楊天山，袁功林，武可棟

（1.廣西大學(xué)a.經(jīng)濟(jì)學(xué)院；b.數(shù)學(xué)與信息科學(xué)學(xué)院，南寧 530004；2.南寧職業(yè)技術(shù)學(xué)院財(cái)經(jīng)學(xué)院，南寧 530008）

0 引言

當(dāng)前數(shù)字經(jīng)濟(jì)高速發(fā)展，大數(shù)據(jù)、人工智能和區(qū)塊鏈等數(shù)字化技術(shù)與實(shí)體經(jīng)濟(jì)融合不斷深化，企業(yè)紛紛將數(shù)字化轉(zhuǎn)型視為增強(qiáng)自身競(jìng)爭(zhēng)力、實(shí)現(xiàn)轉(zhuǎn)型升級(jí)、提高生產(chǎn)效率的有效路徑[1]，不斷加快推進(jìn)自身數(shù)字化轉(zhuǎn)型發(fā)展，試圖利用數(shù)字化技術(shù)為自身的生產(chǎn)、經(jīng)營(yíng)和管理賦能，提高企業(yè)的全要素生產(chǎn)率，以實(shí)現(xiàn)企業(yè)的高質(zhì)量發(fā)展[2]。然而，企業(yè)數(shù)字化轉(zhuǎn)型是循序漸進(jìn)的過(guò)程，需要企業(yè)數(shù)字化技術(shù)、勞動(dòng)力和資本等要素全面協(xié)同轉(zhuǎn)變。已有學(xué)者研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型增加了對(duì)高等技能勞動(dòng)力的雇傭[2]，但并未厘清數(shù)字化轉(zhuǎn)型、勞動(dòng)力技能與企業(yè)全要素生產(chǎn)率之間的關(guān)系。若一個(gè)企業(yè)要素投入之間有冗余存在，則會(huì)降低產(chǎn)出效率，表現(xiàn)為替代效應(yīng)，若企業(yè)各種要素投入之間能促進(jìn)潛能發(fā)揮則表現(xiàn)為互補(bǔ)效應(yīng)。由此，勞動(dòng)力技能是否為企業(yè)數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的一個(gè)關(guān)鍵要素？企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)力技能結(jié)構(gòu)是形成互補(bǔ)效應(yīng)還是替代效應(yīng)？不同技能勞動(dòng)力在企業(yè)數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率過(guò)程中發(fā)揮的作用有何差異？回答好上述問(wèn)題對(duì)于高效釋放企業(yè)數(shù)字化發(fā)展的紅利、豐富企業(yè)全要素生產(chǎn)率影響因素的研究成果具有重要的現(xiàn)實(shí)意義。

目前，全球經(jīng)濟(jì)治理在數(shù)字化轉(zhuǎn)型變革影響下進(jìn)入了一個(gè)新的時(shí)代，企業(yè)數(shù)字化轉(zhuǎn)型正成為推動(dòng)企業(yè)全要素生產(chǎn)率提高的重要驅(qū)動(dòng)力。在宏觀層面，Pan等（2022）[3]的研究認(rèn)為中國(guó)數(shù)字產(chǎn)業(yè)發(fā)展可以提高數(shù)字改革的效率，加快經(jīng)濟(jì)的結(jié)構(gòu)性轉(zhuǎn)型，從而促進(jìn)全要素生產(chǎn)率提高。在微觀層面，武常岐等（2022）[4]發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型整體提高了企業(yè)全要素生產(chǎn)率，但存在非線性的“倒U”型關(guān)系。然而，也有學(xué)者指出數(shù)字化轉(zhuǎn)型能降低企業(yè)生產(chǎn)成本，但也會(huì)增加管理成本[5]，總體上表現(xiàn)為對(duì)全要素生產(chǎn)率沒(méi)有影響[6]，認(rèn)為數(shù)字化轉(zhuǎn)型存在“生產(chǎn)率悖論”。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型將引致勞動(dòng)力需求與結(jié)構(gòu)發(fā)生變化，給企業(yè)帶來(lái)新的機(jī)遇和挑戰(zhàn)。趙宸宇（2023）[7]指出數(shù)字化轉(zhuǎn)型能有效促進(jìn)勞動(dòng)力就業(yè)，提高企業(yè)高學(xué)歷、高技能員工占比。余明桂等（2022）[8]發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對(duì)銀行勞動(dòng)力需求具有破壞效應(yīng)，降低了對(duì)勞動(dòng)力的雇傭，提高了對(duì)碩士及以上學(xué)歷員工的需求。盡管既有文獻(xiàn)研究了企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)力需求的關(guān)系，但是對(duì)于數(shù)字化轉(zhuǎn)型引致勞動(dòng)力的替代或者互補(bǔ)效應(yīng)尚待進(jìn)一步探討，尤其是在互補(bǔ)機(jī)制下對(duì)企業(yè)全要素生產(chǎn)率的影響亟待研究。

