数字金融对劳动力的就业结构效应：理论与检验

李晓栋 万诗婕

(1. 中国社会科学院人口与劳动经济研究所，北京 100010；2.中国社会科学院大学应用经济学院，北京 102400)

一、引言

新一代信息技术与传统经济融合的数字经济成为我国经济发展中最为活跃的一环，与之高度契合的新型商业模式加速推进，数字经济发展为数字金融发展打造了良好的基础。2021年7月，国务院金融稳定发展委员会在会议上提出“发展普惠金融、绿色金融、数字金融”。数字金融泛指传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他新型金融业务模式。与互联网金融、金融科技的概念相比，数字金融的概念更加中性，所覆盖的面也更广泛一些(黄益平、黄卓，2018)[1]。双循环发展格局下，依靠数字技术创新引领作用，传统金融产业实现数字化转型升级，拓宽服务边界，提升弱势群体金融服务可得性。数字金融的发展催生新就业形态，创业创新、灵活就业等就业形式层出不穷，就业机会进一步增加。数字金融主要通过改善创业和就业环境、提升就业能力、降低资源流动限制等方面来影响劳动力参与。金融发展可以促进资源合理配置，减少创业者的流动性约束，以及金融服务体系的进一步完善，有效促进居民创业就业热情。此外，新冠疫情的暴发使社会和经济面临前所未有的危机，中小微企业的生存形势更加严峻。数字金融通过改善融资环境、降低融资成本、缓解融资约束等措施，为大量的中小微企业提供发展动力，从而保障人民群众的就业和生计。在此背景下，信贷资源的配置效率提升，企业得以扩大生产投入，促使企业增加相应的就业岗位，进而提高整体就业水平。中国数字金融进入快速发展期，劳动力市场更加活跃，势必会对劳动力就业结构产生影响。因此，研究数字金融发展对劳动力就业结构的影响，识别劳动力市场就业结构的区域差异性，对于实现更高质量更充分就业和区域协调发展具有现实意义。

二、文献综述

已有相关文献研究了数字金融对促进就业、创业与劳动力流动等方面的影响。依据麦肯锡2016年发布的报告，数字金融的广泛应用使新型经济体的年GDP增长6%左右，将在所有部门中创造超过9500万个就业机会。冉光和与唐滔(2021)[2]实证发现，数字普惠金融能够影响社会就业，对中小微企业就业、第三产业就业具有促进作用，但对第一产业及部分第二产业的就业起到抑制作用。林春等(2019)[3]运用272个地级及以上城市面板数据研究了普惠金融发展对就业的影响，并发现普惠金融不仅能够促进第二及第三产业就业的增加，对经济发展规模较高的城市就业同样起到促进作用。方观富和许嘉怡(2020)[4]研究发现数字普惠金融对受教育程度较低人群的就业有积极影响，数字金融的推广与应用增加了其获取金融信息的能力和拓宽了获取金融服务的渠道，从而改善了低教育程度群体的就业。张青等(2021)[5]从个体微观层面实证检验了数字普惠金融发展对农村青年非农就业抉择的影响，结果表明，数字普惠金融发展及其覆盖广度、使用深度显著促进农村青年非农就业。谢绚丽等(2018)[6]将数字金融指数与新增企业注册信息匹配，研究发现数字金融三个指标(覆盖广度、使用深度和数字支持服务程度)的提高，增加了当地居民创业的可能性，在欠发达地区和微型企业，数字金融更能起到创业的鼓励作用。张勋等(2019)[7]将中国数字普惠金融指数和中国家庭追踪调查( CFPS) 数据相结合，研究发现数字金融有助于促进低物质资本或低社会资本家庭的创业行为，也促进了创业机会均等化。另有李晓园和刘雨濛(2021)[8]、宋伟等(2022)[9]等研究发现数字普惠金融对农村创业有显著的促进作用，不仅能提升农村创业活跃度，而且能够改善农村家庭创业能力。周天芸(2022)[10]基于2011-2018年的面板数据，实证发现数字普惠金融通过降低劳动力要素价格的扭曲程度，提高城市拉力，从而吸引劳动力的净流入。马述忠和胡增玺(2022)[11]证实了数字金融能够通过提供就业机会和提高预期收入来促进劳动力流动，从区域差异来看，数字金融的边际效应在东部沿海地区更大。

