中国城市人力资本外部性的收入阶层分布*

许岩曾国平尹希果

（1．重庆大学经济与工商管理学院 重庆 400030）

（2．重庆大学公共管理学院 重庆 400030）

中国城市人力资本外部性的收入阶层分布*

许岩1曾国平2尹希果1

（1．重庆大学经济与工商管理学院 重庆 400030）

（2．重庆大学公共管理学院 重庆 400030）

在推进以人为核心的新型城市化进程中，如何使各阶层劳动者能“包容式”地从人力资本集聚的外部性红利中获益是一个既影响效率又关乎公平的重要问题。文章利用CHIP2013的城市居民调查数据，考察了中国城市人力资本外部效应在不同收入阶层的分布情况。研究发现：即使在控制了城市规模效应的条件下，仍然可以观测到显著的城市人力资本外部效应。平均来看，城市人力资本水平每提高1%，劳动者的月工资将上涨0.094%～0.148%。但工具变量分位数回归显示，这种工资溢价效应并不是线性的，城市人力资本外部性并有没有均衡地使各个收入阶层受益，而是在不同的收入群体间表现出了巨大的结构性分化，工资水平越高的群体，受人力资本的外部性影响越强。而劳动者在学习能力、工作行业上的差异，以及制度壁垒所形成的劳动市场分割都是造成人力资本外部效应出现收入阶层分化的重要诱因。

人力资本 外部效应 阶层分布 工资溢价

一、引言

人力资本对经济发展的重要作用很大程度体现在人力资本的外部性上，城市经济学将人力资本的外部性看作是城市集聚及城市高生产力的重要原因（Lucas，2001；Duranton，2004）。但是长期以来，有关城市人力资本外部性的经验性研究与其传统的逻辑重要性很不相称。虽然，近年来对人力资本外部效应的实证检验取得了较大的进展，部分经验性研究确实捕捉到了城市人力资本外部性存在的证据（Acemoglu和Angrist，2000；Moretti，2004a；Liu，2007；Glaeser和Lu，2013）。但是，在一些基础性问题上，目前的研究成果还远非细致。已有研究主要考察了城市人力资本外部性的平均效应，却忽视了不同劳动力之间的潜在差异。虽然理论上，城市人力资本外部效应的形成可以简明地归纳为不同劳动者对知识、技能、经验的共享与学习。但事实上，人力资本外部效应的形成是一个非常复杂的过程。劳动者的个人特质、行业特征都可能会影响到人力资本的知识溢出（Combes和Duranton，2008；Chang等，2016）。而劳动力市场上制度安排的差异也会进一步影响到人力资本外部效应的形成（Liu，2014）。因此，考虑到以上因素，城市人力资本外部效应在不同劳动群体间的分布很可能是有结构性差异的。但遗憾的是，到目前为止，理论界并没有对这种可能存在的结构分化给予足够的关注。

而针对城市人力资本外部效应及其异质性分布的探索，对于中国经济来说有着更为重要的现实意义。目前，中国正处在努力推进以人为核心的新型城镇化的重要历史阶段，城市人口以及人力资本的加速集聚将是未来城市发展的主旋律。在这一过程中，如何充分发挥人的作用、实现人的价值，如何实现城市经济的“包容式发展”，使城市发展的成果为广大城市居民所共享，是一个既影响效率又关乎公平的重要命题。而作为推动城市发展、塑造城市经济结构的一股基础性力量，人力资本的外部效应无疑将影响到每一位城市劳动者的价值创造效率以及其分享城市发展成果的能力。在城市人力资本外部性及其对不同劳动群体的异质性影响没有被适当评估的前提下,任何旨在强调人力资本集聚及其外部性福利后果的政策,都将很可能带来不确定的政策效应。如果我们从历史的维度回顾中国的城市化进程则会忧心地发现，种种迹象表明，中国的城市化红利并没有均衡地被各收入阶层的劳动者所共享（高虹，2014）。即使在城镇高收入群体的收入很可能被低估的情况下，城镇内部的收入差距仍然表现出持续扩大的趋势，且城镇内部的收入差距对城乡居民总收入差距的贡献日益增大（吕世斌，2016）。

