周慧珺

［摘?要］隨著數(shù)字化進程的不斷推進，數(shù)字經(jīng)濟已經(jīng)逐漸成為引領經(jīng)濟社會發(fā)展的新動力。論文關注數(shù)字經(jīng)濟的發(fā)展是否有利于提高居民就業(yè)穩(wěn)定性，影響渠道如何的問題?；谒褜?匹配理論框架，得出數(shù)字經(jīng)濟對居民就業(yè)穩(wěn)定性的影響包括兩個渠道：一方面，數(shù)字經(jīng)濟降低了就業(yè)市場的信息不對稱，提高了就業(yè)崗位的技能適配程度，進而提升了就業(yè)穩(wěn)定性；另一方面，數(shù)字技術的介入可能會替代一部分勞動力，導致員工主動或被動離職率上升，就業(yè)穩(wěn)定性下降?；贑FPS數(shù)據(jù)的實證檢驗，得出在這兩種因素的綜合作用下，數(shù)字經(jīng)濟的發(fā)展對居民的穩(wěn)定就業(yè)表現(xiàn)出積極影響，在更換衡量指標、排除其他事件影響、使用工具變量之后，這一結論均能夠保持穩(wěn)健。機制分析的結果表明，就業(yè)匹配效率和勞動替代兩個渠道均存在，只是后一機制的顯著性和穩(wěn)健性更弱。

［關鍵詞］數(shù)字經(jīng)濟；就業(yè)穩(wěn)定性；匹配效率；勞動替代

［中圖分類號］?F2414［文獻標識碼］?A［文章編號］?1673-0461（2024）02-0076-11

一、引言

近年來，我國城鎮(zhèn)調(diào)查失業(yè)率多次攀升至歷史高點，居民就業(yè)問題引發(fā)社會和學界的廣泛關注。數(shù)據(jù)顯示，近幾年我國勞動力市場均表現(xiàn)出平均失業(yè)率高、波動大的特點（見圖1），這說明在當前的經(jīng)濟形勢下，我國勞動力市場仍具有脆弱性強、敏感性高的特征。相比于短期的失業(yè)率上升，這種就業(yè)的脆弱性和不穩(wěn)定性更值得引起關注和重視。一旦工作的穩(wěn)定性下降，收入可持續(xù)性降低，即使是較高的短期收入也難以激發(fā)居民的消費和投資意愿，這也是疫情后居民消費意愿和消費市場活力恢復力度始終不足的重要原因。不僅如此，隨著時間推移，就業(yè)穩(wěn)定性還可能進一步成為制約資本市場活力和房地產(chǎn)市場發(fā)展的重要因素。在這一背景下，關于什么因素影響就業(yè)穩(wěn)定性，如何提高就業(yè)穩(wěn)定性的研究也變得尤為重要。

圖1?全國城鎮(zhèn)調(diào)查失業(yè)率

在就業(yè)穩(wěn)定性的眾多影響因素中，數(shù)字技術的應用扮演了重要的角色。數(shù)字經(jīng)濟的崛起是我國積極參與第三次科技革命和產(chǎn)業(yè)革命的重要產(chǎn)物，2021年我國數(shù)字經(jīng)濟規(guī)模已經(jīng)超過45萬億元，位居全球第二，其蓬勃發(fā)展為后疫情時代的中國經(jīng)濟增長注入了新的動力，也對社會生產(chǎn)和生活的方方面面產(chǎn)生了深刻的影響。信息化、智能化產(chǎn)品和服務逐漸滲透到居民生活的各個角落，平臺網(wǎng)絡在求職、招聘中發(fā)揮了越來越重要的作用，企業(yè)可以在各大求職網(wǎng)站和社交軟件上發(fā)布招聘信息，安排線上交流和溝通，勞動者也可以通過信息網(wǎng)絡更直觀和全面地了解企業(yè)的崗位需求和薪酬待遇。從這個角度出發(fā)，數(shù)字經(jīng)濟的發(fā)展促進了勞動力市場信息的透明化，提高了崗位匹配效率，必將有利于就業(yè)穩(wěn)定性的提高。然而，與此同時，很多數(shù)字化產(chǎn)品和服務都可能會替代一部分勞動力，例如智能機器人普及和應用之后，原來該職位員工的就業(yè)必將變得困難，同一崗位的競爭程度增加，員工主動或被動離職、頻繁尋找新工作的概率可能上升。不僅如此，一旦ChatGPT等智能化程度更高的語言模型大規(guī)模進入市場，還會有更多原來由人完成的工作被機器所替代，勞動者們更有可能面臨不斷離職、尋找新工作的困境。從這一角度看，數(shù)字經(jīng)濟的發(fā)展又將不利于就業(yè)的穩(wěn)定性。在這兩種因素的綜合作用下，數(shù)字經(jīng)濟到底是否有利于居民的穩(wěn)定就業(yè)？這一重要問題在以往文獻中尚無完全確定的答案，本文也將通過理論建模和實證等方法嘗試回答這一問題。

從文獻角度出發(fā)，數(shù)字經(jīng)濟自興起以來一直是國內(nèi)外學界熱議的話題。大量研究分析認為，數(shù)字技術和自動化必將對當前及未來的就業(yè)市場產(chǎn)生重大和深遠的影響［1］。AUTOR、DORN?（2013）?［2］研究發(fā)現(xiàn)，自動化技術將對就業(yè)產(chǎn)生替代效應，且主要針對中等技能群體。MICHAELS等（2014）?［3］基于11個國家25年的數(shù)據(jù)研究也表明，信息和通信技術（ICT）使得工作的技能需求被極化，一些低技能的工作消失，更多具有比較優(yōu)勢的新工作又被創(chuàng)造出來。其他研究如AUTOR?（2015）?［4］，ACEMOGLU、RESTREPO?（2019）?［5］也得到了類似的結論。ACEMOGLU、RESTREPO?（2020）?［6］利用美國數(shù)據(jù)研究發(fā)現(xiàn)，整體而言，機器人技術的普及的確會導致工人失業(yè)率的上升和工資水平的下降。國內(nèi)文獻方面，蔡躍洲和陳楠（2019）［7］認為，在人工智能的發(fā)展進程中，中間層崗位可能受害最大。戚聿東等（2020）［8］構建了就業(yè)質量的衡量指標，發(fā)現(xiàn)數(shù)字經(jīng)濟的發(fā)展能夠優(yōu)化就業(yè)結構，提高就業(yè)質量。柏培文和張云（2021）［9］著重關注中低技能勞動者，發(fā)現(xiàn)數(shù)字經(jīng)濟的發(fā)展的確會擠占這一群體的相對收入權，但也能夠改善他們的相對福利。不難看出，這些研究更加聚焦于數(shù)字經(jīng)濟對于失業(yè)率及就業(yè)結構的影響，較少有研究致力于探索數(shù)字經(jīng)濟和就業(yè)穩(wěn)定性的關系。

