【摘 要】 提升企業(yè)勞動收入份額對提振內(nèi)需、構(gòu)建“雙循環(huán)”新發(fā)展格局尤為重要?；?010—2021年滬深兩市A股上市公司的數(shù)據(jù)，構(gòu)建一個包含融資約束的企業(yè)要素投入決策模型，檢驗銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響。研究發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束產(chǎn)生工資率效應，工資率效應促使企業(yè)勞動收入份額上升。進一步研究發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型顯著提升民營企業(yè)勞動收入份額，但對國有企業(yè)勞動收入份額無顯著影響，并且相較于管理者，銀行數(shù)字化轉(zhuǎn)型提升雇員勞動收入份額的作用更大。研究結(jié)論為從銀行數(shù)字化轉(zhuǎn)型視角提升企業(yè)勞動收入份額提供了科學的決策依據(jù)。

【關鍵詞】 銀行數(shù)字化轉(zhuǎn)型； 勞動收入份額； 融資約束； 資本深化

【中圖分類號】 F812；F249.24 【文獻標識碼】 A 【文章編號】 1004-5937（2024）15-0093-09

一、引言

當前全球經(jīng)濟增長乏力，貿(mào)易摩擦沖擊國內(nèi)出口，我國經(jīng)濟穩(wěn)增長要依靠擴大內(nèi)需。但是，我國勞動收入份額較低致使家庭收入份額較低，進而抑制消費，導致內(nèi)需不足[ 1 ]。因此，提升勞動收入份額是構(gòu)建“雙循環(huán)”經(jīng)濟增長模式的重要環(huán)節(jié)。然而，我國企業(yè)普遍面臨的融資約束導致企業(yè)勞動收入份額低下[ 2 ]。如何提高金融部門對企業(yè)的有效金融供給是提高企業(yè)勞動收入份額的關鍵。在數(shù)字金融迅速發(fā)展的背景下，作為金融體系主要的構(gòu)成部分，銀行也在快速推進數(shù)字化轉(zhuǎn)型。2021年國有大型商業(yè)銀行和全國性股份制商業(yè)銀行基本設立了金融科技子公司，進入了全面數(shù)字化轉(zhuǎn)型階段。銀行應用大數(shù)據(jù)、云計算、人工智能等技術(shù)實現(xiàn)了傳統(tǒng)貸款業(yè)務的線上化和智能化。數(shù)字化轉(zhuǎn)型提高了銀行信息搜集能力，降低了交易成本，優(yōu)化了風險管理模式，增加了有效金融供給[ 3 ]，有可能提升企業(yè)勞動收入份額。鑒于此，本文探討銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響。

金融與企業(yè)勞動收入份額關系的研究成果較為豐富。已有研究探討金融發(fā)展、金融抑制、融資約束和數(shù)字金融對企業(yè)勞動收入份額的影響。余玲錚和魏下海[ 4 ]的研究認為金融發(fā)展增加了企業(yè)的信貸獲取，促使企業(yè)加快資本深化，進而使勞動收入份額下降。張建武等[ 5 ]的研究表明金融抑制背景下，國有資本密集型企業(yè)獲得大量的低成本信貸，使得這類企業(yè)傾向于進行資本深化，由此減少企業(yè)勞動收入份額。羅長遠和陳琳[ 2 ]的研究表明企業(yè)面臨融資約束時會降低員工工資，進而使企業(yè)勞動收入份額下降，并且融資約束對勞動收入份額的負影響僅在民營企業(yè)存在。汪偉等[ 1 ]的研究認為民營企業(yè)面臨外源融資困難，使得其傾向于增加儲蓄以進行內(nèi)源融資，由此造成對勞動者報酬的擠壓，進而降低企業(yè)勞動收入份額。熊家財?shù)萚 6 ]的研究發(fā)現(xiàn)數(shù)字金融發(fā)展降低了企業(yè)的資金成本，紓解了企業(yè)的融資困難，從而提升了企業(yè)勞動收入份額。綜合而言，減輕企業(yè)融資約束對勞動收入份額會產(chǎn)生重要的影響。當企業(yè)融資約束得到緩解后可能將籌集的資金用于資本深化（比如購買設備等），也可能用于增加員工工資。當企業(yè)將籌集的資金用于資本深化時使得勞動收入份額下降，而當企業(yè)將籌集的資金用于增加員工的工資時使得勞動收入份額上升。緩解企業(yè)融資約束對勞動收入份額的影響，取決于企業(yè)融資約束得到緩解之后如何使用籌集的資金。

