关键词:数字经济技术融合稳就业 新型生产关系DOI:10.19592/j.cnki.scje.430019

JEL分类号:J23,J24,L63 中图分类号:F49,F24文献标识码:A 文章编号:1000-6249(2026)02-117-22

一、引言

党的二十届三中全会提出“健全促进实体经济和数字经济深度融合制度”①,与党的二十大报告“促进数字经济和实体经济深度融合"的原有表述相比②,政策表述的转变深刻反映了未来融合进程中实体经济被放在了更加基础和重要的位置(冉戎等,2024;胡莹和吕慧中,2025;蒋为等,2025),开始更加侧重于提高实体企业吸收利用数字技术的主动性与积极性。实体经济既是数据要素发挥乘数效应的载体和目的,又是生成数据要素的场景和源头。数字经济的核心资源由实体经济产生,其发展空间和支撑均在于实体经济,数字产业化的发展离不开实体经济提供的物质条件、市场需求和运行支撑(郭克莎和杨倜龙,2025)。根据产业经济学的经典理论,技术融合是产业融合的第一阶段,数实产业融合首先要实现技术融合,数实产业之间的技术融合是实现数实产业融合的基本前提条件和主要驱动要素(马健,2002;胡汉辉和邢华,2003;Basoleetal.,2015),以实体企业为主体、需求驱动为导向的产业技术融合也契合了党的二十届三中全会新提法的趋势转变,代表了下一步数实融合的发展方向。同时,实体企业也是就业吸纳主体,作为主要的劳动力需求方,实体企业任何行为变化都可能影响到劳动雇佣决策,进而影响到稳就业的宏观效果。数实产业技术融合赋能新质生产力的同时,将如何作用于就业是一个值得关注的现实问题。

数实产业技术融合影响劳动雇佣有两条逻辑主线:一方面,数实产业技术融合的结果和目的是提升实体经济全要素生产率,在融合过程中,实体企业既是需要数字化工具的载体和需求来源,也是提供数字化工具的创新来源,依托于自身丰富的应用场景,能够更加精准地匹配自身生产经营过程和组织管理流程,避免了融合不畅带来的“数字化转型悖论"(余典范等,2025),从而通过生产率提升和跨界融合的多元化经营扩大雇佣规模(黄先海和高亚兴,2023;余典范等,2023)。另一方面,实体企业主动而为的融合性技术创新能够纾解企业的劳动节约动机,减少劳动要素替代。与人工智能发展、数字化转型对实体企业的冲击不同,数实产业技术融合过程并非实体企业被动接受数字供应商的数字化产品,而是从自身需求出发主动进行数字化创新与技术应用(黄卓等,2024)。这一自主研发创新过程需要企业将大量不同层级和职能分工的人员整合在一起,通过集体性和累积性学习开发生产资源(刘贯春等,2025),大大提高了普通员工的参与度和话语权,也为普通员工提供了更加充分的“干中学"空间以提升资本-技术互补程度(黄浩权等,2024;李天一等,2025),故而并不必然以劳动节约为最终目的,而是更多地追求效果提升和高质量发展(任福耀等,2025;郑浩天和靳卫东,2025)。依此逻辑,数实产业技术融合在赋能新质生产力的同时,会对企业雇佣规模扩大产生正向促进作用,引导企业确立长期价值导向,让员工产生更强的组织粘性。

本文将研究对象界定为需求端实体企业主动跨数字经济领域的技术融合,借鉴黄先海和高亚兴(2023)的测算方法,利用专利文本分析从微观企业层面量化了实体企业数实产业技术融合的程度,论证了数实产业技术融合对实体企业积极的稳就业效应,并从规模扩张效应和对员工的替代纾解效应指明了数实产业技术融合扩大实体企业雇佣规模的作用机制。相比已有研究,本文可能的边际创新贡献包括:其一,以实体企业从需求端主动推动产业融合的创新行为作为切入点,探讨了实体企业数实产业技术融合对劳动雇佣的影响,证明了其具有显著的稳就业效应,弥补了当前研究的空白,已有研究探讨了数字化转型和人工智能引入对稳就业的影响(杨白冰等,2023;刘金东等,2024),但尚未有研究探及更深层次上实体企业数实产业技术融合的稳就业效应。实体企业是数字赋能新质生产力形成的载体,同时也是拓宽应用场景的主要领域,新型实体经济的重要定位就是能够成为数字技术供给的落脚点和需求的发起点。本文的研究视角呼应了党的二十届三中全会确立的以实体经济为主体的新阶段融合理念,也为2025年政府工作报告提出的“加快制造业数字化转型,培育一批既懂行业又懂数字化的服务商"指明了政策实践方向①。其二,本文详细探讨了数实产业技术融合对要素替代效应的影响,无论是“机器换人”的资本替代还是短期灵活用工的劳动替代都受到数实产业技术融合的显著抑制,这与已有研究如徐朝辉和王满四(2022)、赵源(2023)等发现人工智能、数字化转型整体或者部分负向影响劳动就业、不利于员工租金共享的观点形成了鲜明对比,彰显了实体企业需求驱动下的数实融合能够推动新质生产力和新型生产关系的良性互动,数实产业技术融合有助于实体企业形成的长期价值导向,有利于实体企业“投资于人"机制的形成和“耐心人力资本”的培育。其三,本文还提出了实体企业数字化转型的序贯选择行为,即实体企业往往存在先产业数字化、后数字产业化的顺序,从而指明了实体企业需求驱动下的融合技术创新未能引起足够重视可能是过去一个历史阶段数实融合的瓶颈所在,数实产业技术融合能够显著加快实体企业向数字产业化方向进行多元化经营的进程,实体企业凭借更为丰富的生产经验和标准的应用场景优势跨界进人数据要素供给侧,形成了更为均衡的供需格局,在宏观上加快数实产业融合深度,在微观上则为产业技术融合的广泛推广奠定了坚实的工业基础。

全文余下安排如下:第二部分是理论分析与研究假说的提出,通过梳理文献脉络提出本文待检验的研究假说;第三部分是研究设计,介绍数据来源、计量模型构建与变量选取;第四部分是实证分析,呈现了数实产业技术融合影响企业雇佣规模的回归结果、作用机制、不同样本间的异质性表现;第五部分是拓展性分析,进一步检验了数实产业技术融合的长期价值导向;最后是结论与建议,总结全文研究结论并提出相关的政策建议。

