數字紅利還是數字鴻溝
——性別視角下數字經濟對就業的影響研究

李 璐

(南京財經大學公共管理學院，江蘇 南京 210023)

0 引言

就業是民生之本，是經濟發展的“晴雨表”，直接影響社會經濟發展和人民幸福。 根據2022 年中國統計年鑒，15～64 歲勞動年齡人口從2014 年開始逐漸下降，終結了長期增長的趨勢。 近年來，數字技術的迅猛發展和全球數字化的加速進程推動了數字經濟成為當今時代的重要特征，為中國經濟社會發展提供了強大動力。 數字經濟規模的擴大促使就業結構變化，并產生新的行業、職業和就業崗位，擴大勞動力需求。 并且，數字經濟時代催生新興的就業模式，提高了女性的生活便利性，推動了家務勞動的社會化，進一步激發了女性積極參與就業市場的動力，有助于減小性別數字鴻溝。 但數字經濟的快速崛起對傳統行業的勞動需求產生了巨大的沖擊，主要受影響的是女性勞動力。 此外，女性在科學、技術、工程等高技能領域接受教育和培訓的機會相對較少，導致她們在這些領域獲得的就業機會較少，進而產生了性別就業差距。

基于以上背景，本文利用2012—2020 年中國家庭追蹤調查(CFPS)數據，研究數字經濟發展對個體就業以及性別就業差距的影響。

1 文獻綜述

1.1 數字與就業相關的文獻

數字經濟的蓬勃發展為就業市場帶來了新的機遇，創造了更多的工作機會。 戚聿東和褚席利用微觀數據庫實證發現數字生活可以顯著增加個人的就業機會[1]。 王軍和韓悅以及張衛東等都研究發現互聯網使用能顯著促進農村勞動力的非農就業，但他們對就業方式的影響效果意見并不一致，張衛東等認為互聯網更能促進非自雇型就業，而王軍和韓悅發現互聯網更促進自雇型就業[2-3]。 何宗樾和宋旭光研究發現數字經濟對受雇型非正規就業具有顯著的促進作用，并且對創業者也產生了積極影響[4]。 Herrmann 等發現，在數字經濟時代，零工經濟的興起有助于提高低技能勞動力的就業機會[5]。然而，有學者發現數字經濟主要提升了擅長互聯網應用、具有高學歷和專業技能的勞動者從事非正規就業的機會[6]。 另有多位學者將“寬帶中國”政策作為數字經濟發展的代理變量，利用多期DID 進行研究，結果均發現數字經濟顯著促進農村勞動力就業，尤其是低技能農村勞動力的就業[7-8]。

1.2 性別視角下數字經濟與就業的相關文獻

部分學者認為數字經濟的發展可以縮小性別就業差距和有效改善女性就業情況。 Lu 等研究發現，數字經濟發展可以顯著促進女性非農就業[9]。 相對男性，數字經濟的發展對女性的就業提升效果更為顯著，有效減緩了性別就業差異和收入差距[10-11]。 喬小樂等從工作轉換視角出發，指出數字經濟對女性勞動者工作轉換收入回報的提升作用更加顯著[12]。 仇化和尹志超基于就業搜尋理論，從微觀視角研究發現家庭數字化轉型通過降低就業信息搜尋成本，促進了女性的就業，提升了家庭女性就業的數量和比例[13]。 李楠和何雄研究發現數字普惠金融促進低學歷已婚女性的就業[14]。 數字經濟發展通過遠程工作形式可以減少性別歧視，促進女性就業[15-16]。 也有一部分學者認為數字經濟的發展可能更有利于男性的就業及收入。 陳貴富等發現相比于女性勞動力，數字經濟發展相對較大幅度地降低了男性勞動力不充分就業[17]。 張勛等發現數字經濟發展過程中可能存在性別的技能偏向，導致其主要提升了男性的就業參與率，對女性的就業參與沒有顯著影響[18]。

通過上述文獻梳理，當前關于數字經濟對勞動力市場的影響已成為研究熱點之一，近年來涌現出大量研究成果，但仍存在如下不足之處:第一，當前研究大多著眼于數字經濟對農村居民就業情況和城鄉收入差距的影響，而對不同性別勞動力就業情況的研究相對較少。 第二，學界對數字經濟對不同性別勞動力就業影響的研究結論存在一定分歧。 第三，在微觀層面的研究中，有些文獻運用了截面數據，無法捕捉動態變化。

2 實證模型和數據

2.1 實證模型設定

為分析數字經濟發展對勞動力非農就業的影響，本文通過構建logit 模型來進行基準回歸:

模型中，emplo yijt表示j 市中個人i 在t 年的非農就業狀態的虛擬變量。 DEjt為核心自變量，表示j市在t 年的數字經濟發展水平指標。 Xijt是代表個體和城市層面的一系列控制變量。 σj和ηt分別為地區虛擬變量和時間虛擬變量，εijt為誤差項。

2.2 數據來源

本文主要是研究數字經濟對就業的影響，選擇使用微觀層面的中國家庭追蹤調查(CFPS)數據以及宏觀層面的中國城市統計年鑒的城市發展狀況的相關數據，涉及數字經濟發展的相關數據均來自北京大學數字普惠金融數據。 因為CFPS 2010 年的數據不涉及本文所需的一些控制變量以及2010 年數字普惠金融數據的不可得性，本文選用2012—2020年五輪數據來分析數字經濟對就業的影響。

2.3 變量

本文主要關心的是基于性別視角下勞動力的就業決策。 根據CFPS 問卷中的綜合變量“主要工作類型”和“當前工作狀態”，衡量個體的就業參與情況。 有非農工作的賦值為1，否則賦值為0。 核心解釋變量是城市層面的數字經濟指數。 本文加入了個人特征、地區特征和年份特征作為控制變量。 變量的描述性統計見表1。

表1 變量描述性統計

3 數字經濟與就業:基準分析

3.1 基準回歸

采用逐步回歸的方式，回歸結果見表2。 從表中可知，數字經濟的發展可以促進勞動力參與就業。第(1)列展示了在不考慮任何控制變量的情況下，數字經濟對非農就業的回歸分析結果。 該結果表明，數字經濟對就業產生了顯著正向影響。 為避免遺漏變量帶來的偏誤問題，列(2)中加入個人特征的控制變量，列(3)在列(2)的基礎上加入地區特征的控制變量，結果都顯著為正。 第(4)列控制了時間和地區固定效應，列(5)是在列(4)的基礎上計算的平均邊際效應。 由列(5)可看出，當數字經濟發展增加一個單位時，就業概率顯著提升7.1%。 然而，女性會使得就業的概率顯著下降13.8%。 實證結果表明，數字經濟對個體就業是具有顯著促進作用的。

表2 數字經濟發展對個體就業的影響分析

3.2 工具變量檢驗

基礎回歸中考慮數字經濟發展對勞動力就業的影響，但高就業率的城市，會有更好的經濟發展和社會環境，從而促進城市的數字經濟的發展，導致內生性問題。 為此本文采用兩個工具變量來緩解內生性問題，參考黃群慧等的做法將各城市1984 年每百人固定電話數量作為第一個工具變量[19]，同時參考張勛等選取樣本所在城市與杭州的球面距離作為第二個工具變量[20]。 因為所選用的工具變量基于橫截面數據，不能夠直接用于面板數據的計量分析，所以參考Nunn 和Qian 引入一個隨時間變化的變量來構造面板工具變量[21]，將上一年全國信息收入分別與工具變量相乘構造交互項。 本文采用IV-Probit 模型進行估計，回歸結果見表3。 表中提供了對外生性原假設“H0:ρ=0”的沃爾德檢驗(Wald Test)結果，其p值為0.000 0，故可在1%的水平上認為數字經濟為內生解釋變量。 根據表3，CLR、K-J、AR、Wald 的p值均在1%水平上顯著，則應該拒絕原假設“H0:內生變量與工具變量不相關”。 這也說明，本文所選擇的工具變量不是弱工具變量。

表3 工具變量回歸結果

由第一階段回歸結果可知，固定電話數量與數字經濟發展顯著正相關，所在城市與杭州距離顯著負相關，表明工具變量對內生變量數字經濟發展具有較強的解釋力。 城市的固定電話數越多，越能促進其數字經濟的發展；所在城市距離杭州越近，越有利于該城市的數字經濟發展。 第二階段回歸數字經濟發展指數顯著為正，表明數字經濟發展仍能提高勞動力參與非農就業的概率，與前文回歸結果一致。

4 性別視角下數字經濟與就業

4.1 數字經濟擴大性別就業差距

性別差異一直是勞動力市場研究中的一個重要議題，而數字經濟的快速崛起則引發了對性別差異的新思考。 數字經濟發展是創造了性別間的數字紅利還是擴大了數字鴻溝? 我們在基礎回歸的基礎上加入了性別與數字經濟發展指數的交互項，并將性別進行分組，研究數字經濟分別對他們的就業影響。

