劳动力成本与企业数字化转型：机制讨论与经验证据

摘要：面对不断攀升的劳动力成本，企业应该如何转型以提高市场竞争力，对于企业的生存和发展具有重要意义。为此，从理论层面梳理劳动力成本影响企业数字化转型的内在机制，并使用2007—2020年中国制造业上市公司数据实证检验劳动力成本对企业数字化转型的驱动作用。研究发现，劳动力成本显著推动了企业数字化转型。异质性分析显示，对于劳动密集型企业、高科技行业以及高市场竞争度行业，劳动力成本对企业数字化转型有更强的驱动作用。在影响机制方面，劳动力成本可以通过增加数字投资、促进数字创新以及优化人力资本结构的机制推动企业数字化转型。进一步研究发现，供给侧的创业环境以及需求侧的消费升级在劳动力成本与企业数字化转型之间起到正向调节作用，同时劳动力成本通过驱动数字化转型可以提高企业全要素生产率。因此，企业应重视利用数字化转型应对劳动力成本上涨，政府应大力支持企业创新驱动发展，通过体制机制改革为企业数字化转型创造良好的外部条件，帮助企业更好地应对劳动力成本攀升问题。

关键词：劳动力成本；数字化转型；数字投资；数字创新；数字人才

文献标识码：A文章编号：100228482024（06）010313

一、问题提出

进入21世纪以来，随着老龄化进程加快、生育率不断降低、剩余劳动力转移逐渐减慢以及劳动者权益保障制度的不断完善[1]070，中国人口红利逐渐消退，表现在劳动力供给减少引发的“用工难”和“民工荒”问题，以及制造业劳动力成本的逐年攀升。根据《中国统计年鉴》的数据，中国城镇非私营单位就业人员平均工资从2000年的9333元增加至2020年的97379元，上涨10.43倍，年均增长率达到12.4%。劳动力成本的快速上升将对制造业企业的生产经营造成巨大压力，尤其是人工成本占比较高的劳动密集型企业。党的二十大报告提出，要加快构建新发展格局，着力推动高质量发展。因此，在面临不断攀升的劳动力成本时，企业应该如何转型以提高市场竞争力，对于其生存和发展具有重要意义。

近年来，党中央和国务院高度重视数字经济发展和企业数字化转型。党的二十大报告指出，要“加快发展数字经济，促进数字经济和实体经济深度融合”。《“十四五”数字经济发展规划》明确提出，要“加快企业数字化转型升级，引导企业强化数字化思维，提升员工数字技能和数据管理能力，全面系统推动企业研发设计、生产加工、经营管理、销售服务等业务数字化转型”。在劳动力成本不断上涨的市场环境下，企业是否将数字化转型作为解决用工贵问题的一种战略选择？通过翻阅上市公司年度报告，能够观察到大量劳动力成本上涨驱动企业数字化转型的典型事实，这些企业通过数字化新技术、新应用来更新企业管理、生产、营销等格局架构，降低经营成本，减少劳动力依赖。比如桐昆集团股份有限公司所处的聚酯涤纶长丝行业为劳动密集型行业，中国人口红利的逐渐消失一定程度上压缩了公司的利润空间。为此，公司一方面积极采用“机器换人”的措施，通过持续的减员增效，解放劳动力的密集使用；另一方面，持续提高装备的技术水平和自动化程度，加大智能制造的力度，不断提升劳动生产效率资料来源于桐昆股份2019年年度报告。。基于企业的生产实践经验，派生出一系列值得深入研究的问题：劳动力成本上升能否倒逼制造业企业数字化转型，作用机制是什么？不同微观特征和宏观环境下的驱动作用有何差异？本文对上述问题的回答不仅可以帮助理解劳动力成本上升对企业转型升级的驱动作用，而且有助于促进劳动力相关的体制机制改革，为不同类型的企业缓解劳动力成本带来的负面冲击提供政策建议。

学术界对于企业数字化转型驱动因素的研究已经取得一定成果。从外部影响因素上看，政府政策支持[2]133、竞争压力[3]158等因素对于推动企业数字化转型具有积极作用。从内部驱动因素上看，机会感知能力、机会把控能力、变革重构能力[4]190、技术创新[5]17等因素是企业数字化转型的重要内部驱动力量。然而，已有文献较少直接讨论劳动力成本对企业数字化转型的驱动作用，只有部分文献从劳动力成本的视角出发，考察其对企业工业化带来的微观影响。比如部分学者发现劳动力成本上升可以促进企业工业机器人使用[6]63，推动企业创新发展[7]93，抑制最低工资上调导致的企业退出风险[8]322和劳动力短缺风险[9]。综上所述，劳动力成本变动对企业生产经营具有重要影响，但较少有文献直接考察劳动力成本对企业数字化转型的影响，本文的研究提供了这方面的微观经验证据。