銀行數(shù)字化轉(zhuǎn)型影響企業(yè)貸款可得性和貸款結(jié)構(gòu)的研究亦較為豐富。張金清等[ 3 ]的研究發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型可以通過提升信息甄別能力和優(yōu)化風險控制模式這兩條路徑來提高民營企業(yè)貸款可得性，同時減少對國有僵尸企業(yè)的貸款。趙家琪等[ 7 ]的研究發(fā)現(xiàn)轉(zhuǎn)型程度高的銀行通過數(shù)字化轉(zhuǎn)型有效提高了貸款效率，進而增加了對小微企業(yè)的貸款供給，降低了小微企業(yè)貸款成本。李逸飛等[ 8 ]的研究發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型能夠通過提升信息甄別能力顯著提高企業(yè)中長期貸款的占比，從而降低企業(yè)的短債長用。綜合而言，銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束對企業(yè)的貸款可得性和貸款結(jié)構(gòu)產(chǎn)生了積極影響。

綜合已有研究，發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型能夠增加對企業(yè)的貸款供給，進而可能對企業(yè)勞動收入份額產(chǎn)生影響。但鮮有文獻研究二者之間的關系，因此探究銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響有重要的理論價值?；诖?，本文從融資約束視角構(gòu)建了銀行數(shù)字化轉(zhuǎn)型影響企業(yè)勞動收入份額的理論模型，并采用2010—2021年滬深兩市A股上市公司的數(shù)據(jù)實證檢驗銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，最后從企業(yè)所有制類型、員工類型等角度考察了這種影響的異質(zhì)性。

在現(xiàn)有研究的基礎上，本文可能的邊際貢獻包括三點：第一，將數(shù)字金融拓展至銀行主體，以探討銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，豐富了數(shù)字金融與企業(yè)勞動收入份額關系的研究。在我國以銀行為主體的金融體系下，針對性地探討銀行部門的數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響有重要意義。第二，本文通過構(gòu)建一個包含融資約束的企業(yè)要素投入決策模型，厘清了融資約束影響企業(yè)勞動收入份額的理論機制。已有文獻僅考慮到融資約束是影響勞動收入份額的重要原因，但并未建立嚴謹?shù)睦碚撃Ｐ屠迩迦谫Y約束與勞動收入份額之間的關系。第三，已有研究要么僅考慮企業(yè)融資約束得到緩解之后會增加員工工資進而提升勞動收入份額，要么僅考慮企業(yè)融資約束得到緩解之后會進行資本深化進而降低勞動收入份額。本文將緩解企業(yè)融資約束影響勞動收入份額的這兩條路徑納入統(tǒng)一的分析框架進行研究，研究結(jié)論對如何從銀行數(shù)字化轉(zhuǎn)型的視角提升勞動收入份額有啟示作用。

本文其余部分的安排如下：第二部分是理論分析與研究假設；第三部分介紹數(shù)據(jù)來源與變量設置；第四部分是實證結(jié)果與分析；第五部分是機制分析和異質(zhì)性檢驗；第六部分是結(jié)論和啟示。

二、理論分析與研究假設

企業(yè)勞動收入份額是企業(yè)經(jīng)營決策的結(jié)果。為從理論上厘清銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，本文按照銀行數(shù)字化轉(zhuǎn)型→融資約束→工資率和勞動生產(chǎn)率→勞動收入份額的邏輯探析銀行數(shù)字化轉(zhuǎn)型影響企業(yè)勞動收入份額的理論機制。具體地，首先建立基準模型，分析企業(yè)在既定的要素價格和產(chǎn)出水平下，得到使成本最小化的最佳要素投入組合。其次，將企業(yè)面臨的融資約束納入基準模型，分析融資約束對工資率和勞動生產(chǎn)率的影響。再次，分析銀行數(shù)字化轉(zhuǎn)型對融資約束的影響。最后，綜合分析得出銀行數(shù)字化轉(zhuǎn)型對企業(yè)勞動收入份額的影響，并提出待檢驗的假設。

（一）最佳要素投入組合與企業(yè)勞動收入份額

假設企業(yè)始終在既定的要素價格和產(chǎn)出下選擇最優(yōu)的要素投入組合。生產(chǎn)函數(shù)設定為常替代彈性生產(chǎn)函數(shù)（CES），其中：？琢∈（0，1）為分配系數(shù)，σ∈［0，+∞）為不變彈性系數(shù)，A為技術(shù)系數(shù)。企業(yè)的目標是在產(chǎn)出Y、資金成本r和工資w既定的情況下，選擇最佳的資本和勞動投入量，從而使得成本最小化。即：

