EN中文

经济地理 >

2024 , Vol. 44 >Issue 9: 46 - 55

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.09.006

区域经济与理论方法

人力资本影响居民收入增长的空间效应——基于性别差异和收入结构的双视角

  • 王刚 , 1 ,
  • 温涛 , 1, ※ ,
  • 廖和平 2
展开
  • 1.西南大学 经济管理学院，中国 重庆 400700
  • 2.西南大学 地理科学学院，中国 重庆 400700
※温涛（1975—），男，教授，博士生导师，研究方向为普惠金融与居民增收。E-mail：

王刚（1983—），男，博士，助理研究员，研究方向为乡村治理与居民增收。E-mail：

收稿日期: 2023-06-09

  修回日期: 2024-02-11

  网络出版日期: 2024-10-31

基金资助

国家社会科学基金重大项目(20BSH079)

重庆市博士后科研资助项目(7820100595)

中央高校基本科研业务费青年项目(SWU2109317)

重庆市博士后自然科学基金项目(cstc2021jcyj-bsh0168)

重庆市社会科学规划项目(2021BS068)

收起

Spatial Effect of Human Capital on Resident Income Growth：Based on Gender Differences and Income Structure

  • WANG Gang , 1 ,
  • WEN Tao , 1, ※ ,
  • LIAO Heping 2
Expand
  • 1. College of Economics and Management，Southwest University，Chongqing 400700，China
  • 2. School of Geographical Sciences，Southwest University，Chongqing 400700，China

Received date: 2023-06-09

  Revised date: 2024-02-11

  Online published: 2024-10-31

Fold

摘要

人力资本对促进居民收入增长具有重要的理论与现实意义。文章基于我国2014—2020年31个省份的面板数据，采用空间杜宾等模型实证检验了人力资本影响居民收入增长的空间效应。结果表明：①整体而言，人力资本水平的提升会显著促进居民收入水平的提高，性别差异层面，人力资本的促进作用男性较女性更强，上述结论通过了内生性检验和稳健性检验；②区域差异上，相较于西部地区，东部和中部地区人力资本促进居民收入的作用显著性较强，性别差异也更大，但空间溢出作用较小；③收入结构方面，人力资本对居民转移性收入具有显著的正向空间溢出效应，对居民财产性收入有显著的负向空间溢出效应，对于居民工资性收入水平，男性人力资本的促进作用显著性更强。研究结论有助于进一步厘清人力资本影响居民收入的内在机理、提高人力资本水平并发挥其空间溢出作用，进而为新时代高质量推进人力资本改革、缩小居民收入差距、实现共同富裕提供参考依据。

关键词： 人力资本; 性别差异; 居民收入; 教育水平; 财产性收入; 工资性收入; 区域差异; 空间溢出效应

本文引用格式

王刚 , 温涛 , 廖和平 . 人力资本影响居民收入增长的空间效应——基于性别差异和收入结构的双视角[J]. 经济地理, 2024 , 44(9) : 46 -55 . DOI: 10.15957/j.cnki.jjdl.2024.09.006

Abstract

Human capital has important theoretical and practical significance in promoting residents' income growth. Based on the panel data of 31 provincial-level regions in China from 2014 to 2020,this article empirically test the spatial effect of human capital on resident income growth. Research shows that: 1) Overall,the improvement of human capital level will significantly promote the improvement of residents' income level. At the gender difference level, the promoting effect of male human capital is significantly stronger. The above conclusions have passed the endogeneity test and robustness test. 2) Compared with the western region, the role of human capital in promoting residents' income in the eastern and central regions is significantly stronger,with greater gender differences,but the spatial spillover effect is relatively small. 3) In terms of income structure,human capital has a significant positive spatial spillover effect on residents' transfer income,while it has a significant negative spatial spillover effect on residents' property income. For residents' wage income lev el, male human capital has a significantly stronger promoting effect. The research conclusions help to further clarify the internal mechanism of human capital affecting household income, improve the level of human capital, and play its spatial spillover role, thereby providing reference basis for high-quality promotion of human capital reform in the new era, narrowing the income gap among residents,and achieving common prosperity.

Key words： human capital; gender difference; resident income; education level; property income; wage income; regional differences; spatial spillover effect

