智慧城市和创新型城市双试点能否助力数字经济发展？——基于双重差分法的准自然实验

高长春，朱冲逸

（东华大学旭日工商管理学院，上海 200051）

引言

数字经济的核心是利用互联网、大数据、人工智能等技术对信息进行处理，从而实现高效、智能和开放的经济活动。从信息化时代的兴起到人工智能的崛起，数字经济从萌芽走向成熟，迈入全面融合的新时代。根据中国信息通信研究院2023 年发布的《中国数字经济发展研究报告》，2022 年我国数字经济规模达到50.2 万亿元，为我国经济增长、创新创业和可持续发展注入了巨大活力。

在数字化浪潮中，城市逐渐成为数字技术的关键应用场景。作为经济活动的中心，政府通过制定产业政策、创新政策等引导城市经济发展。符合城市发展需求的城市政策能为企业提供有利的营商环境，促进产业转型升级，推动城市基础设施建设，提升城市竞争力。智慧城市试点强调数字技术在城市运行管理和公共服务中的实际运用，通过大数据、人工智能、物联网等信息技术，实现智能化和高效化的城市管理，并为数字经济发展提供广阔的空间。创新型城市试点旨在构建城市良好的创新生态，为数字经济的发展提供创新支持。智慧城市与创新型城市双试点能否助力数字经济的发展？基于该问题，本文将采用多期双重差分法识别智慧城市和创新型城市双试点对数字经济发展作用的“净效应”。进一步探究该问题，对于我国双试点政策的推行和数字经济的快速发展具有重要的现实意义。

一、文献综述

近年来，对数字经济发展影响因素的研究已经取得了深入成果，这些因素可以概括为支撑效应和创新效应。支撑效应方面，任宗强等（2021）[1]认为基础设施建设对数字经济发展有支撑效应，为数字经济的各种活动提供了必要的物质和技术基础。物质层面上，张仁杰和冯曦明（2022）[2]以交通基础设施为视角，发现高铁的开通促进了城市间技术、知识和劳动力等生产要素的流动。秦文晋和刘鑫鹏（2022）[3]通过机制分析，发现网络基础设施建设能通过提升创新能力和全要素生产率来促进数字经济的增长。在技术层面上，数字经济以数字化数据为核心，数据挖掘技术的应用实现了数据的价值化，袁澍清和王刚（2022）[4]研究发现区块链技术确保了数据的安全性与可信度，二者共同推动了数字经济的蓬勃发展。

创新效应能助推技术进步，增强企业的创新力，提升生产效率。这一效应可以从制度创新和技术创新两个维度来理解。制度创新维度，司玉静等（2022）[5]认为知识产权保护可以鼓励企业创新和保护知识产出，从而促进区域创新来推动数字经济发展，在区域创新的五个维度中，良好的创新环境效果最显著[6]。技术创新维度，张运华和季玲玉（2022）[7]指出技术创新能为数字经济发展提供技术支撑，而王智新等（2022）[8]指出数字创新在技术创新中起到了关键作用，有助于数字经济摆脱发展瓶颈，推动产业融合和数字化进程。

在城市政策对数字经济发展的影响方面，现有文献多聚焦于智慧城市试点政策。国家在战略层面为数字经济发展提供政策支持，数字化转型从战略到实施，覆盖国家、城市、产业和企业四个层面。宫攀和袁炳顺（2022）[9]研究发现智慧城市建设能促进数字经济的发展。考虑到数字经济快速发展所需的新技能劳动力，Namiot 等（2017）[10]指出充分利用劳动力资源对城市建设至关重要，智慧城市建设必须注重人力资源的培养和利用。

通过已有文献的归纳和总结，可以发现学者们在研究数字经济发展的影响因素和传导路径方面做出了丰富的贡献，但已有研究仍存在不足之处。首先，研究创新型城市对数字经济发展影响的文献非常有限。其次，虽然有学者研究单一政策对数字经济发展的影响，但少有学者研究双试点政策的协同作用。因此，本文研究智慧城市试点政策和创新型城市试点政策对数字经济发展的共同作用，补充了现有文献的空白，并对已有研究做了进一步延伸：研究方法方面，本文采用多期双重差分法来研究双试点政策的“净效应”，减轻了选择偏差；研究内容方面，本文分别从科研投入和数字技术创新两方面构建了中介效应模型，考察双试点政策对数字经济发展的作用机制，并从地区异质性方面探讨了政策的实施效果。

