人力資本與城市就業(yè)增長——基于中國城市數(shù)據(jù)的實證研究

石東偉，何永芳

在社會發(fā)展過程中，城市化和工業(yè)化是無法回避的趨勢。目前，我國正處于城市化進程之中，十二屆全國人大二次會議提出“三個1 億人”的目標，其中要促使約1 億農(nóng)業(yè)人口城鎮(zhèn)化。國家采取多種舉措，力推新型城鎮(zhèn)化，促進城鎮(zhèn)就業(yè)增長。 因而，分析研究城市就業(yè)增長有著重要的現(xiàn)實意義。

一、理論機制和文獻綜述

從理論上來看，城市人力資本會通過多種機制影響就業(yè)增長。

（一）人力資本外部性

一個想法的交流可以使其他人獲得同提出想法的人一樣的益處，甚至更多。 這種彼此間不需要補償?shù)鼗ハ嘟涣鳌W習并最終促進自身知識的增加、能力和技能的提高、生產(chǎn)率的增加，稱之為人力資本外部性（Lucas，1988）[1]。 人力資本豐富的城市中的勞動力更有可能通過人力資本外部性提高自身的生產(chǎn)率。 而且，人力資本外部性產(chǎn)生的影響并不特定于某一個教育層次的勞動力，不同教育程度的勞動力都會受城市當?shù)厝肆Y本外部性的影響提高自身的生產(chǎn)率。在競爭性市場中，勞動力的實際報酬等于勞動力的邊際產(chǎn)出，勞動力生產(chǎn)率的提高會直接反映在工資水平上。 這意味著在人力資本豐富的城市中，勞動力因更容易提高自身的生產(chǎn)率，進而更有可能擁有較高的工資水平，會更容易吸引不同教育程度的勞動力流入。 另一方面， 生產(chǎn)率的提高會降低勞動力失業(yè)的可能性（Nickell，1979）[2]，提高勞動力的就業(yè)穩(wěn)定性。 勞動力生產(chǎn)率的提高還會使市場增加對他們的需求，促進當?shù)氐木蜆I(yè)增長。

（二）生產(chǎn)互補性

較高教育程度的勞動力和較低教育程度的勞動力在生產(chǎn)過程中并不是完全替代的，不同人力資本水平的勞動力是互補的生產(chǎn)要素（Lucas，2004）[3]。 一個城市中較高教育程度勞動力比重的增加會通過生產(chǎn)互補性影響教育程度較低的勞動力的生產(chǎn)率（Moretti，2003）[4]。城市人力資本會通過生產(chǎn)互補性促進當?shù)氐徒逃潭葎趧恿碛休^高的生產(chǎn)率，更容易吸引教育程度較低的勞動力流入。 而且，從工作機會和就業(yè)需求的角度來看，由于不同教育程度勞動力之間存在的生產(chǎn)互補性，人力資本更豐富的城市對教育程度較低的勞動力的需求會更大，可以提供更多的工作機會。

（三）消費需求效應

消費需求效應是指在日常生活中，教育程度較高、收入較高的勞動力的時間機會成本較高，在閑暇活動上的花費也往往較多，這會促使他們需要更多的時間密集型服務，如清潔等家政服務。 因而，人力資本豐富的城市對低教育程度勞動力提供的餐飲、家政等服務的需求會更大（Kaplanis，2010）[5]。 這會促進低教育程度勞動力的流入，有助于促進當?shù)氐徒逃潭葎趧恿Φ木蜆I(yè)增長。

（四）生活便利

人力資本較豐富的城市會有更高的生活便利水平。 Glaeser 和Gottlieb（2006）研究發(fā)現(xiàn)擁有大學學歷的人們對美術館或博物館、觀看電影、參加流行、搖滾、古典音樂會的需求更大[6]。 這會促使人力資本豐富的城市增加生活便利設施。 同時，人力資本豐富的城市會有更好的公共生活環(huán)境。 教育可以減少一個人參與負外部性事件的概率，人力資本豐富的城市會有更低的犯罪率，更安全的生活環(huán)境。 較高的生活便利水平會吸引勞動力流入，促進城市就業(yè)增長。

