“人才红利”效应与中国经济持续增长

■ 宋奇成 教授 张亚飞（重庆理工大学 重庆 400054）



“人才红利”效应与中国经济持续增长

■ 宋奇成 教授 张亚飞（重庆理工大学 重庆 400054）

内容摘要：本文基于包含人力资本的柯布-道格拉斯生产函数的理论推导，建立包含人均GDP、人均物质资本、从业人员受教育程度、劳动参与率、总抚养比的计量模型，并利用2001-2012年的省际面板数据对计量模型进行检验。结果显示：从全国层面分析，人均物质资本、从业人员的受教育程度对经济增长影响显著为正，总抚养比对经济增长影响显著为负，劳动参与率对经济增长影响为正，但不显著；在模型中加入从业人员变量后，从业人员的受教育程度对人均GDP的正向作用加大；从区域性角度分析，从业人员的受教育程度对东部、中部、西部经济增长均显著为正且影响程度存在区域差异，其中，中部地区从业人员受教育水平对经济增长的影响程度最大，东部地区次之，最后是西部地区。

关键词：从业人员 受教育程度 总抚养比 经济增长 区域差异

引言

改革开放以来，中国的经济取得了飞速发展，许多研究表明，人口年龄结构转变形成的“人口红利”是中国经济高增长的主要原因之一。但是随着中国人口增长模式的转变，当前中国人口增长模式进入低出生率、低死亡率、低增长率阶段，劳动年龄人口所占比重从2011年至2013年一直处于负增长，蔡（2004）指出第一次人口红利将在2013-2015年左右消失。劳动年龄人口减少和沿海地区“用工荒”等现象均表明我国将丧失廉价劳动力成本这一比较优势资源。因此研究如何挖掘第二次红利以保证经济的可持续增长具有重要的现实意义。基于此，陈井安、王学人（2012）认为人才而非资源紧缺是中国经济持续增长的“短板”，蔡（2009）、胡鞍钢等（2012）指出可以通过教育深化提高劳动生产率，扩大老龄化时期的劳动力资源和人力资本积累以抵消未来人口红利消失对经济增长带来的负面影响。综上所述，在我国劳动年龄人口减少和老龄化加深的大背景下，通过教育提高劳动力素质形成新的“人才红利”是应对我国经济下行压力的主要途径（张薛梅，2014）。现代增长理论和实践也充分证明在经济增长要素中，劳动力质量要优于劳动力数量，本文利用包含人力资本的柯布-道格拉斯生产函数构建模型对该理论进行验证，以此说明通过教育提高劳动力素质可以挖掘第二次人口红利，为相关政策的制定提供理论依据，实现“人口红利”向“人才红利”的转变。

理论推导和变量选取

柯布-道格拉斯生产函数主要反映劳动力和物质资本投入与经济总量的关系，假设规模报酬不变，即α+β=1，（其中0<α<1；0<β<1）。加入就业人员的平均受教育程度后，包含人力资本存量生产函数的具体形式如下：

其中，Yit是i省在t年的总产出，Ait表示i省在t年的全要素生产率，代表技术水平，Kit表示i省在t年的物质资本，Lithit表示i省在t年的人力资本投入。用i省在t年的就业人口Lit与就业人员的平均受教育年限hit的乘积表示。

将式（1）两边同时除以各省总人口Nit，得式（2）如下：

其中，Wit代表劳动年龄人口数量（指15-65岁的劳动年龄人口），假设少儿人口数量为L1it（指0-14岁的人口数量），老年人口数量为L2it（指65岁以上的人口数量），则Nit=L1it+L2it+Wit，公式（2）进一步推导得：

其中，i表示省市（自治区），t表示年份；fi和εit分别代表截距项和误差项；yit为人均GDP，用各省现价GDP与总人口之比表示；kit为人均物质资本投入，用固定资本形成额与总人口之比表示；为劳动参与率，用就业人数与劳动年龄人口数量之比表示；DRit为总抚养比，用少儿人口数与老年人口数之和与劳动年龄人口数之比表示；hit代表从业人员的受教育程度，利用不同学制年数受教育人数的加权平均数计算平均受教育年限，其中，文盲为0年，小学文化程度为6年，初中文化程度为9年，高中文化程度为12年，大专文化程度为15年，大学本科文化程度为16年，研究生文化程度为19年。根据公式推导结果，人均物质资本投入，劳动参与率，从业人员的受教育程度三者的系数为正，总抚养比的系数为负。

数据来源于《中国统计年鉴》、《中国人口与就业统计年鉴》、《中国劳动统计年鉴》以及各省统计年鉴，并经过简单计算而得，因为《中国劳动统计年鉴》关于从业人员的受教育程度只公布了2001-2012年的数据，所以本文研究的时间跨度为2001-2012年，横截面为我国31个省、市、自治区，所有检验均在Eview s6.0软件下进行，变量的描述性统计如表1所示。

