摘要：数字经济已经成为中国经济发展的新动能。本文以“宽带中国”政策作为数字经济发展的代理变量，将其与中国家庭追踪调查（CFPS）数据相结合，借助于双重差分法，发现数字经济能够显著促进非农就业。本文接着从数字经济的两大核心内涵（消费互联网和工业互联网）出发探讨了数字经济推动农村劳动力非农就业的内在机制：数字经济所带来的消费互联网（以数字金融为代表）的发展促进了农村低技能劳动力向低技能偏向的数字化非农行业流动，数字经济所带来的工业互联网（以自动化和智能化为代表）的发展促进了农村高技能劳动力向高技能偏向的数字化非农行业流动，这意味着数字经济能够依据劳动力技能实现有效的社会分工。这些发现均证实了数字经济的发展有助于推动经济结构转型。关键词：数字经济 非农就业 社会分工 消费互联网 工业互联网一、引言改革开放40年以来，中国经济年均增速达到9.4% 。这一经济奇迹在相当程度上与高投资尤其是政府主导的基础设施投资相关。然而，当前在部分地区特别是人口流出地区的传统基础设施可能已经过剩，至少对经济发展的边际作用有所下降。随着国际局势的急剧变化和百年一遇的新冠疫情的冲击，中国经济发展的模式悄然发生了转变，进入了“新基建”时代。新基建主要包括5G 基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七大领域。2020年3 月，中共中央政治局常务委员会召开会议，要求加快5G 网络、数据中心等新型基础设施建设进度。短期来看，新基建既能稳经济，又能避免投资回报率的下降。长期来看，新基建助力经济转型，为产业数字化升级提供基础，能够更好地推动中国经济的持续发展。数字经济发展是新基建的重要目标。根据G 20杭州峰会所发布的《二十国集团数字经济发展与合作倡议》的定义，数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。2022年1 月，国务院发布《“十四五”数字经济发展规划》，从优化升级数字基础设施、充分发挥数据要素作用、大力推进产业数字化转型、加快推动数字产业化、持续提升公共服务数字化水平、健全完善数字经济治理体系等方面为推动我国数字经济进一步健康发展进行了详细部署。因此，如何准确地评估数字经济的影响是非常关键的，因为相较于传统经济，数字经济代表了新的技术变革，对于改变资源配置方式、生产方式、消费方式从而促进产业结构的优化调整具有重要作用。然而现有研究主要探讨了数字经济对增长的影响，对数字经济与经济结构转型的关系的研究比较缺乏，这显然是一大遗憾，因为经济结构转型是数字经济推动高质量发展的关键。就业结构转型是经济结构转型的重要体现和重要支撑。数字经济发展在促进非农就业进而带动经济结构转型方面可能能够发挥重要作用。人力资源和社会保障部发布的相关数据显示，2019~ 2020年，产业数字化贡献的就业数量占全社会就业总量的比重接近1/ 3 ，是吸纳就业的主体。并且，根据中国信息通信研究院（下称“信通院”）发布的《中国数字经济就业发展研究报告：新形态、新模式、新趋势（2021年）》，产业数字化创造的就业呈现出三产大于二产大于一产的特征：第三产业数字经济就业岗位占比高达60.2% ，远高于第二产业的* 本文得到国家自然科学基金“交通基础设施，市场一体化与区域经济协同发展：理论与政策评估研究”（基金号：71973014）的资助。张勋为本文通讯作者。数字经济、非农就业与社会分工*田 鸽 张 勋数字经济、非农就业与社会分工经济学- - 72DOI:10.19744/j.cnki.11-1235/f.2022.0069《管理世界》2022年第5 期7.1% 和第一产业的0.1% ，这意味着数字经济或许可以通过促进非农就业进而促进经济结构转型。因此，本文首先试图从非农就业的角度，探讨数字经济发展对经济结构转型的影响。数字经济发展在促进非农就业的过程中，可能对不同技能水平的劳动力从事不同类型的非农工作具有异质性影响。一方面，数字经济通过促进数字金融的发展，可以推动消费互联网的形成，进而增加对外卖骑手和快递员等低技能劳动力的需求，促进其从事对技能水平要求较低的数字经济相关工作；另一方面，数字经济通过促进智能制造的发展，可以推动工业互联网的形成，进而增加对机器人算法工程师和自动化生产线研发工程师等高技能劳动力的需求，促进其从事对技能水平要求较高的数字经济相关工作。不过，以往文献在讨论数字经济与就业的关系时，往往关注数字经济的某一方面内涵（消费互联网或工业互联网）的影响，鲜有文献将消费互联网和工业互联网结合起来，全面讨论数字经济与就业的关系。因此，通过全面分析数字经济对就业的影响，特别是对不同技能的劳动力在数字经济产业中发挥的不同作用的分析，我们还可以对数字经济在推动社会分工和促进经济结构转型方面的角色有更加深入的理解。具体来说，本文以“宽带中国”政策作为数字经济发展的代理变量，将其与中国家庭追踪调查（CFPS）数据相结合，借助于双重差分法，发现数字经济能够显著促进非农就业。本文接着从数字经济的两大核心内涵（消费互联网和工业互联网）出发探讨了数字经济推动农村劳动力非农就业的内在机制：数字经济所带来的消费互联网（以数字金融为代表）的发展促进了农村低技能劳动力向低技能偏向的数字化非农行业流动，数字经济所带来的工业互联网（以自动化和智能化为代表）的发展促进了农村高技能劳动力向高技能偏向的数字化非农行业流动，这意味着数字经济能够依据劳动力技能实现有效的社会分工。这些发现均证实了数字经济的发展有助于推动经济结构转型。本文的贡献主要体现在以下3 个方面：第一，主题方面，通过考察数字经济对非农就业的影响，尤其是数字经济的不同内涵对非农就业的异质性作用，本文发现了数字经济发展可以依据劳动力技能实现有效的社会分工，补充了数字经济的经济效应的相关文献；第二，方法方面，由于双重差分法在因果识别方面具有显著优势，本文利用“宽带中国”政策形成的外生冲击，有效验证了数字经济发展对非农就业的因果效应；第三，在政策价值方面，本文通过分析数字经济促进非农就业的机制，可以为决策界提供更加明确的数字经济发展方向的政策建议。本文余下内容安排如下：第二部分对相关文献进行综述；第三部分介绍“宽带中国”政策的内容及其作为数字经济代理变量的合理性；第四部分介绍实证方法以及数据来源；第五部分进行基准回归，探讨数字经济对非农就业尤其是对农村劳动力非农就业的影响；第六部分通过挖掘数字经济的内涵，探讨数字经济发展促进农村劳动力非农就业的机制及在这一过程中所具有的分工效应；第七部分总结全文，并提出政策建议。二、文献综述本文首先与数字经济促进经济发展的研究相关。数字经济产生于互联网，而互联网作为一种通用技术，对社会各领域、各个社会层次均产生了广泛影响（Harris，1998）。 通常认为互联网所推动的数字经济发展，可以降低经济成本，包括生产和交易成本，促进知识、信息和观念的产生与传播，提升资源配置效率，最终对经济发展产生积极影响。例如，黄群慧等（2019）发现城市互联网发展指数每提高 1% ，制造业企业的生产率提高0.3% 。也有一系列文献直接研究了数字经济（或互联网、信息化）与经济增长的关系。荆文君和孙宝文（2019）从微观和宏观两个层面探讨了数字经济促进经济高质量发展的内在机理。赵涛等（2020）发现数字经济可以提升创业活跃度，进而推动经济高质量发展。许恒等（2020）则发现数字经济对传统经济有技术溢出和技术冲击两种效应。现有研究主要关注了数字经济或互联网的经济增长效应，而经济结构转型作为经济发展的另一个重要组成成分，其如何受到数字经济发展的影响则鲜有探讨。本文试图从就业结构转型的角度对此展开分析。因此，本文也与数字经济发展对就业的影响的研究相关。事实上，少有文献明确研究数字经济对就业的影响，即- - 73便一些文献主题研究的是数字经济对就业的影响，而实质上研究往往聚焦智能化自动化（Acemoglu and Autor，2011；Autor and Dorn，2013；张新春、董长瑞，2019）以及信息技术（Bresnahan et al. ，2002；宁光杰、林子亮，2014；Gaggl and Greg，2017；夏炎等，2018）等与数字经济相关的概念对就业的影响。我们认为，以往文献对数字经济与就业关系的刻画并不全面。从现实来看，数字经济的发展整体而言呈现出由消费互联网向产业互联网（即本文的工业互联网）转型的趋势（戚聿东等，2020）。 