平台经济对行业就业结构的影响研究※

沈坤荣 张锐敏

内容提要：随着互联网技术的迅猛发展,平台经济作为一种新型经济形态,不仅为传统产业赋能升级,还创造了大量新的就业机会。旨在探讨平台经济对行业就业结构的影响,通过构建平台经济发展评价指标体系,利用2007-2019年中国城市面板数据进行回归分析,研究发现:平台经济对批发零售、住宿餐饮、教育、科学研究行业就业人数比重的影响显著为正,对制造业就业人数比重的影响显著为负,解决内生性问题后对交通运输、金融业就业人数比重的影响也显著为负;创业活跃度、产业结构在平台经济对行业就业结构的影响中起到了中介作用;平台经济对行业就业结构的影响在各城市群具有差异性,在长江中游城市群对行业就业结构的影响效应最大,在成渝城市群的影响效应次之。在进一步推动平台经济发展的同时,政府需要加强政策引导和支持,助力平台经济发挥其带动就业创业的作用。

一、 引 言

随着互联网、大数据、云计算等数字技术的不断升级和广泛应用,平台经济作为一种新型经济形态,依托互联网平台,以数据为关键生产要素、以信息技术为核心驱动力、以网络信息基础设施为重要支撑,得到了快速发展,创造了一系列新业态、新模式,对创造就业机会、整合经济资源、优化资源配置有积极的推动作用。国家十分重视并鼓励平台经济发展。2021年3月15日,中央财经委员会第九次会议重点研究了促进平台经济健康发展问题。2023年3月5日,政府工作报告指出:促进平台经济健康持续发展,发挥其带动就业创业的作用。

平台经济的蓬勃发展不仅成为经济高质量发展的强大推动力,还伴随着劳动力市场的结构性变革,引发了灵活就业、零工经济等新的就业现象,导致大量工作在形式、任务、性质等方面出现了根本性的变革,对劳动就业选择产生了深刻的影响。平台经济创造的就业,具体来说,可以分为两类,一类是在线劳动力市场,包括短视频、直播带货、网络客服、线上教育、在线咨询等;另一类是基于应用程序的按需工作,包括外卖、网约车、代驾等。据《2023中国数字经济前沿:平台与高质量充分就业》研究报告不完全统计测算,以微信、抖音、淘宝、美团、饿了么等为代表的平台,2021年为中国净创造就业约2.4亿,为当年约27%的中国适龄劳动人口提供了就业机会。平台在助力经济发展过程中发挥了重要的就业稳定器作用。

然而,平台经济的发展在创造就业的同时也会带来就业结构的改变。高质量发展背景下对平台经济与就业结构的研究具有很强的现实意义。平台经济会给各行业就业造成什么样的影响?其影响机制是什么?这是本文主要的研究问题。与既有文献相比,本文可能的创新之处在于:第一,在分析方法上,本文从理论分析和定量分析的角度,探究平台经济对行业就业结构产生的影响及其内在机制;第二,在模型构建上,本文构建中介机制模型,从创业活跃度和产业结构角度对内在的影响机理进行分析;第三,在数据选取上,本文选用了城市面板数据进行实证分析,采用多维度指标构建了平台经济发展水平评价指标体系,衡量各城市平台经济发展水平。

二、 文献综述

1. 平台经济内涵界定的研究

平台经济是数字经济的一种特殊形态,国内外许多学者对平台经济的内涵进行了研究,Rochet和Tirole(2003)等学者最早展开了对平台经济的相关研究,但是目前对平台经济内涵的界定仍然没有达成共识,各国也均未公布任何来自官方机构的平台经济统计数据。数字平台是一种可以收集、处理和传输有关生产、分配和消费等经济活动信息的数字基础设施,平台经济则是基于数字平台产生的经济活动(谢富胜等,2019),是互联网平台协调组织资源配置的一种新型组织方式和经济形态(尹振涛等,2022)。平台本身不生产产品,而是提供一个交易场所,使产品和服务的交易双方更好地进行信息沟通、交易对接,促进多方交易。平台经济的特征主要有:规模经济、范围经济、网络外部性、多边市场等(夏杰长和杨昊雯,2023)。总的来说,平台经济实质上是一个阶段性概念,在数字技术的驱动下,平台经济的边界不断扩展,其内涵和外延将会不断深化,但学者大都认同平台经济是一种基于数字技术、协调资源配置的经济形态。

