摘 要：人力資本水平是推進企業(yè)數(shù)字化轉(zhuǎn)型的必要條件。本文基于2007—2020 年滬深A(yù) 股上市公司數(shù)據(jù)，分析人力資本結(jié)構(gòu)對企業(yè)數(shù)字化轉(zhuǎn)型的影響。實證結(jié)果顯示：高學(xué)歷、高技能人才均有助于企業(yè)數(shù)字化轉(zhuǎn)型，其中高技能人才的作用更突出；高技能人才占比越高，越能強化企業(yè)對冗余資源的利用能力、吸收能力及創(chuàng)新能力增強，進而推動企業(yè)數(shù)字化轉(zhuǎn)型程度越深；高技能人才更具普適性，其在不同所有制、不同行業(yè)和勞動、技術(shù)密集度企業(yè)中均能夠顯著促進企業(yè)數(shù)字化轉(zhuǎn)型，而高學(xué)歷人才僅在非國有企業(yè)、制造業(yè)和勞動密集型企業(yè)中能夠促進企業(yè)數(shù)字化轉(zhuǎn)型。因此，為提升我國“十四五”期間數(shù)字經(jīng)濟發(fā)展和實現(xiàn)技能中國目標(biāo)，本文認為需重點加強數(shù)字工匠等關(guān)鍵技術(shù)性人才在企業(yè)數(shù)字轉(zhuǎn)型中的支持與投入。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；人力資本結(jié)構(gòu)；技能型人才

一、研究背景

中國信息通信研究院《中國數(shù)字經(jīng)濟發(fā)展研究報告（2023 年）》顯示，2022 年我國數(shù)字經(jīng)濟規(guī)模占GDP 比重達41.5%，數(shù)字經(jīng)濟發(fā)展迅速。黨的二十大作出“加快建設(shè)網(wǎng)絡(luò)強國、數(shù)字中國”重要部署，“十四五”發(fā)展規(guī)劃也明確指出“加快建設(shè)數(shù)字經(jīng)濟，以數(shù)字化轉(zhuǎn)型整體驅(qū)動生產(chǎn)方式的變革”。數(shù)字經(jīng)濟快速發(fā)展，企業(yè)組織模式和生產(chǎn)方式也出現(xiàn)全新變革（白雪潔等，2022）。數(shù)字化轉(zhuǎn)型是企業(yè)適應(yīng)新一輪的技術(shù)革命與產(chǎn)業(yè)變革的必然選擇，但企業(yè)數(shù)字化轉(zhuǎn)型面臨諸多挑戰(zhàn)，技術(shù)短板導(dǎo)致的“技術(shù)轉(zhuǎn)型困境”（吳非等，2021）是最為基礎(chǔ)、最為艱難的困境，企業(yè)人力資本根本性提升是化解“技術(shù)轉(zhuǎn)型困境”、推動“數(shù)字化轉(zhuǎn)型”的核心力量。國際勞工組織在2022 年《世界就業(yè)趨勢展望》強調(diào)（Dewan 等，2022），數(shù)字化轉(zhuǎn)型過程中，若員工缺乏匹配的技術(shù)熟練度和知識積淀，即便企業(yè)深入研發(fā)、投入數(shù)字技術(shù)，生產(chǎn)率的正向推動仍難以顯現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型效率將由人力資本短板決定而變得低下。在此背景下，剖析人力資本水平與企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)在聯(lián)系，能夠為企業(yè)在數(shù)字經(jīng)濟時代的轉(zhuǎn)型提供人力資本合理配置的指導(dǎo)。

人力資本中所包含的學(xué)歷和技能是促進企業(yè)數(shù)字化轉(zhuǎn)型的核心動力。學(xué)歷，早期人力資本水平的通用測度，是知識積累和理論素養(yǎng)的象征，為數(shù)字化轉(zhuǎn)型提供理論基礎(chǔ)和創(chuàng)新思維；技能，近年來人力資本水平的結(jié)構(gòu)分解，是實踐知識和操作能力的應(yīng)用，為數(shù)字化轉(zhuǎn)型落地奠定技術(shù)基礎(chǔ)和能力供給。人力資本水平提升方面，我國采取的是“高學(xué)歷人才”和“技能型人才”雙軌并進的培養(yǎng)策略。一則，培養(yǎng)高學(xué)歷人才優(yōu)化教育資源分配。1999 年起我國高等教育擴張政策體系實施并不斷完善，高等教育毛入學(xué)率由1999 年的10.5%提升至2021 年的57.8%，同期的高考錄取率從55.56%提升至92.89%，高學(xué)歷人才數(shù)大幅增加（鄢杰等，2023）；二則，持續(xù)強化技能型人才培育。2022年，國務(wù)院印發(fā)《關(guān)于加強新時代高技能人才隊伍建設(shè)的意見》（簡稱《意見》），重點關(guān)注高技能人才隊伍建設(shè)。據(jù)全國總工會數(shù)據(jù)，截至2021 年底，技能人才總量超過2 億人，高技能人才超過6000 萬人（宋建和鄭江淮，2022），高學(xué)歷人才、高技能人才總量均有增加。就高學(xué)歷人才培養(yǎng)，因?qū)W歷與技能需求存在脫節(jié)現(xiàn)象，“教育過度論”“學(xué)歷過剩論”等質(zhì)疑聲音不斷（鄢杰等，2023）；而技能人才培養(yǎng)，截至2021 年底技能人才占就業(yè)人員例僅為26%，呈現(xiàn)為低水平快速增長（宋建和鄭江淮，2022）。此外，研究顯示，中國超55％的企業(yè)仍未完成基礎(chǔ)設(shè)備的數(shù)字化改造（季昕華，2020）。鑒于此，一個關(guān)鍵的問題浮現(xiàn)：人力資本結(jié)構(gòu)能否支撐推動企業(yè)數(shù)字化轉(zhuǎn)型？在企業(yè)數(shù)字化轉(zhuǎn)型過程中，企業(yè)人力資本結(jié)構(gòu)中學(xué)歷與技能誰更重要？

現(xiàn)有研究對于本文研究問題提供了豐富的理論與實證基礎(chǔ)，但仍有擴展空間：一是聚焦于企業(yè)數(shù)字化轉(zhuǎn)型中的基礎(chǔ)設(shè)施建設(shè)（毛寧等，2022）、稅收政策優(yōu)惠（蔡洪波等，2023）、地方產(chǎn)業(yè)政策支持（甄紅線等，2023）等硬條件影響，但還需要軟條件配合，如具備數(shù)字素養(yǎng)及數(shù)字技能的人力資源（姚小濤等，2022）。根據(jù)埃森哲《2023 年中國企業(yè)數(shù)字轉(zhuǎn)型指數(shù)》，中國企業(yè)普遍在人才與數(shù)字化技術(shù)方面表現(xiàn)薄弱，因此，企業(yè)數(shù)字化轉(zhuǎn)型中的人力資本問題值得關(guān)注。二是企業(yè)對人力資本需求發(fā)生異質(zhì)性變化并快遞發(fā)展。學(xué)歷與技能并重，尤其是技能結(jié)構(gòu)的重視越來越成為企業(yè)數(shù)字化轉(zhuǎn)型成功與否的關(guān)鍵要素，需納入技能結(jié)構(gòu)與學(xué)歷結(jié)構(gòu)同時考察，以識別人力資本結(jié)構(gòu)在企業(yè)數(shù)字化轉(zhuǎn)型中的加速或催化作用。已有文獻多以受教育程度（Acemoglu and Autor，2011；江永紅等，2016）、職業(yè)類別（Andersson et al.，2014；張國勝和杜鵬飛，2022；李紅陽和邵敏，2017）及人力資本投資類型（陳浩，2007）等衡量人力資本水平。在此基礎(chǔ)上，也有研究采用向量夾角的測度方法（劉智勇等，2018），或?qū)⒔】禒顩r納入測度（楊建芳等，2006），但上述測度方式與本研究內(nèi)容切合不夠緊密。已有研究多以受教育年限作為技能水平的代理變量（郝楠，2017；汪前元等，2022），將高學(xué)歷勞動者視為高技能勞動者，模糊了學(xué)歷與技能的界限與差異。三是結(jié)合實際情況，我國企業(yè)數(shù)字化轉(zhuǎn)型仍然十分緩慢，超半數(shù)企業(yè)數(shù)字化轉(zhuǎn)型程度低于平均值（張國勝和杜鵬飛，2022）。企業(yè)數(shù)字化轉(zhuǎn)型過程中，人力資本結(jié)構(gòu)高級化是重要的基石（王濤，2021），因此，企業(yè)如果尚未配備高級化人力資本結(jié)構(gòu)，就難以收獲轉(zhuǎn)型后產(chǎn)生的效益。然而，鮮有研究從人力資本結(jié)構(gòu)視角考察企業(yè)數(shù)字化轉(zhuǎn)型。

