人力资本结构高级化对绿色经济效率的影响研究

葛雨晴

（重庆理工大学，重庆 400054）

一、引言与文献综述

随着绿色经济的发展理念日益普及，如何推进经济增长方式的转型，以实现绿色经济的目标已成为世界各国普遍关注的问题。人力资本是推动经济增长最活跃、最具潜力的因素之一，也是决定绿色发展成效的关键因素。人力资本作为一种生产效率的提升，提高技术是重要来源，通过人力资本的提升，能激发“人口素质红利”，让劳动者拥有更高的专业水平和综合素质，有助于释放我国绿色经济增长的活力。因此，如何利用人力资本，起到人力资本高级化作用，这对促进中国绿色经济效率具有现实意义。

1.关于人力资本结构高级化的文献综述

张宽等（2022）认为，人力资本发展的进程中，在由不同层次人力资本为表现形式的人力资本内部，低级人力资本占比下降而高级人力资本占比提高，从而适应经济社会高质量发展对于高素质人力资本的要求。现有研究中对人力资本结构高级化的测度，多采用胡永远等（2004）的空间向量夹角计算方法。耿晔强等（2019）利用空间向量夹角，考察了人力资本结构高级化与研发强度对于发展中国家在全球价值链中地位提升的作用。张一亨（2022）参考刘智勇的方法，对人力资本的结构研发投入与经济增长之间的关系进行了实证检验。周均旭等（2022）运用该方法对人力资本结构高级化指数进行了度量，建立了以研发投入为门槛的门槛模型，实证研究了人力资本结构高级化与科技创新之间的关系。

2.关于绿色经济效率的文献综述

一些学者认为，经济效率的评价需要考虑经济环境社会等多个因素。许宁等（2019）认为，绿色经济效率就是兼顾资源利用与环境污染之后的效率。目前，对绿色经济效率问题的研究大多是从定量的角度出发。曾繁华等（2022）使用含有非期望产出效率GML 指数并就数字金融对绿色经济效率产生的影响进行了实证分析，研究发现，数字金融对城市绿色经济效率提升具有创新协调效应与生态补偿效应。张世杰（2020）采用熵权法合成了6 个工业废物指标，构建了反映地区环境污染程度综合指数，然后运用超效率SBM 模型对河北省绿色经济效率水平进行测度。管宁等（2022）将要素投入、经济产出和环境负外部性纳入绿色经济效率评价体系衡量京津冀绿色经济效率，并对数字服务经济对绿色经济效率产生影响的机制展开了分析。

3.人力资本结构高级化对绿色经济效率影响的文献综述

一些学者从人力资本的角度出发，对人力资本与绿色经济之间的联系进行了研究。Ganda（2022）研究发现，人力资本与环境质量及环境可持续性在短期和长期内均呈现显著正相关。Ahmed 等（2019）认为人力资本或许是解决环境问题、实现可持续发展最主要的因素。牛镕恺（2021）发现，国内人力资本不断积累，使得产业生产倾向于信息、技术应用要求，进而积极影响绿色全要素生产率。Chen 等（2022）研究得出随着人力资本的提高，生态足迹先上升后下降的结论。董亚娟等（2017）发现有效的教育可以提高人力资本，为科技创新和推动绿色经济效率提供强有力的支持。通过研究农村人力资本在提升农业绿色生产率方面的作用，张淑辉（2017）发现，中等人力资本可以促进农业绿色生产率的提高，而初等人力资本则会对其产生一定的抑制作用。

通过阅读与梳理有关文献，发现分别从人力资本结构和绿色经济效率两个方面展开的研究文献较为丰富，但尚存在如下缺陷。其一，已有文献测度绿色经济效率时并未考虑污染排放的空间溢出效应，负外部性等，这不利于进一步完善我国的绿色经济效率评价指标体系。其二，多数研究中对于人力资本的分析还主要停留在其存量方面，结构状况研究较少。鉴于此，本文运用基于非期望产出的改进超效率SBM 模型测算我国各省市绿色经济效率的基础上，基于省级面板数据进行实证检验，从而根据研究结果寻找提升我国绿色经济效率的方法和路径，在此基础上提出兼具可行性和有效性的建议。

