“抢人大战”会扩大地区间人力资本结构差距吗？

郝凤霞 吴 赟

(同济大学经济与管理学院，上海 200092)

一、引言及文献回顾

随着经济总量快速增长，我国已接近迈入高收入国家行列，但地区间发展不平衡的主要矛盾日益突出。为避免区域经济发展水平继续分化，我国必须加快推进以“四大板块战略”为基础，以“重点带区战略”为骨架的“4+X”区域协调发展总体战略(魏后凯等，2020)[1]。然而，实现区域协调发展的关键是对人力资本的需求。刘智勇等(2018)[2]的研究认为，各地区要推动技术结构和产业结构升级，进而对经济增长产生重要促进作用，就必须实现人力资本结构高级化，人力资本结构高级化能更好地解释地区差距。同时，该研究将人力资本结构高级化的表现形式概括为低教育程度人力资本比重逐步下降, 高教育程度人力资本比重不断上升。

党中央始终高度重视人力资本积累和人才资源开发工作。在2016年3月中央印发的《关于深化人才发展体制机制改革的意见》中提出，要“实现人才发展与经济建设、政治建设、文化建设、社会建设、生态文明建设深度融合”。基于文件的指导思想，各地政府着眼于经济社会发展的长远大计，纷纷推出一系列人才引进措施。不过，似乎有些出人意料的是，本轮以地方政府为主体轮番出台的系列人才政策已呈愈演愈烈之势，地区间政策竞争意图明显，引发社会高度关注，有舆论媒体称之为“抢人大战”。

研究表明，当前我国人力资本结构存在显著地区差距，主要是中西部低教育程度人力资本比重高于东部，高教育程度人力资本比重低于东部所致(刘智勇等，2018)[2]，逐渐形成了东中西部地区之间发展程度的差距。那么，实现区域协调发展必然要求地区间人力资本结构趋同。需要强调的是，趋同不意味着包括人力资本在内的经济要素在总量上于各地区均匀分布，而是指人均层面在更高水平上的趋同。因此，人力资本总量在地区之间分布不均并非区域发展不平衡的必然原因，人力资本结构的平衡方才是实现区域协调发展的前提。于是，有待明确的问题是，当前各地频繁掀起的“抢人大战”会否扩大地区之间人力资本结构差距，从而使经济发展水平进一步失衡，最终与区域协调发展战略产生矛盾呢？

关于“抢人大战”所涉及的人力资本和人才政策的研究，既有文献可以分成两类，一类为传统的人力资本相关理论与实证，另一类为我国人才政策分析和效果评估。

从传统理论分析与实证检验来看，主要聚焦于劳动力转移、人力资本与经济增长、人力资本与地区差距的关系等问题。其中，劳动经济学经典的托达罗(Todaro)模型将劳动力流动归因于预期收入的差异，提出人力资本的迁移与聚集主要取决于经济利益驱动，所以经济因素是吸引劳动力流动的最主要因素。范剑勇等(2004)[3]将劳动力转移归因于产业集聚，认为跨省流动的绝大部分劳动力是从人口较为密集的中部地区和西南地区向产业已有一定集聚优势的东部沿海地区转移。此外，城市公共服务与社会经济环境同样影响着人力资本流动。Fu和Gabriel(2011)[4]通过利用1990-1995年的相关城市数据建立了一个定向迁移模型来评估区域人力资本聚集的影响因素，实证结果显示区域工资级差、生活成本和基础设施影响显著。夏怡然和陆铭(2015)[5]指出，从政府层面看，吸引劳动力的方式多集中于工资待遇、福利水平以及优质公共产品供给。王春杨等(2020)[6]发现，高铁的开通也有助于人力资本流入。在人力资本导致地区经济增长差距方面，Barro(2001)[7]、Barro和Sala-i-Martin(2003)[8]以及国内学者李小胜(2015)[9]等人多次的研究证实，人力资本对经济增长具有重要贡献。朱平芳和徐大丰(2007)[10]、李海峥等(2010)[11]、Li 等(2014)[12]的研究都侧重于人力资本的估算，Fleisher等(2010)[13]、Zhu等(2014)[14]、刘智勇等(2018)[2]的实证结果均表明，人力资本及其结构的差距是中国地区之间经济发展水平差距形成的原因，政府应积极缩小人力资本结构的地区差距。

