“穩就業”還是“毀就業”？數字經濟對農民工高質量就業的影響

林龍飛 祝仲坤

一、引言

數字經濟是“數字中國”戰略的重要組成，以大數據、互聯網、云計算為核心的數字經濟不僅在拉動投資、激發消費、創造需求方面發揮著重要作用，同時推動經濟“換擋”提速，并在穩定就業和創造就業方面有著重要的影響。相關數據顯示，2008年我國數字經濟規模僅為4.8萬億元，2020年達到39.2萬億元，占GDP比重的38.6%，截止2020年我國數字經濟總量已躍居世界第二(1)數據來源于中國信通院發布的《2020年中國數字經濟發展白皮書》。。與此同時，伴隨著數字經濟的快速發展，我國農民工就業規模常年穩定在2.8億左右，數量龐大的農民工就業穩定性和就業質量的高低，不僅關乎到個人進入城市的生計發展，更直接關系到我國宏觀經濟發展的基本面。特別是在疫情沖擊和經濟下行的疊加壓力下，通過數字經濟穩就業和賦能高質量就業已成為中國政府托底就業大盤和提振經濟增長的重要政策選項。實踐中，數字經濟帶動和激活高質量就業更是被社會寄予諸多厚望，并逐漸被納入各地方政府施政內容中。

然而，數字經濟助力農民工高質量就業存在悖論性爭議：全球數字化發展的一個重要假設是，數字化進程會將原先被排斥在數字體系之外的個人和地區納入其中。中國長期以來是城鄉二元對立，城市繁榮，農村衰落。發展數字經濟將使“傳統鄉村”卷入“現代城市”，加速“數字紅利”的共享。數字經濟有利于優化就業環境，推動中小企業發展，創造大量就業崗位，產生“蒲公英效應”(何宗樾、宋旭光，2020；戚聿東等，2020)，為農民工高質量就業提供機會。在數字經濟的嵌入下，農村地區的勞動力不僅以網絡作為“工具”進行就業信息搜索，拓寬其就業信息獲取渠道，降低工作搜尋成本(李曉鐘、李俊雨，2022)，而且還可以利用數字互聯網進行技能學習，提升人力資本儲備，形成某種意義上的“數字人力資本”，為獲取高質量就業機會提供基礎(Bach et al.，2013)。

但也有研究顯示數字經濟可能是高質量就業的“殺手”。數字革命往往伴隨著勞動力需求結構的調整，既要求勞動者具備基本工作技能，又要求勞動者掌握數字和信息技能，而不具備數字技能和數字素養的農民工將無法觸及高質量就業崗位，不得不被動接受失業、低薪或低技能工作。陳永偉、許多(2018)預計，未來20年中國總就業人員的70%以上都將受到數字智能的沖擊，那些學歷要求低、收入少的職業遭受到的沖擊將更為嚴重。數字經濟時代就業人員面臨潛在工作強度大、超時工作、權益模糊、福利保障滯后等難題，卷入“數字漩渦”的勞動者常被稱之為“數字佃農”或“免費數字勞工”(付文軍，2021)，他們面臨著天然的數字技能短板，未能享受數字經濟帶來的共享成果，反而使弱勢農村居民生存更加不穩定，抑制其勞動市場中的就業表現，帶來就業“邊緣化”的進一步加深。蔡昉(2021)認為，數字經濟引發的農村人口轉崗后工作質量低待遇更差，需謹防數字經濟時代勞動力低水平“內卷”。

上述悖論性爭議缺乏嚴謹的實證回答，而這一問題又是近年來政府和社會各界廣泛討論的行動議題。本文利用2017年流動人口動態監測數據和278個城市數據的匹配數據，考察了數字經濟對農民工高質量就業的影響。研究發現，數字經濟對農民工高質量就業具有顯著的正向影響，但數字經濟促進農民工高質量就業的邊際效應呈“倒U型”，當數字經濟為中等發展水平時，農民工高質量就業的邊際效應達到最佳。這一結論利用廣義傾向得分匹配法和選取歷史工具變量估計后，結論仍然成立。進一步異質性分析發現，數字經濟對“新生代”、“高技能”、從事制造業、交通運輸業和居民服務業的農民工就業質量促進作用更明顯。

