企業數字化轉型的穩就業效應*

譚偉杰，龐鈺標

（1.上海財經大學公共經濟與管理學院，上海 200433；2.廣東外語外貿大學經濟貿易學院，廣東 廣州 510006）

一、引言與文獻綜述

隨著中國經濟發展進入新常態，疊加國際形勢中不穩定不確定因素的沖擊，國內各行各業的就業結構正在發生深刻變化，整體就業形勢較為嚴峻。近年來，我國強化就業優先政策導向，加大對企業穩崗擴崗支持力度，相繼出臺了多項支持企業穩定經營發展、擴大就業崗位的政策。在此背景下，如何穩定崗位、穩定就業以保障基本民生與維持社會經濟協調發展，成為當前亟需深入探究的緊迫問題。企業是勞動力聘用的主體，也是提高社會就業水平的關鍵力量。面對數字經濟發展與國內外不確定因素沖擊，數字化轉型為中國企業優化自身管理與業務流程、完善供應鏈體系以及助力穩定社會經濟發展大盤提供了新的思路。同時值得思考和討論的一個問題是，由企業引領的數字化轉型是否對目前的社會就業造成沖擊，其在穩定崗位、保障就業和實現高質量發展戰略目標中發揮怎樣的作用？然而，既有研究對于企業數字化轉型是否提振宏觀就業水平的影響尚未達成一致結論。因此，深入研究數字化轉型對就業的影響，有助于更加深刻理解數字化轉型的社會經濟效應，同時對于保障就業和民生、提振宏觀經濟與促進數字經濟高質量發展也具有重要的現實意義。

目前，國內外文獻關于數字技術發展影響就業的研究主要有三種觀點。第一，數字技術發展對就業具有替代效應。龔玉泉和袁志剛（2002）指出，在產出不變的情境下，技術進步雖然會提高勞動生產率，但是會降低企業單位產品的勞動力投入，即表現為對勞動力的需求會減少。Aghion和Howitt（1994）認為，技術生產率的進步，一方面會提高人力資本價格，降低企業利潤；另一方面會重塑工作崗位價值鏈、縮短工作崗位生命周期等，進而可能會降低企業增加勞動力需求的積極性。Acemoglu和Restrepo（2020）發現，以機器人為代表的數字智能技術創新應用，會引發“機器換人”的現象。第二，數字技術發展對就業具有創造效應。Hoedemakers（2017）發現，技術進步的擴散對勞動力就業具有溫和的正向影響。戚聿東等（2020）指出，信息通信技術的快速發展與廣泛應用催生了互聯網行業的萌芽與發展，而互聯網行業的發展為社會創造了大量的就業崗位。隨著數字技術的廣泛應用，其在提升現有產品質量和創造新產品方面發揮的積極效應也日益凸顯，新產品多元化需求的增加能夠創造大量的就業需求（Harrison等，2014）。第三，數字技術發展對就業的影響具有不確定性。Graetz和Michaels（2015）基于17個國家1993-2017年的面板數據進行實證研究發現，智能技術應用（如工業機器人）并沒有對各個國家總體就業水平產生顯著的影響。戚聿東等（2020）指出，智能技術應用會減少低技能型或傳統物質資本勞動者的需求，而增加高技能型勞動者的需求，進而調整社會就業結構?？v觀上述研究文獻，主要存在以下不足：一是大部分研究僅從宏觀層面揭示人工智能等數字技術對就業和勞動市場的影響，而缺乏基于微觀企業層面的更為精準的分析；二是現有研究未能很好地揭示數字化技術應用影響企業就業吸納能力、就業結構的具體內在渠道，以及對于不同類型企業、行業和地區的影響差異性的研究仍然不足。

本文基于企業數字化轉型的現實戰略決策，聚焦企業就業吸納能力角度進行分析，旨在探究數字化轉型對企業就業吸納效應的影響。與既有研究相比，本文可能的邊際貢獻主要在兩個方面：第一，有別于現有研究聚焦宏觀數據層面的分析，本文運用微觀數據探討了企業數字化轉型對就業吸納能力和企業勞動聘用結構的影響，豐富了人力資本微觀領域的研究成果，有效闡釋了數字經濟發展所產生的就業創造效應和就業替代效應。第二，本文從創新溢出效應與生產率提升效應的角度，對企業數字化轉型影響就業的理論機制進行了細致探析，并且對不同類型企業、不同技術偏向行業以及地區特征而引起的影響異質性進行了檢驗，拓展了企業數字化轉型所帶來經濟影響的研究，為政府部門制定就業政策以及勞動者順應未來就業市場趨勢提供了經驗證據。

