大湾区数字经济发展与人才资源配置关系研究

黄子睿 谭佳乐 郑佳盈 王之怡 王春超

(暨南大学 广东广州 510443)

如今，对传统经济进行数字化，并对数字技术进行产业化，已经构成我国经济发展的新动能和新引擎。数字经济已经成为推动经济增长、促进就业和稳定就业的主要动力，也成为许多国家发展的战略重点。从人才市场角度看，在数字经济时代，利用互联网已经成为劳动者必须掌握的一项生活技能。在推动经济高质量发展、构建新发展格局的阶段，在稳定就业的基础上，实现就业质量的提高，是必须解决的问题。本文力图从理论上探讨数字技术与人才、数字技术与就业质量之间的内在联系，从而为推动高质量就业、实现数字经济高质量发展提供决策依据。

1 绪论

本文主要探讨的是数字化技术如何影响劳动生产率。当今，新一轮产业革命的核心技术包括数字技术，并且数字技术也已成为未来经济发展的主要动力。现有的技术与劳动生产率之间的关系研究多是从传统技术和信息通信技术对经济或劳动生产率的影响进行探讨。数字技术和传统技术、信息通信技术等对劳动生产率的作用机理不同。本文拟将数字化技术作为一个切入点，系统地对数字科技如何影响劳动生产率进行研究。

此外，本文从装配人力资源角度寻求突破点，探讨数字科技对中国劳动生产率的影响。现有文献主要从科技进步、产业结构升级、产业融合及制度等角度探讨数字技术对劳动生产率的作用机理。以劳动力资源装配为出发点，研究了数字科技对人力资源装配效率的影响，进一步影响劳动生产率。

2 数字技术对劳动生产率影响机制的理论分析

2.1 生产函数的选取与建造

数字科技发展与传统科技进步不同于经济增长的作用,数字经济发展带来生产要素。数字经济的大背景之下，数字科技要先使数据数字化，再经过挖掘、清洗、处理、整合、转化，使其成为生产要素，并转化为数据资本。广义上的经济增长方式中，资本分为两种，一是传统的物力资本，二是劳动资本。大数据、云计算等技术被广泛使用，数据资本与信息科技资本互相融合，会成为一种生产要素，对经济增长产生直接影响，还能够提升生产效率和改良经济构造等，生产要素协同性增强，间接提升了生产效率。所以，数字科技的经济效应要被考虑在内，在生产函数中加入数据资本。本文参考赵墨非、徐翔(2020)提出的新型生产函数模型，并将其应用于数字化技术领域进行研究。

式(1)中：Dt为数据产出；Zt为生产技术水平；Yt为实物产出。资本包括四种，分别是，三种其他实物资本，用表示；一种信息技术资本，用表示；G代表数据化资本；Lt为劳动力投入。

2.2 数字科技对劳动力需要的影响

根据劳动力技能，劳动力市场将分为高技能和低技能劳动力。高技术劳动力需求量的提高及低技术劳动力需求量下降都源自数字科技的发展。因为数字技术是建立在信息通信技术、互联网技术等之上的，所以在借鉴GalorandMoav (2000)的模型的情况下，本研究假设劳动力投入的有效组合方程是不变的替代弹性形式：

2.3 数字技术影响劳动力的供给

本课题基于闫佳、许志成(2011)，李春梅、杨蕙馨(2013)等理论，从数字科技的特点出发建造教育成本函数，以下为具体情况：

每个人拥有各自的学习天赋，a是每个人的学习天赋。a～u(0,1)，当a靠近1时，代表有很高的学习天赋，大大降低了投资教育的机会成本。

2.4 数字科技对劳动力的匹配作用

数字科技通过推动劳动力供需构造的相符合度及减少劳动力市场的信息不对称对劳动力资源配置效率产生作用，降低技术与岗位间不匹配的效率，提高劳动力的搜索效率。为此，本课题拟从第二个角度展开研究。在劳动供给方面，考虑到劳动市场上的信息不对称，并非所有的失业人员都能迅速找到合适的工作，所以给出的就业匹配函数为：

3 数字技术指数的建造及测算

3.1 数字技术的影响要素

如今，我国正处于发展数字科技的初级阶段，尚未有正式的省级数字化技术标准的测算与统计。目前，仅有少数机构和学者做过有关数字技术发展程度的测算。本课题提出的“数字技术”概念为广义概念，其包含两个层面。第一个层面是关于数字技术的基础设施，第二个层面是关于运用数字技术。在这一点上，目前还没有发现相应的适合测量的指标。在对数字技术的内涵进行分析后，本项目研究的是影响数字科技的因素，对3个指标及8个具体指标都进行了确定。难以获取数字科技在生产中的使用数据，并常用百家企业所占有的计算机数量来替换，本课题把它列为基础设施，而不是单独列出生产层面的指标(见表1)。

