人力資本積累與服務業勞動生產率關系探究

摘? ?要：在服務經濟領域，服務業因其勞動生產率增長相對滯后而導致的“成本病”問題一直受到廣泛關注。從人力資本角度來看，人力資本作為經濟增長和高質量發展的長期動力，其外部性主要體現在技術創新效應和消費溢出效應兩方面。基于2005—2019年我國省級動態面板數據，實證考察人力資本積累與服務業勞動生產率的內在關系。研究發現，人力資本積累通過促進服務消費和加快技術創新來提高服務業勞動生產率，進而有助于緩解“鮑莫爾成本病”問題。為了更加清晰地描繪這種關系，將服務業劃分為生產性服務業和消費性服務業并分別進行考察，發現人力資本的積極作用和作用機制在生產性服務業中更加顯著。加大服務業人力資本投資，完善勞動者技能和教育培訓體系等公共服務保障，縮小高技能勞動者與低技能勞動者之間的技能差距，是提高服務業勞動生產率的重要途徑。

關鍵詞：人力資本；服務業勞動生產率；服務消費；技術創新；鮑莫爾成本病

中圖分類號：F719? ?文獻標識碼：A? ?文章編號：1003-7543（2023）02-0105-13

基金項目：國家自然科學基金面上項目“生產網絡視角下服務業技術進步影響因素、機制及路徑優化研究”（72073139）；中國社會科學院創新工程項目“數字經濟賦能服務業高質量發展”（2022CJY1-005）。

作者簡介：徐紫嫣，中國社會科學院大學商學院博士研究生。

國際經驗表明，很多進入中等收入階段的發展中經濟體并沒有跨入高收入經濟體行列，而是陷入“中等收入陷阱”，經濟發展停滯不前，且缺乏可持續增長的動能［1］。長期而言，經濟持續平穩增長，主要取決于“持續的效率改進、高效的資本深化能力以及由消費帶來的人力資本積累”［2］。黨的二十大報告明確提出，“教育、科技、人才是全面建設社會主義現代化國家的基礎性、戰略性支撐。必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢”。我國正處于經濟社會發展轉型和高質量發展的關鍵時期，面臨適齡勞動人口供給量逐年下降的挑戰，勞動力不再無限供給，傳統“人口紅利”趨于消失。但與此同時，勞動力結構在不斷改善和優化。比如，我國當前已就業的勞動者中，擁有大專及以上學歷的高技能勞動力占比持續提高。可以看出，我國勞動力市場結構發生了顯著變化，表現為勞動力供給總量逐年減少而高技能勞動力比重持續上升；“人口紅利”趨于消失，但“人力資本紅利”逐漸顯現。勞動力是重要的生產要素，人力資本積累和勞動力質量提升，可以為我國經濟高質量發展與產業結構優化升級創造新的動能。

在服務經濟時代，勞動力既是服務的提供者，又是服務的購買者。勞動力再生產應以人力資本積累為核心，以不斷提升人力資本水平為主要目標。當前，我國經濟已由粗放型增長階段轉向高質量發展階段，正處于轉型換擋的關鍵時期。在這個大背景下，保持一定的經濟增長速度和經濟規模固然重要，但更要注重提升經濟發展質量和效率，并把勞動生產率作為評判經濟發展質量的重要指標之一。長期以來，服務業被認為是低效率部門，促進服務業勞動生產率提升已成為業界共識。改革開放以來，我國第三產業勞動生產率提升較快，與發達國家間的差距在逐漸縮小，但國內區域間服務業勞動生產率差距依然較大［3］。

20世紀90年代后期，以美國、德國和日本為代表的發達國家進入后工業化時期，經濟結構實現了由商品經濟向服務經濟的轉型。從統計數據來看，1997年以來，美國、德國和日本的服務業勞動生產率總體呈持續上升的趨勢。2020年，美國、德國和日本的服務業勞動生產率分別為122 490.3美元/人、72 299.2美元/人和88 798.2美元/人。特別是2013年之后，美國的服務業勞動生產率遠超日本和德國，呈現強勁的增長勢頭。相較于美國、德國、日本等發達國家，我國的服務業勞動生產率還有較大的提升空間。2020年，我國服務業勞動生產率為19 575.9美元/人。從長期來看，我國服務業勞動生產率與這些發達國家的差距在逐漸縮小①。

改革開放以來，我國三次產業勞動生產率都有較為明顯的提升。其中，第三產業勞動生產率由1978年的13 792.4元/人增長到2020年的135 066.7元/人。2016年，第三產業勞動生產率超過了總體勞動生產率。不過，與第二產業相比，第三產業勞動生產率提高幅度相對較小。對比1978年和2020年的數據，可以發現第三產業勞動生產率提高了近10倍，而第二產業勞動生產率提高了18倍。1995年以來，第二產業和第三產業勞動生產率之間的差距逐漸拉大，2015年二者差距達到最大②。總體來看，改革開放以來，第二產業和第三產業勞動生產率呈協同增長的趨勢，二者共同推動了總體勞動生產率的提高。不過，我國服務業勞動生產率的區域特征比較明顯，這與地區間經濟發展水平差距基本吻合。東部地區的服務業勞動生產率明顯高于其他地區，也高于全國總體服務業勞動生產率。2015年以后，中部地區的服務業勞動生產率迅速上升，拉大了與西部地區的差距，西部地區服務業勞動生產率亟待提升。

