羅小芳 王素素

摘要：以大數(shù)據(jù)、云計(jì)算、人工智能、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)與產(chǎn)業(yè)融合催生了數(shù)字金融、遠(yuǎn)程教育、在線醫(yī)療、平臺(tái)經(jīng)濟(jì)等新業(yè)態(tài)新模式，正在加速改造傳統(tǒng)產(chǎn)業(yè)，重新塑造行業(yè)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)，深刻影響著社會(huì)就業(yè)與勞動(dòng)者的收入增長(zhǎng)?；谥袊?guó)家庭追蹤調(diào)查（CFPS）數(shù)據(jù)的實(shí)證研究表明，中國(guó)東部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平最高，中部、西部及東北地區(qū)均未達(dá)到全國(guó)平均水平，整體而言中國(guó)數(shù)字經(jīng)濟(jì)綜合發(fā)展水平仍然較低。數(shù)字經(jīng)濟(jì)能夠提高勞動(dòng)收入，對(duì)不同群體的收入增長(zhǎng)均有促進(jìn)作用，對(duì)低收入群體的勞動(dòng)收入提升作用更大。不可否認(rèn)，數(shù)字經(jīng)濟(jì)對(duì)于各群體的收入均有正向影響，對(duì)低收入群體的影響更大，這意味著數(shù)字經(jīng)濟(jì)表現(xiàn)出一定的普惠性，有利于縮小勞動(dòng)者的收入差距。提高數(shù)字經(jīng)濟(jì)的發(fā)展水平是一個(gè)比較復(fù)雜的系統(tǒng)工程，政府要發(fā)揮引導(dǎo)與幫扶作用，加大數(shù)字基礎(chǔ)建設(shè)投入和勞動(dòng)者的人力資本投入，加強(qiáng)產(chǎn)業(yè)與數(shù)字技術(shù)的融合，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì);產(chǎn)業(yè)融合;社會(huì)就業(yè);勞動(dòng)收入

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“高質(zhì)量發(fā)展下制造業(yè)技術(shù)創(chuàng)新提升價(jià)值鏈的組織模式研究”（19BJL090）

中圖分類(lèi)號(hào)：F124? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1003-854X（2021）11-0005-10

一、引言與文獻(xiàn)綜述

近年來(lái)，全球經(jīng)濟(jì)增長(zhǎng)乏力，全球化趨勢(shì)出現(xiàn)新的動(dòng)向，大國(guó)博弈格局下中美貿(mào)易摩擦升級(jí)，2020年的疫情更是令全球經(jīng)濟(jì)復(fù)蘇雪上加霜。雖然中國(guó)的疫情得到有效控制，但是經(jīng)濟(jì)增長(zhǎng)速度趨緩，國(guó)外出口需求下降，就業(yè)面臨著嚴(yán)峻考驗(yàn)，經(jīng)濟(jì)復(fù)蘇與勞動(dòng)收入的增長(zhǎng)迫切需要找到新的增長(zhǎng)點(diǎn)。而數(shù)字經(jīng)濟(jì)發(fā)展表現(xiàn)出驚人的活力，全球10% 的消費(fèi)品零售已經(jīng)轉(zhuǎn)向互聯(lián)網(wǎng)，全球40%的廣告支出轉(zhuǎn)向數(shù)字渠道。2018年中國(guó)數(shù)字經(jīng)濟(jì)產(chǎn)值占GDP的34.8%，數(shù)字經(jīng)濟(jì)領(lǐng)域就業(yè)崗位占當(dāng)年總就業(yè)人數(shù)的24.6%，在全國(guó)總就業(yè)率下降的形勢(shì)下逆向增長(zhǎng)11.5%。數(shù)字經(jīng)濟(jì)與傳統(tǒng)經(jīng)濟(jì)正加速融合，它對(duì)收入分配帶來(lái)的是“數(shù)字鴻溝”還是“數(shù)字紅利”？數(shù)字要素如何參與收入分配？數(shù)字化技術(shù)是否必然導(dǎo)致勞動(dòng)就業(yè)的減少而不利于勞動(dòng)收入的增長(zhǎng)，而數(shù)字化技術(shù)的運(yùn)用是否會(huì)導(dǎo)致勞動(dòng)收入差距的進(jìn)一步加大？研究這些問(wèn)題對(duì)于減少貧困與縮小收入差距，真正讓勞動(dòng)收入得以穩(wěn)步提高，都具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

數(shù)字經(jīng)濟(jì)概念產(chǎn)生于互聯(lián)網(wǎng)經(jīng)濟(jì)、信息經(jīng)濟(jì)，1995年在Don Tapscott所著的《數(shù)字經(jīng)濟(jì)：智力互聯(lián)時(shí)代的希望與風(fēng)險(xiǎn)》中出現(xiàn)，1998年美國(guó)商務(wù)部發(fā)布了《新興的數(shù)字經(jīng)濟(jì)報(bào)告》，數(shù)字經(jīng)濟(jì)的提法逐漸普及。數(shù)字經(jīng)濟(jì)涉及到社會(huì)經(jīng)濟(jì)領(lǐng)域的方方面面，以大數(shù)據(jù)、云計(jì)算、人工智能、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)與產(chǎn)業(yè)融合，催生了數(shù)字金融、遠(yuǎn)程教育、在線醫(yī)療、平臺(tái)經(jīng)濟(jì)等新業(yè)態(tài)新模式，數(shù)字技術(shù)賦能傳統(tǒng)產(chǎn)業(yè)，使得數(shù)字經(jīng)濟(jì)成為各產(chǎn)業(yè)發(fā)展的新動(dòng)能，重新塑造了行業(yè)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。在中國(guó)這樣一個(gè)人口大國(guó)，數(shù)字技術(shù)對(duì)就業(yè)與收入增長(zhǎng)都帶來(lái)了深刻而廣泛的影響，受到學(xué)界的高度關(guān)注。

一是數(shù)字經(jīng)濟(jì)與收入差距的研究。數(shù)字經(jīng)濟(jì)是信息技術(shù)與經(jīng)濟(jì)的融合，包括數(shù)字產(chǎn)業(yè)與產(chǎn)業(yè)數(shù)字化，幾乎涉及社會(huì)經(jīng)濟(jì)的所有領(lǐng)域，既有文獻(xiàn)主要是從數(shù)字經(jīng)濟(jì)的某個(gè)維度展開(kāi)研究與探索，研究熱點(diǎn)在于人工智能技術(shù)、數(shù)字產(chǎn)業(yè)化、數(shù)字金融對(duì)勞動(dòng)及其收入差距帶來(lái)的影響。一些文獻(xiàn)認(rèn)為數(shù)字化技術(shù)加劇了收入差距，特別是由于工業(yè)智能化、城鄉(xiāng)互聯(lián)網(wǎng)普及率的差異進(jìn)一步拉大了城鄉(xiāng)收入上的差距①;勞動(dòng)力市場(chǎng)內(nèi)部收入差距拉大，人工智能技術(shù)的推廣使得勞動(dòng)力市場(chǎng)兩極化，擴(kuò)大了勞動(dòng)者內(nèi)部的收入差距②。由于技能型崗位的就業(yè)人數(shù)增加，競(jìng)爭(zhēng)更加激烈，工資下行壓力持續(xù)加大，在收入分配上對(duì)高學(xué)歷高技能勞動(dòng)者群體不斷傾斜③，青年群體更容易從數(shù)字經(jīng)濟(jì)發(fā)展中受益，數(shù)字經(jīng)濟(jì)紅利偏向于受教育程度高的群體④。數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)類(lèi)工作產(chǎn)生了負(fù)向影響，但是，對(duì)非農(nóng)就業(yè)，特別是非正規(guī)就業(yè)具有顯著的促進(jìn)作用，并且對(duì)創(chuàng)業(yè)者也產(chǎn)生了積極影響。此外，數(shù)字普惠金融的發(fā)展顯著地縮小了城鄉(xiāng)收入差距⑤。

