EN中文

经济地理 >

2019 , Vol. 39 >Issue 10: 104 - 111

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.014

产业经济与创新发展

中国人力资本结构高级化格局演变及其空间分异机制

  • 李震 , 1 ,
  • 杨永春 2, 3
展开
  • 1.广东省社会科学院经济研究所，中国广东广州 510000
  • 2.兰州大学资源环境学院，中国甘肃兰州 730000
  • 3.兰州大学西部环境教育部重点实验室，中国甘肃兰州 730000

李震（1984—），男，山东菏泽人，硕士，副研究员。主要研究方向为人力资本与经济增长、城市与区域发展及计量分析。E-mail：。

收稿日期: 2019-03-02

  修回日期: 2019-08-13

  网络出版日期: 2025-04-18

基金资助

广东省社会科学院2014年度青年课题(2014G0187)

国家自然科学基金项目(41571155)

收起

Pattern Evolution and Its Spatial Differentiation Mechanisms of Human Capital Structure Upgrading in China

  • LI Zhen , 1 ,
  • YANG Yongchun 2, 3
Expand
  • 1. Institute of Economics，Guangdong Academy of Social Sciences，Guangzhou 510000，Guangdong，China
  • 2. School of Resource and Environmental Science，Lanzhou University，Lanzhou 730000，Gansu，China
  • 3. Key Laboratory of Western China’s Environmental Systems，Lanzhou University，Lanzhou 730000，Gansu，China

Received date: 2019-03-02

  Revised date: 2019-08-13

  Online published: 2025-04-18

Fold

摘要

人力资本结构高级化是促进经济高质量发展的重要力量。以中国省级行政区域为基本研究单元，结合探索性空间数据分析对中国人力资本结构高级化格局演变进行分析，并利用最小二乘法（OLS）模型和地理加权回归（GWR）模型对其空间分异机制进行研究。结果表明：①中国省区人力资本结构高级化呈现出由东向西递减的态势，并在空间上集聚，但集聚程度出现了一定弱化，热点区和冷点区的范围也相应发生变化；②教育投入力度、经济发展水平、产业结构水平和城镇化水平从各自角度促进了人力资本结构高级化格局的形成和演变；③上述影响因素的作用在空间上呈现出与人力资本结构高级化格局或一致或相反的关联性，其中教育投入力度影响作用出现了一定的局部波动。因此，在制定促进人力资本结构高级化的政策时，对于影响因素促进作用较强、较弱与呈现反方向作用的区域，要从各省区自身发展情况出发进行更加深入的探讨，研究制定与该省区实际相符合的差异化对策。

关键词： 人力资本结构高级化; 教育经费; 产业结构; 创新驱动; 地理加权回归; 高质量发展

本文引用格式

李震 , 杨永春 . 中国人力资本结构高级化格局演变及其空间分异机制[J]. 经济地理, 2019 , 39(10) : 104 -111 . DOI: 10.15957/j.cnki.jjdl.2019.10.014

Abstract

Human capital structure upgrading is an essential force to promote high-quality economic development. Taking provincial regions of China as the research object, exploratory spatial data analysis is used to study the pattern evolution of human capital structure upgrading in China, and then the least squares (OLS) model and the geographically weighted regression (GWR) model are used to study its spatial differentiation mechanism. Results are as follows: 1) Human capital structure upgrading in China shows a decreasing tendency from east to west. It is agglomerating spatially, but the degree of agglomeration has weakened, and the scope of hot and cold spots has changed accordingly. 2) The intensity of education investment, the level of economic development, the level of industrial structure and the level of urbanization have promoted the formation and evolution of human capital structure upgrading in China from their respective perspectives. 3) The effects of these factors are positively or negatively correlated with the spatial pattern of human capital structure upgrading in China. Specially, the intensity of education investment fluctuates locally. As a result, when formulating policies to promote human capital structure upgrading, we should make a more in-depth discussion on the regions with strong, weak and negative effects of influencing factors from the perspective of their own development, and look for differentiated strategies which are consistent with the actual situation.

