劳动力成本抑制还是促进了服务业企业数字化转型？——兼论“鲍莫尔成本病”的克服

谢旭升，严思屏

(1.云南大学 经济学院，云南 昆明 650500；2.福建师范大学 经济学院，福建 福州 350108)

一、引言与文献综述

随着我国经济进入“新常态”发展阶段，劳动人口过剩带来的低劳动力成本优势已不复存在，大量劳动力逐渐由工业向服务业转移，使得服务业成为吸纳就业人口的主要部门，2021年服务业就业人数占总就业人数的48.05%。然而，劳动供给增加的同时并未带来劳动成本的下降，服务业随之成为工资最高的行业，城镇非私营单位平均工资最高的三个行业均为服务业，分别是信息传输、软件和信息技术服务业(201 506元)，科学研究和技术服务业(151 776元)与金融业(150 843元)，远高于全行业平均工资(106 837元)和工业部门平均工资(100 505元)①。从宏观层面来看，由于服务业的发展相对工业滞后，劳动力成本的提升使得服务业占GDP比重逐渐提高，从而陷入“结构性减速”的困局，这一现象被称之为“鲍莫尔成本病”[1]。然而，产业结构的服务化并非一直是我国经济发展过程中的“阿喀琉斯之踵”，随着信息时代的到来，服务业的技术属性也在寻求转变[2]，数字技术的突破成为克服“鲍莫尔成本病”、发挥结构效应的关键变量，而承担数字化转型的主体应当是服务业企业。

大数据、人工智能、物联网、云计算等新兴的数字技术在服务业领域的全面渗透，使得越来越多的服务业企业开始加快数字化转型的进程，试图摆脱“低效率、高成本”的低效竞争格局。数字技术的广泛应用促使服务业企业在要素配置和生产方式上发生重要转变，进而实现服务业的生产、管理、消费等环节自动化、规模化、标准化，降低劳动要素依赖程度的同时提高劳动生产率，从根本上改变服务业低效率的特征[3]。那么，在农村剩余劳动力减少、人口老龄化加剧、人口负增长的时代背景下，劳动力成本上升带来的供给冲击能否倒逼服务业企业数字化转型？若能，中间的作用机制又是如何？而这一转型又是否能够克服“鲍莫尔成本病”？以上三个问题是本文主要考察的内容。

已有关于劳动力成本的相关研究主要聚焦于如何影响企业转型发展的微观层面，且两者之间的关系尚未明确。一方面，部分学者认为劳动力成本的上升压力能够给企业的成长转型带来积极影响，即劳动力成本上升能够提高企业全要素生产率[4-6]、激励企业进行创新[7-9]，从而促进企业转型升级[10-12]。另一方面，劳动力成本上升对企业生存发展也会带来不利影响，如压缩了企业利润空间[13-14]、提高企业信贷约束概率的同时降低信贷需求[15]、导致企业陷入经营困境[16]、加剧企业退出市场的风险等等[17]。同时，也有一些学者在宏观层面考察了劳动力成本的影响效应。劳动力成本的快速上升，降低了中国工业化的比较优势，呈现出“过早去工业化”的趋势[18-19]。郭念枝和村濑英彰(2018)[20]通过构建动态宏观模型发现劳动力成本的提升会产生替代效应，严重抑制资本积累，从而导致经济下滑。此外，还有学者发现城市相对劳动力成本的提高会导致工业产值的降低而提高服务业产值[21]。

相较于制造业，服务业的技术密集度低且无法形成规模经济[22]。因此，劳动力成本的持续上升会给服务业特别是劳动密集型服务业造成更重大的冲击[23]。此外，由“被动去工业化”和“被动服务业”的结构转型所造成的劳动力成本提高，更加不利于服务业效率提升[24-25]。劳动力成本过高会给服务业企业带来较高的生产成本负担和较低的生产效率的同时，也在进一步驱动服务业转型升级。近些年来，数字技术与服务业的融合引起了学者们大量关注。一方面，数字技术会引起劳动与资本间的替代效应；另一方面，也会产生更加复杂、以人工劳动为主的新任务，以此推进自动化和智能化水平的提高[26-27]。基于以上特征，在数字技术的应用赋能下，服务业的基本性质和传统特征被彻底颠覆，从而摆脱对规模效率、贸易效率和分工效率的制约，提升分工和协作效率，进而克服“鲍莫尔成本病”[22，25]。

