产业数字化的就业技能结构效应研究.pdf

Vol.45 No.2（216）2024Northwest Population Journal产业数字化的就业技能结构效应研究王三兴，罗娟（安徽大学 经济学院，合肥 230601）【摘要】以数字技术和实体经济融合为特征的产业数字化快速发展，衍生出多种新型就业形态，对就业技能结构产生了深刻影响。在分析产业数字化对劳动力就业技能结构影响机理基础上，文章基于国家统计局2021年颁布的数字经济产业统计分类标准构建了产业数字化综合指标体系，利用熵值法测算出20112020年中国各地区产业数字化水平，构建固定效应基准回归模型和调节效应模型，从省际层面实证检验了产业数字化对就业技能结构的效应。结果表明产业数字化提高了中高技能劳动力就业比重，降低了低技能劳动力就业份额，优化了就业技能结构。其中，产业结构高级化和互联网发展水平在产业数字化对劳动力就业技能结构的影响中发挥了调节作用。产业结构高级化和互联网发展水平均正向调节了产业数字化对高技能劳动力就业的促进作用，减弱了产业数字化对中等技能劳动力就业的正效应。异质性研究表明东部地区产业数字化对就业技能结构影响显著，而中西部地区影响并不明显。进一步拓展分析发现地区外包水平会强化产业数字化对高技能劳动力就业的促进作用。因此，建议加快产业数字化进程、提升全社会劳动力数字技能水平、完善区域协调发展、提高FDI和外包质量，发挥产业数字化对就业技能结构的升级优化效应，实现充分和高质量就业目标。【关键词】产业数字化；就业技能结构；产业结构高级化；互联网发展【DOI】10.15884/ki.issn.1007-0672.2024.02.010【收稿日期】2023-06-02【中图分类号】F49；F249.2 【文献标志码】A 【文章编号】1007-0672（2024）02-0114-13【基金项目】国家社会科学基金项目“利率开放后金融市场间利率传导阻滞的成因、效应与对策研究”（19BJY241）；安徽省科研编制计划项目“自贸试验区设立能否改善城市环境状况：基于113个城市数据的检验”（2022AH040001）。【作者简介】王三兴，男，安徽合肥人，安徽大学经济学院教授、博士生导师；罗娟，女，河南信阳人，安徽大学经济学院硕士研究生。一、引言习近平总书记在二十大报告中指出要加速发展数字经济，积极推动数字经济与实体经济深度融合，形成具备全球竞争力的数字产业集群。我国数字经济规模从2012年的11万亿元增长到2021年的45.5万亿元，占GDP的比重从21.6提高到39.8，数字经济作用日益凸显。数字经济分为数字产业化和产业数字化。数字产业化是把数字化的知识和信息转化为生产要素，以科技创新、管理创新、商业模式创新等方式促进新型产业发展，是数字经济的核心和基础，如电子信息制造、信息通信、软件服务等产业。产业数字化是对现有产业的全过程、全链条的信息化，实现数字技术对实体经济的渗透、融合与提升。数字经济发展跃上新台阶，人民日报，https:/ 第45卷产业数字化的就业技能结构效应研究Vol.45 No.2（216）2024在国家政策推动、数据累积驱动、科技企业带动等多方面因素的共同作用下，我国传统产业数字化转型进度不断加快，数字化转型升级效果已初见成效。中国信通院发布的 中国数字经济发展白皮书（2021）显示，2021年我国产业数字化规模超过37万亿元，同比名义增长17.2，占数字经济比重为81.7，占GDP比重达到32.5。产业数字化已经成为推动数字经济发展的主导力量。产业数字化对劳动力市场需求规模和结构均产生了影响。一方面，传统产业与数字技术融合，催生出新就业形态，带来了大量新岗位，为劳动力提供了更多的就业机会。根据信通院 中国数字经济就业发展研究报告：新形态、新模式、新趋势（2021年）中的数据，2018年产业数字化领域招聘人数占数字经济招聘总人数的75.8。另一方面，新一代数字信息技术在传统产业中的渗透、融合和应用对劳动者提出了更高的数字技能要求，对技能要求低、重复性高的职业和岗位替代效应明显。从劳动力市场供给看，出生率下降、人口老龄化、教育同质化导致结构性失业现象突出。根据国家统计局的数据，2023年一季度1824岁的失业率达19.6。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 明确提出，要健全有利于更充分更高质量就业的促进机制，扩大就业容量，提升就业质量，缓解结构性就业矛盾。