摘 要：本文采用2013-2020年中國省級面板數(shù)據(jù)，從數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩個維度衡量數(shù)字經(jīng)濟發(fā)展水平，基于空間杜賓模型實證檢驗數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)產(chǎn)生的影響及其空間溢出效應，并進行異質(zhì)性分析。結(jié)果顯示：首先，數(shù)字經(jīng)濟的發(fā)展表現(xiàn)出空間自相關(guān)性，隨著時間的推移，數(shù)字經(jīng)濟的空間相關(guān)性在達到峰值后逐漸減弱；其次，考慮空間效應前后，數(shù)字經(jīng)濟的發(fā)展均對就業(yè)結(jié)構(gòu)產(chǎn)生了正向影響，促進就業(yè)結(jié)構(gòu)的優(yōu)化，且存在空間溢出效應；最后，通過對地區(qū)異質(zhì)性的研究發(fā)現(xiàn)，數(shù)字經(jīng)濟對東部地區(qū)就業(yè)結(jié)構(gòu)有著明顯的正向優(yōu)化作用，而中西部地區(qū)的優(yōu)化作用并不明顯；進一步分析產(chǎn)業(yè)異質(zhì)性發(fā)現(xiàn)，數(shù)字化技術(shù)對不同產(chǎn)業(yè)就業(yè)結(jié)構(gòu)存在溢出效應，推動了勞動力資源向第二、三產(chǎn)業(yè)聚集，同時數(shù)字經(jīng)濟通過產(chǎn)業(yè)結(jié)構(gòu)升級的渠道促進就業(yè)結(jié)構(gòu)的優(yōu)化。

關(guān)鍵詞：數(shù)字經(jīng)濟；就業(yè)結(jié)構(gòu)；空間效應

中圖分類號： F249.2 文獻標志碼： A 文章編號：1672-0539（2023）01-0070-12

一、引言

數(shù)字經(jīng)濟是伴隨著數(shù)字技術(shù)革命和產(chǎn)業(yè)革命應運而生的?！丁笆奈濉币?guī)劃和2035年遠景目標綱要》中指出，要推動數(shù)字經(jīng)濟和實體經(jīng)濟的深度融合。近些年來，各級地方政府出臺數(shù)字經(jīng)濟相關(guān)政策，加快推動數(shù)字經(jīng)濟的快速發(fā)展。就業(yè)問題一直以來都是社會關(guān)注的熱點問題，同時也是政府高度重視的問題之一。2019年政府工作報告首次將就業(yè)政策納入宏觀政策層面。在第十三屆全國人民代表大會第五次會議上，李克強總理指出，要加強宏觀政策的執(zhí)行力度，就業(yè)優(yōu)先也是一項宏觀政策，要實現(xiàn)就業(yè)目標，需要相應政策的配套實施。數(shù)字經(jīng)濟的快速發(fā)展，進一步增強了就業(yè)能力。2020年我國數(shù)字經(jīng)濟依然表現(xiàn)出較快的增長速度，其中數(shù)字經(jīng)濟規(guī)模達39.2萬億元，GDP占比38.6%，呈現(xiàn)雙“39”態(tài)勢。同時，各地數(shù)字經(jīng)濟保持蓬勃的發(fā)展態(tài)勢，廣東、江蘇、山東等13個省市的數(shù)字經(jīng)濟規(guī)模超過1萬億元。數(shù)字經(jīng)濟的蓬勃發(fā)展，增強了就業(yè)的靈活性，催生了新的就業(yè)形態(tài)，進一步推動了就業(yè)結(jié)構(gòu)的深刻變革。2018年，我國在數(shù)字經(jīng)濟領(lǐng)域的就業(yè)人數(shù)達1.91億，同比增速明顯高于同期全國就業(yè)規(guī)模增速，在三大產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型就業(yè)中（1），第三產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型就業(yè)人數(shù)約1.34億，占比增長約4個百分點，提升速度最快（2）。數(shù)字經(jīng)濟的快速發(fā)展帶來了大量的就業(yè)機會，進一步促進了就業(yè)崗位的穩(wěn)步增加。

數(shù)字技術(shù)的不斷成熟促進了數(shù)字經(jīng)濟的快速發(fā)展，具體測算數(shù)字經(jīng)濟發(fā)展水平的方法也在學術(shù)界引起了廣泛的討論，但由于各國數(shù)字經(jīng)濟發(fā)展程度不同，對數(shù)字經(jīng)濟的衡量方法尚未有統(tǒng)一的標準。數(shù)字經(jīng)濟的發(fā)展不僅提高了社會生產(chǎn)力，而且提高了第三產(chǎn)業(yè)的比重，從而對產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整產(chǎn)生一定的影響，進而影響第三產(chǎn)業(yè)中的制造業(yè)、服務(wù)業(yè)等行業(yè)。產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與就業(yè)結(jié)構(gòu)的變化緊密相關(guān)，第三產(chǎn)業(yè)比重的提升帶來大量服務(wù)型就業(yè)崗位，使得不同產(chǎn)業(yè)就業(yè)人員數(shù)量發(fā)生變化，由此導致勞動市場上的就業(yè)數(shù)量問題轉(zhuǎn)向就業(yè)結(jié)構(gòu)問題，就業(yè)結(jié)構(gòu)的優(yōu)化成為主要矛盾問題。目前學術(shù)界對數(shù)字經(jīng)濟的研究主要聚焦于數(shù)字經(jīng)濟發(fā)展水平的測算，以數(shù)字經(jīng)濟對產(chǎn)業(yè)結(jié)構(gòu)的影響為切入點，深入分析其對就業(yè)結(jié)構(gòu)的影響，對不同層面就業(yè)結(jié)構(gòu)進行橫向研究和分析，研究視角主要以數(shù)字經(jīng)濟的直接影響為出發(fā)點，而對于數(shù)字經(jīng)濟在空間上所產(chǎn)生的外溢性影響鮮有文獻進行考察研究。鑒于此，本文從空間視角研究數(shù)字經(jīng)濟的規(guī)律和差異，并探討其對就業(yè)結(jié)構(gòu)的空間性影響。

