城市規模對人力資本外部性影響的微觀證據
——基于貝葉斯分位數回歸分析

龔石鳳, 張浩敏, 唐巧巧

(桂林理工大學 理學院, 廣西 桂林 541006)

0 引 言

人力資本是凝集在勞動力自身的知識、 技能以及其表現出來的勞動能力[1]。Lucas認為人力資本具有內部效應和外部效應, 內部效應是指個人的人力資本積累能夠提高自身的生產率并增加收益; 外部效應(即外部性)是指平均人力資本的增加能促進所有生產要素的生產率提高[2]。不同勞動力群體通過各種形式的交流實現知識和技能的共享, 從而產生人力資本外部性。特別地, 接受過高等教育的勞動力群體與受教育水平較低的勞動力群體在臨近空間內發生的頻繁接觸, 可以帶動受教育水平較低的勞動力群體人力資本水平的提高, 加快創新與技術發展的速度, 并促進整個城市生產效率的提升[3-4]。我國正在積極推動城鎮化, 大量勞動力集聚于城市, 人員流動和知識傳播變得更加便捷, 這為人力資本外部性問題的實證分析提供了更有意義的現實背景。

人力資本外部性對經濟增長的重要意義使其受到大量學者的關注和討論。宏觀層面的研究通常使用盧卡斯人力資本外部性模型進行測度[5-6]。微觀角度則以明瑟工資方程為基礎, 加入表示人力資本總體水平的變量構建模型, 考察人力資本外部性的大小： Moretti將大學畢業生在城市勞動力人口中的占比作為核心解釋變量與平均工資建立回歸模型, 在控制可能使得模型產生誤差的某些因素基礎上, 發現城市中存在大學教育的外部性[7]； Liu發現中國城市存在人力資本外部性[8]； 孫三百對人力資本外部性的4類傳導機制進行考察, 發現人力資本外部性促進了城市移民的收入增長[9]； Glaeser等在2002、 2007和2013年中國家庭收入項目調查(CHIP)數據的基礎上, 將中國20世紀50年代初高校院系搬遷中城市遷入和遷出的院系數量作為城市人力資本的工具變量, 對人力資本外部性進行考察, 結果顯示城市平均受教育年限每增加1年, 個人小時工資將會提升22%[10]； 許巖等提出在不同收入階層的勞動力之間, 城市人力資本外部性的分布可能并不均衡, 并利用分位數回歸方法得到的估計結果證實其猜想, 城市人力資本外部性在不同收入階層的分布確實存在不可忽視的結構分化[11]； 但也有學者認為一定情形下人力資本外部性不會對收入產生顯著影響[12]。

在人力資本外部效應存在性問題取得一定進展的同時, 一些學者對城市規模與人力資本外部性的關系進行了探討： Black等發現規模較大的城市可以積累更多的人力資本, 進而更好地發揮人力資本外部性的作用[13]； 梁文泉等對服務業內的人力資本外部性大小進行測度, 并探討了城市規模對服務業行業內、 行業間以及制造業人力資本外部性的影響, 結果顯示, 城市規模越大服務業行業內企業間、 行業間均會產生更大的人力資本外部性, 而關于制造業的結果則相反[14]； 王珍珍等同樣得出了城市規模越大服務業內的人力資本外部性越強的結論[5]； 李瑞等則考慮城市規模對勞動力個人層面人力資本外部性的影響, 發現城市農民工能夠從城市人力資本外部性中獲益, 并且城市規模越大, 農民工人力資本外部性程度越高[15]。

總體來看, 大部分研究證實了人力資本外部性的存在, 但現有文獻的結果多是基于均值回歸得到的平均效應。雖然許巖等采用分位數回歸研究了人力資本外部性在不同收入階層間的分布情況, 但是沒有進一步探討城市規模對人力資本外部性的影響[11]。李瑞等考察城市規模對農民工人力資本外部性影響, 得到的是基于平均水平的結果, 沒有考慮不同收入水平上的異質性[15]。因此, 對于不同分位點上城市規模對人力資本外部性的影響還有待進一步的研究。

