勞動力成本抑制還是促進了服務業企業數字化轉型？
——兼論“鮑莫爾成本病”的克服

謝旭升，嚴思屏

(1.云南大學 經濟學院，云南 昆明 650500；2.福建師范大學 經濟學院，福建 福州 350108)

一、引言與文獻綜述

隨著我國經濟進入“新常態”發展階段，勞動人口過剩帶來的低勞動力成本優勢已不復存在，大量勞動力逐漸由工業向服務業轉移，使得服務業成為吸納就業人口的主要部門，2021年服務業就業人數占總就業人數的48.05%。然而，勞動供給增加的同時并未帶來勞動成本的下降，服務業隨之成為工資最高的行業，城鎮非私營單位平均工資最高的三個行業均為服務業，分別是信息傳輸、軟件和信息技術服務業(201 506元)，科學研究和技術服務業(151 776元)與金融業(150 843元)，遠高于全行業平均工資(106 837元)和工業部門平均工資(100 505元)①。從宏觀層面來看，由于服務業的發展相對工業滯后，勞動力成本的提升使得服務業占GDP比重逐漸提高，從而陷入“結構性減速”的困局，這一現象被稱之為“鮑莫爾成本病”[1]。然而，產業結構的服務化并非一直是我國經濟發展過程中的“阿喀琉斯之踵”，隨著信息時代的到來，服務業的技術屬性也在尋求轉變[2]，數字技術的突破成為克服“鮑莫爾成本病”、發揮結構效應的關鍵變量，而承擔數字化轉型的主體應當是服務業企業。

大數據、人工智能、物聯網、云計算等新興的數字技術在服務業領域的全面滲透，使得越來越多的服務業企業開始加快數字化轉型的進程，試圖擺脫“低效率、高成本”的低效競爭格局。數字技術的廣泛應用促使服務業企業在要素配置和生產方式上發生重要轉變，進而實現服務業的生產、管理、消費等環節自動化、規模化、標準化，降低勞動要素依賴程度的同時提高勞動生產率，從根本上改變服務業低效率的特征[3]。那么，在農村剩余勞動力減少、人口老齡化加劇、人口負增長的時代背景下，勞動力成本上升帶來的供給沖擊能否倒逼服務業企業數字化轉型？若能，中間的作用機制又是如何？而這一轉型又是否能夠克服“鮑莫爾成本病”？以上三個問題是本文主要考察的內容。

已有關于勞動力成本的相關研究主要聚焦于如何影響企業轉型發展的微觀層面，且兩者之間的關系尚未明確。一方面，部分學者認為勞動力成本的上升壓力能夠給企業的成長轉型帶來積極影響，即勞動力成本上升能夠提高企業全要素生產率[4-6]、激勵企業進行創新[7-9]，從而促進企業轉型升級[10-12]。另一方面，勞動力成本上升對企業生存發展也會帶來不利影響，如壓縮了企業利潤空間[13-14]、提高企業信貸約束概率的同時降低信貸需求[15]、導致企業陷入經營困境[16]、加劇企業退出市場的風險等等[17]。同時，也有一些學者在宏觀層面考察了勞動力成本的影響效應。勞動力成本的快速上升，降低了中國工業化的比較優勢，呈現出“過早去工業化”的趨勢[18-19]。郭念枝和村瀨英彰(2018)[20]通過構建動態宏觀模型發現勞動力成本的提升會產生替代效應，嚴重抑制資本積累，從而導致經濟下滑。此外，還有學者發現城市相對勞動力成本的提高會導致工業產值的降低而提高服務業產值[21]。

相較于制造業，服務業的技術密集度低且無法形成規模經濟[22]。因此，勞動力成本的持續上升會給服務業特別是勞動密集型服務業造成更重大的沖擊[23]。此外，由“被動去工業化”和“被動服務業”的結構轉型所造成的勞動力成本提高，更加不利于服務業效率提升[24-25]。勞動力成本過高會給服務業企業帶來較高的生產成本負擔和較低的生產效率的同時，也在進一步驅動服務業轉型升級。近些年來，數字技術與服務業的融合引起了學者們大量關注。一方面，數字技術會引起勞動與資本間的替代效應；另一方面，也會產生更加復雜、以人工勞動為主的新任務，以此推進自動化和智能化水平的提高[26-27]。基于以上特征，在數字技術的應用賦能下，服務業的基本性質和傳統特征被徹底顛覆，從而擺脫對規模效率、貿易效率和分工效率的制約，提升分工和協作效率，進而克服“鮑莫爾成本病”[22，25]。

