产业数字化降低了劳动报酬占比吗?——技术变革和业务转型的双重视角

  导读  

一、引言

共同富裕是社会主义的本质要求，是中国式现代化的重要特征[1]。习近平总书记在主持中央财经委员会第十次会议时强调，在高质量发展中促进共同富裕，要正确处理效率和公平的关系①。从增长的效率上看，数字经济已成为我国高质量发展的新引擎。党的十八大以来，党中央高度重视发展数字经济，将其上升为国家战略[2],我国“十四五”规划和2035年远景目标纲要亦指出要“打造数字经济新优势”,“推进产业数字化转型”。然而，产业数字化引发的就业替代、市场垄断等负面效应[3-4],给劳动力市场带来一定冲击，使数字经济下劳动力收入问题成为了一个必须重视的社会现实问题。从公平分配上看，劳动报酬占比是反应经济发展成果在不同要素间分配情况的直接指标。我国“十四五”规划指出，优化收入分配结构要“提高劳动报酬在初次分配中的比重”。但当前我国在收入分配领域，按劳分配为主体的地位尚未凸显，劳动报酬占比有待提升[5]。历史证据表明，过去的技术进步在多个国家或地区降低了劳动报酬占比[6]。那么，以新一轮技术应用为主要表现的产业数字化进程是否会继续在要素收入分配领域产生影响?产业数字化以何种机制对劳动报酬占比产生影响?这是本文集中讨论和检验的问题。

近年来，越来越多的学者开始关注人工智能等新技术对劳动报酬占比的影响，具体可以分为两类。第一类文献延续一般化技术进步研究框架，认为人工智能等数字技术必然替代劳动需求，其对劳动报酬占比的影响方向取决于资本和劳动要素的替代弹性是否大于1[7]。这类研究侧重于以经验数据对最终结论进行验证。从结果上看，大多数学者发现智能技术具有资本偏向性，降低了劳动报酬占比[7-8];少数学者发现，人工智能应用以劳动增进效应为主[9];郭凯明(2019)[10]特别考虑了人工智能在不同产业部门的应用特征，发现要素收入份额取决于不同产出部门的要素产出弹性。第二类技术角度文献将人工智能区别于一般化的技术进步，基于Acemoglu和Restrepo(2018)[11]构建的自动化任务导向模型和理论展开研究。这部分研究认为，自动化技术不仅会通过劳动生产率的提高降低劳动需求(替代效应),还会创造新的工作任务(创造效应),何种效应占主导成为学者在实证研究阶段的主要检验问题。Acemoglu和Restrepo(2019)[12]、芦婷婷和祝志勇(2021)[13]分别基于美国和中国的微宏观数据实证检验发现，人工智能的替代效应更强。此外，技术进步带来的收益增长并不会均等地在要素间分配，人工智能应用往往提高了智能机器人拥有者即资本的回报率[14],以及创新要素所有者的收入增长率[15]。Bessen和Righi(2019)[16]发现，信息技术使得企业利润增长率高于工资增长率，降低了劳动报酬占比。但这一结论在我国的实践背景下尚存争议，程虹等(2021)[17]研究发现，使用机器人所带来工资率提高的幅度远低于劳动生产率提高的幅度，与之相反，薛莹(2021)[18]研究认为，人工智能的效益提升作用使企业提高了劳动者收入，进而提高了劳动报酬占比。以上研究结论的不一致，增强了从技术进步角度对产业数字化影响劳动报酬占比再考察的必要性。

除技术因素外，部分学者从市场竞争角度研究了数字经济对劳动报酬占比的影响。在理论研究方面，Yeyati和Sartorio(2018)[4]认为，数字经济的规模外部性和强大用户粘性使“超级明星企业”的市场份额增加，降低了劳动报酬占比。在实证研究方面，Autor等(2017)[19]和Akaev等(2021)[20]利用美国经济普查数据和G7国家数据研究发现，数字时代的垄断力量会降低劳动报酬占比。但以上两个实证研究并没有直接将数字化变量加入到模型中，只是以数字化为理论背景和模型假设，研究了市场力量和劳动报酬占比的关系。Stiebale等(2020)[21]以工业机器人使用量表示自动化程度，基于欧洲国家数据研究发现，机器人的使用提高了高效率企业的市场份额，降低劳动报酬占比。国内尚未有高水平文献从市场竞争角度研究产业数字化对劳动报酬占比的影响，因此有必要在已有研究的框架中，加入产品市场因素的影响。

