摘要
这篇文章提供了关于数字技能工资回报的首份全面、跨国的证据，使用2021年至2024年间来自29个国家的超过67 million个职位空缺数据。文章制定了一个统一的数字技能分类法，并考察了广泛的(任何数字技能都需要)、密集的(数字技能的数量)和定性的(数字技能类型)边际回报。数字技能在全球范围内享有显著的工资溢价，特别是在低、中等收入国家，这些国家的此类能力仍然稀缺。至少需要一种数字技能平均使广告中的工资上涨1.6%,高收入国家回报率为1.3%,低、中等收入国家为7.5%。在高收入国家，每增加一种数字技能使工资上涨0.5%,而在低、中等收入国家则上涨2.6%。中级和高级技能能带来更高的溢价，高达0.8%。在高收入国家中，这一比例为3%,而在低收入和中等收入国家中，这一比例为3%。每个传统的人工智能技能在所有国家都能带来2.9%的回报。最引人注目的是，生成式人工智能技能显示出最高的溢价：技术职业中工资增长7%至9%,非技术角色中的生成式人工智能素养技能溢价高达25%至36%,这反映了它们的潜在生产力和当前的稀缺性。在数字化密集型行业和职业中，回报率始终较高，并且随着工人教育和经验的增加而放大，这表明数字能力和传统人力资本之间具有强大的互补性。这些发现突出了数字技能对个人收入和经济发展的关键重要性，尤其是在低收入和中等收入国家。
1简介
数字技术在本质上重塑着劳动力市场，并正在改变企业运营方式和工人生产方式。尽管很多人关注到数字化带来的就业置换和分配效应，然而……阿克莫格鲁和雷斯特雷波，2018,2019,2022;者等人，2020),越来越多的研究成果强调了数字技能需求的增加及其在塑造工资结果中的作用(德明和诺拉，2020;法尔克等人，2021;
兰格和维德霍尔德，2023)历史上，数字素养与积极的工资回报相关联(Kruger,1993;迪纳尔多和皮什克，1997;Dolton and Pelkonen
,2008;费尔利和巴勒，2018然而，随着数字工具的日益普及和易于获取，基本数字技能可能已不足以获得工资溢价，需要重新审视哪些数字能力在经济上仍然具有价值。
人工智能(Al)的快速传播，包括生成式人工智能(GenAl)工具，正在加速技能需求的变化(Webb,2019;Eloundou等人，2024;阿列克谢娃等，2021这种技术变革产生了双重效应：一方面，人工智能自动化了某些任务，如基础编码、常规数据录入或信息检索，另一方面，它同时产生了对更高层次的数字技能的需求，这些技能使工人能够补充并有效地与人工智能系统互动。传统的Al技能——如机器学习、数据科学和统计分析——代表了在劳动力市场上被重视超过十年的既定能力。相比之下，GenAI技能构成一个新兴且快速发展的领域，包括技术能力(如开发定制大型语言模型(LLMs))和应用能力(如提示设计、人工智能辅助内容创作和人与人工智能协作)。GenAl技术的创新性，加上其在各行业的快速采用，表明这些技能可能因供应限制和它们为雇主提供的战略价值而特别获得高工资溢价。
因此，工人面临着日益增长的关于哪些技能将保持或变得有价值并导致更好的劳动市场结果的不确定性。这些趋势提出了重要问题：数字技能，尤其是像Python、SQL或云计算这样的高级数字技能的回报是什么?新兴的Al技能是否具有独特的工资溢价?这些回报在不同行业、职业和不同发展水平的国家之间有何不同?以及到何种程度，数字技能的回报受到工人教育水平和经验层次的调节?
