数字金融提升了技术创新水平吗

高星

【摘 要】 经济高质量发展的核心动力在于创新驱动。基于我国2011—2020年的省域面板数据，对数字金融如何影响技术创新进行实证分析。研究发现，数字金融发展促进了技术创新水平的提升，稳健性检验支持该结论；机制分析表明，数字金融可以通过促进人力资本积累，进而提升技术创新水平；异质性分析显示，相比于渐进性创新，数字金融对根本性创新的促进作用更大，在西部地区数字金融促进技术创新的效果更为明显，数字金融使用深度对技术创新具有更强的驱动作用。进一步发现，数字金融对技术创新的影响存在数字金融和城镇化的双门槛效应。研究为我国进一步加快数字化建设及创新驱动战略的实施提供了政策启示。

【关键词】 数字金融； 技术创新； 人力资本； 机制分析； 城镇化

【中图分类号】 F832  【文献标识码】 A  【文章编号】 1004-5937（2024）10-0049-08

一、引言

当前，我国经济进入高质量发展阶段，而创新驱动是高质量发展的重要抓手。党的二十大报告明确提出，要“加快实施创新驱动发展战略”“集聚力量进行原创性引领性科技攻关”“必须坚持守正创新”。毋庸置疑，想要实现高质量发展目标，强化创新驱动势在必行。但是，由于我国发展面临突出的不均衡问题，对基础研究投入不足，科技资源供给与产业发展需求存在错配，从而导致创新能力仍落后于经济高质量发展的内在要求。技术创新的开展需要大量资金作为支撑，然而技术创新是一项长周期、高风险且收益不确定的经济活动，传统金融机构不愿长期提供信贷资金。故而，传统金融对技术创新的支持十分有限。人工智能、区块链、物联网、5G等新一代数字信息技术不断升级，在创造人们新的生活空间、变革社会生产方式上释放出巨大能量。可以说，全球已经进入到数字化时代。在数字赋能下，金融和数字技术的融合诞生了数字金融。与传统金融相比，数字金融既是一种延续，同时更具包容性和普惠性。那么，数字金融的发展能否成为技术创新水平提升的推动力，值得探讨。

关于数字金融的已有研究可以从以下方面来看：（1）数字金融的减贫效应。姜美善和梁泰源[ 1 ]发现相较于传统金融，数字金融对农村居民收入具有更大提升作用，是农村居民减贫的重要动能，并且这种减贫效应随着经济发展水平的提高而增强。然而，刘自强和张天[ 2 ]的研究结果表明，尽管数字金融可以提升农户的收入水平，但没有显著减缓相对贫困。（2）数字金融的产业升级与创业效应。林炳华和陈景纳[ 3 ]、刘毛桃等[ 4 ]探讨了数字金融与产业结构升级的关系，研究表明数字金融可以通过助力扩张性信贷政策的实施、促进消费升级来推动产业结构升级。郑威和陆远权[ 5 ]分析了数字金融与创业的关系，结果表明数字金融通过优化营商环境，进而促进高质量创业。（3）数字金融的资产配置与盈余管理效应。赫国胜和耿丽平[ 6 ]从家庭风险金融资产配置视角进行分析，得出数字金融发展显著正向影响了家庭风险金融资产配置。薛龙等[ 7 ]发现数字金融通过降低企业融资约束，抑制了其盈余管理動机，降低了盈余管理程度。（4）数字金融的高质量发展效应。愈来愈多的学者注重数字金融与经济高质量发展的关系，认为数字金融与高质量发展之间是相互促进的，数字金融可以有效赋能高质量发展[ 8-9 ]。张蕊和余进韬[ 10 ]从实证上检验出数字金融可以通过优化营商环境促进经济增长。

已有文献为本文提供了良好的理论和经验基础，但数字金融与技术创新关系的问题仍需进一步探讨。创新活动的开展离不开人才，人力资本对技术创新提升具有巨大的推动作用。那么数字金融发展能否通过人力资本积累的作用来助力技术创新呢？在当前创新驱动战略的大背景下，深入考量此课题，对我国经济高质量发展具有重要的现实意义。与现有研究相比，本文具有以下贡献：（1）本文从人力资本视角出发，重点分析数字金融影响技术创新的人力资本渠道效应，为我国数字金融和技术创新关系的研究提供一个新的视角。（2）以往研究基本使用平均受教育年限来衡量人力资本，但该指标忽视了健康、培训、工作经验等重要因素，很难较为全面地衡量人力资本水平，本文则借助中央财经大学人力资本与劳动经济研究中心建立的一套人力资本发展综合指标数据，反映地区的人力资本水平。（3）在上述分析基础上，进一步讨论了数字金融影响技术创新是否存在基于数字金融和城镇化的门槛效应，以期考察二者关系的非线性特征。

