人力资本与区域创新研究

张辉　石琳

[摘要] 从创新的异质性出发，将创新分为基础创新和应用创新，分析了人力资本对区域创新的影响。运用1998-2015年中国大陆的省级面板数据和固定效应、空间计量等方法进行了实证分析，结果表明：（1）从创新的异质性看，我国人力资本对基础创新具有显着的正向影响作用，对于应用创新的影响并未凸显；（2）人力资本的结构中，高等教育对于区域创新的影响发挥关键作用，平均受教育年限则不显着；（3）从基础创新与应用创新的关系来看，基础创新对于应用创新的先发拉动机制没有完全体现。因此，政府要加强创新环境建设力度，多维度支持创新；继续扩大教育规模，提升人力资本质量；根据实际要求合理分配基础创新、应用创新配套的人力资本投入和配置。

[关键词] 人力资本；基础创新；应用创新

[中图分类号] F061.3[文献标识码] A[文章编号] 1008—1763（2018）05—0049—09

Human Capital and Regional Innovation：

An Empirical Study Based on Spatial Dubin Model

ZHANG Hui， SHI Lin

（School of Economics， Peking University， Beijing100871， China）

Abstract：This paper mainly analyzes the impact of human capital on regional innovation. Based on the heterogeneity of innovation， this paper divides innovation into basic innovation and applis innovation. Empirical analysis by using Chinas provincial panel data from 1998-2015， fixed effects and spatial econometric method shows that： （1） Human capital in China has a significant positive impact on basic innovation and does not highlight the impact on applied innovation. （2） The influence of higher education in human capital institutions on regional innovation plays a key role， the average years of education are not significant；（3） The fundamental pull-in mechanism of basic innovation for application innovation is not fully reflected. Therefore， governments should promote innovation more and widely. Specifically， governments should continue to expand the scale of education input to improve the quality of human capital， and allocate human capital input into basic innovation and apply innovation rationally.

Key words： human capital； basic innovation； appying innovation

一引言

近年来随着中国经济进入新常态，有关中国经济增长的可持续性的争论引起广泛关注。自Krugman指出东亚经济增长主要依靠要素投入而非全要素生产率（TFP）以来[1]，学界对中国经济增长模式展开了热烈讨论。一般认为，改革开放以后的中国经济增长模式主要是要素驱动，增长主要由资本、能源、原材料、劳动力等要素投入拉动，技术进步和创新对经济增长贡献较低[2-3]。随着中国资源、环境、人口等要素禀赋优势逐步减弱，经济增长方式也从传统的“要素驱动”转为通过技术进步提高生产率的“创新驱动”。对此，党的十八大報告中明确提出要实施创新驱动发展战略，将创新驱动上升至国家发展战略层面，十八届五中全会将创新发展提升至五大发展理念之一，十九大报告更是提出到2035年基本实现社会主义现代化，跻身创新型国家前列的奋斗目标。而创新的来源除了物质资本的投入，人力资本、社会环境、政府政策也都发挥关键作用[4]。其中，人力资本作为推动创新的重要抓手，受到社会各界的高度重视。

从现实看，我国已经是一个人力资源大国，但尚不是创新大国。教育部和科技部的数据显示，2016年我国各类高等教育在学总规模达到3699万人，高等教育毛入学率达到42.7%，研发人员总量居世界第一位，达24余万

数据来源：教育部，《2016年全国教育事业发展统计公报》；科学网，http：//news.sciencenet.cn/htmlnews/2017/1/365552.shtm.。与此相应地，人力资源的高储备并未带来直接的高创新回报。世界知识产权组织（WIPO）和彭博社分别发布的2017年全球创新指数中，中国分别位列第22位和第21位，在发展中经济体中位居第一，但与美国、日本和欧盟国家相比仍存在较大差距

数据来源：WIPO， http：//www.wipo.int/publications/en/details.jsp？id=4193； Bloomberg， https：//www.bloomberg.com/news/articles/2017-01-17/sweden-gains-south-korea-reignsasworldsmost-innovative-economies.。通过运用每万人发明型专利授权数的数据也可以发现（图1所示），1998-2015年我国创新能力有了极大提升，每万人发明型专利授权数平均值也由0.11上升至1.92。然而地区间的创新产出差距也在不断抬高，区域创新能力最强的北京与最低的西藏之间的差距由32倍扩大至132倍。由于创新能力是区域经济发展的重要推动力，创新能力的空间差距拉大有可能最终会导致区域发展差距加大，从而引发社会各界的担忧。在传统的R&D;投入带动效应减弱的背景下，怎样提升人力资本对创新的推进作用、如何通过人力资本的再分配缩小区域创新差距，这些问题成为研究的热点。