因此，研究产业数字化对就业技能结构的影响对于推动充分和高质量就业有着重要的理论和实践价值。本文的边际贡献可能在于：一是现有文献大多研究数字经济对就业技能结构的效应，本文尝试从产业数字化角度研究其对就业技能结构的影响。二是有别于前期文献对产业数字化的测算框架，本文基于2021年国家统计局最新发布的 数字经济及其核心产业统计分类 标准测算省际产业数字化水平，更接近产业数字化的内涵和统计标准。三是根据我国教育发展实际情况，对就业技能结构划分标准中的受教育年限做出了上调，相比过去的分类标准，本文的标准反映了我国平均教育水平的动态变化。二、文献综述与机理分析（一）文献综述产业数字化是通过将大数据、云计算、人工智能、物联网等现代化信息技术深度融合于生产、流通、分配和消费活动中来提高经济活动效率。多数文献主要从人工智能、互联网等具体技术应用角度研究产业数字化的就业技能结构效应，也有少数文献研究企业数字化转型对劳动力就业技能结构的效应。1.人工智能与就业技能结构的相关研究鉴于人工智能和机器人应用场景的不断增多，一些文献研究了人工智能和机器人应用对就业和就业结构带来的冲击。主流观点认为人工智能应用对从事程序性常规任务的中低技能劳动力具有显著的替代效应。Autor等（2003）1建立“常规任务模型”，指出工业机器人的应用对中、低技能水平劳动力需求具有负向效应。李磊、何艳辉（2019）2通过匹配中美两国的职业类别、结合美国各个职业被人工智能取代的概率分析我国就业现状，发现手工类、程式化的职业受人工智能的冲击最为显著。余玲铮等（2021）3通过构建“机器人工作任务”模型，并以广东省制造业企业问卷调查数据为样本，证明了工业机器人的使用降低了从事程序性、重复性或体力任务较多的劳动力就业比重。一些研究认为人工智能对不同技能劳动力的影响存在异质性。孙早、侯玉琳（2019）4发现工业智能化增加了高、低技能劳动力的需求，降低了中技能劳动力需求，导致中国劳动力就业结构整体上呈现出“两极化”特征。龚遥、彭希哲（2020）5运用随机森林分类器算法预测了不同职业被人工智能替代的风险，结果发现低技能劳动力所从事职业的潜在被替代风险高于其他职业。孔高文等（2020）6通过分析不同地区的学历结构与机器人应用规模的关系，发现机器人应用降低了低技能劳动力密集地区的就业规模。明娟、胡嘉琪（2022）7则认为工业机器人应用主要推动了高技能劳动力就业，抑制中等技能劳动力就业。115Northwest Population JournalVol.45 No.2（216）20242.互联网应用与就业技能结构的相关研究目前，学者们对于互联网普及和就业技能结构的关系尚未达成共识。一种观点是互联网使用对高技能劳动力就业具有积极影响。Autor等（1998）8认为伴随计算机革命而来的技能偏向型技术进步促进了高技能劳动力的需求。互联网应用作为技能偏向型技术，与高技能劳动力的非程序性工作具有较强的互补性，互联网使用会提高对高技能劳动力的需求，促进高技能劳动力收入的增加（马述忠等，2022；许家云、毛其淋，2023）9，10。另一种观点是互联网使用主要作用于中低技能劳动力。吴振华（2021）11通过省级面板数据研究发现互联网普及对中等技能劳动力就业具有显著抑制作用，而对低技能劳动力就业影响呈“U”型趋势。从劳动力流动的角度研究，宁光杰、杨馥萍（2021）12发现通过信息获取和技能转换，互联网使用促进了低技能工人向第三产业的流动，有利于低技能劳动力就业，而王子敏（2017）13则认为互联网的技能偏向效应会减少对低技能劳动力的需求。此外，陈卫民、韩培培（2023）14基于CFPS数据研究发现，受教育程度较低的劳动者就业对互联网的依赖性更强，互联网使用对中低技能劳动力就业的促进作用强于高技能劳动力。3.企业数字化与就业技能结构的相关研究企业数字化的本质是应用数字技术对企业组织模式进行重构，促进数字技术与实体经济的深度融合（尹西明、陈劲，2022）15。部分学者从微观层面研究了企业数字化转型对就业技能结构的影响。大部分研究表明企业数字化转型带来的就业创造效应大于替代效应，企业数字化整体上促进了高学历劳动力就业的增加（任颋、刘欣，2021）16。贺梅、王燕梅（2023）17以制造业企业为样本研究发现数字化转型可以增加企业高技能劳动力比重，从而提高员工工资。赵宸宇（2022）18发现制造业企业数字化会增加高技能人员占比，挤出生产性、重复性的低技能劳动力，优化企业劳动力技能结构。