人力資本結構與技術進步
——異質性影響分析及其跨國經驗證據

臺 航 崔小勇

一、引 言

經濟全球化的發展促進了世界各國之間的經濟文化交流，也帶動了先進技術由技術領先國家向其他國家的擴散和傳播，為技術落后國家的技術追趕提供了有利條件。然而，盡管技術擴散有利于技術進步，一個國家內部的生產要素投入特別是人力資本積累在技術進步過程中仍然發揮著不可替代的作用。內生增長理論認為，人力資本是技術進步活動的主要投入要素(Nelson和 Phelps，1966；Romer，1990)，而不同類型的人力資本對技術進步的影響存在差異。那么，當人力資本總量一定時，不同類型的人力資本之間所形成的相對結構對技術進步的影響是否一樣呢？由于存在性質不同的技術進步活動(技術創新和技術應用)，而這些活動所依賴的人力資本類型又并不一致，那么人力資本內部的結構性變化對技術進步的整體影響勢必會存在差異。關于這個問題學者們探討得并不多。本文將依托于理論分析和跨國經驗證據，從結構性的角度出發，分別以技術創新活動和技術應用活動產生的效率變化為研究對象，重點探討人力資本結構變化對兩種效率變化所產生的異質性影響。

黨的十九大報告強調：“創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐?！逼渲校瞬排囵B是實施創新驅動戰略、建設創新型國家的重要基石。更為重要的是，自 2008年全球金融危機以來，各國貿易保護主義有所抬頭，國際經濟發展中逆全球化現象有所顯現，以技術性貿易壁壘為代表的非關稅措施制約著跨國技術擴散。在此情況下，把握人力資本內部的結構性差異對技術進步尤其是技術創新活動的影響，無疑具有重要的現實意義，這將會為我們突破未來可能面臨的技術封鎖和為技術進步的長遠發展制定具有針對性的人才培養方案提供重要的借鑒。

關于人力資本的類型，學者們通常按照受教育程度將人力資本分為熟練型和非熟練型兩類，前者一般是指受過高等教育的勞動力；而本文所研究的人力資本類型更為細化，包括初等教育型、中等教育型和高等教育型三種類型。就技術進步而言，大部分研究普遍根據活動性質的不同將技術進步過程分為技術創新活動和技術模仿活動(包括技術追趕或技術擴散)。如果國家之間具有完全的開放度，則每一時點的技術前沿具有唯一性，那么技術落后國家趨向技術前沿的技術追趕活動(或者技術先進國家出現的向技術落后國家的技術擴散活動)，實際上屬于技術應用范疇。因此，為了保持理論分析和實證分析的一致性，本文將技術進步活動分為技術創新和技術應用，以便于分析不同類型的人力資本所產生的異質性影響。

以往文獻在研究不同類型的人力資本對技術進步的影響時，也主要以技術創新和技術模仿為研究對象來展開。這些研究通過假定技術創新和模仿活動在技能需求方面的差異來探究給定經濟體在接近技術前沿的過程中不同類型的人力資本對技術進步的異質性影響。例如，Benhabib和 Spiegel(1994、2005)、Dowrik和 Rogers(2002)通過分別構建不同的技術擴散模型，發現人力資本水平的提高不僅有助于技術創新，而且還有助于技術擴散或技術追趕；然而，他們所分析的對象是整體的人力資本存量，并未對人力資本的不同類型進行區分。Vandenbussche等(2006)假設技術創新活動相對于技術模仿而言屬于技能密集型，以此構建內生增長模型并結合實證分析指出，經濟體越是接近技術前沿則熟練勞動力的增長效應越為顯著；而當經濟體遠離技術前沿時，密集使用非熟練勞動力的技術模仿則是提高全要素生產率的主要動力。Messinis和Ahmed(2008)的實證分析結果則表明熟練勞動力有助于技術創新和技術擴散。Ang等(2011)以 Vandenbussche等(2006)的分析為基礎并進一步擴展了樣本范圍，其實證分析結果表明初等教育和中等教育有利于技術模仿，而高等教育有利于技術創新；當中高收入國家接近技術前沿時，高等教育對技術進步的增長效應會逐漸增強。Basu和Mehra(2014)通過構建不同技術進步類型的內生增長模型來探討不同類型人力資本的差異性作用，發現熟練型人力資本在“技術模仿-技術創新”型和“技術創新”型的增長體制中具有明顯的增長效應，而非熟練型人力資本只在“技術模仿”型增長體制中發揮促進作用。Cerina和 Manca(2016)則進一步放松了 Vandenbussche等(2006)關于技術進步活動規模報酬不變的假定，認為經濟體在接近技術前沿的過程中，貧窮國家的熟練型勞動力所產生的邊際增長效應會逐漸增加，而在接近技術前沿的國家里，其作用正好相反。

回顧文獻，我們發現以往的研究還存在著一些局限。首先，以往研究多分析的是人力資本對整體技術進步率的影響，而對技術模仿或創新所產生的效率變化并未展開深入研究。Vandenbussche等(2006)、Ang等(2011)、Cerina和 Manca(2016)等大部分文獻主要探討了各類型人力資本對技術進步率的差異性影響；然而，在不同發展水平的國家里，技術模仿和技術創新所產生的效率變化存在差異，那么人力資本的影響作用也會不同，關于這一點鮮有研究涉及。其次，關于人力資本結構對技術進步的影響，目前的研究文獻仍缺乏系統分析。學者們多以人力資本存量為研究對象，而對于各類型人力資本及其相對結構所產生的影響是否具有差異性，他們并未深入分析。此外，在人力資本測算方面，他們單純地使用年限法或人口占比法來衡量人力資本存量，這一做法也具有較大的片面性，因為不同類型的人力資本之間所存在的質量差異(受教育年限和教育收益率的差異)也會顯著影響人力資本作用的發揮。