基于上述背景，本文采取2007—2020年滬深A股服務業上市公司作為研究樣本進行實證檢驗。本文的邊際貢獻主要體現為三個方面：①現有文獻大多重點關注企業數字化轉型引致的影響，并未考慮企業為何進行數字化轉型，本文將補充有關企業數字化轉型的動機與因素。②探討勞動力成本影響企業數字化轉型的線性與非線性關系，以及豐富兩者的傳導機制。③補充有關“鮑莫爾成本病”的微觀解決路徑，以往該問題的研究大多是從行業宏觀層面進行探討，微觀層面的分析較為匱乏，本文將從企業層面探討如何克服“鮑莫爾成本病”，從而為服務業企業遭受宏觀沖擊時進行轉型升級提供科學合理的對策建議。

二、理論分析與研究假設

(一)勞動力成本對服務業企業數字化轉型的直接影響

在過去高速發展階段，勞動力作為我國服務業企業的核心生產要素，其低廉的價格是服務業企業得到迅速發展的重要優勢，然而，受制于義務教育普及、勞動力保護制度日益完善所引致的勞動力成本上升的沖擊時，服務業企業的市場競爭力不斷下降，利潤空間被壓縮，但同時也在激勵服務業企業引進新技術進行變革轉型。在企業的生產管理等層面，借助人工智能、物聯網等數字信息技術的應用，服務業企業能夠將低技能、簡單重復的人工任務集中化、數字化、智能化批量生產，提升整體自動化水平和生產效率，從而實現對生產流程、管理模式、產品服務的創新優化[26]。在行業的協作分工等層面，數字平臺能夠強化行業間或行業內企業的服務數據、信息的共享與合作，使得產品生產的不同流程在時空中實現協調分工，提高分工效率的同時催生出了如遠程醫療、遠程教育、數字零售等服務業新業態和新模式[27]。由此可見，為彌補勞動力成本上升造成的損失，服務業企業會選擇應用自動化的生產技術，使得在既定要素投入組合下實現產出和利潤最大化。

基于以上分析，提出如下假設：

H1：勞動力成本提高有助于促進服務業企業數字化轉型。

(二)勞動力成本對服務業企業數字化轉型的間接影響

勞動力成本的提高會促使企業重新調整優化要素的配置。按照新古典經濟增長理論，企業對勞動力和資本的要素配置，均按照邊際收益等于邊際成本這一原則實現利潤最大化。當勞動力成本較低時，企業會雇傭大量勞動力、減少資本投入來進行生產，降低生產成本、實現利潤最大化的同時，也形成了過度依賴勞動力要素的生產模式，從而抑制了服務業企業數字化轉型。但隨著勞動力價格相對資本價格的提高，企業的生產成本也相應上升，企業最優策略是投入更多的資本替代勞動，加快資本深化進程，采用自動化機器改進生產方式和工藝流程，減輕對勞動力要素的依賴程度，優化要素配置效率。總而言之，勞動力成本的提高會引致要素間的替代效應來驅動數字化轉型。

基于以上分析，提出如下假設：

H2a：勞動成本與服務業企業數字化轉型呈現“U”型曲線的關系。

H2b：勞動成本的提高能夠通過資本-勞動替代機制促進服務業企業數字化轉型。

較高的工資水平使得勞動力結構發生轉變。一方面，高工資有助于吸引更高素質的人才，并提高員工工作效率，同時在面對勞動力成本上升時，企業也會更加注重員工技能的培訓，為應用自動化技術和實現數字化轉型提供人才支撐。另一方面，較高的工資會催生出“優勝劣汰”的淘汰機制，使得員工的薪酬與能力相匹配，進而縮小勞動力規模，減少對低技能員工的勞動力需求，以適應數字化轉型過程中新舊任務的替換，掌握數字技術，降低數字化的轉型成本。

基于以上分析，提出如下假設：

H2c：勞動成本的提高能夠通過勞動力間替代機制促進服務業企業數字化轉型。

(三)服務業企業數字化轉型與“鮑莫爾成本病”的克服

根據“鮑莫爾成本病”理論[1]，由于服務業的生產率增長始終低于工業，要使部門間生產保持平衡，服務業需吸納更多的勞動力，在這一過程中部門間生產率差距進一步擴大，但不同部門的實際工資同步上升，帶來服務業的就業份額和產出份額不斷提高的同時，服務業成本(尤其是勞動力成本)也在大幅提高。造成“鮑莫爾成本病”這一情況的原因在于服務業低效率的生產方式，服務業主要以使用勞動要素生產為主，且產品具有“不可貿易性”、“無形性”和“差異化”等特點，致使服務業分工程度較低，難以形成如同制造業般自動化、機械化和標準化的大規模生產模式。

