□彭 俊

｜背景與目標問題的提出

（一）問題的提出

最新的第七次全國人口普查（下文簡稱“七人普”）數(shù)據(jù)顯示，上海15-59 歲勞動適齡人口比重進一步下降。2012 年起，我國勞動年齡人口的數(shù)量和比重就開始出現(xiàn)“雙降”，至2018 年末全國就業(yè)人口總量也首次出現(xiàn)下降，上海受益于不斷涌入的年輕外來常住人口，勞動年齡人口總量和比重的變化趨勢稍晚于全國，在2010 年達到頂峰的76.3%比重后，開始呈現(xiàn)逐漸下降的趨勢。2020 年，上海15-59 歲勞動適齡人口1662 萬人，仍然比較充沛，但未來的減少趨勢不可避免，依靠人口紅利推動經(jīng)濟增長的時代逐漸過去，即人口紅利的時間窗口正在逐步關閉，下一步必須向人才素質(zhì)、勞動力結(jié)構(gòu)優(yōu)勢轉(zhuǎn)變，即依靠人才紅利推動經(jīng)濟高質(zhì)量發(fā)展。

（二）目標

本文的主要目標是研究上海就業(yè)人口中的人才紅利對經(jīng)濟增長的影響效應，通過建模來挖掘驗證人才紅利對經(jīng)濟產(chǎn)出效率的影響方式、影響結(jié)構(gòu)與空間效應有何特征，以此為上海更好利用人力資本紅利促進經(jīng)濟轉(zhuǎn)型發(fā)展提供政策與建議。因此，我們充分發(fā)揮“七人普”與第四次經(jīng)濟普查（下文簡稱“四經(jīng)普”）數(shù)據(jù)作用，為本課題設定了一個相對數(shù)據(jù)可獲得、可復制的“人才”定義：15 周歲及以上的就業(yè)人口①①就業(yè)人口是指“一周內(nèi)為取得收入而工作了一小時以上”或“在職休假、在職學習培訓、臨時停工（保留工資）”人員。中或者職業(yè)為“黨的機關、國家機關、群眾團體和社會組織、企事業(yè)單位負責人”或“專業(yè)技術(shù)人員”，或者受教育程度為大專及以上的人口，將該類“人口占就業(yè)人口的比重”作為本文探索人才對經(jīng)濟效率影響評價建模的指標基礎。

｜上海市人才現(xiàn)狀分析

（一）就業(yè)人口中的人才比重為53.7%

“七人普”長表抽樣數(shù)據(jù)顯示，就業(yè)人口中的人才比重為53.7%，比2010 年提高了19.5 個百分點，其中，戶籍常住人口的該比重為56.8%，外來常住人口該比重為43.2%。

（二）人才的平均年齡為35.4 歲

人才的平均年齡為35.4 歲，比2010 年提高1.3 歲，比就業(yè)人口的平均年齡低2.7 歲。其中，戶籍人才的平均年齡為38 歲，比外省市來滬人才的平均年齡高6 歲。

（三）金融、科研、教育和信息行業(yè)集聚

分行業(yè)看，人才占就業(yè)人口的比重較高的行業(yè)是金融業(yè)，教育，科學研究和技術(shù)服務業(yè)和信息傳輸、軟件和信息技術(shù)服務業(yè)，其比重分別為 91.4%，88.2%，88.2% 和86.8%。與2010 年相比，金融業(yè)就業(yè)人口中人才的比重均位居行業(yè)之首，比重略減0.2 個百分點。

（四）人才相對集中于“專業(yè)技術(shù)人員”

分職業(yè)看，上海專業(yè)技術(shù)人員占人才的比重為38.6%，位居職業(yè)前列，比2010 年下降5.3 個百分點；社會生產(chǎn)服務和生活服務人員所占比重提升最快，從2010 年的15.0%提高到32.8%，提高了17.8個百分點。

