数字金融、高质量就业与自主创新

■张喜玲，唐 莎

一、引言与文献综述

中共十九大报告明确提出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。人力资本是影响自主创新最重要的因素。就业状况作为人力资本配置的一个重要方面，对自主创新能力的提升起着至关重要的作用。高质量就业就是人力资本配置的优化发展。数字金融凭借数字技术打破了传统金融的二八定律，以更广泛的覆盖、更低的门槛和更深的服务为“高质量就业”的实现提供了全新契机。然而，我国数字金融的发展仍处于初期，总体呈现出较强的空间异质性，对各区域的作用大小不尽相同（郭峰等，2020）。那么数字金融发展水平的差异对不同技术水平创新的影响会存在差异吗？

有关数字金融与创新的研究主要集中在两个层面。第一，区域层面。徐子尧等（2020）发现，数字金融除了能改善地区信贷资源配置状况外还能通过提高居民消费的数量和质量来促进区域创新能力的提升。周少甫等（2021）指出，数字金融能有效提升自主创新效率。第二，企业层面。唐松等（2020）发现，数字金融通过缓解中小企业的外部融资约束和降低其债务融资成本来强化区域的创新能力。万佳彧等（2020）进一步发现覆盖广度、使用深度和数字化程度三个维度均会对企业创新产生积极影响，且这种影响相对于中小企业和民营企业而言更强。

目前尚未有文献直接研究数字金融对“高质量就业”的影响，相关的研究主要集中于数字金融对就业、社会保障和工作权力的影响。有关数字金融与就业的研究中，Manyika et al.（2016）指出，数字金融通过缓解中小企业的融资约束，扩大了现有企业的规模，增加了就业。但也有学者持不同态度，刘传（2020）认为，数字经济的发展会造成低端劳动力的大量失业，因此提高人口素质是应对结构性失业的主要手段。关于数字金融与社会保障的研究中，Chen（2016）认为，数字金融的发展使得居民能更加便捷和低成本的享受金融服务进而提升了居民的社会保障水平。黄益平等（2018）指出，数字金融促使我国社保的缴纳方式不断升级，增加了对居民的参保吸引力。关于数字金融与工作权力的研究，有学者认为数字金融的发展促进了居民的工作权力，Sibel Kusimba（2018）发现，数字金融的发展不仅不会妨碍妇女从事财务工作，反而还会加强妇女的在工作上的财务关系积累，最终妇女得以成功地积累资金。另有学者认为数字金融的发展抑制了居民的就业权利，Olga Lenzi et al.（2019）指出，数字金融的发展使得就业中的弱势群体面临着更为严重的技术排斥。因此数字金融对就业的影响不能一概而论。

关于高质量就业对自主创新影响的研究主要分为以下两个层面：第一，宏观层面。高质量就业的实现通过改善劳资关系和维系社会稳定激发群众的创新产出，进而提升了我国的自主创新能力。韩晶等（2020）指出，高质量就业的实现有利于吸引和留住人才进而提升地区创新效率。文宗瑜（2021）认为，高质量就业是破解“就业难”与“人才荒”矛盾的关键，高质量的就业可以培育更多基础性和创新型人才，最终有利于我国自主创新能力的提升。第二，微观层面。王春国等（2018）指出，高质量就业通过创新自我效能和企业组织文化显著促进了员工的信心能力发展。

关于高质量就业指标的测度黄维德等（2011）测度了40个国家的高质量就业水平发现，我国高质量就业水平处于中下段位且高质量就业与经济发展水平呈正相关关系。丁越兰等（2014）基于高质量就业四大目标，测算了我国各省市区的高质量就业水平，发现我国各地的高质量就业发展水平整体较低且存在明显的区域异质性。

综上可知，现有文献对高质量就业的研究正逐步深入，且肯定了其对我国自主创新能力提升的重要性。但仍存在以下两个方面的不足：第一，尽管高质量就业指标测度的研究较为完善，但该研究在我国的发展仍处于起步阶段。我国尚未对高质量就业指标的测算形成统一的判定标准。第二，已有文献往往将如何提升高质量就业水平和高质量就业水平提升所产生的结果分开研究，缺乏一个完整的研究体系。为此，本文开展了相关研究。

