Research on the Income Distribution Effect of Enterprise Digital Development——An Empirical Study Based on China's A-share Listed Companies
-
摘要:
在数字技术飞速发展的时代背景下,深入探索企业数字化发展的经济社会影响不仅有助于企业更好地适应数字经济时代的新挑战,更有助于相关政策的设计和制定,缓解数字化发展带来的不平等。基于2012—2022年沪深A股上市公司的数据,从劳动收入份额、内部薪酬差距和技能溢价的角度,对企业数字化发展的收入分配效应进行系统性研究,探讨其内在的影响机制,发现:由于企业数字化发展的平均工资增长率效应超过了生产率效应,数字化的发展有利于企业劳动收入份额的提高;企业数字化通过加剧行业竞争并改善企业信息环境等途径缩小了企业内部的薪酬差距;企业数字化通过提升高技能劳动者的相对需求加剧了技能溢价的程度。
Abstract:In the context of the rapid development of digital technology, in-depth exploration of the economic and social impacts of enterprise digital development will not only helps enterprises adapt to the new challenges of the digital economy era, but also helps in the design and formulation of relevant policies to alleviate the inequality problems caused by digital development. Based on the data of A-share listed companies in Shanghai and Shenzhen from 2012 to 2022, this paper conducts a systematic study on the income distribution effect of enterprise digital development from the perspectives of labor income share, internal salary gap and skill premium, and conducts a systematic study on the inherent impact mechanism. The study found that: since the average wage growth rate of enterprise digital development exceeds the productivity effect, the development of digitalization is conducive to the increase of the share of labor income in enterprises; enterprise digitalization narrows the salary gap within enterprises by intensifying industry competition and improving the enterprise information environment; enterprise digitalization intensifies the skill pre-mium by increasing the relative demand for high-skilled workers.
-
Keywords:
- enterprise /
- digitalization /
- labor income share /
- salary gap /
- skill premium
-
一. 问题的提出
中国式现代化是全体人民共同富裕的现代化。从长远来看,共同富裕的推动是一个动态发展的过程,随着经济和社会的发展会面临各种新的挑战。分阶段研究、设计并制定合理的发展目标,应对不同阶段的需求和变化,以确保共同富裕的实现可持续且为社会带来长期的福祉和稳定,是亟须研究的重要议题。随着人工智能、大数据、物联网等技术的不断成熟和普及,人类社会已进入以数字化和智能化为标志的新阶段,数字技术的迅速发展成为现代社会生产力进步的主要动力。新技术的应用使得生产、管理和创新变得更加高效和便捷,提升了全社会的生产效率,拓展了经济增长的新空间。在推动经济高效发展的同时,数字技术带来的新兴产业和新的就业形态也为劳动者提供了更多的就业机会;但应注意到,技术发展带来的劳动力市场需求结构的改变势必给国民收入的分配格局、劳动力市场的就业结构和社会的阶层分化带来巨大冲击。在新技术飞速发展的时代背景下,深入探索和理解数字化的经济社会影响,不仅有助于微观企业更好地适应数字时代的挑战、及时调整策略或创新业务模式以应对市场和技术的变革,更有助于相关政策的设计和制定,以缓解数字化带来的不平等问题,确保社会各阶层都能共享数字经济发展的红利。
随着中国特色社会主义现代化建设进入新的发展阶段,国内居民人均收入不断上升,但也出现了收入水平差距扩大、收入分配结构有待优化和完善等问题。已有文献表明,数字技术的发展会对收入分配产生影响[1];但现有研究多是从个人技能或任务视角出发,探讨因数字经济对不同技能或不同任务类型劳动者的需求变化而引发的收入不平等问题[2]。企业是初次分配的另一主要微观载体,然而目前鲜有文献对数字化发展给企业收入分配带来的系统性影响进行探究。例如,数字化技术的广泛使用通常伴随着技术创新,能够优化企业的生产和管理流程进而提高生产效率,即每一单位的劳动可以创造更多的产品或服务,这是否意味着企业可以使用更少的劳动力创造更多的价值,即引起劳动收入份额的进一步下降?①数字化的发展通常涉及企业组织结构和管理模式的变革,那么数字化是否会对企业内部不同层级员工间的薪资差距产生影响?数字技术通常被认为是技能偏向型技术进步,企业数字化发展加大了对具备专业技能和数字能力的高技能劳动者的需求,这是否会进一步加剧不同技能劳动者间的工资差距?
鉴于此,本文拟从劳动收入份额、企业内部薪酬差距和技能溢价的角度,对企业数字化发展的收入分配效应进行系统性研究,探究其内部作用机制,进而在分析数字化背景下企业收入分配变动路径的基础上,提出缓解未来收入不平等的策略启示。
二. 理论分析与研究假设
企业数字化发展的本质是使用数字技术改造传统的生产、组织和经营模式,使企业能够更加灵活、高效地运营,从而更好地满足市场的需求。数字技术的使用不仅会对企业的生产方式产生影响,更能从生产效率、要素市场、行业竞争和人力资本结构等方面对收入分配的格局进行调整或重塑。本文拟从劳动收入份额、企业内部薪酬差距和技能工资差距的视角对企业数字化的收入分配效应展开论述。
一 企业数字化发展与劳动收入份额的变动
