产业数字化、就业效应与人力资本错配

李 晖,温福英,刘鹏程

(青岛大学 经济学院, 山东 青岛 266061)

一、引言

产业数字化是指在新一代数字科技支撑和引领下,以数据为关键要素,以价值释放为核心,以数据赋能为主线,对产业链上下游的全要素进行数字化升级、转型和再造的过程[1]。产业数字化对提高企业生产创新效率、推动产业结构转型升级[2]、驱动区域经济发展具有重要作用[3]。随着全球数字经济向三次产业加速渗透,产业数字化已成为全球数字经济发展的关键主导力量。2020年全球数字经济对三次产业的渗透率分别为8.0%、24.1%、43.9%,合计占数字经济比重达84.4%[4]。产业数字化为产业结构转型升级以及经济提质增效提供了有力支撑,同时也对劳动力市场产生了深远影响。从现实来看,新技术、新业态的出现对劳动力素质提出了更高的要求[5],对劳动力总量和结构的形塑作用不断增强[6]。当前,我国就业压力巨大,解决就业问题迫在眉睫,在此背景下研究产业数字化对我国就业的影响效应,对把握产业数字化背景下的就业特征、推动高质量就业具有重要的现实意义。

随着数字经济与传统产业的不断融合,数字经济对就业的影响效应引发了学界的普遍关注[7],其中数字经济的就业创造效应和替代效应之间的拉锯对就业规模的影响是目前学者研究的聚焦所在[8-9]。数字经济背景下,数字经济通过与产业的融合渗透衍生出新兴产业或引起产业内部创新创造而产生大量新岗位、新就业需求,这种由于数字经济的发展进步引起的就业需求增加被称为数字经济的就业创造效应。另一方面,数字经济发展导致就业需求减少则被称为数字经济的就业替代效应。数字经济的发展不可避免地会淘汰部分岗位或精简部分岗位的就业人员,一般而言,机械重复类的工作岗位更容易被替代,如大量体力劳动者逐渐被工业机器人所替代[10]。若创造效应强于替代效应,数字经济促进就业;反之,数字经济抑制就业。除此之外,数字经济的外溢性使数字技术对就业的影响亦存在产业间溢出效应[11-12],即一个产业的数字经济发展还可能会影响关联产业的就业需求。正如电子商务的蓬勃发展伴随着线上客服等新岗位的产生,也伴随着快递从业人员数量的激增。由于数字化溢出而引发的就业需求变化也是数字经济就业效应的重要组成部分,但现有研究对溢出视角下数字经济的就业效应关注较少,数字化溢出产生的就业效应值得进一步研究。

数字经济能够从产业和技能等层面对就业结构产生显著影响[13]。目前关于数字经济在技能层面的具体影响效应的研究成果众说纷纭、莫衷一是,主要有如下几种观点:就业“两级化”观点认为高技能和低技能劳动力人才需求随数字技术的进步而增加[14-15];而就业“单极化”观点认为数字经济的发展偏向于为高等技能劳动力创造更多的就业机会[16]。总的来说,已有研究成果肯定了数字经济对我国就业的影响作用[17],但对于异质性的具体影响结果尚未达成一致意见,还有待深入探索。

数字经济的就业异质化影响为我国就业结构调整提供了新动能,这种调整能否推动我国劳动力的高质量就业,取决于数字经济下的劳动力市场是否与我国人力资本适配。若我国人力资本适配于数字经济高速发展下的劳动力市场,那便能借助产业数字化的东风解决部分劳动力就业及再就业的问题;反之,产业数字化不仅无法缓解我国的就业压力,还会持续拉低我国人力资本配置效率,阻碍经济的发展与进步。关于人力资本错配问题,已有的相关研究成果主要聚焦于其影响因素及其后果[18-19],对于数字经济影响下的人力资本错配问题关注并不多。

综上所述,现有文献从总量和技能结构角度对数字经济下的就业影响效应进行了有益探讨,但仍然存在可以补充的地方:第一,产业数字化能在很大程度上影响就业,但研究结论尚未统一,产业数字化对就业规模和就业结构的影响效应需要进一步探讨;第二,已有研究表明基于数字经济的外溢性特征[11],数字技术能够通过产业关联关系在各产业内流动融合[12],但目前鲜有文献在探究数字经济的就业效应时考虑数字经济的产业间溢出效应,数字经济对我国劳动力就业的影响效应未能得到全面准确揭示;第三,诸多学者就数字经济对就业结构的调整作用达成了共识,也有学者研究发现人力资本错配是阻碍高质量发展的重要因素。但目前数字经济引发的就业结构调整能否引导我国劳动力高质量就业,即我国人力资本与数字经济下劳动力需求是否适配的问题亟待讨论。

