数字经济论文范文参考2篇

　　数字经济论文范文参考一：

　　党的二十大报告指出，分配制度是促进共同富裕的基础性制度，就业是最基本的民生。在当前百年未有之大变局及后疫情时代复杂形势的交织影响下，如何稳定就业局势和优化就业结构至关重要。伴随着新兴技术的发展，数字经济的迅猛发展促进了新型业态与产业的诞生，这些新兴元素为实现充分就业与提升就业质量奠定了坚实的基石(黄祺雨等，2023)。随着数字经济的蓬勃发展，其对国民经济的贡献愈发显著，数字红利的不断释放正为劳动力就业市场带来强劲的新活力，极大地拓宽了民众的职业发展路径与就业选择范围。与此同时，数字经济的快速发展也给劳动力市场带来了新的挑战。中国劳动力市场逐渐出现中技能劳动力比重下降，高低技能劳动力比重上升的就业极化现象。就业极化凸显了中国劳动力市场正逐步偏离其理想化发展的轨道，各类劳动力群体尚未能全面实现就业潜能的释放，经济增长的红利在效率与公平之间的平衡上仍有待优化。自改革开放以来，中国持续加大对公路、铁路及航空等交通基础设施的建设力度，极大地缩短了地域间的经济距离，强化了区域经济间的互动与融合，成为推动区域经济社会发展的重要引擎。从1999年中国高铁线路发展开始，到2020年，经过20多年的发展，中国高铁发展取得了明显成效，中国的高铁网络已经成为世界上规模最大、速度最快的高铁网络。在顶层设计的指导和推动下，中国高铁建设快速推进;在2020年出台的《新时代交通强国铁路先行规划纲要》中提出了中长期高铁发展目标，受此目标指引，预期中国高铁还将持续快速发展。在高铁建设持续快速推进和全社会努力推动高质量发展的背景下，高铁对经济发展的影响受到各界的广泛关注。作为新兴的交通工具，高铁将在未来相当长时期内对中国区域经济发展和人们的生产生活方式产生深远影响(周玉龙等，2018)。因此，立足于中国当前实际，深入研究高铁开通对就业极化现象的影响至关重要。

　　二、文献综述

　　Autor等人基于高技能和低技能劳动力的就业比例上升，中等技能劳动力的就业比例下降这一现象最早正式提出劳动力市场极化的概念。Goos等发现几乎所有的观察对象国都出现了就业极化现象(Goos et al.，2009)。在此基础之上，学者发现发展中国家逐渐出现就业极化的新趋势，但是并没有像发达经济体那样普遍和显著(陈仪和李亚楠，2023)。

　　国内学者也逐渐开始关注对劳动力技能的需求分化问题和就业极化问题，但仍然处于早期阶段，证据尚不充足。有研究表明(吕世斌和张世伟，2015)我国制造业确实呈现出典型的就业极化趋势。随着产品生产国际分工的不断增强，中国作为承接大国，劳动力市场中就业机会更多的提供给高技术劳动力和低技术劳动力，为中等技术劳动力提供的就业机会相对减少(林文凤，2013)。另外，在数字经济成为中国最具活力和发展潜力的经济形态之后，对产业就业结构产生了重要影响，从而影响就业结构。数字经济发展对第二产业就业的促进作用主要体现在制造业，而对第三产业就业的促进作用同时体现在传统服务业和高端服务业。同时，第二产业数字化偏向高技能劳动力进步;第三产业数字化转型则降低门槛，稳就业，同时吸引高低技能劳动力(黄祺雨等，2023)，这也使得中国劳动力市场出现就业极化现象。

　　马伟等(2012)、覃成林和朱永磊(2013)、岳钦韬(2014)从交通可达性角度出发说明了开通高铁会加速人口迁移，促进沿线城市人口聚集。但关于人口流动的方向仍然存在分歧。Heuermann(2019)采用德国高铁开通数据，说明了高铁导致了劳动力将大城市的工作转移到了小城市;而Charnoz(2018)等利用法国高铁数据则证明了高铁会促使管理人员从子公司转移到总公司。现有研究关于高铁对就业的影响主要分为两类。第一类聚焦于高铁对就业、经济的总效应(董艳梅和朱英明，2016)，第二类选取从产业结构(张召华和王昕，2019)、经济、劳动生产率(李彦等，2021)等某一个或多个角度探究高铁对就业产生影响的因素，并未进一步探究高铁对就业结构及就业极化现象的影响。

