制造業(yè)數(shù)字化轉(zhuǎn)型影響勞動收入份額嗎？

徐慧楓 溫湖煒

一 問題的提出

隨著新一輪科技革命和產(chǎn)業(yè)變革的縱深演進，數(shù)字經(jīng)濟成為經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵所在。同時，用工難問題使得地方政府與企業(yè)紛紛采取資本替代勞動的理性應(yīng)對策略，借助新一代數(shù)字技術(shù)來緩解人口紅利消失和勞動力成本快速上升的沖擊。歷史經(jīng)驗表明，新興技術(shù)往往具有要素偏向性，每一次科技革命所產(chǎn)生的新技術(shù)的廣泛應(yīng)用都會導(dǎo)致要素收入分配格局的重新調(diào)整。黨的十九屆四中全會更是提出“健全勞動、資本、土地、知識、技術(shù)、管理、數(shù)據(jù)等生產(chǎn)要素由市場評價貢獻、按貢獻決定報酬的機制”，首次增列數(shù)據(jù)作為生產(chǎn)要素參與分配。數(shù)字化轉(zhuǎn)型不僅能夠賦能制造業(yè)高質(zhì)量發(fā)展，還會對制造業(yè)內(nèi)部要素分配造成深層次的影響。中國制造業(yè)部門數(shù)字化轉(zhuǎn)型如何影響要素收入分配？是否存在引致勞動收入份額下降的潛在威脅？這些問題既與制造業(yè)企業(yè)用工問題密切相關(guān)，也關(guān)乎著我國共同富裕目標的實現(xiàn)。

要素收入分配主要是指初次分配中勞動要素收入和資本要素收入占國民收入的份額。勞動收入份額與民生福祉息息相關(guān)，學(xué)界往往將研究重點聚焦于勞動收入份額的形成機制。近年來，世界范圍內(nèi)初次分配中勞動收入份額的下降態(tài)勢仍在延續(xù)，我國勞動收入份額也一直在低位徘徊，平均水平甚至比其他國家還要低5—10個百分點(呂光明，2011)[1]。過低水平的勞動收入份額對收入分配、經(jīng)濟發(fā)展結(jié)構(gòu)、社會穩(wěn)定性都可能產(chǎn)生一定程度的負面影響，加劇社會矛盾。因此，黨的十九大報告再次強調(diào)要“在勞動生產(chǎn)率提高的同時實現(xiàn)勞動報酬的同步提高”。從要素分配角度來看，如果技術(shù)進步屬于資本偏向型，那么工資率的增長將慢于勞動生產(chǎn)率增長，從而降低勞動收入份額(Acemoglu和Restrepo，2018a)[2]。2010年以來，新一輪科技革命和產(chǎn)業(yè)變革加速演進，盡管我國的勞動生產(chǎn)率增速呈放緩態(tài)勢，但勞動收入份額總體卻呈現(xiàn)微弱的上升(見圖1)，要素收入分配格局總體向好，這與新興數(shù)字技術(shù)進步的關(guān)系如何，需進一步探討。

圖1 我國全員勞動生產(chǎn)率增長率及勞動收入份額(2000—2017年)

有關(guān)技術(shù)進步與勞動收入份額兩者關(guān)系的研究是較長時期內(nèi)的學(xué)術(shù)研究熱點。新古典經(jīng)濟學(xué)提出了關(guān)于要素收入分配的“卡爾多典型化事實”，認為長期內(nèi)資本和勞動要素的收入份額保持不變(Kaldor，1955)[3]。20世紀80年代以后，世界范圍內(nèi)勞動收入份額的普遍下降趨勢使“卡爾多事實”遭受質(zhì)疑，有關(guān)生產(chǎn)要素功能性收入分配的研究開始興起，學(xué)界圍繞勞動收入份額展開了一系列探討。已有研究發(fā)現(xiàn)，除產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型(胡秋陽，2016[4]；周茂等，2018[5])、勞資談判(魏下海等，2013)[6]、融資約束(汪偉等，2013)[7]外，技術(shù)進步偏向(王林輝和袁禮，2018)[8]也是引起勞動收入份額變動的重要因素。以互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為代表的新一代信息技術(shù)日新月異，在創(chuàng)新生產(chǎn)方式、改變商業(yè)模式的同時，也在重塑收入分配關(guān)系。對于新一代信息技術(shù)是改善還是惡化要素收入分配，目前學(xué)界還未形成一致結(jié)論。部分學(xué)者提出，數(shù)字技術(shù)導(dǎo)致勞動收入份額的下降(Guimar?es和Gil，2022[9]；余玲錚等，2019[10])，并認為新一代信息技術(shù)的應(yīng)用導(dǎo)致資本對勞動的替代，從而降低了勞動收入份額。也有觀點認為以人工智能為代表的新興數(shù)字技術(shù)對勞動收入份額的影響是不確定的，甚至是正向的。作為一項提高勞動者個人發(fā)展能力并嵌入勞動生產(chǎn)過程的包容性技術(shù)，數(shù)字技術(shù)的正向效應(yīng)主要來自于生產(chǎn)率的提高(Cette et al.，2022[11]；Acemoglu和Restrepo，2018a[2]；申廣軍和劉超，2018[12])，而對勞動收入份額影響方向的不確定性則可能是由不同產(chǎn)業(yè)部門間差異化的人工智能產(chǎn)出彈性和人工智能與傳統(tǒng)生產(chǎn)方式的替代彈性所決定的(郭凱明，2019)[13]。有研究發(fā)現(xiàn)，當前中國的技術(shù)進步兼具資本偏向和技能偏向的雙重特征(王林輝和袁禮，2018)[8]。因此，國內(nèi)有關(guān)新一輪科技革命對勞動收入份額影響的研究也主要從資本偏向型和技能偏向型兩個視角展開。宋旭光和杜軍紅(2021)[14]從智能制造的資本偏向特征入手，基于嵌套的CES生產(chǎn)函數(shù)構(gòu)建智能制造和傳統(tǒng)生產(chǎn)方式的勞動收入份額理論框架，發(fā)現(xiàn)智能制造與傳統(tǒng)生產(chǎn)方式之間互補的替代彈性使得智能制造—勞動擴展型技術(shù)最終偏向于智能制造，從而降低了勞動收入份額。而鈔小靜和周文慧(2021)[15]基于技能偏向性視角，發(fā)現(xiàn)人工智能通過就業(yè)技能結(jié)構(gòu)高級化、技能收入差距擴大化兩個渠道降低勞動收入份額，并且這種抑制效應(yīng)短期內(nèi)在第一產(chǎn)業(yè)中表現(xiàn)得尤為明顯。還有學(xué)者在技能偏向視角的基礎(chǔ)上衍生出信息技術(shù)“性別紅利”的概念，基于信息技術(shù)與女性技能的互補效應(yīng)考察信息技術(shù)應(yīng)用對企業(yè)要素收入分配的影響(余玲錚等，2019)[16]。這些研究進一步豐富了相關(guān)分析視角，為深入理解數(shù)字化轉(zhuǎn)型與勞動收入份額之間的關(guān)系提供了重要借鑒，但其在討論新興技術(shù)進步對勞動收入份額的影響時，要么從技能偏向、資本深化這種抽象的技術(shù)性質(zhì)出發(fā)，要么聚焦于人工智能這一具體數(shù)字技術(shù)對勞動收入份額的影響，缺乏全面測度數(shù)字化水平的實證研究。此外，現(xiàn)有研究主要從宏觀和產(chǎn)業(yè)層面探討數(shù)字經(jīng)濟對要素收入分配的影響，有關(guān)企業(yè)微觀層面的研究較為匱乏。