为探讨上述问题,深度揭示产业数字化、就业效应与人力资本错配之间的影响关系,本文拟根据各产业间的技术溢出关系[20]和投入产出关联关系,分别建立水平关联矩阵以及前后向关联矩阵,以数字经济下的产业数字化水平为核心变量,研究年份-产业面板数据下的就业效应,探索产业数字化外溢性对就业的影响效应,并探究产业数字化下劳动力就业的技能异质性,进而剖析我国产业数字化过程中人力资本的适配性。与现有文献相比,本文可能的贡献在于:首先,采用投入产出法对产业数字化水平进行度量。相较于熵指数和赫芬达尔系数法等测度方法,投入产出法能将产业间关联关系考虑在内,深入测度数字产业对其他产业的渗透程度。在此基础上,本文借鉴最新方法,对中国投入产出表进行插值处理,得到投入产出序列表,全面测算2002—2018年中国38个产业的产业数字化水平;其次,已有研究大多注重数字经济对本产业的就业效应,对数字化溢出效应的研究较少。本文基于数字经济的外溢性特征,从相似产业、下游产业和上游产业3个角度考虑产业数字化的溢出效应,更加充分地度量产业数字化对各产业劳动力就业的影响;最后,以往关于智能化技术进步的异质性研究多聚焦于就业极化现象,鲜少考虑技术进步后的人力资本适配问题。本文从人力资本的适配性角度出发,探究我国产业数字化进程中劳动力需求结构的变化趋势,为实现高质量就业提出更具针对性的建议。

二、理论分析和研究假设

(一)产业数字化产生就业效应的机制

数字经济以数字技术创新为核心驱动力,具有高技术属性[21],因此数字经济具备技术进步的特点。而技术进步带来的就业创造效应和就业替代效应正是影响各产业的就业结构和就业需求的原因所在[22]。在产业数字化进程中,数字技术引发的就业创造效应和替代效应共同作用得到最终的就业净效应。目前,产业数字化的就业创造效应主要表现在:第一,由于数字技术的高技术性和创造性,产业数字化对高技能岗位具有衍生创造作用;第二,数字技术进步过程中衍生出的新行业、新岗位会在一定程度上增加劳动力就业需求;第三,数字技术与传统行业的结合以及新行业的关联行业使行业生产焕发新的生机,增大原有岗位的需求规模,而产业数字化的就业替代效应则主要表现在其对机械重复的低技能岗位的替代精简上。机械重复类工作技术含量低、可替代性高,在“机器换人”的新型革命中,首当其冲被替代的便是从事机械重复工作的劳动力。

总的来说,产业数字化进程的推进并不必然促进或抑制劳动力就业[23]。当创造效应大于替代效应时,就业净效应为正,产业数字化促进劳动力就业需求;反之,就业净效应为负,产业数字化抑制劳动力就业需求。也就是说,这两种效应孰强孰弱将决定最终的就业影响效应结果[24]。

基于以上分析,本文提出以下假设。

H1:产业数字化对各产业的劳动力就业存在显著的就业效应,具体的就业效应取决于创造效应与替代效应孰强孰弱。

(二)关联产业数字化成果产生溢出就业效应的机制

已有研究表明,数字经济具有普惠性和外溢性特征[11]。数字技术的普惠性决定了数字技术广阔的应用范围,不同于专用技术只能运用于特定部门的生产活动中,数字技术可以运用在各个产业中,促进资本和劳动等生产要素跨部门流动和重新配置[12]。而数字技术的外溢性决定了其在产业数字化过程中不仅会促进本产业的生产活动,而且可以通过产业间流入和流出贸易促进产业融合[25],使技术、知识和信息技术等生产要素沿着价值链在国内各产业之间进行充分的交流互动与融合,产生技术融合[26]。具体来说,投入产出结构相似的产业,会主动或被动地相互学习对方的数字化成果,并进行创新创造[27]。上游产业产品数字化水平的提高会促进下游产业数字技术的改进、产品质量的提高以及生产效率的提升[20],而下游产业产品数字化对上游产业的数字化进程及生产效率的影响较微弱。

