人口老龄化、数字经济与就业技能结构

摘要 人口老龄化和数字经济是影响社会经济发展的两大因素，有必要探讨这两种因素如何相互作用并影响劳动力市场。该研究以数字经济为视角，基于两阶段世代交叠模型，将人口老龄化、数字经济与就业结构放在同一框架进行理论分析，在此基础上构建中国2010—2019年279个地级及以上城市的面板数据，利用双向固定效应模型和门槛模型，检验了人口老龄化对就业技能结构的影响，并进一步探讨数字经济在老龄化对就业结构影响中的调节作用。研究发现：①人口老龄化增加了低技能行业就业，减少了中、高技能行业就业，导致就业技能结构呈低技能行业偏向的单极化趋势。②数字经济强化了老龄化增加中、低行业就业的积极作用，弱化了老龄化减少高技能行业就业的消极作用，使得就业技能结构由低技能行业的单极化向高、低技能行业两极化转变。③随着数字经济发展加快，人口老龄化最先影响低技能行业就业，中等技能行业就业次之，高技能行业就业受影响最晚。④数字经济主要通过人力资本提升和产业升级调节老龄化对就业技能结构的影响。⑤异质性分析表明，数字经济减缓了老龄化对就业技能结构冲击。因此，建议地方政府结合人口老龄化产业发展方向以及消费需求特色，合理规划数字经济发展道路，充分发挥数字经济带来的发展新动力，推动数字经济与老龄化融合发展，减轻人口老龄化对就业结构的负向冲击。同时，制定并完善“三孩政策”相应的托育保障，大力发展普惠托育服务，减缓人口老龄化的深化速度，促进人口长期均衡发展。

关键词 数字经济；人口老龄化；就业结构

中图分类号 F49；F249. 21 文献标志码 A 文章编号 1002-2104（2024）07-0170-14 DOI：10. 12062/cpre. 20231224

以移动互联网与大数据、云计算和人工智能等新一代信息技术应用为主要特征的数字经济的快速发展已成为推动中国式现代化进程不可或缺的新动力，并对中国的就业结构产生了重要影响［1-2］。与此同时，中国所面临的日益严峻的人口老龄化趋势，在影响就业规模的同时，也改变了就业结构［3］。在人口老龄化的浪潮下，如何调整劳动力市场就业结构以满足数字经济发展需要，如何抓住数字经济发展机遇来应对人口老龄化挑战，深入把握新发展阶段的就业结构规律，推动数字经济与就业结构协调发展，对于促进中国高质量充分就业，实现中国式现代化具有重要意义。

1 文献综述

人口老龄化和数字经济作为影响当今经济社会发展的两大因素，其与就业结构的关系备受学者们关注。

1. 1 数字经济发展对就业结构的影响

Autor等［4］以常规认知任务、手工任务和非常规任务对就业技能进行划分，结果显示技能偏向性技术进步将减少常规认知任务的劳动投入，增加手工任务以及非常规任务的劳动力投入，导致就业极化。Lordan等［5］持相同观点，认为数字技术发展替代了低技能劳动者，减少了低技能劳动力需求，增加了高技能劳动力需求。宁光杰等［6］运用中国企业调查数据进行分析，结果发现信息技术应用提高了企业的高技能劳动力比例，降低了低技能劳动力比例。孙早等［7］从区域发展不平衡的事实出发，研究发现工业智能化增加高、低教育程度劳动力的就业需求，导致中国劳动力市场整体上的就业极化，但地区差异明显。戚聿东等［8］则持不同的观点，利用互联网和电信业、软件业、电商零售业、科学技术业与就业的相关数据，发现数字经济发展有助于就业结构的优化，而非就业极化。多数研究认为，数字经济发展有利于高技能劳动者就业，而中低技能劳动者的比例变动则与所在区域的发展程度［9-10］和研究的群体差异有关［11］。此外，数字经济对就业结构的影响会因所属行业不同而略有差异［12-13］。

1. 2 人口老龄化对就业结构的影响

人口老龄化对就业结构影响的相关研究远不如数字经济的影响研究丰富。不少研究关注了人口老龄化对劳动力供给及老龄化的负面效应，指出老龄化造成了劳动力短缺［14-16］，抑制了以批发零售业为代表的服务业的发展［17］，并认为老龄化带来的人口结构变化减少了人均GDP的增长，同时使得劳动生产率增长放缓［18-20］。事实上，人口老龄化带来不同技能劳动力需求，造成就业技能结构的变动。人口老龄化增加了个人服务需求和低薪职业的就业数量［21］，且随着人均收入的提高，劳动力在农业、制造业和服务业之间重新分配［22］。Prenzel ［23］则从迁移角度探讨人口老龄化对地区就业结构的影响，认为老龄化使得高技能人才迁移增速，影响地区的就业结构。当考虑技术进步后，人口老龄化将会促使国家或企业更多采用自动化技术［24-25］，加剧就业结构的优化升级［26］，并通过需求效应、生产率效应，倒逼企业转型生产方式，进而推动中国服务业的结构性升级［27］。