二、理论机制与假设研究

首先，双试点政策具有创新效应。宏观层面，智慧城市和创新型城市双试点的设立能促进区域创新能力的提升和创新要素在城市内部流动。根据创新生态理论，双试点政策为数字经济发展创造了充满活力的创新生态系统。政府通过创新政策引导和数字基础设施建设等措施，为数字经济中的创新活动提供了保障。微观层面，企业响应政府的政策引导，享受政策红利，积极进行创新化、数字化转型和改造，不断拓宽市场。同时，高校作为创新生态系统中的重要组成部分，在获得政府的资金支持后，加大科研项目投入和人才培养，加速科技成果的转化和应用。综合而言，创新生态系统的建立推动了数字经济快速发展。

其次，双试点政策具有产业结构升级效应。产业结构升级主要表现在产业结构合理化和产业结构高级化。双试点设立后，通过建设高新区、科研园区等区域，加强了生产要素在不同的产业间流动，实现了产业间的协同合作和资源共享，进而推动产业集聚，形成具有竞争优势的产业集群，推动产业结构向高技术、高加工和高服务方向发展。智慧城市试点和创新型城市试点侧重对新兴产业和高科技产业的引导和支持，而这些企业在市场上有较强的竞争力，能促进市场上其他企业进行转型升级，从而助力数字经济的发展。

最后，双试点政策具有技术效应。智慧城市试点和创新型城市试点注重数字化基础设施的建设，通过引入大数据、人工智能、物联网、云计算等先进的信息和通信技术，推动了数字经济中的技术创新。先进的技术广泛应用于城市公共服务，提升了城市智能化水平和效率。移动互联网、智能家居、智能交通等基础设施的搭建，形成了高效的信息传输和处理网络。这些由数据驱动的服务，为企业和居民提供了可视化、智能化和个性化的体验，促进了数字经济活动的开展。因此，本文提出如下研究假设。

假设H1：智慧城市和创新型城市双试点能助力城市数字经济发展。

科研投入。一方面，智慧城市和创新型城市通常会加强和完善基础设施建设，其中侧重于科研基础设施，包括科技园、实验室、科研中心等，为科研人员提供更为先进的设备和条件。双试点政策的设立能吸引大量的高素质人才聚集，科研人才的集聚为科研项目提供了人才资源。同时，智慧城市和创新型城市为科研人员提供了交流研讨的平台，同样能促进科研投入的增加。另一方面，陈明慧和陈志勇（2022）[11]研究发现科研投入是影响数字经济发展的重要因素。李彦臻和任晓刚（2020）[12]认为科研投入可以用于开展前沿技术的研究和开发，推动新技术的产生和应用。通过政府提供的资金支持，科研项目能吸纳大批优秀科研人员，同时能提升培养科研人才能力，打造匹配数字经济发展的高素质人才队伍。同时，科研投入加速了知识转移，加强了产学研之间的合作与交流，为数字经济发展提供更多的技术支持和成果转化。

数字技术创新。首先，研究发现智慧城市建设能促进城市技术创新水平的提升[13]，并且通过技术环境效应、产业结构效应和人力资本效应三条路径实现[14]。微观层面，胡艳君等（2023）[15]发现智慧城市建设能显著提升企业创新绩效。其次，创新型城市试点政策通过提升人才聚集和投资聚集作用于城市创新水平，拉开了试点城市与非试点城市创新水平的差距，缩短了试点城市之间的创新水平差距[16]。最后，数字技术创新对数字经济发展具有重要影响。数字技术创新催生了一系列基于数字技术的新业态和新模式，通过优化整合资源配置，开辟了新的市场。以大数据、人工智能、物联网为代表的数字技术创新，能推动传统产业进行数字化转型和升级。将数字技术与传统产业深度融合，有助于企业实现数字化、智能化的生产方式，降低运营成本，从而提高竞争力。因此，本文提出如下假设。