石玉堂、王晓丹（2023）19、杨白冰等（2023）20采用文本分析法刻画企业数字化转型程度，也得出了类似的结论。官华平等（2023）21利用20112020年A股上市公司数据的实证研究表明企业数字化转型通过提高企业生产效率、扩大产出规模的路径促进劳动力技能结构升级。部分研究认为数字技术引导企业生产自动化会替代传统生产所需的劳动力，带来就业规模的减少。王永钦、董雯（2020）22采用企业层面的微观数据，发现机器人应用与中国制造业企业的中等技能劳动力需求呈负相关关系。陈梦根、周元任（2021）23通过测算20132019年分行业的企业数字化水平，研究发现企业数字化主要通过技术替代机制减少对劳动力的总需求，且偏向于降低对低技能劳动力的需求。从上述文献可以看出，多数学者主要从产业数字化的技术应用或微观企业视角研究其对就业技能结构的影响，缺少从宏观层面论证产业数字化和就业技能结构的关系。（二）机理分析首先，互联网、大数据、人工智能、物联网等新一代信息技术融入传统产业，推动传统产业向数字化、智能化转型。随着人工智能技术应用场景的不断拓宽，机器人的使用将降低劳动力的就业份额，引致“机器换人”（孙早、侯玉琳，2019）4。人工智能技术赋予机器设备拟人化的思维与行为，使其能够替代劳动力，独立完成生产任务。当机器人的使用成本低于劳动力的工资，企业固然会选择用人工智能取代部分劳动者的工作。基于任务属性视角，人工智能对综合能力要求较低或只需使用单一类型技能的职业替代可能性更大（王林辉等，2022）24。因此，产业数字化的发展会抑制低技能劳动力就业。其次，产业数字化借助大数据、云计算等技术提高了生产部门在技术、管理及创新方面的效率，推动了产业结构转型升级，促进了对软件开发与运营、设备维护等技术密集型岗位的需求，高技能的数字化人才需求不断增加。中国信息通信研究院在2021年发布的 数字经济就业影响研究报告 中提出，截至2020年我国数字化人才缺口约为1 100万。相对于低技能劳动力，拥有一定基础知识和学习 1162024年第2期 第45卷产业数字化的就业技能结构效应研究Vol.45 No.2（216）2024能力的中高技能劳动力经过培训后，更容易掌握软件开发、互联网使用、大数据挖掘等相关技能。因此，产业数字化的发展将促进中高技能劳动力就业，同时对劳动者技能本身有迭代升级与不断优化的要求。最后，传统行业数字化改造加快了信息要素流动，降低了传统劳动力市场的信息壁垒，减少了劳动力市场搜寻和匹配的时间和资金成本，创造出多种被数字支配的偏向于低技能劳动力需求的新就业形态，如骑手、代驾、直播等，增加了劳动者的就业机会。1.产业结构高级化的调节机制分析产业数字化是在传统产业的基础上进行数字化改造，因此一个地区原本的产业结构基础会制约产业数字化的发展。2021年中国信息通信研究院 中国数字经济发展白皮书 报告显示，2020年我国第三、二、一产业的数字经济渗透率分别达到了40.7、21与8.9，表明服务业和工业与数字技术的融合程度较高，而农业与数字技术的融合程度较低，这可能是因为农业生产受限于自然环境，数字技术应用范围有限。因此，产业结构高级化程度高的地区产业数字化水平更高。此外，产业结构高级化对劳动力技能结构也会产生影响。改革开放后，依靠人口红利优势，我国经济主要靠要素投入实现粗放型快速增长，市场对劳动力技能没有过高要求。但随着人口老龄化比例日趋提高，各类要素价格上升和资源约束，经济增长将更多依靠人力资本质量和技术进步，科技创新使越来越多高附加值的高新技术企业逐步代替劳动密集型企业（冀福俊，2023）25，从而对劳动力素质提出更高要求。因此，产业结构高级化将会调节产业数字化对各类技能劳动力就业结构的效应。2.互联网发展水平的调节机制分析互联网是产业数字化的重要基础设施（田鸽、张勋，2022）26，网络基础设施建设薄弱会制约传统产业智能化、数字化发展，互联网发展与普及程度所形成的数字鸿沟会扩大地区间的产业数字化发展水平差距。从微观个体来讲，企业数字化改造离不开数字技术支持，通过引入互联网技术，可以促进企业各要素（包括技术、人力资源、资本和数据等）之间的全面联通和优化配置，从而加速企业的数字化进程（郭克莎、杨倜龙，2023）27。企业数字化转型过程中，一方面企业对研发部门的投入增加，在一定程度上降低了人工成本总规模及其所占份额（王永钦、董雯，2020；陈梦根、周元任，2021）22，23，另一方面企业对员工提出了掌握数字技能和使用信息技术设备的新要求，形成对高技能劳动力的偏好，改变了企业原有的雇佣结构。