企業(yè)數(shù)字化轉(zhuǎn)型的穩(wěn)就業(yè)效應*

譚偉杰，龐鈺標

（1.上海財經(jīng)大學公共經(jīng)濟與管理學院，上海 200433；2.廣東外語外貿(mào)大學經(jīng)濟貿(mào)易學院，廣東 廣州 510006）

一、引言與文獻綜述

隨著中國經(jīng)濟發(fā)展進入新常態(tài)，疊加國際形勢中不穩(wěn)定不確定因素的沖擊，國內(nèi)各行各業(yè)的就業(yè)結(jié)構(gòu)正在發(fā)生深刻變化，整體就業(yè)形勢較為嚴峻。近年來，我國強化就業(yè)優(yōu)先政策導向，加大對企業(yè)穩(wěn)崗擴崗支持力度，相繼出臺了多項支持企業(yè)穩(wěn)定經(jīng)營發(fā)展、擴大就業(yè)崗位的政策。在此背景下，如何穩(wěn)定崗位、穩(wěn)定就業(yè)以保障基本民生與維持社會經(jīng)濟協(xié)調(diào)發(fā)展，成為當前亟需深入探究的緊迫問題。企業(yè)是勞動力聘用的主體，也是提高社會就業(yè)水平的關(guān)鍵力量。面對數(shù)字經(jīng)濟發(fā)展與國內(nèi)外不確定因素沖擊，數(shù)字化轉(zhuǎn)型為中國企業(yè)優(yōu)化自身管理與業(yè)務流程、完善供應鏈體系以及助力穩(wěn)定社會經(jīng)濟發(fā)展大盤提供了新的思路。同時值得思考和討論的一個問題是，由企業(yè)引領(lǐng)的數(shù)字化轉(zhuǎn)型是否對目前的社會就業(yè)造成沖擊，其在穩(wěn)定崗位、保障就業(yè)和實現(xiàn)高質(zhì)量發(fā)展戰(zhàn)略目標中發(fā)揮怎樣的作用？然而，既有研究對于企業(yè)數(shù)字化轉(zhuǎn)型是否提振宏觀就業(yè)水平的影響尚未達成一致結(jié)論。因此，深入研究數(shù)字化轉(zhuǎn)型對就業(yè)的影響，有助于更加深刻理解數(shù)字化轉(zhuǎn)型的社會經(jīng)濟效應，同時對于保障就業(yè)和民生、提振宏觀經(jīng)濟與促進數(shù)字經(jīng)濟高質(zhì)量發(fā)展也具有重要的現(xiàn)實意義。

目前，國內(nèi)外文獻關(guān)于數(shù)字技術(shù)發(fā)展影響就業(yè)的研究主要有三種觀點。第一，數(shù)字技術(shù)發(fā)展對就業(yè)具有替代效應。龔玉泉和袁志剛（2002）指出，在產(chǎn)出不變的情境下，技術(shù)進步雖然會提高勞動生產(chǎn)率，但是會降低企業(yè)單位產(chǎn)品的勞動力投入，即表現(xiàn)為對勞動力的需求會減少。Aghion和Howitt（1994）認為，技術(shù)生產(chǎn)率的進步，一方面會提高人力資本價格，降低企業(yè)利潤；另一方面會重塑工作崗位價值鏈、縮短工作崗位生命周期等，進而可能會降低企業(yè)增加勞動力需求的積極性。Acemoglu和Restrepo（2020）發(fā)現(xiàn)，以機器人為代表的數(shù)字智能技術(shù)創(chuàng)新應用，會引發(fā)“機器換人”的現(xiàn)象。第二，數(shù)字技術(shù)發(fā)展對就業(yè)具有創(chuàng)造效應。Hoedemakers（2017）發(fā)現(xiàn)，技術(shù)進步的擴散對勞動力就業(yè)具有溫和的正向影響。戚聿東等（2020）指出，信息通信技術(shù)的快速發(fā)展與廣泛應用催生了互聯(lián)網(wǎng)行業(yè)的萌芽與發(fā)展，而互聯(lián)網(wǎng)行業(yè)的發(fā)展為社會創(chuàng)造了大量的就業(yè)崗位。隨著數(shù)字技術(shù)的廣泛應用，其在提升現(xiàn)有產(chǎn)品質(zhì)量和創(chuàng)造新產(chǎn)品方面發(fā)揮的積極效應也日益凸顯，新產(chǎn)品多元化需求的增加能夠創(chuàng)造大量的就業(yè)需求（Harrison等，2014）。第三，數(shù)字技術(shù)發(fā)展對就業(yè)的影響具有不確定性。Graetz和Michaels（2015）基于17個國家1993-2017年的面板數(shù)據(jù)進行實證研究發(fā)現(xiàn)，智能技術(shù)應用（如工業(yè)機器人）并沒有對各個國家總體就業(yè)水平產(chǎn)生顯著的影響。戚聿東等（2020）指出，智能技術(shù)應用會減少低技能型或傳統(tǒng)物質(zhì)資本勞動者的需求，而增加高技能型勞動者的需求，進而調(diào)整社會就業(yè)結(jié)構(gòu)。縱觀上述研究文獻，主要存在以下不足：一是大部分研究僅從宏觀層面揭示人工智能等數(shù)字技術(shù)對就業(yè)和勞動市場的影響，而缺乏基于微觀企業(yè)層面的更為精準的分析；二是現(xiàn)有研究未能很好地揭示數(shù)字化技術(shù)應用影響企業(yè)就業(yè)吸納能力、就業(yè)結(jié)構(gòu)的具體內(nèi)在渠道，以及對于不同類型企業(yè)、行業(yè)和地區(qū)的影響差異性的研究仍然不足。

