企业数字化转型对劳动力就业稳定性影响倾向得分匹配

企业数字化转型对劳动力就业稳定性影响倾向得分匹配一、企业数字化转型与劳动力就业稳定性的关联基础在数字经济浪潮的席卷下，企业数字化转型已成为不可逆转的趋势。从生产制造到服务流通，从内部管理到外部营销，数字化技术正全方位渗透企业运营的各个环节。云计算、大数据、人工智能、物联网等技术的应用，不仅重构了企业的生产模式和业务流程，也对劳动力市场产生了深远影响，其中就业稳定性问题备受关注。就业稳定性通常指劳动者在一段时期内持续保有就业岗位的状态，可从客观和主观两个维度衡量。客观维度包括就业岗位的存续时间、劳动合同的期限、企业的裁员率等；主观维度则涉及劳动者对自身就业状况的安全感、职业发展预期等。企业数字化转型对就业稳定性的影响并非单一线性，而是呈现出复杂的多面性，这与企业的行业属性、转型阶段、技术应用深度以及劳动力的技能结构等因素密切相关。从理论层面看，企业数字化转型通过三条路径作用于就业稳定性。其一，技术替代效应。自动化、智能化设备的广泛应用，可能直接替代部分重复性、规律性强的劳动岗位，导致低技能劳动者面临失业风险，就业稳定性下降。其二，技术创造效应。数字化转型催生了新的产业形态、业务模式和就业岗位，如数据分析师、算法工程师、数字化解决方案顾问等新兴职业不断涌现，为具备相应技能的劳动者提供了更多就业机会，提升了其就业稳定性。其三，技能升级效应。数字化转型要求劳动者掌握新的技能和知识，企业为提升竞争力会加大对员工的培训力度，劳动者通过技能升级可增强自身的就业适配性，进而提高就业稳定性。二、倾向得分匹配方法的应用逻辑与优势在研究企业数字化转型对劳动力就业稳定性的影响时，传统的回归分析方法可能因样本选择偏差和内生性问题导致估计结果不准确。倾向得分匹配（PropensityScoreMatching，PSM）作为一种有效的因果推断方法，能够较好地解决这些问题，为准确评估数字化转型的就业效应提供了可靠的分析框架。倾向得分匹配的核心思想是，通过计算每个样本的倾向得分，即个体接受处理（企业进行数字化转型）的概率，将处理组（数字化转型企业的劳动力）与对照组（非数字化转型企业的劳动力）中倾向得分相近的样本进行匹配，从而消除两组样本在可观测特征上的系统性差异，使处理组和对照组在除处理变量外的其他特征上具有可比性，进而准确估计处理变量对结果变量（就业稳定性）的因果效应。与传统方法相比，倾向得分匹配具有显著优势。首先，它能有效控制样本选择偏差。在现实中，企业是否进行数字化转型并非随机事件，往往与企业的规模、盈利能力、行业特征等因素相关，这些因素也可能同时影响劳动力的就业稳定性。通过倾向得分匹配，可将这些可观测的混淆变量纳入匹配过程，确保处理组和对照组在这些变量上的分布均衡，从而减少样本选择偏差对估计结果的影响。其次，倾向得分匹配无需依赖严格的函数形式假设。传统的回归分析通常需要设定特定的函数形式，如线性回归模型，若函数形式设定不当，可能导致估计结果出现偏差。而倾向得分匹配通过匹配倾向得分相近的样本，避免了对函数形式的依赖，使估计结果更加稳健。此外，倾向得分匹配的结果易于解释，能够直观地展示数字化转型对不同特征劳动力就业稳定性的异质性影响。三、基于倾向得分匹配的实证分析设计（一）数据来源与样本选择本研究的数据来源于多个权威数据库，包括中国工业企业数据库、中国劳动力动态调查数据库以及企业数字化转型相关的专项调研数据。为确保样本的代表性和可靠性，我们对原始数据进行了严格的筛选和清洗。首先，选取了2018-2023年期间持续经营的企业作为研究对象，排除了成立时间较短、经营状况不稳定的企业。其次，根据企业是否引入数字化技术、应用数字化管理系统等指标，将企业划分为数字化转型组和非数字化转型组。最后，匹配企业数据与劳动力数据，构建了包含企业特征、劳动力个人特征以及就业稳定性相关指标的综合数据集。