数字经济政策强度对制造业稳就业的影响研究

以下文章来源于张可云教授 ，作者张可云

张可云教授.

激浊扬清，敬畏学术。

关注

profkevin龙年龙腾虎跃

友情提醒：加关注可在文后“留言”处留下你的高见。本文公开发表在最近出版的《吉林大学社会科学学报》2024年第4期。张可云,庄宗武.数字经济政策强度对制造业稳就业的影响研究[J].吉林大学社会科学学报,2024,64(04):155-171+239.

数字经济政策强度对制造业稳就业的影响研究

张可云 庄宗武

[摘 要]在数字经济发展如火如荼、数字经济政策不断出台的现实背景下，中国制造业的就业比重呈现持续下降的态势，因此，厘清数字经济政策能否推进制造业稳就业问题具有重要的理论和现实意义。文章利用城市政府工作报告中的数字经济相关词频占比表征城市的数字经济政策强度，进而考察数字经济政策强度对制造业稳就业的影响及其机制。研究发现，数字经济政策强度的提升既会通过就业创造效应与利润创造效应促进制造业就业，又会通过就业结构转换效应阻碍制造业就业，但正向影响大于负向影响，因而数字经济可以作为目前中国制造业稳就业的抓手。解构数字经济政策的进一步分析发现，数字产品制造、数字产品服务与数字要素驱动政策强度的提升显著促进了制造业就业，其余各类数字经济政策则未产生明显影响。此外，数字经济政策助力制造业稳就业并不是以降低制造业就业质量为代价的。研究结论不仅有助于正确认识数字经济对制造业稳就业的积极作用，还能够为提前制定相关政策、保持制造业比重基本稳定提供有益启示。

[关键词]数字经济政策; 制造业; 稳就业; 就业创造效应; 利润创造效应; 就业结构转换效应

一、引言

就业是民生之本，制造业是强国之基，能否实现制造业稳就业事关我国总体就业形势及经济发展全局。稳定的制造业就业比重是推进社会主义现代化国家建设的重要依托，关系到国家发展命脉和后劲，而制造业比重持续下降则会对经济社会的高质量发展形成制约。[1]然而，从中国制造业就业比重的变化趋势来看，城市制造业就业比重从2010年的27.93%下降到了2020年的19.60%【1】,制造业稳就业正面临着愈发突出的结构性问题。[2,3]制造业就业结构及其稳定性的变迁与经济发展方式变革有关。随着新一代信息技术加速迭代更新并向各类产业不断渗透，数字经济正在成为重组全球经济要素、重塑经济结构的关键力量。新一轮科技革命和产业变革带来的数字经济战略机遇，为推进制造业稳就业目标的实现提供了全新动力。从理论上说，数字经济发展能够重塑制造业价值增值方式，为制造业发展带来全新的数据要素投入，在一定程度上打破了传统产业演变规律，为制造业稳就业带来机遇。[4]因此，地方政府大多着重谋划数字经济政策，布局数字产业，寄望数字经济能够成为制造业稳就业的助力。然而，有些学者基于现实数据的经验研究得出了相反结论，认为数字经济发展更多地加速了就业结构从制造业向服务业转型[5,6],也就是对制造业稳就业形成了冲击。因此，在上述理论与现实相互矛盾的情况下，从理论上回答数字经济政策能否以及如何促进制造业稳就业这一问题，不仅有助于学界探寻数字经济发展与保持制造业比重稳定是否能够同时实现的答案，还能够为采取相应的数字经济政策以实现制造业稳就业提供有益借鉴。

近年来，随着制造业占比持续下降，越来越多的学者开始关注制造业就业的影响因素。根据“配第-克拉克定理”,随着经济发展水平的提高，第二产业的劳动力占比将会提升，接着劳动力将从第二产业向第三产业转移。然而，越来越多的学者发现“配第-克拉克定理”并非地区产业结构升级的准则，甚至可能是一个悖论。[7,8]国内大量文献围绕着产业结构转型[9,10]、用工成本变化[11,12]、出口活动[13]、服务业发展[3,14,15]、技术创新与进步[16,17]等方面探讨了制造业就业的影响因素。制造业就业变动的背后固然有产业结构转型、劳动力供需结构变化等方面的原因，但新兴技术带来的就业冲击同样是不可忽视的重要因素。[18,19]虽然数字经济正在以蓬勃的态势发展，但现有研究尚未关注数字经济政策强度对制造业就业的影响，也就无法明确数字经济在稳定制造业就业过程中发挥的是助力作用还是阻力作用。

与本文密切相关的文献主要有以下两类：第一类文献从信息基础设施、工业机器人或互联网等数字经济的具体形式入手探讨了中国制造业就业的影响因素。[5,20,21,22]董雪兵等的研究发现，2013—2017年工业机器人密度的增长解释了同期中国制造业相对服务业就业份额下降原因的12.56%。[23]闫雪凌等、宋旭光和左马华青的研究也证实了工业机器人应用会对制造业企业的就业产生负向影响。[24,25]陈建伟和苏丽锋、张抗私和韩佳乐以“宽带中国”示范城市政策为准自然实验探讨了信息基础设施对制造业就业的影响，认为“宽带中国”等信息基础设施建设推动了制造业就业向服务业转型，因而降低了制造业就业份额。[5,26]许家云和毛其淋的研究表明互联网发展显著促进了中国制造业就业水平的提高[22],但徐梦冉等的研究却指出“互联网+”阻碍了制造业企业的就业增长[27]。不过，以上文献未能从数字经济的角度探讨制造业就业的变化，尤其是忽视了数字经济政策的作用。第二类文献探讨了数字经济对就业结构调整的影响，主要认为数字经济发展有助于就业结构优化。[6,28]然而，这类文献并未将制造业就业视为单独的分析对象，且同样未能直接从数字经济政策强度的角度出发探讨数字经济发展的制造业稳就业效应。

本文利用2006—2019年中国城市政府工作报告中的数字经济相关词频占比表征城市的数字经济政策强度，深入探讨数字经济政策强度对制造业稳就业的影响效果和实现机制。与以往研究相比，本文的边际贡献有四个方面：第一，本文聚焦于数字经济政策强度这一反映地方政府对数字经济重视程度的关键维度，证实了其对稳定制造业就业的助力作用，为各地有序规划数字经济产业发展、保持制造业比重基本稳定提供了直接的经验证据；第二，本文利用政府工作报告中的数字经济相关词频占比表征数字经济政策强度，能够为关于数字经济发展的研究提供新的量化依据；第三，本文详细梳理了数字经济政策影响制造业就业的就业创造效应、利润创造效应与就业结构转换效应并进行了详细的机制检验，能够为关于数字经济与制造业就业的研究提供借鉴；第四，本文不仅分析了不同类型数字经济政策的影响，还分析了数字经济政策对制造业企业就业质量的影响，结果表明数字经济政策的制造业稳就业效应不是以降低制造业就业者收入或挤出高技能就业者为代价的，这有助于丰富和深化对数字经济重要性及必要性的理论认识。