　　三、理论机制与研究假说

　　交通基础设施作为影响产业布局和产业转移的重要因素之一，对城市的产业结构转型升级和基础设施水平都有重要影响，可以有效提升城市的可通达性，吸引人才、企业和资金，并拉动经济增长和城市空间优化(徐海东，2019)。作为重要公共交通基础设施的高铁会带动相关产业的投资，从而促进产业本身的转型发展。一方面，高铁的开动会带动其相关产业的发展。高铁建设需要的原材料如钢铁、建材、水泥等产业会迅速发展，而这些行业需要的往往是遵循明确的指示和程序完成工作的体力劳动者，也就是常规操作性工作者。另一方面，城市开通高铁后与沿线城市的联系度和可达性都得到了提高，降低了生产资料的运输成本，提升了开通城市的市场潜力，从而促使房价上涨(Bowes and Ihlanfeldt，2001)，会进一步促进当地房地产行业的发展，进而吸引更多的常规知识型工作者。

　　高铁开通后，城市之间可达性增强，常规工作者会受工作机会、工资水平的吸引进入到高铁城市;同时由于大城市生存成本高，一些高端劳动力更愿意居住在一线城市附近有高铁的中等城市，在与大城市保持密切联系的基础上可以享受中等城市较低的生活成本(DONG X et al.，2020)。高铁开通后，促进了区域经济一体化，加强了城市之间的联系和合作，促使技术人员等高技能劳动力从子公司转向总公司，因此，高铁开通后，非常规知识型工作者比重会下降。因此提出假说H1。

　　假说H1：城市开通高铁可以缓解就业极化现象。

　　高铁的开通极大地提升了城市的交通便利性，缩短了城市间的时空距离，使得更多人群选择在高铁沿线城市居住和工作，从而促进当地房价的上涨。随着房价的稳步上涨，房地产市场的繁荣不仅带动了相关产业链的发展，还为城市提供了更多的就业机会和更好的生活品质。这种正面效应吸引了大量中等技能劳动力，他们看重高铁城市的发展潜力和生活便利性，纷纷选择在此安家落户，进一步推动了城市的经济发展和人口结构优化。因此提出假说H2。

　　假说H2：城市开通高铁会刺激房价从而缓解就业极化现象。

　　数字经济的崛起是我国积极参与第三次科技革命和产业革命的重要产物。截至2021年，我国数字经济规模达到45.5万亿元，深刻影响着社会生产、生活的方方面面。在数字经济发展过程中，数字技术和自动化对中等技能劳动者产生替代效应，信息和通信技术的发展使得一些低技能的工作消失，同时创造出更多具有比较优势的工作岗位，也逐渐带来就业极化现象。在数字经济时代，信息不对称带来的逆向选择和道德风险不容忽视。交通的便利程度能够影响区域之间的信息不对称程度，这种影响往往在数字经济发展水平较低的城市更加明显。数字经济发展水平高的城市，劳动力市场信息更加透明化，有较高的岗位匹配效率，劳动力具有较高的就业稳定性(周慧珺，2023)。数字经济发展水平高的城市，由于自身信息传递水平较高，高铁开通带来的影响也就不明显。因此提出假说H3。

　　假说H3：数字经济发展水平不同的城市开通高铁对就业极化现象产生异质性影响。

　　四、研究设计

　　(一)模型建构

　　为检验城市开通高铁对就业极化的影响，构建如下模型：

　　Laborjit=β0+β1*HSRit+β*∑Zit+μi+τt+εit(1)