服務業“成本病”問題自鮑莫爾提出以來便受到廣泛關注。服務業之所以成為“停滯部門”，是因為服務業具有機器勞動替換困難、技術密集度低、缺乏規模經濟等技術經濟特征。這些因素導致勞動生產率增速明顯滯后于制造業［4-5］。如何提高服務業勞動生產率，使之成為帶動經濟高質量發展的重要動能，是不可回避的現實問題。本文將人力資本積累因素納入服務業勞動生產率分析框架，深入探討人力資本對服務業勞動生產率的作用機制，為理解服務業“成本病”問題提供新的視角。從人力資本積累視角考察服務業勞動生產率，不僅有助于挖掘我國勞動要素潛力和提高勞動就業質量，而且有助于廓清我國人力資本結構演變特征、探索人力資本積累路徑，為探索通過提高服務業就業者素質來提升服務業勞動生產率，進而推動服務業高質量發展提供新思路與新策略。

一、相關文獻綜述

目前，有關人力資本與服務業勞動生產率的研究可歸納為兩方面：一是技能勞動力跨部門流動視角，二是服務消費視角。

從技能勞動力跨部門流動視角來看，隨著勞動者技能水平的提高，高技能勞動力從制造部門流動到服務部門，有助于服務業勞動生產率提升。早期的一些研究通過建立市場和家庭生產率增長的差異模型解釋了勞動力流動和服務業增長的關系［6-8］。Buera & Kaboski在以往文獻的基礎上，構建了基于市場和家庭生產率增長差異的微觀模型，納入人力資本變量，考察需求驅動下的人力資本積累對服務業增長的影響［9］。他們的研究發現，1950年以來美國服務業的快速上漲均伴隨著高技能工人數量的上漲，以及由此帶來的技術密集型服務業增長。這期間，美國出現了上大學的熱潮，擁有大學學歷的工人占比由15%提高到60%以上。特別是，20世紀90年代以來，歐美國家的勞動就業和工資薪酬出現了“極化”現象，即在勞動就業市場和國民收入分配格局中，高技能勞動力所占比重不斷提升，中等和低等技能勞動力所占比重則不斷下降［10］。Acemoglu & Autor提出了技能偏向型技術變革的概念［11］。技能偏向型技術變革描述的是發達經濟體在持續發展過程中部門增值份額向高技能密集型產業的系統性重新分配。有關技術進步偏向性的一些研究表明：技術進步對勞動的影響是多維的，而非簡單的替代關系。技術進步意味著生產過程的技術復雜度在提升，技術進步與技能勞動互補互促。技術進步要求工人技能水平提高；反之，工人技能水平的提高又會促進新一輪技術進步。技能偏向型的技術變革論證了技能水平、高技能勞動者流動與服務業生產率的關系，認為技能水平提高和高技能勞動力向服務業流動促進了服務業生產效率的提高。這種技能勞動力流動帶來的外溢效應可以理解為技術外溢，因為高技能工人與低技能工人一起勞動，通過傳播知識和創新而提高低技能工人生產率。技能偏向型技術進步直接增加了技能勞工崗位的需求，信息通信技術革命以來的就業特征印證了這一結論。在信息化時代，計算機、信息通信技術和電子設備在眾多企業的普及和應用客觀上成為技能偏向型技術進步的重要驅動力［12-14］。Branstetter & Drev則從信息化視角剖析了技術進步偏向性的深層次原因，他們認為信息技術的運用消除了供需雙方的信息不對稱，降低了相關交易成本，壓縮了生產中的協調時間，從而提高了企業經濟效率，但也促使高技能勞動者比低技能勞動者擁有更高的勞動生產率、獲得更高的工資收入，這導致二者的收入差距越來越大［15］。