■C=rK+wLs.t.■=A？琢K■+（1-？琢）L■■ （1）

構(gòu)造拉格朗日函數(shù)：

？鬃（K，L，？滋）=rK+wL+？滋■-A？琢K■+（1-？琢）L■■

（2）

一階條件為：

？鬃K=r-？滋A？琢（■A-1K-1）■=0？鬃L=w-？滋A（1-？琢）（■A-1L-1）■=0？鬃U=■-A？琢K■+（1-？琢）L■■=0 （3）

解得：

K*=A-1■（？滋A？琢r-1）σL*=A-1■［？滋A（1-？琢）w-1］σ （4）

其中，式（4）中K*和L*為企業(yè)最佳的資本和勞動投入量。

（二）融資約束對勞動生產(chǎn)率和工資率的影響

1.融資約束對勞動生產(chǎn)率的影響

將融資約束對企業(yè)要素投入決策的影響納入模型。企業(yè)追加資本投入往往是一次性的大額投入，而勞動投入則相對比較靈活（錄用和解聘勞動力的數(shù)量可大可?。?，當企業(yè)面臨融資約束的時候，可能無力支付一次性的大額資本投入，即便此時資本的邊際產(chǎn)出大于勞動的邊際產(chǎn)出，企業(yè)也無法增加資本投入以替換勞動，最終導致其在次優(yōu)的要素投入方案下進行生產(chǎn)。因此，本文假設企業(yè)面臨融資約束時資本投入存在一個上限，令這一上限為資本的最大可投入量K，融資約束越嚴重，資本的最大可投入量越小，K值的大小刻畫了企業(yè)面臨的融資約束程度。

企業(yè)的目標是在產(chǎn)出Y既定且資本投入K≤K的約束條件下，選擇最佳的資本和勞動投入量，從而使得成本最小化，即：

■C=rK+wLs.t.K≤■，■=A？琢K■+（1-？琢）L■■ （5）

構(gòu)造拉格朗日函數(shù)：

？鬃（K，L，？滋，？茲）=rK+wL+？滋■-A？琢K■+（1-？琢）L■■+

？茲（K-■） （6）

相應的庫恩—塔克（KKT）條件為：

？鬃K=r-？滋A？琢（■A-1K-1）■+？茲=0？鬃L=w-？滋A（1-？琢）（■A-1L-1）■+？茲=0？滋≠0■-A？琢K■+（1-？琢）L■■=0？茲（K-■）≤0？茲≥0 （7）

求解這個規(guī)劃問題：

第一，當影子價格？茲等于0時，？鬃？茲是一個松弛約束，此時企業(yè)的資本投入未受到融資約束的限制，企業(yè)的要素投入決策與基準模型一致，參照式（4）。

第二，當影子價格？茲大于0時，？鬃？茲成為一個緊約束，此時企業(yè)的資本投入受到融資約束的限制，即K*=■。企業(yè)的最佳資本和勞動投入量分別為：

K*=■L*=（A-1■）■-？琢■■■（1-？琢）■ （8）

式（8）中K*和L*為企業(yè)最大可投入資本量為■時的最佳資本和勞動投入量。本文探討融資約束對勞動收入份額的影響，僅當影子價格？茲大于0時，企業(yè)要素投入才偏離無融資約束情形下的最佳要素投入，因此本文僅針對影子價格？茲大于0的情況進行進一步分析。令企業(yè)面臨的融資約束程度為？漬，融資約束程度越高？漬值越大。由于企業(yè)面臨的融資約束程度越高，最大可投入的資本量越小，所以最大可投入的資本量■是融資約束程度？漬的減函數(shù)，即■=■（？漬），且■'（？漬）<0。

令勞動生產(chǎn)率為el，則：

el=■/L=■（A-1■）■-？琢■■■（1-？琢）■（9）

對勞動生產(chǎn)率el關于？漬求導，可得：

■=■·■=■（1-？琢）■？琢（A-1■）■-？琢■■■

■■·■'（？漬）<0 （10）

由式（10）中？墜el/？墜？漬<0可知，在產(chǎn)出既定的前提下，企業(yè)面臨的融資約束程度越高，要素投入決策中越多地使用勞動替代資本，進而勞動生產(chǎn)率越低。張杰等[ 9 ]基于我國工業(yè)企業(yè)的實證結(jié)果表明，融資約束是限制企業(yè)用資本替代勞動的重要原因，對資本勞動比有負面影響。而吳海民[ 10 ]基于上市公司的實證結(jié)果表明，資本深化有利于提升勞動生產(chǎn)率。因此，經(jīng)驗研究也支持融資約束會通過限制企業(yè)資本深化進而降低勞動生產(chǎn)率。

