數(shù)字經(jīng)濟、就業(yè)與勞動收入增長

羅小芳 王素素

摘要：以大數(shù)據(jù)、云計算、人工智能、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)與產(chǎn)業(yè)融合催生了數(shù)字金融、遠(yuǎn)程教育、在線醫(yī)療、平臺經(jīng)濟等新業(yè)態(tài)新模式，正在加速改造傳統(tǒng)產(chǎn)業(yè)，重新塑造行業(yè)企業(yè)的競爭優(yōu)勢，深刻影響著社會就業(yè)與勞動者的收入增長?；谥袊彝プ粉櫿{(diào)查（CFPS）數(shù)據(jù)的實證研究表明，中國東部地區(qū)數(shù)字經(jīng)濟發(fā)展水平最高，中部、西部及東北地區(qū)均未達(dá)到全國平均水平，整體而言中國數(shù)字經(jīng)濟綜合發(fā)展水平仍然較低。數(shù)字經(jīng)濟能夠提高勞動收入，對不同群體的收入增長均有促進(jìn)作用，對低收入群體的勞動收入提升作用更大。不可否認(rèn)，數(shù)字經(jīng)濟對于各群體的收入均有正向影響，對低收入群體的影響更大，這意味著數(shù)字經(jīng)濟表現(xiàn)出一定的普惠性，有利于縮小勞動者的收入差距。提高數(shù)字經(jīng)濟的發(fā)展水平是一個比較復(fù)雜的系統(tǒng)工程，政府要發(fā)揮引導(dǎo)與幫扶作用，加大數(shù)字基礎(chǔ)建設(shè)投入和勞動者的人力資本投入，加強產(chǎn)業(yè)與數(shù)字技術(shù)的融合，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。

關(guān)鍵詞：數(shù)字經(jīng)濟;產(chǎn)業(yè)融合;社會就業(yè);勞動收入

基金項目：國家社會科學(xué)基金項目“高質(zhì)量發(fā)展下制造業(yè)技術(shù)創(chuàng)新提升價值鏈的組織模式研究”（19BJL090）

中圖分類號：F124? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：1003-854X（2021）11-0005-10

一、引言與文獻(xiàn)綜述

近年來，全球經(jīng)濟增長乏力，全球化趨勢出現(xiàn)新的動向，大國博弈格局下中美貿(mào)易摩擦升級，2020年的疫情更是令全球經(jīng)濟復(fù)蘇雪上加霜。雖然中國的疫情得到有效控制，但是經(jīng)濟增長速度趨緩，國外出口需求下降，就業(yè)面臨著嚴(yán)峻考驗，經(jīng)濟復(fù)蘇與勞動收入的增長迫切需要找到新的增長點。而數(shù)字經(jīng)濟發(fā)展表現(xiàn)出驚人的活力，全球10% 的消費品零售已經(jīng)轉(zhuǎn)向互聯(lián)網(wǎng)，全球40%的廣告支出轉(zhuǎn)向數(shù)字渠道。2018年中國數(shù)字經(jīng)濟產(chǎn)值占GDP的34.8%，數(shù)字經(jīng)濟領(lǐng)域就業(yè)崗位占當(dāng)年總就業(yè)人數(shù)的24.6%，在全國總就業(yè)率下降的形勢下逆向增長11.5%。數(shù)字經(jīng)濟與傳統(tǒng)經(jīng)濟正加速融合，它對收入分配帶來的是“數(shù)字鴻溝”還是“數(shù)字紅利”？數(shù)字要素如何參與收入分配？數(shù)字化技術(shù)是否必然導(dǎo)致勞動就業(yè)的減少而不利于勞動收入的增長，而數(shù)字化技術(shù)的運用是否會導(dǎo)致勞動收入差距的進(jìn)一步加大？研究這些問題對于減少貧困與縮小收入差距，真正讓勞動收入得以穩(wěn)步提高，都具有重要的理論價值和現(xiàn)實意義。

數(shù)字經(jīng)濟概念產(chǎn)生于互聯(lián)網(wǎng)經(jīng)濟、信息經(jīng)濟，1995年在Don Tapscott所著的《數(shù)字經(jīng)濟：智力互聯(lián)時代的希望與風(fēng)險》中出現(xiàn)，1998年美國商務(wù)部發(fā)布了《新興的數(shù)字經(jīng)濟報告》，數(shù)字經(jīng)濟的提法逐漸普及。數(shù)字經(jīng)濟涉及到社會經(jīng)濟領(lǐng)域的方方面面，以大數(shù)據(jù)、云計算、人工智能、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)與產(chǎn)業(yè)融合，催生了數(shù)字金融、遠(yuǎn)程教育、在線醫(yī)療、平臺經(jīng)濟等新業(yè)態(tài)新模式，數(shù)字技術(shù)賦能傳統(tǒng)產(chǎn)業(yè)，使得數(shù)字經(jīng)濟成為各產(chǎn)業(yè)發(fā)展的新動能，重新塑造了行業(yè)企業(yè)的競爭優(yōu)勢。在中國這樣一個人口大國，數(shù)字技術(shù)對就業(yè)與收入增長都帶來了深刻而廣泛的影響，受到學(xué)界的高度關(guān)注。

