数字经济发展对中国就业结构的影响研究

涂 淼

（武汉工程科技学院，湖北 武汉 430200）

一、引言

改革开放以来，中国强大的劳动力市场为经济快速发展提供了坚实支撑。然而伴随中国逐步进入人口老龄化社会，这一优势逐步缩减。据国家统计局数据显示，中国65 岁老年人口所占比例从1990 年的7.0%增长至2021 年的14.2%。事实上，中国劳动年龄人口总量从2010 年开始已经转为负增长。种种迹象表明，曾经的人口红利正在逐渐消失，快速收缩的劳动力市场很有可能成为中国经济转型升级的掣肘，最终造成国民“未富先老”的状况。在此背景下，保障就业结构与经济发展的良好匹配已成为弱化劳动力市场红利消失影响的关键所在。然而就实际情况而言，现阶段中国就业领域存在显著的结构性矛盾。2021 年8 月国务院正式印发的《“十四五”就业促进规划》在随后的国务院政策例行吹风会上政府官员指出，“十四五”时期，结构性就业矛盾将成为就业领域的主要矛盾，突出表现为“就业难”和“招工难”并存。另据中国人力资源和社会保障部统计数据显示，2021 年中国技能劳动力占总就业人口总量的26%左右。其中，制造业急需的高技能人才占比仅为7%，存在上千万的人才需求缺口。可见，推动就业结构的有序优化对于新时期稳定社会秩序、缓解社会就业压力、助力经济发展具有重要的现实意义。

伴随大数据、区块链、云计算等新兴技术的逐步应用，中国数字经济高速发展。《中国数字经济发展白皮书（2021 年）》数据显示，2020 年中国数字经济总规模为39.2 万亿元，占GDP 比重为38.6%，已成为社会经济发展的支柱型力量。“十四五”规划更是单列篇章，重点规划数字经济发展，提出要推进数字产业化与产业数字化，强化实体经济与数字经济融合，建立具备国际竞争力的数字产业集群。数字经济的不断壮大对人类生产生活方式产生了深刻影响。具体到就业领域，中国信息通信研究院发布的《数字经济就业影响研究报告》 明确指出，数字经济在优化就业结构、创新就业机会方面的作用巨大，未来应深度挖掘数字平台就业潜力。学术界同样就数字经济对就业领域的影响展开一定讨论。如戚聿东等(2021)研究认为，数字经济催生出大量新职业，改变了传统企业的用工模式，使得灵活就业得以快速发展，并从加强认证体系建设、加大培训力度等方面给出具体建议。陈程(2021)在总结德国、加拿大等6 国经验后指出，数字经济发展普遍面临数字人才短缺问题。蔡昉(2021)认为，数字经济在破坏旧岗位的同时，也在创造各类新岗位。廉永生(2022)认为，数字经济发展有助于优化产业结构，带动就业高质量发展。李丽(2022)研究发现，数字经济变革在优化产业结构的同时，对就业市场带来巨大冲击，突出表现为就业方式多元化、信息传递高效化等特点，未来应从完善政策体系建设、发展平台经济、健全社会保障制度等方面着手保障就业。王栋(2021)则以西部地区城市为研究对象，认为数字经济发展可带动劳动者就业。总结梳理现有研究成果后发现，学术界普遍认为，数字经济所伴生的大数据、物联网、人工智能等技术将变相替代部分现有劳动力，但同时也会催生出一系列新产业和新岗位。但具体而言，这种重塑作用如何影响各个产业之间的劳动力的供求关系？是否有助于就业结构的优化？这些问题还有待于学者们进一步深入研究。鉴于此，文章基于中国省级面板数据，定量分析测算数字经济发展对就业结构产生的冲击，以求为中国调整就业市场、深化经济改革提供有益参考。

