制造业数字化转型影响劳动收入份额吗？

徐慧枫 温湖炜

一 问题的提出

随着新一轮科技革命和产业变革的纵深演进，数字经济成为经济高质量发展的关键所在。同时，用工难问题使得地方政府与企业纷纷采取资本替代劳动的理性应对策略，借助新一代数字技术来缓解人口红利消失和劳动力成本快速上升的冲击。历史经验表明，新兴技术往往具有要素偏向性，每一次科技革命所产生的新技术的广泛应用都会导致要素收入分配格局的重新调整。党的十九届四中全会更是提出“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，首次增列数据作为生产要素参与分配。数字化转型不仅能够赋能制造业高质量发展，还会对制造业内部要素分配造成深层次的影响。中国制造业部门数字化转型如何影响要素收入分配？是否存在引致劳动收入份额下降的潜在威胁？这些问题既与制造业企业用工问题密切相关，也关乎着我国共同富裕目标的实现。

要素收入分配主要是指初次分配中劳动要素收入和资本要素收入占国民收入的份额。劳动收入份额与民生福祉息息相关，学界往往将研究重点聚焦于劳动收入份额的形成机制。近年来，世界范围内初次分配中劳动收入份额的下降态势仍在延续，我国劳动收入份额也一直在低位徘徊，平均水平甚至比其他国家还要低5—10个百分点(吕光明，2011)[1]。过低水平的劳动收入份额对收入分配、经济发展结构、社会稳定性都可能产生一定程度的负面影响，加剧社会矛盾。因此，党的十九大报告再次强调要“在劳动生产率提高的同时实现劳动报酬的同步提高”。从要素分配角度来看，如果技术进步属于资本偏向型，那么工资率的增长将慢于劳动生产率增长，从而降低劳动收入份额(Acemoglu和Restrepo，2018a)[2]。2010年以来，新一轮科技革命和产业变革加速演进，尽管我国的劳动生产率增速呈放缓态势，但劳动收入份额总体却呈现微弱的上升(见图1)，要素收入分配格局总体向好，这与新兴数字技术进步的关系如何，需进一步探讨。

图1 我国全员劳动生产率增长率及劳动收入份额(2000—2017年)

有关技术进步与劳动收入份额两者关系的研究是较长时期内的学术研究热点。新古典经济学提出了关于要素收入分配的“卡尔多典型化事实”，认为长期内资本和劳动要素的收入份额保持不变(Kaldor，1955)[3]。20世纪80年代以后，世界范围内劳动收入份额的普遍下降趋势使“卡尔多事实”遭受质疑，有关生产要素功能性收入分配的研究开始兴起，学界围绕劳动收入份额展开了一系列探讨。已有研究发现，除产业结构转型(胡秋阳，2016[4]；周茂等，2018[5])、劳资谈判(魏下海等，2013)[6]、融资约束(汪伟等，2013)[7]外，技术进步偏向(王林辉和袁礼，2018)[8]也是引起劳动收入份额变动的重要因素。以互联网、大数据、人工智能为代表的新一代信息技术日新月异，在创新生产方式、改变商业模式的同时，也在重塑收入分配关系。对于新一代信息技术是改善还是恶化要素收入分配，目前学界还未形成一致结论。部分学者提出，数字技术导致劳动收入份额的下降(Guimarães和Gil，2022[9]；余玲铮等，2019[10])，并认为新一代信息技术的应用导致资本对劳动的替代，从而降低了劳动收入份额。也有观点认为以人工智能为代表的新兴数字技术对劳动收入份额的影响是不确定的，甚至是正向的。作为一项提高劳动者个人发展能力并嵌入劳动生产过程的包容性技术，数字技术的正向效应主要来自于生产率的提高(Cette et al.，2022[11]；Acemoglu和Restrepo，2018a[2]；申广军和刘超，2018[12])，而对劳动收入份额影响方向的不确定性则可能是由不同产业部门间差异化的人工智能产出弹性和人工智能与传统生产方式的替代弹性所决定的(郭凯明，2019)[13]。有研究发现，当前中国的技术进步兼具资本偏向和技能偏向的双重特征(王林辉和袁礼，2018)[8]。因此，国内有关新一轮科技革命对劳动收入份额影响的研究也主要从资本偏向型和技能偏向型两个视角展开。宋旭光和杜军红(2021)[14]从智能制造的资本偏向特征入手，基于嵌套的CES生产函数构建智能制造和传统生产方式的劳动收入份额理论框架，发现智能制造与传统生产方式之间互补的替代弹性使得智能制造—劳动扩展型技术最终偏向于智能制造，从而降低了劳动收入份额。而钞小静和周文慧(2021)[15]基于技能偏向性视角，发现人工智能通过就业技能结构高级化、技能收入差距扩大化两个渠道降低劳动收入份额，并且这种抑制效应短期内在第一产业中表现得尤为明显。还有学者在技能偏向视角的基础上衍生出信息技术“性别红利”的概念，基于信息技术与女性技能的互补效应考察信息技术应用对企业要素收入分配的影响(余玲铮等，2019)[16]。这些研究进一步丰富了相关分析视角，为深入理解数字化转型与劳动收入份额之间的关系提供了重要借鉴，但其在讨论新兴技术进步对劳动收入份额的影响时，要么从技能偏向、资本深化这种抽象的技术性质出发，要么聚焦于人工智能这一具体数字技术对劳动收入份额的影响，缺乏全面测度数字化水平的实证研究。此外，现有研究主要从宏观和产业层面探讨数字经济对要素收入分配的影响，有关企业微观层面的研究较为匮乏。