二、理论分析与研究假说的提出

(一)数实产业技术融合扩大劳动雇佣的稳就业效应

西方学者普遍将产业融合看作是在数字技术和计算机硬件发展到一定程度下催生出来的新经济现象,基于技术视角、产品和产业组织视角来定义融合的范畴(Yoffie,1996)。Gambardella and Tor-risi(1998)首次总结并提出了产业融合的阶段性,提出产业融合需要经历技术融合、业务和管理融合以及市场融合三个过程。从产业融合的学理演进可知,早期对于产业融合的认知大多停留在一个静态的理论视角下,没有反映出产业融合的动态过程,也没有体现出产业融合为何能自发形成。在此基础上,Malhotra(2001)将产业融合的定义进一步扩展为,当两个或两个以上各自独立的产业内的企业一旦突破产业边界成为直接的竞争对手时,意味着产业融合的出现,同时从供给侧和需求侧两个维度对产业融合进行解释,提出产业融合是在供给侧机构融合和需求端功能融合的共同作用下产生的。OECD(2015)在《OECD数字经济展望2015》中也从ICT供给和ICT需求两个方面提出了数字经济和实体经济融合的概念框架,分别对应了数字产业化和产业数字化。此后,学界逐渐开始兼顾供给侧和需求端两个维度来界定数实融合的内核,并将其看作是一个需求牵引和供给驱动的动态循环过程。但从国内发展来看,从供给侧强调数字经济的数据要素供给要多于从需求端强调实体经济对数据要素的吸收利用,数字技术不断创新迭代的数数融合进度要领先于数实融合进度(周密等,2024),究其原因,缺乏实体经济的数据形成和应用场景,数字经济供给侧的主动供给对实体经济需求的响应效率和匹配精准度都不能达到最优,供需匹配不佳就形成了另一种意义上的“数字鸿沟”,阻碍了数实融合推进的速度(尹西明等,2024)。

本文探讨的数实产业技术融合是实体企业作为创新主体进行的跨实体经济和数字经济两大产业领域的研发活动(黄先海和高亚兴,2023)。实体企业发起的数实产业技术融合能够借助数字技术的高渗透性解决内外部信息不对称,提高企业资源编排和整合能力,提升企业生产经营效率,形成新质生产力(祁怀锦等,2020;皮圣雷和王婧,2023;朱俏俏等,2025)。数实产业技术融合将不同产业领域的知识重新整合,促使原有产业的产品特征、技术特征、市场需求发生适应性变化,从而改变产业边界和竞合关系,产生新的商业模式和市场机会,提升企业的跨界竞争优势和专业化分工水平(Cur-ranandLeker,2011;袁淳等,2021)。根据陈东和秦子洋(2022)、刘金东等(2024)的研究,数字技术对就业的冲击主要存在生产率效应、岗位创造效应两种正向影响和岗位替代效应一种负向影响。实体企业数实产业技术融合能够推动企业集约式发展,提升企业市场表现,还能推动企业朝着数字经济领域进行扩展式发展,两种发展方式都能推动企业扩大雇佣规模。除了能够创造出更多的岗位需求以外,数实产业技术融合的特性也决定了其能有效抑制数实融合给劳动者带来岗位替代的不利影响。数实产业技术融合是以实体企业为创新主体、全体员工和各个部门广泛参与的创新活动,其创新动机源于自身需求和应用场景,相比引入外围供应商提供的标准化数字技术,员工对技术创新的用途和方向拥有更多的话语权,因此创新租金也将更多为企业内部员工所共享(刘志彪,2024)。不仅如此,员工在持续参与的过程中还能够更好发挥“干中学"效应,通过不断地实践学习和经验积累提高资本-技能互补程度,增强人机适配(黄浩权等,2024;李天一等,2025)。因此,数实产业技术融合不同于“机器换人”"数字替人"等简单的要素替代,能够在更大程度上保护员工权益,降低企业劳动节约动机,激发企业和员工之间的组织粘性,推动要素之间的有序融合和有效共享。旧式的“机器换人”"数字替人"等都是以简单的要素替代来达到节约成本的目的,但这种简单替代并不能发挥持续的提质增效作用,反而容易降低就业数量和质量,尤其会加速对处于中间层的程式化岗位的替代,进而引发“两端高、中间低"的收入极化现象,扩大劳动者内部收入差距,降低劳动收人份额,最终损害经济体的长期韧性(蔡跃洲和陈楠,2019;王永钦和董雯,2023;尹彦辉和孙祥栋,2023)。实体企业从需求端主动发起的数实产业技术融合表现为协同发展和融合共享的新型生产关系,从而为新质生产力创造更广阔的发展空间。基于以上分析,我们提出本文待检验的第一个研究假说:

H1:数实产业技术融合能够显著扩大实体企业雇佣规模,表现出稳就业效应。

(二)数实产业技术融合扩大劳动雇佣的机理分析

1.规模扩张效应

首先,数实产业技术融合通过提升全要素生产率扩大雇佣规模:一是数实产业技术融合提高企业知识宽度和创新质量,通过数字化转型和智能化改造让技术中的可编码知识能够在不同部门之间及时共享和流转,使得企业有能力整合全局资源以更快响应和解决新问题(Wuetal.,2019),在原有的生产要素投入组合下能够呈现更为前沿的生产可能性曲线,发挥技术进步因素对生产前沿边界的外扩推动作用,从而提高全要素生产率(黄先海和高亚兴,2023;洪银兴和任保平,2023)。二是数实产业技术融合将数字技术渗透到实体企业的生产经营过程和组织管理流程之中,依托于强大的数据处理和复杂的计算能力,不断赋能和提升实体企业传统生产要素的技术效率,从而通过改进技术效率提高全要素生产率(Acemoglu and Restrepo,2019)。三是数实产业技术融合能够重新优化企业生产要素组合和资源配置,通过收集更为准确的市场信息,做出更为准确的研判和投入决策,企业通过重新编排资源和重构生产要素投人结构来改善配置效率,从而提高全要素生产率(荆文君和孙宝文,2019)。四是数字技术本身具有广覆盖、高渗透、低复制成本的特征,数据资源一旦形成,其边际使用成本近乎于零,产生极强的协同效应,也将带动实体经济以更低的边际成本获取更大的边际收益,因此数实产业技术融合能够形成企业的规模报酬递增特性,通过规模效率渠道提升全要素生产率(蔡跃洲和马文君,2021)。提高全要素生产率让企业能够有更多净收益用于扩大再生产,从而带动总体就业容量的提升(陈东和秦子洋,2022),这种就业容量的提升将无差别地惠及每一个就业群体,从而带来更具包容性的稳就业效应(刘金东等,2024)。

其次,数实产业技术融合通过推动企业多元化经营决策从而扩大雇佣规模:从多元化经营决策的相关文献来看,实体企业进入数字经济行业进行多元化经营、从数字化融合需求的客户跃升为数字化融合服务的供应商背后存在多方面动因:一方面,通过开设数字经济行业子公司能够让企业打开新的业务市场,形成不同子公司和不同业务模块之间的良性互动和知识溢出;另一方面,集团总部能够择优给予财务支持从而激发子公司之间的良性竞争并努力降低单向投资的风险(Amit andLivnat,1988;Miller and Yang,2016)。企业在任何陌生领域的投资都会有一个论证试探的过程,以避免投人成本过高或者不确定性风险太大的问题(綦建红和刘慧,2014)。为了应对高成本和不确定性,企业倾向于设立一个预先考察期,先从产业数字化的需求端获得融合经验,然后等到合适时机结束考察期,进人数字产业化的多元化经营,这一原理类似于国际贸易领域从出口到对外投资的“啄食顺序”(Conconi etal.,2016)。同理,为了应对经验不足,企业会倾向于“干中学”,在融合实践中获得数字产业化的经验知识,为自身从需求端转型为供应商奠定技术基础。徐翔等(2023)的研究指出,大型实体企业更倾向于依赖生产过程中伴生的数据要素进行迭代式创新,大跨度的突破性创新动力不足。而随着企业数字化程度的深化,能够促使企业跨界发展,进行多元化经营(余典范等,2023)。由此可见,数实产业技术融合为实体企业进人数字产业进行多元化经营奠定了坚实的技术和经验基础。随着数实产业技术融合的成熟发展,企业会有更大概率涉足数字产业多元化经营,从而扩大企业雇佣规模。基于以上两点,提出本文待检验的第二个研究假说:

