人力资本投资对区域创新效率的影响研究——基于“一带一路”沿线45国的实证分析

岳 立，曹雨暄

（兰州大学经济学院，兰州 730000）

一、引 言

2013年9月和10月，“丝绸之路经济带”和“海上丝绸之路”合作倡议正式提出，同年12月，习近平主席提出“科技创新合作在‘一带一路’建设中发挥重要作用”。2016年，中国科技部启动中非科技伙伴计划2.0，2017年，习近平主席又指出要将“一带一路”建成创新之路，由此可见，科技创新是“一带一路”建设的重要组成部分。该倡议提出7 年以来，沿线各国在科技研发等方面的创新意识都有所增强，但是，该区域大部分国家是发展中国家，承接的技术和知识密集型产业偏少，技术扩散不快，尚未形成较强的自主创新能力，整体创新水平亟待提升。科技创新活动的承载主体是人，人的知识和技能必然会对区域创新产生深远影响。教育作为人力资本形成的主要途径，是人力资本投资的重要方式之一。一方面，人力资本投资可以为各国的技术创新提供主要支撑和长期推动力（杨明海等，2021）[1]，另一方面，教育等人力资本投资可能会挤压部分研发投资，发展中国家的人力资本投资会因其落后的经济发展、教育水平和技术存量难以激发自身的创新潜能（Pritchett，2001）[2]。因此，深入探究人力资本投资对区域创新效率的作用关系，可以为“一带一路”沿线国家制定创新政策、部署创新战略、培养创新人才提供借鉴和依据。

二、文献综述

创新理论最初由奥地利经济学家熊彼特1911年提出，他认为创新是一个技术内生的过程，通过建立新的生产函数形成生产要素的新组合。企业是一个国家经济增长的主体，企业的创新决定着国家的创新水平。此后，伴随着经济全球化、一体化和知识经济的蓬勃发展，关于区域创新的研究变得密集活跃，而创新效率作为区域创新质量和能力的体现，相关研究日渐增多。研究主要集中于效率测算、比较和影响因素等方面，学者多采用数据包络分析法（罗良文、梁圣蓉，2016[3]；钱丽等，2018[4]）和随机前沿分析法（岳书敬，2008[5]；陈亚平、田辉，2020[6]）测算创新效率，从区域（吕岩威等，2020）[7]和产业（刘云、杨湘浩，2012）[8]的视角对创新效率进行比较，从企业研发重视程度（徐莉、方梓旭，2018）[9]、产业结构优化（李东海，2020）[10]、区域产学研合作（杨柏等，2020）[11]、政府科技投入（张玉华、陈雷，2019）[12]、科技人才分布（徐斌、罗文，2020）[13]、人力资本（陈向武，2020）[14]等多方面分析对效率的影响，其中，对技术创新起源泉作用的人力资本受到国内外学者的广泛关注。