　　(1)式中，i代表城市;t代表时间;j代表技能型劳动力;β0代表常数项;μi代表个体效应;τt代表时间效应;εit表示随机误差项;Z表示影响高中低技能劳动力的一系列控制变量。Labor代表高技能、中技能、低技能劳动力占比;HSR代表城市是否开通高铁，1代表当年已经开通高铁，0代表未开通高铁。控制变量Z包含地区生产总值、地区总人口、当年实际使用外资金额、公路水路航空客运量、高等学校在校生人数、普通高中在校生人数、固定资产投资额。

　　(二)变量说明

　　参考Cortes等(2020)的分类方式将现有工作划分为四个类型，其中，常规工作指的是遵循明确的指示和程序完成的一系列具体活动的工作，非常规工作指的是涉及各种各样的任务、需要灵活解决问题的能力或人际交往技巧的工作;知识性工作可以简单理解为脑力活动，操作性工作可以理解为体力活动。因此可以将非常规知识性工作者认定为高技能劳动力，非常规操作性工作者认定为低技能劳动力，常规工作者认定为中等技能劳动力，进而探究高铁开通对就业极化的影响。

　　(三)数据来源

　　与城市相关的数据来源于《中国城市统计年鉴》及各地统计年鉴，其中各行业就业人数、地区生产总值、地区总人口为市辖区数据。除去就业数据缺失的城市，共有282个地级市作为样本城市。高铁站的设点及高铁开通数据来自中国铁路网。

　　五、实证分析

　　(一)基准回归结果分析

　　表2中，(1)(5)列为城市开通高铁对高技能劳动力占比、低技能劳动力占比的单独回归，可以发现核心解释变量的系数显著为负。(3)列为城市开通高铁对中等技能劳动力占比的单独回归，核心解释变量的系数显著为正。考虑到就业人数会受到高铁以外因素的影响，因此加入控制变量再次进行回归，可以发现对高低技能劳动力占比回归的核心解释变量系数依然显著为负，对中等技能劳动力占比回归的核心解释变量系数依然显著为正。基准回归的结果支持假说H1。

　　(二)机制分析

　　城市开通高铁后与沿线城市的联系度和可达性都得到了提高，降低了生产资料的运输成本，提升了开通城市的市场潜力，从而促使房价上涨(Bowes and Ihlanfeldt，2001)，会进一步促进当地房地产行业的发展，从而会提升中等技能劳动力占比。因此使用房价作为中介变量，进行机制分析，结果见表3，可以发现结果显著，即城市开通高铁通过提升房价增加中等技能劳动力占比。

　　(三)安慰剂检验

　　由于高铁开通的城市选择可能受到不可观测因素的影响，因此采用间接安慰剂检验，通过对交互项随机抽取500次，得到安慰剂检验结果见图1a～2c。

　　通过系数分布图，可以清晰地观察到，随机抽样系数以零为均值，成正态分布;观察t值图可以看出，大部分随机抽样结果的t值都位于零值附近。以上检验可以说明，高铁开通城市没有其他不可观测因素的影响，验证了基准回归结果的稳健性。

　　(四)异质性影响分析

　　1. 数字经济发展水平异质性分析

　　随着数字化进程的不断推进，数字经济成为引领经济发展的新动力，同时各城市的数字化发展水平存在一定差异。将各城市样本期内数字经济指数计算均值，按均值分为两组：数字经济发展水平高与数字经济发展水平低。

　　表4结果显示，对于数字经济发展水平低的城市，开通高铁后，可以显著降低高低技能劳动力占比，提高中等技能劳动力占比，也就是缓解就业极化现象;而对于数字经济发展水平高的城市，开通高铁对就业结构和数字经济发展水平低的城市有相同的影响，但这种影响并不显著，这也验证了假说H2。