二、理论分析与研究假设

1. 数字经济对就业结构的影响分析

数字经济的突出特征之一是对各类新技术的广泛应用（陈小辉等，2020）。按照经济学理论，技术进步对就业市场存在双向影响：一方面，新技术会推动机器代替人的体力或脑力劳动，为传统行业的部分岗位带来直接冲击；另一方面，技术进步还会催生出各类新的岗位，增加就业机会。从这一角度分析数字经济对就业结构的影响，会发现其可能通过挤出低技能劳动力、提升高技能劳动力供给量进而实现就业结构的优化。第一，数字经济时代下，大数据、云计算等信息技术逐步应用于各行各业，有效提升了企业自动化水平。在此背景下，集中于农业、服务业的小农户、搬运工等低技能就业将逐渐被机器取代。麦肯锡全球研究所的最新报告发现，到2030 年，全球将有多达8 亿人的工作被机器人取代。第二，数字经济的发展会创造出更加复杂的工作任务，间接提升高技能就业岗位的供给量（俞伯阳，2020）。在计算机逐渐取代非交互性工作任务的主流趋势下，科研、设计等对认知能力要求更高的工作岗位无疑会更受雇主青睐。这种市场需求会直接倒逼部分劳动者升级自身的工作技能，从而在岗位竞争中掌握更强的比较优势。而在具体行业中，掌握先进制造业技术的人才供给将得到大幅提升，进而推动就业结构优化升级。基于上述分析，提出如下假设：

假设H1：数字经济发展有助于优化就业结构。

2. 异质性分析

中国不同地区之间的经济基础、产业类型、资源禀赋不同，这种差异很有可能作用到数字经济发展对就业结构的影响中。具体而言，就经济基础层面，拥有良好经济基础的地区医疗、教育条件较好，且地区内部高新技术企业更多，能够提供的高待遇高福利工作机会也相对较多（赵涛等，2020）。在双重因素的影响下，高技术人才很容易在这些地区聚集。就产业类型层面，由于历史、地理位置、资源禀赋等客观原因，中国不同地区优势产业存在较大差异，如安徽、黑龙江的农业发展优势明显，而广东、江苏、山东等省份的工业则较为发达。产业结构的这种先天差别导致就业结构存在区域差异。对于以农业为重点产业的地区而言，数字经济对低技术劳动力存在较强的挤出效应；对于以工业或者服务业为重点产业的地区而言，其低技术劳动力本身就相对较少，数字经济带来的影响自然也就偏低（姜松、孙玉鑫，2020）。就数字基建层面，数字经济发展的先决条件是具备良好的数字基础设施。要想充分释放数字经济对就业结构的调节效应，必须要加速建设5G、智能电网、物联网等数字新基建。然而，现阶段中国数字新基建的建设进程存在明显的区位差距，北京、江苏、上海等地区领先优势明显，新疆、西藏、青海等地区则处于相对落后状态。这种差距很有可能反映到数字经济对就业结构的影响之中。基于上述分析，研究提出如下假设：

假设H2：由于经济基础、产业类型、数字基建等因素的差别，数字经济发展对中国就业结构的影响存在区域异质性。

三、研究设计

1. 变量说明

（1） 被解释变量

文章中的被解释变量为就业结构(LS)。传统研究中常用城乡二元劳动力变动情况进行衡量，其思路是用农业劳动者流向工业与服务业部门的转移程度来反映就业结构变动情况。然而，伴随中国乡村振兴战略的持续推进，城乡间劳动力流动发生了较大变化。农民本地化就业成为新的政策导向，在这种背景下，农业、非农业就业情况已经无法准确刻画就业结构的变迁情况。与此同时，2015 年中国正式提出制造强国发展政策，并将《中国制造2025》作为行动纲领。由此，文章基于制造强国发展理念，以各省份制造业就业人数占总城镇就业人口比重衡量就业结构。

（2） 解释变量

文章中的解释变量为数字经济发展(DE)。鉴于目前并无直接反映数字经济发展水平的指标，参考各年度《中国互联网发展报告》，结合刘军等(2020)、许宪春与张美慧(2020)研究，构建4 维度14 个指标的综合评价指标体系对其进行综合评价，具体评价指标体系如表1 所示。在指标权重计算方法选择上，文章选用较为客观准确的熵权-Topsis 方法进行确认（限于篇幅，具体计算过程不在此列出）。

表1 数字经济发展评价指标体系

（3） 控制变量

就业结构变迁除了受数字经济影响外，还受到其他变量影响。结合当前学者研究成果，对以下变量进行控制。第一，产业结构(STR)。产业结构是影响就业结构的重要因素，直接决定了劳动力的宏观分布情况（韩胜娟，2013）。进入21 世纪以来，中央政府通过“去产能”“供给侧结构性改革”等一系列举措调整产业结构，进而实现就业结构优化，文章以地方工业增加值占当地GDP 比重进行衡量。第二，政府财政支持(GOV)。政府财政支持对就业结构变迁的影响主要体现在提供社会保障体系、优化生产生活环境两个层面。充足的政府财政支持有助于合理引导就业结构转变。文章以地方政府一般性财政支出占当地GDP 比值进行衡量。第三，区域经济发展水平(RED)。通常而言，区域经济发展水平越高，劳动力越有可能流向服务产业和高新技术产业。借鉴赵烁等(2020)研究，以所在省份人均GDP 进行衡量。第四，劳动力技术供给能力(CST)。劳动力技能更新能够加速就业结构变换，充足的劳动力技术供给能够保障就业结构顺利转型升级（魏玮等，2020），文章以大学生招生人数进行衡量。