二是關(guān)于數(shù)字經(jīng)濟(jì)與收入增長(zhǎng)關(guān)系的研究。一方面，數(shù)字經(jīng)濟(jì)可以拓寬勞動(dòng)者增收渠道，因?yàn)閿?shù)字金融的發(fā)展對(duì)于農(nóng)村家庭的創(chuàng)業(yè)行為有正向影響，有助于提升農(nóng)村家庭收入⑥。此外，數(shù)字金融在為個(gè)人和小企業(yè)提供融資渠道方面能夠發(fā)揮重要作用，可以促進(jìn)創(chuàng)業(yè)和收入增長(zhǎng)⑦。從整體效應(yīng)來(lái)看，數(shù)字金融顯著提升了我國(guó)城鄉(xiāng)居民人均可支配收入⑧，并且，對(duì)東部地區(qū)城鎮(zhèn)和農(nóng)村居民人均可支配收入的提升效果要顯著大于中部、西部地區(qū)⑨。而新興消費(fèi)、“長(zhǎng)尾效應(yīng)”催生了越來(lái)越多體制外、跨行業(yè)的就業(yè)崗位，打破了許多傳統(tǒng)行業(yè)的固有模式和業(yè)務(wù)范式，降低了諸多職業(yè)從業(yè)者的門(mén)檻⑩。另一方面，數(shù)字經(jīng)濟(jì)對(duì)于勞動(dòng)收入的增長(zhǎng)存在一定的負(fù)面影響。比如，工業(yè)智能化降低了農(nóng)業(yè)轉(zhuǎn)移人口的收入水平與工作的穩(wěn)定性{11}。

三是數(shù)字經(jīng)濟(jì)影響勞動(dòng)收入的機(jī)理分析。（1）數(shù)字經(jīng)濟(jì)通過(guò)提高就業(yè)與創(chuàng)業(yè)幾率帶來(lái)收入增長(zhǎng)。大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等信息技術(shù)的運(yùn)用與中國(guó)巨大的市場(chǎng)規(guī)模相結(jié)合，促進(jìn)數(shù)字支付、共享經(jīng)濟(jì)、平臺(tái)經(jīng)濟(jì)、跨境電商等新模式新業(yè)態(tài)日益壯大，促進(jìn)了就業(yè)與收入增長(zhǎng)。（2）數(shù)字技術(shù)對(duì)勞動(dòng)的替代性影響。人工智能技術(shù)對(duì)于勞動(dòng)既有替代效應(yīng)，也有補(bǔ)償效應(yīng){12}。從短期來(lái)看，過(guò)去幾十年自動(dòng)化對(duì)人類(lèi)勞動(dòng)產(chǎn)生了替代效應(yīng)，但是從長(zhǎng)期來(lái)看對(duì)補(bǔ)償性工作產(chǎn)生了引致需求{13}。人工智能技術(shù)對(duì)不同技能勞動(dòng)以及相對(duì)工資（收入不平等）的影響，在一定程度上取決于勞動(dòng)替代性是部分替代還是完全替代。人工智能技術(shù)造成一部分勞動(dòng)崗位的縮減，不利于收入增長(zhǎng)，但數(shù)字技術(shù)的普及又會(huì)帶來(lái)一些行業(yè)生產(chǎn)規(guī)模的擴(kuò)大，從而增加勞動(dòng)需求，有利于收入增長(zhǎng)。（3）產(chǎn)品需求彈性對(duì)于技術(shù)的就業(yè)效應(yīng)具有調(diào)節(jié)作用，如果需求是富有彈性的，技術(shù)變化會(huì)帶來(lái)就業(yè)增長(zhǎng)與收入增長(zhǎng){14}。雖然自動(dòng)化與高技能勞動(dòng)力互補(bǔ)，與低技能勞動(dòng)力是替代關(guān)系，從而導(dǎo)致非自愿性低技能失業(yè){15}，但是，低技能勞動(dòng)力也受益于技術(shù)進(jìn)步，只不過(guò)其受益程度低于高技能勞動(dòng)力{16}。（4）產(chǎn)業(yè)數(shù)字化帶來(lái)的技術(shù)進(jìn)步對(duì)勞動(dòng)就業(yè)的影響具有不確定性，技術(shù)進(jìn)步在不同的國(guó)家其偏向性不同，美國(guó)的數(shù)字技術(shù)偏向于資本，而中國(guó)的數(shù)字技術(shù)偏向于勞動(dòng)。中國(guó)第三產(chǎn)業(yè)數(shù)字化發(fā)展最快，第三產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的一個(gè)重要特征是服務(wù)業(yè)可貿(mào)易性增強(qiáng)，能夠促進(jìn)勞動(dòng)生產(chǎn)率進(jìn)一步提高，從而增加勞動(dòng)收入{17}。

綜上所述，既有文獻(xiàn)是從數(shù)字金融、人工智能、自動(dòng)化技術(shù)影響就業(yè)及收入等層面展開(kāi)分析的，主要有以下幾個(gè)特點(diǎn)：第一，基于數(shù)字經(jīng)濟(jì)的某個(gè)維度——數(shù)字金融、人工智能、互聯(lián)網(wǎng)水平的分析，而不是對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平作出綜合測(cè)度，因而也就無(wú)法綜合評(píng)價(jià)數(shù)字經(jīng)濟(jì)對(duì)于就業(yè)與收入的影響。第二，國(guó)內(nèi)學(xué)者大多采用省級(jí)層面的數(shù)據(jù)而不是微觀個(gè)體數(shù)據(jù)，其研究結(jié)論是對(duì)省級(jí)層面收入均值的分析，主要反映數(shù)字經(jīng)濟(jì)對(duì)于不同省份平均收入的影響。本文主要在以下幾個(gè)方面有所改進(jìn)：第一，從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)、數(shù)字化應(yīng)用、數(shù)字公共服務(wù)四個(gè)維度構(gòu)建測(cè)度數(shù)字經(jīng)濟(jì)的指標(biāo)體系，并測(cè)算了我國(guó)30個(gè)省份2014—2018年的數(shù)字經(jīng)濟(jì)綜合指數(shù)，實(shí)證結(jié)論在一定程度上體現(xiàn)了數(shù)字經(jīng)濟(jì)對(duì)于收入的綜合性影響。第二，在測(cè)算數(shù)字經(jīng)濟(jì)綜合指數(shù)時(shí)采用了動(dòng)態(tài)權(quán)重而不是靜態(tài)權(quán)重的計(jì)算方法，即采用“縱橫向”拉開(kāi)檔次法對(duì)各二級(jí)指標(biāo)的權(quán)重進(jìn)行動(dòng)態(tài)測(cè)度，其測(cè)算結(jié)果更客觀合理。第三，構(gòu)建了數(shù)字經(jīng)濟(jì)影響勞動(dòng)收入的機(jī)理模型，并采用勞動(dòng)者個(gè)體微觀層面數(shù)據(jù)檢驗(yàn)了數(shù)字經(jīng)濟(jì)影響收入增長(zhǎng)的中介機(jī)制，有別于采用省級(jí)層面數(shù)據(jù)的均值分析方法。

