贵州省数字经济发展的就业效应研究

目录TOC\o"1-3"\h\u4549摘要 绪论1.1研究背景及意义在全球数字化浪潮之下，数字经济成了世界各国经济增长的关键动力源，2008年国际金融危机之后，全球主要经济体陆续把发展数字经济当作带动经济复苏与转型的重要力量REF_Ref32570\r\h[8]，美国出台《先进通信技术标准法》之类的政策来扶持云计算，人工智能等数字产业，欧盟制订“数字单一市场战略”，试图冲破数字障碍以促使数字经济一体化发展，按照中国信息通信研究院公布的数据来看，2023年全球数字经济规模已经超越50万亿美元，其在全球GDP中所占比重高于40%，数字经济的兴旺发达正在重新塑造全球经济版图。中国大力推进数字经济发展，把它当作推动经济高质量发展的关键动力源，从“十三五”规划起，我国陆续制订了《数字经济发展战略纲要》《“十四五”数字经济发展规划》等许多政策文件，清楚表明要加速数字产业化和产业数字化进程，在政策的大力扶持之下，我国数字经济规模不断增大，2023年达到53.9万亿元，在GDP中所占比重为39.8%，变成国民经济增长的重要支撑点REF_Ref10802\r\h[1]。贵州省借助独有的地理环境，充足的能源储备及政策扶持，在数字经济方面收获明显，成了我国西部数字经济发展的高地，贵州位于中国西南部，地质结构稳固，电力资源富足，给数据中心营造给予了绝佳的自然条件REF_Ref32668\r\h[11]，2013年，贵州最先提及发展大数据产业，并很快得到批复创建国家大数据（贵州）综合试验区，于是很多国内外知名企业纷纷前来开设数据中心，到2023年末，贵州省的数据中心服务器承载能力已经超出500万台，占据全国总量的百分之十还多，贵州主动促使数字技术同实体经济紧密结合REF_Ref32747\r\h[12]，在智能制造，智能农业，数字政务这些方面形成不少成果REF_Ref11004\r\h[2]。大数据、云计算，人工智能这些数字技术得到全面应用之后，不但改变了产业形态，而且给就业市场带来很大影响，数字经济的发展促使产生了像数据分析师，算法工程师，人工智能训练师这样一些新的职业，还对传统岗位的技能需求提出了新课题。探究贵州省数字经济发展的就业效应，可以加深认识数字经济和就业之间本质上存在何种关联，从而给政府制订出既科学又恰当的就业政策以及产业发展规划赋予理论支撑，也能给企业的人才策略和个人的职业规划给予有用的参考，具备非常重大的理论价值和实际意义。1.2研究现状1.2.1数字经济对就业规模的影响在就业规模方面，贵州省数字经济的发展既体现了对就业的创造效应，也体现了替代效应，但具体效果尚存争议。替代效应方面，有研究指出，数字技术的应用在一定程度上取代了传统职业，导致部分劳动者失业。特别是在制造业和低端服务业中，“机器换人”现象较为普遍，使得这些行业的就业岗位明显减少。这种替代效应在短期内对就业规模产生了较大的冲击。然而，补偿效应也不容忽视。另一些学者认为，数字经济通过创造新的就业机会来补偿因技术进步而失去的岗位。例如，大数据产业的发展带动了相关服务业的兴起，创造了大量新的就业机会。此外，数字经济还催生了许多灵活就业形式，如远程办公、自由职业等，这些新形态的就业方式在一定程度上缓解了传统就业的压力，为就业规模的稳定和扩大提供了新的途径。综合效应方面，还有观点认为，贵州省数字经济对就业的综合效应取决于特定时期、地区和群体的具体情况。有研究显示，在短期内，数字经济可能更多地表现为替代效应；但从长期来看，其补偿效应将逐渐显现，总体上促进就业规模的扩大。这种观点强调了数字经济对就业影响的动态性和复杂性，需要在不同的时间和空间背景下进行具体分析。1.2.2数字经济对就业质量的影响在就业质量方面，贵州省数字经济既带来了机遇，也引发了挑战。收入与保障方面，数字经济提高了部分劳动者的收入水平，但也对灵活就业者的社会保障体系提出了新的挑战。一些研究表明，贵州省数字经济的发展显著提升了合同签订率以及小时工资收入，这表明数字经济为部分劳动者带来了更好的就业机会和更高的收入回报。然而，与此同时，灵活就业者的权益保障不足问题也日益凸显。由于灵活就业形式的多样性和复杂性，传统的社会保障体系难以完全覆盖这些劳动者REF_Ref60\r\h[13]，导致他们在劳动权益保障方面面临诸多困难。工作形态方面，远程办公、在线会议等新形态的出现，虽然提高了工作效率，但也延长了劳动者的工作时间。这种现象在贵州省尤为突出，由于数字基础设施建设的不完善，许多劳动者不得不在非工作时间处理工作事务。这不仅影响了劳动者的工作生活平衡，也可能对劳动者的身心健康产生不利影响。技能要求方面，数字经济对劳动者的数字技能和综合素质提出了更高要求，推动了教育和技术培训的发展。然而，贵州省在数字技能培训方面仍存在较大差距，需要进一步加强人才培养体系建设。目前，贵州省的数字技能培训资源相对不足，培训内容和方式也难以满足劳动者多样化的需求。这导致许多劳动者难以适应数字经济的发展要求，从而影响了他们的就业质量和职业发展。1.3研究思路提出问题。在当今数字化浪潮席卷全球的大背景下，贵州省积极融入数字经济发展的进程，就业作为民生之本，其规模与质量不仅关乎居民的生计，更对社会的稳定与经济的可持续发展有着深远影响。在此背景下，深入探讨贵州省数字经济发展对就业的影响显得尤为重要且迫切。在展开本研究之前，对国内外相关文献进行了梳理，众多研究已表明数字经济在推动经济增长、创新商业模式等方面的显著作用，但对于数字经济在区域层面，特别是像贵州省这样具有独特资源禀赋与发展特征地区的就业效应研究，仍存在一定的空白。基于此，本文提出核心研究问题：如何借助贵州省数字经济的蓬勃发展，实现就业规模的合理扩张以及就业质量的稳步提升，进而促进高质量充分就业。分析问题。首先，对数字经济的发展历程、内涵特征以及贵州省数字经济的发展现状进行系统介绍。