低空经济试点政策能否赋能就业？——基于双重差分法的政策效应评估

Can Low-Altitude Economy Pilot Policies Empower Employment?—Assessing Policy Effects with a Difference-in-Differences Approach

摘要: 作为依托我国通用航空产业基础、以科技创新推动产业升级的新型经济形态，低空经济在政策支持下迎来重要发展契机，但其对就业这一民生关键领域的影响尚未得到充分研究。目前相关讨论多集中于宏观经济效益，较少关注就业层面的具体效果。基于实现高质量就业的政策目标，系统评估低空经济试点政策对企业就业的作用具有重要现实意义。本研究以2008~2023年低空经济领域上市公司为样本，采用双重差分法系统评估政策对企业就业的影响，并结合倾向得分匹配双重差分、安慰剂检验等方法增强结论可靠性。研究发现：低空经济试点政策对企业就业具有显著促进作用，且政策效果存在动态延续特征，在实施后第三期开始逐步显现并持续增强；进一步分析表明，该效应在非国有企业、东部地区及数字化转型程度高的企业中表现更为明显；政策还实现就业“量增质升”双重就业赋能效果。本文为理解低空经济政策的就业带动作用、推动产业与就业协同发展提供了经验参考。

Abstract: As a new economic model leveraging China’s general aviation industry foundation and driving industrial upgrading through technological innovation, the low-altitude economy has gained significant development momentum under policy support. However, its impact on employment—a critical area of public welfare—remains understudied. Current discussions predominantly focus on macroeconomic benefits while paying scant attention to specific employment outcomes. Given the policy objective of achieving high-quality employment, systematically evaluating the role of low-altitude economy pilot policies in corporate employment holds substantial practical significance. This study employs listed companies in the low-altitude economy sector from 2008 to 2023 as its sample. Using the DID method, it systematically evaluates the policy’s impact on corporate employment. The reliability of conclusions is enhanced through methods such as propensity score matching-DID and placebo tests. Findings reveal that low-altitude economy pilot policies significantly promote corporate employment, exhibiting dynamic persistence in policy effects. These effects gradually emerge and strengthen starting from the third phase after implementation. Further analysis indicates that this effect is more pronounced among non-state-owned enterprises, companies in eastern regions, and those with higher digital transformation levels. The policies also achieve dual employment empowerment effects, enhancing both the quantity and quality of jobs. This study provides empirical insights for understanding the employment-boosting role of low-altitude economy policies and advancing the coordinated development of industry and employment.

1. 引言

低空经济作为驱动现代化产业体系构建的新质生产力，正依托我国通用航空产业的深厚积淀，在新一轮科技革命浪潮中迎来黄金发展期。2021年2月发布的《国家综合立体交通网规划纲要》首次在国家级规划文件中明确了低空经济的战略地位，这一新兴经济形态的战略地位持续跃升。2022年12月，中共中央与国务院共同印发的《扩大内需战略规划纲要(2022~2035年)》明确提出，应着力发展服务消费，加快低空旅游等新业态培育进程，充分释放通用航空领域的消费潜能。在次年12月举行的中央经济工作会议上，进一步将低空经济确定为生物制造、商业航天等并列的战略性新兴产业之一，列为重点工作任务，进一步凸显了低空经济在国家产业布局中的核心地位，为其发展指明了清晰方向。2024年1月1日起，《无人驾驶航空器飞行管理暂行条例》正式实施，引导和规范无人驾驶航空器产业的持续健康发展。2024年3月，低空经济首次写入政府工作报告，被确立为培育经济新动能的关键抓手；同年7月，党的二十届三中全会审议通过《中共中央关于进一步全面深化改革推进中国式现代化的决定》，再次强调发展通用航空与低空经济，充分彰显其在国家发展全局中的战略价值。在国家一系列政策的密集支持下，低空经济的蓬勃发展不仅意味着产业规模的扩张和经济动能的增强，更与就业这一民生之本紧密关联，其对企业就业质量的影响亟待深入探究。