可見(jiàn)，現(xiàn)有研究對(duì)數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)尚未獲得一致結(jié)論。數(shù)字化轉(zhuǎn)型會(huì)改變勞動(dòng)力需求和結(jié)構(gòu)，但是對(duì)于具體哪一種勞動(dòng)力與數(shù)字化轉(zhuǎn)型能形成互補(bǔ)，形成互補(bǔ)后對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生什么影響仍需進(jìn)一步研究。因此，本文利用2010—2021年我國(guó)A股上市公司數(shù)據(jù)研究數(shù)字化轉(zhuǎn)型、勞動(dòng)力技能結(jié)構(gòu)與全要素生產(chǎn)率之間的關(guān)系，旨在探索勞動(dòng)力技能結(jié)構(gòu)與數(shù)字化轉(zhuǎn)型之間的匹配機(jī)制，以及兩者匹配所帶來(lái)的企業(yè)全要素生產(chǎn)率提升效應(yīng)，為企業(yè)數(shù)字化轉(zhuǎn)型、勞動(dòng)力結(jié)構(gòu)調(diào)整和全要素生產(chǎn)率提高提供依據(jù)。

1 理論機(jī)制與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)整合區(qū)塊鏈、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等數(shù)字技術(shù)改進(jìn)生產(chǎn)流程、降低運(yùn)營(yíng)成本[9]、促進(jìn)企業(yè)績(jī)效反轉(zhuǎn)[10]以及優(yōu)化管理決策，實(shí)現(xiàn)全要素生產(chǎn)率提高。然而，企業(yè)數(shù)字化轉(zhuǎn)型與不同勞動(dòng)力技能的互動(dòng)如何影響生產(chǎn)率需要進(jìn)一步深入探討。Ballestar等（2021）[11]利用互補(bǔ)理論探討了釋放企業(yè)數(shù)字化生產(chǎn)率潛力的可能途徑，認(rèn)為企業(yè)機(jī)器人化、數(shù)字化、創(chuàng)新與人力資本之間具有互補(bǔ)性，共同影響企業(yè)的生產(chǎn)率?；パa(bǔ)機(jī)制理論認(rèn)為企業(yè)不同要素之間的投入將引致企業(yè)產(chǎn)生直接或者間接的全要素生產(chǎn)率效應(yīng)。一方面，數(shù)字化轉(zhuǎn)型能夠讓企業(yè)依靠數(shù)字技術(shù)來(lái)處理企業(yè)內(nèi)外部海量、非標(biāo)準(zhǔn)化、非結(jié)構(gòu)化的數(shù)據(jù)[12]，進(jìn)而精準(zhǔn)診斷生產(chǎn)中的故障，輔助企業(yè)員工快速修復(fù)生產(chǎn)設(shè)備，縮短生產(chǎn)中斷時(shí)間，減少企業(yè)的生產(chǎn)成本[9]，直接促進(jìn)企業(yè)全要素生產(chǎn)率提高；另一方面，企業(yè)數(shù)字化轉(zhuǎn)型引致的企業(yè)信息獲取、溝通協(xié)調(diào)方式變革也會(huì)使得企業(yè)的人力資本、組織管理與創(chuàng)新等要素發(fā)生變革[13]，而數(shù)字化轉(zhuǎn)型的共享特征能有效促進(jìn)要素間相互補(bǔ)充，提高各要素的利用效率[14]，間接促進(jìn)企業(yè)全要素生產(chǎn)率提高。因此，在數(shù)字經(jīng)濟(jì)時(shí)代，企業(yè)需要重視數(shù)字化轉(zhuǎn)型與各要素之間的協(xié)同管理與投資，提高數(shù)字化與相關(guān)資源要素的互補(bǔ)程度。