二、研究设计

1.模型构建

本文选取的是2005—2021 年港澳台地区和西藏自治区外的30 个省（自治区、直辖市）的样本数据，为了解决可能存在的组间异方差问题以及组内自相关的问题，实证中加入稳健标准误进行回归分析。基于本文研究，构建以下模型作为基准回归模型：

geeit=β0+β1hstrucit+β2

6Xit+ui+vit

i 表示地区，t 表示时间，gee 代表被解释变量绿色经济效率，hstruc 为核心解释变量人力资本结构高级化指数，Xit代表除hstruc 以外对绿色经济效率有影响的宏观经济要素，β0为常数项，β1～β6为待估计的参数，ui+vit为复合扰动项，其中ui代表个体效应，vit为随机扰动项，随个体与时间而改变。

2.变量选取与数据来源

（1）核心解释变量

本文借鉴了刘智勇等（2018）的人力资本结构高级化测度的思想，通过构造向量夹角来衡量核心解释变量。从整体上看，hstruc 指数的计算过程反映了不同受教育程度下人力资本所占比例的变化对人力资本结构所产生的影响，可用于衡量人力资本结构的高级化水平。

（2）被解释变量

Tone（1978）在非径向、非角度的SBM 模型的基础上，通过松弛变量的加入，成功解决了投入产出松弛性和非期望产出的效率评价问题。但因为SBM 模型的取值范围介于0 和1 之间，所以在标准的效率模型中，容易产生多个决策单元都具效率的问题，而超效率SBM 模型则将SBM 模型和超效率模型相融合，能够在有效决策单元中作比较，从而可以更好地弥补标准效率模型的不足。然而，只顾及非期望产出的超效率SBM 模型有个很大的缺陷，它没有考虑非期望产出的负外部效应。事实上一个省份的污染物排放不仅仅构成了本省的非期望产出，它还会对相邻省份的要素投入产生一定的影响，这一影响在对水资源的利用方面表现得尤为明显。就其实质而言，它主要是源于污染的空间溢出效应。基于此，本文借鉴赫永达等（2022）的做法，进一步完善超效率SBM 模型，将环境污染的外溢效应作为产出活动中的非期望投入，进而来研究中国不同区域之间的绿色经济效率及绿色全要素生产率的变动趋势。

本文选取了以下投入、产出变量，构建了一套绿色经济效率度量体系。为了反映该地区的真实经济发展水平，本文选取实际GDP 作为期望产出变量，以2005 年为基期，利用历年GDP平减指数换算为当年不变价GDP。根据目前绿色经济效率测度的研究，本文选取能源、劳动力和资本三个期望投入变量。选取地区能源消费总量作为能源投入的指标，选取当年年末从业总人数作为衡量劳动力投入的指标，采用全年固定资产投资总额作为资本投入量。选取经济社会生产过程中产生的环境污染作为非期望产出，主要包含了工业生产中产生的废水、废气和固体废弃物等污染。基于此，以工业废水排放量（万吨）、工业二氧化硫排放量（吨）及工业烟（粉）尘排放量（吨）作为基础指标，参考沈坤荣等（2017）构建了污染排放总指数（ep_total）作为非期望产出的代理变量。最后利用地理距离权重矩阵对原始污染数据进行处理，得到本文的非期望投入值。

（3）控制变量

能源消费强度以各个地区的能源消费总量占GDP 的比重来表示，选用第三产业与第二产业增加值之比衡量产业结构这一变量，政府规制以地方财政一般预算支出占GDP 的比重来表示，金融集聚程度以30 省区市金融增加值占GDP 的比重与金融增加值全国之和占GDP 全国之和的比重的比例来表示，科技创新水平以科学技术支出占地方财政一般预算支出的比重来表示。

（4）数据来源

数据取自《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》等。

三、实证分析

1.基准回归分析

表1 展示了基准回归结果，第（1）列中核心解释变量的系数为正且通过了1%的显著性检验。在第（2）至第（6）列中，逐步引入控制变量后，仍然发现人力资本结构高级化的回归系数为正，且所有变量均通过了1%的显著性检验，这表明人力资本结构高级化对于提高绿色经济效率的作用非常显著。在第（6）列中，人力资本结构高级化的回归系数为0.102，表示人力资本结构高级化每提高1%，绿色经济效率提高0.102%。当一个地区的人力资本结构水平不断提高时，相关行业的需求也会随之增加，从而形成了一种“要素引导效应”。受人力资本外部性影响较大，以知识技术密集型为龙头的有关行业将继续成长壮大，随着技术的不断创新和人力资本结构的不断优化，相关行业将得到持续的发展和壮大。这种发展和壮大有助于促进技术进步和制造业转型升级，为区域发展绿色经济提供有力的行业与技术支持。

