“穩(wěn)就業(yè)”還是“毀就業(yè)”？數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響

林龍飛 祝仲坤

一、引言

數(shù)字經(jīng)濟(jì)是“數(shù)字中國(guó)”戰(zhàn)略的重要組成，以大數(shù)據(jù)、互聯(lián)網(wǎng)、云計(jì)算為核心的數(shù)字經(jīng)濟(jì)不僅在拉動(dòng)投資、激發(fā)消費(fèi)、創(chuàng)造需求方面發(fā)揮著重要作用，同時(shí)推動(dòng)經(jīng)濟(jì)“換擋”提速，并在穩(wěn)定就業(yè)和創(chuàng)造就業(yè)方面有著重要的影響。相關(guān)數(shù)據(jù)顯示，2008年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模僅為4.8萬(wàn)億元，2020年達(dá)到39.2萬(wàn)億元，占GDP比重的38.6%，截止2020年我國(guó)數(shù)字經(jīng)濟(jì)總量已躍居世界第二(1)數(shù)據(jù)來(lái)源于中國(guó)信通院發(fā)布的《2020年中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(shū)》。。與此同時(shí)，伴隨著數(shù)字經(jīng)濟(jì)的快速發(fā)展，我國(guó)農(nóng)民工就業(yè)規(guī)模常年穩(wěn)定在2.8億左右，數(shù)量龐大的農(nóng)民工就業(yè)穩(wěn)定性和就業(yè)質(zhì)量的高低，不僅關(guān)乎到個(gè)人進(jìn)入城市的生計(jì)發(fā)展，更直接關(guān)系到我國(guó)宏觀經(jīng)濟(jì)發(fā)展的基本面。特別是在疫情沖擊和經(jīng)濟(jì)下行的疊加壓力下，通過(guò)數(shù)字經(jīng)濟(jì)穩(wěn)就業(yè)和賦能高質(zhì)量就業(yè)已成為中國(guó)政府托底就業(yè)大盤(pán)和提振經(jīng)濟(jì)增長(zhǎng)的重要政策選項(xiàng)。實(shí)踐中，數(shù)字經(jīng)濟(jì)帶動(dòng)和激活高質(zhì)量就業(yè)更是被社會(huì)寄予諸多厚望，并逐漸被納入各地方政府施政內(nèi)容中。

然而，數(shù)字經(jīng)濟(jì)助力農(nóng)民工高質(zhì)量就業(yè)存在悖論性爭(zhēng)議：全球數(shù)字化發(fā)展的一個(gè)重要假設(shè)是，數(shù)字化進(jìn)程會(huì)將原先被排斥在數(shù)字體系之外的個(gè)人和地區(qū)納入其中。中國(guó)長(zhǎng)期以來(lái)是城鄉(xiāng)二元對(duì)立，城市繁榮，農(nóng)村衰落。發(fā)展數(shù)字經(jīng)濟(jì)將使“傳統(tǒng)鄉(xiāng)村”卷入“現(xiàn)代城市”，加速“數(shù)字紅利”的共享。數(shù)字經(jīng)濟(jì)有利于優(yōu)化就業(yè)環(huán)境，推動(dòng)中小企業(yè)發(fā)展，創(chuàng)造大量就業(yè)崗位，產(chǎn)生“蒲公英效應(yīng)”(何宗樾、宋旭光，2020；戚聿東等，2020)，為農(nóng)民工高質(zhì)量就業(yè)提供機(jī)會(huì)。在數(shù)字經(jīng)濟(jì)的嵌入下，農(nóng)村地區(qū)的勞動(dòng)力不僅以網(wǎng)絡(luò)作為“工具”進(jìn)行就業(yè)信息搜索，拓寬其就業(yè)信息獲取渠道，降低工作搜尋成本(李曉鐘、李俊雨，2022)，而且還可以利用數(shù)字互聯(lián)網(wǎng)進(jìn)行技能學(xué)習(xí)，提升人力資本儲(chǔ)備，形成某種意義上的“數(shù)字人力資本”，為獲取高質(zhì)量就業(yè)機(jī)會(huì)提供基礎(chǔ)(Bach et al.，2013)。

但也有研究顯示數(shù)字經(jīng)濟(jì)可能是高質(zhì)量就業(yè)的“殺手”。數(shù)字革命往往伴隨著勞動(dòng)力需求結(jié)構(gòu)的調(diào)整，既要求勞動(dòng)者具備基本工作技能，又要求勞動(dòng)者掌握數(shù)字和信息技能，而不具備數(shù)字技能和數(shù)字素養(yǎng)的農(nóng)民工將無(wú)法觸及高質(zhì)量就業(yè)崗位，不得不被動(dòng)接受失業(yè)、低薪或低技能工作。陳永偉、許多(2018)預(yù)計(jì)，未來(lái)20年中國(guó)總就業(yè)人員的70%以上都將受到數(shù)字智能的沖擊，那些學(xué)歷要求低、收入少的職業(yè)遭受到的沖擊將更為嚴(yán)重。數(shù)字經(jīng)濟(jì)時(shí)代就業(yè)人員面臨潛在工作強(qiáng)度大、超時(shí)工作、權(quán)益模糊、福利保障滯后等難題，卷入“數(shù)字漩渦”的勞動(dòng)者常被稱(chēng)之為“數(shù)字佃農(nóng)”或“免費(fèi)數(shù)字勞工”(付文軍，2021)，他們面臨著天然的數(shù)字技能短板，未能享受數(shù)字經(jīng)濟(jì)帶來(lái)的共享成果，反而使弱勢(shì)農(nóng)村居民生存更加不穩(wěn)定，抑制其勞動(dòng)市場(chǎng)中的就業(yè)表現(xiàn)，帶來(lái)就業(yè)“邊緣化”的進(jìn)一步加深。蔡昉(2021)認(rèn)為，數(shù)字經(jīng)濟(jì)引發(fā)的農(nóng)村人口轉(zhuǎn)崗后工作質(zhì)量低待遇更差，需謹(jǐn)防數(shù)字經(jīng)濟(jì)時(shí)代勞動(dòng)力低水平“內(nèi)卷”。

上述悖論性爭(zhēng)議缺乏嚴(yán)謹(jǐn)?shù)膶?shí)證回答，而這一問(wèn)題又是近年來(lái)政府和社會(huì)各界廣泛討論的行動(dòng)議題。本文利用2017年流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)和278個(gè)城市數(shù)據(jù)的匹配數(shù)據(jù)，考察了數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響。研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有顯著的正向影響，但數(shù)字經(jīng)濟(jì)促進(jìn)農(nóng)民工高質(zhì)量就業(yè)的邊際效應(yīng)呈“倒U型”，當(dāng)數(shù)字經(jīng)濟(jì)為中等發(fā)展水平時(shí)，農(nóng)民工高質(zhì)量就業(yè)的邊際效應(yīng)達(dá)到最佳。這一結(jié)論利用廣義傾向得分匹配法和選取歷史工具變量估計(jì)后，結(jié)論仍然成立。進(jìn)一步異質(zhì)性分析發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)“新生代”、“高技能”、從事制造業(yè)、交通運(yùn)輸業(yè)和居民服務(wù)業(yè)的農(nóng)民工就業(yè)質(zhì)量促進(jìn)作用更明顯。