2024年11月第46卷第6期赵宸宇，李炳钰劳动力成本与企业数字化转型：机制讨论与经验证据本研究的贡献主要在于三个方面。第一，已有研究考察了劳动力成本对企业“机器换人”的影响，但是数字化转型的内涵远不止工业机器人在生产方面的应用[10]389，而是数字技术与工业化的深度融合。本文从数字化转型的角度出发，揭示了企业面对劳动力成本上升改变经营战略的又一路径选择，拓展和深化了企业数字化转型驱动因素的学术文献，是对劳动力成本与企业行为之间关系研究的有益补充。第二，本文对劳动力成本驱动企业“数字换人”的作用机制进行了深入剖析，梳理出数字投资、数字创新和数字人力三条影响路径，进一步加深了对企业“数字换人”行动路线的认识。第三，本文研究结论有助于疏通劳动力成本与企业数字化转型之间的传导路径，帮助政府部门在劳动力成本上涨的背景下进行针对性的政策设计，更好地推动企业数字化转型。

二、理论分析与研究假说

第一，劳动力成本会通过促进数字投资的方式驱动企业数字化转型。首先，数字基础设施是企业数字化转型的基础。企业需要加大数字硬件和数字软件的投资，以支持企业的数字化战略。智能机器人是制造业企业数字化转型的重要基石，劳动力成本上升会驱动企业在生产中广泛应用智能机器人[6]63，降低用工成本，实现生产过程的数字化。“机器换人”不仅可以将人从重复性劳动中解放出来，解决企业人力成本高企及劳动力短缺等问题，而且可以大幅降低操作失误率，减少人工失误带来的额外损失。此外，智能机器人还可以降低生产安全隐患，减少危险岗位的人工成本支出，比如煤矿井下和焦炉智能机器人，可以实现无人值守和智能化作业，减少企业人工开支的同时提高安全生产水平。其次，企业需要开发或采购集成化的现代信息系统，实现数据的互联互通、业务的协调配合以及管理的高效运作，从而顺利推动企业数字化转型，降低管理上的用工开支。通过搭建资源计划系统（ERP）、产品生命周期管理系统（PLM）、制造执行系统（MES）、供应链管理系统（SCM）、客户关系管理系统（CRM）、数字化办公系统（OA）等数字化信息系统，企业可以加强整体运营管理、风险规避与风险控制、供应商管理、客户发展与客户管理、投资管理、人力资源管理等能力建设，通过格式化、系统化、流程化为精细化、标准化管理奠定基础，提高管理人员效率。最后，要最大程度利用数字技术为企业赋能，企业必须加大在云计算、大数据、物联网以及区块链等数字技术上的投资力度，以此提高经营效率，对冲劳动力成本上升的负面影响。比如企业在工业大数据上的投资，可以让企业具备智能装备故障预诊断技术，通过对传感器网络采集到的数据进行机器学习和大数据分析，形成特定工艺装备故障的自主诊断、自主预警能力，有助于减少计划外的维护和保养支出[11]450，降低企业自身的人工运维成本，缓解人力成本上涨给企业带来的设备维护压力。基于以上分析，本文提出以下假说：

