梁 軍, 趙 青

(1.曲阜師范大學 經(jīng)濟學院，山東日照 276800； 2.曲阜師范大學 圖書館，山東日照 276826)

一、引言

對于步入新常態(tài)的我國來說，實現(xiàn)從經(jīng)濟大國邁向經(jīng)濟強國的戰(zhàn)略目標，必須要堅定不移地實施創(chuàng)新驅動戰(zhàn)略，而不斷提高科技創(chuàng)新能力則是實施創(chuàng)新驅動戰(zhàn)略的關鍵。進入21世紀以來，我國的科技創(chuàng)新取得了較為豐碩的成果，國內(nèi)三種專利申請受理數(shù)和授權數(shù)分別由2000年的140 339件和95 236件提高到2015年的2 639 446件和1 596 977件。然而，我國現(xiàn)有的整體科技創(chuàng)新能力，不僅與發(fā)達國家相比還有較大差距，也遠不能滿足我國邁向經(jīng)濟強國的需要。如何提升科技創(chuàng)新能力成為當前我國社會各界所關注的重大課題。觀察比較發(fā)展程度不同的國家不難發(fā)現(xiàn)，人力資本存量越高的國家，其科技創(chuàng)新水平也越高；觀察比較同一國家的不同地區(qū)同樣可以發(fā)現(xiàn)，平均人力資本水平越高、人才集聚度越高的地區(qū)，其科技創(chuàng)新能力也越強。經(jīng)驗告訴我們，人力資本水平將會影響經(jīng)濟體的創(chuàng)新能力，然而這種影響是如何產(chǎn)生以及影響結果怎樣? 我們又該如何通過創(chuàng)新要素培育特別是高素質人力資本的培育來提升我國的科技創(chuàng)新能力？這些問題構成了本文的研究起點和研究重點。

自舒爾茨(Schultz)提出人力資本的概念以來，人力資本理論及人力資本對經(jīng)濟增長的影響，便成為國內(nèi)外學者研究的熱點。經(jīng)典的人力資本理論認為，教育在國民經(jīng)濟中充當著人力資本生產(chǎn)部門這一重要角色，并以教育層次提升、教育年限延長、教育存量累積等形式提升一國的整體人力資本水平，而人力資本提升則是提高勞動生產(chǎn)率進而推動經(jīng)濟增長的重要源泉。20世紀80年代以來，隨著羅默(Romer)和盧卡斯(Lucas)等經(jīng)濟學家所開創(chuàng)的內(nèi)生增長理論的發(fā)展，教育人力資本的溢出效應對經(jīng)濟增長的作用日益為人們所重視。與經(jīng)典人力資本理論強調(diào)個體人力資本的提升會帶來個人勞動生產(chǎn)率提高不同，內(nèi)生增長理論更強調(diào)人力資本具有技術知識外溢機制，強調(diào)個體人力資本提升不僅會提高個人勞動生產(chǎn)率，而且還有助于群體中的其他個體勞動生產(chǎn)率的提高，進而有助于經(jīng)濟增長。實際上，教育人力資本及其溢出效應不僅體現(xiàn)在對經(jīng)濟增長的影響上，也體現(xiàn)在對科技創(chuàng)新水平的影響上。本文旨在借助于人力資本理論與人力資本溢出效應模型，利用我國2000年至2015年的省際面板數(shù)據(jù)，探討教育人力資本及其溢出效應對我國科技創(chuàng)新的具體影響，這一研究對于我們更好地認識教育人力資本培育與科技創(chuàng)新能力提升的關系，更加深入地實施科教興國戰(zhàn)略并優(yōu)化人才政策意義重大。

