技术进步、人力资本与中国产业结构高度化关系研究<br/>——基于面板数据分位数回归的实证分析

技术进步、人力资本与中国产业结构高度化关系研究
——基于面板数据分位数回归的实证分析

2016-10-19林春艳孔凡超

山东财政学院学报 2016年5期

关键词：高度化位数变动

林春艳，孔凡超，乔文

（山东财经大学统计学院，山东济南 250014）

技术进步、人力资本与中国产业结构高度化关系研究
——基于面板数据分位数回归的实证分析

林春艳，孔凡超，乔文

（山东财经大学统计学院，山东济南 250014）

技术进步、人力资本与产业结构的匹配程度在很大程度上决定了产业结构高度化发展的质量和效率。文章以1998-2013年全国31省市为研究对象，通过建立面板数据分位数回归模型研究技术进步、人力资本对产业结构高度化的影响路径。研究发现：（1）技术进步对产业结构高度化促进作用主要源自技术变动方面，技术变动作用呈倒U型趋势，技术进步的前沿转换效应逐渐向追赶效应转化。（2）人力资本存量和人力资本结构对产业结构高度化的影响作用具有明显差异。（3）技术进步和人力资本的影响作用均呈现出区域异质性特征。技术变动在中、西部的促进作用要高于东部，而效率变动正向作用更多体现在东部。人力资本有利于东部地区产业结构高度化的发展，而其作用在中、西部地区差异明显。

技术进步；人力资本；产业结构高度化；面板数据分位数回归

0　引言

在我国经济新常态下，经济增速放缓，以及产业“潮涌现象”，使得我国产业结构升级形势更为严峻，推进产业结构高度化发展已成为转变经济发展方式必然选择。目前，研究中国产业结构升级已成为当前学术研究领域的热点问题［1］。由于产业间技术结构、要素结构以及需求结构等因素的差异，各生产要素在产业间自由流动配置，而产业结构高度化发展的本质是产业劳动生产率不断提高的动态过程，该过程也是要素配置、技术进步以及市场导向等因素的作用结果。技术进步是后发国家缩小技术差距和促进新兴产业崛起的有效途径［2］，而人力要素与产业结构的匹配程度直接影响着产业结构转型升级的质量和效率［3］。

对于技术进步、人力资本与产业结构升级的关系。一方面，从经济发展角度来看，技术进步能够改变企业生产经营模式，使得产业部门要素结构和技术结构发生变动，特定产业部门发展速度与技术突破时间存在密切联系。技术创新的“极化规律”和“扩散效应”决定着产业间更替顺序和结构变迁方向［4-5］，在一定时空条件下，技术创新是我国产业结构转型升级的直接推动力［6-7］。另一方面，蔡昉等［8］、靳卫东［9］、戴启文等［10］、冉茂盛等［11］等研究表明，人力资本存量是产业结构转型升级的重要因素，其水平在很大程度上决定着产业结构升级的速度、质量。由于区域间劳动力质量水平差异，及人力资本的异质性特征，人力资本结构分布对产业结构升级的作用呈现出明显的区域特点［12］。

具体而言，Peneder［13］认为人力资本的积累使相关产业或者部门率先进入规模报酬递增阶段，生产要素会由低生产率部门流向高生产率部门。齐鹰飞等［14］、张桂文等［15］研究表明，人力资本结构与产业结构的耦合相似度，很大程度上决定了劳动力、物质资本以及人力资本在产业间的配置效率。两者匹配程度越高，产业转换速度和创新能力越高效，产业结构升级进程越快，反之，人力资本结构分化易引起产业部门间的技术差异，造成产业转移“空心化”现象。人力资本外部性特征在不断优化人力资本结构的同时，能够提高产业或部门生产效率［16］，通过“干中学”和“知识外溢”传导效应，诱发产业部门的技术研发与创新［17］，促进技术引进和吸收［18］，进而推动产业结构向高级化发展。