二、理論分析與研究假設

企業數字化轉型是指企業利用數字技術推動其業務流程和生產方式的數字化重組與變革，最終實現運營成本降低和經濟效率提高的轉型升級過程，這不僅是企業內部技術的創新與顛覆，更是企業內部人員結構和組織架構重塑的“生態系統”優化過程（陳冬梅等，2020）。根據“技術—經濟”范式理論，革命性的技術進步在經濟社會中的持續擴散，會誘發經濟社會體系的重大調整，從而形成與該技術變革相適應且相對穩定的新經濟發展范式（Perez和Carlota，1983）。勞動力市場結構與企業商業模式的重塑是“技術—經濟”范式的重要“組件”，在數字經濟范式中，由企業引領的數字技術創新應用推動了我國勞動力市場在就業載體、就業平臺和就業技能要求等方面的質變和量變。

第一，企業數字化轉型帶來的生產效率提升，通過價格效應與收入效應實現社會就業創造。從價格效應看，企業數字化轉型導致生產效率提高，產品的生產成本和價格也隨之下降，這將吸引更多的消費者購買（即市場需求增加），從而帶動產業規模的擴大，激勵企業創造更加多元化的新產品并提升現有產品的質量，進一步增加產業內的勞動力需求。從收入效應看，數字化轉型有助于企業實現更高水平的產出與利潤創造，員工的實際收入水平和消費者福利也會進一步提高，從而激發勞動者的消費需求，企業為了滿足新增需求將進一步擴大生產規模和勞動力聘用規模，進而創造更多新的就業機會（Aghion和 Howitt，1994）。

第二，企業數字化轉型能夠推動產品和部門創新，促進勞動力聘用規模增長。一方面，企業為了實現數字化轉型戰略的既定目標，普遍會加大研發投入，更多地表現為對聘用高技能型研發勞動力的投入增長（即數字化轉型的研發管理投入增加），加快了企業技術進步和迭代創新的步伐。新產品研發又會引致大量的市場需求，這種創新層面的“投入—產出”優化不僅有利于企業向社會釋放高發展潛力的積極信號（Hoenig和Henkel，2015；孫獻貞，2023），還能夠創造出更多的社會就業崗位（Harrison等，2014）。另一方面，企業數字化轉型作為數字經濟與實體經濟深度融合的一種嶄新商業模式，增強了企業研發創新服務方面的勞動力需求，而且新業態、新模式也能夠創造出更加多樣化的就業崗位，特別是在管理與運營方面對高技能型人才的需求量更大。

第三，企業數字化轉型借助技術擴散的補償機制實現就業創造。一方面，雖然企業數字化轉型對從事重復性的低技能型勞動力產生替代效應，但是也會驅使企業加強對現有員工的數字化培訓，推動其他部門的勞動力需求增加，特別是對那些具有數字化知識溢出效應的高技能型勞動力需求將會增加（叢屹和閆苗苗，2022）。上述轉變也將推動勞動力從傳統部門流向新興部門以及勞動力結構優化部門。另一方面，企業作為產業鏈上的微觀節點，數字化轉型強化了企業之間的網絡聯結關系，當某個企業或者某個行業的數字化轉型實現創新時，由于數字經濟的融合性特征，某個就業崗位的需求擴張會帶動上下游關聯企業以及產業的就業崗位增加，從而形成更大范圍的就業創造效應（胡擁軍和關樂寧，2022）。

基于以上分析，提出以下研究假設：

假設H：企業數字化轉型能夠顯著提升企業的就業吸納能力。

三、研究設計

（一）模型構建

為檢驗數字化轉型對企業就業吸納能力的影響，建構如下模型（1）對其直接影響效應進行識別：

其中：下標i、j、t分別代表企業、城市、時間，employeei,t+1表示企業勞動聘用規模，digiti,t表示企業數字化轉型水平，Xi,y,t表示控制變量，Yeart表示年份固定效應，Firmi表示企業個體固定效應，μi,t為隨機擾動項。在實證分析中，為了降低不可觀測因素的影響，同時控制了時間和企業固定效應，所有變量均采用經企業層面Cluster聚類穩健標準誤調整的t統計量。此外，為了適度緩解內生性問題，對所有被解釋變量采取前置一期處理。

