数字化转型对企业劳动力结构升级的促进效应

摘 要：数字时代下，数字化转型是企业转换生产方式和升级劳动力结构的新动力。本文基于2013—2022年A股上市企业面板数据，探讨数字化转型与企业劳动力结构升级之间的关系。结果表明：（1）数字化转型不但能够显著促进企业劳动力结构升级，而且没有产生就业挤出效应，考虑内生性、替换解释变量等稳健性检验后，依然稳健。（2）工程师红利在数字化转型促进劳动力结构升级过程中发挥正向的调节效应，为企业数字化转型的积极作用提供技术支持和人力资源保障。（3）数字化转型对劳动力结构升级的影响因行业、区域的不同而产生差异。

关键词：数字化转型；劳动力结构升级；就业挤出；工程师红利；企业数字化

中图分类号：F279.23 文献标识码：A 文章编号：2096-0298（2024）09（b）--06

1 引言

当前，数字化在中国经济中占据了举足轻重的地位。在数字时代，企业如何依托数字技术进行数字化转型是企业高效发展的重要抓手，也是产业高质量发展的关键力量[1]。因此，随着后疫情时代的来临，借助数字经济新业态，构建数字化产业链，推动企业数字化转型，以此促进经济高质量发展和激发经济活力，已成为我国经济恢复发展的必然趋势和必经之路。

目前，大多数企业的数字化转型都处于信息化、网络化阶段，正在努力向智能化阶段迈进。主要原因是企业面临着巨大的数字人才缺口。数码转型过程涉及各个方面的变化，例如生产、组织、文化和商业，因此，所有岗位都需要“业务经验丰富+技术熟练”的复合型数字工作者。技术和职能部门，如人力资源、会计和财务部门，也要求工人掌握丰富的数字技能，缺乏足够的数字技术工人，导致数字技术与劳动技能不匹配，制约了企业的数字化转型。根据麦肯锡的一份报告，由于自动化的普及，传统工作正在发生变化。为了适应数字技术的需求，数以百万计的工人必须学习新知识，掌握新技能，特别是新冠疫情加速了数字化，使得对数字技术技能的需求更加迫切。

劳动力市场将不可避免地进行结构调整和优化，以适应数字技术的发展需求。研究发现，数字化转型可以显著促进企业专业化分工，进而提高企业生产效率[2]。劳动力结构反映了不同人力资本水平的劳动者在劳动力市场中的分布情况。在企业层面，它通常是指劳动力的质量结构，即具有不同教育水平和技术技能的劳动者组成。劳动力结构升级意味着优质人力资本比重显著提高，这已成为评价人力资本能否与数字技术匹配的根本依据。

2011年以来，中国劳动年龄人口进入负增长，人口红利加速消失，必然导致中国经济潜在增长率下降。然而，得益于中国高等教育体系的改革，中国大学理科、工科和社会科学专业的毕业生人数持续增长，人口红利正逐步升级为“人才红利”或“工程师红利”[3]。2018年，中国高校理工科毕业生人数是美国的6.5倍以上[4]，表明中国工程师的年均增长率超过了高收入和高度发达国家。因此，中国在经济数字化转型的工程师储备方面具有独特的优势。然而，中国企业能否在数字化转型过程中利用这一工程师红利，并进一步推动劳动力结构升级，目前尚不清楚。这一问题对于数字经济时代劳动经济学的发展具有重要的现实意义和理论意义。本研究考察了这一问题，并探讨了数字经济的劳动力结构调整机制。

数字技术对劳动力市场影响的研究主要集中在三个方面：数字技术取代劳动力的风险、数字技术对劳动力市场均衡的影响和数字技术对劳动力结构的影响。本文主要研究数字化转型对劳动力结构升级的影响。新兴数字技术最严重地取代了中等技能工人，而高技能和低技能服务行业的就业都有所增加，呈现出就业两极分化的现象。王军与常红（2021）研究发现，智能机器人将取代初中和高中学历的劳动力，增加对高学历和低学历劳动力的需求，呈现劳动力结构的“两极分化”特征[5]。