另一支與本文相關的文獻是關于就業(yè)穩(wěn)定性的研究。以往文獻中將不穩(wěn)定就業(yè)定義為一種缺乏保障的，有風險的雇傭狀態(tài)［10-12］，隨著經(jīng)濟全球化不斷推進，這種不穩(wěn)定的就業(yè)狀態(tài)已經(jīng)逐漸延伸至各個國家和地區(qū)［10］。研究表明，不穩(wěn)定就業(yè)的影響因素可能包括就業(yè)等級、教育水平和培訓等［13-14］。此外，大多數(shù)研究也發(fā)現(xiàn)，處于這類不穩(wěn)定部門的就業(yè)者工資通常更低?［15］。國內(nèi)研究方面，李駿（2018）［16］討論了非穩(wěn)定就業(yè)形成的勞動力市場分割在中國香港和內(nèi)地的差異，莫瑋俏和史晉川（2020）［17］研究則發(fā)現(xiàn)，丈夫的穩(wěn)定就業(yè)將會降低妻子的工作時長。此外，一部分研究者著重關注農(nóng)民工的就業(yè)穩(wěn)定性，如邵敏和武鵬（2019）［18］將就業(yè)穩(wěn)定性和我國出口導向型的經(jīng)濟模式聯(lián)系起來，發(fā)現(xiàn)這一模式是導致農(nóng)民工就業(yè)穩(wěn)定性低的重要原因?？傮w而言，以往文獻更加關注不穩(wěn)定就業(yè)帶來的后果及其異質性，而對于就業(yè)穩(wěn)定性影響因素研究相對較少，更少有研究涉及數(shù)字經(jīng)濟、人工智能等因素。

本文基于理論框架提出研究假設，并通過實證分析詳細檢驗數(shù)字經(jīng)濟發(fā)展對就業(yè)穩(wěn)定性的影響及渠道。具體而言，本文首先在一個一般均衡框架中引入數(shù)字技術，討論數(shù)字技術對企業(yè)的勞動需求、就業(yè)市場的搜尋-匹配等過程的影響，進而得到其影響就業(yè)穩(wěn)定性的可能渠道和方向，形成實證假設。接下來，將基于CFPS等數(shù)據(jù)形成數(shù)字經(jīng)濟發(fā)展和居民就業(yè)穩(wěn)定性的衡量指標，從實證上檢驗兩者之間的相關關系。考慮到可能存在的內(nèi)生性問題，本文還將使用工具變量等方法盡可能降低內(nèi)生性的干擾，提高結果的科學性和可靠性。此外，還將從實證角度討論兩個渠道的存在性及其在主結果中發(fā)揮的作用。

本文可能的貢獻主要體現(xiàn)在以下三點：首先，以往文獻往往更關注數(shù)字經(jīng)濟對勞動的替代作用和就業(yè)創(chuàng)造作用，少有研究注意到就業(yè)的穩(wěn)定性指標。但只有在就業(yè)穩(wěn)定性方面，數(shù)字經(jīng)濟才能更好地發(fā)揮提高匹配程度等積極作用，更有可能產(chǎn)生正面效應。本文基于微觀數(shù)據(jù)驗證了數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性的影響方向，為探索數(shù)字經(jīng)濟對勞動力市場的影響提供了新的維度。其次，文章給出了兩個方向相反的影響渠道，并從理論建模和實際數(shù)據(jù)兩個角度進行了檢驗，為深入理解數(shù)字經(jīng)濟如何影響就業(yè)穩(wěn)定性，正確引導數(shù)字經(jīng)濟和就業(yè)發(fā)展方向提供了有益的理論依據(jù)。最后，就業(yè)穩(wěn)定性是關乎社會經(jīng)濟穩(wěn)定和個人發(fā)展的重要指標，數(shù)字經(jīng)濟也是新時代高質量發(fā)展的重要關鍵詞。因此，本文的研究結論具有現(xiàn)實意義，能夠為后續(xù)推動數(shù)字經(jīng)濟的健康發(fā)展，保障人民的就業(yè)權益的相關政策制定打下理論基礎。

二、理論框架及研究假設

本文構建一個包含數(shù)字經(jīng)濟的一般均衡模型，假設生產(chǎn)部門同時使用數(shù)字化服務、資本和勞動作為投入要素，代表性企業(yè)使用常替代彈性生產(chǎn)技術：

Yt=［α（AMMt）1-1/σ+（1-α）Q1-1/σt］σ/（σ-1）（1）

式（1）中Yt代表當期企業(yè)產(chǎn)出；Mt代表數(shù)字化產(chǎn)品，包括數(shù)字技術相關的一系列產(chǎn)品和服務，如智能機器人、數(shù)字設備等；AM代表數(shù)字服務拓展型技術；Qt代表其他要素形成的增加值；參數(shù)α∈（0，1）代表數(shù)字化產(chǎn)品或服務的產(chǎn)出彈性；σ代表數(shù)字化產(chǎn)品與其他傳統(tǒng)要素形成的增加值之間的替代彈性。假設σ>1，即這一生產(chǎn)要素與傳統(tǒng)生產(chǎn)要素之間主要體現(xiàn)為替代關系，隨著數(shù)字經(jīng)濟的發(fā)展，數(shù)字化產(chǎn)品的價格下降，投入量增加，企業(yè)傳統(tǒng)生產(chǎn)要素的需求可能降低。此外，假設當期Mt來自于前一期的留存（1-δM）Mt-1和本期的數(shù)字研發(fā)投入GMt，即Mt=（1-δM）Mt-1+GMt，增加值則由資本和勞動兩種要素復合形成：

Qt=［β（AKKt）1-1/ε+（1-β）（ALLt）1-1/ε］ε/（ε-1）（2）

式（2）中Kt和Lt分別代表資本和勞動投入；AK和AL則分別為資本拓展型技術和勞動拓展型技術；參數(shù)β指資本要素在增加值投入中的份額；ε代表兩者之間的替代彈性。同郭凱明（2019）［19］類似的，這里假設數(shù)字化產(chǎn)品同勞動、資本的替代彈性相同，也就是說，當產(chǎn)業(yè)結構更傾向于勞動密集型時，數(shù)字經(jīng)濟對于勞動的替代效應更強。

代表性企業(yè)以最大化總貼現(xiàn)利潤為最終目標，選擇最優(yōu)的數(shù)字化產(chǎn)品、勞動和資本要素投入，最優(yōu)化問題寫成：

maxEt∑∞s=tΛt，s［PsYs-ωsLs-RsKs-c（Vs）

-PMsMs］（3）

式（3）中Ps代表產(chǎn)品價格，ωs、Rs和PMs分別代指工資水平、利率和數(shù)字要素價格，Λt，s代表貼現(xiàn)因子。同絕大多數(shù)文獻一樣，假設資本的積累取決于上一期的資本留存和當期投資，即滿足Kt=（1-δK）Kt-1+It。勞動力投入方面，假設在每一期期末，現(xiàn)有勞動力都有一定比例離開當前崗位，成為待就業(yè)人群，企業(yè)每一期也會重新組織招聘，吸納新的員工。定義企業(yè)發(fā)布招聘的空崗位數(shù)量為Vt，產(chǎn)生的總招聘成本為c（Vt）。發(fā)布的崗位數(shù)量越多，帶來的企業(yè)人力、物力成本越高，即滿足c′（Vt）>0。

在勞動力市場上，本文參考經(jīng)典的搜尋-匹配理論框架［20-21］，假設求職過程存在搜尋匹配摩擦，企業(yè)發(fā)布招聘的崗位數(shù)量、待就業(yè)勞動者人數(shù)和最終找到工作實現(xiàn)就業(yè)的人數(shù)不完全相等，而是滿足一定的數(shù)量關系。具體來說，設前來尋找工作的求職者人數(shù)為Ut，企業(yè)發(fā)布的職位數(shù)量為Vt，那么最終找到工作的勞動者人數(shù)Ht滿足：