已有大多数文献主要集中于技术进步或人力资本单方面因素对经济增长或产业结构变迁的作用关系，而关于技术进步、人力资本与产业结构高度化关系的研究文献较少。我国技术进步、人力资本究竟与产业结构高度化之间存在怎样影响关系？两者对我国产业结构高度化影响有何特点？其区域路径作用模式有何差异？这对我国产业结构高度化发展有何指导意义？这些问题一直是研究者讨论的焦点，针对以上问题，本文将试图以理论分析为基础，结合面板数据分位数回归方法研究技术进步、人力资本对产业结构高度化发展的作用机制及其区域特征。

1　理论分析

在比较优势理论中，要素禀赋结构与技术结构的合理化配置是产业结构升级以及实现经济稳定增长的基础，为从理论角度阐述技术进步、人力资本对产业结构的作用机理，本文首先以C-D生产函数为基础分析技术进步与产业结构关系，表达形式如下：

其中，（1）式为地区生产函数，（2）式为地区各产业人均生产函数，Y代表各地区产出，A代表技术进步，K代表资本存量，L代表劳动力投入量，α为资本存量的产出弹性，β为劳动力投入量的产出弹性，i代表各产业，*为对应各产业函数参数。

对应（1）、（2）式，人均生产函数和产业人均生产函数可构建为（3）、（4）式，形式如下：

参考技术选择指数［19］，用以反映产业发展偏离自身比较优势的程度，技术选择指数定义为产业资本劳动比率与地区资本劳动比率的比值，具体公式形式：

根据（4）、（5）式可得出：

为剖析其中内在关系，借鉴干春晖［20］所运用的Shift-Share模型，将产业结构变迁从产业劳动生产率的增长中分解出来，具体形式见（7）式：

其中，g表示总体产业结构劳动生产率水平，用以反映总体产业结构高度化水平，si表示第i产业就业人数所占全部就业人数的比重，

（7）式中将总体产业结构劳动生产率分解为静态效应和动态效应。具体来说，为静态效应，表示要素生产率保持不变的条件下，产业间劳动力由低生产率部门向高生产率部门转移所带来的增长效应，这是由于产业结构变动（差异）所产生的。为动态效应，表示产业间劳动力由生产率增长较慢部门转向生产率增长较快部门所产生的增长效应，这种效应不仅与产业间要素变化有关，还与产业部门生产率变化有关。为内部增长效应。产业结构变迁效应为静态效应与动态效应之和。（7）式说明总体劳动生产率是由整体技术水平与部门内部技术效率变化引起的，这意味着产业技术间选择与技术进步，有利于要素高效配置，从而能够有效推动产业结构升级。

关于人力资本对产业结构的作用关系，参考Temple和Woessmann［21］以及周少甫［22］所推导的二元经济增长模型，其以两部门（传统部门a和现代部门m）经济模型为基础，将人力资本区分为无技能人员L0和有技能人员L1，经济增长具体公式（鉴于篇幅原因，推导过程并未列出）见（8）式：

Y为实际产出，.Y表示Y关于时间的导数（.Aa、.Am、.K、.L均是其关于时间的导数）。A为技术水平，L为工人数，K为资本，q为两部门工资比，η为支付给劳动的收入份额，1-η为支付给资本的收入份额，s为传统产业部门产出所占份额，φ为经济调整速度，p为工人由传统部门转移到现代部门的概率，δ=Lm1/L，表示现代部门有技能人员的比例。

而唐辉亮［23］根据DTC模型推导出人力资本结构、技术配置与产业结构升级的理论模型，公式形式如下：

H、L分别为熟练劳动力和非熟练劳动力的人数，Yh、Yl表示技术密集型和劳动密集型产业产出水平，Ah、Al表示中间产品种类数，qh、ql表示对应劳动力的机器质量水平，ε为两要素的替代弹性。

公式（9）说明劳动密集型产业向技术密集型产业方向转换（或两产业中间产品数）与劳动力供给结构（熟练和非熟练）、机器质量水平结构以及要素替代弹性ε相关，由于ε＞1，当H/L和qh/ql越大，即熟练劳动力相对比例越高，与之相匹配的机器质量层次越高，产业结构愈向技术密集型产业升级，而与劳动力相匹配的机器质量水平在一定程度上是技术进步的外在表征，这充分说明人力资本、技术进步是产业结构高度化发展的重要影响因素。基于此，本文从技术进步、人力资本两方面探讨其对产业结构高度化的作用机制。

