制造業數字化轉型影響勞動收入份額嗎？

徐慧楓 溫湖煒

一 問題的提出

隨著新一輪科技革命和產業變革的縱深演進，數字經濟成為經濟高質量發展的關鍵所在。同時，用工難問題使得地方政府與企業紛紛采取資本替代勞動的理性應對策略，借助新一代數字技術來緩解人口紅利消失和勞動力成本快速上升的沖擊。歷史經驗表明，新興技術往往具有要素偏向性，每一次科技革命所產生的新技術的廣泛應用都會導致要素收入分配格局的重新調整。黨的十九屆四中全會更是提出“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”，首次增列數據作為生產要素參與分配。數字化轉型不僅能夠賦能制造業高質量發展，還會對制造業內部要素分配造成深層次的影響。中國制造業部門數字化轉型如何影響要素收入分配？是否存在引致勞動收入份額下降的潛在威脅？這些問題既與制造業企業用工問題密切相關，也關乎著我國共同富裕目標的實現。

要素收入分配主要是指初次分配中勞動要素收入和資本要素收入占國民收入的份額。勞動收入份額與民生福祉息息相關，學界往往將研究重點聚焦于勞動收入份額的形成機制。近年來，世界范圍內初次分配中勞動收入份額的下降態勢仍在延續，我國勞動收入份額也一直在低位徘徊，平均水平甚至比其他國家還要低5—10個百分點(呂光明，2011)[1]。過低水平的勞動收入份額對收入分配、經濟發展結構、社會穩定性都可能產生一定程度的負面影響，加劇社會矛盾。因此，黨的十九大報告再次強調要“在勞動生產率提高的同時實現勞動報酬的同步提高”。從要素分配角度來看，如果技術進步屬于資本偏向型，那么工資率的增長將慢于勞動生產率增長，從而降低勞動收入份額(Acemoglu和Restrepo，2018a)[2]。2010年以來，新一輪科技革命和產業變革加速演進，盡管我國的勞動生產率增速呈放緩態勢，但勞動收入份額總體卻呈現微弱的上升(見圖1)，要素收入分配格局總體向好，這與新興數字技術進步的關系如何，需進一步探討。

圖1 我國全員勞動生產率增長率及勞動收入份額(2000—2017年)

有關技術進步與勞動收入份額兩者關系的研究是較長時期內的學術研究熱點。新古典經濟學提出了關于要素收入分配的“卡爾多典型化事實”，認為長期內資本和勞動要素的收入份額保持不變(Kaldor，1955)[3]。20世紀80年代以后，世界范圍內勞動收入份額的普遍下降趨勢使“卡爾多事實”遭受質疑，有關生產要素功能性收入分配的研究開始興起，學界圍繞勞動收入份額展開了一系列探討。已有研究發現，除產業結構轉型(胡秋陽，2016[4]；周茂等，2018[5])、勞資談判(魏下海等，2013)[6]、融資約束(汪偉等，2013)[7]外，技術進步偏向(王林輝和袁禮，2018)[8]也是引起勞動收入份額變動的重要因素。以互聯網、大數據、人工智能為代表的新一代信息技術日新月異，在創新生產方式、改變商業模式的同時，也在重塑收入分配關系。對于新一代信息技術是改善還是惡化要素收入分配，目前學界還未形成一致結論。部分學者提出，數字技術導致勞動收入份額的下降(Guimar?es和Gil，2022[9]；余玲錚等，2019[10])，并認為新一代信息技術的應用導致資本對勞動的替代，從而降低了勞動收入份額。也有觀點認為以人工智能為代表的新興數字技術對勞動收入份額的影響是不確定的，甚至是正向的。作為一項提高勞動者個人發展能力并嵌入勞動生產過程的包容性技術，數字技術的正向效應主要來自于生產率的提高(Cette et al.，2022[11]；Acemoglu和Restrepo，2018a[2]；申廣軍和劉超，2018[12])，而對勞動收入份額影響方向的不確定性則可能是由不同產業部門間差異化的人工智能產出彈性和人工智能與傳統生產方式的替代彈性所決定的(郭凱明，2019)[13]。有研究發現，當前中國的技術進步兼具資本偏向和技能偏向的雙重特征(王林輝和袁禮，2018)[8]。因此，國內有關新一輪科技革命對勞動收入份額影響的研究也主要從資本偏向型和技能偏向型兩個視角展開。宋旭光和杜軍紅(2021)[14]從智能制造的資本偏向特征入手，基于嵌套的CES生產函數構建智能制造和傳統生產方式的勞動收入份額理論框架，發現智能制造與傳統生產方式之間互補的替代彈性使得智能制造—勞動擴展型技術最終偏向于智能制造，從而降低了勞動收入份額。而鈔小靜和周文慧(2021)[15]基于技能偏向性視角，發現人工智能通過就業技能結構高級化、技能收入差距擴大化兩個渠道降低勞動收入份額，并且這種抑制效應短期內在第一產業中表現得尤為明顯。還有學者在技能偏向視角的基礎上衍生出信息技術“性別紅利”的概念，基于信息技術與女性技能的互補效應考察信息技術應用對企業要素收入分配的影響(余玲錚等，2019)[16]。這些研究進一步豐富了相關分析視角，為深入理解數字化轉型與勞動收入份額之間的關系提供了重要借鑒，但其在討論新興技術進步對勞動收入份額的影響時，要么從技能偏向、資本深化這種抽象的技術性質出發，要么聚焦于人工智能這一具體數字技術對勞動收入份額的影響，缺乏全面測度數字化水平的實證研究。此外，現有研究主要從宏觀和產業層面探討數字經濟對要素收入分配的影響，有關企業微觀層面的研究較為匱乏。