　　数字经济论文范文二：

　　进入新时代以来，高质量发展已经成为中国经济发展的核心导向。党的二十大报告强调，要“加快实施创新驱动发展倡议”，“着力推动高质量发展”。可见，实现高质量发展的关键在于促进经济发展模式由传统高投资、高能耗、高污染的增长方式向创新驱动转变。然而，我国目前的创新体系仍面临着基础研究薄弱、核心技术受制于人和企业自主创新能力不强等问题，创新驱动发展的整体效能不高，需要政府进一步完善创新政策体系，为经济发展真正转向创新驱动轨道提供支持和保障。与此同时，数字经济以信息数据作为全新生产要素，能够加速推动现代数字信息网络与实体经济的深度融合，促进传统产业数字化转型并催生新业态和新模式，为高质量发展提供创新创业动能。那么，创新政策和数字经济对高质量发展的影响是否存在交互效应?若存在，是否具有异质性?空间特征又如何?以上问题的研究能够为优化我国创新政策体系、发挥数字经济赋能作用进而实现高质量发展提供启示。

　　从现有文献看，关于高质量发展的研究主要涵盖3个方面：(1)高质量发展的概念界定。较多学者认为高质量发展是一个综合性的理念，是能够更好满足人民不断增长的真实需要的经济发展方式、结构和动力状态;(2)高质量发展的测度。相关研究通过构建综合指标体系分别测度了我国城市、省域和国家层面的高质量发展水平：(3)高质量发展的影响因素。已有文献集中探讨了结构转换、数字技术创新和环境规制等因素对高质量发展的影响，并对其作用机制进行了详尽分析。

　　关于数字经济对高质量发展的影响，现有研究主要从微观、中观和宏观3个层面展开。微观层面上，数字经济可以形成兼具规模经济、范围经济及长尾效应的经济环境，有利于改善配置效率以提升经济发展质量：中观层面上，已有文献实证发现数字经济发展对制造业、旅游业等产业高质量发展具有重要的推动作用：宏观层面上，韦东明等(2023)基于准自然实验研究发现数字经济能够促进区域创新进而对城市高质量发展产生正向影响;赵涛等(2020)则从创业视角出发认为数字经济可以激发大众创业从而赋能城市高质量发展。

　　关于创新政策对高质量发展的影响，学界可借鉴的研究成果较少。相关文献多局限于探讨创新政策对技术创新的影响或者技术创新对高质量发展的影响，并未直接研究创新政策与高质量发展间的关系。只有少数文献采用准自然实验的方法考察了单一创新政策对高质量发展的影响，如胡兆廉和石大干(2022)研究发现，国家创新型城市试点政策能够强化创新要素投入和创新环境建设从而实现创新驱动高质量发展：金环和于立宏(2023)以双创示范基地建设为准自然实验实证发现，创新政策可以引领科学技术创新并优化制度营商环境从而推动高质量发展。

　　综上所述，现有文献为理解创新政策与数字经济对高质量发展的影响提供了深刻见解，但仍存在以下不足：(1)目前只有少数文献从准自然实验的视角直接探讨了单一创新政策对高质量发展的影响，不能很好地评估多重创新政策组合的综合效应;(2)已有文献从创业或创新单方面视角研究了数字经济影响城市高质量发展的内在机制，并未基于创新创业提供一个系统的分析框架;(3)现有研究均是从创新政策或数字经济单方面探讨与高质量发展的关系，尚未发现有文献研究创新政策和数字经济影响高质量发展的交互效应。鉴于此，本文从研究内容上，将创新政策和数字经济纳入同一模型研究两者对高质量发展的共同影响，发现创新政策和数字经济在城市高质量发展推动上存在显著的正向交互效应和空间溢出效应，深化了创新政策、数字经济和高质量发展之间的关系研究;从研究视角上，在创新创业统一框架下系统研究创新政策和数字经济对高质量发展的影响路径，发现两者能够激发城市创新创业活力进而推动区域高质量发展，支持了创新创业活动的中介路径作用，是对已有文献创新路径和创业路径的丰富和补充。

　　1理论分析与研究假说

　　1.1创新政策、创新创业活跃度与高质量发展

　　创新政策通过要素聚集效应、技术聚集效应和双创环境优化效应为创新创业提供支撑，从而提升创新创业活跃度。(1)创新政策借助研发补贴等政策工具合理引导财政资金流向，增强企业研发投入和实质性创新产出。其释放的政策利好消息也会吸引风险投资聚集，缓解企业融资约束，促进企业技术创新以及新创企业的产生;(2)创新政策能够促进创新成果的产生与聚集，推动先进知识扩散和高新技术积累，创业者也能够将创新成果中潜在的创业机会与大众需求相结合，实现技术成果的市场化转变;(3)创新政策可以通过完善创新公共服务体系、加强知识产权保护等方式优化企业的创新环境，增强潜在创业者的创业意愿。