若能夠改變服務業的要素結構和產品特征，引入新的生產技術，與勞動力形成互補或替代的關系，則服務業生產率能夠得到提高，“鮑莫爾成本病”就有可能得到緩解甚至克服。服務業企業的數字化轉型是解決這一問題的關鍵，數字化轉型所帶來的“規模效應”、“分工效應”、“結構效應”與“賦能效應”可以克服傳統服務業一系列的“停滯”特征[22，25]，進而提升服務業企業的生產效率。從規模效應來看，運用數字技術能夠將原有服務標準化、流程自動化，擴展用戶規模的同時也能滿足異質性的用戶需求，隨著服務產品銷量的上升，單位產品的邊際成本趨于零，平均成本逐漸降低，從而實現規模經濟。從分工效應來看，數字化轉型能夠對整體服務業產業的組織形式產生關鍵創新，各個企業主體間依托數字平臺，形成網絡協作，從而提高傳統服務業的專業化水平和分工效率。從結構效應來看，技術進步較快的生產性服務業與數字技術的創新融合，促進產業數字化和數字產業化的迅速擴張，使得現代服務業比重不斷上升，服務業結構持續優化升級，進而帶動服務業整體生產率的提升。從賦能效應來看，一方面，數字化轉型能夠通過數字設備輔助提升高技能員工的生產效率，提高服務產品的數量與質量，實現直接賦能。另一方面，通過數字技術能夠降低企業與用戶、企業與企業間的信息不對稱程度，使得產品的供需雙方精準匹配，降低服務的交易成本，實現間接賦能。

基于以上分析，提出如下假設：

H3：服務業企業數字化轉型能夠通過規模效應、分工效應、結構效應與賦能效應，提升企業的生產效率。

三、研究設計

(一)數據來源與處理

本文選取2007—2020年我國A股服務業上市企業作為研究樣本，剔除ST和*ST上市公司、數據缺失嚴重的觀測數據，最終得到1 187家服務業企業的8 720個觀測值。本文使用企業層面的微觀數據來源于國泰安(CSMAR)數據庫、企業年報，地區層面的宏觀數據來源于《中國統計年鑒》。為降低異常值對回歸結果可能造成的影響，對所有企業層面的連續變量進行1%和99%的縮尾處理。

(二)計量模型構建

(1)

其中，被解釋變量Digitalit表示企業i在t年的數字化轉型程度，核心解釋變量LCit表示企業i在t年的勞動力成本，Controlsit表示控制變量，μi、λt、εit分別表示行業固定效應、時間固定效應和擾動項。

(三)變量選取

1.被解釋變量：勞動力成本(LC)

本文參考沈永建等(2017)[28]、劉曉光和劉嘉桐(2020)[15]的研究，采取職工薪酬和支付給職工以及為職工支付的現金總額除以營業收入再取對數，對勞動力成本進行衡量，LC值越大，則表示企業在面臨勞動力成本上升時的經營壓力越大。

2.核心解釋變量：企業數字化轉型程度(Digital)

參考袁淳等(2021)[29]的研究，通過識別和提取國家政策文件中有關數字經濟的關鍵詞，將所提取相關詞匯構建為企業數字化術語詞典，并擴充至Python軟件包的“jieba”中文分詞庫。接著，利用機器學習方法對上市公司年報中“管理層討論與分析”(MD&A)部分中進行文本分析，加總企業數字化詞匯的頻數并進行對數化處理，由此衡量企業數字化轉型程度(Digital)。

3.控制變量

借鑒孟茂源和張廣勝(2021)[6]的研究，選取如下控制變量：企業年齡(Age)，采取企業本期年份減去企業成立年份加1的對數衡量；企業規模(Size)，采取員工人數的對數衡量；現金流量水平(Cashflow)，采取經營活動產生的現金流凈額與總資產的比值衡量；總資產收益率(Roa)，采取企業凈利潤與總資產的比值衡量；資產負債率(Lev)，采取企業總負債與總資產的比值衡量；營業收入增長率(Org)，采取企業本年營業收入和上年營業收入之差與上年營業收入的比值衡量；股權集中度(Shrcr1)，采取企業第一大股東持股比率衡量；獨立董事占比(Indratio)，采取獨立董事數量占董事規模的比重衡量；產權性質(Property)，若為國有企業則賦值為1，若為非國有企業則賦值為0。主要變量的描述性統計如表1所示。