二、理論模型設(shè)計(jì)

目前來(lái)看，數(shù)字經(jīng)濟(jì)對(duì)于勞動(dòng)的影響具有不確定性。一方面，數(shù)字技術(shù)的進(jìn)步將取代很多工作崗位，導(dǎo)致更高的失業(yè)率和更大的不平等。據(jù)估算，約占美國(guó)總就業(yè)人數(shù)47%的職業(yè)在未來(lái)一兩個(gè)10年內(nèi)面臨著被計(jì)算機(jī)化的風(fēng)險(xiǎn)。另一方面，數(shù)字技術(shù)、自動(dòng)化技術(shù)的發(fā)展創(chuàng)造了大量的新工作崗位。R. E. D. Vera（2006）對(duì)菲律賓11個(gè)行業(yè)的研究表明，電子商務(wù)在2000—2005年期間減少了1202個(gè)就業(yè)崗位，但卻創(chuàng)造了21298個(gè)新就業(yè)崗位{18}。英國(guó)政府在鼓勵(lì)電子商務(wù)投資后，在2000年成功地使男性和女性的自主創(chuàng)業(yè)人數(shù)分別增加了4.73%和19.06%。G. Domini等（2020）在研究法國(guó)制造業(yè)企業(yè)投資數(shù)字化技術(shù)對(duì)就業(yè)的影響時(shí)，發(fā)現(xiàn)數(shù)字化技術(shù)通過(guò)降低相應(yīng)公司的離職率來(lái)提升同期的就業(yè)水平{19}。如果數(shù)字經(jīng)濟(jì)偏向于勞動(dòng)，那么就業(yè)增加，勞動(dòng)收入將會(huì)上升。我們借鑒D. Acemoglu（2007）的要素增強(qiáng)型生產(chǎn)函數(shù)，解釋在一定的條件約束下數(shù)字經(jīng)濟(jì)的發(fā)展如何增加就業(yè)提高工資收入的機(jī)理{20}。

假設(shè)一個(gè)經(jīng)濟(jì)體只生產(chǎn)一種最終產(chǎn)品，在生產(chǎn)過(guò)程中使用兩種要素L和K，L表示勞動(dòng)，K表示資本。所有經(jīng)濟(jì)主體的偏好都用最終產(chǎn)品的消費(fèi)來(lái)衡量，而要素供給總量是無(wú)彈性的，令勞動(dòng)總量為L(zhǎng)，資本總量為K，L∈R+，K∈R+。該經(jīng)濟(jì)體由全部的企業(yè)i組成，i∈Φ，Φ是連續(xù)集。企業(yè)提供最終產(chǎn)品，每個(gè)企業(yè)有相同的生產(chǎn)函數(shù)，實(shí)際總產(chǎn)量為G（L，K），生產(chǎn)要素的使用由企業(yè)決定，生產(chǎn)中采用的技術(shù)θ為二維變量，設(shè)θ=（θL，θK），且θ=（θL，θK）∈R2+，技術(shù)由技術(shù)生產(chǎn)者提供，在數(shù)字經(jīng)濟(jì)下技術(shù)變化會(huì)改變勞動(dòng)要素的投入。

假設(shè)生產(chǎn)函數(shù)為要素增強(qiáng)型，總產(chǎn)量為G（L，K，θ）=G（θLL，θKK），G在L、K上是連續(xù)的、二階可微、凹的，且在L、K上是同位函數(shù)。

進(jìn)一步地，可以設(shè)生產(chǎn)函數(shù)為：

G（L，K，θ）=[α（θLL）+（1-α）（θKK）]（1）

公式（1）中的α為要素L的分配比例，（1-α）為要素K的分配比例，σ是要素L和K的替代彈性。

σ=∣θ/θ（2）

公式（2）可以寫(xiě)成另一種形式：

=（2'）

生產(chǎn)技術(shù)θL、θK的成本C（θL，θK）在θL、θK是連續(xù)的、二階可微、凸的同位函數(shù)，出于簡(jiǎn)便的目的，可以將生產(chǎn)θL和θK的成本設(shè)為θL1+δ、θK1+δ，δ>0，可見(jiàn)技術(shù)具有報(bào)酬遞減特征。記C（θL，θK）的一階導(dǎo)數(shù)為CL、CK，則有：

CL==（1+δ）θLδ（3）

CK==（1+δ）θKδ（4）

==（5）

可得：

δ=（6）

G（L，K，θ）=[α（θLL）+（1-α）（θKK）]-（θL1+δ+θK1+δ）（7）

均衡技術(shù)θL*、θK*滿(mǎn)足公式（7）的一階條件，可得如下方程式：

=（）（）（8）

將（8）式可以改寫(xiě)為：

=（9）

當(dāng)σ>1，=>0（10）

且=>0（11）

公式（10）、（11）說(shuō)明當(dāng)σ>1時(shí)，技術(shù)θL相對(duì)變化的方向與L的相對(duì)變化是同向增長(zhǎng)的，也就是說(shuō)技術(shù)是偏向于勞動(dòng)力的，并且促進(jìn)了就業(yè)的增長(zhǎng)與工資的提升。

