数字经济赋能服务业就业：行业异质性与空间效应_周闯.pdf

2023年 3 月技术经济第 42 卷第 3 期周闯等：数字经济赋能服务业就业：行业异质性与空间效应周闯1，2，郑旭刚1，张抗私1（1.东北财经大学 经济学院，辽宁 大连 116025；2.东北财经大学 劳动就业与人力资本开发研究中心，辽宁 大连 116025）摘要：数字经济的发展对实现高质量充分就业具有重要作用，促进服务业就业是实现高质量充分就业的重要抓手。本文基于 20112019年的地级市面板数据分析了数字经济对服务业就业的影响，并进一步考察了该影响的行业异质性和空间效应。研究结果表明，数字经济有助于增加服务业就业，并且采用中国劳动力动态调查微观数据的分析也得出相同的结论；数字经济主要通过扩张城市人口规模，促进产业结构服务化来增加服务业就业；数字经济对服务业就业的影响存在行业异质性，对流通服务业、个人服务业和生产服务业的就业产生了正向影响，但影响程度存在明显差异，对公共服务业的就业没有产生显著影响；数字经济对服务业就业的影响产生了空间效应，并且该空间效应也存在行业异质性。关键词：数字经济；服务业就业；行业异质性；空间溢出效应中图分类号：F241.4文献标志码：A文章编号：1002980X（2023）3016712一、引言就业是最基本的民生，是推动高质量发展、实现共同富裕的重要基础，也是实现中国式现代化的重要抓手。中国进入了以服务业为主的发展阶段（江小涓和靳景，2022），国家统计局数据显示，2021年服务业增加值占国内生产总值的比重为 53.3%，对经济增长的贡献率为 54.9%。世界银行数据显示，中国服务业就业人员比重由 2009 年的 34%上升至 2019 年的 47%，可见，服务业在稳增长、稳就业中所发挥的作用日益增强。然而，与世界主要经济体相比，我国服务业体量，吸纳就业的能力和对经济拉动作用仍显不足。数字经济促使中国经济从要素驱动转向数据驱动（杨文溥和曾会锋，2022），提高了服务业劳动生产率，必然影响服务业的就业状况。中国信通院发布的 中国数字经济发展白皮书（2022）显示，2012年以来我国数字经济年均增速达 15.9%，2021年数字经济规模已达 45.5万亿元，数字经济结构更加优化，并成为稳增长的重要引擎。数字经济能够创造或毁灭服务业就业，对服务业就业表现出双向影响（赵昱名和黄少卿，2020），但 已 有 文 献 表 明 数 字 经 济 仅 略 微 降 低 了 劳 动 力 成 本 份 额，在 总 体 上 不 会 替 代 服 务 业 就 业（Birch-Jensen et al，2020），而是倾向发挥补偿效应和岗位创造效应，最终促进服务业就业。一方面，信息传输、软件等技术性服务业不断发展，成为服务业的重要组成部分，其创造了新的就业形态和新的就业岗位，拓宽了就业渠道；另一方面，数字经济赋能传统服务业，使其劳动生产率逐步提升，扩大其经营范围，创造了众多就业岗位。党的二十大报告分别强调“强化就业优先政策，健全就业促进机制，促进高质量充分就业”和“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。实体经济是现代化产业体系的根基和支柱（夏杰长，2022），服务业作为实体经济的重要组成部分，数字经济能够拓服务业发展空间，提升其发展潜力，从而壮大和发展实体经济，增强服务业吸纳就业的能力，助力实现高质量充分就业。高质量充分就业是高质量发展的重要支撑，数字经济是高质量发展的重要推动力，加快数字经济发展和促进收稿日期：2022-12-01基金项目：国家社会科学基金重大项目“就业优先、稳定和扩大就业的推动机制与政策研究”（21ZDA099）；东北财经大学省级科研平台研究能力提升专项“数字经济发展与农民工职业层次转变”（PT-Y202226）；辽宁省教育厅基本科研项目面上项目“农民工消费行为特征及消费潜力释放的策略研究”（LJKMR20221604）作者简介：周闯，博士，东北财经大学经济学院副教授，硕士研究生导师，研究方向：劳动力市场就业与工资研究；郑旭刚，东北财经大学经济学院硕士研究生，研究方向：劳动经济学；张抗私，博士，东北财经大学经济学院教授，博士研究生导师，研究方向：劳动经济学。数据来自国家统计局网站，具体网址见 https：/ 72%、美国为 79%、英国为 81%、荷兰为 82%，数据来自世界银行公开数据，具体网址见 https：/ 42 卷第 3 期高质量充分就业对实现经济高质量发展具有重要作用。