本文在分析數字化轉型影響勞動收入份額的經濟邏輯的理論基礎上，利用2010—2020年中國制造業上市公司數據進行實證分析，旨在揭示數字經濟與實體經濟深度融合的要素收入分配效應，并提出相應的政策建議。制造業作為我國創新驅動發展戰略深入實施的主陣地，是助推數字經濟與實體經濟融合發展的主攻方向和關鍵突破口。因此，選取制造業上市企業樣本數據進行實證分析具有典型性。制造業數字化轉型是否影響以及如何影響勞動收入份額？數字化轉型是否是技術偏向的？對上述一系列問題的回答將為數字化轉型賦能共同富裕提供理論依據和經驗證據。

本文的邊際貢獻主要為：(1)區別于已有文獻較為單一地聚焦于人工智能這一核心新興數字技術的要素收入分配效應，本文利用文本處理技術測度制造業上市企業的數字化轉型水平，以此更為全面有效地評估新一代數字技術整體的要素收入分配效應。(2)已有文獻主要從宏觀和中觀產業層面探討數字經濟對要素收入分配的影響，本文在微觀企業層面考察數字化轉型對勞動收入份額的影響及內在作用機制，豐富研究層面，有助于厘清數字化轉型對要素收入分配的影響機理。(3)本文從要素稟賦異質性的角度出發，發現數字化轉型對勞動收入份額的影響會因地區產業結構層次、行業技術密集度和企業要素豐裕程度而有所差異，特別是，在不同技能結構企業中數字化轉型對勞動收入份額的影響還存在“升級”現象，這為高質量就業和數字紅利的深入普及提供了決策參考。

二 理論分析與研究假設

技術進步是經濟增長的重要源泉，是引起勞動收入份額變動的核心因素。一方面，數字化轉型淘汰一批傳統崗位，也會創造出部分新的就業崗位。短期內，高質量勞動力的短缺以及低質量勞動力轉型緩慢導致新舊崗位未能高效轉換，整體收入水平呈下降態勢；長期來講，創造新任務的優勢開始充分體現，中間受損、兩端受益的 “就業極化”現象形成，“工資極化”現象也隨之出現(Autor，2015)[17]，技能兩端勞動者的收入增加。另一方面，數字技術的發展和應用帶來了生產率的提升，已有研究指出一部分的工資負向效應將被正向的生產率效應所抵消(Acemoglu和Restrepo，2018b)[18]。同時，人工智能促進自動化的過程中，往往還會遭遇“鮑莫爾病”，非自動化部門成本的提升也可能使資本回報降低。因此，本文認為數字化轉型帶來了包括勞動要素在內的要素收入水平及收入結構的改變，但其對勞動收入份額的影響方向存在不確定性，既可能帶來勞動收入份額的上升，也可能帶來勞動收入份額的下降；勞動生產率提升(工資增長)效應和就業效應(就業創造或就業替代)可能是數字化轉型影響勞動收入份額的重要渠道。基于上述分析，提出假設1。

