摘要：数字经济的发展已经逐步渗透到国民经济的各行业，其对现有的劳动力结构的影响成为重要研究议题。文章通过实证分析，探究数字经济对产业层面、行业层面和技能层面就业结构的影响。研究发现：数字经济对产业层面就业结构呈现显著的负向作用，同时推动第三产业从业人员规模扩大，优化产业人员数量结构；数字经济发展对行业层面和技能层面就业结构均呈现“正U型”特征，即数字经济发展初期会抑制行业层面和技能层面的就业结构，但随着数字经济发展的深入，将逐步转化为促进效应；异质性研究发现人口规模在数字经济对就业结构的影响中，具有一定的差异性。因此，文章提出尽早跨越发展初级阶段，增加企业数字化转型服务专业机构数量和服务范围，重视就业结构和数字经济发展的异质性等建议。

　　关键词：数字经济；就业结构；熵权法

　　引言

　　随着我国数字化战略的全面推进，数字经济在经济发展、人民生活、创业就业等方面的作用越来越大[1]。数字经济的变革不仅改变了原有的技术水平和就业、创业机会[2]，更影响了各产业劳动力的供求状况和就业质量[3-5]，对现有劳动力结构将产生强烈的冲击。在“六稳”“六保”工作布局里，就业始终占据首要位置，紧密连接着生产与消费环节。而就业则需要通过市场主体（企业）来实现，进而保证产业链供应链的畅通。正因如此，就业堪称其他各项“稳”与“保”工作的基础，不仅是改善民生的根本所在，更是维系社会稳定的基石、国家长治久安的重要策略。中国正处于迈向高质量发展和共同富裕的关键时期，高质量就业的重要意义愈发凸显。根据国家统计局发布的数据，2024年我国就业形势总体保持稳定，全国城镇新增就业人数达1 256万人，失业率为5.1%，呈现稳中有降的良好态势，较2023年度下降了0.1%，就业形势基本保持稳定。从重点群体的就业状况来看，也得到了有效改善，农业户籍外来务工人员的城镇调查失业率为4.6%，比2023年下降了0.3个百分点，农民工总量增加了220万人。然而，当前就业领域存在的结构性矛盾依然突出，部分群体在就业方面仍面临诸多困难和压力。由此可见，高质量充分就业依然是一项艰巨而长期的任务，需切实落实针对重点行业、重点领域、城乡基层以及中小企业的就业支持策略，积极推进重点群体的就业，全力保障就业大局总体稳定。

　　本文基于既有文献梳理，运用中国国内30个省份的面板数据，实证评估数字经济发展对不同层面就业结构的影响。在国内大循环为主体的新形势下，研究结论为相关部门制定数字经济助力就业结构优化的有关制度与政策提供量化支撑与决策依据。

　　一、文献回顾与研究假设

　　（一）数字经济内涵与衡量

　　对于数字经济的研究，最早出现于Tapscott在1996出版的《数字经济》一书，认为数字经济是基于信息通信技术（ICT）广泛运用而形成的一个经济系统。早期数字经济研究主要围绕互联网通信技术展开，以反映当时最主流的技术发展发向[6-7]。丁志帆（2020）、杨先明等（2022）认为数字经济是一种新的经济社会形态，是一种以数字化技术为核心的信息要素，通过各种技术手段的扩散同经济社会活动深度融合，提升现有效率和结构优化，进而实现经济高质量发展[8-9]。总体来看，数字经济没有统一概念，且范畴有宽有窄，还处于不断发展过程中。由于数字经济内涵和范畴不一致，所以在进行数字经济衡量时，学者们采用了熵权法、主成分分析法、机器人使用密度、数字经济三类子指标等多种方式进行衡量[10-13]。