因此，数字经济与就业关系的探讨，不能离开对消费互联网和工业互联网的就业效应的讨论。据此，与数字经济对就业的影响有关的文献也大致可以分为以下两类。第一支文献探讨了消费互联网的发展对就业的影响。多数文献认为，互联网企业的出现、在线产品的丰富、数字消费模式的成熟可以创造大量新的就业机会，因而能够促进就业。刘皓琰和李明（2017）研究发现，网络化的消费和交易提高了工作的灵活性，为低技能劳动力提供了大量的自由工作机会。江小涓（2017）发现数字技术促进了粉丝经济的形成，产生了大量数字化的消费信息，催生了“网络红人”等新的职业类型。邢小强等（2021）采用案例研究的方法发现，数字平台可以借助电商消费的模式，促进贫困地区劳动力就业。莫怡青和李力行（2022）也指出，随着数字技术发展，线上交易以及共享经济促进了“零工经济”蓬勃发展，创造了大量就业。另一支文献探讨了工业互联网的发展对就业的影响。这支文献最早可以追溯到Autor等（2003），他们提出了“基于任务”的模型，发现自动化技术既对劳动力需求有负向的替代效应，又有正向的生产力效应与就业创造效应。从替代效应的角度，Autor和Dorn（2013）发现替代效应主要发生在中等技能劳动力群体中；蔡跃洲和陈楠（2019）发现人工智能及自动化推进过程中，中间层岗位容易被替代，且被替代行业中劳动力的教育和技能水平较低，就业结构呈两极化趋势；张新春和董长瑞（2019）指出人工智能技术正逐渐通过少量“现代知识型员工”实现对大量“传统简单劳动者”的替代。从生产力效应和就业创造的角度，Acemoglu 和Restrepo（2018）发现自动化技术的就业创造效应可以解释美国1980~ 2010年就业增长的一半左右；王文（2020）发现工业智能化水平的提升增加了服务业特别是知识和技术密集型的现代服务业的就业份额，促进了就业结构高级化；Dauth等（2021）指出工业机器人的应用促进了劳动力技能结构的升级。综上所述，以往文献多是研究了数字经济的某一方面内涵（消费互联网或工业互联网）对就业的影响，而将消费互联网和工业互联网结合起来全面讨论数字经济与就业的关系的研究还较为缺乏。但数字经济所推动的消费互联网和工业互联网对就业的作用是不同的，特别是存在技能上的异质性。此外，少有文献从就业结构（农业至非农）和经济结构转型的角度探讨数字经济的影响，本文也试图弥补这一缺憾。三、背景介绍：“宽带中国”与数字经济发展为缓解网速慢、覆盖度低等问题对中国经济进一步发展的制约，2013年8 月，我国发布了《国务院关于印发“宽带中国”战略及实施方案的通知》（下称“《通知》”），《 通知》明确了中国将通过地区试点的方式，逐步建设完善宽带基础设施。第一批试点城市出现在2014年，共有北京、上海、广州等39个城市（城市群）成为2014年度“宽带中国”示范城市（城市群）；第二批和第三批分别出现在2015年和2016年（详细内容参见《管理世界》网络发行版附录附表A）。2020年10月，信通院发布了《中国宽带发展白皮书（2020年）》，对“宽带中国”政策进行了评估。通过将现阶段宽带网络发展情况与“宽带中国”的发展目标相比对，发现自“宽带中国”政策实施以来，经过“全面提速”、“推广普及”和“优化升级”三阶段的持续努力，我国宽带网络基础设施改造升级加快，用户规模高速增长，家庭普及水平大幅提升，宽带信息应用加速向经济社会各领域广泛渗透。主要变化体现在以下3 个方面。一是光纤网络实现城乡全面覆盖。自“宽带中国”战略实施以来，截至2020年第二季度，城市固定宽带接入能力普遍超过100Mbps，行政村通光纤宽带比例超过98% 。固定宽带家庭普及率比战略设定的2020年末数字经济、非农就业与社会分工经济学- - 74《管理世界》2022年第5 期70% 的预期目标高出20个百分点。其中，光纤接入用户占固定宽带用户的比重达93.2% ，远超OECD 国家26.8% 的平均水平，位居全球第二。二是移动宽带普及率超过预期目标，4G 网络实现跨越式发展。我国仅用不到3 年时间建成了全球规模最大、覆盖最广的4G 网络：4G 用户总数占移动电话用户的比重远高于54.5% 的全球平均水平，全面实现了“宽带中国”战略中“LTE 基本覆盖城乡”的预期目标。目前，5G 用户也已达到了1.5 亿户。三是用户上网实际体验速率大幅提升。根据中国宽带发展联盟发布的《中国宽带速率状况报告》，2020年第一季度，我国固定宽带网络平均下载速率是2015年同期5.2 倍；4G 网络平均下载速率是2016年第三季度开始监测时的2.5 倍。固定宽带用户的浏览网页平均首屏呈现时间较2015年（2.2S）缩短了一半以上。那么，“宽带中国”政策能否代表中国的数字经济发展呢？从数字经济的内涵来看，数字经济是基于互联网等基础设施建设，借助于知识和信息生产要素、信息通信技术，在数字产业化和产业数字化的过程中实现效率提升和经济结构优化的一系列经济活动。换句话说，互联网等基础设施建设是数字经济发展的基础，网络基础设施还需要通过发挥外部性促进实际的经济发展。根据《通知》，“宽带中国”政策的重点任务包括：推进区域宽带网络协调发展、加快宽带网络优化升级、提高宽带网络应用水平、促进宽带网络产业链不断完善和增强宽带网络安全保障能力。其中，“推进区域宽带网络协调发展、加快宽带网络优化升级、增强宽带网络安全保障能力”侧重于互联网等基础设施本身，且不局限于建设，还包括了提质增效、动态维护、网络安全、创新发展以及区域协调等内容。而“提高宽带网络应用水平、促进宽带网络产业链不断完善”则侧重于互联网等基础设施与经济发展的融合。具体而言，“宽带中国”政策中有利于促进消费互联网的具体政策包括：（1）智能终端研制。充分发挥无线和有线宽带网络能力，面向教育、医疗卫生、交通、家居、节能环保、公共安全等重点领域，积极发展物美价廉的移动终端、互联网电视、平板电脑等多种形态的上网终端产品。推动移动互联网操作系统、核心芯片、关键器件等的研发创新。加快3G 、TD-LTE 及其他技术制式的多模智能终端研发与推广应用；（2）研发推广特殊人群专用信息终端和应用工具，开展宽带上网及应用技能培训。“宽带中国”政策中有利于促进工业互联网的具体政策则包括：（1）不断拓展和深化宽带在生产经营中的应用，加快企业宽带联网和基于网络的流程再造与业务创新，利用信息技术改造提升传统产业，实现网络化、智能化、集约化、绿色化发展，促进产业优化升级（即产业数字化）；（ 2）不断创新宽带应用模式，培育新市场新业态，壮大云计算、物联网、移动互联网、智能终端等新一代信息技术产业（即数字产业化）。由此可见，“宽带中国”政策也不仅仅只是互联网等基础设施建设本身，而是进一步将互联网等基础设施同时应用于经济社会发展的生产端和消费端，增强人们的网络使用能力，培育新的消费习惯。因此，我们认为，“宽带中国”政策能够有效代表整体数字经济的发展。下文中，我们将使用“宽带中国”政策作为数字经济发展的核心代理变量。四、实证方法及数据来源（一）实证方法我们首先构建用于检验数字经济发展与非农就业之间关系的实证模型。由于作为外生冲击的“宽带中国”政策可以有效代理数字经济的发展，这就为我们利用双重差分法（Difference-in-Difference，DID）来检验数字经济促进非农就业的因果效应提供了可能。具体而言，在式（1）中，D c（i）⋅ T t 是双重差分项（以下简称DID 项），其中，D c（i）反映的是个体层面的变异性，表示个体i 所在的c 市是否位于“宽带中国”政策的实验组，T t 反映的是时间层面的变异性，表示t 时是否开始实施“宽带中国”政策。Y ict 是显示c 市i 个体在t 时是否从事非农工作的虚拟变量。（1）Z ict 是控制变量，用来控制个体、家庭、地区等特征对被解释变量或DID 项的影响。其中，个体特征主要是Yi ct= α1Dc ( )i⋅ Tt+ Z'i ctα + θi+ ωt+ εi ct- - 75性别、年龄、学历和婚姻状况等人口统计学相关变量。考虑到年龄对非农就业可能具有非线性影响，我们还控制了年龄的平方项。家庭特征包括人均家庭纯收入和家庭抚养负担（6 岁及以下以及60岁及以上家庭成员占比）等。地区特征主要是反映地区经济发展水平及结构的变量，如人均地区生产总值（取对数）、非农生产总值占地区生产总值比重和财政支出占地区生产总值比重等。θ i 是个体固定效应，用以控制不随个体变化的不可观测因素，ω t 是时间固定效应，用以控制不随时间变化的不可观测因素。