數字經濟對就業結構的影響

摘 要：本文采用2013-2020年中國省級面板數據，從數字產業化和產業數字化兩個維度衡量數字經濟發展水平，基于空間杜賓模型實證檢驗數字經濟對就業結構產生的影響及其空間溢出效應，并進行異質性分析。結果顯示：首先，數字經濟的發展表現出空間自相關性，隨著時間的推移，數字經濟的空間相關性在達到峰值后逐漸減弱；其次，考慮空間效應前后，數字經濟的發展均對就業結構產生了正向影響，促進就業結構的優化，且存在空間溢出效應；最后，通過對地區異質性的研究發現，數字經濟對東部地區就業結構有著明顯的正向優化作用，而中西部地區的優化作用并不明顯；進一步分析產業異質性發現，數字化技術對不同產業就業結構存在溢出效應，推動了勞動力資源向第二、三產業聚集，同時數字經濟通過產業結構升級的渠道促進就業結構的優化。

關鍵詞：數字經濟；就業結構；空間效應

中圖分類號： F249.2 文獻標志碼： A 文章編號：1672-0539（2023）01-0070-12

一、引言

數字經濟是伴隨著數字技術革命和產業革命應運而生的。《“十四五”規劃和2035年遠景目標綱要》中指出，要推動數字經濟和實體經濟的深度融合。近些年來，各級地方政府出臺數字經濟相關政策，加快推動數字經濟的快速發展。就業問題一直以來都是社會關注的熱點問題，同時也是政府高度重視的問題之一。2019年政府工作報告首次將就業政策納入宏觀政策層面。在第十三屆全國人民代表大會第五次會議上，李克強總理指出，要加強宏觀政策的執行力度，就業優先也是一項宏觀政策，要實現就業目標，需要相應政策的配套實施。數字經濟的快速發展，進一步增強了就業能力。2020年我國數字經濟依然表現出較快的增長速度，其中數字經濟規模達39.2萬億元，GDP占比38.6%，呈現雙“39”態勢。同時，各地數字經濟保持蓬勃的發展態勢，廣東、江蘇、山東等13個省市的數字經濟規模超過1萬億元。數字經濟的蓬勃發展，增強了就業的靈活性，催生了新的就業形態，進一步推動了就業結構的深刻變革。2018年，我國在數字經濟領域的就業人數達1.91億，同比增速明顯高于同期全國就業規模增速，在三大產業的數字化轉型就業中（1），第三產業數字化轉型就業人數約1.34億，占比增長約4個百分點，提升速度最快（2）。數字經濟的快速發展帶來了大量的就業機會，進一步促進了就業崗位的穩步增加。

數字技術的不斷成熟促進了數字經濟的快速發展，具體測算數字經濟發展水平的方法也在學術界引起了廣泛的討論，但由于各國數字經濟發展程度不同，對數字經濟的衡量方法尚未有統一的標準。數字經濟的發展不僅提高了社會生產力，而且提高了第三產業的比重，從而對產業結構的調整產生一定的影響，進而影響第三產業中的制造業、服務業等行業。產業結構的調整與就業結構的變化緊密相關，第三產業比重的提升帶來大量服務型就業崗位，使得不同產業就業人員數量發生變化，由此導致勞動市場上的就業數量問題轉向就業結構問題，就業結構的優化成為主要矛盾問題。目前學術界對數字經濟的研究主要聚焦于數字經濟發展水平的測算，以數字經濟對產業結構的影響為切入點，深入分析其對就業結構的影響，對不同層面就業結構進行橫向研究和分析，研究視角主要以數字經濟的直接影響為出發點，而對于數字經濟在空間上所產生的外溢性影響鮮有文獻進行考察研究。鑒于此，本文從空間視角研究數字經濟的規律和差異，并探討其對就業結構的空間性影響。