现有研究主要集中在国家或行业层面。很少有研究对企业进行详细的定量分析，并讨论企业数字化转型的直接影响。为了丰富相关研究，本文利用文本分析法，摘取上市公司年报中数字化决策相关词频，构建企业数字化转型指标，从高学历和研发人员比例两个角度检验了数字化转型对劳动力结构的经济效应，并分析了工程师红利的作用。

2 理论分析

2.1 数字化转型与企业劳动力结构升级

数字化转型能够改变企业的人力资本构成。数字化转型意味着技术进步、社会分工和生产协作的深化，优秀管理者和高技术人才的需求不断扩大[6]。企业的劳动力结构通常是指劳动力的素质结构。随着劳动力素质结构的升级和改善，高技能、高素质的人力资本比重显著提高，因为智能化技术和高技能劳动力会带动员工的生产技术和素质，非智能化企业也会模仿智能化企业的生产技术和管理经验，提高产业结构高级化[7]。因此，本文从高学历与研发人员的视角来阐述企业数字化转型与劳动力结构升级的关系。

一方面，企业数字化转型增加了对高学历员工的需求。数字化转型涉及技术和软件的升级，包括更新组织文化、管理模式和业务运营。在这个过程中，企业必须将数据和信息转化为能够产生商业价值的具体知识，并将其运用到生产经营管理的各个方面，技术的升级带来协作方式的改变，推动了生产效率的提升[8]。利用数字技术来巩固和积累知识，需要高素质的劳动者，善于运用信息和数据，对企业有透彻的了解。劳动者的学习能力是必不可少的，他们可以学习如何将一般知识转化为企业特有的知识，便于积累和传承。工人的认知技能对于适应环境变化至关重要，尤其是在采用新技术时。在搜索与匹配中，学历是劳动者学习能力最直接的反映。受教育程度越高的劳动者被认为具有更高的认知学习能力，这是企业实现向智能化阶段过渡的关键。具有学习技能以适应数字技术的劳动者可能是数字时代公司的长期要求，从而导致劳动力结构的持久转变。此外，数字技术可以更好地用于培训员工，提高公司内部人力资本的质量。依托数字技术，建立科学的培训体系，把员工培养成专才已势在必行。例如，通过虚实结合的方式对生产员工进行培训，可以在虚拟环境中进行模拟操作培训。通过这种方式，训练有素的劳动者掌握了数字操作系统的应用流程和调试方法，可以在处理意外情况方面获得丰富的实践经验，大大减少了生产过程中出现错误和延误的可能性。

另一方面，数字化转型企业中研发人员的比例也显著提高。原因主要是数字化转型显著降低了创新成本与收益之间的不对称，鼓励企业开展更多的创新活动，从而增加了对更多研究人员的需求。例如，大数据和云计算技术的应用抓住了目标用户的消费意图，代表了创新方向。因此，公司可以为不同的消费群体提供更具差异化的产品和服务。依靠3D打印和数字孪生技术的公司可以较低的成本对创新研究成果进行重复实验，以测试整个研发计划的稳定性和评估可行性。数字技术可以通过降低研发过程的失败风险和提供更大的创新容忍度来更好地激励企业创新。在数字化研发创新中，企业必须结合主业特点，将通用型数字技术转化为服务于企业发展的专门化技术。此外，将这种专业技术应用于生产还需要专业测试和维护研究人员的支持。

2.2 数字化转型与就业挤出

劳动力结构的升级意味着一些低效率、低技能的劳动者将被暂时或永久取代，从而引发了人们对“新兴技术取代人类劳动”的严重社会问题的担忧。机器学习的兴起会带来一定的不良影响，但机器取代人类需要很长时间，机器完全取代人类是不可能的。然而，人工智能对劳动力市场的直接短期影响不容忽视。以前非常规的工作已经成为常规操作，特别是随着机器学习的发展和计算能力的提高，用人工智能取代劳动力的情况更加频繁。Frey和Osborne（2017）发现，美国劳动力市场中7%的工作是高度计算机化的，劳动者有被计算机取代的风险。部分学者发现工业机器人每增加1%，劳动力需求将减少0.18%，数字技术具有明显的替代效应。