二、相關文獻綜述與影響機制分析

(一)文獻綜述

伴隨著人力資本理論的發(fā)展與科技創(chuàng)新對經(jīng)濟發(fā)展重要性的凸顯，國內(nèi)外涌現(xiàn)出一批探討人力資本通過直接或溢出方式影響科技創(chuàng)新與技術進步的研究文獻。Nelson和Phelps的研究認為，人力資本是科技創(chuàng)新的關鍵投入要素，在一國的科技創(chuàng)新與技術進步中扮演著重要的知識吸收與溢出的轉換角色。[1]Benhabib 和 Spiegel進一步擴展了Nelson 和Phelps的研究，他們將技術進步率設定成人力資本的函數(shù)，認為人力資本會通過以下兩種方式促進技術進步：一種是直接的人力資本水平，反映地區(qū)內(nèi)部內(nèi)生的創(chuàng)新效應；另一種是間接的人力資本水平，反映因地區(qū)間的技術差距引發(fā)的技術擴散導致的地區(qū)技術進步效應。[2]國外學者的諸多文獻證實了人力資本對科技創(chuàng)新的積極作用。Moretti和Liu使用微觀數(shù)據(jù)進行的經(jīng)驗研究表明，人力資本積聚程度相對越高的地區(qū)，區(qū)內(nèi)企業(yè)的科技創(chuàng)新能力和生產(chǎn)率相對越強。[3][4]Benhabib和Spiegle使用多國的宏觀數(shù)據(jù)進行的研究表明，一國的科技創(chuàng)新能力與全要素生產(chǎn)率增長顯著依賴于該國的人力資本存量水平。Teixeira和Fortuna使用葡萄牙的時間序列數(shù)據(jù)進行的實證研究表明，人力資本積累激發(fā)了葡萄牙的創(chuàng)新能力進而提高了全要素生產(chǎn)率并促進了葡萄牙的經(jīng)濟增長，[5]而Madsen的跨國面板數(shù)據(jù)研究進一步表明，人力資本對世界技術前沿進展具有正向顯著影響。[6]

國內(nèi)學者對此也有諸多研究，彭旸等將人力資本和對外開放納入統(tǒng)一研究框架進行分析后發(fā)現(xiàn)，不論是從全國還是分區(qū)域來看，人力資本都明顯地促進了科技創(chuàng)新水平的提高。[7]張濤和張若雪通過對比珠三角和長三角證實，企業(yè)較快的技術進步依賴于高人力資本水平的勞動力隊伍，并認為相比長三角，珠三角技術提高緩慢的原因就在于較低的勞動力技能水平使其陷入了“低技術均衡”。[8]田大洲使用面板數(shù)據(jù)考察了我國IT產(chǎn)業(yè)的高科技大中型企業(yè)科技活動，研究發(fā)現(xiàn)，增加科技人力資本總量是提高產(chǎn)業(yè)創(chuàng)新能力最為有效的途徑。[9]竇鵬飛和陳詩波的研究表明，基礎研究領域研發(fā)人員的投入是影響我國科技創(chuàng)新能力和績效的核心要素。[10]柳瑞禹等利用我國中部六省科技創(chuàng)新活動數(shù)據(jù)對科技創(chuàng)新效率的影響因素進行的研究表明，人力資本水平的提高對科技創(chuàng)新效率具有積極作用。[11]姚東旻等使用我國省際面板數(shù)據(jù)采用兩階段最小二乘法(2SLS)的經(jīng)驗研究證實，實際人均人力資本水平對于我國科技創(chuàng)新水平具有顯著正向作用。[12]

盡管大量文獻證實人力資本會明顯促進科技創(chuàng)新水平的提高，但不可否認的是，仍有一些經(jīng)驗研究發(fā)現(xiàn)，人力資本與科技創(chuàng)新水平之間并不存在正相關關系。如Pritchett的跨國經(jīng)驗研究指出，教育人力資本水平的提高不但沒有促進技術創(chuàng)新，反而顯著降低了技術進步與全要素生產(chǎn)率。[13]彭國華利用我國省際面板數(shù)據(jù)的研究表明，平均人力資本作為一個整體對技術進步和全要素生產(chǎn)率的作用顯著為負，其進一步分析認為，只有高等教育程度的人力資本對技術進步有顯著促進作用，中等教育程度和基礎教育程度的人力資本與技術進步和全要素生產(chǎn)率顯著負相關。[14]