若能以数字经济为抓手，稳定和扩大服务业就业，实现高质量充分就业，就是推动经济高质量发展和共同富裕的重要基础，对保障和改善民生，实现中国式现代化具有重要意义。已有文献的分析焦点主要在数字经济对就业总量和就业结构的影响，特别是制造业和服务业之间就业结构的转变（戚聿东等，2020；杨骁等，2020；孟祺，2021；陈建伟和苏丽峰，2021），而较少将研究视角聚焦在服务业本身，尤其是服务业内部不同行业的差异和空间溢出效应上。在服务业行业多、门类广，要素密集程度不同的情况下，数字经济发展对不同服务业就业的影响是否存在异质性？此外，数字经济增强了区域内经济联系，会对其他城市的经济增长表现出空间溢出效应（胡艳等，2022），那么数字经济对服务业就业的影响是否也存在空间溢出效应？对这些问题的回答都需要将分析的视角深入服务业内部，构建完整的实证框架加以分析。基于此，本文首先基于 20112019年地级市层面的服务业就业和数字经济数据，使用固定效应模型分析了数字经济对服务业就业的影响，并采用中国劳动力动态调查数据（China labor-force dynamicssurvey，CLDS）从微观视角进行了论证。此外，还基于工具变量和“智慧城市”试点政策构建双重差分模型识别其中的因果效应。随后，探讨数字经济促进服务业就业的作用机制，并将分析视角深入服务业内部，分析了数字经济对不同服务业行业就业影响的异质性。最后，使用空间杜宾模型分析了数字经济对服务业就业影响的空间溢出效应。分析结果表明，数字经济对服务业就业影响的补偿效应大于替代效应，从而促进了服务业就业。从作用机制来看，数字经济主要通过扩大城市人口规模、促使产业结构服务化，来促进服务业就业。从细分的服务业来看，数字经济能够促进流通服务业、个人服务业和生产性服务业就业的增加，但对社会服务业的就业没有显著影响。数字经济对地理周边城市的服务业就业产生了空间溢出效应，不仅能够促进本城市服务业就业，而且能够带动周边城市服务业的就业。本文研究首先与服务业就业的文献相关，已有文献主要从以下几个方面进行研究：第一，制造业和服务业的互动关系对服务业就业的影响。陈龙和张力（2020）认为制造业和服务业的互动关系有助于增加服务业就业。罗军（2020）发现整体上，城市制造业服务化促进了服务业就业，但对批发、住宿、居民服务及文化体育等细分行业就业拉动作用不明显。由于女性在服务业就业中具有比较优势，制造业投入服务化显著提高了服务业女性就业占比（刘斌和赵晓斐，2020）。第二，探讨扩大服务业就业的影响因素。马子红和韩西成（2020）发现高铁开通提升了服务业就业水平，并有助于改善特大城市、超大城市服务业的就业结构。魏嘉辉和顾乃华（2021）发现老龄化程度提高了老年服务行业的就业占比，有利于知识密集型服务业发展，从而推动中国服务业结构性升级。陈丽娴（2021）发现服务业企业开展海外业务提高了企业就业规模。尹恒等（2021）发现社保降费有助于降低企业劳动成本，增加企业对劳动力需求，促进服务业就业。第三，数字技术对服务业就业的影响。赵昱名和黄少卿（2020）通过理论分析发现数字技术会毁灭低端制造业岗位，但会创造高技能生产性服务业、低技能生活性服务业的就业岗位。曾世宏等（2022）发现数字技术主要通过提高交易效率和增进行业分工来促进服务业就业，并且该效应具有空间外溢性。与本文相关的另一方面文献是关于数字经济对劳动力市场影响的研究。已有研究主要关注以下方面：第一，关注数字经济对就业规模的影响，Acemoglu和 Restrepo（2018）发现智能化升级增加了对知识和技能劳动力的需求。何宗樾和宋旭光（2020）发现数字经济的线上优势，减少了疫情期间人员聚集，稳定了就业。然而，宋旭光和左马华青（2019）发现工业机器人的使用提高了劳动生产率，挤出了劳动力。第二，关注数字经济对就业结构的影响，孟祺（2021）发现数字经济加速了就业服务化趋势，改变了就业结构。陈建伟和苏丽锋（2021）认为通用型技术进步加速了就业结构从制造业向服务业转型，但可能会引起结构性失业。第三，关注数字经济对就业质量的影响，戚聿东等（2020）发现数字经济能提高工作效率、收入和社会保险参保率，有助于改善就业质量。郭晴等（2022）发现数字普惠金融提高了小时工资率和工作自主性，降低了工作时长，但对社会保障产生了负面影响。