同时，对就业相关理论，如就业规模的决定因素、就业质量的评价维度等进行回顾，从理论层面深入剖析数字经济发展影响就业的内在机制。其次，运用回归模型对贵州省数字经济发展对就业的影响进行实证检验。在构建回归模型时，选取合适的解释变量、被解释变量与控制变量。将数字经济综合发展水平作为解释变量，以就业规模和就业质量作为被解释变量，并纳入控制变量。通过严谨的模型估计与检验，测度数字经济发展对就业规模和就业质量的影响程度与方向。同时，考虑到贵州省不同地区在资源禀赋、经济发展水平、产业结构等方面存在差异，开展异质性分析，探究数字经济对就业的影响在不同区域的差异，深入挖掘数字经济就业效应的复杂特征与内在规律。解决问题。通过理论分析与实证研究，得出关于贵州省数字经济发展对就业效应的一系列科学结论。基于这些结论，紧密结合贵州省的实际发展情况，从政策制定、产业发展、人才培养等多个维度出发，提出具有针对性、实用性的政策建议与具体措施。1.4论文结构安排本研究根据相关的概念定义、以往学者的研究和数据的可获得性，选取了能够代表数字经济发展水平、就业规模和就业质量的指标，并测算出了贵州省2013—2023年数字经济综合的得分、就业规模综合得分以及就业质量综合得分，然后利用理论研究和实证研究相结合的方法，采用固定效应模型，探析贵州省数字经济对就业效应的影响。全文内容安排如下：第一章为绪论。本章首先详述阐述了本次研究的背景和意义，然后论述研究现状，数字经济对就业规模和就业质量的影响，并根据前人的研究厘清研究思路、确定研究内容，最后论述文章结构安排。第二章为贵州省数字经济与就业效应的理论机制。本章首先阐述了本次研究的相关概念定义，比如数字经济和就业效应的概念定义，为后文选取指标提供了思路，接着介绍本次研究所使用的方法，最后进行小结。第三章为贵州省数字经济与就业的数据基础。本章主要介绍了数据来源、指标选取、对数据的预处理以及数据的描述性统计，做好指标数据的准备工作，为后续的数据使用奠定了基础，最后进行小结。第四章为贵州省数字经济与就业的测度。本章根据第三章的指标体系测算了贵州省各个地市的数字经济发展水平、就业规模以及就业质量，同时比较分析了不同地区的差异性，最后进行小结。第五章为贵州省数字经济就业效应的实证分析。本章首先阐述了模型构建的过程，包括变量选取、模型设定、F检验、LM检验、Hausman检验，接着对构建的模型进行分析，并对构建的模型用不同的方法进行检验，确保模型的稳定性，最后进行区域异质性分析和小结。第六章为研究结论与政策建议。本章基于对前文的研究进行总结整理，提出相关的政策建议并对未来进一步研究提出研究展望。2贵州省数字经济与就业效应的理论机制2.1相关概念定义数字经济这一概念最初出现在20世纪90年代，伴随信息技术不断发展，其慢慢变成全球经济增长的主要动力源泉，在我国，数字经济指的是以数据资源作关键生产要素，把现代信息网络当作重要承载者，凭借信息通信技术融合应用，全要素数字化转型来推动实现更趋公平又具效率的新经济形态，此定义明确了数字经济的核心形成局部及其发展途径，重视了数据作为一种新式生产要素所具有的重要意义。在贵州省，数据要素的价值表现得更为突出，贵阳身为全国首个国家大数据综合试验区核心区域，其借助汇集大量的数据资源，把苹果，华为，腾讯等国内外知名企业引来此地创建数据中心，到2023年年底的时候，贵州省数据中心服务器的承载量超出500万台，所占比例达到全国的10%还要多，这些数据资源一方面给企业的决策剖析给予支撑，另一方面也催生出诸如数据采集，清理，剖析之类的新职业，进而带动了数字经济产业的快速发展REF_Ref174\r\h[10]。数字经济在推动经济发展的同时，也面临着数字人才需求不足和加剧结构性失业的问题REF_Ref240\r\h[4]。在贵州省，一方面，从数字人才供需来看，尽管贵州省在吸引和培育数字经济人才方面取得一定成效，但人才缺口依然存在。截至2024年底，贵州省数字经济人才规模总量为45.32万人，其中大数据、人工智能、区块链等核心领域人才占比超过30%。然而，随着贵州省数字经济的迅猛发展，对数字人才的需求急剧增加。以贵州着力发展的算力经济为例，作为东数西算国家战略中的国家算力枢纽节点，在建及投运的重点数据中心达37个，其中超大型数据中心14个，对数据处理、算法优化、设备维护等方面的专业人才需求持续攀升。同时，软件和信息技术服务业收入在2024年突破1000亿元，数字经济增速连续9年位居全国前列，相关企业业务扩张也急需大量数字经济人才，人才供给与需求之间仍存在差距。另一方面，数字经济的发展使得就业结构发生变化REF_Ref325\r\h[14]，对低技能劳动力的需求下降。在贵州省，随着大数据与实体经济的深度融合REF_Ref390\r\h[15]，传统产业数字化转型加速，一些重复性、低技能的岗位逐渐被自动化设备或数字技术替代。例如在制造业中，智能生产线的应用减少了对普通工人的需求。而且数字技术更迭速度快，劳动者若要保持就业竞争力，需不断更新技能。但目前贵州省现有的学校教育和企业培训在跟上技术更迭速度方面存在一定困难。部分高校数字经济相关专业的课程设置相对滞后，未能及时涵盖最新的数字技术知识；企业培训往往侧重于短期业务需求，缺乏系统性和前瞻性。因此，结构性失业问题在贵州省数字经济发展过程中逐渐凸显。就业效应是指经济活动变化对劳动力市场产生的综合影响，涵盖就业规模与就业质量两个核心维度。其中，就业规模主要体现为就业数量的变化，包含就业总人数、新增就业岗位数量等量化指标，反映数字经济发展对劳动力吸纳能力的提升；就业质量则聚焦就业的内在品质，涉及薪资待遇、工作环境、职业发展空间、社会保障水平以及劳动权益保障等要素，衡量劳动者在就业过程中的综合福祉与可持续发展潜力。2.2研究方法介绍研究方法主要有文献分析法、熵值法、固定效应多元回归法、分样本回归法、稳健性检验方法。文献分析法。