三、數(shù)字經(jīng)濟(jì)綜合指數(shù)的測(cè)度

本文旨在分析數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)于提高勞動(dòng)收入的影響，為此需要對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行測(cè)度。目前有多種數(shù)字經(jīng)濟(jì)的測(cè)度方法，每一種測(cè)算方法的指標(biāo)體系各有千秋。阿里研究院從數(shù)字基礎(chǔ)設(shè)施、數(shù)字消費(fèi)者、數(shù)字產(chǎn)業(yè)生態(tài)、數(shù)字公共服務(wù)、數(shù)字科研五個(gè)維度，每個(gè)維度各占20%的權(quán)重對(duì)2018年全球數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)進(jìn)行了測(cè)算;騰訊從數(shù)字產(chǎn)業(yè)、數(shù)字文化、數(shù)字生活、數(shù)字政務(wù)四個(gè)維度測(cè)算了2019年“數(shù)字中國(guó)指數(shù)”;上海社會(huì)科學(xué)院構(gòu)建的2017全球數(shù)字經(jīng)濟(jì)競(jìng)爭(zhēng)力指數(shù)是由數(shù)字基礎(chǔ)設(shè)施競(jìng)爭(zhēng)力、數(shù)字產(chǎn)業(yè)競(jìng)爭(zhēng)力、數(shù)字創(chuàng)新競(jìng)爭(zhēng)力、數(shù)字治理競(jìng)爭(zhēng)力四個(gè)維度復(fù)合計(jì)算而成的。在參考上述測(cè)算方法的基礎(chǔ)上，結(jié)合本文的研究目的，并考慮到數(shù)據(jù)的可得性，本文設(shè)計(jì)了數(shù)字經(jīng)濟(jì)綜合指數(shù)的指標(biāo)體系。數(shù)字經(jīng)濟(jì)綜合指數(shù)由數(shù)字基礎(chǔ)設(shè)施指數(shù)（D1）、數(shù)字化應(yīng)用指數(shù)（D2）、數(shù)字產(chǎn)業(yè)發(fā)展指數(shù)（D3）與數(shù)字公共服務(wù)指數(shù)（D4）這4個(gè)一級(jí)指標(biāo)、16個(gè)二級(jí)指標(biāo)構(gòu)成，具體設(shè)計(jì)參見(jiàn)表1。在二級(jí)指標(biāo)中，2014—2018年的網(wǎng)上政務(wù)能力數(shù)據(jù)來(lái)源于中共中央黨校（國(guó)家行政學(xué)院）電子政務(wù)研究中心的歷年評(píng)估結(jié)果《省級(jí)政府和重點(diǎn)城市網(wǎng)上政務(wù)能力調(diào)查評(píng)估報(bào)告》，其他數(shù)據(jù)均來(lái)自2014—2018年的《中國(guó)統(tǒng)計(jì)年鑒》。

數(shù)字經(jīng)濟(jì)綜合指數(shù)（dig）由表1的二級(jí)指標(biāo)加權(quán)計(jì)算生成，為此先要計(jì)算各個(gè)二級(jí)指標(biāo)的權(quán)重。對(duì)于權(quán)重賦值的確定，學(xué)術(shù)界大多采用靜態(tài)的權(quán)重值的計(jì)算方法，比如熵值法、主成分法等，然而，考慮到表1中的指標(biāo)具有三維特征，并且數(shù)字經(jīng)濟(jì)各方面在不同年份可能存在非均衡變化，因此，本文采用動(dòng)態(tài)權(quán)重的評(píng)價(jià)方法——“縱橫向”拉開(kāi)檔次法{21}。該方法的優(yōu)點(diǎn)在于能夠客觀反映各指標(biāo)的變化情況，充分利用數(shù)據(jù)自身的信息，因而使得綜合指標(biāo)的測(cè)度結(jié)果更合理準(zhǔn)確。

對(duì)于某一確定的年份t，假設(shè)各省數(shù)字經(jīng)濟(jì)動(dòng)態(tài)的綜合指數(shù)為：

yi=wjzij（12）

公式（12）中，i表示省份，i=1，2，…30，j表示二級(jí)指標(biāo)，j=1，2，…16。yi表示i省數(shù)字經(jīng)濟(jì)綜合指數(shù)，zij表示i省第j個(gè)二級(jí)指標(biāo)值，wj為二級(jí)指標(biāo)zij的權(quán)重。

為了減少量綱的差異，對(duì)zij進(jìn)行歸一化處理。由于zij都是正向型指標(biāo)，歸一化后的向量為：

xj=…=x1jx2j…x30j

下面計(jì)算xij的權(quán)重wj。{xij}是經(jīng)過(guò)上面歸一化處理后的指標(biāo)，xij的總離差可以表示為：

e2=（yi-y）=（wjzij-y）2

令，y=wjxij

那么，e2=Σy2i=（WX）f（WX）=WfHW

其中，W=（w1，w2，…，w16）f，H=XfX是對(duì)稱(chēng)矩陣，

X=x1，1…x1，16…x30，1…x30，16

當(dāng)W為矩陣H的最大特征值所對(duì)應(yīng)的特征向量時(shí)，e2取最大值，則最能體現(xiàn)各評(píng)價(jià)指標(biāo)的差異程度。

最后，運(yùn)用Matlab2015b軟件求出H的最大特征值及特征向量，從而得到我國(guó)30個(gè)省份2014—2018年16個(gè)二級(jí)指標(biāo)的權(quán)重，計(jì)算結(jié)果參見(jiàn)表1。根據(jù)這些權(quán)重值，再計(jì)算出每一年各省份數(shù)字經(jīng)濟(jì)綜合指數(shù)，計(jì)算結(jié)果參見(jiàn)表2。表2列出了2014—2018年我國(guó)30個(gè)省、市、自治區(qū)和4大區(qū)域以及全國(guó)平均的數(shù)字經(jīng)濟(jì)綜合指數(shù)（由于西藏?cái)?shù)據(jù)缺失，故不包括西藏）。

從表2和圖1來(lái)看，2014—2018年全國(guó)數(shù)字經(jīng)濟(jì)綜合指數(shù)與數(shù)字經(jīng)濟(jì)發(fā)展?fàn)顩r相符，表明本文的測(cè)算方法合理。全國(guó)數(shù)字經(jīng)濟(jì)綜合指數(shù)有小幅波動(dòng)，但表現(xiàn)出平穩(wěn)增長(zhǎng)趨勢(shì)。東部地區(qū)的數(shù)字經(jīng)濟(jì)綜合指數(shù)有所下降，但仍然是全國(guó)最高水平，并遠(yuǎn)超其他地區(qū)，而中部、西部以及東北部均未達(dá)到全國(guó)平均水平。不過(guò)，中部、西部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平不斷上升，發(fā)展趨勢(shì)良好，而東北部是唯一出現(xiàn)下降趨勢(shì)的區(qū)域，這個(gè)現(xiàn)象應(yīng)該引起重視。從表2可以看出，在各省、市、自治區(qū)中，北京的數(shù)字經(jīng)濟(jì)水平最高，上海居于第二位，廣東居于第三位，而甘肅、新疆、青海、寧夏等幾個(gè)省份的數(shù)字經(jīng)濟(jì)綜合指數(shù)處于低位，東部、中部、西部及東北部地區(qū)的經(jīng)濟(jì)差距在數(shù)字經(jīng)濟(jì)上的表現(xiàn)一覽無(wú)余。盡管我國(guó)互聯(lián)網(wǎng)消費(fèi)規(guī)模大，但是綜合衡量數(shù)字經(jīng)濟(jì)發(fā)展水平仍然比較低，地區(qū)差距大，令人擔(dān)憂(yōu)會(huì)不會(huì)形成“數(shù)字鴻溝”。因此，中西部地區(qū)要找準(zhǔn)數(shù)字經(jīng)濟(jì)發(fā)展短板，加快數(shù)字經(jīng)濟(jì)與傳統(tǒng)產(chǎn)業(yè)融合，讓數(shù)字經(jīng)濟(jì)成為高質(zhì)量發(fā)展的新動(dòng)能，這是在未來(lái)不落后于其他地區(qū)的關(guān)鍵所在。