因此，一个地区的互联网发展会影响该地区产业数字化的发展，进而影响其对就业技能结构的效应。三、模型构建、变量选择与数据来源（一）模型构建基于上述理论分析，本文构建了基于省级面板数据的实证模型，如（1）式所示：Eri，t=0+1Indgi，t+jXj，i，t+i+t+i，t（1）其中，下标i表示不同省份，t表示年份，Eri,t(r=high、middle、low)为各省不同技能（高技能、中技能、低技能）劳动力占比，代表就业技能结构，Indgi,t为各省产业数字化发展水平，Xj,i,t为其他控制变量，i为省份固定效应，t为时间固定效应，i,t为随机误差项。（二）变量选取与说明1.被解释变量：就业技能结构（Eri，t）教育年限与思维和社交能力正相关，与常规能力负相关，受教育年限较长的劳动者在思维、创新等方面具备较强的综合能力，受教育年限越短的劳动者倾向于接受对技能要求较低的工作（王林辉等，2022）24。此外，由于受教育程度短期内很难发生改变，本文按照大多数文献衡量劳动力技能等级 117Northwest Population JournalVol.45 No.2（216）2024的方法，采用受教育程度对其进行划分。根据教育部发布的数据，2021年我国劳动年龄人口平均受教育年限约为11年，人均受教育程度达到了初中以上学历。基于此，本文提高了大多数文献（明娟、胡嘉琪，2022；郝楠、江永红，2017）7，28划分不同技能劳动力的教育年限标准，把受教育程度在本科及以上学历的劳动力定义为高技能劳动力，受教育程度为大专学历（包括高等职业教育）的劳动力定义为中技能劳动力，受教育程度在高中及以下学历（包括中等职业教育）的劳动力定义为低技能劳动力。2.核心解释变量：产业数字化（Indg）目前学术界对于产业数字化尚未形成统一的核算体系。大多学者根据现有关于数字经济的测算方法，多维度构建产业数字化指标体系（王军等，2021）29。少数学者运用增加值的方法对产业数字化进行测算，如蔡跃洲、牛新星（2021）30基于数字技术特征，构建数字经济增加值规模测算框架，计算数字产业化和产业数字化两部分贡献的增加值。刘波、洪兴建（2022）31借助增长核算框架具体测算我国各个行业的产业数字化程度。2021年，国家统计局发布最新数字经济统计分类标准 数字经济及其核心产业统计分类（2021），该分类标准基于 国民经济行业分类 同质性原则，科学地界定了数字经济及其核心统计范围与行业，将产业数字化细分为智慧农业、智慧制造、智能交通等九大部分。本文按照此分类标准，并基于数据的可得性、可量化性原则，构建的产业数字化指标体系如下表1所示。一是智慧农业方面。智慧农业指利用现代信息技术和智能设备提高农业的生产及管理水平，促进农业机械化、智能化进程。本文选取的智慧农业指标主要体现信息技术在农业领域的普及水平。二是智能制造方面。智能制造指使用人工智能、5G、区块链、VR/AR等先进科技与装备技术对生产制造设备改造升级，提高制造业生产效率。本文选取的智能制造指标主要展现制造业技术改造的投入和产出水平以及工业化与信息化的融合水平。三是智能交通方面。智能交通指利用数字化技术和互联网平台对交通系统进行管理控制，通过智能管理和交通信号联动提高交通运输效率。本文选取的智能交通指标主要反映数字化对交通环境的改善能力。四是智慧物流方面。智慧物流指依托信息化技术进行仓储和配送活动，通过融合智能信息技术自动感应识别物流配送的全过程，提高物流配送环节的管理水平与效率，降低人工和管理成本。本文选取的智慧物流指标反映物流数字化的应用与发展水平。五是数字金融方面。数字金融是传统金融行业与数字化信息技术和平台相结合的新兴服务。本文选用 北京大学数字普惠金融指数 衡量数字金融水平，此套指数体系由北京大学数字金融研究中心和蚂蚁集团研究院共同编制，反映了中国数字金融总体发展情况。六是数字商贸方面。数字商贸特指在流通环节中利用数字化信息技术的批发零售、现代住宿餐饮、租赁等活动。本文选取的数字商贸指标主要体现商贸业的数字化发展水平。七是数字社会方面。数字社会指通过数字化科技和信息化平台进行的教育、卫生和社会工作等活动，包括在线医疗、在线教育、网络慈善等。由于在线教育、在线医疗大多以网络平台为载体，基于数据的可得性，本文选取网站平台个数综合反映数字社会基建水平。八是数字政府方面。数字政府指各行政机关、税务、海关等政府部门，通过互联网提供或进行的各种电子政务活动。