中国人力资本的区域分布及发展动态,本文主要内容关键词为:中国论文,人力资本论文,区域论文,动态论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
人力资本作为主要生产要素,其对经济增长和社会发展的作用已成为政府和学界的共识(Romer,1987;Lucas,1988),而人力资本对于缩小地区差距、促进经济均衡发展的重要性也被日益重视(Acemoglu & Autor,2012)。改革开放以来,中国地区经济发展的差距日益严重,城镇经济增长远超农村地区,沿海省份经济发展大幅度领先于中西部省份。例如,2009年,上海人均GDP是当年甘肃人均GDP的5.2倍贵州的6.3倍。同期,广东与贵州、甘肃的人均GDP比也分别达到3.6和3.0。
造成中国区域发展差异的因素很多,但人力资本无疑起着重要作用(Fleisher et al.,2010;王小鲁、樊纲,2004;蔡昉等,2001;姚先国、张海峰,2008),然而迄今为止我国还没有区域人力资本的综合度量指标,这一指标的缺乏导致我们对各地区人力资本的分布及发展缺乏系统的认识,从而影响到对各地区经济社会状况的全面度量。在诺贝尔奖得主Stiglitz领导的Stiglitz委员会的报告中,人力资本的度量被称为“超越GDP”的衡量经济和社会进步的指标。①由于我国缺乏地区人力资本的综合度量,与其相关的学术和政策研究也受到很大制约。
由于技术及数据方面的限制,人力资本的综合度量相当困难。不同国家及地区经济结构和体制的差异,导致建立跨地区可比的人力资本度量指标难度更大。国际社会正在探索人力资本计算的方法及参数选择的规范,以形成跨国可比的人力资本度量指标。国内研究对人力资本的测算多基于国家层面(见张帆,2000;钱雪亚、刘杰,2004;王德劲、向蓉美,2006;岳书敬,2008;李海峥等,2010;Li et al.,2012)。其中,李海峥等(2010)及Li et al.(2012)首次将J-F方法引入并计算了中国国家层面的人力资本。少量文献涉及了省(市)级人力资本的测度:如朱平芳、徐大丰(2007)提出“单位人力资本”的概念,估算了中国地级以上城市1990-2003年的人力资本;李萌等(2007)以教育程度为指标考察了我国人力资本的空间分布;陈钊等(2004)计算了中国人力资本和教育发展的区域差异。但是,以往研究通常使用教育程度,如识字率、平均教育年限等局部特征来度量人力资本(如蔡昉、都阳,2001;姚先国、张海峰,2008)。实际上,教育程度并不能全面衡量人力资本水平,即使相同教育程度的人,由于受到经济结构和市场化程度等多方面因素的影响,其在不同地区的人力资本价值也并不相同。
省级人力资本的综合度量可以定量描述人力资本的地区分布及发展动态,为学术研究和政策分析提供定量依据;同时,有助于分析人力资本与地区经济发展的关系,帮助政府制定相应的政策。但是,与国家层面人力资本度量相比,省级层面的人力资本度量更加困难,首先是省级层面数据往往更加缺乏,使得现有方法不能直接运用;其次,估算结果的跨省比较存在相应的技术问题。本研究改进了国际上广泛使用的Jorgenson-Fraumeni终生收入法(以下简称J-F法)(Jorgenson & Fraumeni,1989,1992a,1992b),使其适用于中国国情和数据现状,以估算省级层面的人力资本。由于工作量巨大以及数据的缺乏,本文选取有代表性的六个省(市)进行人力资本的计算:上海、广东、河南、湖北、贵州和甘肃,其中,上海和广东代表沿海经济发达省份;河南和湖北代表中部内陆省份;贵州和甘肃代表经济欠发达的西部省份。
