数据要素赋能对人力资本升级的作用机制分析——基于国家级大数据综合试验区数据

张珂涵，张 古，赵兴罗

（1.南开大学经济与社会发展研究院，天津 300071；2.兰州大学经济学院，甘肃兰州 730000；3.中南财经政法大学财政税务学院，湖北武汉 430073）

0 引言

现代化产业体系的构建，需要充分发挥数字经济优势、挖掘数据要素潜能，使其成为推动经济高质量发展的全新引擎。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》（以下简称“‘十四五’规划”）指出，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式。云计算、大数据、物联网等数字经济重点产业正快速进入到中国的生产生活场景之中，为经济增长蓄积动能。《中国数字经济发展报告（2022）》显示，我国数字经济规模达到45.5 万亿元，同比名义增长达到16.2%，占地区生产总值（GDP）比重达到39.8%［1］，数字经济作为宏观经济“加速器”与“稳定器”的功效愈加凸显。数据要素在多元场景中的应用，覆盖了教育、金融、交通、医疗等多个行业，带来了经营管理、生产技术、供应渠道等多维度的革新，成为推动新旧动能转化、构建新发展格局的关键元素。

数据要素赋能于全产业链协同转型，有效激发了经济运行活力，也使得研究者对其深度融入生产经营过程所释放的作用倍加关注。例如邹家阳［2］的研究表明企业生产数字化会显著增强企业的自主生产能力，带来一般性贸易出口扩张；张鹏杨等［3］认为生产数字化也使得企业能够更为有效地应对贸易摩擦、增强出口韧性；Zhai 等［4］则认为其对于企业创新能力的强化与对专业化分工的促进，可以有效提升企业的全要素生产率，并带来企业经营绩效的相应提升。而企业的生产经营过程伴随着劳动力的深度参与，数据要素的嵌入也会诱发企业内部有关人力资本战略性调整，如黄逵友等［5］的研究表明企业数字化转型通过缓解融资约束与加强内部控制两种渠道有效提升了劳动力收入份额；张任之［6］则将研究视角聚焦于企业的智力资本价值创造效率，数据要素的嵌入有效发挥了智力资本的价值驱动作用。不论是收入份额的变动还是智力资本的价值创造，其背后均隐含着企业经营过程中人力资本的投入与调整过程，数据要素的嵌入及其作用释放效果与人力资本的知识存量息息相关，数据要素的赋能过程也必然伴随着人才队伍的扩张，与人力资本的升级紧密联系。数据要素赋能使得企业生产面临新场景与新领域。同时，其庞大的信息搜索能力有效拓宽了企业的技术纵深，也带动了技术创新活跃度的提升，企业创新活动的进行需要以高素质人才为支撑，有效加速了企业的人力资本升级进程［7］。与此同时，数据要素赋能带来了企业生产经营边界的扩张、产生规模经济与范围经济效应［8］，创造出大量高技能劳动力岗位，诱发企业雇佣规模的相应变动。

相较于以往研究，本文第一，在研究方法上，从制度变迁视角切入，利用国家级大数据综合试验区建设这一准自然实验，更为直接地探究了数据要素赋能对于企业人力资本升级的作用效果，较为有效地规避了由于文本粉饰、生产经营指标间的相关性所诱发的内生性问题，识别结果更为准确；第二，在研究内容上，为数据要素嵌入如何影响微观企业内部人力资本调整的相关研究提供了新的经验证据，聚焦于数据要素赋能所带来的创新激励效应与规模扩张效应，廓清数据要素赋能作用机制，并关注了区域、企业两个维度上内外部资源差异对于数据赋能作用于人力资本升级过程所带来的异质性影响；第三，从研究结论的应用维度，能够为国家级大数据综合试验区建设所产生的积极影响提供事实依据，也为数据要素赋能服务于人才强国建设进程提供了有益参考。

