数字经济发展对收入差距的影响——基于技能偏向型技术进步视角

何 树 全，陈 京

（上海大学 经济学院，上海 200444）

一、引言

数字经济成为中国经济发展的加速器，得到党和国家的高度重视，“十三五”期间，党中央、国务院发布了《国家创新驱动发展战略纲要》等重要文件，将数字经济作为重点发展方向之一。数字经济也不负众望，2021 年，我国数字经济总规模达到了45.5 万亿元，同比名义增长16.2%，占GDP 比重39.8%。①数据来源：中国信息通信研究院发布《中国数字经济发展报告（2022 年）》，见http://www.caict.ac.cn/kxyj/qwfb/bps/202207/t20220708_405627.htm。数字经济的持续高速增长为社会、经济发展增强了信心，但是中国依旧存在着严重的发展不平衡问题：2015 年，中国20 分位以下低收入组与80 分位以上高收入组收入差距为5.43 万元，到2021 年，此差距扩大至7.75万元。①数据来源：国家统计局，https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A0A0G&sj=2022。

收入差距的扩大会影响社会经济发展的质量，并衍生出一系列问题，例如犯罪率提高或居民健康水平降低。［1］因此，了解数字经济对收入差距影响的方向、路径及在不同群体间影响的差异性，能对数字经济发展过程中可能出现的问题及时预警，以便出台有效的治理、完善、监督、规范制度来降低收入差距，从而有利于经济社会的健康稳定发展。

为了研究数字经济对收入差距的影响效应及路径，本文构建城市层面数字经济指标，基于微观数据劳动力动态调查（China Labor-force Dynamic Survey，简称CLDS）个体数据库，采用再中心化影响函数RIF（Recentered Influence Functions，简称RIF）分位回归模型进行研究分析。本文的主要贡献如下：（1）本文从技能偏向型技术进步视角研究数字经济对收入差距的影响，采用基于工作状态、用脑频率、学历三个维度区分中高低技能劳动者，解决了以往研究按照学历或职业类别等单一维度分类的局限性；学术界对数字经济指标的测算未达成一致意见，且多采用省级层面数据，本文借鉴毕马威和阿里研究院、中国信息通信研究院、柏培文和张云、陈贵富等人对数字经济内涵的界定与指标测算方法［2］1［3］1［4］97［5］123，从数字产业、数字消费者、数字科研三个维度构建城市层面数字经济综合指标，可以充实城市层面对数字经济的研究。（2）现有文献较少研究数字经济对收入差距的影响，与本文直接相关的文献大多讨论数字经济对城乡收入差距、中低技能劳动者收入、农村家庭收入的影响，而针对数字经济对中国微观个体数据收入分位差距的研究较少，本文基于CLDS 微观个体层面数据，研究数字经济对中国收入差距的影响，得到的结论具有一般普遍性。（3）本文使用RIF 回归模型，解决了传统OLS 模型不能研究微观个体数据收入分配的问题。

二、文献综述

（一）影响收入差距的因素

徐舒、陈斌开等人认为，人力资本与教育投资是影响收入差距的重要影响因素。［6］90［7］Asteriou、Mendoza、郑新业等人认为国际贸易、全球化是影响收入差距的关键因素。［8］［9］［10］Bentolina、Saint-Paul、Acemoglu、王林辉和袁理等人认为技术进步特别是偏向型技术进步是影响收入差距的重要因素。［11］［12］51［13］1159［14］数字经济是由数字技术驱动而形成的新经济形态，因此，数字经济发展很可能是影响收入差距的重要因素，但现有研究很少直接关注数字经济对收入差距的影响。

