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

司小飞，李麦收，b

（河南大学，a.经济学院/经济研究所；b.乡村振兴研究院，河南开封 475004）

一、引 言

就业作为最大的民生工程，关乎社会经济稳定和人民安乐，受到历届党和政府的高度重视。党的十八大以来，以习近平同志为核心的党中央领导集体，高度重视就业问题，始终把解决好就业问题放在突出位置，而解决就业问题的根本是经济发展，关键是保证劳动者就业质量和收入水平不断提升。近年来，我国经济发展实现了由高速增长阶段向高质量发展阶段的转变，经济增速变缓。在此背景下，如何推动经济高质量发展？其关键在于高质量就业，只有保障劳动者就业质量不断提升，我们才能更有底气推动经济高质量发展、决胜全面建成小康社会。总之，就业质量是衡量经济高质量发展水平的重要指标，也是推动经济高质量发展的内在要求。

与此同时，随着新一代信息和网络技术为支撑的数字经济快速发展，广泛应用于现代经济活动中，已成为推动经济高质量发展的重要驱动力。党的十九大以来，中国高度重视发展数字经济，并于2017年首次被写入到政府工作报告中。数字经济作为推动中国经济高质量发展的新动能，其发展势头强劲，数字经济规模不断壮大，据2021年世界人工智能大会公布，中国数字经济规模已达41万亿元，总量跃居世界第二，中国已经迈向数字经济时代。数字经济快速发展会对经济体制、产业结构、就业结构以及就业质量产生巨大变革。因此，在数字经济时代，探究数字经济发展、就业结构优化以及就业质量三者之间的关系，不仅有助于应对由经济增速变缓和增长动力转换所带来的挑战，而且还对优化就业结构、提升劳动者就业质量具有重大意义。

二、文献综述

（一）数字经济与就业质量的概念界定

数字经济概念最早由Tapscott于1996年提出，认为数字经济是一种新的经济形态和经济发展趋势，是知识经济的重要表现。随后，美国政府则将数字经济写入到政府工作报告中，其概念由此得到世界各国组织机构和学者的认可。在此以后，许多学者和机构开始从不同层面对其内涵以及测算进行研究。首先，关于数字经济的内涵，一部分学者认为是由于互联网、信息等技术广泛应用而产生的一系列的经济活动（马建堂，2018[1]；荆文君、孙宝文，2019[2]）。此外，G20中国杭州峰会（2016）则将“以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”定义为数字经济内涵。有关这一种内涵界定得到学者和机构的普遍认可。基于数字经济的内涵，学者们开始从不同角度测算数字经济规模，一部分学者采用单一指标来测算数字经济，如用电子商务及电子交易额、互联网普及率等单一指标来测算数字经济（Mesenbourg，2001[3]；张辉、石琳，2019[4]）。随着研究的深入，学者和机构开始用综合性、多维度指标来测算数字经济，多数学者常从信息经济的硬件和软件基础设施、电子商务、企业及行业结构、人口统计及劳动力特征以及价格行为等维度测算数字经济（Machlup，1962[5]；Brynjolfsson&Kahin，2002[6]）。聚焦到国内，中国学者则从数字经济的基础层和融合应用层基本面出发，将数字经济按照生产数字化、消费数字化、流通数字化以及政府数字化等维度去测算国内数字经济规模（康铁祥，2008[7]，范合君、吴婷，2020[8]；彭刚、赵乐新，2020[9]）。与此同时，美国商务部（US-DOC）、经济合作与发展组织（OECD）、欧盟统计局（EUROSTAT）以及中国信息通信研究院（CAICT）等一些组织机构也从不同维度测算数字经济。

有关就业质量的研究可以追溯到20世纪70年代欧美国家提出的“工作生活质量”。此后，国际劳工组织（ILO）提出“体面劳动”的概念，再到近期提出的“高质量就业”，就业质量的内涵得到丰富和发展，已成为涵盖宏、中、微观层面的研究范畴。从宏观角度来看，一部分学者认为就业质量是反映一个国家、地区或者行业范围内劳动者工作状况，如就业环境、充分就业水平、社会保险参保率、行业平均工资等（程蹊、尹宁波，2003[10]；刘素华，2005[11]）。从中观层面来看，就业质量反映劳动力市场的资源配置效率以及运行状况，包括劳动力供求状况、公共就业服务质量等（Van Bastelaer，2002）[12]。从微观角度来看，就业质量反映一切与个体劳动者相关的工作状况，包括工作性质、工作效率、劳动强度、工作安全、工作福利等方面（Sousa，2000[13]；李中建、袁璐璐，2017[14]）。基于就业质量的基本内涵，学者们从不同角度构建就业质量评价体系。部分学者从就业环境、就业能力、就业状况、劳动报酬、社会保护、劳动关系、就业服务等宏观层面构建了就业质量评价体系（赖德胜等，2011[15]；朱火云等，2014[16]）。另外，还有学者基于工作条件、劳动关系和社会保障、劳动者收入、就业满意度、就业感受等微观层面构建就业质量评价体系（杨河清、李佳，2007[17]；许长新、凌珑，2020[18]）。