從服務消費視角來看，高技能人力資本在積累和集聚過程中，對本地經濟社會發展和生活品質提檔升級的正外部性比較明顯，這種外部性既有技術外溢效應，又有消費溢出效應［16］。加里·貝克爾從時間分配角度探討了技能與消費的關系。按照時間分配理論，替代家庭生產活動服務的消費者和提供者屬于技能分布的兩端群體，高技能勞動者比低技能勞動者參加更少的家庭生產。在勞動力市場上，低技能勞動力相對于高技能勞動力，更多受雇于時間密集型的服務領域，如餐飲、清潔、修理和物流等，這些領域被定義為家庭生產活動的市場替代品［17］。Manning將這一概念嵌入經濟模型中，該模型中有兩種類型的工人，即熟練工人和非熟練工人，他們從消費兩種類型的商品中獲得效用：一種是通用商品，由企業使用技術和非技術勞動力生產；另一種是家用服務，屬于時間密集型活動，如做飯和保潔等［18］。個人可以選擇在家庭生產（使用自己的時間）或在市場上購買（使用別人的時間）。技能更高的勞動者因其時間機會成本高而主要是家庭生產替代品的需求者，而技能低的勞動者則是供給者。消費溢出現象來源于高技能勞動者擁有更高的時間機會成本。因為家庭生產是時密集型的，技能回報提高會增加熟練工人的時間成本，刺激他們對家庭服務的需求。由此可見，對服務需求的增長關鍵取決于商品和服務間的替代彈性［19］。Mazzolari & Ragusa的實證研究發現，美國消費支出數據中，家庭生產替代品的消費作為總支出的一部分，隨著個人技能的提高而單調遞增［16］。Lee等認為低技能服務業就業增長和服務消費興起的原因來自勞動力市場結構的變化，即雙職工家庭的崛起［20］。這一現象背后的邏輯來自勞動力市場發生了偏向女性的變化。更多的女性勞動者參與到勞動力市場中，導致雙職工家庭的數量增加。由于時間稟賦是固定的，家庭生產的時間就會減少，這就提高了對低技能和時間密集型服務的需求，比如餐飲、清潔和照顧孩子等。程大中從實證角度驗證了擴大服務消費需求、增加人力資本積累對提高服務業勞動生產率的積極作用［21］。他認為，服務消費、人力資本積累和服務業勞動生產率密切相關，服務消費升級是人力資本積累和集聚的重要條件，而人力資本積累和集聚又顯著推動了知識密集型服務業發展，引導了服務業結構升級，從而推動服務業勞動生產率提升，克服了“鮑莫爾成本病”。

總體而言，人力資本促進服務業勞動生產率的研究主要集中于人力資本的技術溢出效應和消費溢出效應兩個方面。無論是技能勞動力跨部門流動視角，還是服務消費視角，都證實了人力資本積累有助于提高服務業勞動生產率的結論。前者側重于供給視角，認為供給驅動的服務業勞動生產率提高主要依賴跨部門的技術進步，而這又取決于是否有充足的高層次人力資本供應，這意味著人力資本積累是其中最關鍵的因素；后者側重于需求視角，認為在技術進步內生和勞動力可以自由流動的情形下，高技能勞動力集聚帶來了對本地生活服務需求的增加，需求帶動供給增長，有助于促進服務供給效率提高。這里試圖從服務消費和技術創新兩個視角，深入探討人力資本促進服務業勞動生產率提升的作用機制。

二、機制分析

（一）基于服務消費視角的機制分析

人力資本在積累過程中會增加對服務的需求，服務消費需求增加將帶動服務供給增長，當需求和供給匹配時，將進一步促進服務業勞動生產率提高。

諸多學者的研究表明，技能溢價會增加高技能勞動者的工資水平，高技能者收入報酬的提高必然增加消費需求，促進消費結構升級，從而帶來消費溢出。比如，Kishi發現技術進步提高了企業及研發機構的生產率，進而導致高技能勞動力出現技能溢價的現象［22］。這種技能溢價主要表現為高技能勞動者比低技能勞動者獲得更高的薪酬，而高薪酬必然引致消費溢出。但也有學者對此提出了質疑，認為高技能者主要集聚在大中城市，技能溢價必然影響城鄉居民收入分配格局，導致城鄉居民收入差距不斷擴大，進而對社會總消費需求產生抑制作用［23-24］。本文認為，這類研究主要是基于技能溢價對消費支出的擠出視角，有一定的局限性，如果從人力資本積累的視角來看，可能又是另一種結論。

一般而言，高技能勞動者文化素質相對較高，對文化精神生活產品的消費意愿更加強烈，他們對教育醫療、運動休閑和文化娛樂等服務消費需求比重不斷提升，有利于豐富消費內容和提升消費層次，進而激發和形成消費溢出效應。在數字化和智能化迅速發展的背景下，這種消費溢出效應更為明顯。因為科技進步和人力資本積累意味著資本有機構成不斷提高，企業必須聘用更多的高技能人才以匹配高端裝備和高新技術。技能勞動力市場的供需變動改變了勞資分配格局，高技能人才擁有更強的薪酬談判能力，有可能取得更高更靈活的薪酬，從而刺激他們購買更多的市場化服務［25］。而這種消費選擇，產生了對本地低技能服務勞動的更大需求，并提高了低技能服務勞動力的工資水平［18］。需求和供給互為創造，但就服務業而言，由于服務消費和服務供給的同步性，需求是服務供給的內生驅動力，需求越大尤其是規模化需求的增加，會直接影響服務業勞動生產率提升。比如，在需求較低的情況下，服務提供者的資源可能是閑置的，不可能被充分利用，服務業勞動生產率就難以提高甚至可能下降；如果需求和供給基本匹配，服務資源沒有被閑置，能得以最大限度地被利用，則有利于服務業勞動生產率提升。