一是數(shù)字經(jīng)濟與收入差距的研究。數(shù)字經(jīng)濟是信息技術(shù)與經(jīng)濟的融合，包括數(shù)字產(chǎn)業(yè)與產(chǎn)業(yè)數(shù)字化，幾乎涉及社會經(jīng)濟的所有領(lǐng)域，既有文獻(xiàn)主要是從數(shù)字經(jīng)濟的某個維度展開研究與探索，研究熱點在于人工智能技術(shù)、數(shù)字產(chǎn)業(yè)化、數(shù)字金融對勞動及其收入差距帶來的影響。一些文獻(xiàn)認(rèn)為數(shù)字化技術(shù)加劇了收入差距，特別是由于工業(yè)智能化、城鄉(xiāng)互聯(lián)網(wǎng)普及率的差異進(jìn)一步拉大了城鄉(xiāng)收入上的差距①;勞動力市場內(nèi)部收入差距拉大，人工智能技術(shù)的推廣使得勞動力市場兩極化，擴大了勞動者內(nèi)部的收入差距②。由于技能型崗位的就業(yè)人數(shù)增加，競爭更加激烈，工資下行壓力持續(xù)加大，在收入分配上對高學(xué)歷高技能勞動者群體不斷傾斜③，青年群體更容易從數(shù)字經(jīng)濟發(fā)展中受益，數(shù)字經(jīng)濟紅利偏向于受教育程度高的群體④。數(shù)字經(jīng)濟對農(nóng)業(yè)類工作產(chǎn)生了負(fù)向影響，但是，對非農(nóng)就業(yè)，特別是非正規(guī)就業(yè)具有顯著的促進(jìn)作用，并且對創(chuàng)業(yè)者也產(chǎn)生了積極影響。此外，數(shù)字普惠金融的發(fā)展顯著地縮小了城鄉(xiāng)收入差距⑤。

二是關(guān)于數(shù)字經(jīng)濟與收入增長關(guān)系的研究。一方面，數(shù)字經(jīng)濟可以拓寬勞動者增收渠道，因為數(shù)字金融的發(fā)展對于農(nóng)村家庭的創(chuàng)業(yè)行為有正向影響，有助于提升農(nóng)村家庭收入⑥。此外，數(shù)字金融在為個人和小企業(yè)提供融資渠道方面能夠發(fā)揮重要作用，可以促進(jìn)創(chuàng)業(yè)和收入增長⑦。從整體效應(yīng)來看，數(shù)字金融顯著提升了我國城鄉(xiāng)居民人均可支配收入⑧，并且，對東部地區(qū)城鎮(zhèn)和農(nóng)村居民人均可支配收入的提升效果要顯著大于中部、西部地區(qū)⑨。而新興消費、“長尾效應(yīng)”催生了越來越多體制外、跨行業(yè)的就業(yè)崗位，打破了許多傳統(tǒng)行業(yè)的固有模式和業(yè)務(wù)范式，降低了諸多職業(yè)從業(yè)者的門檻⑩。另一方面，數(shù)字經(jīng)濟對于勞動收入的增長存在一定的負(fù)面影響。比如，工業(yè)智能化降低了農(nóng)業(yè)轉(zhuǎn)移人口的收入水平與工作的穩(wěn)定性{11}。

三是數(shù)字經(jīng)濟影響勞動收入的機理分析。（1）數(shù)字經(jīng)濟通過提高就業(yè)與創(chuàng)業(yè)幾率帶來收入增長。大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等信息技術(shù)的運用與中國巨大的市場規(guī)模相結(jié)合，促進(jìn)數(shù)字支付、共享經(jīng)濟、平臺經(jīng)濟、跨境電商等新模式新業(yè)態(tài)日益壯大，促進(jìn)了就業(yè)與收入增長。（2）數(shù)字技術(shù)對勞動的替代性影響。人工智能技術(shù)對于勞動既有替代效應(yīng)，也有補償效應(yīng){12}。從短期來看，過去幾十年自動化對人類勞動產(chǎn)生了替代效應(yīng)，但是從長期來看對補償性工作產(chǎn)生了引致需求{13}。人工智能技術(shù)對不同技能勞動以及相對工資（收入不平等）的影響，在一定程度上取決于勞動替代性是部分替代還是完全替代。人工智能技術(shù)造成一部分勞動崗位的縮減，不利于收入增長，但數(shù)字技術(shù)的普及又會帶來一些行業(yè)生產(chǎn)規(guī)模的擴大，從而增加勞動需求，有利于收入增長。（3）產(chǎn)品需求彈性對于技術(shù)的就業(yè)效應(yīng)具有調(diào)節(jié)作用，如果需求是富有彈性的，技術(shù)變化會帶來就業(yè)增長與收入增長{14}。雖然自動化與高技能勞動力互補，與低技能勞動力是替代關(guān)系，從而導(dǎo)致非自愿性低技能失業(yè){15}，但是，低技能勞動力也受益于技術(shù)進(jìn)步，只不過其受益程度低于高技能勞動力{16}。（4）產(chǎn)業(yè)數(shù)字化帶來的技術(shù)進(jìn)步對勞動就業(yè)的影響具有不確定性，技術(shù)進(jìn)步在不同的國家其偏向性不同，美國的數(shù)字技術(shù)偏向于資本，而中國的數(shù)字技術(shù)偏向于勞動。中國第三產(chǎn)業(yè)數(shù)字化發(fā)展最快，第三產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的一個重要特征是服務(wù)業(yè)可貿(mào)易性增強，能夠促進(jìn)勞動生產(chǎn)率進(jìn)一步提高，從而增加勞動收入{17}。

綜上所述，既有文獻(xiàn)是從數(shù)字金融、人工智能、自動化技術(shù)影響就業(yè)及收入等層面展開分析的，主要有以下幾個特點：第一，基于數(shù)字經(jīng)濟的某個維度——數(shù)字金融、人工智能、互聯(lián)網(wǎng)水平的分析，而不是對數(shù)字經(jīng)濟發(fā)展水平作出綜合測度，因而也就無法綜合評價數(shù)字經(jīng)濟對于就業(yè)與收入的影響。第二，國內(nèi)學(xué)者大多采用省級層面的數(shù)據(jù)而不是微觀個體數(shù)據(jù)，其研究結(jié)論是對省級層面收入均值的分析，主要反映數(shù)字經(jīng)濟對于不同省份平均收入的影響。本文主要在以下幾個方面有所改進(jìn)：第一，從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)、數(shù)字化應(yīng)用、數(shù)字公共服務(wù)四個維度構(gòu)建測度數(shù)字經(jīng)濟的指標(biāo)體系，并測算了我國30個省份2014—2018年的數(shù)字經(jīng)濟綜合指數(shù)，實證結(jié)論在一定程度上體現(xiàn)了數(shù)字經(jīng)濟對于收入的綜合性影響。第二，在測算數(shù)字經(jīng)濟綜合指數(shù)時采用了動態(tài)權(quán)重而不是靜態(tài)權(quán)重的計算方法，即采用“縱橫向”拉開檔次法對各二級指標(biāo)的權(quán)重進(jìn)行動態(tài)測度，其測算結(jié)果更客觀合理。第三，構(gòu)建了數(shù)字經(jīng)濟影響勞動收入的機理模型，并采用勞動者個體微觀層面數(shù)據(jù)檢驗了數(shù)字經(jīng)濟影響收入增長的中介機制，有別于采用省級層面數(shù)據(jù)的均值分析方法。