四、實(shí)證分析

（一）模型的設(shè)定

為了分析數(shù)字經(jīng)濟(jì)對(duì)于勞動(dòng)收入的影響，本文在A. B. Krueger（1993）的研究{22}基礎(chǔ)上構(gòu)建了基準(zhǔn)模型如下：

lnwageijt=α+βlndigjt+γXijt+μjt+εijt（13）

公式（13）中，i表示個(gè)體，j 表示省份，t表示年份，wage為工資收入，lnwageijt表示在t時(shí)期j省個(gè)體i所獲得的小時(shí)工資的對(duì)數(shù)值，dig為數(shù)字經(jīng)濟(jì)綜合指數(shù)，X為控制變量，包括影響工資水平的微觀因素：受教育年限（edu）、健康（hea）、婚姻狀態(tài)（mar）、工作經(jīng)驗(yàn)（exp）、性別（gen）、戶(hù)籍（res），α為常數(shù)項(xiàng)，β為本文要測(cè)定的數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)工資收入的邊際效應(yīng)，γ為個(gè)體控制變量對(duì)工資的影響效應(yīng)，μ表示省份固定效應(yīng)的虛擬變量，ε是隨機(jī)誤差項(xiàng)。

由于基準(zhǔn)模型所得到的是均值回歸，為了更全面地描述數(shù)字經(jīng)濟(jì)對(duì)于不同收入群體的影響，本文采用分位數(shù)回歸模型：

Qτ（lnwageijt∣lndigijt，Xit）=ατ+βτlndigjt+γτX(jué)ijt+μjt+εijt

（14）

其中，τ為分位點(diǎn)，Qτ表示條件分位數(shù)，其他字符含義與公式（13）相同。

由前文可知，就業(yè)是數(shù)字經(jīng)濟(jì)提高勞動(dòng)者收入的主要途徑之一，故本文以就業(yè)為中介變量，構(gòu)建了中介效應(yīng)模型，參見(jiàn)方程（15）—（17）。

lnwageijt=α0+α1lndigjt+α2Xijt+μjt+εijt? （15）

lnempijt=β0+β1lndigjt+β2Xijt+μjt+εijt （16）

lnwageijt=δ0+δ1lnempijt+δ2lndigjt+δ3Xijt+μjt+εijt（17）

（二）變量說(shuō)明及數(shù)據(jù)來(lái)源

本文采用微觀個(gè)體層面的收入數(shù)據(jù)，數(shù)據(jù)來(lái)源于北京大學(xué)中國(guó)社會(huì)科學(xué)調(diào)查中心的“中國(guó)家庭追蹤調(diào)查”（CFPS）數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)覆蓋2010—2018年（每隔兩年發(fā)布一次）中國(guó)25個(gè)省、市、自治區(qū)，樣本規(guī)模達(dá)到16000戶(hù)家庭，是以家庭為單位對(duì)勞動(dòng)力的追蹤調(diào)查。由于結(jié)婚、離婚、離世等原因會(huì)導(dǎo)致家庭成員的變動(dòng)，因此本文采用個(gè)人編碼對(duì)數(shù)據(jù)進(jìn)行匹配，然后剔除無(wú)效數(shù)據(jù)，保留有效數(shù)據(jù)。為了與數(shù)字經(jīng)濟(jì)綜合指數(shù)的年份保持一致，本文選取了CFPS數(shù)據(jù)庫(kù)2014年、2016年、2018年三個(gè)年份的調(diào)查數(shù)據(jù)，由于2016年的健康數(shù)據(jù)缺失較多，故2016年的有效數(shù)據(jù)比其他兩個(gè)年份的數(shù)據(jù)更少。

被解釋變量為勞動(dòng)收入，以wage表示，數(shù)據(jù)來(lái)源于CFPS數(shù)據(jù)庫(kù)。相對(duì)于年工資和月工資而言，小時(shí)工資能夠剔除掉工作時(shí)間對(duì)工資的影響。在CFPS數(shù)據(jù)庫(kù)中，工資分為主要工作的工資與一般工作的工資，鑒于主要工作更具代表性且數(shù)據(jù)缺失值較少，所以本文采用主要工作的小時(shí)工資作為工資的衡量標(biāo)準(zhǔn)，即，小時(shí)工資=年工資/（每周工作小時(shí)數(shù)×4×12），并以2014年為基期進(jìn)行了消脹處理。

本文的核心解釋變量是數(shù)字經(jīng)濟(jì)綜合指數(shù)，用dig表示，該指數(shù)已經(jīng)由本文計(jì)算所得。

控制變量包括被考察個(gè)體的婚姻狀況、健康狀況、受教育程度、工作年限、性別、年齡、戶(hù)籍，數(shù)據(jù)均來(lái)自CFPS數(shù)據(jù)庫(kù)?；橐鲇胢s表示，將未婚、同居、離婚、喪偶4種狀態(tài)均視為非在婚，表示為非在婚ms=0，在婚ms=1。健康用hea表示，將非常健康、健康、比較健康視為健康，即hea=1，將一般、不健康視為非健康，即hea=0。受教育程度用edu表示，按學(xué)制進(jìn)行換算，具體為博士22年，碩士19年，本科16年，專(zhuān)科15年，高中12年，初中9年，小學(xué)6年，文盲或半文盲0年，以上換算的前提是個(gè)體取得了相應(yīng)學(xué)位證書(shū)。工作年限用exp表示，exp=年齡-6-受教育年數(shù)。性別用gen 表示，男=1，女=0。戶(hù)籍用res表示，農(nóng)村=1，城鎮(zhèn)=0。表3是對(duì)這些變量的主要特征進(jìn)行簡(jiǎn)單統(tǒng)計(jì)性描述的結(jié)果。

（三）實(shí)證分析結(jié)果

一是基準(zhǔn)回歸分析。由于2014年、2016年、2018年CFPS調(diào)查對(duì)象有變化，基準(zhǔn)回歸采用2014年、2016年、2018年的橫截面數(shù)據(jù)與逐步回歸方法，實(shí)證結(jié)果參見(jiàn)表4（限于篇幅，表4將逐步添加變量的過(guò)程省略，只保留包含全部解釋變量的回歸結(jié)果）。