本文在分析數(shù)字化轉(zhuǎn)型影響勞動收入份額的經(jīng)濟邏輯的理論基礎(chǔ)上，利用2010—2020年中國制造業(yè)上市公司數(shù)據(jù)進行實證分析，旨在揭示數(shù)字經(jīng)濟與實體經(jīng)濟深度融合的要素收入分配效應(yīng)，并提出相應(yīng)的政策建議。制造業(yè)作為我國創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略深入實施的主陣地，是助推數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的主攻方向和關(guān)鍵突破口。因此，選取制造業(yè)上市企業(yè)樣本數(shù)據(jù)進行實證分析具有典型性。制造業(yè)數(shù)字化轉(zhuǎn)型是否影響以及如何影響勞動收入份額？數(shù)字化轉(zhuǎn)型是否是技術(shù)偏向的？對上述一系列問題的回答將為數(shù)字化轉(zhuǎn)型賦能共同富裕提供理論依據(jù)和經(jīng)驗證據(jù)。

本文的邊際貢獻主要為：(1)區(qū)別于已有文獻較為單一地聚焦于人工智能這一核心新興數(shù)字技術(shù)的要素收入分配效應(yīng)，本文利用文本處理技術(shù)測度制造業(yè)上市企業(yè)的數(shù)字化轉(zhuǎn)型水平，以此更為全面有效地評估新一代數(shù)字技術(shù)整體的要素收入分配效應(yīng)。(2)已有文獻主要從宏觀和中觀產(chǎn)業(yè)層面探討數(shù)字經(jīng)濟對要素收入分配的影響，本文在微觀企業(yè)層面考察數(shù)字化轉(zhuǎn)型對勞動收入份額的影響及內(nèi)在作用機制，豐富研究層面，有助于厘清數(shù)字化轉(zhuǎn)型對要素收入分配的影響機理。(3)本文從要素稟賦異質(zhì)性的角度出發(fā)，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對勞動收入份額的影響會因地區(qū)產(chǎn)業(yè)結(jié)構(gòu)層次、行業(yè)技術(shù)密集度和企業(yè)要素豐裕程度而有所差異，特別是，在不同技能結(jié)構(gòu)企業(yè)中數(shù)字化轉(zhuǎn)型對勞動收入份額的影響還存在“升級”現(xiàn)象，這為高質(zhì)量就業(yè)和數(shù)字紅利的深入普及提供了決策參考。

二 理論分析與研究假設(shè)

技術(shù)進步是經(jīng)濟增長的重要源泉，是引起勞動收入份額變動的核心因素。一方面，數(shù)字化轉(zhuǎn)型淘汰一批傳統(tǒng)崗位，也會創(chuàng)造出部分新的就業(yè)崗位。短期內(nèi)，高質(zhì)量勞動力的短缺以及低質(zhì)量勞動力轉(zhuǎn)型緩慢導(dǎo)致新舊崗位未能高效轉(zhuǎn)換，整體收入水平呈下降態(tài)勢；長期來講，創(chuàng)造新任務(wù)的優(yōu)勢開始充分體現(xiàn)，中間受損、兩端受益的 “就業(yè)極化”現(xiàn)象形成，“工資極化”現(xiàn)象也隨之出現(xiàn)(Autor，2015)[17]，技能兩端勞動者的收入增加。另一方面，數(shù)字技術(shù)的發(fā)展和應(yīng)用帶來了生產(chǎn)率的提升，已有研究指出一部分的工資負向效應(yīng)將被正向的生產(chǎn)率效應(yīng)所抵消(Acemoglu和Restrepo，2018b)[18]。同時，人工智能促進自動化的過程中，往往還會遭遇“鮑莫爾病”，非自動化部門成本的提升也可能使資本回報降低。因此，本文認為數(shù)字化轉(zhuǎn)型帶來了包括勞動要素在內(nèi)的要素收入水平及收入結(jié)構(gòu)的改變，但其對勞動收入份額的影響方向存在不確定性，既可能帶來勞動收入份額的上升，也可能帶來勞動收入份額的下降；勞動生產(chǎn)率提升(工資增長)效應(yīng)和就業(yè)效應(yīng)(就業(yè)創(chuàng)造或就業(yè)替代)可能是數(shù)字化轉(zhuǎn)型影響勞動收入份額的重要渠道?；谏鲜龇治觯岢黾僭O(shè)1。

假設(shè)1：數(shù)字化轉(zhuǎn)型對勞動收入份額有顯著影響。

(一)生產(chǎn)率效應(yīng)

數(shù)字化轉(zhuǎn)型擴容并優(yōu)化創(chuàng)新了生產(chǎn)要素體系，通過引入數(shù)據(jù)這一新生產(chǎn)要素增加了生產(chǎn)要素的新組合，可通過以下途徑賦能傳統(tǒng)產(chǎn)業(yè)生產(chǎn)率的提升。