　　（二）数字经济与就业效应

　　数字经济与历史上多次技术革新类似，将对现有就业结构产生深刻影响[9-10,14-16]。学者们认为新的技术与模式势必会对原有的就业岗位产生冲击，造成就业替代效应，长期会带来抑制替代效应（补偿效应、创造效应）[10，16，17-21]。因为智能化为代表的数字经济对劳动力来说，既有减少就业岗位需求的替代效应，又有增加就业岗位需要的抑制替代效应，所以学者们认为，智能化会对就业结构产生较大影响，但并不会导致就业总量的显著改变[10，19-20]。大多数学者认为数字经济的出现，数据的应用与分析、数据要素的收集、整理、分析等技能需求必将逐渐增加，原有的劳动力会部分的被数据驱动所取代，从长远看，也会带来新的岗位需求。因此数字经济对于现有就业结构的调整，具有一定的不确定性[22]，其本质是一种替代效应与抑制效应，分工外溢效应和分工挤出效应博弈的结果[23]。

　　（三）数字经济与就业结构

　　从产业层面整体就业结构来看，数字经济发展对不同产业的影响具有显著差异性，这一特征与第三产业劳动力转型难度相对较低的特点密切相关[13]。数字普惠金融对第三产业的促进作用更加显著[24]，同时数字经济发展重点在于“信息技术”，通过驱动“网络效应”重构产业价值链[25]，触发了就业替代效应，从而提升生产率，降低生产成本[10]，因此会造成制造业劳动力需求减少，而服务业市场规模得以进一步拓展，不仅带动更广泛就业需求，还有效优化和提升就业结构，加速产业结构转型升级[1，17，26-27]。

　　从行业层面来看，伴随着数字经济的发展，其实质是数字技术与产业深度融合的过程。短期内，容易引发明显的就业替代效应，在传统产业中形成大量的结构性失业[28]，带来第二产业技术性人员减少[11，29]，工业智能机器人的应用率先作用于科技相关行业，对其中一些重复性的劳动岗位产生了替代效应，造成就业岗位减少[30-31]。但随着数字经济发展水平和渗透率的大幅提高，企业的生产和服务方式发生了变化，高科技行业所需创造性岗位越来越多，且其他行业的替代效应越来越显现，从而进一步提高行业就业结构[11]，助力整体就业结构改善与经济高质量发展[2]。

　　部分学者认为数字经济的发挥，需要高技能型劳动力的使用和配合，将推动高技能岗位数量增长，同时，由于技术的提升，也会相应增加程式化任务岗位以配合数字科学的落地和执行，从而扩大低技能岗位需求，造成“两端极化”现象[32-33]。在数字经济发展初期，由于极化作用存在，替代效应较为显著，导致低技能人才需求增长幅度更大。本文基于上述分析，提出如下研究假设。

　　H1：数字经济发展对产业层面的就业结构具有正相关关系。

　　H2：数字经济发展对行业层面的就业结构具有“正U型”关系。

　　H3：数字经济发展对技能层面的就业结构具有“正U型”关系。

　　我国幅员辽阔，人口众多，部分学者基于不同区域角度，考察地区异质性对作用机制的影响[12-13，34]，或对人口规模、不同时间段及作用强度的门槛效应展开分析[11-12，35]，但现有研究仍存在进一步深化的空间。综上所述，已有研究重点关注了数字经济对就业总量、就业机会和就业效应的研究，对行业层面就业结构的关注相对不足。这正是本文将重点解决并力图突破的核心问题，即深入剖析数字经济对就业结构的具体影响机制。

　　二、研究设计

　　（一）计量模型设定

　　结合本文研究目的与研究对象，数字经济对就业结构的影响可体现在产业结构、行业结构和技能结构3个层面[9，11]。为系统考察数字经济对不同层面就业结构的影响，且考虑不同区域和年度之间的差异性，设定如下针对产业层面基础回归模型（1），以及针对行业层面及技能层面就业结构的基础回归模型（2）。

　　其中下标i表示省份，t表示年份，模型（1）中的被解释变量EmStrit表示各省在不同年度在产业层面的就业结构，模型（2）中的被解释变量EmStrit表示各省在不同年度的行业层面和技能层面衡量的就业结构。解释变量digital表示数字经济发展程度，controls表示其他控制变量，α0为常数项，α1和α2为核心解释变量digital的一次项及二次项系数，β为控制变量系数，γi为省份个体固定效应，δt为年度固定效应，εit为随机误差项。

　　（二）变量选择

　　1.被解释变量

　　产业层面就业结构ind23。本文参考叶胥等（2021）、武可栋等（2022）的思路[11，13]，结合第一产业数据，采用第一和第二产业从业人员数量除以第三产业从业人员数量衡量产业层面就业结构。