1 政策背景与理论分析

1.1 政策背景

数据要素所具备的共享与融合属性在现代经济体系运转过程中发挥着乘数效应和网络效应，逐渐成为第五大生产要素，在技术创新和经济增长中扮演着关键角色。2015 年8 月，《国务院关于印发促进大数据发展行动纲要的通知》发布，从全局高度对我国大数据发展战略进行部署，与此同时国家级大数据综合试验区建设被提上日程。2016 年3 月，贵州成为我国首个国家级大数据综合试验区；同年10 月，经国家发改委等部门批复，同意在京津冀、珠三角、上海、重庆、内蒙古、河南、沈阳7 个区域建设国家级大数据综合试验区。至此，国家级大数据综合试验区覆盖我国四大经济板块，成为推动我国信息化发展向深水区迈进、以数据赋能支撑创新驱动、推动构建新发展格局的重要抓手。国家级大数据综合试验区建设所带来的数据要素的赋能功效体现在数据制度创新、数据产业集聚、数据要素流通等诸多方面。根据国家互联网信息办公室的公开信息：贵州省互联网出省带宽从2016 年批复建设首个试验区时的3 060 Gbps 增长到2020 年的17 000 Gbps；通信光缆由2016 年的64 万公里增长至2021年的138.45 万公里1）。大数据综合试验区建设有效促成了数据整合利用、数据开放共享、数据创新应用，有利于经济的可持续发展。

1.2 理论分析

1.2.1 人力资本升级的影响因素

伴随数字经济的兴起，学界对于数据要素赋能功效及其所带来的人力资本调整作用渐趋关注，数据要素的赋能功效体现在人工智能、大数据、云计算、区块链等多个前沿领域，为研究者提供了多种切入视角。在区域层面：牛子恒等［9］的研究发现，数字基础设施的建设能够有效纠正劳动力配置的扭曲，推动东部地区高水平劳动力与地区经济发展的适配过程；夏海波等［10］的研究则表明数字基础设施建设能够通过促进产业结构服务化、缓解劳动力错配和加速人力资本积累等渠道对劳动力就业产生积极影响；而在企业层面，叶永卫等［11］基于文本分析法测度企业数字化转型程度，实证检验了企业数字化转型的技能偏向性特征以及对于企业人力资本升级的促进作用；而曹珂等［12］使用世界银行中国私营企业调查数据的研究表明，伴随企业数字化转型程度加深，企业会更倾向于在劳动力引入、熟练劳动力培训中加大人力资本投资力度，进而诱发人力资本的升级。已有研究为廓清数据要素赋能对于人力资本升级的作用以及机制提供了富有价值的参考，从区域层面向微观企业层面深入能够起到见微知著的效果，但企业年报所存在的文本粉饰以及调查所得数据中的自选择偏误可能会对实证结果产生一定的干扰。根据上文所梳理的政策背景，国家级大数据综合试验区建设是发挥数据要素赋能功效的重要战略举措，其所具备的外生性也为研究数据要素赋能对于人力资本的升级作用提供了良好的实证场域。

1.2.2 数据要素赋能对人力资本升级的作用机制

首先，数据要素赋能能够通过创新激励效应推动人力资本升级。数据要素能够作用于企业的生产经营等各个环节，深刻影响着企业的生产活动、商业模式、组织架构的形成与演变［11］。数据要素所具备的开放性和扩展性特征［13］，有效地降低了企业的信息搜寻成本，通过提升预测精准度提供更加丰富有效的知识组合，提升了企业运行各流程的效率，在企业削减成本、抢占市场过程中发挥着重要作用［14］，从生产和消费两端刺激了企业创新活动的进行：在生产端，数据要素的应用有效破除了供应链各个环节之间的信息壁垒，扮演了上下游企业间连通器的角色［15］，能够高效地推动创新活动的进行，同时也为企业提供了海量知识信息储备，有效拓宽了企业的知识边界，企业通过创新活动对其进行加工、转化，能够显著提升企业的创新绩效［16-17］；在消费端，数据要素的嵌入催生了新的消费模式带动了新的消费业态大量涌现，也使得产品和服务具有更为透明的价格与质量，更大的市场竞争压力倒逼企业不断进行技术创新、产品迭代，用以强化其在市场竞争中的相对优势［18］，以创新保持企业自身活力。数据要素赋能带来的创新激励效应推动企业不断推陈出新，形成创新产出的同时，也对人力资本提出了更高的要求，即企业创新体系的建设需要以高素质劳动力作为支撑，推动知识转化与成果创造，服务于全要素生产率的提高［19］；人力资本升级在一定程度上决定了企业创新的质量，成为实施突破性创新的重要因素［20］；数据要素赋能能够激发企业的创新活力，而创新过程的进行离不开科技人才的深度参与，伴随数字化转型程度加深，企业的创新活动趋于活跃，人力资本升级趋势也会渐趋凸显。