（二）数字经济对收入分配的影响

与本文直接相关的文献探讨了数字经济对收入分配的影响。王宁和胡乐明通过文献评述研究发现，数字经济一方面通过降低搜索成本、复制成本、运输成本等从而能够以极低的边际成本形成的规模经济效应促进全球化，加快城乡融合，最终增加新兴行业就业与收入，改善收入分配；另一方面，数字经济存在因知识贫困、信息过载、垄断、隐私泄露而导致基础工作被替代、城乡收入差距扩大、技能偏向而恶化收入不平等的问题。［15］

1.数字经济减缓收入不平等

张勋等人使用数字惠普金融指数和中国家庭追踪调查数据（CFPS），发现数字金融通过改善农村居民创业行为显著提升了农村低收入群体的家庭收入。［16］周利等人基于RIF回归的方法研究数字惠普金融对城乡收入差距的影响，发现数字惠普金融主要通过降低门槛效应来缩小城乡收入差距。［17］Nguyen 等人通过研究2002—2014 年间全球87 个经济体发现，互联网、移动电话、固定电话使用率能够降低GINI 系数。［18］Mushtaq 等人研究62个国家得出ICT 技术能够降低GINI 系数的结论。［19］

2.数字经济加剧收入不平等

Guellec 和Paunov 认为数字经济扩大了收入不平等现象。［20］孙宝文等人以2005 年全国1%人口抽样调查微观数据为样本发现，互联网虽然在总体上提升了劳动者的工资收入水平，但由于技能偏向的存在，互联网的发展扩大了我国城市内部收入差距。［21］王辉林等人使用2001—2016 年省级层面数据发现，人工智能技术通过岗位更迭效应和生产率效应扩大了收入不平等。［22］王军和常红发现，人工智能会替代部分劳动，创造新的工作岗位，导致就业极化，扩大收入差距。［23］柏培文和张云认为数字经济通过要素重组升级和再配置导致的效率变革以及产业智能化降低了中低技能劳动力的相对收入。［4］91陈富贵等人发现，数字经济通过劳动力就业技能结构升级和行业结构升级表征的技能偏向型技术进步路径来影响劳动力市场。［5］118

3.数字经济对收入分配的其他影响

陈文和吴赢构建省级层面数字经济综合指标，使用泰尔指数衡量城乡收入不平等，发现数字经济与城乡收入差距呈现U 型关系，数字经济是通过影响城镇化以及城乡居民相对创业水平来影响城乡收入差距的。［24］

在数字经济对收入不平等的影响作用方面：如果使用数字惠普金融来衡量数字经济的话，可以得出数字经济缩小城乡收入差距的结论，但是如果采用综合数字经济指标测算，则会有不一样的结果。采用宏观指标衡量收入分布与使用微观指标来衡量收入分布得到的结论也不一致。现有关于数字经济对收入分配影响的研究大多聚焦于城乡收入差距，或中低技能劳动者、农村家庭，针对中国微观数据收入差距的研究较少。

在影响路径方面：何宗樾和宋旭光认为数字经济有利于受教育程度高的群体，王文发现工业智能化显著增加了服务业特别是知识密集型服务业的就业份额，这说明数字经济提高了高技能劳动力的相对需求。［25］［26］就业份额和农村创业水平的提高、劳动力替代与新岗位的创造、从业门槛的降低都是要素结构的变动，数字经济是通过改变要素的相对生产率及相对需求进而改变要素结构的有偏技术进步来影响收入分配的，见图1所示。

图1 数字经济对收入分布的影响路径

三、数字经济对收入差距影响的理论机制

数字经济是由数字技术驱动的经济形态的总和，是以数字技术的有效使用作为效率提升和经济结构优化的一系列经济活动。［27］如果数字技术进步具有技能偏向的话，数字经济的发展也会存在技能偏向性特征。［5］122技能偏向型技术进步指的是会使高技能劳动者需求增加，进而增加其收入的技术进步。［28］本文基于徐舒和Acemoglu 的理论分析来构建数字经济影响收入分配的一般均衡模型，［6］82［12］18［13］1087假设处于完全竞争市场的厂商的生产函数为CES（Constant elasticity of substitution）生产函数：

