数字经济发展对异质性劳动力就业的影响研究_陈丽莎.pdf

工信财经科技 2023 年第 1 期 74 数字经济发展对异质性劳动力就业的影响研究数字经济发展对异质性劳动力就业的影响研究 陈丽莎*摘 要：本文基于 20112020 年 30 个省份（除西藏）的劳动力就业数据，结合数字经济发展水平的评价指标，通过建立工具变量最小二乘法（IV-2SLS），从异质性劳动力就业的角度出发，考察了不同省份数字经济发展对教育型劳动力就业、技能型劳动力就业和创业型劳动力就业的影响效应。研究发现，数字经济对教育型劳动力就业、创业型劳动力就业呈现正向作用；对技能型劳动力就业呈负向作用。进一步异质性检验发现，数字经济发展对创业型劳动力就业具有区域异质性，在中部地区具有抑制性，在西部和东部地区仍具有促进作用。关键词：数字经济；就业；IV-2SLS 一、引言 2020 年新冠疫情暴发以来，全球出现了公司倒闭、裁员等情况，就业形势日益严峻。就业是最大的民生，也是重大的经济社会问题。面对当前严峻的就业形势以及错综复杂的发展态势，数字经济成为一种新的产业形态迅猛发展起来，逐步成为中国极其具有发展潜力的经济形态之一。根据工信部发布的数据，目前，我国已经建成 142.5 万个 5G 基站，数字经济规模巨大，实力雄厚。不仅如此，我国数字经济在多个领域内名列前茅，技术跻身全球前列。20172021 年，我国数字经济规模取得了极大的突破，从 27.2 万亿元增至 45.5 万亿元，年复合增长率达到当前峰值，占国内生产总值的比重也有了显著的提升，成为推动经济增长的主要引擎之一（Singhal et al.，2018）。但是，当前数字经济所带来的技术革新与以往的技术进步对就业市场所带来的影响是不同质的。过去的技术变革是将繁杂的工作变得简单化、合理化、流程化，但是数字经济的发展所带来的技术变革对劳动市场提出了更高的要求。不仅是对当前就业市场上能力不够的劳动力的淘汰，也是对更高能力的就业内容的创造。北京师范大学发布的2021 中国劳动力市场发展报告提出，我国劳动力市场产生了新的变革，就业结构调整加速，就业质量有所提升，就业形态、就业优先政策等方面都有了重大调整。当前，我国劳动力市场呈现出多层次的特征，劳动年龄人口总量逐年减少，劳动力市场整体供大于求，高技能人才的需求缺口较大，劳动力市场就业岗位创造能力异质性明显，劳动力市场融合度上升等等。过去的理论往往将失业率的提高与经济发展的不稳定等同，但*陈丽莎，重庆师范大学经济与管理学院，硕士；邮箱：18315044135 。陈丽莎：数字经济发展对异质性劳动力就业的影响研究 75 是当前也有理论认为经济的增长与劳动力的素质能力相关。因此，精准识别数字化发展对于不同类型劳动力就业的影响是必要的。二、文献综述 数字经济作为互联网的延伸，对就业情况、各个劳动力层次均产生了广泛影响（Harris，1998）。目前，数字经济发展对劳动力就业的影响研究主要分为三类。（一）数字经济发展对就业总量的影响 数字经济的发展对就业产生了深刻的影响，使得市场对就业载体、就业形态、就业技能的要求发生重大变化，不仅存在显著的就业创造效应，而且存在明显的就业替代效果（胡拥军和关乐宁，2022）。一方面，数字经济发展提高了生产率，进而提高了产出水平，从而带动需求、带动就业；另一方面，数字经济所带来的技术进步将通过创造新机器、激发大众创业的潜能、促进过剩产能行业职工再就业等促进就业增长。胡鞍钢等（2016）指出，互联网的普及和应用创造出了大量灵活就业等新就业模式。就中国而言，与数字经济相关的就业岗位数量日趋庞大，创造了新的职业种类和新就业岗位，推动就业总量增长（王跃生和张羽飞，2022）。在我国经济转变发展方式的大背景下，数字经济正成为中国就业增长的重要驱动力（何宗樾和宋旭光，2020）。（二）数字经济发展对就业结构的影响 近年来，许多学者扩大了对劳动力的研究，他们的研究重点也从总量转向了就业结构。由于各个劳动者的教育水平不同，数字经济所产生的就业效应对不同类型的劳动者有所不同，对程序化工作具有替代作用，对非程序化工作具有互补作用，即使得高技能人才缺口扩大，同时缩减了中低等技能劳动者就业，最终导致中等收入阶层萎缩和收入两极分化（蔡跃洲和陈楠，2019）。司小飞和李麦收（2022）认为数字经济的快速发展加快了资源流动的速度，提高了劳动力资源的配置效率，优化了就业结构。其他研究表明（叶胥等，2021），总体上，数字经济促进了就业结构向制造化、高科技化和高技能化的转变。