本文的主要贡献在于:首先,在方法上的贡献。我们在J-F方法的基础上,结合人力资本Mincer模型来计算省级人力资本。但是,由于中国省级层面数据的大量缺失,J-F及李海峥等(2010)的方法不能直接应用。本文通过将微观调查数据和省级层面宏观统计数据相结合,改进了Mincer模型,以克服省级层面微观数据的不足,从而形成适合中国数据的省级人力资本存量估算方法。其次,在技术上的创新。J-F方法是根据个人终生收入来估算人力资本,但个人收入直接受到地区生活成本影响,由于生活成本高的地区个人收入也会相应提高,使得这种收入差异并非源自于个体人力资本因素,导致J-F计算结果无法跨地区直接比较。我们通过建立省际生活成本的平减指数解决人力资本的横向比较问题。这一方法也可以为跨国人力资本的估算和对比提供借鉴。我们运用该方法估算了部分省份的人力资本存量,并据此建立了省级人力资本的综合度量指标,包括人力资本总量、人均人力资本及相关省级人力资本指数,为建立省级人力资本的面板数据库奠定了基础。同时,不同省份人力资本指标的建立,使得我们不仅可以对人力资本进行跨时间纵向比较,也可以跨空间横向比较,大大增强了对计算结果可信度的检验,从而提高了计算结果的客观性。
二、估算方法
(一)J-F估算方法
同物质资本类似,人力资本的估算一般也从其投资成本或投资效益两个不同的角度进行。成本法是建立在加总全部个体人力资本投资并将其折现的基础上;而收入法则从效益角度,通过估算个体的全部终生收入的现值来计算人力资本存量。本文采用国际上广泛使用的J-F收入法,并在李海峥等(2010)及Li et al.(2012)的基础上,估算中国省级层面的人力资本存量。J-F方法以个人预期生命期的终生收入现值来衡量个体人力资本水平,并通过对个体人力资本水平的加总得到社会的人力资本水平。其核心技术为,用上一岁的人的终生收入加上本岁的个人的当年收入,来估算本年度本岁个人的终生收入,并在计算过程中考虑生存率、就业率、升学率以及社会整体生产率的增长等因素。J-F方法采用倒推的方式,从退休年龄60岁(中国男性)人口的人力资本开始计算,并假设退休后的终生收入为0,开始倒推到59岁、58岁……一直到0岁。②J-F终生收入法将个人的生命周期划分为五个阶段:既不上学也不工作阶段、上学阶段、上学或工作阶段、工作但不上学阶段、退休阶段。不同阶段预期终生收入的计算公式不同,以第三阶段为例,个人在该阶段,可能上学也可能工作。在中国,这一阶段的年龄范围应该为16—24岁,其预期终生收入的计算公式:③
其中下标y、s、a、e分别代表年份、性别、年龄及受教育程度。mi代表预期未来终生市场劳动收入。sr是存活率,即活到下一岁的概率。senr是升学率,即一个受教育程度为e的人进入受教育程度e+1的概率,ymi代表该个体该年的年收入。我们假设y年a岁的人在y+1年(即他们a+1岁)时的人均收入等于y年a+1岁相应个体(即相同的性别和受教育程度等)的未来终生收入乘以(1+G),G为实际收入增长率,R为折现率。
假定Ly,s,a,e表示某省y年、性别为s、年龄为a、受教育程度为e的人口数,MI(y)表示该省总人口的预期未来终生收入,那么该省人力资本存量为:
(二)J-F方法的改进
个人的当期收入是估算终生收入的基础,也是J-F收入法计算人力资本存量的关键。然而在中国,个人收入数据很难获得,在省级层面则更加困难。李海峥等(2010)及Li et al.(2012)将Mincer模型(1974)引进到J-F方法中,用微观调查数据估算了全国层面的分城乡、年龄、性别、受教育程度的不同群体的个人年收入。然而,与国家层面数据相比,省级层面的家庭及个人调查数据严重缺失,无法直接估计各省的Mincer模型,从而不能估计不同省份的个人收入。④因此,按照李海峥等(2010)及Li et al.(2012)的方法,利用已有的数据无法计算各省的人力资本。为了克服这一困难,我们利用微观调查数据,同时结合省级宏观数据对Mincer模型进行改进,即在经典Mincer模型中加入省级经济变量以估算省级Mincer模型参数。在构建省级Mincer模型时需要考虑模型中哪些参数会因省而异,以及这些参数会受哪些省级宏观因素的影响。我们首先考察Mincer模型中的常数项,常数项代表一个没有受过教育的个人工作的起始工资,该工资水平应该随各省的收入状况而不同。为了体现这一差别,对城市我们用省份职工平均工资进行控制;而对农村我们用省份农民人均纯收入来控制。这些省级收入变量能够在一定程度上反映地区间的基本收入水平差异。⑤