H2:数实产业技术融合通过提升全要素生产率、推动多元化经营决策扩大实体企业雇佣规模。

2.替代纾解效应

已有研究显示,由于劳动保护和工资粘性问题,企业为了节约长期雇佣成本,往往会诉诸要素替代策略:一是以机器设备等资本要素投入代替劳动力投人的人力成本机器化策略(陈勇兵等,2024),以机器设备替代内部人工不仅能够规避契约不完全的交易成本(蒋为等,2024),还能获得更大的增值税抵扣收益(马光荣和黄叙涵,2023);二是以外聘短期灵活用工代替长期雇佣的内部成本外部化策略(于新亮等,2024),非正式员工可以有更少的社保缴费负担、更灵活机动的解聘选择和低廉的解聘成本,从而规避了法律规制的刚性成本(陈勇兵等,2024;汤旭东和贾洋,2024)。数实产业技术融合与较为外生的人工智能引入和数字化转型不同,是实体企业主动而为、内生决定的融合性技术创新,其创新动机即派生于内部生产经营需求,创新场景更贴合生产经营的现实需要,数实产业技术融合的创新主体也来自实体企业内部,由研发人员负责技术开发,各部门配合提供生产数据和标准化场景。创新动机的内生性和员工的广泛参与性决定了企业员工能够获得更多的租金共享,即分享由创新带来的超额收益或组织剩余,而非成为被牺牲和替代的对象(赵源,2023)。跨界融合创新过程中,员工也获得了更多的“干中学"机会提升自身数字技术能力,提高人机适配程度(黄浩权等,2024;李天一等,2025)。数实产业技术融合旨在利用数字技术的强大功能克服现实生产的壁垒约束,在数字技术加持下追求收益最大化,而非劳动成本最小化。因此,本文认为,数实产业技术融合的协同包容共享理念将有助于降低要素替代效应,扩大雇佣规模,据此提出待检验的第三个研究假说:

H3:数实产业技术融合通过纾解要素替代效应扩大实体企业雇佣规模。

三、研究设计

(一)数据来源

本文的研究对象是实体企业,选取了2008—2019年除电信、广播电视和卫星传输服务、互联网和相关服务以及软件和信息技术服务业等数字经济行业以外的A股上市公司作为研究样本,作为核心解释变量的数实产业技术融合指标参考黄先海和高亚兴(2023)基于企业专利数据库中的企业发明专利相关信息构建而成,企业财务数据来自国泰安(CSMAR)数据库,员工类型数据来自万得数据库(WIND),员工福利及员工培训数据来自中国研究服务平台(CNRDS),并对上市公司微观数据进行以下处理:(1)剔除ST、PT等非正常上市状态样本;(2)剔除财务指标特殊的金融业;(3)剔除杠杆率、前十大股东持股比例超过 100% 的部分极端值样本;(4)为避免异常值对回归结果的干扰,本文对除企业年龄、企业年龄的平方、所有制类型之外的所有连续变量进行分年度上下 1% 缩尾处理。

(二)模型构建与变量介绍

本文要通过实证回归验证数实产业技术融合对企业雇佣规模的影响,构建基准的面板回归方程表示如下:

lstaffi,t=α+βTechconvi,t+λControlsi,t+μi+μt+εi,t

其中,下标i对应不同企业,t表示年份, lstaffi,t 衡量企业雇佣规模,参照国内研究者如余明桂和王空(2022)、宋红雨和侯贵生(2024)的普遍做法,以上市公司当年末员工总数的对数来衡量。Techconv.表示企业数实产业技术融合程度,参照黄先海和高亚兴(2023)的做法,若实体企业申请非数字专利技术时引用了已经公开的数字技术专利信息,则定义该项非数字专利技术为一次数实产业技术融合,将该项指标加总到企业一年份层面得到实体企业历年的数实产业技术融合数量,加1取自然对数后作为企业数实产业技术融合的衡量指标。该指标的构建是以实体企业非数字专利技术申请作为基准,查看其对已有数字专利技术的引用和结合情况,体现了数实融合中以实体经济为主体和载体的定位。考虑到数字技术更新迭代迅速且较为陈旧的引用准确度偏低(Jaffeetal.,2000;黄先海和高亚兴,2023),此处设置了三年窗口期,仅统计对过去三年最新数字专利技术的引用情况。 β 为本文的核心待估计参数, Controlsi,t 为控制变量集合,本文选取了一系列企业层面控制变量,以控制其他因素对企业雇佣规模的可能影响。具体有:企业规模、盈利水平、融资成本、融资约束水平、财务杠杆率、流动性、股权集中度、企业年龄、企业年龄的平方、成长性和所有制类型。除了考虑个体固定效应 μi 以外,还考虑了年份固定效应 μr? 各个变量的具体含义和描述性统计如表1所示。

表1描述性统计

四、数实产业技术融合的稳就业效应检验

(一)基准回归结果

表2为本文的基准回归结果。首先,我们使用了未加入控制变量和固定效应的普通最小二乘(OLS)回归,表2第(1)列结果显示核心解释变量的系数估计值在 1% 统计水平上显著为正(0.6777),第(2)列在第(1)列的基础上加人个体固定效应和年份固定效应,结果显示核心解释变量的系数估计值在 1% 统计水平上显著为正(0.0435)。第(3)列继续在第(2)列的基础上加人了一系列控制变量,结果显示核心解释变量的系数估计值在 1% 统计水平上仍然显著为正(0.0208)。以上回归结果表明数实产业技术融合会显著提高企业劳动力雇佣规模,表现出显著的稳就业效应,从而验证了本文提出的研究假说H1。本文将第(3)列作为基准模型进行后续的稳健性讨论和机制检验。

表2基准回归结果

注: (1)*** **、分别代表在 1%5% 10% 统计水平上显著;(2)括弧内为标准误。下同。

(二)稳健性检验

1.替换核心解释变量

为了缓解控制专利信息引用期限来计算的数实产业技术融合数量可能会存在的测量误差,我们进一步使用了不限制专利信息引用期限测算出的数实产业技术融合指标替换原有的核心解释变量,通过该指标可以获取企业在更长时间跨度内的专利引用情况,追踪到企业早期对于某些关键专利技术的引用,这能够展示企业在数实产业技术融合过程中的技术积累和演变路径,并且能够适应不同产业技术的融合节奏。表3第(1)列的回归结果仍然与基准回归保持一致,显示在不限制专利信息引用窗口期后,数实产业技术融合对企业雇佣规模的影响仍然显著为正(0.0126),验证了基准结论的稳健性。