因此,一个产业的数字化进程能够影响关联产业的数字化水平。由此可以推测,产业自身的数字化进程在产生就业影响效应的同时,与该产业技术结构相似的产业以及生产链前后相关联产业的数字化成果的溢出也会产生相应的就业效应,产业自身以及关联产业的数字化成果共同影响着各产业的劳动力就业效应。可以进一步推测,由于下游产业数字化成果对本产业影响微弱,下游产业数字化进程对本产业的就业效应可能不显著;而上游产业和相似产业的技术溢出都能促进本产业的创新创造,故上游产业和相似产业对本产业的就业影响方向一致,但具体影响依旧取决于创造效应和替代效应的强弱对比[28]。

基于以上分析,本文提出以下假设。

H2a:关联产业数字化进程的推进会影响本产业的就业效应。

H2b:前向关联产业(下游产业)数字化进程的推进对本产业的就业需求无显著影响。

H2c:相似产业和后向关联产业(上游产业)数字化进程的推进会显著影响本产业的就业需求。

(三)产业数字化就业效应的技能异质性与人力资本错配

产业数字化就业效应的技能异质性来源于产业数字化进程对不同技能劳动力需求的异化作用。产业内就业创造效应和替代效应发生的根本原因是新岗位的衍生和旧岗位的替代精简,岗位的衍生替代暗含的是岗位所需的技能水平发生变换,特定岗位需要特定技能劳动力,产业对不同技能劳动力的需求由此差异化[29]。就业“两级化”、就业“单极化”是当前解释劳动力就业技能异质性的主要理论[30-31]。具体来看,就业“两级化”理论和就业“单极化”理论就高技能劳动力和中技能劳动力的变化达成了共识,而低技能劳动力的需求变化正是两种理论的争执所在,低技能劳动力需求一方面会因数字经济的新岗位衍生作用以及继承部分中技能劳动力需求而增加,另一方面低技能劳动力需求又会因数字技术对大量机械重复操作岗位的完全替代而减少。“两级化”理论认为低技能劳动力的岗位衍生大于岗位替代,即低技能劳动力需求增加[32],而“单极化”理论则认为其岗位替代大于岗位衍生,低技能劳动力需求减少[33]。

不论是就业“两级化”还是就业“单极化”,毋庸置疑的是产业数字化推动了就业需求结构的调整。一般而言,技术进步引发的就业需求结构调整会推动高质量就业,但若是劳动力供应结构与就业需求结构无法适配就另当别论。目前我国人力资本错配形势较为严峻,人才不足与人才过剩现象并存[18],这主要是由于:产业数字化进程初期,高校专业课程的设置与社会高技能岗位需求错配,高技能岗位需求有限,供不应求,高校输送的部分专业性高技能人才无法匹配到高技能岗位,只能选择待就业或转向中低技能岗位就业,这样便产生了人力资本的技能错配就业。而且高技能人才的向下求职会在一定程度上挤压中低技能的求职空间,使整个劳动力市场的人力资本配置效率持续走低。产业数字化进程的推进能缓解错配现象、提升人力资本配置效率,数字技术的高技术性会使产业的高技术岗位出现较大空缺,从而增加高技能劳动力需求,从源头缓解人力资本的错配。并且数字经济对产业的渗透能简化部分岗位的技术操作,使部分中低技能劳动力逐渐被替代,起到提高人力资本配置效率的作用。

但是产业数字化水平的进步往往会提升岗位的技能要求,高技能岗位的技能要求提升尤为迅速,若求职者与就业者不具备这些技能,就会在求职就业过程中承受较大的阻力,从而形成劳动力供应与就业需求的错配;此外,求职者与就业者在获取信息提升技能时存在一定的时滞性,这也不可避免地会加剧劳动力技能的供需错配问题。

综上可知,产业数字化能通过增加高技能人才需求缓解人力资本错配,也能基于其对岗位技能的高要求加大劳动力供应与就业需求之间的差距,加剧人力资本错配。由此可以推测,劳动力的高质量就业,不仅有赖于技术进步引发的就业结构调整,更有赖于劳动力自身技能与社会需求的高度适配。这也是高校专业方向设置以及授课培养计划一度成为我国高校教育改革关注焦点的原因所在。