二、文獻綜述

（一）數字經濟對就業的影響

國外學者對數字經濟對就業影響的研究非常豐富。Autor（2015）認為，數字技術的進步促進了生產力的提高，不斷增加了對高技能勞動力的需求，進一步提高了整體收入水平[1]。Acemoglu和Restrepo（2018）認為，低技能勞動者在較長的時期內，可以通過不斷學習的方式來提高自身的技能，以此增加就業機會的同時更能提高勞動報酬[2]。Goos等（2009）在研究中發現，在美國和歐洲多個國家，自動化和智能化生產對這些地區造成了不同程度的就業兩極分化現象，即高、低技能工人的就業崗位和工資呈現出逐漸增加的趨勢，而中等技能工人則與之相反[3]。Lordan和Neumark（2018）認為數字技術進步對不同的技能工作者存在篩選分組的作用，相對優先替代低技能的工作，進而降低了對低技能工人的需求，同時，企業不斷加強技術創新能力，進而對高技能勞動力的需求將顯著增加[4]。國外學者的研究視角主要聚焦于就業技能層面，以勞動報酬和就業崗位作為衡量目標，分析數字經濟的發展和進步對不同就業技能勞動力的影響。

對于數字經濟和就業之間的關系問題，國內學者的研究尚未有統一結論。國內學者的研究主要集中在數字經濟對就業結構和就業質量兩個方面的影響。對就業結構的影響方面，有些學者認為數字經濟促進了就業，丁琳、王會娟（2019）以世界投入產出數據庫中多個國家的投入產出數據為基礎，進行實證檢驗，得出互聯網技術進步表現出長期促進整體就業的局勢，其中對第三產業的促進作用最為明顯[5]。王文（2020）采用中國省際面板數據進行研究，結果顯示工業智能化顯著降低了制造業就業，促進了服務業就業[6]。葉胥等（2021）利用中國省際面板數據，將就業結構縱向展開，從產業、行業、技能三個層面分析數字經濟對其分別產生的影響。研究表明，數字經濟的發展促使就業結構發生一定的變化，向制造化、高技術化和高技能化方向轉變[7]。但有部分學者認為，數字經濟對就業產生了抑制作用。謝絢麗、沈艷等（2018）認為，在創業行為上，數字經濟對農村居民產生正向的顯著影響，而對城鎮居民則產生與之相反的負向作用[8]。宋旭光等（2019）在研究中發現，人工智能的發展提升了勞動生產率，替代了部分就業崗位，對勞動力的需求也相應減少，進而對就業產生替代效應[9]。同時，楊驍等（2020）采用中國勞動力動態調查數據庫中的微觀數據，不僅從理論方面進行解讀，而且進一步從實證角度分析數字經濟對不同行業從業者就業結構的影響及其產生的地區異質性影響[10]。對就業質量的影響方面，戚聿東等（2020）通過構建就業質量評價指標體系，以數字經濟的幾個代表性行業為出發點，對比分析其對就業結構優化和就業質量的提升作用[11]。何宗樾等（2020）以疫情后的數字經濟發展為研究背景，分析其對個人就業決策的影響[12]。此外，近些年學術界對于不同群體的就業質量進行了大量研究，如羅瑩（2014）基于“985”高校畢業的本科生數據，對就業能力和就業質量二者間的關系進行實證分析[13]。汪昕宇等（2016）以某個城市的農民工為研究對象，通過建立就業滿意度模型，對新生代農民工的就業質量進行評價分析[14]；盧海陽等（2017）以就業質量為影響因素，基于模型判斷就業質量和社會認知對農民工幸福感的影響[15]。

（二）數字經濟對不同層面就業結構的影響

數字經濟對就業結構的影響，學者們從不同層次的就業結構視角進行了實證研究和分析。首先，基于就業性別結構的角度，毛宇飛、曾湘泉（2017）利用中國社會調查數據，實證研究互聯網的使用對就業性別結構的影響，結果顯示，互聯網使用能促進女性總體就業[16]。部分學者從行業層面分析數字經濟不同行業對就業的影響，李逸飛等（2017）認為服務業和制造業之間會產生相互影響的關系，進而影響就業產業結構[17]，謝萌萌等（2019）以人工智能和制造業為研究對象，基于中國制造業的面板數據，研究數字經濟對就業技能結構的影響，由此發現人工智能的發展減少了制造業內低技能的潛在就業機會，從而對低技能就業結構產生了替代效應[18]；孟祺（2021）基于17個行業的省際面板數據，從行業就業結構變動的角度進行研究，發現不同行業就業人數受到數字經濟不同程度的影響作用，從而促進了行業就業結構的轉變[19]。