二、理论分析与研究假设

（一）直接效应

数字金融对技术创新的影响：一方面，数字金融能够实现迅猛发展得益于数字技术的革新。数字技术发展的关键要素是数据，而数据要素具备协同性、渗透性等特征，可以重塑原有要素配置结构，打破了传统生产要素囿于时空的限制，加速技术、资本等要素的流动，要素供需双方的信息不对称问题在很大程度上有所缓解。信息不对称问题的减轻可以降低交易成本，要素资源配置能够得到持续改善，这有助于提高创新主体与创新资源的协同匹配度，进而促进创新产出的提升。另外，数字技术与传统实体经济部门的融合不断加深，将会重塑实体行业的价值创造模式，从而降低实体经济部门进行创新活动的成本，并且数字技术可以加速高新技术与非高新技术产业之间的新技术传播，促进二者相互融合、渗透、交叉，推动传统产业的创新。同时，从载体平台看，数字化连接了大量消费者和生产者，增强了各行业主体间的交流与创新参与，促进了创新发展。

另一方面，传统金融可以通过缓解资金供需双方融资约束、降低交易成本等为技术创新提供强有力的支持。然而，技术创新由于自身的不确定性，需要时间研发与试验，一些技术还需要等待市场的检验和认可，意味着技术创新投资周期长，甚至需要数十年才能获得市场回报。技术创新往往是在未知领域进行，属于典型的高风险活动。当前我国传统金融制度仍不完善，对创新投资风险很难进行有效评估，因此传统金融机构不愿为创新活动提供必要的资金支持，这无疑对创新的发展产生了阻碍作用。那么，如何打破信贷约束问题是推动创新活动实现可持续性的关键。数字金融可以说是传统金融的延续，除了延续传统金融功能外，还依托大数据、5G、区块链等信息技术，缓解资金供需双方的信息不对称。同时，数字金融不再受传统金融的空间限制，扩大了金融服务的覆盖面，最终金融服务成本得到降低。此外，数字金融大大简化了借贷审批程序，能够达成对各种中小微创新型企业的普惠性。数字金融满足了技术创新型企业在科技研发过程中长期、稳定的资金需求，有效缓解资金约束问题，提高技术创新能力。鉴于以上分析，提出假设1：

H1：数字金融发展对技术创新具有显著的促进作用。

（二）机制效应：人力资本

数字金融与人力资本的关系：首先，数字金融的发展促进了中小企业对高技能劳动力的需求，各类企业必定大力引进相关的复合型人才，为其提供更专业的培训，提高相应的薪酬待遇，不断提升他们的金融素养，最终实现人力资本的持续积累。其次，从服务对象看，数字金融能够为更多的低收入群体、农民、贫困群体等服务。这些群体的一个共同特征是没有足够的知识积累，受教育程度和技术水平低，导致人力资本水平也低。该群体中很多劳动力愿意提升自身的技能，甚至可以说他们提升自身人力资本的唯一途径就是培训，但他们缺少资金的支持。数字金融为他们提供了享受普惠金融服务的机会，信贷资金的可获得性得到增加，他們能够以很低的成本通过信贷进行教育、培训等方面的投资，从而促进自身人力资本的积累。最后，随着数字金融工作的开展，居民将会增加教育消费支出，提高参与有关专业技术交流和培训的机会，这无疑对人力资本积累产生了积极作用。个体在学习有关数字金融技术的过程中，可以吸取到更加先进和科学的教育理念，增加了对高质量教育的意愿，从而增加其对子代更高质量教育投入的可能性。

人力资本作为资本的一种，一方面遵循储备性、生产性、期望收入增加等一般规律，另一方面区别于物质资本的产生过程与结果。技术创新本质上属于一种知识创新活动，其从根本上源自人类后天的学习与探索。技术创新水平的提升需要依靠前期科学知识及技术的积累实现，而人力资本就是知识和技术的主要载体。所以，无论是个体所拥有的体力，还是持续的知识积累、丰富的工作经验以及健康的身体状况，都是影响技术创新的重要因素。人力资本是知识、技术、能力和健康的综合体现，一个地区的人力资本水平高，意味着地区拥有更高教育程度、综合素质的人才，他们庞大的知识储备和技术能力为技术创新奠定了基础。科技研发活动和研发成果的持续落地，也需要大量人力资本参与。Romer[ 11 ]指出，一个国家技术创新能力的大小在很大程度上依赖于人力资本水平的高低。鉴于以上分析，提出假设2：

