数字经济发展的就业效应及其作用路径.pdf

统计与决策2023年第20期总第632期DOI:10.13546/ki.tjyjc.2023.20.005专 题 研 究0引言数字经济引领的新一轮工业革命催生了新技术、新产业、新业态和新模式，从而促进产业结构智能化转型和就业结构变迁。数字经济往往伴随技术进步，基于前三次工业革命的历史经验可知，技术进步具有就业破坏和就业创造的双重效应1。从现有研究来看，一种观点认为，数字经济必然会挤出非技能劳动力，“机器换人”加剧了资本深化，短期内会造成就业破坏2；另外一种观点则认为，数字经济固然会替代部分劳动力，但是也会通过提高生产效率和产品需求创造新的就业机会，从长期来看技术进步对就业的创造作用更为显著3。数字经济既替代了部分劳动力，又创造了新的工作职位，但是学术界对这两种效应的叠加影响尚未达成共识。互联网、大数据等新一代信息技术不仅促进了劳动力供需双方的信息对称，提升了劳动力市场的匹配效率，而且能增加劳动力就业的自主性和灵活性，进而提高其防范失业风险的能力。数字化互联网技术的应用大大提高了劳动力信息透明度，推动劳动力跨部门和行业流动。数字经济的互联网属性促进了劳动力供需双方的信息对称，进而提高了劳动力市场的匹配效率，缓解了结构性失业矛盾4。数字经济不仅能够提升劳动力市场供需精准匹配的效率，还能培育就业新市场，创新灵活性就业方式5。数字普惠金融通过放宽中小企业的资本约束，降低其融资成本和信息不确定性，以创新创业的方式促进劳动力就业多元化6。数字经济的网络化特征可以缓解劳动力市场信息不对称，加快劳动力供需双方的匹配，优化劳动力就业结构并提升就业质量。至此，以人工智能、互联网、大数据、云计算等新一代信息技术为核心的数字经济影响了劳动力市场的就业结构。但是，数字经济的智能化特征究竟如何通过就业破坏和创造过程影响失业劳动力数量，进而改变劳动力就业结构？数字经济的网络化特征究竟在多大程度上会促进劳动力的供需匹配，进而影响劳动力市场的效率？数字经济就业效应的影响机制和作用路径是否存在区域异质性？这些问题都有待回答。本文根据现有研究成果，首先，从多个维度构建数字经济发展的综合评价指标体系，并利用20102019年我国30个省份的面板数据检验数字经济发展的就业效应；其次，在同时考虑就业破坏和就业创造的双重效应以及劳动力市场的供需匹配过程的基础上，厘清数字经济智能化和网络化特征对就业结构的影响机制和作用路径，重点探究失业劳动力数量和劳动力市场匹配效率的中介效应；最后，考虑到区域就业结构上的差异性，进一步探讨我国东部地区发达省份和中西部地区欠发达省份数字经济发展的就业效应，比较分析东部地区和中西部地区省份数字经济发展对就业结构作用路径的异质性。1理论分析与研究假设1.1数字经济发展对就业的直接影响随着数字经济的发展，数字化信息和知识推动数字技术与实体经济深度融合，使经济社会的智能化和网络化水平不断提升，加速推进产业基础高级化和产业链现代化。数字经济发展的就业效应及其作用路径梁牧，刘富华（云南财经大学 经济学院，昆明 650221）摘要：数字经济的智能化特征形成了就业破坏和就业创造的双重效应，网络化特征则促进了劳动力供需双方的匹配，二者均会影响劳动力的就业结构。文章基于20102019年我国30个省份的面板数据，利用固定效应模型和中介效应模型实证检验数字经济发展的就业效应及其作用路径。结果表明：数字经济发展显著地促进了就业结构向制造化、服务化、高技术化、高技能化方向调整，呈现单极化趋势。进一步检验发现，数字经济发展通过失业劳动力数量和劳动力市场匹配效率两种作用路径对就业结构产生显著的间接影响，且这种间接影响具有明显的区域异质性。关键词：数字经济发展；就业结构；失业劳动力数量；劳动力供需匹配；中介效应模型中图分类号：F49；F241.4文献标识码：A文章编号：1002-6487（2023）20-0029-06基金项目：国家自然科学基金资助项目（72263032）；云南省基础研究计划资助项目（202201AU070220）；云南省教育厅科学研究基金资助项目（2023J0662）作者简介：梁牧（1993），女，河北唐山人，博士，讲师，研究方向：区域经济学。刘富华（1972），男，云南曲靖人，教授，博士生导师，研究方向：经济增长、收入分配。