（二）變量定義

1.被解釋變量

企業勞動聘用規模（employee），用企業在職人數的自然對數來表示。

2.解釋變量

企業數字化轉型水平（digit）。借鑒申明浩和譚偉杰（2023）的研究思路，首先根據與數字經濟發展相關的規劃方案、重要新聞、會議以及近年《政府工作報告》，通過Python爬蟲處理與JavaPDFbox建立一個較為完整的數字化詞典，整理、歸納出數字化轉型的特征關鍵詞圖譜；其次，結合企業年報能夠真實反映企業經營戰略與高管決策的特點，從國家政策語義視角捕捉和理解實體經濟數字化變革本質，再運用上述關鍵詞對企業年報進行文本分析，得到關鍵詞詞頻；最后，對企業數字化轉型水平進行如下計算：

其中：edt_numi,t表示i企業t年的年度報告中披露的數字化關鍵詞keywords_digit的詞頻總數，為保證較小的取值也具有良好的定義，對該指標進行反雙曲正弦變換處理；digiti,t表示i企業t年的數字化轉型水平。

3.控制變量

為了克服遺漏變量的影響，借鑒王永欽和董雯（2020）的做法，從宏、微觀層面設置影響企業勞動聘用的控制變量。其中，企業微觀層面的變量包括財務杠桿（lev），用資產負債率表示；盈利能力（roa），用總資產回報率表示；企業規模（size），用總資產的自然對數表示；現金流水平（cash），用經營活動現金流量凈額與負債總額之比表示；企業所有權性質（soe），若屬于國有企業則賦值為1，否則為0；企業成長性（fix），用固定資產增長率表示；董事會規模（bsize），用董事會人數加1取自然對數表示。宏觀層面的變量包括城市產業結構（industry），用第二產業產值與GDP的比值表示；經濟發展水平（rgdp）用人均GDP的對數表示；市場化水平（market），用王小魯等（2017）測算的市場化指數來衡量。

（三）數據來源與變量描述性統計

本文以2007-2020年為研究區間，以滬深兩市A股上市公司為樣本開展實證檢驗，原始數據主要來自中國問題研究數據庫（CNRDS）、國泰安數據庫（CSMAR）和萬德數據庫（Wind）。對研究數據進行了如下處理：①為了克服極端值對回歸結果的影響，對模型中所有連續型變量進行了雙側1%水平的縮尾處理；②剔除非正常交易（ST、ST*以及PT）的研究樣本；③剔除主要研究數據缺失嚴重的樣本數據。最終，得到包含2436家上市公司的32300個觀測值。

本文主要變量的定義及描述性統計結果見表1。其中，被解釋變量企業勞動聘用（employee）的最大值和最小值分別為4.0073和11.2967，標準差為1.3210，說明不同企業的勞動聘用水平和就業創造效應具有明顯的差異。核心解釋變量企業數字化轉型（digit）的最大值為6.8669，最小值為0，平均值為1.1605，這表明企業間數字化轉型水平的差距較大，數字化“鴻溝”和“馬太效應”問題較為突出。其他宏、微觀控制變量也存在著不同程度的差異，與現有文獻的分析基本一致。

表1 變量描述性統計

四、實證分析

（一）基準回歸分析

表2報告了數字化轉型影響企業勞動聘用的基準線性回歸結果。第（1）列是單變量檢驗結果，核心解釋變量企業數字化轉型（digit）的系數在1%顯著性水平下顯著為正，與預期結論一致。第（2）列是在此基礎上，加入一系列相關控制變量的估計結果，企業數字化轉型（digit）的系數為0.0636，依然在1%顯著性水平下顯著為正。第（3）—（5）列是分別控制企業個體和年份固定效應的回歸結果，可以發現，在加入一系列相關控制變量的基礎上，分別控制時間和企業固定效應后，企業數字化轉型（digit）的估計系數有所降低，說明部分不隨時間改變的宏微觀特征變量是影響企業勞動聘用的遺漏變量，在控制由此引發的內生性問題后，核心解釋變量仍為正且保持高度顯著。以第（5）列為例，在同時控制“時間和企業固定效應”以及相關特征變量后，數字化轉型影響企業勞動聘用的估計系數為0.0170，并在1%顯著性水平下保持顯著。這表明，數字化轉型的深化顯著擴大了企業的員工規模，使得企業能夠提供更多的就業崗位。在控制變量方面，企業規模（size）、董事會規模（bsize）、財務杠桿（lev）和市場化水平（market）的系數顯著為正，說明企業資產總值、企業決策層、資產負債率和當地經營環境的優化都有助于提升企業的就業吸附能力。而盈利能力（roa）和固定資產增長率（fix）的系數顯著為負，說明高盈利能力的企業可能存在資本替代勞動力的現象。