2　变量、模型及数据

2.1变量

2.1.1被解释变量

产业结构高度化（IS）的测度方法主要有静态比较法、动态判别法以及指标法，为更好体现出产业的比例变化和生产率高低，本文借鉴刘伟［24］、黄亮雄［25］做法，利用指标法构建指标形式如式（10）：

其中，i代表地区，n代表产业，t代表时间，rint为t年份i地区第n产业增加值所占总体产业的比重，Lint为t年份i地区第n产业的生产率。N为产业总数目，可依据研究问题进行细分，本文中总数目为3。若一国经济体中劳动生产率高的产业部门所占比例越高，则该国产业结构高度化指数ISit也就越大。与刘伟的处理方法一致①该处理方法是进行国际比较而通用的一种形式，量纲化公式为Lnt=（L′nt-Lntb）/（Lntf-Lntb），Lntb、Lntf分别为工业化开始和结束时产业n的劳动生产率，具体参照chenery（1986）标准，本文以2005年的换算数值为标准。，将Lint进行量纲化处理以便于比较。

该指数是产业比例及其生产率的综合效用结果，但难以反映两者的相对贡献程度。为此，本文进一步将ISit进行分解，使其能够表征产业间比例关系和劳动生产率的变化，分解形式见式（11）：

运用产业结构高度化指数构造的方法，分别测算1998-2013年全国以及31个省市的产业结构高度化指数及其分解效应。

图1　中国产业结构高度化指数效应分解

图2　区域产业结构高度化指数总效应

图1和图2分别刻画了全国及各区域产业结构高度化指数分解效应的分布趋势状况。图1表明，从1998 -2013年，全国产业结构高度化指数的总效应均为正值，则中国产业结构高度化指数逐年上升，2007年增幅达到峰值，在这期间，总效应变动趋势与技术效应大保持着高度一致性，技术效应大于零，其值要显著大于结构效应，结构效应在2004、2008、2010和2011年小于零，从总体范围来看，产业结构高度化指数总效应变动主要是因为技术效应的变化，这意味着我国产业结构高度化发展动力主要来源于产业生产率的提升，即相比产业结构本身比例的变化，技术效应能够有效推动产业结构高度化发展。

具体而言，从1998-2003年，“国企改革”、“抓大放小”等一系列政策的实施，使得市场化程度得到明显提高，在此期间，产业结构高度化指数总效应持续上升，受到“入世”冲击的影响，产业结构高度化增长幅度经2004年的短暂调整之后快速增长至2007年最高点，2008年由于全球经济形势下滑，高度化指数总效应在2008年迅速回落，之后我国出台大规模投资刺激政策后，其值在2010年出现反弹后呈明显下降趋势，尽管2010年以后，产业结构高度化指数结构效应逐渐增加，但技术效应下降明显，“产业潮涌”等现象导致产能过剩愈发严重，使得2013年高度化指数总效应大幅下滑，这种变动趋势也意味着我国产业结构进行转型升级的必要性与紧迫性。

图2表示分地区高度化指数总效应的变化情况，从数值大小来看，在大部分年份中，东部地区总效应最大，中部地区次之，西部地区最小，从波动方面看，东部地区从2004年以后其总效应的变动幅度较为剧烈，中部地区总效应在1998-2010年期间，呈逐年上升态势，在2010年呈下降趋势，总体变动幅度不大。西部地区在1998-2009年期间稳中有升，但在2010年以后变动幅度较大，这说明我国区域间产业结构高度化发展特征存在显著差异。

2.1.2核心解释变量

对于技术进步的测度，大部分研究文献多采用研发投入、专利申请数量等具体指标进行衡量，也有学者用全要素生产率进行代替，运用LP法、OP法以及生产函数法等计算全要素生产率。而考虑到我国省域间经济发展差异性特征，参数（半参数）的设定形式具有一定局限性，故本文采用非参数方法计算Malmqulist指数衡量各地区的全要素生产率（TFP），并在Malmqulist指数分解的基础上，将其分解为技术变动指数（TC）和效率变动指数（EC）两部分，分别为式（12）和式（13）：TC反映由t时期到t+1时期最佳生产技术边界的变化；EC衡量由t时期到t+1时期相对效率的变动。