基于上述背景，本文采取2007—2020年沪深A股服务业上市公司作为研究样本进行实证检验。本文的边际贡献主要体现为三个方面：①现有文献大多重点关注企业数字化转型引致的影响，并未考虑企业为何进行数字化转型，本文将补充有关企业数字化转型的动机与因素。②探讨劳动力成本影响企业数字化转型的线性与非线性关系，以及丰富两者的传导机制。③补充有关“鲍莫尔成本病”的微观解决路径，以往该问题的研究大多是从行业宏观层面进行探讨，微观层面的分析较为匮乏，本文将从企业层面探讨如何克服“鲍莫尔成本病”，从而为服务业企业遭受宏观冲击时进行转型升级提供科学合理的对策建议。

二、理论分析与研究假设

(一)劳动力成本对服务业企业数字化转型的直接影响

在过去高速发展阶段，劳动力作为我国服务业企业的核心生产要素，其低廉的价格是服务业企业得到迅速发展的重要优势，然而，受制于义务教育普及、劳动力保护制度日益完善所引致的劳动力成本上升的冲击时，服务业企业的市场竞争力不断下降，利润空间被压缩，但同时也在激励服务业企业引进新技术进行变革转型。在企业的生产管理等层面，借助人工智能、物联网等数字信息技术的应用，服务业企业能够将低技能、简单重复的人工任务集中化、数字化、智能化批量生产，提升整体自动化水平和生产效率，从而实现对生产流程、管理模式、产品服务的创新优化[26]。在行业的协作分工等层面，数字平台能够强化行业间或行业内企业的服务数据、信息的共享与合作，使得产品生产的不同流程在时空中实现协调分工，提高分工效率的同时催生出了如远程医疗、远程教育、数字零售等服务业新业态和新模式[27]。由此可见，为弥补劳动力成本上升造成的损失，服务业企业会选择应用自动化的生产技术，使得在既定要素投入组合下实现产出和利润最大化。

基于以上分析，提出如下假设：

H1：劳动力成本提高有助于促进服务业企业数字化转型。

(二)劳动力成本对服务业企业数字化转型的间接影响

劳动力成本的提高会促使企业重新调整优化要素的配置。按照新古典经济增长理论，企业对劳动力和资本的要素配置，均按照边际收益等于边际成本这一原则实现利润最大化。当劳动力成本较低时，企业会雇佣大量劳动力、减少资本投入来进行生产，降低生产成本、实现利润最大化的同时，也形成了过度依赖劳动力要素的生产模式，从而抑制了服务业企业数字化转型。但随着劳动力价格相对资本价格的提高，企业的生产成本也相应上升，企业最优策略是投入更多的资本替代劳动，加快资本深化进程，采用自动化机器改进生产方式和工艺流程，减轻对劳动力要素的依赖程度，优化要素配置效率。总而言之，劳动力成本的提高会引致要素间的替代效应来驱动数字化转型。

基于以上分析，提出如下假设：

H2a：劳动成本与服务业企业数字化转型呈现“U”型曲线的关系。

H2b：劳动成本的提高能够通过资本-劳动替代机制促进服务业企业数字化转型。

较高的工资水平使得劳动力结构发生转变。一方面，高工资有助于吸引更高素质的人才，并提高员工工作效率，同时在面对劳动力成本上升时，企业也会更加注重员工技能的培训，为应用自动化技术和实现数字化转型提供人才支撑。另一方面，较高的工资会催生出“优胜劣汰”的淘汰机制，使得员工的薪酬与能力相匹配，进而缩小劳动力规模，减少对低技能员工的劳动力需求，以适应数字化转型过程中新旧任务的替换，掌握数字技术，降低数字化的转型成本。

基于以上分析，提出如下假设：

H2c：劳动成本的提高能够通过劳动力间替代机制促进服务业企业数字化转型。

(三)服务业企业数字化转型与“鲍莫尔成本病”的克服

根据“鲍莫尔成本病”理论[1]，由于服务业的生产率增长始终低于工业，要使部门间生产保持平衡，服务业需吸纳更多的劳动力，在这一过程中部门间生产率差距进一步扩大，但不同部门的实际工资同步上升，带来服务业的就业份额和产出份额不断提高的同时，服务业成本(尤其是劳动力成本)也在大幅提高。造成“鲍莫尔成本病”这一情况的原因在于服务业低效率的生产方式，服务业主要以使用劳动要素生产为主，且产品具有“不可贸易性”、“无形性”和“差异化”等特点，致使服务业分工程度较低，难以形成如同制造业般自动化、机械化和标准化的大规模生产模式。