已有文献分析了数字经济对就业的影响，但较少将视角聚焦于服务业本身，服务业行业多、门类广，涉及劳动、技术密集型行业，将研究视角聚焦于服务业可能发现与已有研究不同的结论。赵昱名和黄少卿（2020）仅通过理论定性分析数字技术与服务业就业的关系，曾世宏等（2022）虽然进行了实证分析，但所使用数据为省级面板数据，省级数据会掩盖各地级市之间经济变量的差距，并且数据量较小可能产生一定的估计偏误。本文分析了数字经济对服务业就业的影响，丰富了已有实证研究成果。将省级数据深入到地级市层面，并结合 CLDS的微观调查数据从多个维度进行分析，提升结论的可靠性。进一步考虑到服务业行业多、门类广的168周闯等：数字经济赋能服务业就业：行业异质性与空间效应特征，从行业异质性和空间效应视角对已有研究进行拓展，丰富了已有研究的结论。与已有研究相比，本文的贡献主要体现为：第一，以数字经济发展为视角，定量研究了数字经济发展对服务业就业的影响，丰富了有关建立促进服务业就业长效路径的研究，有助于理解数字经济在实现高质量充分就业和高质量发展中所发挥的作用。第二，本文以城市层面的数据分析为基础，补充以微观数据的分析，从多个维度得到研究结论，使结论更具一般性和稳健性。在内生性方面，分别使用工具变量法和交叠双重差分解决内生性，并使用Goodman-Bacon（2021）提出的 Bacon 分解法识别异质性处理效应的程度，使用 Gardner（2021）提出的两阶段估计量提供稳健性估计结果，使因果效应的识别更加稳健。第三，本文考虑了服务业内部行业间的特征，对细分行业展开研究，确定了数字经济对服务业就业影响具有行业异质性，进一步考虑了数字经济发展对区域内其他城市服务就业所产生的空间效应。二、理论分析和研究假说（一）数字经济对服务业就业的整体影响本文参考高文书（2020）提出的产出损失折算法估算数字经济对服务业就业的整体影响。假设价格和其他影响服务业产值和就业的因素不变，服务业的就业数量可以表示为L=TSTS/L=TSP（1）其中：L为服务业就业量；TS为服务业增加值；P=TS/L为服务业劳动生产率；下标t0和t1为数字经济发展前和数字经济发展后的两个时期，则数字经济带来服务业就业量的变化L，可以表示为L=Lt1-Lt0=TSt1Pt1-TSt0Pt0=Pt0TSt1-Pt1TSt0Pt1Pt0（2）因为，Pt1=(1+r)Pt0，则式（2）可化简为L=Pt0TSt1-(1+r)Pt0TSt0(1+r)Pt02=TSt1-TSt0-rTSt0(1+r)Pt0=TS(1+r)Pt0-r1+rLt0（3）假设情境 1：服务业增加值不变，即TS=0。数字经济对服务业就业的影响为L=-rLt0/(1+r)，劳动生产率增长率r越大，r/(1+r)越大，L越小，挤出的服务业就业量越多。此时，数字经济对服务业就业的影响表现为“替代效应”，即企业用更高生产效率的自动化设备替代劳动力，提升劳动力的边际产品，从而减少了服务业的就业量。假设情境 2：服务业劳动生产率不变，即r=0。数字经济对服务业就业的影响为L=TS/Pt0，因为Pt0不变，数字经济带来的服务业增加值的变化TS越大，L越大，增加的就业越多。这种情境下，数字经济对服务业就业的影响表现为“补偿效应”，即企业利用“数据”要素低成本和可复制的特点，降低生产或服务的平均成本，形成规模经济，扩大生产和服务规模，从而增加了服务业的就业量。现实情况下，数字经济对服务业增加值和劳动生产率都会产生影响，使“替代效应”和“补偿效应”并存。因此对服务业就业量的影响取决于数字经济对服务业增加值的变动TS和劳动生产率增长率r的影响程度。基于此，本文提出如下假设：如果补偿效应发挥主导作用，数字经济发展会扩大服务业就业（H1a）；如果替代效应发挥主导作用，数字经济发展会挤出服务业就业（H1b）。（二）数字经济对服务业就业影响的作用机制1.城市规模效应数字经济发展能够降低信息成本和交易成本，强化知识和技术溢出效应，有助于吸引外商投资流入（鲁玉秀和方行明，2022）。数字经济发展也会带动消费者与企业市场变革、推动产业结构高级化、促使社会多维治理体系改革（马玥，2022）和提升城市创业活跃度（赵涛等，2020），最终实现经济高质量发展。因此，数字经济会吸引外商投资、促进经济高质量发展，创造更多就业机会，提升城市经济承载能力，吸引周围地区的劳动力流向本地，扩大城市人口规模。城市规模扩大会使“厚劳动力市场效应”得以发挥，即城市规模越大就业市场越好（陈靖等，2022），企业会拥有更大的市场规模和创业机会，从而对劳动力需求越大（Beaudry et al，2018），那么城市中会存在更多的服务业就业岗位。