金融—勞動力的結構匹配與產業(yè)結構升級

葉德珠 王佰芳 黃允爵

一 引 言

經濟新常態(tài)的到來，標志著粗放型發(fā)展模式帶來的福利已經消失，我國進入“結構性減速”時期，產業(yè)結構升級成為經濟發(fā)展的核心動力。產業(yè)結構升級作為經濟增長的重要推手，需要金融和勞動的有效支持。金融體系有市場主導型和銀行主導型的結構之分，勞動力也有高技能和低技能的結構之分。而硅谷和班加羅爾高新產業(yè)園區(qū)的經驗表明，高技能勞動力密集型產業(yè)的發(fā)展更需要風險類資本，低技能勞動力密集型產業(yè)的發(fā)展更需要銀行穩(wěn)健性資本(蓋文啟等，2004[1]；王偉和章勝暉，2011[2])。對不同發(fā)展階段的經濟體來說，金融和勞動力作為兩種核心要素，在結構上相互匹配能夠促進產業(yè)結構升級。

金融和勞動力都具有動態(tài)性和階段性特征，在不同發(fā)展階段、不同經濟結構條件下，兩者的相對重要性有所差異。資本相對稀缺時，發(fā)展勞動密集型產業(yè)符合比較優(yōu)勢；勞動力變得相對昂貴后，發(fā)展資本密集型產業(yè)更符合比較優(yōu)勢(龔強等，2014)[3]，所以勞動密集型產業(yè)向資本密集型轉變的過程中，資本和勞動始終是相互替代的關系，這是能用總量來解釋的。然而，在資本和勞動力都非常富裕的階段下，只有向高附加值、高技術含量的產業(yè)轉型才能繼續(xù)保持經濟的高速增長，而在資本密集型產業(yè)向高新技術產業(yè)轉變的過程中，金融與勞動力兩大生產要素的替代關系可能會發(fā)生變化。

我國現(xiàn)階段已經出現(xiàn)嚴重的人才過剩和金融規(guī)模泛濫現(xiàn)象。截至2020年，我國人才儲備量突破1.01億，連續(xù)七年位居世界第一；廣義貨幣量超過218萬億，與2010年相比增長3.01倍，而同期美國僅增長了1.56倍(1)人才儲備數(shù)據(jù)來源于《2020中關村論壇全球科技創(chuàng)新智庫論壇》，我國的廣義貨幣量來源于中國人民銀行2020年統(tǒng)計數(shù)據(jù)，美國廣義貨幣量來源于World Bank數(shù)據(jù)庫。。那為什么我國不缺人、也不缺錢，但高技術產業(yè)的發(fā)展卻遠遠不及美國？如果不能從規(guī)模角度來解釋，可能就是結構的問題。深圳的成功給我們提供了一個很好的參照系。深圳雖然在人才密集度和金融實力上沒有北京和上海的優(yōu)勢(李松濤和俞自由，2000)[4]，但是其能夠迅速發(fā)展成中國高技術產業(yè)典范離不開發(fā)達的風險資本業(yè)和成熟的股票市場的金融支持。人才是可以流動的，但是金融結構卻不可以流動，所以金融結構的相對落后可能是影響我國產業(yè)結構升級區(qū)域差異的重要因素。

本文基于新結構金融學的結構匹配視角(葉德珠等，2019)[5]，研究金融和勞動力的不同組合方式在產業(yè)結構升級中的作用表現(xiàn)。通過借鑒婚姻中的學歷匹配方法(葉德珠和曾繁清，2018)[6]，本文將樣本中金融結構和勞動力結構分別從大到小等分為十個層次，再計算金融結構與勞動力結構之間的排序差異，用排序差異絕對值的相反數(shù)作為結構匹配度，數(shù)值越大表示結構匹配度越高。在得到金融結構與勞動力結構的匹配度指標后，將其對產業(yè)結構升級進行回歸，結果表明：(1)匹配度與產業(yè)結構高級化、產業(yè)結構合理化正相關，即市場主導型的金融結構與高技能勞動力、銀行主導型的金融結構與低技能勞動力的匹配均能推動產業(yè)結構向更高形態(tài)演變以及減小就業(yè)結構與產值結構間的偏離；(2)金融—勞動力結構的水平距離與產業(yè)結構高級化成“倒U型”關系，即存在最優(yōu)匹配狀態(tài)使產業(yè)結構升級效率達到最大；(3)作用機制方面，匹配度可以通過提高技術創(chuàng)新水平來促進產業(yè)結構升級。本文的結果在IV_2SLS的內生性檢驗及一系列穩(wěn)健性檢驗后仍然顯著。可能的創(chuàng)新在于：(1)首次跨越金融學和勞動經濟學兩個領域構建結構匹配度指標，為產業(yè)結構升級提供了新的分析維度；(2)邏輯一致地解釋了美國硅谷和印度班加羅爾等兩種不同模式的產業(yè)結構升級現(xiàn)象。

后續(xù)內容安排為：第二部分是文獻綜述；第三部分是指標選取、模型構建及數(shù)據(jù)說明；第四部分是實證結果分析；第五部分是穩(wěn)健性檢驗；第六部分是結論與政策啟示。