從表4可知，解釋變量dig在1%的水平上顯著為正，表明在這三個(gè)年份里數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)收入的增長(zhǎng)有顯著的正向影響，對(duì)收入增長(zhǎng)的邊際貢獻(xiàn)大于0.035。2016年的參數(shù)值最大，數(shù)字經(jīng)濟(jì)每增長(zhǎng)1%，每小時(shí)工資增長(zhǎng)0.0740%。在三個(gè)年份中，其他變量的參數(shù)符號(hào)均顯著且相對(duì)穩(wěn)定，表明勞動(dòng)者個(gè)體特征變量包括教育、工作經(jīng)驗(yàn)、健康對(duì)收入有顯著的正向影響。其中，受教育程度對(duì)于收入的影響越來(lái)越大，由2014年的0.0016上升到2018年的0.0074。健康的參數(shù)值略有下降。工作經(jīng)驗(yàn)對(duì)收入呈正向影響，但是工作經(jīng)驗(yàn)的二次方的參數(shù)為負(fù)，表明工作經(jīng)驗(yàn)對(duì)收入影響具有邊際收益遞減特征。教育、健康、工作資歷都是勞動(dòng)者人力資本的重要組成部分，人力資本越多，收入越高，這些實(shí)證結(jié)果符合經(jīng)濟(jì)學(xué)解釋。此外，人口學(xué)統(tǒng)計(jì)變量中的性別、婚姻的回歸參數(shù)顯著為正，戶(hù)籍的回歸參數(shù)為負(fù)，表明男性收入比女性更高，已婚者收入比未婚者收入更高，這些參數(shù)基本符合預(yù)期。男性在就業(yè)上具有優(yōu)勢(shì)，而有家庭者責(zé)任心更強(qiáng)。已婚者比未婚者更努力工作，因而收入更高。但是戶(hù)籍系數(shù)為負(fù)，表明農(nóng)村戶(hù)口對(duì)收入增長(zhǎng)是負(fù)向影響，城鄉(xiāng)差距對(duì)于農(nóng)村勞動(dòng)者收入的增長(zhǎng)仍然是一種障礙。而戶(hù)籍的參數(shù)值變小表明這種不利影響在逐漸下降，隨著我國(guó)交通、信息、互聯(lián)網(wǎng)等基礎(chǔ)設(shè)施的逐步改善，數(shù)字經(jīng)濟(jì)對(duì)于農(nóng)村收入的提高發(fā)揮了正面作用。

二是穩(wěn)健性分析。本文采用兩種方法對(duì)實(shí)證分析結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。第一種方法，考慮到數(shù)字經(jīng)濟(jì)是主要的被解釋變量，因此本文采用主成分方法對(duì)數(shù)字經(jīng)濟(jì)綜合指數(shù)再次進(jìn)行了測(cè)算，并且將新的數(shù)字經(jīng)濟(jì)綜合指數(shù)代入計(jì)量方程，實(shí)證結(jié)果依然表明數(shù)字經(jīng)濟(jì)對(duì)于收入增長(zhǎng)有較大的提升作用，對(duì)低收入群體的作用大于高收入群體，實(shí)證結(jié)果與前文的分析結(jié)論一致。第二種方法，本文采用工具變量對(duì)上述模型重新進(jìn)行估計(jì)，以避免內(nèi)生性問(wèn)題。參照何宗樾等（2020）的方法{23}，本文采用被考察勞動(dòng)力個(gè)體所在省份的省會(huì)城市與杭州的地球表面距離為工具變量，由于地理距離不隨時(shí)間的變化而變化，這將導(dǎo)致工具變量法的第二階段估計(jì)失效，本文將該距離標(biāo)準(zhǔn)化后，與每年全國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平的平均值的交互項(xiàng)作為隨時(shí)間變化的新工具變量（dtdbz）。根據(jù)第一階段回歸的3個(gè)統(tǒng)計(jì)量來(lái)檢驗(yàn)所選工具變量的有效性，Kleibergen-Paap rk LM 統(tǒng)計(jì)量在 1% 的顯著性水平上，拒絕“工具變量識(shí)別不足”的原假設(shè);Kleibergen-Paap Wald rk F 統(tǒng)計(jì)量（大于10）拒絕“存在弱工具變量”的原假設(shè);overidentification test of all instruments的過(guò)度識(shí)別檢驗(yàn)，P值為0.0000，拒絕“過(guò)度擬合”的原假設(shè)。因此，本文所選工具變量是有效的。從 TSLS 回歸結(jié)果可以看出，變量lndig的回歸系數(shù)在1%的水平上顯著為正，這說(shuō)明在控制內(nèi)生性后數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)勞動(dòng)者工資增長(zhǎng)的促進(jìn)作用依然顯著，本文的實(shí)證分析結(jié)論是可靠的。

三是分位數(shù)估計(jì)。表6給出了2014年、2016年、2018年數(shù)字經(jīng)濟(jì)對(duì)不同收入群體的分位數(shù)回歸估計(jì)結(jié)果，2014年、2016年的F值均顯著，而2018年的F值處于臨界值范圍?？傮w來(lái)看，數(shù)字經(jīng)濟(jì)對(duì)于各分位點(diǎn)收入群體的影響系數(shù)顯著為正，20%的分位點(diǎn)回歸系數(shù)均大于0.05，而最后20%的分位點(diǎn)參數(shù)值大于0.03，反映了數(shù)字經(jīng)濟(jì)對(duì)低收入群體的影響大于對(duì)高收入者的影響。分位數(shù)回歸結(jié)果表明，數(shù)字經(jīng)濟(jì)對(duì)于整體收入的增長(zhǎng)有較大促進(jìn)作用，對(duì)各不同群體的收入增長(zhǎng)均有正向影響，且對(duì)低收入群體的收入增長(zhǎng)促進(jìn)作用更大，這有利于縮小勞動(dòng)者之間的收入差距，表現(xiàn)出數(shù)字經(jīng)濟(jì)對(duì)于收入增長(zhǎng)具有普惠性的促進(jìn)作用。

四是異質(zhì)性檢驗(yàn)。為了進(jìn)一步分析數(shù)字經(jīng)濟(jì)對(duì)于不同區(qū)域、不同特質(zhì)勞動(dòng)者是否具有異質(zhì)性影響，本文在上述模型的基礎(chǔ)上加入數(shù)字經(jīng)濟(jì)與區(qū)域的交叉變量、數(shù)字經(jīng)濟(jì)與各控制變量的交叉變量，實(shí)證結(jié)果發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)與性別、健康、戶(hù)籍的交叉項(xiàng)回歸系數(shù)均不顯著，其他交叉項(xiàng)的回歸參數(shù)參見(jiàn)表7。限于篇幅，表7僅列出回歸分析中交叉項(xiàng)的輸出結(jié)果。

表7中的第（1）、（2）兩行是以初等教育為基準(zhǔn)值的估計(jì)結(jié)果，數(shù)字經(jīng)濟(jì)與中等教育的交叉項(xiàng)（c_digedudj1）、高等教育的交叉項(xiàng)（c_digedudj2）系數(shù)在2014年都不顯著，在2016年數(shù)字經(jīng)濟(jì)與中等教育的交叉項(xiàng)（c_digedudj1）系數(shù)顯著為正，在2018年上述兩項(xiàng)交叉項(xiàng)系數(shù)都顯著為正，并且數(shù)字經(jīng)濟(jì)對(duì)受過(guò)高等教育的勞動(dòng)者收入的促進(jìn)作用更大，反映了教育水平對(duì)于收入增長(zhǎng)的作用越來(lái)越重要。

