数字普惠金融发展对企业劳动力需求的影响

匡广璐 杨杰 孙亚兰

摘   要：在数字技术与传统金融业融合的大背景下，探究企业如何通过数字普惠金融的发展来扩大就业容量、稳定就业形势具有重要意义。本文选取2011—2019年中国沪深A股非金融类上市公司数据，实证考察数字普惠金融发展对企业劳动力需求的影响。研究表明，数字普惠金融发展可以显著促进企业劳动力需求增加，这种促进作用主要通过缓解企业融资约束、提高企业生产效率和推动企业研发创新三条途径实现。异质性分析表明，国有企业、外部治理环境好以及劳动密集度高的企业，数字普惠金融发展对其劳动力需求促进作用更为显著。进一步研究发现，数字普惠金融提升了企业高、低等学历劳动力占比，降低了中等学历劳动力占比，影响了劳动力市场的就业结构。本文基于“六稳”和“六保”的背景，为数字普惠金融高质量服务于实体经济、增加社会就业岗位提供了政策启示。

关键词：数字普惠金融；企业劳动力需求；稳就业；高质量发展

中图分类号：F832   文献标识码：A  文章编号：1674-2265（2023）03-0059-10

DOI：10.19647/j.cnki.37-1462/f.2023.03.009

一、引言与文献综述

就业是民生之本，財富之源。2022年初，国务院发布的《政府工作报告》提出要继续做好“六稳”“六保”①工作，强化就业优先政策，大力拓宽就业渠道，加大对企业稳岗扩岗的支持力度。企业是社会创造财富的微观主体，同时也是提供就业岗位的重要载体，稳就业作为六稳之首，其关键就是要通过企业吸纳就业以保证全社会生产经营活动的正常运行。但近年来，国内外经济形势错综复杂，企业生存压力显著增大，人口就业环境极其严峻。一方面，国际局势的动荡不安等因素使得全球经济下行压力持续上升，大环境的冲击使得大量企业生产经营举步维艰，甚至濒临倒闭，企业对劳动力的需求断崖式下跌；另一方面，国内产业升级、技术进步对劳动者就业素养提出了更高的要求。在广东、上海等部分发达地区，本科以上的高学历求职者也遇到一岗难求的局面，国内结构性就业矛盾日益突出。鉴于此，如何在稳就业、保民生的发展背景下，为稳定我国劳动力市场上的就业水平寻找一条现实路径，这对促进经济高质量发展和实现全民族共同富裕具有重要意义。

目前，现有的文献多聚焦于汇率变动（毛日昇，2013）[1]、税收政策（董再平，2008）[2]、信息化（孙伟增和郭冬梅，2021）[3]以及环境规制（崔广慧和姜英兵，2019；Boqiang和Zhensheng，2022）[4，5]对劳动力需求的影响，金融因素特别是目前蓬勃发展的数字普惠金融对微观企业劳动力需求的影响尚需进一步探索。得益于互联网、大数据、云计算、5G等新兴数字化技术的崛起，传统金融领域逐渐向数字金融方向转型升级（杨杰等，2022）[6]。数字普惠金融作为一种全新的金融业态，能够突破传统金融领域在时空和成本上的诸多限制，充分地体现了普惠金融的应有之义。一方面，数字普惠金融能更好地为受到金融排斥的弱势群体以及长尾企业提供一切可承担的金融服务，包括运用数字化技术进行网络借贷、互联网保险、互联网理财以及网络支付等（马国旺和王天娇，2022）[7]，降低其金融交易成本和提升其外部融资的可得性，进而有效缓解企业融资约束；另一方面，数字普惠金融的发展与创新也可以被实体企业借鉴和学习，从而产生技术溢出效应（段军山和高雯玉，2022）[8]，不仅可以促使企业自主研发或购置先进生产设备进而提升生产效率，而且为企业创新活动提供了技术支撑。数字普惠金融发展所带来的这些良性效应可以在很大程度上缓解目前我国企业所面临的生存压力，通过促发展来加大对劳动力的需求，成为当下缓解我国就业量与结构双重失衡问题的重要突破口。因此，在数字技术广泛应用和就业形势不容乐观的大背景下，研究企业如何通过数字普惠金融来实现稳定就业的效果具有重大的理论价值与实践意义。