根据内生经济增长理论，人力资本通常被认为是通过技术扩散来促进技术创新[5]，主要包括两类观点：一种是Romer等提出的资本拉动型，即人力资本、物质资本带来的外部性促进了技术创新，从而推动经济增长[6-10]，第二种是Grossman等提出的技术创新由以人力资本投入等为基础的R&D;部门独立推动[11]。各国学者运用经验分析的方法，对人力资本与区域创新的关系进行了研究[12-14]，大部分结果表明，人力资本对区域创新具有显著性影响。对中国人力资本与区域创新的研究也佐证了这一点[15-18]。

进一步地，由于人力资本的培育存在多种结构，人力资本的配置也与多种所有制相关联，所以人力资本的异质性也会对创新产生不同影响。一方面，创新部门主要包括高等院校、研究机构在内的政府部门，根据市场势力划分的市场部门和垄断部门，赖德胜和纪雯雯的研究表明市场部门的人力资本对创新有促进作用，政府部门和垄断部门则产生了不同程度的抑制作用[19]。另一方面，高等教育的人力资本与高中、义务教育相比对创新具有显着促进作用[20-21]，创新性的人力资本与效率型的人力资本相比更能促进企业创新[22]。

上述研究从理论分析和经验研究上对人力资本在创新中的作用进行了比较详细的分析，对我国加大人力资本投入、推动创新具有重要的借鉴意义。但以往论文的研究思路一般是从人力资本的异质性出发，分析不同形态的人力资本的创新效率，而少有对创新的异质性进行研究。而实际上，根据科技部的统计方法，我国的R&D;活动分为三种类型：基础研究、应用研究和试验发展。其中，基础研究是指为了获得关于现象和可观察事实的基本原理的新知识而进行的实验性或理论性研究，应用研究是指为了确定基础研究成果可能的用途或是为达到预定的目标探索应采取的新方法（原理性）或新途径而进行的创造性研究，试验发展是指利用从基础研究、应用研究和实际经验所获得的现有知识，为产生新的产品、材料和装置，建立新的工艺、系统和服务，以及对已产生和建立的上述各项作实质性的改进而进行的系统性工作。基础研究的主体主要是政府，应用研究与试验发展的主体主要是企业。由于应用研究与试验发展更能带来直接的经济效益，所以这两部分在R&D;部门中占据大部分比重。2016年，基础研究、应用研究和试验发展占研究与试验发展（R&D;）经费总支出的比重分别为5.2%、10.3%和84.5%

数据来源：国家统计局，2016年全国科技经费投入统计公报。。然而人力资本对不同的创新部门的拉动效应有什么区别？现阶段研究较少。

本文的创新之处在于，从创新的异质性角度对人力资本与区域创新的关系进行了研究。一方面将创新活动分为基础创新和应用创新两类，另一方面从人力资本的平均水平和结构两方面进行了分析。由于人力资本和创新存在较强的内生性和空间溢出效应（spillover effect），本文运用固定效应、空间计量等方法进行了检验，结果发现：我国人力资本对基础创新具有显着的正向影响作用，对于应用创新的影响并未凸显；从人力资本的异质性看，高等教育对于区域创新的影响发挥关键作用，平均受教育年限则不显著；基础创新对于应用创新的先发拉动机制没有完全体现，产学研一体化发展仍较为落后。在以上结论的基础上，本文对我国的区域创新发展提出了相应的政策建议。