假设H2a：智慧城市和创新型城市双试点通过加大科研投入促进数字经济发展。

假设H2b：智慧城市和创新型城市双试点通过提升数字技术创新水平促进数字经济发展。

我国幅员辽阔，东、中、西、东北部地区经济发展不均衡。地区间的差异主要表现在经济规模、人口规模、资源禀赋和产业结构等方面。根据比较优势理论，经济水平发达的地区拥有更广阔的市场、更完善的数字基础设施以及更合理的产业结构，能够为双试点政策的实施提供更有力的支撑。智慧城市和创新型城市试点政策的效果与政府的资源投入密切相关，一些城市受限于自身资源不足和经济基础薄弱等因素，会导致数字经济发展的效果相对较弱。综上，本文提出如下假设。

假设H3：智慧城市和创新型城市双试点的数字经济效应存在地区异质性。

三、研究设计

（一）识别策略

本文采用多时点双重差分法来评估智慧城市和创新型城市双试点对数字经济发展的影响。双重差分模型常被用来评判政策所带来的影响。本文选取2009—2019 年全国284 个城市的面板数据，设置双试点政策虚拟变量：第一重差分体现在时间上，即政策实施之前和之后；第二重差分体现在对象上。将双试点城市设为处理组，反之作为对照组，运用多时点双重差分法检验双试点设立前后，试点城市与非试点城市在数字经济发展上是否存在显著差异。基准模型如下：

在式（1）中，下标i和t分别表示城市和年份，Digitali,t为被解释变量，代表城市数字经济发展综合水平，Smartinnovationi,t是双试点政策虚拟变量。Controli,t表示影响数字经济发展水平的其他控制变量，涵盖城市的综合经济发展水平、劳动力投入水平、政府干预水平、城镇化水平和人力资本水平。λi和μt分别表示在个体和时间上的双重固定效应。εi,t表示残差。β1是核心待估参数，表示双试点对城市数字经济发展的净效应，如果β1显著为正，则说明双试点能促进获批城市的数字经济发展，反之则说明无显著效果。

（二）样本选择和数据说明

1．被解释变量（数字经济发展综合指数：Digital）

本文借鉴赵涛等（2020）[17]、张雪玲和焦月霞（2017）[18]的研究，如表1 建立中国城市数字经济发展综合水平指标评价体系，利用熵值法测算各地级市的数字经济发展指数。

表1 中国城市数字经济发展综合水平指标评价体系

2．核心解释变量（双试点：Smartinnovation）

智慧城市和创新型城市双试点的（0,1）虚拟变量Smartinnovation为本文核心解释变量。基于时间和对象，成为智慧城市和创新型城市双试点的城市赋值为1，反之为0。

3．控制变量

结合已有研究，本文模型包括以下解释变量：为减少城市人口规模变化对于一个地方经济总量变化的直接影响，以该城市人均地方生产总值来表示城市综合经济发展水平（Pgdp）；劳动力投入水平（Labor）采用当地城镇单位从业人员期末人数和占当地生产总值的百分比来表示；政府干预水平(Government）用地方基本一般公共项目预算支出占当地GDP 总额的比例度量；城镇化水平（Urbanization）以第二产业和第三产业从业人员占地区从业人员比重表示；人力资本水平（Hc）采用普通本专科及以上人口数占全市常住人口的比重。各变量的描述性统计见表2。

表2 主要变量的描述性统计

4．数据说明

我国于2012 年设立了首批国家智慧城市，并在2013 年和2014 年对智慧城市试点进行增扩。2008 年，深圳成为首个国家创新型城市试点，2008—2018 年，国家发改委和科技部先后分五批设立了75 个国家创新型城市试点。本文智慧城市和创新型城市的名单来源于住建部、科技部和国家发改委公布的文件。为探讨地级市层面双试点的政策效应，对上述名单作如下处理：根据《中国城市统计年鉴2010》的城市行政区划，筛选出地级及以上城市，剔除2009—2019 年中行政级别变动的城市，暂不剔除4个直辖市；由于数据严重缺失，剔除拉萨市的城市样本。最终获得63 个双试点城市和221 个非双试点城市2009—2019 年的面板数据共3124 组。自变量和因变量的数据来源于各年《中国城市统计年鉴》和国家知识产权局，少量缺失数据采用线性插值法补齐。

四、实证分析

（一）基准模型估计结果

表3中列（1）和列（2）控制了城市和年份固定效应，列（1）未加入控制变量，列（3）至列（5）是进行滞后1至3期的回归结果。结果表明控制城市和年份固定效应后，不管是否加入控制变量或对核心解释变量做滞后处理，核心待估参数在1%的显著性水平上均显著为正，说明智慧城市和创新型城市双试点能促进城市数字经济发展，研究假设H1成立。

