人力资本对我国东中部地级市全要素生产率影响探析

■ 赵雪冉 博士生 李政隆（、北京大学政府管理学院 北京 00872、新疆石河子大学商学院 新疆五家渠 074300）

引言

众所周知，地区人力资本存量的提高有助于生产力水平的提升，且一地的经济发展又会刺激周边地区的经济增长，此区域间带动效应是否受地区间技术扩散、知识溢出影响？本文就以此为主题，研究我国地级市间的技术扩散及知识溢出现象，即其对于地区全要素生产率的影响机制及效应。

知识溢出及技术扩散作为内生经济增长理论、新经济地理学等经济学科中的重要概念，被广泛地应用于解释经济集聚、创新与区域增长的空间经济现象。本文对其的研究，一方面是对内生经济增长理论模型的实证说明，另一方面着眼于我国技术扩散问题，其研究结论有益于理解我国经济发展的空间差异及空间演变规律，对于研判未来我国区域经济的发展趋势，制定未来区域经济发展政策具有重要的借鉴意义。

文献回顾

国外学者就技术扩散、知识溢出的研究，最早起源于Arrow（1962）、Romer（1986，1990）在此基础上明确指出技术知识的非竞争性和部分排他性特征是知识溢出发生的根本原因，并将知识作为独立要素引入生产函数，建立了知识溢出的内生增长模型。Kurgan（1991）的研究强调了知识溢出的重要性，并将知识溢出看作是外部规模收益递增收益的三个来源之一。

Jaffeet al（1993）、Adams和Jaffe（1996）、Audretsch和Feldman（1996）、Acset al（1999）等从专利引用、创新产出、创新活动空间分布等不同角度论证了知识溢出的存在性和可度量性，探讨知识溢出在促进集聚和推动创新活动过程中的作用机制；Audretschand Feldman（2004）研究了知识溢出的识别与测度方法；二是研究知识溢出对城市与区域经济增长的作用，这方面的研究多从集聚与创新两大影响变量入手，Henderson（1999）、Glaeser and Saiz（2004）、Hendersonand Wang（2006）分别从城市水平上探讨了知识的空间溢出对城市生产力和城市规模增长的影响。

我国学者在20世纪80年代末开始研究技术扩散及溢出问题。朱李鸣（1988）将技术扩散机制分解为扩散动机机制、沟通机制以及激励机制。张进宝（2009）沿袭了朱李鸣的观点，表明技术扩散受到扩散源、中介及接受主体三个因素的影响。在实证分析方面，大部分学者主要研究宏观层面的外国技术的扩散问题，利用FDI等指标来表征外国技术溢出。沈坤荣（1999）运用多元滞后分布模型计算发现，20世纪80年代后我国引进国际投资，通过技术外溢、学习效应，外商投资占GDP比重每增加一单位，全要素生产率增加0.37个单位。而后学者发现仅考虑扩散源是不够的，因此将接受国的技术转化能力纳入模型，包括开放程度、技术水平等。李宾（2010）利用时间序列模型分析影响我国20余年间的TPF变化率的因素，研究发现国外技术溢出以及开放程度对于应变量有显著的正向影响。

杨志江、罗掌华（2011）基于1991-2007年我国各省市区数据，采用多元线性回归模型，发现研发存量是地区生产率提高的源泉，输入型FDI和进口贸易有促进作用。也有学者研究国内区域层面的技术扩散问题，曹泽、李东（2010）依据1995-2007年我国东、中、西部区域数据，采用面板数据模型分析不同类型的R&D投入对全要素生产率（TFP）增长的影响，研究发现企业R&D、高校研究机构的R&D及区域外R&D影响都是正向显著的，说明内外部技术水平共同影响区域经济增长。

我国东中部地区地级市全要素生产率测度及空间分布

（一）全要素生产率的测度

本文采用基于DEA模型的Malmquist指数法来计算我国地级市的全要素生产率及其动态变化。计算全要素生产率所需的地区生产总值、就业人数及固定资本总额数据来自2010-2012年中国城市统计年鉴。

表1 全局Moran`s I分析结果

表2 模型设定与运行结果

从图1可以看到，东中部地区170个地级市TFP增长率的空间分布情况，高增长（大于7%）的城市主要分布于中部的山西、安徽、湖北、湖南以及东部的河北环首都地区。对比图2，即2010年TFP水平的对数形式可以看出，TFP水平在2010年相对落后的城市，在2010-2012年间呈现出较高的全要素生产率增长率。