城市规模扩大也会使“知识溢出效应”得以呈现，即城市169技术经济第 42 卷第 3 期规模越大，其人力资本外部性程度越高，劳动者通过日常交流能够实现人力资本提升，有助于劳动者从事知识、技术密集型服务业，从而扩大服务业就业。2.产业结构服务化效应数字技术能够促进服务业效率提升、创新服务业产业组织形态，提升服务业规模效率、贸易效率和分工效率（江小涓和靳景，2022），从而增强服务业对经济增长的贡献率，扩大服务业规模，推动产业结构服务化，增强服务业吸纳就业的能力。随着数字经济发展，知识、技术密集型服务业的生产率不断提升，有助于拓宽其行业规模，增强其吸纳就业的能力，并创造了数字化管理师、人工智能人才等高技术服务岗位，发挥了岗位创造效应。数字经济凭借其强大的渗透力赋能传统服务业，改善服务业经济效益，增强竞争力，创造出更多服务业岗位（李晓华，2022）。数字经济与传统服务业结合，形成了新业态和新模式，如线上线下结合的新零售模式，其拓宽了传统零售的服务空间，节约了交易成本、打破了时空限制并提升服务质量，增强其吸纳就业的能力。此外，数字经济使企业组织网络化、扁平化，用工模式逐渐多元化和弹性化，创造出诸多如网络营销师、配送员等服务行业的灵活用工，增强了服务业吸纳就业的能力。基于上述分析，本文提出假设 2：数字经济通过扩大城市规模、推动产业结构服务化促进服务业就业（H2）。（三）数字经济对服务业就业影响的异质性依托网络的服务业呈现出三个重要特点，即规模经济、范围经济和长尾经济，这改变了服务业的基本性质（江小涓，2017）。从规模经济来看，数据作为数字经济的关键要素，具有可复制和边际成本低的特点，可以加速实现规模经济，降低成本，增加利润。从范围经济来看，作为数字经济发展重要形式的在线平台，不仅能够连接大量买家和卖家，销售多种产品和服务，降低不同主体间的合作成本，而且能够使不同产业链间相互融合渗透，创造新的产品和服务，增强企业的盈利能力。从长尾经济来看，数字技术的采用增强了生产者和消费者信息共享的能力，生产者能够依据消费者特定的需求提供更加个性化的商品和服务，消费者也愿意为特定需求的满足支付更高的价格。成本的降低和盈利能力的提升会使企业扩大生产，增加行业规模，从而使数字经济的补偿效应发挥作用，吸纳更多的劳动力就业。但不同行业要素密集度、产品链长度、商品种类和差异化需求不同，规模经济、范围经济和长尾经济的程度不同，造成补偿效应的发挥存在行业差异。此外，数据要素参与生产提升了各要素间匹配效率，降低了摩擦成本，提高要素利用效率。企业为更充分享受规模经济、范围经济和长尾经济所带来的收益，也会不断优化要素配置效率，使用智能化和自动化设备替代程式化生产过程中的人工劳动，提高劳动生产率，对服务业的就业产生挤出，使替代效应发挥作用。同样，不同行业的特征差异也会使替代效应存在差异。基于以上分析，本文提出假说 3：数字经济对不同类型服务业就业的影响存在异质性（H3）。（四）数字经济对服务业就业影响的空间溢出效应数字经济增强了区域内的经济联系，使经济增长具有溢出效应（胡艳等，2022）。因此，数字经济对服务业就业的影响也可能存在溢出效应。首先，新经济地理学认为消费者和中间投入品的多样性需求能够引发规模报酬递增，降低生产成本，从而促进空间集聚。数字化水平的加强会提高人均收入水平（Allen et al，2016），刺激消费者的多样性需求，同时数字经济所具有的开放、跨时空和共享性的特征，减少了资源和信息壁垒，使服务业企业获取中间投入品更为便捷。因此，数字经济会使服务业实现规模报酬递增，形成区域内集聚，促使区域内不同城市的服务业都能更好地发挥补偿效应。其次，新经济地理学认为资本外部性的规模和劳动力迁移成本决定了经济活动的空间整合程度。数字经济的发展增强了劳动力的信息获取能力，降低了劳动力的迁移成本，使劳动力能够更加自由地在区域内的不同城市间进行转移。这种情况下，一个城市的服务业发展模式能够较容易在区域内另外一个城市，特别是地理位置相毗邻的城市得到复制，带动区域内不同城市服务业的协同发展，形成城市间服务业就业的正向溢出效应。最后，新经济地理学的“中心-外围模型”指出规模效应和运输成本的节约会吸引企业选择市场规模较大的区域集聚，同时企业集聚会丰富区域商品种类和数量，进一步强化集聚，集聚地区吸引各种要素资源汇聚形成“中心”，其他区域因损失资源发展较慢形成“外围”，外围发展依附于中心，区域发展表现为不平衡的竞争关系。