本文在現有研究成果的基礎上, 利用2013年CHIP數據, 運用更加穩健的貝葉斯分位數回歸方法, 分析不同收入水平勞動力從城市人力資本外部性效應中獲益的情況， 研究在不同分位點上城市規模對人力資本外部性的影響， 并在此基礎上分別對城市居民樣本和農民工樣本進行貝葉斯分位數回歸分析, 比較城市居民和農民工人力資本外部性差別, 考察制度性分割的影響。同時, 從微觀角度出發, 試圖回答以下3個問題: 城市人力資本水平對于不同收入水平勞動力的影響是否存在差異?不同分位點上城市規模對人力資本外部性的影響是否均衡?不同戶口性質勞動力間的人力資本外部性又有何差異?

1 模型方法與數據說明

1.1 貝葉斯分位數回歸方法

(1)

其中：yi為響應變量；xi為p個自變量組成的向量；βτ為依賴于τ的系數向量；εi為隨機擾動項。系數向量βτ的估計可通過求解如下最小化問題得到[18]

(2)

貝葉斯分位數回歸的基本思想是假定分位數回歸模型的誤差項服從非對稱Laplace分布, 以此為基礎構造模型參數的極大似然函數, 將式(2)的最小化問題轉化為極大化似然問題, 再根據貝葉斯估計方法得到參數的后驗分布[16]。

非對稱Laplace分布的定義為:若隨機變量u的概率密度函數為

(3)

則稱u服從非對稱Laplace分布, 記為u～ALD(μ,σ,τ)。 其中,μ代表位置參數,σ代表尺度參數, 0<τ<1代表偏度參數。

分位數回歸的貝葉斯推斷過程: 假設模型(1)中的隨機擾動項εi～ALD(0,σ,τ), 由于非對稱Laplace分布滿足線性變化的性質[19], 可得yi～ALD(xi′β,σ,τ)。若給定樣本數據y=(y1,y2, …,yn), 那么樣本的似然函數為

(4)

在給定的分位數τ下, 極大化式(4)估計β等價于求解極小化問題式(2)。進一步, 若有待估參數β和σ相互獨立, 則對應的聯合先驗分布為π(β,σ)=π(β)π(σ), 由貝葉斯定理可知參數β和σ的聯合后驗密度為π(β,σ|y)∝L(y|β,σ)π(β)π(σ)。

1.2 計量模型設定

人力資本外部性的測度方法并不唯一, 趙勇等對人力資本外部性效應的測度方法進行了梳理[20]。大部分學者使用基于勞動力工資溢價的人力資本外部性測度方法[7], 即在明瑟工資方程的基礎上增加區域變量, 將城市總體人力資本水平對個人工資的影響作為人力資本外部性的估計。許巖等通過實證研究指出人力資本外部性效應存在且城市人力資本高的地區工資溢價更高[11]。本文關注的是城市人力資本外部性效應在不同勞動個體間的異質性, 所以將采用基于勞動力工資溢價的人力資本外部性測度方法進行分析, 模型設定如下:

β2scale2j+εij，

(5)

式中： lnwij表示勞動力個體i在城市j的收入對數; lnHj為城市j大專以上學歷人口占比的對數, 反映城市人力資本水平[11，15];Xij為可能對勞動力收入存在影響的個體特征, 包括性別、 教育年限、 婚姻狀況等(表1)；scale1j、scale2j為城市規模虛擬變量, 分別代表特大城市和大城市, 并以中小城市作為參照;εij為模型的隨機擾動項;θ1為城市人力資本的回歸系數, 用于衡量人力資本外部性大小；c為常數項；α′為個體特征控制變量的系數向量；β1、β2城市規模虛擬變量回歸系數。

為了進一步考察城市規模對人力資本外部性的影響, 在模型式(5)的基礎上, 加入兩個城市規模虛擬變量與城市人力資本的交互項:

η1lnHj×scale1j+η2lnHj×scale2j+εij,

(6)