為了更好地理解這個問題，我們從消費結構升級角度作進一步拓展和解釋。按照需求層次理論，當人們滿足基本生存型需求之后，將會產生更高層次的需求。由此，消費結構升級一般遵循溫飽型消費向享受型消費轉變，以及享受型消費向發展型消費變遷的路徑［26］。從消費結構與經濟結構協同演進的歷史規律來看，在工業化初期，以生活必需品消費為主，消費僅用于滿足簡單勞動力再生產，經濟增長的重點是物質資本的積累和再生產；在后工業化時期，以教育、醫療、交通和通信等服務消費品為主，服務消費支出占比不斷提升。尤其是隨著人口老齡化的不斷加劇，醫療健康服務業的支出占比會呈現快速上升的趨勢，而醫療健康投資對促進“人口紅利”轉向“人力資本紅利”有著至關重要的作用［27］。以教育和健康為重點內容的服務業發展帶動了人力資本積累，而以人力資本積累為核心的勞動力再生產又成為經濟的增長點。人力資本的增長進一步擴大了服務消費需求。通常，以服務消費為代表的更高層級的需求對收入的反應更加敏感，其需求收入彈性也較高，比如近些年數字娛樂文化消費迅速增長就是一個明顯的例證［28］。當服務的需求和供給相匹配時，勞動力資源將會得到充分利用，行業內部效率提升， 服務業的產出和效率都會提高。

（二）基于技術創新視角的機制分析

人力資本在積累過程中學習新知識和新技術，促進知識、技術的吸收和外溢，通過技術創新帶動服務業勞動生產率提高。

高水平人力資本積累帶動新的創新思想和技術的發展，并確保更有效地采用特定的技術創新，以促進生產效率提高。技能勞動力跨部門流動所帶來的生產率提高實際上是人力資本知識和技術溢出效應的體現。高技能人力資本的規模擴張有助于知識、技術等要素的快速流動與擴散，從而推動企業創新能力和研發水平提升［29］。Acemoglu & Autor展示了人力資本促進創新并提高生產率的不同路徑［11］。他們認為，擁有相關技能的工人可以通過他們的教育機會產生新的想法和創意。在一個經濟體中，新思想的發現或產生在很大程度上依賴于擁有相關技能和知識的工人。但是，如果人力資本積累水平低，更多的勞動者就不具備參與增長進程所需的技能和能力，這會阻礙為改善經濟繁榮而產生或采用創新思想的步伐。根據世界經濟論壇的調查，撒哈拉以南非洲地區的人力資本缺口為47%，是人力資本缺口最高的地區，這使得該地區很難產生大量創新活動或在生產與服務過程中大規模應用新技術［30］。由此可見，只有高水平知識和技能的勞動力才能產生創新，并提高人們在生產過程中的參與度。

近年來，顛覆性數字技術的不斷涌現、日益成熟與廣泛應用，不僅帶動了服務業中的數字經濟部門快速發展，而且推動了服務業向數字化和智能化轉型，深刻改變了服務業的性質。Triplett & Bosworth指出，1995年之后，信息服務部門的勞動生產率增長遠快于商品生產部門。如果從總產出水平來考察，服務業中的中介服務和金融服務業的勞動生產率增長得更快［31］。由此，他們認為，“鮑莫爾成本病”已被治愈。對于這一觀點，國內學者的研究也認為數字技術和人工智能的廣泛應用有助于顛覆服務業“成本病”存在的基礎［32-33］。“鮑莫爾成本病”能否被治愈，并不是本文討論的重點。但可以明確的是，數字技術通過促進專業化分工、服務模式創新和范圍經濟而推動了服務業勞動生產率提升。各國的經濟發展實踐表明，數字技術推動了知識密集型服務業的快速發展，進而提高了服務業勞動生產率。人力資本積累和提高是吸收知識、開展自主研發的前提條件。數字技術的迅速發展和普及應用對人力資本提出了全新的要求，倒逼勞動者的素質和能力全面提升。數字技術的有效應用和廣泛傳播需要相應的技能勞動力與之匹配，然而個體和群體之間在數字技能方面存在較大的差距，由此造成了巨大的數字鴻溝。數字鴻溝最深層次的問題來自個人將互聯網知識應用于就業的能力［34］。因此，只有提升勞動者相應技能和數字素養，消除數字鴻溝，增進對前沿技術的學習、消化和應用能力，才能形成高質量人力資本的積累。從另一個角度來講，以移動互聯網、大數據和人工智能為代表的數字技術的快速發展使得勞動者獲取知識和信息的渠道更多樣、成本更低，加快了人力資本的積累和能力的提升，以此帶動行業生產率提高，并在一定程度上緩解了服務業的“成本病”問題。

三、估計模型與實證結果分析

（一）模型與變量設定

1.動態面板模型設定與估計方法

考慮到服務業勞動生產率提高是一個動態過程，并且依賴過去的技術水平和人力資本狀況，因此，我們引入被解釋變量的滯后一期，并將其擴展為動態模型，以考察人力資本積累對服務業勞動生產率的影響。動態模型的優勢在于可以消除部分解釋變量的內生性偏誤，從而獲得這些解釋變量系數的一致性估計。具體的目標估計方程如下：

LP_servicei，t=α0+α1LP_servicei，t-1+α2Humani，t+α3Xi，t+εi，t（1）

對于動態面板模型（1），為獲得有效估計量，本文采用Arellano & Bover［35］提出的系統廣義矩方法（System Generalized Method of Moments，系統GMM）進行估計。GMM方法可以有效解決內生性問題，同時還可以緩解差分GMM的弱工具性和有限樣本偏差等問題，提高估計效率。系統GMM包括一步GMM和兩步GMM。兩步GMM是在一步GMM的基礎上，將GMM結果的殘差加入新的估計，以建立一個一致的方差、協方差矩陣，放寬了一步GMM中殘差需要獨立和同方差的假設，因而可以有效避免變量之間以及變量和殘差之間的內生性問題。基于上述模型，本文采用兩步系統GMM方法進行模型估計并進行AR檢驗和Hansen檢驗。