中央党校（国家行政学院）电子政务研究中心发表的 省级政府和重点城市网上政务服务能力调查评估报告 中提供了中国历年各地的网络行政服务质量指数，本文用其衡量数字技术在政务中的应用水平。九是其他数字化效率提升业方面，包括互联网居民生活、娱乐、住房服务，城市管理，数字采矿，数字化建筑等。其他数字化效率提升业相关指标代表其他行业的数字化规模和效益水平。1182024年第2期 第45卷产业数字化的就业技能结构效应研究Vol.45 No.2（216）2024本文选用熵值法这一客观赋权法来计算各指标权重。由于传统的熵值法局限于处理截面数据，故本文参照杨丽、孙之淳（2015）32的研究，对传统的熵值法做进一步改进，即在传统方法的基础上加入时间变量。首先对原始指标数据xtij（t表示年份，i表示省份，j表示指标）进行无量纲化处理，使数据具有横向可比性，处理后的指标值为ztij。再根据熵值大小ej得出各项指标的差异性系数gj=1-ej，进一步计算各项指标在总评分中的权重wj=gjgj，最后通过加总求和（zitj wj）得到各个省份各年份的综合得分。将全国分为东、中、西部地区，根据熵值法测算所得结果，计算各地区20112020年产业数字化得分的平均值，以衡量各个地区产业数字化平均发展水平。结果显示，各地区产业数字化发展均呈现稳步上升的趋势（图1），说明各地区的产业数字化发展态势良好。同时，各地区产业数字化发展水平存在显著差异性。东部地区产业数字化发展速度较快且发展水平超过全国平均值，中西部地区产业数字化发展相对缓慢。总体上，东、中、西部的产业数字化水平呈现梯度递减态势，东部地区和中西部地区的产业数字化发展水平差距有扩大趋势。3.控制变量参考孙早和侯玉琳（2019）4、李昕和关会娟（2018）33、李志龙（2019）34以及陆雪琴和文雁兵（2013）35的做法，结合本文的研究内容，选择的控制变量如下：人口老龄化（old）：人口老龄化不仅会引起劳动力资源在产业间及产业内的重新配置、影响劳动力市场的技能结构，也会导致生育率降低和老龄人口比例增加，改变劳动力的供给结构。本文使用老年抚养比进 根据国发 2000 33号文件，东部区域包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省（市）；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省（自治区）；西部地区包括四川、贵州、云南、广西、陕西、甘肃、内蒙古、青海、宁夏、重庆、新疆、西藏12个省（自治区）。由于西藏地区数据缺失严重，故本文将其剔除。表1产业数字化指标体系一级指标智慧农业智能制造智能交通智慧物流数字金融数字商贸数字社会数字政府其他数字化效率提升业二级指标农村宽带用户占比开通互联网业务的行政村比重规上工业企业有效发明专利数规上工业企业当年累计R&D项目数规上工业企业R&D经费两化融合指数省道拥挤度增加量装卸搬运和仓储从业人员数占比快递业务量数字金融指数实物商品的网络销售总额有电子的商务企业比重每百企业拥有的网站平台个数政务一体化指数规上采矿业主营业务规模成本电力、热力、燃气及水生产主营业务收入建筑业劳动生产率研究与开发机构R&D经费内部支出企业每百人使用计算机台数移动互联网用户文化体育与传媒经费支出单位/%个个万元/万件/亿元%个/亿元亿元人/元万元台万户亿元属性+-+-+图120112020年全国以及东、中、西部地区产业数字化平均水平 119Northwest Population JournalVol.45 No.2（216）2024行衡量；生活成本（life）：当区域生活成本较高时，对低技能劳动力具有较强的挤出作用。本文采用城镇居民家庭平均每人全年消费性支出占城镇居民人均可支配收入的比重作为测度指标；政府教育投入（edue）：地方政府对教育的投入程度会直接影响人力资本积累，改变劳动力技能结构（李昕、关会娟，2018）33。本文用教育支出占一般性财政支出的比例来表示；外商直接投资（fdi）：我国吸引的FDI主要集中在劳动密集型行业，对高技能劳动力就业具有抑制性影响（李志龙，2019）34。本文选用外商直接投资额与地区国内生产总值的比重来衡量；人才供给水平（lnstudent）：高等学校在校生数反映地区的人才供给水平，从供给侧影响就业技能结构（陆雪琴、文雁兵，2013）35。本文使用高等学校在校生数的对数来作为代理变量。4.