H2：数字金融通过推动人力资本积累，进而提升技术创新水平。

（三）数字金融影响技术创新的异质性

技术创新可以分为不同类型，主要包括根本性创新和渐进性创新。根本性创新意味着新产品的研发、颠覆性技术的突破。渐进性创新表示的是现有产品或技术显著的、连续性改进。根本性创新更需要活跃的思维、前沿知识的积累，而渐进性创新更多依赖于个人工作经验的蕴蓄，故而有理由相信，数字金融对不同类型技术创新的影响存在差异。

我国幅员辽阔，是一个区域发展非均衡的国家。尽管近年来地区发展差距有所降低，但地区发展不平衡程度仍然较高，不同地区的经济、数字金融发展水平等有不小差距，不同地区数字金融对技术创新的影响程度可能存在差异。

数字金融发展由覆盖广度、使用深度以及数字化程度构成。数字金融三个维度的发展必然受到地区经济发展、区位等因素的影响，从而呈现出不同的发展特征，那么数字金融不同维度对技术创新的影响可能具有差异性。鉴于以上分析，提出以下假设：

H3a：数字金融对不同类型技术创新的影响具有异质性；

H3b：数字金融对技术创新的影响在不同区域具有异质性；

H3c：数字金融对技术创新的影响在数字金融结构上具有异质性。

三、实证策略

（一）基准模型

为检验数字金融如何影响技术创新，本文构建以下基准回归模型：

PSTIit=？琢0+？琢1DFit+Xitβ+？滋i+？着it  （1）

其中，PSTIit为省域i第t年的技术创新水平；DFit为省域i第t年的数字金融水平，其系数？琢1是本文关注的核心估计量；Xit表示控制变量；？滋i为省份固定效应；？着it为随机干扰项。

（二）变量与数据

被解释变量：技术创新（PSTI）。专利数量是技术创新活动的重要产出，可以很好地衡量地区的技术创新能力。考虑到不同省份人口规模的差异，本文选取人均专利授权数作为技术创新的度量指标，且进行对数化处理。

核心解释变量：数字金融（DF）。本文采用北京大学发布的《北京大学数字普惠金融指数（2011—2020年）》，该指数体系指标选取较为充足，维度比较全面，具有相当的可靠性和代表性，为本文的实证研究提供了良好的数据基础，回归时作对数处理。

控制变量。参考已有研究，本文选取了以下控制变量：产业结构升级（Iu），构建产业结构升级指数Iu=  ■yi×i=y1×1+y2×2+y3×3，式中的yi为第i产业产值与GDP的比值；人口结构（Pop）；研发投入（Rd）；传统金融发展（Finance）以及对外开放程度（Open）。

本文数据选用我国30个省份（包括直辖市与自治区，不含西藏与港澳台）2011—2020年的面板数据。数字金融数据来自《北京大学数字普惠金融指数（2011—2020年）》，剩余数据均来自《中国科技统计年鉴》《中国统计年鉴》以及各省份统计年鉴。

变量定义和描述性统计见表1。

四、实证结果及分析

（一）基准回归

数字金融影响技术创新的回归结果如表2所示。列（1）、列（2）为使用OLS方法估计的结果。列（1）是在不引入控制变量下，仅数字金融对技术创新的影响。列（2）中引入各控制变量，数字金融的估计值显著为正。进一步，使用组内估计法对面板固定效应模型进行估计，回归结果见列（3）、列（4），两列结果中数字金融的估计值仍显著为正，表明数字金融对技术创新具有促进作用。