表7中的第（3）行是對(duì)婚姻與數(shù)字經(jīng)濟(jì)交叉項(xiàng)的回歸結(jié)果，這一項(xiàng)的系數(shù)在2014年、2018年均顯著為正，說(shuō)明數(shù)字經(jīng)濟(jì)的收入效應(yīng)在婚姻上存在異質(zhì)性影響。

表7中的第（4）、（5）、（6）行是數(shù)字經(jīng)濟(jì)收入效應(yīng)的區(qū)域異質(zhì)性分析結(jié)果，以東部地區(qū)為基準(zhǔn)值，數(shù)字經(jīng)濟(jì)與西部地區(qū)交叉項(xiàng)（c_deregion2）的系數(shù)顯著為負(fù)，表明數(shù)字經(jīng)濟(jì)對(duì)東部地區(qū)勞動(dòng)力工資有顯著促進(jìn)作用，但對(duì)西部地區(qū)勞動(dòng)力工資并無(wú)促進(jìn)效應(yīng)，甚至是抑制了工資的增長(zhǎng)。不過(guò)在2018年這種負(fù)面影響比2014年有所減弱。2016年、2018年數(shù)字經(jīng)濟(jì)與中部交叉項(xiàng)的系數(shù)不顯著，表明數(shù)字經(jīng)濟(jì)對(duì)中部地區(qū)勞動(dòng)力工資收入的影響由負(fù)轉(zhuǎn)正，但效果不顯著;而2018年數(shù)字經(jīng)濟(jì)與東北部交叉項(xiàng)（c_deregion3）的系數(shù)顯著為負(fù)，其絕對(duì)值逐漸變大，表明數(shù)字經(jīng)濟(jì)對(duì)東北部地區(qū)的勞動(dòng)力工資具有不利影響，這種不利影響在逐漸加劇。對(duì)照本文測(cè)算的數(shù)字經(jīng)濟(jì)綜合指數(shù)可知，東北部的數(shù)字經(jīng)濟(jì)發(fā)展水平有下降趨勢(shì)，由于東北地區(qū)第三產(chǎn)業(yè)發(fā)展滯后、政府科技投入不足、缺少增長(zhǎng)極等一系列問(wèn)題，導(dǎo)致東北部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展在全國(guó)處于落后水平，從而不利于勞動(dòng)者收入的增長(zhǎng)。

五是中介效應(yīng)的分析。本文以就業(yè)為中介變量檢驗(yàn)了數(shù)字經(jīng)濟(jì)收入效應(yīng)的傳導(dǎo)機(jī)制，回歸結(jié)果參見(jiàn)表8。由于解釋變量與被解釋變量的主要分析結(jié)果已經(jīng)報(bào)告，限于篇幅，表8僅保留解釋變量與中介變量以及被解釋變量、解釋變量與中介變量的估計(jì)結(jié)果。2014年、2016年、2018年數(shù)字經(jīng)濟(jì)對(duì)于收入增長(zhǎng)的影響系數(shù)分別為0.0440、0.0466、0.0488，在1%的水平上顯著;數(shù)字經(jīng)濟(jì)對(duì)于就業(yè)（中介變量）的影響系數(shù)分別為0.0380、0.0453、0.0403，表8的第（III）、（VI）、（IX）列是加入中介變量后的估計(jì)結(jié)果，影響系數(shù)在1%的水平上均顯著為正，而且在加入中介變量后數(shù)字經(jīng)濟(jì)影響系數(shù)的值變小，表明就業(yè)在數(shù)字經(jīng)濟(jì)與收入增長(zhǎng)之間存在中介效應(yīng)。

五、研究結(jié)論與政策建議

本文得到的主要結(jié)論有如下幾點(diǎn)：（1）從我國(guó)數(shù)字經(jīng)濟(jì)綜合指數(shù)來(lái)看，東部地區(qū)增長(zhǎng)速度趨緩，中部、西部平穩(wěn)上升，東北地區(qū)的指數(shù)略有下降趨勢(shì)。全國(guó)平均水平在逐年上升，不過(guò)其平均值達(dá)不到東部地區(qū)的一半，這表明我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展的總體水平仍然比較低，除東部地區(qū)以外，其他三個(gè)地區(qū)均低于全國(guó)平均水平?？梢?jiàn)，數(shù)字經(jīng)濟(jì)發(fā)展水平的地區(qū)差距較大，其差距之大甚至超過(guò)了GDP的地區(qū)差距。（2）數(shù)字化技術(shù)與產(chǎn)業(yè)的融合有待加強(qiáng)。從一級(jí)分項(xiàng)指標(biāo)來(lái)看，各省、市、自治區(qū)的數(shù)字基礎(chǔ)設(shè)施、政府公共服務(wù)指數(shù)的離差小于數(shù)字化應(yīng)用指數(shù)、數(shù)字產(chǎn)業(yè)發(fā)展指數(shù)的離差，而后者的離差高達(dá)10倍。這表明我國(guó)基礎(chǔ)設(shè)施、硬件設(shè)施較好，政府的數(shù)字公共服務(wù)也在逐步推進(jìn)，但是各地區(qū)與數(shù)字經(jīng)濟(jì)相關(guān)的產(chǎn)業(yè)發(fā)展水平差距大，這其中既包括數(shù)字產(chǎn)業(yè)的發(fā)展，也包括產(chǎn)業(yè)數(shù)字化運(yùn)用。（3）數(shù)字經(jīng)濟(jì)對(duì)收入的促進(jìn)作用較大，教育、工作經(jīng)驗(yàn)、健康對(duì)收入有顯著的正向影響，受教育程度對(duì)于收入的影響越來(lái)越重要，而工作經(jīng)驗(yàn)對(duì)收入影響具有邊際收益遞減特征，男性收入比女性更高，已婚者收入比未婚者更高。（4）數(shù)字經(jīng)濟(jì)通過(guò)促進(jìn)就業(yè)提高勞動(dòng)收入，盡管自動(dòng)化、機(jī)器人取代了一部分工作崗位，但是我國(guó)仍然是勞動(dòng)力資源豐富的國(guó)家，這可能導(dǎo)致數(shù)字技術(shù)的發(fā)展偏向于勞動(dòng)，并進(jìn)一步增加非自動(dòng)化崗位的勞動(dòng)需求，而數(shù)字經(jīng)濟(jì)創(chuàng)造出的新勞動(dòng)需求是促進(jìn)勞動(dòng)者提高收入的重要途徑。（5）數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)于教育程度、性別、婚姻、西部地區(qū)表現(xiàn)出一定的異質(zhì)性特征，西部地區(qū)的數(shù)字經(jīng)濟(jì)不利于收入增長(zhǎng)。數(shù)字經(jīng)濟(jì)在各分位點(diǎn)的系數(shù)均顯著為正值，表明數(shù)字經(jīng)濟(jì)對(duì)于各群體的收入均有正向影響，對(duì)低收入群體的影響更大，由此來(lái)看數(shù)字經(jīng)濟(jì)表現(xiàn)出一定的普惠性，有利于縮小勞動(dòng)者之間的收入差距。