就业规模与质量作为衡量企业人力资源配置效率与社会经济贡献水平的关键指标，其发展受国家战略规划影响；而低空经济政策作为衔接国家战略、推进低空经济产业发展的核心抓手，对这一关键指标的提升与发展尤为重要。企业作为低空经济发展的核心力量与实践主体，在低空经济试点政策的推动下，能够获得更广阔的市场空间、更丰富的资源以及更有力的政策支持，从而可能促进就业岗位的增加和就业质量的提升。具体而言，该政策是否有效推动了低空经济领域企业的就业规模扩张与就业结构优化？又能否助力传统企业融入低空经济领域，实现就业岗位转型与人力资源高效利用？这些问题均需要严谨的实证检验。然而，我国低空经济发展尚处于起步阶段，国内关于低空经济的研究仍缺乏系统深入的探讨。在实践层面，党的二十大报告提出“促进高质量充分就业”的目标要求，关注就业优先政策的落实，强调稳定和扩大就业的重要性，为就业领域的研究提供了方向。目前，有关低空经济政策的研究多集中于评估其经济效应，鲜有文献关注其社会效应，更缺乏针对低空经济政策对就业影响的专门研究。在当前发展低空经济的背景下，本文将从微观企业维度出发，利用双重差分法评估低空经济试点政策对相关企业就业态势的影响，深入探讨低空经济试点政策的实施效果，以期为推动低空经济高质量发展及促进高质量充分就业提供理论依据和政策建议。

本文研究的创新点主要体现在以下三个方面：第一，在视角维度上实现了创新突破。现有文献多集中于宏观与中观层面的探讨，本文创新性地将研究尺度下移至微观企业层面，从微观企业视角系统考察了低空经济试点政策的影响效应，评估了政策的有效性，这为全面实施低空经济政策提供了经验证据。第二，在领域范畴上拓展了研究边界。大部分文献目前对低空经济的研究尚处于概念界定与定义辨析阶段，但鲜有研究探讨政策试点成效，这显然有待进一步补充和完善。本文突破现有研究边界，采用双重差分模型量化评估政策实施效果，为理解低空经济政策效应提供了严谨的实证支撑。第三，在异质性层面深化了理论探索。本研究系统考察了低空经济领域中各类企业对试点政策表现出的差异化反应。这一分析结果对现有学术讨论形成了有效补充，同时为相关政策的精准制定与优化完善提供了更具针对性的决策依据。

全文后续结构安排如下：第二部分为文献综述；第三部分主要说明实证模型设定及所用数据的来源与处理方式；第四部分汇报基准回归结果，并包括平行趋势检验与稳健性检验等实证分析内容；第五部分在前文基础上进行延伸讨论，主要涵盖行业属性层面和区域层面异质性；最后为结论与政策启示。

2. 文献综述

作为战略性新兴产业，低空经济的发展不仅关乎经济结构升级，更深刻影响劳动力市场格局。其通过技术创新、产业融合与区域协同，既催生低空装备运维工程师、空域协调管理员等新兴岗位，又重构传统物流、交通、旅游等行业的劳动力需求逻辑，引发就业结构的系统性变革。然而，当前学界对低空经济的研究多聚焦于产业规模、技术路径与政策定性分析，针对“低空经济政策如何影响劳动力就业水平”的实证研究仍较为匮乏，难以支撑就业市场应对产业变革的实践需求。基于此，本文系统梳理低空经济的发展背景、产业特征与现有就业研究成果，明确当前研究缺口，为后续实证分析与政策设计提供理论基础。

低空经济是一种以各类低空飞行活动为核心牵引，进而辐射并带动相关领域协同发展的综合性经济形态[1]。通用航空作为低空飞行活动的重要前置领域，为低空经济的形成与发展奠定了坚实产业基础——其在航空器研发制造、低空飞行管理规范、飞行运营服务等领域的长期技术积累与业态实践，为低空经济核心产业的技术突破、配套领域的基础设施建设及政策制度搭建提供了初步框架[2]。在此基础上，低空经济的产业内涵呈现多层次特征：一是核心产业涵盖以无人机为代表的高科技创新应用[3]，通过辐射作用推动相关领域融合发展[4]；二是配套领域包括基础设施建设、管理保障服务与综合运维，是未来产业扩张的关键潜力点[5]；三是兼具产业融合性与辐射带动性[6]，将成为促进新质生产力发展的重要领域[7]。

从融合趋势看，低空经济正加速与前沿技术、传统产业深度结合，既催生“低空 + AI”、“低空 + 新能源”等新业态[8]，又推动通用航空从传统农林植保向高端服务升级[9]，同时拓宽自身潜在应用范围与市场潜力[10]。在政策层面，国家对低空经济的定位随产业发展阶段逐步升级，政策表述从“培育增长”转向“推动安全健康发展”[11]，强调法治保障[12]与制度框架完善[13]，政策工具也从单一规划向“协同施策”拓展。周钰哲[14]指出，低空经济发展需系统整合政策协同、产业联动、人才培育等多维路径，但当前政策在“就业适配”方面针对性不足，尚未明确低空经济对不同技能、区域劳动力的差异化影响，也缺乏配套的技能培训、就业引导政策，这成为后续研究需重点关注的方向。对此，中国需通过强化低空经济人才队伍建设与完善人才培养体系夯实就业基础，同时加大社会传播投入、促进商业模式创新，助力新质生产力高效发展[15]。

