銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響研究

【摘 要】 提升企業(yè)勞動收入份額對提振內(nèi)需、構(gòu)建“雙循環(huán)”新發(fā)展格局尤為重要?；?010—2021年滬深兩市A股上市公司的數(shù)據(jù)，構(gòu)建一個包含融資約束的企業(yè)要素投入決策模型，檢驗銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響。研究發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束產(chǎn)生工資率效應(yīng)，工資率效應(yīng)促使企業(yè)勞動收入份額上升。進一步研究發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型顯著提升民營企業(yè)勞動收入份額，但對國有企業(yè)勞動收入份額無顯著影響，并且相較于管理者，銀行數(shù)字化轉(zhuǎn)型提升雇員勞動收入份額的作用更大。研究結(jié)論為從銀行數(shù)字化轉(zhuǎn)型視角提升企業(yè)勞動收入份額提供了科學(xué)的決策依據(jù)。

【關(guān)鍵詞】 銀行數(shù)字化轉(zhuǎn)型； 勞動收入份額； 融資約束； 資本深化

【中圖分類號】 F812；F249.24 【文獻標(biāo)識碼】 A 【文章編號】 1004-5937（2024）15-0093-09

一、引言

當(dāng)前全球經(jīng)濟增長乏力，貿(mào)易摩擦沖擊國內(nèi)出口，我國經(jīng)濟穩(wěn)增長要依靠擴大內(nèi)需。但是，我國勞動收入份額較低致使家庭收入份額較低，進而抑制消費，導(dǎo)致內(nèi)需不足[ 1 ]。因此，提升勞動收入份額是構(gòu)建“雙循環(huán)”經(jīng)濟增長模式的重要環(huán)節(jié)。然而，我國企業(yè)普遍面臨的融資約束導(dǎo)致企業(yè)勞動收入份額低下[ 2 ]。如何提高金融部門對企業(yè)的有效金融供給是提高企業(yè)勞動收入份額的關(guān)鍵。在數(shù)字金融迅速發(fā)展的背景下，作為金融體系主要的構(gòu)成部分，銀行也在快速推進數(shù)字化轉(zhuǎn)型。2021年國有大型商業(yè)銀行和全國性股份制商業(yè)銀行基本設(shè)立了金融科技子公司，進入了全面數(shù)字化轉(zhuǎn)型階段。銀行應(yīng)用大數(shù)據(jù)、云計算、人工智能等技術(shù)實現(xiàn)了傳統(tǒng)貸款業(yè)務(wù)的線上化和智能化。數(shù)字化轉(zhuǎn)型提高了銀行信息搜集能力，降低了交易成本，優(yōu)化了風(fēng)險管理模式，增加了有效金融供給[ 3 ]，有可能提升企業(yè)勞動收入份額。鑒于此，本文探討銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響。

金融與企業(yè)勞動收入份額關(guān)系的研究成果較為豐富。已有研究探討金融發(fā)展、金融抑制、融資約束和數(shù)字金融對企業(yè)勞動收入份額的影響。余玲錚和魏下海[ 4 ]的研究認(rèn)為金融發(fā)展增加了企業(yè)的信貸獲取，促使企業(yè)加快資本深化，進而使勞動收入份額下降。張建武等[ 5 ]的研究表明金融抑制背景下，國有資本密集型企業(yè)獲得大量的低成本信貸，使得這類企業(yè)傾向于進行資本深化，由此減少企業(yè)勞動收入份額。羅長遠(yuǎn)和陳琳[ 2 ]的研究表明企業(yè)面臨融資約束時會降低員工工資，進而使企業(yè)勞動收入份額下降，并且融資約束對勞動收入份額的負(fù)影響僅在民營企業(yè)存在。汪偉等[ 1 ]的研究認(rèn)為民營企業(yè)面臨外源融資困難，使得其傾向于增加儲蓄以進行內(nèi)源融資，由此造成對勞動者報酬的擠壓，進而降低企業(yè)勞動收入份額。熊家財?shù)萚 6 ]的研究發(fā)現(xiàn)數(shù)字金融發(fā)展降低了企業(yè)的資金成本，紓解了企業(yè)的融資困難，從而提升了企業(yè)勞動收入份額。綜合而言，減輕企業(yè)融資約束對勞動收入份額會產(chǎn)生重要的影響。當(dāng)企業(yè)融資約束得到緩解后可能將籌集的資金用于資本深化（比如購買設(shè)備等），也可能用于增加員工工資。當(dāng)企業(yè)將籌集的資金用于資本深化時使得勞動收入份額下降，而當(dāng)企業(yè)將籌集的資金用于增加員工的工資時使得勞動收入份額上升。緩解企業(yè)融資約束對勞動收入份額的影響，取決于企業(yè)融資約束得到緩解之后如何使用籌集的資金。