（二）数字经济与就业质量的相关研究

关于数字经济对就业质量的影响，学术界暂未得出一致的结论。一种观点是数字经济对就业质量具有积极的影响。其中，一部分学者则认为数字经济通过优化产业结构而改变就业结构，从而对就业质量产生正向调节作用（王军、詹韵秋，2018[19]；戚聿东等，2020[20]；孟琪，2021[21]）。还有学者认为数字经济的发展使劳动者从传统工作解放出来，改善了工作环境、减少了工作时间、提高了劳动报酬，有助于提升就业质量（夏炎等，2018[22]；潘文轩，2018[23]；毛宇飞等，2019[24]）。另一种观点是数字经济发展降低了就业质量。这部分学者认为随着计算机、互联网以及人工智能等新型信息通信技术的出现和普及，会使劳动者的工作时间和生活时间的界限变得模糊不清，这实际上是延长了其工作时间和增加了工作量，从而降低了劳动者就业质量（Rubery&Grimshaw，2001[25]；Bauernschuster et al.，2014[26]）。另外，数字经济发展也提高了就业门槛，进一步加剧就业不公平，造成结构性失业，就业政策体系滞后等结果，不利于就业质量提升（朱翠华，2017[27]；马名杰等，2019[28]）。

（三）数字经济与就业结构的相关研究

有关数字经济对就业结构的研究，学者从不同视角展开。一是基于技能偏向型技术进步的视角，学者认为技能偏向性技术进步主要是指高技能偏向型技术进步，该技术进步增加了劳动力市场上对高技能劳动者的需求，进而拉大不同教育水平工人工资差异（Autor et al.，1998[29]；叶胥等，2021[30]）。二是基于程序偏向型技术进步研究视角，学者们认为数字经济对程序化工作具有替代作用，对非程序工作具有互补作用，进而增加了高技能劳动者就业，减少了中技能劳动者就业，最终导致中等收入阶层萎缩和收入两极分化（Autor&Mark，2006[31]；Beaudry et al.，2016[32]；蔡跃洲、陈楠，2019[33]）。三是基于就业产业结构视角，学者认为互联网技术进步会对就业产业结构产生影响，即增加了对生产性、高端服务业以及消费性服务业等第三产业的就业，却相应地降低了对劳动密集型、中低技术密集型产业的就业，从而优化了劳动力就业结构（丁琳、王会娟，2020[34]；王文，2020[35]；俞伯阳，2020[36]）。

通过文献梳理，学术界分别从理论层面和实证角度对数字经济、就业质量的内涵与测度以及二者之间关系做了大量研究，取得了一定的成果。但是，从已有成果来看，有关数字经济与就业质量的研究仍然存在不足。一是鲜有学者将数字经济、就业结构以及就业质量放在同一个框架中进行研究，更是缺乏从宏观层面去探究三者之间的关系。二是鲜有学者将就业结构作为数字经济影响就业质量的中介变量，缺乏从理论和实证角度探究其在数字经济和就业质量发生作用的机理。鉴于此，文章在科学把握数字经济、就业质量内涵的基础上，分别构建数字经济与就业质量评价体系，利用熵值法对2013～2019年中国省域数字经济和就业质量进行测度，并探讨了数字经济对就业质量的影响以及内在机制，从而为新时代背景下提升就业质量提供理论参考和实践借鉴。