(二)影響機制

教育人力資本提高會促進科技創(chuàng)新產(chǎn)出在文獻研究中得到了較多佐證，文獻分析也讓我們更好地理解教育人力資本影響科技創(chuàng)新的內(nèi)在機制。科技創(chuàng)新主要源自新技術知識的涌現(xiàn)，新技術知識涌現(xiàn)需要人力資本的支持。由此，人力資本成為科技創(chuàng)新最為重要的要素資源和知識載體。相比于一般的勞動力，凝聚了知識和能力的人力資本不僅具有更高的自主科技創(chuàng)新能力，而且具有更好的技術知識吸收、轉化和利用能力。就某一地區(qū)來說，教育人力資本的存量水平和累積速度將在極大程度上決定著該地區(qū)科技創(chuàng)新的水平及其可持續(xù)能力。

從理論上說，教育人力資本不僅會直接影響科技創(chuàng)新，也會通過溢出效應影響科技創(chuàng)新。教育人力資本對科技創(chuàng)新的直接影響，主要表現(xiàn)為接受過更長教育年限和更高教育層次的個人，通常具有相對更強的科學技術知識和科技創(chuàng)新能力，個人科技創(chuàng)新能力的疊加使得更高教育人力資本存量的地區(qū)往往有著更強的整體科技創(chuàng)新能力和創(chuàng)新產(chǎn)出。如果我們把科技創(chuàng)新看作是一種生產(chǎn)，高教育人力資本存量的個人顯然會有更高的創(chuàng)新效率和更多的創(chuàng)新成果。

教育人力資本溢出效應對科技創(chuàng)新的影響，則主要表現(xiàn)為受教育較多從而具有更強科技創(chuàng)新能力的個人往往會提高他人如受教育較少的同事的工作能力與效率，而平均受教育水平較高的群體環(huán)境往往會激發(fā)人們進一步提高自身的人力資本水平，從而間接提升群體的科技創(chuàng)新能力。顯然，某一地區(qū)內(nèi)教育人力資本存量越大、層次越高，該地區(qū)的企業(yè)內(nèi)或產(chǎn)業(yè)內(nèi)人員間的相互學習和相互交流越多，科技知識的傳播和擴散越有效，教育人力資本溢出效應對該地區(qū)科技創(chuàng)新的影響也就越大?！翱粗袑W”與“干中學”等技術知識外溢機制的存在有助于平均受教育水平較高的地區(qū)提升地區(qū)的整體科技創(chuàng)新能力。

三、模型設定與數(shù)據(jù)處理

(一)模型設定

首先，檢驗教育人力資本對我國科技創(chuàng)新的直接影響?；诳虏肌栏窭股a(chǎn)函數(shù)，并借鑒Mankiw等(1992)引入人力資本變量的生產(chǎn)函數(shù)擴展模型，將反映教育人力資本直接影響科技創(chuàng)新的模型設定為：

(1)

其中，被解釋變量Y為科技創(chuàng)新，解釋變量K、L和H分別為R&D資本、勞動投入與教育人力資本存量，α、β、γ為待估參數(shù)，分別為相應變量的科技創(chuàng)新產(chǎn)出彈性。為消除規(guī)模的差異對科技創(chuàng)新產(chǎn)出的影響，對模型(1)的左右兩端同時除以勞動投入規(guī)模，并將各變量取對數(shù)，得到反映人均R&D資本與人均教育人力資本影響科技創(chuàng)新的計量模型：

ln(Yit/Lit)=ln(A)+αln(Kit/Lit)

+γln(Hit/Lit)+μit

(2)

