人力资本及其构成对中国技术效率影响的实证研究

——基于1985~2007年省域面板数据的证据

朱承亮，岳宏志

(西北大学经济管理学院，西安 710127)

摘 要：运用基于对数型柯布—道格拉斯生产函数的随机前沿技术，对我国1985~2007年间平均人力资本存量、人力资本构成与技术效率之间的关系进行了实证研究。结果发现，在人力资本构成中，仅有接受过大学教育的人力资本部分对技术效率增长具有显著促进作用。平均人力资本存量作为一个整体也与技术效率显著正相关。

关键词：人力资本；人力资本构成；技术效率；随机前沿分析

The Empirical Study on the Impact of Human Capital and its Composition on Technical Efficiency in China: the Evidence Based on the 1985~2007 Provincial Panel Data

ZHU Cheng-liang，YUE Hong-zhi

(School of Economics and Management, Northwest University, Xi’an, 710127)

Abstract: Using the stochastic frontier technology based on the logarithmically Cobb - Douglas production function, we have an empirical study on the impact of human capital and its composition on technical efficiency in China during 1985-2007. We find that, in the composition of human capital, only the tertiary educated human capital can enhance the growth of technical efficiency. The average stock of human capital as a whole also can enhance the growth of technical efficiency.

Key words: Human Capital；Human Capital Structure；Technical Efficiency；Stochastic Frontier Analysis

一、引言及相关文献述评

自1978年改革开放以来，中国经济经历了将近30年的持续高速增长，年均经济增长率达到9%以上，为此学术界对我国经济持续高速增长的原因进行了激烈的讨论。大致的观点分为两种，第一种观点认为中国经济的高速增长在于要素资源投入的驱动，特别是资本要素的投入，1985~2007年间年均资本增长率达到20%；而第二种观点则认为效率的提高是一国经济保持持续增长的核心和关键，他们从全要素生产率（Total Factor Productivity，TFP）来考查中国经济增长的质量状况。全要素生产率主要的分解为技术进步指数和技术效率指数。近年来，不少学者对我国全要素生产率进行了测算（郑京海，胡鞍钢，2005[1]；郭庆旺，贾俊雪，2005[2]；李宾，曾志雄，2009[3]），但仅少数学者对生产率水平的影响因素进行了探讨（王志刚，龚六堂，陈玉宇，2006[4]；金相郁，2007[5]）。

根据舒尔茨的人力资本理论，在经济增长中人力资本是一切投入资源中最主要的资源，且人力资本的作用要大于物质资本。因此，无疑的人力资本是影响经济增长生产率水平的重要影响因素之一。人力资本不同于一般意义上的劳动力，而是指是在对一般劳动力进行教育培训后所形成的具有不同质的技能、技术水平和熟练程度的劳动力，因此教育是提高人力资本最基本的主要手段，所以在一定意义上也可以认为人力资本投资就是对教育的投资。国外研究表明，人力资本对TFP的增长有着显著的影响（Benhabib & Spiegel，1994[6]；Islam，1995[7]；Aiyar & Feyrer，2002[8]）。然而，人力资本对我国TFP增长到底存在怎样的影响？颜鹏飞，王兵（2004）[9]以在校大学生人数与总人口比例来测度人力资本变量，发现人力资本对TFP增长和技术进步具有负的作用，但人力资本对效率的提高具有显著为正的作用。而王志刚，龚六堂，陈玉宇（2006）[4]用1982年具有小学以上文化程度的人口比例表示初始的人力资本，发现“初始的具有小学以上文化程度的人口比例增长1%，那么该地区的生产效率会增加140%”。许和连，元朋，祝树金（2006）[10]采用中等及以上学校在校学生人数来近似的代替人力资本存量，研究发现人力资本的积累对中国TFP的提高产生了积极的影响，在其他条件不变的情况下，人力资本水平每增加1个百分点，TFP就会提高2.661个百分点，且认为人力资本积累水平的提高对TFP的影响比对经济增长的影响更为直接，它主要的通过影响TFP而作用于经济增长。岳书敬，刘朝明（2006）[11]使用平均受教育年限和劳动力数量的乘积表示人力资本存量，研究发现在引入人力资本要素之后，1996~2003年TFP增长得益于技术进步，若不考虑人力资本存量，则低估了同期的效率提高程度，而高估了此期间的技术进步指数。朱承亮，岳宏志，李婷（2009）[11]以每万人口在校大学生人数来衡量人力资本存量，研究发现每万人口在校大学生人数每增加一个百分点，则技术效率将会相应地上升0.07个百分点。