29统计与决策2023年第20期总第632期专 题 研 究产业数字化推动了工业互联网和智能制造升级，并且改变了产业比例，提高了劳动生产率，使产业结构高度化水平显著提升7；数字产业化则催生了信息通信等行业的新模式和新业态，推动传统制造业转型升级，激发了新兴服务业的潜能8。以煤化工、钢铁等为主的产能过剩产业面临较大压力，而以高端装备制造、新材料和新能源为主的新兴产业具备发展潜能，产业结构的调整势必改变劳动力需求结构，重塑分工格局。与以往科技革命加快体力型劳动力向技能型劳动力转型的就业结构变迁不同，新一轮信息技术革命推动产业智能化升级，由此大量中低技能劳动力被替代，而高技能劳动力需求则显著增加9。特别是高端制造业、生产性服务业等知识和技术密集型行业对劳动力的需求逐步增加，就业结构呈现明显的行业高技术化特征10。综上，数字经济在驱动产业结构优化升级的同时，也促进了劳动力市场的就业结构向制造化、服务化、高技术化、高技能化方向调整，呈现单极化趋势。基于以上分析，本文提出如下假设：假设1：数字经济发展推动劳动力就业结构呈现单极化趋势。1.2数字经济影响就业的作用路径一方面，数字经济发展加快产业结构转型升级，进而改变劳动力需求，由此形成就业破坏和就业创造的双重效应，这会影响劳动力市场中失业劳动力数量。产业数字化拓展了电子商务、平台经济、共享经济等数字化新模式11，并由此创造出大量的新兴工作职位和就业模式以吸纳就业，这在一定程度上缓解了法国等欧洲国家的失业。然而，与欧美等发达经济体相比，我国的数字经济发展仍处于初期阶段，人工智能化技术的就业破坏效应大于就业创造效应，从而进一步导致中低技能劳动力失业12。特别是在产业结构优化升级的推动下，制造业逐步实现智能化转型，工业机器人的普及和劳动力成本的上升加剧了大量中低端的就业破坏，中低技能劳动力流向低端服务业甚至失业13。因此，以人工智能技术为代表的数字经济既会创造新的工作职位以增加就业，又会替代部分中低技能劳动力而破坏就业，由此改变失业劳动力数量，进而影响劳动力市场的就业结构。基于以上分析，本文提出如下假设：假设2：数字经济的智能化特征可以通过失业劳动力数量来影响劳动力就业结构。另一方面，数字经济对就业的作用路径还体现在劳动力供需双方的匹配过程中。随着互联网、大数据、云计算等新一代信息技术的应用，劳动力供需双方的就业信息获取渠道越来越多元化，就业公共服务能力显著提升，促进了劳动力市场就业信息对称14。特别是大数据时代数字产业化的持续推进，就业服务方利用大量数据实现劳动力供需信息精准对接，从而提高劳动力市场匹配效率15。考虑劳动力市场的供需匹配过程，劳动力市场匹配效率的提升必然会优化劳动力资源配置效率16。此外，由于劳动力具有异质性，高技能劳动力搜寻和处理就业信息的能力强于中低技能劳动力，因此高技能劳动力匹配效率的提升会显著高于中低技能劳动力。数字经济网络化特征通过提升劳动力市场匹配效率来增加匹配数量，而且该作用路径对高技能劳动力就业数量的正向效果尤为明显。基于以上分析，本文提出如下假设：假设3：数字经济的网络化特征可以通过提高劳动力市场匹配效率来影响劳动力就业结构。2研究设计2.1模型构建（1）直接效应检验数字经济发展直接影响劳动力就业结构。对此，构建直接效应估计模型如下：Yit=0+1digecoit+Xit+i+t+it（1）其中，Y为被解释变量，表示劳动力就业结构；digeco为核心解释变量，表示数字经济发展水平；X为一组控制变量，表示其他影响劳动力就业结构的重要因素；i表示地区固定效应，t表示时间固定效应，it表示随机误差项。（2）中介效应检验数字经济发展可以通过失业劳动力数量和劳动力市场匹配效率两种作用路径来影响劳动力就业结构。因此，本文选取失业劳动力数量和劳动力市场匹配效率作为中介变量，构建中介效应估计模型：Yit=0+1digecoit+Xit+it（2）Medit=0+1digecoit+Xit+it（3）Yit=0+1digecoit+2Medit+Xit+it（4）其中，Med为中介变量，包括失业劳动力数量（lnunemp）和劳动力市场匹配效率（lme）两个变量。若式（3）中的系数1显著，且式（4）中的系数2也显著，则中介效应存在，即数字经济发展通过中介变量对劳动力就业结构产生间接影响。2.2变量说明（1）被解释变量劳动力就业结构（Y）。本文从产业、行业和技能三个层面衡量劳动力就业结构。产业就业结构（indstruc）。