綜上所述，國內外對于數字經濟和就業二者之間關系的研究內容豐富，基于不同的研究視角和研究群體進行實證分析，但由于采用不同的衡量指標對研究對象進行測算，學者們對二者之間的影響關系得出了不同結論。同時，已有文獻從數字經濟和就業結構的多角度進行了研究分析，細化了研究范圍，同時也拓展了研究視角，但基于數字經濟空間溢出效應維度進行研究的文獻較少，這可能導致研究得到的數字經濟對就業產業結構的影響產生一定的偏差。鑒于此，本文以空間計量模型為工具，實證分析數字經濟發展水平對就業結構的影響。

三、數字經濟發展水平的度量

（一）數字經濟的測算

國內對數字經濟指標的測算尚未有統一的口徑，常見的測算方法大致可分為兩類：一是構建數字經濟評價指標體系。比如，由中國信息通信研究院和騰訊研究院分別提出的數字經濟指數DEI、騰訊“互聯網+”數字經濟指數，以及2017年由賽迪顧問發布的中國數字經濟指數DEDI等；二是構建數字經濟衛星賬戶。楊仲山等（2019）在總結國際組織衡量數字經濟發展水平經驗的基礎上，結合中國數字經濟發展的現狀，提出構建中國數字經濟衛星賬戶[20]。許憲春、張美慧（2020）通過不同行業的數字經濟產業增加值來測算中國數字經濟，并從國際視角進行對比研究[21]。

（二）數字經濟指標體系

在上述研究方法的基礎上，結合國家統計局于2021年發布的《數字經濟及其核心產業統計分類（2021）》（3），最終確定數字經濟發展指標體系的計算從“數字產業化”和“產業數字化”兩個方面來進行，由于熵值法具有客觀性，綜合考慮用熵值法進行計算。在借鑒劉釩等（2021）[22]和傅為忠等（2021）[23]的研究基礎上，從數字融合的規模、產業數字化的投入、產業數字化的應用、效益水平和數字普惠金融五個部分來衡量數字產業。其中，數字普惠金融指標采用“北京大學數字普惠金融指數”中的各省份普惠金融指數，該指數由北京大學數字金融研究中心和螞蟻科技集團聯合課題組編制而成[24]。基于此，數字經濟發展指標體系的具體構建如表1所示。

四、模型設定、變量及數據來源

（一）模型設定

考慮到數字經濟的發展存在空間上的知識技術溢出效應，即本地區就業結構的變化不僅會受本地數字經濟發展的影響，還會受到周邊地區數字經濟發展水平的影響。因此，本文選用空間計量模型對樣本數據進行研究。

1.模型介紹

（1）空間滯后模型（SAR）

一般形式如式（1）：

Y=α+ρWY+βX+ε（1）

反映被解釋變量在區域間的空間效應。

（2）空間誤差模型（SEM）

一般形式如式（2）（3）：

Y=α+βX+ε（2）

ε=λWε+μ（3）

反映被解釋變量受到空間誤差的影響。

（3）空間杜賓模型（SDM）

空間杜賓模型同時具有上述兩個模型的特點，不僅加入被解釋變量的滯后項，同時引入解釋變量的滯后項，以研究解釋變量的空間溢出性。一般形式如式（4）：

Y=ρWY+βX+θWX+ε（4）

其中，Y為被解釋變量，X為解釋變量，α為截距，β為解釋變量的系數，μ為隨機誤差項，ε為殘差項，ρ、λ、θ是空間滯后項的系數。W為空間權重矩陣，WX和WY為被解釋變量和解釋變量的空間滯后項。

