EN中文

经济地理 >

2025 , Vol. 45 >Issue 4: 26 - 34

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.04.003

区域经济与理论方法

数字经济对劳动力流动的影响——基于中国流动人口调查数据

  • 陈磊 , 1 ,
  • 余典范 , 2, ※ ,
  • 秦佳虹 3
展开
  • 1.浙江农林大学 生态文明研究院，中国浙江 杭州 311300
  • 2.上海财经大学 商学院，中国上海 200433
  • 3.上海财经大学 财经研究所，中国 上海 200433
※余典范（1979—），男，博士，教授，博士生导师，研究方向为产业经济、数字经济。E-mail：

陈磊（1991—），男，博士，讲师，研究方向为产业经济、数字经济。E-mail：

收稿日期: 2023-11-24

  修回日期: 2024-05-02

  网络出版日期: 2025-06-24

基金资助

国家社会科学基金重大项目(23&ZD042)

中央高校基本科研业务费项目(2023110139)

浙江省教育厅一般项目(Y202351511)

浙江农林大学科研发展基金项目(2023FR013)

收起

Impact of the Digital Economy on Labor Mobility： Based on the Data from the Mobile Population Dynamics Monitoring Survey

  • CHEN Lei , 1 ,
  • YU Dianfan , 2, ※ ,
  • QIN Jiahong 3
Expand
  • 1. Institute of Ecological Civilization， Zhejiang A&F University， Hangzhou 311300， Zhejiang， China
  • 2. College of Business， Shanghai University of Finance and Economics， Shanghai 200433， China
  • 3. Institute of Finance and Economics， Shanghai University of Finance and Economics， Shanghai 200433， China

Received date: 2023-11-24

  Revised date: 2024-05-02

  Online published: 2025-06-24

Fold

摘要

劳动力资源充分流动是畅通国内大循环的重要环节。文章通过2011—2018年中国流动人口动态监测调查数据，采用条件Logit模型，探讨了数字经济对劳动力流动的影响和传导机制。研究发现：①数字经济显著促进了劳动力流动，并且在替换自变量等一系列稳健性检验和内生性处理后结论依然成立。②从城市层面看，数字经济发展主要显著促进了胡焕庸线以西地区和大城市的劳动力流动；在个体层面，数字经济对男性和低技能水平的劳动力流动促进作用更强。③数字经济主要通过降低个体搜寻成本、地区交易成本、增加就业机会和降低地区间壁垒等渠道促进劳动力流动。研究结论为数字经济发展过程中劳动力资源优化配置提供了新的论据，对全国统一大市场建设中的资源优化配置具有重要启发意义。

关键词： 国内大循环; 数字经济; 劳动力流动; 优化配置; 就业机会; 统一大市场

本文引用格式

陈磊 , 余典范 , 秦佳虹 . 数字经济对劳动力流动的影响——基于中国流动人口调查数据[J]. 经济地理, 2025 , 45(4) : 26 -34 . DOI: 10.15957/j.cnki.jjdl.2025.04.003

Abstract

Adequate mobility of labor resources is an important part of smooth domestic circulation. This article explores the impact and transmission mechanism of the digital economy on labor mobility by using conditional Logit model with the data of China Migrants Dynamic Survey in 2011-2018. It's found that: 1) The digital economy significantly promotes labor mobility, and the conclusion still holds after a series of robustness tests and endogeneity treatments such as replacing the independent variables. 2) From the perspective of cities, the development of the digital economy mainly significantly promotes labor mobility in areas located in the west of the Hu Huanyong Line and large cities. From the perspective of individual, the digital economy promotes labor mobility more strongly for males and labor force with low-skill level. 3) The digital economy promotes labor mobility mainly through the channels of reducing individual search costs, regional transaction costs, increasing employment opportunities and reducing inter-regional barriers. The research conclusions provide new arguments for the optimal allocation of labor resources in the process of digital economy development, which is an important inspiration for the optimal allocation of resources in the construction of a unified national market.

Key words： domestic circulation; digital economy; labor mobility; optimal allocation; employment opportunity; unified market