Ht=μtUηtV1-ηt（4）

式（4）中參數(shù)η∈（0，1）代表在就業(yè)匹配中求職一方對于最終就業(yè)人數(shù)相對影響的彈性，η越大則說明勞動供給方數(shù)量對最終勞動力人數(shù)的影響越強。μt∈（0，1）代表崗位的匹配效率，取決于整體勞動力市場的信息對稱程度、產(chǎn)業(yè)錯配程度等。在現(xiàn)實經(jīng)濟中，當數(shù)字經(jīng)濟的發(fā)展程度越高時，信息的網(wǎng)絡性發(fā)揮作用的渠道越多、范圍越廣，勞資雙方的溝通便利性越高，就業(yè)市場信息的對稱性也就越強，就業(yè)匹配效率越高。鑒于此，本文假設μt是數(shù)字經(jīng)濟發(fā)展程度的函數(shù)，滿足dμt/dMt>0。令每一期勞動者的離職率，即進入新一輪就業(yè)匹配流程的勞動者比例為λt=Ut/Lt，企業(yè)發(fā)布崗位密度為vt=Vt/Lt，則就業(yè)匹配方程可以寫成：

Ht/Lt=μtληtv1-ηt（5）

這樣一來，t時期參與就業(yè)的勞動力人數(shù)可以分為兩部分：一部分是前一期沒有離職，仍處于勞動力市場的人，表示為（1-λt-1）Lt-1；另一部分則是通過在勞動力市場上求職應聘成功，實現(xiàn)重新就業(yè)的人員，表示為μt-1ληt-1v1-ηt-1Lt-1。最終的工資水平由勞動力和企業(yè)雙方通過納什討價還價（Nash?Bargaining）決定：假設代表性勞動者的效用函數(shù)中包括消費和勞動供給，其中勞動供給帶來負效用，勞動者可以選擇是否進入勞動力市場工作，相比于不進入勞動力市場而言，接受工作帶來的凈收益為sHt。同理，假設企業(yè)發(fā)布崗位空缺后，成功招聘一名勞動者相對于未成功招聘的凈收益為sFt。那么納什討價還價得到的工資水平將能夠使得兩個凈收益的CRS加總最大化，即ωt=argmax（sHt）θ（sFt）1-θ，θ代表企業(yè)在工資談判中的相對優(yōu)勢地位。

在均衡條件下，整體經(jīng)濟中勞動力的離職率可以寫成：

λt-μ1/ηtλt1-ηcΓLt1-ηη（6）

式（6）中c代表企業(yè)招聘成本常數(shù)，ΓLt代表企業(yè)部門最優(yōu)性條件中勞動力的影子價格，滿足dΓLt/dMt<0。從式（6）可以看出，數(shù)字技術的提高和數(shù)字化服務的不斷完善將可能通過兩個渠道影響經(jīng)濟中居民的就業(yè)穩(wěn)定性：

一方面，μt的提高帶動離職率的下降，即就業(yè)穩(wěn)定性的上升。數(shù)字經(jīng)濟打破了信息交流的地域限制，擴寬了用人單位的招聘渠道和求職者的應聘方式，更好地滿足了不同人群的就業(yè)需求。求職者可以通過在線招聘網(wǎng)站、社交媒體等獲知大量的招聘信息和職位機會，查看企業(yè)的執(zhí)業(yè)信息、工作要求和薪酬福利等，更好地了解企業(yè)近況和崗位需求，做出更明智的選擇。雇主則可以通過在線招聘平臺廣泛發(fā)布招聘，吸引更多的求職者，并利用人工智能和大數(shù)據(jù)分析技術對求職者的背景、技能和經(jīng)驗進行篩選和精準匹配，提高招聘的效率和準確性。這也就是說，通過互聯(lián)網(wǎng)平臺，求職者和用人單位都可以更加直觀地了解對方的實際情況，極大地提高了勞動力市場的透明度。這些都將有利于就業(yè)市場上信息對稱程度的上升和技能匹配程度的提高，在上述模型框架中即表現(xiàn)為μt的增加。在其他條件不變的情況下，這也將有效降低勞動力的離職率，提高就業(yè)穩(wěn)定性。

另一方面，ΓLt的下降帶動離職率的提高，即就業(yè)穩(wěn)定性的降低。數(shù)字經(jīng)濟的快速發(fā)展加速了智能機器人等數(shù)字化產(chǎn)品的應用與普及，大大提高了企業(yè)生產(chǎn)力。然而，隨著這些數(shù)字化產(chǎn)品的不斷增加，人與機器的競爭也開始逐漸加劇。智能機器和自動化系統(tǒng)的優(yōu)勢在于其高速計算、準確度和無需休息的能力。它們能夠執(zhí)行重復、繁瑣的任務，同時具備處理龐大數(shù)據(jù)集和復雜算法的能力，這使得它們在生產(chǎn)制造、數(shù)據(jù)分析、客戶服務等多個領域比人類更具競爭力。長此以往，人類勞動力的價值下降，企業(yè)僅需要雇傭少數(shù)具有數(shù)字化技能的人才，不再需要使用大量人力資本。整體而言，同一崗位的員工在工作機會和薪資方面的競爭程度也會提高，企業(yè)裁員率增加，員工主動或被動離職次數(shù)上升，就業(yè)穩(wěn)定性也隨之下降。

不難發(fā)現(xiàn)，此時，兩個渠道分別指向相反的方向，當提高就業(yè)匹配的效果更強時，數(shù)字經(jīng)濟的發(fā)展對提高就業(yè)穩(wěn)定性起正面效果；而當數(shù)字化產(chǎn)品替代勞動帶來的影響更大時，數(shù)字經(jīng)濟發(fā)展則不利于居民的穩(wěn)定就業(yè)，反而可能增加失業(yè)，提高員工離職率。鑒于此，提出兩個方向相反的實證假設：居民的就業(yè)穩(wěn)定性將隨數(shù)字經(jīng)濟的發(fā)展程度的上升而提高/下降。

三、數(shù)據(jù)與實證設計

（一）實證模型設定

基于上述理論模型，為了進一步檢驗數(shù)字經(jīng)濟發(fā)展對就業(yè)穩(wěn)定性的影響，本文設定如下計量檢驗模型：

Stabijt=β0+β1×Digitjt+γ×X+νi+t+εijt（7）

式（7）中i代表個體；j代表地區(qū)；t代表時間；Stabijt為個體的就業(yè)穩(wěn)定性，用是否簽訂合同和近期離職次數(shù)兩個維度衡量；Digitjt代表當?shù)財?shù)字經(jīng)濟的發(fā)展程度；X代指一系列個體和地區(qū)層面控制變量，包括個體健康狀況、所在家庭規(guī)模、產(chǎn)業(yè)結構等；νi和t分別表示個體和年份固定效應；εijt為隨機擾動項。考慮到同一地區(qū)個體之間可能存在的相關性對結果的影響，標準誤聚類到地區(qū)層面。與此同時，在穩(wěn)健性檢驗中，使用是否簽訂合同這一虛擬變量作為因變量，因此引入了Probit模型；使用20世紀80年代郵電業(yè)務作為工具變量，因此還引入了2SLS回歸模型，其涉及主要解釋變量和被解釋變量的變化形式將在下文具體闡述?？紤]到兩個回歸模型的控制變量和回歸形式與式（7）相似，在此不再贅述。