当前学界针对低空经济领域的就业研究仍较为薄弱，尚未形成体系化成果；但技术驱动下就业影响的整体研究领域已积累丰富成果，研究重点多聚焦于工业智能化、人工智能、数字经济等与低空经济存在技术关联性的领域，其核心结论与分析视角能为低空经济就业研究提供重要理论基础。从人力资本层面看，工业智能化依托扩大高等技能人才需求、替代中等技能岗位的路径重塑就业构成[16]；信息产业技术进步偏向高学历劳动力[17]，减少对低技能劳动力的相对需求[18]；数字经济则通过创造中等技能劳动力岗位带动就业[19]。总体而言，技术进步和产业升级使劳动力就业总量增长，但存在就业偏向性[20]，劳动力受教育程度与其就业机会呈同向变动[21]。这一视角为低空经济就业研究提供关键参照：低空经济的“低空+”复合型业态可能显著增加对“航空技术 + 数字技能”复合型劳动力的需求，而现有劳动力技能与岗位需求的匹配度，成为影响就业质量的关键问题——这正是当前研究尚未覆盖的领域。

尽管技术驱动下的就业研究已较为成熟，且低空经济的产业与政策研究逐步丰富，但针对“低空经济政策对劳动力就业水平的影响”，当前研究仍存在三方面关键缺口：第一，探讨视角局限，重定性、轻实证，现有研究多聚焦产业规模、技术路径或政策定性推断[22]，少量涉及就业的研究以理论分析为主，缺乏基于微观数据的实证检验；第二，研究范围单一，样本局限于局部区域[23]或单一业态[24]，难以全面反映政策的宏观就业影响，尤其缺乏对不同区域、产业类型政策效应异质性的分析；第三，机制分析不足，忽视低空经济的特殊性，现有技术驱动就业研究未考虑低空经济涉及空域管理、立体交通等特殊领域，其就业影响机制与传统产业存在差异，且未深入分析新兴岗位的技能需求及政策适配性。

针对上述缺口，本文从两方面完善研究：理论层面，系统梳理低空经济政策演进脉络，结合产业特征明确政策推动产业到就业的传导机制，提炼低空经济就业影响的特殊性，丰富战略性新兴产业下劳动力市场的理论研究；实证层面，聚焦微观企业，通过识别低空经济上市公司样本，构建计量模型量化分析政策对企业就业规模、结构的影响，为政策制定提供实证支撑。同时，关注低空经济政策可能引发的就业挑战，为制定“就业引导、技能培训、区域协同”的配套政策提供参考，助力低空经济实现“经济增长”与“就业稳定”的双重目标。

3. 研究设计

3.1. 模型构建

为实现对低空经济试点政策就业效应的准确评估，本研究在既有文献基础上采用双重差分模型进行实证检验。该模型通过比较政策实施前后相关指标的变化，能够有效控制不随时间变化的不可观测因素，从而更为准确地识别出试点政策对低空产业内微观企业产生的净影响。由此，建立如下回归模型：

${\text{Labor}}_{it}={\beta }_0+{\beta }_1{\text{LE}}_{it}+\gamma {\text{Control}}_{it}+\text{year}+\text{id}+{\epsilon }_{it}$ (1)

其中，i，t分别表示上市企业及时间，${\epsilon }_{it}$ 为随机误差项。其中，被解释变量Labor代表企业i在t年的员工就业人数，用企业员工总数的对数表示；核心解释变量LE用于表示企业i是否实施了低空经济政策，若企业i在2015年及以后主营业务包含低空经济领域产业则表示实施了该试点政策，则取值为1，否则为0。${\beta }_1$ 即双重差分估计值，从企业维度测度出低空经济试点对企业劳动力就业水平的影响，属于模型中最核心的关注变量；Control代表其他经济特征控制变量，year、id分别代表年度固定效应、企业个体固定效应。