本文邊際貢獻為：第一，探討了人力資本結(jié)構(gòu)對企業(yè)數(shù)字化的影響。為回應(yīng)“學(xué)歷至上”“能力主導(dǎo)”的社會質(zhì)疑，對“崇拜學(xué)歷、輕視技能”教育觀念的證偽，本文從學(xué)歷、技能兩個維度探究人力資本結(jié)構(gòu)對企業(yè)數(shù)字化轉(zhuǎn)型的重要性，以明晰企業(yè)數(shù)字化轉(zhuǎn)型的人才需求，為制定更具針對性的人才培育政策提供研究支撐；比較數(shù)字化轉(zhuǎn)型的人力資本結(jié)構(gòu)效應(yīng)，為更好理解“學(xué)歷中國”轉(zhuǎn)向“技能中國”等人才培養(yǎng)政策提供實證依據(jù)；第二，對已有崗位技能分類方法的優(yōu)化改進。在Autor 和Dorn 的崗位技能分類方法（Acemoglu and Restrepo，2019；Dorn，2009）基礎(chǔ)上，篩選、識別銳思數(shù)據(jù)庫中上市公司的其他人員，并進一步根據(jù)職業(yè)技術(shù)復(fù)雜度再分類，將其歸并為高、低兩類，力求精準(zhǔn)識別出高、低技能勞動力；第三，以人力資本結(jié)構(gòu)與企業(yè)數(shù)字化轉(zhuǎn)型為邏輯主線，本文重點關(guān)注企業(yè)資源利用、吸收與創(chuàng)新能力的渠道機制，打開技能勞動力賦能企業(yè)數(shù)字化轉(zhuǎn)型的“黑箱機制”，厘清技能勞動力在提高企業(yè)資源利用效率、強化技術(shù)與知識的吸收積累及技術(shù)創(chuàng)新成果轉(zhuǎn)化中扮演的重要角色，有助于優(yōu)化企業(yè)人力資源管理，充分激活技能人才對企業(yè)數(shù)字化轉(zhuǎn)型的效能提升作用。

二、理論分析與假說提出

（一）人力資本與企業(yè)數(shù)字化轉(zhuǎn)型

經(jīng)濟學(xué)家舒爾茨認為，人力資本是一種通過投資形式凝結(jié)在勞動者身上的資本類型，可以從“質(zhì)”和“量”兩方面進行衡量。其中，決定經(jīng)濟增長的關(guān)鍵因素是人力資本的“質(zhì)”（Schultz，1961），即勞動者通過教育、培訓(xùn)和學(xué)習(xí)積累的能力（張國強等，2011）。貝克爾進一步指出教育和培訓(xùn)能夠提升個人的知識與技能，從而提高工作效率和生產(chǎn)力，使其更好地適應(yīng)新技術(shù)和環(huán)境，為企業(yè)和經(jīng)濟創(chuàng)造更多價值（Becker，1975）。人力資本作為技術(shù)進步的載體，通過優(yōu)化能夠促進企業(yè)技術(shù)創(chuàng)新與生產(chǎn)率的提高（Acemoglu，2003）?？梢哉f，人力資本是數(shù)字化轉(zhuǎn)型的重要基礎(chǔ)，直接決定了數(shù)字化轉(zhuǎn)型的效益（Dewan et al.，2022）。

早期研究中，學(xué)歷是最常用的反映人力資本水平與技能水平的測度指標(biāo)，基于發(fā)展階段并囿于數(shù)據(jù)限制，假定高學(xué)歷者也具備相對較高的技能（Acemoglu and Daron，2002；凌文輇等，2001；梁文泉和陸銘，2015）。并認為高學(xué)歷具有的技能水平更能適應(yīng)技術(shù)進步帶來的變化，而受教育程度較低的工人專注于“特定技術(shù)”，技術(shù)變革時損失更大，故假定高學(xué)歷等于高技能（Gould et al.，2002）。盡管存在局限性，但在缺乏準(zhǔn)確數(shù)據(jù)時，學(xué)歷是衡量人力資本的主要手段（Woessmann，2003）。

然而，當(dāng)我國經(jīng)濟增長方式進入質(zhì)量驅(qū)動階段，數(shù)字時代對企業(yè)員工知識和技能的要求更高（王才，2020），數(shù)字化轉(zhuǎn)型要求員工發(fā)揮主動性，需利用個人技能解決日益復(fù)雜的業(yè)務(wù)問題（曾德麟等，2021），數(shù)字技術(shù)的新任務(wù)更偏向復(fù)雜任務(wù)中具有比較優(yōu)勢的高技能工人（Acemoglu andRestrepo，2018），數(shù)字化轉(zhuǎn)型在推動業(yè)務(wù)轉(zhuǎn)型的同時離不開高素質(zhì)數(shù)字人才支撐（陳煜波和馬曄風(fēng)，2018）?，F(xiàn)實情況是，雖學(xué)歷水平不斷提升，但高技能人才特別是與數(shù)字技術(shù)相關(guān)的技能人才供需仍嚴(yán)重不平衡（裴璇等，2023）：一方面，我國1999 年高校擴招以來，代表人力資本水平的高學(xué)歷畢業(yè)生人數(shù)由2000 年的95 萬增長至2023 年的1158 萬人。但另一方面，《產(chǎn)業(yè)數(shù)字人才研究與發(fā)展報告（2023）》提到，我國目前數(shù)字人才缺口約為2500 萬至3000 萬且在持續(xù)增加（謝忠強和成文雅，2024）。直覺上人力資本水平提高有利于企業(yè)數(shù)字化轉(zhuǎn)型，高校擴招后越來越多的高學(xué)歷人才進入企業(yè)，但這并未縮減數(shù)字人才缺口。故僅從學(xué)歷角度衡量人力資本技能水平難以全面反映技能人才的真實水平，更難以全面評估人力資本對企業(yè)數(shù)字化轉(zhuǎn)型的影響。高學(xué)歷和高技能的人才有機結(jié)合，則更能揭示企業(yè)內(nèi)部人力資本結(jié)構(gòu)在企業(yè)數(shù)字化轉(zhuǎn)型中的促進或抑制作用。因此，本研究將擴展人力資本拆分為學(xué)歷與技能兩個方面，識別其對技能偏向型技術(shù)進步（企業(yè)數(shù)字化）的作用。

（二）高技能勞動力與企業(yè)數(shù)字化轉(zhuǎn)型

根據(jù)“資本—技能互補理論”（Capital-Skill Complementary，CSC），非技能勞動力與資本是替代關(guān)系，而技能勞動力與資本則是互補關(guān)系（鮑哈斯，2010），企業(yè)引入高技能人才可有效提高資本產(chǎn)出效率。數(shù)字化轉(zhuǎn)型推進了技術(shù)和設(shè)備上的升級，企業(yè)需引進具備相關(guān)技術(shù)或相匹配的高技能勞動力（Wang et al.，2021；趙宸宇等，2021），推動技術(shù)創(chuàng)新，加速企業(yè)數(shù)字化轉(zhuǎn)型（肖土盛等，2022）；但若不匹配，將阻礙創(chuàng)新潛力的釋放，導(dǎo)致生產(chǎn)效率下降（馬穎等，2018）。因此，企業(yè)內(nèi)員工的技能水平是企業(yè)數(shù)字化轉(zhuǎn)型成功的關(guān)鍵因素（Svahn et al.，2017）。

相較學(xué)歷，技能更大程度上是以學(xué)歷教育為基礎(chǔ)通過“干中學(xué)”的操作應(yīng)用而積累所得，針對性和應(yīng)用性極為明確，能夠直接應(yīng)對數(shù)字化轉(zhuǎn)型所帶來的各種挑戰(zhàn)（Brynjolfsson and Mcafee，2014）。高技能人才可以憑借豐富的實踐經(jīng)驗推動企業(yè)的數(shù)字化培訓(xùn)和創(chuàng)新協(xié)作（張守鳳和劉昊蓉，2023），對其他員工產(chǎn)生技能溢出效應(yīng)和示范作用，從而顯著提升整體員工的數(shù)字素養(yǎng)和技能水平。此外，戴維斯的技術(shù)接受模型（Technology Acceptance Model，TAM）也強調(diào)，個人對新技術(shù)使用行為受到其對該技術(shù)使用意愿的影響（Davis et al.，1989）。相比高學(xué)歷勞動力，高技能勞動力接受的專業(yè)技能培訓(xùn)使其對數(shù)字技術(shù)運用更為熟練，因而使用意愿更強。綜上，與高學(xué)歷勞動力相比，高技能勞動力對企業(yè)數(shù)字技術(shù)運用能夠產(chǎn)生更強的正向作用，助力企業(yè)更高效地實現(xiàn)數(shù)字化轉(zhuǎn)型。

（三）高技能勞動力對企業(yè)數(shù)字化轉(zhuǎn)型的影響機制

研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型需同時具備資源豐度、技術(shù)使用與積累能力以及對現(xiàn)有技術(shù)成果的轉(zhuǎn)化能力（趙麗錦和胡曉明，2022），而高技能勞動力的配備恰恰強化了上述三方面因素的驅(qū)動，進而能夠推動企業(yè)數(shù)字化轉(zhuǎn)型。