本文在分析数字化转型影响劳动收入份额的经济逻辑的理论基础上，利用2010—2020年中国制造业上市公司数据进行实证分析，旨在揭示数字经济与实体经济深度融合的要素收入分配效应，并提出相应的政策建议。制造业作为我国创新驱动发展战略深入实施的主阵地，是助推数字经济与实体经济融合发展的主攻方向和关键突破口。因此，选取制造业上市企业样本数据进行实证分析具有典型性。制造业数字化转型是否影响以及如何影响劳动收入份额？数字化转型是否是技术偏向的？对上述一系列问题的回答将为数字化转型赋能共同富裕提供理论依据和经验证据。

本文的边际贡献主要为：(1)区别于已有文献较为单一地聚焦于人工智能这一核心新兴数字技术的要素收入分配效应，本文利用文本处理技术测度制造业上市企业的数字化转型水平，以此更为全面有效地评估新一代数字技术整体的要素收入分配效应。(2)已有文献主要从宏观和中观产业层面探讨数字经济对要素收入分配的影响，本文在微观企业层面考察数字化转型对劳动收入份额的影响及内在作用机制，丰富研究层面，有助于厘清数字化转型对要素收入分配的影响机理。(3)本文从要素禀赋异质性的角度出发，发现数字化转型对劳动收入份额的影响会因地区产业结构层次、行业技术密集度和企业要素丰裕程度而有所差异，特别是，在不同技能结构企业中数字化转型对劳动收入份额的影响还存在“升级”现象，这为高质量就业和数字红利的深入普及提供了决策参考。

二 理论分析与研究假设

技术进步是经济增长的重要源泉，是引起劳动收入份额变动的核心因素。一方面，数字化转型淘汰一批传统岗位，也会创造出部分新的就业岗位。短期内，高质量劳动力的短缺以及低质量劳动力转型缓慢导致新旧岗位未能高效转换，整体收入水平呈下降态势；长期来讲，创造新任务的优势开始充分体现，中间受损、两端受益的 “就业极化”现象形成，“工资极化”现象也随之出现(Autor，2015)[17]，技能两端劳动者的收入增加。另一方面，数字技术的发展和应用带来了生产率的提升，已有研究指出一部分的工资负向效应将被正向的生产率效应所抵消(Acemoglu和Restrepo，2018b)[18]。同时，人工智能促进自动化的过程中，往往还会遭遇“鲍莫尔病”，非自动化部门成本的提升也可能使资本回报降低。因此，本文认为数字化转型带来了包括劳动要素在内的要素收入水平及收入结构的改变，但其对劳动收入份额的影响方向存在不确定性，既可能带来劳动收入份额的上升，也可能带来劳动收入份额的下降；劳动生产率提升(工资增长)效应和就业效应(就业创造或就业替代)可能是数字化转型影响劳动收入份额的重要渠道。基于上述分析，提出假设1。