二、理论机制与研究假说

政策是实现特定目标的重要手段[29],数字经济政策一般是作为推动数字经济良性发展的工具存在并产生效力的，在当前中国这样一个数字经济蓬勃发展的国家来说更是如此。数字经济的健康、持续发展很大程度上是依靠数字经济政策驱动的[30],数字经济发挥作用的深层次原因实际上是相应的数字经济顶层设计。数字经济政策本身的工具属性使其无法直接作用于制造业发展，而是通过影响经济的发展范式即数字经济从而对制造业就业产生影响，因此，讨论数字经济政策对制造业稳就业的影响离不开数字经济发展。本部分主要讨论数字经济政策驱动下数字经济的发展如何通过就业创造效应、利润创造效应和就业结构转换效应影响制造业就业。

(一)数字经济政策强度、就业创造效应与制造业稳就业

数字经济政策可以通过就业创造效应提升城市创业活跃度，为制造业提供更多就业岗位，进而助力制造业稳就业。一方面，数字经济政策强度的提升有助于引导新型制造业创业模式的产生，强化各类市场主体的创业激励。数字经济时代海量的数据资源和强大的算力设备使得企业更有能力挖掘大数据中隐含的各类偏好差异，更易于满足消费者对于产品多样化的需求。[31,32]地方政府重视数字经济及出台的各类数字经济政策在客观上为新产业、新业态、新模式的培育及现代化制造业创业活动的开展创造了条件，也为城市制造业创业活动的开展奠定了优良的需求与分工基础。当城市政府提升数字经济政策强度、提前布局数字经济相关产业时，大量相关的制造业创业机会随之产生，城市制造业创业活跃度也会相应提升，从而有助于城市实现制造业稳就业。[33]另一方面，数字经济政策强度的提升也降低了制造业创业过程中的风险与不确定性，有助于增强城市制造业创业频率。当政府重视数字经济、提前规划数字经济发展时，城市的数字经济发展不仅降低了制造业创业活动的门槛，使得创业机会呈现普遍化的态势，还为企业创业活动的开展带来了数字金融这一高质量的创业服务。随着新一代网络信息基础设施的建设、传统基础设施的数字化以及电子商务模式的快速更新，企业与市场间的信息交流平台及创业者的价值创造渠道得以有效畅通[34,35],从而赋予了创业决策坚实的信息来源和基础[31],也大幅降低了创业的时间成本和物质成本[36]。此外，数字经济政策强度的提升也有助于推动数字金融的发展，而数字金融的发展使得创业机会呈现均等化的态势[37],能够为制造业创业活动提供精准、便捷和高效的金融服务，有效降低融资成本，也为制造业创业活动提供了资本基础和融资平台支撑[38,39,40]。城市制造业创业活跃度越高，越能够提供充沛的制造业就业机会，进而有助于实现制造业稳就业。基于此，本文提出研究假说1。

假说1:数字经济政策强度的提升可以通过就业创造效应促进制造业稳就业。

(二)数字经济政策强度、利润创造效应与制造业稳就业

稳就业目标是与制造业企业的收入、利润相联系的，因为利润的下降必然导致部分制造业企业被迫退出市场，从而丢失相应的制造业就业岗位。而数字经济政策也可以通过利润创造效应增加制造业企业的利润，有助于稳定制造业企业的用工需求。在地方政府重视数字经济、鼓励数字经济发展的情况下，人工智能、5G、区块链等数字技术持续推动数字经济与实体经济深度融合，使得经济社会中的各类信息均可编译为相应的数据要素。与劳动力、资本等传统要素相比，数据要素具有非竞争性、非排他性以及复制成本接近于零的经济特点[41,42],更易于形成数据使用与最终价值生成之间的正反馈[43],因而更加有助于实现倍增的价值、利润创造。随着地方政府数字经济政策的持续推进，社会积累的数据要素越来越充沛，从而引发数据要素与其他要素的深层次交互。可见，发展数字经济能够帮助城市实现要素投入结构的优化，构建现代数据要素投入的生产模式，提高传统产业生产过程中的技术效率和利润[44,45],从而有助于实现制造业稳就业。除了为制造业生产提供充沛的数据要素投入外，重视、引导数字经济发展也为制造业生产带来了大数据、云计算、人工智能等更多现代化方案，有助于实现更高效率的利润创造。由于数字技术和算法驱动的数字经济具有及时性、准确性、充足性的信息传递特点，数字经济改善了企业与上下游市场间的匹配效率，有助于其利润的实现。数字经济也推动了企业生产模式由更注重产能规模的粗放式供给向更强调需求效率的精准式供给转化，便于其应用各类新式数字技术深度挖掘需求市场，实现“因需而异”的精准生产。数字技术极大地丰富了制造业企业可利用的数字化信息，便于其快速捕捉市场需求和动态，改善了企业获取市场信息的时滞情况，使得企业在生产经营面临大数据信息冲击时能够及时调整相应的经营策略，进而提升利润水平。[4]此外，在数字经济政策引导下，数字技术能够不断渗透至制造业产业，传统制造业经济结构的竞争优势也将面临数字化更新的机遇，避免制造业利润水平出现剧烈波动，从而有助于实现制造业稳就业。基于此，本文提出研究假说2。

假说2:数字经济政策强度的提升可以通过利润创造效应促进制造业稳就业。

(三)数字经济政策强度、就业结构转换效应与制造业稳就业

数字经济政策也会通过就业结构转换效应对制造业稳就业产生冲击，这可以分别从“推力”与“拉力”角度阐述。所谓“推力”,是指政府推广数字技术、引导社会由工业经济向数字经济转变在一定程度上可能会引发制造业的技术性失业，促使部分制造业就业者向就业形式更加灵活的服务业转换。不同于传统的工业技术设备，数字基础设施、互联网、人工智能等的使用具有明显的门槛，低数字技能就业者往往很难适应这些新业态[46],这意味着数字经济政策的推进可能会使得部分制造业就业者面临技术性失业的风险。基于数字技术物化而成的资本要素(如机器人、软件及服务)会挤出包括劳动力在内的非数字技术资本要素的投入，从而导致部分就业岗位的直接消失。[6,47]随着数字经济政策的推行及数字技术复杂度的提升，部分不适应新型数字经济范式的制造业就业者将面临失业风险，只能向就业模式更为灵活的其他行业(如服务业)转变。“拉力”则更强调服务业对就业者的吸引力。随着数字技术的进步，大量工作在形式和任务上出现根本性变革，各种新就业形态迅猛增长，灵活就业成为重要的就业模式。[48]由于数字经济对第三产业的渗透率明显高于第二产业[6],数字经济政策必然会催生更多的新兴生产性服务业、高端服务业[5],进而对传统制造业部门的择业观念及就业模式产生直接冲击。Hall & Krueger通过分析Uber司机的调查数据发现，工作灵活性、就业薪酬及收入的稳定性是劳动者进入该行业的主要原因。[49]郑祁等对北京市外卖骑手就业动机的调查数据显示，北京地区外卖骑手的学历主要是大专或职业教育人群，选择该行业的动机为“养家糊口”“下岗失业”“进入门槛低”的人数占总数的65.83%。[50]这说明数字经济的进步可能会使得部分低数字技能就业者被动地从制造业部门“挤入”就业更灵活的低端服务业部门。基于此，本文提出研究假说3。