Mincer模型中最重要的变量就是教育回报率,教育回报率也可能因省而异。影响教育回报率的因素很多,但最重要的是各省的经济发展水平、经济结构及劳动力市场结构等因素,因为这些因素直接影响对不同教育程度的劳动力的需求。因此我们用各省人均GDP以及各省第一产业就业人口占就业总人口比重来控制省级经济发展水平、经济结构和劳动力市场的状况,并假定教育回报率受这些变量的影响。这些假设与许多实证研究的结果一致。例如Li(2003)发现教育回报率与经济发展水平相关,在欠发达、低收入地区高于发达地区;Zhang et al.(2005)也发现富裕省份的教育回报率低于贫穷省份,其主要原因是达到一定教育程度的劳动者在不发达地区相对稀缺。另一方面,经济结构及劳动力市场结构受多种因素的影响,但最重要的影响因素之一应该是一个省的工业化程度。由于农业生产对教育水平的需求与其它产业不同,从而正如实证研究所发现,其相应的教育回报也存在差异(见Zhang et al.,2002)。因此,为了简化模型,我们将以农业为主的第一产业就业所占全部就业人口的比重作为控制指标加入模型。Mincer模型中另一个变量是工作经验,一般认为,工作经验的回报率与经济发展状况关系不大,因此我们假定工作经验的系数在各省相同。⑥
将省级宏观变量与Mincer模型中微观个人变量相结合,一定程度上解决了省级数据不足的问题,使得估算各省Mincer模型及相应个人收入成为可能。扩展的Mincer模型具体如下:
其中,ln(inc)代表个人收入的对数,Sch代表受教育年限,Exp和分别代表工作经验及其平方,u是随机误差。Avwage在农村表示所在省份农民人均纯收入名义值,在城市表示所在省份职工平均工资名义值。Avgdp为各省人均GDP名义值,Ratio为各省第一产业就业人口占就业总人口比重。人均GDP、第一产业就业人口占所有就业人口比重与Sch的交叉项,能够在一定程度上反映地区间教育回报率的差别。
(三)人力资本的跨省比较
与国家层面人力资本不同,各省人力资本的一个独特问题是人力资本的省级比较。因为人力资本是按个人终生收入来度量的,货币收入既受时间因素的影响,又受不同地区的购买力差异的影响。在计算国家层面人力资本时,只需要计算其可以跨时间可比的实际值;而在省级计算中,各省的生活成本差异会影响工资收入。因为这种收入差异并不反映人力资本的差异,如果忽略这一因素直接比较不同省份的人力资本量,就会夸大地区差距。因此,在分析省级人力资本时,需要将各地的收入转化为按购买力计算的可比的收入,从而得到跨时间跨地区均可比的人力资本估算值。
为了解决人力资本的地区比较问题,我们采用Brandt & Holz(2006)的方法构建生活成本平减指数对人力资本的名义值进行调整。该方法首先以1990年作为基期,界定“一篮子”产品(包括商品和服务)及其购买数量,然后所有省份均以基年价格为基础,为该篮子商品定价,从而形成基年跨省可比的生活成本指数。为了能够进行跨期比较,再以各省历年CPI进行平减,得到各期该篮子商品的价格,从而得到跨时间、跨空间均可比的省级购买力平减指数。本研究构建了以北京市1985年价格水平为基期的历年省级生活成本平减指数,并调整人力资本估算的名义值,使计算得出的人力资本能够进行省级比较及跨年度比较。
三、数据及处理
运用J-F方法估算人力资本,我们需要1985-2009年各省分城乡、性别、年龄及教育程度的年度人口数,需要估算各省分城乡分性别的Mincer方程,同时还需要各省分城乡的实际收入增长率。我们按照以下方法获得并处理相应数据。
(一)人口数据
在普查年份和抽样调查年份,我们通过公布的普查、调查数据得到这些年份的城镇和乡村分年龄、性别、受教育程度的人口数,这一人口数为常住人口数。⑦对于数据缺失年份,我们采用永续盘存法估算各省(市)人口数据。在具体估算过程中,本文使用了各省(市)的人口普查数据和1%抽样调查数据,包括历年分城乡、年龄、性别、受教育程度的人口数,历年各教育程度的招生人数,历年分城乡、性别的出生人数,历年分年龄、性别的存活率等。
估算公式如下:
ERS为各教育水平的入学人数,λ为各教育程度上入学学生分性别的年龄分布比。需要指出的是,直接采用永续盘存法无法体现省与省之间、城乡之间的人口迁移流动。因此,我们将实际人口数和估算人口之间的差值视为人口流动数进行调整,以使我们的估算结果与相应普查和抽样年份的实际值一致。⑧