2. 平台经济对经济发展的影响研究

平台经济的发展主要通过平台信息共享、平台聚集效应、赋能实体经济等多种方式扩大经济规模。首先,平台经济借助互联网技术拓宽了市场边界,实现了信息共享,整合优化了资源,有助于欠发达地区和低收入群体与发达地区建立联系,以此获取更多的机会和信息,实现供需之间的有效匹配,扩大经济规模,实现共同富裕(端利涛和蔡跃洲,2023)。其次,平台经济推动产业持续创新,引领新型经济增长。平台一旦建立,就能够吸引各种资源加入,发挥平台的集聚效应,推动整个产业的资源向平台倾斜,创造出巨大价值(李海舰和李燕,2020)。再次,平台经济不仅自身创造价值,还可以借助电子商务平台、工业互联网平台、科技创新平台赋能实体企业的发展,进而促进经济增长,扩大经济规模(沈坤荣和乔刚,2022)。

3. 数字经济、平台经济对就业结构的影响研究

平台经济的迅速发展带来了工作性质和就业选择的变化。从研究现状来看,当前平台经济与就业的相关文献主要关注的是平台经济下灵活就业者的身份认定(刘桂莲,2023)、收入分配(闫慧慧和杨小勇,2022)、劳动权益保障(柏培文和张云,2021)等问题,而关于平台经济与就业结构这一方面的研究较少,更鲜有学者展开定量研究。对本文研究具有很大帮助的一篇论文是杨伟国和吴邦正(2022)使用省级面板数据从产业、行业和技能层面实证分析了平台经济发展对就业结构的影响,发现其对就业结构有显著影响并存在“U”型关系。

互联网平台经济是数字经济的基础,关于数字经济对就业结构的影响研究较为丰富,相关研究主要集中在对就业产业结构和就业技能结构的影响。制造业方面,有两类不同的结论,一类认为数字经济发展显著降低了制造业就业份额(Acemoglu和Restrepo,2018)。另一类研究认为,数字经济发展使得制造行业就业以先降后升的影响模式优化升级(叶胥等,2021)。在服务业、农业上观点基本一致,认为数字经济发展会促进生产性、消费性服务业和公共基础性服务业就业规模,挤出部分农业部门劳动力(田鸽和张勋,2022)。对就业技能结构的影响,一类观点认为数字经济发展会增加低技能和高技能就业,而中等技能就业在数字化过程中更容易被取代,促进技能结构的两极化(孙早和侯玉琳,2019);另一类观点认为数字经济发展会促使就业技能结构出现递进升级的现象,低技能向中等技能升级,中等技能向高技能升级(Beaudry等,2016;Graetz和Michaels,2018)。

4. 平台经济对创业活跃度、产业结构的影响研究

一方面,平台经济发展会激活劳动力市场的创业热情,激发个体创业活跃度。平台显著拓展了个体社会网络,提供了更多的资源和信息获取的渠道,提升了创业者个体社会资本(Smith等,2017);金融平台通过提供收入安全网、对冲风险,农民依托数字金融平台缓解借贷约束从而促进创业(莫怡青和李力行,2022);个体利用互联网信息技术,借助各种学习平台,加强自身学习能力和技术水平,通过提升技能型人力资本等方式达到增加创业、提高收入的效果(胡伦和陆迁,2019);平台经济的发展还释放了大量的就业创业需求(王世强,2023)。农业农村部印发的《全国乡村产业发展规划(2020-2025年)》显示,农村创新创业规模扩大,2019年在乡创业人员超过3100万,各类返乡入乡创新创业人员累计超过850万人,利用“互联网+”创新创业的超过50%。

另一方面,平台经济发展会加快产业结构演进。通过促进科学技术创新和社会分工深化,平台经济助力实现产业结构加速演进(刘翠花,2022);通过优化产业内的资源配置效率、优化产业布局,促进传统产业向高附加值产业转变;通过减少产业间信息不对称、打破时空壁垒,将原本分散的产业融合在一起,实现产业间关联协作(夏杰长和杨昊雯,2023);通过改变产业需求端的消费模式,进而促进产业结构调整,最终影响产业结构转型(纪圆圆等,2022)。