1.信息傳遞效率

數(shù)字化轉(zhuǎn)型催生了企業(yè)內(nèi)部各系統(tǒng)、供應(yīng)鏈各環(huán)節(jié)主體、企業(yè)用戶多方參與的網(wǎng)絡(luò)化協(xié)同制造模式，將數(shù)字化服務(wù)融入產(chǎn)品研發(fā)制造、市場供應(yīng)、營銷服務(wù)各環(huán)節(jié)，顯著增強了全產(chǎn)業(yè)鏈的信息傳遞效率：通過數(shù)字基礎(chǔ)設(shè)施的改造，為產(chǎn)品研發(fā)設(shè)計、企業(yè)內(nèi)部管理提供信息采集和知識交流整合的工具，促進數(shù)據(jù)要素在企業(yè)內(nèi)部共享流動，增強企業(yè)的技術(shù)創(chuàng)新和資源整合能力；架構(gòu)全產(chǎn)業(yè)鏈平臺，推進關(guān)鍵數(shù)據(jù)共享，降低信息獲取成本，將分散在不同地區(qū)的生產(chǎn)設(shè)備資源、知識資源及各種核心能力集聚在公共服務(wù)平臺，驅(qū)動跨企業(yè)、跨地區(qū)、跨行業(yè)的研發(fā)協(xié)同和產(chǎn)能共享，形成制造業(yè)高質(zhì)量、低成本的網(wǎng)絡(luò)化產(chǎn)業(yè)生態(tài)體系；依托移動互聯(lián)網(wǎng)、數(shù)據(jù)挖掘等數(shù)字技術(shù)，通過網(wǎng)絡(luò)營銷、電子商務(wù)等商業(yè)新模式與客戶充分互動，精準匹配客戶的個性化、多樣化需求，提高服務(wù)要素在產(chǎn)品生產(chǎn)中的嵌入程度，實現(xiàn)資源配置的高效快速響應(yīng)(趙宸宇等，2021)[19]。

2.企業(yè)治理效率

現(xiàn)代信息技術(shù)手段替代傳統(tǒng)生產(chǎn)工具，實現(xiàn)傳統(tǒng)制造工廠向智能車間的轉(zhuǎn)型，將數(shù)據(jù)要素嵌入企業(yè)的經(jīng)營管理環(huán)節(jié)。依靠底層數(shù)字技術(shù)搭建集運營、人事、財務(wù)數(shù)據(jù)于一體的數(shù)據(jù)體系，傳統(tǒng)封閉式、垂直化的組織管理結(jié)構(gòu)開始向開放式、扁平化演變。借助數(shù)字化管理系統(tǒng)簡化并規(guī)范目標設(shè)定、重要項目識別、風(fēng)險評估、控制活動等一系列內(nèi)部控制程序(湯萱等，2022)[20]，避免管理者的決策性失誤，實現(xiàn)企業(yè)治理效率優(yōu)化，從而為生產(chǎn)率提升提供強大動力。同時，金融機構(gòu)和投資者對企業(yè)數(shù)字化轉(zhuǎn)型的積極心理預(yù)期將有利于企業(yè)融資，企業(yè)內(nèi)部資金的增加有利于提高企業(yè)專用性人力資本投入和智能設(shè)備的維護更新、迭代升級，高質(zhì)量技術(shù)資本和人力資本融合產(chǎn)生直接的技術(shù)擴散提高企業(yè)創(chuàng)新能力，促進價值鏈的整合攀升，這些外溢效應(yīng)都正向驅(qū)動生產(chǎn)率變化。

數(shù)字技術(shù)革命助推產(chǎn)業(yè)組織模式的變革，通過管理重構(gòu)、逆向信息響應(yīng)等方式推動資源要素的優(yōu)化配置和企業(yè)向高附加值產(chǎn)業(yè)鏈環(huán)節(jié)攀升，其產(chǎn)生的高協(xié)同性促進勞動生產(chǎn)率和工資收入的增長，從而有利于勞動收入份額的提升。基于上述分析，提出假設(shè)2。

假設(shè)2：數(shù)字化轉(zhuǎn)型對生產(chǎn)率有顯著的正向影響，從而有利于勞動收入份額的提升。

(二)就業(yè)效應(yīng)

1.就業(yè)替代

數(shù)字技術(shù)引入后，企業(yè)傾向于采用高效率、低成本的數(shù)字技術(shù)和設(shè)備直接替代常規(guī)程序型的工作任務(wù)崗位，這體現(xiàn)為短期內(nèi)的資本深化和對低技能勞動力就業(yè)的直接破壞效應(yīng)。一部分就業(yè)崗位消失，對勞動力需求的減少導(dǎo)致國民收入中勞動要素收入占比的下降。Acemoglu和Restrepo(2020)[21]的研究表明，行業(yè)層面機器人的使用導(dǎo)致了勞動力需求和工資的下降，短期內(nèi)對非技能勞動力就業(yè)產(chǎn)生1—2個百分點的即期沖擊。工業(yè)機器人應(yīng)用對就業(yè)的影響存在“機器換人”的威脅(韓民春和喬剛，2020)[22]。制造業(yè)數(shù)字化轉(zhuǎn)型具有技術(shù)進步及生產(chǎn)過程、生產(chǎn)工具和生產(chǎn)組織方式的智能化、自動化內(nèi)涵，一部分勞動力因?qū)?shù)字技術(shù)的獲取和使用能力較弱而影響到其生命周期的就業(yè)能力、獲得工作的可能性及工作期限，數(shù)字鴻溝的存在對非數(shù)字勞動力的就業(yè)表現(xiàn)為擠出效應(yīng)。