借鉴郭玲和汪洋（2020）17的研究，选择第二、三产业就业人数与第一产业就业人数的比值来衡量产业就业结构。行业就业结构（trastruc）。以高技术行业就业人数占就业总人数的比重来衡量行业就业结构，其中高技术行业包括高端制造业和高端服务业。根据 中国高技术产业统计年鉴，高端制造业由医药制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗仪器设备及仪器仪表制造业、信息化学品制造业五个行业表示；根据宣烨等（2019）18的研究，本文选取信息传输、软件和信息技术服务业，金融业，租赁合同商务服务业，科学研究和技术服务业四个行业代表高端服务业。技能就业结构（skistruc）。本文借鉴孙文远和周寒（2020）19的做法，将具有大专及以30统计与决策2023年第20期总第632期专 题 研 究上学历的劳动力界定为高技能劳动力，并以大专及以上学历的就业人数与大专以下学历的就业人数的比值衡量技能就业结构。（2）核心解释变量数字经济发展水平（digeco）。中国数字经济发展白皮书（2020年）提出，数字经济是一种融合经济，囿于数据的可得性和测度方法的有限性，准确衡量数字经济发展水平将具有一定的难度。根据现有文献和前文的理论分析可知，数字经济一方面通过其网络化特征促进劳动力供需双方的信息对称，从而提升劳动力市场的匹配效率，另一方面通过其智能化特征加速就业破坏和创造过程而影响失业劳动力数量。因此，本文借鉴已有研究成果9,20，从网络化和智能化两个维度选取11个指标构建数字经济发展水平评价指标体系，采用熵权法对各个评价指标赋予权重并计算数字经济发展水平。详见表1。表1数字经济发展水平评价指标体系维度网络化智能化评价指标信息资源采集能力数字设备应用情况数字基础设施情况软件使用情况数据存储和处理能力平台运营和维护情况智能仪器设备使用智能制造企业情况工业机器人情况新产品生产情况AI专利发明情况指标说明互联网上网人数/常住人口数移动电话普及率长途光缆线路长度基础、嵌入式、支撑和应用软件进口额/进口总额信息技术咨询服务、数据服务和运营服务收入/主营业务收入信息系统集成业务、电子商务平台服务和运营维护服务收入/主营业务收入计算机、电子元件、电子器件和电子仪器的进口额/进口总额各省份智能制造企业的主营业务收入/全国智能制造企业的主营业务收入工业机器人进出口总额/进出口总额新产品销售收入/主营业务收入各省份AI类专利发明数量/全国AI类专利发明数量属性+（3）中介变量失业劳动力数量（lnunemp）。本文选取城镇登记失业人数的对数来衡量劳动力市场中失业劳动力数量。劳动力市场匹配效率（lme）。本文借鉴蔡彤和陈全（2015）21的做法，利用新增就业人数、本单位求职人数、本期登记招聘人数等数据估算各省份劳动力市场匹配效率。（4）控制变量根据现有文献的做法，本文选取以下控制变量：经济发展水平（lnpgdp），用地区人均GDP的对数衡量；政府财政支出（gov），用一般公共预算支出占GDP的比重衡量；外商直接投资（fdi），用外商直接投资占GDP的比重衡量；人口老龄化（old），用老年人口抚养比衡量；人力资本水平（hum），用平均受教育年限乘以教育回报率衡量；空缺职位数量（lnvan），用本期登记招聘人数的对数衡量；工资水平（lnwage），用职工平均工资的对数衡量。2.3数据来源及预处理本文选择20102019年我国30个省份（不含西藏和港澳台）的面板数据进行实证检验。相关数据来源于历年中国统计年鉴 中国高技术产业统计年鉴 中国第三产业统计年鉴 中国电子信息产业统计年鉴 中国信息产业年鉴 中国人口与就业统计年鉴 中国劳动统计年鉴以及海关进出口数据库。个别年份存在数据缺失现象，用相邻年份的平均值补充缺失数据，由此得到平衡面板数据。3实证分析3.1数字经济发展对就业结构的直接影响本文采用模型（1）实证检验数字经济发展对劳动力就业结构的影响。基于Hausman检验结果，选择固定效应模型，并同时控制了地区和年份固定效应，估计结果如表2所示。由表2中第（1）至第（3）列的估计结果可知，数字经济发展对产业就业结构、行业就业结构和技能就业结构的估计系数均为正，且均通过了显著性检验。这表明数字经济发展水平的提升能够促进劳动力就业结构向制造化、服务化、高技术化、高技能化方向调整。