以大数据、互联网和人工智能等为代表的数字技术，推动了数字经济的蓬勃发展，深刻地改变了传统的生产和生活方式。作为引领经济增长的新引擎，数字经济是历史上任何一次技术革命都无法比拟的技术进步。在促进经济增长、推动产业结构优化升级和改善要素配置效率的同时，数字经济对劳动力市场也产生了深刻的影响。
理论上而言，数字经济对劳动力市场的重塑作用体现在两个方面：一方面，数字经济发展导致一些常规性、可重复性工作任务被取代，进而导致部分低技能劳动力就业和工资的降低；另一方面，数字经济可以促进经济增长，导致对劳动力需求的增加，且随着数字经济发展，衍生出许多新兴职业和就业岗位，如网约车、外卖配送员等，促进了就业和工资水平的提升。此外，由于数字技术的高技能偏向性，高技能劳动力在数字经济进程中获利更大，从而形成一种正向的学习效应，导致整体人力资本水平的提升，进而对工资产生积极影响。
在经济由高速增长向高质量增长转变的过程中，数字经济能否赋能居民收入增长亟待检验。而现有研究多基于劳动需求侧考察数字经济对劳动力市场的影响，忽视了劳动供给侧对数字经济发展所作出的行为反应。本文通过考察数字经济对劳动供给和劳动需求的影响，从劳动力市场均衡变动的角度分析数字经济发展对工资的影响，不仅有助于丰富技术进步对劳动力市场影响的理论边界，加深对数字经济内涵及其对劳动力市场重塑作用的理解，同时为相关部门因地制宜、因人而异地制定促进数字经济发展的政策提供了一定的理论支撑与经验证据。
理解数字经济的内涵，是考察数字经济工资效应的基础。最初的数字经济仅包含电子商务和数字经济产品等狭义的概念，并且是以互联网的快速发展为前提，故而又称之为“互联网经济”。随着数字技术的不断进步，数字经济从最初的信息通信部门逐步渗透至各个实体经济部门并与其相互融合，已成为继农业经济和工业经济之后的另一种更具活力的经济形态。因此，本文按照数字经济内涵的发展脉络，从互联网使用、工业机器人应用和数字经济综合发展水平三方面对现有数字经济工资效应的研究进行综述。
关于数字经济工资效应方面的研究，可以追溯到20世纪90年代。早期的研究主要关注计算机和互联网使用的工资溢价效应，发现使用计算机或互联网会导致生产效率提升，提升劳动者人力资本和提高工作搜寻匹配效率，进而对工资具有显著的提升作用。许多针对发展中国家的研究也证明了计算机或互联网使用导致显著的工资溢价。 然而，有学者的研究发现，与使用计算机不同，互联网的过度使用会导致工资水平的下降，并且随着时间的推移，互联网使用的工资溢价逐渐降低。此外，Hsieh和Goel使用美国的历史调查数据，发现在工作中使用互联网会导致劳动生产率的降低，从而不利于工资的增长。
为提升生产过程的智能化和自动化水平，越来越多的工业机器人被引入生产过程，这也引发了人们对于“机器换人”的思考，逐渐成为学术界关注的焦点之一。关于工业机器人应用对劳动力市场影响的研究，大多围绕其所属技术进步的偏向特征以及由此引致的劳动力市场的结构性变动来展开。许多经验研究的结论表明工业机器人应用水平提升不利于劳动力工资增长。Acemoglu和Restrepo基于美国劳动力市场数据的研究发现，每千人中增加一台工业机器人将使工资降低0.25%—0.5%。Aghion等基于1994—2014年法国区域数据、Ni和Obashi基于1995—2017年日本制造业企业数据，均发现工业机器人应用对劳动力工资造成不同程度的消极影响。并且后者通过研究发现，工业机器人应用同时具有岗位破坏效应和岗位创造效应，但由于岗位创造无法抵消岗位破坏对劳动需求的不利影响，导致制造业企业工资的降低。此外，王林辉等的研究指出，人工智能应用主要通过缩短劳动力工作时间与加速劳动力技能贬值两个途径对工资造成不利影响。