纵观已有文献可以发现，产业数字化影响劳动报酬占比的研究是当前劳动经济学领域的热点问题，具有一定的前沿性，现有研究中的偏向性技术进步和自动化任务导向等理论为本文的研究开展提供了坚实的理论基础，但还存在以下有待拓展的空间。第一，从影响方向上来看，产业数字化对我国劳动报酬占比的影响方向还存在争议，主要原因在于对数字技术的衡量范围和方式不一致。同时，现有研究多使用工业机器人使用量作为智能技术的代理变量，因此仅能体现人工智能这一单一技术应用对劳动报酬占比的影响，但企业人工智能技术的普及应用不是单线条开展的，而是伴随云计算、大数据、物联网等一系列数字技术同步推广的，除人工智能以外的数字技术，同样具有提升生产效率、变革生产方式等特征，会对劳动力需求和结构产生同质影响，仅考虑工业机器人投入程度对劳动报酬份额的影响，可能会使研究结论出现偏差。第二，从影响机制上看，现有文献大多仅关注了技术进步的影响，忽视了产业数字化转型对产品市场业态变化产生的影响。数字化转型与以往技术革命最大的不同是，数字化不仅在生产制造环节降低企业成本，提升生产效率，也会在产品市场销售环节推进企业转型升级，仅以生产环节的技术投入量来衡量产业数字化的影响不够全面，且没有将数字化与传统的自动化区分开，脱离了历史环境和现实的技术发展的阶段特征。虽然已有少数国外学者检验了数字经济时代，发达国家市场集中程度对劳动收入份额的负向影响，但理论机制还有待完善，且我国市场竞争格局和收入分配特征与发达国家存在较大差异，产业数字化也处于不同阶段，现有外文文献的实证结论不一定适用于我国。

本文基于共同富裕背景下，需兼顾产业数字化的效率提升与要素收入公平分配的典型情境，从技术变革和业务转型的双重视角，分析产业数字化对我国劳动报酬占比的影响方向及机制，并基于2007-2020年中国上市企业数据展开实证研究。本文主要探讨的核心问题是：(1)产业数字化对我国劳动报酬占比的整体影响方向；(2)产业数字化是否以技术变革效应和业务转型效应影响劳动报酬占比；(3)市场集中因素是否在产业数字化的业务转型效应中发挥中介作用；(4)产业数字化对劳动报酬占比的影响是否存在行业和区域异质性。

本文可能的理论和社会价值在于：第一，基于上市企业数据开展研究，为产业数字化影响我国劳动报酬占比方向的争议提供了微观企业层面的经验证据，并在研究过程中通过文本挖掘方式，全面检索和评估了企业对数字技术的重视和应用程度，解决了数字技术代理变量单一问题；第二，本文基于业务转型的视角，将市场集中的中介因素纳入分析框架，拓展了相关理论机制的研究；第三，从现实价值上，为我国在新一轮科技革命和产业变革背景下，兼顾增长效率与分配公平，扎实推进共同富裕提供理论和现实指导。

二、理论分析与研究假设

(一)产业数字化影响劳动报酬占比的技术变革效应

大量学者将劳动报酬占比的变动归于技术进步偏向的影响，即技术进步的偏向性能够影响要素的相对边际产出，进而作用于要素分配比例[7]。产业数字化是传统产业利用数字技术对业务进行升级，进而提升生产的数量以及效率的过程[22]。可见，产业数字化进程会加速生产过程中的技术变革，从而直接影响劳动报酬占比。

从数字化特征上看，数字技术投入使数据要素广泛渗透到产业设计、制造、销售、服务等各个环节，数据作为必不可少的关键生产要素参与价值分配[23],必将挤出劳动要素份额。当前，我国数据要素的产权界定规则尚未明确，数据要素收入主要被掌握生产、管理和销售数据的企业攫取，从而体现为劳动报酬占比的下降。从网络化的特征上看，信息技术应用能够简化和再造生产中的管理和交易流程，压缩经营管理工作任务量，从而降低劳动需求[24]。同时，受平台经济影响，企业有机会以外包形式，通过网络平台雇佣非正规就业人员，体现为传统产业内部资本对劳动的替代。从智能化的特征上看，数字技术不仅以传统自动化技术的生产率效应，减少固有岗位的必要劳动投入，还会以其精准性、智能性的特征，挤压劳动力能够从事的任务范围，降低劳动力需求[12],这些工作任务，既包括自动化技术能够替代的机械性、重复性、程序性工作，也包括脑力劳动[25]。综上，产业数字化过程中的技术变革表现为劳动节约型技术进步。

根据偏向性技术进步理论，当资本与劳动要素之间为互补关系时，劳动节约型技术进步会直接降低劳动报酬占比[25-26]。多数学者测算发现，在我国的实际生产工作中，资本劳动要素呈现为总互补关系[27],因此，体现为劳动节约型技术进步的数字技术变革会直接降低劳动报酬占比。

根据上述分析，本文提出假设1。

H1 企业的数字化技术投入程度越高，劳动报酬占比越低，换言之，产业数字化进程中的数字技术变革会抑制劳动报酬占比的提升。

(二)产业数字化影响劳动报酬占比的业务转型效应

数字化的最后阶段是商业模式的变化[28]。因此，对产业数字化的研究不能忽视其对产品市场的影响。从市场竞争结构的角度上看，产业数字化过程中的业务模式转型会催生行业内的“赢者通吃”现象，通过增加市场集中程度，降低劳动报酬占比。