假说3:数字经济政策强度的提升可以通过就业结构转换效应阻碍制造业稳就业。

三、计量模型与数据说明

(一)模型设定

为了识别数字经济政策强度对制造业稳就业的影响，本文构建如下计量模型进行实证分析：

SMEot=α0+α1DEot+βXot+uo+ut+ξot (1)

式中，下标o、t分别代表城市与年份；SME为被解释变量，即以制造业就业变化率代表的制造业稳就业；DE为解释变量，即城市数字经济政策强度，以历年城市政府工作报告中数字经济相关词频与词频总数之比来衡量。【2】数字经济是一个涵盖多个领域的综合概念，涉及多个领域的数字化，因而数字经济政策的制定必然会直接涉及但又不仅仅局限于制造业或服务业的相关词汇。依据数字经济统计范围来选择数字经济相关词汇，有助于全面把握数字经济政策强度。在选择数字经济相关词汇时，本文参考了《数字经济及其核心产业统计分类(2021)》并按照产业性质归纳出了数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业与数字化效率提升业共五大类的统计范围，并依据相应数字经济核心产业小类的名称以及对应的说明分别确定各类数字经济相关词汇，最终得到近200个数字经济相关词汇(见附录)。从统计结果来看，本文定义的数字经济政策不仅包括狭义上的专项数字经济政策，还涵盖了交通、环境保护、医疗服务、政务服务等方面的数字化转型、监管与治理政策，较为全面地反映了城市的总体数字经济政策。DE值越大，意味着城市对数字经济发展的重视程度越高，因而越有可能采取相应的政策推进数字经济发展。α、β为相应变量对制造业稳就业的影响系数；uo、ut分别为城市与年份固定效应，ξ为随机扰动项。本文重点关注的是DE的系数α1,若控制了其他因素的影响后，该系数显著为正，则意味着数字经济政策强度的提升对制造业就业变化率产生正向影响，因而有助于实现制造业稳就业。

在实证分析数字经济政策强度对制造业就业变化率的影响时，本文借鉴现有关于制造业就业的文献，在计量模型中纳入了可能影响城市制造业就业的一系列控制变量X,具体包括：1)经济发展水平(GDP)。制造业对劳动力的吸纳能力在很大程度上取决于经济发展水平，因为当经济发展态势良好时，制造业生产规模的扩大会增加对劳动力的需求。本文使用城市生产总值的对数衡量经济发展水平。2)工资水平(wage)。城市工资水平越高，越能带动城市就业的增长，从而有助于制造业稳就业的实现。本文使用城市职工平均工资的对数衡量工资水平。3)人口规模(pop)。城市制造业就业变化率还与城市规模密切相关，因为城市规模的扩张有助于发挥不同就业岗位间的乘数效应，带动制造业就业。[51]借鉴李志远和曹哲正的做法[52],本文使用年末户籍人口的对数衡量人口规模。4)产业结构(ind)。众多研究指出，制造业就业情况本质上取决于当地的产业结构状况[3,11],因为制造业发展过度落后于服务业可能会引发大量就业者流向服务业，从而不利于制造业稳就业。本文以城市第三产业增加值与第二产业增加值的比值来衡量产业结构状况。5)技术创新(tech)。制造业就业水平还与城市技术创新水平有关，因为技术创新水平的提升有助于增加制造业就业机会，进而实现制造业就业的增长。本文以城市科技支出占财政支出的比重衡量技术创新水平。6)出口强度(export)。城市出口强度越高，国际市场对本地制造业发展的支撑作用越明显，因而越有助于制造业就业规模的扩大。本文使用城市出口额的对数衡量出口强度。7)道路状况(road)。制造业就业水平还与城市的基础设施密切相关，因为完善的基础设施有助于吸引更多制造业企业入驻，从而扩大本地制造业就业规模。本文使用城市人均道路面积的对数衡量道路状况。

(二)数据说明

数字经济政策强度的相关数据来自中国研究数据服务平台整理的数字经济政策数据库。该数据库依据各城市历年政府工作报告文本信息整理了各城市数字经济相关政策的统计词频结果。由于大量城市较早年份政府工作报告的文本信息不全，并且中国数字经济快速发展的时间在2006年之后(2005年12月我国上网用户总数突破1亿),所以本文基准回归中主要使用2006—2019年277个城市的非平衡面板数据进行实证分析。考虑到直辖市的数字经济发展及其制造业就业变化更易受到其他国家战略的影响【3】,本文对四个直辖市的样本进行了剔除。制造业就业变化率以及相关控制变量数据，均来自历年《中国城市统计年鉴》。

此外，本文在机制检验中使用了工商企业注册数据、工业企业数据及中国劳动力动态调查数据；进一步分析中主要用到了2006—2013年中国工业企业数据，以深入分析数字经济政策强度对制造业就业质量的影响。在使用中国工业企业数据库时，本文按照使用该数据库的惯例进行了清洗、匹配【4】。为了避免价格因素对回归结果的影响，所有货币价值均以2006年为基期进行了调整。表1报告了主要变量的描述性统计。

表1 变量的描述性统计

四、实证分析

(一)基准回归

根据计量模型检验结果，本文使用固定效应模型估计城市数字经济政策强度对制造业就业变化率的影响效果。

表2的第(1)列报告了仅控制年份与城市固定效应、不加入控制变量时数字经济政策强度对制造业稳就业的影响效果，结果显示，数字经济政策强度的提升明显有助于制造业就业的增长。第(2)—(8)列依次在前列的基础上加入前文设定的可能影响制造业就业变化率的城市经济发展水平、工资水平、人口规模、产业结构、技术创新、出口强度及道路状况等控制变量，发现数字经济政策强度对制造业就业变化率的影响系数并未发生较大改变，且较为稳定地通过了5%水平上的显著性检验。总之，基准回归结果说明，重视数字经济、引导数字经济发展确实显著带动了城市的制造业就业的增长。与此同时，基准回归结果也意味着，数字经济政策通过就业创造效应与利润创造效应给制造业稳就业带来的助力超过了其通过就业转换效应给制造业稳就业带来的冲击，因而最终有助于制造业稳就业的实现。该结果还意味着，在制造业占比呈现下降态势的背景下，可通过制定相应的数字经济政策有序稳定制造业就业，从而避免制造业占比持续下降，重塑数字经济时代的制造业竞争优势。

