許巖曾國平尹希果

（1．重慶大學經濟與工商管理學院 重慶 400030）

（2．重慶大學公共管理學院 重慶 400030）

中國城市人力資本外部性的收入階層分布*

許巖1曾國平2尹希果1

（1．重慶大學經濟與工商管理學院 重慶 400030）

（2．重慶大學公共管理學院 重慶 400030）

在推進以人為核心的新型城市化進程中，如何使各階層勞動者能“包容式”地從人力資本集聚的外部性紅利中獲益是一個既影響效率又關乎公平的重要問題。文章利用CHIP2013的城市居民調查數(shù)據，考察了中國城市人力資本外部效應在不同收入階層的分布情況。研究發(fā)現(xiàn)：即使在控制了城市規(guī)模效應的條件下，仍然可以觀測到顯著的城市人力資本外部效應。平均來看，城市人力資本水平每提高1%，勞動者的月工資將上漲0.094%～0.148%。但工具變量分位數(shù)回歸顯示，這種工資溢價效應并不是線性的，城市人力資本外部性并有沒有均衡地使各個收入階層受益，而是在不同的收入群體間表現(xiàn)出了巨大的結構性分化，工資水平越高的群體，受人力資本的外部性影響越強。而勞動者在學習能力、工作行業(yè)上的差異，以及制度壁壘所形成的勞動市場分割都是造成人力資本外部效應出現(xiàn)收入階層分化的重要誘因。

人力資本 外部效應 階層分布 工資溢價

一、引言

人力資本對經濟發(fā)展的重要作用很大程度體現(xiàn)在人力資本的外部性上，城市經濟學將人力資本的外部性看作是城市集聚及城市高生產力的重要原因（Lucas，2001；Duranton，2004）。但是長期以來，有關城市人力資本外部性的經驗性研究與其傳統(tǒng)的邏輯重要性很不相稱。雖然，近年來對人力資本外部效應的實證檢驗取得了較大的進展，部分經驗性研究確實捕捉到了城市人力資本外部性存在的證據（Acemoglu和Angrist，2000；Moretti，2004a；Liu，2007；Glaeser和Lu，2013）。但是，在一些基礎性問題上，目前的研究成果還遠非細致。已有研究主要考察了城市人力資本外部性的平均效應，卻忽視了不同勞動力之間的潛在差異。雖然理論上，城市人力資本外部效應的形成可以簡明地歸納為不同勞動者對知識、技能、經驗的共享與學習。但事實上，人力資本外部效應的形成是一個非常復雜的過程。勞動者的個人特質、行業(yè)特征都可能會影響到人力資本的知識溢出（Combes和Duranton，2008；Chang等，2016）。而勞動力市場上制度安排的差異也會進一步影響到人力資本外部效應的形成（Liu，2014）。因此，考慮到以上因素，城市人力資本外部效應在不同勞動群體間的分布很可能是有結構性差異的。但遺憾的是，到目前為止，理論界并沒有對這種可能存在的結構分化給予足夠的關注。

而針對城市人力資本外部效應及其異質性分布的探索，對于中國經濟來說有著更為重要的現(xiàn)實意義。目前，中國正處在努力推進以人為核心的新型城鎮(zhèn)化的重要歷史階段，城市人口以及人力資本的加速集聚將是未來城市發(fā)展的主旋律。在這一過程中，如何充分發(fā)揮人的作用、實現(xiàn)人的價值，如何實現(xiàn)城市經濟的“包容式發(fā)展”，使城市發(fā)展的成果為廣大城市居民所共享，是一個既影響效率又關乎公平的重要命題。而作為推動城市發(fā)展、塑造城市經濟結構的一股基礎性力量，人力資本的外部效應無疑將影響到每一位城市勞動者的價值創(chuàng)造效率以及其分享城市發(fā)展成果的能力。在城市人力資本外部性及其對不同勞動群體的異質性影響沒有被適當評估的前提下,任何旨在強調人力資本集聚及其外部性福利后果的政策,都將很可能帶來不確定的政策效應。如果我們從歷史的維度回顧中國的城市化進程則會憂心地發(fā)現(xiàn)，種種跡象表明，中國的城市化紅利并沒有均衡地被各收入階層的勞動者所共享（高虹，2014）。即使在城鎮(zhèn)高收入群體的收入很可能被低估的情況下，城鎮(zhèn)內部的收入差距仍然表現(xiàn)出持續(xù)擴大的趨勢，且城鎮(zhèn)內部的收入差距對城鄉(xiāng)居民總收入差距的貢獻日益增大（呂世斌，2016）。