模型中Y、K、L、H、α、γ的含義同模型(1)，μ為隨機擾動項。

(二)關鍵變量數(shù)據(jù)處理

其次，基于Lucas(1988)模型所刻畫的人力資本的溢出機制，并借鑒方超和羅英姿(2016)的人力資本溢出效應對經(jīng)濟增長的影響模型，將教育人力資本溢出效應對科技創(chuàng)新影響的模型設定為：

(3)

模型(3)中的E為平均受教育年限，用來表征教育人力資本的平均水平，α和1-α分別為R&D資本和教育人力資本的科技創(chuàng)新產(chǎn)出彈性，相應地，λ則為教育人力資本平均水平的科技創(chuàng)新產(chǎn)出彈性，其反映的是教育人力資本溢出效應對科技創(chuàng)新的影響程度。對模型(3)左右兩端各變量取對數(shù)，并引入隨機擾動項，得到：

lnYit=lnA+αlnKit+(1-α)lnHit

+λlnEit+μit

(4)

然而，經(jīng)濟理論和實踐經(jīng)驗告訴我們，科技創(chuàng)新實際上是一個連續(xù)動態(tài)的過程，當期的科技創(chuàng)新程度往往與過去的創(chuàng)新結果密切相關，這種相關性源于創(chuàng)新產(chǎn)業(yè)的積聚和創(chuàng)新經(jīng)驗的積累。創(chuàng)新產(chǎn)業(yè)的積聚更容易產(chǎn)生創(chuàng)新知識的外溢，有創(chuàng)新經(jīng)驗的地區(qū)和區(qū)域內(nèi)的廠商相對更容易找到創(chuàng)新的途徑。因此，我們認為，在教育人力資本溢出效應影響科技創(chuàng)新的模型中，解釋變量中引入科技創(chuàng)新水平變量的滯后值更加符合理論與現(xiàn)實。將模型(4)兩邊同減去lnH，并在解釋變量中引入滯后一期的因變量對面板數(shù)據(jù)模型進行動態(tài)處理，整理得到：

ln(Yit/Hit)=lnA+δln(Yit-1/Hit-1)

+α(lnKit/Hit)+λlnEit+μit

(5)

模型(2)是未考慮教育人力資本溢出效應情況下教育人力資本對科技創(chuàng)新的影響模型；模型(4)和(5)是考慮人力資本溢出效應時教育人力資本對科技創(chuàng)新的影響模型。下面我們主要使用模型(2)和模型(5)，驗證教育人力資本及其溢出效應對我國科技創(chuàng)新的影響。

本文選用我國31省市的省際面板數(shù)據(jù)進行統(tǒng)計推斷。相對于時間序列數(shù)據(jù)和橫截面數(shù)據(jù)，面板數(shù)據(jù)能夠提供“更加有價值的數(shù)據(jù)，變量之間增加了多變性，減少了共線性，并且提高了自由度和有效性”。[15]考慮到數(shù)據(jù)的可得性與研究的現(xiàn)實意義，樣本期選擇2000年至2015年。

關鍵變量的數(shù)據(jù)選取如下：

1. 科技創(chuàng)新(Y)

我國的科技產(chǎn)出及成果主要包括科技論文發(fā)表數(shù)、科技著作出版數(shù)、科技成果登記數(shù)、專利申請受理數(shù)與專利申請授權數(shù)等指標，我們選用專利申請授權數(shù)這一指標。2000年至2015年我國31個省市 的國內(nèi)三種專利(發(fā)明專利、實用新型專利和外觀設計專利)申請授權數(shù)取自歷年的《中國科技統(tǒng)計年鑒》。

2. R&D資本(K)

對于R&D資本，我們選用實際R&D資本存量。在我國現(xiàn)有的各種官方統(tǒng)計資料中，并沒有各省市實際R&D資本存量的數(shù)據(jù)。本文借鑒戈登史密斯(Goldsmith，1951)開創(chuàng)的永續(xù)盤存法，采用基準年R&D資本盤存方法估算歷年的實際R&D資本存量，基本公式為：

Kit=Iit/Pit+(1-δ)Kit-1

(6)