2. 数据来源与处理

尽管中国数字经济发展的时间较久，但前期主要集中在发展电子商务和信息化建设之中，整体发展处于萌芽状态，2010年左右才初具规模（阎世平等，2020）。2015 年，政府正式出台《国务院关于积极推进“互联网+”行动的指导意见》，此后数字经济正式进入发展快车道。为准确衡量数字经济发展状况，文章以2010 年为时间基点，选取2010—2020 年为研究样本期。考虑到数据可得性，基于全国30 个省份的数据进行实证检验（不含西藏及港澳台地区）。数据主要来源于历年《中国统计年鉴》 《中国劳动统计年鉴》，部分数据来源于WIND 数据库。另外，为消除变量之间存在的量纲差异，对所有变量进行自然对数处理。与此同时，为避免极端值影响，对变量中出现的异常值进行1%与99%的缩尾处理。

3. 模型构建

依据研究目标特点，采用状态空间模型与卡尔曼滤波法进行相关检验。状态空间模型由量测方程与状态方程构成，适用于多变量非平稳时间序列检验，其优点在于：可将难以观测的状态变量纳入可观测模型中并得到估计结果。卡尔曼滤波算法则可对状态空间模型中的变量进行最优估计，并将前一时期预测误差迅速反映到方程之中，形成各变量参数变化轨迹，提高模型估计精度。

为检测各变量对就业结构的影响，构建状态空间模型如下。其中，式(1)为量测方程，式(2)~(6)为状态方程。

式中，C(1)代表常数；C(2)为log（残差平方和/数据个数）；LSt、DEt、STRt、GOVt、REDt、CSTt为量测变 量；SV1，t、SV2，t、SV3，t、SV4，t、SV5，t为状态变量，即不同时间点数字经济发展、产业结构、政府财政支持、区域经济发展水平、劳动力技术供给能力5 个变量的时变弹性系数；SV估计值则通过卡尔曼滤波算法计算得出；γ1，t、γ2，t、γ3，t、γ4，t、γ5，t代表各变量递归系数。

四、实证检验

1. 平稳性检验

为最大限度保证所选模型的适用性，在状态空间模型估计前，首先检验变量平稳性。具体操作为：第一步，进行静态回归，结果显示各变量系数均显著，可进行残差平稳性检验。第二步，通过ADF 与PP 检验方法检验各变量残差的平稳性，检验结果表明，数字经济发展、就业结构以及产业结构等变量均至少在5%显著水平下拒绝原假设，即通过平稳性检验。这一结果表明文章被解释变量与解释变量、被解释变量与控制变量存在协整关系，适用于状态空间模型。

2. 基本估计结果与分析

文章借助EVIEWS10 软件，基于各省份面板数据，利用上文所构建的状态空间模型与卡尔曼滤波算法估计各变量时间参数，具体结果见表2。

表2 状态空间模型下各参数估计结果

为更好地呈现出解释变量与控制变量对被解释变量的时变弹性系数的变化情况，依据表2 回归结果绘制图1~图5。

图1 数字经济对就业结构的影响

图5 劳动力技术供给能力对就业结构的影响

由图1 可知，核心解释变量数字经济发展对就业结构的影响始终显著为正，且这种影响整体呈波动态势。2010—2014年，时变弹性系数出现轻微下滑，原因可能在于数字经济对各类自动化技术的应用一定程度上冲击了原有制造业的工作岗位，使得部分就业向服务业或农业转移，至于由其创造的新岗位，人员供应则存在一定的滞后性。进入到2015 年，这种下滑趋势开始反转，到2017 年已经超过2010 年水平，2018—2020 年，数字经济发展对就业结构的促进作用显著增强。究其原因可能在于：2015 年以后，中国数字经济发展进入快车道，伴随《国务院关于积极推进“互联网+”行动的指导意见》《二十国集团数字经济发展与合作倡议》等一系列配套政策文件的推进实施，数字经济对就业结构的优化作用开始显现，并呈现出稳定向上的发展趋势。