早在1990年，Romer在其新经济增长理论的相关研究中就构建了包括劳动、资本、人力资本和技术的增长模型并全面阐释了人力资本对技术创新和经济增长的影响[15]，此后许多学者拓展了人力资本与创新效率或全要素生产率的关系研究，有些学者认为人力资本会通过结构优化、技术扩散等途径促进地区或企业的创新水平，并减小区域或企业间的技术差距（Nelson&Phelps，1966[16]；孙早、侯玉琳，2019[17]；张辉、石琳，2018[18]）。也有些学者认为人力资本对创新的作用为负或存在非线性关系，例如，颜鹏飞和王兵（2004）探究中国各省人力资本对全要素生产率的影响，实证得出二者负相关的结论[19]。孙文杰和沈坤荣（2009）针对中国制造业企业进行探究，认为人力资本对于企业创新具有门槛效应，当人力资本低于门槛值时，对企业创新作用不大[20]。高彩梅等（2014）对我国28 个地区展开研究，发现人力资本对区域创新能力具有双门槛效应[21]。Benhabib&Spiegel（2005）认为对非发达经济体而言，人力资本存量要跨越规模阈值，其技术进步率才会与世界前沿水平趋同[22]。因为Romer提出人力资本主要用正规教育的累积效应衡量[15]，所以本文着重探讨人力资本投资即教育支出对区域创新效率的作用。已有文献的研究结果表明人力资本投资常常会对区域创新效率产生非线性影响。在“一带一路”沿线45个国家中，发展中国家占多数，在收入存量一定的情况下，教育开支可能会挤压部分研发支出；同时有一些国家可能会因教育水平落后、技术存量低下、制度环境缺失等因素导致人力资本投资前期无法对区域创新效率发挥正效益（Pritchett，2001）[2]。随着经济不断发展，科教文卫全面提升，人力资本投资规模也不断扩大，此时，人力资本投资会对区域创新效率发挥积极影响。基于已有文献成果和“一带一路”沿线45个国家现实差异情况，本文选择分位数回归模型分析人力资本投资对创新效率的非线性影响。

不同国家经济发展、技术存量、对外开放水平、创新资源配置情况都不尽相同，导致创新效率水平也有所差距，那么人力资本投资是否会对不同创新水平的区域产生差异影响呢？2006 年，Vanden⁃bussche 等学者建立理论模型并以19个OECD 国家为例进行实证推导，得出经济体技术水平越高，其人力资本增加带来的技术进步率越大的结论[23]。之后，许多学者基于他的理论模型开展了不同区域的实证分析，Azomahou等（2009）以OECD国家作为研究对象，发现大学教育投入对全要素生产率的正效益在技术发达经济体中系数更高[24]。Islam（2010）验证了不同经济发展状况的国家，人力资本对全要素生产率起不同作用，认为要想追赶世界技术前沿，中、高收入国家需要更多的高等教育投入，低收入国家则需更多的中等教育投入[25]。基于上述研究结论，本文对45个国家进行区域划分并展开分区研究。

综上所述，关于人力资本对创新影响的研究取得了很多有意义的成果，然而，由于“一带一路”倡议提出时间较短，相关区域的研究还未充分展开，所以论文的研究在一应程度上弥补了这一不足。基于此，本文在以往的研究基础上，首先用DDF-DEA模型测度区域创新效率并进行现状分析，然后探究2007～2018年人力资本投资对区域创新效率的影响并运用分位数回归探究人力资本投资在不同创新水平下的不同作用，最后将区域分为亚洲国家和欧洲国家展开区域异质性探究。在推动经济增长动能面临新挑战、新机遇的国际形势下，开展人力资本投资对区域创新效率的影响研究，对带动“一带一路”创新绩效提升，打造优势创新环境，稳步推进高质量发展意义重大。

三、影响机制、模型构建与现状分析

（一）影响机制分析

人力资本投资可以直接提高人的知识、技能和素质，还可以通过三种效应对区域创新产生积极的间接影响。一是乘数效应，人力资本依托“干中学”使边际收益递增，创造出远大于自身价值的创新效益，促进区域创新效率不断提升；二是溢出效应，技术人员的交流合作不仅会促使人力资本的知识技能不断传递，还会有知识模仿和互补的情况发生，最终会提升区域创新效率；三是主观能动效应，人具有主观能动性，对人力资本进行投资，可以有效提高人的认知能力。人可以更好地掌握不同创新资源的特征，并对资源进行更有效配置，影响创新效率。

人力资本投资也有可能对区域创新产生消极影响，在创新活动中投入的研发资本和人力资本不断攀升，需要合理协调两者的比例，否则过高的人力资本投资可能会挤占研发资本投资，从而不利于创新效率提升；人力资本投资需要和区域创新环境匹配，教育水平低、技术存量少、创新制度环境不完善等会造成两者的匹配偏差，导致人力资本投资无法对区域创新效率发挥正效益；创新活动风险很高，能否成功具有很大的不确定性。创新活动产出具有滞后性，即使前期投入了很多的人力资本和科研经费，在一段时间内也不一定会增加创新产出，提升创新效率。