然而，由于工业机器人应用的正向生产率效应与补偿效应，部分学者通过研究也得出了工业机器人应用导致工资提升的结论。Autor的研究指出，工业机器人应用促使企业生产力提升，增加了对劳动力的需求，从而显著提升了整体工资水平。许多学者也基于工作任务模型和调查数据，从单一角度（如自动化、人工智能或工业机器人应用）考察了数字经济对不同技能劳动力需求和工资的影响，发现人工智能应用的主要受益者为中高技能群体，而低技能群体的工资发生了明显的下降；闫雪凌等、王永钦和董雯基于机器人数据，分别考察了机器人应用对不同行业、不同职业类型工资溢价的影响，发现机器人应用主要对资本较为深化、研发力度较强的行业以及非常规任务职业的工资有提升作用。
随着各权威机构对数字经济的定义与内涵给出明确界定，部分学者开始通过构建数字经济发展评价体系对数字经济发展水平进行测度 ，在此基础上，一些国内学者考察了数字经济综合发展水平对工资的影响。罗小芳和王素素基于中国家庭追踪调查（CFPS）数据，研究发现数字经济发展水平提升对不同劳动力群体的工资均具有显著的提升作用，并且对低收入群体工资的积极影响更大，表现出包容性发展的特征，部分研究的结论也验证了这一观点。高文书使用2019年中国社会状况综合调查（CSS）数据，对数字经济部门与非数字经济部门的工资回报率进行了测度，发现数字经济部门的教育回报率与技能培训回报率均显著高于非数字经济部门。乔小乐等使用中国劳动力动态调查（CLDS）数据，发现积极的职业流动是导致数字经济促进劳动力工资提升的主要原因。
然而，并不是所有研究结论都支持数字经济对工资具有正向影响。臧微和康娜基于CFPS数据，考察了数字经济对不同来源收入的影响，发现数字经济对收入的提升作用主要来源于经营性收入和财产性收入的提升，而对工资性收入的影响显著为负。这一定程度上体现出数字经济重塑了生产要素分配格局，引致资本代替劳动力，从而导致工资降低，而资产积累带来的财产性收入却能通过生产效率的提高获得数字红利。
综合上述分析可知，关于数字经济发展对工资影响的研究结论尚未达成一致，并且大多围绕单一的数字技术（如互联网、工业机器人）和基于劳动需求侧分析，而较少考虑到劳动供给侧对数字经济发展作出的行为反应，因而无法洞悉数字经济发展对劳动力市场影响的全貌。因此，本文拟基于工作任务模型对劳动力市场的供给和需求建模，在理论上探讨数字经济发展对工资的影响，并结合中国劳动力动态调查数据进行计量检验，以揭示数字经济发展对工资的影响机理和作用效果。本文的边际贡献体现在三个方面：第一，将劳动供给和劳动需求同时置于数字经济的分析框架下，从理论上阐释数字经济发展对工资的影响机制；第二，发现数字经济发展虽然能够促进劳动力工资水平的显著提升，但是在一定程度上扩大了不同劳动力群体之间的工资差距；第三，数字经济对工资增长的促进作用主要通过促进劳动力人力资本投资和拓宽就业信息获取渠道来实现。
根据经济理论，劳动供给和劳动需求决定工资和就业。本文基于工作任务型生产函数，引入数字化资本，考察数字经济对劳动力需求和劳动力供给的影响，通过比较静态分析方法探究数字经济发展对工资的影响。
（一）数字经济与劳动力需求
借鉴Acemoglu和Restrep的设定，假定市场是完全竞争的，存在多个生产同质产品的企业，最终产品的产出由一系列连续的中间任务构成x（i），i∈［0，N］。本文将最终产品y的生产函数设定为：
其中，每个工作任务仅由数字化资本与劳动力完成。假设劳动力与数字化资本之间是可完全相互替代的，将中间任务x（i）的生产函数设定为：