企业数字业务转型会提高其所属行业的市场集中度。首先，在数字化业务模式下，产业数字化先行企业容易以极低的边际成本形成规模效应，占据垄断地位[29],行业内出现垄断厂商，表现为市场份额集中于个别企业，即行业市场集中度上升。其次，数字化业务竞争存在网络效应，即越多消费者使用某数字产品或服务，该产品或服务价值越高，对潜在消费者的引力越强[30],这使已占据垄断地位的企业能够以更低的边际成本吞食市场份额，形成先发优势。此外，在数字化业务模式下，企业通过信息匹配机制，挖掘和追踪消费者偏好，既能够在本期以近似完全价格歧视方式占据消费者剩余，又可以借助精准推送工具增强消费者粘性，形成长期垄断地位，加剧所属行业的市场集中。最后，在规模报酬递增的作用下，数字化业务垄断企业能够以低成本衍生新产品、新业态、新模式，以范围经济效应占据长尾市场，形成跨行业的市场集中。以上的正反馈机制均会增加产品市场的集中程度。

进一步，行业市场集中度增加会降低企业的劳动报酬占比。市场集中程度更高，企业更容易通过高成本加成价格获得垄断利润[31],而垄断利润不会均等地在生产要素间分配，往往增加成本中资本的分配比例[7]。这是因为，在劳动力市场中，劳动者相对企业的议价能力往往较低，此时垄断利润容易被企业占有。少数高利润企业获得不断增长的市场份额，可能催生行业内的“赢者通吃”现象[32],此时明星企业对垄断利润的支配力更强，劳动报酬占比进一步被压缩。由此可见，在集中度较高的市场环境中，企业的劳动报酬占比较低。

根据上述分析，本文提出以下假设。

H2 企业业务经营模式的数字化程度越高，劳动报酬占比越低，换言之，产业数字化进程中的数字业务转型会抑制劳动报酬占比的提升。

H3 在产业数字化降低劳动报酬占比的业务转型效应中，市场集中因素起到中介作用。

产业数字化影响劳动报酬占比的技术变革和业务转型机制，如图1所示。

(三)产业数字化影响劳动报酬占比的异质性

首先，场景不同，智能生产模式、数字商业模式的重构机制也会不同，加之数字化在不同行业的渗透程度各异，使产业数字化对劳动报酬占比的抑制作用存在行业异质性，具体体现为要素禀赋结构的影响。从业务转型的角度看，资本越密集，则越容易引致市场集中甚至“赢者通吃”现象[33],资本也更容易获得超额利润，从而使劳动报酬占比更低。

其次，从外部因素上看，区域间存在公共服务、人力资本和市场环境的差异。近年来，我国经济“南强北弱”的趋势愈发明显[34],从人力资本流动趋势上看，大量具备信息技术专业技能的“数字人才”流入南方。清华经管学院互联网发展与治理研究中心发布的《中国经济的数字化转型：人才与就业》中的数据显示，2015—2017年，我国数字人才主要向南方流入，全国流入量最高的三个城市分别为上海、深圳和杭州，均处于我国南方地区。数字技术变革主要以其劳动节约型特征降低劳动报酬占比，南方地区相对丰裕的“数字人才”储备，能够缓冲数字技术对劳动力需求和工资率的负面影响，从而使劳动报酬占比下降幅度更低。但从业务转型角度上看，南方地区的电子商务等数字商务产业发展更为成熟[35],优质的市场环境能够激发主体的业务转型活力。并且，南方地区的市场化水平较高[36],从而强化了市场的中介效应，在更大程度上降低劳动报酬占比。已有文献研究发现，数字经济和市场营商环境的交互效应会促进南方地区的产业结构升级，但这种效应在北方地区不显著[37]。

根据上述分析，本文提出以下假设。

H4 在不同要素密集型行业中，数字业务转型对劳动报酬占比的抑制作用存在差异。

H5 我国产业数字化对劳动报酬占比的抑制作用存在南北地区差异。

三、实证方法

(一)计量模型设计

考虑到价格工资粘性及劳动生产率增长的滞后性等现实原因，劳动报酬占比的变动会存在一定的动态延续性，即上一期劳动报酬占比会对当期劳动报酬占比产生影响，因此，本文将滞后一期的被解释作为解释变量加入到模型中，形成动态面板模型。此外，为检验市场集中程度在数字业务转型与劳动报酬占比之间是否具有中介效应，本文构建了中介效应模型如式(1)-(3)所示

LSit=α1+βdigit+θ1Xit+ρ1LSit-1+μ1i+v1t+ε1it (1)

CRit=α2+γdigit+θ2Xit+ρ2CRit-1+μ2i+v2t+ε2it (2)

LSit=α3+β′digit+δCRit+θ3Xit+ρ3LSit-1+μ3i+v3t+ε3it (3)

