數字金融、企業投資行為與就業技能結構升級

蔣鵬程，江紅莉，侯 燕

(1.上海財經大學城市與區域科學學院，上海 200433；2.江蘇大學財經學院，江蘇 鎮江 212013)

就業是最大的民生，實現從“人口紅利”到“人力資本紅利”的轉變，為經濟增長注入核心動能，是促進經濟高質量發展、實現共同富裕的重要路徑。黨的十九大報告、二十大報告均強調堅持就業優先政策，促進高質量充分就業。2022年中央經濟工作會議要求把促進青年特別是高校畢業生就業工作擺在更加突出的位置。近年來我國高校畢業生人數逐年攀升，但我國就業技能結構遠落后于世界主要發達國家。2018年受過高等教育勞動力人數占總就業人數的比重，美國為73%，英國為84%，日本為78%，而我國2019年僅為48.2%[1]。促進大學生就業進而優化就業技能結構是提升就業質量的關鍵。近年來，隨著數字技術賦能金融部門，催生了數字金融新業態，成為擴大就業規模的新引擎[2]。那么，數字金融發展能否促進就業技能結構升級以提升就業質量？

一方面，融資約束是制約就業技能結構升級的重要因素。數字金融能夠緩解企業融資困境，預示著數字金融能夠促進就業技能結構升級。另一方面，企業融資約束的紓解會影響其投資行為，但是企業究竟偏好何種投資難以憑經濟直覺判斷。盡管大多數文獻支持“資本-技能互補”假說[3]，但也有學者認為“資本-技能互補”假說的成立存在時間、空間異質性以及其他限定性條件，與國家所處的發展階段、經濟結構等有關，也因“資本”“技能”的界定而異[4][5]。就我國而言，企業投資行為尤其是研發投資和固定資產投資對就業技能結構產生了怎樣的影響？企業投資行為在數字金融與就業技能結構升級之間發揮著何種作用？現有研究并未給出確切答案，而這一系列問題的回答一方面有助于厘清數字金融、企業投資行為影響企業勞動力雇傭結構的內在機制，另一方面可以為政府引導企業層面實施就業質量工程提供科學依據。

有鑒于此，本文將數字金融、企業投資決策與勞動力技能結構納入同一研究框架，識別數字金融對企業投資行為以及就業技能結構升級的影響，探究企業投資行為在“數字金融—就業技能結構升級”邏輯鏈條中發揮的作用和內在機制?？赡艿倪呺H貢獻在于：第一，現有研究主要探討了數字金融對就業規模的影響，本文著眼于就業質量，識別了數字金融與就業技能結構升級之間的因果關系，不僅拓寬了就業技能結構驅動因素的研究邊界，也豐富了數字金融發展的經濟效應研究。第二，既有文獻主要關注數字金融對金融資產配置的影響，本文系統性地研究了數字金融對企業固定資產投資、研發投資和金融投資的影響，并探究了數字金融背景下企業不同類型投資行為的相互作用。第三，從企業投資結構視角打開了數字金融影響就業技能結構升級的“黑箱”?，F階段我國固定資產投資與低技能勞動力互補，數字金融通過拉動研發投資和擠出固定資產投資進而促進了就業技能結構升級，相關研究為“資本-技能”之間多樣化關系增加了新的證據，也為如何促進數字金融提升就業質量提供了抓手和靶向路徑。

一、文獻綜述和研究假設

(一)文獻綜述

就業一直是學界和實務界關注的熱點話題。伴隨著數字技術尤其是人工智能的快速發展和廣泛應用，就業技能結構變化引發了廣泛的思考和討論。大量文獻認為，以信息化、智能化為主要特征的技能偏向型技術進步提高了對高技能勞動力的需求，改變了就業技能結構[6]。新技術的產生、發展和采納離不開資金的支持。Fonseca和Van Doornik(2022)[7]研究表明信貸擴張是企業勞動力技能結構提升的重要因素。鐵瑛和劉啟仁(2021)[8]研究發現銀行管制放松能夠緩解企業融資約束，進而提高高技能勞動力就業占比。胡玥等(2022)[9]研究表明，地方政府債務治理改革通過緩解企業融資約束和提升企業風險承擔能力，提高高技能勞動力雇傭。

