數(shù)字技術創(chuàng)新對勞動力市場極化的影響研究

張 洋

（1.全州大學，韓國 全州 55069；2.河北政法職業(yè)學院，河北 石家莊 050061）

一、引言及文獻綜述

在世界經濟增長整體放緩階段，數(shù)字經濟逐漸成為各國經濟發(fā)展模式轉型的新動能。此背景下，實體經濟數(shù)字化、信息化發(fā)展趨勢愈發(fā)明顯，助推傳統(tǒng)生產模式可編程、可尋址、可感知以及可關聯(lián)，預示著人類社會正快速進入以數(shù)字技術為經濟發(fā)展主要動力的歷史新階段[1]。數(shù)字技術創(chuàng)新作為推動數(shù)字化建設的重點工作，會對相關領域高端技術使用提出更高要求，但同時也降低了低端生產工序的繁瑣程度。這對于傳統(tǒng)勞動力具有一定擠出效應，一定程度上沖擊了勞動力市場結構。一方面，數(shù)字技術的應用與普及有助于提升勞動力自身知識和技能水平，為人力資本升級帶來新發(fā)展機遇，有助于高技術勞動力數(shù)量增加。另一方面，數(shù)字技術創(chuàng)新降低了產業(yè)技術、設備引進成本及生產經營難度，使得低技能勞動力能夠更好適應生產工作，進而增加低技能勞動力就業(yè)機會[2]。高技能與低技能勞動力就業(yè)數(shù)量的同時增加使得本應占主體地位的中等技能勞動力地位受到沖擊，即出現(xiàn)勞動力市場極化現(xiàn)象。與此同時，黨的二十大報告提出，“強化就業(yè)優(yōu)先政策，健全就業(yè)促進機制，促進高質量充分就業(yè)……推動解決結構性就業(yè)矛盾。”因此，如何有效調節(jié)數(shù)字技術創(chuàng)新對勞動力市場極化的影響，切實改善勞動力市場現(xiàn)狀，在當前經濟發(fā)展模式轉型時期至關重要。基于此，本研究從數(shù)字技術創(chuàng)新出發(fā)，探究其對勞動力市場極化的影響和作用機制，以期為推動數(shù)字技術創(chuàng)新、優(yōu)化勞動力市場提供經驗借鑒。

學術界既有關于數(shù)字技術與勞動力市場的研究成果頗豐，大致可劃分為以下三類：

一是關于數(shù)字技術創(chuàng)新水平研究。梁佳等(2022)根據(jù)國家統(tǒng)計信息中心關于數(shù)字技術發(fā)展水平的評定標準，以數(shù)字基礎設施水平與數(shù)字技術應用水平兩個維度構建數(shù)字技術創(chuàng)新水平指標體系，發(fā)現(xiàn)中國數(shù)字技術創(chuàng)新水平整體向好，且存在一定閾值效應[3]。此外，亦有部分學者以數(shù)字領域專利申請數(shù)[4]、數(shù)字企業(yè)專利申請數(shù)[5]等單一指標衡量數(shù)字技術創(chuàng)新水平。

二是關于勞動力市場極化研究。王永欽和董雯(2020)研究指出，工業(yè)機器人應用對企業(yè)勞動力需求產生一定替代效應，即工業(yè)機器人應用會導致高技能勞動力數(shù)量增加，加劇高技能勞動力市場極化[6]。譚瑩等(2022)研究指出中間品關稅加征不利于提升制造業(yè)就業(yè)水平，而勞動力流動有助于緩解關稅增加對勞動力市場極化的負面影響[7]。唐永、蔣永穆(2022)研究發(fā)現(xiàn)，產業(yè)結構服務化會促使不同技能水平勞動者出現(xiàn)工資極化現(xiàn)象，也會導致不同技能水平勞動者就業(yè)極化[8]。

三是關于數(shù)字技術創(chuàng)新對勞動力市場極化的影響。當前學術界關于數(shù)字技術創(chuàng)新與勞動力市場極化的研究相對較少，但事實上，技術發(fā)展與勞動力市場間的關系始終是一個重要研究方向。曹潔、羅淳(2018)從勞動力市場極化、測度方法、形成原因和影響效應四個方面對勞動力市場展開探討，發(fā)現(xiàn)技能偏向型技術進步使得高、低技能勞動力就業(yè)同時增加，是導致勞動力市場極化的重要原因[9]。張抗私、史策(2022)認為，技術進步對就業(yè)占比具有負向影響，高教育程度勞動力的認知能力可以發(fā)揮緩沖作用，且技術進步對低教育程度勞動力具有顯著就業(yè)創(chuàng)造效應[10]。劉廷宇、張世偉(2022)研究發(fā)現(xiàn)，垂直專業(yè)化分工將工作按照技術需求、附加值程度進行分離，從而引致了勞動力兩極分化，且技術進步進一步加劇了極化現(xiàn)象[11]。

