譚偉杰，龐鈺標(biāo)

（1.上海財(cái)經(jīng)大學(xué)公共經(jīng)濟(jì)與管理學(xué)院，上海 200433；2.廣東外語(yǔ)外貿(mào)大學(xué)經(jīng)濟(jì)貿(mào)易學(xué)院，廣東 廣州 510006）

一、引言與文獻(xiàn)綜述

隨著中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，疊加國(guó)際形勢(shì)中不穩(wěn)定不確定因素的沖擊，國(guó)內(nèi)各行各業(yè)的就業(yè)結(jié)構(gòu)正在發(fā)生深刻變化，整體就業(yè)形勢(shì)較為嚴(yán)峻。近年來(lái)，我國(guó)強(qiáng)化就業(yè)優(yōu)先政策導(dǎo)向，加大對(duì)企業(yè)穩(wěn)崗擴(kuò)崗支持力度，相繼出臺(tái)了多項(xiàng)支持企業(yè)穩(wěn)定經(jīng)營(yíng)發(fā)展、擴(kuò)大就業(yè)崗位的政策。在此背景下，如何穩(wěn)定崗位、穩(wěn)定就業(yè)以保障基本民生與維持社會(huì)經(jīng)濟(jì)協(xié)調(diào)發(fā)展，成為當(dāng)前亟需深入探究的緊迫問(wèn)題。企業(yè)是勞動(dòng)力聘用的主體，也是提高社會(huì)就業(yè)水平的關(guān)鍵力量。面對(duì)數(shù)字經(jīng)濟(jì)發(fā)展與國(guó)內(nèi)外不確定因素沖擊，數(shù)字化轉(zhuǎn)型為中國(guó)企業(yè)優(yōu)化自身管理與業(yè)務(wù)流程、完善供應(yīng)鏈體系以及助力穩(wěn)定社會(huì)經(jīng)濟(jì)發(fā)展大盤提供了新的思路。同時(shí)值得思考和討論的一個(gè)問(wèn)題是，由企業(yè)引領(lǐng)的數(shù)字化轉(zhuǎn)型是否對(duì)目前的社會(huì)就業(yè)造成沖擊，其在穩(wěn)定崗位、保障就業(yè)和實(shí)現(xiàn)高質(zhì)量發(fā)展戰(zhàn)略目標(biāo)中發(fā)揮怎樣的作用？然而，既有研究對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型是否提振宏觀就業(yè)水平的影響尚未達(dá)成一致結(jié)論。因此，深入研究數(shù)字化轉(zhuǎn)型對(duì)就業(yè)的影響，有助于更加深刻理解數(shù)字化轉(zhuǎn)型的社會(huì)經(jīng)濟(jì)效應(yīng)，同時(shí)對(duì)于保障就業(yè)和民生、提振宏觀經(jīng)濟(jì)與促進(jìn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展也具有重要的現(xiàn)實(shí)意義。

目前，國(guó)內(nèi)外文獻(xiàn)關(guān)于數(shù)字技術(shù)發(fā)展影響就業(yè)的研究主要有三種觀點(diǎn)。第一，數(shù)字技術(shù)發(fā)展對(duì)就業(yè)具有替代效應(yīng)。龔玉泉和袁志剛（2002）指出，在產(chǎn)出不變的情境下，技術(shù)進(jìn)步雖然會(huì)提高勞動(dòng)生產(chǎn)率，但是會(huì)降低企業(yè)單位產(chǎn)品的勞動(dòng)力投入，即表現(xiàn)為對(duì)勞動(dòng)力的需求會(huì)減少。Aghion和Howitt（1994）認(rèn)為，技術(shù)生產(chǎn)率的進(jìn)步，一方面會(huì)提高人力資本價(jià)格，降低企業(yè)利潤(rùn)；另一方面會(huì)重塑工作崗位價(jià)值鏈、縮短工作崗位生命周期等，進(jìn)而可能會(huì)降低企業(yè)增加勞動(dòng)力需求的積極性。Acemoglu和Restrepo（2020）發(fā)現(xiàn)，以機(jī)器人為代表的數(shù)字智能技術(shù)創(chuàng)新應(yīng)用，會(huì)引發(fā)“機(jī)器換人”的現(xiàn)象。第二，數(shù)字技術(shù)發(fā)展對(duì)就業(yè)具有創(chuàng)造效應(yīng)。Hoedemakers（2017）發(fā)現(xiàn)，技術(shù)進(jìn)步的擴(kuò)散對(duì)勞動(dòng)力就業(yè)具有溫和的正向影響。戚聿東等（2020）指出，信息通信技術(shù)的快速發(fā)展與廣泛應(yīng)用催生了互聯(lián)網(wǎng)行業(yè)的萌芽與發(fā)展，而互聯(lián)網(wǎng)行業(yè)的發(fā)展為社會(huì)創(chuàng)造了大量的就業(yè)崗位。隨著數(shù)字技術(shù)的廣泛應(yīng)用，其在提升現(xiàn)有產(chǎn)品質(zhì)量和創(chuàng)造新產(chǎn)品方面發(fā)揮的積極效應(yīng)也日益凸顯，新產(chǎn)品多元化需求的增加能夠創(chuàng)造大量的就業(yè)需求（Harrison等，2014）。第三，數(shù)字技術(shù)發(fā)展對(duì)就業(yè)的影響具有不確定性。Graetz和Michaels（2015）基于17個(gè)國(guó)家1993-2017年的面板數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)，智能技術(shù)應(yīng)用（如工業(yè)機(jī)器人）并沒(méi)有對(duì)各個(gè)國(guó)家總體就業(yè)水平產(chǎn)生顯著的影響。戚聿東等（2020）指出，智能技術(shù)應(yīng)用會(huì)減少低技能型或傳統(tǒng)物質(zhì)資本勞動(dòng)者的需求，而增加高技能型勞動(dòng)者的需求，進(jìn)而調(diào)整社會(huì)就業(yè)結(jié)構(gòu)。縱觀上述研究文獻(xiàn)，主要存在以下不足：一是大部分研究?jī)H從宏觀層面揭示人工智能等數(shù)字技術(shù)對(duì)就業(yè)和勞動(dòng)市場(chǎng)的影響，而缺乏基于微觀企業(yè)層面的更為精準(zhǔn)的分析；二是現(xiàn)有研究未能很好地揭示數(shù)字化技術(shù)應(yīng)用影響企業(yè)就業(yè)吸納能力、就業(yè)結(jié)構(gòu)的具體內(nèi)在渠道，以及對(duì)于不同類型企業(yè)、行業(yè)和地區(qū)的影響差異性的研究仍然不足。