表3 基准模型估计结果

（二）平行趋势检验

多期双重差分法要求实验组和对照组在试点政策实施前有平行趋势。本文定义Pre_s、Current、Post_s等变量分别表示双试点建设启动前6年，启动当年以及启动后6年，并进行系数估计。表4和图1表明，启动智慧城市和创新型城市双试点前5年的回归系数均不显著，意味着平行趋势假设成立。从动态效应来看，双试点启动后的第5年至第6年，回归系数才显著为正，说明双试点启动后的第5年，智慧城市和创新型城市双试点对数字经济发展的促进作用才显现出来。综上所述，双试点城市建设能有效助力数字经济发展，但效果存在一定的时滞性。

图1 双试点与数字经济发展的平行趋势检验和动态效应

（三）稳健性检验

本文进行四个方面的稳定性检验。第一，通过倾向得分匹配双重差分法（PSM-DID）构造新的数据集进行回归，以更好地满足双重差分模型的设定及规避主观因素而导致的评估结果偏误。第二，避免城市高新区对政策影响的过高估计。考虑到高新区通常是政府设立重点孵化和培育高新技术产业和创新企业的特定区域，其在人才集聚、基础设施建设、政策支持和创新生态系统方面均有助于数字经济的发展。为了控制高新区这一干扰因素，在模型中纳入是否设立高新区（High）这一虚拟变量，如果该城市设立了高新区则赋值为1，否则为0。第三，剔除直辖市样本，以增加内生性控制，提高回归模型的准确度。鉴于直辖市在行政管理上有着更大的自治权和政策灵活性，其在数字经济发展上可能存在特殊影响，所以将直辖市样本剔除。第四，政策时间窗口敏感性分析，保证政策评估效果不受样本时间的影响，将样本区间调整为2010年至2018年。

表5 列出了稳健性检验的结果，列（1）结果显示，使用倾向得分匹配双重差分法来检验双试点政策对数字经济发展的影响时，核心解释变量Smartinnovation的估计系数在5%水平显著为正，验证了其促进作用。列（2）结果表明在加入是否设立高新区（High）这一虚拟变量后，在1%的显著性水平上，双试点政策能有效促进城市数字经济的发展，说明高新区的设立并不会过高估计双试点政策对数字经济的发展。列（3）结果显示，剔除直辖市样本后双试点政策依然能够显著促进城市数字经济的发展。列（4）结果表明改变时间窗口后，双试点政策对城市数字经济发展的促进效应依然显著。综上所述，本文的基准回归结果具有稳健性，因此可以说明智慧城市和创新型城市双试点能助力数字经济发展。

表5 稳健性检验

（四）影响机制分析

基于前文理论假说分析，探究智慧城市和创新型城市双试点对数字经济发展的传导路径，设立如下模型：

式（3）至式（6）中涉及两个中介变量，即科研投入 （Scifee） 和数字技术创新（Invention），其中科研投入（Scifee）用地方基本一般公共项目预算支出中的科学支出来表示。数字技术创新（Invention）以数字经济发明专利件数表示。

表6 列出了影响机制检验的估计结果，列（1）是基准模型的回归结果，列（2）至列（3）是有关中介变量科研投入的回归结果，列（4）至列（5）是有关中介变量数字技术创新的回归结果，二者均通过sobel 检验和bootstrap 检验。列（2）核心解释变量的估计系数显著为正，说明智慧城市和创新型城市双试点对科研投入具有促进作用。基准回归加入中介变量科研投入（Scifee）后，列（3）表明中介变量与核心解释变量分别在1%和10%的水平上显著为正，说明科研投入提高了城市的数字经济发展水平，并且发挥着部分中介效应。因此，智慧城市和创新型城市双试点的建设注重对科学的研究，通过加大政府科学支出，加速了数字经济发展支撑。列（4）核心解释变量显著为正，表明智慧城市和创新型城市双试点建设为数字技术创新提供了有利的生态土壤，同时也为数字技术创新提供了广阔的市场和推广机会，是数字技术创新落地的平台和场景。列（5）数字技术创新（Invention）前的估计系数显著为正，即数字技术创新推动了数字基础设施的建设和发展，为数字经济中的各种产品和服务提供了支持与保障，数字技术创新在提高城市数字经济发展水平中起到了完全中介的作用。假设H2a和H2b成立。