显然，在这一双向固定效应模型的设定下，我们无法估计性别和年龄的系数。ε ict 是随机扰动项。为缓解同一城市居民之间的相关性，我们采用聚类到城市的稳健标准误。（二）数据来源本文使用的数据主要包括微观层面的 2010~ 2018年的中国家庭追踪调查（China Family Panel Studies，CF⁃PS）数据以及相应年份宏观层面的城市经济状况数据，下面进行详细介绍。CFPS数据是由北京大学中国社会科学调查中心组织调查并整理发布的数据，包括成人问卷、家庭问卷、少儿问卷等在内，涵盖了个体及其家庭在就业、收入、健康、社交、家庭财产和负债等方面的信息。成人问卷中的工作类型变量可用于构造本文的被解释变量。即如果个体从事非农工作，则记为1 ；从事农业工作，则记为0 。非农工作包括制造业、建筑业等第二产业的工作以及金融业、交通运输、仓储和邮政业等第三产业的工作，农业工作则指的是农、林、牧、渔业工作。宏观层面的城市经济状况数据中，“宽带中国”政策相关数据来自于中华人民共和国工业和信息化部，其余数据来自CEIC数据库、《中国城市统计年鉴》《中国城乡建设统计年鉴》等。由于本文主要分析劳动力市场状况，我们首先仅保留年龄为16~ 60岁的样本。接着，以个体所在城市为匹配标准，我们将CFPS数据与滞后一期的地区数据相匹配，最后，我们删除了存在缺失值的观测。表1 是描述性统计。可以看出，约57.9% 的个体从事非农工作，与中国的城镇化水平大致可比。有30.5% 的样本属于“宽带中国”试点城市，说明数字经济的发展初具规模。五、数字经济与非农就业：基准分析（一）基准回归根据基准模型（1）的设定，表2 汇报了相应结果。第（1）列是非农就业对数字经济发展的单变量回归，我们发现DID 项的系数估计值为正且显著。第（2）~（4）列依次增加了个体、家庭以及地区层面的控制变量，回归结果基本保持不变。这表明以“宽带中国”政策所代表的数字经济发展的确有利于促进非农就业，从而有助于中国的经济结构转型。这一结论说明城市层面“宽带中国”政策的推行平均而言提升了5.6% 的非农就业比例，效果相当可观。换句话说，如果没有推行“宽带中国”战略和发展数字经济，中国的城镇化和经济结构转型的步伐将大大放慢。（二）内生性分析由于“宽带中国”政策是城市层面的政策变量，这一变量可能面临包括遗漏变量在内的内生性问题，下面变量是否从事非农工作（是= 1）是否是“宽带中国”试点（是= 1）年龄性别（女性= 1）学历婚姻状况（结婚= 1）居住地（城市= 1）人均家庭纯收入家庭抚养负担人均地区生产总值（取对数）非农生产总值占地区生产总值比重财政支出占地区生产总值比重房价占家庭总支出的比重样本量47173471734717347173471734717347173均值0.5790.30542.9020.4452.7700.8530.4320.1340.3295.1050.8720.2270.157标准差0.4940.46012.3190.4971.3390.3540.4950.2130.2791.1790.0810.1700.228最小值01601002.2030.5130.0350.001最大值16018115.18017.8500.9971.48419.162表1 主要变量描述性统计被解释变量：是否从事非农工作是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）0.058***（0.016）否否否是是471730.137（2）0.057***（0.016）是否否是是471730.145（3）0.056***（0.016）是是否是是471730.147（4）0.056***（0.016）是是是是是471730.148表2 数字经济与非农就业：基准回归注：括号内是个体所在的城市层面的稳健聚类（Cluster ）标准误，*** 代表p ＜0.01，**代表p ＜0.05，* 代表p ＜0.1 。下同。数字经济、非农就业与社会分工经济学- - 76《管理世界》2022年第5 期进行具体分析。1 . 遗漏变量分析首先，城市层面的某些因素可能对“宽带中国”政策具有选择性，尤其是城市层面的经济发展变量可能是影响“宽带中国”政策选择的重要变量，并同时与非农就业相关，如果遗漏了这些变量，那么DID 项系数反映的可能是包含了这些遗漏变量在内的因素对非农就业的复合影响。为此，在表3 第（1）列中，我们删除了一线和新一线城市样本，一线城市即北京、上海、广州和深圳，新一线城市名单来自《第一财经新闻》旗下的新一线城市研究所（详细内容参见《管理世界》网络发行版附录附表A），我们发现DID 项的系数仍在1% 的显著性水平下显著，第（2）列则是在基准模型中控制了“是否是一线或新一线城市”与“是否开始实施‘宽带中国’政策”这两个虚拟变量的交互项。可以看出，即便控制了一线或新一线城市可能随着“宽带中国”政策的实施而发生的变化，反映“宽带中国”政策本身政策效果的DID 项系数仍然显著为正。其次，2014年提出的“大众创业，万众创新”政策，旨在通过采取一系列措施促进创业创新，其中一些措施如推进互联网金融发展既与数字经济密切相关，又可以推动非农就业。为排除这一政策的影响，我们在表3的第（3）列中删除了非农创业样本，发现DID 项的系数仍显著为正，表明即便促进创新创业的政策可能影响非农就业，但在控制了这一政策的影响后，数字经济仍然可以促进非农就业。最后，由于“宽带中国”政策的主要技术路线是加强互联网基础设施的建设，因此需要进一步将“宽带中国”政策的实施与互联网基础设施本身的作用相区分。在表4 中，我们在基准回归的基础上进一步控制了互联网基础设施发展的相关测度。其中，第（1）~（3）列依次控制了互联网普及率、宽带接入用户比率以及个体是否使用互联网这3 个分别从个体所在省份、地级市以及个体层面来衡量的互联网基础设施状况的变量。估计结果显示，在控制了这些变量后，DID 项系数仍然显著为正，说明“宽带中国”的政策效果并不仅仅包含互联网等基础设施建设本身带来的就业促进作用。进一步地，在表4 的第（4）~（6）列，我们将DID 项与互联网普及率、宽带接入用户比率以及个体是否使用互联网这3 个变量进行交互。我们发现，3 个交互项的系数均显著为正，意味着良好的网络基础设施有助于“宽带中国”政策进一步发挥效力，在更大程度上促进非农就业。2 . 平行趋势检验在本文的研究情境下，若想通过DID 方法更加干净地识别数字经济对非农就业的因果效应，最重要的假设是，未实施“宽带中国”政策的城市在不实施该政策情况下的非农就业概率的变化是试点城市假如不实施该政策时的非农就业概率变化的反事实，即实验组和控制组满足平行趋势假定，在冲击发生前必须具有可比性。下面我们估计模型（2），对实验组和控制组是否满足平行趋势假定进被解释变量：是否从事非农工作是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）删除一线或新一线城市0.047***（0.016）是是是是是397500.175（2）控制一线或新一线城市的影响0.041***（0.016）是是是是是471730.150（3）删除非农创业样本0.064***（0.017）是是是是是432890.171表3 遗漏变量分析：排除一线或新一线城市以及创业促进政策的影响注：第（1）列删除了一线或新一线城市样本，第（2）列则是在基准模型中控制了“是否是一线或新一线城市”与“是否开始实施‘宽带中国’政策”这两个虚拟变量的交互项，第（3）列删除了非农创业样本。被解释变量：是否从事非农工作是否为试点× 是否开始实施政策互联网普及率宽带接入用户数（市总人口作为权重）是否使用互联网互联网普及率×DID宽带接入用户数（市总人口作为权重）×DID是否使用互联网×DID个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）0.048***（0.014）- 0.007*（0.004）是是是是是463410.149（2）0.056***（0.015）0.022**（0.010）是是是是是464450.150（3）0.057***（0.016）0.026***（0.009）是是是是是446440.149（4）- 0.032（0.036）- 0.007**（0.003）0.0015***（0.0006）是是是是是463410.149（5）0.016（0.020）0.020**（0.010）0.014**（0.006）是是是是是464450.151（6）0.038**（0.019）0.022**（0.009）0.036***（0.012）是是是是是446440.149表4 遗漏变量分析：排除网络基础设施建设的混淆作用注：第（1）~（3）列依次控制了互联网普及率、宽带接入用户比率以及个体是否使用互联网这3 个分别从个体所在省份、地级市以及个体层面来衡量的互联网基础设施状况的变量。