二 文獻綜述

(一)高技術產業(yè)中的金融與勞動：國內外經典案例分析

在新一輪科技革命的推動下，世界各國為保持國際競爭力、搶占經濟的制高點，紛紛將發(fā)展重點轉向高附加值、高技術含量的產業(yè)，但其中能夠突破轉型瓶頸、成功步入世界高新技術產業(yè)前列的國家卻寥寥無幾?？v觀國內外高新技術產業(yè)發(fā)展模式的成功案例，不難發(fā)現(xiàn)，能夠實現(xiàn)產業(yè)快速發(fā)展的往往同時具備人才(勞動)和資本(金融)兩個條件。

硅谷作為世界最成功、最具潛力的高新技術產業(yè)園區(qū)，其發(fā)展的關鍵在于人才的聚集和成熟的風險資本市場。知名大學和研究機構的高度聚集可以為工業(yè)園區(qū)提供豐富的人才儲備，發(fā)達的風險投資業(yè)又可以為人才的研發(fā)活動提供大規(guī)模的資金支持(匡致遠，2000[7]；劉友金和黃魯成，2001[8]；蓋文啟等，2004[1])。高新技術產業(yè)不只是發(fā)達國家的特例，發(fā)展中國家同樣可以在發(fā)揮比較優(yōu)勢的條件下創(chuàng)造自己的“硅谷”。印度的班加羅爾，在國民經濟幾乎“赤足”的宏觀環(huán)境中，仍依靠計算機軟件產業(yè)躋身于“世界十大硅谷之一”(安娜李·薩克森尼安等，2001[9]；聶鳴等，2004[10])。在影響其成功的眾多因素中，最為關鍵的是，印度商業(yè)銀行為信息技術產業(yè)提供大量的優(yōu)惠貸款支持，甚至在分支機構專門成立IT金融部門來為軟件企業(yè)服務，使得印度在低素質勞動力占比很大的稟賦結構中實現(xiàn)信息技術產業(yè)的偉大飛躍(蓋文啟等，2004[1]；陸履平和楊建梅，2005[11]；王偉和章勝暉，2011[2])。

北京和深圳作為國內高新技術產業(yè)園區(qū)的代表，其發(fā)展模式卻明顯不同。北京擁有全國密度最大的知識型人才，其科研人員已經是硅谷的兩倍，但發(fā)展速度和潛力卻遠不及起步更晚的深圳(李松濤和俞自由，2000)[4]。究其原因，北京中關村的資金來源由政府主導，規(guī)模受限、管制過多；而深圳的融資模式由市場主導，靈活高效的證券市場為高技術人才的創(chuàng)新活動提供了有利的金融環(huán)境(吳敬璉，2001[12]；徐頑強，2005[13])。所以在人才流動不受限制的情況下，金融結構的相對落后成為制約高新技術產業(yè)發(fā)展的決定性因素(于江，2008[14]；衛(wèi)平等，2018[15])。北京和深圳的案例證實了人才只有與適宜的金融體系結構相匹配才能在產業(yè)結構升級中發(fā)揮積極作用。

縱觀世界各國高新技術產業(yè)園區(qū)的發(fā)展特點，所有園區(qū)都是人才聚集之地，其顯著差別主要體現(xiàn)在金融結構。硅谷，讓我們看到了市場主導型金融結構與高技能勞動力結構匹配的高效率，班加羅爾讓我們看到了銀行主導型金融結構與低技能勞動力結構匹配的有效性。所以對于實現(xiàn)產業(yè)結構升級，“高—高”匹配與“低—低”匹配都是行之有效的手段。

(二)金融與產業(yè)結構升級

早期關于金融與產業(yè)結構升級的研究主要從功能和規(guī)模的角度論證金融發(fā)展在產業(yè)結構演變過程中的作用機理。具體而言，金融的風險分散機制和資源配置功能可以為高新技術產業(yè)提供有效的金融支持(Greenwood和Jovanovic，1990[16]；Levine et al.，1999[17]；林毅夫，2003[18]；葉耀明和紀翠玲，2004[19])，但金融對產業(yè)結構的作用機理仍有爭議。曾國平和王燕飛(2007)[20]研究發(fā)現(xiàn)，中國金融發(fā)展的非常態(tài)模式對產業(yè)結構變遷具有扭曲效應，金融體系不能發(fā)揮有效性。但是楊德勇和董左卉子(2007)[21]卻認為市場能夠通過引導資本流向實現(xiàn)產業(yè)結構優(yōu)化升級。也有學者提出，金融服務應保持與產業(yè)結構升級的適宜性，在不同發(fā)展階段進行動態(tài)調整(Daron和Veronica，2008[22]；Michalopoulos et al.，2010[23])。金融規(guī)模對產業(yè)結構升級的影響在資本相對稀缺的階段較為明顯(王春麗和宋連方，2011)[24]，但是在資本和勞動都相對富裕的條件下，增量理論可能就不適用了。有學者將地理因素納入模型，實證檢驗金融集聚在產業(yè)結構升級中的作用。孫晶和李涵碩(2012)[25]研究發(fā)現(xiàn)，相比于證券和保險對產業(yè)結構升級的貢獻度，銀行發(fā)揮的作用更大。然而金融集聚仍然無法體現(xiàn)出產業(yè)階段性特征對金融服務的動態(tài)變化需求。

