产业发展视角下中国城市人力资本空间分化研究

彭姣 翟振武

摘要：随着知识经济崛起和信息技术进步，创新驱动和技能互补逐渐成为推动产业高质量发展的重要着力点。利用2008—2019年中国288个城市面板数据，分析城市劳动力技能互补水平的变化趋势和城市人力资本的空间演化过程，并从产业劳动力供需的角度，对人力资本空间分化的内在机制进行检验。研究结果显示，我国高技能劳动力空间集聚、低技能劳动力由空间集聚转向分散，促使2008年以来城市劳动力技能互补水平呈现先升后降的趋势，城市人力资本空间分化格局凸显。尤其是在超大、特大城市和产业结构高级化城市，其劳动力技能互补水平呈下降趋势。通过机制分析发现，这与生活性服务业发展动力不足、对低技能劳动力需求减少密切相关。相应地，对低技能劳动力需求的不足导致生活性服务业发展滞后，工资增长乏力，进一步拉大了高、低技能劳动力间的工资差距，降低了低技能劳动力的迁移意愿。然而，低技能劳动力在超大、特大城市仍能获得更高的城市工资溢价，加速其比例下降会削弱产业整体发展潜力。上述结论意味着，为使城市产业发展与劳动力市场相协调，应加快推进生活性服务行业的供给侧结构性改革，促使规模巨大、技能差异显著的人力资本得到优化配置，进而通过技能互补实现生活性服务业和新兴产业的融合发展，以提升产业发展的质量与效益。

关键词：产业发展；人力资本；空间分化；技能互补

中图分类号：C92-05；F062-9文献标识码：A文章编号：1000-4149（2024）03-0081-16

DOI：10-3969/j-issn-1000-4149-2024-00-029

一、引言

随着知识经济的崛起和信息技术的进步，服务业已成为现代经济体系的关键组成部分，在中国城市产业转型中扮演着越来越重要的角色。这一变革不仅体现在服务业内部的多样化和高质量追求上，更在于它推动人力资本的空间分化和城市劳动力市场结构的变化。特别是在经济结构调整和创新驱动策略的推动下，服务业的发展不仅引领了高端领域的创新浪潮，也对劳动力需求和技能结构产生了深刻影响。

知识成为一种重要的生产要素，生产性服务业与知识要素紧密结合提高了城市对高技能劳动力的需求，许多沿海城市开始用服务业和创意产业取代劳动密集型的制造业活动，对技术劳动力的需求增加［1-2］；同时，北京、上海等超大城市出台了人口产业教育等方面的疏解政策，加大了对低技能流动人口的控制力度［3］，出现流动人口再流动和向户籍地城市返迁的主动选择［4］，从而推动了城市人力资本空间分化进一步加剧，城市间的平均人力资本水平差异扩大。例如，北京、上海劳动力人口平均受教育年限超过发达国家水平，而云南、贵州和四川则低于菲律宾的水平［5］。值得关注的是，过去几十年逐渐从第一产业转移出来的低技能劳动力，在产业发展和技术进步助推下却难以在超大特大城市立足。低技能劳动者提供的生活性服务供给，如个人护理、安全服务、家政、保洁服务、儿童照护等对提升城市生活便利度、城市服务体验和城市竞争力大有裨益，那么超大特大城市在集聚更多高技能劳动力的同时为何不能，也未能吸收更多的低技能劳动力呢？一方面，这与城市对技能劳动力的需求和实际技能劳动力的供给密切相关；另一方面，这与城市生活性服务业发展程度和发展需求对低技能劳动力的吸引和接纳能力有关。

基于此，本文从产业发展视角对2008年以来各城市劳动力技能互补水平变化进行衡量的基础上，从劳动生产率角度分析城市对各技能劳动力的需求，从工资溢价角度分析各技能劳动力供给，深入探讨我国城市人力资本的空间分化及其内在机制，为我国不同发展程度城市的高质量城镇化提供经济发展和就业政策层面的启示。其中，将劳动力技能识别与产业劳动生产率相匹配，采用按工资中位数划分的行业类别作为衡量劳动力技能水平的标准［6］，通过某类技能劳动力占比变化所反映的行业就业人数的变动来衡量产业发展水平。

二、文献综述

城市产业结构升级促使高技能劳动力向大城市集中，是全球范围的普遍现象。但在城市产业结构升级对低技能劳动力的影响上，中国与西方国家之间存在明显差异。现有研究集中于三个核心议题：

