徐旭初 徐家楠

（安徽財經(jīng)大學，安徽 蚌埠 233030）

黨的十九大報告中明確提出，中國的經(jīng)濟已經(jīng)進入了由高速增長轉(zhuǎn)向高質(zhì)量發(fā)展的新時代。高效的金融體系能提升經(jīng)濟發(fā)展質(zhì)量，達到經(jīng)濟轉(zhuǎn)型的需要。而金融業(yè)全要素生產(chǎn)率是評價金融發(fā)展水平和效率的重要指標，因此自上世紀90年代起金融業(yè)全要素生產(chǎn)率成為學者的研究重點。人力資本投入對金融業(yè)全要素生產(chǎn)率的產(chǎn)生重要影響。研究人力資本對金融業(yè)的全要素生產(chǎn)率影響不能只看人力資本的整體，而要考慮人力資本的異質(zhì)性，因為不同的人力資本會產(chǎn)生不同的影響。因此從理論和實證的角度研究人力資本的異質(zhì)性對金融業(yè)全要素生產(chǎn)率產(chǎn)生怎么的作用。這對促進金融業(yè)發(fā)展具有重要的現(xiàn)實意義和理論意義。

一、文獻綜述

新經(jīng)濟增長理論是研究人力資本與全要素生產(chǎn)率關系的理論基礎，認為人力資本和技術進步是提高全要素生產(chǎn)率的兩大動力。就影響理論上的影響機制而言，Benhabib and Spiegel（1994）[1]認為人力資本主要通過兩種途徑對全要素生產(chǎn)率產(chǎn)生影響。第一是隨著人力資本的存量增加，使得一國的技術創(chuàng)新能力得到增強，從而提高一國的全要素生產(chǎn)率。第二是目前世界各個國家在各個方面相互聯(lián)系，人力資本通過對發(fā)達國家進行技術模仿和技術追趕，最終影響全要素生產(chǎn)率。

大量文獻表明人力資本對全要素生產(chǎn)率具有增長效應。Coe et al．[2]（2009）利用動態(tài)最小二乘法對1971年到2004年的24個OECD國家的面板數(shù)據(jù)進行分析，結果發(fā)現(xiàn)人力資本提高全要素生產(chǎn)率。王文靜等（2014）[3]利用中國30個省份1978年到2009年的面板數(shù)據(jù)，并建立空間Benhabib-Spiege模型研究人力資本與全要素生產(chǎn)率的關系，實證結果表明人力資本的平均水平提高了全要素生產(chǎn)率。鄧翔等（2018）[4]利用中國30個省份2000年到2014年的面板數(shù)據(jù)，基于SBM-Undesirable模型和Global Malmquist Luenberger指數(shù)法分析人力資本對全要素生產(chǎn)率的影響，實證結果表明提高人力資本水平將促進全要素生產(chǎn)率的提高。但是也有一部分學者認為人力資本不會提高全要素生產(chǎn)率。Pritchetl（2001）[5]認為教育的擴張不利于全要素生產(chǎn)率的提高。尹朝靜（2017）[6]利用中國1978年到2012年省級面板數(shù)據(jù)研究農(nóng)村人力資本對農(nóng)村全要素生產(chǎn)率的影響，結果發(fā)現(xiàn)農(nóng)村人力資本能夠提高農(nóng)村全要素生產(chǎn)率，但是影響比較小。還有一些學者研究人力資本的異質(zhì)性對全要素生產(chǎn)率的影響。Vandenbussche等（2006）[7]研究發(fā)現(xiàn)人力資本的平均水平對全要素生產(chǎn)率無影響，只有高等人力資本才能促進全要素生產(chǎn)率的提高。韓海彬等（2014）[8]利用中國農(nóng)村1993年到2010年的面板數(shù)據(jù)研究發(fā)現(xiàn)初等人力資本有利于增強農(nóng)業(yè)全要素生產(chǎn)率，中等人力資本則不會影響全要素生產(chǎn)率，高等人力資本則阻礙了全要素生產(chǎn)率的提高。