第（4）~（6）列进一步将这3 个变量分别与“宽带中国”政策交互。为简化表述，我们将第（4）~（6）列中的“宽带中国”政策变量用DID 表示。- - 77行实证检验，检验结果见表5 。（2）从表5 的第（1）列可以看出，在政策实施前1~ 2 期，是否为试点城市对被解释变量无差异性影响，而在试点发生当期，相较于非试点城市，试点城市通过实施“宽带中国”政策，促进了个体非农就业概率的显著提升。这表明实验组和控制组满足平行趋势假设，也再次证实了数字经济对非农就业的因果效应的可信性。值得注意的是，尽管“宽带中国”政策开始前1 期的虚拟变量与是否为试点城市的交互项系数不显著，但已经为正，即政策开始的前1 期可能对“宽带中国”政策具有一定的预期，这可能改变个体或地区的行为，进而影响“宽带中国”政策效果的评估。为此，我们将可能受到预期效应影响的变量（如居住地、人均家庭纯收入、财政支出占地区生产总值比重等）与政策开始前1 期的虚拟变量交互，重新进行基准回归，结果报告于表5 的第（2）列；在表5 的第（3）列，我们还进一步控制了地区固定效应以及地区固定效应与政策开始前1 期的虚拟变量的交互项，以控制城市层面不可观测因素所受到的预期效应影响。表5 的第（2）~（3）列所示的估计结果表明，预期效应不会影响数字经济对非农就业的因果效应的估计。3 . 工具变量法尽管我们采取了诸多方法来缓解“宽带中国”政策效果估计的内生性问题，但是作为城市层面的政策，“宽带中国”政策仍不可避免地受到城市层面诸多可观测或不可观测因素的影响，我们很难将这些因素一一控制。为此，我们使用了家庭所在地到“八纵八横”光缆骨干网节点城市的球面距离与是否开始实施“宽带中国”政策的时间虚拟变量的交互项作为DID 项的工具变量。表6 的第（1）列报告了第一阶段的回归结果。很明显，工具变量与DID项显著负相关，符合预期：距离节点城市越近，越有可能成为“宽带中国”政策试点城市。表6 的第（2）列将DID 项与工具变量同时作为解释变量进入回归，我们发现DID 项的系数依然显著为正，工具变量的系数则不显著，说明工具变量只能通过影响DID 项从而影响被解释变量，满足排他性约束。表6 的第（3）列报告了使用工具变量估计的第二阶段回归结果。第一阶段的考虑异方差的弱工具变量检验F 统计量大于10，再次表明工具变量满足相关性特征。从估计结果来看，我们依然发现数字经济的发展显著促进了非农就业，证实了估计结果的稳健性。（三）数字经济与农村劳动力的非农就业进一步地，我们关心数字经济主要促进了哪类个体非农就业。表7 的第（1）~（2）列分别报告了数Yi ct=∑j = - 21αjDc ( )i⋅ Tj+ Z'i ctα + θi+ ωt+ εi ct被解释变量：是否从事非农工作是否为试点× 是否是政策实施前2 期是否为试点× 是否是政策实施前1 期是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量控制变量× 是否是政策实施前1 期个体固定效应时间固定效应地区固定效应地区固定效应× 是否是政策实施前1 期观测数R2（1）平行趋势检验- 0.023（0.039）0.059（0.041）0.102**（0.042）是是是否是是否否471730.155（2）控制预期效应0.109***（0.032）是是是是是是否否471730.167（3）0.165***（0.041）是是是是是是是是471730.188表5 平行趋势检验被解释变量是否为试点× 是否开始实施政策到节点城市的最近距离（取对数）× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应地区固定效应观测数R2第一阶段F 统计量（1）是否为试点× 是否开始实施政策- 0.070***（0.021）否否是否是是4390.375/（2）是否从事非农工作0.048***（0.016）- 0.004（0.003）是是是是是否471730.148/（3）0.091***（0.031）是是是是是否360720.14612.099表6 工具变量估计注：工具变量为家庭所在地到“八纵八横”光缆骨干网节点城市的球面距离与是否开始实施“宽带中国”政策的时间虚拟变量的交互项。被解释变量：是否从事非农工作是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2系数差异的显著性检验p 值（1）农村户籍样本0.037**（0.017）是是是是是354330.2220.040（2）城市户籍样本0.016**（0.006）是是是是是117400.048表7 数字经济与非农就业：城乡异质性数字经济、非农就业与社会分工经济学- - 78《管理世界》2022年第5 期字经济对农村和城市劳动力从事非农工作的影响。这里的分类界定根据劳动力的户籍来确定。可以看出，数字经济主要促进了农村劳动力向非农行业流动，二者系数相差1 倍多，且差异是显著的。显然，相较于城市样本，从农业到非农就业这一转换过程主要发生于农村户籍样本。因此，从这一部分开始，我们对样本进行限制，主要讨论数字经济对农村劳动力向非农行业流动的影响。六、数字经济、非农就业与社会分工接下来，本文进一步分析数字经济促进农村劳动力非农就业的机制。（一）数字经济促进农村劳动力非农就业的技能和行业异质性首先，我们研究数字经济促进农村劳动力非农就业的技能异质性。值得指出的是，传统对高技能劳动力的界定是受教育年限在16年及以上，即至少完成本科教育（Acemoglu ，1998；Acemoglu and Autor，2011；Mi⁃chaels et al. ，2014；Akerman et al.，2015）。 不过，此处我们研究的是农村劳动力样本，受教育水平相对低一些，受教育年限在16年及以上的样本量非常少。为此，我们将农村劳动力中受教育年限在15年及以上（即至少完成大专教育）的劳动力定义为高技能劳动力，并且借鉴Autor和Dorn （2013）以及吕世斌和张世伟（2015）的研究，将学历水平在高中及以上、大专以下的劳动力定义为中等技能劳动力，将学历水平在高中以下的劳动力定义为低技能劳动力。表8 报告了分样本估计结果。显然，数字经济促进农村劳动力的非农就业，主要体现在低技能劳动力群体中。我们进一步探讨数字经济促进农村劳动力非农就业的行业异质性。直觉上，数字经济将更有助于与信息传输、计算机服务和软件业关联程度更高的行业的发展，这些行业的劳动力需求也可能相应增加。为此，参考Autor和Dorn （2013），我们考虑数字经济影响农村劳动力向数字化非农行业和传统非农行业转移的异质性。表9 的第（1）~（2）列报告了估算结果。与我们的预期相一致，数字经济主要促进了农村劳动力向数字化非农行业转移，这显然与数字经济本身主要带动了数字化非农行业的发展有关。进一步地，在表9 的第（3）~（5）列中，我们将样本限制在从事农业以及数字化非农行业的农村劳动力中，并依据技能异质性进行子样本回归。可以发现，数字经济仍然主要促进了农村低技能劳动力由农业向数字化非农行业流动。这至少说明，中国的数字经济发展并没有带来因数字鸿沟引起的“权力转移”和贫富差距的分化（托夫勒，2018），农村居民尤其是低技能劳动力也能够从数字经济的发展中获益。（二）数字经济的社会分工效应接下来，我们进一步关心在数字经济发展的推动下，低技能劳动力主要从事的数字化非农工作类型。为此，我们借鉴Autor和Dorn （2013）的划被解释变量：是否从事非农行业是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）低技能劳动力0.036**（0.017）是是是是是303550.239（2）中等技能劳动力0.041（0.037）是是是是是38230.169（3）高技能劳动力0.006（0.027）是是是是是12550.157表8 数字经济促进农村劳动力非农就业的技能异质性注：定义至少完成大专教育的劳动力为高技能劳动力，学历水平在高中及以上、大专以下为中等技能劳动力，学历水平在高中以下为低技能劳动力。