一方面，数字经济的发展加速了就业破坏过程，人工智能逐步替代中低技能劳动力，以中低端制造业为主的就业被破坏；另一方面，数字经济发展推动产业结构向高端制造化和服务化转型，并由此创造了大量的就业需求。因此，数字经济的发展改变了劳动力需求结构，第二、三产业，高技术行业和高技能劳动力的就业数量明显增加，就业结构呈现单极化趋势，这验证了假设1。表2数字经济发展对就业结构直接影响的估计结果变量digeco控制变量Cons地区固定效应年份固定效应Hausman testAdj.R2F值Obs（1）indstruc5.1067*（1.3255）Yes-0.1152（18.3310）YesYes39.53*0.00000.353133.64*0.0000300（2）trastruc0.2038*（0.0507）Yes-0.2152（0.7015）YesYes40.38*0.00000.440721.22*0.0000300（3）skistruc0.1548*（0.0498）Yes0.5558（0.6889）YesYes41.62*0.00000.434020.79*0.0000300注：（1）圆括号内为对应参数的标准误；（2）方括号内为对应参数的P值；（3）*、*、*分别表示变量系数通过了1%、5%、10%的显著性检验。下同。3.2中介效应检验由下页表3可以看出，数字经济发展通过失业劳动力数量对就业结构产生的中介效应显著为正。从第（4）列的估计结果可知，数字经济发展对失业劳动力数量的系数1的估计值为0.5146且在1%的水平上显著，这表明随着数字经济发展水平的提升，其就业破坏效应大于创造效应，因此劳动力市场的失业劳动力数量增加。从第（5）列的估计结果可知，失业劳动力数量对产业就业结构的系数估计值为5.6187且在1%的水平上显著，数字经济发展通过失业劳动力数量对产业就业结构产生的中介效应占总效应的比重为43.70%。从第（6）列的估计结果可知，失业劳动力数量对行业就业结构的系数估计值为0.1530且在1%的水平上显著，数字经济发展通过失业劳动力数量对行业就31统计与决策2023年第20期总第632期专 题 研 究业结构产生的中介效应占总效应的比重为23.39%。从第（7）列的估计结果可知，失业劳动力数量对技能就业结构的系数估计值为0.1602且在1%的水平上显著，数字经济发展通过失业劳动力数量对技能就业结构产生的中介效应占总效应的比重为31.91%。这验证了假设2。此外，数字经济发展通过失业劳动力数量对产业就业结构产生的中介效应明显高于其对行业和技能就业结构产生的中介效应，即数字经济发展通过失业劳动力数量促进劳动力向第二、三产业就业的效果最为明显。表3失业劳动力数量的中介效应估计结果变量digecolnunemp控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obs（4）lnunemp0.5146*（0.1352）Yes-10.2511*（0.8494）YesYesYes0.8115300（5）indstruc3.7257*（1.5549）5.6187*（0.6679）Yes-65.8095*（11.7321）YesYes3.46800.0005Yes2.891743.700.8580300（6）trastruc0.2579*（0.0518）0.1530*（0.0222）Yes-2.5952*（0.3907）YesYes3.33100.0009Yes0.078723.390.8659300（7）skistruc0.1759*（0.0498）0.1602*（0.0214）Yes-2.2482*（0.3758）YesYes3.39300.0007Yes0.082431.910.8669300注：Sobel test的方括号中报告的是z值，下同。由表4可以看出，数字经济发展通过劳动力市场匹配效率对就业结构产生的中介效应显著为正。从第（8）列的估计结果可知，数字经济发展对劳动力市场匹配效率的系数1的估计值为0.1330，这表明数字经济发展水平的提升显著提高了劳动力市场的匹配效率。从第（9）列的估计结果可知，劳动力市场匹配效率对产业就业结构的系数估计值为23.2866且在1%的水平上显著，数字经济通过劳动力市场匹配效率对产业就业结构产生的中介效应占总效应的比重为46.79%。