2.替换被解释变量

全体员工中包含普通员工和董监高(董事、监事、高级管理人员),其中董监高主要负责企业的战略规划、监督管理等决策性事务,其数量相对稳定,而普通员工在企业员工构成中占绝大多数,并且是企业生产活动的直接执行者,是企业进行经营活动的基础力量,普通员工数量可能会更准确地反映企业实际运营过程中的劳动力投入规模,因此我们进一步使用了普通员工人数取对数来衡量企业雇佣规模。表3第(2)列的回归结果与基准结论仍然保持一致。

3.聚类稳健标准误

聚类稳健标准误能够缓解数据可能存在的组内自相关问题,根据Abadieetal.(2023)提供的保守策略,我们按照常规标准误、高层级聚类标准误、低层级聚类标准误依次回归得到其标准误,显示从常规标准误到高层级聚类标准误的变化微乎其微,故而在基准设定中首选不控制聚类稳健标准误。稳健性起见,我们也尝试了省份一年份、行业一年份、企业层面的聚类稳健标准误进行估计,表3第(3)一(5)列显示,设定聚类标准误后回归结果依然保持稳健。

表3更换变量构造方式与加入聚类稳健标准误的稳健性检验

4.高维固定效应

鉴于现实经济中往往面临多维冲击,且不同个体针对冲击的反应程度具有异质性(Bai,2009)。为获取无偏的估计结果,在已有的个体固定效应和年份固定效应之上,依次引人省份与行业、省份与年份、年份与行业的高维联合固定效应。表4第(1)—(3)列估计结果显示,核心解释变量均显著为正,结论依旧保持稳健。

表4加入高维固定效应的稳健性检验

5.内生性探讨

(1)Oster检验。本文考虑了个体层面和年份层面的双向固定效应,在一定程度上缓解了由于遗漏变量导致的估计偏误,但数实产业技术融合会受到企业层面因素的影响,而企业层面的差异也是导致企业劳动力需求变化的重要原因。若遗漏这些共同因素,会导致遗漏变量偏误的内生性问题。为考察不可观测的遗漏变量对估计结果的影响,本文参考 Oster(2019) )、马双和赵文博(2019)的做法计算处理效应 β 和比例系数8进行稳健性检验。首先,取 δ=1,Rmax 取当前回归拟合优度的1.3倍,如果 β*=β*(Rmax,δ) 落在了 95% 的置信区间内,则结果通过检验,然后,设 Rmax 取值与前一步相同,反过来计算 β=0 时的8取值,若8取值大于等于1或者小于0,则通过检验。表5结果显示两种检验均通过,意味着单纯的遗漏变量因素并不足以颠覆原有的结论。

表5Oster检验

(2)工具变量法。本文借鉴黄先海和高亚兴(2023)、尹志锋等(2023)的方法,利用上一年度同一规模其他企业数实产业技术融合平均水平构建工具变量,具体而言,首先在各年度内将营业收入作为企业规模的分类依据,按照企业规模的十分位数将所有企业分组,并计算同一分组内除企业自身外其他企业的数实产业技术融合平均水平作为工具变量。在控制了内生性后,表6第(1)列显示数实产业技术融合仍然对企业雇佣规模有显著为正的影响,与基准回归结果保持一致。

(3)控制控制变量初始值与时间趋势交乘项。考虑到时变控制变量的内生偏误,本文借鉴孙天阳等(2020)的方法,选取相应变量在考察基期的取值,将其与时间虚拟变量交乘,对基准回归重新进行估计。表6第(2)列的结果表明更换控制变量并不影响基准模型的主要结论。

(4)DID检验。鉴于企业技术创新行为具有连续性,所以不同企业在不同时间点开始的数实产业技术融合的创新行为决策能够被看作一项准自然实验。本文参考吴非等(2021)、黄先海和高亚兴(2023)的研究,利用多时点双重差分模型(DID)控制内生性。本文将样本期内至少进行过一次数实产业技术融合的企业作为处理组,将其他企业作为对照组,建立双重差分模型:

lstaffi,t=α+βtreati×posti,t+λControlsi,t+μi+μt+εi,t

表6内生性检验

注:(1)Durbin- Wu? -Hausman Chi2(1)的原假设是核心解释变量为外生变量,方括号内为p值;(2)Kleibergen-PaaprkWaldF的原假设为工具变量是弱工具变量,花括号内为 Stock-Yogo 弱工具变量在 10% 显著性水平上的临界值;(3)Kleibergen-PaaprkLM的原假设为工具变量识别不足,方括号内为p值。

图1平行趋势检验

其中,0-1虚拟变量treat当样本处于处理组取值为1,否则为0;post在企业首次进行数实产业技术融合及以后的年份取1,否则为0;其他变量定义与基准回归模型相同。考虑到数实产业技术融合首次发生后还可能在某一年中断,针对这种情形我们从中断的这一年开始删除往后的所有企业一年份样本值,以增强DID估计的合理性。表6第(3)列显示,企业选择进行数实产业技术融合这项决策对于企业劳动雇佣规模有显著为正的影响,相应的平行趋势检验也已通过(如图1所示),支持本文基准结论。

(三)机制检验

由于本文提出的规模扩张效应和替代纾解效应对企业雇佣规模的影响逻辑较为直接,为了尽可能控制内生性偏误,机制检验主要参考江艇(2022)提出的两步法进行机制检验:

1.数实产业技术融合的规模扩张效应检验

(1)提升全要素生产率的检验。为了探究数实产业技术融合对于全要素生产率的影响,本文参考鲁晓东和连玉君(2012)的做法,采用OP法计算将两种企业全要素生产率作为被解释变量,其中全要素生产率指标1是以平减后的企业固定资产、无形资产和其他长期资产支付的现金作为企业投资额的代理指标计算出的全要素生产率;全要素生产率指标2是以平减后的企业投资及相关投资活动支付的现金作为投资额的代理变量计算出的全要素生产率。表7显示数实产业技术融合对于全要素生产率有显著为正的影响,这一结果与黄先海和高亚兴(2023)的研究结论保持一致,从而部分验证了本文提出的研究假说H2,即实体企业数实产业技术融合能够显著提高全要素生产率,进而通过收入效应作用于企业雇佣规模。

表7提升全要素生产率的规模扩张效应检验

(2)推动多元化经营的检验。如前所述,由于数字产业化对实体企业而言需要技术和产业经验积累以及较多资本投人,如果贸然进入,可能面临较大的风险成本,故而企业可能会先进行数实产业技术融合,等到技术成熟后再选择进人数字产业进行多元化经营。数实产业技术融合是企业“干中学”的阶段性成果,也是推动企业进人数字产业化的战略性转折。我们基于面板排序概率回归模型验证企业存在"先数实产业技术融合、后数字产业多元化经营"的序贯选择行为特征,首先按照反向顺序依次界定三种模式:企业一旦存在数字产业多元化经营记为模式3,依据企业主营业务(来自WIND数据库)所属的行业判定其是否涉足数字产业的多元化经营,如果上市公司的某项业务在刘伟等(2021)归纳的数字经济行业分类内,则定义为企业进入数字产业的多元化经营,即为模式3。对于非模式3样本,一旦企业存在数实产业技术融合,则记为模式2,其余样本均记为模式1。依此,将企业行为模式设置为1、2、3的有序离散变量,这种离散被解释变量将使得OLS回归结果无法满足无偏性和一致性的要求。相比之下,排序概率回归模型可以弥补OLS的不足,利用最大似然法回归得到一致性的结果。基于此,本文采用面板排序概率回归模型对企业序贯投资模式进行回归估计。假设用潜变量EMit* 来表示企业选择某种行为模式的净收益,如果净收益大于0,则为之;反之,则不为。企业选择规则表示如下:

EMit*=βXit+ui+εit

且在 εit~N(0,1) 的假设下,有:

其中, μj 为切点,通过估计切点的大小和显著性能够帮助我们判断企业序贯投资三种模式之间是否存在逐级而上的"啄食顺序”。由于离散被解释变量的固定效应模型存在较大的缺陷,所有年份被解释变量保持恒定不变的样本值会被自动删失,故而将损失大量样本,使用固定效应模型回归得到的结论适用范围将非常有限。基于此,我们参考綦建红和刘慧(2014)、杜立和钱雪松(2021)的处理方式,当被解释变量是离散变量时,重点考虑混合效应模型。表8第(1)列回归结果显示,切点估计结果均显著,根据面板排序概率回归模型的原理,这意味着存在从模式1到模式2再到模式3的有序递进关系,验证了我们的猜想。我们进一步以企业是否数字多元化经营作为被解释变量,以企业数实产业技术融合程度作为核心解释变量进行混合效应回归,第(2)列回归结果显示,数实产业技术融合会显著提高企业进人数字产业进行多元化经营的概率。工业和信息化部2022年11月印发的《中小企业数字化转型指南》强调,中小企业数字化转型应遵循"从易到难、由点及面、长期迭代、多方协同"的思路,数实产业技术融合恰好为实体企业向数字经济领域跨界发展提供了重要的传导通道,数字多元化经营必然需要更多的专业人才投人其中,从而提高了企业的用工需求,本文提出的研究假说H2得到完全验证。

表8推动数字产业多元化经营的规模扩张效应检验

2.数实产业技术融合的替代纾解效应检验

(1)纾解“机器换人”的检验。由于对员工的要素替代效应不能直接测量,我们参考胡晟明等(2021)的研究,借助人力资本和机器设备的协调度计算出人机适配程度作为反向代理变量,人机适配程度越高,意味着机器对劳动力的替代效应越弱,其计算公式如下:

其中 。其中robot为当年的机器设备类固定资产净额(固定资产原价-累计折旧-固定资产减值准备),反映机器设备类固定资产总体规模, hum 为员工规模,二者均标准化在 [0,1] 之间。表9第(1)列显示,数实产业技术融合显著增加了人机适配程度,人与机器形成了一种互补的工作模式,从而纾解了“机器换人"的要素替代效应。

(2)纾解灵活用工替代效应的检验。为了探究数实产业技术融合是否会削减企业灵活用工的需求,使得员工与企业的组织粘性更高,员工的专用性更强,我们参考汤旭东和贾洋(2024)构建企业灵活用工水平作为被解释变量,考虑数据可得性,只用到2016—2019年上市公司数据:灵活用工水平 Σ=Σ 劳务外包薪酬总额/营业收入。由于灵活用工水平存在较低数值大量聚集的现象,考虑到数据的这种特殊分布特征,普通线性回归模型可能无法准确地拟合数据并得出合理的估计结果,故而我们采用Tobit模型进行回归,表9第(2)列显示,数实产业技术融合显著降低了企业的灵活用工水平。同时我们还构造了虚拟变量反映企业是否存在灵活用工这种情况,当企业劳务外包薪酬总额为0时赋值为0,当企业劳务外包薪酬总额不为0时赋值为1,此时我们采用Logit模型进行回归。表9第(3)列显示数实产业技术融合程度越高,企业越倾向于不雇佣临时劳动力。综合以上两部分回归结果,验证了本文提出的研究假说H3。

表9替代纾解效应的机制检验

注:Tobit模型与Logit模型是极大似然估计,不存在基于最小二乘的 R2 ,故估计结果未汇报 R2

(四)异质性检验

1.不同数字基础设施水平数字基础设施是保证数据要素即时价值实现的技术性基础,数实融合不仅需要微观企业层面的决策和中观产业层面的政策支持,还需要宏观层面外围数字生态体系的支持(谢康等,2023;孙伟增等,2023)。在数字基础设施建设程度不同的地区,企业数实产业技术融合的效果可能会存在差异。本文参考刘生龙和胡鞍钢(2010)的方法,选取城市各年度邮电业务总量与当地年末户籍人口数之比作为地区数字基础设施建设水平测度指标,以该指标各年度中位数为界将样本分为数字基础设施低水平(小于中位数)和数字基础设施高水平(大于等于中位数)两个子样本,表10第(1)、(2)列分组回归结果显示,数实产业技术融合在数字基础设施高水平地区存在显著的稳就业效应,而在数字基础设施低水平地区并不显著。这可能因为完善的数字基础设施建设可以帮助企业迅速地获取市场动态信息,为企业技术创新提供更多的资源和手段,加速数字化产品开发、迭代和市场化过程,更加充分发挥数实产业技术融合对于劳动力需求的促进作用。

2.不同劳动力技能水平

数实产业技术融合对于企业传统生产经营方式和组织管理流程进行了优化升级,可能会更加利好于高技能员工,从而对于不同技能水平员工表现出来不同的稳就业效应(李逸飞等,2023)。本文参考王蕾等(2024)的做法,根据员工受教育程度,将高中以上学历劳动者视为高技能劳动力,对其加1取对数代表企业对于高技能劳动力的雇佣规模,高中及以下学历劳动者视作低技能劳动力,对其进行对数化处理代表企业对于低技能劳动力的雇佣规模。表10第(3)、(4)列显示,数实产业技术融合能够显著提高高技能劳动力雇佣规模,但对于低技能劳动力的雇佣规模无显著影响,从而验证了我们的推测。当然,数实产业技术融合并未显著降低低技能劳动力的雇佣规模,即其对高技能劳动力雇佣规模的提高并非以牺牲低技能劳动力为代价,体现了实体企业数实产业技术融合对企业内部劳动关系的良性影响,这也与张军等(2023)认为工业机器人恶化企业内部劳动关系的研究结论形成鲜明对比,彰显了实体企业主动而为的数实产业技术融合相比接受外来人工智能、数字经济工具冲击的被动影响更为积极和谐,表现出更为包容、也更可持续的新型生产关系。与本文结论较为类似的是黄卓等(2024)针对智能制造试点的政策效果研究,发现智能制造试点能够让所有群体都不同程度受益,究其原因,智能制造试点示范专项行动也是完全以制造业实体企业为主体、市场为导向、应用为切入点,推动建成服务于制造业企业的智能制造标准化体系、智能制造体系和公共服务平台,整个过程注重制造业企业的需求驱动和协同推进,从而更好发挥了融合发展、租金共享的效果。