下同。被解释变量：是否从事不同类型的非农行业是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）所有技能类型的农村劳动力是否从事传统非农行业- 0.013*（0.008）是是是是是213720.068（2）是否从事数字化非农行业0.043***（0.016）是是是是是328990.281（3）低技能劳动力是否从事数字化非农行业0.044***（0.016）是是是是是284610.300（4）中等技能劳动力是否从事数字化非农行业0.033（0.039）是是是是是33430.213（5）高技能劳动力是否从事数字化非农行业0.006（0.028）是是是是是10950.140表9 数字经济促进农村劳动力非农就业的行业异质性注：第（1）~（2）列分别估计了数字经济对农村劳动力由农业向传统非农行业以及向数字化非农行业流动的影响，第（3）~（5）列分别估计了数字经济对不同技能类型的农村劳动力由农业向数字化非农行业流动的影响。- - 79分方法，根据不同行业所需的劳动力技能水平的不同，将数字化非农行业进一步划分为低技能偏向的数字化非农行业和高技能偏向的数字化非农行业。我们猜测，数字经济主要帮助低技能劳动力从农业部门转向低技能偏向的数字化非农行业。表10的估计结果证实了这一点。事实上，数字经济发展一方面通过数字产业化，为网络主播、在线客服、快递员等低技能劳动力提供了广泛的就业机会；另一方面通过产业数字化，增加了对外卖骑手、共享单车维护人员等低技能劳动力的需求。这些发现进一步说明，数字经济发展具有包容性特征（张勋等，2019）。前文发现，数字经济并没有促进中等技能和高技能劳动力从农业部门转向低技能偏向的数字化非农行业。可能的原因在于，大部分中高技能的农村劳动力在完成学业之后便已进入传统的非农行业或数字经济发展初期的低技能偏向的数字化非农行业就业，而在数字经济发展的浪潮中，这部分劳动力由于更容易掌握数字技术，更可能向高技能偏向的数字化非农行业转型。因此，数字经济发展过程中，中高技能的农村劳动力的就业决策实质上已经脱离了由农业向非农行业的转换，而可能主要体现为由传统非农行业或低技能偏向的数字化非农行业向高技能偏向的数字化非农行业的转型。表11中，我们展示了数字经济对不同技能水平的农村劳动力由传统非农行业或低技能偏向的数字化非农行业向高技能偏向的数字化非农行业流动的影响，可以看出数字经济主要带来了农村高技能劳动力的就业流动，而对中等技能和低技能劳动力的影响并不显著。综合以上分析，我们可以得到如下结论：（1）对于农村低技能劳动力而言，数字经济发展推动了这部分劳动力由农业向非农行业流动，尤其是向低技能偏向的数字化非农行业流动；（2）对于农村高技能劳动力而言，数字经济发展推动了这部分劳动力由传统非农行业或低技能偏向的数字化非农行业向高技能偏向的数字化非农行业流动；（3）数字经济同时推动了农村低技能和高技能劳动力的就业转型。从这个角度来讲，数字经济尽管可以被视为一种技术进步，但数字经济本身可能并不具备明显的技能偏向性。在数字经济促进就业的过程中，无论是推动数字产业化还是产业数字化，都有可能依据劳动力技能来实现有效的社会分工。（三）数字经济推动社会分工的内在机制接下来，我们从数字经济的内涵，即消费互联网和工业互联网出发，对数字经济推动社会分工的内在机制进行分析。1 . 消费互联网：数字经济推动农村低技能劳动力非农就业的内在机制如前所述，数字经济发展推动了农村低技能劳动力由农业向低技能偏向的数字化非农行业流动。我们认为，数字经济所推动的消费互联网的发展，是推动农村低技能劳动力向非农行业流动的主要原因。简单而言，消费互联网就是满足消费者在互联网中的消费需求，包括阅读、出行、娱乐、生活等的互联网类型。显然，数字经济的快速发展推动了消费互联网的发展，推动了网络主播、快递员、外卖骑手和网约车司机等新职业出现和劳动力需求的增加，而这些职业对技能的要求往往较低。因此，数字经济可能可以通过促进消费互联网的发展，推动农村低技能劳动力向非农行业，尤其是向低技能偏向的数被解释变量：是否从事低技能偏向的数字化非农行业是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）农村低技能劳动力0.038***（0.014）是是是是是267060.323（2）农村中等技能劳动力0.022（0.046）是是是是是26060.272（3）农村高技能劳动力0.027（0.027）是是是是是5530.035表10 数字经济与低技能偏向的数字化非农就业注：第（1）~（3）列分别估计了数字经济对不同技能类型的农村劳动力由农业向低技能偏向的数字化非农行业流动的影响。被解释变量：是否从事高技能偏向的数字化非农行业是否为试点× 是否开始实施政策个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应观测数R2（1）农村低技能劳动力- 0.026（0.021）是是是是是116020.014（2）农村中等技能劳动力0.027（0.036）是是是是是23770.047（3）农村高技能劳动力0.108*（0.064）是是是是是11350.044表11 数字经济与高技能偏向的数字化非农就业注：第（1）~（3）列分别估计了数字经济对不同技能类型的农村劳动力由传统非农行业或低技能偏向的数字化非农行业向高技能偏向的数字化非农行业流动的影响。数字经济、非农就业与社会分工经济学- - 80《管理世界》2022年第5 期字化非农行业流动。在表12中，我们探讨了数字经济发展过程中，消费互联网的普及能否推动农村劳动力向非农部门转移。在表12的第（1）列中，我们估计了“宽带中国”政策对城市层面以数字金融发展为代表的消费互联网普及程度的影响。数字金融发展测度使用了中国数字普惠金融发展指数（郭峰等，2020）。 从估计结果来看，以“宽带中国”政策为代表的数字经济发展显著促进了数字金融发展，有利于消费互联网的形成。表12的第（2）列进一步估算了以数字金融为代表的消费互联网的发展，对农村劳动力转移至非农部门就业的影响。与我们的预期一致，我们发现数字金融发展的估计系数是正向且显著的，表明消费互联网的发展的确能起到促进就业结构转型的作用。进一步地，根据前文的分析，消费互联网的发展可能主要推动了农村低技能劳动力向低技能偏向的数字化非农行业流动。表12的第（3）列证实了这一点：当我们估计农村劳动力从事低技能偏向的数字化非农行业的影响因素时，我们发现数字金融发展与农村低技能劳动力的虚拟变量的交互项是正向且显著的，意味着数字金融发展所代表的消费互联网是推动农村低技能劳动力向低技能偏向的数字化非农行业流动的主要机制。2 . 工业互联网：数字经济推动农村高技能劳动力非农就业的内在机制进一步地，我们探讨数字经济推动农村高技能劳动力就业的内在机制。我们认为，数字经济所推动的工业互联网的发展，是推动农村高技能劳动力向高技能偏向的数字化非农行业流动的主要原因。工业互联网，就是通过对人、机、物、系统等的全面连接，实现工业乃至产业数字化、网络化和智能化发展。显然，数字经济能够通过推动以数字技术为底层技术的自动化和智能化的发展，提高企业的智能制造水平，推动工业互联网的发展，这一过程显然可以提高对机器人算法工程师和自动化生产线研发工程师等高技能劳动力的需求。因此，数字经济可能可以通过促进工业互联网的发展，推动农村高技能劳动力从传统非农行业或低技能偏向的数字化非农行业向高技能偏向的数字化非农行业流动。为了对这一机制进行检验，我们利用机器人的发展状况来构造工业互联网的衡量指标。具体来说，根据Acemoglu 和Restrepo（2020）以及王永钦和董雯（2020）的构造方法，本文计算了地区层面的机器人渗透率：（3）式（3）中，exposurec（i）t 为个体i 所在的c 市在t 年的机器人渗透率， 表示基期（此处为2010年）个体i 所在的c 市的d 行业就业人数在当年该市总就业人数中的占比，Ld ，2010表示基期全国在d 行业的总就业人数，R dt 表示t 年全国在d 行业的机器人总量。