湯學(xué)良，吳萬(wàn)宗，宗大偉，3(．上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，上海00433; ．上海財(cái)經(jīng)大學(xué)國(guó)際工商管理學(xué)院，上海00433; 3．常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，江蘇常熟5500)

員工培訓(xùn)投入對(duì)企業(yè)生產(chǎn)率的作用評(píng)估——基于廣義傾向得分匹配模型的分析

湯學(xué)良1，吳萬(wàn)宗2，宗大偉1，3
(1．上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，上海200433; 2．上海財(cái)經(jīng)大學(xué)國(guó)際工商管理學(xué)院，上海200433; 3．常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，江蘇常熟215500)

摘要:員工培訓(xùn)投入并非多多益善。本文利用廣義傾向得分匹配的方法，評(píng)估了員工培訓(xùn)投入對(duì)企業(yè)生產(chǎn)率的作用，發(fā)現(xiàn): (1)培訓(xùn)投入與企業(yè)生產(chǎn)率呈“倒N形”關(guān)系，即隨著培訓(xùn)投入的增加，企業(yè)生產(chǎn)率呈“下降－上升－下降”趨勢(shì);從而，數(shù)額較小或數(shù)額過(guò)大的培訓(xùn)投入都是無(wú)效的，不會(huì)提升企業(yè)效率，存在最優(yōu)的員工培訓(xùn)投入。(2)該結(jié)論在兩種效率指標(biāo)下(勞動(dòng)生產(chǎn)率和全要素生產(chǎn)率)和三種分類子樣本下(按地區(qū)、行業(yè)和所有制分類)均是穩(wěn)健的。(3)但是，員工培訓(xùn)投入的處理效應(yīng)與最優(yōu)規(guī)模在不同的子樣本中是有差異的。

關(guān)鍵詞:員工培訓(xùn)投入;企業(yè)生產(chǎn)率;廣義傾向得分匹配;處理效應(yīng)

一、引言

一國(guó)經(jīng)濟(jì)的可持續(xù)增長(zhǎng)必須立足于企業(yè)生產(chǎn)率的持續(xù)提升，探究企業(yè)生產(chǎn)率的影響因素已經(jīng)成為從微觀層面討論我國(guó)經(jīng)濟(jì)可持續(xù)發(fā)展的重要問(wèn)題。其中，貿(mào)易自由化、企業(yè)研發(fā)和產(chǎn)權(quán)結(jié)構(gòu)等因素已經(jīng)被學(xué)者們廣泛深入地研究過(guò)了［1－4］，但是，人力資本質(zhì)量作為企業(yè)生產(chǎn)率的重要決定因素卻沒(méi)有引起學(xué)界和實(shí)踐領(lǐng)域足夠的重視。習(xí)近平總書(shū)記指出“勞動(dòng)者素質(zhì)對(duì)一個(gè)國(guó)家、一個(gè)民族發(fā)展至關(guān)重要。勞動(dòng)者的知識(shí)和才能積累越多，創(chuàng)造能力就越大。”①習(xí)近平．在慶?！拔逡弧眹?guó)際勞動(dòng)節(jié)暨表彰全國(guó)勞動(dòng)模范和先進(jìn)工作者大會(huì)上的講話［N］．人民日?qǐng)?bào)，2015－04－29(1)。顯然，員工素質(zhì)的提升需要進(jìn)行人力資本的投入，因此，

審視企業(yè)人力資本投資對(duì)生產(chǎn)率的作用問(wèn)題恰逢其時(shí)。Berker最早提出人力資本投資分為在職培訓(xùn)(on-the-job training)、學(xué)校教育(school training)以及對(duì)信息的掌握(information)［5］。其中，后兩者并不能由企業(yè)所控制，主要是員工的個(gè)體經(jīng)歷或者特征，而員工的在職培訓(xùn)則是企業(yè)人力資本投資最為直接的途徑。

因此，本文研究的核心問(wèn)題就是企業(yè)的員工培訓(xùn)投入與生產(chǎn)率之間的因果效應(yīng)。實(shí)際上，討論員工培訓(xùn)對(duì)生產(chǎn)率影響一直都是國(guó)外研究的重要問(wèn)題，并且大部分的實(shí)證研究均指向一個(gè)經(jīng)驗(yàn)事實(shí):員工培訓(xùn)能夠提高企業(yè)的生產(chǎn)率［6－8］。湯二子和孫振利用中國(guó)工業(yè)企業(yè)數(shù)據(jù)，驗(yàn)證了企業(yè)在職教育對(duì)全要素生產(chǎn)率的正向作用［9］;孔東民和龐立讓利用2004年全國(guó)經(jīng)濟(jì)普查數(shù)據(jù)，得出人力資本因素對(duì)企業(yè)生產(chǎn)率有正向作用的結(jié)論［10］;吳萬(wàn)宗和湯學(xué)良基于我國(guó)制造業(yè)企業(yè)數(shù)據(jù)也發(fā)現(xiàn)有員工培訓(xùn)經(jīng)驗(yàn)企業(yè)的人均工業(yè)增加值和全要素生產(chǎn)率都顯著地高于沒(méi)有員工培訓(xùn)的企業(yè)，但是他們進(jìn)一步指出，這主要是因?yàn)樽鰡T工培訓(xùn)的企業(yè)原先就具備更高的效率，即存在著高效率企業(yè)選擇做員工培訓(xùn)的“自選擇效應(yīng)”［11］。

“自選擇效應(yīng)”所帶來(lái)的內(nèi)生性問(wèn)題，給評(píng)估員工培訓(xùn)投入對(duì)企業(yè)生產(chǎn)率的影響增加了難度，必須剔除“自選擇效應(yīng)”帶來(lái)的干擾，否則會(huì)高估員工培訓(xùn)的作用，這一點(diǎn)在現(xiàn)有的文獻(xiàn)中沒(méi)有得到重視。此外，影響企業(yè)員工培訓(xùn)投入決策的因素，如企業(yè)規(guī)模、資本密集度、人均工資、研發(fā)，甚至所有制性質(zhì)［12－13］，也同時(shí)會(huì)影響企業(yè)的生產(chǎn)率水平，如果不控制這些因素，那么只能得到員工培訓(xùn)投入與生產(chǎn)率的相關(guān)關(guān)系而不完全是因果關(guān)系。匹配方法在“反事實(shí)分析”框架下，通過(guò)選出主要特征最接近的企業(yè)個(gè)體進(jìn)行比較，可以較好地控制“自選擇效應(yīng)”和其他因素的影響，從而捕捉到員工培訓(xùn)投入對(duì)企業(yè)生產(chǎn)率的因果效應(yīng)。但是，傳統(tǒng)的傾向得分匹配(Propensity Score Matching，PSM)方法只適用于0或1的二值型處理變量，對(duì)于處理變量為員工培訓(xùn)投入強(qiáng)度(以每年人均培訓(xùn)費(fèi)用度量)并不適用。實(shí)際上，既有的文獻(xiàn)均在討論有無(wú)員工培訓(xùn)投入(有為1，沒(méi)有為0)對(duì)企業(yè)效率的影響，但直覺(jué)上講，零星的培訓(xùn)投入與大額的培訓(xùn)投入所帶來(lái)的效果應(yīng)該是不同的。那么，員工培訓(xùn)投入是否越多越好，是否有最優(yōu)的員工培訓(xùn)投入強(qiáng)度?這些問(wèn)題在二值型的變量下無(wú)法研究，但對(duì)于政策調(diào)控和企業(yè)實(shí)踐決策而言卻是非常重要的。因此，本文采用廣義傾向得分匹配法(Generalized Propensity Score，GPS)，克服了PSM方法處理變量必須是二值變量的限制，在控制了“自選擇效應(yīng)”與企業(yè)主要特征的基礎(chǔ)上，評(píng)估員工培訓(xùn)投入強(qiáng)度對(duì)企業(yè)生產(chǎn)率的作用，這是本文的主要貢獻(xiàn)與創(chuàng)新所在。本文余下部分安排如下:第二部分介紹模型與GPS方法，并給出相關(guān)的實(shí)證方程;第三部分介紹數(shù)據(jù)處理、變量估算，展示回歸結(jié)果并解釋;第四部分進(jìn)行了一系列穩(wěn)健性檢驗(yàn)與擴(kuò)展分析;最后是文章的結(jié)論和政策建議。