数字经济发展对服务业影响较大的城市会对区域内其他城市服务业的发展产生“虹吸效应”（李梦雨等，2021），从而形成城市间服务业就业的负向溢出效应。170周闯等：数字经济赋能服务业就业：行业异质性与空间效应基于此，本文提出假说 4：数字经济会影响周边城市服务业的就业，但溢出效应的方向无法确定（H4）。三、数据、变量和计量模型（一）数据、变量选取与描述性统计本文使用 20112019年 279个地级市的统计数据进行分析，数据来自 中国城市统计年鉴 和中经网数据库。由于 2020年城市统计年鉴中缺少服务业就业数据，故本文最新数据使用到 2019年，并以 2011 年为基期运用 GDP 平减指数对城市的相应变量进行平减，以剔除价格变化产生的影响。1.被解释变量和核心解释变量本文的被解释变量为服务业就业量（lne3），采用第三产业就业人数（万人）的对数值。为增强结论的稳健性，参考董艳梅和朱英明（2016）的方法构造了服务业就业密度（Me3），采用由第三产业就业人数（万人）与行政区土地面积（公顷）的比值得到。核心解释变量为数字经济（d），参考赵涛等（2020）的研究，将电信业务收入、移动电话用户数、信息传输计算机服务和软件业人数、互联网宽带接入用户数及北大数字普惠金融指数五个变量进行标准化处理，使用变异系数法计算每个变量的变异程度得到权重系数，加权合成得到。2.中介变量本文中介变量为城市规模和产业结构服务化。城市规模（lnn）采用城市年末总人口数的对数衡量。产业结构服务化（structure）采用第三产业增加值与第二产业增加值的比重衡量。3.控制变量为使结果更具因果解释力，回归中需要对既影响数字经济又影响服务业就业的混淆因素予以控制，具体包括经济发展水平（lngdp）、就业结构（pe）、产业结构（is）、科技水平（lngkj）和人力资本水平（lngedu）。经济发展水平用地区生产总值的对数表示，经济状况会影响数字经济发展，并且根据奥肯定律，经济发展也会影响服务业的就业；就业结构采用服务业就业量与总就业量的比值表示，就业结构体现了城市整体的劳动者技能水平，既影响数字经济发展，也会影响服务业的就业；产业结构采用城市的第三产业增加值与生产总值的比值表示，产业结构的改变会影响数字化进程，也必然会影响服务业的就业；科技水平用政府预算的科技支出表示，政府的科技支出体现了地区的科技水平，会影响数字经济的发展，同时也会通过影响服务业的资本劳动比对服务业的就业产生影响；人力资本水平用政府预算的教育支出表示，政府对教育的投资反映该地区的整体教育水平，影响当地人力资本存量，人力资本充裕城市的技术创新活跃度高，数字经济发展也较快，同时人力资本充裕城市的高技能劳动者比重较大也会影响到服务业的就业。表 1给出了变量的描述性统计。（二）计量模型构建为分析数字经济对服务业就业总量的影响及对不同服务业就业量影响的异质性，本文构建如下回归模型：lne3it=0+1dit+2Controlit+i+t+it（4）其中：lne3it为城市i在t时期的服务业就业量的对数；dit为城市i在t时期的数字经济水平；Controlit为控制变量；i和t分别为城市和年份固定效应；it为随机干扰项；0为截距项；1和2分别为各变量估计系数，当分析服务业行业异质性时，将被解释变量替换为相应服务业的就业量。为明确数字经济如何影响服务业就业，本文采用中介效应模型进行分析。具体程序如下：首先，进行式（4）的回归，根据系数1的显著性判断数字经济对服务业就业的影响。其次，根据式（5）系数1分析数字经济对中介变量Mit的影响。最后，将中介变量和数字经济同时放入回归模型，通过系数1和2判断两者对服表 1变量的描述性统计变量类型被解释变量解释变量中介变量控制变量符号lne3Me3dlnnstructurelngdppeislngkjlngedu变量服务业就业人数对数服务业就业密度数字经济水平城市人口规模产业结构服务化地区生产总值对数就业结构产业结构科技支出对数教育支出对数观测值2511251125112511223525112511251125112511均值12.1770.0750.0005.8870.96616.57050.66440.05610.37513.110标准差0.8090.3610.8700.7010.5500.93213.8419.8141.3840.785最小值9.5320.000-0.5562.9700.1149.8787.43010.1506.6249.241最大值15.71411.54011.5408.1365.16819.75994.82080.98015.52916.245171技术经济第 42 卷第 3 期务业就业的影响。