各城市各行业就业人数数据来自2010年人口普查资料，机器人数量数据整理自国际机器人联盟（Inter ⁃national Federation of Robotics ，IFR ）。 机器人渗透率越高，代表城市的自动化和智能化水平越高，即工业互联网的发展程度越高。在表13的第（1）列中，我们估计了“宽带中国”政策对城市层面以机器人渗透率为代表的工业互联网普及程度的影响。从估计结果来看，以“宽带中国”政策为代表的数字经济发展显著提升了机器人渗透率，从而有利于工业互联网的形成。表13的第（2）列进一步估算了机器人渗透率对不同技能农村劳动力由传统非农行业、低技能偏向的数字化非农行业向高技被解释变量是否为试点× 是否开始实施政策数字金融指数× 农村低技能劳动力数字金融发展个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应地区固定效应观测数R2（1）数字金融发展0.199**（0.099）否否是否是是3310.994（2）是否从事非农行业0.054***（0.020）是是是是是否249540.249（3）是否从事低技能偏向的数字化非农行业0.008*（0.005）0.000（0.009）是是是是是否104950.017表12 消费互联网：数字经济推动农村低技能劳动力非农就业的内在机制注：第（1）列估计了数字经济对数字金融发展的影响；第（2）列估计了数字金融发展对农村低技能劳动力由农业向非农行业流动的影响；第（3）列估计了数字金融对不同技能水平的农村劳动力向低技能偏向的数字化非农行业流动的作用。e x p o s ur ec(i)t=∑d ∈ DLc(i)d , 2 0 1 0Lc(i) , 2 0 1 0×Rd tLd , 2 0 1 0Lc(i)d , 2 0 1 0Lc(i) , 2 0 1 0- - 81表13 工业互联网：数字经济推动农村高技能劳动力非农就业的内在机制被解释变量是否为试点× 是否开始实施政策机器人渗透率× 是否是农村高技能劳动力机器人渗透率个体层面控制变量家庭层面控制变量地区层面控制变量个体固定效应时间固定效应地区固定效应观测数R2（1）机器人渗透率0.138***（0.043）否否是否是是4390.675（2）是否从事高技能偏向的数字化非农行业0.181**（0.081）- 0.106***（0.038）是是是是是否127370.014注：第（1）列估计了数字经济对机器人渗透率的影响。第（2）列估计了机器人渗透率对不同技能农村劳动力由传统非农行业、低技能偏向的数字化非农行业向高技能偏向的数字化非农行业流动的影响。能偏向的数字化非农行业流动的影响。我们发现，机器人渗透率与农村高技能劳动力的虚拟变量的交互项是正向且显著的，意味着机器人渗透率所代表的工业互联网是推动农村高技能劳动力向高技能偏向的数字化非农行业流动的主要机制。综上，数字经济推动非农就业和实现社会分工，主要通过数字经济的两大核心内涵（消费互联网和工业互联网）展开。数字经济所带来的消费互联网的发展促进了农村低技能劳动力向低技能偏向的数字化非农行业流动，而数字经济所带来的工业互联网的发展则促进了农村高技能劳动力向高技能偏向的数字化非农行业流动。在此过程中，数字经济的发展尽管依赖于数字技术的革新，但由于数字经济能够实现传统行业的数字化，因而可以依据劳动力技能来实现有效的社会分工。七、总结中国传统投资领域的回报率下滑影响了中国经济发展的可持续性。如何利用第三次技术革命的成果，缓解目前经济下行压力，显然需要严谨而规范的研究，以便为政府制定政策提供参考，使得数字经济发展能够持续推动经济结构转型，进而带动经济发展。本文的主要贡献是初步证实了数字经济的发展有助于促进非农就业。特别是，我们发现数字经济所带来的消费互联网（以数字金融为代表）的发展促进了农村低技能劳动力向低技能偏向的数字化非农行业流动，所带来的工业互联网（以自动化和智能化为代表）的发展促进了农村高技能劳动力向高技能偏向的数字化非农行业流动，这意味着数字经济能够依据劳动力技能实现有效的社会分工。本文的政策含义包括如下几点：第一，数字经济发展能够促进非农就业，进而带来经济结构转型，因此需要大力推进；第二，数字经济所带来的消费互联网的普及，特别是数字金融的发展，促进了农村低技能劳动力向低技能偏向的数字化非农行业流动，因此需要提高数字经济支持数字金融发展的关键环节，如交易、支付和结算的效率和安全性，以更好地推动低技能劳动力的非农转型；第三，数字经济所带来的工业互联网的普及，特别是自动化和智能化的发展，促进了农村高技能劳动力向高技能偏向的数字化非农行业流动，因此需要进一步提高工业生产过程中的自动化和智能化水平，提升生产效率，以更好地推动高技能劳动力的非农转型。（作者单位：田鸽，中国人民大学经济学院；张勋，北京师范大学统计学院、北京大学数字金融研究中心）参考文献（1）阿尔文·托夫勒：《权力的转移》，中信出版集团，2018年。（2）蔡跃洲、陈楠：《新技术革命下人工智能与高质量增长、高质量就业》，《 数量经济技术经济研究》，2019年第5 期。（3）郭峰、王靖一、王芳、孔涛、张勋、程志云：《测度中国数字普惠金融发展：指数编制与空间特征》，《 经济学（季刊）》，2020年第4期。（4）黄群慧、余泳泽、张松林：《互联网发展与制造业生产率提升：内在机制与中国经验》，《 中国工业经济》，2019年第8 期。（5）江小涓：《高度联通社会中的资源重组与服务业增长》，《 经济研究》，2017年第3 期。（6）荆文君、孙宝文：《数字经济促进经济高质量发展：一个理论分析框架》，《 经济学家》，2019年第2 期。（7）刘皓琰、李明：《网络生产力下经济模式的劳动关系变化探析》，《 经济学家》，2017年第12期。（8）吕世斌、张世伟：《中国劳动力“极化”现象及原因的经验研究》，《 经济学（季刊）》，2015年第2 期。（9）莫怡青、李力行：《零工经济对创业的影响——以外卖平台的兴起为例》，《 管理世界》，2022年第2 期。（10）宁光杰、林子亮：《信息技术应用、企业组织变革与劳动力技能需求变化》，《 经济研究》，2014年第8 期。（11）戚聿东、刘翠花、丁述磊：《数字经济发展、就业结构优化与就业质量提升》，《 经济学动态》，2020年第11期。数字经济、非农就业与社会分工经济学- - 82《管理世界》2022年第5 期（12）王文：《数字经济时代下工业智能化促进了高质量就业吗》，《 经济学家》，2020年第4 期。（13）王永钦、董雯：《机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据》，《 经济研究》，2020年第10期。（14）夏炎、王会娟、张凤、郭剑锋：《数字经济对中国经济增长和非农就业影响研究——基于投入占用产出模型》，《 中国科学院院刊》，2018年第7 期。（15）邢小强、汤新慧、王珏、张竹：《数字平台履责与共享价值创造——基于字节跳动扶贫的案例研究》，《 管理世界》，2021年第12期。（16）许恒、张一林、曹雨佳：《数字经济、技术溢出与动态竞合政策》，《 管理世界》，2020年第11期。（17）张新春、董长瑞：《人工智能技术条件下“人的全面发展”向何处去——兼论新技术下劳动的一般特征》，《 经济学家》，2019年第1 期。（18）张勋、万广华、张佳佳、何宗樾：《数字经济、普惠金融与包容性增长》，《 经济研究》，2019年第8 期。（19）赵涛、张智、梁上坤：《数字经济、创业活跃度与高质量发展——来自中国城市的经验证据》，《 管理世界》，2020年第10期。（20）Acemoglu ，D. ，1998，“Why Do New Technologies Complement Skills？Directed Technical Change and Wage Inequality”，QuarterlyJournal of Economics ，Vol.113（4），pp.1055~ 1089.（21）Acemoglu ，D. and Autor，D. H.，2011，“Skills，Tasks and Technologies ：Implications for Employment and Earnings ”，Handbook of La⁃bor Economics ，Vol.4 ，pp.1043~ 1171.