以人工智能、区块链、云计算和大数据（ABCD技术）为代表的新一轮数字技术快速发展，使得我国数字经济规模不断扩大。国家互联网信息办公室发布的《数字中国发展报告（2022年）》显示，2022年我国数字经济规模达50.2万亿元，占GDP比重提升至41.5%，数字经济规模稳居世界第二。数字经济正在成为推动经济发展质量、效率和动力等变革的重要驱动力[1]。劳动力作为经济发展的重要资源，有序、有效流动是发挥价值的重要途径。然而，一方面，我国的户籍管理制度固化了城乡差距，导致城乡分割，限制了国内劳动力的最优流动[1-3]；另一方面，我国部分地区和行业出现劳动力“就业难”和企业“招工难”并存的现象，劳动力市场供求双方不匹配程度还较高[4]。2022年，《中共中央国务院关于加快建设全国统一大市场的意见》明确提出“健全统一规范的人力资源市场体系，促进劳动力、人才跨地区顺畅流动”。得益于数字经济发展，我国劳动力市场日益活跃，劳动力就业成本下降，就业机会增加。根据中国信息通信研究院2018年发布的研究报告，北京、上海和杭州等数字经济发展靠前城市的企业招聘和人才求职行为占全国比重较高。数字经济在改变资源配置、生产和消费方式，以及提高产业结构优化和调整方面至关重要[5]。因此，聚焦劳动力资源配置问题，探讨数字经济发展对劳动力流动的影响具有重要现实意义。
改革开放以来，生产要素优化配置是中国经济取得举世瞩目成就的重要原因之一[6]。劳动力作为最具能动性的生产要素，其优化配置对中国经济增长的贡献不可忽视[7]。劳动力流动会促进经济增长和生产率提升[8]。尤其在我国城镇化过程中，劳动力流动发挥了重要的推动作用[9]。《中国流动人口发展报告2021》显示，截至2021年底，中国流动人口规模已经达到2.44亿。流动人口已经成为区域经济增长的关键动力。2020年，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，其中强调了引导劳动力要素合理畅通有序流动。因此，如何引导、促进和优化劳动力流动，实现资源的最优配置成为问题的关键所在[1]。目前，已有关于影响劳动力流动的研究主要是从房价[10]、空气污染[11]和工业机器人应用[12]等因素考虑。而数字经济的发展，则有可能在以下方面进一步加速劳动力优化流动：①数字技术使得市场信息渠道更加通畅，其通过降低求职和搜寻成本促进了劳动力市场的供需匹配，提高了就业市场效率[13]。②数字经济发展有利于创造就业岗位，互联网平台催生了新业态（如网约车司机、快递员和外卖员等），给劳动者提供了更多就业机会。③数字经济发展促进了企业间竞争[14]，并可打破区域市场边界、突破传统经济壁垒对劳动力等要素流动的限制[15]。基于上述分析，本文利用覆盖面广、代表性强的中国流动人口动态监测调查数据，从微观个体角度探讨数字经济对劳动力流动的影响，分析这一影响背后的传导机制，并从城市层面和个体层面考察其对劳动力流动可能存在的差异化影响。本文将从数字经济发展视角丰富现有对劳动力资源流动的研究，通过构建城市数字经济发展指数，深入讨论其对劳动力流动的影响，为引导劳动力要素合理畅通有序流动提供新思路，拓展数字经济赋能资源优化配置方面的研究；深入分析数字经济通过降低搜寻和交易成本、增加就业机会和降低地区间壁垒影响劳动力流动的机制，进一步厘清数字经济对劳动力资源流动影响的渠道；从地区和个体角度进行异质性分析，为地方政府通过发展数字经济优化劳动力资源流动的政策制定提供实践依据。

1 理论分析与研究假说

改革开放40多年来，劳动力充足供给所带来的人口红利是创造中国经济增长奇迹的重要原因。随着我国老龄化的加重，劳动力人口开始逐步减少，劳动力市场供求关系发生转变，供需不匹配矛盾突出，同时出现“招工难”和“就业难”问题。而劳动力流入将使当地人才储备上升，从而促进了知识流动，扩大当地知识网络[16]。当地企业就可以通过雇佣高质量的劳动力，提高创新绩效，促进城市高质量发展。在这些现象的背后，是劳动力作为经济发展的重要资源，如何有效跨地区流动才能发挥价值的问题。已有文献从城市的工资水平、失业率和房价水平等经济因素[17-19]、公共服务水平等社会因素[20]探讨了吸引劳动力流动的原因。
伴随数字技术的发展，尤其是人工智能、区块链、云计算和大数据等新技术的发展和应用，推动了生产方式转变、优化了产业结构和重构了商业模式[13]，促使劳动力市场发生重大变化。一方面，利用数字技术提升了劳动力的就业技能，促使与其生产过程不断适配，匹配效率不断提高。毛宇飞等研究发现互联网等信息技术的发展有利于个体参与劳动[21]；数字技术还会不断优化要素分配方式，极大地改变了传统劳动力资源流动方式[22]；另一方面，数字经济自身发展过程中会创造众多就业岗位，吸纳大量劳动力就业。同时，数字技术发展使得劳动力市场信息不对称问题得到有效解决，提升了劳动力资源流动效率[23]，劳动力供给和需求都更加灵活。具体而言，数字经济引领了工作方式的根本性变革，显著提升了工作的灵活性。如远程办公、弹性工作时间等新型工作模式日益普及，不仅打破了地理空间的限制，使得劳动力能够在更广泛的区域内寻找与自身条件相匹配的工作机会，而且极大地降低了就业的门槛，为那些因家庭责任、健康状况或个人兴趣等因素难以参与传统全职就业的人员提供了融入社会生产体系的新途径。在一定程度上说，数字经济不仅显著改善了劳动力的生活质量，而且带来就业机会并实现福利改善，满足了个体流动的动机。
随着数字技术的发展，社会呈现出网络化和数字化发展特征，经济发展也从资源型向创新型模式转变，数字经济和实体经济相互融合。且数字经济具有超越地理界限（如胡焕庸线）的优势，它克服了传统地理条件的限制，使落后地区能够缩小发展差距，追赶发达地区的经济增长，从而实现“弯道超车”。数字技术的研发与应用促进了各行业发展，数字化知识和信息可以在制造业中得到有效利用，而平台经济和共享经济等新经济形态可以帮助服务业协调和分配资源。不同行业中数字经济的渗透程度不同，从而对劳动力流动会产生差异化影响。同时，数字经济时代产品品种更加多样化、搜索成本更低，也就满足了越来越多的小众和个性化需求，激发更强的“长尾效应”[24]。由此，劳动力个体特征，如性别和教育背景等就可能表现出异质性。基于上述分析，本文提出假说1。
H1：数字经济能够促进劳动力流动，且在不同城市和个体层面存在差异性。
长期以来，信息不对称和地区间壁垒等是导致地区间劳动力资源流动效率不高的重要因素，而数字经济的发展能够有效降低市场的扭曲。首先，数字技术使市场信息渠道更加通畅，降低了个体搜寻成本，促进了劳动力市场的供需匹配，提高了就业市场效率[13]。一方面，劳动力个体通过信息平台可以了解岗位所需技能和报酬等信息，节省了求职成本。同时互联网等数字技术还可以降低劳动力学习成本，加速劳动力掌握新技能和积累新知识，提升劳动力就业技能水平，促进劳动力在空间和行业上的优化配置。另一方面，企业利用数字技术便于对资源与市场信息的收集，降低了地区间交易成本，提升了企业市场感知能力，如通过平台发布所需员工类型和技能要求，招聘费用显著下降。同时企业信息沟通和传递的经济成本和时间成本也逐步降低，企业经营决策效率更高，经营管理成本进一步下降[25]，有利于扩大企业规模，增加企业的劳动力需求。其次，数字经济发展的就业创造效应创造了大量就业岗位，为劳动力流动提供了更多“蓄水池”。数字产业化和产业数字化的快速发展成为新增就业岗位的主要来源，不仅促进了新业态成长，还促成大众创业、万众创新态势[23]。虽然新技术的发展会导致“机器替人”，但是这种技术进步会使得企业生产规模扩大，进而增加与技术进步相匹配的劳动力岗位，吸纳劳动力就业。同时数字技术打破了原有的时间和空间障碍，给劳动者更多的就业选择，从而提高了市场资源流动效率[26]，实现了劳动力优化配置。最后，与工业时代简单封闭的经济模式相比，数字经济发展模糊了产业间的界限，形成了协作、开放和多边的经济模式。同时数字经济还能通过促进企业间竞争[14]、打破区域市场边界，突破传统经济壁垒对劳动力等要素流动的限制[15]。基于上述分析，本文提出假说2。
H2：数字经济主要通过降低成本、增加就业机会和降低地区间壁垒促进了劳动力流动。