鉴于此，本文基于2011—2019 年沪深A股非金融类上市公司数据，识别数字普惠金融发展与企业劳动力需求的关系，从影响效果、机制路径和异质性三个方面考察数字普惠金融发展对企业劳动力需求的影响。本文可能存在以下贡献：第一，以往研究大多基于宏观视角，利用省域或行业层面的数据研究数字普惠金融发展与就业之间的关系（马国旺和王天娇，2022；冉光和与唐滔，2021）[7，9]，本文首次从微观企业视角出发，深入挖掘数字普惠金融发展对企业劳动力需求的影响，为经济社会实现高质量发展和就业增长的目标提供了理论基础。第二，通过梳理出融资约束效应、生产效率效应和研发创新效应这三种作用路径，并对其进行实证检验，探析了数字普惠金融发展对企业劳动力需求影响的“黑箱”。第三，本文将产权性质、外部治理环境以及劳动密集度等因素引入实证分析中，充分地考虑了数字普惠金融对于劳动力需求的异质性影响。第四，本文还进一步探讨了数字普惠金融对企业劳动力需求的影响的学历结构差异，发现数字普惠金融会提升企业高、低等学历劳动力占比，降低中等学历劳动力占比，为相关就业群体更好地适应未来就业形势和政府制定就业政策提供参考。

二、理论分析与研究假设

（一）数字普惠金融通过缓解企业融资约束影响劳动力需求

数字普惠金融缓解企业融资约束主要通过以下三个途径来实现：第一，企业在融资过程中需要向传统金融机构提供抵押物作为担保，而传统金融机构对于抵押物的要求过高，很多企业缺乏与之相匹配的抵押物（谢世清和刘宇璠，2019）[10]。基于互联网、大数据、云计算等技术，数字普惠金融的发展削弱了传统金融机构对于抵押物的依赖，降低了金融服务门槛，提高了金融服务效率。第二，信息不对称和信用评估难也是导致融资难的重要因素。基于数字化技术的应用，金融机构可以更加快速、便捷地采集企业的信息，利用数据处理技术对各种非结构化、低价值的信息进行提炼、处理，与企业的财务、行为等高价值信息进行结合，从而更能真实地反映企业的信用、资金需求等情况，缓解双方的信息不对称性（刘莉和杨宏睿，2022）[11]。第三，数字普惠金融的快速发展还会加剧金融行业的竞争，促使金融机构优化服务模式、完善线上平台，研发更高效便捷的金融产品，丰富企业的融资选择，拓宽融资渠道。

然而，企业融资约束的缓解对劳动力需求存在两种不同的作用：正向的就业创造效应和负向的就业替代效应。一方面，数字普惠金融通过降低企业融资门槛、提高融资效率以及拓宽融资渠道（马国旺和王天娇，2022）[7]，使企业能够得到及时有效的外部资金支持，进而扩大生产规模，增加劳动力需求，创造更多就业岗位。另一方面，数字普惠金融通过缓解融资约束也为企业数字化转型奠定了扎实的资金基础，并提供一系列优质的技术工具，帮助企业甄别数字化转型的最优路径（王宏鸣等，2022）[12]。企业数字化转型过程中，生产结构会发生改变，倾向于更多利用数字化技术和工业机器人等生产要素来代替传统劳动要素的投入，从而降低劳动力需求。因此，基于以上分析，本文提出以下假设：

H1a：数字普惠金融通过缓解企业融资约束，推动企业扩大生产规模，增加劳动力需求，发挥就业创造效应。

H1b：数字普惠金融通过缓解企业融资约束，驱动企业数字化转型，减少劳动力需求，发挥就业替代效应。

（二）数字普惠金融通过提高企业生产效率影响劳动力需求

数字普惠金融对企业的另一个直接影响是提高企业的生产效率。一方面，信贷资源的错配是导致企业生产效率损失的一个重要原因（江红莉和蒋鹏程，2021）[13]，而数字普惠金融的发展可以改善资源配置效率，為企业营造一个良好、公正的金融市场环境，有利于生产效率的稳步提升。另一方面，数字普惠金融实质上就是互联网、区块链等数字技术与传统金融有机结合的过程，这些金融科技的创新与发展可以被实体企业复制学习，从而产生技术溢出效应（段军山和高雯玉，2022）[8]，企业在学习模仿的过程中也会增加智能化设备和产品的购买，从而提高自身的生产效率。

