企业数字化转型的稳就业效应*

谭伟杰，庞钰标

（1.上海财经大学公共经济与管理学院，上海 200433；2.广东外语外贸大学经济贸易学院，广东 广州 510006）

一、引言与文献综述

随着中国经济发展进入新常态，叠加国际形势中不稳定不确定因素的冲击，国内各行各业的就业结构正在发生深刻变化，整体就业形势较为严峻。近年来，我国强化就业优先政策导向，加大对企业稳岗扩岗支持力度，相继出台了多项支持企业稳定经营发展、扩大就业岗位的政策。在此背景下，如何稳定岗位、稳定就业以保障基本民生与维持社会经济协调发展，成为当前亟需深入探究的紧迫问题。企业是劳动力聘用的主体，也是提高社会就业水平的关键力量。面对数字经济发展与国内外不确定因素冲击，数字化转型为中国企业优化自身管理与业务流程、完善供应链体系以及助力稳定社会经济发展大盘提供了新的思路。同时值得思考和讨论的一个问题是，由企业引领的数字化转型是否对目前的社会就业造成冲击，其在稳定岗位、保障就业和实现高质量发展战略目标中发挥怎样的作用？然而，既有研究对于企业数字化转型是否提振宏观就业水平的影响尚未达成一致结论。因此，深入研究数字化转型对就业的影响，有助于更加深刻理解数字化转型的社会经济效应，同时对于保障就业和民生、提振宏观经济与促进数字经济高质量发展也具有重要的现实意义。

目前，国内外文献关于数字技术发展影响就业的研究主要有三种观点。第一，数字技术发展对就业具有替代效应。龚玉泉和袁志刚（2002）指出，在产出不变的情境下，技术进步虽然会提高劳动生产率，但是会降低企业单位产品的劳动力投入，即表现为对劳动力的需求会减少。Aghion和Howitt（1994）认为，技术生产率的进步，一方面会提高人力资本价格，降低企业利润；另一方面会重塑工作岗位价值链、缩短工作岗位生命周期等，进而可能会降低企业增加劳动力需求的积极性。Acemoglu和Restrepo（2020）发现，以机器人为代表的数字智能技术创新应用，会引发“机器换人”的现象。第二，数字技术发展对就业具有创造效应。Hoedemakers（2017）发现，技术进步的扩散对劳动力就业具有温和的正向影响。戚聿东等（2020）指出，信息通信技术的快速发展与广泛应用催生了互联网行业的萌芽与发展，而互联网行业的发展为社会创造了大量的就业岗位。随着数字技术的广泛应用，其在提升现有产品质量和创造新产品方面发挥的积极效应也日益凸显，新产品多元化需求的增加能够创造大量的就业需求（Harrison等，2014）。第三，数字技术发展对就业的影响具有不确定性。Graetz和Michaels（2015）基于17个国家1993-2017年的面板数据进行实证研究发现，智能技术应用（如工业机器人）并没有对各个国家总体就业水平产生显著的影响。戚聿东等（2020）指出，智能技术应用会减少低技能型或传统物质资本劳动者的需求，而增加高技能型劳动者的需求，进而调整社会就业结构。纵观上述研究文献，主要存在以下不足：一是大部分研究仅从宏观层面揭示人工智能等数字技术对就业和劳动市场的影响，而缺乏基于微观企业层面的更为精准的分析；二是现有研究未能很好地揭示数字化技术应用影响企业就业吸纳能力、就业结构的具体内在渠道，以及对于不同类型企业、行业和地区的影响差异性的研究仍然不足。

本文基于企业数字化转型的现实战略决策，聚焦企业就业吸纳能力角度进行分析，旨在探究数字化转型对企业就业吸纳效应的影响。与既有研究相比，本文可能的边际贡献主要在两个方面：第一，有别于现有研究聚焦宏观数据层面的分析，本文运用微观数据探讨了企业数字化转型对就业吸纳能力和企业劳动聘用结构的影响，丰富了人力资本微观领域的研究成果，有效阐释了数字经济发展所产生的就业创造效应和就业替代效应。第二，本文从创新溢出效应与生产率提升效应的角度，对企业数字化转型影响就业的理论机制进行了细致探析，并且对不同类型企业、不同技术偏向行业以及地区特征而引起的影响异质性进行了检验，拓展了企业数字化转型所带来经济影响的研究，为政府部门制定就业政策以及劳动者顺应未来就业市场趋势提供了经验证据。