表2 基準回歸結果

（二）內生性問題

1.工具變量法

內生性問題是前述研究結論可能面臨的問題。一方面，企業數字化轉型水平的提高能夠顯著促進企業技術進步，產生創新溢出效應，從而增加勞動資本投入，擴大生產規模，創造更多的就業崗位；另一方面，隨著企業員工規模的擴大，數字化情境下人力資本的提高將使得知識共享更加暢通，倒逼企業通過數字化轉型來尋求高質量發展的機遇。為了緩解反向因果的內生性問題，分別選取兩個工具變量進行檢驗。第一個工具變量是1984年各城市每萬人固定電話數量與滯后一期的全國互聯網網民數量組成的交互項（黃群慧等，2019）。選取該工具變量的理由在于：一是通信基礎設施對當地民眾的通信使用技術以及生活習慣偏好產生深刻影響，并且隨著互聯網的發展進而影響當地企業對互聯網信息技術的應用與接受程度，滿足相關性條件；二是隨著通信技術的發展，固定電話用戶數量也隨之下降，歷史上各地區固定電話數量難以精確地反映當前企業員工人數，滿足外生性條件。第二個工具變量是清朝時期的城墻面積與匯率組成的交互項。選取該工具變量的理由在于：一是清朝時期城墻面積越大，說明城市人口規模越大，地方政府能獲取的稅收越多，地方政府用于傳統和現代信息基礎設施建設的資金越寬裕，城市的集聚經濟所帶來的產業發展、資本積累和人力資本等優勢，能夠促進后續信息網絡技術的發展與應用（程開明，2009），滿足相關性條件。二是歷史變量自身的特殊性決定了它本身與企業勞動聘用之間的聯系十分微弱，滿足外生性條件。

表3第（1）和（2）列分別報告了上述兩個工具變量第二階段的回歸結果。K-P、rk、LM統計量均在1%顯著性水平下顯著，拒絕工具變量識別不足的原假設；C-D Wald檢驗的結果則拒絕了弱工具變量的原假設，表明工具變量是合理、可靠的。表3第（1）和（2）列結果顯示，digit的估計系數均在5%顯著性水平下顯著為正，表明本文的基本結論仍然成立。

表3 內生性考量

2.多期雙重差分模型

為了更加穩健地評估數字化轉型能否促進企業勞動聘用，以國家級大數據綜合試驗區試點建設作為外生政策沖擊變量，以多期雙重差分方法檢驗這一現實問題。選取此變量的理由在于：一方面，“信息基礎設施提升工程”是大數據綜合試驗區的主要工程之一，新型信息基礎設施的完善不僅深化了數據要素的挖掘和應用，還促進了現代通信技術的發展，賦能數字經濟快速發展。另一方面，企業數字化的深層次發展能夠進一步挖掘和發揮數據要素的效率倍增效應，而此過程離不開完善的信息基礎設施作為支撐，現代通信技術和服務質量的提升都依賴于新型基礎設施的建設。本文設定如下雙重差分模型（4）進行檢驗：

其中：dui代表分組虛擬標量，若企業所在城市屬于處理組，對應的dui取值為1，否則為對照組取值為0；dut代表政策實施虛擬標量，政策實施之前dut取值為0，政策實施之后dut取值為1①考慮到貴州省于2015年9月開始相應的試點建設工作，本文將貴州省所轄地級市的政策節點設定為2015年，而其他試驗區城市的政策節點設定為2016年。;其余變量均與基準回歸保持一致。由于平行趨勢假設是雙重差分（DID）方法的重要前提假設，表3第（3）列的結果顯示，試點政策實施前實驗組與對照組企業的勞動聘用沒有顯著差異，表明該試點政策基本通過了平行趨勢假設。第（4）列顯示了試驗區試點建設影響企業勞動聘用的估計結果，可以發現Bigdata的估計系數為0.0672且在1%顯著性水平下顯著，表明大數據試驗區的設立促進了企業勞動聘用，再次印證本文的核心結論穩健、可靠。

