（2024.03.21）【经济学动态】大数据发展和企业劳动收入份额——来自“国家级大数据综合试验区”的证据

文献和生活都在这里打卡吧 · 公众号 · · 2024-03-21 23:04

正文

文章通过构建理论模型刻画了大数据影响劳动收入份额的经济逻辑，并利用“国家级大数据综合试验区”作为准自然实验，使用双重差分法来检验大数据发展对中国上市公司劳动收入份额的影响。

1. 政策背景和实证策略

（1）“国家级大数据综合试验区”实施的政策背景

2015 年 8 月 31 日，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），定义 “ 大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合”。为了全面推进我国大数据发展和应用，加快建设数据强国，《纲要》明确提出“开展区域试点，推进贵州等大数据综合试验区建设，促进区域性大数据基础设施的整合和数据资源的汇聚应用”。 2016 年，为加快实施国家大数据战略，贯彻落实国务院《促进大数据发展行动纲要》，国家发展和改革委员会同工业和信息化部、国家互联网与信息化办公室先后批复同意贵州省、京津冀、珠江三角洲、上海市、河南省、重庆市、沈阳市、内蒙古等八大区域开展 “ 国家级大数据综合试验区 ” 建设。

（2）计量模型

（3）数据来源和变量构建

实证研究所使用的基础数据样本为 2011—2019 年所有 A 股上市公司，数据来源于国泰安数据库（ CSMAR ）。

2. 实证结果

（1）基准估计结果

表1报告了“国家级大数据综合试验区”建设对中国上市公司劳动收入份额影响的回归结果。在列（1）中，当因变量为要素成本增加值法测算得到的劳动收入份额（LS）时，交互项系数为负数并且在1%的水平上显著，其经济含义是，国家级大数据综合试验区使得企业劳动收入份额降低了1.69%。列（2）使用经过logistic的转换，然后取自然对数得到的劳动收入份额（ln LS），结果显示交互项的估计系数在5%的水平上显著为负，表明“国家级大数据综合试验区”降低了企业劳动收入份额。

（2）稳健性检验

包括：动态效应分析；改变劳动收入份额的衡量方法；排除其他政策干扰； PSM-DID ；安慰剂检验。

（3）异质性分析

①要素密集度异质性

文章按照企业资本劳动比区分了劳动密集型企业和资本密集型企业，分别考察“国家级大数据综合试验区”对不同要素密集度的企业劳动收入份额的影响。根据表2列（1）（2）的回归结果， “国家级大数据综合试验区”显著降低了劳动密集型企业的劳动收入份额，而对资本密集型企业的影响不显著。组间差异的经验P值在10%的水平上显著。

②融资约束异质性

用KZ指数衡量企业的融资约束情况。在计算得到KZ指数之后，按照样本的年度平均值进行分组，如果公司的KZ指数大于平均值，则视为融资约束较高的组，否则为融资约束较低的组。分组回归结果如表2列（3）（4）所示。对于融资约束较高的企业，“国家级大数据综合试验区”降低了其劳动收入份额，并且在1%的水平上成立。但是对于融资约束较低的企业，大数据发展对劳动收入份额的影响虽然为负，但是不显著。组间差异的经验P值在5%的水平上显著。

③行业技术异质性

文章将生物医药制造业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、计算机及其他电子设备制造业、通信设备仪器仪表制造业，以及信息传输、软件和信息技术服务业界定为高新技术行业，其他行业界定为非高新技术行业。分样本回归结果见表2列（5）（6）。结果显示 “国家级大数据综合试验区”只显著降低了高新技术行业的劳动收入份额，组间差异的经验P值在10%的水平上显著。

3. 影响机制分析

（1）促进企业技术进步

表3显示了“国家级大数据综合试验区”对上市公司全要素生产率的影响。其中，列（1）是使用LP方法测度的企业全要素生产率的回归结果，列（2）是使用OP方法测度的企业全要素生产率的回归结果。根据回归结果可知，交互项的系数值分别为0.0310和0.0250，均在5%的水平上显著，说明“国家级大数据综合试验区”显著提高了企业全要素生产率。大数据发展促进了企业技术进步，从而使劳动收入份额下降。同时考虑到政策的时滞和持续性问题，表3的列（3）（4）分别对企业全要素生产率的滞后期进行回归，结果显示试验区建设对后续年份的TFP也有显著影响。

根据表4中“国家级大数据综合试验区”对全要素生产率的异质性影响的回归结果，对劳动密集型企业而言，无论使用OP法还是LP法衡量，试验区均对其全要素生产率有显著提升作用；对资本密集型企业而言，试验区对其使用LP法衡量的全要素生产率有轻微的负向影响，对使用OP法衡量的全要素生产率没有显著影响。这符合大数据发展是资本偏向型技术进步的假设。

（2）影响企业要素配置

使用上市公司年报中有关人工智能、区块链、云计算、大数据等的关键词频数来衡量企业数字化转型，并剔除了关键词前存在“没有”“无”“不”等否定性词语的表述。对数字化的关键词词频进行加总，得到数字化转型的代理变量digTrans。列（1）的被解释变量为数字化转型相关词频数，列（2）取对数，在此基础上列（3）删除互联网及相关服务业，列（4）是将数字化词频除以年报中管理层经营讨论与分析内容的文字数目。结果现实，无论使用何种方法衡量被解释变量，“国家大数据综合试验区”均显著促进了企业的数字化转型。

接着考虑“国家级大数据综合试验区”对企业资产投资的影响。使用上市公司财务报告附注披露的年末无形资产明细项中与数字化转型相关的部分占无形资产总额的比重来度量企业的数字化资产。回归结果如表6所示， “国家级大数据综合试验区”显著提高了企业数字化无形资产占比。更多的数字化资产投资挤出了企业对于劳动力的投入，进而降低了劳动收入份额。列（2）使用人均资本作为被解释变量，也证明了“国家大数据综合试验区”提高了企业固定资产投资积极性。同时考虑到政策的时滞和持续性问题，表6列（3）（4）分别对数字化无形资产和人均资本的滞后期进行回归，结果显示试验区建设对后续年份的企业人均资本也有显著影响。

（2024.03.21）【经济学动态】大数据发展和企业劳动收入份额——来自“国家级大数据综合试验区”的证据

正文

请到「今天看啥」查看全文