调节变量根据前文理论分析，本文选择产业结构高级化和互联网发展水平作为产业数字化影响就业技能结构的调节变量。在国内经济循环中，国内价值链及最终需求的结构变化使得第一产业占比降低、第三产业占比上升、生产性服务业与实体经济逐渐走向深度融合，推动了产业结构转型和整体升级（张建华等，2023）36。因此，本文参照徐德云（2008）37的做法，依次给第一、二、三产业产值占比赋予越来越高的权重来衡量产业结构高级化程度，具体测算公式为：Indu=i=13yi i=y1 1+y2 2+y3 3（Indu为产业结构高级化指标，yi表示第i产业产值占总产值比重），该指数越接近于3，说明产业结构高级化程度越高。互联网发展从最初的计算机连接网络，逐渐融入到个人、企业、产业、国家经济社会的发展过程中，在产业融合和应用方面的要求日益增强，仅采用单一指标无法全面刻画互联网发展水平，故本文借鉴黄群慧等（2019）38、左鹏飞等（2020）39测度互联网发展水平的方法，选取了互联网宽带接入用户，信息传输、软件和信息技术服务业城镇单位就业人员，城镇单位就业人员，年末常住人口，电信业务总量，移动电话年末用户，每百人互联网用户数，计算机服务和软件从业人员占比，人均电信业务总量，每百人移动电话用户数共十个互联网发展的相关指标综合测量互联网发展水平（Net）。为了减少指标之间共线性对计算结果的影响，本文选用主成分分析法对其进行测算。（三）数据来源与描述性统计本文样本设定为20112020年我国除港澳台和西藏以外的30个省（市、区）的面板数据。被解释变量和控制变量的数据主要来自 中国人口与就业统计年鉴 中国区域经济统计年鉴 和 中国统计年鉴。产业数字化指标的相关数据来自各省份的统计年鉴和 中国统计年鉴 中国科技统计年鉴中国交通运输统计年鉴 中国工业统计年鉴 等。调节变量的数据来自各省份历年的统计年鉴。部分指标的少数年份数据存在缺失，本文选用插值法进行补齐。关键变量描述性统计结果见表2。四、实证检验（一）基准回归检验在基准回归之前，本文对模型的随机效应和固定效应的估计结果进行了豪斯曼检验，检验得出的p值小于0.01，显著拒绝原假设，表明固定效应模型适用于本文的估计。表3分别列出了产业数字化影响高、中、低技能劳动力就业的基准回归结果。结果显示，产业数字化显著促进中高技能劳动力就业，对低技能劳动力就业有显著的负向影响，表明产业数字化对低技能劳动力就业具有抑制作用，产业数字化发展提高了中高技能劳动力就业占比，减少了低技能劳动力就业份额。从具体控制变量来看，外商直接投资对中高技能劳动力就业具有负向影响，对低技能劳动力就业有显著促进效应，表明国外资本主要流入劳动密集型产业，吸引了较多低技能劳动力就业。人才供给 1202024年第2期 第45卷产业数字化的就业技能结构效应研究Vol.45 No.2（216）2024水平与高技能劳动力就业显著负相关，说明地区高学历劳动力供需结构存在错配现象，即地区高等学校在校生人数越多并不意味着对高技能人才的需求越多，其中既有高校专业设置与企业实际岗位需求不一致的原因，也有高技能人才从中西部向东部流动和迁移的因素。（二）稳健性检验1.替换核心解释变量综合指标的测算方法可能会造成回归结果误差，本文重新分配各分级指标的权重，测算产业数字化水平（Indg_t）。结果如表4所示，替换后的核心解释变量的回归系数依然显著，并对不同技能劳动力的作用方向与基准回归结果保持一致，验证了本文的基本结论。2.缩尾处理为了减少数据极端值对回归结果的干扰，本文对样本数据进行1%的缩尾处理来进行稳健性检验。如表5所示，第（1）（2）列中产业数字化的回归系数均显著为正，第（3）列中产业数字化的回归系数显著为负，说明产业数字化对中高技能劳动力就业具有积极作用，对低技能劳动力就业具有负向影响，再次表明本文模型的估计结果是稳健的。（三）内生性检验人才集聚对地区的创新能力具有显著性影响，导致就业技能结构制约产业数字化的发展，产生反向因果的内生性问题。为了检验内生性，本文选用产业数字化水平的一阶滞后项为工具变量，并采用2SLS的方法估计关键变量的系数。结果如表6所示，在10的置信度水平下产业数字化促进了中高技能劳动力就业，在1的置信度水平下产业数字化抑制低技能劳动力就业，与基准回归结果接近。