相比之下，从劳动力市场均衡的角度指出，现代工业机器人的大规模推广降低了低技能工人的就业份额，但不会显著减少整体就业。在未来数字化发展中，拥有数字技术能力和数字化思维能力的人是至关重要的，进一步减少数字化人才供求之间的差距，使其更好地适应未来数字化发展大环境[9]。研究发现，被自动化和智能技术取代的风险并不意味着实际的失业。对于这一现象，相关研究解释说，应用新兴技术是一个缓慢的过程。由于经济、法律和社会方面的障碍，技术替代可能不会如预期的那样发生。即使新技术得到广泛应用，工人也可以通过转换任务来改变他们的技能禀赋。此外，更重要的是，技术变革将创造许多新的就业机会。新技术带来的效率提升和成本降低效应会增加其他非技术领域的劳动力需求。然而，在新技术出现的过渡阶段，劳动力需求的不平衡将会加剧。总的来说，这两种效应相互作用，逐渐达到长期的动态平衡。

数字化转型的经济效益表明，数字技术的应用将通过数字赋能的乘数效应产生更深远的影响。数字赋能是指以数字知识和信息为关键生产要素，以现代数据网络为重要载体，有效利用数字技术作为提高效率的重要动力，激活企业创新、成长和发展。在这一过程中，数字技术带来的组织变革降低了高技能劳动者的管理成本，新技术驱动的研发创新显著提高了人力资本绩效。人力资本结构优化可以进一步增强人力资本与数字技术的“互补效应”。它消除了低效的决策，加速了数字化转型，取得了显著的经济效益。此外，数字化转型的经济效益还体现在生产运营成本的降低上。他们有足够的利润空间来扩大生产规模，增加劳动力需求。此外，在劳动力就业机会成本一定的前提下，技术进步越快，未来收益的折现系数越大，营业利润的现值越高。因此，为了实现利润最大化，数字化转型将扩大企业的生产规模，提供更多的就业机会。

3 研究设计

3.1 模型设定

根据理论分析，利用企业面板数据识别企业数字化转型对企业劳动力结构升级的影响机制，设计如下模型：

LRit=α0+α1FDTit+α2Conit+θi+μt+εit（1）

其中，LRit代表企业在年的企业劳动力结构水平，FDTit代表企业i在第t年的数字化转型程度，Conit是一系列影响企业劳动力结构升级的控制变量，θi和μt分别为企业固定效应、年份固定效应，εit为误差项。上式重点关注系数α1，若α1显著为正，则说明数字化转型对企业劳动力结构升级具有正向效应。

为了检验企业数字化转型是否会通过影响企业规模来影响企业劳动力结构的升级，构建如下模型：

MEDit=β0+β1FDTit+β2Conit+θi+μt+εit（2）

其中，MEDit为中介变量，用企业i第t年的企业规模来衡量。

为了检验工程师红利是否对数字化转型与企业劳动力结构升级的关系具有调节作用，构建如下模型：

LRit=α0+α1FDTit+α2FDTit×proenit+α3proenit+α4Conit+θi+μt+εit（3）

其中，proenit为调节变量，代表企业i第t年受到的工程师红利。

3.2 变量选取

3.2.1 被解释变量

本文的被解释变量为企业劳动力结构升级，目前的测度主要以高学历人员占比来衡量，部分是以专业岗位人员占比与研发人员占比衡量。因此，借鉴相关研究，本文将探讨企业劳动力结构升级的两种表现形式，即高学历员工占总员工人数的比重（LSTR）和研发人员占总员工人数的比重（TLSTR），相关数据是从CSMAR中的员工结构表中获得。这两种表现形式都可以反映企业在劳动力结构升级方面的成果。首先，高学历员工通常具有较高的知识水平和专业技能，能够胜任更复杂、更高层次的工作任务，因此采用拥有本科以上学历的员工。其次，研发人员是企业劳动力结构升级的另一种表现形式。研发人员是企业进行技术创新和产品研发的重要力量，是企业实现可持续发展的关键因素。