根據“資本-技能互補”假說，高技能勞動力被物質資本替代的概率更低，這意味著企業投資結構與就業技能結構之間存在密切聯系。肖土盛等(2022)[10]研究發現，企業數字化轉型通過推動企業增加先進技術設備投資進而實現人力資本升級。融資約束是影響企業投資行為的關鍵因素之一。金融制度改革、金融發展能夠緩解企業融資約束，進而影響企業投資行為[11][12]。李波和朱太輝(2020)[13]研究表明，銀行競爭通過緩解企業融資約束增加了固定資產投資和研發支出。趙瑞麗等(2021)[14]研究發現，金融科技提高了融資可得性，降低了融資成本，有助于企業擴大實體投資規模。

通過數字技術賦能，數字金融拓寬了傳統金融服務的邊界，有效解決企業融資難融資貴問題[15]。一方面，企業融資約束的紓解有助于促進企業擴大研發投入和實體投資規模[16][17]，乃至對金融投資行為產生影響[18]；另一方面，數字金融能夠緩解信貸錯配，促進就業擴容增量，提升就業質量(提高就業者的小時工資率和工作自主性，降低工作時長)[19]。

現有文獻為研究數字金融發展的經濟效應奠定了良好的基礎，但仍留下研究的空隙：第一，既有文獻主要探討了數字金融的就業擴容效應，較少關注其對就業技能結構的影響。第二，目前僅局限于探討數字金融對單一投資行為(如金融投資)的影響，鮮有文獻系統性考慮數字金融對不同類型投資行為的影響。此外，在處于經濟轉型進程中的中國，企業異質性投資行為產生的資本積累效應與就業技能結構之間存在何種關系尚不得而知。第三，鮮有文獻將數字金融、企業投資行為和就業技能結構納入同一框架，深入探討三者之間的內在關系。

(二)研究假設

數字金融的融資效應一方面能提高高技能勞動力的雇傭規模，直接促進就業技能結構升級，另一方面會影響企業投資行為，進而間接影響就業技能結構。由于企業投資行為是一個寬泛的概念，根據資產性質，將企業投資行為劃分為實業投資和金融投資，并進一步將實業投資細分為研發投資和固定資產投資。值得一提的是，因經濟發展階段而異，受技能和資本劃分標準等因素影響，“資本-技能互補”假說并不必然成立，也可能存在“資本-技能互替”。這就意味著數字金融對企業投資行為、企業投資行為對就業技能結構的影響存在多重效應，三者之間的邏輯關系如圖1所示。

圖1 數字金融、企業投資行為與就業技能結構之間的邏輯關系

數字金融發展能夠緩解企業融資約束。第一，數字金融具有資金聚合器功能，通過新型金融平臺吸收閑散資金，并通過數字技術賦能優化資金配置效率，為企業解決融資困境提供了新渠道。第二，為了增加競爭力，傳統金融機構會在數字金融服務平臺的影響下積極進行數字化革新，利用數字技術賦能，信息成本、審批成本和服務成本下降，進而有助于降低企業的融資成本。第三，依托大數據、區塊鏈等數字技術，金融機構能夠對網絡上沉淀的海量“軟信息”進行深度挖掘、快速匹配，精準地評估信貸風險，降低信息不對稱下金融摩擦引致的風險溢價，進而降低企業融資成本，緩解融資約束。融資約束是影響企業勞動力雇傭決策的重要因素。銀行管制放松、信貸擴張能夠緩解企業融資約束，使得企業能夠支付更高的工資、提供更好的福利條件來雇傭高技能勞動力[7][8]。基于這一邏輯，本文提出如下研究假設：

假設1：數字金融發展推動企業就業技能結構升級。

數字金融的融資約束紓解效應，疊加實體經濟投資環境，強化了企業投資金融資產的傾向。根據資源配置理論，企業依據資產收益率對實業投資和金融投資進行組合配置。自2012年以來，中國經濟進入新常態，經濟增速放緩，實業投資和金融投資之間的收益差距逐漸擴大。當企業融資約束得到緩解后，企業可能會出于套利動機而加大金融投資規模，持有更多的金融資產，獲得短期收益[20]。雖然企業也可能出于“蓄水池”動機投資金融資產，但是從現實數據和學術研究來看，“蓄水池”動機并非中國企業金融化的主要原因[21]。