综上，国内外学者从不同角度分别探究了人口老龄化和数字经济发展对就业结构的影响，但多是将老龄化或数字经济对就业结构的影响分开探讨，很少关注二者的交互作用影响，尚未将人口老龄化、数字经济与就业结构纳入同一分析框架，且多用省级层面的数据展开实证分析。基于此，本研究可能的边际贡献体现为：①结合工资、职业和受教育程度划分技能水平，利用中国劳动力动态调查（CLDS）和城市统计年鉴数据，综合测算了城市层面高、中、低技能劳动力的比例，弥补现有研究多数局限于省级层面分析的不足。②以数字经济为视角，探究人口老龄化对就业技能结构的影响，将人口老龄化、数字经济与就业技能结构纳入同一分析框架进行理论和实证分析。③从人力资本和产业结构两方面审视数字经济发展在老龄化影响就业结构中的作用机制。④探讨不同城市发展水平、不同区域和不同城市群老龄化与数字经济融合对就业技能结构影响的异质性，使研究结论更加可靠。

2 理论假设

2. 1 人口老龄化、数字经济与就业技能结构的关联分析

本研究以老龄化对就业技能结构的影响为切入点，再将以数字技术为核心的数字经济发展作为技术进步因素纳入分析模型，将人口老龄化、数字经济与就业结构放在同一框架进行探讨。在标准的世代交叠模型中，假定每一个劳动力都有两期消费，本研究参考两阶段世代交叠模型及Mao等［28］的研究思路，假定存在3种不同技能水平的生产部门。设定t 为时间，Y 和O 分别表示为青年和老年工作者。对于队列t，其终身效用（U）最大化为：

max U = ln cYnt + αln cOn（t + 1） （1）

s.t. cYnt + snt = wYnt，cOn（t + 1） = wOn（t + 1） + snt（1 + rt + 1） （2）

式中：n=D（低）、M（中）、H（高），指不同技能水平的生产部门，c 是对不同部门最终产品（j）的总消费，最终产品主要包括商品（G）与服务（S）。W 和r 分别为工资和利率，α 为效用折现因子。为实现效用最大化，从跨期目标函数以及约束条件推导可得：

式中：-wt = wYt+ wOt+ 1 /（1 + rt + 1），代表所研究个体的收入现值。

显然，在个体不同年龄阶段，消费偏好存在较大差异，具体消费函数可以表示为：

cint = （xiGnt ）βin × （xiSnt ）1 - βin （5）

式中：i=Y，O。β 代表研究个体对商品（G）和服务（S）最终产品消费占比。xiGnt、xiSnt 分别代表商品和服务的数量。

已有研究表明，随着个体年龄增加，其对餐饮、家政、清洁等劳动密集型服务业的需求将大于对商品的需求［29］。基于此，假设βY > βO。若Pjt代表最终产品价格，其中j=G，S。因此，个体对不同产品的需求函数为：

xiGnt = βin × cint/PGt（6）

xiSnt = （1 - ） βin × cint/PSt（7）

在生产过程中，假设生产部门n 的生产过程符合为柯布道格拉斯生产函数。在不考虑资本变动的前提下，生产函数如下：

yjDt = Ant × （lYjDt ）θjD × （lOjDt ）1 - θjD （8）

yjMt = Ant × （lYjMt ）θjM × （lOjMt ）1 - θjM （9）

yjHt = Ant × （lYjHt ）θjH × （lOjHt ）1 - θjH （10）

式中：yjDt、yjMt 和yjHt 分别为低、中、高技能劳动力总产量，lYjDt、lYjMt 和lYjHt 分别为低、中、高技能劳动力中青年劳动力要素，lOjDt、lOjMt 和lOjHt 分别为低、中、高技能劳动力中老龄劳动力要素，θjD、θjM 和θjH 为不同技能劳动力青年劳动者的依赖系数，1-θjD、1-θjM和1-θjH 则为老年劳动者的依赖系数。Ant 为全要素生产率，代表以数字技术为核心的数字经济的发展。通常低技能部门侧重劳动密集型生产，因此对年轻劳动力的依赖性大于老年劳动力，而高技能部门更侧重技术密集型生产，依赖于老年劳动力丰富的技能经验，对年轻劳动力的依赖性相对较低，所以假设θjD>θjM>θjH。

在不考虑数字经济的前提下，Ant 不变：

式中：wYt和wOt分别为青年劳动力与老年劳动力的工资水平。

当产品市场出清时：

xYGnt × LYt+ xOGnt × LOt= yGnt （13）

xYSnt × LYt+ xOSnt × LOt= ySnt （14）

式中：LYt和LOt分别指青年劳动力总量与老年劳动力总量，xYGnt 和xYSnt 分别指青年劳动力生产的商品和服务量，xOGnt 和xOSnt 则代表老年劳动力生产的商品和服务量。

当劳动力市场出清时：

lYGnt + lYSnt = LYnt，lOGnt + lOSnt = LOnt （15）

已知lGnt + lSnt = lnt，因此：

式中：f （wYt/wot） = [ ] （ ） wYt/wot+ θG /（ ） 1 - θG /（wYt /wOt ） +θS /（1 - θS ），代表青年和老年人相对工资函数，一般而言，青年相对工资会超越老年劳动者，PGt × yGt = βY × cYt×LYt+ βO × cOt× LOt，PSt × ySt = （1 - βY ） × cYt × LYt+ （1 - βO ） ×cOt× LOt代表部门的生产规模。因此，f （wYt/wot）<1。对于部门D，生产服务所需的青年劳动者占比大于生产商品所需的青年劳动者占比，假设θS > θG，（1 - θG ）/（1 - θS ）<1，PGt × yGt 和PSt × ySt 分别代表对于商品和服务的生产规模，随着老龄化程度加剧，对服务的需求大于对商品的需求，因此，PSt × ySt>PGt × yGt，可得[ （1 - θG ）/（1 - θS ）] ×[（PGt × yGt ）/（PSt × ySt ） ]<1。另外，对于低技能部门，商品生产部门的劳动力占比小于服务生产部门，且lSDt + lGDt =1 ，因此，lSDt>0. 5。综上可以判定，lDt /（lMt + lHt ）>1，即相比中高技能，老龄化程度的加深将会增加低技能劳动者就业占比。同理，令τ = [ （1 - θS ）/（1 - θG ） ] × [（PSt ×ySt ）/（PGt × yGt ） ] f （wYt/wot），可以推断：