本文基于企業(yè)數(shù)字化轉(zhuǎn)型的現(xiàn)實(shí)戰(zhàn)略決策，聚焦企業(yè)就業(yè)吸納能力角度進(jìn)行分析，旨在探究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納效應(yīng)的影響。與既有研究相比，本文可能的邊際貢獻(xiàn)主要在兩個(gè)方面：第一，有別于現(xiàn)有研究聚焦宏觀數(shù)據(jù)層面的分析，本文運(yùn)用微觀數(shù)據(jù)探討了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)就業(yè)吸納能力和企業(yè)勞動(dòng)聘用結(jié)構(gòu)的影響，豐富了人力資本微觀領(lǐng)域的研究成果，有效闡釋了數(shù)字經(jīng)濟(jì)發(fā)展所產(chǎn)生的就業(yè)創(chuàng)造效應(yīng)和就業(yè)替代效應(yīng)。第二，本文從創(chuàng)新溢出效應(yīng)與生產(chǎn)率提升效應(yīng)的角度，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響就業(yè)的理論機(jī)制進(jìn)行了細(xì)致探析，并且對(duì)不同類型企業(yè)、不同技術(shù)偏向行業(yè)以及地區(qū)特征而引起的影響異質(zhì)性進(jìn)行了檢驗(yàn)，拓展了企業(yè)數(shù)字化轉(zhuǎn)型所帶來(lái)經(jīng)濟(jì)影響的研究，為政府部門制定就業(yè)政策以及勞動(dòng)者順應(yīng)未來(lái)就業(yè)市場(chǎng)趨勢(shì)提供了經(jīng)驗(yàn)證據(jù)。

二、理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型是指企業(yè)利用數(shù)字技術(shù)推動(dòng)其業(yè)務(wù)流程和生產(chǎn)方式的數(shù)字化重組與變革，最終實(shí)現(xiàn)運(yùn)營(yíng)成本降低和經(jīng)濟(jì)效率提高的轉(zhuǎn)型升級(jí)過(guò)程，這不僅是企業(yè)內(nèi)部技術(shù)的創(chuàng)新與顛覆，更是企業(yè)內(nèi)部人員結(jié)構(gòu)和組織架構(gòu)重塑的“生態(tài)系統(tǒng)”優(yōu)化過(guò)程（陳冬梅等，2020）。根據(jù)“技術(shù)—經(jīng)濟(jì)”范式理論，革命性的技術(shù)進(jìn)步在經(jīng)濟(jì)社會(huì)中的持續(xù)擴(kuò)散，會(huì)誘發(fā)經(jīng)濟(jì)社會(huì)體系的重大調(diào)整，從而形成與該技術(shù)變革相適應(yīng)且相對(duì)穩(wěn)定的新經(jīng)濟(jì)發(fā)展范式（Perez和Carlota，1983）。勞動(dòng)力市場(chǎng)結(jié)構(gòu)與企業(yè)商業(yè)模式的重塑是“技術(shù)—經(jīng)濟(jì)”范式的重要“組件”，在數(shù)字經(jīng)濟(jì)范式中，由企業(yè)引領(lǐng)的數(shù)字技術(shù)創(chuàng)新應(yīng)用推動(dòng)了我國(guó)勞動(dòng)力市場(chǎng)在就業(yè)載體、就業(yè)平臺(tái)和就業(yè)技能要求等方面的質(zhì)變和量變。

第一，企業(yè)數(shù)字化轉(zhuǎn)型帶來(lái)的生產(chǎn)效率提升，通過(guò)價(jià)格效應(yīng)與收入效應(yīng)實(shí)現(xiàn)社會(huì)就業(yè)創(chuàng)造。從價(jià)格效應(yīng)看，企業(yè)數(shù)字化轉(zhuǎn)型導(dǎo)致生產(chǎn)效率提高，產(chǎn)品的生產(chǎn)成本和價(jià)格也隨之下降，這將吸引更多的消費(fèi)者購(gòu)買（即市場(chǎng)需求增加），從而帶動(dòng)產(chǎn)業(yè)規(guī)模的擴(kuò)大，激勵(lì)企業(yè)創(chuàng)造更加多元化的新產(chǎn)品并提升現(xiàn)有產(chǎn)品的質(zhì)量，進(jìn)一步增加產(chǎn)業(yè)內(nèi)的勞動(dòng)力需求。從收入效應(yīng)看，數(shù)字化轉(zhuǎn)型有助于企業(yè)實(shí)現(xiàn)更高水平的產(chǎn)出與利潤(rùn)創(chuàng)造，員工的實(shí)際收入水平和消費(fèi)者福利也會(huì)進(jìn)一步提高，從而激發(fā)勞動(dòng)者的消費(fèi)需求，企業(yè)為了滿足新增需求將進(jìn)一步擴(kuò)大生產(chǎn)規(guī)模和勞動(dòng)力聘用規(guī)模，進(jìn)而創(chuàng)造更多新的就業(yè)機(jī)會(huì)（Aghion和 Howitt，1994）。

第二，企業(yè)數(shù)字化轉(zhuǎn)型能夠推動(dòng)產(chǎn)品和部門創(chuàng)新，促進(jìn)勞動(dòng)力聘用規(guī)模增長(zhǎng)。一方面，企業(yè)為了實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型戰(zhàn)略的既定目標(biāo)，普遍會(huì)加大研發(fā)投入，更多地表現(xiàn)為對(duì)聘用高技能型研發(fā)勞動(dòng)力的投入增長(zhǎng)（即數(shù)字化轉(zhuǎn)型的研發(fā)管理投入增加），加快了企業(yè)技術(shù)進(jìn)步和迭代創(chuàng)新的步伐。新產(chǎn)品研發(fā)又會(huì)引致大量的市場(chǎng)需求，這種創(chuàng)新層面的“投入—產(chǎn)出”優(yōu)化不僅有利于企業(yè)向社會(huì)釋放高發(fā)展?jié)摿Φ姆e極信號(hào)（Hoenig和Henkel，2015；孫獻(xiàn)貞，2023），還能夠創(chuàng)造出更多的社會(huì)就業(yè)崗位（Harrison等，2014）。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型作為數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合的一種嶄新商業(yè)模式，增強(qiáng)了企業(yè)研發(fā)創(chuàng)新服務(wù)方面的勞動(dòng)力需求，而且新業(yè)態(tài)、新模式也能夠創(chuàng)造出更加多樣化的就業(yè)崗位，特別是在管理與運(yùn)營(yíng)方面對(duì)高技能型人才的需求量更大。

第三，企業(yè)數(shù)字化轉(zhuǎn)型借助技術(shù)擴(kuò)散的補(bǔ)償機(jī)制實(shí)現(xiàn)就業(yè)創(chuàng)造。一方面，雖然企業(yè)數(shù)字化轉(zhuǎn)型對(duì)從事重復(fù)性的低技能型勞動(dòng)力產(chǎn)生替代效應(yīng)，但是也會(huì)驅(qū)使企業(yè)加強(qiáng)對(duì)現(xiàn)有員工的數(shù)字化培訓(xùn)，推動(dòng)其他部門的勞動(dòng)力需求增加，特別是對(duì)那些具有數(shù)字化知識(shí)溢出效應(yīng)的高技能型勞動(dòng)力需求將會(huì)增加（叢屹和閆苗苗，2022）。上述轉(zhuǎn)變也將推動(dòng)勞動(dòng)力從傳統(tǒng)部門流向新興部門以及勞動(dòng)力結(jié)構(gòu)優(yōu)化部門。另一方面，企業(yè)作為產(chǎn)業(yè)鏈上的微觀節(jié)點(diǎn)，數(shù)字化轉(zhuǎn)型強(qiáng)化了企業(yè)之間的網(wǎng)絡(luò)聯(lián)結(jié)關(guān)系，當(dāng)某個(gè)企業(yè)或者某個(gè)行業(yè)的數(shù)字化轉(zhuǎn)型實(shí)現(xiàn)創(chuàng)新時(shí)，由于數(shù)字經(jīng)濟(jì)的融合性特征，某個(gè)就業(yè)崗位的需求擴(kuò)張會(huì)帶動(dòng)上下游關(guān)聯(lián)企業(yè)以及產(chǎn)業(yè)的就業(yè)崗位增加，從而形成更大范圍的就業(yè)創(chuàng)造效應(yīng)（胡擁軍和關(guān)樂(lè)寧，2022）。