二、模型與方法

對(duì)于處理效應(yīng)的研究主要是基于Rosenbaum和Rubin提出的“反事實(shí)”分析框架［14］，但是以傾向得分匹配(PSM)為主的計(jì)量方法只能用來(lái)分析處理變量是二元變量的問(wèn)題，具有較大的局限性。以員工培訓(xùn)投入為例，如果只定義0(沒(méi)有員工培訓(xùn)投入) 和1(有員工培訓(xùn)投入)兩種處理狀態(tài)，就顯然忽視了員工培訓(xùn)投入的差異對(duì)于企業(yè)生產(chǎn)率影響可能是不同的。Hirano和Imbens將“反事實(shí)”分析框架擴(kuò)展到處理變量是多元變量或者連續(xù)變量的情形，提出了廣義傾向得分匹配(GPS)的計(jì)量方法來(lái)捕捉不同的處理強(qiáng)度下潛在結(jié)果的差異，彌補(bǔ)了PSM方法的不足［15－16］。GPS方法的基本理論如下:

對(duì)于一組隨機(jī)樣本，以下標(biāo)i表示不同的個(gè)體(i = 1，…，N)，假定個(gè)體i針對(duì)處理變量t的不同取值(t∈D)存在著一組對(duì)應(yīng)的潛在的產(chǎn)出水平Y(jié)i(t)，稱為個(gè)體的“劑量反應(yīng)”函數(shù)(unit－level doseresponse function)。如果D = { 0，1}，就回到了二值變量的處理效應(yīng)問(wèn)題，GPS方法則允許D =［t0，t1］，并且更關(guān)注平均“劑量反應(yīng)”函數(shù)(average dose －response function)，即μ(t) = E［Yi(t)］。自變量所對(duì)應(yīng)的函數(shù)值差異則可以解釋為處理強(qiáng)度變化所帶來(lái)的因果效應(yīng)。但是，對(duì)于個(gè)體i而言，可以觀測(cè)到的數(shù)據(jù)只有一組協(xié)變量Xi、處理水平Ti∈D以及與處理水平對(duì)應(yīng)的潛在產(chǎn)出水平Y(jié)i= Yi(Ti) (方便起見(jiàn)下文省略下標(biāo)i)。

與PSM方法一樣，GPS方法的關(guān)鍵設(shè)定仍然是條件獨(dú)立性假設(shè)(ignorability assumption)，即:

Y(t)⊥T|X?t∈D(1)

條件獨(dú)立性假設(shè)的含義是在控制了多元協(xié)變量X的差異后，任意處理水平上的潛在產(chǎn)出水平與個(gè)體接受的實(shí)際處理水平相互獨(dú)立。換言之，在個(gè)體協(xié)變量特征一致的時(shí)候，可以有效地剔除處理強(qiáng)度的自選擇性，以及由此產(chǎn)生的內(nèi)生性問(wèn)題。多元協(xié)變量特征X又稱為“匹配變量”，既影響個(gè)體的處理強(qiáng)度(T)又影響個(gè)體的產(chǎn)出水平(Y)，要控制多元協(xié)變量特征一致同樣存在著“高維詛咒”①所謂“高維詛咒”就是說(shuō)隨著需要匹配的維度增加，匹配成功的難度就增加了。例如，找同樣身高的人很容易，但是找到身高、體重、性別、民族、學(xué)歷等等全部一樣的人就困難得多。用傾向得分匹配(PSM)的方法來(lái)解決該問(wèn)題，就是將高維指標(biāo)整合成一個(gè)傾向得分指標(biāo)進(jìn)行匹配。(curse of dimensionality)。Hirano和Imbens設(shè)定了處理變量的條件概率密度函數(shù):

r(t，x) = fT/X(t/x)(2)

并定義了廣義傾向得分(Generalized Propensity Score，GPS) :

R = r(T，X)(3)

與標(biāo)準(zhǔn)的傾向得分類似，GPS也需要滿足平衡條件(balancing property)，即在控制r(t，X)一致的情況下，事件T = t發(fā)生的概率與多元協(xié)變量X獨(dú)立:

X⊥1{ T = t} | r(t，X)(4)

滿足平衡條件的GPS可以將條件獨(dú)立性假設(shè)進(jìn)一步拓展到廣義傾向得分值上:

fT［t | r(t，X)，Y(t)］= fT［t | r(t，X)］(5)

換言之，控制廣義傾向得分值一致就可以保證任意處理強(qiáng)度與其潛在的產(chǎn)出結(jié)果獨(dú)立。因此，通過(guò)GPS方法可以有效剔除協(xié)變量差異帶來(lái)的偏誤以及可能存在的處理強(qiáng)度自選擇性帶來(lái)的偏誤。另外，廣義傾向得分值是一維指標(biāo)，相對(duì)于高維的協(xié)變量X而言，更加容易匹配。

進(jìn)一步地，Hirano和Imbens提出了用GPS方法估計(jì)平均“劑量反應(yīng)”函數(shù)的三個(gè)步驟:第一步，給定多元協(xié)變量X，估計(jì)處理變量的條件概率密度函數(shù)，即(2)式。本文考慮的處理變量是企業(yè)的員工培訓(xùn)投入強(qiáng)度(以人均培訓(xùn)費(fèi)用度量)，該變量的分布是有偏的，存在較多的人均培訓(xùn)費(fèi)用為0的觀測(cè)個(gè)體①根據(jù)本文所使用的工業(yè)企業(yè)數(shù)據(jù)庫(kù)(2004－2007)中，培訓(xùn)費(fèi)用(以職工教育經(jīng)費(fèi)度量)為0的企業(yè)占到了60%左右。，因此不適用Hirano和Imbens提出的正態(tài)分布的假定。本文采用Papke和Wooldridge提出的Fractional Logit模型來(lái)估計(jì)員工培訓(xùn)投入強(qiáng)度的條件分布［17］。假定對(duì)于個(gè)體i，給定協(xié)變量Xi時(shí)，處理變量Ti的條件期望為:

(6)式中F(．)滿足Logistic分布的累積分布函數(shù)形式，對(duì)于?Xiβ∈R有F(Xiβ)∈［0，1］，因此要求處理變量的取值屬于［0，1］。員工培訓(xùn)投入強(qiáng)度變量滿足大于0的要求但是會(huì)超過(guò)1，本文采取的處理方式是將處理強(qiáng)度的最大值標(biāo)準(zhǔn)化為1，其余取值做相應(yīng)的標(biāo)準(zhǔn)化轉(zhuǎn)化，從而滿足處理變量的取值要求。接下來(lái)在廣義線性模型(generalized linear

根據(jù)估計(jì)結(jié)果計(jì)算廣義傾向得分值(GPS) :

然后，根據(jù)處理變量取值和GPS值進(jìn)行樣本分割，并檢驗(yàn)經(jīng)過(guò)廣義傾向得分匹配調(diào)整過(guò)后處理強(qiáng)度取值(T = t)是否與協(xié)變量(X)獨(dú)立，即檢驗(yàn)GPS的平衡條件是否滿足。

第二步，利用處理變量、廣義傾向得分變量構(gòu)造產(chǎn)出變量(本文主要指企業(yè)的生產(chǎn)率)的條件期望模型(conditional expectation model)。Hirano和Imbens指出具體的函數(shù)形式可以靈活多變，既可以只考慮兩個(gè)變量的一次項(xiàng)，也可以考慮兩個(gè)變量的二、三次項(xiàng)和交互項(xiàng)進(jìn)行逼近［16］。條件期望模型的作用在于擬合產(chǎn)出變量與處理變量、GPS變量之間的函數(shù)關(guān)系。因此，本文選擇更為穩(wěn)健的三階多項(xiàng)式來(lái)逼近產(chǎn)出變量的條件期望②選擇其他函數(shù)形式逼近對(duì)于本文的基本結(jié)論不產(chǎn)生影響，并且三階多項(xiàng)式的逼近結(jié)果中每個(gè)系數(shù)均非常顯著。對(duì)逼近結(jié)果感興趣可以向作者索取。: model，GLM)的框架下，最大化伯努利對(duì)數(shù)似然函數(shù)，以修正處理變量有偏對(duì)條件期望函數(shù)估計(jì)的影響:

只需要簡(jiǎn)單的OLS回歸即可估計(jì)出(9)式中的系數(shù)，得到的系數(shù)則是估計(jì)平均“劑量反應(yīng)”函數(shù)的關(guān)鍵。

第三步，利用上一步得到的回歸系數(shù)，計(jì)算出每個(gè)處理強(qiáng)度上所對(duì)應(yīng)的產(chǎn)出變量條件期望的均值，從而估計(jì)出平均“劑量反應(yīng)”函數(shù)μ(t) :

其中，N為樣本容量。利用計(jì)算機(jī)估算函數(shù)μ(t)時(shí)需要設(shè)定［0，1］區(qū)間上的具體取值，本文設(shè)定的步長(zhǎng)是0．01，即選擇t = 0，0．01，0．02，……，0．99，1 共101個(gè)處理強(qiáng)度值。此外，還定義了處理效應(yīng)TE(t)用來(lái)計(jì)算任一非零的員工培訓(xùn)投入強(qiáng)度下與無(wú)員工培訓(xùn)投入情形相比企業(yè)生產(chǎn)率的差異。

對(duì)瀝青砂進(jìn)行分析研究，發(fā)現(xiàn)其中的有機(jī)類物質(zhì)包括重質(zhì)液化油、瀝青類物質(zhì)和未轉(zhuǎn)化的煤；無(wú)機(jī)礦物質(zhì)包括金屬雜質(zhì)和外加的催化劑。依據(jù)瀝青砂特性，我們采用瀝青砂、合成導(dǎo)熱油廢油和裂化油漿的混合油漿為主要原材料制備了MY瀝青砂添加劑。

三、數(shù)據(jù)、變量與回歸結(jié)果

(一)數(shù)據(jù)介紹與處理

本文使用的是中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)的觀測(cè)個(gè)體都是微觀企業(yè)，時(shí)間跨度是2000年至2008年。其中2000年含有162885家，到2008年觀測(cè)企業(yè)數(shù)目則達(dá)到了412212家。國(guó)家統(tǒng)計(jì)局每年會(huì)針對(duì)兩類制造業(yè)企業(yè)進(jìn)行調(diào)查構(gòu)成統(tǒng)計(jì)樣本，一是所有的國(guó)有企業(yè)(SOEs)，二是年銷售收入超過(guò)500萬(wàn)人民幣的非國(guó)有企業(yè)(non－SOEs)。該數(shù)據(jù)集所含的變量個(gè)數(shù)超過(guò)了100個(gè)，以企業(yè)的財(cái)務(wù)指標(biāo)為主，但是員工培訓(xùn)費(fèi)用的信息則有缺失，僅2004－2007年報(bào)告了員工培訓(xùn)費(fèi)用的信息，故只保留這四年的企業(yè)樣本。此外，實(shí)證研究主要集中在制造業(yè)企業(yè)(兩位行業(yè)代碼13－42)，且企業(yè)樣本均在2002年以后，不存在行業(yè)調(diào)整的問(wèn)題。

數(shù)據(jù)集中有些變量的數(shù)值可能是某些企業(yè)錯(cuò)報(bào)或者漏報(bào)的，本文根據(jù)下面兩個(gè)原則刪除部分企業(yè):第一，關(guān)鍵的財(cái)務(wù)指標(biāo)不能漏報(bào)否則刪除該企業(yè)，如總資產(chǎn)、固定資產(chǎn)凈值余額、銷售收入、工業(yè)總產(chǎn)值等;第二，企業(yè)的雇傭員工人數(shù)不能低于8人，否則刪除該企業(yè)。此外，根據(jù)一般公認(rèn)會(huì)計(jì)原則(General Accepted Accounting Principles)刪除了不滿足下列原則的企業(yè)［18］: (1)總資產(chǎn)不能少于流動(dòng)資產(chǎn); (2)總資產(chǎn)不能少于總的固定資產(chǎn); (3)總資產(chǎn)必須大于固定資產(chǎn)凈值余額; (4)每個(gè)企業(yè)的企業(yè)代碼不能缺失，并且同一年內(nèi)必須唯一; (5)企業(yè)的創(chuàng)建時(shí)間必須有效，例如創(chuàng)建年是2007年以后或者創(chuàng)建月小于1或者大于12等都是無(wú)效的創(chuàng)建時(shí)間，刪除創(chuàng)建時(shí)間無(wú)效的企業(yè); (6)企業(yè)的銷售收入必須大于500萬(wàn)人民幣。經(jīng)過(guò)所有的上述處理后，樣本中包含的企業(yè)數(shù)量為631308家。