這就迫使我們必須對以下幾個關鍵的問題進行思考：（1）在經歷了高校擴招及十多年的高速城鎮(zhèn)化之后，中國城市有沒有形成顯著的人力資本外部效應？（2）中國城市人力資本外部效應對不同勞動群體的影響是否是同質的？有沒有“普惠”式地使不同收入階層的勞動者受益？（3）如果人力資本外部效應在不同勞動群體間存在著結構性的差異，那么引發(fā)這種差異的原因又是什么？因此，本文將嘗試通過對中國城市人力資本外部效應及其在不同收入群體間分布結構的考察來回答以上問題。關于這些問題的答案，不僅有助于從人力資本的角度進一步挖掘促進中國城市發(fā)展的潛在動力，也將有助于全面理解城市化進程中市民內部收入差距持續(xù)擴大的成因，并為彌合這種差距提供重要的政策啟示。

與以往的文獻相比，本文的貢獻主要體現(xiàn)在以下三個方面：（1）利用中國家庭收入調查（CHIP）2013年的城鎮(zhèn)調查數(shù)據，在控制了勞動者個人特質、城市特征的條件下，通過工具變量回歸實證檢驗了中國城市人力資本外部性的平均效應。（2）在非線性條件下，通過工具變量分位數(shù)回歸進一步考察了人力資本外部效應在不同收入群體間的異質性分布，揭示了人力資本外部效應在中國城市不同收入群體間的分布規(guī)律。（3）從個人學習能力、行業(yè)特征與城市勞動市場的制度性分割三個方面分析了人力資本外部效應在不同收入階層出現(xiàn)結構性分化的原因。

二、估計策略的選擇

縱觀已有文獻，主要存在三種對城市人力資本外部性的估計策略：第一種是基于勞動者工資溢價的人力資本外部性測度方法（Acemoglu和Angrist，2000；Moretti，2004a；Bratti，Leombruni，2014）；第二種是基于地租溢價的人力資本外部性測量方法（Dalmazzo和De，2005；A lberto和Guid，2007）；第三種是基于微觀企業(yè)生產函數(shù)的人力資本外部性測度方法（Moretti，2004b；Greenston和Moretti，2010）?？紤]到本文的主要研究目的是考察人力資本外部效應在不同勞動者之間的差異，因此，這里將采用基于勞動者工資溢價的辦法來進行本文的分析和討論。

為了充分展現(xiàn)這種方法的研究思路，本文通過建立一個理論模型來進一步刻畫通過勞動者工資溢價來考察城市人力資本外部效應的邏輯。假定：一個經濟體由J個不重疊的城市組成；所有城市的企業(yè)和工人只生產一種產品，且在不考慮流動成本的情況下，企業(yè)、工人與產品可以在不同城市間自由流動，土地的供給是固定的，并且在消費領域和生產領域同時使用；城市人力資本水平越高，人力資本的外部效應越強，即企業(yè)的生產效率與城市人力資本水平正相關。

對于工人來說，進一步假設城市工人的效用函數(shù)由產品消費與住房消費兩部分構成。工人在城市j只消費一種商品Q。由于產品可以在不同城市間自由流動，因此，不同城市將面對著同樣的產品價格，這里把價格設定為1。同時，工人對住房土地的需求為Lj，住房租金價格記為rj。工人在城市j的效用函數(shù)則可以表示為：

如果工人在城市j的工資為wj，那么其預算約束條件則為：

在此預算約束條件下，可以建立城市工人效用最大化的拉格朗日函數(shù)：

拉格朗日函數(shù)關于Q與L的兩個一階條件分別為：

求解式（4）與式（5），可以得到：

將式（6）代入式（4）、式（5）分別可得：

將式（7）與式（8）代入式（1），能夠得到j城市工人的間接效用函數(shù)：

工人的可自由流動意味著，工人在不同的城市間必須享受到相同的效用，否則工人就會有在城市間發(fā)生遷徙，進而引起工資w與房屋租金r的調整，直到不同城市間的工人享受到相同的效用為止。即，對所有城市j與城市j′來說均有V=Vj=Vj′（j、j′=1、2、3…J）。

對于j城市的企業(yè)來說，進一步假設，市場是完全競爭的，企業(yè)生產需要土地與工人兩種投入要素，且生產函數(shù)是Cobb-Douglas形式的，則企業(yè)的生產函數(shù)可以表述為：

其中，Y是企業(yè)的總產出，M是工人投入數(shù)量，N是土地投入數(shù)量。Hj代表城市j的人力資本水平，轉換函數(shù)F（Hj）表示城市人力資本的外部性對企業(yè)生產效率的影響，且?F(Hj)/?Hj＞0，表示隨著城市人力資本水平的上升，企業(yè)的產出效率也會得到提高。

