摘要：数字经济对世界重要人才中心和创新高地的影响日益显著,其与传统产业的快速融合深刻改变了经济社会的生产和运行方式,为提升世界重要人才中心和创新高地的高质量发展注入了新动能。本文从数字经济要素出发,将数字经济赋能世界重要人才中心和创新高地解构为“3个渗透”过程,并构建相应的指标评价体系,以全球范围内被视为世界重要人才中心和创新高地的106个国家作为研究样本,构建空间计量模型实证考察了数字经济如何赋能并影响世界重要人才中心和创新高地。研究表明:数字经济不仅对本地的世界重要人才中心和创新高地具有显著的促进作用,且具有明显的空间溢出效应,若不考虑空间溢出效应,会低估数字经济对世界重要人才中心和创新高地的影响。进一步研究表明,在北美洲、亚洲、欧洲和非洲地区,数字经济对世界重要人才中心和创新高地的影响和空间溢出效应更显著。此外,研究还发现,相较于低收入国家,数字经济在高收入国家、中等偏上收入国家和中等偏下收入国家中的赋能效果更为突出。研究提出,健全数字经济支撑体系以建设世界重要人才中心和创新高地;实施数字化差异策略以缩小世界重要人才中心和创新高地的区域差距;推进数字经济分层施策以弥合世界重要人才中心和创新高地的发展鸿沟。
关键词：数字经济；世界重要人才中心和创新高地；赋能；空间溢出效应
引言
中国正奋力迈入高收入国家行列，并初步实现了从传统经济模式向数字经济驱动转型的关键阶段。目前，中国在人工智能（AI）、机器学习等领域取得了显著进展。例如，DeepSeek、文心一言、豆包和通义千问等先进 AI 系统相继问世。这些技术的发展不仅推动了数字经济的创新，还为人才培养开辟了新的方向。在这一过程中，数字经济为加快建设世界重要人才中心和创新高地提供了坚实的支持。自中国进入全面建设社会主义现代化国家的新时期以来，人才作为首要资源、创新作为主要驱动力的战略意义日益凸显。2021 年的中央人才工作会议明确指出，我国需要加速构建世界重要人才中心和创新高地，这标志着世界重要人才中心和创新高地的建设已成为国家政策的重点方向[1-2]。数字经济的快速发展为此提供了强大的动力。党的十八大以来，我国在全球人才竞争力指数（GTCI）[3]中的排名从 2013 年的第 29 位跃升至 2023 年的第 21 位，同时在全球创新指数（GII）[4]中的排名也从 2013 年的第 35 位攀升至 2024 年的第 11 位。这些显著成就的背后，数字经济功不可没。数字经济推动了科技创新和人才培养的深度融合。中国在 2024 年的 GTCI 中，与数字经济相关的正式指标均排名靠前，展示了中国在数字经济时代下的创新与人才优势。尽管已有学者从辩证唯物主义视角深入探讨了这两者之间的内在联系，并强调了完善政策环境在中国建设世界重要人才中心和创新高地的关键作用，但学界尚未通过实证手段来全面测算数字经济对于这一建设过程的实际影响，特别是针对数字经济与世界重要人才中心和创新高地的深度融合以及数字经济在其中的核心作用。
世界重要人才中心和创新高地是全球经济活动的核心区域[5]，数字经济能否成为这些核心区域实现高质量发展的新动力？数字经济又是通过哪些途径促进其实现高质量发展的？数字经济对这些核心区域空间溢出效应如何，即一个区域的数字经济是否会对其他区域产生影响？此外，数字经济在不同规模和类型的世界重要人才中心和创新高地中是否展现出不同的影响？目前，已有相关学者对上述问题进行研究。在理论层面，研究发现数字经济通过技术溢出[6]、平台效应[7]、金融发展[8]等多种方式，为世界重要人才中心和创新高地提供了强大的发展动力。在实证研究中，学者们探讨了创新活跃度[9]、产业结构[10]、政策环境[11]等因素在数字经济促进经济高质量发展中的作用机制。然而，现有研究也指出，由于各区域的经济基础、科技水平、政策支持等因素存在差异，数字经济在不同区域的发展程度和影响力也各不相同[12]。一些地区由于数字化基础设施较为完善，数字经济发展迅速，而另一些地区则可能由于数字化基础设施落后或政策支持不足，数字经济相对滞后。特别是在世界重要人才中心和创新高地中，由于城市规模、产业结构、人才资源等因素的差异，数字经济的发展也存在明显的区域异质性。一些大城市或发达区域由于具备较为完善的数字经济生态系统和较强的创新能力，数字经济对经济发展的推动作用更加显著；而一些中小城市或欠发达区域则可能由于数字经济生态系统不完善或创新能力不足，数字经济的发展相对较慢。