表6 中介效应检验

（五）进一步讨论

上文研究表明智慧城市和创新型城市双试点能促进城市数字经济发展水平，下面进一步研究智慧城市和创新型城市双试点是否优于单试点，本研究借鉴苏涛永等（2022）[19]的方法。

首先，分别检验单试点对数字经济发展的影响。具体操作如下：只保留智慧城市单试点和非双试点城市的样本，此时多时点双重差分变量Smart的估计系数反映的是智慧城市试点对数字经济发展的影响。在研究创新型城市对数字经济发展的影响时，参照上面的方法剔除智慧城市样本，关注多时点双重差分变量Innovation的估计系数。由表7 可见：列（1）中多时点双重差分变量Smart的估计系数为正但不显著，说明当期的智慧城市试点没有对数字经济发展产生影响。列（5）至列（6）中Smart的估计系数在10%显著水平上显著为正，说明在解释变量滞后4期后，智慧城市试点能有效促进数字经济的发展。上述结果表明智慧城市助力数字经济发展存在一定的时滞性。由表8可见：列（1）至列（6）中多时点双重差分变量Innovation的估计系数显著为正，说明当期的创新型试点对数字经济发展产生了正向影响，且促进效应持续时间较久。综上，智慧城市单试点和创新型城市单试点对数字经济发展都能产生积极的影响，但智慧城市试点的数字经济发展效应具有一定的时滞性，而创新型城市试点对数字经济发展的积极影响持续时间较长，效果也更好。

表7 智慧城市试点对数字经济发展的影响

表8 创新型城市试点对数字经济发展的影响

其次，研究双试点是否比单试点更有效。具体操作如下：剔除非双试点的样本，此时核心解释变量Smartinnovation的估计系数表示的是单试点城市成为双试点城市对数字经济发展的影响，结果如表9 所示。列（1）是没有加入控制变量的结果，列（2）至列（6）是加入控制变量，并将解释变量滞后4期的结果。可以看出，单试点城市成为双试点城市后，对城市数字经济发展有积极的影响，双试点城市比单试点城市更能促进数字经济发展。此外解释变量Smartinnovation的估计系数随着滞后时间越来越大且保持显著，说明随着时间的推移，双试点城市比单试点城市对数字经济发展有更深远的影响。

表9 双试点与单试点对比分析

最后，本文进一步分析双试点城市中智慧城市和创新型城市成立先后的效果。具体操作如下：在剔除非双试点样本的基础上，再剔除先成为创新型城市的样本， 此时解释变量Smartinnovation的估计系数表示先成为智慧城市再成为创新型城市对数字经济发展的影响。同样参照上述操作再次处理数据。结果如表10 所示，说明成为双试点前的先后顺序对数字经济发展并没有影响。

表10 智慧城市和创新型城市双试点成立先后比较

经过上述分析，得出以下结论：第一，智慧城市单试点和创新型城市单试点对数字经济发展均能产生积极影响；第二，双试点城市比单试点城市更能促进数字经济发展，两者对数字经济发展具有协同作用；第三，双试点城市中智慧城市和创新型城市成立的先后顺序对数字经济发展没有显著的影响。

（六）异质性分析

我国各地级市在经济规模、数字经济基础设施建设、技术采纳水平等方面存在较大差异，为更加准确识别智慧城市和创新型城市双试点政策效果在空间区域上的差异，本文进一步对区域异质性进行分析。按照《中国城市统计年鉴》中的划分方式，将地级市划分为东部、中部、西部和东北部4组样本。

表11 的列（1）和列（2）结果显示东部和中部地区双试点政策的回归系数显著为正，意味着智慧城市和创新型城市双试点对东部和中部地区城市的数字经济发展有促进作用。另外，中部地区的回归系数要高于东部地区的回归系数，反映了双试点政策在中部地区的政策效果更好。表11的列（3）和列（4）结果表明西部和东北部双试点政策的回归系数不显著，说明双试点政策还未产生效果，可能的原因在于西部地区和东北地区的数字基础设施建设还未完善。