（二）全要素生产率空间自相关分析

本文采用GEODA软件自带的距离权重法计算空间权重矩阵，进而得出东中部地区170个地级市全要素生产率及其增长率的空间自相关性分析结果。

表1罗列了三个变量（2010年、2012年的TFP水平、2010-2012年TFP增长率）的莫兰指数及Z值等统计量值。正向的莫兰指数表明正向的空间自相关性，负向指数表明负向的空间相关性或空间异质性。在所有三个变量中，莫兰指数Z值都是正向且显著的（远高于1.96），表明呈现正向的空间自相关性。同时，TFP水平比TFP增长率的莫兰 指数及其Z值更大，表明东中部地区全要素生产率的空间相关性比全要素生产率增长率的空间相关性更为显著。

就特定区域的空间集聚状况进行空间自相关检验的局部莫兰分析结果表明，TFP增长率在山西、江西北部、安徽南部以及湖南东部地区呈现出高集聚的特征，在河南、浙江南部、广东西部和东北部、福建南部以及鲁西地区则呈现低集聚的特征，安庆、池州、衡阳、宜春、马鞍山以及恩施属于低TFP增长率且被高TFP增长率环绕的地区，徐州、淮北、中山、汕尾则属于高TFP增长率且被低TFP增长率环绕的地区，其他地区局部莫兰在0.05的显著性水平下不显著，如图3所示。

总而言之，探索性分析结果表明：人力资本对技术进步具有正向的促进作用，且技术和技术进步存在空间自相关性，这说明技术具有空间扩散的特征。

人力资本对全要素生产率影响的实证分析

（一）模型设定与变量选择

1.模型设定。Benhabib和Spiegel（1994）对纳尔逊-菲尔普斯模型进行修正后，用于解释人力资本对跨国经济影响的核算框架。本文从两方面扩展了Benhabib和Spiegel（1994）模型，首先，增加人力资本不仅会导致长期技术增长率的增加，也会一次性增加技术水平。其次，利用两类计量经济学模型研究TFP增长率的空间依存性，空间回归模型的形式主要有以下两种：空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）。基于Benhabib和Spiegel（1994）模型的解释变量，模型改进为：

2.变量选择。基于设定模型，运用DEAP软件，采用数据包络方法，2010-2012年的全要素生产率增长率作为本文的应变量。自变量则首先利用A_it）公式，求得创新项，分别与Ln（2010年教育水平）及Ln（2010-2012年平均教育水平）相乘，求得2010年教育水平与平均教育水平的技术追赶项，即Nelson-Phelps（N-P项）。而后，又选取了2010年人均教育支出、2010-2012年人均教育支出、2010-2012年人均教育增长率作为备选自变量。本文的所有数据来源于2010、2011及2012年《区域统计年鉴》。

（二）模型分析及结果

根据上述模型设定与变量选择依据，得出的模型结果如表2所示，对结果的描述与讨论如下：

1.标准模型与OLS结果分析。表2中模型1至模型4为对标准模型进行OLS回归的结果。模型1是对标准Nelson-Phelps模型的回归结果。模型2中，将模型1中2010年人均教育支出的对数项置换为2010-2012年间人均教育支出平均值的对数项，相应的，将技术追赶项取2010-2012年三年均值。模型3是对卢卡斯人力资本模型的估计，包含技术追赶项与2010-2012年间人均教育支出平均增长率的对数项两个变量。模型4是将Nelson-Phelps模型与卢卡斯人力资本模型相结合，构成新的嵌套模型并进行估计。该模型中包含3个变量：技术追赶项、2010年人均教育支出的对数项、2010-2012年人均教育支出增长率的对数项。模型5为空间滞后模型。

图1 TFP增长率的空间分布

图2 TFP（2010）的空间分布

图3 TFP增长率局部莫兰（2010-2012年）

总体来看模型1-4的回归结果，本文认为，模型4，即嵌套模型在解释力以及回归系数水平方面都明显优于模型1-3，因此，接下来的空间诊断与空间计量模型选取与设定也将主要依据模型4的回归结果。