从我国人才政策分析和效果评估来看，陈新明等(2020)[15]研究了人才政策的实施效力和实施对象，发现新一线、二线城市和三线城市的人才政策效力均值高于一线城市，而一线城市更偏好吸引高层次人才和创新创业人才。吴耀国等(2020)[16]通过梳理38个城市人才招引政策，发现政策主要针对的是放开落户限制、支持就业创业、提供生活补贴等方面，且不同城市政策力度有所不同，故采用双重差分法实证评估了人才政策对吸引人口流入的有效性。何江等(2020)[17]跟踪上汽集团15个基地城市的人才政策，引入PMC(policy modeling consistency)指数模型，对各地人才新政进行系统性文本计量、效能评价和落地施行策略探究。薛楚江和谢富纪(2020)[18]将人才政策“成本—收益”变化划分为三个阶段，并给出了部分曲线的形状。

事实上，一般文献所研究的人才政策文本只涵盖了城市专项人才政策，我国地方层面表述人才政策的文件并不局限于此，通常有三个层级：第一是重点地区的区域发展规划，由中央或重点地区省级单位联合颁布，其政策效力较高，指导性较强，如《长江三角洲区域一体化发展规划纲要》中提出要“推动城乡人才双向流动”等多项政策意见；第二是省级政府年度工作报告，报告涉及的人才工作内容是本省(市、区)政府未来数年内规划人才资源的直接依据，如北京市政府2020年工作报告要求“实施中关村国际人才20条新政”；第三是各直辖市、各省(区)所属地级市的人才政策文件，作用对象为市级范围，比较突出可操作性。

总的来说，能够将我国特有的人才政策与人力资本结构建立理论关联，并测算出人才政策实施效果的经济学研究相当匮乏。更重要的是，现有文献都没有正面回应一个关键问题，即各地人才政策力度的不断加强是否会与区域协调发展战略背道而驰？从长远谋划的角度出发，无论是讨论已久的户籍制度改革还是各地区人才政策，都理应通过地区要素市场互联互通降低劳动力转移成本，最终由统一的国内大市场决定人力资本空间配置。可落实到各地政府实际执行中，往往以“掐尖”争夺高教育程度劳动力，同时提高低教育程度劳动力于本地区落户的门槛为短期目标。此类人才政策极易扭曲人力资本自由流动机制，致使资源的空间配置产生低效率问题，所以，内外部环境的变化必然会要求相关制度体系和政策不断变迁创新，以实现新的制度均衡(吴赟、张鑫，2021)[19]。当然，如果认为地方政府人才政策竞争会继续扩大人力资本结构差距，从而导致不平衡发展的问题进一步突出，也必须提供更具说服力的证据。

鉴于此，本文分别建立了理论模型和实证模型，分析人才政策力度差异对人力资本结构差距的影响。其中，理论模型在人才政策降低了劳动力转移壁垒的假设前提下，研究人才政策力度加强前后对不同教育程度劳动力期望效用的影响；实证模型则以省级人力资本结构为研究对象，根据人才政策高频词构建机器学习词库，统计人才政策文本对应词频，以此为依据刻画地区人才政策力度，并采用广义矩估计、变异系数回归等方法检验我国“4+X”空间结构中人才政策力度差异与人力资本结构差距之间的关系。