从第（10）列的估计结果可知，劳动力市场匹配效率对行业就业结构的系数估计值为0.6823且在1%的水平上显著，数字经济通过劳动力市场匹配效率对行业就业结构产生的中介效应占总效应的比重为26.95%。从第（11）列的估计结果可知，劳动力市场匹配效率对技能就业结构的系数估计值为0.7010且在1%的水平上显著，数字经济发展通过劳动力市场匹配效率对技能就业结构产生的中介效应占总效应的比重为36.08%。这验证了假设3。此外，数字经济发展通过劳动力市场匹配效率对产业就业结构产生的中介效应明显高于其对行业和技能就业结构产生的中介效应，即数字经济通过劳动力市场匹配效率促进劳动力向第二、三产业就业的效果最为明显。3.3稳健性检验为验证模型设定的合理性和估计结果的可靠性，本文替换核心解释变量对上述估计结果进行稳健性检验。本文借鉴张勋和谭莹（2019）22、郭峰等（2020）23的研究，选用数字普惠金融指数（digind）替换原来的核心解释变量，估计结果如表5和表6所示。表5稳健性检验：失业劳动力数量变量digecolnunemp控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obslnunemp0.0034*（0.0008）Yes-9.6635*（0.9154）YesYesYes0.8131300indstruc0.0282*（0.0096）5.5050*（0.6674）Yes-60.3503*（12.1189）YesYes3.69100.0002Yes0.018940.150.8594300trastruc0.0024*（0.0003）0.1380*（0.0211）Yes-1.9655*（0.3832）YesYes3.49000.0005Yes0.000516.580.8803300skistruc0.0018*（0.0003）0.1473*（0.0207）Yes-1.7271*（0.3754）YesYes3.57200.0004Yes0.000522.110.8767300表6稳健性检验：劳动力市场匹配效率变量digindlme控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obslme0.0010*（0.0002）Yes-2.3708*（0.2423）YesYes0.8162300indstruc0.0243*（0.0094）22.8359*（2.4574）Yes-59.3661*（11.5725）YesYes4.07300.0000Yes0.022848.430.8665300trastruc0.0022*（0.0003）0.6149*（0.0773）Yes-1.8410*（0.3641）YesYes3.93700.0001Yes0.000621.480.8875300skistruc0.0016*（0.0003）0.6464*（0.0756）Yes-1.6182*（0.3561）YesYes4.00300.0001Yes0.000628.190.8845300从回归结果可以看出，替换被解释变量后，表5中数字经济发展和失业劳动力数量的系数估计值的符号和显著性水平与前文的回归结果基本一致，表6中数字经济发展和劳动力市场匹配效率对就业结构的系数估计值的符表4劳动力市场匹配效率的中介效应估计结果变量digecolme控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obs（8）lme0.1330*（0.0361）Yes-2.6097*（0.2265）YesYes0.8118300（9）indstruc3.5214*（1.5088）23.2866*（2.4342）Yes-62.6366*（11.2279）YesYes3.44100.0006Yes3.096046.790.8659300（10）trastruc0.2459*（0.0499）0.6823*（0.0805）Yes-2.3831*（0.3711）YesYes3.38200.0007Yes0.090726.950.8753300（11）skistruc0.1651*（0.4791）0.7010*（0.0773）Yes-2.0608*（0.3565）YesYes3.41600.0006Yes0.093236.080.876530032统计与决策2023年第20期总第632期专 题 研 究号和显著性水平与前文的回归结果基本一致。