苏 妍，逯 进
（A.青岛大学 商学院；
B.青岛大学 经济学院，山东 青岛 266071）
当前数字经济蓬勃发展，全球数字服务出口规模从2008 年的18 379.9 亿美元提升至2020 年的31 675.9亿美元，年增长率达到7.2%。中国信通院（2022）发布的数据显示我国数字经济占GDP比重逐年上升，从2005 年的14.2%增加到2021 年的39.8%，作为国民经济稳定器和加速器的作用更加凸显。同时，数字经济作为新一轮科技革命和产业变革的关键力量，对改变资源配置方式、生产和消费模式进而促进产业结构演化升级有重要影响。其中，数字产业化和产业数字化发展在持续稳固中进入加速轨道，数字化转型不断升级。数字经济已成为我国经济总量提升和产业结构转型的引擎，未来将作为推动经济高质量发展的重要领域持续发挥作用。
改革开放以来我国的人口结构发生了重大转变，老龄化、少子化问题突出。与1980 年11.87‰的人口自然增长率相比，2021 年为-0.6‰，降幅达105.05%；
老年抚养比由20 世纪80 年代的8.0%上升至2021 年的20.8%；
人口平均预期寿命不断延长，到2021 年提高到78.2 岁。在人口结构持续转变的过程中，中国的“人口红利”却不断下降，这使企业用工成本上升，劳动力市场的就业结构和工作技能需求结构持续发生变化。数字经济发展一方面推动了现代信息技术与实体经济的深度融合，创造了大量的知识和技术密集型就业岗位；
另一方面，以智能技术为核心的数字经济促进了劳动生产率提高，导致部分传统职业消失，从而对劳动力产生了替代效应。那么，数字经济推动经济增长的同时，通过就业的创造效应和替代效应对劳动力的工作会产生什么影响？在两种效应作用情况下，工作岗位的稳定性或者说工作变动概率会如何？
此外，数字经济发展对工作中采用不同工作技能的劳动力会有不同的影响，呈现出偏向型技术进步的现象。一般情况下，不同的职业对劳动力所具备的工作技能类型会有不同的强度需求。对于非常规工作技能，在日常工作中强调抽象化思考或者根据情境变换提出问题的解决方案，与数字经济发展呈现互补性特征。而那些有成熟的处理办法、重复性很强的工作、可以被程序化的常规技能拥有者更容易被替代。这种互补或者替代关系将在很大程度上决定劳动力面对新兴经济模式时能否保住自身工作抑或是重新寻找工作，最终反映在劳动力工作变动的平均概率上。因此，本文从劳动力工作技能这一视角观察不同技能类型与数字经济间的关系，研究这种关系对工作变动发生概率的影响。
针对以上内容，本文首先从中国劳动力动态调查（China Labor-force Dynamic Survey，CLDS）数据库中筛选了劳动力工作变动数据；
其次从数字基础设施、数字产业化、产业数字化和数字创新四个维度构建了市级数字经济发展综合指标。随后通过数据匹配，形成中国城市数字经济发展与劳动力工作变动的完整数据。在此基础上，本文探讨了劳动力采用不同工作技能时其工作发生变动的差异化表现及其稳健性问题，并从多个视角进行异质性讨论。以上分析有助于人们理解数字经济发展引致的产业结构转型和工作模式的转变与劳动力技能结构之间的匹配度，以及二者的交互作用如何影响劳动力的工作变动，进而全面揭示劳动力市场结构变迁的特征。
现有研究主要考察农民工这一特定群体的工作变动，鲜有文献关注整个劳动力群体，本文通过CLDS 面板数据定义工作变动这一变量，丰富了工作变动的相关研究；
基于工作技能这一视角，探索城市数字经济发展如何通过工作技能的不同来影响劳动力工作变动的概率，丰富和发展了关于数字经济对劳动力工作变动这一领域的研究；