2.空間權重矩陣

本文主要選取了三種空間權重矩陣，分別為鄰接權重矩陣、地理距離權重矩陣和經濟距離權重矩陣。

（1）鄰接權重矩陣：若兩個地區之間具有共同的邊界則W取值為1，否則為0。

（2）地理距離權重矩陣：不同區域間的距離d由每個區域的經緯度計算得出，空間權重值取距離d的倒數，即兩個地區的距離越近，空間權重值則越大。

（3）經濟距離權重矩陣：首先計算出各地區歷年人均GDP平均值，取各地區人均GDP差值絕對值的倒數作為空間權重值。

（二）變量的選取

1.數字經濟發展指標

數字經濟發展水平的衡量測算從產業數字化和數字產業化兩個方面選取相關變量采用熵值法計算得出，選取的具體指標如表1所示，在此不再贅述。

2.就業結構

就業結構可以劃分為就業技能結構、就業產業結構、就業性別結構、就業區域結構等，本文研究對象為就業產業結構，由于數字經濟的快速發展，增加了第三產業勞動人口數，為了更準確地反映數字經濟對就業結構的影響，采用第三產業就業量與總就業量之比對就業結構進行測算。

3.控制變量

外商企業投資占比（Finv）通常發生在資本或技術密集型企業，不同技能勞動力就業水平受其影響可能會呈現出一定的差異性，進一步表現為就業結構的變化，該變量以外商企業總投資額占GDP的比重進行衡量；人口老齡化（Old）以老年撫養比進行計算；人力資本水平（Edu）用教育經費占GDP的百分比表示；經濟發展水平（GDP）以人均GDP衡量，對其進行對數化處理。

（三）數據來源及描述性分析

本文所選取的數據為2013-2020年中國30個省、市、自治區的面板數據，考慮到西藏地區缺失較多指標數據，為了保證指標的完整性和準確性，不將西藏納入研究范圍。對于一些難以獲取的缺失數據，采用統計方法進行插補。數據主要來源于《中國統計年鑒》《第三產業統計年鑒》《中國勞動統計年鑒》《中國電子信息產業統計年鑒》以及各省統計年鑒。對各變量的統計描述性分析如表2所示。

五、實證分析

（一）基準回歸結果

本文中基準回歸模型以最小二乘法回歸作為對照，在此基礎上采用面板模型，以此判斷數字經濟對就業結構產生何種影響效果。表3中（1）（2）列為混合OLS回歸結果，分別為未加入控制變量和加入控制變量后的回歸結果。由模型（1）（2）可知，無論是否加入控制變量，數字經濟發展水平對就業結構均表現出顯著為正的影響，初步判斷數字經濟發展提升了第三產業就業量比重，促進了就業結構優化；模型（3）采用面板模型進行回歸，且控制年份效應，根據結果可知，數字經濟對就業結構的影響系數為0.173，且在1%的水平下顯著為正。對比三種模型的系數結果，均顯著為正，初步判斷數字經濟發展促進就業結構的優化。

（二）空間效應

1.空間自相關檢驗

為了檢驗數字經濟發展對就業結構產生的空間溢出效應，進一步采用空間模型來判斷其產生的影響效果，通過莫蘭指數（Moran’s I）來檢驗核心變量的空間自相關性。在鄰接和經濟距離權重矩陣下，數字經濟發展的全域莫蘭指數如表4所示，在這兩種權重矩陣下，數字經濟的Moran’ s I均通過了顯著性檢驗，Moran’ s I為正，說明數字經濟存在正自相關性，即高高聚集、低低聚集，由此說明在空間分布上，我國相鄰省份的數字經濟發展水平呈現出一種聚集的狀態。在這兩種空間權重矩陣下，數字經濟的空間相關性呈現出先上升后下降的趨勢，在2016、2017年達到峰值，隨后空間相關性逐年減弱，但仍表現出較高的空間相關性，該驗證結果與數字經濟跨地域合作的事實相符。