Key words： human capital structure upgrading; educational foud; industrial structure; innovation-driven; geographically weighted regression; high-quanlity development

改革开放以来，中国经历了近40年的高速增长。与此同时，人力资本结构实现了以初级人力资本向高级人力资本演进为特征的转变，即人力资本结构高级化，并通过推动技术结构升级和产业结构升级对经济增长产生了重要的促进作用[1-2]。面对经济发展进入新常态的深刻变化，党的十九大报告明确指出“我国经济已由高速增长阶段转向高质量发展阶段”，人力资本的重要性日益增强。中国幅员辽阔，各省区之间差异较大。那么，这种以低教育程度人力资本向高教育程度人力资本演进为特征的人力资本结构变化，在省区层面的空间分布如何?空间格局如何演变?演变机理和空间分异机制如何?这些问题值得进一步探讨。
从现有文献来看，国内外关于人力资本结构的研究主要集中在人力资本结构与经济增长的关系、人力资本结构与各种经济结构的关系、人力资本结构的影响因素等方面。在人力资本与经济增长关系研究方面，Fleisher等从教育程度角度研究了不同人力资本类型对中国经济增长的作用，认为人力资本结构调整优化对经济增长非常重要[3]。Birdsall等运用教育标准差反映人力资本不平等，发现人力资本不平等阻碍经济增长。Castelló采用教育基尼系数表征人力资本结构，也发现人力资本不平等对经济增长具有不利影响[4]；但Park采用教育方差表征人力资本结构，发现人力资本不平等与经济增长之间存在正相关关系[5]。张小蒂等将企业家人力资本纳入到解释地区居民富裕程度差异的分析框架，发现企业家人力资本结构中的民营企业家丰度对地区居民的富裕程度有重要影响[6]。魏下海等对1993—2006年中国省区的人力资本结构等相关指标进行测算，运用分位数回归方法考察了其对区域经济增长的影响大小及变动情况[7]。朱承亮等对1998—2008年人力资本结构进行了度量分析，采用随机前沿分析模型，对其与区域经济增长效率之间的关系进行了研究[8]。郭志仪等基于西北五省面板数据分析了人力资本结构对西北地区经济增长的影响[9]。杨长江等通过一个基准的委托—代理模型揭示了人力资本结构影响实际汇率的作用机制[10]。郭继强提出了一个能同时将人力资本投资的数量和结构置于其中的分析框架，在理论层面上展现了人力资本拓展结构对经济运行的一般图景[11]。廖楚晖等在内生增长的框架下分析了中国人力资本结构对地区经济增长差异的影响[12]。在人力资本结构与各种经济结构的关系研究方面，赵芳等运用三元分析框架研究了产业结构、人力资本分布结构与收入差距之间的关系[13]。陈运平等研究了人力资本结构与经济结构之间的协整关系[14]。张国强等以中国各省份1978—2008 年动态面板数据为基础，从国家和区域层面考察了人力资本结构与产业结构升级之间的关系[15]。韦吉飞等运用多元统计分析及脉冲响应函数分析方法，研究了中国人力资本结构与经济结构之间的互动过程[16]。李秀敏等基于中国省区的数据研究了人力资本结构与区域协调发展之间的关系[17]。李亚玲等通过人力资本分布结构的研究发现区域间人力资本不平等性的差距是区域经济差距的重要原因[18]。在人力资本结构的影响因素研究方面，商华等运用熵值法和DEMATEL相结合的方法，构建影响因素识别模型，从中心度与原因度两个视角对新型城镇化背景下人力资本积累的影响因素进行分析[19]。王晓丹等运用DEA方法对全国各地人力资本配置的有效性进行评价，发现人力资本配置无效的主要原因在于各地区从业人员中存在低受教育程度人力资本的大量冗余[20]。盛欣等分析了中国省区2003—2007年面板数据，发现无论是自主创新还是引进技术都偏向于吸纳更多的高人力资本劳动力[21]。
综上所述，关于人力资本结构的已有研究，缺乏对人力资本结构高级化的演变格局及其空间分异机制的探讨。基于此，本文对中国省级行政区域（以下简称省区）人力资本结构高级化进行测度，运用空间自相关等方法对中国人力资本结构高级化格局演变进行系统分析，并应用地理加权回归（GWR）模型对其影响因素及空间分异机制进行探讨，以期揭示中国人力资本结构高级化格局演变的内在机制，为人力资本结构相关研究尽一份绵薄之力。