其中，η1、η2分別為兩個城市規模虛擬變量與城市人力資本交互項的回歸系數。

1.3 數據說明

本文使用的數據包括個體特征微觀數據和城市特征數據。 其中個體特征數據來自2013年中國家庭收入項目調查(CHIP2013)， 該調查在全國范圍內針對農村居民、 城鎮居民和流動人口展開微觀調查, 包含了勞動力的人口學特征、 就業特征和受教育情況等信息, 樣本具有一定的全國代表性[21]， 主要采用城市住戶調查和流動住戶調查的個體數據。城市特征數據中, 城市規模變量采用《中國城市統計年鑒》的城市市轄區常住人口數據表示, 城市人力資本數據從各城市第六次人口普查公報獲得。

對數據進行適當處理, 首先將CHIP2013的城市住戶調查和流動住戶調查兩個數據集合并, 共得到22 097個個體樣本, 由于本文使用市轄區常住人口數據作為城市規模的度量, 故只選取了所在城市有市轄區的樣本。對于勞動力個體, 根據《中華人民共和國勞動法》規定, 男性退休年齡是60歲, 女性退休年齡是55歲, 因此將男性年齡控制在16～60歲, 女性年齡控制在16～55歲; 工作經驗的度量由調查年份減去目前工作開始年份得到; 刪除2013年末就業情況為非就業以及就業身份是雇主、 自營勞動者、 家庭幫工的勞動力樣本, 因本文關注的是工資性勞動者; 刪除其他變量信息存在缺失或不適用的樣本。經過上述處理, 最終獲得來自119個城市的8 179份有效樣本, 其中： 城市居民樣本為7 126份； 農民工樣本為1 053份。對于城市規模數據, 以2014年國務院頒布的城市規模劃分標準為依據, 把城市分為3類: 特大城市、 大城市、 中小城市。具體的變量定義及描述分析見表1、 表2。

表1 人力資本變量及定義

表2 CHIP2013人力資本變量數據統計與分析

由表2可以發現, 2013年城市居民的平均月收入明顯高于城市農民工的平均月收入, 城市農民工平均月收入僅為城市居民平均月收入的85.6%, 說明城市勞動力市場分割問題不容忽視, 而從小時收入看, 兩者間的差距更大, 農民工的小時收入不到城市居民的80%, 可能是由于農民工在無力提升生產效率的情況下, 通過增加工作時間以提高收入。城市居民的平均受教育年限約是12.2年, 比城市農民工多2.48年, 平均工作經驗年限也比城市農民工多約3.8年, 超過一半城市居民的勞動合同性質是固定職業或長期合同, 說明城市居民從事的工作更加穩定, 而城市農民工中只有23.1%擁有固定職業或簽訂了長期合同; 關于職業類型, 近半城市居民的職業為專業技術人員、 干部或企事業單位負責人, 多為腦力勞動, 而城市農民工則更多的從事商業服務、 生產操作等勞動密集型工作。這些差異都可能影響城市勞動力工資溢價, 具體關系如何還需進一步的計量分析。

2 實證分析

2.1 基準回歸結果

基于CHIP2013人力資本變量數據全體樣本的最小二乘法回歸估計結果見表3, 反映了城市人力資本、 城市規模、 工作經驗等因素對勞動力收入影響的平均效應。考慮到不同勞動力每月工作時長并不相同, 使用月收入指標就無法準確體現勞動力實際生產效率[22], 描述分析的結果也證實了這一問題的存在, 因此本文以勞動力小時收入的對數作為被解釋變量。其中， OLS-1將城市人力資本作為核心解釋變量, 把受教育年限、 工作經驗、 性別、 婚姻狀況、 健康狀況、 勞動合同性質以及職業類型作為控制變量。估計結果顯示, 城市人力資本回歸系數為0.217 1, 并且在1%的顯著性水平下通過檢驗, 說明存在顯著的城市人力資本外部性, 城市大專以上學歷人口占比每增加1%, 勞動力的小時收入將平均增加0.217 1%。