二、研究假设

高质量就业对自主创新的影响体现在宏观与微观层面。第一，宏观层面。首先，提高地区人力资本水平。高质量就业的实现对劳动者素质和技能有着更高要求，培育出更多创新型人才。高质量就业水平的提升有利于吸引和留住人才，进而提升我国自主创新能力。其次，推动高质量发展。劳动者们实现高质量就业是提高劳动者素质使他们适应经济发展方式的转变，释放创新潜力的根本途径。第二，微观层面。自我决定理论表明个体创新潜力的激发来自对外部环境的感知，高质量就业的实现给予员工良好的组织自尊进而产生创新的动力。值得注意的是，罗燕和杨婧婧（2018）对我国各省份高质量就业水平的测度发现我国的高质量就业水平具有显著的区域分布特性，且大致呈“东高，中、西低”的发展态势。据此提出假设H1：

H1：高质量就业能促进我国自主创新能力的提升，且该促进作用存在区域异质性。

一方面，如前所述，数字金融对高质量就业的促进作用主要表现在就业、社会保障与工作权力三方面。第一，数字金融通过降低中小微企业的融资约束扩大了现有企业的规模，进而增加了劳动者们的就业机会。第二，数字金融借助数字技术克服了传统金融与居民之间信息不对称的缺点，在居民的保障服务中不仅针对性的设计与居民需求相配的服务还通过线上平台降低了金融服务的成本和时间，大大提高居民们的参保意愿。第三，数字金融通过降低金融借贷的门槛为弱势群体尤其是女性和低水平教育者等群体的非正规就业提供了可能，这不仅提高了我国劳动资源的配置效率还优化了我国的就业结构，促进了弱势群体的经济和精神的双重独立。

另一方面，数字金融可以通过提升我国高质量就业水平促进自主创新的发展。首先，数字金融通过低门槛效应缓解了中小微企业的融资约束为万千劳动者带来了就业机会，这不仅增加了企业的创新动力还激发了劳动者们的创新潜力。其次，数字金融通过为居民提供更加富有人性化和便利化的服务显著提升了居民的社会保障水平，而社会保障水平的高低又是居民共享经济发展成果的重要体现，共享程度越高越能激发居民的创新动力。最后，数字金融通过为弱势群体如女性、农民工和低水平教育者提供金融服务扩大了我国非正规就业的规模，而非正规就业又是经济增长和创新发展的重要力量之一，因此数字金融通过提升居民的工作权力促进了自主创新。据此提出假设H2：

H2：数字金融通过提高高质量就业水平促进了我国自主创新能力的发展。

三、模型设定与变量说明

（一）模型设定

首先，为探究高质量就业对自主创新的影响构建了模型（1）。其次，为检验数字金融在高质量就业影响自主创新过程中所发挥的作用，基于温忠麟（2005）的调节效应模型，在模型（1）中加入数字金融与高质量就业的交互项构建了模型（2）。具体公式如下所示：

其中，lnINNOi，t代表自主创新水平；DWi，t代表高质量就业水平；DIFIi，t代表数字金融；DIFIi，t×DWi，t代表数字金融与高质量就业水平的交互项；Controli，t代表控制变量；i代表不同的省份；t代表不同的年份；αn代表第n个控制变量的系数；μi表示个体固定效应；θi，t表示随机扰动项。

为进一步检验高质量就业对自主创新的影响是否会因为数字金融的发展水平不同而存在差异，参考Hansen（2000）提出的面板门槛模型，将数字金融作为门槛变量加入高质量就业与自主创新的基础模型中，构建如下面板门槛模型：

其中，qi，t代表未知门槛值；I（·）代表指示函数，若不满足括号内对应的条件则门槛值取0、γ1、γ2、…、γn，分别代表不同水平的门槛值；若满足条件则门槛值取1。由于目前的计量程序只能支持最多三个门槛值的检验，故不再对4个及以上门槛值的设定和检验展开分析。