基于以上分析，提出以下研究假設(shè)：

假設(shè)H：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的就業(yè)吸納能力。

三、研究設(shè)計(jì)

（一）模型構(gòu)建

為檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力的影響，建構(gòu)如下模型（1）對(duì)其直接影響效應(yīng)進(jìn)行識(shí)別：

其中：下標(biāo)i、j、t分別代表企業(yè)、城市、時(shí)間，employeei,t+1表示企業(yè)勞動(dòng)聘用規(guī)模，digiti,t表示企業(yè)數(shù)字化轉(zhuǎn)型水平，Xi,y,t表示控制變量，Yeart表示年份固定效應(yīng)，F(xiàn)irmi表示企業(yè)個(gè)體固定效應(yīng)，μi,t為隨機(jī)擾動(dòng)項(xiàng)。在實(shí)證分析中，為了降低不可觀測(cè)因素的影響，同時(shí)控制了時(shí)間和企業(yè)固定效應(yīng)，所有變量均采用經(jīng)企業(yè)層面Cluster聚類穩(wěn)健標(biāo)準(zhǔn)誤調(diào)整的t統(tǒng)計(jì)量。此外，為了適度緩解內(nèi)生性問(wèn)題，對(duì)所有被解釋變量采取前置一期處理。

（二）變量定義

1.被解釋變量

企業(yè)勞動(dòng)聘用規(guī)模（employee），用企業(yè)在職人數(shù)的自然對(duì)數(shù)來(lái)表示。

2.解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型水平（digit）。借鑒申明浩和譚偉杰（2023）的研究思路，首先根據(jù)與數(shù)字經(jīng)濟(jì)發(fā)展相關(guān)的規(guī)劃方案、重要新聞、會(huì)議以及近年《政府工作報(bào)告》，通過(guò)Python爬蟲(chóng)處理與JavaPDFbox建立一個(gè)較為完整的數(shù)字化詞典，整理、歸納出數(shù)字化轉(zhuǎn)型的特征關(guān)鍵詞圖譜；其次，結(jié)合企業(yè)年報(bào)能夠真實(shí)反映企業(yè)經(jīng)營(yíng)戰(zhàn)略與高管決策的特點(diǎn)，從國(guó)家政策語(yǔ)義視角捕捉和理解實(shí)體經(jīng)濟(jì)數(shù)字化變革本質(zhì)，再運(yùn)用上述關(guān)鍵詞對(duì)企業(yè)年報(bào)進(jìn)行文本分析，得到關(guān)鍵詞詞頻；最后，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型水平進(jìn)行如下計(jì)算：

其中：edt_numi,t表示i企業(yè)t年的年度報(bào)告中披露的數(shù)字化關(guān)鍵詞keywords_digit的詞頻總數(shù)，為保證較小的取值也具有良好的定義，對(duì)該指標(biāo)進(jìn)行反雙曲正弦變換處理；digiti,t表示i企業(yè)t年的數(shù)字化轉(zhuǎn)型水平。

3.控制變量

為了克服遺漏變量的影響，借鑒王永欽和董雯（2020）的做法，從宏、微觀層面設(shè)置影響企業(yè)勞動(dòng)聘用的控制變量。其中，企業(yè)微觀層面的變量包括財(cái)務(wù)杠桿（lev），用資產(chǎn)負(fù)債率表示；盈利能力（roa），用總資產(chǎn)回報(bào)率表示；企業(yè)規(guī)模（size），用總資產(chǎn)的自然對(duì)數(shù)表示；現(xiàn)金流水平（cash），用經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~與負(fù)債總額之比表示；企業(yè)所有權(quán)性質(zhì)（soe），若屬于國(guó)有企業(yè)則賦值為1，否則為0；企業(yè)成長(zhǎng)性（fix），用固定資產(chǎn)增長(zhǎng)率表示；董事會(huì)規(guī)模（bsize），用董事會(huì)人數(shù)加1取自然對(duì)數(shù)表示。宏觀層面的變量包括城市產(chǎn)業(yè)結(jié)構(gòu)（industry），用第二產(chǎn)業(yè)產(chǎn)值與GDP的比值表示；經(jīng)濟(jì)發(fā)展水平（rgdp）用人均GDP的對(duì)數(shù)表示；市場(chǎng)化水平（market），用王小魯?shù)龋?017）測(cè)算的市場(chǎng)化指數(shù)來(lái)衡量。

（三）數(shù)據(jù)來(lái)源與變量描述性統(tǒng)計(jì)

本文以2007-2020年為研究區(qū)間，以滬深兩市A股上市公司為樣本開(kāi)展實(shí)證檢驗(yàn)，原始數(shù)據(jù)主要來(lái)自中國(guó)問(wèn)題研究數(shù)據(jù)庫(kù)（CNRDS）、國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）和萬(wàn)德數(shù)據(jù)庫(kù)（Wind）。對(duì)研究數(shù)據(jù)進(jìn)行了如下處理：①為了克服極端值對(duì)回歸結(jié)果的影響，對(duì)模型中所有連續(xù)型變量進(jìn)行了雙側(cè)1%水平的縮尾處理；②剔除非正常交易（ST、ST*以及PT）的研究樣本；③剔除主要研究數(shù)據(jù)缺失嚴(yán)重的樣本數(shù)據(jù)。最終，得到包含2436家上市公司的32300個(gè)觀測(cè)值。

本文主要變量的定義及描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。其中，被解釋變量企業(yè)勞動(dòng)聘用（employee）的最大值和最小值分別為4.0073和11.2967，標(biāo)準(zhǔn)差為1.3210，說(shuō)明不同企業(yè)的勞動(dòng)聘用水平和就業(yè)創(chuàng)造效應(yīng)具有明顯的差異。核心解釋變量企業(yè)數(shù)字化轉(zhuǎn)型（digit）的最大值為6.8669，最小值為0，平均值為1.1605，這表明企業(yè)間數(shù)字化轉(zhuǎn)型水平的差距較大，數(shù)字化“鴻溝”和“馬太效應(yīng)”問(wèn)題較為突出。其他宏、微觀控制變量也存在著不同程度的差異，與現(xiàn)有文獻(xiàn)的分析基本一致。

表1 變量描述性統(tǒng)計(jì)