銀行數(shù)字化轉(zhuǎn)型影響企業(yè)貸款可得性和貸款結(jié)構(gòu)的研究亦較為豐富。張金清等[ 3 ]的研究發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型可以通過提升信息甄別能力和優(yōu)化風(fēng)險控制模式這兩條路徑來提高民營企業(yè)貸款可得性，同時減少對國有僵尸企業(yè)的貸款。趙家琪等[ 7 ]的研究發(fā)現(xiàn)轉(zhuǎn)型程度高的銀行通過數(shù)字化轉(zhuǎn)型有效提高了貸款效率，進而增加了對小微企業(yè)的貸款供給，降低了小微企業(yè)貸款成本。李逸飛等[ 8 ]的研究發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型能夠通過提升信息甄別能力顯著提高企業(yè)中長期貸款的占比，從而降低企業(yè)的短債長用。綜合而言，銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束對企業(yè)的貸款可得性和貸款結(jié)構(gòu)產(chǎn)生了積極影響。

綜合已有研究，發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型能夠增加對企業(yè)的貸款供給，進而可能對企業(yè)勞動收入份額產(chǎn)生影響。但鮮有文獻研究二者之間的關(guān)系，因此探究銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響有重要的理論價值?；诖?，本文從融資約束視角構(gòu)建了銀行數(shù)字化轉(zhuǎn)型影響企業(yè)勞動收入份額的理論模型，并采用2010—2021年滬深兩市A股上市公司的數(shù)據(jù)實證檢驗銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，最后從企業(yè)所有制類型、員工類型等角度考察了這種影響的異質(zhì)性。

在現(xiàn)有研究的基礎(chǔ)上，本文可能的邊際貢獻包括三點：第一，將數(shù)字金融拓展至銀行主體，以探討銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，豐富了數(shù)字金融與企業(yè)勞動收入份額關(guān)系的研究。在我國以銀行為主體的金融體系下，針對性地探討銀行部門的數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響有重要意義。第二，本文通過構(gòu)建一個包含融資約束的企業(yè)要素投入決策模型，厘清了融資約束影響企業(yè)勞動收入份額的理論機制。已有文獻僅考慮到融資約束是影響勞動收入份額的重要原因，但并未建立嚴(yán)謹(jǐn)?shù)睦碚撃Ｐ屠迩迦谫Y約束與勞動收入份額之間的關(guān)系。第三，已有研究要么僅考慮企業(yè)融資約束得到緩解之后會增加員工工資進而提升勞動收入份額，要么僅考慮企業(yè)融資約束得到緩解之后會進行資本深化進而降低勞動收入份額。本文將緩解企業(yè)融資約束影響勞動收入份額的這兩條路徑納入統(tǒng)一的分析框架進行研究，研究結(jié)論對如何從銀行數(shù)字化轉(zhuǎn)型的視角提升勞動收入份額有啟示作用。

本文其余部分的安排如下：第二部分是理論分析與研究假設(shè)；第三部分介紹數(shù)據(jù)來源與變量設(shè)置；第四部分是實證結(jié)果與分析；第五部分是機制分析和異質(zhì)性檢驗；第六部分是結(jié)論和啟示。

二、理論分析與研究假設(shè)

企業(yè)勞動收入份額是企業(yè)經(jīng)營決策的結(jié)果。為從理論上厘清銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，本文按照銀行數(shù)字化轉(zhuǎn)型→融資約束→工資率和勞動生產(chǎn)率→勞動收入份額的邏輯探析銀行數(shù)字化轉(zhuǎn)型影響企業(yè)勞動收入份額的理論機制。具體地，首先建立基準(zhǔn)模型，分析企業(yè)在既定的要素價格和產(chǎn)出水平下，得到使成本最小化的最佳要素投入組合。其次，將企業(yè)面臨的融資約束納入基準(zhǔn)模型，分析融資約束對工資率和勞動生產(chǎn)率的影響。再次，分析銀行數(shù)字化轉(zhuǎn)型對融資約束的影響。最后，綜合分析得出銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，并提出待檢驗的假設(shè)。

（一）最佳要素投入組合與企業(yè)勞動收入份額

假設(shè)企業(yè)始終在既定的要素價格和產(chǎn)出下選擇最優(yōu)的要素投入組合。生產(chǎn)函數(shù)設(shè)定為常替代彈性生產(chǎn)函數(shù)（CES），其中：？琢∈（0，1）為分配系數(shù)，σ∈［0，+∞）為不變彈性系數(shù)，A為技術(shù)系數(shù)。企業(yè)的目標(biāo)是在產(chǎn)出Y、資金成本r和工資w既定的情況下，選擇最佳的資本和勞動投入量，從而使得成本最小化。即：

