数字素养对欧洲和中亚工资的影响（英）
政策研究工作论文 欧洲和中亚地区数字素养对工资的影响 梅汀·内比尔 Kyunglin帕克 政策研究工作论文 11308 摘要 数字技能在劳动力市场中的重要性日益凸显，因为各行各业对它们的需求都在增加。本文探讨了数字技能获取的决定因素，并利用欧洲和中亚地区30个国家最新一轮的《转型中的生活》调查数据，估计了数字技能对发展中国家工资的影响。结果显示，数字技能的获取与个人特征（如年龄、教育和性别）以及家庭特征（如家庭）相关。 收入、居住地以及父母的受教育程度。这些差异直接转化为劳动力市场的结果：具有高级数字技能的个人平均工资比不具备此类技能的人高出18.9%，区域间和区域内存在显著异质性。在中亚、南高加索、东欧和中欧，高数字技能的工资溢价更高。此外，结果显示，规模更大的公司为数字技能提供的溢价显著更高。 这篇论文是贫困与平等全球部门的成果。它是世界银行更大努力的一部分，旨在为其研究提供开放获取，并贡献于全球的发展政策讨论。政策研究报告也发布在http://www.worldbank.org/prwp上。作者可通过mnebiler@worldbank.org和linp@andrew.cmu.edu联系。本文的验证可复现包可在http://reproducibility.worldbank.org获取，点击这里直接访问。 政策研究工作论文系列旨在传播正在进行中的研究成果，以鼓励关于发展问题的思想交流。本系列的目标是迅速发布研究成果，即使报告的表述不够完美。论文上应注明作者姓名，并据此引用。本文中表达的研究发现、解释和结论完全是作者的观点。它们并不一定代表世界银行/重建与发展银行及其附属机构的观点，或世界银行执行董事及其所代表政府观点。 《数字素养对欧洲工资的影响》 中亚 Metin Nebiler 金林公园 JEL 分类J24, J31, C21, C83关键词数字技能、劳动力市场、收入、国际比较、发展中国家 1 引言 人力资本是指工人累积的经验和技能，包括教育、健康、培训和能力。它在决定个人的生产力和收入能力方面非常重要，这反过来又影响他们对经济增长的贡献以及提高生活水平甚至摆脱贫困的能力。经济学文献表明，个人的人力资本，通常用教育成就来衡量，与他们的收入潜力之间存在强烈的关联，表明较高的教育水平通常导致更好的就业前景、更高的劳动收入和更稳定的就业，从而降低贫困风险。Mincer(1975),卡(1999),Jedwab 等人(2023),莫斯卡里尼 & 波斯特-文奈(2014),作者等(2003在宏观经济层面，发展人力资本可以在提高生产力、促进增长、增进流动性和最终构建韧性以减少贫困和不平等方面发挥关键作用。阿克莫格鲁 & 希利博蒂(2001),Hall & Jones(1999),Abbott & Gallipoli(2022),桑托斯(2011)). 最近，数字技能成为了人力资本积累的前沿，为能够利用它们的人提供了重大机遇。数字技术的快速传播重塑了生产过程、就业前景和经济发展轨迹，转变了各个领域。它引入了实现创新、效率和包容性的新方法，并为个人、组织和国家提供了显著的好处和机遇。 数码技能可以通过多个渠道影响一个人的收入。首先，数码技能对于找到工作有重大的影响。最近的研究显示，具有一定程度数码技能的人找到工作的可能性比完全不具备数码技能的人要高。伯格森-希尔科克 & 泰勒(2023),非金属(2021)）。其次，数字技能可以提高工人的生产力，这可能导致劳动力市场的收入更高。在20世纪80年代末，克鲁格的著名研究显示，电脑使用占工资溢价的比例在13.9%至17%之间。Kruiger(1993)）。与数字技能相关的工资溢价的研究也发现显著的影响 （6至15%）加西亚-拉扎罗等人(2025),Cutuli & Tomelleri(2023),Hanushek 等人(2015)). 本文探讨了欧洲和中央亚（ECA）国家数字技能获取的异质性和相关技能的工资溢价。