數字化轉型如何賦能制造業企業穩就業？

關鍵詞：數字化轉型；制造業；就業規模；穩就業

一、問題的提出

就業是民生之本，穩就業是保障和改善民生的根本舉措。黨的十八大以來，以習近平同志為核心的黨中央堅持把就業工作擺在治國理政的突出位置，強化就業優先政策，健全就業促進機制。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，“實施就業優先戰略。健全有利于更充分更高質量就業的促進機制，擴大就業容量，提升就業質量，緩解結構性就業矛盾。”同時，2023年《政府工作報告》也強調，“多措并舉穩就業促增收。”2024年5月27日，習近平總書記在中共中央政治局第十四次集體學習時強調，“促進高質量充分就業，是新時代新征程就業工作的新定位、新使命。”為實現穩定和擴大就業容量這一目標，需加快發展有利于吸納就業的重點企業和重要行業。制造業作為促進就業提質擴容的主力軍、吸納就業的重要渠道，不僅帶動了城鎮職工就業、吸納了大量城鎮化進程中轉移的農村剩余勞動力，而且還通過關聯效應創造了越來越多的就業崗位［1］。2012—2022年，中國制造業企業年平均帶動就業人數達4 500余萬人，是穩就業的主力支撐［2］。

近年來，中國高度重視制造業發展，為實現加快建設制造強國、推動傳統制造業向高端化、智能化、綠色化轉型升級的目標，采取了一系列政策措施。2023年12月28日，工業和信息化部等八部門聯合發布《關于加快傳統制造業轉型升級的指導意見》強調，“加快數字技術賦能，全面推動智能制造”“支持生產設備數字化改造，推廣應用新型傳感、先進控制等智能部件”“加快推動中小企業數字化轉型”。2024年5月11日，國務院審議通過的《制造業數字化轉型行動方案》指出，“制造業數字化轉型是推進新型工業化、建設現代化產業體系的重要舉措。”這些充分體現了黨中央對制造業數字化轉型的高度重視。基于此，制造業在高端化、智能化、綠色化轉型升級過程中是否還能釋放新的穩就業促就業潛力、創造更多高質量就業機會？在中國人口紅利逐步減弱和勞動力成本持續上漲的嚴峻背景下，如何統籌好制造業數字化轉型和穩就業之間的協同共進，推動制造業從用好人口紅利向用好數字紅利加速轉變，是值得深入思考的問題。

對于企業而言，數字化轉型是培育新質生產力、發展新經濟形態的重要驅動力。現有研究討論了數字化轉型對技術創新［3］、資本市場表現［4］、企業全要素生產率［5］、企業低碳發展［6］和勞動收入份額［7］ 等的影響。然而，探索數字化轉型對制造業企業就業規模影響的研究相對較少。國內外學者主要圍繞數字化轉型對整體勞動力市場的影響展開研究，并形成了三種主要觀點：第一種觀點是數字化轉型對就業具有積極的帶動作用［8-9］。數字技術在執行重復性和高風險任務方面的高效性能，使得企業能夠降低成本、提高生產率和產品質量。生產率的提高有可能導致產品和服務成本的降低，刺激消費需求增長，從而創造就業機會。第二種觀點是數字化轉型會對就業產生明顯的替代效應［10］。一方面，計算機模擬人類大腦的能力不斷提高，使數字技術能從事更為復雜和多樣的工作任務，甚至完成超越人類體力和智力極限的任務，極大地促進了數字化技術對傳統勞動力的替代［11］。另一方面，技術創新在短期內可能暫時提高對勞動力等生產要素的需求，但在長期來看，會對部分勞動力產生沖擊［12］。第三種觀點是數字化轉型存在“就業極化”現象［13-14］。隨著數字技術的發展，對高技能勞動力（如數據分析、軟件開發、人工智能、機器學習等領域的專業人才） 的需求增加，但對傳統的低技能勞動力的需求減少，特別是那些重復性高、可以通過機器自動化替代的勞動力。