本文基于企業(yè)數(shù)字化轉(zhuǎn)型的現(xiàn)實戰(zhàn)略決策，聚焦企業(yè)就業(yè)吸納能力角度進行分析，旨在探究數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納效應的影響。與既有研究相比，本文可能的邊際貢獻主要在兩個方面：第一，有別于現(xiàn)有研究聚焦宏觀數(shù)據(jù)層面的分析，本文運用微觀數(shù)據(jù)探討了企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)吸納能力和企業(yè)勞動聘用結(jié)構(gòu)的影響，豐富了人力資本微觀領(lǐng)域的研究成果，有效闡釋了數(shù)字經(jīng)濟發(fā)展所產(chǎn)生的就業(yè)創(chuàng)造效應和就業(yè)替代效應。第二，本文從創(chuàng)新溢出效應與生產(chǎn)率提升效應的角度，對企業(yè)數(shù)字化轉(zhuǎn)型影響就業(yè)的理論機制進行了細致探析，并且對不同類型企業(yè)、不同技術(shù)偏向行業(yè)以及地區(qū)特征而引起的影響異質(zhì)性進行了檢驗，拓展了企業(yè)數(shù)字化轉(zhuǎn)型所帶來經(jīng)濟影響的研究，為政府部門制定就業(yè)政策以及勞動者順應未來就業(yè)市場趨勢提供了經(jīng)驗證據(jù)。

二、理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型是指企業(yè)利用數(shù)字技術(shù)推動其業(yè)務流程和生產(chǎn)方式的數(shù)字化重組與變革，最終實現(xiàn)運營成本降低和經(jīng)濟效率提高的轉(zhuǎn)型升級過程，這不僅是企業(yè)內(nèi)部技術(shù)的創(chuàng)新與顛覆，更是企業(yè)內(nèi)部人員結(jié)構(gòu)和組織架構(gòu)重塑的“生態(tài)系統(tǒng)”優(yōu)化過程（陳冬梅等，2020）。根據(jù)“技術(shù)—經(jīng)濟”范式理論，革命性的技術(shù)進步在經(jīng)濟社會中的持續(xù)擴散，會誘發(fā)經(jīng)濟社會體系的重大調(diào)整，從而形成與該技術(shù)變革相適應且相對穩(wěn)定的新經(jīng)濟發(fā)展范式（Perez和Carlota，1983）。勞動力市場結(jié)構(gòu)與企業(yè)商業(yè)模式的重塑是“技術(shù)—經(jīng)濟”范式的重要“組件”，在數(shù)字經(jīng)濟范式中，由企業(yè)引領(lǐng)的數(shù)字技術(shù)創(chuàng)新應用推動了我國勞動力市場在就業(yè)載體、就業(yè)平臺和就業(yè)技能要求等方面的質(zhì)變和量變。

第一，企業(yè)數(shù)字化轉(zhuǎn)型帶來的生產(chǎn)效率提升，通過價格效應與收入效應實現(xiàn)社會就業(yè)創(chuàng)造。從價格效應看，企業(yè)數(shù)字化轉(zhuǎn)型導致生產(chǎn)效率提高，產(chǎn)品的生產(chǎn)成本和價格也隨之下降，這將吸引更多的消費者購買（即市場需求增加），從而帶動產(chǎn)業(yè)規(guī)模的擴大，激勵企業(yè)創(chuàng)造更加多元化的新產(chǎn)品并提升現(xiàn)有產(chǎn)品的質(zhì)量，進一步增加產(chǎn)業(yè)內(nèi)的勞動力需求。從收入效應看，數(shù)字化轉(zhuǎn)型有助于企業(yè)實現(xiàn)更高水平的產(chǎn)出與利潤創(chuàng)造，員工的實際收入水平和消費者福利也會進一步提高，從而激發(fā)勞動者的消費需求，企業(yè)為了滿足新增需求將進一步擴大生產(chǎn)規(guī)模和勞動力聘用規(guī)模，進而創(chuàng)造更多新的就業(yè)機會（Aghion和 Howitt，1994）。

第二，企業(yè)數(shù)字化轉(zhuǎn)型能夠推動產(chǎn)品和部門創(chuàng)新，促進勞動力聘用規(guī)模增長。一方面，企業(yè)為了實現(xiàn)數(shù)字化轉(zhuǎn)型戰(zhàn)略的既定目標，普遍會加大研發(fā)投入，更多地表現(xiàn)為對聘用高技能型研發(fā)勞動力的投入增長（即數(shù)字化轉(zhuǎn)型的研發(fā)管理投入增加），加快了企業(yè)技術(shù)進步和迭代創(chuàng)新的步伐。新產(chǎn)品研發(fā)又會引致大量的市場需求，這種創(chuàng)新層面的“投入—產(chǎn)出”優(yōu)化不僅有利于企業(yè)向社會釋放高發(fā)展?jié)摿Φ姆e極信號（Hoenig和Henkel，2015；孫獻貞，2023），還能夠創(chuàng)造出更多的社會就業(yè)崗位（Harrison等，2014）。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型作為數(shù)字經(jīng)濟與實體經(jīng)濟深度融合的一種嶄新商業(yè)模式，增強了企業(yè)研發(fā)創(chuàng)新服務方面的勞動力需求，而且新業(yè)態(tài)、新模式也能夠創(chuàng)造出更加多樣化的就業(yè)崗位，特別是在管理與運營方面對高技能型人才的需求量更大。

第三，企業(yè)數(shù)字化轉(zhuǎn)型借助技術(shù)擴散的補償機制實現(xiàn)就業(yè)創(chuàng)造。一方面，雖然企業(yè)數(shù)字化轉(zhuǎn)型對從事重復性的低技能型勞動力產(chǎn)生替代效應，但是也會驅(qū)使企業(yè)加強對現(xiàn)有員工的數(shù)字化培訓，推動其他部門的勞動力需求增加，特別是對那些具有數(shù)字化知識溢出效應的高技能型勞動力需求將會增加（叢屹和閆苗苗，2022）。上述轉(zhuǎn)變也將推動勞動力從傳統(tǒng)部門流向新興部門以及勞動力結(jié)構(gòu)優(yōu)化部門。另一方面，企業(yè)作為產(chǎn)業(yè)鏈上的微觀節(jié)點，數(shù)字化轉(zhuǎn)型強化了企業(yè)之間的網(wǎng)絡(luò)聯(lián)結(jié)關(guān)系，當某個企業(yè)或者某個行業(yè)的數(shù)字化轉(zhuǎn)型實現(xiàn)創(chuàng)新時，由于數(shù)字經(jīng)濟的融合性特征，某個就業(yè)崗位的需求擴張會帶動上下游關(guān)聯(lián)企業(yè)以及產(chǎn)業(yè)的就業(yè)崗位增加，從而形成更大范圍的就業(yè)創(chuàng)造效應（胡擁軍和關(guān)樂寧，2022）。