3.2. 变量定义

3.2.1. 被解释变量

本研究中的被解释变量为企业就业水平，借鉴Gray [25]与Liu [26]等学者的做法，采用企业员工总数的对数值进行衡量，记作Labor。

3.2.2. 解释变量

低空经济政策(Low-Altitude Economy Policy)。本文将低空经济试点政策作为一项准自然实验，以低空经济相关企业虚拟变量与政策实施时间虚拟变量的交互项(Treat × Post)表征低空经济政策的政策处理效应(LE)。根据国务院中央军委《关于深化我国低空空域管理改革的意见》提出“2011~2020年三阶段推进路径”，其中，2015年是改革深化过渡的关键节点，且当年两项标志性政策形成政策合力，使低空经济具备实质影响就业的条件：一是《中国制造2025》将无人机纳入国家制造业战略，首次明确低空经济核心技术产业化方向，引导资本、人才向研发领域集聚；二是国家空管委启动第二轮低空空域试点，推行空域精细化管理与动态调配，为无人机物流、低空服务等市场化场景落地扫清障碍。基于此，以2015年为基期，能够更清晰地展现低空空域管理改革从集中试点到综合试点的过渡过程，更好地考察低空经济试点政策与就业水平的关联性。具体地，本文将低空产业企业Treat设置为1，作为实验组，将非低空产业企业设置为0，作为对照组；Post为试点政策实施时间的虚拟变量，在实施期(2015年及以后)取值为1，在非政策试点期(2015年以前)取值为0。

3.2.3. 控制变量

借鉴学者李汇东[27]、崔广慧和姜英兵[28]、王锋等[29]既有研究文献中可能对劳动力就业水平变动产生作用的因素，同时结合数据的实际可得性，本文纳入如下控制变量进行分析：公司规模(Size)、资产负债率(Lev)、总资产净利润率(ROA)、企业投资水平(Invest)、研发投入占比(RD)及创新效率(InnoEff)；同时，为缓解行业间的异方差问题，本文对基准模型内回归系数的标准误，在企业维度开展聚类(cluster)处理。变量定义如表1所示。

Table 1. Variable definition

表1. 变量定义

变量名称	变量符号	变量描述
就业水平	Labor	员工人数取自然对数
低空经济政策	LE	Treat × Post
公司规模	Size	公司资产规模，取自然对数
资产负债率	Lev	年末总负债/年末总资产
总资产净利润率	ROA	净利润/总资产平均余额
企业投产水平	Invest	固定资产、无形资产和其他长期资产支付的现金/期初总资产
研发投入占比	RD	公司年度研发支出占营业收入的比例
创新效率	InnoEff	ln(1 + 发明专利、实用新型、外观设计专利的总申请量)/ln(1 + 研发支出)

3.3. 数据来源与样本处理

本研究处理组的筛选流程基于东方财富网站(https://www.eastmoney.com/)收录的低空经济行业上市公司初始样本展开。先通过人工核验，剔除了仅涉及低空经济边缘业务的企业，同时补充了未被初始归类但实际核心业务相关的公司，以修正分类偏差。再结合“eVTOL”“无人机”“通用航空”“低空物流”等关键词，对上市公司年报中主营业务构成进行二次匹配筛选。最终确定的核心业务明确聚焦于低空经济领域的企业被纳入处理组，从而保障样本与研究主题之间的高度适配；企业基本信息和财务数据来源于万得(Wind)数据库，其他企业相关数据来自中国经济金融研究数据库(CSMAR)。为了保证数据质量，本文对样本进行了如下处理：1) 剔除金融行业公司；2) 剔除当年处于ST和*ST状态的样本；3) 进一步筛选样本，剔除数据缺失严重或存在明显异常值的企业，确保样本的完整性和可靠性。为减少极端数值对分析结果的干扰，本研究对所有连续变量实施了上下1%分位的Winsorize缩尾处理；此外，极少量缺失数据以线性差值法补全。经过上述处理，最终确定样本涵盖2008~2023年期间的上市企业，为后续实证分析提供充足的数据支持。

4. 实证结果分析

4.1. 描述性统计

描述性统计结果如表2所示。资产负债率(Lev)的均值和中位数适中，但最大值为0.960，部分企业存在资不抵债状况，可能面临较大的财务风险。而企业规模(Size)平均值和中位数较为接近，且平均值远大于标准差，表明上市公司规模的整体离散程度较低，规模较为一致。

Table 2. Descriptive statistics for primary variables

表2. 主要变量描述性统计

变量	样本数	均值	标准差	最小值	中位数	最大值
Employee	42,431	7.646	1.263	3.401	7.575	11.149
LE	42,431	0.032	0.175	0.000	0.000	1.000
Size	42,431	22.086	1.320	19.554	21.882	26.579
Lev	42,431	0.440	0.206	0.046	0.439	0.960
ROA	36,806	0.051	0.040	0.001	0.041	0.220
Invest	42,431	0.060	0.064	0.000	0.039	0.509
RD	35,737	0.049	0.056	0.000	0.036	0.522
InnoEff	41,360	0.177	0.112	0.000	0.207	0.383