本文的边际贡献在于：一是在劳动力转移决策中加入了人才政策力度影响因素，改进了经典模型未能反映政策干预下劳动力流动情况的缺陷，补充了人才政策导致人力资本结构变化的微观基础；二是运用机器学习、词频统计等方法解析重点地区发展规划、政府工作报告和专项人才政策文本，克服了政策力度难以衡量的困难，提升了政策效果评估准确度；三是根据“4+X”区域发展总体战略，分别以九大城市群所在省份和“四大板块”内的省级数据为研究载体，为人才政策力度差异是否加大人力资本结构差距提供了实证证据，对未来区域协调发展过程中人才政策的调整具有指导意义。

二、理论分析与命题提出

(一)理论模型推导及命题提出

本文借鉴并改进了张海峰等(2019)[20]的理论模型，将预期收入水平视作影响劳动力效用的最主要因素，生活环境、基础设施、公共服务等可与工资收入合并，视为广义化的“收入水平”。

(1)

通过式(1)对劳动力在B地的收入水平w0求一阶偏导数：

(2)

其数学含义是，在政策力度λ维持初始值(如λ=0)的情况下，代表性劳动力在B地的收入水平将对转移的期望效用产生负向影响。通常情况下，较高教育程度劳动力在B地的收入水平高于较低教育程度劳动力(生活环境、基础设施、公共服务等相同但工资水平更高)，所以在A地推出人才政策的初始阶段，较高教育程度劳动力因为在原所在地的收入水平相对较高，抬高了其转移成本，导致转移的期望效用低于较低教育程度劳动力，因而较低教育程度劳动力更容易转移。于是，本文提出：

命题1：在高收入地区政府推出人才政策的初始阶段，由于中低收入地区较低教育程度劳动力转移的期望效用高于较高教育程度劳动力，因此较低教育程度劳动力更容易转移。

进一步，由式(1)对政策力度λ求一阶偏导数，得到：

(3)

显然，A地人才政策力度的加强有利于提高B地代表性劳动力转移后的效用水平。再将式(3)分别对初始收入水平w0和风险厌恶系数α求交叉偏导数：

(4)

(5)

命题2：在高收入地区人才政策力度不断加强的阶段，中低收入地区较高教育程度劳动力的期望效用增加更多，因此较高教育程度劳动力在该阶段更容易转移。

(二)理论分析命题总结

从命题1和命题2可以看出，高收入地区人才政策力度对人力资本结构差距的影响极有可能存在“拐点”。在命题1中，较高教育程度劳动力在原就业地拥有的较高收入水平抬高了转移成本。高收入地区如要吸引较高教育程度劳动力，必须在生活环境、公共服务、发展潜力等全方位予以保障。当高收入地区人才政策优惠力度有限时，较高教育程度劳动力转移的期望效用低于较低教育程度劳动力，因此，在人才政策实施的初始阶段，较低教育程度劳动力先转移，人力资本结构差距缩小。但在命题2中，高收入地区通过不断加强人才政策力度，在初始收入水平和风险厌恶程度两种机制作用下，会使较高教育程度劳动力的期望效用增加更多。一旦人才政策增加的期望效用能够弥补转移成本的“劣势”，则高收入地区将吸引更多较高教育程度劳动力流入，最终使人力资本结构差距扩大。

总结上述命题，本文提出：随着人才政策力度不断加强，高、低收入地区间人力资本结构差距可能呈现出先缩小后扩大的U型曲线。若高收入地区政府忽视与中低收入地区共同发展的基本立场，一味追求本地人力资本结构高级化，并且仅仅以政策干预作为唯一手段，则只有继续增加资源投入，持续加大政策力度使之超越“拐点”。显然，此类措施非但会造成“与邻为壑”的恶性循环，也可能破坏人力资本在不同区域的合理分布，导致同类型人力资本局部过剩和局部短缺并存。较高教育程度劳动力在高收入地区“供给过多”，出现“低层次就业”的效率损失(陆铭，2016)[22]。所以，加强中央政府统筹管理，弱化地方政府政策干预，将成为我国优化各地区人力资本结构的必然选择。