基于以上分析，提出以下研究假設(shè)：

假設(shè)H：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的就業(yè)吸納能力。

三、研究設(shè)計

（一）模型構(gòu)建

為檢驗數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力的影響，建構(gòu)如下模型（1）對其直接影響效應進行識別：

其中：下標i、j、t分別代表企業(yè)、城市、時間，employeei,t+1表示企業(yè)勞動聘用規(guī)模，digiti,t表示企業(yè)數(shù)字化轉(zhuǎn)型水平，Xi,y,t表示控制變量，Yeart表示年份固定效應，F(xiàn)irmi表示企業(yè)個體固定效應，μi,t為隨機擾動項。在實證分析中，為了降低不可觀測因素的影響，同時控制了時間和企業(yè)固定效應，所有變量均采用經(jīng)企業(yè)層面Cluster聚類穩(wěn)健標準誤調(diào)整的t統(tǒng)計量。此外，為了適度緩解內(nèi)生性問題，對所有被解釋變量采取前置一期處理。

（二）變量定義

1.被解釋變量

企業(yè)勞動聘用規(guī)模（employee），用企業(yè)在職人數(shù)的自然對數(shù)來表示。

2.解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型水平（digit）。借鑒申明浩和譚偉杰（2023）的研究思路，首先根據(jù)與數(shù)字經(jīng)濟發(fā)展相關(guān)的規(guī)劃方案、重要新聞、會議以及近年《政府工作報告》，通過Python爬蟲處理與JavaPDFbox建立一個較為完整的數(shù)字化詞典，整理、歸納出數(shù)字化轉(zhuǎn)型的特征關(guān)鍵詞圖譜；其次，結(jié)合企業(yè)年報能夠真實反映企業(yè)經(jīng)營戰(zhàn)略與高管決策的特點，從國家政策語義視角捕捉和理解實體經(jīng)濟數(shù)字化變革本質(zhì)，再運用上述關(guān)鍵詞對企業(yè)年報進行文本分析，得到關(guān)鍵詞詞頻；最后，對企業(yè)數(shù)字化轉(zhuǎn)型水平進行如下計算：

其中：edt_numi,t表示i企業(yè)t年的年度報告中披露的數(shù)字化關(guān)鍵詞keywords_digit的詞頻總數(shù)，為保證較小的取值也具有良好的定義，對該指標進行反雙曲正弦變換處理；digiti,t表示i企業(yè)t年的數(shù)字化轉(zhuǎn)型水平。

3.控制變量

為了克服遺漏變量的影響，借鑒王永欽和董雯（2020）的做法，從宏、微觀層面設(shè)置影響企業(yè)勞動聘用的控制變量。其中，企業(yè)微觀層面的變量包括財務杠桿（lev），用資產(chǎn)負債率表示；盈利能力（roa），用總資產(chǎn)回報率表示；企業(yè)規(guī)模（size），用總資產(chǎn)的自然對數(shù)表示；現(xiàn)金流水平（cash），用經(jīng)營活動現(xiàn)金流量凈額與負債總額之比表示；企業(yè)所有權(quán)性質(zhì)（soe），若屬于國有企業(yè)則賦值為1，否則為0；企業(yè)成長性（fix），用固定資產(chǎn)增長率表示；董事會規(guī)模（bsize），用董事會人數(shù)加1取自然對數(shù)表示。宏觀層面的變量包括城市產(chǎn)業(yè)結(jié)構(gòu)（industry），用第二產(chǎn)業(yè)產(chǎn)值與GDP的比值表示；經(jīng)濟發(fā)展水平（rgdp）用人均GDP的對數(shù)表示；市場化水平（market），用王小魯?shù)龋?017）測算的市場化指數(shù)來衡量。

（三）數(shù)據(jù)來源與變量描述性統(tǒng)計

本文以2007-2020年為研究區(qū)間，以滬深兩市A股上市公司為樣本開展實證檢驗，原始數(shù)據(jù)主要來自中國問題研究數(shù)據(jù)庫（CNRDS）、國泰安數(shù)據(jù)庫（CSMAR）和萬德數(shù)據(jù)庫（Wind）。對研究數(shù)據(jù)進行了如下處理：①為了克服極端值對回歸結(jié)果的影響，對模型中所有連續(xù)型變量進行了雙側(cè)1%水平的縮尾處理；②剔除非正常交易（ST、ST*以及PT）的研究樣本；③剔除主要研究數(shù)據(jù)缺失嚴重的樣本數(shù)據(jù)。最終，得到包含2436家上市公司的32300個觀測值。

本文主要變量的定義及描述性統(tǒng)計結(jié)果見表1。其中，被解釋變量企業(yè)勞動聘用（employee）的最大值和最小值分別為4.0073和11.2967，標準差為1.3210，說明不同企業(yè)的勞動聘用水平和就業(yè)創(chuàng)造效應具有明顯的差異。核心解釋變量企業(yè)數(shù)字化轉(zhuǎn)型（digit）的最大值為6.8669，最小值為0，平均值為1.1605，這表明企業(yè)間數(shù)字化轉(zhuǎn)型水平的差距較大，數(shù)字化“鴻溝”和“馬太效應”問題較為突出。其他宏、微觀控制變量也存在著不同程度的差異，與現(xiàn)有文獻的分析基本一致。

