數字經濟、人才數字素養與制造業結構升級的互動關系
——基于省級面板數據的PVAR分析

陳懷超，田曉煜，范建紅

(太原理工大學 經濟管理學院，山西 太原 030024)

0 引言

目前，中國經濟已由高速增長轉向高質量發展階段，正面臨轉換增長動力和調整經濟結構的新形勢。習近平總書記指出：“新常態要有新動力，數字經濟在這方面可以大有作為。”數字技術的快速發展，使社會生產、生活走向數字化的信息空間。國家“十四五”規劃提出，“促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業新業態新模式，壯大經濟發展新引擎”，“加強全民數字技能教育和培訓，普及提升公民數字素養”。數字化是經濟、個體和產業利用數字資源互動發展的過程，數字經濟營造良好的數字環境，人才數字素養提供強大的智力支撐，制造業結構升級拓展豐富的應用場景。可見，厘清數字經濟、人才數字素養與制造業結構升級之間的關系，實現三者的良性互動，有助于建設數字強國、人才強國和制造強國。

梳理相關文獻可知，學者們探究了數字經濟驅動制造業轉型升級的作用機理[1]、數字經濟對制造業轉型升級的非線性影響[2]等；也有學者研究了人力資本積累[3]和質量型人口紅利[4]對制造業升級的促進作用。可見，現有文獻更多聚焦數字經濟對制造業轉型升級的單向作用以及高素質人才對制造業升級的影響。制造業結構升級是制造業轉型升級的一條重要路徑[5]，當制造業結構趨于合理化和高級化時，能夠加快制造業轉型升級步伐。沈運紅和黃桁[6]探討數字經濟對制造業產業結構優化升級的影響。然而，目前尚未有學者對數字經濟、人才數字素養與制造業結構升級兩兩之間的相互作用關系進行探討，更缺乏運用實證方法將三者納入同一框架進行綜合分析的研究。此外，經濟系統總是處于變化之中，數字經濟發展、人才數字素養提高和制造業結構升級呈現時變趨勢，三者之間的互動關系可能存在時滯性或不穩定性，現有文獻尚未對三者之間的動態互動關系進行深入探究。

鑒于此，本文利用2010—2019年中國內地31個省域面板數據，構建PVAR模型，運用Granger因果檢驗、脈沖響應函數和方差分解，探究數字經濟、人才數字素養與制造業結構升級之間的動態互動關系。本文理論貢獻在于：首先，基于制造業結構合理化和高級化兩個維度，將數字經濟、人才數字素養和制造業結構升級納入同一框架，分析三者之間相互影響的內在邏輯，創新性開展數字經濟、人才數字素養和制造業結構升級的整合研究；其次，運用PVAR模型實證探究數字經濟、人才數字素養與制造業結構升級之間的動態互動影響，為揭示三者之間的雙向互動關系提供新視角，深化相關領域研究。

1 文獻綜述

1.1 數字經濟與制造業結構升級

根據錢納里工業化階段理論，后工業化時期，制造業結構將由資本密集型向技術密集型轉變，技術進步成為制造業結構升級的核心驅動力[7]。隨著新一代信息技術的逐漸成熟并向供給側的應用重心轉移，制造業成為數字經濟發揮創新驅動與轉型升級動能作用的主戰場[6]。數字技術的應用不僅能夠提升資源配置效率，帶來生產率提高，而且能夠通過技術創新賦能制造業結構升級。數字經濟與制造業升級的關系問題越來越受到學者們關注。從理論視角出發，已有研究[1,8-9]支持數字經濟對制造業轉型升級具有積極影響的觀點。基于產業鏈重構視角，數字經濟通過拓展分工邊界、降低交易成本、需求變化倒逼和價值分配轉移對制造業轉型升級發揮驅動作用[1]。基于價值鏈視角，數字經濟通過破解創新鏈瓶頸、提升制造鏈質量、提高供應鏈效率、拓展服務鏈空間，助推制造業轉型升級[8]。基于數字經濟與制造業多維融合視角，數字經濟通過數據、創新、需求和供給四輪驅動，實現制造業與互聯網、研發端、服務業、新技術的深度融合，從而為制造業轉型提供強勁動能[9]。從實證視角出發的研究較少，蔡延澤等[2]通過固定效應模型驗證數字經濟對制造業轉型升級的促進作用；沈運紅和黃桁[6]基于浙江省11個地級市數據的研究發現，數字經濟細分維度對制造業產業結構優化升級具有正向影響。