通過文獻梳理發現，學術界對數字化轉型與就業的關系進行了廣泛討論，但仍有一些問題有待深入研究。由于指標構建和樣本選擇差異性，對于數字化轉型能否賦能穩就業這一問題，并未得出一致結論。即使一些文獻運用上市公司的樣本進行研究，但立足制造業企業特征，數字化轉型對穩就業的影響機制仍有待進一步研究。因此，本文基于2011—2022年中國A股制造業上市公司數據，運用文本挖掘技術測度數字化轉型程度，實證檢驗了數字化轉型對制造業企業就業規模的影響，從規模效應和生產率效應兩個方面分析了數字化轉型影響制造業企業就業規模的作用機制。本文的主要學術貢獻包括以下三個方面：首先，補充和拓展了有關制造業企業數字化轉型影響的研究成果。現有文獻主要關注制造業企業數字化轉型的環境效應和經濟效應，鮮有文獻分析其對企業就業的影響，且這一影響對中國擴大就業容量、提升就業質量至關重要。其次，聚焦制造業企業微觀主體，厘清了數字化轉型影響制造業企業就業規模的作用機制，并實證檢驗了規模效應和生產率效應兩種機制的存在，為全面了解數字化轉型的實施效果提供了新的經驗證據。最后，深入考察了制造業企業數字化轉型對不同崗位、員工受教育水平、企業規模、數字基礎設施水平和行業要素密集度等的就業影響差異性，為同類文獻提供了有益的補充和拓展。

二、理論分析與研究假設

數字化轉型反映了數字技術與實體經濟深度融合的過程，數字化轉型賦能是指以新一代信息技術為關鍵生產要素，以現代數據網絡為重要載體，有效運用數字技術作為提高效率的重要動力，激發企業創新和促進企業成長。數字化轉型作為推動制造業質量變革和效率變革的內在驅動力，能夠助力制造業企業穩就業［15］。首先，制造業企業通過數字化轉型，在生產全過程開展數字化研發、數字化生產、數字化管理、數字化運營和數字化銷售，能夠降低綜合成本，提高產品和服務質量，從而提高制造業企業競爭力。雖然在短期內可能會替代一部分傳統的、重復性高的低技能勞動力，但在長期來看，就業創造的效應將超過就業替代效應［16］。這是因為數字化轉型會提高企業生產率、降低產品生產成本和產品價格，擴大產出規模，從而促進企業勞動力需求增長，產生穩就業效應［17-18］。其次，制造業企業通過數字化轉型，實現了對要素投入數據的采集、整合和分析，有效解決了信息碎片化、不對稱和不完備等問題，提高了生產決策的科學性，促使制造業企業生產活動由經驗驅動向數據驅動轉變，提高了企業創新能力和生產率，促進企業勞動力需求增長［5，19］。數字化轉型也增強了制造業產業鏈供應鏈韌性，提高了制造業企業應對不確定性風險的能力。企業依托大數據技術及時發現市場需求，提升其市場敏感度，增強市場開拓力，從而促進企業勞動力需求增長［20］。最后，制造業數字化轉型以“大（大數據） 智（人工智能） 物（物聯網） 云（云計算） ”為技術核心，可以推動制造業通過發展新動能實現快速增長，促進制造業產業鏈各個環節的高度融合，形成新的數據變現模式，促進新產業、新業態的涌現，為制造業企業穩就業帶來新活力［21］。例如，制造業數字化轉型催生出工業互聯網、智能制造等新業態，增加了對人工智能工程技術人員、物聯網工程技術人員和量子算法工程師等高新技術領域的勞動力需求。基于此，本文提出如下假設：

