智慧城市建设对高质量就业的促进效应研究——基于多期DID的经验证据

郑 威

(北京大学,北京 100871)

一、引言

高质量就业关乎民生大计,是满足人民对美好生活需要的重要前提,是实现经济高质量发展、扎实推进共同富裕、全面建设社会主义现代化国家的内在要求。针对如何促进高质量就业,学者们聚焦分析了数字经济[1]、人工智能[2]、人力资本投资[3]、减税降费[4]、科技创新[5]等因素对高质量就业的影响效应,但鲜有研究从试点政策角度讨论智慧城市建设作用于高质量就业的内在逻辑及传导渠道。智慧城市建设作为将云计算、大数据、物联网、空间地理信息集成等智能计算技术实践于经济运行、交通运输、教育医疗、公众安全、民众生活等领域的城市发展模式,催生了经济新业态与就业新模式,可能会创造更多就业机会,拓宽就业渠道,优化就业结构。那么,智慧城市建设究竟能否促进高质量就业?智慧城市建设又通过何种作用机制影响高质量就业?解答上述问题,为考察与评估智慧城市试点政策的就业效应,厘清智慧城市建设与高质量就业的逻辑关联,以及破解高质量就业难题提供了理论参考价值与现实借鉴意义。

近年来,学者们立足智慧城市的概念属性与经济效应,从宏观、中观、微观三个层面系统探究了智慧城市建设对经济高质量发展[6]、城市创新[7]、城乡收入差距[8]、城市污染减排[9]、社会治理与公共服务[10]、产业结构升级[11]、企业绿色创新[12]、消费者行为[13]等的影响。但尚未有文献聚焦分析智慧城市建设与高质量就业的逻辑关联,仅有部分文献揭示了智慧城市建设对劳动力流动、人力资本集聚、创业活力等的作用效应。譬如,陈明生等指出,智慧城市建设有助于提升劳动力流动速度,拓宽劳动力流动范围,带动高技能劳动力涌入工资率较高城市[14]。智慧城市创造的多元化发展机会,能够迅速集聚人力资本[15],促进以人力资本流动为核心的要素在城市内外部活跃流动[16]。随着智慧城市中资源要素的集聚与扩散,劳动者的就业岗位与就业形式变得愈加多样化[17]。而依托优质要素资源集聚优势,智慧城市也为创业主体提供充分的科技与信息支持,有助于激发城市创业活力[18]。尽管上述文献并未对智慧城市建设与高质量就业的直接关系进行阐述与研判,但为厘清智慧城市建设与就业创业关系提供了重要的逻辑参考与启发。

鉴于此,本文将从以下几个方面进行拓展研究:一是从经济集聚效应、人力资本储能效应、信息化推动效应三个视角,系统诠释智慧城市建设影响高质量就业的内在逻辑与作用机制,为考察智慧城市建设的就业效应提供新的理论研究方向。二是基于“智慧城市试点”的典型事实,利用多期双重差分(DID)方法评估智慧城市建设对高质量就业的影响,并检验智慧城市建设作用于高质量就业的三种效应机制是否成立,为验证智慧城市试点的政策效应以及推进城市高质量就业提供新的论证依据。三是根据城市地理区位与城市规模的差异化特征,拓展研究智慧城市建设对高质量就业的异质性影响,为设计智慧城市建设助推高质量就业的具体路径以及破解城市就业难题提供政策参考。

二、理论分析与研究假说

党的十八大首次提出“推动实现更高质量的就业”,但学术界并未对高质量就业形成统一定义,综合现有研究在“宏观-社会-微观”等层面的内涵界定[2],高质量就业是指宏观层面体现就业人口向二三产业转移、就业环境改善、就业保障健全等,社会层面体现就业充分、人岗匹配、就业稳定等,微观层面体现劳动效率提升、劳动报酬增长、晋升渠道通畅等。智慧城市建设作为国家有计划地推进城市化与信息化深度融合的城市发展战略,其核心要义是将新一代信息技术应用于城市发展的多维领域,通过对智慧城市中各类主体、资源、生产、生活、政务等的链接与融合,实现城市资源优化配置与高效智能发展的综合目标[19]。基于智慧城市建设与高质量就业内涵,智慧城市建设可以通过以下途径促进高质量就业。