其次，数据要素赋能能够通过规模扩张效应推动人力资本升级。数据要素能够作用于企业生产的各个环节，带来企业经营规模的扩张［21］。在数据要素的运用过程中企业的数字化程度不断加深，同时也伴随着无形资产的积累以及固定资产的大量投入［22］。数据要素的应用为企业拓宽经营空间，为企业加深在产业链条中的影响力提供了必要保证，通过海量信息搜集与计算能力辐射到生产、存储、运输、销售等各个环节，运用算力精准研判，根据数据异常波动实时调整策略，带来成本节约与效益提升，也为经营范围与生产能力扩张提供了空间；企业的生产过程是劳动力与物质生产资料的紧密结合，先进设备与高素质劳动力的结合能够更好地发挥两种要素的生产效率，实现资本与劳动力的互补［23］，以人力资本升级促进创新成果的高效产出，作用于企业全要素生产率的提升，进而诱发新一轮高技能劳动力的扩张［24］；数字化与人力资本的互补提高了高技能劳动力占比，通过对于高技能劳动力的互补与对低技能劳动力的替代诱发就业结构的变化，最终导致劳动力收入的相对变化［25］，但亦有针对中国企业的研究关注到，数字化转型过程中，伴随企业规模的扩张，部分非程式化简单工作的增加可能会扩大对于低技能劳动力的需求，使得数据要素赋能过程中同时伴随着雇员规模总量的扩张［26］。

基于上述理论分析，本文将以国家级大数据综合试验区作为实证场域重点探讨下述3 个问题：（1）数据要素赋能能否带来企业人力资本升级和高素质人才队伍的扩张？（2）企业、区域层面异质性的影响下，数据要素赋能对于企业人力资本升级的推动作用会否存在差异，又将呈现出怎样的差异？（3）数据要素赋能对企业人力资本升级和高素质人才队伍扩张的作用是否通过创新激励效应与规模扩张效应显现，又将对企业的低技能劳动力数量、劳动力雇佣规模以及相对结构产生何种影响？

2 研究设计

2.1 基本模型设定

数据要素是赋能企业提质增效，支撑数字经济发展，建设现代化产业体系的关键一环，我国先后在贵州省、京津冀、珠三角、上海市、重庆市以及河南省等区域开展先行先试，设立国家级大数据综合试验区，为本文探究数据要素赋能所带来的人力资本优化效应提供了良好的实证场域，参考张慧等［27］，截至2016 年12 月，试点地区共覆盖55 个地级市。因此将2016 年作为政策实施的处理时点，将试点所覆盖地级市的沪深A 股上市公司作为实验组，分布在其他地级市的上市公司作为对照组，构建双重差分模型如下所示：

2.2 变量选取

2.3 数据来源

本文中的上市公司数据来源于Wind 数据库、CSMAR 数据库以及各相关上市公司年报。在进行数据处理时，本文剔除了金融类企业、*ST 挂牌以及退市企业；地级市层面数据主要来自《中国城市统计年鉴》《中国区域经济统计年鉴》以及各地级市统计年鉴与公报。

3 实证分析

3.1 基准回归分析

本文首先在双向固定效应模型下，检验了数据要素赋能对于企业人力资本升级影响效果，基准回归结果如表1 所示，被解释变量均为高素质人力资本规模项的回归系数为正，且均在1%的水平上保持显著，这说明数据要素赋能对于企业人力资本优化的作用效果明显，国家级大数据试验区试点所在城市企业对于高层次人才的扩张需求显著提升。表1 中的前两列分别汇报了未加入控制变量的回归结果和加入控制变量的回归结果；为控制混杂因素并缓解相应的内生性问题，除去控制企业和年份，本文进一步控制了行业与区域维度的固定效应，具体见表1 第3 列；为了避免异方差所带来回归偏误，本文在表1 各列中均加入了稳健标准误。通过控制诸多因素以提升估计精度后，第3 列的回归系数为0.546，在1%的水平上显著，这也充分验证了本文的核心结论，即数据要素赋能能够推动企业的人力资本升级、人才队伍的扩张。

表1 基准回归结果

3.2 平行趋势检验

在使用双重差分方法检验国家级大数据试验区建设所带来的数据要素赋能与人力资本优化的因果关系时，需要满足共同趋势假定，检验结果如图1所示。由图1 可知：在政策实施前，各处理时点的估计系数均不显著，这说明处理时点前，试点区域企业的人力资本优化与非试点区域企业的人力资本优化未呈现显著差异，满足了平行趋势假定；而在政策实施后，处在试点区域的企业人力资本优化进程明显加速，并持续呈现出上升趋势，这也说明了国家级大数据综合试验区所带来的数据赋能功效所产生的影响具有长期性，能够有效促进企业的人力资本优化，推动企业引入高水平人才。