表2 基准回归结果

注:∗∗∗表示在1%的水平上显著, ∗∗表示在5%的水平上显著, ∗表示在 10%的水平上显著; 括号内为以城市/企业层面聚类稳健标准误为基础计算的 t 统计值。以下各表同。

(二)稳健性检验

针对基准回归结果可能存在的指标测度、样本选择等问题，本文主要从以下几方面进行稳健性检验。

1.更换核心变量。在更换核心解释变量方面，本文直接利用数字经济相关词频数作为核心解释变量进行估计；在更换被解释变量方面，本文不仅借鉴王晓娟等的做法[21]直接将城市制造业就业人数作为被解释变量，还将城市制造业就业比重作为被解释变量进行估计。上述稳健性检验结果报告于表3的第(1)—(3)列，可以发现，不但数字经济相关词频数变量同样有助于制造业稳就业的实现，而且数字经济政策强度的提升也显著促进了制造业就业人数和制造业就业占比的增长。总之，更换核心变量的检验结果表明，本文核心结论较为稳健。

2.更换估计样本。基准回归中使用的是城市总体制造业的就业数据，使用总体数据进行分析时可能面临着加总数据精度不高的问题。考虑到该问题，本文将2006—2013年中国工业企业数据库按照企业所在城市、年份与基准回归数据进行匹配，然后以企业就业人数作为被解释变量进行估计，估计结果报告于表3的第(4)列。根据该利用微观企业数据的检验结果，数字经济政策强度的提升有助于制造业企业就业的增长，因而有助于制造业稳就业的实现。

3.考虑数字经济影响的滞后性。

绝大多数地级市的政府工作报告都是在当年的1、2月份出台，该报告中有关数字经济的规划大多当年就可以得到执行，所以会直接对当年的制造业就业情况产生影响。当然，也有文献认为数字经济相关产业从建立、发展到其真正对经济社会产生影响可能存在一定的时滞性。[54]基于此，本文将数字经济政策强度指标滞后一期进行回归，结果报告于表3的第(5)列。通过观察该结果不难发现，考虑到数字经济产生作用的滞后性后，本文核心结论依然稳健。

4.排除其他类似政策干扰。精确识别数字经济政策强度对制造业就业的影响还需要排除其他类似政策的可能影响，本文主要通过控制国家级大数据综合试验区及“宽带中国”试点进行稳健性检验。首先，国家大数据综合试验区的设立，是我国为了推进大数据发展、培育数字经济新高地而采取的重要举措。2015年9月，贵州启动全国首个大数据综合试验区建设工作；2016年10月，北京、天津、河北、内蒙古、辽宁、河南、上海、重庆和广东也获批建设国家级大数据综合试验区。本文借鉴邱子迅和周亚虹的做法[55],构建国家级大数据综合试验区建设准自然实验变量(CD)进行稳健性检验。其次，数字经济政策的推行和数字经济的深层次发展离不开相应的数字基础设施支撑，而数字基础设施政策同样可能对制造业就业产生影响，“宽带中国”政策是中国完善数字基础设施的重要举措。工信部、国家发改委分别于2014、2015和2016年分三批公布了“宽带中国”试点城市名单。本文借鉴赵涛等的做法[31],构建“宽带中国”试点准自然实验变量(BC)进行稳健性检验。表3的第(6)—(8)列报告了检验结果，结果依然与基准回归较为相似，说明在排除可能存在相似政策的影响后，数字经济政策强度对制造业稳就业的促进作用依然较为显著。

表3 稳健性检验结果

注：限于篇幅，略去了控制变量和常量的估计结果，以下各表同。

(三)内生性处理

考察数字经济政策强度对制造业就业的影响需要重视潜在的内生性。一般而言，寻找工具变量进行两阶段最小二乘估计是控制内生性的有效方法。目前关于数字经济的研究大多从三个方面构建数字经济的工具变量：一是利用历史上邮局或固定电话用户量数据，如黄群慧等[56]、戴魁早等[57];二是城市距杭州市(中国最大电商阿里巴巴总部所在地)或最近“八纵八横”光缆传输骨干网的节点城市的距离，如张勋等[37]、方福前等[58];三是反映城市地理特征的变量，如柏培文和张云[59]。虽然以上变量可作为数字经济的工具变量，但它们可能并不适合作为数字经济政策强度的工具变量。城市对于数字经济的重视及相关政策的实施力度可能并不会受到地理变量或历史变量的影响，即使是地理位置不占优势或者早期数字基础设施不完善的城市，在后续年份同样可能会有较强的数字经济支持力度。因此，我们选择“除本市外城市所在省份其他城市的数字经济政策强度均值”(iv)作为城市数字经济政策强度的工具变量。其合理性在于：一方面，城市对数字经济的重视及相关政策的制定一般具有一定的区域追随性或模仿性，即本市的数字经济政策强度可能受到本省其他城市数字经济规划的影响，因此本市所在省份其他城市的数字经济政策强度均值会对本市数字经济政策强度产生直接影响。另一方面，每个城市在省内都有自身相对稳定的产业特质和发展方向，即不同地区的制造业就业市场通常是异质的，各城市制造业所需的技能和专业不同。邻近城市在数字经济产业方面一般有独特的产业结构或优势，因而邻近城市的数字经济政策更多是为了推动该城市自身产业的发展，而不会在就业层面直接影响其他城市。此外，尽管在理论上其他城市的数字经济政策可能引起本市制造业就业者的迁移，但制造业就业者在城市间的转移还需要考虑专业技能、工资及迁移成本的变化，很难受某城市数字经济政策强度的直接影响，相邻城市的数字经济政策强度更难以对本市的制造业就业变化率产生直接影响[60],因此可以将其视为城市数字经济政策强度的合理工具变量。

表4的第(1)(2)列报告了当被解释变量为制造业就业变化率时利用上述工具变量进行两阶段最小二乘估计的结果。第一阶段结果显示，工具变量的系数显著为正，说明本市所在省份其他城市的数字经济政策强度均值的增加会引起本市对数字经济的重视，从而有助于本市数字经济政策强度的提升。第二阶段结果显示，与基准回归结果相比，数字经济政策强度对制造业就业变化率的影响系数及显著性水平均有明显上升，说明基准回归结果可能低估了数字经济政策强度对制造业稳就业的影响。与此同时，这也证实了本文工具变量选取的有效性。此外，本文也直接将被解释变量更换为城市制造业就业比重进行两阶段最小二乘估计，结果报告于表4的第(3)(4)列，该结果同样证实了在考虑潜在的内生性问题后，本文核心结论依然稳健。本文也借鉴了孙伟增等的做法[61],直接将工具变量加入基准回归模型进行估计，发现在控制数字经济政策强度后，工具变量对制造业就业变化率的影响不显著，这在一定程度上说明本文选取的工具变量与其他不可观测因素是不相关的，满足工具变量选取的排他性要求。