　　行业层面就业结构indstru。本文参考叶胥等（2021）、Wu等（2022）的做法[11，34]，使用高科技行业从业人数占比衡量行业层面就业结构，该指标既能体现高科技行业受到数字经济的影响程度，也能说明数字经济对不同科技含量行业属性影响的差异性。

　　技能层面就业结构collrate。本文参考杨先明等（2022）、Wu等（2022）等的思路[9，34]，采用大专及以上学历从业人员数量除以大专以下从业人员数量衡量技能层面就业结构。

　　2.解释变量

　　本文的核心解释变量为数字经济发展程度。现有研究表明，学术界对数字经济的衡量尚未形成统一范式，本文借鉴武可栋等（2022）、范晓*等（2021）、阎世平等（2020）、许宪春等（2020）的研究，并考虑智能化发展程度，将数字经济发展水平分为数字经济基础建设类、数字经济规模类、数字技术应用类、智能化发展、数字普惠金融指数5个维度13个指标[13，25，36-37]（见表1），并采用熵权法[12，35-36]构建得到衡量数字经济发展程度的指标（digi）。同时本文收集了96个地级市层面的相关数据，构建了数字经济发展水平指标用于稳健性检验。

　　3.控制变量

　　借鉴学者前期相关研究成果，分别选取本省固定资产投资（不含农户）增速（finvest），本省常住人口取对数（repopu），本省公共服务支出取对数（pubexp），本省科学技术支出取对数（techexp），本省人均可支配收入取对数（reinco），本省教育支出取对数（eduout），本省城镇化水平取对数（ulevel），本省地区生产总值取对数（gdp）为控制变量[9，24-25，34]。

　　（三）数据来源与描述性统计

　　本文采用2015—2020年中国30个省（直辖市、自治区）为研究样本，数据主要来源于Wind数据库、国泰安数据库、历年的《中国统计年鉴》《中国劳动统计年鉴》《中国区域经济统计年鉴》和《中国人口与就业统计年鉴》等，极少数年度个别缺失数据，采用插值法补齐。模型使用的关键变量描述性统计如表2所示。

　　三、回归分析

　　（一）基础回归分析

　　学界关于数字经济与就业结构的关系的研究结论存在分岐。部分学者认为二者呈线性关系[9，26，38]，另有学者认为存在非线性关系，但对非线性关系的界定尚不统一，既有正U型结论，又有倒U型结构观点[11，34]。基于已有文献及理论分析，本文使用省际面板数据进行实证分析，模型实证结果如表3所示，其中列（1）—（3）为采用混合OLS回归的结果，作为基础对照使用，列（4）—（6）为加入个体固定效应及时间固定效应之后的回归结果。其中列（1）（4）为产业层面就业结构研究，基础OLS回归在5%水平上显著，控制了个体和时间的固定效应回归在1%水平上显著，其系数均为负值，分别为-0.832和-2.48，说明随着数字经济的发展，其对第三产业的影响要大于第一、二产业从业的影响，即提高了第三产业从业人数，促进了产业结构的优化与产业升级。从而验证了上述假设H1。列（2）（5）为行业层面就业结构，无论是基础回归还是高维固定效应至少在1%水平上显著，列（3）（6）为技能层面就业结构，基础回归及高维固定效应也都在1%水平上显著。两类就业结构中数字经济的二次项系数均为正值，说明确实存在非线性关系。即验证了上述假设H2和假设H3。

　　（二）稳健性检验

　　为了进一步验证上述研究结果的稳健性，本文在上述省级数据基础上，重新收集了96个地级市层面2011—2019年的相关数据，由于地级市层面的部分数据缺失，所以根据收集到的数据，将产业层面定义为第一、二产业从业人数与第三产业从业人数之比，行业层面定义为信息技术产业与高科技产业从业人员占比，技能层面采用高技术从业人员占当地总人口比重表示。数字经济发展状况由移动电话年末用户数取对数、电信业务总量取对数、国际互联网用户数取对数、电信从业人员数取对数4个指标，采用熵权法进行测算，同时控制了地区生产总值取对数、城镇基本医疗保险参保人数取对数、城镇职工基本养老保险参保人数取对数、当地一般预算教育支出取对数和科学支出取对数。数据主要来源于EPS数据库中的中国城市数据库、wind数据库及国家统计局数据。