二、理论分析与研究假设

企业数字化转型是指企业利用数字技术推动其业务流程和生产方式的数字化重组与变革，最终实现运营成本降低和经济效率提高的转型升级过程，这不仅是企业内部技术的创新与颠覆，更是企业内部人员结构和组织架构重塑的“生态系统”优化过程（陈冬梅等，2020）。根据“技术—经济”范式理论，革命性的技术进步在经济社会中的持续扩散，会诱发经济社会体系的重大调整，从而形成与该技术变革相适应且相对稳定的新经济发展范式（Perez和Carlota，1983）。劳动力市场结构与企业商业模式的重塑是“技术—经济”范式的重要“组件”，在数字经济范式中，由企业引领的数字技术创新应用推动了我国劳动力市场在就业载体、就业平台和就业技能要求等方面的质变和量变。

第一，企业数字化转型带来的生产效率提升，通过价格效应与收入效应实现社会就业创造。从价格效应看，企业数字化转型导致生产效率提高，产品的生产成本和价格也随之下降，这将吸引更多的消费者购买（即市场需求增加），从而带动产业规模的扩大，激励企业创造更加多元化的新产品并提升现有产品的质量，进一步增加产业内的劳动力需求。从收入效应看，数字化转型有助于企业实现更高水平的产出与利润创造，员工的实际收入水平和消费者福利也会进一步提高，从而激发劳动者的消费需求，企业为了满足新增需求将进一步扩大生产规模和劳动力聘用规模，进而创造更多新的就业机会（Aghion和 Howitt，1994）。

第二，企业数字化转型能够推动产品和部门创新，促进劳动力聘用规模增长。一方面，企业为了实现数字化转型战略的既定目标，普遍会加大研发投入，更多地表现为对聘用高技能型研发劳动力的投入增长（即数字化转型的研发管理投入增加），加快了企业技术进步和迭代创新的步伐。新产品研发又会引致大量的市场需求，这种创新层面的“投入—产出”优化不仅有利于企业向社会释放高发展潜力的积极信号（Hoenig和Henkel，2015；孙献贞，2023），还能够创造出更多的社会就业岗位（Harrison等，2014）。另一方面，企业数字化转型作为数字经济与实体经济深度融合的一种崭新商业模式，增强了企业研发创新服务方面的劳动力需求，而且新业态、新模式也能够创造出更加多样化的就业岗位，特别是在管理与运营方面对高技能型人才的需求量更大。

第三，企业数字化转型借助技术扩散的补偿机制实现就业创造。一方面，虽然企业数字化转型对从事重复性的低技能型劳动力产生替代效应，但是也会驱使企业加强对现有员工的数字化培训，推动其他部门的劳动力需求增加，特别是对那些具有数字化知识溢出效应的高技能型劳动力需求将会增加（丛屹和闫苗苗，2022）。上述转变也将推动劳动力从传统部门流向新兴部门以及劳动力结构优化部门。另一方面，企业作为产业链上的微观节点，数字化转型强化了企业之间的网络联结关系，当某个企业或者某个行业的数字化转型实现创新时，由于数字经济的融合性特征，某个就业岗位的需求扩张会带动上下游关联企业以及产业的就业岗位增加，从而形成更大范围的就业创造效应（胡拥军和关乐宁，2022）。

基于以上分析，提出以下研究假设：

假设H：企业数字化转型能够显著提升企业的就业吸纳能力。

三、研究设计

（一）模型构建

为检验数字化转型对企业就业吸纳能力的影响，建构如下模型（1）对其直接影响效应进行识别：

其中：下标i、j、t分别代表企业、城市、时间，employeei,t+1表示企业劳动聘用规模，digiti,t表示企业数字化转型水平，Xi,y,t表示控制变量，Yeart表示年份固定效应，Firmi表示企业个体固定效应，μi,t为随机扰动项。在实证分析中，为了降低不可观测因素的影响，同时控制了时间和企业固定效应，所有变量均采用经企业层面Cluster聚类稳健标准误调整的t统计量。此外，为了适度缓解内生性问题，对所有被解释变量采取前置一期处理。