其中，Kit、Iit、Pit分別為第i個省市t期的實際R&D資本存量、名義R&D資本投資流量和R&D資本投資價格指數(shù)，δ為R&D資本折舊率。對于名義R&D資本投資流量Iit，選取當年R&D經(jīng)費內(nèi)部支出額，各省市的數(shù)據(jù)同樣來自歷年的《中國科技統(tǒng)計年鑒》。對于R&D資本投資價格指數(shù)Pit，國內(nèi)外學者多采用居民消費價格指數(shù)(CPI)和固定資產(chǎn)投資價格指數(shù)的加權平均值來構造，其區(qū)別主要在于兩大指數(shù)的具體權重有所不同。本文也沿用這一方法構造R&D資本投資價格指數(shù)，構造時確定居民消費價格指數(shù)的權重為0.55，固定資產(chǎn)投資價格指數(shù)的權重為0.45，各省市居民消費價格指數(shù)與固定資產(chǎn)投資價格指數(shù)的數(shù)據(jù)均取自歷年的《中國統(tǒng)計年鑒》。因為選用2000年至2015年的省際面板數(shù)據(jù)，確定2000年為基準年。對于基準年的R&D資本存量K0，按照K0=I0/(g+δ)這一常用方法估算，其中I0為基準年R&D資本投資流量，g是樣本期間R&D資本投資的年均增速，δ是R&D資本折舊率。對于δ的設定，實踐中許多研究文獻直接假定其為一固定常數(shù)，并認為該常數(shù)應高于純粹物質資本折舊率，理由是技術知識的更新速度快于物質資本的更新速度。國外研究文獻中，一般將R&D資本折舊率設定為15%，國內(nèi)一些學者指出，15%主要針對的是發(fā)達國家，考慮到發(fā)展中國家的知識更新沒有發(fā)達國家快，因此對于發(fā)展中國家，R&D資本的合理折舊率應低一些。[16][17]綜合借鑒以上觀點，同時考慮到我國地區(qū)之間存在的較大差異，本文對我國不同地區(qū)采用不同的R&D資本折舊率。具體而言，將我國東、中、西部地區(qū)*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、廣東和海南11省市，中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8省市，西部地區(qū)則包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆12省市。的 R&D資本折舊率分別取15%、12%和10%。*一般說來，經(jīng)濟越是發(fā)達的國家或地區(qū)，技術知識更新?lián)Q代速度越快，R&D資本折舊率相對也越高。事實上，我國東、中、西三大地區(qū)存在著較為明顯的經(jīng)濟發(fā)展差距，不同地區(qū)的技術知識更新速度必然不盡相同，將差異較大的不同地區(qū)的R&D資本折舊率統(tǒng)一設定為一個固定常數(shù)并非一個較好選擇。因此，本文對我國東、中、西部地區(qū)的R&D資本折舊率采用了不同數(shù)值，依次遞減分別取15%、12%和10%。確定了R&D資本投資流量、R&D資本投資價格指數(shù)、R&D資本折舊率和基準年R&D資本存量，利用公式(6)，即可估算得到2000年至2015年我國31個省市的實際R&D資本存量。

3. 教育人力資本(H)

相對于教育人力資本流量，教育人力資本存量更能夠反映多年教育發(fā)展所累積的人力資本成果，以及某一時點上教育人力資本的水平，因而本文采用教育人力資本存量來表征教育人力資本。對于教育人力資本存量，常用的測度方法有勞動者報酬法、教育經(jīng)費法和受教育年限法等。其中，受教育年限法兼顧了不同年齡人口受教育程度的層級與每一層級的受教育年數(shù)，因而成為國內(nèi)外學界測度教育人力資本存量的主流方法。本文也采用受教育年限法來測度我國31個省市的教育人力資本存量，具體計算公式如下：

(7)