以上对我国人力资本与TFP增长关系的研究中，研究结论偏差较大，甚至相悖，主要原因在于研究方法、面板数据的时间序列以及人力资本变量的表示方法等的不一致性所致。但以上研究文献的一个共同点就是均把人力资本作为一个整体来对待，没有考虑人力资本要素的异质性，也即没有考虑人力资本的不同构成部分对TFP增长可能会产生的影响。在近期国外研究中，Vandenbussche et al.（2006）[13]通过对19个OECD国家1960~2000年人力资本组成部分对TFP作用的研究，发现对TFP有显著促进作用的仅仅是接受过高等教育的人力资本部分而不是平均人力资本。而继我国人力资本与TFP增长关系的探索之后，彭国华（2007）[14]对我国地区TFP与人力资本构成的关系进行了研究，发现在我国人力资本构成中，只有受过高等教育的人力资本部分与TFP存在显著的正相关关系，高等教育部分人力资本提高1%，将会使潜在TFP增加5.5%；而中学教育程度和基础教育程度的人力资本与TFP是显著负相关的，平均人力资本作为一个整体与TFP也显著负相关，平均人力资本每提高1个百分点，将会使潜在TFP减少近6个百分点。

综上可知，已有研究中几乎都是针对TFP来衡量其人力资本因素作用的，但是，TFP增长的来源有三个：技术效率的改善、技术进步、规模效应。大量实证研究表明，我国TFP增长主要来源于技术进步，而技术效率的改善情况不是很理想，存在技术非效率，还不能达到促进TFP增长的作用。那么人力资本及其各个构成部分对我国经济增长技术效率的改善情况存在怎样的影响呢？本文使用承认技术非效率存在的随机前沿生产函数模型（Stochastic Frontier Analysis，SFA），且根据许和连，元朋，祝树金（2006）[10]的研究结论，把人力资本要素通过技术效率间接引入生产函数来分析我国1985~2007年间人力资本存量、人力资本构成与经济增长技术效率之间的关系。本文研究的主要是嵌入技术进步的人力资本要素对技术效率改善的影响，所谓技术效率是用来衡量在现有技术水平条件下，生产者获得最大产出的能力，表示生产者生产活动接近其前沿边界的程度，也反映了现有技术的发挥程度。

二、模型分析、数据来源及变量设定

（一）模型分析

在实证分析中，测度效率主要有两种方法：随机前沿分析技术（SFA）和数据包络分析技术（DEA）。本文采用SFA技术来测算，这主要是因为相对于DEA方法，SFA方法具有以下两个明显的优势：第一，SFA方法具有统计特性，可以对模型中的参数进行检验（t检验），还可以对模型本身进行检验（LR检验）；而DEA方法不具备这一统计特性。第二，SFA方法可以建立随机前沿模型，使得前沿面本身是随机的，这对于跨时期的面板数据研究而言，其结论更加接近于现实；而DEA方法的前沿面是固定的，忽略了样本之间的差异性，使得研究结论不及SFA方法更加接近现实。

基于SFA技术的上述优点，SFA技术被广泛的运用于技术效率的测度研究上。根据Meeusen & Broeck(1977)[15]、Aigner & Lovell & Schmidt(1977)[16]、Battese & Corra(1977)[17]以及Kumbhakar & Lovell(2000)[18]等的研究成果，SFA模型基本上可以表达为：。其中，表示产出，表示投入，表示待估计的参数。误差项为复合结构，由两个部分组成，第一部分服从分布， (独立同分布)；第二部分，表示那些仅仅对某个研究对象所具有的冲击。因此，该研究对象的技术效率状态则可以用来表示。这样，当时，该研究对象就恰好处于生产前沿上（即），即处于技术效率状态；当时，该研究对象就处于生产前沿下方，也就是处于技术非效率状态。

到了20世纪90年代，SFA技术得到了更为深入的发展，它不仅仅可以测算样本及其个体中的效率水平状态，而且还能够就那些影响效率的因素做进一步的剖析和测算。本文正是在这一技术得以广泛应用的基础上，根据Battese & Coelli(1995)[19]模型的基本原理，运用对数型柯布—道格拉斯生产函数及在1985～2007年省际面板数据的基础上，对我国人力资本存量、人力资本结构与经济增长技术效率的关系进行测算研究。具体的研究模型如下：