從文獻分析出近年來存在大量關于人力資本與全要素生產(chǎn)率之間關系的研究，但是鮮有文獻分析人力資本的異質(zhì)性對金融業(yè)全要素生產(chǎn)率的影響。本文以人力資本為基礎，將人力資本分為初等人力資本，中等人力資本和高等人力資本三大類，測算30個省份的金融業(yè)全要素生產(chǎn)率的基礎上，不但構建靜態(tài)面板模型，而且通過加入地理空間因素，建立空間面板模型，實證檢驗了人力資本的異質(zhì)性在空間上對金融業(yè)全要素生產(chǎn)率的影響，從而為提高金融業(yè)全要素生產(chǎn)率，促進金融發(fā)展提供理論和實證依據(jù)。

二、模型介紹

（一）空間相關性分析

空間相關性檢驗是建立空間計量模型的基礎，如果檢驗通過則建立空間模型，否則使用標準的計量模型。檢驗空間相關性的方法具有多樣性，而目前比較流行的方法是莫蘭指數(shù)。莫蘭指數(shù)包括全局Moran’s I和局部 Moran’s I。全局 Moran’s I的公式：

莫蘭指數(shù)的取值在-1和1之間，當莫蘭指數(shù)大于0時，此時各地區(qū)在空間上存在正相關，反之，各地區(qū)在空間上存在負相關，而莫蘭指數(shù)為0時，各地區(qū)在空間不存在相關性。莫蘭指數(shù)越接近1或-1時，空間相關性就越強。

局部Moran’s I的公式：

局部Moran’s I與全局Moran’s I的定義具有相似性。莫蘭指數(shù)散點圖能夠反映這種現(xiàn)象，莫蘭指數(shù)散點圖的第一象限反映高值與高值，第三象限反映低值與低值，這兩個象限說明存在正相關，而第二象限反映高值與低值，第四象限反映低值與高值，這兩個象限說明存在負相關。

（二）空間權重矩陣

本文選用0-1矩陣作為本文的空間權重矩陣，0-1矩陣的編制是根據(jù)兩個地區(qū)是否相鄰來確定的，即當?shù)趇地區(qū)和第j地區(qū)相鄰時，Wij等于1，反之等于0。

（三）空間計量模型

傳統(tǒng)的計量模型沒有把各地區(qū)聯(lián)系在一起，而是單獨進行分析，空間計量模型則克服這一缺點，把各地區(qū)進行聯(lián)系，這也是空間模型與傳統(tǒng)的模型的主要的不同之處之一。本文使用空間自回歸模型（SAR）和空間誤差模型（SEM）分析金融業(yè)全要素生產(chǎn)率在空間上的效應。

空間自回歸模型（SAR）主要是研究鄰近地區(qū)的金融業(yè)全要素生產(chǎn)率對本地區(qū)的金融業(yè)全要素生產(chǎn)率的空間效應。SAR模型如下：

其中β0為常數(shù)項，β為回歸系數(shù)，HC1、HC2、HC3、FDI、FD分別初等人力資本、中等人力資本、高等人力資本、實際利用外商直接投資額/GDP和金融機構本外幣存貸款余額/GDP，i為中國各地地區(qū)，t為各個年份，W為空間權重矩陣，p為空間自回歸系數(shù)，反應金融業(yè)全要素生產(chǎn)率的依賴程度，即鄰近地區(qū)的金融業(yè)全要素生產(chǎn)率對本地區(qū)的金融業(yè)全要素生產(chǎn)率空間溢出效應。