其中Y 是产出，L 是低技能劳动投入，H是高技能劳动投入，Al(·)表示低技能劳动者单位劳动生产回报率，τ 代表外生的数字技术水平，Ah(·)表示高技能劳动者单位劳动生产回报率，A(τ)反映了数字经济发展水平，式（3.1）还 满 足∂Al(τ)/∂τ＞0，∂Ah(τ)/∂τ＞0。通过厂商生产最优化一阶条件得到两种类型劳动力的工资如下：

其中P 是产品市场价格，高低劳动力收入之比为rw=wh/wl：

rw=是劳动力市场高技能劳动力的相对需求函数，对（3.4）等式两边求τ的偏导得出：

从式（3.5）可以得出，数字经济技能偏向类型影响着高技能劳动力的相对需求进而影响收入差距。反映了数字技术对高低技能劳动力相对生产率的影响，如果数字技术进步是有偏的，则，随着数字经济的发展，高技能劳动力的相对要素回报率增加，，则，会增加对高技能劳动力的相对需求，在新的劳动市场均衡条件下，高技能劳动力的相对收入增加导致收入差距变大，如图2所示。

图2 数字经济对收入差距影响路径

四、数据处理与研究设计

（一）RIF模型

本文使用再中心化影响函数RIF分位回归模型研究数字经济对收入差距的影响。RIF 模型由Firpo、Fortin 和Lemieux 提出，可以用来衡量样本中某一变量微小变化对变量统计量的影响，［29］具体的定义式如下：

其中，Fy是y 的原始分布，Hyi是仅在yi处取值的分布，v(Fy)为y 分布的统计量。IF（Influence function）指的是影响函数，能够量化yi统计量的微小变化。RIF 为统计量的改变量加上原始分布的统计量，反映的是样本发生微小变化后，得到的新的统计量的大小。

（二）模型构建

本文将10-90 分位收入差距、10-50 分位收入差距、50-90 分位收入差距作为被解释变量，研究数字经济对收入差距的影响，具体RIF回归模型1如下：

其中，incomeijt指的是在城市j 中的受访者i于t年的收入水平，v1(·)指的是在t年j城市收入水平分布的10-90、10-50、50-90 分位差距。Digitaljt-1为城市j 在t-1 年的数字经济发展水平，是本文的核心解释变量，系数α1反映了数字经济对收入差距的影响，如果为正数，则说明数字经济扩大了收入差距，如果为负数，则说明数字经济缩小了收入差距。Xjt-1为滞后一期的城市层面控制变量，包括对外直接投资水平、地区生产总值、地区教育水平。Zit为受访者i 在t 年个体层面控制变量，包括受访者年龄、性别、所处社区类型、父母受教育程度、本人受教育水平。δj为城市层面固定效应，μt为年份层面固定效应，εijt为标准误。

本文将10、25、50、75、90 分位的收入水平作为被解释变量，研究数字经济对各分位收入水平的影响，探究数字经济的技能偏向类型，验证数字经济对收入差距影响的路径，具体RIF回归模型2如下。

同样，incomeijt指的是在城市j 中的受访者i 于t 年的收入水平。v2(·)指的是在t 年j城市10分位、25分位、50分位、75分位、90分位的收入水平。Digitaljt-1为城市j 在t-1 年的数字经济发展水平。MHit是一个虚拟变量，指的是受访者i 在t 年的技能类型，如果为1，说明该受访者是中高技能劳动者，如果为0，说明是低技能劳动者。交互项Digitaljt-1×MHit前面的系数β2反映的是数字经济对中高技能劳动者相对收入的影响，如果β2大于0，说明数字经济扩大了中高技能劳动者与低技能劳动者的收入差距，因为如果MHit= 0，表示数字经济对低技能劳动者q分位收入的影响为β1，MHit= 1 时，表示数字经济对中高技能劳动者q分位收入的影响为（β1+ β2），如果β2大于0，说明数字经济对中高技能劳动组q分位收入影响比低技能劳动组大。Xjt-1为滞后一期的城市层面控制变量，包括对外直接投资水平、地区生产总值、地区教育水平。Zit为受访者i 在t 年个体层面控制变量，包括受访者年龄、性别、所处社区类型、父母受教育程度、本人受教育水平。δj为城市层面固定效应，μt为年份层面固定效应，εijt为标准误。