(一)智慧城市建设通过经济集聚效应促进高质量就业

随着内涵型城市化与要素资源共建共享的推进,智慧城市建设有助于吸引资本、劳动力、技术、数据等要素在城市空间集聚。参考集聚经济理论,经济集聚可以通过“共享—匹配—学习”机制发挥智慧城市建设的高质量就业效应。一是共享机制。智慧城市建设中的信息与通信技术不断发展,催生了共享经济与平台经济等新就业形态,加速了不同技能水平与教育观念的灵活就业者在智慧城市集聚,拓宽了就业者共享岗位信息、获取就业资源的网络渠道,有助于增加就业机会。二是匹配机制。智慧城市建设依托物联网、人工智能、数据挖掘等新一代信息技术推动了服务业与制造业等部门的区域集聚,通过构造动态大数据库对雇佣者与就业者的供求信息进行智能分析和匹配,提高劳动者与就业岗位匹配度,实现劳动力资源优化配置及充分就业。三是学习机制。随着智慧城市建设纵深推进,城市高技能岗位需求逐渐扩大并吸引高素质劳动力集聚,集聚有助于推动技术和知识的外溢、扩散与创造,促使劳动者强化知识或技能学习,从而增加就业机会,优化就业结构并助推高质量就业。

(二)智慧城市建设通过人力资本储能效应促进高质量就业

智慧城市建设的持续推进将延伸出更多的就业红利。一方面,智慧项目开展多由数字产业部门承接并倚赖优质人力资本完成,智慧项目的刚性需求极易吸引高素质科技人才与高技能劳动者流入智慧城市。人力资本水平越高,劳动者的科技能力与就业能力越强,就业机会与劳动报酬越高。此外,智慧城市依托数字技术发展和智能终端等软硬件设施的更新换代,催生了新岗位与新职业,就业载体与就业形态的变化调整也会吸引创新创业人才流向智慧城市,促进创业型人力资源高效配置,有助于实现更高层次、更高质量就业。另一方面,智慧城市建设不仅会赋予待就业者多元包容的就业机会,还为已就业人员强化人力资本投资提供了培育环境。待就业人员通过智慧城市中各类信息化平台习得劳动技能或专业知识,不断提升人力资本水平,满足了城市多样化用工要求,扩大了就业机会与就业规模。智慧城市中多项技术深度参与城市办公场景应用,打通了雇佣者与被雇佣者的工作情景区隔,在线办公或远程办公等方式增强了就业者的工作灵活性,就业者拥有了更充分的时间与更低的生活成本,也更有意愿借助智能平台参与技能培训或知识学习,以优化自身人力资本效能,从而获得更好的就业岗位与就业待遇。

(三)智慧城市建设通过信息化推动效应促进高质量就业

智慧城市建设发挥经济集聚效应与人力资本储能效应,均离不开信息通信技术的发展与应用。信息化技术发展除了助力信息、知识与技术等资源在就业者之间传递与共享外,还会影响智慧城市的就业岗位变化。一方面,尖端信息技术应用多集中于高端服务业,该类就业岗位存在高技能、高学历门槛,对高素质就业者存在虹吸效应,有助于提升智慧城市的高技能劳动力就业率,优化就业结构。另一方面,智慧城市中物联网、区块链等信息通信技术的蓬勃发展,使得现代服务业孵化出多种平台经济从业者,吸纳了部分剩余劳动力,增加了劳动者就业机会。此外,智慧城市建设还影响了智慧农业与智能制造等产业部门的就业结构。无线通信技术、计算机网络技术、3S技术等现代化信息手段的应用,实现了农业可视化远程诊断、农业灾变预警等智能管理,扩大了智慧农业对新型职业农民的需求规模,赋予了具备农业专业技能的劳动者获得就业机会,提高了农业从业人员工资收入与就业福利待遇。智能制造的提质升级则会带来较大规模的高素质劳动力需求,从智慧城市发展趋势看,劳动力受教育年限延长与素质提升会变得愈发普遍,智能制造所承接的劳动力就业人数将不断增加,就业结构将逐步优化。

