人力資本對制造業綠色全要素生產率的影響研究

李 琳，盧思璇

（重慶師范大學，重慶 400047）

0 引言

制造業是國民經濟發展的重要引擎和支撐力，《中國制造2025》提出要構建高效、清潔、低碳、循環的綠色制造體系。提高制造業綠色全要素生產率成為構建綠色制造體系的必經之路，人力資本可以通過影響一國的技術創新能力與技術模仿兩條路徑來提高綠色全要素生產。因此，人力資本對提高制造業綠色全要素生產率的作用不容忽視。那么，對于中國制造業而言，人力資本對制造業綠色全要素生產率會產生何種影響？

1 文獻綜述

人力資本包括人們一生中積累的知識、技能和健康，是體現在勞動者身上的一種資本類型（Schultz，1960）[1]，可以促進經濟長期持久的增長。人力資本對經濟增長的作用機制可以劃分為兩大類：一類是把人力資本作為一種生產要素放入生產函數，人力資本增長將直接推動經濟增長。另一類是將人力資本視為技術生產的關鍵投入品，通過影響技術進步這一中介間接作用于經濟增長。這一類模型認為人力資本存量會影響創新能力或模仿、吸收新技術的能力（Romer，1990）[2]。后發優勢理論認為，發展中國家可以通過人力資本來提升自主創新和模仿創新能力，進而實現技術創新。

1.1 人力資本對自主創新的影響

自主研發活動是實現技術創新的重要途徑。其中，研發人力資本是影響自主研發對技術創新效果的重要因素。研發人力資本可以對技術創新產生兩種影響：一是在技術研發能力一定的情況下，提高整體的技術研發概率，從而推動技術創新。二是通過“干中學”等效應提高技術研發能力，從而提升創新能力（谷軍健，2020）[3]。

1.2 人力資本對模仿創新的影響

除采用自主研發創新進行創新外，發展中國家還可以通過引進國外先進知識和技術，加以學習、消化和吸收并轉化為自身的創新能力，從而實現模仿創新（侯建，2017）[4]。其主要有兩種觀點：一種觀點認為東道國的技術越落后，其技術進步的潛力就越大，技術溢出效應就越顯著（Findlay，1978）[5]。但技術溢出的水平和程度直接取決于一個國家人力資本對知識、技術和信息的接受能力，只有當人力資本發展到一定水平時，技術溢出才有可能成為現實。另一種觀點則認為東道國的吸收能力至少需要達到一個最低“門檻”水平才能吸收和應用國外的先進技術，國外直接投資（FDI）才會對東道國產生技術溢出。

由此可見，人力資本可通過自主創新和模仿創新來促進技術進步，而綠色全要素生產率是技術進步的主要表現形式。因此，人力資本可以通過自主創新和模仿創新兩條路徑來提升綠色全要素生產率。

人力資本作為推動經濟增長的重要因素之一，其與綠色全要素生產率的關系受到了人們的關注。譚政（2016）運用面板數據發現人力資本是推動綠色全要素生產率的關鍵[6]。蘇科（2021）實證檢驗了人力資本與綠色全要素生產率的直接影響，發現人力資本可以通過科技創新來推動綠色全要素生產率提升[7]。朱金鶴（2019）在研究省域綠色全要素生產率的影響因素時，發現人力資本對綠色技術效率具有負向作用[8]。可見，有關人力資本對中國綠色全要素生產率的影響研究還未形同統一的結論，人力資本對中國綠色全要素生產率的作用還有待進一步探索，因此本文就有關問題進行了有益的嘗試。

2 實證檢驗

本文設定制造業綠色全要素生產率（GTFP）作為被解釋變量，人力資本、自主創新、模仿創新作為核心解釋變量，環境規制、產權結構、能源結構和資本密集度作為控制變量。各變量設定如下。

2.1 測算制造業綠色全要素生產率GTFP

本文采用SBM-GML指數來測算我國制造業綠色全要素生產率GTFP，GML指數的全域可能生產性集為PG（x），公式如下：

在此基礎上，本文進一步引入GML指數來衡量中國制造業行業綠色全要素生產率，公式如下：

（1）GTFP指標設定和數據選取。本文使用制造業分行業面板數據對綠色全要素生產率進行測算。選取27個制造業行業為研究對象，關于投入、期望產出以及非期望產出的相關指標及數據處理說明見表1。

表1 GTFP投入產出指標及數據

（2）GTFP測算結果和評價。表2給出了2011—2020年中國制造業行業的綠色全要素生產率，數據顯示制造業大部分行業的綠色全要素生產率均大于1，說明中國制造業的綠色全要素生產率整體上是呈增長趨勢的。