假说1：劳动力成本通过增加数字投资的方式驱动企业数字化转型。

第二，劳动力成本会通过促进数字创新的方式驱动企业数字化转型。已有大量文献讨论了劳动力成本与企业创新之间的关系。Hicks[12]492指出，提高实际工资短期内会降低企业利润率，但从长期来看会促进企业创新。Acemoglu[13]531通过构建一般均衡模型分析劳动力短缺对企业创新的影响，发现当新技术非常节约劳动力时，劳动力短缺会鼓励创新；而当新技术增加劳动的边际产品并且对劳动力是一种补充时，劳动力短缺会阻碍创新。学者基于中国数据的实证研究发现，劳动力成本上升会产生创新激励，企业为了在激烈的市场竞争中生存下来，就必须提高研发投入，持续进行产品创新和技术创新来增强自身实力[7]93。数字创新是引领数字化转型向纵深推进的核心要义。首先，中国数字经济虽然取得了举世瞩目的发展成就，但在操作系统、工业软件、高端芯片、基础材料等领域，技术研发和工艺制造水平仍然落后于国际先进水平。因此，企业只有加大集成电路、基础软硬件、核心电子元器件、关键基础材料等核心技术攻关，才能实现高质量的数字化转型。其次，随着居民消费升级进程加快以及市场竞争日趋激烈，企业为了产品保持较高的市场热度和技术壁垒，满足消费者对智能化、个性化、多元化的消费需求，必须加大研发力度，提高产品的智能化含量。比如盈峰环境持续加大对技术、产品的创新投入，成功研发出融合新一代环卫装备先进设计技术、人工智能技术、机器视觉技术、深度自学习技术、全场景图像识别技术、智能机械臂技术、“互联网云+技术”于一体的环卫智慧作业机器人，大大提升了公司高端环卫装备的智能化水平资料来源于盈峰环境2018年年度报告。。再次，生产过程智能化也需要企业开发先进的，宜于自动化、智能化的工艺流程，这有利于降低原辅料消耗，改善生产现场环境，减轻员工劳动强度。最后，企业之间的竞争不仅是产品的竞争，更是服务的竞争。企业需要进行数字创新，将人工智能、区块链、云计算、大数据等数字技术与服务深度融合，才能全方位提升用户体验、增加服务附加值。基于以上分析，本文提出以下假说：

假说2：劳动力成本通过数字创新驱动企业数字化转型。

第三，劳动力成本也会通过优化人力资本结构的方式驱动企业数字化转型。一方面，随着人工成本的高企，企业会倾向于使用“机器换人”的方式替换部分常规性、重复性的低技能工作岗位；另一方面，劳动力成本通过提高创新能力“倒逼”企业数字化转型的过程离不开高素质人力资本的支撑，会提高对高技能和高学历人员的需求来促进人力资本结构调整。员工技能对于构建数字化能力和资源至关重要[14]671。复杂的信息技术（IT）系统应用是数字化的核心支柱，需要熟练的员工开发、采用和整合新的和现有的IT系统[15]702。中小企业的IT项目往往会因缺乏高级管理支持和项目管理技能差而失败[15]702。不仅如此，企业新数字技术的采用和数字产品的创新通常需要具有相应数字技能的团队和受过良好教育的员工，比如机器学习或物联网（IoT）产品创新，都建立在员工技能和改造现有业务流程的能力上[14]671。再比如，云计算也是数字化转型中常用到的一种变革性技术，允许企业以经济高效的方式获取技术，需要在商业、金融、项目管理、合同和供应商谈判以及数据集成方面具备多种技能的人才[16]761，而这些只能由高技能和高学历的员工才能胜任。此外，数字化软技能和数字文化对于企业数字化转型同样重要。员工不仅需要具备大数据分析等硬实力，批判性思维、解决问题的能力、网络协作能力、机会识别能力等软实力同样是数字化的核心要求[14]671。基于以上分析，本文提出以下假说：

假说3：劳动力成本通过优化人力资本结构驱动企业数字化转型。

三、计量模型与变量说明

（一）模型设定

本文基准回归模型设定如下：

DIGijt=α+βWACijt+γXijt+μi+σj+λt+εijt（1）

其中，被解释变量DIG是企业数字化转型的代理变量，核心解释变量WAC衡量地区的劳动力成本，μi、σj和λt分别表示省份固定效应、行业固定效应和年份固定效应，εijt表示随机误差项。本文采用经异方差稳健标准误调整后的回归结果。

被解释变量。本文参考吴非等[17]828提炼的关键词，从底层技术运用和技术实践应用两个维度构建企业数字化转型指数（DIG），对企业数字化发展水平进行衡量。

核心解释变量。考虑到地区平均工资能够在较大的地域范围内代表劳动力整体的用工成本，本文采用城市层面的职工平均工资的对数值（WAC）衡量劳动力成本[18]872。

控制变量（X）。本文还加入了一系列地区、行业和企业层面控制变量，变量定义、构造方法及描述性统计结果参见表1。

（二）数据来源

本文选取2007—2020年中国A股制造业上市公司作为研究样本，数据来源包括三个部分：第一，反映上市公司数字化转型程度的指数，通过搜集和整理2007—2020年的年报资料文本挖掘得到；第二，城市层面的职工平均工资、控制变量以及调节变量等根据《中国城市统计年鉴》和地方政府工作报告构建；第三，上市公司基本特征、公司治理、经营绩效等企业层面的微观数据来自于Wind数据库和国泰安数据库。影响机制检验中，数字投资变量根据上市公司年报附注构造，数字专利授权量数据来源于中国研究数据服务平台（CNRDS）数据库，研发费用占比和数字人才变量来源于Wind数据库。