(二)變量定義與估算

本文用到的統(tǒng)計(jì)數(shù)據(jù)包括企業(yè)的工業(yè)增加值、年平均就業(yè)人數(shù)、年銷售收入、年末固定資產(chǎn)凈值余額、固定資產(chǎn)原值、員工培訓(xùn)費(fèi)用、出口交貨值、工資總額。其中，企業(yè)的工業(yè)增加值數(shù)據(jù)利用Brandt等給出的4位代碼行業(yè)層面的產(chǎn)出品價(jià)格指數(shù)進(jìn)行平減［19］，年銷售收入、員工培訓(xùn)費(fèi)用和工資總額數(shù)據(jù)利用消費(fèi)價(jià)格指數(shù)(以2004年為基期)進(jìn)行了平減。固定資產(chǎn)年末凈值余額和固定資產(chǎn)原值主要是用來(lái)估算企業(yè)的資本存量，本文采用永續(xù)盤存法剔除價(jià)格因素計(jì)算出實(shí)際資本存量①企業(yè)層面永續(xù)盤存算法參見(jiàn):湯學(xué)良，吳萬(wàn)宗．員工培訓(xùn)、出口與企業(yè)生產(chǎn)率［J］．財(cái)貿(mào)研究，2015(5) : 65－74。。

接下來(lái)，在指標(biāo)構(gòu)建上主要有三個(gè)方面:首先，本文選擇以勞動(dòng)生產(chǎn)率作為企業(yè)生產(chǎn)率的度量，同時(shí)考慮用全要素生產(chǎn)率(TFP)做穩(wěn)健性檢驗(yàn)。其次，本文關(guān)鍵的處理變量，即員工培訓(xùn)投入強(qiáng)度(簡(jiǎn)稱員工培訓(xùn)強(qiáng)度)指標(biāo)，用企業(yè)的人均培訓(xùn)費(fèi)用度量。由于數(shù)據(jù)庫(kù)中員工培訓(xùn)費(fèi)用為0的企業(yè)超過(guò)了60%，因此員工培訓(xùn)強(qiáng)度變量的分布是嚴(yán)重有偏的，采用Fractional Logit模型進(jìn)行調(diào)整則要求處理變量的取值在0－1之間。本文分兩步對(duì)人均培訓(xùn)費(fèi)用進(jìn)行標(biāo)準(zhǔn)化處理: (1)對(duì)人均培訓(xùn)費(fèi)用變量進(jìn)行99%分位去尾處理，剔除人均培訓(xùn)費(fèi)用超過(guò)99%分位值②在本文研究的企業(yè)樣本中，企業(yè)人均培訓(xùn)費(fèi)用的99%分位值是5千元/人。的企業(yè)樣本，避免異常值的干擾; (2)將人均培訓(xùn)費(fèi)用變量的99%分位值(5千元/人)標(biāo)準(zhǔn)化為1，其余取值則相應(yīng)的除以5進(jìn)行標(biāo)準(zhǔn)化，從而保證了員工培訓(xùn)強(qiáng)度取值屬于［0，1］。最后，對(duì)于協(xié)變量或者匹配變量的選擇，需要既與處理變量相關(guān)又與產(chǎn)出變量相關(guān)，才能夠較好地滿足條件獨(dú)立性假設(shè)。參考現(xiàn)有的研究文獻(xiàn)［9，11，13］，選擇以下變量作為匹配變量:企業(yè)上一期的生產(chǎn)率水平;以銷售收入衡量的企業(yè)規(guī)模指標(biāo);以人均資本存量衡量的資本密度指標(biāo);人均工資指標(biāo);企業(yè)研發(fā)活動(dòng)啞變量;企業(yè)是否屬于內(nèi)資企業(yè);此外，還有企業(yè)所屬的行業(yè)、地區(qū)以及年份啞變量。這些主要變量的計(jì)算方式和描述性統(tǒng)計(jì)如表1所示:

(三)實(shí)證分析

根據(jù)企業(yè)是否有培訓(xùn)費(fèi)用支出，可以將企業(yè)分為做員工培訓(xùn)和不做員工培訓(xùn)兩組，兩組樣本的勞動(dòng)生產(chǎn)率均值的變化趨勢(shì)如圖1所示?？梢园l(fā)現(xiàn):第一，兩組企業(yè)勞動(dòng)生產(chǎn)率均值水平隨著時(shí)間的增長(zhǎng)趨勢(shì)基本一致，說(shuō)明有些宏觀因素共同提高了兩類企業(yè)的生產(chǎn)率;第二，尤為重要的發(fā)現(xiàn)是做員工培訓(xùn)的企業(yè)擁有更高的勞動(dòng)生產(chǎn)率水平，這與直覺(jué)相符，但是也給實(shí)證分析提出了挑戰(zhàn)。

表1　主要變量的定義和描述性統(tǒng)計(jì)

圖1　做員工培訓(xùn)與不做員工培訓(xùn)企業(yè)的勞動(dòng)生產(chǎn)率比較

此外，員工培訓(xùn)對(duì)生產(chǎn)率的作用可能是持續(xù)的，實(shí)證分析時(shí)需要剔除企業(yè)以前的員工培訓(xùn)行為的影響。因此，本文對(duì)企業(yè)樣本做了如下處理:首先，分別保留2004－2005年、2005－2006年和2006－2007年連續(xù)存在的樣本;其次，刪除其中在上一年(即2004、2005或者2006)有員工培訓(xùn)行為的樣本;最后，將上一年企業(yè)的生產(chǎn)率信息匹配到當(dāng)期，保留當(dāng)期的企業(yè)數(shù)據(jù)構(gòu)成最終的研究樣本，共373718家企業(yè)?；跇颖緮?shù)據(jù)得到的員工培訓(xùn)強(qiáng)度的Fractional Logit模型的估計(jì)結(jié)果如表2所示:

表2　員工培訓(xùn)強(qiáng)度的Fractional Logit模型的估計(jì)結(jié)果

顯然，主要匹配變量對(duì)于企業(yè)的員工培訓(xùn)投入強(qiáng)度的影響均是顯著且穩(wěn)健的:上一期生產(chǎn)率水平對(duì)當(dāng)期的員工培訓(xùn)強(qiáng)度具有顯著的正向作用，這驗(yàn)證了企業(yè)的員工培訓(xùn)強(qiáng)度具有“自選擇效應(yīng)”，原本就高效的企業(yè)更傾向于提高員工培訓(xùn)強(qiáng)度;以銷售收入衡量的企業(yè)規(guī)模變量對(duì)員工培訓(xùn)強(qiáng)度具有顯著的促進(jìn)作用，相對(duì)于小企業(yè)而言大企業(yè)更愿意增加人均培訓(xùn)費(fèi)用投入，這與Holtmann和Idson的研究一致［12］;資本密度越大，則企業(yè)的員工培訓(xùn)強(qiáng)度也越大，這恰好說(shuō)明了資本與勞動(dòng)力之間的互補(bǔ)作用，大量的資本設(shè)備往往需要訓(xùn)練有素的員工使用才能發(fā)揮最大的作用;員工的人均工資越高，企業(yè)的員工培訓(xùn)強(qiáng)度也越大;具有研發(fā)行為的企業(yè)，對(duì)員工培訓(xùn)的投入強(qiáng)度也越大，說(shuō)明員工培訓(xùn)行為可能是研發(fā)活動(dòng)有利的補(bǔ)充;內(nèi)資企業(yè)的員工培訓(xùn)強(qiáng)度較高，這與G?rg等的結(jié)論相反［21］，但是與馬雙和甘犁的研究一致［13］。此外，在Fractional Logit模型中，我們還控制了2位代碼的行業(yè)效應(yīng)、省份特征的地區(qū)效應(yīng)以及時(shí)間效應(yīng)，廣義線性回歸的AIC指標(biāo)均在0．102左右，說(shuō)明模型擬合較為精準(zhǔn)且不存在過(guò)度擬合的問(wèn)題。