2.就業(yè)創(chuàng)造

基于技術(shù)進步與就業(yè)的經(jīng)典理論“技能偏向型技術(shù)進步”假說，數(shù)字化轉(zhuǎn)型將會減少對低技能水平勞動力的需求，增加對高技能水平勞動力的需求。而基于“程序偏向型技術(shù)進步”假說，技術(shù)進步減少對常規(guī)任務(wù)勞動力的需求而增加對非常規(guī)任務(wù)勞動力的需求。這都一定程度上表明數(shù)字技術(shù)的就業(yè)效應(yīng)不僅體現(xiàn)為就業(yè)替代，還存在長期的創(chuàng)造補償效應(yīng)。一方面，新舊業(yè)態(tài)結(jié)構(gòu)調(diào)整形成創(chuàng)造效應(yīng)。新一代數(shù)字技術(shù)通過影響不同部門要素的技術(shù)效率、誘致要素跨部門流動和重新配置來推進產(chǎn)業(yè)結(jié)構(gòu)變遷，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整帶動人工智能等新興產(chǎn)業(yè)就業(yè)崗位的興起，增強了企業(yè)對抽象性、創(chuàng)造性等復(fù)雜工作崗位勞動力的需求，企業(yè)將傾向于雇傭更多的高技能勞動力。另一方面，產(chǎn)品創(chuàng)新和規(guī)模經(jīng)濟帶來創(chuàng)造效應(yīng)。盡管新興技術(shù)對可自動化任務(wù)具有顯著的替代效應(yīng)，但其帶來的產(chǎn)品創(chuàng)新和生產(chǎn)率提升也會促使企業(yè)產(chǎn)品需求和生產(chǎn)規(guī)模的擴張，從而增加產(chǎn)品加工制造環(huán)節(jié)低技能勞動力的雇傭，或通過現(xiàn)有設(shè)備更新?lián)Q代的資本深化來進一步提高上游產(chǎn)業(yè)的勞動力需求。

因此，數(shù)字化轉(zhuǎn)型的就業(yè)效應(yīng)既可能表現(xiàn)為就業(yè)創(chuàng)造，也可能表現(xiàn)為就業(yè)替代，從而影響勞動收入份額?；谏鲜龇治?，提出假設(shè)3。

假設(shè)3：數(shù)字化轉(zhuǎn)型對整體就業(yè)存在顯著影響，從而影響勞動收入份額。

三 模型設(shè)定與數(shù)據(jù)說明

(一)數(shù)據(jù)來源及說明

考慮到數(shù)字化轉(zhuǎn)型的推廣實踐及相關(guān)數(shù)據(jù)的可獲得性，本文選取2010—2020年中國滬深兩市制造業(yè)上市公司為研究樣本。其中企業(yè)層面數(shù)據(jù)來源于CSMAR和Wind數(shù)據(jù)庫，區(qū)域?qū)用鏀?shù)據(jù)來源于《中國統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》。本文按照以下原則對樣本進行處理確保估計的合理性：(1)剔除ST、*ST類上市企業(yè)；(2)剔除重要變量缺失及出現(xiàn)異常值的企業(yè)樣本；(3)對連續(xù)變量進行雙邊1%的縮尾處理。最終得到8220個非平衡面板觀測值。

(二)基準模型設(shè)定

企業(yè)勞動收入份額的影響因素眾多，為準確測度數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額影響的凈效應(yīng)，本文設(shè)定以下包含固定效應(yīng)的多元線性基準回歸模型：

lnLSit=β0+β1Digit+θXit+μpro+δind+γt+εit

(1)

其中，i表示企業(yè)，t表示年份；LS為勞動收入份額，Dig表示企業(yè)的數(shù)字化轉(zhuǎn)型水平，X為企業(yè)的控制變量；μpro、δind和γt分別表示省份、行業(yè)和年份特征，εit表示隨機誤差項。

(三)變量說明

1.被解釋變量

本文從微觀企業(yè)視角出發(fā)研究數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，被解釋變量為勞動收入份額的對數(shù)值(lnLS)。參照已有文獻的做法，用“勞動報酬/企業(yè)增加值”表示企業(yè)的勞動收入份額。其中，勞動報酬用CSMAR數(shù)據(jù)庫現(xiàn)金流量表中的“支付給職工及為職工支付的現(xiàn)金”作為代理變量，企業(yè)增加值則采用收入法的核算思路，即企業(yè)增加值可表示為勞動者報酬、生產(chǎn)稅凈額、固定資產(chǎn)折舊和營業(yè)盈余之和。由于生產(chǎn)稅凈額是勞動和資本之外的“楔子”，將其剔除能更真實地反映資本與勞動的分配關(guān)系(周明海等，2010)[23]，因此，本文最終采用“勞動者報酬+固定資產(chǎn)折舊+營業(yè)盈余”來衡量企業(yè)增加值。

2.核心解釋變量

本文核心解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型水平(Dig)。采用文本處理技術(shù)對上市公司年報中涉及企業(yè)數(shù)字化轉(zhuǎn)型的特征詞進行詞頻統(tǒng)計，將其對數(shù)值作為企業(yè)數(shù)字化轉(zhuǎn)型水平的代理變量。數(shù)字化轉(zhuǎn)型特征詞的選擇方法和范圍限定參照吳非等(2021)[24]所構(gòu)建的企業(yè)數(shù)字化轉(zhuǎn)型指標體系，包括人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)、數(shù)字技術(shù)運用五個方面的特征詞匯。關(guān)鍵詞匯一定程度上反映了企業(yè)的戰(zhàn)略特征和業(yè)務(wù)經(jīng)營范圍，以涉及數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞頻來刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，兼具科學(xué)性和可行性。

3.控制變量

參考白重恩等(2008)[25]、文雁兵和陸雪琴(2018)[26]等有關(guān)勞動收入份額影響因素的研究成果，本文控制了以下企業(yè)特征變量：(1)企業(yè)規(guī)模(Size)，用企業(yè)總資產(chǎn)的自然對數(shù)表示；(2)企業(yè)年齡(Age)，用企業(yè)年齡的自然對數(shù)表示；(3)資產(chǎn)回報率(ROA)，即凈利潤與資產(chǎn)總額的比率；(4)資產(chǎn)負債率(Lev)，即負債總額與總資產(chǎn)的比率；(5)企業(yè)資本勞動比(KL)，用固定資產(chǎn)凈額與員工數(shù)比值的自然對數(shù)來衡量；(6)股權(quán)集中度(Share)，使用上市公司前五大股東持股比例集中度來表示，以衡量企業(yè)的治理特征；(7)是否為國有企業(yè)(SOE)，即企業(yè)的所有制特征。考慮到時間、地區(qū)、行業(yè)的影響因素不容忽視，控制了年份、省份、行業(yè)層面的固定效應(yīng)。