（二）數(shù)據(jù)來源及變量說明

本文所使用的數(shù)據(jù)主要包含兩類，一類是數(shù)字經(jīng)濟相關的宏觀指標，主要來源于國家統(tǒng)計局；另一類則是個體層面的微觀數(shù)據(jù)，主要來源于中國家庭追蹤調(diào)查（China?Family?Panel?Studies，CFPS）2014年、2016年、2018年和2020年數(shù)據(jù)。CFPS?由北京大學中國社會科學調(diào)查中心主導，使用內(nèi)隱分層方法進行多階段抽樣設計，包含經(jīng)濟社會、教育、人口變遷等多個維度數(shù)據(jù)，具有變量覆蓋范圍廣、抽樣規(guī)模大、代表性強等優(yōu)勢，能夠滿足需要。具體而言，本文所使用的變量及其定義如下：

就業(yè)穩(wěn)定性。在以往文獻中，羅楚亮（2008）［22］認為，穩(wěn)定就業(yè)指長期合同工和固定職工，其他就職類型均應屬于非穩(wěn)定就業(yè)，李駿（2018）［16］也基于中國勞動力動態(tài)調(diào)查和香港社會動態(tài)追蹤調(diào)查兩項數(shù)據(jù)將非穩(wěn)定就業(yè)定義為沒有全職工作或沒有固定雇主。邵敏和武鵬（2019）［18］聚焦于研究農(nóng)民工的就業(yè)穩(wěn)定性及其影響因素，因此將主動轉換工作視為穩(wěn)定性較差的表現(xiàn)，莫瑋俏和史晉川（2020）［17］基于CGSS數(shù)據(jù)為就業(yè)穩(wěn)定性選取了4個衡量維度，包括以往工作次數(shù)、工作年限、合同簽訂和單位屬性。參考以上同類文獻的做法，綜合CFPS數(shù)據(jù)的可得性，本文使用是否簽訂合同和近期離職次數(shù)2個維度衡量就業(yè)穩(wěn)定性。具體而言，在CFPS問卷中，受訪者被詢問了自上一次受訪以來或最近2年以來更換工作的次數(shù)及在當前所從事的主要工作中是否簽訂合同的情況①。我們將這2個變量進行標準化處理后進行平均，形成就業(yè)穩(wěn)定性的綜合衡量指標②。值得提出的是，CFPS的受訪者中還有一部分為自雇勞動（問卷中表現(xiàn)為：為自己/自家干活），隨著數(shù)字技術的發(fā)展和平臺經(jīng)濟的規(guī)模擴大，他們的經(jīng)營穩(wěn)定性同樣可能受到影響，只是本文將關注重點集中于數(shù)字經(jīng)濟通過職業(yè)匹配、勞動替代等渠道對就業(yè)的影響，因此僅考慮了受雇人員。

數(shù)字經(jīng)濟發(fā)展程度。數(shù)字經(jīng)濟發(fā)展程度是本文的主要解釋變量，參考BUKHT和HEEKS?（2018）［23］、戚聿東等（2020）［8］、柏培文和張云（2021）［9］等對于數(shù)字經(jīng)濟內(nèi)涵的詮釋和衡量方法，我們選取了數(shù)字經(jīng)濟供給端和需求端兩大維度。其中，供給端主要包括數(shù)字相關產(chǎn)業(yè)的發(fā)展情況，具體體現(xiàn)在互聯(lián)網(wǎng)、電子商務、科技、軟件制造等典型行業(yè)。因此，本文選取地區(qū)郵政業(yè)務總量、電信業(yè)務總量、快遞業(yè)務收入、軟件業(yè)務收入、電子商務交易額、專利申請授權數(shù)和規(guī)上企業(yè)專利數(shù)作為數(shù)字相關產(chǎn)業(yè)發(fā)展程度的代理指標并進行了相應地對數(shù)化處理。此外，數(shù)字經(jīng)濟需求則主要體現(xiàn)在數(shù)字用戶及數(shù)字平臺的構建上，本文選取電話普及率、長途光纜線路長度、域名數(shù)和互聯(lián)網(wǎng)寬帶接入用戶數(shù)量4個指標作為相應的代理指標?？紤]到各地區(qū)的人口規(guī)模差距，我們還對互聯(lián)網(wǎng)寬帶接入用戶等進行人均化處理。表1中總結了數(shù)字經(jīng)濟發(fā)展程度指標構建所用到的原始變量及其描述性統(tǒng)計。進一步地，將這11個變量標準化，利用主成分分析法可提取到3個主成分，組合形成數(shù)字經(jīng)濟發(fā)展程度的綜合指標③。從指標的相對數(shù)值看，隨著時間的推移，數(shù)字經(jīng)濟的發(fā)展程度迅速提高，這在定性上也與全國數(shù)字經(jīng)濟發(fā)展的整體趨勢相符合，一定程度上驗證了綜合指標構建的準確性和可靠性。

除此之外，我們還引入了一系列控制變量，其中在個體層面，由于CFPS調(diào)查中每一年都有新的個體、家庭被引入調(diào)查，也有之前的受訪人群退出調(diào)查，即形成的是非平衡面板數(shù)據(jù)，因此依然加入了個體層面控制變量，包括家庭規(guī)模、健康狀況、婚姻狀態(tài)等。在地區(qū)層面，可能影響個體就業(yè)穩(wěn)定性的因素包括當?shù)亟?jīng)濟發(fā)展的實際水平、產(chǎn)業(yè)結構等。例如在經(jīng)濟發(fā)展水平越高的地區(qū)，企業(yè)平均規(guī)模更高，規(guī)范性和綜合實力更強，提供穩(wěn)定就業(yè)崗位的概率也可能越高。相比于農(nóng)業(yè)、制造業(yè)，服務業(yè)等行業(yè)吸納就業(yè)能力較強，但企業(yè)員工流動性也較高，這也就意味著，產(chǎn)業(yè)結構對就業(yè)穩(wěn)定性同樣構成影響。此外，由于地方財力等的差異，我國各地區(qū)的社會保障水平也存在很強的異質性，可能影響當?shù)鼐用竦木蜆I(yè)穩(wěn)定性，具體表現(xiàn)為：如果當?shù)氐纳鐣Ｕ蠈用窕旧畹谋Ｕ铣潭茸銐蚋?，那么勞動者務工的動機就越弱，對工作的選擇性越強，可能形成不工作和有穩(wěn)定工作的兩級分化狀態(tài)。鑒于此，本文引入地區(qū)GDP增長率、第三產(chǎn)業(yè)占比、社會保障與就業(yè)支出占比等作為地區(qū)層面控制變量。