表1 数字技术测算体系

3.2 数字技术指数权重和综合评价方法的确定

本项目在进行计算与分析时采用了熵权—TOPSIS的方法，熵权方法是一种客观赋权法，在大量指标问题解决的同时，保证各种指标都可以反映出它们在总体中的重要性，从而使研究结果更加客观、科学。在此基础上，本文采用TOPSIS方法进行综合评估，其结果比采用单一的熵权方法或TOPSIS方法更让人能够接受(见表2)。

表2 数字科技指数权重的计算结果

3.3 数字科技指数熵权-TOPSIS法计算步骤

3.3.1 原始数据矩阵的建造

若评价指标有n个，评价对象有m个城市，原始数据矩阵X=(xj)m×n，如下：

3.3.2 以标准化处理原始数据

原始数据有不同的指标单位，量纲问题产生于这些单位之间的差别，因此必须规范化处理这些数据。因为有些指标可能会出现负值，所以对于正向和负向的指标，可以采用不同的方式来处理：

负向指标的标准化处理如下：

i=1，2，…，m;j=1，2，…，n

正向指标的标准化处理如下：

i=1，2，…，m;j=1，2，…，n

3.3.3 熵权法权重计算

首先，对各个省份的统计数据进行计算，也就是第j项指标下第i个省份的指标值比重。

最终将各个指标的熵权得到权重排列为组合向量：

3.4 TOPSIS法综合评价

第一步是加权标准化矩阵的计算。进行决策矩阵的标准化处理，以熵权方法求出的评价指标为权重，再将两者进行乘积，从而获得这个矩阵。

第二步是求出正反两个理想的解集。一个正理想解为A+，它是指全部指标的数值都趋于最佳的一组集合；负理想A-是指全部指标的数值都趋于最差的集合。

第三步是数字科技到正理想解及负理想解之间的欧氏距离计算。是到正理想距离，是到负理想距离。

第四步是计算Ci+(相对临近度值)。Ci+由各省份的正理想解距离和负理想解距离根据下列公式计算得出。

第五步骤是得出数据。从计算得到的数值来看，Ci+值愈大，表示数字化程度愈高；数值愈小，表示数字化程度愈低。

由表3可知，在整体上，粤港澳大湾区各城市综合评价得分为0.1038～0.5168，均值为0.2603，说明粤港澳大湾区数字技术的发展有较大的提升空间。测算结果显示，粤港澳大湾区各城市数字技术指数综合得分差距显著，广州、深圳、香港的综合得分指数远高于其他测算城市，综合得分最低的城市为肇庆，得分仅为0.1038，约占广州综合得分的20.08%。

表3 TOPSIS评价法计算结果

表4 中间值展示

以上差距可能是由以下原因导致：(1)粤港澳大湾区内各城市经济发展水平存在较大差异；(2)不同城市的政府对数字技术的重视程度存在差异。一些地方政府如广州、深圳、香港，在数字技术方面给予较大的政策支持。而一些其他城市，由于政策扶持力度不够或缺乏相应的规划，导致数字技术发展与劳动力结合程度与效果相对滞后；(3)部分城市技术人才和高端人才储备不足；(4)不同城市数字技术应用的行业和场景存在差异。数字技术综合得分指数较高的城市如广州、深圳等，数字技术的应用范围较为广泛，包括人工智能、大数据等多个领域。而一些其他城市，数字技术的应用主要集中在某些特定领域或行业，导致数字技术的综合指数相对较低。

4 主要研究结论和政策建议

4.1 研究结论

本课题通过对现有文献的梳理和建模，对数字科技在劳动生产率的作用机理进行了分析，提出了数字科技水平的提升将导致低技术劳动力的简单、重复性工作被取代，迫使市场对于高技术劳动力的需要增加，这样一来，低技术与高技术劳动力之间的收入差距会扩大。

一方面，数字化将降低教育成本，促使低技术劳动力因为想获取更高的收入而更愿意向高技术劳动力转变，从而提高高技术劳动力的供给，也使得对于劳动力的需求与劳动力市场的结构更好匹配。

另一方面，数字化技术的进步使得劳动力在寻找工作机会的过程中，可以快速寻找到适合的工作机会，降低找工作的成本，从而降低摩擦性失业，提升就业机会的匹配效率。在此背景下，无论从岗位搜索角度还是劳动力市场的结构匹配角度，数字科技都将推动劳动力资源实现有效配置，进而推动劳动生产率的提升。

4.2 发展建议

信息不对称，成为劳动力寻找过程中的一个关键因素。若劳动力能在寻找工作机会时运用数字技术，就能提高其分配效能。首先，强化数字基础设施建设。推动劳动力市场上下游联动，数字化转型要以数据、人才、资本等各资源的连接、互补和高效配置来进行，这是劳动力市场对数字科技进行运用的前置条件；其次，要大力推动网络技术在劳动力市场上的运用，以数字化为手段，促进人力资源有效配置，促进劳动生产率的提高；最后，要促进数字化前沿技术创新。只有加速数字化前沿技术的突破，才能推动“数字红利”的释放。