空間誤差模型（SEM）主要是研究鄰近地區(qū)的各個解釋變量誤差本地區(qū)的金融業(yè)全要素生產(chǎn)率的空間效應。SAR模型如下：

其中 φ0為常數(shù)項，φ 為回歸系數(shù)，HC1、HC2、HC3、FDI、FD分別初等人力資本、中等人力資本、高等人力資本、實際利用外商直接投資額/GDP和金融機構本外幣存貸款余額/GDP，i為中國各地地區(qū)，t為各個年份，W為空間權重矩陣，λ為空間誤差系數(shù)，主要反應鄰接地區(qū)的各個解釋變量的的誤差沖擊對本區(qū)域金融業(yè)全要素生產(chǎn)率的空間效應。

三、數(shù)據(jù)來源和變量選擇

（一）數(shù)據(jù)來源

本文選取2004年到2016年30個內(nèi)地省份（除西藏外）的面板數(shù)據(jù)為樣本，其中全社會固定資產(chǎn)投資，城鎮(zhèn)單位就業(yè)人員，金融業(yè)增加值來自國家統(tǒng)計局和中國經(jīng)濟大數(shù)據(jù)平臺，各地區(qū)受教育程度來自中國人口和就業(yè)統(tǒng)計年鑒，實際利用外資、金融機構本外幣存款和金融機構本外幣貸款來自Wind數(shù)據(jù)庫和各省統(tǒng)計年鑒。

（二）變量選擇

1.被解釋變量

金融業(yè)全要素生產(chǎn)率（TFP）：本文使用DEA模型測算30個省份的金融業(yè)全要素生產(chǎn)率。在金融業(yè)投入產(chǎn)出指標上借鑒施衛(wèi)東等（2013）[9]所使用指標，選取資本存量和城鎮(zhèn)單位就業(yè)人員作為投入指標，金融業(yè)增加值作為產(chǎn)出指標。資本存量無法直接得到，因此本文選取永續(xù)盤存法進行資本存量的計算。

K代表資本存量，σ為折舊率，本文選取單豪杰所使用的10.96%，Z為固定資產(chǎn)投資指數(shù)，并換算為2000年的固定資產(chǎn)投資指數(shù)，T為全社會固定資產(chǎn)總額，從而得各個年份的資本存量。

2.解釋變量

人力資本（HC）：本文使用受教育年限衡量人力資本，并按照不同的受教育年限將人力資本分為初等人力資本、中等人力資本和高等人力資本。根據(jù)胡海洋（2018）[10]估算的受教育年限的方法，本文將不同的受教育水平按照一定的受教育年限的比例進行計算（未上學0年，小學6年，初中9年，高中12年，大專15年，大學本科16年，研究生及以上19年），但是2015年以后新出現(xiàn)高等職業(yè)教育和中等職業(yè)教育分類，本文將其分別歸為大專和高中分類中，然后相應乘以教育水平的比例，得到人力資本水平。其中由未上學和小學的受教育水平得到的人力資本為初等人力資本（HC1），由初中和高中的受教育水平得到的人力資本為中等人力資本水平（HC2），最后由大專以及以上的受教育水平得到的人力資本為高等人力資本為高等人力資本（HC3）。

控制變量：由于金融業(yè)全要素生產(chǎn)率還受到其他因素的影響，為了提高模型的準確度，添加了實際利用外商直接投資額（FDI）占GDP的比率和金融機構本外幣存貸款余額占GDP（FD）的比率兩個控制變量。

四、實證分析

（一）金融業(yè)全要素生產(chǎn)率測度

本文使用DEA-Malmquist方法對金融業(yè)全要素生產(chǎn)率進行估算，表二是TFP測算的結果。

表1 2003-2016全國金融業(yè)全要素生產(chǎn)率測算結果

從表2可以看出，金融業(yè)TFP 2003年到2009呈現(xiàn)出下降趨勢，2009到2011年出現(xiàn)上升趨勢，但是2011年到2012年有所下降，2012年到2013年有所上升，2014年到2015下降，2015年到2016年出現(xiàn)上升趨勢。這種情況的出現(xiàn)可能原因是各地區(qū)的經(jīng)濟和金融發(fā)展情況不同和本文所使用的投入變量的影響。

