摘 要：本文选用广东省21个城市2013—2022年面板数据，利用空间计量模型对广东省人力资本水平与产业结构之间的空间关联进行分析。结果显示：考察期人力资本水平和政府调控并不利于广东省产业结构水平优化，而经济开放度、基础设施和金融支持则呈现出显著正向影响。最后，本文提出了针对不利因素与有利因素不同影响的政策建议。一方面，强调差异化教育、行业导向培养、灵活用工等措施，以促进更为平衡和可持续的产业结构升级；另一方面，提出整合产业政策、拓展合作和强化基础设施建设以最大程度地发挥各项因素的积极作用，实现产业结构的升级和优化。这些发现和建议为深入理解广东省人力资本与产业结构互动提供了有力的理论支撑和政策指导。

关键词：人力资本；产业结构；莫兰指数；动态空间杜宾模型；经济开放度；基础设施建设

本文索引：张娟.<变量 2>[J].中国商论，2024（08）：-135.

中图分类号：F121.3 文献标识码：A 文章编号：2096-0298（2024）04（b）--04

1 引言

從国家宏观层面来看，人才是富国之本、兴邦大计。习近平总书记在党的二十大报告中强调，必须坚持“人才是第一资源”，深入实施“人才强国战略”，坚持“人才引领驱动”。发展是第一要务，人才是第一资源，创新是第一动力。为实现这一目标，必须牢牢抓住实体经济，防止“脱实向虚”倾向，强化高端产业引领，推动产业转型升级。

广东省作为中国第一经济大省，“十四五”时期，广东省提出了高起点谋划发展战略性支柱产业、战略性新兴产业以及未来产业的产业布局。随着经济社会的高质量发展，广东省对人才的需求更为强烈，也为各类人才提供了更广阔的发展空间。近年来，广东省在人力资本领域取得了显著进展，但是，广东人力资本水平的提升是否促进了广东省产业结构的优化？广东省人力资本与产业结构优化是否形成了动态良性互动？是我们需要分析和论证的课题。

当前，学者关于人力资本对产业结构升级影响方面的研究大致可分为以下两点：

第一，人力资本对产业间结构升级的影响。Chenery （1992）[1]提到不同发展阶段的国家在产业部门的作用和地位存在不同规律。Heckman（2003）[2]通过多国横截面数据回归发现教育的社会收益率存在下降趋势。Boubtane（2013）[3]通过PVAR方法研究了迁移、经济增长和失业率之间的关系。

国外文献主要关注发达国家，角度多从历史或国家层面比较，具有借鉴意义。然而，我国现实情况需要更符合国情的研究。徐秋艳等（2019）[4]分析了人力资本供给结构与产业结构升级的协调程度和时空演变特征。黄海刚（2023）[5]通过面板数据分析了人力资本对经济高质量发展的贡献及其实现机制。

第二，高等教育、人力资本及产业结构的关系。蔡昉（2009）[6]分析了产业结构调整与扩大就业的一致性，认为我国在产业结构调整中具备扩大就业的条件。黄容霞等（2021）[7]在湖北省城市面板数据分析中发现，高等教育、人力资本集聚显著促进了城市技术创新水平的提升。赵之灿等（2023）[8]通过省级面板数据实证检验了人力资本在产业与人才互动关系中的交互效应。

综合而言，文献论证了高等教育、人力资本和产业结构之间的关系，从不平等、就业、技术创新、互动效应等多个角度展开研究。在上述文献的基础上，本文主要的边际贡献在于：

（1）基于空间计量经济学模型探讨广东省高等教育支撑下人力资本与产业结构关联的空间优化效应，适应了我国的区域经济活动表现出的空间集聚现象。

（2）从地市级层面探讨人力资本服务支撑下广东省人力资本与产业结构空间优化互动实证研究。广东省作为中国经济发展的排头兵，在全国范围的产业结构升级的实践经验具有示范效应。

2 实证研究设计

2.1 模型设定

经济变量在地理上的分布可能不是独立的，而是相互关联的。空间计量经济学模型是一种特殊的经济学模型。通常，空间计量模型包括：空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。

SDM模型综合考虑了因变量和误差项之间的空间依赖关系，同时考虑了自变量的直接影响。这使得SDM模型更为全面地揭示了空间影响。适用于全面考虑因变量的直接影响和误差项之间的空间依赖关系，特别是在人力资本与产业结构关系较为复杂的情况下。SDM模型如式（1）所示：

式中：ISi代表目标地区的产业结构，EOi、INFi、GRi、FSi、HELi代表模型中自变量的缩写。β0?，β1，…，βk代表模型的系数。εi代表误差项。ρ代表空间自回归参数。λ代表空间误差参数。Wij代表地区i和j之间的空间权重。

在考虑使用空间计量模型之前，一般还需要进行空间相关性检验 ，Morans I 指数是一种用于衡量空间相关性的统计指标，常用于空间数据分析中。

Morans I 指数的计算公式为：

其中，n表示广东省的21个城市，wij为空间权重，y和分别为因变量及其均值。为了判断 Morans I 是否显著，可以进行假设检验。通常使用蒙特卡洛模拟或渐近方法，计算p值。如果p值小于显著性水平，就可以拒绝空间独立性的假设，认为存在空间相关性。