根據(jù)Fractional Logit模型的估計(jì)結(jié)果，可以按照(8)式計(jì)算廣義傾向得分值(GPS)，GPS需要滿足平衡條件才能夠通過(guò)GPS方法消除協(xié)變量帶來(lái)的偏誤。參照Hirano和Imbens的做法，將員工培訓(xùn)強(qiáng)度分割為兩個(gè)區(qū)間，檢驗(yàn)經(jīng)過(guò)GPS匹配調(diào)整后能否削弱不同區(qū)間內(nèi)協(xié)變量均值的差異，如表3所示:

表3　廣義傾向得分(GPS)的平衡條件檢驗(yàn)

GPS匹配調(diào)整之前，兩個(gè)區(qū)間的企業(yè)樣本在協(xié)變量均值上差異較大且非常顯著(內(nèi)資啞變量除外)。但是以員工培訓(xùn)強(qiáng)度內(nèi)生的情形為例，經(jīng)過(guò)GPS匹配調(diào)整后，上一期勞動(dòng)生產(chǎn)率的均值差異(絕對(duì)值)從0．607下降到0．126－0．128且不顯著;銷售收入變量的均值差異從0．451下降到0．101－0．104且不顯著;資本密集度的均值差異從0．701下降0．141－0．158且不顯著;人均工資變量和研發(fā)啞變量的均值差異則從0．257和0．149，分別下降到0．011－0．014和0－0．004，且均不再顯著;內(nèi)資啞變量的均值差異，在GPS匹配調(diào)整之后也仍然是不顯著的。此外，員工培訓(xùn)強(qiáng)度外生情形，經(jīng)過(guò)GPS匹配調(diào)整后協(xié)變量均值差異也變得不顯著了。換言之，GPS較好地滿足了平衡條件。

利用GPS數(shù)據(jù)和員工培訓(xùn)強(qiáng)度數(shù)據(jù)，可以估計(jì)出企業(yè)勞動(dòng)生產(chǎn)率的條件期望方程，即(9)式①限于篇幅(9)式的擬合回歸結(jié)果不展示，需要的可以向作者索要。，然后遍歷［0，1］區(qū)間上的101個(gè)處理強(qiáng)度值，估計(jì)出平均“劑量反應(yīng)”函數(shù)和處理效應(yīng)函數(shù)，即(10)式，結(jié)果如圖2所示(標(biāo)準(zhǔn)化的員工培訓(xùn)強(qiáng)度乘以5千元/人得到實(shí)際的處理強(qiáng)度值)。有趣的是，平均“劑量反應(yīng)”函數(shù)呈現(xiàn)出“倒N形”特征，說(shuō)明隨著員工培訓(xùn)強(qiáng)度的增加，企業(yè)的勞動(dòng)生產(chǎn)率呈現(xiàn)“下降－上升－下降”的趨勢(shì);當(dāng)不考慮員工培訓(xùn)強(qiáng)度的“自選擇效應(yīng)”時(shí)，平均“劑量反應(yīng)”函數(shù)曲線向上移動(dòng)了，說(shuō)明這種情形下會(huì)高估員工培訓(xùn)強(qiáng)度對(duì)企業(yè)效率的作用。

圖2　員工培訓(xùn)強(qiáng)度與企業(yè)生產(chǎn)率:“劑量反應(yīng)”函數(shù)(左)與處理效應(yīng)函數(shù)(右)

根據(jù)平均“劑量反應(yīng)”函數(shù)計(jì)算得到的處理效應(yīng)函數(shù)，反映了員工培訓(xùn)的不同強(qiáng)度相對(duì)于不做員工培訓(xùn)的情況而言能給企業(yè)效率帶來(lái)的因果變化。以內(nèi)生情形為例，可以發(fā)現(xiàn)處理效應(yīng)函數(shù)也呈現(xiàn)出“倒N形”特征。將員工培訓(xùn)強(qiáng)度取值范圍分割成兩部分，一部分區(qū)域員工培訓(xùn)強(qiáng)度的處理效應(yīng)為正，能夠提高企業(yè)的效率，稱為有效區(qū)域;另一部分員工培訓(xùn)強(qiáng)度的處理效應(yīng)則是負(fù)值或者接近于0，即無(wú)法提高企業(yè)的效率，稱為無(wú)效區(qū)域。存在無(wú)效區(qū)域的原因可能有兩點(diǎn):當(dāng)培訓(xùn)投入強(qiáng)度較小時(shí)，培訓(xùn)可能流于形式，員工的技能與素質(zhì)不僅得不到提升，反而出現(xiàn)了知識(shí)理解混亂;當(dāng)培訓(xùn)投入強(qiáng)度過(guò)大時(shí)，培訓(xùn)可能超出了實(shí)際需要，甚至影響到正常生產(chǎn)，為“磨洋工”提供了機(jī)會(huì)。

如表4所示，以員工培訓(xùn)內(nèi)生為例，不超過(guò)900元的人均培訓(xùn)投入或者人均培訓(xùn)費(fèi)用超過(guò)4900元，并不能夠給企業(yè)帶來(lái)效率的提升，因此是無(wú)效的員工培訓(xùn)投入;相對(duì)于不做員工培訓(xùn)，人均培訓(xùn)費(fèi)介于900－4900元之間的投入強(qiáng)度能夠提高企業(yè)效率，是有效的員工培訓(xùn)投入。但是，最優(yōu)的培訓(xùn)投入強(qiáng)度為人均3400元左右，使企業(yè)的勞動(dòng)生產(chǎn)率增加0．73①本文用人均工業(yè)增加值的自然對(duì)數(shù)值衡量勞動(dòng)生產(chǎn)率，因此，反映在人均工業(yè)增加值上是增長(zhǎng)了e0．73－1≈1．07倍左右。。而在員工培訓(xùn)外生的情形下，由于高估了員工培訓(xùn)的處理效應(yīng)，人均培訓(xùn)費(fèi)用的無(wú)效區(qū)域縮小了，有效區(qū)域增大了，但是最優(yōu)的培訓(xùn)強(qiáng)度仍然指向了3400元左右。

表4　員工培訓(xùn)強(qiáng)度的處理效應(yīng)分析

四、穩(wěn)健性檢驗(yàn)與拓展分析

(一)以TFP作為生產(chǎn)率變量的實(shí)證結(jié)果

為了檢驗(yàn)實(shí)證結(jié)論的穩(wěn)健性，本文進(jìn)一步考慮以全要素生產(chǎn)率(TFP)作為企業(yè)效率指標(biāo)，研究員工培訓(xùn)強(qiáng)度對(duì)于TFP的作用是否仍然具有前文所述的特征。模型處理的細(xì)節(jié)與第三部分一致，不再贅述。平均“劑量反應(yīng)”函數(shù)的估算結(jié)果如圖3所示:不考慮員工培訓(xùn)“自選擇效應(yīng)”的結(jié)果會(huì)高估員工培訓(xùn)對(duì)企業(yè)效率的作用;考慮內(nèi)生性，員工培訓(xùn)強(qiáng)度與TFP的關(guān)系仍然呈“倒N形”，但是初始部分遞減的趨勢(shì)比較弱，這可能是由于TFP包含了更多的信息所致;平均“劑量反應(yīng)”函數(shù)最大值所對(duì)應(yīng)的最優(yōu)員工培訓(xùn)強(qiáng)度仍然指向3400元左右。因此，我們可以發(fā)現(xiàn)以TFP作為企業(yè)效率指標(biāo)，并沒(méi)有改變基本結(jié)論，換言之，員工培訓(xùn)強(qiáng)度與企業(yè)效率的關(guān)系是穩(wěn)健的。

