数字经济时代的“红利”与“鸿沟”：异质性劳动力的微观表征

杨 艳，林 凌，王 理

（1.四川大学经济学院，成都 610065；2.四川省社会科学院，成都 610071）

0 引言

近年来，数字经济正成为驱动我国经济发展的强劲动力，在刺激消费、缩小区域差距、助力产业转型等方面发挥积极作用的同时[1,2]，也使得劳动要素市场与社会收入分配格局出现了新变化。数字经济的发展催生新业态与大量新型就业岗位，重塑行业生产流程和运营规则，同时也对劳动者的数字技能和数字素养提出新要求。经济数字化转型伴随着就业替代风险、结构性失业、数字鸿沟、收入差距扩大等新问题。数字经济的快速发展是否会导致劳动力技能需求与工资收入分配格局发生变化？如何在数字经济时代实现从“鸿沟”到“红利”的转换？为回答上述问题，需要深入研究数字经济对异质性劳动力群体的赋能作用，厘清数字经济发展对劳动力技能需求与工资收入分配的影响机理。

关于数字经济影响劳动力技能需求及工资收入的相关研究聚焦于以下三个方面：一是数字经济具有城市维度的生产率效应与创新效应。从生产率效应来看，数字经济发展以及数字化变革既可以赋能传统生产要素数字化并促进要素重组升级，优化资源配置，又能推动微观企业积极探索新型盈利模式，进而提升生产率[3]。从创新效应来看，数字经济通过打破创新主体及创新活动的时空限制、实现信息资源集成共享、优化产业结构及改善市场环境赋能城市创新效率提升[4]。但具有技能偏向的生产率效应与技术创新效应可能会导致低技能劳动力加速被高技能劳动力或产业智能化替代[5]。二是数字经济通过就业创造效应和替代效应重塑劳动力市场。数字经济发展推动产业升级和融合发展，增加就业岗位并衍生出灵活就业等新业态。此外，数字经济、互联网金融发展有利于缓解家庭信贷约束、降低信息不对称，进而提高个体就业可能性，促进个体创业，优化匹配效率[6,7]。然而，数字经济发展也会通过取代部分传统就业岗位而对就业规模造成冲击，引发技术性失业风险[8]。三是数字经济对异质性劳动力工资收入存在差异化影响。从信息技术或人工智能的技术偏向性视角出发，技术变革增加了对高技能劳动力的相对需求，提高了技能溢价[9,10]。有偏技术进步也会通过产业结构转型等对工资收入产生影响，非技术密集型产业的技术进步会扩大工资收入差距[11]。

已有文献对数字经济的就业效应与收入分配效应的研究缺乏劳动者个体层面的深入分析。鉴于此，本文将中国流动人口动态监测调查数据与地级市数字经济发展指数进行匹配，从微观层面考察数字经济对异质性劳动力工资收入的影响，并进一步探究数字经济对不同区域与城市、不同年龄群体、不同职业类型的差异化影响，以期为实现数字经济的可持续和包容性发展、促进全体人民共享数字经济发展红利提供决策参考。

1 理论模型

1.1 模型构建

为分析数字经济对高、低技能劳动力工资收入分配的影响，本文对已有研究进行拓展，构建了包括中间产品部门与最终产品部门的多部门一般均衡模型[12]。每个部门由代表性企业在完全竞争市场条件下进行生产要素配置决策。

（1）产品部门

高、低技术部门代表性企业采用常替代弹性生产技术，生产函数如下:

其中，Yj、Kj和Lj分别表示产出、传统资本和劳动力，j∈{h，l}，h和l分别表示高技术部门和低技术部门，参数αj∈( 0，1) ，Aj＞0,φj＞0,φj表示资本和劳动力的替代弹性，β、γ、δ分别度量数字经济对技术创新、资本积累、劳动力的影响程度。

