数字金融提升区域人力资本承载力的机理研究

薛世明 谢周亮

摘   要：中国数字金融发展迅速，为区域人力资本承載力的提升创造了无限可能。文章基于2011—2020年中国省级面板数据，先对各省（自治区、直辖市）的人力资本承载力进行测算，随后运用固定效应模型、分位数模型和空间杜宾模型等对数字金融影响区域人力资本承载力的机理进行实证检验。结果表明：数字金融的发展有助于本地区人力资本承载力的提升，而对邻近地区人力资本承载力的提升没有表现出显著影响，即存在一定的数字隔离；随着人力资本承载力分位点的递增，数字金融对人力资本承载力的提升作用逐渐减弱。

关键词：数字金融；人力资本承载力；空间杜宾模型；面板分位数

中图分类号：F830  文献标识码：A  文章编号：1674-2265（2023）03-0022-08

DOI：10.19647/j.cnki.37-1462/f.2023.03.004

一、引言

人力资本作为政策执行与社会发展的核心要素，决定了一个地区在相当长时间内的发展潜力，直接关系到经济社会的可持续发展。随着人口红利逐渐消失，人才价值愈发凸显，各地区发展也越来越倚重人力资本。因此，各地纷纷开展人才战，相继推出人才引进政策，为经济高质量发展奠定人力基础。数据显示，2021年东部、中部、西部、东北部地区人才净流入占比分别为12.9%、-4.7%、-3.8%和-4.4%，东部人才持续集聚，中部、西部、东北部人才持续净流出①。可以看出，中部、西部和东北部地区不仅难以引进人才，也无法真正留住人才。这些地区的人才引进政策之所以达不到预期效果，与其人力资本承载力密切相关，承载力一定程度上代表着容纳力和吸引力。地区人才引进政策落实不好、就业难、人力资源浪费、知识失业等现象都是地区人力资本承载力不足的表征。

数字金融作为当前时代的发展潮流，为中国经济高质量发展注入了新动力，有力地打破了国内外经济疲软的困局。数字金融以数据和信息作为重要生产要素，与不同经济形态交叉融合，一方面，催生出众多新业态，创造大量知识和技术密集型岗位，有利于提高人岗适配度，减少人力资本的错配和浪费，为各类技能型劳动力的生存发展提供了广阔的空间，既能吸引人力资本流入，又能真正留下人才；另一方面，凭借普惠金融的推广应用，融资门槛不断降低，人力资本投资的经济收敛效应不断强化突出，能够对地区人力资本承载力的提升产生积极影响。中国兼具网络大国和人口大国的双重身份，数字技术在金融领域和劳动力市场中的应用极为广泛，数字金融自身所具备的创造效应、技术效应、溢出效应、普惠效应等都对地区的人力资本承载力产生着重要影响。因此，厘清数字金融与地区人力资本承载力的关系，有利于为政府人力决策提供有益的政策启示。

与本研究较为相似的是数字金融对人力资本的影响研究。在宏观方面，数字金融与传统产业的融合发展催生了新产业和新的生产生活模式，对产业结构调整、就业结构改善、城乡二元经济结构破解等发挥着重要作用（丛屹和闫苗苗，2022）[1]；在微观方面，数字金融的持续深化发展对个人收入、就业选择、生活方式、认知及非认知方面的变动具有极大的综合性影响（高文书，2021）[2]。但人力资本研究与人力资本承载力研究始终存在较大差异，人力资本承载力是随着经济高质量发展的提出由人口承载力衍变而来的。当前学界围绕人力资本承载力的研究不仅包括收入、教育、基础设施等对其的影响，也涉及其与经济增长、区域高质量发展等方面的关联，还包括对人力资本承载力的测度以及提升人力资本承载力的一系列对策研究（张勋等，2019）[3]。例如，提升区域软环境，降低高学历女性的家庭沉没成本，对特定劳动群体提供不同的就业及工资福利待遇，都有利于提升人力资本承载力水平。关于人力资本承载力的测度，国际上多以人口承载力、社会承载力来代替（Harding，1986；Daily和Ehrlich，1992）[4，5]，而国内广泛使用的是指标体系法，虽然这一做法较为成熟，但是已有的人力资本承载力测度大多集中于某些特定区域或特定群体，曹小曙和徐建斌（2018）[6]证实数字金融发展和数字产业结构的调整分别对社会的中、高技能劳动力及一些特定的高知群体，例如科技人才、高校从业人员等有极大的激活力，促进了经济社会对这方面人力资本承载力的提高。总体来看，现阶段全国范围内的人力资本承载力测算研究仍较为缺乏（刘军和白文杰，2010）[7]，将数字金融与人力资本承载力纳入同一框架内的理论分析与实证检验也较少。