（二）变量定义

1.被解释变量

企业劳动聘用规模（employee），用企业在职人数的自然对数来表示。

2.解释变量

企业数字化转型水平（digit）。借鉴申明浩和谭伟杰（2023）的研究思路，首先根据与数字经济发展相关的规划方案、重要新闻、会议以及近年《政府工作报告》，通过Python爬虫处理与JavaPDFbox建立一个较为完整的数字化词典，整理、归纳出数字化转型的特征关键词图谱；其次，结合企业年报能够真实反映企业经营战略与高管决策的特点，从国家政策语义视角捕捉和理解实体经济数字化变革本质，再运用上述关键词对企业年报进行文本分析，得到关键词词频；最后，对企业数字化转型水平进行如下计算：

其中：edt_numi,t表示i企业t年的年度报告中披露的数字化关键词keywords_digit的词频总数，为保证较小的取值也具有良好的定义，对该指标进行反双曲正弦变换处理；digiti,t表示i企业t年的数字化转型水平。

3.控制变量

为了克服遗漏变量的影响，借鉴王永钦和董雯（2020）的做法，从宏、微观层面设置影响企业劳动聘用的控制变量。其中，企业微观层面的变量包括财务杠杆（lev），用资产负债率表示；盈利能力（roa），用总资产回报率表示；企业规模（size），用总资产的自然对数表示；现金流水平（cash），用经营活动现金流量净额与负债总额之比表示；企业所有权性质（soe），若属于国有企业则赋值为1，否则为0；企业成长性（fix），用固定资产增长率表示；董事会规模（bsize），用董事会人数加1取自然对数表示。宏观层面的变量包括城市产业结构（industry），用第二产业产值与GDP的比值表示；经济发展水平（rgdp）用人均GDP的对数表示；市场化水平（market），用王小鲁等（2017）测算的市场化指数来衡量。

（三）数据来源与变量描述性统计

本文以2007-2020年为研究区间，以沪深两市A股上市公司为样本开展实证检验，原始数据主要来自中国问题研究数据库（CNRDS）、国泰安数据库（CSMAR）和万德数据库（Wind）。对研究数据进行了如下处理：①为了克服极端值对回归结果的影响，对模型中所有连续型变量进行了双侧1%水平的缩尾处理；②剔除非正常交易（ST、ST*以及PT）的研究样本；③剔除主要研究数据缺失严重的样本数据。最终，得到包含2436家上市公司的32300个观测值。

本文主要变量的定义及描述性统计结果见表1。其中，被解释变量企业劳动聘用（employee）的最大值和最小值分别为4.0073和11.2967，标准差为1.3210，说明不同企业的劳动聘用水平和就业创造效应具有明显的差异。核心解释变量企业数字化转型（digit）的最大值为6.8669，最小值为0，平均值为1.1605，这表明企业间数字化转型水平的差距较大，数字化“鸿沟”和“马太效应”问题较为突出。其他宏、微观控制变量也存在着不同程度的差异，与现有文献的分析基本一致。