■C=rK+wLs.t.■=A？琢K■+（1-？琢）L■■ （1）

構(gòu)造拉格朗日函數(shù)：

？鬃（K，L，？滋）=rK+wL+？滋■-A？琢K■+（1-？琢）L■■

（2）

一階條件為：

？鬃K=r-？滋A？琢（■A-1K-1）■=0？鬃L=w-？滋A（1-？琢）（■A-1L-1）■=0？鬃U=■-A？琢K■+（1-？琢）L■■=0 （3）

解得：

K*=A-1■（？滋A？琢r-1）σL*=A-1■［？滋A（1-？琢）w-1］σ （4）

其中，式（4）中K*和L*為企業(yè)最佳的資本和勞動投入量。

（二）融資約束對勞動生產(chǎn)率和工資率的影響

1.融資約束對勞動生產(chǎn)率的影響

將融資約束對企業(yè)要素投入決策的影響納入模型。企業(yè)追加資本投入往往是一次性的大額投入，而勞動投入則相對比較靈活（錄用和解聘勞動力的數(shù)量可大可?。?dāng)企業(yè)面臨融資約束的時候，可能無力支付一次性的大額資本投入，即便此時資本的邊際產(chǎn)出大于勞動的邊際產(chǎn)出，企業(yè)也無法增加資本投入以替換勞動，最終導(dǎo)致其在次優(yōu)的要素投入方案下進行生產(chǎn)。因此，本文假設(shè)企業(yè)面臨融資約束時資本投入存在一個上限，令這一上限為資本的最大可投入量K，融資約束越嚴(yán)重，資本的最大可投入量越小，K值的大小刻畫了企業(yè)面臨的融資約束程度。

企業(yè)的目標(biāo)是在產(chǎn)出Y既定且資本投入K≤K的約束條件下，選擇最佳的資本和勞動投入量，從而使得成本最小化，即：

■C=rK+wLs.t.K≤■，■=A？琢K■+（1-？琢）L■■ （5）

構(gòu)造拉格朗日函數(shù)：

？鬃（K，L，？滋，？茲）=rK+wL+？滋■-A？琢K■+（1-？琢）L■■+

？茲（K-■） （6）

相應(yīng)的庫恩—塔克（KKT）條件為：

？鬃K=r-？滋A？琢（■A-1K-1）■+？茲=0？鬃L=w-？滋A（1-？琢）（■A-1L-1）■+？茲=0？滋≠0■-A？琢K■+（1-？琢）L■■=0？茲（K-■）≤0？茲≥0 （7）

求解這個規(guī)劃問題：

第一，當(dāng)影子價格？茲等于0時，？鬃？茲是一個松弛約束，此時企業(yè)的資本投入未受到融資約束的限制，企業(yè)的要素投入決策與基準(zhǔn)模型一致，參照式（4）。

第二，當(dāng)影子價格？茲大于0時，？鬃？茲成為一個緊約束，此時企業(yè)的資本投入受到融資約束的限制，即K*=■。企業(yè)的最佳資本和勞動投入量分別為：

K*=■L*=（A-1■）■-？琢■■■（1-？琢）■ （8）

式（8）中K*和L*為企業(yè)最大可投入資本量為■時的最佳資本和勞動投入量。本文探討融資約束對勞動收入份額的影響，僅當(dāng)影子價格？茲大于0時，企業(yè)要素投入才偏離無融資約束情形下的最佳要素投入，因此本文僅針對影子價格？茲大于0的情況進行進一步分析。令企業(yè)面臨的融資約束程度為？漬，融資約束程度越高？漬值越大。由于企業(yè)面臨的融資約束程度越高，最大可投入的資本量越小，所以最大可投入的資本量■是融資約束程度？漬的減函數(shù)，即■=■（？漬），且■'（？漬）<0。

令勞動生產(chǎn)率為el，則：

el=■/L=■（A-1■）■-？琢■■■（1-？琢）■（9）

對勞動生產(chǎn)率el關(guān)于？漬求導(dǎo)，可得：

■=■·■=■（1-？琢）■？琢（A-1■）■-？琢■■■

■■·■'（？漬）<0 （10）

由式（10）中？墜el/？墜？漬<0可知，在產(chǎn)出既定的前提下，企業(yè)面臨的融資約束程度越高，要素投入決策中越多地使用勞動替代資本，進而勞動生產(chǎn)率越低。張杰等[ 9 ]基于我國工業(yè)企業(yè)的實證結(jié)果表明，融資約束是限制企業(yè)用資本替代勞動的重要原因，對資本勞動比有負(fù)面影響。而吳海民[ 10 ]基于上市公司的實證結(jié)果表明，資本深化有利于提升勞動生產(chǎn)率。因此，經(jīng)驗研究也支持融資約束會通過限制企業(yè)資本深化進而降低勞動生產(chǎn)率。