　　激发创新创业活力有利于实现高质量发展。(1)创新创业活跃度的提升能够推动科技进步，有助于经济发展模式由传统高投资、高能耗、高污染的增长方式向创新驱动转变;(2)创新创业活动的增强能够促进生产要素快速流动，使要素结构、供给结构、需求结构和产业结构不断升级，有助于要素资源实现最优配置;(3)创新创业活动还能与政府环境规制相互协调，实现资源节约化、产业绿色化和消费生态化，进而推动高质量绿色发展。基于以上分析，提出研究假说H1。

　　H1：创新政策能够提高区域创新创业活跃度进而推动高质量发展。

　　1.2数字经济、创新创业活跃度与高质量发展

　　数字经济可以通过缓解信息不对称、加速创新要素流动以及降低生产交易成本等方式培育更多的创新创业机会，激发区域创新创业活力。(1)数字经济所依托的大数据、云计算等数字技术具有出色的数据搜集与处理能力，能够有效缓解供需双方的信息不对称问题，有助于创业者快速有效地掌握市场商机，从而在根本上促进创业活动;(2)数字经济的数据流动和信息共享性能够加速各类创新要素流通、聚集与整合，为创新创业活动提供技术、人才和资金等要素组合，提高了资源的配置效率;(3)数字经济的快速发展能够推动信息流和资金流等要素的深度融合，降低了创新创业过程中的信息搜寻、资金融通等生产交易成本，能够激励企业开展更加丰富的创新创业活动。

　　除了通过改变经济发展模式、促进经济结构升级和促进经济绿色转型等方式来推动高质量发展外，创新创业活动的增强还能够推动数字技术赋能传统产业，加快产业数字化进程并催生新业态和新模式，为高质量发展注入强劲动能。基于以上分析，提出研究假说H2。

　　H2：数字经济能够提高区域创新创业活跃度进而推动高质量发展。

　　1.3创新政策和数字经济影响高质量发展的交互效应

　　创新政策与数字经济能够相互协调，形成合力共同推进高质量发展。创新政策能够促进数字技术创新以推动数字经济发展。数字经济是以数字技术创新驱动为牵引的经济活动，政府可以通过制定相应政策增强数字技术基础研究力度，加快培育数字科技创新人才，为数字经济赋能高质量发展提供政策支持。另外，数字经济的发展能够强化政府治理能力以提高创新政策的赋能效果。数字技术的广泛应用有助于优化政府的治理体系、治理能力和治理流程，推动政府治理向数字化治理转型。依托大数据和互联网等信息技术，政府可以建立完善高效的信息共享机制和政务服务系统，使治理客体由模糊化识别向精准化识别过渡，从而制定更加精准有效的创新政策。基于以上分析，提出研究假说H3。

　　H3：创新政策与数字经济在推动高质量发展上存在正向的交互效应。

　　2研究设计

　　2.1变量选取

　　2.1.1被解释变量

　　高质量发展(Hqd)。高质量发展是一个综合性的概念，需要构建评价指标体系以测度其发展水平。借鉴汪淑娟和谷慎(2021)、陈子曦和青梅(2022)的研究，从新发展理念五大维度出发选取22个三级指标，采用熵权法对我国城市的高质量发展水平进行测算，评价指标体系见表1。

　　2.1.2核心解释变量

　　(1)创新政策(Policy)。参考俞立平(2020)的研究，在宏观知识生产函数中引入电信业务总量作为创新技术进步的替代变量，基于DEA-Malmquist指数模型，采用DEAP2.1软件计算出剔除技术进步因素影响的全要素生产率存量指数来衡量区域创新政策。考虑到城市数据的可得性，投入变量选择电信业务总量，财政科技投入，科学研究、技术服务和地质勘探业从业人员，产出变量选择专利申请数。