四、實證結果及分析

（一）基準回歸結果

表2展示了數(shù)字經(jīng)濟發(fā)展對就業(yè)穩(wěn)定性影響的基準回歸結果，在僅引入固定效應，不加入任何控制變量的情況下，結果顯示回歸系數(shù)為0021，在犯錯概率不超過1%的情況下顯著。進一步地，列（2）～（3）在此基礎上依次控制了個體層面控制變量和地區(qū)層面控制變量。結果表明，在這兩列回歸中，數(shù)字經(jīng)濟發(fā)展對勞動者的就業(yè)穩(wěn)定性同樣表現(xiàn)出顯著的正向作用，且顯著性水平均在1%以上。以列（3）為例，實證結果顯示，在其他條件不變的情況下，數(shù)字經(jīng)濟發(fā)展綜合指數(shù)提高1單位，就業(yè)穩(wěn)定性的綜合指標就將增加0033，這也初步驗證了本文第二部分中的假設，即數(shù)字經(jīng)濟發(fā)展對于就業(yè)穩(wěn)定性存在積極作用，降低勞動力市場的信息不對稱、提高匹配效率等途徑所帶來的正面效應更有可能強于企業(yè)數(shù)字化產(chǎn)品替代勞動力對穩(wěn)定就業(yè)的負面影響。

（二）穩(wěn)健性檢驗

為了進一步檢驗這一實證結果的穩(wěn)健性，進行了一系列穩(wěn)健性檢驗?；鶞驶貧w中穩(wěn)定就業(yè)的衡量指標中包含的初始變量是更換工作的次數(shù)。但在現(xiàn)實經(jīng)濟中，隨著信息社會的不斷發(fā)展和勞動者思想的更新升級，很多勞動者，尤其是青年勞動者對于工作的態(tài)度并不是以完全固定和一成不變?yōu)樽詈?，而是在不斷尋求更加適合自己的職業(yè)方向，此時適當更換工作并不意味著工作不穩(wěn)定，而只是意味著不一樣的，甚至更好的工作狀態(tài)。與之相對應的，只有當個體更換工作頻率過高時，才反映該個體存在就業(yè)困難，穩(wěn)定性差的特點。因此，表3列（1）更換了被解釋變量的衡量方式，將衡量指標中的離職次數(shù)換成了是否頻繁更換工作，其中頻繁更換工作是指該受訪者在兩年內(nèi)更換工作次數(shù)達到兩次以上；列（2）則將就業(yè)穩(wěn)定性的衡量方式更換為是否既簽訂了合同又沒有更換工作。從回歸結果看，此時兩項的結果都仍然顯著，說明這一更換并不會影響結論。

更進一步地，文章中的穩(wěn)定就業(yè)是想代指一種相比不穩(wěn)定更好的就業(yè)狀態(tài)，其優(yōu)勢包括相對長期的雇傭合同，受法律保護的勞動時長和各項保險，能夠給予勞動者較好的保障，讓其沒有后顧之憂，對比的是幾個月?lián)Q一個工作，隨時面臨失業(yè)，惶惶不可終日的狀態(tài)。然而，離職次數(shù)的高低更有可能是一種選擇，而無法成為就業(yè)狀態(tài)好的絕對表現(xiàn)形式。同時，部分文獻也直接以合同簽訂與否作為是否穩(wěn)定就業(yè)的唯一衡量維度［16］。因此，表3列（3）中摒棄了對于離職次數(shù)的關注，僅以是否簽訂合同作為就業(yè)穩(wěn)定性的衡量指標。由于因變量為二值變量，需要采用Probit模型，我們參考張勛等（2019）［24］的做法控制了區(qū)域的固定效應，不再引入地區(qū)層面的控制變量。此時，在犯錯概率不超過5%的前提下，回歸結果仍然表現(xiàn)為正向顯著，說明數(shù)字經(jīng)濟的發(fā)展對于就業(yè)穩(wěn)定性的定性影響并不受到因變量衡量方式的影響。

對于解釋變量，基準回歸中使用主成分分析得到的綜合指標作為數(shù)字經(jīng)濟發(fā)展的代理指標，表3列（4）中將解釋變量直接更換為11個標準化后變量的數(shù)量平均值，發(fā)現(xiàn)結果的方向和顯著性程度也均不會發(fā)生變化，說明這一結論對于被解釋變量和解釋變量衡量方式的改變均具有穩(wěn)健性。此外，基準回歸使用了2020年訪問的最新數(shù)據(jù)，具體訪問時間在2020年初新冠病毒疫情之后。突發(fā)疫情讓很多中小企業(yè)面臨前所未有的資金流危機，經(jīng)營陷入困境，失業(yè)率快速上升，就業(yè)穩(wěn)定性受到大幅影響。盡管在基準回歸中，已經(jīng)控制了年份固定效應，也引入了地區(qū)層面的控制變量，理論上可以緩解2020年突發(fā)疫情及后來的局部散點疫情對回歸結果的干擾，但疫情的影響還可能滲透到更多方面，例如影響該年份數(shù)字經(jīng)濟的發(fā)展程度，進而影響其對就業(yè)穩(wěn)定性的正面效應。鑒于此，表3列（5）不再考慮2020年數(shù)據(jù)，直接使用前三年的數(shù)據(jù)，發(fā)現(xiàn)此時的定性結果仍不發(fā)生改變，說明疫情的影響同樣不會干擾最終結論。

數(shù)字經(jīng)濟的發(fā)展是我國經(jīng)濟社會不斷進步、科技創(chuàng)新能力持續(xù)提高的產(chǎn)物，同時又在推動著社會生產(chǎn)力的進一步上升，因此，在數(shù)字經(jīng)濟的相關研究中，內(nèi)生性問題往往成為無法繞開的重要問題。在本文中，一方面，數(shù)字經(jīng)濟的發(fā)展能夠提高就業(yè)的穩(wěn)定性，穩(wěn)定就業(yè)也能夠使得勞動者的工作積極性、主動性更強，創(chuàng)新研發(fā)動力更充足，進而促進數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化發(fā)展，即可能存在內(nèi)生因果問題。另一方面，限于數(shù)據(jù)來源，回歸中能控制的變量總是有限的，無法完全涵蓋就業(yè)穩(wěn)定性的影響因素，即無法完全避免遺漏變量的問題?；鶞驶貧w中所使用的計量模型中使用固定效應等手段盡可能緩解遺漏變量等帶來的影響，更進一步地，表4列（1）使用滯后一期的數(shù)字經(jīng)濟發(fā)展指標作為解釋變量進行回歸。結果表明，在通過變量滯后一期減少內(nèi)生性問題帶來的干擾之后，數(shù)字經(jīng)濟發(fā)展仍然對就業(yè)穩(wěn)定性存在顯著的正向影響，即結論不發(fā)生變化。