综上来看,平台经济在创造就业的同时也会对就业结构产生影响。平台经济与就业的相关研究主要集中于定性分析灵活就业者的劳动权益保障等问题,定量研究大多是从数字经济角度进行分析,得到了许多有价值的研究成果,但是仍存在不足:平台经济衡量困难,缺少平台经济对就业结构影响的研究,特别是定量分析的研究很少,缺乏从行业就业结构的角度进行分析,更没有考虑中介影响机制,因此,本文的研究具有较大的研究空间和研究价值。

三、 理论分析与研究假设

在平台经济快速发展的时代背景下,新业态、新模式的出现对工作形式、性质等产生了根本性的改变,对就业结构也产生了影响。只有从宏观层面上把握平台经济与就业结构之间的关系及其内在的逻辑机制,才能够更好地评估平台经济对于就业结构的作用。首先,平台经济的发展依托于数字基础设施和信息技术,这会使信息服务技术相关的工作岗位提供更多的就业机会,吸引大量高技能人才就业。其次,随着平台经济的发展,资源整合、信息共享使供需匹配更加高效,出现的新业态也创造了更多的就业岗位,外卖配送、网约车、直播带货等新兴行业提供了大量的就业机会,很多岗位的门槛要求较低,能吸收大量低技能劳动者从事平台相关的服务业,有效实现劳动力供需匹配。再次,平台经济利用网络优势,有效缓解了劳动力流动的时间和空间限制,促进了农村人口就业,可以解决部分农村劳动力剩余的问题。平台经济创造的就业大量集中于服务业,既包括高技能就业人员,也包括低技能就业人员。由此提出假设:

假设1:平台经济发展会对行业就业结构有显著影响,具体地,平台经济发展会显著增加批发零售、住宿餐饮、教育、科学研究等行业就业人数比重,减少制造业等行业就业人数比重。

平台经济的蓬勃发展创造了大量雇佣型就业岗位的同时,也激活了劳动力市场创业热情,激发创业活跃度。首先,新业态的产生以及高额报酬不但会增强就业意愿,也会刺激产生更多的创业行为,引致更多的农业人口转向城市就业创业。其次,平台提供的良好的数据共享以及交易成本降低的先天优势为创业提供了良好的条件。据统计,青年创业选择的主要模式是服务业,特别是初始投入较少、技术门槛较低的行业,符合青年人受到资金约束和技术约束下的创业选择。再次,平台经济背景下高效的信息交流和数字化的治理理念,有利于信息公开化以及营商环境优化,因此平台经济的发展有效地解决了经济活动空间以及公平效率等问题,有效促进了创业机会均等化。正是因为平台经济为信息交互提供了极大的便利,改善了地区创业环境,因而极大地刺激了地区创业活跃度,提高了创业水平。由于受到高科技行业高速发展的影响,创业大多以“互联网+”高科技创业、服务业创业为主。由此提出假设:

假设2:平台经济发展通过提升城市创业活跃度效应机制对行业就业结构产生影响。

对于地区经济发展而言,平台经济具有信息共享、聚集效应的优势,有效地整合配置资本与劳动力要素,可以有效促进地区产业结构转变,从而促进地区经济高质量发展。而产业结构和就业结构之间的关系一直是经济学家关注的焦点。就业结构是由产业结构、劳动力素质和市场竞争等要素决定的,随着产业结构的调整和转型,劳动力市场将出现一定程度的分化,从而导致就业结构的变动。同时,产业结构调整还会引起不同行业之间的人口流动,从而影响就业结构的稳定性和可持续性。通过发展新兴产业,推进传统产业升级,可以促进产业结构和就业结构的协调发展。由此提出假设:

假设3:平台经济发展通过影响城市产业结构效应机制对行业就业结构产生影响。

四、 模型构建与数据说明

1. 模型构建

基于上述的理论分析和研究假设,构建基本回归模型:

empit=αit+βplatindexit+∑jγjXijt+ui+ut+εit

(1)

其中,emp表示各行业就业人数占总就业人数的比重,platindex表示平台经济指数,X是控制变量,ui和ut分别表示城市固定效应和年份固定效应,αit是常数项,εit是随机变量,β和γ分别是解释变量和控制变量的回归系数,i表示不同城市,t表示不同年份。