2.變量設定與說明

在模型（1）中包含以下被解釋變量、核心解釋變量和控制變量：

被解釋變量。從生產者角度來看，勞動生產率是勞動者創造價值的最重要指標。勞動生產率是驗證單位勞動投入生產商品和服務效率的主要方法。通常，勞動生產率計算方法有兩種：一種是用產出除以就業人數，得到單位勞動力的產出；另一種是用工作小時來計算，得到每小時的產出。本文參考第一種方式。模型（1）中LP_servicei，t為被解釋變量，表示i省在t年的服務業勞動生產率水平。

核心解釋變量。人力資本積累的過程就是人力資本結構趨向高級化的過程。我們借鑒張月玲等［36］的方法構建人力資本指標。根據《中國勞動統計年鑒》中的2005—2019年就業人員受教育程度構成比例乘以相應學歷的平均受教育年限，得到各省份的人力資本指標。其中，未上過學、小學、初中、高中與大專及以上分別記為0、6、9、12和16年，由此得到各省份人力資本水平 Humani，t，該指標值越大說明本地區就業人員中接受高等教育的人越多，人力資本水平越高。

控制變量。Xi，t為一組省級層面的控制變量。參照現有文獻，本文在模型中控制了一系列可能影響服務業勞動生產率的特征變量，具體包括：一是經濟發展水平（GDP），用各省份人均GDP來表示。經濟發展是服務業增長的基礎。一般而言，經濟發達地區的服務業發展空間較大，經濟欠發達地區的服務業發展潛力較小。二是對外開放水平（Open），用各省份商品和服務出口占全部進出口的比重來表示。一個地區經濟對外開放水平越高，越有助于服務業吸收外部資金和技術，進而通過知識溢出、技術擴散等路徑促進服務業效率的提升。三是數字經濟發展基礎（Internet），用各省份互聯網普及率來表示。數字技術革命加快了以大數據和人工智能為代表的新一代信息技術在服務業中的滲透與應用，服務業不再是傳統意義上的勞動密集型產業，而是越來越依靠共享經濟、平臺經濟和電子商務等互聯網新模式創新發展，由此催生了許多服務業新業態和新內容，極大提升了服務業生產率。四是研發投入強度（RD），用各省份研發投入支出占GDP的比重來表示。根據內生增長理論，增加研發投入將直接提高社會創新能力和知識存量，各行業通過消化吸收知識和技術提升行業的創新能力，進而提高服務業的產出效率。五是城鎮化水平（Urban），用各省份非農人口占年末總人口比重來表示。改革開放以來，城鎮化進程對推動我國經濟增長和產業結構轉型升級有著至關重要的作用，在此過程中，勞動力轉移是最值得關注的一個現象。大量農村勞動力進入城市制造業和服務業，并從城市制造業轉移到城市服務業，為推動服務業增長發揮了不可忽視的作用。

Province為省份固定效應，用來控制某些不隨時間變化的地區之間的差異；Year為時間固定效應，用來控制某些宏觀層面隨時間變動的沖擊；εi，t為隨機誤差項。

3.數據來源與處理

本文通過構建2005—2019年我國31個省份的面板數據，實證考察人力資本對服務業勞動生產率的影響及作用機制。所用數據主要來自歷年《中國統計年鑒》《中國第三產業統計年鑒》《中國勞動統計年鑒》，相關變量的描述性統計見表1。為了減少異方差和變量異常波動，我們對相關變量取對數后再進行回歸分析。

（二）實證結果及分析

1.動態面板估計結果

由表2（下頁）列（1）可知，人力資本對服務業勞動生產率有著顯著的促進作用，其回歸系數為0.10，在1%水平上顯著為正。從控制變量回歸結果來看，經濟發展水平（GDP）和數字經濟發展基礎（Internet）對服務業勞動生產率有著顯著的促進作用。研發投入強度（RD）對服務業勞動生產率有顯著的促進作用。對外開放水平（Open）和城鎮化水平（Urban）對服務業勞動生產率的估計系數不顯著。這說明，用貨物和服務出口比重表示的對外開放水平提高，對提升我國服務業勞動生產率的作用不明顯；城鎮化率的上升對服務業勞動生產率也沒有起到顯著的促進作用。