二模型构建与数据说明

（一）模型设定

现有的创新相关的研究一般沿用Griliches提出的创新生产函数[23]：

Inv=θKαHβ（1）

其中Inv表示创新能力，θ表示创新效率，K表示物质资本，H表示人力资本，α、β分别表示物质资本和人力资本的弹性系数。

本文在Grillches创新模型的基础上，构建以下计量模型：

Inveit=α1+α2Heit+α3Γeit+ueit（2）

Invait=β1+β2Hait+β3Inveit+β3Γait+zait（3）

其中下標e和a分别表示基础创新部门和应用创新部门。Inv表示创新产出，H表示人力资本投入，Γ为一组控制变量，下标i和t分别表示省份和时间。由于基础创新主要是理论性贡献，会对之后的应用创新带来直接影响，所以在模型（3）中加入了应用创新的滞后项。

（二）指标选取、说明及描述性统计

本文选取1998-2015年全国30个省（市）面板数据对人力资本与两类创新部门的关系进行了研究

由于创新产出数据无法精确到地级市，所以本文选取省级面板数据。。由于西藏地区数据缺失较为严重，所以本文选取了大陆地区除西藏外的其余30个省级行政单位。之所以选取1998年作为起点，是由于1998年之前的数据质量较差，缺失值较多且缺乏重庆市的数据。本文的数据主要来自《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》及各省历年统计年鉴。为了剔除价格因素，本文中涉及价格的指标均按照相应价格指数换算成1998年的价格水平。为降低异方差带来的偏误，本文对所有指标均进行了对数化处理。

1.人力资本指标

本文采取平均受教育年限和每万人高等学校本专科毕业生人数作为人力资本的替代指标。

已有文献大部分采用平均受教育年限作为衡量人力资本的替代指标，本文也基本沿袭这一方法，但有所改进。一方面现有文献选取常用一个区域整体的平均受教育年限，但由于当期的创新产出主要体现在劳动力市场上，所以本文借鉴赖德胜和纪雯雯的做法，采用劳动力人口的平均受教育年限。平均受教育年限的计算公式为：

edulevel=illiteracypercentage*0+

primarypercentage*6+middlepercentage*9+

seniorpercentage*12+universitypercentage*16（4）

另一方面，已有研究表明人力资本的结构也会对创新带来不同的影响，高等教育对创新的影响最为显着，所以本文根据已有的研究选取每万人高等学校本专科畢业生人数作为衡量人力资本结构特征的变量。

2.创新产出指标

在基础创新产出的相关研究中，常常用每万人科技论文数这一指标，实际操作中每万人科技论文数常用三大检索次数与地区人口的比重得到

重庆1998年的三大检索次数数据缺失，本文用插值方法处理。。在应用创新中，国内学者普遍将专利授权量（发明、实用新型和外观设计三项专利授权数之和）代表技术创新的水平[24-25]。但李婧等和毛其琳的研究均表明，发明型专利更能代表一地区的创新水平[26-27]，为控制人口特征，本文采用每万人创新型专利授权数作为应用创新的代理变量，在稳健性检验中采用另一常用指标——技术市场成交额占GDP比重，即技术市场技术输出地域合同金额占GDP比重进行了分析。

3.控制变量

为了保证结果的准确性，本文考虑了多个控制变量：物质资本投入方面，常用指标一般为R&D;支出，本文有所改进，采用R&D;经费内部支出占GDP比重来衡量R&D;投入强度，统计年鉴中R&D;经费内部支出分为基础研究、应用研究和试验发展，给我们的研究也提供了便利；一地区的经济发展水平与创新产出往往有正向促进作用，本文选取人均GDP代表该地区的经济发展水平；已有文献表明FDI对于区域技术创新具有重要影响，本文选取人均外商直接投资额这一指标，按照相应年份汇率将美元换算成了人民币并进行了平减

福建2013-2015年的FDI数据根据《福建统计年鉴》在历史可比口径的基础上以全口径的增长率计算得到。；产业结构也可能会对创新产出产生影响，本文选用第二产业、第三产业占GDP比重来衡量一地区产业结构；市场化程度越高，越有可能对创新起促进作用。樊纲等计算了中国各省份市场化进程相对指数，是国内衡量地区市场化程度较为权威的指标[28]。但由于数据只到2009年，所以本文采用私营及个体就业人数占总就业人数的比重来衡量一地区的市场化程度；良好的基础设施能够促进信息的交流，使企业能够更直接和迅速地获得最新的技术信息，加快技术创新和知识水平的提高，本文采用Demurger的方法用各地区公路的里程与各地区的面积的比重来测度交通基础设施[29]。