　　本文对地级市层面的数据进行了基础的OLS回归及双向固定效应回归分析，结果如表4所示，其中列（1）—（3）为基础回归，列（4）—（6）分别为产业层面、行业层面及技能层面的就业结构，数字经济在有其他控制变量的情况下所进行的双向固定效应回归分析。地级市的数据结果显示，产业层面就业结构对数字经济的发展的回归系数在1%水平下显著为负，意味着数字经济发展，无论是在省级还是市级层面均能有效提高第三产业从业人数，进而提升和改善产业结构。同时，行业及技能层面就业结构中，数字经济二次项系数也在1%的水平下显著为正。因此再一次验证了本文的3个假设。

　　（三）内生性检验

　　尽管本文加入了一定的控制变量，但数字经济对就业结构的影响可能存在一定的双向因果问题，即数字经济的发展会带来就业结构的调整，而随着就业结构的调整，也会影响当地数字经济建设步伐。同时，就业结构的影响因素具有复杂性，可能存在遗漏变量问题。而这种影响也可能不仅是本年度产生的，就业结构本身也可能存在一定的动态效应，或者由于一些暂时无法直接测量的因素，造成数字经济发展对就业结构的影响产生内生性问题。

　　本文参考赵涛等（2020）、黄群慧等（2019）的方法，采用该省在1984年的每百万人邮局数量和每百人固定电话数量作为该省数字经济的工具变量[2，39]。一方面，数字经济作为传统互联网技术的提升，同样受到当地历史上初始阶段邮电通讯基础设施数量的影响，原有基础设施会从延续技术发展路径和使用习惯上逐步影响到现在当地的数字经济状况，因此满足相关性要求；另一方面，邮局和固定电话在现代经济的发展中逐渐式微，难以影响到现代化的产业分布和就业分布，因此历史上的邮局数量和固定电话数量满足排他性要求。但由于单纯使用1984年的邮局和固定电话数据作为工具变量会无法直接应用于面板数据计量分析中。因此，借鉴Nunn等（2014）的方法，引入了随时间变化的变量具体来看是将上一年全国互联网上网人数（与时间有关）与各省1984年每百万人邮局数量和每百人固定电话数量（与个体变化有关）构造交互项，作为该省数字经济发展的工具变量[40]。同时本文参考阎世平等（2020）的研究，将就业结构的一阶滞后项纳入方程，构建动态面板模型，从而处理可能存在的内生性问题，为了提高估计效率，采用系统GMM方法纳入水平方程[36]。

　　三类就业结构的动态面板GMM估计结果如表5所示，在考虑了内生性的因素后，数字经济对三层面就业结构的影响效应依然成立，且在1%的水平下显著负向影响产业层面就业结构，即验证了假设H1。数字经济在1%的水平下显著影响行业层面及技能层面就业结构，数字经济的二次项系数依然为正，形成了“正U型”关系，即验证了假设H2和H3。本文对模型进行了自相关和过度识别检验，满足无自相关条件，且通过了过度识别检验。

　　（四）异质性分析

　　米嘉伟等（2022）提出数字经济在不同的人口规模和地区范围内，具有不同的影响结果[35]，因此本文将各省人口规模进行分组，以30个省份各年人口规模中位数为标准，划分为人口规模大和小两组，进行分组回归。

　　其中人口规模差异如表6所示，不同的人口规模下，数字经济对产业层面就业结构无显著性差异，均为负向影响，且系数差异不大。而对行业层面就业结构具有较大差异性，在人口规模较小的省份中，不存在非线性影响，仅存在负的线性影响，而在人口规模较大的省份中，依然存在“正U型”关系，且在1%水平上显著。技能层面就业结构，无论人口规模如何，数字经济均在1%水平上对技能层面就业结构显著存在“正U型”影响。总体来说，人口规模越大的省份，数字经济对三个层次的就业结构影响越大，说明数字经济具有一定的人口规模效应。