在數(shù)字化轉(zhuǎn)型相關(guān)資源要素中，高等技能勞動(dòng)力是關(guān)鍵的互補(bǔ)資源要素之一，它與數(shù)字化轉(zhuǎn)型相輔相成、相互賦能，共同發(fā)揮促進(jìn)全要素生產(chǎn)率的效應(yīng)[15]。這種互補(bǔ)效應(yīng)主要表現(xiàn)為：第一，數(shù)字化轉(zhuǎn)型能夠與高等技能勞動(dòng)力匹配，進(jìn)而促進(jìn)企業(yè)的全要素生產(chǎn)率提高。數(shù)字化轉(zhuǎn)型伴隨較多技術(shù)技能偏向[16]，其在企業(yè)生產(chǎn)與經(jīng)營(yíng)中的應(yīng)用將引致企業(yè)需要更多具備數(shù)據(jù)處理與整合能力的員工來(lái)配合相關(guān)技術(shù)應(yīng)用以及對(duì)各類(lèi)資源進(jìn)行高效協(xié)同調(diào)度，而高等技能勞動(dòng)力所具備的高效分析能力、協(xié)調(diào)能力和數(shù)據(jù)整合能力可以與數(shù)字化技術(shù)匹配[17]，形成較強(qiáng)的互補(bǔ)效應(yīng)，促進(jìn)企業(yè)全要素生產(chǎn)率提高[2]。此外，若企業(yè)數(shù)字化轉(zhuǎn)型程度不高，則企業(yè)的高等技能勞動(dòng)力將受到簡(jiǎn)單重復(fù)的程序化工作束縛，引致高等技能勞動(dòng)力縮短非程序化和高創(chuàng)造性工作的時(shí)間，不利于企業(yè)全要素生產(chǎn)率提高，這會(huì)倒逼企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，改變企業(yè)環(huán)境以輔助高等技能勞動(dòng)力提高自身的工作效率，為企業(yè)創(chuàng)造更多產(chǎn)出，最終提高企業(yè)的全要素生產(chǎn)率。第二，數(shù)字化轉(zhuǎn)型引致企業(yè)生產(chǎn)流程、組織和管理的變革能間接促進(jìn)全要素生產(chǎn)率提高。企業(yè)數(shù)字化轉(zhuǎn)型會(huì)帶來(lái)組織、管理、生產(chǎn)流程等的改變，越來(lái)越多的大數(shù)據(jù)、人工智能、云計(jì)算和物聯(lián)網(wǎng)等技術(shù)與企業(yè)生產(chǎn)和組織結(jié)構(gòu)深度融合，企業(yè)員工在生產(chǎn)與管理各環(huán)節(jié)都被賦予了更多決策權(quán)[18]，這就要求員工增強(qiáng)自身的數(shù)據(jù)分析和問(wèn)題解決能力，但低等技能勞動(dòng)力很難具備這些能力，而高等技能勞動(dòng)力則通常具備此類(lèi)能力[17]，使得高等技能勞動(dòng)力能更加靈活、更快地使用數(shù)字化技術(shù)，快速適應(yīng)新的流程與組織模式，通過(guò)與數(shù)字化互補(bǔ)進(jìn)行高效協(xié)同創(chuàng)新[19]。綜上分析，本文提出：

假設(shè)1：其他條件相同時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力存在互補(bǔ)效應(yīng)，強(qiáng)化了企業(yè)數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率提升效應(yīng)。

2 研究設(shè)計(jì)

2.1 計(jì)量模型設(shè)定

參考Bloom等（2012）[20]的研究，本文構(gòu)建如下計(jì)量模型來(lái)探究數(shù)字化轉(zhuǎn)型和勞動(dòng)力技能結(jié)構(gòu)影響企業(yè)全要素生產(chǎn)率的效應(yīng)。