梳理既有文獻可知，勞動力市場極化受技術進步影響較為明顯，但關于數(shù)字技術創(chuàng)新對勞動力市場極化直接影響的研究較少。在數(shù)字經濟高速發(fā)展背景下，數(shù)字技術已廣泛應用于社會、經濟各個領域，這使得數(shù)字技術創(chuàng)新對勞動力市場的影響存在更加豐富的經濟學機制?；诖?，文章依據(jù)高、低技能勞動力數(shù)量與中等技能勞動力數(shù)量的比值，將勞動力劃分為高技能勞動力與低技能勞動力，實證檢驗數(shù)字技術創(chuàng)新對勞動力市場極化的影響效應，并基于空間效應與勞動力流動兩個視角展開探討，以期豐富數(shù)字技術創(chuàng)新影響勞動力市場極化的研究。

二、理論分析與研究假設

技術發(fā)展與技術進步是產生極化現(xiàn)象的重要因素。具體而言，傳統(tǒng)自動化生產理論模型將工業(yè)產業(yè)假定為自動化與手動化兩種生產方式[12]。其中，手動化條件下，手工技術需依托大量勞動力參與。而在自動化條件下，傳統(tǒng)人工技術將完全被數(shù)字化、信息化設備所取代。結合新古典增長理論可知，自動化生產模式有助于提升勞動生產效率[13]。由此可以推斷，隨著自動化、信息化生產模式的推廣與應用，勞動力市場就業(yè)情況亦會發(fā)生明顯改變。技術進步對于傳統(tǒng)、常規(guī)型工作具有替代與擠出效應，而對于非常規(guī)認知型工作則具有補充效應。與此同時，數(shù)字技術普及與創(chuàng)新會帶動各類數(shù)字化設備引進成本下降，能夠極大程度上降低產業(yè)生產難度，為低技能勞動力提供大量就業(yè)崗位。同時，數(shù)字技術應用與創(chuàng)新會提升整個經濟體的生產效率，這有助于增加非常規(guī)認知工作，最終形成勞動力市場就業(yè)結構“兩端高、中間低”的極化現(xiàn)象。基于此，文章提出如下假設：

假設H1：數(shù)字技術創(chuàng)新會同時增加高技能、低技能勞動力數(shù)量，導致高技能勞動力市場極化與低技能勞動力市場極化現(xiàn)象。

在數(shù)字技術高速發(fā)展背景下，各地區(qū)數(shù)字技術創(chuàng)新水平會因要素資源稟賦、人口集聚與流動水平不同有所差異，進而對地區(qū)勞動力市場極化產生影響。一方面，數(shù)字技術創(chuàng)新發(fā)展過程中可能會存在一定技術溢出效應，能夠帶動鄰近地區(qū)數(shù)字化發(fā)展，提升鄰近地區(qū)數(shù)字技術創(chuàng)新水平[14]。數(shù)字技術創(chuàng)新水平的提升使得鄰近地區(qū)對于高數(shù)字素養(yǎng)人才需求劇增，帶動鄰近地區(qū)高技能勞動就業(yè)數(shù)量增加。同時，數(shù)字技術的發(fā)展也簡化了傳統(tǒng)生產領域操作難度，為低技能勞動力就業(yè)帶來契機，從而對鄰近地區(qū)勞動力市場結構造成一定沖擊。另一方面，各地方政府間存在一定競爭現(xiàn)象。在當前經濟高質量發(fā)展背景下，地方政府更關注除經濟增長指標之外的環(huán)境、創(chuàng)新等方面的指標，可能存在一定的地方政府競爭現(xiàn)象。因此，地方政府間在數(shù)字技術創(chuàng)新方面的競爭與模仿將對本地區(qū)勞動力市場就業(yè)產生影響，甚至會擴散至鄰近地區(qū)，產生空間外溢現(xiàn)象。究其原因，部分勞動力存在一定趨利性。地區(qū)間數(shù)字技術水平差異會加劇勞動力流動，引致高技能勞動力流動至數(shù)字技術創(chuàng)新水平更高地區(qū)，以匹配自身勞動價值、提高勞動報酬，進而對相鄰地區(qū)產生空間溢出效應。整體來看，數(shù)字技術創(chuàng)新對勞動力市場極化的影響還需通過勞動力流動來實現(xiàn)。相對而言，數(shù)字技術創(chuàng)新水平較高地區(qū)具備較為豐富的就業(yè)崗位，對于高技能勞動力與低技能勞動力均具有較強吸引力。此形勢下，高技能勞動力通過流動至其他地區(qū)的方式提升勞動力價值與勞動回報率，且低技能勞動力也能更容易解決就業(yè)問題，進而導致當?shù)丶爸苓叺貐^(qū)勞動力市場出現(xiàn)極化現(xiàn)象?；谝陨戏治?，提出如下假設：