作为国民收入初次分配领域最基本的问题之一,劳动收入份额的变化会直接影响社会的整体不平等程度[3]。如何提高劳动收入份额占初次分配的比重一直是劳动经济学研究的热点问题。从劳动收入份额的构成来看,劳动生产率和平均工资增长率是导致劳动收入份额变动的最直接因素。劳动生产率的提高使单位产品所需的劳动力减少,进而引起劳动收入份额的下降,但同时平均工资水平的提高又会使劳动收入份额增加。
数字技术为企业的生产流程、组织结构和业务模式带来了深刻变革,并可能通过五个途径对劳动生产率产生影响。第一,内部管控过程的数字化有助于管理层及时发现和解决问题,减少潜在的管控风险,使企业能够更加智能、敏捷地应对风险,提高内部管控的效率,进而降低相关成本,这有利于专业分工的进一步细化,从而提升生产效率[4]。第二,通过对生产设备的实时状态监控和预测性维护,企业能够优化设备的利用率,减少生产线停机时间,从而提高了劳动生产率水平。第三,通过对供应链的数字化管理,可提高供应链的信息可见性及协同效率,有利于减少库存、缩短交付时间、优化供应链流程,从而提高整体生产效率。第四,数字化提供了更多的数据支持以帮助企业评估新项目或新市场的潜在收益及相关风险,从而更有效地配置资源以提高生产率[5]。第五,数字化的人力资源管理系统使企业能将员工技能与业务需求进行更好的匹配,在提高员工效能的同时也更有效地对劳动力进行重新配置,进而提升劳动生产率。
在其他条件不变的情况下,更高的平均工资水平意味着更大的劳动收入份额[6]。一方面,从需求的角度来看,企业数字化的发展会增加对高技能劳动者的需求。也就是说,拥有高级技术、数据科学、人工智能等专业技能知识的员工可能因为其在数字化转型中的关键角色而获得更高的工资水平。但同时,由于对劳动的替代性,数字技术的应用可能导致对一些低技能工作的需求减少,进而降低该类型劳动力的工资水平。由于具备高技能或高学历水平的劳动者在劳动力市场上具有更强的议价能力,因而可能会使企业整体工资水平呈上升的趋势。另一方面,从产出的角度来看,数字化技术的应用使得很多重复且繁琐的工作可以由机器和算法完成,提高了生产效率,这意味着每一单位的劳动可以创造更多的产品或服务,劳动边际产出的提升进一步推高了平均工资水平。
综上,企业数字化的发展通过提升生产率对劳动收入份额产生负向影响,同时又通过提高平均工资水平对劳动收入份额产生正向影响。根据这两种影响效应机制,提出假说1:
H1企业数字化发展对劳动收入份额变动的影响主要取决于生产率效应和平均工资增长率效应的大小,若平均工资增长率效应大于生产率效应,则数字化发展会提升劳动收入份额,反之则相反。
二 企业数字化发展与企业内部薪酬差距
企业内部薪酬分配格局的优化是规范收入分配秩序的重要内容。已有研究表明,企业数字化的发展能够通过提高生产效率进而提高企业的总收入[7],那么从内部收入分配的角度来看,更能从数字化变革带来的红利中受益的是管理层还是普通员工?
企业数字化发展会引致行业竞争程度加剧。一方面,数字技术的应用使得企业能够更准确迅速地进行数据分析和决策,灵活地调整价格并实施差异化定价以适应市场需求,而产品和服务定价策略的改变反过来又加剧了行业的竞争程度。另一方面,数字技术的应用提高了市场透明度,需求方更容易获取关于产品、价格和服务的信息,从而加强了消费者对比和选择的能力,迫使企业提供更具吸引力的产品和服务,加剧了市场的竞争程度。行业竞争格局的改变会影响劳动力需求及劳动者的议价能力。对普通员工而言,其所处的劳动力市场更趋近于完全竞争;而行业竞争加剧可能引发劳动力需求大于供给,因此劳动者的议价能力会提高,进而提升薪酬水平[8]。但对管理层而言,同普通劳动力市场相比,我国的经理人市场起步较晚,经理人市场功能还不完善,供求机制难以发挥作用[9]。行业内竞争的加剧意味着市场的不确定性增加,高管面临更大的经营风险和责任压力;同时也有利于股东对管理层的努力程度和业绩成果进行监督,从而约束管理层利用职权的薪酬操纵行为。也就是说,企业数字化发展引发的行业竞争加剧在提高普通员工薪酬的同时,也限制了管理层薪酬的无序增长,有助于缩小企业内部薪酬差距。
从企业信息环境改善的角度来看,企业数字化发展削弱了高管的信息垄断优势。首先,数字化系统可以提供实时的业务数据,使得更多的员工能够更及时地了解公司的运营状况,而不必完全依赖高管的信息传递。其次,数字化工具(如在线协作平台)使得不同层级的员工能够更容易地分享信息和参与决策过程,从而消除了传统信息层级结构的弊端,使更多人共同参与决策。最后,数字化系统提供的数据分析和可视化工具让更多的员工能够更快理解和分析业务数据,降低了对高管进行信息解读的依赖。传统上由高管垄断的信息渠道被打破后,信息的更广泛共享可能导致管理层权力削弱,决策权更加分散,员工相对拥有了更大的自主决策权[10],从而提升了普通员工相对于管理层的价值和报酬[7]。
综上,根据企业数字化的发展影响企业内部薪酬差距的两种影响机制,提出假说2:
H2企业数字化的发展会通过加剧行业竞争和改善企业信息环境两种途径缩小企业内部薪酬差距。
三 企业数字化发展与技能溢价
过去几十年欧美等发达国家相继出现了高技能劳动者相对低技能劳动者收入增长更快的工资溢价现象。早期学者使用技能偏向型技术进步理论对这一现象进行解释,认为数字经济的发展带来的技术进步会增加对高技能劳动者的需求,减少对低技能劳动者的需求,因此会加剧基于技能的不平等[11]。这一观点认为数字技术与人力资本具有互补性,高技能劳动者能够从数字技术的使用中实现生产力的提升和更高的工资溢价,但会以牺牲低技能或中等技能劳动者的利益为代价。Dey等研究发现,虽然所有劳动者都可以从数字技术广泛应用中获得生产力提升,但若劳动者所执行的工作任务常规性或重复性程度更高,这种提升作用会较弱;而执行复杂工作任务的劳动者则能从数字技术的应用中获得更高的生产力提升和工资溢价[12]。
Acemoglu和Restrepo基于任务角度扩展了技能偏向型理论模型,认为关键是要明确区分技术的替代和创造效应:数字技术替代了可被自动化的人工服务型任务岗位,但同时创造了新的认知型任务岗位,不同的工作岗位对劳动者的技能要求不同,这就导致了技能分布底端劳动者就业的减少,同时增加了技能分布顶端劳动者的就业[13]。基于工作任务的理论解释了数字化影响技能工资的两个潜在渠道:一方面,数字技术被认为增加了对高技能劳动者所执行的非常规认知任务的需求,工资变化取决于高技能的供应是否与需求同步;另一方面,数字化可能会提升与数字技术互补的具备专业技能劳动者的生产率,推动高技能劳动者的相对工资水平快速上涨,从而导致技能工资不平等加剧。
综上,根据企业数字化发展对劳动力市场技能需求的异质性分析,提出假说3:
H3企业数字化发展通过提升对高技能劳动者的相对需求,进而改变技能相对报酬,影响技能工资的不平等,加剧了技能溢价的程度。
三. 实证研究设计
一 数据来源
本文选取2012—2022年中国A股上市公司作为研究样本,公司数据主要来自CSMAR数据库和Wind数据库。对样本进行了如下处理:(1)剔除金融业、农、林、牧、渔业等报表结构与其他行业有较大差异的行业;(2)为保证数据质量和估计结果的稳健,剔除缺失值严重的样本;(3)剔除亏损巨大、财务状况异常、有退市风险的特别处理(ST)和特别转让(PT)的上市公司样本;(4)剔除上市时间小于3年的企业样本;(5)为降低极端值对参数估计的影响,根据变量的分布情况图,对工资在1%和99%分位进行了Winsor处理。最终获得29 819个样本观测值。
二 模型构建
