數字化轉型對企業勞動力結構升級的促進效應

摘 要：數字時代下，數字化轉型是企業轉換生產方式和升級勞動力結構的新動力。本文基于2013—2022年A股上市企業面板數據，探討數字化轉型與企業勞動力結構升級之間的關系。結果表明：（1）數字化轉型不但能夠顯著促進企業勞動力結構升級，而且沒有產生就業擠出效應，考慮內生性、替換解釋變量等穩健性檢驗后，依然穩健。（2）工程師紅利在數字化轉型促進勞動力結構升級過程中發揮正向的調節效應，為企業數字化轉型的積極作用提供技術支持和人力資源保障。（3）數字化轉型對勞動力結構升級的影響因行業、區域的不同而產生差異。

關鍵詞：數字化轉型；勞動力結構升級；就業擠出；工程師紅利；企業數字化

中圖分類號：F279.23 文獻標識碼：A 文章編號：2096-0298（2024）09（b）--06

1 引言

當前，數字化在中國經濟中占據了舉足輕重的地位。在數字時代，企業如何依托數字技術進行數字化轉型是企業高效發展的重要抓手，也是產業高質量發展的關鍵力量[1]。因此，隨著后疫情時代的來臨，借助數字經濟新業態，構建數字化產業鏈，推動企業數字化轉型，以此促進經濟高質量發展和激發經濟活力，已成為我國經濟恢復發展的必然趨勢和必經之路。

目前，大多數企業的數字化轉型都處于信息化、網絡化階段，正在努力向智能化階段邁進。主要原因是企業面臨著巨大的數字人才缺口。數碼轉型過程涉及各個方面的變化，例如生產、組織、文化和商業，因此，所有崗位都需要“業務經驗豐富+技術熟練”的復合型數字工作者。技術和職能部門，如人力資源、會計和財務部門，也要求工人掌握豐富的數字技能，缺乏足夠的數字技術工人，導致數字技術與勞動技能不匹配，制約了企業的數字化轉型。根據麥肯錫的一份報告，由于自動化的普及，傳統工作正在發生變化。為了適應數字技術的需求，數以百萬計的工人必須學習新知識，掌握新技能，特別是新冠疫情加速了數字化，使得對數字技術技能的需求更加迫切。

勞動力市場將不可避免地進行結構調整和優化，以適應數字技術的發展需求。研究發現，數字化轉型可以顯著促進企業專業化分工，進而提高企業生產效率[2]。勞動力結構反映了不同人力資本水平的勞動者在勞動力市場中的分布情況。在企業層面，它通常是指勞動力的質量結構，即具有不同教育水平和技術技能的勞動者組成。勞動力結構升級意味著優質人力資本比重顯著提高，這已成為評價人力資本能否與數字技術匹配的根本依據。

2011年以來，中國勞動年齡人口進入負增長，人口紅利加速消失，必然導致中國經濟潛在增長率下降。然而，得益于中國高等教育體系的改革，中國大學理科、工科和社會科學專業的畢業生人數持續增長，人口紅利正逐步升級為“人才紅利”或“工程師紅利”[3]。2018年，中國高校理工科畢業生人數是美國的6.5倍以上[4]，表明中國工程師的年均增長率超過了高收入和高度發達國家。因此，中國在經濟數字化轉型的工程師儲備方面具有獨特的優勢。然而，中國企業能否在數字化轉型過程中利用這一工程師紅利，并進一步推動勞動力結構升級，目前尚不清楚。這一問題對于數字經濟時代勞動經濟學的發展具有重要的現實意義和理論意義。本研究考察了這一問題，并探討了數字經濟的勞動力結構調整機制。

數字技術對勞動力市場影響的研究主要集中在三個方面：數字技術取代勞動力的風險、數字技術對勞動力市場均衡的影響和數字技術對勞動力結構的影響。本文主要研究數字化轉型對勞動力結構升級的影響。新興數字技術最嚴重地取代了中等技能工人，而高技能和低技能服務行業的就業都有所增加，呈現出就業兩極分化的現象。王軍與常紅（2021）研究發現，智能機器人將取代初中和高中學歷的勞動力，增加對高學歷和低學歷勞動力的需求，呈現勞動力結構的“兩極分化”特征[5]。

