企業(yè)數(shù)字化轉(zhuǎn)型能穩(wěn)就業(yè)嗎？
——來自危機期間的經(jīng)驗證據(jù)

曾雪婷，韓洪芳

（首都經(jīng)濟貿(mào)易大學(xué) 勞動經(jīng)濟學(xué)院，北京 100071）

一、引言

隨著“大數(shù)據(jù)”“人工智能”等數(shù)字技術(shù)的蓬勃發(fā)展，數(shù)字化轉(zhuǎn)型已經(jīng)成為培育新產(chǎn)業(yè)、新業(yè)態(tài)、新模式的主導(dǎo)力量，同時也成為企業(yè)順應(yīng)經(jīng)濟趨勢發(fā)展的重要戰(zhàn)略選擇，這不僅加快了企業(yè)生產(chǎn)及經(jīng)營方式變革，也對企業(yè)就業(yè)等方面產(chǎn)生了深遠影響。近年來，黨中央和國家高度重視數(shù)字化發(fā)展，2018年國家發(fā)改委發(fā)布的《關(guān)于發(fā)展數(shù)字經(jīng)濟穩(wěn)定并擴大就業(yè)的指導(dǎo)意見》提出，要大力發(fā)展數(shù)字經(jīng)濟以穩(wěn)定并擴大就業(yè)，促進經(jīng)濟轉(zhuǎn)型升級和就業(yè)提質(zhì)擴面互促共進。然而，2020年新冠肺炎疫情下，我國勞動人口就業(yè)壓力陡增，國內(nèi)就業(yè)形勢嚴峻，數(shù)字化轉(zhuǎn)型所催生的直播帶貨、遠程辦公等新業(yè)態(tài)、新模式等凸顯出強大韌性。基于此，企業(yè)數(shù)字化轉(zhuǎn)型能否在危機期間有效緩解勞動力就業(yè)穩(wěn)定的壓力需要密切關(guān)注。

數(shù)字化轉(zhuǎn)型是企業(yè)利用“大數(shù)據(jù)”“人工智能”等數(shù)字技術(shù)提升其市場競爭力、為企業(yè)帶來經(jīng)營績效和利潤增值的戰(zhàn)略選擇（Vial，2019；戚聿東和蔡呈偉，2020）。關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型，目前研究更多關(guān)注企業(yè)在正常時期推進數(shù)字化轉(zhuǎn)型的經(jīng)濟后果，包括企業(yè)財務(wù)績效（李彥龍等，2022）、生產(chǎn)效率（涂心語和嚴曉玲，2022）及企業(yè)戰(zhàn)略變革（霍曉彤等，2023）等，并且提升企業(yè)績效、推動人力資本結(jié)構(gòu)升級和提升勞動生產(chǎn)率等均可能對企業(yè)就業(yè)產(chǎn)生影響（叢屹和閆苗苗，2022）。中外學(xué)者關(guān)于數(shù)字化轉(zhuǎn)型與就業(yè)之間關(guān)系的研究存在較大分歧：第一，數(shù)字化轉(zhuǎn)型能夠促進就業(yè)。Biagi 和Falk（2017）認為信息通訊技術(shù)（ICT）等數(shù)字技術(shù)應(yīng)用并不會減少工作崗位；相反，數(shù)字化轉(zhuǎn)型不僅能通過提升經(jīng)營績效、業(yè)務(wù)范圍與生產(chǎn)率來帶動勞動力就業(yè)（趙宸宇，2023），也能通過增加社會資本和個人人力資本來提升個人就業(yè)機會（戚聿東和褚席，2021）；另外，其還能對服務(wù)業(yè)就業(yè)、非農(nóng)就業(yè)尤其是受雇型非正規(guī)就業(yè)產(chǎn)生積極作用（何宗樾和宋旭光，2020；孟祺，2021）。第二，數(shù)字化轉(zhuǎn)型減少就業(yè)。人工智能等數(shù)字化技術(shù)這一新生產(chǎn)要素在勞動力市場上表現(xiàn)為其對高技能與低技能勞動力的替代效應(yīng)（Frey 和Osborne，2017），且在勞動密集型企業(yè)中更為明顯（宋旭光和左馬華青，2019）。第三，企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)的影響呈現(xiàn)非單調(diào)的“U”形結(jié)構(gòu)特點。企業(yè)對高、低技能勞動力需求增加，而從事程式化勞動的中技能勞動力被新技術(shù)運用所替代，從而對中技能勞動力需求減少，即呈現(xiàn)出“中部塌陷”的就業(yè)極化現(xiàn)象（Eeckhout et al，2021）；并且這種勞動極化現(xiàn)象存在異質(zhì)性，非國有企業(yè)、出口貿(mào)易企業(yè)、規(guī)模較大企業(yè)的中技能勞動力擠出效應(yīng)更為明顯（何小鋼和劉叩明，2023）。

綜上，既有關(guān)于數(shù)字化轉(zhuǎn)型影響企業(yè)就業(yè)的研究僅將數(shù)字技術(shù)或信息技術(shù)采用視作企業(yè)技術(shù)生產(chǎn)變革活動進而探討其對就業(yè)的提升或替代作用，并未限定在特定經(jīng)濟環(huán)境與宏觀背景下，特別是針對兩者在新冠疫情等重大危機期間的研究較為匱乏，更是缺少數(shù)字化轉(zhuǎn)型在危機期間影響企業(yè)就業(yè)規(guī)模的特有機制討論。事實上，穩(wěn)就業(yè)一直是中國實現(xiàn)高質(zhì)量發(fā)展的重要方面，在重大危機期間維護就業(yè)穩(wěn)定的重要性不言而喻，這不僅關(guān)系到重大危機應(yīng)對，更與社會穩(wěn)定與經(jīng)濟社會發(fā)展關(guān)系密切。為此，本文試圖探討在危機期間企業(yè)數(shù)字化轉(zhuǎn)型影響就業(yè)規(guī)模的可能效應(yīng)及其內(nèi)在機制?？赡艿倪呺H貢獻如下：①區(qū)別于既有研究針對企業(yè)數(shù)字化轉(zhuǎn)型就業(yè)效應(yīng)對經(jīng)濟環(huán)境及宏觀背景的忽略，本文基于新冠肺炎疫情這一突發(fā)公共安全危機視角，探究企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)規(guī)模的影響，不僅拓寬了企業(yè)數(shù)字化轉(zhuǎn)型在危機期間價值的研究邊界，也為企業(yè)在危機期間保持就業(yè)穩(wěn)定提供了可行路徑；②本文進一步考察企業(yè)數(shù)字化轉(zhuǎn)型在危機期間影響就業(yè)規(guī)模的路徑，發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型通過擴大市場規(guī)模、強化風(fēng)險承擔(dān)進而擴大企業(yè)在危機期間的就業(yè)規(guī)模，對企業(yè)的微觀效應(yīng)研究形成有益補充；同時排除了企業(yè)數(shù)字化轉(zhuǎn)型在危機期間可能的就業(yè)替代效應(yīng)；③本文除根據(jù)城市危機程度、行業(yè)數(shù)字生態(tài)和企業(yè)產(chǎn)權(quán)性質(zhì)進行異質(zhì)性分析外，還進一步從員工工資收入與企業(yè)勞動生產(chǎn)率的視角切入，探究企業(yè)危機期間數(shù)字化轉(zhuǎn)型在就業(yè)質(zhì)量方面的經(jīng)濟后果，不僅有效豐富了本文的研究結(jié)論與政策內(nèi)涵，更為中國有效應(yīng)對突發(fā)危機、提升經(jīng)濟韌性與穩(wěn)定就業(yè)增長提供了有益參考。

