張柳，潘洪巖

（遼寧大學(xué)經(jīng)濟(jì)學(xué)院，遼寧沈陽(yáng)110036）

人力資本投資對(duì)收入差異的影響
——以行業(yè)收入變動(dòng)為視角

張柳，潘洪巖

（遼寧大學(xué)經(jīng)濟(jì)學(xué)院，遼寧沈陽(yáng)110036）

人力資本投資是我國(guó)收入差異的影響因素，以行業(yè)收入變化為視角，選取2003年至2013年間的行業(yè)人均收入數(shù)據(jù)、人均受教育年限、國(guó)有企業(yè)職工占比以及行業(yè)法人數(shù)占比來(lái)分析這11年間人力資本投資對(duì)收入差異的影響程度，可以對(duì)解決我國(guó)行業(yè)收入差異的政策選擇進(jìn)行探討，同時(shí)也對(duì)解決我國(guó)行業(yè)不合理收入差異體現(xiàn)出十分重要的理論意義和現(xiàn)實(shí)意義。

人力資本；收入差異；行業(yè)

隨著經(jīng)濟(jì)市場(chǎng)化程度的日益加深，我國(guó)的收入差異程度日趨加大，導(dǎo)致我國(guó)收入差異程度擴(kuò)大的原因有很多，比如傳統(tǒng)的計(jì)劃經(jīng)濟(jì)舊體制、市場(chǎng)效率差別擴(kuò)大、市場(chǎng)體制不健全等等，而人力資本理論將個(gè)人收入決定及其分配格局歸因于人力資本投資的不同。本文以行業(yè)收入變化為視角，選取2003年至2013年間的行業(yè)人均收入數(shù)據(jù)、人均受教育年限、國(guó)有企業(yè)職工占比以及行業(yè)法人數(shù)占比來(lái)分析這11年間人力資本投資對(duì)收入差異的影響程度。

一、文獻(xiàn)綜述

國(guó)內(nèi)外的許多學(xué)者從人力資本的視角研究了人力資本在收入分配中的作用。Malrin&Psacharopoulos（1976）對(duì)美國(guó)的收入分配和教育之間的關(guān)系進(jìn)行研究，研究結(jié)果發(fā)現(xiàn)平均受教育程度和收入差異負(fù)相關(guān)，當(dāng)平均受教育程度增加1年，收入差異減少10%，因此提高居民的受教育水平可以促進(jìn)社會(huì)收入分配的公平化。Becker&Chiswick（1966）通過(guò)對(duì)美國(guó)不同地區(qū)數(shù)據(jù)進(jìn)行分析，Tinbergen（1972）通過(guò)對(duì)美國(guó)、加拿大、荷蘭三國(guó)數(shù)據(jù)進(jìn)行分析，Chiswick（1971）通過(guò)對(duì)9個(gè)國(guó)家的面板數(shù)據(jù)進(jìn)行分析，Ram（1984）通過(guò)對(duì)28個(gè)國(guó)家的數(shù)據(jù)進(jìn)行分析，Park（1996）通過(guò)對(duì)59個(gè)國(guó)家的數(shù)據(jù)進(jìn)行分析，均得出相同的結(jié)論：收入差異和人力資本水平呈負(fù)相關(guān)，和人力資本分配呈正相關(guān)。AnilDuman（2008）通過(guò)對(duì)土耳其1963年至2005年間的數(shù)據(jù)進(jìn)行分析，研究發(fā)現(xiàn)：中小學(xué)教育與高等教育相比較具有更大的外部性，而且中小學(xué)教育公共支出增加有可能改善收入分配狀況。

國(guó)內(nèi)學(xué)者王從軍、錢(qián)海燕（2005）的研究表明，人力資本投資差異和人力資本水平差異是造成貧富差距的主要原因，提高人力資本水平可以推動(dòng)經(jīng)濟(jì)增長(zhǎng)，實(shí)現(xiàn)收入分配公平化。馬驪（2008）研究發(fā)現(xiàn)，未來(lái)的收入的貼現(xiàn)值應(yīng)大于等于當(dāng)期的全部教育費(fèi)用，人力資本投資是影響個(gè)人收入分配格局的主要變量。王云多等人（2010）則研究了教育對(duì)居民收入分配的影響程度，研究表明教育對(duì)居民收入分配有顯著的影響。孫敬水等（2010）從兩個(gè)方面，即教育人力資本存量水平和教育人力資本結(jié)構(gòu)，分析和研究了我國(guó)的人力資本水平在多大程度上對(duì)城鄉(xiāng)居民收入差距造成了影響。