2 模型构建、数据与变量说明

2.1 模型构建

劳动力流动是通过劳动力区位选择实现的。理论上，劳动力可以选择任意的城市作为工作地进行流动。因此，为了检验数字经济发展对劳动流动的影响，本文使用条件Logit模型进行估计。假定劳动力选择流动到某个城市所带来的随机效用为：
U i c = α D E i c + β X i c + ε i c
式中：i表示劳动力个体（i=1，2，…，n）；c表示劳动力的城市选择（c=1，2，…，m）； U i c体现了i劳动力选择城市c所获得的随机效用； D E i c表示劳动力i所选城市c的数字经济发展程度； X i c为城市c能够影响i做选择的城市特征变量，为了缓解遗漏变量的影响，实证检验时本文还增加了省份固定效应[1]； ε i c表示一些随机因素。而劳动力可以在m个城市中选择能使其效用最大化的城市。为了更加直观地反映劳动力流动的特征，可以通过以下方程表达：
c h o i c e i c = 1 , i f   U i c> U i k , ∀ c ≠ k 0 , i f   U i c< U i k , ∀ c ≠ k
式中：choice是选择变量；k表示未选择的城市k（k=1，2，…，m）；当i劳动力选择城市c时所获得的效用最大时，choice=1，否则为0。结合式（1），劳动力个体i选择c城市的概率可写成：
P r o b c h o i c e = 1 = e x p α D E i c + β X i c ∑ c = 1 m e x p α D E i c + β X i c
当估计出来的参数为正时，则表示该城市被选择的概率也越大，劳动力相应发生了流动。

2.1.1 被解释变量

choice是被解释变量，即劳动力是否选择来该城市。利用2011—2018年《中国流动人口动态监测调查数据》（CMDS），当流动人口（15~64岁）在上一年迁入该城市，则被识别成劳动力流动到城市，此时choice值为1，否则为0。

2.1.2 核心解释变量

目前，城市层面的数字经济统计稍显不足，因此相关研究主要围绕不同体系对城市数字经济进行指数构建。如互联网发展程度[27]；互联网发展和数字金融普惠两方面[28]；互联网发展、数字创新和平台综合[29]。本文首先主要借鉴柏培文等的方法[14]，从数字用户、数字企业、数字平台和数字产出4个维度对城市层面数字经济发展进行度量 ① ；然后使用熵值法对指标进行降维处理，得到核心解释变量城市数字化DE。

2.1.3 控制变量

为了避免遗漏重要变量对估计结果造成的影响，本文分别从多个角度尽可能对重要影响因素进行控制 ② 。一般而言，影响劳动力流动的因素有（表1）：城市经济发展水平，本文用人均国内生产总值（pgdp）、第二产业占GDP的比重（sr）、第三产业占GDP的比重（tr）、固定资产占比（fr）和平均工资（wage）来体现；社会因素，如城市宜居性和公共服务水平，本文使用城市绿地面积（green）、中小学校数（school）和医院卫生院数（hospital）来控制；城市其他特征，刘学华等研究发现城市人口规模大的城市更能吸引劳动力[30]，而失业率和房价水平等是影响劳动力流动的重要方面，因此本文利用城市人口密度（people）、房价（hp）以及就业人数（employment）来控制这些因素的干扰。
表1 主要变量及说明