四、實(shí)證分析

（一）基準(zhǔn)回歸分析

表2報(bào)告了數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)聘用的基準(zhǔn)線性回歸結(jié)果。第（1）列是單變量檢驗(yàn)結(jié)果，核心解釋變量企業(yè)數(shù)字化轉(zhuǎn)型（digit）的系數(shù)在1%顯著性水平下顯著為正，與預(yù)期結(jié)論一致。第（2）列是在此基礎(chǔ)上，加入一系列相關(guān)控制變量的估計(jì)結(jié)果，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的系數(shù)為0.0636，依然在1%顯著性水平下顯著為正。第（3）—（5）列是分別控制企業(yè)個(gè)體和年份固定效應(yīng)的回歸結(jié)果，可以發(fā)現(xiàn)，在加入一系列相關(guān)控制變量的基礎(chǔ)上，分別控制時(shí)間和企業(yè)固定效應(yīng)后，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計(jì)系數(shù)有所降低，說(shuō)明部分不隨時(shí)間改變的宏微觀特征變量是影響企業(yè)勞動(dòng)聘用的遺漏變量，在控制由此引發(fā)的內(nèi)生性問(wèn)題后，核心解釋變量仍為正且保持高度顯著。以第（5）列為例，在同時(shí)控制“時(shí)間和企業(yè)固定效應(yīng)”以及相關(guān)特征變量后，數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)聘用的估計(jì)系數(shù)為0.0170，并在1%顯著性水平下保持顯著。這表明，數(shù)字化轉(zhuǎn)型的深化顯著擴(kuò)大了企業(yè)的員工規(guī)模，使得企業(yè)能夠提供更多的就業(yè)崗位。在控制變量方面，企業(yè)規(guī)模（size）、董事會(huì)規(guī)模（bsize）、財(cái)務(wù)杠桿（lev）和市場(chǎng)化水平（market）的系數(shù)顯著為正，說(shuō)明企業(yè)資產(chǎn)總值、企業(yè)決策層、資產(chǎn)負(fù)債率和當(dāng)?shù)亟?jīng)營(yíng)環(huán)境的優(yōu)化都有助于提升企業(yè)的就業(yè)吸附能力。而盈利能力（roa）和固定資產(chǎn)增長(zhǎng)率（fix）的系數(shù)顯著為負(fù)，說(shuō)明高盈利能力的企業(yè)可能存在資本替代勞動(dòng)力的現(xiàn)象。

表2 基準(zhǔn)回歸結(jié)果

（二）內(nèi)生性問(wèn)題

1.工具變量法

內(nèi)生性問(wèn)題是前述研究結(jié)論可能面臨的問(wèn)題。一方面，企業(yè)數(shù)字化轉(zhuǎn)型水平的提高能夠顯著促進(jìn)企業(yè)技術(shù)進(jìn)步，產(chǎn)生創(chuàng)新溢出效應(yīng)，從而增加勞動(dòng)資本投入，擴(kuò)大生產(chǎn)規(guī)模，創(chuàng)造更多的就業(yè)崗位；另一方面，隨著企業(yè)員工規(guī)模的擴(kuò)大，數(shù)字化情境下人力資本的提高將使得知識(shí)共享更加暢通，倒逼企業(yè)通過(guò)數(shù)字化轉(zhuǎn)型來(lái)尋求高質(zhì)量發(fā)展的機(jī)遇。為了緩解反向因果的內(nèi)生性問(wèn)題，分別選取兩個(gè)工具變量進(jìn)行檢驗(yàn)。第一個(gè)工具變量是1984年各城市每萬(wàn)人固定電話數(shù)量與滯后一期的全國(guó)互聯(lián)網(wǎng)網(wǎng)民數(shù)量組成的交互項(xiàng)（黃群慧等，2019）。選取該工具變量的理由在于：一是通信基礎(chǔ)設(shè)施對(duì)當(dāng)?shù)孛癖姷耐ㄐ攀褂眉夹g(shù)以及生活習(xí)慣偏好產(chǎn)生深刻影響，并且隨著互聯(lián)網(wǎng)的發(fā)展進(jìn)而影響當(dāng)?shù)仄髽I(yè)對(duì)互聯(lián)網(wǎng)信息技術(shù)的應(yīng)用與接受程度，滿足相關(guān)性條件；二是隨著通信技術(shù)的發(fā)展，固定電話用戶數(shù)量也隨之下降，歷史上各地區(qū)固定電話數(shù)量難以精確地反映當(dāng)前企業(yè)員工人數(shù)，滿足外生性條件。第二個(gè)工具變量是清朝時(shí)期的城墻面積與匯率組成的交互項(xiàng)。選取該工具變量的理由在于：一是清朝時(shí)期城墻面積越大，說(shuō)明城市人口規(guī)模越大，地方政府能獲取的稅收越多，地方政府用于傳統(tǒng)和現(xiàn)代信息基礎(chǔ)設(shè)施建設(shè)的資金越寬裕，城市的集聚經(jīng)濟(jì)所帶來(lái)的產(chǎn)業(yè)發(fā)展、資本積累和人力資本等優(yōu)勢(shì)，能夠促進(jìn)后續(xù)信息網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用（程開(kāi)明，2009），滿足相關(guān)性條件。二是歷史變量自身的特殊性決定了它本身與企業(yè)勞動(dòng)聘用之間的聯(lián)系十分微弱，滿足外生性條件。

表3第（1）和（2）列分別報(bào)告了上述兩個(gè)工具變量第二階段的回歸結(jié)果。K-P、rk、LM統(tǒng)計(jì)量均在1%顯著性水平下顯著，拒絕工具變量識(shí)別不足的原假設(shè)；C-D Wald檢驗(yàn)的結(jié)果則拒絕了弱工具變量的原假設(shè)，表明工具變量是合理、可靠的。表3第（1）和（2）列結(jié)果顯示，digit的估計(jì)系數(shù)均在5%顯著性水平下顯著為正，表明本文的基本結(jié)論仍然成立。

表3 內(nèi)生性考量

2.多期雙重差分模型

為了更加穩(wěn)健地評(píng)估數(shù)字化轉(zhuǎn)型能否促進(jìn)企業(yè)勞動(dòng)聘用，以國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)建設(shè)作為外生政策沖擊變量，以多期雙重差分方法檢驗(yàn)這一現(xiàn)實(shí)問(wèn)題。選取此變量的理由在于：一方面，“信息基礎(chǔ)設(shè)施提升工程”是大數(shù)據(jù)綜合試驗(yàn)區(qū)的主要工程之一，新型信息基礎(chǔ)設(shè)施的完善不僅深化了數(shù)據(jù)要素的挖掘和應(yīng)用，還促進(jìn)了現(xiàn)代通信技術(shù)的發(fā)展，賦能數(shù)字經(jīng)濟(jì)快速發(fā)展。另一方面，企業(yè)數(shù)字化的深層次發(fā)展能夠進(jìn)一步挖掘和發(fā)揮數(shù)據(jù)要素的效率倍增效應(yīng)，而此過(guò)程離不開(kāi)完善的信息基礎(chǔ)設(shè)施作為支撐，現(xiàn)代通信技術(shù)和服務(wù)質(zhì)量的提升都依賴于新型基礎(chǔ)設(shè)施的建設(shè)。本文設(shè)定如下雙重差分模型（4）進(jìn)行檢驗(yàn)：