这就迫使我们必须对以下几个关键的问题进行思考：（1）在经历了高校扩招及十多年的高速城镇化之后，中国城市有没有形成显著的人力资本外部效应？（2）中国城市人力资本外部效应对不同劳动群体的影响是否是同质的？有没有“普惠”式地使不同收入阶层的劳动者受益？（3）如果人力资本外部效应在不同劳动群体间存在着结构性的差异，那么引发这种差异的原因又是什么？因此，本文将尝试通过对中国城市人力资本外部效应及其在不同收入群体间分布结构的考察来回答以上问题。关于这些问题的答案，不仅有助于从人力资本的角度进一步挖掘促进中国城市发展的潜在动力，也将有助于全面理解城市化进程中市民内部收入差距持续扩大的成因，并为弥合这种差距提供重要的政策启示。

与以往的文献相比，本文的贡献主要体现在以下三个方面：（1）利用中国家庭收入调查（CHIP）2013年的城镇调查数据，在控制了劳动者个人特质、城市特征的条件下，通过工具变量回归实证检验了中国城市人力资本外部性的平均效应。（2）在非线性条件下，通过工具变量分位数回归进一步考察了人力资本外部效应在不同收入群体间的异质性分布，揭示了人力资本外部效应在中国城市不同收入群体间的分布规律。（3）从个人学习能力、行业特征与城市劳动市场的制度性分割三个方面分析了人力资本外部效应在不同收入阶层出现结构性分化的原因。

二、估计策略的选择

纵观已有文献，主要存在三种对城市人力资本外部性的估计策略：第一种是基于劳动者工资溢价的人力资本外部性测度方法（Acemoglu和Angrist，2000；Moretti，2004a；Bratti，Leombruni，2014）；第二种是基于地租溢价的人力资本外部性测量方法（Dalmazzo和De，2005；A lberto和Guid，2007）；第三种是基于微观企业生产函数的人力资本外部性测度方法（Moretti，2004b；Greenston和Moretti，2010）。考虑到本文的主要研究目的是考察人力资本外部效应在不同劳动者之间的差异，因此，这里将采用基于劳动者工资溢价的办法来进行本文的分析和讨论。

为了充分展现这种方法的研究思路，本文通过建立一个理论模型来进一步刻画通过劳动者工资溢价来考察城市人力资本外部效应的逻辑。假定：一个经济体由J个不重叠的城市组成；所有城市的企业和工人只生产一种产品，且在不考虑流动成本的情况下，企业、工人与产品可以在不同城市间自由流动，土地的供给是固定的，并且在消费领域和生产领域同时使用；城市人力资本水平越高，人力资本的外部效应越强，即企业的生产效率与城市人力资本水平正相关。

对于工人来说，进一步假设城市工人的效用函数由产品消费与住房消费两部分构成。工人在城市j只消费一种商品Q。由于产品可以在不同城市间自由流动，因此，不同城市将面对着同样的产品价格，这里把价格设定为1。同时，工人对住房土地的需求为Lj，住房租金价格记为rj。工人在城市j的效用函数则可以表示为：

如果工人在城市j的工资为wj，那么其预算约束条件则为：

在此预算约束条件下，可以建立城市工人效用最大化的拉格朗日函数：

拉格朗日函数关于Q与L的两个一阶条件分别为：

求解式（4）与式（5），可以得到：

将式（6）代入式（4）、式（5）分别可得：

将式（7）与式（8）代入式（1），能够得到j城市工人的间接效用函数：

工人的可自由流动意味着，工人在不同的城市间必须享受到相同的效用，否则工人就会有在城市间发生迁徙，进而引起工资w与房屋租金r的调整，直到不同城市间的工人享受到相同的效用为止。即，对所有城市j与城市j′来说均有V=Vj=Vj′（j、j′=1、2、3…J）。

对于j城市的企业来说，进一步假设，市场是完全竞争的，企业生产需要土地与工人两种投入要素，且生产函数是Cobb-Douglas形式的，则企业的生产函数可以表述为：

其中，Y是企业的总产出，M是工人投入数量，N是土地投入数量。Hj代表城市j的人力资本水平，转换函数F（Hj）表示城市人力资本的外部性对企业生产效率的影响，且∂F(Hj)/∂Hj＞0，表示随着城市人力资本水平的上升，企业的产出效率也会得到提高。