1.2 數字經濟與人才數字素養

目前，人們的學習、生活、思維和行為方式無不受到數字化影響[10]。隨著數字技術的快速持續發展，個人需要使用更多技術、認知和社會技能，以便在數字環境中執行任務和解決問題[11]。對數字技術的理解和技能的掌握已成為人們新的素養，即數字素養[10]。數字經濟與人才數字素養相互促進、相輔相成。一方面，數字經濟為人才數字素養提升提供良好的環境。基于摩爾定律，數字經濟表現為速度型經濟，使信息傳輸、經濟往來在更小的時間跨度上進行。數字經濟深刻全面地改變著人們的生產生活和社會組織方式[12]，也影響著人們的思維方式。數字經濟帶來的一系列變化提高了人才使用數字工具解決問題的意識，使人才數字素養不斷提升，有利于培養具備較高數字技術知識和能力的復合型人才，以享受數字技術帶來的紅利。另一方面，人才數字素養為數字經濟發展提供必不可少的智力支撐。依據梅特卡夫法則，新技術只有被許多人使用才會變得有價值。當人才整體數字素養較高時，數字技術能夠快速達到必要的用戶規模，使自身價值實現跳躍性提升，從而促進數字經濟發展。鄧洲[13]認為，復合型人才是數字經濟發展最關鍵的要素資源，數字經濟自身發展以及與其它產業的融合需要人才支撐。高科技人才的培養為數字經濟發展提供充足的智力儲備和創新來源[14]，人才數字素養提升能夠為互聯網、大數據、人工智能與實體經濟深度融合注入新動能。

1.3 人才數字素養與制造業結構升級

從人力資本理論出發，勞動力可以分為擁有不同技術程度的人力資源，技術程度高的人力帶來的產出明顯高于技術程度低的人力。現有研究從人才要素視角出發，探討高素質人才對制造業升級的影響。陽立高等[4]指出，制造業升級的關鍵資源是科學知識和技術創新能力，提高勞動力質量能夠推進科學進步和技術創新，繼而驅動制造業升級。而且，勞動者綜合素質的提升使其偏向工作條件相對更好、發展空間更大、知識能力發揮更充分的產業部門[3]，從而使高素質人才由低端技術產業部門向高端技術產業部門流動，推動制造業結構由低級向高級形態轉變。可見，高素質人才是制造業結構升級的重要推手。在當今數字經濟時代，制造業結構升級更離不開高數字素養人才的支持。數字化人才素養的提升能夠支撐產業數字化轉型升級[15]。對基層工人進行智能制造和信息技術等實操性培訓，提高制造業工人數字化素質，可以有效減少智能制造、工業互聯網推廣普及中的基層阻力[8]，加快制造業結構升級步伐。制造業結構升級對勞動力知識水平和業務能力提出更高要求，需要大量掌握數字技術、熟練使用數字工具、具備高數字素養的人才，有利于促進人才數字素養提升。

首先，以互聯網、云計算、大數據、人工智能等新一代技術為代表的數字經濟正蓬勃發展[16]，并與各行業加速融合，為制造業結構升級注入新動力，成為制造業發展的新引擎和制造強國建設的新路徑。焦勇[9]指出，數字經濟的深入發展正在深刻變革制造業的基礎理念，成為賦能制造業轉型的關鍵。此外，數字經濟不僅會影響制造業結構升級，其也可能受到制造業結構升級的影響。傳統制造業在轉型升級過程中，將數字資源作為新的生產要素，不斷進行技術創新突破，推動數字經濟向更高水平發展。其次，數字化發展導致對數字素養的需求增加[17]，需求對供給的拉動作用促進人才提升數字素養。人才數字素養越高，高技能人才與數字技術匹配程度越高，越有利于數字經濟發展。最后，數字技術在制造業中的應用離不開人才學習與掌握先進知識和技術的能力，這往往依賴于較高的人才數字素養。較高的人才數字素養能夠為制造業結構升級提供充足的智力支持。同時，在數字化全面滲透的環境下，制造業結構合理化和高級化水平的提升能夠發揮轉型倒逼效應，促進人才數字素養提高。數字經濟、人才數字素養與制造業結構升級之間是否相互影響？而且，數字經濟發展、人才數字素養提高和制造業結構升級均為長期過程，三者之間的互動關系可能存在動態性。因此，本文構建PVAR模型，運用Granger因果檢驗、脈沖響應函數和方差分解探究數字經濟、人才數字素養與制造業結構升級之間的動態互動關系，以彌補現有研究的不足。