研究发现，在各国内部以及各国之间都存在显著的统计差异。结果表明，大约43.7%的人表示完全没有数字技能，几乎有一半的人口缺乏基本的数字能力。中欧和波罗的海国家报告的具有高数字技能的个人比例最高，分别为47.20%和47.60%，而中亚的整体份额最低，只有23.6%的人报告具有高数字技能。具体来说，结果始终表明，数字技能获取的可能性与若干个人层面的特征之间存在正相关，包括年轻、男性、城市居住和高等教育程度。来自低收入家庭的人显示出较低的数字技能获取倾向：在南高加索和东南欧洲，收入分配底部的40%的人，与中亚相比，高技能数字技能的概率降低16.8–12.4个百分点。此外，父母教育成为数字技能获取的一个重要决定因素，凸显了在数字能力方面持续存在的代际不平等的风险。 这些差距直接转化为劳动力市场的结果：拥有高级数字技能的人平均工资比没有这种技能的人高18.9%，各国和地区存在显著差异。在中亚（47.7%）、东欧（26.7%）、高加索南部（23.5%）和中欧（19.5%），高数字技能的工资溢价较高。另一方面，数字技能在东南欧、波罗的海国家以及西巴尔干地区并没有与显著的正向效应相关。此外，我们发现规模较大的企业对高数字技能提供显著更高的溢价。然而，结果并未显示工资溢价在职业和工人所属行业上的任何差异。 本文对经济学文献做出了几项贡献。首先，尽管大量文献研究了发达国家与数字技能相关的工资溢价，但来自发展中国家的实证证据仍然有限。其次，现有研究主要关注数字技能在劳动力市场中的回报。相比之下，本研究通过考察数字技能获取的决定因素扩展了分析。这一点尤为重要，因为它为该地区发展中国家当前的数字技能发展提供了一个有价值的评估。 本文其余部分结构如下。第二章对相关理论与实证文献进行了综述。第三章概述了分析中使用的计量经济学方法，第四章提供了数据和描述性统计的详细信息。第五章展示了实证研究结果，第六章提出了结论性评述并讨论了未来研究的潜在方向。 第二章 文献综述 自人力资本理论以来，关于人力资本和劳动力市场结果的研究已经发生了显著变化。贝克尔(1962他在理论论文中讨论了教育和对个人投资可以增强其生产力，从而提高工资。多项研究一致表明教育和收入之间存在正相关关系，每增加一年教育，平均收入增长10%。皮切尔 & 斯特赫尔(2021),Chetty 等人(2011),Altonji 等(2016然而，在不同背景下，回报存在差异，低收入国家的回报率更高，女性以及教育水平较低的人群回报率更高。汉普夫等人，2017最常用的指标来自经合组织（OECD）开发的覆盖33个国家的“国际成人能力评估项目”（PIAAC）。利用这些数据，Hanushek 等人(2015研究发现，数理能力提高一个标准差，中青年工人工资水平将增加18%。 的阿克莫格卢(2002）和阿克莫格鲁 & 奥托尔(2011突出了技术进步往往在补充熟练劳动力的同时，有可能取代低技能工作。数字技术的兴起是技能型技术变革的典范，增加了对具备所需数字技能的工人的需求，并可能加剧工资不平等。阿克莫格鲁 & 奥托尔(2011进一步优化他们的分析，重点是关注技术如何影响具体的工作任务。他们讨论说，数字化可以实现常规任务的自动化，从而导致劳动力市场的两极分化，对高技能的认知任务和低技能的手工任务需求增加，而中技能的常规工作可能会减少。他们建议，掌握数字化技能对工人转型升级为快速增长的高技能职业至关重要。 最近，研究人员开发了一套衡量数字技能的指标，并研究了其对劳动力市场结果的影响。使用PIAAC数据，Hanushek 等人(2015尽管与读写和算术技能相比，这类技能集对个人收入的回报相对较低，但在一些国家，如捷克共和国和斯洛伐克共和国，它们似乎能显著提高平均回报率。同样，法克等(2021揭示数字技能与较高工资显著相关，因为数字技能的标准差每增加一个单位，对数时薪就会增长24%。研究表明，这对就业概率也有积极影响，如在以下所示。