金融結構是近期金融研究的重點視角，學者們基于“二元論”將金融結構分為市場主導型和銀行主導型，并分別考察其對產業(yè)結構升級的影響發(fā)現(xiàn)，不同金融結構在不同發(fā)展階段的作用具有明顯異質性(王定祥等，2013[26]；蘇建軍和徐璋勇，2014[27])。易信和劉鳳良(2015)[28]拓展內生增長模型發(fā)現(xiàn)，金融可以通過技術創(chuàng)新的“水平效應”和“結構效應”加快產業(yè)結構轉型升級。由此可見，金融與產業(yè)結構升級關系的研究逐漸從規(guī)模角度轉向結構角度，但金融結構在產業(yè)結構轉換過程中的作用機理還有待深入研究。

(三)新結構金融學視角下的產業(yè)結構升級

Jeffrey(2000)[29]的研究表明，發(fā)達國家總是會更加注重高附加值產業(yè)的發(fā)展，而發(fā)展中國家的主導產業(yè)往往是低附加值的勞動密集型產業(yè)。但產業(yè)結構差異與收入水平相關的這種觀點卻難以解釋中國改革開放以來高經濟增長問題。從更深層面看，產業(yè)的選擇并非取決于經濟體的發(fā)達與否，而是與各自的稟賦結構相關，金融的作用就是為要素的投入產出活動提供適宜的金融環(huán)境。金融體系本身的性質并不重要，重要的是與特定發(fā)展階段的融資需求相匹配(Beck和Levine，2002)[30]。關于匹配，新結構金融學對此進行了更為深刻的解釋。

新結構金融學強調產業(yè)結構的升級和變遷會不斷對金融體系提出新的要求，且并不存在唯一的最優(yōu)金融結構，能夠為產業(yè)轉型和經濟增長提供有效率融資的就是最適宜的金融結構(林毅夫，2011)[31]。金融結構內生于產業(yè)結構，而產業(yè)結構是由特定發(fā)展階段的要素稟賦及其結構所決定的(Lin et al.，2013)[32]。也就是說，金融結構不僅要滿足產業(yè)發(fā)展的融資需求，還必須與要素結構相匹配才能更好地服務于實體經濟(龔強等，2014[3]；葉德珠和曾繁清，2018[6]；楊子榮和張鵬楊，2018[33])。金融結構與要素結構的不同組合方式會在不同發(fā)展階段發(fā)揮作用，如低技能勞動力密集型產業(yè)主導時期，企業(yè)規(guī)模大、風險低，銀行貸款是最有效的融資方式，而過渡到高技能勞動力密集型產業(yè)主導時期，企業(yè)的高風險性決定了市場成為最優(yōu)的融資方式(葉德珠等，2019)[5]。按照新結構金融學的思路，發(fā)展中國家的產業(yè)結構升級應該先看自己有什么，比較優(yōu)勢在哪里，再根據(jù)需求特征決定做什么。那么在我國當前人才規(guī)模擴大的階段下，高技能勞動力的稟賦結構已經成為新時期的比較優(yōu)勢，傳統(tǒng)銀行業(yè)可能無法適應高技能勞動力密集型產業(yè)的高風險性、高失敗率融資特征，金融體系市場化成為與要素稟賦相匹配的現(xiàn)實選擇。

綜上所述，硅谷、班加羅爾和北京、深圳的高新技術產業(yè)發(fā)展模式為重新構建產業(yè)結構升級的評價指標提供了有益方向，即人才和資本在產業(yè)結構升級中的同等重要性，且在世界各地人才資源充沛的情況下，金融的作用將進一步突顯，如何構建與高質量勞動力結構相匹配的金融結構就成為關鍵之處。但案例分析的不足在于僅停留在個案的典型性事實，沒有大樣本來證明其理論的一般適用性。所以本文根據(jù)新結構金融學的匹配原則，將金融結構和勞動力結構分別排序后相減來構建匹配度指標，從而深入研究二者匹配度在產業(yè)結構高級化和產業(yè)結構合理化中的作用機理。

三 指標選取、模型構建及數(shù)據(jù)說明

(一)指標選取和模型構建

1.產業(yè)結構升級。產業(yè)結構形態(tài)的變化分為縱向和橫向兩種，縱向指產業(yè)結構從低級形態(tài)向高級形態(tài)演變的動態(tài)過程；橫向指各產業(yè)結構之間的協(xié)調度，通常以就業(yè)結構與產值結構間的偏離度表示，反映的是要素投入與產業(yè)結構的耦合性(熊映梧和吳國華，1990)[34]。關于產業(yè)結構的縱向升級，本文借鑒干春暉等(2011)[35]的做法，將其定義為產業(yè)結構高級化和傳統(tǒng)產業(yè)結構升級，其中，產業(yè)結構高級化由第三產業(yè)產值與第二產業(yè)產值的比率表示，反映的是產業(yè)結構后期的升級指標；傳統(tǒng)產業(yè)結構升級由第二產業(yè)產值與第一產業(yè)產值的比率以及第二產業(yè)和第三產業(yè)產值之和與第一產業(yè)產值的比率表示，反映的是產業(yè)結構初期的升級指標。對于產業(yè)結構的橫向升級，本文用已有研究中廣泛使用的產業(yè)結構合理化指數(shù)來衡量(梁濤等，2011[36]；雷玷和雷娜，2012[37])。產業(yè)結構合理化指數(shù)的構建過程如下：