2.融資約束對工資率的影響

企業(yè)面臨融資約束的情況下，將會以增加儲蓄的方式進行內(nèi)源融資，由此造成對工資率的擠壓。理論上，考慮到我國工會力量較為薄弱，并且二元經(jīng)濟結(jié)構(gòu)導(dǎo)致勞動力過剩，可以得出我國勞動者對工資率的議價能力較弱的結(jié)論，因此企業(yè)有能力將工資率壓低到市場均衡工資率w以下。經(jīng)驗上，馮諺晨[ 11 ]基于工業(yè)企業(yè)數(shù)據(jù)庫測算的我國勞動要素價格存在負(fù)向扭曲，即勞動者獲得的工資率低于市場均衡工資率。因此，本文假定企業(yè)實際支付的工資率低于或等于市場均衡工資率。令工資率的負(fù)向扭曲程度為k，k∈（0，1］，k值越大，工資率負(fù)向扭曲程度越大。企業(yè)面臨的融資約束越嚴(yán)重，通過擠壓勞動報酬進行內(nèi)源融資的動機越強，工資率負(fù)向扭曲程度越大，因此工資率負(fù)向扭曲程度k是融資約束？漬的增函數(shù)，即k=k（？漬），且k'（？漬）>0。令工資率w=［1-k（？漬）］w，可見，工資率負(fù)向扭曲程度越大，工資率越低。對工資率關(guān)于？漬求導(dǎo)，可得：

■=■·■=-w·k'（？漬）<0 （11）

由式（11）中？墜■/？墜？漬<0可知，企業(yè)面臨的融資約束程度越高，工資率負(fù)向扭曲程度越大，企業(yè)實際支付的工資率越低。反之，當(dāng)企業(yè)融資約束程度降低時，工資率負(fù)向扭曲程度變小，企業(yè)實際支付的工資率上升。需要說明的是，企業(yè)由于融資約束降低而提升工資率并不改變企業(yè)資本和勞動的投入決策，因為通常情況下工資率縱然有所上升，但并不會超過市場均衡工資率。

（三）銀行數(shù)字化轉(zhuǎn)型對融資約束的影響

銀行數(shù)字化轉(zhuǎn)型通過以下兩條途徑緩解企業(yè)融資約束。第一，銀行數(shù)字化轉(zhuǎn)型通過減少信息不對稱來緩解融資約束。信息不對稱導(dǎo)致企業(yè)面臨融資約束?；ヂ?lián)網(wǎng)的普及使得網(wǎng)絡(luò)上沉淀了大量與企業(yè)經(jīng)營相關(guān)的數(shù)據(jù)，大數(shù)據(jù)分析技術(shù)的應(yīng)用提升了銀行挖掘信息的能力。如螞蟻金服在審批貸款的時候，綜合考慮企業(yè)的信用數(shù)據(jù)、財務(wù)數(shù)據(jù)和銷售數(shù)據(jù)等非財務(wù)數(shù)據(jù)，評估企業(yè)的違約風(fēng)險[ 12 ]。數(shù)字化轉(zhuǎn)型使得銀行能夠更加有效地對海量數(shù)據(jù)進行挖掘，有助于銀行篩選出優(yōu)質(zhì)企業(yè)并為其提供貸款，從而減輕企業(yè)融資約束。第二，銀行數(shù)字化轉(zhuǎn)型擴大了金融服務(wù)的覆蓋范圍，提高了服務(wù)便利程度，從而緩解了企業(yè)融資約束。數(shù)字化轉(zhuǎn)型前，銀行在發(fā)放貸款時主要考察企業(yè)是否有足夠的抵押物，缺乏對企業(yè)發(fā)展前景的考量，有發(fā)展前景但缺乏抵押物的企業(yè)不可避免遭受融資約束[ 13 ]。數(shù)字化轉(zhuǎn)型使得銀行能夠應(yīng)用大數(shù)據(jù)等數(shù)字技術(shù)收集企業(yè)經(jīng)營相關(guān)的各種信息，并基于豐富的企業(yè)經(jīng)營信息評估企業(yè)的發(fā)展前景，進而做出是否放貸的決策。在銀行數(shù)字化轉(zhuǎn)型的情況下，那些有發(fā)展前景但缺乏抵押物的企業(yè)有可能獲得銀行的信貸支持。此外，傳統(tǒng)的人工審核貸款也被基于人工智能技術(shù)的自動貸款審批模式取代，審批流程簡單高效，審批過程不受人工干預(yù)，企業(yè)信貸獲取更為便利。

因此，銀行數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)融資約束。令銀行數(shù)字化轉(zhuǎn)型程度為？濁，銀行數(shù)字化轉(zhuǎn)型程度越高？濁值越大。銀行數(shù)字化轉(zhuǎn)型程度越高的地區(qū)，企業(yè)面臨的融資約束越小，因此企業(yè)面臨的融資約束？漬是銀行數(shù)字化轉(zhuǎn)型程度？濁的減函數(shù)，即？漬=？漬（？濁），且？漬'（？濁）<0。