模型中数字金融存在内生性问题，本文使用工具变量法进行缓解。参考黄群慧等[ 12 ]的思路，采用1984年每百万人邮局数量和每百人固定电话数量作为工具变量，工具变量需要满足相关性和排他性约束两个条件。数字金融离不开数字技术的发展，早期互联网技术催化出数字技术，而互联网发展则始于固定电话线拨号的接入。另外，在固定电话还没有普遍应用时，邮局是人们信息沟通的主要手段，这表明一定程度上邮局分布可能会影响到互联网，故相关性条件得到满足。伴随数字技术的发展，历史上固定电话数和邮局数对技术创新的作用正慢慢消失，难以对当前技术创新产生直接作用，因此，排他性约束条件得到满足。但是，历史上的固定电话数和邮局数没有时间维度，会引发第二阶段的估计无效。参考Nunn & Qian[ 13 ]的做法，将1984年每百人固定电话数和每百万人邮局数分别与上一年全国信息技术服务收入进行相乘，形成数字金融的工具变量，IV估计结果如表2列（5）、列（6）所示。第一阶段估计的F统计量分别为23.70和96.61，远超过10，通过了弱工具变量检验。2SLS估计结果表明数字金融对技术创新的影响显著为正。在缓解了内生性问题之后，数字金融发展提升技术创新积极效应的结论保持不变。

（二）稳健性检验

1.替换被解释变量

本文将技术创新的衡量指标替换为人均专利申请数，结果见表3列（1），数字金融系数为正，在1%的显著性水平下显著。

2.样本调整

央行在2016年颁发了《G20数字普惠金融高级准则》，我国数字金融发展开始进入高速通道。仅估计2016年及以后的样本，结果见表3列（2），可以看出，数字金融的参数估计值仍显著为正。

3.关于内生性问题的处理

本文采取以下方法：一是对数字金融进行滞后一期处理，估计其对技术创新的影响，回归结果如表3列（3）所示，數字金融滞后一期项系数显著为正。二是在模型引入技术创新的滞后一期项，构建动态面板模型，采用广义矩估计方法进行估计，结果如表3列（4）所示，LnDF显著为正。

综上分析，数字金融系数均通过了显著性检验，表明本文结论是稳健的，即数字金融发展有助于促进技术创新水平的提升。至此，H1得到支持。

（三）机制检验

根据理论分析，人力资本可能是数字金融影响技术创新的重要传导机制。借鉴Cameron et al.[ 14 ]和殷戈等[ 15 ]的做法，构建如下机制检验模型：

HCit=？琢0+？琢1DFit+Xitβ+？滋i+？着it （2）

其中，HC表示人力资本，即为本文的机制变量。关于人力资本的衡量，多数研究使用平均受教育年限，但该指标衡量较为单一，忽视了工作经验、培训、生命周期以及健康等重要因素，无法全面衡量人力资本水平[ 16 ]。为此，中央财经大学的人力资本与劳动经济研究中心基于更科学的人力资本估算方法，构建了第一套定量描述我国人力资本发展的综合指标体系，并建立了中国人力资本数据库①。因此，本文使用该套人力资本数据作为机制检验的中介变量，估计结果见表4。列（1）是数字金融影响人力资本的面板固定效应模型的回归结果，列（2）—列（4）分别为工具变量的2SLS估计结果、数字金融滞后一期以及动态面板模型的估计结果，可以看出，数字金融估计值均显著为正。以上结果表明在缓解了内生性问题后，数字金融对人力资本存在显著的正向影响，即数字金融发展促进了人力资本的积累。已有研究[ 17-19 ]通过实证证据，验证了人力资本可以显著提升技术创新水平。鉴于以上分析，数字金融发展可以通过促进人力资本积累，进而提高技术创新水平。H2得到验证。

（四）异质性分析

专利包括三类：发明型专利、实用新型专利与外观设计型专利。参考沈可和李雅凝[ 20 ]的做法，将技术创新分为两大类型：一是根本性创新（PSTI_fd），以人均发明型专利授权数来衡量；二是渐进性创新（PSTI_im），以人均实用新型专利授权数和人均外观设计型授权数之和来衡量。以此来考察数字金融对不同类型技术创新的影响是否存在差异，检验结果见表5列（1）、列（2）。可以看出，数字金融发展对根本性创新和渐进性创新均具有促进作用，并且数字金融发展促进根本性技术创新的作用更强。因此，数字金融影响技术创新存在显著的创新类型异质性，H3a得到支持。

表5列（3）—列（5）为东部、中部、西部地区异质性检验结果。可以看出，在东部地区，数字金融对技术创新的影响在统计上没有通过检验，而中西部地区数字金融发展都产生了显著影响，并且西部地区的作用效果最大。因此，数字金融影响技术创新具有显著的区域异质性，H3b得到验证。