本文的研究貢獻主要體現在：一是在“數字中國”和“就業優先”戰略背景下為數字經濟影響農民工高質量就業提供了最新的經驗證據，并將研究對象聚焦于農民工群體，有助于理清日益迅猛發展的數字經濟對億萬農民工高質量就業的影響；二是研究不僅揭示了數字經濟影響農民工高質量就業的異質效應，也論證了數字經濟影響農民工高質量就業的“倒U型”關系，并提出了“需謹防過度數字化帶來的‘就業無效’和‘就業低效’”議題，深化與拓展了數字經濟對高質量就業影響的一般性認識與討論；三是研究采用騰訊研究院發布的“互聯網+數字經濟指數”對數字經濟進行測度，并選取歷史數據作為工具變量，利用多種方法控制內生性問題的干擾，使得研究結論更具一般性。

二、文獻綜述與研究假說

(一)文獻綜述

數字經濟(Digital Economy)最早由Moulton于1999年提出，他認為數字經濟是一種以互聯網和信息技術為內核的新型經濟形態，代表著未來經濟發展的趨向。《中國數字經濟發展白皮書》認為，數字經濟是以數字化為關鍵要素，以數字技術為核心，通過數字化重構經濟發展的新型經濟形態。已有研究目前重點討論了數字經濟對收入差距(陳文、吳贏，2021)、擴大消費(高振娟等，2021)、環境污染(鄧榮榮、張翱祥，2022)、拉動投資(程文先、錢學鋒，2021)的影響。但也有學者注意到數字經濟對就業領域也有著重要影響(蔡昉，2021)，其中就業質量是就業狀況的綜合反映。

1996年國際勞工組織提出“體面勞動”，倡導勞動者要高質量就業。圍繞“就業質量”概念，國內學者從月收入、工作時間、社會保障、健康福利等多個維度進行界定(賴德勝等，2011；鄧睿，2020)。目前中國農民工就業質量總體處于中低水平，且受到性別、年齡、教育水平、流動經歷、留城時長、流動區域的影響(梁海艷，2019；羅恩立、方丹丹，2020)。在實證方面，張原(2020)基于中國勞動力動態調查數據發現，農民工在就業質量上低于城鎮職工，其中人力資本提升是改善農民工就業質量的重要路徑。鄧睿(2020)基于同樣的數據，分析了社會資本動員中的人情和信息兩類關系資源對農民工就業質量的影響，并發現動員人情資源有助于提升農民工的就業質量。

在數字經濟與就業的關聯性文獻中，有偏技術進步的特征會更青睞數字稟賦和信息充分的個體，而對那些數字弱勢群體將被排除在技術進步之外，產生技術進步對就業的“破壞效應”(Autor et al., 2003)。Acemoglu and Restrepo(2020)基于1990—2007年的數據實證分析了工業機器人應用對美國勞動力市場的影響，發現每千人增加一臺機器人，就業人口比例將降低0.18%～0.34%。Frey and Osborne(2017)發現在美國47%的崗位存在被計算機替代的風險。但技術進步在一定程度上也可以釋放就業要素，優化就業環境，創造一大批新型就業崗位，進而產生就業的“創造效應”。Hoedemakers(2017)基于OECD 國家數據發現，技術進步對就業增加具有顯著正向影響。此外，也有文獻發現技術進步與就業的關系存在不確定性(David，2016)。趙利、王振興(2010)發現，技術進步長期會促進就業，但在短期內會破壞就業。