(1)

(2)

(3)

其中，SM1、SM2和SM3分別表示第一產業(yè)的結構偏離度、第二產業(yè)的結構偏離度和第三產業(yè)的結構偏離度。Y1/Y、Y2/Y和Y3/Y分別表示第一產業(yè)、第二產業(yè)、第三產業(yè)產值與總產值的比率，即三次產業(yè)的產值結構。L1/L、L2/L和L3/L分別表示第一產業(yè)、第二產業(yè)、第三產業(yè)就業(yè)人數(shù)與就業(yè)總人數(shù)的比率，即三次產業(yè)的就業(yè)結構。在得到各個產業(yè)的結構偏離度后，本文通過式(4)來構建產業(yè)結構合理化指標，其中i為產業(yè)的標識，包括第一產業(yè)、第二產業(yè)和第三產業(yè)。產業(yè)結構合理化指標反映的是就業(yè)結構與產值結構間的偏離度，數(shù)值越小，表明該產業(yè)吸收就業(yè)的能力越強，要素投入與產業(yè)產出間的耦合性越好，產業(yè)結構越合理。

(4)

2.金融結構與勞動力結構。金融結構和勞動力結構是構建結構匹配度的重要變量。關于金融結構，許多學者用直接融資與間接融資的比例來衡量(林志帆和龍曉璇，2015[38]；楊子榮和張鵬楊，2018[33]；葉德珠等，2019[5])。本文在已有研究的基礎上，用股票市場交易總額與人民幣貸款余額的相對比重衡量金融結構。數(shù)值越大于1，表示金融結構越偏向于市場主導，反之，越小于1，則表示越偏向于銀行主導。關于勞動力結構的指標，學者常以人均受教育年限作為其替代變量(譚友林，2001[39]；何雄浪和姜澤林，2016[40]；陽立高等，2017[41])，但是受教育年限越長并不一定反映知識水平越高，所以無法體現(xiàn)出勞動力間的質量差異。本文借鑒顧和軍等(2015)[42]、何小鋼等(2019)[43]的做法，按照從業(yè)人員的受教育程度，將勞動力結構定義為大學及以上學歷的勞動力與總勞動力的比值，并將至少讀過高中的勞動力在總勞動力中的比重和大學及以上學歷的勞動力與大學以下勞動力的比值作為勞動力結構的替代變量，用于檢驗研究結果的穩(wěn)健性。

3.金融—勞動力的結構匹配度。根據(jù)金融結構與勞動力結構之間的匹配思路，即銀行對低技能勞動力密集型產業(yè)具有比較優(yōu)勢、市場對高技能勞動力密集型產業(yè)具有比較優(yōu)勢，那么金融結構與勞動力結構間的層次越接近，適宜性越好，匹配度越高。對此，可以借鑒社會學文獻討論婚姻中學歷匹配問題的層次匹配法來構建金融—勞動力結構匹配度。在婚姻的學歷匹配問題研究中，一般將男女的學歷分別分為小學、中學、本科、碩士、博士五個層次，分別賦值1-5，再計算雙方學歷層次的差異，用差異的絕對值代表匹配度，數(shù)值越小，匹配度越高。例如本科與本科的匹配度為0、本科與碩士的匹配度為1(Smits和Lammers，1998[44]；李煜，2008[45]；李鋒亮等，2016[46]；葉德珠和曾繁清，2018[6])。葉德珠和曾繁清(2018)[6]曾在婚姻中的學歷匹配方法基礎上做了取相反數(shù)的處理，使得指標數(shù)值大小與金融結構適宜性保持一致。本文根據(jù)這種方法，將樣本中金融結構和勞動力結構分別從大到小等分為十個層次，層次越高表示金融結構越偏向于市場主導型、勞動力結構越偏向于高技能，層次越低表示金融結構越偏向于銀行主導型、勞動力結構越偏向于低技能。之后將金融結構所處的層次記為rank(Finstru)，將勞動力結構所處的層次記為rank(Laborstru)，再計算金融結構與勞動力結構之間的排序差異，用排序差異絕對值的相反數(shù)作為結構匹配度(Match)，具體如式(5)所示。Match的數(shù)值越大，表示金融結構與勞動力結構所處的層次越接近，匹配程度越高。此外，為考察金融結構與勞動力結構之間真實的強弱關系，本文運用式(6)構建金融—勞動力結構差距(Gap)，衡量金融結構趕超勞動力結構的程度。Gap值越接近于0，說明金融結構與勞動力結構的差距越小，匹配程度越高；Gap值越偏離于0，說明存在金融結構過度趕超勞動力結構或者嚴重落后于勞動力結構的現(xiàn)象，金融與勞動力的結構匹配程度越差，將金融—勞動力結構差距作為測算匹配度的一種補充方法，并用其探究金融結構與勞動力結構之間的最優(yōu)匹配狀態(tài)。

Match=-|rank(Finstru)-rank(Laborstru)|

(5)

Gap=rank(Finstru)-rank(Laborstru)

(6)