學術界通常把服務業劃分為生產性服務業和消費性服務業兩大類。根據融入制造業價值鏈位置的不同，我們又可以進一步把生產性服務業分為上游生產性服務業、生產環節生產性服務業和下游生產性服務業、服務于整條價值鏈的生產性服務業。一般來說，研究開發、科技中介、工業設計和地質勘探等可以看作上游生產性服務業，這些領域對勞動者技能要求高，需要匹配高技能勞動力。生產環節生產性服務業主要包括知識產權服務、物流與倉儲服務、融資租賃服務等，這些領域需要的勞動力素質也相對較高，中高技能勞動力是其主要匹配對象。下游生產性服務業則包括商務或專業服務、檢測認證服務、品牌與營銷服務等，這個領域的從業者要求具有較高的專業化知識，也需要匹配高技能勞動力。從全產業鏈角度來看，生產性服務業領域主要是以高技能人才為主。相較之下，以餐飲、住宿、家政、文化旅游、教育醫療為代表的消費性服務業領域內部的勞動技能差距較大，大部分還是以滿足基本生活服務需求為主的低技能勞動力。由此，考慮到服務業內部行業勞動力技能差距，我們將整個服務業分為生產性服務業和消費性服務業，重新加入模型（1）再次回歸。

回歸結果表明，生產性服務業LP_produc與人力資本的回歸系數為0.12，在1%水平上顯著，說明人力資本積累促進了生產性服務業勞動生產率提高。相比之下，消費性服務業LP_consump與人力資本之間的相關系數沒有通過檢驗，說明人力資本積累對消費性服務業勞動生產率沒有顯著影響。出現這種估計結果差異的原因可能是，大量低技能從業者涌入消費性服務業，加劇了服務業內部的勞動異質性，這與學者王燕武等［37］的觀點接近。

2.進一步討論

前文提到，人力資本促進服務業勞動生產率的提高主要是通過兩個機制：一是人力資本在積累過程中通過增加服務消費需求帶動服務供給增加，進而促進服務業勞動生產率提高；二是人力資本在積累過程中通過學習新知識和新技術促進技術創新，進而帶動服務業勞動生產率提高。為考察這兩個作用機制，我們將服務消費占全部消費比重（Consump）和全要素生產率（TFP）作為中介變量，通過構建人力資本與中介變量的交互項以分析人力資本對服務業勞動生產率影響的路徑。關于服務消費統計，我們依據國家統計局的統計口徑，用交通通信、醫療保健、教育和文化娛樂服務這四項代表服務消費總量。關于各省份全要素生產率測算，我們借鑒郭慶旺和賈俊雪［38］中的索羅余值法，以產出增長率減去勞動和資本的貢獻，進而計算出全要素生產率。具體估計模型如下：

LP_servicei，t=β0+β1LP_servicei，t-1+β2Humani，t*

consumpi，t+β3Xi，t+εi，t（2）

LP_servicei，t=？字0+？字1LP_servicei，t-1+？字2Humani，t*

TFPi，t+？字3Xi，t+εi，t（3）

表3列（1）是從服務消費視角對人力資本與服務業勞動生產率關系的考察結果，其交互項系數為0.03，在1%水平上顯著為正，這說明人力資本在積累過程中通過增加服務消費而有助于促進整體服務業勞動生產率提高。列（2）是從技術創新視角對人力資本與服務業勞動生產率關系的考察，其交互項系數為0.06，在1%水平上顯著為正，這說明人力資本在積累過程中通過提高全要素生產率、促進技術創新而有助于整體服務業勞動生產率提高。

3.穩健性檢驗

為了確保上述估計結果的準確性，本文重新選取核心變量和估計方法對前文的結論進行穩健性檢驗。

（1）替換核心解釋變量

我們采用Educa，即省份i在t年接受大專及以上教育的畢業生數量占本地區全部畢業生數量的比重這一新的解釋變量替代原有的人力資本指標。回歸結果表明，更換后的人力資本指標Educa與服務業勞動生產率的回歸系數依然顯著，說明高等教育人力資本比例提高有助于提升服務業勞動生產率（見表4）。

（2）替換被解釋變量

服務業勞動生產率提高意味著服務業從業者單位時間創造的價值更多，這也可以理解為產業結構不斷趨于合理化、產業之間更加融合和協調、產業間耦合和資源配置更加優化且更有效率［39］。本文使用衡量產業結構合理化的泰爾指數來替代服務業勞動生產率，進行穩健性檢驗，計算公式如下：

Theili，t=∑yi，n，t*ln（yi，n，t / li，n，t），n=1，2，3（4）

公式（4）中，yi，n，t是i省份n產業t年的產值與地區生產總值之比，li，n，t為i省份n產業t年從業人口數占地區總人口比重。本文構建的泰爾指數衡量的是各省份三大產業的產值結構與就業結構的偏差。當指數不為0時，意味著產業結構已經偏離均衡狀態，且指數越大，偏離程度越大，說明產業結構越不合理。由表4列（2）可知，核心解釋變量的估計系數為-0.02，在1%水平上顯著，說明人力資本提升，泰爾指數逐漸下降，從而產業結構趨于合理。