假设1：数字化转型对劳动收入份额有显著影响。

(一)生产率效应

数字化转型扩容并优化创新了生产要素体系，通过引入数据这一新生产要素增加了生产要素的新组合，可通过以下途径赋能传统产业生产率的提升。

1.信息传递效率

数字化转型催生了企业内部各系统、供应链各环节主体、企业用户多方参与的网络化协同制造模式，将数字化服务融入产品研发制造、市场供应、营销服务各环节，显著增强了全产业链的信息传递效率：通过数字基础设施的改造，为产品研发设计、企业内部管理提供信息采集和知识交流整合的工具，促进数据要素在企业内部共享流动，增强企业的技术创新和资源整合能力；架构全产业链平台，推进关键数据共享，降低信息获取成本，将分散在不同地区的生产设备资源、知识资源及各种核心能力集聚在公共服务平台，驱动跨企业、跨地区、跨行业的研发协同和产能共享，形成制造业高质量、低成本的网络化产业生态体系；依托移动互联网、数据挖掘等数字技术，通过网络营销、电子商务等商业新模式与客户充分互动，精准匹配客户的个性化、多样化需求，提高服务要素在产品生产中的嵌入程度，实现资源配置的高效快速响应(赵宸宇等，2021)[19]。

2.企业治理效率

现代信息技术手段替代传统生产工具，实现传统制造工厂向智能车间的转型，将数据要素嵌入企业的经营管理环节。依靠底层数字技术搭建集运营、人事、财务数据于一体的数据体系，传统封闭式、垂直化的组织管理结构开始向开放式、扁平化演变。借助数字化管理系统简化并规范目标设定、重要项目识别、风险评估、控制活动等一系列内部控制程序(汤萱等，2022)[20]，避免管理者的决策性失误，实现企业治理效率优化，从而为生产率提升提供强大动力。同时，金融机构和投资者对企业数字化转型的积极心理预期将有利于企业融资，企业内部资金的增加有利于提高企业专用性人力资本投入和智能设备的维护更新、迭代升级，高质量技术资本和人力资本融合产生直接的技术扩散提高企业创新能力，促进价值链的整合攀升，这些外溢效应都正向驱动生产率变化。

数字技术革命助推产业组织模式的变革，通过管理重构、逆向信息响应等方式推动资源要素的优化配置和企业向高附加值产业链环节攀升，其产生的高协同性促进劳动生产率和工资收入的增长，从而有利于劳动收入份额的提升。基于上述分析，提出假设2。

假设2：数字化转型对生产率有显著的正向影响，从而有利于劳动收入份额的提升。

(二)就业效应

1.就业替代

数字技术引入后，企业倾向于采用高效率、低成本的数字技术和设备直接替代常规程序型的工作任务岗位，这体现为短期内的资本深化和对低技能劳动力就业的直接破坏效应。一部分就业岗位消失，对劳动力需求的减少导致国民收入中劳动要素收入占比的下降。Acemoglu和Restrepo(2020)[21]的研究表明，行业层面机器人的使用导致了劳动力需求和工资的下降，短期内对非技能劳动力就业产生1—2个百分点的即期冲击。工业机器人应用对就业的影响存在“机器换人”的威胁(韩民春和乔刚，2020)[22]。制造业数字化转型具有技术进步及生产过程、生产工具和生产组织方式的智能化、自动化内涵，一部分劳动力因对数字技术的获取和使用能力较弱而影响到其生命周期的就业能力、获得工作的可能性及工作期限，数字鸿沟的存在对非数字劳动力的就业表现为挤出效应。