(四)描述性統(tǒng)計

表1為主要變量的描述性統(tǒng)計結(jié)果。從中可以觀察到，企業(yè)數(shù)字化轉(zhuǎn)型水平對數(shù)值的最小值為0，最大值為6.1115，標準差為1.2369，說明不同制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型水平差異較大。而勞動收入份額對數(shù)值(lnLS)的最小值為-3.3030，最大值為-0.0001，說明制造業(yè)上市企業(yè)勞動收入份額差異很大。

表1 主要變量描述性統(tǒng)計

四 實證結(jié)果與分析

(一)基準回歸分析

基準回歸結(jié)果見表2。本文主要關(guān)注制造業(yè)數(shù)字化轉(zhuǎn)型對勞動收入份額的影響。列(1)—列(4)結(jié)果顯示，在控制了企業(yè)層面相關(guān)特征變量和不同固定效應(yīng)的情況下，Dig的系數(shù)在5%的水平上都顯著。這說明制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)勞動收入份額，即研究假設(shè)1成立，且這種影響是正向的?？刂谱兞糠矫?，企業(yè)規(guī)模、資本回報率和資本勞動比的系數(shù)均顯著為負，表明規(guī)?；髽I(yè)具有資本偏向，導(dǎo)致要素收入向資本傾斜，因而降低了勞動收入份額。資產(chǎn)負債率的系數(shù)顯著為正，即高負債企業(yè)的勞動收入份額會更高，這是由于風(fēng)險厭惡的員工會選擇低負債企業(yè)，而風(fēng)險偏好的員工會選擇高負債企業(yè)，高負債企業(yè)將支付更高的工資(Berk et al.，2010)[27]。是否為國有企業(yè)的系數(shù)顯著為正，這說明勞動收入份額會因企業(yè)所有制性質(zhì)而有所差異。相比非國有企業(yè)，國有企業(yè)在要素資源、外部環(huán)境等方面更具優(yōu)勢，且更注重社會和政治目標，勞動者權(quán)益更能得到保障，因此，國有企業(yè)勞動收入份額相對更高。列(1)、 列(2)和列(4)股權(quán)集中度的系數(shù)在10%的水平上均顯著為正，這表明當股權(quán)集中度越高時，具有少量股權(quán)及個人私利的管理者更傾向于和職工形成利益同盟(Pagano和Volpin，2005)[28]，從而支付給職工高工資，勞動收入份額也因此提升。

表2 基準回歸估計結(jié)果

(二)穩(wěn)健性檢驗

為保證結(jié)論的穩(wěn)健性，本文從指標替換和異質(zhì)樣本兩個角度進行穩(wěn)健性檢驗。指標替換方面，參照陸正飛等(2012)[29]的研究，將上市公司財務(wù)報表中“應(yīng)付薪酬”項下應(yīng)付職工薪酬的貸方發(fā)生額作為勞動報酬的代理變量，并以此計算得到新的勞動收入份額指標替換被解釋變量。表3列(1)和列(2)的穩(wěn)健性估計結(jié)果表明，替換被解釋變量后，結(jié)果與基準回歸一致。剔除異質(zhì)樣本方面，一是為排除新冠疫情的沖擊，剔除2020年的樣本，回歸結(jié)果見表3列(3)。二是剔除直轄市樣本，直轄市與其他城市在經(jīng)濟發(fā)展水平、人口聚集程度和產(chǎn)業(yè)結(jié)構(gòu)等方面的較大差異可能會導(dǎo)致企業(yè)樣本異質(zhì)性，因此予以剔除，回歸結(jié)果見表3列(4)。三是剔除計算機、通信和其他電子設(shè)備制造業(yè)企業(yè)樣本，該行業(yè)所需的數(shù)字要素投入水平明顯高于其他制造業(yè)行業(yè)，剔除該行業(yè)上市公司樣本可增強樣本的同質(zhì)性，回歸結(jié)果見表3列(5)。表3結(jié)果表明，剔除異質(zhì)樣本后，列(3)—列(5)結(jié)果均未發(fā)生實質(zhì)性變化，前文結(jié)論依然成立。

表3 穩(wěn)健性及內(nèi)生性估計結(jié)果

(三)內(nèi)生性分析

本文采用工具變量檢驗、個體固定效應(yīng)模型及雙重差分模型三種方法緩解內(nèi)生性問題：一是借鑒黃群慧等(2019)[30]的做法，初步選取1984年各城市每百人固定電話數(shù)量作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量。同時，為解決面板固定效應(yīng)模型的度量問題，引入時變變量，將上年度全國互聯(lián)網(wǎng)寬帶接入端口數(shù)量與1984年各城市每百人固定電話數(shù)量的交乘項作為數(shù)字化轉(zhuǎn)型水平的工具變量，第二階段估計結(jié)果見表3列(6)。二是引入個體固定效應(yīng)以控制不可觀測變量造成的潛在影響，估計結(jié)果見表3列(7)。三是構(gòu)建雙重差分模型，識別制造業(yè)數(shù)字化轉(zhuǎn)型與勞動收入份額之間的因果效應(yīng)。智慧城市建設(shè)從數(shù)字技術(shù)供給和數(shù)字技術(shù)需求兩方面影響了制造業(yè)企業(yè)的數(shù)字技術(shù)應(yīng)用程度，借鑒溫湖煒和王圣云(2022)[31]的研究，利用我國始于2012年的大規(guī)模智慧城市建設(shè)作為企業(yè)數(shù)字化轉(zhuǎn)型的外生政策沖擊。由于智慧城市分批次試點，故采用多時點DID模型，模型設(shè)定為：lnLSit=α0+α1Policyit+φXit+σi+τpt+εit，其中，Policyit為政策實施的虛擬變量，σi和τpt分別為企業(yè)固定效應(yīng)、省份-年份交互固定效應(yīng)，試點城市企業(yè)為處理組，其余企業(yè)為對照組。模型回歸結(jié)果見表3列(8)，并通過了雙重差分方法的平行趨勢檢驗(見圖2)。在利用上述方法緩解內(nèi)生性影響后，Dig的系數(shù)在10%的水平上均顯著，驗證了結(jié)論的穩(wěn)健性，即數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)勞動收入份額，改善勞動和資本要素收入分配。