图1 人力资本投资对创新效率的影响机制图

（二）模型构建

1.DDF模型

选用DEA 中的方向性距离函数模型（Directional Distance Function）进行创新效率评价，设评价单元（DMU）有n个，每个国家有m种创新投入，得到q种创新产出。在DDF模型中，由方向向量g决定并选择DMU投向前沿面的方向，令t（t=1，2，3，…，T）代表每一时期，则第t期方向性距离函数为：

式（1）中，Xt、Yt分别表示投入向量和产出向量，β代表y∈P(x)在可行性集中产出扩张的最大程度。若Dt= 0，则说明投入既定时，生产单元处于最优前沿面，若Dt>0，表示生产单元的创新效率存在进一步提升空间。以方向性距离函数为基础，建立创新效率模型如下：

式（2）中，λjk为权重系数为创新投入指标的松弛变量为创新产出指标的紧缩变量，θk为创新效率。

2.分位数回归模型构建

因为通过回归分析无法了解解释变量对被解释变量的影响趋势的变化过程，所以将被解释变量分成多个分位数点，采用分位数回归模型解决这一问题。分位数回归模型考虑了创新效率对解释变量的敏感度差异，更符合现实情况和研究需求。为了减少创新外部性，创新活动常常选择在本国进行，核心技术研发人员选择本国人员，所以国家之间的空间相关性很小。借鉴Koenker 等（1978）[26]的研究构造如下模型：

式（3）中，EFFit为i国t年的区域创新效率，HRit为i国t年的人力资本投资，q为分位数水平，本文选取分位数为0.25、0.5和0.75，Zit为影响区域创新效率的控制变量，εit为随机扰动项。

3.投入产出指标选取

基于新古典增长理论，用创新资本和创新劳动力两类要素投入来衡量国家科技创新资金和人才投入水平，其中，创新资本投入以研发费用占GDP比重（K）作为代理变量，创新劳动投入以每100万人中研发人员数量（L）作为代理变量。在产出指标选取上，考虑创新成果和实际应用，选取本国专利申请量（P）反映技术创新质量，科技论文数（T）反映创新成果产出情况，高科技产品出口（E）反映高科技产品产出情况。

降低蚊媒数量是控制病毒扩散最简单有效的手段，然而传统的喷洒杀虫剂不仅造成环境污染，长期使用也会因蚊虫产生抗药性而失效，因此“以蚊治蚊”的方法备受科学家的青睐，其中有两种比较有应用前景的方法，一种为通过释放携带显性致死基因的雄蚊，其与野生雌蚊交配所产生的后代因显性致死基因而无法存活，另一种利用沃尔巴克体感染雄蚊并释放，当自然界的雌蚊与其交配时所产的卵因胞质不相容而无法存活[42]。我国科学家奚志勇团队已经在广州建立了全球最大的蚊子生产基地，随着项目的顺利进展，控制寨卡疫情指日可待。

4.主要变量与控制变量选取

本文实证部分被解释变量是创新效率（EFF），运用DEA7Ultra软件中的DDF模型计算得到。主要解释变量是人力资本投资（HR），以公共教育支出占GDP比重衡量。其余控制变量选取及依据如下：克鲁格曼的新贸易理论认为，FDI会通过技术外溢效应为技术落后国家带来接触新技术的机会，从而缩减与发达国家的技术差距[27]，选取外国直接投资的对数值表征FDI；产业结构影响创新资源的分配，使创新效率发生改变[28]，选取工业增加值占GDP比重表征产业结构（IS）；基础设施是区域创新活动要素的重要支撑因素[29]，基础设施的完善增强了创新主体的便利度，使创新要素在各国间的流动效应更强，选取安全的互联网服务器的对数值衡量基础设施完善程度（INFRA）；金融可以通过增加资本供给、提供风险管理等提高技术创新能力[30]，选取净国内信贷的对数值衡量区域金融供给（FIN）；国际贸易理论中，创新效率可以依托“市场扩张效应”和“收入效应”得以提升[31]，说明贸易可以通过市场规模和交易量间接影响创新活动，选取贸易占GDP 比重来衡量贸易依存程度（TRADE）；经济基础可以为创新提供强有力的支撑作用[32]，选取人均GDP的对数值表示各国经济基础。各变量描述性统计如表1所示。