人力资本具有经济属性，分布具有空间特征[1]，对人力资本的研究是经济地理学探究人口问题的重要命题[2]。党的二十大报告对人力资本予以高度重视，报告中相关热词频出，如“教育”出现了13次，“人才”出现了18次。报告还对“实施科教兴国战略，强化现代化建设人才支撑”进行了专章阐述，充分强调了人才建设在提高居民收入、促进共同富裕以及建设社会主义现代化国家进程中的战略支撑作用。在这一背景下，深入探析新时代人力资本对居民收入的影响机理，将有助于提高中国人力资本水平并发挥其正向作用，对于正确有效贯彻国家发展战略具有重要的理论与现实意义。传统认识中的人力资本是指人口和劳动力，而当前研究认为，人力资本属于经济类要素，是集聚并蕴藏在个体身上的知识、技能、健康等因素的总和，有先天禀赋与后天获取、省市与县乡尺度、城市与乡村地域等多种维度 [3-5]。此外，人力资本与个体收入的相关性也已被学界证实 [6]，然而在探讨二者关系时，对空间效应机理的认识仍不清晰，其指导实践仍有不足。因此，尝试从一种新视角讨论人力资本影响居民增收的机理，对新时代推进人力资本改革有重要意义。
1960年代人力资本理论创立之初，研究就认为人力资本会影响个体收入[6]。随后，学界从相关性、机制、区域特征等方面对二者关系做了深入探讨。在相关性方面，人力资本的提高能够显著推动农民收入增长[7]。以教育资本为例，教育能积累人力资本存量资源 [8-10]，拓展就业渠道、缩短待业时间，促进劳动力转移 [11]，提高劳动生产率[12]，从而提升农民收入、缓解收入差距[13]。在机制方面，人力资本通过帮助个体获取就业、创业等信息，提升个体区际和职业流动等能力，减小职业风险，影响个体收入[14]。阿鲁瓦利亚发现，教育资本对低收入者具有显著的收入提升效应，当社会群体的识字率在10%~60%时，收入占比在0%~40%的群体的收入份额将会提高2.8%[15]。在区域特征方面，人力资本的区域差异会拉开人口收入差异 [16]，会形成区域间差异化商业资本集聚，而高度集聚区更能吸引高技能劳动力加入，提升劳动者收入[17]。这些研究从整体上对人力资本与居民增收的关系做了有益探索，具有重要的指导价值。另外，学者还从性别方面探讨了人力资本对收入的影响，在土耳其，女性教育资本从多个渠道促进了乡村经济增长[18]；在印度，教育资本对乡村居民收入存在明显的性别异质性[19]；在中国，农村家庭收入与子女性别有关系，男孩较多的家庭，人均收入相对较高[20]。总体上看，人力资本与居民收入关系的研究涉及教育、社会、经济等多个学科，既有综合性分析，也有分性别探讨，但仍然存在以下不足：①方法上，多采用传统计量方法，运用空间计量模型的研究较少；②性别层面，主要集中在乡村地区，从城乡全域尺度展开的研究较少，也未对性别的空间效应展开进一步分析；③收入方面，多从收入整体探讨，忽略了人力资本对收入结构的影响。
基于此，本文将研究尺度延伸至城乡全域，将空间要素植入人力资本与居民收入的关系，采用空间面板数据，运用空间计量等模型，从性别差异和收入结构双视角分析人力资本对居民收入的空间效应，可为新时代推进人力资本改革提供政策建议。

1 理论分析与研究假设

教育作为积累人力资本存量的方式之一，是提高人力资本质量最重要的途径[21]。国内外学者普遍以教育指标作为人力资本代理变量[22]，并广泛使用受教育程度作为衡量指标[23]。纵观理论和实践两条线，本文在将教育资本作为代理变量展开理论分析的基础上，立足现实，借鉴人力资本理论和新经济地理学理论，分别从人力资本性别差异对居民收入的影响机制及空间溢出效应两方面阐释理论框架。

1.1 人力资本性别差异对居民收入的影响机制

古典经济学家穆勒认为，人力资本差异会导致收入差距[24]，马歇尔强调了教育资本的重要性[25]。教育作为人力资本的一种最重要形式，从多个方面深刻影响居民收入[21]（图1）。在性别方面，拥有同等人力资本的男女从事同一职业时，转化释放的价值效应存在差异[18-19]。女性因生育等生理及身体条件限制，与男性相比，在从事相同的岗位时，往往存在工作年限短（比如与男性比，较早退休）、工作强度小的情况，这在一定程度上决定了同等人力资本下，男性转化释放的经济价值可能会更高。不同性别在职业方面的选择偏好也给个体收入带来差距[18-19]。受传统思想的影响，“男耕女织”“男主外女主内”的分工法则仍然不同程度地约束着现实生产选择，这意味着与男性相比，女性在职业方面更倾向于选择“保守+”型的低风险岗位，低风险意味着低收益，而男性则更能驾驭“冒险+”型的高收益职业，这说明同等人力资本会因职业偏好出现收入差异[20]。近年来，大学生的就业形态也可反映这一观点，如女性更依赖于从事进编等“铁饭碗”岗位，而男性则更多趋向于入企、创业等富有挑战性的工作。
图1 人力资本性别差异对居民收入的影响机制

Fig.1 Impact mechanism of gender differences of human capital on residents' income

经典明瑟收益函数认为，教育资本对工资性收入具有决定性作用。该函数考虑了教育资本对收入的影响，但忽略了个体差异对收入的作用。性别作为个体间最大的特征差异对收入有重要影响。因此，从性别差异视角考虑人力资本对居民收入增长符合明瑟收益函数理论逻辑。研究表明，教育资本对居民收入结构产生显著影响，当个体存量教育资本越多时，所获取的工资性收入越高，因此可通过提升教育资本提高个体工资性收入[26]，同时教育资本也是扩大转移性收入差距的因素[27]。性别差异会导致家庭转移性收入差异，进而改变收入结构[27]。中国传统观念中有“丈夫收入应高于妻子”的性别认同规范和“男人以事业为重，女人以家庭为重”的性别认同强度，这一性别角色观念对女性就业和收入产生负向影响，显著降低了女性就业参与，从而影响了个体收入结构[28]。
综上所述，本文提出假设1（假设1a和假设1b）。
H1a：男性人力资本对个体收入增长的促进作用强于女性；
H1b：人力资本对收入结构的影响存在性别差异。