1 研究方法与数据

1.1 数据来源

由于中国香港、澳门和台湾的数据难以获得，本文采用全国31个省区作为基本研究单元。除2010年各省区城镇化水平来源于《中国2010年人口普查资料》以外，其余2000、2010和2016年各省区的每一类人力资本比重和有关经济社会数据来源于相应年份的《中国统计年鉴》。

1.2 人力资本结构高级化的测度

本文采取刘智勇等[1]的方法对人力资本结构高级化进行测度。该文运用向量的形式对该方法进行了说明，而本文将运用矩阵的形式进行阐述。首先按照受教育程度将人力资本分为文盲半文盲、小学、初中、高中（含中专）、大专以上（专科、本科、研究生）5类，并将每一类人力资本的比重依次作为空间向量的一个分量，从而构成一组31×5维人力资本比重矩阵X，其31行代表中国31个省区，5列代表前述5类人力资本。之后，选择5维单位矩阵E作为基准矩阵，计算人力资本比重矩阵X的各行与基准矩阵E的各列向量之间的夹角所构成的夹角矩阵：
θ = a r c c o s X ⋅ E X E
式中： X ⋅ E表示矩阵X与E的点积； X、 E分别表示矩阵X与E的模。然后，根据上述5类人力资本的受教育年限来设定夹角的权重矩阵W。小学、初中、高中（含中专）的受教育年限分别为6、9和12年；大专以上（专科、本科、研究生）的受教育年限采用专科、本科、硕士研究生、博士研究生的平均教育年限（18年）；假定文盲半文盲相当于1年的受教育年限。因此，文盲半文盲、小学、初中、高中（含中专）、大专以上（专科、本科、研究生）的权重之比为1∶1/6∶1/9∶1/12∶1/18。在此基础上，将大专以上（专科、本科、研究生）的权重设定为1，夹角权重矩阵设定为[18，3，2，1.5，1]。由此计算人力资本结构高级化指数矩阵：
H s t r u c = θ × W T
式中： W T表示矩阵 W的转置矩阵； θ × W T表示 θ与 W T的叉积。于是，Hstruc是一个31维列向量，这个向量的每个元素为相应省区的人力资本结构高级化指数。

1.3 探索性空间数据分析

1.3.1 全局空间自相关

全局Moran's I指数是测度全局空间自相关最常用的指标之一[22]，计算公式如下[23]：
I = n ∑ i = 1 n ∑ j = 1 n w i j y i - y - y j - y - ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n y i - y - 2
式中：I表示全局Moran's I指数；n表示省区的个数； y i、 y j分别表示省区i、省区j的人力资本结构高级化指数； y -表示所有省区人力资本结构高级化指数的平均值； w i j表示省区i、省区j之间的空间权重，选用反距离函数计算空间权重。I的取值范围介于-1~1之间，小于0表示空间负相关，大于0表示空间正相关，取值为0则表示空间不相关[24]。

1.3.2 冷热点分析

冷热点分析是通过计算Getis-Ord Gi*指数来分析热点和冷点的空间分布，计算公式如下[23]：
G = i * ∑ i = 1 n w i j y i - y - ∑ j = 1 n w i j S n ∑ i = 1 n w i j 2 - ∑ j = 1 n w i j 2 / n - 1
式中：Gi*表示Getis-Ord Gi*指数。