四、結論與政策建議

人力資本的外部性主要體現在消費溢出效應和技術創新效應兩個方面。本文通過構建人力資本與服務業增長的理論分析框架，從服務消費和技術創新兩個視角，深入探討了人力資本促進服務業勞動生產率提升的兩種作用機制。研究基于2005—2019年我國省級面板數據，利用動態面板系統GMM回歸分析發現，人力資本積累對整個服務業勞動生產率提高有著顯著的促進作用。考慮到服務業內部行業的勞動技能差距，我們把服務業分為生產性服務業和消費性服務業并分別考察后進一步發現，人力資本積累對生產性服務業勞動生產率提升有顯著的促進作用，而對消費性服務業勞動生產率提高的作用則不顯著。進一步，我們利用服務消費比重和全要素生產率兩個變量，分別構建人力資本與服務消費和全要素生產率的交互項進行機制分析，發現人力資本在積累過程中通過促進服務消費和加快技術創新來帶動服務業勞動生產率提高。一方面，消費性服務業勞動生產率難以依靠自身來提高，而是依賴生產性服務業效率和人力資本的積累。高水平人力資本有助于推動生產性服務業由低端勞動密集型轉向高端知識密集型。在此過程中，將會增加對消費服務的需求，進而提升消費性服務業勞動生產率。另一方面，人力資本水平的上升，促進了技術創新能力提高和知識密集型服務業的迭代升級，進而推動了生產效率曲線持續上移。

當前，我國正處在構建現代化經濟體系的關鍵時期，現代產業是現代化經濟體系的重要基石。這就需要以創新驅動為動力，著力推動高技術、高附加值、高效率為特征的現代產業體系不斷優化和強大。前文的實證研究表明，實現創新發展離不開人才投入和人力資本的積累，尤其是在數字技術廣泛應用的背景下，以人力資本積累、技術創新和服務消費升級促進服務業勞動生產率提高，實現服務經濟創新發展和高效發展的重要性與緊迫性日益凸顯。為此，需要從如下方面著力：一是充分認識人才是服務業高質高效發展的關鍵要素，高度重視勞動力教育和培訓，不斷豐富勞動力教育和培訓的方法與手段，特別是要積極發展職業教育和職業培訓。夯實職業教育體系，提高職業教育質量，提升非技能勞動力的社會適應能力，促使其向技能勞動力轉化，從而提高全社會勞動者素質。二是激勵技術創新，以技術創新克服服務業的“鮑莫爾成本病”。長期以來，服務業被視為技術停滯和低生產率部門。但隨著信息技術的發展及其在服務業領域的廣泛應用，服務業生產率與制造業生產率的差距在逐漸縮小，但依然低于制造業。這需要我們大力推進技術創新，尤其是大力發展數字經濟，增強數字技術在服務業領域的深度應用。三是構建合理的收入分配體系，形成以一次分配為基礎、二次分配為主體、三次分配為補充的收入分配體系，通過經濟高質量發展和收入分配體制改革增加城鄉居民可支配收入，從而引導消費升級、增強服務消費能力。第四，完善以生育、住房和醫療為代表的公共服務體系，為人才持續積累提供充分的制度保障和物質基礎。

參考文獻

［1］徐紫嫣，夏杰長．服務業開放、國民收入追趕和跨越中等收入陷阱［J］．河海大學學報（哲學社會科學版），2022（3）：68-76．

［2］袁富華，張平，劉霞輝，等．增長跨越：經濟結構服務化、知識過程和效率模式重塑［J］．經濟研究，2016（10）：12-26．

［3］夏杰長．新中國服務經濟研究70年：演進、借鑒與創新發展［J］．財貿經濟，2019（10）：17-33．

［4］程大中．中國服務業增長的特點、原因及影響——鮑莫爾—富克斯假說及其經驗研究［J］．中國社會科學，2004（2）：18-32．

［5］宋建， 鄭江淮．產業結構、經濟增長與服務業成本病——來自中國的經驗證據［J］．產業經濟研究，2017（2）：1-13．

［6］LEE D， WOLPIN K I. Intersectoral labor mobility and the growth of the service sector［J］. Econometrica， 2005， 74 （1）： 1-46.

［7］NGAI R， PISSARIDES C A. Trends in hours and economic growth［J］. Review of Economic Dynamics， 2008， 11（2）： 239-256.

［8］ROGERSON R. Structural transformation and the deterioration of European labor market outcomes［J］. Journal of Political Economy， 2008， 116（2）： 235-259.

［9］BUERA F J， KABOSKI J P， ROGERSON R， et al. Skill-biased structural change［J］. The Review of Economic Studies， 2022， 89（2）： 592-625.

［10］徐少俊，鄭江淮．信息化引致中國勞動力市場極化了嗎——多層次技能深化假說與檢驗［J］．經濟問題探索，2020（7）：157-167．

［11］ACEMOGLU D， AUTOR D. Skills， tasks and technologies： implications for employment and earnings［J］. Handbook of Labor Economics， 2011（4）： 1043-1171.

［12］ROSENTHAL S S， STRANGE W C. The attenuation of human capital spillovers［J］. Journal of Urban Economics， 2008， 64（2）：373-389.

［13］HENDERSOND J， TOCHKOV K， BADUN-

ENKO O. A drive up the capital coast？ Contributions to post-reform growth across Chinese provinces［J］. Journal of Macroeconomics， 2007， 29（3）： 569-594.

［14］AUTOR D H， MURNANE L. The skill content of recent technological change： an empirical exploration［J］. The Quarterly Journal of Economics， 2003， 118（4）： 1279-1333.

［15］BRANSTETTER L G， DREV M， KWON N. Get with the program： software-driven innovation in traditional manufacturing［J］. Management Science， 2019， 65（2）： 541-558.