表2变量描述性统计表类别核心解释变量被解释变量调节变量控制变量变量高技能劳动力占比中等技能劳动力占比低技能劳动力占比产业数字化产业结构高级化互联网发展水平政府教育投入外商直接投资人口老龄化生活成本人才供给水平符号highmiddlelowIndgInduNeteduefdioldlifelnstudent样本数300300300300300300300300300300300平均值0.0930.1050.8020.1372.3740.6020.1640.0210.1460.6707.837标准差0.0700.0350.1020.1110.1290.0680.0260.0190.0370.0970.285最小值0.0270.0480.3710.0252.1660.5000.0990.0000.0740.2906.987最大值0.4380.2160.9200.8122.8360.9000.2220.1210.2551.3438.633表3产业数字化对就业技能结构影响的基准回归变量Indgeduelifefdilnstudentold个体固定时间固定consNR2（1）high0.040*（2.161）-0.054（-0.484）-0.014（-1.534）-0.272*（-2.405）-0.060*（-3.375）0.090（0.478）YY0.537*（3.862）3000.817（2）middle0.049*（2.665）0.054（0.398）0.009（1.189）-0.012（-0.178）-0.004（-0.273）0.084（1.034）YY0.088（0.735）3000.718（3）low-0.089*（-3.168）0.001（0.008）0.006（0.587）0.279*（2.589）0.063*（3.028）-0.176（-1.026）YY0.384*（2.507）3000.855注：*、*、*分别表示在1%、5%、10%的水平下显著，括号内为t值，下表同。121Northwest Population JournalVol.45 No.2（216）2024此外，经过检验，（1）（3）列第一阶段回归中的最小特征值统计量（Minimum eigenvalue statistic）都 显 著 大 于 2SLS Size of nominal 5 Wald test中10显著水平下的临界值，表明不存在弱工具变量的问题，验证了工具变量的可靠性。（四）机制检验在模型（1）的基础上引入调节变量与产业数字化的交互项以检验产业结构高级化和互联网发展水平的调节效应，构建如下调节效应模型：Eri,t=0+1Indgi,t+2Mi,t+3Indgi,tMi,t+djXj,i,t+i+t+i,t（2）其中，i和t分别表示省份和年份；Eri,t、Indgi,t、Xj,i,t的含义与前文基准回归模型中相同；Mi,t表示调节变量；i表示省份固定效应；t表示时间固定效应；i,t为随机误差项。若交互项的系数3显著，则调节效应成立。1.产业结构高级化的调节机制检验为了减少加入交互项带来的多重共线性问题，本文对产业数字化和产业结构高级化两项指标分别进行去中心化处理后再进行回归，表7为产业结构高级化的调节效应模型回归结果。由列（1）所示，产业结构高级化与产业数字化交互项（Indu Indg）的系数显著为正，说明产业结构高级化在产业数字化影响高技能劳动力就业中存在正向的调节效应，随着产业结构高级化程度的提高，产业数字化对高技能劳动力就业的作用机制得到强化。由列（2）可知，Indu Indg的系数显著为负，表明产业结构高级化在产业数字化与中等技能劳动力就业的关系中起负向调节作用，产业结构高级化会减弱产业数字化对中等技能劳动力就业的促进作用。2.互联网发展水平的调节机制检验与产业结构高级化调节效应检验处理方法相同，对互联网发展水平指标进行了去中心化处理，回归结果见表8。第（1）列的结果显示，互联网发展水平与产业数字化交互项的回归系数显著为正，说明互联网发展强化了产业数字化对高技能劳动力就业的促进作用，在互联网发展水平更高的地区，产业数字化对高技能劳动力的集聚效应更强。第（2）列的结果表明，互联网发展水平弱化了产业数字化与中等技能劳动力之间的正向关系。