三、理论分析和研究假设

已有研究表明，就业质量涵盖了宏微观层次，是一个多维度范畴，包括就业环境、就业能力、工资水平等多方面。党的十九大报告明确指出“要坚持就业优先战略和积极就业政策，实现更高质量和更充分就业”。因此，提升劳动者就业质量是就业工作的重要内容。近年来，随着互联网、人工智能、信息通信等技术为支撑的数字经济不断发展，成为引领经济高质量发展的新引擎。数字经济作为一种新的经济形态，不仅表现为数字化知识和信息等新生产要素，而且还表现为技术进步。在这两种形态的作用下，数字经济对就业质量的影响可以分为直接效应和间接效应，如图1所示。

数字经济对就业质量的直接效应反映的是以互联网、信息通信技术为支撑的数字经济对就业质量的直接影响，不仅包括积极效应，而且还有消极效应。首先，从数字经济对就业质量的积极效应来看，主要体现在以下三个方面：一是智能化效应。人类已经进入数字经济时代，而智能化是数字经济的具体表现形式。随着人工智能广泛应用到工作中，有助于提高劳动者的工作效率、减少工作时间和降低劳动强度，大大提高了劳动者的工作满意度，劳动者就业质量随之得到提升。二是收入效应。以新一代互联网技术、信息网络技术等技术为支撑的数字经济具有技术的一般属性，有助于提高社会生产力水平，促进经济增长，从而带动社会福利水平和劳动者报酬提升，有助于提升劳动者就业质量。另外，随着劳动者收入水平的提升，他们会更加注重对自身人力资本的投资，不断提高个人的就业能力。三是资本化效应。数字技术作为技术进步的更高级形式，能够提高资本的有机构成，这种影响从长期来看是有助于提升劳动者的就业质量。这是因为，一些企业通过应用新技术而不断提高劳动生产率，有助于获得超额利润，企业生产规模扩大，经济效益变好，劳动者的福利待遇和工资水平也随之得到提高；同时，资本有机构成的提高也会引起资本吸纳就业能力的下降，这就意味着数字经济发展在短期内减少对劳动力的需求。因此，劳动者为避免失业，倒逼其不断提升劳动素质和就业能力。其次，从数字经济对就业质量的消极效应来看，主要体现在以下三个方面：一是两极分化。以新一代互联网技术、信息通信技术、人工智能技术等为支撑的数字经济发展会对劳动工具或者劳动手段产生影响，劳动工具实现了由手工劳动逐步向机械化、智能化以及自动化转变，在这个过程中必然会造成一部分劳动者被机器替代，机器换人现象成为社会发展过程中不可阻挡的趋势。因此，那些被机器替代的劳动者与未被机器替代的劳动者之间的收入差距逐步扩大，形成两极分化局面。同时，在机器换人的过程中会造成一部分劳动者失业，一部分失业者为了获得收入不得不去寻找一些临时、非稳定的工作岗位，这不利于就业稳定性的提升，从而降低了就业质量。二是滞后效应。所谓滞后效应是指由于短期内劳动力素质、产业结构不能及时调整，由此导致数字技术对就业结构、就业状况产生滞后效应，不利于就业质量的提升。具体而言，数字经济在提高劳动生产率的同时也会造成部分劳动者失业。失业者为了能够再次就业，就需要花费一定时间去学习和培训新的劳动技能来提升自身素质和就业能力。在这个过程中，技术进步与劳动者就业能力之间在时间上存在不同步，因此，短期内会降低就业匹配度，导致就业状况变差，大大降低了劳动者的就业质量。三是波动效应。由熊彼特技术创新理论可知，技术进步有助于推动社会经济向前发展，并呈现出波动式的态势。在此经济环境下，就业率或者失业率同样会随之出现周期性的波动。这是因为，在数字技术的初创阶段，由于受到经济波动的影响，市场环境恶化，进一步加大了企业的投资风险，因此，企业缩小生产规模，最终导致就业环境恶化，不利于就业质量提升。

数字经济对就业质量的间接效应是指由技术进步所产生的对劳动力要素的优化和配置，促进就业结构得到优化，从而实现劳动者就业质量的提升。一方面，数字经济发展会对产业结构或者劳动生产率产生影响，进一步扩大了不同产业部门之间生产力水平和劳动效率的差异，从而使劳动力在不同产业部门之间的流动速度加快。基于配第－克拉克定理，伴随着经济的增长和国民收入的增加，劳动力会在三大产业之间流动，即由第一产业向第二产业、第三产业转移，劳动力就业结构发生深刻变革。数字经济作为技术进步的新形式，提高了第二产业、第三产业的技术水平和劳动生产率，促进了第二产业、第三产业的发展，劳动力也由第一产业向第二、三产业转移，优化了劳动力就业结构，有助于提升就业质量。另一方面，数字经济发展同样会对企业内部工种产生影响，即对不同等级劳动力技能水平的需求产生影响。在数字经济时代，高技能劳动力具有高效、低损耗的生产力和创造力，能够与数字经济形成互补，进一步推动数字经济发展。因此，企业就会增加对高技能劳动者的需求，相应地减少了对低技能劳动力的需求，这在一定程度上优化了劳动力就业结构，促进就业质量提升。因此，基于以上分析，文章提出研究假设H1、假设H2和假设H3：