2.融資約束對工資率的影響

企業(yè)面臨融資約束的情況下，將會以增加儲蓄的方式進行內(nèi)源融資，由此造成對工資率的擠壓。理論上，考慮到我國工會力量較為薄弱，并且二元經(jīng)濟結(jié)構(gòu)導致勞動力過剩，可以得出我國勞動者對工資率的議價能力較弱的結(jié)論，因此企業(yè)有能力將工資率壓低到市場均衡工資率w以下。經(jīng)驗上，馮諺晨[ 11 ]基于工業(yè)企業(yè)數(shù)據(jù)庫測算的我國勞動要素價格存在負向扭曲，即勞動者獲得的工資率低于市場均衡工資率。因此，本文假定企業(yè)實際支付的工資率低于或等于市場均衡工資率。令工資率的負向扭曲程度為k，k∈（0，1］，k值越大，工資率負向扭曲程度越大。企業(yè)面臨的融資約束越嚴重，通過擠壓勞動報酬進行內(nèi)源融資的動機越強，工資率負向扭曲程度越大，因此工資率負向扭曲程度k是融資約束？漬的增函數(shù)，即k=k（？漬），且k'（？漬）>0。令工資率w=［1-k（？漬）］w，可見，工資率負向扭曲程度越大，工資率越低。對工資率關于？漬求導，可得：

■=■·■=-w·k'（？漬）<0 （11）

由式（11）中？墜■/？墜？漬<0可知，企業(yè)面臨的融資約束程度越高，工資率負向扭曲程度越大，企業(yè)實際支付的工資率越低。反之，當企業(yè)融資約束程度降低時，工資率負向扭曲程度變小，企業(yè)實際支付的工資率上升。需要說明的是，企業(yè)由于融資約束降低而提升工資率并不改變企業(yè)資本和勞動的投入決策，因為通常情況下工資率縱然有所上升，但并不會超過市場均衡工資率。

（三）銀行數(shù)字化轉(zhuǎn)型對融資約束的影響

銀行數(shù)字化轉(zhuǎn)型通過以下兩條途徑緩解企業(yè)融資約束。第一，銀行數(shù)字化轉(zhuǎn)型通過減少信息不對稱來緩解融資約束。信息不對稱導致企業(yè)面臨融資約束。互聯(lián)網(wǎng)的普及使得網(wǎng)絡上沉淀了大量與企業(yè)經(jīng)營相關的數(shù)據(jù)，大數(shù)據(jù)分析技術(shù)的應用提升了銀行挖掘信息的能力。如螞蟻金服在審批貸款的時候，綜合考慮企業(yè)的信用數(shù)據(jù)、財務數(shù)據(jù)和銷售數(shù)據(jù)等非財務數(shù)據(jù)，評估企業(yè)的違約風險[ 12 ]。數(shù)字化轉(zhuǎn)型使得銀行能夠更加有效地對海量數(shù)據(jù)進行挖掘，有助于銀行篩選出優(yōu)質(zhì)企業(yè)并為其提供貸款，從而減輕企業(yè)融資約束。第二，銀行數(shù)字化轉(zhuǎn)型擴大了金融服務的覆蓋范圍，提高了服務便利程度，從而緩解了企業(yè)融資約束。數(shù)字化轉(zhuǎn)型前，銀行在發(fā)放貸款時主要考察企業(yè)是否有足夠的抵押物，缺乏對企業(yè)發(fā)展前景的考量，有發(fā)展前景但缺乏抵押物的企業(yè)不可避免遭受融資約束[ 13 ]。數(shù)字化轉(zhuǎn)型使得銀行能夠應用大數(shù)據(jù)等數(shù)字技術(shù)收集企業(yè)經(jīng)營相關的各種信息，并基于豐富的企業(yè)經(jīng)營信息評估企業(yè)的發(fā)展前景，進而做出是否放貸的決策。在銀行數(shù)字化轉(zhuǎn)型的情況下，那些有發(fā)展前景但缺乏抵押物的企業(yè)有可能獲得銀行的信貸支持。此外，傳統(tǒng)的人工審核貸款也被基于人工智能技術(shù)的自動貸款審批模式取代，審批流程簡單高效，審批過程不受人工干預，企業(yè)信貸獲取更為便利。

因此，銀行數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)融資約束。令銀行數(shù)字化轉(zhuǎn)型程度為？濁，銀行數(shù)字化轉(zhuǎn)型程度越高？濁值越大。銀行數(shù)字化轉(zhuǎn)型程度越高的地區(qū)，企業(yè)面臨的融資約束越小，因此企業(yè)面臨的融資約束？漬是銀行數(shù)字化轉(zhuǎn)型程度？濁的減函數(shù)，即？漬=？漬（？濁），且？漬'（？濁）<0。