除變量滯后外，工具變量法也是解決內(nèi)生性問題的常用方法。在我國的互聯(lián)網(wǎng)發(fā)展史上，信息網(wǎng)絡的使用和普及最早是從電話和郵件業(yè)務開始的，因此，歷史上郵電業(yè)務量較高的地區(qū)也可能更容易發(fā)展數(shù)字經(jīng)濟［25］。與此同時，多年前的郵電行業(yè)發(fā)展程度也幾乎不再對近年的居民就業(yè)產(chǎn)生直接影響。因此，參考黃群慧等（2019）［25］、NUNN、QIAN?（2014）?［26］、趙濤等（2020）［27］等文獻的做法，本文選取1984年的各地區(qū)的郵電業(yè)務總量作為數(shù)字經(jīng)濟發(fā)展程度的工具變量?？紤]到單一年份數(shù)據(jù)為截面數(shù)據(jù)，我們借鑒NUNN、QIAN?（2014）?［26］選取了上一年互聯(lián)網(wǎng)使用人數(shù)作為時間相關變量，以兩者的乘積作為最終使用的工具變量。表4列（2）～（3）分別使用1984年郵電業(yè)務總量和上一年互聯(lián)網(wǎng)上網(wǎng)人數(shù)或互聯(lián)網(wǎng)寬帶接入用戶對數(shù)的乘積作為工具變量。由于當時重慶市尚未形成直轄市，沒有郵電業(yè)務相關數(shù)據(jù)，因此這兩列的樣本數(shù)量小于基準回歸。結果表明，一階段回歸結果中F值均大于10，且CraggDonald?Wald?F統(tǒng)計量大于StockYogo?weak?ID?test?critical?values的所有臨界值，可以拒絕存在弱工具變量的原假設。如表4中所示，數(shù)字經(jīng)濟發(fā)展仍然對就業(yè)穩(wěn)定性存在顯著的積極影響，說明在使用了工具變量，內(nèi)生性問題帶來的可能影響減小的情況下，這一結論仍不會發(fā)生改變。

除此之外，考慮到是否簽訂合同也能夠較好地反映就業(yè)穩(wěn)定性狀態(tài)，且在以往文獻中也常被視為唯一穩(wěn)定性衡量指標，本文也進一步將被解釋變量更換為是否簽訂合同并適用上述穩(wěn)健性檢驗。方式包括更換數(shù)字經(jīng)濟發(fā)展衡量方式、換用前三年數(shù)據(jù)及使用滯后一期的數(shù)字經(jīng)濟發(fā)展指標、使用1984年郵電業(yè)務形成工具變量等。結果表明，此時回歸系數(shù)的方向和顯著性均不會發(fā)生變化，即結論依然穩(wěn)健。

（三）影響機制分析

在第二部分的理論模型中，提高就業(yè)匹配程度和替代勞動力是數(shù)字經(jīng)濟影響就業(yè)穩(wěn)定性的兩大可能渠道。上述實證分析表明，數(shù)字經(jīng)濟的持續(xù)發(fā)展對于居民就業(yè)穩(wěn)定性的總體影響是顯著為正的，這也就是說，就業(yè)匹配程度的提高這一渠道帶來的正面效應很可能大于勞動力被替代渠道帶來的負面效應。在接下來的研究中，本文也將進一步通過實證檢驗這兩項影響機制的存在性。對于影響機制的檢驗方法，早年的BARON、KENNY?（1986）?［28］認為，如果引入待檢驗的中介變量后，待檢驗變量的回歸系數(shù)顯著，被解釋變量的回歸系數(shù)有所下降，則說明存在中介效應，如被解釋變量回歸系數(shù)變?yōu)椴伙@著，說明存在完全中介效應。這一檢驗方法具有數(shù)據(jù)可得性強、簡便易行等優(yōu)勢，并很快成為實證研究中檢驗中介效應最常用的方法之一，后續(xù)絕大多數(shù)學術文獻也沿用這一思路進行檢驗。然而近年來，也有研究者撰文指出，這一方法無法規(guī)避內(nèi)生性等問題，可能帶來計量結果的偏誤［29］。

鑒于此，本文參考江艇（2022）［29］的方法，綜合數(shù)據(jù)可得性進行檢驗。具體而言，首先定義就業(yè)匹配程度變量。一般地，當勞動者的技能正好和所從事的職業(yè)所需技能相同或差距非常小時，即說明就業(yè)匹配質量較高［30-32］。參考王?。?021）［32］、KAMPELMANN、RYCX?（2012）?［33］等文獻的做法，綜合CFPS問卷所得的變量，計算出每個職業(yè)勞動者的平均受教育年限，并用受訪者的實際受教育年限和平均受教育年限之差的絕對值（Edu_gap）作為匹配效率的代理指標。當兩者之間的差距越小時，說明就業(yè)崗位和勞動者技能匹配效率越高?？紤]到各地區(qū)勞動力就業(yè)偏好的異質性及當?shù)匦袠I(yè)發(fā)展程度的差異，對不同年份和地區(qū)分開計算平均受教育年限，以便更準確地衡量受訪者在當?shù)鼐蜆I(yè)的崗位匹配程度。表5列（1）使用了受教育程度差距大于中位數(shù)，即就業(yè)匹配程度低于中位數(shù)的樣本，列（2）則使用教育年限與平均年限之差小于等于中位數(shù)，即就業(yè)匹配程度低于中位數(shù)的樣本。結果表明，在兩者差距更小，就業(yè)匹配程度更高的群體中，數(shù)字經(jīng)濟的發(fā)展更容易起到提高就業(yè)穩(wěn)定性的效果。同理，考慮到是否簽訂合同這一指標同樣具有代表性，我們也以其為被解釋變量進行了影響機制檢驗并得到了一致的結果。這也就說明，提高就業(yè)匹配程度的確可能是數(shù)字經(jīng)濟發(fā)展促進穩(wěn)定就業(yè)的重要途徑。

本文理論分析中所涉及的另一影響機制是數(shù)字產(chǎn)品對于人類勞動力的替代。一般來說，智能化產(chǎn)品總是能容易地替代中等或以下技能的勞動力，因此，如果這一影響機制存在的話，也就意味著低技能人群受害更大，在就業(yè)穩(wěn)定性上的受益更小。根據(jù)這一思路，表6列（1）～（2）按受教育程度（Eduyear）是否高于中位數(shù)水平區(qū)分樣本，發(fā)現(xiàn)列（1）的回歸結果顯著為正，列（2）的回歸系數(shù)則不顯著，說明在受教育程度更高的群體中，數(shù)字經(jīng)濟對收入穩(wěn)定性的影響效果明顯更強。這也就證明了另一機制的存在性：在數(shù)字經(jīng)濟蓬勃發(fā)展的過程中，機器逐漸替代了部分程序化較強的勞動力崗位，也提高了人工崗位的競爭程度，進而使得就業(yè)穩(wěn)定性下降。此外，在被解釋變量的衡量維度中剔除離職率，仍以合同簽訂衡量就業(yè)穩(wěn)定性，將會發(fā)現(xiàn)此時兩列回歸結果均顯著，且受教育程度更低的群體顯著程度反而更高，說明相比于就業(yè)匹配程度而言，勞動替代機制的作用力稍弱，而這也可以與數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性整體影響效果為正對應起來。當然，值得提出的是，上述兩個渠道并不是數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性影響的全部渠道，本文的理論分析和實證檢驗中也都不否定任何其他機制的可能存在性，只是因為兩者在現(xiàn)實經(jīng)濟中相對直接和重要，且影響方向恰好相反，故以此為出發(fā)點，探尋數(shù)字經(jīng)濟影響就業(yè)穩(wěn)定性的可能途徑。