其中，TFP表示企業(yè)全要素生產(chǎn)率，Digital表示企業(yè)的數(shù)字化轉(zhuǎn)型程度，Labor為企業(yè)的勞動(dòng)力技能結(jié)構(gòu)，Conj表示控制變量集中第j個(gè)控制變量，Ind為行業(yè)固定效應(yīng)，Year為時(shí)間固定效應(yīng)，α0是模型的常數(shù)項(xiàng)，α1、α2、α3和βj為模型的系數(shù)，ε為隨機(jī)誤差項(xiàng)。

2.2 變量設(shè)計(jì)

（1）被解釋變量：企業(yè)全要素生產(chǎn)率（TFP），本文采用LP法計(jì)算的企業(yè)全要素生產(chǎn)率（TFPLP），其中企業(yè)產(chǎn)出變量用營(yíng)業(yè)收入的自然對(duì)數(shù)表示，企業(yè)資本投入變量用固定資產(chǎn)凈額的自然對(duì)數(shù)表示，企業(yè)勞動(dòng)投入用員工總數(shù)的自然對(duì)數(shù)表示，企業(yè)中間品投入用企業(yè)的營(yíng)業(yè)成本、管理費(fèi)用和銷(xiāo)售費(fèi)用之和與為員工支付的工資的差的自然對(duì)數(shù)表示。本文還采用GMM法計(jì)算的全要素生產(chǎn)率（TFPGMM）和資本生產(chǎn)率（lnCP）替換LP法計(jì)算的全要素生產(chǎn)率以檢驗(yàn)結(jié)論的穩(wěn)健性。

（2）核心解釋變量：①數(shù)字化轉(zhuǎn)型程度（Digital），借鑒現(xiàn)有研究，本文采用Python技術(shù)歸集整理我國(guó)A股上市公司的企業(yè)年報(bào)，并使用Java PDFbox庫(kù)提取所有文本內(nèi)容，從人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)和數(shù)字技術(shù)應(yīng)用五個(gè)維度進(jìn)行詞頻統(tǒng)計(jì)，通過(guò)五個(gè)維度詞頻總和加1取自然對(duì)數(shù)來(lái)測(cè)度企業(yè)數(shù)字化轉(zhuǎn)型。②勞動(dòng)力技能結(jié)構(gòu)（Labor），借鑒已有研究，將勞動(dòng)力技能結(jié)構(gòu)分為高等技能勞動(dòng)力（HSkill）、中等技能勞動(dòng)力（MSkill）和中高等技能勞動(dòng)力（HMSkill）。具體而言，將本科及以上學(xué)歷員工視為高等技能勞動(dòng)力，用本科及以上學(xué)歷員工數(shù)量與總員工數(shù)量的比值表示；將高中（中專(zhuān)）學(xué)歷員工視為中等技能勞動(dòng)力，用高中（中專(zhuān)）學(xué)歷員工數(shù)量與總員工數(shù)量的比值表示；將高中（中專(zhuān)）及以上學(xué)歷員工視為中高等技能勞動(dòng)力，用高中（中專(zhuān)）及以上學(xué)歷員工數(shù)量與總員工數(shù)量的比值表示。

（3）控制變量?？紤]到可能存在遺漏變量問(wèn)題，本文還控制了以下變量：企業(yè)規(guī)模（Size）、企業(yè)負(fù)債率（Lev）、企業(yè)成長(zhǎng)性（Growth）、董事長(zhǎng)與總經(jīng)理兼任（Dual）、董事會(huì)獨(dú)立性（Indep）、企業(yè)年齡（Age）和股權(quán)集中度（Shrone）。其中，企業(yè)規(guī)模采用公司的資產(chǎn)總計(jì)的自然對(duì)數(shù)表示；企業(yè)資產(chǎn)負(fù)債率為企業(yè)的負(fù)債合計(jì)與資產(chǎn)總計(jì)的比值；企業(yè)成長(zhǎng)性使用企業(yè)本年?duì)I業(yè)收入增長(zhǎng)額與上年?duì)I業(yè)收入之比表示；董事長(zhǎng)與總經(jīng)理兼任采用啞變量表示，若董事長(zhǎng)與總經(jīng)理為同一人則賦值為1，否則為0；董事會(huì)獨(dú)立性采用獨(dú)立董事人數(shù)占董事人數(shù)的比例表示；企業(yè)年齡采用當(dāng)前年份減去成立年份的自然對(duì)數(shù)表示；股權(quán)集中度使用企業(yè)第一大股東持股比例測(cè)度。