假設1：數字化轉型能夠擴大制造業企業就業規模。

數字化轉型通過擴大產出規模擴大制造業企業就業規模。首先，利用機器學習和人工智能技術，企業可以預測市場需求、優化庫存管理并自動調整生產策略，不僅降低了庫存成本，還降低了生產中斷的風險［22］。其次，數字化轉型促進了供應鏈內部的協作［20］。通過數字化平臺，供應鏈上下游企業可以更緊密地協作，共享信息，共同制定生產計劃。這種合作不僅提高了整個供應鏈的運營效率，還使企業能夠迅速地應對市場變化。此外，數字化轉型還可以打破資源和信息的壁壘和界限，提升企業供應鏈上游供應商和下游客戶的信息傳播效率與協同水平，降低企業內部不同部門、不同環節和不同模塊之間的信息傳遞成本，實現資源最優配置，從而降低交易成本［23］。這種成本的降低允許企業在保持或提高利潤的同時，降低產品價格、提高市場競爭力，更高的市場競爭力會擴大產出規模，從而增加對各個環節勞動要素的投入［24］。同時，成本的降低為企業提供了資金，這部分資金可以用于投資新的生產技術或開發新產品，促使企業不斷應用數字技術和擴大產出規模，這些都可能會創造新的就業機會［3］。基于此，本文提出如下假設：

假設2a：數字化轉型通過擴大產出規模擴大制造業企業就業規模。

數字化轉型通過提高生產率擴大制造業企業就業規模。首先，信息理論認為，在數字化轉型過程中，企業利用大數據和云計算等數字技術對海量數據進行處理和分析，有效收集并處理零散和重復的數據，不僅為企業提供了更具傳播力的可用信息，而且隨著信息積累，企業在生產和銷售方面的決策能力進一步加強，從而推動生產率的持續提高［25］。另外，以大數據和云計算等為代表的數字技術，正深刻改變傳統制造業的生產制造和營銷服務［5］。隨著數字技術的應用，機器設備具有一定的識別和判斷能力，導致原有的研發設計、原料采購、生產制造和營銷服務等各環節得到優化，企業生產率也得到大幅度提高［26］。其次，勞動需求曲線理論認為，生產率的提高增加了市場工作崗位，對勞動力市場產生了極大的影響，從而導致對勞動力需求的增加［27］。以數據驅動型決策模式運營的企業，通過形成自動化數據鏈，推動生產制造各環節高效協同，降低了智能制造系統的復雜性和不確定性，其生產力能夠得到普遍提高［28］。數字化轉型程度較高的制造業企業利用云端存儲、區塊鏈等技術形成數據生產力，進一步釋放創新要素價值，提高企業研發強度，通過數智化改造促使數字技術應用于各生產經營環節中，逐漸形成企業內部創新的新范式和競爭優勢［29］。隨著企業研發創新能力的增強和先進數字技術的廣泛應用，企業生產率隨之提高，從而增加勞動力需求。基于此，本文提出如下假設：

假設2b：數字化轉型通過提高生產率擴大制造業企業就業規模。

三、研究設計

（一） 樣本選擇與數據來源

本文選取2011—2022年中國A股制造業上市公司為初始研究樣本，實證檢驗數字化轉型對制造業企業就業規模的影響。大部分企業的數字化轉型主要發生在2011年以后，所以選取2011年為研究起點。本文對樣本進行如下處理：剔除企業員工就業人數缺失及小于8人的樣本；剔除關鍵變量存在異常值的樣本；剔除關鍵變量存在缺失值的樣本；剔除經營狀況異常的樣本；保留具有連續三年觀測值的樣本。經過處理，最終得到22 998個觀測值的非平衡面板數據。上市公司數據主要來自CSMAR數據庫和Wind數據庫，地區層面的數據來自于歷年《中國統計年鑒》。