2 研究設計

2.1 面板向量自回歸模型構建

面板向量自回歸(PVAR)模型由Holtz-Eakin等[18]提出，該模型沿襲向量自回歸(VAR)模型的優點，即事先無需設定變量之間的因果關系，而是將各變量均視為內生變量，分析各變量及其滯后變量對模型中其它變量的影響[19]。同時，該模型利用面板數據可以有效解決個體異質性問題，充分考慮個體效應和時間效應[19]，能夠真實反映變量之間的動態互動關系。本文將制造業結構升級劃分為制造業結構合理化和高級化，并分別將二者與數字經濟和人才數字素養同時納入研究框架，構建如下PVAR模型：

(1)

(2)

將yit、zit分別展開得到：

(3)

(4)

其中，yit表示數字經濟、人才數字素養和制造業結構合理化3個列向量，zit表示數字經濟、人才數字素養和制造業結構高級化3個列向量，DE、DLT、RMS、AMS分別表示數字經濟、人才數字素養、制造業結構合理化和制造業結構高級化。下標i=1，2，...，31，表示中國內地31個省域，t表示2010—2019年，j表示各變量的滯后階數，α0為截距項向量，Aj為系數矩陣，fi、di分別表示個體效應和時間效應，uit為隨機誤差項。

2.2 變量測量與數據來源

2.2.1 數字經濟

數字經濟涉及多個方面，在衡量數字經濟時需要對各方面指標加以綜合考量。本文借鑒余姍等[20]的研究，從數字基礎設施建設、數字經濟普及程度、網絡信息資源和數字經濟商務化4個維度構建數字經濟評價指標體系，如表1所示。基于構建的指標體系，本文對二級指標數據進行無量綱化處理，通過熵值法確定各指標權重并計算綜合評分，以綜合評分表征數字經濟發展。

2.2.2 人才數字素養

數字素養是指在數字環境下，利用一定信息技術手段和方法，快速有效發現、獲取、評價、整合、交流信息的綜合科學技能和文化素養[21]。熊勵和蔡雪蓮[22]以大學生數量作為數字素養的測量指標。大學生群體作為具有高學歷、高知識儲備的人力資源，其能力與素質是影響一國生產力水平的核心基礎[23]。凌征強[24]指出，大學生是數字時代的寵兒，是數字世界的創造者和生力軍，也是未來數字社會的主導者。作為重要的人才資源，大學生具備較強的主動學習意識，擁有數字圖書館、智慧校園等先進數字平臺和環境，能夠廣泛接觸數字工具，利用學校優質數字資源學習和掌握豐富的數字知識、技能，在數字環境下合理利用信息技術手段和方法，從而較快適應日新月異的數字化時代，成為符合時代特征和順應社會發展的數字化人才。大學生數量越多，整體人才數字意識和數字應用能力就越強。因此，大學生數量能夠在一定程度上反映社會整體人才數字素養水平。借鑒熊勵和蔡雪蓮[22]的做法，本文以每十萬人口高校在校生數量作為人才數字素養的測量指標，數據來源于《中國統計年鑒》(2011—2020)。

表1 數字經濟評價指標體系及數據來源Tab.1 Evaluation index system and data source of digital economy