二、實(shí)證研究

（一）數(shù)據(jù)的選取及變量的選擇

考慮到行業(yè)劃分標(biāo)準(zhǔn)的一致性以及數(shù)據(jù)的可獲性，我們選取2003—2013年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證研究。本次實(shí)證選擇行業(yè)收入差異變量作為被解釋變量，選擇人力資本變量作為解釋變量。為了增加模型對(duì)解釋變量的解釋程度，根據(jù)已有研究，增加所有制變量和規(guī)模變量作為控制變量。本次實(shí)證分析樣本選擇了19個(gè)不同產(chǎn)業(yè)的截面?zhèn)€體，2003-2013共11年的時(shí)間序列，組成面板數(shù)據(jù)結(jié)構(gòu)，共209個(gè)面板數(shù)據(jù)作為分析樣本。數(shù)據(jù)來(lái)自于2003—2013年間的《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》。

1.被解釋變量：用INC表示，代表行業(yè)收入差異，在研究行業(yè)收入差異的過(guò)程中，關(guān)于如何確定高收入行業(yè)和低收入行業(yè)，現(xiàn)有文件對(duì)此進(jìn)行了大量的研究，而所采用的方法不外乎有三種：收入排序法、行業(yè)收入比和無(wú)量綱化處理方法。三種方法比較而言，無(wú)量綱化處理方法更加適合行業(yè)收入差異的研究。所謂收入排序法，顧名思義是按收入的高低對(duì)所有行業(yè)進(jìn)行排序，收入排序法比較直觀地反映了行業(yè)收入差異狀況，但卻無(wú)法反映不同行業(yè)收入差異的變化趨勢(shì)；行業(yè)收入比的優(yōu)勢(shì)在于簡(jiǎn)單明了，但卻無(wú)法準(zhǔn)確確定該行業(yè)在總體中的相對(duì)位置。無(wú)量綱化處理方法又分為標(biāo)準(zhǔn)化法、均值化法等，在本文中，我們將采用均值化的方法，令行業(yè)收入差異=該行業(yè)職工年人均工資/行業(yè)職工年人均工資均值。

2.解釋變量：用HC表示，代表人力資本水平，本文采用人均受教育年限來(lái)間接地衡量行業(yè)人力資本水平。具體的計(jì)算方法為：行業(yè)人力資本水平=（∑該行業(yè)不同受教育年限的職工人數(shù)×相應(yīng)值）/該行業(yè)從業(yè)總?cè)藬?shù)。我們對(duì)于不同受教育年限的職工賦予不同的值：未上過(guò)學(xué)的，賦予其相應(yīng)的值為0；小學(xué)受教育年限為6年，賦予其相應(yīng)的值為6；初中受教育年限為9年，賦予其相應(yīng)的值為9；高中受教育年限為12年，賦予其相應(yīng)的值為12；?？剖芙逃晗逓?5年，賦予其相應(yīng)的值為15；本科受教育年限為16年，賦予其相應(yīng)的值為16；研究生及以上學(xué)歷受教育年限為19年，賦予其相應(yīng)的值也為19。

3.控制變量：有兩個(gè)，分別為所有制差異、行業(yè)規(guī)模，我們用OS、SIZE表示，其中所有制差異變量值等于國(guó)有企業(yè)從業(yè)人員/行業(yè)從業(yè)人員，行業(yè)規(guī)模變量值等于該行業(yè)法人數(shù)/行業(yè)法人總數(shù)。

在進(jìn)行分析之前，我們首先需要對(duì)取得的面板數(shù)據(jù)樣本進(jìn)行整體的描述統(tǒng)計(jì)，結(jié)果如下：

表1 整體描述性統(tǒng)計(jì)表

從描述性統(tǒng)計(jì)表中可以看出所有樣本數(shù)據(jù)的各個(gè)變量的整體數(shù)據(jù)情況及其均值、標(biāo)準(zhǔn)差、最大值、最小值均不存在極端異常值，因此，可以說(shuō)分析的面板數(shù)據(jù)真實(shí)可靠，實(shí)證分析具有實(shí)際意義。