目前學界直接聚集數字經濟對農民工高質量就業的實證研究極為少見，多數研究則側重定性意義上的一般討論。部分學者認為數字經濟可以促進中小企業發展，帶動高質量就業崗位，繁榮經濟發展，有助于勞動力就業提升(何宗樾、宋旭光，2020；李曉鐘、李俊雨，2022)。但也有研究發現，數字經濟使得勞動力就業崗位被機器人替代，毀滅就業崗位，帶來失業和更低端就業的增加(王夢菲、張昕蔚，2020)。數字經濟一旦形成規模就具有天然的擴張性，不受規制的擴張必將走向壟斷，進而加劇失業和整個社會的不穩定。

在為數不多的相近實證研究中，戚聿東等(2020)發現，數字經濟發展不僅加速了產業結構轉型升級，同時也帶動了就業結構優化。王文(2020)同樣發現，數字經濟促進了行業就業結構高級化，有助于實現高質量就業。孟祺(2021)基于2000—2018年的面板數據，也得出類似結論。葉胥等(2021)進一步發現，雖然數字經濟有助于就業結構優化，但數字經濟與就業結構存在非線性關系。上述實證研究極具啟發性，但現有研究均未直接聚焦數字經濟對農民工高質量就業的影響，更鮮有文獻探究數字經濟變動對農民工高質量就業的聯動異質效應，這為本文的研究提供了契機。

(二)研究假說

作為一種數字化的形態，數字經濟可以驅動產業結構升級，繁榮中小企業發展、帶動和創造更多新崗位，進而吸納農民工就業，為農民工高質量就業提供空間。何宗樾、宋旭光(2020)發現，數字經濟繁榮中小企業發展、帶動就業崗位增加。此外，數字經濟還可能降低農民工維權門檻和維權成本，為農民工高質量就業提供保障。數字經濟對傳統雇傭關系進行沖擊，在快速數字信息轉換中，就業供求雙方信息將更加匹配，倒逼工作權益和社會保障持續改革，有助于農民工優質崗位獲取。數字經濟具有普惠性、外溢性和共享性，會賦能弱勢農民工數字技能，提升農民工高質量就業獲取機會。在數字經濟的嵌入下，農村地區的勞動力可以將數字經濟作為“工具”進行就業信息搜索，降低就業搜尋成本。數字經濟還可以釋放數字人力資本，農民工可利用數字信息進行學習，提升人力資本，獲得在城市高質量就業機會(李曉鐘、李俊雨，2022)。盡管目前數字經濟會帶來一定的“技術性”和“結構性”失業，沖擊農村勞動力就業，但也有研究發現，數字經濟的發展并不必然減少就業規模，而是替代效應和抑制替代效應并存，總體上并不會減少社會就業崗位(孟祺，2021)?；谏鲜龇治觯疚奶岢鋈缦录僬f：

假說1a：數字經濟對農民工高質量就業具有正向影響。

數字經濟盡管總體上有助于賦能農民工高質量就業，但需要注意的是，依托互聯網技術發展的數字經濟對農民工高質量就業的邊際效應可能存在“倒U型”關系。受制于城鄉數字化發展的不同步，農民工群體長期處于“數字洼地”，不僅存在數字接觸方面的鴻溝，也存在數字甄別、利用與加工方面的鴻溝。而在當前迅速數字化普及的推動下，處在“數字洼地”的農民工將有機會捕獲數字經濟要素，最大化集聚和享受“數字紅利”，而根據資源集聚理論的觀點，數字資源集聚產生的規模效應可迅速提高資源的利用效率，處在勞動力市場中的農民工可將“數字紅利優勢”迅速轉化為“就業改善優勢”，實現數字經濟賦能個體就業質量提升的邊際效應遞增趨勢。但隨著數字經濟進一步的擴散和深度發展，數字化新業態、新產業、新模式釋放的新崗位已達到飽和，低技能勞動者不斷提升自身數字技能，數字鴻溝已大幅彌合，通過數字經濟大幅驅動農民工就業質量改善的潛能已開始式微，此時數字經濟推動農民工高質量就業的邊際效應呈逐漸遞減趨勢。此外，數字經濟賦能不同特質的農民工可能帶來的就業質量效應也會不同。新生代、高技能和在高端行業的農民工可能更能享受數字經濟的紅利，他們將數字經濟轉化為就業效能的能力通常也會更強?；谏鲜鐾普摚疚奶岢鋈缦孪盗屑僬f：