2.2.3 制造業結構升級

制造業結構升級包括制造業結構合理化和高級化兩個維度。制造業結構合理化描述的是制造業各行業之間要素資源配置和協調發展能力[25]。根據丁日佳和劉瑞凝[25]的研究，可以用泰爾指數衡量制造業結構合理化，泰爾指數越小，表明制造業結構越接近均衡狀態，其合理化程度越高。考慮到泰爾指數與結構合理化表現出負向關系，本文參考聶飛[26]的做法，將泰爾指數的倒數作為制造業結構合理化的測量指標。由于泰爾指數計算涉及行業產值數據，而細分行業產值數據缺失較多，考慮到銷售收入與產值比較接近[27],因而采用銷售收入數據替代產值測量制造業結構合理化。

(5)

其中，RMS表示制造業結構合理化，Yit、Yt分別表示第t年第i個制造行業銷售收入和所有制造行業銷售收入總額，Lit、Lt分別表示第t年第i個制造行業就業人數和所有制造行業就業人數總和，n表示制造行業部門數。數據來源于《中國統計年鑒》(2011—2020)和EPS數據庫。

制造業結構高級化描述的是制造業結構升級狀態，反映出生產技術效率和產品價值提升的產業升級過程[25]。傅元海等[27]指出，按技術水平可以將制造業分為高端、中端和低端技術制造業，用高端技術制造業與中端技術制造業產值之比衡量制造業結構高級化，能夠反映制造業技術密集度不斷提升的趨勢。同樣，本文采用銷售收入數據替代產值數據，以高端技術制造業與中端技術制造業銷售收入之比測量制造業結構高級化，數據來源于EPS數據庫。

3 實證分析

3.1 描述性統計分析

本文對數字經濟、人才數字素養、制造業結構合理化和高級化進行描述性統計分析，結果如表2所示。

3.2 面板數據平穩性檢驗與模型滯后階數選擇

變量的非平穩性可能造成偽回歸現象，使結果出現偏差。若對不平穩變量使用PVAR模型，則不能準確刻畫變量間的邏輯關系[28]。為確保估計結果的有效性，在對PVAR模型進行估計前，需要對各面板序列的平穩性進行檢驗。本文采用同根LLC檢驗和異根Fisher-ADF檢驗同時對面板數據進行單位根檢驗，檢驗結果如表3所示。由表3可知，LLC檢驗和Fisher-ADF檢驗結果均在1%顯著性水平下拒絕原假設，說明4個變量的原始序列均平穩。

PVAR模型中變量滯后階數的確定對模型設定和估計至關重要。根據MAIC、MBIC和MQIC準則，可以確定PVAR模型中變量的最優滯后階數。通常認為各準則對應的最小值為該準則選擇的最優滯后階數。本文使用上述信息準則對式(1)、(2)中變量的滯后階數分別進行選擇，結果如表4所示。

表2 變量描述性統計分析結果Tab.2 Descriptive statistical analysis results of variables

表3 面板數據單位根檢驗結果Tab.3 Unit root test results of panel data

表4 最優滯后階數選擇結果Tab.4 Selection results of optimal lag order

由表4可知，在兩個模型中，MBIC和MQIC結果均顯示變量最優滯后階數為1，MAIC結果顯示最優滯后階數為2。張帥[29]指出，當三者結果不一致時，通常認為MBIC/HQIC標準優于MAIC。因此，本文最終確定兩個模型中變量的最優滯后階數均為1，并根據式(1)、(2)建立滯后一階的PVAR模型1和2，分別如式(6)、(7)所示。

yit=α0+A1yi,t-1+fi+dt+uit

(6)

zit=α0+A1zi,t-1+fi+dt+uit

(7)

3.3 PVAR模型估計

在對PVAR模型進行估計前，本文采用前向均值差分法(Helmert過程)消除個體效應，以保證轉換后變量與滯后解釋變量的正交性[30]，從而解決模型估計的偏誤問題。然后，采用廣義矩估計(GMM)對模型參數進行估計。