(二)微观调查数据
本文采用微观调查数据集估算Mincer收入方程系数,具体包括:1986-1997年中国国家统计局的“中国城镇住户调查”数据(UHS);1989、1991、1993、1997、2000、2004、2006、2009年“中国健康和营养调查”数据(CHNS);1988、1995、2002、2007年中国住户收入调查数据(CHIP)。⑨对于三个数据集缺失的年份,用现有年份数据的回归结果来估算Mincer参数。利用三个数据集分别估算各对应调查年份的分城乡男性和女性的Mincer参数;对于在同一年份有两个或两个以上的数据集的情况,以数据库各自回归样本量作为权重对所估计的参数进行加权得到加权平均的参数;最后,将加权后的参数按时间趋势做线性或指数回归,拟合值即为相应Mincer收入方程的参数。
(三)增长率的估算
J-F方法需要用到实际收入的增长率,为了弥补现有数据不足,按照李海峥等(2010)、Li et al.(2012)提出的方法,用生产函数来估算各省农村及城市的实际收入增长率。根据Harrod技术进步模型,假设生产函数为Y=F(K,A(t)·L),其中A(t)是技术进步变量,A>0并且dA/dt >0。技术A(t)增长率为θ,自然人口增长率为n。在均衡状态下,劳动生产率(劳动产出比率Y/L)和实际工资(w)增长率都等于θ。因此可以用劳动生产率增长率替代实际收入增长率,从而解决了缺乏城市和农村实际收入增长率数据的问题。
为了简便起见,我们将第一产业劳动生产率作为农村劳动生产率,第二和第三产业劳动生产率作为城镇劳动生产率,计算出1978-2009年相应省份的劳动生产率的年度增长率的平均值,并以此代表实际收入的增长率。结果显示,对比过去30年间各省分城乡的平均劳动生产率增长率,无论城镇还是农村,广东省劳动增长率均位列前茅,其中城市年均增长率为8.73%,农村为5.49%。相对增长最慢的城镇为甘肃(5.86%),农村为贵州(2.61%)。
(四)折现率的选择
计算终生收入时,需用折现率将未来收入转化成现值。然而,不同的折现率将导致不同的结果,在各国的人力资本计算中,折现率也没有统一的选择。本文采用经济合作与发展组织(OECD)在计算各国人力资本时使用的折现率4.58%。这一折现率处在我国10年期国债平均利率3.14%和人民银行基准贷款平均利率5.43%之间,相对合理。
四、结果分析
人力资本的综合估算是一个繁杂的计算体系,包括数据搜集、数据处理及缺失数据的估算、Mincer模型估计、相关参数的计算和选择、终生收入计算以及省级计算结果的平减处理,相关工作量庞大。我们根据上述方法体系,计算了六省(市)的人力资本,并建立省级人力资本的综合度量体系,该体系包括总人力资本、总劳动力人力资本、人均人力资本及相关人力资本指数。
(一)总人力资本的区域分布及发展趋势
从六省(市)人均GDP水平来看,上海和广东的人均GDP明显高很多,河南与湖北相近并处在中间、贵州与甘肃处在底部,⑩因此这六个省能够代表中国经济发达地区(沿海地区)、中等发达地区(中部地区)和经济欠发达地区(西部地区),区域发展的不均衡也显而易见。
在比较分析省级人力资本计算结果之前,我们首先考察生活成本平减指数对结果的影响。生活成本指数同时依据各省通货膨胀指数和跨省物价差异得出,通常与经济发展水平呈正向关系,这种调整缩小了发达省份和不发达省份之间的差距,调整后的结果可以相对准确地反映二者人力资本的真实差异。以1985年为例,调整结果使广东实际总人力资本较名义值下降了近10%,而甘肃在调整后实际值比名义值增加了22.2%。对于其它年度,实际值不仅反映地区生活成本差异,也同时反映各地通货膨胀造成的货币值的时间差异。(11)
按照国际惯例,总人力资本的计算涵盖了全体未退休人口(包括未成年人口)。表1为各省(市)1985-2009年总人力资本年度分布状况。总体来看,尽管各省存在教育水平、年龄结构、收入水平等差异,但人口基数依然对人力资本总量起到了重要作用,人口基数较大的省份(如广东、河南)排在总量的前列。(12)以2009年为例,按照1985年货币价值计算,广东的人力资本总量约为20.4万亿元,而贵州为3.1万亿元,甘肃仅为2.2万亿元;上海因人口较少,相应人力资本总量也较少,为4.7万亿。