1.2 人力资本及性别差异对居民收入增长的空间溢出机制

古典经济学家穆勒强调，劳动力的结构和需求与人力资本共同影响个体收入，性别作为一种劳动力供给结构和人力资本共同对居民收入增长产生作用[24]。新经济地理学重点关注集聚经济的成因，其理论认为需求关联效应会决定经济要素的空间集聚。教育作为经济发展的人力资本要素，可通过市场供需关系调节人力资本集散，从而以知识溢出促进居民收入增长[24]。结合以上理论认识，本文从人力资本自身的空间集聚效应及人力资本促进居民收入提升效应两个方面，分析对居民收入产生的空间溢出作用。①人力资本自身空间集聚效应的空间溢出[17]。从新经济地理学的空间集聚效应看，当一地人力资本高度集聚时，会为当地经济增长提供充裕的专业人才，邻地经济主体为了共享人力资本、享受人才红利，大量主体涌入该地，从而为市场提供了更加充足的就业机会和创业机会，并通过发挥直接效应促进本地居民收入增长；此时，邻地居民为了追求更高的收入水平会不断地迁移至集聚区域，本地的人力资本雪球越滚越大，会逐渐累积大量适应集聚区域需求的人力资本，而当集聚程度超过劳动力市场吸纳力时，人力资本又遵循缪尔达尔的扩散效应原理，由核心向外围溢出，促进邻地人力资本集聚，邻地再次以同样的方式促进其居民收入增长，并累积溢出。②人力资本促进居民收入提升效应的空间溢出。首先，政策执行的空间差异实现了邻地居民收入提升的传导效应。为推动经济增长，当一地率先推出人力资本政策时会正向影响邻地政策出台，邻地会通过直接效应促进个体收入提升，可理解为一地人力资本政策对邻地居民收入提升的溢出效应，如近年从东部区域渐热的人才争夺潮就是很好的例证。其次，依赖资源型城市发展出现的经济关联产业发展的带动[26]。如果一地是依赖钢铁、旅游等资源而成长的资源型区域，则会集聚大量的二产、三产人员，邻地会配套相关产业以满足资源型区域人口的跨地域消费需求，这些配套产业促进了邻地居民收入的增长。再次，一地形成的较为完善的基础设施及公共服务设施体系（如高铁站、高速路等）也会服务邻地，从而为邻地创造更多的经济增长条件[27]。最后，从收入结构看，人力资本的流动可能导致了工资性收入等不同收入类型的不同作用。按照地理空间距离衰减原则，某地劳动人口会优先选择输出到邻接省份从业，促进输入地居民工资性收入水平的提升，而本地因劳动力减少导致了经济价值转化率降低，抑制了输出地居民财产性收入水平的提高。以农民工流动为例，根据2008—2019年农民工监测调查报告数据，每年外出农民工数量均远高于本地农民工，外地农民工的工资也明显高于本地农民工，其中2019年外出农民工月均收入4427元，而本地农民工月均收入只有3500元，且外出务工收入增速比本地务工收入增速高3%。此外，相比男性，女性更容易获取政府补贴，这促使女性人力资本水平的提升有利于本地区和邻近地区居民转移性收入水平的提升。对此，本文提出假设2。
H2：人力资本在促进居民收入增长方面具有明显的空间溢出效应，然而这一效应在性别和收入结构方面又存在差异性。
以上多种溢出机制层层叠加，最终累积形成了人力资本及其性别差异对居民收入增长的总溢出效应，由此绘制了空间溢出机制图2。
图2 人力资本及性别差异对邻地居民收入提升的空间溢出机制

Fig.2 Spatial spillover mechanism of human capital and gender differences on the income improvement of neighboring residents

2 数据来源与变量选择

2.1 数据来源

本文从性别差异和收入结构2个视角研究2014—2020年中国大陆地区31个省份的人力资本对居民收入增长的空间效应，研究数据为跨度7年的空间面板数据（不包括港澳台数据）。这些数据主要源自《中国统计年鉴》、各省份统计年鉴、2010和2020年人口普查数据、国家统计数据网、农民工监测调查报告等数据源。

2.2 变量选择

①被解释变量：居民收入水平（income）。本文借鉴王胜华的研究[28]，采用居民家庭人均收入作为居民收入水平的代理变量，并取对数处理。另外，为了深入分析人力资本对居民收入结构的影响，进一步将居民收入分为工资性收入（income_wage）、经营性收入（income_opera）、财产性收入（income_property）和转移性收入（income_transfer）4种类型。
②解释变量：人力资本水平（edu）。本文借鉴易行健[29]、李麦收[30]的研究，采用人均受教育年限作为人力资本水平的替代变量，并按照性别相应地分为男性人力资本水平（edu_m）和女性人力资本水平（edu_f）。关于受教育年限的计算，将文盲或半文盲、小学、初中、高中、大专以上折算为教育年限后分别记为0、6、9、12和16年。
③控制变量：为排除解释变量外其他因素对居民收入水平的影响，本文借鉴宋佳莹[31]的研究，将固定投资水平（invest）、城市化水平（urban）、对外开放水平（open）、金融发展水平（fin）和地区经济发展水平（pergdp）5个变量作为模型控制变量。各变量中，固定投资水平=固定资产投资额 / GDP，城市化水平=城镇常住人口数 / 总人口数，对外开放水平=实际利用外商投资额 / GDP，金融发展水平=年末金融贷款额 / GDP，地区经济发展水平即实际人均GDP，其描述性统计表略。