生产效率的提升也会对企业的劳动力需求产生正反两个方面的影响。一方面，生产效率的提升意味着在单位时间内企业可以生产出更多的商品，创造出更多的利润，使工人的工资水平得到一定程度的上涨，进而提升整个社会的福利水平和人们的实际收入，企业有足够的动机雇佣更多的工人去创造更多的产品以满足日益增长的消费需求。另一方面，机器人等智能化设备的引入，在一定程度上会淘汰某些重复性、非交互性的工作岗位，降低对依靠纯粹体力和时间的低级劳动力的需求，引发“机器替人”现象。 Acemoglu和Restrepo（2020）[14]发现，自1990年之后，美国工厂中每千名工人中每增加一个机器人，将会导致就业人口比例下降0.2个百分点。此外，Aghion和Howitt（1994）[15]发现技术进步会引发劳动力价格上涨，增加企业成本，降低企业对于劳动力雇佣的积极性。因此，基于以上分析，本文提出以下假设：

H2a：数字普惠金融通过提高企业的生产效率，促进企业创造更多利润，增加劳动力需求，发挥就业创造效应。

H2b：数字普惠金融通过提高企业的生产效率，引发“机器替人”现象，减少劳动力需求，发挥就业替代效应。

（三）数字普惠金融通过促进企业研发创新影响劳动力需求

数字普惠金融还可以推动企业进行研发创新。研发创新活动资金需求大、周期长、风险高，大部分传统金融机构不愿为高风险、高投入的项目提供信贷支持，使得企业创新活动的开展受到限制（刘莉和杨宏睿，2022）[11]。数字普惠金融的飞速发展赋予金融业全新的数字生态，金融机构可以准确地捕捉创新项目真实的资金需求情况和发展前景，精准确定借贷目标，提供信贷支持。此外，如果企业进行创新所带来的私人边际收益小于社会边际收益时，企业也会缺乏足够的动力去研发创新，而政府“看得见的手”能有效地解决该问题（李永奎和刘晓康，2022）[16]。在政府鼓励创业创新的背景下，数字普惠金融凭借数据处理等技术可以使政府很好地了解企业创新项目的具体特征，提供补助支持。

企业进行研发创新活动也会对劳动力需求产生正反两个方面的影响。一方面，企业在进行创新升级的过程中必然需要高新技术人才，如软件编程开发人员、信息技术管理人员以及高级智能制造人员等，企业对高技能劳动力的需求随之增加。此外，随着企业不断进行创新研发，新产品、新部门以及新岗位也会随之诞生，从而带动就业增长新热点。另一方面，根据熊彼特提出的“创造性破坏”理论，创新就是不断地从内部革新经济结构，即不断创造新的结构，破坏旧的结构。企业在创新过程中孕育新部门和新岗位时，必然也会淘汰旧部门和旧岗位，造成对低值劳动力的需求下降。因此，基于以上分析，本文提出以下假设：

H3a：数字普惠金融通过加大企业研发创新力度，产生新部门和新岗位，增加劳动力需求，发挥就业创造效应。

H3b：数字普惠金融通过加大企业研发创新力度，淘汰旧部门和旧岗位，减少劳动力需求，发挥就业替代效应。

根据上述理论分析，数字普惠金融影响企业劳动力需求的机制如图1所示。

三、研究设计

（一）样本处理与数据来源

本文以 2011—2019 年沪深A股非金融类上市公司为初始样本，为保证实证结果准确性，对样本进行如下筛选：（1）剔除ST、*ST以及财务数据异常的样本；（2）剔除资产负债率小于0的数据；（3）对所有连续变量进行了1%水平上的缩尾处理以消除极端值的干扰。其中，数字普惠金融总指数以及三个一级指标数据来源于北京大学数字研究中心，企业财务数据、劳动力需求和结构数据均来自万得数据库和国泰安数据库，地区特征数据来源于《中国统计年鉴》。

（二）变量定义

1. 被解释变量：企业劳动力需求（Emp）。本文借鉴崔广慧和姜英兵（2019）[4]的度量方法，用企业当期与上期在职员工人数自然对数之差来度量企业劳动力需求。

2. 核心解释变量：数字普惠金融发展水平（Lndf）。本文采用北京大学数字金融研究中心发布的《数字普惠金融指数（2011—2020）》来量化数字普惠金融发展水平，该指数包括了中国31个省（自治区、直辖市，以下简称省份）以及337个城市的数据，并从覆盖广度、使用深度以及数字化程度三个维度进行分析，更能全面准确地反映数字普惠金融的发展水平。本文基于省级层面的数字普惠金融总指标，将每个省份的数字普惠金融发展水平与微观企业注册地所在省份数据进行匹配。除此之外，为了减小数据异方差性导致的模型估计偏误，对数字普惠金融发展水平取自然对数。