表1 變量描述性統(tǒng)計

四、實證分析

（一）基準回歸分析

表2報告了數(shù)字化轉(zhuǎn)型影響企業(yè)勞動聘用的基準線性回歸結(jié)果。第（1）列是單變量檢驗結(jié)果，核心解釋變量企業(yè)數(shù)字化轉(zhuǎn)型（digit）的系數(shù)在1%顯著性水平下顯著為正，與預期結(jié)論一致。第（2）列是在此基礎(chǔ)上，加入一系列相關(guān)控制變量的估計結(jié)果，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的系數(shù)為0.0636，依然在1%顯著性水平下顯著為正。第（3）—（5）列是分別控制企業(yè)個體和年份固定效應的回歸結(jié)果，可以發(fā)現(xiàn)，在加入一系列相關(guān)控制變量的基礎(chǔ)上，分別控制時間和企業(yè)固定效應后，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計系數(shù)有所降低，說明部分不隨時間改變的宏微觀特征變量是影響企業(yè)勞動聘用的遺漏變量，在控制由此引發(fā)的內(nèi)生性問題后，核心解釋變量仍為正且保持高度顯著。以第（5）列為例，在同時控制“時間和企業(yè)固定效應”以及相關(guān)特征變量后，數(shù)字化轉(zhuǎn)型影響企業(yè)勞動聘用的估計系數(shù)為0.0170，并在1%顯著性水平下保持顯著。這表明，數(shù)字化轉(zhuǎn)型的深化顯著擴大了企業(yè)的員工規(guī)模，使得企業(yè)能夠提供更多的就業(yè)崗位。在控制變量方面，企業(yè)規(guī)模（size）、董事會規(guī)模（bsize）、財務杠桿（lev）和市場化水平（market）的系數(shù)顯著為正，說明企業(yè)資產(chǎn)總值、企業(yè)決策層、資產(chǎn)負債率和當?shù)亟?jīng)營環(huán)境的優(yōu)化都有助于提升企業(yè)的就業(yè)吸附能力。而盈利能力（roa）和固定資產(chǎn)增長率（fix）的系數(shù)顯著為負，說明高盈利能力的企業(yè)可能存在資本替代勞動力的現(xiàn)象。

表2 基準回歸結(jié)果

（二）內(nèi)生性問題

1.工具變量法

內(nèi)生性問題是前述研究結(jié)論可能面臨的問題。一方面，企業(yè)數(shù)字化轉(zhuǎn)型水平的提高能夠顯著促進企業(yè)技術(shù)進步，產(chǎn)生創(chuàng)新溢出效應，從而增加勞動資本投入，擴大生產(chǎn)規(guī)模，創(chuàng)造更多的就業(yè)崗位；另一方面，隨著企業(yè)員工規(guī)模的擴大，數(shù)字化情境下人力資本的提高將使得知識共享更加暢通，倒逼企業(yè)通過數(shù)字化轉(zhuǎn)型來尋求高質(zhì)量發(fā)展的機遇。為了緩解反向因果的內(nèi)生性問題，分別選取兩個工具變量進行檢驗。第一個工具變量是1984年各城市每萬人固定電話數(shù)量與滯后一期的全國互聯(lián)網(wǎng)網(wǎng)民數(shù)量組成的交互項（黃群慧等，2019）。選取該工具變量的理由在于：一是通信基礎(chǔ)設(shè)施對當?shù)孛癖姷耐ㄐ攀褂眉夹g(shù)以及生活習慣偏好產(chǎn)生深刻影響，并且隨著互聯(lián)網(wǎng)的發(fā)展進而影響當?shù)仄髽I(yè)對互聯(lián)網(wǎng)信息技術(shù)的應用與接受程度，滿足相關(guān)性條件；二是隨著通信技術(shù)的發(fā)展，固定電話用戶數(shù)量也隨之下降，歷史上各地區(qū)固定電話數(shù)量難以精確地反映當前企業(yè)員工人數(shù)，滿足外生性條件。第二個工具變量是清朝時期的城墻面積與匯率組成的交互項。選取該工具變量的理由在于：一是清朝時期城墻面積越大，說明城市人口規(guī)模越大，地方政府能獲取的稅收越多，地方政府用于傳統(tǒng)和現(xiàn)代信息基礎(chǔ)設(shè)施建設(shè)的資金越寬裕，城市的集聚經(jīng)濟所帶來的產(chǎn)業(yè)發(fā)展、資本積累和人力資本等優(yōu)勢，能夠促進后續(xù)信息網(wǎng)絡(luò)技術(shù)的發(fā)展與應用（程開明，2009），滿足相關(guān)性條件。二是歷史變量自身的特殊性決定了它本身與企業(yè)勞動聘用之間的聯(lián)系十分微弱，滿足外生性條件。

表3第（1）和（2）列分別報告了上述兩個工具變量第二階段的回歸結(jié)果。K-P、rk、LM統(tǒng)計量均在1%顯著性水平下顯著，拒絕工具變量識別不足的原假設(shè)；C-D Wald檢驗的結(jié)果則拒絕了弱工具變量的原假設(shè)，表明工具變量是合理、可靠的。表3第（1）和（2）列結(jié)果顯示，digit的估計系數(shù)均在5%顯著性水平下顯著為正，表明本文的基本結(jié)論仍然成立。

表3 內(nèi)生性考量

2.多期雙重差分模型

為了更加穩(wěn)健地評估數(shù)字化轉(zhuǎn)型能否促進企業(yè)勞動聘用，以國家級大數(shù)據(jù)綜合試驗區(qū)試點建設(shè)作為外生政策沖擊變量，以多期雙重差分方法檢驗這一現(xiàn)實問題。選取此變量的理由在于：一方面，“信息基礎(chǔ)設(shè)施提升工程”是大數(shù)據(jù)綜合試驗區(qū)的主要工程之一，新型信息基礎(chǔ)設(shè)施的完善不僅深化了數(shù)據(jù)要素的挖掘和應用，還促進了現(xiàn)代通信技術(shù)的發(fā)展，賦能數(shù)字經(jīng)濟快速發(fā)展。另一方面，企業(yè)數(shù)字化的深層次發(fā)展能夠進一步挖掘和發(fā)揮數(shù)據(jù)要素的效率倍增效應，而此過程離不開完善的信息基礎(chǔ)設(shè)施作為支撐，現(xiàn)代通信技術(shù)和服務質(zhì)量的提升都依賴于新型基礎(chǔ)設(shè)施的建設(shè)。本文設(shè)定如下雙重差分模型（4）進行檢驗：