随着数字转型的逐步加速，数字经济的发展最终将推动制造化、高技能化、高科技化的就业结构。当前劳动力技能的培养仍然以教育为主，学历的高低是市场对劳动力水平的评价指标之一，但如果仅仅将教育水平作为区分劳动力水平的工具，具有极大的限制，缺乏足够的解释力（刘保中，2020）。赵涛等（2020）还分析了数字经济对创业活跃度的提升，从而对就业结构以及高质量发展带来的影响。（三）数字经济发展对就业质量的影响 一方面，数字技术进步会提高行业整合效率，促进就业环境的改善（戚聿东，2020）。在改变生产模式、优化产业结构和重塑市场模式的同时，数字经济的发展也导致了劳动工信财经科技 2023 年第 1 期 76 力市场规模和结构发生重大变化。劳动力市场呈现出多样化的就业模式、基于平台的组织模式和有效的信息传递等新特征（李丽，2022）。这将大大提高全要素生产率和企业盈利能力，进而改善社会福利和工作条件，并最终使就业质量得到巨大改善。另一方面，数字经济发展对工人的技术要求和工资水平也带来了很大改变。Autor（2015）认为数字经济发展使得数字化技术的相关产业改造升级，使得市场对高技能型的劳动力需求上升。最后，数字经济发展会导致劳动关系产生新的变化。综上分析，数字经济的发展对就业有多方面的影响效应，我们不应该单单局限于一个方面进行分析，而忽视了劳动力其他结构与其不同类型所带来的不同的就业效应。数字经济的发展对于当前就业的匹配程度提出了更高的要求，要求根据劳动力的不同技能、不同特质、不同能力进行不同的就业岗位匹配。因此，我们需要拓展更多维的视角，对不同类型的劳动力进行分别探讨。根据前文描述可知，当前研究主要集中于就业总量、就业结构等方面；在异质性方面也主要集中于教育，且以教育水平和教育年限的不同为主要标准，将其区分为高技能和低技能。然而，受教育程度并非劳动力技能供给的唯一渠道。三、理论分析（一）数字经济发展对教育型劳动力就业的影响 由于当前社会中，正规教育是提高自身水平和能力的一个重要渠道，因此，在劳动力市场上，教育水平的高低成为劳动者能力判别的重要标准。在数字经济迅速发展的情况下，数字化、智能化会显著增加高学历型劳动力的需求，这是由于高等教育所带来的更好的适应能力。较高教育水平的劳动者能够较好地面对当前的就业环境，及时改变自己的择业要求，向需求单位更好地展示自己更高的技能。教育水平较低的劳动者，由于不能更好地适应当前的环境，较难展现自己更好的能力，受到就业冲击之后易被替代。因此，基于上述分析，本文提出假设 1。假设 1：数字经济发展会增加教育型劳动力就业。（二）数字经济发展对技术型劳动力就业的影响 职业资格证书是除学校教育之外的重要参考标准，通过职业资格认证是对申请人该项能力的认可，因此可以看作对劳动者能力的重要补充（李雪等，2012）。但是职业资格证书并不能作为“高技能”的标志。在数字经济飞速发展的冲击之下，“技能型失业”可能难以避免。数字经济所带来的技术创新，导致一些重复的、不具有创新性的工作岗位被替代。据以往研究发现，未来 20 年会有 47%的劳动力需求岗位面临着被数字经济的衍生品所替代的风险。因此，基于上述分析，本文提出假设 2。假设 2：数字经济发展将降低对技术型劳动力的就业需求。（三）数字经济发展对创业型劳动力的影响 雷诺兹最先提出将创业行为分为生存型和机会型。前者指创业者技术壁垒低，为了陈丽莎：数字经济发展对异质性劳动力就业的影响研究 77 生存被动选择，而后者是创业者主动追求，着眼机会，从事创业。当前中国市场被各类技术进步围绕，对低技能劳动者产生了巨大的影响。由于低技能可替代性太强，在巨大的就业压力面前，创业不失为一个更好的选择（Fossen and Sorgner，2019）。事实上，数字化应用使我们的生活产生了翻天覆地的变化，人们能够有效地对未来的前景进行预测，从而有效发现创业机会（刘志阳和王泽民，2020）。因此，基于上述分析，本文提出假设 3。假设 3：数字经济发展将增加创业型劳动力的数量。四、数字经济指数的测度 关于数字经济指数测度的方法，本文借鉴赵涛等（2020）的方法，采用如表 1 所示的五个二级指标，具体对应的实际内容为：每百人互联网用户数，信息传输、软件和信息技术服务业城镇单位就业人员占比，人均电信业务总量，每百人移动电话用户数，北大数字普惠金融指数。然后利用 20112020 年中国除西藏以外的 30 个省份的数据分别进行测度。