一是，探究产业结构与人力资本空间分布格局之间的关系；

二是，分析劳动力供给与劳动力市场需求如何共同作用于人力资本的空间分化；

三是，考察我国城市人力资本空间分布的差异性。

1.城市产业结构和人力资本空间分化

城市产业结构与人力资本空间分化的研究主要集中于两个层面：一是分析城市间不同技能劳动力分布的分化。在创新驱动产业升级的知识经济时代，低技能劳动力往往倾向于集聚在就业机会更多的城市，经济因素是他们迁移的重要考量［7］；而高技能劳动力更青睐于注重美观、自然、包容和体验的创新型城市，根据均衡理论，除经济因素外，发展空间和生活质量成为高技能劳动力定居地选择的重要影响因素［8］。二是分析城市间平均人力资本水平的分化，从城市内部各技能劳动力的结构匹配程度进行分析。经典的西方文献表明，城市人力资本分化存在“工作极化”的特征［9］。当以服务业为主导时，人才资源对区域技术创新、产业结构升级的影响日益显著［10-11］，城市对高技能劳动力需求增加。而技术进步对日常工作重复且容易程序化的任务进行替代，导致对中等技能劳动力的需求降低，由于技术创新不能直接替代低技能职业的核心工作，特别是涵盖人际互动和高度个性化服务的领域，此类服务与技术创新存在互补性，城市对低技能劳动力的需求反而增加［12］。实证分析发现，美国、欧洲国家的大城市比小城市同时具有更高比例且存在互补关系的高、低技能劳动力，更低比例的中等技能劳动力，各城市的平均技能水平相差不大［13-14］。但在发展中国家，由于产业要素配置不当，低技能劳动力没有从生产率降低的行业重新分配到生产率较高的服务行业，大城市集聚更多高技能劳动力，却难以接纳更高比例的低技能劳动力，城市间的平均技能水平差异非常大［15］。

2.从供需两侧对城市人力资本空间分化的研究

影响城市人力资本空间分化的主要因素仍是经济因素。关于大城市集聚更高比例高技能劳动力的研究主要通过两个角度，一是劳动力供给角度，高技能劳动力为更好地发挥自己的优势向大城市迁移，从而获得更多的工资溢价［14］。二是劳动力需求角度，城市吸引更多高技能劳动力会带来更高的生产率［16］。大量研究证实城市人力资本集聚显著促进了城市居民收入的增长，所在城市更高的大学生比例或人才多样性程度是比其他城市具有更高劳动生产率的源泉［17-18］。对低技能劳动力而言，从劳动力供给角度来看，人力资本外部性理论认为低技能劳动力在大城市具有更好的人力资本投资渠道，如参加正式教育、技能培训等，他们通过在大城市的人力资本积累能比高技能劳动力获益更多，工资增长率更大，所以他们愿意往大城市迁移［19］；从劳动力需求角度来看，分析中国的人口流动对城市工资上涨的影响发现，农村劳动力迁入促进城市劳动力的技能互补和规模经济，促使城市工资上涨［20］。各受教育程度劳动力的多样性带动城市劳动生产率提高［21］。

3.中国城市人力资本空间分化及影响因素研究

国内关于城市人力资本空间分化的研究中，主要是通过教育水平来衡量劳动力技能水平。研究发现我国高技能劳动力在东部城市群的集聚程度更高，低技能劳动力在东南沿海城市群和中西部主要省会城市有较高的集聚程度［22］。从城市各技能劳动力的结构匹配程度来看，高、低技能劳动力同时向大城市聚集，但相比小城市，大城市的高技能劳动力比例更高，低技能劳动力的比例却更低，城市间平均技能水平差异大［23］。

究其原因，有研究对影响技能分布的因素进行分解发现，我国高技能偏向性的落户政策会抑制技能互补［23］。如农民工更多从事体力劳动，流动性强、工作时间长等特点使他们失去了在产业结构转型升级中进行人力资本积累的可能，减少了其在大城市长期居留的概率［24］。但这些研究忽视了城乡户籍制度的影响正在逐渐减弱，且服务业的发展带来了新就业机遇。也有研究从成本收入视角分析不同技能劳动力在大城市的工资收入和公共服务的差距［25-26］，认为其导致了城市人力资本的分化，但并未结合城市产业发展分析不同技能劳动力之间差距增长的原因。

户籍制度改革的深入打破了原有的城乡户籍壁垒，而产业发展过程中大城市的人才引进、积分落户等政策的制定仍然发挥着限制劳动力迁入的作用，对不同技能劳动力空间集散的影响增强。同时，产业发展提供的就业机会和工资报酬是留住劳动力的重要因素［27］。从产业结构、人口规模和工资收入等因素探讨城市劳动力技能互补水平变化会更符合当前现实。

综上所述，现有研究分析了城市人力资本空间分化及影响机制，但存在三点不足。一是仅集中在单个产业发展阶段进行分析，未将人力资本空间分化纳入产业结构演变的框架内。二是采用将劳动力技能与教育水平等同的垂直定义，这既忽视了劳动力技能的水平分化，也忽略了劳动力教育程度没有捕捉到的垂直分化，即中等技能劳动力会流向低技能服务性职业。三是城市产业结构、人口规模、工资收入与技能劳动力构成之间紧密联系，将它们作为整体进行分析能更清晰阐明其中的逻辑关系及作用机制。为此，本研究试图在城市产业结构、人口规模和技能劳动力构成之间建立联系，并结合劳动力工资收入和城市劳动生产率指标，从各技能劳动力的产业供需两方面来解释城市人力资本空间分化的内在作用机制。

本研究期望回答以下三个问题：第一，城市劳动力技能互补水平与产业结构、人口规模呈现何种关系？第二，从需求角度来看，随着产业发展，大城市高、低技能劳动力比例提高是否均会促进城市劳动生产率提升？第三，从供给角度来看，随着产业发展，大城市各技能劳动力群体工资不平等程度是否在扩大？

