省级数据要素能力与个体就业的年龄梯度：多层级社会技术系统视角下的结构升级与不均衡调整

《Systems》：Provincial Data-Factor Capability and Individual Employment in China: A Multilevel Socio-Technical Systems Perspective

　　

数字化转型下的就业调整是一种多层级结果，不仅取决于区域技术能力，也取决于该能力所嵌入的结构性配置与劳动者响应条件。本研究通过将2012–2022年中国家庭追踪调查（China Family Panel Studies, CFPS）数据与省级DataIndex相匹配，考察中国省级数据要素能力与个体就业之间的关系。含省份和年份固定效应的二值Logit（Binary Logit）模型揭示出年龄梯度：DataIndex的就业关联在年轻劳动者中为正，在中年附近减弱，并在较高年龄转为负向。省年回归进一步表明，更强的数据要素能力与产业结构升级和更高的区域创新活动相关，而交互检验显示农业户口（agricultural-hukou）和农村居民的就业关联较不利。这些发现表明，区域数字能力的提升并不会均等地转化为就业收益；相反，其劳动力市场后果取决于劳动者适应能力以及制度和空间条件。因此，本研究强调，评估数字化转型不仅应看技术与结构进步，也应看其就业结果的包容性。

研究背景方面，数字化转型中的就业调整并非单一技术暴露的结果，而是区域技术能力、产业结构、劳动力市场制度、组织实践与劳动者特征共同作用的多层级结果。现有研究分别从数据经济学、任务基础劳动经济学和数字经济等路径讨论数据价值、任务替代与新任务创造、生产率与匹配效应，但较少在同一实证设计中连接区域数据能力与异质性就业响应，并区分省年结构结果与个体就业结果。因此，研究人员开展本研究，以多层级社会技术系统（socio-technical systems）视角考察省级数据要素能力（data-factor capability）与个体就业的关系，并检验年龄、户口和城乡差异以及省年产业结构升级和区域创新活动关联。研究发现，DataIndex与就业的关联存在年龄梯度，年轻劳动者为正、较高年龄转为负向；更强的数据要素能力与产业结构升级和区域创新活动正相关，但农业户口和农村居民的就业关联较不利。其重要意义在于，区域数字能力提升可与中观结构升级并存，而微观就业结果并不均衡，因而数字政策需关注就业包容性。

关键技术方法（不超过250字）：研究人员使用中国家庭追踪调查（CFPS）2012–2022年个体数据，与30个省级地区（不含港澳台和西藏）的省级DataIndex匹配，最终分析样本为120,583个观测、37,504名个体。基线采用含省份和年份固定效应的二值Logit模型，以AgeC=年龄?40构建DataIndex×AgeC交互并计算年龄别平均边际效应（average marginal effects, AMEs）；以Probit、线性概率模型（linear probability model, LPM）、二次年龄项和剔除2020年作稳健性检验；以180个省年观测估计DataIndex与产业结构升级、区域创新活动的省年回归；以交互模型检验户口和城乡差异；以宽带shift-share和CN域名份额×全国趋势构造工具变量（instrumental variable, IV），进行两阶段最小二乘（two-stage least squares, 2SLS）敏感性分析。