本文的研究貢獻(xiàn)主要體現(xiàn)在：一是在“數(shù)字中國(guó)”和“就業(yè)優(yōu)先”戰(zhàn)略背景下為數(shù)字經(jīng)濟(jì)影響農(nóng)民工高質(zhì)量就業(yè)提供了最新的經(jīng)驗(yàn)證據(jù)，并將研究對(duì)象聚焦于農(nóng)民工群體，有助于理清日益迅猛發(fā)展的數(shù)字經(jīng)濟(jì)對(duì)億萬(wàn)農(nóng)民工高質(zhì)量就業(yè)的影響；二是研究不僅揭示了數(shù)字經(jīng)濟(jì)影響農(nóng)民工高質(zhì)量就業(yè)的異質(zhì)效應(yīng)，也論證了數(shù)字經(jīng)濟(jì)影響農(nóng)民工高質(zhì)量就業(yè)的“倒U型”關(guān)系，并提出了“需謹(jǐn)防過(guò)度數(shù)字化帶來(lái)的‘就業(yè)無(wú)效’和‘就業(yè)低效’”議題，深化與拓展了數(shù)字經(jīng)濟(jì)對(duì)高質(zhì)量就業(yè)影響的一般性認(rèn)識(shí)與討論；三是研究采用騰訊研究院發(fā)布的“互聯(lián)網(wǎng)+數(shù)字經(jīng)濟(jì)指數(shù)”對(duì)數(shù)字經(jīng)濟(jì)進(jìn)行測(cè)度，并選取歷史數(shù)據(jù)作為工具變量，利用多種方法控制內(nèi)生性問(wèn)題的干擾，使得研究結(jié)論更具一般性。

二、文獻(xiàn)綜述與研究假說(shuō)

(一)文獻(xiàn)綜述

數(shù)字經(jīng)濟(jì)(Digital Economy)最早由Moulton于1999年提出，他認(rèn)為數(shù)字經(jīng)濟(jì)是一種以互聯(lián)網(wǎng)和信息技術(shù)為內(nèi)核的新型經(jīng)濟(jì)形態(tài)，代表著未來(lái)經(jīng)濟(jì)發(fā)展的趨向?！吨袊?guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(shū)》認(rèn)為，數(shù)字經(jīng)濟(jì)是以數(shù)字化為關(guān)鍵要素，以數(shù)字技術(shù)為核心，通過(guò)數(shù)字化重構(gòu)經(jīng)濟(jì)發(fā)展的新型經(jīng)濟(jì)形態(tài)。已有研究目前重點(diǎn)討論了數(shù)字經(jīng)濟(jì)對(duì)收入差距(陳文、吳贏，2021)、擴(kuò)大消費(fèi)(高振娟等，2021)、環(huán)境污染(鄧榮榮、張翱祥，2022)、拉動(dòng)投資(程文先、錢(qián)學(xué)鋒，2021)的影響。但也有學(xué)者注意到數(shù)字經(jīng)濟(jì)對(duì)就業(yè)領(lǐng)域也有著重要影響(蔡昉，2021)，其中就業(yè)質(zhì)量是就業(yè)狀況的綜合反映。

1996年國(guó)際勞工組織提出“體面勞動(dòng)”，倡導(dǎo)勞動(dòng)者要高質(zhì)量就業(yè)。圍繞“就業(yè)質(zhì)量”概念，國(guó)內(nèi)學(xué)者從月收入、工作時(shí)間、社會(huì)保障、健康福利等多個(gè)維度進(jìn)行界定(賴(lài)德勝等，2011；鄧睿，2020)。目前中國(guó)農(nóng)民工就業(yè)質(zhì)量總體處于中低水平，且受到性別、年齡、教育水平、流動(dòng)經(jīng)歷、留城時(shí)長(zhǎng)、流動(dòng)區(qū)域的影響(梁海艷，2019；羅恩立、方丹丹，2020)。在實(shí)證方面，張?jiān)?2020)基于中國(guó)勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)發(fā)現(xiàn)，農(nóng)民工在就業(yè)質(zhì)量上低于城鎮(zhèn)職工，其中人力資本提升是改善農(nóng)民工就業(yè)質(zhì)量的重要路徑。鄧睿(2020)基于同樣的數(shù)據(jù)，分析了社會(huì)資本動(dòng)員中的人情和信息兩類(lèi)關(guān)系資源對(duì)農(nóng)民工就業(yè)質(zhì)量的影響，并發(fā)現(xiàn)動(dòng)員人情資源有助于提升農(nóng)民工的就業(yè)質(zhì)量。

在數(shù)字經(jīng)濟(jì)與就業(yè)的關(guān)聯(lián)性文獻(xiàn)中，有偏技術(shù)進(jìn)步的特征會(huì)更青睞數(shù)字稟賦和信息充分的個(gè)體，而對(duì)那些數(shù)字弱勢(shì)群體將被排除在技術(shù)進(jìn)步之外，產(chǎn)生技術(shù)進(jìn)步對(duì)就業(yè)的“破壞效應(yīng)”(Autor et al., 2003)。Acemoglu and Restrepo(2020)基于1990—2007年的數(shù)據(jù)實(shí)證分析了工業(yè)機(jī)器人應(yīng)用對(duì)美國(guó)勞動(dòng)力市場(chǎng)的影響，發(fā)現(xiàn)每千人增加一臺(tái)機(jī)器人，就業(yè)人口比例將降低0.18%～0.34%。Frey and Osborne(2017)發(fā)現(xiàn)在美國(guó)47%的崗位存在被計(jì)算機(jī)替代的風(fēng)險(xiǎn)。但技術(shù)進(jìn)步在一定程度上也可以釋放就業(yè)要素，優(yōu)化就業(yè)環(huán)境，創(chuàng)造一大批新型就業(yè)崗位，進(jìn)而產(chǎn)生就業(yè)的“創(chuàng)造效應(yīng)”。Hoedemakers(2017)基于OECD 國(guó)家數(shù)據(jù)發(fā)現(xiàn)，技術(shù)進(jìn)步對(duì)就業(yè)增加具有顯著正向影響。此外，也有文獻(xiàn)發(fā)現(xiàn)技術(shù)進(jìn)步與就業(yè)的關(guān)系存在不確定性(David，2016)。趙利、王振興(2010)發(fā)現(xiàn)，技術(shù)進(jìn)步長(zhǎng)期會(huì)促進(jìn)就業(yè)，但在短期內(nèi)會(huì)破壞就業(yè)。