其中，αL和αK分别表示劳动力和数字化资本的生产效率，l（i）和分k（i）别表示工作任务i的劳动力与数字化资本使用量。令w和r分别表示工资率和数字化资本的租金率。借鉴Acemoglu和Autor的设定，假设存在一个非空的工作任务子集
，在此区间内使用数字化资本比使用劳动力生产更有效率，即r/αK>w/αL，因此分布在［i'，i''］之间的工作任务完全由数字化资本来执行，而由劳动力从事的工作任务份额减少为［0，i'］∪［i''，N］。将产品价格标准化为1，进而可求得劳动力需求函数为：
公式（3）表明，数字化资本对劳动力需求或工资的影响途径包含三个：一是替代效应，体现在随着数字经济发展水平的提升，由数字化资本执行的工作任务区间［i'，i''］的扩大，将导致劳动力需求的减少；二是工作任务创造效应也即补偿效应，表现为数字经济发展水平的提升，导致新任务被创造出来，工作任务总量增加，从而增加劳动力需求；三是产出扩张效应也即生产率效应，由于数字化资本引入降低了产品的生产成本，从而降低了最终产品的价格，导致产品需求上升，进而促进整个生产过程中劳动力需求的提升。
由上述分析可知，数字经济对劳动需求的影响取决于替代效应与创造效应和产出扩张效应之和的相对大小。如果替代效应占主导，则数字经济发展会降低劳动力需求，不利于工资水平的提升；反之如果创造效应和产出扩张效应占主导，则数字经济发展会提高劳动力需求。
（二）数字经济与劳动力供给
依据Heckman的观点，劳动供给分为广度劳动供给（劳动参与）和深度劳动供给（工作时间），最终的劳动供给总量为二者的乘积。基于此，本文考察数字经济如何影响劳动参与率与工作时间，进而导致劳动供给产生何种变化。
数字经济发展对劳动参与影响的作用路径主要体现为以下两个方面。一方面，数字经济的蓬勃发展，促进了农业生产效率和家庭劳动效率的提高，从而使得农村剩余劳动力与家务劳动者从繁重的家庭劳动中解放出来；并且数字经济发展促进了新型就业形态和灵活就业岗位的诞生，这些新职业类型，不仅打破了就业的时空限制，缓解家庭和工作冲突，从而提高女性劳动者的劳动参与率，还有助于削弱劳动力市场歧视，拉动特殊人群（如残疾人等）劳动参与率的提升。
另一方面，数字经济发展与信息通信技术进步是相辅相成的，大数据平台的广泛应用，有助于降低信息不对称性，提高工作搜寻匹配效率，同时借助互联网的广泛传播半径，许多就业形态由被动选择转变为主动或自愿选择，从而提高了劳动参与率。此外，数字经济发展所蕴含的技术进步，有助于促进劳动者人力资本投资的增加，增强数字素养，从而导致劳动者人力资本水平的提升，进而提高劳动参与率。
数字经济发展对工作时间的影响大致来源于两个相反方向的效应。一方面，由于数字经济发展导致生产率提升，完成相同工作任务所需的时间将会缩短，从而数字经济发展的生产率提升效应会导致工作时间的减少；另一方面，虽然数字经济发展使工作变得更加灵活，但也因此导致工作与生活界限不明确，这种灵活的雇佣关系导致原属于家庭的时间被侵占，工作时间得以延长。而由于数字经济发展本身的效率提升效应占据主导，因此数字经济发展将导致工作时间减少。
综合上述分析，并结合相关经验研究的结论，可知数字经济发展对劳动参与的正向影响通常大于对工作时间的负向影响，最终导致劳动供给的增加。
（三）劳动力市场均衡与比较静态分析
劳动力市场均衡意味着劳动供给等于劳动需求，也即LS=LD。基于上述分析，本文考察数字经济发展水平的提升如何影响工资与就业。考虑数字经济对劳动需求的负向影响与正向影响相互抵消的情形，此时劳动力市场均衡的变化仅取决于劳动供给曲线的变动。由于数字经济发展导致劳动供给增加而劳动需求未发生变化，因此工资降低而就业增加。