在系数1显著下，若1和2均显著且1系数小于1则表明存在部分中介效应，若1不显著则表明存在完全中介效应，若1和2存在不显著，则需进行 Sobel检验确定中介效应。Mit=0+1dit+2Controlit+i+t+it（5）lne3it=0+1dit+2Mit+3Controlit+i+t+it（6）为分析可能存在的空间溢出效应，在式（4）的基础上构造广义嵌套空间模型（GNS）：lne3it=0+1Xit+j=1，j iNWijlne3jt+j=1，j iNWijXijt+i+t+it（7）it=j=1，j iNWijjt+it（8）其中：和分别为空间自回归系数和空间自相关系数；Wij为空间权重矩阵；Xit为包括数字经济和控制变量在内的自变量向量；Wijlne3jt和WijXijt分别为服务业就业量对数、数字经济及控制变量的空间滞后项。当 0、0且=0时，退化为空间杜宾模型，当 0、=0且=0时，退化为空间自回归模型。此外，数字经济具有覆盖性广和渗透性强的特点，可以突破地理和空间距离的限制，实现跨区域合作，产生外溢效应。因此，本文基于地理距离构造逆距离矩阵Wij，当i j时，W1=1/d2ij，其中dij为城市i和城市j之间的地理距离，否则为 0。地理矩阵只从地理空间上反映了区域内相关关系，实际上不同城市间相关关系可能会受到地理和经济两方面的综合影响。由此，本文构建经济地理复合权重矩阵。Wij=(-Ei-Ej)/d2ij，i j0，i=j（9）其中：-Ei和-Ej为两个城市 20112019年经济变量均值，该权重同时考虑到不同空间单元受到地理距离和经济状况的影响。为保证结果的稳健性，本文经济变量分别使用人均 GDP和年末常驻人口数构造经济地理复合权重矩阵，分别记为W2和W3。四、数字经济发展对服务业就业的影响（一）基本结果分析表 2给出了数字经济对服务业就业总量影响的回归结果。（1）列仅包含数字经济指标和城市固定效应，（2）列加入了城市经济其他指标，（3）列进一步加入了时间固定效应，可以发现，数字经济促进了服务业就业的增长，有助于服务业更好发挥“就业稳定器”作用。数字经济的发展提高了人均收入，有助于增加居民的消费需求，提升了服务业的增加值，扩大了就业水平。此外，数字经济衍生出新的产品和服务，带来了新的增加值，创造了新的就业岗位，并且使部分工作环境较差或枯燥的环节被数字化和智能化，改善了工作环境，吸引劳动力就业。尽管数字经济的发展在一定程度上会提升服务业的劳动生产率，对劳动力产生了替代，但从回归结果来看，这种替代效应还要明显小于补偿效应，补偿效应占据主导地位。基本回归结果验证了假设 1，即数字经济对服务业就业的影响中补偿效应占主导，能够促进服务业就业。（二）内生性问题尽管在基本结果的分析中已经尽可能控制了既影响数字经济发展又影响服务业就业的因素，但依然存在着遗漏变量的可能性，同时，服务业就业总量的增加也可能会促进数字经济的发展。因此需要进一步考虑数字经济的内生性问题。本文采用两种策略，一种是工具变量方法，另一种是将“智慧城市”试点政策作为准自然实验，通过交叠双重差分方法识别数字经济对服务业就业的因果效应。1.工具变量方法借鉴黄群慧等（2019）的研究，将上一年互联网宽带接入用户数分别与 1984年邮电业务总量和电话机数表 2基本回归结果变量名称dlngdppeislngkjlngedu城市固定效应年份固定效应观测值Within R2（1）lne30.300*（0.049）是否25110.235（2）lne30.196*（0.047）0.087*（0.027）-0.001（0.002）0.002*（0.001）0.023*（0.008）0.057*（0.021）是否25110.324（3）lne30.154*（0.050）0.058*（0.012）0.001（0.002）-0.000（0.001）0.021*（0.008）0.008（0.019）是是25110.384注：括号内为稳健标准误；*、*、*分别表示在 10%、5%、1%的水平上显著性。172周闯等：数字经济赋能服务业就业：行业异质性与空间效应进行交互，并把两个交互项分别作为工具变量进行两阶段最小二乘回归。