许多研究表明,1994年前后我国经济出现明显的结构性变化(Fleisher et al.,2010),这种结构变化在人力资本的发展动态中也表现明显(见表3)。人力资本水平最高的广东年平均增长率在1985-1995年期间甚至为负,而在1995-2009年达到了12.9%;人力资本最低的甘肃的相应期间增长率分别为1.7%和10.7%。(13)地区间人力资本差别自1995年后也不断扩大,例如,广东与湖北人力资本之比由1995年的1.9上升到2009年的2.8,而同期广东与甘肃之比由6.6升至9.1。
图1显示了总人力资本的城乡分布状况,各省农村人力资本总量占比呈下降趋势,并且1995年以后下降速度加快;其中广东的比例最低,到2009年,农村人力资本只占全省的13.9%。(14)这一方面是经济转型期间快速城镇化以及大规模农村人口向城镇的迁移带来的结果,另一方面也与城乡间人口的教育水平差距有关。1985年,中国农村人口达7.3亿,而城镇人口仅为2.3亿;到2009年,中国农村人口降至7.1亿,城镇人口则增至6.2亿;(15)1985年,城镇大专及以上文化程度人口占6岁以上城镇总人口的2.5%,到2009年,这一比例增加到13.7%,而在农村的相应比重在1985年和2009年分别只有0.07%及1.5%。(16)
总人力资本可以分为两部分:一部分为16岁以下未进入劳动力市场的人力资本,这部分可视为未来人力资本储备;另一部分为在经济中发挥作用的劳动力人力资本,即劳动力人口(16岁以上的非退休人口)的人力资本。在中国人口老龄化加速的情况下,了解劳动力人力资本的变化趋势有重要的意义。(17)从趋势上看,劳动力人力资本与总人力资本的分布和变化趋势基本一致,各省的排名也相同。贵州和甘肃的劳动力人力资本相对更接近,与其它省份的相对差距相较总人力资本要小。例如,2009年广东总人力资本是贵州的6.6倍、甘肃的9.1倍;而劳动力人力资本是贵州的6.2倍、甘肃的7.6倍,这表明在人力资本的储备上,欠发达省份同样处于劣势。
我们计算了劳动力人力资本与总人力资本的比率,如果这一比率高,表明该省人力资本中被使用的部分较高,而人力资本储备(还未达到劳动力年龄的人口的人力资本)相对较少。一般来说,这一比率主要受人口年龄结构和教育程度影响:年轻人群及高学历人群的人力资本会高于年纪较大人群及低学历的人群,因此,尚未进入劳动力市场的人口比重高的省(市),这一比例相对较低。如果不包括学生,2009年广东劳动力人力资本与总人力资本的比值为35.2%,为所有省份中最低的;而湖北最高,为46.2%,贵州和甘肃居中。数据显示,2009年湖北0—14岁人口为15—64岁人口的19.2%,而广东为37.1%。(18)
图1 各省农村总人力资本占比
(二)人均人力资本的区域分布及发展趋势
人均人力资本在一定程度上反映了个体人力资本的密集程度,因此可以代表劳动力质量。从图2可以看出,各省(市)的实际人均人力资本排名与当地经济发达程度(人均GDP)基本一致,上海人均人力资本最高,其次是广东,甘肃在2004年以前一直最低,2004年以后最低的是贵州。(19)从表2看出,2009年,上海人均人力资本达到41.8万元,居于第二位的广东为27.8万元。中部省份湖北及河南的人均人力资本分别为13.7万元和16.9万元,分别为上海的32.8%和40.4%。而西部省份大大落后,贵州和甘肃的平均人力资本量在9.6万元和9.8万元之间,是上海的23%,不足广东的35%;即使与中部省份比,也仅相当于他们的57%至71%。(20)鉴于人力资本对经济发展的重要推动作用,这一差别会进一步加大地区发展的不平衡。
图2 各省(市)实际人均人力资本(单位:千元)
