人力资本对绿色创新系统创新绩效的影响研究

姜鑫 申君宜 张东英

摘 要：结合国家绿色创新发展和人才强国战略，根据2009—2016年我国制造业28个行业的面板数据，运用DEA模型评价我国制造业绿色创新系统创新绩效，并选取外商直接投资和产业结构作为控制变量，通过建立Tobit回归模型，分析人力资本的2个维度对我国制造业绿色创新系统创新绩效的影响。研究发现：规模效率偏低是制约我国制造业绿色创新系统创新绩效提升的主要原因;人力资本水平与人力资本投资对我国制造业绿色创新系统创新绩效有显著的负向影响，且人力资本水平的影响效果更显著。基于研究结论，提出提升我国制造业绿色创新系统创新绩效的建议。

关 键 词：绿色创新系统创新绩效;人力资本;DEA模型;Tobit模型

DOI：10.16315/j.stm.2019.02.008

中图分类号： F273.1

文献标志码： A

Abstract：Combining Chinas green innovation development and strategy of strengthening China with talented people， this paper takes human capital as the research perspective， selecting the panel data of 28 industries of Chinas manufacturing industry from 2009—2016， utilizing the DEA model to evaluate the innovation performance of Chinas manufacturing green innovation system. And the two control variables of foreign direct investment， industrial structure are introduced. By establishing Tobit regression model， the paper analyzes the effect of two dimensions of human capital on Chinas manufacturing green innovation system innovation performance. The result shows that the low level scale efficiency is the main factor of restricting the improvement of the innovation performance of Chinas manufacturing green innovation system. Human capital level and human capital investment have a significant negative effect on the innovation performance of Chinas manufacturing green innovation system， and the level of human capital has more obvious effects. This paper puts forward some suggestions on promoting the innovation performance of Chinas manufacturing green innovation system based on research conclusions.

Keywords：innovation performance of green innovation system;human capital;DEA model;Tobit model

制造業是我国的支柱产业，中国虽然作为世界制造业第一大国，却依旧无法脱离“三高”的粗放发展模式。在《2018年环境绩效指数报告》中，中国在180个经济体中排名第120位，排名十分靠后，环境情况不容乐观。制造业的绿色经济增长和生态环境保护的协调发展，对于实现社会的可持续发展具有重要意义[1]。鼓励制造业构建节能、减排、降耗的绿色创新系统，并以此推动绿色创新活动的进行，以达到节约能源、降低污染、实现制造业绿色转型等目标是我国经济发展迫在眉睫的任务之一。

绿色创新发展是为了人类谋福利，同时也离不开人力资本的支持。人力资本是通过投资形成并凝结在劳动者身上，具有经济价值的知识、技能、身体素质的总和，在经济增长和社会进步的历程中起着强大的推进作用，更在制造业绿色创新发展的进程中扮演着重要角色。在中国全面落实2030可持续发展议程、牢固树立绿色发展理念、积极推动绿色发展转型的背景下，系统的研究人力资本对我国制造业绿色创新系统创新绩效的贡献问题，不仅有助于丰富和完善我国制造业绿色创新系统创新绩效的理论体系，更有助于了解和清楚人力资本价值，对我国制造业绿色创新系统充分利用人力资本以提升创新绩效、加快制造业的可持续发展具有重要的理论和现实意义。

1 文献综述

随着环境问题的日益突出，如何在环境制约下保持经济的可持续发展成为学术界关注的焦点。人力资本作为知识积累和科技创新的重要源泉，在绿色创新的实践中扮演着重要的角色[2]。一方面，人力资本所蕴含的绿色创新知识，能够改变企业原有知识基础，为企业绿色创新活动的进行带来新思想。宋涛等[3]运用空间计量模型研究我国人力资本与绿色生产的关系，发现人力资本水平的提升能够显著促进绿色生产质量的提高;因此，倡导节约资源、改善环境污染的绿色发展理念离不开人力资本的支撑。另一方面，人力资本通过推动绿色技术实现对环境的改善。FU[4]发现高人力资本的地区有更强的技术吸引和扩散能力，有利于新技术的推广和应用，从而降低对环境的污染。卢进勇等[5]运用Cobb-Douglas函数，将人力资本与初级劳动者分别视为独立的投入要素引入模型，发现初级劳动投入会增加污染排放，而人力资本却发挥了对污染排放的抑制作用。