二、理論分析與研究假設(shè)

（一）數(shù)字化轉(zhuǎn)型為企業(yè)在危機期間提供了就業(yè)機遇

企業(yè)數(shù)字化轉(zhuǎn)型旨在通過數(shù)字技術(shù)與現(xiàn)有機器技術(shù)相結(jié)合的方式對產(chǎn)品和服務(wù)進行深刻變革。數(shù)字技術(shù)應(yīng)用等智能資本投入不僅使得經(jīng)濟活動的大量信息流得到及時快速處理，增強了勞動力市場供求匹配度；而且極大地拓寬了勞動力獲取信息和搜尋工作的渠道，提高工作靈活性，并減少了通勤時間和工作場所的限制（Bloom et al，2015）。另外，新冠肺炎疫情對傳統(tǒng)企業(yè)賴以生存的商業(yè)模式與發(fā)展路徑都造成了負面沖擊，嚴格的社交距離限制與跨區(qū)域通道中斷等防控措施使得依賴購買企業(yè)產(chǎn)品和服務(wù)接觸互動的客戶需求下降及企業(yè)產(chǎn)量下降，進而引發(fā)企業(yè)發(fā)生裁員危機，這就使得數(shù)字化技術(shù)在疫情期間變得至關(guān)重要，使數(shù)字化轉(zhuǎn)型的公司在特殊危機期間面臨更有利的經(jīng)營條件。一方面，企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)勞動成本下降、生產(chǎn)效率提升，其使得企業(yè)經(jīng)營狀況穩(wěn)定進而擴大市場供給，隨著市場規(guī)模的不斷擴大最終引致了對勞動力的需求增加（李麗，2022）；另一方面，受疫情影響，在線消費、移動支付等數(shù)字經(jīng)濟模式及平臺經(jīng)濟、共享經(jīng)濟等新技術(shù)經(jīng)濟活力不斷被激發(fā)，促進了靈活就業(yè)模式的產(chǎn)生，進而衍生出眾多的就業(yè)崗位，增加了就業(yè)規(guī)模（王震，2020）。

據(jù)此，本文提出假設(shè)1：

數(shù)字化轉(zhuǎn)型使得企業(yè)在危機期間面臨更有利的經(jīng)營條件，相對增加企業(yè)在危機期間的就業(yè)規(guī)模（H1）。

（二）數(shù)字化轉(zhuǎn)型影響企業(yè)就業(yè)的微觀機制

數(shù)字化轉(zhuǎn)型通過擴大市場規(guī)模的“廣化效應(yīng)”機制增加就業(yè)規(guī)模。第一，數(shù)字化技術(shù)可以不受時間和地理空間限制進行互聯(lián)網(wǎng)訪問，使得企業(yè)在封鎖期間擺脫了某些特定的經(jīng)營活動空間限制，公司員工遠程與客戶和供應(yīng)商持續(xù)溝通繼而保持經(jīng)營（Autio et al，2021）；同時，在此期間也為數(shù)字化轉(zhuǎn)型企業(yè)搶占客戶資源提供了機會，新冠肺炎疫情使得傳統(tǒng)企業(yè)與其核心客群的觸達方式受阻，大量核心客戶流失到數(shù)字化企業(yè)，繼而為企業(yè)帶來了額外的經(jīng)營績效和市場規(guī)模，其結(jié)果將會促使企業(yè)擴大就業(yè)崗位以滿足增加的市場需求。第二，引入5G 等數(shù)字技術(shù)的企業(yè)在新冠肺炎疫情等不確定性外部環(huán)境下能夠與其產(chǎn)業(yè)鏈上下游合作企業(yè)之間實現(xiàn)數(shù)據(jù)共享與流通，有助于上下游合作企業(yè)簡化中間流程，降低交易、搜尋成本，進而有助于擴大市場規(guī)模（Suoniemi et al，2020），推動了企業(yè)的勞動力需求增加。第三，數(shù)字化企業(yè)可以通過開發(fā)應(yīng)用程序，創(chuàng)建電子商務(wù)網(wǎng)站等與互聯(lián)網(wǎng)可觸及的所有用戶進行商品交易，同時，利用大數(shù)據(jù)、數(shù)據(jù)挖掘等技術(shù)精準(zhǔn)捕捉消費者的個人信息，消費習(xí)慣等特點預(yù)測出消費者偏好，進而動態(tài)調(diào)整差異化的產(chǎn)品營銷策略以提升企業(yè)競爭力、擴大市場業(yè)務(wù)范圍，并促成了企業(yè)勞動力需求的提高。

