数字经济对中国劳动力资源配置效率的影响

财经理论与实践（双月刊）

THE THEORY AND PRACTICE OF FINANCE AND ECONOMICS

Vol.41No.2

Mar.2020

・经济管理#

数字经济对中国劳动力资源配置效率的影响

丛屹】，俞伯阳12

(1.天津财经大学经济学院，天津300222.2.天津电子信息职业技术学院经济与管理系，天津300350)"

摘要：选取省级面板数据，通过静态面板OLS和动态面板GMM方法检验数字经济对中国劳动力资源配置效率的影响#结果发现：数字经济的发展从总体上提高了中国劳动力资源配置效率，但是这一结果在区域间存在着显著差异#从东、中、西部地区划分来看，东部地区数字经济发展对于劳动力资源配置效率的影响最为显著；从南、北地区划分来看，则是北方地区更为显著#鉴此，我国应加快建设均等化数字基础设施，加强多样化数字设备科学应用，全方位提升劳动者数字技能#

关键词：数字经济；劳动力；资源配置效率；数字基础设施

中图分类号：F241.2;F061.3文献标识码：A文章编号=1003-7217(2020)02-0108-07

—、弓I言

随着中国经济的快速发展，数字经济在我国总体经济体量中的所占份额越来越大，根据中国信息通信研究院的测算，中国2018年的数字经济发展规模已达到31.3万亿元，GDP占比超过1/3,其中北京、上海、广东、浙江和江苏等地区数字经济占GDP 的比重已超过40%&1';腾讯研究院发布的“数字中国指数报告”中测算出2018年中国数字经济体量为29.91万亿元2,与中国信通院的测算结果总体相当％由此可见，数字经济地位显著提升，已经成为带动中国国民经济增长的关键力量％数字经济将原来单纯依靠资本要素、劳动力要素驱动的生产方式向知识要素、数据要素的创新驱动方向转变;各行业的数字化转型将实现更低的生产成本与更高质量的商品和服务，进而带动了劳动力市场化变革％

从1995年开始，佛雷泽研究所与美国传统基金会较早地测算了美国及全球部分地区历年的劳动力市场化发展指数3%从国内来看，学者们最初选取外来农村劳动力占当地城镇从业人员的比重来表示中国劳动力市场化程度4%此后，劳动力市场化指数的测算得到了进一步完善和细化，其评测维度主要包括全国劳动力择业自由度、全国劳动力流动自由度、劳动力用人单位用工自由度、全国劳动工资决定自由度、全国劳动力市场化进程测度等五个方面5%2019年，中国人民大学国家发展与战略研究院发布的中国劳动力市场化指数编制报告，从劳动力价格和劳动力资源配置两个方面测算了中国各个省市和主要代表城市的劳动力市场化发展水平，构建了从城市到省级层面的中国劳动力市场化发展指标，打破了传统的国家层面劳动力市场化水平测度方式6%

从影响因素来看,一个国家和地区的经济、户籍制度、市场规模、交通基础设施、投资力度、对外贸易开放程度等因素都会影响劳动力资源配置效率，其中，部门性质即国有和非国有部门对于劳动力市场的分割影响以及户籍管理制度8是影响劳动力资源配置效率的两项重要因素％同时，国内的许多文献系统分析了包括经济9、城镇化水平&10'、人力资本水平「⑴等因素对于劳动力流动、就业决策等劳动力资源配置活动的影响%中国三大产业的发展历程以及产业结构的优化调整推进了中国农村地区人口的城镇化转移，进而推动了中国劳动力资源配置效率的不断提高%同时，技术进步对于劳动力市场的影响越来越明显，技术进步本身及其推动的劳动者技能提升从劳动力结构™、劳动力

"收稿日期：2019-11-04

基金项目：天津市哲学社会科学规划青年项目(TJYYQN19XSX-006)

作者简介：丛屹(1971—),男，山东招远人，天津财经大学经济学院教授，博士生导师，研究方向：发展经济学、劳动经济学；俞伯阳(19—),男，天津人，天津财经大学经济学院博士研究生，天津电子信息职业技术学院经济与管理系讲师，研究方向：劳动