（二） 變量定義

⒈被解釋變量

本文的被解釋變量是制造業企業就業規模（labor），借鑒韓國高和何春黎［8］與馬雙等［30］的做法，用企業員工人數的自然對數衡量。

⒉核心解釋變量

本文的核心解釋變量是數字化轉型（DT），目前關于數字化轉型的定義和量化方法尚無統一標準，在衡量數字化轉型方面主要存在三種方法［31］：第一種是文本分析法，提取上市公司年報中與數字技術相關的關鍵詞的詞頻衡量數字化轉型的深度與廣度［4-5］。第二種是構建數字化轉型指數，以戰略引領、技術驅動、組織賦能、企業數字化成果及應用等作為一級指標構建指標體系衡量數字化轉型程度［32］。第三種是替代指標類，用上市公司財務報告附注披露的年末無形資產明細項中與數字化相關部分資產占無形資產總額的比例，作為數字化轉型的代理變量［33］。數字化轉型是當前企業提高核心競爭力的關鍵決策，其轉型特征更易于在上市公司年報中得以反映。上市公司年報可以揭示企業的戰略方向和對未來的規劃，也映射出企業的核心經營理念和在該指導思想下的發展方向。基于此，對上市公司年報中與“數字化轉型”相關詞匯的使用頻率進行分析，具有一定的可行性和科學性。因此，本文收集2011—2022年中國A股制造業上市公司年報，借鑒吳非等［4］的做法，構建企業數字化術語詞典，將詞匯擴充到Python的Jieba庫，統計人工智能、區塊鏈、云計算、大數據和數字技術應用五大方面詞匯出現的次數。為弱化異方差引起的偏置效應，進一步取該詞頻加1后的自然對數衡量數字化轉型。

⒊機制變量

本文的機制變量為產出規模（Output） 和生產率（TFP）。其中，產出規模用企業營業收入的自然對數衡量；生產率用企業全要素生產率衡量，本文運用OLS方法測算企業全要素生產率。

⒋控制變量

為進一步提高研究精度，本文選擇企業規模（size）、負債水平（lev）、企業年齡（age）、股權集中度（top）、產權性質（soe）、獨立董事占比（indratio）、流動比率（liquid）、資本密集度（ppe） 作為企業層面的控制變量；選擇經濟發展水平（gdp）、老齡化程度（old）、平均工資水平（avewage） 作為地區層面的控制變量。其中，企業規模（size） 用企業總資產的自然對數衡量；負債水平（lev） 用企業總負債與總資產之比衡量；企業年齡（age） 用樣本觀測值所在年份與企業成立年份之差加1后的自然對數衡量；股權集中度（top） 用第一大股東持股數量與總股本之比衡量；企業為國有企業時，產權性質（soe） 取值為1，否則為0；獨立董事占比（indratio） 用獨立董事人數與董事會總人數之比衡量；流動比率（liquid） 用企業流動資產與總資產之比衡量；資本密集度（ppe） 用企業固定資產與總資產之比衡量；經濟發展水平（gdp） 用企業注冊地所在省份的人均GDP的自然對數衡量；老齡化程度（old） 用企業注冊地所在省份的老年人撫養比衡量；平均工資水平（avewage） 用企業注冊地所在省份的職工平均工資的自然對數衡量。

（三） 模型構建

為檢驗數字化轉型對制造業企業就業規模的影響，本文構建如下基準回歸模型：

laborit = α0 + α1DTit + α2Xit + δi + φt + μit （1）

其中，laborit 為企業i在t年的就業規模，DTit 為企業i在t年的數字化轉型程度，Xit 為一系列控制變量，δi 為企業固定效應，φt 為年份固定效應，μit 為隨機干擾項。

（四） 描述性統計結果

本文主要變量的描述性統計結果如表1所示。由表1可知，制造業企業就業規模（labor） 的均值為7. 659，標準差為1. 179，最小值為2. 079，最大值為13. 250，表明各企業勞動力就業存在差異。數字化轉型（DT） 的均值為0. 940，標準差為1. 165，最小值為0，最大值為6. 358，表明大多數企業都進行了數字化轉型，但各企業的數字化轉型程度差異較大。其余變量的描述性統計結果均與相關研究類似。

四、實證結果分析

（一） 基準回歸結果

本文的基準回歸結果如表2所示。由表2可知，列（1） 為未加入控制變量的回歸結果，數字化轉型對制造業企業就業規模的回歸系數為0. 070，且在1%水平下顯著。列（2） 為加入控制變量后的回歸結果，數字化轉型對制造業企業就業規模的回歸系數為0. 015，且在1%水平下顯著。這表明數字化轉型顯著擴大了制造業企業就業規模，即數字化轉型賦能制造業企業更好發揮穩就業的主力軍作用。由此，假設1得以驗證。制造業企業引入了高度自動化和智能化技術，如機器人技術、物聯網、人工智能等，這些技術的實施大幅提高了生產率和產品質量，也增加了對設計、維護和操作這些先進設備的專業人員的需求，以及對專注于優化生產流程和供應鏈管理的數據分析師和系統工程師的需求。隨著制造業向智能制造的轉型，對依賴技術的高技能工作崗位的需求不斷增長，短期內數字化轉型對制造業企業就業的創造效應大于替代效應。