国内外学者均对技术进步引致的劳动力就业结构变化十分关注，已形成较丰富的研究成果。Michaels等(2014)[12]认为劳动力极化现象是ICT代替了中等教育水平的劳动力的日常性工作任务，但对低教育水平劳动力从事的服务性或手工性工作影响较小；在使用美国、日本及欧洲九国的数据后，研究发现ICT的发展带来了劳动力极化的格局，在发展和使用ICT程度高的行业对高学历劳动力的需求增长，而对中等学历劳动力的需求相对下降。Evangelista等(2014)[13]测算了2004-2008年27个欧洲国家数字化对经济的影响效应，从各个维度阐述了数字技术有效推动了GDP和就业的增长、增加妇女就业率和减少长期失业。他们通过实证发现，55-64岁这部分人员，进入劳动力市场取决于其对新技术的掌握能力，信息通信技术的使用对老年人群体就业具有积极影响。Acemoglu和Restrepo(2018)[14]研究发现随着自动化生产任务的成本下降，经济将进一步扩张，并增加非自动化任务的劳动力需求，这也弥补了一部分低技能工作岗位。孙早和侯玉琳(2019)[15]利用2001-2015 年中国省级面板数据进行研究，从全国范围来看，工业智能化的发展会导致就业结构呈“两极化”格局，机器设备的使用替代了中等学历的劳动力，并增加对高、低学历劳动力的需求。阎世平等(2020)[16]认为随着数字经济发展水平的提高，劳动力需求趋向两极化，即数字经济发展水平的提高增加了对小学及以下、大专及以上学历的劳动力需求。徐少俊和郑江淮(2020)[17]则提出信息化虽然推动了劳动力市场的变迁，但中国总体并未形成劳动力极化现象，信息化促进了高技能劳动者的增长，同时减少了低技能劳动力的需求。这些基于数字经济、ICT、人工智能的相关研究，提供了新经济形态或技术发展对就业结构影响的依据。

综上所述，现有的研究更多地关注数字金融对劳动力就业、创业与流动产生的促进作用，另外已有相关文献从工业智能化、ICT和信息化角度研究了我国就业结构的变化状况。数字金融作为数字技术与金融结合后产生的一种新的金融形态，鲜少有研究深入挖掘数字金融的发展对劳动力就业结构的影响。本文在以下两个方面有所突破：第一，从数字金融角度出发拓展了劳动力市场的相关研究，探究数字金融发展驱动下劳动力就业结构的特点；第二，通过异质性分析，探讨数字金融在不同地区对高、中、低技能劳动力就业的影响，深入挖掘数字金融在东、西、中部地区对劳动力需求差异，补充数字金融在劳动力就业结构方面的研究。

三、理论分析

理论上来说，数字金融可以通过内外部途径影响劳动力就业需求，即体现在金融业本身以及非金融行业的就业结构变化。

首先，数字金融的实质是在新一代信息技术的支持下推动金融服务广度和深度的进一步深化。传统金融机构的数字化转型与金融科技企业的快速发展，重塑原有的金融体系，提升就业岗位需求。Acemoglu等(2002)[18]研究认为技术进步会增加技能型劳动力的就业需求。类似的，根据Autor等(2003)[19]提出的程序偏向型技术进步假说，技术进步将常规可替代的工作任务智能化，从而对中技能岗位造成冲击，但会增加从事非常规任务高技能劳动力的需求。一方面，数字金融的快速发展不但降低了金融行业的生产成本，而且通过一定的挤出效应，将减少部分可替代性强的中低技能劳动力需求。随着数字技术对传统金融行业的逐渐渗透，大大降低了物理网点中服务人员的数量。根据花旗银行2016年的报告，到2025年，银行业多达30%的员工可能会被技术取代。另一方面，数字金融的广泛普及，进一步扩大了人民对金融产品的定制和开发能力的需求，从而衍生出一系列掌握新型金融科技的技能型工作岗位。服务模式优化、线上平台建设、合规技术监管等同样成为金融行业的工作重心，这就提高了对金融科技人员的就业需求，进而改变了劳动力就业结构。