［16］MAZZOLARI F， RAGUSA G. Spillovers from high-skill consumption to low-skill labor markets［J］. Review of Economics and Statistics， 2013， 95（1）： 74-86.

［17］加里·貝克爾．偏好的經濟分析［M］．李杰，王曉剛，譯，上海：上海人民出版社，2015．

［18］MANNING A. We can work it out： the impact of technological change on the demand for low-skill workers［J］. Scottish Journal of Political Economy， 2004， 51（5）： 581-608.

［19］AUTOR D H， DORN D. The growth of low-skill service jobs and the polarization of the Us labor market［J］. American Economic Review， 2013， 103（5）： 1553-1597.

［20］LEE J， SHIM M ， YANG H. The rise of low-skill service employment： the role of dual-earner households［J］. Journal of Economic Behavior and Organization， 2022， 202： 255-273.

［21］程大中．中國服務業與經濟增長：一般均衡模型及其經驗研究［J］．世界經濟，2010（10）：25-42．

［22］KISHI N. Analysis tool for skill acquisition with graphical user interfaces based on operation logging［J］. Advances in Human Factors/ergonomics， 1995， 20： 161-166.

［23］張慧芳，徐子媖，朱雅玲．勞動者技能溢價對居民消費的影響研究［J］．當代經濟科學，2020（6）：120-134．

［24］朱雅玲，沈悅，趙強．勞動力遷移視角下技能溢價對居民消費的空間效應研究［J］．經濟問題探索，2020（8）：180-190．

［25］顧天竹，紀月清，鐘甫寧．城鎮化、生活服務外包與低技能服務業擴張——基于吸納農村勞動力轉移角度的討論［J］．南京農業大學學報（社會科學版），2021（2）：136-147．

［26］張穎熙，徐紫嫣．健康人力資本與經濟增長——基于健康預期壽命指標的實證研究［J］．學習與探索，2021（7）：133-142．

［27］張穎熙，夏杰長．健康預期壽命提高如何促進經濟增長？——基于跨國宏觀數據的實證研究［J］．管理世界，2020（10）：41-53.

［28］夏杰長，肖宇．數字娛樂消費發展趨勢及其未來取向［J］．改革，2019（12）：56-64．

［29］袁航，朱承亮．國家高新區推動了中國產業結構轉型升級嗎［J］．中國工業經濟，2018（8）：60-77．

［30］LEOPOLD T A， RATCHEVA V， ZAHIDI S， et al. The future of jobs and skills in Africa： preparing the region for the fourth industrial revolution［Z］. In World Economic Forum， 2017， 3.

［31］TRIPLETT J E ， BOSWORTH B P . Productivity measurement issues in services industries： "Baumol's disease" has been cured［J］. Economic Policy Review， 2003， 9（3）： 23-33.

［32］譚洪波．人工智能能夠根治鮑莫爾病嗎？ ［N］．光明日報， 2017-12-19（14）.

［33］李曉華．數字技術與服務業“成本病”的克服［J］．財經問題研究，2022（11）：16-26．

［34］DEURSEN A V， DIJK J A. Measuring internet skills［J］. International Journal of Human-computer Interaction， 2010， 26（10）： 891-916.

［35］ARELLANO M， BOVER O. Another look at the instrumental variable estimation of error-components models［J］. Journal of Econometrics， 1995， 68（1）： 29-51.

［36］張月玲，葉阿忠，吳繼貴．基于技術選擇差異的我國區域全要素生產率分析［J］．軟科學，2015（7）：12-15．

［37］王燕武，李文溥，張自然．對服務業勞動生產率下降的再解釋——TFP還是勞動力異質性［J］．經濟學動態，2019（4）：18-32．

［38］郭慶旺，賈俊雪．中國全要素生產率的估算：1979—2004［J］．經濟研究，2005（6）：51-60．

［39］干春暉，鄭若谷，余典范．中國產業結構變遷對經濟增長和波動的影響［J］．經濟研究，2011（5）：4-16．

The Relationship between Human Capital Accumulation and Labor Productivity in Service Industry： Based on the Dual Perspective of Service Consumption and Technological Innovation

XU Zi-yan

Abstract： "Cost disease" caused by lagging labor productivity growth of service industry has been widely concerned in the service economy field. In the human capital field， as the long-term driving force of economic growth and high-quality development， human capital's externalities are mainly reflected in technological innovation effect and consumption spillover effect. This study examined the intrinsic relationship between human capital accumulation and labor productivity in the service industry based on the Chinese provincial dynamic panel data from 2005 to 2019. The results show that the accumulation of human capital can improve labor productivity in the service industry by increasing service consumption and accelerating technological innovation， thus alleviating the problem of "Baumol cost disease". Moreover， service sector is divided into productive and consumer services sectors for separate examination in this study to better depict said intrinsic relationship. Further empirical analysis reveals that positive role and mechanism of human capital act more significant function in productive services. Hence， this study concludes that increasing human capital investment in the service industry， improving public service protection system， such as providing education and training to improve workers' professional skills， narrowing professional level gap between high-skilled and low-skilled workers are important ways to boost labor productivity in the service industry.

Key words： human capital; labor productivity in service industry; service consumption; technological innovation; Baumol cost disease