鉴于此，考虑数据的可得性，本研究采用2013—2022年全球106个国家的面板数据，旨在实证探究数字经济对于世界人才中心和创新高地的影响。通过这一研究，期望能够更深入地理解数字经济在不同规模和类型的世界重要人才中心和创新高地中的空间效应和异质性问题。为相关政策制定提供科学依据，进一步加速中国向世界重要人才中心和创新高地迈进的步伐。
理论机制与研究假设
世界重要人才中心和创新高地是建立在丰富的人才资源基础之上的复杂系统。因此，数字经济赋能世界重要人才中心和创新高地的方式可以分为两个方面：一是推动人才构成要素本身的变革，促进人才构成要素整体向现代化转型；二是影响各人才构成要素之间的联结关系，优化人才构成要素结合方式和配置效率。本文基于白永秀等人[13]的研究，通过上述两个维度的赋能过程，与数字经济的实体性要素和非实体性要素及其关系结合起来，本质上是数字经济通过“3个渗透”机制赋能世界重要人才中心和创新高地的过程，如图1所示。
图1 数字经济通过“3个渗透”赋能世界重要人才中心和创新高地
1.1 第一个渗透
数字经济实体性要素通过优化要素组合、提升配置效率及空间集聚，渗透至世界重要人才中心和创新高地硬件体系，支撑其“骨架”形成，提供基础保障。其赋能重点集中于发达国家，尤其以北美、欧洲为主，这些全球发展前沿地区承担微观要素变革向中观产业、宏观社会传导的关键角色。一方面，实体性要素驱动创新变革与人才结构升级[14]。发达国家依托数字经济发展优势，率先孕育应用最新科技突破与管理创新，凭借集聚的高端人才与高附加值产品，既扩张产业规模、抢占传统市场，又加速新兴产业崛起为主导产业。这催生人工智能、大数据等领域高素质人才需求激增，推动人才结构从传统产业主导向高端化、专业化、创新型深度转型。另一方面，要素空间集聚催生创新型人才集群。人才集聚是创新要素流动的空间映射[15]，表现为劳动者、劳动资料等要素的集聚，通过规模与溢出效应形成竞争优势，促进产业链、创新链等在人才链上融合协同。当前全球人才集聚仍集中于北美、欧洲发达国家，其凭借完善的数字基建、优渥的科研环境及成熟的产业生态，更擅吸引承载高端人才。在政府政策引导下，此类集群演变为现代农业、工业、服务业与基础设施多业融合的创新高地，是基于比较优势的资源整合与人才集聚高级形态，构成世界重要人才中心和创新高地的重要单元。
据此，可以提出调整后的研究假说H1：数字经济的发展对世界重要人才中心和创新高地存在地区异质性。
1.2 第二个渗透
数字经济非实体性要素通过拓展渗透广度、强化渗透深度，为世界重要人才中心和创新高地重塑“血肉”。不同收入水平国家在非实体要素吸收能力、融合路径与制度嵌入上存在显著差异，直接影响其在全球人才与创新格局中的地位与演进方向。一方面，渗透广度指非实体要素交织融合形成的多层次网络结构，是衡量其网络化融合与社会经济渗透力的关键标尺[16-17]。数字经济时代，单一或局部融合创新难以满足现代人才需求，非实体要素的引入加速区域创新资源整合，提升各国要素联动能力，推动高收入、中等偏上、中等偏下及低收入国家形成差异化创新系统，尤其助力构建具有区域特色的自适应创新体系。另一方面，渗透深度强调要素联结向机制化、制度化、系统化深化，支撑高地“软件设施”建设。其不仅体现于制度设计与技术治理，更反映不同发展阶段国家将非实体要素嵌入本地组织模式与政策框架的过程，塑造差异化创新生态。高收入国家依托成熟制度与治理体系，高效实现要素制度化整合；低收入国家则面临更大制度调适压力。同时，非实体要素融合催生的创新活动嵌入人才网络，通过机制化保障创新主体间沟通、协商与合作，加速形成与数字经济适配的高地构建理念、培育体系、组织形式及政策体系，最终推动世界重要人才中心和创新高地的成型。