三、实证分析

为检验理论分析所得命题，结合当前我国“4+X”区域发展总体战略，本文分别设计了检验人才政策力度影响重点地区及四大板块人力资本结构差距的回归模型。

就重点地区而言，城市群是较为合适的研究载体，因为城市群是城市与四大板块之间的空间结构，现阶段区域协调发展规划背后都是由城市群发展演变而来。不过，朱平芳和徐大丰(2007)[10]的研究提出，中国目前并没有完整地提供各城市劳动力受教育年限的统计数据，若以城市为单位估算人力资本结构，在连续的时间维度上存在劳动力受教育年限难以获得的困难，缺乏构建面板数据的条件。虽然该项研究试图改造相关方法使之适合于城市人力资本结构计量，但其假设处于同一经济环境下劳动者之间工资水平的差异反映了人力资本的差异，意味着不同人力资本类型是完全替代的(Jones，2018)[23]，不符合现实情况，无法在更深层次应用于城市人力资本结构测算。综合以上因素，本文将重点地区研究对象定位于城市群所处省份的省级数据，挑选出横跨至少两个省级单位的九大城市群，涵盖长三角城市群、京津冀城市群、哈长城市群、中原城市群、长江中游城市群、北部湾城市群、海峡西岸城市群、关中城市群和成渝城市群，以此考察重点地区内部的人力资本结构差距。

我国“政治集权、经济分权”的治理结构造成了行政功能区与经济功能区的不一致(赵勇、齐讴歌，2012)[24]，城市群内部隶属于不同省份的城市自然会受到本省经济政策的支配，使得城市之间和省与省之间的问题必然联系在了一起。省内的市场整合程度显著优于不同省份之间的整合程度，导致中心城市对同省中小城市经济资源的“虹吸效应”大于对非本省中小城市资源的吸收作用(陆铭，2017)[25]。由于省内劳动力市场整合程度相对较高，省会等中心城市经济发展水平也更高，在集聚效应等经济规律作用下，省内其他城市劳动力向中心城市集中是自发形成的收敛过程，降低了人才政策等行政干预措施的必要性。相反，劳动力跨省转移受到了省际市场分割较大限制。地方政府开始意识到，人才政策更需要降低省际转移壁垒，部分地区正在试行的人才跨省互认政策已被市场解读为地方政府“跨省抢人”的举措。研究还发现，和省际流动人口相比，省内流动人口在各个省份之间的差异较小(余运江、高向东，2018)[26]。据此推断，如果高、低收入地区人才政策力度差异是人力资本结构差距形成的原因，那么该差距应主要体现在不同省份之间而非同省各城市之间。鉴此，使用省级数据也能够与人才政策意图和作用结果相互匹配。

就四大板块而言，选择省级数据作为研究载体的原因在于，省界是历史上长期形成的行政区域管理界限，在这个界限内，存在行政管理、经济政策的一致性，四大板块内部和四大板块之间的经济要素关联无法脱离省与省之间的管辖区域因素。所以，无论是重点地区或是四大板块，运用省级数据进行检验估计都是合适且可行的。

(一)城市群所处省份之间人力资本结构差距检验

1.模型设定

人力资本结构差距作为被解释变量既受到当前因素的影响，也会面临过去因素的滞后效应(夏怡然、陆铭，2019)[27]。同时，为克服回归过程可能发生的内生性问题，修正人力资本结构与部分解释变量存在的双向因果关系，借鉴赵勇和魏后凯(2015)[28]的做法，以“九大城市群(涉及省份)—年份”面板数据为基础，使用包含被解释变量滞后一期和其他解释变量的动态面板进行估计，所有变量采用比值形式刻画地区内高收入地区与低收入地区间的差距。另外，考虑到人才政策的特殊滞后性，以及前文第二部分理论命题中的“拐点”效应，本文对核心解释变量人才政策力度滞后m期(m=1,2,…,M)，并将一次项和二次项全部纳入回归。其中，政策作用时滞M只能由实证检验，借鉴叶祥松和刘敬(2018)[29]的思路，通过逐次引入人才政策力度滞后项并根据显著性水平确定M取值。基本回归模型如下：