综合上述分析,本文提出以下研究假说:

假说1:智慧城市建设有助于促进高质量就业。

假说2:智慧城市建设通过经济集聚效应、人力资本储能效应和信息化推动效应促进高质量就业。

三、研究设计

(一)计量模型设定

2012年中国住建部正式启动智慧城市试点,于2012—2014年分三批相继批复智慧城市试点名单。试点城市囊括省会城市、副省级城市、计划单列市、地级市、区县及镇等,并由住建部根据城市化建设、科技创新、市政规划、公共服务及信息技术等标准确定,基本判定“国家智慧城市试点”满足随机性假设,可视为外生冲击事件并构造准自然实验。为了检验智慧城市建设对高质量就业的影响效应,本文建立多期DID模型评估智慧城市建设的政策效应:

JQUit=β0+β1city×phase+∑β2Xit+vi+φt+εit

(1)

式(1)中JQU表示高质量就业水平;交互项city×phase为双重差分变量,反映城市是否属于智慧城市试点城市(city)以及是否处于智慧城市试点阶段(phase);X表示控制变量组,主要包括金融发展水平(FIN)、政府干预程度(GOV)、基础设施水平(BAS)、人口密度(POP)、教育投入状况(EDU);vi代表城市固定效应,φt代表时间固定效应,εit为随机扰动项。

(二)变量选择

1.被解释变量:高质量就业(JQU)

本文借鉴丛屹和闫苗苗[3]等学者的研究,在考虑地级城市层面数据可得性与有效性基础上,选取就业环境、就业状况、就业报酬和就业保障四个一级指标构建高质量就业综合评价指标体系(见表1)。其中,二级指标就业环境重点考察各城市经济发展与产业结构,就业状况侧重反映各城市失业率与就业结构,就业报酬主要关注各城市就业收入水平与收入差距,就业保障聚焦考察各类保险覆盖情况。在标准化处理基础上利用熵值赋权法得到高质量就业指数,用于测度地级城市高质量就业的综合水平。

表1 高质量就业综合评价指标体系

2.解释变量:智慧城市建设(city×phase)

智慧城市建设用双重差分变量city×phase来衡量。其中,city为实验组与对照组虚拟变量,将实施智慧城市试点的城市判定为实验组(city=1),非试点城市为对照组(city=0);phase为智慧城市试点时间虚拟变量,处于智慧城市试点阶段phase=1,非智慧城市试点阶段phase=0。为了准确评估智慧城市建设对高质量就业的影响效应,本文剔除了试点城市中属于区、县一级层面的数据以及统计数据严重缺失的部分城市,最终确定三个批次智慧城市试点中的93个地级城市为实验组,126个地级城市为对照组。

3.控制变量与机制变量

本文控制变量包括:一是金融发展水平(FIN),以金融机构发放贷款余额与GDP的比值衡量;二是政府干预程度(GOV),以财政支出与GDP的比值衡量;三是基础设施水平(BAS),以人均公路里程的对数衡量;四是人口密度状况(POP),以每平方公里人数的对数衡量;五是,教育投入水平(EDU),以人均教育支出的对数衡量。机制变量包括:一是经济集聚效应(ECO),以单位经济密度(GDP与辖区土地面积的比值)的对数表示;二是人力资本储能效应(HUM),以每万人拥有科技人员数量的对数表示;三是信息化推动效应(INF),以互联网用户数与年末常住人口的比值表示。

(三)数据说明

本文剔除试点城市中属于区、县一级层面的数据以及统计数据严重缺失的部分城市,最终选取中国大陆219个地级城市2005—2020年样本数据。相关变量的原始数据主要来源于《中国城市统计年鉴》、EPS数据库及各城市《国民经济和社会发展统计公报》。本文对于缺失的部分城市个别数据通过插值法补齐,并对涉及货币计量的数据均进行了平减处理,以缓解价格波动对分析结果的偏误影响。表2汇报了实证分析所用主要变量的描述性统计结果。