若能够改变服务业的要素结构和产品特征，引入新的生产技术，与劳动力形成互补或替代的关系，则服务业生产率能够得到提高，“鲍莫尔成本病”就有可能得到缓解甚至克服。服务业企业的数字化转型是解决这一问题的关键，数字化转型所带来的“规模效应”、“分工效应”、“结构效应”与“赋能效应”可以克服传统服务业一系列的“停滞”特征[22，25]，进而提升服务业企业的生产效率。从规模效应来看，运用数字技术能够将原有服务标准化、流程自动化，扩展用户规模的同时也能满足异质性的用户需求，随着服务产品销量的上升，单位产品的边际成本趋于零，平均成本逐渐降低，从而实现规模经济。从分工效应来看，数字化转型能够对整体服务业产业的组织形式产生关键创新，各个企业主体间依托数字平台，形成网络协作，从而提高传统服务业的专业化水平和分工效率。从结构效应来看，技术进步较快的生产性服务业与数字技术的创新融合，促进产业数字化和数字产业化的迅速扩张，使得现代服务业比重不断上升，服务业结构持续优化升级，进而带动服务业整体生产率的提升。从赋能效应来看，一方面，数字化转型能够通过数字设备辅助提升高技能员工的生产效率，提高服务产品的数量与质量，实现直接赋能。另一方面，通过数字技术能够降低企业与用户、企业与企业间的信息不对称程度，使得产品的供需双方精准匹配，降低服务的交易成本，实现间接赋能。

基于以上分析，提出如下假设：

H3：服务业企业数字化转型能够通过规模效应、分工效应、结构效应与赋能效应，提升企业的生产效率。

三、研究设计

(一)数据来源与处理

本文选取2007—2020年我国A股服务业上市企业作为研究样本，剔除ST和*ST上市公司、数据缺失严重的观测数据，最终得到1 187家服务业企业的8 720个观测值。本文使用企业层面的微观数据来源于国泰安(CSMAR)数据库、企业年报，地区层面的宏观数据来源于《中国统计年鉴》。为降低异常值对回归结果可能造成的影响，对所有企业层面的连续变量进行1%和99%的缩尾处理。

(二)计量模型构建

(1)

其中，被解释变量Digitalit表示企业i在t年的数字化转型程度，核心解释变量LCit表示企业i在t年的劳动力成本，Controlsit表示控制变量，μi、λt、εit分别表示行业固定效应、时间固定效应和扰动项。

(三)变量选取

1.被解释变量：劳动力成本(LC)

本文参考沈永建等(2017)[28]、刘晓光和刘嘉桐(2020)[15]的研究，采取职工薪酬和支付给职工以及为职工支付的现金总额除以营业收入再取对数，对劳动力成本进行衡量，LC值越大，则表示企业在面临劳动力成本上升时的经营压力越大。

2.核心解释变量：企业数字化转型程度(Digital)

参考袁淳等(2021)[29]的研究，通过识别和提取国家政策文件中有关数字经济的关键词，将所提取相关词汇构建为企业数字化术语词典，并扩充至Python软件包的“jieba”中文分词库。接着，利用机器学习方法对上市公司年报中“管理层讨论与分析”(MD&A)部分中进行文本分析，加总企业数字化词汇的频数并进行对数化处理，由此衡量企业数字化转型程度(Digital)。

3.控制变量

借鉴孟茂源和张广胜(2021)[6]的研究，选取如下控制变量：企业年龄(Age)，采取企业本期年份减去企业成立年份加1的对数衡量；企业规模(Size)，采取员工人数的对数衡量；现金流量水平(Cashflow)，采取经营活动产生的现金流净额与总资产的比值衡量；总资产收益率(Roa)，采取企业净利润与总资产的比值衡量；资产负债率(Lev)，采取企业总负债与总资产的比值衡量；营业收入增长率(Org)，采取企业本年营业收入和上年营业收入之差与上年营业收入的比值衡量；股权集中度(Shrcr1)，采取企业第一大股东持股比率衡量；独立董事占比(Indratio)，采取独立董事数量占董事规模的比重衡量；产权性质(Property)，若为国有企业则赋值为1，若为非国有企业则赋值为0。主要变量的描述性统计如表1所示。