根据新经济地理学理论，地理邻近性和空间差异性是地区间产业结构转型升级、人力资源利用优化和经济高质量发展等的重要影响因素，溢出效应的存在对地方人力资本承载力的提升同样起到重要作用（郭家堂和骆品亮，2016）[8]。此外，数字金融发展对地区人力资本的扩容提升作用在时间上存在一定的滞后效应、累积效应或U形趋势（王龙杰等，2019）[9]，也可以表现为数字鸿沟、空间溢出等。其中，空间溢出既有正向作用的情况，也有负向作用的情况，也可能对邻近地区没有显著空间效应（李梦娜和周云波，2022）[10]。这也说明数字鸿沟在数字经济时代依然明显，地区人力资本承载力提升是否会得益于数字金融发展及其溢出等问题仍值得研究。因此，关于数字金融与人力资本承载力的研究还有许多值得完善扩展之处。

数字金融作为新兴增长点，其广泛持续发展更是未来的大势所趋，厘清数字金融对地区人力资本承载力的作用机理，对我国的数字金融发展以及未来的人才战略制定都具有重要意义。鉴于此，本文将结合数字金融发展的时代背景，从社会、科教、劳动、资源环境等方面构建人力资本承载力的测算指标；以2011—2020年中国省级面板数据为样本，通过固定效应模型和分位数模型对数字金融对人力资本承载力的异质性影响进行分析；利用空间杜宾模型从空间方面对作用机制进行实证检验，全方位、多角度考察数字金融对人力资本承载力的影响。

二、理论机制与研究假设

数字金融的发展会重构原有的劳動分工与协作体系，推动产业结构的优化升级，促进劳动力结构的完善和就业通道的畅通，从而提升区域人力资本承载力，具体理论机制见图1。

从产业结构出发，数字金融的发展通过数字产业化和产业数字化等渠道推动着产业结构的优化转型，继而为地区人力资本优化和承载力提升奠定了坚实的物质基础（崔海洋和袁倩莹，2022）[11]。一方面，数字要素的积累和集聚衍生出了各类新型经济业态，多维度推动着我国产业结构的优化升级。在市场机制的主导下，数字金融实现了人力、技术、资本等要素的合理高效配置，一定程度上破解了工业经济下要素错配的桎梏，为人力资本要素的优化配置提供了发展空间（俞伯阳和丛屹，2021）[12]。另一方面，数字金融凭借普惠性、驱动性和高渗透性有效地拓展了中国企业和社会层面的创新深度，并依据技术扩散效应，一定程度上缓解了市场上信息不对称的问题，从“水平效应”与“结构效应”渠道显著推动着产业成长与技术创新（易信和刘凤良，2015）[13]，使劳动力要素在产业部门间以更合理的方式通过更丰富的媒介流动（杜莉和王梓琦，2022）[14]。可见，在数字金融发展的带动下，产业结构不断趋向高级化和合理化，更能发挥地区的创新力、竞争力和经济活力，激发人力资本红利，强化地区的人力资本承载力。