基于以上分析,本文提出以下假设。

H3:产业数字化对不同技能类型的劳动力就业效应的影响存在异质性。

H4:产业数字化对我国的人力资本错配现象有显著影响,具体影响作用取决于劳动力自身技能是否与时俱进。

三、模型设定与数据来源

(一)实证模型与方法选择

本文聚焦探讨数字经济通过其与各产业的融合渗透对就业转移的影响,基于假设H1和假设H2,将实证模型设定如下:

本文参考赵景等[34]的方法对数字技术与各产业融合的水平关联权重矩阵WH、前向关联权重矩阵WF和后向关联矩阵WB进行设计。

1.水平关联权重矩阵

2.前向关联矩阵

3.后向关联矩阵

(二)指标变量的选取

1.被解释变量。产业劳动力就业数量L是本文的被解释变量,用中国劳动统计年鉴中2003—2018年的分产业劳动力就业数据进行衡量。

2.核心解释变量。各产业部门的数字化水平T是本文的核心解释变量,目前关于数字经济相关的定义及度量标准还未有统一的标准。本文对数字化水平T的度量处理是基于数字经济与各产业的融合度进行的,根据2003—2018年投入产出表中部门间互动关系对数字经济相关产业与其他产业之间的融合程度进行度量。其中,数字经济相关产业(通信设备、计算机和其他电子设备、信息传输、软件和信息技术服务)是依据数字技术的高技术性等特征选取的。

3.控制变量。模型的控制变量包括:产业规模(Scale),采用各产业部门总产值的对数值作为产业规模的量化值;产业结构(Structure),用各产业部门的产值占总产值之比进行衡量;外商投资水平(Foreign),用各产业的外商实际直接投资额与外商投资总额之比进行衡量;对外开放水平(Open),用产业的进出口总额与增加值之比进行衡量;固定资产投资(CA),用固定资产投资额与固定资产投资总额之比进行衡量。

(三)核心解释变量的度量

本文采用投入产出法对产业数字化水平进行测度[35],借鉴张陈宇等[36]的做法,将我国2002—2018年已发布的投入产出表及投入产出延长表进行插值处理,对缺失年份的投入产出表进行补齐。由此得到2002—2018年的中国动态投入产出表,根据投入产出表中的平衡关系模型对数字化水平进行量化。

式(5)为行平衡模型,反映了各产业部门的产品流向;式(6)为列平衡模型,反映了每一产业部门的增加值与其他产业部门为其投入的产品价值的平衡关系。其中,xij表示第j产业部门在生产过程中所消耗的第i产业部门的产品的价值;Zi表示第i产业部门的总产出;Vj表示第j产业部门的增加值。

1.中间投入率和中间需求率。第j产业部门中间投入率为该部门在给定时期内的中间投入与总投入之比,中间投入率越大,该产业部门对其他产业的生产具有越强的驱动力,即:

第i产业部门的中间需求率指各产业部门对其的总中间需求占整个国民经济对该部门的总需求的比例,中间需求率越高,则该产业部门对其他产业部门的影响力越大,即:

2.特定产业投入率和特定产业需求率。为讨论数字经济产业部门i与其他产业部门j之间的影响驱动关系,采用特定产业投入率fij和特定产业需求率gij进行度量,具体如下:

3.数字化水平T。核心解释变量——数字产业融合度,即数字化水平T的计算公式如下:

(四)数据来源及描述性统计特征

相关的变量数据根据国家统计局的《中国统计年鉴》《中国劳动统计年鉴》《中国就业与人口统计年鉴》和中国投入产出表以及中国投入产出延长表整理得到。其中,由于我国2002—2018年已发布的投入产出表及延长表的产业部门略有差异,为方便分析,将42部门的投入产出表合并为部门一致的38部门投入产出表。此外,由于2003年中国统计年鉴采用了新的产业分类规则,多个部门2002年的数据缺失,为避免数据出现偏差,最终选取2003—2018年38个产业部门的数据进行实证分析,具体部门分类如表1所示。