实证分析及结果

（一）全国层面的初步回归

豪斯曼（Hausm an，1978）对计量模型进行估计时发现，固定效应模型和随机效应模型之间存在显著差异，固定效应模型假定模型的截距项和解释变量相关，将个体效应反映在模型截距项的差异上，而随机效应模型假定不被观察到的个体效应与解释变量无关，是随机的，在实际分析中一般利用霍斯曼检验来确定采用固定效应模型还是随机效应模型。Hausm an检验的原假设H0：截距项与解释变量无关，即采用随机效应模型；H1：截距项与解释变量相关，即采用固定效应模型；给定置信水平α，若统计量大于临界值，则拒绝原假设，采用固定效应模型，否则，采用随机效应模型。

Hausm an检验结果如表2所示，表中模型1和模型2模型采用固定效应模型（FE），模型3和模型4采用随机效应模型（RE）。其中，模型1仅考虑从业人员的受教育程度与经济增长的关系，模型2、3、4分别加入了人均物质资本、总抚养比、劳动参与率等解释变量。

结果显示，从业人员的受教育程度、人均物质资本投入、劳动参与率的系数为正，总抚养比的系数为负。此外，从业人员的受教育程度、人均物质资本投入、总抚养比对人均GDP的影响均显著，劳动参与率对经济增长的影响不显著，可能原因是相对于经济增长变化，劳动参与率变化较小。为了进一步研究劳动力数量和劳动力质量对经济增长的影响作用，本文在模型3的基础上加入了就业人数l，具体结果如表3所示。在模型3的基础上加入就业水平l后，Hausm an检验统计的P值为0.0266，因此在5%的置信水平下拒绝原假设，采用固定效应模型，模型调整后的拟合优度为0.9917，大于模型3的0.9754，说明加入就业水平变量后，模型效果更好。从表3中可以看出，从业人员的受教育程度对经济增长的弹性系数0.4536大于就业人数对经济增长的弹性系数0.1712，说明劳动力质量对人均GDP的影响作用大于劳动力数量。此外，在没有加入就业水平的模型3中，从业人员的受教育程度对人均GDP的弹性系数为0.3820。在模型5中加入就业水平后，从业人员的受教育程度对人均GDP弹性系数上升至0.4536，说明最大化促进就业对最大程度发挥人才红利效应具有重要作用。

（二）人力资本对经济增长影响的区域差异性

考虑到从业人员的受教育程度对我国经济增长的影响存在区域差异性，本文主要分析从业人员的受教育程度对我国东部、中部、西部的影响效果，回归结果如表4所示。

不同区域的回归结果显示，东部、中部、西部从业人员的受教育水平均对经济增长具有显著的促进作用，这与全国层面的回归结果一致，从业人员的受教育水平对人均GDP的弹性系数分别为0.6837、1.0798、0.4478，这说明人力资本水平对经济增长的影响效果存在区域差异。其中，中部地区从业人员的受教育程度对经济增长的解释作用最大，其次是东部地区，最后是西部地区。说明应加大对西部地区的人力资本投资，促进人才在区域间的合理流动，充分释放西部地区人才红利效应。

表1　变量的描述性统计

表2　面板估计结果

表3　加入l面板估计结果

表4　我国东部、中部、西部面板数据估计结果

结论与建议

综上所述，本文得出以下结论：

第一，利用2001-2012年的省际面板数据进行实证分析的结果与公式推导结果一致，从全国层面来看，从业人员的受教育水平、人均物质资本投入对人均GDP的影响显著为正。总抚养比对人均GDP的影响显著为负，劳动参与率的影响为正，但不显著。其中，就业人员的受教育水平对人均GDP的弹性系数为0.4536，远远大于就业人员对人均GDP的弹性系数0.1712，说明劳动力质量对经济增长的促进作用要大于劳动力数量，虽然我国劳动年龄人口数量出现负增长，但是劳动力资源的总体规模还很大，如果将充分的劳动力资源转化为人才资源，可以充分释放第一次人口红利，为产业升级和转型创造有利条件。

第二，从全国层面来看，加入就业水平后，从业人员受教育水平对人均GDP的系数有所提高，说明充分扩大就业对人才红利效应的发挥具有重要作用。所以应该采取积极的就业政策，加强引导，完善就业市场制度，消除高校培养人才与劳动力市场需求结构性失衡的现象，使劳动力的供给方和需求方能够实现均衡，充分发挥人才红利的经济效应。

第三，就业人员受教育水平对人均GDP具有显著正向影响，但其对经济增长的影响效果存在区域差异性。其中，中部地区人力资本对经济增长的解释作用最大，其次是东部地区，最后是西部地区。说明西部地区就业人员的受教育水平相较东部、中部地区偏小，政府应加大对西部地区的人力资本投资，促进人才在区域间的合理流动；此外中部地区对经济发展的影响效应最大，政府应当采取积极的人才优惠政策，加大公共教育投资，使中部地区充分释放人才红利。

参考文献：

2.陈井安，王学人.人才红利效应与中国经济持续增长[J].经济学动态，2012（5）

4.胡鞍钢，刘生龙，马振国.人口老龄化、人口增长与经济增长—来自中国省际面板数据的实证研究[J].人口研究，2012（5）

5.张薛梅.我国经济下行趋势分析与破解路径[J].商业时代，2014（33）

中图分类号：◆F114.1

文献标识码：A

基金项目：▲重庆理工大学研究生创新基金资助项目（YCX 2014244）