表3 CHIP2013人力資本變量最小二乘回歸估計結果

OLS-2在OLS-1的基礎上引入兩個城市規模的虛擬變量, 分別為特大城市和大城市, 并將中小城市作為參照。加入城市規模變量后, 城市人力資本回歸系數的檢驗結果沒有發生改變, 顯著的城市人力資本外部性仍然存在, 同時特大城市和大城市的回歸系數都顯著為正, 說明更大規模的城市所產生規模效應會提高勞動力的收入水平[15]。特大城市的工資溢價比中小城市高19.24%, 大城市的工資溢價則比中小城市高8.86%。這一結果不但印證了城市規模越大, 勞動力收入越高的說法[23], 而且相比于大城市, 特大城市與中小城市的工資溢價差距更大。因此, 即使北京、 上海、 廣州、 深圳為代表的特大(超大)城市生活成本高、 工作壓力大、 落戶條件苛刻, 依然有大量勞動力選擇到這類城市工作以獲取更高的收入。

進一步將兩個城市規模虛擬變量與城市人力資本的交互項納入模型, 得到OLS-3的估計結果。可見, 城市人力資本的回歸系數不再顯著, 但是特大城市與城市人力資本交互項以及大城市與城市人力資本交互項兩者的回歸系數均在1%的顯著性水平上通過檢驗, 分別為0.147 4和0.142 1, 說明特大城市和大城市的人力資本外部性均顯著高于中小城市。

觀察控制變量的估計結果可知, 勞動力受教育年限每增加1年, 其平均收入可以提高4.89%～4.98%; 隨著工作經驗年限的增加, 勞動力的經驗收益率出現先增加后減少的倒U形變化特征[24]; 平均來看男性收入水平至少比女性高23.17%; 已婚的勞動力個體收入比其他婚姻狀態下的勞動力高7.99%～8.21%; 健康的身體狀況會對勞動力收入產生正向的影響; 具有固定職業或簽訂了長期合同的勞動力, 其收入水平比其他相對不穩定工作狀態的勞動力高20.62%～21.56%; 專業技術人員、 干部或企事業單位負責人等腦力勞動者比其他職業的體力勞動者具有更高的收入, 且高出15.83%～15.96%。控制變量的估計結果與已有文獻結果差別不大。

2.2 貝葉斯分位數回歸估計結果

普通最小二乘回歸不能反映不同收入水平勞動力獲得的城市人力資本工資溢價的差異。分位數回歸不僅可以度量解釋變量對被解釋變量分布中心的影響, 還可以得到解釋變量對被解釋變量整體分布的影響[18]： 高虹運用分位數回歸方法研究了城市規模對不同收入水平勞動力工資的影響[25]; 張弛等利用分位數回歸對不同收入階層的教育回報率進行了考察[26]。這些結果是通過一般頻率方法得到的, 如單純形法、 內點法等。田茂茜等則基于貝葉斯分位數回歸方法, 探討我國城鎮居民人力資本收益率的性別差異[24]。與一般頻率方法相比, 貝葉斯分位數回歸方法具有標準誤差比較小， 且更加準確高效等優勢。

基于此， 本文采用貝葉斯分位數回歸方法進行分析, 并探討不同分位點上城市規模對人力資本外部性的影響情況。 采用基于MCMC算法的貝葉斯分位數回歸對全體樣本進行研究, 模擬10 000次, 剔除前4 000次, 保留后6 000次結果， 將后驗均值作為系數向量的估計值。 表4給出了0.1、 0.3、 0.5、 0.7、 0.9等5個分位點上參數估計的結果, 圖1為各個分位點上城市人力資本系數抽樣軌跡圖以及后驗概率密度圖。

圖1a—e顯示城市人力資本系數的5個抽樣值序列各自圍繞某個常數值上下波動, 表明各分位點上對城市人力資本系數抽樣構成的馬爾科夫鏈均收斂, 可以認為貝葉斯分位數回歸得到估計結果可信。結合表4給出的回歸估計結果, 城市人力資本回歸系數在各個分位點上都顯著為正, 并隨著分位點的提高而逐漸增大, 說明不同收入水平勞動力均可從城市人力資本水平的提高中獲得工資溢價, 即從人力資本外部性效應中獲益, 同時收入水平較高的勞動力從人力資本外部性效應中獲益的程度大于低收入勞動力。在0.1分位點上, 城市大專以上學歷人口占比每提高1%, 勞動力的小時收入將提高0.114 1%; 在0.9分位點時則可以提高0.159 8%。分位數回歸的結果使得到更豐富的信息, 與文獻[11]得到的高收入階層的人力資本外部性強度大于低收入階層的人力資本外部性強度的結果類似。高收入群體通常具有較高技能水平(教育水平), 而低收入群體則相反, 低技能勞動力在與高技能勞動力的互動交流中確實可以通過人力資本外部性的作用提高個人收入, 但提高幅度有限, 而高技能水平勞動力與更高技能水平勞動力的互動過程中, 學習能力和接受程度更高, 生產效率的提升速度更快, 因此會獲得更高的城市人力資本工資溢價。