表2 主要变量描述性统计结果

四、实证检验与结果分析

(一)基准检验

本文采用逐步回归策略列示智慧城市建设对高质量就业的基准回归结果(见表3),检验结果显示,无论是否控制金融发展水平(FIN)、政府干预程度(GOV)、基础设施水平(BAS)、人口密度(POP)、教育投入状况(EDU)等因素,智慧城市建设(city×phase)的回归系数均显著为正,说明智慧城市试点对高质量就业具有强有力的政策驱动效应,智慧城市建设有助于促进高质量就业,可以证实前文研究假说是成立的。从列(6)控制变量的检验结果来看,除政府干预程度显著抑制了高质量就业外,其余控制变量均对高质量就业存在正向激励作用。这说明促进高质量就业需要发挥多方作用,金融发展提供的城市融资服务、基础设施供给带来的跨区流动便利、人口高度集中所形成的服务业就业潜力、教育投入培育的高素质人才等均是提升城市高质量就业水平的重要因素。而政府干预之所以对高质量就业存在负向影响,可能原因在于,实现高质量就业的关键是发挥市场在资源配置中的决定性作用,政府主要职能是合理运用就业政策工具,完善就业服务或提供就业援助,过度的政府干预极易导致要素资源错配,挫伤市场主体的生产积极性,减少市场就业机会,从而有碍高质量就业。

表3 基准检验结果

(二)稳健性检验

1.平行趋势检验

前文基准回归结果证实智慧城市建设对高质量就业具有强有力的政策驱动效应,但多期DID估计的重要假设前提是未受到智慧城市试点冲击前,实验组与对照组的高质量就业满足平行趋势假说。为此,本文参考Zhang等[20]、赖晓冰和岳书敬[21]等的研究思路,运用事件分析法进行平行趋势检验,将智慧城市试点政策的时间分别向前或向后推动n年(n=1,2,3…)进行回归,构建如下模型:

(2)

在式(2)中,Dt为智慧城市试点前后的年度虚拟变量(city×phase);n取负数表示智慧城市试点前n年,取正数表示智慧城市试点后n年;α1为智慧城市试点前后年度虚拟变量的回归系数。从图1平行趋势检验结果看,在智慧城市试点政策发生前7年(d_1、d_2、d_3、d_4、d_5、d_6、d_7),回归系数α1均不显著,实验组与对照组的高质量就业水平具有相似的运行趋势且不存在显著差异,满足平行趋势假定;但在智慧城市试点后(d1、d2、d3、d4、d5、d6、d7),回归系数α1显著为正,并且随着试点时间不断推进,智慧城市试点的政策效果逐步增强,实验组与对照组的高质量就业水平呈现分化运行趋势,这说明智慧城市试点对高质量就业的驱动效应具有持续性。综上,充分证实本文设计多期DID模型是有效的。

图1 平行趋势检验图

2.PSM-DID回归

由于智慧城市试点采取申报审核制方式,选择试点城市可能并非完全随机的。为了缓解样本选择偏差问题,本文利用PSM-DID模型来剥离样本偏差对基准回归结果造成的不确定性干扰。首先,选择金融发展水平、政府干预程度、基础设施水平、人口密度状况、教育投入水平等控制变量作为匹配变量,筛选研究样本;其次,采用最近邻匹配法进行对照组的选取与匹配;最后,根据匹配后样本重新进行回归检验。图2显示,倾向得分匹配后实验组与对照组的控制变量偏差绝对值均明显缩小且保持在10%以内,表明本文选取的匹配变量及方法是合理的。表4列(1)为倾向得分匹配后的检验结果,city×phase为匹配后的智慧城市建设虚拟变量,其回归系数显著为正,再次证实前文基准检验结果是可靠且稳健的。