三、研究设计

1.数据选取

本文的数据主要来自国家统计局城市社会经济调查司编写的2009—2020年《中国城市统计年鉴》，采用市辖区数据。由于分析城市间高、低技能劳动力互补水平的动态变化需至少保证城市有三年的数据，因此，剔除拉萨、海东、港澳台等数据缺失较多的城市和地区样本，以及巢湖等发生重大区划调整的城市样本后，研究周期设置为2008—2019年，共有288个地级市及以上城市作为研究对象。此外，2018年全国流动人口动态监测调查数据反映了流动人口的结构性变化，即不同技能劳动力的相对流量、流向和流速，故结合这一微观数据进一步从技能劳动力供给角度对作用机制进行解释。

2.变量说明

（1）核心被解释变量为劳动力技能互补水平。随着产业发展，城市高、低技能劳动者的比例会发生变化，相应地，城市劳动力技能互补程度也会发生动态变化，但这种变化特征很难从结果层面进行识别，比如对某类技能劳动力比例增加是否在一定程度上提高了另一类技能劳动者的工资收入、就业机会等方式进行测算。因此，本研究采用基于表征的技能互补识别方法，利用高、低技能劳动力的耦合协调度，构建劳动力技能互补水平指数，以反映城市高、低技能劳动力比例的相对增长快慢，以及这一比例在各阶段是同时变化还是对某类技能劳动力有所偏重。

本文借鉴廖重斌的做法构建耦合协调度模型［28］，具体公式如下：

yit=（cit×tit）1/2，cit={（lit×hit）/［（lit+hit）/2］2}k，tit=a1lit+a2hit（1）

其中，cit为耦合度，lit为城市i在t年的低技能劳动力占比按工资中位数划分的行业类别作为衡量劳动力技能水平的标准，将行业分为三组（按行业工资平均数结果一致）：第一组是报酬最低的行业，包括住宿和餐饮业，批发和零售业，居民服务、修理和其他服务业；第二组是报酬最高的行业，包括科学研究和技术服务业，信息传输、软件和信息技术服务业，金融业，房地产业，租赁和商务服务业；第三组是其他行业，占全部劳动力的50%。再分别利用城市数据求出288个地级市及以上城市2008—2019年第一组行业劳动力占城市全部劳动力的比重作为低技能劳动比例，第二组行业劳动力占城市全部劳动力的比重作为高技能劳动比例。由于计算高技能劳动力比例包括的行业主要是生产性服务业，计算低技能劳动比例包括的行业主要是生活性服务业，因此，如果城市低技能劳动力比例降低，能在一定程度上说明生活性服务业的就业比例下降，结合对城市劳动生产率的影响分析为衡量我国生活性服务业的发展水平提供了一个思路，生产性服务业类似。hit为城市i在t年的高技能劳动力占比，k为调节系数，此处耦合系统包括两个子系统，故取值为2，tit为两种类型劳动力的综合调和指数，a1和a2分别代表两种类型劳动力的贡献度，a1+a2=1，a1和a2分别取值0-4和0-6。

（2）解释变量主要包括产业结构和人口规模。

借鉴已有研究［29］，产业结构采用第三产业与第二产业的产值之比来衡量，数值越大代表产业结构越高级。人口规模采用市辖区人口规模，聚焦于探讨产业发展过程中不同规模城市的劳动力技能互补水平差异。

（3）控制变量。根据以往研究可知，影响城市劳动力分布的因素包括经济因素、发展空间和生活质量三个层面［7-8，25-26］。

故本文的控制变量包括以下三个方面：

一是经济因素，包括市辖区职工平均工资、平均房价、人均GDP、固定资产投资和外商直接投资。

二是发展空间因素，包括科研支出、教育状况。由于缺乏城市人均受教育年限数据，本文采用每万人均普通中学专任教师数。

三是生活质量因素，包括：道路，即人均道路铺装面积；绿化，即建成区绿化覆盖率；公共交通，即每万人拥有的公共汽车数量；医疗卫生，即每万人拥有医院、卫生院床位数。此外，为了从微观个体角度通过工资溢价来解释各技能劳动力供给，借鉴已有研究［30］，纳入个体质量特征、个体所在行业特征、成本变量对工资进行分析，各变量的描述性统计结果见表1。在回归分析中为了统一量纲，连续性解释变量均进行了标准化处理。

3.模型设定

根据各地级市的空间关系，绘制描述城市人力资本空间分化的地图，选择边界和顶点相邻的空间权重矩阵计算空间自相关性。在此基础上，运用部分调整模型和调节效应对城市劳动力技能互补水平变化的内在机制进行分析，借鉴已有研究做法［31］，使用固定效应方法进行估计，模型设置如下：

yit-yit-1=λ（y*it-yit-1）（2）

其中，λ为调整速度，yit为劳动力技能互补水平，y*it为城市各因素决定的劳动力期望技能互补水平。本文将y*it设定为城市人口规模、产业结构等一系列影响劳动力期望技能互补水平的因素的线性组合：

y*it=xit+ηi+γt+μit（3）

其中，xit表示一系列影响劳动力技能互补水平的因素，为系数，ηi表示个体层面不随时间变化的因素，包括是否为省会城市和区域变量。γt表示时间变量，控制年份固定效应。μit为随机扰动项。将式（3）代入式（2）可得：