经济学、供应链管理％2020年第2期（总第224期）丛屹，俞伯阳：数字经济对中国劳动力资源配置效率的影响109

跨产业流动的就业新趋势等方面推动着劳动力供求的不断变化，从而提高了其市场化配置效率%在工业经济时代，随着规模化机器生产的普及，新技术通过缩短社会必要劳动时间的方式提高了劳动生产率,进而也提升了劳动力资源配置效率&5'%从现实情况来看，改革开放40多年见证了中国劳动力资源配置效率的提升历程％在此期间，中国确立了劳动力供求主体，供求双方择业和用工自由度的提高推动了劳动力流动规模逐渐扩大，工资的市场化程度越来越高，与之相适应的调节劳动力供求的各类市场机制和社会保障体系也已经逐步建立，为劳动力市场的发育成熟奠定了坚实的基础&16'%

进入21世纪尤其是第四次工业以来，全世界的主要国家从工业经济向数字经济转型，数字技术对于劳动力市场化变革的影响越来越突出&17%互联网与数字通讯技术打破了原有劳动形式中时间和空间对于劳动者的壁垒，给劳动者从就业自由度到择业自由度提供了更多的选择，提高了劳动力资源配置效率&8'%根据阿里研究院的预测，到2030年左右，中国约占劳动力供给总量一半的4亿劳动力将实现灵活就业与居家就业&9'%—方面，互联网等新技术的发展通过降低原有行业收入水平、增加新兴行业收入水平的方式重塑了劳动力市场与就业市场，促进了劳动力市场更充分的竞争％人工智能等新技术带来的社会数字化变革丰富了劳动者的就业形式，赋予了其更多的就业机会，能够缓解人口老龄化与劳动年龄人口下降对劳动力市场的冲击&0'%数字技术催生的新经济形态推动着劳动者的就业方式越来越弹性化，并从农业智能化&1'、工业与制造业智能化、服务业智能化等方面对于就业市场形成不同程度的影响％另一方面，数字技术变革创新了行政管理模式，提高了国家层面的劳动力资源宏观配置效率％当前，数字技术发展推动着“智能+医疗”“智能+教育”等社会保障体系与基本公共服务的效率和质量提升，推动了劳动力这一具备主观能动性要素的市场化配置进程逐渐深化%综上所述，国内外学者对于以数字技术为代表的新技术进步对劳动力市场影响主要关注就业的替代与创造、收入变化以及劳动者在行业间就业转移趋势等方面，但对于数字技术与数字经济对于国家层面乃至不同地区之间劳动力资源配置效率的影响研究相对较少％因此，为更加准确地研究数字经济对中国劳动力资源配置效率的影响，通过构建度数字经济衡量指标并通过静态和动态计量模型来实证检验数字经济对于中国总体及不同地区劳动力资源配置效率的影响，进一步探讨如何通过数字技术提高中国劳动力资源配置效率%

二、理论分析与研究假设

（一）理论分析

1.数字经济对劳动力资源配置效率的影响机制％历史上每一次新的技术变革都将带来社会生产力的改变和提升，进而也将改变原来经济形态中的生产关系％技术进步以其渗透性特征逐渐改变生产过程中的要素种类和比例，通过重构原有的分工与协作体系促进生产力发展％当前，数字技术变革带来了生产力水平信息化、数字化与智能化的提升，从技术与经济范式转换的多个方面打破了传统劳动力市场的束缚，重塑了劳动力资源配置的形式&5'%

2. 数字经济对劳动力资源配置效率的提升路径％从全国范围来看，各地区数字产业化和产业数字化变革互为推动，数字技术和数字经济所构建的就业生态从两个方面提高了劳动力资源配置效率:一是就业灵活化％通过数字基础设施的建设推动了传统产业数字化升级，使各行业的数字计算能力得到迅速提升。伴随着劳动年龄人口的绝对供给量持续下降，劳动力与机械自动化的成本收益率差额开始显现，“机器换人”的快速推进使得更多的劳动者可以通过数字化技能提升向更高技能就业岗位和更具弹性的工作条件转移，相应的工作时间配置也会产生长尾效应，赋予劳动者更多择业的灵活性，从而提高了劳动力资源配置效率％二是就业平台化％以阿里巴巴公司为例，2018年其下属企业平台创造了超过4000万个就业机会，其中包括1500多万个直接就业岗位以及2500多万个上下游的生产制造、加工、物流等环节的带动型就业机会&9'%由此可见，数字经济对于中国劳动力与就业市场已形成了带有诸多新特征的变革和深远影响％