表2 中國2011—2020年制造業綠色全要素生產率

2.2 其他變量設定

解釋變量和控制變量指標設定和數據來源見表3。

表3 解釋變量和控制變量指標設定和數據來源

2.3 統計描述

對所選取變量進行描述性統計，結果見表4。

表4 描述性統計結果

表4為各項指標的描述性統計結果。綠色全要素生產率的最大值為9．588，最小值為0，方差和標準差分別為2．045和1．430。核心解釋變量高等教育人數最大值為 140．7，最小值為 2．560，方差為 936．0，標準差為30．59。各行業R&D人員占比最大值為0．080 4，最小值為0．004 2，方差和標準差分別為 0．000 3、0．018 3。各行業FDI占比最大值為5．138，最小值為-3．248，方差和標準差分別為2．779、1．667。表明制造業各行業發展情況存在差異，各指標整體分布不均勻。

3 模型設定和實證結果分析

3.1 模型設定

為檢驗人力資本與制造業綠色全要素生產率之間是否存在線性關系，本文設定如下面板模型：

模型（4）是以edu和RD或者edu和FDI為核心解釋變量的回歸模型，其中，i代表行業，GTFP是制造業各細分行業綠色全要素生產率，edu是人力資本，RD是自主創新，FDI是模仿創新，C是控制變量，包括能源結構、產權結構、資產密集度和環境規制。i代表個體固定效應。

3.2 實證結果分析

（1）基礎回歸模型。本文使用固定效應模型對式（1）和式（2）進行回歸，回歸結果見表5。

表5 基準回歸結果

表5中結果顯示，高等教育人數對GTFP呈現顯著的正向影響，在5%的顯著性水平下顯著，R&D人員占比在1%的顯著性水平下對GTFP有顯著的正向影響，說明人力資本和自主創新都能促進制造業GTFP的提高。第二列結果顯示，高等教育人數對GTFP呈現顯著的正向影響，在1%的顯著性水平下顯著，FDI占比在5%的顯著性水平下對GTFP有顯著的負向影響，說明模仿創新對我國制造業GTFP有抑制作用。

綜上，人力資本、自主創新和模仿創新對我國制造業GTFP有顯著影響，其中，人力資本和自主創新能力的提升均會促進我國制造業GTFP水平的提升，而模仿創新對制造業GTFP有顯著的抑制作用。

（2）穩健性檢驗。本文通過工具變量法來解決這內生性問題，進而證明回歸結果的穩健性。使用高等教育人數的滯后一、二、三期作為工具變量。冗余工具變量檢驗結果顯示，高等教育人數滯后二期在10%顯著性水平下接受其為冗余工具變量的原假設，因此本文最終選定高等教育人數滯后一期和滯后三期為工具變量進行回歸，所得結果見表6。

表6 工具變量回歸結果

表6報告了工具變量回歸結果，Kleibergen-Paaprk LM統計量檢驗結果在1%水平上顯著拒絕“工具變量識別不足”的原假設，Kleibergen-Paaprk Wald F統計量分別為19．02和16．46，Cragg-Donald Wald F統計量分別為38．26和31．29，均拒絕工具變量弱識別的原假設，Hansen J檢驗不能在10%顯著性水平上拒絕工具變量過度識別的原假設，說明模型工具變量是外生的。綜上，本文對工具變量的選取是有效的。

第一列報告的是高等教育人數和R&D人員占比與GTFP的工具變量回歸結果。其中，高等教育人數在1%的顯著性水平下對GTFP存在正向影響，表明人力資本能促進制造業綠色全要素生產率的提升。R&D人員占比在1%的顯著性水平下對GTFP呈現正向影響，表明自主創新能力的提升可以提高我國制造業綠色全要素生產率水平。

第二列報告的是高等教育人數和FDI占比與GTFP的工具變量回歸結果。其中，高等教育人數對GTFP的影響仍然在1%的顯著性水平為正，表明高等教育帶來的人力資本能促進制造業綠色全要素生產率的提升。而FDI占比對GTFP存在著負向影響，并在5%的顯著性水平下顯著，這表明模仿創新對我國制造業GTFP有著顯著的抑制作用。

工具變量回歸結果與基礎回歸結果基本保持一致，在一定程度上說明本文回歸結果具有穩健性。

4 結論和建議

本文對人力資本與綠色全要素生產率之間的線性和非線性關系進行了分析和檢驗，實證結果證明：人力資本和自主創新對制造業綠色全要素生產率有顯著的正向促進作用，而模仿創新對制造業綠色全要素生產率有著顯著的抑制作用。因此，為了促進我國制造業綠色全要素生產率發展，應重視高等教育，加大人力資本投入，減少對國外技術的依賴，加強自主研發，促進我國制造業自主創新能力的提升，進而推動我國經濟發展。