首先，高技能勞動力可以通過促進未被吸收冗余資源的開發(fā)與優(yōu)化利用，進而推動企業(yè)數(shù)字化轉(zhuǎn)型。數(shù)字化轉(zhuǎn)型需要富裕資源的支撐，因此，企業(yè)的資源豐度直接影響企業(yè)數(shù)字化轉(zhuǎn)型的推進及價值實現(xiàn)程度（趙麗錦和胡曉明，2022）。作為企業(yè)內(nèi)部的過剩資源，冗余資源可進一步分為已吸收的冗余資源與未被吸收的冗余資源（王曉紅等，2022）。其中，已吸收的冗余資源由于流動性、靈活性較差，在組織中難以重新配置利用且大多為企業(yè)固定成本，主要用于投入相關(guān)生產(chǎn)活動而非創(chuàng)新活動，不利于企業(yè)展開探索式創(chuàng)新（王亞妮和程新生，2014）。相較于已被吸收的冗余資源，未被吸收的冗余資源具有靈活性強、支配性高的特點，能夠有力支持企業(yè)進行的高創(chuàng)新高風(fēng)險活動（蘇昕和劉昊龍，2018）。由于數(shù)字化轉(zhuǎn)型主要涉及未被吸收冗余資源的開發(fā)利用，本文側(cè)重于探究企業(yè)中未被吸收的冗余資源，即企業(yè)暫未使用且易被重新配置到其他所需部門的資源。高技能勞動力具備深厚的技術(shù)知識和理解，能夠更好地識別與整合企業(yè)內(nèi)部尚未被充分利用的冗余資源，如通過大數(shù)據(jù)分析及優(yōu)化供應(yīng)鏈管理等方式，幫助企業(yè)緩解庫存積壓問題、降低庫存成本，減輕企業(yè)數(shù)字化轉(zhuǎn)型面臨的內(nèi)外部壓力（Muller et al.，2010），從而有助于企業(yè)增強數(shù)字化轉(zhuǎn)型資源投入、化解數(shù)字化轉(zhuǎn)型風(fēng)險和擺脫傳統(tǒng)路徑依賴（潘蓉蓉等，2021），為企業(yè)數(shù)字化轉(zhuǎn)型提供有力的資源支持（韓躍和鄭勇，2019），推動企業(yè)數(shù)字化轉(zhuǎn)型。

其次，高技能勞動力能夠增強企業(yè)的吸收能力，從而充分利用外部知識識別并整合未被吸收的冗余資源，加速企業(yè)的數(shù)字化轉(zhuǎn)型。吸收能力，即企業(yè)獲取、內(nèi)化并應(yīng)用外部知識的能力，是提升企業(yè)自主創(chuàng)新的重要因素（趙鳳等，2016）。通過提升吸收能力，企業(yè)能夠強化自身學(xué)習(xí)，提高對外部知識的利用效率，從而增強自主創(chuàng)新能力（Zahra and George，2002；趙增耀和王喜，2007）。以高技能勞動力為代表的技能結(jié)構(gòu)，展現(xiàn)出快速吸收、應(yīng)用新知識和技術(shù)的能力水平（Argote and Ingram，2000）。高技能勞動力通過將外部獲取的技術(shù)知識與企業(yè)內(nèi)部知識相結(jié)合，推動企業(yè)內(nèi)部的知識分享和技能提升（Bertschek and Marlene，2006；Roy，2018），并利用這些知識充分識別和開發(fā)未被吸收的冗余資源，使其得以重新配置和優(yōu)化，從而加速企業(yè)的數(shù)字化轉(zhuǎn)型進程。

最后，高技能勞動力能夠提升企業(yè)的創(chuàng)新能力，在吸收能力有效識別出冗余資源的基礎(chǔ)上，進而利用創(chuàng)新能力對識別出的冗余資源實現(xiàn)高效創(chuàng)新。創(chuàng)新能力既是推動企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動力，同時也是企業(yè)適應(yīng)數(shù)字化環(huán)境的基礎(chǔ)（Bhardwaj et al.，2013）。高技能人才是我國技術(shù)創(chuàng)新的主力軍（胡鈺，2013），是賦能技術(shù)創(chuàng)新的“加速器”。高技能人才在吸收、消化及積累新知識和技術(shù)的基礎(chǔ)上，將技術(shù)進一步轉(zhuǎn)化為商品，從而實現(xiàn)創(chuàng)新價值（蔣伏心等，2013）。高技能勞動力能夠提升企業(yè)的創(chuàng)新能力，通過其吸收能力精準(zhǔn)識別未被吸收的冗余資源，并在創(chuàng)新能力的作用下將這些資源轉(zhuǎn)化為創(chuàng)新成果，從而為企業(yè)的數(shù)字化轉(zhuǎn)型注入新的動能。除利用自身技能知識儲備直接推動企業(yè)創(chuàng)新外，高技能人才還可以通過“干中學(xué)”和技能外溢效應(yīng)帶動企業(yè)整體人力資本水平提高（張守鳳和劉昊蓉，2023），進而促進企業(yè)整體創(chuàng)新能力提升。

根據(jù)上述機制的理論分析，本文將識別高技能勞動力如何通過提高企業(yè)對冗余資源的利用能力、吸收能力以及創(chuàng)新能力路徑，推動企業(yè)數(shù)字化轉(zhuǎn)型。

三、研究設(shè)計

（一）數(shù)據(jù)說明

本研究選取2007—2020 年滬深A(yù) 股上市公司為研究樣本，基礎(chǔ)數(shù)據(jù)主要來源于銳思（RESSET）和國泰安（CSMAR）兩大數(shù)據(jù)庫。國泰安負責(zé)提供企業(yè)信息、企業(yè)財務(wù)指標(biāo)等相關(guān)數(shù)據(jù)，銳思數(shù)據(jù)庫負責(zé)提供員工信息相關(guān)數(shù)據(jù)源。銳思全面收錄了自1999 年至今我國上市公司的組織治理結(jié)構(gòu)數(shù)據(jù)。通過深度剖析上市公司年報，提取員工學(xué)歷、崗位、職業(yè)、數(shù)量等關(guān)鍵信息字段，構(gòu)建起較為完備的員工構(gòu)成信息數(shù)據(jù)庫。該數(shù)據(jù)庫雖全面涵蓋員工信息，但仍存瑕疵：不同行業(yè)企業(yè)對員工職業(yè)技術(shù)類別的識別有相似之處，然而企業(yè)間也存在識別差異。因此，由于銳思數(shù)據(jù)庫中不同企業(yè)關(guān)于員工職業(yè)分類相關(guān)數(shù)據(jù)存在一定程度不同步性，所以需要進一步對員工的職業(yè)分類進行文本分析以清理和識別相關(guān)數(shù)據(jù)，具體的清理和識別步驟將在后文變量設(shè)定中詳細介紹。

為提高數(shù)據(jù)精確度、增強實證結(jié)果可信度，本文對所使用數(shù)據(jù)進行了如下處理：一是剔除金融類等特殊企業(yè)（即行業(yè)代碼為J66-J69 的企業(yè)）；二是剔除ST、*ST、PT 及樣本期間退市的企業(yè)；三是剔除關(guān)鍵員工信息變量缺失的觀測值；四是為減少異常值干擾，對微觀層面的連續(xù)變量進行上下1%的縮尾處理。

（二）模型構(gòu)建

根據(jù)以上的理論分析及變量測算，本文設(shè)定如下基準(zhǔn)回歸模型：

（三）變量設(shè)定

（1）被解釋變量。企業(yè)數(shù)字化轉(zhuǎn)型（DIGI）。在量化企業(yè)數(shù)字化轉(zhuǎn)型程度時，一般傾向于采用上市公司年度報告中的相關(guān)詞頻統(tǒng)計作為有效的衡量指標(biāo)（吳非等，2021；趙宸宇等，2021），該方法能夠精準(zhǔn)地抓取企業(yè)年報中并反映企業(yè)數(shù)字化轉(zhuǎn)型的特性。因此，本文借鑒吳非的研究方法構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)（吳非等，2021）。首先，基于Python 收集上海和深圳兩市所有A 股上市公司的年度報告，運用Java PDFbox 庫提取年報文本內(nèi)容形成數(shù)據(jù)池；其次，定義數(shù)字化轉(zhuǎn)型的相關(guān)詞頻，將關(guān)鍵詞劃分為“實踐應(yīng)用”和“基礎(chǔ)技術(shù)”兩大類，基于這兩類關(guān)鍵詞，從“人工智能技術(shù)”“區(qū)塊鏈技術(shù)”“云計算技術(shù)”“大數(shù)據(jù)技術(shù)”“數(shù)字技術(shù)應(yīng)用”五個維度出發(fā)，選取數(shù)字化轉(zhuǎn)型的相關(guān)詞匯（76 個）作為企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)詞頻（如表1 所示）；最后，根據(jù)表1 的關(guān)鍵詞進行搜索匹配和詞頻計數(shù)，分別統(tǒng)計表1 詞頻在年報中出現(xiàn)的頻數(shù)，對同一企業(yè)同一年份的不同關(guān)鍵詞的詞頻數(shù)進行加總及對數(shù)化處理后，形成企業(yè)該年的數(shù)字化轉(zhuǎn)型指標(biāo)，匯總后形成各企業(yè)各年的數(shù)字化轉(zhuǎn)型指標(biāo)。