｜人才紅利對經(jīng)濟效率的影響效應測度

相對于勞動力要素，人才要素對經(jīng)濟效率的影響可能更為復雜，因此本文分別從中介、門限與經(jīng)濟空間三個維度來測度人才紅利對經(jīng)濟效率的影響效應。主要使用“七人普”和“四經(jīng)普”數(shù)據(jù)，包括人才占比、勞動生產(chǎn)率、資產(chǎn)貢獻率、信息化投入強度、綜合技術(shù)效率等五項分行業(yè)大類①①“農(nóng)林牧漁業(yè)”“采礦業(yè)”“煙草制品業(yè)”“公共管理、社會保障和社會組織”“國際組織”暫不納入測算。的統(tǒng)計指標。人才占比=受教育程度為大學及以上或職業(yè)為單位負責人、專業(yè)技術(shù)人員/就業(yè)人口總數(shù)，勞動生產(chǎn)率=總產(chǎn)出②為保持二產(chǎn)和三產(chǎn)、“四上”和“四下”測算口徑一致，行業(yè)總產(chǎn)出按營業(yè)收入-營業(yè)成本+稅金及附加進行測算。/從業(yè)人員平均人數(shù)，資產(chǎn)貢獻率=總產(chǎn)出/資產(chǎn)總計，信息化投入強度③由于該指標無“四下”數(shù)據(jù)，故僅測算“四上”部分。=信息化投入/營業(yè)收入，綜合技術(shù)效率選擇EBM-超效率模型進行測算，投入指標為勞動力要素和資本要素，產(chǎn)出指標為總產(chǎn)出。（表1）

表1 人才紅利對經(jīng)濟效率影響的建模指標數(shù)據(jù)示例

（一）人才紅利對經(jīng)濟效率影響的中介效應測度——影響方式能夠復合、影響程度能夠疊加

1.人才紅利對經(jīng)濟效率影響的中介效應測度方法。結(jié)構(gòu)方程模型是基于協(xié)方差矩陣分析多個原因和結(jié)果間關系的多元統(tǒng)計方法，本部分使用包含中介效應的結(jié)構(gòu)方程模型分析人才紅利對經(jīng)濟效率的中介效應。

包含中介效應的結(jié)構(gòu)方程模型的表達為:

式中，yt為被解釋變量，xt為解釋變量，mt為中介變量，at′為直接效應，βtγt為間接效應，at為總效應，εit為誤差項。a 代表自變量X作用于中介變量M 的效應，c' 代表考慮或控制中介變量M 后，自變量X 作用于因變量Y 的效應。

2.人才紅利對經(jīng)濟效率影響的中介效應測度結(jié)論。設定模型的被解釋變量為綜合技術(shù)效率，解釋變量為人才占比，中介變量為勞動生產(chǎn)率、資產(chǎn)貢獻率、信息化投入強度。求解軟件為AMOS 24，設置1000 次Bootstrap 自抽樣檢驗中介效應，并輸出結(jié)果（圖1）。

圖1 結(jié)構(gòu)方程模型參數(shù)估計標準化結(jié)果

（1）模型整體擬合效果較為理想?？ǚ浇y(tǒng)計量伴隨概率為0.301＞0.05，說明假設模型的變量關系矩陣與實際數(shù)據(jù)的變量關系矩陣不存在顯著差異，假設模型能夠獲得實際數(shù)據(jù)的支持。其他絕對、增值、綜合擬合度指標同樣顯示模型整體擬合較為理想（表2、表3、表4）。

表2 結(jié)構(gòu)方程模型絕對擬合度評價指標

表3 結(jié)構(gòu)方程模型增值擬合度評價指標

表4 結(jié)構(gòu)方程模型綜合擬合度評價指標

（2）人才要素對經(jīng)濟效率的影響方式具有復合性。影響方式能夠符合是指人才要素對經(jīng)濟效率既能產(chǎn)生顯著的直接效應，也能產(chǎn)生顯著的間接效應。一方面，“人才占比”對“綜合技術(shù)效率”直接效應的標準化有偏校正置信區(qū)間不包括0，顯著性檢驗伴隨概率為0.066，說明具有90%置信水平下顯著的直接影響。另一方面，“人才占比”對“綜合技術(shù)效率”間接效應的標準化有偏校正置信區(qū)間不包括0，顯著性檢驗伴隨概率為0.001，說明具有95%置信水平下顯著的間接影響。

（3）人才要素對經(jīng)濟效率的影響程度具有疊加性。影響程度能夠疊加是指人才要素對經(jīng)濟效率產(chǎn)生的直接效應和間接效應的系數(shù)估計均為正值，并非一正一負?！叭瞬耪急取睂Α熬C合技術(shù)效率”總效應的系數(shù)估計為0.808。其中，直接效應（即“人才占比-＞綜合技術(shù)效率”）的系數(shù)估計為0.407，間接效應（即“人才占比-＞M”דM-＞綜合技術(shù)效率”）的系數(shù)估計為0.401（表5）。結(jié)果說明人才要素既能夠直接促進經(jīng)濟效率的提高，且人才要素的聚集程度越高對經(jīng)濟效率的直接拉動作用越強，也能夠先提高勞動力、資本、信息化等生產(chǎn)要素的使用效率，再進一步地促進經(jīng)濟效率的提高，且人才要素的聚集程度越高對經(jīng)濟效率的間接拉動作用同樣越強。