（1）

（2）

（3）

在式（1）中，为各省份的排列序号，，N=28；为时期序号，，T=23（1985年为起始年）；表示省份年度的GDP（单位：亿元人民币），表示省份年度的从业人员数量（单位：万人），表示省份年度的年均固定资本存量（单位：亿元人民币）。为截距项，，为待估参数，分别表示劳动力产出弹性和资本产出弹性。其中误差项由两部分组成，第一部分并服从分布，表示我国经济增长的外部影响因素和一些数据上的统计误差；第二部分并服从截尾正态分布，它反映那些在第时期作用于省份的随机因素，且与之间相互独立。

由于在本文中我们重点考虑的是人力资本及其构成对我国经济增长技术效率项的影响，因此技术无效率项函数设定如（2）式所示。在式（2）中，为待估计的常数项， ~分别为人力资本结构对经济增长技术无效率的影响系数；为人力资本存量对经济增长技术无效率的影响系数。

在式（3）中，为待估计的参数，表示随机扰动项中技术无效率所占的比率。当接近于1时，这说明模型中的误差主要来源于技术非效率，也即说明此时该省份的实际产出与前沿产出之间的差距主要来源于技术非效率所引起的损失；当接近于0时，这说明实际产出与前沿产出之间的差距主要来自于统计误差等外部影响因素。如果，则表示，进一步的可以推理得误差项。在统计检验中，若这一原假设被接受，即说明所有测算的该省份的生产点均位于生产前沿曲线上，此时则无须使用SFA技术来分析，直接运用OLS方法即可。

（二）数据来源及变量设定

为了保持统计口径的一致性，本文以中国28个省市（四川、重庆、西藏除外）为研究样本，以1985~2007年为研究时间段。所涉及的所有原始数据均来源于《新中国五十五年统计资料汇编》、《中国统计年鉴》（2006~2008）。具体数据处理及变量设定如下：

（1）表示第省份年度的GDP（单位：亿元人民币）。

（2）表示第省份年度的从业人员数量（单位：万人）。

（3）表示第省份年度的年均资本存量（单位：亿元人民币）。此处资本投入量以平均资本存量的形式体现，然而在现有的统计资料中年均资本存量数据并没有直接给出，因此，需要依据一定统计方法在已有数据基础之上对此进行估算。目前，不少学者在对全国及各省份资本存量的估计上做了许多有益探索。而在众多估算全国及各省份资本存量的研究中，单豪杰（2009）[20]的成果比较具有代表性，数据也比较全面。因此，本文此部分所使用的1985~2006年的资本存量数据即直接引用单豪杰（2009）[20]测算结果。在此表示感谢。此外2007年资本存量数据依据其估算方法推算而来。

（4）虽然从业人员数据提供了劳动力的增长，但不包含任何有关劳动力质量的信息。舒尔茨认为，教育是形成人力资本最重要的部门之一，是提高人力资本最基本的主要手段，教育形成的人力资本是技术的载体，教育形成的人力资本的增长意味着技术进步。因此我们以受教育年限法来衡量人力资本指标。我们将从业人员的受教育程度划分为4类，即大学教育、高中教育、初中教育和小学教育，且把各类受教育程度的平均累计受教育年限分别界定为16年、12年、9年和6年。在计算人力资本存量指标（HCit）时，我们采用岳书敬，刘朝明（2006）[11]的做法，即使用平均教育年限和劳动力数量的乘积来表示人力资本存量，其中，劳动力数量用各省市区历年从业人员数量表示，平均受教育年限用各省市区总人口平均受教育年限表示。在计算人力资本构成指标时，我们以每万人口中在读学生数加上已毕业学生数作为统计口径，其中HC1it、HC2it、HC3it、HC4it分别表示第i省份在t时期的每万人口中在读及已毕业大学生数、高中生数、初中数和小学生数。各数据的简单描述性统计结果见表1所示。

表1 人力资本及其构成影响因素变量的描述性统计结果

三、实证分析

根据上述研究方法和面板数据，我们运用Frontier（Version 4.1）程序对我国1985~2007年间人力资本及其结构对我国经济增长技术效率的影响进行了估计，实证结果见表2。