（二）空間相關性分析

本文使用莫蘭指數(shù)對2004年到2016年的金融業(yè)全要素生產(chǎn)率進行檢驗，結果表明大部分年份的金融業(yè)全要素生產(chǎn)率的莫蘭指數(shù)的數(shù)值在10%的水平下顯著為正。從而說明30個省份的金融業(yè)全要素生產(chǎn)率具有顯著的相關性，這就得出這30省份的金融業(yè)全要素生產(chǎn)率在空間存在集聚性，較高地區(qū)的金融業(yè)全要素生產(chǎn)率會對臨近地區(qū)產(chǎn)生一定的聚集作用，各個地區(qū)相互影響。

為了進一步的展示金融業(yè)全要素生產(chǎn)率的空間集聚高低程度，本文利用Moran’sI散點圖對金融業(yè)全要素生產(chǎn)率進行局部空間自相關分析。由于局部空間相關性測算的數(shù)據(jù)較大，因此本文只描述了2006年和2012年的金融業(yè)全要素生產(chǎn)率的Moran’s I散點圖。如圖1和圖2。

圖1 2006年的金融業(yè)全要素生產(chǎn)率的Moran’s I散點圖

圖2 2012年的金融業(yè)全要素生產(chǎn)率的Moran’s I散點圖

從兩個圖中可以看出，大部分省份的金融業(yè)全要素生產(chǎn)率都處于第一和第三象限，因此具有正向的空間集聚關系。

通過全局Moran’s I和局部Moran’s I對金融業(yè)全要素生產(chǎn)率的空間相關性的分析，各地區(qū)在空間上存在空間集聚效應。

（三）靜態(tài)模型和空間面板模型

本文使用Hausman檢驗確定使用隨機效應還是固定效應模型。根據(jù)Hausman檢驗結果，模型一的Chi2的值為23.86，相對應的P值為0，而模型二Chi2的值為11.32，相對應的P值為0.0453，兩個模型在10%的顯著性水平下均拒絕原假設，因此模型一和模型二均采用固定效應的面板模型。表三為模型的回歸結果。

表2 靜態(tài)面板和空間面板模型的估計結果

在靜態(tài)面板模型中，高等人力資本和實際利用外商直接投資對金融業(yè)全要素生產(chǎn)率產(chǎn)生顯著的正向影響，而初等人力資本和中等人力資本有利于金融業(yè)全要素生產(chǎn)率的提高，但不顯著，金融機構本外幣存貸款余額之和不利于融業(yè)全要素生產(chǎn)率的提高，但不顯著。靜態(tài)面板模型忽視了地區(qū)之間的空間性，因此不再詳細描述，本文重點描述空間計量模型。

在SAR模型中，模型三和模型四空間自回歸系數(shù)（0.3）均在10%的顯著性水平下通過檢驗，說明周邊地區(qū)金融業(yè)全要素生產(chǎn)率對本地區(qū)產(chǎn)生促進作用，即鄰近地區(qū)的金融業(yè)全要素生產(chǎn)率每增加1%將會使得本地區(qū)的金融業(yè)全要素生產(chǎn)率提高0.3%，從而說明中國各省的金融業(yè)全要素生產(chǎn)率的空間競爭效應小于空間溢出效應。在SEM模型中，模型五和模型六空間誤差系數(shù)（0.223和0.207）均在10%的顯著性水平下通過檢驗，說明周邊地區(qū)的初等人力資本，中等人力資本和高等人力資本對本地區(qū)的金融業(yè)全要素生產(chǎn)率產(chǎn)生正向的空間溢出效應。檢驗結果與莫蘭指數(shù)的檢驗結果相一致，從而說明建立空間計量模型的正確性。