表4 内生性处理结果

五、机制检验

根据前文理论分析，数字经济政策通过就业创造效应提升制造业创业活跃度，通过利润创造效应增加制造业企业利润，从而有助于制造业稳就业，也可能通过就业结构转换效应引发部分制造业就业者向服务业转换，从而不利于制造业稳就业。为了验证上述三个效应是否存在，本文依次进行机制检验，结果见表5。

表5 机制检验结果

(一)就业创造效应

首先是就业创造效应的机制检验。为了验证该机制，本文借助工商企业注册数据中的信息从两个方面构建制造业创业活跃度指标。第一个指标是制造业新进入企业数量占城市新进入企业数量的比重(al),第二个指标是制造业新进入企业数量(lnnumber)。表5的第(1)(2)列报告了基于就业创造效应的机制检验结果，其中，第(1)列的被解释变量是制造业新进入企业数量占城市新进入企业数量的比重，第(2)列的被解释变量是制造业新进入企业数量。第(1)(2)列中数字经济政策强度的系数均显著为正，不但说明重视、发展数字经济明显提升了制造业创业活跃度，而且验证了假说1中关于数字经济政策通过就业创造效应促进制造业稳就业的机制。在数字经济政策强度较高的城市中，数字技术的推进不仅使得这些城市更易于衍生出新时代的制造业创业模式，有助于制造业新产业、新业态、新模式的培育，还通过数字金融的支持降低了制造业创业过程中的风险与不确定性，从而有助于城市制造业创业活动的开展，进而能够为制造业提供更多的就业机会。

(二)利润创造效应

其次是利润创造效应的机制检验。由于相关城市统计年鉴或其他公开数据中未报告制造业的利润，所以本部分利用中国工业企业数据进行机制检验，样本区间为2006—2013年。数字经济政策通过利润创造效应影响制造业稳就业的机制检验结果报告于表5的第(3)(4)列。其中，第(3)列的被解释变量是企业主营业务收入(lnmopen),第(4)列的被解释变量是企业利润总额(lnprofit)。基于利润创造效应的机制检验结果表明，无论被解释变量是企业主营业务收入还是企业利润总额，城市数字经济政策强度的系数均在1%的水平上显著为正，这意味着发展数字经济确实有助于制造业企业利润的增加，进而验证了假说2中利润创造效应的机制。数字经济不仅丰富了当地的数据要素投入，有助于制造业企业规模报酬的实现，还便于制造业企业根据市场信息变化精准施策，帮助企业实现更深层次的收入与利润创造，进而奠定了数字经济政策促进制造业稳就业的利润基础。

(三)就业结构转换效应

最后是就业结构转换效应的机制检验，主要是检验城市数字经济政策是否使得部分制造业就业者流向服务业。本部分的机制检验需要用到制造业就业转换的数据，因此利用2016、2018年的中国劳动力动态调查数据进行分析。【5】中国劳动力动态调查数据中报告了部分劳动者前一份工作的职业类别和结束时间以及该劳动者目前这份工作的职业类别和开始时间。根据这些信息即可判断劳动者在不同行业间的流向。在使用该数据库之前，本文首先剔除了该数据库中上份工作结束时间与目前工作开始时间缺失或明显矛盾，上份工作、目前工作职业类别不完整，就业转换时间不在样本期间以及非就业状态的样本。假设劳动者上份工作属于制造业且目前工作属于服务业，则将该样本的第一个就业结构转换指标(mchange)赋值为1,其余为0,然后将mchange作为被解释变量使用Logit模型进行机制检验。根据表5中第(5)列的估计结果，数字经济政策强度的系数显著为正，意味着发展数字经济显著增加了制造业就业者流向服务业的概率。由于使用固定效应模型会损失一部分的样本量，第(6)列报告了使用Logit模型但未控制固定效应的估计结果，可以发现数字经济政策强度的系数依然显著为正。这证实了发展数字经济确实会增加制造业就业者向服务业转换的概率，验证了假说3中关于就业结构转换的机制。重视、鼓励数字经济发展在一定程度上可能会引发类似于“机器换人”等制造业的技术性失业，而且新型技术范式的产生也可能使得大量就业者向就业形式更为灵活的服务业转换。此外，本文也考虑了数字经济政策强度的提升是否会影响就业者从服务业流向制造业。据此，本文构建了第二个就业结构转换指标schange,用以考察数字经济政策是否会引发就业者从服务业流向制造业。schange的设定与mchange类似，将上份工作属于服务业且目前工作属于制造业的样本赋值为1,其余为0。表5的第(7)(8)列报告了当被解释变量为schange时的Logit模型估计结果，发现数字经济政策强度的系数并未通过显著性检验，说明数字经济政策强度的提升在引发部分制造业就业者向服务业转换的同时，并未使得服务业就业者向制造业转换。

综上，本文不仅验证了数字经济政策通过就业创造效应与利润创造效应对制造业稳就业产生的助力作用，还验证了数字经济政策通过就业结构转换效应对制造业稳就业产生的阻力作用，进而在内在机制层面证实了数字经济政策强度与制造业稳就业之间的因果关系。

六、进一步分析

前文利用城市层面数据分析了数字经济政策强度对制造业稳就业的影响，接下来，本文将进一步深入分析不同类型数字经济政策强度对制造业稳就业的影响，分析数字经济政策强度对制造业企业就业变动和就业质量的影响，从而更加细致、深入地理解数字经济政策的制造业稳就业效应。

(一)解构数字经济政策强度

作为一种继农业经济、工业经济之后的主要经济形态，数字经济的形式较为丰富，因此，地方政府制定的数字经济政策在内容上也具有多样性。为了深入分析不同类型数字经济政策强度对制造业稳就业的影响效果，本文按照《数字经济及其核心产业统计分类(2021)》将数字经济产业划分为数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业与数字化效率提升业五类，因此对应的相关词汇同样为以上五类(见附录),然后分别计算各类词频的比重，便可得到城市各类数字经济政策的强度。