从劳动结构出发，当前我国人口老龄化严重，中端劳动力供给严重短缺，劳动力成本不断攀升，工业经济腾飞所依赖的人口红利已渐趋消逝，正处于劳动力市场转型的关键期，经济增长和劳动力结构调整都面临着巨大挑战。而数字金融的出现，打破了城乡间和地域间的人口流通限制，促使劳动力人口在区域间均匀流动，对破解中国目前所面临的区域劳动力供需不平衡问题作用重大，能够真正做到优化人力资源环境（李晓栋和万诗婕，2022）[15]。

从就业结构出发，数字金融的深化发展能够扩大知识和技术密集型产业的就业规模，促使地区人力资本承载力发生变化。一方面，数字金融的快速发展将增加对中、高技能劳动力的需求，减少对低技能劳动力的需求，缓解目前就业市场上的大学生就业难、知识失业、人力资源浪费等问题（谢绚丽等，2018）[16]。另一方面，数字金融的深化发展使得劳动力市场对程序化和简单化劳动力的需求减少，对非程序化和复杂化劳动力的需求增加，能够缓解目前我国劳动力供需市场上的结构性矛盾。周天芸（2022）[17]的研究就发现数字金融可以通过降低劳动力要素价格的扭曲程度，改善要素市场。合理配置地区人力资源，既能发挥地区人力资源优势，又能够提升地区的人力资本总体承载力。综上所述，本文提出如下假说：

H1：数字金融对地区人力资本承载力提升具有积极作用。

随着数字时代的到来，我国各地区间的经济活动表现出越来越强的相关性，关于数字金融对人力资本承载力影响的空间溢出效应，主要可以从两方面进行考虑。一方面，数字技术打破了传统的地域限制，降低了金融服务的准入门槛，促进区域间发生要素流动、经济合作，从而产生扩散作用。具体来说，在大数据、网络的连接下，地区间的经济交流和合作较传统经济形态下大幅增加，数字金融衍生出的数字化、信息化应用会引起其他地区的模仿和学习，区域间发生技术追赶和竞争，落后地区不断向先进地区靠拢，产生相关的知识、技术溢出，促进本地区和临近地区的产业结构调整升级和经济高质量发展，从而改善区域的劳动力供需匹配结构和生存发展环境，提高地区的人力资源容纳力（Chava等，2013）[18]。但另一方面，数字金融对地区人力资本承载力影响的空间溢出效应可能受到多种因素的阻碍。一是由于地区发展阶段和发达程度的千差万别，各地区的数字金融发展基础和人力资源环境具有极大的异质性和阶段性，这种异质性和阶段性很可能会阻碍数字金融的空间溢出效应发挥作用（汤继强等，2022）[19]。数字金融存在地域发展不平衡、不充分的问题，发达地区在一定程度上会凭借自身信息化优势和地方保护主义，形成空间上的虹吸效应，加剧各种要素的竞争，导致区域价格扭曲、资源配置失调等问题进一步放大（芦婷婷和祝志勇，2022）[20]。二是当前大中心、小集聚的区域发展格局将区域整体分割成了若干独立的小区块，高质量的劳动力、资本、技术交流也会因各地区间的经济、地理、文化差异而受到制约，限制了区域间人力资本承载力提升的正向互动效应，甚至产生负向溢出。三是在现实情况中，各地区之间存在一定的数字鸿沟和数字隔离，这会使得数字金融难以发挥其带动邻近地区人力资本承载力提升的作用，只对本地区的人力资本承载力产生作用。据此，本文提出如下对立假说：

H2a：数字金融的发展对地区人力资本承载力的影响存在空间溢出效应。

H2b：数字金融的发展对地区人力资本承载力的影响不存在空间溢出效应。

三、研究设计

（一）样本选择与数据来源

文章选取2011—2020年中国31个省（自治区、直辖市，以下简称省份）的面板数据作为研究对象，并对其中的缺失数值进行ARIMA填补。除北京大学数字普惠金融指数外，其余原始数据均来自《中国统计年鉴》和中国经济信息网等。