得到金融—勞動力結構匹配度指標后，通過式(7)-式(9)構建產業(yè)結構升級的計量模型：

Highindui, t=α0+α1Matchi, t+α2Controli, t+yeari, t+provincei, t+εi, t

(7)

SM4i, t=β0+β1Matchi, t+β2Controli, t+yeari, t+provincei, t+εi, t

(8)

Cyjgi, t=φ0+φ1Matchi, t+φ2Controli, t+yeari, t+provincei, t+εi, t

(9)

其中，Highindui, t、SM4i, t和Cyjgi, t分別為產業(yè)結構高級化、產業(yè)結構合理化和傳統(tǒng)產業(yè)結構升級指標。Matchi, t為金融結構(Finstru)和勞動力結構(Laborstru)的匹配度，是本文的核心解釋變量。Controli, t表示控制變量，包括反映金融規(guī)模的股票交易總額與貸款總額之和在GDP中的比率(Fi)，反映資本開放程度的外商直接投資與GDP的比率(Fdi)，反映人力資本投入的人均受教育年限(Eduyear)，反映貿易開放程度的進出口總額與GDP的比率(Open)，反映人口年齡結構的老年撫養(yǎng)比(Obp)和少兒撫養(yǎng)比(Cbp)，反映經濟發(fā)展水平的人均真實GDP的對數(shù)(lnrgdp)。year和province分別表示年份固定效應和省份固定效應,ε為隨機干擾項。

表1 變量、名稱及定義

(二)數(shù)據(jù)說明及描述性統(tǒng)計分析

本文的金融結構原始數(shù)據(jù)來自《中國金融年鑒》，勞動力結構原始數(shù)據(jù)來自《中國人口和就業(yè)統(tǒng)計年鑒》及《中國勞動統(tǒng)計年鑒》，產業(yè)結構和其他控制變量的原始數(shù)據(jù)來自《中國統(tǒng)計年鑒》。

從描述性統(tǒng)計結果來看，產業(yè)結構高級化程度存在地區(qū)差異，最高值可達到4.17，最低值只有0.49，說明各地區(qū)之間的產業(yè)結構發(fā)展狀況明顯不平衡、不充分，第三產業(yè)發(fā)展嚴重滯后和產業(yè)結構快速升級的現(xiàn)象并存。整體上看，我國產業(yè)結構合理化程度較低，就業(yè)結構與產值結構間的偏離度均值已經達到了2.025，也就是說，現(xiàn)階段的產值與要素投入產出比為3:1，至少有兩個單位的就業(yè)人員無法被吸收。分三次產業(yè)來看，第二產業(yè)結構偏離度最大、產業(yè)結構最不合理，而第三產業(yè)結構偏離度最小，說明其要素投入與產出耦合性最高，對就業(yè)人員的吸收能力最強。

金融結構和勞動力結構的巨大區(qū)域差異導致了結構匹配度的區(qū)域差異。金融—勞動力的結構匹配度均值為-2.789，說明我國整體上存在一定程度的結構錯配現(xiàn)象，且最小值和最大值分別為-9和0，數(shù)值越接近于0，結構的匹配度越高。所以對于金融和勞動力的要素組合，我國既存在著“高—高”和“低—低”匹配的均衡狀態(tài)，即市場主導型的金融結構與高技能勞動力以及銀行主導型的金融結構與低技能勞動力的匹配協(xié)調，也存在著“高—低”或“低—高”的非均衡狀態(tài)，即金融結構和勞動力結構的嚴重錯配。金融結構和勞動力結構的水平差距最小值和最大值分別為-8和9，如此大的差異反映出我國各地區(qū)金融體系結構發(fā)展上的嚴重落后以及金融結構過度趕超勞動力結構的現(xiàn)實狀況。無論是落后還是趕超，金融結構與勞動力結構的不匹配都會阻礙產業(yè)結構升級，這也是我國區(qū)域間產業(yè)結構升級不平衡的重要影響因素。

表2 主要變量的描述性統(tǒng)計結果

四 實證結果分析

產業(yè)結構演變具有階段性特征，不同歷史時期的產業(yè)結構升級含義有所不同(干春暉等，2011)[35]，所以本文構建了多種產業(yè)結構升級的統(tǒng)計口徑，包括第一產業(yè)向第二產業(yè)、第三產業(yè)轉變的傳統(tǒng)產業(yè)結構升級指數(shù)，第二產業(yè)向第三產業(yè)轉變的高級化指數(shù)以及反映產業(yè)結構橫向變遷的合理化指數(shù)，從而構建產業(yè)結構升級的動態(tài)評價體系。如前所述，本文根據(jù)葉德珠和曾繁清(2018)[6]的做法，將樣本中金融結構和勞動力結構分別從大到小等分為十個層次，再計算金融結構與勞動力結構之間的排序差異，用排序差異絕對值的相反數(shù)作為結構匹配度，數(shù)值越大表示金融與勞動力的結構匹配度越高。在得到金融—勞動力結構匹配度指標后，將其對不同衡量標準的產業(yè)結構升級進行回歸。本文將產業(yè)結構高級化(Highindu)作為主要實證結果進行解釋，將其余產業(yè)結構升級指標的回歸結果列示于穩(wěn)健性檢驗部分。