3 模型构建

3.1 基准模型

为了检验人力资本对居民收入的影响，本文借鉴Lucas和Mankiw等的做法[32-33]，构建如下基准回归模型：
y i t = α + β 1 e d u i t + β 2 C V i t + μ i + v t + ε i t
式中：被解释变量yit为居民收入水平；核心解释变量eduit为人力资本水平，包括女性人力资本水平（edu_fit）和男性人力资本水平（edu_mit）；CVit为控制变量，包括固定投资水平、城市化水平、对外开放、金融发展水平和地区经济发展水平；μi为不可观测的个体异质性因素；vt为不可观测的个体随时间变化的因素；εit为随机误差项。

3.2 空间计量模型

本文采用空间计量模型探讨人力资本对居民收入增长的影响及空间效应。以往研究对空间计量模型的运用主要有空间滞后模型（Spatial Lagged Model，SLR）和空间误差模型（Spatial Error Model，SEM）两类。前者包含空间因变量滞后，后者包含空间误差项自相关，前者假定空间效应通过空间相互关系产生效应传导，后者假定空间效应通过误差项产生效应传导。然而，空间效应可同时通过空间因变量滞后及误差项的变化产生效应传导，LeSage等[34]结合SLR和SEM的传导机制构建了空间杜宾模型（Spatial Durbin Model，SDM），认为一地因变量同时受到本地自变量和他地因变量、自变量的影响。

3.3 空间权重选择

空间单元的邻接性是选择空间权重矩阵W的依据。当两区域相邻时，矩阵中对应元素取1，否则取0。具体来讲，如果i≠j，则W1=1；如果i=j，则W1=0。本文以空间距离权重矩阵W2来表示省际单元间的空间效应，主对角线元素为0，非主对角线元素为1/d2（d为省域地理中心位置之间的距离）。另外，鉴于不同省份经济水平存在空间相关性的客观事实，本文借鉴张桅等的研究方法[35]建立经济空间权重矩阵W3，即相邻地区之间的经济发展水平差异性越小，相互之间的经济联系强度就越大。公式如下：
W 2 = 1 / Y i - Y j , i f   i ≠ j 0 , i f   i = j , Y i = 1 7 ∑ t = 2014 2020 Y i t
式中：i和j分别代表i省和j省；Yi和Yj分别表示i省和j省2014—2020年的实际人均GDP。

4 模型结果与分析

4.1 空间自相关检验及空间模型识别

4.1.1 全局空间自相关

空间依赖是空间计量的前提。莫兰指数作为一种相关性指数，可判断人力资本对居民收入增长的空间依赖性。表1显示，随着时间变化，在空间邻接矩阵背景下，2014—2020年我国居民的收入水平、人力资本水平以及分性别人力资本水平等的莫兰指数均大于0，且全部通过了1%的显著性水平检验，这意味着以上变量在地理空间上具有“俱乐部”特征，即存在空间正相关性。
表1 全局莫兰指数

Tab.1 Global Moran index

年份 2020 2019 2018 2017 2016 2015 2014
income 0.412*** 0.405*** 0.406*** 0.408*** 0.408*** 0.408*** 0.412***
edu 0.347*** 0.347*** 0.317*** 0.321*** 0.350*** 0.353*** 0.287***
edu_m 0.359*** 0.364*** 0.314*** 0.330*** 0.363*** 0.359*** 0.302***
edu_f 0.333*** 0.329*** 0.316*** 0.311*** 0.339*** 0.345*** 0.277***

注：***、**、*分别表示10%、5%、1%的显著性水平。表2~表4同。

4.1.2 局域空间自相关

表1虽然表明变量具有全局空间相关性，然而，空间自相关也可能因局域相关性或者相互抵消的正负空间自相关，导致全局空间自相关在统计学上不显著，因此仍需对居民收入水平、人力资本水平以及分性别人力资本水平的指数进行局域自相关检验。以2020年为例，对检验指数进行可视化表达，发现所有指数均显著，且大多数分布在散点图的一、三象限内，这表明居民收入水平、人力资本水平以及分性别人力资本水平较高（低）的地区其邻近地区的该变量值也较高（低），各指数存在“高—高”“低—低”集聚的空间关联特征。

4.1.3 空间模型识别

根据Elhorst[36]的模型使用原则，在进行空间相关性检验后，若要进一步采取空间经济权重矩阵，则首先要对空间计量模型及效应模型进行识别。首先，利用LR检验（H0：θ=0）和Wald检验（H0：θ+βρ=0）来判断SDM、SLM和SEM的关系，通过检验指数来确定SDM是否可以简化为SLM或SEM。结果表明，空间邻接权重矩阵和空间经济权重矩阵的空间计量模型均拒绝了2个假设，由此判定SDM优于SLM和SEM。其次，Hausman检验可判断在运用SDM时，应该选择固定效应还是随机效应，而LR检验对选择固定效应时应该采取个体固定效应、时间固定效应还是“个体—时间”双向固定效应模型做出进一步判断。结果表明，空间邻接和经济双权重矩阵下的SDM均应选择“个体—时间”双向固定效应模型。

4.2 人力资本影响居民收入的基准回归及空间计量回归

表2列（1）~（3）是利用基准模型对2014—2020年的面板数据进行非空间面板回归后的结果。整体而言，人力资本的回归系数是0.0389，标准误是0.0069，P值在1%水平下显著且为正，这表明提升人力资本会显著提升居民收入水平。考虑性别差异后，男性与女性人力资本的回归系数（男性：0.0415；女性：0.0257）虽然都显著且为正，但男性大于女性0.0158，这表明男性人力资本对居民收入水平的促进作用要显著大于女性。以上结论验证了H1a。
表2 基准回归及空间计量模型结果