图2 控制变量标准化偏差图

表4 稳健性检验结果

3.更换样本时间区间

为了确保智慧城市建设对高质量就业的影响效应评估不受样本时间窗口干扰,本文重新生成新的时间窗口[2006-2019],利用多期DID模型重新检验智慧城市建设的高质量就业效应。表4列(2)结果显示,智慧城市建设对高质量就业的回归系数显著为正,表明更换样本时间区间并未影响基准检验结果。

4.内生性问题处理

为了尽可能降低潜在的内生性问题,本文参考赵蔡晶和吴柏钧[22]的研究,将所有控制变量滞后一期重新进行回归。表4列(3)结果显示,智慧城市建设依旧对高质量就业存在显著的促进效应,再次证实基准检验结果是稳健且可靠的。

5.调整样本容量

相对于普通地级城市而言,省会城市、副省级城市和计划单列市等重点城市在城市功能规划、服务辐射区间、资源与政策禀赋条件等方面均有明显优势,未调整样本容量可能会高估智慧城市试点的政策效益。对此,本文剔除上述重点城市样本,重新对模型(1)进行估计。表4列(4)结果显示,智慧城市建设依然有助于提升高质量就业水平。

(三)作用机制检验

前文理论分析与基准检验表明,智慧城市建设有助于促进高质量就业,但其背后的作用机制还有待进一步分析。现有研究基本证实了经济集聚、人力资本与信息化应用对高质量就业的促进效应。顾乃华和陈秀英[23]、王俊[24]、谭玉松[25]等学者研究证实,经济集聚有助于劳动生产率提升、工资增长、就业增长以及就业质量提升。而劳动者要想获得更好的就业机会与更高的劳动报酬,还需强化自身人力资本投资。人力资本水平与就业岗位(技能或工资)匹配度越高,劳动者越容易获得较好的薪酬待遇以及较高的就业质量[26]。诚然,劳动者拥有就业竞争力,除了倚赖经济集聚所形成的规模劳动力需求以及自身较强的人力资本水平外,还需要充分掌握就业岗位信息。信息技术普及应用不仅会拓宽应聘者的就业信息获取渠道,提高就业决策科学性,还促进劳动力向智能制造与高端服务业转移,推动多样化就业,有利于就业结构优化及实现高质量就业[27]。

综上,基于经济集聚、人力资本与信息化应用对高质量就业促进效应的系列讨论,本部分将侧重从上述三个视角考察智慧城市建设影响高质量就业的作用机制。需要说明的是,众多旨在实现高质量就业的举措都可能是潜在的传导渠道,限于研究篇幅不可能穷尽所有相关机制,同时兼顾机制重要性及数据可得性,本文仅聚焦考察智慧城市建设是否有利于提升经济集聚效应、人力资本储能效应与信息化推动效应,以验证三种效应是否为智慧城市建设影响高质量就业的作用机制。该部分机制检验依旧采用多期DID方法进行估计,从表5检验结果来看,智慧城市建设(city×phase)的回归系数均显著为正,说明智慧城市建设的政策红利不仅会吸引资本、劳动力、技术、数据等要素资源在城市空间集聚,还有助于为提高人力资本水平提供培育环境,并承接物联网、区块链等信息通信技术蓬勃发展。可以证实,智慧城市建设能够通过提升经济集聚效应、人力资本储能效应、信息化推动效应进而促进高质量就业,前文假说的三种作用机制是成立的。

表5 作用机制检验结果

(四)进一步讨论:异质性分析

1.地理区位异质性

城市间区位特征不同,试点政策经验、城市化发展基础、就业市场环境等方面也会存在差异,为了进一步探究智慧城市建设对高质量就业的影响在地理区位不同的城市间是否存在异质性,本文将219个样本城市划分为东部地区66个城市、中部地区85个城市以及西部地区68个城市。表6检验结果表明,智慧城市建设对中西部城市高质量就业存在显著的促进作用,但智慧城市建设的高质量就业效应在东部地区并不显著。可能原因在于,相比于中西部城市,东部城市就业市场环境相对完善,城市经济活力较强,智能制造与新兴服务业等新业态提供了更多的就业创业机会,依托健全的软硬件设施与现代化信息网络,东部城市能够保持较好的高质量就业水平,因此,“锦上添花”式的智慧城市建设对东部城市高质量就业的边际效用并不大。但是,对于就业资源等初始禀赋并不充分的中西部城市而言,“雪中送炭”式的智慧城市建设可以带来跨领域新兴产业集群,整合与共享各类要素资源,缓解就业压力等政策红利,为实现高质量就业创造了较高的边际贡献。