由图2 可知，产业结构对中国就业结构的影响效应可分三个阶段进行解读：第一阶段为2010—2012 年，表现为影响效应逐渐下滑，原因在于这一时期中国开始执行去产能计划，围绕钢铁、煤化工、水泥等产业进行大力整改，在一定程度上降低了劳动力在制造行业中的占比；第二阶段为2013—2016 年，该时期产业结构对就业结构的影响开始有所上升，但增长幅度较低；第三阶段为2017—2020 年，伴随中国供给侧结构的逐步调整，产业结构变动对就业结构的提升作用显著上升，2019年对应的时变弹性系数停留在0.979。从发展趋势上看，中国产业结构调整有助于促进就业结构的进一步优化，短期内应当坚决贯彻执行供给侧结构性改革。

图2 产业结构对就业结构的影响

由图3 可知，政府财政支持对就业结构的影响较为平稳，并呈现出阶段性上升特征。值得一提的是，2010—2011 年波动率明显较其他年份较高，原因可能是国际金融危机后，政府出台了积极的财政扶持政策，有效地促进了劳动力流向制造行业。从2012 年开始，政府财政支持对就业结构的正向影响整体呈现出较为平稳的增长态势。截至2020 年，时变弹性系数已经增长至0.193。这一走势说明中国财政支持对就业结构的影响作用主要为正向引导。

图3 政府财政支持对就业结构的影响

由图4 可知，区域发展水平对中国就业结构影响的变动较大，表现为先上升后下降。2010—2012 年，区域发展水平对就业结构的优化作用逐渐增强。进入到2013 年以后，这种影响效果逐渐降低。到2016 年，区域发展水平对就业结构的影响已经转变为负向作用，且这一负向效应一直延续到了2020 年。分析这一现象出现的原因，可能是区域经济发展前期，劳动力主要由农业部门流向制造业。当区域经济发展到一定阶段之后，部分制造业劳动力开始流向服务业。而研究中的就业结构衡量方式为制造业就业人数占总城镇就业人口的比重，故这一时期区域发展水平对就业结构的影响转为负向。

图4 区域发展水平对就业结构的影响

由图5 可知，劳动力技术供给能力对中国就业结构的影响呈先上升后下降态势，且下降幅度要高于上升幅度。在2010—2013 年，数字经济所催生的新型岗位急需大量高技术劳动力进行补充，劳动力技术供给能力的高低对就业结构优化的影响较大。此后，大量院校开始增设数字经济相关课程，以求培育出更符合市场需求的高素质人才。与此同时，中国多条高铁线路的开通以及交通通讯方式的便利很大程度上增加了人才流动率。双重因素影响下，劳动力技术供给能力对就业结构的优化作用开始呈小幅下降趋势。截至2020 年，对应的时变弹性系数由巅峰时期的0.432 下降至0.203。这一结果说明尽管劳动力技术供给能力仍有助于增加制造业劳动力就业比重，但这种影响效果正在逐渐减弱。

3. 区域异质性估计结果与分析

为验证文章假设H2，考察数字经济发展对中国就业结构影响的地区差异，将各省份按照东、中、西、东北地区四大经济板块进行分组，并重新使用状态空间模型检验，结果见表3。

由表3 可知，数字经济发展对就业结构总体上呈现出正向优化作用，但不同地区存在显著差异，文章假设H2 得到了验证。就东部地区而言，2010—2020 年间，数字经济发展对就业结构始终存在显著促进作用，区别在于2010—2014 年影响较弱，进入到2015 年之后，影响效应明显增强。到2020 年，数字经济发展每提高1%，制造业劳动力就业比例对应提升0.293%。中部地区数字经济发展对就业结构的优化效果显著，且呈现出一定的波动性。2010—2013 年，数字经济发展导致制造业劳动力占比增加。2014—2015 年，这种趋势发生了扭转。2016 年以后，数字经济发展再次推动劳动力向制造业转移，且影响效应有逐年增大的态势。截至2020 年，数字经济发展每提高1%，制造业劳动力就业比例对应提升0.161%。就西部地区而言，2010—2014 年间数字经济发展对就业结构的优化效应并不显著。但从2015 年开始，数字经济发展对就业结构表现为显著负向作用。到了2017 年，时变弹性系数由负转正，即推动劳动力向制造业转移。截至2020 年，数字经济发展每提高1%，制造业劳动力就业比例对应提升0.155%。至于东北地区，2010—2017 年间，数字经济对就业结构的影响效应并不显著。进入2018 年之后，数字经济对就业结构的优化效应开始显现。到2020 年，数字经济发展每提高1%，制造业劳动力就业比例对应提升0.177%。