Tab.2 Results of benchmark regression and spatial econometric model

解释变量 （1） （2） （3） （4） （5） （6）
基准回归模型 空间计量模型
edu 0.0389***（0.0069） 0.0316***（0.0067）
edu_m 0.0415***（0.0064） 0.0350***（0.0064）
edu_f 0.0257***（0.0064） 0.0193***（0.0060）
invest 0.0158*（0.0087） 0.0153*（0.0085） 0.0174*（0.0090） 0.0336***（0.0089） 0.0312***（0.0088） 0.0385***（0.0090）
urban 0.7192***（0.1026） 0.7106***（0.1001） 0.7056***（0.1069） 0.5650***（0.1062） 0.5857***（0.1050） 0.5241***（0.1086）
open 0.1965（0.1339） 0.1877（0.1309） 0.2019（0.1394） -0.0116（0.1332） 0.0099（0.1293） -0.0225（0.1375）
fin -0.0011***（0.0003） -0.0010***（0.0003） -0.0014***（0.0003） -0.0011***（0.0003） -0.0010***（0.0003） -0.0013***（0.0003）
lnpergdp 0.0959***（0.0137） 0.0984***（0.0134） 0.0970***（0.0143） 0.0551***（0.0163） 0.0537***（0.0160） 0.0536***（0.0167）
W·edu -0.0318**（0.0145）
W·edu_m -0.0276*（0.0141）
W·edu_f -0.0229*（0.0124）
W·invest -0.0437***（0.0150） -0.0379**（0.0148） -0.0498***（0.0152）
W·urban 0.3863（0.2358） 0.3125（0.2329） 0.4620*（0.2417）
W·open -0.9112***（0.3168） -0.8975***（0.3057） -0.9470***（0.3292）
W·fin 0.0013**（0.0006） 0.0013**（0.0006） 0.0016***（0.0006）
W·lnpergdp -0.0059（0.0237） -0.0049（0.0234） 0.0014（0.0247）
Spatial_rho 0.8127***（0.0303） 0.8147***（0.0301） 0.8063***（0.0308）
_cons 7.9352***（0.1435） 7.8840***（0.1413） 8.0562***（0.1459）
个体固定效应 YES YES YES YES YES YES
时间固定效应 YES YES YES YES YES YES
Log-likelihood 611.2371 614.3006 605.8162
R2 0.9942 0.9945 0.9937 0.9880 0.9883 0.9878
Number 217 217 217 217 217 217

注：括号内数值为稳健性标准误。表3~表4同。

表2列（4）~（6）是在基准模型的基础上，利用空间计量模型进行空间面板回归的结果。结果表明，人力资本对居民收入水平的影响系数下降为0.0316，但是依旧显著且为正，这意味着植入空间相关性会较为客观地反映人力资本对居民收入水平的提升作用；在空间滞后效应中，人力资本滞后项的回归系数为-0.0318，标准误是0.0145，在5%的显著性水平下通过检验，这表明某省份邻近省份人力资本水平的提升会抑制该省份的居民收入；被解释变量滞后项系数是0.8127，标准误是0.0303，显著为正，再次证明居民收入水平具有强烈的空间相关性，即某省份居民收入水平的提高将带动邻近省份居民收入水平的提高。考虑性别差异后，男性与女性人力资本对居民收入的影响系数显著为正，且均小于基准回归系数，其中男性的影响系数是0.0350，比女性系数（0.0193）大0.0157，这与基准回归中男性人力资本对居民收入水平的促进作用大于女性的结论一致；空间滞后项系数显示，男性人力资本系数是-0.0276，显著小于女性系数-0.0229，表明邻近省份男性人力资本的空间溢出作用要显著大于女性人力资本，依旧说明在人力资本影响居民收入方面，男性的作用显著大于女性。
控制变量结果显示，固定投资水平、城市化水平、地区经济发展水平显著促进居民收入水平的提升，金融发展水平显著抑制居民收入水平的提升，对外开放水平对促进居民收入水平提升方面影响不显著。

4.3 内生性检验与稳健性检验

4.3.1 内生性检验及处理

人力资本对居民收入水平的影响可能因反向因果关系或其他不可观测的遗漏变量导致模型出现严重的内生性问题。因此，为了保证空间效应的精确性，本文采用广义空间两阶段最小二乘法（GS2SLS）缓解内生性问题。参考吕民乐[37]的做法，将滞后一期的被解释变量引入模型以缓解内生性。数据表明，在考虑居民收入水平滞后一期因素后，分析结果对人力资本促进居民收入水平的结论依然成立。
需要说明的是，居民收入水平滞后一期（L1.lnincome）的系数为0.7591，且通过1%的显著性水平检验，这表明当前阶段我国居民收入水平正处于稳步上升阶段，其发展具有良好的延展性。另外，男性人力资本水平的影响系数是0.0465，显著大于女性系数0.0317，这仍然支持在促进居民收入方面，男性人力资本的作用力显著大于女性作用力的结论。

