数字化转型提升还是降低了劳动收入份额？——来自中国A股上市公司的证据

孙凤娥

(北京林业大学经济管理学院，北京 100083)

一、引言

共同富裕是社会主义的本质要求，完善收入分配制度是实现共同富裕的重要路径，而初次分配对于最终分配格局的形成具有基础性作用。近年来，我国高度重视收入分配问题，党的十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》指出，要“努力建设体现效率、促进公平的收入分配体系”，各项政策也彰显要提高劳动报酬在初次分配中的比重的导向，但目前劳动所得占比较低、资本与劳动的分配关系不平衡的问题仍十分突出(刘震和刘溪，2022)[39]。劳动是价值创造的源泉，劳动收入份额过低会抑制劳动者价值创造的动力，引发内需不足，并导致国家无法应对国际形势的剧变，不利于经济的高质量发展(刘长庚等，2022)[38]。

现有文献主要从产业结构(白重恩和钱震杰，2010)[21]、外商投资(王雄元和黄玉菁，2017)[44]、技术偏向(陈宇峰等，2013；王林辉和袁礼，2018)[25][43]、税负(伍山林，2014)[48]及人工智能(郭凯明，2019；金陈飞等，2020)[30][34]等视角研究劳动收入份额问题，其中，技术进步无疑是影响劳动收入份额的重要因素。Acemoglu and Restrepo(2018)[2]指出，技术进步会改变传统生产组织方式，提升企业生产的自动化、智能化水平，在一定程度上替代人工，降低劳动力需求，进而降低劳动收入规模。但同时，Bessen(2019)[11]对两个世纪以来美国纺织、钢铁和汽车行业的研究表明，提高生产率的技术反而增加了行业就业，因为技术可能导致一些行业衰落，而另一些行业则随之增长。Aghion et al.(2019)[6]也指出，在要素替代弹性不确定、要素间存在互补效应时，新技术的应用可能会导致部分部门劳动力成本提高，劳动收入份额增加。Koike(2018)[17]的研究证实了上述观点。由此可见，现有研究在技术进步对劳动收入份额的影响方向上存在争议。

作为新一轮技术革命的主角，数字技术的发展和应用会深刻改变企业的生产关系及不同要素在分配中的地位(陈梦根和周元任，2021)[24]。劳动收入份额是否会因企业数字化转型而改变？新的技术红利会更多分配给资本还是劳动？虽然国内外学者对此进行了一定的研究，但多为宏观层面的模型推导(郭凯明，2019；Aghion et al.，2019)[30][6]或行业层面的经验证据(陈梦根和周元任，2021)[24]，或者仅从人工智能(芦婷婷和祝志勇，2021)[40]、信息化(Acemoglu et al.，2014；余玲铮等，2021)[1][50]、自动化(Acemoglu and Restrepo，2019)[3]、工业机器人(Acemoglu and Restrepo，2020)[4]等数字技术应用的某一个方面来探讨其对劳动收入份额的影响，鲜有学者利用微观层面数据探究企业数字化转型的直接影响。此外，教育程度、技能水平等的差异使得劳动力呈现较强的异质性(吴愈晓，2011)[47]，企业数字化转型对不同劳动群体会产生替代、互补、加强等不同效应(郭继强等，2020)[29]，进而可能对不同劳动群体的收入份额产生差异化影响，而宏观层面或行业层面的研究会平滑群体差异(王雄元和黄玉菁，2017)[44]，无法反映上述异质性影响。与非上市公司相比，上市公司在规模、业绩等方面表现更为优异，也更能吸纳高素质劳动力。因此，以上市公司作为研究对象，更能反映数字化转型对高素质劳动力群体收入份额的影响，也能体现出数字化转型对劳动力的影响是否存在群体差异，从而为下一步完善收入分配制度提供一定的理论支持。

基于此，本文利用上市公司数据，研究数字化转型对劳动收入份额的影响，并试图阐释以下问题：数字化转型如何影响劳动收入份额？其影响机理及传导路径是什么？其影响是否存在企业异质性？本文可能的边际贡献在于：一是现有研究大多基于国家层面或产业层面展开研究，缺乏微观证据支持，且无法反映数字化对不同劳动群体收入份额的异质性影响，本文基于企业层面数据展开研究是对现有文献的重要补充。二是目前缺乏数字化转型对劳动收入份额影响机理及传导路径的深入探讨，本文将其归结为“劳动要素升级效应”“替代效应”及“生产率提升效应”，弥补了相关文献在数字化转型对劳动收入份额影响机制方面的研究不足。三是从企业规模、所处行业、竞争地位三个方面，检验了数字化转型对不同类型企业劳动收入份额的异质性影响，以澄清数字化转型与劳动收入份额间的权变关系，丰富了企业数字化转型研究的情境机制。