此外，现有研究主要采用宏观数据考察数字经济与高质量就业间的关系，本文则通过宏观、微观数据的匹配拓宽了研究的数据基础，有助于从微观层面对现有研究做出拓展。
有关于数字经济的研究主要集中在以下几个方面：第一，数字经济发展对高质量就业的影响。多数文献认为数字经济促使产业结构和就业技能结构发生改变。［1-2］曹静和周亚林、王文认为新业态、新产业和新商业模式创造了众多新岗位和新职业，改善了整体就业环境。［3-4］随着数字技术不断进步，劳动者的知识技能有效增强，有助于提升工作效率。［5］同时，劳动关系从属性被弱化，劳动者工作时间和地点更有弹性。［6］另有少数研究认为数字经济对高质量就业具有抑制作用，使部分劳动力群体利益受损。［7］第二，数字经济发展对高质量发展的影响。数字经济主要通过激发顾客的商品多样性需求、［8］满足创业者的信息获取需求、［9］加速产品的匹配和交易等机制对高质量发展产生非线性溢出效应或者空间溢出效应。［10-11］此外，数字经济发展还可以促进包容性增长、［12］产业结构的高级化与合理化升级以及全要素生产率的提升。［13-14］总的来说，随着数字技术迭代速度的加快，颠覆性创新不断涌现，对其定义和衡量指标还在完善中。同时，现有研究多探讨数字经济对就业质量、就业结构、经济发展、产业结构和全要素生产率等宏观层面的影响，而与数字经济发展高度相关的劳动力工作技能调整以及受数字化转型冲击就业岗位发生增减引发工作变动的，从微观个体层面出发的研究较为少见。
工作变动的发生既是个人寻求最佳匹配工作的需要也是企业谋求自身发展和做大做强的必然选择。［15-16］已有研究内容可分为以下三个方面：第一，工作变动的发生受多种因素的影响。宏观层面主要是经济发展条件、福利制度和就业市场进入机制以及研发创新活动；
［17-18］微观层面则为教育匹配程度、［19］年龄、性别、种族、教育程度等个体特征。［20］此外，工资差距、就业部门特征及单位类型等因素也有重要影响。［21］第二，工作变动对收入的影响。多数研究认为发生工作变动会导致持续的收入损失，［22］并且损失规模的估计随着分析中所用的数据类型、所在的行业以及商业周期条件的不同而有差异。极少数研究发现工作变动会带来工资的提升。［23］第三，以农民工群体为例，低人力资本、低就业层次和低收入是农民工变换工作的主要原因，［24-25］但是明娟和王明亮指出频繁的工作转换不一定会提升其就业质量，反而会增加工作时间，使职业向下流动。［26］
对工作技能的划分，通常包括非常规认知、常规认知、非常规操作以及常规操作四种类型。［27］在此分类基础上，多数研究发现劳动力市场对常规型工作技能的需求及投入呈下降趋势，而以分析技能和交流技能为主的非常规型工作技能的需求在增加。［28-30］即在技术能力提升和对外贸易相互作用下，劳动力市场上对工作技能的需求也在发生着变化，更加看重劳动力的非常规工作技能。进一步研究发现随着技能总需求与技能供给结构的演变，不同工作技能的市场价格也在发生着变化，应用到的工作技能越复杂，工资回报越高。［31］此外，与主要应用常规型工作技能的劳动力相比，执行非常规型工作技能的劳动力会有更高更快的工资增长。［32-34］对工作技能的研究主要关注其在劳动力市场的变动趋势以及对收入的影响，与人工智能、［35］数字经济等变量交叉探索的内容较为少见。
现有文献为深入了解数字经济发展、工作变动与工作技能的研究进展提供了丰富而深刻的见解，但尚有如下不足：第一，数字经济发展会对就业产生创造效应、替代效应，这必然会影响劳动力市场上工作的转换，但目前的文献局限于两者的单方面探讨，尚未对数字经济与工作发生变动的因果关联进行详细考察。第二，随着数字经济智能化发展模式的出现，劳动力市场对劳动力工作技能提出了新要求，而在探索数字经济发展对工作变动影响的过程中加入不同工作技能影响的研究较为少见。