yit=τyit-1+βxit+αi+δt+εit（4）

其中，τ=1-λ，β=λ，αi=ληi，δt=λγt，εit=λμit。

由于劳动力的空间分布具有空间依赖性和动态变化性，因此同时采用动态空间面板模型进行检验。在空间计量模型的选取上，通过拉格朗日乘数检验后，本文采用空间滞后模型，模型设置如下：

yit=τyit-1+ρWyit-1+βxit+αi+δt+εit（5）

其中，ρ反映空间邻近单元对于被解释变量的解释程度，W是标准化的空间权重矩阵。

四、数据分析结果

1.中国城市劳动力技能互补水平的空间分布及其变化

图1报告了我国2008、2012、2016和2019年城市劳动力技能互补水平的空间分布特征及其演变趋势。劳动力技能互补水平较高地区主要集中在我国华北、华东、华中和部分华南地区。整体上，劳动力技能互补水平呈现出逐渐上升然后下降的趋势，2012—2016年是转折时期，之后呈下降趋势。

在此基础上分析城市劳动力技能互补水平的空间关联特征。如表2所示，劳动力技能互补水平的MoransI值在2008年不显著，2012年显著为正，达到最大值，但随后MoransI值逐渐降低，表明城市劳动力技能互补水平的空间集聚效应虽然显著，但其强度正逐步衰减，也反映了城市劳动力技能互补水平的空间异质性正在增加。具体来看，低技能劳动力的空间自相关性从2008年的0-198增长至2012年的0-221，之后呈现递减趋势，至2019年下降至0-167。这意味着低技能劳动力由空间集聚向空间分散转变，其分布不再仅限于经济发展程度较高的城市。与此相对，高技能劳动力的空间自相关性自2012年以来呈现显著性，MoransI值从2012年的0-107上升至2019年的0-120，显示出其在空间上的逐渐集聚趋势。

因此，高技能劳动力的空间集聚与低技能劳动力的空间分散共同作用于劳动力技能互补水平，导致自2008年以来劳动力技能互补水平呈现出先上升后下降的趋势。这一过程揭示了城市人力资本的空间分化格局，凸显了不同城市间人力资本结构的差异性，既回应了已有研究中关于中国城市间的平均技能水平差异非常大的结论，又进一步展示了这种差异由缩小到扩大的发展趋势。

2.城市劳动力技能互补水平变化的影响因素

（1）基准回归结果。

表3第（1）、（2）列分别展示普通动态面板模型和空间动态面板模型的回归结果，结果显示核心解释变量的显著性水平和符号基本一致。第（1）列的结果表明：城市劳动力技能互补水平存在且朝着城市人口规模、产业结构等决定的期望值动态调整，调整速度为0-547根据部分调整模型，调整速度的系数为1减去L.y的系数。后面将进一步比较不同类型城市的调整速度，以探讨各规模城市对不同技能劳动力的宏观调控。，即当城市劳动力技能互补水平比期望值小（大）1个单位时，第二年劳动力技能互补水平会提高（降低）0-547个单位。这反映了城市劳动力市场对环境变化的适应能力和对不同技能劳动力配置的灵活性。不同规模城市在劳动力技能互补水平调整速度上的差异，对城市劳动力市场策略的设计和实施具有重要意义，后面将对这个议题进一步探讨。

从城市人口规模来看，劳动力技能互补水平与人口规模呈“∽”型曲线关系。即在人口规模增长的早期阶段，由于劳动力供给的迅速增加和劳动力市场结构的快速变化，可能导致技能间的互补性暂时降低。

然而，随着城市的持续发展和市场的逐渐成熟，劳动力市场将逐步适应这种变化，通过教育和培训来提高劳动力的技能水平，增强技能间的互补性。但是，当城市人口规模扩大到一定程度（超过800万）时，劳动力技能互补水平又呈下降趋势（见图2），这些城市面临管理和资源配置上的挑战。从产业结构来看，随着产业结构高级化，劳动力技能互补水平先增后减，转折点为2-40。这说明城市第三产业的发展不仅会提高高技能劳动力的比例，也会提高低技能劳动力的比例，但在第三产业与第二产业的产值之比大于2-40的城市，产业结构高级化阶段仅提高了城市高技能劳动力比例，表现为高技能劳动力的空间集聚，而低技能劳动力比例并没有显著提高。根据本研究的定义，低技能劳动力在行业分布上主要集中于生活性服务业。分析结果在一定程度上表明，首先，我国生活性服务业所提供的就业岗位数量不足，或者居民对于家庭生产替代品的需求量有限，未能充分吸纳那些由于技术革新而被淘汰的从事程序性工作且可能转向服务性职业的中等技能劳动者；其次，随着城市产业结构的升级，低技能劳动力在城市中的净效用出现下降，这种下降可能是由于生活成本相对上升，或是工资增长幅度不足以抵消成本上涨，导致低技能劳动力在此类城市的居留动力减弱与新进入此类城市的意愿降低，因此可能选择流向其他类型城市，即表现为低技能劳动力的空间分散现象。