數(shù)字化轉(zhuǎn)型通過強化風(fēng)險承擔(dān)的“深化效應(yīng)”機制增加就業(yè)規(guī)模。企業(yè)在數(shù)字技術(shù)賦能下能夠有效提升應(yīng)對不利事件沖擊的恢復(fù)和反彈速度，并通過優(yōu)化周圍環(huán)境使其盡快恢復(fù)正常經(jīng)營，進而較為迅速的應(yīng)對新冠肺炎疫情帶來的裁員危機。第一，在數(shù)字技術(shù)的賦能下，企業(yè)能打破由于疫情帶來的空間束縛和信息壁壘，將企業(yè)內(nèi)不同部門的人、事、物、信息進行連接，保障公司各業(yè)務(wù)單元在危機中正常運轉(zhuǎn)，同時，能夠使得跨層級、跨部門的組織成員之間隨時互動溝通和反饋意見，可即時根據(jù)危機變化做出調(diào)整，進而提升應(yīng)對危機變化的響應(yīng)速度（單宇等，2021）。第二，根據(jù)商業(yè)信用競爭假說可知，具備市場競爭力優(yōu)勢的數(shù)字化企業(yè)擁有較強的商業(yè)信用，在面對不穩(wěn)定外部環(huán)境時，其能維持現(xiàn)金流穩(wěn)定（董曉林等，2021；張卿和鄧石軍，2023），保證員工薪酬支付。而傳統(tǒng)企業(yè)面臨房租、利息等支出剛性，其現(xiàn)金儲備和現(xiàn)金獲取能力可能直接導(dǎo)致企業(yè)采取減員措施來緩解成本壓力。因此，數(shù)字化轉(zhuǎn)型企業(yè)能夠在疫情期間保持相對穩(wěn)定的現(xiàn)金流。第三，數(shù)字化轉(zhuǎn)型更高的企業(yè)擁有較為靈活的工作模式和更智能的生產(chǎn)技術(shù)，會幫助企業(yè)提升抗風(fēng)險韌性，進而創(chuàng)造更多就業(yè)崗位。例如，新冠肺炎疫情期間，數(shù)字化企業(yè)利用ERP（enterprise resource planning）等數(shù)字技術(shù)實現(xiàn)業(yè)務(wù)改進、流程優(yōu)化（Fischer et al，2020），進而衍生出線上辦公、居家辦公、數(shù)字辦公等多種辦公模式（Brynjolfsson et al，2020），不僅有助于減少人員集聚和人機接觸，更有助于創(chuàng)造更多就業(yè)崗位。

據(jù)此，本文提出假設(shè)2：

疫情危機期間數(shù)字化轉(zhuǎn)型通過擴大市場規(guī)模和強化風(fēng)險承擔(dān)，從而提高了企業(yè)就業(yè)規(guī)模（H2）。

數(shù)字化轉(zhuǎn)型不僅僅對勞動力需求產(chǎn)生促進作用，同時可能存在就業(yè)替代風(fēng)險。一方面，數(shù)字技術(shù)應(yīng)用通過提高生產(chǎn)率等方式淘汰大量重復(fù)性強的工作崗位，從而降低勞動力需求（楊白冰，2023）；另一方面，新數(shù)字技術(shù)的引進促使了人力資本成本的提升，致使企業(yè)盈利下降，從而影響企業(yè)創(chuàng)造工作崗位的積極性（潘孝珍和許耿熙，2023）。疫情危機期間，數(shù)字經(jīng)濟提供的智能化生產(chǎn)技術(shù)有助于減少人員接觸、阻斷疫情傳播（Chen and Lin，2020），尤其是一些企業(yè)利用數(shù)字技術(shù)建立的“無人生產(chǎn)車間”等，可能導(dǎo)致“機器換人”的現(xiàn)象發(fā)生致使重復(fù)性、低技能崗位被替代。與此同時，疫情沖擊下新業(yè)態(tài)被激發(fā)的過程中，不可避免地會使傳統(tǒng)業(yè)態(tài)的部分崗位大量減少甚至消失，從而可能出現(xiàn)失業(yè)率上升的現(xiàn)象。此外，企業(yè)推進數(shù)字化轉(zhuǎn)型使得勞動力的比較優(yōu)勢降低，人工智能與深度學(xué)習(xí)等操作系統(tǒng)的復(fù)雜性在勞動力市場上表現(xiàn)為其對勞動力的替代效應(yīng)，加劇了勞動力市場的結(jié)構(gòu)性失業(yè)風(fēng)險，使得企業(yè)員工的就業(yè)面臨著新的挑戰(zhàn)。

據(jù)此，本文提出假設(shè)3：

危機期間數(shù)字化轉(zhuǎn)型可能存在就業(yè)替代風(fēng)險進而降低了企業(yè)就業(yè)規(guī)模（H3）。

綜上所述，危機期間企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)規(guī)模影響的機制如圖1 所示。

圖1 危機期間企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)規(guī)模的影響機制

三、研究設(shè)計

（一）模型構(gòu)建

本文研究危機期間企業(yè)數(shù)字化水平對就業(yè)的影響，參考胡海峰等（2022），設(shè)定如式（1）的計量模型。

其中：被解釋變量laborit為企業(yè)i在第t年的就業(yè)規(guī)模；digit為企業(yè)i在t年的數(shù)字化轉(zhuǎn)型程度；timet為時間虛擬變量，本文將2019年以后的時期定義為新冠肺炎疫情沖擊時期，time取值為1，否則為0；digit×timet交互項是核心解釋變量；Controlsit為控制變量，具體包括企業(yè)規(guī)模、企業(yè)年齡、資產(chǎn)負債率、盈利能力與成長能力；?ind和?t分別為行業(yè)固定效應(yīng)和時間固定效應(yīng)；εit為隨機誤差擾動項。

（二）數(shù)據(jù)來源與變量說明

為了有效分析新冠肺炎疫情沖擊下企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)的影響效應(yīng)并考慮到數(shù)據(jù)的完整性，本文選取2016—2021年中國滬深A(yù) 股上市公司作為研究樣本，為了確保分析樣本的合理性，依次剔除special treatment（ST）或*ST 類企業(yè)及金融業(yè)企業(yè)，并剔除相關(guān)數(shù)據(jù)缺失值。行業(yè)電子商務(wù)交易活動的企業(yè)比重數(shù)據(jù)來自中國研究數(shù)據(jù)服務(wù)平臺（CNRDS），企業(yè)勞動力規(guī)模數(shù)據(jù)、數(shù)字化轉(zhuǎn)型程度數(shù)據(jù)和其他企業(yè)層面的基礎(chǔ)數(shù)據(jù)來自國泰安（CSMAR）數(shù)據(jù)庫。下面對各變量進行解釋說明。