表4 貝葉斯分位數回歸估計結果

圖1 城市人力資本系數抽樣軌跡(a—e)及后驗概率密度(f—j)

在控制其他變量不變的條件下, 5個分位點上特大城市與大城市的個人工資溢價均比中小城市高, 并且特大城市的回歸系數隨著分位水平的提高而逐漸下降, 在0.1分位點達到0.253 8。大城市的回歸系數則隨分位水平的提高表現出先下降后上升的變化特征, 在0.1和0.9分位點上, 大城市的工資溢價超過中小城市的比例均大于9%。綜合來看, 城市規模的溢出效應對較低收入群體的影響更大。 此外, 在各個分位點上, 特大城市與中小城市間的工資溢價差距始終大于大城市與中小城市間的工資溢價差距。

為了對貝葉斯分位數回歸和經典分位數回歸兩種方法的估計結果進行比較, 表5給出了經典分位數回歸的估計結果。 可以發現兩種估計方法得到的系數估計值差別不大, 但是貝葉斯分位數回歸系數的標準差均比經典分位數回歸的小, 因此貝葉斯分位數回歸方法的估計結果更為精確且可信。貝葉斯分位數回歸還可以提供系數向量的后驗概率密度, 基于此， 可計算最大后驗密度可信區間并進行顯著性判斷, 其思想是給定可信水平(1-α)下, 只要參數對應的最大后驗密度可信區間沒有跨越0, 即可認為在對應顯著性水平α下該參數估計顯著, 從而為假設檢驗提供簡單、 高效的方法[24]。

表5 經典分位數回歸估計結果

進一步將兩個城市規模虛擬變量與城市人力資本的交互項納入模型進行貝葉斯分位數回歸, 結果如表6所示。可以看到, 兩個交互項在各個分位點的系數均顯著為正, 說明不同分位點上特大城市和大城市的人力資本外部性均比中小城市大。這是因為我國知識的集聚、 創造、 外溢主要發生在特大城市或大城市[15], 所以這些城市的人力資本外部效應更加明顯。

表6 含交互項的貝葉斯分位數回歸估計結果

圖2為模型式(6)的兩個交互項系數后驗均值隨分位點變化的折線圖(全樣本)。可直觀看到, 在0.1、 0.2、 0.3、 0.4、 0.5、 0.6分位點上, 特大城市與城市人力資本交互項的回歸系數在0.154 1～0.107 7較平穩地變化, 在0.7、 0.8、0.9分位點上則出現上升趨勢, 說明在高分位點上特大城市與中小城市人力資本外部性差異更大。大城市與城市人力資本交互項的回歸系數隨分位點的提高則呈現出近似線性增長的變化特點。總的來說, 城市規模對人力資本外部性的影響在不同分位點上并不相同, 高分位點上, 城市規模對人力資本外部性的影響更大, 因此, 高收入勞動力從人力資本外部性獲益的程度受城市規模的正向影響比低收入勞動力大。對本文研究的樣本進行統計, 發現收入處于最低的30%勞動力中, 從事服務、 生產運輸等工作的高達72.7%, 并且在不同規模城市情況下相差不大, 說明不論在何種規模的城市, 低收入勞動力群都主要從事以體力勞動為主的工作, 對知識、 技術沒有過高的要求, 因而低收入群體從人力資本外部性中獲益的程度受城市規模的影響不大。

圖2 城市規模與城市人力資本交互項系數后驗均值(全樣本)