數字金融的融資約束紓解效應對企業研發投資行為具有雙重影響。一方面，數字金融能夠促進企業研發投資行為。研發創新活動的產出具有高度不確定性，創新過程形成的“知識”難以“存儲”且商業化周期長，導致研發投資面臨較強的融資約束[22]。因此，數字金融發揮融資約束紓解效應能增加企業研發投資。另一方面，企業研發投資也會受到金融投資的影響。諸如貨幣資金、可交易性金融資產等流動性較強的金融資產具有較低的調整成本和較強的變現能力，可以平滑企業融資約束，推動當期或未來時期的研發投資[23]。雖然不同類型投資之間存在一定的替代效應，如金融投資會擠占研發投資[24]，但既有研究證實，數字金融能夠促進企業技術創新[15]。由此，我們認為數字金融的企業融資約束紓解效應引致的研發投資行為強于金融投資對研發投資的擠出效應，故提出如下研究假設：

假設2：數字金融發展促進企業研發投資。

數字金融的融資約束紓解效應對企業固定資產投資行為也具有雙重影響。一方面，數字金融能夠有效緩解融資約束，促進固定資產投資。另一方面，近年來中國實體投資收益低迷，而金融投資收益逆周期上升，根據投資替代理論，兩者之間更多表現為替代效應，即企業金融投資會擠出固定資產投資，意味著數字金融發展可能促進金融投資，繼而抑制固定資產投資。此外，進入新常態以來，政府為了重構經濟增長的內生動力并促進經濟高質量發展，出臺了一系列政策，加之中美貿易摩擦，企業面臨經濟政策不確定性，根據實物期權理論和資源配置理論，經濟政策不確定會對固定資產投資產生負向影響[25]。由此，本文提出如下競爭性研究假設：

假設3a：數字金融發展會促進企業固定資產投資。

假設3b：數字金融發展會抑制企業固定資產投資。

根據“資本-技能互補”假說，增加研發投資會提高企業對技術人才和創新管理人才等高技能勞動力的需求，這意味著會擠出對低技能勞動力的需求。Berman等(1994)[26]基于美國數據研究發現，研發投資提高了高技能勞動力雇傭量，隨著技術水平的提高，對以生產設備操作人員為主的低技能勞動力的需求顯著下降，而對高技能勞動力的需求不變或上升?；谥袊鲜泄緮祿?，羅潤東和郭怡笛(2021)[27]研究發現研發投資提升了高技能勞動力的雇傭比例。楊曄等(2019)[28]研究發現技術創新會促進員工技能結構高級化。結合假設2，本文提出如下研究假設：

假設4：數字金融能夠促進企業研發投資，進而促進就業技能結構升級。

固定資產屬于典型的資本，但又有諸多細分種類，如機器設備、廠房等，不同類型資本對技能勞動力的需求不一致。若企業固定資產投資是簡化既有的生產技術流程，資本與技能勞動力可能表現為替代關系。正如Goldin和Katz (1998)[4]所強調的，資本與技能并非總是互補的，需要結合經濟發展特點分析。自改革開放以來，我國加大了貿易開放力度，實施了出口導向型貿易政策，推動我國以制造品加工生產的貿易形式加入全球價值鏈，并成為全球價值鏈上的重要參與者[29]。發達國家處在全球價值鏈中技術研發、產品設計環節，對高技能勞動力的需求越來越高，而發展中國家處在全球價值鏈中簡單生產流水環節，低技能勞動力供給充足且成本低廉，逐漸占領發達國家的制造業等行業的低技能勞動力就業機會[30]。長期以來，我國總貿易額中有約70%—90%來自加工貿易和一般貿易，導致我國面臨全球價值鏈“低端鎖定”的窘境。加工貿易比重每提升1個百分點，該省擁有大專及以上學歷員工的比重就下降約0.02%—0.06%[31]。基于2004年的經濟普查數據與工業企業數據庫數據，李磊等(2021)[32]研究發現機器人應用對?？萍氨究苿趧恿θ后w的就業份額變化影響不顯著，但顯著降低了研究生及以上勞動力群體的就業份額。基于以上分析，我們認為我國企業增加固定資產投資將增加對低技能勞動力的需求，抑制就業技能結構升級。結合假設3a和假設3b，本文提出如下競爭性研究假設：