其次，数字金融对非金融行业的劳动力就业结构产生影响。数字技术有效加快了信息交互式流动，简化融资手续，缩短小微企业融资时间，实现精准和分层式服务。金融发展水平的提高更是能够减少企业外部融资成本，缓解企业融资约束(韩元亮等，2021)[20]。在这样的背景下，数字金融发展有助于中小微企业拓宽融资渠道、缩短融资周期，增加企业的生存率。中小微企业规模扩大和企业数量增加都将衍生出大量的劳动力需求，继而促进就业。此外，数字金融发展对激发群众创业与促进低学历人群就业有显著的作用。金融机构对个人发放贷款的意愿与能力，直接影响个人创业的动力。数字金融不仅缓解农户信贷约束，还能提升农户信息可获取性，最终激发农户创业热情(何婧、李庆涵，2019)[21]。创业的增加为经济社会提供更多的就业岗位，拓宽劳动力的就业范围，增加其就业的可能。数字金融的发展拓宽长尾客户接触金融产品和服务的渠道，提高了低教育水平人群使用金融工具的频率和能力，进而改善了这部分群体的金融素养。同时，基本技能和素养的提高有助于增加就业机会，金融素养提升有可能成为数字金融促进低教育程度人群就业的重要手段。特别是数字金融的使用门槛低，只需通过互联网连接，弥补了传统金融的不足，从而对低教育程度人群的就业具有显著影响，促使其就业转型。因此，数字金融的发展不仅促进了高端科技人才在开发、风控、服务等方面的就业，也提升农户等受教育程度较低群体的就业能力，进一步影响劳动力市场的就业结构。依据上述分析，本文提出如下竞争性研究假说。

H1：数字金融的发展会逐步挤出中等技能劳动力，同时提高对低技能和高技能劳动力的需求，导致劳动力结构呈现两极化特征。

H2：数字金融的发展会逐步挤出中等技能劳动力，同时提高对低技能劳动力的需求，导致劳动力结构呈现单极极化特征。

数字金融对劳动力就业结构的影响在不同区域间存在异质性。在经济发展的不同阶段，就业市场的需求也大不相同。在以劳动力密集型产业为主的经济发展阶段，人口红利得到释放，为中国经济的快速飞跃做出了巨大贡献。近年来，我国进入高质量发展阶段，产业结构转向以技术密集型、知识密集型产业为主，劳动者素质提高才能更好地适应就业形势的变化。尤其是在东部、西部、中部地区，经济发展和产业结构存在较大差异。东部地区经济率先发展，数字技术发展基础好、速度快，对高素质、高技能的人才需求加大，是人才的主要流入地。但是技术进步带来的经济效益增长，可能导致一部分受教育年限低、技能水平不高的劳动力遭遇就业困难的局面。中西部地区经济条件相对落后，但产业结构中多以中、低学历的劳动力就业需求为主，这与近些年来劳动力回流现象相一致。

H3：在不同的地区，数字金融发展对劳动力就业结构的影响存在异质性。

四、研究设计

(一)模型设定

接下来本文实证分析数字金融发展对我国劳动力就业结构的影响，设定如下回归模型：

(1)

(二)变量选取和数据来源

1.被解释变量：不同技能劳动力就业(Struct)