圖3　員工培訓(xùn)強(qiáng)度與企業(yè)生產(chǎn)率(TFP) :“劑量反應(yīng)”函數(shù)

(二)子樣本分類拓展分析

基于全部有效樣本的研究結(jié)論是比較“籠統(tǒng)”的，有可能忽視存在于不同子樣本中的結(jié)論差異，而這些差異對(duì)于企業(yè)優(yōu)化員工培訓(xùn)決策和政府相應(yīng)政策調(diào)控具有重要的價(jià)值。接下來(lái)，本文從三個(gè)角度進(jìn)行樣本分類，即按地區(qū)、所有制和行業(yè)分類，進(jìn)行拓展分析。

1．按地區(qū)劃分子樣本的實(shí)證結(jié)果。數(shù)據(jù)庫(kù)中提供了企業(yè)所屬的省份信息，根據(jù)東、中、西部的省份劃分規(guī)則①東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南;中部地區(qū)包括黑龍江、吉林、山西、安徽、江西、河南、湖北、湖南;西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆?？梢源_定每個(gè)企業(yè)所屬的地區(qū)。對(duì)每個(gè)地區(qū)的企業(yè)樣本分別估算平均“劑量反應(yīng)”函數(shù)和處理效應(yīng)函數(shù)，由于地區(qū)間企業(yè)效率的均值水平存在著差異，因此報(bào)告處理效應(yīng)函數(shù)更具有可比性，可以比較出員工培訓(xùn)強(qiáng)度變化帶來(lái)企業(yè)效率的因果變化是否會(huì)隨著地區(qū)不同而有所不同，分析結(jié)果如圖4所示。

圖4　員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù):地區(qū)差異

東部與中部地區(qū)企業(yè)的員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù)比較接近，仍然呈現(xiàn)出明顯的“倒N形”特征，但是中部地區(qū)企業(yè)人均培訓(xùn)投入的無(wú)效區(qū)域較大，低于1200元的人均培訓(xùn)投入對(duì)于企業(yè)效率的提升沒(méi)有作用，而東部地區(qū)人均培訓(xùn)投入超過(guò)800元就能夠發(fā)揮提升企業(yè)效率的作用了;東部地區(qū)企業(yè)的最優(yōu)員工培訓(xùn)強(qiáng)度是人均培訓(xùn)投入3450元，能夠讓勞動(dòng)生產(chǎn)率增加0．76，中部地區(qū)企業(yè)的最優(yōu)員工培訓(xùn)強(qiáng)度則為人均3600元，能夠讓勞動(dòng)生產(chǎn)率增加0．78。西部地區(qū)企業(yè)的員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù)與東部和中部的差異就比較大了，如表5所示，員工培訓(xùn)投入很容易見(jiàn)效，人均培訓(xùn)費(fèi)用超過(guò)500元就能帶來(lái)正向作用，但是，隨著投入的增加，正向作用很快就轉(zhuǎn)為負(fù)向的作用，人均培訓(xùn)費(fèi)超過(guò)4100元就只會(huì)拉低企業(yè)的勞動(dòng)生產(chǎn)率了;尤其重要的是，西部地區(qū)企業(yè)的員工培訓(xùn)強(qiáng)度的處理效應(yīng)遠(yuǎn)遠(yuǎn)小于東部和中部地區(qū)，以最優(yōu)投入2850元為例，只能讓勞動(dòng)生產(chǎn)率增加0．34，不足東部和中部的一半。

2．按所有制劃分子樣本的實(shí)證結(jié)果。本文分兩步來(lái)確認(rèn)企業(yè)的產(chǎn)權(quán)性質(zhì):第一步，根據(jù)企業(yè)登記注冊(cè)類型信息區(qū)分出國(guó)有企業(yè)、外資企業(yè)(包括港澳臺(tái)資)和私營(yíng)企業(yè)，以及合資、合伙和股份制企業(yè);第二步，將合資、合伙和股份制企業(yè)等按照控股產(chǎn)權(quán)區(qū)分為國(guó)有控股、外資控股和私營(yíng)控股企業(yè)②以權(quán)益資本類型中占比最高且超過(guò)25%的作為控股類型。參考:路江涌．企業(yè)出口與企業(yè)生產(chǎn)效率研究［A］;金祥榮．民營(yíng)化之路－軌跡與現(xiàn)象的理論解釋［M］．杭州:浙江大學(xué)出版社，2008。。將國(guó)有控股、外資控股和私營(yíng)控股的企業(yè)也分別納入到國(guó)有企業(yè)、外資企業(yè)和私營(yíng)企業(yè)中，構(gòu)成了三類企業(yè)樣本，分樣本計(jì)算的員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù)如圖5所示。

圖5　員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù):所有制差異

國(guó)有企業(yè)和私營(yíng)企業(yè)的員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù)仍呈現(xiàn)出“倒N形”特征，國(guó)有企業(yè)員工培訓(xùn)強(qiáng)度的有效區(qū)域是800～4600元，最優(yōu)的人均培訓(xùn)費(fèi)用為3250元;私營(yíng)企業(yè)員工培訓(xùn)強(qiáng)度的有效區(qū)域是1050～4800元，最優(yōu)的人均培訓(xùn)費(fèi)用為3400元;值得注意的是，有效區(qū)域中國(guó)有企業(yè)員工培訓(xùn)強(qiáng)度的處理效應(yīng)水平最高，這可能與國(guó)有企業(yè)效率水平值最低有關(guān)，反映出國(guó)有企業(yè)通過(guò)員工培訓(xùn)能夠有效追趕外資和私營(yíng)企業(yè)的效率水平。外資企業(yè)員工培訓(xùn)強(qiáng)度不存在無(wú)效區(qū)域，換言之，外資企業(yè)的培訓(xùn)投入都能夠發(fā)揮作用提高企業(yè)的效率，這可能與外資企業(yè)規(guī)范和高效的培訓(xùn)系統(tǒng)有關(guān);當(dāng)然，外資企業(yè)培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù)也存在著“先遞增再遞減”的趨勢(shì)，因此最優(yōu)的員工培訓(xùn)強(qiáng)度為3950元，可以將企業(yè)勞動(dòng)生產(chǎn)率提高0．69，參見(jiàn)表6。

表6　員工培訓(xùn)強(qiáng)度的處理效應(yīng)的所有制差異分析

3．按行業(yè)類型劃分子樣本的實(shí)證結(jié)果。OECD按照國(guó)際標(biāo)準(zhǔn)產(chǎn)業(yè)分類(ISIC3．0版)，根據(jù)生產(chǎn)或增加值中的研發(fā)密度(R＆D intensity)將制造業(yè)劃分為高技術(shù)行業(yè)、中高技術(shù)行業(yè)、中低技術(shù)行業(yè)以及低技術(shù)行業(yè)。文偉東等借鑒了這一做法，并結(jié)合我國(guó)企業(yè)的情況，進(jìn)一步將制造業(yè)行業(yè)分為勞動(dòng)密集型、資本密集型和技術(shù)密集型［22］。本文對(duì)三類行業(yè)的分類標(biāo)準(zhǔn)與文偉東等一致，按行業(yè)分類的子樣本實(shí)證結(jié)果如圖6所示。