其中，LS表示劳动报酬占比，为被解释变量，dig表示产业数字化，为核心解释变量，CR表示市场集中程度，为关键中介变量，X表示一系列控制变量。另外，模型控制了年份效应和行业效应。

(二)变量说明

1.被解释变量

参考方军雄(2011)[38]的做法，本文设定劳动报酬占比=支付给员工以及为职工支付的现金/(营业收入-营业成本+支付给员工以及为职工支付的现金+固定资产折旧)。

2.核心解释变量

参照易露霞等(2021)[39]、刘飞(2020)[40]等学者的做法，本文利用特定关键词在上市公司年报中的出现频率(每万字出现次数)表示企业的数字化程度，该数值越高，表示数字化程度越高。为全面考量产业数字化对劳动报酬份额的影响，同时分离理论假设中的技术变革效应和业务转型效应，本文分别从技术投入和业务转型两个角度评价数字化程度，形成数字技术变革digtech以及数字业务转型digbusi两个分指标，再加总平均得到单个关键词频率，即数字化总指标dig。

对于数字技术变革digtech,本文以《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》专栏8中提出的数字经济重点产业为数字技术群划分依据，剔除具有行业偏向性的工业互联网技术后，首先从专栏8中提取出明确出现的数字技术关键词；然后基于实业领域的技术开发和应用现状，补充已有关键词的底层和前置技术，以及密切相关的数字技术，在这一过程中，本文将同时涉及多个技术群的底层技术单独划分为管理信息系统类；最后，以《数字经济及其核心产业统计分类》《国家信息化发展战略纲要》《中国数字经济发展与就业白皮书》《数实共生——未来经济白皮书2021》以及“十四五”规划纲要其他部分等文件为蓝本，核查已补充关键词合理性的同时，补充已有关键词的同义表达词及上位表达词，最终得到云计算、大数据、物联网、区块链、人工智能、虚拟现实和增强现实、管理信息系统共七大类56个关键词，具体内容如表1所示。

对于数字业务转型digbusi,不同产业的商业模式差别较大，但电子商务是数字商务初期最主要、最活跃的表现形式[41]。刘飞(2020)[40]选择了“电子商务”和“网络销售”等关键词的词频表示企业数字业务模式转型，较大程度上避免了关键词选取的行业偏向性。本文在参考刘飞(2020)[40]的做法之上，考虑到网络支付是开展电子商务的必要条件，同时检索了关键词“电脑支付、电子银行、网络银行、网上银行、网上支付、网银、移动支付、在线银行、在线支付”。

在实际文本挖掘过程中，同时挖掘以上中文关键词对应的英文及其缩写，由于产业数字化变量数据具有含0的右偏特性，本文对该变量做加1后取对数处理。

3.中介变量

本文将行业大类中营业收入最高的厂商定义为领导厂商，并用领导厂商营业收入占比表示市场集中程度，用cr1表示。为避免多寡头垄断或赢者通吃效应不明显导致的估计结果偏差，本文依据二八法则，采用行业门类中前百分之20的公司营业收入占比表示市场集中程度，用crn表示。

4.控制变量

模型中的其他控制变量包括：企业规模size,具体为总资产的对数；企业年龄age,具体为观测年份与上市年份之差，并作对数处理；盈利能力roa,具体为企业净利润与总资产的比值；负债水平lev,具体为企业总负债与总资产比值的对数；资本-劳动投入比kl,具体为固定资产净值与企业员工人数之比，取对数处理；股权性质soe,若公司为国有企业，取值为1,否则为0;股权集中程度oc,具体为前十大股东持股比例合计；公司成长性growth,具体为企业的总资产增长率。

(三)样本选取与数据来源

本文选取中国2007—2020年沪深两市A股上市公司作为研究样本，并对样本进行以下处理：(1)剔除存在财务异常的ST和*ST公司；(2)剔除财务上有较大差异的金融行业上市公司；(3)由于本文研究传统产业数字化转型行为对劳动报酬占比的影响，数字产业本身并不经历产业数字化过程，因此要剔除属于数字产业的上市公司，以《上市公司行业分类指引(2012年修订)》为行业分类依据，数字产业包括C39计算机、通信和其他电子设备制造业，以及I信息传输、软件和信息技术服务业；(4)剔除劳动报酬占比小于0或大于1的异常样本；(5)剔除主要变量缺失的样本；(6)对所有变量进行1%和99%的缩尾处理。本文上市公司样本数据来自国泰安数据库及各上市公司年报。主要变量的描述性统计如表2所示。