（22）Acemoglu ，D. and Restrepo ，P. ，2018，“The Race between Man and Machine：Implications of Technology for Growth ，Factor Shares ，and Employment ”，American Economic Review ，Vol.108（6），pp.1488~ 1542.（23）Acemoglu ，D. and Restrepo ，P. ，2020，“Robots and Jobs ：Evidence from US Labor Markets ”，Journal of Political Economy ，Vol.128（6），pp.2188~ 2244.（24）Akerman，A. ，Ingvil，G. and Magne ，M.，2015，“The Skill Complementarity of Broadband Internet”，Quarterly Journal of Economics ，Vol.130（4），pp.1781~ 1824.（25）Autor，D. H. and Dorn，D. ，2013，“The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market ”，AmericanEconomic Review ，Vol.103（5），pp.1553~ 1597.（26）Autor，D. H.，Levy ，F. and Murnane ，R. J. ，2003，“The Skill Content of Recent Technological Change ：An Empirical Exploration”，Quarterly Journal of Economics ，Vol.118（4），pp.1279~ 1333.（27）Bresnahan，T. F. ，Erik ，B. and Lorin，M. H.，2002，“Information Technology ，Workplace Organization，and the Demand for Skilled La ⁃bor：Firm-Level Evidence ”，Quarterly Journal of Economics ，Vol.117（1），pp.339~ 376.（28）Dauth，W.，Findeisen ，S. ，Suedekum，J. and Woessner ，N. ，2021，“The Adjustment of Labor Markets to Robots ”，Working Paper.（29）Gaggl，P. and Greg，C. W.，2017，“A Short-Run View of What Computers Do ：Evidence from a Uk Tax Incentive”，American Eco⁃nomic Journal ：Applied Economics，Vol.9（3），pp.262~ 294.（30）Harris，R. G.，1998，“The Internet as a GPT：Factor Market Implications ”，NBER Working Paper ，No.13886.（31）Michaels，G. ，Natraj，A. and Reenen，J. Van ，2014，“Has ICT Polarized Skill Demand？Evidence from Eleven Countries over Twen ⁃ty-Five Years ”，Review of Economics and Statistics ，Vol.96（1），pp.60~ 77.Digital Economy, Non-agricultural Employment, and Division of LaborTian Geaand Zhang Xunb,c(a. School of Economics, Renmin University of China; b. School of Statistics, Beijing Normal University;c. Institute of Digital Finance, Peking University)Abstract:Digital economy is a new driving force of China's economic development. This paper combines the variable of "Broadband Chi⁃na" policy, which proxies the development of digital economy, with CFPS data, utilizes the Difference-in-Difference method, and finds thatdigital economy can significantly promote non-agricultural employment. We then analyze the underlying mechanism based on a division of digi ⁃tal economy into consumer internet and industrial internet. We find that the development of consumer internet brought by digital economy haspromoted the flow of rural unskilled labor force into unskill-biased digital non-agricultural sectors, and the development of industrial internetbrought by digital economy has promoted the flow of rural skilled labor force into skill-biased digital non-agricultural sectors. That is to say,the digital economy can realize effective division of labor based on labor skills. These findings confirm that digital economy has contributed tostructural transformation in China.Keywords: digital economy; non-agricultural employment; division of labor; consumer internet; industrial internet- - 83Digital Economy, Non-agricultural Employment, and Division of LaborTian Geaand Zhang Xunb,c(a. School of Economics, Renmin University of China; b. School of Statistics, Beijing Normal University;c. Institute of Digital Finance, Peking University)Summary: Digital economy is a new driving force of China's economic development. However, previous litera⁃ture mainly explores the impact of digital economy on economic growth but ignores the analysis of the relationship be⁃tween digital economy and structural transformation. This is regrettable since structural