3. 中介变量。（1）融资约束。本文构建两个指标来衡量企业的融资约束。一是借鉴刘莉亚等（2015）[17]的研究，计算SA指数来衡量企业的融资约束。SA指数的计算方法为SA= -0.737×Size+0.043×Size2 -0.04×Age，其中Size为企业总资产的自然对数，Age为企业成立年龄。由于SA指数结果为负数，为了方便解读，对SA指数取绝对值，绝对值越大，融资约束越强。二是参考谭跃和夏芳（2011）[18]以及魏志华等（2014）[19]的度量方法，根据企业的经营性现金流、现金股利、现金持有、资产负债率、托宾Q值以及年初总资产构建KZ指数。KZ指数越大，融资约束越强。（2）生产效率。测量企业全要素生产率的主要方法有C-D生产函数法、半参数LP法和OP法以及广义矩估计GMM法。C-D生产函数法存在同时性偏差和样本选择性偏差等内生性问题，广义矩估计GMM法要对样本进行大量的差分和滞后值处理，半参数LP法和OP法在修正模型内生性问题时受限较小。因此，本文分别利用LP法和OP法计算的企业全要素生产率来衡量企业的生产效率。（3）研发创新。本文主要从投入和产出两个方面来衡量企业的研发创新：用企业研发投入强度（RD），即研发支出与总资产的比值来度量企业的研发投入；用有效发明专利的申请数量（Invention）的自然对数值来度量企业的研发产出。

4. 控制变量。控制变量主要包含企业规模（Size）、资产负债率（Lev）、企业成长性（Growth）、两职合一（Cp）、董事会规模（Board）、企业年龄的自然对数（Lnage）、独立董事占比（Indr）、经营活动现金流（Cflow）、股权集中度（Top1）等。此外，还控制了地区城镇化水平（Urban）、薪资水平（Lnperwage）和经济发展水平（Lnpergdp）对企业劳动力需求的影响。所有变量的定义如表1所示。

（三）模型设定

为了检验数字普惠金融的发展对企业劳动力需求的影响，本文采用双向固定效应模型，同时控制行业和时间效应，模型构建如下：

其中，[Empijt]代表第[i]个企业在[j]省份第[t]年的劳动力需求，[Lndfjt]为[j]省份第[t]年的数字普惠金融发展水平， [Controlsijt]與[Controlsjt]分别为企业层面和地区层面控制变量的向量集合，[Year]为时间固定效应，[Ind]为行业固定效应，[εijt]为随机扰动项。

基于前述理论分析，数字普惠金融的发展会通过融资约束、生产效率和研发创新三条路径来影响企业劳动力需求。为了对上述作用机制进行检验，本文借鉴温忠麟等（2004）[20]的研究，运用三步法进行中介效应检验，在模型（1）的基础上设定以下回归模型：

其中，[Mediator]为中介变量，包括融资约束（SA、KZ）、生产效率（LP、OP）和研发创新（RD、Invention）。

四、实证分析

（一）描述性统计

表2报告了描述性统计结果。其中，企业劳动力需求的均值为0.061，最小值为-0.666，最大值为1.276，平均来看企业每年雇佣的员工数量都在增长，但是各企业之间对劳动力需求的差距却较大。数字普惠金融总指数对数的均值为5.352，最大值6.017和最小值3.392相差接近一倍，说明我国各个省份之间的数字普惠金融发展也存在显著差距。

（二）基准回归分析

1. 数字普惠金融对企业劳动力需求的影响。表3报告了基准回归分析结果，列（1）仅仅控制行业和时间固定效应，列（2）进一步加入各控制变量，可以发现数字普惠金融发展均在1%的水平上显著促进了企业劳动力需求的增加。因此，从总体上看，数字普惠金融的发展对企业劳动力需求所造成的就业创造效应大于就业替代效应。

2. 数字普惠金融各维度对企业劳动力需求的影响。数字普惠金融可细分为覆盖广度、使用深度、数字化程度三个不同的维度。覆盖广度主要体现互联网支付账户与用户信用卡绑定次数；使用深度主要是指数字普惠金融服务实际推广程度；数字化程度主要是从数字普惠金融的便利性、低成本性等方面来进行衡量。表4报告了数字普惠金融子维度对企业劳动力需求影响的结果，可以看到覆盖广度和使用深度都显著地促进企业劳动力需求，且使用深度发挥的作用强于覆盖广度，但数字化程度的系数却不显著。这说明，从企业层面来看，数字普惠金融发挥的就业创造效应已经逐渐由覆盖广度转向为使用深度，而数字普惠金融的便利性和低成本性对于就业的积极效应没有得到很好地发挥。