假說2a：數字經濟對農民工高質量就業的影響效應存在“倒U型”關系。

假說3a：數字經濟賦能農民工高質量就業存在群體和行業異質性。

三、數據、變量及模型

(一)數據來源

本文利用2017年中國流動人口動態監測調查數據(CMDS)和278個城市數據的匹配數據進行實證研究。其中，本文的城市數據來源于《中國城市統計年鑒》，城市是指地級及以上城市，統計口徑為全市，城市房價變量來源于CEIC經濟數據庫。由于2017年CMDS數據的調查時點是2017年，為避免城市特征變量與農民工就業質量的反向因果關系，本文將城市特征數據滯后一年匹配，同時將騰訊研究院發布的表征數字經濟的“互聯網+數字經濟指數”也滯后一年匹配。同時根據外出流動原因，僅保留務工、經商樣本，刪除婚姻嫁娶、投靠親友、拆遷搬家等其他原因流動的樣本。另外，為得到調查時點正處于就業狀態的樣本，本文僅保留“今年‘五一’前一周做過一小時以上有收入工作”的樣本，考慮到本文的研究對象是農民工，因而僅保留戶籍為農村戶口的樣本。剔除變量的缺失值和錯誤值后，本文最終識別有效樣本56355個。

(二)變量描述

1.被解釋變量——就業質量

本文沿用Erhel and Guergoat-Lariviere(2015)提出的客觀就業指數框架對農民工就業質量進行測度。結合2017年流動人口動態監測數據指標的可得性，并借鑒鄧睿(2020)選取相應指標的做法，主要從農民工從事城鎮非農就業時的勞動收入、勞動強度、崗位穩定性、職業層級和社會保障5個維度刻畫農民工的就業質量。具體而言，勞動收入指標用不包吃住的純“月收入”表示；勞動強度指標用“每周工作小時數”表示；崗位穩定性指標用“是否簽訂正式勞動合同”表示；職業層級指標用“高層次和低層次職業”表示；社會保障用“是否參加城鎮居民醫療保險”表示。參照Leschke and Watt(2014)就業質量計算公式，對選取的5個維度的農民工質量進行標準化處理：

(1)

由于勞動收入、勞動強度、崗位穩定性、職業層級和社會保障5個指標對農民工就業質量的提升具有同等權重的重要性，參考鄧睿(2020)的做法，本文采用等權平均法來計算就業質量指數：

(2)

(2)式中，std為標準化后的客觀就業質量指數，i代表農民工個體，j代表就業質量的5個分項指標。就業質量指標選取及描述性統計詳見表1。

2.核心解釋變量——數字經濟

目前學界對數字經濟的內涵還沒有一個統一的界定標準，但依托“互聯網+”的數字化知識與信息屬性被多數研究機構和學者所認同。本文參照段博等(2020)的做法，采用騰訊研究院發布的“互聯網+數字經濟指數”對數字經濟進行測度。該指數由基礎分指數、產業分指數、雙創分指數和智慧民生分指數4部分加權求平均值而獲得，共涵13個一級指標、120個二級指標(2)關于具體指標的構建和更詳細的數字經濟指數信息，請參見騰訊研究院發布的《2016年中國互聯網+數字經濟指數》報告。，較以往單一維度的測度，多維度更能捕捉到數字經濟的內在涵義，符合學界對數字經濟的一般性界定。