图1 平行趋势检验结果

3.3 稳健性检验

3.3.1 内生性问题的处理

为了缓解内生性问题，本文参考了柏培文等［31］的做法，以1984 年地级市每百人所拥有的电话数作为份额，用以衡量历史上的区域数据赋能水平，与本文研究期间的全国互联网端口数作交乘构成工具变量（），构成份额偏差移动工具变量，此种工具变量的外生性主要由份额部分所决定［32］，固定电话为早期拨号上网的必备设施，以此为基础构建的工具变量满足相关性条件。内生性问题处理的回归结果如表2 所示：第1 列报告了2SLS 方法第一阶段的回归结果，工具变量回归系数显著为正，且后续通过了弱工具变量检验和不可识别检验；第2 列汇报了加入控制变量后第二阶段的回归，回归结果同样在1%的水平上显著，印证了国家级大数据综合试验区建设通过数据赋能推动了试点地区企业的人力资本优化。

表2 内生性问题处理结果

3.3.2 安慰剂检验

为了进一步排除国家级大数据综合试验区建设通过数据赋能促进企业人力资本升级的作用是否受到其他冲击与遗漏变量的影响，本文对基准回归结果进行了安慰剂检验。即随机抽取与国家级大数据综合试验区数量相同的城市作为处理组，其他城市作为对照组，并构造虚假的政策虚拟变量，为保证估计结果的稳健性，本文进行了500 次随机抽样。由于处理组城市选取的随机性，样本的回归系数应当集中分布在0 值附近。图2 展示了随机政策处理组的估计系数分布，由图2 可知，虚线所示的基准回归结果估计系数与随机样本估计结果间存在显著差异，故可排除其他因素对于企业人力资本升级的影响。

图2 安慰剂检验结果

3.3.3 变更聚类维度

将标准误聚类到不同的层级会影响标准误的大小，也可能会对回归结果的显著性造成影响。在基准回归分析中为聚类至企业层面。为保证估计结果的稳健性，改变聚类层级，分别聚类至省级、城市以及行业维度，结果如表3 所示。由表3 的回归结果可知，不论聚类至哪一维度，国家级大数据综合试验区通过数据赋能带动企业人力资本升级的作用均保持在5%及以上水平显著。

表3 变更聚类维度的稳健性检验

3.3.4 采用PSM-DID 方法

使用双重差分估计（DID）的过程中，国家级大数据综合试验区的选择并不能严格满足随机条件，可能使得样本存在自选择问题进而产生选择性偏误，因此，本文进一步使用倾向得分匹配法（PSM）进行稳健性检验。具体过程如下：将基准回归模型中的控制变量作为协变量，将是否是试点地区企业的虚拟变量对控制变量进行Logit 回归，从而得到倾向得分值；再使用卡尺最近邻匹配选取与实验组倾向得分接近的样本进入到对照组中，并对进行倾向得分匹配后的结果进行回归，回归结果如表4 第（1）列所示，回归系数为0.499，且保持1%的水平上显著，在对自选择偏误进行处理后，国家级大数据综合试验区的数据赋能功效对于企业人力资本的优化依然具有显著的促进作用。

表4 PSM-DID 和其他稳健性检验结果总结

3.3.5 其他稳健性检验

第一，替换被解释变量。参考刘啟仁等［33］的研究，根据劳动力的工作性质作为高素质劳动力的划分标准，将从事技术岗位的劳动力岗位规模作为人才队伍扩张的表征，用以反映人力资本的优化，回归结果如表4 第（2）列所示。第二，排除其他政策影响。在本文的研究期内，国家级大数据综合试验区的数据赋能效应可能受到其他政策的干扰，本文将“宽带中国”试点与创新型城市试点作为控制变量加入回归，用以排除其他政策对本文回归结果的干扰，回归结果如表4 第（3）列所示。第三，加入区域层面的控制变量。国家级大数据综合试验区通过数据赋能对企业人力资本的优化作用不仅受到企业层面个体差异的影响，还受到所在城市相关因素的影响，因此，在表4 第（4）列中，加入了区域层面的变量加以控制。第四，缩尾检验。为避免个别极端值对回归结果的影响，本文对样本进行1%水平上的缩尾检验，结果如表4 第（5）列所示。经过上述稳健性检验，样本回归结果仍保持高度显著，有力地支撑了基准回归模型所得到的结论。