1.4 地理加权回归（GWR）

传统的线性回归模型没有考虑空间格局等要素的影响，导致存在空间自相关性的情况下无法满足残差项独立的假设，运用最小二乘法（OLS）进行参数估计将不再适用[25⇓-27]。本文在运用OLS进行中国省级区域人力资本结构高级化影响因素分析的基础上，运用地理加权回归（GWR）对这些影响因素的空间分异进行分析，以探索各影响因素在不同空间对人力资本结构高级化的不同作用。GWR模型结构如下[28]：
y i = β 0 u i , v i + ∑ k = 1 n β k u i , v i x i k + ε i
式中： y i表示第i个省区的人力资本结构高级化指数； u i , v i表示第i个省区的地理中心坐标； β k u i , v i表示连续函数 β k u , v在第i个省区的值； x i k表示第i个省区上的第k个解释变量； ε i为随机误差项。在计算时采取以高斯函数确定权重，以赤池信息准则法（AIC）确定最优带宽。根据人力资本影响因素的有关研究[19,29⇓⇓-32]，结合指标的可获取性，本文选取教育投入力度、经济发展水平、产业结构水平、城镇化水平作为解释变量，教育投入力度用人均教育经费（每个常住人口的平均教育费用）来表示，经济发展水平用人均GDP表示，产业结构水平用第二、三产业增加值占该省区生产总值的比重（简称二三产业占比）来表示，城镇化水平以城镇人口比重来反映。需要说明的是，为了在各年份之间具有可比性，人均教育经费和人均GDP均换算为万元（2000年价）。具体换算方法为，根据各省区的2000年当年价GDP和不变价GDP指数，计算出以2000年人民币计价的2000—2016年各省区GDP，再结合2000—2016年各省区当年价GDP，计算出各省区的价格指数；之后，结合当年价人均教育经费和人均GDP，换算为以2000年各省区人民币计价的人均教育经费和人均GDP。

2 中国人力资本结构高级化的空间格局演变

2.1 空间分布演变

采取自然断裂点法将中国省区人力资本结构高级化指数从高到低划分为4类，得到中国省区人力资本结构高级化的空间分布（图1）。总体来看，中国省区人力资本结构高级化呈现出由东向西递减的态势，人力资本结构高级化指数较高的省区主要分布在东部地区，尤其是北京、上海、天津这三个直辖市和东北地区；较低的省区则主要分布在西部地区。
图1 中国省区人力资本结构高级化的空间分布

Fig.1 Spatial distribution of human capital structure upgrading in provincial regions of China

2.2 全局空间自相关演变

运用ArcGIS 10.1，计算得出中国省区人力资本结构高级化的全局Moran’s I指数（表1）。在2000、2010和2016年，中国省区人力资本结构高级化均呈现出显著的正相关，这说明在中国省区人力资本结构高级化呈现在空间上集聚的态势，即人力资本结构高级化指数高的省区倾向于与人力资本结构高级化指数高的省区相邻，而人力资本结构高级化指数低的省区倾向于与人力资本结构高级化指数低的省区相邻。对三个年份进行动态比较，可以发现全局Moran’s I指数由2000年的0.203降为2010年的0.157，再降至2016年的0.115，反映出中国省区人力资本结构高级化在空间上集聚的态势出现了一定程度的弱化。
表1 中国省区人力资本结构高级化的全局Moran’s I指数

Tab.1 Global Moran’s I indices of human capital structure upgrading in provincial regions of China

年份 2000 2010 2016
全局Moran’s I 0.203 0.157 0.115
z得分 3.384 3.031 2.786
p值 0.001 0.002 0.005

2.3 冷热点格局演变

运用ArcGIS 10.1，计算中国省区人力资本结构高级化的Getis-Ord Gi*统计量，并采取自然断裂点法将其从高到低划分为4类，得到中国省区人力资本结构高级化的冷热点分布格局（图2）。总体来看，Getis-Ord Gi*统计量呈现东高西低的格局。2000—2016年中国省区人力资本结构高级化热点区主要分布在北京、上海、天津和东北地区，此外湖南、山西、广东也曾入围；次热点区是数量最多的类型，2000、2010和2016年分别有13、16、19个省区属于该类型；次冷点区由主要分布在内蒙古、新疆、四川、云南、安徽，转变为主要分布在甘肃、宁夏、青海、云南、贵州和安徽，之后转变为分布在甘肃、青海、云南、贵州、四川；冷点区由主要分布在甘肃、宁夏、青海、西藏、贵州，缩减为仅分布在西藏。
图2 中国省区人力资本结构高级化的Getis-Ord Gi*分布

Fig.2 Getis-Ord Gi* spatial distribution of human capital structure upgrading in provincial regions of China