其中：dui代表分組虛擬標量，若企業(yè)所在城市屬于處理組，對應的dui取值為1，否則為對照組取值為0；dut代表政策實施虛擬標量，政策實施之前dut取值為0，政策實施之后dut取值為1①考慮到貴州省于2015年9月開始相應的試點建設(shè)工作，本文將貴州省所轄地級市的政策節(jié)點設(shè)定為2015年，而其他試驗區(qū)城市的政策節(jié)點設(shè)定為2016年。;其余變量均與基準回歸保持一致。由于平行趨勢假設(shè)是雙重差分（DID）方法的重要前提假設(shè)，表3第（3）列的結(jié)果顯示，試點政策實施前實驗組與對照組企業(yè)的勞動聘用沒有顯著差異，表明該試點政策基本通過了平行趨勢假設(shè)。第（4）列顯示了試驗區(qū)試點建設(shè)影響企業(yè)勞動聘用的估計結(jié)果，可以發(fā)現(xiàn)Bigdata的估計系數(shù)為0.0672且在1%顯著性水平下顯著，表明大數(shù)據(jù)試驗區(qū)的設(shè)立促進了企業(yè)勞動聘用，再次印證本文的核心結(jié)論穩(wěn)健、可靠。

3.安慰劑檢驗

為了克服部分非觀測因素（如地域特征）的干擾，采用安慰劑檢驗法排除可能的非觀測地域因素對本文估計結(jié)果的影響。具體而言，將企業(yè)五個維度的數(shù)字化詞頻進行隨機打亂，重新生成企業(yè)數(shù)字化轉(zhuǎn)型變量進行回歸檢驗。經(jīng)檢驗，核心解釋變量的系數(shù)均不再顯著，這表明其他非觀測地域特征并未對估計結(jié)果產(chǎn)生影響，本文基本結(jié)論是穩(wěn)健的②受文章篇幅限制，結(jié)果在此處未展示，如有需求請聯(lián)系作者。。

（三）穩(wěn)健性檢驗

1.更替核心變量

（1）解釋變量的替代變量。為了保證數(shù)字化轉(zhuǎn)型指標的度量質(zhì)量，分別采用三種替代變量：①數(shù)字化轉(zhuǎn)型詞頻總數(shù)與年報中“管理層討論與分析”部分的語段長度之比（并乘以100，digit1）。②與數(shù)字化轉(zhuǎn)型相關(guān)的無形資產(chǎn)與無形資產(chǎn)總額的比值（digit2）。③經(jīng)行業(yè)動態(tài)調(diào)整的企業(yè)數(shù)字化轉(zhuǎn)型指標（adj_edt）。根據(jù)表4第（1）至（3）列列示的結(jié)果可知，本文核心結(jié)論是穩(wěn)健可靠的。

表4 穩(wěn)健性檢驗結(jié)果（一）

（2）被解釋變量的替代測量。為了更加穩(wěn)健地檢驗相關(guān)結(jié)論對被解釋變量的敏感性，重新定義企業(yè)勞動聘用，借鑒余明桂等（2022）的做法，以企業(yè)勞動聘用增長率（labor）作為代理變量，并重新進行回歸檢驗。根據(jù)表4第（4）列的結(jié)果可知，數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)吸納就業(yè)的能力，表明本文主要結(jié)論具有可靠性。

2.排除部分政策因素干擾

由于在研究期間內(nèi)，政府推出了不少與就業(yè)相關(guān)的經(jīng)濟政策（如 “四萬億元”經(jīng)濟刺激計劃、“營改增”政策和固定資產(chǎn)加速折舊政策等），這些政策對企業(yè)面臨的內(nèi)外部融資約束以及現(xiàn)金流安排等產(chǎn)生了重要的影響，從而有可能對企業(yè)的勞動聘用行為產(chǎn)生影響。為了排除上述政策的可能性解釋干擾，引入相關(guān)政策變量進行檢驗：①借鑒Cui等（2018）的研究方法，構(gòu)建是否受“四萬億元”經(jīng)濟刺激計劃沖擊的虛擬變量economy（當年份為2010年與2011年時則賦值為1，反之為0）。②借鑒張克中等（2020）的做法，剔除受“營改增”政策沖擊最大的服務業(yè)樣本重新進行檢驗。③排除2014年固定資產(chǎn)加速折舊政策的干擾，設(shè)置虛擬變量asset（如果企業(yè)當年受到該政策影響則賦值為1，否則為0）。表4第（5）至（7）列分別匯報了上述檢驗結(jié)果，均表明本文結(jié)論穩(wěn)健、可靠。

3.更替模型

在前文的基準分析中，采用線性回歸對主要結(jié)論進行驗證。為更加穩(wěn)健地檢驗數(shù)字化轉(zhuǎn)型與企業(yè)勞動聘用的關(guān)系，盡可能地消除行業(yè)發(fā)展周期和產(chǎn)業(yè)政策等因素對本文回歸結(jié)果的影響，此處采用控制“行業(yè)×年度”的高階聯(lián)合固定效應模型進行穩(wěn)健性檢驗。表5第（1）列顯示的估計結(jié)果，表明數(shù)字化轉(zhuǎn)型有助于促進企業(yè)勞動聘用。

表5 穩(wěn)健性檢驗結(jié)果（二）

4.考慮其他若干影響因素

第一，考慮到直轄市（北京、上海、天津和重慶）的經(jīng)濟與行政上的特殊性，故剔除四個直轄市的樣本企業(yè)重新進行回歸檢驗。第二，考慮企業(yè)策略性信息披露行為：①剔除digit為0的樣本重新進行檢驗；②剔除創(chuàng)業(yè)板上市公司樣本重新進行檢驗；③剔除樣本期內(nèi)受過證監(jiān)會處罰的樣本。表5第（2）至（5）列分別匯報了考慮上述影響因素的檢驗結(jié)果，可以發(fā)現(xiàn)digit的系數(shù)均為正且保持高度顯著，證明了本文基本結(jié)論穩(wěn)健，即數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)造就業(yè)的能力。