假設H2：數(shù)字技術創(chuàng)新會推動勞動力流動進而形成空間外溢，最終加劇地區(qū)勞動力市場極化。

三、研究設計

1.模型構建

（1） 基本模型

數(shù)字技術創(chuàng)新是評估創(chuàng)新水平產出的重要指標，而數(shù)字技術創(chuàng)新發(fā)展水平高低將直接或間接影響勞動力市場就業(yè)情況?？紤]勞動力市場極化的動態(tài)性特征，文章使用動態(tài)面板模型來表征數(shù)字技術創(chuàng)新對勞動力市場極化的影響路徑，具體構建模型如下所示：

式(1)中，Labit為i 省份t 時期的勞動力市場極化，文章分別從高技能勞動力市場極化）與低技能勞動力市場極化）兩個角度進行衡量。Digit為i 省份t 時期的數(shù)字技術創(chuàng)新水平，利用國際專利分類與數(shù)字經濟行業(yè)分類進行匹配，選取專利數(shù)據(jù)來表征數(shù)字技術創(chuàng)新發(fā)展水平；Controls 為一系列控制變量，包括研發(fā)投入強度、對外貿易、外商直接投資、中央政府干預；εit為隨機擾動項。數(shù)字技術創(chuàng)新變量系數(shù)β1是文章關注焦點，若系數(shù)大于0 且顯著，表明當前的數(shù)字技術創(chuàng)新能夠加劇目前中國勞動力市場極化現(xiàn)象；若系數(shù)小于0 且顯著，則需進一步探討勞動力市場極化的現(xiàn)狀與深層次原因。

（2） 中介效應模型

為驗證勞動力流動是否在數(shù)字技術創(chuàng)新與勞動力市場極化之間發(fā)揮中介效應，借鑒溫忠麟、葉寶娟(2014)[15]研究思路，建立如下模型：

式(2)～(4)中，β2反映數(shù)字技術創(chuàng)新對勞動力市場極化的總效應，γ2為數(shù)字技術創(chuàng)新對勞動力市場極化的直接效應，α2γ3代表數(shù)字技術創(chuàng)新對勞動力市場極化的中介效應。

2.指標說明

被解釋變量：勞動力市場極化(Lab)。借鑒徐少俊、鄭江淮(2020)[16]測算方法，將勞動力市場極化分為高技能勞動力市場極化）與低技能勞動力市場極化），計量模型如下：

其中，式(5)考察數(shù)字技術創(chuàng)新與高技能勞動力市場極化關系，為高技能勞動力數(shù)量與中等技能勞動力數(shù)量之比；式(6)研究數(shù)字技術創(chuàng)新與低技能勞動力市場極化關系，為低技能勞動力數(shù)量與中等技能勞動力數(shù)量之比。值得說明的是，高技能勞動力(Nh)利用大學?？萍耙陨蠈W歷（包括高等職業(yè)教育） 受教育程度比例來表示；中技能勞動力(Nm)采用高中學歷（包括中級職業(yè)教育） 受教育程度比例來衡量；低技能勞動力(Nt)選取初中及以下學歷受教育程度比例進行刻畫。

核心解釋變量：數(shù)字技術創(chuàng)新(Dig)。根據(jù)國際專利分類與數(shù)字經濟行業(yè)分類進行匹配，利用專利數(shù)據(jù)來表征數(shù)字技術創(chuàng)新發(fā)展水平。在確定數(shù)字經濟行業(yè)分類時，參考浙江省經濟與信息委員會發(fā)布的關于數(shù)字經濟核心產業(yè)統(tǒng)計分類目錄，將其與國際專利分類匹配后，得到的專利申請量作為區(qū)域數(shù)字技術創(chuàng)新的代理變量。