鑒于過去研究文獻中存在的不足，本文通過借鑒以往的研究方法，以跨國經濟數據(Penn World Table 9.0，PWT 9.0)和教育數據(Barro和Lee，2013)為基礎，詳細測算了各國初等教育型、中等教育型和高等教育型的人力資本結構占比，并利用 Malmquist指數分解法和隨機前沿分析法(SFA)對各國的技術進步率進行了有效分解，即分解為技術效率變化和技術變化：前者反映了技術應用活動(或技術模仿)所產生的效率變化，而后者反映了技術創新活動所帶來的純技術水平的提高。在此基礎上，本文通過使用跨國面板數據回歸，分別就各類型的人力資本結構對技術效率變化和技術變化的影響作用進行了實證檢驗，以理清具體的作用機制。本文的主要貢獻包括以下幾個方面。

一是基于教育收益率而對人力資本結構進行了測度。本文以 Mincer(1974)提出的人力資本與收益率之間的關系為基礎，由此測算了 136個國家 1970—2010年每隔五年的初等教育型、中等教育型和高等教育型人力資本存量，并計算了相應的人力資本結構。以往研究在測算人力資本時，并未考慮各國不同的受教育程度在教育收益率和受教育年限方面存在的跨國差異，而這些要素影響了各類型人力資本的質量。本文采取的測算方法充分考慮到不同類型的人力資本結構之間所存在著的質量差異，以精確衡量它們的經濟價值。據此，本文結合跨國經濟數據庫形成了一個具有95個國家或地區共9期的數據面板，這為實證分析提供了詳實的樣本數據基礎。

二是對各國的技術進步率即全要素生產率(TFP)的增長率進行了有效分解。與以往研究所不同的是，本文利用 Malmquist指數分解法和隨機前沿分析法(SFA)法將TFP增長率分解為技術變化和技術效率變化兩個部分，以深入研究人力資本結構對技術進步效率變化結構的影響。Vandenbussche等(2006)等一系列研究均以技術進步率(TFP增長率)為研究對象，這種分析的局限性在于，我們無法洞察人力資本結構對技術進步的影響路徑。相反，通過利用Malmquist指數分解法進行效率分解，技術變化反映了因技術創新而帶來的純技術變化，技術效率變化則反映了因技術應用(或技術模仿)而帶來的效率變化，兩者的乘積才綜合反映了技術進步率。因此，通過研究人力資本結構對技術變化和技術效率變化的差異性影響，我們將理清不同類型的人力資本結構具體通過哪種路徑來影響到最后的技術進步，并且探究具體的作用機制是否存在差異，從而豐富我們對人力資本結構和技術進步之間關系的認識。

三是在技術擴散的背景下重點探討了各國(或地區)人力資本結構對技術進步效率的影響。與以往文獻不同的是，在研究人力資本與技術進步之間關系時，本文做了兩個方面的重要補充：一方面，不再關注各類型人力資本存量的影響作用，而是在假設人力資本總量一定的前提下，重點探討人力資本內部所存在的結構性差異對技術變化和技術效率變化的影響。另一方面，同時考慮了經濟全球化所帶來的技術擴散的影響，以更加準確地、穩健地考察人力資本結構對技術進步的影響作用。結果表明，在控制給定經濟體與技術前沿距離的情況下，初等教育型的人力資本結構占比是影響技術效率變化的重要因素，高等教育型的人力資本結構占比對技術變化而言更為重要，中等教育型的人力資本結構占比對兩者的影響并不明確。更為重要的是，本文通過進一步討論發現，隨著經濟體不斷接近技術前沿，不同類型的人力資本結構對技術效率變化和技術變化的影響呈現出邊際遞減的趨勢。

本文余下內容安排如下：第二部分從理論上分析人力資本結構對技術進步產生的效率變化的影響機制，并提出研究假說；第三部分詳述人力資本結構的測算方法和技術進步效率的分解方法；第四部分在第三部分的基礎上，利用跨國面板數據實證分析人力資本結構對技術進步效率變化(技術效率變化和技術變化)的影響，并進行穩健性檢驗；第五部分展開進一步討論，探討當經濟體接近技術前沿時人力資本結構的變化對技術進步的影響程度是否會發生變化；第六部分總結全文并提出政策啟示。

二、研究假說

內生增長理論認為，人力資本對技術進步的影響體現在兩個方面：創新知識(技術)和加速技術的吸收與擴散。首先，人力資本是知識創新和技術開發的重要源泉。Romer(1990)指出，知識(技術)由于具有非競爭性而能夠產生“溢出效應”，因此任何個人所進行的知識生產都能提高整個社會的生產效率。其次，人力資本是技術應用的必要條件。在其他條件一定的情況下，人力資本的存量越大，技術吸收與擴散的速度就越快，物質資本的生產效率也就越高。技術進步主要包括兩個方面：技術創新和技術應用。技術創新意味著生產可能性邊界的外推，而技術應用則體現了趨向生產可能性邊界的內部資源配置優化；在開放經濟的條件下，技術應用還包括跨國之間的技術追趕(Kumar和 Russell，2002)。相應地，技術進步所帶來的效率變化包括兩部分：技術變化和技術效率變化。前者代表了技術創新水平的變化，即在投入要素不變的情況下，單純地因為技術水平的提高而導致的效率變化；而后者代表了技術應用效率的變化，即在各期技術水平不變的情況下，單純地因為各期要素利用效率的提高而帶來的變化。