根据以上条件，我们也可以得到企业的成本函数：

企业所面临的问题就是如何实现其利润最大化：

通过对M和N求偏导，我们可以得到实现利润最大化的一阶条件：

对式（13）与式（14）进行求解，可以得到：

把式（15）代入式（14）可以得到企业产出达到最大时wj与rj的关系表达式：

对式（9）与式（16）取对数，并求解，可以得到工人与企业同时满足均衡条件时由Hj所决定的wj：

为了进一步判断wi与Hi的数量关系，我们进一步通过式（17）求lnwj对Hj的偏导数：

由于模型中已经假设∂F(Hj)/∂Hj＞0，因此，可以得到，∂lnwj/∂Hj＞0。这意味着如果确实存在着人力资本外部效应的话，城市人力资本水平较高的地区，将会出现较高的工资溢价，我们可以通过对人力资本工资溢价效应的观测来考察城市人力资本外部效应的强度。根据以上分析，本文构建计量方程如下：

其中，lnwij代表劳动力的对数工资，c是常数项，Xij为可能影响劳动者收入的个人特征向量（详细变量参见表1）。为了降低内生性问题可能造成的估计偏误。我们也尽可能地控制同时影响城市人力资本水平和劳动力工资收入的城市特征。Cityj就是反映这些城市特征的向量（详细变量参见表1）。

三、数据来源及处理

本文数据主要包括两个部分，第一部分是反映劳动者特质的个人微观数据；第二部分是反映城市特征的数据。反映劳动者特质的微观数据来自于中国家庭收人调查（CHIP）2013年的城市住户调查。CHIP2013的城市数据涵盖了北京、重庆、山西、辽宁、江苏、浙江、安徽、山东、河南、湖北、湖南、广东、四川、云南、甘肃15个省级行政区的126个城市，其中包括7175个城市住户样本，30000个个人样本。为了使本文的分析结果更为准确，我们对以上数据进行了裁剪，用于经验性研究的数据只包括当年在职的工资性劳动者。最后，共得到有效个人样本9611个。反映城市特质的数据来自《中国城市统计年鉴》（2014年）、各城市第六次人口普查统计公报与Google地图。核心解释变量与被解释变量的说明如下：

个人劳动工资：在不同计量模型中分别以劳动者从事主要工作的名义月工资（包括从该工作中得到的奖金、补贴及实物折现）来表示。①Moretti（2003）认为，在有关人力资本外部效应的实证分析中需要使用名义工资，根据物质指数调整后的工资不是合适的被解释变量。理由是，城市的名义工资越高意味着生产率越高。如果工人没有较高的生产率，那些生产全国贸易品的企业就会离开高工资城市而迁往低工资城市。由于生产贸易品的企业在全国范围面对的是相同的价格。因此，只要每个城市都有生产贸易品的企业存在，那些名义工资较高的城市其生产率也必须较高。城市人力资本水平：借鉴Morrtt（i2004a）以及Chang等（2016）的做法，以大学毕业生占城市人口的比例来表示。城市人口及各教育层次在人口中所占的比例来源于各城市第六次人口普查的统计公报。由于人口普查每十年才进行一次，因此，这里我们以2010年的人口普查数据作为2013年城市人力资本水平的替代变量。考虑到人口结构的变动是一个相对缓慢的过程，本文认为这一替代办法并不会对实证分析结果造成太大的影响。其他控制变量的计算可以参见表1，这里不再赘述。

表1 变量名称及其定义

续表1

四、实证分析与诠释

（一）基准模型的回归结果

表2的第（1）、（2）、（3）列报告了基准模型的OLS估计结果。可以看到，在只控制个人特质变量和同时控制个人特质变量、城市特征变量的条件下，城市人力资本水平的回归系数分别为0.199与0.121且均在1%的水平下显著。考虑到城市规模效应（如金融外部性、消费外部性等其他外部效应）的存在，即使在不存在人力资本外部效应的情况下，城市扩大所形成的规模效应也可能使我们得到显著的工资溢价（城市人力资本水平与城市规模在统计上是正相关的）。因此，模型中进一步控制了城市的规模特征。在将城市规模纳入回归方程后可以发现，城市规模的回归系数显著为正，这说明城市扩大而产生的规模效应确实提高了劳动力的工资水平。但这并没有影响到关于人力资本外部效应的检验结果，我们依然观测到了显著的城市人力资本工资溢价。