1.3 第三个渗透
世界重要人才中心和创新高地的软件设施体系向硬件设施体系的渗透，是构建其整体架构的决定性过程。该过程要求科技、管理、文化、数据等非实体性要素深度嵌入现代化人才结构与基础设施，以激活要素、优化人才结构。由此催生的体系构建理念、培育体系、组织形式及政策体系，需融入现代化工农服产业与硬件基础设施，形成完整架构。数字经济在此不仅推动内部融合，更通过空间溢出效应强化地理关联。依托信息网络与平台技术，数字非实体要素可跨越地理边界[18]，促进区域间知识共享、资源协同与创新联动，在制度优、基建完善的地区尤为显著，逐步形成以发达国家为节点、周边联动的多层级创新网络；而数字化滞后的发展中国家因制度壁垒、基建薄弱或人才不足，渗透力弱，难以构建起有效的世界重要人才中心和创新高地。从运行机理看，空间溢出通过3条交织路径作用：一是地理邻近性溢出，如长三角电子信息产业在区域一体化驱动下，本地创新对周边产生正向溢出[19]；二是空间网络协同，工业互联网等平台串联不同地理节点的创新主体，城市或产业集群通过输出标准与研发能力，促成跨域知识共享与联合攻关，转化单点为网络优势[20]；三是地理梯度扩散，全球数字经济呈“核心—外围”梯度[21]，美、欧为核心，亚洲、非洲为新兴，南美洲、大洋洲为外围。核心区技术模式沿梯度向次核心、边缘区扩散，助后发地区补短板、育人才、建适配体系，形成由核心向外围逐层推进的建设路径。由此可见，数字经济借地理邻近强化本地邻地联动、靠空间网络实现跨域协同、依地理梯度推动层级发展，在世界重要人才中心和创新高地建设中发挥着显著且可传递的空间溢出效应。
据此，在前文论述基础上进一步提出本文的假设H3：数字经济的发展可以显著提高世界重要人才中心和创新高地的发展水平；假设H4：数字经济对世界重要人才中心和创新高地的发展水平存在正向的空间溢出效应。
理论设定
2.1 模型构建
研究发现，数字经济与世界重要人才中心和创新高地存在空间关联，传统最小二乘法模型会忽略此关联可能导致偏差。因此，运用空间计量模型分析数字经济与世界重要人才中心和创新高地的影响及空间效应。
(1) 空间权重矩阵。空间权重矩阵用于衡量经
济变量的空间相关性，常见类型包括经济距离矩阵、地理距离矩阵、经济与地理嵌套矩阵以及邻接矩阵[22]。鉴于世界重要人才中心和创新高地的跨国界效应，本文借鉴邵帅等[23]的方法，构建了一个结合地理和经济因素的嵌套矩阵作为空间权重矩阵W。具体如下：
公式(1)中，dij为国家i和国家j的球面距离；公式(2)中，Yi和Yj分别为两国人均GDP的年平均值。在公式(3)中，W1和W2的分别为两国人均GDP的年平均值。其中，φ代表基于地理距离的权重。为综合考虑空间效应，本文设定 φ=0.5，使两种矩阵各占50%的权重。
(2) 空间计量模型。为考虑空间因素，本文采用空间计量模型研究数字经济对世界重要人才中心和创新高地的影响。具体模型如下：
在模型中，Y表示被解释变量，X表示解释变量，W是空间权重矩阵，其中，δ为解释变量 X的回归系数，ρ表示被解释变量的空间自相关系数，β 是解释变量空间滞后项的回归系数，而 λ 则表示误差项的空间自相关系数。若ρ ≠ 0、β = 0且λ = 0，符合SAR，即空间滞后模型；若ρ = 0、β = 0且λ ≠ 0，符合SEM，即空间误差模型；若ρ ≠ 0、β ≠ 0且λ = 0，符合 SDM，即空间杜宾模型。根据检验结果选择适合的模型。