最后，为探究数字金融通过影响高质量就业对这三种不同水平创新的作用效果，将模型（2）的自主创新指标替换成三种不同技术水平的创新，并对该作用效果进行区域异质性检验，具体模型设置如下：

其中，lnINVEi，t、lnUTILi，t和lnDESIi，t依次为发明专利、实用新型专利及外观设计专利，分别代表着高水平技术创新、较高水平技术创新与较低水平技术创新。其余变量的相关解释与模型（2）一致。

（二）变量设定及数据来源

1.解释变量：高质量就业

基于高质量就业的定义及我国发展的实际情况，参考罗燕和杨婧婧（2018）的研究，从就业、工作权力、社会保护、社会对话4个维度选取20个指标构建我国高质量就业的指标体系，以此衡量我国30个省市区2011—2018年的高质量就业水平。具体测算指标体系见表1。为了更客观真实地反映高质量就业的发展水平，借鉴王富喜等（2013）的研究方法，采用客观赋权法中的熵值法对该指标进行赋值。

表1 高质量就业指标体系

2.被解释变量：自主创新（lnINNO）。

选取专利申请授权量作为自主创新的衡量指标。为展开进一步研究，将自主创新指标依据专利法的划分标准细分为发明专利（lnINVE）、实用新型专利（lnUTIL）和外观设计专利（lnDESI），且分别代表高技术水平创新、较高技术水平创新和较低技术水平创新。为消除单位不同造成的实证结果偏差，均进行对数化处理。

3.数字金融（DIFI）

选用北京大学互联网研究中心与蚂蚁金服平台，从覆盖的广度、使用的深度和数字化程度三个维度选取33个指标构建的数字普惠金融指数。由于该指数公布的最新一期（第二期）数据覆盖的年份为2011—2018年，因此选取2011—2018年各省份的相关数据进行实证分析。

4.控制变量

外商直接投资规模（lnFDI）。以各省外商直接投资总额的对数作为外商直接投资规模的代理变量。经济发展水平（lnRGDP）。采用地区人均生产总值的对数来度量经济发展水平。受教育程度（lnEDU）。选取高等教育入学率作为受教育程度的代理变量，但由于国家统计局中该指标表示为每十万人口高等学校平均在校生数，并进行对数化处理。城镇化率（URB）。以各省份城镇人口占年末总人口的比重来表示城镇化率。城乡收入差距（GAP）。以城镇居民和农村居民的可支配收入比衡量城乡收入差距。

5.数据说明

鉴于数据的可得性，选取我国2011—2018年30个省份（西藏、港澳台的数据不全故予以剔除）的数据为研究样本。数字金融的数据来自《北京大学数字普惠金融指数（2011—2018）》；高质量就业的数据来自历年《中国劳动统计年鉴》；外商直接投资规模数据来自Wind数据库；其他数据来自历年《中国统计年鉴》。表2为相关变量的描述性统计。

表2 相关变量描述性统计

续表2

四、实证研究与结果分析

（一）数字金融、高质量就业与自主创新的关系检验

1.高质量就业对自主创新的影响

在以自主创新为被解释变量的面板回归中，Hausman检验统计量通过了1%的显著性检验，因此采用固定效应模型进行回归分析，回归的结果如表3所示。从全国来看，高质量就业在1%的显著性水平下促进了我国自主创新能力的提升，系数为1.440。控制变量中，只有经济发展水平和城镇化率对自主创新起到了显著促进作用。

表3 高质量就业与自主创新的回归估计结果

从区域来看，高质量就业仅在1%的显著性水平下促进了东部地区自主创新能力的提升，系数为3.923，而对中、西和东北地区并不显著。假设H1得到了验证。原因可能为，东部地区的经济发展和高质量就业水平较高，就业机会和社会保障水平更好，这种情况下更容易形成“人才集聚”的现象，进而推动自主创新能力的提升。