虽然OLS回归捕捉到了人力资本外部性存在的证据，但还不能简单接受OLS的估计结果。因为在工资方程中，城市人力资本水平与劳动者工资仍然可能是两个内生变量。人力资本并不是在城市间随机分布的，工资水平高的城市往往对受教育水平高的工人更具吸引力，即城市人力资本水平既可能是劳动工资提高的原因，也可能是劳动工资提高的结果。本文进一步解决内生性问题的策略是寻找城市人力资本水平的工具变量，然后采用2SLS对计量方程进行估计。这里以1990年大学毕业生在城市人口中所占的比重与各城市劳动者的兄弟姐妹平均数量作为城市人力资本水平的工具变量，①选择城市劳动者兄弟姐妹的平均数量作为工具变量的理论依据在于，劳动经济学上有一个经典的议题叫“数量与质量间的权衡”（Quality-Qutantity Tradoff）。其基本观点是指，家庭孩子的数量与孩子的质量会呈负相关关系，即孩子数量的增加会降低其质量，反之亦然（Becker和Lew is，1973）。来自中国的证据也发现家庭孩子数量的增加会减少父母的人力资本投资（Wu和Li，2012）。因此，理论上城市劳动者的兄弟姐妹平均数量与城市人力资本水平是相关的，而与当期的劳动者工资水平不相关，是一个比较理想的工具变量。CHIP2013的调查问卷中增加了被访者兄弟姐妹数量的选项，这使得我们的数据来源成为可能。并采用2SLS重新估计了基准回归方程，结果如表2的（4）、（5）列所示。城市人力资本水平的2SLS回归系数虽然有所降低，但是仍然高达0.095与0.1476。此外，工具变量的弱识别检验与Sargan检验显示工具变量的选择是有效的。这意味着，城市中受高等教育劳动力的比例每提高1%，劳动者的月工资将上涨0.094%～0.148%，大量高素质劳动力在城市的汇集形成了显著的人力资本外部效应。

表2 基准模型的估计结果

续表2

（二）扩展模型：人力资本外部性在不同收入群体的分布

基准模型的OLS与2SLS估计虽然考察了城市人力资本外部性的平均效应。但事实上，考虑到劳动者个人能力、行业特征的差异。不同收入水平的劳动者从城市人力资本水平提高中的获益程度很可能是非线性的。本文更加关注的是人力资本外部效应在不同收入群体间的结构性差异。为此，我们将进一步通过分位数回归来考察人力资本外部性在不同收入劳动者之间可能存在的结构性分化。

这里分别取10分位、30分位、50分位、70分位、90分位五个分位点来对不同收入群体的人力资本外部效应进行估计。为了保证分析结果更为可靠，表3、表4同时报告了普通条件分位数回归（QR）与工具变量分位数回归（IVQR）的分析结果。可以发现：除了10分位点上的人力资本工资溢价不显著以外，城市人力资本水平的提高对30～90分位点的工资水平都起到了显著的促进作用。但是无论在QR还是IVQR的回归结果中，人力资本工资溢价系数在不同收入阶层间均发生了结构性分化，高收入阶层的外部性强度明显高于低收入阶层。为了进一步验证核心解释变量在不同分位点上的估计结果存在显著的不同，我们对以上模型中城市人力资本回归系数的估计结果进行了斜率相等检验（Slope Equality Test）。结果显示，斜率相等检验均在至少10%的显著性水平上拒绝了各分位点上回归系数相等的原假设，这意味着不同收入阶层间人力资本外部性的差异是显著的。①感谢匿名审稿人对于进行不同分位点上核心解释变量斜率相等检验的建议。从工具变量分位数回归的具体结果上来看，10分位上的城市人力资本工资溢价系数为0.056。30分位、50分位、70分位、90分位上的工资溢价系数分别为0.113、0.142、0.189、0.208且均在1%的水平下显著。这意味着，收入最高10%劳动群体间的人力资本外部性强度是收入最低10%劳动群体的4倍左右，不同收入阶层并没有从城市人力资本集聚的过程中均衡地受益。

