人力资本高级化、区域创新与产业结构升级
——以安徽省为例

王刚

(安徽财经大学 经济学院， 安徽 蚌埠 233030)

一、引言

安徽是位于我国中部传统农业和人口大省，随着工业化和城市化进程不断推进，其产业结构逐渐从第一产业向第二、三产业调整。根据2021年《安徽省国民经济和社会发展统计公报》的数据显示，安徽省全年国民生产总值为42959.2亿元，位居全国第11位，三次产业结构占比分别为7.8%、41.0%和51.2%。党的十九届五中全会指出，我国经济已经迈向高质量发展阶段，经济发展不平衡不充分问题凸显。在安徽省表现为地级市之间经济发展不平衡、产业结构有待优化和产业层次较低。2021年，安徽省下辖16个地级行政区中，省会合肥GDP占全省GDP的比重为26.6%，远高于其他城市；8个地级市的GDP位于1000—2000亿元之间，5个地级市的GDP位于2000—4000亿元之间；黄山的GDP最低，不足1000亿元。从产业结构上看，6个地级市第一产业占比高于10%；11个地级市第三产业占比不及全省平均水平。因此，安徽各个地级市在以供给侧结构性改革为主线的经济高质量发展的背景下，需要因地制宜地进行产业结构调整，促进安徽省区域经济协调发展。

改革开放以来，随着国家对教育投入的增加和招生规模的扩大，从业人员以及整体国民的受教育年限不断延长，人力资本结构经历着高质量人力资本对低质量人力资本的替代，向高级化迈进。Lett et al[1]认为，人力资本在制造业转型升级时发挥重要作用，只有当人力资本与产业结构相互匹配，产业结构才能不断优化调整，促进经济持续健康发展。人力资本匹配表现为人力资本在不同产业部门之间动态转移，顺应产业结构升级所需的人才支撑，使人力资本的供给和需求达到动态均衡。目前对人力资本的研究主要集中在宏观层面上的经济增长[2-4]、产业结构调整[5]、区域创新[6]和出口质量[7]等方面。在微观层面的研究主要集中在企业创新[8]、投资效率[9]和企业绩效[10]等方面。对于产业结构升级的研究，多聚焦在产业结构升级的影响动因和经济后果。如杜文强[11]研究认为，工业机器人的安装和存量密度显著提高了产业结构高级化水平。此外还有智慧城市政策[12]、新型城镇化[13]和互联网发展[14]对产业结构转型升级的影响。产业结构调整引发的经济后果主要集中在经济高质量发展[15]、企业绿色全要素生产率[16]和碳减排[17]等方面。通过梳理文献，目前对人力资本结构高级化和产业结构升级均有丰富的研究，但鲜有学者将人力资本高级化与区域创新纳入统一框架并引入到产业结构升级的研究分析中。因此，本文以安徽省中的16个地级市为研究样本，测算各个城市中的人力资本结构高级化指数，分析其对产业结构升级的影响，以期对现有文献进行丰富和补充。与已有研究相比，本文的边际贡献在于：第一，测算安徽省城市层面人力资本高级化指数，拓宽人力资本高级化的研究范围；第二，对安徽省人力资本高级化如何影响产业结构升级进行剖析，为二者作用机理提供理论和实证解释；第三，设立区域创新门槛变量，建立面板门槛模型探讨了人力资本高级化和产业结构升级之间的非线性关系。

二、计量模型、方法与数据

(一)计量模型

为验证以上假说，本文采用固定效应模型来检验人力资本结构高级化对产业结构升级的影响。模型如下

yi，t=a0+a1hstruci，t+anXi，t+μi+δt+εi，t#

(1)

其中，yi，t代表城市i在t时期的产业结构水平，包含产业结构高级化和产业结构合理化两个指标；hstruci，t代表城市i在t时期的人力资本结构高级化水平；Xi，t代表一系列控制变量；a0表示截距项；a1表示核心解释变量的估计参数；μi表示控制城市i不随时间变化的个体固定效应；δt表示时间固定效应；εi，t表示随机扰动项。