3.安慰劑檢驗

為了克服部分非觀測因素（如地域特征）的干擾，采用安慰劑檢驗法排除可能的非觀測地域因素對本文估計結果的影響。具體而言，將企業五個維度的數字化詞頻進行隨機打亂，重新生成企業數字化轉型變量進行回歸檢驗。經檢驗，核心解釋變量的系數均不再顯著，這表明其他非觀測地域特征并未對估計結果產生影響，本文基本結論是穩健的②受文章篇幅限制，結果在此處未展示，如有需求請聯系作者。。

（三）穩健性檢驗

1.更替核心變量

（1）解釋變量的替代變量。為了保證數字化轉型指標的度量質量，分別采用三種替代變量：①數字化轉型詞頻總數與年報中“管理層討論與分析”部分的語段長度之比（并乘以100，digit1）。②與數字化轉型相關的無形資產與無形資產總額的比值（digit2）。③經行業動態調整的企業數字化轉型指標（adj_edt）。根據表4第（1）至（3）列列示的結果可知，本文核心結論是穩健可靠的。

表4 穩健性檢驗結果（一）

（2）被解釋變量的替代測量。為了更加穩健地檢驗相關結論對被解釋變量的敏感性，重新定義企業勞動聘用，借鑒余明桂等（2022）的做法，以企業勞動聘用增長率（labor）作為代理變量，并重新進行回歸檢驗。根據表4第（4）列的結果可知，數字化轉型顯著提高了企業吸納就業的能力，表明本文主要結論具有可靠性。

2.排除部分政策因素干擾

由于在研究期間內，政府推出了不少與就業相關的經濟政策（如 “四萬億元”經濟刺激計劃、“營改增”政策和固定資產加速折舊政策等），這些政策對企業面臨的內外部融資約束以及現金流安排等產生了重要的影響，從而有可能對企業的勞動聘用行為產生影響。為了排除上述政策的可能性解釋干擾，引入相關政策變量進行檢驗：①借鑒Cui等（2018）的研究方法，構建是否受“四萬億元”經濟刺激計劃沖擊的虛擬變量economy（當年份為2010年與2011年時則賦值為1，反之為0）。②借鑒張克中等（2020）的做法，剔除受“營改增”政策沖擊最大的服務業樣本重新進行檢驗。③排除2014年固定資產加速折舊政策的干擾，設置虛擬變量asset（如果企業當年受到該政策影響則賦值為1，否則為0）。表4第（5）至（7）列分別匯報了上述檢驗結果，均表明本文結論穩健、可靠。

3.更替模型

在前文的基準分析中，采用線性回歸對主要結論進行驗證。為更加穩健地檢驗數字化轉型與企業勞動聘用的關系，盡可能地消除行業發展周期和產業政策等因素對本文回歸結果的影響，此處采用控制“行業×年度”的高階聯合固定效應模型進行穩健性檢驗。表5第（1）列顯示的估計結果，表明數字化轉型有助于促進企業勞動聘用。

表5 穩健性檢驗結果（二）

4.考慮其他若干影響因素

第一，考慮到直轄市（北京、上海、天津和重慶）的經濟與行政上的特殊性，故剔除四個直轄市的樣本企業重新進行回歸檢驗。第二，考慮企業策略性信息披露行為：①剔除digit為0的樣本重新進行檢驗；②剔除創業板上市公司樣本重新進行檢驗；③剔除樣本期內受過證監會處罰的樣本。表5第（2）至（5）列分別匯報了考慮上述影響因素的檢驗結果，可以發現digit的系數均為正且保持高度顯著，證明了本文基本結論穩健，即數字化轉型提升了企業創造就業的能力。