（二）变量选取

1. 被解释变量：人力资本承载力（cz）。所谓人力资本承载力，其实是一定时期某区域或某产业范围内，能够最大可能地实现各种生产要素产出效率所需要的人力资本总量（刘军和周绍伟，2004）[21]。人力资本承载力与一个地区的经济发展水平和持续发展活力有关，决定了地区对人才的吸纳能力。人才的能动性在于人力资本会流向或留在能够干事创业、发挥自身潜能、实现个人抱负的地方。也就是说，惜才爱才尊才的引才政策本身固然重要，但决定人才政策效果的仍是地方能否培育适合人才成长的经济热土。因此，人力资本承载力试图从劳动力需求角度来度量经济社会对人才的容纳能力，其度量指标包括决定当前和未来劳动力需求的一系列宏观经济变量。基于此，本文将人力资本承载力的评价因素划分为区域科教发展状况、劳动力状况、社会物质状况和资源环境状况四个方面，并进行熵值综合测算，具体指标体系如表1所示。

2.解释变量：数字金融（index）。本文使用2011—2020年的北京大学数字普惠金融指数来作为数字金融发展水平的代理变量，为平衡指数差异，对其取对数。

3. 控制变量。（1）政府干预程度（gov）：采用地区财政支出总额与GDP之比来表示。政府干预程度越高，对居民的基础保障也越多，但同时也会对人力资本承载力产生较为复杂的影响。（2）外资利用水平（fdi）：采用地区实际利用外资数额占地区GDP的比重表示。外资利用水平越高，代表地区资源整合程度和对外开放水平越高，环境包容性和经济发达程度更强，对地区人力资本承载力也具有重要影响。（3）产业结构（indust）：采用第三产业增加值与GDP之比来表示。随着第三产业蓬勃发展，区域对人才的容纳力也会越来越强。（4）需求结构（xq）：使用社会零售总额与GDP之比来表示。它一般代表着社会生产力和消费水平，它的兴衰对行业规模和生产扩展存在相当影响，也会影响地区的人力资本承载力。（5）收入公平（ie）：使用基尼系数来表示。收入越公平，地区贫富差距越小，社会和谐程度越高，对人才的吸引承载力也就越强。

（三）描述性统计

主要变量的描述性统计结果见表2。

（四）模型设计

1. 基准回归模型。为验证假说1，研究数字金融对地区人力资本承载力的影响效果，特构建以下面板固定效应模型：

2.面板分位数模型。根据上述人力资本承载力定义，一定区域内人力资本需要与其他生产要素投入量保持适度的比例关系，不同区域的人力资本与其他各要素投入比例的不同会导致人力资本的效率存在差异，从而影响数字金融对其的作用效果（任乐，2015）[22]。因此，有必要探究在人力资本承载力的不同水平上，数字金融对人力资本承载力的影响是否存在异质性，从而更好地刻画出数字金融对人力资本承载力影响的分布规律。本文在此使用面板分位数回归方法进行估计，具体模型如式（2）所示：

3. 空间计量模型。为验证假说2，进一步分析数字金融对人力资本承载力的空间影响，本文在此借鉴于斌斌和苏宜梅（2022）[23]的做法构造如下模型：

四、实证分析

（一）基准回归

表3为数字金融影响人力资本承载力的基准回归结果，列（1）为仅加入数字金融的回归结果，列（2）为加入外资利用、产业结构等控制变量后的回归结果，列（3）为进一步考虑政府干预程度、收入公平和社会需求水平的回归结果。逐步加入控制变量是为了观察数字金融的回归系数是否发生变化，经霍斯曼检验，基准回归采用的是固定效应模型。从表3列（1）的回归结果来看，在仅考虑数字金融对人力资本承载力影响的情况下，估计系数为0.008，且在1%的水平上显著。从列（2）、（3）来看，在先后加入部分和所有控制变量后，数字金融的估计系数依然显著为正，说明数字金融发展强劲助力经济增长和产业结构的转型升级，为技能型人才提供了更广阔的空间。并且，数字金融的发展使得产业分工进一步深化，产业价值链不断延长，不断对各类型劳动力尤其是对高技术人才释放创新溢出效应，使数字金融的岗位创造效应逐渐上升，新型岗位与人力资源的适配度不断提高，地区人力资本承载力也得以不断提升，假说1也由此得到验证。另外，在控制变量中，社会需求水平的提升，带动着社会生产力和消费结构的双升级，对地区人力资本承载力提高也有积极影响。