式中：f （wYt/wot） = （（wYt/wot） + ） θG /（ ） 1 - θG /（wYt/wOt） +θS /（1 - θS ），代表青年和老年人相对工资函数，随着老龄化程度加剧，高技能部门熟练工种的需求增加，老年劳动者的工资水平相对较高。当生产服务所需的青年劳动者占比小于生产商品所需的青年劳动者占比，假设：θG > θS，PSt ySt > PGt yGt，从而可得：[ （1 - θS ）/（1 - θG ） ] ×[（PSt × ySt ）/（PGt × yGt ） ] > 1。另外，对于高技能部门，商品生产所需的劳动力占比大于服务生产，因此，lGDt>0. 5。综上可以判定，lDt /（lMt + lHt ）<1，即相比中、低技能，老龄化程度的加深将会减少高技能劳动者就业占比。

若考虑以数字技术为核心的数字经济发展的影响，由于数字技术发展率先冲击商品生产过程，因此假设ASt < AGt，据等式Pjnt = （1/Ajnt ） × （wYt/θjn ）θjn （wOt/1 - θjn ）1 - θjn，令B=（wYt/θjn ）θjn （wOt /1 - θjn ）1 - θjn，即Pjnt = B/Ajnt，Pjnt 与Ajnt 成反比，因此伴随数字经济发展，PGt < PSt，PGt /PSt 降低，进而引起1 - lSDt × [1 - γ]降低，最终导致lDt /（lMt + lHt ）增加，技术进步进一步增加低技能劳动就业占比。对于高技能劳动力而言，PGt < PSt，PSt /PGt 增加，将会导致1 - lGHt ×[1 - τ] 增加，最终导致lHt /lMt + lDt 降低，即数字经济将抑制人口老龄化对高技能劳动者就业的负向作用。

基于以上分析，提出假设1和假设2。

假设1：人口老龄化增加了低技能劳动者就业，而降低中高技能劳动者就业。

假设2：以数字技术为核心的数字经济发展将增强老龄化对低技能劳动就业的积极作用，而弱化了高技能劳动就业的不利作用，加速了就业技能结构的两极化。

2. 2 引入数字经济发展的人口老龄化对就业技能结构的非线性特征

人口快速老龄化意味着老年人口规模增加，庞大的老年人口规模将带来消费需求和产业结构的多元变化，也带来了就业技能结构的转变。随着老龄化呈现不断加速的动态变动趋势，其对就业结构的影响也表现出明显的非线性特征。若数字经济与老龄化程度同时深化，消费者对产品和服务的需求更加多样化，而交易成本和工作搜寻成本普遍下降，全要素生产率不断提升，造成全社会对不同技能人才的需求呈现差异化变动，进而影响就业结构。考虑到数字经济不断发展将会带来的劳动力供需转变，若其发展速度与当前人口结构变动趋势失调，即数字经济无法迎合人口老龄化所带来的消费需求和生产结构的变动，将会造成劳动力市场以及生产过程的低效率，因此合理规划数字经济的发展显得尤为重要。中国正逐步迈入深度老龄化阶段，但由于各地区数字经济发展阶段不同，人口老龄化对就业结构的影响方向存在差异。当数字经济发展程度较低，处于发展阶段初期，数字技术成本较高且不足以替代现有体力劳动，因此人口老龄化对餐饮、家政、清洁、娱乐文化以及养老健康等生活性服务业就业的需求增加，将会促进低技能劳动就业提升，而降低中等技能劳动就业。随着数字经济不断发展，对程序化低技能劳动的替代加剧，但是对高技能人才的需求逐渐增加，例如高技能研发人才和程序设计师，反向推动高技能人才就业比例增加，此时人口老龄化对高技能劳动力的负向作用得以扭转，正向作用凸显，推动就业技能结构两极化发展。

基于以上分析，提出假设3。

假设3：随着数字经济发展程度加深，人口老龄化促进就业结构极化的作用不断加强。

3 研究设计

3. 1 计量模型设定

为了研究人口老龄化对不同技能劳动就业的影响，采用区域和时间固定效应进行估计，构建以下计量模型：

Structureijt = α0 + α1 AGEijt + α2 X + λt + δi + ξijt （21）

式中：Structureijt 为不同技能劳动力比例，AGE 代表城市老龄化水平，X 为控制变量，α则代表回归系数。j 取值为1、2、3，分别代表低、中、高技能人群，λt 和δi 别代表时间和地点固定效应，ξijt 为随机误差项。其他变量含义同上。

同时，为检验数字经济发展在人口老龄化与就业结构之间的作用，引入数字经济和老龄化水平的交互项，构建模型如下：

Structureijt = η0 + η1 AGEijt × DIGIijt + η2 AGEijt +η3 DIGIijt + η4 X + λt + δi + ξijt （22）

