| 1,091 | 0 | 126 |
| 下载次数 | 被引频次 | 阅读次数 |
作为国际贸易的新业态，跨境电商已经成为推动经济社会发展与促进就业的关键力量。文章聚焦微观企业的劳动力结构，利用2008—2024年中国上市公司数据，以跨境电商综试区的设立为“准自然实验”，在精准识别企业经纬度信息的基础上，利用交错双重差分模型（Staggered DID）考察了贸易新业态如何重塑劳动力就业结构。研究发现，跨境电商综试区的设立显著促进了区内企业就业结构的优化，且这一结论在经过诚实双重差分等多种稳健性检验后仍然成立。机制检验表明，这种影响主要通过促进企业数字化转型、减少企业税收负担和增加政府支持三个途径得以实现。异质性分析表明，跨境电商综试区的设立因城市科教水平、企业所有制以及企业所属行业的差异而对企业就业结构优化产生差异化影响。基于基本结论，文章进一步将研究视角拓展至企业就业技能结构特征，聚焦于相对就业结构调整和绝对就业结构调整双重视角以及低技能劳动力雇佣比例维度，研究发现综试区内企业在一定程度上重塑了劳动力就业结构，并存在高技能劳动力对低技能劳动力“技能挤出”的趋势。文章的研究为更高效地发挥跨境电商综试区的就业结构优化效应提供了经验证据。
Abstract：As a new form of international trade, cross-border e-commerce has become a key driver of economic and social development and employment growth. This study focuses on the labor structure of micro-enterprises, utilizing data from Chinese listed companies between2008 and2024. It employs the establishment of cross-border e-commerce comprehensive pilot zones as a quasi-natural experiment. By precisely identifying the geographical coordinates of enterprises, the study employs a staggered difference-in-differences(Staggered DID) model to examine how this new trade model reshapes labor employment structures. Findings reveal that the establishment of cross-border e-commerce pilot zones significantly optimizes the employment structure of enterprises within these zones. This conclusion remains robust after multiple validity tests,including honest double difference analysis. Mechanism tests indicate that this impact is primarily achieved through three channels: promoting enterprise digital transformation, reducing corporate tax burdens, and increasing government support. Heterogeneity analysis reveals that the establishment of cross-border e-commerce pilot zones exerts differentiated impacts on optimizing enterprise employment structures based on variations in urban science and education levels, enterprise ownership structures, and industry sectors. Building upon the core findings, this study extends its perspective to examine the skill structure characteristics of enterprise employment. Focusing on both relative and absolute employment restructuring dimensions, as well as the proportion of low-skilled labor hired, the research reveals that enterprises within the pilot zones have reshaped the labor employment structure to a certain extent. A trend of " skill crowding out" of low-skilled labor by high-skilled labor is also observed. This research provides empirical evidence to support more effective utilization of the employment structure optimization effects within cross-border e-commerce comprehensive pilot zones.
[1]Acemoglu D,Autor D. Skills,tasks and technologies:Implications for employment and earnings[M]. Handbook of Labor Economics. Elsevier,2011,4:1043-1171.
[2]Acemoglu D,Restrepo P. Automation and new tasks:How technology displaces and reinstates labor[J]. Journal of Economic Perspectives,2019,33(2):3-30.
[3]Autor D H,Levy F,Murnane R J. The skill content of recent technological change:An empirical exploration[J]. The Quarterly Journal of Economics,2003,118(4):1279-333.
[4]Bernard A B,Jensen J B,Redding S J,et al. Firms in international trade[J]. Journal of Economic Perspectives,2007,21(3):105-130.
[5]Bodory H,Huber M,LafféRs L. Evaluating(weighted)dynamic treatment effects by double machine learning[J]. The Econometrics Journal,2022,25(3):628-648.
[6]Borusyak K,Jaravel X,Spiess J. Revisiting event-study designs:Robust and efficient estimation[J]. Review of Economic Studies,2024,91(6):3253-3285.
[7]Cathles A,Nayyar G,RüCkert D. Digital technologies and firm performance:Evidence from Europe[R]. EIB Working Papers,2020.
[8]CHANG N C. Double/debiased machine learning for difference-in-differences models[J]. The Econometrics Journal,2020,23(2):177-191.
[9]Chernozhukov V,Chetverikov D,Demirer M,et al. Double/debiased machine learning for treatment and structural parameters[J]. Econometrics Journal,2018,21(1):C1-C68.
[10]De Chaisemartin C,D′Haultfoeuille X. Two-way fixed effectsestimators with heterogenous treatment effects[J]. American Ecomomic Review,2020,110(9):2964-2996.
[11]Dinlersoz E,Greenwood J. The rise and fall of unions in the United States[J]. Journal of Monetary Economics,2016,83:129-146.