H1：数字经济发展能够直接对就业质量产生正向影响。

H2：数字经济发展会增加对高技能劳动力的需求，减少对低技能劳动力的需求，不断优化就业结构。

H3：数字经济发展通过增加对高技能劳动力需求和替代中低技能劳动力而实现就业结构高级化，最终提升就业质量。

四、研究设计

（一）数字经济、就业质量评价体系构建与测度

1.数字经济评价体系构建及测度

首先，构建数字经济发展水平评价体系。在借鉴已有成果的基础上，文章选取数字化基础设施、数字化交易以及数字化应用3个维度，13个指标构建中国省级层面数字经济评价体系。其中，数字化基础设施包括光缆密度、互联网接入端密度、移动基站密度、移动电话普及率、信息传输、软件和技术服务从业人员、互联网普及率6个2级指标；数字化交易包括信息传输、软件和技术服务业企业营业收入、电信业务总量、电子商务采购额以及电子商务销售额4个2级指标；数字化应用包括每百家企业拥有网站数、企业每百人使用计算机台数以及有电子商务交易活动企业占总企业数比重3个2级指标。文章构建的中国省级层面数字经济发展评价体系见表1。

其次，数字经济的测度方法。文章采用熵值法进行赋权，其具体步骤如下：

第一步，对数据进行标准化处理，对于正向指标数据，一般采用处理公式为：

对于负向指标，所采用公式为：

其中，x ij为第i个省（自治区、直辖市）的第j个指标的数据，i=1，···，31，j=1，···，13。

第二步，计算第j项指标下第i个省（自治区、直辖市）值占该指标的比重：

第三步，计算第j项指标的信息熵，计算公式为：

第四步，计算第j项指标的差异系数，计算公式为：

第五步，计算各项指标权重，即对差异系数进行归一化处理：

最后一步，计算中国31个省（自治区、直辖市）数字经济发展水平综合得分：

最后，基于数字经济发展水平评价体系，运用熵值法对2013～2019年中国31个省（自治区、直辖市）数字经济发展水平进行测度，测算结果见表2。从表2列出的各省（自治区、直辖市）的数字经济综合得分情况看，2013～2019年数字经济发展水平整体还较低，且地区发展水平差异较大，北京、上海、广东、浙江、江苏等地数字经济发展水平远远领先于其他地区，但数字经济发展水平均在逐步提升。

表2 2013～2019年中国31个省（自治区、直辖市）数字经济发展综合得分

2.就业质量体系构建及评价

首先，构建中国31个省（自治区、直辖市）就业质量评价体系。基于就业质量的内涵，文章选取就业环境、就业能力、就业状况、劳动报酬以及劳动保护5个维度，21个具体指标来构建中国31个省级层面的就业质量评价体系。其中，就业环境用GDP增速、第三产业占GDP比重、交通通达度以及社会福利水平4个2级指标来衡量；就业能力用就业人员中平均受教育年限、大学本科及以上文化程度就业人员占比、劳动力接受培训的比例、职业技能占比4个指标来衡量；就业状况用劳动参与率、城镇登记失业率、第三产业就业比例以及单位就业比例4个指标来衡量；劳动报酬用城镇单位就业人员平均工资、工资总额占GDP比重、部门工资差异、城镇职工养老保险参与率、城镇失业保险参与率以及城镇职工医疗保险参与率6个指标来衡量；劳动保护用工会参与率、人均劳动争议发生率、工伤事故发生率3个指标来衡量，详细的就业质量评价体系见表3。