其中：dui代表分組虛擬標(biāo)量，若企業(yè)所在城市屬于處理組，對(duì)應(yīng)的dui取值為1，否則為對(duì)照組取值為0；dut代表政策實(shí)施虛擬標(biāo)量，政策實(shí)施之前dut取值為0，政策實(shí)施之后dut取值為1①考慮到貴州省于2015年9月開(kāi)始相應(yīng)的試點(diǎn)建設(shè)工作，本文將貴州省所轄地級(jí)市的政策節(jié)點(diǎn)設(shè)定為2015年，而其他試驗(yàn)區(qū)城市的政策節(jié)點(diǎn)設(shè)定為2016年。;其余變量均與基準(zhǔn)回歸保持一致。由于平行趨勢(shì)假設(shè)是雙重差分（DID）方法的重要前提假設(shè)，表3第（3）列的結(jié)果顯示，試點(diǎn)政策實(shí)施前實(shí)驗(yàn)組與對(duì)照組企業(yè)的勞動(dòng)聘用沒(méi)有顯著差異，表明該試點(diǎn)政策基本通過(guò)了平行趨勢(shì)假設(shè)。第（4）列顯示了試驗(yàn)區(qū)試點(diǎn)建設(shè)影響企業(yè)勞動(dòng)聘用的估計(jì)結(jié)果，可以發(fā)現(xiàn)Bigdata的估計(jì)系數(shù)為0.0672且在1%顯著性水平下顯著，表明大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立促進(jìn)了企業(yè)勞動(dòng)聘用，再次印證本文的核心結(jié)論穩(wěn)健、可靠。

3.安慰劑檢驗(yàn)

為了克服部分非觀測(cè)因素（如地域特征）的干擾，采用安慰劑檢驗(yàn)法排除可能的非觀測(cè)地域因素對(duì)本文估計(jì)結(jié)果的影響。具體而言，將企業(yè)五個(gè)維度的數(shù)字化詞頻進(jìn)行隨機(jī)打亂，重新生成企業(yè)數(shù)字化轉(zhuǎn)型變量進(jìn)行回歸檢驗(yàn)。經(jīng)檢驗(yàn)，核心解釋變量的系數(shù)均不再顯著，這表明其他非觀測(cè)地域特征并未對(duì)估計(jì)結(jié)果產(chǎn)生影響，本文基本結(jié)論是穩(wěn)健的②受文章篇幅限制，結(jié)果在此處未展示，如有需求請(qǐng)聯(lián)系作者。。

（三）穩(wěn)健性檢驗(yàn)

1.更替核心變量

（1）解釋變量的替代變量。為了保證數(shù)字化轉(zhuǎn)型指標(biāo)的度量質(zhì)量，分別采用三種替代變量：①數(shù)字化轉(zhuǎn)型詞頻總數(shù)與年報(bào)中“管理層討論與分析”部分的語(yǔ)段長(zhǎng)度之比（并乘以100，digit1）。②與數(shù)字化轉(zhuǎn)型相關(guān)的無(wú)形資產(chǎn)與無(wú)形資產(chǎn)總額的比值（digit2）。③經(jīng)行業(yè)動(dòng)態(tài)調(diào)整的企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（adj_edt）。根據(jù)表4第（1）至（3）列列示的結(jié)果可知，本文核心結(jié)論是穩(wěn)健可靠的。

表4 穩(wěn)健性檢驗(yàn)結(jié)果（一）

（2）被解釋變量的替代測(cè)量。為了更加穩(wěn)健地檢驗(yàn)相關(guān)結(jié)論對(duì)被解釋變量的敏感性，重新定義企業(yè)勞動(dòng)聘用，借鑒余明桂等（2022）的做法，以企業(yè)勞動(dòng)聘用增長(zhǎng)率（labor）作為代理變量，并重新進(jìn)行回歸檢驗(yàn)。根據(jù)表4第（4）列的結(jié)果可知，數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)吸納就業(yè)的能力，表明本文主要結(jié)論具有可靠性。

2.排除部分政策因素干擾

由于在研究期間內(nèi)，政府推出了不少與就業(yè)相關(guān)的經(jīng)濟(jì)政策（如 “四萬(wàn)億元”經(jīng)濟(jì)刺激計(jì)劃、“營(yíng)改增”政策和固定資產(chǎn)加速折舊政策等），這些政策對(duì)企業(yè)面臨的內(nèi)外部融資約束以及現(xiàn)金流安排等產(chǎn)生了重要的影響，從而有可能對(duì)企業(yè)的勞動(dòng)聘用行為產(chǎn)生影響。為了排除上述政策的可能性解釋干擾，引入相關(guān)政策變量進(jìn)行檢驗(yàn)：①借鑒Cui等（2018）的研究方法，構(gòu)建是否受“四萬(wàn)億元”經(jīng)濟(jì)刺激計(jì)劃沖擊的虛擬變量economy（當(dāng)年份為2010年與2011年時(shí)則賦值為1，反之為0）。②借鑒張克中等（2020）的做法，剔除受“營(yíng)改增”政策沖擊最大的服務(wù)業(yè)樣本重新進(jìn)行檢驗(yàn)。③排除2014年固定資產(chǎn)加速折舊政策的干擾，設(shè)置虛擬變量asset（如果企業(yè)當(dāng)年受到該政策影響則賦值為1，否則為0）。表4第（5）至（7）列分別匯報(bào)了上述檢驗(yàn)結(jié)果，均表明本文結(jié)論穩(wěn)健、可靠。

3.更替模型

在前文的基準(zhǔn)分析中，采用線性回歸對(duì)主要結(jié)論進(jìn)行驗(yàn)證。為更加穩(wěn)健地檢驗(yàn)數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)聘用的關(guān)系，盡可能地消除行業(yè)發(fā)展周期和產(chǎn)業(yè)政策等因素對(duì)本文回歸結(jié)果的影響，此處采用控制“行業(yè)×年度”的高階聯(lián)合固定效應(yīng)模型進(jìn)行穩(wěn)健性檢驗(yàn)。表5第（1）列顯示的估計(jì)結(jié)果，表明數(shù)字化轉(zhuǎn)型有助于促進(jìn)企業(yè)勞動(dòng)聘用。

表5 穩(wěn)健性檢驗(yàn)結(jié)果（二）

4.考慮其他若干影響因素

第一，考慮到直轄市（北京、上海、天津和重慶）的經(jīng)濟(jì)與行政上的特殊性，故剔除四個(gè)直轄市的樣本企業(yè)重新進(jìn)行回歸檢驗(yàn)。第二，考慮企業(yè)策略性信息披露行為：①剔除digit為0的樣本重新進(jìn)行檢驗(yàn)；②剔除創(chuàng)業(yè)板上市公司樣本重新進(jìn)行檢驗(yàn)；③剔除樣本期內(nèi)受過(guò)證監(jiān)會(huì)處罰的樣本。表5第（2）至（5）列分別匯報(bào)了考慮上述影響因素的檢驗(yàn)結(jié)果，可以發(fā)現(xiàn)digit的系數(shù)均為正且保持高度顯著，證明了本文基本結(jié)論穩(wěn)健，即數(shù)字化轉(zhuǎn)型提升了企業(yè)創(chuàng)造就業(yè)的能力。