3 中国人力资本结构高级化格局演变的影响因素及其机理

3.1 人力资本结构高级化格局演变的影响因素

对2000、2010与2016年中国省区人力资本高级化指数的影响因素进行OLS分析。因四个解释变量之间相互影响，具有多重共线性，所以将人力资本高级化指数分别与各个解释变量进行OLS分析，以研究各因素对人力资本高级化格局演变的影响。总体来说，除个别年份个别指标外，模型基本通过显著性检验。从回归结果来看（表2），人均教育经费回归系数由2000年在10%水平上显著的正值，转变为2010年不显著的负值，之后转变为在5%水平上显著的负值，表明教育投入力度由促进人力资本结构高级化转向抑制人力资本结构高级化；人均GDP的回归系数为正，且2010年在1%水平上显著，2000与2016年分别在5%、10%的水平上显著，说明经济发展水平具有显著的正向促进作用；二三产业占比的回归系数为正，其显著性由2000年的在1%水平上显著，转变为2010年的在5%水平上显著，之后转变为2016年的不显著，表明产业结构水平的正向作用有所减弱；城镇人口占比的回归系数为正，且在2000、2010与2016年均在1%的水平上显著，说明城镇化水平具有显著的正向促进作用。总体来说，教育投入力度、经济发展水平、产业结构水平和城镇化水平从不同角度影响了人力资本结构高级化格局的形成和演变。
表2 OLS模型参数估计及检验结果

Tab.2 Parameter estimation and test results of the OLS models

人均教育经费 人均GDP 二三产业占比 城镇人口占比
2000 2010 2016 2000 2010 2016 2000 2010 2016 2000 2010 2016
回归系数 33.733* -0.548 -16.598** 1.846** 0.934*** 0.463* 16.324*** 14.458** 7.282 9.057*** 10.267*** 11.986***
常数项 28.996*** 31.879*** 36.843*** 28.473*** 29.656*** 32.040*** 16.650*** 18.954*** 27.201*** 26.489*** 26.599*** 26.838***
调整R2 0.063 -0.034 0.124 0.147 0.260 0.094 0.180 0.105 -0.008 0.246 0.476 0.392
p值（F检验） 0.094 0.964 0.029 0.019 0.002 0.052 0.010 0.042 0.392 0.003 0.000 0.000

注：“***”表示在1%的水平上显著，“**”表示在5%的水平上显著，“*”表示在10%的水平上显著。

3.2 人力资本结构高级化格局演变因素的作用机理

教育投入力度通过接受教育机会对人力资本结构高级化格局演变产生影响。较高的人均教育经费，意味着更多的教育事业费和教育基本建设投资，将为人们提供更多的接受教育机会，从而促进劳动力接受教育程度的提升，进而促进人力资本结构高级化（图3）。这一机理在2010年的各省区中较为符合，但在2010和2016年却并非如此，而在2016年甚至与此机理明显相悖。之所以如此，可能是教育投入的效率不足所导致的。
图3 中国省区人力资本结构高级化格局分异机理

Fig.3 Differentiation mechanism of human capital structure upgrading in provincial regions of China

经济发展水平通过不同经济发展阶段的创新需求差异影响人力资本结构高级化格局演变。较高的人均GDP，将促进经济发展迈向更高级的发展阶段。在更高级发展阶段，经济发展对创新驱动的需求越来越强，从而拉动人力资本结构迈向高级化（图3）。2016年上海人均GDP为8.38万元（2000年价，下同），甘肃人均GDP为1.87万元。相应地，上海和甘肃人力资本结构高级化指数分别为35.415和32.686，与人均GDP差异呈现出相同的趋势。
产业结构水平通过劳动力结构需求来影响人力资本结构高级化格局演变。一个国家或地区特定的产业结构意味着固定的资源和要素配置[33]，劳动力及其结构即是重要方面。随着二三产业占比的提高，产业结构优化升级进程不断推进，相应地便催生了对更高素质劳动的更大需求，从而拉动人力资本结构迈向高级化（图3）。2016年广东二三产业占比为95.4%，贵州二三产业占比为84.3%。相应地，广东和贵州人力资本结构高级化指数分别为34.808和32.050。
城镇化水平通过教育投资外溢影响人力资本结构高级化格局演变。城镇化水平通常由城镇人口占比来反映，较高的城镇化人口占比意味着人口更加集中，相应地教育资源在空间上更加集中，教育投资的外溢效应更加明显，教育效果也将更好，从而促进人力资本结构迈向高级化（图3）。2016年广东城镇人口占比为69.2%，贵州城镇人口占比为44.2%。相应地，广东和贵州人力资本结构高级化指数分别为34.808和32.050。