上述分析明显是一种理想状态，可能会与现实经济存在显著差异。本文重点考察数字经济对劳动需求影响不为0的情形，分两种情况进行比较静态分析：
（1）数字经济对劳动需求的替代效应占主导，此时数字经济发展将导致劳动需求降低。随着数字经济的发展，劳动需求曲线向左移动，而劳动供给曲线向右移动（如图1（a）），劳动力市场均衡点由E0变为E1，导致工资水平降低，而对就业的影响不确定。如果劳动供给曲线的变动幅度小于劳动需求曲线，那么就业将减少；如果劳动供给曲线的变动幅度大于劳动需求曲线，那么均衡就业将增加。
（2）数字经济对劳动需求的创造效应和产出扩张效应占主导，此时数字经济发展将导致劳动需求增加。随着数字经济的发展，劳动供给曲线和劳动需求曲线均向右移动，导致就业水平上升，而对工资的影响不确定（如图1（b））。如果劳动供给曲线的变动幅度小于劳动需求曲线，那么均衡工资水平将增加；如果劳动供给曲线的变动幅度大于劳动需求曲线，那么均衡工资水平将降低。
综上所述，如果数字经济发展导致劳动供给增加而劳动需求减少，则工资水平将降低；如果数字经济发展导致劳动供给与劳动需求均增加，则工资水平的变动取决于劳动供给曲线与劳动需求曲线的变动幅度。鉴于现实经济中劳动供给曲线和劳动需求曲线的变动比较复杂，需要通过构建计量模型，并结合中国微观调查数据才能比较准确地确定数字经济发展的工资效应。
（a）劳动供给增加，劳动需求降低
（b）劳动供给和劳动需求均增加
图1 比较静态分析
（一）模型设定
本文将工资方程的基准模型设定为：
其中，下标i和t分别表示个体和时间，lnw表示个体的月工资对数或小时工资对数，Index表示个体所在城市的数字经济发展水平，C表示一系列包含个体层面和地区层面的控制变量，α、β和γ表示待估参数，ε表示随机误差项。
（二）数据来源
本文使用的微观数据来源于中山大学社会科学调查中心主持开展的中国劳动力动态调查（China Labor-force Dynamic Survey，CLDS），该调查自2012年开始，每两年执行一次，最新的数据为2018年，调查范围覆盖中国除西藏和海南之外的29个省（市、自治区）。CLDS数据采取部分追踪的调查方式，每年调查既有追访个体也有新增个体，兼具横截面数据和面板数据的特点。调查内容包括被访者的年龄、性别、婚姻等详细的人口统计学特征和详细的工作信息，可以满足本文的研究需求。本文使用的数据为2012、2014、2016和2018年数据合成的非平衡面板数据。省份市场化指数来源于樊纲等编制的《中国分省份市场化指数》，其他城市和省份层面的控制变量来源于历年《中国城市统计年鉴》与《中国统计年鉴》。
依据研究内容，结合中国劳动力市场中的“退而不休”现象，本文将样本年龄限定为16至65周岁；删去调查期间已退休、上学或丧失劳动能力的个体；保留就业状态为受雇就业或自营个体的个体；删去职业类型为“军人”的个体；删去工资小于0或缺失的个体。为避免异常值对估计结果的影响，分年份对工资和周工作时间进行前后1%的缩尾处理。最终样本为包含11457个个体的四期非平衡面板数据，样本量为13132。
（三）变量说明与统计描述
被解释变量：工资对数。在基准回归中，用月工资的自然对数作为被解释变量。在稳健性检验中，用小时工资的自然对数作为被解释变量。