現有研究主要集中在國家或行業層面。很少有研究對企業進行詳細的定量分析，并討論企業數字化轉型的直接影響。為了豐富相關研究，本文利用文本分析法，摘取上市公司年報中數字化決策相關詞頻，構建企業數字化轉型指標，從高學歷和研發人員比例兩個角度檢驗了數字化轉型對勞動力結構的經濟效應，并分析了工程師紅利的作用。

2 理論分析

2.1 數字化轉型與企業勞動力結構升級

數字化轉型能夠改變企業的人力資本構成。數字化轉型意味著技術進步、社會分工和生產協作的深化，優秀管理者和高技術人才的需求不斷擴大[6]。企業的勞動力結構通常是指勞動力的素質結構。隨著勞動力素質結構的升級和改善，高技能、高素質的人力資本比重顯著提高，因為智能化技術和高技能勞動力會帶動員工的生產技術和素質，非智能化企業也會模仿智能化企業的生產技術和管理經驗，提高產業結構高級化[7]。因此，本文從高學歷與研發人員的視角來闡述企業數字化轉型與勞動力結構升級的關系。

一方面，企業數字化轉型增加了對高學歷員工的需求。數字化轉型涉及技術和軟件的升級，包括更新組織文化、管理模式和業務運營。在這個過程中，企業必須將數據和信息轉化為能夠產生商業價值的具體知識，并將其運用到生產經營管理的各個方面，技術的升級帶來協作方式的改變，推動了生產效率的提升[8]。利用數字技術來鞏固和積累知識，需要高素質的勞動者，善于運用信息和數據，對企業有透徹的了解。勞動者的學習能力是必不可少的，他們可以學習如何將一般知識轉化為企業特有的知識，便于積累和傳承。工人的認知技能對于適應環境變化至關重要，尤其是在采用新技術時。在搜索與匹配中，學歷是勞動者學習能力最直接的反映。受教育程度越高的勞動者被認為具有更高的認知學習能力，這是企業實現向智能化階段過渡的關鍵。具有學習技能以適應數字技術的勞動者可能是數字時代公司的長期要求，從而導致勞動力結構的持久轉變。此外，數字技術可以更好地用于培訓員工，提高公司內部人力資本的質量。依托數字技術，建立科學的培訓體系，把員工培養成專才已勢在必行。例如，通過虛實結合的方式對生產員工進行培訓，可以在虛擬環境中進行模擬操作培訓。通過這種方式，訓練有素的勞動者掌握了數字操作系統的應用流程和調試方法，可以在處理意外情況方面獲得豐富的實踐經驗，大大減少了生產過程中出現錯誤和延誤的可能性。

另一方面，數字化轉型企業中研發人員的比例也顯著提高。原因主要是數字化轉型顯著降低了創新成本與收益之間的不對稱，鼓勵企業開展更多的創新活動，從而增加了對更多研究人員的需求。例如，大數據和云計算技術的應用抓住了目標用戶的消費意圖，代表了創新方向。因此，公司可以為不同的消費群體提供更具差異化的產品和服務。依靠3D打印和數字孿生技術的公司可以較低的成本對創新研究成果進行重復實驗，以測試整個研發計劃的穩定性和評估可行性。數字技術可以通過降低研發過程的失敗風險和提供更大的創新容忍度來更好地激勵企業創新。在數字化研發創新中，企業必須結合主業特點，將通用型數字技術轉化為服務于企業發展的專門化技術。此外，將這種專業技術應用于生產還需要專業測試和維護研究人員的支持。

2.2 數字化轉型與就業擠出

勞動力結構的升級意味著一些低效率、低技能的勞動者將被暫時或永久取代，從而引發了人們對“新興技術取代人類勞動”的嚴重社會問題的擔憂。機器學習的興起會帶來一定的不良影響，但機器取代人類需要很長時間，機器完全取代人類是不可能的。然而，人工智能對勞動力市場的直接短期影響不容忽視。以前非常規的工作已經成為常規操作，特別是隨著機器學習的發展和計算能力的提高，用人工智能取代勞動力的情況更加頻繁。Frey和Osborne（2017）發現，美國勞動力市場中7%的工作是高度計算機化的，勞動者有被計算機取代的風險。部分學者發現工業機器人每增加1%，勞動力需求將減少0.18%，數字技術具有明顯的替代效應。