（2）解釋變量。本研究的核心解釋變量為人力資本結(jié)構(gòu)，分別從學(xué)歷（Degree）、技能（Skill）兩方面測度。

一方面，本文以學(xué)歷水平衡量企業(yè)人力資本結(jié)構(gòu)。人力資本理論指出，接受正規(guī)教育是促進人力資本發(fā)展的重要途徑（Schultz，1961；Becker，1962）?；诖?，研究常以學(xué)歷水平衡量人力資本結(jié)構(gòu)（Marvel，2007；寧光杰和林子亮，2014；王永欽和董雯，2020；孫早和侯玉琳，2019）。本文借鑒盧馨（2013）、王玨和祝繼高（2018）的做法，將本科及以上員工定義為高學(xué)歷員工，本科以下員工定義為低學(xué)歷員工。具體而言，將企業(yè)本科及以上學(xué)歷員工人數(shù)占總?cè)藬?shù)之比（Degree_high）作為高學(xué)歷人才的代理變量，以企業(yè)本科以下學(xué)歷員工人數(shù)占總?cè)藬?shù)之比（Degree_low）衡量低學(xué)歷人才。但僅使用學(xué)歷水平測度人力資本存在一定局限性，因為學(xué)歷作為一種學(xué)術(shù)成就體現(xiàn)，僅能衡量員工個體在教育體系內(nèi)的知識儲備和學(xué)術(shù)水平，而無法衡量其實際具備的工作技能水平。除此之外，不同個體在同等學(xué)歷層次上，掌握的技能、知識深度以及應(yīng)用能力也可能存在很大的差異。

另一方面，本文從技能角度衡量企業(yè)人力資本結(jié)構(gòu)，以企業(yè)員工的技能類型進行測度（Autorand Murnane，2003；趙爍等，2020；肖土盛等，2022）。該方法優(yōu)點在于，可更細致準(zhǔn)確地識別員工的具體技能及所在崗位。具體來說，Resset 數(shù)據(jù)庫將員工分為了15 類：行政管理人員、管理人員、行政人員、操作人員、生產(chǎn)人員、采購人員、市場人員、銷售人員、技術(shù)人員、物流人員、研發(fā)人員、財會人員、客服人員、風(fēng)控稽核人員以及其他相關(guān)人員。但由于上市公司對員工類別的劃分標(biāo)準(zhǔn)不一致，數(shù)據(jù)庫中員工類別相關(guān)信息不清晰，在數(shù)據(jù)處理過程中可能存在數(shù)據(jù)混淆、分類不符的問題：其一，被歸類為“其他人員”的員工職業(yè)技術(shù)數(shù)據(jù)存在混淆，其中的一些數(shù)據(jù)可根據(jù)其實際職業(yè)描述重新歸為具體的職業(yè)技術(shù)分類，例如，需將大類為“其他人員”但字段不屬于“其他人員”的數(shù)據(jù)，重新編排分類再歸為已有的“管理人員”“銷售人員”等；其二，部分員工的職業(yè)技術(shù)分類與其本身的文字描述不符，需要重新分類。同時，銳思數(shù)據(jù)庫原有員工技能崗位劃分方法相對粗糙，無法精細反映技能結(jié)構(gòu)的層次性和差異性。因此，為解決上述問題，在銳思數(shù)據(jù)庫原有員工技能崗位劃分基礎(chǔ)上，本文以Autor 和Dorn 對不同崗位技能的具體分類為參照（Acemoglu andRestrepo，2019；Dorn，2009），將中等技能與低技能等容易受到技術(shù)替代威脅的勞動力歸并為低技能勞動力（Skill_low），把技能結(jié)構(gòu)細分為高、低兩類，對員工技能結(jié)構(gòu)分類進行深度優(yōu)化和升級。人力資本結(jié)構(gòu)變量定義如表2 所示：

（3）控制變量。為確保研究結(jié)果的準(zhǔn)確性，回歸模型還通過對一系列可能影響企業(yè)數(shù)字化轉(zhuǎn)型的公司特征變量進行控制，以提高研究的精度，選取企業(yè)規(guī)模（Size，企業(yè)總資產(chǎn)對數(shù)化處理）、企業(yè)總收入（Sale，對數(shù)化處理）、企業(yè)存續(xù)時長（ComAge）、資產(chǎn)負債率（Lev）、資產(chǎn)收益率（Roa）、固定資產(chǎn)占比（Ppe）、研發(fā)費用（Res）作為本文主要的控制變量。主要變量的描述性統(tǒng)計結(jié)果如表3 所示：

表3 中，高技能勞動力占比的均值約為31.9%，低技能勞動力占比的均值約為63.8%（其余數(shù)據(jù)無法識別技能）。本文主要使用上市企業(yè)數(shù)據(jù)，我國上市企業(yè)中多為高技能占比少、低技能占比多的制造業(yè)（趙爍等，2020），因此該數(shù)據(jù)結(jié)構(gòu)符合對于上市企業(yè)人力資本結(jié)構(gòu)的預(yù)期。高學(xué)歷勞動力占比約為40.3%，低學(xué)歷勞動力占比約為59.7%，說明我國上市企業(yè)中勞動力學(xué)歷水平依舊以低學(xué)歷為主導(dǎo)。同時，高技能勞動力占比（31.9%）明顯低于高學(xué)歷勞動力占比（40.3%），即企業(yè)在學(xué)歷、技能的不同人力資本構(gòu)成之間仍存在8.4%的差距。此外，企業(yè)數(shù)字化轉(zhuǎn)型（DIGI）均值為0.753，最大值為4.234，最小值為0，說明我國上市企業(yè)的數(shù)字化轉(zhuǎn)型程度差異明顯。

四、實證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果分析

表4 展示了人力資本結(jié)構(gòu)影響企業(yè)數(shù)字化轉(zhuǎn)型的基準(zhǔn)回歸結(jié)果。在其他條件不變時，列（1）和列（2）結(jié)果顯示，高技能與高學(xué)歷均顯著促進了企業(yè)數(shù)字化轉(zhuǎn)型，與前文理論分析相一致。為進一步比較技能與學(xué)歷作用的不同，列（3）為同時控制高技能與高學(xué)歷后的回歸結(jié)果，結(jié)果顯示高技能人才估計系數(shù)顯著為正，而高學(xué)歷人才估計系數(shù)并不顯著?？紤]到二者可能高度相關(guān)，計算Pearson 相關(guān)系數(shù)為0.399，并進行VIF 檢驗，結(jié)果分別為1.163 與1.145，表明二者不存在多重共線性問題。進一步，列（4）為標(biāo)準(zhǔn)化后的估計結(jié)果，高技能人才系數(shù)仍顯著為正，而高學(xué)歷人才估計系數(shù)仍不顯著。因此，基準(zhǔn)結(jié)果表明高技能人才在促進企業(yè)數(shù)字化中的作用更大，與理論分析所得結(jié)論相符。

（二）穩(wěn)健性檢驗

（1）內(nèi)生性檢驗。企業(yè)人力資本結(jié)構(gòu)變化與水平提升也是企業(yè)數(shù)字化發(fā)展的結(jié)果，因此，可能存在雙向因果的問題。影響企業(yè)數(shù)字化的一些因素由于測量困難而難以控制，導(dǎo)致基準(zhǔn)估計結(jié)果可能存在偏誤。由此，本文通過構(gòu)造工具變量的方式來緩解內(nèi)生性問題。

有研究表明，明清進士的數(shù)量會積極影響該地區(qū)的人力資本水平（Chen et al.，2020），該研究為本文選工具變量提供了一定思路。基于此思想，為解決可能存在的內(nèi)生性問題，本文參考夏怡然和陸銘（2019）以及龔浩等（2023）的方法，采用我國明清時期不同城市進士人數(shù)的對數(shù)（jinshi）作為高技能、高學(xué)歷人才的工具變量。該數(shù)據(jù)來自CNRDS 數(shù)據(jù)庫，通過《明清進士題名碑索引》整理出明清時期50061 名進士的籍貫，本研究在此基礎(chǔ)上進行手動整理，將進士籍貫與我國當(dāng)代市級行政區(qū)劃相匹配，對各地區(qū)的進士人數(shù)進行加總匹配至各城市，以此作為人力資本的工具變量。工具變量的選擇需同時滿足相關(guān)性和外生性假設(shè)，使用明清進士數(shù)量作為工具變量可以同時滿足兩方面假設(shè)。一方面，從人力資本的演變和發(fā)展來看，明清時期的科舉進士作為當(dāng)時高級人力資本水平的衡量，人數(shù)越多說明當(dāng)?shù)匚幕瘜τ谌肆Y本培育愈加重視，因此明清時期進士登科人數(shù)與當(dāng)今該地區(qū)的人力資本水平具有正相關(guān)性（Chen et al.，2020），滿足相關(guān)性假設(shè)。另一方面，明清兩朝的進士登科與現(xiàn)在相隔甚遠，很難對研究期內(nèi)的企業(yè)數(shù)字化水平產(chǎn)生直接影響，從而滿足外生性的假設(shè)。

由于工具變量需滿足相關(guān)性和外生性兩個假設(shè)。首先，使用AR 檢驗其相關(guān)性，結(jié)果顯示，Kleibergen-Paap rk Wald F 統(tǒng)計量分別為59.173 和118.016，表明工具變量與內(nèi)生解釋變量間存在著顯著的相關(guān)性。其次，Kleibergen-Paap rk LM 統(tǒng)計量在1%的顯著性水平上顯著，Cragg-Donald WaldF 統(tǒng)計量超過Stock-Yogo 弱工具變量識別F 檢驗在10%偏誤下的臨界值16.38，因此，通過了識別不足檢驗與弱工具變量檢驗，從而拒絕“工具變量識別不足和工具變量是弱工具變量”的原假設(shè)，即工具變量有效。