假設5a：數字金融會促進企業固定資產投資，進而抑制就業技能結構升級。

假設5b：數字金融會抑制企業固定資產投資，進而促進就業技能結構升級。

二、研究設計

(一)模型構建

為檢驗數字金融對企業就業技能結構的影響，本文設定如下模型：

HLiτt=α0+α1Dfit+∑αjXj+∑year+∑ind+∑prov+εiτt

(1)

investiτt=β0+β1Dfit+∑βjXj+∑year+∑ind+∑prov+εiτt

(2)

HLiτt=γ0+γ1Dfit+γ2investiτt+∑γjXj+∑year+∑ind+∑prov+εiτt

(3)

其中，HLiτt代表i地區τ企業第t年的就業技能結構升級，Dfit為i地區第t年的數字金融發展，investiτt代表i地區τ企業第t年的研發投資、固定資產投資，Xj為涵蓋企業特征和宏觀經濟環境的控制變量集合，∑year、∑ind和∑prov分別為時間、行業和省份固定效應，εiτt為擾動項。式(1)用以檢驗假設1，式(2)用以檢驗假設2、3a和3b，式(3)用以檢驗假設4、5a和5b。

(二)變量選擇及數據處理

1.因變量：就業技能結構升級(HL)。借鑒趙爍等(2020)[33]的做法，使用本科及以上學歷員工人數占比衡量就業技能結構升級。

2.自變量：城市數字金融發展(Df)。采用北京大學數字金融研究中心發布的“數字普惠金融指數” 除以100量化數字金融發展水平。

3.中介變量。(1)研發投資(R&Dinv)，用研發投資與總資產之比衡量；(2)固定資產投資(Fixinv)，以購進固定資產、無形資產和其他長期資產支付的現金支出總額與總資產之比度量。

4.控制變量。本文選擇反映企業特征和地區特征的控制變量，具體包含金融投資(Fininv)、企業規模(Size)、資產收益率(Roa)、資產負債率(Lev)、企業年齡(Age)、企業成長性(Growth)、獨立董事占比(Indr)、兩職合一(Dual)、第一大股東持股比例(Top1)、產權性質(State)、城市傳統金融發展水平(Fin)、城市人力資本(Hum)、城市在崗職工平均工資(Wage)、經濟政策不確定性(Epu)(1)限于篇幅，省略控制變量的詳細處理過程，作者備索。。

(三)數據來源及描述性統計分析

本文選擇2011至2019年非金融類上市企業作為研究樣本。按照通常做法，剔除ST和*ST類以及財務變量缺失和存在異常值的樣本；對所有連續變量進行1%水平上的縮尾處理。企業層面數據來自Wind和國泰安數據庫，宏觀數據來源于EPS數據庫、《中國勞動統計年鑒》，個別缺失數據采用插值補齊。

變量描述性統計如表1所示。平均而言，企業雇傭的本科及以上學歷員工人數占比為27.1%，并且企業間差異較大，企業就業技能結構尚有較大的提升空間。城市數字金融發展的均值為2.113，標準差為0.644，一定程度上說明數字金融發展相對均衡。

三、實證分析

(一)數字金融對就業技能結構的影響

式(1)的估計結果如表2所示。第(1)列僅考慮數字金融的影響，第(2)列在第(1)列基礎上控制時間、行業固定效應，第(3)列在第(1)列基礎上增加企業層面的控制變量，第(4)列在第(3)列基礎上控制時間、行業固定效應。分別加入宏觀控制變量、控制省份固定效應，結果如第(5)、(6)列所示。由表2結果可知，數字金融發展顯著促進了就業技能結構升級，且數字金融發展水平每提升1個單位，企業對高技能勞動力的雇傭將提升0.126個單位，假設1得到驗證。

表2 數字金融對就業技能結構的影響

表2的結果可能存在因反向因果關系引致的內生性問題。為此，將自變量和控制變量均滯后一階，重新估計式(1)。此外，借鑒易行健和周利(2018)[34]的做法，構建“Barkit工具變量”作為城市數字金融發展的工具變量IV1?；ヂ摼W技術是數字金融發展的底層技術支撐，互聯網發展水平高的城市可能是數字金融發展較好的地區，故構造1984年城市郵局數與時間變量的交互項，作為城市數字金融發展的工具變量IV2。估計結果顯示，1%顯著水平下，數字金融發展仍然顯著促進了就業技能結構升級(2)受篇幅限制，本文內生性和穩健性檢驗結果未列示，作者備索。。