（四）銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響

1.銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率的影響

銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束，促使企業(yè)用資本替代勞動，進而提升勞動生產(chǎn)率。因此勞動生產(chǎn)率是銀行數(shù)字化轉(zhuǎn)型程度的函數(shù)，表示為如下抽象函數(shù)形式：

el=el［？漬（？濁）］ （12）

判斷銀行數(shù)字化轉(zhuǎn)型水平對勞動生產(chǎn)率的影響可以轉(zhuǎn)變?yōu)楸容^el（？濁1）和el（？濁2）的大小，這可以借助式（12）中el關于？濁求偏導，可得：

■=■·■>0 （13）

由？墜el/？墜？漬<0和？墜？漬/？墜？濁<0，可知式（13）為正值，說明銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束提升勞動生產(chǎn)率。由此，提出如下假設：

假設1：銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束促使勞動生產(chǎn)率提升。

2.銀行數(shù)字化轉(zhuǎn)型對工資率的影響

銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束，減少對工資率的擠壓，進而提升工資率。因此工資率是銀行數(shù)字化轉(zhuǎn)型程度的函數(shù)，表示為如下抽象函數(shù)形式：

w=w［？漬（？濁）］ （14）

判斷銀行數(shù)字化轉(zhuǎn)型程度對工資率的影響可以轉(zhuǎn)變?yōu)楸容^w（？濁1）和w（？濁2）的大小，這可以借助式（14）中w關于？濁求偏導，可得：

■=■·■>0 （15）

由？墜？漬/？墜？濁<0和？墜■/？墜？漬<0，可知式（15）的符號為正，說明銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束提升工資率。由此提出如下假設：

假設2：銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束促使工資率上升。

3.銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響

勞動收入份額LS可以分解為工資率與勞動生產(chǎn)率的比值，即：

LS=■=■ （16）

由式（16）可知，勞動生產(chǎn)率上升會導致勞動收入份額下降，而工資率上升會使勞動收入份額上升。判斷銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的總影響，可以轉(zhuǎn)變?yōu)楸容^LS（？濁1）和LS（？濁2）的大小，這可以借助式（16）中LS關于？濁求偏導，可得：

■=■·■'（？濁）+■·el'（？濁） （17）

？墜LS/？墜■>0和■'（？濁）>0，可知式（17）的右邊第一項為正值，表示銀行數(shù)字化轉(zhuǎn)型通過提升工資率，進而提升勞動收入份額。本文將銀行數(shù)字化轉(zhuǎn)型通過提升工資率對勞動收入份額的正影響定義為工資率效應。？墜LS/？墜el<0和el'（？濁）>0，可知式（17）右邊的第二項為負值，表示銀行數(shù)字化轉(zhuǎn)型通過提升勞動生產(chǎn)率，進而降低勞動收入份額。本文將銀行數(shù)字化轉(zhuǎn)型通過提升勞動生產(chǎn)率對勞動收入份額的負影響定義為勞動生產(chǎn)率效應。式（17）最終的符號取決于哪一項的絕對值更大，如果第一項的絕對值更大，說明工資率效應大于勞動生產(chǎn)率效應，最終銀行數(shù)字化轉(zhuǎn)型使得勞動收入份額上升；如果第二項的絕對值更大，說明勞動生產(chǎn)率效應大于工資率效應，最終銀行數(shù)字化轉(zhuǎn)型使得勞動收入份額下降。由此提出如下兩個具有競爭性的假設：

假設3a：銀行數(shù)字化轉(zhuǎn)型的工資率效應大于勞動生產(chǎn)率效應，最終使得勞動收入份額上升。

假設3b：銀行數(shù)字化轉(zhuǎn)型的勞動生產(chǎn)率效應大于工資率效應，最終使得勞動收入份額降低。

銀行數(shù)字化轉(zhuǎn)型影響勞動收入份額的作用機制如圖1所示。

三、數(shù)據(jù)來源與變量設置

本文的研究以滬深兩市A股上市公司為研究樣本，構(gòu)建2010—2021年的面板數(shù)據(jù)。對企業(yè)數(shù)據(jù)進行如下處理：刪掉金融業(yè)的企業(yè)，刪掉ST類企業(yè)，刪掉主要變量存在數(shù)據(jù)缺失的企業(yè)，并對部分連續(xù)變量進行1%和99%的縮尾處理。最后得到8 244個有效的“企業(yè)—年份”樣本。