（二） 內生性問題

需要注意的是，數字化轉型和勞動力需求之間可能存在互為因果的關系，也就是說，那些勞動力需求較高、經濟效益較好的企業更積極地推進數字化轉型。鑒于這種可能的內生性問題，本文采取了一系列方法來嘗試消除這一問題，以確保研究結果的準確性。

⒈雙重差分法

借鑒張虎等［21］與衣長軍和趙曉陽［34］的做法，本文借助“寬帶中國”戰略這一外生政策沖擊構造準自然實驗，通過構建雙重差分模型考察數字化轉型的外生沖擊對制造業企業就業規模的影響。本文選取“寬帶中國”戰略的原因主要在于：數字化轉型會受到當地數字經濟發展水平的影響。數字化轉型的廣泛應用與當地的網絡傳輸速率和網絡覆蓋范圍密切相關，而“寬帶中國”戰略的目的是強化數字基礎設施建設和促進信息技術發展，這為數字化轉型提供了良好的技術保障。本文選取“寬帶中國”戰略中的城市作為研究的實驗組，并將其他城市定為控制組。在模型中，引入虛擬變量Treat，該變量對實驗組中的企業取值為1，對控制組中的企業則取值為0。同時，設置表示政策實施時間的虛擬變量Post，入選試點名單之前的年份取值為0，入選試點名單當年及以后年份取值為1。為深入分析政策實施對制造業企業就業規模的具體影響，構建交互項Post×Treat，通過考察交互項的系數觀察政策沖擊對制造業企業就業規模的影響。

雙重差分法回歸結果如表3所示。由表3可知，列（1） 只考慮了企業和年份固定效應，交互項的回歸系數為0. 064，且在1%水平下顯著。列（2） 加入了全部控制變量，交互項的回歸系數為0. 033，且在1%水平下顯著，表明數字化轉型顯著擴大了制造業企業就業規模。在采用雙重差分法緩解模型內生性后，數字化轉型依然能擴大制造業企業就業規模，進一步支持了本文的基準回歸結果。

⒉工具變量檢驗

為進一步緩解內生性的影響，本文使用工具變量法進行估計。本文借鑒屠西偉和張平淡［35］與李青原等［36］的做法，選擇1984年各地級市每百萬人郵局數量與上一年全國互聯網端口數的交互項作為數字化轉型的工具變量（IV）。一方面，數字化轉型依賴互聯網技術，而早期的郵電服務為互聯網的發展奠定了基礎。企業數字化發展水平很大程度上受到信息技術發展水平的制約，郵局較多的區域更有可能推動數字技術的發展，這些區域企業的數字化程度也更高，符合核心解釋變量的相關性要求。另一方面，郵電作為基礎公共設施，主要服務于民眾通訊需求，并不直接對企業勞動力需求產生影響，具有外生性，可以消除內生性問題帶來的影響。

工具變量的回歸結果如表4所示。由表4列（1） 可知，工具變量的回歸系數為0. 102，且在1%水平下顯著，表明工具變量和數字化轉型之間存在相關性。Kleibergen?Paap rk LM的統計量為47. 160 （P=0. 000），表明不存在工具變量識別不足的情況。Kleibergen?Paap rk Wald F統計量顯著大于Stock?Yogo弱工具變量檢驗臨界值，因而工具變量不存在弱識別問題。綜上，工具變量的選擇具有合理性。由列（2） 可知，數字化轉型對制造業企業就業規模的回歸系數為0. 573，且在1%水平下顯著，表明工具變量的回歸結果依然支持基準回歸結果。