(一)金融—勞動力結構匹配度與產業(yè)結構高級化

表3為金融—勞動力結構匹配度對產業(yè)結構高級化的回歸結果。除了控制變量外，本文在所有模型中均加入了用于構造匹配度的金融結構和勞動力結構變量，單獨考察金融結構或勞動力結構因素在產業(yè)結構升級中的作用。并將年份固定效應和省份固定效應納入模型，以此充分考慮時間趨勢和個體差異對模型估計系數(shù)的影響。

從表3列(1)-列(3)的結果來看，金融—勞動力結構匹配度系數(shù)始終顯著為正，表明市場主導型的金融結構與高技能勞動力結構的匹配、銀行主導型的金融結構與低技能勞動力結構的匹配均能夠促進產業(yè)結構高級化。也就是說，符合“高—高”和“低—低”的匹配原則時，能夠有效推動產業(yè)結構變遷。列(2)和列(3)都加入了控制變量，兩者的唯一區(qū)別在于列(3)加入了個體固定效應，研究發(fā)現(xiàn)，列(3)中的R2為0.946，明顯大于未加入個體固定效應的0.602，所以金融—勞動力結構匹配度對產業(yè)結構高級化進程中的個體差異具有很好的解釋能力。

表3 金融—勞動力結構匹配度與產業(yè)結構高級化

從金融結構和勞動力結構的單獨影響來看，勞動力結構與產業(yè)結構高級化保持明顯的正相關關系，而金融結構的作用卻不顯著，說明現(xiàn)階段我國金融體系結構特征并不符合產業(yè)結構升級的需求，金融結構的相對落后成為制約產業(yè)結構升級的重要因素。對于控制變量，在加入固定效應后，貿易開放度的系數(shù)顯著為正，說明對外開放的程度越高，越有利于產業(yè)結構發(fā)展；金融規(guī)模作用不明顯，說明依靠總量投入無法推動產業(yè)結構的動態(tài)升級；外商直接投資系數(shù)顯著為負，說明外商投資的引進并不能促進產業(yè)結構優(yōu)化升級，正如黃永明和陳宏(2018)[47]的研究，F(xiàn)DI在高技術產業(yè)領域可能會通過技術封鎖產生不利影響；人均受教育年限系數(shù)為正，體現(xiàn)了人力資本投入的積極效應；老年撫養(yǎng)比和少兒撫養(yǎng)比與產業(yè)結構高級化正相關，說明人口年齡結構層次中兩端的比重越高，對服務性生產的需求越大，越有利于第三產業(yè)的發(fā)展；人均真實GDP的系數(shù)顯著為負，說明低收入階段的經濟體更有必要進行產業(yè)結構升級。控制變量中存在系數(shù)和顯著性不一致的情況，這可能是變量間的相關性引起的，因此需要進行內生性檢驗來消除估計偏差的影響。

(續(xù)上表)

(二)內生性檢驗

本文利用金融—勞動力結構匹配度的一階滯后項作為工具變量來處理內生性問題。從IV_2SLS的回歸來看，Durbin檢驗的P值分別為0.012和0.02，即均拒絕了“解釋變量外生”的原假設，模型確實存在內生性的干擾。由于金融—勞動力結構匹配度的一階滯后項均與產業(yè)結構高級化顯著正相關，且其F值分別為100.121、86.953，遠遠大于10，通過了弱工具變量的檢驗，所以說明工具變量的選取有效。在第二階段的回歸中，被工具變量處理過的匹配度仍與產業(yè)結構高級化呈正相關關系，驗證了模型的穩(wěn)健性。并且與基準回歸中控制了年份和個體效應的系數(shù)0.01相比，2SLS中匹配度的系數(shù)更大，說明事實上金融—勞動力結構匹配度對產業(yè)結構優(yōu)化升級的作用更大。并且從列(3)和列(4)的結果來看，1st Stage和2nd Stage的R2分別為0.544和0.939，兩者間的巨大差異驗證了金融—勞動力結構匹配度對產業(yè)結構高級化的強解釋力。

表4 IV_2SLS：金融—勞動力結構匹配度與產業(yè)結構高級化

(續(xù)上表)

(三)金融—勞動力結構差距與產業(yè)結構升級的倒U型關系

本文的基準回歸發(fā)現(xiàn)匹配度與產業(yè)結構高級化之間顯著正相關，市場主導型的金融結構與高技能勞動力結構、銀行主導型的金融結構與低技能勞動力結構的匹配均能發(fā)揮作用。但是現(xiàn)實中金融結構與勞動力結構之間往往存在一定的差距，或是金融結構過度趕超勞動力結構，或是金融結構落后于勞動力結構，所以不能僅僅關注金融結構與勞動力結構的匹配狀態(tài)，還要考察兩者之間的真實強弱關系。基于此，本文用式(6)構造金融—勞動力結構差距Gap這一指標，Gap值大于0，表明金融結構趕超勞動力結構，且數(shù)值越大，趕超程度越大；Gap值小于0，表明金融結構落后于勞動力結構，且數(shù)值越小，落后程度越嚴重；Gap值越接近于0，表明金融結構與勞動力結構的差距越小，匹配程度越高。因此，金融—勞動力結構差距從負到正的變化過程可用于探究金融結構與勞動力結構的最優(yōu)匹配狀態(tài)。