通过梳理数字经济与就业的相关文献，总结数字经济对就业影响的研究进展，深入分析数字经济对就业影响的已有研究成果，包括理论观点、研究方法、实证结论等。在充分汲取前人研究的基础上REF_Ref240\r\h[4]，洞察现有研究的空白与不足，从而挖掘新的研究视角，为后续研究提供坚实的理论支撑与方向指引。第二，熵值法。首先，构建数字经济、就业规模、就业质量的具体指标体系，然后，运用熵值法计算出各指标的信息熵，信息熵反映了指标所包含的信息无序程度。根据信息熵进一步计算各指标的权重，权重大小体现了指标在综合评价中的相对重要性。最终，依据各指标权重计算出数字经济综合得分、就业规模综合得分、就业质量综合得分，实现对贵州省数字经济发展水平以及就业规模与质量的量化综合评价REF_Ref560\r\h[16]。第三，固定效应多元回归法和分样本回归法。运用贵州省在2013-2023年9个地市的面板数据，构建回归模型，将数字经济综合得分作为解释变量，就业规模综合得分和就业质量综合得分作为被解释变量，同时控制其他可能影响就业的因素。利用固定效应模型，有效控制地区个体异质性，评估数字经济对就业的影响程度与方向，探寻二者之间的内在关联。运用分样本回归法，按照数字经济的综合得分将样本划分为不同子样本，分别对各子样本进行回归分析并进行区域对比，以此深入探究数字经济对就业的影响是否存在区域异质性，即不同地区数字经济发展对就业的影响是否存在显著差异，为因地制宜制定促进就业政策提供实证依据。第四，稳健性检验方法。将解释变量滞后一期纳入回归模型，重新进行回归分析。通过对比滞后一期前后的回归结果，检验数字经济对就业的影响是否存在时间滞后效应，以及结论是否依然稳健，避免因同期数据可能存在的内生性问题导致结论偏差。改变研究数据的时间跨度，如缩短研究年限，重新构建回归模型并进行估计。对比不同研究年限下的回归结果，观察数字经济对就业的影响系数、显著性水平等是否发生明显变化，以检验研究结论是否受到特定时间段数据特征的影响，增强研究结论的普适性与可信度。2.3小结该部分首先对数字经济与就业效应的核心概念进行了界定。明确数字经济是以数字化的知识和信息为关键生产要素，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平。就业效应涵盖就业规模与就业质量，就业规模体现为就业数量的增减变动，就业质量则涉及薪资待遇、社会保障和就业等多维度要素。其次，详细介绍了本研究采用的方法。通过文献分析法，梳理前人研究成果，挖掘新的研究视角；运用固定效应多元回归法和分样本回归法，基于贵州省2013-2023年9个地市面板数据构建模型，检验数字经济对就业的影响及区域异质性；借助熵值法计算各指标权重及综合得分，实现对数字经济、就业规模与质量的量化评价；采用稳健性检验方法，确保研究结论的可靠性。为后续深入剖析贵州省数字经济发展对就业效应的具体影响奠定了坚实的理论与方法基础。3贵州省数字经济与就业的数据基础3.1数据来源本次研究的数据来源于贵州省统计年鉴、贵州省各个市州的统计年鉴统计公报、中国区域经济统计年鉴以及中国城市统计年鉴等，其中，文中的数字金融水平数据来自北京大学国家发展研究院发布的“北京大学数字普惠金融指数”。这些官方文件供应了贵州省经济，社会，就业等层面的宏观统计数据，包含2013-2023年期间的数据，具备权威性与连贯性。3.2指标选取数字经济指标选取：本文根据数字经济内涵并结合数据的可获得性，并参考相关文献REF_Ref12954\r\h[9]建立的数字经济指标体系，包含互联网发展水平、数字金融发展水平两个二级指标，如表所示，其中宽带普及率、移动电话普及率能够反映区域信息化发展程度，电信业务总量反映信息通讯业发展情况，互联网宽带接入端口和移动电话交换机容量可以反映数字经济产业发展情况，北京大学数字普惠金融指数可以反应地区数字金融发展水平。表3.1贵州省数字经济指标体系一级指标二级指标三级指标数字经济指数互联网发展水平电信业务总量互联网宽带接入端口移动电话普及率移动电话交换机容量宽带普及率数字金融发展水平北京大学数字普惠金融指数就业指标选取：本文根据数据的可得性并参考相关文献REF_Ref240\r\h[4]REF_Ref834\r\h[5]建立了就业指标体系，包含就业规模和就业质量，如表所示，其中，就业人员数是衡量就业规模最基础的指标，能直观反映贵州省在一定时期内参与社会经济活动的劳动力总量。城镇新增本年就业人员数主要聚焦于城镇地区在当年新增加的就业人数，能突出数字经济发展过程中每年新创造的就业岗位数量。城镇非私营单位就业人员平均工资是体现就业质量的关键因素之一，能够反映出该地区就业人员的收入状况。职工基本医疗保险参保人数、城镇职工基本养老保险参保人数是就业人员社会保障水平的体现和未来生活的重要保障。社会保障和就业占GDP比例从宏观层面反映了贵州省各个地市在社会保障和就业方面的投入与经济总量的关系。表3.2就业指标体系一级指标二级指标就业规模就业人员数城镇新增本年就业人员数就业质量城镇非私营单位就业人员平均工资职工基本医疗保险参保人数城镇职工基本养老保险参保人数社会保障和就业占GDP比例3.3数据的预处理在此次研究中，由于部分地市统计工作滞后以及数据采集困难，导致原始数据存在缺失值现象。例如，黔南州2020年的“就业人员数”、黔东南2014年的“城镇非私营单位就业人员平均工资”、六盘水市2014-2015的“城镇非私营单位就业人员平均工资”、六盘水市2014-2015的“城镇新增本年就业人员数”、安顺市2014年的“职工基本医疗保险参保人数”等等存在数据缺失的情况。这些缺失值若不处理，将影响后续回归分析的准确性和可靠性。考虑到贵州省各地市数字经济发展水平具有时间序列上的连续性和空间分布上的关联性，本文选择线性插值法进行缺失值填补REF_Ref932\r\h[6]。线性插值法的基本原理是：对于时间序列数据中的缺失值