表1 描述性統計

四、實證分析

(一)基準回歸分析

為檢驗勞動力成本對服務業企業數字轉型的影響，本文依據計量模型(1)進行回歸，基準回歸結果如表2所示。其中，第(1)列只引入了勞動力成本(LC)，第(2)列進一步加入控制變量，且未控制行業和年份固定效應，第(3)和(4)列分別單獨控制了年份和行業固定效應，第(5)列則同時引入控制變量，控制行業與年份固定效應。由第(1)～(5)列的回歸結果可知，勞動力成本(LC)的回歸系數顯著為正，表明隨著勞動力成本的提高，服務業企業會加快數字化轉型的進程，前文的研究假設H1得到驗證。以第(5)列為例，勞動力成本每上升1%，就會促進服務業企業數字化轉型程度上升2.5%。可能原因在于，勞動力成本的提升能夠提高服務業企業的勞動-資本比，實現資本對勞動的替代，倒逼服務業企業提升數字化轉型程度，這一中介機制將在下一部分進行檢驗。在控制變量方面，企業的規模(Size)、總資產收益率(Roa)、獨立董事占比(Indratio)均是促進服務業企業數字化轉型的積極因素，而現金流量水平(Cashflow)、資產負債率(Lev)的提高，以及當企業為國有企業時，則阻滯了服務業企業數字化轉型。

表2 基準回歸結果

(二)穩健性檢驗

由基準回歸結果可知，勞動力成本對服務業企業數字化轉型具有顯著的促進作用，為確保研究結論的穩健性，本文在基準回歸的基礎上進一步開展了一系列穩健性檢驗。

1.更換估計模型

首先，考慮到企業數字化轉型程度為計數變量，數據呈嚴重偏態分布，采用OLS估計方法可能存在誤差問題。為解決該問題，本文參考劉青和肖柏高(2023)[30]，構建虛擬變量dum_Digital(若Digital等于0，則dum_Digital為0，否則為1)作為被解釋變量，采取Probit模型進行回歸。其次，考慮到模型可能存在的內生性問題，本文采取系統GMM模型進行回歸，表3第(2)列中的AR(1)、AR(2)和sargan檢驗表示系統GMM模型的估計結果具有有效性。第(1)和(2)列的回歸結果表明，無論采取Probit模型還是系統GMM模型，勞動力成本的系數均顯著為正，即進一步驗證了勞動力成本提升對服務業企業數字化轉型的促進作用，故研究結論具有穩健性。

表3 穩健性檢驗(一)

2.替換關鍵變量

考慮到被解釋變量和解釋變量可能存在的衡量偏誤問題，本文采取不同的衡量方法對關鍵變量進行測度。關于被解釋變量，一方面，本文采取(數字化詞頻/總詞頻)×100(Digital1)進行替換，回歸結果如表3第(3)列所示。另一方面，考慮到運用文本分析法來衡量企業數字化轉型可能存在一定的缺陷，本文借鑒祁懷錦等(2020)[31]，以企業無形資產中有關數字經濟資產總額的對數(Digital2)來重新衡量企業數字轉型程度，回歸結果如表3第(4)列所示。關于解釋變量，本文參考肖文和薛天航(2019)[5]、沈永建等(2017)[28]的研究，分別采取(職工薪酬+支付給職工以及為職工支付的現金)/職工人數取對數(LC1)與(職工薪酬+支付給職工以及為職工支付的現金-高管薪酬)/營業收入取對數(LC2)替換解釋變量，回歸結果如表4第(1)和(2)列所示。回歸結果顯示，無論采取何種方式對關鍵變量進行衡量，勞動力成本的系數均顯著為正，說明本文的主要結論并不受到關鍵變量的衡量方法所影響。

表4 穩健性檢驗(二)

3.調整樣本區間

本文進一步采取調整樣本區間的方式進行穩健性檢驗。首先，考慮到樣本存在大量企業未進行數字化轉型，企業對于是否進行數字化轉型的策略存在差異，故剔除未進行數字化轉型的企業，排除企業自身數字化策略選擇的干擾。其次，考慮到直轄市與其他城市相比在經濟、政治、人口、產業等方面具有特殊性，所在企業在稅收、融資、市場環境等方面存在較大差異，可能會對研究結論產生影響，故本文剔除了位于直轄市(北京、上海、重慶、天津)內的企業，重新進行回歸。最后，考慮到企業可能會受到2008年金融危機與2015年股災的較大影響，故本文剔除了2008年和2015年的樣本數據，重新進行回歸。回歸結果如表4的第(3)、(4)和(5)列所示，結果表示勞動力成本(LC)的系數均顯著為正，進一步驗證了主要結論的穩健性。

4.排除宏觀變量的影響

考慮到地區經濟與金融的發展能夠對服務業企業數字化轉型產生一定影響，因此，本文將地區經濟發展水平(Fin)和地區金融發展水平(GDP)同時引入基準模型中進行回歸，兩者分別采取企業所在市地區生產總值的對數和企業所在市年末金融機構各項貸款余額與年末金融機構存款余額的比值進行衡量。回歸結果如表4第(6)列所示，在控制地區經濟發展水平和地區金融發展水平后，勞動力成本依然能夠顯著促進服務業企業數字化轉型。