表5 結(jié)構(gòu)方程模型系數(shù)估計

（二）人才紅利對經(jīng)濟效率影響的門限效應測度——能夠優(yōu)化生產(chǎn)要素的影響結(jié)構(gòu)

1.人才紅利對經(jīng)濟效率影響的門限效應測度方法。門限回歸模型用于描述復雜隨機系統(tǒng)，核心思想在于捕獲門限變量可能發(fā)生跳躍的臨界點，在該點處模型系數(shù)發(fā)生改變，從而更能解釋非線性的經(jīng)濟現(xiàn)象，本部分使用截面門限回歸模型分析人才紅利對經(jīng)濟效率的門限效應。

門限回歸模型的主要分析流程是，第一步對所有門限值求其殘差平方和，將殘差平方和最小值對應的門限值記為θ，第二步使用門限值θ 估計模型在不同區(qū)間的系數(shù)。單一截面門限回歸模型的表達式為y=β1xI (q ≤γ) +β2xI (q ＞γ) +ε，式中，y 表示被解釋變量，x 表示解釋變量，I (·) 表示定義的指示函數(shù)，當q≤γ 時，門限回歸的系數(shù)為β1，當q＞γ 時，門限回歸的系數(shù)為β2，ε 為誤差項。

2.人才紅利對經(jīng)濟效率影響的門限效應測度結(jié)論。設定模型的被解釋變量為綜合技術(shù)效率，解釋變量為勞動生產(chǎn)率、資產(chǎn)貢獻率、信息化投入強度，門限變量為人才占比。求解軟件為Stata 16，設置1000次Bootstrap 自抽樣檢驗門限效應。

（1）模型整體擬合效果較為理想。門限效應的LM 檢驗統(tǒng)計量為4.112，伴隨概率為0.972＞0.05，故拒絕原假設（不存在單一門限）。多元線性回歸模型的R2=0.734，門限回歸模型的Joint R2=0.900，門限變量的臨界點q=0.572，門限回歸模型相對于多元線性回歸模型擬合效果更為良好。

（2）人才要素集聚程度較低的行業(yè)主要依靠傳統(tǒng)生產(chǎn)要素提高經(jīng)濟效率。模型在門限變量臨界點左側(cè)的“勞動生產(chǎn)率”系數(shù)估計為0.00049，“資產(chǎn)貢獻率”為3.437，分別大于臨界點右側(cè)的0.00005 和1.811，說明當人才聚集程度較低時，勞動力、資本等傳統(tǒng)生產(chǎn)要素對經(jīng)濟效率的影響程度相對較大。對于這些行業(yè)而言，政府部門可以側(cè)重引導其充分挖掘傳統(tǒng)生產(chǎn)要素的使用潛能來提高經(jīng)濟效率。

（3）人才要素集聚程度較高的行業(yè)主要依靠新興生產(chǎn)要素提高經(jīng)濟效率。模型在門限變量臨界點右側(cè)的“信息化投入強度”系數(shù)估計為1.176，大于臨界點左側(cè)的0.489，說明當人才要素的聚集程度較高時，信息化、數(shù)字化等新興生產(chǎn)要素對經(jīng)濟效率的影響程度相對較大。對于這些行業(yè)而言，政府部門可以側(cè)重引導其充分發(fā)揮新興生產(chǎn)要素的使用潛能來提高經(jīng)濟效率（表6）。

表6 截面門限回歸模型系數(shù)估計

（三）人才紅利對經(jīng)濟效率影響的經(jīng)濟空間效應測度——能夠通過溢出效應擴大影響范圍

1.人才紅利對經(jīng)濟效率影響的經(jīng)濟空間效應測度方法。根據(jù)地理學第一定律（Waldo Tobler，1970）“地物之間的相關性與距離有關”可知，同一重大突發(fā)事件對不同區(qū)域企業(yè)要素效率的影響可能存在空間相關性，本部分使用空間計量模型分析人才紅利對經(jīng)濟效率的經(jīng)濟空間效應。