Tab.1 Description of main variables

变量性质 变量名称（单位） 变量符号 变量含义
被解释变量 劳动力流动 choice 劳动力选择城市时值为1；否则为0
核心解释变量 数字经济发展 DE 城市数字经济发展程度
控制变量 人均GDP（元/人） pgdp 城市经济发展水平
第二产业占GDP的比例（%） sr
第三产业占GDP的比例（%） tr
固定资产占比（%） fr
平均工资（元） wage
城市绿地面积（hm2） green 城市公共服务水平
中小学校数（个） school
医院卫生院数（个） hospital
人口密度（百人/km2） people 城市人口
房价（元/m2） hp 城市房价
就业人数（人） employment 城市就业人数

2.2 数据来源与变量说明

劳动力流动数据来源于国家卫生健康委《中国流动人口动态监测调查数据》（CMDS）。针对研究的问题，本文从2011—2018年调查数据中筛选出流入到相应城市的15~64岁劳动力个体，共241671个观测值，表2反映了劳动力个体的描述性统计。其中，gender为性别变量，性别值为1表示男性，0表示女性；edu表示受教育程度，并参考夏怡然等[31]方法将其转化为受教育年限；flow表示流动范围，跨省流动值为1，省内流动值为0。
表2 个体描述性统计

Tab.2 Individual descriptive statistics

变量 观测数量 平均值 标准差 最小值 最大值
gender 241671 0.527 0.499 0 1
nationality 241671 0.920 0.271 0 1
edu 241671 11.18 2.900 0 19
account 241671 0.824 0.381 0 1
flow 241648 0.486 0.500 0 1
marriage 241671 0.665 0.472 0 1
age 241671 31.61 9.484 15 64
城市数字化测度和控制变量的数据来源主要包括《中国城市统计年鉴》《全国工商企业注册信息》和各城市统计局等。本文使用的城市变量及其描述性统计结果见表3。从中发现：城市数字经济的最小值为0.001，最大值为0.165，平均值为0.031，说明我国城市数字经济发展不均衡，城市间差异较大。
表3 城市变量描述性统计

Tab.3 Descriptive statistics for urban variables

变量 观测数量 平均值 标准差 最小值 最大值
DE 2549 0.031 0.031 0.001 0.165
pgdp 2259 47959 32929 5304 468000
wage 2531 50299 17459 4958 320626
sr 2263 48.532 10.549 14.950 89.750
tr 2262 38.992 9.727 9.760 80.980
people 2546 4.614 7.099 0.050 216.752
employment 2543 47.113 71.931 0.046 772
fr 2549 0.803 0.297 0.087 2.197
green 2500 7336 15274 24 147048
hospital 2540 197.348 193.894 5.000 3052.000
school 2545 864.154 689.550 29.000 6817.000
hp 2520 5228 3500 1385 54132

3 实证结果与分析

3.1 基准结果分析

表4为数字经济发展对劳动力流动影响的基准结果。因采用了条件Logit模型，其结果不能直接当作边际效应。为了使结果解释更加直观，本文计算了表格中数字经济（DE）的边际效应（dy/dx）。其中，列（1）是添加城市经济发展水平等控制变量的结果，可以发现数字经济对劳动力流动具有显著促进作用；列（2）是加入所有控制变量后的结果，数字经济仍然显著促进了劳动力流动。平均而言，由计算得到的边际效应值（dy/dx）可知，城市数字化每增加1单位，劳动力流入该城市的概率将显著上升0.02个百分点。上述结果揭示了在有效排除其他潜在变量的干扰后，数字经济的发展水平与其对劳动力流动之间存在着显著的正相关关系。具体而言，随着数字经济的不断壮大与优化，其对劳动力空间配置与迁移模式的积极影响愈发凸显，这一发现与马述忠等[1]的研究结论高度契合，从而验证了假说1成立。该结论不仅进一步强化了数字经济在重塑劳动力市场动态方面的重要作用，也为理解现代经济体系中技术进步与社会结构变迁之间的内在联系提供了新的实证依据。
表4 数字经济对劳动力流动影响的基准结果

Tab.4 Results of the impact of the digital economy on labor mobility

（1） （2）
劳动力流动 劳动力流动
DE 3.096***（28.147） 1.398***（11.859）
Controls YES YES
ProvinceFE YES YES
N 50580069 48339344
pseudo R2 0.112 0.123

注：1. 括号里的数值为估计系数的异方差稳健t值。2. ***、**、*分别代表1%、5%和10%的显著性水平。3. 限于篇幅，控制变量回归结果留存备索。表5~表7同。

3.2 稳健性检验 ①

3.2.1 替换自变量

本文从数字用户、数字企业、数字平台和数字产出4个维度对城市层面数字经济发展进行度量。在基准回归中使用熵值法对构建的城市数字经济发展指标进行降维处理，得到城市数字化水平。进一步，为了验证构建指标的合理性，本文还使用了变异系数法对指标进行处理并重新进行回归。回归结果看出，核心解释变量数字经济发展的系数显著正相关，意味着替换自变量并未对本文的结论产生影响，回归结果仍然稳健。