表1 变量描述性统计

四、实证分析

（一）基准回归分析

表2报告了数字化转型影响企业劳动聘用的基准线性回归结果。第（1）列是单变量检验结果，核心解释变量企业数字化转型（digit）的系数在1%显著性水平下显著为正，与预期结论一致。第（2）列是在此基础上，加入一系列相关控制变量的估计结果，企业数字化转型（digit）的系数为0.0636，依然在1%显著性水平下显著为正。第（3）—（5）列是分别控制企业个体和年份固定效应的回归结果，可以发现，在加入一系列相关控制变量的基础上，分别控制时间和企业固定效应后，企业数字化转型（digit）的估计系数有所降低，说明部分不随时间改变的宏微观特征变量是影响企业劳动聘用的遗漏变量，在控制由此引发的内生性问题后，核心解释变量仍为正且保持高度显著。以第（5）列为例，在同时控制“时间和企业固定效应”以及相关特征变量后，数字化转型影响企业劳动聘用的估计系数为0.0170，并在1%显著性水平下保持显著。这表明，数字化转型的深化显著扩大了企业的员工规模，使得企业能够提供更多的就业岗位。在控制变量方面，企业规模（size）、董事会规模（bsize）、财务杠杆（lev）和市场化水平（market）的系数显著为正，说明企业资产总值、企业决策层、资产负债率和当地经营环境的优化都有助于提升企业的就业吸附能力。而盈利能力（roa）和固定资产增长率（fix）的系数显著为负，说明高盈利能力的企业可能存在资本替代劳动力的现象。

表2 基准回归结果

（二）内生性问题

1.工具变量法

内生性问题是前述研究结论可能面临的问题。一方面，企业数字化转型水平的提高能够显著促进企业技术进步，产生创新溢出效应，从而增加劳动资本投入，扩大生产规模，创造更多的就业岗位；另一方面，随着企业员工规模的扩大，数字化情境下人力资本的提高将使得知识共享更加畅通，倒逼企业通过数字化转型来寻求高质量发展的机遇。为了缓解反向因果的内生性问题，分别选取两个工具变量进行检验。第一个工具变量是1984年各城市每万人固定电话数量与滞后一期的全国互联网网民数量组成的交互项（黄群慧等，2019）。选取该工具变量的理由在于：一是通信基础设施对当地民众的通信使用技术以及生活习惯偏好产生深刻影响，并且随着互联网的发展进而影响当地企业对互联网信息技术的应用与接受程度，满足相关性条件；二是随着通信技术的发展，固定电话用户数量也随之下降，历史上各地区固定电话数量难以精确地反映当前企业员工人数，满足外生性条件。第二个工具变量是清朝时期的城墙面积与汇率组成的交互项。选取该工具变量的理由在于：一是清朝时期城墙面积越大，说明城市人口规模越大，地方政府能获取的税收越多，地方政府用于传统和现代信息基础设施建设的资金越宽裕，城市的集聚经济所带来的产业发展、资本积累和人力资本等优势，能够促进后续信息网络技术的发展与应用（程开明，2009），满足相关性条件。二是历史变量自身的特殊性决定了它本身与企业劳动聘用之间的联系十分微弱，满足外生性条件。

表3第（1）和（2）列分别报告了上述两个工具变量第二阶段的回归结果。K-P、rk、LM统计量均在1%显著性水平下显著，拒绝工具变量识别不足的原假设；C-D Wald检验的结果则拒绝了弱工具变量的原假设，表明工具变量是合理、可靠的。表3第（1）和（2）列结果显示，digit的估计系数均在5%显著性水平下显著为正，表明本文的基本结论仍然成立。

表3 内生性考量

2.多期双重差分模型

为了更加稳健地评估数字化转型能否促进企业劳动聘用，以国家级大数据综合试验区试点建设作为外生政策冲击变量，以多期双重差分方法检验这一现实问题。选取此变量的理由在于：一方面，“信息基础设施提升工程”是大数据综合试验区的主要工程之一，新型信息基础设施的完善不仅深化了数据要素的挖掘和应用，还促进了现代通信技术的发展，赋能数字经济快速发展。另一方面，企业数字化的深层次发展能够进一步挖掘和发挥数据要素的效率倍增效应，而此过程离不开完善的信息基础设施作为支撑，现代通信技术和服务质量的提升都依赖于新型基础设施的建设。本文设定如下双重差分模型（4）进行检验：