人力資本結構對技術效率變化和技術變化的影響具有差異性。一方面，根據Aghion等(1998)、Vandenbussche等(2006)等學者的分析，高等教育型人力資本往往被視為技術進步的關鍵投入要素。相對于技術應用而言，技術創新活動需要更多技能的投入，因而它要求人力資本具備更多的勞動技能，或者更高的教育水平。因此，高等教育型的人力資本對技術創新的影響更大。另一方面，Romer(1986、1990)、Lucas(1988)等在研究中把初等教育型和中等教育型人力資本作為直接的勞動投入來引入到生產函數當中。由此可見，初等教育型和中等教育型的人力資本可能直接作用于生產活動；而當技術水平(或生產可能性邊界)給定時，兩者在生產活動中發揮的作用更多地體現在促進了技術應用水平的提高，即將給定的生產技術應用到具體的生產實踐中，并不斷促進生產活動向生產可能性邊界趨近。值得注意的是，對于中等教育型的人力資本而言，由于其既包括全日制的中學教育，也包括職業高中等技術性和職業性較強的學歷教育，因此它對技術創新和技術應用都能產生影響。然而，中等教育型人力資本積累，是促進技術進步還是促進技術應用，或者說對技術創新和技術進步的相對影響如何，以往的理論研究并未給出明確結論。因此，我們需要通過實證分析來確定中等教育型人力資本的結構性變化對技術效率變化和技術變化的差異性影響。

為此，本文根據以往文獻的研究成果提出如下研究假說。

假說1：由于技術應用主要受初等教育型的人力資本影響，因此初等教育型人力資本占比的提高會促進技術效率變化。

假說2：由于技術創新主要由高等教育型的人力資本決定，因此高等教育型人力資本占比的提高則會促進技術變化。

假說3：對于中等教育型的人力資本而言，其對技術變化和技術效率變化都會產生影響，但是影響性質并不明確。

綜合以上假說，本文的邏輯思路如圖1所示：

圖1 人力資本結構對經濟增長的影響機制

下面，本文首先提出人力資本結構的測算方法和技術進步效率變化的分解方法，然后設計實證模型對以上假說進行驗證。

三、人力資本結構的測算和技術進步效率變化的分解

（一）測算人力資本結構

目前學術界主要采用收入法來測算人力資本存量，即從人力資本投資收益的角度出發，通過核算人力資本積累未來所能帶來的收益現值總額來反映人力資本的投資價值。本文借鑒 Jorgenson和Fraumeni(1989、1992)、Hall和Jones(1999)、Caselli(2005)和 PWT 9.0(2016)對人力資本的測算方法，以不同受教育程度的人口占比、平均年限以及教育收益率為基礎來測算初等教育型(Hp)、中等教育型(Hs)和高等教育型(Hh)的人力資本存量①以往學者在研究時通常使用受教育年限或人口占比來代表人力資本，例如 Barro和 Sala-i-Martin(1995、2003)、Barro(2001)、Vandenbussche等(2006)和Ang等(2011)。然而，這些方法忽略了人力資本所能帶來的經濟價值，有很強的片面性。根據 Mincer(1974)的研究，工資與教育年限之間存在對數線性關系，為此Hall和Jones(1999)、Caselli(2005)和PWT 9.0(2016)等在測算人力資本存量時均采用對數線性公式來表示人力資本存量與平均受教育年限之間的關系，但是他們并未考慮不同受教育層次的人力資本存量的測算方法；此外，Jorgenson和Fraumeni(1989、1992)等在測算時還充分考慮了年齡分組的影響，但是他們的方法以微觀數據為基礎，當我們使用跨國宏觀數據進行測算時將面臨著較大困難。。具體而言，就是以年齡分組數據為基礎，分別測算各年齡組中不同受教育程度所帶來的收益，并以各年齡組的不同受教育程度的人口占比為權重來進行加權平均，再綜合計算不同受教育程度的人力資本存量。其中，教育收益率通過計算各年齡組給定受教育程度的收益率和平均受教育年限的自然指數值來獲得。各類人力資本存量的測算公式如下所示：

各受教育水平的人力資本結構為：

其中：

關于數據來源，教育人口占比和平均受教育年限數據來自于 Barro和 Lee(2013)提供的跨國教育面板數據集。在測算各類型的人力資本存量時，需要綜合考慮各國不同教育層次的教育收益率差異和學制年限差異，本文以 Psacharopulos(1994、2004)的研究成果和聯合國教科文組織(UNESCO)的數據庫為基礎，按照合理的方法確定各國法定學制年限和教育收益率的具體數值(法定學制年限和教育收益率的確定方法詳見臺航、崔小勇(2017)的文獻)。

利用上述方法，本文共測算了 136個國家或地區的 1970—2010年每隔五年的初等教育型、中等教育型和高等教育型人力資本存量數據，并以此為基礎計算了各國的人力資本結構。各國不同類型的人力資本存量及其結構情況如表1所示。