根據以上條件，我們也可以得到企業(yè)的成本函數(shù)：

企業(yè)所面臨的問題就是如何實現(xiàn)其利潤最大化：

通過對M和N求偏導，我們可以得到實現(xiàn)利潤最大化的一階條件：

對式（13）與式（14）進行求解，可以得到：

把式（15）代入式（14）可以得到企業(yè)產出達到最大時wj與rj的關系表達式：

對式（9）與式（16）取對數(shù)，并求解，可以得到工人與企業(yè)同時滿足均衡條件時由Hj所決定的wj：

為了進一步判斷wi與Hi的數(shù)量關系，我們進一步通過式（17）求lnwj對Hj的偏導數(shù)：

由于模型中已經假設?F(Hj)/?Hj＞0，因此，可以得到，?lnwj/?Hj＞0。這意味著如果確實存在著人力資本外部效應的話，城市人力資本水平較高的地區(qū)，將會出現(xiàn)較高的工資溢價，我們可以通過對人力資本工資溢價效應的觀測來考察城市人力資本外部效應的強度。根據以上分析，本文構建計量方程如下：

其中，lnwij代表勞動力的對數(shù)工資，c是常數(shù)項，Xij為可能影響勞動者收入的個人特征向量（詳細變量參見表1）。為了降低內生性問題可能造成的估計偏誤。我們也盡可能地控制同時影響城市人力資本水平和勞動力工資收入的城市特征。Cityj就是反映這些城市特征的向量（詳細變量參見表1）。

三、數(shù)據來源及處理

本文數(shù)據主要包括兩個部分，第一部分是反映勞動者特質的個人微觀數(shù)據；第二部分是反映城市特征的數(shù)據。反映勞動者特質的微觀數(shù)據來自于中國家庭收人調查（CHIP）2013年的城市住戶調查。CHIP2013的城市數(shù)據涵蓋了北京、重慶、山西、遼寧、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、四川、云南、甘肅15個省級行政區(qū)的126個城市，其中包括7175個城市住戶樣本，30000個個人樣本。為了使本文的分析結果更為準確，我們對以上數(shù)據進行了裁剪，用于經驗性研究的數(shù)據只包括當年在職的工資性勞動者。最后，共得到有效個人樣本9611個。反映城市特質的數(shù)據來自《中國城市統(tǒng)計年鑒》（2014年）、各城市第六次人口普查統(tǒng)計公報與Google地圖。核心解釋變量與被解釋變量的說明如下：

個人勞動工資：在不同計量模型中分別以勞動者從事主要工作的名義月工資（包括從該工作中得到的獎金、補貼及實物折現(xiàn)）來表示。①Moretti（2003）認為，在有關人力資本外部效應的實證分析中需要使用名義工資，根據物質指數(shù)調整后的工資不是合適的被解釋變量。理由是，城市的名義工資越高意味著生產率越高。如果工人沒有較高的生產率，那些生產全國貿易品的企業(yè)就會離開高工資城市而遷往低工資城市。由于生產貿易品的企業(yè)在全國范圍面對的是相同的價格。因此，只要每個城市都有生產貿易品的企業(yè)存在，那些名義工資較高的城市其生產率也必須較高。城市人力資本水平：借鑒Morrtt（i2004a）以及Chang等（2016）的做法，以大學畢業(yè)生占城市人口的比例來表示。城市人口及各教育層次在人口中所占的比例來源于各城市第六次人口普查的統(tǒng)計公報。由于人口普查每十年才進行一次，因此，這里我們以2010年的人口普查數(shù)據作為2013年城市人力資本水平的替代變量?？紤]到人口結構的變動是一個相對緩慢的過程，本文認為這一替代辦法并不會對實證分析結果造成太大的影響。其他控制變量的計算可以參見表1，這里不再贅述。

表1 變量名稱及其定義

續(xù)表1

四、實證分析與詮釋

（一）基準模型的回歸結果

表2的第（1）、（2）、（3）列報告了基準模型的OLS估計結果?？梢钥吹剑谥豢刂苽€人特質變量和同時控制個人特質變量、城市特征變量的條件下，城市人力資本水平的回歸系數(shù)分別為0.199與0.121且均在1%的水平下顯著?？紤]到城市規(guī)模效應（如金融外部性、消費外部性等其他外部效應）的存在，即使在不存在人力資本外部效應的情況下，城市擴大所形成的規(guī)模效應也可能使我們得到顯著的工資溢價（城市人力資本水平與城市規(guī)模在統(tǒng)計上是正相關的）。因此，模型中進一步控制了城市的規(guī)模特征。在將城市規(guī)模納入回歸方程后可以發(fā)現(xiàn)，城市規(guī)模的回歸系數(shù)顯著為正，這說明城市擴大而產生的規(guī)模效應確實提高了勞動力的工資水平。但這并沒有影響到關于人力資本外部效應的檢驗結果，我們依然觀測到了顯著的城市人力資本工資溢價。