（一）数字经济计算公式设置 为了方便不同的指标之间进行比较，需要将数据进行标准化处理。在本研究中，所选择的经济指标对制度体系发展有利，所以均为正向指标，采用正向指标计算方法，所以公式设置为：ijjijjjXminX YmaxX minX-=-（1）其中 Yij为标准化的数值，Xij表示 i 省份 j 指标的原始数据，i=1，2，30，j=1，2，3，4，5；maxXj为所有年份中指标值的最大值，minXj为所有年份中指标值的最小值。（二）确定指标权重 本文使用熵权法对以上指标进行赋权。最终权重结果如表 1 所示。（三）计算数字经济综合发展指数 根据上面测度的权重，最终计算出数字经济发展指数。5ititjj 1digX W=（2）Xit表示 i 省份 j 指标标准化后的值，Wj表示 j 指标通过熵权法测度的最终权重，i=1，2，30，j=1，2，3，4，5。工信财经科技 2023 年第 1 期 78 表 1 数字经济综合发展指数评价体系 一级指标 二级指标 三级指标 权重 指标属性 数字经济综合发展指数 互联网普及率（%）每百人互联网用户数 0.079 554 021 正向 互联网相关从业人员人数（万人）信息传输、软件和信息技术服务业城镇单位就业人员占比 0.142 595 924 正向 互联网相关产出（亿元）人均电信业务总量 0.298 073 372 正向 移动互联网用户数（部/百人）每百人移动电话用户数 0.073 869 761 正向 数字金融普惠发展（%）北大数字普惠金融指数 0.405 906 923 正向 数字经济测度指标的数据主要来源于中国统计年鉴和北大数字普惠金融指数。由于每百人互联网用户数有少量缺失，为保证研究的顺利进行，空缺数据通过 ARIMA 线性插值法进行填补。五、实证模型设定（一）模型设定 为准确识别数字经济发展对劳动力就业的影响，联系理论与实际，构建如下计量模型：lnlaborit=0+1lndigit+2lnconit+vt+i+it （3）其中，i 表示第 i 个省份，t 表示第 t 年，0为截距项，1为数字经济对就业的回归系数，lndigit代表数字经济发展指数，lnlaborit则表示被解释变量，lnconit为控制变量，表示其他因素对就业的影响。vt为个体效应，i为时间效应，it为随机干扰项。（二）数据说明 本文选取 20112020 年除西藏外的 30 个省份的数据作为样本。核心解释变量相关数据在前文已经作出了详细说明。被解释变量与其他控制变量的原始数据主要来自于中经数据库、各省份统计年鉴、中国人口与就业统计年鉴、中国劳动统计年鉴。（三）变量选取 1.被解释变量被解释变量 本文中被解释变量即就业情况（lnlaborit）。本文为考察数字经济对异质性劳动力的全面影响，后续将通过以上模型对社会就业总数（lntotal）进行计算，并借鉴孙雪等（2022）的研究将劳动力细分为教育型劳动力（lnlabor-edu）、技术型劳动力（lnlabor-skill）、创业陈丽莎：数字经济发展对异质性劳动力就业的影响研究 79 型劳动力（lnlabor-entre）。2.核心解释变量核心解释变量 本研究中核心解释变量即数字经济（lndigit），前文通过各个指标已经进行了测度和计算，具体方法请参照前文。3.控制变量控制变量 本文应用到的控制变量有地区生产总值（gdp）、社会保障水平（secur）、城镇化水平（urban）、人力资本投资水平（invest）、贸易开放度（trade）、技术水平（tech），具体的衡量标准如表 2 和 3 所示。表 2 变量说明 变量名称 代码 变量说明 就业总量 total 社会就业人口总数 教育型劳动力就业 labor-edu 就业人员中大专及以上文化程度就业人员占比 技术型劳动力就业 labor-skill 各省份每年职业技能证书获取人数与就业人员占比 创业型劳动力就业 labor-entre 就业人员中个体和私营企业就业人员占比 数字经济发展水平 dig 线性加权法测算的发展水平 地区生产总值 gdp 各个地区的国内生产总值 社会保障水平 secur 各省份财政支出中社会保障与就业占比 人力资本投资水平 invest 各省份预算支出中教育经费支出占比 贸易开放度 trade 各省份进出口总额占 GDP 比重 城镇化水平 urban 各省份年末总人数中城镇人口的比重 技术水平 tech 各个省份研究与试验发展内部经费支出 表 3 