四、回归结果分析

上文动态面板模型中，解释变量包含了滞后一期被解释变量，因此模型会出现内生性问题，为充分处理内生性，本文同时使用了系统GMM方法和差分GMM方法对模型进行估计。

(一)基准回归结果分析

本文使用系统GMM和差分GMM方法检验模型(1),回归结果如表3所示。产业数字化总指标dig的系数均在1%的置信度下显著为负，说明产业数字化进程确实会降低劳动报酬占比。进一步观察产业数字化分指标的系数可以发现，数字技术变革digtech系数均在1%的置信度下显著为负，说明产业数字化过程中的技术变革体现为劳动节约型技术进步，降低了劳动报酬占比，验证了假设1的成立。数字业务转型digbusi系数均在1%的置信度下显著为负，说明产业数字化过程中的业务转型程度越高，劳动报酬占比越低，验证了假设2的成立。控制变量系数在不同模型中的检验结果基本一致且符合预期。Arellano-Bond检验和Sargan检验结果表明不存在弱工具变量和过度识别问题。

(二)市场集中的机制检验

模型(2)和(3)的机制检验结果如表4所示。模型(2)结果中数字业务转型系数γ均显著为正，说明数字业务模式转型会促使产品市场份额流向头部企业，加剧市场集中；当以cr1表示市场集中程度时，模型(3)的回归结果如列(3)所示，市场集中系数δ显著为负，说明间接效应显著，企业的业务模式转型确实会通过加剧行业内市场集中降低劳动报酬占比，验证了假设3的成立，加入中介变量后，数字业务转型系数β′仍显著为负，且δ×γ的符号与β′相同，中介效应模型的检验结果表现为部分中介；当以crn表示市场集中程度时，市场集中系数δ不显著，本文用Bootstrap法检验γ×δ是否显著为0,结果显示，95%的置信区间为[0.010, 0.034],不包括0,拒绝原假设，这说明间接效应显著，即数字业务转型会通过跨行业的市场集中降低劳动报酬占比，验证了假设3的成立。同时δ×γ的符号与β′相同，中介效应模型的检验结果仍表现为部分中介。

进一步分析可以发现，当以行业大类领导厂商的市场份额cr1表示市场集中程度时，中介效应占总效应的比例为[0.52×(-0.61)]/(-0.80)=39.65%,当以行业门类前20%企业市场份额crn表示市场集中程度时，中介效应占总效应的比例为[0.26×(-0.31)]/(-0.801)=10.06%,中介效应减弱。这说明，数字业务转型主要通过加剧行业内部的产品市场垄断降低劳动报酬占比。这是由于，跨行业的市场竞争更难形成绝对的垄断，且当前我国的跨行业数字业务尚在初级阶段，企业亟需复合型人才扩展不同领域业务，因此会采用薪酬激励形式吸纳人才，超额利润会在一定程度上向劳动要素倾斜。

表4为系统GMM方法的检验结果，本文还使用差分GMM方法对市场集中机制的中介效应进行了实证检验，结果与系统GMM方法估计结论一致，在此不做赘述。

(三)稳健性检验

1.排除被解释变量度量偏差的影响

施新政等(2019)[42]等学者使用“支付给职工以及为职工支付的现金”比“营业总收入”的方式衡量劳动收入份额，为避免指标度量偏差问题，本文使用该方法计算劳动报酬占比作为被解释变量进行回归，结果如表5所示，产业数字化变量的系数仍显著为负，与基准回归结果保持一致，证明了结论的稳健性。

2.去除高管薪酬的影响

考虑到高管与普通员工在企业薪酬制定中谈判能力的差异，本文在“支付给职工以及为职工支付的现金”中扣除“董事、监事及高管薪酬总额”表示调整后的劳动收入以进行稳健性检验，结果如表6所示，实证结果没有发生实质性变化，证明了回归结果的稳健性。

3.排除年报信息夸大行为的影响

本文基于文本挖掘方法构建的产业数字化指标，可能受到企业披露年报过程中信息夸大行为的影响，为排除这一影响，本文借鉴赵璨等(2020)[43]的研究，构建了数字化信息披露程度的模型。以产业数字化指标为被解释变量，以能够影响企业年报信息披露行为的因素为解释变量，具体包括：行业内其他企业的产业数字化披露程度的中位数、企业规模、企业年龄、盈利能力、负债水平、资本-劳动投入比、股权性质、股权集中程度、公司成长性。回归结果中如果残差大于0,则表示该企业存在年报信息夸大行为。因而本文剔除残差大于0的样本重新进行回归，结果如表7所示。排除年报信息夸大行为后的回归结果与基准回归结果保持一致，证明了研究结论的稳健性。

4.排除样本自选择问题

针对可能存在的样本自选择问题，本文采用Heckman两步法进行检验。在Heckman第一阶段的Probit回归模型中，首先设置被解释变量为虚拟变量dig_d,根据dig_d是否大于样本中位数衡量，大于中位数取1,表示该企业完成了产业数字化转型，否则取0。同时，在第一阶段估计时加入了同行业其他企业完成数字化转型的比例作为外生工具变量，利用此阶段的回归结果计算逆米尔斯比(imr),然后将变量imr代入第二阶段模型进行拟合。第二阶段的回归结果如表8所示。虽然有部分结果中imr系数显著，但所有重要变量系数符号均没有发生显著性变动，证明了研究结论的稳健性。