表3 分位数回归的估计结果

表4 工具变量分位数回归的估计结果

为了更加直观地展示城市人力资本外部效应在不同收入阶层的差异，本文还利用QR与IVQR进行了全分位点检验，图1与图2分别报告了两种全分位点检验中人力资本工资溢价系数的变动趋势。可以看到，两图中的工资溢价系数均随着工资分位点的提高表现出了明显的上升趋势，置信带也逐步收窄。且曲线较为平滑，并没有出现较大的起伏与波动。这进一步验证了中国城市人力资本外部效应在不同收入劳动者之间的分布规律。

图1 QR的全分位点检验

图2 IVQR的全分位点检验

（三）稳健性检验

本文实证分析的基本思路是通过城市人力资本的工资溢价来对人力资本的外部效应进行观测。但这种策略在以下两个方面存在着潜在风险。（1）在粘性工资条件下，劳动工资并不能精确地随着企业生产效率的改变而改变。虽然有关研究认为，中国企业是按照边际生产率来支付职工名义工资的（Dong和Zhang，2009）。但在党政机关、事业单位等非市场化部门，劳动者的名义工资在很大程度上是由工作人员与工作单位的长期合约决定的，名义工资不能及时而迅速地对劳动生产效率的实时变动做出反应。长期的劳动合约往往只反映出职位与工作年限的差异，而不能真实地反映一个劳动者的劳动效率。（2）使用月工资对工资水平进行测量很可能忽视了劳动时间的影响。在劳动者无力通过改进劳动效率来提高工资水平的情况下，他们往往更倾向于通过延长劳动时间来实现同样的目标。因此，较高的月工资水平并不必然代表较高的劳动生产效率。

为了回应以上问题，这里将在对样本数据进行再处理的基础上进行稳健性检验。具体的做法为：（1）为了规避粘性工资的影响，我们对来自党政机关、事业单位的个人样本进行了剔除，并利用剩余的样本进行工具变量分位数回归。（2）按照劳动者的月工作时间，将被解释变量由月工资转化为小时工资并重新进行分位数回归。结果显示，无论是剔除体制内样本后的分析结果，还是以小时工资作为被解释变量的回归结果。虽然在各分位点上城市人力资本工资溢价的系数有所改变，但是人力资本外部效应在不同收入阶层间的分布差异没有发生明显变化，且斜率相等检验均在至少10%的显著性水平上拒绝原假设。此外，本文针对以上两种情况也进行了全分位点的稳健性检验，其结果也显示，人力资本工资溢价的回归系数只是在剔除了体制内样本后的全分位点检验中波动性略显增大，但是变动趋势基本与前文的研究结果保持了一致，这进一步说明本文的研究结论是稳健的。①由于篇幅的限制，这里并没有报告稳健性检验的详细结果，备索。

五、城市人力资本外部效应异质性分布的成因：初步的经验证据

本文认为，造成城市人力资本外部性在不同收入群体间异质性分布的原因主要有以下三个方面：

1．不同收入水平劳动者在学习能力上的差异。人力资本外部效应的形成直接依赖于劳动者掌握和吸收外部性知识的能力，这集中体现在劳动者的学习能力上。劳动者学习能力的提高，有助于更好地理解与评估工作环境中的外部性知识，增强将外部知识转化为现实生产力的能力，提高技术和知识使用的效率。而高收入劳动者在整体上具有更强的学习能力。如果我们将劳动力的个人受教育年限作为劳动者学习能力的观测指标，并将劳动者按照工资水平由低到高平均分成五组，则会发现：这五组劳动者的平均受教育年限分别为9.88年、10.74年、11.65年、12.36年和13.38年，收入越高，个人受教育时间越长。为了进一步检验学习能力对劳动者从人力资本外部性中获益的影响，我们在基准回归模型的基础上加入了个人受教育年限与城市人力资本水平的交互项。表5报告了该模型的检验结果。无论OLS还是2SLS的估计结果都显示，在加入个人受教育年限与城市人力资本水平的交互项后，城市人力资本的工资溢价系数均变得不再显著，但交互项却显著为正。这表示劳动者从人力资本外部性中获益的水平直接依赖于劳动者个人的学习能力，劳动者的学习能力越强，从城市人力资本外部性中的受益越大。