其中：dui代表分组虚拟标量，若企业所在城市属于处理组，对应的dui取值为1，否则为对照组取值为0；dut代表政策实施虚拟标量，政策实施之前dut取值为0，政策实施之后dut取值为1①考虑到贵州省于2015年9月开始相应的试点建设工作，本文将贵州省所辖地级市的政策节点设定为2015年，而其他试验区城市的政策节点设定为2016年。;其余变量均与基准回归保持一致。由于平行趋势假设是双重差分（DID）方法的重要前提假设，表3第（3）列的结果显示，试点政策实施前实验组与对照组企业的劳动聘用没有显著差异，表明该试点政策基本通过了平行趋势假设。第（4）列显示了试验区试点建设影响企业劳动聘用的估计结果，可以发现Bigdata的估计系数为0.0672且在1%显著性水平下显著，表明大数据试验区的设立促进了企业劳动聘用，再次印证本文的核心结论稳健、可靠。

3.安慰剂检验

为了克服部分非观测因素（如地域特征）的干扰，采用安慰剂检验法排除可能的非观测地域因素对本文估计结果的影响。具体而言，将企业五个维度的数字化词频进行随机打乱，重新生成企业数字化转型变量进行回归检验。经检验，核心解释变量的系数均不再显著，这表明其他非观测地域特征并未对估计结果产生影响，本文基本结论是稳健的②受文章篇幅限制，结果在此处未展示，如有需求请联系作者。。

（三）稳健性检验

1.更替核心变量

（1）解释变量的替代变量。为了保证数字化转型指标的度量质量，分别采用三种替代变量：①数字化转型词频总数与年报中“管理层讨论与分析”部分的语段长度之比（并乘以100，digit1）。②与数字化转型相关的无形资产与无形资产总额的比值（digit2）。③经行业动态调整的企业数字化转型指标（adj_edt）。根据表4第（1）至（3）列列示的结果可知，本文核心结论是稳健可靠的。

表4 稳健性检验结果（一）

（2）被解释变量的替代测量。为了更加稳健地检验相关结论对被解释变量的敏感性，重新定义企业劳动聘用，借鉴余明桂等（2022）的做法，以企业劳动聘用增长率（labor）作为代理变量，并重新进行回归检验。根据表4第（4）列的结果可知，数字化转型显著提高了企业吸纳就业的能力，表明本文主要结论具有可靠性。

2.排除部分政策因素干扰

由于在研究期间内，政府推出了不少与就业相关的经济政策（如 “四万亿元”经济刺激计划、“营改增”政策和固定资产加速折旧政策等），这些政策对企业面临的内外部融资约束以及现金流安排等产生了重要的影响，从而有可能对企业的劳动聘用行为产生影响。为了排除上述政策的可能性解释干扰，引入相关政策变量进行检验：①借鉴Cui等（2018）的研究方法，构建是否受“四万亿元”经济刺激计划冲击的虚拟变量economy（当年份为2010年与2011年时则赋值为1，反之为0）。②借鉴张克中等（2020）的做法，剔除受“营改增”政策冲击最大的服务业样本重新进行检验。③排除2014年固定资产加速折旧政策的干扰，设置虚拟变量asset（如果企业当年受到该政策影响则赋值为1，否则为0）。表4第（5）至（7）列分别汇报了上述检验结果，均表明本文结论稳健、可靠。

3.更替模型

在前文的基准分析中，采用线性回归对主要结论进行验证。为更加稳健地检验数字化转型与企业劳动聘用的关系，尽可能地消除行业发展周期和产业政策等因素对本文回归结果的影响，此处采用控制“行业×年度”的高阶联合固定效应模型进行稳健性检验。表5第（1）列显示的估计结果，表明数字化转型有助于促进企业劳动聘用。

表5 稳健性检验结果（二）

4.考虑其他若干影响因素

第一，考虑到直辖市（北京、上海、天津和重庆）的经济与行政上的特殊性，故剔除四个直辖市的样本企业重新进行回归检验。第二，考虑企业策略性信息披露行为：①剔除digit为0的样本重新进行检验；②剔除创业板上市公司样本重新进行检验；③剔除样本期内受过证监会处罚的样本。表5第（2）至（5）列分别汇报了考虑上述影响因素的检验结果，可以发现digit的系数均为正且保持高度显著，证明了本文基本结论稳健，即数字化转型提升了企业创造就业的能力。