表3 中国省级层面就业质量评价体系

其次，就业质量的测度方法。有关中国省级层面就业质量测度方法同样采用熵值法，具体步骤已在上文列出，本节就不再赘述。

最后，基于中国省级层面就业质量评价体系，运用熵值法对2013～2019年中国31个省（自治区、直辖市）就业质量进行评价，具体结果见表4。从表4列出的31个省（自治区、直辖市）就业质量综合得分来看，2013～2019年，各省（自治区、直辖市）就业质量整体得分均不高，但就业质量发展水平在不断提升；从区域来看，中国31个省（自治区、直辖市）之间的就业质量仍存在较大的差异，北京、上海、天津等地区的就业质量远远领先于其他地区。

表4 2013～2019年中国31个省（自治区、直辖市）就业质量综合得分

（二）实证模型设定

1.基准回归模型设定

基于理论分析，为了研究数字经济对就业质量的影响，文章构建了基于省级面板数据的实证模型，具体形式如下：

其中，i和t分别表示省（自治区、直辖市）和年份，Emp it表示省（自治区、直辖市）i在t时期的就业质量水平；Dig it表示省（自治区、直辖市）i在t时期的就业数字经济发展水平；X it为一系列控制变量；μi为第i个省（自治区、直辖市）不可观测的省份效应，λt为时间效应，εit为随机扰动项。α0为模型的截距项，β1为数字经济变量的系数，反映的是对就业质量的影响。

2.中介效应模型

为了验证研究假设H2和H3，进一步分析数字经济影响就业质量的机理，探讨“数字经济－就业结构－就业质量”这一传导路径是否存在，文章借鉴了温忠麟等（2014）[37]、李敏等人（2021）[38]做法，在基准回归模型的基础上构建了中介效应模型，具体形式如下：

其中，Emst it表示第i省（自治区、直辖市）在t时期的就业结构；ψk和δk为控制变量的系数；系数β2反映了数字经济对中介变量（就业结构）的效应；系数β3为加入中介变量后，核心解释变量（数字经济）对被解释变量（就业质量）的效应；系数β4为控制数字经济后，就业结构对就业质量的效应。其余变量含义与基准回归模型（8）相同。

中介效应的检验过程分为如下几步：首先，通过模型（8）来检验数字经济对就业质量影响的总效应，若β1显著不为0，则通过检验，说明实证模型可能存在中介效应，需要进行下一步；否则中介效应不存在；其次，对模型（9）和模型（10）进行估计，若β2、β3、β4都显著不为0，且β2β4与β3同号，则部分中介效应存在；若β2β4与β3两者异号，则存在遮掩效应；若β3不显著，则为完全中介效应；若β2、β4至少一个不显著，则进入中介效应的检验。最后，进行Bootstrap检验，若通过检验，则说明中介效应存在；同时，需结合β3的显著性与β2β4与β3的符号判断是否为完全中介、部分中介或遮掩效应。

（三）变量选取与说明

1.被解释变量：就业质量（Emp）。就业质量是一个综合性指标，是基于上文构建的中国省级层面就业质量评价体系，运用熵值法所计算出的就业质量得分。就业质量得分取值范围0-1，并且得分越高，表明该地区就业质量就越高。

2.核心解释变量：数字经济发展水平（Dig）。数据经济发展水平同样是一个综合性指标，是基于上文构建中国省级层面数字经济发展评价体系，运用熵值法所计算出的数字经济发展水平得分。数字经济发展水平得分取值范围同样是0～1，并且得分越高，表明该地区数字经济发展水平就越高。

3.中介变量：就业结构（Emst）。文章借鉴孙文远和周寒（2020）[39]等人的做法，采用就业人员中不同受教育程度的比重作为衡量就业结构。具体来说，就是把就业人员中小学文化程度和初中文化程度划分为低技能劳动力、高中文化程度和大学专科文化程度划分为中技能劳动力、大学本科文化程度和研究生文化程度划分为高技能劳动力。然后，将高技能劳动力与中低技能劳动力的比值作为衡量中国31个省（自治区、直辖市）的就业结构。

4.控制变量。借鉴一般学者的做法，文章对以下变量予以控制：经济发展水平（Lnpgdp）用省级层面人均实际GDP来衡量；人力资本水平（Lnedu）用省级层面平均受教育年限来衡量；政府干预程度（Gover）用省级层面政府财政支出额占GDP的比重来衡量；对外开放水平（Open）用年平均汇率换算的外商直接投资使用金额占GDP比重来衡量。