3.3.1 PVAR模型1的GMM估計

本文利用PVAR模型1檢驗數字經濟、人才數字素養與制造業結構合理化之間的關系，GMM估計結果如表5所示。

表5 PVAR模型1的GMM估計結果Tab.5 GMM estimation results of PVAR model 1

表5中列(1)將制造業結構合理化作為被解釋變量，結果顯示，滯后一期的數字經濟對制造業結構合理化有顯著促進作用。數字經濟發展推動大數據和工業互聯網等數字技術在制造業中的應用，促進資源在制造產業間合理配置，提升各部門資源投入產出效率，從而提高制造業結構合理化水平。滯后一期的人才數字素養對制造業結構合理化不具有促進作用。可能的原因是，目前數字化人才分布不均衡，具備信息辨別能力和數字技術應用能力的人才多集中在第三產業，未能為制造業結構合理化發展提供強有力的智力支持，不利于制造業結構合理化發展。

表5中列(2)將數字經濟作為被解釋變量，結果顯示，滯后一期的制造業結構合理化對數字經濟有顯著促進作用。制造業結構合理化發展伴隨著制造業生產模式變革，加快生產過程自動化、數字化和智能化步伐，為數字經濟提供較大發展空間，促進數字經濟發展。在與滯后一期的制造業結構合理化共同作用于數字經濟時，滯后一期的人才數字素養具有負向影響，但不顯著。盡管制造業結構合理化有助于數字經濟發展，但各種數字技術和知識需要人才花費較長時間學習和積累，人才數字素養與數字經濟尚未實現同步發展，未能充分發揮人才數字素養的效應。

表5中列(3)將人才數字素養作為被解釋變量，結果顯示，滯后一期的制造業結構合理化對人才數字素養的影響不顯著。這可能是因為，制造業結構合理化是生產部門之間逐漸實現協調的過程，目前中國制造業結構仍處于優化階段，尚不能有效推動人才要素的合理配置，不利于人才市場的有序競爭，難以促進人才數字素養提升。滯后一期的數字經濟對人才數字素養有顯著促進作用。隨著數字經濟的發展，數字資源成為新的生產要素，勞動力技能逐漸由操作型轉變為知識型和技能型，這一轉變刺激人才提高自身學習能力和技術水平，從而提升其數字素養。

3.3.2 PVAR模型2的GMM估計

本文利用PVAR模型2檢驗數字經濟、人才數字素養與制造業結構高級化之間的關系，GMM估計結果如表6所示。

表6 PVAR模型2的GMM估計結果Tab.6 GMM estimation results of PVAR model 2

表6中列(1)將制造業結構高級化作為被解釋變量，結果顯示，滯后一期的數字經濟對制造業結構高級化有顯著促進作用。這是因為，隨著數字經濟的發展，信息技術不斷創新突破，賦予傳統制造業新的動能，促進制造業由要素驅動向創新驅動轉變，從而提高制造業結構高級化水平。滯后一期的人才數字素養對制造業結構高級化不具有促進作用。可能的原因是，目前中國制造企業數字化崗位占比較低，熟練掌握信息技術手段和方法的專業人才不足，不能及時將先進數字化技術應用到傳統制造業，不利于制造業技術創新和智能化生產，從而未能有效推動技術密集型產業發展，難以有效促進制造業高級化發展。

表6中列(2)將數字經濟作為被解釋變量，結果顯示，滯后一期的制造業結構高級化對數字經濟有顯著促進作用。制造業結構由低級向高級形態轉變過程中，技術研發環節不斷革新，推動制造業與數字技術融合，促進數字經濟發展。在與滯后一期的制造業結構高級化共同作用于數字經濟時，滯后一期的人才數字素養未能有效發揮促進作用。可能的原因是，在當前數字環境下，各行業迫切想要實現數字化轉型，但數字技術的學習需要一定時間，數字化人才培養具有滯后性，不能滿足迅速增長的數字化業務需求，導致數字經濟發展受限。

表6中列(3)將人才數字素養作為被解釋變量，結果顯示，滯后一期的制造業結構高級化對人才數字素養有顯著促進作用。隨著制造業結構高級化水平提升，制造業逐漸由要素驅動向創新驅動轉變，需要相應高素質人才支撐，人才市場能夠通過篩選和淘汰機制促進人力資本優化配置，倒逼人才培養數字思維、提高數字技術應用能力，促進自身數字素養提升。滯后一期的數字經濟對人才數字素養有顯著促進作用，這與上文模型1的估計結果一致。