（二）面板分位数模型

以上分析证明了数字金融对人力资本承载力的作用贡献，但这不仅取决于数字金融发展水平的高低及质量的好坏，也取决于地区本身的人力资本承载力水平。为验证这一理论是否成立，本文进行了面板分位数回归（见表4）。从表4可以看出，在所有分位数上，数字金融估计系数均为正，显著性水平则随分位数的增大而逐渐减弱直至不显著，即随着人力资本承载力的不断提升，数字金融对人力资本承载力的提升作用也在逐渐减弱。出现这一现象的原因可能是，当地区人力资本承载力较低时，区域仍有较大的发展潜力，能够为数字金融的发展在质和量方面提供充足的人力基础和发展空间，数字金融的要素集聚效应、技术溢出效应和普惠效应等为人力资本要素的注入和效用发挥提供了强大的动力，使得数字金融对人力资本承载力起着显著的增强作用。而随着人力资本承载力的逐步增强，资本的边际递减效应越来越显著，人力资本要素与各类资源要素超过协调发展区间，与客观现实条件背离，数字金融发展使得各地区对资源的集聚和竞争都在加强，会对地区人力资本承载力产生不利影响。因此，在政策上既要着重增强城市的人力资本承载力，夯实地区人才基础，也要避免出現人力资本的浪费和恶性竞争。

（三）空间回归分析

1. 空间自相关分析。因为莫兰指数（Moran's I）的稳定性较强，应用广泛，所以在此对数字金融和人力资本承载力进行了莫兰指数检验，结果如表5所示。观察表5，可以发现人力资本承载力与数字金融的莫兰指数均大于0，且都通过了显著性检验，表明各省份的人力资本承载力与数字金融发展在空间上均存在显著的正相关关系，有必要从空间的角度对二者的关系进行分析。

2. 空间杜宾模型回归。为确定具体的空间计量模型，本文进行了LR检验、LM检验、Wald检验，具体检验结果如表6所示。LM检验结果均通过显著性检验，同时支持空间滞后模型和空间误差模型。接着进行LR检验、Wald检验，两种检验方法的结论均显示拒绝接受模型简化为空间滞后模型或空间误差模型的原假设。因此，可以确定空间杜宾模型为本文的计量模型。

为进一步分析数字金融对地区人力资本承载力的空间溢出效应，本文同时使用偏微分方法解释空间溢出效应，即将空间效应分为直接效应、间接效应和总效应。表7显示，从全国尺度来看，数字金融对人力资本承载力的间接效应不显著，即数字金融的不断深化发展对相邻地区人力资本承载力没有明显影响。出现这种现象可能有两种原因：一是数字金融对临近地区人力资本承载力的溢出影响正负相抵。因为各地区在发展过程中互相模仿和追赶，数字金融发展落后的地区会主动或被动地从数字金融发展良好的地区引进技术，营造良好的投融资环境，形成一种扩散效应，使得数字金融对临近地区人力资本承载力产生正向溢出。但受地方资源禀赋和发展基础差异的限制，在较长一段时间内各地区间未能持续保持均匀的资源流动，甚至产生资源虹吸效应和极化效应，极大地抵消掉数字金融带来的正向溢出。二是地区间存在数字隔离，使得数字金融对邻近地区人力资本承载力提升的溢出效应难以发挥。数字隔离是指数字技术与数字经济没有发挥渗透与带动邻近地区社会经济发展的作用，而只对本地区的社会经济发展产生积极影响。这也从侧面反映出中国不同地区间存在社会经济基础的异质性和发展的阶段性，这种异质性和阶段性会阻碍数字经济的空间溢出效应发挥作用，无法对周围地区人力资本承载力的提升起到促进作用。同时，为避免单一空间矩阵回归带来的偏差，使用相邻距离矩阵进行估计，结果与地理距离矩阵的回归结果没有太大差异，说明空间检验结论是较为稳健的。