产业数字化与中高技能劳动力就表4稳健性检验：替换核心解释变量变量Indg_t控制变量个体固定时间固定_consNR2（1）high0.042*（1.964）控制YY0.537*（3.868）3000.816（2）middle0.051*（2.102）控制YY0.088（0.725）3000.715（3）low-0.094*（-2.589）控制YY0.384*（2.464）3000.853表5稳健性检验：缩尾处理变量Indg控制变量个体固定时间固定_consNR2（1）high0.040*（1.881）控制YY0.428*（3.472）3000.815（2）middle0.055*（2.057）控制YY0.074（0.568）3000.715（3）low-0.095*（-2.419）控制YY0.512*（2.794）3000.847表6内生性检验变量Indg控制变量个体固定时间固定_consNR2（1）high0.037*（1.948）控制YY0.859*（6.124）2700.981（2）middle0.038*（1.950）控制YY0.211（1.555）2700.944（3）low-0.077*（-2.720）控制YY-0.058（-0.343）2700.982 1222024年第2期 第45卷产业数字化的就业技能结构效应研究Vol.45 No.2（216）2024业的关系会受到地区互联网发展水平的影响。（五）异质性检验为研究地区间不同的产业数字化发展水平对就业技能结构的影响差异，本文以东、中、西部三大经济区域划分样本数据。表 9 中列（1）（3）、（4）（6）、（7）（9）分别报告了东、中、西部地区产业数字化发展对就业技能结构影响的估计结果。结果表明，东部地区产业数字化发展对中高技能劳动力就业有显著正向效应，对低技能劳动力就业有显著负向效应，中西部地区产业数字化对就业技能结构的影响并不显著。这说明产业数字化对就业技能结构的影响具有区域差异性，东部地区产业数字化对就业技能结构的优化作用强于中西部地区。这种差异性的原因可能在于，更高水平的产业数字化吸引了更多的中高技能劳动力就业，在产业数字化发展较落后的中西部地区，对中高技能劳动力的需求并不明显，反映了不同区域的劳动力供求失衡。（六）拓展分析：基于外包水平的中位数回归检验被外包出去的生产环节或工序必然引起要素需求的相对变化，改变对不同技能劳动力的需求（孙淑琴、秦立政，2022）40。因此，为了考察参与外包是否影响产业数字化的就业技能结构效应，本文根据外包水平中位数将样本分为两组做中位数回归。中国主要通过以来料加工装配和进料加工为主的加工贸易参与国际离岸外包，本文参照郝楠、江永红（2017）28的做法，以加工贸易出口占GDP的比重来衡量地区外包水平。表10中第（1）（3）、（4）（6）列分别为外包水平高于和低于中位数的样本回归结果。在外包水平高于中位数地区，产业数字化发展对不同技能水平劳动力就业的影响系数均显著；在外包水平低于中位数地区，产业数字化仅对高技能劳动力就业有显著负向影响。说明外包企业在产业数字化方面走在前列，参与外包强化了产业数字化对就业技能结构的升级优化效应，外包参与度较低的区域存在高技能劳动力的流失与迁移现象，这点需要后续的跟踪研究来进一步证明。五、结论与政策建议本文以2021年国家统计局颁发的 数字经济及其核心产业分类 标准为基础，构建省级层面的产业数字化指标体系，研究产业数字化对就业技能结构的影响及机制，研究发现：第一，产业数字化促进了劳动力就业技能结构升级，提高了中高技能劳动力就业占比，降低了低技能劳动力就业比例；第二，表7产业结构高级化的调节机制检验变量IndgInduInduIndg控制变量个体固定时间固定_consNR2（1）high-0.147*（-1.920）0.079*（1.964）0.885*（2.229）控制YY0.243*（2.424）3000.859（2）middle0.104*（4.028）0.012（0.353）-0.249*（-2.728）控制YY0.179*（1.753）3000.730（3）low0.042（0.499）-0.092（-1.663）-0.637（-1.556）控制YY0.588*（3.756）3000.864表8互联网发展水平的调节机制检验变量IndgNetNetIndg控制变量个体固定时间固定_consNR2（1）high-0.119*（-2.835）0.257*（1.839）0.569*（3.145）控制YY0.406*（3.389）3000.837（2）middle0.161*（3.337）0.241*（2.102）-0.591*（-3.319）控制YY0.225*（2.020）3000.750（3）low-0.043（-0.553）-0.497*（-2.566）0.022（0.074）控制YY0.379*（2.375）3000.867 123Northwest P