（2）内生性问题。

基准回归可能存在的内生性问题源于以下两个方面：

一是，虽然在基准回归中控制了可能影响劳动力技能互补水平的城市经济因素、发展空间因素和生活质量因素，但是仍不可避免地会受到遗漏变量的干扰；二是，根据劳动分工理论，产业发展推动劳动分工细化使不同技能劳动力的互补水平提高，在此技能结构基础上进一步实现产业转型升级，因此产业结构与劳动力技能互补水平之间可能存在反向因果关系。为此，本文借鉴动态面板模型常用的内生性处理方法［26，32］，使用变量的滞后项作为工具变量。

表4第（1）列使用人口规模的二阶及以上滞后项作为工具变量，第（2）列使用产业结构的二阶及以上滞后项作为工具变量。GMM估计结果显示，在使用工具变量缓解内生性问题之后，人口规模、产业结构对劳动力技能互补水平的影响依然稳健。

3.从技能劳动力供需两侧的进一步解释

由于随着产业发展，大城市对不同技能劳动力的需求呈现明显的差异化偏好，故在从需求角度进行机制分析时，引入人口规模、产业结构与各技能劳动力的交互项。表5从劳动力需求的角度，分别探讨随着人口规模或产业结构变化，各技能劳动力比例提高对城市劳动生产率的影响。使用城市平均工资作为生产率指标，在控制经济因素、发展空间、生活质量等层面的因素后，发现高技能劳动力比例与人口规模的交互项在5%的水平下显著为正，表明高技能劳动力比例增加能显著提高城市工资水平，且随着城市人口规模扩大，高技能劳动力比例对工资水平的提升作用更大。高技能劳动力比例与产业结构的交互项在5%的水平下同样显著为正，表明随着城市第三产业的产值占比提高，高技能劳动力比例对工资水平的提升作用增大。

关于城市劳动生产率提升，已有研究较少探讨低技能劳动力的贡献以及产生贡献的条件。故本文在模型中不仅加入交互项，还加入低技能劳动力比例的平方项，试图捕捉这种非线性关系。回归结果显示，低技能劳动力比例与城市平均工资呈“U”型关系。由于我国人口的大规模流动，Ⅰ类大城市和Ⅱ类大城市的低技能劳动力比例最大，低技能劳动力比例增加提升了这些城市的劳动生产率。而超大特大城市、产业结构更高级城市的低技能劳动力比例与工资水平的关系表现为“U”型曲线的中段特征，低技能劳动力比例处于中间位置，未能促进超大特大城市的劳动生产率提升。生活性服务业就业人员比例的增加未能转化为超大特大城市实际的生产效益，这也导致生活性服务业的发展动力不足，降低了这类城市对低技能劳动力的相对需求。

结合2018年全国流动人口动态监测调查的微观数据，表6第（1）至（2）列从劳动力供给角度，分别探讨随着人口规模或产业结构变化，各劳动力在城市获得的工资溢价有何差异。工资溢价指的是劳动力市场中某一群体的工资水平高于另一群体的现象。已有研究主要认为，受教育程度较高的劳动力在大城市更能够发挥其技能和知识的优势，因此他们的工资溢价相对更高［12，19］。例如，高技能、高学历的劳动力在城市的专业服务和技术行业中往往能够获得较高的薪酬。低学历劳动力虽然也享有工资溢价，但相对较小，之所以如此是因为低技能工作在城市中面临着更高的竞争和替代压力，且容易受到自动化和外包等因素的影响。

由于生活性服务业中，尤其是涵盖人际互动和高度个性化服务的领域，对劳动者的情感表达、创造性思维及对服务的个性化处理有着更大的依赖，这种服务体验很难被自动化或者外包，因此从产业类型产业类型包括第一产业、第二产业、第三产业1和第三产业2。其中第三产业1、第三产业2分别表示生活性服务业和生产性服务业。对细分产业进行分析既可回应已有研究，也符合本文的技能界定。

视角考察不同劳动力的工资溢价问题十分必要。下面进行三个方面的分析：第一，分析不同受教育程度劳动力的城市工资溢价情况。表6第（1）列的结果显示，人口规模、受教育程度和人口规模的交互项均显著为正，表明城市人口规模扩大，各受教育程度群体的工资收入均提高，其不局限于特定的教育层次，而是涵盖了各种能力水平的劳动力。城市工资溢价的普遍性表明不同技能水平的劳动力均能获得城市工资溢价，与已有研究结论一致。第二，分析在生活性服务业中不同受教育程度劳动力的城市工资溢价情况。

报告的是经过城市层面聚类调整的稳健标准误；3.因为产业类型也是分类变量，如果仍用受教育程度（三分类变量），则产业类型与受教育程度的交互项会有6项，故第（2）列中受教育程度转换为受教育年限。

第（2）列的结果显示，受教育年限和第三产业1的交互项不显著，表明即使从事生活性服务业的劳动者的受教育程度提高，也不会带来显著的工资上涨，这显示了我国生活性服务业发展的不充分，未能有效创造更多就业机会和提高生产效率，限制了从事生活性服务业的劳动力的工资溢价提升。第三，分析在生产性服务业中不同受教育程度劳动力的城市工资溢价情况。

第（2）列的结果显示，受教育年限和产业结构2的交互项在1%的水平上显著为正，表明从事生产性服务业的劳动者的受教育程度提高会获得更高的工资，生产性服务业会通过工资收入集聚更多的高受教育程度劳动力。