表5 列（1）和列（2）是以明清時期進士數(shù)量對數(shù)作為高技能勞動力的工具變量的回歸結(jié)果，列（3）和列（4）為明清時期進士數(shù)量對數(shù)作為高學(xué)歷勞動力的工具變量的回歸結(jié)果。第一階段的列（1）和列（3）變量的估計系數(shù)顯著為正，且在第一階段時F 大于10。第二階段的列（2）和列（4）系數(shù)都均在5%的顯著性水平上為正，表明引入工具變量削弱內(nèi)生性影響后，回歸結(jié)果仍與基準(zhǔn)回歸所得結(jié)論相一致，即高學(xué)歷與高技能人才均有助于推動企業(yè)數(shù)字化轉(zhuǎn)型。

（2）考慮人力資本影響的滯后性。由于人力資本對于企業(yè)數(shù)字化的影響存在一定滯后性，因此本文使用滯后一期的人力資本替代當(dāng)期人力資本解釋變量進行回歸。回歸結(jié)果見下表6，其中，列（1）、列（2）和列（3）分別為滯后一期的技能、學(xué)歷以及滯后一期技能與學(xué)歷的回歸結(jié)果。其中，列（1）和列（2）Skill_high 與Degree_high 的系數(shù)仍顯著為正，列（3）結(jié)果顯示，僅高技能人才估計系數(shù)顯著，與基準(zhǔn)回歸結(jié)果一致。表明在考慮人力資本影響的滯后性后，結(jié)果依然穩(wěn)健可靠，支持基準(zhǔn)回歸所得結(jié)論。

（3）更換企業(yè)數(shù)字化轉(zhuǎn)型測度方式。本研究參考趙宸宇等（2021）的測度方式，對企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)進行替代性度量。該方法仍采用企業(yè)年報中數(shù)字化轉(zhuǎn)型的關(guān)鍵詞頻數(shù)來刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度，與被解釋變量的測量方法有一定相似性，但該方法是從“數(shù)字技術(shù)應(yīng)用”“智能制造”“互聯(lián)網(wǎng)商業(yè)模式”和“現(xiàn)代信息系統(tǒng)”四個維度選取數(shù)字化轉(zhuǎn)型關(guān)鍵詞（99 個），與被解釋變量從五個維度選取關(guān)鍵詞（79 個）有一定區(qū)別。具體而言，將重新選取的數(shù)字化轉(zhuǎn)型關(guān)鍵詞與上市企業(yè)年報文本數(shù)據(jù)池進行匹配，運用Python 將關(guān)鍵詞在年報中出現(xiàn)頻率進行統(tǒng)計和加總，對各企業(yè)各年關(guān)鍵詞總詞頻數(shù)對數(shù)化處理后得到被解釋變量的替代指標(biāo)（DIGI2）。表7 列（1）和列（2）結(jié)果顯示，以技能和學(xué)歷衡量的高人力資本仍顯著提高了企業(yè)數(shù)字化轉(zhuǎn)型程度，列（3）將高技能與高學(xué)歷人才放于同一模型下進行考量，結(jié)果表明高技能人力資本對企業(yè)數(shù)字化轉(zhuǎn)型的提升作用仍然顯著，而高學(xué)歷人力資本仍未發(fā)揮顯著的提升作用，與基準(zhǔn)回歸所得結(jié)論相符。

（三）異質(zhì)性分析

考慮到不同所有制屬性、不同行業(yè)屬性、不同要素密集度企業(yè)間，數(shù)字化基礎(chǔ)水平、轉(zhuǎn)型速度存在較大差異，所需人力資本特征也存在差異。因此，進一步探究以技能和學(xué)歷衡量的高人力資本對企業(yè)數(shù)字化轉(zhuǎn)型的影響是否存在企業(yè)異質(zhì)性。

（1）所有制異質(zhì)性。本文按照我國企業(yè)所有制的差異，將企業(yè)分為國有、非國有兩種類型進行分組回歸。表8 列（1）和列（2）分別為高技能人力資本對國有、非國有企業(yè)數(shù)字化轉(zhuǎn)型的回歸結(jié)果，列（3）和列（4）為高學(xué)歷人力資本對不同所有制企業(yè)的回歸結(jié)果。結(jié)果表明，高技能人才對不同所有制企業(yè)的數(shù)字化轉(zhuǎn)型均有促進作用，而高學(xué)歷人才僅對非國有企業(yè)有促進作用?？赡茉蛟谟?，高技能人才具備可直接應(yīng)用的技能儲備和實踐經(jīng)驗，以及迅速解決技術(shù)問題的能力，可推動企業(yè)數(shù)字化技術(shù)和創(chuàng)新能力提升，因此在不同所有制企業(yè)間都具有顯著的正向影響。而高學(xué)歷人才僅在非國有企業(yè)數(shù)字化轉(zhuǎn)型中發(fā)揮正向推動作用的原因在于，非國有企業(yè)具有更高的管理靈活性和市場導(dǎo)向性，且具備更強的數(shù)字化轉(zhuǎn)型內(nèi)生動力，能夠更好地激活高學(xué)歷人才專業(yè)知識和創(chuàng)新能力賦能企業(yè)數(shù)字化轉(zhuǎn)型。相比之下，國有企業(yè)數(shù)字化轉(zhuǎn)型動機相對較弱，數(shù)字化轉(zhuǎn)型水平普遍更低（孫黎和常添惠，2024）。此外，國有企業(yè)管理創(chuàng)新和激勵機制更加規(guī)范化，集體決策過程和多元化目標(biāo)使得高學(xué)歷人才作用發(fā)揮受限。

（2）行業(yè)異質(zhì)性。研究發(fā)現(xiàn)，制造業(yè)數(shù)字化轉(zhuǎn)型進程相對滯后于服務(wù)業(yè)（袁淳等，2021）。同時，不同行業(yè)對于人力資本的需求存在差異。因此，以學(xué)歷和技能衡量的高人力資本對企業(yè)數(shù)字化轉(zhuǎn)型的推動作用，可能受到行業(yè)數(shù)字化轉(zhuǎn)型進程制約及行業(yè)異質(zhì)性人力資本需求的影響。基于此，本研究按照制造業(yè)和非制造業(yè)對樣本進行分類，進一步探討以技能和學(xué)歷衡量的高人力資本對不同行業(yè)數(shù)字化轉(zhuǎn)型的異質(zhì)性影響。表9 回歸結(jié)果顯示，高技能人才在1%的水平上顯著推動了制造業(yè)和非制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型，而高學(xué)歷人才僅在制造業(yè)企業(yè)中發(fā)揮正向推動作用。可能原因在于，高技能人才所擁有的技術(shù)知識和實踐能力對所有行業(yè)的數(shù)字化轉(zhuǎn)型都十分重要。制造業(yè)的數(shù)字化轉(zhuǎn)型涉及更為復(fù)雜的工藝流程設(shè)計研發(fā)和專業(yè)技術(shù)應(yīng)用，因此，對于高學(xué)歷及高技能人才的需求均較高。而在非制造業(yè)中，數(shù)字化轉(zhuǎn)型過程更加注重即時應(yīng)用、服務(wù)優(yōu)化及客戶需求相應(yīng)，因此，對于靈活和使用性更強的高技能人才需求更高，而對高學(xué)歷人才需求較少，導(dǎo)致高學(xué)歷在非制造業(yè)的數(shù)字化轉(zhuǎn)型中貢獻不顯著。

（3）要素密集度異質(zhì)性。數(shù)字化轉(zhuǎn)型過程中，不同要素密集度企業(yè)數(shù)字化轉(zhuǎn)型所需的人力資本結(jié)構(gòu)存在差異?；诖?，本研究參照趙宸宇（2021）及肖曙光和楊潔（2018）的研究方法，根據(jù)要素密集度將樣本分為勞動密集型企業(yè)、技術(shù)密集型企業(yè)和資產(chǎn)密集型企業(yè)，以檢驗人力資本結(jié)構(gòu)對不同要素密集度企業(yè)數(shù)字化轉(zhuǎn)型影響的異質(zhì)性。根據(jù)表10 的分析結(jié)果，高技能人才在勞動密集型和技術(shù)密集型企業(yè)中均能顯著促進企業(yè)數(shù)字化轉(zhuǎn)型，而高學(xué)歷人才僅在勞動密集型企業(yè)中有顯著的促進效果。首先，列（1）和列（4）的結(jié)果表明，在勞動密集型企業(yè)中，高技能和高學(xué)歷人才均能顯著促進數(shù)字化轉(zhuǎn)型?？赡茉蛟谟冢瑒趧用芗推髽I(yè)生產(chǎn)主要依靠大量勞動力，因此，既可通過引入高技能人才提高生產(chǎn)效率和技術(shù)水平，也可通過引入高學(xué)歷人才提升其管理能力和創(chuàng)新能力，即高學(xué)歷和高技能人力資本均能推動其數(shù)字化轉(zhuǎn)型。其次，列（2）和列（5）的結(jié)果顯示，在技術(shù)密集型企業(yè)中，僅有高技能人力資本能夠促進其數(shù)字化轉(zhuǎn)型。技術(shù)密集型企業(yè)依賴技術(shù)實踐和創(chuàng)新能力，高技能人才具備的技術(shù)操作能力和快速響應(yīng)能力更能幫助企業(yè)適應(yīng)不斷變化的數(shù)字化轉(zhuǎn)型需求；而高學(xué)歷人才可能更多側(cè)重于理論知識，在技術(shù)操作和實際應(yīng)用中存在一定局限性。最后，列（3）和列（6）的結(jié)果表明，在資產(chǎn)密集型企業(yè)中，高技能和高學(xué)歷人力資本對數(shù)字化轉(zhuǎn)型均未產(chǎn)生顯著影響。可能原因在于，資產(chǎn)密集型企業(yè)數(shù)字化轉(zhuǎn)型更多依賴于資本投入和設(shè)備升級，而非人力資本的投入，因此，高技能和高學(xué)歷人力資本未顯示出明顯的推動作用。整體而言，相較于高學(xué)歷人才，高技能人才在不同要素密集型企業(yè)中對數(shù)字化轉(zhuǎn)型的推動作用更為普遍。