（二）研究假设

数字经济的发展主要表现在基础指标、产业指标、技术指标等多个方面，各个指标也将从不同维度对中国劳动力资源配置效率产生影响％根据上述研究思路，提出以下三个研究假设：

假设1数字基础设施将提高中国劳动力资源配置效率%

中国作为互联网及配套基础设施发展速度最快的国家，从发展环境上保障了劳动力资源市场化配置效率提高的可能性，在最大程度上缓解了传统劳110财经理论与实践(双月刊)2020年第2期

动力市场上信息不对称的问题％因此，数字基础设施建设提高了中国劳动力资源配置效率％

假设2数字业务规模将提高中国劳动力资源配置效率。

作为年均电子商务发展规模最快的国家，中国的新兴消费需求催生了越来越多外、跨行业的就业岗位，打破了许多传统行业的固有形式和业务范式，降低了诸多职业从业者的门槛％因此,数字业务规模的发展提高了中国劳动力资源配置效率％假设3数字设备应用将提高中国劳动力资源配置效率。

在5G网络即将全面应用的大趋势下，2018年中国的移动电话普及率屡创新高，智能手机通过信息即时传播和各类软件应用增强了劳动者跨省市、跨行业就业的流动性％因此，数字设备应用提高了中国劳动力资源配置效率％

三、模型构建与变量选取

(一)

模型构建

当前，各机构统计的数字经济指标主要以国家层面为主，缺乏省级层面长时间跨度的测算数据％因此，根据研究思路与研究假设选取数字基础设施、数字业务规模、数字设备应用三个维度的变量作为主要解释变量，以及能够影响到劳动力资源配置效率的多方面影响因素作为控制变量来设定多元线性回归模型，如式(1)所示％

Em t=a0+a1Intemet t+a2Express t+

a^Mobile t+$l X t+(z t(1)其中，Em”代表劳动力市场化指数，Internett 代表数字基础设施，Expresst代表数字业务规模，Mobile代表数字设备应用，a0为截距项，a1、a：、a3表示各解释变量回归系数，X t为控制变量,$为各控制变量回归系数，(t为误差项％

为研究在动态变化情况下数字经济对劳动力资源配置效率的影响，采用动态面板广义矩估计(GMM)方法进行实证研究①％对式(1)进行修正，增加被解释变量的一阶滞后项作为工具变量，具体如式(2)所示％

Em t=a0+!Em*+a1Internet t+

azExpress t+a^Mobile t+$[”+(t!)其中,Em*t—1为劳动力市场化指数的一阶滞后项，&为其回归系数，其余变量和系数与式(1)的设定相同。

(二)变量选取与说明

1.被解释变量：劳动力市场化指数(Labor Marketization Index，Em)%劳动力市场能高效率地实现资源配置必须满足两个条件：一是价格机制能够充分发挥作用，为劳动者提供决策所需要的信息；二是劳动者作为决策主体能够根据价格信息流动到对于其自身而言边际生产率最高的地方％目前，权威机构测算的劳动力市场化指数主要通过劳动力价格和劳动力数量配置两方面构建的指数来衡量中国近几年来劳动力资源配置效率，本文采用中国人民大学国家发展与战略研究院的测算结果进行实证分析％

2. 核心解释变量:数字经济发展水平(Digital Economy)%以数字基础设施、数字业务规模、数字设备应用三个指标来代表不同地区数字经济的发展水平②%其中，数字基础设施以互联网普及率(In-ternet)表示，数字业务规模以快递业务量(Express)表示，数字设备应用以移动电话普及率(Mobile)表示%