表1 就業質量與各指標描述性統計

3.主要控制變量——影響被解釋變量的其他變量

基于以往相關研究，本文選取了相應的控制變量。已有研究發現，男性、低年齡、高教育程度的農民工就業質量通常會更高，主要的原因是就業質量通常與個體人力資本密切相關(梁海艷，2019)。家庭是影響就業質量的重要因素，羅恩立、方丹丹(2020)發現，已婚可以促進流動人口就業質量提升，但家屬隨遷會降低流動人口就業質量。流動范圍越廣、留城時間越久，越有助于農民工就業質量提升(鄧睿，2020)，可能的原因是流動經歷與時間可以增加農民工的社會資本。進入城市的農民工就業質量的高低受城市特征的約束，通常在城擁有住房、房價水平低、戶籍門檻低、城市規模大、工資水平和公共服務水平高的有助于農民工就業質量提升。同時，考慮到不同地區、不同行業可能會對農民工就業質量產生顯著影響，故本文以虛擬變量的形式對問卷中31個省份地區效應和20個行業類別效應進行控制，以弱化回歸分析中可能引起的偏誤。表2列出了變量的描述性統計結果。

(三)模型設定

1.基準模型——最小二乘線性估計(OLS)

被解釋變量是連續變量，本文采用最小二乘線性模型分析，構建實證分析模型如下：

Quality=αi+βDigital_Economyi+φZi+εi

(3)

(3)式中，Quality為農民工就業質量，Digital_Economyi為數字經濟，Zi為相關控制變量，主要包括影響被解釋變量的其他變量，αi為截距項，β、φ代表解釋變量和控制變量的影響系數，εi為隨機干擾項。

2.動態效應分析——廣義傾向得分匹配法(GPS)

傳統傾向得分匹配法只能獲得樣本平均處理效應，且只適用于二元選擇變量，而由HiranoandImbens(2004)提出的廣義傾向得分匹配方法(GeneralizedPropensityScore，GPS)，不僅突破了傳統傾向得分匹配法必須是二元選擇變量的約束，同時還能夠獲得樣本動態異質效應，在保留更多有效信息的前提下，進一步糾正樣本自選偏誤問題(Kluveetal.，2012)。本文利用廣義傾向得分匹配法，探究不同強度的數字經濟對農民工高質量就業的動態異質效應，同時利用該方法進一步克服樣本自選偏誤問題。廣義傾向得分法首先根據匹配變量X估計條件概率密度，然后根據處理變量T構造結果變量Y的條件期望模型，最終估計出“劑量反映函數”μ(t)和“處理效應函數”：

(4)

表2 變量描述性統計

3.內生性處理——兩階段最小二乘法(2SLS)和工具變量條件混合估計法(CMP)

盡管本文將數據滯后一期匹配，并在數據可得范圍內控制了諸多個體、家庭和城市層面特征的變量，同時采用廣義傾向得分匹配法進一步糾正可能的樣本自選偏誤問題。但現實中依然存在高就業質量的農民工可能更容易捕獲數字經濟的潛在反向因果問題，即高質量就業的農民工可能更容易接觸數字信息和使用數字技術，進而反向影響數字經濟的發展。為克服這種反向因果內生性問題的干擾，確保擬合數值穩健一致，本文采用經典的兩階段最小二乘法和Roodman(2011)提出的工具變量條件混合過程估計法進行對照回歸。工具變量條件混合估計法采用極大似然估計法，將聯立方程當作一個系統進行估計，第一階段尋找核心解釋變量的工具變量，第二階段將工具變量代入模型檢驗核心解釋變量參數的外生性，進而獲得聯立方程后的一致估計。

表3 數字經濟對農民工高質量就業的影響

四、實證結果與分析

(一)基準回歸

表3報告了基于OLS模型的回歸結果。方程(1)納入核心解釋變量，結論在1%水平上顯著，表明數字經濟對農民工高質量就業具有顯著的正向影響。方程(2)在方程(1)的基礎上，繼續加入其它主要控制變量，結論通過1%的顯著性水平檢驗，顯示數字經濟有助于農民工高質量就業。方程(3)在方程(2)的基礎上，繼續控制地區效應和行業效應，結論仍然顯示數字經濟對農民工高質量就業的正向效應。具體從擬合度最優的方程(3)來看，數字經濟對農民工高質量就業的影響系數為正的0.267，說明數字經濟確實有助于農民工高質量就業。這為當前國家倡導“大力發展數字經濟，促進就業提質擴面”提供了直接的經驗證據。模型中各方程的主要控制變量的影響方向與預期基本一致，但由于控制變量并不是本文的核心關切，同時簡單的線性回歸也可能存在內生性問題，我們在此對控制變量不做過多引申探討。