五、渠道檢驗

如上文所述高技能勞動力可以通過充分利用未被吸收的冗余資源，強化企業(yè)吸收能力、創(chuàng)新能力，從而提升企業(yè)數(shù)字化轉(zhuǎn)型程度。因此，本文在基準(zhǔn)回歸基礎(chǔ)上，進一步設(shè)計實證分析，探究高技能勞動力是否可以通過促進未被吸收的冗余資源利用、吸收能力及創(chuàng)新能力提升來提升企業(yè)數(shù)字化轉(zhuǎn)型。具體而言，參考江艇（2022）的研究方法，構(gòu)建以下模型：

基于未被吸收的冗余資源視角，列（2）中未被吸收的冗余資源系數(shù)為0.335，在5%的水平上顯著為正，表明高技能勞動力可以顯著提升企業(yè)的未被吸收的冗余資源。原因可能是，高技能勞動力憑借其深厚的專業(yè)知識和素養(yǎng)，能夠有效地發(fā)現(xiàn)企業(yè)內(nèi)部尚未被充分吸收的冗余資源，充分利用這些未被吸收的冗余資源后，企業(yè)能夠靈活地應(yīng)對外部數(shù)字化環(huán)境的改變（貢文偉等，2020），對同行競爭者的數(shù)字化戰(zhàn)略及時做出反應(yīng)，緩解外部環(huán)境改變帶來的轉(zhuǎn)型壓力，在數(shù)字化轉(zhuǎn)型過程中更靈活、高效的配置資源。因此，高技能勞動力可以通過促進未被吸收的冗余資源利用，進而推動企業(yè)數(shù)字化轉(zhuǎn)型。

基于吸收能力和創(chuàng)新能力雙重視角，機制檢驗呈現(xiàn)不同結(jié)果。從吸收能力看，如表11 列（3）所示，吸收能力系數(shù)在1%顯著水平上顯著為正，表明高技能勞動力可顯著提高企業(yè)吸收能力。高素質(zhì)人力資本具備稀缺的生產(chǎn)配置、技術(shù)創(chuàng)新與吸收能力（黃燕萍等，2013），此視角下，高素質(zhì)技能人才擁有強大知識轉(zhuǎn)化和開發(fā)能力（Cruz - Rosetal，2018）。知識吸收轉(zhuǎn)化是企業(yè)降本與超越對手的必要條件，吸收能力助企業(yè)利用外部知識、轉(zhuǎn)化冗余資源，推動數(shù)字化轉(zhuǎn)型。從創(chuàng)新能力視角，列（4）結(jié)果顯示，創(chuàng)新能力系數(shù)為正且在1%水平下顯著，表明高技能勞動力能顯著提升企業(yè)創(chuàng)新能力，而創(chuàng)新能力是企業(yè)在激烈競爭與多變環(huán)境中保持優(yōu)勢的重要手段（Hoganetal.，2011）。綜上，高技能勞動力通過提升企業(yè)吸收與創(chuàng)新能力，促進知識吸收轉(zhuǎn)化，進而推動企業(yè)數(shù)字化轉(zhuǎn)型。

六、結(jié)論與討論

探究企業(yè)數(shù)字化轉(zhuǎn)型中的人才缺失問題，對于優(yōu)化數(shù)字人才培養(yǎng)、推進企業(yè)數(shù)字化轉(zhuǎn)型具有重要意義。本文使用2007—2020 年銳思（RESSET）和國泰安（CSMAR）中滬深A(yù) 股上市公司數(shù)據(jù)，從學(xué)歷與技能維度衡量人力資本結(jié)構(gòu)水平，實證檢驗人力資本結(jié)構(gòu)高級化對企業(yè)數(shù)字化轉(zhuǎn)型的影響及其異質(zhì)性，系統(tǒng)分析高技能人才推動企業(yè)數(shù)字化轉(zhuǎn)型的傳導(dǎo)機制。主要結(jié)論如下：（1）人力資本水平結(jié)構(gòu)高級化有助于企業(yè)數(shù)字化轉(zhuǎn)型；（2）相比高學(xué)歷人才，高技能人才對企業(yè)數(shù)字化轉(zhuǎn)型的正向影響效應(yīng)更強；（3）異質(zhì)性檢驗結(jié)果顯示，高技能在不同所有制、不同行業(yè)和勞動、技術(shù)密集型企業(yè)中均能夠促進企業(yè)數(shù)字化轉(zhuǎn)型，而高學(xué)歷人才僅在非國有制、制造業(yè)和勞動力密集型企業(yè)中能夠顯著促進企業(yè)數(shù)字化轉(zhuǎn)型，具有更廣泛的適用性；（4）作用機制檢驗表明，高技能人才可以通過提高企業(yè)未被吸收的冗余資源利用能力、吸收能力及創(chuàng)新能力，進而推動企業(yè)數(shù)字化轉(zhuǎn)型。

基于上述結(jié)論，本文可能具有如下政策啟示：

一是強化技能人才培養(yǎng)。一方面，應(yīng)重新審視人才培養(yǎng)的價值取向，強調(diào)職業(yè)技能培育重要性。積極落實《學(xué)歷證書+若干職業(yè)技能等級證書》制度，在獲得學(xué)歷證書的同時取得多張職業(yè)技能證書，培養(yǎng)“一專多能”的復(fù)合型人才，并探索將職業(yè)技能等級證書納入就業(yè)落戶政策支持范圍，通過政府引導(dǎo)形成教育與技能互為補充、相互促進的融合發(fā)展。另一方面，應(yīng)調(diào)整人才培養(yǎng)策略，以“技能中國”為核心，積極開展“職本貫通”培養(yǎng)項目，即前期在職業(yè)院校學(xué)習(xí)數(shù)字技能，后期在本科高校接受通識教育理論，確保勞動者配備專業(yè)化數(shù)字知識與技能，夯實企業(yè)數(shù)字化轉(zhuǎn)型人才底座。

二是實施“分企施策”的差異化人力資本配置政策。一方面，不同所有制、不同行業(yè)中的勞動、技術(shù)密集型企業(yè)，都應(yīng)更注重技能人才的引入和培養(yǎng)。相關(guān)企業(yè)應(yīng)加大對職業(yè)教育和技能培訓(xùn)的投入，建立健全技能人才培養(yǎng)體系，推進產(chǎn)教融合，以“招生即招工、入校即入企、企校雙師聯(lián)合培養(yǎng)”為主要內(nèi)容。企業(yè)應(yīng)與高校密切合作，共同培養(yǎng)數(shù)字領(lǐng)域技能人才，招生階段即與企業(yè)簽訂定向就業(yè)協(xié)議，入校后學(xué)習(xí)數(shù)字技術(shù)理論的同時進行實踐訓(xùn)練，由院校專業(yè)教師和企業(yè)數(shù)字技能工程師聯(lián)合授課，確保理論與實踐均衡發(fā)展，培養(yǎng)符合數(shù)字化需求的高素養(yǎng)、重實踐的技能人才。另一方面，非國有企業(yè)、制造業(yè)和勞動密集型企業(yè)應(yīng)同時重視高學(xué)歷、高技能人才的引入和培養(yǎng)，實行“雙軌制”培養(yǎng)計劃。對高學(xué)歷人才設(shè)立專項培養(yǎng)計劃，為其提供繼續(xù)教育和深造機會，以不斷更新知識儲備提升專業(yè)素質(zhì)。積極推進學(xué)歷、技能人才的協(xié)同合作，充分發(fā)揮各自優(yōu)勢形成資源互補，通過設(shè)立聯(lián)合項目組建跨職能團隊，集中攻克數(shù)字化轉(zhuǎn)型過程中的關(guān)鍵技術(shù)難題，全面推動企業(yè)的數(shù)字化發(fā)展。

三是發(fā)揮高技能人才的冗余資源利用能力、吸收能力及創(chuàng)新能力，助力企業(yè)數(shù)字化轉(zhuǎn)型。首先，企業(yè)應(yīng)鼓勵將高技能人才納入資源調(diào)查與評估體系，最大限度地發(fā)揮高技能人才對于企業(yè)未被吸收冗余資源的開發(fā)利用。其次，企業(yè)應(yīng)設(shè)計針對性的培訓(xùn)計劃，為技能人才提供專業(yè)化數(shù)字知識與技能的培訓(xùn)以提升其專業(yè)知識積累，利用其吸收能力高效識別企業(yè)內(nèi)部未被利用的冗余資源。此外，企業(yè)還應(yīng)建立高技能人才創(chuàng)新激勵機制，通過設(shè)立創(chuàng)新基金、創(chuàng)新孵化中心、工匠大師工作室及數(shù)字化轉(zhuǎn)型成果績效獎勵和股權(quán)激勵等方式，激勵高技能人才參與技術(shù)創(chuàng)新與產(chǎn)品研發(fā)，確保技能人才可以分享企業(yè)發(fā)展成果，從而促進技能人才將冗余資源轉(zhuǎn)化為技術(shù)創(chuàng)新成果，助力企業(yè)數(shù)字化轉(zhuǎn)型。