2.3 數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

本文選取2010—2021年我國(guó)A股上市公司作為研究對(duì)象，數(shù)據(jù)均來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）和銳思數(shù)據(jù)庫(kù)（RESSET）。在樣本數(shù)據(jù)處理上，本文剔除ST、*ST和PT上市公司樣本以及財(cái)務(wù)異常和數(shù)據(jù)缺失的樣本。此外，為了減少異常值的影響，對(duì)所有連續(xù)變量進(jìn)行上下1%的縮尾處理。主要變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。

表1 變量描述性統(tǒng)計(jì)

3 實(shí)證結(jié)果分析

3.1 數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)

由表2列（1）報(bào)告的OLS回歸結(jié)果可知，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)在1%的水平上顯著為正。這說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型能促進(jìn)企業(yè)全要素生產(chǎn)率提高。從列（2）報(bào)告的2SLS的第一階段結(jié)果可以看到，企業(yè)數(shù)字化轉(zhuǎn)型工具變量系數(shù)為0.985且在1%的水平上顯著，說(shuō)明工具變量具有很強(qiáng)的相關(guān)性，弱工具變量檢驗(yàn)結(jié)果表明不存在弱工具變量問(wèn)題，工具變量識(shí)別檢驗(yàn)的Anderson結(jié)果說(shuō)明工具變量可識(shí)別。列（3）報(bào)告的第二階段結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)為0.086且在1%的水平上顯著，此外，企業(yè)數(shù)字化轉(zhuǎn)型2SLS的系數(shù)大于OLS的系數(shù)，這說(shuō)明考慮了內(nèi)生性問(wèn)題后，企業(yè)數(shù)字化轉(zhuǎn)型能促進(jìn)全要素生產(chǎn)率提高這一結(jié)論依然成立。從經(jīng)濟(jì)意義上看，企業(yè)數(shù)字化轉(zhuǎn)型程度提高10%，將導(dǎo)致全要素生產(chǎn)率提高0.0086個(gè)單位（0.1×0.086），這說(shuō)明無(wú)論是在統(tǒng)計(jì)意義上還是在經(jīng)濟(jì)意義上，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的影響都是顯著的，這與已有研究結(jié)論一致[4]。

表2 數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)

3.2 勞動(dòng)力技能結(jié)構(gòu)與數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)

表3報(bào)告了企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)力技能結(jié)構(gòu)互補(bǔ)效應(yīng)的估計(jì)結(jié)果，其中列（1）和列（3）為OLS結(jié)果，列（2）和列（4）為工具變量回歸結(jié)果。從列（1）、列（2）結(jié)果可以看到，企業(yè)數(shù)字化轉(zhuǎn)型與中高等技能勞動(dòng)力的交乘項(xiàng)系數(shù)均在5%的水平上顯著為正，這說(shuō)明中高等技能勞動(dòng)力與企業(yè)數(shù)字化轉(zhuǎn)型存在互補(bǔ)效應(yīng)，中高等技能勞動(dòng)力在企業(yè)數(shù)字化轉(zhuǎn)型提高全要素生產(chǎn)率的過(guò)程中具有強(qiáng)化作用。從列（3）、列（4）結(jié)果可以看到，企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力交乘項(xiàng)系數(shù)均在至少5%的水平上顯著為正，而企業(yè)數(shù)字化轉(zhuǎn)型與中等技能勞動(dòng)力交乘項(xiàng)系數(shù)均不顯著。這說(shuō)明勞動(dòng)力技能結(jié)構(gòu)與企業(yè)數(shù)字化轉(zhuǎn)型的互補(bǔ)效應(yīng)主要表現(xiàn)在企業(yè)的高等技能勞動(dòng)力中，而中等技能勞動(dòng)力中不表現(xiàn)出勞動(dòng)力技能結(jié)構(gòu)與企業(yè)數(shù)字化轉(zhuǎn)型的互補(bǔ)效應(yīng)。從經(jīng)濟(jì)意義上看，工具變量回歸估計(jì)的結(jié)果顯示，企業(yè)的高等技能勞動(dòng)力提高10%會(huì)引致企業(yè)數(shù)字化轉(zhuǎn)型對(duì)全要素生產(chǎn)率的邊際效應(yīng)提高0.0069（0.1×0.069）。這說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力的互補(bǔ)效應(yīng)經(jīng)濟(jì)意義也是顯著的，驗(yàn)證了假設(shè)1。