（三）数据来源与样本选取

本文的微观个体数据来自中山大学三期985 建设项目2012、2014、2016 年中国劳动力动态调查（CLDS）个体问卷数据。城市维度的数据来自《中国城市统计年鉴》《企研数据：数字经济产业专题数据库》和北京大学数字普惠金融指数。此外为了解决内生性，选取2011、2013、2015 年滞后一期的数据。

（四）变量选取与说明

1.核心被解释变量

收入分布v（income）：本文使用CLDS 中2012、2014、2016 年个体数据，来研究受访者的收入情况。选取过去一年参加过工作的受访者全年各类收入总和来衡量收入，为了数据的统一性，将2014、2016 年的收入数据单位从元换算为万元，以收入的统计量10-90 分位距、10-50 分位距、50-90 分位距、10分位、25 分位、50 分位、75 分位、90 分位收入水平作为被解释变量。

2.核心解释变量

数字经济（Digital）：中国信息通信研究院将数字经济定义为数字产业化、产业数字化、数字化治理、数据价值化，［3］1《2018 全球数字经济发展指数》以数字基础设施、数字公共服务、数字科研、数字消费者、数字产业生态构建全球数字经济发展指数。［2］1本文结合中国信息通信研究院提出的关于数字经济的基本内涵，毕马威和阿里研究院提出的数字经济五因素模型，柏培文和张云、陈贵富等人关于城市层面数字经济的测算以及城市层面数据的可获得性，从数字产业、数字消费者、数字科研三个维度构建城市层面数字经济综合指标。［4］97数字产业包括产业数字化程度以及数字技术对产业渗透程度，本文借鉴陈贵富等人的研究用信息传输、计算机服务和软件业就业人数占比来衡量数字产业化程度，因为数字产业化包括软件和信息技术服务业、电信业等行业，使用数字普惠金融指数衡量产业数字化程度，因为产业数字化是指数字技术与实体经济的融合。［5］123数字消费者指的是数字技术对消费者的渗透程度，对于数字经济来说，数字消费者的数量以及成熟度是核心竞争力，数字消费者是数据产生的源泉，数字技术以及商业模式的创新都架构在消费者数据的基础上，本文用移动电话普及率和互联网普及率来衡量。数字科研体现了数字经济发展的创新水平以及可持续发展的能力，数字经济是知识型经济，信息技术基础及应用型研究是数字经济可持续发展的重要保障，本文使用《企研数据：数字经济产业专题数据库》中数字经济产业专利授权数来衡量数字科研水平。最后采用主成分分析法构建数字经济综合指标。①KMO值为0.714，满足主成分分析条件。

为了减少内生性的影响，本文采用滞后一期的数据测算，选取2011、2013、2015年的数据构成指标，生成149 个城市的数字经济发展综合指标。

3.劳动力技能类型虚拟变量

本文参考陈富贵等人的研究，将中高技能劳动力（MH）归为一类，［5］124MH=1 时为中高技能劳动力，MH=0 时为低技能劳动力，因为随着我国数字经济的发展，中高技能劳动力比例不断上升，发挥着重要的作用。［30］

现有研究大多从学历层次、职业分类来区分高低技能工人，但高学历的人可能技能比较低，工作能力比较差，而低学历的人领悟能力可能比较高，本文借鉴以往学者的分类，采用复合评判指标根据CLDS 中受访者最高学历、工作状态以及使用脑力频率来区分高、中、低技能劳动者。