二、理论分析与研究假设

本文通过构建一个理论框架分析企业数字化转型对劳动收入份额的影响。借鉴Acemoglu(2002)[5]技术进步偏向的引致机制模型，假设企业在完全竞争市场中采用常替代弹性技术进行生产，对应生产函数为CES生产函数：

其中，Y为企业实际产出，K为资本要素投入，L为劳动要素投入，r为反映生产过程中资本和劳动要素重要性的分配参数，σ表示资本劳动要素替代弹性，AK表示资本增强型技术进步指数，AL表示劳动增强型技术进步指数。

根据Acemoglu(2002)[5]的理论模型，均衡状态下劳动与资本的相对价格决定式为：

其中，wL表示劳动要素价格，wK表示资本要素价格，ε表示中间产品YK和YL的替代弹性。

稳态均衡下，要素替代弹性和要素相对供给水平决定的与生产要素劳动和资本相匹配的技术进步的相对水平为：

其中，η为技术生产成本参数。

劳动要素和资本要素收入之比的表达式为：

s越大，劳动收入份额越高，因此，劳动收入份额主要受到要素相对价格变动(wL/wK)、要素相对供给变动(L/K)的影响，具体的影响路径可分为三条：①要素相对价格变动对劳动收入份额的直接影响。劳动要素相对价格的上升会提高劳动收入份额。②要素相对供给变动对劳动收入份额的直接影响。劳动要素相对供给的增加会提高劳动收入份额。③要素相对供给变动通过技术进步弱引致偏向影响要素相对价格，进而影响劳动收入份额。不论要素间替代弹性σ的大小，劳动要素相对供给的增加会诱使产生偏向于劳动的技术变化，提高劳动要素的相对价格，进而提高劳动收入份额，即由劳动要素相对供给增加引发的技术进步所带来的超额利润更偏向于劳动。

企业数字化转型会产生劳动要素升级效应、替代效应及生产率提升效应，进而影响劳动和资本要素的相对价格及相对供给，最终通过上述三条路径影响劳动收入份额。

(一)数字化转型对劳动收入份额的提升作用：劳动要素升级效应

数字化转型会产生劳动要素升级效应，提高劳动力的平均工资水平，提升劳动要素的相对价格(wL/wK)，进而提高劳动收入份额。数字化转型如何带动劳动要素升级？一方面，数字化转型将创造新的高技能就业岗位。数字技术的应用将创造出复杂度更高、可替代性更弱、技能性更强的工作类型(Goos et al.，2009)[15]，衍生出更高级别的复杂任务，并催生与这类岗位相匹配的大量人才需求(Dauth et al.，2017；Graetz and Michaels，2018)[12][16]。Acemoglu and Restrepo(2018)[2]的研究也表明，数字技术为技能偏向型技术，其与高技能劳动力存在互补关系，因此，数字化转型将促使就业结构向高技能人才转变(龚六堂，2021)[28]。另一方面，数字化转型将提升原有岗位的技能要求。数字化转型意味着“数据”将成为企业发展的战略性资源，大量工作需围绕“数据”展开，对现有员工的数字素养提出了更高要求，不仅需要懂得产品、市场的相关知识，还需要具备大数据、人工智能、算法等方面的技术。因此，企业需引进或培养更多具备多元化知识和技能的复合型人才。相关数据也表明，数字经济领域的从业人员受教育程度普遍较高。例如，2019年中国社会状况综合调查数据显示，数字经济部门专科、本科、研究生及以上学历员工占比高达56.43%，而非数字经济部门仅为17.87%。由此可见，数字化转型会极大推动企业劳动要素升级。

劳动要素升级势必带动工资水平的上涨。一方面，数字技术与高技能劳动者的结合能够显著提高劳动生产率(戚聿东等，2021)[41]，从而带动薪酬水平的提升；另一方面，高技能劳动力具有更强的议价能力(Dauth et al.，2017；Graetz and Michaels，2018)[12][16]。从目前我国的劳动力供需结构看，数字化人才的需求远大于供给。《全球数字经济竞争力报告(2020)》显示，全球30个主要城市中，北京竞争力位列第8，但其数字人才竞争力仅排第23位，存在较大的数字人才缺口。因此，为了更好地吸引数字化人才等高技能员工(郭玉清和姜磊，2012)[31]，数字化转型企业有动机提高工资水平。此外，从目前的就业市场状况看，数字化人才的薪酬水平已大幅超过了其他岗位人员。复旦创新研究院发布的《中国上市公司的数字赋能评价报告》指出，2021年3月，全国数字人才人均年薪为15.02万元，远超2021年全国城镇非私营单位就业人员年均工资10.68万元。由此可见，在数据时代，数字化人才已成为企业争夺的焦点，企业数字化进程将改变劳动力结构，提升对高成本的数字化人才的需求，进而提高劳动收入份额。