表3 勞動(dòng)力技能結(jié)構(gòu)與數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)

3.3 穩(wěn)健性檢驗(yàn)

（1）更換被解釋變量。本文在前述研究中對(duì)企業(yè)全要素生產(chǎn)率測(cè)算使用LP法，在此利用GMM法計(jì)算的全要素生產(chǎn)率和資本生產(chǎn)率替換LP法測(cè)算的全要素生產(chǎn)率進(jìn)行重新回歸估計(jì)以驗(yàn)證主要結(jié)論的穩(wěn)健性。結(jié)果（略）顯示，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)均在1%的水平上顯著為正，企業(yè)數(shù)字化轉(zhuǎn)型與中高等技能勞動(dòng)力交乘項(xiàng)系數(shù)分別為0.118和0.179且在1%的水平上顯著，企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力交乘項(xiàng)系數(shù)分別為0.069和0.148且至少在5%的水平上顯著，而企業(yè)數(shù)字化轉(zhuǎn)型與中等技能勞動(dòng)力交乘項(xiàng)系數(shù)不顯著。這說(shuō)明本文的主要研究結(jié)論具有穩(wěn)健性。

（2）數(shù)字化轉(zhuǎn)型變量滯后?？紤]到企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型不一定立竿見(jiàn)影地全部在當(dāng)期對(duì)全要素生產(chǎn)率產(chǎn)生效應(yīng)，可能需要與企業(yè)相關(guān)資源有適應(yīng)與匹配期，本文將數(shù)字化轉(zhuǎn)型滯后一階重新進(jìn)行回歸估計(jì)。結(jié)果（略）顯示，企業(yè)數(shù)字化轉(zhuǎn)型滯后一階系數(shù)均在1%的水平上顯著為正，數(shù)字化轉(zhuǎn)型滯后一階與中高等技能勞動(dòng)力和高等技能勞動(dòng)力的交乘項(xiàng)系數(shù)分別為0.061和0.071，且兩者均在5%的水平上顯著，這說(shuō)明考慮滯后性后本文的主要研究結(jié)論依然成立，具有較強(qiáng)的穩(wěn)健性。

4 異質(zhì)性分析

4.1 要素密集度異質(zhì)性分析

從表4結(jié)果可以看到，數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力的交乘項(xiàng)系數(shù)在資本密集型行業(yè)組中不顯著，在技術(shù)密集型和勞動(dòng)密集型行業(yè)組中至少在10%的水平上顯著為正，并且核心解釋變量的估計(jì)系數(shù)組間差異SUEST檢驗(yàn)均在1%的水平上顯著，表明企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力的互補(bǔ)效應(yīng)在勞動(dòng)密集型行業(yè)中更強(qiáng)。這可能是因?yàn)椋瑒趧?dòng)密集型企業(yè)面臨成本上漲的巨大壓力，積極應(yīng)用數(shù)字化技術(shù)以減少工人數(shù)量，試圖降低成本和提高效率。而數(shù)字化生產(chǎn)流程需要高等技能勞動(dòng)力參與，低等技能勞動(dòng)力不適應(yīng)數(shù)字化發(fā)展，因此在勞動(dòng)密集型行業(yè)高等技能勞動(dòng)力互補(bǔ)效應(yīng)更強(qiáng)；對(duì)于成功的數(shù)字化轉(zhuǎn)型而言，數(shù)據(jù)、軟件等無(wú)形資產(chǎn)發(fā)揮的作用較大，而傳統(tǒng)的有形資產(chǎn)發(fā)揮的作用較小，較強(qiáng)的軟實(shí)力更能激發(fā)高等技能勞動(dòng)力的創(chuàng)造力，因此在技術(shù)密集型行業(yè)也表現(xiàn)出高等技能勞動(dòng)力互補(bǔ)效應(yīng)。