工作状态为雇员且经常使用脑力的劳动者为高技能劳动者，工作状态为雇员且有时使用脑力的劳动者为中等技能劳动者，工作状态为雇员且很少或从不使用脑力的劳动者为低技能劳动者。

工作状态为雇主、自雇非体力劳动者为中高技能劳动者；工作状态为自雇体力劳动者为低技能工人；工作状态为自雇、务农时，按照学历划分，大专及以上为高技能劳动者，大专以下初中以上为中等技能劳动者，初中及以下学历定义为低技能劳动者。

4.控制变量

为了减少遗漏变量的影响本文从城市维度和个人维度控制重要因素对结果的影响。

城市维度控制变量：（1）实际使用外资金额；（2）地区生产总值；（3）地区教育水平。数据来源于《中国城市统计年鉴》，选取滞后一期数据，故为2011、2013、2015年的数据。

个人维度控制变量：（1）年龄，选取范围在18-65岁；（2）性别；（3）社区类型；（4）父亲受教育程度；（5）母亲受教育程度；（6）本人受教育程度。该数据主要来自CLDS 的个体数据，年份为2012、2014、2016年。

经过上述变量的选取与编码，整理得到各变量描述性统计结果如表2所示。

五、实证结果与分析

（一）基准回归结果

为研究数字经济对收入差距的总体影响，本文对式（4.3）进行回归，结果如表3 所示，数字经济加剧了我国收入不平等。从（1）列可以看出当数字经济增加1个单位，收入10-90分位的差值增大0.786个单位，显著扩大了11.8%（0.786/6.660），从第（2）列可以看出数字经济增加1 个单位，会增大10-50分位收入差距4.1%（0.072/1.76），从第（3）列可以看出数字经济增加1 个单位，会增大50-90 分位收入差距14.6%（0.714/4.9），数字经济对50-90 分位收入差距的影响作用更大，从第（2）第（3）列RIF 均值我们可以看出50-90 分位收入人群的收入差距大于10-50分位收入人群，数字经济使收入差距本来就大的群体收入差距更大了。

（二）数字经济的技能偏向类型

表4 第（1）列Digital（t-1）*MH 的系数为0.375且具有统计显著性，可以看出数字经济存在明显的技能偏向性，数字经济对高收入人群收入促进作用更大，这验证了数字经济通过技能偏向型技术进步扩大收入差距的预测。数字经济对中高技能工人工资的影响作用在不同收入人群中不一样，从第（4）第（5）第（6）列Digital（t-1）*MH 交互项系数可以看出，在50-90分位收入人群中，数字经济显著增大了中高技能劳动者的工资，显现出数字经济技能偏向性特征，且随着人群收入增加技能偏向性越大。

但是从第（2）第（3）列Digital（t-1）*MH系数发现，数字经济略微减小了中高技能劳动者的相对收入，这里数字经济的技能偏向特征不明显，并且有些偏向于低技能劳动者。可见，数字经济并不是对所有人群都显现出高技能偏向特征，对低收入人群存在一定程度的低技能偏向性。为什么在低收入人群中，数字经济发展体现出对低技能劳动者更友好的倾向？在这个收入区间，涌现出大量技能门槛更低的工作，比如打字员、图谱标记员、电商客服等，电子商务的发展也增加了扶贫助农的渠道，增加了低技能劳动者创业机会，呈现出低技能劳动力偏向型技术进步。［31］1

（三）稳健性检验

1.缩尾处理

从前文描述性统计分析发现，个体年总收入最小值为6元，存在异常极端值的情况，因此，对收入进行1%分位双边缩尾处理，剔除两边1%分位数据，得到的结果如表5 所示，数字经济依旧显著扩大收入差距，验证了结果的稳健性。