本研究实证检验的目的是从微观企业的视角考察数字化发展对企业收入分配的影响,构建如下模型进行基准回归检验:
$$ y_{i t}=\alpha_0+\alpha_1 \mathrm{DEI}_{i t}+\beta \operatorname{Control}_{i t}+\delta_i+\eta_t+\gamma_i+\varepsilon_{i t} $$ (Ⅰ) 其中,下标i表示企业,t表示时间;被解释变量yit为企业收入分配指标,根据理论分析,该指标包括劳动收入份额(LSit)、企业内部薪酬差距(GAPit)和技能工资溢价(SPit);核心解释变量DEIit为企业的数字化发展水平;控制变量Controlit表示由一系列企业特征变量构成的向量集;δi、ηt和γi分别表示行业、年份和省级层面地区固定效应;εit表示随机扰动项。
三 变量定义
1 企业收入分配指标
其中,劳动收入份额参照肖土盛等,使用企业当期为职工支付的现金除以营业总收入来衡量[14];企业内部的薪酬差距参照孔东民等,使用高管平均薪酬与普通员工薪酬之差的自然对数值来衡量[15],高管平均薪酬为管理层年薪总和除以管理层人数②,员工平均薪酬为应付职工薪酬总额除以非管理层的员工人数;技能工资溢价参照陈波和贺超群[16],计算公式为:
$$ \mathrm{SP}=\left(\ln (\overline{\text { Wage }})-\ln \left(\text { Wage }^u\right)\right) / \theta $$ (Ⅱ) 其中,ln(Wage)为企业平均工资的对数,ln(Wageu)表示行业内平均工资最低企业的平均工资的对数,θ表示企业高技能劳动力的占比,用企业高中以上学历占普通员工的比重表示。
2 企业的数字化发展水平
参照吴非等[17]、肖土盛等[14]的做法,首先构建数字化发展关键词词库,然后提取公司年报中“管理层讨论与分析(MD&A)”部分,使用文本分析的方法统计与企业数字化相关的关键词在年报中出现的频数,用总频数除以年报MD&A语段长度衡量企业的数字化发展水平。
3 控制变量
企业收入分配受很多因素的影响,基于前文的理论分析并参考已有文献,本文选择的企业层面和地区层面控制变量的具体释义及描述性统计见表 1。
表 1 主要变量的含义与描述性统计变量符号 变量定义 均值 标准差 LS 劳动收入份额 0.126 8 0.090 8 GAP 企业内部薪酬差距 13.012 8 0.727 5 SP 技能工资溢价 0.122 6 0.642 8 DEI 企业的数字化发展水平 0.545 8 0.755 5 Size 企业规模,年末总资产的对数 22.230 5 1.374 4 Age 企业年龄,当年年份与公司成立年份的差值加1 10.360 9 7.855 3 Lev 企业资产负债率,公司总负债除以总资产 0.440 6 0.311 2 Roa 企业资产收益率,公司净利润除以总资产 0.038 2 0.149 7 Soe 企业股权性质,实际控制人为国有性质则赋值为1,否则为0 0.380 1 0.485 4 Export 是否出口,若企业在样本当期存在海外销售收入则赋值为1,否则为0 0.491 7 0.499 9 Pgdp 地区人均GDP,公司注册所在省份的人均GDP 11.162 3 0.494 7 IndStr 地区产业结构,公司注册所在省份第三产业产值占GDP比重 0.529 3 0.109 8 Digital 地区数字经济发展水平,公司注册所在省份的数字普惠金融指数的对数值 5.542 8 0.559 6 四. 实证检验结果
一 基准回归结果
企业数字化发展影响收入分配的基准回归结果见表 2,前三列仅控制了省份、行业和年份虚拟变量,后三列加入了企业和地区层面的特征变量。从结果来看,无论是否加入控制变量,企业数字化发展水平的回归系数均在1%的水平上显著,表明数字化发展显著影响了企业的收入分配。具体来看,数字化对企业劳动收入份额的影响显著为正,即企业数字化发展显著提升了劳动收入份额,具体是生产率效应还是平均工资增长率效应发挥了主要作用,还需进一步的机制检验。数字化对企业内部薪酬差距的影响显著为负,即企业数字化发展缩小了高管薪酬与普通员工薪酬之间的差距,假说2得到验证。数字化对企业技能工资溢价的影响因素显著为正,即企业数字化发展扩大了高低技能间的工资差距,假说3得到验证。
表 2 基准回归结果(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 9*** -0.053 6*** 0.019 3*** 0.008 9*** -0.021 0*** 0.019 2*** (0.000 7) (0.005 8) (0.006 1) (0.000 7) (0.006 2) (0.007 5) Size 0.014 5*** 0.212 1*** 0.192 7*** (0.000 4) (0.004 1) (0.005 0) Age 0.000 2*** -0.000 0 -0.000 0 (0.000 1) (0.000 6) (0.000 7) Lev 0.007 3*** -0.185 6*** 0.002 0 (0.001 7) (0.015 9) (0.019 2) Roa -0.005 3** 0.294 1*** 0.191 2*** (0.002 6) (0.025 6) (0.029 3) Soe 0.014 3*** -0.063 1*** -0.055 6*** (0.000 9) (0.008 9) (0.010 7) Export 0.007 3*** 0.093 4*** 0.012 3 (0.000 8) (0.007 6) (0.009 2) Pgdp -0.007 4 0.238 2** 0.051 0 (0.010 0) (0.093 5) (0.114 3) IndStr -0.035 7 0.445 0* -0.344 4 (0.026 3) (0.245 9) (0.298 8) Digital -0.002 7 0.083 4* 0.207 3*** (0.004 9) (0.046 0) (0.058 5) 常数项 0.073 5*** 12.355 8*** -0.079 3 0.384 2*** 3.813 4*** -0.733 2 (0.006 2) (0.050 5) (0.371 2) (0.116 8) (1.091 0) (1.332 6) 固定效应 Y Y Y Y Y Y N 29 819 29 676 27 988 26 139 26 019 25 651 adj.R2 0.293 0.271 0.027 0.592 0.446 0.029 注:括号内数值为经企业层面聚类调整的稳健标准误;***、**和*分别表示1%、5%和10%的显著性水平;固定效应包括年份固定效应、地区固定效应和行业固定效应,下表同。 二 稳健性检验