3.4 异质性分析

上文对于国家级大数据综合试验区通过数据赋能促进企业人力资本升级的作用探讨聚焦在整体视角，对于企业相异特征以及区域层面差异未曾进行深入剖析。鉴于此，本文将进一步关注企业层面的产权性质差异和创新属性差异以及区域层面的地理区位差异和行政层级差异，进行异质性分析。

3.4.1 企业层面的异质性

不同的所有权结构使得企业面临不同的外部环境，也会对企业人力资本升级进程产生差异化影响，本文进一步以是否属于国有产权性质为标准划分为两个组别进行回归，结果如表5 所示。由表5 前两列的回归结果可知，国家级大数据综合试验区通过数据赋能促进企业人力资本升级的效果在国有企业中更加显著，而对于非国有企业的作用则较弱。发挥数据要素的赋能功效需要大量资金与设备的投入，国有企业实力雄厚，在产学研链条整合、配套政策支持以及资金链稳定性方面具有得天独厚的优势，能够有效地统筹内外部资源助力数据赋能形成整合转化，创新活动的增加与企业规模扩张产生了高素质劳动力需求并吸引人才进入。

高新技术企业通常具有更强的技术革新与发展能力，研发创新活动更加活跃，也更倾向于通过数据要素的使用赋能于企业生产的各个环节，从而创造出新的人才需求。本文以国家高新技术企业认定为标准，将样本划分为高新技术企业和非高新技术企业两个组别。回归结果见表5 后两列：高新技术企业组别回归结果更为显著，数据要素赋能所释放的创新激励效应对高新技术企业更加明显，高新技术企业的创新环境与创新氛围更加优越，研发创新活动的规模与投入水平更高，数据要素嵌入研发创新活动的进行需要高素质劳动力的知识技能与物质资本深度融合，企业对加速人力资本升级，扩充企业知识存量的需求也更加迫切。

3.4.2 区域层面的异质性

考虑到我国各区域禀赋条件和发展差异较大，进一步将样本企业所在区域划分为东部与非东部两个组别进行异质性分析，结果如表6 所示。根据表6 的回归结果，数据要素赋能所带来的人力资本升级效应在东部地区企业表现得更为明显，东部地区地理位置更加优越、高教资源丰富，是名副其实的人才高地，为企业人力资本升级提供了丰富的储备资源，能够与数据赋能进程深度融合，释放创新活力。

表6 区域层面异质性结果

考虑到行政层级差异所带来的区域资源获取能力差异，本文进一步将样本企业所在城市划分为副省级及以上和其他两组。回归结果（见表6）表明副省级及以上城市相较于其他城市的资源吸收能力更强，政策实施效果更为显著。较强的人才吸引力使得其对于国家级大数据综合试验区的数据赋能作用反应更加灵敏，企业能够更为积极地调整经营战略举措，促进内部的人力资本升级进程。

4 进一步地探讨

4.1 创新激励效应与规模扩张效应机制分析

基准回归结果证实了国家级大数据综合试验区建设所产生的数据赋能作用带动了企业人力资本升级，那么该项政策的数据赋能效果又将以何种作用机制产生影响？正如前文理论部分所述，国家级大数据综合试验区建设能够通过创新激励效应与规模扩张效应作用于企业生产经营过程中的人力资本战略调整，从而实现数据要素对于人力资本升级的赋能过程。由于试验区建设所带来的数据赋能最为直接的效果是带动企业的数字化转型，畅通企业内部的数据赋能渠道［34］，本文将先对此进行验证，并进一步探究数据要素赋能作用于人力资本升级的两种机制路径。

首先，为了检验国家级大数据综合试验区建设对于企业内部数据赋能渠道的畅通作用，本文借鉴赵宸宇等［35］的做法，对企业数字化转型水平进行了测度，结果如表7 所示。其中表7 第（1）列结果显示大数据试验区建设对于企业数字化转型显著为正，能够畅通企业内部的数据赋能渠道，从而为数据要素通过两种机制对企业人力资本升级发挥作用做了铺垫。

表7 创新激励效应与规模扩张效应机制分析结果

接下来，对数据要素赋能通过创新激励效应与规模扩张效应作用于企业人力资本升级的机制进行检验。参考崔兆财等［36］，使用研发投入占企业营业收入比重作为企业创新意愿的反映，表7 第（2）列的回归结果表明，国家级大数据综合试验区建设所产生的数据要素赋能有效提升了企业的创新意愿，促进了创新活动的进行，产生了创新激励效果；同时，第（3）列的回归结果显示，企业创新意愿增强所产生的创新激励效果也使得企业加大人才队伍规模扩张力度以配合创新资金注入和推动人力资本升级，数据要素通过创新激励效应赋能企业人力资本升级的作用机制得到验证。进一步地，参考罗来军等［37］，利用企业固定资产净额作为企业规模的衡量标准，对数据要素对企业产生的规模扩张效应进行检验。表7 第（4）～（5）列的回归结果表明，数据要素的嵌入使得企业加大固定资产投资力度，企业规模呈现扩张态势，在企业规模扩张的同时，人力资本升级进程同时进行。