基于上述分析，本文提出以下假设：

H1a：企业数字化转型能够提高上市公司劳动收入份额。

(二)数字化转型对劳动收入份额的降低作用：替代效应、生产率提升效应

1.资本对劳动的替代效应

数字化转型会导致资本替代劳动，使资本要素相对供给增加，劳动要素相对供给减少，(L/K)下降，从而降低劳动收入份额。胡拥军和关乐宁(2022)[33]的研究表明，数字化转型既会创造高技能就业岗位，又会对低技能劳动力产生排斥效应(陈玉宇和吴玉立，2008)[26]。Acemoglu and Restrepo(2018)[2]的研究也发现，尤其是对劳动密集型行业而言，数字化转型对其从业人员的负面影响更大。

数字化转型为何会引发资本替代劳动？其一，与执行同类任务的劳动力相比，基于自动化和智能化的机械及电子设备可以更低成本、更高质量、更高效率地完成既定任务(Acemoglu and Restrepo，2019)[3]，从而引发“机器换人”。一方面，数智化设备可以打破时间限制，实现24小时持续作业，减少因工人疲惫、精力不集中等导致的差错，并且数智化设备可模拟人脑处理过程，实现生产全过程可视化，更好地监督和预警生产流程、更高质量地完成生产作业，提升流水线效率，由此推动“无人工厂”的诞生；另一方面，数智化设备还可以突破物理空间限制，实现远程操作，对工作场地几乎无要求，可灵活应对各种操作条件，拓宽企业的生产生态和盈利模式。即使是一些智力型工作，数字技术也表现出更高的处理效率，比如面对企业庞大的数据量，只有机器取代人工，利用云计算等智能化分析工具进行数据处理，才能在足够短的时间内快速做出科学决策。因此，随着企业数字化转型的深入推进，大量的工作将会被资本替代(Frey and Osborne，2015；Frey and Osborne，2017)[13][14]。其二，数字化转型投入高、周期长，挤出了人工预算。数字化转型会给企业带来阵痛，尤其在转型初期，企业将面临较高的成本压力，不仅需要在智能化设备上进行高昂投入，还需改进现有组织结构、生产流程，并聘任或培养高技能劳动者以匹配现有工作岗位，使企业面临极大的成本压力，短期内抑制了企业规模扩张，并对低端劳动力产生了挤出效应。其三，数字化转型将促使新业态取代传统业态，很多职业的需求将因此减少甚至消失(胡拥军和关乐宁，2022)[33]。例如，电商的发展促使传统商品交易市场的衰落，传统商品交易市场从业人员数占批发零售业的比重已从2007年的33%下降到2018年的18%左右。据世界经济论坛的预测，到2030年，全球将有2.1亿人因数字化变革而被迫更换工作，有8亿人或将失业。因此，处于传统业态下的劳动者如果不能技能重塑、及时转换职业，将面临被资本替代的危机。

2.生产率提升效应

根据上述分析，数字化转型会引发资本对劳动的替代，资本要素相对供给的增加会进一步诱使产生偏向于资本的技术变化，通过技术进步弱引致偏向降低劳动收入份额，即：数字化转型引发的生产率增长所带来的超额利润更偏向于资本。

数字化转型能够缩短创新周期、降低创新成本、提高企业创新能力，促进全要素生产率(t o t a l f a c t o r productivity，TFP)增长(李廉水等，2020)[36]。首先，数字技术具有自生长特征，可以实现产品的自动迭代与升级；同时，数字技术的融合性可以打破产业边界实现融合创新(Yoo et al.，2012)[20]。其次，智能设备的广泛应用留下了移动互联网用户的大量“足迹”数据，企业可利用数字技术存储、处理、挖掘这类数据，进而对用户进行“精准画像”，实时、准确地预测用户需求，加快产品与技术的改造步伐，为市场提供更适销对路的产品和服务，降低创新试错和研发成本。最后，数字化转型能够降低信息不对称，改善运行效率，提高全要素生产率。在供应链层面，数字技术的应用可以实现对供应链全过程、动态化的监控，对信息进行即时的收集、传输、交互和分析，实时优化各环节的物质、资金、信息流转，减少流转中的冗余(蔡跃洲，2022)[22]，提高供应链的柔性、协调性及运作效率。在企业内部层面，数字化转型可改变信息收集、传递、加工、处理的过程，使各部门更加及时、完整地获取更为细化的信息，从而降低不对称程度(肖静华，2020)[49]，促使人、机、料、法、环、测等要素的优化配置与动态协调，减少资源浪费和无效占用，提高企业投入产出效率。