（三） 穩健性檢驗①

⒈替換解釋變量衡量方式

本文改變數字化轉型的衡量方式：一是用華東師范大學研究團隊與CSMAR團隊合作發布的《中國上市公司數字化轉型研究數據庫》中的數字化轉型指數（DT1） 衡量本文解釋變量。二是用數字化資產與無形資產之比（DT2） 衡量本文解釋變量。替換解釋變量衡量方式的回歸結果顯示，數字化轉型能夠擴大制造業企業就業規模，證實本文基準回歸結果是穩健的。

⒉其他穩健性檢驗

為檢驗回歸樣本的敏感性并確保研究結果的穩健性，本文還進行了如下操作：引入省份固定效應、省份與年份交互效應，以緩解數字化轉型可能引起的宏觀系統性環境變化；為處理可能存在的因果關系混淆問題，將解釋變量滯后一期；將非平衡面板數據轉化為平衡面板數據。回歸結果顯示，本文基準回歸結果是穩健的。

（四） 異質性分析

⒈員工就業崗位

Autor等［37］ 認為，數字化轉型能夠促進對數字技術具有互補性的非常規任務崗位數量的增加，這些崗位通常要求從事復雜的認知分析和人際互動，如涉及技術分析和銷售策略的工作。同時，數字化轉型也可能導致常規任務崗位數量的減少，如那些重復性高且技術要求低的粗放型生產任務。為進一步檢驗數字化轉型對不同崗位就業的影響，本文把企業員工分為生產人員、銷售人員、技術人員和管理人員，考察數字化轉型對不同崗位就業的影響，回歸結果如表5所示。由表5可知，數字化轉型對企業就業的促進作用主要體現在銷售人員、技術人員和管理人員上。數字化轉型帶來了新的銷售渠道和平臺（如電子商務），需要銷售人員和管理人員進行客戶服務、市場開拓、在線交易管理和監督技術實施。對于生產人員而言，數字化轉型的影響在統計上不顯著，即數字化轉型對生產人員沒有明顯影響。這表明數字化轉型能夠創造非常規任務崗位的就業，并且綜合所有崗位來看，創造效應超過了替代效應，凈效應為正。

⒉員工受教育水平

與高受教育水平員工相比，低受教育水平員工是否更有可能受到數字化轉型的沖擊？本文將企業員工受教育水平分為研究生及以上學歷、本科學歷、專科學歷、高中及以下學歷，進一步考察數字化轉型對不同受教育水平員工就業的影響，回歸結果如表6所示。由表6可知，數字化轉型會增加研究生及以上學歷、本科學歷、專科學歷的勞動力需求，而對高中及以下學歷的勞動力沒有顯著影響。具體來說：伴隨數字化轉型進程的不斷深入，對于能夠設計、維護和優化新系統的專業人才需求不斷增加，而這些專業人才通常具有更高的受教育水平。如前所述，受要素替代效應影響，無論是高受教育水平員工還是低受教育水平員工，其相對要素價格都將下降。當企業對勞動力有需求時，更加傾向于招聘高受教育水平員工。對于高中及以下學歷的勞動力，可能需要進一步的培訓和教育支持提升其技能，使其能夠適應數字化轉型帶來的新崗位需求，技能的提升不僅增強了員工的個人能力，也提高了整個勞動市場的競爭力。

⒊其他異質性分析

上述異質性分析主要是基于勞動力差異，考慮到不同勞動力市場結構存在較大差異，本文也從企業規模、數字基礎設施水平、行業要素密集度等三個方面進行分組檢驗，進一步考察數字化轉型對制造業企業就業規模的異質性影響。

由于不同規模的企業在研發創新、融資能力和競爭優勢等方面存在差異，大型企業和中小型企業受到數字化轉型的影響可能不同。按照國家統計局發布的《統計上大中小微型企業劃分辦法（2017）》，將樣本劃分為大型企業和中小型企業。表7列（1） 和列（2） 是數字化轉型對不同規模企業就業的回歸結果。在中小型企業中，數字化轉型對制造業企業就業規模的回歸系數為0. 001，但不顯著。在大型企業中，數字化轉型對制造業企業就業規模的回歸系數為0. 014，且在1%水平下顯著。可能的原因是，大型企業作為數字化轉型的先行軍，擁有充足的資源推動數字化轉型，在運營上更加靈活，能夠快速應對數字化時代帶來的挑戰和機遇，調整其生產研發和產品市場策略，從而加速其商業模式的數字化改革。數字化轉型在大型企業的生產監管、業務變革和組織運營等方面創造數字紅利，從而為穩就業帶來顯著的賦能效果。對于中小型企業來說，由于其資金和人力資源的限制，調整和實施數字化轉型策略所需的時間通常較長，因而在短期內對制造業企業就業規模的影響不顯著。