transformation could play akey role in the process of high-quality economic development. Because structure transformation in employment is animportant embodiment and support of economic structure transformation, investigating the impact of digital economyon non-agricultural employment will help us better understand the significant role that digital economy plays in high-quality economic development.To investigate the relationship between digital economy and non-agricultural employment, this paper combinesthe variable of "Broadband China" policy, which proxies the development of digital economy, with CFPS data, utilizesthe Difference-in-Difference method, and finds that digital economy can significantly promote non-agricultural em⁃ployment. We then analyze the underlying mechanism based on a division of digital economy into consumer internetand industrial internet. We find that the development of consumer internet (represented by digital finance) brought bydigital economy has promoted the flow of rural low-skilled labor force into low-skilled digital non-agricultural sec⁃tors. The development of industrial internet (represented by automation and intelligence penetration) brought by digi⁃tal economy has promoted the flow of rural high-skilled labor force into high-skilled digital non-agricultural sectors.That is to say, the digital economy can realize effective division of labor based on labor skills. These findings confirmthat digital economy has contributed to structural transformation in China.Policy implications in order that digital economy could promote non-agricultural employment, improve divisionof labor, and drive economic structure transformation are three folds:First, we need to pay close attention to the development and change of digital economy, which helps us raise rel⁃evant policies to facilitate the contribution of digital economy on high-quality economic development.Second, policies should be made to improve the development of digital finance with the help of digital economy,so as to better promote the non-agricultural transformation of rural low-skilled labor.Finally, it's necessary to further enable the production process with digital technology and improve the digitalvalue-added of products, so as to better promote the non-agricultural transformation of rural high-skilled labor.The contributions of this paper are as followed:First, this paper examines the impact of digital economy on non-agricultural employment, clarifies the heteroge⁃neous effects of the two aspects from digital economy on non-agricultural employment, and points out that the devel⁃opment of digital economy can realize effective division of labor according to labor skills, which complements the rele⁃vant literature on the economic impacts of digital economy. This is the theoretical contribution of this paper.Second, this paper combines the variable of "Broadband China" policy, which proxies the development of digitaleconomy, with CFPS data, utilizes the Difference-in-Difference method, and estimates a causal impact of digital econ⁃omy on non-agricultural employment. This is the empirical contribution of this paper.Finally, by analyzing the mechanism of digital economy on non-agricultural employment, this paper serves toprovide policy suggestions for decision-makers regarding the development direction of digital economy. This makesthis paper more practical.Keywords: digital economy; non-agricultural employment; division of labor; consumer internet; industrial internetJEL Classification: D 83, J23, J44