式中：DIGI 表示数字经济水平，η 为回归系数。fd9396ba02e0ab0fb738a85dda21760e6dd54161e22bd2cc31c8caae22ab041b其他变量含义同上。

3. 2 变量选取与说明

3. 2. 1 被解释变量

就业技能结构分别由低、中、高劳动就业占比表示（Lowp，Mediump，Highp）。现有研究多数按照受教育程度或职业类型来划分就业技能［30-31］，但现实中存在大量受教育程度与技能水平不相匹配的劳动者，且相同职业内部存在不同技能的劳动者，基于受教育程度或职业类别对劳动技能进行划分存在明显缺陷。为此，借鉴文献［32-33］，根据受教育程度、工资和职业类别进行低、中、高就业技能的划分。首先，参考《国民经济行业分类》（GB/T 4754—2017），将2018年中国劳动力动态调查的微观数据（CLDS）按15个行业分类，计算不同行业工资的中位数并排序，其中工资收入主要采用扣除个人所得税、社会保险以及住房公积金后的工资性收入衡量。其次，计算所得工资的五分位数，设定工资中位数处于前40%为低技能，后40%为高技能，中间20%为中等技能，将行业划分为低、中、高技能行业。再次，将所得行业分类结果，按照受教育程度进行差异化检验，结果显示低、中、高技能行业的受教育程度存在明显差异，验证了行业划分的有效性。最后，利用城市层面宏观数据分别计算低、中、高技能行业总人数，进一步得到城市高、中、低技能行业的就业占比。

3. 2. 2 核心解释变量

老龄化水平（AGE）用老年抚养比来衡量，即65岁以上人口与15～65岁劳动年龄人口的比值，老年抚养比上升表明老龄化程度加剧。由于老龄化数据存在缺失，参考陈熠辉等［34］的处理方法，以2010年第六次全国人口普查和2020年第七次全国人口普查数据为基础，对缺失数据进行线性插值处理。

3. 2. 3 调节变量为数字经济（DIGI）

借鉴赵涛等［35］的研究，从互联网发展和数字金融两个方面衡量数字经济水平。其中，互联网发展利用每百人移动电话用户数、人均电信业务量、信息传输、计算机服务和软件业从业人员数、每百人互联网用户数等指标进行测算，数字金融利用北大数字普惠金融指数衡量。将相关指标数据标准化后，采用熵权法确定权重，得到数字经济发展指数来衡量各城市数字经济水平。

3. 2. 4 控制变量

借鉴已有的研究［27，36］，选取以下控制变量：工资水平（WAGE），利用职工平均工资水平的自然对数来表示；政府干预水平（GOV），用政府财政收入占GDP的比例来衡量；对外贸易（TRADE），利用各城市实际利用外资水平的自然对数来表示；人均固定资本存量（GD），利用固定资本存量与常住人口比值表示。变量的描述性统计见表1。

3. 3 数据来源与样本选择

本研究以2010—2019年中国279个地级市及以上城市的就业结构为研究对象，因数据可得性限制，研究未涉及香港、澳门和台湾，同时剔除数据缺失较多或行政区划发生改变的城市，包括拉萨市、日喀则市、昌都市、林芝市、山南市、那曲市、三沙市、儋州市、海东市、吐鲁番市、哈密市、乌兰察布市、襄阳市、普洱市、临沧市、陇南市、毕节市、铜仁市等。数据主要来自中国劳动力动态调查（CLDS）、第六和七次人口普查、《中国城市统计年鉴》《中国劳动统计年鉴》《国民经济和社会发展统计公报》以及各城市统计年鉴，相关变量的缺失数据使用趋势递推法及线性插值法进行填补。

4 实证分析

4. 1 基准模型

表2报告了模型基准回归结果。模型（1）、模型（2）、模型（3）控制了其他因素，单独考察老龄化对不同技能就业比例的影响，模型（4）、模型（5）、模型（6）加入了数字经济因素，探究人口老龄化是否随着数字经济发展对不同技能就业产生不同影响。表2的模型（1）—模型（3）表明，在控制其他因素的条件下，人口老龄化每增加一个单位将导致低技能就业占比增加0. 402个单位，而使中技能就业占比下降0. 215个单位，高技能就业占比下降0. 187个单位。老龄化对劳动力市场的直接影响表现为低技能服务岗位需求的增加和中高技能就业岗位需求的减少，导致就业技能结构呈低技能偏向的单极化发展，假设1得到验证。表2的模型（4）—模型（6）表明，数字经济每增加一单位使低技能就业比例降低0. 165个单位，使高技能劳动就业比例上升0. 125个单位，说明数字经济发展减少了低技能劳动就业占比，但增加了高技能劳动就业比例，促进就业技能结构呈现高技能偏向的升级趋势，与现有研究结果一致［37］。进一步考察发现，人口老龄化和数字经济融合发展对低技能劳动就业比例的回归系数显著为正，说明数字经济发展强化了老龄化有利于低技能就业的积极影响，即数字经济发展越好，老龄化对低技能就业需求越高。从中技能就业模型可以看出，老龄化降低了中技能劳动就业比例，而数字经济与老龄化的交互项显著为负，则表明数字经济强化了老龄化对中技能就业的不利作用。此外，在高技能就业模型中，数字经济与老龄化的交互项回归系数显著为正，即数字经济减缓老龄化不利于高技能就业的消极影响。以上分析可以看出，数字经济强化了老龄化对低技能就业的积极作用以及对中技能就业的不利作用，减缓了人口老龄化不利于高技能就业的消极影响，致使就业技能结构由低技能偏向的单极化趋势逐渐向高、低技能偏向的两极化趋势发展。假设2得到检验。