堅實的數字基礎設施是制造業企業數字化轉型的重要載體。當地數字基礎設施建設會顯著影響企業的數字化轉型，不同地區數字基礎設施建設水平的差異也會影響數字化轉型對制造業企業就業規模的促進作用。因此，本文借鑒黃勃等［38］的做法，根據企業所在地區人均互聯網寬帶接入端口的中位數，將樣本分為高數字基礎設施地區和低數字基礎設施地區，分別考察不同數字基礎設施水平下數字化轉型對制造業企業就業產生的差異性影響，回歸結果如表7列（3） 和列（4） 所示。由結果可知，不同數字基礎設施水平下數字化轉型對制造業企業就業的影響有所不同。對高數字基礎設施地區而言，數字化轉型對制造業企業就業規模的回歸系數為0. 017，且在1%水平下顯著。對低數字基礎設施地區而言，數字化轉型對制造業企業就業規模的回歸系數為0. 007，但不顯著。這表明在高數字基礎設施地區，企業能夠充分利用當地的技術環境與和基礎設施，更好地發揮數字化轉型對制造業企業的穩就業效應。一方面，在高數字基礎設施地區，網絡覆蓋廣泛、數據傳輸速度快、信息技術服務成熟等因素可能會提高企業采納新技術的能力和效率，有利于企業更好地利用數字技術優化生產流程、提高生產率，從而促進勞動力需求增長。另一方面，政府在高數字基礎設施地區可能提供更多關于技術創新和數字化轉型的支持，如稅收優惠、技術創新補貼等，一定程度上鼓勵企業擴大投資和增加就業。未來應加強低數字基礎設施地區的建設，加大對網絡、數據中心等信息化基礎設施的投入，確保制造企業數字化運作的高效和安全，提升整體的數字化水平。

為考察不同要素密集度行業是否會導致制造業企業就業人數的差異，本文將樣本分為勞動密集型企業、資本密集型企業和技術密集型企業，回歸結果如表7列（5） —列（7） 所示。由結果可知，數字化轉型對勞動密集型企業就業規模的回歸系數為0. 016，但不顯著；對資本密集型企業就業規模的回歸系數為-0. 004，但不顯著；對技術密集型企業就業規模的回歸系數為0. 018，且在1%水平下顯著。產生這一結果的原因可能是制造業中大部分為醫藥、航空航天、計算機、通信和其他電子設備制造業等技術密集型企業，其更依賴于先進的機器、復雜工藝和高級技術，對數字化轉型的需求更大，這種數字紅利能夠擴大技術密集型企業的勞動力就業規模。勞動密集型企業通常側重于傳統的、低技術含量的產品和服務，對勞動者技能水平要求相對較低，因而數字化轉型對勞動密集型企業的就業促進效應不夠明顯。資本密集型企業數字化轉型的就業規模擴大效應不明顯，這可能是因為資本密集型企業在進行數字化轉型時，更多地追求成本效益的提升，對人力資本的投入較少，因而對就業規模沒有顯著的促進作用。

（五） 機制分析

前文分析認為，數字化轉型會通過擴大產出規模、提高生產率對制造業企業就業規模產生促進作用。盡管引進新技術會對傳統就業崗位產生不利影響，但這種情況往往會隨著產出增長帶來的積極創新效果得到緩解。應用人工智能和自動化技術能夠提高生產率，使得企業擴大生產規模，最終將促使對勞動力的需求增加［19］。為進一步檢驗數字化轉型對制造業企業就業規模的作用機制，本文借鑒胡山和余泳澤［39］的做法，構建如下機制模型：