(6)

2.变量设定与测度

(1)被解释变量

人力资本结构比(r_Hstruc)：参考刘智勇等(2018)[2]的方法，运用人力资本空间向量与基准向量的夹角构建人力资本结构指数(Hstruc)，并将文盲半文盲、小学、初中、高中(含中专)、大专以上(专科、本科、研究生)5类不同受教育程度人口在指数中的权重分别设定为5、4、3、2、1，与国际研究标准相一致。随后，将城市群所在各省份按当年人均GDP的均值进行划分，高于当年人均GDP均值的省份定义为高收入地区，低于均值的省份定义为低收入地区，最后使用高收入地区平均人力资本结构指数与低收入地区平均人力资本结构指数进行比值，得到人力资本结构比(r_Hstruc)作为模型回归依据。以此类推，模型的其他变量也使用相同方法对高、低收入地区进行划分并求对应比值。

(2)解释变量

人才政策力度比(r_poli)：一般而言，政府文件中提及人才政策高频词的频率越高，表明地方政府对人才政策越重视。本文选择陈新明等(2020)[15]归纳的人才政策前100个高频词，剔除“我市”“市级”两个相对无意义词汇，共得98个人才政策高频词，在Python结巴分词库的基础上，运用机器学习构建98个人才政策高频词库和相关停用词库，并对2004年至2019年间涉及人才政策的三个主要层级类别文件，即重点地区层级的区域发展规划、省级政府年度工作报告以及各直辖市、各省(区)所属地级市的人才政策文件共计539个文本，分别执行文本分词、词频统计，以此测度地区人才政策力度(poli)。其中，重点地区发展规划中的词频汇总数据分别计入规划出台年份相关省(区、市)的政策力度；各省(市、区)政府工作报告所涉及的人才政策词频直接计入本省(市、区)当年政策力度；各省(区)所属地级市的人才政策文本词频根据省(区)内地级市的数量取算术平均后计入该省(区)当年政策力度。最后将高收入地区平均政策力度除以低收入地区平均政策力度作为人才政策力度比(r_poli)代入模型。

(3)控制变量

参考赵勇和魏后凯(2015)[28]、夏怡然和陆铭(2015，2019)[5][29]、陆铭(2017)[25]、刘智勇等(2018)[2]以及张海峰等(2019)[20]的做法，设定以下控制变量：

人均GDP比(r_mgdp)，使用高收入地区平均人均GDP(mgdp)与低收入地区该项指标之比衡量。教育发展程度比(r_coll)，使用高收入地区平均普通高等学校数量(coll)与低收入地区该项指标之比衡量。房屋价格水平比(r_house)，使用高收入地区平均房屋价格水平(house)与低收入地区该项指标之比衡量，房屋价格水平由商品房销售额除以商品房销售面积计算。经济开放度比(r_open)，使用高收入地区平均经济开放度(open)与低收入地区该项指标之比衡量，经济开放度由进出口贸易总额占总产出的比重计算。工资水平比(r_wage)，使用高收入地区平均工资水平(wage)与低收入地区该项指标之比衡量。交通条件比(r_trans)，使用高收入地区平均交通条件(trans)与低收入地区该项指标之比衡量，交通条件由公路里程数与铁路营业里程数之和测度。产业结构比(r_indtry)，使用高收入地区平均产业结构(indtry)与低收入地区该项指标之比衡量，产业结构计算方法为第三产业产值与第二产业产值之比。

