数字红利还是数字鸿沟——性别视角下数字经济对就业的影响研究

李 璐

(南京财经大学公共管理学院，江苏 南京 210023)

0 引言

就业是民生之本，是经济发展的“晴雨表”，直接影响社会经济发展和人民幸福。 根据2022 年中国统计年鉴，15～64 岁劳动年龄人口从2014 年开始逐渐下降，终结了长期增长的趋势。 近年来，数字技术的迅猛发展和全球数字化的加速进程推动了数字经济成为当今时代的重要特征，为中国经济社会发展提供了强大动力。 数字经济规模的扩大促使就业结构变化，并产生新的行业、职业和就业岗位，扩大劳动力需求。 并且，数字经济时代催生新兴的就业模式，提高了女性的生活便利性，推动了家务劳动的社会化，进一步激发了女性积极参与就业市场的动力，有助于减小性别数字鸿沟。 但数字经济的快速崛起对传统行业的劳动需求产生了巨大的冲击，主要受影响的是女性劳动力。 此外，女性在科学、技术、工程等高技能领域接受教育和培训的机会相对较少，导致她们在这些领域获得的就业机会较少，进而产生了性别就业差距。

基于以上背景，本文利用2012—2020 年中国家庭追踪调查(CFPS)数据，研究数字经济发展对个体就业以及性别就业差距的影响。

1 文献综述

1.1 数字与就业相关的文献

数字经济的蓬勃发展为就业市场带来了新的机遇，创造了更多的工作机会。 戚聿东和褚席利用微观数据库实证发现数字生活可以显著增加个人的就业机会[1]。 王军和韩悦以及张卫东等都研究发现互联网使用能显著促进农村劳动力的非农就业，但他们对就业方式的影响效果意见并不一致，张卫东等认为互联网更能促进非自雇型就业，而王军和韩悦发现互联网更促进自雇型就业[2-3]。 何宗樾和宋旭光研究发现数字经济对受雇型非正规就业具有显著的促进作用，并且对创业者也产生了积极影响[4]。 Herrmann 等发现，在数字经济时代，零工经济的兴起有助于提高低技能劳动力的就业机会[5]。然而，有学者发现数字经济主要提升了擅长互联网应用、具有高学历和专业技能的劳动者从事非正规就业的机会[6]。 另有多位学者将“宽带中国”政策作为数字经济发展的代理变量，利用多期DID 进行研究，结果均发现数字经济显著促进农村劳动力就业，尤其是低技能农村劳动力的就业[7-8]。

1.2 性别视角下数字经济与就业的相关文献

部分学者认为数字经济的发展可以缩小性别就业差距和有效改善女性就业情况。 Lu 等研究发现，数字经济发展可以显著促进女性非农就业[9]。 相对男性，数字经济的发展对女性的就业提升效果更为显著，有效减缓了性别就业差异和收入差距[10-11]。 乔小乐等从工作转换视角出发，指出数字经济对女性劳动者工作转换收入回报的提升作用更加显著[12]。 仇化和尹志超基于就业搜寻理论，从微观视角研究发现家庭数字化转型通过降低就业信息搜寻成本，促进了女性的就业，提升了家庭女性就业的数量和比例[13]。 李楠和何雄研究发现数字普惠金融促进低学历已婚女性的就业[14]。 数字经济发展通过远程工作形式可以减少性别歧视，促进女性就业[15-16]。 也有一部分学者认为数字经济的发展可能更有利于男性的就业及收入。 陈贵富等发现相比于女性劳动力，数字经济发展相对较大幅度地降低了男性劳动力不充分就业[17]。 张勋等发现数字经济发展过程中可能存在性别的技能偏向，导致其主要提升了男性的就业参与率，对女性的就业参与没有显著影响[18]。

通过上述文献梳理，当前关于数字经济对劳动力市场的影响已成为研究热点之一，近年来涌现出大量研究成果，但仍存在如下不足之处:第一，当前研究大多着眼于数字经济对农村居民就业情况和城乡收入差距的影响，而对不同性别劳动力就业情况的研究相对较少。 第二，学界对数字经济对不同性别劳动力就业影响的研究结论存在一定分歧。 第三，在微观层面的研究中，有些文献运用了截面数据，无法捕捉动态变化。

2 实证模型和数据

2.1 实证模型设定

为分析数字经济发展对劳动力非农就业的影响，本文通过构建logit 模型来进行基准回归:

模型中，emplo yijt表示j 市中个人i 在t 年的非农就业状态的虚拟变量。 DEjt为核心自变量，表示j市在t 年的数字经济发展水平指标。 Xijt是代表个体和城市层面的一系列控制变量。 σj和ηt分别为地区虚拟变量和时间虚拟变量，εijt为误差项。

2.2 数据来源

本文主要是研究数字经济对就业的影响，选择使用微观层面的中国家庭追踪调查(CFPS)数据以及宏观层面的中国城市统计年鉴的城市发展状况的相关数据，涉及数字经济发展的相关数据均来自北京大学数字普惠金融数据。 因为CFPS 2010 年的数据不涉及本文所需的一些控制变量以及2010 年数字普惠金融数据的不可得性，本文选用2012—2020年五轮数据来分析数字经济对就业的影响。

2.3 变量

本文主要关心的是基于性别视角下劳动力的就业决策。 根据CFPS 问卷中的综合变量“主要工作类型”和“当前工作状态”，衡量个体的就业参与情况。 有非农工作的赋值为1，否则赋值为0。 核心解释变量是城市层面的数字经济指数。 本文加入了个人特征、地区特征和年份特征作为控制变量。 变量的描述性统计见表1。

表1 变量描述性统计

3 数字经济与就业:基准分析

3.1 基准回归

采用逐步回归的方式，回归结果见表2。 从表中可知，数字经济的发展可以促进劳动力参与就业。第(1)列展示了在不考虑任何控制变量的情况下，数字经济对非农就业的回归分析结果。 该结果表明，数字经济对就业产生了显著正向影响。 为避免遗漏变量带来的偏误问题，列(2)中加入个人特征的控制变量，列(3)在列(2)的基础上加入地区特征的控制变量，结果都显著为正。 第(4)列控制了时间和地区固定效应，列(5)是在列(4)的基础上计算的平均边际效应。 由列(5)可看出，当数字经济发展增加一个单位时，就业概率显著提升7.1%。 然而，女性会使得就业的概率显著下降13.8%。 实证结果表明，数字经济对个体就业是具有显著促进作用的。

表2 数字经济发展对个体就业的影响分析

3.2 工具变量检验

基础回归中考虑数字经济发展对劳动力就业的影响，但高就业率的城市，会有更好的经济发展和社会环境，从而促进城市的数字经济的发展，导致内生性问题。 为此本文采用两个工具变量来缓解内生性问题，参考黄群慧等的做法将各城市1984 年每百人固定电话数量作为第一个工具变量[19]，同时参考张勋等选取样本所在城市与杭州的球面距离作为第二个工具变量[20]。 因为所选用的工具变量基于横截面数据，不能够直接用于面板数据的计量分析，所以参考Nunn 和Qian 引入一个随时间变化的变量来构造面板工具变量[21]，将上一年全国信息收入分别与工具变量相乘构造交互项。 本文采用IV-Probit 模型进行估计，回归结果见表3。 表中提供了对外生性原假设“H0:ρ=0”的沃尔德检验(Wald Test)结果，其p值为0.000 0，故可在1%的水平上认为数字经济为内生解释变量。 根据表3，CLR、K-J、AR、Wald 的p值均在1%水平上显著，则应该拒绝原假设“H0:内生变量与工具变量不相关”。 这也说明，本文所选择的工具变量不是弱工具变量。

表3 工具变量回归结果

由第一阶段回归结果可知，固定电话数量与数字经济发展显著正相关，所在城市与杭州距离显著负相关，表明工具变量对内生变量数字经济发展具有较强的解释力。 城市的固定电话数越多，越能促进其数字经济的发展；所在城市距离杭州越近，越有利于该城市的数字经济发展。 第二阶段回归数字经济发展指数显著为正，表明数字经济发展仍能提高劳动力参与非农就业的概率，与前文回归结果一致。

4 性别视角下数字经济与就业

4.1 数字经济扩大性别就业差距

性别差异一直是劳动力市场研究中的一个重要议题，而数字经济的快速崛起则引发了对性别差异的新思考。 数字经济发展是创造了性别间的数字红利还是扩大了数字鸿沟? 我们在基础回归的基础上加入了性别与数字经济发展指数的交互项，并将性别进行分组，研究数字经济分别对他们的就业影响。