（三）稳健性检验

1.替换被解释变量。本文对被解释变量的计算方法重新定义，采用员工增长率（lab）来进行度量。员工增长率=（本期在职员工-上一期在职员工）/上一期在职员工。回归结果如表5列（1）所示，数字普惠金融发展的系数在1%水平上显著为正，说明回归结论稳健。

2. 控制多维固定效应。本文在基准回归模型上进一步控制企业固定效应。回归结果如表5列（2）所示，数字普惠金融发展的系数依旧显著为正。

3. 内生性处理。（1）解释变量滞后一期。企业劳动力需求的上涨会促进地区就业水平提高，进而带动该地区经济增长。经验证据表明，经济水平高的地区数字普惠金融发展也较为完善，因而模型（1）的回归方程可能存在反向因果问题。为了缓解因反向因果所导致的内生性问题，将核心解释变量滞后一期纳入模型（1）中，回归结果如表5列（3）所示，数字普惠金融系数在5%水平上显著为正。（2）工具变量法。本文借鉴谢绚丽等（2018）[21]的做法，以各省份的互联网普及率（Internet）作为数字普惠金融指数的工具变量。各省份互联网的普及率与数字普惠金融的发展直接相关，满足工具变量的相关性；企业层面的劳动力需求水平与各省份的互联网普及率并不存在直接关联渠道，从而也满足工具变量的外生性。表5第（4）、（5）列报告了工具变量法回归结果。其中，列（4）报告了两阶段最小二乘法的第一阶段回归结果，结果表明工具变量的回归系数在1%水平上显著为正，这说明互联网普及率与数字普惠金融的发展高度正相关；第（5）列报告了第二阶段的回归结果，结果表明数字普惠金融发展的系数在5%的水平上显著为正，这说明在克服内生性问题后，数字普惠金融的发展依然能够促进企业劳动力需求提高。

（四）机制分析

1. 基于融资约束的机制检验。基于前文分析可知，相比于传统金融业，数字普惠金融依托互联网、大数据、云计算、5G等技术，具有金融可获得性高和服务覆盖面广等优势，通过拓宽企业融资渠道、降低融资过程中的信息不对称性来缓解企业融资约束，有利于企业扩大生产规模，进而增加劳动力需求。当然，融资约束缓解对企业劳动力需求的影响也是一把“双刃剑”，存在正向的就业创造效应和负向的就业替代效应。基于此，本文用SA指数和KZ指数两个中介变量来衡量企业的融资约束。中介效应回归结果如表6所示。在列（1）、（3）中，数字普惠金融发展的系数均在1%水平上显著为负，说明数字普惠金融的发展显著地缓解了企业融资约束；由列（2）、（4）可知，在模型（1）的基础上加入两个中介变量后，SA和KZ的回归系数均在1%水平上显著为负，并且数字普惠金融发展水平的回归系数仍然显著为正，这说明融资约束在数字普惠金融与企业劳动力需求的关系中发挥部分中介效应，数字普惠金融的发展通过缓解融资约束进而扩大企业对劳动力的需求，故假设H1a成立。

2. 基于生产效率的机制检验。基于前文分析可知，数字普惠金融发展通过改善资源配置效率以及促使企业引入智能化技术设备进而提高企业生产效率。然而，企业生产效率提升对其劳动力需求可能存在正向的就业创造效应，也可能存在负向的就业替代效应，最终体现为这两种效应综合作用的结果。本文分别用LP法和OP法计算的企业全要素生产率来衡量企业生产效率，作为两个中介变量，利用模型（2）、（3）进行回归，回归结果如表7所示。由列（1）、（3）可知，数字普惠金融发展的系数均在1%水平上显著为正，说明数字普惠金融的发展显著地提高了企业的生产效率；由列（2）、（4）可知，在模型（1）的基础上加入两个中介变量后，LP和OP的回归系数均在1%水平上显著为正，并且Lndf的系数仍显著为正，这说明生产效率在数字普惠金融与企业劳动力需求的关系中发挥部分中介效应，数字普惠金融的发展通过提高生产效率进而扩大企业对劳动力的需求，故假设H2a成立。

3. 基于研发创新的机制检验。基于前文分析可知，数字普惠金融发展会通过评估创新项目真实的资金需求情况以及政府提供补贴来促进企业研发创新。然而，企业进行研发创新对其劳动力需求的影响是正向的就业创造效应和负向的就业替代效应综合作用的结果。本文从研发投入和研发产出两个方面构建两个中介变量来衡量企业研发创新，利用模型（2）、（3）进行回归，回归结果如表8所示。由列（1）、（3）可知，数字普惠金融发展的系数均在1%水平上显著为正，说明数字普惠金融的发展显著地促进了企业研发创新；由列（2）、（4）可知，在模型（1）的基础上加入两个中介变量后，两个中介变量的回归系数均在1%水平上显著为正，并且数字普惠金融发展水平的系数仍显著为正，这说明研发创新在数字普惠金融与企业劳动力需求中发挥部分中介效应，数字普惠金融的发展通过加大研发创新力度进而扩大企业对劳动力的需求，故假设H3a成立。