2.就业创造

基于技术进步与就业的经典理论“技能偏向型技术进步”假说，数字化转型将会减少对低技能水平劳动力的需求，增加对高技能水平劳动力的需求。而基于“程序偏向型技术进步”假说，技术进步减少对常规任务劳动力的需求而增加对非常规任务劳动力的需求。这都一定程度上表明数字技术的就业效应不仅体现为就业替代，还存在长期的创造补偿效应。一方面，新旧业态结构调整形成创造效应。新一代数字技术通过影响不同部门要素的技术效率、诱致要素跨部门流动和重新配置来推进产业结构变迁，产业结构的调整带动人工智能等新兴产业就业岗位的兴起，增强了企业对抽象性、创造性等复杂工作岗位劳动力的需求，企业将倾向于雇佣更多的高技能劳动力。另一方面，产品创新和规模经济带来创造效应。尽管新兴技术对可自动化任务具有显著的替代效应，但其带来的产品创新和生产率提升也会促使企业产品需求和生产规模的扩张，从而增加产品加工制造环节低技能劳动力的雇佣，或通过现有设备更新换代的资本深化来进一步提高上游产业的劳动力需求。

因此，数字化转型的就业效应既可能表现为就业创造，也可能表现为就业替代，从而影响劳动收入份额。基于上述分析，提出假设3。

假设3：数字化转型对整体就业存在显著影响，从而影响劳动收入份额。

三 模型设定与数据说明

(一)数据来源及说明

考虑到数字化转型的推广实践及相关数据的可获得性，本文选取2010—2020年中国沪深两市制造业上市公司为研究样本。其中企业层面数据来源于CSMAR和Wind数据库，区域层面数据来源于《中国统计年鉴》和《中国城市统计年鉴》。本文按照以下原则对样本进行处理确保估计的合理性：(1)剔除ST、*ST类上市企业；(2)剔除重要变量缺失及出现异常值的企业样本；(3)对连续变量进行双边1%的缩尾处理。最终得到8220个非平衡面板观测值。

(二)基准模型设定

企业劳动收入份额的影响因素众多，为准确测度数字化转型对企业劳动收入份额影响的净效应，本文设定以下包含固定效应的多元线性基准回归模型：

lnLSit=β0+β1Digit+θXit+μpro+δind+γt+εit

(1)

其中，i表示企业，t表示年份；LS为劳动收入份额，Dig表示企业的数字化转型水平，X为企业的控制变量；μpro、δind和γt分别表示省份、行业和年份特征，εit表示随机误差项。

(三)变量说明

1.被解释变量

本文从微观企业视角出发研究数字化转型对企业劳动收入份额的影响，被解释变量为劳动收入份额的对数值(lnLS)。参照已有文献的做法，用“劳动报酬/企业增加值”表示企业的劳动收入份额。其中，劳动报酬用CSMAR数据库现金流量表中的“支付给职工及为职工支付的现金”作为代理变量，企业增加值则采用收入法的核算思路，即企业增加值可表示为劳动者报酬、生产税净额、固定资产折旧和营业盈余之和。由于生产税净额是劳动和资本之外的“楔子”，将其剔除能更真实地反映资本与劳动的分配关系(周明海等，2010)[23]，因此，本文最终采用“劳动者报酬+固定资产折旧+营业盈余”来衡量企业增加值。

2.核心解释变量

本文核心解释变量为企业数字化转型水平(Dig)。采用文本处理技术对上市公司年报中涉及企业数字化转型的特征词进行词频统计，将其对数值作为企业数字化转型水平的代理变量。数字化转型特征词的选择方法和范围限定参照吴非等(2021)[24]所构建的企业数字化转型指标体系，包括人工智能技术、大数据技术、云计算技术、区块链技术、数字技术运用五个方面的特征词汇。关键词汇一定程度上反映了企业的战略特征和业务经营范围，以涉及数字化转型的关键词词频来刻画企业数字化转型程度，兼具科学性和可行性。

3.控制变量

参考白重恩等(2008)[25]、文雁兵和陆雪琴(2018)[26]等有关劳动收入份额影响因素的研究成果，本文控制了以下企业特征变量：(1)企业规模(Size)，用企业总资产的自然对数表示；(2)企业年龄(Age)，用企业年龄的自然对数表示；(3)资产回报率(ROA)，即净利润与资产总额的比率；(4)资产负债率(Lev)，即负债总额与总资产的比率；(5)企业资本劳动比(KL)，用固定资产净额与员工数比值的自然对数来衡量；(6)股权集中度(Share)，使用上市公司前五大股东持股比例集中度来表示，以衡量企业的治理特征；(7)是否为国有企业(SOE)，即企业的所有制特征。考虑到时间、地区、行业的影响因素不容忽视，控制了年份、省份、行业层面的固定效应。