因此，本文的模型设定较为合理，估计结果较为稳健。3.4区域异质性检验为深入分析数字经济发展对就业结构的作用路径的区域异质性，本文按照国家统计局的划分标准，将样本分为东部地区和中西部地区分别进行中介效应估计，估计结果分别如表7和表8所示。由表7可知，东部地区数字经济发展通过失业劳动力数量对行业和产业就业结构的中介效应并不显著，而其对产业和技能就业结构的中介效应均显著，且占比分别为45.29%和17.46%，但是技能就业结构的中介效应占比明显低于全国样本的中介效应占比。这表明随着东部地区数字经济的发展，就业破坏效应大于创造效应，失业劳动力数量增加，就业结构向第二、三产业和高技能方向调整。此外，中西部地区仅有数字经济通过失业劳动力数量影响技能就业结构的中介效应显著且占比为16.91%，但是该中介效应占比明显低于全国样本的中介效应占比。这表明中西部地区数字经济的发展增加了失业劳动力数量，就业结构向高技能化方向调整。由表8可知，东部地区数字经济发展对产业、行业和技能就业结构的劳动力市场匹配效率中介效应均显著，且占比分别为18.40%、25.20%和40.39%。东部地区数字经济通过劳动力市场匹配效率影响技能就业结构的中介效应明显高于其影响产业和行业就业结构的中介效应。这表明随着东部地区数字经济发展水平的提升，劳动力市场匹配效率显著提升，就业结构向第二、三产业，高技术和高技能方向调整，其中高技能劳动力的效应最为明显。此外，中西部地区数字经济发展通过劳动力市场匹配效率影响产业、行业、技能就业结构的中介效应均显著，但是均低于全国样本的中介效应占比。这表明中西部地区数字经济发展提高了劳动力市场匹配效率，进而推动就业结构向高技能、高技术方向和第二、三产业调整。4结论本文基于20102019年我国30个省份的面板数据，构建固定效应模型估计数字经济发展对劳动力就业结构的直接影响，并通过中介效应模型检验失业劳动力数量和劳动力市场匹配效率在其中所起的中介作用。得出如下结论：第一，在考虑经济发展水平、政府财政支出、外商直接投资、人口老龄化、人力资本水平、工资水平等影响因素的情况下，数字经济发展促进了第二、三产业，高技术行业和高技能劳动力的就业增加，推动就业结构向制造化、服务化、高技术化、高技能化方向调整，就业结构呈现单极化趋势。第二，数字经济发展通过失业劳动力数量影响劳动力就业结构。其中，失业劳动力数量对产业、行业和技能就业结构的中介效应占比分别为 43.70%、23.39%、31.91%。同时，数字经济通过劳动力市场匹配效率影响劳动力就业结构。其中，劳动力市场匹配效率对产业、行业和技能就业结构的中介效应占比分别为46.79%、26.95%、36.08%。由此可见，无论是失业劳动力数量还是劳动力市场匹配效率，二者对产业就业结构的中介效应均明显高于其对行业和技能就业结构的中介效应。第三，数字经济发展对就业结构的间接影响具有明显的区域异质性。从失业劳动力数量的作用路径来看，东部地区通过失业劳动力数量影响行业就业结构的中介效应不显著，而其影响产业和技能就业结构的中介效应均显著，且占比分别为45.29%和17.46%，但是失业劳动力数量对技能就业结构的中介效应则明显低于全国水平。中西部地区通过失业劳动力数量影响产业行业就业结构的中介效应均不显著，而其影响技能就业结构的中介效应显著，且占比为16.91%，仍然低于全国水平。从劳动力市场匹配效率的作用路径来看，东部地区通过劳动力市场配效率对各就业结构的中介效应均显著，且占比分别为18.40%、25.20%和40.39%。中西部地区通过劳动力市场表7分区域失业劳动力数量中介效应的估计结果变量digecolnunemp控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obs东部地区indstruc2.8721*（0.3486）6.4395*（1.9673）Yes112.1325*（25.9010）YesYes2.2580Yes2.377245.290.9291110trastruc0.4174*（0.0986）0.1288（0.0826）Yes-0.0618（1.0881）YesYes1.3940No0.8938110skistruc