数字化转型能够诱发技术进步，根据Acemoglu(2002)[5]的理论框架，该技术进步为资本偏向型。刘平峰和张旺(2020)[37]通过实际测算也发现，目前我国制造业数字技术和要素配置更偏向于资本而非劳动。资本偏向型技术进步导致资本的产出效率高于劳动，促使企业不断增加对资本要素的投入，降低进入劳动力市场并创造工作岗位的积极性(Aghion and Howitt，1994)[7]，使得技术红利分配更加偏向于资本，最终导致劳动收入份额下降。很多实证研究也证实了上述观点。例如，Ripatti and Vilmunen(2001)[19]利用芬兰1975—2000年的数据进行测算，发现芬兰的技术进步偏向于资本，这也是导致该国劳动收入份额下降的重要原因；郑江淮和荆晶(2021)[53]通过研究发现，1998—2011年期间，中国工业行业技术进步为资本偏向型，从而降低了劳动收入占比。

此外，数字化转型产生的劳动要素升级效应与生产率提升效应存在一定交叉。劳动要素升级能够在一定程度上促进技术进步，带来生产率的提升，但该技术进步仍是偏向于资本的。原因在于，劳动要素升级带来的知识和技能的积累都被吸收到资本中，表现出资本的属性，例如高端芯片、智能传感器、工业机器人、软件、算法等，这些高端技术虽然都是智力劳动(高技能劳动)的派生产物，却被凝结在资本中，从而诱发企业为提升效率而进行更多的资本投入，进一步降低了对劳动的需求，劳动的相对价格随之降低。由此可见，数字化转型会引发劳动要素升级、资本对劳动的替代，这两者都会诱使产生偏向于资本的技术变化，由此带来的生产率提升红利更多地被资本所获取，进而导致劳动收入份额降低。

基于上述分析，本文提出以下假设：

H1b：企业数字化转型会降低上市公司劳动收入份额。

综上，企业数字化转型会通过劳动要素升级效应、资本对劳动的替代效应及生产率提升效应三种途径影响劳动收入份额，且前者为正向影响，后两者为负向影响，最终的作用方向是提升还是降低了劳动收入份额，尚需进一步验证。

三、研究设计

(一)样本选择与数据来源

考虑到上市公司从2007年开始施行新会计准则编制财务报表，为避免此类差异对研究结果的影响，本文以2007—2021年中国沪深交易所全部A股上市公司作为研究样本。同时按照以下标准对样本进行筛选：(1)由于金融类行业会计准则与其他行业有较大差异，相关指标在金融与非金融行业之间不具有可比性，因此，剔除金融类上市公司；(2)剔除财务状况异常的ST、*ST类上市公司，以避免财务信息质量和异常值的影响；(3)剔除关键数据缺失的样本；(4)剔除劳动收入份额大于1等存在明显异常值的样本；由此构造了共包含13,446个观察值的非平衡面板数据样本。在此基础上，对连续变量进行了上下1%的缩尾处理，以规避极端值的影响。企业的数字化转型指标通过Python爬虫技术统计上市公司年报并进行文本分析取得，其他基础数据来自国泰安(CSMAR)、Wind资讯等数据库。

(二)模型设定与变量定义

为检验数字化转型对上市公司劳动收入份额的影响，本文设定模型(5)：

由于模型(5)中被解释变量劳动收入份额(ladr)是值域处于[0,1]区间的百分数，且本文用核密度分布图描述了劳动收入份额的分布情况(如图1所示)，发现劳动收入份额更靠近0端，属于左偏分布，即不符合正态分布，因此OLS回归等传统估计方法无法对该问题进行无偏有效一致估计(苏振东等，2012)[42]。本文采用由Papke and Wooldridge(1996)[18]提出的Fractional Logit模型来解决这一问题。

图1 劳动收入份额核密度

模型(5)中，ladr代表上市公司劳动收入份额。本文参考王雄元和黄玉菁(2017)[44]对劳动收入份额的衡量方法，以现金流量表中“支付给职工以及为职工支付的现金”除以利润表中“营业总收入”来衡量。为保证研究结论的可靠性，在后续稳健性检验中，本文分别采用常进雄和王丹枫(2011)[23]、胡奕明和买买提依明·祖农(2013)[32]、方军雄(2011)[27]等研究中所采用的方法对劳动收入份额进行测算，分别以ladr2、ladr3、ladr4表示。此外，考虑到普通员工与高管在薪酬制定及激励方式上的差异，本文进一步以扣除高管薪酬后的普通员工的劳动收入份额(cladr)作为因变量进行回归。

digital代表企业数字化转型程度。本文参考吴非等(2021)[46]的做法，利用Python爬虫技术统计上市公司年报中涉及“数字化转型”相应关键词的词频，以此作为数字化转型程度的代理指标。

ctrls代表控制变量集合。参考以往研究，模型(5)中选取的控制变量主要包括影响劳动收入份额的微观和宏观因素，具体包括：企业规模(lnass)、总资产净利率(roa)、资产负债率(lev)、总资产增长率(growth)、市净率(pbr)、总资产利用率(turn)、产权性质(state)、管理层持股(lnmbo)、独立董事占比(indep)、行业竞争度(cr4)、市场化指数(market)。μi代表个体固定效应；et代表时间固定效应。本文在实证检验中均采用了公司层面的聚类稳健标准误。具体变量定义如表1所示。