然而，人力資本對城市就業(yè)增長的影響方式上，現(xiàn)有研究文獻并沒有得出一致的結論。 Eaton和Eckstein（1997）的研究認為只有人力資本存量的增長才會影響城市就業(yè)的增長，人力資本對城市就業(yè)增長沒有影響[7]。 Black 和Henderson（1999）建立的城市增長特性模型表明城市就業(yè)增長受城市人力資本存量增加的影響，而城市的人力資本并不會影響城市就業(yè)增長[8]。 相反，有些學者的研究表明城市人力資本會影響城市就業(yè)的增長情況，城市人力資本越豐富，城市的就業(yè)增長越快。

我國作為一個快速發(fā)展的發(fā)展中國家，經(jīng)濟社會處于轉(zhuǎn)型期之中，城市化快速推進，這為分析研究人力資本如何影響城市就業(yè)增長提供了一個良好的宏觀背景。 本文為研究我國城市就業(yè)增長提供了一個新的研究角度。

二、數(shù) 據(jù)

本文使用1990 年第四次全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)、2000 年第五次全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)、1991 年《中國城市統(tǒng)計年鑒》和2001-2009 年期間相應年份的《中國城市統(tǒng)計年鑒》中的數(shù)據(jù)。

本文通過使用1990 年我國第四次人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)，計算出1990 年每個城市中的大專及以上學歷人數(shù)的比重來衡量1990 年的城市人力資本。 使用1990 年全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)中不同行業(yè)的就業(yè)人數(shù)來計算1990年每個城市的制造業(yè)就業(yè)人數(shù)比重、第三產(chǎn)業(yè)就業(yè)人數(shù)比重。 另外，通過使用2000 年第五次全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)，計算出2000 年每個城市中的大專及以上學歷人數(shù)的比重來衡量2000 年的城市人力資本。因此，本文在回歸過程中把數(shù)據(jù)樣本分成1990-2008 年、2000-2008 年兩個大的時間段。 行政區(qū)劃變動較大的城市、西藏地區(qū)不被包括在研究樣本之內(nèi)。 這樣，1990-2008 年期間的樣本中， 一共保留了212 個城市；2000-2008年期間的樣本中，一共保留了257 個城市。

三、計量模型的設定和變量的定義

（一）城市橫截面模型

基于Simon（1998）、Simon 和Nardinelli（2002）設定的模型[9][10]，本文把城市人力資本影響城市長期就業(yè)增長的計量模型表示如下：

其中，Yij為城市i 在第t 年至第t+j 年間的年均就業(yè)增長率，其計算公式為

Xi0是影響城市就業(yè)增長的期初變量向量；γp為省份的啞變量，用來控制城市所在省份的不隨時間變化的特征，如省份的氣候特征、地理位置等；α 為待估計常數(shù)；β 為待估計系數(shù)向量；εi0為隨機擾動項。由于隨機擾動項εi0可能具有異方差，本文采用按照省份聚類的Huber/White 方差估計方法來獲得一致的標準誤差。

（二）Hausman-Taylor 模型

一個城市的氣候特征、地理位置等不隨時間變化的因素可能會影響勞動力對就業(yè)城市的選擇，進而會影響城市的人力資本和以后的就業(yè)增長。 為了控制特定于城市的不隨時間變化的無法觀測的因素（諸如氣候特征、地理位置和自然資源等），我們可以在計量模型中加入城市虛擬變量。

隨著時間變化無法觀測而對所有城市都一樣的因素也會對城市的就業(yè)產(chǎn)生影響，例如對所有城市都一樣的隨時間變化的宏觀經(jīng)濟沖擊等。 我們可以在計量模型中加入時間虛擬變量來控制。