(四)描述性统计

表1为主要变量的描述性统计结果。从中可以观察到，企业数字化转型水平对数值的最小值为0，最大值为6.1115，标准差为1.2369，说明不同制造业企业的数字化转型水平差异较大。而劳动收入份额对数值(lnLS)的最小值为-3.3030，最大值为-0.0001，说明制造业上市企业劳动收入份额差异很大。

表1 主要变量描述性统计

四 实证结果与分析

(一)基准回归分析

基准回归结果见表2。本文主要关注制造业数字化转型对劳动收入份额的影响。列(1)—列(4)结果显示，在控制了企业层面相关特征变量和不同固定效应的情况下，Dig的系数在5%的水平上都显著。这说明制造业企业数字化转型能够显著提升企业劳动收入份额，即研究假设1成立，且这种影响是正向的。控制变量方面，企业规模、资本回报率和资本劳动比的系数均显著为负，表明规模化企业具有资本偏向，导致要素收入向资本倾斜，因而降低了劳动收入份额。资产负债率的系数显著为正，即高负债企业的劳动收入份额会更高，这是由于风险厌恶的员工会选择低负债企业，而风险偏好的员工会选择高负债企业，高负债企业将支付更高的工资(Berk et al.，2010)[27]。是否为国有企业的系数显著为正，这说明劳动收入份额会因企业所有制性质而有所差异。相比非国有企业，国有企业在要素资源、外部环境等方面更具优势，且更注重社会和政治目标，劳动者权益更能得到保障，因此，国有企业劳动收入份额相对更高。列(1)、 列(2)和列(4)股权集中度的系数在10%的水平上均显著为正，这表明当股权集中度越高时，具有少量股权及个人私利的管理者更倾向于和职工形成利益同盟(Pagano和Volpin，2005)[28]，从而支付给职工高工资，劳动收入份额也因此提升。

表2 基准回归估计结果

(二)稳健性检验

为保证结论的稳健性，本文从指标替换和异质样本两个角度进行稳健性检验。指标替换方面，参照陆正飞等(2012)[29]的研究，将上市公司财务报表中“应付薪酬”项下应付职工薪酬的贷方发生额作为劳动报酬的代理变量，并以此计算得到新的劳动收入份额指标替换被解释变量。表3列(1)和列(2)的稳健性估计结果表明，替换被解释变量后，结果与基准回归一致。剔除异质样本方面，一是为排除新冠疫情的冲击，剔除2020年的样本，回归结果见表3列(3)。二是剔除直辖市样本，直辖市与其他城市在经济发展水平、人口聚集程度和产业结构等方面的较大差异可能会导致企业样本异质性，因此予以剔除，回归结果见表3列(4)。三是剔除计算机、通信和其他电子设备制造业企业样本，该行业所需的数字要素投入水平明显高于其他制造业行业，剔除该行业上市公司样本可增强样本的同质性，回归结果见表3列(5)。表3结果表明，剔除异质样本后，列(3)—列(5)结果均未发生实质性变化，前文结论依然成立。

表3 稳健性及内生性估计结果

(三)内生性分析

本文采用工具变量检验、个体固定效应模型及双重差分模型三种方法缓解内生性问题：一是借鉴黄群慧等(2019)[30]的做法，初步选取1984年各城市每百人固定电话数量作为企业数字化转型的工具变量。同时，为解决面板固定效应模型的度量问题，引入时变变量，将上年度全国互联网宽带接入端口数量与1984年各城市每百人固定电话数量的交乘项作为数字化转型水平的工具变量，第二阶段估计结果见表3列(6)。二是引入个体固定效应以控制不可观测变量造成的潜在影响，估计结果见表3列(7)。三是构建双重差分模型，识别制造业数字化转型与劳动收入份额之间的因果效应。智慧城市建设从数字技术供给和数字技术需求两方面影响了制造业企业的数字技术应用程度，借鉴温湖炜和王圣云(2022)[31]的研究，利用我国始于2012年的大规模智慧城市建设作为企业数字化转型的外生政策冲击。由于智慧城市分批次试点，故采用多时点DID模型，模型设定为：lnLSit=α0+α1Policyit+φXit+σi+τpt+εit，其中，Policyit为政策实施的虚拟变量，σi和τpt分别为企业固定效应、省份-年份交互固定效应，试点城市企业为处理组，其余企业为对照组。模型回归结果见表3列(8)，并通过了双重差分方法的平行趋势检验(见图2)。在利用上述方法缓解内生性影响后，Dig的系数在10%的水平上均显著，验证了结论的稳健性，即数字化转型能够显著提升企业劳动收入份额，改善劳动和资本要素收入分配。