1985-2009年,人均人力资本的城乡差距也在不断拉大。从图3来看,各省(不包括上海)城乡人均人力资本之比一直在上升,其中贵州上升最快,紧随其后的是甘肃。广东城乡人均人力资本之比始终在2.3—3.3之间,而贵州从1985年的3.7上升到了6.5。越是不发达的省份,城乡间人力资本质量的相对差距越大。原因之一可能是大规模教育水平相对较高的农村人口向城镇迁移,进一步拉大了城乡间人均人力资本水平。
图3 各省城乡人均人力资本比值
由表3可见,各省人均人力资本在1985年至1995年间的变化并不明显,1995-2005年的十年间则快速增长,每个省的平均增速都在10%左右。同时,发达省份自1995年以来的平均增长速度快于西部省份,使地区差异不断扩大。上海与甘肃的人均人力资本之比1985年为2.9,1995年为3.0,而2009年达到4.2。同时,中部地区与西部省份的差距也在拉大,河南与甘肃的人均人力资本之比在1985年不到1.3,2009年上升到1.7。
上述趋势在人均劳动力人力资本上表现同样明显,表3清楚显示,自1995年以来,各省人均劳动力人力资本增长明显加快,而且东部省份的增速快于中部,中部省份快于西部。上海同样处于较高水平,贵州和甘肃仍然最低。值得注意的是,发达省市的人均劳动力人力资本与中部省份的差距增大速度超过中部省份与西部省份的差距增长,呈两极分化趋势:2009年,广东省和上海市人均人力资本增长率分别达到19.6%和17.3%,河南和湖北分别为15.3%、14.1%,而贵州和甘肃增长率分别只有13.2%和12.8%。
同时,我们发现人均劳动力人力资本的区域差距要小于人均人力资本。以2009年为例,广东人均人力资本是贵州的2.9倍、甘肃的2.8倍,而人均劳动力人力资本是贵州的2.7倍、甘肃的2.6倍,造成这一现象的原因,可能是在不发达省份与发达省份之间,未成年孩童的预期平均教育程度的差距相对于两者劳动力的教育程度的差别更大。一般说来,人力资本通过创新及吸收和学习新技术来提高全要素生产率,从而增加产出,促进经济增长。劳动力人力资本代表在当前经济生产中使用的人力资本,其质量会直接影响人力资本的作用程度。因此,平均劳动力人力资本的地区差异会进一步扩大地区经济差异。
我们计算了各省以1985年为基期的总人力资本指数及平均人力资本指数,它反映了各省相对1985年的人力资本水平的增长变化。总体来看,河南及上海无论是总量还是人均增长均较快,而贵州和甘肃在此期间的增长最慢,这将使其与发达省份的差距进一步拉大。
(三)人力资本、固定资本及GDP对比分析
人力资本和固定资本是主要生产要素,图4给出各省劳动力人力资本与固定资本存量的比率。固定资本是指各期固定资产投资形成的资本存量。(21)以固定资本存量相对较高的上海为例,2009年,二者的比率为2.4,即人力资本占全部资本的70.4%,而这一比率最高的河南为4.3,其人力资本的含量达81.0%。据世界银行估算,世界各国中除了石油资源极其丰富的中东国家外,大多数国家77%以上的社会财富是由人力资本等无形资本构成(世界银行,2010),这与我们的估算结果一致。(22)
图4 各省(市)劳动力人力资本与固定资本比率
由于不同省份的经济结构、城乡分布及资本密集程度差异悬殊,跨省比较人力资本与固定资本的相对量的意义不大,但该比率在同一个省随时间的变化却能反映经济结构的变化趋势。由图4可以看出,各省的人力资本相对含量在早期均快速下降,之后趋于平稳。造成这一现象的原因,可能是前一时期过快的固定资本投资及人力资本的相对慢速增长;而在后一时期,正如上述分析所示,人力资本增长迅速加快。从1985年到1995年间,广东、上海的固定资产投资增速均在25%左右,而1995-2009年间则下降到了12.0%和10.0%;西部省份投资增速变化并不明显,其比率的变化的主要原因是人力资本的相对快速增长。(23)
另一方面,由于劳动力人力资本直接参与经济活动,其单位产出在一定程度上可以反映人力资本效率。从图5可以看出,1985-1996年间各省GDP与劳动力人力资本的比率大体表现为上升趋势,其中上海和广东上升速度更快,中西部省份增长幅度相对较小。1996年之后略有下降,但从2003年起开始回升。总体而言,在1985-2009年期间,人力资本的生产效率呈上升趋势。人均劳动力人力资本最高的上海,人力资本的生产效率也远高于其它省份;尽管其它省份的比率相对较为接近,但西部地区的效率仍然最低。