表1 部门分类

表2展示了解释变量与被解释变量以及控制变量的描述性统计分析结果。

表2 描述性统计分析

四、基准回归结果

(一)基准回归结果

为验证假设H1,即验证产业数字化对劳动力就业的促进作用,将用投入产出法测度的产业数字化水平作为核心解释变量进行回归模型的拟合,并逐步放入控制变量,得到模型拟合结果,如表3所示。

表3 模型基准回归结果

由表3的回归结果可以看出,产业数字化进程的推进显著增加了本产业的劳动力就业需求。根据数字经济对劳动力的作用机制可知,数字经济在不断发展壮大的同时,其产生的就业“创造效应”和“替代效应”共同作用并决定最终的就业净效应。这一结果印证了假设H1,且在2003—2018年,数字经济与各产业的融合渗透带来的创造效应大于替代效应,即新岗位的创造大于旧岗位的替代精简,从而使数字经济带来的就业净效应为促进作用。

控制变量对劳动力就业的影响结果与预期结果基本一致。产业规模(Scale)显著促进了产业就业需求,产业规模反映的是各产业的生产规模和生产能力以及发展态势,规模越大,生产能力越强,所需的劳动力数量越庞大;产业结构(Structure)对产业就业有积极的正向影响,产业结构的合理化和高级化有利于实现高质量就业;而对外开放水平(Open)的提升则对就业有抑制作用,使产业劳动力吸纳能力减弱,这主要是由于我国长期以加工贸易的形式参与全球产业链,位于产业链中低端,虽然对外开放水平提高在一定程度上可以促进低端加工岗位需求,但同时会抑制研发创新型人才需求,综合来看,反而不利于扩大劳动力的就业。

(二)考虑关联产业溢出效应的回归结果

为全面揭示产业数字化对就业的影响效应,考虑数字化溢出的影响作用,进一步探究关联产业数字化的技术溢出对本产业劳动力就业的影响,本文根据水平关联权重矩阵、前向关联权重矩阵和后向关联权重矩阵以及相关变量数据进行空间面板模型的拟合。首先进行LM检验,考察数字经济的技术溢出与劳动力就业之间是否存在空间效应,结果显示p值小于0.05,表明存在空间效应,可以建立空间面板模型。

空间面板模型分为固定效应模型和随机效应模型,豪斯曼检验结果显示检验通过,拟合固定效应模型。此外,LR检验的结果显著,即模型不能退化为空间滞后模型或空间误差模型。综上,本文将选取空间杜宾模型进行模型拟合。

根据考虑关联产业溢出效应的计量模型,对数字化水平对劳动力就业的影响进行检验,得到基本的回归结果,如表4所示。第(1)～(3)列分别为在水平关联权重矩阵WH、前向关联权重矩阵WF和后向关联权重矩阵WB的作用下数字化水平对就业的影响。

表4 考虑关联产业溢出效应的回归结果

通过3种产业间关联权重矩阵拟合得到的空间杜宾模型结果如表4第(1)～(3)列所示。由估计结果可知,前向关联产业的数字化水平提高对本产业的劳动力总就业需求没有显著影响,即前向关联产业的数字经济发达不会导致本产业就业需求发生明显的变化;而水平关联产业与后向关联产业的数字化水平提高将显著促进本产业的就业需求。也就是说,相似产业和上游产业的数字化水平提高会促进本产业的劳动力吸纳,即一个产业的就业需求增加,不仅得益于产业自身数字化进程的推进,还受到了相似产业和上游产业数字化溢出效应的助推影响。可能的原因是:相似产业数字化水平的进步会提高生产效率,使产品的产量和质量大幅提升。本产业为保持自身的竞争力,将增加劳动力投入从而达到提升产量的目的;数字化水平的进步不仅使生产效率提高,还会促进产品更新迭代,在一定程度上引发下游产业衍生新岗位需求,致使上游产业数字化水平对本产业的就业需求产生了促进影响。

这一结果使假设H2得到了验证,具体表现为相似产业和上游产业数字化进程的推进使本产业的就业受到促进作用的影响,而下游产业数字化进程对本产业就业的影响并不显著。这一实证结果表明:在考虑产业数字化的就业效应时,不仅要考虑到产业数字化本身对就业的影响效应,还应将数字化溢出对就业的影响作用考虑在内。