（四）稳健性检验

1.替换被解释变量。为避免人力资本承载力水平在指标体系构建上的选择误差可能带来的回归结果偏差，保证基准回归结果的可靠性，本文使用刘军和白文杰（2010）[7]的人力资本承载力指标体系（见表8），重新进行熵值测算后再回归，结果如表9所示。从回归结果来看，在更换被解释变量测算方法的情况下，数字金融的估计系数仍旧在5%的水平上显著为正，说明数字金融的发展有利于增强地区人力资本承载力的基准回归结论是稳健可靠的。

2.工具变量法。基准回归结果可能存在内生性问题，主要是因为：本文虽然控制了一些影响人力资本承载力的变量，但依然不能保证将所有影响因素都纳入分析之中；出于数据获取限制，文章对变量的测量还是可能会存在一些误差；数字金融发展与人力资本承载力提升也可能互为因果。考虑到数字金融发展的持续性，前一期的数字金融发展水平会对当期产生影响，但不会对扰动项产生影响，故本文借鉴学界常用方法，把数字金融的滞后一期作为工具变量进行内生性检验。同时，为了防止估计方法带来的偏差，本文还进行了对弱工具变量不敏感的有限信息最大似然法（LIML）回归和更具效率的广义矩估计（GMM）。从表9的回归结果来看，三种估计方法的回归结果相同，表明基准回归中数字金融发展会提升区域人力资本承载力这一结论是稳健的。

五、结论与对策

本文创新性地将数字金融与人力资本承载力纳入同一框架，进行实证分析，并从空间尺度系统、综合地考察了数字金融对人力资本承载力的影响规律。研究发现：在样本期间内，数字金融的发展有助于本地区人力资本承载力的提升，而对邻近地区人力资本承载力的提升没有表现出显著的促进影响，即存在一定的数字隔离；随着人力资本承载力分位点的递增，数字金融对人力资本承载力的提升作用逐渐减弱。

基于以上研究结论，可得到如下政策启示：一是要重视数字金融对地区人力资本承载力的提升作用，努力释放数字时代的人力资本红利。促进数字技术、数字人才与数字资本在地区间进行合理流动，协调不同地区之间数字技术应用的着重点与关注点，通过数字技术转移、技术产业飞地等方式推动地区间的数字金融协同发展，避免地区之间数字隔离的出现。二是既要注重提升区域人力资本承载力，也要防止人力资本要素的过度投入，同时要防止经济发展中的过度数字化和金融泡沫化，维护实体经济的主体地位。客观认识到只有各类资源要素保持合理比例，才会实现区域客观现实条件下的利益最大化，持续稳定发挥数字金融对人力资本承载力的促进作用。

注：

①数据来源：《中国城市人才吸引力排名：2022》。

参考文献：

[1]丛屹，闫苗苗. 数字经济、人力资本投资与高质量就业 [J].财经科学，2022，（03）.

[2]高文书.数字经济的人力资本需求特征研究 [J].贵州社会科学，2021，（03）.

[3]张勋，万广华，张佳佳，何宗樾.数字经济、普惠金融与包容性增长 [J].经济研究，2019，54（08）.

[4]Harding. 1986. Cultural Carrying Capacity：A Biological Approach to Human Problems. Bio Science，36 （9）.

[5]Daily G C，Ehrlich P R. 1992. Population Sustainability and Earth's Carrying Capacity：a Framework for Estimating Population Sizes and Lifestyles that Could be Sustained Without Undermining Future Generations [J].Bio Science，42.