因此，随着城市人口规模扩大和产业结构高级化，高技能劳动力在促进城市劳动生产率提高中发挥着越来越重要的作用，同时他们也从城市生产性服务业发展中获得更多的工资溢价，导致超大特大城市的高技能劳动力比例增长更快、分布更集中。低技能劳动力未能促进超大特大城市的劳动生产率提高，生活性服务业的发展动力不足，降低了城市对低技能劳动力的相对需求。相应地，对低技能劳动力需求的不足导致生活性服务业发展滞后，低技能劳动力难以在生活性服务业就业中获得工资溢价，面临的工资不平等差距逐渐扩大，导致他们的迁移意愿降低，低技能劳动力的空间分布更加分散。

4.不同规模城市中劳动力技能互补水平的动态调整

根据表7，分不同规模城市看，小城市、中等城市、大城市、超大特大城市的调整速度分别为0-543、0-671、0-686和0-545，超大特大城市和小城市的调整速度比中等、大城市慢。

报告的是经过城市层面聚类调整的稳健标准误；3.speed=1-_b［L.y］，Half_Life=ln（2）/（1-_b［L.y］）是完成一半调整需要的年数。超大特大城市本应需要更快的调整速度以应对复杂多变的市场需求，但它的调整速度更慢。

这主要源于以下几个方面：

首先，城市集聚高、低技能劳动力比例的大小取决于产业结构，在创新驱动产业升级的知识城镇化阶段，超大特大城市可以通过更高的工资收入、降低房价等吸引高技能劳动力，提高高技能劳动力比例，但低技能劳动力比例的提高与生活性服务业的发展密切相关，取决于生活性服务业发展程度。其次，生活性服务业的繁荣发展，需要服务质量提升和服务更具多样化，从而使人们对家庭生产替代品、生活性服务的需求上升。此种需求的增长部分源于人们对于更高生活质量的追求，以及对时间和便利性的重视。同时，技术创新在这一领域的应用是至关重要的，它不仅能代替重复性高且容易程序化的日常工作，还能通过自动化和智能化的手段提高服务效率和质量。技术驱动的变革，有望推动从事生活性服务业的劳动者工资水平提高，从而缩小技能工资差距，吸引更多中低技能劳动力流入此行业，以满足日益增长的市场需求，最终实现供需匹配以及进一步提高城市劳动生产效率，但这需要一定的时间周期。最后，在当前生活性服务性发展不充分阶段，超大特大城市还面临着交通、住房和环境等方面的问题，意味着超大特大城市会偏向于降低低技能劳动力比例。一方面，工资差距机制会使得低技能劳动力迁往其他城市，所以劳动力技能互补水平存在且朝着期望值动态调整；另一方面，因为低技能劳动力仍能获得超大特大城市的工资溢价，当人为地加速降低低技能劳动力比例时，生活性服务业供给的减少在一定程度上会削弱不同技能水平劳动力之间的技能互补效应，进而对城市的生活便利度、服务体验和竞争力造成负面影响，减弱城市对高技能劳动力的吸引力，削弱产业的整体发展潜力，故调整速度会较慢。

我国大城市对低技能劳动力的吸引力提高，劳动力技能互补水平不断提高且调整速度较快。结合表5回归结果可知，低技能劳动力比例与城市平均工资呈“U”型关系，由于人口流动，我国中小城市所拥有的低技能劳动力比例并不是最大的，反而是大城市的低技能劳动力比例更大。因此，大城市应充分发挥各技能劳动力的互补作用，缩小城市技能工资差距，抓住其在新一轮人口要素在区域、产业间配置的优势，推动城市的家政、照护、餐饮、销售等生活性服务业的发展，为城市提供高水平的生产与消费活动空间，提高城市活力，促进人力资本优化配置。

中小城市的劳动力技能互补水平继续下降且调整速度较慢。未来收缩城市会成为常态，中小城市应转变惯性的增量增长思维，促进资源产业和康养产业等的发展，注重生态环境的保护、智能化基础设施的建设，打通其与大城市之间人口流动的制度与政策通道，推动资源要素的合理开发。由于人口已大量流出，盘活存量的调整速度较慢，中小城市的城镇化发展不可操之过急，应行之有方，尊重产业发展规律。

五、结论与启示

本文基于按工资划分的行业类别来衡量劳动力技能水平，使用2008—2019年288个地级市及以上城市的宏观数据，结合2018年全国流动人口动态监测调查的微观数据，运用部分调整模型和调节效应进行分析，在城市产业结构、人口规模和劳动力技能互补水平之间建立联系，结合劳动力工资收入和城市劳动生产率指标，从各技能劳动力的产业供需两方面来解释城市劳动力技能互补水平动态变化的内在机制。主要研究发现如下：

第一，我国2012年以来高技能劳动力的空间集聚与低技能劳动力的空间分散，促使劳动力技能互补水平自2008年以来总体先升后降，城市人力资本空间分化格局凸显。第二，在影响机制上，城市人口规模和产业结构与劳动力技能互补水平分别呈“∽”型和倒“U”型关系。在超大特大城市和产业结构高级化城市，其技能互补水平呈下降趋势，这与我国家庭生产替代品、生活性服务业发展不足有关，它们导致低技能劳动力比例的提高未能有效促进这些城市的劳动生产率提升，降低了此类城市对低技能劳动力的相对需求。第三，工资收入仍是影响我国城市人力资本分化的主要因素，在大城市中，