在不考慮控制變量的情況下，模型三和模型五中初等人力資本和中等人力資本的系數(shù)估計值在10%的顯著性水平下均不顯著但為正，從而說明初等人力資本和中等人力資本均有利于提高金融業(yè)全要素生產(chǎn)率，但影響效應比較小，這可能由于金融業(yè)對于從業(yè)者的受教育的要求比較高，低教育程度的從業(yè)者很少在金融業(yè)中工作。高等人力資本的系數(shù)估計值在10%的顯著性水平下顯著且為正，從而說明高等人力資本將會對金融業(yè)全要素生產(chǎn)率產(chǎn)生顯著的正向影響，這與靜態(tài)面板模型的估計結果具有一致性。這分析的結果與目前中國金融業(yè)的情況具有一致性。

在考慮控制變量的情況下，模型四和模型六控制了實際利用外商直接投資額和金融機構本外幣存貸款余額之和以后，初等人力資本和中等人力資本仍然有利于促進金融業(yè)全要素生產(chǎn)率的增加，但系數(shù)的估計值變小，影響的效果進一步下降，同時高等人力資本對金融業(yè)全要素生產(chǎn)率仍然具有正向顯著作用，但系數(shù)估計值同樣有所下降。這與靜態(tài)面板模型的估計結果具有一致性。這可能是由于控制變量加入所帶來的影響，使得影響效果下降。實際利用外商直接投資額回歸系數(shù)為正，但是不顯著，從而說明實際利用外商直接投資額有利于金融業(yè)全要素生產(chǎn)率具提高但是不顯著。這與靜態(tài)面板模型有所差異，這可以由于實際利用外商直接投資在中國各地區(qū)的差異性。金融機構本外幣存貸款余額之和的系數(shù)估計值在10%的顯著性水平下不顯著但為負，從而說明金融機構本外幣存貸款余額之和不利于金融業(yè)全要素生產(chǎn)率提高，但影響效應比較小，這可能是因為一方面中國金融業(yè)中金融機構存貸款會對金融業(yè)的全要素生產(chǎn)率產(chǎn)生促進作用，但是另一方面中國金融業(yè)中金融機構存貸款過多，使得直接投資減少，金融市場的自我調(diào)節(jié)的資金變少，從而導致金融業(yè)效率變低。結果與靜態(tài)面板模型具有一致性。

五、結論與建議

本文基于DEA-Malmquist方法測算金融業(yè)全要素生產(chǎn)，進而建立靜態(tài)面板模型和動態(tài)面板模型研究人力資本異質(zhì)性與金融業(yè)全要素生產(chǎn)率之間的關系，結果發(fā)現(xiàn)：（1）中國各地區(qū)的金融業(yè)全要素生產(chǎn)率具有空間相關性，鄰近地區(qū)的金融業(yè)全要素生產(chǎn)率將對本地區(qū)的金融業(yè)全要素生產(chǎn)率產(chǎn)生正向的空間溢出效應。（2）初等人力資本和中等人力資本有利于提高金融業(yè)全要素生產(chǎn)率，但是產(chǎn)生的影響效應低。高等人力資本對金融業(yè)全要素生產(chǎn)率產(chǎn)生顯著的正向空間溢出效應。顯然異質(zhì)性人力資本存在差異。（3）實際利用外商直接外資有利于全要素生產(chǎn)率的提高，而金融機構本外幣存貸款余額則對全要素生產(chǎn)率的提高產(chǎn)生負向作用，但是影響作用小。

從上述分析中，提出以下建議：（1）中國各地區(qū)應該加強聯(lián)系，消除各地區(qū)的金融業(yè)的差異性，使得各地區(qū)的金融業(yè)平衡發(fā)展，最終促進金融業(yè)的發(fā)展。（2）加強教育投入，建立高水平的教育制度，培養(yǎng)高等級的人才，促進人力資本的提高，同時注意各地區(qū)人力資本發(fā)展的均衡性，考慮人力資本在空間上的相關性，發(fā)揮鄰近地區(qū)人力資本的作用。（3）提高實際利用外商直接外資水平，減少金融機構本外幣存貸款余額，發(fā)揮金融市場作用。