（四）銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響

1.銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率的影響

銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束，促使企業(yè)用資本替代勞動，進而提升勞動生產(chǎn)率。因此勞動生產(chǎn)率是銀行數(shù)字化轉(zhuǎn)型程度的函數(shù)，表示為如下抽象函數(shù)形式：

el=el［？漬（？濁）］ （12）

判斷銀行數(shù)字化轉(zhuǎn)型水平對勞動生產(chǎn)率的影響可以轉(zhuǎn)變?yōu)楸容^el（？濁1）和el（？濁2）的大小，這可以借助式（12）中el關(guān)于？濁求偏導(dǎo)，可得：

■=■·■>0 （13）

由？墜el/？墜？漬<0和？墜？漬/？墜？濁<0，可知式（13）為正值，說明銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束提升勞動生產(chǎn)率。由此，提出如下假設(shè)：

假設(shè)1：銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束促使勞動生產(chǎn)率提升。

2.銀行數(shù)字化轉(zhuǎn)型對工資率的影響

銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束，減少對工資率的擠壓，進而提升工資率。因此工資率是銀行數(shù)字化轉(zhuǎn)型程度的函數(shù)，表示為如下抽象函數(shù)形式：

w=w［？漬（？濁）］ （14）

判斷銀行數(shù)字化轉(zhuǎn)型程度對工資率的影響可以轉(zhuǎn)變?yōu)楸容^w（？濁1）和w（？濁2）的大小，這可以借助式（14）中w關(guān)于？濁求偏導(dǎo)，可得：

■=■·■>0 （15）

由？墜？漬/？墜？濁<0和？墜■/？墜？漬<0，可知式（15）的符號為正，說明銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束提升工資率。由此提出如下假設(shè)：

假設(shè)2：銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束促使工資率上升。

3.銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響

勞動收入份額LS可以分解為工資率與勞動生產(chǎn)率的比值，即：

LS=■=■ （16）

由式（16）可知，勞動生產(chǎn)率上升會導(dǎo)致勞動收入份額下降，而工資率上升會使勞動收入份額上升。判斷銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的總影響，可以轉(zhuǎn)變?yōu)楸容^LS（？濁1）和LS（？濁2）的大小，這可以借助式（16）中LS關(guān)于？濁求偏導(dǎo)，可得：

■=■·■'（？濁）+■·el'（？濁） （17）

？墜LS/？墜■>0和■'（？濁）>0，可知式（17）的右邊第一項為正值，表示銀行數(shù)字化轉(zhuǎn)型通過提升工資率，進而提升勞動收入份額。本文將銀行數(shù)字化轉(zhuǎn)型通過提升工資率對勞動收入份額的正影響定義為工資率效應(yīng)。？墜LS/？墜el<0和el'（？濁）>0，可知式（17）右邊的第二項為負(fù)值，表示銀行數(shù)字化轉(zhuǎn)型通過提升勞動生產(chǎn)率，進而降低勞動收入份額。本文將銀行數(shù)字化轉(zhuǎn)型通過提升勞動生產(chǎn)率對勞動收入份額的負(fù)影響定義為勞動生產(chǎn)率效應(yīng)。式（17）最終的符號取決于哪一項的絕對值更大，如果第一項的絕對值更大，說明工資率效應(yīng)大于勞動生產(chǎn)率效應(yīng)，最終銀行數(shù)字化轉(zhuǎn)型使得勞動收入份額上升；如果第二項的絕對值更大，說明勞動生產(chǎn)率效應(yīng)大于工資率效應(yīng)，最終銀行數(shù)字化轉(zhuǎn)型使得勞動收入份額下降。由此提出如下兩個具有競爭性的假設(shè)：

假設(shè)3a：銀行數(shù)字化轉(zhuǎn)型的工資率效應(yīng)大于勞動生產(chǎn)率效應(yīng)，最終使得勞動收入份額上升。

假設(shè)3b：銀行數(shù)字化轉(zhuǎn)型的勞動生產(chǎn)率效應(yīng)大于工資率效應(yīng)，最終使得勞動收入份額降低。

銀行數(shù)字化轉(zhuǎn)型影響勞動收入份額的作用機制如圖1所示。

三、數(shù)據(jù)來源與變量設(shè)置

本文的研究以滬深兩市A股上市公司為研究樣本，構(gòu)建2010—2021年的面板數(shù)據(jù)。對企業(yè)數(shù)據(jù)進行如下處理：刪掉金融業(yè)的企業(yè)，刪掉ST類企業(yè)，刪掉主要變量存在數(shù)據(jù)缺失的企業(yè)，并對部分連續(xù)變量進行1%和99%的縮尾處理。最后得到8 244個有效的“企業(yè)—年份”樣本。