相比之下，從勞動力市場均衡的角度指出，現代工業機器人的大規模推廣降低了低技能工人的就業份額，但不會顯著減少整體就業。在未來數字化發展中，擁有數字技術能力和數字化思維能力的人是至關重要的，進一步減少數字化人才供求之間的差距，使其更好地適應未來數字化發展大環境[9]。研究發現，被自動化和智能技術取代的風險并不意味著實際的失業。對于這一現象，相關研究解釋說，應用新興技術是一個緩慢的過程。由于經濟、法律和社會方面的障礙，技術替代可能不會如預期的那樣發生。即使新技術得到廣泛應用，工人也可以通過轉換任務來改變他們的技能稟賦。此外，更重要的是，技術變革將創造許多新的就業機會。新技術帶來的效率提升和成本降低效應會增加其他非技術領域的勞動力需求。然而，在新技術出現的過渡階段，勞動力需求的不平衡將會加劇。總的來說，這兩種效應相互作用，逐漸達到長期的動態平衡。

數字化轉型的經濟效益表明，數字技術的應用將通過數字賦能的乘數效應產生更深遠的影響。數字賦能是指以數字知識和信息為關鍵生產要素，以現代數據網絡為重要載體，有效利用數字技術作為提高效率的重要動力，激活企業創新、成長和發展。在這一過程中，數字技術帶來的組織變革降低了高技能勞動者的管理成本，新技術驅動的研發創新顯著提高了人力資本績效。人力資本結構優化可以進一步增強人力資本與數字技術的“互補效應”。它消除了低效的決策，加速了數字化轉型，取得了顯著的經濟效益。此外，數字化轉型的經濟效益還體現在生產運營成本的降低上。他們有足夠的利潤空間來擴大生產規模，增加勞動力需求。此外，在勞動力就業機會成本一定的前提下，技術進步越快，未來收益的折現系數越大，營業利潤的現值越高。因此，為了實現利潤最大化，數字化轉型將擴大企業的生產規模，提供更多的就業機會。

3 研究設計

3.1 模型設定

根據理論分析，利用企業面板數據識別企業數字化轉型對企業勞動力結構升級的影響機制，設計如下模型：

LRit=α0+α1FDTit+α2Conit+θi+μt+εit（1）

其中，LRit代表企業在年的企業勞動力結構水平，FDTit代表企業i在第t年的數字化轉型程度，Conit是一系列影響企業勞動力結構升級的控制變量，θi和μt分別為企業固定效應、年份固定效應，εit為誤差項。上式重點關注系數α1，若α1顯著為正，則說明數字化轉型對企業勞動力結構升級具有正向效應。

為了檢驗企業數字化轉型是否會通過影響企業規模來影響企業勞動力結構的升級，構建如下模型：

MEDit=β0+β1FDTit+β2Conit+θi+μt+εit（2）

其中，MEDit為中介變量，用企業i第t年的企業規模來衡量。

為了檢驗工程師紅利是否對數字化轉型與企業勞動力結構升級的關系具有調節作用，構建如下模型：

LRit=α0+α1FDTit+α2FDTit×proenit+α3proenit+α4Conit+θi+μt+εit（3）

其中，proenit為調節變量，代表企業i第t年受到的工程師紅利。

3.2 變量選取

3.2.1 被解釋變量

本文的被解釋變量為企業勞動力結構升級，目前的測度主要以高學歷人員占比來衡量，部分是以專業崗位人員占比與研發人員占比衡量。因此，借鑒相關研究，本文將探討企業勞動力結構升級的兩種表現形式，即高學歷員工占總員工人數的比重（LSTR）和研發人員占總員工人數的比重（TLSTR），相關數據是從CSMAR中的員工結構表中獲得。這兩種表現形式都可以反映企業在勞動力結構升級方面的成果。首先，高學歷員工通常具有較高的知識水平和專業技能，能夠勝任更復雜、更高層次的工作任務，因此采用擁有本科以上學歷的員工。其次，研發人員是企業勞動力結構升級的另一種表現形式。研發人員是企業進行技術創新和產品研發的重要力量，是企業實現可持續發展的關鍵因素。