3.数据来源

所有数据涉及年份均为2004年至2019年。除人才政策力度比(r_poli)需要全部由人工手动搜集文本并通过Python编程计算获得外，其余数据都来自2005年至2020年《中国统计年鉴》和国泰安数据库(CSMAR)。需要说明的是，人力资本结构指数计算所使用的5类教育程度人口数在《中国统计年鉴》和国泰安数据库中均为抽样数据，本文根据抽样比例进行了还原调整。由于本文模型都采用均值比和变异系数作为最终指标，若存在个别缺失值不影响回归结果，最终进入回归模型的变量描述性统计情况见表1。

表1 变量描述性统计

4.回归结果

在采用广义矩法估计模型参数时，人均GDP比(r_mgdp)和教育发展程度比(r_coll)可能具有内生性：一方面，经济发展水平和教育发展程度的提高会促进人力资本结构高级化；另一方面，人力资本也是推动经济增长的重要条件，更是教育发展不可或缺的要素之一。故而在广义矩估计中使用了r_mgdp和r_coll的滞后项作为工具变量，详细回归结果在表2中汇报。

表2的列(1)(2)报告了将人才政策力度滞后一期的Diff-GMM和Sys-GMM回归结果。可以看出，人力资本结构差距的滞后项对解释当期人力资本结构差距具有高度显著性，但滞后一期人才政策力度差异的一次项和二次项都不显著，说明人才政策在实施后的第一年尚未产生明显效果。对此，表2中列(3)(4)汇报了引入人才政策力度滞后二期的回归结果，发现人才政策力度差异滞后一期不显著，但滞后二期的一次项和二次项均显著，且无论何种情况，滞后二期人才政策力度差异的一次项都为负，二次项都为正，基本证实了理论模型中人才政策力度对人力资本结构差距的影响呈U型的命题。为进一步检验政策作用时滞，表2中列(5)(6)再次引入人才政策力度滞后三期，然而除了滞后二期的一次项和二次项显著外，滞后一期和滞后三期的所有变量都不显著，最终确定人才政策的影响时滞为两年，即原模型中M=2。可能的原因是，当前地方政府人才政策仍倾向于吸引较高教育程度劳动力，与较低教育程度劳动力相比，教育程度较高者转移的机会成本更高，决策时间较长，导致平均政策影响时滞为两年。在方程整体的有效性方面，Arelleno-Bond二阶序列相关检验表明各模型残差不存在二阶序列相关，同时也通过了衡量整体工具变量有效性的Sargan过度识别检验，至此全部估计量都是一致且有效的。

表2 城市群所处省份之间人力资本结构差距回归结果

在控制变量中，对外开放程度差异和房屋价格水平差异对人力资本结构差距同样具有较大影响，不过方向相反：对外开放程度差异越大，人力资本结构差距越小，说明扩大开放有利于促进劳动力跨地区流动，因而可在一定程度上缩小地区间人力资本结构差距；但房屋价格水平差距扩大则会加剧人力资本结构差距，与相对房价可能会诱使高教育程度劳动力流动(夏怡然、陆铭，2015)[5]的观点一致，原因是高收入地区的高房价一般只有高教育程度劳动力愿意负担，阻止了低教育程度劳动力跨省转移。

5.拐点测算

人才政策力度评估还应关心的一个问题是目前中国主要区域内部人才政策力度差异处于U型曲线的哪一个阶段？为此，以表2列(4)的回归结果为依据，计算出九大城市群所在省份人才政策力度比(r_poli)的拐点大致为1.158。从历年r_poli变量的数值看，超过该拐点从而使得人力资本结构差距扩大的样本共55个，占全部144个样本的38.19%，具体分布如表3所示。

表3 九大城市群所处省份人才政策力度比超过拐点频次

就人才政策力度差异位于拐点左侧的89个样本而言，结果具有两层现实含义。其一，高收入地区人才政策所吸引的较高教育程度劳动力有限，意味着存在相当数量的人才政策效果未及地方政府试图争夺高技能人才的“预期”，说明单独的政策措施可能无法弥补一部分较高教育程度劳动力的转移成本，使这类人才“招不来”或“留不住”；其二，高收入地区较低教育程度劳动力占比增加的事实，表明对应工作岗位能够由较低教育程度劳动力承担，地方政府偏好较高教育程度劳动力的政策导向一定程度上会形成“学历通胀”，无益于人力资本有效配置。