2.空間計量模型分析

由上述分析可知，變量存在一定的空間自相關性，從而進一步確定模型是否具有空間效應，并通過檢驗分析選擇最優模型。首先，通過三種不同的空間權重矩陣，采用LM檢驗和R-LM檢驗進行初步判斷[25-26]，檢驗模型是否存在空間效應。LM檢驗的結果如表5所示，LM和R-LM均通過了顯著性檢驗，證明SAR和SEM模型比無空間效應模型更合適，應選用空間計量模型進行實證分析；其次，對空間效應的類型進行檢測，即對模型中的固定效應和隨機效應進行最優篩選。考慮到數據可能存在異方差和序列相關性的問題，采用經典Hausman檢驗會影響結果，據此，基于修正的Hausman檢驗統計量和過度識別檢驗的Wald統計量進行判斷，兩種方法均在1%的水平下顯著。因此，選用固定效應的空間模型；進一步，由于本文選取模型為SDM模型，為了判斷其合理性，基于LR檢驗和Wald檢驗判斷SDM模型是否會退化為其他空間模型，兩種方法的結果均在1%的水平下顯著，證明了SDM模型更適用于樣本數據，同時也說明了SDM模型的合理性。最后，比較時間固定、個體固定和雙固定效應模型的對數似然值和擬合程度，選擇最優的時間固定效應模型。根據上述檢驗方法的結果，最終確定以時間固定的空間杜賓模型（SDM）對樣本數據進行擬合回歸。

3.空間杜賓模型回歸

僅采用回歸系數解釋空間回歸結果可能會由于相鄰區域間存在大量的交互信息而造成一定的偏差，因此，本文利用Lesage等提出的偏微分效應分解法[27]，分解數字經濟發展水平對就業結構產生的空間效應。從表6中可以看出，加入空間因素后，三種空間權重矩陣下的數字經濟回歸系數值均在1%的水平下顯著為正，這與普通回歸的結果保持一致，且三個模型的系數差距不大，再次說明數字經濟的發展有效促進了就業結構的優化。同時，空間效應系數在三種空間權重下均為正，且在地理和經濟距離權重矩陣下通過了顯著性檢驗，由此說明鄰近省域的數字經濟發展水平對本區域的就業結構優化有顯著的促進作用，進一步證實數字經濟的發展存在明顯的溢出效應。從控制變量對就業結構的影響效果來看，數字經濟的快速發展，導致社會對高技能型人才的需求量增加，而人力資本的投入有效提高了勞動力供給，大量地投入教育經費使人力資本水平不斷提高，進而促進第三產業勞動力的增加，有助于就業結構優化。經濟發展水平的提升有效改善了勞動者的就業環境，提高了就業保障和就業機會，通過增加就業數量優化了就業結構。

進一步分解空間效應，由表6可知，在地理距離和經濟距離權重矩陣下，數字經濟的直接效應、間接效應和總效應均顯著為正。由此說明數字經濟的發展存在反饋效應，不僅對本省的就業結構起到改善作用，而且對周圍省域的就業結構產生正向優化作用，總效應的結果則說明數字經濟的發展對全國就業結構優化產生的總效果。

4.穩健性檢驗

通過上述實證檢驗得知，數字經濟的發展對就業結構的優化起到了正向優化作用。為了確保結論的準確性，本文進行以下的穩健性討論。

（1）替換變量。本文首先采用更換被解釋變量的方法來檢驗前述結果的穩健性，以第三產業就業人數（EN）作為就業結構的替換變量進行回歸，為了避免異方差問題，進行對數化處理。模型（1）和模型（2）分別為采用普通面板回歸和考慮加入空間因素的回歸結果。從表7中可知，在更換被解釋變量后，核心解釋變量數字經濟對就業結構的正向影響依然保持顯著，驗證了本文結論的穩健性。

