> **来源：[研报客](https://pc.yanbaoke.cn)** # 政策研究工作论文总结：数字技能的回报 ## 核心内容 本论文探讨了数字技能在不同国家、行业和职业中的工资回报，基于2021年至2024年间来自29个国家的超过6700万个职位空缺数据。研究采用了一个统一的数字技能分类框架，区分了基本、中级和高级数字技能，并进一步区分了传统人工智能技能和生成式人工智能（GenAI）技能。研究结果揭示了数字技能在全球范围内的显著工资溢价，并特别强调了其在低、中等收入国家（LMICs）中更具经济价值。 ## 主要观点 - **数字技能的普遍溢价**：至少需要一种数字技能的职位平均带来 **1.6%** 的工资溢价，而在LMICs中，这一溢价高达 **7.5%**，远高于高收入国家（HICs）的 **1.3%**。 - **技能密集度的影响**：每增加一项数字技能，工资增长幅度在HICs中为 **0.5%**，而在LMICs中则显著提高至 **2.6%**，显示了数字技能在技能稀缺地区的更大价值。 - **技能等级的差异**：中级和高级数字技能的溢价更高，分别达到 **0.8%** 和 **3%**，表明复杂数字能力在劳动力市场中更为重要。 - **人工智能技能的特殊性**：传统人工智能技能带来 **3%** 的工资增长，而GenAI技能则展现出更高的溢价，特别是在非技术岗位中，可达 **25% 至 36%**，显示了其在生产力和战略价值上的独特性。 - **行业与职业的差异**：数字密集型行业和职业中的工资回报率更高，且随着工人教育水平和经验增加，数字技能的回报进一步放大。 - **国家发展水平的影响**：LMICs中数字技能的回报率显著高于HICs，反映出技能的相对稀缺性及劳动力市场供需失衡。 ## 关键信息 ### 数据来源与样本选择 - 数据来自Lightcast（前身为Burning Glass），覆盖29个国家的职位发布信息。 - 样本包括超过6700万条职位发布数据，但数据存在局限，如对非英语国家的覆盖不足、未包含非正式就业等。 ### 数字技能分类 - **基本数字技能**：如操作设备、使用简单应用。 - **中级数字技能**：如使用办公软件、行业专用软件。 - **高级数字技能**：如编程、数据科学、人工智能开发。 - **人工智能技能**：包括传统AI技能（如机器学习、神经网络）和GenAI技能（如提示工程、LLMs）。 ### 工资溢价分析 - **广泛边际**：任何数字技能的职位平均带来 **1.6%** 的工资溢价。 - **密集边际**：每增加一项数字技能，工资增长 **0.5%**（HICs）或 **2.6%**（LMICs）。 - **技能类型差异**：基本技能与工资呈负相关，而中级和高级技能与工资呈正相关。 - **人工智能技能**：传统AI技能带来 **2.9%** 的工资溢价，GenAI技能则更高，技术岗位中增长 **7%-9%**，非技术岗位中高达 **25%-36%**。 ### 国家发展差异 - LMICs中，数字技能的回报显著高于HICs，反映出技能供需的不平衡。 - 在LMICs中，技能溢价与工资增长水平的差异进一步放大，显示出对数字技能的更高需求。 ### 稳健性检验 - 通过控制其他非数字技能和企业固定效应，结果依然稳健，显示数字技能在工资溢价中具有独立的贡献。 - 企业层面的异质性可能影响工资溢价，但通过固定效应控制后，结果仍然显著。 ## 结论与启示 - 数字技能在全球范围内具有显著的工资溢价，尤其在低、中等收入国家。 - 数字技能与传统人力资本具有互补性，提升教育和经验可进一步放大其回报。 - 生成式人工智能技能展现出最高的溢价，可能成为未来劳动力市场中最具价值的技能之一。 - 研究结果对政策制定者和企业具有重要启示，提示数字技能培养、技能差距填补以及国际劳动力市场策略调整的必要性。 ## 未来研究方向 - 进一步研究数字技能与非正式就业之间的关系。 - 探索数字技能在不同教育和职业培训体系中的影响。 - 考察人工智能技能在不同行业的具体应用和回报差异。