表1 变量定义

四、实证结果与分析

(一)描述性统计

表2报告了主要变量的描述性统计结果。其中，劳动收入份额(ladr)的均值为0.1248，说明样本公司整体劳动收入份额偏低。数字化转型程度(digital)均值为15.3515，标准差为30.4007，说明大多数样本公司已意识到数字化转型对企业发展的重要性，均在不同程度上实施了数字化转型，但样本标准差较大，表明个体间数字化转型程度存在较大差异。其他变量指标值均在正常范围内，在此不予赘述。

表2 描述性统计结果

(二)初步回归结果

表3报告了模型(5)的初步回归结果。首先，本文采用递进式回归方式，对数字化转型与劳动收入份额进行单变量回归，结果如列(1)所示，数字化转型(digital)的回归系数为0.0037，且在1%水平下显著；其次，在原有基础上加入控制变量进行回归，结果如列(2)所示，数字化转型的回归系数为0.0031，且在1%水平下显著；最后，为考察数字化转型对普通员工的劳动收入份额的影响，本文将模型(5)的被解释变量替换为普通员工劳动收入份额(cladr)，结果如列(3)所示，数字化转型的回归系数仍在1%水平下显著为正。由此表明，数字化转型能够显著提升上市公司的劳动收入份额，假设H1a得以验证。

表3 模型(5)初步回归结果

这也意味着，就当前而言，数字化转型对上市公司产生的劳动要素升级效应超过了资本对劳动的替代效应及生产率提升效应。原因可能与目前我国企业所处的数字化转型阶段有关。清华全球产业研究院发布的《中国企业数字化转型研究报告(2021)》显示，虽然我国超过九成(95%)的企业已经开展了不同程度的数字化实践，但主要处于探索和加速推进状态，总体成熟度不高。也就是说，企业数字化转型尚处于大规模投入的阶段，为推进数字化转型引进或培养了大量的人才，从而大幅提升了人力资源水平，劳动要素升级效应显著。但鉴于数字化转型回报周期较长，产出会滞后于投入，转型初期并不能给企业带来大幅的成本节约及生产率提升。例如，2021年，腾讯研究院等对60多家央企及地方国有重点企业调研发现，50.4%的企业认为由于尚处于转型初期，未取得明显效果；23.6%的企业表示转型遇到障碍，正在努力寻求突破。就现实情况看，多数企业也并未出现大规模的机器换人及生产率颠覆性增长的现象。由此可见，数字化转型探索期或加速期带来的资本对劳动的替代效应及生产率增长效应相对较弱，劳动要素升级效应相对较强，数字化转型在总体上提升了劳动收入份额。但这一结果并非一成不变，随着数字化转型的深入推进，三大效应作用力的大小会发生动态演变，进而可能使得数字化转型对劳动收入份额的影响方向和幅度发生变化。

(三)内生性处理

本文可能存在的内生性问题如下：一是反向因果导致的内生性问题。数字化转型与劳动收入份额的正相关关系可能是由于数字化转型有助于提升劳动收入份额，也可能是因为劳动力素质高(劳动收入份额大)的企业更有能力进行数字化转型，从而导致模型(5)存在内生性问题。二是遗漏变量导致的内生性问题。可能存在一些难以量化的因素同时与数字化转型和劳动收入份额相关。例如，企业的数字化转型程度和劳动收入份额可能同时受到所在地相关政策的影响，从而造成模型(5)回归系数被高估。三是自选择偏误导致的内生性问题。数字化转型程度不同的企业在自身特质方面可能存在很大差异，数字化转型程度高的企业可能本身各方面条件更优越、表现更佳，如业绩更好、市场占有率更高、资金更充沛、汇聚了更多的人才等，因而能够为职工提供更高薪酬。也就是说，数字化转型程度可能和企业本身的一些属性有关，而这些属性也会影响劳动收入份额，从而导致内生性问题。

本文主要采取以下措施来缓解可能存在的内生性问题：

第一，采用滞后期数字化转型程度替换解释变量。考虑到数字化转型对劳动收入份额的影响可能存在滞后性，本文分别以滞后一期、滞后两期、滞后三期的数字化转型程度(ldi、ldi2、ldi3)替换解释变量digital。通常，t-1期/t-2期/t-3期的解释变量与t期解释变量相关，而与t期的随机扰动项不相关，因此，可以解决因遗漏变量导致的内生性问题。其次，t期的劳动收入份额往往不会影响t-1期/t-2期/t-3期的数字化转型程度，因此，被解释变量与解释变量几乎不存在互为因果的内生性问题。回归结果如表4第(1)～(3)列所示，在控制遗漏变量问题和缓解反向因果关系问题后，ldi、ldi2、ldi3的回归系数仍显著为正，表明数字化转型能够提升上市公司劳动收入份额这一结论是可靠的。