五、進一步分析

（一）影響機制檢驗

前文理論分析表明，數(shù)字化轉(zhuǎn)型帶來的技術(shù)創(chuàng)新效應和生產(chǎn)率效應能夠顯著提升企業(yè)的就業(yè)吸納能力。對此，建立如下回歸方程進行機制檢驗分析：

其中：Mi,t+1分別指企業(yè)研發(fā)投入、創(chuàng)新產(chǎn)出和生產(chǎn)效率指標。借鑒現(xiàn)有研究的做法（王永進等，2107），采用企業(yè)研究開發(fā)投入金額（R&D）和專利申請總量（innov）作為企業(yè)創(chuàng)新層面的投入、產(chǎn)出績效，二者均取自然對數(shù)處理。借鑒Levinsohno 和 Petrin（2003）的方法，引入企業(yè)全要素生產(chǎn)率（tfp）來衡量企業(yè)生產(chǎn)效率。其余變量均與基準回歸保持一致。

首先，將研究視角聚焦于企業(yè)創(chuàng)新層面“投入—產(chǎn)出”績效的機制。從表6第（1）和（2）列的回歸結(jié)果可以發(fā)現(xiàn)，digit的估計系數(shù)分別為0.0170和0.0272，且至少在5%顯著性水平下顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著增進企業(yè)創(chuàng)新績效。原因可能是數(shù)字化轉(zhuǎn)型緩解了信息不對稱問題，幫助企業(yè)更準確地將財務數(shù)據(jù)和經(jīng)營狀況等信息傳遞給銀行機構(gòu)，有效規(guī)避企業(yè)的道德風險問題，提高企業(yè)獲取外部信貸資源的可得性，進而促進企業(yè)增加研發(fā)投入和創(chuàng)新產(chǎn)出。一方面，高水平的研發(fā)投入和創(chuàng)新產(chǎn)出幫助企業(yè)開發(fā)出更多、更有競爭力的新產(chǎn)品和服務（葉胥等，2021），新產(chǎn)品和服務的推出可能會吸引更多的客戶，從而促使企業(yè)擴大生產(chǎn)規(guī)模以滿足市場需求，進而增加對勞動力的需求。另一方面，創(chuàng)新產(chǎn)出的增加幫助企業(yè)獲得更大的市場份額（尹志鋒等，2023）。隨著市場份額的擴大，企業(yè)可能需要增加產(chǎn)能，以滿足不斷增長的市場需求，從而增加就業(yè)吸附能力。

表6 影響機制檢驗結(jié)果

然后將研究視角轉(zhuǎn)向企業(yè)生產(chǎn)效率機制。從表6第（3）列的實證結(jié)果可知，digit對企業(yè)生產(chǎn)效率的估計系數(shù)為0.0174，并在1%顯著性水平下顯著，這說明在有限的資源約束邊界下，企業(yè)數(shù)字化轉(zhuǎn)型中的實體項目投資能夠顯著提高企業(yè)的全要素生產(chǎn)率，降低企業(yè)“脫實向虛”的風險，從而創(chuàng)造更多的就業(yè)。一方面，全要素生產(chǎn)率提高意味著企業(yè)能夠以更少的資源和成本生產(chǎn)更多的產(chǎn)品或提供更多的服務，這可能導致企業(yè)的產(chǎn)能擴大，需要聘用更多的勞動力來滿足增加的生產(chǎn)需求（趙宸宇，2023）。另一方面，生產(chǎn)效率提高可能導致企業(yè)內(nèi)部勞動力的分工和組織結(jié)構(gòu)的調(diào)整，創(chuàng)造出新的崗位，進一步增加對勞動力的需求（胡擁軍和關(guān)樂寧，2022）。

（二）異質(zhì)性分析

1.企業(yè)成長性異質(zhì)性檢驗

根據(jù)企業(yè)生命周期理論，成長性較高的企業(yè)普遍處于快速發(fā)展階段，具有較強的規(guī)模擴張需求（Miller 和 Friesen，1980）。短時間內(nèi)能夠?qū)崿F(xiàn)顯著增長的企業(yè)，通常具有較高的市場敏感性和戰(zhàn)略洞察力，當該類型的企業(yè)捕捉到行業(yè)數(shù)字化發(fā)展趨勢時，會迅速聘用相關(guān)的數(shù)字化人才，把握先發(fā)優(yōu)勢，提高市場競爭力爭奪市場份額，因此這類型企業(yè)在數(shù)字化轉(zhuǎn)型過程中所產(chǎn)生的就業(yè)吸納效應應該更為明顯。鑒于此，本文擬進一步考察企業(yè)成長性如何影響數(shù)字化轉(zhuǎn)型與企業(yè)勞動聘用水平之間的關(guān)系，以企業(yè)營業(yè)收入增長率來刻畫企業(yè)成長性的方法，同時設(shè)置虛擬變量FIX（如果營業(yè)收入增長率高于樣本中位數(shù)則取值為1，否則為0），并引入基準模型進行重新檢驗。根據(jù)表7第（1）列的結(jié)果可知，digit×FIX的影響系數(shù)在1%顯著性水平下保持正值，說明企業(yè)成長性越高，數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力的提升作用就越明顯。