可以發(fā)現(xiàn):勞動(dòng)密集型行業(yè)員工培訓(xùn)強(qiáng)度的有效區(qū)域?yàn)?00－4700元，最優(yōu)的人均培訓(xùn)投入為3250元;資本密集型行業(yè)員工培訓(xùn)強(qiáng)度的有效區(qū)域?yàn)?000－4850元，最優(yōu)的人均培訓(xùn)投入為3450元;技術(shù)密集型行業(yè)員工培訓(xùn)強(qiáng)度的有效區(qū)域?yàn)?50－4900元，最優(yōu)的人均培訓(xùn)投入為3500元。需要指出的是，員工培訓(xùn)的處理效應(yīng)在勞動(dòng)密集型行業(yè)中最小，在資本密集型行業(yè)中較大，在技術(shù)密集型行業(yè)中最大，這與直覺(jué)是一致的。勞動(dòng)力要素分別與資本要素、技術(shù)要素的互補(bǔ)作用，使得資本密集型和技術(shù)密集型行業(yè)中員工培訓(xùn)的邊際作用較大。因此，越是資本密集或者技術(shù)密集的企業(yè)越需要加大員工培訓(xùn)投入，參見(jiàn)表7。

圖6　員工培訓(xùn)強(qiáng)度的處理效應(yīng)函數(shù):行業(yè)差異

表7　員工培訓(xùn)強(qiáng)度的處理效應(yīng)的行業(yè)差異分析

五、結(jié)論與政策建議

本文圍繞探究企業(yè)生產(chǎn)率決定因素這個(gè)話題，討論了企業(yè)員工培訓(xùn)投入對(duì)于生產(chǎn)率的影響，基于2004－2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù)，運(yùn)用GPS方法檢驗(yàn)了企業(yè)員工培訓(xùn)行為對(duì)生產(chǎn)率的因果效應(yīng)，并評(píng)估了員工培訓(xùn)強(qiáng)度對(duì)生產(chǎn)率的處理效應(yīng)，研究主要發(fā)現(xiàn):滯后一期的生產(chǎn)率水平對(duì)當(dāng)期員工培訓(xùn)強(qiáng)度具有正向作用，達(dá)到0．153，這說(shuō)明高效率的企業(yè)更傾向于提高員工培訓(xùn)強(qiáng)度，因此，忽視“自選擇問(wèn)題”會(huì)高估員工培訓(xùn)對(duì)生產(chǎn)率的影響。GPS的方法可以有效地控制員工培訓(xùn)的內(nèi)生性，得到員工培訓(xùn)強(qiáng)度與生產(chǎn)率之間的“倒N形”關(guān)系，并將處理強(qiáng)度分為初始［0，0．9］、尾部［4．9，5］的無(wú)效區(qū)域與中間(0．9，4．9)的有效區(qū)域。在無(wú)效區(qū)域內(nèi)，增加人均培訓(xùn)費(fèi)用反而降低企業(yè)生產(chǎn)率;在有效區(qū)域中，3400元的人均培訓(xùn)費(fèi)用可能是潛在的最優(yōu)投入強(qiáng)度，能將生產(chǎn)率提高0．73。使用全要素生產(chǎn)率(TFP)做穩(wěn)健性檢驗(yàn)，結(jié)果表明基本結(jié)論依然成立。最后，本文從不同地區(qū)、不同所有制、不同行業(yè)類型等視角，考察子樣本情形下員工培訓(xùn)強(qiáng)度對(duì)企業(yè)生產(chǎn)率的處理效應(yīng)，從而得到更加細(xì)化和有針對(duì)性的政策建議:

首先，不同地區(qū)的處理效應(yīng)函數(shù)具有差異，員工培訓(xùn)投入需要因地制宜，不能犯“一刀切”的錯(cuò)誤。雖然研究結(jié)論支持東部、中部、西部企業(yè)的員工培訓(xùn)強(qiáng)度與生產(chǎn)率存在“倒N形”的特征，但是明顯的，西部地區(qū)在初始階段的無(wú)效區(qū)域十分小，只要給予員工人均超過(guò)500元的培訓(xùn)投入就能提升企業(yè)效率，而當(dāng)投入超過(guò)4100元時(shí)就會(huì)拉低企業(yè)生產(chǎn)率;中東部則正好相反，初始階段的無(wú)效區(qū)域更長(zhǎng)，而尾部的無(wú)效區(qū)域幾乎不存在。另外，當(dāng)培訓(xùn)能夠給企業(yè)帶來(lái)生產(chǎn)率提升時(shí)，中東部的平均提升水平也是顯著高于西部的。造成以上現(xiàn)象的原因很可能和西部地區(qū)的產(chǎn)業(yè)發(fā)展水平有關(guān)，由于企業(yè)效率起點(diǎn)低，只需一定量的培訓(xùn)強(qiáng)度就能給企業(yè)帶來(lái)好處，而相對(duì)落后的產(chǎn)能桎梏了生產(chǎn)力水平的進(jìn)一步提升;對(duì)于產(chǎn)業(yè)科技含量高的中東部地區(qū)來(lái)說(shuō)，要想通過(guò)培訓(xùn)員工帶來(lái)效率提升，必須跨越相對(duì)較大的初始無(wú)效區(qū)域。

其次，國(guó)有企業(yè)在人力資源管理方面應(yīng)該多向外資企業(yè)學(xué)習(xí)?？傮w而言，國(guó)有企業(yè)通過(guò)員工培訓(xùn)投入，呈現(xiàn)出了對(duì)外資和私營(yíng)企業(yè)效率的“追趕”。但是，仍然需要反思我們的招聘體系、職業(yè)技能教育。當(dāng)前的“用工荒”不是因?yàn)閯趧?dòng)力“量上的荒”，而是勞動(dòng)力“質(zhì)上的荒”，企業(yè)招不到適應(yīng)崗位要求的員工，浪費(fèi)了大量的前期投入。國(guó)家職業(yè)教育缺失，造成技能層面的工人緊張，再加上私營(yíng)企業(yè)混亂的招聘，國(guó)企員工的世代襲任現(xiàn)象存在，最終在這些企業(yè)內(nèi)的員工素質(zhì)良莠不齊，很難在管理培訓(xùn)上獲得持續(xù)的回報(bào)。而外資企業(yè)子樣本的處理效應(yīng)函數(shù)不存在無(wú)效區(qū)域，也就是說(shuō)只要有投入，就會(huì)有效果，這和國(guó)有、私營(yíng)企業(yè)形成鮮明對(duì)比。國(guó)企改革的下一步需要引入嚴(yán)密的“招聘－實(shí)習(xí)－培訓(xùn)系統(tǒng)”，可以有效地減少信息不對(duì)稱造成的成本浪費(fèi)，為生產(chǎn)率的提升帶來(lái)更好的效果。