DEA方法所选取的变量包括各省市GDP、就业人数以及资本存量，对于资本存量，借鉴张军做法，使用永续盘存法估算资本存量，折旧率δ设为9.6%，具体计算公式为：Kit=Iit/Pit+（1-δ）Ki，t-1，Pit=Uit*Pi，t-1，利用公式计算各省份1998-2013年资本存量。由于西藏个别年份固定资产价格指数缺失，本文采用同时期商品消费价格指数代替。

考虑到人力资本的异质性特征，本文从两方面测度人力资本：存量和结构。人力资本存量（H）：已有文献中人力资本存量的衡量方法较多，常见的指标有平均受教育年限、教育支出比重、人力资本投资规模、中学入学率等。与大多数实证文献选用的指标保持一致，本文采用各省平均受教育年限衡量各省人力资本存量，参考周少甫［22］做法，分别将小学、初中、高中、大专及以上的受教育年限设定为6年、9年、12年和16年，并以各教育阶段人口比例作为相应权重，分别计算各省份的平均受教育年限。人力资本结构（HR）：人力资本存量反映人力资本整体规模，但并未刻画出人力资本结构的变化，考虑到产业结构转型升级中人力资本需求差异性特点，为加以区分产业结构转型升级中的劳动力异质性作用，故本文构造人力资本结构指标，用大专及以上受教育人口比重作为其衡量指标。

2.1.3控制变量

贸易开放度（Trade）：采用各省份贸易依存度衡量各省贸易开放度，即各省进出口总额占相应GDP比重，贸易开放度能够反映出国外需求对产业结构的拉动作用，各省进出口总额按当年汇率进行换算。政府支出（Gov）：采用各省政府支出占相应GDP比重衡量各省政府支出规模。人均GDP（pcgdp）：采用各省市人均GDP衡量各地区经济发展水平。城镇化率（Urban）：采用各省市城镇人口比例代表各地区城市化水平。

2.2模型

Koenker和Bassett［26］提出“分位数回归”，其思想是使目标函数最小化，它不仅不易受极端值影响，更加稳健，而且还能够反映出条件分布y|x的全面信息和细部特征。若条件分布y|x的总体q分位数qq（x）是x的线性函数，形如式（14）：

其中βq是q分位数回归系数，当分位数点q取不同值时，模型参数βq也将会随着改变。估计量^βq由式（15）目标函数的最小值进行求得：

针对本文研究问题，建立如下模型公式（16）：

其中，i为省份或地区，被解释变量Y为各省份产业结构高度化指数，X为核心解释变量，包括技术进步（TC、EC）和人力资本（HR、H），Z为控制变量，包括贸易开放度、政府支出、人均GDP、城镇化率。由于涉及面板数据，故本文采用面板数据分位数回归模型，与普通面板数据模型相比，面板数据分位数回归模型约束条件更为宽松，估计结果的稳健性更高。因此，本文借助R软件采用面板数据分位数回归模型进行建模。

2.3数据来源

本文以全国31个省市（自治区）为研究对象，考虑到相关数据的统计口径和可获得性，为保持前后一致性，本文所选取的样本时间段为1998-2013年，各省市产出数据均以2005年为基期进行GDP平减指数调整。本文涉及的数据来源于历年《中国统计年鉴》、《中国人口统计年鉴》、国泰安数据库、中经网以及中国科技网。

2.4变量描述统计

各个研究变量的统计性质，包括平均值、中间值、最大值、最小值、标准差和样本数，见表1。

表1　各变量的描述统计性质

3　实证结果分析

3.1面板数据单位根检验

面板数据在进行建模之前应检验并判断其是否平稳或者具有相同单整阶数，故本文首先对数据进行单位根检验，采用的检验主要包括LLC检验、IPS检验、ADF检验、PP检验，检验结构见表2。