(二)動態效應分析

上述基準OLS回歸只能獲得平均處理效應，即數字經濟對農民工高質量就業的平均效應。但卻無法捕捉到不同處理強度下潛在效應的動態差異，在實際的政策制定中，識別出數字經濟對農民工高質量就業的動態影響強度往往更具現實意義。傳統傾向得分匹配法主要是評估處理變量為虛擬變量的凈效應，不能估計出處理變量為連續變量的凈效應。鑒于此，為得到在不同處理水平上數字經濟對農民工高質量就業的強度變化影響，本文采用HiranoandImbens(2004)提出的廣義傾向得分匹配法來進一步揭示數字經濟與農民工就業質量更為細致和深入的關系。

具體而言，我們運用FractionalLogit模型估計廣義傾向得分，并按照1—10的均勻彌合步長設定TP值，得到廣義傾向得分匹配處理效應的估計結果。圖1匯報了基于GPS方法得到的數字經濟與農民工高質量就業的“劑量反應函數”和“處理效應函數”。圖中橫坐標為數字經濟變量，縱坐標為農民工就業質量，其中圖1(a)中黑色實線為劑量反應曲線，圖1(b)中黑色實線為處理效用曲線，圖1(a)和圖1(b)中上下兩條虛線分別為置信度為95%的上下邊界。

從圖1(a)中可以看出，隨著數字經濟的不斷提高，農民工就業質量也隨之提升，且黑色實線一直處在95%的置信邊界范圍內，這表明數字經濟對農民工高質量就業具有顯著的正向影響，這與上文基準OLS分析結果保持一致。然而值得注意的是，盡管數字經濟對農民工高質量就業具有顯著的正向影響，但在影響效應上卻存在“先上升后下降”的“倒U型”關系。具體看圖1(b)，隨著數字經濟的不斷提高，農民工就業質量的邊際效應也在提升，當數字經濟取值為4的時候，農民工就業質量的邊際效用達到最高，當數字經濟在3.5—5.5中等發展區間內，對農民工就業質量的促進作用最明顯，大于5.5時數字經濟促進農民工高質量就業的邊際效用開始大幅下降。

這表明數字經濟與就業質量之間存在一個“倒U型”閥值，預示著當前各地政府以數字經濟為抓手推動農民工高質量就業需遵從“適度”原則，既要強調數字經濟對農民工高質量就業的正向促進作用，也要重視數字經濟對農民工高質量就業的邊際效用最大化問題，需謹防過度數字化帶來的“就業無效”和“就業低效”問題。

圖1 數字經濟與農民工高質量就業的劑量反應與邊際效用函數

(三)內生性問題討論

上述基準回歸和廣義傾向匹配法表明，數字經濟有助于農民工高質量就業。但這一結論仍然可能存在反向因果的內生性干擾，即高質量就業的農民工可能更容易接觸數字信息和使用數字技術，更容易在日常生活中捕獲數字經濟，進而反向影響數字經濟的發展。為了克服這種潛在反向因果的干擾，我們采用經典的兩階段最小二乘法(2SLS)和工具變量條件混合過程估計法(CMP)對照回歸，以相互判別回歸結果穩健，確保擬合數值一致。

本文參照趙濤等(2020)的做法，采用各城市在1984年歷史郵電數據(3)1984年末“固話機數(部)”和“郵電局(所)”數據來源于《中國城市統計年鑒(1985年)》。作為數字經濟發展的工具變量。一方面，以互聯網為核心的數字經濟發展是從電話撥號接入和郵電局(所)設立開始的，當地歷史上固話普及率和郵電局(所)數量會延續到后續互聯網技術的使用，通常歷史上固話普及率高和郵電局(所)多的地區也是現在數字經濟發展較好的地區；另一方面，以固定電話和郵電局(所)為代表的傳統媒介在當今使用的頻率越來越低，對社會經濟的影響逐漸減弱，歷史固話機和郵電局(所)數量對當前農民工在城就業質量的高低并無直接的關系。