三基础模型估计

常规地，本文首先运用混合OLS和固定效应（FE）这两种基础方法进行了估计，估计结果如表2所示，其中模型（1）和（2）是在普通OLS回归中得到的估计结果，（3）和（4）是在固定效应模型中得到的估计结果。由于创新产出往往是前序投入的产物，所以本文对人力资本和R&D;投入的变量滞后一期，在应用创新的回归中加入基础创新的滞后一期进行回归。与此同时，所有的模型均控制了年份层面的固定效应。为了增强回归结果的稳定性，文章中所用的标准误均为稳健标准误。

从回归结果可以看出，（1）～（4）中，滞后一期的平均受教育年限对于基础创新和应用创新都没有显着影响。滞后一期的每万人本专科毕业生人数对于基础创新具有显着影响，在OLS回归中系数为1.213，在FE中系数为0.633，也即每万人本专科毕业生人数每增加1%，用每万人科技论文数表示的应用创新增加0.633%。相反，每万人本专科毕业生人数对于应用创新均没有显着影响。R&D;投入强度对基础创新具有正向的促进作用，在固定效应模型中滞后一期的R&D;投入强度每增加1%，基础创新提升0.246%。基础研究对于应用研究的影响，在OLS中表现为显着的正向促进，但在固定效应模型中显着性消失。从以上的分析可以看出，在基准回归中人力资本对于两部门创新的影响不同，人力资本对基础创新具有显着的正向促进作用，进一步考虑人力资本的结构可以发现，每万人本专科毕业生人数也即高等教育的规模对于一地区的创新极为关键。然而以上这些分析较为粗略，没有考虑到创新可能存在的空间相关性，因此还需要进行进一步分析。

四空间计量分析

以往的研究表明，区域创新往往存在空间相关性（李婧，2010；杨鹏、陶小马，2016），传统的计量方法没有过多考虑空间因素的作用，因此上述使用OLS和固定效应得到的估计结果可能会存在较大偏误。因此本文引入空间计量的方法，考虑区域创新存在的区域相关性，从而更好地估计人力资本对两部门创新的影响。

按照一般的研究思路，本文首先根据每一年的数据计算出1998-2015年基础创新和应用创新的全局Morans I值，如图2所示。可以看出，基础创新和应用创新在每一年度的Morans I值均显着为正，近年来均在0.15左右，从而表明基础创新和应用创新均存在显着的空间正相关关系，需要引入空间计量的方法进行研究。

在空间权重矩阵的设计上，本文借鉴李婧等的做法，采用邻接权重和地理距离权重两种空间权重矩阵进行估计，两种方法的构造方法如下所示：

空间邻接权重矩阵是按照地理区域在空间上的相互邻接关系进行赋值，其中对角线上的元素为0，其它元素满足

wij=0，i和j空间不邻接

1，i和j空间邻接（i≠j）

地理距离权重则认为两地区间的联系程度不仅仅取决于空间是否邻接，还与两地区的地理距离密切相关，本文选取较为常用的地理距离权重矩阵，其中对角线上的元素为0，其它元素满足

wij=1/d2ij，i和j空间邻接

1，i和j空间不邻接（i≠j）

其中dij是两地区地理中心的距离，一般选用各省省会之间的距离，本文距离根据国家地理信息系统网站提供的1∶400万电子地图在ArcGIS软件中测出。

在空间计量模型的选取上，本文采取一般形式的空间杜宾模型（SDM），一方面是因为空间误差模型（SEM）等是SDM的特殊形式，另一方面是因为模型的选取并不影响本文的主要结论

限于篇幅，其他模型的估计结果并未列出。。空间计量的估计结果如表3所示。

从回归结果看出，空间计量的估计结果与基准回归类似，但稍有區别。平均受教育年限对于两部门创新均没有显着影响，与基准回归相似。而滞后一期的每万人本专科毕业生人数对于基础创新具有正向的促进作用，在地理距离权重中的系数为0.617，也即每万人本专科毕业生人数每增加1%，基础创新产出增加0.617%个百分点。而应用创新的系数则不显著。对于滞后一期的R&D;投入强度来说，对于基础创新具有显着的促进作用，在模型2中的估计系数为0.259，对于应用创新则没有显着影响。在应用创新中，滞后一期的基础研究系数为正但不显着，这表明基础研究对于后期的应用研究的促进作用并没有凸显。