四、劳动力成本驱动企业数字化转型的实证分析

（一）基准回归结果

劳动力成本驱动制造业企业数字化转型的总体检验结果见表2。结果显示，WAC的系数均在1%的水平下显著为正，表明随着人力成本的攀升，企业数字化转型程度也在不断提高，初步验证了劳动力成本对企业数字化转型的重要驱动作用。从控制变量看，信息基础设施建设有助于企业数字化转型，激烈的市场竞争环境也会加快企业数字化转型步伐。

（二）稳健性检验

为了确保实证结果的可靠性，本文还进行了一系列稳健性检验。第一，替换核心解释变量。参考肖文等[1]的做法，构建企业平均工资的对数值，从微观层面衡量企业的用工成本，表3第（1）列中WAF系表3稳健性检验结果变量数字化转型（1）（2）（3）（4）是否数字化转型

第二，替换被解释变量。重新选取企业数字化转型关键词[10]，从数字技术应用、互联网商业模式、智能制造和现代信息系统等四个维度重新构造企业数字化转型指数。第（2）列结果显示，劳动力成本依然在1%的水平下显著推动了企业数字化转型。第三，将WAC滞后一期后重新进行回归，第（3）列结果显示核心解释变量依然显著为正。第四，改变模型设定。本文构造制造业上市公司是否实施数字化转型的虚拟变量，然后采用Probit模型重新进行估计。第（4）列结果显示，劳动力成本显著增加了企业实施数字化转型的概率。

（三）内生性检验

在本文的基准回归模型中，核心解释变量为城市层面数据，被解释变量为企业层面数据，可以认为模型估计不存在明显的反向因果关系导致的内生性问题。即便如此，本文仍然采用工具变量法缓解可能存在的内生性问题。此外，基准回归模型可能存在样本选择偏误，即劳动力成本较高地区的企业由于面临较高的成本压力，没有充分的资源开展数字化转型，反而表现出相对较低的数字化转型程度，本文采用倾向得分匹配法（PSM）处理这一问题。

1.工具变量法

本文选取两个变量作为工具变量：城市PM2.5浓度和公众环境关注度。首先，城市PM2.5浓度和公众环境关注度与劳动力薪酬密切相关。研究表明，空气质量改善能够显著降低劳动力薪酬水平[19]。如果城市污染程度比较严重，则PM2.5浓度和公众环境关注度会相对较高，劳动力成本也将增加，因此工具变量和核心解释变量满足相关性规定。其次，根据对既有文献的梳理，还没有发现环境污染驱动企业数字化转型的直接证据，因此可以认为工具变量与误差项不相关，满足外生性假定。参考已有文献，PM2.5浓度采用年度均值衡量[20]；公众环境关注度采用伊志宏等[21]的做法，使用百度指数“污染”关键词年度搜索量均值作为地区环境关注度的代理变量。

工具变量的回归结果如表4所示。其中，第（3）（4）列报告了工具变量第一阶段回归结果，工具变量的系数均在1%的水平上显著为正，说明空气污染与地区劳动力成本显著正相关。第（1）列报告了工具变量第二阶段回归结果，在控制了省份、行业和年份固定效应之后，劳动力成本的系数在1%的水平上显著。进一步控制地区、行业和企业层面变量后，第（2）列的估计结果表明，劳动力成本的系数依然在1%的水平上显著为正，表明基准回归结果不存在严重的内生性问题。从LM统计量和WaldF统计量结果可以看出，工具变量不存在识别不足和弱工具变量问题，同时Hansen检验的P值大于0.1，表明工具变量是外生的，与扰动项不相关，可以认为工具变量的选取是有效的。表4结果表明，在考虑了计量模型潜在的反向因果问题之后，劳动力成本和企业数字化转型之间依然存在显著的正向关系。