五、進一步分析

（一）影響機制檢驗

前文理論分析表明，數字化轉型帶來的技術創新效應和生產率效應能夠顯著提升企業的就業吸納能力。對此，建立如下回歸方程進行機制檢驗分析：

其中：Mi,t+1分別指企業研發投入、創新產出和生產效率指標。借鑒現有研究的做法（王永進等，2107），采用企業研究開發投入金額（R&D）和專利申請總量（innov）作為企業創新層面的投入、產出績效，二者均取自然對數處理。借鑒Levinsohno 和 Petrin（2003）的方法，引入企業全要素生產率（tfp）來衡量企業生產效率。其余變量均與基準回歸保持一致。

首先，將研究視角聚焦于企業創新層面“投入—產出”績效的機制。從表6第（1）和（2）列的回歸結果可以發現，digit的估計系數分別為0.0170和0.0272，且至少在5%顯著性水平下顯著，說明企業數字化轉型能夠顯著增進企業創新績效。原因可能是數字化轉型緩解了信息不對稱問題，幫助企業更準確地將財務數據和經營狀況等信息傳遞給銀行機構，有效規避企業的道德風險問題，提高企業獲取外部信貸資源的可得性，進而促進企業增加研發投入和創新產出。一方面，高水平的研發投入和創新產出幫助企業開發出更多、更有競爭力的新產品和服務（葉胥等，2021），新產品和服務的推出可能會吸引更多的客戶，從而促使企業擴大生產規模以滿足市場需求，進而增加對勞動力的需求。另一方面，創新產出的增加幫助企業獲得更大的市場份額（尹志鋒等，2023）。隨著市場份額的擴大，企業可能需要增加產能，以滿足不斷增長的市場需求，從而增加就業吸附能力。

表6 影響機制檢驗結果

然后將研究視角轉向企業生產效率機制。從表6第（3）列的實證結果可知，digit對企業生產效率的估計系數為0.0174，并在1%顯著性水平下顯著，這說明在有限的資源約束邊界下，企業數字化轉型中的實體項目投資能夠顯著提高企業的全要素生產率，降低企業“脫實向虛”的風險，從而創造更多的就業。一方面，全要素生產率提高意味著企業能夠以更少的資源和成本生產更多的產品或提供更多的服務，這可能導致企業的產能擴大，需要聘用更多的勞動力來滿足增加的生產需求（趙宸宇，2023）。另一方面，生產效率提高可能導致企業內部勞動力的分工和組織結構的調整，創造出新的崗位，進一步增加對勞動力的需求（胡擁軍和關樂寧，2022）。

（二）異質性分析

1.企業成長性異質性檢驗

根據企業生命周期理論，成長性較高的企業普遍處于快速發展階段，具有較強的規模擴張需求（Miller 和 Friesen，1980）。短時間內能夠實現顯著增長的企業，通常具有較高的市場敏感性和戰略洞察力，當該類型的企業捕捉到行業數字化發展趨勢時，會迅速聘用相關的數字化人才，把握先發優勢，提高市場競爭力爭奪市場份額，因此這類型企業在數字化轉型過程中所產生的就業吸納效應應該更為明顯。鑒于此，本文擬進一步考察企業成長性如何影響數字化轉型與企業勞動聘用水平之間的關系，以企業營業收入增長率來刻畫企業成長性的方法，同時設置虛擬變量FIX（如果營業收入增長率高于樣本中位數則取值為1，否則為0），并引入基準模型進行重新檢驗。根據表7第（1）列的結果可知，digit×FIX的影響系數在1%顯著性水平下保持正值，說明企業成長性越高，數字化轉型對企業就業吸納能力的提升作用就越明顯。

表7 基于企業成長性的異質性檢驗結果

數字化轉型為企業發展帶來新的發展機遇，率先進行數字化轉型的企業依靠以往積累的知識與技術，對自身商業模式進行變革，為吸納社會就業貢獻了力量，在一定程度上呈現出發展績效的“先發優勢”。然而，由于數字化信息知識存在較為明顯的外溢性與共享性，后發企業的數字化信息追趕也更為容易（Mitrovi? ，2020）。鑒于此，本文期望探討企業數字化轉型的就業吸納效應是否與后發優勢相關。根據企業數字化轉型戰略行為設置虛擬變量year5和year8（如果企業數字化轉型持續了5年及以上則year5取值為1，反之為0；year8的定義同理），并分別引入基準模型進行重新檢驗。根據表7第（2）和（3）列的估計結果可以發現，企業數字化轉型對員工規模的正向促進效應與后發優勢相關，后發企業的數字化轉型對企業就業吸納能力提升的邊際效應更大。原因可能是在數字化高速發展過程中，率先進行數字化轉型的企業不一定比后發企業具有更多的技術積累和成本優勢，反而可能由于長期處于技術更迭與融合過程而相對缺乏靈活性，并且因為技術更新而對就業吸納產生一定的負面影響。