目前學(xué)界直接聚集數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的實(shí)證研究極為少見(jiàn)，多數(shù)研究則側(cè)重定性意義上的一般討論。部分學(xué)者認(rèn)為數(shù)字經(jīng)濟(jì)可以促進(jìn)中小企業(yè)發(fā)展，帶動(dòng)高質(zhì)量就業(yè)崗位，繁榮經(jīng)濟(jì)發(fā)展，有助于勞動(dòng)力就業(yè)提升(何宗樾、宋旭光，2020；李曉鐘、李俊雨，2022)。但也有研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)使得勞動(dòng)力就業(yè)崗位被機(jī)器人替代，毀滅就業(yè)崗位，帶來(lái)失業(yè)和更低端就業(yè)的增加(王夢(mèng)菲、張昕蔚，2020)。數(shù)字經(jīng)濟(jì)一旦形成規(guī)模就具有天然的擴(kuò)張性，不受規(guī)制的擴(kuò)張必將走向壟斷，進(jìn)而加劇失業(yè)和整個(gè)社會(huì)的不穩(wěn)定。

在為數(shù)不多的相近實(shí)證研究中，戚聿東等(2020)發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展不僅加速了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，同時(shí)也帶動(dòng)了就業(yè)結(jié)構(gòu)優(yōu)化。王文(2020)同樣發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)促進(jìn)了行業(yè)就業(yè)結(jié)構(gòu)高級(jí)化，有助于實(shí)現(xiàn)高質(zhì)量就業(yè)。孟祺(2021)基于2000—2018年的面板數(shù)據(jù)，也得出類(lèi)似結(jié)論。葉胥等(2021)進(jìn)一步發(fā)現(xiàn)，雖然數(shù)字經(jīng)濟(jì)有助于就業(yè)結(jié)構(gòu)優(yōu)化，但數(shù)字經(jīng)濟(jì)與就業(yè)結(jié)構(gòu)存在非線性關(guān)系。上述實(shí)證研究極具啟發(fā)性，但現(xiàn)有研究均未直接聚焦數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響，更鮮有文獻(xiàn)探究數(shù)字經(jīng)濟(jì)變動(dòng)對(duì)農(nóng)民工高質(zhì)量就業(yè)的聯(lián)動(dòng)異質(zhì)效應(yīng)，這為本文的研究提供了契機(jī)。

(二)研究假說(shuō)

作為一種數(shù)字化的形態(tài)，數(shù)字經(jīng)濟(jì)可以驅(qū)動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，繁榮中小企業(yè)發(fā)展、帶動(dòng)和創(chuàng)造更多新崗位，進(jìn)而吸納農(nóng)民工就業(yè)，為農(nóng)民工高質(zhì)量就業(yè)提供空間。何宗樾、宋旭光(2020)發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)繁榮中小企業(yè)發(fā)展、帶動(dòng)就業(yè)崗位增加。此外，數(shù)字經(jīng)濟(jì)還可能降低農(nóng)民工維權(quán)門(mén)檻和維權(quán)成本，為農(nóng)民工高質(zhì)量就業(yè)提供保障。數(shù)字經(jīng)濟(jì)對(duì)傳統(tǒng)雇傭關(guān)系進(jìn)行沖擊，在快速數(shù)字信息轉(zhuǎn)換中，就業(yè)供求雙方信息將更加匹配，倒逼工作權(quán)益和社會(huì)保障持續(xù)改革，有助于農(nóng)民工優(yōu)質(zhì)崗位獲取。數(shù)字經(jīng)濟(jì)具有普惠性、外溢性和共享性，會(huì)賦能弱勢(shì)農(nóng)民工數(shù)字技能，提升農(nóng)民工高質(zhì)量就業(yè)獲取機(jī)會(huì)。在數(shù)字經(jīng)濟(jì)的嵌入下，農(nóng)村地區(qū)的勞動(dòng)力可以將數(shù)字經(jīng)濟(jì)作為“工具”進(jìn)行就業(yè)信息搜索，降低就業(yè)搜尋成本。數(shù)字經(jīng)濟(jì)還可以釋放數(shù)字人力資本，農(nóng)民工可利用數(shù)字信息進(jìn)行學(xué)習(xí)，提升人力資本，獲得在城市高質(zhì)量就業(yè)機(jī)會(huì)(李曉鐘、李俊雨，2022)。盡管目前數(shù)字經(jīng)濟(jì)會(huì)帶來(lái)一定的“技術(shù)性”和“結(jié)構(gòu)性”失業(yè)，沖擊農(nóng)村勞動(dòng)力就業(yè)，但也有研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)的發(fā)展并不必然減少就業(yè)規(guī)模，而是替代效應(yīng)和抑制替代效應(yīng)并存，總體上并不會(huì)減少社會(huì)就業(yè)崗位(孟祺，2021)?；谏鲜龇治觯疚奶岢鋈缦录僬f(shuō)：

假說(shuō)1a：數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有正向影響。

數(shù)字經(jīng)濟(jì)盡管總體上有助于賦能農(nóng)民工高質(zhì)量就業(yè)，但需要注意的是，依托互聯(lián)網(wǎng)技術(shù)發(fā)展的數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的邊際效應(yīng)可能存在“倒U型”關(guān)系。受制于城鄉(xiāng)數(shù)字化發(fā)展的不同步，農(nóng)民工群體長(zhǎng)期處于“數(shù)字洼地”，不僅存在數(shù)字接觸方面的鴻溝，也存在數(shù)字甄別、利用與加工方面的鴻溝。而在當(dāng)前迅速數(shù)字化普及的推動(dòng)下，處在“數(shù)字洼地”的農(nóng)民工將有機(jī)會(huì)捕獲數(shù)字經(jīng)濟(jì)要素，最大化集聚和享受“數(shù)字紅利”，而根據(jù)資源集聚理論的觀點(diǎn)，數(shù)字資源集聚產(chǎn)生的規(guī)模效應(yīng)可迅速提高資源的利用效率，處在勞動(dòng)力市場(chǎng)中的農(nóng)民工可將“數(shù)字紅利優(yōu)勢(shì)”迅速轉(zhuǎn)化為“就業(yè)改善優(yōu)勢(shì)”，實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)賦能個(gè)體就業(yè)質(zhì)量提升的邊際效應(yīng)遞增趨勢(shì)。但隨著數(shù)字經(jīng)濟(jì)進(jìn)一步的擴(kuò)散和深度發(fā)展，數(shù)字化新業(yè)態(tài)、新產(chǎn)業(yè)、新模式釋放的新崗位已達(dá)到飽和，低技能勞動(dòng)者不斷提升自身數(shù)字技能，數(shù)字鴻溝已大幅彌合，通過(guò)數(shù)字經(jīng)濟(jì)大幅驅(qū)動(dòng)農(nóng)民工就業(yè)質(zhì)量改善的潛能已開(kāi)始式微，此時(shí)數(shù)字經(jīng)濟(jì)推動(dòng)農(nóng)民工高質(zhì)量就業(yè)的邊際效應(yīng)呈逐漸遞減趨勢(shì)。此外，數(shù)字經(jīng)濟(jì)賦能不同特質(zhì)的農(nóng)民工可能帶來(lái)的就業(yè)質(zhì)量效應(yīng)也會(huì)不同。新生代、高技能和在高端行業(yè)的農(nóng)民工可能更能享受數(shù)字經(jīng)濟(jì)的紅利，他們將數(shù)字經(jīng)濟(jì)轉(zhuǎn)化為就業(yè)效能的能力通常也會(huì)更強(qiáng)?；谏鲜鐾普摚疚奶岢鋈缦孪盗屑僬f(shuō)：