本文将上市公司年报中经营情况讨论与分析部分文本提取出来，筛选是否出现“劳动力成本上涨”“用工成本上升”“人工成本攀升”“人力成本提高”等类似表述，如果出现则表示企业切身感受到劳动力成本上涨带来的经营压力，将这部分企业设置为处理组，否则设置为对照组。平衡性检验结果显示，经过倾向得分匹配后数据的匹配程度增加，匹配后各控制变量在不同分组下没有明显差异，样本平衡性提升由于篇幅所限，平衡性检验结果留存备索。。接下来，本文采用一对一近邻匹配、一对三近邻匹配、局部线性回归匹配等方法估计了劳动力成本影响企业数字化转型的平均处理效应（ATE）、参与者平均处理效应（ATT）和未参与者平均处理效应（ATU），相关结果如表5所示。可以发现，ATE、ATT和ATU三者均在至少10%的水平下显著为正，说明对劳动力成本感受较为敏感的处理组企业的数字化转型程度明显高于对照组，劳动力成本能够显著推动企业数字化水平的提升。

（四）异质性检验

为厘清劳动力成本对企业数字化转型的异质性影响，本文按不同的划分标准对总样本进行分样本回归。

1.分要素密集度

本文按各年企业劳动资产比的中位数，将样本划分为劳动密集型和资本密集型企业两组子样本。从表6第（1）（2）列的回归结果可以看出，劳动力成本显著驱动了劳动密集型企业的数字化转型，对资本密集型企业没有明显的推动作用。这是因为用工成本在劳动密集型企业的成本构成中占据重要位置，地区劳动力成本上升会直接影响企业的生产成本，所以企业在面临严峻经营压力时会更急迫地进行转型升级[22]167736209。因此，对于劳动密集型企业，企业迫于人工成本压力而实施数字化转型，其真实的数字化转型程度也相对较高；反观资本密集型企业，这部分企业在面临人工成本压力时转型动力相对较弱。

2.按照是否属于高科技行业分组

本文依照行业属性将样本划分为高科技行业和非高科技行业两组子样本[23]167736267。从表6第（3）（4）列的回归结果可以看出，劳动力成本显著驱动了高科技行业企业的数字化转型，对非高科技行业企业没有明显的推动作用。这是因为对于高科技行业，企业在自己的经营领域内持续进行研究开发与技术成果转化，不断形成核心自主知识产权，具有充足的技术储备和人才储备，对于企业数字化转型可以提供足够的支撑。因此，当感受到劳动力成本上升的压力时，高科技企业会充分调动起创新意识和创新能力，推动企业数字化转型。

3.按照行业竞争度分组

本文按照行业赫芬达尔指数的中位数，将样本划分为高竞争度行业和低竞争度行业两组子样本。从表6第（5）（6）列的回归结果可以看出，劳动力成本显著驱动了高竞争度行业企业的数字化转型，对低竞争度行业企业没有明显的推动作用。产生这一结果的可能原因是，对于高竞争度行业，企业的市场竞争压力较大，如果想在激烈的市场竞争中立足，获得足够的发展空间，必须要根据市场环境变化及时调整经营战略和运营策略。因此，面对不断攀升的劳动力成本，高竞争度行业企业的数字化转型步伐和力度要更快更强。

（五）影响机制检验

本文采用中介效应模型进行影响机制检验。对于数字投资的机制检验，采用数字化硬件投资和数字化软件投资占总资产的比重来测度企业的数字化投资水平[24]167736303；对于数字创新的机制检验，采用研发费用占比和数字专利授权量作为中介变量；对于数字人才的机制检验，采用企业技术人员占比以及本科及以上学历人员占比作为中介变量。完整的模型如下所示：

DIGijt=α0+α1WACijt+βXijt+μi+δj+λt+εijt（2）

INTijt=b0+b1WACijt+βXijt+μi+δj+λt+εijt（3）

DIGijt=c0+λINTijt+c1WACijt+βXijt+μi+δj+λt+εijt（4）

数字投资的机制检验结果如表7所示。结果表明，劳动力成本通过增加企业数字投资的机制驱动了企业数字化转型。数字投资是企业数字化转型的重要支撑，只有持续不断提高数字投资力度才能夯实企业的数字基础，为企业数字化转型提供源源不断的动力。

数字创新的机制检验结果如表8所示。结果表明，劳动力成本通过增加数字创新投入和产出的机制驱动了企业数字化转型。只有数字创新作为核心驱动力量，才能形成数字经济发展的新动能，助推企业实现真正意义上的数字化转型和智能化变革，以数字创新催生新技术、新产品、新产业、新业态和新模式，让创新驱动数字化转型成为企业高质量发展的强大引擎。