2.回归结果讨论与模型选取。总体分布的正态性检验：模型1-4中的Jarque-Bera统计量均不显著，说明不能拒绝总体为正态分布的假设。

异方差检验：模型1与模型2的white检验结果不显著，说明不能拒绝同方差的假设，但模型3与模型4的white检验结果统计显著，说明模型3与模型4存在异方差问题，且这一结论与Breusch-Pagan的结果相吻合。表中的中下部分即为空间诊断结果。

由于Moran`s I指数只能测度空间自相关性是否存在，并无法决定空间计量模型的选取。为了在空间滞后模型与空间误差模型中作出正确选择，本文采用LM检验来解决空间计量模型的选取问题。

LM（error）与LM（lag）：对空间误差与空间滞后性的LM检验（拉格朗日乘子检验）数值通常为选取模型的主要依据。对于模型4来说，LM（error）与LM（lag）的值都统计显著，且LM（lag）>LM（error），说明空间滞后模型比空间误差模型更为合适。Robust LM（error）与Robust LM（lag）：模型4的Robust LM（error）与Robust LM（lag）检验结果均不统计显著。

综合考虑LM检验的结果，本文选取空间滞后模型作为进一步定量分析的主要工具。

3.空间滞后模型结果分析。模型5即为空间滞后模型，除了引入的空间矩阵项之外，模型5中的自变量与模型4一致。所有自变量都在99%的置信水平上统计显著且为正（不包括截距项），这表明引入了空间滞后项后，标准模型所验证的技术追赶效应与人力资本效应在空间滞后模型中依然存在，且其影响效应水平与OLS 回归中相类似。空间滞后项（W*TFP增长率）高度统计显著，这一点突出体现了当其他条件一定情况下，位于技术进步率较高地区的城市全要素生产率也将有较快提高，这也进一步验证了探索性数据分析中的结果。

结论与研究展望

第一，N-P项回归系数水平较低。在全部5个模型中，技术追赶项的回归系数都较低，说明在本文特定的模型设定中，技术追赶项对全要素生产率增长率的影响处于较低水平，这与所预设的“技术差距与人力资本水平差距越大，地区间的技术溢出效应越显著”的假设存在较大差异。产生这一偏差的主要原因在于本文选取的样本为我国东中部地区地级市，相邻城市之间的技术水平差异和人力资本水平差距可能本来就较小，因此组成技术追赶项的两大要素可能本来就不是我国东中部地级市之间技术扩散最主要的因素，技术追赶项在地级市尺度研究中的合理性值得进一步探讨。

第二，空间滞后模型回归系数水平较OLS回归未显著提升。通过一系列空间自相关检验，发现我国东中部地级市之间的技术溢出效应存在空间维度，在引入空间滞后变量解决这一问题后，模型5中自变量的回归系数水平较OLS回归并没有显著提升。对此，我们认为以教育支出来衡量的人力资本水平可能存在一定偏差，因而无法真实反映出人力资本水平对技术溢出的影响。另一方面，在以地级市为基础的样本中，各地级市之间技术溢出与扩散的决定因素并不局限于技术与教育差距，行政分割、政策影响等其他因素可能具有更大的影响。

第三，空间矩阵生成方式的影响。在本研究中，默认采用了Geoda中邻接空间矩阵生成方法，并未根据我国东中部地区地级市的属性特征对空间矩阵进行调整，所以最后的空间滞后模型结果也可能受到空间矩阵项合理性的影响而产生偏差。这也是今后需要改进和进一步探究的方面。

1.曹泽，李东.R&D 投入对全要素生产率的溢出效应[J].科研管理，2010，3（2）

2.施纪平，张仁寿.论浙江产业集群中的技术扩散[J].商业经济与管理，2003（12）

3.孙兆刚.知识溢出的发生机制与路径研究[D].大连理工大学博士论文，2005

4.吴建军，仇怡.我国R&D存量对国际贸易技术扩散效应的影响研究[J].科学管理研究，2007（5）

5.张进宝.中小学教育技术扩散动力机制研究[J].现代教育技术，2009（1）

6.朱李鸣.我国技术扩散导引机制初步考察[J].科学管理研究，1988（3）

7.朱晓明.中国服务业发展实证研究[D].北京大学光华管理学院博士论文，2006