2.关键核心解释变量替换

借鉴柏培文和张云使用各省数字企业存量数替换数字经济发展指数验证结果稳健性的方法，［3］1本文使用《企研数据——数字经济专题数据库》各城市数字经济企业存量滞后一期对数lnNum（t-1）替换关键核心解释变量Digital（t-1），结果如表6所示，数字经济依旧显著正向影响收入差距，且对于10-50 分位的影响程度低于50-90 分位的影响程度。

（四）异质性分析

1.性别差异

前面的研究是针对所有样本进行的回归，体现总体上数字经济对收入差距的影响以及技能偏向类型。现在本文对不同性别进行组内回归，考察数字经济对男女组内收入差距的影响以及技能偏向类型。通过表7的结果可以发现，数字经济对女性的收入差距影响更显著，数字经济每增加1个单位，女性10-90 分位收入差距扩大36.5%（1.906/5.222），其中数字经济对50-90 分位收入差距扩大作用更明显。本文还发现，数字经济对男性的收入差距影响并不显著。通过RIF均值可以看出，男性的收入差距比女性要大，男性10-90 分位收入差距RIF 均值为7.593，而女性仅为5.222。

从表8 可以看出，数字经济对高收入组女性的收入影响更大，体现出更加明显的技能偏向特征。从第（1）列女性Digital（t-1）*MH 的系数0.211 且在0.01 水平上可以得出，数字经济每增加1个单位，女性中高技能劳动者的收入增加7.5%（0.211/2.811）；男性Digital（t-1）*MH 的系数为0.238，即数字经济每增加1 个单位，男性中高技能劳动者的收入增加5.86%（0.238/4.063）。数字经济在女性劳动者中展现的技能偏向特征更加明显，增加了女性中高技能劳动者收入。数字经济在发展过程中提供了很多需要脑力劳动的岗位，而这些岗位不分性别，提供更加平等的就业机会，更少的性别歧视，解决女性相对体力较弱、生育期间劳动受阻的现状。［31］1总之，通过性别差异分析本文可以得出数字经济对女性群体技能偏向特征更明显，对女性群体收入差距的影响更大。

2.城乡差异

中国城市和农村的发展差异较大，有着不同的生产模式与结构体系，因此，本文对城市和农村人群进行分组回归，研究数字经济对城乡收入分布影响的差异性。从表9能够看出，数字经济不管在城市还是农村，都会显著扩大收入差距，但是对农村的收入差距影响更大。从第（1）列可以看出，数字经济水平每增加1 个单位，城市的收入差距扩大4.5%（0.396/8.796），农村的收入差距扩大10.79%（0.524/4.855）。

从表10可以看出，数字经济在农村的技能偏向性更大。从第（1）列的数据可以得出，数字经济水平每增加1个单位，城市中高技能劳动者收入增加4.4%（0.214/4.864），农村中高技能劳动者收入增加7.37%（0.186/2.522）。数字经济给农村群体创造的就业岗位更加适合农村中高技能劳动者，城市数字经济的发展创造了相对农村地区更多的低就业门槛岗位如外卖员、网约车司机、图标员等使城市低技能劳动者受益，而农村催生出来的有利于低技能劳动者的岗位相对较少。

表2 各变量描述性统计

表3 数字经济对收入差距影响的基准回归结果（RIF回归）

表4 数字经济对中高收入劳动力收入分布影响的RIF回归结果

表5 缩尾处理后数字经济对收入差距影响的RIF回归结果

表6 替换关键核心解释变量后数字经济对收入差距影响的RIF回归结果

表7 数字经济对男女收入差距的影响RIF回归结果

表8 数字经济对男女中高技能劳动力收入分布影响的RIF回归结果（续）

表8 数字经济对男女中高技能劳动力收入分布影响的RIF回归结果

表9 数字经济对城乡收入差距的影响RIF回归结果

表10 数字经济对城乡中高技能劳动力收入分布影响的RIF回归结果

3.行业差异

本文根据证监会2012年行业分类标准，将受访者从事的行业分为劳动密集型行业、资本密集型行业来研究数字经济对从事不同行业的劳动者收入差距的影响。从表11中可以发现，数字经济对资本密集型行业劳动者的收入差距影响更大。从第（1）列可以得出，数字经济每增加1 个单位，10-90 分位的劳动密集型行业劳动者收入差距扩大7.69%（0.465/6.047），资本密集型行业的劳动者收入差距扩大20.84%（1.62/7.775）。