假設1：數字化轉型對勞動收入份額有顯著影響。

(一)生產率效應

數字化轉型擴容并優化創新了生產要素體系，通過引入數據這一新生產要素增加了生產要素的新組合，可通過以下途徑賦能傳統產業生產率的提升。

1.信息傳遞效率

數字化轉型催生了企業內部各系統、供應鏈各環節主體、企業用戶多方參與的網絡化協同制造模式，將數字化服務融入產品研發制造、市場供應、營銷服務各環節，顯著增強了全產業鏈的信息傳遞效率：通過數字基礎設施的改造，為產品研發設計、企業內部管理提供信息采集和知識交流整合的工具，促進數據要素在企業內部共享流動，增強企業的技術創新和資源整合能力；架構全產業鏈平臺，推進關鍵數據共享，降低信息獲取成本，將分散在不同地區的生產設備資源、知識資源及各種核心能力集聚在公共服務平臺，驅動跨企業、跨地區、跨行業的研發協同和產能共享，形成制造業高質量、低成本的網絡化產業生態體系；依托移動互聯網、數據挖掘等數字技術，通過網絡營銷、電子商務等商業新模式與客戶充分互動，精準匹配客戶的個性化、多樣化需求，提高服務要素在產品生產中的嵌入程度，實現資源配置的高效快速響應(趙宸宇等，2021)[19]。

2.企業治理效率

現代信息技術手段替代傳統生產工具，實現傳統制造工廠向智能車間的轉型，將數據要素嵌入企業的經營管理環節。依靠底層數字技術搭建集運營、人事、財務數據于一體的數據體系，傳統封閉式、垂直化的組織管理結構開始向開放式、扁平化演變。借助數字化管理系統簡化并規范目標設定、重要項目識別、風險評估、控制活動等一系列內部控制程序(湯萱等，2022)[20]，避免管理者的決策性失誤，實現企業治理效率優化，從而為生產率提升提供強大動力。同時，金融機構和投資者對企業數字化轉型的積極心理預期將有利于企業融資，企業內部資金的增加有利于提高企業專用性人力資本投入和智能設備的維護更新、迭代升級，高質量技術資本和人力資本融合產生直接的技術擴散提高企業創新能力，促進價值鏈的整合攀升，這些外溢效應都正向驅動生產率變化。

數字技術革命助推產業組織模式的變革，通過管理重構、逆向信息響應等方式推動資源要素的優化配置和企業向高附加值產業鏈環節攀升，其產生的高協同性促進勞動生產率和工資收入的增長，從而有利于勞動收入份額的提升。基于上述分析，提出假設2。

假設2：數字化轉型對生產率有顯著的正向影響，從而有利于勞動收入份額的提升。

(二)就業效應

1.就業替代

數字技術引入后，企業傾向于采用高效率、低成本的數字技術和設備直接替代常規程序型的工作任務崗位，這體現為短期內的資本深化和對低技能勞動力就業的直接破壞效應。一部分就業崗位消失，對勞動力需求的減少導致國民收入中勞動要素收入占比的下降。Acemoglu和Restrepo(2020)[21]的研究表明，行業層面機器人的使用導致了勞動力需求和工資的下降，短期內對非技能勞動力就業產生1—2個百分點的即期沖擊。工業機器人應用對就業的影響存在“機器換人”的威脅(韓民春和喬剛，2020)[22]。制造業數字化轉型具有技術進步及生產過程、生產工具和生產組織方式的智能化、自動化內涵，一部分勞動力因對數字技術的獲取和使用能力較弱而影響到其生命周期的就業能力、獲得工作的可能性及工作期限，數字鴻溝的存在對非數字勞動力的就業表現為擠出效應。