变量的描述性统计 变量名称 样本容量 均值 标准误 最小值 中位数 最大值 lntotal 300 7.622 0.767 5.631 7.672 8.859 lnlabor-edu 300 2.864 0.420 2.074 2.821 4.143 lnlabor-skill 300 0.187 0.518-2.022 0.232 1.315 lnlabor-entre 300 3.508 0.485 2.436 3.470 4.783 lndig 300 3.496 0.522 2.045 3.517 4.587 lngdp 300 9.749 0.924 7.223 9.859 11.62 lnsecur 300 2.545 0.241 2.028 2.576 3.319 lninvest 300 2.782 0.166 2.290 2.807 3.100 lntrade 300 2.814 0.953-0.277 2.646 5.042 lnurban 300 4.046 0.201 3.537 4.043 4.545 lntech 300 14.77 1.320 11.55 14.96 17.36 工信财经科技 2023 年第 1 期 80 六、实证结果与分析（一）基准回归分析 在进行基准回归估计之前，首先进行 Hausman 检验。Hausman 检验结果表明，选择固定效应模型（FE）。但是为了降低模型设定产生的各种内生性问题的影响，采用工具变量最小二乘法（IV-2SLS）对模型进行参数估计。工具变量的确定需要满足两个条件：外生性和相关性。因此本文借鉴王亚飞等（2022）的做法，所选择的工具变量为被解释变量滞后一期与关键解释变量与其均值差值的三次方。为了保证工具变量的有效性，我们进行了弱工具变量检验，其检验结果如表 4 所示。检验工具变量解释力度的 F 统计量为 76.86，大于 10，说明不存在弱工具变量问题。由此说明工具变量的选择是合适的。为了比较三种模型的拟合效果，表 5 报告了三种模型的回归结果。将各个模型进行对比之后可知，IV-2SLS 模型的回归结果更加显著。因此，我们主要分析模型（7）（8）（9）。表 4 弱工具变量检验结果 变量 R-sq.Adjusted R-sq.Partail R-sq.Robust F（1，262）ProfF Lnx1 0.775 6 0.769 6 0.605 5 76.855 8 0.000 0 表 5 各个模型的回归结果 变量 OLS 估计 FE 估计 IV-2SLS 估计 lnlabor-edu（1）lnlabor-skill（2）lnlabor-entre（3）lnlabor-edu（4）lnlabor-skill（5）lnlabor-entre（6）lnlabor-edu（7）lnlabor-skill（8）lnlabor-entre（9）lndig 0.249*-0.367*0.533*0.236*1.443*0.084 0.373*-0.616*0.641*(0.034)(0.072)(0.040)(0.123)(0.435)(0.250)(0.063)(0.125)(0.067)lngdp-0.169*0.122-0.010-0.403*-0.897 0.518-0.171*0.141-0.013 (0.054)(0.111)(0.050)(0.198)(0.835)(0.383)(0.061)(0.100)(0.052)lnsecur-0.217*-0.736*-0.311*0.202*-0.597*-0.060-0.227*-0.694*-0.339*(0.059)(0.135)(0.085)(0.077)(0.347)(0.157)(0.060)(0.125)(0.090)lninvest-0.291*-0.299-0.720*0.018 0.629 0.225-0.209*-0.292-0.648*(0.104)(0.244)(0.166)(0.131)(0.495)(0.190)(0.111)(0.290)(0.161)lntrade 0.022 0.009 0.114*0.001 0.189 0.017 0.027-0.035 0.118*(0.019)(0.042)(0.025)(0.035)(0.145)(0.063)(0.022)(0.043)(0.027)lnurban 1.197*0.244 