3. 控制变量：经济发展水平(Pgdp)选用不同地区人均GDP反映经济发展水平；产业结构(Struc-tue)采用第二与第三产业增加值占GDP的比重来表示；交通条件(Road)以各省公路里程数作为衡量指标;人力资本水平(H e)采用各个时期各地区人均受教育年限来表示；财政支出(.Govern)采用地方财政一般预算支出占地方GDP的比重来表示；城镇化(.Urban)采用各地区城镇人口占总人口的比重来代表，该指标值越大，说明城镇化水平越高；对外贸易(Trade)采用各地区进出口总额来衡量各地区对外贸易水平%

(三)数据来源和描述性统计

被解释变量劳动力市场化指数采用2019年中国人民大学国家发展与战略研究院发布的《中国劳动力市场化指数编制》测算的数据，各解释变量相关数据来自于2011—2017年《中国统计年鉴》《中国人口与就业统计年鉴》《中国教育统计年鉴》中全国31个省、市、自治区的数据％因部分省份存在个别年份的统计数据缺失，故采用线性插值法补齐缺失数据%其中，劳动力市场化指数、互联网普及率、移动电话普及率、产业结构和财政支出未取自然对数，其余各变量均进行了自然对数处理％各变量的统计特征如表1所示%2020年第2期（总第224期）丛屹，俞伯阳：数字经济对中国劳动力资源配置效率的影响111表1变量描述性统计结果

变量样本数均值最大值最小值标准差

Lm2"70.5930.8680.30"0."9

Internet2"70.4530.7780.980.3"

Express2"79.232"3.55" 5.0921.705

Mobile2"70.870".50.4090.244

Pgdp2"7"0.0"".6809.4820.448

Structure2"70.70.9960.7390.05"

Road2"7"".607"2.69.3930.837

Hc 2"7

8.968

"2.304

6.70.904

Govern2"70.273".3790.060.208

Trade 2"7"7.45620.8"""3.5701

.626

四、实证检验与分析

（一）基本回归分析检验

利用Stata15.0软件进行实证检验，首先通过

OLS方法进行静态面板数据的回归分析，并参考已

有文献的常用作法，采用逐步添加控制变量方式进

行回归%通过初次回归后的似然比检验和Haus­

man检验以及不同模型结果的对比，发现时间和个

体双固定效应模型更适合本研究％因此，在逐步回

归的基础上进行双固定效应回归分析％具体检验结

果如表2所示％

表2静态面板检验结果（OLS）

变量模型11）模型（2）模型3）模型4）模型5）模型6）模型7）模型8）

Inter 0.555"""0.48"""0.495"""0.635"""0.594"""0.388""0.386"""0.924"""

10.42)0.)0.62)0.092)0.6")0.5")0.5")0.53)

Express 0.0"2""0.0"""0.0"0""—0.006—0.0020.023"""0.027"""0.027""

10.006)0.006)0.006)0.008)0.008)0.008)0.0"0)0.0"0)

Mobile —0.207"""—0.2"3""—0.207"""—0.93""—0.59""—0.225"""—0.227"""0.040

10.070)0.070)0.069)0.068)0.067)0.063)0.063)0.042)

Pgdp 0.0330.069"0.094""0.54"""0.2"5"""0.2"6"""0..01""

0.036)0.038)0.038)0.04")0.039)0.0"9)0.045)

Structure —0.5"7""—0.2"3""—0.49"""—0.633"""—0.6"6"""—".099""

0.206)0.070)0.97)0.82)0.84)0.574)

Road 0.04""""0.027""0.02""0.0"9"""—0.057

0.0"3)0.0"3)0.0"2)0.0"2)0.254)

He —0.050"""—0.044"""—0.044"""0.024

0.0"4)0.0"3)0.0"3)0.04")

Govern 0.27""""0.260"""0.920"""

0.042)0.046)0.046)

Trade —0.0060.039"""

0.009)0.0"9)

Constant 0.409"0."70.8"—0.535—0.580—".237"""—".77"""—".052 10.042)0.323)0.320)0.386)0.376)0.360)0.372) 1.433)