第二，工具变量法(IV)。参考Arellano and Bond(1991)[8]、赵宸宇等(2021)[52]构建工具变量的思路，本文以企业所在地数字经济发展指数作为工具变量对模型(5)进行检验，以进一步缓解因遗漏变量和反向因果导致的内生性问题。一方面，企业所在地数字经济发展指数与个体企业的数字化转型程度显著正相关，故满足相关性；另一方面，该指数一般不会直接影响个体企业的劳动收入份额，即与模型(5)中的随机扰动项不相关，故满足外生性，是较为理想的工具变量。从表4第(4)列的识别不足检验结果(Anderson canon.corr.LM统计量值、Chi-sq(1)p值)、弱工具变量检验结果(Cragg-Donald WaldF统计量值、10%maximal IV size)可见，工具变量不存在识别不足及弱工具变量问题，工具变量的选取是有效的；digital的回归系数仍显著为正，表明回归结果仍支持假设H1a。

第三，倾向得分匹配法(PSM)。为缓解因自选择偏误导致的内生性问题，本文采用倾向得分匹配法(PSM)进行检验，具体步骤如下：首先，借鉴张永珅等(2021)[51]，将企业数字化转型程度取中位数，若样本值大于中位数取值为1，定义为处理组；否则为0，定义为对照组；其次，利用Logit模型计算数字化转型程度较高的倾向得分；第三，回归估计前对所有协变量进行平衡性检验，且均已通过；最后，分别采用最近邻匹配(匹配比例为1:3)、半径匹配(匹配半径值为0.01)、核匹配方法(带宽为0.06)对样本进行匹配，并利用匹配样本对模型(5)进行回归，结果如表4第(5)～(7)列所示。在控制处理组和对照组的特征差异后，digital的回归系数均显著为正，表明在弱化样本自选择偏误问题后假设H1a仍成立。

表4 内生性处理结果

(四)稳健性检验

为使研究结论更加可靠，本文主要采用以下三种方法进行稳健性检验：

一是改变被解释变量的度量方法。以ladr2、ladr3、ladr4来衡量劳动收入份额，并对模型(5)重新回归，结果如表5第(1)～(3)列所示。

二是改变计量方法。企业劳动收入份额可能存在一定的动态效应，即前期劳动收入份额水平会对后期的劳动收入份额产生影响，因此本文采用动态面板回归方法进行稳健性检验，结果如表5第(4)列所示。

三是调整样本期。数字化转型这一概念是在2011年麻省理工数字化商业中心和凯捷咨询发布的报告《数字化转型：走向十亿美金企业之路》中第一次完整提出，故在稳健性检验中将样本期调整为2012—2021年，回归结果如表5第(5)列所示。

由表5可见，经过上述处理后，digital的回归系数仍显著为正，表明初步回归结果较为稳健。

表5 稳健性检验结果

五、影响机制检验

为考察劳动要素升级效应、替代效应及生产率提升效应是否是数字化转型影响劳动收入份额的内在机制，本文采用中介效应模型进行检验，其中，劳动力素质、资本对劳动的替代程度及企业生产率水平分别以高素质劳动力占比(hskillp)、资本劳动比(lnce)、全要素生产率(lntfp)来衡量。高素质劳动力占比越大，劳动力素质越高，劳动要素升级效应越强；资本劳动比越大，资本对劳动的替代程度越高，替代效应越强；全要素生产率越高，生产率提升效应越强。根据中介效应检验方法，需拟合三个回归模型(Baron and Kenny，1986)[10]，如式(6)～(8)所示。模型(6)反映数字化转型对劳动收入份额的总影响；模型(7)反映数字化转型对中介变量的直接影响；模型(8)反映中介变量对劳动收入份额的直接影响和控制了中介效应之后的数字化转型对劳动收入份额的作用。如果模型(6)中的系数β1显著、模型(7)中的系数α1显著、模型(8)中的系数γ2显著，意味着中介效应存在(温忠麟和叶宝娟，2014)[45]。

其中，M分别表示高素质劳动力占比(hskillp)、资本劳动比(lnce)、全要素生产率(lntfp)。参考Autor and Dorn(2013)[9]的研究，本文以本科及以上学历员工数占总员工数的比重来衡量高素质劳动力占比，高素质劳动力占比越高表明人力资源升级效应越强；参照李稻葵等(2009)[35]，本文以人均资本来衡量资本劳动比，人均资本水平越高表明资本对劳动的替代程度越大；企业全要素生产率采用LP法测算，全要素生产率越高表明生产率提升效应越大。