3.2.2 删除特定样本

考虑到本文核心解释变量是地级市层面，而北京、天津、上海和重庆等直辖市以及省会城市、副省级城市数字经济发展较快，对劳动力的吸引往往也较高，反向因果问题可能较严重，因此参考罗煜等[32]的研究，进一步删除在研究期内数字经济发展较好的城市样本，并重新进行基准回归。在删除数字经济发展较好的样本后，数字经济发展仍然对劳动力流动产生显著正向影响，回归结论依然稳健。

3.2.3 流动劳动力年龄范围扩大

本文的样本主要从调查数据中筛选出15~64岁劳动力个体。但是随着我国老龄化的加重，“延迟退休”在现实中成为典型现象。因此，本文将调查数据中流动劳动力年龄范围扩大至70岁，并重新对基准模型进行回归。在流动劳动力年龄范围扩大后，数字经济发展系数依然显著为正，与基准回归结论一致。

3.2.4 变量缩尾处理

本文对所有的连续变量进行双边1%缩尾处理，以缓解极端值对估计结果造成的影响。即使进行双边1%缩尾处理以后，数字经济发展对劳动力流动效应系数仍然显著为正，本文结论依然稳健。

3.3 内生性处理 ②

本文的内生性问题可能主要来源于遗漏变量和反向因果。虽然条件Logit 模型能够控制固定效应，一定程度上避免了遗漏变量问题。但是影响劳动力流动的因素较为复杂，模型不能控制全部，就还可能存在遗漏变量问题。另外，数字经济发展会促进劳动力流动，反过来，劳动力流动也会导致数字经济发展加快。因此，二者之间可能存在反向因果的关系。针对以上两方面的内生性问题，参考柏培文等[14]、张勋等[33]、黄群慧等[27]的做法，分别使用城市与杭州的球面距离（distance）和1984 年城市层面每百人固定电话数量（telephone）构建工具变量。首先，一般认为杭州市的数字经济比较发达，与杭州距离越近，就越有利于建设信息传输等数字经济基础设施，从而能够支持当地数字经济发展，满足了工具变量的相关性。并且与杭州的距离不会直接影响到劳动力流动，满足了排他性。其次，数字技术的发展首先从固定电话普及开始，因为互联网接入基本上是从电话线拨号接入的[28]，而历史上固定电话普及率较高的地区可能也是数字经济较发达地区 ① 。同时，历史普及率难以影响劳动力流动，因此1984 年城市层面每百人固定电话数量符合工具变量的要求。但是，无论是到杭州的球面距离还是城市层面每百人固定电话数量，都是截面数据。因此，本文参考Angrist等[34]的做法，将截面工具变量乘以年度虚拟变量放入模型进行回归，用来克服工具变量的数据维度限制问题。基于回归模型和工具变量，本文分两阶段进行回归分析。结果显示数字经济对劳动力流动的影响效果依旧显著为正，使用工具变量后估计结果的差异不大 ② 。

3.4 异质性分析

3.4.1 城市层面

本文基于城市所在地理位置，将样本区分成胡焕庸线以东地区和以西地区2个子样本。表5列（1）（2）报告了区分城市所在地理位置的回归结果，可以发现：胡焕庸线以东和以西地区数字经济发展系数均显著为正，表明数字经济发展能够显著促进2个地区的劳动力流动。但是从边际效应来看，数字经济发展对胡焕庸线以西地区的劳动力流入促进作用更强。可能的原因是：一方面，以西地区的经济欠发达，交通运输等基础设施不完善，数字经济发展在吸引劳动力流动上的边际效应空间更大；另一方面，数字技术可以降低地区间壁垒，进一步优化了区域间的资源流动机制[26]，在数字经济加持下，发达地区对不发达地区的劳动力“虹吸效应”降低，缩小了地区间“数字鸿沟”。同时，伴随数字经济发展，区域间产业单向梯度转移模式发生改变，产业在地区间转移的趋势减缓；而落后地区可以通过当地资源和成本优势，加快产业智能化改造，与此相伴，劳动力也会进一步向西部地区流动，从而优化劳动力资源的流动，缓解“人才东南飞”现象。
表5 城市层面异质性回归结果

Tab.5 Heterogeneity regression results from the perspectives of cities

（1） （2） （3） （4）
胡焕庸线
以东地区		 胡焕庸线
以西地区		 大城市 小城市
DE 0.048*** 0.185*** 0.051*** -0.063
（11.571） （6.849） （12.593） （-0.502）
Controls YES YES YES YES
ProvinceFE YES YES YES YES
N 39250997 480640 45084309 56135
pseudo R2 0.128 0.183 0.124 0.253
根据2014年国务院印发的《关于调整城市规模划分标准的通知》，本文在明确城市规模等级的基础上，进一步按城市规模将样本区分成大城市和小城市检验数字经济对劳动力流动的影响，由此检验不同规模等级城市在吸引劳动力流动影响方面存在差异性。表5列（3）和列（4）报告了区分城市规模的结果。数字经济发展对小城市吸引劳动力流动不存在显著影响，仅存在经济学意义上的负向关系，但其会显著促进大城市的劳动力流动。相对而言，大城市人均产值较高，较强的实体经济为数字经济发展提供了应用场景。而且，数字经济具有较强的规模效应，创造了更多工作岗位[35]，由此会吸引更多的劳动力来大城市就业。而小城市经济体量较小，面临着地方保护主义和营商环境较差等不合理现象，因此现阶段数字经济还不能很好地促进其劳动力的流入。