（2）解釋變量滯后回歸。

考慮到在分析數字經濟對就業結構的促進作用時可能存在內生性問題，即數字經濟的發展和就業結構的優化升級可能同時受到一系列不可觀測因素的影響，二者之間形成雙向因果關系，意味著就業結構的升級可能會對數字經濟產生影響。因此，參考戚聿東等的處理方法[11]，將滯后一期的解釋變量對就業結構（ES）和替換被解釋變量第三產業就業人數（EN）進行普通面板回歸，進而驗證結論的穩健性。據表7中模型（3）（4）的結果可知，數字經濟滯后一期指標對就業結構指標的影響均顯著為正，即數字經濟發展對就業結構升級具有正向優化作用，使勞動力資源在產業間的配置結構更加合理。

（三）異質性分析及影響機制

1.地區異質性

上述分析是基于全國30個省、市、自治區（不含西藏）的整體分析結果，考慮到我國自然資源及科技水平等因素在地區間呈現出的不均衡性，可能會導致數字經濟的發展和就業結構在空間上表現出差異。因此，進一步將樣本按照地理位置，劃分為東中西部三個子樣本進行分組回歸，判斷數字經濟對就業結構的影響是否存在地區差異性（見表8）。

從表8中發現，數字經濟的發展對中西部地區的就業結構均產生了負向影響，而對東部地區的就業結構產生了正向優化作用。結果表明，數字經濟對就業結構的影響存在地區異質性。一方面，諸如互聯網發展情況、網絡基礎建設等因素均關乎著數字經濟發展的快慢，由于中西部地區基礎設施建設相對東部地區不足，進而拉大了數字經濟與其他地區間的差距。另一方面，東部地區匯集了我國五大經濟帶的大多數城市，在城市群的相互帶動下，且依賴于天然的地理優勢，促使數字經濟實現了快速穩定的發展，從而對提升城市的經濟發展水平、產業結構的優化以及資源的有效配置產生了積極影響，也使就業結構得到了有效的改善。

2.就業產業結構異質性

進一步對就業結構的內部異質性進行分析，實證分析數字經濟發展對不同就業產業結構的影響效果。從就業產業人員占比角度進行，其中，ESi為第i產業就業人員占比，同樣采用時間固定的空間杜賓模型對其進行分析。據表9可知，數字經濟發展對第一產業就業人員比重的影響系數顯著為負，而第二、三產業就業人員的系數顯著為正，由此說明數字經濟的發展顯著促進了第二、三產業勞動力就業比例，數字化的轉型創造了信息密集型及知識密集型的服務業崗位，增加了第二、三產業就業需求，從而使勞動力更多地轉向第二、三產業。同時，由空間系數可以看出，數字化技術的崛起對鄰近地區第一產業就業人員占比存在負向的溢出效應，對第二、三產業為正向溢出效應，即數字技術的發展和廣泛應用所帶來的空間溢出效應促使鄰近地區的勞動人口就業向第二、三產業進行轉移，均衡了勞動力資源在不同產業的配置比例。

3.影響機制分析

數字經濟是繼農業經濟、工業經濟之后誕生的一種新的經濟形態，其快速發展得益于數字技術的進步，產業結構受技術進步的影響，而就業結構的轉型速度比產業結構的轉型速度慢。因此，數字經濟帶來的技術進步會影響產業結構的調整升級，進而使勞動力聚集到優勢產業，進一步優化了就業結構。為了檢驗數字經濟對就業結構的影響機制，采用逐步回歸的方法檢驗產業結構升級的中介效應。IS為產業結構升級指標，以第三產業增加值占地區GDP的比重測算。由表10可知，數字經濟對就業結構和產業結構升級的影響均顯著為正，說明數字經濟發展顯著促進了就業結構優化和產業結構升級，結合模型（3）中數字經濟系數不顯著，說明產業結構升級存在完全中介效應，驗證了該機制分析，即產業結構作為中介效應，成為數字經濟促進就業結構優化的渠道。