（一）被解釋變量

勞動收入份額（LS），以支付給職工以及為職工支付的現(xiàn)金/企業(yè)營業(yè)總收入來衡量。

（二）解釋變量

銀行數(shù)字化轉(zhuǎn)型（digbank），企業(yè)層面的銀行數(shù)字化轉(zhuǎn)型采用企業(yè)貸款銀行的數(shù)字化轉(zhuǎn)型程度來衡量。本文借鑒張金清等[ 3 ]的做法構(gòu)造企業(yè)貸款銀行的數(shù)字化轉(zhuǎn)型程度，具體包括三步。第一步，采用北京大學中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)來衡量銀行數(shù)字化轉(zhuǎn)型程度。第二步，基于銀行數(shù)字化轉(zhuǎn)型指數(shù)，計算企業(yè)各個貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)的加權(quán)平均值，該指數(shù)即為企業(yè)貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)，其中以企業(yè)當年在各銀行的貸款比重為權(quán)重。第三步，對企業(yè)貸款銀行數(shù)字化轉(zhuǎn)型指數(shù)取對數(shù)。

（三）中介變量

融資約束（SA），采用SA指數(shù)來衡量。SA指數(shù)由Hadlock和Pierce[ 14 ]構(gòu)建，由于其僅由企業(yè)的規(guī)模和年齡決定，外生性比較強，能夠準確地測度我國企業(yè)的融資約束程度，在國內(nèi)學術(shù)界得到廣泛應用。其計算公式為： SA=-0.737×Size+0.043×Size2-0.04×Age。計算結(jié)果均為負值，SA指數(shù)越小，企業(yè)面臨的融資約束越嚴重。

（四）控制變量

選取如下控制變量：人均資本，表示資本深化程度，資本深化程度越高的企業(yè)，勞動生產(chǎn)率越高，勞動收入份額越低[ 5 ]。股權(quán)性質(zhì)，相較于國有企業(yè)，民營企業(yè)面臨著融資約束，使得其勞動收入份額低于國有企業(yè)[ 1 ]。其他企業(yè)層面的控制變量參考熊家財?shù)萚 6 ]的研究設置企業(yè)年齡、企業(yè)規(guī)模、資產(chǎn)負債率、總資產(chǎn)收益率、資本產(chǎn)出比和股權(quán)集中度。

變量的計算方法和描述性統(tǒng)計結(jié)果見表1。

四、檢驗結(jié)果與分析

本文設定如下模型分析銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響：

LSit/elit/wit=c+？茁1digbankit+∑？茁jcontrolit+？滋i+？滋t+？著it

（18）

式（18）中，LSit為勞動收入份額，digbankit為銀行數(shù)字化轉(zhuǎn)型，elit為勞動生產(chǎn)率，wit為工資率，controlit為控制變量，？茁j為待估參數(shù)，？滋i為個體效應，？滋t為時間效應，？著it為殘差項。本文的回歸采用雙向固定效應，并對標準誤進行企業(yè)層面的聚類調(diào)整。行業(yè)間的生產(chǎn)技術(shù)和要素投入比例差距較大，致使行業(yè)間的勞動收入份額存在差異，因此本文的回歸均固定了行業(yè)效應。

（一）基準回歸

利用式（18）實證檢驗銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的影響，具體結(jié)果見表2。表2列（1）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，銀行數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)勞動收入份額。列（2）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)不顯著，說明銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率沒有顯著影響，由此假設1未得到驗證。列（3）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，說明銀行數(shù)字化轉(zhuǎn)型對工資率有提升作用，由此假設2得證。列（3）由于銀行數(shù)字化轉(zhuǎn)型的工資率效應顯著，而勞動生產(chǎn)率效應不顯著，最終使得勞動收入份額上升，假設3a得證?？赡艿脑蚴牵涸谌丝诶淆g化導致的勞動力成本逐步上升的背景下，相較于將資金用于資本深化以提升勞動生產(chǎn)率，企業(yè)更迫切的是提升工資率以留住員工或者激勵員工更加努力工作。

控制變量的回歸結(jié)果顯示：控制變量的系數(shù)大部分是顯著的，說明企業(yè)年齡、資產(chǎn)負債率、總資產(chǎn)收益率、資本產(chǎn)出比和人均資本對勞動收入份額均有顯著影響，這與萬江滔和魏下海[ 15 ]的結(jié)論一致。

（二）穩(wěn)健性檢驗

1.內(nèi)生性處理

基本結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型能夠提升勞動收入份額，但上述回歸結(jié)果可能受內(nèi)生性問題的干擾，如可能產(chǎn)生遺漏變量引起的內(nèi)生性問題?；诖耍疚慕梃b張金清等[ 3 ]的研究，采用銀行數(shù)字化轉(zhuǎn)型的滯后一期作為工具變量，結(jié)果見表3列（1）。列（1）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，說明本文的核心結(jié)論是穩(wěn)健的。