　　四、结论与政策建议

　　本文根据已有研究，使用数字经济基础建设、数字经济规模、数字技术应用、智能化发展、数字普惠金融指数五维度共计13个指标，采用熵权法构建了数字经济发展相关指标，并将就业结构指标分为产业、行业和技能3个层面，研究数字经济发展对就业结构的相关影响。

　　研究发现，总体上看数字经济推动着就业结构高端化、高技术化和高技能化发展。第一，数字经济发展对产业层面的就业结构呈现非线性的负向作用，即第三产业的从业人员数量提升效应更加明显，因此带来整个产业层面就业结构升级和改善。第二，对行业层面和技能层面就业结构均呈现“正U型”特征，即在数字经济发展初期，数字经济在推动高技术产业发展没有传统产业改善显著，从而为传统产业提供了更多的就业岗位，抑制了高技术产业岗位需求和高技能需求。但随着数字经济的发展和渗透增加，现有就业结构将呈现进一步高技术化和高技能化特征，带来相应岗位需求的增加。第三，数字经济在不同的人口规模的区域，具有一定的异质性。最主要体现在行业层面就业结构的异质性上，当区域人口规模较小时，数字经济对行业层面就业结构的影响具有显著差异。

　　因此，本文基于以上结论，提出如下建议。

　　第一，快速发展和利用数字经济，尽早跨越发展初级阶段，改善其对就业结构的提升、优化作用。鼓励和支持各省进一步出台推进数字化转型和提升的有关政策措施，从数字化基础设施、数字化应用服务等方面，扩大相关应用规模，指导进行相应的数字化改造提升，帮助企业尽快度过由于数字化转型而带来的岗位替代效应，加速高技术、高技能新型岗位以及基础程式化操作类岗位的大量出现。

　　第二，增加企业数字化转型服务专业机构数量和服务范围。这些机构的服务内容专注于数字化改造和融入，包括对原有的传统大规模劳动力行业，提前设计针对该行业的通用化基础数字化操作岗位培训内容与培训渠道，快速提升岗位替代所带来的技能需求。同时，随着数字经济的发展，提高第三产业数字化应用的场景，吸纳更多的劳动力就业。

　　第三，应高度重视就业结构和数字经济发展的异质性，提高数字经济促进质量。各省需聚焦人口吸纳能力提升，培育高技能、高知识、高素质人员集聚效应，改善本省就业结构，着力在经济发展上下功夫，加大区域投入力度，提升地区吸引力，推动就业岗位高端化与从业人员高素质化进程加速。

参考文献：

　　［1］胡鞍钢，王蔚，周绍杰，等.中国开创“新经济”——从缩小“数字鸿沟”到收获“数字红利”［J］.国家行政学院学报，2016（3）：4-13+2.

　　［2］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［J］.管理世界，2020，36（10）：65-76.

　　［3］詹晓宁，欧阳永福.数字经济下全球投资的新趋势与中国利用外资的新战略［J］.管理世界，2018，34（3）：78-86.

　　［4］李晓华.数字经济新特征与数字经济新动能的形成机制［J］.改革，2019（11）：40-51.

　　［5］王跃生，张羽飞.数字经济的双重就业效应与更高质量就业发展［J］.新视野，2022（3）：43-50.

　　［6］TAPSCOTT D.The digital economy：Promise and peril in the age of networked intelligence［M］.New York：Mcgraw-Hill，1997.

　　［7］BUKHT R，HEEKS R.Defining，conceptualising and measuring the digital economy［J/OL］.International Organisations Research Journal，2018，13（2）：143-172.［2025-04-27］.

　　［8］丁志帆.数字经济驱动经济高质量发展的机制研究：一个理论分析框架［J］.现代经济探讨，2020（1）：85-92.

　　［9］杨先明，侯威，王一帆.数字化投入与中国行业内就业结构变化：“升级”抑或“极化”［J］.山西财经大学学报，2022，44（1）：58-68.

　　［10］王文.数字经济时代下工业智能化促进了高质量就业吗［J］.经济学家，2020（4）：89-98.

　　［11］叶胥，杜云晗，何文军.数字经济发展的就业结构效应［J］.财贸研究，2021，32（4）：1-13.

