數字技術對就業升級的影響效應與傳導機制

王金營,王冬梅

(河北大學 經濟學院,河北 保定071002)

一、引言

20世紀80年代以來,美國的勞動力市場出現就業極化現象,即高技能和低技能勞動力的就業份額同時增長、中等技能勞動力的就業份額減少的現象[1]。同一時期英國、法國和德國等國家也出現了就業極化現象。中國的勞動力市場是否存在極化也得到了國內學者的關注,但是國內學者對中國的勞動力市場是否存在極化并沒有得到一致結論。本文根據Daron Acemoglu、Autor and Dorn、Anders Akerman等學者對高技能、中等技能和低技能的劃分方式[2-4],使用《中國人口與就業統計年鑒》的數據繪制了中國2006年到2020年就業技能結構的變動圖,如圖1所示。

圖1 中國勞動力市場就業技能結構的典型事實

圖1左側顯示了中國的就業技能結構變動,結果顯示中國高、中和低技能勞動力的就業比重分別呈現出逐年增加、緩慢上升和緩慢下降的特征。中國的就業并沒有出現就業極化的典型特征。我們根據Daron Acemoglu[5]對高低技能的劃分,繪制了高技能和低技能勞動力就業比重的變化(見圖1右側)。結果顯示中國高、低技能勞動力分別呈現出就業比重上升、下降的特征。因此,根據Autor, Katz and Krueger[6]對就業升級的界定可以判斷中國的勞動力市場存在就業升級現象。目前國內學者使用整體數據和行業數據進行分析的結果也發現了中國勞動力市場存在就業升級的證據。屈小博等使用崗位分析方法認為中國整體就業結構變動呈現正在升級模式[7]。中國行業內就業結構變化正呈現中高技能占比上升和低技能占比下降的“有序遞進升級”模式[8]。就業升級的影響因素主要有技術進步、對外貿易和產業結構升級等。數字技術作為一種科學技術,其發展與應用也應當對就業升級產生影響。

近年來中國數字經濟規模不斷增長,以5G、人工智能、大數據及云計算等為核心的數字技術也獲得了快速發展。2021年關鍵數字技術中人工智能、物聯網、量子信息領域發明專利授權量居世界首位[9]。國家知識產權局的數據顯示,2021年,中國信息領域PCT國際專利申請數量超過3萬件,比2017年提升60%,全球占比超過三分之一[10]。在中國數字技術與數字經濟快速發展的背景下,本文試圖探討數字技術對中國就業升級的影響。對于該問題的探討一方面可以幫助我們更深刻地理解數字技術對就業升級的影響是什么,另一方面對于制定數字技術發展和積極的就業政策提供有益的啟示。

二、文獻綜述

美國1970年到1995年間出現了高技能勞動力的相對需求增加的現象,不同的學者從不同視角作出了解釋,其中技能偏向性技術進步和對外貿易是兩個主要的原因。第一類文獻,技能偏向性技術導致就業升級的主要觀點認為,技能偏向性技術進步提高了高技能勞動力的相對需求。Autor認為計算機的使用可以解釋原因的30%到50%[6],Krusell等認為由于規模效應和替代效應的存在,資本增加提高了高技能勞動力的需求[11]。Acemoglu則將技術進步內生化,認為基于企業利潤最大化的假設,企業在選擇技術時需要考慮價格因素和市場規模因素[12]。因此,企業采用偏向于高技能勞動力的技術取決于高技能勞動力的技能溢價和市場規模。高技能勞動力就業比重導致的市場規模效應占主導,這使得廠商采用技能互補性的技術,進而進一步促進了高技能勞動力就業比重的上升。第二類文獻從貿易的角度解釋了高技能勞動力需求相對增加的原因。一個國家或者地區出口技術密集型的產品同時進口勞動密集型的產品,會導致高技能勞動力的需求增加和低技能勞動力的需求減少。外包的增加解釋了美國20世紀80年代制造業的就業升級現象[13],并且這一命題也能解釋英國和德國的就業升級現象。Feenstra和Hanson[14]構建的開放經濟模型發現對外貿易和技能偏向性技術進步對勞動力需求的影響沒有顯著差異,因此認為兩者對就業升級的影響是一個經驗問題而非理論問題。