表1 描述性统计

四、实证分析

(一)基准回归分析

为检验劳动力成本对服务业企业数字转型的影响，本文依据计量模型(1)进行回归，基准回归结果如表2所示。其中，第(1)列只引入了劳动力成本(LC)，第(2)列进一步加入控制变量，且未控制行业和年份固定效应，第(3)和(4)列分别单独控制了年份和行业固定效应，第(5)列则同时引入控制变量，控制行业与年份固定效应。由第(1)～(5)列的回归结果可知，劳动力成本(LC)的回归系数显著为正，表明随着劳动力成本的提高，服务业企业会加快数字化转型的进程，前文的研究假设H1得到验证。以第(5)列为例，劳动力成本每上升1%，就会促进服务业企业数字化转型程度上升2.5%。可能原因在于，劳动力成本的提升能够提高服务业企业的劳动-资本比，实现资本对劳动的替代，倒逼服务业企业提升数字化转型程度，这一中介机制将在下一部分进行检验。在控制变量方面，企业的规模(Size)、总资产收益率(Roa)、独立董事占比(Indratio)均是促进服务业企业数字化转型的积极因素，而现金流量水平(Cashflow)、资产负债率(Lev)的提高，以及当企业为国有企业时，则阻滞了服务业企业数字化转型。

表2 基准回归结果

(二)稳健性检验

由基准回归结果可知，劳动力成本对服务业企业数字化转型具有显著的促进作用，为确保研究结论的稳健性，本文在基准回归的基础上进一步开展了一系列稳健性检验。

1.更换估计模型

首先，考虑到企业数字化转型程度为计数变量，数据呈严重偏态分布，采用OLS估计方法可能存在误差问题。为解决该问题，本文参考刘青和肖柏高(2023)[30]，构建虚拟变量dum_Digital(若Digital等于0，则dum_Digital为0，否则为1)作为被解释变量，采取Probit模型进行回归。其次，考虑到模型可能存在的内生性问题，本文采取系统GMM模型进行回归，表3第(2)列中的AR(1)、AR(2)和sargan检验表示系统GMM模型的估计结果具有有效性。第(1)和(2)列的回归结果表明，无论采取Probit模型还是系统GMM模型，劳动力成本的系数均显著为正，即进一步验证了劳动力成本提升对服务业企业数字化转型的促进作用，故研究结论具有稳健性。

表3 稳健性检验(一)

2.替换关键变量

考虑到被解释变量和解释变量可能存在的衡量偏误问题，本文采取不同的衡量方法对关键变量进行测度。关于被解释变量，一方面，本文采取(数字化词频/总词频)×100(Digital1)进行替换，回归结果如表3第(3)列所示。另一方面，考虑到运用文本分析法来衡量企业数字化转型可能存在一定的缺陷，本文借鉴祁怀锦等(2020)[31]，以企业无形资产中有关数字经济资产总额的对数(Digital2)来重新衡量企业数字转型程度，回归结果如表3第(4)列所示。关于解释变量，本文参考肖文和薛天航(2019)[5]、沈永建等(2017)[28]的研究，分别采取(职工薪酬+支付给职工以及为职工支付的现金)/职工人数取对数(LC1)与(职工薪酬+支付给职工以及为职工支付的现金-高管薪酬)/营业收入取对数(LC2)替换解释变量，回归结果如表4第(1)和(2)列所示。回归结果显示，无论采取何种方式对关键变量进行衡量，劳动力成本的系数均显著为正，说明本文的主要结论并不受到关键变量的衡量方法所影响。

表4 稳健性检验(二)

3.调整样本区间

本文进一步采取调整样本区间的方式进行稳健性检验。首先，考虑到样本存在大量企业未进行数字化转型，企业对于是否进行数字化转型的策略存在差异，故剔除未进行数字化转型的企业，排除企业自身数字化策略选择的干扰。其次，考虑到直辖市与其他城市相比在经济、政治、人口、产业等方面具有特殊性，所在企业在税收、融资、市场环境等方面存在较大差异，可能会对研究结论产生影响，故本文剔除了位于直辖市(北京、上海、重庆、天津)内的企业，重新进行回归。最后，考虑到企业可能会受到2008年金融危机与2015年股灾的较大影响，故本文剔除了2008年和2015年的样本数据，重新进行回归。回归结果如表4的第(3)、(4)和(5)列所示，结果表示劳动力成本(LC)的系数均显著为正，进一步验证了主要结论的稳健性。

4.排除宏观变量的影响

考虑到地区经济与金融的发展能够对服务业企业数字化转型产生一定影响，因此，本文将地区经济发展水平(Fin)和地区金融发展水平(GDP)同时引入基准模型中进行回归，两者分别采取企业所在市地区生产总值的对数和企业所在市年末金融机构各项贷款余额与年末金融机构存款余额的比值进行衡量。回归结果如表4第(6)列所示，在控制地区经济发展水平和地区金融发展水平后，劳动力成本依然能够显著促进服务业企业数字化转型。