考虑到创业活跃度和产业结构的中介机制作用,进一步构建关于创业活跃度(entre)的中介机制模型:

entreit=αit+βplatindexit+∑jγjXijt+ui+ut+εit

(2)

关于城市产业结构(struc)的中介机制模型:

strucit=αit+βplatindexit+∑jγjXijt+ui+ut+εit

(3)

2. 变量选取

(1) 被解释变量。上述模型中行业就业结构用各行业就业人数占总就业人数的比重来衡量。行业选取的依据是与平台经济自身发展相关的行业,以及会受到平台经济发展影响较大的行业。平台经济创造的就业大量集中于服务业,一类是在线劳动力市场,涉及教育、金融、科学研究等行业;另一类是基于应用程序的按需工作,涉及交通运输、住宿餐饮、批发零售等行业,而对制造业就业可能会有挤出效应。因此本文选取的行业主要包括交通运输、住宿餐饮、批发零售、金融业、教育行业、科学研究、制造业。

(2) 核心解释变量。目前学术界对于平台经济的内涵没有统一的界定,也没有任何来自官方机构的平台经济统计数据,参考黄群慧等(2019)的指标选取,以及城市层面的数据可得性,本文构建了包括3个维度5个指标的平台经济发展评价指标体系来衡量城市平台经济发展水平。一方面,平台经济的发展依托于数字平台,可以从数字基础设施角度衡量其发展水平;另一方面,平台作为协调资源配置、为供需双方提供交易的场所,可以从投入产出角度衡量其发展水平。因此平台经济指数的构建从平台基础设施、平台投入水平、平台产出水平3个维度来考虑。平台基础设施包括互联网使用情况(百人互联网宽带接入用户数)、移动电话使用情况(百人中移动电话使用人数)两个指标;平台投入水平包括相关从业人员数量(信息传输和软件业从业人员占比)、相关财政支出(科技支出)两个指标;平台产出水平用人均电信业务量来衡量。常用的指数计算方法有熵值法、主成分分析法等,本文选用熵值法进行计算。熵值法计算的指标权重系数是由各指标所包含的信息量及变异程度决定的,是一种客观赋权方法,排除了主观因素的干扰。

(3) 控制变量。基于本文的研究目的,结合已有文献(杨伟国和吴邦正,2022)的研究,本文选取的控制变量包括居民收入水平、人口密度、工业发展水平、教育水平、经济发展水平。其中,居民收入水平用职工平均工资表示,衡量各城市居民的收入差异;人口密度用每平方公里的人口数表示,衡量各城市间及城乡间的人口流动差异;工业发展水平用规模以上工业企业数表示,衡量城市工业发展水平的差异;教育水平用教育支出表示,衡量城市财政在教育方面的支出差异;经济发展水平用人均国内生产总值表示,衡量城市经济发展水平的差异。考虑到数据的平稳性,所有控制变量均取对数后进行回归分析。

(4) 中介变量。根据理论分析和研究假设,本文选取的中介变量是城市创业活跃度和城市产业结构。其中,城市创业活跃度用各城市新注册企业数来表示,衡量各城市创业水平的差异,同样取对数后进行回归分析。城市产业结构用第三产业产值与第二产业产值的比值来衡量。

3. 数据来源和描述性统计

本文实证分析的数据选取的是2007-2019年中国286个城市(剔除了数据缺失严重的部分城市)的面板数据。数据主要来源于EPS数据平台的《中国城市统计年鉴》,各城市新注册企业数来源于天眼查。变量的描述性统计在表2中列出。

利用上述数据,可以对2019年各行业就业结构的基本情况进行描述分析。

在本文选取的与平台经济发展密切相关的行业中,制造业就业总人数为3959.27万人,占总就业人数比重最大,达到了23%;教育行业就业人数比重次之,占10%;之后依次是批发零售、金融、交通运输、科学研究行业;住宿餐饮行业就业人数最少,为330.33万人,占总就业人数比重最小,仅占2%。其他行业主要包括农业、采矿业、建筑业、房地产、社会保障、文体娱乐、公共管理等,所占比重共47%。