[12]Frey C B,Osborne M A. The future of employment:How susceptible are jobs to computerisation?[J]. Technological Forecasting and Social Change,2017,114:254-280.
[13]Garrett D G,Ohrn E,SuáRez Serrato J C. Tax policy and local labor market behavior[J]. American Economic Review:Insights,2020,2(1):83-100.
[14]Hjort J,Poulsen J. The arrival of fast internet and employment in Africa[J]. American Economic Review,2019,109(3):1032-1079.
[15]Korinek A,Stiglitz J E. Artificial intelligence and its implications for income distribution and unemployment[R]. NBER Working Paper,No.24174,2018.
[16]LI P,LU Y,WANG J. Does flattening government improve economic performance? Evidence from China[J]. Journal of Development Economics,2016,123:18-37.
[17]LU Y,TAO Z,ZHU L. Identifying FDI spillovers[J]. Journal of International Economics,2017,107:75-90.
[18]Martincus C V,Carballo J,Cusolito A. Roads,exports and employment:Evidence from a developing country[J]. Journal of Development Economics,2017,125:21-39.
[19]Rambachan A,Roth J. A more credible approach to parallel trends[J]. Review of Economic Studies,2023,90(5):2555-2591.
[20]Roth J,Sant′Anna P H C,Bilinski A,et al. What′s trending in difference-in-differences? A synthesis of the recent econometrics literature[J]. Journal of Econometrics,2023,235(2):2218-2244.
[21]Schminke A,Van Biesebroeck J. Using export market performance to evaluate regional preferential policies in China[J]. Review of World Economics,2013,149(2):343-367.
[22]SUN L,Abraham S. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics,2021,225(2):175-199.
[23]YANG J C,CHUANG H C,KUAN C M. Double machine learning with gradient boosting and its application to the Big N audit quality effect[J]. Journal of Econometrics,2020,216(1):268-283.
[24]ZHENG S,SUN W,WU J,et al. The birth of edge cities in China:Measuring the effects of industrial parks policy[J]. Journal of Urban Economics,2017,100:80-103.
[25]甘犁，秦芳，吴雨．小微企业增值税起征点提高实施效果评估——来自中国小微企业调查（CMES）数据的分析[J]．管理世界，2019,35(11):80-88;231-232.
[26]郭金花，朱承亮．数字化转型、人力资本结构调整与制造业企业价值链升级[J]．经济管理，2024,46(1):47-67.
[27]何凌云，马青山．智慧城市试点能否提升城市创新水平？——基于多期DID的经验证据[J]．财贸研究，2021,32(3):28-40.
[28]胡国柳，赵阳，胡珺．D&O保险、风险容忍与企业自主创新[J]．管理世界，2019,35(8):121-135.
[29]黄漓江，李长英．跨境电商与城市非正规就业[J]．国际贸易问题，2025(3):76-94.
[30]冀承，丁守海．数字化转型、行业间技术溢出与技能工资溢价[J]．科学学研究，2024,42(7):1387-1396;1471.
[31]李逸飞．增值税留抵退税与企业人力资本升级[J]．世界经济，2023,46(12):115-140.
[32]李烨．乌卡环境下财政补贴何以激励原创技术策源地建设？[J]．中国行政管理，2025,41(9):13-27.
[33]李震，赵春明，李宏兵．贸易新业态与稳就业——来自跨境电商综合试验区的证据[J]．经济科学，2023(4):28-44.
[34]李志远，曹哲正．综合保税区的设立对制造业就业水平的影响分析[J]．国际贸易问题，2021(8):104-118.
[35]刘海建，胡化广．政府环境治理如何“以点带面”——基于自愿型环境规制的非约束性机制研究[J]．中国工业经济，2024(8):80-98.
[36]刘剑民，夏琴，徐玉德，等．产业技术复杂性、政府补助与企业绿色技术创新激励[J]．南开管理评论，2024,27(2):94-103;149;104-105.
[37]刘友金，周健，曾小明．中国与“一带一路”沿线国家产业转移的互惠共生效应研究[J]．中国工业经济，2023(2):55-73.
[38]马述忠，郭继文．制度创新如何影响我国跨境电商出口？——来自综试区设立的经验证据[J]．管理世界，2022,38(8):83-102.
[39]马述忠，王笑笑，张洪胜．出口贸易转型升级能否缓解人口红利下降的压力[J]．世界经济，2016,39(7):121-143.
[40]潘凌云，董竹．税收激励与企业劳动雇佣——来自薪酬抵税政策的“准自然实验”[J]．统计研究，2021,38(7):100-111.