五、進(jìn)一步分析

（一）影響機(jī)制檢驗(yàn)

前文理論分析表明，數(shù)字化轉(zhuǎn)型帶來(lái)的技術(shù)創(chuàng)新效應(yīng)和生產(chǎn)率效應(yīng)能夠顯著提升企業(yè)的就業(yè)吸納能力。對(duì)此，建立如下回歸方程進(jìn)行機(jī)制檢驗(yàn)分析：

其中：Mi,t+1分別指企業(yè)研發(fā)投入、創(chuàng)新產(chǎn)出和生產(chǎn)效率指標(biāo)。借鑒現(xiàn)有研究的做法（王永進(jìn)等，2107），采用企業(yè)研究開(kāi)發(fā)投入金額（R&D）和專利申請(qǐng)總量（innov）作為企業(yè)創(chuàng)新層面的投入、產(chǎn)出績(jī)效，二者均取自然對(duì)數(shù)處理。借鑒Levinsohno 和 Petrin（2003）的方法，引入企業(yè)全要素生產(chǎn)率（tfp）來(lái)衡量企業(yè)生產(chǎn)效率。其余變量均與基準(zhǔn)回歸保持一致。

首先，將研究視角聚焦于企業(yè)創(chuàng)新層面“投入—產(chǎn)出”績(jī)效的機(jī)制。從表6第（1）和（2）列的回歸結(jié)果可以發(fā)現(xiàn)，digit的估計(jì)系數(shù)分別為0.0170和0.0272，且至少在5%顯著性水平下顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著增進(jìn)企業(yè)創(chuàng)新績(jī)效。原因可能是數(shù)字化轉(zhuǎn)型緩解了信息不對(duì)稱問(wèn)題，幫助企業(yè)更準(zhǔn)確地將財(cái)務(wù)數(shù)據(jù)和經(jīng)營(yíng)狀況等信息傳遞給銀行機(jī)構(gòu)，有效規(guī)避企業(yè)的道德風(fēng)險(xiǎn)問(wèn)題，提高企業(yè)獲取外部信貸資源的可得性，進(jìn)而促進(jìn)企業(yè)增加研發(fā)投入和創(chuàng)新產(chǎn)出。一方面，高水平的研發(fā)投入和創(chuàng)新產(chǎn)出幫助企業(yè)開(kāi)發(fā)出更多、更有競(jìng)爭(zhēng)力的新產(chǎn)品和服務(wù)（葉胥等，2021），新產(chǎn)品和服務(wù)的推出可能會(huì)吸引更多的客戶，從而促使企業(yè)擴(kuò)大生產(chǎn)規(guī)模以滿足市場(chǎng)需求，進(jìn)而增加對(duì)勞動(dòng)力的需求。另一方面，創(chuàng)新產(chǎn)出的增加幫助企業(yè)獲得更大的市場(chǎng)份額（尹志鋒等，2023）。隨著市場(chǎng)份額的擴(kuò)大，企業(yè)可能需要增加產(chǎn)能，以滿足不斷增長(zhǎng)的市場(chǎng)需求，從而增加就業(yè)吸附能力。

表6 影響機(jī)制檢驗(yàn)結(jié)果

然后將研究視角轉(zhuǎn)向企業(yè)生產(chǎn)效率機(jī)制。從表6第（3）列的實(shí)證結(jié)果可知，digit對(duì)企業(yè)生產(chǎn)效率的估計(jì)系數(shù)為0.0174，并在1%顯著性水平下顯著，這說(shuō)明在有限的資源約束邊界下，企業(yè)數(shù)字化轉(zhuǎn)型中的實(shí)體項(xiàng)目投資能夠顯著提高企業(yè)的全要素生產(chǎn)率，降低企業(yè)“脫實(shí)向虛”的風(fēng)險(xiǎn)，從而創(chuàng)造更多的就業(yè)。一方面，全要素生產(chǎn)率提高意味著企業(yè)能夠以更少的資源和成本生產(chǎn)更多的產(chǎn)品或提供更多的服務(wù)，這可能導(dǎo)致企業(yè)的產(chǎn)能擴(kuò)大，需要聘用更多的勞動(dòng)力來(lái)滿足增加的生產(chǎn)需求（趙宸宇，2023）。另一方面，生產(chǎn)效率提高可能導(dǎo)致企業(yè)內(nèi)部勞動(dòng)力的分工和組織結(jié)構(gòu)的調(diào)整，創(chuàng)造出新的崗位，進(jìn)一步增加對(duì)勞動(dòng)力的需求（胡擁軍和關(guān)樂(lè)寧，2022）。

（二）異質(zhì)性分析

1.企業(yè)成長(zhǎng)性異質(zhì)性檢驗(yàn)

根據(jù)企業(yè)生命周期理論，成長(zhǎng)性較高的企業(yè)普遍處于快速發(fā)展階段，具有較強(qiáng)的規(guī)模擴(kuò)張需求（Miller 和 Friesen，1980）。短時(shí)間內(nèi)能夠?qū)崿F(xiàn)顯著增長(zhǎng)的企業(yè)，通常具有較高的市場(chǎng)敏感性和戰(zhàn)略洞察力，當(dāng)該類型的企業(yè)捕捉到行業(yè)數(shù)字化發(fā)展趨勢(shì)時(shí)，會(huì)迅速聘用相關(guān)的數(shù)字化人才，把握先發(fā)優(yōu)勢(shì)，提高市場(chǎng)競(jìng)爭(zhēng)力爭(zhēng)奪市場(chǎng)份額，因此這類型企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中所產(chǎn)生的就業(yè)吸納效應(yīng)應(yīng)該更為明顯。鑒于此，本文擬進(jìn)一步考察企業(yè)成長(zhǎng)性如何影響數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)聘用水平之間的關(guān)系，以企業(yè)營(yíng)業(yè)收入增長(zhǎng)率來(lái)刻畫企業(yè)成長(zhǎng)性的方法，同時(shí)設(shè)置虛擬變量FIX（如果營(yíng)業(yè)收入增長(zhǎng)率高于樣本中位數(shù)則取值為1，否則為0），并引入基準(zhǔn)模型進(jìn)行重新檢驗(yàn)。根據(jù)表7第（1）列的結(jié)果可知，digit×FIX的影響系數(shù)在1%顯著性水平下保持正值，說(shuō)明企業(yè)成長(zhǎng)性越高，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力的提升作用就越明顯。