（五）调节效应分析

1. 产权性质。产权性质的不同会影响数字普惠金融对企业劳动力需求的影响程度。一方面，国有企业经济实力雄厚，拥有政府的隐形担保，因而更容易得到大型国有银行的支持，融资渠道多、融资成本也相对更低（万佳彧等，2020）[22]。较于国有企业，非国有企业在融资过程中更容易受到不公平的对待，因而数字普惠金融发挥的融资约束缓解效应更为显著，进而对其劳动力需求的边际提升作用也就越大。另一方面，国有企业并不是完全以盈利为目的，还承担一定的社会责任和义务，而非国有企业往往追求高额的收入，数字普惠金融发展的利润增加效应会促使非国有企业雇佣更多的员工，以创造更多利润。基于此，本文按照所有权性质将企业划分为国有企业和非国有企业，如果企业属于国有企业，则定义虚拟变量Soe=1，否则为0，并进一步将企业产权性质的虚拟变量与数字普惠金融发展水平变量的交乘项纳入模型（1）中。回归结果如表9列（1）所示，交乘项系数显著为负，这说明数字普惠金融对非国有企业劳动力需求的促进作用更强。

2. 外部治理环境。外部治理环境也会影响数字普惠金融对企业劳动力需求的影响程度。良好的外部治理环境可以抑制高管的机会主义行为，提升公司治理水平，使企业获取更为丰富的金融资源，赋予数字普惠金融更充足的社会发展空间。企业面临融资约束的一个主要原因就是信息不对称（刘莉和杨宏睿，2022）[11]，而良好的外部治理环境可以提高企业的信息透明度，增加企业声誉，为企业发展壮大提供机会，增加劳动力需求。基于此，本文借鉴江红莉等（2022）[23]的度量方法，用企业受到分析师关注度（Analyst）作为企业外部治理环境的代理变量，这是因为企业受到分析师的关注度越高，则外部监督作用越强，企业的外部治理环境也就越好。进一步将分析师关注度与数字普惠金融发展水平变量的交乘项纳入模型（1）中。回归结果如表9列（2）所示，交乘项的系数显著为正，这说明企业的外部治理环境越好，数字普惠金融对企业劳动力需求的提升效应越强。

3. 劳动密集度。本文进一步考察数字普惠金融对不同劳动密集度企业劳动力需求的影响。数字普惠金融的发展会加剧微观企业之间的竞争。相比于资本密集型企业，劳动密集型企业想要扩大生产规模，强化自身竞争力，更多地依赖人力资本的投入，在生产产品数量一定的情况下，劳动密集型企业只能投入更多的人力数量来满足增加产品数量的要求（江红得等，2022）[23]。资本密集型企业本身就具有较高的技术效率，且地方政府更倾向于扶持该类企业，数字普惠金融的发展促进企业增加劳动力需求的效果可能不显著；而劳动密集型企业往往存在技术效率低、学习能力不足等问题，还会在获得金融服务过程中受到不公正待遇，但基于数字化优势，数字普惠金融可以引导金融资源合理地流向弱势群体，有助于其发展壮大，带动就业岗位增长。基于此，本文用“（期末员工数量/期末销售收入）×10000”来衡量劳动力密集度（Work），该指标越大，说明企业劳动密集度越高，并将劳动力密集度与数字普惠金融发展水平变量的交乘项纳入模型（1）中。回归结果如9列（3）所示，交乘项的系数显著为正，这说明数字普惠金融对劳动力密集度越高的企业的劳动力需求促进效果越強。