参考Barth et al.[18]和贺梅、王燕梅[19]的研究重新对企业的数字化水平进行测算。具体来说,从固定资产明细项中筛选出数字化固定资产,从无形资产投资明细项中筛选出数字化无形资产,然后分别计算数字化固定资产占固定资产的比重以及数字化无形资产占无形资产的比重,求和后做对数化处理。更换核心解释变量测度方法后的回归结果如表 3中前三列所示。结果显示,数字化水平依然对企业的收入分配指标有显著影响,并且对各指标值的作用方向与上文一致,表明回归结果并不依赖于核心解释变量的构造方式,结果稳健。此外,基准回归虽然已经控制了年份、行业和地区层面的固定效应,但为避免模型中的遗漏变量问题,减轻因未观察到的随时间变化的地区和行业层面因素带来的估计偏误,引入“行业—年份”固定效应和“地区—年份”固定效应进行检验,结果见表 3的后三列,核心解释变量系数的显著性和影响方向均未发生变化,说明结果稳健。
表 3 稳健性检验(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 5*** -0.103 3*** 0.012 2*** 0.007 2*** -0.023 6*** 0.010 5** (0.000 8) (0.004 1) (0.004 3) (0.000 4) (0.003 9) (0.004 7) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Industry-Year N N N Y Y Y Province-Year N N N Y Y Y N 26 356 26 233 25 846 24 855 24 758 24 276 adj.R2 0.592 0.445 0.030 0.514 0.458 0.056 三 内生性检验
企业数字化发展对收入分配的影响可能存在双向因果关系。例如,劳动收入份额的提升意味着企业的劳动力成本上升,企业可能会寻求通过数字化技术提高生产效率,以降低对人力资源的依赖。在这种情况下,较高的劳动收入份额反而可能成为企业数字化的驱动因素。此外,也可能遗漏了一些与企业数字化发展相关的不可观测因素。为了解决未观测到的遗漏变量和双向因果关系引发的估计结果偏误,本文使用工具变量法对内生性问题进行检验。参考赵涛等[20]的研究,采用1984年各城市邮电数据和滞后一期的全国互联网上网人数的交叉项,作为企业数字化发展水平的工具变量。此外,本文还使用企业数字化水平的滞后一期作为工具变量。表 4的前三列和后三列分别报告了使用两种工具变量的第二阶段回归结果。检验结果显示,Kleibergen-Paap rk LM统计量均在1% 的水平上显著,Cragg-Donald Wald F统计量大于Stock-Yogo弱工具变量识别F检验在10%显著性水平上的临界值,拒绝弱工具变量的原假设,工具变量选择合理。从结果看,企业数字化水平对收入分配指标影响系数的显著性和影响方向均未发生变化,说明在考虑了内生性问题后,本文的主要结论依然成立。
表 4 工具变量检验结果(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 3*** -0.098 4*** 0.025 8*** 0.008 4*** -0.035 4*** 0.025 8*** (0.000 5) (0.003 2) (0.007 5) (0.000 6) (0.004 0) (0.002 9) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y N 29 819 29 676 27 988 26 248 25 846 24 681 Kleibergen-Paap rk LM 7.452*** 10.138*** 52.452*** 15.475*** 10.138*** 52.452*** Cragg-Donald Wald F 25.354 47.671 121.330 42.454 58.345 186.742 四 异质性分析
参照鲁桐和党印[21]对要素密集度进行分类的标准,本文将样本企业划分为劳动密集型和资本技术密集型两大类。这样划分的依据是,一般认为自动化、数据分析和数字化生产流程等数字技术应用可以使资本设备更加智能高效,从而提高资本效能。同时,数字技术通常要与行业高水平的技术和流程相结合才能实现最佳效果。这意味着数字化发展与资本技术两大要素均具有互补性,并能产生协同效应。但数字化的广泛应用可能使得部分生产作业、数据输入和处理等任务改由机器完成,减少了对劳动力的需求,因而对劳动要素的替代性较强。表 5报告了按照要素密集度分类后,企业数字化水平对收入分配指标的影响结果。对企业进行异质性分类后,核心变量系数的显著性和影响方向大多与基准回归结果一致。就劳动密集型企业而言,数字化对企业劳动收入份额的变动影响不显著。这可能是由于劳动密集型企业多集中于传统的制造业、纺织业、轻工业、食品加工业等,通常需要大量的人手来进行生产、包装、装配等操作,对低技能劳动者的相对需求较大;而数字化发展对劳动的替代性使得对这部分劳动力的需求相对下降,进而导致数字化发展对劳动收入份额的提升作用不明显。
表 5 按照要素密集度分类的异质性分析变量 劳动密集型企业 资本技术密集型企业 (1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.007 1 -0.016 3*** 0.020 8*** 0.009 1*** -0.025 6*** 0.017 5** (0.008 9) (0.003 6) (0.008 0) (0.000 6) (0.006 2) (0.009 8) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Industry-Year Y Y Y Y Y Y Province-Year Y Y Y Y Y Y N 13 307 13 233 13 037 12 832 12 786 12 614 adj.R2 0.583 0.443 0.050 0.607 0.471 0.031 五. 机制分析
一 企业数字化发展对劳动收入份额的影响机制
本文基准回归的结果表明,企业数字化发展有利于劳动收入份额的提高,但这一影响的内在机制还需进一步检验。前文的理论分析表明,企业数字化发展会通过生产率效应和平均工资率效应两种影响机制对劳动收入份额产生作用。参考江艇[22]提出的中介机制分析方法,构建如下中介效应模型对影响劳动收入份额的两种机制进行检验:
$$ M_{i t}=\alpha_0+\alpha_1 \mathrm{DEI}_{i t}+\beta \operatorname{Control}_{i t}+\delta_i+\eta_t+\gamma_i+\varepsilon_{i t} $$ (Ⅲ) 其中,M表示待检验的机制变量,模型中的其余变量均与基准回归模型一致。首先,为检验生产率效应,本文采用Olley-Pakes方法(OP法)估计出企业的全要素生产率(TFP);其次,为检验平均工资率效应,需计算出企业的平均工资水平(Wage)。表 6的(1)和(3)列分别报告了企业数字化发展对全要素生产率和平均工资水平影响的估计结果。结果显示,数字化发展在1%水平上能够显著提升企业生产率和平均工资水平。前文的理论分析表明,企业数字化的发展通过提升生产率对劳动收入份额产生负向影响,同时又通过提高平均工资水平对劳动收入份额产生正向影响。为探析哪种影响机制起到主导作用,本部分进一步计算出全要素生产率的增长率和平均工资水平的增长率,并将这两种增长率代入模型重新进行回归。表 6的(2)和(4)列分别报告了企业数字化水平对两种增长率的估计结果。结果显示,数字化对平均工资增速的影响仍显著为正,但对生产率的增长率影响则显著为负。这说明, 企业数字化发展的平均工资增长率效应超过了生产率效应,综合起来,企业数字化发展对劳动收入份额有正向的提升作用,这就验证了假说1。