二、理論模型設(shè)計

目前來看，數(shù)字經(jīng)濟對于勞動的影響具有不確定性。一方面，數(shù)字技術(shù)的進(jìn)步將取代很多工作崗位，導(dǎo)致更高的失業(yè)率和更大的不平等。據(jù)估算，約占美國總就業(yè)人數(shù)47%的職業(yè)在未來一兩個10年內(nèi)面臨著被計算機化的風(fēng)險。另一方面，數(shù)字技術(shù)、自動化技術(shù)的發(fā)展創(chuàng)造了大量的新工作崗位。R. E. D. Vera（2006）對菲律賓11個行業(yè)的研究表明，電子商務(wù)在2000—2005年期間減少了1202個就業(yè)崗位，但卻創(chuàng)造了21298個新就業(yè)崗位{18}。英國政府在鼓勵電子商務(wù)投資后，在2000年成功地使男性和女性的自主創(chuàng)業(yè)人數(shù)分別增加了4.73%和19.06%。G. Domini等（2020）在研究法國制造業(yè)企業(yè)投資數(shù)字化技術(shù)對就業(yè)的影響時，發(fā)現(xiàn)數(shù)字化技術(shù)通過降低相應(yīng)公司的離職率來提升同期的就業(yè)水平{19}。如果數(shù)字經(jīng)濟偏向于勞動，那么就業(yè)增加，勞動收入將會上升。我們借鑒D. Acemoglu（2007）的要素增強型生產(chǎn)函數(shù)，解釋在一定的條件約束下數(shù)字經(jīng)濟的發(fā)展如何增加就業(yè)提高工資收入的機理{20}。

假設(shè)一個經(jīng)濟體只生產(chǎn)一種最終產(chǎn)品，在生產(chǎn)過程中使用兩種要素L和K，L表示勞動，K表示資本。所有經(jīng)濟主體的偏好都用最終產(chǎn)品的消費來衡量，而要素供給總量是無彈性的，令勞動總量為L，資本總量為K，L∈R+，K∈R+。該經(jīng)濟體由全部的企業(yè)i組成，i∈Φ，Φ是連續(xù)集。企業(yè)提供最終產(chǎn)品，每個企業(yè)有相同的生產(chǎn)函數(shù)，實際總產(chǎn)量為G（L，K），生產(chǎn)要素的使用由企業(yè)決定，生產(chǎn)中采用的技術(shù)θ為二維變量，設(shè)θ=（θL，θK），且θ=（θL，θK）∈R2+，技術(shù)由技術(shù)生產(chǎn)者提供，在數(shù)字經(jīng)濟下技術(shù)變化會改變勞動要素的投入。

假設(shè)生產(chǎn)函數(shù)為要素增強型，總產(chǎn)量為G（L，K，θ）=G（θLL，θKK），G在L、K上是連續(xù)的、二階可微、凹的，且在L、K上是同位函數(shù)。

進(jìn)一步地，可以設(shè)生產(chǎn)函數(shù)為：

G（L，K，θ）=[α（θLL）+（1-α）（θKK）]（1）

公式（1）中的α為要素L的分配比例，（1-α）為要素K的分配比例，σ是要素L和K的替代彈性。

σ=∣θ/θ（2）

公式（2）可以寫成另一種形式：

=（2'）

生產(chǎn)技術(shù)θL、θK的成本C（θL，θK）在θL、θK是連續(xù)的、二階可微、凸的同位函數(shù)，出于簡便的目的，可以將生產(chǎn)θL和θK的成本設(shè)為θL1+δ、θK1+δ，δ>0，可見技術(shù)具有報酬遞減特征。記C（θL，θK）的一階導(dǎo)數(shù)為CL、CK，則有：

CL==（1+δ）θLδ（3）

CK==（1+δ）θKδ（4）

==（5）

可得：

δ=（6）

G（L，K，θ）=[α（θLL）+（1-α）（θKK）]-（θL1+δ+θK1+δ）（7）

均衡技術(shù)θL*、θK*滿足公式（7）的一階條件，可得如下方程式：

=（）（）（8）

將（8）式可以改寫為：

=（9）

當(dāng)σ>1，=>0（10）

且=>0（11）

公式（10）、（11）說明當(dāng)σ>1時，技術(shù)θL相對變化的方向與L的相對變化是同向增長的，也就是說技術(shù)是偏向于勞動力的，并且促進(jìn)了就業(yè)的增長與工資的提升。