图2 平衡趋势检验(90%置信区间)

(四)机制检验

上文实证分析得出了数字化转型有助于提升劳动收入份额的结论，为更加深入地理解数字化转型的要素收入分配效应，本文将进一步考察数字化转型提升劳动收入份额的作用机制。由理论分析可知，数字化转型以信息流带动要素资源整合和优化配置，产生的高协同性推动信息传递效率和企业内部治理效率的提升，从而正向驱动劳动生产效率发展，有利于劳动收入份额的提升。同时，作为资本深化的过程(蔡跃洲和陈楠，2019)[32]，数字化转型提升了工作岗位的技能要求，通过对常规性、事务性岗位的就业替代，与对高技能和低技能非自动化岗位的就业创造，影响劳动收入份额。就业结构的两极化变动以及技能工资溢价引导中等技能劳动者向技能要求的两端流动，但新技能的学习和新空缺岗位的填补过程势必遭遇多种阻力，这一就业调整过程需要消耗大量的时间成本，具有时滞性。当前，以大数据、物联网、人工智能等为核心的新一轮科技革命和产业变革从导入期转向拓展期(王一鸣，2019)[33]，由于技能结构错配及就业调整的时滞性，数字化转型的就业替代效应未被其创造效应完全补偿，数字化转型的就业效应总体上表现为负向冲击，从而不利于劳动收入份额的提升。因此，本文从生产率效应和就业效应两方面进一步考察数字化转型提升劳动收入份额的作用机制。基于前文假设，构建如下机制检验模型：

Mecit=Cons.+α2Digit+φXit+μpro+δind+γt+εit

(2)

lnLsit=Cons.+α3Digit+α4Mecit+φXit+μpro+δind+γt+εit

(3)

其中，Mecit为机制变量，分别为企业员工数自然对数值(lnL)和生产率自然对数值(包括全要素生产率lnTFP和劳动生产率lnLP)，μpro为省份固定效应，δind为行业固定效应，γt为年份固定效应。劳动生产率(lnLP)采用“企业员工劳动报酬/企业员工总人数”的常规方式测算(耿晔强和郭伟，2021)[34]；为避免简单线性估计的同时性偏差和样本选择性偏差，本文构建对数形式的C-D生产函数，采用LP法来测算企业的全要素生产率(lnTFP)(鲁晓东和连玉君，2012)[35]：

lnYit=β2lnLit+β3lnKit+β4lnMit+εit

(4)

其中，Y为企业营业总收入，K为固定资产净值，L为员工总人数，M为中间投入，借鉴钱雪松等(2018)[36]的做法，以“企业购买商品、接受劳务支付的现金”测度。具体而言，将样本进行个体和年份固定效应回归，以其残差测度企业全要素生产率。

表4为机制检验结果，可以看出，数字化转型对企业全要素生产率和劳动生产率的影响在1%的水平上显著为正，而其对就业的冲击在1%的水平上显著为负。现阶段，数字化转型通过劳动生产率获得效应和就业替代效应两种机制影响劳动收入份额，假设2和假设3得以验证。

表4 机制检验结果

五 异质性分析

上文论证了企业数字化转型对劳动收入份额的平均效应。在不同要素禀赋企业中，新一代数字技术的应用程度明显不同，数字化转型扩展技术的产出弹性及对传统生产方式的替代弹性均存在差异，这意味着不同要素禀赋企业中，数字化转型技术对生产效率和就业的影响程度将有所不同，从而导致劳动收入份额变动的差异。本文分别从地区产业结构层次、行业要素密集度、企业资本密集度以及技能结构四方面对数字化转型的要素收入分配效应异质性展开讨论，以进一步了解数字化转型的非对称效应，为后续提出更为精准有效的调控政策提供有力支撑。