在完全竞争市场条件下，最终部门使用中间品进行生产，ε表示高、低技术部门生产中间品的替代弹性，参数0 ＜μ＜1。生产过程中使用常替代弹性技术，生产函数如下：

用Rj、Pj、Wj分别表示高、低技术部门利率，产品价格，高、低技能劳动力工资水平，则中间产品部门企业利润最大化问题的一阶条件可表示为：

在竞争性条件下，产品的边际价格等于产品边际价值，所以有：

最终产品生产部门的代表性企业利润最大化问题的一阶条件为：

（2）家庭部门

由一个代表性家庭刻画。ρ表示时间偏好率，假定家庭全部周期内的效用函数为：

家庭在每一期持有资本K，供给劳动力L，获得资本租金RK和劳动工资WL，需缴纳总量税T，将税后收入用于消费储蓄决策。δK为资本折旧率，家庭预算约束可表示为：

生产要素市场出清条件为总资本和总劳动力用于高、低技术部门进行生产：

1.2 理论分析

在完全竞争市场条件下，考虑数字经济对高、低技能劳动力工资收入的影响。定义为资本产出弹性，则劳动收入弹性为(1-θj)。由式（1）可得：

定义τlh=Lh/L,反映高技术部门劳动者就业比重；W=wh/wl，反映高、低技术部门的相对工资。联立高、低技术部门的式（4），并代入式（6），可得：

将式（3）和式（4）相除，并联立式（6）和式（13），进行对数化及全微分后，对D进行比较静态分析。同时，假设高技术部门更倾向于资本密集型，即θh＞θl；假设低技能部门的资本替代弹性大于高技术部门[12]，即φl＞φh。令θl=bθh，φl=aφh，a、b均为参数，a＞1，0 ＜b＜1。可以得到如下式子及推论：

（1）数字经济的生产率效应和创新效应对劳动力工资收入的影响

推论1：假设高、低技术部门存在如下关系：θh＞θl，φl＞φh，则根据式（14）可以得出(ε-φh)θhφl-(ε-φl)θlφh＞0 。所以，当γ＞δ时，有d logW/d logD＞0 且β与d logW/d logD同向变动。

数字经济的生产率效应。当γ＞δ时，数字经济的资本积累效应大于劳动力效应，数字经济发展对资本和劳动力要素进行再配置，在提升资本积累效率的同时也降低了劳动力的比较优势，城市数字经济的发展通过生产力变革对高、低技能劳动者的工资收入水平产生了差异化影响，扩大了高、低技能劳动力的工资收入差距。

数字经济的创新效应。当γ＞δ时，β越大，数字经济对高、低技术部门代表性企业的技术创新影响越大。数字经济产生的创新效应会进一步扩大高、低技能劳动力的工资收入差距。与低技能劳动力相比，高技能劳动力更能适应数字经济及数字技术的快速发展，从而对低技能劳动力产生替代。

（2）数字经济发展与人力资本积累效应对劳动力工资收入的影响

推论2：假设θh＞θl，φl＞φh，则可以推出(ε-φh)θhφl-(ε-φl)θlφh＞0，[(a-b)ε+aφh(b-1) ]＞0；根据式（12），若

推论2：假设θh＞θl，φl＞φh，则可以推出(ε-φh)θhφl-(ε-φl)θlφh＞0，[(a-b)ε+aφh(b-1) ]＞0；根据式（12），若φj＜1，则τlh∝θh；根据式（15），θh∝d logW/d logD＞0，所以得出：当γ＞δ时，d logW/d logD＞0，即τlh的变化可以进一步通过调节效应导致d logW/d logD变化。

τlh越大，意味着高技能人才占比越高，当其他条件不变时，资本收入份额（θh）越大，资本与劳动力收入份额的变化对高、低技能劳动力相对工资的影响越大。一方面，已有理论与实证研究表明，数字经济的快速发展在短期内会降低劳动力收入份额，提高资本收入份额；另一方面，劳动力技能可以与数字经济相互赋能、相互匹配并产生互补效应，人力资本积累所引致的知识溢出效应与规模经济效应将对数字经济的生产率效应进行调节，进而扩大高、低技能劳动力的相对工资差距。

2 研究设计

2.1 数据来源

本文的研究数据主要包括个体层面的微观数据和地区层面的宏观数据。微观层面的数据来自2014—2018年中国流动人口动态监测调查（CMDS）数据库，该数据库覆盖了流动人口家庭和个人特征的动态微观数据，其使用分层线性随机抽样方法获取样本。宏观层面的数字经济发展相关指标及控制变量等主要来自CSMAR、CNRDS 数据库、国家及地方统计局官网、《中国城市统计年鉴》、企研·社科大数据平台上的数字经济产业专题数据库等。

2.2 变量选取

（1）被解释变量

工资收入，用居民个体月工资性收入的对数衡量。

（2）核心解释变量

数字经济，用城市层面的数字经济发展指数衡量。本文借鉴已有研究的做法[13,14]，基于数字产业、数字用户、数字金融三大维度，构建如表1 所示的指标体系，对指标进行标准化处理后，进一步用主成分分析法测算得到数字经济发展指数。