表 6 企业数字化水平对劳动收入份额的影响机制检验变量 (1) (2) (3) (4) TFP lnTFP Wage lnWage DEI 0.066 9*** -0.009 3*** 584.540 8*** 0.025 1*** (0.005 3) (0.000 8) (218.940 3) (0.009 3) 控制变量 Y Y Y Y 固定效应 Y Y Y Y N 26 139 26 139 28 471 28 471 adj.R2 0.657 0.645 0.186 0.221 企业数字化发展的平均工资增长率效应为什么比生产率效应大?可能的原因有两个方面:一方面,通过自动化、智能化和数据驱动的生产流程,企业可以实现更高效的生产和运营,从而降低生产成本并提高利润,部分增加的利润可能会被用来提高员工的工资水平、工作积极性和满意度,使员工共享企业的发展成果;另一方面,新的数字技术和工具的使用需要大量具备专业技能和知识的劳动者,企业需要制定具有竞争力的薪酬以吸引和留住优秀的专业人才。
二 企业数字化发展对内部薪酬差距的影响机制
基准回归结果表明,企业数字化发展缩小了内部薪酬差距;理论分析表明,企业数字化会通过加剧行业竞争和改善企业信息环境两种途径影响企业内薪酬差距。本部分依然沿用如式(Ⅲ)所示的中介效应模型对两种影响机制进行检验。本文使用赫芬达尔指数(HHI)来衡量市场的竞争程度。该指标采用企业总资产与行业总资产之比的平方和计算得到,指标值越高说明市场集中度越高,则行业竞争程度越低。同时,采用修正Jones模型计算的上市公司操纵性应计利润占总资产的比例(DA)衡量企业的信息环境。该指标能够反映公司在财务报表中操纵收益的程度。一般来说,如果公司倾向于操纵利润,通常会通过调整应计利润项目来实现,即可能会歪曲公司财务的真实状况,使投资者无法准确评估公司的健康程度和未来表现。因此,操纵性应计利润占总资产的比例越高可能,公司的信息环境越是存在潜在风险,即企业的信息环境较恶劣。表 7报告了企业数字化水平对两种影响机制的估计结果。结果显示,企业数字化对HHI和DA的影响均显著为负,即企业数字化会加剧行业竞争和改善企业信息环境,这就验证了假说2。
表 7 企业数字化水平影响内部薪酬差距的机制检验变量 (1) (2) HHI DA DEI -0.009*** -0.035*** (0.000 7) (0.008 1) 控制变量 Y Y 固定效应 Y Y N 25 428 26 808 adj.R2 0.810 0.119 从行业市场竞争程度看,数字技术的普及降低了进入某些行业的门槛。数字工具的使用和平台经济的发展降低了进入行业所需的成本,使得市场准入变得更加简单便捷;同时, 行业内的信息更加透明化,企业更容易获取市场信息、竞争对手信息和消费者反馈,从而能更好地了解市场情况和行业动态。新进入者更容易进入市场,也导致市场竞争程度加剧。此外,数字技术也改变了消费者的购物习惯和偏好。新时代的消费者更倾向于在线购物,通过数字平台购买产品和服务,这要求企业必须不断调整销售策略和业务模式以适应消费者喜好的变化,从而加剧了行业的市场竞争程度。
从企业信息环境看,数字技术提供了更高效的工具,帮助企业内部员工和外部合作伙伴进行信息共享和沟通交流。企业内部使用的团队协作软件、在线会议工具以及可即时通讯的社交软件等,都能促进信息的畅通流动,进而提高企业信息共享效率。此外,数字技术使得企业的运营过程更加透明和可追溯,即通过企业资源规划系统和供应链管理系统等,能够实现对业务流程和交易过程的实时监控和追溯,提高企业运营的透明度,减少信息不对称和舞弊现象,从而改善企业信息环境。
三 企业数字化发展对技能溢价的影响机制
根据基准回归结果,企业数字化发展扩大了高低技能劳动者间的工资差距,加剧了技能溢价的程度。理论分析结果表明,企业数字化发展会通过影响不同技能劳动者的相对需求来影响技能工资的不平等。一方面,中低技能劳动者从事的工作往往是机械性和重复性的,较容易被自动化和数字技术取代,而且数字技术的发展使得信息化智能化的成本更低、生产效率更高,促使企业更倾向于采用数字技术来替代中低技能劳动者;从而减少对中低技能劳动者的需求。另一方面,相较于中低技能劳动者,高技能劳动者从事的工作往往涉及较为复杂的工作任务,通常需要劳动者具有丰富的专业知识和经验。这种知识和经验需要多年的学习和实践积累,也需要劳动者具有创造性解决问题的能力,这些特质使得高技能劳动者从事的工作难以被数字技术替代。同时,数字技术的自动化和智能化应用不仅提高了生产效率,也改变了工作的性质,需要劳动者具备更高的技能水平来与智能系统进行交互和协作。高技能劳动者具备高水平专业技能知识和创新能力,能够应对新技术复杂性和创新性的需求。从技术和技能互补的角度来看,企业会加大对高技能劳动者的需求。
本文拟从教育水平和工作岗位两个维度考察数字化对不同技能劳动者的需求。首先,按照教育水平将劳动者分为高中低三种技能类型:高技能劳动者的需求(High)由本科及以上学历人员占比表示,中等技能劳动者的需求(Medium)由专科学历人员占比表示,低技能劳动者的需求(Low)由高中及以下学历人员占比表示。表 8的(1)至(3)列报告了企业数字化发展对三种技能劳动者需求的影响。结果表明,数字化显著提升了对高技能劳动者的需求,但降低了对中低技能劳动者的需求,这就验证了假说3,即数字化通过提升高技能劳动者的相对需求加剧了技能溢价的程度。
表 8 企业数字化水平对不同技能劳动者需求的影响机制检验变量 (1) (2) (3) (4) (5) (6) (7) High Medium Low Tech Manu Sale Admin DEI 3.265 2*** -2.474 0*** -2.859 4*** 2.434 2*** -3.708 1*** 0.074 6 -0.984 2*** (0.142 0) (0.195 8) (0.253 5) (0.115 0) (0.184 6) (0.123 1) (0.145 22) 控制变量 Y Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Y N 28 468 28 468 28 468 28 468 26 101 26 101 26 101 adj.R2 0.390 0.231 0.193 0.294 0.461 0.342 0.396 除了按教育水平对技能水平进行划分外,本文还考察了数字化对不同技能岗位需求的影响。不同岗位对技能的需求也会有所不同,一些岗位可能更加依赖数字技术,对相关技能的需求更大。按照工作类型的不同将岗位划分为技术人员(占比用Tech表示)、生产人员(占比用Manu表示)、销售和财务人员(占比用Sale表示)以及行政和综合管理人员(占比用Admin表示)四大类。表 8的(4)至(7)列报告了企业数字化发展对不同岗位劳动者需求的影响。结果显示,除了技术人员,数字化发展或者显著降低了对其他岗位劳动者的需求,或者影响不显著。一般来说,技术人员被认为是高技能劳动者;这是因为技术人员通常具备专业的技能知识,需应用复杂的科学和工程原理来解决问题。总之,从技能岗位需求看,数字化提升了对高技能劳动者的需求。