[6]曹小曙， 徐建斌. 中国省际边界区县域经济格局及影响因素的空间异质性 [J].地理学报，2018，73（06）.

[7]刘军，白文杰.山东省17 城市人力资本承载力评价与提升研究 [J].东岳论丛，2010，（09）.

[8]郭家堂， 骆品亮. 互联网对中国全要素生产率有促进作用吗？ [J].管理世界，2016，（10）.

[9]王龙杰，曾国军，毕斗斗.信息化对旅游产业发展的空间溢出效应 [J].地理学报，2019，74（02）.

[10]李梦娜，周云波.数字经济发展的人力资本结构效应研究 [J].经济与管理研究，2022，43（01）.

[11]崔海洋，袁倩莹.数字金融、产业结构升级与包容性增长——基于区域和城乡协调发展的视角 [J].云南民族大学学报（哲学社会科学版），2022，39（05）.

[12]俞伯阳，丛屹.数字经济、人力资本红利与产业结构高级化 [J].财经理论与实践，2021，42（03）.

[13]易信，刘凤良.金融發展、技术创新与产业结构转型——多部门内生增长理论分析框架 [J].管理世界，2015，（10）.

[14]杜莉，王梓琦.数字金融发展是否提升了中国高技术产业技术创新效率？——基于空间计量模型的分析 [J].社会科学战线，2022，（09）.

[15]李晓栋，万诗婕.数字金融对劳动力的就业结构效应：理论与检验 [J].经济与管理评论，2022，38（04）.

[16]谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据 [J].经济学（季刊），2018，17（04）.

[17]周天芸.数字普惠金融、要素价格与劳动力流动[J].当代经济管理，2022，44（04）.

[18]Chava S，Oettl A，Subramanian A，Subramanian K. 2013. Banking Deregulation and In- novation [J].Journal of Financial Economics，109（3）.

[19]汤继强，李婷，张兴焱，牟思蓓.数字普惠金融、科技创新与产业结构优化 [J].统计与决策，2022，38（17）.

[20]芦婷婷，祝志勇. 人工智能对劳动收入份额影响的空间溢出效应——基于静态空间杜宾模型和动态空间杜宾模型的分析 [J].经济问题探索，2022，（05）.

[21]刘军，周绍伟.人力资本承载力与有效人才流动[J].管理世界，2004，（08）.

[22]任乐. 人力资本承载力与区域经济增长动态关系研究 [J].经济问题探索，2015，（09）.

[23]于斌斌，苏宜梅.土地财政如何影响土地利用效率？——基于规模与技术视角的动态空间杜宾模型检验[J].地理研究，2022，41（02）.

Abstract：The rapid development of digital finance in China has created unlimited possibilities for the enhancement of regional human capital carrying capacity. Based on Chinese provincial panel data from 2011 to 2020，the article first measures the human capital carrying capacity of each province（autonomous region and municipality directly under the central government），and then empirically tests the mechanism of digital finance influencing regional human capital carrying capacity using fixed-effects model，quantile model and spatial Durbin model. The results show that：the development of digital finance contributes to the enhancement of human capital carrying capacity in the region，while it does not show a significant effect on the enhancement of human capital carrying capacity in neighboring regions，i.e.，there is a certain digital segregation；as the human capital carrying capacity quantile increases，the effect of digital finance on the enhancement of human capital carrying capacity gradually decreases.

Key Words：digital finance，human capital carrying capacity，spatial Durbin model，panel quantile

（責任编辑    刘   阳；校对   LY，WY）

基金项目：国家社会科学基金一般项目“先进制造业知识积累、互联网叠加承载技术创新和产业升级研究”（20BJY037）。

作者简介：薛世明，女，湖北随州人，河南大学商学院，研究方向为数字经济、经济地理；谢周亮，男，河南兰考人，河南大学商学院副教授，博士，研究方向为国民经济学。