表2　各变量单位根检验结果

表2中，各个变量在LLC检验、IPS检验、ADF检验、PP检验下的水平检验结果不完全一致，变量lnIS、EC、TC、lnH均通过5%水平检验，其它变量并未通过。但其一阶差分检验结果表明，差分后变量均通过1%的显著性水平检验，即拒绝存在单位根原假设，则认为具有相同单整阶数，可对面板数据进行建模。

3.2模型估计结果

根据式（16）建立面板数据分位数回归模型，为能清楚分析在不同分位点上技术进步、人力资本等其他因素对产业结构高度化的影响，本文分位点θ分别选取0.1、0.25、0.5、0.75、0.9。借助R软件，模型估计结果见表3。

表3　技术进步、人力资本对产业结构高度化的影响

首先是技术进步对产业结构高度化的影响。总体来看，技术进步能够有效推动产业结构高度化发展进程，这与龚轶等［7］的研究结论相类似。具体来说，在不同分位点上，效率变动EC的回归系数大于零，但其在分位点0.1、0.25、0.5处均不显著，说明技术进步的效率变动方面在低分位点处并没有对中国产业结构高度化起到显著推动作用。而技术变动TC的系数均为正值，且在分位点0.25、0.5、0.75、0.9处均通过1%显著性水平检验，且技术变动TC系数明显大于效率变动EC系数，说明技术变动TC对产业结构高度化的促进作用要大于效率变动，换言之，技术进步对我国产业结构高度化的促进作用主要源自技术变动方面。而效率变动EC代表技术进步追赶效应，技术变动TC代表技术进步前沿转换效应，说明由于我国技术进步的前沿转换效应大于追赶效应，这进一步提升了我国产业结构高度化程度。此外，除在低分位点0.1处，技术变动的系数值均大于1，说明技术变动TC的上升将会促使产业结构高度化更快速地增长，随着分位点的提高，TC系数先上升后下降，呈倒U型趋势。EC系数在低分位数点不显著，而其在高分位数点0.75、0.9处显著性水平有大幅提高。技术变动和效率变动的促进作用在不同产业结构高度化水平下存在明显差别，这意味着在产业结构高度化较为先进的省份地区，技术进步的前沿转换效应逐渐向追赶效应转化，即技术变动的促进作用逐渐降低，效率变动的正向作用逐步显现。

其次是人力资本对产业结构高度化的影响。人力资本指标包括以人均受教育年限表征的存量指标（lnH）和以大专及以上受教育人口比例表征的结构指标（HR）。与张国强等［12］学者研究结论相类似，人力资本存量和人力资本结构在不同分位点处回归系数差别明显，人力资本存量的弹性系数在分位点0.1、0.25、0.5处显著大于0，且呈下降趋势，在分位点0.75、0.9处并不显著，而人力资本结构的系数在低分位点处（0.1、0.25、0.5）显著为负，在高分位点0.9处显著为正，这说明在产业结构高度化水平落后的地区，人力资本存量对高度化发展起到显著正向促进作用，人力资本结构却不利于其发展。这意味着在低分位数地区，促进产业结构高度化进程的人力资本因素是人力资本存量，而非人力资本结构，这也从侧面说明在产业结构高度化落后地区，人力资本结构的不均衡制约着产业结构高度化的发展，这可能与落后地区高学历、高层次人才的短缺有关。与之相反，在高分位点0.9处，人力资本结构能够显著促进产业结构高度化发展，而人力资本存量的作用并不明显，说明在产业结构高度化先进的地区，人力资本结构是其进一步得到提升的关键点。可见，优化人力资本结构，缩小地区间人力资本差距是促进产业结构高度化发展的有效途径。

最后是控制变量的影响，在全部分位点上，贸易开放度（Trade）回归系数均通过了5%显著性水平检验，其值随着分位点数增加而呈大致减小的趋势，从0.189降低到0.079，说明贸易开放度有利于产业结构高度化的发展，但在高分位点这种促进作用有所降低。政府支出（Gov）系数均大于0，且通过1%的显著性检验，随着分位点数增加其值先增加后减小，呈倒U型趋势。人均GDP（pcgdp）和城镇化率（Urban）均有利于产业结构高度化发展，这种正向促进作用大致随分位点的增大而逐渐降低，说明地区经济发展水平和城镇化进程能够有效改善资源配置效率，有助于产业结构高度化发展，这在低分位点处表现得尤为明显。