國內學者對勞動力就業研究的爭論在于,中國的勞動力市場存在就業極化還是就業升級。一方認為中國的勞動力市場存在就業極化。學者無論利用1978年以來的宏觀數據分析就業極化的變化趨勢[15],還是使用1998年到2009年中國制造業的行業就業數據表明該行業存在就業極化[16],亦或使用人口普查數據檢驗中國制造業的就業結構,均發現了就業極化存在的證據[17]。徐少俊等使用19個行業門類的數據進行實證研究證明行業層面就業極化和就業升級并存[18]。李宏兵等使用中國工業企業的數據進行實證研究的結果表明對外直接投資顯著增加了高技術和低技術企業的就業水平,對中等技術企業的提升作用較小[19]。另一方認為中國不存在就業極化。中國的整體就業結構不存在極化,但是,不同的地區和行業存在不同的特征。中國整體就業結構呈現出升級特征,并且各地區由于發展不平衡所導致的問題升級程度有差異[20]。都陽等使用中國企業—員工匹配調查數據和中國城市勞動力調查數據的實證研究結果表明中國并不存在就業極化[21]。張抗私等使用中國家庭追蹤調查和統計年鑒數據進行實證檢驗的結果表明認知能力促進了就業結構升級[22]。

綜上所述,國內現有文獻對中國就業極化和就業升級的現象與問題進行了探討,但是,中國的就業是極化還是升級并沒有得到一致結論。即便認為中國存在就業升級,數字技術對于就業升級的影響還有待探討。基于此,本文在中國數字技術快速發展的背景下,通過構建理論模型探討數字技術對中國就業升級的影響并進行實證檢驗。本文的可能貢獻在于:第一,分析并使用2011—2020年的數據檢驗了數字技術對就業升級和技能溢價的影響。第二,探討了數字技術對就業升級影響的異質性。第三,實證檢驗了數字技術對不同技能水平就業比重及不同技能水平相對就業的影響。第四,發現了數字技術對就業影響存在空間溢出效應的證據。

三、理論分析

本文構建了一個包含低技能和高技能勞動力的兩部門異質性代理人模型,用以分析數字技術對就業升級的影響與作用機制。

(一)家庭

假設經濟體處于離散時間中,存在高技能勞動力(H)和低技能勞動力(L)兩類家庭。高技能勞動力和低技能勞動力均無彈性地在勞動力市場上提供一單位勞動力并各自獲得相應的工資,分別用wH、wL表示。家庭通過提供勞動獲得收入,并且在當期消費和儲蓄之間進行權衡。家庭通過消費購買的消費品獲得效用。兩類家庭在t=0期最大化所有期的效用:

(1)

其中,u(Ci(t))是定義在R+上的家庭瞬時效用函數,其為嚴格遞增的凹函數且二階連續可微。不妨假設兩類家庭的瞬時效用函數均為常相對風險規避(CRRA)效用函數:

(2)

其中,θ是相對風險厭惡系數,也是跨期消費替代彈性的倒數。家庭面臨的預算約束條件為:

Ai(t+1)=(1+r)Ai(t)-

Ci(t)+wii∈{H,L}

(3)

其中,Ai(t)i∈{H,L}是家庭在t期的財富。使用動態規劃求解家庭的最優化問題并求得歐拉方程如下:

(4)

(二)廠商

廠商使用物質資本和復合勞動力進行生產,生產函數為:

Y(t)=F(K(t),LC(t))

(5)

其中,Y(t)是廠商的產出,K(t)是廠商使用的物質資本,LC(t)是廠商進行生產使用的復合勞動力。廠商的生產技術滿足Acemoglu[23]中關于生產函數的假設:技術是恒定的,即:生產函數中使用的技術在整個經濟中是均勻且不變的,同時滿足稻田條件。此處假設廠商采用如下的柯布道格拉斯生產函數進行生產,則將公式(5)的具體形式表示如下:

Y(t)=K(t)αLC(t)1-α0<α<1

(6)

其中,α是資本的產出彈性,在該種生產技術下也是資本產出份額所占的比例。復合勞動力LC(t)是由如下技術復合而成,具體表示為:

(7)

其中,H(t)和L(t)分別代表高技能勞動力和低技能勞動力。由于本文關注數字技術對經濟的影響,我們假設高技能勞動力與數字技術是互補的,即引入數字技術可以提升高技能勞動力的生產力。因此,我們將數字技術Ad設定為高技能增強型,并將其納入勞動力函數中。而增加高技能勞動力的使用可以部分或完全替代低技能勞動力的使用。隨著高技能勞動力的增加,廠商可以相對較容易地減少低技能勞動力的使用,而不會對生產效率產生明顯的負面影響。高技能勞動力和低技能勞動力之間的替代彈性為σ>1[24-25],廠商資本運動方程服從以下規律[2]:

K(t+1)=sY(t)+(1-δ)K(t)

(8)

其中,s是儲蓄率,δ是資本折舊率。基于廠商追求利潤最大化原則,廠商選擇最優生產要素投入,廠商的最優化問題可以表述為:

wl(t)H(t)-wl(t)L(t)-rk(t)K(t)

(9)

最優化的一階條件為:

(10)

(11)

(12)

(三)競爭均衡與穩態均衡

競爭均衡是一組數量向量{Ci(t),Ai(t),K(t),Y(t)}和價格向量{rk,wi,},i∈{H,L}的集合,使得:(1)家庭效用最大化;(2)廠商利潤最大化;(3)市場出清。根據瓦爾拉斯定理可以得知,資本市場、產品市場和要素市場中只要兩個市場出清,第三個市場也隨之出清。根據廠商使用要素的一階條件與家庭的最優化方程可以得知產品市場和要素市場均是出清的。因此,也就可以得知模型的均衡是存在的并且經濟體存在穩態均衡。在穩態均衡時變量以穩定的速率增長。使用星號上標表示變量所處的穩態。在穩態均衡時有以下等式成立:

K(t+1)=K(t)=K*

(13)

(四)比較靜態分析

(14)

將式(14)兩邊取對數可以得到:

(15)

重新整理后可得:

(16)

四、模型設定與變量測定

(一)計量模型

根據理論分析的結果可知數字技術促進了就業升級,本文通過構建如下計量模型:

ESit=β0+β1Ait+βConVarit+vt+ui+∈it

(17)

其中,ESit代表各個省(直轄市和自治區)的就業升級程度。Ait是數字技術發展水平,ConVarit是一組控制變量向量,vt是時間固定效應,ui是個體固定效應,∈it是隨機擾動項。β0是回歸方程的常數項。β1是數字技術對就業升級的影響,其含義代表數字技術變動一個單位對就業升級的影響,根據理論分析的結果可以預期β1顯著為正。β是控制變量的系數向量,其大小代表了控制變量變動一個單位對就業升級的影響。由于以上計量模型可能存在測量誤差和遺漏變量等導致的內生性問題,為了能夠準確估計數字技術對就業升級的影響,本文使用數字技術的一階滯后作為工具變量進行估計。

(二)變量說明

1.被解釋變量:就業升級(ESit)。根據Daron Acemoglu和David Autor[11]對高低技能勞動力的劃分方式,本文將大學及以上的勞動力劃分為高技能勞動力,大專及以下的勞動力劃分為低技能勞動力[26]。使用高技能勞動力和低技能勞動力的比值度量就業升級,該變量的數值越大代表就業升級的程度越高。

2.核心解釋變量:數字技術(Ait)。借鑒趙濤等[27]和李帥娜[28]的做法從數字產業發展和數字技術應用兩個方面度量數字技術的發展并使用熵權法度量中國各個省、自治區、直轄市的數字技術發展水平。

3.控制變量。包括:外商直接投資(lnfdirit):使用中國各省市自治區外商直接投資與GDP比重的對數度量;貿易開放程度(lnopenit):使用進出口總額與GDP比值的對數度量;產業結構(lntrit):使用第三產業增加值占GDP比重的對數度量;科技創新(lnpatternit):使用三種專利申請受理量的對數度量科技創新水平,該數值越大意味著科技創新水平越高。

(三)數據來源

基于數據的可獲得性,本文選取2011—2020年中國31省級區域面板數據來研究數字技術對就業升級的影響。所有指標均來源于國家統計局官網網站、《中國統計年鑒》和各省市區歷年統計年鑒。各變量的描述統計結果如表1所示。

表1 描述性統計

五、實證結果

(一)基準模型回歸結果

數字技術對就業升級影響的回歸結果如下頁表2所示。其中,模型1僅控制了個體效應,模型2僅控制了時間效應,模型3控制了個體效應和時間效應。模型4到模型7依次加入了各個控制變量。模型1到模型7的回歸結果顯示就業升級對數字技術回歸方程中數字技術的估計系數始終是顯著為正的。這表明數字技術的發展提高了高技能勞動力和低技能勞動力的相對就業數量,促進了中國的就業升級。