4.2 企業(yè)規(guī)模異質(zhì)性分析

企業(yè)的資金、技術(shù)等資源不同會(huì)影響其數(shù)字化轉(zhuǎn)型程度。企業(yè)面臨的資源約束越大，則企業(yè)數(shù)字化轉(zhuǎn)型的配套投資將越小，這可能會(huì)抑制高等技能勞動(dòng)力對(duì)數(shù)字化轉(zhuǎn)型全要素生產(chǎn)率效應(yīng)的影響。大規(guī)模企業(yè)具有雄厚的資金和技術(shù)優(yōu)勢(shì)，可以加大數(shù)字化轉(zhuǎn)型相關(guān)配套投資，較好地完善數(shù)字化轉(zhuǎn)型的相關(guān)配套，從而有利于高等技能勞動(dòng)力提升數(shù)字化轉(zhuǎn)型的直接和間接全要素生產(chǎn)率效應(yīng)。

為此，本文根據(jù)企業(yè)規(guī)模的中位數(shù)將樣本分為大規(guī)模和小規(guī)模企業(yè)兩組。從表5可以看到，在大規(guī)模企業(yè)組中無(wú)論是數(shù)字化轉(zhuǎn)型與中高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，還是數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，均在至少5%的水平上顯著為正，而在小規(guī)模企業(yè)組中均不顯著，并且核心解釋變量的估計(jì)系數(shù)組間差異SUEST檢驗(yàn)均在1%的水平上顯著。這表明企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力的互補(bǔ)效應(yīng)在大規(guī)模企業(yè)中作用更強(qiáng)。

表5 企業(yè)規(guī)模異質(zhì)性影響

4.3 企業(yè)成長(zhǎng)階段異質(zhì)性分析

企業(yè)所處的成長(zhǎng)階段會(huì)影響企業(yè)在市場(chǎng)的知名度、發(fā)展戰(zhàn)略部署和內(nèi)部管理規(guī)范，進(jìn)而影響企業(yè)高等技能勞動(dòng)力作用的發(fā)揮，數(shù)字化轉(zhuǎn)型后可以有效提高企業(yè)知名度，增強(qiáng)發(fā)展戰(zhàn)略前瞻性，規(guī)范企業(yè)管理，讓企業(yè)的高等技能勞動(dòng)力更好地服務(wù)企業(yè)，發(fā)揮其促進(jìn)全要素生產(chǎn)率提升的能力。

為此，本文根據(jù)企業(yè)年齡的中位數(shù)將樣本分為年輕企業(yè)和非年輕企業(yè)兩組。從表6可以看到，在年輕企業(yè)組中無(wú)論是數(shù)字化轉(zhuǎn)型與中高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，還是數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，均在1%的水平上顯著為正，而在非年輕企業(yè)組中均不顯著，并且核心解釋變量的估計(jì)系數(shù)組間差異SUEST檢驗(yàn)均在1%的水平上顯著。這說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力的互補(bǔ)效應(yīng)在年輕企業(yè)中作用更強(qiáng)。

表6 企業(yè)成長(zhǎng)階段異質(zhì)性影響

4.4 地區(qū)異質(zhì)性分析

本文參照既有文獻(xiàn)做法，采用第四次全國(guó)經(jīng)濟(jì)普查公報(bào)的分區(qū)方法，根據(jù)企業(yè)注冊(cè)所在省份將樣本分為東部和中西部地區(qū)兩組，以考察勞動(dòng)力技能結(jié)構(gòu)與數(shù)字化轉(zhuǎn)型互補(bǔ)效應(yīng)的區(qū)域異質(zhì)性。從表7可以看到，在中西部地區(qū)組中無(wú)論是數(shù)字化轉(zhuǎn)型與中高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，還是數(shù)字化轉(zhuǎn)型與高等技能勞動(dòng)力交乘項(xiàng)的系數(shù)，均在1%的水平上顯著為正，而在東部地區(qū)組中均不顯著，并且核心解釋變量的估計(jì)系數(shù)組間差異SUEST檢驗(yàn)均在1%的水平上顯著。這可能是因?yàn)橹形鞑康貐^(qū)企業(yè)數(shù)字化轉(zhuǎn)型后，與高等技能勞動(dòng)力相應(yīng)的配套得到完善，使得在中西部地區(qū)表現(xiàn)出更強(qiáng)的互補(bǔ)效應(yīng)。