N2172172172172172"7121712"71 R20.730.770.20"0.2370.2790.3970.3980.793注0»»»、""、"分别表示在1%、5%和10%的置信水平下显著，括号内为标准误（下表同）％

从表2中模型（1）〜（7）回归分析结果可以看出，随着控制变量的逐渐加入，模型的拟合优度不断提高，这表明核心解释变量和控制变量的选取具有一定的科学性％从各变量回归系数的显著性来看，模型（8）为双固定效应下的回归结果，两个主要解释变量通过了显著性检验，检验结果显著性较高且模型整体的拟合程度较好，对现实的解释力较强％依据回归分析结果可以发现：核心解释变量中，数字基础设施、数字业务规模与劳动力市场化指数之间存在显著的正相关关系，两者对于劳动力资源配置效率的正向影响较大，其中数字基础设施变量系数达到0.924左右,表明中国发达的数字基础设施对于劳动力资源配置效率有着显著的正向提升作用％控制变量中，经济发展水平、财政支出和对外贸易三项的回归系数显著为正，这主要是由于在静态环境下，中国经济发展水平、各类固定资产投资以及对外贸易水平的发展增强了劳动者自由选择职业的积极性，提高了劳动力资源配置效率％产业结构对于劳动力资源配置效率则呈现出一定的抑制作用，这表明当前中国产业结构调整方向与劳动力市场化发展还存在一定程度的不匹配，在今后的产业结构调整过程中应进一步充分发挥市场在资源配置中的决定性作用，科学引导产业结构优化升级与劳动力市场化发展％

（二）动态面板回归分析检验

采用动态差分GMM估计方法对原模型进行修正#，通过Sargan过度识别检验得出被解释变量可以加入一阶滞后项作为工具变量％利用动态差分GMM估计方法对于面板数据进行实证分析的检验结果如表3所示％

112财经理论与实践（双月刊）2020 年第2 期

表3差分GMM 模型检验结果

变量模型！）

模型（10）

模型（11）

模型（12）

L )(T)

0 294"" "0229"""0 159"""0 126" "Internet (0 049)

0 145(0 056)

(0101)

(0 056)

1 036" "Express

(0 254)

0 002(0 017)

—0 226"" "(0 505)

0 062" " "(0 015)

—0530"""Mobile

(0074)

(0 137)

Pgdp 0 1650 220"0 273"""—0 041(0 114)(0 121)

(0098)

(0 140)Structure

—1 784—0 699—3 176""—5171"""(1 424)

(1 701)

(1561)

(1 380 )

oad

0 3080 2150. 585 ***

0 135(0 172)(0 219)

(0220)

(0 2 )

He

—0 078—0 105" "—0 037—0 066(0 038)

(0 050)

(0043)

(0 042)

Govern 0 8471123""0 772"""0 636" "(0 286 )(0 475)

(0288 )

(0 248)

Trade

0 0480044""0 069"""0 167" "(0 15)

(0 018)

(0017)

(0 027)

N 155155155155AR (2)

