人才红利对上海经济产出效率的影响效应研究

□彭 俊

｜背景与目标问题的提出

（一）问题的提出

最新的第七次全国人口普查（下文简称“七人普”）数据显示，上海15-59 岁劳动适龄人口比重进一步下降。2012 年起，我国劳动年龄人口的数量和比重就开始出现“双降”，至2018 年末全国就业人口总量也首次出现下降，上海受益于不断涌入的年轻外来常住人口，劳动年龄人口总量和比重的变化趋势稍晚于全国，在2010 年达到顶峰的76.3%比重后，开始呈现逐渐下降的趋势。2020 年，上海15-59 岁劳动适龄人口1662 万人，仍然比较充沛，但未来的减少趋势不可避免，依靠人口红利推动经济增长的时代逐渐过去，即人口红利的时间窗口正在逐步关闭，下一步必须向人才素质、劳动力结构优势转变，即依靠人才红利推动经济高质量发展。

（二）目标

本文的主要目标是研究上海就业人口中的人才红利对经济增长的影响效应，通过建模来挖掘验证人才红利对经济产出效率的影响方式、影响结构与空间效应有何特征，以此为上海更好利用人力资本红利促进经济转型发展提供政策与建议。因此，我们充分发挥“七人普”与第四次经济普查（下文简称“四经普”）数据作用，为本课题设定了一个相对数据可获得、可复制的“人才”定义：15 周岁及以上的就业人口①①就业人口是指“一周内为取得收入而工作了一小时以上”或“在职休假、在职学习培训、临时停工（保留工资）”人员。中或者职业为“党的机关、国家机关、群众团体和社会组织、企事业单位负责人”或“专业技术人员”，或者受教育程度为大专及以上的人口，将该类“人口占就业人口的比重”作为本文探索人才对经济效率影响评价建模的指标基础。

｜上海市人才现状分析

（一）就业人口中的人才比重为53.7%

“七人普”长表抽样数据显示，就业人口中的人才比重为53.7%，比2010 年提高了19.5 个百分点，其中，户籍常住人口的该比重为56.8%，外来常住人口该比重为43.2%。

（二）人才的平均年龄为35.4 岁

人才的平均年龄为35.4 岁，比2010 年提高1.3 岁，比就业人口的平均年龄低2.7 岁。其中，户籍人才的平均年龄为38 岁，比外省市来沪人才的平均年龄高6 岁。

（三）金融、科研、教育和信息行业集聚

分行业看，人才占就业人口的比重较高的行业是金融业，教育，科学研究和技术服务业和信息传输、软件和信息技术服务业，其比重分别为 91.4%，88.2%，88.2% 和86.8%。与2010 年相比，金融业就业人口中人才的比重均位居行业之首，比重略减0.2 个百分点。

（四）人才相对集中于“专业技术人员”

分职业看，上海专业技术人员占人才的比重为38.6%，位居职业前列，比2010 年下降5.3 个百分点；社会生产服务和生活服务人员所占比重提升最快，从2010 年的15.0%提高到32.8%，提高了17.8个百分点。

｜人才红利对经济效率的影响效应测度

相对于劳动力要素，人才要素对经济效率的影响可能更为复杂，因此本文分别从中介、门限与经济空间三个维度来测度人才红利对经济效率的影响效应。主要使用“七人普”和“四经普”数据，包括人才占比、劳动生产率、资产贡献率、信息化投入强度、综合技术效率等五项分行业大类①①“农林牧渔业”“采矿业”“烟草制品业”“公共管理、社会保障和社会组织”“国际组织”暂不纳入测算。的统计指标。人才占比=受教育程度为大学及以上或职业为单位负责人、专业技术人员/就业人口总数，劳动生产率=总产出②为保持二产和三产、“四上”和“四下”测算口径一致，行业总产出按营业收入-营业成本+税金及附加进行测算。/从业人员平均人数，资产贡献率=总产出/资产总计，信息化投入强度③由于该指标无“四下”数据，故仅测算“四上”部分。=信息化投入/营业收入，综合技术效率选择EBM-超效率模型进行测算，投入指标为劳动力要素和资本要素，产出指标为总产出。（表1）