（四）数据来源与描述

基于论文研究主题的需要，文章所采用的数据均来源于官方发布的统计年鉴，包括《中国统计年鉴》《中国劳动统计年鉴》以及各省（自治区、直辖市）的统计年鉴。由于香港、台湾以及澳门数据缺失，文章将其排除。另外，数字化交易方面的数据是从2013年开始进行统计，所以文章选取了2013～2019年中国省级层面的面板数据来探讨数字经济对就业质量的影响。此外，还有部分数据在某些年份存在缺失情况，采用插值法进行补全。另外，为了消除异方差的影响，文章对经济发展水平、人力资本水平的代理变量作对数处理，变量描述性统计结果见表5。

表5 变量描述性统计结果

五、实证分析

在进行回归估计之前，需要对各变量进行单位根检验。但是由于文章研究所选取的是短面板数据，借鉴学者一般做法，故不再对其进行单位根检验。此外，为了确定回归模型的选择，文章借鉴一般学者的做法，采用Hausman检验确定选择固定效应模型还是随机效应模型。由表6结果可知，Hausman值为84.9，且P值为0.0000，因此选择固定效应模型来估计数字经济对就业质量的影响。

表6 Hausman检验结果

（一）基准模型回归结果

表7汇报了公式（8）的回归结果。由表7逐步回归的实证结果来看，数字经济与就业质量之间存在正相关关系，且回归系数都在5%水平上显著，验证了前文提出的研究假设H1。这是因为伴随着互联网、人工智能、大数据等数字技术与实体经济融合发展，在对传统产业进行改造升级的过程中不断创造出新的就业方式和工作岗位，这些岗位不仅可以让劳动者择业更为自主，工作方式更灵活，时间更自由，提升了工作效率，减轻了劳动者的工作强度，有助于就业质量提升。此外，数字经济作为技术进步的新形式，不断推动经济高质量发展，提升了企业的生产效率和整个行业的发展水平，为劳动者营造良好的就业环境，最终实现劳动者就业质量的提升。

表7 数字经济对就业质量影响的基准回归结果

通过回归分析，从控制变量来看，经济发展水平（Lnpgdp）与就业质量显著正相关，且回归系数在5%显著水平上显著，则说明经济发展水平越高，越有助于提升劳动者就业质量。这与传统经济增长理论是一致的，即经济增长是推动劳动者就业质量提升的重要基础。具体来说，经济发展一方面创造了大量的工作岗位和就业机会，保障了劳动者能够获得稳定的劳动收入以及享受各种社会福利，从而提升了劳动者就业质量。另一方面，经济发展也为劳动者营造良好的就业环境，从而提高了劳动者对工作的满意程度，最终实现就业质量的提升。人力资本水平（Lnedu）与就业质量显著正相关，且在1%显著水平上显著。根据人力资本理论，人力资本投资能够使劳动力获得异质性技能，从而使个人的生产能力产生显著差别，这种差别会对劳动者的工资收入、福利待遇等产生深刻影响。所以说，人力资本水平越高，劳动者就越容易获得高质量的就业岗位，从而推动就业质量得到提升。政府干预程度（Gover）与就业质量显著正相关，且在5%显著水平下显著。政府宏观调控是稳定就业的重要手段，当市场机制不能充分有效地配置劳动力、资本等各种要素资源时，就需要发挥政府的宏观调控作用，以此来稳定就业市场和营造良好的就业环境，保障就业质量稳步提升。对外开放水平（Open）与就业质量显著正相关，且系数在1%显著水平上显著。因为外商直接投资能够吸引国外先进的技术和管理经验，有助于推动一国的经济发展。同时，外商投资在国内办企业，创造了大量就业岗位，增加了就业机会，在一定程度上提升了就业质量。

（二）异质性分析：分区域讨论

众所周知，中国是一个幅员辽阔、人口众多的大国，各地区经济状况、数字经济发展水平等方面存在差异，这种差异会不会对不同地区就业质量产生差异影响？因此，为了进一步探究数字经济对不同地区就业质量影响的异质性，文章按照传统做法，将经济发展水平将区域划分为东部、中部以及西部三个地区，分别检验各地区数字经济对就业质量影响的区域异质性，检验结果见表8。