五、 实证分析

1. 基准回归

基于上述构建的双向固定效应模型,从行业角度分析平台经济对各行业的就业影响,被解释变量是各行业就业人数占总就业人数的比重,回归结果在表3中列出。可以看出,平台经济对制造业就业人数比重的影响显著为负;对其余行业就业人数比重的影响均显著为正,特别地,对教育行业的就业人数比重影响效应最大,对住宿餐饮、科学研究行业的就业人数比

图1 2019年各行业就业结构数据来源:2019年《中国城市统计年鉴》。

重影响效应相对较小,回归系数分别只有1.203和1.154。由于平台经济所包含的平台主要有电子商务、网络约车、文娱、社交媒体、搜索、数字金融、软件服务等,主要集中在服务业,平台经济的线上劳动力市场主要体现在对金融业、教育行业就业人数的影响;平台经济基于应用程序的线下劳动力市场对交通运输业、住宿餐饮业、批发零售业有显著影响,平台经济的快速发展会使劳动力从制造业流向上述这些行业,从而减少制造业就业比重。教育行业就业比重与平台经济正相关,是因为平台经济的发展为线上教育提供了便利,从而增加了教育行业就业比重。科学研究为平台经济的发展提供基本的数字基础设施保障和软硬件支持,所以该行业就业比重会随着平台经济的发展而显著增加。此外,电子商务的发展推动了批发零售、住宿餐饮行业的发展,显著增加了相关行业的就业比重。但考虑到模型可能存在的内生性问题,下文使用工具变量法进一步验证回归结果的准确性。

关于控制变量的结果,大多数控制变量的系数均显著。人口密度系数多数为正,是因为城市人口密度反映了城市化水平,城市化程度较高的地区,服务业都相对较为发达,所以人口密度的增加对住宿餐饮、批发零售和教育行业就业人数比重产生正向影响。工业发展水平对交通运输、住宿餐饮、制造业和科学研究就业人数比重的影响显著为正,是因为这几个行业的发展都更需要工业发展的支持,与工业发展水平密切相关。除制造业外,其余行业人均GDP系数多数显著为负,可能的原因是随着经济水平的发展,部分政府在推动产业转型升级的过程中,这些行业就业吸纳能力没有与产业发展的速度同步。

进一步验证平台经济指数对各行业就业人数比重的影响是否存在“U”型效应(见表4),加入平台经济指数的二次项进行分析,发现除住宿餐饮行业外,平台经济指数的二次项对其他行业就业人数比重的影响均显著,且二次项对制造业就业人数比重影响效应显著为正,对其余行业就业人数比重影响显著为负,表明平台经济指数对制造业就业存在“U”型影响,对其余行业就业存在倒“U”型影响。说明随着平台经济的进一步发展,制造业就业人数占比最终会增加,作为支柱性产业的制造业重要性越发凸显。

2. 稳健性检验

为保证模型结果与研究结论的稳健性,本文进行了两种稳健性检验。

(1) 调整变量度量方式。第一种检验方式,是通过改变平台经济指数的计算方式,采用主成分分析法代替熵值法重新计算平台经济指数。主成分分析法是把多个指标变为数量较少的几个综合指标的一种降维统计方法。指标体系的构建与上述熵值法一致,首先对指标进行相关性分析,发现指标间具有显著的相关性,符合做主成分分析的条件。且KMO和SMC检验结果较好,表明可以进行主成分分析。使用主成分分析法计算平台经济指数,回归结果在表5中列出。可以看出回归结果同熵值法计算的平台经济指数回归结果基本一致,平台经济指数对制造业就业人数比重的影响显著为负,对交通运输、住宿餐饮等其余行业就业人数的影响显著为正,表明模型的稳健性很好。

(2) 更换被解释变量。第二种稳健性检验方法是变换被解释变量,用各行业就业人数取对数值作为被解释变量,回归结果列在表6中。可以看出回归结果仍与前述结果保持一致,模型的稳健性很好。