　　［12］杨骁，刘益志，郭玉.数字经济对我国就业结构的影响——基于机理与实证分析［J］.软科学，2020，34（10）：25-29.

　　［13］武可栋，朱梦春，阎世平.数字经济发展水平对劳动力就业结构的影响［J］.统计与决策，2022，38（10）：106-111.

　　［14］王颖，石郑.技术进步与就业：特征事实、作用机制与研究展望［J］.上海经济研究，2021（6）：39-48.

　　［15］丁琳，王会娟.互联网技术进步对中国就业的影响及国别比较研究［J］.经济科学，2020（1）：72-85.

　　［16］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019，36（5）：3-22.

　　［17］唐永，张衔.人工智能会加剧资本主义失业风险吗——基于政治经济学视角的分析［J］.财经科学，2020（6）：51-65.

　　［18］杨伟国，邱子童，吴清军.人工智能应用的就业效应研究综述［J］.中国人口科学，2018（5）：109-119+128.

　　［19］AUTOR D，SALOMONS A.Is automation labor-displacing?Productivity growth，employment，and the labor share［R］.Cambridge：National Bureau of Economic Research，2018.

　　［20］DA U TH W，FIND EISEN S，SUEDEKU M J，et al.Adjusting to robots：Worker-level evidence［R］.Minneapolis：Opportunity and Inclusive Growth Institute，2018.

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

　　［22］郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动［J］.管理世界，2019，35（7）：60-77+202-203.

　　［23］曲海慧，冯珺.创新经济，人力资本结构与分工——一个解释性的理论框架［J］.管理现代化，2019，39（2）：102-106.

　　［24］冉光和，唐滔.数字普惠金融对社会就业的影响——基于企业性质和行业的异质性考察［J］.改革，2021（11）：104-117.

　　［25］范晓*，李秋芳.数字经济对产业结构转型升级的影响——基于中国省级面板数据的实证分析［J］.现代管理科学，2021（7）：108-120.

　　［26］任颋，刘欣.创造还是破坏：企业数字化应用对就业的影响［J］.南京财经大学学报，2021（6）：66-76.

　　［27］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［J］.经济学动态，2020（11）：17-35.

　　［28］黄浩.数字经济带来的就业挑战与应对措施［J］.人民论坛，2021（1）：16-18.

　　［29］李丽.数字经济对就业的影响及应对策略［J］.经济问题，2022（4）：37-42.

　　［30］BIAGI F，FALK M.The impact of ICT and e-commerce on employment in Europe［J/OL］.Journal of Policy Modeling，2017，39（1）：1-18.［2025-04-27］.

　　［31］ACEMOGLU D，RESTREPO P.Robots and jobs：Evidence from US labor markets［J/OL］.Journal of Political Economy，2020，128（6）.［2025-04-27］.

　　［32］GOOS M，MANNING A，SALOMONS A.Job polarization in Europe［J］.American Economic Review，2009，99（2）：58-63.

　　［33］ACE MOGL U D，AUTO R D.Skill s，t a sks a n d technologies：Implications for employment and earnings［M/OL］//Handbook of Labor Economics.Cambridge：National Bureau of Economic Research，Inc，2011，4：1043-1171.［2025-04-27］.

　　［34］WU Bangzheng，YANG Weiguo.Empirical test of the impact of the digital economy on China's employment structure［J/OL］.Finance Research Letters，2022，49.［2025-04-27］.

　　［35］米嘉伟，屈小娥.数字经济发展如何影响城乡收入差距［J］.现代经济探讨，2022（6）：80-91.

　　［36］阎世平，武可栋，韦庄禹.数字经济发展与中国劳动力结构演化［J］.经济纵横，2020（10）：96-105.

　　［37］许宪春，张美慧.中国数字经济规模测算研究——基于国际比较的视角［J］.中国工业经济，2020（5）：23-41.

　　［38］孟祺.数字经济与高质量就业：理论与实证［J］.社会科学，2021（2）：47-58.

　　［39］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［J］.中国工业经济，2019（8）：5-23.

　　［40］NUNN N，QIAN N.US food aid and civil conflict［J］.American Economic Review，2014，104（6）：1630-1666.