表6报告了各类数字经济政策强度的检验结果。可以发现，数字产品制造、数字产品服务与数字要素驱动政策强度的提升显著促进了制造业就业的增长，而其余两类数字经济政策未对制造业就业产生显著影响。数字产品制造业的发展不仅可以直接带动其所在制造部门的就业，还可以带动产业链上下游配套企业的成长，从而创造更多的制造业就业岗位，有利于制造业稳就业的实现。数字产品服务业主要提供的是计算机等设备的批发、零售、租赁和维修业务，在数字产品服务政策下数字产品服务业得以扩张，这必然要求上游产业链提供更多的制造业产品，从而带动相关制造业行业的就业。而数字要素驱动政策不仅为当地制造业生产带来了更完善的信息基础设施，还提供了效率更高的互联网生产服务平台，有助于制造业调动更多资源进行生产，从而促进制造业稳就业。对于数字技术应用政策而言，虽然这些政策的实施有助于推进制造业动力转换，降低劳动力供需市场的沟通时滞，但是会不可避免地挤出部分数字技能较低的制造业就业者，使得相关数字经济政策未对制造业稳就业产生显著影响。在数字化效率提升政策方面，以数字技术赋能智慧城市建设和社会经济结构升级需要一定的时间，因此数字化效率提升政策可能不会立竿见影地对制造业稳就业产生影响。这些检验结果也意味着，至少在数字技术应用以及数字化效率提升等行业中，还存在广泛的通过优化数字经济政策来实现制造业就业增长的空间。

表6 解构数字经济政策强度的回归结果

(二)企业就业变动

中国制造业就业规模快速变动的背后，也发生着大量的就业创造(Creation)与就业破坏(Destruction)等就业动态。为了考察数字经济政策强度如何影响微观制造业企业的就业变动，本文借鉴Davis & Haltiwanger的做法[62],从就业创造和就业破坏的角度对企业就业变动进行分解，这样做的好处是可以分析制造业就业变动的成分与方向[63]。本文将企业层面的就业创造界定为：Creationi,t=max(Δjobsi,t,0),其中，Δjobsi,t=lnjobsi,t-lnjobsi,t-1表示i企业的就业变化率，Destructioni,t=max(-Δjobsi,t，0)表示i企业在t年的就业人数；将企业层面的就业破坏界定为：Destructioni,t=max(-Δjobsi,t,0);因此企业层面的净就业为：Neti,t=Δjobsi,t=Creationi,t-Destructioni,t。

表7报告了将企业就业变动分解为就业创造与就业破坏后的检验结果。可以发现，数字经济政策强度的提升不仅显著促进了制造业企业的就业创造，还显著抑制了制造业企业的就业破坏，因而有助于制造业企业净就业的增长。该结果意味着，数字经济政策强度对制造业企业净就业增长的促进作用是同时通过“提高就业创造”与“降低就业破坏”两个渠道产生影响的。与此同时，该结果也说明，数字经济政策强度除了会通过制造业新企业进入的渠道产生就业创造效应外，还会增强现存企业的就业吸纳能力，进一步提升数字经济的就业创造空间，从而有助于实现制造业稳就业。

表7 企业就业变动的回归结果

(三)企业就业质量

前文大量实证工作虽然均证实了数字经济政策强度的提升有助于制造业就业的增长，但与该问题同样重要的是，数字经济政策的制造业稳就业效应是否以降低制造业就业质量为代价。如果数字经济政策是以降低制造业就业质量为代价助力制造业稳就业的，那么数字经济政策的制造业稳就业效应可能仅是经济结构变迁过程中的一种假象，即目前的数字经济实际上可能正朝着不利于制造业发展后劲的方向演变；与此相反，若数字经济政策在助力制造业稳就业的同时并未降低制造业企业的就业质量，那就意味着数字经济发展切实地巩固了制造业的竞争优势与发展潜力。基于此，本文做了如下两方面的工作。

一方面，本文考察数字经济政策强度对制造业企业就业报酬的影响。在本部分中，被解释变量分别替换为劳动收入份额(ls)与工资水平(lnwage)。劳动收入份额利用企业应付工资和应付福利费之和与企业总产值的比值来衡量【6】,工资水平则使用企业应付工资与企业就业人数之比衡量。结果报告于表8的第(1)(2)列，可以发现，无论被解释变量是企业的劳动收入份额还是工资水平，数字经济政策强度的系数均在1%的水平上显著为正，这意味着数字经济政策强度的提升有助于制造业企业就业报酬的增长。

表8 企业就业质量的回归结果

另一方面，本文还考察数字经济政策强度对企业就业结构的影响。由于中国工业企业数据库缺乏企业就业结构信息，所以这里使用了上市公司数据，取自国泰安经济金融研究数据库。表8第(3)(4)列报告了结果，被解释变量分别为企业大专以上就业占比及技能人才占比。首先是大专以上就业占比，可以发现，数字经济政策强度的提升显著促进了企业大专以上就业占比的增长，说明发展数字经济为制造业企业带来了更高水平的人力资本，有助于企业整体就业素质的改善。其次是技能人才占比，可以发现，数字经济政策强度的提升对企业技能人才占比没有显著影响。综上，本文证实了数字经济政策的制造业稳就业效应并不是以牺牲制造业就业质量为代价的，数字经济政策强度的提升有助于制造业稳就业的实现。

七、结论与启示

在当前数字经济快速发展时期，中国的制造业就业比重持续下降，如何通过设计有效的数字经济政策协同推进数字经济发展与制造业稳就业，已成为各界热议的重要议题。本文利用2006—2019年城市政府工作报告中的数字经济相关词频占比衡量城市的数字经济政策强度，深入考察了数字经济政策强度对制造业稳就业的影响及其内在机制。研究发现：1)总体而言，数字经济政策强度的提升会显著促进制造业就业，因而有助于实现制造业稳就业。2)机制检验发现，数字经济政策的提升既会通过就业创造效应和利润创造效应促进制造业稳就业，又会通过就业结构转换效应阻碍制造业稳就业，但正向影响大于负向影响。3)解构数字经济政策强度的进一步分析发现，数字产品制造、数字产品服务与数字要素驱动政策强度的提升显著促进了制造业就业，但数字技术应用与数字化效率提升政策未产生显著影响；数字经济政策强度对企业净就业的影响是同时通过“提高就业创造”与“降低就业破坏”两个渠道产生的；数字经济政策强度对制造业就业产生促进作用并不是以降低就业质量为代价的。

本文的研究结论为地方政府规划数字经济发展、助力制造业稳就业提供了有益启示。

第一，由于数字经济政策总体上促进了制造业就业，所以地方政府应当根据地方发展实际积极制定相应的数字经济政策，为本地制造业就业提供政策支撑。为此，一方面要精准识别本地在数字经济发展中的竞争优势和劣势，制定符合本地产业基础与发展前景的数字经济政策。对于数字经济发展水平较高的地区而言，要不断探索以数字经济政策支撑数字经济发展的新模式，着眼于国家需求和世界发展前沿布局谋划新型、通用、尖端技术研发，为更多数字经济欠发达地区总结政策引领发展的成功经验，提供覆盖性更强的数字产品。对于数字经济基础薄弱的地区而言，侧重点应是加快数字基础设施建设与数字技能人才培育，弥补本地制造业发展的劣势，通过政策扶持数字经济相关产业发展来增强制造业发展的后劲。另一方面各地也要注重适度超前布局数字经济产业。作为一种新事物，数字技术发展必然面临着较多不确定性及一定的试错成本，只有通过数字经济政策引导各地适度超前布局数字经济产业，才能获得未来发展的先发优势。