假說(shuō)2a：數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響效應(yīng)存在“倒U型”關(guān)系。

假說(shuō)3a：數(shù)字經(jīng)濟(jì)賦能農(nóng)民工高質(zhì)量就業(yè)存在群體和行業(yè)異質(zhì)性。

三、數(shù)據(jù)、變量及模型

(一)數(shù)據(jù)來(lái)源

本文利用2017年中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查數(shù)據(jù)(CMDS)和278個(gè)城市數(shù)據(jù)的匹配數(shù)據(jù)進(jìn)行實(shí)證研究。其中，本文的城市數(shù)據(jù)來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》，城市是指地級(jí)及以上城市，統(tǒng)計(jì)口徑為全市，城市房?jī)r(jià)變量來(lái)源于CEIC經(jīng)濟(jì)數(shù)據(jù)庫(kù)。由于2017年CMDS數(shù)據(jù)的調(diào)查時(shí)點(diǎn)是2017年，為避免城市特征變量與農(nóng)民工就業(yè)質(zhì)量的反向因果關(guān)系，本文將城市特征數(shù)據(jù)滯后一年匹配，同時(shí)將騰訊研究院發(fā)布的表征數(shù)字經(jīng)濟(jì)的“互聯(lián)網(wǎng)+數(shù)字經(jīng)濟(jì)指數(shù)”也滯后一年匹配。同時(shí)根據(jù)外出流動(dòng)原因，僅保留務(wù)工、經(jīng)商樣本，刪除婚姻嫁娶、投靠親友、拆遷搬家等其他原因流動(dòng)的樣本。另外，為得到調(diào)查時(shí)點(diǎn)正處于就業(yè)狀態(tài)的樣本，本文僅保留“今年‘五一’前一周做過(guò)一小時(shí)以上有收入工作”的樣本，考慮到本文的研究對(duì)象是農(nóng)民工，因而僅保留戶籍為農(nóng)村戶口的樣本。剔除變量的缺失值和錯(cuò)誤值后，本文最終識(shí)別有效樣本56355個(gè)。

(二)變量描述

1.被解釋變量——就業(yè)質(zhì)量

本文沿用Erhel and Guergoat-Lariviere(2015)提出的客觀就業(yè)指數(shù)框架對(duì)農(nóng)民工就業(yè)質(zhì)量進(jìn)行測(cè)度。結(jié)合2017年流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)指標(biāo)的可得性，并借鑒鄧睿(2020)選取相應(yīng)指標(biāo)的做法，主要從農(nóng)民工從事城鎮(zhèn)非農(nóng)就業(yè)時(shí)的勞動(dòng)收入、勞動(dòng)強(qiáng)度、崗位穩(wěn)定性、職業(yè)層級(jí)和社會(huì)保障5個(gè)維度刻畫(huà)農(nóng)民工的就業(yè)質(zhì)量。具體而言，勞動(dòng)收入指標(biāo)用不包吃住的純“月收入”表示；勞動(dòng)強(qiáng)度指標(biāo)用“每周工作小時(shí)數(shù)”表示；崗位穩(wěn)定性指標(biāo)用“是否簽訂正式勞動(dòng)合同”表示；職業(yè)層級(jí)指標(biāo)用“高層次和低層次職業(yè)”表示；社會(huì)保障用“是否參加城鎮(zhèn)居民醫(yī)療保險(xiǎn)”表示。參照Leschke and Watt(2014)就業(yè)質(zhì)量計(jì)算公式，對(duì)選取的5個(gè)維度的農(nóng)民工質(zhì)量進(jìn)行標(biāo)準(zhǔn)化處理：

(1)

由于勞動(dòng)收入、勞動(dòng)強(qiáng)度、崗位穩(wěn)定性、職業(yè)層級(jí)和社會(huì)保障5個(gè)指標(biāo)對(duì)農(nóng)民工就業(yè)質(zhì)量的提升具有同等權(quán)重的重要性，參考鄧睿(2020)的做法，本文采用等權(quán)平均法來(lái)計(jì)算就業(yè)質(zhì)量指數(shù)：

(2)

(2)式中，std為標(biāo)準(zhǔn)化后的客觀就業(yè)質(zhì)量指數(shù)，i代表農(nóng)民工個(gè)體，j代表就業(yè)質(zhì)量的5個(gè)分項(xiàng)指標(biāo)。就業(yè)質(zhì)量指標(biāo)選取及描述性統(tǒng)計(jì)詳見(jiàn)表1。

2.核心解釋變量——數(shù)字經(jīng)濟(jì)

目前學(xué)界對(duì)數(shù)字經(jīng)濟(jì)的內(nèi)涵還沒(méi)有一個(gè)統(tǒng)一的界定標(biāo)準(zhǔn)，但依托“互聯(lián)網(wǎng)+”的數(shù)字化知識(shí)與信息屬性被多數(shù)研究機(jī)構(gòu)和學(xué)者所認(rèn)同。本文參照段博等(2020)的做法，采用騰訊研究院發(fā)布的“互聯(lián)網(wǎng)+數(shù)字經(jīng)濟(jì)指數(shù)”對(duì)數(shù)字經(jīng)濟(jì)進(jìn)行測(cè)度。該指數(shù)由基礎(chǔ)分指數(shù)、產(chǎn)業(yè)分指數(shù)、雙創(chuàng)分指數(shù)和智慧民生分指數(shù)4部分加權(quán)求平均值而獲得，共涵13個(gè)一級(jí)指標(biāo)、120個(gè)二級(jí)指標(biāo)(2)關(guān)于具體指標(biāo)的構(gòu)建和更詳細(xì)的數(shù)字經(jīng)濟(jì)指數(shù)信息，請(qǐng)參見(jiàn)騰訊研究院發(fā)布的《2016年中國(guó)互聯(lián)網(wǎng)+數(shù)字經(jīng)濟(jì)指數(shù)》報(bào)告。，較以往單一維度的測(cè)度，多維度更能捕捉到數(shù)字經(jīng)濟(jì)的內(nèi)在涵義，符合學(xué)界對(duì)數(shù)字經(jīng)濟(jì)的一般性界定。

