計算能力、移動支付、數字產業、物聯網與數字政務等相關數據，能夠反映城市總體數字基礎設施水平。該指數通過主成分分析方法獲得。

最后，根據招聘城市名稱匹配零工就業工資和新型數字基礎設施指數，再從《中國城市統計年鑒—2020》中匹配相應城市的統計指標，包括經濟發展、產業結構、就業信息、基礎設施、人口增長和其他城市特征指標。在考慮統計年鑒數據中的缺失數值后，最終保留262 座城市的561 056 個有效樣本。關于變量的具體說明如表2所示。

表2 變量說明

（三）內生性問題與工具變量

本文考察新型數字基礎設施對零工就業工資的影響，在回歸模型中加入影響零工工資水平的城市控制變量和一系列不可觀測的固定效應，但仍不能完全解決內生性問題。新型數字基礎設施對零工就業工資的回歸還可能存在以下內生性來源：第一，遺漏變量。盡管零工就業對城市新型數字基礎設施投資的反向因果效應可能較小，但在遺漏變量中可能包含與城市新型數字基礎設施和零工就業工資相關的變量，導致反向因果問題。第二，測量誤差。新型數字基礎設施指數是由多個指標采用主成分法綜合而成，這些指標中可能存在測量誤差，導致估計偏誤。為解決這兩種內生性來源產生的估計偏誤，參考孫偉增等[16]、黃群慧等[40]使用工具變量的方法，本文使用1984年各城市每百人固定電話數作為該城市新型數字基礎設施指數的工具變量，該數據來源于《中國城市統計年鑒—1985》②。

（四）描述性統計與空間相關性檢驗

新型數字基礎設施對零工就業工資和崗位需求的影響可以從圖2看出，隨著新型數字基礎設施水平的提高，零工就業的平均工資和崗位需求均呈上升趨勢，兩者間的正相關關系符合理論預期，但從圖2無法看出新型數字基礎設施對零工就業是否存在空間溢出效應，需進一步檢驗變量間的空間相關關系。

圖2 新型數字基礎設施與零工就業工資和就業崗位的關系

變量是否存在空間相關性常使用全局莫蘭指數來檢驗[30]。全局莫蘭指數的計算方式為：

表3 變量的描述性統計

本文的核心變量新型數字基礎設施指數的莫蘭指數為0.031，在1%的水平上顯著，說明新型數字基礎設施不僅能使本地零工就業受益，也能惠及周邊地區的零工就業，即存在空間溢出效應。城市零工工資與零工崗位數量的莫蘭指數均顯著為正，這是由于勞動力在區域間的勞動力市場可以自由流動，導致本地工資水平和崗位需求會對周邊勞動力市場產生溢出效應。莫蘭指數的檢驗結果進一步確認了前述對空間相關性來源的討論，說明使用空間計量模型來解釋變量間空間依賴性的合理性。

四、實證結果與分析

（一）新型數字基礎設施對零工工資的影響

表4顯示了新型數字基礎設施對零工工資影響的回歸結果。列（1）是普通線性回歸模型的結果，在模型中加入了城市層面的特征變量、月份固定效應、省份×年份固定效應作為控制變量。新型數字基礎設施指數的回歸系數在1%的水平上顯著，新型數字基礎設施指數每增加1 個單位，零工工資將增加13.2%，表明城市新型數字基礎設施可以提高零工工資。列（2）和列（3）分別對應使用工具變量法的兩階段最小二乘法（2SLS）的第一和第二階段回歸結果。從列（2）的結果看，第一階段回歸中使用1984年每百人固定電話數量作為工具變量，與新型數字基礎設施指數呈正相關的關系，Kleibergen-Paap WaldF統計量（KP-F test）大于10，說明不存在弱工具變量問題。列（3）是第二階段回歸的結果，在考慮內生性問題后，新型數字基礎設施指數的回歸系數在5%的水平上顯著，且系數值增大至0.235。列（4）采用對弱工具變量更不敏感的有限信息最大似然估計法（LIML），LIML的估計結果與列（3）估計結果完全一致。

工具變量的選擇還必須滿足排他性約束的條件，參考阿西莫格魯（Acemoglu）等[41]的檢驗方法，在表4列（5）中使用簡約式（Reduced Form，RF）估計工具變量對被解釋變量零工工資的影響，結果表明工具變量對零工工資有顯著的正向作用。列（6）進一步加入解釋變量新型數字基礎設施指數到簡約式中，工具變量變得不再顯著，說明工具變量對零工工資的正向影響可以完全被新型數字基礎設施解釋。這意味著工具變量僅能通過新型數字基礎設施對零工工資產生影響，因此，工具變量滿足排他性約束的條件。