yi，若其前后相邻的两个观测值yi−y其中，ti表示缺失值所在的时间点，ti−1和y本研究使用R语言中的zoo包实现线性插值，处理后所有变量的缺失值数量均降为0，表明插值算法成功填补了所有空缺，并且插值后的数据与原始数据趋势保持一致，未表现出明显异常波动，为后续数据的使用和分析打下了基础。3.4数据的描述性统计对本文选取的各变量进行描述性统计结果如表所示：表3.3变量描述统计（N=99）指标平均值标准差最小值最大值电信业务收入(万元)325272.61176492.69115265.00989000.00移动电话普及率(户/百人)101.8922.9150.45160.63互联网宽带普及率(户/百人)20.9211.813.7449.87宽带接入用户数(万户)88.5164.4513.42319.30北京大学数字普惠金融指数208.9857.9287.77319.84城镇非私营单位就业人员平均工资(元/人)74078.8517038.3844539.00113829.00职工基本医疗保险参保人数(万人)45.3639.2610.87170.39城镇职工基本养老保险参保人数(万人)59.0262.3310.11280.01社会保障和就业/GDP(%)3.131.031.345.10就业人员数(万人)184.5080.1823.57345.76城镇本年新增就业人员数(万人)7.984.783.5623.31人均GDP(元/人)37941.9615223.9214902.0081670.00进出口总额/GDP(%)2.494.090.1822.15从数字经济指标来看，电信业务收入平均值为325272.61万元，标准差达176492.69万元，表明各地在电信业务收入上差异显著。移动电话普及率均值为101.89户/百人，最大值160.63户/百人，最小值50.45户/百人，反映出区域间移动电话普及程度不均衡。互联网宽带普及率均值为20.92户/百人，标准差11.81，说明宽带普及水平也存在较大差异。宽带接入用户数平均88.51万户，标准差64.45，不同地区的宽带接入用户规模差距明显。北京大学数字普惠金融指数均值208.98，标准差57.92，体现了数字普惠金融发展程度在不同区域的参差不齐。就业指标方面，城镇非私营单位就业人员平均工资均值为74078.85元/人，标准差17038.38元/人，各地工资水平差异较大。职工基本医疗保险参保人数均值45.36万人，标准差39.26万人；城镇职工基本养老保险参保人数均值59.02万人，标准差62.33万人，显示出参保人数在地区间波动明显。社会保障和就业占GDP比例均值为3.13%，标准差1.03%，地区间该比例有一定差异。就业人员数均值184.50万人，标准差80.18万人；城镇本年新增就业人员数均值7.98万人，标准差4.78万人，反映出就业规模在不同地区存在较大差距。总体而言，各变量在不同地区间存在明显差异，这种差异为深入探究数字经济与就业的关系提供了现实基础。3.5小结该部分完成了数据的收集，指标选取，数据预处理以及描述性统计分析工作，通过科学合理地处理和分析相关数据，给后续的实证研究赋予了可信的数据支持，直观体现出贵州省数字经济和就业的基本情况及其发展态势，数据表明，贵州省数字经济正在快速发展，而且对就业有着积极的作用，不过在不同维度上的影响大小和变化趋向还是有所区别的，这些差别会在后面的实证分析当中作更进一步的探讨。4贵州省数字经济与就业的测度4.1贵州省数字经济发展水平测度4.1.1数字经济发展水平指标体系权重测算本文使用熵值法对贵州省数字经济指标体系各项指标进行赋权。熵是对系统不确定性的一种度量，熵值法根据指标离散程度确定综合评价的权重，能客观地对数据中所包含信息量进行评估，指标离散程度越高，信息量越大，指标权重越大，反之权重越小。由于数字经济综合评价体系所涉各项指标量纲与单位不同，且数值差别很大，无法直接进行测度，因此应对原始数据进行标准化处理，使指标评价体系更为合理。本文采用极差法对指标进行标准化处理。具体如下：首先对变量进行无量纲化数据处理：X其中，Xij'为第i年第j项指标正向化以及无量纲化后的结果，e计算第j项指标的熵值以及信息熵冗余度：P计算各年份数字经济综合得分：S根据上式计算各指标权重，计算结果如表所示：表4.1指标权重结果一级指标二级指标三级指标权重合计数字经济指数互联网发展水平电信业务收入移动电话普及率互联网宽带普及率宽带接入用户数0.270.100.220.300.87数字金融发展水平北京大学数字普惠金融指数0.120.12根据权重计算结果可知，宽带接入用户数、电信业务收入、互联网宽带普及率权重较高，分别为0.3、0.27、0.22，移动电话普及率、数字普惠金融指数权重分别为0.10、0.12。这表明互联网发展水平是数字经济发展的重要因素。4.1.2数字经济发展水平测算结果分析通过熵值法确定数字经济指标体系中各指标的权重大小并计算2013-2023年贵州省各地市数字经济发展水平综合得分，结果见表：表4.2贵州省2013-2023年数字经济发展综合得分地区20132014201520162017201820192020202120222023安顺市0.040.080.090.140.190.230.260.290.340.380.44毕节市0.050.080.110.160.200.260.300.350.420.490.55贵阳市0.400.440.480.470.540.650.650.680.810.900.97六盘水0.070.120.170.160.210.250.300.320.380.430.48黔东南0.090.120.150.190.250.300.340.390.450.500.55黔南0.060.100.130.170.230.290.340.370.430.480.53黔西南0.080.110.140.170.230.270.320.350.410.440.48铜仁市0.040.060.100.150.200.260.310.350.420.480.53遵义市0.190.220.250.280.350.410.470.520.600.660.73图4.1贵州省各地级市数字经济综合得分趋势图从时间维度分析，贵州省各市数字经济发展水平总体呈现逐年增长趋势。