3.4 Granger因果關系檢驗

為進一步明晰各變量之間的短期動態影響效應和因果關系，本文基于構建的PVAR模型，進行滯后一期的Granger因果關系檢驗，結果如表7所示。

由表7結果可知，在模型1中，數字經濟與制造業結構合理化存在雙向Granger因果關系，表明二者具有顯著的雙向互動影響。數字經濟是人才數字素養的單向Granger原因，進一步說明人才數字素養未能促進數字經濟發展。人才數字素養是制造業結構合理化的單向Granger原因，表明制造業結構合理化未能對人才數字素養提升產生倒逼效應。在模型2中，各變量之間均存在雙向Granger因果關系，表明數字經濟、人才數字素養與制造業結構高級化三者之間互動效應明顯。

3.5 脈沖響應函數分析

脈沖響應函數反映PVAR模型中某個變量受到外生沖擊時對其它變量的影響。脈沖響應函數能夠直觀反映內生變量之間的動態交互作用，有助于分析變量之間的時滯效應[31]。本文將沖擊作用期限設置為6期，通過500次蒙特卡洛(Monte-carlo)模擬，分別對模型1和模型2中各變量進行脈沖響應分析。數字經濟、人才數字素養與制造業結構合理化的脈沖響應如圖1所示，數字經濟、人才數字素養與制造業結構高級化的脈沖響應如圖2所示。

表7 Granger因果關系檢驗結果Tab.7 Results of Granger causality test

圖1 數字經濟、人才數字素養與制造業結構合理化的脈沖響應Fig.1 Impulse response of digital economy, digital literacy of talents and the rationalization of manufacturing structure

由圖1中2b和圖2中2e可以看出，數字經濟對自身沖擊產生正向響應，在當期達到最大值，隨后逐漸下降至零值并保持平穩。由圖1中3c和圖2中3f可以看出，人才數字素養面對自身沖擊在當期達到最大響應值，隨后逐漸下降趨于零值水平線。由圖1中1a可以看出，制造業結構合理化對自身沖擊產生正向響應，在當期達到最大值，隨后逐漸減小并趨于平緩。由圖2中1d可以看出，制造業結構高級化對自身沖擊產生正向響應，在當期達到最大值，隨后表現出下降趨勢，在第3期下降到零值水平線并保持在略低于零值的平穩狀態。可見，數字經濟、人才數字素養、制造業結構合理化和制造業結構高級化均對自身沖擊反應迅速，在短期內形成正向響應，隨后呈下降趨勢。

由圖1中2a可以看出，當制造業結構合理化受到數字經濟沖擊時，在當期未作出響應，隨后產生正向響應并一直持續至期末。由圖2中2d可以看出，當制造業結構高級化受到數字經濟沖擊時產生正向響應，從當期開始上升，在第1期達到最大值，隨后呈下降趨勢，在即將到第4期時下降至零值水平線并保持在略低于零值的平穩狀態。可見，從短期看，數字經濟對制造業結構高級化具有“立竿見影”的促進作用，其影響更為迅速；從長期看，雖然數字經濟對制造業結構合理化的影響具有滯后性，但這種促進作用更為持久。由圖1中1b可以看出，當數字經濟受到制造業結構合理化沖擊時產生持續正向響應，且脈沖響應曲線較為平穩。由圖2中1e可以看出，當數字經濟受到制造業結構高級化沖擊時呈現倒V型響應路徑，在第1期達到最大值，之后開始下降至零值水平線并保持在略低于零值的平穩狀態。這說明制造業結構合理化能夠持續促進數字經濟發展，具有一定穩定性，而制造業結構高級化對數字經濟的促進作用不可持續，其效果先強后弱，逐漸衰減。

圖2 數字經濟、人才數字素養與制造業結構高級化的脈沖響應Fig.2 Impulse response of digital economy, digital literacy of talents and the advancement of manufacturing structure