(三)內生性問題

考慮到本文的基準模型可能還存在著反向因果等內生性問題，即不僅勞動力成本的提高會促進企業數字化轉型，反過來企業數字化轉型可能也會進一步提高勞動收入份額[32]，從而提升勞動力成本。為解決以上因素對主要結論產生的估計偏誤問題，本文采取工具變量法來加以解決。首先，本文依據賀建風和張曉靜(2018)[33]的研究，以城鎮單位在崗職工平均工資(averagewage)作為第一個工具變量。利用企業所在地區的平均工資替代企業個體的勞動力成本能夠在一定程度上減輕模型設定的內生性。原因在于，地區平均工資對企業員工工資具有示范效應，同時企業的數字化轉型決策并不直接被當地平均工資所影響，故該工具變量具備相關性和外生性。接著，本文分別選擇全日制就業勞動者月最低工資標準的對數(monthwage)、非全日制就業勞動者小時最低工資標準的對數(hourwage)作為第二個和第三個工具變量。從相關性來看，最低工資標準的設定能夠維護勞動者的基本權益，對提高勞動者工資具有直接影響。從外生性來看，企業所在地區的最低工資標準并不存在與企業數字化轉型的直接作用渠道。因此本文認為以上有關最低工資標準的兩個變量滿足相關性和外生性的必要條件。表5報告了三個工具變量的識別不足檢驗、弱工具變量檢驗的結果和變量的回歸結果。檢驗結果中，三個工具變量的Kleibergen-PaaprkLM統計量均在1%的水平上顯著，拒絕工具變量識別不足的原假設，Cragg-DonaldWaldF統計量均大于10%顯著性水平上的臨界值，拒絕弱工具變量的原假設，由此可見，本文選取的三個工具變量是有效合理的。回歸結果表明，勞動力成本和工具變量的系數均顯著為正，即在考慮內生性問題后，勞動力成本與服務業企業數字化轉型存在顯著的正相關關系，本文基準回歸的主要結論仍然成立。

表5 內生性檢驗

(四)異質性分析

前文驗證了勞動力成本對促進服務業企業數字化轉型顯著的促進作用，但值得關注的是，在不同所有權性質、行業特征、融資情況的影響下，勞動力成本對服務業企業數字化轉型的影響可能存在非對稱效應。鑒于此，本文從企業的所有權性質、行業類型特征與融資約束程度三個角度出發，檢驗勞動力成本對服務業企業數字化轉型的異質性影響。

1.所有權性質

本文依據企業所有權性質將企業分為國有企業和非國有企業，構建虛擬變量SOE(若企業為非國有企業，則SOE為1，否則為0)，以及其與勞動力成本的交互項(LC×SOE)，引入基準模型中進行回歸。表6的第(1)列的回歸結果顯示，交互項的系數為0.066，且在1%的水平上顯著。這說明相較于國有服務業企業，勞動力成本的提高對非國有服務業企業數字化轉型的促進效應更顯著。原因在于，當國有企業與非國有企業同時面臨勞動力成本上升的壓力時，由于處于不同的市場競爭壓力和經營目標任務下，非國有企業對成本變動反應更加敏感和激進，因此非國有企業的數字化轉型動力要強于國有企業。

表6 異質性分析

2.行業類型特征

本文根據企業的行業類型特征，劃分為生產性服務業和生活性服務業②，構建虛擬變量Structure(若企業為生產性服務業，則Structure為1，否則為0)，以及其與勞動力成本的交互項(LC×Structure)，引入基準模型中進行回歸。回歸結果如表6的第(2)列所示，交互項系數在10%的水平下顯著為正，表明相較于生活性服務業企業，勞動力成本的提高對生產性服務業企業數字化轉型的促進效應更顯著。可能的原因是，相比于生活性服務業，生產性服務業的資本密集程度、與數字技術的融合程度更高，更易于實現生產的標準化和規模化，在面臨勞動力成本提高時，能夠迅速調整勞動資本比率，對數字化轉型的促進作用較大。

3. 融資約束程度

本文以樣本企業融資約束SA指數的中位數為劃分標準，將總樣本分為高融資約束企業和低融資約束企業，構建虛擬變量dum_SA(若企業的融資約束高于全樣本中位數，則dum_SA為1，否則為0)。表6第(3)列的回歸結果表明，在同時面臨勞動力成本上升的壓力時，相比于融資約束較低的服務業企業，融資約束較高的服務業企業對于數字化轉型更為積極。相較于融資約束較小的企業來說，融資約束較高的企業融資難度更大、融資渠道更窄，因此融資約束高的企業對于勞動力成本上升更加敏感，要素替代彈性更高，即使較低幅度的勞動力成本上升也會導致企業通過要素替代，進行更大程度的數字化轉型。