六. 结论和启示
本文基于2012—2022年沪深A股上市公司的数据,从劳动收入份额、内部薪酬差距和技能溢价的角度,对企业数字化发展的收入分配效应进行了检验,得到三点结论。第一,数字化发展有利于企业劳动收入份额的提高,这主要是由于企业数字化发展的平均工资增长率效应超过了生产率效应。值得注意的是,对劳动密集型企业来说,数字化对企业劳动收入份额变动的影响并不显著。第二,企业数字化通过加剧行业竞争和改善企业信息环境两种途径缩小了企业内部的薪酬差距。第三,企业数字化通过提升高技能劳动者的相对需求加剧了技能溢价的程度。在进行了一系列内生性和稳健性检验后,上述主要结论仍然成立。
基于以上研究发现,本文分别从政府、企业和劳动者三个层面提出政策建议。
在政府层面,一要因企施策,结合最新的数字化发展规划,针对不同类型的企业给予不同的政策扶持,提高企业数字化生产和管理的积极性。一方面,政府可以提供专项资金、贷款、补贴等形式的资金支持,用于企业购买数字化设备、技术咨询服务、人员培训等;另一方面,通过设立技术创新基地或科技园区,提供先进的数字化技术设备、资源、技术支持和咨询服务。同时,政府要鼓励企业间的良性竞争,制定不同规模企业间的相互扶持政策,组织企业开展数字技术培训,以提升企业员工的数字化技能水平,让更多企业享受到数字化带来的红利。二要进一步加大对技能人才培养的投入,为技能劳动力供给提供更多的政策性保障。鼓励高校建设跨学科培养体系,打破学科壁垒,将不同学科的知识和技能进行整合和交叉,为学生提供更加综合和多样化的学习机会。同时,需重视对技能导向型人才的培养,明确技能导向型学生的培养目标和重要性,将其纳入高校人才培养规划和评价体系中。加强高校与企业、政府机构等的合作,为学生提供实践机会,让学生能够在实际项目中应用所学知识和技能,培养实践能力和创新精神。三要针对技术发展引致的失业制定更为完善的保障性政策。企业数字化发展过程中必然会产生新的就业岗位,但数字化对劳动力的替代性也会造成大量的失业。因此,应加强相关的社会保障和福利政策,确保受数字化发展影响的劳动者能够获得基本的生活保障和社会福利,减轻劳动者因失业或收入下降面临的经济压力,提高社会稳定性和公平性。同时,为劳动者提供职业转型和就业服务。通过设立就业中心、提供职业指导和职业咨询服务,帮助因数字化发展而失业或受影响的劳动者寻求新的就业机会、获得职业发展支持。四要加大监管力度,应制定更为严格的针对高管的监督制度,在保障企业健康发展的同时,确保企业员工能够拿到合理的薪资报酬,防止管理层权力过度集中而造成企业内部收入差距扩大。
在企业层面,一要优化员工结构。根据企业的人才需求,可以采取积极的招聘策略,制定有竞争力的薪资待遇以吸引具有相关数字技能和经验的人才。对于不能适应当前企业数字化发展的员工制定淘汰退出机制,激发每一名员工的积极性。管理层要对员工的能力和特长有充分了解,确保高级专业研发人才的核心地位。建立完善的人才数据库,记录员工的技能、经验和发展需求,为企业提供人才储备和管理的参考依据,也可以帮助企业更好地了解员工的潜力并拟定发展方向,有针对性地进行人才培养和管理。二要提供培训和技能发展机会,使员工尽快适应数字化环境。企业应积极制定培训计划和组织教育项目的实施,有针对性地培养员工的数字化技能(如数据分析、人工智能、机器学习等),提升员工的数字化素养和技术能力,使其能够适应数字化工作环境。在制定培训计划前,应对员工的技能进行评估以确定员工的现有技能水平,识别他们在数字技术方面的弱点和需求,并根据员工的技能水平和职业发展目标,制定个性化的培训计划。企业要充分利用在线学习平台和数字化培训资源,为员工提供灵活的学习机会。三要考虑采用灵活的用工模式。根据业务需求和项目特点,企业可以采用雇用临时工、兼职员工或外包服务等方式灵活调整劳动力规模。数字经济的快速发展带来了市场需求和技术变化的不确定性,灵活的用工模式可以使企业更快速地调整人力资源以适应市场的变化,保持竞争力; 有助于提高企业的工作效率和生产力,实现灵活的人力资源配置,更好地满足项目需求,以保证生产线顺畅运作、提高生产效率和交付速度。此外,通过引入临时工、自由职业者或外包团队,企业可以获取更广泛的人才资源并拓展人才的使用范围,为产品或项目提供更多成功的可能。
在劳动者层面,要树立终身学习的理念以适应数字化工作环境不断变化的需求。科技和经济发展日益加快,对劳动者的技能要求不断提高,劳动者可以通过自学或参加线上、线下课程培训更新自身的知识和技能,适应工作环境的变化,保持就业竞争力。同时,终身学习使劳动者能够保持对未来发展的敏锐感知,及时调整职业规划和发展方向以应对未来的挑战。高技能劳动者应密切关注行业的发展趋势和技术变化,及时了解技术的最新动态和未来发展方向。通过参加专业培训、研讨会、在线课程等方式学习最前沿的技术和专业知识,不断深化和扩展自己的专业技能。中低技能劳动者面临着较大的被新技术替代的风险,因此应积极参加职业技能培训和职业认证课程,以提升基本技能和拓展职业发展空间。数字化时代获取知识的渠道不断增多,学习的成本也在不断降低,应加快学习速度,早日实现自身技能层级的跃迁,提高自身价值。此外,随着技能需求结构的变化,中低技能劳动者应从适应性的角度灵活调整自己的职业规划和发展方向,以适应就业市场的变化和需求。
① 我国劳动收入占GDP比重进入21世纪后开始逐步下降并长期维持在45%左右的水平,与大部分发达国家劳动收入占比高于55%相比明显偏低。
② 管理层人数的计算方法为董事人数、监事人数和高管人数之和减去独立董事人数和管理层未领薪酬人数。
-
表 1 主要变量的含义与描述性统计
变量符号 变量定义 均值 标准差 LS 劳动收入份额 0.126 8 0.090 8 GAP 企业内部薪酬差距 13.012 8 0.727 5 SP 技能工资溢价 0.122 6 0.642 8 DEI 企业的数字化发展水平 0.545 8 0.755 5 Size 企业规模,年末总资产的对数 22.230 5 1.374 4 Age 企业年龄,当年年份与公司成立年份的差值加1 10.360 9 7.855 3 Lev 企业资产负债率,公司总负债除以总资产 0.440 6 0.311 2 Roa 企业资产收益率,公司净利润除以总资产 0.038 2 0.149 7 Soe 企业股权性质,实际控制人为国有性质则赋值为1,否则为0 0.380 1 0.485 4 Export 是否出口,若企业在样本当期存在海外销售收入则赋值为1,否则为0 0.491 7 0.499 9 Pgdp 地区人均GDP,公司注册所在省份的人均GDP 11.162 3 0.494 7 IndStr 地区产业结构,公司注册所在省份第三产业产值占GDP比重 0.529 3 0.109 8 Digital 地区数字经济发展水平,公司注册所在省份的数字普惠金融指数的对数值 5.542 8 0.559 6 表 2 基准回归结果