表5 加入个人受教育年限与城市人力资本交互项的估计结果

2．不同收入水平劳动者所从事的行业对外部性知识的依赖程度存在着巨大差异。高收入劳动者从事的工作通常是知识密集型、技术密集型行业，而这些行业的性质决定了，与传统的劳动密集型与资本密集型产业相比，它们将更依赖于劳动者交流、互动所形成的增量知识与技术创新。对外部性知识的吸收和掌握在知识密集型行业能产生更大的边际产出。因此，知识密集型与技术密集型行业的劳动者将更倾向于主动地获取外部性知识。同时，也更容易从人力资本的知识溢出效应中获益。本文根据一位数的国民经济行业分类（GB/T 4754-2011）将全部样本分为19个行业，①按照国民经济行业分类（GB/T 4754-2011）的划分，全部样本可以被划分为20个行业分类。但是，由于国际组织行业只有两个有效样本，低于可以进行回归分析的最小样本容量，因此，这里我们报告的行业只涉及除国际组织行业以外的其他19个行业。并分别对它们进行了人力资本外部性的检验。从2SLS的分析结果来看（见表6），人力资本外部效应在不同行业劳动者间的差异是巨大的。我们只在信息传输、软件和信息技术服务业，金融业，电力、热力、燃气及水生产和供应业，教育业，公共管理、社会保障和社会组织，制造业这六个细分行业中观察到了显著的人力资本外部效应。无一例外，这六个行业均属于知识或技术密集型行业，②参考章莉、李实（2016）的方法，本文划分传统行业与知识、技术密集型行业的标准是，传统行业包括：农、林、牧、渔业，采矿业，建筑业，批发零售业，交通运输、仓储和邮政业，住宿和餐饮业，租赁和商务服务业，居民服务、修理和其他服务业；知识、技术密集型行业包括：制造业，信息传输、软件和信息技术服务业，金融业，房地产业，科学研究和技术服务业，水利、环境和公共设施管理业，教育，卫生和社会工作，文化、体育和娱乐业，公共管理、社会保障和社会组织。且知识与技术的密集程度越高，观测到的人力资本外部效应越强。其中，软件和信息技术服务业、金融业、电力、热力、燃气及水生产和供应业的工资溢价系数分别高达0.738、0.501与0.407。但这六个行业以外的其他十三个行业的分析结果则不能支持存在着显著的人力资本外部效应。需要特别指出的是，知识密集程度最高的科学研究和技术服务业并没有像我们预期的那样观测到显著的人力资本外部效应。造成这一问题的原因应该在于该行业的样本容量过低（仅79个个人样本），这么小的样本容量并不足以得到可靠的检验结果。

表6 分行业的2SLS估计结果

3．城市劳动力市场的制度性分割。人力资本的外部性形成于劳动者在正式或非正式交往中产生的思想交流与互动。但在中国的城市中，低收入劳动群体在城市劳动力市场的自由流动性受到了制度性的挟制。劳动力市场上的制度壁垒，一方面使高收入劳动力在行业与区域上的集聚发生固化。另一方面，也把大量的低收入群体挤入低端劳动力市场，抑制了低收入群体与高收入群体之间可能发生的交流与接触，限制了低收入群体通过交流与互动实现知识和技能的共享。刘士杰（2011）一项针对我国城市居民的研究报告显示，76.32%低收入劳动者的职业属于竞争行业的普通工作岗位，且就业选择的空间不大，变换工作更多是同阶层的流动，上升渠道不畅通。在这样的制度环境下，低收入群体人力资本外部性的形成将不可避免地受到抑制。