4.2. 基准回归结果

如前文所述，本文使用固定效应模型进行回归，分析结果如表3呈现。列(1)对应未纳入时间与个体固定效应的估计结果，列(2)则为加入时间及个体固定效应后的估计结果，上述估计均采用了基于企业维度的聚类调整标准误差。从列(1)可见，变量LE的估计系数在1%的显著性水平上为正，这提示低空经济试点政策与就业水平之间呈现出显著的正向关联。在纳入时间及个体固定效应后，列(2)中LE系数仍然保持正向，且通过5%显著性水平检验，估计结果表明，相比于非低空经济企业，低空经济政策影响下的企业就业平均上升约18.47%。说明本文模型设定合理，表明低空经济试点政策对劳动力就业水平的拉动作用显著，该结论验证了低空经济试点政策实施在样本中的有效性。具体而言，低空经济试点政策影响下的企业产生积极就业效果。

Table 3. Low-Altitude economy’s impact on employment levels

表3. 低空经济政策对劳动力就业水平的影响

变量	(1)	(2)
	Employee	Employee
LE	0.3895^*** (5.6389)	0.1847^** (2.4008)
Controls	YES	YES
Observations	30,514	30,514
R-squared	0.1045	0.2048
Number of id	4565	4565
Id	NO	YES
Year	NO	YES

注：括号内为企业层面的聚类调整标准差。^***、^**和^*分别表示在1%、5%和10%水平上显著，以下各表同。

需要补充说明的是，基准回归中作为对照的非低空经济企业，政策可能对其产生双向溢出效应，这一效应虽未改变“政策促进低空经济企业就业”的核心结论，但为理解基准回归结果的边界条件提供了重要视角。从积极角度看，低空经济核心企业的业务扩展增加了对电子元器件、特种材料以及仓储物流等配套产品和服务的需求，带动了上下游非低空企业的业务增长，进而推动其用工规模扩大。另一方面，低空经济作为国家战略性新兴产业对资本和高技能人才形成较强吸引力，可能导致非低空企业面临融资约束收紧与复合型人才流失的压力，限制其生产扩张和就业增长能力。正向溢出会轻微低估政策对实验组的净就业效应，负向溢出则会轻微高估这一效应。但结合后续PSM-DID和安慰剂检验等稳健性分析，这种偏差并未对“政策显著促进低空经济企业就业”的核心结论产生实质性影响。

4.3. 平行趋势假设评估

作为双重差分模型的核心前提条件[30]，要求实验组与对照组在政策干预前，其就业水平的动态演变路径应保持统计趋同性，仅在政策时点后呈现显著差异。本文运用事件研究法构建动态效应模型，对政策时点前后的企业就业变动趋势进行分段检验。本文核心关注的参数${\beta }_1$ ，其反映了企业低空经济试点实施前后对就业水平产生的影响。依据共同趋势的前提假设，若政策时点处于2015年之前且参数不显著异于零，那么本文满足共同趋势假设。

为了更加直观地检验共同趋势的假设条件以及观察低空经济试点政策对就业水平的动态影响，绘制了图1低空企业全样本方程中参数${\beta }_1$ 的估计值及基于95%置信区间。从图中可见：政策实施前各期的系数估计值均不显著；受政策时滞性影响，全样本在政策实施后第三期及以后的系数呈现显著正向效应。上述结果表明，本文所采用的双重差分模型满足平行趋势假设要求。

从动态效应来看，低空经济全样本企业在政策试点后估计系数均为正值且整体呈上升趋势，这表明低空经济试点政策对全行业企业具有持续稳定的激励效应(见图1)。随着低空经济的全面推进，这类企业的正向效应也将随时间推移逐步增强。政策时滞现象受到低空产业特征与政策实施进程的共同影响。该阶段政策处于初步响应期，低空经济企业多聚焦局部探索，就业效应尚未显现。具体而言，在核心技术

Figure 1. Employment before and after the low-altitude pilot policy

图1. 低空经济试点政策前后的企业就业变化

攻关层面，《中国制造2025》将无人机技术纳入国家战略，企业随即深耕自主导航、飞控系统等领域；此后工信部《关于促进和规范民用无人机制造业发展的指导意见》进一步强调核心技术创新，并加速适航审定等配套措施落地。随着相关技术逐步通过认证并实现规模化应用，相应催生了大量生产制造与运维保障类岗位需求。产业链构建维度，此阶段企业以无人机研发等单点突破为主，2018年民航局《低空飞行服务保障体系建设总体方案》系统规划国家、区域、飞行服务站三级体系，积极引导社会力量参与基础设施建设，有效带动零部件供应商与空管服务企业集聚发展，逐步构建起覆盖研发、生产到运营的完整产业链条，为后续就业规模扩大奠定基础。人才培养周期方面，工信部政策明确“鼓励企业与高校开展产学研用协同创新”，此后校企合作深化系统化探索无人机人才培养，适配人才逐步到位，缓解用工缺口。