二、文獻綜述

（一）數(shù)字經(jīng)濟對就業(yè)的影響

國外學者對數(shù)字經(jīng)濟對就業(yè)影響的研究非常豐富。Autor（2015）認為，數(shù)字技術(shù)的進步促進了生產(chǎn)力的提高，不斷增加了對高技能勞動力的需求，進一步提高了整體收入水平[1]。Acemoglu和Restrepo（2018）認為，低技能勞動者在較長的時期內(nèi)，可以通過不斷學習的方式來提高自身的技能，以此增加就業(yè)機會的同時更能提高勞動報酬[2]。Goos等（2009）在研究中發(fā)現(xiàn)，在美國和歐洲多個國家，自動化和智能化生產(chǎn)對這些地區(qū)造成了不同程度的就業(yè)兩極分化現(xiàn)象，即高、低技能工人的就業(yè)崗位和工資呈現(xiàn)出逐漸增加的趨勢，而中等技能工人則與之相反[3]。Lordan和Neumark（2018）認為數(shù)字技術(shù)進步對不同的技能工作者存在篩選分組的作用，相對優(yōu)先替代低技能的工作，進而降低了對低技能工人的需求，同時，企業(yè)不斷加強技術(shù)創(chuàng)新能力，進而對高技能勞動力的需求將顯著增加[4]。國外學者的研究視角主要聚焦于就業(yè)技能層面，以勞動報酬和就業(yè)崗位作為衡量目標，分析數(shù)字經(jīng)濟的發(fā)展和進步對不同就業(yè)技能勞動力的影響。

對于數(shù)字經(jīng)濟和就業(yè)之間的關(guān)系問題，國內(nèi)學者的研究尚未有統(tǒng)一結(jié)論。國內(nèi)學者的研究主要集中在數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)和就業(yè)質(zhì)量兩個方面的影響。對就業(yè)結(jié)構(gòu)的影響方面，有些學者認為數(shù)字經(jīng)濟促進了就業(yè)，丁琳、王會娟（2019）以世界投入產(chǎn)出數(shù)據(jù)庫中多個國家的投入產(chǎn)出數(shù)據(jù)為基礎(chǔ)，進行實證檢驗，得出互聯(lián)網(wǎng)技術(shù)進步表現(xiàn)出長期促進整體就業(yè)的局勢，其中對第三產(chǎn)業(yè)的促進作用最為明顯[5]。王文（2020）采用中國省際面板數(shù)據(jù)進行研究，結(jié)果顯示工業(yè)智能化顯著降低了制造業(yè)就業(yè)，促進了服務(wù)業(yè)就業(yè)[6]。葉胥等（2021）利用中國省際面板數(shù)據(jù)，將就業(yè)結(jié)構(gòu)縱向展開，從產(chǎn)業(yè)、行業(yè)、技能三個層面分析數(shù)字經(jīng)濟對其分別產(chǎn)生的影響。研究表明，數(shù)字經(jīng)濟的發(fā)展促使就業(yè)結(jié)構(gòu)發(fā)生一定的變化，向制造化、高技術(shù)化和高技能化方向轉(zhuǎn)變[7]。但有部分學者認為，數(shù)字經(jīng)濟對就業(yè)產(chǎn)生了抑制作用。謝絢麗、沈艷等（2018）認為，在創(chuàng)業(yè)行為上，數(shù)字經(jīng)濟對農(nóng)村居民產(chǎn)生正向的顯著影響，而對城鎮(zhèn)居民則產(chǎn)生與之相反的負向作用[8]。宋旭光等（2019）在研究中發(fā)現(xiàn)，人工智能的發(fā)展提升了勞動生產(chǎn)率，替代了部分就業(yè)崗位，對勞動力的需求也相應減少，進而對就業(yè)產(chǎn)生替代效應[9]。同時，楊驍?shù)龋?020）采用中國勞動力動態(tài)調(diào)查數(shù)據(jù)庫中的微觀數(shù)據(jù)，不僅從理論方面進行解讀，而且進一步從實證角度分析數(shù)字經(jīng)濟對不同行業(yè)從業(yè)者就業(yè)結(jié)構(gòu)的影響及其產(chǎn)生的地區(qū)異質(zhì)性影響[10]。對就業(yè)質(zhì)量的影響方面，戚聿東等（2020）通過構(gòu)建就業(yè)質(zhì)量評價指標體系，以數(shù)字經(jīng)濟的幾個代表性行業(yè)為出發(fā)點，對比分析其對就業(yè)結(jié)構(gòu)優(yōu)化和就業(yè)質(zhì)量的提升作用[11]。何宗樾等（2020）以疫情后的數(shù)字經(jīng)濟發(fā)展為研究背景，分析其對個人就業(yè)決策的影響[12]。此外，近些年學術(shù)界對于不同群體的就業(yè)質(zhì)量進行了大量研究，如羅瑩（2014）基于“985”高校畢業(yè)的本科生數(shù)據(jù)，對就業(yè)能力和就業(yè)質(zhì)量二者間的關(guān)系進行實證分析[13]。汪昕宇等（2016）以某個城市的農(nóng)民工為研究對象，通過建立就業(yè)滿意度模型，對新生代農(nóng)民工的就業(yè)質(zhì)量進行評價分析[14]；盧海陽等（2017）以就業(yè)質(zhì)量為影響因素，基于模型判斷就業(yè)質(zhì)量和社會認知對農(nóng)民工幸福感的影響[15]。