3.4.2 个体层面

数字经济可以创造人人平等的就业机会，但可能对不同性别存在差异化影响。表6列（1）（2）报告了数字经济对男性和女性劳动力流动的影响。从估计结果来看，数字经济每增加1单位，男性劳动力的流动概率要高于女性劳动力。这意味着，男性劳动力对于数字经济发展的敏感性更大。其原因可能在于：一是男女就业机会不平等，劳动力市场上就业性别歧视仍然存在，部分岗位存在性别隔离和雇用歧视，且这些并没有随着数字经济的发展而减弱，反而女性因性别被用人单位拒绝的案例层出不穷；二是我国“男主外、女主内”的传统观念也使女性往往以家庭为重，男性往往以事业为重，承担家庭生活开支，因此就业就显得尤为重要。
表6 个体层面异质性回归结果

Tab.6 Heterogeneity regression results from the perspectives of individual

（1） （2） （3） （4）
男性 女性 低技能 高技能
DE 0.053*** 0.042*** 0.056*** 0.017**
（9.598） （7.318） （12.027） （2.118）
Controls YES YES YES YES
ProvinceFE YES YES YES YES
N 25375373 22963971 35167749 13171595
pseudo R2 0.121 0.127 0.119 0.138
不同技能水平的流动人口对于数字经济发展的敏感性存在不一致。本文将流动人口根据其受教育水平分成两组：低技能劳动力（高中及以下），高技能劳动力（大专及以上）。估计结果见表6列（3）和列（4）。总体上，数字经济对于高、低技能劳动力的影响均显著存在，数字经济能同时促进高、低技能劳动力流动，意味着数字经济能促进城市劳动力流动的包容性增长。同时，数字经济对低技能劳动力流动的影响程度要大于高技能劳动力。一方面，数字经济影响下低技能劳动力依靠网络平台更容易在社会服务业中寻找到工作；另一方面，数字经济，尤其是互联网平台的作用，创造了如快递员、网约车等灵活就业方式，而这些工作对从业者的技能水平要求不高，吸引了一部分低技能劳动力。因此，在城市发展过程中，应当重视低技能劳动力流入问题，其为城市发展与创新提供了资源支持和应用场景。

4 机制检验

4.1 降低成本机制

根据本文对数字经济影响劳动力流动的理论机制分析，城市数字经济的发展能通过降低个体搜寻成本和地区交易成本促进劳动力流动。首先，劳动力个体的搜寻成本利用劳动力个体找到工作的时间表征，若该数值高于样本中位数，则虚拟变量time取值为1，意味着成本较高，否则为0，本文将交乘项DE·time加入模型进行检验。其次，地区市场化水平越低，契约环境也会越差，市场主体之间发生“敲竹杠”或违约的概率较高。因此，当流动人口处于市场化水平较低的地区时，可能面临着较高的交易成本。基于此，本文利用市场化水平来反映交易成本，通过劳动力个体所处省份的市场化指数度量地区市场化水平，并根据该市场化指数与其中位数的大小将样本区分。若该数值小于样本中位数，则虚拟变量mar取值为 1，意味着成本较高，否则为0。
降低成本机制检验结果见表7。其中列（1）是劳动力个体搜寻成本机制，发现DE·time的系数在1%水平上显著为正，表明劳动力个体搜寻成本越高，数字经济发展促进劳动力流动的作用效果就越明显，与本文预期一致。列（2）报告了地区间交易成本的结果，发现DE·mar的交互系数为正，说明地区间交易成本越高，数字经济的效应越显著。这意味着数字化更能够突破交易成本对于劳动力流动的限制，加速了劳动力资源的优化流动。可能的原因是：一方面，数字技术应用使得劳动力获取外部信息能力提升，能更好评估当地企业的需求能力，从而可以更加高效进入劳动力市场；另一方面，数字技术降低了求职者的沟通和决策成本，如可以利用网络会议代替线下面对面沟通，既节省了流动的成本，还提升了劳动力决策效率。以上结论也为降低成本需要发挥技术和制度协同效应提供了论证，对政府政策制定和实施具有重要意义。
表7 机制检验结果

Tab.7 Results of mechanism test

（1） （2） （3） （4） （5） （6）
个体搜寻成本 地区间交易成本 就业 非就业 跨省流动 省内流动
DE 4.340***（12.838） 2.082***（14.474） 0.058***（13.260） 0.016（0.736） 0.098***（16.986） 0.004（0.533）
DE·time 2.364***（7.921）
DE·mar 1.408***（8.268）
Controls YES YES YES YES YES YES
ProvinceFE YES YES YES YES YES YES
N 7287422 48339344 40785117 2579809 23061908 15969598
pseudo R2 0.121 0.123 0.126 0.135 0.199 0.175

4.2 增加就业机会机制

数字经济通过创造大量就业机会来促进劳动力流动。本文将样本区分成就业和非就业两组，来检验数字经济是否通过增加就业机会从而促进了劳动力流动。表7给出了增加就业机会机制的回归结果，其中列（3）为就业组结果，结果发现数字经济对就业组的劳动力影响显著为正；列（4）为非就业组结果，结果显示数字经济发展对非就业的劳动力的作用不显著。综上可知，数字经济促进劳动力向特定城市流动主要是提供了就业机会，这与马述忠等[1]的研究结论一致。首先，数字技术创新促使企业组织网络化和扁平化，用工模式更加多元化和弹性化。市场主体的雇佣模式发生改变，就业岗位更加灵活多样。其次，数字经济发展改变了传统就业观念，工作模式发生变化，新就业形态如零工经济不断出现。最后，数字经济与实体经济协同发展，创造新的就业岗位与需求，提升了就业规模。