五稳健性检验

为了保证本文结论的稳健性，本文接下来从两方面进行稳健性检验：（1）每万人发明型专利授权数这一指标可能不能较好地反应应用创新水平，因此本文运用技术市场成交额占GDP比重这一指标作为应用创新的代理变量进行空间计量分析；（2）R&D;研发内部支出对基础研究、应用研究和实验发展的统计划分方法在2009年及以后才较为完整，之前的统计较为粗略，数据的准确性可能会影响本文的主要结论，因此本文采用2009年及以后的数据进行了分析。

（一）技术市场成交额占GDP比重作为代理变量

对于第一个问题，通过使用技术市场成交额占GDP比重（取对数）作为应用创新重新进行了估计，估计结果如表4中的（1）和（2）所示。可以看出，除了平均受教育年限在邻接权重模型中对应用创新具有一定的正向促进作用，其它关键变量均不显着，与上文结论类似，表明人力资本对应用创新的促进作用尚未凸显，同时基础创新的前置效应也还没有体现。

（二）仅考虑2009年及以后的样本

考虑到数据质量问题，本文运用2009年及以后的样本重新进行了估计，结果如表4中（3）至（6）所示。可以看出，平均受教育年限仍然没有对两部门创新产生显着影响，每万人本专科毕业生人数、R&D;投入强度对基础创新具有显着的促进作用，对于应用创新则不显着。值得注意的是，2009年后的估计结果中，滞后一期的基础创新对应用创新具有正向的促进作用，在不同的权重矩阵下系数分别为0.438和0.456，这初步表明2009年后基础创新对于应用创新的促进作用开始凸显，但由于样本量较小，所得结论仍然需要进行进一步研究。

六结论及政策建议

通过以上实证分析，我们可以得出以下结论：

（1）将创新分为基础创新和应用创新两个部门进行研究，可以发现我国人力资本对基础创新具有显着的正向影响作用，对于应用创新的影响并未凸显。从现实看，我国的基础研究部门主要集中在高等院校、研究院所等机构，侧重学术发表，忽视实际应用的创新，从而导致应用创新相对滞后。

（2）从人力资本的异质性看，高等教育对于区域创新的影响发挥关键作用，平均受教育年限则不显着，这与已有的研究结论类似，从而表明高等教育应该作为人力资本推动创新的重要抓手。

（3）从基础创新与应用创新的关系来看，基础创新对于应用创新的先发拉动机制没有完全体现。从现实来看，我国的产学研一体化发展落后，理论创新为主的高等院校、研究所的理论成果市场转化率较低，与应用创新为主的企业联系也不够充分，从而限制了基础创新对应用创新的先导作用。

现阶段我国已经进入经济发展转型的关键时期，为争取早日实现2035年跻身创新型国家前列的奋斗目标，必须要在人力资本这个维度加大投入，健全人力资本对创新的促进机制。结合本文以上的主要结论，我们提出以下政策建议。

（1）加强政府的创新环境建设力度，多维度支持创新活动。要引导科研人员向一线流动，投身于科技创新一线；改善人才评价机制，增加技术创新和技术转移在职称等评价中的比重；允许研发成本计入当期成本抵扣，通过税收政策，鼓励企业进行技术创新。

（2）继续扩大教育规模，提升人力资本质量。现阶段我国教育规模已经进入世界前列，但人力资本质量相对较低，因此，政府应加强教育投入，提升教育质量尤其是大力发展高等教育，从而提升我国的人力资本质量，促进区域创新产出的提高。

（3）根据实际要求合理分配基础创新、应用创新配套的人力资本投入和配置。根据人力资本投入在两部门的投入产出效率做出最优决策，从而实现人力资本的最优配置。创新技术要素参与收入分配机制，加快技术要素向现实生产力转化。

[参考文献]

[1]Krugman P. The myth of Asia's miracle[J]. Foreign Affairs，1994（4）：62-78.

[2]郭庆旺，贾俊雪. 中国全要素生产率的估算： 1979—2004[J]. 经济研究，2005，6（5）： 1-60.

[3]王小鲁，樊纲，刘鹏.中国经济增长方式转换和增长可持续性[J].经济研究，2009，44（1）：4-16.