五、进一步分析

（一）调节效应分析

面临劳动力成本上升的不利局面，khxCxWIy5MxZWuqdZuFwI0NAXTv0jaJR+31txF8EseQ=一些企业可能会选择将产业外迁或者对外直接投资[25]167736365，这将产生产业“空心化”或“去工业化”风险[26]167736382，进而对产业链安全形成显著冲击[27]167736405。保持产业链稳定逐步受到政府相关部门的重视。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》强调在产业发展方面要坚持自主可控、安全高效，保持制造业比重基本稳定，增强制造业竞争优势。2024年政府工作报告提出，要推动产业链供应链优化升级，保持工业经济平稳运行，增强产业链供应链韧性和竞争力。企业在面临用工成本压力时，如果只是将产业转移到具有成本优势的地区[22]167736209，可能会陷入“低端锁定”困境；而如果能通过数字化转型完成升级，则不仅会帮助企业找到一条应对劳动力成本上涨的解决之道，摆脱低端锁定，也会降低企业由于成本压力带来的外迁风险。那么，什么样的外部环境有助于企业数字化转型？下面分别从供给侧的创业环境和需求侧的消费升级视角展开分析。

1.创业环境的调节作用

对于创业较为活跃的地区，一般来说知识产权保护力度更强[28]167736520、营商环境更优[29]167736542、科技创新环境更好[30]167736557，因此对于创业活力较高的地区，企业面对人工成本上升的外在挑战时，更容易激发其内在的企业家精神，通过创新创业实现数字化转型。本文采用城市单位人口的新增工商企业注册数量（Ent）衡量城市创业活跃度。表10第（1）列结果显示，WAC系数显著为正，交叉项WAC×Ent的系数同样显著为正，说明对于创业较为活跃的城市，劳动力成本对企业数字化转型的影响效应更大。此外，本文还更有针对性地构建了城市数字创业活跃度指标，采用城市单位人口的新增数字创业企业数量（Den）衡量。数字创业企业参考国家统计局《数字经济及其核心产业统计分类（2021）》进行识别，包括计算机通信和其他电子设备制造业、电信广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业等行业。表10第（2）列结果显示，交叉项WAC×Den的系数同样显著为正，说明在数字创业活跃的环境下，劳动力成本对企业数字化转型的推动作用更大。

2.消费升级的调节作用

随着社会经济的快速发展，居民的消费能力不断提升，消费观念不断更新，消费结构不断升级，消费表10调节效应检验结果变量数字化转型已控制省份、行业、年份固定效应，控制变量估计结果留存备索。潜力不断释放。对于消费能力较强的地区，企业为了保持较高的市场地位和技术优势，满足消费者日益智能化、高端化、品质化、多元化和个性化的消费需求，在劳动力成本上升的背景下，会进一步加快转型升级的步伐。本文采用城市层面社会消费品零售总额的对数（Con）作为地区消费能力和市场规模的代理变量。表10第（3）列结果显示，WAC系数显著为正，交叉项WAC×Con的系数同样显著为正，说明消费能力在劳动力成本与企业数字化转型之间起到了正向调节作用。此外，随着中国新型城镇化建设深入推进，高城镇化率地区政府对新型智慧城市和精细化城市管理的需求度持续提升，这将助推智慧交通、智慧警务、智慧能源、智慧环卫等新型产业的建设和发展，通过产业关联带动企业数字化转型，提供满足新型消费需求的数字化产品和服务。本文通过计算城镇常住人口数与常住人口总数之比衡量各城市的城镇化率，然后构建城市是否为高城镇化率地区的虚拟变量（Urb），并在方程中加入其与WAC的交叉相乘项。表10第（4）列结果显示，对于城镇化率较高的地区，劳动力成本对企业数字化转型的驱动作用更大。

（二）经济效果分析

根据前文的分析，劳动力成本有助于推动制造业企业的数字化转型，那么这种转型升级能否提高制造业企业的生产效率，从而缓解劳动力成本上涨带来的负面冲击？下面采用中介效应的方法进行检验，完整的计量模型如下：

TFPijt=α0+α1WACijt+βXijt+μi+δj+λt+εijt（5）

DIGijt=b0+b1WACijt+βXijt+μi+δj+λt+εijt（6）

TFPijt=c0+λDIGijt+c1WACijt+βXijt+μi+δj+λt+εijt（7）

其中，TFP表示企业的生产效率，采用LP方法以及OP方法进行测算。经济效应检验结果如表11所示，可以发现对于企业生产效率，数字化转型的中介效应确实存在，劳动力成本上升加快了企业数字化转型步伐，由此带来企业生产效率和经营绩效的改善，实现了企业的高质量发展。