表10分组子样本回归

3.不同数字经济核心产业

数字经济核心产业按照《数字经济及其核心产业统计分类(2021)》分为01数字产品制造业、02数字产品服务业、03数字技术应用业和04数字要素驱动业四大种类,不同分类下数字经济产业技术与实体经济的融合深度与效率可能存在差异,从而对企业的雇佣规模产生异质性影响。本文在核心解释变量构造的基础之上继续细化各项专利所属的数字经济产业分类,按照相同的方法算出企业涉及的各类数字经济产业的数实产业技术融合数量,并加1取自然对数后作为解释变量进行异质性检验。表11回归结果显示,实体企业吸收利用数字产品制造业、数字技术应用业与数字要素驱动业的数字专利技术能够显著提高企业的雇佣规模,而与数字产品服务业的技术融合并没有产生显著的稳就业效应。这可能因为数字产品服务业主要是围绕着数字产品的开发、测试、维护、运营以及相关的咨询展开,是数字经济向实体产业渗透的后端环节(周密等,2024),与数字产业相关企业关系更近,而距离实体企业较远,无法融入实体企业的核心生产环节,故而没有发挥出应有的作用。

表11不同数字经济核心产业的异质性分析

4.不同实体经济行业

同为实体经济,数实产业技术融合对劳动雇佣的影响也可能存在行业间差异。我们将实体经济行业进一步划分为制造业、采矿业、建筑业和服务业进行了异质性分析。表12回归结果显示,制造业和服务业企业的数实产业技术融合能够显著提高企业雇佣规模,对采矿业和建筑业企业的影响并不显著,参考余典范等(2023),将制造业划分为离散制造业和流程制造业,显示离散制造业企业的数实产业技术融合能够在 5% 水平上显著提高企业雇佣规模,而流程制造业企业的影响并不显著。这可能和不同行业企业的运营特征有关,离散制造业依赖于模块化设备,和服务业一样,生产、服务过程的连贯性偏低,对劳动力需求也较大,数实产业技术融合在非连贯的环节部分的空间和需求都相对更高,因而可能带来对劳动雇佣更为明显的影响。相比而言,流程制造业、采矿业、建筑业的数实产业技术融合需求空间较小,对劳动雇佣的影响并不突出。

表12不同实体经济行业的异质性分析

五、进一步拓展分析:对企业长期价值导向的影响

与已有的研究结论有较大不同的是,数实产业技术融合不仅在规模扩张效应上显示出对劳动雇佣的正向影响,在要素替代上也表现出对“机器换人”灵活用工的纾解效应,这意味着数实产业技术融合不是一正一负两种影响加总的净结果使然,而是体现出全面的积极作用。这一结果也帮助我们回答了Acemogluand Johnson(2023)在最新著作《权力与进步:我们千年的技术与繁荣之争》中提出的"技术创新的包容性发展无法自动实现"的重要命题,他们认为,对技术发展的引导从根本上是一个权力结构的调整,技术创新的话语权会自发地被资本家掌控,从而会损害劳动阶层的利益,必须依赖于政府、工会的外力介人才可能实现包容性发展。但本文提出了一个新的情境:实体企业主动而为的数实产业技术融合派生于现实需求,根植于生产场景,能够保证对企业数字化需求的最优匹配,也能最大化保护员工权益,让员工参与创新租金共享。从雇员角度来看,增大了员工的组织粘性和劳动力供给意愿。从雇主角度来看,数实产业技术融合在促使企业内部集约发展的同时,也通过提高跨界竞争优势、专业化分工能力推动实体企业朝着数字产业多元化经营的方向进行外部扩展,获得更多的市场机会,因此数实产业技术融合赋予了企业更为乐观的发展前景,从而改变了企业管理者预期,影响了企业的跨期成本决策,让企业决策更加体现长期价值导向(金智和张心睿,2024)。前文实证探讨的劳动雇佣规模扩张、“机器换人”和灵活用工减少有可能只是岗位创造等因素客观形成的结果,还不足以体现作为劳动需求方的企业的主观意志。基于此,借鉴金智和张心睿(2024)的研究方法,这一部分将从员工投人成本的企业决策层面进一步分析数实产业技术融合带来的深度影响,以更加彰显数实产业技术融合对企业长期价值导向的影响。

首先,劳动收入份额体现了初次分配的公平程度,对社会平衡发展和包容性增长都有重要的指示意义,本文对数实产业技术融合给企业劳动收入份额带来的影响及其内在机理进行了实证检验。参考方军雄(2011)、郑景丽等(2024)构造企业劳动收人份额作为被解释变量,具体计算方式如下:企业劳动收入份额 Σ=Σ 支付给职工以及为职工支付的现金/企业要素增加额,其中企业要素增加额 营业收入-营业成本 + 支付给职工以及为职工支付的现金 + 固定资产折旧,表13第(1)列显示,数实产业技术融合的系数估计值在 5% 统计水平上显著为正(0.0020),这反映了数实产业技术融合让实体企业有更多的资源分配给全体员工,从而提高了劳动收入份额。为了能够更细致地探究企业内部收入分配的公平性和合理性,我们还分别计算了普通员工收人比重和高管收入比重作为核心解释变量: ① 普通员工收人比重 Σ=Σ (支付给职工以及为职工支付的现金-高管薪酬总额)/企业要素增加额; ② 高管收入比重 Σ=Σ 高管薪酬总额/企业要素增加额,表13第(2)、(3)列表明,数实产业技术融合显著增加了普通员工收入比重,对于高管收入比重并没有显著的正向影响。这表明企业数实产业技术融合程度的加深能够让普通员工共享企业发展成果,缩小普通员工与高级管理人员的收人差距,有利于促进共同富裕目标的实现。

表13数实产业技术融合对于企业劳动收入份额的影响

新质生产力以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵,劳动者的因素是最活跃、最能动、最重要的因素(周文和李雪艳,2024)。新质生产力本身就具有技术研发周期长、市场环境要求高、产业转型升级难、金融支持需求大、人力资本占比重等突出特点和要求,故而更加需要实体企业在员工投人上坚持耐心资本理念和长期价值导向。数实产业技术深度融合依靠自身独特优势使得实体企业能够为员工提供更稳定的就业机会以及更高的薪酬待遇,进一步强化了员工与企业之间的契约关系,实体企业也意识到员工是其可持续发展的关键因素,不再局限于短期的经济利益,而是更注重长期价值导向。参考金智和张心睿(2024)的做法,我们进一步构建了员工福利投入和员工教育投入两个指标作为企业长期价值导向的衡量,包括 ① 员工福利投入:若企业当年有退休及其他福利项目则为1,否则为0; ② 员工教育投入:若企业当年有员工职业培训或安全生产培训计划则为1,否则为0。表14第(1)列显示,数实产业技术融合显著提高了企业设立员工福利项目的概率,这不仅提高了员工的生活质量和工作满意度,也进一步增强了员工对企业的忠诚度和归属感,为企业的长期稳定发展奠定了坚实的基础。表14第(2)列显示,数实产业技术融合对于员工教育投人的影响不显著为正,p值约为0.2,虽然没有产生显著影响,但根据陈勇兵等(2024)的观点,员工教育投入和灵活用工规模正相关,前文已经证明数实产业技术融合显著减少了企业灵活用工,这种负向抵消的影响可能是员工教育投入未能显著的潜在原因。因此,我们进一步参考刘雅南等(2023)的方法,使用工会经费和职工教育经费增加额的对数作为企业教育经费投入的代理变量,以灵活用工程度的中位数为界将样本分为灵活用工程度低(小于中位数)和灵活用工程度高(大于等于中位数)两个子样本。表14第(3)、(4)列分组回归结果显示,在灵活用工程度较低的企业中,数实产业技术融合显著提高企业对于员工的技能培训投入。这说明当数实产业技术融合显著降低灵活用工时,企业会大幅度减少针对灵活员工工作任务和业务需求的教育培训投入,从而抵消掉对员工教育投入的正向影响。