（一）被解釋變量

勞動收入份額（LS），以支付給職工以及為職工支付的現(xiàn)金/企業(yè)營業(yè)總收入來衡量。

（二）解釋變量

銀行數(shù)字化轉(zhuǎn)型（digbank），企業(yè)層面的銀行數(shù)字化轉(zhuǎn)型采用企業(yè)貸款銀行的數(shù)字化轉(zhuǎn)型程度來衡量。本文借鑒張金清等[ 3 ]的做法構(gòu)造企業(yè)貸款銀行的數(shù)字化轉(zhuǎn)型程度，具體包括三步。第一步，采用北京大學(xué)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)來衡量銀行數(shù)字化轉(zhuǎn)型程度。第二步，基于銀行數(shù)字化轉(zhuǎn)型指數(shù)，計算企業(yè)各個貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)的加權(quán)平均值，該指數(shù)即為企業(yè)貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)，其中以企業(yè)當(dāng)年在各銀行的貸款比重為權(quán)重。第三步，對企業(yè)貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)取對數(shù)。

（三）中介變量

融資約束（SA），采用SA指數(shù)來衡量。SA指數(shù)由Hadlock和Pierce[ 14 ]構(gòu)建，由于其僅由企業(yè)的規(guī)模和年齡決定，外生性比較強，能夠準(zhǔn)確地測度我國企業(yè)的融資約束程度，在國內(nèi)學(xué)術(shù)界得到廣泛應(yīng)用。其計算公式為： SA=-0.737×Size+0.043×Size2-0.04×Age。計算結(jié)果均為負(fù)值，SA指數(shù)越小，企業(yè)面臨的融資約束越嚴(yán)重。

（四）控制變量

選取如下控制變量：人均資本，表示資本深化程度，資本深化程度越高的企業(yè)，勞動生產(chǎn)率越高，勞動收入份額越低[ 5 ]。股權(quán)性質(zhì)，相較于國有企業(yè)，民營企業(yè)面臨著融資約束，使得其勞動收入份額低于國有企業(yè)[ 1 ]。其他企業(yè)層面的控制變量參考熊家財?shù)萚 6 ]的研究設(shè)置企業(yè)年齡、企業(yè)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)收益率、資本產(chǎn)出比和股權(quán)集中度。

變量的計算方法和描述性統(tǒng)計結(jié)果見表1。

四、檢驗結(jié)果與分析

本文設(shè)定如下模型分析銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響：

LSit/elit/wit=c+？茁1digbankit+∑？茁jcontrolit+？滋i+？滋t+？著it

（18）

式（18）中，LSit為勞動收入份額，digbankit為銀行數(shù)字化轉(zhuǎn)型，elit為勞動生產(chǎn)率，wit為工資率，controlit為控制變量，？茁j為待估參數(shù)，？滋i為個體效應(yīng)，？滋t為時間效應(yīng)，？著it為殘差項。本文的回歸采用雙向固定效應(yīng)，并對標(biāo)準(zhǔn)誤進行企業(yè)層面的聚類調(diào)整。行業(yè)間的生產(chǎn)技術(shù)和要素投入比例差距較大，致使行業(yè)間的勞動收入份額存在差異，因此本文的回歸均固定了行業(yè)效應(yīng)。

（一）基準(zhǔn)回歸

利用式（18）實證檢驗銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響，具體結(jié)果見表2。表2列（1）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，銀行數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)勞動收入份額。列（2）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)不顯著，說明銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率沒有顯著影響，由此假設(shè)1未得到驗證。列（3）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，說明銀行數(shù)字化轉(zhuǎn)型對工資率有提升作用，由此假設(shè)2得證。列（3）由于銀行數(shù)字化轉(zhuǎn)型的工資率效應(yīng)顯著，而勞動生產(chǎn)率效應(yīng)不顯著，最終使得勞動收入份額上升，假設(shè)3a得證。可能的原因是：在人口老齡化導(dǎo)致的勞動力成本逐步上升的背景下，相較于將資金用于資本深化以提升勞動生產(chǎn)率，企業(yè)更迫切的是提升工資率以留住員工或者激勵員工更加努力工作。

控制變量的回歸結(jié)果顯示：控制變量的系數(shù)大部分是顯著的，說明企業(yè)年齡、資產(chǎn)負(fù)債率、總資產(chǎn)收益率、資本產(chǎn)出比和人均資本對勞動收入份額均有顯著影響，這與萬江滔和魏下海[ 15 ]的結(jié)論一致。