1.被解釋變量

本文的被解釋變量為企業(yè)就業(yè)規(guī)模（labor），采用公司員工人數(shù)的對數(shù)值來衡量。

2.核心解釋變量

核心解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型（dig）與新冠肺炎疫情爆發(fā)時間（time）的交互項dig×time?？紤]到企業(yè)年報作為總結(jié)性和向?qū)缘膶ν鈭蟾妫湓~匯用法往往能夠反映出企業(yè)的戰(zhàn)略特征與經(jīng)營理念，從而較為全面地捕捉企業(yè)開展數(shù)字化轉(zhuǎn)型在生產(chǎn)經(jīng)營過程等諸多環(huán)節(jié)中的意愿和成果，因而采用年報中相關(guān)詞匯出現(xiàn)的頻率進行測度更能準(zhǔn)確的刻畫企業(yè)數(shù)字化轉(zhuǎn)型的程度。基于此，本文借鑒吳非等（2021）的做法，將數(shù)字化轉(zhuǎn)型指標(biāo)細化為5 個具體子分項，分別為數(shù)字技術(shù)應(yīng)用、人工智能、大數(shù)據(jù)、云計算及區(qū)塊鏈技術(shù)，根據(jù)國泰安（CSMAR）數(shù)據(jù)庫所公開的關(guān)于數(shù)字化5 個分項的詞頻數(shù)，將其求和再加1 后取對數(shù)值來衡量企業(yè)數(shù)字化轉(zhuǎn)型的程度，具體數(shù)字化轉(zhuǎn)型詞頻的關(guān)鍵詞選取如圖2 所示。同時，將2019年以后（不含2019年）的時期定義為新冠肺炎疫情沖擊時期，time取值為1，否則為0。

圖2 數(shù)字化轉(zhuǎn)型的關(guān)鍵詞詞庫

從企業(yè)數(shù)字化轉(zhuǎn)型的平均詞頻統(tǒng)計結(jié)果看，2016—2021年上市公司的數(shù)字化轉(zhuǎn)型程度整體呈現(xiàn)良好的發(fā)展態(tài)勢，總體平均詞頻從11.703 次上升至16.747 次（表1），盡管疫情沖擊致使發(fā)展進程受阻，但2020年以后企業(yè)數(shù)字化轉(zhuǎn)型水平仍然實現(xiàn)了正增長，由此表明，疫情危機不但沒有中斷企業(yè)的數(shù)字化轉(zhuǎn)型之路，反而客觀上激發(fā)了數(shù)字經(jīng)濟的發(fā)展?jié)撃?，催生了新興業(yè)務(wù)市場，拓展了可數(shù)字化應(yīng)用場景。從數(shù)字化轉(zhuǎn)型推進的5 個方向來看，人工智能、云計算、大數(shù)據(jù)與數(shù)字技術(shù)應(yīng)用這些相關(guān)詞匯出現(xiàn)頻次較高，其中數(shù)字技術(shù)應(yīng)用分項詞頻最高，2020年其高達6.336 次，而區(qū)塊鏈技術(shù)這些反映去中心化的詞頻有所增長但詞頻較低；此外，雖然疫情爆發(fā)后企業(yè)數(shù)字化轉(zhuǎn)型個別分項的詞頻增長緩慢甚至有所減少，但在人工智能技術(shù)分項上仍然保持平穩(wěn)上升的趨勢，且云計算技術(shù)由2020年的4.134 次上升到2021年的4.391。由此可知疫情催生的自動化線上化應(yīng)對需求進一步刺激了云計算、機器學(xué)習(xí)與人工智能等新興技術(shù)應(yīng)用和商業(yè)模式的擴張。同時，《中國企業(yè)數(shù)字化轉(zhuǎn)型研究報告（2020）》也表明疫情危機中的眾多企業(yè)加速了數(shù)字化系統(tǒng)開發(fā)、打造了數(shù)字化工作環(huán)境與推動了數(shù)字生態(tài)圈建設(shè)。

表1 企業(yè)數(shù)字化轉(zhuǎn)型平均詞頻統(tǒng)計

3.控制變量

參考既有研究，本文納入以下企業(yè)層面控制變量：①企業(yè)規(guī)模（size），采用年總資產(chǎn)的對數(shù)來衡量；②企業(yè)年齡（age），采用當(dāng)年年份減去公司成立年份加1，再取對數(shù)來衡量；③資產(chǎn)負債率（lev），利用年末總負債與年末總資產(chǎn)比值來衡量；④盈利能力（roa），采用資產(chǎn)報酬率來衡量；⑤成長能力（growth），選用凈利潤增長率來衡量。各變量的描述性統(tǒng)計結(jié)果見表2。

表2 主要變量的描述性統(tǒng)計

四、實證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

表3 為新冠肺炎疫情沖擊下企業(yè)數(shù)字化轉(zhuǎn)型對就業(yè)規(guī)模的基準(zhǔn)回歸結(jié)果，（1）～（5）列結(jié)果顯示，在逐步控制其他變量后，交互項dig×time的系數(shù)符號均在1%水平上顯著為正，說明新冠肺炎疫情爆發(fā)后，經(jīng)歷數(shù)字化轉(zhuǎn)型的企業(yè)顯著促進了就業(yè)水平。在疫情危機期間，企業(yè)利用新技術(shù)流進行數(shù)字化轉(zhuǎn)型推動了網(wǎng)絡(luò)直播、新媒體、零工經(jīng)濟等較多靈活多樣的新就業(yè)形態(tài)和線上辦公、靈活辦公等新工作模式，進而充分吸收市場釋放的多余勞動力，在很大程度上減輕疫情危機帶來的失業(yè)沖擊。由此假設(shè)1 得到了證實。

表3 企業(yè)數(shù)字化轉(zhuǎn)型影響就業(yè)規(guī)模的基準(zhǔn)回歸結(jié)果

（二）有效性檢驗

1.平行趨勢檢驗與動態(tài)效應(yīng)