雖然OLS回歸捕捉到了人力資本外部性存在的證據，但還不能簡單接受OLS的估計結果。因為在工資方程中，城市人力資本水平與勞動者工資仍然可能是兩個內生變量。人力資本并不是在城市間隨機分布的，工資水平高的城市往往對受教育水平高的工人更具吸引力，即城市人力資本水平既可能是勞動工資提高的原因，也可能是勞動工資提高的結果。本文進一步解決內生性問題的策略是尋找城市人力資本水平的工具變量，然后采用2SLS對計量方程進行估計。這里以1990年大學畢業(yè)生在城市人口中所占的比重與各城市勞動者的兄弟姐妹平均數(shù)量作為城市人力資本水平的工具變量，①選擇城市勞動者兄弟姐妹的平均數(shù)量作為工具變量的理論依據在于，勞動經濟學上有一個經典的議題叫“數(shù)量與質量間的權衡”（Quality-Qutantity Tradoff）。其基本觀點是指，家庭孩子的數(shù)量與孩子的質量會呈負相關關系，即孩子數(shù)量的增加會降低其質量，反之亦然（Becker和Lew is，1973）。來自中國的證據也發(fā)現(xiàn)家庭孩子數(shù)量的增加會減少父母的人力資本投資（Wu和Li，2012）。因此，理論上城市勞動者的兄弟姐妹平均數(shù)量與城市人力資本水平是相關的，而與當期的勞動者工資水平不相關，是一個比較理想的工具變量。CHIP2013的調查問卷中增加了被訪者兄弟姐妹數(shù)量的選項，這使得我們的數(shù)據來源成為可能。并采用2SLS重新估計了基準回歸方程，結果如表2的（4）、（5）列所示。城市人力資本水平的2SLS回歸系數(shù)雖然有所降低，但是仍然高達0.095與0.1476。此外，工具變量的弱識別檢驗與Sargan檢驗顯示工具變量的選擇是有效的。這意味著，城市中受高等教育勞動力的比例每提高1%，勞動者的月工資將上漲0.094%～0.148%，大量高素質勞動力在城市的匯集形成了顯著的人力資本外部效應。

表2 基準模型的估計結果

續(xù)表2

（二）擴展模型：人力資本外部性在不同收入群體的分布

基準模型的OLS與2SLS估計雖然考察了城市人力資本外部性的平均效應。但事實上，考慮到勞動者個人能力、行業(yè)特征的差異。不同收入水平的勞動者從城市人力資本水平提高中的獲益程度很可能是非線性的。本文更加關注的是人力資本外部效應在不同收入群體間的結構性差異。為此，我們將進一步通過分位數(shù)回歸來考察人力資本外部性在不同收入勞動者之間可能存在的結構性分化。

這里分別取10分位、30分位、50分位、70分位、90分位五個分位點來對不同收入群體的人力資本外部效應進行估計。為了保證分析結果更為可靠，表3、表4同時報告了普通條件分位數(shù)回歸（QR）與工具變量分位數(shù)回歸（IVQR）的分析結果。可以發(fā)現(xiàn)：除了10分位點上的人力資本工資溢價不顯著以外，城市人力資本水平的提高對30～90分位點的工資水平都起到了顯著的促進作用。但是無論在QR還是IVQR的回歸結果中，人力資本工資溢價系數(shù)在不同收入階層間均發(fā)生了結構性分化，高收入階層的外部性強度明顯高于低收入階層。為了進一步驗證核心解釋變量在不同分位點上的估計結果存在顯著的不同，我們對以上模型中城市人力資本回歸系數(shù)的估計結果進行了斜率相等檢驗（Slope Equality Test）。結果顯示，斜率相等檢驗均在至少10%的顯著性水平上拒絕了各分位點上回歸系數(shù)相等的原假設，這意味著不同收入階層間人力資本外部性的差異是顯著的。①感謝匿名審稿人對于進行不同分位點上核心解釋變量斜率相等檢驗的建議。從工具變量分位數(shù)回歸的具體結果上來看，10分位上的城市人力資本工資溢價系數(shù)為0.056。30分位、50分位、70分位、90分位上的工資溢價系數(shù)分別為0.113、0.142、0.189、0.208且均在1%的水平下顯著。這意味著，收入最高10%勞動群體間的人力資本外部性強度是收入最低10%勞動群體的4倍左右，不同收入階層并沒有從城市人力資本集聚的過程中均衡地受益。

表3 分位數(shù)回歸的估計結果

表4 工具變量分位數(shù)回歸的估計結果

為了更加直觀地展示城市人力資本外部效應在不同收入階層的差異，本文還利用QR與IVQR進行了全分位點檢驗，圖1與圖2分別報告了兩種全分位點檢驗中人力資本工資溢價系數(shù)的變動趨勢?？梢钥吹?，兩圖中的工資溢價系數(shù)均隨著工資分位點的提高表現(xiàn)出了明顯的上升趨勢，置信帶也逐步收窄。且曲線較為平滑，并沒有出現(xiàn)較大的起伏與波動。這進一步驗證了中國城市人力資本外部效應在不同收入勞動者之間的分布規(guī)律。