具体来看，贵阳市的数字经济发展指数上升最多，从0.40上升至0.97；除此之外，遵义市的数字经济发展指数上升也很多，从0.19上升至0.73；而其他地区，如毕节市、黔东南、黔南、铜仁市也都上升的较快，经过十一年的发展，综合得分都达到了0.5以上。从空间的维度看，数字经济发展水平不均衡，不同地区间的数字经济发展差异较大。贵州省数字经济以贵阳市发展势头最好，这依托于贵阳作为省会城市，拥有深厚的智力基础，国家政策扶持力度大，数字基础设施完善，经济发展态势良好，创新水平高，数字技术应用广泛，有深厚的数字经济发展基础。其后遵义市、毕节市、黔东南、黔南、铜仁为第二梯队，六盘水市、黔西南、安顺市为第三梯队，具有很大的发展潜力以及上升空间。对于区域间数字经济发展的时间上和空间上存在的不平衡与不协调现象，需要将各区域进行统筹规划，结合不同地区的发展情况，因地制宜，采取不同措施，共同推动经济协调发展，加强区域间联动，将各地产业优势结合起来，优势互补，促进协同发展，从而推动数字经济又好又快发展。4.2就业测度分析4.2.1就业规模测度表4.3指标权重结果一级指标二级指标权重就业规模就业人员数城镇新增本年就业人员数0.220.78根据权重计算结果可知，就业人员数权重为0.22，城镇新增本年就业人员数权重为0.78。这表明在衡量就业规模时，城镇新增本年就业人员数被赋予了更大的权重。表4.4就业规模综合得分地区20132014201520162017201820192020202120222023安顺市0.030.050.070.080.090.090.090.040.050.040.03毕节市0.130.180.180.190.260.280.280.220.220.220.22贵阳市0.810.850.900.930.960.970.790.610.660.650.67六盘水0.310.310.310.320.310.310.310.240.230.230.19黔东南0.220.220.220.220.230.220.230.200.210.200.20黔南0.170.220.240.260.270.270.270.210.220.220.22黔西南0.090.090.090.090.090.090.090.110.110.110.11铜仁市0.160.160.150.150.150.140.140.130.120.130.14遵义市0.440.530.570.580.590.600.600.470.480.470.49图4.2贵州省各地级市就业规模综合得分趋势图从整体趋势看，多数城市在2013-2019年期间，就业规模综合得分呈现上升或平稳态势，然而，2019-2020年间，多个城市得分出现明显波动，如贵阳市、遵义市等，这大概率与当时宏观经济环境变化以及突发公共事件，如新冠疫情相关，疫情冲击下企业生产经营受阻，就业岗位减少，进而影响就业规模综合得分。之后，部分城市得分逐渐企稳或缓慢回升，表明各地积极采取措施应对挑战，推动就业规模恢复。从城市差异来看，贵阳市作为省会城市，在2013-2019年得分平稳上升，体现其在经济发展、产业集聚等方面对就业的带动作用。但2019-2023年得分大幅下降，后续回升幅度有限，或因产业结构调整过程中传统产业就业吸纳能力减弱，新兴产业发展尚不足以快速填补就业缺口。遵义市前期得分持续增长，2019年左右达到高位后骤降，后期有所回升，这可能是由于遵义产业结构中传统制造业占比较大，受外部经济环境冲击明显，不过随着产业转型推进和政策扶持，就业规模逐步恢复。安顺市、毕节市等城市得分整体波动较小且处于相对低位，说明这些地区就业规模受外部因素影响较小，但也反映出其就业增长动力不足。六盘水市、黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州、铜仁市等地区，得分在十年间变化较为平缓且数值偏低，显示出当地就业规模增长缓慢。总体而言，贵州省各地级市就业规模发展存在不均衡现象，不同城市在就业规模的增长趋势、受外部因素影响程度以及应对策略效果等方面存在显著差异。后续各地需根据自身特点，制定针对性政策，以促进就业规模的稳定增长与就业结构的优化。4.2.2就业质量测度表4.5指标权重结果一级指标二级指标权重就业质量城镇非私营单位就业人员平均工资职工基本医疗保险参保人数城镇职工基本养老保险参保人数社会保障和就业占GDP比例0.140.330.400.14根据权重计算结果可知，职工基本医疗保险参保人数、城镇职工基本养老保险参保人数权重较高，分别为0.33、0.44，城镇非私营单位就业人员平均工资权重较低，均为0.14。这表明社会保障类指标在就业质量测度中的主导地位，强调了就业人员在医疗、养老等方面保障的重要性。