互联网最初源于电话机的普及，电话普及率高的地区更可能互联网普及率也高，而互联网与数字经济密切相关。邮电业务总量反映该地区对信息和交流的需求和使用习惯，会影响数字经济发展，但 1984 年数据已较为久远，同时邮电业务对服务业就业的影响已逐渐消失，符合相关性和外生性假定。此外，为防止上述两个工具变量可信度的不足，进一步使用 Lewbel（2012）提出的基于随机干扰项异方差情形下的工具变量构造方法进行分析，三种估计结果见表 3 的（1）（3）列，在考虑了数字经济发展的内生性后，数字经济仍对服务业的就业总量具有显著的正向影响，证明了本文基准回归结果的稳健性。2.交叠双重差分方法本文将“智慧城市”试点战略作为准自然实验，识别数字经济对服务业就业的因果关系。“智慧城市”战略在 2012年、2013年和 2014年分三批进行了试点，旨在通过建设数字和信息基础设施，实现对城市资源精细和动态管理，这为数字经济奠定了坚实的基础。因此可以将其视为数字经济的外生冲击。构建的交叠双重差分模型如下：lne3it=0+1Zcityit+2Controlit+i+t+it（10）其中：Zcityit为城市i是否入选“智慧城市”试点的虚拟变量，若i城市在t年入选试点城市，则Zcityit在 t年后所有取值都为 1，否则为 0；系数1反映了该政策对服务业就业的影响。表 3的（4）列给出了交叠双重差分的回归结果。“智慧城市”战略使试点城市的服务业就业量相比非试点城市提升约 3.8%。“智慧城市”政策的实施提升了入选城市的数字信息基础设施建设，互联网应用能力，加速其数字经济赋能服务业的进程，扩大服务业的经营范围，提升服务质量，带动服务业发展，增加服务业就业。运用双重差分法要求入选城市和未入选城市的服务业就业具有相同的变动趋势，即需要满足平行趋势假设。图1给出了平行趋势检验的结果。将试点实施前一年作为基期，可以发现实施前两年和前三年的政策效应不显著且接近于零，即平行趋势假设得到满足。从动态效应来看，“智慧城市”试点政策对服务业就业的影响具有持续性的效果，“智慧城市”政策的实施使城市建设更多的数字信息基础设施，提升了创新活跃度，刺激多样化消费需求，推动服务业发展，拉动服务业就业。交叠双重差分时组别和时间维度的异质性可能产生负权重问题，从而交叠双重差分法得到的平均处理效应会产生偏误（Goodman-Bacon，2021）。本文使用 Goodman-Bacon（2021）提出的 Bacon 分解法，发现估计结果中 73%变化来自处理组与从未处理组差异的结果，而不同处理时间带来的差异占总效应的 26.6%，同组内的差异占 0.3%，可知不同时间组进行差分时产生的负权重可能会对本文结果产生干扰。为证明结论的稳健性，使用 Gardner（2021）提出的两阶段估计量重新进行估计，其思想是在第一步，用还未处理的观测样本来识别反事实结果，拟合处理组样本未接受处理结果下的预测值，然后将处理结果下的观测值与这个预测值进行差分，得到个体水平的处理效应，并在第二步中加总得到平均处理效应。表 3的（5）列给出了两阶段双重差分的估计结果，d的系数与交叠双重差分的结果基本相同，表明结果具有较好的稳健性。（三）其他稳健性检验1.替换被解释变量由于辖区面积大的城市通常人口密度较高，而人口密度高的城市服务业就业量和数字经济发展水平通常较高。因此，参考董艳梅和朱英明（2016）的方法，用第三产业就业人数（万人）与行政区土地面积（公顷）的前3年前2年前一年实施年后一年后2年后3年后4年后5年后6年后7年政策时点动态处理效应0.60.40.20图 1平行趋势检验结果表 3工具变量和双重差分的估计结果变量名称d控制变量城市固定效应年份固定效应观测值Within R2第一阶段 F值（1）2SLS0.111*（0.027）是是是211713.687（2）0.064*（0.016）是是是211712.888（3）Lewbel0.043*（0.022）是是是2511418.015（4）交叠 DID0.038*（0.018）是是是25110.348（5）两阶段 DID0.039*（0.017）是是是2511注：括号内为稳健标准误；*、*、*分别表示在 10%、5%、1%的水平上显著性。173技术经济第 42 卷第 3 期比值构造服务业就业密度（Me3）指标，将其作为被解释变量重新进行分析，结果见表 4的（1）列，可知数字经济增加服务业就业的效应较为稳健。2.