第二，由于数字经济政策也挤出了部分制造业就业，所以政府还应设计合理的配套经济政策工具，以避免众多制造业就业者因与数字经济模式不适配而造成的技术性失业。政府制定数字经济政策时，要注重增强就业市场、社会保障等方面的灵活性，依靠数字技术激发经济社会系统的自适应能力，增强就业者与数字技术间的协同性。在这方面，可以积极引导企业对各类就业者进行职业教育、技能教育，为企业对员工的数字技能培训提供一定的财政补贴与税收减免，使传统制造业就业者适应产业升级和数字经济时代的用工需求。

[附录]

数字产品制造业:智能产品、高端软件、软硬件、传感器、机器人、无人机、智能装备、可穿戴设备、光缆、半导体、人工智能、自动化、医学影像、软件、自动控制系统、智能工厂、集成电路、自动驾驶、系统集成、智能家居、自主无人系统、智能制造、数控机床、增材制造、芯片、光纤、类脑智能。

数字产品服务业:数字电视、网络、网络设备、上网、智能服务、三网融合、线上、在线、信息系统、信息通信、操作系统、移动通信、无线、新媒体、网上、通信系统、通信设备、宽带网络、信息消费、信息服务、互联、社交、跨媒体、通信网络、接入服务。

数字技术应用业:测试技术、网络技术、智能技术、3D、关联分析、云平台、深度融合、工业云、信息管理、自主学习、数字技术、北斗、自然语言、共享交换、实时、云服务、数据安全、区块链、网络提速、可视化、基础软件、语音、卫星系统、增强现实、创新网络、应用软件、射频识别、网络安全、电信、信息技术、深度学习、4G、虚拟现实、卫星遥感、信息安全、虚拟、信息孤岛、信息可追溯、智能控制、宽带、自主协同、IP、工业软件、信息平台、5G、卫星导航。

数字要素驱动业:数字人才、资源要素数据、互联网、数据驱动、数据共享、服务器、数据采集、信用信息、互联互通、互联网+、数据处理、处理器、数据服务、数据集、海量数据、动态监测、信息经济、数据资源、开放共享、数据挖掘、数据管理、数据科学、信息互通、数据壁垒、信息资源、汇聚整合、大数据、数字教育、信息公开、数据平台、物流信息、动态监控、预测预警、数据库、电子商务、信息采集、信息共享、网络信息、数据分析、互联共享、数据中心、云计算、数据存储、数据应用、数据融合、信息库、网络化、数据开放、数据信息、信息发布、开源社区、电商、资源共享、知识服务。

数字化效率提升业:一网通办、分享经济、身份认证、智能电网、智能监测、电子证照、网络服务、信息化、远程教育、网络设施、混合增强智能、智能感知、网络体系、智能、智能社会、机器学习、信息惠民、智慧城市、数字化、能源网络、监测预警、物联网、网络空间、电子病历、智慧农业、网络文化、智能计算、网络公益、网络经济、智能经济、数字经济、智慧、网络架构、群体智能、环境监测、电子信息、智能化、智慧用能、数字红利、智能决策、网络建设、智能终端、远程医疗、网络扶贫、电子政务。

参考文献

[1]郭克莎、彭继宗：《制造业在中国新发展阶段的战略地位和作用》,《中国社会科学》,2021年5期。

[2]叶振宇：《中国制造业比重下降趋势探究与应对策略》,《中国软科学》,2021年5期。

[3]李飚、蔡宏波：《服务业开放与制造业企业就业结构》,《国际贸易问题》,2021年6期。

[4]杨倜龙、郭克莎：《数字经济对制造业发展的影响探析》,《经济学家》,2023年9期

[5]陈建伟、苏丽锋：《通用型技术对就业结构的影响——基于“宽带中国”示范城市政策的研究》,《中国人口科学》,2021年5期。

[6]郭东杰、周立宏、陈林：《数字经济对产业升级与就业调整的影响》,《中国人口科学》,2022年3期。

[7]王东京：《经济全球化与中国的经济结构调整》,《管理世界》,2017年5期。

[8]王传智：《“配第-克拉克定理”悖论的经验与理论分析——兼论中国特色社会主义工业化道路发展方向》,《经济学家》,2023年9期。

[9]罗军：《制造业服务化转型与就业技能结构变动》,《中国人口科学》,2019年3期。

[10]宋锦、李曦晨：《行业投资、劳动力技能偏好与产业转型升级》,《世界经济》,2019年5期。

[11]佟家栋、刘竹青：《房价上涨、建筑业扩张与中国制造业的用工问题》,《经济研究》,2018年7期。

[12]张晶、陈志龙：《劳动力成本上升与中国制造业转移》,《统计研究》,2021年6期。

[13]毛其淋、王玥清：《出口模式转变与企业就业变动：来自中国制造业的微观证据》,《世界经济研究》,2023年1期。

[14]铁瑛、崔杰：《服务业发展“抢夺”了制造业技能吗?——来自中国微观层面的经验证据》,《财经研究》,2020年12期。

[15]苏丹妮、邵朝对：《服务业开放、生产率异质性与制造业就业动态》,《财贸经济》,2021年1期。

[16]姚曦、续继：《技术进步、经济周期与制造业岗位丢失》,《世界经济》,2022年5期。

[17]袁冬梅、周磊、袁礼：《技术创新模式转变对劳动力就业结构的影响——基于制造业上市公司数据的分析》,《中国人口科学》,2021年6期。

[18]王永钦、董雯：《机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据》,《经济研究》,2020年10期。