五、結論與政策建議

目前，數(shù)字經(jīng)濟的持續(xù)發(fā)展已經(jīng)成為全球經(jīng)濟的一個重要和不可逆轉的趨勢。本文基于理論模型和CFPS微觀數(shù)據(jù)研究了數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性的影響效應，主要得到以下結論：第一，基于一般均衡框架的理論分析表明，數(shù)字經(jīng)濟可以通過提高就業(yè)匹配效率和替代勞動力兩個渠道影響居民的就業(yè)穩(wěn)定性，且兩者指向相反的方向，最終的影響方向決定于兩者的相對大小。第二，使用CFPS數(shù)據(jù)進行實證檢驗發(fā)現(xiàn)，在其他條件不變的情況下，數(shù)字經(jīng)濟的發(fā)展將有利于提高居民的就業(yè)穩(wěn)定性。更換解釋變量與被解釋變量指標衡量策略、排除公共衛(wèi)生事件干擾、利用工具變量等方法降低內(nèi)生性問題后，定性結論仍保持穩(wěn)健，不會發(fā)生改變。第三，影響機制分析結果表明，提高就業(yè)匹配效率和替代勞動力兩個渠道都存在，只是替代勞動力渠道的顯著性和穩(wěn)健性更弱。這也意味著，就業(yè)匹配程度提高這一機制帶來的正面效應更有可能在主結果中起到主導效應，促使主結果方向為正。這一研究從就業(yè)穩(wěn)定性的視角出發(fā)，驗證了數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性的影響方向和機制，為探索數(shù)字經(jīng)濟對勞動力市場的影響提供了新的維度，也為下一階段持續(xù)推動數(shù)字經(jīng)濟高質量發(fā)展，保障居民穩(wěn)定就業(yè)的政策制定提供了有益的依據(jù)。

在當前的形勢下，數(shù)字經(jīng)濟給傳統(tǒng)產(chǎn)業(yè)發(fā)展和就業(yè)模式帶來了巨大的挑戰(zhàn)，也要求勞動者、企業(yè)和政府及時調(diào)整戰(zhàn)略，及早適應數(shù)字化時代，推動就業(yè)市場的變革和創(chuàng)新?；谏鲜鼋Y論，本文可以得出幾點政策啟示：

一是加強數(shù)字技能培訓和就業(yè)服務。根據(jù)文章結論，數(shù)字經(jīng)濟可以通過降低就業(yè)市場的信息不對稱、提高崗位適配程度來促進居民穩(wěn)定就業(yè)。因此，政府可以繼續(xù)持續(xù)加強數(shù)字技能培訓方面的投入，幫助待就業(yè)人群，尤其是弱勢就業(yè)群體提高數(shù)字技能水平，善用信息網(wǎng)絡多方面了解企業(yè)信息，積極適應新就業(yè)形勢。此外，還可以推動建立數(shù)字就業(yè)信息平臺，幫助勞動者了解市場崗位需求和就業(yè)機會；為企業(yè)線上招聘提供專業(yè)的咨詢和技術支持，鼓勵更多企業(yè)加入數(shù)字化平臺，推動勞動力市場信息更加透明化，流程更加科學化，讓更多勞動者和企業(yè)享受到數(shù)字經(jīng)濟在提高崗位適配度、提高就業(yè)匹配質量方面的積極效應。

二是積極引導數(shù)字經(jīng)濟發(fā)展。在本文結論中，勞動力替代的渠道影響力尚且較弱，不足以主導數(shù)字經(jīng)濟對就業(yè)穩(wěn)定性的影響方向，但隨著數(shù)字經(jīng)濟的進一步發(fā)展，這一替代作用可能會有所加強。因此，應當積極引導數(shù)字經(jīng)濟的發(fā)展方向，推動數(shù)字技術與傳統(tǒng)產(chǎn)業(yè)的深度融合，促進數(shù)字經(jīng)濟與實體經(jīng)濟的良性互動，避免數(shù)字經(jīng)濟對傳統(tǒng)產(chǎn)業(yè)和就業(yè)的替代作用過于強烈，導致就業(yè)穩(wěn)定性大幅下降。同時，也要幫助企業(yè)更好地適應數(shù)字經(jīng)濟時代的變革，鼓勵企業(yè)加入創(chuàng)新研發(fā)投入，提高產(chǎn)業(yè)效率和競爭力，以更高效的方式提升經(jīng)濟效益和就業(yè)穩(wěn)定性。

三是建立穩(wěn)定的社會保障體系，更好地保障勞動者權益。數(shù)字經(jīng)濟的快速發(fā)展可能意味著很多傳統(tǒng)行業(yè)和職業(yè)將面臨技能升級和轉型的挑戰(zhàn)，就業(yè)機會減少。如之前所述，這一效應尚未在穩(wěn)定就業(yè)方面占據(jù)主導地位，但仍需謹防。因此，政府可以適時調(diào)整和完善勞動法律法規(guī)，加強社會保障體系建設，提高就業(yè)者的保障水平和社會保障覆蓋面，降低他們的就業(yè)風險，避免失業(yè)問題的頻發(fā)及其對于社會穩(wěn)定性的負面影響。

本文從理論和實證的角度檢驗了數(shù)字經(jīng)濟發(fā)展與就業(yè)穩(wěn)定性的關系，為后續(xù)就業(yè)政策的制定及數(shù)字經(jīng)濟的持續(xù)發(fā)展戰(zhàn)略提供了有益的理論參考。仍需承認的是，正如前文中所提到的，本文聚焦于就業(yè)匹配和勞動替代兩個渠道，但在現(xiàn)實經(jīng)濟中，數(shù)字經(jīng)濟還通過一些其他渠道影響穩(wěn)定就業(yè)，如數(shù)字經(jīng)濟的發(fā)展可能會創(chuàng)造大量臨時性的、非標準化的就業(yè)崗位，進而影響整體就業(yè)的穩(wěn)定性，而這也將成為進一步研究和探索的方向。

［注?釋］

①

據(jù)CFPS問卷標注，此處的合同不僅包括企業(yè)合同，也包括黨政機關、事業(yè)單位等與雇員簽訂的聘用合同和錄用協(xié)議。

②?由于兩個指標主成分分析的KMO等于05，不滿足進行主成分分析的條件，因此進行直接平均。

③?此時KMO為0832，能夠通過Bartlett球形檢驗，滿足進行主成分分析的條件。[BFQ][ZK）]

［參考文獻］

［1］BRYNJOLFSSON?E，?MITCHELL?T.?What?can?machine?learning?do？?Workforce?implications［J］.?Science，?2017，?358（6370）：?1530-1534.

［2］AUTOR?D?H，?DORN?D.?The?growth?of?lowskill?service?jobs?and?the?polarization?of?the?US?labor?market［J］.?American?economic?review，?2013，?103（5）：?1553-1597.

［3］MICHAELS?G，?NATRAJ?A，?VAN?REENEN?J.?Has?ICT?polarized?skill?demand？?Evidence?from?eleven?countries?over?twentyfive?years［J］.?Review?of?economics?and?statistics，?2014，?96（1）：?60-77.

［4］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.

［5］ACEMOGLU?D，?RESTREPO?P.?Automation?and?new?tasks：?how?technology?displaces?and?reinstates?labor［J］.?Journal?of?economic?perspectives，?2019，?33（2）：3-30.

［6］ACEMOGLU?D，?RESTREPO?P.?Robots?and?jobs：?evidence?from?US?labor?markets［J］.?Journal?of?political?economy，?2020，?128（6）：?2188-2244.

［7］蔡躍洲，?陳楠.?新技術革命下人工智能與高質量增長、高質量就業(yè)［J］.?數(shù)量經(jīng)濟技術經(jīng)濟研究，?2019，?36（5）：3-22.