（二）數(shù)字經(jīng)濟對不同層面就業(yè)結(jié)構(gòu)的影響

數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響，學者們從不同層次的就業(yè)結(jié)構(gòu)視角進行了實證研究和分析。首先，基于就業(yè)性別結(jié)構(gòu)的角度，毛宇飛、曾湘泉（2017）利用中國社會調(diào)查數(shù)據(jù)，實證研究互聯(lián)網(wǎng)的使用對就業(yè)性別結(jié)構(gòu)的影響，結(jié)果顯示，互聯(lián)網(wǎng)使用能促進女性總體就業(yè)[16]。部分學者從行業(yè)層面分析數(shù)字經(jīng)濟不同行業(yè)對就業(yè)的影響，李逸飛等（2017）認為服務(wù)業(yè)和制造業(yè)之間會產(chǎn)生相互影響的關(guān)系，進而影響就業(yè)產(chǎn)業(yè)結(jié)構(gòu)[17]，謝萌萌等（2019）以人工智能和制造業(yè)為研究對象，基于中國制造業(yè)的面板數(shù)據(jù)，研究數(shù)字經(jīng)濟對就業(yè)技能結(jié)構(gòu)的影響，由此發(fā)現(xiàn)人工智能的發(fā)展減少了制造業(yè)內(nèi)低技能的潛在就業(yè)機會，從而對低技能就業(yè)結(jié)構(gòu)產(chǎn)生了替代效應[18]；孟祺（2021）基于17個行業(yè)的省際面板數(shù)據(jù)，從行業(yè)就業(yè)結(jié)構(gòu)變動的角度進行研究，發(fā)現(xiàn)不同行業(yè)就業(yè)人數(shù)受到數(shù)字經(jīng)濟不同程度的影響作用，從而促進了行業(yè)就業(yè)結(jié)構(gòu)的轉(zhuǎn)變[19]。

綜上所述，國內(nèi)外對于數(shù)字經(jīng)濟和就業(yè)二者之間關(guān)系的研究內(nèi)容豐富，基于不同的研究視角和研究群體進行實證分析，但由于采用不同的衡量指標對研究對象進行測算，學者們對二者之間的影響關(guān)系得出了不同結(jié)論。同時，已有文獻從數(shù)字經(jīng)濟和就業(yè)結(jié)構(gòu)的多角度進行了研究分析，細化了研究范圍，同時也拓展了研究視角，但基于數(shù)字經(jīng)濟空間溢出效應維度進行研究的文獻較少，這可能導致研究得到的數(shù)字經(jīng)濟對就業(yè)產(chǎn)業(yè)結(jié)構(gòu)的影響產(chǎn)生一定的偏差。鑒于此，本文以空間計量模型為工具，實證分析數(shù)字經(jīng)濟發(fā)展水平對就業(yè)結(jié)構(gòu)的影響。

三、數(shù)字經(jīng)濟發(fā)展水平的度量

（一）數(shù)字經(jīng)濟的測算

國內(nèi)對數(shù)字經(jīng)濟指標的測算尚未有統(tǒng)一的口徑，常見的測算方法大致可分為兩類：一是構(gòu)建數(shù)字經(jīng)濟評價指標體系。比如，由中國信息通信研究院和騰訊研究院分別提出的數(shù)字經(jīng)濟指數(shù)DEI、騰訊“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟指數(shù)，以及2017年由賽迪顧問發(fā)布的中國數(shù)字經(jīng)濟指數(shù)DEDI等；二是構(gòu)建數(shù)字經(jīng)濟衛(wèi)星賬戶。楊仲山等（2019）在總結(jié)國際組織衡量數(shù)字經(jīng)濟發(fā)展水平經(jīng)驗的基礎(chǔ)上，結(jié)合中國數(shù)字經(jīng)濟發(fā)展的現(xiàn)狀，提出構(gòu)建中國數(shù)字經(jīng)濟衛(wèi)星賬戶[20]。許憲春、張美慧（2020）通過不同行業(yè)的數(shù)字經(jīng)濟產(chǎn)業(yè)增加值來測算中國數(shù)字經(jīng)濟，并從國際視角進行對比研究[21]。

（二）數(shù)字經(jīng)濟指標體系

在上述研究方法的基礎(chǔ)上，結(jié)合國家統(tǒng)計局于2021年發(fā)布的《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》（3），最終確定數(shù)字經(jīng)濟發(fā)展指標體系的計算從“數(shù)字產(chǎn)業(yè)化”和“產(chǎn)業(yè)數(shù)字化”兩個方面來進行，由于熵值法具有客觀性，綜合考慮用熵值法進行計算。在借鑒劉釩等（2021）[22]和傅為忠等（2021）[23]的研究基礎(chǔ)上，從數(shù)字融合的規(guī)模、產(chǎn)業(yè)數(shù)字化的投入、產(chǎn)業(yè)數(shù)字化的應用、效益水平和數(shù)字普惠金融五個部分來衡量數(shù)字產(chǎn)業(yè)。其中，數(shù)字普惠金融指標采用“北京大學數(shù)字普惠金融指數(shù)”中的各省份普惠金融指數(shù)，該指數(shù)由北京大學數(shù)字金融研究中心和螞蟻科技集團聯(lián)合課題組編制而成[24]。基于此，數(shù)字經(jīng)濟發(fā)展指標體系的具體構(gòu)建如表1所示。

四、模型設(shè)定、變量及數(shù)據(jù)來源

（一）模型設(shè)定

考慮到數(shù)字經(jīng)濟的發(fā)展存在空間上的知識技術(shù)溢出效應，即本地區(qū)就業(yè)結(jié)構(gòu)的變化不僅會受本地數(shù)字經(jīng)濟發(fā)展的影響，還會受到周邊地區(qū)數(shù)字經(jīng)濟發(fā)展水平的影響。因此，本文選用空間計量模型對樣本數(shù)據(jù)進行研究。

1.模型介紹

（1）空間滯后模型（SAR）

一般形式如式（1）：

Y=α+ρWY+βX+ε（1）

反映被解釋變量在區(qū)域間的空間效應。

（2）空間誤差模型（SEM）

一般形式如式（2）（3）：

Y=α+βX+ε（2）

ε=λWε+μ（3）

反映被解釋變量受到空間誤差的影響。

（3）空間杜賓模型（SDM）

空間杜賓模型同時具有上述兩個模型的特點，不僅加入被解釋變量的滯后項，同時引入解釋變量的滯后項，以研究解釋變量的空間溢出性。一般形式如式（4）：

Y=ρWY+βX+θWX+ε（4）

其中，Y為被解釋變量，X為解釋變量，α為截距，β為解釋變量的系數(shù)，μ為隨機誤差項，ε為殘差項，ρ、λ、θ是空間滯后項的系數(shù)。W為空間權(quán)重矩陣，WX和WY為被解釋變量和解釋變量的空間滯后項。