表4 城市新型數字基礎設施對零工工資的影響

綜上，使用2SLS 方法的回歸結果與OLS 回歸結果是一致的，但系數值由原來的0.132增加到0.235，說明OLS的回歸低估了新型數字基礎設施對零工工資的影響。在考慮內生性問題后，本研究發現新型數字基礎設施對零工工資具有正向作用。

（二）新型數字基礎設施對零工工資的空間溢出效應

如果新型數字基礎設施對零工工資的影響存在空間溢出效應，那么忽略鄰近地區的空間相關性可能會對估計產生偏誤。根據空間計量模型（3）、模型（4）、模型（5）、模型（6）和模型（7）等的設定，表5顯示了新型數字基礎設施對零工工資的空間計量模型回歸結果，列（1）至列（5）分別顯示了空間自回歸模型、空間誤差模型、廣義空間自回歸模型、空間杜賓模型和空間杜賓誤差模型的回歸結果，其中空間杜賓模型和空間杜賓誤差模型考慮了所有自變量的空間滯后項。從表5可以看出，無論選擇哪種空間計量模型，新型數字基礎設施指數的系數均顯著為正，帶有空間滯后項部分的系數也顯著為正，說明新型數字基礎設施對零工工資的作用不僅存在直接效應，還存在空間溢出效應。

表5 新型數字基礎設施對零工工資的空間計量模型回歸結果

在表5中，因變量空間滯后項的系數值ρ在空間自回歸模型、廣義空間自回歸模型和空間杜賓模型中均顯著為正，說明零工工資存在空間溢出效應，考慮到零工勞動者在城市間可以自由流動，這意味著區域間勞動力市場的工資會相互影響。誤差項的空間滯后項系數值λ在空間誤差模型、廣義空間自回歸模型和空間杜賓誤差模型中均顯著為正，說明零工工資在空間上還存在無法被自變量完全解釋的因素，例如區域內零工就業需求受宏觀因素的影響等。

（三）空間計量模型的選擇

空間計量模型的選擇可以從以下方面考慮：第一，從模型擬合效果（R2）的角度，比較不同空間計量模型對數似然值的大小?？臻g杜賓模型和空間杜賓誤差模型較之空間自回歸模型、空間誤差模型和廣義空間自回歸模型的對數似然值更大，說明空間杜賓模型和空間杜賓誤差模型比其他空間計量模型更優。第二，對直接效應和間接效應（LL）施加約束的角度，數字基礎設施對零工就業的直接效應和間接效應在空間杜賓模型和空間杜賓誤差模型中沒有事前約束，意味著不同解釋變量的直接效應和間接效應的比例可能發生變化，空間杜賓模型和空間杜賓誤差模型比空間自回歸模型與廣義空間自回歸模型更符合現實。第三，以LR 檢驗不同模型間的嵌套關系，空間杜賓模型嵌套了空間誤差模型和廣義空間自回歸模型，LR檢驗的結果說明空間杜賓模型更優；空間杜賓誤差模型嵌套了空間杜賓模型，LR 檢驗的結果說明空間杜賓誤差模型更優。綜上所述，從R2、LL 和LR 檢驗結果看，空間杜賓模型與空間杜賓誤差模型的效果顯著優于其他三種空間模型，但這兩個模型的結果比較接近，判斷使用哪個模型比較困難[34]。

安塞林[42]建議進一步使用赤池信息準則（AIC）和施瓦茨信息準則（SC）的統計量進行模型比較，結果發現空間杜賓模型和空間杜賓誤差模型的信息準則值是所有模型中最小的，且兩者的差距微弱，難以判斷哪一種模型更有優勢。因此，空間杜賓模型與空間杜賓誤差模型都是可以接受的模型。但從回歸系數顯著性的角度看，新型數字基礎設施對零工就業的溢出效應在空間杜賓誤差模型中的顯著性水平更高?？臻g杜賓誤差模型回歸系數的估計結果優于空間杜賓模型的估計結果，因此，本文選擇空間杜賓誤差模型作為空間基準模型結果。