表1 人才红利对经济效率影响的建模指标数据示例

（一）人才红利对经济效率影响的中介效应测度——影响方式能够复合、影响程度能够叠加

1.人才红利对经济效率影响的中介效应测度方法。结构方程模型是基于协方差矩阵分析多个原因和结果间关系的多元统计方法，本部分使用包含中介效应的结构方程模型分析人才红利对经济效率的中介效应。

包含中介效应的结构方程模型的表达为:

式中，yt为被解释变量，xt为解释变量，mt为中介变量，at′为直接效应，βtγt为间接效应，at为总效应，εit为误差项。a 代表自变量X作用于中介变量M 的效应，c' 代表考虑或控制中介变量M 后，自变量X 作用于因变量Y 的效应。

2.人才红利对经济效率影响的中介效应测度结论。设定模型的被解释变量为综合技术效率，解释变量为人才占比，中介变量为劳动生产率、资产贡献率、信息化投入强度。求解软件为AMOS 24，设置1000 次Bootstrap 自抽样检验中介效应，并输出结果（图1）。

图1 结构方程模型参数估计标准化结果

（1）模型整体拟合效果较为理想。卡方统计量伴随概率为0.301＞0.05，说明假设模型的变量关系矩阵与实际数据的变量关系矩阵不存在显著差异，假设模型能够获得实际数据的支持。其他绝对、增值、综合拟合度指标同样显示模型整体拟合较为理想（表2、表3、表4）。

表2 结构方程模型绝对拟合度评价指标

表3 结构方程模型增值拟合度评价指标

表4 结构方程模型综合拟合度评价指标

（2）人才要素对经济效率的影响方式具有复合性。影响方式能够符合是指人才要素对经济效率既能产生显著的直接效应，也能产生显著的间接效应。一方面，“人才占比”对“综合技术效率”直接效应的标准化有偏校正置信区间不包括0，显著性检验伴随概率为0.066，说明具有90%置信水平下显著的直接影响。另一方面，“人才占比”对“综合技术效率”间接效应的标准化有偏校正置信区间不包括0，显著性检验伴随概率为0.001，说明具有95%置信水平下显著的间接影响。

（3）人才要素对经济效率的影响程度具有叠加性。影响程度能够叠加是指人才要素对经济效率产生的直接效应和间接效应的系数估计均为正值，并非一正一负。“人才占比”对“综合技术效率”总效应的系数估计为0.808。其中，直接效应（即“人才占比-＞综合技术效率”）的系数估计为0.407，间接效应（即“人才占比-＞M”דM-＞综合技术效率”）的系数估计为0.401（表5）。结果说明人才要素既能够直接促进经济效率的提高，且人才要素的聚集程度越高对经济效率的直接拉动作用越强，也能够先提高劳动力、资本、信息化等生产要素的使用效率，再进一步地促进经济效率的提高，且人才要素的聚集程度越高对经济效率的间接拉动作用同样越强。

表5 结构方程模型系数估计

（二）人才红利对经济效率影响的门限效应测度——能够优化生产要素的影响结构

1.人才红利对经济效率影响的门限效应测度方法。门限回归模型用于描述复杂随机系统，核心思想在于捕获门限变量可能发生跳跃的临界点，在该点处模型系数发生改变，从而更能解释非线性的经济现象，本部分使用截面门限回归模型分析人才红利对经济效率的门限效应。

门限回归模型的主要分析流程是，第一步对所有门限值求其残差平方和，将残差平方和最小值对应的门限值记为θ，第二步使用门限值θ 估计模型在不同区间的系数。单一截面门限回归模型的表达式为y=β1xI (q ≤γ) +β2xI (q ＞γ) +ε，式中，y 表示被解释变量，x 表示解释变量，I (·) 表示定义的指示函数，当q≤γ 时，门限回归的系数为β1，当q＞γ 时，门限回归的系数为β2，ε 为误差项。

2.人才红利对经济效率影响的门限效应测度结论。设定模型的被解释变量为综合技术效率，解释变量为劳动生产率、资产贡献率、信息化投入强度，门限变量为人才占比。求解软件为Stata 16，设置1000次Bootstrap 自抽样检验门限效应。