表1 基准回归

2.异质性分析

由于各地的发展水平存在一定的差异，人力资本结构的高级化水平和绿色经济效率同样具有地域差异，因此，本研究进一步对全样本进行了分样本处理，表2 是分东部、中部和西部地区三个区域样本回归结果。人力资本结构高级化对我国东部、中部、西部地区的绿色经济效率的影响分别在1%、1%、5%的显著性水平上通过检验且系数为正。关于人才引进，东部是最具吸引力的区域，由于它率先开放，并提供优厚待遇，环境良好，吸引着来自其他区域的人才。中西部地区则相对较为保守，原因在于西部地区缺乏与东部相比较的经济优势，而且教育水平也不高，导致人才的外流现象严重。中西部地区由于经济发展落后于东部地区，所以对人才需求少，且缺乏相应的配套设施和优惠政策，导致引进人才难度大。中部地区在人才引进政策方面较为完善，高校建设处于中等水平，尽管比东部地区低，不过还是优于西部地区。而反观西部地区自然环境较差、交通基础设施薄弱、教育事业发展滞后，同时研发基地和学校建设成本过高，导致西部地区人才密度较小。大多数技术开发与教育资源都流向了别的区域，这不利于西部地区的绿色经济发展，最终导致西部地区的影响相对于东中部地区较小。

表2 分地区回归结果

3.稳健性检验

（1）替换核心解释变量

根据人力资本结构高级化的内涵，借鉴陈加旭等（2020）对人力资本结构高级化指标的衡量方法。根据表3 可知，在不加入控制变量时，人力资本结构高级化对绿色经济效率表现为正向影响作用且在1%显著性水平上显著。引入控制变量后，人力资本结构高级化仍然促进绿色经济效率的提高且在5%显著性水平上显著，控制变量对绿色经济效率的影响与表5 相似，即本文的实证分析通过稳健性检验。

表3 替换核心解释变量的回归结果

（2）将核心解释变量滞后一期

考虑到人力资本结构高级化进程中，高级人力资本这一生产要素并不能特别迅速地影响本期绿色经济效率，因此为了再次验证基准回归是否稳健，本部分对核心解释变量进行了滞后一期处理，如表4 所示，不管有没有加入控制变量，滞后一期的核心解释变量与被解释变量的回归系数均为正，在1%的显著水平上保持显著，和表1 基准回归结果吻合较好。控制变量回归系数符号和显著性几乎一致，由此可得出结论，本研究所建模型回归结果具有较强的稳健性。

表4 核心解释变量滞后一期的回归结果

四、结论

本文通过人力资本结构高级化对绿色经济效率的影响研究，最终得出以下几点研究结论。（1）人力资本结构高级化能显著提高绿色经济效率，在通过替换核心解释变量和将核心解释变量滞后一期进行稳健性检验后，结论依然成立。（2）异质性研究结果表明，不论对于全国或分区域而言，人力资本结构高级化对绿色经济效率均具有显著的促进作用。就不同区域而言，地区间人力资本结构高级化成都对绿色经济效率的提升作用存在差异。（3）绿色经济效率最低的省份不是那些以高度工业化著称的省份，而是位于新城市集群地理中心的人口大省，造成这种情况的原因在于这些省份承载了其他省份大量的污染转移。这一结果再次表明，非期望投入是评估经济效率的一个不可忽视的重要因素。

本文政策建议如下。（1）重视人才培养，不断提高人力资本结构的高级化程度。必须增加对教育的投入，优化资源配置方式，完善人才培养体系。（2）关注地区差异，有的放矢地推动绿色经济增长。为达到全国绿色经济融合发展，共同发展，要以东部带动中西部，以及鼓励中西部地区的人才回流与开发。（3）健全对“以邻为壑”的惩戒机制。应该因地制宜、因省施策，分别采取适宜的政策措施，以提高各省份的绿色经济效率水平。在东部地区，鼓励自主研发、引导绿色经济效率提升回归至传统的技术进步驱动是一个重要的发展方向。在中西部地区，要着力改变不合理的经济发展模式，特别是要高度重视贯彻高质量发展理念，坚决杜绝“唯GDP”论的逐底竞赛行为。