為進一步說明城市規模對人力資本外部性存在影響, 將全體樣本分為特大城市組、 大城市組和中小城市組, 仍以勞動力小時收入為被解釋變量, 城市人力資本為核心解釋變量并保留其他控制變量, 分別進行貝葉斯分位數回歸分析, 檢驗城市規模對人力資本外部性的影響效應。表7給出了對應的中位數回歸估計結果, 各組的城市人力資本回歸系數都為正, 特大城市組和大城市組的人力資本回歸系數分別為0.136 0和0.163 6, 且對應的99%最大后驗密度可信區間均未跨越0, 中小城市組的人力資本回歸系數則為0.071 5, 比特大城市組和大城市組的小, 且95%最大后驗密度區間不含0。在0.1、 0.3、 0.7及0.9分位點上可以得到類似結論。綜合來看, 城市規模確實對人力資本外部性強度具有顯著影響。

表7 不同城市規模組的貝葉斯中位數回歸結果

2.3 基于城市居民樣本、 農民工樣本的實證分析

全樣本回歸的結果表明存在城市人力資本外部性, 并且在不同分位點上, 特大城市和大城市的人力資本外部性均比中小城市大。基于全樣本的分析獲得的是一個整體刻畫, 容易掩蓋不同屬性群體間的差異。戶籍制度改革滯后于我國城鎮化進程, 也加深了我國勞動力市場的分割。研究不同戶籍類型勞動力群體間的人力資本外部性差異, 有利于識別勞動力市場分割對人力資本外部性的影響。本文將具有城鎮戶口和居民戶口的勞動力統稱為城市居民, 而具有農業戶口的城市勞動力稱為農民工。對城市居民子樣本和農民工子樣本分別進行貝葉斯分位數回歸, 考察在不同分位點上不同戶籍類型勞動群體從人力資本外部性中獲益程度的差別, 并比較城市規模對人力資本外部效應的影響在兩子樣本間的異同。

表8給出了城市居民、 農民工樣本在中位數上的回歸估計結果, 根據不含交互項的中位數回歸結果, 城市大專以上學歷人口占比每增加1%, 城市居民的個人收入將平均(中位數可看作均值)增加0.141 2%, 而農民工的個人收入將平均提高約0.125 5%。需要說明的是， 未列出具體數據結果的其他分位點上, 基于城市居民樣本估計得到的城市人力資本系數也不同程度大于農民工的, 說明城市居民從人力資本外部性中獲益比農民工多。根據表8中包含城市規模與人力資本交互項模型的中位數回歸估計結果, 基于兩個子樣本估計得到的交互項回歸系數均大于0, 其中基于城市居民樣本估計得到的兩個交互項系數均顯著且大小幾乎沒有差別, 分別為0.092 1和0.092 0, 而基于農民工樣本估計得到的兩個交互項回歸系數則差別較大且均比城市居民的大, 具體的特大城市與城市人力資本交互項系數為0.144 9, 大城市與城市人力資本交互項系數達到了0.236 6。由此可知， 城市規模對中等收入農民工人力資本外部性的影響明顯大于對中等收入城市居民人力資本外部性的影響。

表8 城市居民、 農民工樣本貝葉斯中位數回歸結果

圖3直觀地展示了城市規模對城市居民人力資本外部性的影響在不同分位點間的變化。在各個分位點上, 城市規模虛擬變量與城市人力資本構成的兩個交互項的回歸系數均大于0, 即不同分位點上特大城市和大城市的人力資本外部性都比中小城市強, 與全體樣本的估計結果一致。此外, 兩個交互項回歸系數隨分位點提高而變化的特征也與基于全體樣本的估計結果類似, 高收入城市居民從人力資本外部性獲益的程度受城市規模的正向影響比低收入城市居民大。但是基于城市居民樣本估計得到的交互項回歸系數在不同分位點間的變化幅度更大。比如在0.4分位點, 特大城市與城市人力資本交互項的回歸系數為0.078 7, 小于全樣本的0.107 7; 在0.9分位點上, 大城市與城市人力資本交互項的回歸系數超過了0.3, 明顯大于全樣本的估計結果。這說明基于子樣本的估計結果更能反映城市規模對人力資本外部性的影響在不同特征勞動群體中的真實情況。