(三)稳健性检验

产业数字化水平以相关产业的数字化溢出对劳动力就业产生影响得到了验证,但上述实证结果的稳健性有待考证,因此,替换权重矩阵对回归结果的稳健性进行检验。将模型中的原权重矩阵,即2015年的权重矩阵替换为2017年的权重矩阵,再次进行回归检验,得到估计结果如表5所示。表5中第(1)、(3)、(5)列和第(2)、(4)、(6)列分别为利用2015年权重矩阵和2017年权重矩阵对38个产业部门的就劳动力就业效应的测算结果,从表5可以看出,前向关联产业(下游产业)对本产业的就业影响仍然不显著,而水平关联产业(相似产业)和后向关联产业(上游产业)对本产业的就业影响依旧显著,估计的结果与表4一致,表明模型的估计结果是显著的、稳健的,不受权重的影响,不因权重矩阵的变更而改变。

表5 稳健性检验

五、技能异质性分析

(一)技能异质性

为了探究产业数字化水平对不同技能类型劳动力的就业效应差异,本文将各个产业部门的就业人员按学历划分为高技能劳动力、中技能劳动力以及低技能劳动力。关于技能水平的划分,选取《中国劳动统计年鉴》中的劳动力受教育程度数据,将大专及以上学历的劳动力划分为高技能劳动力,高中教育及以上至大专以下学历划分为中技能劳动力,初中学历及以下为低技能劳动力。由于缺少制造业等细分产业的劳动力技能分布数据,故本文将投入产出表中缺失受教育程度数据的产业部门进行合并。

21世纪初,我国互联网产业开始兴起,电子商务等新兴产业也同时起步,与互联网息息相关的数字经济也由此开始蓄势发力。至2015年,我国步入全民互联网时代,人工智能上升为国家战略,智能化渗透到人们生活的各个领域。2015年以后,国家政策资源的倾斜使智能化相关的教学资源变得更加丰富,求职者和就业者对互联网与智能化相关的新技能学习的滞后性开始失效,产业数字化对劳动力就业的影响可能会在2015年前后出现不同的变化。为了验证这一推论,探究产业数字化导致的岗位需求增加和岗位技能要求提升对劳动力就业的影响,在模型中加入时间虚拟变量与产业数字化水平的交互项,其中时间虚拟变量的取值以2015年为节点,2015年以前的取值为0,2015年后的取值为1,结果见表6。

表6 技能异质性检验结果

从表6的回归结果可知,产业数字化水平对不同技能水平的劳动力产生的就业影响存在显著差异,就业效应存在极化现象,假设H3得到了验证,且产业数字化水平对不同技能劳动力的就业影响在2015年前后存在明显差异。具体表现为:就高技能劳动力的就业需求而言,产业数字化水平对其影响系数为-0.103,系数不显著,产业数字化水平与时间虚拟变量的交互项对高技能劳动力就业的影响系数为0.891,在5%的显著性水平下显著,表明在2015年后,产业数字化能显著促进高技能劳动力的就业。就中技能劳动力的就业需求来说,产业数字化水平以及产业数字化水平和时间虚拟变量的交互项对其影响系数虽然由促进作用转变为抑制作用,但p值始终不显著,结果不具有统计学意义。就低技能劳动力的就业需求而言,产业数字化水平在1%的显著性水平下促进低技能劳动力的就业需求;加入以2015年为节点的时间变量后,交互项对低技能劳动力的影响则截然相反,回归系数为-1.260,其抑制作用在1%的水平下显著,表明在2015年以后,产业数字化水平对低技能劳动力就业的促进作用存在大幅下降的趋势。

一般而言,数字经济的发展会拉动高技能劳动力就业需求增加,而本文的实证结果恰恰表明数字经济的发展并不总是能促进高技能劳动力的就业需求,验证了假设H4。出现这种现象的原因可能是:2015年之前,随着各产业的数字化进程不断推进,衍生出大量匹配高技能劳动力的岗位,但是由于高校的教学培养计划和社会需求之间存在信息差与时间差,专业课程的开设难以根据社会劳动力需求的变动而灵活调整,导致劳动力的供求关系出现局部不平衡情况。此外,随着数字技术的不断进步革新,产业所需的高技能岗位的技能要求也在不断提高,但高校教育教学内容却并未随着新方法新技术的迭代及时更新,导致高校培养和输送的人才不能很好地匹配高技术岗位的需求。对于已就业或待就业的劳动力而言,产业引进的新技术会提高岗位的技能要求,若劳动力不能达到新技术的技能要求,则会在求职就业时遇到较大的阻力,而且新技能的学习存在一定的时间滞后性[37],因此,2003—2015年出现了高技能劳动力需求随产业数字水平的提高而减少的情况。