為了使表2的結論更加可靠，更換就業技能結構升級和城市數字金融發展的度量方式進行穩健性檢驗：(1)借鑒劉啟仁和趙燦(2020)[35]的做法，分別用?？萍耙陨蠈W歷人員占比、科技人員占比作為就業技能結構升級的代理變量；(2)將數字普惠金融指數取自然對數。穩健性檢驗結果表明，數字金融發展依然顯著提升了就業技能結構。

(二)數字金融對企業投資行為的影響

式(2)的估計結果如表3第(1)和(2)列所示。數字金融發展顯著提升了研發投資、抑制了固定資產投資。數字金融發展水平每提升1個單位，研發投資增加0.014個單位、固定資產投資減少0.013個單位，假設2和假設3b得到驗證。為減少反向因果關系引致的內生性，基于IV-2SLS估計式(2)，由第(3)和(4)列結果仍然得出數字金融發展促進研發投資、抑制固定資產投資的結論。在國家引導和企業自身發展需求下，數字金融的融資約束紓解效應能夠激勵企業進行研發投資。傳統依賴要素投入的經濟增長模式難以為繼，加之內外部經濟環境存在較大不確定性，我國實體投資收益低迷，而與之形成鮮明對比的是虛擬經濟蓬勃發展，金融投資收益相對較高，在此背景下，數字金融發展的融資約束紓解效應進一步刺激了企業金融投資行為。與既有文獻[29]一致，本文同樣發現數字金融發展促進了金融投資(見表3第(5)列)。在套利動機下金融投資與固定資產投資之間存在替代性，由第(2)和(5)列可知，金融投資顯著擠出了固定資產投資，最終導致數字金融發展擠出固定資產投資。

表3 數字金融對企業投資行為的影響

(三)數字金融、企業投資行為對就業技能結構升級的影響

式(3)的估計結果如表4所示。第(1)列檢驗數字金融與企業研發投資對就業技能結構的影響。1%顯著水平下，數字金融和研發投資均顯著促進了就業技能結構升級。研發本身是一項需要大量知識資本投入的高技能活動，需要高技能勞動力與之匹配。第(2)列檢驗數字金融與企業固定資產投資對就業技能結構的影響。1%顯著水平下，數字金融顯著促進了就業技能結構升級，固定資產投資則顯著抑制了就業技能結構升級。同時考慮數字金融、研發投資、固定資產投資對就業技能結構的影響，結果如第(3)列所示。結合表2至表4的結論，可以初步判斷：數字金融通過促進研發投資、抑制固定資產投資，推動就業技能結構升級，假設4和假設5b得到驗證。

表4 數字金融、企業投資行為對就業技能結構升級的影響

表4的結果可能因潛在的內生性問題而存在偏差，進一步采用IV-2SLS法和聯立方程法進行估計。(1)IV-2SLS法。估計結果仍然與表4一致。(2)構建HL、R&Dinv、Fixinv的聯立方程，基于三階段最小二乘法(3SLS)估計該聯立方程。1%顯著水平下，數字金融、研發投資仍然顯著促進了就業技能結構升級，固定資產投資則顯著抑制了就業技能結構升級。由此，假設4和假設5b進一步得到驗證。

(四)數字金融、企業投資行為對勞動力雇傭的影響

為了厘清數字金融、企業投資行為影響就業技能結構升級的底層邏輯，分別用勞動力雇傭總量(Emp，員工總人數的對數值)、高技能勞動力雇傭量(Hlabor，本科及以上員工人數的對數值)、低技能勞動力雇傭量(Llabor，?？萍耙韵聠T工人數的對數值)替換式(3)中的因變量HL。表5第(1)列結果顯示，數字金融對勞動力雇傭總量影響不顯著。1%顯著水平下，研發投資和固定資產投資均顯著提升了勞動力雇傭。由第(2)列可知，研發投資的估計系數在1%水平下顯著為正，固定資產投資的影響不顯著。由第(3)列可知，研發投資對低技能勞動力雇傭的影響不顯著，但在1%顯著水平下，固定資產投資顯著促進了低技能勞動力雇傭。基于表5的估計結果，數字金融主要通過抑制低技能勞動力的雇傭進而促進就業技能結構升級。企業增加研發投資一定程度上能夠緩解大學生就業難，具有提質增量的作用。固定資產投資雖然抑制了就業技能結構升級，但能擴大勞動力雇傭規模尤其是低技能勞動力雇傭規模，即具有“穩就業”的功能?？紤]到勞動力雇傭與企業投資行為之間可能存在內生性，將自變量和控制變量均滯后一階，估計結果基本與表5一致。