3.2.2 核心解釋變量

本文的核心解釋變量為數字化轉型程度（FDT）。借鑒相關研究，從在A股上市企業年報中提取關于 “人工智能技術”“大數據技術”“云計算技術”“區塊鏈技術”“數字技術應用”５ 組數字化轉型相關的特征詞[10]，并將上述數字化轉型的詞加總得到中國上市企業數字化轉型指數。上述報告和數據在《金融經濟學研究》公眾號上對外界公開，具有一定的權威性和公開性。

3.2.3 中介變量

中介變量為企業就業規模，用員工人數（employ）表示，以此作為中介變量是為了消除數字化轉型帶來的擠出就業的問題，便于更好地解釋數字化轉型與企業勞動力結構升級之間的關系。

3.2.4 調節變量

調節變量為工程師紅利（proen），用企事業工程技術人員與高校科學家占總就業的比重來衡量。工程師人數不斷增加，逐漸呈現工程師紅利，企業可以更好地應用新技術、新工藝、新流程等創新要素，提高生產效率、降低成本、增強市場競爭力。因此，工程師紅利可能對數字化轉型與就業之間的關系產生調節作用。

3.2.5 控制變量

從相關研究來看，影響企業勞動力結構升級的因素還有很多，本文參考相關文獻并綜合考慮數據的相關性和可得性，選取企業規模、資產負債率、企業績效、公司年齡、資產結構、管理成本、薪酬水平、產業集中度、營業增長以及產權性質。

3.3 數據來源

本文選取2013—2022年國內A股上市企業作為研究對象，對樣本數據進行如下處理：（1）對ST、PT等企業樣本進行剔除；（2）對數字化轉型指數以及其他關鍵變量存在數據缺失的觀測值進行剔除；（3）剔除勞動力結構升級小于0的觀測值。為了避免離群值的影響，針對連續變量進行了1%的縮尾處理，最終得到了31449個觀測者。數據來源于國泰安數據庫、《中國統計年鑒》。

4 實證分析

4.1 基準回歸結果分析

表2報告了數字化轉型對企業勞動力結構升級的回歸結果，列（1）-（2）以高學歷人員為被解釋變量，列（3）-（4）以研發人員為被解釋變量。列（1）-（2）是從未加控制變量到加了控制變量的過程，從列（1）來看，FDT的系數為0.0094，且通過了2%的顯著性水平檢驗，從列（2）來看，FDT的系數為0.0076，且通過了1%的顯著性水平檢驗。這意味著數字化轉型每增加1%，企業高水平人員占比提升0.76%。這表明企業數字化轉型對高學歷員工占比有顯著的正向作用，加了控制變量后回歸結果依舊顯著，系數略有下降，說明控制變量的選擇是正確的。列（3）-（4）是從未加控制變量到加了控制變量的過程，從列（1）來看，FDT的系數為0.0025，且通過了1%的顯著性水平檢驗，從列（2）來看，FDT的系數為0.0023，且通過1%的顯著性水平檢驗。這意味著數字化轉型每增加1%，企業高水平人員占比提升0.76%。

從控制變量來看，企業規模、營業增長對企業勞動力結構升級的作用顯著為正，資產負債率、薪酬水平和資產結構都對企業勞動力結構升級的作用顯著為負，其中資產結構對企業勞動力結構升級的負作用最顯著，說明過高的固定資產不利于企業勞動力結構的升級，企業應該相應增加流動資產占企業總資產的比率。管理成本對勞動力結構的升級的作用顯著為正，但對高技能勞動力結構的升級作用為負，說明增加管理費用的投入只會對研究生以下的教育水平的員工人數的增加起正向作用，而對研究生及以上的教育水平的員工人數有負作用。