4.3.2 稳健性检验

空间邻接权重矩阵虽然考虑了2个区域相邻时的情况，但忽略了不相邻区域间的影响。比如，上海市和浙江省相邻，上海市的收入水平会影响浙江省的收入水平，但忽略了与上海市不相邻的重庆市、四川省等区域的人力资本对上海市居民收入水平产生的影响，并且随着近年来劳动力转移加速，人力资本会随着劳动力转移进而影响到其他地区的居民收入水平。因此，接下来通过替换空间经济权重矩阵进行稳健性检验。结果显示，人力资本水平对居民收入水平的影响系数显著为正，并且男性人力资本对居民收入水平的影响作用要显著大于女性，此结论与上文研究一致。

4.4 时空特征及区域异质性

4.4.1 人力资本水平的时空特征

图3展现了2014—2020年东中西部三大区域 ① 的人力资本水平。整体上看，7年间三大区域的人力资本水平呈逐年上升之势（单个省份数据亦表明，与2014年相比，2020年大部分省份的人力资本水平均有提高）；从独立年份看，三大区域的人力资本水平始终呈现出东部>中部>西部的特征。
图3 我国东中西部地区人力资本水平(2014—2020年)

Fig.3 Development trend of human capital level in eastern central and western regions(2014-2020)

第七次人口普查数据显示，我国东中西部三大区域每10万人中拥有大专及以上受教育程度的人数差异较大，其中东部地区20657人，中部地区14194人，西部地区14450人。为了更进一步说明差异性，图4对研究时段内我国人力资本水平的空间分布进行了可视化表达。结果表明，无论是2014年还是2020年，我国人力资本水平均呈现出连片集聚的空间格局，如宁夏、甘肃、青海、西藏、四川、云南和贵州7个省份所在的西北和西南地区处于人力资本水平低值区域，而长三角等东部沿海地区则有更多省份处于高值区域。
图4 2014和2020年中国人力资本水平的空间可视化图

注：基于自然资源部标准地图服务网站审图号为GS（2023）2767号的标准地图制作，底图无修改。

Fig.4 Spatial distribution of human capital level in China in 2014 and 2020

4.4.2 人力资本影响居民收入的区域异质性

为考察人力资本影响居民收入水平的区域异质性，将研究区域分为东中西3个组别进行检验。表3显示，东中部地区人力资本对居民收入水平的促进作用显著大于西部地区，而西部地区居民收入水平的溢出作用显著大于东中部地区；由性别差异所带来的人力资本对居民收入水平的影响差距同样遵从东中部地区大于西部地区的结论。这可能的原因，一是东中部地区教育资源丰富，国内知名高校大部分集中于此，所产生的增收效益大于西部地区；二是东中部地区人力资本所蕴含的个体特征，以及该区域释放的岗位特性、地区经济特征等都会影响当地的教育投资回报率[26]。
表3 空间异质性检验结果

Tab.3 Spatial heterogeneity test results

解释变量 （1） （2） （3） （4） （5） （6） （7） （8） （9）
东部地区 中部地区 西部地区
edu 0.1321***
（0.0172）		 0.1357***
（0.0202）		 0.0458***
（0.0096）
edu_m 0.1349***
（0.0169）		 0.1323***
（0.0201）		 0.0524***
（0.0089）
edu_f 0.1003***
（0.0159）		 0.1068***
（0.0182）		 0.0294***
（0.0093）
W·edu -0.0206
（0.0242）		 0.0290
（0.0488）		 -0.0153
（0.0218）
W·edu_m -0.0197
（0.0215）		 0.0249
（0.0389）		 -0.0046
（0.0222）
W·edu_f -0.0205
（0.0227）		 0.0164
（0.0510）		 -0.0050
（0.0185）
控制变量 YES YES YES YES YES YES YES YES YES
Spatial_rho -0.0081
（0.0439）		 -0.0119
（0.0438）		 -0.0070
（0.0446）		 0.1096*
（0.0655）		 0.0986
（0.0673）		 0.1145*
（0.0649）		 0.3196***
（0.1161）		 0.2923**
（0.1165）		 0.3180***
（0.1180）
Log-likelihood 400.4802 402.5313 392.6165 365.6948 365.0362 361.2083 241.9825 246.3871 236.7533
R2 0.9458 0.9469 0.9418 0.9247 0.9242 0.9216 0.9941 0.9947 0.9933
Number 77 77 77 56 56 56 84 84 84

4.5 人力资本对居民收入结构的影响

按照前文对居民收入的结构分解，进一步将人力资本与居民工资性收入、经营性收入、财产性收入和转移性收入进行回归。表4结果表明，整体而言，人力资本对居民工资性收入、财产性收入和转移性收入的提高具有明显的促进作用；人力资本对财产性收入具有显著的负向空间溢出作用，而对转移性收入具有显著的正向空间溢出作用，这说明某省份人力资本水平越高，其邻近地区财产性收入水平越低、转移性收入越高。这可能与“虹吸效应”有关，当一地的人力资本越高，其经济水平、基础设施、就业岗位、公共服务等各方面就发展得更好，把周边地区的资本、人才都吸引过来，导致本地越来越富，周边越来越穷，加剧了地区间的发展差距，存在负向的溢出作用，形成所谓的“吸血型地域”。以上结论验证了H2。
表4 人力资本对居民收入结构的影响结果