五、進一步研究

数字普惠金融的发展会促进企业劳动力需求提高，从而带动整个社会的就业水平，但各个企业内部人员的受教育水平具有一定的差异，那么数字普惠金融的发展是否也会对企业劳动力需求的学历结构产生影响呢？基于此，本文用硕士及以上学历、本专科学历和高中及以下学历人数占比来衡量企业的高、中、低等学历劳动力水平，分别构造了h_labor、m_labor、l_labor三个变量，并将其作为被解释变量纳入模型（1）进行回归。回归结果如表10所示，列（1）、（3）核心解释变量的系数显著为正，列（2）核心解释变量的系数显著为负，这表明数字普惠金融的发展会促进企业增加对高、低等学历劳动力的需求，降低对中等学历劳动力的需求。可能的解释是，数字普惠金融在促进企业发展的同时也加剧了行业内的竞争，一些掌握数据分析、人工智能技术的高学历人才自然会被企业大力“追求”；中低学历劳动力的技能以及文化水平可能无法适应于数字化技术突飞猛进的今天，从而面临就业困难；数字普惠金融的发展也使得更多低学历的人群有机会接触到更多的金融产品、了解更多的金融知识，提升了低学历人群的金融素养，增加了这部分人群的就业机会，最终使得在低学历人群中就业创造效应发挥的作用大于就业替代效应。

六、结论和政策建议

随着数字经济时代的到来，以人工智能、区块链、大数据以及云计算为代表的数字化技术不断取得突破。作为数字技术与传统金融业的有机结合体，数字普惠金融可以更好地提高金融服务水平和效率，延伸金融服务半径，助力金融普惠，带动就业增长。本文基于2011—2019年沪深A股非金融类上市公司数据，从实证的角度检验其对企业劳动力需求规模和结构的影响，主要研究结论如下：（1）数字普惠金融发展增加了现阶段企业劳动力的整体需求。（2）从作用机制来看，数字普惠金融通过缓解企业融资约束、提高生产效率和促进企业研发创新三种渠道增加企业劳动力需求总量。（3）异质性分析表明，对于国有企业、外部治理环境好的企业以及劳动密集度高的企业，数字普惠金融的就业创造效应更明显。（4）数字普惠金融对企业劳动力需求的影响存在显著的结构性特征，数字普惠金融可以提升企业中高、低等学历劳动力的占比，降低中等学历劳动力的占比，影响劳动力市场的就业结构。研究结果为厘清数字普惠金融对就业的影响提供了理论支持和经验证据，基于此，提出以下几点政策启示：

第一，进一步推动数字普惠金融发展，促进金融业服务实体经济。政府要提升数字普惠金融基础设施的建设水平，促进以大数据、互联网、云计算为中心的数字化技术与传统金融机构深度结合，鼓励传统金融机构借助数字技术将金融服务向长尾群体倾斜，实现中小微企业的金融服务增量、扩面、提质、增效，助力企业发展壮大，强化数字普惠金融的就业创造效应。

第二，量体裁衣、因企施策，拓宽各类型企业就业空间。首先，对于国有企业，应该逐步降低其对金融资源的占有率，减少非必要的金融借贷，引导金融资源的合理配置，重视非国有企业的发展壮大。其次，由于数字普惠金融对于外部治理环境好的企业的劳动力需求的提升作用更强，因此，政府应健全和完善相关的法律法规体系，提高市场化水平，注重劳动者权益保护，加强金融监管，为企业发展提供“肥沃的土壤”。最后，在支持人力资本型企业发展的同时，进一步鼓励企业推进数字化转型，摆脱对廉价劳动力的依赖，增加对高学历和高技能劳动力的需求。

第三，加强数字化技能培训，促进就业结构高极化。数字普惠金融发展的核心是数字化技术，因此，政府还可以积极地发挥企业的作用，鼓励或支持企业开展相关的数字技能在职培训，重点面向有失业风险的工人。而对于已经失业的工人，各地方政府应该加大社会保障政策力度，帮助其快速度过困难期，通过引导和社会培训的方式，使其快速适应劳动力市场的需求变化。同时，应进一步深化高校的数字化改革，加强对高校教育经费的投入水平，促进互联网、计算机、大数据与其他学科进行交叉融合，培养一批适应时代进步的数字化复合型人才。

注：

①“六稳”是稳就业、稳金融、稳外贸、稳外资、稳投资、稳预期工作；“六保”是保居民就业、保基本民生、保市场主体、保粮食能源安全、保产业链供应链稳定、保基层运转。

参考文献：

[1]毛日昇.人民币实际汇率变化如何影响工业行业就业？ [J].经济研究，2013，48（03）.

[2]董再平.税收和就业的经济学分析 [J].税务研究，2008，（02）.

[3]孙伟增，郭冬梅.信息基础设施建设对企业劳动力需求的影响：需求规模、结构变化及影响路径 [J].中国工业经济，2021，（11）.

[4]崔广慧，姜英兵.环保产业政策支持对劳动力需求的影响研究——基于重污染上市公司的经验证据 [J].产业经济研究，2019，（01）.