4. 2 动态效应分析

基准回归分析证明了人口老龄化发展对不同技能就业的影响会随着数字经济发展程度不同而有所不同，数字经济发展不断深化将促使老龄化对就业结构极化的作用增强，说明理论分析中数字经济对老龄化促进就业结构升级的非线性影响是符合现实的。为了进一步对其进行检验，选择数字经济（DIGI）作为门槛变量，探究不同数字经济发展水平下老龄化对不同技能劳动就业的影响差异。在进行回归之前，通过自助抽样（bootstrap）300次，对面板门槛的显著性和真实性进行检验，结果见表3。表3显示，老龄化在中、高技能劳动力样本均通过双门槛检验。随着数字经济水平的提高，老龄化率先影响低技能劳动就业，中等技能劳动就业次之，对高技能劳动就业的影响有所延缓。在模型（1）中，当数字经济在门槛值0. 101之前，老龄化对低技能劳动就业的促进作用显著，当越过0. 101门槛值，老龄化对低技能劳动就业促进作用不显著；在模型（2）中，当数字经济在门槛值0. 102之前，老龄化对中等技能劳动比例的影响显著为负，当数字经济门槛越过0. 102后，老龄化对中等技能劳动力的负向作用先降低后增加。在模型（3）中，随着数字经济发展水平提升，当门槛值越过0. 117时，老龄化带来高技能劳动力需求的增加；进一步越过0. 175时，老龄化对高技能劳动力就业促进作用将进一步增强。门槛回归分析结果充分说明人口老龄化对就业技能结构的影响会随着数字经济发展水平的不同而不同，当将数字经济背景纳入分析后，老龄化对就业结构极化的促进作用增强，假设3 得到验证。

4. 3 机制分析

数字经济的发展增强了老龄化对就业结构极化的作用，原因在于老龄化与数字经济发展带来了人力资本和产业结构转型升级的改变。为检验人力资本和产业升级的作用，将其纳入模型进行机制探讨。其中，人力资本水平主要通过普通本专科及以上人口占比（HC）来反映。产业升级通过产业结构高级化（AD）来反映，参考付凌晖［38］对于产业结构高级化的定义，分别将三次产业增加值占GDP的比例视作空间向量的分量，通过计算分向量与产业结构单位向量的夹角定义高级化程度，其计算公式如下：

式中：Q1，Q2，Q33个变量分别为3个产业向量，Q1=（1，0，0），Q2=（0，1，0），Q3=（0，0，1）。Q0是3次产业增加值占GDP比例所构成的空间向量分量。ω1，ω2和ω3分别代表产业向量与Q0的夹角，AD 则表示产业高级化指数。其他变量含义同上。

表4揭示了数字经济随着人力资本的提升影响老龄化对就业结构的作用。结果显示，老龄化与人力资本的交乘项在低技能劳动就业模型中回归系数显著为负，在中、高技能就业模型中回归系数显著为正，说明人力资本的提升弱化了老龄化促进低技能劳动就业的积极作用，同时减缓了老龄化对中、高技能劳动就业的不利影响。数字经济与老龄化的交乘项在低技能就业模型中为正，在中技能就业模型中为负，说明数字经济与老龄化融合有利于低技能就业的增加，而降低了中技能劳动就业。数字经济与人力资本的交乘项在高、低技能就业模型中回归系数显著为正，在中技能劳动就业模型中回归系数显著为负，即提高人力资本可以缓解数字经济对低技能劳动就业的替代，增强数字经济对高技能劳动就业的提升，同时降低数字经济对中技能劳动就业的积极作用。老龄化、数字经济与人力资本三项乘积的回归系数在低技能就业模型中显著为负，但在高技能就业模型中回归系数显著为正，表明数字经济随着人力资本的提高弱化老龄化对低技能就业的积极作用，同时抑制对高技能就业的不利影响，推动就业结构升级。充分说明数字经济发展为应对人口老龄化提供了有力的技术支撑，数字经济发展随着人力资本提高缓解老龄化对就业结构的冲击。

表5揭示了数字经济随着产业升级在老龄化对就业技能结构的作用。结果显示，数字经济与产业升级交乘项在低技能就业模型中不显著，但在中、高技能就业模型中显著，高技能就业模型中，数字经济与产业升级交乘项显著为正；中技能就业模型中，数字经济与产业结构升级交乘项显著为负，说明产业升级强化了数字经济对高技能劳动就业的促进作用，弱化了对中等技能劳动就业的促进，推动就业结构升级。老龄化与产业升级交乘项在所有模型中均显著。其中，在中、高技能劳动就业模型中显著为正，但在低技能劳动就业模型中显著为负，说明产业升级减缓了老龄化对低技能就业的促进作用，同时弱化了老龄化对中高技能劳动就业的不利影响，从而有益于就业技能结构升级。在高、低技能就业模型中，老龄化、数字经济与产业升级的三乘项回归系数显著为正；在中技能就业模型中，三乘项的回归系数显著为负，表明数字经济发展随着产业升级强化了老龄化有利于中、低技能劳动就业的积极影响，而缓解了老龄化不利于高技能就业的消极影响，使得就业技能结构发展趋势发生改变。