（1）模型整体拟合效果较为理想。门限效应的LM 检验统计量为4.112，伴随概率为0.972＞0.05，故拒绝原假设（不存在单一门限）。多元线性回归模型的R2=0.734，门限回归模型的Joint R2=0.900，门限变量的临界点q=0.572，门限回归模型相对于多元线性回归模型拟合效果更为良好。

（2）人才要素集聚程度较低的行业主要依靠传统生产要素提高经济效率。模型在门限变量临界点左侧的“劳动生产率”系数估计为0.00049，“资产贡献率”为3.437，分别大于临界点右侧的0.00005 和1.811，说明当人才聚集程度较低时，劳动力、资本等传统生产要素对经济效率的影响程度相对较大。对于这些行业而言，政府部门可以侧重引导其充分挖掘传统生产要素的使用潜能来提高经济效率。

（3）人才要素集聚程度较高的行业主要依靠新兴生产要素提高经济效率。模型在门限变量临界点右侧的“信息化投入强度”系数估计为1.176，大于临界点左侧的0.489，说明当人才要素的聚集程度较高时，信息化、数字化等新兴生产要素对经济效率的影响程度相对较大。对于这些行业而言，政府部门可以侧重引导其充分发挥新兴生产要素的使用潜能来提高经济效率（表6）。

表6 截面门限回归模型系数估计

（三）人才红利对经济效率影响的经济空间效应测度——能够通过溢出效应扩大影响范围

1.人才红利对经济效率影响的经济空间效应测度方法。根据地理学第一定律（Waldo Tobler，1970）“地物之间的相关性与距离有关”可知，同一重大突发事件对不同区域企业要素效率的影响可能存在空间相关性，本部分使用空间计量模型分析人才红利对经济效率的经济空间效应。

通用嵌套空间模型 GNSM（Allers and Elhorst，2005）为y=ρWy+Xβ+WXθ+μ，μ=λWμ+ε。其中，y 表示被解释变量，X表示解释变量，W表示空间权重矩阵，μ 表示随机干扰项，ρ 表示空间自回归系数，λ 表示空间自相关系数，Wy 表示被解释变量间的内生交互效应，WX 表示解释变量间的外生交互效应，Wμ表示随机干扰项间的交互效应。

2.人才红利对经济效率影响的经济空间效应模型选择

设定模型的被解释变量为综合技术效率，解释变量为劳动生产率、资产贡献率、信息化投入强度、人才占比。求解软件为MATLAB 2021b，估计方法选择两阶段最小二乘法。

第一步，空间权重矩阵设计。第一个候选空间权重矩阵为完全消耗系数矩阵w1，基于上海市投入产出调查的部门完全消耗系数构造。第二个候选空间权重矩阵为经济效率反距离矩阵w2，d 表示样本i 和j 样本间综合技术效率之差的绝对值，k 表示衰减系数（本文设定为1）。

第二步，全局空间自相关检验。分别使用莫兰指数I 和吉尔里指数C 对行标准化后的候选空间权重矩阵进行双边全局空间自相关检验。由检验结果（表7、表8）可知，w2 通过了95%置信水平下的两项全局空间自相关检验，故选择w2 为模型的空间权重矩阵。

表7 候选空间权重矩阵的莫兰指数I 全局空间自相关检验

表8 候选空间权重矩阵的吉尔里指数C 全局空间自相关检验

第三步，最优空间全局模型选择。使用w2 为空间权重矩阵，对样本集依次进行NSM、SAR、SEM和SDM 模型拟合，并进行LM、LR、Wald 检验。根据拟合和检验结果，确定选择SDM 模型为最优空间全局模型。

3.人才红利对经济效率影响的经济空间效应测度结论

（1）人才要素对经济效率具有显著的经济空间溢出效应。本行业“人才占比”对本行业“综合技术效率”的系数估计为0.416，且通过了99%置信水平下的显著性检验。同时，邻近行业“人才占比”对本行业“综合技术效率”的系数估计为0.456，且通过了95%置信水平下的显著性检验。结果说明人才要素的聚集程度越高不仅越能拉动本行业的经济效率，而且还能将这种影响延伸到经济效率与其相近的行业，促进这些行业经济效率的提高。