[19]周广肃、李力行、孟岭生：《智能化对中国劳动力市场的影响——基于就业广度和强度的分析》,《金融研究》,2021年6期。

[20]李新娥、喻子君、夏静等：《人工智能技术应用下制造业企业就业效应研究——基于101家上市公司的实证检验》,《中国软科学》,2021年S1期。

[21]王晓娟、朱喜安、王颖：《工业机器人应用对制造业就业的影响效应研究》,《数量经济技术经济研究》,2022年4期。

[22]许家云、毛其淋：《互联网如何影响了中国制造业就业?》,《经济学(季刊)》,2023年4期。

[23]董雪兵、潘登、池若楠：《工业机器人如何重塑中国就业结构》,《经济学动态》,2022年12期。

[24]闫雪凌、朱博楷、马超：《工业机器人使用与制造业就业：来自中国的证据》,《统计研究》,2020年1期。

[25]宋旭光、左马华青：《工业机器人如何影响制造业就业变动——基于上市公司微观数据的分析》,《经济学动态》,2022年7期。

[26]张抗私、韩佳乐：《信息网络基础设施建设的就业效应：结构变化与机制分析》,《学习与实践》,2023年8期。

[27]徐梦冉、李振发、贺灿飞等：《“互联网+”对中国制造业就业的影响》,《世界地理研究》,2021年3期。

[28]戚聿东、刘翠花、丁述磊：《数字经济发展、就业结构优化与就业质量提升》,《经济学动态》,2020年11期。

[29]张可云：《区域经济政策》,北京：商务印书馆，2005年。

[30]田鸽、张勋：《数字经济、非农就业与社会分工》,《管理世界》,2022年5期。

[31]赵涛、张智、梁上坤：《数字经济、创业活跃度与高质量发展——来自中国城市的经验证据》,《管理世界》,2020年10期。

[32]He Z,Lu W,Hua G,et al.Factors affecting enterprise level green innovation efficiency in the digital economy era–Evidence from listed paper enterprises in China.BioResources,2021,16(4):7648-7670.

[33]陈贵富、韩静、韩恺明：《城市数字经济发展、技能偏向型技术进步与劳动力不充分就业》,《中国工业经济》,2022年8期。

[34]Nambisan S,Wright M,Feldman M.The digital transformation of innovation and entrepreneurship:Progress,challenges and key themes.Research Policy,2019,48(8):103773.

[35]唐勇、吕太升：《数字经济发展对我国城市就业的影响》,《城市问题》,2022年3期。

[36]Song A K.The digital entrepreneurial ecosystem — A critique and reconfiguration.Small Business Economics,2019,53(3):569-590.

[37]张勋、万广华、张佳佳等：《数字经济、普惠金融与包容性增长》,《经济研究》,2019年8期。

[38]Yang J,Zhao Y,Han C,et al.Big data,big challenges:Risk management of financial market in the digital economy.Journal of Enterprise Information Management,2022,35(4/5):1288-1304.

[39]刘翠花、戚聿东：《数字经济促进就业扩容提质的理论逻辑、作用机理与推进路径》,《理论学刊》,2023年4期。

[40]孟维福、张高明、赵凤扬：《数字经济赋能乡村振兴：影响机制和空间效应》,《财经问题研究》,2023年3期。

[41]Jones C I,Tonetti C.Nonrivalry and the economics of data.American Economic Review,2020,110(9):2819-2858.

[42]蔡跃洲、马文君：《数据要素对高质量发展影响与数据流动制约》,《数量经济技术经济研究》,2021年3期。

[43]黄阳华：《基于多场景的数字经济微观理论及其应用》,《中国社会科学》,2023年2期。

[44]王帅龙：《数字经济之于城市碳排放：“加速器”抑或“减速带”?》,《中国人口·资源与环境》,2023年6期。

[45]庞磊、丁文丽：《数字经济提升了产业链关键环节的控制能力吗?——基于数字产业化和产业数字化的对比研究》,《科学学研究》,2023年3期。

[46]雷雨亮、刘颜、刘辉：《数字经济、技能供需结构与收入差距：以中国流动人口为例》,《中国软科学》,2023年8期。

[47]杨仁发、郑媛媛：《数字经济发展对全球价值链分工演进及韧性影响研究》,《数量经济技术经济研究》,2023年8期。

[48]李力行：《数字经济、灵活就业与公共服务变革》,《社会治理》,2023年4期。

[49]Hall J V,Krueger A B.An analysis of the labor market for Uber’s driver-partners in the United States.ILR Review,2018,71(3):705-732.

[50]郑祁、张书琬、杨伟国：《零工经济中个体就业动机探析——以北京市外卖骑手为例》,《中国劳动关系学院学报》,2020年5期。

[51]袁志刚、高虹：《中国城市制造业就业对服务业就业的乘数效应》,《经济研究》,2015年7期。

[52]李志远、曹哲正：《综合保税区的设立对制造业就业水平的影响分析》,《国际贸易问题》,2021年8期。

[53]Brandt L,Biesebroeck J V,Zhang Y.Creative accounting or creative destruction?Firm-level productivity growth in Chinese manufacturing.Journal of Development Economics,2012,97(2):339-351.

[54]孙晋云、白俊红、王钺：《数字经济如何重塑我国区域创新格局?——基于研发要素流动的视角》,《统计研究》,2023年8期。

[55]邱子迅、周亚虹：《数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析》,《财经研究》,2021年7期。

[56]黄群慧、余泳泽、张松林：《互联网发展与制造业生产率提升：内在机制与中国经验》,《中国工业经济》,2019年8期。

[57]戴魁早、黄姿、王思曼：《数字经济促进了中国服务业结构升级吗?》,《数量经济技术经济研究》,2023年2期。

[58]方福前、田鸽、张勋：《数字基础设施与代际收入向上流动性——基于“宽带中国”战略的准自然实验》,《经济研究》,2023年5期。

[59]柏培文、张云：《数字经济、人口红利下降与中低技能劳动者权益》,《经济研究》,2021年5期。

[60]李彦龙、沈艳：《数字普惠金融与区域经济不平衡》,《经济学(季刊)》,2022年5期。

[61]孙伟增、毛宁、兰峰等：《政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验》,《中国工业经济》,2023年9期。

[62]Davis S J,Haltiwanger J.Gross job creation,gross job destruction,and employment reallocation.Quarterly Journal of Economics,1992,107(3):819-863.

[63]马弘、乔雪、徐嫄：《中国制造业的就业创造与就业消失》,《经济研究》,2013年12期。

注释

【1】作者根据第六次、第七次中国人口普查数据计算得出。

【2】本文在统计相关词频时,已对英文单词、标点符号及无实质意义的中文单词等进行了剔除。

【3】如在北京非首都功能疏解政策下,北京市大量制造业需要迁出。

【4】主要是删除缺失重要经济指标的观测值;删除从业人数少于8人的企业;删除符合流动资产高于总资产、固定资产合计大于总资产、固定资产净值大于总资产、本年折旧大于累计折旧中任何一个条件的企业;删除成立时间无效、成立时间早于1949年或者大于当前年份的企业。在此基础上,按照Brandt et al.的做法(文献[53])匹配中国工业企业数据库。

【5】由于2016年之前的中国劳动力动态调查数据中就业是否转换信息完整的样本较少,所以仅使用2016、2018年的调查数据进行分析。

【6】此处剔除了劳动收入份额小于0或大于1的企业。

原标题：《数字经济政策强度对制造业稳就业的影响研究》

阅读原文