中介變量：勞動力流動(Flow)。參考陳明生等(2022)[17]測量勞動力流動的方式，采用引力模型，引入工資和房價兩個重要影響因素，構建如下模型：

其中，F(xiàn)lowij為i 省份向j 省份流動勞動力的數(shù)量；Labori為i 省份勞動力極化；Wagei、Wagej分別為i 省份、j 省份在崗職工平均工資；Housei、Housej分別為i 省份、j 省份的房價；為i 省份與j 省份之間的地理距離；i 省份一年的勞動力流動量是由公式(8)計算得出。

控制變量。參考相關文獻研究[18，19]，選取如下變量進行控制：一是研發(fā)投入強度(Rnd)。研發(fā)投入能夠有效提升企業(yè)對充實高技能勞動力需求，利用各地區(qū)研究與實驗經費和省份生產總值之比進行衡量。二是對外貿易(Trade)。對外貿易中加工貿易對中技能勞動力就業(yè)存在重要影響，選取各省份進出口貿易額與省份生產總值之比進行表征。三是外商直接投資(Fdi)。外商投資企業(yè)具備技術優(yōu)勢，與省內外資企業(yè)形成競爭，可能對高技能勞動力就業(yè)產生擠出效應，利用行業(yè)外商投資直接額來刻畫。四是中央政府干預(Gov)。中央政府干預主要起拉動中、高技能勞動力的就業(yè)作用，而對低技能勞動就業(yè)影響效果較小，使用各省份財政支出占省份GDP 的比重來表示。

3.數(shù)據(jù)來源

文章選取中國30 個省級面板數(shù)據(jù)（剔除港澳臺地區(qū)與西藏數(shù)據(jù)嚴重缺失的省份） 進行實證研究，研究時段為2011—2020 年。各指標數(shù)據(jù)均來自歷年《中國統(tǒng)計年鑒》 《中國勞動統(tǒng)計年鑒》 《中國科技統(tǒng)計年鑒》 《中國城市統(tǒng)計年鑒》 《中國區(qū)域經濟統(tǒng)計年鑒》，以及各省（市、區(qū)） 統(tǒng)計年鑒、各?。ㄊ小^(qū)） 政府公開網站數(shù)據(jù)、大衛(wèi)專利數(shù)據(jù)庫、WIND 數(shù)據(jù)庫。與此同時，針對部分缺失數(shù)據(jù)，采用插值法進行彌補。

四、實證研究

1.數(shù)字技術創(chuàng)新與勞動力市場極化的基準回歸

從數(shù)字技術創(chuàng)新視角，實證檢驗數(shù)字技術創(chuàng)新對勞動力市場極化的影響效果。文章利用系統(tǒng)GMM 方法對二者之間關系進行實證檢驗，將專利申請量作為核心解釋變量、高技能勞動力市場極化、低技能勞動力市場極化作為被解釋變量。表1 為數(shù)字技術創(chuàng)新與勞動力市場極化的基準回歸結果，列(1)與列(3)分別代表數(shù)字技術創(chuàng)新與低技能勞動力市場極化、高技能勞動力市場極化之間的回歸結果，列(2)與列(4)為加入一系列控制變量后的回歸結果。由于AR(1)中的P 值小于0.1，AR(2)中的P值大于0.1，因此隨機擾動項不存在自相關問題。除此之外，由Hansen 結果可知，P 值大于0.1，說明工具變量是有效的且不存在過度識別問題，即文章模型具有可靠性。列(2)是針對高技能勞動力市場極化的回歸結果，數(shù)字技術創(chuàng)新系數(shù)為0.213，且在1%統(tǒng)計水平上顯著，說明數(shù)字技術創(chuàng)新能夠使高技能勞動力數(shù)量增加，促使高技能勞動力市場極化現(xiàn)象產生。究其原因，數(shù)字技術創(chuàng)新發(fā)展過程中會產生一系列創(chuàng)新、研發(fā)、信息數(shù)據(jù)分析等高端需求，且這種需求通常為非常規(guī)的抽象任務，使企業(yè)對高技能勞動力的需求增加。列(4)是針對低技能勞動力市場極化的回歸結果，數(shù)字技術創(chuàng)新系數(shù)為0.173，且在1%統(tǒng)計水平上顯著，表明數(shù)字技術創(chuàng)新也能促進低技能勞動力數(shù)量增長，加劇勞動力市場極化?；谝陨蠈嵶C分析可知，假設H1 得到驗證。