图5 各省(市)GDP与劳动力人力资本比率
与此相反,各省GDP与固定资本存量的比率则呈现下降趋势,1987年后相对平稳。对比人力资本与物质资本的生产效率的相对变动趋势不难发现,人力资本的生产效率相对物质资本正呈现提高的趋势,这一结论与国家层面的变化趋势一致(Li et al.,2012)。从2003-2009年,六省(市)人力资本的生产效率平均增长速度为1.8%,同一时期固定资本的生产效率平均增长速度刚刚超过0.1%。这表明,投资人力资本相对于投资固定资本更有助于提高经济效率。Heckman(2004)发现中国人力资本的投资的边际回报率高于固定资本投资,这一结果与本文一致。人力资本效率的相对提高在不发达省份表现更为明显,其中,广东省GDP与固定资本之比下降了1.8%,而与人力资本之比上升了0.5%;贵州固定资本效率下降幅度与广东几乎相同,但人力资本效率提高了4.9%;甘肃在同一时期固定资本效率下降了1.0%,人力资本效率提高了1.2%。
本研究改进了国际上广泛使用的人力资本综合度量方法——Jorgenson-Fraumeni收入法,使其适用于中国数据并能够用于估算中国省级人力资本。我们运用该方法估算上海、广东、河南、湖北、贵州和甘肃等有代表性的六个省(市)的人力资本水平,建立跨省跨时间可比的、分城乡的、1985-2009年省级年度人力资本综合度量指标及相应人力资本指数,定量描述省级人力资本的分布及发展动态,包括人力资本及劳动力人力资本总量、人均量及其变化趋势等,从而初步形成中国省级人力资本面板数据,以为学术研究及政策分析服务。
通过对不同省份人力资本的对比分析,我们得出以下主要结论:
第一,在已计算的省份中,广东的人力资本总量最高,按照1985年货币价值计算,其2009年实际值约为20.4万亿元,甘肃最低,仅为2.2万亿元。而人均人力资本上海最高,达到41.8万元,其次是广东,而最低的贵州仅9.6万元。
第二,无论是人力资本总量还是人均值,其发展趋势在不同地区都表现出明显的结构性变化,即1985-1995年增长缓慢,但1995年后快速增长,这一变化在一定程度上反映出中国经济结构的变化。
第三,各省农村人力资本所占比重迅速下降,同时人均人力资本的城乡差距不断扩大。这一方面反映出中国经济社会结构的变化,如农村人口向城镇迁移及快速城镇化,同时也反映出城乡间教育水平差距等对城乡人力资本的分布和发展的相对影响。
第四,发达地区无论是在人均劳动力人力资本还是在人力资本储备(16岁以下未成年人)上均占明显优势,并且与不发达地区的差距不断扩大,落后省份的人均人力资本甚至不足发达省份的四分之一。
第五,劳动力人力资本相对物质资本由快速下降到趋向平稳,表明人力资本与物质资本近年来相对平衡的发展。另一方面,人力资本相对于物质资本的生产效率呈增加趋势,这一现象在不发达省份表现更加明显。
总之,中国近25年来人力资本的区域分布及发展趋势表明,发达省份和欠发达省份之间、城镇与农村之间的人力资本有着明显的差距并且差距在扩大。鉴于人力资本对经济发展的重要作用,这种差距可能会加剧中国经济的地区差距。因此,加强人力资本投资特别是欠发达地区的人力资本投资不仅有利于提高经济效率,而且有利于中国经济的均衡发展。
感谢Belton Fleisher、刘智强、王小军、张纲紘、于丽、刘智勇等教授参与项目讨论及给予的帮助,以及历届参加中国人力资本报告发布会的国内外专家、学者为该项目提出的宝贵意见和建议,并特别感谢中国人力资本与劳动经济研究中心全体博士、硕士研究生为该项目做出的贡献;同时感谢匿名审稿人富有建设性的修改意见。文责自负。
JEL Classification:C33,J24,Rl1
①Stiglitz,Joseph,Amartya Sen,and Jean-Paul Fitoussi,2009,"Report by the Commission on the Measurement of Economic Performance and Social Progress",www.stiglitz-sen-fitoussi.fr.
