技术进步使得零售业不断发生变革，例如，用于库存管理的条形码扫描仪等新技术增加了产品种类、劳动生产率和公司规模。电子商务也使得消费者可以了解更多信息，在网上买到价格更低的商品。电子商务销售额在全球范围内迅速增长。

截至2015年，英国、中国、美国和日本电商的销售份额分别为12.5%、10.8%、7.18%和 4.75%。韩国面积相对较小，快速的互联网连接和相对较低的运输成本使得电子商务在韩国迅速传播。截至2015年，韩国的线上份额为11.7%，高于世界大部分国家。如Fig. 1所示，2010年至2015年间，韩国的电子商务（以在线销售份额衡量）急剧增加，但增长速度在区县之间存在异质性。

从餐馆到私人服务，线下零售商场是本地劳动力市场的主要雇主。零售业的技术进步和结构变化对当地劳动力市场带来广泛的影响。电子商务的普及也极大地改变了韩国当地的劳动力市场。2010年至2015年，零售业就业人数的平均增长率约为2.5%，低于所有行业的总就业人数增长率，各区县普遍观察到线下零售业就业增长缓慢。

然而，并非所有零售业都受到了电子商务的冲击。例如，餐饮业仍然稳健增长，包括食品和饮料在内的餐饮业就业增长速度快于总就业人数（每年4.2%）。所有区县的食品餐馆数量都有所增加。特别是在大都市地区，咖啡馆的就业人数大幅增加。当地实体店的就业变化可能与消费模式的变化有关。例如，Relihan (2022)发现通过线上购物节约时间和金钱的消费者，会频率更高地去位置方便的咖啡馆。

03 

该式的分子为区县j在t年线上支出总额，分母为区县j在t年线上和线下总支出额。作者通过交易地点确定交易所属区县。

3.2就业

作者使用了两种就业指标：工人数量和全时当量（full-time-equivalent ，简称FTE）工作人数。为了确定本地零售业就业人数，作者使用了从韩国统计局获得的场所普查（CE）数据，普查涵盖机构层面的工人数量，提供每种就业类别（即全职、兼职、自雇和无薪家庭工人）的工人人数，但没有提供各就业类型的工作时间。为了将工人数量转换为FTE工作的数量，作者从就业和劳动部进行的按就业类型划分的劳动条件调查（SLCET）中获取了工作时间信息。

作者将每万人的线下零售就业人数作为衡量指标：

其中，表示每万人中从事线下零售就业的人数。对于零售就业人数，作者使用了工人数量和FTE数量两种指标。核心解释变量为区县j在t-1时期线上支出的比例，通过信用卡交易数据获得。向量表示区县层面滞后一期的控制变量（例如人均财产税、人口增长率、人均汽车拥有量、女性人口占比和平均家庭规模）。、和分别表示区县固定效应、时间固定效应和区县层面聚类标准误。

然而，上述估计模型会产生两个方向的内生性偏误。一方面，由于线上份额与线下零售就业呈正相关，电子商务的负面影响可能被低估。例如，可能存在不可观测的有利冲击同时增加支出和就业。此外，零售就业率高的地区，消费者可能面临更高的购物时间机会成本，更喜欢网上购物。另一方面，如果存在系统负相关，则可能会高估效果。例如，在零售就业率低的地区，当地消费者可获得的商品种类往往有限，迫使他们在网上购买线下商场没有的商品。网上购物与线下零售就业之间的这种负相关关系将放大电子商务对当地就业的负面影响。

为了减少内生性对估计结果的影响，作者构造了一个移动份额工具变量，通过将商品基期的本地消费份额与国家层面该商品的在线份额相乘，外生预测在线份额。具体形式如下：

是商品k基期时在区县j的消费份额，表示t年k商品在全国的线上销售份额。Goldsmith-Pinkham et al. (2020) 表明，移动份额或类似的Bartik工具变量相当于使用本地行业份额作为工具变量。只有基准年的当地产品消费份额不与混杂因素关联时，工具变量才有效。作者根据Goldsmith-Pinkham et al. (2020)，发现七种产品份额与零售就业变化之间没有统计学上的显著相关性（如Table B4），证明了工具变量的有效性。