表14数实产业技术融合对于企业人力资本投入的影响

劳动力成本粘性是指企业营业收入下降时劳动力成本降低的幅度低于企业营业收入上升时劳动力成本增加的幅度,人力调整成本与管理层乐观预期都会影响劳动力成本粘性(刘媛媛和刘斌,2014)。如前文所述,企业在数实产业技术融合的过程中对于高技能劳动力的需求增大,并且在融合过程中企业需要持续不断地对员工进行内部培训,这种招聘和培训成本在短期内很难得到回报,为了避免辞退员工导致培训投人变成沉没成本,企业并不会轻易裁员,从而增加了企业的劳动力成本粘性。同时,随着员工对新技术的应用和创新,企业能够在未来获得更大的收益,企业在推进数实融合的过程中,逐渐认同员工在数实融合推动效率提升中发挥的主体作用。因此在业务量下降时,管理层依然保持乐观预期,不愿意过度削减劳动力成本,以维持企业的创新能力和未来的发展潜力,这也可能导致劳动力成本粘性的增加。企业短期内承担成本是为了进行长期的资源配置规划,反映了企业以长期价值为导向的跨期成本管理(金智和张心睿,2024)。基于此,为检验数实产业技术融合对企业劳动力成本粘性的影响,我们设计如下回归模型:

ΔLabori,t=β0+β1ΔSalesi,t+β2ΔSalesi,t×Deci,t+β3TechConvi,t×ΔSalesi,t×Deci,t

+λControlsi,t+μi+μt+εi,t

其中Labor为人力成本,以“支付给职工以及为职工支付的现金 + 应付职工薪酬期末值-应付职工薪酬期初值”来衡量;△Labor为人力成本变动,以企业当年人力成本的自然对数与上一年人力成本自然对数之差来衡量; ΔSales 为营业收人变动,以企业当年营业收入的自然对数与上一年营业收入自然对数之差来衡量; ΔDec 是一个虚拟变量,当企业当年的营业收入低于上一年的营业收入时取1,否则取0。 ΔSalesi,t×Deci,t 的回归系数 β2 衡量了劳动力成本粘性的大小,当 β2 为负数并且显著时说明存在劳动力成本粘性现象。在模型(7)中我们还参考金智和张心睿(2024)额外控制了影响企业成本粘性的资本密度、员工密度、是否连续两年收人下降以及经济增长率。表15第(1)列显示,代表粘性的二重交互项 Δ?ΔΔSalesi,t×ΔDeci,t? 的系数始终在 1% 水平上显著为负,即收入下降时费用下降的幅度小于收入上升时费用上升的幅度,表明企业确实存在着较为明显的劳动力成本粘性现象。第(2)列显示三重交互项 (TechConvi,t×ΔSalesi,t×Deci,t) 的系数在 5% 水平上显著为负,即数实产业技术融合能够显著提高企业劳动力成本粘性。这意味着数实产业技术融合增加了企业未来发展的信心,使企业在业务量下降期间仍愿意保留劳动力投人,保持员工队伍的稳定。虽然短期内成本承压,但有助于企业长期战略目标的实现。

表15数实产业技术融合对于企业劳动力成本粘性的影响

六、结论与政策建议

促进数字经济与实体经济深度融合是当前中国赋能新质生产力的重要路径,随着党的二十届三中全会对实体经济在新阶段数实融合中的重新定位,实体企业从需求端主动而为的数字技术变革对就业产生什么影响值得关注。本文研究了实体企业数实产业技术融合对企业雇佣规模的影响,研究显示:实体企业数实产业技术融合能够显著加大企业雇佣规模,稳就业效应主要来自数实产业技术融合提升全要素生产率和推动多元化经营的规模扩张效应、对员工要素替代的纾解效应两条作用渠道。异质性分析表明,数实产业技术融合的稳就业效应在高技能劳动力群体、制造业(尤其是离散制造业)以及服务业中更显著,同时除数字产品服务业外,企业与其他数字经济核心产业的技术融合均对企业雇佣规模有显著的提升作用,良好的数字基础设施环境也能够提升数实产业技术融合的稳就业效应。推动实体企业更为积极主动地进行产业技术融合创新不仅能够更快赋能新质生产力,还能培育更为和谐稳定的新型生产关系,促使实体企业在员工投入上更加注重长期价值导向。

基于已有研究结论,本文提出三点政策建议:第一,党的二十届三中全会提出“健全促进实体经济和数字经济深度融合制度”,当前财税优惠政策主要停留在实体企业的数字化应用层面,未来有待于针对离散制造业和服务业实体企业在数字产品制造、数字技术应用和数字要素驱动场景领域的数实产业技术融合精准施策,引导实体企业加大研发力度。第二,加大以数字基础设施为主的新型基础设施建设,为实体企业数实产业技术融合发挥作用提供更加有利的数字生态环境。数字基础设施不仅仅为企业营造更为便利的技术环境,加速数字技术创新的迭代和市场化推广过程,还能提高本地员工的信息技术素养和专用人力资本,让他们更好地助力于数实产业技术融合的研发活动。第三,注重企业支持政策的长期可持续性,“政贵有恒,治须有常”,只有给企业长期可持续的政策优惠预期,才能有助于企业坚定长期价值导向和耐心资本理念,在员工人力资本投入、研发支出决策等方面避免短视主义,更快形成新质生产力和与之相适配的新型生产关系。

参考文献

蔡跃洲、陈楠,2019,“新技术革命下人工智能与高质量增长、高质量就业”,《数量经济技术经济研究》,第5期,第3-22页。

蔡跃洲、马文君,2021,“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》,第3期,第64-83页。

陈东、秦子洋,2022,“人工智能与包容性增长——来自全球工业机器人使用的证据”,《经济研究》第4期,第85-102页。

陈勇兵、林雄立、李辉,2024,“社会保险缴费负担与企业机器人应用”,《数量经济技术经济研究》,第9期,第49-70页。

杜立、钱雪松,2021,“影子银行、信贷传导与货币政策有效性——基于上市公司委托贷款微观视角的经验证据”,《中国工业经济》,第8期,第152-170页。

方军雄,2011,“劳动收人比重,真的一致下降吗?——来自中国上市公司的发现”,《管理世界》第7期,第 31-41+188 页。

郭克莎、杨调龙,2025,“促进实体经济和数字经济深度融合的机制与路径”,《广东社会科学》,第1期,第 42-53+285 页。

洪银兴、任保平,2023,“数字经济与实体经济深度融合的内涵和途径”,《中国工业经济》,第2期,第5-16页。

胡汉辉、邢华,2003,“产业融合理论以及对我国发展信息产业的启示”,《中国工业经济》,第2期,第23-29页。

胡晟明、王林辉、赵贺,2021,“人工智能应用、人机协作与劳动生产率”,《中国人口科学》,第5期,第 48-62+127 页。

胡莹、吕慧中,2025,“数字生态推动实数融合的机理与路径”,《广东社会科学》,第1期,第80-93页。

黄浩权、戴天仕、沈军,2024,“人工智能发展、干中学效应与技能溢价——基于内生技术进步模型的分析”《中国工业经济》,第2期,第99-117页。

黄先海、高亚兴,2023,“数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究”,《中国工业经济》,第11期,第118-136页。