2.就業創造

基于技術進步與就業的經典理論“技能偏向型技術進步”假說，數字化轉型將會減少對低技能水平勞動力的需求，增加對高技能水平勞動力的需求。而基于“程序偏向型技術進步”假說，技術進步減少對常規任務勞動力的需求而增加對非常規任務勞動力的需求。這都一定程度上表明數字技術的就業效應不僅體現為就業替代，還存在長期的創造補償效應。一方面，新舊業態結構調整形成創造效應。新一代數字技術通過影響不同部門要素的技術效率、誘致要素跨部門流動和重新配置來推進產業結構變遷，產業結構的調整帶動人工智能等新興產業就業崗位的興起，增強了企業對抽象性、創造性等復雜工作崗位勞動力的需求，企業將傾向于雇傭更多的高技能勞動力。另一方面，產品創新和規模經濟帶來創造效應。盡管新興技術對可自動化任務具有顯著的替代效應，但其帶來的產品創新和生產率提升也會促使企業產品需求和生產規模的擴張，從而增加產品加工制造環節低技能勞動力的雇傭，或通過現有設備更新換代的資本深化來進一步提高上游產業的勞動力需求。

因此，數字化轉型的就業效應既可能表現為就業創造，也可能表現為就業替代，從而影響勞動收入份額。基于上述分析，提出假設3。

假設3：數字化轉型對整體就業存在顯著影響，從而影響勞動收入份額。

三 模型設定與數據說明

(一)數據來源及說明

考慮到數字化轉型的推廣實踐及相關數據的可獲得性，本文選取2010—2020年中國滬深兩市制造業上市公司為研究樣本。其中企業層面數據來源于CSMAR和Wind數據庫，區域層面數據來源于《中國統計年鑒》和《中國城市統計年鑒》。本文按照以下原則對樣本進行處理確保估計的合理性：(1)剔除ST、*ST類上市企業；(2)剔除重要變量缺失及出現異常值的企業樣本；(3)對連續變量進行雙邊1%的縮尾處理。最終得到8220個非平衡面板觀測值。

(二)基準模型設定

企業勞動收入份額的影響因素眾多，為準確測度數字化轉型對企業勞動收入份額影響的凈效應，本文設定以下包含固定效應的多元線性基準回歸模型：

lnLSit=β0+β1Digit+θXit+μpro+δind+γt+εit

(1)

其中，i表示企業，t表示年份；LS為勞動收入份額，Dig表示企業的數字化轉型水平，X為企業的控制變量；μpro、δind和γt分別表示省份、行業和年份特征，εit表示隨機誤差項。

(三)變量說明

1.被解釋變量

本文從微觀企業視角出發研究數字化轉型對企業勞動收入份額的影響，被解釋變量為勞動收入份額的對數值(lnLS)。參照已有文獻的做法，用“勞動報酬/企業增加值”表示企業的勞動收入份額。其中，勞動報酬用CSMAR數據庫現金流量表中的“支付給職工及為職工支付的現金”作為代理變量，企業增加值則采用收入法的核算思路，即企業增加值可表示為勞動者報酬、生產稅凈額、固定資產折舊和營業盈余之和。由于生產稅凈額是勞動和資本之外的“楔子”，將其剔除能更真實地反映資本與勞動的分配關系(周明海等，2010)[23]，因此，本文最終采用“勞動者報酬+固定資產折舊+營業盈余”來衡量企業增加值。

2.核心解釋變量

本文核心解釋變量為企業數字化轉型水平(Dig)。采用文本處理技術對上市公司年報中涉及企業數字化轉型的特征詞進行詞頻統計，將其對數值作為企業數字化轉型水平的代理變量。數字化轉型特征詞的選擇方法和范圍限定參照吳非等(2021)[24]所構建的企業數字化轉型指標體系，包括人工智能技術、大數據技術、云計算技術、區塊鏈技術、數字技術運用五個方面的特征詞匯。關鍵詞匯一定程度上反映了企業的戰略特征和業務經營范圍，以涉及數字化轉型的關鍵詞詞頻來刻畫企業數字化轉型程度，兼具科學性和可行性。

3.控制變量

參考白重恩等(2008)[25]、文雁兵和陸雪琴(2018)[26]等有關勞動收入份額影響因素的研究成果，本文控制了以下企業特征變量：(1)企業規模(Size)，用企業總資產的自然對數表示；(2)企業年齡(Age)，用企業年齡的自然對數表示；(3)資產回報率(ROA)，即凈利潤與資產總額的比率；(4)資產負債率(Lev)，即負債總額與總資產的比率；(5)企業資本勞動比(KL)，用固定資產凈額與員工數比值的自然對數來衡量；(6)股權集中度(Share)，使用上市公司前五大股東持股比例集中度來表示，以衡量企業的治理特征；(7)是否為國有企業(SOE)，即企業的所有制特征。考慮到時間、地區、行業的影響因素不容忽視，控制了年份、省份、行業層面的固定效應。