4.2主要结果

Table 2是公式（1）的估计结果，展示了线上购物扩张对当地线下零售就业的平均影响。Panel A 和 B 分别展示了工人和 FTE 工作人数的结果。第（1）和（2）列为OLS估计结果，第（3）和（4）列为工具变量估计结果。Panel A的第（2）列结果表明，在加入控制变量后，线上份额每增加一个百分点，每10000人中减少1.553个零售就业，在区县层面会减少0.57%的就业。后两列估计结果的负向影响更大，说明本地就业和线上份额之间的正相关主导了负向偏误。在2010年至2015年期间，线上份额增加了4.9个百分点，根据第（4）列结果，每个县约302名线下零售工人因此失去工作，相当于线下零售总就业人数的4.9%左右。

值得注意的是，电子商务的传播可能改变就业结构，例如，工人从全职转向兼职，尽管对就业产生了负面影响，但工人人数可能减少很少甚至保持不变。为了解决就业结构变化产生的偏误，作者使用FTE工作岗位的数量研究零售就业，结果如Panel B所示，得到的系数略低，但差异相对较小。具体来说，第（4）列在线比例的工具变量估计系数为-2.303，意味着每10,000 个人中有2.303个 FTE 工作岗位消失，即在线份额增加1个百分点导致每个县减少51.96个 FTE 工作岗位（或 0.91% 的变化）。因此，在 2010-2015 年期间，每个县的 FTE 失业总数约为 255 人，相当于零售 FTE 工作岗位总数减少了约 4.5%。总体而言，Table 2的结果证实了电子商务对当地实体就业会产生显著负向影响。

其中，Metroj为虚拟变量，表示区县j是否在大都市区，NonMetroj为虚拟变量，表示区县j是否在非大都市区，其他变量定义与（1）式相同。Table 3显示了回归结果，在线购物扩张对大都市和非大都市县的就业都有负面影响，但对非大都市的影响更大。

4.4就业向当地服务业的转移

在本小节中，作者将研究电子商务的增长是否将就业从线下零售转移到其他本地服务。如第2.3节所述，从网上购物中节省的时间和金钱可能会增加消费者对其他本地服务的需求，从而增加这些服务业的就业。从事线下零售业的个体可能相对容易地转到餐饮和私人服务，文章考虑了这两种本地服务业。作者将个人服务定义为个人护理（例如，美发店）、运动（例如健身房）和娱乐场所（例如，剧院）中的服务。Table 4的结果表明，需求的转移主要存在于大都市区，这与2010-2015年大都市区非酒精场所快速增加的事实相一致。

4.5 电子商务对本地就业的影响

上文回答了引言中提出的前两个问题。首先，作者发现电子商务对线下零售业就业有负面影响。第二，部分就业转移到其他本地服务部门，且在大城市和非大城市之间程度不同。为了回答第三个关于“零售就业末日”是否存在的问题，作者结合了前两个问题的就业效应。总的来看，证据表明“零售就业末日”如果存在将会在非都市地区而不是在大都市。

Fig 2展示了大都市区和非大都市区线下零售业、餐馆和个人服务以及两者加总就业的增加或减少。总的来说，大都市地区总共约减少4600个地方工作岗位，而非大都市地区约减少49100个地方就业岗位。

Table 5展示了Fig 2中的具体回归结果。

（作者在原文第5章中进行了安慰剂检验并替换了核心解释变量作为稳健性检验，限于篇幅不再介绍）

05

主要结论

作者通过提供有关零售失业的第一个定量证据，为越来越多的关于电子商务如何影响就业的文献做出贡献。文章利用韩国信用卡交易数据，构建了各个区县的在线支出份额，量化电子商务对本地劳动力市场的影响。文章发现，从2010年到2015年，在线支出份额的上升使线下零售就业人数减少了约4.9%。电子商务的扩散对实体零售店产生了负面影响，若是发生“零售就业末日”，将主要出现在非大都市地区。尽管消费者会将他们从网上购物节省的资源转移到其他本地服务，抵消了电子商务对零售业带来的负面影响，但这种积极影响仅限于大都市地区。

Abstract

The rapid growth of e-commerce is widely blamed for job losses in brick-and-mortar retail. Using geographic variations in online spending, constructed from over 30 billion credit card transactions in Korea, we examine the causal effect of e-commerce on local retail employment. We find that the rise in the share of online spending from 2010 to 2015 decreased county-level retail employment by about 4.9 percent. We also find that employment shifted from offline retail to other local businesses, such as restaurants and personal services. However, the shift in employment was confined to metropolitan areas, falling far short of offsetting employment losses in non-metropolitan areas. Our finding suggests that a Retail Job Apocalypse is likely in certain local labor markets (i.e., non-metropolitan areas).

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。