表11经济效应检验结果变量LP法OP法TFP数字化转型TFPTFP数字化转型TFPWAC0.256***1.285***0.251***0.280***1.285***0.276***（5.33）（2.87）（5.22）（5.53）（2.87）（5.45）DIG0.005***0.003***（7.34）（5.98）观测值数157071570715707157071570715707R20.6390.1700.6400.5380.1700.539注：1.（）中为t值。

2.***表示在1%的水平下显著。

3.已控制省份、行业、年份固定效应，控制变量估计结果留存备索。

六、结论与政策建议

本文从理论层面梳理了劳动力成本影响企业数字化转型的内在机理，并使用中国A股制造业上市公司数据从实证角度检验了劳动力成本对企业数字化转型的驱动作用，主要结论如下：第一，考虑内生性等问题后，劳动力成本显著推动了企业数字化转型，已经成为数字经济时代企业数字化变革的重要驱动因素；第二，异质性分析显示，对于劳动密集型企业、高科技行业以及高市场竞争度行业，劳动力成本对企业数字化转型有更强的驱动作用；第三，基于影响机制的研究发现，劳动力成本可以通过增加数字投资、促进数字创新以及优化人力资本结构的机制推动企业数字化转型；第四，供给侧的创业环境以及需求侧的消费升级在劳动力成本与企业数字化转型之间起到正向调节作用，同时劳动力成本通过驱动数字化转型可以提高企业生产效率。基于以上研究结果，本文提出如下政策建议：

首先，企业应重视利用数字化转型应对劳动力成本上涨。随着人口年龄结构和劳动力市场供求的变化，劳动力成本上升的趋势已经不可避免。然而从另一个角度看，劳动力成本上涨反映了劳动者收入的增长，这也是实现共同富裕的必然要求，因此企业应保障劳动者的合理收入与合法权益，不要故意压低劳动者工资，也不要在产品上偷工减料，而是要通过生产过程智能化、生产产品数字化、销售服务网络化、经营管理信息化等方式实现转型升级，解决劳动力成本上涨问题的同时，实现向高端制造迈进。

其次，政府大力支持企业创新驱动发展，加快推进企业数字化转型。第一，加强数字核心技术研究至关重要。政府应采取措施鼓励和吸引企业申报科技项目，发挥产业基金引领作用，努力攻克“卡脖子”的关键技术问题。同时，加大财政科技投入力度，鼓励企业与高校、科研院所的专家团队开展合作，通过产学研协同提升数字创新能力。第二，加强数字创新的统计工作。既有关于企业研发创新的统计工作未能很好识别企业在数字创新上的投入力度和产出成效，因此建议政府推进数字创新统计专项工作，加强数字创新指标设计，在调查制度、报表要求、填报依据、指标解释等方面强化基层统计人员培训。在此基础上，政府可以开展数字创新综合评价，全面、真实地把握企业数字创新的投入和产出情况，对数字创新达到一定程度的企业给予税收、补贴、信贷等方面的政策支持。

最后，政府应通过体制机制改革为企业数字化转型创造良好的外部条件，帮助企业更好地应对劳动力成本攀升问题。第一，劳动密集型企业应对人力成本上涨的反应更为强烈，因此政府一方面要加大对劳动密集型企业的政策扶持力度，出台针对性财税政策帮助企业完成数字化和智能化改造，降低企业数字化转型成本，缓解劳动力成本上涨压力；另一方面也要格外关注劳动密集型企业的就业问题，加强劳动者权益保障，建立劳动密集型企业的就业管理与监测系统，在制定政策时权衡数字化的积极效果和对就业的负面影响，防止发生大规模的失业潮。第二，加快全国统一大市场建设，进一步降低市场准入壁垒，破除妨碍要素自由流通和资源市场化配置的体制机制障碍。第三，继续通过数字基础设施建设、加强知识产权保护以及优化营商环境等政策措施激发地区创业活力。第四，坚定实施扩大内需战略，不断释放居民的消费潜力，通过消费升级带动企业数字化转型。参考文献：

［1］肖文，薛天航.劳动力成本上升、融资约束与企业全要素生产率变动[J].世界经济，2019（1）：7694.

［2］CHENCL，LINYC，CHENWH，etal.Roleofgovernmenttoenhancedigitaltransformationinsmallservicebusiness[J].Sustainability，2021，13：1028.