（二）穩(wěn)健性檢驗

1.內(nèi)生性處理

基本結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型能夠提升勞動收入份額，但上述回歸結(jié)果可能受內(nèi)生性問題的干擾，如可能產(chǎn)生遺漏變量引起的內(nèi)生性問題?；诖?，本文借鑒張金清等[ 3 ]的研究，采用銀行數(shù)字化轉(zhuǎn)型的滯后一期作為工具變量，結(jié)果見表3列（1）。列（1）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，說明本文的核心結(jié)論是穩(wěn)健的。

2.替換核心變量

本文采用魏下海等[ 16 ]的方法，用ln［LS（1-LS）］來衡量勞動收入份額。為避免測量誤差，將上述方式測算的勞動收入份額作為被解釋變量進行檢驗，回歸結(jié)果見表4列（2）。在替換變量測度方法后，銀行數(shù)字化轉(zhuǎn)型的系數(shù)仍舊顯著為正，支持了本文的結(jié)論。

五、進一步討論

（一）機制分析

銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束提升勞動收入份額。因此，本文依據(jù)融資約束的中位數(shù)將樣本分為兩組，分別為融資約束高組和融資約束低組，然后分組進行回歸，回歸結(jié)果如表4所示。列（1）和列（2）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，且列（1）中的系數(shù)顯著大于列（2），說明企業(yè)面臨的融資約束越大，銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的作用越大，證實了銀行數(shù)字化轉(zhuǎn)型通過融資約束這一渠道影響企業(yè)勞動收入份額。列（3）和列（4）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均不顯著，進一步佐證了銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率無顯著影響。列（5）和列（6）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，且列（5）中的系數(shù)顯著大于列（6），說明企業(yè)面臨的融資約束越大，銀行數(shù)字化轉(zhuǎn)型對工資率的提升作用越大，進一步佐證了銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束發(fā)揮工資率效應(yīng)，進而提升勞動收入份額。

（二）異質(zhì)性分析

1.所有制異質(zhì)性分析

機制檢驗證實了銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束提升勞動收入份額，而民營企業(yè)面臨的融資約束更大，這意味著銀行數(shù)字化轉(zhuǎn)型提升勞動收入份額的作用在國有企業(yè)和民營企業(yè)之間可能存在差異。有鑒于此，本文進一步考察銀行數(shù)字化轉(zhuǎn)型對國有企業(yè)和民營企業(yè)勞動收入份額的影響是否存在顯著差異，估計結(jié)果見表5中的列（1）、列（2）。結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型僅能顯著提升民營企業(yè)的勞動收入份額。這是由于國有企業(yè)有政府作為信用背書，融資較容易，而民營企業(yè)面臨的融資約束比較嚴(yán)重，銀行數(shù)字化轉(zhuǎn)型緩解企業(yè)約束的作用在民營企業(yè)中顯著，進而提升民營企業(yè)勞動收入份額的作用顯著。

2.員工類型異質(zhì)性分析

本文將勞動收入分解為管理者勞動收入和員工勞動收入，將管理者勞動收入份額和員工勞動收入份額作為被解釋變量①，分析銀行數(shù)字化轉(zhuǎn)型具體提升了哪類勞動者的收入份額，回歸結(jié)果見表5中的列（3）、列（4）?？梢?，銀行數(shù)字化轉(zhuǎn)型顯著提升管理者和員工的勞動收入份額，但對員工勞動收入份額的提升作用遠(yuǎn)大于對管理者勞動收入份額的提升作用。這是由于管理者有一定的權(quán)力影響自身的收入，上市公司管理者的薪酬較高是公認(rèn)的事實，管理者工資率可以說并不存在負(fù)向扭曲，但員工工資率在企業(yè)面臨融資約束的情況下負(fù)向扭曲程度較高。因此銀行數(shù)字化轉(zhuǎn)型對員工工資率的提升作用更強，進而較大幅度地提升員工勞動收入份額。

六、結(jié)論和啟示

本文選取2010—2021年滬深兩市A股上市公司為樣本，探討銀行數(shù)字化轉(zhuǎn)型與企業(yè)勞動收入份額之間的關(guān)系，得到以下三點結(jié)論。第一，銀行數(shù)字化轉(zhuǎn)型通過發(fā)揮工資率效應(yīng)促使企業(yè)勞動收入份額上升。第二，銀行數(shù)字化轉(zhuǎn)型緩解了企業(yè)融資約束，減少了企業(yè)對員工工資率的擠壓而使得工資率提升，進而企業(yè)勞動收入份額得以提高。第三，銀行數(shù)字化轉(zhuǎn)型顯著提升民營企業(yè)勞動收入份額，但對國有企業(yè)勞動收入份額無顯著影響，并且相較于管理者銀行數(shù)字化轉(zhuǎn)型提升員工勞動收入份額的作用更大。