(四)描述性統計

表1為主要變量的描述性統計結果。從中可以觀察到，企業數字化轉型水平對數值的最小值為0，最大值為6.1115，標準差為1.2369，說明不同制造業企業的數字化轉型水平差異較大。而勞動收入份額對數值(lnLS)的最小值為-3.3030，最大值為-0.0001，說明制造業上市企業勞動收入份額差異很大。

表1 主要變量描述性統計

四 實證結果與分析

(一)基準回歸分析

基準回歸結果見表2。本文主要關注制造業數字化轉型對勞動收入份額的影響。列(1)—列(4)結果顯示，在控制了企業層面相關特征變量和不同固定效應的情況下，Dig的系數在5%的水平上都顯著。這說明制造業企業數字化轉型能夠顯著提升企業勞動收入份額，即研究假設1成立，且這種影響是正向的。控制變量方面，企業規模、資本回報率和資本勞動比的系數均顯著為負，表明規模化企業具有資本偏向，導致要素收入向資本傾斜，因而降低了勞動收入份額。資產負債率的系數顯著為正，即高負債企業的勞動收入份額會更高，這是由于風險厭惡的員工會選擇低負債企業，而風險偏好的員工會選擇高負債企業，高負債企業將支付更高的工資(Berk et al.，2010)[27]。是否為國有企業的系數顯著為正，這說明勞動收入份額會因企業所有制性質而有所差異。相比非國有企業，國有企業在要素資源、外部環境等方面更具優勢，且更注重社會和政治目標，勞動者權益更能得到保障，因此，國有企業勞動收入份額相對更高。列(1)、 列(2)和列(4)股權集中度的系數在10%的水平上均顯著為正，這表明當股權集中度越高時，具有少量股權及個人私利的管理者更傾向于和職工形成利益同盟(Pagano和Volpin，2005)[28]，從而支付給職工高工資，勞動收入份額也因此提升。

表2 基準回歸估計結果

(二)穩健性檢驗

為保證結論的穩健性，本文從指標替換和異質樣本兩個角度進行穩健性檢驗。指標替換方面，參照陸正飛等(2012)[29]的研究，將上市公司財務報表中“應付薪酬”項下應付職工薪酬的貸方發生額作為勞動報酬的代理變量，并以此計算得到新的勞動收入份額指標替換被解釋變量。表3列(1)和列(2)的穩健性估計結果表明，替換被解釋變量后，結果與基準回歸一致。剔除異質樣本方面，一是為排除新冠疫情的沖擊，剔除2020年的樣本，回歸結果見表3列(3)。二是剔除直轄市樣本，直轄市與其他城市在經濟發展水平、人口聚集程度和產業結構等方面的較大差異可能會導致企業樣本異質性，因此予以剔除，回歸結果見表3列(4)。三是剔除計算機、通信和其他電子設備制造業企業樣本，該行業所需的數字要素投入水平明顯高于其他制造業行業，剔除該行業上市公司樣本可增強樣本的同質性，回歸結果見表3列(5)。表3結果表明，剔除異質樣本后，列(3)—列(5)結果均未發生實質性變化，前文結論依然成立。

表3 穩健性及內生性估計結果

(三)內生性分析

本文采用工具變量檢驗、個體固定效應模型及雙重差分模型三種方法緩解內生性問題：一是借鑒黃群慧等(2019)[30]的做法，初步選取1984年各城市每百人固定電話數量作為企業數字化轉型的工具變量。同時，為解決面板固定效應模型的度量問題，引入時變變量，將上年度全國互聯網寬帶接入端口數量與1984年各城市每百人固定電話數量的交乘項作為數字化轉型水平的工具變量，第二階段估計結果見表3列(6)。二是引入個體固定效應以控制不可觀測變量造成的潛在影響，估計結果見表3列(7)。三是構建雙重差分模型，識別制造業數字化轉型與勞動收入份額之間的因果效應。智慧城市建設從數字技術供給和數字技術需求兩方面影響了制造業企業的數字技術應用程度，借鑒溫湖煒和王圣云(2022)[31]的研究，利用我國始于2012年的大規模智慧城市建設作為企業數字化轉型的外生政策沖擊。由于智慧城市分批次試點，故采用多時點DID模型，模型設定為：lnLSit=α0+α1Policyit+φXit+σi+τpt+εit，其中，Policyit為政策實施的虛擬變量，σi和τpt分別為企業固定效應、省份-年份交互固定效應，試點城市企業為處理組，其余企業為對照組。模型回歸結果見表3列(8)，并通過了雙重差分方法的平行趨勢檢驗(見圖2)。在利用上述方法緩解內生性影響后，Dig的系數在10%的水平上均顯著，驗證了結論的穩健性，即數字化轉型能夠顯著提升企業勞動收入份額，改善勞動和資本要素收入分配。