由圖1中1c可以看出，當人才數字素養受到制造業結構合理化沖擊時產生持續負向響應，且脈沖響應曲線較為平穩。可能的原因是，制造業結構合理化是一個長期發展過程，目前中國制造業各部門尚未實現人才資源的優化配置，沒有形成一個完整的數字經濟產業鏈，導致不能提供良好的數字素養培養環境。由圖2中1f可以看出，當人才數字素養受到制造業結構高級化沖擊時，產生先上升后下降的正向響應，在第2期達到最大值。這說明在制造業結構高級化過程中，新一代數字技術的滲透和應用也對個人數字化能力不斷提出新的要求，促使人才提高自身數字素養，以應對數字化挑戰。由圖1中2c和圖2中2f可以看出，當人才數字素養受到數字經濟沖擊時，產生正向響應，達到峰值后開始衰減。這說明數字經濟的不斷發展能提供渠道豐富、優質普惠的數字資源，使數字素養發展環境得到優化，促進人才數字素養提升。

由圖1中3a可以看出，當制造業結構合理化受到人才數字素養沖擊時，響應值幾乎為零并一直保持在零值水平線附近。這說明無論從短期還是長期看，人才數字素養均未對制造業結構合理化產生顯著影響。由圖1中3b和圖2中3e可以看出，當數字經濟受到人才數字素養沖擊時，在當期未作出明顯響應，隨后產生負向響應，負向響應幅度先升后降，在第6期趨近于零值。由圖2中3d可以看出，當制造業結構高級化受到人才數字素養沖擊時，在當期未作出明顯響應，隨后產生負向響應，負向響應幅度在第2期最大，之后開始下降，在第6期趨近于零值。可見，人才數字素養未能有效發揮對數字經濟和制造業結構高級化的促進作用。這與熊勵和蔡雪蓮[22]關于民眾數字素養對技術創新前期具有負面影響，后期逐漸減弱的結果類似。這表明人才數字素養的作用存在滯后期，雖然短期內不能顯示出促進作用，但從長遠看，提高社會整體數字素養對于數字經濟發展和制造業結構升級具有重要意義。

3.6 方差分解

方差分解通過分析不同變量的方差貢獻率，可以評估各個沖擊對變量變化的相對重要性。本文進一步對PVAR模型進行方差分解，以考察數字經濟、人才數字素養與制造業結構升級之間的相互影響程度，結果如表8所示。

由表8可知，各變量在第10期和第20期的方差分解結果基本一致，說明在第10期以后，每一種沖擊對各變量變化的解釋程度已基本穩定。以第10期為例進行分析發現，制造業結構合理化、制造業結構高級化、數字經濟和人才數字素養的波動均受自身影響較大。

從模型1的方差分解結果看，制造業結構合理化對自身的貢獻率為76.6%，數字經濟、人才數字素養對制造業結構合理化的貢獻率分別為20.8%和2.6%，說明制造業結構合理化波動受數字經濟的影響比受人才數字素養的影響大。數字經濟波動主要受自身和制造業結構合理化的影響，其中66.3%的波動可由自身解釋，31.1%的波動由制造業結構合理化解釋，人才數字素養對數字經濟的貢獻率僅為2.6%。人才數字素養對自身的貢獻率為61.3%，制造業合理化和數字經濟對人才數字素養的貢獻率分別為6.5%和32.2%，說明除自身影響外，人才數字素養的波動在較大程度上依賴數字經濟。

表8 方差分解結果Tab.8 Results of variance decomposition

從模型2的方差分解結果看，制造業結構高級化對自身的貢獻率為74.6%，數字經濟、人才數字素養對制造業結構高級化的貢獻率分別為7.2%和18.2%，說明制造業結構高級化波動受人才數字素養的影響比受數字經濟的影響大。數字經濟受自身影響較大，方差貢獻率達到90.1%，制造業結構高級化和人才數字素養分別解釋了數字經濟5.2%和4.7%的波動，制造業結構高級化的方差貢獻率略高于人才數字素養，但二者總體貢獻率不高。人才數字素養波動主要受自身變動影響，其中81.0%的波動可由自身解釋，12.7%和6.3%的波動分別由制造業結構高級化和數字經濟解釋。