为检验技术创新在人力资本结构高级化促进产业结构升级过程中是否发挥中介作用，首先在人力资本结构高级化对产业结构升级的直接回归模型(1)中a1通过显著性检验的基础上，分别构建人力资本结构高级化对技术创新、人力资本结构高级化与技术创新对产业结构升级的线性回归模型(2)(3)；其次分别通过检验模型(2)(3)中β1、γ1、γ2的显著性来判断产业结构升级是否发挥中介效应，上述模型的具体形式设定如下：

inni，t=β0+β1hstruci，t+βnXi，t+μi+δt+εi，t#

(2)

yi，t=γ0+γ1hstruci，t+γ2inni，t+γnXi，t+μi+δt+εi，t#

(3)

根据上文理论，在分析了产业结构升级中介效应的基础上，还有必要进一步探讨人力资本结构高级化与技术创新对产业结构升级产生的非线性动态效应。因此，采用Hansen[18]的方法设定如下面板门槛效应模型：

yi，t=φ0+φ1hstruci，t×I(inni，t≤θ2)+

φ2hstruci，t×I(inni，t>θ2)+φnXi，t+μi+εi，t#

(4)

其中，hstruci，t、inni，t表示人力资本结构高级化、技术创新等门槛变量；θ为待估计的门槛值，I(·)为示性函数，当相应条件为真时，取值为1，否则取值为0。根据门槛变量是否大于门槛值，将样本划分为两个区间。其他变量解释同式(1)。

(二)变量与数据说明

1.产业结构升级

为综合反映安徽省产业结构升级情况，本文参考已有文献的研究构造产业结构高级化和产业结构合理化指数。产业结构高级化反映了产业结构由第一、二产业向第三产业的跃迁情况，反映产业结构的服务化倾向。一般而言，经济越发达的地区，第三产业对经济增长的贡献度越高，且对环境的破坏程度较小，具有经济发展的可持续性。本文采用第三产业GDP占第二产业GDP的比重进行衡量，计算公式如下：

(6)

产业结构合理化指数(Rsp)则集中体现了产业之间协调能力和资源有效利用程度，测度方法主要有：标准结构法、结构效益系数、产业结构偏离度和泰尔指数，考虑到安徽省城市经济基础、资源禀赋、产业结构差异较大，为准确反映三次产业的经济地位和产值与就业的结构偏差，本文采用泰尔指数的倒数来衡量产业结构合理化水平，泰尔指数计算公式为：

(7)

其中，yi，m，t代表城市i第m产业在t时期的增加值；li，m，t表示城市i第m产业在t时期就业人员占总就业人员的比重，产业结构泰尔指数(theili，t)为逆向指标，theili，t值越大则表示产业结构不合理程度越高，本文在计算时对其做倒数处理，即tl=1/theil。

2.人力资本结构高级化

人力资本结构高级化具有初级人力资本向高级人力资本的动态演进特征，本文参考刘智勇[3]的研究，采用向量夹角法对中国省级层面的人力资本高级化进行衡量。目前的研究表明向量夹角法对于产业结构、就业结构等变化具有很好的适用场景，对于人力资本结构变化的度量也同样适用。测算过程如下：

首先，构建人力资本空间向量。人力资本结构按照受教育程度水平分成文盲半文盲、小学、初中、高中和大专以上五类，构造五维人力资本空间向量X0=(x0，1，x0，2，x0，3，x0，4，x0，5)，空间向量的每个分量代表每一类人力资本受教育程度的占比。

其次，选取基准向量X1=(1，0，0，0，0)、X2=(0，1，0，0，0)、X3=(0，0，1，0，0)、X4=(0，0，0，1，0)、X5=(0，0，0，0，1)，计算人力资本空间向量X0与基准向量的夹角θj，计算公式为：