其中，Hit表示t期第i個省市的教育人力資本存量，k為受教育的學歷層級，參考國內(nèi)外學者的做法，并考慮數(shù)據(jù)的可得性與一致性，我們將受教育層級依次劃分為文盲、小學、初中、高中(含中專)、大學?？萍耙陨系?個層級。hk為不同層級受教育的年數(shù)，各教育層級受教育的年數(shù)設定為：文盲0年、小學6年、初中9年、高中(含中專)12年、大學?？萍耙陨?5年。Nitk為t期第i個省市第k受教育層級人數(shù)?？紤]到我國從事科技創(chuàng)新的人員并不僅限于現(xiàn)有統(tǒng)計口徑下的勞動力人數(shù)，因此對于Nitk，我們選取各個省市6歲及6歲以上不同受教育程度人口數(shù)。我國各省市6歲及6歲以上受教育程度人口數(shù)取自歷年的《中國教育統(tǒng)計年鑒》。需要說明的是，《中國教育統(tǒng)計年鑒》中并未公布2010年各省市6歲及6歲以上受教育程度人口的分布情況，我們對2010年這一數(shù)據(jù)的處理方法是取2009年和2011年的均值。

(三)數(shù)據(jù)的統(tǒng)計描述

表1給出了模型(2)和模型(5)所涉及變量的基本統(tǒng)計描述。

統(tǒng)計表明，2000年至2015年間，我國31個省市年專利申請授權數(shù)的均值是17 590件。不同省份來看，科技創(chuàng)新數(shù)量最多的是江蘇省，年均值達到95 993件，最大值為2012年的269 944件；科技創(chuàng)新數(shù)量最少的是西藏自治區(qū)，年均值僅為1 527件，最小值為2002年的7件。東部沿海省份的科技創(chuàng)新數(shù)量明顯多于中部地區(qū)和西部地區(qū)，2000年至2015年間，東部地區(qū)的年均值為41 030件，中部地區(qū)和西部地區(qū)的年均值分別只有8 487件和4 885件。

統(tǒng)計分析還表明，2000年至2015年間，我國6歲及6歲以上人口的平均受教育年數(shù)為8.205年。根據(jù)數(shù)據(jù)來看，北京市的人口平均受教育年數(shù)最高，年均值達到了10.76年，年均值的最大值為2015年的11.66年；西藏自治區(qū)的人口平均受教育年數(shù)最低，年均值為4.43年，年均值的最小值為2000年的3.42年。與科技創(chuàng)新水平相同，我國東部沿海省市6歲及6歲以上人口的平均受教育年數(shù)明顯高于中西部地區(qū)，東部地區(qū)的年均值為8.88年，中部地區(qū)和西部地區(qū)的年均值分別為8.38年和7.47年。另外，統(tǒng)計表明，雖然省市之間及不同地區(qū)之間差異較大，但總體來說，2000至2015年間，我國31個省市6歲及6歲以上人口的平均受教育年數(shù)均呈現(xiàn)逐年提高的趨勢，提高幅度排在前五位的依次是西藏、甘肅、云南、貴州和寧夏，年均提高幅度分別為2.92%、1.65%、1.55%、1.53%和1.50%，排在后五位的依次是黑龍江、吉林、河南、廣西和遼寧，年均提高幅度分別為0.80%、0.82%、0.86%、0.87%和0.99%。

表1 各變量的統(tǒng)計描述

四、實證結果分析

(一)教育人力資本與科技創(chuàng)新

不考慮教育人力資本溢出效應對科技創(chuàng)新的影響，在模型(2)的基礎上，驗證教育人力資本對我國科技創(chuàng)新的直接影響。對于面板數(shù)據(jù)模型，需要確定應該選用固定效應(FE)模型還是隨機效應(RE)模型進行估計。對模型(2)進行固定效應估計與隨機效應估計后，豪斯曼檢驗(Hausman Test)的卡方統(tǒng)計量及相應的P值顯著拒絕了固定效應估計和隨機效應估計無差異的原假設，表明模型(2)適合采用固定效應模型估計。同時，為控制標準誤對參數(shù)估計值的擾動，對模型的固定效應估計采取穩(wěn)健標準差的回歸形式(見表2)。為便于比較，表2同時給出了模型的隨機效應估計結果。