本文采用Probit模型考察城市层面数字经济发展对劳动力工作变动的影响：
yijt为劳动力是否发生工作变动的二值选择变量，如果城市j的个体i在两个相邻年份的调查中发生了工作变动则为1，未发生工作变动则为0。Φ(·)为标准正态累积分布函数，digitaljt为城市j在t年的数字经济发展水平，Xijt为控制变量。如果α1显著为正，则表明城市数字经济发展会显著提升劳动力工作变动的概率。
此外，正如前文所述，劳动力的技能差异对其工作选择具有重要影响，这意味着在数字经济作用于劳动力工作变动时，技能差异可能会对此产生影响并导致影响程度存在异质性。因此，可以设定如下模型对此做出验证：
RIIijt为衡量工作技能的常规密集指数，包括非常规工作技能、中等常规技能和高等常规技能，其他变量含义同公式（1）。
本文使用2012 年、2014 年、2016 年和2018 年中国劳动力动态调查（China Labor-force Dynamic Survey，CLDS）的个体和家庭问卷数据进行研究。根据劳动力年龄限定的一般做法，样本选择限定为16-60岁男性劳动力和16-55岁女性劳动力，就业状态为在业且从事非农业和非军事工作的雇员，在后续调查中仍然报告其就业状况和工作信息。在相邻调查年份中，自我报告失业原因是家庭需要、退休、健康状况不佳以及重返学校的人被排除在外。目前可以构成2012-2014年组、2014-2016年组和2016-2018 年组三组样本。城市数据主要来源于历年《中国城市统计年鉴》、“北京大学数字普惠金融指数”以及“企研数据”提供的数字经济产业专题数据库。［36］
1.被解释变量
被解释变量yijt为个体i在两个相邻的年份间是否发生工作变动的二值变量，如果个体在后续年份中换了工作或者成为失业状态则说明发生了工作变动，是为1，工作未发生变动则为0①具体状态可分为三种，第一种状态为个体在2012-2014 年间、2014-2016 年间和2016-2018 年间停留在同一种状态；
第二种状态为个体在2012（2014、2016）年从事有报酬的工作，而在2014（2016、2018）年变为失业状态；
第三种状态为个体在相同时间间隔内存在工作变动。。
2.核心解释变量
（1）数字经济发展。已有文献对于数字经济的测度皆为综合评价指标体系，借鉴柏培文和张云以及陈贵富等的做法并综合考虑城市层面相关数据的可获得性，本文从数字基础设施、数字产业化、产业数字化和数字创新四个维度对数字经济发展水平进行综合测度。［37-38］其中，数字基础设施是数字经济发展的载体，采用每百人移动电话用户数、每百人互联网宽带接入用户数来进行测算。数字产业化是数字经济发展的基础，包括软件和信息技术服务业、电信业等行业，文中采用信息传输、计算机服务和软件业从业人员占比、人均电信业务收入两个指标来代表。产业数字化侧重于数字技术与实体经济的融合发展程度，采用北京大学发布的数字普惠金融指数来代替。数字创新主要衡量数字经济的智能化与创新性发展，采用5G产业专利授权数、工业互联网专利授权数和电子商务专利授权数进行测算。各指标间存在量纲问题，因此使用熵值法对各维度的指标通过变异程度来进行客观赋权，更加合理地测算城市层面的数字经济发展水平。
（2）工作技能结构。借鉴玛考林等人的方法来衡量个体的工作技能水平，即根据受访者工作任务的内容、工作进度的安排和工作量/工作强度这三个维度来构造常规密集指数（Routine Intensity Index，RII）。［39］具体公式为：
w为权重，con、sed和jit分别表示受雇者i在年份t中工作内容、工作进度安排和工作强度等工作状况由自己决定的程度，取值为“完全由自己决定=1；