表1 就業(yè)質(zhì)量與各指標(biāo)描述性統(tǒng)計(jì)

3.主要控制變量——影響被解釋變量的其他變量

基于以往相關(guān)研究，本文選取了相應(yīng)的控制變量。已有研究發(fā)現(xiàn)，男性、低年齡、高教育程度的農(nóng)民工就業(yè)質(zhì)量通常會(huì)更高，主要的原因是就業(yè)質(zhì)量通常與個(gè)體人力資本密切相關(guān)(梁海艷，2019)。家庭是影響就業(yè)質(zhì)量的重要因素，羅恩立、方丹丹(2020)發(fā)現(xiàn)，已婚可以促進(jìn)流動(dòng)人口就業(yè)質(zhì)量提升，但家屬隨遷會(huì)降低流動(dòng)人口就業(yè)質(zhì)量。流動(dòng)范圍越廣、留城時(shí)間越久，越有助于農(nóng)民工就業(yè)質(zhì)量提升(鄧睿，2020)，可能的原因是流動(dòng)經(jīng)歷與時(shí)間可以增加農(nóng)民工的社會(huì)資本。進(jìn)入城市的農(nóng)民工就業(yè)質(zhì)量的高低受城市特征的約束，通常在城擁有住房、房?jī)r(jià)水平低、戶籍門(mén)檻低、城市規(guī)模大、工資水平和公共服務(wù)水平高的有助于農(nóng)民工就業(yè)質(zhì)量提升。同時(shí)，考慮到不同地區(qū)、不同行業(yè)可能會(huì)對(duì)農(nóng)民工就業(yè)質(zhì)量產(chǎn)生顯著影響，故本文以虛擬變量的形式對(duì)問(wèn)卷中31個(gè)省份地區(qū)效應(yīng)和20個(gè)行業(yè)類(lèi)別效應(yīng)進(jìn)行控制，以弱化回歸分析中可能引起的偏誤。表2列出了變量的描述性統(tǒng)計(jì)結(jié)果。

(三)模型設(shè)定

1.基準(zhǔn)模型——最小二乘線性估計(jì)(OLS)

被解釋變量是連續(xù)變量，本文采用最小二乘線性模型分析，構(gòu)建實(shí)證分析模型如下：

Quality=αi+βDigital_Economyi+φZ(yǔ)i+εi

(3)

(3)式中，Quality為農(nóng)民工就業(yè)質(zhì)量，Digital_Economyi為數(shù)字經(jīng)濟(jì)，Zi為相關(guān)控制變量，主要包括影響被解釋變量的其他變量，αi為截距項(xiàng)，β、φ代表解釋變量和控制變量的影響系數(shù)，εi為隨機(jī)干擾項(xiàng)。

2.動(dòng)態(tài)效應(yīng)分析——廣義傾向得分匹配法(GPS)

傳統(tǒng)傾向得分匹配法只能獲得樣本平均處理效應(yīng)，且只適用于二元選擇變量，而由HiranoandImbens(2004)提出的廣義傾向得分匹配方法(GeneralizedPropensityScore，GPS)，不僅突破了傳統(tǒng)傾向得分匹配法必須是二元選擇變量的約束，同時(shí)還能夠獲得樣本動(dòng)態(tài)異質(zhì)效應(yīng)，在保留更多有效信息的前提下，進(jìn)一步糾正樣本自選偏誤問(wèn)題(Kluveetal.，2012)。本文利用廣義傾向得分匹配法，探究不同強(qiáng)度的數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的動(dòng)態(tài)異質(zhì)效應(yīng)，同時(shí)利用該方法進(jìn)一步克服樣本自選偏誤問(wèn)題。廣義傾向得分法首先根據(jù)匹配變量X估計(jì)條件概率密度，然后根據(jù)處理變量T構(gòu)造結(jié)果變量Y的條件期望模型，最終估計(jì)出“劑量反映函數(shù)”μ(t)和“處理效應(yīng)函數(shù)”：

(4)

表2 變量描述性統(tǒng)計(jì)

3.內(nèi)生性處理——兩階段最小二乘法(2SLS)和工具變量條件混合估計(jì)法(CMP)

盡管本文將數(shù)據(jù)滯后一期匹配，并在數(shù)據(jù)可得范圍內(nèi)控制了諸多個(gè)體、家庭和城市層面特征的變量，同時(shí)采用廣義傾向得分匹配法進(jìn)一步糾正可能的樣本自選偏誤問(wèn)題。但現(xiàn)實(shí)中依然存在高就業(yè)質(zhì)量的農(nóng)民工可能更容易捕獲數(shù)字經(jīng)濟(jì)的潛在反向因果問(wèn)題，即高質(zhì)量就業(yè)的農(nóng)民工可能更容易接觸數(shù)字信息和使用數(shù)字技術(shù)，進(jìn)而反向影響數(shù)字經(jīng)濟(jì)的發(fā)展。為克服這種反向因果內(nèi)生性問(wèn)題的干擾，確保擬合數(shù)值穩(wěn)健一致，本文采用經(jīng)典的兩階段最小二乘法和Roodman(2011)提出的工具變量條件混合過(guò)程估計(jì)法進(jìn)行對(duì)照回歸。工具變量條件混合估計(jì)法采用極大似然估計(jì)法，將聯(lián)立方程當(dāng)作一個(gè)系統(tǒng)進(jìn)行估計(jì)，第一階段尋找核心解釋變量的工具變量，第二階段將工具變量代入模型檢驗(yàn)核心解釋變量參數(shù)的外生性，進(jìn)而獲得聯(lián)立方程后的一致估計(jì)。