圖1 QR的全分位點檢驗

圖2 IVQR的全分位點檢驗

（三）穩(wěn)健性檢驗

本文實證分析的基本思路是通過城市人力資本的工資溢價來對人力資本的外部效應進行觀測。但這種策略在以下兩個方面存在著潛在風險。（1）在粘性工資條件下，勞動工資并不能精確地隨著企業(yè)生產效率的改變而改變。雖然有關研究認為，中國企業(yè)是按照邊際生產率來支付職工名義工資的（Dong和Zhang，2009）。但在黨政機關、事業(yè)單位等非市場化部門，勞動者的名義工資在很大程度上是由工作人員與工作單位的長期合約決定的，名義工資不能及時而迅速地對勞動生產效率的實時變動做出反應。長期的勞動合約往往只反映出職位與工作年限的差異，而不能真實地反映一個勞動者的勞動效率。（2）使用月工資對工資水平進行測量很可能忽視了勞動時間的影響。在勞動者無力通過改進勞動效率來提高工資水平的情況下，他們往往更傾向于通過延長勞動時間來實現(xiàn)同樣的目標。因此，較高的月工資水平并不必然代表較高的勞動生產效率。

為了回應以上問題，這里將在對樣本數(shù)據進行再處理的基礎上進行穩(wěn)健性檢驗。具體的做法為：（1）為了規(guī)避粘性工資的影響，我們對來自黨政機關、事業(yè)單位的個人樣本進行了剔除，并利用剩余的樣本進行工具變量分位數(shù)回歸。（2）按照勞動者的月工作時間，將被解釋變量由月工資轉化為小時工資并重新進行分位數(shù)回歸。結果顯示，無論是剔除體制內樣本后的分析結果，還是以小時工資作為被解釋變量的回歸結果。雖然在各分位點上城市人力資本工資溢價的系數(shù)有所改變，但是人力資本外部效應在不同收入階層間的分布差異沒有發(fā)生明顯變化，且斜率相等檢驗均在至少10%的顯著性水平上拒絕原假設。此外，本文針對以上兩種情況也進行了全分位點的穩(wěn)健性檢驗，其結果也顯示，人力資本工資溢價的回歸系數(shù)只是在剔除了體制內樣本后的全分位點檢驗中波動性略顯增大，但是變動趨勢基本與前文的研究結果保持了一致，這進一步說明本文的研究結論是穩(wěn)健的。①由于篇幅的限制，這里并沒有報告穩(wěn)健性檢驗的詳細結果，備索。

五、城市人力資本外部效應異質性分布的成因：初步的經驗證據

本文認為，造成城市人力資本外部性在不同收入群體間異質性分布的原因主要有以下三個方面：

1．不同收入水平勞動者在學習能力上的差異。人力資本外部效應的形成直接依賴于勞動者掌握和吸收外部性知識的能力，這集中體現(xiàn)在勞動者的學習能力上。勞動者學習能力的提高，有助于更好地理解與評估工作環(huán)境中的外部性知識，增強將外部知識轉化為現(xiàn)實生產力的能力，提高技術和知識使用的效率。而高收入勞動者在整體上具有更強的學習能力。如果我們將勞動力的個人受教育年限作為勞動者學習能力的觀測指標，并將勞動者按照工資水平由低到高平均分成五組，則會發(fā)現(xiàn)：這五組勞動者的平均受教育年限分別為9.88年、10.74年、11.65年、12.36年和13.38年，收入越高，個人受教育時間越長。為了進一步檢驗學習能力對勞動者從人力資本外部性中獲益的影響，我們在基準回歸模型的基礎上加入了個人受教育年限與城市人力資本水平的交互項。表5報告了該模型的檢驗結果。無論OLS還是2SLS的估計結果都顯示，在加入個人受教育年限與城市人力資本水平的交互項后，城市人力資本的工資溢價系數(shù)均變得不再顯著，但交互項卻顯著為正。這表示勞動者從人力資本外部性中獲益的水平直接依賴于勞動者個人的學習能力，勞動者的學習能力越強，從城市人力資本外部性中的受益越大。