使用雙重差分模型的基本前提是需要滿足平行趨勢的假設(shè)條件，即控制組和處理組在沖擊之前需要保持一致的趨勢發(fā)展。參考于新亮等（2022），采用事件研究法進行平行趨勢檢驗，將2016年作為缺省組。圖3顯示了平行趨勢檢驗的估計結(jié)果，可見在疫情沖擊的前3年內(nèi)交互項系數(shù)均不顯著，說明通過了平行趨勢檢驗。同時2021年的交互項系數(shù)相比2020年有所增長，表明企業(yè)數(shù)字化轉(zhuǎn)型在危機期間的就業(yè)促進效應(yīng)存在動態(tài)增長的變動趨勢。

圖3 平行趨勢與動態(tài)效應(yīng)檢驗

2.預(yù)期效應(yīng)檢驗

為避免企業(yè)在疫情沖擊前產(chǎn)生重大衛(wèi)生危機的預(yù)期效應(yīng)而做出就業(yè)調(diào)整，本文在基準(zhǔn)模型的基礎(chǔ)上納入企業(yè)數(shù)字化轉(zhuǎn)型（dig）與疫情沖擊前1 期的交互項重新估計?；貧w結(jié)果見表4 的（1）列所示，可見沖擊前1期并不顯著，而交互項系數(shù)仍顯著為正，說明企業(yè)并未在新冠肺炎疫情沖擊前產(chǎn)生預(yù)期效應(yīng)，本文基準(zhǔn)模型的設(shè)定有效。

表4 預(yù)期效應(yīng)與更換解釋變量的穩(wěn)健性檢驗

3.安慰劑檢驗

為排除其他不可觀測因素的干擾，本文隨機設(shè)定虛假企業(yè)數(shù)字化轉(zhuǎn)型水平與疫情沖擊時間并構(gòu)建虛假交互項，而后對基準(zhǔn)模型進行重復(fù)500 次的安慰劑檢驗并繪制核密度分布圖（圖4）。如圖4 所示，隨機估計的虛假交互項系數(shù)均分布在0 附近，與基準(zhǔn)估計的真實估計系數(shù)相差較大（虛線）。因而通過了安慰劑檢驗，本文基準(zhǔn)模型的設(shè)定有效。

圖4 安慰劑檢驗

（三）穩(wěn)健性檢驗

1.更換解釋變量

為緩解本文所選取企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵詞頻的隨機性問題，參考趙宸宇（2021）的關(guān)鍵詞頻統(tǒng)計分類標(biāo)準(zhǔn)，在上市公司年度報告中統(tǒng)計數(shù)字化技術(shù)運用、互聯(lián)網(wǎng)商業(yè)模式、智能制造和現(xiàn)代信息系統(tǒng)4 個維度的企業(yè)數(shù)字化相關(guān)關(guān)鍵詞詞頻，而后利用相關(guān)詞頻總數(shù)加1 的對數(shù)值計算企業(yè)數(shù)字化轉(zhuǎn)型的替代指標(biāo)（dig1）。進一步，為緩解企業(yè)在年度報告中可能為迎合當(dāng)前數(shù)字經(jīng)濟趨勢與政策，過度夸大數(shù)字化轉(zhuǎn)型進程導(dǎo)致的測度偏差，本文參考余典范等（2022），利用企業(yè)數(shù)字化資產(chǎn)衡量企業(yè)數(shù)字化轉(zhuǎn)型的實際水平，首先識別并加總企業(yè)與數(shù)字化轉(zhuǎn)型相關(guān)的無形資產(chǎn)總額，然后利用企業(yè)無形資產(chǎn)總額進行規(guī)模標(biāo)準(zhǔn)化處理，將其作為企業(yè)數(shù)字化轉(zhuǎn)型的另一替代指標(biāo)（dig2）。使用以上替代變量對基準(zhǔn)模型重新估計，回歸結(jié)果見表4 的（2）列、（3）列所示，可見關(guān)鍵交互項變量均顯著為正，說明在考慮企業(yè)數(shù)字化轉(zhuǎn)型的多種衡量方式后，本文結(jié)論仍然穩(wěn)健。

2.Heckman 檢驗

由于企業(yè)數(shù)字化轉(zhuǎn)型需要企業(yè)充盈的資金支持、專業(yè)的人才團隊等，以上轉(zhuǎn)型支持因素可能導(dǎo)致企業(yè)雇傭更多的員工，即可能存在樣本選擇偏差產(chǎn)生的內(nèi)生性問題。為此，利用Heckman 兩階段模型緩解以上內(nèi)生性問題。具體而言，首先，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型選擇模型，將企業(yè)是否進行數(shù)字化轉(zhuǎn)型（DT）作為被解釋變量，若企業(yè)當(dāng)期進行數(shù)字化轉(zhuǎn)型則賦值DT為1，反之為0；利用Probit 模型估計企業(yè)進行數(shù)字化轉(zhuǎn)型的概率，依據(jù)其計算逆米爾斯比率（IMR）。其次，將得到的IMR作為解釋變量納入基準(zhǔn)模型重新估計，估計結(jié)果見表5 的（1）列。由結(jié)果可知，交互項系數(shù)仍顯著為正，同時逆米爾斯比率IMR同樣顯著為正。說明選擇進行數(shù)字化轉(zhuǎn)型的企業(yè)確實存在更高的員工規(guī)模，在排除以上樣本選擇偏差導(dǎo)致的內(nèi)生性問題后，本文的基準(zhǔn)結(jié)論仍然有效。

表5 Heckman 兩階段及工具變量回歸法

3.工具變量法

為避免反向因果、遺漏變量等內(nèi)生性問題，本文參考鄭博文等（2023）的做法，采用歷史上的郵電數(shù)據(jù)作為數(shù)字化轉(zhuǎn)型的工具變量。具體來說，企業(yè)所在地歷史上的郵電數(shù)據(jù)反映當(dāng)?shù)氐耐ㄐ呕A(chǔ)設(shè)施發(fā)展水平，企業(yè)進行數(shù)字化轉(zhuǎn)型在一定程度上受到本地這種通信基礎(chǔ)設(shè)施發(fā)展水平的影響，同時歷史上的郵電數(shù)據(jù)與企業(yè)就業(yè)規(guī)模難以產(chǎn)生直接關(guān)聯(lián)，因而滿足工具變量外生性與相關(guān)性要求?？紤]到歷史上某一年的郵電數(shù)據(jù)并不能直接作為面板數(shù)據(jù)進行處理分析，因此，本文以上一年全國互聯(lián)網(wǎng)用戶數(shù)分別與1984年各城市每萬人電話機數(shù)量構(gòu)造交互項作為工具變量進行兩階段最小二乘法（2SLS）回歸。表5 的（2）列顯示了第二階段的回歸結(jié)果，結(jié)果表明交互項系數(shù)依然顯著為正，與基準(zhǔn)回歸結(jié)果一致；并且檢驗結(jié)果顯示工具變量均通過了“不可識別”檢驗和“弱工具變量”檢驗，說明本文所選擇的工具變量是有效且合理的。