现有的研究对劳动力技能水平衡量的方法主要包括两类，一是以劳动力工作性质衡量技能水平，二是以劳动者的受教育程度衡量技能水平。基于数据可得性，本文采用各个层次的就业人员受教育程度占比衡量不同技能劳动力的就业情况。受教育程度涉及6种分类，分别是研究生(含硕士研究生和博士研究生)、大学本科、大学专科(包括高等职业教育)、高中(包括中等职业教育)、初中、小学及以下。如表1所示，本文参考孙早和侯玉琳(2019)[15]以及阎世平等(2020)[16]的做法，将大学专科及以上学历划分为高技能劳动力(High)，将高中和初中学历划分为中技能劳动力(Middle)，将小学及以下学历划分为低技能劳动力(Low)。在回归分析中分别采用高、中、低三类受教育程度就业人员占比作为被解释变量，以便对回归结果进行论述。

表1 按受教育程度划分技能水平表

2.核心解释变量：数字普惠金融指数(Index)

借鉴谢绚丽等(2018)[6]使用中国数字普惠金融指数作为核心解释变量，用以刻画中国数字金融发展程度的变迁。该指数由北京大学数字金融研究中心联合蚂蚁金服公司发布。该指数包括三个细分指标，分别是覆盖广度、使用深度和数字支持服务程度，从三个维度刻画了31个省(337个城市、1754个县)数字金融的发展情况。具体而言，覆盖广度主要根据地区支付宝账户数量编制，使用深度是指地区实际使用互联网金融的频率，数字支持服务程度侧重于衡量地区数字金融的便利性和效率。对比三大区域的数字金融指数可以发现，东西部地区的数字金融发展差距已有所缩小，西部和中部地区发展速度已有显著的提升。东部地区发展程度最高，西部地区最低，中部地区居中。对于具体省市而言，以贵州省为例，2011年数字金融指数为18.47，2019年为293.51。但相较于发达省份的数字金融发展，差距依然明显，2019年上海市数字金融指数为410.28，地区之间数字金融发展不平衡的问题仍然存在。

3.主要控制变量

人均地区生产总值，该指标用以表示各省的经济发展水平，并做对数处理。财政支出水平，用地方财政预算内支出与地区生产总值占比表示。贸易开放程度，用各省份的进出口总额占 GDP 的比重进行衡量。人口数量，采用各省份年末人口总数表示，该指标取对数处理。人力资本投资，用各省教育经费支出与政府预算支出的比值来衡量。

在数据方面，本文以2011-2019年中国30个省份的面板数据为研究样本，鉴于西藏自治区的数据缺失，故将其剔除。数据主要来源于《中国统计年鉴》《中国劳动统计年鉴》《北京大学数字普惠金融指数》。主要变量的描述性统计见表2，该面板由270个观测样本组成。

表2 主要变量描述性统计

五、实证检验与分析

(一)基本估计结果

根据前文中构建的计量模型，本部分实证检验了数字金融发展对我国劳动力就业结构的影响。根据Hausman检验的结果选择固定效应模型，表3的列(1)-(3)分别报告了数字金融水平对我国高、中、低技能劳动力就业结构影响的回归结果。就全国范围内而言，数字金融发展未带来中国劳动力就业结构两极化现象，而是呈现了单极分化的发展趋势，即中等技能就业人员减少，低技能就业人员增加，验证了假说2。具体而言，数字金融发展减少了对高中、中等职业教育及初中学历劳动力的就业需求，同时增加了对小学及以下受教育程度劳动力的需求。列(2)中Index的系数显著为负，但系数较小。在1%的显著性水平下，数字金融指数每提高10%，将使得高中和初中受教育程度劳动力占比减少0.77%。这说明数字金融的发展对我国初高中学历劳动力的需求有显著的负向影响，不过目前这种挤出效应并不大。但数字金融对提升低技能劳动力的就业有较大的促进作用，列(3)中Index在5%的显著性水平下将提高低技能劳动力的就业占比。这一实证结果与方观富和许嘉怡(2020)[4]的研究基本一致，即数字金融对低教育程度人群的就业有显著正面影响，对高教育程度人群的影响较小。相对于传统的金融机构和工具，受教育程度低的劳动力群体更易从数字金融工具中获取有关信息和服务，提升金融知识，从而促进低学历劳动力的就业。