［8］戚聿東，?劉翠花，?丁述磊.?數(shù)字經(jīng)濟發(fā)展、就業(yè)結構優(yōu)化與就業(yè)質量提升［J］.?經(jīng)濟學動態(tài)，?2020?（11）：17-35.

［9］柏培文，?張云.?數(shù)字經(jīng)濟、人口紅利下降與中低技能勞動者權益［J］.?經(jīng)濟研究，?2021，?56（5）：91-108.

［10］KALLEBERG?A?L.?Precarious?work，?insecure?workers：?employment?relations?in?transition［J］.?American?sociological?review，?2009，?74（1）：?1-22.

［11］KALLEBERG?A?L.?Job?quality?and?precarious?work：?clarifications，?controversies，?and?challenges［J］.?Work?and?occupations，?2012，?39（4）：?427-448.

［12］FERREIRA?M.?Informal?versus?precarious?work?in?Colombia：?concept?and?operationalization［J］.?Progress?in?development?studies，?2016，?16（2）：?140-158.

［13］KNIGHT?J，?YUEH?L.?Job?mobility?of?residents?and?migrants?in?urban?China［J］.?Journal?of?comparative?economics，?2004，?32（4）：637-660.

［14］HUANG?Q.?The?impact?of?job?mobility?on?earnings?growth?of?migrant?workers?in?urban?China［J］.?Frontiers?of?economics?in?china，?2011，?6：?171-187.

［15］BARGAIN?O，?KWENDA?P.?Earning?structures，?informal?employment?and?selfemployment：new?evidence?from?Brazil，?Mexico?and?South?Africa［J］.?Review?of?income?and?wealth，?2011，?57：?100-122.

［16］李駿.?非穩(wěn)定就業(yè)與勞動力市場分割——對內(nèi)地與香港的比較研究［J］.?社會學研究，?2018，?33（5）：164-190.

［17］莫瑋俏，?史晉川.?就業(yè)穩(wěn)定性、風險預防與女性工作時間［J］.?經(jīng)濟理論與經(jīng)濟管理，?2020（2）：10-23.

［18］邵敏，?武鵬.?出口貿(mào)易、人力資本與農(nóng)民工的就業(yè)穩(wěn)定性——兼議我國產(chǎn)業(yè)和貿(mào)易的升級［J］.?管理世界，?2019，?35（3）：99-113.

［19］郭凱明.?人工智能發(fā)展、產(chǎn)業(yè)結構轉型升級與勞動收入份額變動［J］.?管理世界，?2019，?35（7）：60-77.

［20］DIAMOND?P?A.?Aggregate?demand?management?in?search?equilibrium［J］.?Journal?of?political?economy，?1982，?90（5）：?798-812.

［21］MORTENSEN?D?T，?PISSARIDES?C?A.?New?developments?in?models?of?search?in?the?labor?market［J］.?Handbook?of?Labor?Economics，?1999，?3，?b（2）：?2567-2627.

［22］羅楚亮.?就業(yè)穩(wěn)定性與工資收入差距研究［J］.?中國人口科學，?2008（4）：11-21.

［23］BUKHT?R，?HEEKS?R.?Defining，?conceptualising?and?measuring?the?digital?economy［J］.?International?organisations?research?journal，?2018，?13（2）：143-172.

［24］張勛，?萬廣華，?張佳佳，?等.?數(shù)字經(jīng)濟、普惠金融與包容性增長［J］.?經(jīng)濟研究，?2019，?54（8）：71-86.

［25］黃群慧，?余泳澤，?張松林.?互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗［J］.?中國工業(yè)經(jīng)濟，?2019（8）：5-23.

［26］NUNN?N，?QIAN?N.?US?food?aid?and?civil?conflict［J］.?American?economic?review，?2014，?104（6）：1630-1666.

［27］趙濤，?張智，?梁上坤.?數(shù)字經(jīng)濟、創(chuàng)業(yè)活躍度與高質量發(fā)展——來自中國城市的經(jīng)驗證據(jù)［J］.?管理世界，?2020，?36（10）：65-76.

［28］BARON?R?M，?KENNY?D?A.?The?moderatormediator?variable?distinction?in?social?psychological?research：?conceptual，?strategic，?and?statistical?considerations［J］.?Journal?of?personality?and?social?psychology，?1986，?51（6）：?1173.

［29］江艇.?因果推斷經(jīng)驗研究中的中介效應與調(diào)節(jié)效應［J］.?中國工業(yè)經(jīng)濟，?2022（5）：100-120.

［30］OLUYOMI?P，?ADEDEJI?S?O.?Skills?mismatch?among?university?graduates?in?the?Nigeria?labor?market［J］.?USChina?education?review，?2012，?1：90-98.

［31］LIU?K，?SALVANES?K?G，?SRENSEN?E?.?Good?skills?in?bad?times：?cyclical?skill?mismatch?and?the?longterm?effects?of?graduating?in?a?recession［J］.?European?economic?review，?2016，?83：3-17.

［32］王俊.?經(jīng)濟集聚、技能匹配與大城市工資溢價［J］.?管理世界，?2021，?37（4）：83-98.

［33］KAMPELMANN?S，?RYCX?F.?The?impact?of?educational?mismatch?on?firm?productivity：?evidence?from?linked?panel?data［J］.?Economics?of?education?review，?2012，?31：?918-931.

Does?the?Development?of?the?Digital?Economy?Improve?Employment?Stability？

Zhou??Huijun

（Institute?of?Economics，?Chinese?Academy?of?Social?Sciences，?Beijing?100836，?China）

Abstract：

With?the?continuous?advancement?of?digitalization，?the?digital?economy?has?gradually?become?a?new?driving?force?leading?the?development?of?the?society?and?economy.?Under?the?current?economic?situation，?does?the?development?of?the?digital?economy?contribute?to?the?improvement?of?the?employment?stability?of?residents？?Based?on?the?theoretical?framework，?this?article?analyzes?the?impact?of?the?digital?economy?on?the?employment?stability?of?residents，?which?includes?two?channels：?On?the?one?hand，?the?digital?economy?reduces?information?asymmetry?in?the?job?market，?improves?the?skill?matching?degree?of?employment?positions，?and?thus?enhances?employment?stability;?on?the?other?hand，?the?intervention?of?digital?technology?may?replace?some?labor?force，?leading?to?an?increase?in?voluntary?or?involuntary?turnover?rate?and?a?decrease?in?employment?stability.?The?empirical?results?based?on?the?CFPS?data?show?that，?under?the?combined?effect?of?these?two?factors，?the?development?of?the?digital?economy?has?a?positive?impact?on?the?stable?employment?of?residents，?and?this?conclusion?remains?robust?after?changing?measurement?of?the?indicators，?excluding?the?influence?of?other?events，?and?using?instrumental?variables.?The?result?of?the?mechanism?analysis?shows?that?both?employment?matching?efficiency?and?labor?substitution?channels?exist，?but?the?significance?and?robustness?of?the?latter?mechanism?are?weaker.?That?is，?the?channel?of?improving?employment?matching?efficiency?is?more?likely?to?play?a?dominant?role?and?bring?positive?effects?on?the?employment?stability.

Key?words：digital?economy;?employment?stability;?matching?efficiency;?labor?substitution

（責任編輯：蔡曉芹）