各技能群体的工资收入均提高，但高技能劳动力在城市产业发展过程中能获得更高的工资溢价，这使得高、低技能劳动力的工资收入差距不断增大，

低技能劳动力的迁移意愿降低。第四，在超大特大城市中，低技能劳动力仍可获得较高的城市工资溢价，如果人为地加速低技能劳动力比例的下降，会降低包括高技能劳动力在内的所有劳动力的福利，削弱现代产业高质量发展潜力。第五，不同规模城市的劳动力技能互补水平动态调整速度存在差异，其中超大特大城市的调整速度比中等城市、大城市慢，生活性服务行业实现供需匹配需要更长的时间周期。

上述研究结果表明，在新型城镇化阶段，创新驱动和技能互补成为实现产业高质量发展的动力引擎。一方面应看到超大特大城市对高技能劳动力的迫切需求，以及在城市管理和资源配置上面临的挑战。高、低技能劳动力在推动城市生产率提升中的贡献差距扩大，使得超大特大城市偏向于使用

降低低技能劳动力比例的策略，其具有一定的合理性。另一方面应认识到生活性服务业是现代产业体系的组成部分，它不仅影响城市的生活便利度和服务体验，还吸纳了大量低技能劳动者就业，直接关系到低技能劳动力的生计与发展。

因此，本文提出以下政策建议：第一，积极推动生活性服务行业的供给侧结构性改革。通过多种方式鼓励和支持个人护理、安全服务、家政、保洁服务、儿童照护等细分行业在市场上真正实现规范化、品质化发展，发挥生活性服务业对增进民生福祉与促进就业的基础性拉动作用。第二，拓宽人力资本投资渠道，畅通低技能劳动者的收入提升通道。通过职业培训、技能提升项目等措施提高低技能劳动者的工作能力，缩小各技能劳动者的收入差距。第三，优化各城市以产业结构为基础的劳动力资源配置策略。各类型城市在新一轮人力资本空间配置背景下应抓住发展机遇，结合自身发展优势与产业发展需求，合理吸纳多样化的劳动力，优化不同技能劳动力在各产业、各行业间的配置，推动新兴产业和生活性服务业融合发展，以经济高质量发展带动新型城镇化的建设。

参考文献：

［1］LIUY，SHENJ.ModellingskilledandlessskilledinterregionalmigrationsinChina，2000-2005［J］.Population，SpaceandPlace，2017，23（4）：e2027.

［2］WUJ，YUZ，WEIYD，YANGL.ChangingdistributionofmigrantpopulationanditsinfluencingfactorsinurbanChina：economictransition，publicpolicy，andamenities［J］.HabitatInternational，2019，94：102063.

［3］韩嘉玲，余家庆.离城不回乡与回流不返乡——新型城镇化背景下新生代农民工家庭的子女教育抉择［J］.北京社会科学，2020（6）：4-13.

［4］刘涛，卓云霞，王洁晶.邻近性对人口再流动目的地选择的影响［J］.地理学报，2020（12）：2716-2729.

［5］高春亮，王业强，魏后凯.公共服务供给与地区收入差距——基于人力资本视角的分析［J］.中国人口科学，2022（4）：44-59，127.

［6］EECKHOUTJ，PINHEIROR，SCHMIDHEINYK.Spatialsorting［J］.JournalofPoliticalEconomy，2014，122（3）：554-620.

［7］DAVIESPS，GREENWOODMJ，LIH.AconditionallogitapproachtoU.S.statetostatemigration［J］.JournalofRegionalScience，2010，41（2）：337-360.

［8］GLAESEREL.AreviewofEnricoMorettisTheNewGeographyofJobs［J］.JournalofEconomicLiterature，2013，51（3）：825-837.

［9］GOOSM，MANNINGA.Lousyandlovelyjobs：TherisingpolarizationofworkinBritain［J］.ReviewofEconomicsandStatistics，2007，89（1）：118-133.

［10］DREWD，ZHAOJ，MURRAYS.Braindrainandbraingain：themigrationofknowledgeworkersfromandtoCanada［J］.

EducationQuarterlyReview，2000，6（3）：8-35.

［11］HAUSMANNR，HWANGJ，RODRIKD.Whatyouexportmatters［J］.JournalofEconomicGrowth，2007，12（1）：1-25.

［12］AUTORDH，DORND.Thegrowthoflowskillservicejobsandthepolarizationofthe

U.S.labormarket［J］.AmericanEconomicReview，2013，103（5）：1553-1597.

［13］GOOSM，MANNINGA，SALOMONSA.JobpolarizationinEurope［J］.AmericanEconomicReview，2009，99（2）：58-63.

［14］BACOLODM，BLUMBS，STRANGEWC.Skillsinthecity［J］.JournalofUrbanEconomics，2009，65（2）：136-153.

［15］DURANTONG.Growingthroughcitiesindevelopingcountries［J］.TheWorldBankResearchObserver，2015，30（1）：39-73.

［16］GLAESEREL，MAREDC.Citiesandskills［J］.JournalofLaborEconomics，2001，19（2）：316-342.