五、作用機制分析

由前文理論分析可知，從作用渠道出發，一方面，服務業企業的勞動力成本提高，會迫使其對生產要素配置進行替代，投入更多資本而減少勞動力的使用，進行數字化轉型，即資本-勞動替代機制。另一方面，隨著勞動力成本上升，服務業企業會雇傭高學歷員工對低學歷員工進行替代，從而完成較為復雜、非自動化的新任務，加快數字化轉型進程。從作用機制出發，在不同要素市場、行業競爭、研發投入、要素密集度的企業內外部環境下，勞動力成本對服務業企業數字化轉型的激勵效應會產生差異。因此，本文從資本-勞動替代機制、勞動力間替代機制，以及企業內外部環境的調節機制三個影響路徑來檢驗勞動力成本與服務業企業數字化轉型之間的內在機制。

(一)資本-勞動替代機制

本文參考陳勇兵(2023 )[34]的研究，采取固定資產凈值/企業員工人數的對數值來衡量企業的資本勞動比。從表7中第(1)列可知，勞動成本的二次項(LC2)系數顯著為正，即在勞動力成本較低時，服務業企業更傾向于使用勞動力要素進行生產，對數字化轉型產生抑制作用。相反，在勞動力成本較高時，服務業企業則會選擇資本替代相對價格較高的勞動力，來進行自動化生產，以減輕企業的經營成本，因此，勞動力成本與服務業企業數字化轉型呈現出“U”型曲線的關系，這驗證了假設H2a。表7的第(2)和(3)列的回歸結果顯示，勞動力成本(LC)對資本勞動比(KL)的系數顯著為正，資本勞動比(KL)對企業數字化轉型(Digital)的系數顯著為正，說明勞動力成本的提升可以通過資本與勞動間的替代機制來促進服務業企業的數字化轉型，假設H2b得以驗證。同時將勞動力成本的二次項(LC2)引入中介效應的回歸當中，回歸結果第(4)和(5)列顯示，勞動力成本的二次項(LC2)和資本勞動比(KL)的系數均顯著為正，即隨著勞動力成本的提高，服務業企業會由提高勞動、降低資本的要素配置轉向為降低勞動力、提高資本，促進企業數字化轉型。

表7 資本-勞動替代機制

(二)勞動力間替代機制

具有大專及以上學歷的員工為高學歷員工，其余為低學歷員工，并以低學歷員工占員工總數的比率(EDU_low)、高學歷員工占員工總數的比率(EDU_high)和高學歷員工與低學歷員工比(EDU_hl)分別作為中介變量，來考察勞動力成本與服務業企業數字化轉型的勞動力間替代機制。回歸結果如表8所示，第(2)、(4)和(6)列中EDU_high、EDU_low和EDU_hl的系數分別顯著為正、負和正，且其他系數均符合中介效應檢驗。由此可見，當勞動力成本提升時，企業偏向于雇傭高學歷員工來替代低學歷員工，以促進新舊任務之間的替換，加快數字化轉型進程，本文的假設H2c得到驗證。首先，勞動力成本的上升能夠促進員工素質提升[6]，薪酬上漲的篩選和淘汰機制使得低學歷員工減少，同時吸引和激勵高學歷員工加入企業。其次，較高的教育水平，意味著員工具有更好的知識學習和創新能力，在運用新技術與完成新任務方面具有比較優勢，因此，在數字化轉型過程中創造出來的新任務僅能由高學歷員工完成，難以被資本和機器的自動化所替代。

(三)企業內外部環境的調節機制

對于要素市場和行業競爭兩方面的企業外部環境，本文采取樊綱等編制的《中國市場化指數》中 “要素市場的發育程度”指數(Factormarket)來衡量企業外部的要素市場環境，采取行業勒納指數(Lerner)來衡量企業外部的行業競爭環境，該指標越大，表示行業壟斷程度越高，反之行業競爭程度越高。此外，借鑒劉青和肖柏高(2023)[30]的研究，以員工人數/總資產的對數定義要素密集度(Factorintensity)，衡量企業內部的要素密集度環境，該指標越大，表示勞動密集程度越高，反之資本密集度越高。同時，本文以研發人員數量占員工總數的比重(RDP)、研發支出占營業收入的比重(RDS)來衡量企業內部的研發投入環境。為探究勞動力成本與服務業企業數字化轉型的企業內外部環境機制，本文在基準回歸的基礎上引入以上變量以及該變量與勞動力成本(LC)的交互項進行回歸分析，回歸結果如表9所示。