表6 异质性检验结果

2.城市规模异质性

相比于小城市,大城市拥有更大的人口承载力与就业容量,其劳动力、资金、技术等要素资源集聚优势明显,产业基础、科技创新能力以及信息化水平等较高,城市规模差异可能导致智慧城市建设的高质量就业效应存在异质性。为此,本文依据样本城市年均常住人口中位数将样本城市划分为规模较大城市(高于中位数的城市)与规模较小城市(低于等于中位数的城市)。表6检验结果表明,在规模较小城市中智慧城市建设显著促进了高质量就业,但该影响效应在规模较大城市中并不明显。可能原因在于,规模较小城市初始的就业市场环境存在种种局限,正处于全力追赶大城市的发展阶段,智慧城市建设能够吸引人才与资本要素向试点城市集聚,充分挖掘并释放规模较小城市的就业潜能,进而助推高质量就业。而规模较大城市的就业蓄水池功能渐趋成熟,试点政策激励就业的边际贡献较小,智慧城市建设对高质量就业的影响效应并不显著。

五、研究结论与政策启示

本文运用中国大陆219个地级城市2005—2020年的数据样本,构建了高质量就业综合评价指标体系,并以智慧城市试点为准自然实验,采用多期DID模型探究了智慧城市建设对高质量就业的影响效应、作用机制及异质性。研究结果表明,一是,智慧城市建设有助于促进高质量就业,并且该结论稳健可靠;二是,智慧城市建设通过提升经济集聚效应、人力资本储能效应以及信息化推动效应进而促进高质量就业;三是,智慧城市建设对高质量就业的促进效应存在城市地理区位与城市规模异质性,智慧城市建设显著促进了中西部城市和规模较小城市高质量就业,但对东部城市和规模较大城市的影响效应并不显著。研究结论为设计智慧城市建设助推高质量就业的具体路径以及破解城市高质量就业难题提供了政策启示。

第一,不断深化智慧城市建设对高质量就业的政策赋能效应。完善智慧城市建设的顶层框架设计,搭建智慧城市区间项目共建共享平台,破除城市间要素跨区流动的空间障碍与行政壁垒,统筹配置城市就业资源,拓宽就业空间与就业渠道;兼顾城市地理区位和城市规模在智慧城市试点效果上的异质性,综合考虑城市禀赋优势与城市特色,有序推进差异化智慧城市配套方案和非对称试点策略,搭建城市间梯次联动的就业圈服务助力高质量就业。

第二,综合发挥经济集聚、人力资本与信息化应用的高质量就业传导效应。整合智慧城市各部门相对分散的就业服务,吸引优质要素与产业向城市聚集,形成就业集聚优势,激发就业创业活力;实施“培养+引进”人才双轮驱动,打造人才流动洼地,建立城市全链条就业人才服务体系,形成合理配置和有效运行的创新型人力资本市场;促进信息技术与智能制造、高端服务业的深度融合,鼓励并培育新型就业岗位与就业模式,带动就业结构转型升级。

第三,系统强化金融服务、基础设施投资、人口规模集聚与科技教育投入等的就业辅助作用。研判市场主体的就业创业能力,创新金融服务就业创业方案,探索数字普惠金融支持就业创业的新模式;部署数字基础设施的智能改造升级,优先开展就业带动能力较强的基础设施投资,借助新基建投资以稳定就业供给;破除城市间劳动力流动的制度限制,响应户籍政策改革以提升城市人口密度,满足新就业形态的劳动力需求;加强政府高水平教育支持,优化应用型与技能型人才的教育培养模式,实现就业能力与市场岗位需求相匹配。