表5 加入個人受教育年限與城市人力資本交互項的估計結果

2．不同收入水平勞動者所從事的行業(yè)對外部性知識的依賴程度存在著巨大差異。高收入勞動者從事的工作通常是知識密集型、技術密集型行業(yè)，而這些行業(yè)的性質決定了，與傳統(tǒng)的勞動密集型與資本密集型產業(yè)相比，它們將更依賴于勞動者交流、互動所形成的增量知識與技術創(chuàng)新。對外部性知識的吸收和掌握在知識密集型行業(yè)能產生更大的邊際產出。因此，知識密集型與技術密集型行業(yè)的勞動者將更傾向于主動地獲取外部性知識。同時，也更容易從人力資本的知識溢出效應中獲益。本文根據一位數(shù)的國民經濟行業(yè)分類（GB/T 4754-2011）將全部樣本分為19個行業(yè)，①按照國民經濟行業(yè)分類（GB/T 4754-2011）的劃分，全部樣本可以被劃分為20個行業(yè)分類。但是，由于國際組織行業(yè)只有兩個有效樣本，低于可以進行回歸分析的最小樣本容量，因此，這里我們報告的行業(yè)只涉及除國際組織行業(yè)以外的其他19個行業(yè)。并分別對它們進行了人力資本外部性的檢驗。從2SLS的分析結果來看（見表6），人力資本外部效應在不同行業(yè)勞動者間的差異是巨大的。我們只在信息傳輸、軟件和信息技術服務業(yè)，金融業(yè)，電力、熱力、燃氣及水生產和供應業(yè)，教育業(yè)，公共管理、社會保障和社會組織，制造業(yè)這六個細分行業(yè)中觀察到了顯著的人力資本外部效應。無一例外，這六個行業(yè)均屬于知識或技術密集型行業(yè)，②參考章莉、李實（2016）的方法，本文劃分傳統(tǒng)行業(yè)與知識、技術密集型行業(yè)的標準是，傳統(tǒng)行業(yè)包括：農、林、牧、漁業(yè)，采礦業(yè)，建筑業(yè)，批發(fā)零售業(yè)，交通運輸、倉儲和郵政業(yè)，住宿和餐飲業(yè)，租賃和商務服務業(yè)，居民服務、修理和其他服務業(yè)；知識、技術密集型行業(yè)包括：制造業(yè)，信息傳輸、軟件和信息技術服務業(yè)，金融業(yè)，房地產業(yè)，科學研究和技術服務業(yè)，水利、環(huán)境和公共設施管理業(yè)，教育，衛(wèi)生和社會工作，文化、體育和娛樂業(yè)，公共管理、社會保障和社會組織。且知識與技術的密集程度越高，觀測到的人力資本外部效應越強。其中，軟件和信息技術服務業(yè)、金融業(yè)、電力、熱力、燃氣及水生產和供應業(yè)的工資溢價系數(shù)分別高達0.738、0.501與0.407。但這六個行業(yè)以外的其他十三個行業(yè)的分析結果則不能支持存在著顯著的人力資本外部效應。需要特別指出的是，知識密集程度最高的科學研究和技術服務業(yè)并沒有像我們預期的那樣觀測到顯著的人力資本外部效應。造成這一問題的原因應該在于該行業(yè)的樣本容量過低（僅79個個人樣本），這么小的樣本容量并不足以得到可靠的檢驗結果。

表6 分行業(yè)的2SLS估計結果

3．城市勞動力市場的制度性分割。人力資本的外部性形成于勞動者在正式或非正式交往中產生的思想交流與互動。但在中國的城市中，低收入勞動群體在城市勞動力市場的自由流動性受到了制度性的挾制。勞動力市場上的制度壁壘，一方面使高收入勞動力在行業(yè)與區(qū)域上的集聚發(fā)生固化。另一方面，也把大量的低收入群體擠入低端勞動力市場，抑制了低收入群體與高收入群體之間可能發(fā)生的交流與接觸，限制了低收入群體通過交流與互動實現(xiàn)知識和技能的共享。劉士杰（2011）一項針對我國城市居民的研究報告顯示，76.32%低收入勞動者的職業(yè)屬于競爭行業(yè)的普通工作崗位，且就業(yè)選擇的空間不大，變換工作更多是同階層的流動，上升渠道不暢通。在這樣的制度環(huán)境下，低收入群體人力資本外部性的形成將不可避免地受到抑制。