通用嵌套空間模型 GNSM（Allers and Elhorst，2005）為y=ρWy+Xβ+WXθ+μ，μ=λWμ+ε。其中，y 表示被解釋變量，X表示解釋變量，W表示空間權(quán)重矩陣，μ 表示隨機干擾項，ρ 表示空間自回歸系數(shù)，λ 表示空間自相關系數(shù)，Wy 表示被解釋變量間的內(nèi)生交互效應，WX 表示解釋變量間的外生交互效應，Wμ表示隨機干擾項間的交互效應。

2.人才紅利對經(jīng)濟效率影響的經(jīng)濟空間效應模型選擇

設定模型的被解釋變量為綜合技術(shù)效率，解釋變量為勞動生產(chǎn)率、資產(chǎn)貢獻率、信息化投入強度、人才占比。求解軟件為MATLAB 2021b，估計方法選擇兩階段最小二乘法。

第一步，空間權(quán)重矩陣設計。第一個候選空間權(quán)重矩陣為完全消耗系數(shù)矩陣w1，基于上海市投入產(chǎn)出調(diào)查的部門完全消耗系數(shù)構(gòu)造。第二個候選空間權(quán)重矩陣為經(jīng)濟效率反距離矩陣w2，d 表示樣本i 和j 樣本間綜合技術(shù)效率之差的絕對值，k 表示衰減系數(shù)（本文設定為1）。

第二步，全局空間自相關檢驗。分別使用莫蘭指數(shù)I 和吉爾里指數(shù)C 對行標準化后的候選空間權(quán)重矩陣進行雙邊全局空間自相關檢驗。由檢驗結(jié)果（表7、表8）可知，w2 通過了95%置信水平下的兩項全局空間自相關檢驗，故選擇w2 為模型的空間權(quán)重矩陣。

表7 候選空間權(quán)重矩陣的莫蘭指數(shù)I 全局空間自相關檢驗

表8 候選空間權(quán)重矩陣的吉爾里指數(shù)C 全局空間自相關檢驗

第三步，最優(yōu)空間全局模型選擇。使用w2 為空間權(quán)重矩陣，對樣本集依次進行NSM、SAR、SEM和SDM 模型擬合，并進行LM、LR、Wald 檢驗。根據(jù)擬合和檢驗結(jié)果，確定選擇SDM 模型為最優(yōu)空間全局模型。

3.人才紅利對經(jīng)濟效率影響的經(jīng)濟空間效應測度結(jié)論

（1）人才要素對經(jīng)濟效率具有顯著的經(jīng)濟空間溢出效應。本行業(yè)“人才占比”對本行業(yè)“綜合技術(shù)效率”的系數(shù)估計為0.416，且通過了99%置信水平下的顯著性檢驗。同時，鄰近行業(yè)“人才占比”對本行業(yè)“綜合技術(shù)效率”的系數(shù)估計為0.456，且通過了95%置信水平下的顯著性檢驗。結(jié)果說明人才要素的聚集程度越高不僅越能拉動本行業(yè)的經(jīng)濟效率，而且還能將這種影響延伸到經(jīng)濟效率與其相近的行業(yè)，促進這些行業(yè)經(jīng)濟效率的提高。

（2）人才要素對經(jīng)濟效率的經(jīng)濟空間溢出效應仍存在增強空間。本行業(yè)“人才占比”對本行業(yè)“綜合技術(shù)效率”的系數(shù)估計為0.4157，低于“資產(chǎn)貢獻率”的1.3153；鄰近行業(yè)“人才占比”對本行業(yè)“綜合技術(shù)效率”的系數(shù)估計為0.4557，同樣低于“資產(chǎn)貢獻率”的2.3722。結(jié)果說明，雖然人才要素的聚集程度越高不僅越能拉動本行業(yè)的經(jīng)濟效率，還能促進鄰近行業(yè)經(jīng)濟效率的提高，但從兩類效應的影響程度看還均都低于資本要素。也就是說，人才紅利對經(jīng)濟高質(zhì)量發(fā)展的助推和驅(qū)動作用已較為有力，但仍有進一步增強的空間（表9）。

表9 SDM 參數(shù)β 和θ 估計結(jié)果

（四）測度模型小結(jié)