六、結論及建議

為研究數字經濟對就業結構的空間溢出效應，基于空間相關理論，以2013-2020年中國30個省、市、自治區（不含西藏）的數據為樣本，通過建立空間模型進行實證分析，得到如下結論：①數字經濟在近些年來具有明顯的空間溢出效應，相鄰省份區域在空間上表現為聚集狀態，呈現出先上升后下降的空間相關性趨勢，但仍在空間分布上表現出較強的溢出效應，這也驗證了數字經濟表現出來的跨地域合作的事實。②在考慮空間效應之后，數字經濟對就業結構的影響結果與基準回歸結果保持一致，即數字經濟的發展對本地區就業結構的優化表現出正向的促進作用，從控制變量來看，經濟的發展及人力資本水平的提高，不斷改善就業環境，就業機會不斷增加，進而促進了就業結構的優化。③通過地區異質性分析發現，數字經濟的發展促進了東部地區就業結構的優化，但對中西部地區的效果并不明顯，突出了地區就業結構不平衡性問題；產業就業結構的異質性表明，數字經濟發展促使就業人員流向第二、三產業，且數字技術的應用在產業就業結構上同樣表現出空間溢出效應。④進一步對影響機制分析發現，數字經濟發展通過提升產業結構升級，進而促進就業結構的優化，說明產業結構是數字經濟影響就業結構的路徑。

基于上述結論提出如下政策建議：其一，推動中國各地區數字經濟的全面發展。注重各地區間數字經濟發展的不平衡性，加快中西部地區新型基礎設施建設，在推進產業化和規模化應用的同時，更加關注關鍵技術創新和供給能力的提升。同時，利用現代化數字技術積極構建區域協同發展網絡，充分發揮數字經濟對就業結構的優化作用，加強省份地區間數字化經濟建設的協調與聯系，在區域協同網絡下實現各地區高質量就業。其二，更好地發揮數字經濟對產業就業結構的優化作用。一方面可以發揮產業互聯網的優勢，使傳統產業的單向聯系拓展為網狀拓撲結構，加快產業結構升級，提升數字經濟在各行業的滲透性，推動產業數字化和數字產業化的發展，增加就業崗位；另一方面，完善院校專業體系，培養專業性、應用型人才，更好地滿足數字經濟對就業技能方面的需求，從而達到就業崗位需求和就業專業人才最優匹配的效果，實現就業結構的優化。同時，應建立完善的人才培養和評價制度，更好地促進就業結構升級。

注釋：

（1）數據來源于中國信息通信研究院的《中國數字經濟發展白皮書（2021年）》。

（2）數據來源于中國信息通信研究院的《中國數字經濟發展與就業白皮書（2019年）》。

（3）數據來源于國家統計局2021年發布的《數字經濟及其核心產業統計分類（2021）》。

參考文獻：

[1]Autor D. H. Why are there still so many jobs？ The history and future of workplace automation[J].Journal of Economic Perspectives，2015，29（3）：3-30.

[2]Acemoglu D.， P. Restrepo. The race between man and machine： Implications of technology for growth. factor shares， and employment[J].American Economic Review，2018，108（6）：1488-1542.

[3]Maarten Goos， Alan Manning， Anna Salomons. Job Polarization in Europe[J].American Economic Review， 2009， 99（2） ： 58-63.

[4]Lordan G.， D. Neumark. People versus machines： The impact of minimum wages on automatable jobs[J].NBER Working Paper，2018，（52）：42-53.

[5]丁琳，王會娟.互聯網技術進步對中國就業的影響及國別比較研究[J].經濟科學，2020，（1）：72-85.

[6]王文.數字經濟時代下工業智能化促進了高質量就業嗎[J].經濟學家，2020，（4）：89-98.

[7]葉胥，杜云晗，何文軍.數字經濟發展的就業結構效應[J].財貿研究，2021，32（4）：1-13.

[8]謝絢麗，沈艷，張皓星，等.數字金融能促進創業嗎？——來自中國的證據[J].經濟學，2018，17（4）：1557-1580.

[9]宋旭光，左馬華青.工業機器人投入、勞動力供給與勞動生產率[J].改革，2019，（9）：45-54.

[10]楊驍，劉益志，郭玉.數字經濟對我國就業結構的影響——基于機理與實證分析[J].軟科學，2020，34（10）：25-29.