　　(2)数字经济(Dige)。借鉴赵涛等(2020)的研究，从互联网发展和数字普惠金融两个维度出发选取5个二级指标，采用熵权法测度城市数字经济发展水平。

　　2.1.3中介变量

　　创新创业活跃度(Innov)。以北京大学企业大数据研究中心编制的中国区域创新创业指数衡量。该指数以企业为核心，立足于企业家、资本与技术三大核心要素实现对中国区域创新创业活力的真实度量。

　　2.1.4控制变量

　　为了避免遗漏重要变量对估计结果造成的影响，借鉴鲁钊阳等(2023)、杨玉琪和王小华(2023)的研究，选择如下控制变量：(1)财政分权(Fis)，以地区财政预算收入占财政预算支出比重表示;(2)金融发展(Fin)，以地区金融机构贷款余额占生产总值比重表示;(3)人力资本(Hum)，以地区在岗职工平均工资对数值表示;(4)城市化水平(Urba)，以地区人口密度对数值表示。

　　2.2模型构建

　　(1)构建基准回归模型，如式(1)所示。

　　2.3数据来源与处理

　　考虑到我国数字技术的发展主要始于2011年，且我国经济发展自2012年进入新常态，意味着由过去的高速增长转为高质量发展，本文针对2011～2022年我国286个地级及以上城市展开研究。其中，区域创新创业指数来自北京大学企业大数据研究中心，数字普惠金融指数来自北京大学数字金融研究中心，其它数据依次来自于《中国城市统计年鉴》、各省域统计年鉴和部分地级市统计年鉴，缺失值采用插值法与ARIMA法进行填补。在数据处理上，对创新政策和数字经济指数取对数以减少异方差影响，并采用国家统计局的汇率均价对以美元计价的数据进行换算，并以2011年为基年对价格数据进行平减。表2报告了各变量描述性统计结果。

　　3结果与分析

　　3.1基准回归

　　表3报告了创新政策和数字经济影响高质量发展的估计结果。由列(1)～(5)可知，随着逐渐加入控制变量，创新政策和数字经济的系数均通过显著性检验且为正，表明创新政策实施与数字经济发展对我国城市高质量发展具有显著且稳定的推动作用，两者已成为新时代中国实现高质量发展的核心动能。

　　3.2稳健性检验

　　本文采用以下方法对基准结果的稳健性进行检验：(1)以财政科学技术支出与互联网用户数和电话数量的交互项作为创新政策和数字经济的工具变量进行内生性检验;(2)控制时间、城市、省域以及省域与时间交互的固定效应;(3)将指标赋权方法更换为主成分分析法;(4)剔除北京、天津、上海和重庆4个直辖市样本;(5)对高质量发展、创新政策和数字经济指数进行5%的双边缩尾处理;(6)以创新驱动发展倡议提出时间(2016年)为分界点将研究时期划分为2011～2015年以及2016～2021年两个阶段重新估计。检验结果显示①，创新政策和数字经济的符号与显著性并未明显改变，表明两者对高质量发展的促进效应是稳健的。

　　3.3影响机制检验

　　(1)中介效应检验

　　下面检验创新政策和数字经济推动高质量发展的中介机制，结果见表4。由列(1)、(2)可知，将创新创业活跃度加入基准回归模型中后，创新政策和数字经济的显著性并未发生变化，但系数大小均有所下降，表明创新创业活跃度在创新政策和数字经济推动城市高质量发展过程中起到了部分中介作用，支持了假说1和2。此外，为进一步探究创新活力和创业活力的中介差异，分别以中国区域创新创业指数子维度中的新建企业数量得分与专利授权数量得分表征创业和创新活跃度再次进行中介效应检验，结果见表4列(3)～(6)。可以看出，创新活跃度和创业活跃度Sobel-Good-man检验的Z统计量均通过了显著性检验，表明创新创业活跃度的中介效应是稳健的。同时，观察两者的中介贡献度可以发现，创新政策主要通过激发城市创新活跃度(13.2%)来推动高质量发展，而数字经济则主要通过提升城市创业活力(10.0%)为经济发展提质增效。