表1 变量描述性统计

5.数据来源

考虑数据可得性，本文选取“一带一路”沿线45 个国家作为研究区域，包括了东南亚8 国、南亚7国、中亚3国、东亚2国、西亚7国、南欧5国、东欧9国和中欧4国。所有数据均来源于世界银行数据库和《世界统计手册》。

（三）现状分析

1.人力资本投资分析

整体看，人力资本投资波动起伏较小，基本稳定在13左右。分区域看，亚洲国家与欧洲国家存在显著差异，亚洲国家人力资本投资在研究时段内均好于欧洲国家，说明亚洲国家对人才培养的重视程度较高。东亚不仅排名第一，且呈现波动上升趋势，从2007年的15.67%上升至2018年的20.06%，体现了中国教育强国战略的带动作用；而西亚排名较后，且下降了9.2个百分点，可能原因在于西亚部分国家经历了长期的战乱，影响了本国的经济发展和人民生活，政府财政状况也无法满足教育支出，因此人力资本投资受到影响。东欧包括了一些教育水平较强的国家，例如乌克兰和俄罗斯，作为东欧科技和教育发展较好的国家，丰富的高教资源和较高的技术水平使东欧在欧洲地区位列第一；其余两个区域中，南欧下降了4.1个百分点，中欧除个别年份外基本保持不变，增加政府教育开支、提升教育水平、加强人才培养意识是未来这两个区域国家发展的关注重点（图2）。

图2 2007～2018年“一带一路”国家人力资本投资趋势图

2.创新效率分析

整体看，“一带一路”国家平均创新效率为0.310，说明区域的创新资源配置处于较低水平，存在极大的提升空间。分区域看，地区创新效率从高到低依次为东亚（0.578）>东南亚（0.551）＞南亚（0.454）>中亚（0.376）>西亚（0.334）>中欧（0.116）＞东欧（0.109）＞南欧（0.087），可以看到亚洲地区创新效率普遍高于欧洲地区。原因可能在于研究时段内，较为富裕的欧洲国家较早跨越了科技投入产出的峰值点，近几年逐步形成创新稳定发展的态势。亚洲新兴市场国家充分发挥创新后发优势，同时借助“一带一路”倡议，积极寻求创新合作、发展创新资源、获得科技援助和形成人才高地。其中，亚洲地区中国效率排名第一，原因在于：中国政府实施创新驱动发展战略，在创新投入、科技研发和人才培养等方面做出积极调整。数据显示，中国的创新投入中，科研投入占GDP 比重从2007 的1.37%增加到2018年的2.18%，研发人员数量更是以年均4.72%的增速增长。创新产出方面，2018年，在沿线45个国家中，中国科技论文数、专利申请量和高科技产品出口均位列第一。效率排名末尾的东欧和南欧地区均是经济发展水平较普通的发展中国家，且由于气候、资源、区位、经济、人口、政策扶持、重视程度等不同因素的影响，创新效率低（表2）。

表2 2007～2018“一带一路”45个沿线国家的创新效率均值

对研究区域的人力资本投资和区域创新效率的关系进行初步模拟，发现人力资本投资对区域创新效率的影响存在先下降后上升的“U”型特征，初步验证了二者之间的非线性关系，后续利用OLS和分位数回归开展实证检验，以得到更为可靠和精确的结论（图3）。