4.4. 有效性检验

为增强前文研究结论的可靠性，本研究进一步采用双重差分倾向得分匹配(PSM-DID)与样本安慰剂检验等方法对低空经济试点政策的微观效应进行有效性验证。一系列检验均证实了初始结论的可靠性，表明对该政策微观效应的评估具有较高的科学性与稳健性。

4.4.1. 倾向得分匹配(PSM-DID)

为确保回归结果有效，本文进一步运用倾向得分匹配的方法进一步缓解潜在的内生性问题，验证低空经济试点政策对企业就业水平的影响。为构建有效的分析样本，本研究基于已有控制变量预测每个企业归入试验组的概率，随后采用半径匹配与近邻匹配等方法为实验组筛选具有可比特征的对照组企业。这一匹配过程旨在确保两组企业在接受低空经济试点政策干预前具备充分的统计可比性，从而缓解因样本自选择导致的内生性干扰。在此匹配样本基础上，通过双重差分方法可更准确地识别该政策对劳动力就业水平产生的净效应。借鉴以往研究做法，由于样本数据过少，采用1:2的近邻匹配，在匹配后的样本中展开回归。表4展示了采用不同匹配方法的估计结果。其中，列(1)报告了基于近邻匹配的估计值，列(2)及列(3)则分别呈现了半径匹配与核匹配的回归结果。综合这三种匹配方法的分析结果可以发现，经匹配处理后的估计系数、对应符号与显著性水平，同表3内的基准估计结果相吻合，低空经济试点政策对企业就业水平均表现出稳定的促进作用。

Table 4. PSM-DID test

表4. 倾向得分匹配(PSM-DID)检验

变量	(1)	(2)	(3)
	1:2近邻匹配	半径匹配	核匹配
LE	0.159^* (0.083)	0.185^** (0.077)	0.185^** (0.077)
Controls	YES	YES	YES
Id	YES	YES	YES
Year	YES	YES	YES
Observations	4,314	30,509	30,513
R-squared	0.0691	0.205	0.205

4.4.2. 企业安慰剂检验

为排除不可观测遗漏变量对基准结果可能造成的干扰，本研究依照相关文献的通行做法[31]，采用随机置换处理组样本的方式实施安慰剂检验。具体操作时，从全样本中随机抽取与原处理组规模相同的企业作为模拟处理组，并在此基础上重新进行双重差分回归，最终得到低空经济试点政策对就业效应的系数估计值。该随机抽样与回归过程被重复执行1000次，最终获得1000个系数估计值及其对应的p值用于后续统计推断。检验结果显示(见图2)，估计系数围绕零值呈正态分布，且大多数p值远高于常规显著性水平，说明这些随机模拟得到的系数大多不具备统计显著性。由此可以判断，基准回归中发现的政策效果并非由不可观测因素驱动。

Figure 2. Placebo test

图2. 安慰剂检验

5. 进一步分析

5.1. 就业质量与结构分析

基于本文核心研究目标，为深化“赋能就业”的立体认知，将原基准回归中Labor这一被解释变量，替换为基于上市公司年报员工构成数据的就业结构指标：高端学历占比即研究生及以上学历员工人数占总员工数比重，技术人员占比为专业技术人员人数占总员工数比重，其余变量及固定效应沿用基准回归设定。聚焦政策对就业“质”的优化效应，弥补原分析中侧重“量”的局限。替换被解释变量后的基准回归结果显示如表5。

Table 5. Analysis on employment quality and structure

表5. 就业质量与结构分析

变量	(1)	(2)
龙头股	高端学历占比	技术人员占比
LE	1.2890^** (2.3379)	2.5824^** (2.2364)
Controls	YES	YES
Id	YES	YES
Year	YES	YES
Observations	28,763	28,763
R-squared	0.186	0.256

表5列(1)回归显示，核心解释变量LE在5%水平显著为正，这意味着相较于非低空经济企业，政策实施后低空经济企业高端学历占比平均提升1.2890个百分点，政策对高学历人才配置的促进作用明确。从影响机制看，政策推动企业业务需求升级。低空航线规划、无人机系统参数优化等复杂工作，需高学历人才的专业理论与数据分析能力支撑；同时政策鼓励校企合作开展低空场景研究，直接引导高校高端学历人才向企业流动，进一步放大这一影响。列(2)则表示政策实施后相关企业技术人员占比平均提升2.5824个百分点。该影响的核心驱动源于政策对岗位需求的带动扩张：低空经济业务落地需设备运维、系统操作等技术岗位；政策推动企业新增无人机、低空通信终端等设备采购，配套安装、维护等技术岗位同步增加，持续推高技术人员占比。通过替换被解释变量聚焦就业结构，表5结果在政策促进就业规模增长的基础上，进一步揭示了政策对就业质量的优化价值，低空经济政策“赋能就业”不仅体现为就业规模增长，更通过高端学历人才引入与专业技术岗位扩张的双重结构升级，显著优化就业质量，丰富了政策就业效应的深层内涵。