表4.6就业质量综合得分地区20132014201520162017201820192020202120222023安顺市0.130.140.150.140.180.180.180.200.200.210.23毕节市0.100.110.140.190.240.250.290.320.310.340.36贵阳市0.410.450.490.530.590.670.720.770.820.830.87六盘水0.100.120.130.130.180.190.180.200.220.240.25黔东南0.200.210.230.250.270.250.230.280.290.290.32黔南0.110.110.120.120.170.190.220.240.250.240.26黔西南0.130.130.150.140.160.180.180.190.190.210.23铜仁市0.130.120.120.170.190.200.210.200.220.250.27遵义市0.170.190.250.280.330.390.420.440.460.450.49图4.3贵州省各地级市就业质量综合得分趋势图从整体趋势上看，从2013-2023年，大部分地级市的就业质量综合得分呈现出上升趋势，说明在这十年间，贵州省各地级市在就业质量方面总体有所提升。这可能得益于经济的发展、社会保障体系的不断完善以及工资水平的逐步提高等因素。不过，不同城市的上升幅度和速度存在明显差异，反映出各地在提升就业质量的进程中步伐并不一致。从城市之间差异上看，贵阳市就业质量综合得分在图中明显高于其他地级市，且呈现出较为稳定的增长态势。作为省会城市，贵阳市在经济发展、产业布局和政策资源等方面具有优势。经济的多元化发展为就业人员提供了更多优质岗位，同时在社会保障体系建设上投入相对较多，使得城镇职工基本医疗保险和养老保险参保情况较好，进而提升了就业质量综合得分。遵义市得分处于较高水平且持续上升。遵义市是贵州省的经济强市，产业基础较好，在就业人员平均工资、社保参保人数等方面表现突出。随着经济的持续发展，遵义不断优化就业环境，推动企业提高员工待遇，完善社会保障，使得就业质量稳步提升。毕节市、安顺市、六盘水市、黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州、铜仁市等，就业质量综合得分相对较低且增长较为缓慢。这些地区可能受限于经济发展水平，在提升就业人员工资水平和完善社会保障体系方面面临较大挑战，导致就业质量提升难度较大。4.3小结该部分主要对贵州省数字经济与就业的测度分析展开系统研究。首先，运用熵值法对数字经济指标体系、就业规模体系以及就业质量体系进行权重测算。通过该方法，客观地确定了各指标在相应体系中的权重，为后续深入分析奠定了基础。在权重测算基础上，明确了各个指标的权重。例如在数字经济体系中，二级指标互联网发展水平权重较高，体现出互联网发展水平是数字经济发展的重要因素；在就业规模体系中，城镇新增本年就业人员数权重相对较高，凸显其在衡量就业规模动态变化中的重要地位；就业质量体系里，城镇职工基本养老保险参保人数等社会保障类指标权重突出，强调了社会保障在就业质量评估中的关键作用。对这些权重的分析，有助于理解各指标对数字经济及就业测度的贡献程度。进而，计算出各年份贵州省各地市在数字经济、就业规模和就业质量方面的综合得分，并绘制相应趋势图。通过对趋势图的详细分析，清晰展现出各地市在不同维度的发展态势及变化特征。发现部分城市如贵阳市、遵义市在数字经济发展和就业质量提升上表现突出，而部分地市在就业规模扩张等方面存在不足。总体而言，本章通过一系列测度分析，深入剖析了贵州省数字经济与就业的现状及发展趋势，为后续探讨数字经济对就业的影响机制提供了详实的数据支撑和现实依据。5贵州省数字经济就业效应的实证分析5.1模型构建5.1.1变量选取（1）被解释变量本文的被解释变量为就业规模和就业质量，通过前文熵值法计算相关指标的综合得分来衡量，具体数据使用第四章就业规模综合得分和就业质量综合得分。（2）解释变量本文的被解释变量数字经济发展水平的测算从互联网发展水平和数字金融发展水平两个方面选取相关变量采用面板熵值法计算得出，具体数据使用第四章数字经济发展水平综合得分。（3）控制变量本文在模型构建时纳入了控制变量，从而更好的考量其他因素对就业规模和就业质量的影响，因此为确保本文回归结果的准确性与分析的有效性，引入适当的控制变量缓解这一问题，避免内生性。通过参照已有文献的做法，并综合考虑了数据的可得性和代表性。所以，本文选取了以下两个指标作为控制变量：人均GDP，可以度量地方经济水平，进出口总额占GDP比重可以度量地方的外贸程度。5.1.2模型设定本文主要从就业规模以及就业质量探讨贵州省数字发展对就业的影响，根据上文理论分析，本文在相关文献REF_Ref1337\r\h[3]所构建的模型框架的基础上，考虑到本文研究内容，构建了回归模型，如下展示：模型一（就业规模效应）：E模型二（就业质量效应）：E通过模型一来研究数字经济发展对就业规模的影响，通过模型二来研究数字经济发展对就业质量的影响。在上述模型中，ESit表示贵州省第

i

个地区第

t

年的就业规模综合得分。EQit表示贵州省第

i个地区第

t年就业质量的综合得分。DEit表示贵州省第

i个地区第

t年数字经济发展水平综合得分。Xijt表示控制变量，主要捕捉其他可能影响就业的因素。ui表示地区固定效应，控制贵州省内不同地区的固有差异。vt5.1.3F检验表5.1F检验结果变量F统计量自由度（df1,df2）P值就业规模101.018，87<2.2e-16就业质量28.9188，87<2.2e-16在检验结果中，就业规模和就业质量的p值都远远小于0.05，表明存在显著的个体效应，这一极低的数值显著支持了固定效应模型相较于混合OLS模型的优势，应选择固定效应模型。5.1.4LM检验表5.2LM检验结果变量卡方统计量自由度P值就业规模115.381<2.2e-16就业质量7.06110.0079在检验结果中，就业规模和就业质量的p值也是都远小于0.05的显著性水平，强烈拒绝原假设，表明存在显著的个体随机效应，这强烈表明随机效应在模型中具有显著影响。5.1.5Hausman检验对于固定效应模型(FE)和随机效应模型(RE)之间的优劣对比，目前尚无法明确判断。为此，本文进一步进行了Hausman检验。