空間杜賓誤差模型的直接效應是解釋變量的估計系數，間接效應為其空間滯后項的估計系數。從表5中列（5）空間杜賓誤差模型估計結果可以看出，新型數字基礎設施指數對零工工資的直接效應和間接效應均顯著，新型數字基礎設施指數對零工就業工資的直接效應為0.038，間接效應為0.339，是直接效應的8.9倍。這一結果與張光南等[23]研究交通、倉儲和郵電基礎設施對制造業生產成本的溢出效應接近（他們發現基礎設施的間接效應是直接效應的8.5 倍）。因此，新型數字基礎設施對零工工資會產生空間溢出效應。新型數字基礎設施對零工就業的間接效應比直接效應大的原因是空間權重矩陣的設置，由于基準回歸中使用逆距離權重矩陣作為基準回歸的空間權重矩陣，其衡量的間接效應是指本地城市新型數字基礎設施對所有其他城市零工就業的影響加權求和，這導致間接效應可能被高估。在本文穩健性討論中將采用不同的空間權重矩陣進行回歸。

五、穩健性討論

（一）采用不同空間權重矩陣的回歸結果

空間權重矩陣是空間計量模型中最重要的影響參數，選擇不同的空間權重矩陣直接影響估計結果，但對空間權重矩陣的選擇并沒有經濟學理論或者統計理論可以作為標準。檢驗空間回歸結果是否穩健的主要方法是選取不同的空間權重矩陣進行空間計量模型回歸。埃洛斯特[34]等建議首選基于外生地理信息的空間權重矩陣，在此基礎上，再考慮使用經濟指標構建的空間權重矩陣。本文比較了6種空間權重矩陣，其中4種是地理空間權重矩陣，包括逆距離空間權重矩陣、地理鄰近空間權重矩陣（分別將相距100公里和150公里以內的城市劃定為相鄰城市）、K 近鄰空間權重矩陣（最近的15 座城市）；2 種是與經濟相關的空間權重矩陣，包括以人均生產總值對數的差值來衡量兩城市間的經濟距離空間權重矩陣，以及使用人均生產總值對數的差值再乘以距離倒數構建的經濟地理空間權重矩陣。

表6顯示了使用不同空間權重矩陣檢驗新型數字基礎設施指數對零工就業工資的空間杜賓誤差模型結果。無論使用哪種空間權重矩陣，新型數字基礎設施指數對零工就業的工資都有顯著的正向作用，且除150公里以內地理鄰近空間權重矩陣的溢出效應不顯著外，所有空間權重矩陣都存在顯著的溢出效應。

從表6可以看出，不同的空間權重矩陣導致的間接效應差別很大，逆距離空間權重矩陣和經濟地理空間權重矩陣構造的空間滯后項反映的是對所有城市的空間溢出效應，更合理的做法是將溢出效應的影響限定在一定范圍，如地理鄰近空間權重矩陣和K 近鄰空間權重矩陣，分別將溢出效應限定在一定距離。從結果看，當城市距離100 公里時，新型數字基礎設施指數對零工工資的直接效應為0.036，間接效應降為0.031，兩者的作用效果相當。因此，使用限定范圍的空間權重矩陣后，間接效應也變小了。

表6 不同空間權重矩陣下新型數字基礎設施對零工工資的影響

（二）采用廣義空間兩階段最小二乘估計方法

基準回歸采用的極大似然法（ML），是目前使用最廣泛的空間計量模型估計方法。但當模型包含內生解釋變量時，德魯克（Drukker）等[43]建議使用解釋變量空間滯后項作為工具變量的廣義矩估計方法（IV-GMM），但對包含自變量與誤差項的空間滯后項的空間杜賓誤差模型進行廣義矩陣估計較為困難?？评战颍↘elejian）等[44]建議使用廣義空間兩階段最小二乘估計法（Generalized Spatial Two Stage Least Squares，GS2SLS）估計空間杜賓誤差模型更為合適。表7顯示了廣義空間兩階段最小二乘估計法的回歸結果，新型數字基礎設施指數對零工工資的影響與基準回歸結果在系數大小與顯著性水平上均一致。

表7 采用GL2SLS新型數字基礎設施對零工工資的影響

（三）將工資中位數作為因變量

基準回歸采用各城市零工就業的工資均值作為因變量，但工資均值容易受工資分布的影響，出于穩健性的考慮，可以使用中位數來反映工資的平均水平。表8顯示了使用零工工資中位數作為因變量的回歸結果。與使用零工平均工資作為因變量的結果相比，兩者的系數大小與顯著性水平是一致的。在考慮了工資分布中存在更多極端值情況時，新型數字基礎設施指數對工資中位數的直接效應和空間溢出效應均顯著。