图3 人力资本投资与区域创新效率的拟合散点图

四、实证分析

（一）人力资本投资对区域创新效率的影响

不论是OLS还是分位数回归，都表明“一带一路”沿线45国的人力资本投资与区域创新效率之间有显著的非线性关系，呈现先下降后上升的U型趋势（表3）。具体来看，区域整体人力资本投资的阈值点为11.71%，截至2018年，45个国家中有17个国家还未跨越阈值点。分位数回归系数表明，当创新效率处于0.25的低水平分位点时，人力资本投资对其的负向影响仅为-1.675，正向影响仅为0.343，而当创新效率处于0.75的高水平分位点时，人力资本投资对其的负向影响达到-5.253，正向影响可达到1.059，充分说明人力资本投资在创新高水平区能发挥更强的作用。

表3 模型估计结果

其他影响因素中，外国直接投资仅对创新低水平区国家发挥一定的积极影响，说明对于创新水平和能力较高的国家，靠技术引进和模仿创新发挥FDI的技术外溢效应已不适应本国的技术发展，下一步加大自主创新是关键。产业结构对区域创新效率的影响显著为正，工业化带动城镇化进而引发创新要素流动与集聚，对效率提升有积极作用，且随着创新效率的提升，产业结构对区域创新效率的影响不断加大。基础设施建设仅对创新效率低水平区域有效，可能因为创新效率的中高水平区域基础设施较为完善，已经可以很好地配套当前的技术发展。创新效率低水平区应加大基础设施建设来提升创新效率。金融供给对区域创新效率有显著的正相关关系，系数呈现先升后降的趋势，增大金融支持对创新效率中水平区效率提升的收益最大。外贸依存度对效率中高水平区均存在负向影响，说明过度依赖贸易活动带来的技术传播可能会减少本国的科研和创新活动，进而对效率有抑制，未来创新效率中高水平区应减少外贸带来的技术依赖。经济水平对区域有显著的正向影响，且随分位数增加，系数呈现不断上升的趋势，说明越是创新效率高的地区，经济发展水平对创新的影响越大。

（二）区域异质性分析

通过前文的现状分析发现，亚洲国家和欧洲国家人力资本投资和创新效率都存在很大差异，因此本文将区域划分为亚洲国家和欧洲国家并做进一步分析。

亚洲国家人力资本投资对区域创新效率有显著的非线性影响，亚洲区域人力资本投资的规模阈值点为12.08%，2018年，还有9个国家未跨越阈值点，占亚洲国家总数的34.61%。人力资本随分位点增加的变动趋势与全区相一致，区域创新效率越高的地区，人力资本投资对创新的作用越大，创新效率分位点不同时，人力资本阈值也不同，当区域创新效率分别为低、中、高水平时，人力资本阈值分别为12.41%、11.68%和13.37%。其他影响因素中，产业结构和经济发展水平对亚洲国家区域创新效率作用显著为正，且随分位点升高呈现不断上升趋势；基础设施建设仅对效率低水平有显著正向作用；金融供给仅对效率中水平区有显著正向影响；外国直接投资和外贸依存度对亚洲地区创新效率影响不显著，说明亚洲国家高质量外资占比较低，低端贸易活动占比较大，从而难以发挥外贸的创新外溢效应。欧洲国家回归结果与亚洲国家差异显著，人力资本投资仅在创新效率低水平和高水平区有显著影响，其阈值点分别为11.73%和13.42%。其他影响因素中，除产业结构影响系数方向和变动趋势与亚洲国家一致外，剩余因素均不相同。随分位点提高，FDI和基础设施建设影响系数不断下降，这两个因素对创新效率较低国家拉动作用较大，对创新效率较高国家拉动作用较小，缩小了欧洲国家内部创新效率区域差异；金融供给对欧洲创新效率低水平国家影响为负，对创新效率高水平国家影响为正；外贸依存度对创新效率的负向作用随分位点提高不断增强；经济发展水平对创新低中水平区正向作用一致，对高水平国家作用不显著（表4）。