实际上，受教育程度和能力的不同致使不同类型的人力资本所拥有的学识、技术、潜力不同，所以人力资本在推进绿色发展进程中所扮演的角色也未得到共识。Vandenbussche等[6]将人力资本分为低技能与高技能两种类型，发现低技能人力资本对已有的技术有显著的扩散作用，而高技能人力资本对新技术的创新和应用有显著的影响。Kurtz等[7]发现随着人力资本投入的增加和人力资本水平的提高，可以有效规避“资源诅咒”，实现经济向可持续的知识驱动型方式转变。我国学者赵领娣等[8]运用DEA-Tobit模型从人力资本水平、人力资本结构出发检验了人力资本对绿色发展效率的影响效果与方向，发现人力资本并没有促进绿色经济绩效的提升。然而，彭国华[9]以我国28个省市区为研究对象，运用Dynamic Panel Data方法发现，对于TFP的提升，合适的人力资本结构比人力资本水平更为重要。大量文献显示，环境污染情况与人力资本状况密不可分[10]，企业劳动力受教育程度越高，企业整体环保意识越强，有助于企业加大环保力度、改善环境污染[11]。

绿色创新发展已成为我国制造业发展的重要主题，通过对现有文献的梳理，国内外学者关于人力资本对绿色创新影响的研究主要集中于人力资本与环境、能源、技术等关系的探讨，对绿色创新系统整体的把握不明确，人力资本与绿色创新系统创新绩效关系的研究比较匮乏。另外，各地区、各产业的人力资本也存在异质性。基于此，本文采用DEA-Tobit模型，从人力资本水平、人力资本投资两个维度刻画人力资本，探究人力资本对我国制造业绿色创新系统创新绩效的影响，以进一步拓展相关研究。

2 研究模型与研究方法

2.1 DEA模型

数据包络分析法（DEA）最早由查恩斯等人提出，由于不要求过多的指标、不用思考指标计量单位的不同、没有无量纲化环节等特点，因此在多投入多产出的绩效评价中应用广泛。DEA模型中最基本同时也是被广大学者使用最广泛的是CCR模型和BCC模型。与CCR模型不同，BCC模型不仅包含综合技术效率，而且包含纯技术效率和规模效率。结合对文献的查阅以及研究的可操作性，本文采用基于投入导向的BCC模型，相應的规划模型为

假设有n个决策单元：

3 指标设计与数据来源

3.1 评价指标

选取适当的评价指标是绿色创新系统创新绩效评价的核心内容，本文研究的绿色创新系统创新绩效评价指标由投入指标和产出指标构成。通过阅读相关文献，本文得到如下评价指标：

1）投入指标。从目前研究文献来看，投入变量主要由人力、财力、能源、物力4方面组成。目前，国内外学者使用最多的人力指标是R&D人员全时当量，使用最多的财力指标是R&D经费内部支出。有部分学者认为，用于新产品研究开发的新产品开发经费支出同样重要，这3项可以体现一个地区、企业、行业的创新规模以及潜力，充分显示了创新的投入能力;能源投入方面，本文引入了能源消费总量作为体现资源消耗情况的指标，并且统一折算成标准煤;物力投入方面，为确保绿色研发过程的顺利进行，需要各种仪器设备的支撑[13]。

2）产出指标。专利能够直接反映创新活动的产出情况，与专利授权量相比，专利申请量的数据不仅更容易获取，而且反映了一个行业创新成果的数量，是创新能力和创新水平的重要指标，能够直接代表创新活动的产出情况;“新产品”是企业在原有产品形态、功能、材质等方面的改变，是企业研发的结晶。新产品销售收入反映了企业研发成果的市场价值，是创新成果商业化水平的合理反应。

3.2 指标检验

为保证文中投入与产出变量之间的同向性，利用Pearson检验方法对我国制造业绿色创新系统创新绩效评价指标进行相关性检验。本文评价指标选取的样本数据时期为2009—2016年，数据来源于2010—2017年《中国科技统计年鉴》《中国能源统计年鉴》。投入与产出指标之间相关系数均为正，且均通过了5%统计水平下的显著性检验，因此本文选择的指标合理可行，如表1所示。