[11]戚聿東，劉翠花，丁述磊.數字經濟發展、就業結構優化與就業質量提升[J].經濟學動態，2020，（11）：17-35.

[12]何宗樾，宋旭光.數字經濟促進就業的機理與啟示——疫情發生之后的思考[J].經濟學家，2020，（5）：58-68.

[13]羅瑩.當代大學生就業能力與就業質量的關系研究[J].中國青年研究，2014，（9）：85-88，92.

[14]汪昕宇，陳雄鷹，鄒建剛.超大城市新生代農民工就業滿意度評價及其比較分析——以北京市為例[J].人口與經濟，2016，（5）：84-95.

[15]盧海陽，楊龍，李寶值.就業質量、社會認知與農民工幸福感[J].中國農村觀察，2017，（3）：57-71.

[16]毛宇飛，曾湘泉.互聯網使用是否促進了女性就業——基于CGSS數據的經驗分析[J].經濟學動態，2017，（6）：21-31.

[17]李逸飛，李靜，許明.制造業就業與服務業就業的交互乘數及空間溢出效應[J].財貿經濟，2017，38（4）：115-129.

[18]謝萌萌，夏炎，潘教峰，等.人工智能、技術進步與低技能就業——基于中國制造業企業的實證研究[J].中國管理科學，2020，28（12）：54-66.

[19]孟祺.數字經濟與高質量就業：理論與實證[J].社會科學，2021，（2）：47-58.

[20]楊仲山，張美慧.數字經濟衛星賬戶：國際經驗及中國編制方案的設計[J].統計研究，2019，36（5）：16-30.

[21]許憲春，張美慧.中國數字經濟規模測算研究——基于國際比較的視角[J].中國工業經濟，2020，（5）：23-41.

[22]劉釩，余明月.長江經濟帶數字產業化與產業數字化的耦合協調分析[J].長江流域資源與環境，2021，30（7）：1527-1537.

[23]傅為忠，劉瑤.產業數字化與制造業高質量發展耦合協調研究——基于長三角區域的實證分析[J].華東經濟管理，2021，35（12）：19-29.

[24]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展： 指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

[25]Elhorst J. P. Matlab Software for Spatial Panels[J].International Regional Science Review，2014，37（3）：389-405.

[26]Anselin L.， Florax R.， Rey S. J. Advances in spatial econometrics： Methodology，tools and applications[M].Berlin： SpringerVerlag ，2004：29-63.

[27]James LeSage，Robert Kelley Pace. Introduction to Spatial Econometrics[M].Boca Raton： CRC Press， 2009： 200-220.

The Impact of Digital Economy on Employment Structure：

Empirical Study Based on Spatial Durbin Model

LONG Ying，LI Changle

（School of Big Data and Statistics， Anhui University， Hefei Anhui 230601， China）

Abstract：This paper measures the development level of digital economy from two dimensions of digital industrialization and industrial digitalization based on the provincial panel data in China from 2013 to 2020. Using the spatial Dubin model， this paper tests the impact of digital economy on employment structure， the spatial spillover effect， and the heterogeneity. The results show the development of digital economy shows spatial autocorrelation and the spatial correlation of digital economy gradually weakens after reaching the peak over time. The development of digital economy has a positive impact on the employment structure optimization with spatial spillover effect. The digital economy has an obvious positive effect on the employment structure in the eastern region， while the effect in the central and western regions is not significant. Further analysis of industrial heterogeneity shows that digital technology has a spillover effect on the employment structure of different industries， which promotes the clustering of labor resources to secondary and tertiary industries， while the digital economy optimizes the employment structure through the upgrading of industrial structure.

Key words： "Digital Economy; Employment Structure; Spatial Effect

編輯：唐玲娜

收稿日期：2022-10-15

基金項目：安徽省社會科學項目（AHSKF2019D035）

作者簡介：龍瑩（1981-），女，云南會澤人，副教授，博士，研究方向：宏觀經濟統計分析；李長樂（1998-），女，河南駐馬店人，碩士研究生，研究方向：經濟統計。