由表4可知，在兩階段最小二乘估計第一階段回歸中(列4)，兩個工具變量的系數顯著為正，證明了工具變量的選取滿足相關性的條件。在兩階段最小二乘估計第二階段回歸中(列5)，數字經濟的影響系數為0.474，且在1%統計水平上顯著，表明數字經濟確實有助于農民工高質量就業。進一步看，Durbin-Wu-Hausman(DWH)檢驗的P值為0.000，在1%水平上拒絕了外生性假設，說明數字經濟是內生變量。Cragg-DonaldWaldF統計量為432.59，大于15%偏誤下的臨界值11.59，可以排除弱工具變量問題。過度識別檢驗的P值為0.1584，說明無法拒絕工具變量外生的原假設。

再進一步看工具變量條件混合估計第一階段回歸中(列6)，與兩階段最小二乘估計第一階段回歸中結論相同，工具變量選取與數字經濟具有顯著正相關性。在工具變量條件混合估計第二階段回歸中(列7)，數字經濟的影響系數為0.474，與兩階段最小二乘估計第二階段回歸系數一致，進一步證實本文核心結論的穩健，數字經濟確實有助于農民工高質量就業。具體看CMP方法的內生性參數Atanhrho-12在統計上顯著，說明前文基準OLS回歸確實存在內生性問題的干擾，基于CMP方法得出的估計結果更為準確。

表4 內生性討論-2SLS和CMP估計

(四)穩健性檢驗

除反向因果的內生性問題，本文還可能存在遺漏變量問題。本文參考Cinellietal.(2020)提出的“敏感性分析”方法，利用“遺漏變量需要達到多強才能推翻之前研究結論”的估計思路，評估潛在遺漏變量對模型結果的影響。表5匯報了遺漏變量檢驗結果，PanelA為無對比變量情況下的估計結果，PanelB為有對比變量情況下的估計結果，從各變量的R2dz.x和R2yz.dx值可以看出，在加入強度為1倍的遺漏變量時，R2dz.x和R2yz.dx數值均小于PanelA中匯報的估計系數恰好為零的穩健值RV_q(0.0305)，這說明遺漏變量需要達到所有控制變量1倍以上的強度才能推翻之前的結論，這個事件不太可能發生，因而我們相信原模型結果是穩健可信的。

我們繼續嚴苛遺漏變量假設，分別將遺漏變量強度設為對比變量的2倍和3倍，在這一強遺漏變量假說約束下，除城市工資水平×2(0.0394)、城市規?！?(0.0748)和公共服務×2(0.0899)的R2dz.x值大于RV_q值(0.0305)以外，其它對比變量的R2dz.x和R2yz.dx值依然均小于RV_q值，說明遺漏變量干擾本文結果至少要達到上述3個變量的2倍遺漏強度以上，而且即使是在2倍遺漏強度以上的干擾下，本文其他比對變量所引發的遺漏變量情況依然不會發生，這表明本文初始模型設定并不存在遺漏變量的強烈干擾，因遺漏變量而產生的不穩健結果概率極低。

表5 基于“敏感性分析”方法的遺漏變量估計結果

五、拓展性分析：群體分化與行業異質

前文已經證實，數字經濟對農民工高質量就業具有正向影響。但這一結論并未考慮農民工群體分化和行業異質性，數字經濟對農民工高質量就業可能存在行業差異和群體內部差異。接下來，我們利用工具變量條件混合估計法從年齡代際、技能水平和行業類別三個維度，進一步細致考察數字經濟對農民工高質量就業的異質影響，以期得到更為細致、深入的研究結論。