表2 數字技術對就業升級影響的基準模型回歸結果

數字技術在測量時涉及多個維度,然而,仍然存在對數字技術的測量誤差。因此,就業升級對數字技術的回歸方程中可能存在由于測量誤差導致的內生性問題。所以,本文使用數字技術的一階滯后作為工具變量模型的內生性問題,估計結果如表3所示。表3中模型8到模型14是模型1到模型7對應的工具變量的估計結果。模型8至模型10分別控制了個體效應、時間效應和同時控制了兩者。模型11至模型14依次加入了各個控制變量。模型8至模型14的結果均顯示數字技術對就業升級的影響始終在0.01%水平上顯著為正。數字技術的發展提高了高技能勞動力和低技能勞動力的相對需求,促進了中國的就業升級。

通過對直接粉碎、經減壓干燥法、液氮凍干法、凍干法處理的枸杞子顆粒，粉碎后測定特性量值。實驗結果表明，經3種預處理方法得到的枸杞子樣品，其水分測定結果均低于直接粉碎的枸杞子樣品；而其他檢測項目，3種處理方法得到的樣品與直接粉碎的枸杞子樣品基本相同，理化性質均符合《中國藥典》2015年版要求，可以作為對照藥材標準品使用。但基于成本考慮，減壓干燥法最經濟實惠，采用凍干法或液氮加凍干法的運行成本基本相似，均較高。因此，在實際工作中，推薦使用減壓干燥法最佳。

表3 數字技術對就業升級影響的工具變量回歸結果

控制變量的回歸結果表明外商直接投資提高了高技能勞動力對低技能勞動力的相對需求,促進了就業升級,但是在統計上并不顯著。其原因是外商直接投資促進了技術溢出效應,提高了企業的生產技術水平,較高的生產技術水平與高技能勞動力是互補的,因此,促進了高技能勞動力相對需求的增加。產業結構對就業升級影響的回歸結果表明第三產業發展抑制了就業升級,但是在統計上并不顯著。這可能是由于第三產業的發展對高技能勞動力需求的規模效應和替代效應。回歸結果為負但是在統計上并不顯著,這可能是由于產業結構對就業升級的替代效應弱大于規模效應所導致的。貿易開放促進了中國的就業升級,貿易開放程度的增加對高技能勞動力的需求有兩個方面的作用:一方面,貿易開放程度的增加促進了技術流動,促進了企業的技術進步,技術進步與高技能勞動力是互補的,增加了高技能勞動力的相對需求;另一方面,市場規模效應降低了高技能勞動力的相對需求。回歸的結果顯示可能對高技能勞動力的影響占據了微弱的主導優勢,進而使得貿易開放程度的增加提高了高技能勞動力的相對需求,促進了中國的就業升級。科技創新水平抑制了就業升級,降低了高技能勞動力的相對需求,從側面體現出企業創新水平促進了技術進步,根據Acemoglu的技能偏向性技術進步研究可以得知,由于市場規模效應和價格效應使得企業可能更多地采用偏向于低技能勞動力的技術[26]。因此,創新水平的提高抑制了中國的就業升級。

(二)穩健性檢驗

1.替換核心解釋變量

在基準回歸中,本部分使用了熵權法度量數字技術的發展水平,隨后使用主成分分析法度量數字技術的發展水平,并替換掉基準模型中的數字技術變量進行穩健性檢驗。隨后進一步采用其滯后一期作為工具變量進行估計以克服可能由于測量誤差導致的內生性問題。固定效應和對應工具變量的回歸結果見下頁表4中PCA_FE和PCA_IV列所示。兩列的回歸結果表明,數字技術的發展提高了高技能勞動力和低技能勞動力的相對需求,促進了中國的就業升級。數字技術促進就業升級的結論是穩健的。

2.更改高技能勞動力的劃分范圍

基準回歸中,本文根據Acemoglu的劃分方法將大學本科及以上的勞動力劃分為高技能勞動力。國內不同的學者對高技能勞動力的劃分與此劃分有差異,比如有學者將大學專科及以上的勞動力劃分為高技能勞動力。為了檢驗模型的穩健性,在該部分更改了高技能勞動力的劃分方式,將大學專科及以上的勞動力劃分為高技能勞動力[29];然后再計算高技能勞動力和低技能勞動力的比值;最后將該數值替換掉基準模型中的就業升級變量進行回歸。本文使用表3中工具變量進行了兩階段最小二乘法的估計以克服可能存在的內生性問題。固定效應和工具變量的估計結果見下頁表4中H_FE和H_IV列所示。估計的結果顯示高技能勞動力對數字技術回歸模型中的回歸系數是顯著為正的。這表明數字技術的發展提高了高技能勞動力的相對需求,促進了中國的就業升級。