2.2 变量定义
(1) 被解释变量。因变量为世界重要人才中心和创新高地的建设情况，本文借鉴 Leikuma-Rimicane 等人[24]研究，采用 GTCI 衡量世界重要人才中心建设，GTCI 基于人才培养、吸引和保留情况及职业技术与通用知识能力。参考杨佳乐[25]的做法，使用 GII 衡量创新高地建设情况，GII 从创新投入与产出两个方面评价国家创新能力。GTCI 和 GII 有得分和排名两种形式，主回归采用得分形式，排名形式用于稳健性检验。数据来自 INSEAD 和 WIPO 历年报告。
(2) 核心解释变量。核心解释变量是数字经济的评价指标，该指标基于国家统计局《数字经济及其核心产业统计分类（2021）》和已有学者的研究构建[26]。从数字经济基础设施、数字产业化、产业数字化这三大维度出发，形成了一个综合的数字经济评价体系，基于目前可获取的数据，本文测算了全球 106 个国家的数字经济指数。具体指标参见表 1。
表1 数字经济评价指标体系
（3）控制变量。参考吴海珍等[27]、燕连福等[28]的研究，选取经济发展水平、城市化水平、工业化水平、研发支出、产业结构、贸易自由度作为本文的控制变量。
2.3 数据说明与描述性统计
本文以2013—2022年全球106个国家面板数据为样本，覆盖经济发展重要阶段，数据源自世界银行、国家知识产权局；控制变量来自世界银行及OECD数据库。处理时剔除严重缺失样本，少量缺失用线性插值、移动平均补齐，最终得到10年106国1060个观测值的平衡面板数据，为统计分析奠基。各变量描述性统计见表2。
表2 描述性统计
实证结果分析
3.1 数字经济对世界重要人才中心和创新高地的空间计量分析
(1) 全局空间相关性检验。全局空间相关性分析通常使用莫兰指数（Moran’s I），因其稳健性和对极值的敏感性。鉴于此，本文采用全局莫兰指数对 2013—2022 年 106 个国家的数字经济与世界重要人才中心及创新高地进行空间相关性检验。全局莫兰指数的计算公式如下：
其中，n是观测值的数量，W是所有权重 Wij的总和，xi和 xj分别是第i和第j个观测值，
是观测值的平均值，ωij是空间权重矩阵中的元素，表示区域i和区域j之间的空间关系。
本文采用全局莫兰指数来测算 2013—2022 年间数字经济对世界重要人才中心和创新高地影响的空间相关性，结果详见表 3。结果显示，在这一时期内，数字经济对世界重要人才中心和创新高地影响的全局莫兰指数均通过了显著性检验。表明各国在数字经济对世界重要人才中心和创新高地的影响方面存在着显著的正向空间相关性，即一个地区数字经济的发展往往能够带动周边地区世界重要人才中心和创新高地的发展。
表3 2013-2022年数字经济与世界重要人才中心和创新高地的全局莫兰指数
(2) 局部空间相关性检验。为深入剖析数字经济与世界重要人才中心和创新高地的空间相关性，本文通过局部莫兰指数（Local Moran's I）检验局部模式，将样本分为 H-H（高-高集聚）、L-L（低-低集聚）、H-L（高-低集聚）、L-H（低-高集聚）4类。本文绘制莫兰散点图检验数字经济与世界重要人才中心和创新高地集聚的局部空间的相关性。
公式如下：
图2、图3分别为2013年和2022年数字经济与世界重要人才中心和创新高地的莫兰散点图。多数国家位于第一、三象限，局部空间正向相关性显著，与全局莫兰指数一致；随时间推移，象限内国家增多，局部相关性增强。局部空间相关性显著，数字经济对两者集聚水平的提升作用持续显现。总体呈“高-高”、“低-低”集聚。数字经济发达地区带动周边人才创新资源发展，落后地区面临资源流失，假设H4成立。
图2 2013年、2022年数字经济莫兰指数散点分布
图2 2013年、2022年世界重要人才中心和创新高地莫兰指数散点分布
3.2 空间计量模型选择