(8)

其中，xj，i为基本向量组xj第i个分量，x0，i代表了向量x0的第i个分量。

最后，计算人力资本结构高级化水平，公式如下：

(9)

其中，Wj为θj的权重，W1、W2、W3、W4和W5分别设定为5、4、3、2、1。hstruc的值越大，代表人力资本高级化水平越高。受到地级市层面的数据限制，向量夹角法测算人力资本结构高级化只能到省级层面。本文参考骆莙函[19]的做法，将安徽省地级市接受高等教育的在校学生占全省在校大学生的比重作为权重，乘以安徽省级层面的人力资本高级化指数，得到地级市层面的人力资本高级化指数。

3.中介变量

高级人力资本是知识创新、技术研发和实践经验的重要载体，通过“干中学”效应将实践习得经验转化为新知识和新观点，加速技术创新的过程。高级人力资本具有较强的外溢性，高级人力资本在产业之间流动，为企业的产业结构升级提供条件，同时也推动行业整体的产业结构向集约化、高级化发展。一个地区专利的授权数量能很好地反映区域创新水平，专利包含众多内化的知识和技术信息，是区域创新活动产出和创新能力的体现。在我国，专利主要分为发明专利、实用新型和外观设计。其中发明专利所需要的技术水平、研发投入和创新难度较高，最能体现区域创新的水平。本文分别采用发明专利的自然对数和专利总量对区域创新进行衡量。

4.控制变量

参照已有研究，本文在基础回归模型中控制了一系列城市特征变量以尽可能地缓解遗漏变量偏误，具体为：(1)地区经济发展水平(gdpgr)，用GDP年度增长率表示；(2)工资水平(wage)，用职工平均工资的自然对数来表示；(3)城市化率(cshl)，用地级市城镇人数占全部人数的比重来表示；(4)地方财政支出(ge)，用地方财政支出的自然对数表示；(5)外商投资(fdi)，用外商直接投资的自然对数表示；(6)交通基础设施(ie)，用人均城市道路面积来表示；(7)互联网发展水平(internet)，用地级市每百人国际互联网用户数来表示；(8)对外开放程度(open)，用当期进出口总额占当期GDP的比重来表示。

5.数据来源

本文运用2003—2018年安徽省各地级市数据研究人力资本结构高级化对产业结构升级的影响。安徽省包含合肥市、芜湖市、蚌埠市、淮南市、马鞍山市、淮北市、铜陵市、安庆市、黄山市、阜阳市、宿州市、滁州市、六安市、宣城市、池州市、亳州市16个地级市。市级层面的相关数据来源于《中国城市统计年鉴》《中国城市建设统计年鉴》，缺失值通过查找安徽省各地级市统计年鉴与统计公报补齐，其他缺失值使用插值法进行填充。为避免价格波动产生的影响，本文以2003年为基期对相关变量进行平减。变量的描述性统计见表1。

表1 描述性统计

三、实证结果分析

为避免变量之间的多重共线给模型的估计结果造成干扰，本文使用方差膨胀因子方法对模型进行检验，VIF的值均小于10，说明解释变量之间不存在严重的多重共线性。Hausman检验结果的p值为0，显著拒绝原假设，选用双向固定效应模型进行估计更为合适。

(一)基准回归

表2展示了人力资本结构高级化对产业结构升级的基准回归结果，其中在以产业结构高级化为被解释变量的模型(1)中，人力资本结构高级化的系数在1%的置信水平上显著为正，其经济意义为人力资本高级化结构每提升1%，产业结构高级化提高0.088%；在以产业结构合理化为被解释变量的模型(2)中，人力资本高级化的系数在1%的置信水平上显著为正，其经济意义为人力资本高级化结构每提升1%，产业结构合理化提高3.452%。