［17］FUS.Smartcafcities：testinghumancapitalexternalitiesintheBostonmetropolitanarea［J］.JournalofUrbanEconomics，2007，61（1）：86-111.

［18］LIUZ.Theexternalreturnstoeducation：evidencefromChinesecities［J］.JournalofUrbanEconomics，2007，61（3）：542-564.

［19］CARLSENF，RATTSJ，STOKKEHE.Education，experience，andurbanwagepremium［J］.RegionalScienceandUrbanEconomics，2016，60（9）：39-49.

［20］COMBESPP，DEMURGERS，LIS.MigrationexternalitiesinChinesecities［J］.EuropeanEconomicReview，2015，76（C）：152-167.

［21］GARNEROA，KAMPELMANNS，RYCXF.Theheterogeneouseffectsofworkforcediversityonproductivity，wages，andprofits［J］.IndustrialRelations：AJournalofEconomyandSociety，2014，53（3）：430-477.

［22］刘晔，王若宇，薛德升，曾经元.中国高技能劳动力与一般劳动力的空间分布格局及其影响因素［J］.地理研究，2019（8）：1949-1964.

［23］梁文泉，陆铭.城市人力资本的分化：探索不同技能劳动者的互补和空间集聚［J］.经济社会体制比较，2015（3）：185-197.

［24］蔡昉.城市化与农民工的贡献——后危机时期中国经济增长潜力的思考［J］.中国人口科学，2010（1）：2-10，111.

［25］李红阳，邵敏.城市规模、技能差异与劳动者工资收入［J］.管理世界，2017（8）：36-51.

［26］杨小忠，罗乐.城市人力资本空间分层：异质性公共服务视角［J］.当代财经，2021（2）：3-14.

［27］SHENGY，ZHAOM.Regulationsintheeraofnewtypeurbanisationandmigrantworkerssettlementintentions：thecaseofBeijing［J］.Population，SpaceandPlace，2021，27（3）：e2394.

［28］廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例［J］.热带地理，1999（2）：76-82.

［29］干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响［J］.经济研究，2011（5）：4-16，31.

［30］YANKOWJJ.Whydocitiespaymore？anempiricalexaminationofsomecompetingtheoriesoftheurbanwagepremium［J］.JournalofUrbanEconomics，2006，60（2）：139-161.

［31］FLANNERYMJ，RANGANKP.Partialadjustmenttowardtargetcapitalstructures［J］.

JournalofFinancialEconomics，2006，79（3）：469-506.

［32］ARELLANOM，BONDS.Sometestsofspecificationforpaneldata：MonteCarloevidenceandanapplicationtoemploymentequations［J］.TheReviewofEconomicStudies，1991，58（2）：277-297.

SpatialDivergenceofUrbanHumanCapitalinChina

fromthePerspectiveofIndustrialDevelopment：

BasedonPanelDataof288ChineseCitiesfrom2008to2019

PENGJiao1，ZHAIZhenwu2

（1.SchoolofHumanitiesandManagement，HunanUniversityofChineseMedicine，

Changsha410208，China；2.CenterforPopulationandDevelopmentStudies，

RenminUniversityofChina，Beijing100872，China）

Abstract：Withtheriseoftheknowledgeeconomyandadvancementsininformationtechnology，innovationdrivendevelopment

andskillcomplementarityhaveincreasinglybecomepivotalindrivinghighqualityindustrialdevelopment.

Basedonpaneldataof288prefecturelevelcitiesfrom2008to2019inChina，

thispaperdelvesintothechangingtrendsofskillcomplementaritylevelofurbanlabor

andspatialevolutionofurbanhumancapital，thenanalyzestheintrinsicmechanismofspatialdivergenceofhumancapitalfromtheperspectiveofthesupplyanddemandofindustriallabor.Theresultsshowthatspatialagglomerationofhighskilledlaborandthetransitionfromspatialagglomerationtodispersionamonglowskilledlaborhavepromptedaninitialincreasefollowedbyadecreaseintheskillcomplementaritylevelofurbanlaborsince2008.

Thistrendtherebyaccentuatesthepatternofspatialdivergenceinurbanhumancapital，especiallyin

megacitiesandcitieswithadvancedindustries，wheredecliningskillcomplementaritylevelrelatestosluggishgrowthoflifeservicesectorandreduceddemandforlowskilledlaborbymechamismanalysis.

Correspondingly，reduceddemandforlowskilledlaborresultinsluggishgrowthoflifeservicesector，sothatwagegrowthisweak，which

exacerbatesthewagegapandreducelowskilledworkersmigrationintent.

However，lowskilledworkersstillearnsignificanturbanwagepremiumsinmegacities，

andthedecreasingproportionoflowskilledlabor

mayimpedeurbanindustrialpotential.Tocoordinateindustrialdevelopment

with

labormarket，thepapersuggestsprioritizingsupplysidereformsinthelifeservicesectorandoptimizingtheallocationofavastandskilldiversehumancapital，then，fosteringtheintegrationoflifeservicesandemergingindustriesbyskillcomplementavitytoboostthequalityandefficiencyofindustrialdevelopment.

Keywords：industrialdevelopment；humancapital；spatialdivergence；skillcomplementarity

［责任编辑崔子涵］