(一)产业结构层次异质性分析

尽管数字经济发展的地区差距开始缩小(刘传明等，2020)[37]，但数字化转型对劳动收入份额的影响在不同产业结构层次地区存在一定差异。根据产业结构层次系数的大小，本文将研究样本划分为低产业结构层次地区企业和高产业结构层次地区企业，以考察数字化转型对劳动收入份额影响的产业结构层次差异。参照徐德云(2008)[38]的研究，运用产业结构层次系数测算公式来测量不同地区的产业结构层次：

(6)

其中，yi表示总产值中i产业所占比重，L表示产业结构升级程度。L越接近3，则地区产业结构层次越高，将进入信息化社会，属于高产业结构层次地区；L越接近2，则地区产业结构层次还处于工业化向信息化的过渡阶段，属于低产业结构层次地区。依照上述方法进行测算，最终测得北京、上海、天津、浙江、广东为高产业结构层次地区，其他省份地区为低产业结构层次地区。分组回归结果见表5列(1)、 列(2)，可以看到，不同产业结构层次地区，企业数字化转型水平(Dig)的系数在10%的水平上均显著，且高产业结构层次地区的系数明显大于低产业结构层次地区，即当前阶段不同产业结构层次地区企业数字化转型的要素收入分配效应均呈现劳动偏向，且高产业结构层次地区企业数字化转型的劳动偏向幅度更大。从数字化转型的就业效应来解释，这可能与低产业结构层次地区中低技能岗位相对更多，数字技术对劳动力需求的就业替代效应更明显有关，而高产业结构层次地区企业数字化转型进程更快，就业技能结构开始适配，就业效应总体上呈现为就业的创造补偿。因此，表现出劳动收入份额变化的产业结构层次效应。

(二)行业异质性分析

劳动收入份额变化的产业内效应由有偏型技术进步和要素禀赋结构共同决定(王林辉和袁礼，2018)[8]。新常态下资源环境约束趋紧、要素成本上升，不同传统要素密集型企业数字化转型的要素收入分配效应是否存在差异？为此，依据行业要素密集度，本文将制造业企业样本划分为劳动密集型、资本密集型、技术密集型三类进行分组回归，结果见表5列(3)— 列(5)。可以发现，在劳动密集型企业和资本密集型企业样本中，数字化转型水平(Dig)的系数在1%的水平上均显著为正，而技术密集型企业的回归系数却并不显著地异于0，即数字化转型仅对非技术密集型企业劳动收入份额有显著的提升作用，且对劳动密集型企业的正向影响大于资本密集型企业，而对技术密集型企业的提升效果不明显。从数字化转型的生产率效应来解释，数字化转型较快地实现资本替代劳动，弥补了劳动密集型企业因劳动力成本上升导致的生产率下降，从而实现工资收入和劳动收入份额的提升；对于资本密集型企业来说，数字化转型虽然促进了网络化协同，但因资本投入周期长、见效慢，生产率和劳动收入份额的提升效果不如劳动密集型企业；而对于技术密集型企业来说，创新转化的生产率时滞性较强，数字化转型的生产率效应短期内难以体现，因此，对劳动收入份额的提升效应不明显。

表5 异质性影响的估计结果

(三)企业异质性分析

技术进步的作用不是孤立的，而是与各种生产要素进行耦合。那么传统生产要素的稀缺程度是否会影响数字化转型的要素收入分配效应？本文从传统生产要素稀缺程度入手，根据企业人均资本存量，将样本分为资本稀缺(劳动丰裕)和资本丰裕企业，分组回归结果见表5列(6)、 列(7)。可以发现，资本稀缺企业数字化转型水平的系数在1%的水平上显著为正，而资本丰裕企业的系数不显著地异于0。从数字化转型的生产率效应来解释，这与资本稀缺企业资本要素相对稀缺，数字化转型资本替代的边际生产率更高，其生产率提升效应更为明显有关。