模型(6)检验结果如表3第(2)列所示，模型(7)和(8)检验结果如表6所示。表3第(2)列结果表明，数字化转型能够提升上市公司劳动收入份额；从表6第(1)列结果看，数字化转型显著提高了公司高素质劳动力占比，带来了劳动要素升级效应；且由表6第(2)列结果可见，劳动力素质的提升可显著提高劳动收入份额。因此，劳动要素升级在数字化转型对劳动收入份额的影响中发挥中介作用。表6第(3)(4)列结果显示，数字化转型会显著提高公司资本劳动比，引发资本对劳动的替代，而资本劳动比的提高会显著降低劳动收入份额，所以数字化转型-替代效应-劳动收入份额的影响机制成立。从表6第(5)(6)列结果看，数字化转型能够促进企业全要素生产率的提升，全要素生产率的提升却拉低了劳动收入份额。由此表明，劳动要素升级效应、替代效应及生产率提升效应均是数字化转型影响劳动收入份额的内在机制，且影响方向与理论分析结果一致。

六、异质性分析

(一)不同规模企业

数字化转型对不同规模企业的劳动收入份额会产生不同影响。如图2(a)所示，企业规模越大，数字化转型引发的“生产率提升”及“资本对劳动的替代”两项叠加效应(ED)越大(EDS→EDL)，结合前述分析，这两者对劳动收入份额会产生负向影响，从而弱化了数字化转型对劳动收入份额的提升作用，使其由(F11-F12)降为(F11-F13)。原因在于，一方面，规模越大的企业数字化转型对全要素生产率的提升作用越大(赵宸宇等，2021)[52]。数字化转型价值创造的重要来源之一是数据等资源的协同与共享，企业规模越大，内外部的协同需求越大，积累的可共享资源也越多，数字化转型所带来的生产率提升效应就越大。此外，规模较小的企业在转型中更多依赖政府政策，对转型缺乏总体规划；而规模较大企业在转型中更加系统化和科学化，会进行数字化转型顶层设计，少走弯路，更好地发挥数字化威力，降低效率损失。另一方面，在数字化转型中，企业规模越大，资本对劳动的替代效应也越大。大规模企业具备更强的资金实力，可满足数字化转型所需的数字技术、智能制造、云平台等大规模建设的投入及研发需要，并且在数字化转型过程中可引进更多的数智化设备、投建“无人工厂”等，从而降低对流程化、规则化劳动的需求。不过，这一替代效应在国有企业表现可能并不明显，原因在于国企即使存在人员与岗位需求不匹配的情况，也较难将过剩人员很快转移。此外，国企员工的受教育水平普遍较高，本科及以上学历人员占比高达60%以上，而数字化转型主要促使资本对中低技能劳动力的替代，所以，即使是在规模较大的国企中，资本对劳动的替代率也相对较低。

图2 数字化转型的异质性影响

基于上述分析，可得推论：企业规模越大，数字化转型对劳动收入份额的提升作用越小，而且，这一现象在民企中表现更为突出。为验证上述猜想，本文在模型(5)中加入企业规模(lnass)与数字化转型程度的交互项(lnass×digital)以考察数字化转型对不同规模企业的异质性影响，并按产权性质进行了分组回归。回归结果如表7第(1)～(3)列所示，全样本组及民企组中，lnass×digital的回归系数显著为负，而国企组lnass×digital的回归系数不显著，这一结果验证了上述推论。

表7 异质性分析

(二)不同行业企业

数字化转型对不同行业企业的劳动收入份额影响有所区别。本文按照深证指数分类法将上市公司分为六类，即工业、商业、金融业、地产业、公用事业和综合类。由于上市公司较多分布于工业、商业两大行业，因此，本文主要探讨数字化转型对这两类行业企业的异质性影响。相比工业企业，数字化对商业企业的全要素生产率提升速度更快、幅度更大，即发挥的生产率提升效应较大。由于该效应会拉低劳动收入份额，因此，数字化转型对商业企业劳动收入份额的提升作用较小，如图2(b)所示，工业企业为(F21-F22)，商业企业为(F21-F23)。原因在于，商业领域交易环节及决策过程较为简单，所面临的主要问题是供需双方的信息不对称。数字化发展带来的新数据、新技术可有效缓解信息不对称问题，其与商业领域的融合可促使商业生态的系统性重构，快速催生新型商业业态、模式，从而极大地提升商品流通领域的全要素生产率，实现颠覆性增长。相较而言，工业领域涉及设计研发、生产制造、仓储物流、销售服务等多个链条和环节，同时面临复杂的生产任务及业务流程，因此，要想充分发挥数字化对工业领域生产率的带动作用，需在生产组织方式、管理模式、产业组织结构等多方面进行重大变革，需攻克智能感知、人机协作、供应链协同等共性技术，需研发人工智能、大数据、边缘计算等在工业领域的适用性技术，难度较大。当前，虽然我国规模以上工业企业数字化普及率已较高，但对数字技术的应用却处于较为初级的层面，所以，数字化转型对工业企业生产率的提升速度相对较慢、幅度相对较低。