三、數(shù)字經(jīng)濟綜合指數(shù)的測度

本文旨在分析數(shù)字經(jīng)濟發(fā)展水平對于提高勞動收入的影響，為此需要對數(shù)字經(jīng)濟發(fā)展水平進(jìn)行測度。目前有多種數(shù)字經(jīng)濟的測度方法，每一種測算方法的指標(biāo)體系各有千秋。阿里研究院從數(shù)字基礎(chǔ)設(shè)施、數(shù)字消費者、數(shù)字產(chǎn)業(yè)生態(tài)、數(shù)字公共服務(wù)、數(shù)字科研五個維度，每個維度各占20%的權(quán)重對2018年全球數(shù)字經(jīng)濟發(fā)展指數(shù)進(jìn)行了測算;騰訊從數(shù)字產(chǎn)業(yè)、數(shù)字文化、數(shù)字生活、數(shù)字政務(wù)四個維度測算了2019年“數(shù)字中國指數(shù)”;上海社會科學(xué)院構(gòu)建的2017全球數(shù)字經(jīng)濟競爭力指數(shù)是由數(shù)字基礎(chǔ)設(shè)施競爭力、數(shù)字產(chǎn)業(yè)競爭力、數(shù)字創(chuàng)新競爭力、數(shù)字治理競爭力四個維度復(fù)合計算而成的。在參考上述測算方法的基礎(chǔ)上，結(jié)合本文的研究目的，并考慮到數(shù)據(jù)的可得性，本文設(shè)計了數(shù)字經(jīng)濟綜合指數(shù)的指標(biāo)體系。數(shù)字經(jīng)濟綜合指數(shù)由數(shù)字基礎(chǔ)設(shè)施指數(shù)（D1）、數(shù)字化應(yīng)用指數(shù)（D2）、數(shù)字產(chǎn)業(yè)發(fā)展指數(shù)（D3）與數(shù)字公共服務(wù)指數(shù)（D4）這4個一級指標(biāo)、16個二級指標(biāo)構(gòu)成，具體設(shè)計參見表1。在二級指標(biāo)中，2014—2018年的網(wǎng)上政務(wù)能力數(shù)據(jù)來源于中共中央黨校（國家行政學(xué)院）電子政務(wù)研究中心的歷年評估結(jié)果《省級政府和重點城市網(wǎng)上政務(wù)能力調(diào)查評估報告》，其他數(shù)據(jù)均來自2014—2018年的《中國統(tǒng)計年鑒》。

數(shù)字經(jīng)濟綜合指數(shù)（dig）由表1的二級指標(biāo)加權(quán)計算生成，為此先要計算各個二級指標(biāo)的權(quán)重。對于權(quán)重賦值的確定，學(xué)術(shù)界大多采用靜態(tài)的權(quán)重值的計算方法，比如熵值法、主成分法等，然而，考慮到表1中的指標(biāo)具有三維特征，并且數(shù)字經(jīng)濟各方面在不同年份可能存在非均衡變化，因此，本文采用動態(tài)權(quán)重的評價方法——“縱橫向”拉開檔次法{21}。該方法的優(yōu)點在于能夠客觀反映各指標(biāo)的變化情況，充分利用數(shù)據(jù)自身的信息，因而使得綜合指標(biāo)的測度結(jié)果更合理準(zhǔn)確。

對于某一確定的年份t，假設(shè)各省數(shù)字經(jīng)濟動態(tài)的綜合指數(shù)為：

yi=wjzij（12）

公式（12）中，i表示省份，i=1，2，…30，j表示二級指標(biāo)，j=1，2，…16。yi表示i省數(shù)字經(jīng)濟綜合指數(shù)，zij表示i省第j個二級指標(biāo)值，wj為二級指標(biāo)zij的權(quán)重。

為了減少量綱的差異，對zij進(jìn)行歸一化處理。由于zij都是正向型指標(biāo)，歸一化后的向量為：

xj=…=x1jx2j…x30j

下面計算xij的權(quán)重wj。{xij}是經(jīng)過上面歸一化處理后的指標(biāo)，xij的總離差可以表示為：

e2=（yi-y）=（wjzij-y）2

令，y=wjxij

那么，e2=Σy2i=（WX）f（WX）=WfHW

其中，W=（w1，w2，…，w16）f，H=XfX是對稱矩陣，

X=x1，1…x1，16…x30，1…x30，16

當(dāng)W為矩陣H的最大特征值所對應(yīng)的特征向量時，e2取最大值，則最能體現(xiàn)各評價指標(biāo)的差異程度。

最后，運用Matlab2015b軟件求出H的最大特征值及特征向量，從而得到我國30個省份2014—2018年16個二級指標(biāo)的權(quán)重，計算結(jié)果參見表1。根據(jù)這些權(quán)重值，再計算出每一年各省份數(shù)字經(jīng)濟綜合指數(shù)，計算結(jié)果參見表2。表2列出了2014—2018年我國30個省、市、自治區(qū)和4大區(qū)域以及全國平均的數(shù)字經(jīng)濟綜合指數(shù)（由于西藏數(shù)據(jù)缺失，故不包括西藏）。

從表2和圖1來看，2014—2018年全國數(shù)字經(jīng)濟綜合指數(shù)與數(shù)字經(jīng)濟發(fā)展?fàn)顩r相符，表明本文的測算方法合理。全國數(shù)字經(jīng)濟綜合指數(shù)有小幅波動，但表現(xiàn)出平穩(wěn)增長趨勢。東部地區(qū)的數(shù)字經(jīng)濟綜合指數(shù)有所下降，但仍然是全國最高水平，并遠(yuǎn)超其他地區(qū)，而中部、西部以及東北部均未達(dá)到全國平均水平。不過，中部、西部地區(qū)的數(shù)字經(jīng)濟發(fā)展水平不斷上升，發(fā)展趨勢良好，而東北部是唯一出現(xiàn)下降趨勢的區(qū)域，這個現(xiàn)象應(yīng)該引起重視。從表2可以看出，在各省、市、自治區(qū)中，北京的數(shù)字經(jīng)濟水平最高，上海居于第二位，廣東居于第三位，而甘肅、新疆、青海、寧夏等幾個省份的數(shù)字經(jīng)濟綜合指數(shù)處于低位，東部、中部、西部及東北部地區(qū)的經(jīng)濟差距在數(shù)字經(jīng)濟上的表現(xiàn)一覽無余。盡管我國互聯(lián)網(wǎng)消費規(guī)模大，但是綜合衡量數(shù)字經(jīng)濟發(fā)展水平仍然比較低，地區(qū)差距大，令人擔(dān)憂會不會形成“數(shù)字鴻溝”。因此，中西部地區(qū)要找準(zhǔn)數(shù)字經(jīng)濟發(fā)展短板，加快數(shù)字經(jīng)濟與傳統(tǒng)產(chǎn)業(yè)融合，讓數(shù)字經(jīng)濟成為高質(zhì)量發(fā)展的新動能，這是在未來不落后于其他地區(qū)的關(guān)鍵所在。