表11 数字经济对不同行业收入差距的影响RIF回归结果

从表12可以看出，数字经济对资本密集型行业的劳动者技能偏向性更大。从第（1）列可以得出，数字经济每增加1个单位，劳动密集型行业的中高技能劳动者收入增加7.01%（0.216/3.081），资本密集型行业的中高技能劳动者收入增加7.79%（0.346/4.442）。数字技术和资本结合创造出了更多需要中高技能劳动者的岗位，提高技能溢价，更加有利于中高技能劳动者。

表12 数字经济对不同行业高低技能劳动力收入分布影响的RIF回归结果

六、研究结论与政策建议

本文主要得到以下结论：（1）总体来看，中国数字经济增大了收入差距，它主要扩大中高收入群体的收入差距，对10-50 分位中低收入群体收入差距扩大效应较小。（2）数字经济是通过技能偏向型技术进步影响不同技能工人的相对生产回报率进而影响劳动力市场相对需求，改变劳动力市场一般均衡状态，调整劳动力构成结构来影响收入差距的。（3）数字经济并不是在所有人群中均体现技能偏向特征，它在低收入人群中体现的技能偏向性不明显，甚至存在偏向低技能劳动力的倾向，因为数字经济创造出大量低门槛的岗位，对学历、技能、经验的要求较低，如淘宝客服、外卖骑手、数据标注、短视频审核等，而且数字经济创造了大量兼职岗位，中低收入人群可以利用碎片化时间获取报酬，增加收入。（4）数字经济对女性、农村、和资本密集型行业收入差距影响较大，技能偏向特征更明显。数字经济有效增加了农村群体、女性群体中高技能劳动力的相对收入，但却加剧了这些群体内部的收入差距，因为数字经济在农村创造的有利于低技能劳动者的岗位相对于城市更少，而且它能够缓解女性中高技能劳动者由于生育、体力等因素影响收入的现状。同时，数字技术与资本的结合提高了中高技能劳动者的相对收入，更加有利于中高技能劳动者。

综上，本文得到以下政策启示：（1）调整数字经济技术进步的偏向性。我国数字技术的发展总体上偏向于中高技能劳动者，虽然目前数字经济的发展也创造了大量有利于低技能劳动者、弱势群体的岗位，但总体来说，引进的数字技术惠及低技能劳动者程度还不够。为了让数字经济的发展成果惠及到广大人民，需要政府引导研发更多惠及低技能劳动者和公众的数字产品与服务，例如电子商务助农、数字技术与农业相结合提高农业生产率等。还需要减少数字鸿沟，降低理解和操作成本，使得非专业人员也能使用数字化技术，推行低代码页面搭建并研发更简单的数字分析平台，让数字经济普惠发展，使更多人参与到数字经济的价值创造过程中。（2）优化劳动市场供给结构，提高中高技能劳动力占比。为了适应数字经济的发展，我们需要优化劳动市场供给结构降低收入差距从而让更多人获益。工人的技能高低程度跟自身的经验、教育、健康、培训情况等密不可分，低技能劳动者也是可以转变为中高技能劳动者的。政府可以引导并激励低技能劳动者参与培训，开展数字化教育消除数字鸿沟。当地社区基层组织可以在地方开展免费技能培训，深入调查有困难人群的教育需求，了解他们学习过程中的困难，通过中高技能劳动者成功获取高收入回报的案例、教育奖金来激励低技能劳动者进行学习。