表7 基于企業(yè)成長性的異質(zhì)性檢驗結(jié)果

數(shù)字化轉(zhuǎn)型為企業(yè)發(fā)展帶來新的發(fā)展機遇，率先進行數(shù)字化轉(zhuǎn)型的企業(yè)依靠以往積累的知識與技術(shù)，對自身商業(yè)模式進行變革，為吸納社會就業(yè)貢獻了力量，在一定程度上呈現(xiàn)出發(fā)展績效的“先發(fā)優(yōu)勢”。然而，由于數(shù)字化信息知識存在較為明顯的外溢性與共享性，后發(fā)企業(yè)的數(shù)字化信息追趕也更為容易（Mitrovi? ，2020）。鑒于此，本文期望探討企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)吸納效應是否與后發(fā)優(yōu)勢相關(guān)。根據(jù)企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略行為設(shè)置虛擬變量year5和year8（如果企業(yè)數(shù)字化轉(zhuǎn)型持續(xù)了5年及以上則year5取值為1，反之為0；year8的定義同理），并分別引入基準模型進行重新檢驗。根據(jù)表7第（2）和（3）列的估計結(jié)果可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對員工規(guī)模的正向促進效應與后發(fā)優(yōu)勢相關(guān)，后發(fā)企業(yè)的數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力提升的邊際效應更大。原因可能是在數(shù)字化高速發(fā)展過程中，率先進行數(shù)字化轉(zhuǎn)型的企業(yè)不一定比后發(fā)企業(yè)具有更多的技術(shù)積累和成本優(yōu)勢，反而可能由于長期處于技術(shù)更迭與融合過程而相對缺乏靈活性，并且因為技術(shù)更新而對就業(yè)吸納產(chǎn)生一定的負面影響。

2.要素密集度異質(zhì)性檢驗

企業(yè)勞動密集度會深刻影響企業(yè)的就業(yè)吸納能力。特別是對于勞動密集型企業(yè)而言，由于其對創(chuàng)新技術(shù)和設(shè)備等的依賴性較低，這類型企業(yè)增加勞動聘用的潛在需求也往往更大，因此人力資本的投入和配置效率是其保障產(chǎn)出規(guī)模的重要因素（曲玥，2020）。鑒于此，本文將分別從企業(yè)和行業(yè)兩個維度考察要素密集度如何影響數(shù)字化轉(zhuǎn)型與企業(yè)就業(yè)吸納能力的關(guān)系。一方面，按照行業(yè)的要素密集度情況將全樣本劃分為勞動密集型行業(yè)與資本密集型行業(yè)子樣本，并重新進行回歸檢驗。另一方面，借鑒李磊和盛斌（2019）的研究方法，使用固定資產(chǎn)凈值與員工人數(shù)的自然對數(shù)的比值衡量企業(yè)要素密集度，并以該指標中位數(shù)作為劃分標準進行細分樣本檢驗（如果企業(yè)要素密集度高于中位數(shù)則為資本密集型企業(yè)，否則為勞動密集型企業(yè)）。表8第（1）至（4）列的回歸結(jié)果顯示，在勞動密集型行業(yè)和企業(yè)中，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計系數(shù)在1%顯著性水平下顯著為正；相反，在資本密集型行業(yè)和企業(yè)中，digit的系數(shù)則不顯著。此外，SUE系數(shù)差異檢驗結(jié)果顯示不同組別間的估計系數(shù)差異在1%顯著性水平下顯著。這表明，相較于資本密集型行業(yè)而言，數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在勞動密集型行業(yè)企業(yè)中，可能的原因是對于非勞動密集型企業(yè)而言，資本投入與技術(shù)進步在其生產(chǎn)經(jīng)營規(guī)模擴大過程中產(chǎn)生的邊際效應更大；而當數(shù)字化轉(zhuǎn)型的資源效應使得企業(yè)的勞動聘用資金得到有效保障時，勞動密集型企業(yè)積累人力資本的需求便會更大。

表8 基于要素密集度的異質(zhì)性檢驗結(jié)果

Constant -2.1348 -6.1381*** -3.5839*** -5.1953***（-1.57）（-6.41）（-3.30）（-4.66）Controls YES YES YES YES Year FE/Firm FE YES YES YES YES Observations 13183 16481 14374 15108 adj R2 0.889 0.902 0.888 0.899

3.地區(qū)數(shù)字金融發(fā)展與人才資源供給異質(zhì)性檢驗

現(xiàn)有研究指出，企業(yè)外部信貸資源的可得性取決于地區(qū)金融發(fā)展水平或者信貸融資市場的發(fā)展水平，如果地區(qū)金融發(fā)展較好，企業(yè)的融資需求越容易得到滿足，從而擴大生產(chǎn)規(guī)模的動機也更為強烈，進而提升企業(yè)的勞動聘用水平（Pagano和 Pica，2012）。那么，數(shù)字金融作為數(shù)字經(jīng)濟時代的新興金融業(yè)態(tài)，能否與企業(yè)數(shù)字化轉(zhuǎn)型的資源效應形成高效匹配，共同促進企業(yè)就業(yè)吸收能力的提升呢？基于此，依據(jù)數(shù)字金融指數(shù)的中位數(shù)對全樣本進行細分檢驗。表9第（1）和（2）列的回歸結(jié)果顯示，在數(shù)字金融發(fā)展水平較高的地區(qū)中，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計系數(shù)在1%顯著性水平下顯著為正；相反，在數(shù)字金融發(fā)展水平較低的地區(qū)中，digit的系數(shù)則不顯著。此外，SUE系數(shù)差異檢驗結(jié)果顯示不同組別間的估計系數(shù)差異在1%顯著性水平下顯著。這表明，數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在數(shù)字金融發(fā)展程度較高的地區(qū)。

表9 基于地區(qū)數(shù)字金融和教育人才供給的異質(zhì)性檢驗結(jié)果

理論上，區(qū)域人才供給狀況的改善能夠滿足企業(yè)對于人才資源的需求，從而擴大生產(chǎn)規(guī)模并且增加就業(yè)崗位。鑒于此，基于各地區(qū)的高校數(shù)量進一步探討企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應是否因區(qū)域人才資源供給狀況的不同而呈現(xiàn)差異化效果。具體而言，依據(jù)公司所在省份高校數(shù)量的中位數(shù)作為樣本劃分依據(jù)，并進行分組檢驗。表9第（3）和（4）列的回歸結(jié)果表明，數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在高校數(shù)量較多的地區(qū)，而在高校數(shù)量較少地區(qū)的作用不明顯?？赡艿脑蚴菍μ幱谌瞬刨Y源供給相對充裕地區(qū)的企業(yè)而言，人才資源不足的困境會影響到企業(yè)數(shù)字化轉(zhuǎn)型的進程，生產(chǎn)規(guī)模與效率不能得到有效提升，使得其就業(yè)創(chuàng)造效應并不明顯。