四、實證分析

（一）模型的設(shè)定

為了分析數(shù)字經(jīng)濟對于勞動收入的影響，本文在A. B. Krueger（1993）的研究{22}基礎(chǔ)上構(gòu)建了基準(zhǔn)模型如下：

lnwageijt=α+βlndigjt+γXijt+μjt+εijt（13）

公式（13）中，i表示個體，j 表示省份，t表示年份，wage為工資收入，lnwageijt表示在t時期j省個體i所獲得的小時工資的對數(shù)值，dig為數(shù)字經(jīng)濟綜合指數(shù)，X為控制變量，包括影響工資水平的微觀因素：受教育年限（edu）、健康（hea）、婚姻狀態(tài)（mar）、工作經(jīng)驗（exp）、性別（gen）、戶籍（res），α為常數(shù)項，β為本文要測定的數(shù)字經(jīng)濟發(fā)展水平對工資收入的邊際效應(yīng)，γ為個體控制變量對工資的影響效應(yīng)，μ表示省份固定效應(yīng)的虛擬變量，ε是隨機誤差項。

由于基準(zhǔn)模型所得到的是均值回歸，為了更全面地描述數(shù)字經(jīng)濟對于不同收入群體的影響，本文采用分位數(shù)回歸模型：

Qτ（lnwageijt∣lndigijt，Xit）=ατ+βτlndigjt+γτXijt+μjt+εijt

（14）

其中，τ為分位點，Qτ表示條件分位數(shù)，其他字符含義與公式（13）相同。

由前文可知，就業(yè)是數(shù)字經(jīng)濟提高勞動者收入的主要途徑之一，故本文以就業(yè)為中介變量，構(gòu)建了中介效應(yīng)模型，參見方程（15）—（17）。

lnwageijt=α0+α1lndigjt+α2Xijt+μjt+εijt? （15）

lnempijt=β0+β1lndigjt+β2Xijt+μjt+εijt （16）

lnwageijt=δ0+δ1lnempijt+δ2lndigjt+δ3Xijt+μjt+εijt（17）

（二）變量說明及數(shù)據(jù)來源

本文采用微觀個體層面的收入數(shù)據(jù)，數(shù)據(jù)來源于北京大學(xué)中國社會科學(xué)調(diào)查中心的“中國家庭追蹤調(diào)查”（CFPS）數(shù)據(jù)庫，該數(shù)據(jù)庫覆蓋2010—2018年（每隔兩年發(fā)布一次）中國25個省、市、自治區(qū)，樣本規(guī)模達(dá)到16000戶家庭，是以家庭為單位對勞動力的追蹤調(diào)查。由于結(jié)婚、離婚、離世等原因會導(dǎo)致家庭成員的變動，因此本文采用個人編碼對數(shù)據(jù)進(jìn)行匹配，然后剔除無效數(shù)據(jù)，保留有效數(shù)據(jù)。為了與數(shù)字經(jīng)濟綜合指數(shù)的年份保持一致，本文選取了CFPS數(shù)據(jù)庫2014年、2016年、2018年三個年份的調(diào)查數(shù)據(jù)，由于2016年的健康數(shù)據(jù)缺失較多，故2016年的有效數(shù)據(jù)比其他兩個年份的數(shù)據(jù)更少。

被解釋變量為勞動收入，以wage表示，數(shù)據(jù)來源于CFPS數(shù)據(jù)庫。相對于年工資和月工資而言，小時工資能夠剔除掉工作時間對工資的影響。在CFPS數(shù)據(jù)庫中，工資分為主要工作的工資與一般工作的工資，鑒于主要工作更具代表性且數(shù)據(jù)缺失值較少，所以本文采用主要工作的小時工資作為工資的衡量標(biāo)準(zhǔn)，即，小時工資=年工資/（每周工作小時數(shù)×4×12），并以2014年為基期進(jìn)行了消脹處理。

本文的核心解釋變量是數(shù)字經(jīng)濟綜合指數(shù)，用dig表示，該指數(shù)已經(jīng)由本文計算所得。

控制變量包括被考察個體的婚姻狀況、健康狀況、受教育程度、工作年限、性別、年齡、戶籍，數(shù)據(jù)均來自CFPS數(shù)據(jù)庫?；橐鲇胢s表示，將未婚、同居、離婚、喪偶4種狀態(tài)均視為非在婚，表示為非在婚ms=0，在婚ms=1。健康用hea表示，將非常健康、健康、比較健康視為健康，即hea=1，將一般、不健康視為非健康，即hea=0。受教育程度用edu表示，按學(xué)制進(jìn)行換算，具體為博士22年，碩士19年，本科16年，?？?5年，高中12年，初中9年，小學(xué)6年，文盲或半文盲0年，以上換算的前提是個體取得了相應(yīng)學(xué)位證書。工作年限用exp表示，exp=年齡-6-受教育年數(shù)。性別用gen 表示，男=1，女=0。戶籍用res表示，農(nóng)村=1，城鎮(zhèn)=0。表3是對這些變量的主要特征進(jìn)行簡單統(tǒng)計性描述的結(jié)果。

（三）實證分析結(jié)果

一是基準(zhǔn)回歸分析。由于2014年、2016年、2018年CFPS調(diào)查對象有變化，基準(zhǔn)回歸采用2014年、2016年、2018年的橫截面數(shù)據(jù)與逐步回歸方法，實證結(jié)果參見表4（限于篇幅，表4將逐步添加變量的過程省略，只保留包含全部解釋變量的回歸結(jié)果）。