2.数字金融对高质量就业及自主创新的影响

由表4可知，从全国看，数字金融与高质量就业的交互项在1%的显著性水平下促进了我国自主创新能力的提升，系数为0.689。这验证了假设H2。从区域看，数字金融与高质量就业的交互项对自主创新的作用在东部和西部地区显著为正，系数分别为0.699、0.958。而在中部和东北地区作用并不显著。可能的原因在于：我国东部地区的经济发展水平高，数字基础设施相对完善，数字金融的水平也处于全国领先地位。数字金融的高水平发展不仅能够提升东部地区自身的高质量就业水平，激发创新创造的活力，还能对外部地区高级人力资本的流入形成较大的吸引力。对于西部地区来说，虽然其经济发展水平低、弱势群体多，但得益于“西部大开发”战略的实施和对数字金融发展的重视，凭借着“后发优势”数字金融在该地区得以帮扶的群体更多，实现高质量就业的人群更多，自主创新能力提升的动力更大。

表4 数字金融影响高质量就业与自主创新相互作用的回归估计结果

（二）数字金融对高质量就业及自主创新的门槛效应

数字金融对高质量就业与自主创新的影响产生了调节作用，且该作用会因数字金融发展水平的高低而有所差异。那么是否该调节作用存在着数字金融自身的门槛呢？将数字金融作为门槛变量、高质量就业作为解释变量、自主创新作为被解释变量，同时借助自举法对门槛值依次展开检验，结果如表5所示。不难看出，数字金融通过了双重门槛的检验，表明存在着双门槛值。表6显示，以数字金融作为门槛变量时，单一门槛值为0.3130，双重门槛值为2.0260。

表5 门槛变量显著性检验

表6 门槛值估计结果及置信区间

从数字金融门槛估计的结果可知，高质量就业对自主创新的作用存在数字金融的双重门槛，且两个门槛值分别为0.3130和2.0260。整体来看，当数字金融的发展水平低于单一门槛值时，高质量就业对自主创新的作用效果是抑制的，但并不显著。而当数字金融的发展水平高于单一门槛值后，高质量就业对自主创新的作用效果转为了促进，且该促进作用逐次递增并在数字金融处于双重门槛值时最显著。可能的原因在于：当数字金融的发展水平较低时，一方面，各地区居民社会保障和就业等问题的解决更多依赖于传统金融机构，而中小微企业和诸如农民等的弱势群体一直深受传统金融机构的排斥，这不仅限制了我国高质量就业水平的提升还抑制了我国自主创新能力的发展。另一方面，数字金融发展的初期会导致短暂的“结构性失业”出现，各地区的高质量就业水平难免出现下滑进而抑制自主创新。随着数字金融发展水平的提升，企业和居民的金融服务可得性获得了质的飞跃，这不仅直接扩大了企业的规模增加了就业机会，还加强了居民的社会保障，在提升地区高质量就业水平的同时激发了企业和居民的创新潜力。但当数字金融的发展水平过高时，很容易导致“数字鸿沟”问题的出现，即经济和教育水平更高的群体更能充分利用数字金融发展的红利，而经济和教育水平低的群体却逐渐被淘汰的两极现象。

（三）数字金融对高质量就业及不同技术水平自主创新的影响

为探究数字金融通过提升高质量就业对不同技术水平创新能力的提升是否存在差异，参照专利法的划分标准将自主创新指标分为发明专利、实用新型专利与外观设计专利展开进一步实证研究，结果如表8所示。从全国看，数字金融与高质量就业的交互项对发明专利、实用新型专利和外观设计专利均在1%的显著性水平下起到了促进作用，系数分别为0.713、0.708和0.644。从区域看，在东部地区，数字金融与高质量就业的交互项对对实用新型专利和外观设计专利起到了显著促进作用。在西部地区，数字金融与高质量就业的交互项对发明专利、实用新型专利与外观设计专利均为显著促进作用，系数分别为1.494、0.737和1.235。