表2 基准回归

(二)内生性检验

产业结构升级可能会提高对高端劳动力的需求，满足新式的生产和管理模式，因此政府和社会层面会加快对人才的培育，促进区域整体人力资本高级化水平。为了缓解因反向因果造成的内生性问题，本文选取城市人力资本高级化的滞后一期作为工具变量。其合理性在于人力资本是一个累积的过程，上一期的人力资本高级化程度与当期息息相关，满足工具变量的相关性要求；当期的产业结构升级并不能对上一期的人力资本高级化产生影响，满足工具变量的外生性要求。表3的第(1)列和第(2)列展示了人力资本结构高级化滞后一期作为工具变量的两阶段最小二乘法估计结果，Kleibergen-Paap rk LM对应的p值小于0.01，说明该检验在1%水平上显著拒绝“工具变量识别不足”的原假设；Kleibergen-Paap rk Wald F统计量大于Stock-Yogo检验10%水平上的临界值，拒绝“弱工具变量”的原假设。上述检验证明了本文工具变量的有效性。hstruc的系数在1%的置信水平上显著为正，说明人力资本高级化显著提高了产业结构高级化和产业结构合理化，证明了结论的稳健性。

为了进一步缓解可能存在的内生性问题，参考戴魁早等[20]的研究，构造2003—2018年安徽省地级市高校数量与前两期全国高校毕业生数的交互项作为人力资本高级化的工具变量。人力资本高级化程度与地方高等教育的质量密切相关，地区高校数量众多且具有较高的教学质量，地区人力资本也具有较高的水平，满足工具变量的相关性。高校的设立需由教育部或其他部门认定，短时期内地区高校数量是保持不变的，对产业结构升级不会产生直接影响，满足工具变量的外生性。为了避免工具变量因固定效应而无法估计，因此选择前两期全国高校毕业生数做交互，使工具变量具有时变性。表3的第(3)列和第(4)列展示了交互项作为工具变量的两阶段最小二乘法估计结果，通过相关检验得知，工具变量不存在识别不足、弱工具变量和过度识别问题，工具变量是有效的。hstruc的系数在1%的置信水平上显著为正，说明人力资本结构高级化显著提高了产业结构高级化和产业结构合理化，证明了结论的稳健性。

表3 内生性检验

(三)稳健性检验

由于地级市从业人员学历情况的欠缺，本文采用地级市在读学生数量总数的自然对数对地区人力资本水平进行衡量。回归结果见表4的第(1)列和第(2)列，核心解释变量的系数(hstruc)均在1%的置信水平上显著为正，说明替换解释变量之后，人力资本高级化的提升促进了产业结构高级化和合理化，证明本文结论的稳健性。

除了产业结构高级化和合理化之外，本文还引入产业结构层次系数对产业结构升级进行衡量。将三次产业增加值占GDP的比重赋予相应的权重，以三次产业增加值的加权和来表示产业结构变迁。计算公式为：

(10)

其中，Ij表示城市第j产业占该城市GDP的比重，isp反映了产业结构由第一、二产业向第三产业跃迁程度，该指数最大值为3，越接近3时，产业结构越高级。表4第(3)列展示了回归结果，核心解释的系数在1%的置信水平上显著为正，说明人力资本结构高级化显著提高了产业结构升级，说明替换被解释变量后，本文的结论依然稳健。

表4 稳健性检验

(接上表)

四、进一步分析

(一)机制检验

为检验人力资本高级化能否通过提高区域创新水平来促进产业结构升级，本文分别用发明专利和专利总量的自然对数作为区域创新的代理变量进行中介效应模型检验。表5的第(1)列和第(4)列回归结果显示，在以区域创新的代理变量为被解释变量时，人力资本结构高级化的系数(hstruc)均通过了10%的显著性检验，说明人力资本结构高级化显著提高了区域创新。进一步将区域创新的代理变量和人力资本结构高级化变量共同加入回归模型中，中介变量和核心解释变量依旧显著为正，说明人力资本结构高级化在推动产业结构升级的过程中发挥部分中介作用。