[5]Lin Boqiang，Li Zhensheng. 2022. Does the Clean Air Action Really Affect Labor Demand in China？ [J].Journal of Global Information Management，30（6）.

[6]杨杰，张宇，陈隆轩.数字金融与企业ESG表现：来自中国上市公司的证据 [J].哈尔滨商业大学学报（社会科学版），2022，186（05）.

[7]马国旺，王天娇.数字普惠金融对就业的影响及空间效应研究[J].中南大学学报（社会科学版），2022，28（03）.

[8]段军山，高雯玉.数字金融发展对企业全要素生产率的影响研究 [J].当代财经，2022，（05）.

[9]冉光和，唐滔.数字普惠金融对社会就业的影响——基于企业性质和行业的异质性考察 [J].改革，2021，（11）.

[10]谢世清，刘宇璠.普惠金融政策对我国经济增长的影响研究 [J].证券市场导报，2019，（04）.

[11]刘莉，杨宏睿.数字金融、融资约束与中小企业科技创新——基于新三板数据的实证研究  [J].华东经济管理，2022，36（05）.

[12]王宏鸣，孙鹏博，郭慧芳.数字金融如何赋能企业数字化转型？——来自中国上市公司的经验证据 [J].财经论丛，2022，（10）.

[13]江红莉，蒋鹏程.数字金融能提升企业全要素生产率吗？——来自中国上市公司的经验证据 [J].上海财经大学学报，2021，23（03）.

[14]Daron Acemoglu，Pascual Restrepo. 2020. Robots and Jobs： Evidence from US Labor Markets [J].Journal of Political Economy，128（6）.

[15]Philippe Aghion，Peter Howitt. 1994. Growth and Unemployment [J].The Review of Economic Studies，61（3）.

[16]李永奎，刘晓康.市场力量与政府作用：数字金融促进企业创新的机制探究 [J].西部论坛，2022，32（03）.

[17]刘莉亚，何彦林，王照飞，程天笑.融资约束会影响中国企业对外直接投资吗？——基于微观视角的理论和实证分析 [J].金融研究，2015，（08）.

[18]谭跃，夏芳.股价与中国上市公司投资——盈余管理与投资者情绪的交叉研究 [J].会计研究，2011，（08）.

[19]魏志华，曾爱民，李博.金融生态环境与企业融资约束——基于中国上市公司的实证研究 [J].会计研究，2014，（05）.

[20]温忠麟，张雷，侯杰泰，刘红云.中介效应检验程序及其应用 [J].心理学报，2004，（05）.

[21]谢绚丽，沈艳，张皓星，郭峰.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（04）.

[22]万佳彧，周勤，肖义.数字金融、融资约束与企业创新 [J].经济评论，2020，（01）.

[23]江红莉，蒋鹏程，胡林柯.数字金融影响了劳动收入份额吗——来自中国上市公司的经验证据 [J].广东财经大学学报，2022，37（03）.

基金项目：国家社科基金项目“乡村振兴战略背景下西南民族地区农村劳动力流动的福利效应研究”（19BSH032）。

作者简介：匡广璐，男，湖南衡阳人，云南师范大学经济与管理学院，研究方向为数字金融与数字经济；杨杰，男，云南昆明人，云南师范大学经济与管理学院教授，经济学博士，研究方向为公司金融；孙亚兰，女，辽宁锦州人，云南师范大学经济与管理学院，研究方向为公司金融。

Abstract：Based on the integration of digital technology and traditional finance，it is of great significance to explore how enterprises can expand their employment capacity and stabilize their employment situation through the development of digital inclusive finance. This paper selects data on non-financial listed companies in China's Shanghai and Shenzhen A-shares from 2011 to 2019 to empirically examine the impact of digital inclusive finance development on corporate labor demand. The study shows that the development of digital inclusive finance can significantly contribute to the increase of corporate labor demand，and this promotion effect is mainly achieved through three ways： alleviating corporate financing constraints，improving corporate productivity，and promoting corporate R&D innovation. The heterogeneity analysis shows that state-owned enterprises，enterprises with a good external governance environment and high labor intensity have a more significant contribution to their labor demand from the development of digital inclusion finance. Further research found that digital inclusion boosted the share of high- and low-educated labor force in firms，reduced the share of middle-educated labor force，and affected the employment structure of the labor market. Based on the background of "six stability" and "six protection"，this paper provides policy insights for digital inclusive finance to serve the real economy and increase social jobs with high quality.

Key Words：digital inclusion finance，the labour needs of enterprises，steady employment，high-quality development

（責任编辑    王   媛；校对   WY，LY）