4.其他穩(wěn)健性檢驗

為進一步確保研究結(jié)果的可靠性，本文還做了以下穩(wěn)健性檢驗：①在基準(zhǔn)模型基礎(chǔ)上引入省份固定效應(yīng)以消除省份不隨時間改變因素的影響；②本文更換固定效應(yīng)為控制省份-時間與行業(yè)-時間固定效應(yīng)以排除省份和行業(yè)層面隨時間可變的不可觀測因素影響；③為了消除同行業(yè)企業(yè)間存在的相關(guān)性，本文更換使用行業(yè)聚類標(biāo)準(zhǔn)誤進行穩(wěn)健性檢驗；④考慮到北京、天津、上海、重慶作為直轄市，在擴大市場規(guī)模和強化風(fēng)險承擔(dān)機制上具有一定的特殊性，其控制新冠肺炎疫情的執(zhí)行力與其他省份存在一定差異性，可能會導(dǎo)致就業(yè)效應(yīng)有別于其他省份，因此，以剔除直轄市的方式來進行穩(wěn)健性檢驗。以上估計結(jié)果列示在表6 的（1）～（4）列，可見交互項系數(shù)的大小、符號及顯著性并未有明顯變化，這說明基準(zhǔn)結(jié)論比較穩(wěn)健。

表6 其他穩(wěn)健性檢驗

（四）機制檢驗

基于前文理論機理分析，借鑒江艇（2022）的方法，檢驗企業(yè)數(shù)字化轉(zhuǎn)型如何通過“市場規(guī)模”和“風(fēng)險承擔(dān)”來影響就業(yè)。本文中介效應(yīng)模型設(shè)定如式（2）、式（3）所示。

其中：Mit為市場規(guī)模（MS）和風(fēng)險承擔(dān)（RA），其中市場規(guī)模采用企業(yè)營業(yè)收入的對數(shù)來衡量，風(fēng)險承擔(dān)采用負向指標(biāo)現(xiàn)金流波動性來衡量。

表7 報告了危機期間企業(yè)數(shù)字化轉(zhuǎn)型穩(wěn)定就業(yè)的影響機制檢驗結(jié)果。表7 的（1）、（2）列分別為數(shù)字化轉(zhuǎn)型對中介市場規(guī)模（MS）、風(fēng)險承擔(dān)（RA）的影響，可以看出交互項的系數(shù)分別顯著為正、顯著為負，這說明危機期間企業(yè)進行數(shù)字化轉(zhuǎn)型所帶來的市場規(guī)?！皬V化效應(yīng)”與風(fēng)險承擔(dān)“深化效應(yīng)”中介機制成立，即數(shù)字化轉(zhuǎn)型企業(yè)在疫情危機期間通過擴大市場規(guī)模和強化風(fēng)險承擔(dān)，進而提升企業(yè)就業(yè)水平。在危機中數(shù)字化轉(zhuǎn)型為企業(yè)提升了應(yīng)對不利事件沖擊的恢復(fù)和反彈速度，使得企業(yè)能夠較為迅速的應(yīng)對新冠肺炎疫情帶來的裁員危機，同時為企業(yè)提供了線上辦公、直播帶貨等工作模式，使得企業(yè)擁有擴大現(xiàn)有市場規(guī)模的潛力，最終提升了就業(yè)機遇。因此假設(shè)2 得到驗證。

表7 機制檢驗與替代效應(yīng)檢驗

數(shù)據(jù)方面的限制導(dǎo)致本文無法直接考察危機期間企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)替代效應(yīng)。本文基于勞動密集度性質(zhì)將樣本劃分為勞動密集型與資本密集型企業(yè)，并分別進行分組回歸來間接識別企業(yè)數(shù)字化轉(zhuǎn)型對勞動力的替代效應(yīng)；參考李磊等（2021），如果存在替代效應(yīng)，與非勞動密集型企業(yè)相比，勞動密集型企業(yè)的就業(yè)替代效應(yīng)更大；換言之，勞動密集型企業(yè)的交互項系數(shù)如果顯著為正，表明數(shù)字化轉(zhuǎn)型程度越高，勞動密集型企業(yè)的就業(yè)規(guī)模越大，則排除了數(shù)字化轉(zhuǎn)型的就業(yè)替代效應(yīng)。本文使用有形資產(chǎn)比率來度量企業(yè)的勞動密集度，如果勞動密集度大于所有樣本企業(yè)當(dāng)年勞動密集度的中位數(shù)，則定義為資本密集型企業(yè)，反之則定義為勞動密集型企業(yè)。表7 的（3）、（4）列分別報告了勞動密集型企業(yè)和資本密集型企業(yè)的回歸結(jié)果。其中，（3）列表明勞動密集型企業(yè)中交互項系數(shù)顯著為正，且（4）列資本密集型企業(yè)的交互項系數(shù)不顯著，說明勞動密集型企業(yè)進行數(shù)字化轉(zhuǎn)型依然能夠促進就業(yè)效應(yīng)，且相較于資本密集型企業(yè)，數(shù)字化轉(zhuǎn)型對勞動密集型企業(yè)就業(yè)規(guī)模提升的效果更大，排除了危機期間企業(yè)數(shù)字化轉(zhuǎn)型的就業(yè)替代效應(yīng)，假設(shè)3 并未成立。