3.使用不同工具變量

本部分更換不同的工具變量進行穩健性檢驗。上頁表3和下頁表4使用了數字技術的一階滯后作為工具變量。本部分借鑒黃群慧[30]的方法構建工具變量進行估計。使用1984年每百萬人電話數量、1984年每百萬人郵局數量與每年全國信息技術服務收入構建了兩個工具變量。本部分將第一個工具變量的回歸結果命名為(表4)IV1。由于使用百萬人郵局數量構建的工具變量存在弱工具變量等問題,接下來借鑒其方法構建了另外三個工具變量:(1)使用1984年每百萬人電話數量和全國信息傳輸、軟件和信息技術服務業城鎮單位就業人數構建工具變量,將其估計結果命名為(表4)IV2。(2)使用1984年每百萬人郵局數量與全國信息傳輸、計算機服務和軟件業城鎮單位就業人員工資總額和全國信息傳輸、軟件和信息技術服務業城鎮單位就業人數構建了兩個工具變量,將其估計結果命名為(表4)IV3和IV4。四個工具變量的估計結果均顯示數字技術的回歸系數是顯著的。數字技術的發展提高了高技能勞動力和低技能勞動力的相對需求,促進了中國的就業升級。

(三)異質性檢驗

本部分考慮到不同的地理位置和資源稟賦的差異可能使數字技術對就業升級產生影響。因此,本部分首先根據國家統計局對于東部地區、中部地區和西部地區的劃分方式進行分區域的異質性檢驗;其次根據經濟發展水平的不同劃分高水平和低水平兩組樣本進行經濟發展水平異質性檢驗;最后根據人力資本發展水平的不同劃分高水平和低水平兩組樣本進行人力資本發展水平的異質性檢驗。

1.區域異質性

下頁表5地區異質性檢驗對應的三列結果匯報了分地區進行樣本回歸的結果。回歸結果表明數字技術對就業升級的影響在東部地區是顯著的,在中部地區和西部地區不顯著。這可能是由于區域間數字技術發展水平存在差異,使得數字技術對就業的規模效應、替代效應和互補效應存在差異所導致的。東部地區數字技術的發展水平較高,使得規模效應和互補效應較高,進而對高技能勞動力的需求較為顯著。在東部地區,數字技術發展提高了高技能勞動力的相對需求,促進了就業升級。

表4 穩健性檢驗結果

表5 異質性檢驗結果

2.經濟發展水平異質性

利用中國各個省、自治區、直轄市的人均GDP與樣本人均GDP中位數進行分組,低于中位數的劃分為經濟規模較小的地區,大于中位數的劃分為經濟規模較大的地區。表5經濟規模異質性對應的兩列結果匯報了低經濟發展水平和高經濟發展水平地區的回歸結果。結果顯示數字技術對就業升級的影響在經濟發展水平較高地區是顯著的,經濟發展水平較低地區是不顯著的。這可能是由于經濟發展水平較高的地區有較高數的字技術發展水平與規模,對高技能勞動力的相對需求也較高。

3.人力資本發展水平異質性

利用中國各個省、自治區、直轄市的人力資本水平與樣本人力資本水平中位數進行分組,低于中位數的劃分為人力資本水平較低的地區,大于中位數的劃分為人力資本水平較高的地區。表5人力資本異質性的兩列回歸結果分別匯報了低人力資本水平和高人力資本水平的回歸結果。結果顯示數字技術對就業升級的影響在人力資本水平較高時是顯著的,在人力資本水平較低時不顯著。這可能是由于在人力資本水平較高時數字技術對就業升級的影響有較高的市場規模效應。因此,人力資本水平較高時數字技術的回歸系數是顯著的,數字技術促進了就業升級。