2.空間權(quán)重矩陣

本文主要選取了三種空間權(quán)重矩陣，分別為鄰接權(quán)重矩陣、地理距離權(quán)重矩陣和經(jīng)濟距離權(quán)重矩陣。

（1）鄰接權(quán)重矩陣：若兩個地區(qū)之間具有共同的邊界則W取值為1，否則為0。

（2）地理距離權(quán)重矩陣：不同區(qū)域間的距離d由每個區(qū)域的經(jīng)緯度計算得出，空間權(quán)重值取距離d的倒數(shù)，即兩個地區(qū)的距離越近，空間權(quán)重值則越大。

（3）經(jīng)濟距離權(quán)重矩陣：首先計算出各地區(qū)歷年人均GDP平均值，取各地區(qū)人均GDP差值絕對值的倒數(shù)作為空間權(quán)重值。

（二）變量的選取

1.數(shù)字經(jīng)濟發(fā)展指標

數(shù)字經(jīng)濟發(fā)展水平的衡量測算從產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化兩個方面選取相關(guān)變量采用熵值法計算得出，選取的具體指標如表1所示，在此不再贅述。

2.就業(yè)結(jié)構(gòu)

就業(yè)結(jié)構(gòu)可以劃分為就業(yè)技能結(jié)構(gòu)、就業(yè)產(chǎn)業(yè)結(jié)構(gòu)、就業(yè)性別結(jié)構(gòu)、就業(yè)區(qū)域結(jié)構(gòu)等，本文研究對象為就業(yè)產(chǎn)業(yè)結(jié)構(gòu)，由于數(shù)字經(jīng)濟的快速發(fā)展，增加了第三產(chǎn)業(yè)勞動人口數(shù)，為了更準確地反映數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響，采用第三產(chǎn)業(yè)就業(yè)量與總就業(yè)量之比對就業(yè)結(jié)構(gòu)進行測算。

3.控制變量

外商企業(yè)投資占比（Finv）通常發(fā)生在資本或技術(shù)密集型企業(yè)，不同技能勞動力就業(yè)水平受其影響可能會呈現(xiàn)出一定的差異性，進一步表現(xiàn)為就業(yè)結(jié)構(gòu)的變化，該變量以外商企業(yè)總投資額占GDP的比重進行衡量；人口老齡化（Old）以老年撫養(yǎng)比進行計算；人力資本水平（Edu）用教育經(jīng)費占GDP的百分比表示；經(jīng)濟發(fā)展水平（GDP）以人均GDP衡量，對其進行對數(shù)化處理。

（三）數(shù)據(jù)來源及描述性分析

本文所選取的數(shù)據(jù)為2013-2020年中國30個省、市、自治區(qū)的面板數(shù)據(jù)，考慮到西藏地區(qū)缺失較多指標數(shù)據(jù)，為了保證指標的完整性和準確性，不將西藏納入研究范圍。對于一些難以獲取的缺失數(shù)據(jù)，采用統(tǒng)計方法進行插補。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《第三產(chǎn)業(yè)統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國電子信息產(chǎn)業(yè)統(tǒng)計年鑒》以及各省統(tǒng)計年鑒。對各變量的統(tǒng)計描述性分析如表2所示。

五、實證分析

（一）基準回歸結(jié)果

本文中基準回歸模型以最小二乘法回歸作為對照，在此基礎(chǔ)上采用面板模型，以此判斷數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)產(chǎn)生何種影響效果。表3中（1）（2）列為混合OLS回歸結(jié)果，分別為未加入控制變量和加入控制變量后的回歸結(jié)果。由模型（1）（2）可知，無論是否加入控制變量，數(shù)字經(jīng)濟發(fā)展水平對就業(yè)結(jié)構(gòu)均表現(xiàn)出顯著為正的影響，初步判斷數(shù)字經(jīng)濟發(fā)展提升了第三產(chǎn)業(yè)就業(yè)量比重，促進了就業(yè)結(jié)構(gòu)優(yōu)化；模型（3）采用面板模型進行回歸，且控制年份效應，根據(jù)結(jié)果可知，數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響系數(shù)為0.173，且在1%的水平下顯著為正。對比三種模型的系數(shù)結(jié)果，均顯著為正，初步判斷數(shù)字經(jīng)濟發(fā)展促進就業(yè)結(jié)構(gòu)的優(yōu)化。

（二）空間效應

1.空間自相關(guān)檢驗

為了檢驗數(shù)字經(jīng)濟發(fā)展對就業(yè)結(jié)構(gòu)產(chǎn)生的空間溢出效應，進一步采用空間模型來判斷其產(chǎn)生的影響效果，通過莫蘭指數(shù)（Moran’s I）來檢驗核心變量的空間自相關(guān)性。在鄰接和經(jīng)濟距離權(quán)重矩陣下，數(shù)字經(jīng)濟發(fā)展的全域莫蘭指數(shù)如表4所示，在這兩種權(quán)重矩陣下，數(shù)字經(jīng)濟的Moran’ s I均通過了顯著性檢驗，Moran’ s I為正，說明數(shù)字經(jīng)濟存在正自相關(guān)性，即高高聚集、低低聚集，由此說明在空間分布上，我國相鄰省份的數(shù)字經(jīng)濟發(fā)展水平呈現(xiàn)出一種聚集的狀態(tài)。在這兩種空間權(quán)重矩陣下，數(shù)字經(jīng)濟的空間相關(guān)性呈現(xiàn)出先上升后下降的趨勢，在2016、2017年達到峰值，隨后空間相關(guān)性逐年減弱，但仍表現(xiàn)出較高的空間相關(guān)性，該驗證結(jié)果與數(shù)字經(jīng)濟跨地域合作的事實相符。