表4 分区回归结果

（三）稳健性检验

为证明上述计量结果的准确性，本文一是替换被解释变量，运用数据包络分析中的CCR模型重新计算45国的创新效率并进行分位数和OLS回归；二是换计量模型，因创新效率为0～1之间的值，运用Tobit模型再次回归。两次回归结果如表5所示，主要解释变量的系数方向和大小与前文计量结果基本一致，证明了前文回归结果是可靠的。

表5 稳健性检验回归结果

五、研究结论与政策建议

本文以2007～2018年“一带一路”沿线45国为研究对象，首先利用DDF-DEA测算了区域的创新效率，并展开了现状分析，其次实证探究人力资本投资对区域创新效率的作用关系，并基于分位数回归分析人力资本投资在不同创新水平下的不同作用，最后将区域分为亚洲国家区和欧洲国家区展开了人力资本投资对区域创新效率的异质性探究。结果表明：①区域整体人力资本投资和创新效率不高，亚洲地区的人力资本投资和创新效率普遍高于欧洲地区。从二者关系来看，区域整体人力资本投资与区域创新效率之间有显著的非线性关系，人力资本投资的阈值点为11.71%，且创新效率越高的地区，人力资本投资对创新的作用越大。②亚洲国家人力资本投资的阈值点为12.08%，人力资本投资对创新效率高的国家影响更大。欧洲国家回归结果与亚洲国家差异显著，人力资本投资仅对创新效率低的和高的国家有显著影响。③其他影响因素中，金融供给对创新效率居中的国家正向影响最大，经济水平和产业结构则对创新效率高的国家正向影响最大，FDI和基础设施建设仅对创新效率低的国家发挥积极作用，外贸依存度仅对创新效率中高水平的国家存在负向影响。基于上述研究，本文的政策建议如下：

第一，针对区域人力资本投资和创新效率现状以及二者关系，首先，建议建立人力资本投入长效机制，充分发挥教育对人力资本形成的作用。其次，建议加大研发投入，积极鼓励创新要素在国际间整合和流动，开展人才联合培养和研发合作，积极践行“一带一路”科技创新倡议。最后，尽管初期，人力资本投资未达到规模阈值时无法快速带来区域创新效率的提升，但是长期来看，人力资本投资是提升创新效率的关键，也是实现自主创新的源动力，因此要坚定教育优先理念，加大教育投入，优化教育资源分配，努力实现培养卓越人才和提升创新效率的目标（黄炎，2021）[33]。

第二，针对亚洲地区与欧洲地区的差异化结论，建议亚洲地区人力资本投资位于拐点左侧的国家需要持续加大人力资本投资规模，加强教育强国战略实施力度，使其尽快越过拐点，提升国家创新效率，位于拐点右侧国家重点在于发展科技创新示范区，发挥人力资本的集聚效应，同时依托产业结构优化和经济高质量发展维持创新优势。欧洲国家人力资本投资对创新效率的影响存在极化趋势，人力资本投资会加大区域创新差异。因此，欧洲位于创新高水平区的国家，要充分发挥创新增长极的示范和引领作用，加强与低水平和中水平区国家的科技合作，带动欧洲整体区域创新向好发展。

第三，针对其他影响因素对不同创新效率区域的差异化作用，创新效率低的国家以吸引高质量外资、完善基础设施建设为重点，效率居中的国家通过减少贸易依赖和提高金融供给进一步提升创新水平，效率高的国家要重视经济发展模式转变，依托良好的经济基础和完善的产业结构，嵌入全球价值链高端环节，在保持创新效率稳定的同时争取带动中低效率国家发展，缩小区域创新差异。