表8 异质性分析：区域异质性

由表8可知，数字经济对不同地区就业质量的影响具有异质性。从东部地区来看，数字经济对就业质量提升具有正向促进作用，且回归系数在1%显著水平下显著，即数字经济每提升1个单位，就业质量提升了0.2162个单位，这一结论意味着数字经济的发展将惠及东部地区劳动者就业质量。相反，从中西部地区来看，数字经济发展对就业质量的影响不显著，但从符号方向来看，数字经济会抑制中西部地区就业质量的提升。文章认为造成这样的原因包括以下几个方面：一是东部地区数字经济发展程度高，数字化基础设施完备，数字化应用广泛，能够直接对劳动者的工作效率和收入状况产生影响，有助于提升劳动者就业质量。二是东部地区经济发达，在工资水平、制度环境、人才引进政策等方面具有独特的优势，能够吸引大量中西部地区的人才，提升了人才层次和优化了就业结构，有助于提升东部地区就业质量。三是中西部地区的经济发展水平落后，数字经济发展程度低，未达到推动就业质量提升的“门槛”，甚至对就业质量提升产生负向作用。四是中西部地区产业结构布局不合理，就业环境相对较差，工资水平低，无法吸引高端、高层次人才以及高技能劳动者，甚至造成中西部地区的人才外流，不利于优化就业结构和提升就业质量。故此，数字经济对劳动者就业质量的影响不显著。

（三）稳健性和内生性检验

1.稳健性检验

为了使上述回归结果更加稳健和可靠，因此，借鉴一般学者的做法，文章采用两种方法对回归结果进行稳健性检验，具体来说：一是替换核心解释变量。为了验证数字经济发展水平指标的稳健性，文章借鉴学者的一般做法，选用组合赋权法对数字经济重新进行测算，即利用熵权法与变异系数法进行组合赋权对数字经济发展水平进行重新测算，以此作为稳健性检验的核心解释变量；二是替换被解释变量。同样是利用组合赋权法对就业质量进行重新计算，然后替换原被解释变量。两种方法的稳健性检验结果见表9。由此可知，无论是替换核心解释变量，还是替换被解释变量，所得到的回归结果与基准估计结果基本一致，且各控制变量的符号也一致，则表明研究结论是可靠。

表9 稳健性检验

2.内生性检验

数字经济与就业质量之间可能存在双向因果关系，即数字经济发展会促进就业质量提升，而就业质量提升反过来又为发展数字经济提供了人才支撑，推动了数字经济发展，这种互为反向因果会导致内生性问题。为此，本文借鉴黄群慧等（2019）[40]的做法，采用31个省（自治区、直辖市）在1985年的邮电历史数据作为数字经济的工具变量。这是因为，数字经济的载体是互联网，而互联网又作为传统通信技术的延续发展。因此，各地历史上的电信基础设施会从技术水平和使用习惯等因素影响到后续阶段数字技术的应用，满足工具变量的内生性；另一方面，固定电话等传统电信工具对当前就业质量的影响很小，满足工具变量的外生性。但是，工具变量所选取的数据为截面数据，不能直接用于面板数据的计算。因此，参考赵涛等（2020）[41]的做法，用当年国内互联网普及率分别与1985年省级层面每万人固定电话数构造交互项作为数字经济的工具变量，并运用两阶段最小二乘法（2SLS）进行估计，结果见表10。由结果可知，工具变量检验结果表明不存在弱工具变量和过渡识别问题，说明工具变量是有效的。因此，在解决内生性问题后，数字经济对就业质量仍具有正向促进作用，且回归系数在1%显著水平上显著，这与基准回归符号一致。在控制所有变量后，数字经济的回归系数仍然成立，各控制变量回归符号与基准回归一致。因此，文章可以认为数字经济正向影响就业质量的结论是可靠的。

表10 内生性检验：两阶段最小二乘法（2SLS）

（四）机制检验：基于就业结构的中介效应

为了进一步分析数字经济影响就业质量的机理，文章在基准回归模型的基础上，引入就业结构作为中介变量，从而探讨“数字经济－就业结构－就业质量”的传导机制。基于此，文章对模型（8）～（10）进行估计，回归结果见表11。表11第（1）列是模型（8）的回归结果，结果表明数字经济有助于就业质量提升。第（2）列是模型（9）的回归结果，由结果可知，数字经济对就业结构的估计系数β2值为28.1737，且在1%显著水平上显著为正，进一步说明了数字经济发展有助于优化就业结构，这与杨骁等（2020）[42]、叶胥等（2021）[30]的研究结论是一致，同时也验证了文章的研究假设H2。第（3）列是模型（10）的回归结果，由结果可知，就业结构对就业质量影响的回归系数β4值为0.0027，且在1%显著水平上显著为正，β2和β4的值都为显著为正，这就意味着中介效应显著，即数字经济通过优化就业结构而推动就业质量提升，正好验证了文章的研究假设H3。由于第（3）列中β3的回归系数不显著，说明只存在中介效应。根据Bootstrap检验结果可知，就业结构对数字经济影响就业质量的间接效应β2β4值为0.13208354，直接效应β3值为0.2181085，那么中介效应占比β2β4β1的值为0.37717459。因此，数字经济以互联网、人工智能、大数据等数字技术为载体，推动劳动力、资本等各种生产要素资源在不同部门、不同产业间进行合理配置，优化了就业结构，最终实现就业质量的提升。