此外，本文还通过Hausman检验方法认为固定效应要优于随机效应，固定效应模型结果见表3最后一列。固定效应结果显示，与分位数回归模型对应变量相比，除政府支出（Gov）和贸易开放度（Trade）的系数方向和显著性水平发生了明显变化外，技术进步、人力资本、人均GDP和城镇化水平变量的系数方向和显著性大体保持一致，但其值大小差异显著。这可能是由于区域间经济条件差异和产业结构特点不同造成的。这也从一定程度上验证了面板数据分位数回归模型结果的稳健性。

考虑到东、中、西部地区产业结构高度化的影响因素差异较大，故本文分别对我国东、中、西部建立面板数据分位数回归模型，分地区估计结果如表4。

对于东部地区，从整体上，除政府支出变量外，各解释变量均起到正向促进作用，技术变动和效率变动回归系数在低分位数点0.1、0.25处并不显著，但在高分位数点0.5、0.75、0.9处均显著大于零。与唐辉亮［23］所得出的研究结论不同，除在低分位数点0.1处，人力资本存量lnH和人力资本结构HR在其他分位数点均显著大于零，且回归系数随着分位数点的增加而增大，即从分位数点0.25到0.9，lnH系数从0.295增至0.968，HR系数从0.049上升到0.48，这说明在东部地区，相比低分位数省份，在高分位数省份中，技术进步、人力资本对产业结构高度化的影响作用更明显。

表4　区域估计结果

对于中部地区，与东部地区不同，技术进步的效率变动在各分位数点上系数并不显著，而其技术变动回归系数显著大于零，且其值呈下降趋势，从分位数点0.1处的8.753降低到0.9处的4。人力资本存量lnH回归系数显著大于零，其值随着分位数点的增加而降低，说明人力资本存量在中部地区的低分位数省份的影响作用较大，而人力资本结构不利于中部地区的产业结构高度化的发展。

对于西部地区，技术变动是技术进步影响产业结构高度化发展的内在因素，效率变动作用并不显著，这与中部地区相类似。而与东中部不同的是人力资本存量在高分位数点处（0.5、0.75、0.9）显著为负，人力资本结构显著为正，而在低分位数点处并不显著，这说明在西部地区高分位数省份中，高学历、高层次人才比例的提高有助于产业结构高度化水平的提升，而人力资本存量的作用并不明显。

整体来看，区域间各解释变量的回归系数差异较大，效率变动的正向作用在东部地区体现较为明显，而技术变动在中西部地区的促进作用明显比其在东部地区的作用要大，而人力资本变量在东中西部地区对高度化发展的影响作用差异明显，这与周海银［27］、张国强等［12］学者的研究结论基本一致。贸易开放度的回归系数在东西部大多数分位数点处均正向且显著，而其值在中部地区却显著小于零。政府支出回归系数在中部的显著大于零，起正向促进作用，而其在东西部地区所起作用却相反，这说明在东西部地区，政府对产业结构高度化发展的引导力度不够，这也可能与政府支出的侧重点有关。城镇化率回归系数在东中部各分位点处均正向显著，促进效应明显。

4　结论及政策建议

本文在理论分析基础上，运用面板数据分位数回归法对我国1998-2013年31省市及地区的面板数据进行实证研究，研究结论主要包括：整体来说，（1）技术进步对我国产业结构高度化促进作用主要源自技术变动方面。在不同分位数点上，技术变动对产业结构高度化的促进作用明显要大于效率变动，且随分位点提高，TC系数呈倒U型趋势，技术进步的前沿转换效应逐渐向追赶效应转化。（2）人力资本存量和人力资本结构的影响作用差异明显。在低分位点上，主要影响产业结构高度化进程的人力资本因素是人力资本存量，而非人力资本结构。高分位点处，人力资本结构对产业结构高度化的影响作用更为明显。（3）技术进步和人力资本对产业结构高度化的作用均呈现出显著区域差异性特征。对于技术进步，技术变动在中、西部地区对产业结构高度化的促进作用明显要大，而效率变动的正向作用更多体现在东部地区。对于人力资本，东部地区人力资本存量和结构对产业结构高度化起到促进作用，且随分位点升高而增强。中部地区人力资本存量促进其产业结构高度化发展，而人力资本结构却不利于其发展，这与西部地区正好相反。