0 4010 74404

0 774Sargan(p )0 112

0 137

0109

0 205

由表3可以看出，经过校准后的回归结果较好,

模型（9）〜（12）均通过了 AR 序列相关性检验与

Sargan 检验，表明模型估计所选择的工具变量是有

效的,即接受“所有工具变量均外生且没有二阶序列

相关性”的原假设，表明使用动态差分GMM 进行

估计的四个模型有效％从结果看，核心解释变量系 数全部呈现显著状态且两个核心解释变量对于劳动

力市场化指数呈正向影响，控制变量基本呈现显著 状态％以互联网发展为代表的数字基础设施的正向

影响最大，即数字基础设施建设每增加1%，劳动力 市场化指数提升1. 036% ;数字业务规模增长率每

提升1%，劳动力市场化指数提升0.062% %但数字 设备应用则呈现出总体的负向影响，即数字设备应

用水平每增加1%，劳动力市场化指数降低0.53% %

究其原因：一是由于新商业模式、新型组织中数字设 备应用产生了单位产品生产成本降低所导致的企业

雇佣规模缩小、低技能岗位替代等问题，从而造成了 这样的结果;二是以移动电话为代表的数字设备应

用在很大程度上以信息的实时传递代替了劳动者的

物理空间位移，因此，使得部分劳动力本地化就业、

居家就业等形式得以推广，在一定程度上降低了部 分城市之间的劳动力流动性% 在各个控制变量中，

财政支出、对外贸易对于劳动力市场化指数均 呈现显著正向促进作用％

（三）分地区检验

通过东、中、西部和南、北方两种分类方式进行

检验，最终的回归结果呈现出数字经济给中国不同 地区的劳动力资源配置效率带来的差异性影响，结

果见表4%

表4分地区检验结果

变量

东部地区中部地区西部地区南方地区北方地区.nternet 0 541"" "0 4460.296" "0.436""0.514"" "(0.156)0 531)

0.265)0.050)0.168)Express 0 0180 108"""

0.040" "0.095" ""0.032"" "0 014)0 031)0.019)0.018)0.011)Mobile

—0 359" ""

—0 002—0.247" ""

—0.572"""

—0.192" ""

0 065)0 234)0.166)0.116)0.027)Pgdp

0 169"" "—0 0280.367"" "0.058"0.246"" "0 049)0 149)0.093)0.074)0.034)Structure

—0 006—0 984 "—1.851" ""

—1.515"""

—1.055" ""

0 508)0 534)0.488)0.270)0.324)oad

0 069"" "—0427"" "

—0.026"—0.033""—0.0030 020)0 093)0.028)0.020)0.019)He 0 004—0 0—0.101" ""

—0.055""—0.068" ""

0 022)0 178)0.031)0.024)0.016)Govern 0 672"0 0660.285"" "0.624" ""0.297""0 480)0 672)0.059) 1.033)0.131)Trade —0 0090 078""0.0040.065" ""—0.0090 014)0 036)0.023)0.065)0.017)Constant

—2 126" ""

5 126""—0.868""0.243—0.7100 706)2 319)

0.700)0.634)0.434)N

77

5684

112

105

R 2

0 674

0. 788

0.5030.5590.508

注:东、中、西部地区的划分用国家统计局的划分标准;南、北地区的划分以秦岭、淮河为界进行划分%

通过表4可发现，从东、西部地区来看，东部地区的数字基础设施和数字设备应用对于劳动力市场化指数呈现显著影响，且总体为正向促进作用％其中，数字基础设施建设每增加1%，劳动力市场化指数提升0.541%%中部地区的数字业务规模对于劳动力市场化进程呈现显著的正向影响，即数字业务规模增长率每提升1%，劳动力市场化指数提升0.108%。而作为数字经济发展速度相对较缓慢的西部地区，核心解释变量的三项系数全部呈显著水平，表明了该地区数字经济发展对于劳动力资源配置效率的总体提升作用比较突出％其中，数字基础设施建设每增加1%，劳动力市场化指数提升0.296%，说明近十年来西部地区各级和各类企业的数字化转型对于提升该地区的劳动力资源配置效率的效果显著％从南、北方地区来看,北方地区数字基础设施对于劳动力市场化指数的影响系数为0.514,超过南方地区的对应结果;在数字业务规模方面，南方地区的影响作用为0.095,优于北方地区％两地区的数字设备应用对于劳动力市场化指数的影响均呈负向影响％从整体上看，南、北方地区的检验结果相比于东、中、西部地区的显著性更高％

总体来看，实证检验结果表明数字经济发展从总体上提高了中国劳动力资源配置效率，从而两个研究假设得证，即数字基础设施、数字业务规模对于劳动力资源配置效率的提高呈现显著的正向促进作用％