表3的回归结果表明，在控制省份间固定效应、时间固定效应、地区人均GDP、政府支出水平、贸易开放程度、人力资本投资、人口数量的前提下，数字金融的发展能够对劳动力就业结构产生显著的影响。随着数字金融的发展，技术进步和产业转型升级对劳动力的技能素质提出了更高的要求，中等技能劳动力可能面临就业困难和技能提升不及时的问题。但数字金融的普惠性降低了金融服务门槛，为低技能劳动力群体拓宽了获取金融支持的渠道，进而实现就业或创业的顺利转型。

表3 数字金融发展水平对劳动力就业结构的影响估计结果

(二)内生性问题

在进行实证研究时，需处理以下两类与内生性有关的问题：一是反向因果问题，一个地区的劳动力就业结构有可能会推动数字金融的发展，而不仅仅是数字金融发展水平对劳动力就业结构产生影响，由此引起内生性问题。因此，在实证研究中，反向因果风险是不可忽视的部分。二是遗漏变量的问题也可能带来内生性偏误，为了对此进行验证，本文添加新的控制变量以观察回归结果是否稳健。由于影响劳动力就业结构的因素较多，数据所涉及的控制变量难以保证完全不存在遗漏变量。

参照现有研究，选用工具变量法以解决数字金融指数与劳动力就业结构之间的反向因果问题。借鉴谢绚丽等(2018)[6]的研究，本文选取互联网普及率作为工具变量，并通过2SLS方法对模型(1)重新进行回归分析。表4的实证结果显示，Cragg-Donald Wald F统计量为50.952，明显大于在10%显著性水平的临界值16.38，说明不存在弱工具变量的问题。此外，数字金融发展将带来劳动力就业结构单极化趋势的基本结果依然显著。数字金融指数的系数符号和显著性与基本回归结果保持一致，这佐证了工具变量选择的有效性。

表4 内生性检验结果

(三)稳健性检验

1.增加控制变量

为了保证结果的稳健性，以及回归结果不因控制变量的选取而产生变化，在原模型的基础上增加产业结构升级这一新控制变量，用各省份第三产业占GDP的比重来衡量，因为产业结构升级会对劳动力就业结构产生影响。回归结果如表5所示。在回归分析中增加新的控制变量，数字金融发展带来劳动力就业结构单极化现象的结论依旧稳健，显著性水平和影响方向基本保持一致，进一步证实了本文的回归结果具有稳健性。

2.替换核心解释变量

在北京大学数字金融研究中心发布的“数字普惠金融指数”数据中，还包括三个细分指标，分别是覆盖广度、使用深度和数字支持服务程度。限于篇幅，本文仅利用使用深度作为核心解释变量代入模型，从而验证研究结果是否稳健。回归结果如表6所示。