五、异质性分析

(一)要素结构异质性

为检验假设4,考察行业要素密集程度不同时，劳动报酬占比对数字业务转型的反应是否存在差异，本文以固定资产占比为指标，通过聚类方法将上市公司所在行业区分为资本密集型行业和劳动密集型行业，然后在不同行业内分别进行回归，结果如表9列(1)和列(2)所示。

结果显示，无论在资本密集型行业内还是劳动密集型行业内，数字业务转型对劳动报酬占比的影响系数都仍显著为负，但在资本密集型行业内，系数的绝对值更高。这一结果与理论部分的假设一致，即在资本更密集的情况下，数字业务转型会更大程度上降低劳动报酬占比。首先，可能是因为在劳动密集型行业内，作为重要生产要素的劳动力议价能力较高；其次，在例如采矿业、电力、热力、燃气及水生产和供应业等劳动密集型行业内，我国存在大量制度性垄断企业，这一类行业内的市场份额变动程度不会很高，可能会导致数字业务转型的市场集中机制减弱。

(二)所在地区异质性

为检验假设5,考察不同地区企业中劳动报酬占比对产业数字化的反应是否存在差异，本文将样本公司分为北方地区和南方地区两部分分别进行回归，划分依据为地理意义上的秦岭淮河线分界线。分组实证检验结果如表9所示。

数字技术变革效应的回归结果如表9列(3)和列(5)所示，无论在北方地区组还是南方地区组，数字技术变革对劳动报酬占比的影响系数都仍显著为负，但在北方地区组，系数的绝对值更高，表明数字技术变革更大程度地降低了北方企业的劳动报酬占比，原因可能在于，数字人才多向南方流动，使南方地区数字人力资本更为丰富，南方人力资本及文化思想较为活跃[36],因此非数字人力资本也能够更快实现数字技能提升，南方地区较好的创新环境和产业链配套设施也有利于劳动技能结构升级[36],以上因素都有可能缓解南方地区数字技术的劳动替代压力；数字业务转型效应的回归结果如表9列(4)和列(6)所示，数字业务转型系数仅在南方地区组显著为负，说明数字业务转型仅降低了南方企业的劳动报酬占比，北方企业未受到显著影响。原因可能在于，北方地区的电子商务等数字商务产业发展较晚，数字业务转型程度不深，尚未对劳动报酬占比产生显著性影响，此外，北方地区资本水平增长缓慢，市场集中的中介效应也可能更弱。

综上，对企业所在地区异质性的分析可以发现，我国产业数字化对劳动报酬占比的抑制作用存在南北差异，在北方地区体现为技术变革效应，在南方地区体现为业务转型效应和较弱的技术变革效应。

六、进一步分析

考虑到普通劳动者与企业高管之间劳动技能、议价能力和薪酬决定机制有较大的差异，本文将被解释变量的劳动报酬占比进一步细分为普通劳动者的报酬占比和高级管理者的报酬占比。其中，普通劳动者报酬用“支付给职工以及为职工支付的现金”扣除“董事、监事及高管薪酬总额”表示，高级管理者报酬用“董事、监事及高管薪酬总额”表示，两者分别除以“营业收入-营业成本+支付给员工以及为职工支付的现金+固定资产折旧”表示两者的报酬占比。回归结果如表10所示。

从总体上看，产业数字化总体影响的回归结果如表10列(1)(4)所示，产业数字化总指标系数均显著为负，对普通劳动者的影响系数高于高级管理者，说明产业数字化会同时降低普通劳动者和高级管理者的劳动报酬份额，但普通劳动者受到的负面冲击更大。可见，产业数字化不仅会影响要素间收入分配，还会拉大劳动要素内部的收入差距。

从具体效应上看，数字技术变革效应的回归结果如表10列(2)(5)所示，数字业务转型效应的回归结果如表10列(3)(6)所示，虽然解释变量系数均显著为负，但数字技术变革对普通劳动者的报酬占比影响系数更高，数字业务转型对高级管理者的报酬占比影响系数更高，说明产业数字化过程中的技术变革会更大程度地降低普通劳动者的报酬占比，数字业务转型则会更大程度地降低管理人员的报酬占比。这是因为，当前我国数字技术在企业生产中的应用尚在初级阶段，主要体现为对非管理人员，或低技能劳动者的替代；而从线下到线上的业务模式转型会更大程度地降低企业对业务管理人员的需求，体现为更大程度地降低高管劳动报酬占比。