圖2 平衡趨勢檢驗(90%置信區(qū)間)

(四)機制檢驗

上文實證分析得出了數(shù)字化轉(zhuǎn)型有助于提升勞動收入份額的結(jié)論，為更加深入地理解數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)，本文將進一步考察數(shù)字化轉(zhuǎn)型提升勞動收入份額的作用機制。由理論分析可知，數(shù)字化轉(zhuǎn)型以信息流帶動要素資源整合和優(yōu)化配置，產(chǎn)生的高協(xié)同性推動信息傳遞效率和企業(yè)內(nèi)部治理效率的提升，從而正向驅(qū)動勞動生產(chǎn)效率發(fā)展，有利于勞動收入份額的提升。同時，作為資本深化的過程(蔡躍洲和陳楠，2019)[32]，數(shù)字化轉(zhuǎn)型提升了工作崗位的技能要求，通過對常規(guī)性、事務(wù)性崗位的就業(yè)替代，與對高技能和低技能非自動化崗位的就業(yè)創(chuàng)造，影響勞動收入份額。就業(yè)結(jié)構(gòu)的兩極化變動以及技能工資溢價引導(dǎo)中等技能勞動者向技能要求的兩端流動，但新技能的學(xué)習(xí)和新空缺崗位的填補過程勢必遭遇多種阻力，這一就業(yè)調(diào)整過程需要消耗大量的時間成本，具有時滯性。當前，以大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等為核心的新一輪科技革命和產(chǎn)業(yè)變革從導(dǎo)入期轉(zhuǎn)向拓展期(王一鳴，2019)[33]，由于技能結(jié)構(gòu)錯配及就業(yè)調(diào)整的時滯性，數(shù)字化轉(zhuǎn)型的就業(yè)替代效應(yīng)未被其創(chuàng)造效應(yīng)完全補償，數(shù)字化轉(zhuǎn)型的就業(yè)效應(yīng)總體上表現(xiàn)為負向沖擊，從而不利于勞動收入份額的提升。因此，本文從生產(chǎn)率效應(yīng)和就業(yè)效應(yīng)兩方面進一步考察數(shù)字化轉(zhuǎn)型提升勞動收入份額的作用機制。基于前文假設(shè)，構(gòu)建如下機制檢驗?zāi)Ｐ停?/p>

Mecit=Cons.+α2Digit+φXit+μpro+δind+γt+εit

(2)

lnLsit=Cons.+α3Digit+α4Mecit+φXit+μpro+δind+γt+εit

(3)

其中，Mecit為機制變量，分別為企業(yè)員工數(shù)自然對數(shù)值(lnL)和生產(chǎn)率自然對數(shù)值(包括全要素生產(chǎn)率lnTFP和勞動生產(chǎn)率lnLP)，μpro為省份固定效應(yīng)，δind為行業(yè)固定效應(yīng)，γt為年份固定效應(yīng)。勞動生產(chǎn)率(lnLP)采用“企業(yè)員工勞動報酬/企業(yè)員工總?cè)藬?shù)”的常規(guī)方式測算(耿曄強和郭偉，2021)[34]；為避免簡單線性估計的同時性偏差和樣本選擇性偏差，本文構(gòu)建對數(shù)形式的C-D生產(chǎn)函數(shù)，采用LP法來測算企業(yè)的全要素生產(chǎn)率(lnTFP)(魯曉東和連玉君，2012)[35]：

lnYit=β2lnLit+β3lnKit+β4lnMit+εit

(4)

其中，Y為企業(yè)營業(yè)總收入，K為固定資產(chǎn)凈值，L為員工總?cè)藬?shù)，M為中間投入，借鑒錢雪松等(2018)[36]的做法，以“企業(yè)購買商品、接受勞務(wù)支付的現(xiàn)金”測度。具體而言，將樣本進行個體和年份固定效應(yīng)回歸，以其殘差測度企業(yè)全要素生產(chǎn)率。

表4為機制檢驗結(jié)果，可以看出，數(shù)字化轉(zhuǎn)型對企業(yè)全要素生產(chǎn)率和勞動生產(chǎn)率的影響在1%的水平上顯著為正，而其對就業(yè)的沖擊在1%的水平上顯著為負?，F(xiàn)階段，數(shù)字化轉(zhuǎn)型通過勞動生產(chǎn)率獲得效應(yīng)和就業(yè)替代效應(yīng)兩種機制影響勞動收入份額，假設(shè)2和假設(shè)3得以驗證。

表4 機制檢驗結(jié)果

五 異質(zhì)性分析

上文論證了企業(yè)數(shù)字化轉(zhuǎn)型對勞動收入份額的平均效應(yīng)。在不同要素稟賦企業(yè)中，新一代數(shù)字技術(shù)的應(yīng)用程度明顯不同，數(shù)字化轉(zhuǎn)型擴展技術(shù)的產(chǎn)出彈性及對傳統(tǒng)生產(chǎn)方式的替代彈性均存在差異，這意味著不同要素稟賦企業(yè)中，數(shù)字化轉(zhuǎn)型技術(shù)對生產(chǎn)效率和就業(yè)的影響程度將有所不同，從而導(dǎo)致勞動收入份額變動的差異。本文分別從地區(qū)產(chǎn)業(yè)結(jié)構(gòu)層次、行業(yè)要素密集度、企業(yè)資本密集度以及技能結(jié)構(gòu)四方面對數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)異質(zhì)性展開討論，以進一步了解數(shù)字化轉(zhuǎn)型的非對稱效應(yīng)，為后續(xù)提出更為精準有效的調(diào)控政策提供有力支撐。

(一)產(chǎn)業(yè)結(jié)構(gòu)層次異質(zhì)性分析

盡管數(shù)字經(jīng)濟發(fā)展的地區(qū)差距開始縮小(劉傳明等，2020)[37]，但數(shù)字化轉(zhuǎn)型對勞動收入份額的影響在不同產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)存在一定差異。根據(jù)產(chǎn)業(yè)結(jié)構(gòu)層次系數(shù)的大小，本文將研究樣本劃分為低產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)企業(yè)和高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)企業(yè)，以考察數(shù)字化轉(zhuǎn)型對勞動收入份額影響的產(chǎn)業(yè)結(jié)構(gòu)層次差異。參照徐德云(2008)[38]的研究，運用產(chǎn)業(yè)結(jié)構(gòu)層次系數(shù)測算公式來測量不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)層次：