表1 數(shù)字技術創(chuàng)新與勞動力市場極化的基準回歸結果

進一步研究控制變量對勞動力市場極化的影響，發(fā)現(xiàn)控制變量對高技能勞動力市場極化與低技能勞動力市場極化的影響也產生了差異性效果。具體回歸結果分析如下：研發(fā)投資強度對高技能勞動力市場極化的系數(shù)為0.274，且在1%統(tǒng)計水平上顯著，說明研發(fā)投資強度越大越有助于強化地區(qū)科技創(chuàng)新水平，使得高技能勞動力數(shù)量增加，對高技能勞動力市場極化具有正向影響。研發(fā)投資強度對低技能勞動力市場極化的系數(shù)為-0.184，且在1%統(tǒng)計水平上顯著，說明研發(fā)投資水平能夠提升低技能勞動力群體知識、技術水平，使其向中、高技能勞動力群體流動，使得低技能勞動力數(shù)量減少，緩解低技能勞動力市場極化。對外貿易對高技能勞動力市場極化的系數(shù)并不顯著，表明對外貿易對高技能勞動力市場極化影響不大。對外貿易對低技能勞動力市場極化的系數(shù)為-0.053，且在1%統(tǒng)計水平上顯著，說明對外貿易的發(fā)展不會加劇低技能勞動力市場極化。外商直接投資對高技能勞動力市場極化的影響系數(shù)為0.064，且在5%統(tǒng)計水平上顯著，表明外商直接投資增加了高技能勞動力數(shù)量，能夠推動高技能勞動力市場極化發(fā)展。外商直接投資對低技能勞動力市場極化的影響系數(shù)為0.121，且在1%統(tǒng)計水平上顯著，表明外商直接投資增加了地區(qū)就業(yè)崗位，為低技能勞動力提供更多就業(yè)崗位，進而對低技能勞動力市場極化產生正向影響。中央政府干預對高技能勞動力市場極化與低技能勞動力市場極化均存在顯著正向關系，且對高技能勞動力市場極化促進效果更加明顯。

2.數(shù)字技術創(chuàng)新與勞動力市場極化的內生性檢驗

考慮到數(shù)字技術創(chuàng)新與勞動力市場極化的關系可能存在內生性問題，故選取數(shù)字技術創(chuàng)新的工具變量，規(guī)避結果偏誤的問題。借鑒岳佳坤(2022)[20]研究思路，從創(chuàng)新投入、創(chuàng)新產出、創(chuàng)新擴散、創(chuàng)新轉化、創(chuàng)新環(huán)境五方面構建數(shù)字技術創(chuàng)新評價指標體系作為工具變量，以此進行內生性檢驗，具體檢驗結果如表2 所示。從列(1)和列(2)的實證結果可以發(fā)現(xiàn)，數(shù)字技術創(chuàng)新仍與高技能勞動力市場極化、低技能勞動力市場極化保持顯著正相關，結果與上文回歸檢驗結果保持一致，即證明結論較為穩(wěn)健。

表2 基于工具變量方法下數(shù)字技術創(chuàng)新與勞動力市場極化的內生性檢驗結果

3.穩(wěn)健性檢驗

考慮到數(shù)字技術創(chuàng)新對勞動力市場極化的影響具有一定滯后性，文章將核心解釋變量數(shù)字技術創(chuàng)新進行滯后一期處理，并繼續(xù)使用系統(tǒng)GMM 方法對二者進行回歸估計，具體結果如表3 列(1)～(3)所示。研究發(fā)現(xiàn)，滯后一期數(shù)字技術創(chuàng)新對高技能勞動力市場極化與低技能勞動力市場極化的基本估計系數(shù)分別為0.109、0.093，且均在1%統(tǒng)計水平上顯著，與上文模型估計結果一致，說明研究結果具有穩(wěn)健性，同時也體現(xiàn)出數(shù)字技術創(chuàng)新對勞動力市場極化的影響存在一定時滯性。

表3 數(shù)字技術創(chuàng)新對勞動力市場極化的穩(wěn)健性檢驗

表3 列(2)與列(4)為剔除部分研究樣本進行穩(wěn)健性檢驗，為檢驗研究結果的普適性，剔除北京、上海、廣東三個數(shù)字技術創(chuàng)新水平較高的省份，再次進行穩(wěn)健性檢驗。研究發(fā)現(xiàn)，數(shù)字技術創(chuàng)新對高技能勞動力市場極化與低技能勞動力市場極化的基本估計系數(shù)分別為0.073、0.059，且均在1%統(tǒng)計水平上顯著，與上文研究結論依然統(tǒng)一，故文章結果依舊穩(wěn)健可靠。