更换权重设计方法基准回归中数字经济指标的构建使用了变异系数法设计权重，考虑到权重设计方法的不同会导致数字经济指标的差异，进而可能影响到估计结果，本文借鉴赵涛等（2020）的方法进一步使用主成分分析法设计权重构造数字经济指标。主成分分析法下得到的 Kaiser-Meyer-Olkin（KMO）值为 0.752，说明适合进行指标的构造。结果见表 4的（2）列，更换权重设计方法后，数字经济仍具有增加服务业就业的效应。3.排除部分样本基准回归中包含北京、上海、广州、深圳等经济水平较高的城市，其数字经济发展状况、服务业发展程度都与其他一般城市存在显著差异，为检验结果对异常值的敏感程度，剔除上述城市重新进行分析。结果见表4的（3）列，可知数字经济促进服务业就业总量增加的结论并不受特殊城市的影响。4.采用微观调查数据的分析本文将 2018 年中国劳动力动态调查数据（CLDS）与城市数据匹配，从微观视角考察数字经济发展对服务业就业的影响。在样本范围上，将未工作和信息缺失的个体剔除，得到 12940 个观测值。在被解释变量的设定上，当个体就业的行业为服务业（包含住宿餐饮业、教育业和金融保险业等行业），被解释变量的取值设定为 1，其他行业时设定为 0。由于使用单年截面数据，故无法控制城市固定效应，将标准误聚类到城市层面后，回归结果见表 4的（4）列，可以发现，在控制了性别和户口等个体特征和城市层面的控制变量后，数字经济会提高个体劳动者从事服务业就业的概率，从而为数字经济促进服务业就业增加的结论提供了微观证据。五、进一步讨论（一）数字经济对服务业就业影响的作用机制本文进行中介效应分析，表 5 给出了回归结果。首先，表 2的（3）列给出了数字经济对服务业就业的基本影响，其系数显著为 0.154。其次，表5的（1）、（2）列给出了城市规模效应的机制，可知数字经济能够显著扩大城市人口规模，从而创造更多就业岗位，增加服务业就业。在将数字经济和城市规模变量同时加入回归方程后，数字经济变量系数相对变小，表明城市规模效应作用机制存在。表 5 的（4）、（5）列给出了产业结构服务化的机制，可知数字经济能够显著促进产业结构服务化，扩大服务业就业规模，增强其吸纳就业的能力。同理，将产业结构服务化和数字经济变量同时纳入回归方程，数字经济变量系数变小也表明产业结构服务化作用机制存在。此外，为增强作用机制分析的稳健性，由于引入中介变量，可能会带来内生性问题造成估计偏误，本文参考江艇（2022）的建议进行如下机制分析，使用工具变量解决数字经济对中介变量的内生性问题，并使用已有结论证明中介变量对服务业就业的影响。表 5的（3）、（6）列分别给出了以上一年互联网宽带接入用户数与 1984年邮电业务总量的交互项作为工具变量后的两阶段最小二乘法回归结果，可知，考虑内生性问题后，数字经济仍能显著扩大城市人口规模，促进产业结构服务化。基于此，结合本表 4稳健性检验结果变量名称d控制变量城市固定效应年份固定效应观测值Within R2（1）替换被解释变量0.323*（0.096）是是是25110.446（2）更换权重方法0.115*（0.057）是是是25110.362（3）排除部分样本0.261*（0.031）是是是24480.404（4）微观数据0.014*（0.003）是否否129400.103注：括号内为稳健标准误；*、*、*分别表示在 10%、5%、1%的水平上显著性。表 5作用机制估计结果变量名称dlnnis控制变量城市固定效应年份固定效应观测值Within R2第一阶段 F值（1）lnn0.041*（0.016）是是是25110.081（2）lne30.147*（0.049）0.158*（0.079）是是是25110.389（3）lnn0.547*（0.226）是是是211714.367（4）is0.103*（0.027）是是是22350.646（5）lne30.150*（0.050）0.018*（0.005）是是是22350.409（6）is0.190*（0.056）是是是188412.889注：括号内为稳健标准误；*、*、*分别表示在 10%、5%、1%的水平上显著性。174周闯等：数字经济赋能服务业就业：行业异质性与空间效应文理论分析部分的论述，假设 2得到检验，数字经济能够通过扩大城市人口规模、推动产业结构服务化来促进服务业就业。（二）数字经济对服务业就业影响的异质性服务业内部行业多，行业间要素密集度不同，吸纳就业能力也不尽相同。数字经济促进了职业专业化，加深了社会分工