表7 基于企業(yè)成長(zhǎng)性的異質(zhì)性檢驗(yàn)結(jié)果

數(shù)字化轉(zhuǎn)型為企業(yè)發(fā)展帶來(lái)新的發(fā)展機(jī)遇，率先進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)依靠以往積累的知識(shí)與技術(shù)，對(duì)自身商業(yè)模式進(jìn)行變革，為吸納社會(huì)就業(yè)貢獻(xiàn)了力量，在一定程度上呈現(xiàn)出發(fā)展績(jī)效的“先發(fā)優(yōu)勢(shì)”。然而，由于數(shù)字化信息知識(shí)存在較為明顯的外溢性與共享性，后發(fā)企業(yè)的數(shù)字化信息追趕也更為容易（Mitrovi? ，2020）。鑒于此，本文期望探討企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)吸納效應(yīng)是否與后發(fā)優(yōu)勢(shì)相關(guān)。根據(jù)企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略行為設(shè)置虛擬變量year5和year8（如果企業(yè)數(shù)字化轉(zhuǎn)型持續(xù)了5年及以上則year5取值為1，反之為0；year8的定義同理），并分別引入基準(zhǔn)模型進(jìn)行重新檢驗(yàn)。根據(jù)表7第（2）和（3）列的估計(jì)結(jié)果可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)員工規(guī)模的正向促進(jìn)效應(yīng)與后發(fā)優(yōu)勢(shì)相關(guān)，后發(fā)企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力提升的邊際效應(yīng)更大。原因可能是在數(shù)字化高速發(fā)展過(guò)程中，率先進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)不一定比后發(fā)企業(yè)具有更多的技術(shù)積累和成本優(yōu)勢(shì)，反而可能由于長(zhǎng)期處于技術(shù)更迭與融合過(guò)程而相對(duì)缺乏靈活性，并且因?yàn)榧夹g(shù)更新而對(duì)就業(yè)吸納產(chǎn)生一定的負(fù)面影響。

2.要素密集度異質(zhì)性檢驗(yàn)

企業(yè)勞動(dòng)密集度會(huì)深刻影響企業(yè)的就業(yè)吸納能力。特別是對(duì)于勞動(dòng)密集型企業(yè)而言，由于其對(duì)創(chuàng)新技術(shù)和設(shè)備等的依賴性較低，這類型企業(yè)增加勞動(dòng)聘用的潛在需求也往往更大，因此人力資本的投入和配置效率是其保障產(chǎn)出規(guī)模的重要因素（曲玥，2020）。鑒于此，本文將分別從企業(yè)和行業(yè)兩個(gè)維度考察要素密集度如何影響數(shù)字化轉(zhuǎn)型與企業(yè)就業(yè)吸納能力的關(guān)系。一方面，按照行業(yè)的要素密集度情況將全樣本劃分為勞動(dòng)密集型行業(yè)與資本密集型行業(yè)子樣本，并重新進(jìn)行回歸檢驗(yàn)。另一方面，借鑒李磊和盛斌（2019）的研究方法，使用固定資產(chǎn)凈值與員工人數(shù)的自然對(duì)數(shù)的比值衡量企業(yè)要素密集度，并以該指標(biāo)中位數(shù)作為劃分標(biāo)準(zhǔn)進(jìn)行細(xì)分樣本檢驗(yàn)（如果企業(yè)要素密集度高于中位數(shù)則為資本密集型企業(yè)，否則為勞動(dòng)密集型企業(yè)）。表8第（1）至（4）列的回歸結(jié)果顯示，在勞動(dòng)密集型行業(yè)和企業(yè)中，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計(jì)系數(shù)在1%顯著性水平下顯著為正；相反，在資本密集型行業(yè)和企業(yè)中，digit的系數(shù)則不顯著。此外，SUE系數(shù)差異檢驗(yàn)結(jié)果顯示不同組別間的估計(jì)系數(shù)差異在1%顯著性水平下顯著。這表明，相較于資本密集型行業(yè)而言，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在勞動(dòng)密集型行業(yè)企業(yè)中，可能的原因是對(duì)于非勞動(dòng)密集型企業(yè)而言，資本投入與技術(shù)進(jìn)步在其生產(chǎn)經(jīng)營(yíng)規(guī)模擴(kuò)大過(guò)程中產(chǎn)生的邊際效應(yīng)更大；而當(dāng)數(shù)字化轉(zhuǎn)型的資源效應(yīng)使得企業(yè)的勞動(dòng)聘用資金得到有效保障時(shí)，勞動(dòng)密集型企業(yè)積累人力資本的需求便會(huì)更大。

表8 基于要素密集度的異質(zhì)性檢驗(yàn)結(jié)果

Constant -2.1348 -6.1381*** -3.5839*** -5.1953***（-1.57）（-6.41）（-3.30）（-4.66）Controls YES YES YES YES Year FE/Firm FE YES YES YES YES Observations 13183 16481 14374 15108 adj R2 0.889 0.902 0.888 0.899

3.地區(qū)數(shù)字金融發(fā)展與人才資源供給異質(zhì)性檢驗(yàn)

現(xiàn)有研究指出，企業(yè)外部信貸資源的可得性取決于地區(qū)金融發(fā)展水平或者信貸融資市場(chǎng)的發(fā)展水平，如果地區(qū)金融發(fā)展較好，企業(yè)的融資需求越容易得到滿足，從而擴(kuò)大生產(chǎn)規(guī)模的動(dòng)機(jī)也更為強(qiáng)烈，進(jìn)而提升企業(yè)的勞動(dòng)聘用水平（Pagano和 Pica，2012）。那么，數(shù)字金融作為數(shù)字經(jīng)濟(jì)時(shí)代的新興金融業(yè)態(tài)，能否與企業(yè)數(shù)字化轉(zhuǎn)型的資源效應(yīng)形成高效匹配，共同促進(jìn)企業(yè)就業(yè)吸收能力的提升呢？基于此，依據(jù)數(shù)字金融指數(shù)的中位數(shù)對(duì)全樣本進(jìn)行細(xì)分檢驗(yàn)。表9第（1）和（2）列的回歸結(jié)果顯示，在數(shù)字金融發(fā)展水平較高的地區(qū)中，企業(yè)數(shù)字化轉(zhuǎn)型（digit）的估計(jì)系數(shù)在1%顯著性水平下顯著為正；相反，在數(shù)字金融發(fā)展水平較低的地區(qū)中，digit的系數(shù)則不顯著。此外，SUE系數(shù)差異檢驗(yàn)結(jié)果顯示不同組別間的估計(jì)系數(shù)差異在1%顯著性水平下顯著。這表明，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在數(shù)字金融發(fā)展程度較高的地區(qū)。

表9 基于地區(qū)數(shù)字金融和教育人才供給的異質(zhì)性檢驗(yàn)結(jié)果

理論上，區(qū)域人才供給狀況的改善能夠滿足企業(yè)對(duì)于人才資源的需求，從而擴(kuò)大生產(chǎn)規(guī)模并且增加就業(yè)崗位。鑒于此，基于各地區(qū)的高校數(shù)量進(jìn)一步探討企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應(yīng)是否因區(qū)域人才資源供給狀況的不同而呈現(xiàn)差異化效果。具體而言，依據(jù)公司所在省份高校數(shù)量的中位數(shù)作為樣本劃分依據(jù)，并進(jìn)行分組檢驗(yàn)。表9第（3）和（4）列的回歸結(jié)果表明，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)就業(yè)吸納能力的提升作用主要體現(xiàn)在高校數(shù)量較多的地區(qū)，而在高校數(shù)量較少地區(qū)的作用不明顯。可能的原因是對(duì)處于人才資源供給相對(duì)充裕地區(qū)的企業(yè)而言，人才資源不足的困境會(huì)影響到企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程，生產(chǎn)規(guī)模與效率不能得到有效提升，使得其就業(yè)創(chuàng)造效應(yīng)并不明顯。