3.3 数据来源

本文以我国制造业为研究对象，由于2011年前后我国国民经济行业分类标准不同，为了后续的研究，将制造业归并为28个行业。绿色创新从投入到产出乃至商业化过程需要一定的周期，因此时间滞后性的问题不可忽视[14]。不同的创新活动滞后期不同，虽然部分学者认为创新活动的滞后期为两年[15]，但是大多数学者认为所投入的资源将会在一年后有所表现[16-17]。本文同样认为创新活动的滞后期为一年，因此选择2009—2015年为投入数据，2010—2016年为产出数据。本文所涉及的数据均由2010—2017年《中国科技统计年鉴》《中国能源统计年鉴》《中国劳动统计年鉴》《中国统计年鉴》查找、计算得到。

人力资本对我国制造业绿色创新系统创新绩效影响的分析框架，如图1所示。

4 基于DEA-BCC模型的我国制造业绿色创新系统创新绩效分析

本文用Deap2.1软件实现对我国制造业绿色创新系统创新绩效的评价。为写作方便，对每个行业制定了行业编号。通过计算得到2009—2016年我国制造业28个行业的绿色创新系统创新绩效评价结果，如表2所示。

1）综合技术效率。由表2可知，2009—2016年间，我国制造业绿色创新系统综合技术效率总体均值为0.640，总体情况偏低。在研究时段内，仅有行业4、12、26实现了综合技术效率有效的最佳状态，说明这3个行业绿色创新方面的投入产出结构相对更加合理。排名最后的是行业3，综合技术效率均值仅为0.267，说明制造业各行业的绿色创新系统创新绩效存在不同程度的差异，因此合理利用现有资源，优化当前投入与产出结构以提高综合技术效率是我国制造业未来努力的方向。

2）纯技术效率。由表2可知，2009—2016年间，我国制造业绿色创新系统纯技术效率总体均值为0.801，总体均值处于中等偏上水平。在研究时段内，行业4、9、12、24、25、26、27实现了纯技术效率有效的最佳状态，说明这7个行业绿色创新方面的技术和管理水平相对较高。但是各行业的纯技术效率存在显著差异，排名最后的是行业3，纯技术效率均值仅为0.303;因此，加强系统内部管理制度的制定以提高管理水平、减少创新资源的堆积与浪费，有助于我国绿色创新系统创新绩效的提升。

3）规模效率。由表2可知，2009—2016年间，我国制造业绿色创新系统规模效率均值为0.796，总体均值处于中等偏上水平。在研究时段内，与综合技术效率相同，行业4、12、26实现了规模效率有效的最佳状态，说明这3个行业绿色创新方面的生产规模已达到最优。排名最后的是行业14，规模效率均值为0.575。

整体来看，研究时段内我国制造业绿色创新系统综合技术效率均值和规模效率均值呈先降低、后上升、再降低的趋势波动，如表3所示。除2009—2010和2010—2011年外，其余各年纯技术效率均值略大于规模效率均值，由此认为规模效率偏低是我国制造业绿色创新系统创新绩效偏低的主要原因。

5 实证分析

5.1 Tobit回归模型建立

本文的因变量为我国制造业绿色创新系统创新绩效，自变量为人力资本水平与人力资本投资，据此构建模型研究上述两个因素对我国制造业绿色创新系统创新绩效的影响。本文对各指标数据进行对数化处理以消除异方差的影响。回归模型构建如下：

其中：GISP代表我国制造业绿色创新系统创新绩效，LOHC、IIHC分别代表人力资本水平、人力资本投资，X为控制变量。

由于在绩效评价时考虑了滞后期，因此在研究人力资本的影响效果时使用平均数。

模型中涉及的各变量含义如下：人力资本通过投资形成，是一个综合性的概念，应当包含知识、技能、身体素质多个方面。但是由于数据的可获得性、技术处理困难等限制，本文仅考虑人力资本的形成、文化素质两方面，因此本文从人力资本水平与人力资本投资两个维度衡量人力资本。