（五）異質(zhì)性分析

1.城市危機程度異質(zhì)性

考慮到新冠肺炎疫情爆發(fā)后，不同地區(qū)間的疫情嚴重程度、封控時長等有所差異，可能導(dǎo)致企業(yè)數(shù)字化轉(zhuǎn)型在危機期間的就業(yè)穩(wěn)定效應(yīng)的發(fā)揮存在異質(zhì)性。為此，本文利用城市自2020年以來的疫情封控時長劃分城市疫情嚴重程度，將武漢、上海等9 個封控時間較長的城市定義為疫情重度地區(qū)，將其他城市定義為疫情輕度地區(qū)。而后分組對基準(zhǔn)模型進行估計，表8 的（1）、（2）列分別報告了疫情重度地區(qū)和疫情輕度地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型對于危機期間就業(yè)穩(wěn)定的影響結(jié)果，可以看出，在疫情重度地區(qū)，交互項系數(shù)并不顯著，而在疫情輕度地區(qū)，交互項系數(shù)在1%的水平上顯著為正，這說明相較于疫情重度地區(qū)的企業(yè)，數(shù)字化轉(zhuǎn)型對疫情輕度地區(qū)的企業(yè)就業(yè)規(guī)模提升效果更大。此外，經(jīng)驗P值在1%的水平上顯著，進一步驗證了上述差異在統(tǒng)計上的顯著性。主要原因在于疫情重度地區(qū)實施了嚴厲的管控政策，全民居家隔離，城市之間、城鄉(xiāng)之間交通基本阻斷，各大商場、餐館、體育場館、健身培訓(xùn)場所活動一律按規(guī)定停止?fàn)I業(yè)，聚集性體育娛樂活動一律取消，這將對較為依賴線下交易的企業(yè)造成嚴重沖擊，致使企業(yè)進行數(shù)字化轉(zhuǎn)型也難以提升就業(yè)規(guī)模。

表8 異質(zhì)性檢驗結(jié)果

2.行業(yè)數(shù)字生態(tài)異質(zhì)性

由于行業(yè)數(shù)字化管理與參與程度存在較大差異，部分行業(yè)具有良好的數(shù)字生態(tài)，其生產(chǎn)經(jīng)營能夠充分發(fā)揮數(shù)字技術(shù)的線上平臺搭建、線上交易執(zhí)行優(yōu)勢，不僅能有效提升該行業(yè)企業(yè)的生產(chǎn)經(jīng)營效率，也使其在疫情沖擊期間更大程度的規(guī)避線下隔斷沖擊，因而可能對于就業(yè)穩(wěn)定存在異質(zhì)性效應(yīng)。有鑒于此，本文參考陳岑等（2023），利用行業(yè)電子商務(wù)交易活動的企業(yè)比重衡量行業(yè)數(shù)字化參與程度，若其高于全行業(yè)電子商務(wù)交易活動企業(yè)比重的中位數(shù)，則定義為數(shù)字生態(tài)行業(yè)，反之定義為非數(shù)字生態(tài)行業(yè)?；谝陨戏纸M對基準(zhǔn)模型重新估計，表8 的（3）、（4）列分別報告了數(shù)字生態(tài)和非數(shù)字生態(tài)行業(yè)的回歸結(jié)果，能夠發(fā)現(xiàn)，（3）、（4）列交互項的估計系數(shù)均在1%的水平上顯著為正，并且在數(shù)字生態(tài)行業(yè)中，企業(yè)數(shù)字化轉(zhuǎn)型對于危機期間就業(yè)穩(wěn)定的正向作用更大；同時經(jīng)驗P值也顯著支持這種組間系數(shù)差異的存在。數(shù)字生態(tài)行業(yè)具有較為完善的數(shù)字生產(chǎn)網(wǎng)絡(luò)體系，其能依靠線上平臺維持企業(yè)的正常生產(chǎn)經(jīng)營，疫情期間的各類封控、隔斷措施對其實質(zhì)性影響較小，數(shù)字化轉(zhuǎn)型則進一步提升企業(yè)的數(shù)字運營、數(shù)字交易等數(shù)字生態(tài)建設(shè)優(yōu)勢，繼而有效穩(wěn)定企業(yè)就業(yè)。

3.企業(yè)產(chǎn)權(quán)性質(zhì)異質(zhì)性

為了衡量在不同產(chǎn)權(quán)性質(zhì)的企業(yè)中數(shù)字化轉(zhuǎn)型對企業(yè)就業(yè)規(guī)模的影響，本文基于實際控制人性質(zhì)將樣本劃分為國有企業(yè)與非國有企業(yè)，并分別進行分組回歸。若公司的實際控制人為各級政府或國有企業(yè)，則產(chǎn)權(quán)性質(zhì)取值為1，否則取值為0。表8 的（5）、（6）列分別報告了國有企業(yè)和非國有企業(yè)的回歸結(jié)果。其中，（5）、（6）列的交互項系數(shù)均顯著為正，且國有企業(yè)的交互項系數(shù)大于非國有企業(yè)，說明數(shù)字化轉(zhuǎn)型的就業(yè)促進效應(yīng)具有普惠性，但相較于非國有企業(yè)，數(shù)字化轉(zhuǎn)型對國有企業(yè)就業(yè)規(guī)模提升的效果更大；此外，經(jīng)驗P值為0.018，并在1%的水平上顯著，進一步驗證了上述差異在統(tǒng)計上的顯著性。國企作為引領(lǐng)數(shù)字經(jīng)濟的示范者和引領(lǐng)者，其本身的融資約束明顯處于較低水平，有充足的資本儲備開展數(shù)字化轉(zhuǎn)型工作，并且國有企業(yè)在數(shù)字化推進過程中，還會有來自政府部門更具傾向性的技術(shù)、管理和人員等資源或政策的支持，這使得數(shù)字化賦能在國有企業(yè)中更具成效，利用數(shù)字化的技術(shù)優(yōu)勢創(chuàng)造了就業(yè)崗位，對就業(yè)規(guī)模的提升作用更強。