（三）經(jīng)濟(jì)后果分析

前文的實(shí)證研究表明數(shù)字化轉(zhuǎn)型提升了企業(yè)的就業(yè)吸納能力，并且在不同企業(yè)、行業(yè)和地區(qū)中表現(xiàn)出明顯的異質(zhì)性。然而，隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷深化，企業(yè)的員工聘用結(jié)構(gòu)是否也會(huì)發(fā)生變化呢？基于此，接下來(lái)圍繞上述問(wèn)題進(jìn)行進(jìn)一步探討。

為了考察企業(yè)數(shù)字化轉(zhuǎn)型對(duì)自身勞動(dòng)聘用結(jié)構(gòu)的影響，依據(jù)企業(yè)雇員學(xué)歷以及職位結(jié)構(gòu)（即各類別員工數(shù)量與企業(yè)員工總數(shù)的比值）進(jìn)行分類討論，檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)不同類型員工聘用的影響，表10第（1）至（8）列顯示了上述分組結(jié)果。其中，第（1）至（4）列的結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型顯著增加了高學(xué)歷（本科和研究生）員工的勞動(dòng)聘用。第（5）至（8）列的結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型同時(shí)提高了企業(yè)在生產(chǎn)、銷售和技術(shù)等流程環(huán)節(jié)的就業(yè)吸納能力。上述結(jié)果表明，隨著企業(yè)數(shù)字化轉(zhuǎn)型的推進(jìn)，企業(yè)人員聘用結(jié)構(gòu)在員工學(xué)歷分布和生產(chǎn)經(jīng)營(yíng)各環(huán)節(jié)分布上都發(fā)生了重大而深刻的變化。

表10 數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)聘用結(jié)構(gòu)

六、研究結(jié)論與啟示

本文基于2007—2020年滬深兩市A股上市公司的微觀數(shù)據(jù)，利用Python爬蟲(chóng)技術(shù)對(duì)企業(yè)年度報(bào)告進(jìn)行文本分析，基于數(shù)字化詞頻占比和無(wú)形資產(chǎn)數(shù)據(jù)等多個(gè)數(shù)據(jù)集測(cè)度企業(yè)數(shù)字化水平，實(shí)證檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其就業(yè)吸納能力的影響以及作用機(jī)理。研究結(jié)果表明：第一，數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)的就業(yè)吸納能力，并且該結(jié)論在以歷史上的清朝城墻數(shù)據(jù)等作為工具變量和國(guó)家級(jí)大數(shù)據(jù)試驗(yàn)區(qū)建設(shè)作為準(zhǔn)自然實(shí)驗(yàn)等一系列穩(wěn)健性檢驗(yàn)后仍然成立。第二，機(jī)制分析表明，技術(shù)創(chuàng)新效應(yīng)和生產(chǎn)效率效應(yīng)是數(shù)字化轉(zhuǎn)型影響企業(yè)就業(yè)吸納能力的核心作用機(jī)制，具體而言，企業(yè)數(shù)字化轉(zhuǎn)型水平的提高，一方面促進(jìn)企業(yè)創(chuàng)新層面的“投入—產(chǎn)出”績(jī)效提高，另一方面有助于提高企業(yè)的生產(chǎn)效率，兩個(gè)方面的效應(yīng)都擴(kuò)大了企業(yè)的勞動(dòng)力聘用需求。第三，異質(zhì)性分析表明，高成長(zhǎng)性企業(yè)、勞動(dòng)密集型企業(yè)、處在數(shù)字金融發(fā)展較好以及人才資源供給較豐富地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應(yīng)更加顯著。此外，進(jìn)一步研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)員工聘用結(jié)構(gòu)的升級(jí)和優(yōu)化。

上述研究結(jié)論的啟示：第一，順應(yīng)企業(yè)數(shù)字化轉(zhuǎn)型的浪潮并充分把握機(jī)遇，優(yōu)化就業(yè)支持政策以促使企業(yè)數(shù)字化轉(zhuǎn)型紅利惠及更多勞動(dòng)者。研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動(dòng)聘用水平，但短期內(nèi)可能會(huì)擠占低技能、常規(guī)性工作崗位勞動(dòng)者的就業(yè)機(jī)會(huì)。對(duì)此，一方面可通過(guò)失業(yè)補(bǔ)貼、再就業(yè)培訓(xùn)等方式保障低技能勞動(dòng)者的權(quán)益、增強(qiáng)再就業(yè)能力，同時(shí)加大對(duì)勞動(dòng)力市場(chǎng)的監(jiān)管力度，切實(shí)幫助中小微企業(yè)改善經(jīng)營(yíng)管理、穩(wěn)定就業(yè)崗位，在“做大蛋糕”的同時(shí)“分好蛋糕”。另一方面，積極鼓勵(lì)和幫助企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型，發(fā)揮好數(shù)字化轉(zhuǎn)型對(duì)多層次就業(yè)的正向促進(jìn)作用，實(shí)現(xiàn)就業(yè)的穩(wěn)定和擴(kuò)大。第二，加大對(duì)職業(yè)技能培訓(xùn)的支持力度，尤其是加強(qiáng)對(duì)失業(yè)人群的再就業(yè)輔導(dǎo)，引導(dǎo)勞動(dòng)力更好地融入數(shù)字經(jīng)濟(jì)從而實(shí)現(xiàn)高質(zhì)量就業(yè)?，F(xiàn)階段應(yīng)當(dāng)高度重視和加強(qiáng)易被數(shù)字技術(shù)替代的常規(guī)性崗位勞動(dòng)者的技能培訓(xùn)，減緩數(shù)字技術(shù)應(yīng)用所導(dǎo)致的技術(shù)性失業(yè)問(wèn)題。第三，提高數(shù)字技術(shù)基礎(chǔ)研發(fā)創(chuàng)新能力，協(xié)同攻堅(jiān)核心技術(shù)以加速數(shù)字經(jīng)濟(jì)成熟發(fā)展，健全數(shù)字化轉(zhuǎn)型促進(jìn)就業(yè)的正向循環(huán)機(jī)制。在推動(dòng)數(shù)字化轉(zhuǎn)型發(fā)展過(guò)程中，應(yīng)當(dāng)結(jié)合各地區(qū)數(shù)字金融和人才資源供給現(xiàn)狀，制定有針對(duì)性的政策措施以激勵(lì)企業(yè)技術(shù)創(chuàng)新和提質(zhì)增效，為穩(wěn)就業(yè)提供配套政策保障。短期內(nèi)數(shù)字技術(shù)憑借其優(yōu)勢(shì)可能會(huì)替代部分勞動(dòng)崗位，但是長(zhǎng)期來(lái)看數(shù)字化轉(zhuǎn)型的就業(yè)創(chuàng)造效應(yīng)大于就業(yè)替代效應(yīng)，為此，應(yīng)當(dāng)順應(yīng)數(shù)字化趨勢(shì)，拓展勞動(dòng)者的工作任務(wù)范圍，提升勞動(dòng)者的不可替代性。