表8 数字金融对体面劳动及不同技术水平自主创新的影响

（四）稳健性检验①

①限于篇幅，结果留存备索。

为确保研究结论的可靠性，采用更换计量模型和关键变量的方式进行稳健性检验。首先，为检验数字金融在高质量就业影响自主创新中发挥作用的稳健性，使用空间邻接矩阵（W1）和空间地理距离矩阵（W2）分别建立空间自相关模型以替代固定效应模型展开回归分析。实证结果与前文的结论是一致的，表明前文研究结论是稳健的。其次，为检验数字金融对高质量就业及自主创新影响门槛效应的可靠性，将专利申请总量的对数值（lnZLSL）作为自主创新的代理变量重新进行门槛回归，各变量的符号、系数及显著性均符合前文的结论，因此结果稳健且有效。

表7 门槛效应回归结果

五、结论及政策建议

基于对数字金融、高质量就业与自主创新影响机理的分析，利用2011—2018年中国30个省份的面板数据，借助固定效应和面板门槛效应模型，检验了数字金融、高质量就业对自主创新的影响。主要结论如下：一是当前我国高质量就业的整体水平不高，呈现东高中西低的发展态势。二是从全国层面看，高质量就业显著促进了我国自主创新能力的提升；从区域层面看，高质量就业与自主创新大体成正相关关系，当高质量就业水平较高时其对自主创新的作用是促进的，而当高质量就业水平较低时则会抑制自主创新能力的提升。三是高质量就业对自主创新影响的过程中数字金融起到了调节作用。即数字金融通过提高各地区的高质量就业水平促进了自主创新的发展，但该作用仅对东、西部地区显著。四是高质量就业对自主创新的影响存在着数字金融的双重门槛。随着数字金融水平的提升，其调节作用更有效。五是异质性分析表明，数字金融通过提升高质量就业对不同技术水平的自主创新能力均起到了促进作用。

基于上述结论，提出以下政策建议：第一，强化东北、中部与西部地区的数字金融发展，缩小区域间数字金融发展的差异。东部地区经济发展和高质量就业水平高，数字基础设施建设较为完善，存在大量的大型高科技企业。相比之下，其他三个地区的数字金融仍处在发展初期，数字金融对高质量就业及自主创新的红利未能充分释放。东部地区应推动创新人才向中、西和东北地区的流动，分享先进发展技术的同时提高当地居民的劳动素质，如此居民才能依靠自身的能力提高高质量就业水平。其中，东北地区应注重对东部地区数字金融开发技术的引进和居民金融素养水平的提升。中、西部地区应借助数字金融的发展强化产业的升级，以产业升级倒逼劳动者劳动技能的提升。第二，将数字金融发展与高质量就业的四大目标相结合，充分释放区域创新潜力。当前我国高质量就业水平整体较低，且正处在就业数量向就业质量发展的过渡阶段。此时，政府应审时度势利用数字金融发展的契机大力推动就业质量的提升。强化各地区居民的数字金融素养，加强数字金融对中小微企业和弱势群体的扶持提高就业率。第三，增加各地区教育经费投入，提高劳动者自身素质，培养创新型人力资本。当前我国在教育资源分配上存在着严重的马太效应，对于较低水平的人力资本而言职业技能的培训是提升其高质量就业水平最有效的措施。政府可以成立专项的职业教育经费项目，鼓励东部地区先进人才对其他地区弱势群体的职业培训。同时，刺激东部地区高科技企业在其他地区的发展，以企业带动当地就业和劳动者技能的提升，并给予中、西部和东北地区劳动者参与国际、国内技术学习的机会。第四，大力推进新型城镇化建设，优化就业结构，激发创新活力。一方面，政府应大力推动“城市群”与“都市圈”的建设，以中心城市的发展为外出务工人群提供更多的就业和学习机会，以此提高劳动者自身素质。另一方面，政府应强化各地区的基础设施尤其是数字基础设施的建设，如统筹产业布局、强化交通和信息基础设施建设等，进一步缩小劳动者之间的发展差距，实现高质量就业的均衡充分发展。