表9 企業內外部環境機制

表9的第(1)列顯示，勞動力成本與要素市場的交互項(LC×Factormarket)顯著為正，同時第(2)列顯示，勞動力成本與行業競爭環境的交互項(LC×Lerner)顯著為負，說明處于要素市場發育程度與行業競爭程度較高的服務業企業，在勞動力成本上升后有著更為顯著的數字化轉型。從外部環境視角來看，一方面，要素市場環境較好的服務業企業，信息不對稱程度更低，往往能夠以較低成本獲取數字化轉型過程中的高素質勞動力和資本要素以及相關數字技術，要素配置效率得到有效提高，從而更有助于企業實現數字化轉型。另一方面，在激烈的行業競爭中，服務業企業對勞動力成本上升更為敏感，企業為了獲取更高的壟斷租金，更傾向于采取較為積極的轉型策略。相反在壟斷程度較高的行業中，壟斷企業為維護自身的市場勢力，構建資源和技術壁壘，阻礙創新能力強、效率高的潛在競爭者進入市場，不利于企業展開數字化轉型。

表9的第(3)列顯示，勞動力成本與要素密集度的交互項(LC×Factorintensity)顯著為正，同時第(4)和(5)列顯示，勞動力成本與研發投入的交互項(LC×RDP、LC×RDS)顯著為正。說明從企業的內部環境視角來看，相較于資本密集型企業，勞動密集型企業的勞動力成本提升會在更大程度上倒逼服務業企業數字化轉型。原因在于，在勞動密集型企業中，勞動力成本在經營成本中占比更高，勞動要素的邊際產出較資本要素更低，因此，當面臨勞動力成本上升的壓力對此類企業的影響程度更為強烈，企業更偏向于投入更多資本，以開發自動化技術，促進勞動要素的替代和數字化轉型，緩解用人成本壓力。此外，在創新投入較高的企業環境中，勞動力成本對服務業企業數字化轉型的促進效應更為顯著。從本質上來看，數字化轉型過程就是企業對其經營流程、管理模式、生產方式的一種顛覆式創新，提高研發人員、研發支出等創新資源的投入，能夠提升企業的創新動能，有利于創新活動的開展和數字化技術的擴散，進而助力數字化轉型。

六、進一步分析

本文進一步擴展服務業企業數字化轉型的經濟效應，從規模效應、分工效應、結構效應和賦能效應四個方面探討如何克服“鮑莫爾成本病”。在規模效應方面，本文以主營業務收入取對數來衡量企業規模(Scale)。在分工效應方面，借鑒袁淳等(2021)[29]的研究，構建企業分工程度(VSI)指標。在結構效應方面，引入前文構建的虛擬變量Structure，并將企業數字化轉型程度(Digital)和Structure的交叉項(Digital×Structure)納入模型。在賦能效應方面，本文分為直接賦能效應和間接賦能效應，直接賦能效應以高技能員工占比(Highskill)、低技能員工占比(Lowskill)分別與數字化轉型程度(Digital)的交叉項(Digital×Highskill、Digital×Lowskill)，引入模型進行考察，其中，高技能員工指的是生產、研發、技術、管理人員，其余為低技能員工。而對于間接賦能效應，則引入企業的交易成本(Cost)與數字化轉型程度(Digital)的交叉項(Digital×Cost)進行回歸分析，其中以企業的采用管理費用占營業收入的比重來衡量交易成本。此外，本文通過基于ACF法修正的LP法測算企業的全要素生產率(TFP)作為模型的被解釋變量，回歸結果如表10所示。