五、结论与对策建议

以上实证检验结果表明:(1)数字经济的发展对中国劳动力资源配置效率总体上呈现显著的正向促进作用，且这种特征在全国各地区都有所体现％在考虑到省级面板数据动态变化的情况下，实证分析的检验结果更加显著，表明我国在建设“数字强国”的过程中将推动劳动力资源配置效率不断提高％(2)我国各地区的数字基础设施建设和数字业务规模发展加速了地方劳动力市场化进程；而数字设备应用对于劳动力市场化发展存在一定的抑制作用％其中，作为数字经济核心解释变量的互联网普及率变量的系数最大且显著为正，说明在数字经济发展过程中数字基础设施建设将从客观上实现中国劳动力资源更有效的配置％(3)从东、中、西部地区划分来看，数字经济对于劳动力资源配置效率的正向促进作用主要体现在东部地区，但西部地区数字经济的发展对于劳动力市场化进程的影响十分显著，未来具备较强的发展潜力％从南、北地区划分来看，北方地区的数字经济发展对于劳动力市场化进程有着更强且更显著的促进作用％表明加快北方地区的数字经济发展将进一步提高其劳动力资源配置效率，激活该地区劳动力市场主体活力％

基于以上研究结论，提出对策建议如下：(1)加快建设均等化数字基础设施％各级应将提供完善的数字基础设施作为推动全社会公共服务均等化的核心工作，弥合当前城乡间、不同地区间的“数字鸿沟”％此外，深入建设全国范围的产业互联网，推动两化融合，通过二、三产业的跨界融通发展来提高各行业的就业创造与就业吸纳能力，实现劳动力需求侧结构性改革％(2)加强多样化数字设备科学应用％我国应在继续加大数字设备应用规模的同时，更科学且有针对性地应用以智能传感器、数字可穿戴装备为代表的多样化数字设备来持续提升先进制造业、现代服务业等重点产业的就业吸纳能力，从而抵消单一化数字设备应用带来的单位产品生产成本降低导致的企业雇佣规模缩小、低技能岗位替代等问题％各级应趋利避害，通过优化来进一步破除要素流动的行政和制度性交易成本，从而减少并抵消数字设备应用给劳动力市场带来的部分抑制作用％(3)全方位提升劳动者数字技能％我国应探索经济发展的新动能，从“人口红利”驱动向“人力资本红利”驱动的思路转变，以培养“数字化”高技能人才推动产业结构优化升级，实现经济高质量发展％—方面，以通识性计算机知识培训来提升劳动者的基础能力，保障各类劳动者、特别是低技能岗位就业人员具备跨企业、跨行业流动的可能性；另一方面，通过建立并实施针对不同行业劳动者的能力识别和岗位数字技能提升方案，使各行业的劳动者能在最短时间获得职业发展所需的数字技能，逐步实现广大劳动者的普遍高质量就业，从而加快推进我国劳动力市场的供给侧结构性改革％

注释：

①动态广义矩估计方法主要分为差分GMM和系统GMM%其中，

差分GMM主要是通过解释变量的滞后项作为工具变量进行GMM估计，对于模型的动态估计效果较好%

②当前，国内外研究机构公布的数字经济指标体系普遍涉及多个维

度，且计算方式各有不同％本文综合参考经济合作与发展组织(OECD)和中国信息通信研究院的数字经济指数统计方法，并考虑数据的可得性，三个指标分别从不同方面衡量各地区的数字经济发展水平%

③由于静态面板模型的检验中各解释变量可能存在内生性，为提高

实证检验结果的有效性并深入探究数字经济各维度指标与劳动

114财经理论与实践(双月刊)2020年第2期

力资源配置效率之间的关系，继续利用动态面板广义矩估计(GMM)的方法进行实证研究%

参考文献：

中国信息通讯研究院•中国数字经济发展与就业(2019年)R'.2019.

腾讯研究院•数字中国指数报告(2019年)[R].2019,5.

The Frazer Institute,The Heritage Foundation.Index of eco­nomic freedom[R'.The Wall Street Journal.1995,1.

张灿，谢思全，董利•中国劳动力市场化进程测度&'•宏观经济研究，1998(5):13—16.

张群群•中国劳动力流动市场化程度的地区差异一一对中国市场化指数和贫困监测报告有关数据的分析北京工商大学学报2004(1):15—218

中国人民大学国家发展与战略研究院•中国劳动力市场化指数编制:R'2019.