六、數字技術對就業升級的空間效應

考慮到經濟活動具有空間相聯系的特征,數字技術對就業升級的影響也可能會存在空間效應。因此,本部分構建了空間計量模型進行實證檢驗,利用各省市自治區的省會之間的地理距離倒數作為空間權重矩陣進行分析。首先使用該空間權重矩陣計算莫蘭指數以判斷就業升級是否存在空間自相關;其次進行空間模型的設定檢驗;最后根據空間模型設定的檢驗結果計算空間溢出效應。

(一)空間自相關檢驗

空間自相關檢驗結果如表6所示。根據表6的結果可知2011—2020年間,就業升級的莫蘭指數均是顯著為正,這表明就業升級存在顯著的空間效應。進而需要通過模型設定檢驗以判斷數字技術對就業升級是否存在空間影響以及對空間影響的形式是什么。

表6 空間自相關檢驗結果

(二)空間模型設定檢驗

本部分按照如下步驟進行模型設定檢驗:首先判斷數字技術對就業升級空間影響的形式;其次確定數字技術對就業升級的影響模型采用哪種類型的固定效應;最后如果檢驗支持數字技術對就業升級的模型是空間杜賓模型,需要對模型進行檢驗以判斷空間杜賓模型是否存在退化。檢驗的結果如表7所示。第一步,檢驗結果表明拉格朗日乘子檢驗的結果拒絕了不存在空間誤差的原假設,但是并沒有拒絕存在空間滯后的原假設。因此,接下來需要進行穩健的拉格朗日乘子檢驗,檢驗結果表明顯著拒絕了不存在空間誤差和空間滯后的原假設。所以,應當選擇空間杜賓模型。第二步,固定效應形式的選擇結果表明不能拒絕采取雙向固定效應的假設。因此,應當采取雙向固定效應進行分析。第三步,空間杜賓模型是否存在退化的LR檢驗結果表明顯著拒絕了空間杜賓模型可以退化為空間誤差和空間自回歸模型的原假設。因此,應當使用空間杜賓模型進行分析。

表7 空間計量模型的設定檢驗結果

(三)空間溢出效應檢驗

空間杜賓模型的回歸結果如表8所示。表8第2列到第5列分別是主回歸、直接效應、間接效應和總效應。

表8 空間溢出效應檢驗結果

主回歸的結果顯示估計系數rho在10%的水平上是顯著的,表明就業升級存在顯著的空間正相關性,數字技術對就業升級的影響是顯著的。這表明數字技術的發展促進了就業結構升級。直接效應的估計結果表明數字技術的回歸系數顯著為正,這表明本地區數字技術的發展促進了本地區的就業升級。間接效應的估計結果表明數字技術的回歸系數顯著為負,這表明本地區數字技術的發展抑制了相鄰地區的就業升級。這可能是由于本地區數字技術的發展導致了相鄰地區的高技能勞動力流動到本地區,因此,相鄰地區高技能勞動力的相對比重減少了。總效應回歸結果中數字技術的系數顯著為正,這表明數字技術對就業升級的影響存在顯著的空間溢出效應。

七、結論

技術變革對就業的影響在經濟學史上引起過眾多經濟學家的興趣。如今,隨著科技的快速發展,數字經濟已成為全球乃至中國經濟的重要組成部分。數字技術作為支撐數字經濟發展的關鍵因素,其對就業的影響引起了社會、學界和政府的廣泛關注。本文從數字技術對就業影響的視角構建了一個包含高技能勞動力和低技能勞動力的異質性代理人模型,分析了數字技術對就業升級的影響,使用2011年到2020年的數據進行了實證檢驗。本文的主要研究結論如下:第一,數字技術的發展促進了就業升級。數字技術的發展通過規模效應和互補效應促進了高技能勞動力的就業,通過規模效應和替代效應降低了低技能勞動力的就業,因此提高了高技能勞動力的相對需求,促進了中國的就業升級。通過替換核心解釋變量、更改高技能勞動力的劃分范圍、使用不同工具變量進行穩健性檢驗,結果表明基準模型的回歸結果是穩健的。第二,數字技術對就業升級的影響存在區域、經濟發展水平和人力資本發展水平的異質性。數字技術在東部地區對就業升級的影響是顯著的,在經濟發展水平和人力資本發展水平較高的地區是顯著的。第三,數字技術對就業升級的影響存在空間溢出效應。本地數字技術的發展促進了本地區的就業升級,但是對于相鄰地區的就業升級影響是不利的。本文的結論為研究數字技術對中國就業升級的影響提供了一個新的視角,對更好地促進中國就業升級具有積極的借鑒意義。