在替换核心解释变量后，数字金融使用深度对各个类型劳动力的影响方向与表3的回归结果基本一致，且都在1%统计水平上显著，研究结果依旧稳健。

表5 稳健性检验：增加控制变量

表6 稳健性检验：替换核心解释变量

六、地区异质性分析

在分析数字金融发展对劳动力就业结构影响时，可以发现数字金融的发展程度和使用深度在各个区域间也存在着较大的差异。本文将30个省份划分为东部、西部、中部3个区域，进一步分析数字金融水平对劳动力就业结构的异质性影响。表7的列(1)-(3)、列(4)-(6)、列(7)-(9)分别表示了三大区域中，数字金融水平对高技能劳动力、中等技能劳动力、低技能劳动力的影响。就核心解释变量而言，数字金融的发展对东、西部地区就业结构具有显著的影响效应。从东、西、中地区来看，东部地区的数字金融发展对高技能劳动力的就业产生显著的正向影响，而对中等技能劳动力的就业产生显著的负向影响。西部地区则呈现相反的结果，该地区数字金融的发展，减少了对大学专科及以上学历的劳动力就业需求。在中部地区，数字金融指数对劳动力结构的回归结果并不显著，验证了假说H3。具体而言，东部地区数字金融发展对劳动力就业结构的影响较为显著，可能的原因在于长三角、珠三角地区的经济发展水平最高，数字金融发展起步早，且属于数字金融企业总部聚集地，技术密集型产业集中，技术创新产生的新型生产任务不断出现，因此对高等学历的人才有较大需求。此外，高校集聚与教育资源丰厚，推动劳动力市场人才供给持续增长，因而在数字金融背景下更易实现就业结构高级化。而在数字金融发展水平相对较低的西部地区，劳动力市场中以中、低技能劳动力就业为主，对高技能人才吸引力相对较弱。中部地区无论是在政策倾斜还是人才集聚方面都相对较弱，因此数字金融对东部和西部地区的就业结构影响更为显著，这也与林春等(2019)[3]的研究相符。

表7 分地区回归结果

七、结论与建议

在数字产业化、产业数字化的背景下，新技术带来的产业变革，对劳动力就业的创造性破坏是众多学者重点关注的领域之一。根据我国30个省级2011-2019年面板数据，将劳动力技能水平划分为高、中、低三个等级，实证研究了数字金融指数对劳动力就业结构的影响及其在东、西、中部三大区域的差异性。研究结果表明：第一，从全国范围看，数字金融发展水平会导致就业结构呈现单极极化的特征。数字金融的发展增加了对受教育程度较低的劳动力就业需求，但是减少了高中及初中受教育程度劳动力的就业。第二，分地区看，东部地区的数字金融发展对劳动力的需求呈高级化趋势，即提高了大专及以上学历劳动力的就业需求，增加了中等学历劳动力被替代的可能性。在西部地区则呈现相反的趋势，数字金融快速发展但水平依然相对较低，以及西部地区劳动力就业结构多以中、低技能劳动力为主，高层次人才流失现象依然严重。然而在中部地区，数字金融发展并未对劳动力就业结构产生显著性影响水平。基于上述结论，本文提出如下建议：

第一，推动中等教育程度劳动力的技能提升，支持劳动力就业转移。数字金融的发展对劳动力的技能水平提出了新要求，增加了中等学历劳动力被替代的可能性。因此，政府应高度重视对中等学历的职业技能培训，使劳动者获得向高技能职位转型所需的技能，进而提升整体劳动力人力资本水平。同时，对不能向高技能职业转型的劳动力进行引导，促使其转向不易被替代的职业或行业，保障各类劳动力跨行业转移的平稳过渡。

第二，为满足数字金融发展对数字技术人才和金融人才的队伍建设需求，应进一步提升高等教育学历劳动力的规模和数量。国家应继续扩大高等学校规模，加大高等教育经费投入总量，保持对基础学科、基础研究的支持力度，着力提高教育质量。引导高校的人才培养适应经济社会发展的需求，促进基础学科与应用学科的协调发展，特别是推进科学技术与传统学科融合。加快推进高等院校人才培养模式由单一学科转向跨学科教育，建设一批能够解决核心技术瓶颈的高层次人才队伍。

第三，为缓解数字金融形成的东强西弱非平衡发展局面，应提高对中西部等发展较缓慢地区的资源倾斜，增加数字基础设施建设的投入力度，加强高层次人才引进的政策支持，促进数字资源和人力资源均衡分布。深入挖掘数字金融在改善低教育程度劳动力就业中的积极作用，提升城市对各层次就业人员的吸引力，促进劳动力要素的流动从而实现资源的合理配置。