表3 數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸

表3報(bào)告了基于OLS模型的回歸結(jié)果。方程(1)納入核心解釋變量，結(jié)論在1%水平上顯著，表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有顯著的正向影響。方程(2)在方程(1)的基礎(chǔ)上，繼續(xù)加入其它主要控制變量，結(jié)論通過(guò)1%的顯著性水平檢驗(yàn)，顯示數(shù)字經(jīng)濟(jì)有助于農(nóng)民工高質(zhì)量就業(yè)。方程(3)在方程(2)的基礎(chǔ)上，繼續(xù)控制地區(qū)效應(yīng)和行業(yè)效應(yīng)，結(jié)論仍然顯示數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的正向效應(yīng)。具體從擬合度最優(yōu)的方程(3)來(lái)看，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響系數(shù)為正的0.267，說(shuō)明數(shù)字經(jīng)濟(jì)確實(shí)有助于農(nóng)民工高質(zhì)量就業(yè)。這為當(dāng)前國(guó)家倡導(dǎo)“大力發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)就業(yè)提質(zhì)擴(kuò)面”提供了直接的經(jīng)驗(yàn)證據(jù)。模型中各方程的主要控制變量的影響方向與預(yù)期基本一致，但由于控制變量并不是本文的核心關(guān)切，同時(shí)簡(jiǎn)單的線性回歸也可能存在內(nèi)生性問(wèn)題，我們?cè)诖藢?duì)控制變量不做過(guò)多引申探討。

(二)動(dòng)態(tài)效應(yīng)分析

上述基準(zhǔn)OLS回歸只能獲得平均處理效應(yīng)，即數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的平均效應(yīng)。但卻無(wú)法捕捉到不同處理強(qiáng)度下潛在效應(yīng)的動(dòng)態(tài)差異，在實(shí)際的政策制定中，識(shí)別出數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的動(dòng)態(tài)影響強(qiáng)度往往更具現(xiàn)實(shí)意義。傳統(tǒng)傾向得分匹配法主要是評(píng)估處理變量為虛擬變量的凈效應(yīng)，不能估計(jì)出處理變量為連續(xù)變量的凈效應(yīng)。鑒于此，為得到在不同處理水平上數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的強(qiáng)度變化影響，本文采用HiranoandImbens(2004)提出的廣義傾向得分匹配法來(lái)進(jìn)一步揭示數(shù)字經(jīng)濟(jì)與農(nóng)民工就業(yè)質(zhì)量更為細(xì)致和深入的關(guān)系。

具體而言，我們運(yùn)用FractionalLogit模型估計(jì)廣義傾向得分，并按照1—10的均勻彌合步長(zhǎng)設(shè)定TP值，得到廣義傾向得分匹配處理效應(yīng)的估計(jì)結(jié)果。圖1匯報(bào)了基于GPS方法得到的數(shù)字經(jīng)濟(jì)與農(nóng)民工高質(zhì)量就業(yè)的“劑量反應(yīng)函數(shù)”和“處理效應(yīng)函數(shù)”。圖中橫坐標(biāo)為數(shù)字經(jīng)濟(jì)變量，縱坐標(biāo)為農(nóng)民工就業(yè)質(zhì)量，其中圖1(a)中黑色實(shí)線為劑量反應(yīng)曲線，圖1(b)中黑色實(shí)線為處理效用曲線，圖1(a)和圖1(b)中上下兩條虛線分別為置信度為95%的上下邊界。

從圖1(a)中可以看出，隨著數(shù)字經(jīng)濟(jì)的不斷提高，農(nóng)民工就業(yè)質(zhì)量也隨之提升，且黑色實(shí)線一直處在95%的置信邊界范圍內(nèi)，這表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有顯著的正向影響，這與上文基準(zhǔn)OLS分析結(jié)果保持一致。然而值得注意的是，盡管數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有顯著的正向影響，但在影響效應(yīng)上卻存在“先上升后下降”的“倒U型”關(guān)系。具體看圖1(b)，隨著數(shù)字經(jīng)濟(jì)的不斷提高，農(nóng)民工就業(yè)質(zhì)量的邊際效應(yīng)也在提升，當(dāng)數(shù)字經(jīng)濟(jì)取值為4的時(shí)候，農(nóng)民工就業(yè)質(zhì)量的邊際效用達(dá)到最高，當(dāng)數(shù)字經(jīng)濟(jì)在3.5—5.5中等發(fā)展區(qū)間內(nèi)，對(duì)農(nóng)民工就業(yè)質(zhì)量的促進(jìn)作用最明顯，大于5.5時(shí)數(shù)字經(jīng)濟(jì)促進(jìn)農(nóng)民工高質(zhì)量就業(yè)的邊際效用開(kāi)始大幅下降。

這表明數(shù)字經(jīng)濟(jì)與就業(yè)質(zhì)量之間存在一個(gè)“倒U型”閥值，預(yù)示著當(dāng)前各地政府以數(shù)字經(jīng)濟(jì)為抓手推動(dòng)農(nóng)民工高質(zhì)量就業(yè)需遵從“適度”原則，既要強(qiáng)調(diào)數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的正向促進(jìn)作用，也要重視數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的邊際效用最大化問(wèn)題，需謹(jǐn)防過(guò)度數(shù)字化帶來(lái)的“就業(yè)無(wú)效”和“就業(yè)低效”問(wèn)題。

圖1 數(shù)字經(jīng)濟(jì)與農(nóng)民工高質(zhì)量就業(yè)的劑量反應(yīng)與邊際效用函數(shù)

(三)內(nèi)生性問(wèn)題討論

上述基準(zhǔn)回歸和廣義傾向匹配法表明，數(shù)字經(jīng)濟(jì)有助于農(nóng)民工高質(zhì)量就業(yè)。但這一結(jié)論仍然可能存在反向因果的內(nèi)生性干擾，即高質(zhì)量就業(yè)的農(nóng)民工可能更容易接觸數(shù)字信息和使用數(shù)字技術(shù)，更容易在日常生活中捕獲數(shù)字經(jīng)濟(jì)，進(jìn)而反向影響數(shù)字經(jīng)濟(jì)的發(fā)展。為了克服這種潛在反向因果的干擾，我們采用經(jīng)典的兩階段最小二乘法(2SLS)和工具變量條件混合過(guò)程估計(jì)法(CMP)對(duì)照回歸，以相互判別回歸結(jié)果穩(wěn)健，確保擬合數(shù)值一致。

本文參照趙濤等(2020)的做法，采用各城市在1984年歷史郵電數(shù)據(jù)(3)1984年末“固話機(jī)數(shù)(部)”和“郵電局(所)”數(shù)據(jù)來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒(1985年)》。作為數(shù)字經(jīng)濟(jì)發(fā)展的工具變量。一方面，以互聯(lián)網(wǎng)為核心的數(shù)字經(jīng)濟(jì)發(fā)展是從電話撥號(hào)接入和郵電局(所)設(shè)立開(kāi)始的，當(dāng)?shù)貧v史上固話普及率和郵電局(所)數(shù)量會(huì)延續(xù)到后續(xù)互聯(lián)網(wǎng)技術(shù)的使用，通常歷史上固話普及率高和郵電局(所)多的地區(qū)也是現(xiàn)在數(shù)字經(jīng)濟(jì)發(fā)展較好的地區(qū)；另一方面，以固定電話和郵電局(所)為代表的傳統(tǒng)媒介在當(dāng)今使用的頻率越來(lái)越低，對(duì)社會(huì)經(jīng)濟(jì)的影響逐漸減弱，歷史固話機(jī)和郵電局(所)數(shù)量對(duì)當(dāng)前農(nóng)民工在城就業(yè)質(zhì)量的高低并無(wú)直接的關(guān)系。