（六）拓展分析

Korinek 和Stiglitz（2017）研究發(fā)現(xiàn)數(shù)字技術(shù)應(yīng)用的最大挑戰(zhàn)在于社會不平等。新技術(shù)的擴散和廣泛使用均會對收入分配產(chǎn)生影響，使得全球范圍內(nèi)的勞動收入份額發(fā)生變動（郭凱明，2019）。那么，企業(yè)進行數(shù)字化轉(zhuǎn)型究竟會對勞動收入產(chǎn)生怎樣的影響呢？此外，考慮到疫情期間許多人面臨房貸還款困難等問題，因此數(shù)字化轉(zhuǎn)型除了對就業(yè)規(guī)模有影響外，分析危機期間其能否提高企業(yè)員工工資收入是值得更為關(guān)注的問題；由于勞動生產(chǎn)率是企業(yè)數(shù)字化轉(zhuǎn)型影響員工收入的重要因素之一，其反映了企業(yè)發(fā)展質(zhì)量和經(jīng)營效益，為此，本文進一步分析了企業(yè)數(shù)字化轉(zhuǎn)型對員工工資收入與勞動生產(chǎn)率的影響。估計結(jié)果見表9。表9的被解釋變量分別為員工工資收入與勞動生產(chǎn)率；工資收入分別采用工資規(guī)模和工資優(yōu)勢作為其代理變量，其中，工資規(guī)模利用支付給職工及為職工支付的現(xiàn)金來衡量；工資優(yōu)勢參考劉汶榮（2021）采用公司從業(yè)人員與其所處行業(yè)人均營業(yè)收入的比值來衡量。勞動生產(chǎn)率分別采用Levinsohn-Petrin（LP）法計算的全要素生產(chǎn)率與勞動邊際產(chǎn)出作為其代理變量。從表9 的估計結(jié)果可知，危機期間企業(yè)推進數(shù)字化轉(zhuǎn)型能夠顯著提高員工收入與企業(yè)勞動生產(chǎn)率。新冠疫情使得企業(yè)員工在家辦公成為常態(tài)，數(shù)字化更高的企業(yè)所有用的office automation（OA）、enterprise resource planning（ERP）等智能辦公軟件有利于提高企業(yè)內(nèi)部各部門之間信息傳達與溝通交流，致使企業(yè)內(nèi)部各級的協(xié)同性大大提升，增加了勞動生產(chǎn)率。同時，數(shù)字化提供的智能化生產(chǎn)技術(shù)為企業(yè)生產(chǎn)和運營提供了便捷，智能軟件、遠程操控等技術(shù)加大了員工職業(yè)培訓(xùn)力度，提升了員工的職業(yè)素養(yǎng)，進而實現(xiàn)了員工增收。由此，企業(yè)數(shù)字化轉(zhuǎn)型能促進企業(yè)勞動生產(chǎn)率的提高，且?guī)恿斯べY收入的上漲，能夠帶來積極的經(jīng)濟后果。

表9 數(shù)字化轉(zhuǎn)型對員工收入與勞動生產(chǎn)率影響的估計結(jié)果

五、結(jié)論與建議

本文基于新冠肺炎疫情這一外生沖擊，利用2016—2021年中國滬深A(yù) 股上市公司數(shù)據(jù)，實證檢驗了危機期間企業(yè)數(shù)字化轉(zhuǎn)型與其就業(yè)規(guī)模的因果關(guān)系，為實現(xiàn)危機期間的就業(yè)、社會及經(jīng)濟穩(wěn)定提供經(jīng)驗證據(jù)。本文的研究結(jié)論包括：數(shù)字化轉(zhuǎn)型有助于企業(yè)在危機期間穩(wěn)定就業(yè)，表現(xiàn)為數(shù)字化轉(zhuǎn)型程度較高的企業(yè)在新冠疫情期間的員工人數(shù)相對增長2.7%，這一結(jié)論在經(jīng)過替換解釋變量、Heckman 與工具變量等一系列穩(wěn)健性檢驗后仍然成立。機制檢驗表明企業(yè)數(shù)字化轉(zhuǎn)型主要通過“廣化效應(yīng)”與“深化效應(yīng)”提升企業(yè)危機期間的就業(yè)規(guī)模，其就業(yè)替代效應(yīng)并不明顯。異質(zhì)性分析發(fā)現(xiàn)在疫情嚴重城市、數(shù)字生態(tài)行業(yè)和國有企業(yè)中，數(shù)字化轉(zhuǎn)型更能提升企業(yè)危機期間的就業(yè)規(guī)模。最后，拓展分析表明企業(yè)在危機期間推進數(shù)字化轉(zhuǎn)型能夠提高員工收入與企業(yè)勞動生產(chǎn)率。本文為維護危機期間社會穩(wěn)定及雙循環(huán)戰(zhàn)略實現(xiàn)提供了重要參考。

基于上述結(jié)論，可能的建議思路如下：第一，中國企業(yè)需充分把握數(shù)字化發(fā)展機遇，加大數(shù)字化轉(zhuǎn)型的技術(shù)基礎(chǔ)設(shè)施投入，助力企業(yè)經(jīng)營績效的提升并為就業(yè)崗位創(chuàng)造更多的機會；積極運用5G、區(qū)塊鏈、人工智能等數(shù)字技術(shù)與實體經(jīng)濟融合，開展在線辦公、數(shù)字辦公等新業(yè)態(tài)新模式進而強化企業(yè)風(fēng)險承擔(dān)能力，以緩解危機所帶來的負面影響，發(fā)揮危機期間企業(yè)數(shù)字化轉(zhuǎn)型促進就業(yè)的韌性優(yōu)勢。第二，加大數(shù)字人才的培養(yǎng)力度，大力支持企業(yè)設(shè)立數(shù)字化技能培訓(xùn)平臺，鼓勵企業(yè)興辦在職員工的技能培訓(xùn)，政府也應(yīng)對開展培訓(xùn)的企業(yè)提供土地、財政、稅收、信用等一系列合適的支持政策，從而為企業(yè)積極培養(yǎng)相關(guān)人才及為其員工數(shù)字化技能形成指明方向，以緩解企業(yè)數(shù)字化轉(zhuǎn)型對勞動力優(yōu)勢沖擊帶來的不利影響。第三，非國有企業(yè)在數(shù)字化過程中面臨的轉(zhuǎn)型成本高、難度大等問題嚴重制約了數(shù)字化的賦能作用，政府應(yīng)該大力扶持非國有企業(yè)進行數(shù)字化轉(zhuǎn)型，加大資金支持和政策優(yōu)惠力度，帶動非國有企業(yè)生產(chǎn)、銷售、運營和管理等各個環(huán)節(jié)及流程的數(shù)字化，從而推動數(shù)字技術(shù)與非國有企業(yè)，特別是非國有中小企業(yè)的精準(zhǔn)對接，充分激發(fā)數(shù)字經(jīng)濟的就業(yè)“紅利”效應(yīng)，為促進企業(yè)穩(wěn)就業(yè)提供內(nèi)生動力。