4.數(shù)字技術創(chuàng)新與勞動力市場極化的空間效應

數(shù)字技術創(chuàng)新作為經濟發(fā)展的重要手段，可能存在競爭效應與示范效應，進一步導致數(shù)字技術創(chuàng)新可能存在空間效應。數(shù)字技術創(chuàng)新可能存在空間溢出效應，即本省份數(shù)字技術創(chuàng)新與鄰近省份數(shù)字技術創(chuàng)新存在一定關聯(lián)性，由此引致省域間勞動力市場極化表現(xiàn)出空間效應特征。為研究數(shù)字技術創(chuàng)新對勞動力市場極化的影響是否存在空間效應，文章引入空間因素，借助空間地理關系研究數(shù)字技術創(chuàng)新對本省份和鄰近省份勞動力市場極化作用效果，揭示其中的空間特征與效應差異。

基于地理距離矩陣，使用Moran's I 指數(shù)研究變量間是否存在空間相關性。根據(jù)表4 指數(shù)檢驗結果發(fā)現(xiàn)，大部分年份Moran's I 指數(shù)均通過顯著性檢驗，說明變量之間存在較為明顯的空間相關性，有必要采用空間計量模型繼續(xù)檢驗。所以，文章使用空間杜賓模型來檢驗數(shù)字技術創(chuàng)新與勞動力市場極化的空間效應。

表4 Moran's I 指數(shù)的空間相關性檢驗結果

表5 為數(shù)字技術創(chuàng)新與勞動力市場極化的空間效應結構，其中列(1)與列(4)為SEM 模型檢驗結果，列(2)與列(5)為SAR 模型檢驗結果，列(3)與列(6)為SDM 模型檢驗結果。文章以列(3)與列(6)回歸結果為主要依據(jù)，列(1)、列(2)、列(4)、列(5)模型作對比，討論變量間空間效應，以此檢驗結果的可靠性。由表5可知，空間自相關系數(shù)ρ 與空間誤差系數(shù)λ 基本上為負向顯著。這說明模型具有空間自相關性，即周邊鄰近省份的高技能勞動力市場極化、低技能勞動力市場極化不利于本省份的高技能勞動力市場極化與低技能勞動力市場極化。同時，各省份在勞動力市場化極化中表現(xiàn)出“以鄰為壑”現(xiàn)象，這與省份間的勞動力市場競爭密切相關。實際上，由于勞動力要素資源的有限性，相鄰省份勞動力市場變化會影響空間關聯(lián)勞動力市場發(fā)展。由列(3)對高技能勞動力市場極化結果分析，發(fā)現(xiàn)數(shù)字技術創(chuàng)新與高技能勞動力市場極化之間為顯著正向關系，從而呈現(xiàn)空間上外溢現(xiàn)象，說明本省份數(shù)字技術創(chuàng)新會顯著促進鄰近省份高技能勞動力市場極化。在空間權重作用下，數(shù)字技術創(chuàng)新空間系數(shù)顯著為正，說明本省份數(shù)字技術創(chuàng)新水平提升有利于促進鄰近省份高技能勞動力市場極化，產生積極空間效應。由列(6)對低技能勞動力市場極化結果分析，發(fā)現(xiàn)數(shù)字技術創(chuàng)新與低技能勞動力市場極化之間為顯著正相關關系，說明本省份數(shù)字技術創(chuàng)新的進步能夠加劇本省份低技能勞動力市場極化?；谝陨蠈嵶C分析，文章假設H2 得到驗證。

表5 數(shù)字技術創(chuàng)新與勞動力市場極化的空間效應結果

5.勞動力流動下數(shù)字技術創(chuàng)新與勞動力市場極化的機制檢驗

勞動力流動對改善資源配置、提升生產效率、加快創(chuàng)新創(chuàng)業(yè)具有重要意義。各省份數(shù)字技術創(chuàng)新發(fā)展水平差異所形成的不均衡就業(yè)機會供給會影響本省份勞動力流動，甚至出現(xiàn)要素供給失衡的可能。實際上，各省份自身資源稟賦與地理位置所存在的差異已經制約了各省份創(chuàng)新發(fā)展。在此背景下，政府部門主要通過調整相關政策吸引人才流入，優(yōu)化本地要素配置，提高地方數(shù)字技術創(chuàng)新水平?；诖?，文章進一步從勞動力流入視角分析其在數(shù)字技術創(chuàng)新與勞動力市場極化之間的機制效果。