但在2015年后,高技能劳动力需求表现为随着产业数字水平的提高而增加,这主要是因为:国家对数字经济的政策支持与资源倾斜使高校关于智能化的教学资源大量增加,缩短了高校培养计划与社会需求之间的时滞性,高校能及时地增设课程,跟上社会需求的步伐。此外,受益于互联网的互通互达,高校学生与高技能求职者们能够更好地了解行业岗位需求,也能够获得更多的学习资源,在一定程度上提升了劳动力与高技能岗位之间的适配性。综上可知,产业数字化进程中,若高技能人才的技能储备难以满足高技能岗位的专业要求及技能需要,高技能人才面对高技能岗位只能望而却步,反而会造成大面积的技能错配就业。要减少高技能劳动力的错配,不仅需要高校课程的合理设置和与时俱进,也需要劳动力发挥自身的主观能动性,了解社会需求,持续进步。

值得注意的是,低技能劳动力需求在2015年以前随产业数字化进程推进而提高,之后产业数字化水平的促进影响大幅下滑。主要原因可能是:在互联网、人工智能技术发展之初,诸多产业以“互联网+”的形式焕发了新的生机,并以创建互联网平台的形式吸纳了诸多用户,如网上购物,商家和用户在网上购物平台上交流交易,打破了空间的壁垒。这种新形式吸引了大量劳动力在批发与零售业的就业和再就业,同时也带动了其他产业如仓储物流业的蓬勃发展,互联网和数字经济的发展引发了诸多产业的劳动力就业新需求。由于这种情况下的产业数字化应用多是借助互联网平台,即“客户端”,大部分岗位无需掌握高技能技术,故增加的就业新需求多为低技能劳动力需求,如滴滴司机、快递员等岗位。但随着数字技术的进一步发展,“机器人”与自动化的技术愈发纯熟,此时数字技术对低技能劳动力的就业替代效应较为强势,致使低技能劳动力受到产业数字化水平的促进影响大不如前。

综上可知,产业数字化对不同技能类型劳动力的就业效应存在异质性,即产业数字化的就业极化效应。进一步探究产业数字化的技能异质性的结果表明:在考虑产业数字化对就业的影响效应时,人力资本的适配和与时俱进是值得深入思考的,高质量就业的实现不仅需要数字技术的发展与进步,也需要高校培养计划的与时俱进和劳动力自身技能的持续进步,以达到劳动力技能与岗位需求的匹配。

(二)考虑关联产业溢出效应的技能异质性

为进一步考察产业数字化的溢出对不同技能类型劳动力的就业效应差异,本文将水平关联及前后向关联产业的溢出效应考虑在内,探究在相似产业以及上下游产业数字化溢出的情况下,不同技能类型的劳动力就业所受的影响是否存在差异,结果如表7所示。

表7 技能异质性检验结果

总体来看,考虑关联产业的数字化溢出效应后,本产业的数字化水平会促进低技能劳动力就业,抑制高技能劳动力就业;2015年之后,其对低技能劳动力就业的促进作用减弱,对高技能劳动力的影响有“扭亏为盈”的趋势,但其对中技能劳动力就业影响始终不显著,这个结果与表6的检验结果表现出了较高的一致性。

从关联产业数字化水平对就业的影响系数来看,相似产业及上下游产业的数字化溢出对不同技能劳动力的影响存在显著差异。表7第(1)～(3)列是水平关联权重矩阵的作用下的拟合结果,回归系数显示相似产业数字化水平的提高偏向于促进本产业高技能和中技能劳动力的就业,其p值在10%的水平上显著。第(4)～(6)列是前向关联权重矩阵的作用下的拟合结果,显示下游产业数字化水平的提高对各技能类型的劳动力就业的影响系数均不显著。第(7)～(9)列则是后向关联权重矩阵作用下的拟合结果,表明上游产业数字化进程的推进偏向于促进本产业高技能和中技能劳动力的就业。关于低技能劳动力的就业,上游产业数字化对其影响不具有统计学意义。