(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 9*** -0.053 6*** 0.019 3*** 0.008 9*** -0.021 0*** 0.019 2*** (0.000 7) (0.005 8) (0.006 1) (0.000 7) (0.006 2) (0.007 5) Size 0.014 5*** 0.212 1*** 0.192 7*** (0.000 4) (0.004 1) (0.005 0) Age 0.000 2*** -0.000 0 -0.000 0 (0.000 1) (0.000 6) (0.000 7) Lev 0.007 3*** -0.185 6*** 0.002 0 (0.001 7) (0.015 9) (0.019 2) Roa -0.005 3** 0.294 1*** 0.191 2*** (0.002 6) (0.025 6) (0.029 3) Soe 0.014 3*** -0.063 1*** -0.055 6*** (0.000 9) (0.008 9) (0.010 7) Export 0.007 3*** 0.093 4*** 0.012 3 (0.000 8) (0.007 6) (0.009 2) Pgdp -0.007 4 0.238 2** 0.051 0 (0.010 0) (0.093 5) (0.114 3) IndStr -0.035 7 0.445 0* -0.344 4 (0.026 3) (0.245 9) (0.298 8) Digital -0.002 7 0.083 4* 0.207 3*** (0.004 9) (0.046 0) (0.058 5) 常数项 0.073 5*** 12.355 8*** -0.079 3 0.384 2*** 3.813 4*** -0.733 2 (0.006 2) (0.050 5) (0.371 2) (0.116 8) (1.091 0) (1.332 6) 固定效应 Y Y Y Y Y Y N 29 819 29 676 27 988 26 139 26 019 25 651 adj.R2 0.293 0.271 0.027 0.592 0.446 0.029 注:括号内数值为经企业层面聚类调整的稳健标准误;***、**和*分别表示1%、5%和10%的显著性水平;固定效应包括年份固定效应、地区固定效应和行业固定效应,下表同。 表 3 稳健性检验
(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 5*** -0.103 3*** 0.012 2*** 0.007 2*** -0.023 6*** 0.010 5** (0.000 8) (0.004 1) (0.004 3) (0.000 4) (0.003 9) (0.004 7) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Industry-Year N N N Y Y Y Province-Year N N N Y Y Y N 26 356 26 233 25 846 24 855 24 758 24 276 adj.R2 0.592 0.445 0.030 0.514 0.458 0.056 表 4 工具变量检验结果
(1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.001 3*** -0.098 4*** 0.025 8*** 0.008 4*** -0.035 4*** 0.025 8*** (0.000 5) (0.003 2) (0.007 5) (0.000 6) (0.004 0) (0.002 9) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y N 29 819 29 676 27 988 26 248 25 846 24 681 Kleibergen-Paap rk LM 7.452*** 10.138*** 52.452*** 15.475*** 10.138*** 52.452*** Cragg-Donald Wald F 25.354 47.671 121.330 42.454 58.345 186.742 表 5 按照要素密集度分类的异质性分析
变量 劳动密集型企业 资本技术密集型企业 (1) (2) (3) (4) (5) (6) LS GAP SP LS GAP SP DEI 0.007 1 -0.016 3*** 0.020 8*** 0.009 1*** -0.025 6*** 0.017 5** (0.008 9) (0.003 6) (0.008 0) (0.000 6) (0.006 2) (0.009 8) 控制变量 Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Industry-Year Y Y Y Y Y Y Province-Year Y Y Y Y Y Y N 13 307 13 233 13 037 12 832 12 786 12 614 adj.R2 0.583 0.443 0.050 0.607 0.471 0.031 表 6 企业数字化水平对劳动收入份额的影响机制检验
变量 (1) (2) (3) (4) TFP lnTFP Wage lnWage DEI 0.066 9*** -0.009 3*** 584.540 8*** 0.025 1*** (0.005 3) (0.000 8) (218.940 3) (0.009 3) 控制变量 Y Y Y Y 固定效应 Y Y Y Y N 26 139 26 139 28 471 28 471 adj.R2 0.657 0.645 0.186 0.221 表 7 企业数字化水平影响内部薪酬差距的机制检验
变量 (1) (2) HHI DA DEI -0.009*** -0.035*** (0.000 7) (0.008 1) 控制变量 Y Y 固定效应 Y Y N 25 428 26 808 adj.R2 0.810 0.119 表 8 企业数字化水平对不同技能劳动者需求的影响机制检验
变量 (1) (2) (3) (4) (5) (6) (7) High Medium Low Tech Manu Sale Admin DEI 3.265 2*** -2.474 0*** -2.859 4*** 2.434 2*** -3.708 1*** 0.074 6 -0.984 2*** (0.142 0) (0.195 8) (0.253 5) (0.115 0) (0.184 6) (0.123 1) (0.145 22) 控制变量 Y Y Y Y Y Y Y 固定效应 Y Y Y Y Y Y Y N 28 468 28 468 28 468 28 468 26 101 26 101 26 101 adj.R2 0.390 0.231 0.193 0.294 0.461 0.342 0.396 -
[1] HEMOUS D, OLSEN M. The rise of the machines: automation, horizontal innovation, and income inequality[J]. American economic journal: macroeconomics, 2022, 14(1): 179-223. doi: 10.1257/mac.20160164