表5.3Hausman检验结果变量卡方统计量自由度P值就业规模16.3430.0009就业质量7406.23<2.2e-16由结果可以看出，两个变量的p值都小于0.05，需要拒绝原假设，说明构建固定效应模型更优。因此，根据以上检验与分析，本文选择固定效应模型作为本次研究的最终模型。5.2模型分析5.2.1数字经济对就业规模的影响根据前文的模型检验与筛选，对于数字经济对就业规模的影响回归结果如下：表5.4数字经济对就业规模影响回归结果变量估计值标准误t值P值(截距项)-1.90900.5977-3.19370.0014数字经济综合得分-0.45560.1180-3.86070.0001log(人均GDP)0.22250.06043.68330.0023进出口总额.GDP.0.00610.00292.07940.0376由回归结果可以看出，数字经济综合得分、人均GDP对数、进出口总额占GDP比例这三个变量的p值均小于0.05，说明它们均显著的。数字经济综合得分与就业规模呈现负相关关系，即数字经济综合得分每增加一个单位，就业规模会相应减少0.4556个单位。贵州省数字经济发展处于特定阶段，比如数字技术的应用使得部分传统岗位被替代，而新创造的就业岗位尚未充分显现。在控制变量中，人均GDP的对数与就业规模是正相关关系，也就是说，人均GDP的对数每增加一个单位，就业规模会增加0.2225个单位。随着人均GDP提高，经济总体发展向好，企业生产经营扩张，会创造更多的就业岗位，进而带动就业规模扩大。同样，进出口总额占GDP比例与就业规模也是呈正相关，该比例每增加一个单位，就业规模增加0.0061个单位。这意味着对外贸易的发展，通过进出口业务的拓展，带动了相关产业的发展，如物流、贸易服务等，从而增加了就业机会，促进就业规模增长。5.2.2数字经济对就业质量的影响根据前文的模型检验与筛选，对于数字经济对就业质量的影响结果如下：表5.5数字经济对就业质量影响回归结果变量估计值标准误t值P值(截距项)0.93730.43262.16680.0303数字经济综合得分0.73500.087688.3829<2.2e-16log(人均GDP)-0.08900.0438-2.03130.0422进出口总额.GDP.0.00800.00203.93778.23e-05由回归结果可以看出，数字经济综合得分、人均GDP对数、进出口总额占GDP比例这三个变量的p值也是均小于0.05，说明它们均显著的。正的估计值说明数字经济综合得分与就业质量呈正相关关系，即数字经济综合得分每增加一个单位，就业质量会增加0.7350个单位。这表明在研究的情境下，贵州省数字经济的发展对就业质量有显著的促进作用，数字经济发展水平越高，就业质量越有可能提升。可能原因是数字经济催生了新的产业形态和工作模式，创造了更多高附加值、高质量的就业岗位，同时提升了企业管理和运营效率，进而改善了员工的薪酬待遇、社会保障等就业质量要素。在控制变量中，人均GDP的对数与就业质量呈负相关关系，即人均GDP的对数每增加一个单位，就业质量会降低0.0890个单位。进出口总额占GDP比例与就业质量呈正相关，即该比例每增加一个单位，就业质量会增加0.0080个单位。说明对外贸易的发展对就业质量有积极影响，进出口业务的拓展带动了相关企业提升管理水平和员工待遇，以适应国际市场竞争，从而促进了就业质量的提高。5.3稳健性检验为了深入验证本文结论的稳健性，本文采取了两种方法进行进一步的检验。首先，尝试对解释变量滞后一期形成新的解释变量，其次，调整了研究的时间范围。这些检验的结果均显示，本文的主要结论依然稳固，从而证明了估计结果的稳健性。（1）解释变量滞后一期数字经济发展具有更新快、周期短的特点，为了消除这种滞后性并进一步检验影响效果，采用解释变量滞后一期的方法对随机效应模型的回归结果进行稳健性检验REF_Ref1481\r\h[7]，结果如下：表5.6就业规模模型滞后一期结果变量系数估计值标准误t值p值数字经济综合得分（滞后1期）-0.55500.1098-5.50362.79e-06log(人均GDP)0.21300.05923.59580.0006进出口总额/GDP-4.52e-050.0027-0.01690.9865表5.7就业质量模型滞后一期结果变量系数估计值标准误t值p值数字经济综合得分（滞后1期）0.45610.08665.26891.19e-06log(人均GDP)-0.01960.0467-0.41990.6757进出口总额/GDP-0.00800.0021-3.80020.0003从上述回归结果可以看出，在对解释变量数字经济综合得分滞后一期进行稳健性检验后，对于就业规模就业质量模型的检验，数字经济综合得分系数符号和显著性与之前的模型保持一致，说明数字经济发展对就业规模有抑制作用，对就业质量有促进作用，也在一定程度上证明了回归结果具有稳健性。（2）更换研究年限前文的面板数据选用的是2013-2023年各省数据，为了验证结论的稳健性，本文截取2013-2020年的样本区间进行回归，回归结果如表所示：表5.8就业规模更换年限回归结果变量系数估计值标准误t值p值数字经济综合得分-0.66000.2426-2.72010.0085log(人均GDP)0.26650.09132.92030.0049进出口总额.GDP.-0.00170.0026-0.65360.5159表5.9就业质量更换年限回归结果变量系数估计值标准误t值p值数字经济综合得分0.77830.16744.64901.88e-05log(人均GDP)-0.11930.0630-1.89390.0630进出口总额.GDP.-0.00610.0018-3.34270.0014可以看出，更换研究年限后，数字经济发展对就业规模和就业质量的影响在1%的水平下依然是显著的，数字经济发展对就业规模有负向抑制作用，数字经济对就业质量有正向显著作用，这和前文的回归结果大体一致，也在一定程度上证明了回归结果具有稳健性。