3. 内生性处理

考虑到回归模型中可能存在的反向因果和遗漏变量的问题,本文试图采用工具变量法来解决这一内生性问题。借鉴黄群慧等(2019)的做法,选取各城市在2006年末邮政局个数(IV1)和本地固定电话用户数(IV2)作为平台经济指数的工具变量。一方面,平台经济作为互联网发展的产物,必然会受到各城市互联网发展水平的影响,而互联网普及之前,人们的信息沟通方式主要是通过固定电话和邮局,因此各城市历史上的邮政通信基础会影响到后续平台经济的发展,满足相关性条件。另一方面,随着信息技术的发展,固定电话、传统邮政等通信工具被现代信息化通信工具所替代,使用频率不断下降,对城市经济发展和就业的影响正在消失,且过度识别检验结果p值大于0.1,验证了工具变量的外生性,满足排他性条件。考虑到该变量为横截面数据,不能直接用于面板数据的模型中进行计量分析,因而需要选取一时间变量与之交互相乘得到面板数据。参照赵涛等(2020)的做法,时间变量选取2007-2019年中国互联网市场交易规模的对数值。表7、表8分别汇报了第一阶段和第二阶段的回归结果。第一阶段结果显示,城市邮局个数、本地电话年末用户数均与平台经济指数存在显著的正相关性。第二阶段结果显示,平台经济指数对制造业就业人数比重的影响仍然显著为负,对批发零售、住宿餐饮、科学研究、教育行业就业人数比重的影响仍显著为正,均与基准回归结果一致;而对交通运输和金融行业就业人数比重的影响显著为负。由于回归结果显示在识别不足检验中,p值小于0.01,工具变量通过了识别不足检验;在弱识别检验中,Wald F统计量为25.696,大于10,也通过了弱工具变量识别检验,表明工具变量选取的合理性。所以有理由认为该结果比基准回归结果更为准确合理。交通运输、金融行业就业人数比重系数为负,但二者就业人数对数值的系数均为正,说明这两个行业就业人数的绝对值增加,但相对值减少了,可能的原因是这两个行业的就业弹性较小,对就业者的职业技能要求较高,平台经济创造的就业更多地集中于其他行业,导致交通运输、金融行业就业人数虽然增加,但所占比重下降。

六、 进一步分析

1. 中介机制检验

考虑到平台经济通过对创业活跃度、产业结构产生影响,进而影响各行业就业比重,参考江艇(2022)关于中介效应的研究,分别构建以创业活跃度、产业结构为被解释变量,以平台经济指数为核心解释变量的双向固定效应模型。得到的回归结果在表9列出,可以看出平台经济指数与创业活跃度、产业结构均存在正相关性,平台经济指数的系数分别为0.097和0.189,且均在1%的水平上显著,这与理论分析和研究假设一致,说明平台经济的发展会提高城市创业活跃度,影响城市产业结构,具体体现为增加第三产业产值和第二产业产值的比值。

中介变量对行业就业结构的影响比较直观。首先,平台经济的发展为创新创业提供了个体社会资本、提升了人力资本,金融平台缓解了创业资金约束,激发创业活跃度。网购平台和直播平台的创业主要带动了批发零售、住宿餐饮行业的就业增加;线上服务类型的平台创业主要带动了教育、科学研究行业的就业增加,上述这些相关行业依托平台经济的发展,创业活跃度被激发,就业比重都会增加,而制造业就业会流向上述行业,造成制造业就业比重下降。其次,产业结构和就业结构之间的关系是很多学者研究的经典问题,配第—克拉克定理阐述了,当经济水平发展到一定程度后,第三产业的产值比重与就业比重都会上升。由于各行业很强的异质性,使其具有不同的就业吸纳能力,相比于制造业,服务业包含的各行业具有更高的就业弹性,吸纳劳动力的能力更强,因此产业结构的变动会给不同行业带来不同的就业结构变动。有的行业会直接创造大量就业机会,有的行业通过直接或间接消耗其他产品,为其他行业创造更多的就业。赵杨和刘延平(2010)使用单位增加值就业人数衡量各行业的就业吸纳能力大小,研究表明教育与第三产业产值的相关性在各行业中最高,科学研究、交通运输、金融等行业指标也均为正,而住宿餐饮指标值较小,这与本文基准回归得到的结论一致,证明平台经济的发展通过影响产业结构进而对各行业就业结构产生不同的影响。