表11 机制检验：就业结构的中介效应结果

六、结论与建议

文章将数字经济、就业结构与就业质量放在同一个框架中研究，构建了数字经济——就业结构——就业质量的理论传导机制，随后利用2013～2019年省级面板数据实证探究了数字经济对就业质量的影响以及就业结构在二者之间的中介效应，得出以下几点结论：第一，数字经济发展对就业质量提升具有正向促进作用，当控制其他变量时，经济发展水平、人力资本水平、政府干预以及对外开放水平变量均有助于提升就业质量。然后经过一系列稳健性检验，这种影响依然成立；第二，数字经济有助于优化就业结构。数字经济的快速发展加速了劳动力在不同产业之间的流动，推动劳动力资源得到合理配置，有助于优化就业结构；第三，数字经济能够通过优化就业结构来提升就业质量。数字经济发展引发了对不同技能的劳动力需求的变化，在增加对高技能人才的需求的同时，也降低了对低技能劳动的需求，有助于优化就业结构。同时，这种需求的变化也会倒逼低能劳动者不断学习新的知识和技能，提高就业能力，从而推动就业质量的提升；第四，数字经济对就业质量的影响存在着显著的区域异质性，即数字经济对东部地区就业质量提升具有显著的正向影响，而对中西部地区的影响不显著。基于此，文章提出以下建议：

1.加快推进数字技术与实体经济融合发展，缩小数字鸿沟。基于研究结论，数字经济发展有助于提升就业质量，且对不同地区的影响存在显著的异质性。因此，我们需要进一步推动数字经济发展，缩小区域间的数字鸿沟。具体而言，一是从思想层面提高社会各界对数字素养的普遍认识，不断加大数字素质教育的培养力度，加快建设数字型人才专业化队伍，为推动数字经济发展提供人才支撑；二是加大对中西部地区数字经济发展的支持力度，并通过帮扶政策，不断推动数字技术从东部发达地区向中西部地区转移，缩小地区间的数字鸿沟；三是加大对互联网投资力度，推进数字中国建设，特别是通过加快5G商用、大数据模式构建和人工智能应用，进一步巩固数字技术为就业质量提升所带来的红利优势。

2.加大对劳动者技能培训的力度，提高劳动技能和就业能力。数字经济时代，企业增加了对高技能劳动者需求，而相应地减少了对低技能劳动力的需求，导致就业结构两极分化。这种由技术进步所引起的劳动力需求的变化不能被市场及时反映，造成了劳动者专业知识和技能与市场需求严重脱节，不利于就业质量的提升。因此，为了应对由技术进步而导致劳动力技能需求变化的这种影响，技能培训显得尤为重要。具体而言，通过就业市场的大数据分析，遴选出那些更容易被机器、人工智能等技术替代的工作岗位，针对性地进行转岗技能培训，提高劳动者的技能水平。同时，逐步建立终身职业教育培训体系，保障劳动者就业技能始终与劳动力市场工作岗位需求相匹配，从而促进就业质量的提升。

3.深化教育改革，促进教育公平。数字经济时代，技术进步和应用千变万化，产业结构调整日新月异，意味着技能也是瞬息万变的。劳动技能的提升和人力资本的积累归根结底要靠教育，特别是高等教育。高等教育是提升劳动技能水平的重要途径，因此要不断加大对高等教育的投入力度，扩大高等教育的规模，不断培养大量人才，从而满足劳动力市场对人才的需求。此外，要不断深化教育改革，始终以劳动力市场需求为导向，加快调整高等院校的学科设置和专业结构，从而培养出适应数字经济发展需要的多种技能的复合型人才。同时，教育改革更加注重教育公平，因为教育公平为平等就业创造了重要条件，有助于缩小劳动者素质差距，对改善就业环境和提高就业质量具有重要积极意义。✿