2.要素密集度異質性檢驗

企業勞動密集度會深刻影響企業的就業吸納能力。特別是對于勞動密集型企業而言，由于其對創新技術和設備等的依賴性較低，這類型企業增加勞動聘用的潛在需求也往往更大，因此人力資本的投入和配置效率是其保障產出規模的重要因素（曲玥，2020）。鑒于此，本文將分別從企業和行業兩個維度考察要素密集度如何影響數字化轉型與企業就業吸納能力的關系。一方面，按照行業的要素密集度情況將全樣本劃分為勞動密集型行業與資本密集型行業子樣本，并重新進行回歸檢驗。另一方面，借鑒李磊和盛斌（2019）的研究方法，使用固定資產凈值與員工人數的自然對數的比值衡量企業要素密集度，并以該指標中位數作為劃分標準進行細分樣本檢驗（如果企業要素密集度高于中位數則為資本密集型企業，否則為勞動密集型企業）。表8第（1）至（4）列的回歸結果顯示，在勞動密集型行業和企業中，企業數字化轉型（digit）的估計系數在1%顯著性水平下顯著為正；相反，在資本密集型行業和企業中，digit的系數則不顯著。此外，SUE系數差異檢驗結果顯示不同組別間的估計系數差異在1%顯著性水平下顯著。這表明，相較于資本密集型行業而言，數字化轉型對企業就業吸納能力的提升作用主要體現在勞動密集型行業企業中，可能的原因是對于非勞動密集型企業而言，資本投入與技術進步在其生產經營規模擴大過程中產生的邊際效應更大；而當數字化轉型的資源效應使得企業的勞動聘用資金得到有效保障時，勞動密集型企業積累人力資本的需求便會更大。

表8 基于要素密集度的異質性檢驗結果

Constant -2.1348 -6.1381*** -3.5839*** -5.1953***（-1.57）（-6.41）（-3.30）（-4.66）Controls YES YES YES YES Year FE/Firm FE YES YES YES YES Observations 13183 16481 14374 15108 adj R2 0.889 0.902 0.888 0.899

3.地區數字金融發展與人才資源供給異質性檢驗

現有研究指出，企業外部信貸資源的可得性取決于地區金融發展水平或者信貸融資市場的發展水平，如果地區金融發展較好，企業的融資需求越容易得到滿足，從而擴大生產規模的動機也更為強烈，進而提升企業的勞動聘用水平（Pagano和 Pica，2012）。那么，數字金融作為數字經濟時代的新興金融業態，能否與企業數字化轉型的資源效應形成高效匹配，共同促進企業就業吸收能力的提升呢？基于此，依據數字金融指數的中位數對全樣本進行細分檢驗。表9第（1）和（2）列的回歸結果顯示，在數字金融發展水平較高的地區中，企業數字化轉型（digit）的估計系數在1%顯著性水平下顯著為正；相反，在數字金融發展水平較低的地區中，digit的系數則不顯著。此外，SUE系數差異檢驗結果顯示不同組別間的估計系數差異在1%顯著性水平下顯著。這表明，數字化轉型對企業就業吸納能力的提升作用主要體現在數字金融發展程度較高的地區。

表9 基于地區數字金融和教育人才供給的異質性檢驗結果

理論上，區域人才供給狀況的改善能夠滿足企業對于人才資源的需求，從而擴大生產規模并且增加就業崗位。鑒于此，基于各地區的高校數量進一步探討企業數字化轉型的就業創造效應是否因區域人才資源供給狀況的不同而呈現差異化效果。具體而言，依據公司所在省份高校數量的中位數作為樣本劃分依據，并進行分組檢驗。表9第（3）和（4）列的回歸結果表明，數字化轉型對企業就業吸納能力的提升作用主要體現在高校數量較多的地區，而在高校數量較少地區的作用不明顯?？赡艿脑蚴菍μ幱谌瞬刨Y源供給相對充裕地區的企業而言，人才資源不足的困境會影響到企業數字化轉型的進程，生產規模與效率不能得到有效提升，使得其就業創造效應并不明顯。