表1 各國不同類型的人力資本存量及其相對結構狀況

（二）技術進步的分解

正如前文所述，技術進步所帶來的效率變化包括技術變化和技術效率變化兩個部分，前者代表了技術創新水平的提高，后者代表了技術應用水平的提高。本文將使用隨機前沿分析法(SFA)來測算各國或地區的技術效率，并在此基礎上利用 Malmquist指數分解法對技術進步所產生的效率變化進行分解。

1.技術進步的測算

技術進步主要通過測算全要素生產率(TFP)的變化率來反映；而測算 TFP變化率則需要確定各國或地區的技術前沿并計算各自偏離技術前沿的距離，即技術效率。本文利用隨機前沿法(SFA)來測算技術效率。SFA測算法是在估算生產前沿函數的基礎上，將偏離生產前沿的觀測現象歸為技術無效率，并將外部隨機性因素的影響如非預期的擾動等充分考慮進來(Greene，2008)。值得注意的是，SFA法以一定的經濟理論為基礎，并可以使用計量經濟技術進行估計；當數據噪聲成為測算障礙時，它比數據包絡分析法(DEA)更具優勢。由于我們使用跨國數據進行分析，各國或地區的數據差異較大并且易受隨機因素的干擾，因而使用SFA法測算各國的技術效率也更為合理。

根據Kumbhakar和Lovell(2000)的研究，隨機前沿生產函數的一般形式為：

在式(7)～式(9)中， f(?)表示最優生產前沿，xit表示要素投入；vit代表測量和設定誤差，假設服從正態分布；而uit則代表了技術無效率，假設服從半正態分布；而在實踐中一般需要對生產函數的等式兩邊求對數，即：

為了便于效率分解，本文采用了形式靈活的超越對數函數進行分析(Coelli等，2005)①Coelli等(2005)指出超越對數函數具有形式靈活的特點，而且可以對任何函數形式進行二階近似。，即：

在式(11)中，下標 i表示國家，t表示時間；yit表示總產出，kit和lit分別表示資本投入和勞動投入，β表示各參數值。

對uit的估計體現了各國或地區偏離技術前沿的距離，而各國或地區的技術效率可以表示成這體現了可觀測產出與相應隨機前沿產出之比(Coelli等，2005)。對于給定的復合誤差項 eit=vit-uit，我們可以通過求解 exp(- uit)的條件期望來對各國的技術效率進行預測(Battese和Coelli，1988；Kumbhakar和Lovell，2000)，即：

考慮到各國或地區在不同時期的TFP效率值存在差異，測算出來的效率值應當具有時變性和個體差異性。為此，我們要選擇時變隨機前沿模型進行分析。通常情況下隨著時間的推移，技術水平會不斷提高，存在的技術無效率會逐漸減少。為此，本文假定技術無效率項uit適用目前最為常用的“時間衰減”模型(Battese和 Coelli，1992)，其形式為其中，Ti為時間終點，ui為各國或地區不隨時間變化的技術無效率項，η為待估參數。由此我們可以得到每期各國或地區的技術效率值。本文主要采用該模型來進行效率分析。

2.Malmquist指數分解法

在技術效率測算的基礎上，本文使用Malmquist指數法對TFP的變化率進行測算和分解。根據 Malmquist指數法，TFP的變化率是在給定技術水平(或技術前沿)的前提下，通過計算各期的投入產出集①投入產出集即(x t ,yt )，其中xt和yt分別表示t期的投入要素和產出。相對于給定技術前沿的距離之比來獲得的。由于各期面臨的技術前沿不同，導致技術的參考期會有所不同。為了避免技術的隨機選擇問題，以Malmquist指數法在基期(s期)和現期(t期)的技術條件下分別測算兩期的投入產出集相對于技術前沿的距離之比，然后求解兩者的幾何均值來得到TFP變化率，即：

本文借鑒 Coelli等(2005)的做法，利用 SFA法的測算結果計算 TFP的變化率并進行分解。根據對uit的定義，式(12)測算的技術效率TEit就代表了式(13)和式(14)中的距離函數值。因此，對于技術效率變化指數而言，根據式(14)中的定義我們可以得出i國從s期到t期的技術效率變化指數，即：

對于技術變化指數而言，式(14)表明技術變化反映了技術前沿或生產前沿隨時間的變動，在式(11)中生產前沿函數為：

通過lnfit對時間 t求導就反映了生產前沿函數隨時間的變動。為了避免投入產出集的時期選擇問題，我們可以通過分別求解基期(s期)和現期(t期)的生產前沿函數對時間的偏導數，然后計算兩者的幾何均值，即：

上述測算的技術效率變化和技術變化均為環比發展速度，因此綜合兩者并根據式(14)可得TFP的變化率為：

3.測算結果

按照文獻中的普遍做法例如 PWT 9.0(2016)等，本文選取資本和勞動作為要素投入，而選取實際GDP作為產出來進行TFP增長率的測算和分解。本文使用的數據主要來自于PWT 9.0(2016)。其中：產出數據為產出導向的實際GDP(rgdpo，以鏈式購買力平價和2011年不變美元衡量以消除通貨膨脹和外匯波動的影響)；資本投入為實際資本存量(rkna，以 2011年不變全國價格衡量)；勞動投入為就業人數(emp)，由于部分國家在部分年份缺失數據，為此本文還根據美國經濟咨商局(The Conference Board)提供的經濟總量數據庫(Total Economy Database，TED)來補充就業數據，從而獲取了較為完整的數據面板。