由表4可知，在兩階段最小二乘估計(jì)第一階段回歸中(列4)，兩個(gè)工具變量的系數(shù)顯著為正，證明了工具變量的選取滿足相關(guān)性的條件。在兩階段最小二乘估計(jì)第二階段回歸中(列5)，數(shù)字經(jīng)濟(jì)的影響系數(shù)為0.474，且在1%統(tǒng)計(jì)水平上顯著，表明數(shù)字經(jīng)濟(jì)確實(shí)有助于農(nóng)民工高質(zhì)量就業(yè)。進(jìn)一步看，Durbin-Wu-Hausman(DWH)檢驗(yàn)的P值為0.000，在1%水平上拒絕了外生性假設(shè)，說(shuō)明數(shù)字經(jīng)濟(jì)是內(nèi)生變量。Cragg-DonaldWaldF統(tǒng)計(jì)量為432.59，大于15%偏誤下的臨界值11.59，可以排除弱工具變量問(wèn)題。過(guò)度識(shí)別檢驗(yàn)的P值為0.1584，說(shuō)明無(wú)法拒絕工具變量外生的原假設(shè)。

再進(jìn)一步看工具變量條件混合估計(jì)第一階段回歸中(列6)，與兩階段最小二乘估計(jì)第一階段回歸中結(jié)論相同，工具變量選取與數(shù)字經(jīng)濟(jì)具有顯著正相關(guān)性。在工具變量條件混合估計(jì)第二階段回歸中(列7)，數(shù)字經(jīng)濟(jì)的影響系數(shù)為0.474，與兩階段最小二乘估計(jì)第二階段回歸系數(shù)一致，進(jìn)一步證實(shí)本文核心結(jié)論的穩(wěn)健，數(shù)字經(jīng)濟(jì)確實(shí)有助于農(nóng)民工高質(zhì)量就業(yè)。具體看CMP方法的內(nèi)生性參數(shù)Atanhrho-12在統(tǒng)計(jì)上顯著，說(shuō)明前文基準(zhǔn)OLS回歸確實(shí)存在內(nèi)生性問(wèn)題的干擾，基于CMP方法得出的估計(jì)結(jié)果更為準(zhǔn)確。

表4 內(nèi)生性討論-2SLS和CMP估計(jì)

(四)穩(wěn)健性檢驗(yàn)

除反向因果的內(nèi)生性問(wèn)題，本文還可能存在遺漏變量問(wèn)題。本文參考Cinellietal.(2020)提出的“敏感性分析”方法，利用“遺漏變量需要達(dá)到多強(qiáng)才能推翻之前研究結(jié)論”的估計(jì)思路，評(píng)估潛在遺漏變量對(duì)模型結(jié)果的影響。表5匯報(bào)了遺漏變量檢驗(yàn)結(jié)果，PanelA為無(wú)對(duì)比變量情況下的估計(jì)結(jié)果，PanelB為有對(duì)比變量情況下的估計(jì)結(jié)果，從各變量的R2dz.x和R2yz.dx值可以看出，在加入強(qiáng)度為1倍的遺漏變量時(shí)，R2dz.x和R2yz.dx數(shù)值均小于PanelA中匯報(bào)的估計(jì)系數(shù)恰好為零的穩(wěn)健值RV_q(0.0305)，這說(shuō)明遺漏變量需要達(dá)到所有控制變量1倍以上的強(qiáng)度才能推翻之前的結(jié)論，這個(gè)事件不太可能發(fā)生，因而我們相信原模型結(jié)果是穩(wěn)健可信的。

我們繼續(xù)嚴(yán)苛遺漏變量假設(shè)，分別將遺漏變量強(qiáng)度設(shè)為對(duì)比變量的2倍和3倍，在這一強(qiáng)遺漏變量假說(shuō)約束下，除城市工資水平×2(0.0394)、城市規(guī)?！?(0.0748)和公共服務(wù)×2(0.0899)的R2dz.x值大于RV_q值(0.0305)以外，其它對(duì)比變量的R2dz.x和R2yz.dx值依然均小于RV_q值，說(shuō)明遺漏變量干擾本文結(jié)果至少要達(dá)到上述3個(gè)變量的2倍遺漏強(qiáng)度以上，而且即使是在2倍遺漏強(qiáng)度以上的干擾下，本文其他比對(duì)變量所引發(fā)的遺漏變量情況依然不會(huì)發(fā)生，這表明本文初始模型設(shè)定并不存在遺漏變量的強(qiáng)烈干擾，因遺漏變量而產(chǎn)生的不穩(wěn)健結(jié)果概率極低。

表5 基于“敏感性分析”方法的遺漏變量估計(jì)結(jié)果

五、拓展性分析：群體分化與行業(yè)異質(zhì)

前文已經(jīng)證實(shí)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有正向影響。但這一結(jié)論并未考慮農(nóng)民工群體分化和行業(yè)異質(zhì)性，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)可能存在行業(yè)差異和群體內(nèi)部差異。接下來(lái)，我們利用工具變量條件混合估計(jì)法從年齡代際、技能水平和行業(yè)類(lèi)別三個(gè)維度，進(jìn)一步細(xì)致考察數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的異質(zhì)影響，以期得到更為細(xì)致、深入的研究結(jié)論。

具體而言，年齡代際以1980年出生為基準(zhǔn)劃分為“新生代”和“老一代”農(nóng)民工；技能水平以高中學(xué)歷為基準(zhǔn)，劃分為“高技能”和“低技能”農(nóng)民工；依據(jù)國(guó)家統(tǒng)計(jì)局歷年《農(nóng)民工監(jiān)測(cè)調(diào)查報(bào)告》公布的六大主要行業(yè)類(lèi)別劃分，本文重點(diǎn)考察數(shù)字經(jīng)濟(jì)對(duì)從事制造業(yè)、建筑業(yè)、批發(fā)和零售業(yè)、交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)、住宿和餐飲業(yè)、居民服務(wù)、修理和其他服務(wù)業(yè)農(nóng)民工就業(yè)質(zhì)量的異質(zhì)影響。