在空间计量分析中，常见的静态面板空间模型包括空间杜宾模型（Spatial Durbin Model, SDM）、空间自回归模型（Spatial Autoregressive Model, SAR）以及空间误差模型（Spatial Error Model, SEM）。其中，SAR 主要通过引入被解释变量的空间滞后项来捕捉相邻单元之间的直接影响，而 SEM 则侧重于刻画误差项中的空间自相关，以反映未被观测因素的空间溢出效应。SDM 兼具两者的特点，能够同时考察解释变量与被解释变量的空间滞后影响。
前文分析表明，数字经济与世界重要人才中心和创新高地存在显著的空间相关性。为选择合适的模型，首先进行 LM 检验。LM 检验结果如表 4 所示，针对空间误差模型 SEM 的 LM-error 和 Robust-LM-error 统计值均在 1% 的统计水平上显著，针对空间自回归模型 SAR 的 LM-lag 统计值均在5%水平上显著以外。LM 或 Robust-LM-lag 的检验结果表明存在空间自相关性，需要通过 LR 和 WALD 检验来确定合适的空间计量模型。Elhorst 指出，拒绝了非空间计量模型的原假设后，需要进一步估计 SDM，再检验 SDM 是否会退化为 SAR 或者 SEM，故此时将计量模型暂定为 SDM。
表4 LM检验结果
确认选用空间计量模型后，本文使用 Hausman 检验确定固定效应或随机效应模型，以分析数字经济对世界重要人才中心和创新高地的影响。具体模型如下：
表 5 结果表明，基于设定的权重矩阵，统计值在 1% 水平上显著，因此采用固定效应模型。然后，通过 LR 和 WALD 检验确认 SDM 是否退化为 SAR 或 SEM。
表5 空间计量模型 Hausman 检验结果
为了验证 SDM 模型的适用性，本文进行了 Wald 和 LR 检验。表 6 显示，检验统计值分别为 85.37、83.34 和 83.09、111.25，在 1% 的显著水平下拒绝原假设，说明空间杜宾模型（SDM）不会退化为简单的空间自回归模型（SAR）或空间误差模型（SEM）。因此，本文选择使用 SDM 空间计量固定效应回归模型。
表6 空间计量模型的 LR 和 WALD 检验结果
3.3 空间计量回归结果分析
由表 7 列（2）中 SDM 模型回归结果可知，数字经济对世界重要人才中心和创新高地的系数为 0.038，且在 1% 水平下显著，表明数字经济能够对世界重要人才中心和创新高地有显著影响，证实了假设 H3。空间自相关系数为 0.503，在 1% 水平上显著为正，显示数字经济在正向空间溢出效应。这说明本地数字经济受邻近及经济联系紧密的世界重要人才中心和创新高地影响，证实了假设 H4。
表7 空间计量回归模型结果
3.4 空间效应分析
数字经济空间交互项回归系数反映国家与邻国的加权总值，易忽略邻国间溢出与反馈效应，难以准确衡量其对世界重要人才中心和创新高地的影响。本文借鉴 Lesage 偏微分方法，将影响分解为直接、间接及总效应。直接效应为本地自变量对本地因变量的影响，间接效应为其他国家自变量对本地因变量的影响，总效应为二者之和。表 8 显示，数字经济的直接效应与总效应均在 5% 水平下为正，既验证“本地数字经济提升促进本地世界重要人才中心和创新高地发展”的假设 H3，也体现空间溢出趋势。
表8 空间效应分解
3.5 内生性处理与稳健性检验
(1) 内生性问题处理。数字经济与世界重要人才中心和创新高地存在双向因果，后者反促数字经济发展易引发内生性问题。本文采用工具变量法结合2SLS缓解，参考黄群慧等[10]研究，选取1984年固定电话用户数为初始工具变量，再构造其与上年移动蜂窝订阅量的交互项。表9显示，第一阶段工具变量对数字经济系数为0.396，F值1786.6，排除弱工具变量；第二阶段数字经济对世界重要人才中心和创新高地系数为0.335，与基准SDM结论一致，验证正向效应稳健；Wald卡方值为3315.29，两个阶段R2分别0.5076与0.8422，样本量为1060，拟合良好。因此，考虑内生性后，数字经济赋能世界重要人才中心和创新高地的结论依然成立，研究结论稳健。