一般认为，户籍是造成城市劳动力市场分割最具代表性的一个制度门槛（孙文凯、白重恩，2011；章莉、李实，2016）。为了验证劳动力市场分割影响人力资本外部性的理论推断，我们进一步分析了人力资本外部性在两种不同户籍劳动者（出生即是城镇户口与农转非户口）间的差异。虽然这两种户籍类型都属于法律意义上的城镇户籍，但两者的区别在于，农民拥有了城镇户籍并不等于就立即获得了与城市原住居民相平等的经济、社会资源。事实上，户籍是制度力量长期积累的产物，是城乡经济和社会差异的集中反映。城市劳动力市场对农村劳动力的排斥与歧视不会因为一纸文书的改变而迅速消失（陈云松、张翼，2015）。因此，理论上我们仍然能从原住城镇居民与农转非居民之间观测出户籍制度所造成的市场分割效应。表7报告的2SLS结果显示，正如我们预期的那样，两者之间的差异是显著的。城镇原住居民的人力资本工资溢价系数为0.208，且通过了1%水平的显著性检验，而农转非居民的人力资本工资溢价系数仅为0.026且在统计上并不显著。考虑到居民个人素质上的差距也可能会造成工资溢价上的这种差异，本文将具有本科学历的劳动者样本单独剥离出来，并代入工资方程进行检验。这样基本可以在劳动力素质基本同质的条件下，观察不同户籍来源组间的差异。表7的第（3）、（4）列报告了这一估计结果，在学历背景相同的条件下，农转非居民组的人力资本工资溢价仍然显著低于城镇原住居民组，这意味着城乡二元的户籍制度的确抑制了人力资本外部效应在不同劳动群体间的均衡分布，即使在农村人口取得城市户籍的情况下，人力资本外部性在不同户籍来源群体间的结构性差异仍然不能在短时间内得到弥合。

表7 不同户籍来源的估计结果

六、研究结论与政策寓意

本文使用CHIP2013数据，对中国城市人力资本外部效应进行系统考察后发现：在控制了劳动力个人特质、城市特征，并使用工具变量进一步克服内生性问题的条件下，我们捕捉到了显著的城市人力资本外部效应。平均来看，城市人力资本水平每提高1%，劳动力的月工资将上涨0.094%～0.148%。但工具变量分位数回归的结果显示，城市人力资本的外部效应并没有“普惠”式地使各个劳动群体受益，而是在不同的收入群体间表现出了巨大的结构性分化，收入水平越高，从人力资本外部性中的获益越大，工资收入最高10%阶层的城市人力资本工资溢价是工资收入最低10%阶层的4倍左右。而不同收入阶层的劳动者在个人学习能力、工作行业上的差异，以及各种制度壁垒所形成的劳动力市场分割是造成人力资本外部效应出现收入阶层分化的重要诱因。上述研究结论在考虑了粘性工资问题与劳动时间对工资水平的影响后仍然是稳健的。

以上结论意味着，虽然人力资本的集聚在中国城市形成了显著的人力资本外部效应，但是人力资本外部性在不同劳动群体间的分布差异限制了其对城市发展、城市居民福利改善的潜在贡献，并暗含着加剧城市居民收入分化的客观趋势。为了减弱这一趋势可能产生的破坏性能量，实现城市化过程中的包容式发展，需要从以下方面加以着手。（1）鉴于劳动者个人学习能力对吸收和掌握外部性知识的重要意义。政府部门要继续加大各级教育、培训的财政支出力度。特别是要加强针对低收入群体的就业培训投入，提高低收入劳动者从城市人力资本集聚过程中获益的能力。（2）为了提高传统行业中大量低收入劳动者从人力资本外部效应中的获益能力，要大力发展“互联网+”，加快利用信息技术改造传统行业的步伐。以互联网为代表的信息技术有着极强的知识溢出效应。实现信息技术对传统行业的改造，不仅能够加大传统行业对知识、技术的依赖程度，同时也能畅通传统行业劳动者获取外部性知识的渠道，激发他们互相交流、学习的内在动力。（3）要进一步深化改革，弱化和取缔城市劳动力市场上的制度壁垒，为人力资本外部效应的形成与释放创造有利的制度环境。一方面，各地要积极加快户籍制度以及与户籍制度相挂钩的就业、医疗、教育、住房、社会保障制度的改革步伐，彻底打破限制低收入劳动者自由流动的制度藩篱；另一方面，城市政府要以包容性发展为目标，为增加低收入群体、进城农民的心理认同感与身份认同感创造条件，以此来破除城市文化等非制度性壁垒对人力资本外部性形成所造成的羁绊。

1.陈云松、张翼：《城镇化的不平等效应与社会融合》[J]，《中国社会科学》2015年第6期。

2.高虹：《城市人口规模与劳动力收入》[J]，《世界经济》2014年第5期。

3.柯善咨、向娟：《1996—2009年中国城市固定资本存量估算》[J]，《统计研究》2012年第7期。

4.吕世斌：《城市化会减少中国的收入差距吗》[J]，《统计研究》2016年第1期。

5.刘士杰：《人力资本、职业搜寻渠道、职业流动对农民工工资的影响》[J]，2011年《人口学刊》第5期。

6.孙文凯、白重恩、谢沛初：《户籍制度改革对中国农村劳动力流动的影响》[J]，《经济研究》2011年第1期。

7.章莉、李实：《中国劳动力市场就业机会的户籍歧视及其变化趋势》[J]，《财经研究》2016年第1期。

8.Acemoglu,D.,Angrist J.,2001,“How Large are Human-capital Externalities?Evidence from CompulsorySchooling Laws”[R].NBER Macroeconomics Annual 2000,M IT Press.