4. 4 稳健性检验

4. 4. 1 工具变量法

为了解决内生性导致的估计偏误，现有文献多数采用滞后期的出生率［25，39］或是出生总人口［40］作为人口结构或老龄化的工具变量，基于此，本研究选择1986—1995年各城市历史出生人数数据作为人口老龄化的工具变量。一方面，各城市的历史出生人数是预测人口老龄化程度的重要工具，与老龄化相关；另一方面，历史出生人数对当期就业结构不会产生直接影响，满足排他性要求。表6模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果；模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。工具变量通过了弱工具变量和可识别检验，说明所选择的工具变量是合理的。回归结果表明在考虑内生性之后，回归结果与基准模型保持一致，说明研究结论是稳健的。

4. 4. 2 控制固定效应

通过控制省份与时间交互项进一步判断分析结果的稳健性。表7的模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果，模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。结果显示，在控制宏观省份固定效应后，老龄化与数字经济的融合对就业结构的影响方向与显著性与基准回归保持一致，说明研究结论稳定可靠。

4. 4. 3 更换被解释变量

重新度量技能结构，利用CLDS微观数据中各行业受教育水平中nPsrq6wiMac+EIonnfIvcw==位数与宏观各行业人数相匹配，最终确定低、中、高技能劳动力占比进行分析。表8的模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果，模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。结果显示，人口老龄化有利于低技能劳动就业比例的提升，但降低了中、高等技能就业比例，促使就业技能结构单极化发展。数字经济显著强化了人口老龄化对中、低技能劳动就业的影响，而弱化了老龄化对高技能劳动就业影响，就业技能结构转向高、低技能两极化发展趋势，说明替换了被解释变量后研究结果依然稳健。

4. 4. 4 遗漏变量

自2007年《中华人民共和国就业促进法》颁布实施以来，政府出台了多项劳动者福利及权益保障政策，不同城市的福利保障水平会带动技能劳动者的就业差异。为此，选取各城市养老保险、医疗保险以及失业保险参与人数作为控制变量加入模型中。表9的模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果，模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。回归结果显示，人口老龄化使得就业结构单极化，数字经济强化了老龄化对中、低技能劳动就业的影响，而弱化了老龄化对高技能劳动就业影响，研究结果稳健。

4. 5 异质性分析

4. 5. 1 城市发展水平的异质性

参考第一财经旗下的城市数据研究机构——新一线城市研究所发布的《2020城市商业魅力排行榜》对现有城市的划分，将279座城市划分为三类：第一类包括一线、新一线以及二线城市；第二类主要为三线城市；第三类则为四、五线城市。城市发展水平随着城市类别而降低，第一类城市发展水平最高，第二类次之，第三类紧随其后。结果见表10。结果显示，人口老龄化对高技能就业的影响在一、二线城市中不显著，在三、四线及以下城市中显著为负，即老龄化降低了三、四线城市中高技能劳动者就业，说明随着城市发展水平的提升，老龄化对高技能劳动就业的不利作用在减小。在低技能劳动就业模型中，一、二线城市老龄化的回归系数显著为负，三、四线城市老龄化回归系数显著为正，即老龄化降低了一、二线城市低技能劳动就业比例，而增加三、四线城市低技能劳动就业，表明城市发展水平越高，老龄化有利于低技能就业的作用越小。在低技能就业模型中，老龄化与数字经济交互项的回归系数在一、二线城市显著为正，在三线城市显著为负，即在一、二线城市数字经济抑制老龄化对低技能就业的不利作用，三线城市数字经济将减轻老龄化对低技能就业的积极作用；在中技能就业模型中，老龄化与数字经济交互项回归系数在一、二线城市显著为负，在三、四线城市显著为正，说明一、二线城市的数字经济抑制老龄化对中技能劳动就业的积极作用，三线城市的数字经济减缓老龄化对中技能劳动就业带来的不利影响；在高技能就业模型中，数字经济与老龄化的交互项的回归系数在四线以下城市中显著为正，表明四线以下城市的数字经济抑制老龄化对高技能就业的不利影响。因此，城市发展水平越低，数字经济在老龄化对就业技能结构中促进单极化趋势越明显。

4. 5. 2 区域位置

根据《中共中央 国务院关于促进中部地区崛起的若干意见》和《国务院办公厅转发国务院西部开发办关于西部大开发若干政策措施实施意见的通知》，按照城市所在区域位置将其划分为东部、中部、西部、东北地区。其中，东部地区主要包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、安徽、江西、河南、湖北和湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；东北地区包括辽宁、吉林和黑龙江。回归结果见表11，模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果，模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。结果显示，东部地区的老龄化对不同技能就业占比的影响并不显著，但是在中、西部地区，老龄化对低技能就业的回归系数为正，对中、高技能就业的回归系数为负，说明老龄化有利于低技能劳动就业，但不利于中、高技能劳动就业。东北地区的老龄化同样使得低技能就业占比上升和高技能就业占比下降。考虑数字经济的影响发现，中部地区老龄化与数字经济交互项的回归系数在低技能就业模型中显著为负，在中、高技能就业模型中显著为正，即中部地区数字经济发展减缓老龄化有利于低技能就业的积极作用，抑制老龄化不利于中高技能劳动就业的消极作用，削弱了就业技能结构单极化趋势。东北地区的老龄化与数字经济的交互项回归系数在高技能就业模型中显著为正，即东北地区的数字经济减缓了老龄化不利于高技能就业的消极影响，但并未改变单极化发展趋势。该研究结果证实数字经济在老龄化影响不同技能就业发挥的作用会因区域位置而改变。