[41]邱子迅，周亚虹．电子商务对农村家庭增收作用的机制分析——基于需求与供给有效对接的微观检验[J]．中国农村经济，2021(4):36-52.
[42]沈国兵，袁征宇．企业互联网化对中国企业创新及出口的影响[J]．经济研究，2020,55(1):33-48.
[43]沈坤荣，林剑威．链“岛”成“陆”：公共数据开放的技术创新效应研究[J]．管理世界，2025,41(2):83-104.
[44]石琦，肖淑芳，吴佳颖．股票期权及其要素设计与企业创新产出——基于风险承担与业绩激励效应的研究[J]．南开管理评论，2020,23(2):27-38;62.
[45]史亚茹，于津平．跨境电商改革与企业创新——基于跨境电商综合试验区设立的准自然实验[J]．国际贸易问题，2023(4):37-55.
[46]孙早，侯玉琳．工业智能化如何重塑劳动力就业结构[J]．中国工业经济，2019(5):61-79.
[47]唐学朋，余林徽，王怡萱，等．跨境电子商务与中国家庭福利——基于家庭消费视角的实证研究[J]．数量经济技术经济研究，2023,40(11):137-157.
[48]陶锋，翟少轩，王峤．数字经济政策与传统企业跨界数字创新[J]．中国工业经济，2025(2):118-136.
[49]王锋，葛星．低碳转型冲击就业吗——来自低碳城市试点的经验证据[J]．中国工业经济，2022(5):81-99.
[50]吴非，胡慧芷，林慧妍，等．企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]．管理世界，2021,37(7):130-144;10.
[51]夏太彪，魏志华，曾爱民，等．社会保险缴费负担与企业转型升级[J]．经济研究，2024,59(1):168-187.
[52]夏怡然，陆铭．城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究[J]．管理世界，2015(10):78-90.
[53]肖土盛，孙瑞琦，袁淳，等．企业数字化转型、人力资本结构调整与劳动收入份额[J]．管理世界，2022,38(12):220-237.
[54]许文立，孙磊．市场激励型环境规制与能源消费结构转型——来自中国碳排放权交易试点的经验证据[J]．数量经济技术经济研究，2023,40(7):133-155.
[55]杨胜刚，谢晋元，成程．跨境电商、供应链优化和企业国际化——基于大数据文本分析的经验证据[J]．国际贸易问题，2023(10):1-18.
[56]叶永卫，李鑫，刘贯春．数字化转型与企业人力资本升级[J]．金融研究，2022(12):74-92.
[57]袁冬梅，王妍慧，李恒辉．外商投资自由化影响企业就业技能结构吗——来自外资准入负面清单管理模式的证据[J]．国际贸易问题，2023(12):73-94.
[58]张海峰，林细细，梁若冰，等．城市生态文明建设与新一代劳动力流动——劳动力资源竞争的新视角[J]．中国工业经济，2019(4):81-97.
[59]张鹏杨，刘蕙嘉，张硕，等．企业数字化转型与出口供应链不确定性[J]．数量经济技术经济研究，2023,40(9):178-199.
[60]张子尧，黄炜．实证研究中的控制变量选择：原理与原则[J]．管理世界，2025,41(10):210-234.
(1)限于篇幅，主要变量的衡量方式及描述性统计分析结果留存备索。
(1)由于省直管县在行政级别上不同于地级市且无法获得城市层面控制变量相关数据，因此本文剔除企业位于省直管县的样本。
(2)限于篇幅，主要变量的相关性分析结果留存备索。
(1)本文基准回归系数为0. 007，安慰剂检验的估计系数远远小于基准回归系数，故本文并未在图中标注基准回归系数线。
(1)Kfolds代表K折叠交叉验证，Kfolds=5代表样本分割比例为1∶4，即折叠5次，其余情况以此类推。
(2)限于篇幅，差分变量具体构造留存备索。
(1)为验证不同分组之间确实存在差异性，本文对分组样本进行费舍尔组合检验（Fisher′s permutation test）。
(1)同时将本科以上学历员工总数与专科及以下员工总数的比值（edu_unedu）作为相对就业结构优化的补充。
基本信息:
DOI：10.13516/j.cnki.wes.2026.03.001
中图分类号:F724.6;F249.2
引用信息:
[1]杜明威,袁茹,刘文革,等.贸易新业态如何重塑劳动力就业结构：来自跨境电商综试区政策的微观证据[J].世界经济研究,2026,No.385(03):3-17+135.DOI:10.13516/j.cnki.wes.2026.03.001.
基金信息:
国家社会科学基金后期项目“企业数字化转型的出口贸易效应研究”(项目批准号:24FYB020)的阶段性成果
2025-11-16
2025
2026-01-25
2026
2
2026-03-16
2026-03-16