表9 工具变量回归结果
(2) 稳健性检验。为进一步验证数字经济对世界重要人才中心和创新高地促进作用的稳健性。本文通过剔除样本、解释变量滞后一期两种方法对SDM模型的结果进行验证。其中，剔除样本方法以2013—2022年样计；解释变量滞后一期主要借鉴邵帅等[29]的做法，研究前一期的数字经济如何影响世界重要人才中心和创新高地的发展水平，这一方法在一定程度上弱化了由于反向因果关系可能导致的内生性问题。从表10的稳健性检验结果可见，数字经济对世界重要人才中心和创新高地的影响依旧显著为正，再次证明了研究结果的稳健性。
表10 稳健性检验
进一步分析：异质性分析
考虑到数字经济的复杂性以及世界重要人才中心和创新高地的多样性，全样本回归结果可能会带来“一刀切”式的政策建议。因此，本文接下来把讨论的重点放在从数字经济和世界重要人才中心和创新高地两个维度进行的异质性分析上，以期更系统精准地评估数字经济对世界重要人才中心和创新高地的作用区间，科学认识数字经济的实际效果。
4.1 地区异质性分析
前文分析表明，数字经济不仅能提升本地世界重要人才中心和创新高地的水平，还存在正向空间溢出效应，但受互联网、基建、产业结构及人才政策等差异影响，各地直接与溢出效应有别。为探究异质性，本文将样本分为北美洲、亚洲、欧洲、南美洲、非洲、大洋洲6个组别，北美洲含美国、加拿大等9国，亚洲含中国、日本、俄罗斯等41国，南美洲含乌拉圭、智利等8国，非洲含埃及、南非等18国，大洋洲含澳大利亚、新西兰。沿用既有模型与变量，回归结果见表11，北美洲、亚洲、欧洲、非洲系数分别为0.232、0.120、0.199、0.156，均在1%水平上显著，数字经济显著促进本地世界重要人才中心和创新高地的建设且能溢出带动他国；南美洲系数0.086，在5%水平上显著，本地世界重要人才中心和创新高地的影响较强；大洋洲系数-0.013，影响不显著，或因样本少、经济集中度低。北美、亚洲、欧洲工业与经济实力雄厚，数字经济市场完善、科技基础扎实，人才吸引力强；非洲受益国际援助完善基建，通过周边学习模仿吸收创新知识与管理经验，提升技术创新能力，验证假设H1。
表11 异质性检验I：地理区域差异
4.2 经济异质性分析
同样地，对不同经济发展水平与各国世界重要人才中心和创新高地的发展阶段进行了异质性分析。回归分析结果如表 12 所示。从经济发展水平看，在高收入国家中，数字经济对世界重要人才中心和创新高地具有显著的正向影响。这些国家通常具备先进的基础设施和技术资源，能够有效利用数字技术推动创新和人才培养，从而进一步提升其在全球经济中的竞争力。对于中等偏上收入国家而言，数字经济同样显示出显著的积极效应。这些国家正处于经济转型的关键时期，数字经济不仅有助于加速传统产业的升级，还能吸引更多的国际投资和技术合作，促进本地人才成长和创新能力的提升。在中等偏下收入国家中，数字经济对世界重要人才中心和创新高地的影响也有一定的显著性。尽管这些国家的技术基础相对较弱，但通过引进外部技术和加强国际合作，能够逐步缩小与发达国家之间的差距，并在特定领域形成竞争优势。然而，在低收入国家，数字经济对于世界重要人才中心和创新高地的影响变得不再显著。可能的原因是低收入国家往往缺乏必要的数字基础设施，如宽带互联网接入、数据中心等，这限制了数字技术的有效应用和发展。同时，这些国家的技术人才储备相对较少，且教育体系可能无法提供足够的技术支持和培训，导致数字技术的应用和创新能力受限。低收入国家通常面临财政资源紧张的问题，由于难以投入足够的资金用于数字基础设施建设和技术创新项目，这在很大程度上制约了数字经济与世界重要人才中心和创新高地的发展，验证了本文的研究假设H2。