[4]杨鹏，陶小马.基于空间计量的城市专利产出绩效研究[J].学术论坛，2016，39（9）：44-50.

[5]Nelson R R， Phelps E S. Investment in humans， technological diffusion，and economic growth[J]. The American Economic Review， 1966， 56（1/2）： 69-75.

[6]Romer P M. Increasing returns and longrun growth[J]. Journal of Political Economy， 1986， 94（5）： 1002-1037.

[7]Romer P M. Growth based on increasing returns due to specialization[J]. The American Economic Review， 1987， 77（2）： 56-62.

[8]Lucas Jr R E. On the mechanics of economic development[J]. Journal of Monetary Economics， 1988， 22（1）： 3-42.

[9]Barro R J， Salai Martin X. Public finance in models of economic growth[J]. The Review of Economic Studies， 1992， 59（4）： 645-661.

[10]Rebelo S. Longrun policy analysis and longrun growth[J]. Journal of Political Economy， 1991， 99（3）： 500-521.

[11]Grossman G M，Helpman E. Trade， knowledge spillovers， and growth[J]. European Economic Review， 1991， 35（2/3）： 517-526.

[12]Hussler C，Rondé P. The impact of cognitive communities on the diffusion of academic knowledge： Evidence from the networks of inventors of a French university[J]. Research Policy， 2007， 36（2）： 288-302.

[13]Doloreux D. What we should know about regional systems of innovation[J]. Technology in Society， 2002， 24（3）： 243-263.

[14]Simonen J， McCann P. Firm innovation： The influence of R&D; cooperation and the geography of human capital inputs[J]. Journal of Urban Economics， 2008， 64（1）： 146-154.

[15]王學军，陈武.区域智力资本与区域创新能力的关系——基于湖北省的实证研究[J].中国工业经济，2008（9）：25-36.

[16]何庆丰，陈武，王学军.直接人力资本投入、R&D;投入与创新绩效的关系——基于我国科技活动面板数据的实证研究[J].技术经济，2009，28（4）：1-9.

[17]钱晓烨，迟巍，黎波.人力资本对我国区域创新及经济增长的影响——基于空间计量的实证研究[J].数量经济技术经济研究，2010，27（4）：107-121.

[18]高彩梅，朱先奇，史彦虎.基于门槛模型的人力资本与区域技术创新研究[J].科技管理研究，2014，34（2）：1-5.

[19]赖德胜，纪雯雯.人力资本配置与创新[J].经济学动态，2015（3）：22-30.

[20]吴延兵，刘霞辉.人力资本与研发行为——基于民营企业调研数据的分析[J].经济学，2009，8（4）：1567-1590.

[21]纪雯雯，赖德胜.人力资本结构与创新[J].北京师范大学学报（社会科学版），2016（5）：169-181.

[22]吴淑娥，黄振雷，仲伟周.人力资本一定会促进创新吗——基于不同人力资本类型的经验证据[J].山西财经大学学报，2013，35（9）：22-30.

[23]Griliches Z. Issues in assessing the contribution of research and development to productivity growth[J]. The Bell Journal of Economics， 1979（6）：92-116.

[24]Choi J， Lee H J， Kim Y C. The influence of social presence on customer intention to reuse online recommender systems： the roles of personalization and product type[J]. International Journal of Electronic Commerce， 2011， 16（1）： 129-154.

[25]Filatotchev I， Liu X， Lu J， et al. Knowledge spillovers through human mobility across national borders： Evidence from Zhongguancun Science Park in China[J]. Research Policy， 2011， 40（3）： 453-462.

[26]李婧，谭清美，白俊红. 中国区域创新生产能空间计量分析——基于静态与动态空间面板模型的实证研究[J]. 管理世界， 2010 （7）： 43-55.

[27]毛其淋.进口贸易对我国技术创新能力提升的影响效应——基于动态面板数据GMM方法的经验分析[J].财经科学，2010（4）：94-101.

[28]樊纲，王小鲁，朱恒鹏. 中国市场指数——各省区市场化相对进程 2011 年度报告[M]. 北京：经济科学出版社， 2011.

[29]Démurger S. Infrastructure development and economic growth： an explanation for regional disparities in China？[J]. Journal of Comparative Economics， 2001， 29（1）： 95-117.