表1 数字经济指标体系

（3）机制变量

考察数字经济对高、低技能劳动力工资收入的生产率效应和创新效应的影响机制，以及人力资本积累对数字经济生产率效应的调节作用。首先，以各城市全要素生产率作为生产率效应的代理指标，具体而言，利用永续盘存法估算资本存量，产出设定为实际GDP，采用随机前沿分析法（SFA）进行估算。其次，创新效应采用《中国区域创新能力评价报告》中城市层面的区域创新能力综合指数的对数作为代理指标。最后，将高技能劳动力占比作为人力资本积累的代理指标。

（4）控制变量

设置个体层面和城市层面的控制变量，其中，个体层面的控制变量包括性别、年龄及其平方项、教育程度、婚姻状况、户口性质；城市层面的控制变量包括经济增长、对外开放、产业结构、平均工资、人口规模（见表2）。

表2 变量说明与描述性统计

2.3 设定模型

为了验证上述理论，本文的基础模型设定如下：

式（16）运用OLS进行回归。其中，lnwirt为个体月工资性收入的对数，X表示个体及城市层面的控制变量，γ与θ分别代表时间与城市固定效应，εirt表示随机扰动项。将数字经济发展指数滞后一期以缓解反向因果问题，下文所使用的数字经济指标数据均为Diger，t-1。

3 实证结果与分析

3.1 基准回归结果分析

根据居民受教育程度划分异质性劳动力，将大学专科及以上学历划分为高技能，初中及以下学历划分为低技能。将高、低技能劳动力（Lh与Ll）与Diger，t-1的交互项作为解释变量进行回归，得到下页表3中数字经济对劳动力工资收入影响的基准回归结果。在逐步加入控制变量和城市、年份固定效应后，数字经济对整体劳动者的工资收入的影响均显著为正。进一步考虑数字经济对异质性劳动力的差异化影响，结果显示，数字经济每增加1 个单位会使得高技能劳动者的工资收入增加10.1%、低技能劳动者的工资收入减少6.4%。城市数字经济发展促进了整体劳动力工资收入的增长，但对不同技能劳动者工资收入的影响存在明显差异。

表3 数字经济与工资收入：基准回归结果

3.2 机制分析

考察数字经济影响异质性劳动力工资收入的具体机制，表4中第（1）、（2）列的机制结果表明：高技能劳动力数字经济效应与生产率效应和创新效应的交互项系数均显著为正，而低技能劳动力数字经济效应与生产率效应和创新效应的交互项系数均显著为负。由此可见，数字经济会通过生产率效应机制和创新效应机制提高劳动力整体工资收入和高技能劳动力的工资收入，降低低技能劳动力工资收入，恶化异质性劳动力之间的收入分配格局。第（3）列结果显示，加入人力资本积累指标进行调节效应分析后，数字经济使得高技能劳动力工资收入上升得更多，低技能劳动力工资收入下降得更多，进一步扩大了两者工资收入差距。

表4 数字经济与工资收入：机制分析结果

3.3 异质性检验

（1）区域异质性与城市异质性

将城市按所属省份分为东部、中部、西部三个地区，以观察数字经济在不同区域是否存在差异化影响。表5 的分样本回归结果表示，数字经济对东部和中部地区居民工资收入的影响系数均显著为正，而对西部地区居民工资收入的影响系数不显著。原因可能是：数字经济竞争力较高的城市主要集中于东中部地区。东部和中部地区的城市资源禀赋比西部地区城市更为丰富，优越的区位条件使其或多或少会受到周围发达城市技术、资金溢出的影响，也更能吸引劳动力等生产要素集聚，促使地区生产率提升，进而对劳动力产生工资溢价效应。

表5 区域与城市异质性分析

根据地区常住人口数量将城市规模划分为特大城市、大城市与一般城市①地区常住人口在400万以上、100万～400万、100万以下的依次确定为特大城市、大城市、一般城市。。实证结果显示，数字经济可以显著提高特大城市与大城市的居民工资收入，但对于一般城市而言，数字经济对工资收入的影响不显著。原因可能是：人口密集度较高的特大城市和大城市具有更高的技术水平和生产率优势，生产要素集聚、人力资本积累带来的正向外部性可以产生工资溢价效应。而人口规模较小的一般城市可能由于小城市集聚度不够、数字经济发展仍处于起步阶段等原因，工资溢价效应尚未充分显现。

（2）劳动力异质性

按年龄（45岁和60岁两个分界线）将劳动者依次划分为非中老年群体、中年群体、老年群体。下页表6 的结果显示，数字经济对非中老年群体和中年群体工资收入的影响均显著为正，而对60 岁以上的老年群体的影响不显著。结合我国老龄化加剧的现状来看，城市数字经济发展减少了对老年劳动力的需求，相对于非中老年群体，老年群体在数字经济新兴领域的就业优势较弱，并未享受到数字经济时代的工资溢价“红利”。