(6)

其中，yi表示總產(chǎn)值中i產(chǎn)業(yè)所占比重，L表示產(chǎn)業(yè)結(jié)構(gòu)升級程度。L越接近3，則地區(qū)產(chǎn)業(yè)結(jié)構(gòu)層次越高，將進入信息化社會，屬于高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)；L越接近2，則地區(qū)產(chǎn)業(yè)結(jié)構(gòu)層次還處于工業(yè)化向信息化的過渡階段，屬于低產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)。依照上述方法進行測算，最終測得北京、上海、天津、浙江、廣東為高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)，其他省份地區(qū)為低產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)。分組回歸結(jié)果見表5列(1)、 列(2)，可以看到，不同產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)，企業(yè)數(shù)字化轉(zhuǎn)型水平(Dig)的系數(shù)在10%的水平上均顯著，且高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)的系數(shù)明顯大于低產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)，即當前階段不同產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)均呈現(xiàn)勞動偏向，且高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的勞動偏向幅度更大。從數(shù)字化轉(zhuǎn)型的就業(yè)效應(yīng)來解釋，這可能與低產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)中低技能崗位相對更多，數(shù)字技術(shù)對勞動力需求的就業(yè)替代效應(yīng)更明顯有關(guān)，而高產(chǎn)業(yè)結(jié)構(gòu)層次地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型進程更快，就業(yè)技能結(jié)構(gòu)開始適配，就業(yè)效應(yīng)總體上呈現(xiàn)為就業(yè)的創(chuàng)造補償。因此，表現(xiàn)出勞動收入份額變化的產(chǎn)業(yè)結(jié)構(gòu)層次效應(yīng)。

(二)行業(yè)異質(zhì)性分析

勞動收入份額變化的產(chǎn)業(yè)內(nèi)效應(yīng)由有偏型技術(shù)進步和要素稟賦結(jié)構(gòu)共同決定(王林輝和袁禮，2018)[8]。新常態(tài)下資源環(huán)境約束趨緊、要素成本上升，不同傳統(tǒng)要素密集型企業(yè)數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)是否存在差異？為此，依據(jù)行業(yè)要素密集度，本文將制造業(yè)企業(yè)樣本劃分為勞動密集型、資本密集型、技術(shù)密集型三類進行分組回歸，結(jié)果見表5列(3)— 列(5)?？梢园l(fā)現(xiàn)，在勞動密集型企業(yè)和資本密集型企業(yè)樣本中，數(shù)字化轉(zhuǎn)型水平(Dig)的系數(shù)在1%的水平上均顯著為正，而技術(shù)密集型企業(yè)的回歸系數(shù)卻并不顯著地異于0，即數(shù)字化轉(zhuǎn)型僅對非技術(shù)密集型企業(yè)勞動收入份額有顯著的提升作用，且對勞動密集型企業(yè)的正向影響大于資本密集型企業(yè)，而對技術(shù)密集型企業(yè)的提升效果不明顯。從數(shù)字化轉(zhuǎn)型的生產(chǎn)率效應(yīng)來解釋，數(shù)字化轉(zhuǎn)型較快地實現(xiàn)資本替代勞動，彌補了勞動密集型企業(yè)因勞動力成本上升導(dǎo)致的生產(chǎn)率下降，從而實現(xiàn)工資收入和勞動收入份額的提升；對于資本密集型企業(yè)來說，數(shù)字化轉(zhuǎn)型雖然促進了網(wǎng)絡(luò)化協(xié)同，但因資本投入周期長、見效慢，生產(chǎn)率和勞動收入份額的提升效果不如勞動密集型企業(yè)；而對于技術(shù)密集型企業(yè)來說，創(chuàng)新轉(zhuǎn)化的生產(chǎn)率時滯性較強，數(shù)字化轉(zhuǎn)型的生產(chǎn)率效應(yīng)短期內(nèi)難以體現(xiàn)，因此，對勞動收入份額的提升效應(yīng)不明顯。

表5 異質(zhì)性影響的估計結(jié)果

(三)企業(yè)異質(zhì)性分析

技術(shù)進步的作用不是孤立的，而是與各種生產(chǎn)要素進行耦合。那么傳統(tǒng)生產(chǎn)要素的稀缺程度是否會影響數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)？本文從傳統(tǒng)生產(chǎn)要素稀缺程度入手，根據(jù)企業(yè)人均資本存量，將樣本分為資本稀缺(勞動豐裕)和資本豐裕企業(yè)，分組回歸結(jié)果見表5列(6)、 列(7)?？梢园l(fā)現(xiàn)，資本稀缺企業(yè)數(shù)字化轉(zhuǎn)型水平的系數(shù)在1%的水平上顯著為正，而資本豐裕企業(yè)的系數(shù)不顯著地異于0。從數(shù)字化轉(zhuǎn)型的生產(chǎn)率效應(yīng)來解釋，這與資本稀缺企業(yè)資本要素相對稀缺，數(shù)字化轉(zhuǎn)型資本替代的邊際生產(chǎn)率更高，其生產(chǎn)率提升效應(yīng)更為明顯有關(guān)。