(四)技能结构异质性的再讨论

就业结构和工资收入极化的典型事实来源于数字化转型对中等技能岗位的替代效应和对高低技能岗位的创造效应。那么，不同技能结构企业数字化转型的要素收入分配效应是否会因企业人力资本水平的差异而有所不同？为检验人力资本带来的异质性，本文将劳动力按受教育程度划分为高技能劳动力(本科及大专以上学历)和低技能劳动力(高中及以下学历)两个档次，根据各企业高技能劳动力所占比例对样本企业进行排序，并按三等分划分为高就业技能结构企业、中就业技能结构企业以及低就业技能结构企业三个子样本进行回归，结果见表6。列(1)、 列(3)、 列(5)仅控制年份和省份效应的结果显示，中高就业技能结构企业数字化转型水平的系数均在1%的水平上显著为正，且高就业技能结构企业的系数更大。列(2)、 列(4)、 列(6)控制了年份、省份和行业效应的估计结果显示，中高就业技能结构企业数字化转型水平的系数在5%和1%的水平上依然显著。从数字化转型的生产率效应和就业效应来解释，高技能劳动力与数字技术的互补性可以有效促进生产效率的提升，从而有助于高技能劳动力的工资增长，高就业技能结构企业的生产率提升效应更明显。同时，高就业技能结构企业的中低技能岗位相对较少，数字化转型的就业替代效应不明显。因此，不同人力资本水平企业数字化转型对劳动收入份额的影响出现了“升级”特征，高就业技能结构企业的劳动收入份额明显提升，高技能劳动力是新兴技术进步的受益者。

表6 就业技能结构异质性分析

六 结论与政策启示

数字经济与实体经济深度融合背景下，数据要素参与分配深刻改变了要素收入分配格局。本文利用文本处理技术测算2010—2020年中国制造业上市公司数字化转型水平，考察企业数字化转型对劳动收入份额的影响和作用机制，得到的主要结论为：(1)数字化转型对企业劳动收入份额有显著的正向影响，不支持数字化转型抑制劳动要素收入从而恶化要素收入分配的观点。在考虑内生性可能导致的估计偏误后，回归结果稳健，这说明制造业企业数字化转型是改善要素收入分配、实现共同富裕的重要着力点。(2)制造业企业数字化转型能够通过劳动生产率提升效应(工资增长效应)和就业替代两种机制影响劳动收入份额。数字化转型产生的高协同性促进了生产率和工资收入的提高，从而提升了劳动收入份额。当前阶段，尽管就业创造抵消了一部分的就业破坏，但整体上仍表现为就业替代的负向效应，不利于劳动收入份额的增加。(3)不同要素禀赋企业中，新一代数字技术的应用程度明显不同，数字化转型扩展技术的产出弹性及对传统生产方式的替代弹性均存在差异，这导致了制造业数字化转型要素收入分配效应的异质性。对于产业结构水平高地区、非技术密集型行业及资本密集程度低企业，数字化转型对劳动收入份额的提升作用更强。特别是，数字化转型对高就业技能结构企业劳动收入份额的正向影响更强，制造业部门数字化转型对技能需求表现出“升级”特征而不是“极化”特征，一定程度上印证了数字化转型的技能偏向性。

研究结论蕴含了较强的政策含义。数字化转型与共同富裕目标高度契合，必须坚定不移深入贯彻十九大关于“推动互联网、大数据、人工智能和实体经济深度融合”的战略部署，推动有效市场和有为政府的更好结合。具体而言：(1)加快要素的市场化配置，充分发挥数据要素对其他要素效率的倍增效应，统筹新旧产业促进产业结构升级，引导数字化转型产生就业创造而非就业抑制效应。(2)构建数字经济与实体经济的融合体系，优化政策工具组合，落实互联网基础设施建设，给予企业数字化转型政策红利，同时完善再分配政策，切实保障数字化转型负向冲击下弱势群体的基本社会福利，避免其对人力资本的破坏性冲击。(3)应对新一代数字技术对劳动要素市场的冲击，需不断提高劳动力技能与新兴数字技术的动态适配性。重视对新一代数字技术应用人才的培养，加大对高职院校的教育经费投入，采用公共采购等形式对企业员工进行技能培训，加速低技能劳动力知识技能结构的更新，以实现人力资本与新兴技术的生产率互补效应，缓解技术变革的阶层分化。