3.2.2 核心解释变量

本文的核心解释变量为数字化转型程度（FDT）。借鉴相关研究，从在A股上市企业年报中提取关于 “人工智能技术”“大数据技术”“云计算技术”“区块链技术”“数字技术应用”５ 组数字化转型相关的特征词[10]，并将上述数字化转型的词加总得到中国上市企业数字化转型指数。上述报告和数据在《金融经济学研究》公众号上对外界公开，具有一定的权威性和公开性。

3.2.3 中介变量

中介变量为企业就业规模，用员工人数（employ）表示，以此作为中介变量是为了消除数字化转型带来的挤出就业的问题，便于更好地解释数字化转型与企业劳动力结构升级之间的关系。

3.2.4 调节变量

调节变量为工程师红利（proen），用企事业工程技术人员与高校科学家占总就业的比重来衡量。工程师人数不断增加，逐渐呈现工程师红利，企业可以更好地应用新技术、新工艺、新流程等创新要素，提高生产效率、降低成本、增强市场竞争力。因此，工程师红利可能对数字化转型与就业之间的关系产生调节作用。

3.2.5 控制变量

从相关研究来看，影响企业劳动力结构升级的因素还有很多，本文参考相关文献并综合考虑数据的相关性和可得性，选取企业规模、资产负债率、企业绩效、公司年龄、资产结构、管理成本、薪酬水平、产业集中度、营业增长以及产权性质。

3.3 数据来源

本文选取2013—2022年国内A股上市企业作为研究对象，对样本数据进行如下处理：（1）对ST、PT等企业样本进行剔除；（2）对数字化转型指数以及其他关键变量存在数据缺失的观测值进行剔除；（3）剔除劳动力结构升级小于0的观测值。为了避免离群值的影响，针对连续变量进行了1%的缩尾处理，最终得到了31449个观测者。数据来源于国泰安数据库、《中国统计年鉴》。

4 实证分析

4.1 基准回归结果分析

表2报告了数字化转型对企业劳动力结构升级的回归结果，列（1）-（2）以高学历人员为被解释变量，列（3）-（4）以研发人员为被解释变量。列（1）-（2）是从未加控制变量到加了控制变量的过程，从列（1）来看，FDT的系数为0.0094，且通过了2%的显著性水平检验，从列（2）来看，FDT的系数为0.0076，且通过了1%的显著性水平检验。这意味着数字化转型每增加1%，企业高水平人员占比提升0.76%。这表明企业数字化转型对高学历员工占比有显著的正向作用，加了控制变量后回归结果依旧显著，系数略有下降，说明控制变量的选择是正确的。列（3）-（4）是从未加控制变量到加了控制变量的过程，从列（1）来看，FDT的系数为0.0025，且通过了1%的显著性水平检验，从列（2）来看，FDT的系数为0.0023，且通过1%的显著性水平检验。这意味着数字化转型每增加1%，企业高水平人员占比提升0.76%。

从控制变量来看，企业规模、营业增长对企业劳动力结构升级的作用显著为正，资产负债率、薪酬水平和资产结构都对企业劳动力结构升级的作用显著为负，其中资产结构对企业劳动力结构升级的负作用最显著，说明过高的固定资产不利于企业劳动力结构的升级，企业应该相应增加流动资产占企业总资产的比率。管理成本对劳动力结构的升级的作用显著为正，但对高技能劳动力结构的升级作用为负，说明增加管理费用的投入只会对研究生以下的教育水平的员工人数的增加起正向作用，而对研究生及以上的教育水平的员工人数有负作用。