4. 5. 3 城市群的异质性

城市群作为区域发展的重要载体，集聚了丰富的数字资源，成为数字经济发展的“领跑者”。在不同城市群中，数字经济对人口老龄化在就业技能结构中作用的影响存在差异，回归结果见表12。其中，模型（1）—模型（3）分别显示老龄化对就业技能结构的影响结果，模型（4）—模型（6）则分别显示在考虑数字经济发展的背景下，老龄化对就业技能结构的影响。研究结果显示，长三角城市群的老龄化对低技能就业的影响显著为正，对中技能就业的影响显著为负，表明长三角城市群老龄化有利于低技能劳动就业，不利于中技能劳动就业；珠三角城市群的老龄化对低技能就业影响的回归系数显著为负，对中技能就业影响的回归系数显著为正，即珠三角城市群的老龄化并不利于低技能劳动就业，但有利于中技能劳动就业。进一步考虑数字经济发展，结果显示，京津冀城市群老龄化和数字经济的交互项回归系数在中技能就业模型中显著为负，在高技能就业模型中显著为正，表明数字经济强化老龄化不利于中技能劳动就业的消极作用，同时增强老龄化有利于高技能劳动就业的积极作用，推动就业结构的升级；长三角城市群老龄化与数字经济的交互项的回归系数在高技能劳动就业模型中显著为负，即数字经济发展减缓老龄化不利于高技能劳动就业的消极作用。因此，随着数字经济的快速发展，老龄化对就业技能结构的不利影响在减弱。

5 研究结论与政策启示

通过构建中国2010—2019年279个地级及以上城市的面板数据，以数字经济为视角，分析人口老龄化对就业技能结构的影响，并在此基础上，进一步探讨数字经济在老龄化影响就业结构中的作用机制。结果表明：①人口老龄化有利于低技能劳动就业，但不利于中高技能劳动就业，使得就业技能结构呈现低技能劳动偏向的单极化趋势。②数字经济强化了老龄化有利于中、低技能劳动就业的积极影响，削减了老龄化不利于高技能就业的消极影响，并促使就业技能结构由低技能的单极化向高、低技能两极化趋势转变。③人力资本提升和产业升级是数字经济作用老龄化对就业技能结构影响的主要渠道。数字经济发展一方面可以随着人力资本的提升，减缓人口老龄化对就业结构的冲击；另一方面随着产业结构的升级，强化老龄化有利于高技能劳动就业的积极影响，削弱了人口老龄化所导致的就业技能结构的单极化趋势。④异质性分析表明，数字经济减缓了老龄化对就业技能结构冲击。

基于以上结论，提出以下政策建议：①结合人口老龄化产业以及消费需求特色，合理规划数字经济发展道路，推动数字经济与老龄化融合发展，缓解人口老龄化对就业技能结构的冲击，落实积极应对人口老龄化战略。②加强职业技能培训以及人才培育，推动全民素质提升，增强技能人才向上发展的能力，顺应数字经济时代的特点，不断提升技能与岗位的适配性。③为刺激生育政策提供切实可行的托育配套保障，减缓人口老龄化加速的进程，保证人口年龄结构的相对稳定，避免过快进入超级老龄化社会所带来的产业、就业结构冲击。④结合人口老龄化的区域差异性，给予弱势地区一定的政策倾斜，增强数字经济与人口老龄化融合发展的地域平衡，减小地区发展差距。本研究从数字经济视角探究了人口老龄化对中国就业技能结构的影响，取得一些有意义的结论，但由于数据的限制，忽视对行业内部就业结构的探讨，这也是需要以后进一步探究的问题。

参考文献

［1］ 蔡跃洲，陈楠. 新技术革命下人工智能与高质量增长、高质量就业［J］. 数量经济技术经济研究，2019，36（5）：3-22.

［2］ 叶胥，杜云晗，何文军. 数字经济发展的就业结构效应［J］. 财贸研究，2021，32（4）：1-13.

［3］ 王阳，赵海珠. 就业结构与产业结构失衡问题研究［J］. 中国人口科学，2022（2）：74-85.

［4］ AUTOR D H， KATZ L F， KEARNEY M S， et al. The polarizationof the U. S. labor market［J］. American economic review， 2006， 96（2）， 189-194.

［5］ LORDAN G，NEUMARK D. People versus machines：the impact ofminimum wages on automatable jobs［J］. Labour economics，2018，52：40-53.

［6］ 宁光杰，林子亮. 信息技术应用、企业组织变革与劳动力技能需求变化［J］. 经济研究，2014，49（8）：79-92.

［7］ 孙早，侯玉琳. 工业智能化如何重塑劳动力就业结构［J］. 中国工业经济，2019（5）：61-79.

［8］ 戚聿东，刘翠花，丁述磊. 数字经济发展、就业结构优化与就业质量提升［J］. 经济学动态，2020（11）：17-35.

［9］ 阎世平，武可栋，韦庄禹. 数字经济发展与中国劳动力结构演化［J］. 经济纵横，2020（10）：96-105.