2.空間計量模型分析

由上述分析可知，變量存在一定的空間自相關(guān)性，從而進一步確定模型是否具有空間效應，并通過檢驗分析選擇最優(yōu)模型。首先，通過三種不同的空間權(quán)重矩陣，采用LM檢驗和R-LM檢驗進行初步判斷[25-26]，檢驗模型是否存在空間效應。LM檢驗的結(jié)果如表5所示，LM和R-LM均通過了顯著性檢驗，證明SAR和SEM模型比無空間效應模型更合適，應選用空間計量模型進行實證分析；其次，對空間效應的類型進行檢測，即對模型中的固定效應和隨機效應進行最優(yōu)篩選?？紤]到數(shù)據(jù)可能存在異方差和序列相關(guān)性的問題，采用經(jīng)典Hausman檢驗會影響結(jié)果，據(jù)此，基于修正的Hausman檢驗統(tǒng)計量和過度識別檢驗的Wald統(tǒng)計量進行判斷，兩種方法均在1%的水平下顯著。因此，選用固定效應的空間模型；進一步，由于本文選取模型為SDM模型，為了判斷其合理性，基于LR檢驗和Wald檢驗判斷SDM模型是否會退化為其他空間模型，兩種方法的結(jié)果均在1%的水平下顯著，證明了SDM模型更適用于樣本數(shù)據(jù)，同時也說明了SDM模型的合理性。最后，比較時間固定、個體固定和雙固定效應模型的對數(shù)似然值和擬合程度，選擇最優(yōu)的時間固定效應模型。根據(jù)上述檢驗方法的結(jié)果，最終確定以時間固定的空間杜賓模型（SDM）對樣本數(shù)據(jù)進行擬合回歸。

3.空間杜賓模型回歸

僅采用回歸系數(shù)解釋空間回歸結(jié)果可能會由于相鄰區(qū)域間存在大量的交互信息而造成一定的偏差，因此，本文利用Lesage等提出的偏微分效應分解法[27]，分解數(shù)字經(jīng)濟發(fā)展水平對就業(yè)結(jié)構(gòu)產(chǎn)生的空間效應。從表6中可以看出，加入空間因素后，三種空間權(quán)重矩陣下的數(shù)字經(jīng)濟回歸系數(shù)值均在1%的水平下顯著為正，這與普通回歸的結(jié)果保持一致，且三個模型的系數(shù)差距不大，再次說明數(shù)字經(jīng)濟的發(fā)展有效促進了就業(yè)結(jié)構(gòu)的優(yōu)化。同時，空間效應系數(shù)在三種空間權(quán)重下均為正，且在地理和經(jīng)濟距離權(quán)重矩陣下通過了顯著性檢驗，由此說明鄰近省域的數(shù)字經(jīng)濟發(fā)展水平對本區(qū)域的就業(yè)結(jié)構(gòu)優(yōu)化有顯著的促進作用，進一步證實數(shù)字經(jīng)濟的發(fā)展存在明顯的溢出效應。從控制變量對就業(yè)結(jié)構(gòu)的影響效果來看，數(shù)字經(jīng)濟的快速發(fā)展，導致社會對高技能型人才的需求量增加，而人力資本的投入有效提高了勞動力供給，大量地投入教育經(jīng)費使人力資本水平不斷提高，進而促進第三產(chǎn)業(yè)勞動力的增加，有助于就業(yè)結(jié)構(gòu)優(yōu)化。經(jīng)濟發(fā)展水平的提升有效改善了勞動者的就業(yè)環(huán)境，提高了就業(yè)保障和就業(yè)機會，通過增加就業(yè)數(shù)量優(yōu)化了就業(yè)結(jié)構(gòu)。

進一步分解空間效應，由表6可知，在地理距離和經(jīng)濟距離權(quán)重矩陣下，數(shù)字經(jīng)濟的直接效應、間接效應和總效應均顯著為正。由此說明數(shù)字經(jīng)濟的發(fā)展存在反饋效應，不僅對本省的就業(yè)結(jié)構(gòu)起到改善作用，而且對周圍省域的就業(yè)結(jié)構(gòu)產(chǎn)生正向優(yōu)化作用，總效應的結(jié)果則說明數(shù)字經(jīng)濟的發(fā)展對全國就業(yè)結(jié)構(gòu)優(yōu)化產(chǎn)生的總效果。

4.穩(wěn)健性檢驗

通過上述實證檢驗得知，數(shù)字經(jīng)濟的發(fā)展對就業(yè)結(jié)構(gòu)的優(yōu)化起到了正向優(yōu)化作用。為了確保結(jié)論的準確性，本文進行以下的穩(wěn)健性討論。

（1）替換變量。本文首先采用更換被解釋變量的方法來檢驗前述結(jié)果的穩(wěn)健性，以第三產(chǎn)業(yè)就業(yè)人數(shù)（EN）作為就業(yè)結(jié)構(gòu)的替換變量進行回歸，為了避免異方差問題，進行對數(shù)化處理。模型（1）和模型（2）分別為采用普通面板回歸和考慮加入空間因素的回歸結(jié)果。從表7中可知，在更換被解釋變量后，核心解釋變量數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的正向影響依然保持顯著，驗證了本文結(jié)論的穩(wěn)健性。