表10 服務業企業數字化轉型與“鮑莫爾成本病”的克服

表10中第(1)和(2)列報告了服務業企業數字化轉型的規模效應，數字化轉型(Digital)對企業規模(Scale)的系數，以及企業規模(Scale)對全要素生產率(TFP)的系數均顯著為正，即數字化轉型能夠通過擴大企業規模提升服務業企業的全要素生產率。表10中第(3)和(4)列報告了服務業企業數字化轉型的分工效應，數字化轉型(Digital)對企業分工程度(VSI)的系數，以及企業分工程度(VSI)對全要素生產率(TFP)的系數均顯著為正，說明數字化轉型能夠通過提升專業化分工程度提升服務業企業的全要素生產率。表10中第(5)列報告了服務業企業數字化轉型的結構效應，企業數字化轉型程度(Digital)和Structure的交叉項(Digital×Structure)顯著為正，即相對于技術進步較慢的生活性服務業企業，數字化轉型對于提升技術進步較快的生產性服務業企業的全要素生產率更為顯著。表10中第(6)～(8)列報告了服務業企業數字化轉型的賦能效應，高技能員工占比(Highskill)與數字化轉型程度(Digital)的交叉項(Digital×Highskill)，以及企業交易成本(Cost)與數字化轉型程度(Digital)的交叉項(Digital×Cost)均顯著為正，而低技能員工占比(Lowskill)與數字化轉型程度(Digital)的交叉項(Digital×Lowskill)為負但不顯著，表明服務業企業數字化轉型能夠通過增強高技能勞動力來提高生產效率，但無法賦能低技能勞動力。此外，在交易成本更高的服務業企業中，數字化轉型對全要素生產率的提升效果更好，說明數字化轉型能夠通過節約交易成本這種間接賦能方式以促進生產效率的提升。綜上所述，服務業企業能夠通過規模效應、分工效應、結構效應和賦能效應克服“鮑莫爾成本病”，因此本文的假設H3得到驗證。

七、結論與政策建議

在人口負增長和老齡化加深的時代背景下，勞動力供給不足引起的勞動力成本上升是推動服務業企業轉型與服務業結構變遷的重要影響因素。本文利用2007—2020年滬深A股服務業上市公司作為研究對象，試圖從理論和實證兩方面出發，考察勞動力成本上升如何影響服務業企業數字化轉型，并在異質性分析和作用機制分析進一步探討兩者的影響渠道，以及數字化轉型能否克服“鮑莫爾成本病”。研究結果表明：第一，勞動力成本上升對服務業企業數字化轉型具有顯著的促進作用，在一系列穩健性檢驗和內生性檢驗后，主要結論依然成立，且在非國有企業、生產性服務業企業和融資約束較高的企業中促進效應更明顯。第二，當勞動力成本較低時，企業會降低資本勞動比，從而抑制服務業企業數字化轉型；而當勞動力成本較高時，企業會提高資本勞動比，從而促進服務業企業數字化轉型。勞動力成本上升能夠通過勞動-資本替代機制、勞動力間替代機制驅動服務業企業數字化轉型。此外在要素市場發育更好、行業競爭程度更高的外部環境中，以及在勞動密集程度更高、研發投入更高的內部環境中，勞動力成本的提高對服務業數字化轉型的促進效應更為明顯。第三，服務業企業的數字化轉型產生的規模效應、分工效應、結構效應與賦能效應能夠提高企業的全要素生產率，從而克服“鮑莫爾成本病”。

基于以上研究結論，本文提出如下政策建議：第一，加速服務業企業數字化改造，提升核心競爭力。雖然勞動力成本上升壓縮了服務業企業生存發展的空間，但也為其提供了擺脫同質低效競爭的契機。服務業企業應抓住信息時代的發展機遇，加快研發和引進數字技術，實現自動化、智能化轉型，緩解企業勞動力成本高企的難題，將勞動力成本上升的壓力轉化為數字化轉型的動力，積極促進勞動力密集型企業向資本密集型和知識密集型企業轉型。第二，提升人力資本水平，減輕低素質勞動力的依賴程度。在面對勞動力成本上漲的壓力時，企業往往會選擇使用資本替代勞動實現數字化轉型，尤其是大量的低學歷、低技能員工被高學歷、高技能員工所替代。因此，服務業企業需大力培養各層次的高素質人才，提供專業化技能培訓，積極引進優秀人才，提升員工技能水平和生產效率，重視員工質量的提高而非數量的增加。第三，營造良好的企業內外部環境，充分發揮數字化轉型優勢。一方面，政府應當塑造公平有序的要素市場環境，建立健全資本市場、勞動力市場、信息市場的建設和發展。完善市場競爭機制，積極引導企業展開競爭，減少行業壟斷壁壘，加快新興技術在行業間的擴散。另一方面，企業自身內部應當營造良好的創新研發環境，提高創新資金和人員的投入，重視技術創新能力的培育。第四，實現服務業企業高質量發展，促進服務業結構轉型升級。大力發展數字經濟，推廣數字技術的應用，培養數字專業人才，從而提升服務業企業的勞動力生產率，鞏固數字技術給服務業企業高質量發展帶來的新優勢。此外，利用數字平臺實現服務業與制造業的協調分工，強化數字產業的規模經濟優勢和技術溢出效應。最后，加強數字技術對傳統服務業的賦能效應，提升生產性服務業比重，優化服務業結構。

[注 釋]

① 數據來源：《中國統計年鑒》。

② 其中生產性服務業為交通運輸、倉儲和郵政業，信息傳輸、軟件和信息技術服務業，金融業，租賃和商務服務業，科學研究和技術服務業，其余行業為生活性服務業。