表2 人力资本及其构成影响因素SFA估计结果（1985~2007）

注：*表示在10%的水平下显著；**表示在5%的水平下显著；***表示在1%的水平下显著。LR为似然比检验统计量，此处它符合混合卡方分布（Mixed Chi-square Distribution）。

此处，LR统计检验在1%的水平下显著，说明模型中的误差项有明显的复合结构，且=0.8122，这表明模型中的误差主要来源于技术非效率因素（占81.22%）而非统计性误差等因素（占18.78%）。因此，对技术非效率的影响因素进行分析就显得非常有必要且有意义了，这也表明了基于面板数据的随机分析模型构建的正确性。

从人力资本构成系数来看，仅小于0，而~均大于0，这表明在人力资本结构中仅有接受过大学教育的人力资本部分对技术效率增长具有促进作用， =-0.0092说明接受了大学教育部分的大学生人力资本每提高1%，将会使经济增长技术效率增加0.92%。而高中教育程度、初中教育程度和小学教育程度的人力资本部分与技术效率是显著负相关的，其中，仅接受了高中教育以及仅接受了小学教育的人力资本部分每提高1%，将会使技术效率下降大约0.1%，而仅接受了初等教育的人力资本部分每提高1%，将会使技术效率下降大约0.2%，可见，接受了高中教育的人力资本对技术效率的抑制作用要明显的低于仅接受了初中教育的人力资本对技术效率的抑制作用，这为我国有必要在一些试点地区推行12年义务教育的政策提供了一定的实证依据。以上结论可以用彭国华（2007）的论证进行解释，即在我国这样的非技术前沿国家，技术进步主要依赖于对世界前沿技术的吸收和模仿，而只有接受了高等教育的人力资本才能达到了技术模仿的“门槛水平”，若低于高等教育的人力资本强行进行技术模仿反而欲速则不达。这也论证了人力资本理论的一个公认假设，即教育程度越高，人力资本的教育含量越大，对提高生产率的贡献也越大。但是从总体上看，人力资本存量对我国技术效率增长具有正的促进作用， =-0.0007说明平均人力资本存量每增长1%，将会使技术效率增加0.07%，但由此亦可知，人力资本作为一个整体对我国经济增长技术效率的提升作用不是很明显。

此外，我们通过对比研究发现，1985~2007年期间，在不考虑人力资本因素的情况下我国经济增长平均技术效率水平为0.727，而考虑人力资本因素之后平均技术效率水平为0.864。可见，人力资本要素对我国经济增长技术效率水平的提高具有促进作用，这进一步支持了本文的“人力资本存量与技术效率正相关”的结论。

四、小结与启示

综上所述，在分析总结已有文献基础上，本文运用基于对数型柯布—道格拉斯生产函数的随机前沿技术，对我国1985~2007年间平均人力资本存量、人力资本构成与技术效率之间的关系进行了实证研究。结果发现，在人力资本构成中，仅有接受过大学教育的人力资本部分对技术效率增长具有促进作用，此部分人力资本每提高1%，将会使技术效率增加0.92%。平均人力资本存量作为一个整体也与技术效率显著正相关，平均人力资本存量每增长1%，将会使技术效率增加0.07%。

以上研究结论给我们如下启示：

首先，代表劳动力质量水平的人力资本存量每增长1个百分点，我国经济增长技术效率仅上升0.07个百分点，这说明我国劳动力质量亟待提高。因此必须提高人力资本质量，提高国民素质，进而提高人力资本对技术效率影响力度。其中着重的是要提高高等教育质量，着力增强培养高素质人才、科技创新和社会服务能力。目前部分高校热心于规模发展，大搞基础设施建设，建立新校区，扩大高等教育规模的冲动非常强烈，但这不符合科学发展观要求，务必要转变观念、深化认识，切实的把工作重点放在提高教育质量上来。高等教育的发展要适应经济社会发展和国家发展战略需求，要通过产学研合作建设一批培养国家重点发展领域紧缺人才的学科专业，同时高校学科专业设置需进一步优化。此外，在促进人力资本存量增长的同时，要注重人力资本各个构成部分的协调发展，重视教育结构的合理化。