部分由自己决定=2；
完全由他人决定=3”。在使用主成分分析法确定三个维度的权重后，常规密集指数的取值范围在1～3 之间，数值越大则说明受雇者在工作过程中自我意识的体现越低。为进一步分析数字经济的发展如何影响处于不同工作技能水平的员工，更加准确地反映不同职业其常规密集指数的分布水平，将位于密度值下侧（＜25%分位数）样本定义为主要应用非常规工作技能的职业个体，将位于密度值上侧（＞75%分位数）的样本定义为主要应用高等常规技能的群体，处于中间水平的定义为中等常规技能。非常规工作技能要求劳动者能够抽象化思考、创造性分析以及提出决策方案，对交流沟通能力要求也较高，代表性职业如企业家、金融投资家和创意总监等。执行常规工作技能的工作一般有例行处理办法，可以程序化地按照既定方案重复性的完成日常工作任务。中等常规技能的代表性职业为行政办公人员、超市收银员和车床流水线工人等；
高等常规技能的典型职业为保洁人员、快递和外卖人员。
3.控制变量
除以上变量外，城市层面的控制变量包括：人均GDP、财政支出（地方一般公共预算支出/地区GDP）、金融发展水平（地方金融机构人民币各项存贷款余额/地区GDP）、年末常住人口总数、人力资本水平（普通高等学校在校人数/地区总人口）以及外商直接投资水平（地区实际使用外资金额/地区GDP）。微观层面的控制变量有：性别、经验、受教育程度、户口状态、职业类型以及单位性质。具体的描述性统计见表1。
表1 变量描述性统计
表1 的前四列展示了CLDS2012 年、2014 年、2016 年和2018 年主要变量的描述性统计情况。各年样本的平均年龄在40岁左右，男性就业比例高于女性，平均受教育年限呈略微上升趋势。后三列分别报告了2014 年、2016 年和2018 年追踪样本的数据情况，共有5 851 名劳动者在连续两轮调查中被追访，追踪数据中各变量的描述性统计情况与各年份调查数据的情况基本相同。
本文首先考察城市数字经济发展对劳动者工作变动的影响，回归结果见表2。其中，第（1）、第（3）、第（5）列只加入数字经济发展这一核心解释变量，第（2）、第（4）、第（6）列进一步加入了各控制变量，以尽可能减少因遗漏变量导致的估计偏差。
由第（1）、第（3）、第（5）列的结果可知城市数字经济发展水平的估计系数为正且在1%水平上显著。加入控制变量后城市数字经济发展水平的系数有所下降，但依然显著为正。这表明在其他条件不变的情况下，城市数字经济发展水平的提高会显著增加劳动者工作变动的概率。即随着城市数字经济的不断发展，一方面会催生出新产品、新模式以及新业态，新就业岗位不断增加，引发劳动力从传统部门向新兴部门转移，表现为对就业的创造效应；
另一方面，数字技术的进步使得机器设备效能提升，劳动生产效率提高，传统业态受到冲击，从而对劳动力的需求减少，表现为对就业的替代效应。在数字经济对就业市场的变革性影响中，就业的创造效应和替代效应相互交融，同时发挥作用，最终提高了劳动力市场中工作变动的概率。另外，控制变量的估计结果与预期基本一致。
只有就业人员才会涉及是否有工作变动，而城市数字经济发展可能会影响劳动力的工作变动，如果只针对就业人员进行分析会造成样本选择偏差问题，因此本文使用Heckman两阶段模型进行调整。第一阶段，使用Probit模型估计全样本工作与否的概率，模型设定如下：
Eijt=1 表示有工作，Eijt=0 为无工作。σ0为常数项，δ为各控制变量的待估系数。由该模型的估计结果得到逆米尔斯比率（IMR）：
ϕ(·)是标准正态分布的密度函数。在第二阶段，以参加工作的群体为研究样本，将逆米尔斯比率作为修正项与原有控制变量一起纳入线性回归模型：