就人才政策力度差异位于拐点右侧的55个样本而言，人才政策会扩大人力资本结构差距，且从总体上看，东部地区涉及的频次最多。若对频次排名前3的城市群做深入分析：北部湾城市群所处省份中，广东、海南在东部，广西在西部，2019年广东、海南、广西的人均GDP分别是94172、56507、42964元，三省均值约为65458元。很明显，人才政策力度差异主要反映的是作为东部高收入地区的广东与东部低收入地区的海南、西部低收入地区的广西之间的差距，继而导致了这三个东、西部省份之间人力资本结构的差距。同理，长三角城市群所处省份主要是东部的上海、江苏与东部的浙江、中部的安徽之间人才政策力度差异所带来的人力资本结构差距，海峡西岸城市群所处省份主要是东部的福建、广东与中部的江西之间人才政策力度差异所诱致的人力资本结构差距。至此，可以进一步猜测，我国区域人才政策力度差异主要体现在东部地区内部高、低收入地区之间，以及东部与中、西部地区之间差异过大。换言之，东部高收入地区政策力度偏大，而中、西部地区政策力度差异小于东部，人才政策力度差异在四大板块中更能够解释东部地区的人力资本结构差距。

(二)全国及四大板块人力资本结构差距检验

为了继续验证由城市群所在省份回归模型估计结果所引发的猜测，分析人才政策力度差异等因素对全国及四大板块人力资本结构差距的实际影响，按照刘智勇等(2018)[2]的思路，结合人才政策影响时滞为两年的结论，设定以下普通最小二乘(OLS)检验模型：

V(Hstruc)t=α0+α1V(poli)t-2+αV(X)t+vt

(7)

其中，V(Hstruc)t、V(poli)t-2、V(X)t分别代表人力资本结构、滞后二期人才政策力度和其他控制变量在全国及四大板块内部各省份之间的差异程度，统一由变量本身的变异系数衡量，控制变量中mgdp和coll均滞后一期以缓解内生性。回归结果报告于表4。

表4 全国及四大板块人力资本结构差距检验回归结果

表4依次汇报了全国及东部、东北、中部、西部地区因人才政策力度等因素差异所引起的人力资本结构差距情况。不难发现，全国和东部滞后二期的人才政策力度差异显著且系数为正，说明在全国人才政策力度差异会造成人力资本结构差距问题愈发严峻，时滞为两年，且这一现象是由东部引起，证实了我国区域人才政策力度导致人力资本结构差距扩大主要发生在东部这一猜测的准确性。这意味着相比于其他三大板块，东部地区人才政策已经显现出政策弊端，在竞争性“抢人”愈演愈烈的情况下，人才政策拉大了高、低收入地区之间人力资本结构差距，不利于区域协调发展。具体表现为东部部分地区出现高教育程度劳动力“供给过多”“工作难”，而消费型服务业所需要的低教育程度劳动力却“供不应求”，产生消费服务价格居高不下的“怪现象”(陆铭，2016)[22]。所以，东部地区必须摒弃狭隘的地方主义思维，避免人才政策竞争行为加剧，不仅要处理好重点地区内部资源合理配置的关系，还要处理好与其他三大板块共同发展的关系。

四、稳健性检验

(一)城市群所处省份之间人力资本结构差距的稳健性检验

1.调整内生变量

遵循刘智勇等(2018)[2]进行稳健性检验的思路，调整模型内生解释变量。在原广义矩估计方法把r_mgdp和r_coll视为具有内生性的基础上，再新增人才政策滞后项作为内生变量，重新得出回归结果。结果显示，人才政策力度差异滞后一期的一次项和二次项都不显著，证明人才政策在滞后一期时无明显效果的结论可靠。滞后一期及滞后三期的人才政策力度始终不显著，但滞后二期的一次项和二次项都显著，且一次项系数均为负，二次项系数都为正，再次印证了人才政策力度差异对人力资本结构差距的影响呈U型，影响时滞为两年。另外，各方程也都通过了Arelleno-Bond二阶序列相关检验和Sargan过度识别检验，说明所有估计量都是一致且有效的，回归结论稳健。