具體而言，年齡代際以1980年出生為基準劃分為“新生代”和“老一代”農民工；技能水平以高中學歷為基準，劃分為“高技能”和“低技能”農民工；依據國家統計局歷年《農民工監測調查報告》公布的六大主要行業類別劃分，本文重點考察數字經濟對從事制造業、建筑業、批發和零售業、交通運輸、倉儲和郵政業、住宿和餐飲業、居民服務、修理和其他服務業農民工就業質量的異質影響。

如表6所示，在年齡代際分組中，數字經濟對“新生代”和“老一代”農民工就業質量提升均有顯著的促進作用，但相比“老一代”農民工，數字經濟對“新生代”農民工影響效應更大，影響系數為0.545，可能的原因是在當前信息化背景下，青年農民工是數字技術的主要使用者，他們更容易捕獲數字信息，進而受數字經濟的影響更大。

在技能水平分組中，從列(10)和列(11)可以看出，數字經濟對“高技能”和“低技能”農民工就業質量提升均在1%統計水平上顯著，但“高技能”農民工的影響系數更大，說明“高技能”農民工捕獲數字經濟更能提升其就業質量。這可能與“高技能”農民工人力資本水平有關，越高的人力資本水平越有助于使用數字信息提升勞動力市場中的競爭力。

在行業類別分組中，除列(13)建筑業不具統計學顯著性外，數字經濟對從事其他行業類別的農民工就業質量提升均有不同程度的促進作用。其中對制造業農民工就業質量提升作用最明顯，影響系數為0.887，其次是交通運輸和居民服務業。數字經濟對從事建筑業的農民工就業質量提升不顯著的原因可能是，建筑業是傳統“臟、亂、累、苦”的低端行業，從事建筑業的農民工通常數字信息利用缺乏，難以通過數字技術推動其就業質量提升。

表6 基于CMP方法的異質性分析結果

六、簡要結論與政策啟示

“大力發展數字經濟穩定并擴大就業，促進經濟轉型升級和就業提質擴面”是中國“就業優先”戰略的重要政策選項。這意味著在當前和今后一段時期內，中國不僅要將就業提質擴面作為根基工程，更要將數字經濟作為就業提質擴面的關鍵路徑來抓。目前以互聯網為核心的數字經濟帶來的就業沖擊已被理論界和政策部門所關注，但遺憾的是這一話題仍缺乏最直接的實證證據。本文利用2017年流動人口動態監測數據和278個城市數據的匹配數據，考察了數字經濟對農民工高質量就業的影響。研究發現，數字經濟對農民工高質量就業具有顯著的正向影響，但在影響效應上卻呈現“倒U型”趨勢，當數字經濟為中等發展水平時，農民工高質量就業的邊際效應達到最佳。這一結論在加入主要解釋變量、地區效應、行業效應，并利用廣義傾向得分匹配法、兩階段最小二乘法和遺漏變量穩健性檢驗后，結論仍然成立。進一步異質性分析發現，數字經濟對“新生代”、“高技能”、從事制造業、交通運輸業和居民服務業的農民工就業質量促進作用更明顯。

本研究具有重要政策啟示。在疫情沖擊和經濟轉型的雙重疊加下，數字經濟對就業和賦能高質量就業表現出強勁的勢能。未來推動龐大的農民工群體高質量就業，政府需以數字經濟為關鍵抓手，發揮數字經濟助力農民工高質量就業的正向階梯作用。核心的政策舉措是，強化數字基礎設施建設，特別是農村地區數字基礎設施建設速度，著力提升互聯網、大數據、云計算的相互融合與發展，營造數字創新與創業環境；以數字經濟為載體，打造數字化多形態就業和多崗位就業，建立健全數字經濟在就業形態和崗位中的融合功能；不斷豐富農民工數字就業培訓內容，培養農民工自主數字技能學習意識和學習能力，降低農民工獲得數字信息和技術的門檻，特別注重不同行業類型、不同年齡代際農民工數字信息與技能的不平等獲得問題。此外，政府在推動數字經濟助力農民工高質量就業的同時，需著重注意數字經濟極強的壟斷性和擴張屬性，堅持數字經濟適度最優原則，謹防過度數字化帶來的就業無效和就業低效問題。