解释变量：地区数字经济发展水平。依据Bukht和Heeks对数字经济内涵的界定，参照已有文献的经验，从数字产业、互联网发展、数字企业创新、数字金融和数字经济发展环境五个维度选取13个二级指标构建城市数字经济发展评价体系，使用熵值赋权法确定权重来测算中国城市数字经济指数（见表1）。其中，数字企业创新数据来源于企研·社科大数据平台，数字金融指数来源于北京大学数字金融研究中心课题组。采用Python文本识别的方法，本文对历年各市政府工作报告进行分词处理，以其中与数字经济相关的词汇总频数与总词数的比值作为政府数字经济关注度。其余城市指标数据均来源于历年《中国城市统计年鉴》。为匹配本文后续研究使用的数据，选取的数据年份为2011—2020年，并采用线性插值法和平均增长率法对部分变量的缺失值进行补充。此外，本文还参照王军等的研究，从数字基础设施、数字产业化、产业数字化以及数字经济发展环境四个维度出发，构建省份数字经济发展评价体系，测算省份数字经济指数作为稳健性检验的代理指标。
注：本文删除了一些数据缺失严重的地级市，最终的城市数量为273个。
控制变量：参照已有研究的经验，本文从个体特征、就业特征及地区特征三个层面选取控制变量。个体层面控制变量包括性别、婚姻状况、受教育年限、工作经验及其平方项、户口类型、外语技能、健康状况；就业特征层面的控制变量包含周工作时间、就业部门、劳动合同以及行业和职业等；地区层面的控制变量包括省份市场化指数、人口结构、城市产业结构、失业率和固定资产投资。为避免互为因果产生的内生性问题，本文将解释变量和地区层面的控制变量滞后一期。
表2为变量说明与统计描述。可以发现劳动者月工资均值为3466.42元，查阅2012年和2018年《中国统计年鉴》可知，城镇私营单位就业人员月工资均值分别为2396元和4131.25元，样本数据2012年和2018月平均工资为2615.72元和4027.41元，调查数据与统计数据比较接近。此外，签订劳动合同的比例不足50%，说明在经济中存在大量的非正规就业。个体的平均周工作时间为50小时，说明存在一定的过度劳动现象。
表2 变量说明与统计描述
注：以2012年为基期，将月工资和小时工资依据居民消费价格指数（CPI）平减至2012年的工资水平。
（一）基准回归结果
表3给出了工资方程基准模型的逐步回归结果。可以发现，随着控制变量的逐步加入，数字经济对月工资对数的回归系数均显著为正，说明数字经济发展有助于个体工资水平的提升。在控制个体特征、就业特征和地区特征的前提下，城市数字经济水平每提高1个标准差，个体的月工资水平提升约1.66%。
控制变量的估计结果显示，随着个体工作经验的提升，工资呈先上升后下降的倒U型趋势。教育年限、健康和掌握外语均有助于个体工资水平的提升，这与人力资本理论的预期是一致的。婚姻有助于男性工资水平的提升，但对女性劳动力工资具有一定的消极影响。党员身份有助于工资水平的提升，而农民工的工资低于城镇职工。签订劳动合同和在国有部门就业，均有助于个体获得较高的工资回报。随着地区市场化水平的提升以及产业结构的升级，个体工资水平逐渐得以提升。此外，地区固定资产投资也对个体工资具有正向的影响，而城镇登记失业率的提高将导致个体工资水平的降低。综上，控制变量的估计结果大多符合理论预期，说明工资方程设定是合理的。
注：*、**和***分别表示系数在10％、5％和1％的统计水平上显著，括号内为省份聚类稳健标准误，下同。
注：当被解释变量为小时工资时，未控制周工作时间。固定效应包含行业、职业和年份。限于篇幅，控制变量的系数未给出，下同。
（一）异质性分析
1.职业异质性
参照李实和李玉青的划分标准，本文将单位负责人、专业技术人员以及办事人员和有关人员归类为“白领”职业，将商业服务人员和生产操作人员归类为“蓝领”职业，分析数字经济发展对不同职业类型劳动力工资影响（见表6）。可以发现，数字经济对白领职业工资的影响显著为正，而对蓝领职业工资的影响不显著。这主要是缘于白领职业主要从事非常规任务的工作，而蓝领职业中常规任务生产活动的比率较高，数字技术对常规任务存在替代作用，同时催生部分非常规任务，导致数字经济发展的经济红利未能广泛地惠及蓝领职业个体，数字经济对其工资的溢价效应不显著。