表6 為中介效應模型下數(shù)字技術創(chuàng)新、勞動力流動與勞動力市場極化機制的分析結果。列(1)～列(3)為勞動力流動與勞動力市場極化之間的機制分析結果。針對勞動力流動在數(shù)字技術創(chuàng)新與勞動力市場極化之間的機制分析，由列(1)可知，數(shù)字技術創(chuàng)新與勞動力流動之間為顯著正向關系，說明數(shù)字技術創(chuàng)新會吸引勞動要素流入省內，為本省份增加勞動力供給。由列(2)可知，數(shù)字技術創(chuàng)新與勞動力流動之間呈顯著正相關關系，而勞動力流動對高技能勞動力市場極化也存在正向作用，即產生部分中介效應。由列(3)可知，數(shù)字技術創(chuàng)新對低技能勞動力市場極化的影響為顯著正相關，且勞動力流動與低技能勞動力市場極化之間顯著正相關。這說明勞動力流動提升了數(shù)字技術創(chuàng)新對低技能勞動力市場極化的促進作用，并在數(shù)字技術創(chuàng)新與低技能勞動力市場極化兩者之間產生部分中介效應，可見勞動力流動亦是省份內勞動力市場極化的重要原因之一。綜上，數(shù)字技術創(chuàng)新水平的提升能夠簡化企業(yè)生產、經營等環(huán)節(jié)工序，降低傳統(tǒng)人工工作操作難度，有助于吸引低技能勞動力流動與集聚，間接推動低技能勞動力就業(yè)增加；同時，數(shù)字技術的創(chuàng)新與應用增強了企業(yè)對高端設備與技術的依賴，使得企業(yè)催生出更多需要高數(shù)字素養(yǎng)人才的崗位，帶動了高技能勞動力流動，進而間接增加高技能勞動力就業(yè)。

表6 數(shù)字技術創(chuàng)新、勞動力流動與勞動市場極化的機制分析

五、研究結論與政策建議

1.研究結論

數(shù)字技術創(chuàng)新是各省經濟高質量發(fā)展的主要途徑，也是影響勞動力市場變革的重要因素。在數(shù)字技術迅猛發(fā)展的背景下，提升數(shù)字技術創(chuàng)新發(fā)展水平，加快勞動力流動，集聚人力資源是促使一國勞動力市場配置效率提高的重要舉措?；诖?，文章選取2011—2020 年省級面板數(shù)據(jù)進行具體實證分析，研究了數(shù)字技術創(chuàng)新與勞動力市場極化之間的影響效果與作用機制。研究發(fā)現(xiàn)：一是數(shù)字技術創(chuàng)新能夠推動中國高技能勞動力與低技能勞動力就業(yè)數(shù)量增加，即數(shù)字技術創(chuàng)新對勞動力市場的影響存在“兩端高、中間低”的極化現(xiàn)象，且該結果經過內生性檢驗與穩(wěn)健性檢驗后依舊成立；二是在考慮空間因素基礎上，發(fā)現(xiàn)數(shù)字技術創(chuàng)新會影響鄰近省份勞動力市場極化，表現(xiàn)為本省份數(shù)字技術創(chuàng)新會促進相鄰省份的高技能勞動力市場極化與低技能勞動力市場極化；三是在勞動力流動機制研究中，發(fā)現(xiàn)勞動力流動在數(shù)字技術創(chuàng)新影響勞動力市場極化過程中能夠產生部分中介效應。

2.政策建議

第一，深挖數(shù)字技術創(chuàng)新優(yōu)勢，培育復合型高技能人才。研究發(fā)現(xiàn)，數(shù)字技術創(chuàng)新能夠加劇高技能勞動力極化，導致勞動力市場復合型高技能人才不足。因此，各地方政府還需不斷培育復合型高技能人才，以更好匹配高技能勞動就業(yè)崗位的增加。其一，相關政府部門需對科技創(chuàng)新領域提供人才扶持政策，為企業(yè)在復合型高技能人才培育過程中提供幫助，培養(yǎng)一批能夠領先世界新一輪產業(yè)技術革命的復合型高技能人才。其二，各地方高校需持續(xù)深化產教融合、創(chuàng)新復合型高技能人才培養(yǎng)體系，并深挖數(shù)字技術優(yōu)勢，提升學生綜合能力，緩解勞動力市場極化。與此同時，各地方高校還需鼓勵學生選修“計算機”“大數(shù)據(jù)”等應用型課程，培養(yǎng)適應數(shù)字技術創(chuàng)新發(fā)展的復合型高技能人才。其三，各地方高校需貫通職業(yè)技能培訓體系，將復合型高技能人才培育項目歸入地方職業(yè)技能提升行動“兩目錄一系統(tǒng)”中，從而夯實數(shù)字技術創(chuàng)新人才基礎。