4.2 機制檢驗分析

4.2.1 是否導致就業擠出

本文重點研究了企業數字化發展對高學歷和研發人員的影響，從不同的角度獲取了經驗證據。勞動力結構升級意味著一些低效率、低技能的勞動者將被取代甚至被淘汰，從而導致新興技術取代人力這一嚴峻的社會問題。本文從上市公司層面進一步考察和探討數字化轉型是否會加劇勞動力市場的失衡，導致越來越多的勞動者面臨結構性失業。

具體來說，本文將考察企業數字化轉型是否會對公司的整體就業規模產生負面影響。第（1）列顯示，數字化轉型（FDT）的系數在1%的水平上顯著為正，直觀而言，企業數字化轉型每提升1%，企業勞動力就業規模平均增長6.58%。這表明數字化轉型顯著增加了企業勞動力就業規模。企業引入數字技術，實現生產、經營和管理的數字化，許多裁員和結構性失業并未發生，即技術進步也將通過資本化效應創造更多就業機會，進一步擴充勞動力蓄水池，從而促進勞動力結構升級。

4.2.2 工程師紅利的調節效應

我國在人口紅利之后，伴隨教育改革，工程技術人員與高校科研工作者數量龐大，逐漸形成工程師紅利。隨著工程師紅利不斷增加，企業可以更好地應用新技術、新工藝、新流程等創新要素，從而提高生產效率、降低成本、增強市場競爭力。相反，當工程師紅利較低時，企業可能無法充分利用創新要素，生產效率低下，成本高昂，市場競爭力減弱，不利于勞動力結構的升級。隨著數字化改造后，工程師紅利的增加，勞動力結構發生了更顯著的調整，高素質和高技能勞動力的比例顯著增加，對勞動力就業規模的積極影響被放大。而區域工程師紅利的增加加速了企業數字化轉型勞動力結構的升級和優化。隨著企業數字化和智能化轉型，為提高公司治理目標下的核心競爭力、經營績效等創造了條件，公司治理模式的變革將對企業全要素生產率產生積極影響[11]。工程師紅利和數字技術可以被認為具有很強的互補性，可以成為幫助公司在數字時代實現高質量發展的新動力。

為了檢驗工程師分紅在數字化轉型優化企業勞動力結構過程中的調節作用，在基準模型的基礎上引入了數字化轉型與工程師紅利指數（FDT×Proen）的交互作用項。回歸結果如表3所示。在第（2）-（3）列中，交互作用項FDT×Proen的回歸系數均為顯著正，表明隨著區域工程師紅利水平的提高，數字化轉型公司中高學歷和研發人員的比例顯著增加，員工的整體就業規模也擴大。這意味著，工程師紅利顯著增加了數字化轉型對勞動力結構升級的積極影響。也就是說，工程師紅利對數字化轉型引發的勞動力結構調整過程起到了積極的調節作用。

4.3 穩健性檢驗分析

4.3.1 內生性檢驗

數字化轉型對企業勞動力結構升級可能存在雙向影響，即企業的勞動力轉型反向影響數字化轉型能力，即企業高學歷人員或研發人員占比越高，對數字技術的吸收能力就越強，數字化轉型程度也就越高。因此采用除本公司以外的行業數字化均值作為工具變量，行業數字化均值會對企業數字化轉型有影響，但對某一個企業的勞動力結構升級沒有直接聯系。由表4可知，考慮內生性后，數字化轉型對勞動力結構升級的影響更加顯著，所以之前的結論有遮掩效應。

4.3.2 替換解釋變量

本文采用數字化轉型虛擬變量替換原核心解釋變量，即數字化轉型大于0則為1，否則為零，通過雙重差分識別數字化轉型企業的勞動力結構升級是否強于無數字化轉型的企業。由列（1）和列（2）可知，數字化轉型企業對勞動力結構升級作用非常顯著。

4.3.3 剔除高科技行業

高科技產業招聘的人員基本是高教育水平的人員，比如醫藥制造業、運輸設備制造業、電子設備制造業和化學原料及化學制品制造業，而在測度勞動力結構升級時主要考慮高學歷員工占比，所以只用非高科技行業參與回歸。由列（3）和列（4）可知，剔除高科技行業后的結果與基準回歸的結果相似，這說明即使是對非高科技行業來說結果也是顯著的，回歸結果是穩健的。