表8 新型數字基礎設施對零工工資中位數的影響

六、對結果的進一步討論

（一）影響機制的討論

新型數字基礎設施可以通過增加零工需求提高零工工資水平。新型數字基礎設施提供的是數據和信息的傳輸服務，具有資產輕、邊際效用高的特征，可以與許多傳統產業融合，催生新的消費需求，降低勞動者和企業間的搜索與匹配成本[16]、企業生產成本和銷售價格，提升企業的專業化水平[45]，提高企業的生產規模，擴大企業的經營范圍，提高企業對就業崗位的需求。為檢驗這一影響機制，根據空間計量模型（3）、模型（4）、模型（5）、模型（6）等的設定，將模型的因變量換成零工崗位數量，并以所在城市招聘信息數據中零工發布崗位總量代表。表9顯示了新型數字基礎設施指數對零工崗位的空間計量模型回歸結果。

表9顯示了空間自回歸模型、空間誤差模型、廣義空間自回歸模型、空間杜賓模型和空間杜賓誤差模型的回歸結果。在所有模型中，新型數字基礎設施指數對零工就業崗位需求的影響均為正，且其空間滯后項的系數也是正值，說明新型數字基礎設施可以增加零工需求，且對零工需求具有正向的空間溢出效應。因此，新型數字基礎設施可以通過提高零工就業需求來提高零工工資。

表9 新型數字基礎設施對零工崗位的空間計量模型回歸結果

為檢驗空間權重矩陣對空間計量模型結果的穩健性，表10顯示了使用不同空間權重矩陣檢驗新型數字基礎設施對零工就業崗位的空間杜賓誤差模型結果。無論使用哪種空間權重矩陣，新型數字基礎設施指數對零工就業崗位的直接效應均顯著，且對前4種基于地理空間權重矩陣的間接效應也是顯著的。在列（5）和列（6）中，基于經濟指標和經濟地理指標的空間權重矩陣的間接效應不顯著，埃洛斯特[31]認為這種情況是正常的，主要是由于使用經濟空間權重矩陣引入了內生性，導致估計結果不顯著。

表10還反映出新型數字基礎設施指數對零工就業崗位的溢出效應隨著距離的增加而衰減的特征。列（2）使用100公里以內地理鄰近空間權重矩陣時，新型數字基礎設施指數對零工就業崗位的直接效應為0.105，間接效應為0.064，間接效應約為直接效應的60%左右。而在列（3）中使用150公里以內地理鄰近空間權重矩陣時，新型數字基礎設施指數對零工就業崗位的直接效應為0.100，間接效應為0.037，間接效應下降為直接效應的37%。

表10 不同空間權重矩陣下新型數字基礎設施對零工崗位的影響

（二）溢出效應的影響范圍

空間溢出效應的影響范圍是評價新型數字基礎設施經濟外部性的重要指標，新型數字基礎設施建設的成本高，準確界定其溢出效應的影響范圍有助于評估新型數字基礎設施的成本與收益。新型數字基礎設施對零工工資的影響主要通過提供高效的數字化連接降低知識和信息的獲取成本，增加企業的崗位需求。同時，數字技術和智能終端的普及也會催生出新的企業，產生更多適應用戶需求的新業態和新模式，從而創造出更多的就業崗位。但溢出效應會隨著距離而衰減，一方面，數字信息服務的提供質量不僅僅是接入互聯網，還取決于數據的下載速度、存儲能力和計算能力，如果本地沒有任何新型數字基礎設施，僅依靠接入其他城市數字基礎設施提供的服務，數字信息服務的質量必然下降。另一方面，新型數字基礎設施所創造的零工需求無法擺脫地理距離的約束，因為零工就業人員的流動必然產生遷移成本，而且零工就業崗位大多屬于服務業，是不可貿易品，無法完全數字化。因此，隨著地理距離的增加，新型數字基礎設施的溢出效應會逐漸減弱。

借鑒覃成林等[27]的做法，通過設定地理鄰近空間權重矩陣中的距離閾值分析空間溢出效應的影響范圍。由于地理距離相差50 公里的城市很少，因此距離閾值從地理距離相差60公里開始，每次增加10 公里，直至140 公里。圖3反映了地理距離與新型數字基礎設施對零工工資溢出效應之間的關系。隨著距離的增加，溢出效應逐漸下降，且在110 公里處，新型數字基礎設施對零工工資間接效應不再顯著。所以，新型數字基礎設施對零工工資的溢出效應存在有效范圍，超出有效范圍，溢出效應不再存在。這進一步證實了新型數字基礎設施的空間溢出效應隨著距離而衰減的研究假設。