②本文估算的终生收入为市场收入,不考虑家庭劳动等非市场收入。对于已退休人员,我们不考虑兼职、返聘等情况。
③五个阶段的详细公式见李海峥等(2010)及Li et al.(2012)。
④在中国目前可得的家庭和个人调查数据中,其包含的省份和年份均不全。即使在有数据的省份中,其样本量也太少。
⑤另一个控制变量可以是法定最低工资,因为各省法定最低工资更能反映没有受过教育的劳动力的起点工资。但是因为我们要计算从1985-2009年每年的人力资本,最低工资数据在早期缺失,并且除近几年外,大部分省份都很少改变。由于这些局限,平均工资可以更准确及时地反映省级年度Mincer模型的变化。
⑥我们用已有数据的省份估计Mincer模型,结果也表明工作经验的参数差别很小。
⑦国内普查、抽查数据以及大部分统计年鉴的数据是指常住人口。户籍人口数与常住人口数有很大差别,因此如果用户籍人口数会影响人力资本的大小。
⑧例如:用永续盘存法从1982年一直估算到1987年,我们得到1987年分年龄、性别、受教育程度的估算人口数。由于存在人口流动,所以我们估算的1987年的人口数与1987年真实的人口数不同。我们用1987年的实际人口数(从1987年1%抽样数据得到)减去估算人口数,得到的差值可以看作这5年间的净迁入人口。然后,假定每年的迁入人数大致相当,再把该差值均分倒加回以前年份相应的人口数里。
⑨与李海峥等(2010)相比,我们在Mincer方程参数的估计过程中加入了更多的微观调查数据(CHIP07,CHNS 04,06,09),改进了估算的数据状况,使参数的估算结果更加可靠。
⑩根据《中国统计年鉴(2010)》,2009年,广东、上海、河南、湖北、贵州、甘肃六省(市)的人均GDP分别为41168元、78989元、20597元、22677元、10309元和12872元。
(11)在以下所有讨论中,跨省及跨时间的比较均为调整后可比的值。
(12)《中国统计年鉴(2010)》显示,上述六省(市)人口排名依次为广东、河南、湖北、贵州、甘肃和上海,总人口数分别为9638万人、9487万人、5720万人、3798万人、2635万人和1921万人。
(13)根据总人力资本的计算结果,如果我们将1985年定为基期并将其基数定为100,我们便可根据增长速度计算出历年总人力资本指数。依此方法,也可得出其它相应人力资本指数,如劳动力人力资本、人均人力资本等。
(14)由于上海市并没有分城乡的人口数,因此我们只考虑其他五个省份。
(15)数据来源:《中国统计年鉴(1986)》和《中国统计年鉴(2010)》。到2010年,中国城乡人口占总人口比重已分别达到49.95%和50.05%,二者差异非常小。
(16)根据《中国统计年鉴(2010)》数据整理计算。
(17)由于在校学生没有进入劳动力市场,因此在计算时劳动力人力资本没有包含学生。
(18)数据来源:《中国人口和就业统计年鉴(2009)》,表2—7,各地区人口年龄构成和抚养比。
(19)湖北人均人力资本略低于河南,二者人均GDP也很接近。
(20)这里人均人力资本为经过生活成本指数平减的实际人力资本,是以1985年的价格衡量的。如果按照当年价格计算,贵州和甘肃二省在2009年的平均人力资本分别为36.0万元与36.9万元。
(21)各期固定资本存量按照“永续盘存”的思想,将固定资产原始投资额与各期固定资产投资净值加总得到,并对各期新增固定资产投资额及原固定资产折旧额按照价格平减指数进行了平减计算。具体方法参见Fleisher et al.(2010),我们将其计算延至2009年。
(22)在世界银行的计算中,社会财富还包括自然资源,而本文的固定资本只包含固定资产投资形成的资本,因此相对比率更大。世界银行计算的无形资本(intangible capital)还包括社会和制度资本(social and institutional capital)。
(23)这一结果可能与“西部大开发”政策有关。2000年国家提出“西部大开发”战略,2001年开始对实施西部大开发战略进行具体部署。2000-2009年,贵州省和甘肃省的固定资产投资总额分别为10743.3万元和9613.22万元,远远超过1985-2000年的投资总额。