1）人力资本水平（LOHC）。通过阅读大量的文献，本文用平均受教育年限表征人力资本水平，公式如下：

其中：IASI、PRI、MID、HIG、JUN、REG、GRA、POP分别代表我国就业人员中文盲和半文盲、小学、初中、高中、大专、大本、研究生受教育程度人数和就业总人数，相应的乘积数表示各级学历的权重。

2）人力资本投资（IIHC）。人力资本通过教育、医疗等投资形成[18]，因此本文将人力资本投资用教育、文化、医疗卫生支出总和占财政支出的比值代表。

3）控制变量。为了控制其他因素对制造业绿色创新系统创新绩效的影响，本文选取两个控制变量：外商直接投资（FDI）=实际使用外资额/GDP;产业结构（IS）=第二产业的产值/GDP。

5.2 回归结果分析

本文用eviews10.0软件进行Tobit回归，回归模型通过了共线性检验，回归结果如表4所示。

1）人力资本水平在1%的置信水平下显著，说明人力资本水平对我国制造业绿色创新系统创新绩效有显著的负向影响。这可能是因为目前我国教育体制在人才培养过程中过于重视理论知识、基本的技能训练以及一些智力因素的培养，忽视了创造性思维、创新能力以及一些非智力因素的培养，因此培养的人才的实际应用与创新能力很难与学历成正比进步，往往落后于市场的需求，所以严重地减弱了人力资本水平的促进作用。

2）人力资本投资在1%的置信水平下显著，说明人力资本投资对我国制造业绿色创新系统创新绩效有显著的负向影响。这可能是因为我国高等教育的培养目标往往落后于市场的需求，致使大学生就业困难。另一方面，社会民生领域的公共服务分布不均衡、服务制度不完善、公共服务供给不足等共同导致了人力资本投资很难获得最大限度的回报。

3）外商直接投资在1%的置信水平下显著，说明外商直接投资对我国制造业绿色创新系统创新绩效有显著的负向影响。随着外商直接投资所附带的先进技术与知识的增加，导致市场竞争加剧。另一方面，随着节能减排技术的引进，我国可能被视为“污染天堂”从而增加污染密集型产业转入其中。

4）产业结构在1%的置信水平下显著，说明产业结构对我國制造业绿色创新系统创新绩效有显著的正向影响。第二产业产值的提高有利于我国制造业绿色创新系统创新绩效的提升，因此，应坚持走新型工业化道路，加速工业向高端化、高新化、“两型”化、规模化发展。

6 结论与建议

6.1 研究结论

本文利用DEA-BCC模型，评价了2009—2016年我国制造业绿色创新系统创新绩效，继而运用Tobit模型证实了人力资本对我国制造业绿色创新系统绩效的影响，得到以下研究成果：

1）通过DEA模型对我国制造业绿色创新系统创新绩效的评价可知，2009—2016年间，我国制造业绿色创新系统综合技术效率总体均值为0.640，总体情况偏低。样本期内，与综合技术效率和规模效率相比，纯技术效率最优的省份最多，且纯技术效率均值整体略大于规模效率均值，整体来看，规模效率偏低是导致我国制造业绿色创新系统创新绩效偏低的主要原因。

2）人力资本水平、人力资本投资对我国制造业绿色创新系统创新绩效有显著的负向影响，且人力资本水平的影响效果更显著。我国高等教育的培养目标往往落后于市场需求，加之社会民生领域的公共服务不完善等促使了我国人力资本未能正向促进制造业绿色创新系统创新绩效的提升。

3）外商直接投资对我国制造业绿色创新系统创新绩效有着显著的负向影响，随着外商直接投资的增加，不仅加剧了市场竞争，我国也可能被视为“污染天堂”，从而抑制了制造业绿色创新系统创新绩效的提升;产业结构对我国制造业绿色创新系统创新绩效有显著的正向影响，第二产业产值的提高有利于制造业绿色创新系统创新绩效的提升。

6.2 相关政策建议

基于以上研究结论，对我国制造业绿色创新系统的发展提出以下4点建议：

1）适度扩张企业规模。在着重关注我国制造业企业生产规模扩张的同时，政府应强化和提高环境保护标准，对企业规模的扩张进行管制。另外，企业应根据当前的投入水平避免盲目扩张，以实现生产规模的最优。