最后，對(duì)于中國(guó)經(jīng)濟(jì)“新常態(tài)”的今天，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)產(chǎn)業(yè)優(yōu)化升級(jí)顯得尤為重要。研究結(jié)論表明，即使增加勞動(dòng)密集型產(chǎn)業(yè)的員工培訓(xùn)費(fèi)用，效果也不理想，技術(shù)密集型產(chǎn)業(yè)的效果最好?？梢?jiàn)，單純依靠勞動(dòng)力本身的低端制造產(chǎn)業(yè)，過(guò)去經(jīng)濟(jì)高速增長(zhǎng)階段，發(fā)揮主導(dǎo)的低成本勞動(dòng)驅(qū)動(dòng)、高投資驅(qū)動(dòng)的產(chǎn)業(yè)正受限于產(chǎn)業(yè)生產(chǎn)力進(jìn)一步提升。因此，當(dāng)經(jīng)濟(jì)面臨中高速增長(zhǎng)時(shí)，必尋轉(zhuǎn)向更加依賴創(chuàng)新驅(qū)動(dòng)主導(dǎo)的技術(shù)革新。然而，創(chuàng)新的關(guān)鍵在于人，加大這類產(chǎn)業(yè)員工的培訓(xùn)費(fèi)用，能夠釋放出他們的創(chuàng)新潛能，發(fā)揮出員工培訓(xùn)最本質(zhì)的“學(xué)習(xí)效應(yīng)”。促進(jìn)產(chǎn)業(yè)自身發(fā)展向中高端邁進(jìn)，勞動(dòng)、資本密集型的產(chǎn)業(yè)向技術(shù)密集型轉(zhuǎn)變，淘汰落后產(chǎn)能、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，都必須有龐大的高素質(zhì)產(chǎn)業(yè)工人為依托。

參考文獻(xiàn):

［1］簡(jiǎn)澤，張濤，伏玉林．進(jìn)口自由化、競(jìng)爭(zhēng)與本土企業(yè)的全要素生產(chǎn)率——基于中國(guó)加入WTO的一個(gè)自然實(shí)驗(yàn)［J］．經(jīng)濟(jì)研究，2014 (8) : 120－132．

［2］包群，葉寧華，邵敏．出口學(xué)習(xí)、異質(zhì)性匹配與企業(yè)生產(chǎn)率的動(dòng)態(tài)變化［J］．世界經(jīng)濟(jì)，2012 (4) : 26－48．

［3］周亞虹，賀小丹，沈姚．中國(guó)工業(yè)企業(yè)自主創(chuàng)新的影響因素和產(chǎn)出績(jī)效研究［J］．經(jīng)濟(jì)研究，2012(5) : 107－119．

［4］胡一帆，宋敏，鄭紅亮．所有制結(jié)構(gòu)改革對(duì)中國(guó)企業(yè)績(jī)效的影響［J］．中國(guó)社會(huì)科學(xué)，2006 (4) : 50－64．

［5］Becker G．Investment in human capital: A theoretical analysis［J］．Journal of Political Economy，1962，70(5) : 9－49．

［6］Dearden L，Reed H，Van R J．The impact of training on productivity and wages: Evidence from British panel data ［J］．Oxford Bulletin of Economics and Statistics，2006，68 (4) : 397－421．

［7］Almeida R，Carneiro P．The return to firm investments in human capital［J］．Labor Economics，2009，16: 97－106．

［8］Andries G，Sauermann J．The effects of training on own and co－worker productivity: Evidence from a field experiment［J］．Economic Journal，2012，122(May) : 376－399．

［9］湯二子，孫振．企業(yè)研發(fā)和培訓(xùn)投入對(duì)產(chǎn)出與生產(chǎn)率的影響研究［J］．科學(xué)學(xué)與科學(xué)技術(shù)管理，2012，33 (11) : 143－149．

［10］孔東民，龐立讓．研發(fā)投入對(duì)生產(chǎn)率提升的滯后效應(yīng):來(lái)自工業(yè)企業(yè)的微觀證據(jù)［J］．產(chǎn)業(yè)經(jīng)濟(jì)研究，2014(6) : 69－80．

［11］吳萬(wàn)宗，湯學(xué)良．員工培訓(xùn)的動(dòng)態(tài)變化與企業(yè)績(jī)效［R］．上海財(cái)經(jīng)大學(xué)，工作論文，2014．

［12］Holtman A，Idson T．Employer size and on－the－job training decision［J］．Southern Economic Journal，1991，58(2) : 339－355．

［13］馬雙，甘犁．最低工資對(duì)企業(yè)在職培訓(xùn)的影響分析［J］．經(jīng)濟(jì)學(xué)(季刊)，2013，13(1) : 1－26．

［14］Rosenbaum P R，Rubin D B．The central role of the propensity score in observational studies for causal effects［J］．Biometrika，1983，70(1) : 41－45．

［15］Imbens G W．The role of the propensity score in estimation dose－response functions［J］．Biometika，2000，7 (3) : 706－710．

［16］Hirano K，Imbens G W．The propensity score with continuous treatment［A］．A Gelman，Meng X L．In applies Bayesian modeling and causal inference from incomplete－data perspectives［C］．West Sussex，England: Wiley Inter Science，2004．73－84．

［17］Papke L E，Wooldridge J M．Economic methods for fractional response variables with an application to 401 (K) plan participation rates［J］．Journal of Applied Econometrics，1996，11(4) : 619－632．

［18］Cai Hongbin，Liu Qiao．Competition and corporate tax avoidance: Evidence from Chinese industrial firms［J］．Economic Journal，2009，119(Apr) : 764－795．

［19］Brandt L，Van Biesebroeck J，Zhang Yifan．Creative accounting or creative destruction? Firm－level productivity growth in Chinese manufacturing［J］．Journal of Development Economics，2012，97(2) : 339－351．

［20］Olley S，Pakes A．The dynamics of productivity in the telecommunications equipment industry［J］．Econometrica，1996．64(6) : 1263－1297．

［21］G?rg H E，Strobl E，Walsh F．Why do foreign－owned firms pay more? The role of on－the－job training［J］．Review of World Economics，2007，143: 464－482．

［22］文東偉，冼國(guó)明，馬靜．FDI、產(chǎn)業(yè)結(jié)構(gòu)變遷與中國(guó)的出口競(jìng)爭(zhēng)力［J］．管理世界，2009(4) : 96－107．

責(zé)任編輯、校對(duì):李斌泉

作者簡(jiǎn)介:湯學(xué)良(1986－)，江蘇省淮安市人，上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向:應(yīng)用微觀計(jì)量與企業(yè)效率問(wèn)題;吳萬(wàn)宗(1986－)，江蘇省揚(yáng)州市人，上海財(cái)經(jīng)大學(xué)國(guó)際工商管理學(xué)院博士研究生，研究方向:產(chǎn)業(yè)組織理論、產(chǎn)業(yè)發(fā)展與收入不平等;宗大偉(1981－)，江蘇省常熟市人，常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院講師，上海財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向:實(shí)證國(guó)際貿(mào)易。

基金項(xiàng)目:上海財(cái)經(jīng)大學(xué)研究生創(chuàng)新基金項(xiàng)目(CXJJ－2015－328)。

收稿日期:2015－07－04

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1002－2848－2016(01)－0097－11