4.2 扩展性讨论

基准回归结果印证了数据要素赋能能够带来企业的人力资本升级，而这种升级表现为人才队伍的规模扩张。而围绕数据要素赋能对于异质性劳动力就业的冲击，现有研究则持不同看法，柏培文等［38］的研究表明，数字经济发展会对低技能劳动力产生替代效应，损害中低技能劳动力的相对红利；而胡拥军等［39］的研究则认为，数据要素向各领域的渗透，既包含对于传统就业岗位的创造，也催生了新的就业岗位，数据要素赋能对于劳动力就业亦存在创造效应。本部分就数据要素赋能对于企业低技能劳动力组别、雇佣规模以及人力资本相对结构的影响做简单讨论，以求对上述讨论补充部分经验证据。表8 汇报了扩展性讨论的回归结果：虽然显著性稍弱，但是数据要素赋能对于低技能劳动力组别同样起到了一定的扩张作用，这也印证了数据要素赋能对于企业内部的传统就业岗位也存在一定的创造效应，高低技能劳动力在企业内部存在一定的互补作用；数据要素赋能不仅带来了高素质人才队伍的扩张，也部分增加了低技能劳动力就业，这使得其对于企业雇佣规模的回归系数显著为正，也印证了理论分析部分所提出的规模扩张效应；相对结构方面，使用企业本科及以上学历劳动力数量与其他劳动力数量作比值，由于异质性劳动力均存在一定扩张，而低技能劳动力基数又相对较大，数据要素赋能所带来的相对结构变化虽然为正但不显著。

表8 扩展性讨论结果

5 结论与建议

本文使用2011—2021 年上市公司数据，以国家级大数据综合试验区建设作为实证场域，检验了数据要素赋能对人力资本升级的影响，结果表明：（1）国家级大数据综合试验区所带来的数据赋能作用显著促进了以高素质劳动力规模扩张为特征的企业人力资本升级进程，这一结论具有较强的稳健性。（2）异质性分析表明，在企业层面，产权性质所带来的外部环境差异使得数据要素赋能对国有企业的人力资本升级作用更为显著，相较于其他企业，高新技术企业由数据要素赋能所诱发的创新活动更加活跃，对于人力资本升级的需求更加迫切；而在区域层面，地理区位与行政层级造成的资源禀赋差异，使得数据要素赋能更能够促进所在地处于优势区位、高行政层级区域企业的人力资本升级调整。（3）机制分析表明，国家级大数据综合试验区建设的数据要素赋作用能通过畅通企业数字化转型渠道，产生了创新激励效应与规模扩张效应，推动企业的人力资本升级进程；而扩展性讨论表明，数据要素赋能同样增加了部分低技能劳动力需求，使得雇佣规模整体扩张，而对于人力资本相对结构调整的作用不够明显。

本文提出以下几点政策建议：第一，持续推动国家级大数据综合试验区向“深水区”迈进，推动试点地区经验的普及；畅通企业内部数据赋能渠道，推动企业数字化建设进程，推动创新型人才与数据要素的深度耦合，以数据要素赋能人力资本升级，以数据要素激发企业创新活力，以数据要素推动企业绩效提升。第二，关注异质性企业、异质性区域数据要素赋能瓶颈，打破内外部资源约束屏障，金融机构加大对民营企业金融扶持力度，着力破除中小企业融资约束，助力相关企业数字化转型与人力资本升级进程，为民营企业创新提供资金保障；推动优势区域资源向边缘地带辐射扩散，促进东中西部协调发展，利用数字化渠道实现点对点帮扶，使得数据要素惠及更多企业、更多地区，为其“筑巢引凤”，吸引创新型人才提供相应支撑。第三，充分发挥数据要素赋能的创新激励效应与规模扩张效应，释放数字生产力功效，赋能企业的技术创新进程，通过数据要素嵌入激发企业创新活力。

注释：

1）数据来源于中华人民共和国国家互联网信息办公室官网（http://www.cac.gov.cn/202106/19/c_1625687104184900.htm?ivk_sa=1023197a）。