表12 异质性检验II：收入类别差异
结论与启示
5.1 研究结论
本文选取2013-2022年全球106个国家作为研究对象，从理论与实证两个方面深入探讨了数字经济对世界重要人才中心和创新高地的影响，研究发现如下。
（1）数字经济对世界重要人才中心和创新高地的发展具有显著的正向促进作用。即使经过样本剔除和解释变量滞后一期等一系列稳健性检验，该结论依然成立，验证了其可靠性。即无论是在不同时间段还是在不同的样本结构下，数字经济对提升世界重要人才中心和创新高地的发展水平均表现出稳定的积极影响。
（2）进一步研究表明，数字经济不仅促进了本地的世界重要人才中心和创新高地，还对相邻地区产生了显著的正向空间溢出效应。即一个地区的数字经济可以带动邻近地区的人才聚集和创新能力提升，形成区域间的协同效应。这种跨区域的正面影响有助于缩小各地之间的发展差距，促进更广泛的区域协调发展。
（3）通过对不同地区的异质性分析发现，相较于南美洲和大洋洲国家，数字经济对北美洲、亚洲、欧洲和非洲的世界重要人才中心和创新高地具有更为显著的正向促进作用。此外，相较于低收入国家，数字经济在高收入国家、中等偏上收入国家和中等偏下收入国家中的赋能效果更为突出。这表明，虽然数字经济为所有国家和地区提供了发展机遇，但其实际效益在很大程度上取决于当地的经济基础和发展环境。
5.2 实践与启示
(1) 健全数字经济支撑体系以建设世界重要人才中心和创新高地。研究指出，数字经济对世界重要人才中心和创新高地具有显著促进作用，且具有很强的空间溢出效应。建议如下：一是深化数字技术与实体经济融合，依托大数据、人工智能推动传统产业数字化、智能化转型，加大5G、数据中心等新型基建投资，夯实建设基础；二是优化人才培养与引进，在高等及职业教育增设数字技术课程，培育适配人才，出台优惠政策吸引国际顶尖人才与专家；三是支持双创生态，设专项基金扶持数字经济双创项目，依托孵化器、加速器提供指导、资金与技术支撑；四是加强国际合作，参与数字经济国际标准制定，开展跨国项目，共探新技术、新模式应用，助推高地发展。
(2) 实施数字化差异策略以缩小世界重要人才中心和创新高地的区域差距。需针对数字经济对北美、欧洲、亚洲、非洲推动作用更显著的特点差异化施策。一是定制化政策，北美、欧洲侧重数据隐私与技术法规合规，亚洲、非洲聚焦新兴市场培育与技术转移，推动中小企业转型；二是加大南美、大洋洲数字基建投资，建设高速宽带、数据中心等，公私合作弥合鸿沟；三是强化本地人才培养，校企开数字经济课程，优化引才政策吸顶尖人才；四是建立区域数据共享平台促要素融合，健全安全法规增信任。多措并举可巩固赋能效应，缩区域差距，为高质量发展与全球人才汇聚筑基。
（3）推进数字经济分层施策以弥合世界重要人才中心和创新高地的发展鸿沟。研究表明，数字经济对高、中高、中低收入国家的高地建设影响显著，需分类施策。高收入国家聚焦深化数字技术创新与全球竞争力，加大AI、大数据等前沿研发投资。中高收入国家重在提升数字基建与普及率、缩小城乡鸿沟，强化职教体系并增设数字技能培训，适配劳动力技术需求。中低收入国家优先普及基本数字接入与服务，扩大移动互联网覆盖、降低上网成本，让民众共享数字经济红利。低收入国家除落实上述举措外，需强化基础能力与可持续。稳定电力供应以保障数字基建运行，探索太阳能供电无线基站等低成本方案，争取国际组织资金与技术指导，构建契合国情的数字经济框架。
来源 | 原文刊于《中国科技论坛》2026年5月 第5期
作者 | 刘伯良1, 陈芳1, 游肖月2, 张向前3
1.中南财经政法大学公共管理学院
2.中南财经政法大学经济贸易学院
3.上海应用技术大学马克思主义研究院
往期推荐
审核：梁兆南、陈华博
关于联盟