模型(2)的穩(wěn)健標準差回歸結果顯示，所有的截距系數(shù)和斜率系數(shù)都在5%的顯著水平上統(tǒng)計顯著，較高的R2表明模型的擬合效果良好。由固定效應(FE)的估計結果可知，如果不考慮教育人力資本溢出效應的影響，以平均受教育年限表征的教育人力資本對科技創(chuàng)新具有顯著的正向影響。具體來說，教育人力資本存量每提高1%，我國的專利申請授權數(shù)會平均增加0.2233%。表2給出的隨機效應(RE)估計結果同樣顯示，教育人力資本對我國科技創(chuàng)新有顯著的正向影響，但其影響程度低于固定效應估計的結果，為0.176 3%。

(二)教育人力資本溢出效應與科技創(chuàng)新

我們通過回歸模型(5)來驗證教育人力資本溢出效應對我國科技創(chuàng)新的影響。因模型(5)為動態(tài)面板數(shù)據(jù)模型，如果用傳統(tǒng)方法估計，很可能由于因變量滯后項作為解釋變量的引入導致解釋變量與隨機擾動項相關從而帶來內(nèi)生性問題。對于可能存在的內(nèi)生性，傳統(tǒng)估計方法進行估計時將無法避免地導致參數(shù)估計的有偏性和非一致性，進而使得根據(jù)參數(shù)進行推斷的經(jīng)濟學含義發(fā)生扭曲。針對這種情況，本文借鑒Arellano和Bond(1991)及Blundell和Bond(1998)提出的廣義矩(GMM)估計方法，對模型(5)進行GMM估計方法回歸。在工具變量的選擇上，為兼顧觀測樣本的有限性與工具變量的有效性，僅將解釋變量二階滯后項作為工具變量。表3給出了反映教育人力資本溢出效應對科技創(chuàng)新影響的動態(tài)面板數(shù)據(jù)模型(5)的GMM回歸結果。為便于比較，表3同時給出了模型(5)的固定效應(FE)估計與隨機效應(RE)估計的結果。

表2 模型(2)的穩(wěn)健標準差回歸結果

注：括號內(nèi)數(shù)字是回歸系數(shù)的t統(tǒng)計量；***、**和*分別代表伴隨概率在1%、5%和10%的水平上顯著。

從表3的第3列和第4列可以看到，對動態(tài)面板數(shù)據(jù)模型(5)直接進行的固定效應(FE)估計與隨機效應(RE)估計，其所得到的教育人力資本溢出效應對科技創(chuàng)新的影響并不顯著，而第 2列的GMM估計結果顯示，教育人力資本溢出效應的回歸系數(shù)為0.174 9，且在1%的顯著水平上統(tǒng)計顯著，這意味著，在考慮了科技創(chuàng)新的動態(tài)效應之后，以平均受教育年限表征的教育人力資本，其溢出效應的科技創(chuàng)新產(chǎn)出彈性為0.174 9%。

GMM估計結果還顯示，上一年的科技創(chuàng)新水平對當年的科技創(chuàng)新水平影響顯著。上年的國內(nèi)三種專利申請授權數(shù)每提高1%，當年國內(nèi)三種專利申請授權數(shù)將提高0.380 5%，這證實了我國的科技創(chuàng)新確實是一個連續(xù)動態(tài)過程，當期的科技創(chuàng)新程度與過去的創(chuàng)新結果相關密切。這也進一步證實了我們應用動態(tài)面板數(shù)據(jù)模型的合理性，因為相比其他模型，動態(tài)面板數(shù)據(jù)模型更能準確表示科技創(chuàng)新所具有的連續(xù)動態(tài)調(diào)整的性質。