本次實(shí)證分析采用的是靜態(tài)面板數(shù)據(jù)。一般地，我們分析靜態(tài)面板數(shù)據(jù)，常常使用三種模型，它們分別是混合回歸模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型。其中，固定效應(yīng)模型和隨機(jī)效應(yīng)模型又可以分為下列兩種：個(gè)體效應(yīng)、時(shí)點(diǎn)效應(yīng)。由于本次面板數(shù)據(jù)分析，選用的是19個(gè)不同個(gè)體的11年跨度的面板數(shù)據(jù)進(jìn)行考察，重點(diǎn)考察的是基于19個(gè)不同行業(yè)的數(shù)據(jù)得到的人力資本水平變量對(duì)行業(yè)收入差異變量的影響程度，所以本次分析更傾向于選擇個(gè)體效應(yīng)。但是采用混合回歸模型，固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，還需要對(duì)實(shí)證的模型進(jìn)行選擇，之后才能得出正確的結(jié)論。

（二）建立模型

為了確定正確的面板數(shù)據(jù)分析的回歸模型，需要分別考察混合回歸模型、個(gè)體固定效應(yīng)模型、個(gè)體隨機(jī)效應(yīng)模型三種情況，然后進(jìn)行篩選。首先是對(duì)各個(gè)模型進(jìn)行面板數(shù)據(jù)回歸分析，現(xiàn)將INC變量以作為解釋變量，分別建立三種不同的回歸模型，它們是：

在模型a0中表示截距項(xiàng)INCit，HCit，OSit，以及SIZEit分別為具有i個(gè)橫截面，t個(gè)縱剖面的被解釋變量a1和a3解釋變量，到分別為各個(gè)解釋變量的回歸系數(shù)，為誤差項(xiàng)?；旌匣貧w模型的特點(diǎn)是無(wú)論對(duì)任何個(gè)體截面，截距項(xiàng)都相同。個(gè)體固定效應(yīng)模型中，存在λi表示對(duì)于i個(gè)個(gè)體有i個(gè)不同的截距項(xiàng)，隨著個(gè)體的不同而不同，個(gè)體固定效應(yīng)模型的特點(diǎn)是從回歸結(jié)果來(lái)看，對(duì)于不同的截面?zhèn)€體，截距項(xiàng)都存在差異。個(gè)體隨機(jī)效應(yīng)模型中，存在εi表示對(duì)于i個(gè)個(gè)體有i個(gè)不同隨機(jī)干擾項(xiàng)分量，隨著個(gè)體的不同而不同。個(gè)體隨機(jī)效應(yīng)模型的特點(diǎn)也是從回歸結(jié)果來(lái)看，對(duì)于不同的截面?zhèn)€體，截距項(xiàng)都存在差異。

（三）面板數(shù)據(jù)的單位根檢驗(yàn)

為了避免出現(xiàn)偽回歸的情況，需要首先對(duì)解釋變量和被解釋變量的水平值進(jìn)行面板單位根檢驗(yàn)（如表3），分別采用LLC，IM，ADF，PP檢驗(yàn)的辦法。經(jīng)過(guò)檢驗(yàn)發(fā)現(xiàn)，INC變量的原序列單位根檢驗(yàn)發(fā)現(xiàn)IM檢驗(yàn)辦法以及ADF檢驗(yàn)辦法的顯著性概率大于0.05，認(rèn)為在5%水平不能拒絕原假設(shè)，認(rèn)為原序列為非平穩(wěn)序列，而其一階差分序列四個(gè)檢驗(yàn)辦法均小于0.05，在5%水平拒絕原假設(shè)，不存在單位根，一階差分序列為平穩(wěn)序列。說(shuō)明INC變量滿足一階單整。同理，經(jīng)過(guò)檢驗(yàn)發(fā)現(xiàn)HC變量，OS變量以及SIZE變量均為原序列不平穩(wěn)，一階差分序列平穩(wěn)的一階單整變量。四個(gè)變量滿足同階單整，符合面板協(xié)整前提。

表2 面板數(shù)據(jù)的單位根檢驗(yàn)

（四）面板數(shù)據(jù)的協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)是檢驗(yàn)變量之間是否存在長(zhǎng)期均衡關(guān)系的一種常用的方法。面板數(shù)據(jù)的協(xié)整檢驗(yàn)方法主要有三種，Pedroni協(xié)整檢驗(yàn)、Kao協(xié)整檢驗(yàn)以及Fisher協(xié)整檢驗(yàn)。由于變量之間具有近似線性關(guān)系，會(huì)出現(xiàn)奇異矩陣，無(wú)法進(jìn)行Pedroni檢驗(yàn)，且縱剖面時(shí)間序列較短，無(wú)法進(jìn)行Fisher檢驗(yàn)，因此這里采用Kao協(xié)整檢驗(yàn)。