如表6所示，在年齡代際分組中，數(shù)字經(jīng)濟(jì)對(duì)“新生代”和“老一代”農(nóng)民工就業(yè)質(zhì)量提升均有顯著的促進(jìn)作用，但相比“老一代”農(nóng)民工，數(shù)字經(jīng)濟(jì)對(duì)“新生代”農(nóng)民工影響效應(yīng)更大，影響系數(shù)為0.545，可能的原因是在當(dāng)前信息化背景下，青年農(nóng)民工是數(shù)字技術(shù)的主要使用者，他們更容易捕獲數(shù)字信息，進(jìn)而受數(shù)字經(jīng)濟(jì)的影響更大。

在技能水平分組中，從列(10)和列(11)可以看出，數(shù)字經(jīng)濟(jì)對(duì)“高技能”和“低技能”農(nóng)民工就業(yè)質(zhì)量提升均在1%統(tǒng)計(jì)水平上顯著，但“高技能”農(nóng)民工的影響系數(shù)更大，說(shuō)明“高技能”農(nóng)民工捕獲數(shù)字經(jīng)濟(jì)更能提升其就業(yè)質(zhì)量。這可能與“高技能”農(nóng)民工人力資本水平有關(guān)，越高的人力資本水平越有助于使用數(shù)字信息提升勞動(dòng)力市場(chǎng)中的競(jìng)爭(zhēng)力。

在行業(yè)類(lèi)別分組中，除列(13)建筑業(yè)不具統(tǒng)計(jì)學(xué)顯著性外，數(shù)字經(jīng)濟(jì)對(duì)從事其他行業(yè)類(lèi)別的農(nóng)民工就業(yè)質(zhì)量提升均有不同程度的促進(jìn)作用。其中對(duì)制造業(yè)農(nóng)民工就業(yè)質(zhì)量提升作用最明顯，影響系數(shù)為0.887，其次是交通運(yùn)輸和居民服務(wù)業(yè)。數(shù)字經(jīng)濟(jì)對(duì)從事建筑業(yè)的農(nóng)民工就業(yè)質(zhì)量提升不顯著的原因可能是，建筑業(yè)是傳統(tǒng)“臟、亂、累、苦”的低端行業(yè)，從事建筑業(yè)的農(nóng)民工通常數(shù)字信息利用缺乏，難以通過(guò)數(shù)字技術(shù)推動(dòng)其就業(yè)質(zhì)量提升。

表6 基于CMP方法的異質(zhì)性分析結(jié)果

六、簡(jiǎn)要結(jié)論與政策啟示

“大力發(fā)展數(shù)字經(jīng)濟(jì)穩(wěn)定并擴(kuò)大就業(yè)，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和就業(yè)提質(zhì)擴(kuò)面”是中國(guó)“就業(yè)優(yōu)先”戰(zhàn)略的重要政策選項(xiàng)。這意味著在當(dāng)前和今后一段時(shí)期內(nèi)，中國(guó)不僅要將就業(yè)提質(zhì)擴(kuò)面作為根基工程，更要將數(shù)字經(jīng)濟(jì)作為就業(yè)提質(zhì)擴(kuò)面的關(guān)鍵路徑來(lái)抓。目前以互聯(lián)網(wǎng)為核心的數(shù)字經(jīng)濟(jì)帶來(lái)的就業(yè)沖擊已被理論界和政策部門(mén)所關(guān)注，但遺憾的是這一話題仍缺乏最直接的實(shí)證證據(jù)。本文利用2017年流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)和278個(gè)城市數(shù)據(jù)的匹配數(shù)據(jù)，考察了數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)的影響。研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)民工高質(zhì)量就業(yè)具有顯著的正向影響，但在影響效應(yīng)上卻呈現(xiàn)“倒U型”趨勢(shì)，當(dāng)數(shù)字經(jīng)濟(jì)為中等發(fā)展水平時(shí)，農(nóng)民工高質(zhì)量就業(yè)的邊際效應(yīng)達(dá)到最佳。這一結(jié)論在加入主要解釋變量、地區(qū)效應(yīng)、行業(yè)效應(yīng)，并利用廣義傾向得分匹配法、兩階段最小二乘法和遺漏變量穩(wěn)健性檢驗(yàn)后，結(jié)論仍然成立。進(jìn)一步異質(zhì)性分析發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)“新生代”、“高技能”、從事制造業(yè)、交通運(yùn)輸業(yè)和居民服務(wù)業(yè)的農(nóng)民工就業(yè)質(zhì)量促進(jìn)作用更明顯。

本研究具有重要政策啟示。在疫情沖擊和經(jīng)濟(jì)轉(zhuǎn)型的雙重疊加下，數(shù)字經(jīng)濟(jì)對(duì)就業(yè)和賦能高質(zhì)量就業(yè)表現(xiàn)出強(qiáng)勁的勢(shì)能。未來(lái)推動(dòng)龐大的農(nóng)民工群體高質(zhì)量就業(yè)，政府需以數(shù)字經(jīng)濟(jì)為關(guān)鍵抓手，發(fā)揮數(shù)字經(jīng)濟(jì)助力農(nóng)民工高質(zhì)量就業(yè)的正向階梯作用。核心的政策舉措是，強(qiáng)化數(shù)字基礎(chǔ)設(shè)施建設(shè)，特別是農(nóng)村地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)速度，著力提升互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算的相互融合與發(fā)展，營(yíng)造數(shù)字創(chuàng)新與創(chuàng)業(yè)環(huán)境；以數(shù)字經(jīng)濟(jì)為載體，打造數(shù)字化多形態(tài)就業(yè)和多崗位就業(yè)，建立健全數(shù)字經(jīng)濟(jì)在就業(yè)形態(tài)和崗位中的融合功能；不斷豐富農(nóng)民工數(shù)字就業(yè)培訓(xùn)內(nèi)容，培養(yǎng)農(nóng)民工自主數(shù)字技能學(xué)習(xí)意識(shí)和學(xué)習(xí)能力，降低農(nóng)民工獲得數(shù)字信息和技術(shù)的門(mén)檻，特別注重不同行業(yè)類(lèi)型、不同年齡代際農(nóng)民工數(shù)字信息與技能的不平等獲得問(wèn)題。此外，政府在推動(dòng)數(shù)字經(jīng)濟(jì)助力農(nóng)民工高質(zhì)量就業(yè)的同時(shí)，需著重注意數(shù)字經(jīng)濟(jì)極強(qiáng)的壟斷性和擴(kuò)張屬性，堅(jiān)持?jǐn)?shù)字經(jīng)濟(jì)適度最優(yōu)原則，謹(jǐn)防過(guò)度數(shù)字化帶來(lái)的就業(yè)無(wú)效和就業(yè)低效問(wèn)題。