表5體現(xiàn)了金融—勞動力結構差距及其二次項與產業(yè)結構高級化間的回歸結果。從列(1)來看，Gap系數(shù)不顯著，說明金融—勞動力結構差距與產業(yè)結構高級化之間沒有明顯的線性關系。而將Gap與Gap的二次項同時納入模型時，Gap仍然不顯著，但是其二次項系數(shù)卻顯著為負，在加入固定效應、金融結構和勞動力結構后雖然顯著性有所下降，但仍為負相關關系。這在一定程度上為金融—勞動力結構差距與產業(yè)結構升級間的“倒U型”關系提供了證據(jù)。正如圖1和圖2所示，在產業(yè)結構向高級形態(tài)演變的過程中，金融結構與勞動力結構間的差距會越來越小，即市場主導型的金融結構與高技能勞動力結構、銀行主導型的金融結構與低技能勞動力結構越來越匹配，但結構匹配在產業(yè)結構升級中的作用遵循邊際效應遞減規(guī)律，即金融結構和勞動力結構的水平差距會在接近于0時發(fā)揮最大效應，從而使產業(yè)結構優(yōu)化升級達到最優(yōu)狀態(tài)。

表5 金融—勞動力結構差距與產業(yè)結構高級化

圖1 倒U型檢驗

圖2 邊際效應檢驗

(四)進一步分析: 技術創(chuàng)新的中介機制檢驗

為進一步研究金融—勞動力結構匹配度對產業(yè)結構升級的作用機理，本部分以發(fā)明專利授權數(shù)量與GDP的比值作為中介變量進行機制檢驗，并構建如下模型：

Highindui, t=βMatchi, t+ci, t

(10)

Pi_gdpi, t=μ1Matchi， t+ci， t

(11)

Highindui, t=δMatchi, t+μ2Pi_gdpi, t+ci, t

(12)

其中,式(10)的β反映了匹配度對產業(yè)結構高級化的總效應。而總效應可進一步分為直接效應和間接效應之和，如式(11)和式(12)所示，δ是直接效應，μ1μ2為間接效應。所以中介機制的原理在于檢驗：

β=δ+μ1μ2

(13)

那么，中介效應大小就可以用μ1μ2=β-δ來衡量。

表6為技術創(chuàng)新的中介機制檢驗結果。列(1)-列(3)和列(4)-列(6)的區(qū)別在于后者加入了控制變量，結果表明，控制變量的加入與否并不會影響各個變量的顯著性，體現(xiàn)了模型的穩(wěn)健性。結合中介效應的思想，列(1)和列(4)分別表示匹配度對產業(yè)結構高級化的總效應，是對式(10)的回歸結果；列(2)和列(5)表示匹配度對技術創(chuàng)新的作用，是對式(11)的回歸結果；列(3)和列(6)包括了匹配度對產業(yè)結構高級化的直接效應以及技術創(chuàng)新對產業(yè)結構高級化影響兩部分，是對式(12)的回歸結果。根據(jù)中介效應檢驗程序，由于δ、μ1、μ2的系數(shù)始終顯著為正，所以可以判斷存在以技術創(chuàng)新為中介的作用機制。

表6 技術創(chuàng)新的中介機制檢驗

從列(4)-列(6)的結果來看，匹配度對產業(yè)結構高級化的總效用為0.18；匹配度對技術創(chuàng)新的影響系數(shù)為0.011、技術創(chuàng)新對產業(yè)結構高級化的影響系數(shù)為0.542，兩者乘積構造的間接效應加上匹配度的直接效應0.012，恰好等于總效應0.18，驗證了式(13)的作用機理，即匹配度對產業(yè)結構高級化的總效應可以分解為直接效應和以技術創(chuàng)新為中介的間接效應。即表明金融—勞動力結構匹配度可以通過影響技術創(chuàng)新推動產業(yè)結構向高級形態(tài)演變。

五 穩(wěn)健性檢驗

(一)匹配度與產業(yè)結構合理化

本文在基準回歸中檢驗了金融結構與勞動力結構匹配度對縱向的產業(yè)結構升級，即產業(yè)結構高級化的影響，這一部分將進一步探究金融結構與勞動力結構匹配度對橫向的產業(yè)結構升級，即產業(yè)結構合理化的影響。為驗證結果的穩(wěn)健性，除了使用大學及以上勞動力在總勞動力中的比率(Laborstru)與金融結構(Finstru)構建的匹配度Match，本文還考察了不同口徑的勞動力結構與金融結構的匹配度，包括高中及以上學歷勞動力在總勞動力中的比率(Mhlabor)與金融結構(Finstru)的匹配度(Match_mh)、大學及以上學歷勞動力與高中及以下學歷勞動力的比率(Laborti)與金融結構(Finstru)的匹配度(Match_lt)。通過回歸發(fā)現(xiàn)(表7)，金融—勞動力結構匹配度系數(shù)始終顯著為正，說明金融結構市場化程度越高、勞動力結構偏向高技能時，或者金融結構市場化程度越低、勞動力結構偏向低技能時，能夠有效推動產業(yè)結構合理化，促進產業(yè)間協(xié)調性。