七、研究结论与启示

在我国全面建设社会主义现代化国家的新阶段，提高劳动报酬占比，优化收入分配结构是我国实现共同富裕，打造高质量经济发展格局的重要途径。同时，以产业数字化为主要表现的数字经济发展成为重要趋势。本文从技术变革和业务转型的双重视角，分析了产业数字化对劳动报酬占比的影响。本文的研究结论可以概括为四点。第一，在总体上，产业数字化推进降低了我国劳动要素的报酬占比。第二，从技术变革角度上看，产业数字化进程中的数字技术变革体现为劳动节约型技术进步，直接降低了我国劳动报酬相对资本、数据等其他要素的占比。第三，从业务转型角度上看，数字业务转型对劳动报酬占比呈现显著的负向冲击，市场集中程度在这一过程中发挥了部分中介效应，主要通过在行业内部加剧产品市场垄断的方式降低劳动报酬占比。第四，进一步分析发现，数字技术变革对劳动报酬占比的负面影响在北方地区程度更深，数字业务转型效应在资本密集型行业内影响更大，在北方地区不显著，数字技术变革会更大程度地降低普通劳动者的收入份额，而数字业务转型则会更大程度地降低高级管理者的收入份额。产业数字化降低劳动报酬占比的技术变革效应和业务转型效应同时存在，是本文的主要创新发现。因此，应采取有效措施应对产业数字化在初次分配领域的负面冲击，不仅要关注要素市场中技术进步对劳动的替代问题，也不能忽视产品市场中不正当竞争带来的垄断利润非公平分配现象。本文将市场集中的中介因素纳入分析框架，拓展了相关理论机制研究，为产业数字化影响我国劳动报酬占比方向的争议提供了微观企业层面的经验证据，从现实价值上，为我国在新一轮科技革命和产业变革背景下，兼顾增长效率与分配公平，扎实推进共同富裕提供理论和现实指导。

本文的研究结论具有以下政策启示。(1)加快数据要素产权界定工作，使劳资主体合理分配数据要素收入。我国当前数据要素的产权界定尚不明晰，数据要素创造的价值由数据处理企业占有。可适当拆分数据所有权、使用权、收益权的规划，以利益补偿形式合理调节收入分配机制。(2)建立与数字经济相适应的创业就业培训和终身学习体系，扩展劳动收入增长渠道。面对就业的技术冲击，要深化对劳动力的技能培训，扩展创业就业培训范围，提高劳动力对新技术和新业态的适应能力，同时完善多渠道灵活就业机制，扩展劳动收入的增长渠道。尤其要重视北方地区数字人才的培养，营造有利于人才发展的制度环境。(3)加强线上销售的反垄断监管，避免非合理的市场集中现象。在坚持保护竞争和提升消费者福利宗旨的前提下，要充分考虑数字业务模式特性，完善反垄断法规，建立健全消费者信息保护机制，可采用数字化手段提高智慧监管水平，从而营造有序的市场竞争生态。(4)完善现有工资制度和绩效奖励方式，加快推行工资集体协商制度，以提升低收入群体劳动报酬。需要发挥工会等团体力量，建立集体协商的民主参与机制，提升劳动者的议价能力，从而保障劳动者，尤其是一线劳动者对数字超额利润的分配权益，以底线思维推进数字经济时代的社会分配公平。

参考文献

• [1]习近平.扎实推动共同富裕[J].求是，2021,(20):4-8.

• [2]不断做强做优做大我国数字经济[J].求是，2022,(2):4-8.

• [3]潘家栋，储昊东.互联网第三方支付平台形成垄断了吗——基于市场势力测度的研究[J].广东财经大学学报，2021,36(4):29-37.

• [4]YEYATI E L,SARTORIO L.Technology and the future of work:why do we care?[J].Latin America Policy Journal,2018:38-46.

• [5]张广科，王景圣.初次分配中的劳动报酬占比：演变、困境与突破[J].中州学刊，2021(3):22-28.

• [6]BENTOLILA S,SAINT-PAUL G.Explaining movements in the labor share [J].Contributions in Macroeconomics,2003,3(1):1103.

• [7]宋旭光，杜军红.智能制造如何影响劳动收入份额——基于中国省级面板数据的实证研究[J].经济理论与经济管理，2021,41(11):79-96.

• [8]KARABARBOUNIS L,NEIMAN B.The global decline of the labor share [J].Quarterly Journal of Economics,2014,129(1):61-103.

• [9]金陈飞，吴杨，池仁勇，吴宝.人工智能提升企业劳动收入份额了吗?[J].科学学研究，2020,38(1):54-62.

• [10]郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019,35(7):60-77+202-203.

• [11]ACEMOGLU D,RESTREPO P.Modeling automation [J].AEA Papers and Proceedings,2018,108:48-53.

• [12]ACEMOGLU D,RESTREPO P.Automation and new tasks:how technology displaces and reinstates labor [J].The Journal of Economic Perspectives,2019,33(2):3-30.

• [13]芦婷婷，祝志勇.人工智能是否会降低劳动收入份额——基于固定效应模型和面板分位数模型的检验[J].山西财经大学学报，2021,43(11):29-41.

• [14]AUTOR D H.Why are there still so many jobs?The history and future of workplace automation [J].Journal of Economic Perspectives,2015,29(3):3-30.