（三）經(jīng)濟后果分析

前文的實證研究表明數(shù)字化轉(zhuǎn)型提升了企業(yè)的就業(yè)吸納能力，并且在不同企業(yè)、行業(yè)和地區(qū)中表現(xiàn)出明顯的異質(zhì)性。然而，隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷深化，企業(yè)的員工聘用結(jié)構(gòu)是否也會發(fā)生變化呢？基于此，接下來圍繞上述問題進行進一步探討。

為了考察企業(yè)數(shù)字化轉(zhuǎn)型對自身勞動聘用結(jié)構(gòu)的影響，依據(jù)企業(yè)雇員學歷以及職位結(jié)構(gòu)（即各類別員工數(shù)量與企業(yè)員工總數(shù)的比值）進行分類討論，檢驗數(shù)字化轉(zhuǎn)型對不同類型員工聘用的影響，表10第（1）至（8）列顯示了上述分組結(jié)果。其中，第（1）至（4）列的結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型顯著增加了高學歷（本科和研究生）員工的勞動聘用。第（5）至（8）列的結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型同時提高了企業(yè)在生產(chǎn)、銷售和技術(shù)等流程環(huán)節(jié)的就業(yè)吸納能力。上述結(jié)果表明，隨著企業(yè)數(shù)字化轉(zhuǎn)型的推進，企業(yè)人員聘用結(jié)構(gòu)在員工學歷分布和生產(chǎn)經(jīng)營各環(huán)節(jié)分布上都發(fā)生了重大而深刻的變化。

表10 數(shù)字化轉(zhuǎn)型與企業(yè)勞動聘用結(jié)構(gòu)

六、研究結(jié)論與啟示

本文基于2007—2020年滬深兩市A股上市公司的微觀數(shù)據(jù)，利用Python爬蟲技術(shù)對企業(yè)年度報告進行文本分析，基于數(shù)字化詞頻占比和無形資產(chǎn)數(shù)據(jù)等多個數(shù)據(jù)集測度企業(yè)數(shù)字化水平，實證檢驗企業(yè)數(shù)字化轉(zhuǎn)型對其就業(yè)吸納能力的影響以及作用機理。研究結(jié)果表明：第一，數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的就業(yè)吸納能力，并且該結(jié)論在以歷史上的清朝城墻數(shù)據(jù)等作為工具變量和國家級大數(shù)據(jù)試驗區(qū)建設(shè)作為準自然實驗等一系列穩(wěn)健性檢驗后仍然成立。第二，機制分析表明，技術(shù)創(chuàng)新效應和生產(chǎn)效率效應是數(shù)字化轉(zhuǎn)型影響企業(yè)就業(yè)吸納能力的核心作用機制，具體而言，企業(yè)數(shù)字化轉(zhuǎn)型水平的提高，一方面促進企業(yè)創(chuàng)新層面的“投入—產(chǎn)出”績效提高，另一方面有助于提高企業(yè)的生產(chǎn)效率，兩個方面的效應都擴大了企業(yè)的勞動力聘用需求。第三，異質(zhì)性分析表明，高成長性企業(yè)、勞動密集型企業(yè)、處在數(shù)字金融發(fā)展較好以及人才資源供給較豐富地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應更加顯著。此外，進一步研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型促進了企業(yè)員工聘用結(jié)構(gòu)的升級和優(yōu)化。

上述研究結(jié)論的啟示：第一，順應企業(yè)數(shù)字化轉(zhuǎn)型的浪潮并充分把握機遇，優(yōu)化就業(yè)支持政策以促使企業(yè)數(shù)字化轉(zhuǎn)型紅利惠及更多勞動者。研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動聘用水平，但短期內(nèi)可能會擠占低技能、常規(guī)性工作崗位勞動者的就業(yè)機會。對此，一方面可通過失業(yè)補貼、再就業(yè)培訓等方式保障低技能勞動者的權(quán)益、增強再就業(yè)能力，同時加大對勞動力市場的監(jiān)管力度，切實幫助中小微企業(yè)改善經(jīng)營管理、穩(wěn)定就業(yè)崗位，在“做大蛋糕”的同時“分好蛋糕”。另一方面，積極鼓勵和幫助企業(yè)推進數(shù)字化轉(zhuǎn)型，發(fā)揮好數(shù)字化轉(zhuǎn)型對多層次就業(yè)的正向促進作用，實現(xiàn)就業(yè)的穩(wěn)定和擴大。第二，加大對職業(yè)技能培訓的支持力度，尤其是加強對失業(yè)人群的再就業(yè)輔導，引導勞動力更好地融入數(shù)字經(jīng)濟從而實現(xiàn)高質(zhì)量就業(yè)?，F(xiàn)階段應當高度重視和加強易被數(shù)字技術(shù)替代的常規(guī)性崗位勞動者的技能培訓，減緩數(shù)字技術(shù)應用所導致的技術(shù)性失業(yè)問題。第三，提高數(shù)字技術(shù)基礎(chǔ)研發(fā)創(chuàng)新能力，協(xié)同攻堅核心技術(shù)以加速數(shù)字經(jīng)濟成熟發(fā)展，健全數(shù)字化轉(zhuǎn)型促進就業(yè)的正向循環(huán)機制。在推動數(shù)字化轉(zhuǎn)型發(fā)展過程中，應當結(jié)合各地區(qū)數(shù)字金融和人才資源供給現(xiàn)狀，制定有針對性的政策措施以激勵企業(yè)技術(shù)創(chuàng)新和提質(zhì)增效，為穩(wěn)就業(yè)提供配套政策保障。短期內(nèi)數(shù)字技術(shù)憑借其優(yōu)勢可能會替代部分勞動崗位，但是長期來看數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應大于就業(yè)替代效應，為此，應當順應數(shù)字化趨勢，拓展勞動者的工作任務范圍，提升勞動者的不可替代性。