其中，M為機制變量，包括產出規模和生產率。

機制檢驗結果如表8 所示。由表8 列（1） 可知，數字化轉型對產出規模的回歸系數為0. 013，且在1%水平下顯著，即數字化轉型的實施會顯著擴大產出規模，假設2a得以驗證。這表明數字化轉型通過引入先進的技術和工具，顯著地擴大了企業的產出規模，隨著產出的擴大，企業對專業技能和普通勞動力的需求也相應增加，從而為勞動者創造了就業機會。由列（2） 可知，數字化轉型對生產率的回歸系數為0. 011，且在1%水平下顯著，即數字化轉型能夠顯著提高制造業企業的生產率水平，假設2b得以驗證。

五、研究結論與政策建議

（一） 研究結論

數字技術與實體經濟深度融合被視為推動中國經濟從高速增長轉向高質量發展的關鍵驅動力，厘清數字化轉型與制造業企業就業規模的內在邏輯，能夠為中國從人口紅利邁向數字紅利提供一個全新的分析視角。基于此，本文基于2011—2022年中國A股制造業上市公司數據，利用上市公司年報并采用文本分析法評估企業層面的數字化轉型程度，從理論與實證兩個層面，全面分析數字化轉型對制造業企業就業規模的影響及作用機制。研究發現：第一，數字化轉型對制造業企業就業規模具有促進作用，這一結論在進行一系列穩健性檢驗后仍然成立。第二，數字化轉型對制造業企業就業規模的促進作用主要集中在非常規任務崗位和高受教育水平員工就業上，且數字化轉型更有助于擴大大型企業、高數字基礎設施水平地區企業和技術密集型企業的就業規模。第三，在影響機制方面，數字化轉型可以通過擴大產出規模、提高生產率擴大制造業企業就業規模。

（二） 政策建議

基于上述研究結論，本文提出如下政策建議：

其一，制造業企業應抓住數字化轉型的契機，充分發揮數字化轉型的就業帶動作用。制造業企業應加大對數字技術的投資與應用，重點關注云計算、大數據、人工智能等前沿技術，鼓勵制造業企業內部創新，建立持續的技術革新機制，以適應不斷變化的市場環境。制造業企業應與供應鏈伙伴、客戶、學術機構等共同構建數字化生態系統，通過合作創新促進就業機會增加。另外，圍繞汽車、工程機械和軌道交通裝備等優勢領域，開展關鍵技術和先進制造工藝集成應用，加快數字化車間和智能工廠建設，推動制造業企業數字化轉型賦能高質量就業。

其二，政府應通過一系列體制機制改革，為中小型制造業企業、低數字基礎設施水平地區的制造業企業和勞動密集型制造業企業實施數字化轉型優化數字化發展環境、完善產業政策和配套設施。一方面，政府需要制定扶持政策，加大對制造業企業數字化轉型的資本投入，為制造業企業數字化轉型注入“源頭活水”。特別是針對中小型制造業企業和低數字基礎設施水平地區的制造業企業，發揮政府專項資金支持作用，拓寬融資渠道，創新金融服務，為制造業企業降低轉型成本提供有力保障。另一方面，加大數字化轉型的宣傳力度，實現企業戰略與政府政策的有效銜接，將制造業企業數字化轉型成效納入地方商業環境評估，充分發揮引領作用，帶動社會資本內外聯動，全面助推制造業企業數字化轉型。

其三，通過完善社會保障制度緩解就業替代效應，加強教育培訓、提升就業能力。為緩解數字化轉型對低技能勞動力的替代效應，應加強就業市場的供需匹配效應，促進勞動力轉崗再就業，還應加強就業困難群體的援助幫扶，進一步完善失業保障制度，將符合條件的生活困難的失業人員及家庭及時納入低保等社會救助范圍。此外，應加大全社會人力資本投資，通過實施有針對性的教育培訓計劃，提升勞動力市場的整體素質，特別關注那些受數字化轉型沖擊較大的低技能勞動力，支持制造業企業大力開展職工在崗培訓。同時，加大數字人才培育力度，建立多層次數字人才培養機制，提升數字化專業人才技能素質。