从表4 中可以看出，第1 列数字经济与性别的交互项显著为负，这说明随着数字经济的发展，女性的劳动参与的优势被削弱，数字经济的发展在一定程度上加剧性别就业差距。 在第2、3 列中，将样本分成男性和女性两组进行分析。 在女性样本中，观察到数字经济的系数不显著异于0，这意味着数字经济的提高对女性的就业机会存在较大的异质性。男性样本中，数字经济的发展能够显著提高男性从事非农就业的概率。 通过交互效应和分性别样本回归的分析，我们可以得出数字经济的发展对不同性别的非农就业产生了异质性影响。 这表明有必要进一步深入研究，以更详细地了解数字经济对男性和女性就业的影响。

表4 性别的异质性分析回归结果

4.2 数字经济扩大性别就业差距的技能异质性分析

数字经济的发展对不同技能的劳动力产生了不同的影响。 我们依据2017 年的《国民经济行业分类》，将十九类行业按照技能水平分为三类:高技能、中等技能和低技能。 根据性别、技能水平分别进行分样本回归，回归结果见表5。

表5 不同技能的异质性分析

从表5 中可以看出数字经济对从事低技能行业的个体的非农就业产生了积极的促进效应。 其中，低技能行业中的分样本回归结果显示数字经济对男性就业的促进效应高于女性，数字经济与性别的交互项也显著为负，表明了数字经济的发展会扩大低技能劳动力的性别就业差距。 从事中等、高等技能行业的女性，数字经济对其就业的影响并不显著。女性更有可能从低技能行业中受益于数字经济的发展，而对处于中等技能和高技能行业的女性来说，数字经济对非农就业的影响相对较弱。 对中等技能行业的男性而言，数字经济降低了其非农就业的概率，这可能与中等技能行业通常属于传统行业相关。 数字经济的迅猛发展推动了自动化技术和机器学习的广泛应用，使得许多传统行业中的重复性和标准化工作被机器和计算机系统取代，从而减少人工劳动的需求。

4.3 数字经济扩大性别就业差距的抚养负担异质性分析

生育和抚养子女对女性和男性的劳动力市场参与具有重要影响。 有16 岁以下子女的家庭通常面临更多的抚养子女责任，这可能导致女性在一定时期内退出劳动力市场，但数字经济的发展提供更多的远程和在线工作机会，这对有16 岁以下子女的女性尤其有利。 与此同时，有16 岁以下子女的家庭需要面对较高的子女抚养成本，这可能会刺激男性更积极地寻求非农就业机会，以获取额外的家庭收入来满足子女的需求。 因此，数字经济对不同性别的非农就业参与在抚养负担方面可能存在异质性。 本文根据“是否有16 岁以下子女”进行分样本回归，考察数字经济对不同抚养负担的个体的就业决策的影响。

表6 中的回归结果表明，在没有16 岁以下子女时，数字经济对女性的非农就业概率具有显著的促进作用，但对男性的影响并不显著，这意味着数字经济对无子女的女性更有助于提高其就业机会。 然而，当个体有16 岁以下子女时，数字经济对女性的就业促进效应不再显著，而对男性的劳动力参与产生了显著的促进作用。 这表明数字经济对有子女的男性更有助于提高其就业概率，这可能与男性在有子女的家庭中承担更多家庭经济责任的角色有关。这进一步表明，无抚养负担可以在一定程度上缓和性别就业差距，而抚养负担的存在会扩大性别就业差距。

表6 不同抚养负担的异质性分析

5 总结

党的十八大以来，明确将就业列为民生建设的首要任务。 在全球数字化浪潮下，数字经济推动社会发展，给劳动力市场就业注入新活力。 本文利用五期CFPS 数据，探究数字经济对劳动力市场的影响和作用机理。 实证研究发现:第一，数字经济的发展显著提高了劳动者就业参与概率。 本文通过稳健性检验后，结果仍然稳健。 第二，数字经济发展扩大了性别就业差距，引发了性别数字鸿沟。 第三，数字经济发展对就业的影响对不同技能水平、抚养负担的群体具有异质性。 就不同技能水平而言，数字经济对从事低技能行业的个体的非农就业产生积极促进作用，但扩大了低技能劳动力的性别就业差距；就抚养负担而言，数字经济扩大了有抚养负担的个体的性别就业差距，反之缩小了无抚养负担的个体的性别就业差距。