（2）解釋變量滯后回歸。

考慮到在分析數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的促進作用時可能存在內(nèi)生性問題，即數(shù)字經(jīng)濟的發(fā)展和就業(yè)結(jié)構(gòu)的優(yōu)化升級可能同時受到一系列不可觀測因素的影響，二者之間形成雙向因果關(guān)系，意味著就業(yè)結(jié)構(gòu)的升級可能會對數(shù)字經(jīng)濟產(chǎn)生影響。因此，參考戚聿東等的處理方法[11]，將滯后一期的解釋變量對就業(yè)結(jié)構(gòu)（ES）和替換被解釋變量第三產(chǎn)業(yè)就業(yè)人數(shù)（EN）進行普通面板回歸，進而驗證結(jié)論的穩(wěn)健性。據(jù)表7中模型（3）（4）的結(jié)果可知，數(shù)字經(jīng)濟滯后一期指標對就業(yè)結(jié)構(gòu)指標的影響均顯著為正，即數(shù)字經(jīng)濟發(fā)展對就業(yè)結(jié)構(gòu)升級具有正向優(yōu)化作用，使勞動力資源在產(chǎn)業(yè)間的配置結(jié)構(gòu)更加合理。

（三）異質(zhì)性分析及影響機制

1.地區(qū)異質(zhì)性

上述分析是基于全國30個省、市、自治區(qū)（不含西藏）的整體分析結(jié)果，考慮到我國自然資源及科技水平等因素在地區(qū)間呈現(xiàn)出的不均衡性，可能會導致數(shù)字經(jīng)濟的發(fā)展和就業(yè)結(jié)構(gòu)在空間上表現(xiàn)出差異。因此，進一步將樣本按照地理位置，劃分為東中西部三個子樣本進行分組回歸，判斷數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響是否存在地區(qū)差異性（見表8）。

從表8中發(fā)現(xiàn)，數(shù)字經(jīng)濟的發(fā)展對中西部地區(qū)的就業(yè)結(jié)構(gòu)均產(chǎn)生了負向影響，而對東部地區(qū)的就業(yè)結(jié)構(gòu)產(chǎn)生了正向優(yōu)化作用。結(jié)果表明，數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響存在地區(qū)異質(zhì)性。一方面，諸如互聯(lián)網(wǎng)發(fā)展情況、網(wǎng)絡(luò)基礎(chǔ)建設(shè)等因素均關(guān)乎著數(shù)字經(jīng)濟發(fā)展的快慢，由于中西部地區(qū)基礎(chǔ)設(shè)施建設(shè)相對東部地區(qū)不足，進而拉大了數(shù)字經(jīng)濟與其他地區(qū)間的差距。另一方面，東部地區(qū)匯集了我國五大經(jīng)濟帶的大多數(shù)城市，在城市群的相互帶動下，且依賴于天然的地理優(yōu)勢，促使數(shù)字經(jīng)濟實現(xiàn)了快速穩(wěn)定的發(fā)展，從而對提升城市的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化以及資源的有效配置產(chǎn)生了積極影響，也使就業(yè)結(jié)構(gòu)得到了有效的改善。

2.就業(yè)產(chǎn)業(yè)結(jié)構(gòu)異質(zhì)性

進一步對就業(yè)結(jié)構(gòu)的內(nèi)部異質(zhì)性進行分析，實證分析數(shù)字經(jīng)濟發(fā)展對不同就業(yè)產(chǎn)業(yè)結(jié)構(gòu)的影響效果。從就業(yè)產(chǎn)業(yè)人員占比角度進行，其中，ESi為第i產(chǎn)業(yè)就業(yè)人員占比，同樣采用時間固定的空間杜賓模型對其進行分析。據(jù)表9可知，數(shù)字經(jīng)濟發(fā)展對第一產(chǎn)業(yè)就業(yè)人員比重的影響系數(shù)顯著為負，而第二、三產(chǎn)業(yè)就業(yè)人員的系數(shù)顯著為正，由此說明數(shù)字經(jīng)濟的發(fā)展顯著促進了第二、三產(chǎn)業(yè)勞動力就業(yè)比例，數(shù)字化的轉(zhuǎn)型創(chuàng)造了信息密集型及知識密集型的服務(wù)業(yè)崗位，增加了第二、三產(chǎn)業(yè)就業(yè)需求，從而使勞動力更多地轉(zhuǎn)向第二、三產(chǎn)業(yè)。同時，由空間系數(shù)可以看出，數(shù)字化技術(shù)的崛起對鄰近地區(qū)第一產(chǎn)業(yè)就業(yè)人員占比存在負向的溢出效應，對第二、三產(chǎn)業(yè)為正向溢出效應，即數(shù)字技術(shù)的發(fā)展和廣泛應用所帶來的空間溢出效應促使鄰近地區(qū)的勞動人口就業(yè)向第二、三產(chǎn)業(yè)進行轉(zhuǎn)移，均衡了勞動力資源在不同產(chǎn)業(yè)的配置比例。

3.影響機制分析

數(shù)字經(jīng)濟是繼農(nóng)業(yè)經(jīng)濟、工業(yè)經(jīng)濟之后誕生的一種新的經(jīng)濟形態(tài)，其快速發(fā)展得益于數(shù)字技術(shù)的進步，產(chǎn)業(yè)結(jié)構(gòu)受技術(shù)進步的影響，而就業(yè)結(jié)構(gòu)的轉(zhuǎn)型速度比產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型速度慢。因此，數(shù)字經(jīng)濟帶來的技術(shù)進步會影響產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整升級，進而使勞動力聚集到優(yōu)勢產(chǎn)業(yè)，進一步優(yōu)化了就業(yè)結(jié)構(gòu)。為了檢驗數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響機制，采用逐步回歸的方法檢驗產(chǎn)業(yè)結(jié)構(gòu)升級的中介效應。IS為產(chǎn)業(yè)結(jié)構(gòu)升級指標，以第三產(chǎn)業(yè)增加值占地區(qū)GDP的比重測算。由表10可知，數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)升級的影響均顯著為正，說明數(shù)字經(jīng)濟發(fā)展顯著促進了就業(yè)結(jié)構(gòu)優(yōu)化和產(chǎn)業(yè)結(jié)構(gòu)升級，結(jié)合模型（3）中數(shù)字經(jīng)濟系數(shù)不顯著，說明產(chǎn)業(yè)結(jié)構(gòu)升級存在完全中介效應，驗證了該機制分析，即產(chǎn)業(yè)結(jié)構(gòu)作為中介效應，成為數(shù)字經(jīng)濟促進就業(yè)結(jié)構(gòu)優(yōu)化的渠道。