0.117-0.299-0.338-0.107 1.207*0.693*0.126 (0.112)(0.297)(0.227)(0.256)(1.171)(0.547)(0.133)(0.323)(0.250)lntech 0.095*-0.025 0.061*0.166*0.250-0.031 0.083*-0.010 0.053 (0.041)(0.085)(0.031)(0.059)(0.358)(0.143)(0.045)(0.080)(0.034)陈丽莎：数字经济发展对异质性劳动力就业的影响研究 81 续表 变量 OLS 估计 FE 估计 IV-2SLS 估计 lnlabor-edu（1）lnlabor-skill（2）lnlabor-entre（3）lnlabor-edu（4）lnlabor-skill（5）lnlabor-entre（6）lnlabor-edu（7）lnlabor-skill（8）lnlabor-entre（9）_cons-1.307*2.342 2.845*4.040*2.075-1.629-1.862*1.087 2.317*(0.586)(1.530)(1.026)(1.790)(5.274)(3.417)(0.629)(1.761)(1.020)个体 效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 时间 效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 N 300 300 300 300 300 300 270 270 270 R2 0.778 0.238 0.669 0.850 0.556 0.825 0.766 0.235 0.652 注：*、*、*分别表示在 1%、5%、10%水平下显著。在模型（7）中，核心解释变量 lndigit的系数为 0.373，说明保持其他条件不变，数字经济的增长对教育型劳动力就业具有显著的促进作用，其结果验证了假设 1。具体而言，数字经济每发展 1%，教育型劳动力就业就会提高 0.373 个百分点。除解释变量之外，地区经济发展水平、社会保障水平、城镇化水平对高学历型的劳动力就业起到显著的正向作用，贸易开放度在结果上显示不显著，那么表明贸易开放水平对高学历就业的影响作用不大。在模型（8）中，核心解释变量 lndigit的回归系数为-0.616 且在 1%的水平下显著，验证了假设 2。主要原因在于，职业技能证书并非高技能水平的体现，在数字经济的发展冲击之下，一些简单、机械性的工作被各种智能化所替代，易形成技术型劳动力替代，从而导致技术性失业。在模型（9）中，核心解释变量 lndigit的系数为正，其具体数值为 0.641，且在 1%的水平下显著，可以看出，数字经济的发展对创业型劳动力有显著的促进作用，验证了假设 3。数字经济发展所带来的劳动力的就业压力和创业机会增加，从而带动劳动力创业行为的增加。通过最终回归结果系数对比可以看出，数字经济的发展对创业型劳动力的促进作用要高于教育型劳动力的就业效应。数字经济每发展 1%的水平，创业型劳动力就业增加 0.641 个百分点，而教育型劳动力就业增加 0.373 个百分点。（二）稳健性检验 为了缓解模型的内生性问题，本文将借鉴钞小静和任保平（2011）的方法，进一步对该模型进行分析，采取更换核心解释变量（lndigit）的测度方法来进行稳健性检验。将工信财经科技 2023 年第 1 期 82 原来的熵权法转换为主成分分析法。具体的回归结果如表 6 所示。表 6 稳健性检验 (1)(2)(3)lnlabor-edu lnlabor-skill lnlabor-entre Lndig 0.036*-0.125*0.130*(0.018)(0.055)(0.035)控制变量 控制 控制 控制 个体效应 控制 控制 控制 时间效应 控制 控制 控制 _cons-2.259*1.617 4.997*(0.853)(2.433)(1.537)N 222 222 222 R2 0.709 0.312 0.532 注：*、*、*分别表示在 1%、5%、10%的水平下显著。更换了核心解释变量的测度方法之后，从表 6 可以看出，与基础回归结果较一致，这在一定程度上说明了模型的显著性。（三）地区异质性分析 众所周知，中国国土辽阔、历史悠久，各个地区的发展差距较大，这就可能使得不同地区的数字经济对教育型劳动力就业、技术型劳动力就业和创业型劳动力就业的影响及效应存在较大差异。