［10］ 陈斌开，马燕来. 数字经济对发展中国家与发达国家劳动力市场的不同影响：技能替代视角的分析［J］. 北京交通大学学报（社会科学版），2021，20（2）：1-12.

［11］ 何宗樾，宋旭光. 数字经济促进就业的机理与启示：疫情发生之后的思考［J］. 经济学家，2020（5）：58-68.

［12］ 郭东杰，周立宏，陈林. 数字经济对产业升级与就业调整的影响［J］. 中国人口科学，2022（3）：99-110，128.

［13］ 潘雅茹，龙理敏. 数字经济对中小企业就业需求及结构的影响：基于深圳主板上市公司的经验证据［J］. 华东经济管理，2022，36（11）：85-94.

［14］ SILIVERSTOVS B，KHOLODILIN K A，THIESSEN U. Does aginginfluence structural change： evidence from panel data［J］. Economicsystems，2011，35（2）：244-260.

［15］ 郭瑜. 人口老龄化对中国劳动力供给的影响［J］. 经济理论与经济管理，2013（11）：49-58.

［16］ 周祝平，刘海斌. 人口老龄化对劳动力参与率的影响［J］. 人口研究，2016，40（3）：58-70.

［17］ 吴飞飞，唐保庆. 人口老龄化对中国服务业发展的影响研究［J］. 中国人口科学，2018（2）：103-115.

［18］ ARNTZ M，GREGORY T. What old stagers could teach us examiningage complementarities in regional innovation systems［R］.Leipzig： ZEW‑Leibniz Centre for European Economic Research，2014.

［19］ HU Q，LEI X Y，ZHAO B. Demographic changes and economicgrowth：impact and mechanisms［J］. China economic journal，2021，14（3）：223-242.

［20］ NICOLE M，MULLEN KATHLEEN J，DAVID P. The effect of populationaging on economic growth，the labor force，and productivity［J］. American economic journal：macroeconomics，2023，15（2）：306-332.

［21］ MORENO‑GALBIS E，SOPRASEUTH T. Job polarization in agingeconomies［J］. Labour economics，2014，27：44-55.

［22］ HERRENDORF B，ROGERSON R，VALENTINYI Á. Two perspectiveson preferences and structural transformation［J］. Americaneconomic review，2013，103（7）：2752-2789.

［23］ PRENZEL P. Are old regions less attractive： interregional labourmigration in a context of population ageing［J］. Papers in regionalscience，2021，100（6）：1429-1447.

［24］ PRETTNER K. Population aging and endogenous economic growth［J］. Journal of population economics，2013，26（2）：811-834.

［25］ ACEMOGLU D， RESTREPO P. Demographics and automation［J］. Review of economic studies，2022，89（1）： 1−44.

［26］ 蔡兴. 人口老龄化倒逼了中国出口结构的优化升级吗［J］. 当代经济研究，2016（8）：81-91.

［27］ 魏嘉辉，顾乃华. 老龄化与中国服务业就业结构［J］. 经济经纬，2021，38（1）：86-95.

［28］ MAO R，XU J W，ZOU J X. The labor force age structure and employmentstructure of the modern sector［J］. China economic review，2018，52：1-15.

［29］ 陈卫民，施美程. 人口老龄化促进服务业发展的需求效应［J］.人口研究，2014，38（5）：3-16.

［30］ 郝楠. 劳动力就业“极化” 、技能溢价与技术创新［J］. 经济学家，2017（8）：27-32.

［31］ 刘兰，肖利平. 技能偏向型技术进步、劳动力素质与经济增长［J］. 科技进步与对策，2013，30（24）：32-35.

［32］ European Foundation for the Improvement of Living and Working Conditions.More and better jobs： patterns of employment expansion in Europe［ R］. Dublin， Luxembourg： EU Publications Office， 2008.

［33］ European Foundation for the Improvement of Living and WorkingConditions. Employment polarization and job quality during thecrisis： European jobs monitor 2013［R］. Dublin， Luxembourg：EU Publications Office， 2013.

［34］ 陈熠辉，蔡庆丰，王斯琪. 人口老龄化、企业债务融资与金融资源错配：基于地级市人口普查数据的实证研究［J］. 金融研究，2023（2）：40-59.

［35］ 赵涛，张智，梁上坤. 数字经济、创业活跃度与高质量发展：来自中国城市的经验证据［J］. 管理世界，2020，36（10）：65-76.

［36］ 马红梅，杨月. 人口老龄化、区域技术创新和产业结构升级：基于面板门限回归模型的研究［J］. 科技管理研究，2021，41（9）：52-62.

［37］ 杨先明，侯威，王一帆. 数字化投入与中国行业内就业结构变化：“升级” 抑或“ 极化”［J］. 山西财经大学学报，2022，44（1）：58-68.

［38］ 付凌晖. 我国产业结构高级化与经济增长关系的实证研究［J］. 统计研究，2010，27（8）：79-81.

［39］ 蔡宏波，韩金镕. 人口老龄化与城市出口贸易转型［J］. 中国工业经济，2022（11）：61-77.

［40］ ENGBOM N. Firm and worker dynamics in an aging labor market［R］. Minneapolis： Federal Reserve Bank of Minneapolis， 2019.

（责任编辑：王爱萍）

基金项目：国家社会科学基金重大项目“人口增长趋势的经济社会影响及应对研究”（批准号：22&ZD195）。