(四)技能結(jié)構(gòu)異質(zhì)性的再討論

就業(yè)結(jié)構(gòu)和工資收入極化的典型事實來源于數(shù)字化轉(zhuǎn)型對中等技能崗位的替代效應(yīng)和對高低技能崗位的創(chuàng)造效應(yīng)。那么，不同技能結(jié)構(gòu)企業(yè)數(shù)字化轉(zhuǎn)型的要素收入分配效應(yīng)是否會因企業(yè)人力資本水平的差異而有所不同？為檢驗人力資本帶來的異質(zhì)性，本文將勞動力按受教育程度劃分為高技能勞動力(本科及大專以上學(xué)歷)和低技能勞動力(高中及以下學(xué)歷)兩個檔次，根據(jù)各企業(yè)高技能勞動力所占比例對樣本企業(yè)進行排序，并按三等分劃分為高就業(yè)技能結(jié)構(gòu)企業(yè)、中就業(yè)技能結(jié)構(gòu)企業(yè)以及低就業(yè)技能結(jié)構(gòu)企業(yè)三個子樣本進行回歸，結(jié)果見表6。列(1)、 列(3)、 列(5)僅控制年份和省份效應(yīng)的結(jié)果顯示，中高就業(yè)技能結(jié)構(gòu)企業(yè)數(shù)字化轉(zhuǎn)型水平的系數(shù)均在1%的水平上顯著為正，且高就業(yè)技能結(jié)構(gòu)企業(yè)的系數(shù)更大。列(2)、 列(4)、 列(6)控制了年份、省份和行業(yè)效應(yīng)的估計結(jié)果顯示，中高就業(yè)技能結(jié)構(gòu)企業(yè)數(shù)字化轉(zhuǎn)型水平的系數(shù)在5%和1%的水平上依然顯著。從數(shù)字化轉(zhuǎn)型的生產(chǎn)率效應(yīng)和就業(yè)效應(yīng)來解釋，高技能勞動力與數(shù)字技術(shù)的互補性可以有效促進生產(chǎn)效率的提升，從而有助于高技能勞動力的工資增長，高就業(yè)技能結(jié)構(gòu)企業(yè)的生產(chǎn)率提升效應(yīng)更明顯。同時，高就業(yè)技能結(jié)構(gòu)企業(yè)的中低技能崗位相對較少，數(shù)字化轉(zhuǎn)型的就業(yè)替代效應(yīng)不明顯。因此，不同人力資本水平企業(yè)數(shù)字化轉(zhuǎn)型對勞動收入份額的影響出現(xiàn)了“升級”特征，高就業(yè)技能結(jié)構(gòu)企業(yè)的勞動收入份額明顯提升，高技能勞動力是新興技術(shù)進步的受益者。

表6 就業(yè)技能結(jié)構(gòu)異質(zhì)性分析

六 結(jié)論與政策啟示

數(shù)字經(jīng)濟與實體經(jīng)濟深度融合背景下，數(shù)據(jù)要素參與分配深刻改變了要素收入分配格局。本文利用文本處理技術(shù)測算2010—2020年中國制造業(yè)上市公司數(shù)字化轉(zhuǎn)型水平，考察企業(yè)數(shù)字化轉(zhuǎn)型對勞動收入份額的影響和作用機制，得到的主要結(jié)論為：(1)數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額有顯著的正向影響，不支持數(shù)字化轉(zhuǎn)型抑制勞動要素收入從而惡化要素收入分配的觀點。在考慮內(nèi)生性可能導(dǎo)致的估計偏誤后，回歸結(jié)果穩(wěn)健，這說明制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型是改善要素收入分配、實現(xiàn)共同富裕的重要著力點。(2)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型能夠通過勞動生產(chǎn)率提升效應(yīng)(工資增長效應(yīng))和就業(yè)替代兩種機制影響勞動收入份額。數(shù)字化轉(zhuǎn)型產(chǎn)生的高協(xié)同性促進了生產(chǎn)率和工資收入的提高，從而提升了勞動收入份額。當前階段，盡管就業(yè)創(chuàng)造抵消了一部分的就業(yè)破壞，但整體上仍表現(xiàn)為就業(yè)替代的負向效應(yīng)，不利于勞動收入份額的增加。(3)不同要素稟賦企業(yè)中，新一代數(shù)字技術(shù)的應(yīng)用程度明顯不同，數(shù)字化轉(zhuǎn)型擴展技術(shù)的產(chǎn)出彈性及對傳統(tǒng)生產(chǎn)方式的替代彈性均存在差異，這導(dǎo)致了制造業(yè)數(shù)字化轉(zhuǎn)型要素收入分配效應(yīng)的異質(zhì)性。對于產(chǎn)業(yè)結(jié)構(gòu)水平高地區(qū)、非技術(shù)密集型行業(yè)及資本密集程度低企業(yè)，數(shù)字化轉(zhuǎn)型對勞動收入份額的提升作用更強。特別是，數(shù)字化轉(zhuǎn)型對高就業(yè)技能結(jié)構(gòu)企業(yè)勞動收入份額的正向影響更強，制造業(yè)部門數(shù)字化轉(zhuǎn)型對技能需求表現(xiàn)出“升級”特征而不是“極化”特征，一定程度上印證了數(shù)字化轉(zhuǎn)型的技能偏向性。

研究結(jié)論蘊含了較強的政策含義。數(shù)字化轉(zhuǎn)型與共同富裕目標高度契合，必須堅定不移深入貫徹十九大關(guān)于“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”的戰(zhàn)略部署，推動有效市場和有為政府的更好結(jié)合。具體而言：(1)加快要素的市場化配置，充分發(fā)揮數(shù)據(jù)要素對其他要素效率的倍增效應(yīng)，統(tǒng)籌新舊產(chǎn)業(yè)促進產(chǎn)業(yè)結(jié)構(gòu)升級，引導(dǎo)數(shù)字化轉(zhuǎn)型產(chǎn)生就業(yè)創(chuàng)造而非就業(yè)抑制效應(yīng)。(2)構(gòu)建數(shù)字經(jīng)濟與實體經(jīng)濟的融合體系，優(yōu)化政策工具組合，落實互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)，給予企業(yè)數(shù)字化轉(zhuǎn)型政策紅利，同時完善再分配政策，切實保障數(shù)字化轉(zhuǎn)型負向沖擊下弱勢群體的基本社會福利，避免其對人力資本的破壞性沖擊。(3)應(yīng)對新一代數(shù)字技術(shù)對勞動要素市場的沖擊，需不斷提高勞動力技能與新興數(shù)字技術(shù)的動態(tài)適配性。重視對新一代數(shù)字技術(shù)應(yīng)用人才的培養(yǎng)，加大對高職院校的教育經(jīng)費投入，采用公共采購等形式對企業(yè)員工進行技能培訓(xùn)，加速低技能勞動力知識技能結(jié)構(gòu)的更新，以實現(xiàn)人力資本與新興技術(shù)的生產(chǎn)率互補效應(yīng)，緩解技術(shù)變革的階層分化。