本文的研究結(jié)論蘊含三點重要的政策啟示。

第一，大力推進銀行數(shù)字化轉(zhuǎn)型。鑒于銀行數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動收入份額，政府應(yīng)當(dāng)大力推進銀行數(shù)字化轉(zhuǎn)型。一方面，針對銀行業(yè)出臺相應(yīng)的激勵政策，推進銀行業(yè)加快數(shù)字化轉(zhuǎn)型。另一方面，搭建與企業(yè)經(jīng)營相關(guān)信息的共享平臺，進一步降低銀行獲取企業(yè)經(jīng)營相關(guān)信息的成本。

第二，著力解決民營企業(yè)的融資約束問題。相較于國有企業(yè)，民營企業(yè)的工資率較低，因而提升企業(yè)勞動收入份額的關(guān)鍵是提升民營企業(yè)勞動收入份額。緩解融資約束能夠有效提升民營企業(yè)勞動收入份額。因此，著力緩解民營企業(yè)融資約束是提升民營企業(yè)勞動收入份額的重要舉措。

第三，加強對勞動力的技能培訓(xùn)。盡管銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束促使企業(yè)工資率上升，進而提升企業(yè)勞動收入份額，但員工也應(yīng)當(dāng)重視通過提升勞動技能以提升工資率。一方面，企業(yè)應(yīng)當(dāng)加強對員工的培訓(xùn)，使其有能力勝任更高技術(shù)含量的工作；另一方面，政府應(yīng)當(dāng)增加面向各類勞動者的職業(yè)技能培訓(xùn)，以提升勞動者專業(yè)素質(zhì)?！?/p>

【參考文獻】

［1］ 汪偉，郭新強，艾春榮.融資約束、勞動收入份額下降與中國低消費［J］.經(jīng)濟研究，2013（11）：100-113.

［2］ 羅長遠(yuǎn)，陳琳.融資約束會導(dǎo)致勞動收入份額下降嗎：基于世界銀行提供的中國企業(yè)數(shù)據(jù)的實證研究［J］.金融研究，2012（3）：29-42.

［3］ 張金清，李柯樂，張劍宇.銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？［J］.財經(jīng)研究，2022，48（1）：64-77.

［4］ 余玲錚，魏下海.我國勞動收入份額為何持續(xù)下降：基于金融發(fā)展的視角［J］.產(chǎn)經(jīng)評論，2013（2）：126-132.

［5］ 張建武，王茜，林志帆，等.金融抑制與勞動收入份額關(guān)系研究［J］.中國人口科學(xué)，2014（5）：47-56.

［6］ 熊家財，劉充，章衛(wèi)東.數(shù)字金融發(fā)展與勞動收入份額提升：來自上市公司的經(jīng)驗證據(jù)［J］.經(jīng)濟評論，2022（6）：100-113.

［7］ 趙家琪，江弘毅，胡詩云，等.數(shù)字普惠金融下的小微信貸與風(fēng)險：基于銀行數(shù)字化轉(zhuǎn)型的視角［J］.經(jīng)濟學(xué)（季刊），2023，23（5）：1686-1703.

［8］ 李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業(yè)短債長用［J］.中國工業(yè)經(jīng)濟，2022（10）：137-154.

［9］ 張杰，鄭文平，翟福昕.融資約束影響企業(yè)資本勞動比嗎：中國的經(jīng)驗證據(jù)［J］.經(jīng)濟學(xué)（季刊），2016，15（3）：1029-1056.

［10］ 吳海民.資本深化帶來了勞動生產(chǎn)率下降嗎［J］. 財經(jīng)科學(xué)，2013（9）：40-50.

［11］ 馮諺晨.工業(yè)企業(yè)中要素價格扭曲對我國勞動收入份額的影響［J］.經(jīng)濟經(jīng)緯，2018，35（2）：78-85.

［12］ HUANG Y，LIN C，SHENG Z，et al.Fin tech credit and service quality ［R］.Working Paper of the University of HongKong，2018.

［13］ 錢雪松，唐英倫，方勝.擔(dān)保物權(quán)制度改革降低了企業(yè)債務(wù)融資成本嗎：來自中國《物權(quán)法》自然實驗的經(jīng)驗證據(jù)［J］.金融研究，2019（7）：115-134.

［14］ HADLOCK C J，PIERCE J R.New evidence on measuring financial constraints：moving beyond the KZ index［J］.Review of Financial Studies，2010，23（5）：1909-1940.

［15］ 萬江滔，魏下海.最低工資規(guī)制對企業(yè)勞動收入份額的影響：理論分析與微觀證據(jù)［J］.財經(jīng)研究，2020（7）：64-78.

［16］ 魏下海，董志強，黃玖立.工會是否改善勞動收入份額：理論分析與來自中國民營企業(yè)的經(jīng)驗證據(jù)［J］.經(jīng)濟研究，2013，48（8）：16-28.