“人才紅利”效應與中國經濟持續增長

■ 宋奇成 教授 張亞飛（重慶理工大學 重慶 400054）

?

“人才紅利”效應與中國經濟持續增長

■ 宋奇成 教授 張亞飛（重慶理工大學 重慶 400054）

內容摘要：本文基于包含人力資本的柯布-道格拉斯生產函數的理論推導，建立包含人均GDP、人均物質資本、從業人員受教育程度、勞動參與率、總撫養比的計量模型，并利用2001-2012年的省際面板數據對計量模型進行檢驗。結果顯示：從全國層面分析，人均物質資本、從業人員的受教育程度對經濟增長影響顯著為正，總撫養比對經濟增長影響顯著為負，勞動參與率對經濟增長影響為正，但不顯著；在模型中加入從業人員變量后，從業人員的受教育程度對人均GDP的正向作用加大；從區域性角度分析，從業人員的受教育程度對東部、中部、西部經濟增長均顯著為正且影響程度存在區域差異，其中，中部地區從業人員受教育水平對經濟增長的影響程度最大，東部地區次之，最后是西部地區。

關鍵詞：從業人員 受教育程度 總撫養比 經濟增長 區域差異

引言

改革開放以來，中國的經濟取得了飛速發展，許多研究表明，人口年齡結構轉變形成的“人口紅利”是中國經濟高增長的主要原因之一。但是隨著中國人口增長模式的轉變，當前中國人口增長模式進入低出生率、低死亡率、低增長率階段，勞動年齡人口所占比重從2011年至2013年一直處于負增長，蔡（2004）指出第一次人口紅利將在2013-2015年左右消失。勞動年齡人口減少和沿海地區“用工荒”等現象均表明我國將喪失廉價勞動力成本這一比較優勢資源。因此研究如何挖掘第二次紅利以保證經濟的可持續增長具有重要的現實意義。基于此，陳井安、王學人（2012）認為人才而非資源緊缺是中國經濟持續增長的“短板”，蔡（2009）、胡鞍鋼等（2012）指出可以通過教育深化提高勞動生產率，擴大老齡化時期的勞動力資源和人力資本積累以抵消未來人口紅利消失對經濟增長帶來的負面影響。綜上所述，在我國勞動年齡人口減少和老齡化加深的大背景下，通過教育提高勞動力素質形成新的“人才紅利”是應對我國經濟下行壓力的主要途徑（張薛梅，2014）。現代增長理論和實踐也充分證明在經濟增長要素中，勞動力質量要優于勞動力數量，本文利用包含人力資本的柯布-道格拉斯生產函數構建模型對該理論進行驗證，以此說明通過教育提高勞動力素質可以挖掘第二次人口紅利，為相關政策的制定提供理論依據，實現“人口紅利”向“人才紅利”的轉變。

理論推導和變量選取

柯布-道格拉斯生產函數主要反映勞動力和物質資本投入與經濟總量的關系，假設規模報酬不變，即α+β=1，（其中0<α<1；0<β<1）。加入就業人員的平均受教育程度后，包含人力資本存量生產函數的具體形式如下：

其中，Yit是i省在t年的總產出，Ait表示i省在t年的全要素生產率，代表技術水平，Kit表示i省在t年的物質資本，Lithit表示i省在t年的人力資本投入。用i省在t年的就業人口Lit與就業人員的平均受教育年限hit的乘積表示。

將式（1）兩邊同時除以各省總人口Nit，得式（2）如下：

其中，Wit代表勞動年齡人口數量（指15-65歲的勞動年齡人口），假設少兒人口數量為L1it（指0-14歲的人口數量），老年人口數量為L2it（指65歲以上的人口數量），則Nit=L1it+L2it+Wit，公式（2）進一步推導得：

其中，i表示省市（自治區），t表示年份；fi和εit分別代表截距項和誤差項；yit為人均GDP，用各省現價GDP與總人口之比表示；kit為人均物質資本投入，用固定資本形成額與總人口之比表示；為勞動參與率，用就業人數與勞動年齡人口數量之比表示；DRit為總撫養比，用少兒人口數與老年人口數之和與勞動年齡人口數之比表示；hit代表從業人員的受教育程度，利用不同學制年數受教育人數的加權平均數計算平均受教育年限，其中，文盲為0年，小學文化程度為6年，初中文化程度為9年，高中文化程度為12年，大專文化程度為15年，大學本科文化程度為16年，研究生文化程度為19年。根據公式推導結果，人均物質資本投入，勞動參與率，從業人員的受教育程度三者的系數為正，總撫養比的系數為負。

數據來源于《中國統計年鑒》、《中國人口與就業統計年鑒》、《中國勞動統計年鑒》以及各省統計年鑒，并經過簡單計算而得，因為《中國勞動統計年鑒》關于從業人員的受教育程度只公布了2001-2012年的數據，所以本文研究的時間跨度為2001-2012年，橫截面為我國31個省、市、自治區，所有檢驗均在Eview s6.0軟件下進行，變量的描述性統計如表1所示。