4.3 降低地区间壁垒机制

数字经济发展促进企业间竞争[14]，突破传统经济壁垒对劳动力等要素流动的限制[15]。利用数字技术能够降低信息不对称程度，使得劳动力对异地的工资收入等信息了解更完备，提高了劳动力资源流动市场化能力[23]。总体来说，数字经济发展可以降低就业市场壁垒，促进劳动力在更大范围市场流动。新经济地理学认为，信息技术的进步能够改变经济活动的空间分布和互动模式，从而促进市场的整合和地区间的经济联系。数字经济正是通过这一途径，降低了地区间的经济壁垒，促进了劳动力的广泛流动。劳动力的流动范围，特别是跨省流动与省内流动的比较，能够反映出地区间壁垒的存在及其影响。在存在较高地区间壁垒的情况下，劳动力往往受限于特定的地理区域，难以跨越省界进行流动。这些壁垒可能源于制度差异、市场分割、信息不对称等多种因素。然而，随着数字经济的发展，这些壁垒逐渐被削弱或打破，劳动力得以在更广泛的地理范围内寻找就业机会。本文根据劳动力的流动范围，将其分为跨省流动和省内流动两组，以检验数字经济对劳动力个体流动范围的具体影响。这一分类旨在揭示数字经济在促进劳动力流动方面，如何跨越传统的地理界限，进而对地区间壁垒产生实质性影响。
从表7降低地区间壁垒机制的检验结果中发现：数字经济对劳动力跨省流动的影响程度要大于省内流动，意味着数字经济发展能够突破地区间壁垒对于劳动力流动的阻碍，有利于劳动力充分流动。其可能的原因是：一方面，通过数字技术可以打破传统市场的空间约束和减少信息摩擦，从而促进市场整合；另一方面，平台经济等新形态的出现提高了市场可达性和匹配效率，数字经济还具有跨界融合的特性，进而倒逼地区间市场的开放，打破地区间壁垒。这一结果也意味着数字经济能够降低地区间壁垒，突破市场分割，释放了劳动力市场需求，最终实现了地区间劳动力流动。同时，说明促进数字经济发展是促进国内劳动力要素流动、建设统一大市场的可行路径。至此，假说2得到验证。

5 结论与政策启示

本文利用2011—2018年中国流动人口动态监测调查数据，重点探讨了数字经济对劳动力流动的影响，并从城市层面和个体层面考察对劳动力流动可能存在的异质性影响以及分析了数字经济影响劳动力的可能路径。得出主要结论如下：①数字经济显著促进了劳动力流动，并且这一结果在一系列稳健性检验和内生性处理后依然可靠。②从城市层面看，数字经济发展主要显著促进了胡焕庸线以西地区和大城市的劳动力流动；从个体层面看，数字经济对男性和低技能水平的劳动力流动促进作用更强。③数字经济主要通过降低个体搜寻成本、地区交易成本、增加就业机会和降低地区间壁垒等渠道来促进劳动力流动。
根据上述结论，本文得出以下政策启示：
①本文的研究结论揭示了数字经济对劳动力流动的重要作用。因此，应当顺应数字时代的发展趋势，持续加大我国新型数字基础设施的建设。要在鼓励和支持数字建设投入的同时，充分发挥其对劳动力市场的促进效应。首先，继续普惠式地加强各地区数字经济投资，通过加快人工智能、区块链、云计算和大数据等数字技术的发展，增加地区间的互联互通，促进实体经济与数字技术的深度融合，协调发展，从而为促进劳动力在地区间自由流动提供更多平台与场景的支持，真正推动全国统一大市场的建设。其次，鼓励传统产业向数字化转型，支持企业早日实现“上云用数赋智”，企业作为劳动力的需求方，对维持劳动力市场稳定具有关键作用。目前，我国企业数字化率远低于领先国家，通过数字化转型可以帮助企业提升生产率，降低劳动力成本等运营成本，从而提供了更多就业岗位，加速劳动力流动。最后，数字经济能够对各种传统因素进行优化组合，在时间和空间上优化就业存量。如通过“共享员工”“临时转岗”等方式，将现有就业存量在各个领域快速分配，从而培育新的灵活就业形式，实现劳动力流动。
②在中国各地区数字经济发展存在较大差异的背景下，在推进过程中需要根据不同区域的特点，制定差异化的政策。一方面，要持续加大中西部和小城市的数字基础设施建设，注重与其他地区的数字技术联系，充分利用数字技术发展所带来的溢出红利。另一方面，东部领先地区需要提前谋划，抓住数字经济发展机遇，深化市场导向的体制机制改革，建立与新经济体系相匹配的产业布局，完善人才等要素的激励机制，在数智化时代成为发展先锋，为一体化发展“保驾护航”。同时，数字经济还能够促进高低技能劳动力流动，实现包容性增长，因而需要政府重视低技能劳动力技能水平的提升，增加低技能劳动力培训等的政策供给。此外，还要利用国内大市场吸引国外顶尖人才、注重培养数字化人才，促进劳动力高质量就业。
③数字经济发展能够降低成本、增加就业机会和降低地区间壁垒，促进劳动力流动和就业。一方面，要发挥数字技术优势。利用“互联网+金融”优化社会信用水平，缓解信息不对称及道德风险等问题，降低劳动力在就业市场中的搜寻成本，使求职者和企业匹配效率提升，更好提高劳动力资源流动效率。另一方面，要大力建设数字经济就业平台。鼓励发展各类平台企业，通过平台化和灵活化的新就业形态来拓宽就业渠道，激发就业活力。此外，还要进一步拓展数字经济的广度和深度，确保数字经济成为我国劳动力市场高质量发展的助推器，促使劳动力资源要素与区域产业融合发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
马述忠, 胡增玺. 数字金融是否影响劳动力流动?——基于中国流动人口的微观视角[J]. 经济学(季刊), 2022, 22(1):303-322.