0.2774*（0.0896）0.1590*（0.0750）Yes1.6297（0.9880）YesYes1.7530Yes0.058717.460.9066110中西部地区indstruc1.3089*（0.6386）0.2789（0.2464）Yes-20.1075*（4.6511）YesYes1.0480No0.7128190trastruc0.0563*（0.0309）0.0126（0.0119）Yes-0.9259*（0.2254）YesYes0.9853No0.7278190skistruc0.0488*（0.0276）0.0185*（0.0107）Yes-0.6373*（0.2013）YesYes1.4710Yes0.009916.910.7671190表8分区域劳动力市场匹配效率中介效应的估计结果变量digecolme控制变量Cons地区固定效应年份固定效应Sobel test是否存在中介效应中介效应大小中介效应占比（%）Adj.R2Obs东部地区indstruc6.0806*（2.0959）20.9019*（5.5639）Yes49.1045*（19.7904）YesYes1.6070Yes1.371318.400.9247110trastruc0.3478*（0.0996）0.8326*（0.2886）Yes0.1424（0.9952）YesYes2.3920Yes0.117225.200.9001110skistruc0.2004*（0.0890）0.9648*（0.2577）Yes1.8060*（0.8885）YesYes2.8190Yes0.135840.390.9151110中西部地区indstruc1.2637*（0.6299）1.8507*（1.0031）Yes-20.3137*（4.6231）YesYes1.4220Yes0.194813.360.7163190trastruc0.0533*（0.0305）0.0930*（0.0485）Yes-0.9379*（0.2237）YesYes1.4530Yes0.008815.510.7318190skistruc0.0474*（0.0272）0.1075*（0.0433）Yes-0.6467*（0.1995）YesYes1.6590Yes0.011319.280.771219033统计与决策2023年第20期总第632期专 题 研 究匹配效率影响产业、行业和技能就业结构的中介效应均显著，但是仍然低于全国水平。参考文献：1马相东.人工智能的双重效应与中国智能经济发展J.中共中央党校(国家行政学院)学报,2020,24(2).2孔高文,刘莎莎,孔东民.机器人与就业基于行业与地区异质性的探索性分析J.中国工业经济,2020,(8).3吴清军,陈轩,王非,等.人工智能是否会带来大规模失业?基于电商平台人工智能技术、经济效益与就业的测算J.山东社会科学,2019,(3).4Kuhn P,Mansour H.Is Internet Job Search Still Ineffective J.Economic Journal,2014,124(581).5张琳.数字经济推动就业结构性变革的实践与路径J.贵州社会科学,2021,(3).6谢绚丽,沈艳,张皓星,等.数字金融能促进创业吗?来自中国的证据J.经济学(季刊),2018,17(4).7李治国,车帅,王杰.数字经济发展与产业结构转型升级基于中国275个城市的异质性检验J.广东财经大学学报,2021,36(5).8陈晓东,杨晓霞.数字经济发展对产业结构升级的影响基于灰关联熵与耗散结构理论的研究J.改革,2021,(3).9张万里,宣旸,睢博,等.产业智能化、劳动力结构和产业结构升级J.科学学研究,2021,39(8).10王文.数字经济时代下工业智能化促进了高质量就业吗J.经济学家,2020,(4).11丁守海,徐政.新格局下数字经济促进产业结构升级:机理、堵点与路径J.理论学刊,2021,(3).12康茜,林光华.工业机器人与农民工就业:替代抑或促进J.山西财经大学学报,2021,43(2).13杨骁,刘益志,郭玉.数字经济对我国就业结构的影响基于机理与实证分析J.软科学,2020,34(10).14杨伟国.从工业化就业到数字化工作：新工作范式转型与政策框架J.