2.行业异质性
本文依据个体就业的行业信息划分子样本，探究数字经济发展对制造业和服务业工资的影响（见表6）。可以发现，数字经济对工资的积极影响主要体现在服务业中，而对制造业工资的影响不显著，主要缘于数字经济所催生的新型就业岗位主要集中于服务业行业，如数字化解决方案设计师、数据库运行管理员、信息系统适配验证师等新职业；而在制造业中，数字经济的发展，尤其是工业智能化水平的不断提升，导致制造业中的生产工人面临较大的失业风险，导致其工资溢价效应不显著。
3.个体特征异质性
除就业特征外，个体特征也是影响数字经济工资溢价的重要因素。本文按照个体的受教育程度将样本划分为低技能群体（小学及以下）、中等技能（初中、高中和中专）和高技能群体（大专及以上），按年龄划分为青年群体（35周岁以下）、壮年群体（35-50周岁）和中老年群体（50周岁以上），按性别划分为男性和女性群体，分别对工资方程进行参数估计（见表7）。
可以发现，数字经济对中高技能劳动力工资具有显著的正向影响，而对低技能劳动力工资影响不显著，说明数字经济的工资效应表现出明显的技能偏向性，高技能劳动者在数字经济发展进程中获利更大；数字经济有助于青年群体工资水平的显著提升，而对年龄较大劳动力的工资影响不显著，主要缘于年龄较大的个体，其学习和接受新事物的能力不如青年人，难以适应数字经济发展对个体技能和经验提出的新要求。数字经济对男性和女性的工资具有显著的正向影响，但对女性工资影响更大，主要缘于数字经济催生新的就业形态，或打破工作的时空限制，导致女性可以更好地协调工作与家庭冲突，从而其工资水平得以显著提升。
4.数字经济对工资影响的动态效应
随着数字经济发展水平的不断提升，其对工资的影响可能存在动态异质性。为探究数字经济对工资影响的动态效应，本文分别估计了不同年份数字经济对工资的影响（见表8）。可以发现，在2012年，数字经济发展对工资的影响不显著，而在其余年份数字经济对工资的系数均显著为正，且随着时间推移，数字经济对工资的积极影响呈现逐渐增大的趋势。这表明，随着数字经济与实体经济融合程度不断加深，其生产率提升效应和新工作任务创造效应对工资的正向影响不断提升，更能弥补低技能劳动力替代效应对工资的负向影响，从而数字经济的工资溢价不断提升。
5.数字经济对工资分布的影响
处于工资分布不同分位点的个体，对数字经济的敏感性通常不尽相同。因此，本文从工资分布出发，考察数字经济对工资分布不同分位点上个体工资的影响。为直观展现不同分位点工资变动的差异，本文借助Ravallion和Chen的经验，引入增长发生率曲线（Growth Incidence Curve，GIC）。对于某一分位点τ的个体工资水平qt-1（τ），GIC（τ）可定义为：
公式（9）刻画了不同工资分布分位点上的工资增长率差异，它不依赖于个体特征，仅与样本分位数有关。图2给出了依据公式（9）和CLDS数据计算的GIC多项式拟合曲线。可以发现，2012年至2018年，中国城镇劳动力市场中的工资增长率大致呈现逐渐上升的变动趋势，工资分布较低分位点的工资增长率明显低于较高分位点。由于工资分布不同分位点的工资变动存在明显差异，因此本文设定如下的工资方程分位数回归模型，以考察数字经济对工资分布的影响：
图2 2012-2018年GIC的多项式拟合曲线
注：曲线为数字经济对不同分位点工资影响回归系数，阴 影部分为系数的95%置信区间，虚线为OLS回归系数，短虚线为OLS回归95%置信区间上下界。