圖3 城市規模與城市人力資本交互項系數后驗均值(城市居民樣本)

圖4為城市規模對農民工人力資本外部性的影響在不同分位點間的變化情況。隨分位點遞增, 基于農民工樣本的兩個交互項回歸系數總體上都呈現出先上升后下降的變化特點, 均在0.4、 0.5分位點附近出現峰值, 因此中等收入農民工從人力資本外部性獲益的程度受城市規模的正向影響較大。此外, 兩個交互項回歸系數在高分位點出現了負值, 特大城市與城市人力資本交互項系數在0.7、 0.8、 0.9分位點小于0, 大城市與城市人力資本交互項的回歸系數值則在0.9分位點上小于0, 說明在高分位點上, 特大城市和大城市的人力資本外部性低于中小城市, 特大城市以及大城市并沒有使高收入農民工從人力資本外部性中獲益的程度增加, 與全樣本和城市居民樣本的結果并不一致。綜上所述, 城市規模對人力資本外部性的影響在不同戶籍勞動群體間的差異較大, 基于子樣本的分析更有利于識別不同特征勞動群體各自的特點。

圖4 城市規模與城市人力資本交互項系數后驗均值(農民工樣本)

3 結論與啟示

本文基于2013年的CHIP數據, 運用貝葉斯分位數回歸方法, 研究不同收入水平勞動力從人力資本外部性效應中獲益的情況, 并探討不同分位點上城市規模對人力資本外部性的影響， 得到以下結論: (1)不同收入水平勞動力從人力資本外部性效應中獲益的程度存在差異。通過貝葉斯分位數回歸結果發現, 雖然不同收入水平勞動力均可從城市人力資本的提高中獲得工資溢價, 但是收入水平較高的勞動力從人力資本外部性效應中獲益的程度大于低收入勞動力。在0.1分位點上, 具有大專以上學歷人口占城市人口的比例提高1%, 勞動力的小時收入將提高0.114 1%, 在0.9分位點時則可以提高0.159 8%。 (2)城市規模對人力資本外部性的影響在不同分位點上并不相同。特大城市與中小城市人力資本外部性差異在高分位點更明顯, 并且大城市與中小城市的人力資本外部性差異隨分位水平的提高而增大, 表明高分位點上城市規模對人力資本外部性的影響更大, 高收入勞動力從人力資本外部性獲益的程度受城市規模的正向影響比低收入勞動力大。 此外, 不同分位點上特大城市和大城市的人力資本外部性均比中小城市大。 (3)不同戶籍類型勞動群體從人力資本外部性中獲益程度差別較大, 不同收入水平的城市居民從人力資本外部性中獲益均比農民工多, 城市規模對人力資本外部性的影響在不同戶籍類型勞動群體間也各不相同, 高收入城市居民從人力資本外部性獲益的程度受城市規模的正向影響比低收入城市居民大。基于農民工樣本的結果則顯示, 中等收入農民工從人力資本外部性獲益的程度受城市規模的正向影響較大, 而在高分位點上, 特大城市和大城市的人力資本外部性則低于中小城市, 特大城市以及大城市并沒有使高收入農民工從人力資本外部性中獲益的程度增加, 與全樣本和城市居民樣本的結果并不一致。

得到啟示有: (1)鑒于人力資本外部性對個人收入具有提升作用, 政府部門需要繼續加大對各階段教育的基礎性投入, 提高大專以上學歷勞動力人口的比例。另外， 還應為低收入勞動群體的就業培訓提供政策、 資金等支持, 使他們擁有提升技能的機會， 從而能更多地從人力資本外部性中獲益。(2)完善勞動力市場, 打破戶籍制度壁壘, 加快實現勞動力的自由流動： 一方面, 進一步放寬大城市落戶條件， 甚至取消大城市落戶限制, 實現勞動力自由流動, 充分發揮人力資本外部效應的作用, 實現勞動力生產效率和工資收入提高； 另一方面, 加快消除城市勞動力市場對農民工的差別對待現象, 解決農民工異地就醫、 教育、 社會保障等各方面問題, 實現以人為核心的城鎮化。