從表4可知，解釋變量dig在1%的水平上顯著為正，表明在這三個年份里數(shù)字經(jīng)濟對勞動收入的增長有顯著的正向影響，對收入增長的邊際貢獻(xiàn)大于0.035。2016年的參數(shù)值最大，數(shù)字經(jīng)濟每增長1%，每小時工資增長0.0740%。在三個年份中，其他變量的參數(shù)符號均顯著且相對穩(wěn)定，表明勞動者個體特征變量包括教育、工作經(jīng)驗、健康對收入有顯著的正向影響。其中，受教育程度對于收入的影響越來越大，由2014年的0.0016上升到2018年的0.0074。健康的參數(shù)值略有下降。工作經(jīng)驗對收入呈正向影響，但是工作經(jīng)驗的二次方的參數(shù)為負(fù)，表明工作經(jīng)驗對收入影響具有邊際收益遞減特征。教育、健康、工作資歷都是勞動者人力資本的重要組成部分，人力資本越多，收入越高，這些實證結(jié)果符合經(jīng)濟學(xué)解釋。此外，人口學(xué)統(tǒng)計變量中的性別、婚姻的回歸參數(shù)顯著為正，戶籍的回歸參數(shù)為負(fù)，表明男性收入比女性更高，已婚者收入比未婚者收入更高，這些參數(shù)基本符合預(yù)期。男性在就業(yè)上具有優(yōu)勢，而有家庭者責(zé)任心更強。已婚者比未婚者更努力工作，因而收入更高。但是戶籍系數(shù)為負(fù)，表明農(nóng)村戶口對收入增長是負(fù)向影響，城鄉(xiāng)差距對于農(nóng)村勞動者收入的增長仍然是一種障礙。而戶籍的參數(shù)值變小表明這種不利影響在逐漸下降，隨著我國交通、信息、互聯(lián)網(wǎng)等基礎(chǔ)設(shè)施的逐步改善，數(shù)字經(jīng)濟對于農(nóng)村收入的提高發(fā)揮了正面作用。

二是穩(wěn)健性分析。本文采用兩種方法對實證分析結(jié)果進(jìn)行穩(wěn)健性檢驗。第一種方法，考慮到數(shù)字經(jīng)濟是主要的被解釋變量，因此本文采用主成分方法對數(shù)字經(jīng)濟綜合指數(shù)再次進(jìn)行了測算，并且將新的數(shù)字經(jīng)濟綜合指數(shù)代入計量方程，實證結(jié)果依然表明數(shù)字經(jīng)濟對于收入增長有較大的提升作用，對低收入群體的作用大于高收入群體，實證結(jié)果與前文的分析結(jié)論一致。第二種方法，本文采用工具變量對上述模型重新進(jìn)行估計，以避免內(nèi)生性問題。參照何宗樾等（2020）的方法{23}，本文采用被考察勞動力個體所在省份的省會城市與杭州的地球表面距離為工具變量，由于地理距離不隨時間的變化而變化，這將導(dǎo)致工具變量法的第二階段估計失效，本文將該距離標(biāo)準(zhǔn)化后，與每年全國數(shù)字經(jīng)濟發(fā)展水平的平均值的交互項作為隨時間變化的新工具變量（dtdbz）。根據(jù)第一階段回歸的3個統(tǒng)計量來檢驗所選工具變量的有效性，Kleibergen-Paap rk LM 統(tǒng)計量在 1% 的顯著性水平上，拒絕“工具變量識別不足”的原假設(shè);Kleibergen-Paap Wald rk F 統(tǒng)計量（大于10）拒絕“存在弱工具變量”的原假設(shè);overidentification test of all instruments的過度識別檢驗，P值為0.0000，拒絕“過度擬合”的原假設(shè)。因此，本文所選工具變量是有效的。從 TSLS 回歸結(jié)果可以看出，變量lndig的回歸系數(shù)在1%的水平上顯著為正，這說明在控制內(nèi)生性后數(shù)字經(jīng)濟發(fā)展水平對勞動者工資增長的促進(jìn)作用依然顯著，本文的實證分析結(jié)論是可靠的。

三是分位數(shù)估計。表6給出了2014年、2016年、2018年數(shù)字經(jīng)濟對不同收入群體的分位數(shù)回歸估計結(jié)果，2014年、2016年的F值均顯著，而2018年的F值處于臨界值范圍。總體來看，數(shù)字經(jīng)濟對于各分位點收入群體的影響系數(shù)顯著為正，20%的分位點回歸系數(shù)均大于0.05，而最后20%的分位點參數(shù)值大于0.03，反映了數(shù)字經(jīng)濟對低收入群體的影響大于對高收入者的影響。分位數(shù)回歸結(jié)果表明，數(shù)字經(jīng)濟對于整體收入的增長有較大促進(jìn)作用，對各不同群體的收入增長均有正向影響，且對低收入群體的收入增長促進(jìn)作用更大，這有利于縮小勞動者之間的收入差距，表現(xiàn)出數(shù)字經(jīng)濟對于收入增長具有普惠性的促進(jìn)作用。

四是異質(zhì)性檢驗。為了進(jìn)一步分析數(shù)字經(jīng)濟對于不同區(qū)域、不同特質(zhì)勞動者是否具有異質(zhì)性影響，本文在上述模型的基礎(chǔ)上加入數(shù)字經(jīng)濟與區(qū)域的交叉變量、數(shù)字經(jīng)濟與各控制變量的交叉變量，實證結(jié)果發(fā)現(xiàn)數(shù)字經(jīng)濟與性別、健康、戶籍的交叉項回歸系數(shù)均不顯著，其他交叉項的回歸參數(shù)參見表7。限于篇幅，表7僅列出回歸分析中交叉項的輸出結(jié)果。

表7中的第（1）、（2）兩行是以初等教育為基準(zhǔn)值的估計結(jié)果，數(shù)字經(jīng)濟與中等教育的交叉項（c_digedudj1）、高等教育的交叉項（c_digedudj2）系數(shù)在2014年都不顯著，在2016年數(shù)字經(jīng)濟與中等教育的交叉項（c_digedudj1）系數(shù)顯著為正，在2018年上述兩項交叉項系數(shù)都顯著為正，并且數(shù)字經(jīng)濟對受過高等教育的勞動者收入的促進(jìn)作用更大，反映了教育水平對于收入增長的作用越來越重要。

表7中的第（3）行是對婚姻與數(shù)字經(jīng)濟交叉項的回歸結(jié)果，這一項的系數(shù)在2014年、2018年均顯著為正，說明數(shù)字經(jīng)濟的收入效應(yīng)在婚姻上存在異質(zhì)性影響。