圖2 平衡趨勢檢驗(90%置信區間)

(四)機制檢驗

上文實證分析得出了數字化轉型有助于提升勞動收入份額的結論，為更加深入地理解數字化轉型的要素收入分配效應，本文將進一步考察數字化轉型提升勞動收入份額的作用機制。由理論分析可知，數字化轉型以信息流帶動要素資源整合和優化配置，產生的高協同性推動信息傳遞效率和企業內部治理效率的提升，從而正向驅動勞動生產效率發展，有利于勞動收入份額的提升。同時，作為資本深化的過程(蔡躍洲和陳楠，2019)[32]，數字化轉型提升了工作崗位的技能要求，通過對常規性、事務性崗位的就業替代，與對高技能和低技能非自動化崗位的就業創造，影響勞動收入份額。就業結構的兩極化變動以及技能工資溢價引導中等技能勞動者向技能要求的兩端流動，但新技能的學習和新空缺崗位的填補過程勢必遭遇多種阻力，這一就業調整過程需要消耗大量的時間成本，具有時滯性。當前，以大數據、物聯網、人工智能等為核心的新一輪科技革命和產業變革從導入期轉向拓展期(王一鳴，2019)[33]，由于技能結構錯配及就業調整的時滯性，數字化轉型的就業替代效應未被其創造效應完全補償，數字化轉型的就業效應總體上表現為負向沖擊，從而不利于勞動收入份額的提升。因此，本文從生產率效應和就業效應兩方面進一步考察數字化轉型提升勞動收入份額的作用機制。基于前文假設，構建如下機制檢驗模型：

Mecit=Cons.+α2Digit+φXit+μpro+δind+γt+εit

(2)

lnLsit=Cons.+α3Digit+α4Mecit+φXit+μpro+δind+γt+εit

(3)

其中，Mecit為機制變量，分別為企業員工數自然對數值(lnL)和生產率自然對數值(包括全要素生產率lnTFP和勞動生產率lnLP)，μpro為省份固定效應，δind為行業固定效應，γt為年份固定效應。勞動生產率(lnLP)采用“企業員工勞動報酬/企業員工總人數”的常規方式測算(耿曄強和郭偉，2021)[34]；為避免簡單線性估計的同時性偏差和樣本選擇性偏差，本文構建對數形式的C-D生產函數，采用LP法來測算企業的全要素生產率(lnTFP)(魯曉東和連玉君，2012)[35]：

lnYit=β2lnLit+β3lnKit+β4lnMit+εit

(4)

其中，Y為企業營業總收入，K為固定資產凈值，L為員工總人數，M為中間投入，借鑒錢雪松等(2018)[36]的做法，以“企業購買商品、接受勞務支付的現金”測度。具體而言，將樣本進行個體和年份固定效應回歸，以其殘差測度企業全要素生產率。

表4為機制檢驗結果，可以看出，數字化轉型對企業全要素生產率和勞動生產率的影響在1%的水平上顯著為正，而其對就業的沖擊在1%的水平上顯著為負。現階段，數字化轉型通過勞動生產率獲得效應和就業替代效應兩種機制影響勞動收入份額，假設2和假設3得以驗證。

表4 機制檢驗結果

五 異質性分析

上文論證了企業數字化轉型對勞動收入份額的平均效應。在不同要素稟賦企業中，新一代數字技術的應用程度明顯不同，數字化轉型擴展技術的產出彈性及對傳統生產方式的替代彈性均存在差異，這意味著不同要素稟賦企業中，數字化轉型技術對生產效率和就業的影響程度將有所不同，從而導致勞動收入份額變動的差異。本文分別從地區產業結構層次、行業要素密集度、企業資本密集度以及技能結構四方面對數字化轉型的要素收入分配效應異質性展開討論，以進一步了解數字化轉型的非對稱效應，為后續提出更為精準有效的調控政策提供有力支撐。