4.3.4 考慮行業、城市的政策調整

行業與城市的政策、發展基礎等均對企業數字化有影響，導致研究結果的估計偏誤，因此要加入行業、城市高維固定效應，控制行業和城市對于勞動力結構升級的影響。由列（5）和列（6）可知，行業、城市的政策調整時數字化轉型程度對勞動力結構升級的影響還是顯著的，基準結果穩健。

5 結語

數字化轉型對企業勞動力調整、升級有著重要的戰略意義，是企業搶占競爭高地的重要契機。本文利用2013—2022年上市企業面板數據，驗證了數字化轉型影響企業勞動力結構升級的內在途徑。研究表明：（1）企業數字化轉型對企業勞動力結構升級具有顯著的促進作用，且通過穩健性檢驗。（2）數字化轉型會通過增加就業，進一步擴充勞動力蓄水池，從而促進勞動力結構升級。（3）工程師紅利對數字化轉型引發的勞動力結構調整過程起到了積極的調節作用。

根據以上研究結論，本文提出以下三點政策建議：

第一，加強數字化轉型的推動力度。企業數字化轉型對于企業勞動力結構升級具有重要的戰略意義。因此，政府應積極推進產業數字化和數字產業化，企業應該把握數字化轉型機遇，以促進企業勞動力結構的升級。政府可以通過出臺相關政策，鼓勵企業加強數字化轉型，如提供一定的資金支持、稅收優惠等；企業則可以通過引進先進技術、加強內部管理等方式，推動數字化轉型的實現。

第二，重視工程師紅利的作用。工程師紅利對于數字化轉型引發的勞動力結構調整過程起到了積極的調節作用。因此，政府和企業應該重視工程師紅利的作用，以更好地實現數字化轉型。政府可以通過出臺相關政策，鼓勵企業加強工程師的培養和引進，如提供一定的培訓補貼、人才引進獎勵等；企業則可以通過優化工程師的薪酬待遇、提供更多的職業發展機會等方式，吸引更多的優秀工程師加入企業。

第三，加強行業差異和區域差異的針對性支持。雖然數字化轉型有助于促進企業勞動力結構的升級，但發展仍存在一定的行業差異和區域差異。因此，政府和企業應該加強行業差異和區域差異的針對性支持，以更好地實現數字化轉型的作用。政府可以通過出臺相關政策，鼓勵企業根據行業特點和區域特點進行數字化轉型，如提供一定的行業指導和區域規劃等。企業則可以通過深入了解市場需求、加強區域合作等方式，實現數字化轉型的成功。

參考文獻

戚聿東，肖旭.數字經濟時代的企業管理變革[J].管理世界，2020，36（6）：135-152+250.

袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化[J].中國工業經濟，2021（9）：137-155.

宋弘，陸毅.如何有效增加理工科領域人才供給： 來自拔尖學生培養計劃的實證研究[J].經濟研究，2020，55（2）：52-67.

曹和平.保持和發揮好“工程師紅利”[N].環球網，2019-02-15.

王軍，常紅.人工智能對勞動力市場影響研究進展[J].經濟學動態，2021（8）：146-160.

肖旭，戚聿東.產業數字化轉型的價值維度與理論邏輯[J].改革，2019（8）：61-70.

張萬里，宣旸，睢博，等.產業智能化、勞動力結構和產業結構升級[J].科學學研究，2021，39（8）：1384-1395.

肖曙光.人力資本主導范式下的兩權融合與分離[J].中國工業經濟，2009（3）：111-119.

陳俊宇.企業管理數字化轉型的關鍵因素及對策探討[J].中國商論，2023（14）：117-120.

潘藝，張金昌.數字化轉型與企業競爭力：契機還是危機： 來自中國A股上市企業的經驗證據[J].產業經濟研究，2023（3）：87-99.

張云，尹藝霏.數字化轉型、公司治理模式與企業全要素生產率[J].鄭州大學學報（哲學社會科學版），2023（12）： 1-6.