表5列（6）—列（8）分别为覆盖广度（Breadth）、使用深度（Depth）以及数字化程度（Digit）对技术创新的影响。其中，数字金融覆盖广度和使用深度对技术创新均产生了积极效用，但数字化程度没有通过显著性检验，并且，数字金融使用深度对技术创新的作用强度最大。所以，数字金融影响技术创新存在显著的结构异质性，支持了H3c。

五、拓展分析

由前文分析可知，数字金融发展显著提升了技术创新。然而，由于数字金融对地区技术创新发展的影响是多维度的，其影响可能会随着数字金融处于不同水平而呈现不同特点。此外，自改革开放以来，我国经历了快速城镇化，城镇化作为经济发展和社会转型的重要体现，对数字金融与技术创新的关系是否产生了重要影响？即数字金融影响技术创新可能存在数字金融和城镇化的门槛效应。因此，有必要对该问题作进一步讨论。通过构建如下面板门槛模型进行检验：

PSTIit=？琢0+？琢1DFitI（qit≤γ）+？琢2DFitI（qit>γ）+Xit？茁+？滋i+？着it

（3）

模型（3）为单门槛模型，在其基础上，可以扩展到多重门槛模型。其中，qit表示门槛变量，即数字金融与城镇化，城镇化使用城镇人口占总人口的比重来衡量。门槛效应检验（自助抽样300次）如表6所示，结果表明存在数字金融和城镇化的双门槛效应。数字金融的两个门槛值分别为5.319和5.628，城镇化的门槛值分别为50.79和59.60。

门槛回归结果见表7。当门槛变量为数字金融时，数字金融被划分为3个区间，随着数字金融水平超过门槛值，数字金融的回归系数逐渐变大，即随着数字金融水平的提升，数字金融对技术创新的积极影响逐渐增强。2020年，所有省份的数字金融指数（对数）均已超过5.628，意味着当前各省数字金融水平对技术创新均产生了很强的积极效应。对于城镇化门槛变量，随着城镇化率超过每个门槛值，数字金融的估计系数逐渐增大，表明随着城镇化率的提高，数字金融对技术创新的促进作用更大。2020年，城镇化率超过59.60%的省份有21个，大于50.79%小于59.60%的省份有8个，小于50.79%的省份只有1个。这意味着当前大部分省份处于较高的城镇化水平，数字金融对技术创新水平促进作用已经发挥了重要影响。当前，新型城镇化战略正在大力推动，愈来愈多省份的城镇化率在将来会越过第二门槛值，数字金融将会发挥出更强的积极作用。

六、结论与政策建议

（一）研究结论

本文基于我国30个省份2011—2020年的面板数据，考察了数字金融对技术创新的影响。根据实证结果，得到以下主要结论：（1）数字金融对技术创新产生了显著的正向影响，即数字金融的发展促进了技术创新水平的提高；（2）人力资本是二者关系的重要桥梁，即数字金融可以通过推动人力资本积累，进而提升技术创新水平；（3）数字金融对技术创新的影响存在显著的创新类型异质性、地区异质性和结构异质性，即相比渐进性创新，数字金融发展促进根本性创新的作用更强，在西部地区数字金融促进技术创新的效果更为明显，数字金融使用深度对技术创新具有更强的驱动作用；（4）数字金融对我国技术创新的影响存在数字金融和城镇化的双门槛效应，随着数字金融水平和城镇化率的提升，可以增强数字金融对技术创新的促进作用。

（二）政策建议

第一，继续完善新型数字基础设施的建设，加快数字化发展，加强数字金融布局。本文研究结论表明数字金融不仅可以促进技术创新，而且随着数字金融水平的提升，数字金融的创新效应逐渐增强。数字金融发展离不开新型数字基础设施的建设，应继续加大建设区块链、大数据、5G等新型数字基础设施，提高数字金融的发展速度。优化数字金融监管体系与监督评估机制，加快研发基于数字技术的监管工具和监管平台，对大模型算法、应用场景等加强监控和防范。另外，人才队伍建设也是数字金融发展的应有之意。应紧跟人工智能、云计算等前沿数字技术的发展趋势，完善数字金融人才培养体系，在高校和科研院所建设金融与数字技术的交叉学科，着力培养符合数字金融发展需求的复合型人才。