表6 劳动力异质性分析

按户口性质将劳动力划分为农业户口与非农业户口。表6的结果显示，数字经济促进了农业户口劳动力工资收入上涨。原因可能是：基于新一代信息技术的数字经济通过提高金融服务水平、促进创业活动及改变生产生活方式等途径增加了农业户口劳动力的就业岗位与工资收入。此外，数字经济对非农业户口劳动力的工资溢价效应更大，其原因可能是：与农业户口相比，高技能劳动力一般更多地出现在非农业户口，人力资本积累可以提高城市生产率和要素回报率，且城市相对于农村来说，具有更高的经济发展水平和更发达的网络基础设施，因此数字经济发展对非农业户口劳动力的工资溢价效应更大。

3.4 稳健性分析

（1）稳健性检验

为检验前文结论的可靠性，进行以下稳健性检验：①数字经济的测算存在争议，不同测算指标及测算方法得到的数字经济发展指数可能导致估计结果不一致。因此，将核心解释变量替换为用TOPSIS熵权法测算得出的数字经济指标。②采取缩尾法处理了样本中居民工资收入值上下5%的样本，以消除异常值的影响。③宏观经济环境变化以及政府出台的政策可能会对高、低技能劳动者的工资收入及差距造成影响，因此本文尝试加入更多变量以尽可能控制重要变量遗漏问题，进一步选取各地区的政府科技投入、失业参保率、教育投入变量加入回归分析。表7 的稳健性检验结果显示，基准模型得到的结论较为可靠。

表7 稳健性检验

（2）工具变量检验

首先，城市经济发展水平越高，网络信息基础设施可能越发达，从而有较高的数字经济发展水平，因此模型可能存在双向因果问题；其次，影响劳动力工资收入的因素较多，可能遗漏与数字经济发展程度相关并影响工资收入的变量，从而导致回归结果存在偏误；最后，数字经济指标可能存在测量误差，进而使得核心系数估计有偏。因此，本文进一步采取工具变量检验以缓解模型的内生性问题。参考已有文献的做法[13,14]，将《中国城市统计年鉴》中“2003年城市人均邮电业务量”作为城市数字经济发展指数的工具变量。选取该工具变量的原因是：通信支出体现了城市信息技术服务的需求，为城市数字经济的发展优势构成需求条件，满足相关性；同时其作为历史变量难以影响异质性劳动力的工资收入，不会构成反向因果，满足外生性。由表7 中第（4）列的结果可知，内生变量与工具变量在统计上存在较强相关性，且工具变量通过了弱工具变量检验和可识别检验。在加入工具变量后，与基础模型的回归结果基本一致，说明结论较稳健。

3.5 进一步分析

基于工作任务的研究框架，划分劳动力从事任务类型，区分在不同任务下数字经济与异质性劳动力的交互方式。参考美国职业信息网O*NET OnLine，将19 类职业划分为非常规认知型职业、非常规操作型职业以及常规型职业[15]（见表8）。下页表9 的回归结果显示，城市数字经济发展对非常规认知型劳动力的工资收入存在显著正向影响，而对非常规操作型劳动力和常规型劳动力工资收入的影响不显著。机制检验结果显示，数字经济可以通过城市生产率效应和创新效应提高非常规认知型劳动力的工资收入，通过提高城市生产率来提高常规型劳动力的工资收入，对于非常规操作型劳动力的影响则均不显著。因此，数字经济的发展主要增加了对专业技术或者管理等要求较高技能的岗位的需求，提高了非常规认知型劳动力的工资收入。

表8 职业类型划分

表9 数字经济对不同职业工资收入的影响

4 结论

数字经济在整体上会促进城市经济发展，但也会在一定程度上扩大异质性劳动力的工资收入差距。研究发现：（1）虽然数字经济发展能够提高劳动力的整体收入水平，但具有技能偏向性，即提高高技能劳动力工资收入并降低低技能劳动力工资收入，从而扩大两者间的工资收入差距。（2）数字经济可以提高城市的生产率，促进城市创新，使得高技能劳动力工资收入上升、低技能劳动力工资收入下降，而人力资本积累会进一步扩大两者间的工资收入差距。（3）数字经济的工资溢价效应存在区域、城市与个体异质性，在东部与中部地区、人口规模100万及以上的城市、非中老年群体及非农户口群体中更显著。此外，从任务视角来看，数字经济的发展还能提高非常规认知型职业劳动力的工资收入。