五、进一步分析

（一）影响机制检验

前文理论分析表明，数字化转型带来的技术创新效应和生产率效应能够显著提升企业的就业吸纳能力。对此，建立如下回归方程进行机制检验分析：

其中：Mi,t+1分别指企业研发投入、创新产出和生产效率指标。借鉴现有研究的做法（王永进等，2107），采用企业研究开发投入金额（R&D）和专利申请总量（innov）作为企业创新层面的投入、产出绩效，二者均取自然对数处理。借鉴Levinsohno 和 Petrin（2003）的方法，引入企业全要素生产率（tfp）来衡量企业生产效率。其余变量均与基准回归保持一致。

首先，将研究视角聚焦于企业创新层面“投入—产出”绩效的机制。从表6第（1）和（2）列的回归结果可以发现，digit的估计系数分别为0.0170和0.0272，且至少在5%显著性水平下显著，说明企业数字化转型能够显著增进企业创新绩效。原因可能是数字化转型缓解了信息不对称问题，帮助企业更准确地将财务数据和经营状况等信息传递给银行机构，有效规避企业的道德风险问题，提高企业获取外部信贷资源的可得性，进而促进企业增加研发投入和创新产出。一方面，高水平的研发投入和创新产出帮助企业开发出更多、更有竞争力的新产品和服务（叶胥等，2021），新产品和服务的推出可能会吸引更多的客户，从而促使企业扩大生产规模以满足市场需求，进而增加对劳动力的需求。另一方面，创新产出的增加帮助企业获得更大的市场份额（尹志锋等，2023）。随着市场份额的扩大，企业可能需要增加产能，以满足不断增长的市场需求，从而增加就业吸附能力。

表6 影响机制检验结果

然后将研究视角转向企业生产效率机制。从表6第（3）列的实证结果可知，digit对企业生产效率的估计系数为0.0174，并在1%显著性水平下显著，这说明在有限的资源约束边界下，企业数字化转型中的实体项目投资能够显著提高企业的全要素生产率，降低企业“脱实向虚”的风险，从而创造更多的就业。一方面，全要素生产率提高意味着企业能够以更少的资源和成本生产更多的产品或提供更多的服务，这可能导致企业的产能扩大，需要聘用更多的劳动力来满足增加的生产需求（赵宸宇，2023）。另一方面，生产效率提高可能导致企业内部劳动力的分工和组织结构的调整，创造出新的岗位，进一步增加对劳动力的需求（胡拥军和关乐宁，2022）。

（二）异质性分析

1.企业成长性异质性检验

根据企业生命周期理论，成长性较高的企业普遍处于快速发展阶段，具有较强的规模扩张需求（Miller 和 Friesen，1980）。短时间内能够实现显著增长的企业，通常具有较高的市场敏感性和战略洞察力，当该类型的企业捕捉到行业数字化发展趋势时，会迅速聘用相关的数字化人才，把握先发优势，提高市场竞争力争夺市场份额，因此这类型企业在数字化转型过程中所产生的就业吸纳效应应该更为明显。鉴于此，本文拟进一步考察企业成长性如何影响数字化转型与企业劳动聘用水平之间的关系，以企业营业收入增长率来刻画企业成长性的方法，同时设置虚拟变量FIX（如果营业收入增长率高于样本中位数则取值为1，否则为0），并引入基准模型进行重新检验。根据表7第（1）列的结果可知，digit×FIX的影响系数在1%显著性水平下保持正值，说明企业成长性越高，数字化转型对企业就业吸纳能力的提升作用就越明显。