表3 分区域状态空间模型估计结果

总体而言，近10 年间数字经济发展对中国就业结构的正向作用越来越显著，这种影响在东部地区最为明显。可能的解释是，无论制造业基础还是人力资本水平，东部地区均远远领先于其他地区。这种比较优势能够让其迅速适应数字经济发展，匹配新型岗位需求。对于中部地区而言，数字经济对就业结构优化的影响并不固定，2014 年、2015 年甚至出现负向效应。但就整体趋势而言，其正向推动作用仍是主流趋势。对于西部、东北地区虽然在最初几年影响并不显著或影响为负，但在最近几年开始表现为正向推动作用，但该趋势是否能一直保持下去未来仍需要进一步观察。此外，相比于数字经济发展，劳动力技术供给能力与产业结构对就业结构的影响效应更为显著。伴随数字经济快速发展，其对就业结构的优化效应有望得到进一步加强。未来中国需依托数字经济中的技术元素不断提高制造业就业吸纳能力，实现就业结构的高质量发展。

五、结论与建议

1. 结论

文章基于2010—2020 年省级面板数据，借助构建状态空间模型与卡尔曼滤波算法分析数字经济发展对中国就业结构的影响，主要结论如下：第一，中国十年以来的数字经济发展促使制造业所需的技能型人才供给水平提升，客观上优化了中国就业结构。第二，由于经济基础、产业类型、数字基建等因素的差别，数字经济发展对中国就业结构的影响存在区域异质性。数字经济对东部地区就业结构的优化效应最为显著，中部次之，对西部与东北地区的影响有限。第三，在影响就业结构变迁的各因素中，产业结构排名第一，能够起到主导作用，劳动力技术供给能力排名第二。相较于产业结构与劳动力技术供给能力，数字经济发展对就业结构的影响相对较弱，但正处于不断上升态势。伴随未来数字经济的不断发展，其对就业结构的优化效果仍有较大提升空间。

2. 建议

由上述结论可知，数字经济发展对就业结构的影响并不绝对，一些情形下其对传统岗位的破坏效应可能更强，导致就业结构难以优化。并且，产业结构、政府支持水平等因素不同，亦会影响就业结构的变化。由此，文章提出以下政策建议：

第一，推进教育改革，实现劳动力的数字素养提升。伴随数字经济的快速发展，大量低技能劳动者存在被替代的可能性。基于此，劳动者如何提升未来所需的数字素养则成为关键。为满足数字经济对高素质劳动力的需求，中国应积极推进教育改革。一方面，积极推进“双一流”学科建设，严格高等教育办学治理，鼓励高校以数字经济发展需求为导向，适度加大相关专业的建设力度。与此同时，强化数字经济相关专业师资队伍培育，深化校企合作，积极邀请位于“生产一线”的高端人才到学校授课。另一方面，重视对中低技能劳动者的再培训，帮助其实现技能提升，顺利完成高技能就业职位转型。

第二，持续优化产业结构，提升高端制造业就业吸纳能力。产业结构是影响就业结构优化的关键因素。现阶段，中国正处于由制造大国向制造强国迈进阶段。同美国、德国、日本等国相比，中国先进制造业的就业吸纳能力有限。由此，中国需持续推进产业结构升级，不断提升高端制造业人才需求。第一，鼓励企业积极参与智能芯片、量子科技等高端科技研发，提升关键行业竞争力。第二，推动制造企业数字化转型，借助数字经济所提倡的开源工业互联网盘活要素资源，真正意义上实现智能制造。第三，加快新基建建设进程，以大数据、5G 等为代表的新基建是数字经济发展的基石，也是产业结构调整优化的重要驱动力。由此，各级政府需加快推进新基建建设，充分释放数字经济对新型岗位的创造效应。

第三，探索就业优先政策，弱化数字经济“就业破坏”效应。数字经济发展过程中，势必会对一些传统岗位产生冲击，即存在一定的“就业破坏”效应。对于这些岗位的劳动力而言，即便后期实现转岗，其待遇和就业质量大概率会下滑。针对此，有必要探索就业优先政策，实现对上述人群的基本保障。一方面，完善数字经济时代下的劳动力市场制度，通过最低工资制度、劳动合同制度等方式使劳动者获得基本生活保障。另一方面，科学分流被波及的劳动者，避免劳动力内卷。针对失去岗位的劳动力进行合理规划。这一过程的重点方向有二：一是帮助其匹配数字经济所催生出来的新型岗位；二是引导其向数字经济难以代替的行业，如养老、家政、托育等服务型行业转型。