（2）人才要素对经济效率的经济空间溢出效应仍存在增强空间。本行业“人才占比”对本行业“综合技术效率”的系数估计为0.4157，低于“资产贡献率”的1.3153；邻近行业“人才占比”对本行业“综合技术效率”的系数估计为0.4557，同样低于“资产贡献率”的2.3722。结果说明，虽然人才要素的聚集程度越高不仅越能拉动本行业的经济效率，还能促进邻近行业经济效率的提高，但从两类效应的影响程度看还均都低于资本要素。也就是说，人才红利对经济高质量发展的助推和驱动作用已较为有力，但仍有进一步增强的空间（表9）。

表9 SDM 参数β 和θ 估计结果

（四）测度模型小结

本文分别从中介、门限与经济空间测度了人才红利对经济效率的影响效应，主要得到了三方面的研究结论，可用“三个能够”概括。一是人才要素能够复合对经济效率的影响方式、叠加对经济效率的影响程度，人才聚集程度越高既能够直接拉动经济效率，也能够先改善其他生产要素的使用效率再间接地进一步拉动经济效率。二是人才要素能够优化生产要素对经济效率的影响结构，当人才聚集程度较低时劳动力、资本等传统生产要素对经济效率的拉动作用较为明显，当人才聚集程度较高时更能激发信息化、数字化等新兴生产要素对经济效率的拉动作用。三是人才要素能够通过溢出效应扩大对经济效率的影响范围，人才聚集程度越高不仅越能够拉动本行业的经济效率，还能够将这种影响延伸到邻近行业，促进邻近行业经济效率的提高。

｜政策建议

（一）创新人才体制机制，积极打造上海人才高地

本文建模结果表明，人才要素既能够直接促进经济效率的提高，且人才要素的聚集程度越高对经济效率的直接拉动作用越强，也能够通过提高劳动力、资本、信息化等生产要素的使用效率促进经济效率的提高，且人才要素的聚集程度越高对经济效率的间接拉动作用同样越强。因此，上海要进一步创新人才体制机制，着力优化人才发展环境，加大国际化和创新型人才的培养和引进力度，积极打造上海人才高地，推动经济高质量发展。

只有建立合适的人才选拔机制和人才激励机制，才能更快地释放人才红利，让更多“千里马”奔腾于新时代，为上海经济增长提供不竭动力。要打破束缚人才的制度羁绊，优化落户政策，让创新血液在全社会自由流动，让创造活动拥有更广阔空间。积极推广分类推进人才评价机制改革成果，扩大惠及面。积极推广集成电路、人工智能和生物医药等战略性新兴产业领域由领军企业等牵头制定人才评价标准的先进做法。

（二）积极培育数字化人才，奋力创造新时代上海发展新奇迹

建模结果表明，当人才要素的聚集程度较低时，劳动力、资本等传统生产要素对经济效率的影响程度相对较大。当人才要素的聚集程度较高时，信息化、数字化等新兴生产要素对经济效率的影响程度相对较大。因此，对于人才集聚程度比较低的行业，政府部门可以侧重引导其充分挖掘传统生产要素的使用潜能来提高经济效率；对于人才集聚程度比较高的行业，政府部门可以侧重引导其充分发挥新兴生产要素的使用潜能来提高经济效率。

（三）抓住关键行业“牛鼻子”，推动上海经济高质量发展

建模的结果提示人才要素的聚集程度越高不仅越能够拉动本行业的经济效率，而且还能将这种影响延伸到技术效率与其相近的行业，促进这些邻近行业经济效率的提高。以“软件和信息技术服务业”为例，与其技术效率较为相近的行业包括“教育”“研究和试验发展”“新闻和出版业”“电信、广播电视和卫星传输服务”等。如果“软件和信息技术服务业”的人才聚集程度提高，除了会拉动本行业的经济效率外，还会促进上述这些邻近行业经济效率的提高。因此，上海要抓住关键行业“牛鼻子”，扩大关键行业的带动效应，推动经济高质量发展。