| 研究问题 | 面向发展中国家的AI专题研修培训如何通过人力资本渠道提升其技术吸收能力和本土AI创新能力? |
| 理论框架 | 发展经济学中的人力资本理论、技术吸收能力理论、南南合作人力资本溢出理论。 |
| 研究方法 | 采用跨国面板数据与DID方法,评估AI培训项目对受训国AI人才存量和创新产出的影响。 |
| 数据来源 | 中国对外培训项目数据库、受训学员追踪数据、LinkedIn AI人才数据、各国专利数据。 |
| 创新点 | 量化国际AI培训项目的人力资本溢出效应;区分短期技能提升与长期创新能力的差异。 |
基于人力资本理论,提出H1:AI培训显著提升受训者数字技能和就业率;H2:培训通过"海归"效应促进母国AI产业发展;H3:培训效果受母国数字基础设施和制度环境的调节。
利用不同国家参与中国AI培训项目的时间差异,构建 staggered DID 模型。以参与培训国家为处理组,未参与的发展中国家为对照组。
设定国家-年份模型:`AICapacity_ct = α + β·Training_ct + γ·(Training_ct × Infrastructure_ct) + δ·X_ct + μ_c + λ_t + ε_ct`。
被解释变量为AI人才密度、AI专利申请量、AI企业数量;核心解释变量为培训名额数、累计受训人数;控制变量包括GDP、教育支出、互联网普及率、外资流入等。
① 使用PSM-DID;② 控制其他国际培训项目影响;③ 分地区回归;④ 采用工具变量法;⑤ 进行学员层面的微观机制检验。
---