第二，实施因地制宜策略，加大对根本性创新的投入。数字金融影响技术创新具有区域异质性，这表示在不同区域不应该实施“一刀切”策略。各地区应该因地制宜，制定差异化的数字金融发展政策。东部地区应发挥资金、人才等优势，注重关键数字技术的突破，从而为其他地区发挥辐射作用。而中西部地区应利用政策倾斜优势，驱动“后发优势”，提高中西部地区数字金融服务的可得性，持续改善数字金融产业生态，强化数字金融的宣传与推广工作，逐步缩小数字金融发展水平的差距，最终实现区域间数字金融的均衡发展。数字金融发展促进根本性技术创新的作用更强，未来应持续加大对基础研发的投入，聚焦创新主体和重点产业，健全知识产权公共服务体系，强调高价值发明专利的产出，从而助力数字金融红利的释放。

第三，继续优化城镇化布局，持续推进新型城镇化进程。本文研究结论支持了城镇化率提高可以增强数字金融对技术创新的促进效应，因此，未来新型城镇化需要进一步加快推进，建议以人为中心，通过建立市民化配套政策体系和营造平等包容环境，有序推进流动人口的市民化，吸引农村劳动力投入到新型城镇化的建设中。同时，在户籍制度改革方面，应进一步推动户籍放开放宽政策，尽快取消城市尤其是大城市的落户限制。扩大和增强居住证的公共服务范围和功能，增加城市公共服务对非户籍人口的覆盖，从而更好发挥城镇化在数字金融影响技术创新中的重要作用。

【参考文献】

［1］ 姜美善，梁泰源.传统金融与数字普惠金融的减贫增收效应：差异性与互补性［J］.广东财经大学学报，2023，38（5）：57-74.

［2］ 刘自强，张天.区域数字金融发展对乡村相对贫困的影响及其作用机制［J］.金融发展研究，2021（11）：13-20.

［3］ 林炳华，陈景纳.数字普惠金融的产业结构升级效应及空间差异［J］.福建论坛（人文社会科学版），2022（5）：76-86.

［4］ 刘毛桃，方徐兵，何启志.数字普惠金融能促进中国城市产业结构的升级吗？［J］.经济问题探索，2023（5）：140-157.

［5］ 郑威，陆远权.数字金融、营商环境与高质量创业［J］.现代经济探讨，2023（5）：85-95.

［6］ 赫国胜，耿丽平.数字金融发展对家庭风险金融资产配置的影响：基于Bootstrap有调节的中介模型［J］.经济体制改革，2021（6）：135-141.

［7］ 薛龙，刘家诺，黄琦.数字普惠金融与企业盈余管理［J］.会计之友，2022（23）：46-55.

［8］ 王刚贞，陈梦洁.数字普惠金融影响经济高质量发展的渠道机理与异质特征［J］.财贸研究，2022，33（10）：45-56.

［9］ 陈熹，邢凯.数字金融在促进经济高质量发展中的作用与机制研究［J］.江西社会科学，2023，43（11）：79-89.

［10］ 张蕊，余进韬.数字金融、营商环境与经济增长［J］.现代经济探讨，2021（7）：1-9.

［11］ ROMER M.Endogenous technological change［J］.Journal of Political Economy，1990，98（5）：71-102.

［12］ 黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验［J］.中国工业经济，2019（8）：5-23.

［13］ NUNN N，QIAN N.Us food aid and civil conflict［J］.American Economic Review，2014，104（6）：1630-1666.

［14］ CAMERON T，SEAGER J，SHAH M.Crimes against morality：unintended consequences of criminalizing sex work［J］.The Quarterly Journal of Economics，2021，136（1）：427-469.

［15］ 殷戈，黄海，黄炜.人力资本的代际外溢性：来自“别人家的父母”的证据［J］.经济学，2020，19（4）：1491-1514.

［16］ 李海峥，李波，裘越芳，等.中国人力资本的度量：方法、结果及应用［J］.中央财经大学学报，2014（5）：69-78.

［17］ 吕洪燕，于翠华，孙喜峰，等.人力资本结构高级化对技术创新绩效的影响［J］.科技进步与对策，2020，37（3）：133-141.

［18］ 王智勇，李瑞.人力資本、技术创新与地区经济增长［J］.上海经济研究，2021（7）：55-68.

［19］ 苏科，周超.人力资本、技术创新与绿色全要素生产率：基于长江经济带城市数据分析［J］.经济问题，2021（5）：71-79.

［20］ 沈可，李雅凝.中国的人口老龄化如何影响科技创新：基于系统GMM方法与动态面板门槛模型的经验证据［J］.人口研究，2021，45（4）：100-113.