（二）机制检验
前文从均值效应和工资分布效应出发，考察了数字经济对工资的影响，并依据个体特征和就业特征进行了异质性分析。接下来，本文通过分析数字经济如何影响劳动需求方与劳动供给方的行为，考察数字经济对工资影响的作用机制。
1.劳动需求：学历与工作经验要求
数字经济发展在理论而言蕴含着技术进步，同时存在对就业的替代效应和创造效应，这也势必会通过重塑工作任务改变对个体技能的需求结构。依据CLDS2018年问卷中的问题“你目前这份工作的学历要求是什么？”和“你这份工作需要多久的工作经验能够胜任？”设置职业的学历和工作经验需求变量，同时控制职业和行业特征，探究数字经济发展对职业技能需求的影响。进一步按照个体的受教育程度划分不同技能群体，考察数字经济对不同受教育水平个体受雇就业概率的影响（见表9）。可以发现，随着数字经济发展水平的提升，各职业对劳动者技能水平的要求均显著提高，主要体现在对个体的学历要求。数字经济有助于中等技能以上群体受雇就业概率的提升，且对高技能群体的影响效果最大，说明数字经济导致就业岗位对学历要求的提升，同时解释了为什么数字经济发展对较高技能劳动力工资的提升作用比较明显。
注：*、**和***分别表示系数在10％、5％和1％的水平上显著，括号内为省份聚类稳健标准误。限于篇幅，控制变量的系数未给出。
2.劳动需求：失业冲击与工作转换
数字经济发展不仅对个体技能提出新的要求，而且会通过替代效应和创造效应影响劳动力的议价能力。一般而言，数字技术的应用通常会替代执行常规、重复可编码工作任务的个体。依据CLDS2014年和2016年问卷中的问题“未来五年失业的可能性有多大”设置“失业风险”变量，如果被访者回答“非常大”或“比较大”，则将失业风险赋值为1；如果当被访者回答“非常小”或“比较小”，则将失业风险赋值为0。依据CLDS2018年问卷中的问题“您的工作有没有被高度自动化，机器人，人工智能等新的技术而改变？”设置“就业冲击”变量，如果被访者回答为“是”，则赋值为1；否则，赋值为0。此外，为应对数字经济发展带来的职业变革，一个个体可能作出的行为反应就是工作转换。一些研究表明，工作转换不利于农民工工资水平的增长。基于此，本文还设置了“工作转换”变量以探究数字经济对个体工作转换的影响，并进一步检验数字经济对农民工和城镇职工工资的影响。
表10给出了数字经济对失业风险、就业冲击、工作转换和工资的影响。可以发现，数字经济对蓝领工人失业风险的影响显著为正，而对白领工人失业风险的影响不显著，主要缘于蓝领工人主要从事常规、简单的生产和服务活动，而数字经济发展导致常规任务被数字化技术所取代，这也意味着数字经济发展将促进企业的人力资本结构升级。数字技术的引入并未产生明显的就业冲击，数字经济发展也未对个体工作转换产生显著的影响。考虑到发生过工作转换的样本中，农民工比例约占87.80%，由于数字经济对个体工作转换的影响不显著，因而不存在数字经济导致农民工工作转换概率提升，进而导致工资水平降低的作用机制。
3.劳动供给：人力资本投资
前文首先从静态角度考察了数字经济通过影响职业任务内容与技能需求进而对个体工资的影响，而后从个体行为反应的角度，考察了数字经济对个体工作转换的影响。而个体为适应数字经济发展的浪潮，会作出积极的行为反应——人力资本投资，因此本文依据问卷中问题“自去年7月份以来，您是否有参加过至少5天的专业技术培训？”设置技术培训变量，分析数字经济如何影响个体人力资本投资。具体地，如果个体回答为“是”，则将技术培训赋值为1；否则，赋值为0。