本文分別從中介、門限與經(jīng)濟空間測度了人才紅利對經(jīng)濟效率的影響效應，主要得到了三方面的研究結(jié)論，可用“三個能夠”概括。一是人才要素能夠復合對經(jīng)濟效率的影響方式、疊加對經(jīng)濟效率的影響程度，人才聚集程度越高既能夠直接拉動經(jīng)濟效率，也能夠先改善其他生產(chǎn)要素的使用效率再間接地進一步拉動經(jīng)濟效率。二是人才要素能夠優(yōu)化生產(chǎn)要素對經(jīng)濟效率的影響結(jié)構(gòu)，當人才聚集程度較低時勞動力、資本等傳統(tǒng)生產(chǎn)要素對經(jīng)濟效率的拉動作用較為明顯，當人才聚集程度較高時更能激發(fā)信息化、數(shù)字化等新興生產(chǎn)要素對經(jīng)濟效率的拉動作用。三是人才要素能夠通過溢出效應擴大對經(jīng)濟效率的影響范圍，人才聚集程度越高不僅越能夠拉動本行業(yè)的經(jīng)濟效率，還能夠?qū)⑦@種影響延伸到鄰近行業(yè)，促進鄰近行業(yè)經(jīng)濟效率的提高。

｜政策建議

（一）創(chuàng)新人才體制機制，積極打造上海人才高地

本文建模結(jié)果表明，人才要素既能夠直接促進經(jīng)濟效率的提高，且人才要素的聚集程度越高對經(jīng)濟效率的直接拉動作用越強，也能夠通過提高勞動力、資本、信息化等生產(chǎn)要素的使用效率促進經(jīng)濟效率的提高，且人才要素的聚集程度越高對經(jīng)濟效率的間接拉動作用同樣越強。因此，上海要進一步創(chuàng)新人才體制機制，著力優(yōu)化人才發(fā)展環(huán)境，加大國際化和創(chuàng)新型人才的培養(yǎng)和引進力度，積極打造上海人才高地，推動經(jīng)濟高質(zhì)量發(fā)展。

只有建立合適的人才選拔機制和人才激勵機制，才能更快地釋放人才紅利，讓更多“千里馬”奔騰于新時代，為上海經(jīng)濟增長提供不竭動力。要打破束縛人才的制度羈絆，優(yōu)化落戶政策，讓創(chuàng)新血液在全社會自由流動，讓創(chuàng)造活動擁有更廣闊空間。積極推廣分類推進人才評價機制改革成果，擴大惠及面。積極推廣集成電路、人工智能和生物醫(yī)藥等戰(zhàn)略性新興產(chǎn)業(yè)領域由領軍企業(yè)等牽頭制定人才評價標準的先進做法。

（二）積極培育數(shù)字化人才，奮力創(chuàng)造新時代上海發(fā)展新奇跡

建模結(jié)果表明，當人才要素的聚集程度較低時，勞動力、資本等傳統(tǒng)生產(chǎn)要素對經(jīng)濟效率的影響程度相對較大。當人才要素的聚集程度較高時，信息化、數(shù)字化等新興生產(chǎn)要素對經(jīng)濟效率的影響程度相對較大。因此，對于人才集聚程度比較低的行業(yè)，政府部門可以側(cè)重引導其充分挖掘傳統(tǒng)生產(chǎn)要素的使用潛能來提高經(jīng)濟效率；對于人才集聚程度比較高的行業(yè)，政府部門可以側(cè)重引導其充分發(fā)揮新興生產(chǎn)要素的使用潛能來提高經(jīng)濟效率。

（三）抓住關鍵行業(yè)“牛鼻子”，推動上海經(jīng)濟高質(zhì)量發(fā)展

建模的結(jié)果提示人才要素的聚集程度越高不僅越能夠拉動本行業(yè)的經(jīng)濟效率，而且還能將這種影響延伸到技術(shù)效率與其相近的行業(yè)，促進這些鄰近行業(yè)經(jīng)濟效率的提高。以“軟件和信息技術(shù)服務業(yè)”為例，與其技術(shù)效率較為相近的行業(yè)包括“教育”“研究和試驗發(fā)展”“新聞和出版業(yè)”“電信、廣播電視和衛(wèi)星傳輸服務”等。如果“軟件和信息技術(shù)服務業(yè)”的人才聚集程度提高，除了會拉動本行業(yè)的經(jīng)濟效率外，還會促進上述這些鄰近行業(yè)經(jīng)濟效率的提高。因此，上海要抓住關鍵行業(yè)“牛鼻子”，擴大關鍵行業(yè)的帶動效應，推動經(jīng)濟高質(zhì)量發(fā)展。