公式（6）中，ηp、νi为省份效应和行业效应，εijt为残差项。若IMR 的系数显著则表明存在样本选择偏差，需要使用Heckman两阶段模型进行修正。
由表3 所示的Heckman 两阶段回归结果可知各个逆米尔斯比率的系数均显著，说明样本选择偏差问题得到了有效控制。该模型的估计系数略小于基准回归结果但仍然显著为正。第一阶段中，性别、年龄和受教育程度等个人特征因素的系数均显著为正，说明以上因素对就业与否有重要影响，在第二阶段中也同样影响劳动力工作变动。
基准回归和Heckman 两阶段回归皆假设城市数字经济发展是随机的，可以在不遗漏重要变量的情况下估计其对工作变动的影响。但是，如果数字经济发展不是随机的，而是与地区经济发展水平和产业结构有关，那么城市数字经济发展对工作变动的影响就存在因遗漏变量和反向因果带来的内生性问题。参照已有文献，［40］现实中城市或者地区的地形起伏越小，则信息传输、互联网及软件业等基础设施建设的便利性越高，更有利于区域内数字经济产业的发展，存在明显的相关性。同时，地形起伏是自然形成的，与人类活动的关联性很小，满足外生性的条件，因此选取地形起伏度（IV）作为工具变量来缓解内生性问题。
表4的结果显示第一阶段的F统计量均大于10，可知我们选择的工具变量与存在内生性问题的变量具有较强的相关性，不是弱工具变量。Wald统计量显示各年份在1%和5%的水平上拒绝了工具变量与内生变量不相关的原假设，不存在弱工具变量问题。结果表明城市数字经济的发展会提高劳动者工作变动的概率。数字经济发展使生产率提高，对劳动力需求增加、产业部门创新度提升创造了大量新岗位及技术扩散引致的就业转移，对就业岗位产生的创造效应使劳动者可选择的机会增加，或是因劳动生产率提高对劳动需求减少、数字技术发展提升设备产出效能以及传统产业受到冲击甚至消失而出现的就业替代效应，两种效应同时存在相互叠加的情况下，增加了劳动者变换工作的概率。
表4 地形起伏度做工具变量时数字经济发展对工作变动的回归结果
以上分析证实了城市的数字经济发展对劳动力工作变动的概率有显著的提升作用。考虑数字经济的发展本身对于劳动力的工作技能需求会有所提高。一般情况下，随着数字经济的不断演进，其对劳动力的常规技能尤其是高等常规技能的替代效应较为明显，与非常规工作技能则可能形成互补。［37］这意味着城市数字经济的发展会影响劳动力市场的技能结构分布，进一步影响劳动力的工作变动。
由表5 的结果可知：以2012-2014 年这个时间段为例，相对于主要采用非常规工作技能的劳动者来说，数字经济发展每增加一个单位，从事中等常规技能劳动者或者从事高等常规技能劳动者发生工作变动的概率都会提高。2014-2016 年和2016-2018 年这两个间隔也存在相同的情况。说明在其他条件不变的情况下，城市数字经济的发展会导致中等常规技能和高等常规技能发生工作变化的概率高于非常规工作技能的劳动者，对于主要使用常规工作技能的劳动者在工作上有更大的不确定性。此发现一定程度上也为正在遭受技术发展冲击的劳动力作出了增强自身工作技能水平以及加强人力资本积累的提示。
表5 数字经济发展对不同工作技能类型劳动力工作变动的影响
本文从区分性别与教育差异、数字化就业与传统就业以及区域特征三个方面分析城市数字经济发展对劳动力工作变动的异质性影响。