此外，GMM估計結果顯示，R&D資本的回歸系數(shù)α=0.810 1，由此可以得到教育人力資本的回歸系數(shù)1-α=0.189 9，此為考慮教育人力資本溢出效應時教育人力資本對科技創(chuàng)新的直接影響。由此可知，如果考慮溢出效應，教育人力資本對科技創(chuàng)新的總影響會明顯增強，計算可知，教育人力資本的科技創(chuàng)新產(chǎn)出彈性將提高為0.364 8%(0.174 9%+0.189 9%)，比不考慮溢出效應時的影響提高了0.141 5%(0.364 8%至0.223 3%)。

面板數(shù)據(jù)必須平穩(wěn)是動態(tài)面板數(shù)據(jù)模型估計參數(shù)有效的前提。為檢驗GMM估計參數(shù)的有效性，我們考慮對動態(tài)面板模型回歸后的殘差進行單位根檢驗，以診斷估計是否平穩(wěn)。對于面板數(shù)據(jù)的單位根檢驗，同質單位根檢驗主要使用LLC檢驗(Levin等，2002)和Breitung檢驗(Breitung，2000)，異質單位根檢驗主要使用IPS檢驗(Levin等，2002)、Fisher-ADF檢驗和Fisher-PP檢驗(Maddala，1999)。為相互驗證，表4同時給出了殘差面板數(shù)據(jù)的LLC檢驗、Breitung檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗的結果。從檢驗結果來看，在5%的顯著性水平下，殘差面板數(shù)據(jù)是平穩(wěn)的，表明GMM 方法估計有效。

表3 教育人力資本溢出效應對科技創(chuàng)新影響的回歸結果

注：括號內(nèi)數(shù)字是回歸系數(shù)的t統(tǒng)計量；***、**和*分別代表伴隨概率在1%、5%和10%的水平上顯著。

表4 動態(tài)面板數(shù)據(jù)模型殘差的單位根檢驗結果

五、結論與政策建議

教育人力資本水平不僅會直接影響科技創(chuàng)新，還會通過溢出效應影響科技創(chuàng)新。本文基于我國2000年至2015年的省際面板數(shù)據(jù)，利用動態(tài)面板數(shù)據(jù)模型特別是廣義矩估計方法，實證檢驗了教育人力資本及其溢出效應對我國科技創(chuàng)新的影響。實證分析證實，教育人力資本及其溢出效應對我國科技創(chuàng)新均具有顯著影響。具體來說，如果不考慮溢出效應，以平均受教育年限表征的教育人力資本每提高1%，我國的科技創(chuàng)新水平平均提高0.223 3%，如果考慮溢出效應，則教育人力資本對我國科技創(chuàng)新的影響程度明顯增強，教育人力資本的科技創(chuàng)新產(chǎn)出彈性會提升至0.364 8%。

上述研究結論具有較強的實踐啟發(fā)意義。如今，我國正在加速實現(xiàn)從經(jīng)濟大國邁向經(jīng)濟強國的戰(zhàn)略目標。要實現(xiàn)經(jīng)濟強國目標，科技創(chuàng)新是不可或缺的要素。如何通過要素培育特別是高素質人力資本的培育來提升科技創(chuàng)新能力是我們亟須解決的問題。就本文的研究結論看，首先，我們應更加堅定地加快教育發(fā)展與改革的步伐，加強對各級各類教育的投入力度，尤其是加大對教育人力資本水平相對薄弱而自身財政較為困難的中西部省域教育投入的傾斜與扶持，努力提高各地區(qū)的教育人力資本水平，盡快形成以培育人力資本帶動科技創(chuàng)新的長效機制，以充分發(fā)揮教育人力資本對我國科技創(chuàng)新的直接促進作用。其次，國家應加快人力資本制度改革與人才制度改革，打破人力資本特別是高端人才的流通壁壘，鼓勵省域內(nèi)和省域間的人力資本流動，積極引導高素質人才的交流與合作，加速推動人力資本集聚高地，以進一步放大教育人力資本溢出效應對我國科技創(chuàng)新的促進作用。