2.替換核心變量

本文采用魏下海等[ 16 ]的方法，用ln［LS（1-LS）］來衡量勞動收入份額。為避免測量誤差，將上述方式測算的勞動收入份額作為被解釋變量進行檢驗，回歸結(jié)果見表4列（2）。在替換變量測度方法后，銀行數(shù)字化轉(zhuǎn)型的系數(shù)仍舊顯著為正，支持了本文的結(jié)論。

五、進一步討論

（一）機制分析

銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束提升勞動收入份額。因此，本文依據(jù)融資約束的中位數(shù)將樣本分為兩組，分別為融資約束高組和融資約束低組，然后分組進行回歸，回歸結(jié)果如表4所示。列（1）和列（2）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，且列（1）中的系數(shù)顯著大于列（2），說明企業(yè)面臨的融資約束越大，銀行數(shù)字化轉(zhuǎn)型對勞動收入份額的作用越大，證實了銀行數(shù)字化轉(zhuǎn)型通過融資約束這一渠道影響企業(yè)勞動收入份額。列（3）和列（4）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均不顯著，進一步佐證了銀行數(shù)字化轉(zhuǎn)型對勞動生產(chǎn)率無顯著影響。列（5）和列（6）中銀行數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，且列（5）中的系數(shù)顯著大于列（6），說明企業(yè)面臨的融資約束越大，銀行數(shù)字化轉(zhuǎn)型對工資率的提升作用越大，進一步佐證了銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束發(fā)揮工資率效應，進而提升勞動收入份額。

（二）異質(zhì)性分析

1.所有制異質(zhì)性分析

機制檢驗證實了銀行數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束提升勞動收入份額，而民營企業(yè)面臨的融資約束更大，這意味著銀行數(shù)字化轉(zhuǎn)型提升勞動收入份額的作用在國有企業(yè)和民營企業(yè)之間可能存在差異。有鑒于此，本文進一步考察銀行數(shù)字化轉(zhuǎn)型對國有企業(yè)和民營企業(yè)勞動收入份額的影響是否存在顯著差異，估計結(jié)果見表5中的列（1）、列（2）。結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型僅能顯著提升民營企業(yè)的勞動收入份額。這是由于國有企業(yè)有政府作為信用背書，融資較容易，而民營企業(yè)面臨的融資約束比較嚴重，銀行數(shù)字化轉(zhuǎn)型緩解企業(yè)約束的作用在民營企業(yè)中顯著，進而提升民營企業(yè)勞動收入份額的作用顯著。

2.員工類型異質(zhì)性分析

本文將勞動收入分解為管理者勞動收入和員工勞動收入，將管理者勞動收入份額和員工勞動收入份額作為被解釋變量①，分析銀行數(shù)字化轉(zhuǎn)型具體提升了哪類勞動者的收入份額，回歸結(jié)果見表5中的列（3）、列（4）?？梢?，銀行數(shù)字化轉(zhuǎn)型顯著提升管理者和員工的勞動收入份額，但對員工勞動收入份額的提升作用遠大于對管理者勞動收入份額的提升作用。這是由于管理者有一定的權(quán)力影響自身的收入，上市公司管理者的薪酬較高是公認的事實，管理者工資率可以說并不存在負向扭曲，但員工工資率在企業(yè)面臨融資約束的情況下負向扭曲程度較高。因此銀行數(shù)字化轉(zhuǎn)型對員工工資率的提升作用更強，進而較大幅度地提升員工勞動收入份額。

六、結(jié)論和啟示

本文選取2010—2021年滬深兩市A股上市公司為樣本，探討銀行數(shù)字化轉(zhuǎn)型與企業(yè)勞動收入份額之間的關系，得到以下三點結(jié)論。第一，銀行數(shù)字化轉(zhuǎn)型通過發(fā)揮工資率效應促使企業(yè)勞動收入份額上升。第二，銀行數(shù)字化轉(zhuǎn)型緩解了企業(yè)融資約束，減少了企業(yè)對員工工資率的擠壓而使得工資率提升，進而企業(yè)勞動收入份額得以提高。第三，銀行數(shù)字化轉(zhuǎn)型顯著提升民營企業(yè)勞動收入份額，但對國有企業(yè)勞動收入份額無顯著影響，并且相較于管理者銀行數(shù)字化轉(zhuǎn)型提升員工勞動收入份額的作用更大。