由于測算生產效率要求產出和投入都不存在缺失值，因此在進行SFA分析時，本文選取了3個變量均不存在數據缺失的觀測值進行分析。在時間范圍的選擇上，由于早期數據涵蓋的國家范圍較小①考慮到實際GDP、資本存量和就業人數都不存在缺失值的情況，1950年的樣本數據僅包括50個國家，1960年為83個樣本。，本文以 1970年至 2014年為時間段，選取了104個國家或地區進行分析，以保證數據能夠包含盡可能多的樣本；而根據 PWT 9.0(2016)的統計，這些國家或地區的實際GDP、實際資本存量和就業人數占世界總量的比重分別在90%以上②1970年，這104個國家的實際GDP、實際資本存量和就業人數占世界總量的比重分別為98.88%、99.31%、91.15%，而到2014年的占比分別為93.37%、95.11%、92.93%。，具有高度的代表性。SFA法測算的 TFP增長率和分解后的技術效率變化、技術變化情況如表2所示。

表2 TFP增長率、技術效率變化和技術變化的描述性統計

四、實證分析

根據假說 1～2，初等教育型人力資本結構占比的提高將會促進技術效率變化，而高等教育型人力資本結構占比的提高將會促進技術變化。為此，本文將設計實證模型來檢驗這些假說。根據第三部分的測算結果，人力資本結構只包括每隔五年的測算數據，即 1950年、1955年、……、2010年等的數據，而 TFP分解的數據則每年都有。為了與人力資本結構數據相匹配，同時剔除經濟周期波動和隨機因素對技術進步的干擾，本文分別對技術效率變化率和技術變化率求解了5年和10年的平均增長率。計算公式如下：

根據式(19)和式(20)，本文計算了技術效率變化和技術變化的 5年平均增長率③由于缺少2015年的實際資本存量和就業人數數據，我們無法測算和分解2015年的技術進步率，因此也無法計算2010年的5年平均增長率。為了豐富樣本量，對于2010年我們通過計算4年平均增長率加以代替，即用2011年、2012年、2013年、2014年的數據來計算。。在此基礎上，我們將技術進步數據同測算好的 136個國家或地區的人力資本結構數據進行匹配，最后共得到 95個國家或地區①這 95個國家或地區包括：阿爾巴尼亞、阿拉伯聯合酋長國、阿根廷、澳大利亞、奧地利、比利時、孟加拉國、保加利亞、巴林、玻利維亞、巴西、巴巴多斯、加拿大、瑞士、智利、中國大陸、科特迪瓦、喀麥隆、哥倫比亞、哥斯達黎加、塞浦路斯、德國、丹麥、多米尼加、阿爾及利亞、厄瓜多爾、埃及、西班牙、芬蘭、法國、英國、加納、希臘、危地馬拉、中國的香港特別行政區、洪都拉斯、海地、匈牙利、印度尼西亞、印度、愛爾蘭、伊朗、伊拉克、冰島、以色列、意大利、牙買加、約旦、日本、肯尼亞、柬埔寨、韓國、科威特、斯里蘭卡、盧森堡、摩洛哥、墨西哥、馬里、馬耳他、緬甸、莫桑比克、馬拉維、馬來西亞、尼日爾、荷蘭、挪威、新西蘭、巴基斯坦、巴拿馬、秘魯、菲律賓、波蘭、葡萄牙、巴拉圭、卡塔爾、羅馬尼亞、沙特阿拉伯、蘇丹、塞內加爾、新加坡、瑞典、敘利亞、泰國、特立尼達和多巴哥、突尼斯、土耳其、坦桑尼亞、烏干達、烏拉圭、美國、委內瑞拉、越南、南非、贊比亞、津巴布韋。9個時期(1970年、1975年、……、2010年)的平衡面板數據。值得注意的是，選取這95個國家或地區進行回歸分析同樣具有較高的代表性和可靠性。1970—2010年，這些國家的實際 GDP、實際資本存量和就業人數占世界總量的比重均在85%以上。

我們首先觀察人力資本結構與技術效率變化以及技術變化之間的關系，如圖2所示：

圖2 人力資本結構與技術效率變化和技術變化之間的相關關系

圖2表明，初等教育型的人力資本結構占比與技術效率變化之間、高等教育型的人力資本結構占比與技術變化之間均存在著正相關關系，這與我們的理論假說相一致。為了獲得更加穩健的經驗證據，本文將進行系統的實證分析。

（一）計量模型與變量選取

在計量模型設定方面，本文主要借鑒了 Benhabib和 Spiegel(1994、2005)、Dowrik和 Rogers(2002)等提出的技術擴散模型，該模型的特別之處在于引入了經濟體接近技術前沿的程度，以控制技術追趕的影響；Vandenbussche等(2006)、Ang等(2011)、Cerina和Manca(2016)等也都利用該模型探討了不同類型的人力資本結構隨技術前沿距離的變化所產生的差異性影響。同時，考慮到技術效率變化與技術變化之間可能存在相互影響的關系，本文在分別考察人力資本結構對技術效率變化和技術變化的影響時，相對應地將技術變化和技術效率變化作為解釋變量引入到模型當中。具體的實證模型如下所示：

1.經濟發展水平(lnpgdp)，用初始人均 GDP的自然對數來表示，包括 1950年、1955年直到 2010年的數據。由于在不同的經濟發展階段人力資本結構對技術進步的影響可能存在差異，因此引入該變量加以控制。為了消除通貨膨脹和外匯波動的影響，GDP采用鏈式購買力平價和2011年不變美元價格來衡量。