行政管理改革,2021,(4).15杨伟国,韩轶之.“人工匹配”与社会化人才开发新机制J.中国人力资源开发,2021,38(10).16丛屹,俞伯阳.数字经济对中国劳动力资源配置效率的影响J.财经理论与实践,2020,41(2).17郭玲,汪洋.就业结构升级的经济效应及其路径分析基于创新机制的调节作用J.工业技术经济,2020,39(11).18宣烨,陆静,余泳泽.高铁开通对高端服务业空间集聚的影响J.财贸经济,2019,40(9).19孙文远,周寒.环境规制对就业结构的影响基于空间计量模型的实证分析J.人口与经济,2020,(3).20孙早,侯玉琳.工业智能化如何重塑劳动力就业结构J.中国工业经济,2019,(5).21蔡彤,陈全.劳动力市场“工人岗位”匹配效率的研究基于19962011年省市面板数据的检验J.西安财经学院学报,2015,28(3).22张勋,谭莹.数字经济背景下大国的经济增长机制研究J.湖南师范大学社会科学学报,2019,48(6).23郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征J.经济学(季刊),2020,19(4).（责任编辑/梁红）Employment Effect of Digital Economy Development and Its Action PathLiang Mu,Liu Fuhua（School of Economics,Yunnan University of Finance and Economics,Kunming 650221,China）Abstract:The intelligent characteristics of digital economy have created dual effects of job destruction and job creation,while the network features promote the matching of labor supply and demand,both of which will affect the employment structure oflabor force.Based on the panel data of 30 provinces in China from 2010 to 2019,this paper uses fixed effect model and intermedi-ary effect model toempirically test the influence mechanism and path of employment effect of digital economy.The results showthat the development of digital economy significantly promotes the adjustment of employment structure in the direction of manufac-turing,service,high technology and high skill,showing the trend of unipolarization.Further study shows that the development ofdigital economy has a significant indirect influence on employment structure through two action paths:the number of unemployedlabor force and the matching efficiency of labor market,the indirect influence having obvious regional heterogeneity.Key words:digital economy development;employment structure;number of unemployed labor force;matching of labor sup-ply and demand;mediating effect model34