表7 基于企业成长性的异质性检验结果

数字化转型为企业发展带来新的发展机遇，率先进行数字化转型的企业依靠以往积累的知识与技术，对自身商业模式进行变革，为吸纳社会就业贡献了力量，在一定程度上呈现出发展绩效的“先发优势”。然而，由于数字化信息知识存在较为明显的外溢性与共享性，后发企业的数字化信息追赶也更为容易（Mitrović ，2020）。鉴于此，本文期望探讨企业数字化转型的就业吸纳效应是否与后发优势相关。根据企业数字化转型战略行为设置虚拟变量year5和year8（如果企业数字化转型持续了5年及以上则year5取值为1，反之为0；year8的定义同理），并分别引入基准模型进行重新检验。根据表7第（2）和（3）列的估计结果可以发现，企业数字化转型对员工规模的正向促进效应与后发优势相关，后发企业的数字化转型对企业就业吸纳能力提升的边际效应更大。原因可能是在数字化高速发展过程中，率先进行数字化转型的企业不一定比后发企业具有更多的技术积累和成本优势，反而可能由于长期处于技术更迭与融合过程而相对缺乏灵活性，并且因为技术更新而对就业吸纳产生一定的负面影响。

2.要素密集度异质性检验

企业劳动密集度会深刻影响企业的就业吸纳能力。特别是对于劳动密集型企业而言，由于其对创新技术和设备等的依赖性较低，这类型企业增加劳动聘用的潜在需求也往往更大，因此人力资本的投入和配置效率是其保障产出规模的重要因素（曲玥，2020）。鉴于此，本文将分别从企业和行业两个维度考察要素密集度如何影响数字化转型与企业就业吸纳能力的关系。一方面，按照行业的要素密集度情况将全样本划分为劳动密集型行业与资本密集型行业子样本，并重新进行回归检验。另一方面，借鉴李磊和盛斌（2019）的研究方法，使用固定资产净值与员工人数的自然对数的比值衡量企业要素密集度，并以该指标中位数作为划分标准进行细分样本检验（如果企业要素密集度高于中位数则为资本密集型企业，否则为劳动密集型企业）。表8第（1）至（4）列的回归结果显示，在劳动密集型行业和企业中，企业数字化转型（digit）的估计系数在1%显著性水平下显著为正；相反，在资本密集型行业和企业中，digit的系数则不显著。此外，SUE系数差异检验结果显示不同组别间的估计系数差异在1%显著性水平下显著。这表明，相较于资本密集型行业而言，数字化转型对企业就业吸纳能力的提升作用主要体现在劳动密集型行业企业中，可能的原因是对于非劳动密集型企业而言，资本投入与技术进步在其生产经营规模扩大过程中产生的边际效应更大；而当数字化转型的资源效应使得企业的劳动聘用资金得到有效保障时，劳动密集型企业积累人力资本的需求便会更大。

表8 基于要素密集度的异质性检验结果

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.地区数字金融发展与人才资源供给异质性检验

现有研究指出，企业外部信贷资源的可得性取决于地区金融发展水平或者信贷融资市场的发展水平，如果地区金融发展较好，企业的融资需求越容易得到满足，从而扩大生产规模的动机也更为强烈，进而提升企业的劳动聘用水平（Pagano和 Pica，2012）。那么，数字金融作为数字经济时代的新兴金融业态，能否与企业数字化转型的资源效应形成高效匹配，共同促进企业就业吸收能力的提升呢？基于此，依据数字金融指数的中位数对全样本进行细分检验。表9第（1）和（2）列的回归结果显示，在数字金融发展水平较高的地区中，企业数字化转型（digit）的估计系数在1%显著性水平下显著为正；相反，在数字金融发展水平较低的地区中，digit的系数则不显著。此外，SUE系数差异检验结果显示不同组别间的估计系数差异在1%显著性水平下显著。这表明，数字化转型对企业就业吸纳能力的提升作用主要体现在数字金融发展程度较高的地区。

表9 基于地区数字金融和教育人才供给的异质性检验结果

理论上，区域人才供给状况的改善能够满足企业对于人才资源的需求，从而扩大生产规模并且增加就业岗位。鉴于此，基于各地区的高校数量进一步探讨企业数字化转型的就业创造效应是否因区域人才资源供给状况的不同而呈现差异化效果。具体而言，依据公司所在省份高校数量的中位数作为样本划分依据，并进行分组检验。表9第（3）和（4）列的回归结果表明，数字化转型对企业就业吸纳能力的提升作用主要体现在高校数量较多的地区，而在高校数量较少地区的作用不明显。可能的原因是对处于人才资源供给相对充裕地区的企业而言，人才资源不足的困境会影响到企业数字化转型的进程，生产规模与效率不能得到有效提升，使得其就业创造效应并不明显。