2.人力資本存量(lnh)，具體測算方法見第三部分。引入該變量的原因在于控制人力資本對技術進步的存量影響，從而更加準確地考察人力資本對技術進步的結構性影響。

3.投資率(csh_i)，用資本形成總額占 GDP的比重來表示。根據“干中學”等內生增長理論，企業增加物質資本投資的同時也會提高生產效率，因此資本存量的增加也會對技術進步產生影響，尤其會提高技術的應用水平。

4.政府消費率(csh_g)，用政府消費占 GDP的比重來表示，由于政府消費可能會扭曲私人決策，因此該變量反映了政府活動本身或者公共財政所產生的不利影響。

5.勞動人口占比(labor)，用勞動就業人數占總人口的比重來表示，引入該變量的原因在于，勞動規模的擴大會增加研發新技術的概率。

6.對外開放度(open)，用對外進出口總額占GDP的比重表示，由于對外開放度的提高有利于技術信息的交流和擴散，因此引入該變量有助于控制技術擴散對技術進步的影響。

7.外商直接投資引入程度(fdi_in)，用外商直接投資凈引入額占 GDP的比重來表示，以反映潛在的技術引進對技術進步的影響。

8.工業化進程(industry)，用工業增加值占 GDP的比重來表示，以反映各國的工業化水平。引入該變量的原因在于，隨著工業化水平的提高，技術應用和技術創新的能力也會發生相應改變。

9.城鎮化水平(urban)，用城鎮人口占總人口的比重來表示，以反映城鄉二元結構的變動對技術進步的影響。

10.通貨膨脹率(cpi_gr5)，用各5年期(1950—1955年，等等)的消費者價格平均增長率來表示，以度量宏觀經濟的穩定性。

11.生育率(lnfer)，用女性人均生育數的自然對數來表示，由于生育率對人口增長而言非常重要，因此該變量反映了人口變化對技術變化的影響。

12.總撫養比(dr)，用被撫養人口(15歲以下及 64歲以上人口)與勞動年齡人口(15～64歲人口)之比，體現了每百名勞動年齡人口中被撫養人口所占的比例。由于不同年齡段的人口在技術應用和技術創新方面發揮的作用存在差異，控制該變量可以控制人口結構對技術進步的影響。

13.民主程度(pr)，用選舉權來衡量，該數據來自于非政府組織“自然之家”(Freedom House)提供的世界各國民主排名，從 1到 7表示民主程度的惡化。根據Acemoglu和 Robinson(2012)的分析，汲取性制度(extractive institution)不會導致創造性破壞，無法產生持續的技術變革，因此在汲取性和包容性(inclusive)的政治制度下，技術創新激勵并不相同，這會對技術進步產生差異性影響。因此，我們引入該指標來試圖反映制度差異的影響。此外，考慮到民主程度對經濟增長的非線性影響(Barro和Sala-i-Martin，2003)，我們同時引入二次項進行分析。

值得注意的是，技術前沿距離、對外開放度以及外商直接投資引入程度均從不同方面刻畫了經濟全球化帶來的技術擴散對本國技術進步的影響?？刂七@些變量將有助于我們準確地觀察人力資本結構對技術進步的凈影響。

除人力資本之外，其他變量的數據主要來自于世界銀行的WDI數據庫。各控制變量的描述性統計及其數據來源如表3所示。

本模型主要采用面板數據回歸方法進行實證分析。為了提高分析結果的穩健性，本文將在基礎回歸的基礎上充分考慮面板數據可能存在的自相關問題和異方差問題，通過穩健性檢驗來對回歸結果進行修正。考慮到國家之間差異較大，使用固定效應模型可以便于我們有效控制不可觀測因素的影響。

表3 各控制變量的描述性統計和數據來源

（二）基本實證結果

Hausman檢驗的結果顯示，本文的計量模型更適合使用固定效應模型進行分析。固定效應回歸結果如表4所示。

表4 固定效應回歸結果

續表4

固定效應的回歸結果表明，在技術效率變化模型中，初等教育型人力資本結構占比(hcpst)的系數顯著為正，而在技術變化模型中，高等教育型人力資本結構占比(hchst)的系數為正并且在15%的置信水平上顯著。這表明提高初等教育型人力資本的結構占比能夠顯著促進技術效率變化，而提高高等教育型人力資本的結構占比能夠顯著促進技術變化，這與我們的理論分析相一致。換言之，初等教育型人力資本結構占比的提高有利于促進技術應用，而高等教育型人力資本結構占比的提高則有利于促進技術創新。然而，中等教育型資本結構占比(hcsst)的系數為負并且均不顯著，這意味著，對于技術效率變化和技術變化而言，中等教育型人力資本結構占比的變化并不能產生顯著影響。此外，技術效率變化(TEC)和技術變化(TC)之間存在顯著的正相關關系，這表明兩者之間存在著相互促進的作用。值得注意的是，在模型(6)中，高等教育型人力資本結構占比的系數顯著程度并不是很高，其原因可能在于跨國數據的樣本異質性較高，不免存在異方差等問題，因此還需要通過穩健性回歸加以修正。

（三）穩健性分析

XTSCC模型是在固定效應模型的基礎上綜合考慮面板數據存在的異方差和自相關性等問題，對系數標準誤進行修正(Driscoll和Kraay，1998)。使用XTSCC模型的回歸結果如表5所示。