4 中国人力资本结构高级化格局演变的空间分异机制

为了进一步探究中国人力资本结构高级化格局演变的影响因素在空间上的差异特征及其分异机制，应用GWR模型对2000、2010和2016年中国省区人力资本结构高级化格局演变影响因素的空间分异参数进行估计，并通过自然断裂法对结果进行可视化表达。因3个解释变量之间存在着共线性问题，在进行GWR分析时分别对3个解释变量各自进行计算。

4.1 教育投入力度影响作用的空间分异

教育投入力度影响作用强度由与人力资本结构高级化空间分布相反转变为相一致。从人均教育经费回归系数空间分布来看（图4），2000年回归系数总体呈现从西向东递减的趋势，与人力资本结构高级化的空间分布大致相反，表明从全局来看2000年教育投入力度对人力资本高级化高水平地区的低敏感性和低水平地区的高敏感性，在局部教育投入力度高值区域的影响力较弱而低值区域的影响力相对较强。2010和2016年回归系数均总体呈现从东向西递减的趋势，与人力资本结构高级化的空间分布大致一致，表明从全局来看2010和2016年教育投入力度对人力资本高级化高水平地区的高敏感性和低水平地区的低敏感性，在局部人力资本结构高级化高值区域的影响力较强而低值区域的影响力相对较弱。然而，2000、2010和2016年出现局部负低值集聚区，表明教育投入力度对人力资本结构高级化格局的影响出现了一定的局部波动。
图4 中国省区人均教育经费回归系数的空间分布

Fig.4 Spatial distribution of regression coefficient of per capita expenditure on education in provincial regions of China

4.2 经济发展水平影响作用的空间分异

经济发展水平影响作用与人力资本结构高级化空间分布相反。从经济发展水平回归系数空间分布来看（图5），回归系数总体呈现从西向东递减的趋势，与人力资本结构高级化的空间分布大致相反，表明从全局来看经济发展水平对人力资本结构高级化高水平地区的低敏感性和低水平地区的高敏感性，在局部人力资本结构高级化高值区域的影响力较弱而低值区域的影响力相对较强。
图5 中国省区人均GDP回归系数的空间分布

Fig.5 Spatial distribution of regression coefficient of per capita GDP in provincial regions of China

4.3 产业结构水平影响作用的空间分异

产业结构水平影响作用由与人力资本结构高级化格局大致相反，转化为无法在省级区域层面做出判断。运用地理加权回归对产业结构对人力资本结构高级化的影响进行分析，发现仅有2000年可进行分析，2010和2016年则无法运用该方法进行分析，表明产业结构水平对省区层面的人力资本高级化格局仅在2000年有影响，而在2010和2016年的影响无法从省区层面做出判断。从2000年二三产业占比水平回归系数空间分布来看（图6），回归系数总体呈现从从西向东、从北向南递减的趋势，与人力资本结构高级化的格局大致相反，表明从全局来看2000年产业结构水平对人力资本结构高级化高水平地区的低敏感性和低水平地区的高敏感性，在局部人力资本结构高级化高值区域的影响力较弱而低值区域的影响力相对较强。
图6 2000年中国省区二三产业占比回归系数的空间分布

Fig.6 Spatial distribution of regression coefficient of proportion of secondary and tertiary industries in provincial regions of China in 2000

4.4 城镇化水平影响作用的空间分异

城镇化水平影响作用与人力资本结构高级化分布大致相反。从城镇人口占比回归系数空间分布来看（图7），回归系数总体呈现从西向东递减的趋势，表明从全局来看城镇化水平对人力资本结构高级化高水平地区的低敏感性和低水平地区的高敏感性，在局部人力资本结构高级化高值区域的影响力较弱而低值区域的影响力相对较强。
图7 中国省区城镇人口占比回归系数的空间分布