Tab.4 Impact of human capital on the resident income structure

解释变量 （1） （2） （3） （4） （5） （6） （7） （8） （9） （10） （11） （12）
被解释变量 被解释变量 被解释变量 被解释变量
income_wage income_opera income_property income_transfer
edu 0.0339***
（0.0128）		 0.0094
（0.0276）		 0.0720**
（0.0336）		 0.0433*
（0.0227）
edu_m 0.0366***
（0.0124）		 0.0218
（0.0269）		 0.0828**
（0.0327）		 0.0342
（0.0223）
edu_f 0.0213*
（0.0112）		 -0.0048
（0.240）		 0.0408
（0.0294）		 0.0427**
（0.0196）
W·edu -0.0267
（0.0277）		 -0.0728
（0.0588）		 -0.1545**
（0.0714）		 0.1158**
（0.0490）
W·edu_m -0.0050
（0.0275）		 -0.0541
（0.0578）		 -0.1431**
（0.0701）		 0.0705
（0.0485）
W·edu_f -0.0305
（0.0232）		 -0.0615
（0.0495）		 -0.1101*
（0.0605）		 0.1122***（0.0409）
控制变量 YES YES YES YES YES YES YES YES YES YES YES YES
Spatial_rho 0.7088***
（0.0505）		 0.6979***
（0.0515）		 0.7113***（0.0499） 0.3450***（0.0832） 0.3517***（0.0831） 0.3419***（0.0835） 0.0878
（0.0874）		 0.1000
（0.0873）		 0.0740
（0.0878）		 0.5020***（0.0648） 0.5186***（0.0643） 0.4939***（0.0649）
Log-likelihood 478.3470 479.2525 477.0019 324.7258 324.5706 324.8717 285.4352 285.9928 283.9395 363.3954 360.2686 365.1620
R2 0.9626 0.9640 0.9626 0.8287 0.8276 0.8297 0.8919 0.8924 0.8904 0.9492 0.9490 0.9491
Number 217 217 217 217 217 217 217 217 217 217 217 217
更进一步探索人力资本的性别差异，表4列（2）（3）表明，男性人力资本对居民工资性收入水平提升的促进作用要显著大于女性；列（8）表明，男性人力资本水平的提升有利于财产性收入的提高；列（12）表明，女性人力资本水平的提升不仅有利于本地区居民转移性收入的提高，还有利于邻近地区居民转移性收入水平的提高。这可能的原因是，在一个家庭当中，外出务工者往往以男性居多，当男性受教育水平提高时就会促进其就业质量提升，表现在工资性收入增长和就业稳定性提升等方面，进而促使男性居民工资性收入和财产性收入均高于女性[18]。综上，列（2）~（3）结论验证了H1b，列（8）（12）结论验证了H2。

5 结论与建议

本文利用中国2014—2020年31个省份（不包括港澳台）的面板数据，运用空间杜宾等计量模型，从性别差异及居民收入结构2个视角实证检验了人力资本影响居民收入的空间效应，主要结论如下：①整体上，人力资本水平的提升将显著促进居民收入水平的提升，男性人力资本对居民收入水平的影响作用要显著大于女性，以上结论在通过内生性检验和稳健性检验之后依旧成立。②区域差异上，人力资本水平分布的时空特征较为明显，2014—2020年东中西部三大区域的人力资本水平逐年上升，具有东部>中部>西部的空间分布特征，对居民收入的影响也具有显著的空间差异性。③性别差异上，男女人力资本对居民收入水平的影响差距东中部均大于西部地区，但西部地区居民收入水平的溢出作用要显著大于东中部地区。④收入结构上，人力资本对居民财产性收入具有显著的负向空间溢出作用，对居民转移性收入具有显著的正向空间溢出作用；考察性别差异后发现，男性人力资本对居民工资性收入水平提升的促进作用要显著大于女性。
据此，本文提出以下政策建议：①政府应持续加大人力资本投资。在义务教育保障的基础上，巩固提升职业教育，实现知识型人才及工匠型人才并重发展。②破除人才均衡发展的现实障碍。优化设计教育均衡发展机制，实施普惠性人力资本政策，通过人力资本熨平地区经济差距。同时，推进人力资本改革，纠正各地过度激烈的人才竞争，让人才能够在地区之间自由流动，充分发挥人力资本的溢出效应。③提高女性人力资本对居民收入增长的效应。政府应鼓励女性接受高水平教育，尝试探索对接受高水平教育的农村女性给予一定的政策性补贴，以提升农村女性居民的收入水平，优化性别差异带来的教育资源及地区分布失衡现状。
当前人力资本内涵包含知识、技能、经验等多元要素。研究中对于人力资本的内涵设定、指标体系构建等应该与时俱进、随之扩充，但局限于当前已有公开资料及数据的不足，本文仍借鉴教育资本作为人力资本的代理变量，未能综合考虑各项资本要素展开分析是本研究之缺憾。未来在构建理论框架或衡量人力资本指标时，将继续收集、补全相关数据，使研究结果更为全面且精准。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李海峥, 贾娜, 张晓蓓, 等. 中国人力资本的区域分布及发展动态[J]. 经济研究, 2013(7):49-62.

[2]
刘艳军, 汤爽爽, 吴康. 经济地理学视角下中国人口研究热点与展望[J]. 经济地理, 2021, 41(10):97-105,142.

DOI

[3]
王军, 杨惠馨. 2006—2008年中国省际高技术产业效率实证研究[J]. 统计研究, 2010(12):1338-1346.

[4]
杨振山, 杨航. 多尺度人力资本空间测度:格局分析与尺度关联[J]. 地理研究, 2022, 41(10):2663-2679.