5.2. 异质性分析

5.2.1. 企业所有制异质性分析

从企业所有制视角考察低空经济政策(LE)对劳动力就业水平(Labor)的异质性影响，每组再按国有及非国有划分检验，结果如表6列(1)、列(2)所示。

非国有企业的估计系数显著，国有企业样本中的估计系数未呈现统计显著性。这一结果反映低空经济试点政策对企业就业的影响存在明显的所有制异质性。非国有企业构成了政策拉动就业的主要力量。究其原因，这些企业多为中小规模配套企业，业务集中于无人机农林植保、低空物流配送等市场化应用

Table 6. Heterogeneous regression results analysis

表6. 异质性回归结果分析

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)
	低空经济全样本
	国有企业	非国有企业	东部	中部	西部	数字化 程度高	数字化 程度低
LE	0.137 (0.097)	0.225^** (0.111)	0.161^** (0.081)	0.211 (0.212)	0.164 (0.146)	0.150^* (0.079)	0.145 (0.110)
Controls	YES	YES	YES	YES	YES	YES	YES
Id	YES	YES	YES	YES	YES	YES	YES
Year	YES	YES	YES	YES	YES	YES	YES
Observations	9785	20729	21986	4899	3616	16342	14172
R-squared	0.151	0.256	0.223	0.185	0.140	0.248	0.154

场景，能够将政策红利迅速转化为实际用工需求。其决策机制灵活、对市场订单反应敏捷，可根据业务波动及时调整用工规模，就业弹性较高，使得政策效果能够较快显现。此外，非国有企业资源多投向运营环节而非基础设施建设，直接带动就业增长，有效避免了长周期基建项目对就业效应的滞后影响。正因如此，在低空经济政策刺激下，非国有企业得以快速发挥其劳动力吸纳能力，成为就业促进的关键主体。相较之下，国有企业主要涉及低空通信网络、空域管理系统等具有公共属性的基础设施建设，还需承担较多基础性与公益性任务。该类项目通常需要经历规划论证与资金审批等长期流程，难以在短期内形成有效用工需求。加之国有企业用工制度较为规范、招聘流程相对严格，进一步延缓了就业效应的释放，导致其就业带动作用在当前阶段尚未充分显现。

5.2.2. 区域异质性分析

按东部、中部、西部划分样本回归结果显示如表6列(3)、列(4)、列(5)，不同区域在低空经济政策的就业带动效应上呈现出明显的梯度差异，具体表现为区域产业基础与资源禀赋的差异，直接影响了政策向就业转化的效率与节奏。

其中，东部地区LE系数显著为正，展现出明确的就业促进作用。这一结果与其深厚的低空经济产业基础、充足的技术与资本要素支撑密切相关。东部地区已形成涵盖无人机研发制造、低空物流配送、空管系统服务的完整产业集群，叠加高校科研机构密集、创投环境活跃的优势，低空经济政策落地后企业无需在基础条件上过多投入便可快速将政策红利转化为业务扩张动力，直接带动研发、生产、运营等岗位的用工需求，就业吸纳效应即时显现；而中西部地区与东部形成鲜明对比，中部地区主要受制于产业配套体系薄弱，还面临无人机运维、空管技术等专业人才短缺问题，短期内难以快速扩大用工规模需优先完善配套才能释放就业潜力。西部受技术团队匮乏、资本对接低效制约，处政策落地初期瓶颈。综上可知，东部地区凭借产业、技术、资本的先发优势，实现了政策向就业的快速转化；但中西部未来在条件成熟后有望释放就业动能。

5.2.3. 数字化水平异质性分析

参考赵宸宇等[32]研究方法得出上市公司数字化转型指标，按数字化转型程度高低分组，回归结果显示如表6列(6)、列(7)，数字经济发展水平对低空经济政策的就业带动效应具有显著差异。其中，数字化转型程度高的企业，低空经济政策的就业促进作用尤为突出。这类地区不仅具备数据平台、智能设备等基础，还拥有大量掌握数字技术的专业人才能快速承接低空经济政策。企业可通过“政策红利 + 数字工具”的组合模式提升运营效率，进而催生新岗位需求，就业吸纳效应快速释放；而数字化转型程度低的企业，政策难以有效落地，政策的就业带动作用相对有限。可能的原因在于这类地区普遍存在数字基础设施短板，导致企业难以获取精准的空域数据与场景运营数据；同时，企业数字化转型能力薄弱，多数中小微企业既无能力引进智能低空设备，也缺乏数字工具操作人才，即便有政策支持，也难以通过数字化手段对接低空经济场景，政策落地多停留在“规划层面”，无法转化为实际的业务扩张与用工需求，就业效应随之受限。可见，数字化水平决定政策向就业效应的转化效率，数字基础越扎实，政策对就业的拉动作用越突出。