4.2 机制检验分析

4.2.1 是否导致就业挤出

本文重点研究了企业数字化发展对高学历和研发人员的影响，从不同的角度获取了经验证据。劳动力结构升级意味着一些低效率、低技能的劳动者将被取代甚至被淘汰，从而导致新兴技术取代人力这一严峻的社会问题。本文从上市公司层面进一步考察和探讨数字化转型是否会加剧劳动力市场的失衡，导致越来越多的劳动者面临结构性失业。

具体来说，本文将考察企业数字化转型是否会对公司的整体就业规模产生负面影响。第（1）列显示，数字化转型（FDT）的系数在1%的水平上显著为正，直观而言，企业数字化转型每提升1%，企业劳动力就业规模平均增长6.58%。这表明数字化转型显著增加了企业劳动力就业规模。企业引入数字技术，实现生产、经营和管理的数字化，许多裁员和结构性失业并未发生，即技术进步也将通过资本化效应创造更多就业机会，进一步扩充劳动力蓄水池，从而促进劳动力结构升级。

4.2.2 工程师红利的调节效应

我国在人口红利之后，伴随教育改革，工程技术人员与高校科研工作者数量庞大，逐渐形成工程师红利。随着工程师红利不断增加，企业可以更好地应用新技术、新工艺、新流程等创新要素，从而提高生产效率、降低成本、增强市场竞争力。相反，当工程师红利较低时，企业可能无法充分利用创新要素，生产效率低下，成本高昂，市场竞争力减弱，不利于劳动力结构的升级。随着数字化改造后，工程师红利的增加，劳动力结构发生了更显著的调整，高素质和高技能劳动力的比例显著增加，对劳动力就业规模的积极影响被放大。而区域工程师红利的增加加速了企业数字化转型劳动力结构的升级和优化。随着企业数字化和智能化转型，为提高公司治理目标下的核心竞争力、经营绩效等创造了条件，公司治理模式的变革将对企业全要素生产率产生积极影响[11]。工程师红利和数字技术可以被认为具有很强的互补性，可以成为帮助公司在数字时代实现高质量发展的新动力。

为了检验工程师分红在数字化转型优化企业劳动力结构过程中的调节作用，在基准模型的基础上引入了数字化转型与工程师红利指数（FDT×Proen）的交互作用项。回归结果如表3所示。在第（2）-（3）列中，交互作用项FDT×Proen的回归系数均为显著正，表明随着区域工程师红利水平的提高，数字化转型公司中高学历和研发人员的比例显著增加，员工的整体就业规模也扩大。这意味着，工程师红利显著增加了数字化转型对劳动力结构升级的积极影响。也就是说，工程师红利对数字化转型引发的劳动力结构调整过程起到了积极的调节作用。

4.3 稳健性检验分析

4.3.1 内生性检验

数字化转型对企业劳动力结构升级可能存在双向影响，即企业的劳动力转型反向影响数字化转型能力，即企业高学历人员或研发人员占比越高，对数字技术的吸收能力就越强，数字化转型程度也就越高。因此采用除本公司以外的行业数字化均值作为工具变量，行业数字化均值会对企业数字化转型有影响，但对某一个企业的劳动力结构升级没有直接联系。由表4可知，考虑内生性后，数字化转型对劳动力结构升级的影响更加显著，所以之前的结论有遮掩效应。

4.3.2 替换解释变量

本文采用数字化转型虚拟变量替换原核心解释变量，即数字化转型大于0则为1，否则为零，通过双重差分识别数字化转型企业的劳动力结构升级是否强于无数字化转型的企业。由列（1）和列（2）可知，数字化转型企业对劳动力结构升级作用非常显著。

4.3.3 剔除高科技行业

高科技产业招聘的人员基本是高教育水平的人员，比如医药制造业、运输设备制造业、电子设备制造业和化学原料及化学制品制造业，而在测度劳动力结构升级时主要考虑高学历员工占比，所以只用非高科技行业参与回归。由列（3）和列（4）可知，剔除高科技行业后的结果与基准回归的结果相似，这说明即使是对非高科技行业来说结果也是显著的，回归结果是稳健的。