因此，本文又将区域划分为中部、东部和西部，进一步研究区域的差异性。具体的回归结果如表 7 所示。表 7 中部、西部和东部地区的回归结果 变量 中部地区 西部地区 东部地区 lnlabor-edu lnlabor-skill lnlabor-entre lnlabor-edu lnlabor-skill lnlabor-entre lnlabor-edu lnlabor-skill lnlabor-entre lndig 0.573*-1.216*-0.098 0.156*-0.430*0.273*0.560*-1.087*0.769*(0.123)(0.282)(0.263)(0.070)(0.149)(0.060)(0.054)(0.177)(0.120)lngdp-0.496*0.835*0.529 0.020 0.141-0.218*-0.758*0.664*-0.114 (0.181)(0.363)(0.363)(0.062)(0.116)(0.053)(0.080)(0.243)(0.212)lnsecur 0.645*1.496*-1.059*0.038 0.268 0.008-0.111*-0.590*-0.167 (0.241)(0.385)(0.302)(0.155)(0.416)(0.105)(0.060)(0.131)(0.135)lninvest 0.105-1.313*0.034 0.321*0.713 0.401*-0.172 0.115-1.161*(0.284)(0.378)(0.326)(0.190)(0.675)(0.209)(0.142)(0.310)(0.258)陈丽莎：数字经济发展对异质性劳动力就业的影响研究 83 续表 变量 中部地区 西部地区 东部地区 lnlabor-edu lnlabor-skill lnlabor-entre lnlabor-edu lnlabor-skill lnlabor-entre lnlabor-edu lnlabor-skill lnlabor-entre Intrade-0.442*0.265*0.082 0.005 0.107 0.117*0.098*0.035 0.328*(0.070)(0.126)(0.101)(0.034)(0.067)(0.028)(0.033)(0.066)(0.063)lnurban-0.477 2.518*4.355*1.803*1.181*1.998*0.018 2.366*-1.659*(0.478)(0.959)(1.026)(0.239)(0.644)(0.267)(0.226)(0.743)(0.642)lntech 0.183*-0.665*-0.231-0.144*-0.178*0.078*0.519*-0.282 0.195 (0.107)(0.195)(0.181)(0.053)(0.103)(0.044)(0.057)(0.172)(0.153)_cons 3.855*-4.916-13.186*-4.103*-4.476-5.945*0.952-7.026*8.414*(2.269)(4.633)(4.393)(1.069)(3.607)(1.207)(1.047)(3.124)(2.637)个体效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 N 54 54 54 99 99 99 117 117 117 R2 0.865 0.628 0.785 0.646 0.150 0.805 0905 0.682 0.706 注：*、*、*分别表示在 1%、5%、10%的水平下显著。结果显示，数字经济对各个地区的教育型劳动力、技术型劳动力均有显著的影响，中部地区数字经济对创业型劳动力就业的模型回归结果不显著，说明中部地区数字经济发展对创业型劳动力就业的影响效果不大。教育型劳动力就业在中部地区和东部地区对数字经济发展是显著的正向效应，西部地区显著效果次之。对于技术型劳动力就业，数字经济显著抑制了三个地区的技术型劳动力就业，并且在中部地区的抑制作用更加明显，其次为东部地区，最后为西部地区。