本文的研究結(jié)論蘊含三點重要的政策啟示。

第一，大力推進銀行數(shù)字化轉(zhuǎn)型。鑒于銀行數(shù)字化轉(zhuǎn)型能夠提高企業(yè)勞動收入份額，政府應當大力推進銀行數(shù)字化轉(zhuǎn)型。一方面，針對銀行業(yè)出臺相應的激勵政策，推進銀行業(yè)加快數(shù)字化轉(zhuǎn)型。另一方面，搭建與企業(yè)經(jīng)營相關信息的共享平臺，進一步降低銀行獲取企業(yè)經(jīng)營相關信息的成本。

第二，著力解決民營企業(yè)的融資約束問題。相較于國有企業(yè)，民營企業(yè)的工資率較低，因而提升企業(yè)勞動收入份額的關鍵是提升民營企業(yè)勞動收入份額。緩解融資約束能夠有效提升民營企業(yè)勞動收入份額。因此，著力緩解民營企業(yè)融資約束是提升民營企業(yè)勞動收入份額的重要舉措。

第三，加強對勞動力的技能培訓。盡管銀行數(shù)字化轉(zhuǎn)型通過緩解融資約束促使企業(yè)工資率上升，進而提升企業(yè)勞動收入份額，但員工也應當重視通過提升勞動技能以提升工資率。一方面，企業(yè)應當加強對員工的培訓，使其有能力勝任更高技術(shù)含量的工作；另一方面，政府應當增加面向各類勞動者的職業(yè)技能培訓，以提升勞動者專業(yè)素質(zhì)?！?/p>

【參考文獻】

［1］ 汪偉，郭新強，艾春榮.融資約束、勞動收入份額下降與中國低消費［J］.經(jīng)濟研究，2013（11）：100-113.

［2］ 羅長遠，陳琳.融資約束會導致勞動收入份額下降嗎：基于世界銀行提供的中國企業(yè)數(shù)據(jù)的實證研究［J］.金融研究，2012（3）：29-42.

［3］ 張金清，李柯樂，張劍宇.銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？［J］.財經(jīng)研究，2022，48（1）：64-77.

［4］ 余玲錚，魏下海.我國勞動收入份額為何持續(xù)下降：基于金融發(fā)展的視角［J］.產(chǎn)經(jīng)評論，2013（2）：126-132.

［5］ 張建武，王茜，林志帆，等.金融抑制與勞動收入份額關系研究［J］.中國人口科學，2014（5）：47-56.

［6］ 熊家財，劉充，章衛(wèi)東.數(shù)字金融發(fā)展與勞動收入份額提升：來自上市公司的經(jīng)驗證據(jù)［J］.經(jīng)濟評論，2022（6）：100-113.

［7］ 趙家琪，江弘毅，胡詩云，等.數(shù)字普惠金融下的小微信貸與風險：基于銀行數(shù)字化轉(zhuǎn)型的視角［J］.經(jīng)濟學（季刊），2023，23（5）：1686-1703.

［8］ 李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業(yè)短債長用［J］.中國工業(yè)經(jīng)濟，2022（10）：137-154.

［9］ 張杰，鄭文平，翟福昕.融資約束影響企業(yè)資本勞動比嗎：中國的經(jīng)驗證據(jù)［J］.經(jīng)濟學（季刊），2016，15（3）：1029-1056.

［10］ 吳海民.資本深化帶來了勞動生產(chǎn)率下降嗎［J］. 財經(jīng)科學，2013（9）：40-50.

［11］ 馮諺晨.工業(yè)企業(yè)中要素價格扭曲對我國勞動收入份額的影響［J］.經(jīng)濟經(jīng)緯，2018，35（2）：78-85.

［12］ HUANG Y，LIN C，SHENG Z，et al.Fin tech credit and service quality ［R］.Working Paper of the University of HongKong，2018.

［13］ 錢雪松，唐英倫，方勝.擔保物權(quán)制度改革降低了企業(yè)債務融資成本嗎：來自中國《物權(quán)法》自然實驗的經(jīng)驗證據(jù)［J］.金融研究，2019（7）：115-134.

［14］ HADLOCK C J，PIERCE J R.New evidence on measuring financial constraints：moving beyond the KZ index［J］.Review of Financial Studies，2010，23（5）：1909-1940.

［15］ 萬江滔，魏下海.最低工資規(guī)制對企業(yè)勞動收入份額的影響：理論分析與微觀證據(jù)［J］.財經(jīng)研究，2020（7）：64-78.

［16］ 魏下海，董志強，黃玖立.工會是否改善勞動收入份額：理論分析與來自中國民營企業(yè)的經(jīng)驗證據(jù)［J］.經(jīng)濟研究，2013，48（8）：16-28.