為了控制不隨時間變化無法觀測的特定于城市的因素和隨時間變化無法觀測的對所有城市都一樣的因素，以及在此基礎上研究城市人力資本對城市就業(yè)增長的影響，本文使用Hausman-Taylor模型（Hausman 和Taylor，1981）[11]。

基于Hausman-Taylor 模型，本文把城市人力資本影響城市就業(yè)增長的計量模型設定如下：

因變量Empgrowthit為城市i 在2001-2008 年期間每年的就業(yè)增長率，解釋變量向量Zit中每個變量的數(shù)值分別來自2001-2008 年期間的各個年份。 本文使用1990 年全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)和2000 年全國人口普查數(shù)據(jù)的1%樣本數(shù)據(jù)來獲取相應年份的城市人力資本。 分別取1990年和2000 年城市中的大專及以上學歷人數(shù)比重衡量計量模型（2）中城市i 的人力資本。

計量模型（2）中的αi是城市虛擬變量，控制特定于城市i 的無法觀測的不隨時間變化的城市特征。 Tt為年份虛擬變量，εit為隨機擾動項。

（三）變量定義

本文采用的影響城市就業(yè)增長的解釋變量如下：

Collegeshare：城市中大專及以上學歷人數(shù)占各種教育程度人數(shù)總和的比重，用來衡量城市的人力資本水平。

Ln(Pop)：城市人口的對數(shù)值，用來控制城市規(guī)模效應。 城市人口數(shù)量是反映城市規(guī)模的最好指標。 因城市人口規(guī)模的擴大而帶來的負的溢出效用（如擁擠、噪音和污染）則會抑制城市增長。

Manushare：城市制造業(yè)就業(yè)人數(shù)占城市總就業(yè)人數(shù)的比重，以反映城市的產(chǎn)業(yè)結構。 制造業(yè)作為我國城鎮(zhèn)就業(yè)的主要渠道，是影響城市就業(yè)的重要因素。

Thirdindshare：城市的第三產(chǎn)業(yè)就業(yè)人數(shù)占城市總就業(yè)人數(shù)的比重。 第三產(chǎn)業(yè)中的交通運輸、批發(fā)和零售、住宿和餐飲等行業(yè)就業(yè)門檻低，可以吸收大量教育程度較低的勞動力。

Roadpercapita：市轄區(qū)人均鋪裝道路面積（100平方米/人）。本文使用人均鋪裝道路面積作為衡量城市交通基礎設施的代理變量。 交通基礎設施較好的地方更容易吸引新企業(yè)進入。 企業(yè)的進入和集中會增加對當?shù)貏趧恿Φ男枨?，從而促進當?shù)氐木蜆I(yè)增長。

GDPpercapita：城市人均國內(nèi)生產(chǎn)總值（萬元/人），衡量城市經(jīng)濟發(fā)展水平。 在我國改革開放后從計劃經(jīng)濟向市場經(jīng)濟轉(zhuǎn)變的過程中，經(jīng)濟的發(fā)展極大地促進了城市就業(yè)增長。

Privateshare：私營部門就業(yè)人數(shù)占總就業(yè)人數(shù)的比重。 改革開放以來，私營部門不斷發(fā)展，市場化程度不斷提高。 隨著市場化程度的提高，勞動力可以獲得更多的就業(yè)機會。

四、實證研究結果

（一）基于城市橫截面模型的實證結果

本文把樣本時間段劃分為1990-1995 年、1990-2008 年和2000-2003 年、2000-2008 年。 同時，根據(jù)每個時間段的期初、期末年份的就業(yè)人數(shù)分別計算每個時間段內(nèi)的年均就業(yè)增長率來衡量每個時間段內(nèi)的城市就業(yè)增長。 其相應的回歸結果見表1。

在表1 中，衡量城市人力資本變量的系數(shù)為正，并且在統(tǒng)計水平上顯著。 表1 的回歸結果意味著城市人力資本對城市就業(yè)的長期增長有著顯著的促進作用。