一般認為，戶籍是造成城市勞動力市場分割最具代表性的一個制度門檻（孫文凱、白重恩，2011；章莉、李實，2016）。為了驗證勞動力市場分割影響人力資本外部性的理論推斷，我們進一步分析了人力資本外部性在兩種不同戶籍勞動者（出生即是城鎮(zhèn)戶口與農轉非戶口）間的差異。雖然這兩種戶籍類型都屬于法律意義上的城鎮(zhèn)戶籍，但兩者的區(qū)別在于，農民擁有了城鎮(zhèn)戶籍并不等于就立即獲得了與城市原住居民相平等的經濟、社會資源。事實上，戶籍是制度力量長期積累的產物，是城鄉(xiāng)經濟和社會差異的集中反映。城市勞動力市場對農村勞動力的排斥與歧視不會因為一紙文書的改變而迅速消失（陳云松、張翼，2015）。因此，理論上我們仍然能從原住城鎮(zhèn)居民與農轉非居民之間觀測出戶籍制度所造成的市場分割效應。表7報告的2SLS結果顯示，正如我們預期的那樣，兩者之間的差異是顯著的。城鎮(zhèn)原住居民的人力資本工資溢價系數(shù)為0.208，且通過了1%水平的顯著性檢驗，而農轉非居民的人力資本工資溢價系數(shù)僅為0.026且在統(tǒng)計上并不顯著?？紤]到居民個人素質上的差距也可能會造成工資溢價上的這種差異，本文將具有本科學歷的勞動者樣本單獨剝離出來，并代入工資方程進行檢驗。這樣基本可以在勞動力素質基本同質的條件下，觀察不同戶籍來源組間的差異。表7的第（3）、（4）列報告了這一估計結果，在學歷背景相同的條件下，農轉非居民組的人力資本工資溢價仍然顯著低于城鎮(zhèn)原住居民組，這意味著城鄉(xiāng)二元的戶籍制度的確抑制了人力資本外部效應在不同勞動群體間的均衡分布，即使在農村人口取得城市戶籍的情況下，人力資本外部性在不同戶籍來源群體間的結構性差異仍然不能在短時間內得到彌合。

表7 不同戶籍來源的估計結果

六、研究結論與政策寓意

本文使用CHIP2013數(shù)據，對中國城市人力資本外部效應進行系統(tǒng)考察后發(fā)現(xiàn)：在控制了勞動力個人特質、城市特征，并使用工具變量進一步克服內生性問題的條件下，我們捕捉到了顯著的城市人力資本外部效應。平均來看，城市人力資本水平每提高1%，勞動力的月工資將上漲0.094%～0.148%。但工具變量分位數(shù)回歸的結果顯示，城市人力資本的外部效應并沒有“普惠”式地使各個勞動群體受益，而是在不同的收入群體間表現(xiàn)出了巨大的結構性分化，收入水平越高，從人力資本外部性中的獲益越大，工資收入最高10%階層的城市人力資本工資溢價是工資收入最低10%階層的4倍左右。而不同收入階層的勞動者在個人學習能力、工作行業(yè)上的差異，以及各種制度壁壘所形成的勞動力市場分割是造成人力資本外部效應出現(xiàn)收入階層分化的重要誘因。上述研究結論在考慮了粘性工資問題與勞動時間對工資水平的影響后仍然是穩(wěn)健的。

以上結論意味著，雖然人力資本的集聚在中國城市形成了顯著的人力資本外部效應，但是人力資本外部性在不同勞動群體間的分布差異限制了其對城市發(fā)展、城市居民福利改善的潛在貢獻，并暗含著加劇城市居民收入分化的客觀趨勢。為了減弱這一趨勢可能產生的破壞性能量，實現(xiàn)城市化過程中的包容式發(fā)展，需要從以下方面加以著手。（1）鑒于勞動者個人學習能力對吸收和掌握外部性知識的重要意義。政府部門要繼續(xù)加大各級教育、培訓的財政支出力度。特別是要加強針對低收入群體的就業(yè)培訓投入，提高低收入勞動者從城市人力資本集聚過程中獲益的能力。（2）為了提高傳統(tǒng)行業(yè)中大量低收入勞動者從人力資本外部效應中的獲益能力，要大力發(fā)展“互聯(lián)網+”，加快利用信息技術改造傳統(tǒng)行業(yè)的步伐。以互聯(lián)網為代表的信息技術有著極強的知識溢出效應。實現(xiàn)信息技術對傳統(tǒng)行業(yè)的改造，不僅能夠加大傳統(tǒng)行業(yè)對知識、技術的依賴程度，同時也能暢通傳統(tǒng)行業(yè)勞動者獲取外部性知識的渠道，激發(fā)他們互相交流、學習的內在動力。（3）要進一步深化改革，弱化和取締城市勞動力市場上的制度壁壘，為人力資本外部效應的形成與釋放創(chuàng)造有利的制度環(huán)境。一方面，各地要積極加快戶籍制度以及與戶籍制度相掛鉤的就業(yè)、醫(yī)療、教育、住房、社會保障制度的改革步伐，徹底打破限制低收入勞動者自由流動的制度藩籬；另一方面，城市政府要以包容性發(fā)展為目標，為增加低收入群體、進城農民的心理認同感與身份認同感創(chuàng)造條件，以此來破除城市文化等非制度性壁壘對人力資本外部性形成所造成的羈絆。