基于本文研究结论，针对技术进步、人力资本与产业结构高度化的关系，建议如下：

一是注重区域产业结构高度化发展的方向判断和顶层设计。充分认识产业结构演进规律，锚定符合本地产业结构优化方向，积极推进相关产业向技术、资本以及知识密集型产业逐步转变，为新兴产业发展创造良好条件。转变政府职能，加强产业发展规划，制定有助于产业结构朝高度化方向发展的机制，在引导和鼓励传统产业技术改造和技术升级基础上，出台有利于高新技术产业发展的政策，培育产业结构发展新动力。

二是结合各区域产业结构特点，各产业部门应加大对技术密集型产业和知识密集型产业的研发投资，积极创建和完善以企业为核心的技术创新体系，促进新兴产业集聚化和园区化，推动产业结构转型升级。此外，还应加强区域省份间的技术交流，凸显技术的示范效应和竞争效应，推进区域产业结构高度化的协同发展。

三是加强人力资本投资。本文实证表明，提高人力资本存量，优化人力资本结构，缩小地区间人力资本差距是促进产业结构高度化发展的有效途径。因此，针对中西部地区教育投资不足现状，一方面在加大对教育财政支持的同时，更应引导和鼓励社会资源进入教育领域，调整教育结构，使高等教育资源实现区域间协调化和均衡化，加强创新型、技术型人才的交流和引进，优化人力资本结构。另一方面，鼓励并扶持企业对劳动者的职业技术教育培训，提高劳动者技能和素质，从而促进产业间生产要素的有效配置。

四是在发挥市场调节机制的同时，应加强对产业结构高度化发展的引导力度，特别是中西部地区，产业政策的制定还应充分考虑当地技术条件与人力资本的发展状况，因地制宜，合理选择本地区产业结构优化路径，积极承接发达省份的产业转移。同时，还应优化本地技术条件、人力资源与引进技术的匹配程度，不断提升人力资本的配置效率，发展特色产业链，从而推进产业结构朝高度化方向发展。

［1］王东霞.中国产业结构升级研究的文献计量分析［J］.山东财经大学学报，2014（4）：56-60.

［2］余泳泽.我国技术进步路径及方式选择的研究述评［J］.经济评论，2012（6）：128-134.

［3］王力南.产业结构调整的驱动因素：人力资本投资［J］.统计与决策，2012（6）：167-169.

［4］辜胜阻，刘传江.技术创新与产业结构高度化［J］.武汉大学学报：哲学社会科学版，1998（6）：46-51.

［5］齐讴歌，王满仓.技术创新、金融体系与产业结构调整波及［J］.改革，2012（1）：50-55.

［6］薛继亮.技术选择与产业结构转型升级［J］.产业经济研究，2013（6）：29-37.

［7］龚轶，顾高翔，刘昌新，王铮.技术创新推动下的中国产业结构进化［J］.科学学研究，2013（8）：1252-1259.

［8］蔡昉，都阳，王美艳.人口转变新阶段与人力资本形成特点［J］.中国人口科学，2001（2）：19-24.

［9］靳卫东.人力资本与产业结构转化的动态匹配效应：就业、增长和收入分配问题的评述［J］.经济评论，2010（6）：137-142.

［10］戴启文，杨建仁.产业结构升级与人力资本水平关系的实证研究——以江西省为例［J］.江西社会科学，2007（12）：123-126.

［11］冉茂盛，毛战宾.人力资本对经济增长的作用机理分析［J］.重庆大学学报：社会科学版，2008（1）：56-59.

［12］张国强，温军，汤向俊.中国人力资本、人力资本结构与产业结构升级［J］.中国人口·资源与环境，2011（10）：138-146.