表5 机制检验

为进一步验证中介机制检验结果的稳健性，本文采用Sobel检验和Bootstrap检验对区域创新的中介效应进行了检验，两种检验方法的原假设均为H0：β1×γ1=0。其中SobelZ值、Goodman-1(Aroian)Z值、Goodman-2Z值对应的P值均在5%水平上显著拒绝原假设，Bootstrap在不同抽样次数下的检验结果显示，回归的95%置信区间均不包含零，从而拒绝原假设。故区域创新在人力资本结构高级化影响产业结构升级中起到中介作用。

(二)门槛效应

本文采用面板门槛模型进行非线性关系检验。首先，参照Hansen的自举法[18]对各门槛变量进行门槛值存在检验，区域创新显著通过单一门槛检验，未通过双重门槛和三重门槛检验。基于此，本文设定单一门槛检验的面板门槛效应模型，估计结果如表6所示。

从第(1)列可以看出，当安徽省区域创新水平小于4.6634时，人力资本结构高级化对产业结构高级化的促进作用不显著；当安徽省区域创新水平大于等于4.6634时，人力资本结构高级化对产业结构高级化的促进作用在5%水平上显著为正，估计系数为0.136。在第(2)列中，区域创新以6.1137为门槛值，门槛值前后人力资本结构高级化对产业结构合理化的作用效果从无到有，当安徽省区域创新水平小于6.1137时，人力资本结构高级化对产业结构合理化的促进作用不显著；当安徽省区域创新水平大于等于6.11374时，人力资本结构高级化对产业结构合理化的促进作用在1%水平上显著为正，估计系数为4.011。这表明人力资本结构高级化对产业结构升级受到区域创新产生的调节作用，只有当区域创新达到一定规模，产业结构升级才可以顺利进行。

五、结论和政策建议

本文基于2003—2018安徽省地级市数据，采用向量夹角法对安徽人力资本结构高级化水平进行测算。研究发现，人力资本结构高级化显著提高了产业结构高级化和产业结构合理化。在以滞后一期的人力资本结构高级化和地级市高校数量与前两期全国高校毕业生数的交互项作为工具变量缓解内生性问题后，结论依然成立。本文还重新对人力资本结构高级化和产业结构升级进行重新测算，替换变量后的回归模型的核心解释变量系数依然显著为正，证明了结论的稳健性。进一步进行中介机制检验和门槛模型检验后发现，区域创新在人力资本结构高级化推动产业结构升级的过程中发挥部分中介作用，当区域创新水平越过单一门槛值，人力资本结构高级化水平才会显著提高产业结构升级。

基于以上结论，本文提出如下建议：

首先，安徽各级政府在制定相关产业政策时，应充分考虑到人力资本高级化对产业结构升级的推动作用。深化教育和研究体制改革，贯彻落实十九大提出的“优先发展教育战略”和《关于深化人才发展体制机制改革的意见》，牢牢抓住“科教兴国”“人才强国”顶层设计。加快创新型人才的培养，营造良好的学习和培训氛围，牢牢把握基础教育、高等教育和职业教育三位一体，使人才培养与社会需求相互衔接。

其次，鼓励企业进行自主创新，选出一批创新能力强、社会效益好和发展前景好的企业进行重点扶持，打造安徽省属于自己的明星企业，以点带面地促进行业整体的产业结构升级。创新的有效实现依赖政府对知识产权的保护力度，加快知识产权法律建设，加大对侵犯知识产权的惩罚力度，让企业没有后顾之忧地进行创新。

最后，地方政府需要因地制宜地发展产业。逐渐淘汰环境污染严重、社会效益较差和生产效率低下的落后产能。深入挖掘内需，提供高质量的产品供给，满足居民多样化的产品需求，逐渐推动产业结构向高级化和合理化发展。