根據(jù)以上研究結(jié)論，本文提出以下政策建議：第一，加大數(shù)字基礎(chǔ)建設(shè)投入，為數(shù)字經(jīng)濟(jì)發(fā)展夯實(shí)硬件設(shè)施基礎(chǔ)。在我國(guó)不少的省份，光纜密度、每百人使用的計(jì)算機(jī)數(shù)等指標(biāo)仍然比較低，與東部地區(qū)相比，西部、東北地區(qū)的互聯(lián)網(wǎng)普及率落后很多。第二，加強(qiáng)產(chǎn)業(yè)與數(shù)字技術(shù)的融合，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。北京、上海、天津、浙江、江蘇、廣東等地區(qū)發(fā)展領(lǐng)先，其他省份的數(shù)字產(chǎn)業(yè)從業(yè)人員、數(shù)字技術(shù)市場(chǎng)成交額以及人均收入水平都比較低，數(shù)字經(jīng)濟(jì)還未能發(fā)揮經(jīng)濟(jì)增長(zhǎng)新動(dòng)能的作用。第三，勞動(dòng)者的人力資本積累來(lái)自勞動(dòng)者自身投資，而這一點(diǎn)與勞動(dòng)者收入緊密相關(guān)，由于收入低的勞動(dòng)者無(wú)法進(jìn)行人力資本投資，因此政府的公共財(cái)政對(duì)于人力資本投入非常重要。在信息化互聯(lián)網(wǎng)時(shí)代，勞動(dòng)者受教育程度對(duì)于數(shù)字經(jīng)濟(jì)發(fā)揮收入增長(zhǎng)效應(yīng)具有積極的意義，一方面，政府要加強(qiáng)基礎(chǔ)教育，盡早實(shí)現(xiàn)12年義務(wù)教育;另一方面，政府要有針對(duì)性地推出職業(yè)培訓(xùn)計(jì)劃，提高勞動(dòng)者從傳統(tǒng)產(chǎn)業(yè)到數(shù)字產(chǎn)業(yè)的職業(yè)轉(zhuǎn)換能力。

注釋?zhuān)?/p>

①{11} 劉歡：《工業(yè)智能化如何影響城鄉(xiāng)收入差距》，《中國(guó)農(nóng)村經(jīng)濟(jì)》2020年第5期;賀婭、徐康寧：《互聯(lián)網(wǎng)對(duì)城鄉(xiāng)收入差距的影響：基于中國(guó)事實(shí)的檢驗(yàn)》，《經(jīng)濟(jì)經(jīng)緯》2019年第3期。

② 蔡躍洲、陳楠：《新技術(shù)革命下人工智能與高質(zhì)量增長(zhǎng)、高質(zhì)量就業(yè)》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2019年第5期;王林輝、胡晟明、董直慶：《人工智能技術(shù)會(huì)誘致勞動(dòng)收入不平等嗎》，《中國(guó)工業(yè)經(jīng)濟(jì)》2020年第4期。

③ D. H. Autor & A. Salomon，Is Automation Labour-Displacing？ Productivity Growth，Employment，and the Labour Share，NBER Working Paper，2018，pp.1-74.

④{23} 何宗樾、宋旭光：《數(shù)字經(jīng)濟(jì)促進(jìn)就業(yè)的機(jī)理與啟示——疫情發(fā)生之后的思考》，《經(jīng)濟(jì)學(xué)家》2020年第5期。

⑤ 周利、馮大威、易行?。骸稊?shù)字普惠金融與城鄉(xiāng)收入差距：“數(shù)字紅利”還是“數(shù)字鴻溝”》，《經(jīng)濟(jì)學(xué)家》2020年第5期。

⑥ 張勛、萬(wàn)廣華、張佳佳、何宗樾：《數(shù)字經(jīng)濟(jì)、普惠金融與包容性增長(zhǎng)》，《經(jīng)濟(jì)研究》2019年第8 期。

⑦ 謝絢麗、沈艷、張皓星、郭峰：《數(shù)字金融能促進(jìn)創(chuàng)業(yè)嗎？——來(lái)自中國(guó)的證據(jù)》，《經(jīng)濟(jì)學(xué)（季刊）》2018年第7期。

⑧ 楊偉明、粟麟、王明偉：《數(shù)字普惠金融與城鄉(xiāng)居民收入》，《上海財(cái)經(jīng)大學(xué)學(xué)報(bào)》2020年第8期。

⑨ 李牧辰、封思賢、謝星：《數(shù)字普惠金融對(duì)城鄉(xiāng)收入差距的異質(zhì)性影響研究》，《南京農(nóng)業(yè)大學(xué)學(xué)報(bào)》（社會(huì)科學(xué)版）2020年第3期。

⑩ 叢屹、俞伯陽(yáng)：《數(shù)字經(jīng)濟(jì)對(duì)中國(guó)勞動(dòng)力資源配置效率的影響》，《財(cái)經(jīng)理論與實(shí)踐》2020年第2期。

{12} D. Acemoglu & P. Restrepo， The Race Betwen Ma-chine and Man： Implications of Technology for Growth，

Factor Shares and Employment， American Economic Review， 2018， 108（6）， pp.1488-1542; J. Furman & R. Seamans， AI and the Economy， NBER Working Paper， 2015， pp.161-169.

{13} D. H. Autor， et al.， Untangling Trade and Technology： Evidence from Local Labor Markets， Economic Journal， 2015， 125（584）， pp.621-646.

{14} J. Bessen， AI and Jobs： The Role of Demand， NBER Working Paper， 2018， pp.1-27.

{15} K. Prettner & H. Strulik， The Lost Race Against the Machine： Automation， Education and Inequality in an R&D-Based Growth Model， CEGE Discussion Papers， 2017， pp.1-35.

{16} D. Acemoglu & D. Autor， Skills， Tasks and Technologies： Implications for Employment and Earnings， Handbook of Labor Economics， 2011， 46， pp.1043-1171.

{17} 彭文生：《從數(shù)字經(jīng)濟(jì)到數(shù)字貨幣》，《新浪財(cái)經(jīng)》2020年5月15日。

{18} R. E. D. Vera， The Employment Impact of Business-to-Consumer Ecommerce on Philippine Workers， Research

Paper， 2006， pp.1-85.

{19} G. Domini， et al.， Threats and Opportunities in the Digital Era： Automation Spikes and Employment Dynamics， Research Policy， 2020， 50（7）， pp.1-35.

{20} D. Acemoglu， Equilibrium Bias of Technology， Eco-nometrica， 2007， 75（5）， pp.1371-1409.

{21} 郭亞軍：《一種新的動(dòng)態(tài)綜合評(píng)價(jià)方法》，《管理科學(xué)學(xué)報(bào)》2002年第2期。

{22} A. B. Krueger， How Computers Have Changed the Wage Structure： Evidence from Microdata， 1984-1989， Qu-arterly Journal of Economics， 1993， 108（1）， pp.33-60.

作者簡(jiǎn)介：羅小芳，中南財(cái)經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院教授，湖北武漢，430073;王素素，中南財(cái)經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，湖北武漢，430073。

（責(zé)任編輯? 陳孝兵）