(一)產業結構層次異質性分析

盡管數字經濟發展的地區差距開始縮小(劉傳明等，2020)[37]，但數字化轉型對勞動收入份額的影響在不同產業結構層次地區存在一定差異。根據產業結構層次系數的大小，本文將研究樣本劃分為低產業結構層次地區企業和高產業結構層次地區企業，以考察數字化轉型對勞動收入份額影響的產業結構層次差異。參照徐德云(2008)[38]的研究，運用產業結構層次系數測算公式來測量不同地區的產業結構層次：

(6)

其中，yi表示總產值中i產業所占比重，L表示產業結構升級程度。L越接近3，則地區產業結構層次越高，將進入信息化社會，屬于高產業結構層次地區；L越接近2，則地區產業結構層次還處于工業化向信息化的過渡階段，屬于低產業結構層次地區。依照上述方法進行測算，最終測得北京、上海、天津、浙江、廣東為高產業結構層次地區，其他省份地區為低產業結構層次地區。分組回歸結果見表5列(1)、 列(2)，可以看到，不同產業結構層次地區，企業數字化轉型水平(Dig)的系數在10%的水平上均顯著，且高產業結構層次地區的系數明顯大于低產業結構層次地區，即當前階段不同產業結構層次地區企業數字化轉型的要素收入分配效應均呈現勞動偏向，且高產業結構層次地區企業數字化轉型的勞動偏向幅度更大。從數字化轉型的就業效應來解釋，這可能與低產業結構層次地區中低技能崗位相對更多，數字技術對勞動力需求的就業替代效應更明顯有關，而高產業結構層次地區企業數字化轉型進程更快，就業技能結構開始適配，就業效應總體上呈現為就業的創造補償。因此，表現出勞動收入份額變化的產業結構層次效應。

(二)行業異質性分析

勞動收入份額變化的產業內效應由有偏型技術進步和要素稟賦結構共同決定(王林輝和袁禮，2018)[8]。新常態下資源環境約束趨緊、要素成本上升，不同傳統要素密集型企業數字化轉型的要素收入分配效應是否存在差異？為此，依據行業要素密集度，本文將制造業企業樣本劃分為勞動密集型、資本密集型、技術密集型三類進行分組回歸，結果見表5列(3)— 列(5)。可以發現，在勞動密集型企業和資本密集型企業樣本中，數字化轉型水平(Dig)的系數在1%的水平上均顯著為正，而技術密集型企業的回歸系數卻并不顯著地異于0，即數字化轉型僅對非技術密集型企業勞動收入份額有顯著的提升作用，且對勞動密集型企業的正向影響大于資本密集型企業，而對技術密集型企業的提升效果不明顯。從數字化轉型的生產率效應來解釋，數字化轉型較快地實現資本替代勞動，彌補了勞動密集型企業因勞動力成本上升導致的生產率下降，從而實現工資收入和勞動收入份額的提升；對于資本密集型企業來說，數字化轉型雖然促進了網絡化協同，但因資本投入周期長、見效慢，生產率和勞動收入份額的提升效果不如勞動密集型企業；而對于技術密集型企業來說，創新轉化的生產率時滯性較強，數字化轉型的生產率效應短期內難以體現，因此，對勞動收入份額的提升效應不明顯。

表5 異質性影響的估計結果

(三)企業異質性分析

技術進步的作用不是孤立的，而是與各種生產要素進行耦合。那么傳統生產要素的稀缺程度是否會影響數字化轉型的要素收入分配效應？本文從傳統生產要素稀缺程度入手，根據企業人均資本存量，將樣本分為資本稀缺(勞動豐裕)和資本豐裕企業，分組回歸結果見表5列(6)、 列(7)。可以發現，資本稀缺企業數字化轉型水平的系數在1%的水平上顯著為正，而資本豐裕企業的系數不顯著地異于0。從數字化轉型的生產率效應來解釋，這與資本稀缺企業資本要素相對稀缺，數字化轉型資本替代的邊際生產率更高，其生產率提升效應更為明顯有關。