從表4 中可以看出，第1 列數字經濟與性別的交互項顯著為負，這說明隨著數字經濟的發展，女性的勞動參與的優勢被削弱，數字經濟的發展在一定程度上加劇性別就業差距。 在第2、3 列中，將樣本分成男性和女性兩組進行分析。 在女性樣本中，觀察到數字經濟的系數不顯著異于0，這意味著數字經濟的提高對女性的就業機會存在較大的異質性。男性樣本中，數字經濟的發展能夠顯著提高男性從事非農就業的概率。 通過交互效應和分性別樣本回歸的分析，我們可以得出數字經濟的發展對不同性別的非農就業產生了異質性影響。 這表明有必要進一步深入研究，以更詳細地了解數字經濟對男性和女性就業的影響。

表4 性別的異質性分析回歸結果

4.2 數字經濟擴大性別就業差距的技能異質性分析

數字經濟的發展對不同技能的勞動力產生了不同的影響。 我們依據2017 年的《國民經濟行業分類》，將十九類行業按照技能水平分為三類:高技能、中等技能和低技能。 根據性別、技能水平分別進行分樣本回歸，回歸結果見表5。

表5 不同技能的異質性分析

從表5 中可以看出數字經濟對從事低技能行業的個體的非農就業產生了積極的促進效應。 其中，低技能行業中的分樣本回歸結果顯示數字經濟對男性就業的促進效應高于女性，數字經濟與性別的交互項也顯著為負，表明了數字經濟的發展會擴大低技能勞動力的性別就業差距。 從事中等、高等技能行業的女性，數字經濟對其就業的影響并不顯著。女性更有可能從低技能行業中受益于數字經濟的發展，而對處于中等技能和高技能行業的女性來說，數字經濟對非農就業的影響相對較弱。 對中等技能行業的男性而言，數字經濟降低了其非農就業的概率，這可能與中等技能行業通常屬于傳統行業相關。 數字經濟的迅猛發展推動了自動化技術和機器學習的廣泛應用，使得許多傳統行業中的重復性和標準化工作被機器和計算機系統取代，從而減少人工勞動的需求。

4.3 數字經濟擴大性別就業差距的撫養負擔異質性分析

生育和撫養子女對女性和男性的勞動力市場參與具有重要影響。 有16 歲以下子女的家庭通常面臨更多的撫養子女責任，這可能導致女性在一定時期內退出勞動力市場，但數字經濟的發展提供更多的遠程和在線工作機會，這對有16 歲以下子女的女性尤其有利。 與此同時，有16 歲以下子女的家庭需要面對較高的子女撫養成本，這可能會刺激男性更積極地尋求非農就業機會，以獲取額外的家庭收入來滿足子女的需求。 因此，數字經濟對不同性別的非農就業參與在撫養負擔方面可能存在異質性。 本文根據“是否有16 歲以下子女”進行分樣本回歸，考察數字經濟對不同撫養負擔的個體的就業決策的影響。

表6 中的回歸結果表明，在沒有16 歲以下子女時，數字經濟對女性的非農就業概率具有顯著的促進作用，但對男性的影響并不顯著，這意味著數字經濟對無子女的女性更有助于提高其就業機會。 然而，當個體有16 歲以下子女時，數字經濟對女性的就業促進效應不再顯著，而對男性的勞動力參與產生了顯著的促進作用。 這表明數字經濟對有子女的男性更有助于提高其就業概率，這可能與男性在有子女的家庭中承擔更多家庭經濟責任的角色有關。這進一步表明，無撫養負擔可以在一定程度上緩和性別就業差距，而撫養負擔的存在會擴大性別就業差距。

表6 不同撫養負擔的異質性分析

5 總結

黨的十八大以來，明確將就業列為民生建設的首要任務。 在全球數字化浪潮下，數字經濟推動社會發展，給勞動力市場就業注入新活力。 本文利用五期CFPS 數據，探究數字經濟對勞動力市場的影響和作用機理。 實證研究發現:第一，數字經濟的發展顯著提高了勞動者就業參與概率。 本文通過穩健性檢驗后，結果仍然穩健。 第二，數字經濟發展擴大了性別就業差距，引發了性別數字鴻溝。 第三，數字經濟發展對就業的影響對不同技能水平、撫養負擔的群體具有異質性。 就不同技能水平而言，數字經濟對從事低技能行業的個體的非農就業產生積極促進作用，但擴大了低技能勞動力的性別就業差距；就撫養負擔而言，數字經濟擴大了有撫養負擔的個體的性別就業差距，反之縮小了無撫養負擔的個體的性別就業差距。