六、結(jié)論及建議

為研究數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的空間溢出效應，基于空間相關(guān)理論，以2013-2020年中國30個省、市、自治區(qū)（不含西藏）的數(shù)據(jù)為樣本，通過建立空間模型進行實證分析，得到如下結(jié)論：①數(shù)字經(jīng)濟在近些年來具有明顯的空間溢出效應，相鄰省份區(qū)域在空間上表現(xiàn)為聚集狀態(tài)，呈現(xiàn)出先上升后下降的空間相關(guān)性趨勢，但仍在空間分布上表現(xiàn)出較強的溢出效應，這也驗證了數(shù)字經(jīng)濟表現(xiàn)出來的跨地域合作的事實。②在考慮空間效應之后，數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的影響結(jié)果與基準回歸結(jié)果保持一致，即數(shù)字經(jīng)濟的發(fā)展對本地區(qū)就業(yè)結(jié)構(gòu)的優(yōu)化表現(xiàn)出正向的促進作用，從控制變量來看，經(jīng)濟的發(fā)展及人力資本水平的提高，不斷改善就業(yè)環(huán)境，就業(yè)機會不斷增加，進而促進了就業(yè)結(jié)構(gòu)的優(yōu)化。③通過地區(qū)異質(zhì)性分析發(fā)現(xiàn)，數(shù)字經(jīng)濟的發(fā)展促進了東部地區(qū)就業(yè)結(jié)構(gòu)的優(yōu)化，但對中西部地區(qū)的效果并不明顯，突出了地區(qū)就業(yè)結(jié)構(gòu)不平衡性問題；產(chǎn)業(yè)就業(yè)結(jié)構(gòu)的異質(zhì)性表明，數(shù)字經(jīng)濟發(fā)展促使就業(yè)人員流向第二、三產(chǎn)業(yè)，且數(shù)字技術(shù)的應用在產(chǎn)業(yè)就業(yè)結(jié)構(gòu)上同樣表現(xiàn)出空間溢出效應。④進一步對影響機制分析發(fā)現(xiàn)，數(shù)字經(jīng)濟發(fā)展通過提升產(chǎn)業(yè)結(jié)構(gòu)升級，進而促進就業(yè)結(jié)構(gòu)的優(yōu)化，說明產(chǎn)業(yè)結(jié)構(gòu)是數(shù)字經(jīng)濟影響就業(yè)結(jié)構(gòu)的路徑。

基于上述結(jié)論提出如下政策建議：其一，推動中國各地區(qū)數(shù)字經(jīng)濟的全面發(fā)展。注重各地區(qū)間數(shù)字經(jīng)濟發(fā)展的不平衡性，加快中西部地區(qū)新型基礎(chǔ)設(shè)施建設(shè)，在推進產(chǎn)業(yè)化和規(guī)?；瘧玫耐瑫r，更加關(guān)注關(guān)鍵技術(shù)創(chuàng)新和供給能力的提升。同時，利用現(xiàn)代化數(shù)字技術(shù)積極構(gòu)建區(qū)域協(xié)同發(fā)展網(wǎng)絡(luò)，充分發(fā)揮數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的優(yōu)化作用，加強省份地區(qū)間數(shù)字化經(jīng)濟建設(shè)的協(xié)調(diào)與聯(lián)系，在區(qū)域協(xié)同網(wǎng)絡(luò)下實現(xiàn)各地區(qū)高質(zhì)量就業(yè)。其二，更好地發(fā)揮數(shù)字經(jīng)濟對產(chǎn)業(yè)就業(yè)結(jié)構(gòu)的優(yōu)化作用。一方面可以發(fā)揮產(chǎn)業(yè)互聯(lián)網(wǎng)的優(yōu)勢，使傳統(tǒng)產(chǎn)業(yè)的單向聯(lián)系拓展為網(wǎng)狀拓撲結(jié)構(gòu)，加快產(chǎn)業(yè)結(jié)構(gòu)升級，提升數(shù)字經(jīng)濟在各行業(yè)的滲透性，推動產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化的發(fā)展，增加就業(yè)崗位；另一方面，完善院校專業(yè)體系，培養(yǎng)專業(yè)性、應用型人才，更好地滿足數(shù)字經(jīng)濟對就業(yè)技能方面的需求，從而達到就業(yè)崗位需求和就業(yè)專業(yè)人才最優(yōu)匹配的效果，實現(xiàn)就業(yè)結(jié)構(gòu)的優(yōu)化。同時，應建立完善的人才培養(yǎng)和評價制度，更好地促進就業(yè)結(jié)構(gòu)升級。

注釋：

（1）數(shù)據(jù)來源于中國信息通信研究院的《中國數(shù)字經(jīng)濟發(fā)展白皮書（2021年）》。

（2）數(shù)據(jù)來源于中國信息通信研究院的《中國數(shù)字經(jīng)濟發(fā)展與就業(yè)白皮書（2019年）》。

（3）數(shù)據(jù)來源于國家統(tǒng)計局2021年發(fā)布的《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》。

參考文獻：

[1]Autor D. H. Why are there still so many jobs？ The history and future of workplace automation[J].Journal of Economic Perspectives，2015，29（3）：3-30.

[2]Acemoglu D.， P. Restrepo. The race between man and machine： Implications of technology for growth. factor shares， and employment[J].American Economic Review，2018，108（6）：1488-1542.

[3]Maarten Goos， Alan Manning， Anna Salomons. Job Polarization in Europe[J].American Economic Review， 2009， 99（2） ： 58-63.

[4]Lordan G.， D. Neumark. People versus machines： The impact of minimum wages on automatable jobs[J].NBER Working Paper，2018，（52）：42-53.

[5]丁琳，王會娟.互聯(lián)網(wǎng)技術(shù)進步對中國就業(yè)的影響及國別比較研究[J].經(jīng)濟科學，2020，（1）：72-85.