［3］MULLERJM，KIELD，VOIGTKI.Whatdrivestheimplementationofindustry4.0？Theroleofopportunitiesandchallengesinthecontextofsustainability[J].Sustainability，2018，10：247.

［4］焦豪，杨季枫，王培暖，等.数据驱动的企业动态能力作用机制研究：基于数据全生命周期管理的数字化转型过程分析[J].中国工业经济，2021（11）：174192.

［5］VERHOEFPC，BROEKHUIZENT，BARTY，etal.Digitaltransformation：amultidisciplinaryreflectionandresearchagenda[J].JournalofBusinessResearch，2021，122：889901.

［6］FANHC，HUYC，TANGLX.LaborcostsandtheadoptionofrobotsinChina[J].JournalofEconomicBehavior&Organization，2021，186：608631.

［7］李建强，高翔，赵西亮.最低工资与企业创新[J].金融研究，2020（12）：132150.

［8］李磊，马欢，徐刚.最低工资、机器人使用与企业退出[J].世界经济，2023（1）：121145.

［9］张顺，吕风光.企业数字化对劳动力市场就业风险的影响[J].当代经济科学，2024（4）：1426.

［10］赵宸宇.数字化发展与服务化转型：来自制造业上市公司的经验证据[J].南开管理评论，2021（2）：149163.

［11］GRUBICT.Remotemonitoringtechnologyandservitization：exploringtherelationship[J].ComputersinIndustry，2018，100：148158.

［12］HICKSJR.Thetheoryofwages[M].London：Springer，1963：198215.

［13］ACEMOGLUD.Whendoeslaborscarcityencourageinnovation？[J].JournalofPoliticalEconomy，2010，118（6）：10371078.

［14］SOUSAMJ，ROCHA.Skillsfordisruptivedigitalbusiness[J].JournalofBusinessResearch，2019，94：257263.

［15］NGUYENTH，NEWBYM，MACAULAYMJ.Informationtechnologyadoptioninsmallbusiness：confirmationofaproposedframework[J].JournalofSmallBusinessManagement，2015，53（1）：207227.

［16］ASSANTED，CASTROM，HAMBURGI，etal.TheuseofcloudcomputinginSMEs[J].ProcediaComputerScience，2016，83：12071212.

［17］吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现：来自股票流动性的经验证据[J].管理世界，2021（7）：130144.

［18］康书隆，余海跃，王志强.平均工资、缴费下限与养老保险参保[J].数量经济技术经济研究，2017（12）：143158.

［19］沈永建，于双丽，蒋德权.空气质量改善能降低企业劳动力成本吗[J].管理世界，2019（6）：161178.

［20］陈诗一，陈登科.雾霾污染、政府治理与经济高质量发展[J].经济研究，2018（2）：2034.

［21］伊志宏，陈欣，田柳.公众环境关注对企业绿色创新的影响[J].经济理论与经济管理，2022（7）：3248.

［22］阮建青，赵吕航，赵祚翔，等.成本上升对中国劳动密集型产业的影响：基于宁波纺织服装产业集群的研究[J].浙江大学学报（人文社会科学版），2021（6）：119133.

［23］陈文强，谢乔昕，王会娟，等.行权业绩考核与企业研发投资：“治理”还是“压力”：来自中国上市高科技企业的经验证据[J].经济管理，2021（11）：137155.

［24］刘维林，魏宜静.产业数字化如何推动贸易网络枢纽地位提升？[J].西安交通大学学报（社会科学版），2023（3）：6174.

［25］咸金坤，兰袁，汪伟.人口老龄化与企业对外直接投资：基于中国制造业上市企业的经验研究[J].国际金融研究，2022（8）：3443.

［26］刘海云，聂飞.中国制造业对外直接投资的空心化效应研究[qMH1mvHzQVd/WmgCKY1s9A==J].中国工业经济，2015（4）：8396.

［27］魏后凯，王颂吉.中国“过度去工业化”现象剖析与理论反思[J].中国工业经济，2019（1）：522.

［28］赵富森，李璐.知识产权制度的创业效应研究：基于中国知识产权示范城市建设的经验证据[J].产业经济研究，2021（6）：4457.

［29］张柳钦，李建生，孙伟增.制度创新、营商环境与城市创业活力：来自中国自由贸易试验区的证据[J].数量经济技术经济研究，2023（10）：93114.

［30］谭新雨.创业制度环境何以激发科技人才创业意愿：基于AMO理论视角[J].科学学研究，2024（4）：817827.

编辑：郑雅妮，高原