5.4区域异质性分析由于贵州省各地市数字经济发展水平有较大差异，因此进一步识别数字经济影响贵州省就业规模、就业质量的区域差异，根据前文利用熵权法测算出的各地市数字经济发展综合得分将贵州省划分为两个个区域，其中，贵阳市、遵义市、为区域一，代表数字经济高速发展的地区；毕节市、黔南布依族苗族自治州、铜仁市、黔东南苗族侗族自治州、安顺市、六盘水市、黔西南布依族苗族自治州为区域二，代表数字经济有潜力发展的地区。5.4.1就业规模区域异质性分析表5.10数字经济对就业规模区域异质性分析变量区域一（数字经济高速发展）区域二（数字经济潜力发展）估计值(Estimate)标准误(SE)p值(p-value)估计值(Estimate)标准误(SE)p值(p-value)(Intercept)-4.822.800.1030.5540.4260.198数字经济综合得分-0.8020.4360.08210.1670.1050.116log(人均GDP)0.5320.2780.0715-0.04370.04340.318进出口总额GDP0.01820.00430.00050.02580.00770.0012由结果可以看出，数字经济对不同地区就业规模的影响存在一定异质性，对于区域一要相对区域二更显著，区域一P值接近0.05的显著性临界值，系数为负，这说明在数字经济高速发展的区域，数字经济综合得分与就业规模存在负向关系，这与前文中的就业规模固定效应模型结果一致，即数字经济发展可能在一定程度上抑制就业规模扩张，但这种关系尚未达到非常显著的水平。可能原因是高速发展的数字经济伴随着技术升级和自动化进程，使得部分传统劳动岗位被替代，而新的就业岗位在短期内未能充分弥补缺口。在控制变量中，区域一和区域二进出口总额占GDP比例P值都远小于0.05，系数为正，进出口总额占GDP比例与就业规模显著正相关。也就是说，对外贸易的扩张有力地带动了区域就业规模增长，可能是由于进出口业务的繁荣刺激了相关上下游产业，如物流、贸易服务、生产制造等，从而创造大量就业岗位。因此，不同区域应依据自身数字经济发展阶段和特点，精准施策以实现数字经济与就业规模的协调发展。5.4.2就业质量区域异质性分析表5.11数字经济对就业质量区域异质性分析变量区域一（数字经济高速发展）区域二（数字经济潜力发展）估计值(Estimate)标准误(SE)p值(p-value)估计值(Estimate)标准误(SE)p值(p-value)(Intercept)-2.171.600.1921.320.1504.16e-13数字经济综合得分0.5270.2490.04840.5760.03695.36e-25log(人均GDP)0.2160.1590.190-0.1230.01531.01e-11进出口总额GDP0.00620.00250.02160.00010.00270.956由结果可以看出，区域一和区域二的P值小于0.05，系数为正，数字经济综合得分与就业质量呈均显著正相关，与前文中的就业质量固定效应模型的结果也是一致的，即数字经济发展水平的提升能够有效促进就业质量的提高。而区域二的显著性远高于区域一。这表明在数字经济潜力发展区域，促进作用可能更为强劲。因为这些有潜力发展的地区在数字经济发展过程中，新的就业形态和机会对就业质量的提升作用更为突出，就业人员从数字经济发展中受益更为明显。在控制变量中，区域二的人均GDP对数的P值远小于0.05，系数为负，人均GDP的对数与就业质量呈显著负相关。这些地区经济发展水平相对较低，人均GDP增长未能有效转化为就业质量提升。区域一的进出口总额占GDP比例的P值小于0.05，系数为正，进出口总额占GDP比例与就业质量显著正相关，意味着贵阳市和遵义市对外贸易的发展，通过带动相关产业升级和企业管理优化，有效提升了就业质量，如促使企业提高员工薪酬福利、完善社会保障机制和保险等。5.5小结该部分对贵州省数字经济发展对就业的影响展开深入实证研究。在模型构建环节，经过F检验、LM检验、Hausman检验最终确定构建固定效应模型，该模型能有效控制个体异质性和时间趋势，为后续分析提供可靠基础。实证结果表明数字经济发展与就业规模呈现负相关关系，与就业质量呈现正相关关系。具体而言，在就业规模方面，以就业人员数和城镇本年新增就业人员数为指标，发现数字经济发展未带来就业规模扩张，因为数字经济发展使得部分传统岗位被替代，新岗位补充不及时。在就业质量层面，基于城镇非私营单位就业人员平均工资、职工基本医疗保险参保人数、城镇职工基本养老保险参保人数、社会保障和就业占GDP比例等指标，得出数字经济显著促进就业质量提升，得益于数字经济创造高附加值岗位、推动企业优化管理等。为了确保结果可靠性，通过对解释变量数字经济滞后一期以及更改研究年限进行稳健性检验，结果通过检验，与原始模型回归结果方向一致，表明构建得模型具备稳健性。此外，依据数字经济综合得分对贵州省进行区域划分，开展区域异质性分析，揭示不同区域数字经济对就业规模和就业质量影响的差异，为因地制宜制定政策提供依据。6研究结论与政策建议6.1主要结论本文在广泛回顾相关文献的基础上，对数字经济影响就业的理论基础和内在机制进行了深入的理论梳理。运用熵值法测算了2013至2023年间贵州省各地市的数字经济发展水平综合得分、就业规模综合得分、就业质量综合得分，并详细分析了贵州省数字经济的发展现状以及就业的实际状况。为进一步探究数字经济对就业的影响，利用贵州省9个地市数据进行了实证研究，还进行了稳健性检验以排除偶然性，此外，还根据不同地区数字经济综合得分进行区域划分，并进行了异质性分析。基于上述研究，得出以下结论：整体来说，数字经济对就业规模产生了显著的负向效应，也就是说，随着贵州省数字经济发展，就业规模未呈现同步扩大趋势