为验证上述推论，本文按照企业是否属于工业行业设定变量hy(企业隶属工业行业，则hy=1；企业隶属商业行业，则hy=0)，并在模型(5)中加入企业所属行业与数字化转型程度的交互项(hy×digital)以考察企业所处行业的调节作用。回归结果如表7第(4)列所示，hy×digital的回归系数显著为正，表明数字化转型对工业企业的劳动收入份额的提升作用更大。

(三)不同竞争地位企业

数字化转型对处于不同竞争地位企业的劳动收入份额会产生不同影响。随着企业竞争力的提升，数字化转型发挥的劳动要素升级效应将增强。由于劳动要素升级效应对劳动收入份额会产生正向影响，因此，数字化转型对具有较强竞争力企业的劳动收入份额提升作用更大，如图2(c)所示，该提升作用将由(F32-F33)提高到(F31-F33)。可能的原因在于，数字化转型需要大量复合型数字人才的参与，而多项研究报告均指出当前这类人才是极为稀缺的。由于数字化人才的需求远大于供给，并非所有企业都有能力引进量足质优的人才。例如，清华全球产业研究院调研结果显示，61.8%的企业认为数字化专业人才的缺乏正在阻碍它们成功实现转型。通常，竞争力越强的企业对人才的吸引力越大，更有实力提供较高的薪资待遇来吸引更多具备多元化知识和技能的数字化人才，也更有条件对现有员工开展培训提高数字素养。此外，数字化转型耗资巨大，竞争力较弱的企业本就利润微薄，在管理模式重构、生产流程重组及相关智能化设备上大量投入后便所剩无几，从而挤出了人工预算，使其在数字化人才市场上丧失优势，难以吸引大量人才的加入，阻碍了其劳动要素升级。

为验证上述推论，本文以勒纳指数(lerner)衡量企业竞争力，并在模型(5)中加入企业竞争力与数字化转型程度的交互项(lerner×digital)以考察企业竞争地位的调节作用。回归结果如表7第(5)列所示，lerner×digital的回归系数显著为正，表明数字化转型对竞争力较强企业的劳动收入份额的提升作用更大。

七、结论与启示

本文在理论剖析数字化转型对企业劳动收入份额影响机理的基础上，以2007—2021年沪深交易所全部A股上市公司为样本，实证检验了数字化转型对上市公司劳动收入份额的影响。研究表明：(1)现阶段，数字化转型能够显著提升上市公司劳动收入份额，且该结论在内生性处理及稳健性检验后依然成立。(2)影响机制方面，数字化转型会产生劳动要素升级效应，从而提升劳动收入份额；同时，数字化转型也会产生资本对劳动的替代效应及生产率提升效应，从而降低劳动收入份额。(3)异质性检验结果表明，对于规模相对较小、工业类、竞争力较强的上市公司而言，数字化转型对劳动收入份额的提升作用更大。

本文结论可带来以下启示：首先，虽然多数宏观层面或行业层面的经验证据表明数字化转型降低了劳动收入份额，但主要体现在普通劳动者层面，对于微观层面上市公司这一群体而言，数字化转型对劳动收入份额反而起到了拉动作用。因此，政府在大力推行数字化转型时，不仅要切实保障普通劳动者利益，也不能忽视数字化转型对高素质劳动力利益提升的有利作用，通过大力推行企业数字化转型，驱动企业劳动要素升级，带动劳动要素收入份额的提升。

其次，数字化转型的深入推进可能引发资本对劳动的大规模替代；同时，数字化转型的巨额投入会挤出企业的人工预算，引发企业缩减雇员规模。新兴岗位通常技能要求较高，被替代、被挤出的劳动者大多为低技能劳动者，两者无法实现瞬时匹配，可能引发结构性失业问题，进而导致劳动收入份额降低。要解决上述问题，一方面，要对劳动者进行技能重塑，引导劳动者顺利完成职业转换，实现劳动市场供需匹配。应鼓励大中型企业加大对现有员工的培养力度，通过“干中学”、开发实践、内部培训等方式提升现有人员的数字素养，尽量减少裁员。同时，可在社会面开展职业技术教育培训，培养失业人员基本的数字技能，以满足数据采集、互联网营销、内容审核等低门槛数字经济岗位的需求。另一方面，要给予数字化转型企业一定的信贷支持，并对向现有员工开展数字化转型培训的企业给予税收优惠或补贴。数字化转型过程中，企业面临巨大的成本压力，导致企业在数字化人才培养方面有心无力，无法承受现有员工技能重塑的支出，因此，政府应给予一定的政策扶持，分担企业部分压力。

再次，数字化转型能够带来技术进步，提高企业生产率，但该技术进步为资本偏向型，技术红利主要由资本要素获取，由此降低了劳动收入份额。为此，在数字化进程中，应进一步完善收入分配机制，建立与数字经济相适应的收入分配制度，兼顾公平与效率。

最后，鉴于数字化转型对不同类型企业的劳动收入份额存在异质性影响，政府在制定相关政策时应结合企业规模、所处行业、竞争力等因素，构建“因势利导”的政策体系。■