第二，全面開展數(shù)字化技能培訓，推動中技能勞動力就業(yè)。研究結果表明，數(shù)字技術創(chuàng)新使得中國勞動力市場出現(xiàn)“兩端高、中間低”的極化現(xiàn)象，導致中技能勞動力就業(yè)數(shù)量匱乏。針對該現(xiàn)象，需全面推動數(shù)字化技能培訓，推動中技能勞動力跨層級就業(yè)，避免就業(yè)層次分割，緩解勞動力市場極化。在勞動力市場由低向中、由中向高不斷升級的過程中，相關政府部門應著力完善現(xiàn)代化勞動保護體系，加強數(shù)字化職業(yè)技能培訓力度。與此同時，相關政府部門應當鼓勵各高校建立終身學習體系，優(yōu)化職業(yè)技能培訓和轉崗培訓機制，提升中技能勞動力對市場的適應能力，并提供有效數(shù)字化技能培訓，為中技能勞動力轉至高技能崗位提供契機。除此之外，在當前全球經濟低迷、經濟全球化發(fā)展滯緩等不確定因素增加背景下，地方政府部門需做好中技能勞動力高端技術培訓準備，控制中技能勞動力失業(yè)風險的同時，為高技能人才培養(yǎng)儲備力量，以緩解未來可能出現(xiàn)的勞動力市場極化加劇現(xiàn)象。

第三，構建數(shù)字化靈活就業(yè)平臺，暢通低技能勞動力向上流動渠道。上文結果表明，數(shù)字技術創(chuàng)新會增加低技能勞動力就業(yè)數(shù)量，加劇低技能勞動力市場極化?；诖?，相關主體部門需積極建立數(shù)字化就業(yè)平臺，推動低技能勞動力靈活就業(yè)，為低技能勞動力向中、高端就業(yè)崗位流動提供契機，以緩解由數(shù)字技術創(chuàng)新引致的低技能勞動力市場極化現(xiàn)象。其一，企業(yè)需搭建人力資源數(shù)字化管理與就業(yè)平臺，依托便捷的一體化平臺，消除數(shù)據(jù)孤島和資源壁壘，為低技能勞動力向中、高技能崗位就業(yè)提供幫助。其二，各地方勞動力監(jiān)管部門可構建數(shù)字化勞務平臺，輔助低技能勞動力根據(jù)自身專業(yè)技能選擇合適的就業(yè)崗位，并加強對制造業(yè)以及服務業(yè)的扶持與培育力度，在保障低技能勞動力充分就業(yè)的同時，暢通低技能勞動力向上流動渠道。其三，企業(yè)與勞動監(jiān)管部門應積極延伸勞動力就業(yè)服務范圍，統(tǒng)一數(shù)字化靈活就業(yè)平臺服務標準。各地區(qū)企業(yè)需利用互聯(lián)網技術全方面搜集就業(yè)崗位信息，統(tǒng)一招聘標準，整合發(fā)布，保障低技能勞動力公平競爭，以保障低技能勞動力向上流動，緩解數(shù)字經濟引致的低技能勞動力極化現(xiàn)象。

第四，健全勞動力流動機制，提升人力資源配置效率。由上文結論可知，數(shù)字技術創(chuàng)新會通過勞動力流動加劇勞動力市場極化。因此，各地方政府需合理引導勞動力流動，推動人力資源配置均等化，緩解勞動力市場極化現(xiàn)狀。一方面，積極推進城鄉(xiāng)勞動要素市場改革。各地方政府部門需充分考慮本地市場規(guī)模、人力資本與基礎設施等因素，綜合施策，積極發(fā)揮市場需求的牽引性作用，合理進行就業(yè)服務指導與崗位供給，以緩解部分地區(qū)勞動力流失嚴重現(xiàn)象。與此同時，各地方政府部門還需加快城鄉(xiāng)信息、資金流、物流協(xié)調的發(fā)展，實現(xiàn)城鄉(xiāng)勞動力要素有序流動，進而提升人力資源配置效率。另一方面，建立全國統(tǒng)一開放、競爭的人才要素市場。為解決偏遠地區(qū)剩余勞動力向經濟發(fā)達地區(qū)轉移的窘境，促進勞動力要素的跨區(qū)域流轉。各地方政府還需加快技術產權交易市場整合，吸引高端技術產業(yè)在區(qū)域內入駐與集聚，避免區(qū)域內出現(xiàn)勞動力流失嚴重問題，以緩解由勞動力流動導致的勞動力市場極化現(xiàn)象。