与表 4 的基准回归结果对比可知，分区域检验的结果在教育型劳动力就业和技术型劳动力就业的层面上与表 4 结果一致，而创业型劳动力就业的回归结果与表 4 存在较大差异，表现为中部地区结果不显著，且回归系数符号与全国层面的回归结果符号相反；西部地区和东部地区仍然具有普遍的一致性。七、结论与建议 目前，数字经济发展势头正猛，国家高度重视。在面对疫情的压力和经济转型的特殊时期，劳动人口的就业问题和生活问题变得更加敏锐。在此背景下，文章将数字经济发展的相对水平与不同类型的劳动力就业放在一个框架下进行研究，具有一定的理论意工信财经科技 2023 年第 1 期 84 义。本研究主要利用 20112020 年中国除西藏外 30 个省份的不同类型就业水平指标、数字经济水平指标，从理论上解释并实证检验了数字经济发展对教育型劳动力就业、技术型劳动力就业和创业型劳动力就业的影响，研究结果表明：第一，总体来看，数字经济发展显著抑制了技术型劳动力就业，但显著促进了教育型劳动力就业和创业型劳动力就业；第二，分区域检验发现，数字经济抑制了中部地区创业型劳动力就业，而对东、西部地区则具有促进作用；数字经济对教育型劳动力就业与技术型劳动力就业在全国层面上看仍具有相对一致性。基于以上分析，本研究提出以下政策启示：首先，数字经济作为新兴的经济类型，对传统的制造业等产生了巨大的影响。因此，加速数字经济的产业转型升级，进而缓解智能化和数字化对产业结构产生的严重的结构化影响是十分必要的。促进数字经济发展必须以数字技术为基础，以数字平台为主要支持，以数字赋权基础设施为重要支撑。数字化产业的壮大，是对就业形式的进一步更新迭代。数字化产生的新的就业形态以及就业形势的改变，是对当前“稳就业”的进一步实现。其次，数字经济的蓬勃发展必然会带来一些问题。因此，要建立完善的税收制度，努力克服数字经济时代的分配不均。某些中小企业由于融资问题等，企业发展困难，应当发挥财政政策的支撑作用，稳定中小企业的发展，成为其背后的支撑力量。但对于发展壮大起来的数字化企业，应建立适当的税收机制，不能打击企业的积极性，并对其进行激励。降低由于数字化所带来的失业率。由于数字化的发展，对就业人员的能力要求变高，因此，强化数字经济的就业保障成为必要。最后，健全数字化时代的就业机制，提升社会的就业风险应对能力。建立相对完善的就业监测系统，及时对失业的人口进行反馈和照顾。加强对企业的组织协调能力，缓解“就业难、招聘难”的困境。对事业人员进行相关的培训，提升就业培训优化系统，全面提升就业人员的技术水平和自身能力水平。在此基础上，完善相关的法律制度，保障失业人口的基础生活。此外，加快建设数字经济创新创业平台。数字经济所带来的就业创造效应是巨大的，要强化产研相融合。参考文献 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，(5):3-22.钞小静，任保平.中国经济增长质量的时序变化与地区差异分析J.经济研究，2011，(4):26-40.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.陈丽莎：数字经济发展对异质性劳动力就业的影响研究 85 胡鞍钢，王蔚，周绍杰，鲁钰锋.中国开创“新经济”从缩小“数字鸿沟”到收获“数字红利”J.国家行政学院学报，2016，(3):4-13+2.胡拥军，关乐宁.数字经济的就业创造效应与就业替代效应探究J.改革，2022，(4):42-54.李丽.数字经济对就业的影响及应对策略J.经济问题，2022，(4):37-42.李雪，钱晓烨，迟巍.职业资格认证能提高就业者的工资收入吗？对职业资格认证收入效应的实证分析J.管理世界，2012，(9):100-109+119+188.刘保中.人力资本类型及匹配对大学毕业生初职地位获得的影响J.青年研究，2020，(4):11-20+94.刘志阳，王泽民.人工智能赋能创业：理论框架比较J.外国经济与管理，2020，(12):3-16.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.司小飞，李麦收.数字经济、就业结构与就业质量基于中国省域数据的实证分析J.西北人口，2022，(4):54-69.孙雪，宋宇，赵培雅.人工智能对异质劳动力就业的影响基于劳动力供给的视角J.经济问题探索，2022，(2):171-190.王亚飞，张兴建，龚涛.中国数字经济发展对就业的多维影响：作用机理与经验证据J/OL.重庆文理学院学报（社会科学版）：1-132022-08-17.http:/ 王跃生，张羽飞.