黄卓、陶云清、刘兆达、叶永卫,2024“智能制造、人力资本升级与企业劳动收入份额”,《经济学(季刊)》,第5期,第1412-1427页。

江艇,2022,“因果推断经验研究中的中介效应与调节效应”,《中国工业经济》,第5期,第100-120页。

蒋为、李锡涛、龚思豪,2024,“契约制度、生产复杂性与工业机器人兴起——基于内部化优势视角”,《中国工业经济》,第3期,第138-156页。

蒋为、倪诗程、彭淼,2025,“数字科技企业赋能实体经济发展的效率变革——基于数字化供应链视角的理论与经验证据”,《数量经济技术经济研究》,第1期,第51-71页。

荆文君、孙宝文,2019,“数字经济促进经济高质量发展:一个理论分析框架”,《经济学家》,第2期,第66-73页。

金智、张心睿,2024,“地方人才引进政策与企业成本管理决策”,《世界经济》,第3期,第124-150页。

李天一、张伟、张玄逸,2025,“新质生产力发展与共同富裕:基于劳动者干中学效应的分析”,《数量经济技术经济研究》,第3期,第5-25页。

李逸飞、李金、肖人瑞,2023,“社会保险缴费征管与企业人力资本结构升级”,《经济研究》,第1期,第158-174页。

刘贯春、王琪红、陈肖雄、张军,2025,“银行同业业务监管与企业创新”,《中国工业经济》,第7期,第119-137页。

刘金东、徐文君、王佳慧,2024,“人工智能对青年就业的影响研究——来自OECD国家工业机器人使用的证据”,《中国人口科学》,第3期,第3-17页。

刘生龙、胡鞍钢,2010,“基础设施的外部性在中国的检验:1988—2007”,,《经济研究》,第3期,第4-15页。

刘伟、许宪春、熊泽泉,2021,“数字经济分类的国际进展与中国探索”,《财贸经济》,第7期,第32-48页。

刘雅南、邵宜航、薛咏元,2023,“企业职工教育经费税改的再分配效应:理论逻辑与经验证据”,《财经研究》,第9期,第49-63页。

刘媛媛、刘斌,2014,“劳动保护、成本粘性与企业应对”,《经济研究》,第5期,第63-76页。

刘志彪,2024,“新质生产力驱动下的新型生产关系:趋势、挑战与对策”,《财贸经济》,第8期,第5-12页。

鲁晓东、连玉君,2012,“中国工业企业全要素生产率估计:199—2007”,《经济学(季刊)》,第2期,第541-558页。

马光荣、黄叙涵,2023,“减税对经济增长的提振效应及其作用机制——基于增值税转型的研究”,《中国工业经济》,第11期,第5-23页。

马健,2002,“产业融合理论研究评述”,《经济学动态》,第5期,第78-81页。

马双、赵文博,2019,“方言多样性与流动人口收入——基于CHFS的实证研究”,《经济学(季刊)》,第1期,第393-414页。

皮圣雷、王婧,2023,“企业数字化转型中的定位调整与核心能力‘扬弃"——一个多案例研究”,《管理评论》,第11期,第336-352页。

祁怀锦、曹修琴、刘艳霞,2020,“数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角”,《改革》,第4期,第50-64页。

蔡建红、刘慧,2014,“规模、生产率与银行海外扩张的二元边际——来自中资银行业的经验证据”,《金融研究》,第9期,第128-142页。

冉戎、花磊、刘志阳,2024,“加快新质生产力发展的实数融合路径探析”,《改革》,第9期,第115-124页。

任福耀、王正新、张亚楠,2025,“数实产业技术融合的就业效应研究——兼议企业人力资本升级与内部收入差距”,《浙江社会科学》,第3期,第 21-32+155-156 页。

宋红雨、侯贵生,2024,“中国绿色信贷政策对劳动力需求的冲击效应研究——来自中国一个准自然实验的证据”,《南方经济》,第6期,第77-97页。

孙天阳、陆毅、成丽红,2020,“资源枯竭型城市扶助政策实施效果、长效机制与产业升级”,《中国工业经济》,第7期,第98-116页。

孙伟增、毛宁、兰峰、王立,2023,“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》,第9期,第117-135页。

汤旭东、贾洋,2024,“社保费征管与企业灵活用工:来自社保新规的准自然实验”,《世界经济》,第8期,第228-256页。

王蕾、刘文龙、乔小燕,2024,““调结构'兼顾"稳就业':社会保险缴费的人力资本升级效应研究”,《财贸研究》,第3期,第67-80页。

王永钦、董雯,2023,“中国劳动力市场结构变迁——基于任务偏向型技术进步的视角”,《中国社会科学》,第11期,第 45-64+205 页

吴非、胡慧芷、林慧妍、任晓怡,2021,“企业数字化转型与资本市场表现——来自股票流动性的经验证据”,《管理世界》,第7期,第130-144+10页。

谢康、张祎、吴瑶,2023,“数据要素如何产生即时价值:企业与用户互动视角”,《中国工业经济》,第11期,第137-154页。

徐朝辉、王满四,2022,“数字化转型对企业员工薪酬的影响研究”,《中国软科学》,第9期,第108-119页。

徐翔、赵墨非、李涛、李帅臻,2023,“数据要素与企业创新:基于研发竞争的视角”,《经济研究》,第2期,第39-56页。

杨白冰、杨子明、郭迎锋,2023,“企业数字化转型中的就业结构效应——基于制造业上市企业年报文本挖掘的实证分析”,《中国软科学》,第4期,第141-150页。

尹西明、陈劲、王冠,2024,“场景驱动:面向新质生产力的数据要素市场化配置新机制”,《社会科学辑刊》,第3期,第178-188页。

尹彦辉、孙祥栋,2023,“人工智能、资本税如何影响收入分配格局:极化还是优化?”,《深圳大学学报(人文社会科学版)》,第1期,第83-91页。

尹志锋、曹爱家、郭家宝、郭冬梅,2023,“基于专利数据的人工智能就业效应研究——来自中关村企业的微观证据”,《中国工业经济》,第5期,第137-154页。

于新亮、宋爽爽、孙峥岫,2024,“跨越工作贫困陷阱:最低工资的福利再分配效应”,《世界经济》,第7期,第205-228页。

余典范、张家才、陈磊,2023,“企业数字化促进了资本跨地区流动吗?——来自上市公司异地设立子公司的证据”,《财经研究》,第12期,第91-105页。