尽管对数字技能的经济价值的兴趣日益增长，但系统性的证据仍然很少，尤其是在个人技能层面和全球比较的背景下。现有研究通常依赖于调查或职业数据，这些数据缺乏细致性，可能缺乏…无法反映雇主寻求的全面数字技能范围。此外，关于高收入国家(HICs)和低收入及中等收入国家(LMICs)之间回报差异的了解甚少，在这些国家，劳动力市场的结构性差异和数字鸿沟可能会影响供需双方。
本文利用来自Lightcast的2021年至2024年间29个国家超过6700万份在线招聘数据的庞大数据集，对这些差距进行了研究。
数据包含了丰富的职位信息——发布和关闭日期、雇主名称、行业、职位名称、职业、地点、用工类型(全职、兼职、现场、远程、混合)、职位描述、所需技能和广告薪资，从而可以对跨广泛(所需任何数字技能)、密集(数字技能数量)和定性(数字技能类型)边际的工资回报进行精细分析。
我们发现，需要数字技能的工作与显著较高的广告薪资相关。这种数字技能薪资溢价在控制了不可观测异质性(包括职业、行业、国家、城市和公司固定效应)的不同规定中保持正值且具有统计显著性。在我们的首选规定中，其中包括对职业、行业、城市-年份和其他协变量的控制，我们估计,至少需要一种数字技能的工作能够提供1.6%的薪资溢价，在LMICs中的回报超过6%。每增加一种数字技能，全球发布的薪资将增加0.5%,而在数字技能较稀缺的LMICs中，这种增加将更加显著,达到2.6%。
工资回报也因技能类型而有很大差异。额外的基本数字技能，如打字或操作社交媒体，与某一职业中的工资水平呈负相关，这表明它们可能被视为在线招聘门户上发布的低复杂性职位的最低要求，这与现有文献中的发现一致。加西亚-拉扎罗等人，2025相比之下，中级和高级数字技能(例如SAP、编程、数据分析、云计算)受到积极的显著奖励，每个额外的中级或高级技能在发达国家将工资提高0.8%,而在低收入和中等收入国家几乎提高3%。
2
我们的分析揭示了与人工智能相关的技能呈现出特别引人注目的模式。传统的人工智能技能受到高度奖励，每项列出的Al技能都与3%的工资增长相关联。通用人工智能技能显示出最大和与职业相关的回报。在数字核心职业领域
3
—主要关注于开发数字解决方案的职位发布要求具备通用人工智能(GenAl)开发和高级使用技能的人员，除了传统的人工智能技能外，还能获得7%至9%的工资溢价，这反映了雇主对能够构建和调整GenAI模型的工作者的重视。更为显著的是，在数字化增强的职业中所观察到的回报。
包括市场营销、金融以及其他广泛利用数字技术的专业角色。在这些职位上，通用人工智能素养技能能够带来估计工资溢价25%至36%,超过数字核心职位的回报。这些显著的工资差异反映了对于能够开发或有效使用通用人工智能技术的工人的需求日益加剧。
回报率在IT密集型产业和ICT职业中也有所提高，这表明在数字技术更深入地嵌入生产流程的环境中，数字技能更有价值。此外，数字技能的回报通过教育和工作经验得到放大，这表明当与教育获得的认知和领域特定技能以及从实践经验中获得的隐性知识相结合时，数字技能更有价值。
本文对三个方面的文献做出了贡献。首先，一些研究通过基于调查或测试的熟练度衡量方法估计了ICT技能的工资回报。法尔克等人(2021使用PIAAC数据表明，更高的ICT熟练度与显著更高的工资相关，尤其是在数字化密集型职业中。同样，Grundke等人(2018报告指出，与ICT相关的技能的薪酬溢价大约是数理能力的两倍，当与如自我组织和沟通的非认知特质相结合时，回报将更上一层楼。兰格和维德霍尔德(2023我们发现，在德国的学徒培训中，额外的每个月数字技能培训能将工资提高2.1%,并且随着时间的推移，回报率会不断提高。虽然这些研究提供了重要的跨国证据，但它们依赖于精心构建的技能定义和自我报告的收入数据。
其次，互补文献使用职位发布数据来考察企业如何评估不同的技能组合。德明与卡恩(2018文件显示，要求员工具备认知和社交技能的美国公司提供更高的薪酬，并表现出卓越的业绩，即使是在定义狭窄的职业领域内也是如此。这些雇主在技能需求方面的差异解释了工资差异的大幅部分。齐格勒(2024)利用奥地利法律规定的职位空缺工资披露标准，估计每增加一项列出的技能，平均工资水平提高0.6%。他们的研究结果表明，分析和管理技能的工资溢价更大，并且技能密集型职位空缺的填补时间更长，这与供给方摩擦一致。
本文来自知之小站
报告已上传百度网盘群，限时15元即可入群及获得1年期更新
（如无法加入或其他事宜可联系zzxz_88@163.com）