Fig.7 Spatial distribution of regression coefficient of proportion of urban population in provincial regions of China

5 结论与讨论

5.1 结论

①中国省区人力资本结构高级化呈现出由东向西递减的态势，并在空间上集聚，但集聚程度出现了一定弱化。相应地，热点和次热点区主要分布在东部和中部地区，冷点和次冷点区主要分布在西部地区。
②教育投入力度、经济发展水平、产业结构水平和城镇化水平从各自角度促进了人力资本结构高级化格局的形成和演变。教育投入力度通过接受教育机会对人力资本结构高级化格局演变产生影响；经济发展水平通过不同经济发展阶段的创新需求差异影响人力资本结构高级化格局演变；产业结构水平通过劳动力结构需求来影响人力资本结构高级化格局演变；城镇化水平通过教育投资外溢影响人力资本结构高级化格局演变。
③教育投入力度、经济发展水平、产业结构水平和城镇化水平的作用呈现出与人力资本结构高级化格局或一致或相反的关联性。教育投入力度影响作用由与人力资本结构高级化空间分布相反转变为相一致，且出现了一定的局部波动；经济发展水平影响作用与人力资本结构高级化空间分布相反；产业结构水平影响作用由与人力资本结构高级化格局大致相反，转化为无法在省级区域层面做出判断；城镇化水平影响作用与人力资本结构高级化分布大致相反。

5.2 讨论

鉴于人力资本结构高级化各影响因素的作用呈现出空间分异性，在制定促进人力资本结构高级化的政策时，需要适当考虑地区差异化的政策。对于影响因素促进作用较强的区域，可努力提升该因素从而促进人力资本结构高级化。对于影响因素促进作用较弱或呈现反方向作用的区域，需首先努力打通该要素与人力资本结构高级化之间的传导机制，之后采取进一步的促进措施才能有效。
人力资本结构高级化是较为复杂的过程。本文在构建人力资本结构高级化指数基础上，从宏观尺度上对中国人力资本结构高级化的时空格局演变及其影响因素的空间分异机制进行了分析。由于本文所用数据为截面数据，对于从教育投入向人力资本产出之间的时间延迟，没有进行深入分析，下一步的深入研究需要关注这一问题。此外，还需要从各省区自身发展情况出发对人力资本结构高级化格局变化及其空间分异机制进行更加深入的探讨，方能更加全面、科学地阐述清楚上述机制的具体情况和产生原因。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘智勇, 李海峥, 胡永远, 等. 人力资本结构高级化与经济增长——兼论东中西部地区差距的形成和缩小[J]. 经济研究, 2018, 53(3):50-63.

[2]
Birdsall N, Londono J L. AssociationAsset Inequality Matters:An Assessment of the World Bank's Approach to Poverty Reduction[J]. The American Economic Review, 1997, 87(2):32-37.

[3]
Fleisher Belton, Li H, Zhao a M. Human Capital,EconomicGrowth,and Regional Inequality in China[J]. Journal of Development Economics, 2010(92):215-231.

[4]
Castelló A, Doménech R. Human Capital Inequality and Eco-nomic Growth:Some New Evidence[J]. The Economic Journal, 2002, 112(478):C 187-C 200.

[5]
Park Jungsoo. Dispersing of Human Capital and EconomicGrowth[J]. Journal of Macroeconomics, 2006, 28(3):520-539.

[6]
张小蒂, 赵榄. 企业家人力资本结构与地区居民富裕程度差异研究[J]. 中国工业经济, 2009(12):16-25.

[7]
魏下海, 李树培. 人力资本,人力资本结构与区域经济增长——基于分位数回归方法的经验研究[J]. 财贸研究, 2009, 20(5):15-24.

[8]
朱承亮, 师萍, 岳宏志, 等. 人力资本、人力资本结构与区域经济增长效率[J]. 中国软科学, 2011(2):110-119.