在个体层面，首先考虑性别方面的影响差异。一般情况下，男性在体力方面、女性在脑力方面有天然的优势。而数字经济的发展，最先替代的将是机械性消耗体力的工作内容，对认知或者交流技能的替代性稍弱。同时，不同年龄群体在面对知识技术发展时其接受程度也存在差异，以中年群组为对照，考察低年龄群组（age16-29）和高年龄群组（女性表示为f40-55，男性表示为m50-60）受到的影响。表6 的回归结果显示数字经济发展会提升工作变动的概率，且相比于女性劳动力群体，数字经济发展对男性劳动力群体发生工作变动的概率更大，在一定程度上表明数字经济发展对体力劳动的替代效应更高。此外，低年龄群组回归结果不显著，说明数字经济对青年人的工作变动影响不明显。而高年龄群组的系数皆显著为正，表明高年龄群组受数字经济的影响更大，发生工作变动的概率更高。
表6 数字经济发展的异质性分析：分性别
其次，数字经济加速人工智能全面产业化的到来，机器代人现象不可避免，而教育所建立起的人力资本屏障可有效应对技术的冲击。拥有更高学历的个体，因自身积累的人力资本水平较高，学习新知识和接受新事物的能力较强，在面对劳动力市场结构调整的时候有较高的主动权，发生工作变动的概率相对较小。表7的回归结果也印证了这一点：城市数字经济发展对高中及以下低技能群体的影响更大，且在1%的水平上显著；
大专及以上群体也受到数字经济发展的影响，但是影响程度相对较小，发生工作变动的概率相对较低。
表7 数字经济发展的异质性分析：分教育程度
不同工作内容受到数字经济发展的影响也不同，如区块链工程技术人员、数字化管理师、自媒体运营者、网络主播及云计算工程技术人员等新兴职业受到的影响会更大，而化工、机械、光学和制造业受到的影响相对较小，因此基于就业环境和职业特征的不同，将样本分为数字化就业和传统就业两种类型来分析其不同的影响。由表8可知，城市数字经济发展的系数均在1%水平上显著为正，与数字化就业群组的回归系数相比，传统就业的影响系数较小，说明虽然数字经济发展会增加劳动者工作变动的概率，但对数字化就业人员的影响更大。
表8 数字经济发展的异质性分析：分数字化就业与传统就业
不同区域因经济发展水平、文化环境以及政策措施存在差异，对数字经济的发展和后续推进亦有不同。因此，我们将全国分为东、中、西三个区域①东部为北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12 个省（区、市）；
中部为山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9 个省（区、市）；
西部为重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆10 个省（区、市）。，分区域观察不同数字经济发展水平对工作变动概率的差异化影响，限于篇幅具体结果未列出。分区域回归结果显示数字经济发展的估计系数均显著为正，其中东部和中部区域的城市数字经济发展对劳动者工作变动的概率产生显著的正向影响，且东部区域数字经济发展对工作变动的影响高于中部区域，说明东部区域城市数字经济整体水平较高，产生的联动效应更强。值得注意的是西部区域城市数字经济发展对劳动力工作变动的影响不显著。现实社会中应注重东部区域数字经济发展具有网络效应和“蒲公英”效应的特征，发挥辐射带动作用拉动中部和西部区域数字经济的发展。
以上内容已经明确了城市数字经济发展对劳动力工作变动概率有显著提升作用，而且相对于主要使用非常规工作技能的员工来说，从事中等常规技能和高等常规技能的劳动力发生工作变动的概率更高。这些结果反映的是数字经济发展对劳动力工作变动概率的短期静态影响，如果考虑动态变动是否会产生更大的影响？为评估动态影响，接下来将更换核心解释变量，采用数字经济的当期发展水平减去滞后一期的值来表示数字经济发展的渗透性或者说加速度，其他变量与前文实证部分保持一致。