［13］PENEDER M.Industrial Structure and Aggregate Growth［J］.Structural Change and Economic Dynamics，2003，14（4）：427-448.

［14］齐鹰飞，王伟同.人口发展与产业结构调整：经济可持发展的双驱动力——“人口发展与产业结构调整”学术研讨会综述［J］.中国人口科学，2014（4）：121-125.

［15］张桂文，孙亚南.人力资本与产业结构演进耦合关系的实证研究［J］.中国人口科学，2014（6）：96-106.

［16］代谦，别朝霞.人力资本、动态比较优势与发展中国家产业结构升级［J］.世界经济，2006（11）：70-84.

［17］ROMER P M.Endogenous Technological Change［J］.Journal of Political Economy，1990，98（5）：s71-s102.

［18］CICCONE A，PAPAIOANNOU E.Human Capital，the Structure of Production，and Growth［J］.The Review of Economics and Statistics，2009，91（1）：66-82.

［19］黄茂兴，李军军.技术选择、产业结构升级与经济增长［J］.经济研究，2009（7）：143-151.

［20］干春晖，郑若谷.改革开放以来产业结构演进与生产率增长研究［J］.中国工业经济，2009（2）：55-65.

［21］TEMPLE J，WOBMANN L.Dualism and Cross-country Growth Regressions［J］.Journal of Economic Growth，2006，3（11）：187-228.

［22］周少甫，王伟，董登新.人力资本与产业结构转化对经济增长的效应分析——来自中国省级面板数据的经验证据［J］.数量经济技术经济研究，2013（8）：65-77.

［23］唐辉亮.人力资本结构、技术资本配置结构与产业转型升级能力研究［J］.统计与决策，2014（2）：106-108.

［24］刘伟，张辉，黄泽华.中国产业结构高度与工业化进程和地区差异的考察［J］.经济学动态，2008（11）：4-8.

［25］黄亮雄，王贤彬，刘淑琳，等.中国产业结构调整的区域互动——横向省际竞争和纵向地方跟进［J］.中国工业经济，2015（8）：82-97.

［26］KOENKER R，Bassett G.Regression Quantiles［J］.Econometrica，1978，46（1）：33-50.

［27］周海银.人力资本与产业结构升级——基于省际面板数据的检验［J］.东岳论丛，2014（9）：95-99.

Relationship between Technology Progress，Human Capital and Industrial Structure Height——Based on Panel Data Quantile Regression Empirical Analysis

LIN Chunyan，KONG Fanchao，QIAO Wen
（School of Statistics，Shandong University of Finance and Economics，Jinan 250014，China）

The matching degree between technology progress，human capital and industrial structure determines to a great extent the quality and efficiency of the industrial structure height development.With the 31 provinces and municipalities in China as study object，this paper studies the influence path of technology progress and human capital on industrial structure height by establishing a panel data quantile regression model.The results show that the promoting effect of technology progress on industrial structure height originates from technology change whose effect presents an inverted U tendency with the frontier conversion effect of technology progress gradually transforming to the catch-up effect；that the effects of human capital stock and human capital structure on industrial structure height are significantly different；and that the effects of both technology progress and human capital present a characteristic of regional heterogeneity：the promoting effect of technology change in the middle and west regions is stronger than that in the west regions with positive efficiency change effect manifested more frequently in the east while human capital benefits the development of industrial structure height in the east regions with its function significantly different in the middle and west regions.

technology progress；human capital；industrial structure height；panel data quantile regression

F269.24

2095-929X（2016）05-0043-11

（责任编辑刘小平）

2016-05-19

山东省自然科学基金项目“基于变精度函数粗集理论的金融高频数据挖掘方法研究”（ZR2013AQ019）。

林春艳，女，山东乳山人，博士，山东财经大学统计学院教授、博士生导师，研究方向：数理统计；孔凡超，男，山东临沂人，山东财经大学统计学院博士生，研究方向：数理统计、经济统计，Email：kfc19880816@163.com；乔文，女，山东泰安人，山东财经大学统计学院硕士生，研究方向：数理统计、经济统计。