9.A lberto,D.,2007,“Production and Consumption Externalities of Human Capital:An Empirical Study for Italy”[J].Journal of Political Economy.Vol.118,No.10:536-598.

10.Becker G.S.,Lew is H G.,1973,“Onthe Interaction Between the Quantity and Quality of Children”[J]. Journal of political Economy.Vol.81,No.2:279-288.

11.Bratti,M.,Leombruni R.,2014,“Local Human Capital Externalities and Wages at the Firm Level: Evidence from Italian Manufacturing”[J].Economics of Education Review.Vol.41:161-175.

12.Chang,C.F.,Wang P.,Liu J.T.,2016,“Know ledge Spillovers,Human Capital and Productivity”[J].Journal of Macroeconomice.Vol.47:214-232.

13.Combes,P.P.,Duranton,G.,Gobillon,L.,2008,“Spatial Wage Disparities:Sorting Matters!”[J].Journal of Urban Economics.Vol.63,No.2:723-742.

14.Dalmazzo,A.,De Blasio G.,2005,Where do Human Capital Externalities End Up?[M].BancadItalia.

15.Dong,X.Y.,Zhang,L.,2009,“Economic Transition and Gender Differentials in Wages and Productivity: Evidence from Chinese Manufacturing Enterprises”[J].Journal of Development Economic.Vol.88,No.1: 144-156.

16.Duranton,G.Puga,D.,2004,“M icro-foundations of Urban Agglomeration Economies”[J].Handbook of Regional and Urban Economics.Vol.4:2063-2117.

17.Glaeser,E.L.&Lu,M.,2013,“Human Capital Externalities in China”[R].Harvard University and Shanghai Jiaotong University Working Paper.

18.Greenston,H.,Moretti E.,2010,“Indentifling Aggomeration Spillovers:Evidence from W inners and Losers of Large Plant Opening”[J].Journal of Political Economy.Vol.118,No.3:536-598.

19.Liu,Z.,2007,“The External Returns to Education:Evidence from Chinese Cities”[J].Journal of Urban Economics.Vol.61,No.3:542-564.

20.Liu,Z.,2014,“Human Capital Externalities in Cities:Evidence from Chinese Manufacturing Firms”[J].Journal of Economic Geography.Vol.14,No.3:621-649.

21.Lucas,R.,1988,“On the Mechanics of Econom ic Development”[J].Journal of Monetary Economics.Vol. 22,No.1:3-42.

22.Lucas,R.,2001,“Externalities and cities”[J].Review of Economic Dynamics.Vol.4,No.2:245-274.

23.Moretti,E.,2004a,“Estimating the Social Return to Higher Education:Evidence from Longitudinal and Repeated Cross-sectional Data”[J].Journal of Econometrics.Vol.121,No.1:175-212.

24.Moretti,E.,2004b,“Workers’Education,Spillovers and Productivity:Evidence from Plant-level Production Functions”[J].American Economic Review.Vol.94,No.3:656-690.

25.Moretti,E.,2003,“Human Capital Externalities in Cities”[J].Handbook of Regional and Urban Economics. Vol.4:2243-2291.

26.Wu X.,Li L.,2012,“Fam ily Size and Maternal Health:Evdence from the One-Child Policy in China[J].Journal of Population Economics,Vol.25,No.4:1341-1364.

（H）

*本文获得国家社科基金西部项目“新常态下人力资本集聚外部效应与产业结构调整研究”（项目编号：15XRK003）的资助。作者感谢北京师范大学中国收入分配研究院提供“中国家庭收入调查（CHIP）”项目的数据协助，感谢匿名审稿人所提出的建设性修改意见。