表9 为考虑数字经济发展动态影响的回归结果，第（1）列至第（3）列是Probit 估计结果，第（4）列至第（6）列是考虑内生性问题的估计结果。由后三列结果可知城市数字经济发展的加速度每提升一个单位，劳动者发生工作变动的概率将分别提高0.372、0.396 和0.403。与非常规工作技能劳动者相比，城市数字经济发展会显著提升高等常规技能和中等常规技能工作者转换工作的可能性，以CLDS2012-2014 年这一间隔为例，前者提高的概率（0.312）约为后者（0.235）的1.32 倍。随着时间的推移，这一相对比例呈现出下降趋势。由此推断，随着数字经济发展渗透性的提升，其对劳动力市场的影响也会经历一个逐步加速的过程，最终数字经济与实体经济融合发展创造更多的工作岗位。因此，在发展之初会挤出一部分中等和高等常规技能工作者，随着数字经济引导资源的快速优化配置，未来不仅吸纳主要使用非常规工作技能的劳动力，而且也为常规技能工作者提供了更多的就业机会。
表9 数字经济发展对工作变动的动态影响
本文通过使用中国地级市数据构建了城市数字经济发展指数，并结合2012 年、2014 年、2016 年和2018年CLDS微观数据库研究了城市数字经济发展对劳动力工作变动的影响，从工作技能视角分析了其作用机理，考察了异质性特征，并进行了数字经济发展动态影响的拓展分析。主要研究结论为：第一，中国城市数字经济发展会显著提升劳动力工作变动的概率，在考虑样本选择性问题和内生性问题之后，该结论依然成立。第二，从工作技能视角看，相对于工作中主要使用非常规工作技能的劳动者，从事中等常规技能和高等常规技能的员工更易发生工作变动。反映了数字经济发展与不同工作技能的劳动者之间存在不同的替代效应，以常规技能为主的劳动者因其工作内容更易被程序化和编程替代，正在面对被挤出的现状，而执行非常规工作技能的个体更易实现“人机共存”，与数字经济融合互动发展。第三，数字经济发展呈现异质性影响：与女性劳动力相比，数字经济发展在较大幅度上提升了男性劳动力工作变动的概率，对高龄群体来说亦是如此；
数字经济发展对大专及以上学历群体的工作变动影响小于高中及以下群体；
相对于传统就业，在数字化就业领域工作更易发生工作变动；
东部和中部区域的城市数字经济发展会显著提升劳动力发生工作变动的概率，西部区域的影响则不显著。第四，按照目前的发展趋势，随着数字经济在城市蔓延的速率提升，劳动者发生工作变动的概率在下降。可以预见数字经济的加速发展在后期会逐步释放较大的生产力，在冲击一部分常规工作技能员工挤占其就业岗位的同时，也会为非常规工作技能的员工带去更多就业选择。
基于以上研究，本文提出以下政策建议：第一，继续高质量推进数字中国建设，不断完善智能化信息基础设施建设，加强数字经济与实体经济的融合发展，加快发展新产业、新模式。第二，根据劳动力市场对工作技能的新需求及时调整技能结构的供给，适应数字经济转型需要。对个人来说，主要应用常规工作技能的中低技能劳动力应通过积极参加企业、社会培训来及时提升自身人力资本水平和职业技能。对政府而言，一方面应加大对数字技能、数字人才的培养，使得数字经济向纵深发展；
另一方面应注重引导资本有序扩张，创造更多就业机会，改善劳动力就业和收入状况。第三，针对不同劳动力群体的特征，持续扩大数字经济对就业的创造效应，保障劳动力工作权益。促进城市资源合理配置和区域经济联系，对于数字经济发展较好的城市，大力吸引数字技术人才，打破地域人才流动限制。同时也要注重发挥先发地区的辐射带动作用，帮助后发地区建立数字经济发展体系，加强区域深度合作。
扩展阅读文章
推荐阅读文章
老骥秘书网 https://www.round-online.com
Copyright © 2002-2018 . 老骥秘书网 版权所有