(四)技能結構異質性的再討論

就業結構和工資收入極化的典型事實來源于數字化轉型對中等技能崗位的替代效應和對高低技能崗位的創造效應。那么，不同技能結構企業數字化轉型的要素收入分配效應是否會因企業人力資本水平的差異而有所不同？為檢驗人力資本帶來的異質性，本文將勞動力按受教育程度劃分為高技能勞動力(本科及大專以上學歷)和低技能勞動力(高中及以下學歷)兩個檔次，根據各企業高技能勞動力所占比例對樣本企業進行排序，并按三等分劃分為高就業技能結構企業、中就業技能結構企業以及低就業技能結構企業三個子樣本進行回歸，結果見表6。列(1)、 列(3)、 列(5)僅控制年份和省份效應的結果顯示，中高就業技能結構企業數字化轉型水平的系數均在1%的水平上顯著為正，且高就業技能結構企業的系數更大。列(2)、 列(4)、 列(6)控制了年份、省份和行業效應的估計結果顯示，中高就業技能結構企業數字化轉型水平的系數在5%和1%的水平上依然顯著。從數字化轉型的生產率效應和就業效應來解釋，高技能勞動力與數字技術的互補性可以有效促進生產效率的提升，從而有助于高技能勞動力的工資增長，高就業技能結構企業的生產率提升效應更明顯。同時，高就業技能結構企業的中低技能崗位相對較少，數字化轉型的就業替代效應不明顯。因此，不同人力資本水平企業數字化轉型對勞動收入份額的影響出現了“升級”特征，高就業技能結構企業的勞動收入份額明顯提升，高技能勞動力是新興技術進步的受益者。

表6 就業技能結構異質性分析

六 結論與政策啟示

數字經濟與實體經濟深度融合背景下，數據要素參與分配深刻改變了要素收入分配格局。本文利用文本處理技術測算2010—2020年中國制造業上市公司數字化轉型水平，考察企業數字化轉型對勞動收入份額的影響和作用機制，得到的主要結論為：(1)數字化轉型對企業勞動收入份額有顯著的正向影響，不支持數字化轉型抑制勞動要素收入從而惡化要素收入分配的觀點。在考慮內生性可能導致的估計偏誤后，回歸結果穩健，這說明制造業企業數字化轉型是改善要素收入分配、實現共同富裕的重要著力點。(2)制造業企業數字化轉型能夠通過勞動生產率提升效應(工資增長效應)和就業替代兩種機制影響勞動收入份額。數字化轉型產生的高協同性促進了生產率和工資收入的提高，從而提升了勞動收入份額。當前階段，盡管就業創造抵消了一部分的就業破壞，但整體上仍表現為就業替代的負向效應，不利于勞動收入份額的增加。(3)不同要素稟賦企業中，新一代數字技術的應用程度明顯不同，數字化轉型擴展技術的產出彈性及對傳統生產方式的替代彈性均存在差異，這導致了制造業數字化轉型要素收入分配效應的異質性。對于產業結構水平高地區、非技術密集型行業及資本密集程度低企業，數字化轉型對勞動收入份額的提升作用更強。特別是，數字化轉型對高就業技能結構企業勞動收入份額的正向影響更強，制造業部門數字化轉型對技能需求表現出“升級”特征而不是“極化”特征，一定程度上印證了數字化轉型的技能偏向性。

研究結論蘊含了較強的政策含義。數字化轉型與共同富裕目標高度契合，必須堅定不移深入貫徹十九大關于“推動互聯網、大數據、人工智能和實體經濟深度融合”的戰略部署，推動有效市場和有為政府的更好結合。具體而言：(1)加快要素的市場化配置，充分發揮數據要素對其他要素效率的倍增效應，統籌新舊產業促進產業結構升級，引導數字化轉型產生就業創造而非就業抑制效應。(2)構建數字經濟與實體經濟的融合體系，優化政策工具組合，落實互聯網基礎設施建設，給予企業數字化轉型政策紅利，同時完善再分配政策，切實保障數字化轉型負向沖擊下弱勢群體的基本社會福利，避免其對人力資本的破壞性沖擊。(3)應對新一代數字技術對勞動要素市場的沖擊，需不斷提高勞動力技能與新興數字技術的動態適配性。重視對新一代數字技術應用人才的培養，加大對高職院校的教育經費投入，采用公共采購等形式對企業員工進行技能培訓，加速低技能勞動力知識技能結構的更新，以實現人力資本與新興技術的生產率互補效應，緩解技術變革的階層分化。