表7中的第（4）、（5）、（6）行是數(shù)字經(jīng)濟收入效應(yīng)的區(qū)域異質(zhì)性分析結(jié)果，以東部地區(qū)為基準(zhǔn)值，數(shù)字經(jīng)濟與西部地區(qū)交叉項（c_deregion2）的系數(shù)顯著為負(fù)，表明數(shù)字經(jīng)濟對東部地區(qū)勞動力工資有顯著促進(jìn)作用，但對西部地區(qū)勞動力工資并無促進(jìn)效應(yīng)，甚至是抑制了工資的增長。不過在2018年這種負(fù)面影響比2014年有所減弱。2016年、2018年數(shù)字經(jīng)濟與中部交叉項的系數(shù)不顯著，表明數(shù)字經(jīng)濟對中部地區(qū)勞動力工資收入的影響由負(fù)轉(zhuǎn)正，但效果不顯著;而2018年數(shù)字經(jīng)濟與東北部交叉項（c_deregion3）的系數(shù)顯著為負(fù)，其絕對值逐漸變大，表明數(shù)字經(jīng)濟對東北部地區(qū)的勞動力工資具有不利影響，這種不利影響在逐漸加劇。對照本文測算的數(shù)字經(jīng)濟綜合指數(shù)可知，東北部的數(shù)字經(jīng)濟發(fā)展水平有下降趨勢，由于東北地區(qū)第三產(chǎn)業(yè)發(fā)展滯后、政府科技投入不足、缺少增長極等一系列問題，導(dǎo)致東北部地區(qū)的數(shù)字經(jīng)濟發(fā)展在全國處于落后水平，從而不利于勞動者收入的增長。

五是中介效應(yīng)的分析。本文以就業(yè)為中介變量檢驗了數(shù)字經(jīng)濟收入效應(yīng)的傳導(dǎo)機制，回歸結(jié)果參見表8。由于解釋變量與被解釋變量的主要分析結(jié)果已經(jīng)報告，限于篇幅，表8僅保留解釋變量與中介變量以及被解釋變量、解釋變量與中介變量的估計結(jié)果。2014年、2016年、2018年數(shù)字經(jīng)濟對于收入增長的影響系數(shù)分別為0.0440、0.0466、0.0488，在1%的水平上顯著;數(shù)字經(jīng)濟對于就業(yè)（中介變量）的影響系數(shù)分別為0.0380、0.0453、0.0403，表8的第（III）、（VI）、（IX）列是加入中介變量后的估計結(jié)果，影響系數(shù)在1%的水平上均顯著為正，而且在加入中介變量后數(shù)字經(jīng)濟影響系數(shù)的值變小，表明就業(yè)在數(shù)字經(jīng)濟與收入增長之間存在中介效應(yīng)。

五、研究結(jié)論與政策建議

本文得到的主要結(jié)論有如下幾點：（1）從我國數(shù)字經(jīng)濟綜合指數(shù)來看，東部地區(qū)增長速度趨緩，中部、西部平穩(wěn)上升，東北地區(qū)的指數(shù)略有下降趨勢。全國平均水平在逐年上升，不過其平均值達(dá)不到東部地區(qū)的一半，這表明我國數(shù)字經(jīng)濟發(fā)展的總體水平仍然比較低，除東部地區(qū)以外，其他三個地區(qū)均低于全國平均水平?？梢?，數(shù)字經(jīng)濟發(fā)展水平的地區(qū)差距較大，其差距之大甚至超過了GDP的地區(qū)差距。（2）數(shù)字化技術(shù)與產(chǎn)業(yè)的融合有待加強。從一級分項指標(biāo)來看，各省、市、自治區(qū)的數(shù)字基礎(chǔ)設(shè)施、政府公共服務(wù)指數(shù)的離差小于數(shù)字化應(yīng)用指數(shù)、數(shù)字產(chǎn)業(yè)發(fā)展指數(shù)的離差，而后者的離差高達(dá)10倍。這表明我國基礎(chǔ)設(shè)施、硬件設(shè)施較好，政府的數(shù)字公共服務(wù)也在逐步推進(jìn)，但是各地區(qū)與數(shù)字經(jīng)濟相關(guān)的產(chǎn)業(yè)發(fā)展水平差距大，這其中既包括數(shù)字產(chǎn)業(yè)的發(fā)展，也包括產(chǎn)業(yè)數(shù)字化運用。（3）數(shù)字經(jīng)濟對收入的促進(jìn)作用較大，教育、工作經(jīng)驗、健康對收入有顯著的正向影響，受教育程度對于收入的影響越來越重要，而工作經(jīng)驗對收入影響具有邊際收益遞減特征，男性收入比女性更高，已婚者收入比未婚者更高。（4）數(shù)字經(jīng)濟通過促進(jìn)就業(yè)提高勞動收入，盡管自動化、機器人取代了一部分工作崗位，但是我國仍然是勞動力資源豐富的國家，這可能導(dǎo)致數(shù)字技術(shù)的發(fā)展偏向于勞動，并進(jìn)一步增加非自動化崗位的勞動需求，而數(shù)字經(jīng)濟創(chuàng)造出的新勞動需求是促進(jìn)勞動者提高收入的重要途徑。（5）數(shù)字經(jīng)濟的發(fā)展對于教育程度、性別、婚姻、西部地區(qū)表現(xiàn)出一定的異質(zhì)性特征，西部地區(qū)的數(shù)字經(jīng)濟不利于收入增長。數(shù)字經(jīng)濟在各分位點的系數(shù)均顯著為正值，表明數(shù)字經(jīng)濟對于各群體的收入均有正向影響，對低收入群體的影響更大，由此來看數(shù)字經(jīng)濟表現(xiàn)出一定的普惠性，有利于縮小勞動者之間的收入差距。