(三)内生性问题

考虑到本文的基准模型可能还存在着反向因果等内生性问题，即不仅劳动力成本的提高会促进企业数字化转型，反过来企业数字化转型可能也会进一步提高劳动收入份额[32]，从而提升劳动力成本。为解决以上因素对主要结论产生的估计偏误问题，本文采取工具变量法来加以解决。首先，本文依据贺建风和张晓静(2018)[33]的研究，以城镇单位在岗职工平均工资(averagewage)作为第一个工具变量。利用企业所在地区的平均工资替代企业个体的劳动力成本能够在一定程度上减轻模型设定的内生性。原因在于，地区平均工资对企业员工工资具有示范效应，同时企业的数字化转型决策并不直接被当地平均工资所影响，故该工具变量具备相关性和外生性。接着，本文分别选择全日制就业劳动者月最低工资标准的对数(monthwage)、非全日制就业劳动者小时最低工资标准的对数(hourwage)作为第二个和第三个工具变量。从相关性来看，最低工资标准的设定能够维护劳动者的基本权益，对提高劳动者工资具有直接影响。从外生性来看，企业所在地区的最低工资标准并不存在与企业数字化转型的直接作用渠道。因此本文认为以上有关最低工资标准的两个变量满足相关性和外生性的必要条件。表5报告了三个工具变量的识别不足检验、弱工具变量检验的结果和变量的回归结果。检验结果中，三个工具变量的Kleibergen-PaaprkLM统计量均在1%的水平上显著，拒绝工具变量识别不足的原假设，Cragg-DonaldWaldF统计量均大于10%显著性水平上的临界值，拒绝弱工具变量的原假设，由此可见，本文选取的三个工具变量是有效合理的。回归结果表明，劳动力成本和工具变量的系数均显著为正，即在考虑内生性问题后，劳动力成本与服务业企业数字化转型存在显著的正相关关系，本文基准回归的主要结论仍然成立。

表5 内生性检验

(四)异质性分析

前文验证了劳动力成本对促进服务业企业数字化转型显著的促进作用，但值得关注的是，在不同所有权性质、行业特征、融资情况的影响下，劳动力成本对服务业企业数字化转型的影响可能存在非对称效应。鉴于此，本文从企业的所有权性质、行业类型特征与融资约束程度三个角度出发，检验劳动力成本对服务业企业数字化转型的异质性影响。

1.所有权性质

本文依据企业所有权性质将企业分为国有企业和非国有企业，构建虚拟变量SOE(若企业为非国有企业，则SOE为1，否则为0)，以及其与劳动力成本的交互项(LC×SOE)，引入基准模型中进行回归。表6的第(1)列的回归结果显示，交互项的系数为0.066，且在1%的水平上显著。这说明相较于国有服务业企业，劳动力成本的提高对非国有服务业企业数字化转型的促进效应更显著。原因在于，当国有企业与非国有企业同时面临劳动力成本上升的压力时，由于处于不同的市场竞争压力和经营目标任务下，非国有企业对成本变动反应更加敏感和激进，因此非国有企业的数字化转型动力要强于国有企业。

表6 异质性分析

2.行业类型特征

本文根据企业的行业类型特征，划分为生产性服务业和生活性服务业②，构建虚拟变量Structure(若企业为生产性服务业，则Structure为1，否则为0)，以及其与劳动力成本的交互项(LC×Structure)，引入基准模型中进行回归。回归结果如表6的第(2)列所示，交互项系数在10%的水平下显著为正，表明相较于生活性服务业企业，劳动力成本的提高对生产性服务业企业数字化转型的促进效应更显著。可能的原因是，相比于生活性服务业，生产性服务业的资本密集程度、与数字技术的融合程度更高，更易于实现生产的标准化和规模化，在面临劳动力成本提高时，能够迅速调整劳动资本比率，对数字化转型的促进作用较大。

3. 融资约束程度

本文以样本企业融资约束SA指数的中位数为划分标准，将总样本分为高融资约束企业和低融资约束企业，构建虚拟变量dum_SA(若企业的融资约束高于全样本中位数，则dum_SA为1，否则为0)。表6第(3)列的回归结果表明，在同时面临劳动力成本上升的压力时，相比于融资约束较低的服务业企业，融资约束较高的服务业企业对于数字化转型更为积极。相较于融资约束较小的企业来说，融资约束较高的企业融资难度更大、融资渠道更窄，因此融资约束高的企业对于劳动力成本上升更加敏感，要素替代弹性更高，即使较低幅度的劳动力成本上升也会导致企业通过要素替代，进行更大程度的数字化转型。