1.陳云松、張翼：《城鎮(zhèn)化的不平等效應與社會融合》[J]，《中國社會科學》2015年第6期。

2.高虹：《城市人口規(guī)模與勞動力收入》[J]，《世界經濟》2014年第5期。

3.柯善咨、向娟：《1996—2009年中國城市固定資本存量估算》[J]，《統(tǒng)計研究》2012年第7期。

4.呂世斌：《城市化會減少中國的收入差距嗎》[J]，《統(tǒng)計研究》2016年第1期。

5.劉士杰：《人力資本、職業(yè)搜尋渠道、職業(yè)流動對農民工工資的影響》[J]，2011年《人口學刊》第5期。

6.孫文凱、白重恩、謝沛初：《戶籍制度改革對中國農村勞動力流動的影響》[J]，《經濟研究》2011年第1期。

7.章莉、李實：《中國勞動力市場就業(yè)機會的戶籍歧視及其變化趨勢》[J]，《財經研究》2016年第1期。

8.Acemoglu,D.,Angrist J.,2001,“How Large are Human-capital Externalities?Evidence from CompulsorySchooling Laws”[R].NBER Macroeconomics Annual 2000,M IT Press.

9.A lberto,D.,2007,“Production and Consumption Externalities of Human Capital:An Empirical Study for Italy”[J].Journal of Political Economy.Vol.118,No.10:536-598.

10.Becker G.S.,Lew is H G.,1973,“Onthe Interaction Between the Quantity and Quality of Children”[J]. Journal of political Economy.Vol.81,No.2:279-288.

11.Bratti,M.,Leombruni R.,2014,“Local Human Capital Externalities and Wages at the Firm Level: Evidence from Italian Manufacturing”[J].Economics of Education Review.Vol.41:161-175.

12.Chang,C.F.,Wang P.,Liu J.T.,2016,“Know ledge Spillovers,Human Capital and Productivity”[J].Journal of Macroeconomice.Vol.47:214-232.

13.Combes,P.P.,Duranton,G.,Gobillon,L.,2008,“Spatial Wage Disparities:Sorting Matters!”[J].Journal of Urban Economics.Vol.63,No.2:723-742.

14.Dalmazzo,A.,De Blasio G.,2005,Where do Human Capital Externalities End Up?[M].BancadItalia.

15.Dong,X.Y.,Zhang,L.,2009,“Economic Transition and Gender Differentials in Wages and Productivity: Evidence from Chinese Manufacturing Enterprises”[J].Journal of Development Economic.Vol.88,No.1: 144-156.

16.Duranton,G.Puga,D.,2004,“M icro-foundations of Urban Agglomeration Economies”[J].Handbook of Regional and Urban Economics.Vol.4:2063-2117.

17.Glaeser,E.L.&Lu,M.,2013,“Human Capital Externalities in China”[R].Harvard University and Shanghai Jiaotong University Working Paper.

18.Greenston,H.,Moretti E.,2010,“Indentifling Aggomeration Spillovers:Evidence from W inners and Losers of Large Plant Opening”[J].Journal of Political Economy.Vol.118,No.3:536-598.

19.Liu,Z.,2007,“The External Returns to Education:Evidence from Chinese Cities”[J].Journal of Urban Economics.Vol.61,No.3:542-564.

20.Liu,Z.,2014,“Human Capital Externalities in Cities:Evidence from Chinese Manufacturing Firms”[J].Journal of Economic Geography.Vol.14,No.3:621-649.

21.Lucas,R.,1988,“On the Mechanics of Econom ic Development”[J].Journal of Monetary Economics.Vol. 22,No.1:3-42.

22.Lucas,R.,2001,“Externalities and cities”[J].Review of Economic Dynamics.Vol.4,No.2:245-274.

23.Moretti,E.,2004a,“Estimating the Social Return to Higher Education:Evidence from Longitudinal and Repeated Cross-sectional Data”[J].Journal of Econometrics.Vol.121,No.1:175-212.

24.Moretti,E.,2004b,“Workers’Education,Spillovers and Productivity:Evidence from Plant-level Production Functions”[J].American Economic Review.Vol.94,No.3:656-690.

25.Moretti,E.,2003,“Human Capital Externalities in Cities”[J].Handbook of Regional and Urban Economics. Vol.4:2243-2291.

26.Wu X.,Li L.,2012,“Fam ily Size and Maternal Health:Evdence from the One-Child Policy in China[J].Journal of Population Economics,Vol.25,No.4:1341-1364.

（H）

*本文獲得國家社科基金西部項目“新常態(tài)下人力資本集聚外部效應與產業(yè)結構調整研究”（項目編號：15XRK003）的資助。作者感謝北京師范大學中國收入分配研究院提供“中國家庭收入調查（CHIP）”項目的數(shù)據協(xié)助，感謝匿名審稿人所提出的建設性修改意見。