（三）经济后果分析

前文的实证研究表明数字化转型提升了企业的就业吸纳能力，并且在不同企业、行业和地区中表现出明显的异质性。然而，随着企业数字化转型的不断深化，企业的员工聘用结构是否也会发生变化呢？基于此，接下来围绕上述问题进行进一步探讨。

为了考察企业数字化转型对自身劳动聘用结构的影响，依据企业雇员学历以及职位结构（即各类别员工数量与企业员工总数的比值）进行分类讨论，检验数字化转型对不同类型员工聘用的影响，表10第（1）至（8）列显示了上述分组结果。其中，第（1）至（4）列的结果显示，企业数字化转型显著增加了高学历（本科和研究生）员工的劳动聘用。第（5）至（8）列的结果显示，企业数字化转型同时提高了企业在生产、销售和技术等流程环节的就业吸纳能力。上述结果表明，随着企业数字化转型的推进，企业人员聘用结构在员工学历分布和生产经营各环节分布上都发生了重大而深刻的变化。

表10 数字化转型与企业劳动聘用结构

六、研究结论与启示

本文基于2007—2020年沪深两市A股上市公司的微观数据，利用Python爬虫技术对企业年度报告进行文本分析，基于数字化词频占比和无形资产数据等多个数据集测度企业数字化水平，实证检验企业数字化转型对其就业吸纳能力的影响以及作用机理。研究结果表明：第一，数字化转型能够显著提升企业的就业吸纳能力，并且该结论在以历史上的清朝城墙数据等作为工具变量和国家级大数据试验区建设作为准自然实验等一系列稳健性检验后仍然成立。第二，机制分析表明，技术创新效应和生产效率效应是数字化转型影响企业就业吸纳能力的核心作用机制，具体而言，企业数字化转型水平的提高，一方面促进企业创新层面的“投入—产出”绩效提高，另一方面有助于提高企业的生产效率，两个方面的效应都扩大了企业的劳动力聘用需求。第三，异质性分析表明，高成长性企业、劳动密集型企业、处在数字金融发展较好以及人才资源供给较丰富地区企业数字化转型的就业创造效应更加显著。此外，进一步研究发现，数字化转型促进了企业员工聘用结构的升级和优化。

上述研究结论的启示：第一，顺应企业数字化转型的浪潮并充分把握机遇，优化就业支持政策以促使企业数字化转型红利惠及更多劳动者。研究发现企业数字化转型能够提高企业劳动聘用水平，但短期内可能会挤占低技能、常规性工作岗位劳动者的就业机会。对此，一方面可通过失业补贴、再就业培训等方式保障低技能劳动者的权益、增强再就业能力，同时加大对劳动力市场的监管力度，切实帮助中小微企业改善经营管理、稳定就业岗位，在“做大蛋糕”的同时“分好蛋糕”。另一方面，积极鼓励和帮助企业推进数字化转型，发挥好数字化转型对多层次就业的正向促进作用，实现就业的稳定和扩大。第二，加大对职业技能培训的支持力度，尤其是加强对失业人群的再就业辅导，引导劳动力更好地融入数字经济从而实现高质量就业。现阶段应当高度重视和加强易被数字技术替代的常规性岗位劳动者的技能培训，减缓数字技术应用所导致的技术性失业问题。第三，提高数字技术基础研发创新能力，协同攻坚核心技术以加速数字经济成熟发展，健全数字化转型促进就业的正向循环机制。在推动数字化转型发展过程中，应当结合各地区数字金融和人才资源供给现状，制定有针对性的政策措施以激励企业技术创新和提质增效，为稳就业提供配套政策保障。短期内数字技术凭借其优势可能会替代部分劳动岗位，但是长期来看数字化转型的就业创造效应大于就业替代效应，为此，应当顺应数字化趋势，拓展劳动者的工作任务范围，提升劳动者的不可替代性。