Kao協(xié)整檢驗(yàn)的原假設(shè)是變量之間沒(méi)有協(xié)整關(guān)系，而t檢驗(yàn)的顯著性概率為0.0119，小于0.05，在5%水平能夠拒絕原假設(shè)，認(rèn)為四個(gè)變量之間具有協(xié)整關(guān)系，滿足長(zhǎng)期均衡的趨勢(shì)。

（五）回歸分析

以上分析檢驗(yàn)驗(yàn)證了各變量是同階單整的，且存在協(xié)整關(guān)系；既而本文通過(guò)EVIEWS軟件對(duì)上述模型進(jìn)行回歸分析，回歸結(jié)果如下表：

表3 面板數(shù)據(jù)模型回歸分析

混合回歸、個(gè)體固定效應(yīng)、個(gè)體隨機(jī)效應(yīng)這三種模型的回歸結(jié)果中，各個(gè)變量的t檢驗(yàn)顯著性概率均小于0.05，在5%水平拒絕估計(jì)系數(shù)為0的原假設(shè)，認(rèn)為通過(guò)檢驗(yàn)，回歸系數(shù)具有意義。三種模型的R2最大的為個(gè)體固定效應(yīng)，高達(dá)0.964972，說(shuō)明該模型的解釋變量對(duì)被解釋變量的解釋程度高達(dá)96.5%左右，其他兩種模型的R2則相對(duì)較小。

現(xiàn)在需要對(duì)上述三種回歸模型進(jìn)行選擇，以確定最合適的回歸模型，從而得出正確的回歸結(jié)果。

首先，我們來(lái)看混合回歸模型&個(gè)體固定效應(yīng)模型的篩選方法：從回歸分析中可以得到混合回歸的殘差平方和RRSS，個(gè)體固定效應(yīng)回歸的殘差平方和，然后構(gòu)建F統(tǒng)計(jì)量：

原假設(shè)H0：λ1=λ2=λ3=……λN-1=0

因此，如果拒絕原假設(shè)H0，則將模型設(shè)定為個(gè)體固定效應(yīng)模型；否則則將模型設(shè)定為混合回歸模型。

其次，我們?cè)賮?lái)看看個(gè)體固定效應(yīng)模型&個(gè)體隨機(jī)效應(yīng)模型的篩選方法，這里我們采用Hausman檢驗(yàn)。Hausman檢驗(yàn)采用了：基于個(gè)體隨機(jī)效應(yīng)模型GLS估計(jì)量列向量、個(gè)體固定效應(yīng)模型組內(nèi)列向量估計(jì)量以及個(gè)體固定效應(yīng)模型組間列向量估計(jì)量來(lái)構(gòu)建如下統(tǒng)計(jì)量：

在零假設(shè)條件下，我們可以得到下列結(jié)論，即統(tǒng)計(jì)量漸近服從K個(gè)自由度的分布，三個(gè)統(tǒng)計(jì)量是一致的。也就是說(shuō)，在拒絕零假設(shè)時(shí)我們將模型設(shè)定成為了固定效應(yīng)模型，是可行的。在接受零假設(shè)時(shí)，我們就把模型設(shè)定成為隨機(jī)效應(yīng)模型。接下來(lái)，我們將分別對(duì)上述三個(gè)模型進(jìn)行篩選檢驗(yàn)：經(jīng)檢驗(yàn)，F(xiàn)檢驗(yàn)的顯著性概率小于0.05，在5%水平拒絕原假設(shè)，認(rèn)為個(gè)體固定效應(yīng)較混合回歸更為合適，Hausman檢驗(yàn)中顯著性概率也小于0.05，在5%水平拒絕原假設(shè)，認(rèn)為個(gè)體固定效應(yīng)較個(gè)體隨機(jī)效應(yīng)更為合適，所以本文最終采取個(gè)體固定效應(yīng)回歸模型。