其次，由于接受了大学教育的人力资本部分对技术效率的提高具有较大的促进作用，因此，要想使这种促进作用进一步加强，无疑地，除了上述的提高高校教育质量之外，另一个就是大学扩招，提高大学生在人力资本结构中的比重。关于高校扩招问题，2009年“两会”期间全国政协委员顾也力先生认为，如果条件允许高校应继续扩招，它主要是基于上大学可避免年青人高中毕业即加入求职大军，以缓解就业压力方面来考虑的，他认为高校的扩招不仅整体上提高了国民素质，在很大程度上也缓解了社会就业的压力。本文的研究结论虽然在一定程度上从经济增长效率角度支持了高校继续扩招论的必要性，但是从中国的现实情况来看，我们认为当前大学扩招论是缺乏强有力的充分条件的。

第三，研究表明高中教育程度、初中教育程度和小学教育程度的人力资本部分与技术效率是显著负相关的，这说明我国基础教育还比较的落后，应当关注我国基础教育的发展。此外，接受高中教育的人力资本对技术效率的抑制作用要明显的低于仅接受初中教育的人力资本对技术效率的抑制作用，这说明我国在基本普及9年义务教育以后，可以适时的推进12年义务教育的普及工作。

参考资料

[1]郑京海,胡鞍钢.中国改革时期省际生产率增长变化的实证分析(1979~2001年)[J].经济学(季刊),2005,4(2):263-296.

[2]郭庆旺,贾俊雪.中国全要素生产率的估算:1979-2004[J].经济研究,2005(6):51-60.

[3]李宾,曾志雄.中国全要素生产率变动的再测算:1978~2007年[J].数量经济技术经济研究,2009(3):3-15.

[4]王志刚,龚六堂,陈玉宇.地区间生产效率与全要素生产率增长率分解(1978-2003)[J].中国社会科学,2006(2):55-66.

[5]金相郁.中国区域全要素生产率与决定因素:1996-2003[J].经济评论,2007(5):107-112.

[6]Benhabib, J. & Spiegel, M. “The Role of Human Capital in Economic Development: Evidence from Aggregate Cross-Country Data”. Journal of Monetary Economics, 1994, 34(2).

[7]Islam, N. “Growth Empirics: A Panel Data Approach”. Quarterly Journal of Economics, 1995, 110(4):1127-1170.

[8]Aiyar, S. & Feyrer. J. “A Contribution to the Empirics of Total Factor Productivity”. Dartmouth College Working Paper, 2002.

[9]颜鹏飞,王兵.技术效率、技术进步与生产率增长:基于DEA的实证分析[J].经济研究,2004(12):55-65.

[10]许和连,元朋,祝树金.贸易开放度、人力资本与全要素生产率:基于中国省际面板数据的经验分析[J].世界经济,2006(12):3-10.

[11]岳书敬,刘朝明.人力资本与区域全要素生产率分析[J].经济研究,2006(4):90-96.

[12]朱承亮,岳宏志,李婷.中国经济增长效率及其影响因素的实证研究：1985~2007年[J].数量经济技术经济研究,2009(9):53-63.

[13]Vandenbussche, J. & Aghion, P. & Meghir, C. “Growth, Distance to Frontier and Composition of Human Capital”. Journal of Economic Growth, 2006, 11(2).

[14]彭国华.我国地区全要素生产率与人力资本构成[J].中国工业经济,2007(2):52-59.

[15]Meeusen. W. & J. van den Broeck. “Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error”. International Economic Review, 1977, 2:435-444.

[16]Aigner, D. J. &C. A. K Lovell, &Schmidt. “Formulation and Estimation of Stochastic Frontier Production Functions Models”. Journal of Econometrics,1977,1:21-37.

[17]Battese, G. E. & G. S. Corra. “Estimation of a Production Frontier Model: With Application to the Pastoral Zone of Eastern Australia”. Australian Journal of Agricultural Economics, 1977, 3:169-179.

[18]Subal C. Kumbhakar & C. A. Knox Lovell. Stochastic Frontier Analysis. Cambridge University Press, 2000.

[19]Battese, G. E.& T. J. Coelli. “A Model for Technical Inefficiency Effects in a Stochastic Production Frontier for Panel Data”. Empirical Economics, 1995, 20: 325 -332.

[20]单豪杰.中国资本存量K的再估算:1952~2006年[J].数量经济技术经济研究,2008(10):17~31.