在表1 中，衡量期初城市規(guī)模的變量的系數(shù)都為負，并且在統(tǒng)計水平上顯著，這說明人口規(guī)模越大的城市其就業(yè)增長越慢，城市人口規(guī)模不利于城市就業(yè)的長期增長。 這可能是由于城市規(guī)模的擴大會帶來負的外部性，如交通擁擠、地租上漲、環(huán)境污染等，這些負的外部性不利于城市就業(yè)增長。 此外，人口規(guī)模較大的城市就業(yè)增長較慢，這或許也跟我國控制大城市規(guī)模，鼓勵發(fā)展中、小城市的政策有關。

在表1 中，城市的制造業(yè)就業(yè)人數(shù)比重的系數(shù)為正， 并且分別在5%、10%的統(tǒng)計水平上顯著。表1 的實證結果意味著1990 年城市制造業(yè)就業(yè)人數(shù)比重越大，在1990-2008 年期間城市的就業(yè)增長越快，1990 年城市的制造業(yè)有利于城市就業(yè)增長。 2000 年城市制造業(yè)就業(yè)人數(shù)比重的系數(shù)都為正，但是在統(tǒng)計水平上并不顯著。 這意味著2000年的城市制造業(yè)對2000-2008 年期間的年均就業(yè)增長率沒有顯著的促進作用。 隨著工業(yè)化的深入推進，制造業(yè)就業(yè)人數(shù)比重不會無限制地增加，對就業(yè)增長的影響有限。

在表1 中，城市第三產(chǎn)業(yè)就業(yè)人數(shù)比重對城市就業(yè)增長并沒有顯著影響。 這可能是因為我國的第三產(chǎn)業(yè)并不發(fā)達，在20 世紀90 年代，第二產(chǎn)業(yè)比重偏高、第三產(chǎn)業(yè)比重偏低的[12]。

在表1 中，城市人均國內(nèi)生產(chǎn)總值的系數(shù)顯著為正，初始經(jīng)濟狀況較好的城市會有更快的就業(yè)增長。

在表1 中，衡量城市私營部門就業(yè)人數(shù)比重的變量的系數(shù)都為正，但是在統(tǒng)計水平上并不顯著。這說明1990、2000 年城市私營企業(yè)就業(yè)人數(shù)比重的增加并沒有顯著地促進城市的就業(yè)增長。

表1 人力資本與城市長期就業(yè)增長

（二）基于Hausman-Taylor 模型的實證結果

在本文使用Hausman-Taylor 模型進行回歸估計的方程中，以1990 年和2000 年城市中的大專及以上學歷人數(shù)比重來衡量城市的人力資本，其它解釋變量的數(shù)值都分別取自2001-2008 年期間各個年份的數(shù)據(jù)，因變量是城市在2001-2008 年期間每個年份的就業(yè)增長率。

在表2 的第1 列中，以1990 年城市中的大專及以上學歷人數(shù)的比重來衡量1990 年的城市人力資本。在第2 列中，用2000 年城市中的大專及以上學歷人數(shù)的比重來衡量2000 年的城市人力資本。

在表2 中，城市人力資本的系數(shù)顯著為正。 這說明人力資本越豐富的城市以后每年的就業(yè)增長率越高，城市人力資本會顯著地促進城市的就業(yè)增長。 相對于表2 第1 列中的1990 年城市人力資本的系數(shù)，第2 列中的2000 年城市人力資本的系數(shù)不僅在數(shù)值上更大，而且還在統(tǒng)計水平上更顯著。 這意味著年份越近的城市人力資本對城市就業(yè)增長的促進作用更顯著。

表2 人力資本與城市就業(yè)增長（Hausman-Taylor 模型）

（三）穩(wěn)健性檢驗

不同教育程度的勞動力可能會根據(jù)城市的地理位置、氣候特征、生活習俗和對外來人員的社會包容性等城市特征來選擇就業(yè)的城市。 因而，一個城市的某些無法完全觀測的特征可能會同時影響城市的人力資本和城市以后的就業(yè)增長。 為了消 除可能因為遺漏變量所引起的內(nèi)生性問題而使城市人力資本的估計系數(shù)可能存在的偏差，本文使用城市人力資本的工具變量和兩階段最小二乘法進行回歸分析的方法。