[9]
郭志仪, 杨骁. 人力资本结构对西北地区经济增长的影响——基于西北五省面板数据[J]. 人口学刊, 2010(6):3-8.

[10]
杨长江, 任栋. 人力资本结构演进与实际汇率变动[[J]. 世界经济, 2011, 34(2):14-38.

[11]
郭继强. 人力资本投资的结构分析[[J]. 经济学(季刊), 2005(2):689-706.

[12]
廖楚晖, 杨超. 人力资本结构与地区经济增长差异[J]. 财贸经济, 2008(7):54-56.

[13]
赵芳, 杨晓锋. 产业结构,人力资本分布结构与收入差距[J]. 华东经济管理, 2015, 29(1):37-41.

[14]
陈运平, 胡德龙. 人力资本结构与经济结构的协整分析[J]. 经济问题, 2010(2):49-53.

[15]
张国强, 温军, 汤向俊. 中国人力资本、人力资本结构与产业结构升级[J]. 中国人口·资源与环境, 2011, 21(10):138-146.

[16]
韦吉飞, 罗列. 中国人力资本结构与经济结构互动效应实证研究——1952—2004年[J]. 北京理工大学学报:社会科学版, 2008(3):98-103.

[17]
李秀敏. 人力资本,人力资本结构与区域协调发展——来自中国省级区域的证据[J]. 华中师范大学学报:人文社会科学版, 2007(3):47-56.

[18]
李亚玲, 汪戎. 人力资本分布结构与区域经济差距——一项基于中国各地区人力资本基尼系数的实证研究[J]. 管理世界, 2006(12):42-49.

[19]
商华, 乔冬娇. 新型城镇化背景下我国人力资本积累影响因素研究[J]. 科研管理, 2015, 36(7):161-166.

[20]
王晓丹, 金喜在. 基于DEA方法的人力资本结构效率评价[J]. 税务与经济, 2008(3):36-41.

[21]
盛欣, 胡鞍钢. 技术进步对中国就业人力资本结构影响的实证分析——基于29个省的面板数据研究[J]. 科学学与科学技术管理, 2011, 32(6):172-179.

[22]
程叶青, 王哲野, 马靖. 中国区域创新的时空动态分析[J]. 地理学报, 2014, 69(12):1 779-1 789.

[23]
王劲峰, 廖一兰, 刘鑫. 空间数据分析教程[M]. 北京: 科学出版社, 2010.

[24]
范斐, 杜德斌, 李恒, 等. 中国地级以上城市科技资源配置效率的时空格局[J]. 地理学报, 2013, 68(10):1 331-1 343.

[25]
仇方道, 佟连军, 朱传耿, 等. 省际边缘区经济发展差异时空格局及驱动机制——以淮海经济区为例[J]. 地理研究, 2009, 28 (2):451-463.

[26]
刘艳军, 于会胜, 刘德刚, 等. 东北地区建设用地开发强度格局演变的空间分异机制[J]. 地理学报, 2018, 73(5):818-831.

DOI

[27]
曹小曙, 徐建斌. 中国省际边界区县域经济格局及影响因素的空间异质性[J]. 地理学报, 2018, 73(6):1 065-1 075.

[28]
庞瑞秋, 腾飞, 魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析[J]. 地理科学, 2014, 34(10):11 210-1 217.

[29]
封永刚, 邓宗兵. 中国人力资本投资效率的收敛性及影响因素研究[J]. 人口与经济, 2015(3):77-88.

[30]
李国璋, 陈宏伟, 魏梅. 中国人力资本外部性影响因素实证研究——基于省级面板数据的分析[J]. 山西财经大学学报, 2009, 31(1):27-32.

[31]
张婷. 创新型人力资本的影响因素实证研究[J]. 技术与创新管理, 2017, 38(3):262-267.

[32]
Bertinelli L, Zou B. Does Urbanization Foster Human CapitalAccumulation?[J]. The Journal of Developing Areas, 2008, 41(2):171-184.

[33]
白俊红, 王林东. 创新驱动是否促进了经济增长质量的提升?[J]. 科学学研究, 2016, 34(11):1 725-1 735.

Options
文章导航

/

〈 〉