五、作用机制分析

由前文理论分析可知，从作用渠道出发，一方面，服务业企业的劳动力成本提高，会迫使其对生产要素配置进行替代，投入更多资本而减少劳动力的使用，进行数字化转型，即资本-劳动替代机制。另一方面，随着劳动力成本上升，服务业企业会雇佣高学历员工对低学历员工进行替代，从而完成较为复杂、非自动化的新任务，加快数字化转型进程。从作用机制出发，在不同要素市场、行业竞争、研发投入、要素密集度的企业内外部环境下，劳动力成本对服务业企业数字化转型的激励效应会产生差异。因此，本文从资本-劳动替代机制、劳动力间替代机制，以及企业内外部环境的调节机制三个影响路径来检验劳动力成本与服务业企业数字化转型之间的内在机制。

(一)资本-劳动替代机制

本文参考陈勇兵(2023 )[34]的研究，采取固定资产净值/企业员工人数的对数值来衡量企业的资本劳动比。从表7中第(1)列可知，劳动成本的二次项(LC2)系数显著为正，即在劳动力成本较低时，服务业企业更倾向于使用劳动力要素进行生产，对数字化转型产生抑制作用。相反，在劳动力成本较高时，服务业企业则会选择资本替代相对价格较高的劳动力，来进行自动化生产，以减轻企业的经营成本，因此，劳动力成本与服务业企业数字化转型呈现出“U”型曲线的关系，这验证了假设H2a。表7的第(2)和(3)列的回归结果显示，劳动力成本(LC)对资本劳动比(KL)的系数显著为正，资本劳动比(KL)对企业数字化转型(Digital)的系数显著为正，说明劳动力成本的提升可以通过资本与劳动间的替代机制来促进服务业企业的数字化转型，假设H2b得以验证。同时将劳动力成本的二次项(LC2)引入中介效应的回归当中，回归结果第(4)和(5)列显示，劳动力成本的二次项(LC2)和资本劳动比(KL)的系数均显著为正，即随着劳动力成本的提高，服务业企业会由提高劳动、降低资本的要素配置转向为降低劳动力、提高资本，促进企业数字化转型。

表7 资本-劳动替代机制

(二)劳动力间替代机制

具有大专及以上学历的员工为高学历员工，其余为低学历员工，并以低学历员工占员工总数的比率(EDU_low)、高学历员工占员工总数的比率(EDU_high)和高学历员工与低学历员工比(EDU_hl)分别作为中介变量，来考察劳动力成本与服务业企业数字化转型的劳动力间替代机制。回归结果如表8所示，第(2)、(4)和(6)列中EDU_high、EDU_low和EDU_hl的系数分别显著为正、负和正，且其他系数均符合中介效应检验。由此可见，当劳动力成本提升时，企业偏向于雇佣高学历员工来替代低学历员工，以促进新旧任务之间的替换，加快数字化转型进程，本文的假设H2c得到验证。首先，劳动力成本的上升能够促进员工素质提升[6]，薪酬上涨的筛选和淘汰机制使得低学历员工减少，同时吸引和激励高学历员工加入企业。其次，较高的教育水平，意味着员工具有更好的知识学习和创新能力，在运用新技术与完成新任务方面具有比较优势，因此，在数字化转型过程中创造出来的新任务仅能由高学历员工完成，难以被资本和机器的自动化所替代。

(三)企业内外部环境的调节机制

对于要素市场和行业竞争两方面的企业外部环境，本文采取樊纲等编制的《中国市场化指数》中 “要素市场的发育程度”指数(Factormarket)来衡量企业外部的要素市场环境，采取行业勒纳指数(Lerner)来衡量企业外部的行业竞争环境，该指标越大，表示行业垄断程度越高，反之行业竞争程度越高。此外，借鉴刘青和肖柏高(2023)[30]的研究，以员工人数/总资产的对数定义要素密集度(Factorintensity)，衡量企业内部的要素密集度环境，该指标越大，表示劳动密集程度越高，反之资本密集度越高。同时，本文以研发人员数量占员工总数的比重(RDP)、研发支出占营业收入的比重(RDS)来衡量企业内部的研发投入环境。为探究劳动力成本与服务业企业数字化转型的企业内外部环境机制，本文在基准回归的基础上引入以上变量以及该变量与劳动力成本(LC)的交互项进行回归分析，回归结果如表9所示。