[2]
梁琦, 陈强远, 王如玉. 户籍改革、劳动力流动与城市层级体系优化[J]. 中国社会科学, 2013(12):36-59.

[3]
都阳, 蔡昉, 屈小博, 等. 延续中国奇迹:从户籍制度改革中收获红利[J]. 经济研究, 2014, 49(8):4-13.

[4]
周先波, 刘建广, 郑馨. 信息不完全、搜寻成本和均衡工资——对广东省外来农民工劳动力市场信息不完全程度的测度[J]. 经济学(季刊), 2016, 15(1):149-172.

[5]
田鸽, 张勋. 数字经济、非农就业与社会分工[J]. 管理世界, 2022, 38(5):72-84.

[6]
盖庆恩, 朱喜, 程名望, 等. 要素市场扭曲、垄断势力与全要素生产率[J]. 经济研究, 2015, 50(5):61-75.

[7]
程名望, 盖庆恩, Jin Y H, 等. 人力资本积累与农户收入增长[J]. 经济研究, 2016, 51(1):168-181.

[8]
蔡晳, 王德文. 中国经济增长可持续性与劳动贡献[J]. 经济研究, 1999(10):62-68.

[9]
陆林, 周裕祺, 李冬花. 乡村旅游地回流劳动力的就业选择及其影响因素[J]. 经济地理, 2023, 43(10):222-230.

DOI

[10]
张莉, 何晶, 马润泓. 房价如何影响劳动力流动?[J]. 经济研究, 2017, 52(8):155-170.

[11]
罗勇根, 杨金玉, 陈世强. 空气污染、人力资本流动与创新活力——基于个体专利发明的经验证据[J]. 中国工业经济, 2019(10):99-117.

[12]
陈媛媛, 张竞, 周亚虹. 工业机器人与劳动力的空间配置[J]. 经济研究, 2022, 57(1):172-188.

[13]
胡放之. 数字经济、新就业形态与劳动力市场变革[J]. 学习与实践, 2021(10):71-77.

[14]
柏培文, 喻理. 数字经济发展与企业价格加成:理论机制与经验事实[J]. 中国工业经济, 2021(11):59-77.

[15]
Biswas T, Kennedy P L. Cross-border trade in the era of the internet[J]. Journal of International Agricultural Trade and Development, 2014, 10(2):149-165.

[16]
Almeida P, Kogut B. Localization of knowledge and the mobility of engineers in regional networks[J]. Management Science, 1999, 45(7):905-917.

[17]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499.

[18]
Puga D. The rise and fall of regional inequalities[J]. European Economic Review, 1999, 43(2):303-334.

[19]
Ganong P, Shoag D. Why has regional income convergence in the US declined?[J]. Journal of Urban Economics, 2017, 102:76-90.

[20]
夏怡然, 陆铭. 城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究[J]. 管理世界, 2015(10):78-90.

[21]
毛宇飞, 曾湘泉. 互联网使用是否促进了女性就业——基于CGSS数据的经验分析[J]. 经济学动态, 2017(6):21-31.

[22]
王小波, 孔莉霞. 城市数字经济发展对制造业集聚水平的影响[J]. 经济地理, 2023, 43(9):131-138.

DOI

[23]
周祎庆, 杨丹, 王琳. 数字经济对我国劳动力资源配置的影响——基于机理与实证分析[J]. 经济问题探索, 2022(4):154-163.

[24]
陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望[J]. 管理世界, 2022, 38(2):208-224.

[25]
李海舰, 田跃新, 李文杰. 互联网思维与传统企业再造[J]. 中国工业经济, 2014(10):135-146.

[26]
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.

[27]
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.

[28]
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.

[29]
柏培文, 张云. 数字经济、人口红利下降与中低技能劳动者权益[J]. 经济研究, 2021, 56(5):91-108.

[30]
刘学华, 张学良, 李鲁. 中国城市体系规模结构:特征事实与经验阐释[J]. 财经研究, 2015, 41(11):108-123.

[31]
夏怡然, 陆铭. 城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究[J]. 管理世界, 2015(10):78-90.

[32]
罗煜, 何青, 薛畅. 地区执法水平对中国区域金融发展的影响[J]. 经济研究, 2016, 51(7):118-131.

[33]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8):71-86.

[34]
Angrist J D, Keueger A B. Does compulsory school attendance affect schooling and earnings?[J]. The Quarterly Journal of Economics, 1991, 106(4):979-1014.

[35]
张旭亮, 周思敏. 中国县域人口收缩空间格局与影响因素[J]. 经济地理, 2023, 43(7):42-51,98.

DOI

Options
文章导航

/

〈 〉