2）加快高等教育结构和质量的优化。我国高等教育要以市场需求为导向，充分把握国家绿色发展方向，培养更加符合市场需求的高素质人才。另外，我国高等教育的重点应放在对青少年创新知识与创新能力的培养，加强基础教育的创造性。

3）对人力资本进行合理投资。完善基础教育建设，增强教育能力。合理分配、科学筛选投资方向，加大对资源节约、环境保护等相关学科和领域的教育投入;完善地区医疗卫生计划，保证医疗基础设施的合理投资与分配，确保广大人民群众享受到医疗卫生的待遇。

4）注重引进外资的质量，优化产业结构。优先引进具有环保、节能、降耗等特征的优质外资，并整合市场环境以确保公平竞争;提升自主创新能力，提高技术水平，将优质资源向第三产业聚集，促进资源节约型和环境友好型产业体系的建立，保证经济发展与环境保护协调发展。

由于数据的可获得性、技术处理困难等限制，文章仅考虑了人力资本的形成、文化素质因素，尚未包含人力资本技能、健康方面的信息，基于此，采用上述研究方法来估算人力资本还有进一步深入研究的空间，也是文章未来努力的方向。

参考文献：

[1] 石博，田红娜.基于生态位态势的家电制造业绿色工艺创新路径选择研究[J].管理评论，2018，30（2）：83.

[2] 赵息，马杰.环境规制与绿色创新的关系研究：基于金融发展与人力资本调节效应的实证分析[J].现代财经（天津财经大学学报），2018，38（2）：65.

[3] 宋涛，荣婷婷.人力资本的集聚和溢出效应对绿色生产的影响分析[J].江淮论坛，2016（3）：46.

[4] FU X.Foreign direct investment，absorptive capacity and regional innovation capabilities：evidence from China [J].Oxford Development Studies，2008（36）：89.

[5] 卢进勇，杨杰，邵海燕.外商直接投资、人力资本与中国环境污染：基于249个城市数据的分位数回归分析[J].国际贸易问题，2014（4）：118.

[6] VANDENBUSSCHE J，AGHION P，MEGHIR C.Growth，distance to frontier and composition of human capital[J].Journal of Economic Growth，2006，11（2）：97.

[7] KURTZ，BROOKS.Conditioning the “resource curse”：globalization，human capital，and growth in oil rich nations[J].Comparative Political Studies，2011，44（6）：747.

[8] 赵领娣，张磊，徐乐，等.人力资本、产业结构调整与绿色发展效率的作用机制[J].中国人口·资源与环境，2016，26（11）：106.

[9] 彭国华.我国地区全要素生产率与人力资本构成[J].中国工业经济，2007（2）：52.

[10] PARGAL S， WHEELER D. Informal regulation of industrial pollution in developing countries： evidence from Indonesia [J]. Journal of Political Economy， 1996， 104（6）： 1314.

[11] LAN J，KAKINAKA M，HUANG X.Foreign direct investment， human capital and environmental pollution in China[J].Environmental and Resource Economics，2012，51（2）：255.

[12] GREENE W H.On the asymptotic bias of the ordinary least squares estimator of the Tobit model[J].Econometrical，1981，49（2）：505.

[13] 張文宇，于琦，杨风霞，等.创新驱动战略下区域制造业绿色创新能力评价：基于30个地区数据的复杂网络建模分析[J].工业技术经济，2018，37（8）：87.

[14] 冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛，2013（2）：82.

[15] 罗良文，梁圣蓉.国际研发资本技术溢出对中国绿色创新效率的空间效应[J].经济管理，2017，39（3）：21.

[16] KIRCHHOFF B A， ARMINGTON C， HASAN. The influence of R&D expenditures on new firm formation and economic growth [J]. Washington， DC National Commission on Entrepreneurship， 2012， 8（15）： 424.

[17] 朱鹏颐，刘东华，黄新焕.动态视角下城市科技创新效率评价研究：以福建九地级市为例[J].科研管理，2017，38（6）：43.

[18] LYONS A C，RACHLIS M，SCHERPF E. Whats in a score？Differences in consumerscredit knowledge using OLS and quantile regressions[J].Journal of Consumer Affairs，2007，41（2）：223.

[编辑：厉艳飞]