• [15]BRYNJOLFSSON E,MCAFEE A,SPENCE M.New world order:labor,capital,and ideas in the power law economy [J].Foreign Affairs,2014,93(4):44-53.

• [16]BESSEN J E,RIGHI C.Information technology and firm employment:Boston Univ.School of Law,Law and Economics Research Paper,No.2019 (19-6) [R].[S.l.:s.n.],2019.

• [17]程虹，王华星，石大千.使用机器人会导致企业劳动收入份额下降吗?[J].中国科技论坛，2021(2):152-160+168.

• [18]薛莹.货币政策、人工智能水平与劳动收入份额[J].统计与决策，2021,37(19):143-148.

• [19]AUTOR D,DORN D,KATZ L F,et al.Concentrating on the fall of the labor share [J].The American Economic Review,2017,107(5):180-185.

• [20]AKAEV A,DEVEZAS T,ICHKITIDZE Y,et al.Forecasting the labor intensity and labor income share for G7 countries in the digital age [J].Technological Forecasting and Social Change,2021,167:120675.

• [21]STIEBALE J,SUDEKUM J,WOESSNER N.Robots and the rise of European superstar firms:C.E.P.R.Discussion Papers,CEPR Discussion Papers:15080,2020 [R].[S.l.:s.n.],2020.

• [22]肖旭，戚聿东.产业数字化转型的价值维度与理论逻辑[J].改革，2019(8):61-70.

• [23]李政，周希禛.数据作为生产要素参与分配的政治经济学分析[J].学习与探索，2020(1):109-115.

• [24]ZHANG F,MENG L,SUN W,et al.Information technology and the labor market in China [J].Economic Analysis and Policy,2021,72:156-168.

• [25]TRAJTENBERG M.AI as the next GPT:a political-economy perspective:National Bureau of Economic Research,2018 [R].[S.l.:s.n.],2018.

• [26]傅晓霞，吴利学.偏性效率改进与中国要素回报份额变化[J].世界经济，2013,36(10):79-102.

• [27]郝枫，盛卫燕.中国要素替代弹性估计[J].统计研究，2014,31(7):12-21.

• [28]VERHOEF P C,BROEKHUIZEN T,BART Y,et al.Digital transformation:a multidisciplinary reflection and research agenda [J].Journal of Business Research,2021,122:889-901.

• [29]FERNÁNDEZ-VILLAVERDE J,MANDELMAN F,YU Y,et al.The “Matthew effect” and market concentration:search complementarities and monopsony power [J].Journal of Monetary Economics,2021,121:62-90.

• [30]BESSEN J.Industry concentration and information technology [J].Journal of Law and Economics,2020,63(3):531-555.

• [31]申广军，周广肃，贾珅.市场力量与劳动收入份额：理论和来自中国工业部门的证据[J].南开经济研究，2018(4):120-136.

• [32]AUTOR D,DORN D,KATZ L F,et al.The fall of the labor share and the rise of superstar firms [J].The Quarterly Journal of Economics,2017,135(2):645-709.

• [33]戚聿东，刘翠花，丁述磊.数字经济发展、就业结构优化与就业质量提升[J].经济学动态，2020(11):17-35.

• [34]杨明洪，涂开均，巨栋.“南北差距”的理论解释与政策机理[J].河北经贸大学学报，2021,42(5):37-45.

• [35]秦文晋，刘鑫鹏.网络基础设施建设对数字经济发展的影响研究——基于“宽带中国”试点政策的准自然实验[J].经济问题探索，2022(3):15-30.

• [36]卢现祥，王素素.中国要素市场化配置水平的南北差异及形成机理[J].数量经济技术经济研究，2021,38(11):21-42.

• [37]何地，林木西.数字经济、营商环境与产业结构升级[J].经济体制改革，2021(5):99-105.

• [38]方军雄.劳动收入比重，真的一致下降吗?——来自中国上市公司的发现[J].管理世界，2011(7):31-41+188.

• [39]易露霞，吴非，常曦.企业数字化转型进程与主业绩效——来自中国上市企业年报文本识别的经验证据[J].现代财经(天津财经大学学报),2021,41(10):24-38.

• [40]刘飞.数字化转型如何提升制造业生产率——基于数字化转型的三重影响机制[J].财经科学，2020(10):93-107.

• [41]曾可昕，张小蒂.数字商务与产业集群外部经济协同演化：产业数字化转型的一种路径[J].科技进步与对策，2021,38(16):53-62.

• [42]施新政，高文静，陆瑶，李蒙蒙.资本市场配置效率与劳动收入份额——来自股权分置改革的证据[J].经济研究，2019,54(12):21-37.

• [43]赵璨，陈仕华，曹伟.“互联网+ ”信息披露：实质性陈述还是策略性炒作——基于股价崩盘风险的证据[J].中国工业经济，2020(3):174-192.

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第2429期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、白晓萌、李茸茸、梁晓娟、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