数字经济的双重就业效应与更高质量就业发展J.新视野，2022，(3):43-50.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，(4):1-13.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，(10):65-76.Singhal K,Feng Q,Ganeshan R,et al.Introduction to the Special Issue on Perspectives on Big DataJ.Production and Operations Management,2018,27(9):1639-1641.David H.Why are there Still so Many Jobs?The History and Future of Workplace AutomationJ.Journal of Economic Perspectives,2015,29(3):3-30.Fossen F M,Sorgner A.Digitalization of Work and Entry into EntrepreneurshipJ.Journal of Business Research,2021,125:548-563.Harris R.The Internet as a GPT:Factor Market Implications,in(E.Helpman,ed.)C.General Purpose Technologies and Economic Growth,1998:25-31.工信财经科技 2023 年第 1 期 86 Study on the Impact of Digital Economy Development on Heterogeneous Labor Employment LISHA CHEN(School of Economics and Management,Chongqing Normal University)Abstract:Based on the labor employment data of 30 provinces(except Tibet)from 2011 to 2020,combined with the evaluation index of the development level of digital economy,this paper establishes the instrumental variable least squares method(IV-2SLS)and starts from the perspective of heterogeneous labor employment.The effects of digital economy development on the employment of educational labor force,skilled labor force and entrepreneurial labor force in different provinces were investigated.The results show that digital economy has a positive effect on the employment of educational labor force and entrepreneurial labor force.It has a negative effect on the employment of skilled labor.Further heterogeneity test shows that the employment of entrepreneurial labor has regional heterogeneity,which is inhibitory in the central region,and still plays a promoting role in the western and eastern regions.Key Words:digital economy;employment;IV-2SLS 学术编辑：汪勇