2.调整估计方法

原模型选取了九大城市群连续16年的面板数据，即使运用面板固定效应模型估计，偏差也十分有限。为进一步确保广义矩方法所得结果的稳健性，本文利用双向固定效应面板回归模型进行了重新检验，并针对可能存在双向因果关系问题的r_mgdp和r_coll使用滞后一期带入模型以缓解内生性。结果显示，在人力资本结构差距滞后项依旧保持高度解释能力的情况下，无论是否控制固定效应，核心解释变量人才政策力度差异的滞后二期始终显著，且一次项都为负，二次项都为正，再次证明U型的论断稳健。同样，人才政策力度差异滞后一期、滞后三期均不显著，说明人才政策对人力资本结构的影响主要发生在滞后第二年。

(二)全国及四大板块人力资本结构差距稳健性检验

由于原检验结果中部分控制变量在全国范围和四大板块内都不能较好地解释各省份人力资本结构差距，可能会对模型估计结果产生一定干扰，因此借鉴刘贯春等(2019)[30]调整解释变量的做法，在剔除了显著性较弱的控制变量后，模型回归结果依旧只有全国和东部地区滞后二期的人才政策力度差异能够显著解释人力资本结构差距，系数仍然为正，说明人才政策力度差异是造成人力资本结构差距扩大的原因，且该现象主要由东部的人才政策引起，影响时滞为两年，估计结果可靠。

五、结论与政策启示

本文以“人才政策力度—人力资本结构差距”为主线，分别构建理论模型和实证模型研究地区间人才政策力度差异对人力资本结构差距的影响。理论模型提出，随着高收入地区人才政策力度不断加码，高、低收入地区间人力资本结构差距将呈现先缩小后扩大的U曲线。结合机器学习和词频统计方法测度人才政策力度后，本文对城市群所处省份之间人力资本结构差距的检验验证了U曲线论断，且政策影响时滞为两年。同时，通过对“拐点”的测算发现，区域人才政策力度差异导致人力资本结构差距扩大的现象主要“推手”是东部地区，并最终由全国及四大板块的实证检验所证实。

本文的政策启示是：对东部地区而言，必须摒弃地方保护主义思维，避免将加强人才政策力度视为本地区人力资本结构高级化的唯一手段。要把人才政策置于区域协调发展战略背景中加以考虑，更多依靠内部人力资本积累，减少对外部尤其是欠发达地区人力资本流入的行政干预，不应使用公共政策针对低教育程度劳动力流入进行歧视。要打破地区分割和政策壁垒对人力资本市场形成的桎梏，稳步实现人才要素的共享与合作。

对中、西部及东北地区而言，要使人才政策服务于拥有内需且具有本地优势的产业、行业，做到精准引进，不应脱离经济发展实际盲目跟风参与人才政策竞争。更重要的是，要注意保证人才政策的系统性、连贯性，同时加大力度培育本地劳动力市场，在人才储备与引进之间做到平衡与兼顾，以免出现人才增存矛盾。

对全国而言，必须在宏观层面规范地方政府间的人才竞争秩序，由中央政府制定相关制度来协调、约束地方之间的人才政策过度竞争。要引导地方人才政策向良性方向发展，使地方政府在中央全局性指导下发挥其积极性，自觉将短期利益、局部利益融入国家的长远利益、全局利益，根据本地区资源禀赋和产业发展条件合理配置人力资本。要逐步弱化地方政府行政干预人才流动、扭曲市场机制的行为，让市场在劳动力流动中发挥主导作用。