（三）經濟后果分析

前文的實證研究表明數字化轉型提升了企業的就業吸納能力，并且在不同企業、行業和地區中表現出明顯的異質性。然而，隨著企業數字化轉型的不斷深化，企業的員工聘用結構是否也會發生變化呢？基于此，接下來圍繞上述問題進行進一步探討。

為了考察企業數字化轉型對自身勞動聘用結構的影響，依據企業雇員學歷以及職位結構（即各類別員工數量與企業員工總數的比值）進行分類討論，檢驗數字化轉型對不同類型員工聘用的影響，表10第（1）至（8）列顯示了上述分組結果。其中，第（1）至（4）列的結果顯示，企業數字化轉型顯著增加了高學歷（本科和研究生）員工的勞動聘用。第（5）至（8）列的結果顯示，企業數字化轉型同時提高了企業在生產、銷售和技術等流程環節的就業吸納能力。上述結果表明，隨著企業數字化轉型的推進，企業人員聘用結構在員工學歷分布和生產經營各環節分布上都發生了重大而深刻的變化。

表10 數字化轉型與企業勞動聘用結構

六、研究結論與啟示

本文基于2007—2020年滬深兩市A股上市公司的微觀數據，利用Python爬蟲技術對企業年度報告進行文本分析，基于數字化詞頻占比和無形資產數據等多個數據集測度企業數字化水平，實證檢驗企業數字化轉型對其就業吸納能力的影響以及作用機理。研究結果表明：第一，數字化轉型能夠顯著提升企業的就業吸納能力，并且該結論在以歷史上的清朝城墻數據等作為工具變量和國家級大數據試驗區建設作為準自然實驗等一系列穩健性檢驗后仍然成立。第二，機制分析表明，技術創新效應和生產效率效應是數字化轉型影響企業就業吸納能力的核心作用機制，具體而言，企業數字化轉型水平的提高，一方面促進企業創新層面的“投入—產出”績效提高，另一方面有助于提高企業的生產效率，兩個方面的效應都擴大了企業的勞動力聘用需求。第三，異質性分析表明，高成長性企業、勞動密集型企業、處在數字金融發展較好以及人才資源供給較豐富地區企業數字化轉型的就業創造效應更加顯著。此外，進一步研究發現，數字化轉型促進了企業員工聘用結構的升級和優化。

上述研究結論的啟示：第一，順應企業數字化轉型的浪潮并充分把握機遇，優化就業支持政策以促使企業數字化轉型紅利惠及更多勞動者。研究發現企業數字化轉型能夠提高企業勞動聘用水平，但短期內可能會擠占低技能、常規性工作崗位勞動者的就業機會。對此，一方面可通過失業補貼、再就業培訓等方式保障低技能勞動者的權益、增強再就業能力，同時加大對勞動力市場的監管力度，切實幫助中小微企業改善經營管理、穩定就業崗位，在“做大蛋糕”的同時“分好蛋糕”。另一方面，積極鼓勵和幫助企業推進數字化轉型，發揮好數字化轉型對多層次就業的正向促進作用，實現就業的穩定和擴大。第二，加大對職業技能培訓的支持力度，尤其是加強對失業人群的再就業輔導，引導勞動力更好地融入數字經濟從而實現高質量就業?，F階段應當高度重視和加強易被數字技術替代的常規性崗位勞動者的技能培訓，減緩數字技術應用所導致的技術性失業問題。第三，提高數字技術基礎研發創新能力，協同攻堅核心技術以加速數字經濟成熟發展，健全數字化轉型促進就業的正向循環機制。在推動數字化轉型發展過程中，應當結合各地區數字金融和人才資源供給現狀，制定有針對性的政策措施以激勵企業技術創新和提質增效，為穩就業提供配套政策保障。短期內數字技術憑借其優勢可能會替代部分勞動崗位，但是長期來看數字化轉型的就業創造效應大于就業替代效應，為此，應當順應數字化趨勢，拓展勞動者的工作任務范圍，提升勞動者的不可替代性。