研究结果如下。5.1 描述性统计（Descriptive Statistics）：通过描述统计刻画分析样本与省级条件，就业均值0.848；DataIndex均值0.331、标准差0.338、范围0.001–1.963。5.2 基线回归结果（Baseline Regression Results）：通过含省份和年份固定效应的Logit模型，DataIndex×AgeC系数在三种设定中均负且5%显著（?0.0354、?0.0355、?0.0355）；全控模型中DataIndex主系数0.1184不显著且仅指40岁，支持H₁所述的年龄依赖条件关系，而非全年龄平均效应。5.3 年龄相关边际效应（Age-Dependent Marginal Effects）：基于全控Logit的年龄别AME，20岁为0.0722、65岁为?0.1093；20岁为正、60岁和65岁为负且显著，25–55岁区间含零但25岁和55岁在10%水平显著；20–40、40–60、20–60的对比分别为0.0591（p=0.013）、0.0939（p=0.025）、0.1529（p=0.018），说明年龄梯度可统计区分。5.4 稳健性检验（Robustness Checks）：通过Probit、LPM、二次年龄项、剔除2020年和年龄组交互，DataIndex×AgeC均保持负显著；Probit为?0.0191、LPM为?0.0049，二次年龄设定中DataIndex×AgeC为?0.0263而DataIndex×AgeC²不显著，剔除2020为?0.0396；年龄组交互相对最年轻组单调下降，最年轻组为0.520（p<0.05），支持基线稳健。5.5 工具变量敏感性分析（Instrumental-Variable Sensitivity Analysis）：通过宽带shift-share和CN域名IV的2SLS，一阶段F统计量与Kleibergen–Paap rk Wald F表明相关性；Kleibergen–Paap rk LM仅边际；Anderson–Rubin检验拒绝联合零；第二阶段DataIndex×AgeC为?0.0027（p=0.053）和?0.0066（p=0.031），方向保持，但仅作敏感性而非结论性因果证据。5.6 渠道相关结果（Channel-Related Outcome Analysis）：通过180个省年观测回归，DataIndex与三项产业结构升级指标正相关（0.1146，p<0.01；0.3948，p<0.10；0.0914，p<0.05），与三项区域创新活动指标正相关（0.5416，p<0.05；0.6008，p<0.01；0.6648，p<0.05），支持H₂、H₃，但为省年关联而非因果中介。5.7 户口和城乡异质性（Heterogeneity by Hukou Status and Urban–Rural Residence）：通过交互模型和正式组间对比，组别AME均未在5%水平显著异于零，但农业户口（p=0.044）和农村居民（p=0.005）的组间差异较不利，支持H_4a、H_4b为组间差异。

讨论部分总结：主要发现是省级数据要素能力与就业的关联随年龄增长而较不利，20岁为正、60岁和65岁为负，与任务基础视角及年龄和技能调整能力影响数字技术响应的证据一致。区域层面，DataIndex与产业结构升级和区域创新活动多个指标正相关，与数字化、结构转型、资源再配置、服务化和知识密集生产相关研究一致；户口和居住差异与制度分割及本地机会结构相关。核心含义是技术升级和结构升级可与不均衡就业调整并存，劳动力市场后果取决于劳动者适应能力和获取新兴机会的条件。政策含义需考虑中国劳动力市场中户口和城乡分割的制度特殊性；对国际读者而言，类似分割可能来自迁移身份、外围区位、培训机会不均或空间不均衡劳动力市场，包容性数字政策需超越基础设施扩张。局限包括：DataIndex为省级测量，不能捕捉城市、企业或平台层面差异；观测设计不能消除所有时变混杂或确立确定性因果效应；IV排除限制不能直接检验，Kleibergen–Paap underidentification检验仅边际；仅30个省级聚类；完整传导路径未检验，且就业状态不反映工资、工作质量、工时或就业转换。未来研究可采用城市、企业或平台层面测量、更强准实验变异和更丰富纵向结果，并开展跨国家设计。

研究结论部分翻译（浓缩）：本研究将省级数据要素发展概念化为多层级社会技术能力，并通过将2012–2022年CFPS观测与综合DataIndex匹配，考察其与个体就业的关系。含省份和年份固定效应的全控Logit中，DataIndex×AgeC系数为负且统计显著（?0.0355，p<0.05）。年龄别边际效应显示20岁为正、60岁和65岁为负，中间报告年龄方向不确定性较大。主要实证发现是省级数据要素能力的估计就业关联随年龄增长而变得较不利。该模式与多层级社会技术系统视角一致，强调共享区域技术背景下就业响应的差异。省年渠道回归显示DataIndex与产业结构升级和区域创新活动多个指标正相关。正式交互模型进一步表明农业户口和农村居民的就业关联较不利。留一法宽带shift-share IV在2SLS中保持DataIndex×AgeC负向。总体而言，更强的区域技术能力可与中观层面升级并存，而微观层面就业关联在劳动者情境间仍不均衡；这一跨层模式而非单一平均就业系数，是本研究的核心系统洞见。