[2] 陈岑, 张彩云, 周云波. 信息技术、常规任务劳动力与工资极化[J]. 世界经济, 2023, 46(1): 95-120. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202301008.htm [3] 陈登科, 陈诗一. 资本劳动相对价格、替代弹性与劳动收入份额[J]. 世界经济, 2018, 41(12): 73-97. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201812005.htm [4] 袁淳, 肖土盛, 耿春晓, 等. 数字化转型与企业分工: 专业化还是纵向一体化[J]. 中国工业经济, 2021(9): 137-155. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202109009.htm [5] ACEMOGLU D, RESTREPO P. Automation and new tasks: how technology displaces and reinstates labor[J]. Journal of economic perspectives, 2019, 33(2): 3-30. doi: 10.1257/jep.33.2.3
[6] 郑浩天, 靳卫东. 数字经济发展与劳动收入份额变动——兼论数字技术进步的"生产率悖论"[J]. 经济评论, 2024(1): 90-104. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL202401006.htm [7] 方明月, 林佳妮, 聂辉华. 数字化转型是否促进了企业内共同富裕?——来自中国A股上市公司的证据[J]. 数量经济技术经济研究, 2022, 39(11): 50-70. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202211003.htm [8] FALEYE O, REIS E, VENKATESWARAN A. The determinants and effects of CEO-employee pay ratios[J]. Journal of banking & finance, 2013, 37(8): 3258-3272.
[9] 陈婧, 方军雄. 高铁开通、经理人市场竞争与高管薪酬激励[J]. 财贸经济, 2020, 41 (12): 132-146. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202012010.htm [10] 刘政, 姚雨秀, 张国胜, 等. 企业数字化、专用知识与组织授权[J]. 中国工业经济, 2020(9): 156-174. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202009010.htm [11] CARD D, DINARDO J E. Skill-biased technological change and rising wage inequality: some problems and puzzles[J]. Journal of labor economics, 2002, 20(4): 733-783.
[12] DEY D, FAN M, PENG G. Computer use and wage returns: the complementary roles of IT-related human capital and nonroutine tasks[J]. ACM Transactions on Management Information Systems (TMIS), 2011, 2(1): 1-21.
[13] 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.
[14] 肖土盛, 孙瑞琦, 袁淳, 等. 企业数字化转型、人力资本结构调整与劳动收入份额[J]. 管理世界, 2022, 38(12): 220-237. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202212015.htm [15] 孔东民, 徐茗丽, 孔高文. 企业内部薪酬差距与创新[J]. 经济研究, 2017, 52(10): 144-157. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201710011.htm [16] 陈波, 贺超群. 出口与工资差距: 基于我国工业企业的理论与实证分析[J]. 管理世界, 2013(8): 6-15. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201308004.htm [17] 吴非, 胡慧芷, 林慧妍, 等. 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[J]. 管理世界, 2021, 37(7): 130-144. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202107013.htm [18] BARTH E, DAVIS J C, FREEMAN R B, et al. Twisting the demand curve: digitalization and the older workforce[J]. Journal of econometrics, 2023, 233(2): 443-467.
[19] 贺梅, 王燕梅. 制造业企业数字化转型如何影响员工工资[J]. 财贸经济, 2023, 44(4): 123-139. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202304010.htm [20] 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. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202010009.htm [21] 鲁桐, 党印. 公司治理与技术创新: 分行业比较[J]. 经济研究, 2014, 49 (6): 115-128. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201406009.htm [22] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5): 100-120. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202205006.htm
计量
- 文章访问数: 76
- HTML全文浏览量: 44
- PDF下载量: 109