實證分析及結果

（一）全國層面的初步回歸

豪斯曼（Hausm an，1978）對計量模型進行估計時發現，固定效應模型和隨機效應模型之間存在顯著差異，固定效應模型假定模型的截距項和解釋變量相關，將個體效應反映在模型截距項的差異上，而隨機效應模型假定不被觀察到的個體效應與解釋變量無關，是隨機的，在實際分析中一般利用霍斯曼檢驗來確定采用固定效應模型還是隨機效應模型。Hausm an檢驗的原假設H0：截距項與解釋變量無關，即采用隨機效應模型；H1：截距項與解釋變量相關，即采用固定效應模型；給定置信水平α，若統計量大于臨界值，則拒絕原假設，采用固定效應模型，否則，采用隨機效應模型。

Hausm an檢驗結果如表2所示，表中模型1和模型2模型采用固定效應模型（FE），模型3和模型4采用隨機效應模型（RE）。其中，模型1僅考慮從業人員的受教育程度與經濟增長的關系，模型2、3、4分別加入了人均物質資本、總撫養比、勞動參與率等解釋變量。

結果顯示，從業人員的受教育程度、人均物質資本投入、勞動參與率的系數為正，總撫養比的系數為負。此外，從業人員的受教育程度、人均物質資本投入、總撫養比對人均GDP的影響均顯著，勞動參與率對經濟增長的影響不顯著，可能原因是相對于經濟增長變化，勞動參與率變化較小。為了進一步研究勞動力數量和勞動力質量對經濟增長的影響作用，本文在模型3的基礎上加入了就業人數l，具體結果如表3所示。在模型3的基礎上加入就業水平l后，Hausm an檢驗統計的P值為0.0266，因此在5%的置信水平下拒絕原假設，采用固定效應模型，模型調整后的擬合優度為0.9917，大于模型3的0.9754，說明加入就業水平變量后，模型效果更好。從表3中可以看出，從業人員的受教育程度對經濟增長的彈性系數0.4536大于就業人數對經濟增長的彈性系數0.1712，說明勞動力質量對人均GDP的影響作用大于勞動力數量。此外，在沒有加入就業水平的模型3中，從業人員的受教育程度對人均GDP的彈性系數為0.3820。在模型5中加入就業水平后，從業人員的受教育程度對人均GDP彈性系數上升至0.4536，說明最大化促進就業對最大程度發揮人才紅利效應具有重要作用。

（二）人力資本對經濟增長影響的區域差異性

考慮到從業人員的受教育程度對我國經濟增長的影響存在區域差異性，本文主要分析從業人員的受教育程度對我國東部、中部、西部的影響效果，回歸結果如表4所示。

不同區域的回歸結果顯示，東部、中部、西部從業人員的受教育水平均對經濟增長具有顯著的促進作用，這與全國層面的回歸結果一致，從業人員的受教育水平對人均GDP的彈性系數分別為0.6837、1.0798、0.4478，這說明人力資本水平對經濟增長的影響效果存在區域差異。其中，中部地區從業人員的受教育程度對經濟增長的解釋作用最大，其次是東部地區，最后是西部地區。說明應加大對西部地區的人力資本投資，促進人才在區域間的合理流動，充分釋放西部地區人才紅利效應。

表1　變量的描述性統計

表2　面板估計結果

表3　加入l面板估計結果

表4　我國東部、中部、西部面板數據估計結果

結論與建議

綜上所述，本文得出以下結論：

第一，利用2001-2012年的省際面板數據進行實證分析的結果與公式推導結果一致，從全國層面來看，從業人員的受教育水平、人均物質資本投入對人均GDP的影響顯著為正。總撫養比對人均GDP的影響顯著為負，勞動參與率的影響為正，但不顯著。其中，就業人員的受教育水平對人均GDP的彈性系數為0.4536，遠遠大于就業人員對人均GDP的彈性系數0.1712，說明勞動力質量對經濟增長的促進作用要大于勞動力數量，雖然我國勞動年齡人口數量出現負增長，但是勞動力資源的總體規模還很大，如果將充分的勞動力資源轉化為人才資源，可以充分釋放第一次人口紅利，為產業升級和轉型創造有利條件。

第二，從全國層面來看，加入就業水平后，從業人員受教育水平對人均GDP的系數有所提高，說明充分擴大就業對人才紅利效應的發揮具有重要作用。所以應該采取積極的就業政策，加強引導，完善就業市場制度，消除高校培養人才與勞動力市場需求結構性失衡的現象，使勞動力的供給方和需求方能夠實現均衡，充分發揮人才紅利的經濟效應。

第三，就業人員受教育水平對人均GDP具有顯著正向影響，但其對經濟增長的影響效果存在區域差異性。其中，中部地區人力資本對經濟增長的解釋作用最大，其次是東部地區，最后是西部地區。說明西部地區就業人員的受教育水平相較東部、中部地區偏小，政府應加大對西部地區的人力資本投資，促進人才在區域間的合理流動；此外中部地區對經濟發展的影響效應最大，政府應當采取積極的人才優惠政策，加大公共教育投資，使中部地區充分釋放人才紅利。

參考文獻：

2.陳井安，王學人.人才紅利效應與中國經濟持續增長[J].經濟學動態，2012（5）

4.胡鞍鋼，劉生龍，馬振國.人口老齡化、人口增長與經濟增長—來自中國省際面板數據的實證研究[J].人口研究，2012（5）

5.張薛梅.我國經濟下行趨勢分析與破解路徑[J].商業時代，2014（33）

中圖分類號：◆F114.1

文獻標識碼：A

基金項目：▲重慶理工大學研究生創新基金資助項目（YCX 2014244）