圖3 新型數字基礎設施對零工工資的溢出效應影響范圍

為從影響機制上證實新型數字基礎設施對零工就業溢出效應存在衰減過程，本文進一步分析新型數字基礎設施對零工就業崗位需求的影響范圍。圖4反映了新型數字基礎設施對零工就業崗位數量溢出效應的影響范圍，表明新型數字基礎設施對零工就業崗位的影響隨著距離的增加而衰減，在60 公里處，其影響數值為0.18，在臨界點110 公里處衰減到0.05。當距離增至110公里時，新型數字基礎設施提高零工就業崗位數量的作用雖然沒有完全消失，但非常微弱，已無法產生零工工資溢價的效果。圖4從機制上說明新型數字基礎設施對零工就業需求的溢出效應隨著距離而衰減的現象。

圖4 新型數字基礎設施對零工崗位需求的溢出效應影響范圍

七、結論與政策建議

新型數字基礎設施的建設加快了城市數字產業化與產業數字化的步伐，催生了零工經濟的蓬勃發展。零工就業是平臺經濟衍生出的新就業形態，平臺經濟對互聯網和數字技術的依賴程度很高。因此，零工就業的發展與城市新型數字基礎設施建設緊密相關。本文探究新型數字基礎設施對零工工資的影響及其空間溢出效應，將2020—2021年中國互聯網零工招聘平臺大數據與中國城市統計年鑒數據相匹配，構建基于城市新型數字基礎設施的綜合指數，采用空間計量模型分析我國新型數字基礎設施對零工就業的影響及空間溢出效應。

（一）結論

本研究發現，新型數字基礎設施對本地零工工資具有顯著的提升作用，并對周邊城市的零工工資具有空間溢出效應，溢出效應隨著距離的增大而衰減。在考慮了模型內生性問題并經過各種穩健性檢驗后，結果依然穩健。新型數字基礎設施對零工工資的影響機制主要通過提供高效的數字化連接降低知識和信息的獲取成本，增加企業的崗位需求。同時，數字技術和智能終端的普及催生出新的就業形態，創造出更多的就業崗位，因此，新型數字基礎設施可以通過增加就業需求提高工資水平。新型數字基礎設施所創造的零工就業需求受到地理距離的約束，地理距離增大會降低就業需求，因為就業人員的流動必然產生遷移成本，距離越大，成本越高。而且，零工就業的行業主要是服務業，大部分是不可貿易品，無法遠距離運輸。因此，隨著地理距離的增加，新型數字基礎設施的溢出效應會逐漸減弱。

（二）政策建議

本研究結論可為政府統籌推進區域間新型數字基礎設施的開發與利用、促進零工經濟的發展提供理論參考?；诒狙芯拷Y論，提出如下政策建議：

第一，由于新型數字基礎設施對就業存在空間溢出效應，因此鄰近地區間的政府需要加強合作，制定共擔成本與共享收益的新型數字基礎設施投資方案。這有利于拓展投資來源、分擔投資成本、加快新型數字基礎設施建設?！吨腥A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》強調加快推進新型數字基礎設施建設，主要包括5G 基站建設、大數據中心、人工智能、工業互聯網等，這些項目的投資額巨大，地方政府的財政負擔很重。地方政府需要積極拓展投資主體，挖掘與其他城市的合作潛力，構建多元化投資體系，鼓勵私有企業和私有資本進入相關投資領域。

第二，新型數字基礎設施支撐下的數字技術會創造大量的零工就業崗位。隨著新型數字基礎設施建設的廣泛覆蓋，個人可以通過手機設備連接互聯網，實現信息和數據的分享，更多的消費需求能夠被創造出來，催生出如外賣騎手、直播賣貨、網絡主播、專車司機等新就業形態。發展以零工經濟為代表的新業態是穩經濟、保就業的重要支撐，政府應為零工經濟的發展提供更多的政策支持，給予企業相應的稅收優惠和資金補貼，幫助企業度過數字化轉型的初期階段。另外，現有法律體系對零工就業者的權益保障不足，政府應出臺專項法律法規政策，滿足零工就業人員在勞動和社會保障方面的需求。

注釋：

①少數家庭調查可以篩選出零工就業者的樣本，如2018年的中國家庭追蹤調查（China Family Panel Studies，CFPS）和中國勞動力動態調查（China Labor-force Dynamic Survey，CLDS），但多數調查的樣本較少，不足以覆蓋全國主要城市。

②1985年，國家統計局出版了第一期中國城市統計年鑒，每百人固定電話最早數據為1984年，故本文選取1984年每百人固定電話數為工具變量。