根據(jù)以上研究結(jié)論，本文提出以下政策建議：第一，加大數(shù)字基礎(chǔ)建設(shè)投入，為數(shù)字經(jīng)濟發(fā)展夯實硬件設(shè)施基礎(chǔ)。在我國不少的省份，光纜密度、每百人使用的計算機數(shù)等指標(biāo)仍然比較低，與東部地區(qū)相比，西部、東北地區(qū)的互聯(lián)網(wǎng)普及率落后很多。第二，加強產(chǎn)業(yè)與數(shù)字技術(shù)的融合，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。北京、上海、天津、浙江、江蘇、廣東等地區(qū)發(fā)展領(lǐng)先，其他省份的數(shù)字產(chǎn)業(yè)從業(yè)人員、數(shù)字技術(shù)市場成交額以及人均收入水平都比較低，數(shù)字經(jīng)濟還未能發(fā)揮經(jīng)濟增長新動能的作用。第三，勞動者的人力資本積累來自勞動者自身投資，而這一點與勞動者收入緊密相關(guān)，由于收入低的勞動者無法進(jìn)行人力資本投資，因此政府的公共財政對于人力資本投入非常重要。在信息化互聯(lián)網(wǎng)時代，勞動者受教育程度對于數(shù)字經(jīng)濟發(fā)揮收入增長效應(yīng)具有積極的意義，一方面，政府要加強基礎(chǔ)教育，盡早實現(xiàn)12年義務(wù)教育;另一方面，政府要有針對性地推出職業(yè)培訓(xùn)計劃，提高勞動者從傳統(tǒng)產(chǎn)業(yè)到數(shù)字產(chǎn)業(yè)的職業(yè)轉(zhuǎn)換能力。

注釋：

①{11} 劉歡：《工業(yè)智能化如何影響城鄉(xiāng)收入差距》，《中國農(nóng)村經(jīng)濟》2020年第5期;賀婭、徐康寧：《互聯(lián)網(wǎng)對城鄉(xiāng)收入差距的影響：基于中國事實的檢驗》，《經(jīng)濟經(jīng)緯》2019年第3期。

② 蔡躍洲、陳楠：《新技術(shù)革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》2019年第5期;王林輝、胡晟明、董直慶：《人工智能技術(shù)會誘致勞動收入不平等嗎》，《中國工業(yè)經(jīng)濟》2020年第4期。

③ D. H. Autor & A. Salomon，Is Automation Labour-Displacing？ Productivity Growth，Employment，and the Labour Share，NBER Working Paper，2018，pp.1-74.

④{23} 何宗樾、宋旭光：《數(shù)字經(jīng)濟促進(jìn)就業(yè)的機理與啟示——疫情發(fā)生之后的思考》，《經(jīng)濟學(xué)家》2020年第5期。

⑤ 周利、馮大威、易行健：《數(shù)字普惠金融與城鄉(xiāng)收入差距：“數(shù)字紅利”還是“數(shù)字鴻溝”》，《經(jīng)濟學(xué)家》2020年第5期。

⑥ 張勛、萬廣華、張佳佳、何宗樾：《數(shù)字經(jīng)濟、普惠金融與包容性增長》，《經(jīng)濟研究》2019年第8 期。

⑦ 謝絢麗、沈艷、張皓星、郭峰：《數(shù)字金融能促進(jìn)創(chuàng)業(yè)嗎？——來自中國的證據(jù)》，《經(jīng)濟學(xué)（季刊）》2018年第7期。

⑧ 楊偉明、粟麟、王明偉：《數(shù)字普惠金融與城鄉(xiāng)居民收入》，《上海財經(jīng)大學(xué)學(xué)報》2020年第8期。

⑨ 李牧辰、封思賢、謝星：《數(shù)字普惠金融對城鄉(xiāng)收入差距的異質(zhì)性影響研究》，《南京農(nóng)業(yè)大學(xué)學(xué)報》（社會科學(xué)版）2020年第3期。

⑩ 叢屹、俞伯陽：《數(shù)字經(jīng)濟對中國勞動力資源配置效率的影響》，《財經(jīng)理論與實踐》2020年第2期。

{12} D. Acemoglu & P. Restrepo， The Race Betwen Ma-chine and Man： Implications of Technology for Growth，

Factor Shares and Employment， American Economic Review， 2018， 108（6）， pp.1488-1542; J. Furman & R. Seamans， AI and the Economy， NBER Working Paper， 2015， pp.161-169.

{13} D. H. Autor， et al.， Untangling Trade and Technology： Evidence from Local Labor Markets， Economic Journal， 2015， 125（584）， pp.621-646.

{14} J. Bessen， AI and Jobs： The Role of Demand， NBER Working Paper， 2018， pp.1-27.

{15} K. Prettner & H. Strulik， The Lost Race Against the Machine： Automation， Education and Inequality in an R&D-Based Growth Model， CEGE Discussion Papers， 2017， pp.1-35.

{16} D. Acemoglu & D. Autor， Skills， Tasks and Technologies： Implications for Employment and Earnings， Handbook of Labor Economics， 2011， 46， pp.1043-1171.

{17} 彭文生：《從數(shù)字經(jīng)濟到數(shù)字貨幣》，《新浪財經(jīng)》2020年5月15日。

{18} R. E. D. Vera， The Employment Impact of Business-to-Consumer Ecommerce on Philippine Workers， Research

Paper， 2006， pp.1-85.

{19} G. Domini， et al.， Threats and Opportunities in the Digital Era： Automation Spikes and Employment Dynamics， Research Policy， 2020， 50（7）， pp.1-35.

{20} D. Acemoglu， Equilibrium Bias of Technology， Eco-nometrica， 2007， 75（5）， pp.1371-1409.

{21} 郭亞軍：《一種新的動態(tài)綜合評價方法》，《管理科學(xué)學(xué)報》2002年第2期。

{22} A. B. Krueger， How Computers Have Changed the Wage Structure： Evidence from Microdata， 1984-1989， Qu-arterly Journal of Economics， 1993， 108（1）， pp.33-60.

作者簡介：羅小芳，中南財經(jīng)政法大學(xué)經(jīng)濟學(xué)院教授，湖北武漢，430073;王素素，中南財經(jīng)政法大學(xué)經(jīng)濟學(xué)院博士研究生，湖北武漢，430073。

（責(zé)任編輯? 陳孝兵）