通過(guò)個(gè)體固定效應(yīng)回歸結(jié)果可以見(jiàn)出，人力資本變量HC的估計(jì)系數(shù)為0.032681，說(shuō)明選擇的面板數(shù)據(jù)樣本體現(xiàn)了人力資本變量和收入變量INC之間滿足正相關(guān)關(guān)系，并且每增加1單位人力資本變量HC，則會(huì)增加0.032681單位的收入；控制變量中，同樣可以得到所有制變量OS和收入變量INC之間具有正相關(guān)關(guān)系，并且每增加1單位所有制變量OS，則增加0.22091單位的收入；而規(guī)模變量SIZE和收入變量INC之間局負(fù)相關(guān)關(guān)系，每增加1單位規(guī)模變量SIZE，則會(huì)減少1.13301單位的收入。由于控制變量不是本文主要考察的變量，因此控制變量的回歸結(jié)果具有一定參考價(jià)值。

三、結(jié)論及政策含義

研究表明，行業(yè)人力資本投資和居民收入差異呈正相關(guān)。對(duì)本文的研究進(jìn)行整理，有以下幾點(diǎn)政策建議：首先，進(jìn)行產(chǎn)權(quán)改革，破除所有制壟斷壁壘。其次，各行業(yè)間的人力資本進(jìn)行優(yōu)化配置。再次，普及教育，使各行業(yè)職工的受教育機(jī)會(huì)均等化。我國(guó)政府應(yīng)加大對(duì)基礎(chǔ)教育和職業(yè)培訓(xùn)學(xué)校的投資力度，從而逐步縮小人均受教育水平差異；此外，建立健全社會(huì)保障制度。日益拉大的行業(yè)收入差距不利于社會(huì)和諧和經(jīng)濟(jì)發(fā)展，因此應(yīng)適當(dāng)?shù)卦黾訉?duì)我國(guó)低收入者的轉(zhuǎn)移支付力度，形成覆蓋全體公民的多層次社會(huì)保障體系。

［1］Anil Duman.Education and Income Inequality in Turkey：Does SchoolingMatter？［J］.FinancialTheory and Practice，2008：32.

［2］Becker G.S.，Chiswick B.R.Education and the Distribution of Earning［J］.American Economic Review，1966（56）：358-369.

［3］BourguignonFrancois，ChristianMorrison.InequalityandDevelopment：theRoleofDualism.JournalofDevelopmentEconomics，1998（57）：233-257.

［4］Galor Oded and Joseph Zeira，Income Distribution and Macroeconomics［J］.ReviewofEconomicsStudies，1993（60）：35-52.

［5］Knight J.B.and R.H.Sabot.Educational Expansion and Kuznets Effect［J］.American Economic Review，1983（73）：1132-1136.

［6］Psacharopoulos G.Unequal Access to Education and Income Distribution：an InternationalComparison［J］.De Economist，1977：383-392.

［7］Ram，H.，Population Increase，Economic Growth，Educational Inequality and Income Distribution：Some Recent Evidence［J］. JournalofDevelopment Economics，1984（14）：419-428.

［8］馬驪.基于人力資本視角的行業(yè)收入差距統(tǒng)計(jì)研究一以浙江為例［D］.杭州：浙江工商大學(xué)，2009.

［9］孫敬水，張周靜.人力資本對(duì)城鄉(xiāng)收入差距及其收斂性的影響—基于我國(guó)省際面板數(shù)據(jù)分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（9）：105-112.

［10］王云多.教育分布對(duì)個(gè)人收入分配的影響［J］.數(shù)理統(tǒng)計(jì)和管理，2010（5）：789-795.

［11］王從軍，錢(qián)海燕.人力資本投資和公平的收入分配—一個(gè)基于經(jīng)濟(jì)發(fā)展兼顧公平的收入分配理論研究［J］.求索，2005（9）：81-84.

［12］徐群芳，顧光同，管宇.基于城鄉(xiāng)居民收入面板數(shù)據(jù)模型的統(tǒng)計(jì)分析［J］.統(tǒng)計(jì)科學(xué)與實(shí)踐，2014（11）：18-21.

［13］司福寧，武新乾，田萍.我國(guó)農(nóng)村居民消費(fèi)與收入關(guān)系的實(shí)證分析［J］.農(nóng)村經(jīng)濟(jì)與科技，2014：116-118.

【責(zé)任編輯 曹萌】

F13

A

1674-5450（2015）06-0066-03

2015-08-22

張柳，女（滿族），河北河間人，遼寧大學(xué)西方經(jīng)濟(jì)學(xué)博士研究生；潘洪巖，男，遼寧大連人，遼寧大學(xué)經(jīng)濟(jì)史博士研究生。