DOI

[5]
李松亮, 曾小明, 曾祥炎, 等. 地级市尺度下人力资本的空间特征及驱动因子[J]. 经济地理, 2020, 40(8):43-48,113.

DOI

[6]
Schultz T. Investment in human capital[J]. The American Economic Review, 1961, 51(1):1-17.

[7]
王小华. 信用约束、信贷调节与农民收入增长[J]. 财贸研究, 2015(5):41-50.

[8]
Dickson M, Harmon C. Economic returns to education:What we know,what we don’t know,and where we are going-some brief pointers[J]. Economics of Education Review, 2011, 30(6):1118-1122.

[9]
刘生龙, 胡鞍钢. 大学教育回报:基于大学扩招的自然实验[J]. 劳动经济研究, 2018, 6(4):48-70.

[10]
程名望, 史清华, Jin Yanhong. 农户收入水平、结构及其影响因素——基于全国农村固定观察点微观数据的实证分析[J]. 数量经济技术经济研究, 2014, 31(5):3-19.

[11]
Laszlo S. Education,labor supply and market development in rural Peru[J]. World Development, 2008,36:2421-2439.

[12]
柳思维, 杜蓉, 周洪洋. 金融发展、人力资本投入对农村居民信息消费影响[J]. 经济地理, 2019, 39(12):168-177.

DOI

[13]
杨俊, 黄潇, 李晓羽. 教育不平等与收入分配差距:中国的实证分析[J]. 管理世界, 2008(1):38-47,187.

[14]
孙三百, 黄薇, 洪俊杰. 劳动力自由迁移为何如此重要?——基于代际收入流动的视角[J]. 经济研究, 2012, 47(5):147-159.

[15]
Ahluwalia M. Income distribution and development:Some stylized facts[J]. The American Economic Review, 1976,66:128-135.

[16]
张家滋, 刘雅婕, 何文举. 互联网发展对城市贸易产业和收入差距的影响[J]. 经济地理, 2021, 41(2):47-54.

DOI

[17]
Rauch J. Does history matter only when it matters a little? The case of city- industry location[J]. Quarterly Journal of Economics, 1993(108):843-867.

[18]
Tansel A, Gungor N D. Gender effects of education on economic development in Turkey[J]. SSRN Electronic Journal, 2012,DOI:10.2139/ssrn.2056722.

[19]
Duraisamy P. Changes in returns to education in India,1983-1994:By gender,age-cohort and location[J]. Economics of Education Review, 2002,21:609-622.

[20]
Knight J, Li S, Deng Q H. Son preference and household income in rural China[J]. The Journal of Development Studies, 2010, 46(10):1786-1805.

[21]
Johansen T, Arano K. The long-run economic impact of an institution of higher education[J]. Economic Development Quarterly, 2016 (3):203-214.

[22]
张美丽, 李柏洲. 中国人才集聚时空格局及影响因素研究[J]. 科技进步与对策, 2018, 35(22) :38-44.

DOI

[23]
廖翼, 唐玉凤. 人力资本对湖南经济增长贡献的实证研究[J]. 经济地理, 2012, 32(1):41-45,95.

[24]
约翰·斯图亚特·穆勒. 政治经济学原理:上卷[M]. 赵荣潜, 桑炳彦, 朱泱, 等,译. 北京: 商务印书馆,1991.

[25]
阿尔弗雷德·马歇尔. 经济学原理:下卷[M]. 陈良壁,译. 北京: 商务印书馆,1983.

[26]
方超, 黄斌. 教育人力资本投资能够缩小农村居民的工资性收入差距吗?[J]. 教育与经济, 2017(4):33-41.

[27]
杨天宇. 中国居民转移性收入不平等成因的实证分析[J]. 中南财经政法大学学报, 2018(1):42-50,159.

[28]
王胜华. 公共投入、人力资本与居民收入——来自省级面板数据的证据[J]. 中南财经政法大学学报, 2017(4):68-74,159-160.

[29]
易行健, 周利. 数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J]. 金融研究, 2018(11):47-67.

[30]
李麦收, 高星. 金融发展、教育人力资本与居民收入[J]. 教育经济评论, 2021, 6(6):3-21.

[31]
宋佳莹, 高传胜. 教育投入、服务业发展与城乡收入差距——基于省际面板数据的机制分析[J]. 南京审计大学学报, 2022, 19(3):102-111.

[32]
Lucas R E. On the mechanics of economic development[J]. Econometric Society Monographs, 1998,29:61-70.

[33]
Mankiw N G, Romer D H, Weil D N, et al. A Contribution to the empirics of economic growth[J]. Quarterly Journal of Economics, 1992, 107(2):407-437.

[34]
LeSage J, Pace R. Introduction to Spatial Econometrics[M]. New York: Chapman and Hall/CRC, 2009.

[35]
张桅, 胡艳. 长三角地区创新型人力资本对绿色全要素生产率的影响——基于空间杜宾模型的实证分析[J]. 中国人口·资源与环境, 2020, 30(9):106-120.

[36]
Elhorst J P. Spatial econometrics:from cross-sectional data to spatial panels[M]. New York: Springer, 2014.

[37]
吕民乐, 陈颖瑶. 信息化有助于降低雾霾污染吗?——基于空间计量模型的实证检验[J]. 南京财经大学学报, 2021(3):12-24.

Options
文章导航

/

〈 〉