表9 企业内外部环境机制

表9的第(1)列显示，劳动力成本与要素市场的交互项(LC×Factormarket)显著为正，同时第(2)列显示，劳动力成本与行业竞争环境的交互项(LC×Lerner)显著为负，说明处于要素市场发育程度与行业竞争程度较高的服务业企业，在劳动力成本上升后有着更为显著的数字化转型。从外部环境视角来看，一方面，要素市场环境较好的服务业企业，信息不对称程度更低，往往能够以较低成本获取数字化转型过程中的高素质劳动力和资本要素以及相关数字技术，要素配置效率得到有效提高，从而更有助于企业实现数字化转型。另一方面，在激烈的行业竞争中，服务业企业对劳动力成本上升更为敏感，企业为了获取更高的垄断租金，更倾向于采取较为积极的转型策略。相反在垄断程度较高的行业中，垄断企业为维护自身的市场势力，构建资源和技术壁垒，阻碍创新能力强、效率高的潜在竞争者进入市场，不利于企业展开数字化转型。

表9的第(3)列显示，劳动力成本与要素密集度的交互项(LC×Factorintensity)显著为正，同时第(4)和(5)列显示，劳动力成本与研发投入的交互项(LC×RDP、LC×RDS)显著为正。说明从企业的内部环境视角来看，相较于资本密集型企业，劳动密集型企业的劳动力成本提升会在更大程度上倒逼服务业企业数字化转型。原因在于，在劳动密集型企业中，劳动力成本在经营成本中占比更高，劳动要素的边际产出较资本要素更低，因此，当面临劳动力成本上升的压力对此类企业的影响程度更为强烈，企业更偏向于投入更多资本，以开发自动化技术，促进劳动要素的替代和数字化转型，缓解用人成本压力。此外，在创新投入较高的企业环境中，劳动力成本对服务业企业数字化转型的促进效应更为显著。从本质上来看，数字化转型过程就是企业对其经营流程、管理模式、生产方式的一种颠覆式创新，提高研发人员、研发支出等创新资源的投入，能够提升企业的创新动能，有利于创新活动的开展和数字化技术的扩散，进而助力数字化转型。

六、进一步分析

本文进一步扩展服务业企业数字化转型的经济效应，从规模效应、分工效应、结构效应和赋能效应四个方面探讨如何克服“鲍莫尔成本病”。在规模效应方面，本文以主营业务收入取对数来衡量企业规模(Scale)。在分工效应方面，借鉴袁淳等(2021)[29]的研究，构建企业分工程度(VSI)指标。在结构效应方面，引入前文构建的虚拟变量Structure，并将企业数字化转型程度(Digital)和Structure的交叉项(Digital×Structure)纳入模型。在赋能效应方面，本文分为直接赋能效应和间接赋能效应，直接赋能效应以高技能员工占比(Highskill)、低技能员工占比(Lowskill)分别与数字化转型程度(Digital)的交叉项(Digital×Highskill、Digital×Lowskill)，引入模型进行考察，其中，高技能员工指的是生产、研发、技术、管理人员，其余为低技能员工。而对于间接赋能效应，则引入企业的交易成本(Cost)与数字化转型程度(Digital)的交叉项(Digital×Cost)进行回归分析，其中以企业的采用管理费用占营业收入的比重来衡量交易成本。此外，本文通过基于ACF法修正的LP法测算企业的全要素生产率(TFP)作为模型的被解释变量，回归结果如表10所示。