參考文獻

[1] 白雪潔，宋培，李琳. 數(shù)字經(jīng)濟發(fā)展助推產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型[J]. 上海經(jīng)濟研究，2022 年第5 期，第77-91 頁。

[2] 蔡洪波，張新平，譚卓立，等. 從助人到育人：高校發(fā)展型資助模式探索與實踐——以北京大學(xué)城市與環(huán)境學(xué)院為例[J]. 北京教育（高教），2022 年第6 期，第56-58 頁。

[3] 曾德麟，蔡家瑋，歐陽桃花. 數(shù)字化轉(zhuǎn)型研究：整合框架與未來展望[J]. 外國經(jīng)濟與管理，2021 年第5 期，第63-76 頁。

[4] 陳浩. 人力資本對經(jīng)濟增長影響的結(jié)構(gòu)分析[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007 年第8 期，第59-68 頁。

[5] 陳昆玉. 上市公司技術(shù)創(chuàng)新、融資與成長[J]. 科研管理，2015 年第3 期，第64-70 頁。

[6] 陳爽英，楊晨秀，井潤田. 已吸收冗余、政治關(guān)系強度與研發(fā)投資[J]. 科研管理，2017 年第4 期，第46-53 頁。

[7] 陳煜波，馬曄風(fēng). 數(shù)字人才——中國經(jīng)濟數(shù)字化轉(zhuǎn)型的核心驅(qū)動力[J]. 清華管理評論，2018 年第Z1 期，第30-40 頁。

[8] 龔浩，孫天翊，高珂. 賦能與共享：發(fā)展職業(yè)教育對推進共同富裕的作用機制研究[J]. 教育與經(jīng)濟，2023 年第4 期，第13-23 頁。

[9] 貢文偉，袁煜，朱雪春. 聯(lián)盟網(wǎng)絡(luò)、探索式創(chuàng)新與企業(yè)績效——基于冗余資源的調(diào)節(jié)作用[J]. 軟科學(xué)，2020 年第7 期，第114-120 頁。

[10] 韓躍，鄭勇. 財務(wù)冗余、人力資源冗余與公司績效——來自我國上市公司的經(jīng)驗數(shù)據(jù)[J]. 山東財經(jīng)大學(xué)學(xué)報，2019 年第6 期，第97-107 頁。

[11] 郝楠. 勞動力就業(yè)“極化”、技能溢價與技術(shù)創(chuàng)新[J]. 經(jīng)濟學(xué)家，2017 年第8 期，第27-32 頁。

[12] 胡鈺. 增強創(chuàng)新驅(qū)動發(fā)展新動力[J]. 中國軟科學(xué)，2013 年第11 期，第1-9 頁。

[13] 黃燕萍，劉榆，吳一群，等. 中國地區(qū)經(jīng)濟增長差異：基于分級教育的效應(yīng)[J]. 經(jīng)濟研究，2013 年第4 期，第94-105 頁。

[14] 江艇. 因果推斷經(jīng)驗研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國工業(yè)經(jīng)濟，2022 年第5 期，第100-120 頁。

[15] 江永紅，張彬，郝楠. 產(chǎn)業(yè)結(jié)構(gòu)升級是否引致勞動力“極化”現(xiàn)象[J]. 經(jīng)濟學(xué)家，2016 年第3 期，第24-31 頁。

[16] 蔣伏心，王竹君，白俊紅. 環(huán)境規(guī)制對技術(shù)創(chuàng)新影響的雙重效應(yīng)——基于江蘇制造業(yè)動態(tài)面板數(shù)據(jù)的實證研究[J]. 中國工業(yè)經(jīng)濟，2013 年第7 期，第44-55 頁。

[17] 李紅陽，邵敏. 城市規(guī)模、技能差異與勞動者工資收入[J]. 管理世界，2017 年第8 期，第36-51 頁。

[18] 梁文泉，陸銘. 城市人力資本的分化：探索不同技能勞動者的互補和空間集聚[J]. 經(jīng)濟社會體制比較，2015年第3 期，第185-197 頁。

[19] 凌文輇，張治燦，方俐洛. 中國職工組織承諾研究[J]. 中國社會科學(xué)，2001 年第2 期，第90-102+206 頁。

[20] 劉智勇，李海崢，胡永遠，等. 人力資本結(jié)構(gòu)高級化與經(jīng)濟增長——兼論東中西部地區(qū)差距的形成和縮小[J].經(jīng)濟研究，2018 年第3 期，第50-63 頁。

[21] 盧馨. 企業(yè)人力資本、Ramp;D 與自主創(chuàng)新——基于高新技術(shù)上市企業(yè)的經(jīng)驗證據(jù)[J]. 暨南學(xué)報（哲學(xué)社會科學(xué)版），2013 年第1 期，第104-117+163 頁。

[22] 馬穎，何清，李靜. 行業(yè)間人力資本錯配及其對產(chǎn)出的影響[J]. 中國工業(yè)經(jīng)濟，2018 年第11 期，第5-23 頁。

[23] 毛寧，孫偉增，楊運杰，等. 交通基礎(chǔ)設(shè)施建設(shè)與企業(yè)數(shù)字化轉(zhuǎn)型——以中國高速鐵路為例的實證研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022 年第10 期，第47-67 頁。

[24] 寧光杰，林子亮. 信息技術(shù)應(yīng)用?企業(yè)組織變革與勞動力技能需求變化[J]. 經(jīng)濟研究，2014 年第8 期，第79-92 頁。

[25] 潘蓉蓉，羅建強，楊子超. 冗余資源與吸收能力調(diào)節(jié)作用下的制造企業(yè)服務(wù)化與企業(yè)價值研究[J]. 管理學(xué)報，

2021 年第12 期，第1772-1779 頁。

[26] 裴璇，陸岷峰，王穩(wěn)華. 共同富裕背景下企業(yè)數(shù)字化轉(zhuǎn)型的勞動收入分配效應(yīng)研究[J]. 現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2023 年第4 期，第3-22 頁。

[27] 喬治·J·鮑哈斯. 勞動經(jīng)濟學(xué)（第三版）[M]. 夏業(yè)良譯，北京：中國人民大學(xué)出版社，2010。

[28] 宋建，鄭江淮. 中國企業(yè)創(chuàng)新與勞動技能升級：基于生產(chǎn)率頻譜效應(yīng)視角[J]. 世界經(jīng)濟，2022 年第10 期，第28-57 頁。

[29] 蘇昕，劉昊龍. 多元化經(jīng)營對研發(fā)投入的影響機制研究——基于組織冗余的中介作用[J]. 科研管理，2018 年第1 期，第126-134 頁。

[30] 孫黎，常添惠. 企業(yè)數(shù)字化轉(zhuǎn)型與對外直接投資[J]. 武漢大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024 年第2 期，第145-158 頁。

[31] 孫早，侯玉琳. 工業(yè)智能化如何重塑勞動力就業(yè)結(jié)構(gòu)[J]. 中國工業(yè)經(jīng)濟，2019 年第5 期，第61-79 頁。

[32] 汪前元，魏守道，金山，等. 工業(yè)智能化的就業(yè)效應(yīng)研究——基于勞動者技能和性別的空間計量分析[J]. 管理世界，2022 年第10 期，第110-126 頁。

[33] 王才. 數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新績效的作用機制研究[J]. 當(dāng)代經(jīng)濟管理，2021 年第3 期，第34-42 頁。

[34] 王玨，祝繼高. 勞動保護能促進企業(yè)高學(xué)歷員工的創(chuàng)新嗎？——基于A 股上市公司的實證研究[J]. 管理世界，2018 年第3 期，第139-152+166+184 頁。

[35] 王濤. 人力資源管理數(shù)字化轉(zhuǎn)型：要素、模式與路徑[J]. 中國勞動，2021 年第6 期，第35-47 頁。

[36] 王曉紅，李娜，陳宇. 冗余資源調(diào)節(jié)、數(shù)字化轉(zhuǎn)型與企業(yè)高質(zhì)量發(fā)展[J]. 山西財經(jīng)大學(xué)學(xué)報，2022 年第8 期，第72-84 頁。

[37] 王亞妮，程新生. 環(huán)境不確定性、沉淀性冗余資源與企業(yè)創(chuàng)新——基于中國制造業(yè)上市公司的經(jīng)驗證據(jù)[J]. 科學(xué)學(xué)研究，2014 年第8 期，第1242-1250 頁。

[38] 王永欽，董雯. 機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù)[J]. 經(jīng)濟研究，2020年第10 期，第159-175 頁。

[39] 吳非，常曦，任曉怡. 政府驅(qū)動型創(chuàng)新：財政科技支出與企業(yè)數(shù)字化轉(zhuǎn)型[J]. 財政研究，2021 年第1 期，第102-115 頁。

[40] 夏怡然，陸銘. 跨越世紀(jì)的城市人力資本足跡——歷史遺產(chǎn)、政策沖擊和勞動力流動[J]. 經(jīng)濟研究，2019 年第1 期，第132-149 頁。