表11 地区异质性检验（1）

我国幅员辽阔，除了东西差异外，还存在南北差异和海陆差异。我国南方地区相对北方地区在科研投入方面更为活跃，在科研项目和科研成果上有着较高水平，南方地区多元化的产业结构和密集的创新资源，为城市企业数字化转型和发展提供了有利条件。沿海地区相较内陆地区有着更高的经济发展水平，聚集了大量的高科技产业和创新型企业，同时，沿海地区人力资本水平素质较高，集聚了大量的科研型人才和创新型人才，推动着数字经济的发展。

表12 的列（1）和列（2）体现了双试点政策影响的南北差异，无论是南方城市还是北方城市，解释变量的回归系数均显著为正，说明智慧城市和创新型城市双试点在南北方对数字经济发展均有促进作用，而南方城市双试点政策的效果更好。可能的原因在于，南方城市的产业结构相对更加多样化和现代化，在信息技术和高科技等领域具有优势，对数字经济发展的支撑效应更高。同理，表12 的列（3）和列（4）的结果说明无论是沿海城市还是内陆城市，双试点建设都能有效地促进数字经济的发展，且沿海城市双试点政策建设更能推动数字经济的发展。可能的原因在于沿海城市天然具有良好的地理位置和交通条件，在贸易港口和物流上存在有利条件，为沿海城市的技术引进和国际合作带来了便利，推动了数字经济产业的发展。

表12 地区异质性检验（2）

五、主要结论与政策启示

为实现城市可持续发展，提升治理效率，我国自2012 年开始，先后分3 批试点批准建设智慧城市。为加快构建区域创新体系，自2008 年深圳成为中国第一个创新型城市以来，截至2018 年，科技部和国家发改委先后批准了76 个创新型城市试点，呈现出由点到面的发展趋势。截至2019年，我国已经有64 个双试点城市，智慧城市和创新型城市在建设过程中会对数字经济发展产生影响。因此，本文使用2009—2019 年中国284 个城市的面板数据，采用多期双重差分法检验智慧城市和创新型城市双试点对数字经济发展的政策效果和传导机制。

本文研究结果表明：第一，智慧城市和创新型城市双试点的设立能助推城市数字经济发展，经过平行趋势检验和稳健性检验后，该结论依然成立；第二，传导机制方面，科研投入和数字技术创新均能提高城市数字经济发展水平，前者起到部分中介作用，后者则起到完全中介作用；第三，智慧城市单试点和创新型城市单试点对数字经济发展都能产生积极影响，但智慧城市试点的数字经济发展效应具有一定的时滞性；第四，随着时间的推移，双试点城市比单试点城市对数字经济发展有更深远的影响；第五，双试点城市先成为智慧城市或创新型城市对数字经济发展没有显著的影响；第六，地区异质性方面，双试点政策能推动东部和中部地区城市的数字经济发展，并且双试点政策的数字经济发展效应没有南北差异和海陆差异，但南方城市和沿海城市的政策效果更好。基于上述研究结果有如下政策启示：

首先，注重政策衔接与协同创新。本文研究发现双试点城市比单试点城市有更加深远的数字经济发展效应。政府在促进数字经济高质量发展时，应考虑不同政策之间的关联性和协调性，确保不同的政策在目标和大方向上相互衔接，避免政策之间的冲突以及资源浪费，实现政策间互相补充、互相促进的协同效应。这样能最大程度发挥各项政策的综合效应，推动数字经济发展。

其次，加大科研投入和数字技术创新。本文机制检验结果显示提升科研投入和数字技术创新水平能促进数字经济的发展。政府要增加财政支出中的科学支出投入，提高科研项目资金的竞争性和科研人才的创新素质。同时完善科研设施建设，为科研人才提供先进的研究设施和良好的研究环境。此外，加强产学研各界的合作与交流，加快科研成果的转化和商业应用。政府要加强知识产权保护，激励创新者进行更多的数字技术创新，为创新型人才提供资金支持和政策优惠。

最后，统筹兼顾地区发展的不平衡现状。根据本文的地区异质性检验结果，双试点政策对我国西部和东北地区城市没有产生数字经济发展效应。政府应加强“西部大开发”和“东北振兴”战略的实施，持续改善地区基础设施条件，为促进当地数字经济发展打好牢固的基础。此外，政府要加强高素质人才引进，提升当地的教育和培训质量，构建完善的数字化信息化人才培养体系。