韩雷，陈华帅，刘长庚•铁饭碗”可以代代相传吗？一一中国内单位就业代际传递的实证研究&'•经济学动态，2016

(8):61—70

蔡昉•刘易斯转折点与公共方向的转变一一关于中国社会保护的若干特征性事实中国社会科学，2010(6) =125—137

樊纲，王小鲁，张立文.中国各地区市场化进程报告中国市场2001(6):58—61

&0'莫旋，唐成千，阳玉香.城镇化进程中流动人口就业影响因素与就业选择一一分层异质视角下多元选择模型的实证分析&'•商业研究2019(7):36—41.

&1'孔微巍，廉永生，刘聪•人力资本投资、有效劳动力供给与高质量就业经济问题2019(5)：9—18.

&2'蔡昉.农业劳动力转移潜力耗尽了吗？中国农村经济，2018,405(9):4—15

[13'Acemoglu D.Why do new technologies complement skills?di­

rected technical change and wage inequality]】'.The Quarterly JournalofEconomics,1998,1134):1055—108

[14'赵旭杰，郭庆旺.产业结构变动与经济周期波动—

—基于劳动力市场视角的分析与检验&'•管理世界2018,34(3):51—67. [15'张新春，董长瑞.人工智能技术条件下“人的全面发展”向何处去一一兼论新技术下劳动的一般特征&'•经济学家，2019(1)：43—528

[16'蔡昉.中国经济改革效应分析一一劳动力重新配置的视角&'•经济研究2017(7):4—17.

[17'Autor D,Dorn D.This job is"Getting Old":measuring chan-gesinjobopportunitiesusingoccupationalagestructure[J'.A-mericanEconomicReview2009,99(2):45—51.

[18'AcemogluD,RestrepoP.Theracebetweenmachineand man: implicationsoftechnologyforgrowth,factorsharesandem-ployment[R'.NBER WorkingPapers2016.

[19'阿里研究院与毕马威.2018全球数字经济发展指数[R'.2018. [0'陈彦斌，林晨，陈小亮.人工智能、老龄化与经济增长['.经济研究，2019,54(7):47—63.

：21'张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长:J'.经济研究，2019,54(8):71—86.

&2'孙早，侯玉琳.工业智能化如何重塑劳动力就业结构:J'.中国工业经济2019(5):61—798

&3'彭湘君，曾国平,许岩.中国智能型服务业发展影响因素研究一一基于省际面板数据的实证['•科技管理研究，2016,36

(19):123—1288

&4'蔡跃洲，李平，付一夫互联网+，技术与技术一一经济范式转换['•珞珈管理评论2016(2):155—166.

&5'蔡跃洲，陈楠.新技术下人工智能与高质量增长、高质量就业&'•数量经济技术经济研究，2019,36(5):3—22.

(责任编辑：宁晓青)

The Influence of Digital Economy on the Efficiency

of Chinese Labor Force Resource Allocation

CONG Yi1,YU Boyang2

(1.School of Economics,Tianjin University of Economics and Finance,Tianjin300222,China；

2R DepartmentofEconomicsand Management#TianjinElectronicandInformationCo l ege#Tianjin300350#China)

Abs'rac':Thispaperchosetheprovincialpaneldata#usingstaticpanelOLSmethod#dynam-ic panel difference GMM method to estimate the influence of digital economy on the efficiency of Chineselaborforceresourcea l ocaFion.TheresulFdemonsFraFesFhedigialeconomydevelopmenF has improved the overall efficiency of Chinese labor force resource allocation,and such result is sEgnEf cantly varEed between regEons.From the perspect ve of east#mEddle and westareas#the digital economy development in eastern area has the most significant effect.And in terms of the souFhandnorFhareas#FhenorFhareaperformedmoresignificanF.Fina l y#basedonFheresearch conclusions#FhispaperproposesFhecounFermeasureandsuggesFionFhaFacceleraingFhedevelop-menFofequiFabledigiFalinfrasFrucFure#sFrengFheningFhescienificapplicaFionofdiversifieddig-lial equipment,comprehensively enhancing labor's digital skill.

Keywords:igitaleconomy；laborforce；e f iciencyofresourcea l ocation；Cigitalinfrastruc-ture