4 結論與建議

4.1 結論

本文基于2010—2019年省級面板數據，從制造業結構合理化和高級化兩個維度出發，探究數字經濟、人才數字素養與制造業結構升級之間的動態互動關系，得出以下研究結論：首先，數字經濟與制造業結構合理化和高級化均存在顯著的雙向互動效應。數字經濟對制造業結構合理化和高級化均存在顯著促進作用，從短期看，制造業結構高級化對數字經濟響應更迅速，從長期看，數字經濟對制造業結構合理化的促進作用更持久；制造業結構合理化和高級化均能顯著促進數字經濟發展，制造業結構調整和優化可為數字經濟提供較大發展空間，制造業結構合理化和高級化與數字經濟相輔相成、相互促進。其次，數字經濟和制造業結構高級化對人才數字素養具有持續促進作用，制造業結構合理化對人才數字素養的促進作用不顯著。可見，數字經濟發展使數字技術滲透到社會各領域，數字化環境順推人才數字素養提升；制造業結構高級化發展要求以先進數字技術作為支撐，其對高素質人才的需求倒逼人才數字素養提升；制造業結構尚未達到較高的合理化水平，還未實現人才要素的市場化配置，難以對人才數字素養提升發揮明顯的驅動作用。最后，人才數字素養未能有效發揮對數字經濟、制造業結構合理化和高級化的促進作用。目前，數字技術正融入經濟社會各領域，但人才數字素養提升具有滯后性，無法及時滿足數字經濟對數字化人才的需求，在一定程度上不利于數字經濟發展。而且，雖然人才數字素養在不斷提升，但數字化人才在產業間的配置尚不均衡，制造業這一主體產業仍存在數字化人才缺口，未能依靠人才紅利有效推動制造業技術創新和智能化生產，人才數字素養未能較好地服務于制造業結構升級。

4.2 建議

根據研究結論，本文提出以下建議：首先，加快發展數字經濟，促進制造業數字化轉型，推動數字經濟與制造業結構升級協調發展。相關部門應加大數字技術研發投入，加快工業互聯網平臺建設，推進大數據、互聯網和人工智能等技術在制造業中的應用，為制造業結構合理化和高級化發展提供動力。同時，通過政策引導合理配置生產要素，實現降本增效，通過技術幫扶鼓勵制造企業開展融合創新并完成數字化轉型，進一步推動數字經濟發展。其次，營造數字經濟發展良好環境，釋放制造業結構升級的人才需求，合理配置現有數字化人才資源，共同發力促進人才數字素養提升。相關部門應加快數字基礎設施建設，提高信息基礎設施互聯互通和數字資源開放共享程度，豐富數字經濟應用場景，營造良好的數字化環境，為人才數字素養提升提供重要動力。同時，積極推動先進制造業發展，加快傳統制造業向數字化、智能化轉型升級，使數字化人才需求轉變為適當壓力，驅動人才數字素養提升。此外，根據要素供給和市場需求，調整和優化制造業結構，合理配置現有數字化人才，營造數字技術學習氛圍，激發人才學習主動性，促進其數字素養提升。最后，重視數字素養教育，提升人才數字素養，向數字經濟發展和制造業結構升級釋放積極信號。相關部門應加強人才數字素養教育，將其融入教學環節，鼓勵高校積極開展數字素養教育理論研究和實踐活動，培養能夠在數字環境下有效利用信息技術的高素質人才。同時，健全制造業人才流動機制，實現高數字素養人才在產業間自由流動和有效配置，推動數字經濟發展和制造業結構升級。

4.3 不足與展望

本文探究了數字經濟、人才數字素養與制造業結構升級之間的動態互動關系，但仍存在一些不足。首先，本文立足省級層面展開研究，未考慮各省數字經濟發展的空間相關性，今后可基于數字經濟發展的空間溢出效應，利用空間計量模型探討數字經濟與人才數字素養、制造業結構升級之間的空間交互作用。其次，本文選取中國內地31個省域數據進行分析，但不同省域的數字經濟、人才數字素養、制造業結構合理化和高級化可能會有所差異，未來可選取特定省域，采用案例研究與實證分析相結合的方法進行深入剖析。最后，本文僅研究了數字經濟、人才數字素養與制造業結構升級三者之間的相互關系，后續可結合理論分析和現實情況，將更多相關因素納入研究，以得到更全面的結論。