（二）变量定义处理变量：企业数字化转型（Digital），若企业在研究期间实施了数字化转型措施，如引入智能制造设备、采用大数据分析平台、开展数字化营销等，则赋值为1，否则赋值为0。结果变量：就业稳定性（Stability），从客观和主观两个维度进行衡量。客观指标采用劳动者在当前企业的就业年限和劳动合同期限，就业年限越长、劳动合同期限越长，就业稳定性越高；主观指标采用劳动者对自身就业安全感的评分，评分越高表示就业稳定性感知越强。为便于分析，将就业年限和劳动合同期限进行标准化处理后与主观评分加权求和，得到综合就业稳定性得分。协变量：选取了一系列可能影响企业数字化转型决策和劳动力就业稳定性的变量作为协变量，包括企业层面的企业规模（Size）、盈利能力（Profit）、行业类型（Industry）、研发投入强度（R&D）；劳动力个人层面的年龄（Age）、性别（Gender）、教育水平（Education）、技能水平（Skill）、工作经验（Experience）等。（三）倾向得分匹配的实施步骤估计倾向得分：采用Logit回归模型估计每个样本的倾向得分，以企业数字化转型（Digital）为因变量，以各类协变量为自变量。通过回归分析，得到每个样本的倾向得分预测值，即企业进行数字化转型的概率。匹配方法选择：为确保匹配效果，本研究采用了多种匹配方法进行对比分析，包括最近邻匹配、半径匹配和核匹配。最近邻匹配是为每个处理组样本匹配一个或多个倾向得分最接近的对照组样本；半径匹配是将处理组样本与倾向得分在一定半径范围内的对照组样本进行匹配；核匹配则是利用核函数对对照组样本进行加权，为每个处理组样本构建一个虚拟的对照组样本。匹配质量检验：在完成匹配后，需要对匹配质量进行检验，以确保处理组和对照组在协变量上的分布均衡性。主要通过标准化均值差（StandardizedMeanDifference）和t检验来判断。若匹配后大部分协变量的标准化均值差小于10%，且t检验结果显示处理组和对照组在协变量上的差异不显著，则说明匹配效果良好，可进一步进行因果效应估计。因果效应估计：在匹配质量合格的基础上，计算处理组和对照组在结果变量（就业稳定性）上的均值差异，即平均处理效应（AverageTreatmentEffectontheTreated，ATT），以此衡量企业数字化转型对劳动力就业稳定性的影响。四、实证结果分析与讨论（一）倾向得分匹配的平衡性检验结果通过对匹配前后样本的协变量分布进行检验，结果表明，在匹配前，处理组和对照组在多个协变量上存在显著差异，如企业规模、研发投入强度、劳动力的教育水平和技能水平等。而经过倾向得分匹配后，大部分协变量的标准化均值差均降至10%以下，t检验结果显示处理组和对照组在协变量上的差异不再显著，说明匹配有效地平衡了两组样本的特征，消除了样本选择偏差，为准确估计数字化转型的就业效应奠定了基础。（二）企业数字化转型对就业稳定性的平均处理效应实证结果显示，企业数字化转型对劳动力就业稳定性的平均处理效应为正，且在统计上显著。具体而言，与非数字化转型企业的劳动力相比，数字化转型企业的劳动力综合就业稳定性得分更高，就业稳定性更强。这表明从整体上看，企业数字化转型对劳动力就业稳定性具有积极影响，技术创造效应和技能升级效应超过了技术替代效应，成为影响就业稳定性的主导因素。进一步对就业稳定性的不同维度进行分析发现，数字化转型对客观就业稳定性和主观就业稳定性均有显著的正向影响。在客观层面，数字化转型企业的劳动力就业年限更长，劳动合同期限也相对较长，这可能是因为数字化转型提升了企业的生产效率和市场竞争力，企业更愿意与员工建立长期稳定的雇佣关系；在主观层面，数字化转型企业的劳动力对自身就业安全感的评分更高，这得益于企业为员工提供了更多的职业发展机会和技能培训，增强了员工对未来职业发展的信心。（三）异质性分析结果行业异质性：不同行业的企业数字化转型对就业稳定性的影响存在显著差异。在制造业中，数字化转型对就业稳定性的正向影响更为明显。