XTSCC模型的回歸結果表明，即使解決了異方差和自相關性等問題，初等教育型人力資本的結構占比(hcpst)仍然能夠對技術效率變化產生顯著為正的影響，高等教育型人力資本的結構占比(hchst)仍然對技術變化產生顯著為正的影響。這與基本結論保持一致，從而表明假說1和假說2所體現的人力資本結構與技術進步之間的關系并不受異方差和自相關性等問題的干擾。中等教育型人力資本結構占比的系數在技術效率變化模型中顯著為負，而在技術變化模型中符號并不確定，可見中等教育型人力資本結構占比的提高并不利于技術應用，但對技術創新的影響并不明確。

表5 穩健性分析結果(XTSCC模型)

值得注意的是，本文匹配成功的人力資本結構和技術進步數據包括 95個國家或地區、共 855個樣本量。然而，由于引入的控制變量存在不同年份的數據缺失，而在回歸分析的時候會自動刪除存在數據缺失的樣本，導致最后的樣本量會大為減少(表4中樣本量為 465個)。因此，為了增強分析結果的可靠性，本文還考慮了減少控制變量的問題，即只引入人力資本總量(lnh)以更加準確地考察人力資本結構的影響，同時采用 XTSCC模型來解決異方差和自相關問題。其結果表明，在減少控制變量后，回歸樣本量達到855個，樣本個數也包括了匹配成功的所有國家或地區。同樣，對于技術效率變化而言，初等教育型人力資本的結構占比(hcpst)仍然顯著為正；對于技術變化而言，高等教育型人力資本的結構占比(hchst)仍然產生顯著為正的影響。這與基本結論保持一致，從而表明了實證分析結果比較可靠，在一定程度上不受樣本選擇問題的影響。囿于篇幅限制，本文不再匯報減少控制變量的XTSCC模型回歸結果，有需要者可以向作者索取。

（四）聯立方程模型

由于在技術效率變化模型和技術變化模型中，我們分別對應地引入了技術變化和技術效率變化，這意味著技術效率變化模型中解釋變量是技術變化模型中的被解釋變量，這將有可能產生內生性問題。為了解決內生性偏差或聯立方程偏差，除了單方程估計外，我們還考慮了聯立方程估計。為了保證聯立方程模型能夠識別，即滿足“秩條件”和“階條件”，同時能夠著重檢驗假說1和假說2，我們構造了兩組恰好識別的聯立方程模型來予以驗證，具體如下所示：

在第一組聯立方程(22)中，技術效率變化模型的核心解釋變量為初等教育型人力資本結構占比技術變化模型中的核心解釋變量為中等教育型和高等教育型人力資本結構占比在第二組聯立方程(23)中，技術變化模型的核心解釋變量為高等教育型人力資本結構占比技術效率變化模型中的核心解釋變量為初等教育型和中等教育型人力資本結構占比我們利用三階段最小二乘法(3SLS)對式(22)和式(23)加以分析，具體結果如表6所示。

表6 聯立方程模型估計結果

聯立方程模型的估計結果表明，即使考慮了內生性偏差和聯立方程偏差問題，在技術效率變化模型中，初等教育型人力資本結構占比的系數仍然顯著為正；同樣，在技術變化模型中，高等教育型人力資本結構占比的系數仍然顯著為正，這與基本結論保持一致。對于中等教育型的人力資本結構占比而言，系數符號并不明確且不顯著。除了上述聯立方程組之外，我們在滿足聯立方程識別條件的基礎上，還考慮了其他形式的聯立方程模型，包括①TEC(h cs )表示在技術效率變化模型中核心解釋變量為初等教育型人力資本結構占比； TC(h cs)表示在技術變化模型中核心解釋變量為中等教育型人力資本結構占比。、等，基本結果仍然保持不變?？梢?，假說1和假說2的基本結論具有穩健的實證基礎。

五、進一步的討論

當經濟體逐步接近技術前沿時，不同類型的人力資本對技術進步的影響程度也會發生改變。為了進一步考察在技術水平或者經濟發展水平不同的國家里人力資本結構對技術進步的影響是否具有異質性，本文還嘗試進行了分樣本回歸，即根據聯合國統計署(UNSD)的劃分標準將樣本總體分為發展中地區和發達地區兩部分②發達地區和發展中地區的分類標準來自于聯合國統計署的 Standard Country or Area Codes for Statistical Use(M49)，詳見：https：//unstats.un.org/unsd/methodology/m49/。，分別以計量模型式(21)為基礎進行XTSCC模型回歸分析。

分樣本的回歸結果表明，在發展中地區和發達地區，不同類型的人力資本結構占比對技術效率變化和技術變化的影響存在異質性③囿于篇幅限制，本文不再匯報分樣本的回歸結果，有需要者可以向作者索取。。那么，這種異質性影響是否存在系統性規律？其背后的影響機制是什么？為了系統地探討人力資本結構對技術進步的影響因技術水平或經濟發展水平不同而表現出的異質性規律，我們還借鑒相關研究的普遍做法，從跨國技術水平差距入手，將技術前沿距離和人力資本結構之間的交互影響引入到基本回歸方程式(21)中，以觀察不同類型的人力資本結構隨技術前沿距離的變化(即在技術水平或經濟發展水平不同的經濟體中)對技術效率變化和技術變化所產生的差異性影響。則式(21)可變為：