本文对技术培训选择方程进行参数进行估计（见表11）。可以发现，数字经济有助于促进个体参与技术培训概率的显著提升，从而提升人力资本水平。由人力资本理论可知，人力资本水平提升有助于工资水平的提升，因此数字经济发展导致显著的工资溢价。
4.劳动供给：拓宽就业信息获取渠道
随着数字经济的快速发展，互联网应用不断拓宽，信息传播效率在不断提升。通过使用互联网，个体可以更方便快捷地获取招聘信息，企业可以快速高效地招聘工人，有效地提高了求职者和空缺职位的匹配效率。因此，本文基于CLDS2012年和2014年问卷中的问题“从哪些渠道收集就业信息?”考察数字经济发展对互联网求职的影响。设置互联网求职变量，如果回答为“互联网”，则赋值为1；否则，赋值为0。由于2016年和2018年问卷中未设置这一问题，出于稳健性检验的考虑，本文依据2018年CLDS问卷中的问题“网络社交工具的频率”考察数字经济发展对互联网社交的影响。设定互联网社交变量，如果个体不使用互联网进行社交，则赋值为0；否则，赋值为1，表11给出了数字经济对互联网求职和社交的影响。可以发现，数字经济对互联网求职和互联网社交的影响显著为正，说明数字经济显著促进了个体从网上获取信息概率的提升，从而拓宽求职渠道并提高工作匹配效率，因此导致数字经济对个体的劳动力市场表现具有显著的正向影响。
数字经济发展在促进中国经济增长的同时，也引致劳动力市场产生结构性变动。基于工作任务模型和劳动力供给需求均衡的分析框架，本文考察了数字经济发展的工资效应，并应用中国劳动力动态调查数据对数字经济的工资效应进行实证分析，得到的主要结论包括：（1）数字经济有助于劳动力工资水平的显著提升，城市数字经济水平每提高1个标准差，个体的月工资水平提升约1.66%；（2）相对而言，数字经济对中高技能劳动力、白领工人、年轻劳动力和服务业的工资增长具有明显的促进作用，表现出明显的技能偏向性；（3[）]随着数字经济发展水平的提升，其对工资增长的促进作用逐渐增大；（4）数字经济对中高收入群体工资增长的促进作用明显高于低收入群体，意味着数字经济发展在一定程度上扩大了工资差距；（5）数字经济发展导致劳动力技能水平要求的提高，有助于促进人力资本结构的优化升级；（6）数字经济发展促进了个体人力资本投资的提高，拓宽了就业信息获取途径，进而有助于劳动力工资增长。
基于上述结论，本文给出如下政策启示。
首先，政府部门应持续完善数字基础设施建设，以数字经济发展带动就业和工资增长。在全球经济不景气和突发公共卫生事件的双重冲击下，数字经济为维持经济增长和就业稳定起到了不可忽视的作用。且随着数字经济与实体经济的深度融合，其对劳动力就业的吸纳作用也会逐渐提升，推动数字经济发展有助于实现高质量就业的目标。同时，应注意数字经济发展对高技能劳动力和高收入群体的偏向性，通过减税或补贴等措施维持收入差距在合理范围内，促进全体劳动者的共同富裕。
其次，数字经济发展对劳动力技能需求的重塑作用导致高技能劳动力竞争力增强，从而“倒逼”劳动者进行人力资本投资以适应新经济形态的技能需求。因此，政府部门应大力发展教育和培训事业，促进劳动力人力资本水平的提高。鉴于目前培训覆盖面较窄的情况，政府部门可以联合企业、高校等相关部门加大培训支持力度，开展多样化职业技能培训，有助于劳动者更好地融入需求不断发生改变的劳动力市场。
最后，政府部门应关注劳动力市场弱势群体，健全社会保障制度。数字经济发展在促进经济增长的同时，也对劳动力市场中的低技能劳动者产生了一定的冲击，其就业形势和工资议价能力在自动化与智能化等数字技术的广泛应用下不容乐观。因此，完善社会保障制度，发挥其“兜底”作用，为结构性失业者重返劳动力市场提供必要的经济支持，有助于其平稳地度过失业期。