表5 數字金融、企業投資行為對勞動力雇傭的影響

四、拓展研究：勞動者保護制度的異質性影響(3)受篇幅限制，未呈現分組回歸結果，作者備索。

勞動者保護制度(如最低工資制度、工會)會影響勞動力的議價能力，提高企業勞動力雇傭成本，進而影響企業投資行為，最終影響高技能勞動力需求。首先，以最低工資制度為勞動者保護程度的代理變量。根據省級最低工資的中位數，將樣本劃分為兩組。分組檢驗結果顯示，數字金融對位于最低工資標準較低組別中的企業就業技能結構的影響不顯著，但是顯著優化了位于最低工資標準較高區域的企業就業技能結構。可能的原因是，高最低工資標準的區域，本身經濟較為發達，數字金融發展水平更高，企業對數字金融服務的認識和接受度也更高，數字金融的融資約束紓解效應更強。無論最低工資標準如何，研發投資均顯著促進了就業技能結構升級，但是存在顯著差異，即位于最低工資標準較低區域內的企業，研發投資每提高1%，高技能勞動力占比將提升2.984%，而位于最低工資標準較高區域內的企業雇傭的高技能勞動力占比僅提升2.435%?？赡艿脑蚴?，較高的最低工資標準，意味著較高的勞動力成本，降低了企業利潤和內部現金流，擠占了研發投資，進而降低了對高技能勞動力的需求。無論最低工資標準如何，固定資產投資均顯著抑制了就業技能結構升級，但是并不存在顯著性差異。

其次，以勞動爭議調解成功率衡量勞動者保護程度。根據其中位數，將樣本分為勞動者保護強和弱兩組，重新估計式(3)，結果與最低工資制度的異質性影響一致?？赡艿脑蚴牵瑒趧訖嘁姹Ｗo程度越高的區域，企業的勞動力雇傭制度越規范，對國家相關政策的遵循度越高，如“五險一金”按時足額繳納等，提高了勞動力成本，降低了高技能勞動力的需求。無論勞動權益保護程度如何，固定資產投資均顯著抑制了就業技能結構升級，且不因勞動權益保護程度差異而存在異質性。

五、研究結論與政策啟示

本文以數字金融的融資約束紓解效應為邏輯分析起點，探究其對企業投資行為的影響，并進一步探討數字金融、企業投資行為與就業技能結構三者間的內在聯系，得出以下結論：第一，數字金融發展能夠顯著促進就業技能結構升級。第二，數字金融通過促進研發投資、抑制固定資產投資，進而促進就業技能結構升級。第三，數字金融發展抑制了低技能勞動力雇傭，進而促進就業技能結構升級；研發投資增加了高技能勞動力雇傭，進而優化就業技能結構，對就業存在“擴容提質”效應；固定資產投資增加了低技能勞動力需求，進而抑制就業技能結構升級，對“穩就業”尤其是低技能勞動力就業大有裨益。第四，數字金融對就業技能結構的影響受限于勞動者保護制度，在勞動者保護程度高的區域，數字金融對就業技能結構的優化作用更強。

研究結論具有較強的政策啟示。首先，應推進數字金融縱深發展。政府應積極推進網格化的新型數字基礎設施建設與完善，夯實數字金融發展的硬件基礎。同時，完善征信數據資源共享機制，健全數字金融征信體系，并加強對新型金融業態的監管，引導新型金融健康有序發展。此外，傳統金融機構應加快數字技術與金融服務的深度融合，推進數字化轉型，支持實體經濟高質量發展。其次，數字金融服務應以支持實業投資為導向，發揮數字金融的“數字化”功能，創新融資模式，精準提供金融服務。最后，政企學“三位一體”協同提升就業技能結構。充分發揮政府“有形之手”的能動作用建立健全社會就業公共服務體系，減少就業信息摩擦，促進人才順暢有序流動，激發人才創新創業活力。學校應在新時代人才強國戰略的導向下，結合市場需求，改革人才培養方案，培育滿足數字經濟時代發展需要的高技能人才。企業應積極落實各項社會保障措施，保護勞動者合法權益，提升勞動者綜合福利。