6. 研究结论与政策启示

作为国家战略性新兴产业的重要组成部分，低空经济在政策推动下正成为拉动就业的新动力。本文以2008~2023年低空经济相关上市公司为样本，采用双重差分法实证检验低空经济试点政策对企业就业水平的影响，通过基准回归、异质性分析及稳健性检验，得出如下结论：1) 低空经济试点政策对企业就业具有显著促进作用，且效应存在动态时滞性。基准回归结果显示，控制其他因素后，政策使相关企业就业水平平均提升18.47%，稳健性检验结果表明，该效应非遗漏变量或随机因素导致，具有统计可靠性；样本企业在政策实施后第三期及以后呈现显著正向就业效应，且长期呈持续增强趋势，符合政策传导的实际规律。2) 异质性分析表明，政策就业效应因企业与外部环境特征存在差异。所有制层面，非国有企业是政策带动就业的核心力量；区域层面，东部因产业基础完善效应显著，中西部存在发展潜力；数字化层面，高数字化转型企业受政策促进更明显，数字基础是政策落地的重要支撑。3) 政策实现就业“量增质升”双重效果：既推动企业就业规模扩张，又通过引入高学历人才、扩张设备运维与系统操作等专业岗位，实现就业质量的结构性升级。为充分释放低空经济对劳动力就业的拉动作用，实现产业发展与就业稳定的协同推进，结合低空经济产业特征及实证研究结论，提出以下三条政策建议：

其一，强化人才供需适配，夯实就业质量基础。搭建“产学研用工对接平台”，引导高校增设低空智能运维、空域协调管理等特色专业，联合企业开展实训，定向培养复合型技术人才，精准匹配技术岗位用工需求；同时依托政策优势鼓励企业与高校合作开展低空场景研究，引导高校人才向企业流动，破解行业高技能人才缺口问题，为就业质量提升提供支撑。

其二，协同区域差异与数字基础建设，均衡布局就业空间。基于区域异质性研究结论，东部地区需聚焦低空经济产业集群建设，通过园区配套政策吸引上下游企业集聚，形成“研发–生产–运营”全链条就业规模效应；中西部地区优先完善低空飞行基础设施与区域空域管理系统，同步开展无人机操作、低空设备维护等基础技能培训，为后续就业效应释放奠定基础，尤其挖掘西部地区农业植保、边防后勤保障等场景的特色就业潜力。此外，加大数字基础设施投入，对企业数字化转型给予设备购置补贴，助力其突破技术瓶颈，将政策红利转化为实际用工需求。

其三，差异化支持企业类型，联动产业链拓展就业维度。对国有企业通过项目补贴、用地保障，支持其承接低空基础设施建设、空域管理服务等公益性项目，稳定基础性就业岗位；对非国有企业加大市场化融资支持与审批流程简化力度，鼓励其依托低空物流、智能飞行服务扩张，释放市场化就业岗位。同时推动产业链上下游协同发展，支持龙头企业带动中小微配套企业吸纳劳动力，拓展智慧城市治理、生态环境监测等跨领域新业态岗位，形成多层级、多元化就业格局。

未来研究可进一步拓展至以下方向：一是解析传导机制，以中介效应模型探究路径，量化技术创新等对就业结构优化的贡献，填补机制空白；二是优化研究设计，纳入2015年前后战略性新兴产业、区域发展等同期政策作为控制变量，剥离混淆影响，同时借助多期DID模型精准捕捉政策分阶段推进的动态效果；三是拓展研究维度，结合企业员工技能结构、薪酬数据及劳动力市场匹配数据，深入解析政策对就业质量的长期影响机制，为制定精准就业促进政策提供理论支撑。

致 谢

衷心感谢陈彬导师在研究全程的悉心指导与学术引领，同时感谢江苏大学大学生创新创业训练计划项目(项目编号202410299117Y)提供的实践平台与资源支持，为本研究的顺利推进奠定坚实基础。

基金项目

本研究为江苏省大学生创新训练计划项目成果(项目编号：202410299117Y)。