4.3.4 考虑行业、城市的政策调整

行业与城市的政策、发展基础等均对企业数字化有影响，导致研究结果的估计偏误，因此要加入行业、城市高维固定效应，控制行业和城市对于劳动力结构升级的影响。由列（5）和列（6）可知，行业、城市的政策调整时数字化转型程度对劳动力结构升级的影响还是显著的，基准结果稳健。

5 结语

数字化转型对企业劳动力调整、升级有着重要的战略意义，是企业抢占竞争高地的重要契机。本文利用2013—2022年上市企业面板数据，验证了数字化转型影响企业劳动力结构升级的内在途径。研究表明：（1）企业数字化转型对企业劳动力结构升级具有显著的促进作用，且通过稳健性检验。（2）数字化转型会通过增加就业，进一步扩充劳动力蓄水池，从而促进劳动力结构升级。（3）工程师红利对数字化转型引发的劳动力结构调整过程起到了积极的调节作用。

根据以上研究结论，本文提出以下三点政策建议：

第一，加强数字化转型的推动力度。企业数字化转型对于企业劳动力结构升级具有重要的战略意义。因此，政府应积极推进产业数字化和数字产业化，企业应该把握数字化转型机遇，以促进企业劳动力结构的升级。政府可以通过出台相关政策，鼓励企业加强数字化转型，如提供一定的资金支持、税收优惠等；企业则可以通过引进先进技术、加强内部管理等方式，推动数字化转型的实现。

第二，重视工程师红利的作用。工程师红利对于数字化转型引发的劳动力结构调整过程起到了积极的调节作用。因此，政府和企业应该重视工程师红利的作用，以更好地实现数字化转型。政府可以通过出台相关政策，鼓励企业加强工程师的培养和引进，如提供一定的培训补贴、人才引进奖励等；企业则可以通过优化工程师的薪酬待遇、提供更多的职业发展机会等方式，吸引更多的优秀工程师加入企业。

第三，加强行业差异和区域差异的针对性支持。虽然数字化转型有助于促进企业劳动力结构的升级，但发展仍存在一定的行业差异和区域差异。因此，政府和企业应该加强行业差异和区域差异的针对性支持，以更好地实现数字化转型的作用。政府可以通过出台相关政策，鼓励企业根据行业特点和区域特点进行数字化转型，如提供一定的行业指导和区域规划等。企业则可以通过深入了解市场需求、加强区域合作等方式，实现数字化转型的成功。

参考文献

戚聿东，肖旭.数字经济时代的企业管理变革[J].管理世界，2020，36（6）：135-152+250.

袁淳，肖土盛，耿春晓，等.数字化转型与企业分工：专业化还是纵向一体化[J].中国工业经济，2021（9）：137-155.

宋弘，陆毅.如何有效增加理工科领域人才供给： 来自拔尖学生培养计划的实证研究[J].经济研究，2020，55（2）：52-67.

曹和平.保持和发挥好“工程师红利”[N].环球网，2019-02-15.

王军，常红.人工智能对劳动力市场影响研究进展[J].经济学动态，2021（8）：146-160.

肖旭，戚聿东.产业数字化转型的价值维度与理论逻辑[J].改革，2019（8）：61-70.

张万里，宣旸，睢博，等.产业智能化、劳动力结构和产业结构升级[J].科学学研究，2021，39（8）：1384-1395.

肖曙光.人力资本主导范式下的两权融合与分离[J].中国工业经济，2009（3）：111-119.

陈俊宇.企业管理数字化转型的关键因素及对策探讨[J].中国商论，2023（14）：117-120.

潘艺，张金昌.数字化转型与企业竞争力：契机还是危机： 来自中国A股上市企业的经验证据[J].产业经济研究，2023（3）：87-99.

张云，尹艺霏.数字化转型、公司治理模式与企业全要素生产率[J].郑州大学学报（哲学社会科学版），2023（12）： 1-6.