表7 金融—勞動力結構匹配度與產業(yè)結構合理化

(二)替換變量

上文參考何小鋼等(2019)[43]的做法，將勞動力結構定義為大學及以上學歷勞動力在總勞動力中的比重。為進一步檢驗指標的有效性，本部分把至少讀過高中的勞動力在總勞動力中的比率(Mhlabor)、大學及以上學歷勞動力與高中以下學歷勞動力的比率(Laborti)作為勞動力結構的替代變量，重新與金融結構排序匹配，并對產業(yè)結構高級化進行回歸。從回歸結果來看，無論模型如何變化，金融—勞動力結構匹配度與產業(yè)結構高級化顯著正相關，體現(xiàn)了結構匹配度指標的穩(wěn)健性。同樣值得注意的是，相比于基準回歸中勞動力結構始終正相關，在替換勞動力結構變量后，表8Mhlabor的相關性顯著下降，說明對于產業(yè)結構高級化來說，高技能勞動力結構的影響更大，對推動產業(yè)結構升級更有效。

表8 金融—勞動力結構匹配度與產業(yè)結構高級化(替換勞動力結構)

(三)金融—勞動力結構匹配度與傳統(tǒng)產業(yè)結構升級

本文進一步將第二產業(yè)產值與第一產業(yè)產值的比率(Cyjg2_1)、第二和第三產業(yè)產值之和與第一產業(yè)產值的比率(Cyjg23_1)定義為傳統(tǒng)產業(yè)結構升級指標，并進行金融—勞動力結構匹配度的回歸。表9結果表明，匹配度的系數(shù)顯著為正，所以無論是初期的傳統(tǒng)產業(yè)結構升級，還是后期的產業(yè)結構高級化，在產業(yè)結構從低級形態(tài)向高級形態(tài)的動態(tài)變化中，金融—勞動力結構匹配度始終能夠起到正向推動作用。其他變量方面，金融結構的系數(shù)不顯著，勞動力結構的系數(shù)顯著為正，這與產業(yè)結構高級化中的結論保持一致。

表9 金融—勞動力結構匹配度與傳統(tǒng)產業(yè)結構升級

(續(xù)上表)

六 結論與政策啟示

改革開放四十多年，我國產業(yè)結構演變中產能過剩、人才浪費、流動性泛濫以及內部就業(yè)結構與產業(yè)結構不平衡、不協(xié)調、不匹配等深層次的結構性矛盾問題日益凸顯，從而導致產業(yè)結構向高級形態(tài)演變的動力不足，阻礙了現(xiàn)代化產業(yè)體系的構建。而硅谷和班加羅爾的經驗表明，高技能勞動力密集型產業(yè)的發(fā)展更需要風險類資本，低技能勞動力密集型產業(yè)的發(fā)展更需要穩(wěn)健性資本，所以經濟體的金融需求特征和勞動供給特征相互匹配能夠在產業(yè)結構升級中發(fā)揮重要作用。從現(xiàn)實角度看，我國不缺勞動力、也不缺流動性，但高新技術產業(yè)的發(fā)展卻嚴重滯后，如果不能從規(guī)模角度解釋，可能就是結構出現(xiàn)了問題。

為驗證金融和勞動力兩種要素的不同組合方式在產業(yè)結構升級中的作用，本文根據(jù)新結構金融學理論中的結構匹配原則，借鑒婚姻中的學歷匹配方法構建了金融—勞動力結構匹配度指標，并對產業(yè)結構升級進行回歸。研究表明：(1)匹配度與產業(yè)結構高級化、產業(yè)結構合理化正相關，即市場主導型的金融結構與高技能勞動力結構、銀行主導型的金融結構與低技能勞動力結構的匹配均能推動產業(yè)結構向更高形態(tài)演變以及減小就業(yè)結構與產值結構間的偏離；(2)金融—勞動力結構差距與產業(yè)結構高級化成“倒U型”關系，即存在最優(yōu)匹配狀態(tài)使產業(yè)結構升級效率達到最大；(3)作用機制方面，匹配度可以通過提高技術創(chuàng)新水平來促進產業(yè)結構升級。通過實證，本文發(fā)現(xiàn)，對于產業(yè)結構高級化來說，與匹配度和勞動力結構始終顯著正相關，而與金融結構關系卻不顯著，表明金融結構的相對落后可能是影響產業(yè)結構升級區(qū)域差異的重要因素。

本文的實證研究對于我國現(xiàn)實問題具有一定解釋力。具體而言，我國人才規(guī)模、金融總量泛濫，而金融結構卻相對落后，銀行主導型的金融結構難以為高風險性的高新技術產業(yè)提供有效融資支持，從上述研究結論中得到如下政策啟示：首先，加快構建多層次的資本市場，提高直接融資在金融體系結構中的比例，為產業(yè)結構升級創(chuàng)造適宜的金融環(huán)境；其次，應注重建立金融結構和勞動力結構匹配度演變的動態(tài)評估體系，根據(jù)不同發(fā)展階段的產業(yè)結構升級需要而實時調整；最后，隨著我國技術水平不斷向世界前沿國家靠近，高新技術產業(yè)的發(fā)展將更加依賴于自主創(chuàng)新而非吸收引進，所以金融和勞動的要素組合必須同時符合技術創(chuàng)新的需要，才能為下一輪的產業(yè)結構升級提供新動力。