制造业是数字化转型的重点领域，自动化、智能化设备的应用虽然替代了部分传统生产岗位，但也创造了大量与数字化生产相关的技术岗位和管理岗位，同时企业对员工的技能培训力度较大，劳动者通过技能升级能够更好地适应岗位需求，就业稳定性得到提升。而在传统服务业中，数字化转型对就业稳定性的影响相对较弱，部分低技能服务岗位可能因数字化技术的应用面临被替代的风险，就业稳定性有所下降。技能异质性：劳动力的技能水平是影响数字化转型就业效应的关键因素。对于高技能劳动者，企业数字化转型显著提升了其就业稳定性。高技能劳动者具备较强的学习能力和技术应用能力，能够快速适应数字化转型带来的工作变化，且数字化转型创造的新兴岗位大多对技能要求较高，为高技能劳动者提供了广阔的职业发展空间。而对于低技能劳动者，数字化转型对其就业稳定性的影响则呈现出不确定性。一方面，部分低技能岗位可能被自动化设备替代，导致就业稳定性下降；另一方面，企业为推进数字化转型，可能会对低技能劳动者进行技能培训，帮助其向技能要求较低的数字化辅助岗位转型，从而在一定程度上维持就业稳定性。企业规模异质性：大规模企业和小规模企业的数字化转型对就业稳定性的影响也存在差异。大规模企业通常具有更强的资金实力和技术研发能力，数字化转型的步伐更快、程度更深，能够为员工提供更多的培训机会和职业发展通道，因此数字化转型对大规模企业劳动力就业稳定性的正向影响更为显著。而小规模企业受资金和技术条件的限制，数字化转型的进程相对缓慢，对就业稳定性的影响相对较弱，部分小规模企业甚至可能因数字化转型的成本压力而裁员，导致劳动力就业稳定性下降。五、研究结论与政策启示（一）研究结论本研究运用倾向得分匹配方法，基于多来源的微观数据，深入分析了企业数字化转型对劳动力就业稳定性的影响。研究结果表明：企业数字化转型整体上对劳动力就业稳定性具有显著的正向影响，技术创造效应和技能升级效应占据主导地位，超过了技术替代效应。企业数字化转型对就业稳定性的影响存在明显的异质性。从行业层面看，制造业的正向影响更为突出，传统服务业的影响相对较弱；从劳动力技能层面看，高技能劳动者的就业稳定性提升更为明显，低技能劳动者面临的就业风险更大；从企业规模层面看，大规模企业的数字化转型对就业稳定性的促进作用更强，小规模企业的影响相对复杂。倾向得分匹配方法能够有效解决样本选择偏差和内生性问题，为准确评估企业数字化转型的就业效应提供了可靠的分析工具，其估计结果具有较高的可信度和稳健性。（二）政策启示基于上述研究结论，为更好地应对企业数字化转型带来的就业挑战，提升劳动力就业稳定性，提出以下政策建议：加强技能培训体系建设：政府应加大对职业教育和技能培训的投入，建立多元化、多层次的技能培训体系。针对不同行业、不同技能水平的劳动者，制定个性化的培训方案，重点培养与数字化转型相关的技能，如数据分析、人工智能应用、数字化运营等。鼓励企业参与技能培训，给予企业培训补贴和税收优惠，提高企业开展员工培训的积极性。同时，加强职业技能鉴定和认证工作，确保培训质量，为劳动者的技能提升提供保障。完善就业服务体系：建立健全就业信息监测和预警机制，及时掌握企业数字化转型过程中的就业动态，为劳动者提供精准的就业信息和职业指导。加强公共就业服务机构的能力建设，提升服务水平，为劳动者提供职业介绍、职业培训、创业扶持等一站式服务。鼓励发展人力资源服务业，通过市场化手段优化劳动力资源配置，促进劳动力在不同行业、不同企业之间的合理流动。支持企业数字化转型与就业协同发展：政府应出台相关政策，引导和支持企业在数字化转型过程中注重就业稳定。对积极开展员工技能培训、吸纳就业能力强的数字化转型企业给予政策倾斜，如财政补贴、税收减免等。鼓励企业采用灵活的用工模式，如弹性工作制、共享用工等，在提高生产效率的同时，保障劳动者的就业权益。加强对中小企业数字化转型的支持，通过技术指导、资金扶持等方式，帮助中小企业加快数字化转型步伐，降低转型成本，减少因转型带来的就