2. 城市群的异质性分析

按照中国对于城市群的划分,选取有代表性的五大城市群,分别是京津冀、长三角、长江中游、珠三角、成渝城市群,进行城市群异质性分析,得到的回归结果显示在表11中。可以看出按城市群划分后,平台经济对各行业就业的影响在各城市群之间具有很大差异。长江中游城市群平台经济对交通运输、批发零售、金融、教育和科学研究行业的就业影响效应最大,在成渝城市群该影响效应次之,而在长三角、珠三角城市群该影响效应都很小。京津冀城市群平台经济对住宿餐饮行业的就业影响效应最大,珠三角城市群平台经济对制造业的就业影响效应最大。

表1 平台经济发展水平评价指标体系

表2 变量的描述性统计

表3 平台经济对各行业就业人数比重的影响

表4 “U”型效应检验

表5 主成分分析法计算的平台经济指数对各行业就业人数比重的影响

表6 更换被解释变量的回归结果

表7 工具变量法第一阶段回归结果

表8 工具变量法第二阶段回归结果

表9 中介机制检验

表10 各城市群平台经济指数均值

表11 城市群异质性分析

总体来看,长江中游城市群平台经济对各行业就业的影响效应最大,这是平台经济与实体经济深度融合的结果,反映出长江中游城市群平台经济创造就业、吸纳劳动力的强大动力。成渝城市群的影响效应次之,珠三角、长三角城市群平台经济对很多行业就业的影响效应都很小。可能的原因是,从表10各城市群平台经济指数平均值可以看出成渝、长江中游城市群平台经济发展水平相对较低,平台经济发展空间较大,对吸引拉动服务业就业效应更为显著,制造业劳动力也会被平台经济发展带来的收益增加所吸引,从而转移到服务业寻求新的就业岗位;而珠三角城市群平台经济的发展已经相对成熟,平台经济指数平均值最高,服务业就业比重已经很高,继续拉动该比重上升的空间较小。京津冀、长三角城市群平台经济发展处于中等水平,所以平台经济发展对各行业就业结构的影响效应位于上述两者之间。

七、 结论与启示

平台经济快速发展,成为中国经济社会发展中的重要组成部分,在推动经济增长、释放经济活力、创造就业机会中起到重要的作用。一方面,平台经济的快速发展带来了大量就业机会,也激发了更多的依托平

台的创新创业。另一方面,平台经济的兴起也给传统行业带来了冲击,使得传统产业中的一些传统工种逐渐被取代,这对就业结构造成了一定的影响。本文通过选取适当指标计算平台经济指数来衡量各城市平台经济发展水平,使用双向固定效应模型回归分析,研究发现:平台经济会显著增加住宿餐饮、批发零售、教育、科学研究行业的就业人数比重,对制造业就业人数比重的影响显著为负,对交通运输、金融行业就业人数比重影响经过内生性处理后显著为负。还发现创业活跃度和产业结构在平台经济对各行业就业的影响中起到了中介作用。此外进行城市群异质性分析发现,长江中游城市群平台经济对各行业就业的影响效应最大,成渝城市群的影响效应次之,珠三角、长三角、京津冀城市群平台经济对很多行业就业的影响效应很小或并不显著。

平台经济作为新经济的代表之一,已经成为经济发展的重要动力。因此,在未来发展中,进一步推动平台经济发展的同时,政府需要加强政策引导和支持,从职业教育、信息技术、创业、与传统产业融合等方面入手,助力平台经济发挥其带动就业创业的作用。第一,重视职业教育的发展。平台经济的发展对行业就业结构产生影响,政府可以因势利导,为平台经济所带动的行业培养更多具有职业技能的人才,缓解结构性失业问题,从而优化就业结构,提高就业质量。第二,推进信息技术和相关人才的培养。平台经济的发展离不开信息技术的支持,政府应当重视信息技术人才的培养,鼓励更多的企业参与信息技术创新,为平台经济发展提供更加有力的保障和支撑,提高平台经济的创新能力和核心竞争力。第三,鼓励平台型创业。政府应当积极营造宽松开放、透明公正的市场环境,鼓励更多个人进行平台相关的创业,推进数字化、信息化和智能化等方面的发展,提高平台经济的发展质量和效率。第四,鼓励平台经济与传统行业深度融合。政府可以出台多项鼓励措施,引导各行各业积极拥抱数字化转型,推动平台经济与传统行业深度融合,实现资源共享、优势互补,促进经济的协同发展,积极推进产业转型,以实现就业结构的优化,更好地适应未来经济发展的趋势。