[6]王文.數(shù)字經(jīng)濟時代下工業(yè)智能化促進了高質(zhì)量就業(yè)嗎[J].經(jīng)濟學家，2020，（4）：89-98.

[7]葉胥，杜云晗，何文軍.數(shù)字經(jīng)濟發(fā)展的就業(yè)結(jié)構(gòu)效應[J].財貿(mào)研究，2021，32（4）：1-13.

[8]謝絢麗，沈艷，張皓星，等.數(shù)字金融能促進創(chuàng)業(yè)嗎？——來自中國的證據(jù)[J].經(jīng)濟學，2018，17（4）：1557-1580.

[9]宋旭光，左馬華青.工業(yè)機器人投入、勞動力供給與勞動生產(chǎn)率[J].改革，2019，（9）：45-54.

[10]楊驍，劉益志，郭玉.數(shù)字經(jīng)濟對我國就業(yè)結(jié)構(gòu)的影響——基于機理與實證分析[J].軟科學，2020，34（10）：25-29.

[11]戚聿東，劉翠花，丁述磊.數(shù)字經(jīng)濟發(fā)展、就業(yè)結(jié)構(gòu)優(yōu)化與就業(yè)質(zhì)量提升[J].經(jīng)濟學動態(tài)，2020，（11）：17-35.

[12]何宗樾，宋旭光.數(shù)字經(jīng)濟促進就業(yè)的機理與啟示——疫情發(fā)生之后的思考[J].經(jīng)濟學家，2020，（5）：58-68.

[13]羅瑩.當代大學生就業(yè)能力與就業(yè)質(zhì)量的關(guān)系研究[J].中國青年研究，2014，（9）：85-88，92.

[14]汪昕宇，陳雄鷹，鄒建剛.超大城市新生代農(nóng)民工就業(yè)滿意度評價及其比較分析——以北京市為例[J].人口與經(jīng)濟，2016，（5）：84-95.

[15]盧海陽，楊龍，李寶值.就業(yè)質(zhì)量、社會認知與農(nóng)民工幸福感[J].中國農(nóng)村觀察，2017，（3）：57-71.

[16]毛宇飛，曾湘泉.互聯(lián)網(wǎng)使用是否促進了女性就業(yè)——基于CGSS數(shù)據(jù)的經(jīng)驗分析[J].經(jīng)濟學動態(tài)，2017，（6）：21-31.

[17]李逸飛，李靜，許明.制造業(yè)就業(yè)與服務(wù)業(yè)就業(yè)的交互乘數(shù)及空間溢出效應[J].財貿(mào)經(jīng)濟，2017，38（4）：115-129.

[18]謝萌萌，夏炎，潘教峰，等.人工智能、技術(shù)進步與低技能就業(yè)——基于中國制造業(yè)企業(yè)的實證研究[J].中國管理科學，2020，28（12）：54-66.

[19]孟祺.數(shù)字經(jīng)濟與高質(zhì)量就業(yè)：理論與實證[J].社會科學，2021，（2）：47-58.

[20]楊仲山，張美慧.數(shù)字經(jīng)濟衛(wèi)星賬戶：國際經(jīng)驗及中國編制方案的設(shè)計[J].統(tǒng)計研究，2019，36（5）：16-30.

[21]許憲春，張美慧.中國數(shù)字經(jīng)濟規(guī)模測算研究——基于國際比較的視角[J].中國工業(yè)經(jīng)濟，2020，（5）：23-41.

[22]劉釩，余明月.長江經(jīng)濟帶數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化的耦合協(xié)調(diào)分析[J].長江流域資源與環(huán)境，2021，30（7）：1527-1537.

[23]傅為忠，劉瑤.產(chǎn)業(yè)數(shù)字化與制造業(yè)高質(zhì)量發(fā)展耦合協(xié)調(diào)研究——基于長三角區(qū)域的實證分析[J].華東經(jīng)濟管理，2021，35（12）：19-29.

[24]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展： 指數(shù)編制與空間特征[J].經(jīng)濟學（季刊），2020，19（4）：1401-1418.

[25]Elhorst J. P. Matlab Software for Spatial Panels[J].International Regional Science Review，2014，37（3）：389-405.

[26]Anselin L.， Florax R.， Rey S. J. Advances in spatial econometrics： Methodology，tools and applications[M].Berlin： SpringerVerlag ，2004：29-63.

[27]James LeSage，Robert Kelley Pace. Introduction to Spatial Econometrics[M].Boca Raton： CRC Press， 2009： 200-220.

The Impact of Digital Economy on Employment Structure：

Empirical Study Based on Spatial Durbin Model

LONG Ying，LI Changle

（School of Big Data and Statistics， Anhui University， Hefei Anhui 230601， China）

Abstract：This paper measures the development level of digital economy from two dimensions of digital industrialization and industrial digitalization based on the provincial panel data in China from 2013 to 2020. Using the spatial Dubin model， this paper tests the impact of digital economy on employment structure， the spatial spillover effect， and the heterogeneity. The results show the development of digital economy shows spatial autocorrelation and the spatial correlation of digital economy gradually weakens after reaching the peak over time. The development of digital economy has a positive impact on the employment structure optimization with spatial spillover effect. The digital economy has an obvious positive effect on the employment structure in the eastern region， while the effect in the central and western regions is not significant. Further analysis of industrial heterogeneity shows that digital technology has a spillover effect on the employment structure of different industries， which promotes the clustering of labor resources to secondary and tertiary industries， while the digital economy optimizes the employment structure through the upgrading of industrial structure.

Key words： "Digital Economy; Employment Structure; Spatial Effect

編輯：唐玲娜

收稿日期：2022-10-15

基金項目：安徽省社會科學項目（AHSKF2019D035）

作者簡介：龍瑩（1981-），女，云南會澤人，副教授，博士，研究方向：宏觀經(jīng)濟統(tǒng)計分析；李長樂（1998-），女，河南駐馬店人，碩士研究生，研究方向：經(jīng)濟統(tǒng)計。