汉普夫等人(2017在PIAAC技能的一个级别提升将就业可能性提高8个百分点的情况下。 此外，皮切尔 & 斯特赫尔(2021利用PIAAC数据表明，在英国，数字职业的工资显著高于低数字职业，平均中位数毛工资高出59%，这突出了现代经济中技术技能的价值，正如以下所强调的：阿克莫格鲁 & 奥托尔(2011关于日常位移 职位以及由此产生的就业市场两极分化，强调高认知技能和适应性日益重要的趋势。 另一条文学脉络关注互联网的使用及其对收益的影响。同样，将互联网使用作为数字技能的代理，Goss & Phillips(2002发现13.5%的工资溢价弗里曼(2002)在美国增加14%的溢价。同样，Forman 等人(2012研究发现，互联网投资与工资增长之间存在正相关关系。艾克曼等人(2015研究发现，宽带互联网提高了抽象任务工人的工资。楊等(2023发现在中国的一个地区，数字经济发展的水平越高，高低技能工人之间的工资差距就越大。 最近，研究人员一直在研究人工智能（AI）对劳动力市场结果的影响。例如，阿列克谢耶娃等人(2021研究发现，人工智能技能具有工资溢价。特别是，高技能工人是人工智能发展的最大受益者。费尔顿和希曼斯(2019发现人工智能的新进展对高收入职业的工资有积极影响。结果显示：Engberg 等人(2023) 指出在更易受人工智能影响的职业中存在工资增长溢价，与易受机器人影响的职业中的工资增长折扣形成对比。 然而，关于发展中国家的文献相对匮乏，这主要是因为收集数字技能（即认知技能和非认知技能）数据所面临的挑战。本文对文献的贡献在于，它是一篇最早识别数字技能对发展中国家工资影响的研究论文之一。该论文展示了来自欧洲和中亚30个国家的跨国证据。分析中所使用的数据提供了关于发展中国家成年人口数字技能的一致性跨国数据。 3 实证策略 为了识别数字技能在劳动力市场的影响，我们估算了一个包含数字技能附加信息的Mincer方程。具体来说，分析中使用的修正版Mincer方程是一个个体层面的工资回归，如下所示： 哪里w无是个人获得的毛每小时工资我生活在乡村c并且数位无这是一个假设变量的集合，其中数位0表示没有数字技能。数位1表示基本数字技能，和数位2表示高数字技能。X -> X无是一个影响人力资本积累的因素向量，包括教育获得程度、家庭投入（通过父母的教育水平衡量）以及其他相关因素，如劳动力市场经验、年龄、性别、行业和职业等。deltac是针对各国工资水平差异的国家固定效应Unfortunately, I am unable to translate the provided text "ϵ" as it is a single character and lacks context. It could represent a mathematical symbol, a typographicalerror, or something else entirely. To provide an accurate translation, I need more information about itsintended meaning.无误差项。为了衡量数字技能对工资的影响，我们使用普通最小二乘法（OLS），以及β (beta)1 这是利息系数。我们仅将具有劳动年龄（15-64岁）并报告了任何工资收入的群体纳入主要分析。 我们的经验策略几乎无法提供数字技能对工资水平的影响。首先，如果对数字技能的准确估计存在显著的测量误差，结果可能会存在偏差，因为分析依赖于“生活过渡调查”（LITS）中关于数字技能的自我报告问题。如果受访者高报或低报他们的数字技能，结果将会存在偏差。如果个人低估他们的数字技能，结果将产生向下偏差；如果高估数字技能，则产生向上偏差。其次，如果由高薪工作产生的反向因果关系导致数字技能更高的发展，我们的结果可能会存在向上偏差。最后，如果遗漏的变量影响工资水平，并且与数字技能的获取