引入人力資本結構與技術前沿距離交互項的XTSCC模型表明，人力資本結構對技術進步的影響會隨著技術前沿距離的變化而發生改變。首先，在技術效率變化模型中，初等教育型人力資本結構占比的一次項(hcpst)系數顯著為正，而交互項(hcpst×prox)系數顯著為負；中等教育型和高等教育型人力資本結構占比的一次項(hcsst和hchst)系數顯著為負，而交互項(hcsst×prox和 hchst×prox)系數顯著為正。這表明，隨著經濟體接近技術前沿，初等教育型人力資本結構占比的提高會促進技術應用，而促進程度會逐步減弱；中等教育型和高等教育型人力資本結構占比的提高會抑制技術應用，而抑制程度會逐步減弱。其次，在技術變化模型中，初等教育型人力資本結構占比的一次項(hcpst)系數顯著為負，而交互項(hcpst×prox)系數顯著為正；中等教育型人力資本結構占比的一次項(hcsst)系數顯著為正，而交互項(hcsst×prox)系數顯著為負；高等教育型人力資本結構占比的一次項(hcsst)系數為正并且在 15%的置信水平上顯著，交互項(hcsst×prox)系數為負但不顯著。不顯著的原因可能在于，經濟發展水平較高的經濟體往往更接近技術前沿，技術進步活動更多依賴于技術創新而非技術應用，所產生的技術變化更為明顯。當我們不再控制經濟發展水平時，XTSCC模型的回

歸結果表明高等教育型人力資本結構占比的一次項和交互項系數均高度顯著(置信水平為 1%)。可見，對于技術創新活動而言，隨著經濟體接近技術前沿，初等教育型人力資本結構占比的提高所帶來的抑制作用會逐步減弱；同樣，提高中等教育型和高等教育型人力資本結構占比所帶來促進作用也會逐步減弱。綜合技術效率變化和技術變化兩個模型的回歸結果，我們發現不同國家或地區之間的技術水平差距是導致異質性影響產生的關鍵因素。因此，對于給定經濟而言，在趨近技術前沿的過程中注重發揮不同類型人力資本的異質性作用就顯得尤為重要。

表7 人力資本結構和技術前沿距離的交互影響(XTSCC模型)

六、主要結論和啟示

本文以跨國面板數據為基礎，通過測算各國或地區的人力資本結構和技術進步產生的效率變化，進而深入分析了人力資本內部的結構性變化對技術進步的差異性影響，主要結論如下。

在理論方面，本文結合以往的研究文獻，深入分析了不同類型的人力資本在技術應用活動和技術創新活動中的異質性作用，并據此提出研究假說，即初等教育型人力資本結構占比的提高將會提高技術應用水平，進而促進技術效率變化；而高等教育型人力資本結構占比的提高能夠有效促進技術創新活動，進而促進技術變化；中等教育型人力資本結構占比的變化對技術創新和技術應用都能產生影響，但是相對影響性質并不確定。

在實證方面，本文首先提出了測算初等教育型、中等教育型和高等教育型人力資本及其相對結構的方法，然后又利用隨機前沿分析法和 Malmquist指數分解法對各國或地區技術進步產生的效率變化進行了測算和分解。據此，本文利用跨國面板數據實證分析了各類型人力資本結構對技術效率變化和技術變化的影響，基本實證結論支持了理論研究假說。在利用 XTSCC模型解決了異方差性和自相關性等問題以及利用聯立方程模型解決了內生性問題之后，分析結果與基本實證結論保持高度一致。值得注意的是，本文的進一步討論表明，在經濟體趨近技術前沿的過程中，各類型人力資本結構占比的變化對技術效率變化和技術變化的影響程度會逐步減弱，人力資本結構對技術進步呈現出邊際影響遞減的趨勢。

綜上所述，本文發現人力資本結構能夠對技術效率變化和技術變化產生異質性影響。對于經濟發展水平不同的國家尤其是發展中國家而言，該結論具有以下重要的政策啟示：第一，采取合適的人力資本投資戰略對于經濟發展而言至關重要。對于發展中國家而言，應當根據本國的經濟發展狀況來制定相應的人力資本投資戰略，避免因追求跨越式的發展戰略而過度投資于高等教育型人力資本，這會造成人力資本的內部結構失衡，最終會對經濟增長產生不利的影響。第二，就我國而言，注重人力資本內部的結構性改革意義更為重要。目前，隨著我國經濟進入新常態，為了應對經濟增長所面臨的結構性問題，國家提出了“供給側結構性改革”發展戰略，強調經濟的結構性改革。人力資本作為經濟增長的重要供給要素之一，其內部的結構性改革正切題中之義。隨著我國進入中等收入國家行列，技術創新在經濟持續增長中的重要性日益突顯，為此國家提出創新驅動戰略以培育經濟增長新動能，而創新的關鍵則在于高等教育型人力資本的培養。以 2010年為例，我國的高等教育型人力資本結構占比僅為 7.36%，低于世界平均水平(11.79%)。根據第三部分的分析，影響高等教育型人力資本積累的因素包括教育收益率、受教育年限和受教育人口占比三個方面?？紤]到高等教育收益率具有較高的穩定性而不易改變，因此還有兩種途徑來促進高等教育型人力資本積累：一是普及高等教育，提高總人口尤其是工齡人口接受高等教育的比例；二是提高高等教育的完成率，盡可能增加高等教育的接受年限。所以，我國應當逐步優化人力資本的投資結構，以適應經濟發展階段和技術進步動能的轉變，從要素供給和增長機制兩個方面加力以促進經濟的長期增長。