表7 地區(qū)異質(zhì)性影響

5 結(jié)論與建議

本文采用2010—2021年我國(guó)A股上市公司數(shù)據(jù)研究數(shù)字化轉(zhuǎn)型、勞動(dòng)力技能結(jié)構(gòu)與企業(yè)全要素生產(chǎn)率之間的關(guān)系，結(jié)果表明高等技能勞動(dòng)力與企業(yè)數(shù)字化轉(zhuǎn)型存在互補(bǔ)效應(yīng)，能夠顯著促進(jìn)數(shù)字化轉(zhuǎn)型的全要素生產(chǎn)率效應(yīng)。在技術(shù)密集型與勞動(dòng)密集型行業(yè)、大規(guī)模企業(yè)、年輕企業(yè)和中西部地區(qū)高等技能勞動(dòng)力與企業(yè)數(shù)字化轉(zhuǎn)型的互補(bǔ)效應(yīng)更強(qiáng)。

基于此，本文的建議如下：（1）政府部門(mén)應(yīng)科學(xué)統(tǒng)籌規(guī)劃地區(qū)數(shù)字化發(fā)展，完善數(shù)字化發(fā)展領(lǐng)域的法律法規(guī)和激勵(lì)政策，根據(jù)不同規(guī)模企業(yè)、行業(yè)和地區(qū)制定有針對(duì)性的實(shí)施細(xì)則，大力保護(hù)數(shù)字化技術(shù)知識(shí)產(chǎn)權(quán)，加大數(shù)字化發(fā)展的投資力度，促進(jìn)數(shù)字化發(fā)展相關(guān)的新型基礎(chǔ)設(shè)施建設(shè)。同時(shí)構(gòu)建數(shù)字化人才引進(jìn)與退出相關(guān)政策，改善人才培育環(huán)境，保障人才引得進(jìn)、留得住，加快形成高質(zhì)量數(shù)字化人才隊(duì)伍，使得數(shù)字化轉(zhuǎn)型與相關(guān)資源協(xié)同發(fā)展，形成互補(bǔ)合力，推動(dòng)企業(yè)高質(zhì)量發(fā)展。（2）企業(yè)應(yīng)加快對(duì)現(xiàn)有生產(chǎn)設(shè)備、流程進(jìn)行數(shù)字化改革，加快數(shù)字化智能工廠建設(shè)，加強(qiáng)數(shù)字化基礎(chǔ)設(shè)施布局，積極引入新數(shù)字化技術(shù)、新數(shù)字化生產(chǎn)線和數(shù)字化管理技術(shù)，同時(shí)加強(qiáng)員工數(shù)字化能力培訓(xùn)，提高員工數(shù)字化技術(shù)操作能力，實(shí)現(xiàn)數(shù)字化人才與企業(yè)數(shù)字化發(fā)展高效匹配，并形成互補(bǔ)效應(yīng)，提高企業(yè)全要素生產(chǎn)率。（3）高等學(xué)校應(yīng)加快人才培養(yǎng)供給側(cè)改革，積極推動(dòng)校、政、企多主體協(xié)同培養(yǎng)高素質(zhì)數(shù)字化人才，加強(qiáng)數(shù)字化人才理論與實(shí)踐相結(jié)合的培養(yǎng)力度，降低數(shù)字化技能人才供給與企業(yè)需求脫節(jié)程度，實(shí)現(xiàn)數(shù)字化人才技能結(jié)構(gòu)與企業(yè)數(shù)字化轉(zhuǎn)型的高度匹配，全面提高企業(yè)全要素生產(chǎn)率。