六、研究结论与政策建议

(一)研究结论

如何促进劳动力就业,实现高质量就业是我国目前亟待讨论的重要课题。本文在理论分析产业数字化影响劳动力就业的基础上,首先对我国2002—2018年已发布的中国投入产出表与延长表进行插值处理,得到部门一致的2002—2018年中国动态38部门投入产出表,运用投入产出法度量了各产业的产业数字化水平。在此基础上,通过构建普通面板模型和空间面板模型,实证检验了产业数字化水平对劳动力就业的影响作用以及相似产业、前后向关联产业的数字化溢出对劳动力就业的影响作用。从产业数字化出发的同时,也将数字化的溢出效应考虑在内,更加全面充分地揭示了产业数字化对劳动力就业产生的影响效应。最后,探讨了产业数字化对劳动力就业的技能异质性,以产业数字化对劳动力就业的极化效应为切入点,考察了极化现象背后的人力资本适配度,剖析了产业数字化进程下的人力资本错配问题。主要的研究结论如下:

1.整体来看,数字经济与各产业融合渗透带来的就业创造效应大于替代效应,即产业数字化发展带来新岗位的创造大于旧岗位的替代精简,就业净效应为促进作用,产业数字化进程的推进显著增加了产业的劳动力就业需求。

2.从数字经济的产业间溢出效应来看,产业数字化能够通过产业间关联关系对关联产业的就业产生影响效应,相似产业和上游产业的数字化水平提高会促进本产业的劳动力吸纳,即一个产业的就业需求增加,不仅得益于产业自身数字化进程的推进,还受到相似产业和上游产业数字化溢出效应的助推影响,而下游产业数字化水平的提高对本产业劳动力就业的影响则并不显著。此外,考虑关联产业溢出效应的技能异质性检验结果显示,相似产业数字化水平的溢出主要助推了本产业的高技能劳动力就业;而上游产业数字化水平的溢出则偏向于促进本产业高技能和中技能劳动力的就业。

3.从技能异质性和人力资本错配角度来看,数字化水平在产业数字化进程的不同时期对不同技能类型劳动力就业的影响存在显著差异。初期低技能劳动力就业受产业数字化促进作用影响较大,但数字技术发展进步后对低技能劳动力的替代效应更为强势,对其促进作用会大幅减小;而产业数字化对高技能劳动力就业的影响则表现出由抑制影响转变为促进影响,这种变化可能是因为劳动力对信息获取和技能学习存在时间滞后性。产业数字化背后的人力资本错配问题值得重视。

(二)政策建议

根据以上结论,本文提出如下政策建议:

1.随着产业数字化进程的不断推进,产业数字化对低技能劳动力就业的促进作用会不断减小,乃至转为抑制作用,越来越多的低技能劳动力面临被替代危机。因此,应致力于提升低技能劳动力的技能水平,开展针对中低技能劳动力的职业技能培训;建立职业教育平台,根据不同技能类型、不同岗位开发技能培训和求职指导等课程,鼓励劳动力了解社会需求的变化,积极参与技能学习,提高自身的不可替代性。

2.从数字化溢出对就业的影响中看到解题新思路。鉴于相似产业和上游产业数字化水平对本产业的就业具有促进效应,可以通过扶持新兴产业的发展,使产业链横向链接加宽及纵向链接拉长,衍生出更多的新兴产业和就业岗位,由此增加劳动力就业需求,为劳动力就业提供更多选择。

3.高质量就业的实现不仅要靠数字技术的持续进步,更有赖于劳动力技能与数字技术的协同进步。一方面,要以社会需求为风向标,深化高等教育改革,加大对高技能高水平人才的培养力度。扩大数据分析、人工智能、区块链等数字技术人才的培养规模,及时缩招、停招不适应社会需求的专业,及时更新调整高校专业课程的设置,增设数据挖掘等前沿课程,适应市场发展需求;另一方面,劳动力本身需要持续进步,与时俱进。建设公共教育与交流服务平台,提供数字技术相关课程的学习服务,缩短劳动力信息获取和技能学习的时间滞后性,早日实现高技能人才与社会需求的高度适配。