表10 服务业企业数字化转型与“鲍莫尔成本病”的克服

表10中第(1)和(2)列报告了服务业企业数字化转型的规模效应，数字化转型(Digital)对企业规模(Scale)的系数，以及企业规模(Scale)对全要素生产率(TFP)的系数均显著为正，即数字化转型能够通过扩大企业规模提升服务业企业的全要素生产率。表10中第(3)和(4)列报告了服务业企业数字化转型的分工效应，数字化转型(Digital)对企业分工程度(VSI)的系数，以及企业分工程度(VSI)对全要素生产率(TFP)的系数均显著为正，说明数字化转型能够通过提升专业化分工程度提升服务业企业的全要素生产率。表10中第(5)列报告了服务业企业数字化转型的结构效应，企业数字化转型程度(Digital)和Structure的交叉项(Digital×Structure)显著为正，即相对于技术进步较慢的生活性服务业企业，数字化转型对于提升技术进步较快的生产性服务业企业的全要素生产率更为显著。表10中第(6)～(8)列报告了服务业企业数字化转型的赋能效应，高技能员工占比(Highskill)与数字化转型程度(Digital)的交叉项(Digital×Highskill)，以及企业交易成本(Cost)与数字化转型程度(Digital)的交叉项(Digital×Cost)均显著为正，而低技能员工占比(Lowskill)与数字化转型程度(Digital)的交叉项(Digital×Lowskill)为负但不显著，表明服务业企业数字化转型能够通过增强高技能劳动力来提高生产效率，但无法赋能低技能劳动力。此外，在交易成本更高的服务业企业中，数字化转型对全要素生产率的提升效果更好，说明数字化转型能够通过节约交易成本这种间接赋能方式以促进生产效率的提升。综上所述，服务业企业能够通过规模效应、分工效应、结构效应和赋能效应克服“鲍莫尔成本病”，因此本文的假设H3得到验证。

七、结论与政策建议

在人口负增长和老龄化加深的时代背景下，劳动力供给不足引起的劳动力成本上升是推动服务业企业转型与服务业结构变迁的重要影响因素。本文利用2007—2020年沪深A股服务业上市公司作为研究对象，试图从理论和实证两方面出发，考察劳动力成本上升如何影响服务业企业数字化转型，并在异质性分析和作用机制分析进一步探讨两者的影响渠道，以及数字化转型能否克服“鲍莫尔成本病”。研究结果表明：第一，劳动力成本上升对服务业企业数字化转型具有显著的促进作用，在一系列稳健性检验和内生性检验后，主要结论依然成立，且在非国有企业、生产性服务业企业和融资约束较高的企业中促进效应更明显。第二，当劳动力成本较低时，企业会降低资本劳动比，从而抑制服务业企业数字化转型；而当劳动力成本较高时，企业会提高资本劳动比，从而促进服务业企业数字化转型。劳动力成本上升能够通过劳动-资本替代机制、劳动力间替代机制驱动服务业企业数字化转型。此外在要素市场发育更好、行业竞争程度更高的外部环境中，以及在劳动密集程度更高、研发投入更高的内部环境中，劳动力成本的提高对服务业数字化转型的促进效应更为明显。第三，服务业企业的数字化转型产生的规模效应、分工效应、结构效应与赋能效应能够提高企业的全要素生产率，从而克服“鲍莫尔成本病”。

基于以上研究结论，本文提出如下政策建议：第一，加速服务业企业数字化改造，提升核心竞争力。虽然劳动力成本上升压缩了服务业企业生存发展的空间，但也为其提供了摆脱同质低效竞争的契机。服务业企业应抓住信息时代的发展机遇，加快研发和引进数字技术，实现自动化、智能化转型，缓解企业劳动力成本高企的难题，将劳动力成本上升的压力转化为数字化转型的动力，积极促进劳动力密集型企业向资本密集型和知识密集型企业转型。第二，提升人力资本水平，减轻低素质劳动力的依赖程度。在面对劳动力成本上涨的压力时，企业往往会选择使用资本替代劳动实现数字化转型，尤其是大量的低学历、低技能员工被高学历、高技能员工所替代。因此，服务业企业需大力培养各层次的高素质人才，提供专业化技能培训，积极引进优秀人才，提升员工技能水平和生产效率，重视员工质量的提高而非数量的增加。第三，营造良好的企业内外部环境，充分发挥数字化转型优势。一方面，政府应当塑造公平有序的要素市场环境，建立健全资本市场、劳动力市场、信息市场的建设和发展。完善市场竞争机制，积极引导企业展开竞争，减少行业垄断壁垒，加快新兴技术在行业间的扩散。另一方面，企业自身内部应当营造良好的创新研发环境，提高创新资金和人员的投入，重视技术创新能力的培育。第四，实现服务业企业高质量发展，促进服务业结构转型升级。大力发展数字经济，推广数字技术的应用，培养数字专业人才，从而提升服务业企业的劳动力生产率，巩固数字技术给服务业企业高质量发展带来的新优势。此外，利用数字平台实现服务业与制造业的协调分工，强化数字产业的规模经济优势和技术溢出效应。最后，加强数字技术对传统服务业的赋能效应，提升生产性服务业比重，优化服务业结构。

[注 释]

① 数据来源：《中国统计年鉴》。

② 其中生产性服务业为交通运输、仓储和邮政业，信息传输、软件和信息技术服务业，金融业，租赁和商务服务业，科学研究和技术服务业，其余行业为生活性服务业。