尋找城市人力資本工具變量的思想來自Liu（2008）[13]尋找縣域人力資本的工具變量時所采用的方法。 本文所選擇的城市人力資本的工具變量為1990 年城市所在省份的大專及以上學歷人數(shù)比重乘以1990 年該城市中20 歲及以下人數(shù)比重。1990 年城市所在省份的大專及以上學歷人數(shù)比重與1990 年該城市中的大專及以上學歷人數(shù)比重是相關的。

表3 為使用城市人力資本的工具變量并且運用兩階段最小二乘法進行估計的1990 年城市人力資本影響城市就業(yè)增長的回歸結果。

表3 人力資本與城市就業(yè)增長（2SLS）

在表3 中， 城市人力資本變量的系數(shù)都為正，并且在1%的統(tǒng)計水平上顯著。 這說明城市人力資本能顯著地促進城市就業(yè)的長期增長，人力資本豐富的城市其就業(yè)增長更快。

五、結 語

本文的實證研究結果表明，人力資本豐富的城市的就業(yè)增長更快。城市的人口規(guī)模不利于城市就業(yè)增長，人口規(guī)模較大的城市的就業(yè)增長反而較慢。較好的經(jīng)濟發(fā)展狀況有利于促進城市的就業(yè)增長。 私營部門的發(fā)展有利于促進城市就業(yè)增長。

為促進城市就業(yè)的長期增長，政府應逐漸取消限制勞動力流動的種種制度（如取消城鄉(xiāng)戶口限制），采取政策措施吸引人才、留住人才；創(chuàng)造開放、寬松的社會環(huán)境。

城市經(jīng)濟的發(fā)展、城市私營部門的發(fā)展、城市基礎設施的改善都有利于促進城市就業(yè)增長。 因此，政府采取相關政策積極發(fā)展經(jīng)濟、支持鼓勵私營部門的發(fā)展、 完善城市基礎設施是促進城市就業(yè)增長的有效途徑。

[1] Lucas, R.E., Jr. On the Mechanics of Economic Development[ J ]. Journal of Monetary Economics22.12. 1988，（22）.

[2] Nickell, S. Education and Lifetime Patterns of Unemployment[ J]. Journal of Political Economy，1979，（87）.

[3] Lucas, R., E., Jr. Life Earning and Rural-Urban Migration[ J].The Journal of Political Economy，2004，（112）.

[4] Moretti, E.Human Capital Externalities in Cities[ J].NBER Working Paper，2003，（9641）.

[5] Kaplanis, I., Local Human Capital and Its Impact on Local Employment Chances in Britain[ J]. Working Paper，2010，（1）.

[6] Glaeser, E., Gottlieb, J.D., 2006, Urban Resurgence and the Consumer City[ J]. Urban Studies，2006，（43）.

[7] Eaton, J., Eckstein, Z. Cities and Growth： Theory and Evidence from France and Japan [ J ].Regional Science and Urban Economics，1997，（27）.

[8] Black, D., Henderson, V., 1999, A Theory of Urban Growth[ J].The Journalof Political Economy，1999，（107）.

[9] Simon,C.J., Human Capital and Metropolitan Employment Growth[ J].Journal of Urban Economics，1998，（43）.

[10] Simon, C.J., Nardinelli, C. Human Capital and the Rise of American Cities： 1900-1990 [ J].Regional Science and Urban Economics，2002，（32）.

[11] Hausman, J.A., Taylor, W.E. Panel Data and Unobservable Individual Effects[ J].Econometrica，1981，（49）.

[12] 郭克莎，中國工業(yè)化的進程、問題與出路[ J].中國社會科學，2000，（3）.

[13] Liu, Z.Q. Human Capital Externalities and Rural-urban Migration： Evidence from Rural China [ J].China Economic Review，2008，（19）.