[41] 肖曙光，楊潔. 高管股權(quán)激勵促進企業(yè)升級了嗎——來自中國上市公司的經(jīng)驗證據(jù)[J]. 南開管理評論，2018年第3 期，第66-75 頁。

[42] 肖土盛，孫瑞琦，袁淳，等. 企業(yè)數(shù)字化轉(zhuǎn)型、人力資本結(jié)構(gòu)調(diào)整與勞動收入份額[J]. 管理世界，2022 年第12 期，第220-237 頁。

[43] 謝忠強，成文雅. 中國式現(xiàn)代化語境中我國數(shù)字生態(tài)文明建設(shè)的重大意義、現(xiàn)實困境與發(fā)展進路[J]. 當(dāng)代經(jīng)濟研究，2024 年第4 期，第52-60 頁。

[44] 鄢杰，涂訓(xùn)，鄭靜. 高等教育擴張與個人收入階層流動——基于高校擴招的政策評估[J]. 當(dāng)代經(jīng)濟科學(xué)，2023年第5 期，第115-127 頁。

[45] 楊建芳，龔六堂，張慶華. 人力資本形成及其對經(jīng)濟增長的影響——一個包含教育和健康投入的內(nèi)生增長模型及其檢驗[J]. 管理世界，2006 年第5 期，第10-18+34+171 頁。

[46] 姚小濤，亓?xí)?，劉琳琳，? 企業(yè)數(shù)字化轉(zhuǎn)型：再認識與再出發(fā)[J]. 西安交通大學(xué)學(xué)報（社會科學(xué)版），2022年第3 期，第1-9 頁。

[47] 張國強，溫軍，湯向俊. 中國人力資本、人力資本結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)升級[J]. 中國人口·資源與環(huán)境，2011 年第10 期，第138-146 頁。

[48] 張國勝，杜鵬飛. 數(shù)字化轉(zhuǎn)型對我國企業(yè)技術(shù)創(chuàng)新的影響：增量還是提質(zhì)？[J]. 經(jīng)濟管理，2022 年第6 期，第82-96 頁。

[49] 張守鳳，劉昊蓉. 人力資本結(jié)構(gòu)對企業(yè)科技創(chuàng)新績效的影響[J]. 科技進步與對策，2023 年第14 期，第62-73 頁。

[50] 趙宸宇，王文春，李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J]. 財貿(mào)經(jīng)濟，2021 年第7 期，第114-129 頁。

[51] 趙鳳，王鐵男，王宇. 開放式創(chuàng)新中的外部技術(shù)獲取與產(chǎn)品多元化：動態(tài)能力的調(diào)節(jié)作用研究[J]. 管理評論，2016 年第6 期，第76-85+99 頁。

[52] 趙麗錦，胡曉明. 企業(yè)數(shù)字化轉(zhuǎn)型的基本邏輯、驅(qū)動因素與實現(xiàn)路徑[J]. 企業(yè)經(jīng)濟，2022 年第10 期，第16-26 頁。

[53] 趙爍，施新政，陸瑤，等. 兼并收購可以促進勞動力結(jié)構(gòu)優(yōu)化升級嗎？[J]. 金融研究，2020 年第10 期，第150-169 頁。

[54] 趙增耀，王喜. 產(chǎn)業(yè)競爭力、企業(yè)技術(shù)能力與外資的溢出效應(yīng)——基于我國汽車產(chǎn)業(yè)吸收能力的實證分析[J].

管理世界，2007 年第12 期，第58-66 頁。

[55] 甄紅線，王璽，方紅星. 知識產(chǎn)權(quán)行政保護與企業(yè)數(shù)字化轉(zhuǎn)型[J]. 經(jīng)濟研究，2023 年第11 期，第62-79 頁。

[56] Acemoglu， D.， “Patterns of skill premia”， Review of Economic Studies， 2003， 70（2）： 199-230.

[57] Acemoglu， D.， “Technical change， and the labor inequality， market”， Journal of Economic Literature， 2002， 40（1）： 7-72.

[58] Acemoglu， D.， and Autor， D.， “Skills， tasks and technologies： Implications for employment and earnings”， Handbook of Labor Economics， 2011， 4： 1043-1171.

[59] Acemoglu， D.， and Restrepo， P. “Automation and new tasks： How technology displaces and reinstates labor”， Journal of Economic Perspectives， 2019， 33（2）： 3-30.

[60] Acemoglu， D.， and Restrepo， P. “The race between man and machine： Implications of technology for growth， factor shares， and employment”， American Economic Review， 2018， 108（6）： 1488-1542.

[61] Andersson， D. E.， Gunessee， S.， Matthiessen， C. W.， et al.， “The geography of Chinese science”， Environment and Planning A： Economy and Space， 2014， 46（12）： 2950-2971.

[62] Argote， L.， and Ingram， P. “knowledge transfer： a basis for competitive advantage in firms”， Organizational Behavior and Human Decision Processes， 2000， 82（1）： 150-169.

[63] Autor， D. H.， Levy， F.， and Murnane， R. J. “Skill demand， inequality， and computerization： Connecting the dots”，Technology， Growth， and the Labor Market， 2003： 107-129.

[64] Becker， G. S. “Investment in human capital： A theoretical analysis”， Journal of Political Economy， 1962， 70（5， Part 2）：9-49.

[65] Becker， G. S. “Investment in human capital： effects on earnings”， NBER， 1975： 13-44.

[66] Bertschek， I.， and Marlene， M. “Productivity effects of it-outsourcing： semiparametric evidence for german companies”， Physica-Verlag HD， 2006： 130-154.

[67] Bhardwaj， A.， Sawy， O. A. E.， Pavlou， P. A.， et al. “Digital business strategy： toward a next generation of insights”，MIS Quarterly， 2013， 37（2）： 471-482.

[68] Brynjolfsson， E.， and Mcafee， A. “The second machine age： work， progress， and prosperity in a time of brilliant technologies”， WW Norton amp; Company， 2014， 14（11）： 1895-1896.

[69] Chen， T.， Kung， J. K.， and Ma， C. “Long live Keju！ The persistent effects of China’s civil examination system”， The Economic Journal， 2020， 130（631）： 2030-2064.

[70] Cruz-Ros， S.， Guerrero， S.， Diana， L.， and Miquel-Romero， M. J. “Absorptive capacity and its impact on innovation and performance： findings from SEM and fsQCA”， Review of Managerial Science， 2018， 15： 235-249.

[71] Davis， F. D.， “Technology acceptance model： TAM”， In M. N. Al-Suqri， amp; A. S. Al-Aufi （Eds.）， Information Seeking Behavior and Technology Adoption， 1989： 205-219.

[72] Dewan， S.， Ernst， E.， and Achkar， H. S. “World employment and social outlook： trends 2022”， International Labour Organization， 2022.

[73] Dorn， D.， “Essays on inequality， spatial interaction， and the demand for skills”， Verlag Nicht Ermittelbar， 2009.

[74] Gould， E. D， Moav， O.， and Weinberg， B. A. “Skill obsolescence and wage inequality within education groups”. The Economics of Skills Obsolescence. Emerald Group Publishing Limited， 2002： 215-234.

[75] Hervas-Oliver， J. L.， Boronat-Moll， C.， and Sempere-Ripoll， F. “On process innovation capabilities in smes： a taxonomy of process‐oriented innovative SMEs”， Journal of Small Business Management， 2016， 54（S1）： 113-134.

[76] Hogan， S. J.， Soutar， G. N.， and Mccoll-Kennedy， J. R.， et al. “Reconceptualizing professional service firm innovation capability： Scale development”， Industrial Marketing Management， 2011， 40（8）： 1264-1273.

[77] Kane， G. C.， Palmer， D.， and Phillips， A. N.， et al. “Strategy， not technology， drives digital transformation”， MIT Sloan Management Review， 2015.

[78] Mamduh， A.， and Pratikto， H. “Technology orientation and innovation capability in the digital transformation process of SMEs： A review”， International Journal of Research in Business and Social Science， 2021， 10（8）： 2147-4478.

[79] Marvel， M. R.， and Lumpkin， G. T. “Technology entrepreneurs’ human capital and its effects on innovation radicalness”，Entrepreneurship Theory and Practice， 2007， 31（6）： 807-828.

[80] Muller， A.， and Kolk， A. “Extrinsic and intrinsic drivers of corporate social performance： Evidence from foreign and domestic firms in Mexico”， Journal of Management Studies， 2010， 47（1）： 1-26.

[81] Roy， I. “Role of human resource practices in absorptive capacity and Ramp;D cooperation”， Journal of Evolutionary Economics， 2018， 28： 885-913.

[82] Schultz， T. W. “Investment in human capital”， American Economic Review， 1961， 51： 1-17.

[83] Svahn， F.， Mathiassen， L.， and Lindgren， R. “Embracing digital innovation in incumbent firms”， MIS Quarterly， 2017，41（1）： 239-254.

[84] Woessmann， L. “Schooling resources， educational institutions， and student performance： The international evidence”，Oxford Bulletin of Economics and Statistics， 2003， 65（2）： 117-170.

[85] Zahra， S. A.， and George， G. “Absorptive capacity： a review， reconceptualization， and extension”， Academy of Management Review， 2002， 27（2）： 185-203.