2.2 变量说明

2.2.1 产业结构变量

产业结构合理化泰尔指数通常用于衡量收入或财富分配的不平等程度，但在产业结构中的应用则需要进行适当的修改，以更好地反映产业之间的差异。本文参考干春晖等（2011）[9]重新定义后的泰尔指数，如式（3）所示：

其中，TL为产业结构合理化指数，是衡量产业结构是否合理的指标，Y代表总产值，L代表各个产业的劳动力总数。Yi/Y表示每个产业i的产值在总产值中所占的比例，反映产业结构，Yi/Li是每个就业人员的平均产值，即生产率。

2.2.2 解释变量及控制变量

在解释变量及控制变量层面，参考文献并考虑数据可得性，本文以產业结构作为被解释变量，以人力资本水平及经济开放度作为解释变量，以基础设施、政府调控、金融支持等因素作为控制变量，变量测度及数据来源如表1所示。

3 实证结果分析

3.1 空间自相关检验

本文运用表1被解释变量、解释变量及控制变量的设定，对主要指标进行Morans I 指数检验。以被解释变量为例，通过STATA计算得出产业结构Morans I 指数发现，被解释变量多数年份在显著性水平为1%的基础上显著，满足空间计量模型的要求，且Moran s I指数为负，说明存在负向空间关联。

3.2 空间回归分析

本文在进行空间计量模型分析时，选择合适的空间权重矩阵是至关重要的，因为它直接影响模型的参数估计和解释。空间权重矩阵有若干种：邻接权重矩阵、地理距离权重矩阵、经济距离权重矩阵、经济-地理距离权重矩阵等。本文分别应用四种不同距离权重矩阵，选取效果最好的地理距离权重矩阵。

此外，在进行空间计量模型分析时，通常需要考虑SDM、SAR和SEM三种模型，因为它们涵盖不同的假设和空间依赖结构。为检验采用哪一种空间计量模型，本文采用Stata程序对代表城市相关指标的2013—2022年面板数据进行Wald检验及LR检验，结果prob>chi2值在0.01的显著水平上拒绝SDM模型能退化为SAR及SEM模型的原假设，接受SDM模型。SDM模型实证分析结果如表2所示。

从Hausman检验结果来看， p值小于0.001，说明应选择固定效应模型。另外，根据LM检验结果，p值在0.01的显著性水平上拒绝时间固定效应与解释变量不相关的原假设，选择双固定效应模型。

从双固定效应模型结果来看，由空间自回归系数p值为0.000，在1%水平下显著，且其系数为-0.551，为负值，说明产业结构水平对自身有负向的空间溢出效应。由 main中统计的β值来看， 人力资本水平、 经济开放度、 政府调控在1%水平上显著，基础设施在5%水平上显著。系数分别为 -0.404，0.481，-1.819，1.610说明人力资本水平、政府调控对产业结构水平有负向影响，经济开放度、基础设施对产业结构水平有正向影响。

Wx项比main的系数更能说明空间传导效应，所有因素的空间交互项均显著，可以说明经济开放度、基础设施及金融支持有正向的空间溢出效应，周边地区对当地的产业结构水平有正向的传导作用。人力资本水平及政府调控系数为负，则情况相反。

在空间计量模型中，模型估计出的变量系数并不能真实反映变量间的影响程度。为了更准确地理解各变量之间的直接和间接影响，可以采用偏微分的方法对空间影响效应进行分解。

直接效应表示模型中的各解释变量及控制变量对产业结构水平的影响大小。某地区的变化不仅会直接影响自身，还会通过空间关系对其他地区产生影响，其他地区的变化又反过来影响该地区。间接效应，也称为空间溢出效应，表示邻近地区的各解释变量及控制变量对本地区的产业结构水平的影响。总效应综合了所有地区的影响。它给出了各因素对整体地区产业结构升级的综合影响。空间效应分解结果如表3所示。

直接效应方面，除金融支持变量不显著以外，其他因素均在5%显著性水平上显著。其中，人力资本水平并不利于产业结构水平。分析其原因可能有：首先，人力资本投资的提升并未充分促进新兴产业的高层次发展。由于传统行业人才需求量较大、薪资水平较为稳定，普通本专科人口倾向于涌入传统产业，从而存在教育水平与生产服务业现代化需求不匹配的情况，限制了人力资本对产业结构的升级贡献。其次，可能受到产业结构的惯性影响，要想更好地推动产业结构的高级化，除了提高人力资本投资比重外，还需要考虑产业结构调整的全面性和协同性，以确保教育培养的高层次人才更好地服务于现代产业的发展。

另外，政府调控负向影响产业结构水平。政府调控水平更多地倾向于经济水平较低，产业结构不合理的地区，而这些政策目前的效果还未显现。此外，政府调控水平高的地区大都资源禀赋及发展潜力处于不利地位，因此产业结构水平提升难度较大。此外，经济开放度、基础设施和金融支持通过提供更多的机会、资源和创新动力，对产业结构水平的提升产生正向影响。这些因素有助于推动本地产业朝着更高附加值、更具竞争力的方向发展。

间接效应方面，相邻地区的人力资本水平上升一个单位可以导致产业结构水平分别变动-1.3。在人力资本投资占比较高的区域，优质的人力资本资源吸引了大量高层次人才。这些人才的集聚可能导致产业结构在该区域升级，但相邻地区可能因为人才的虹吸效应而经历产业结构的负面变化，形成负向空间溢出效应。

总之，当前人力资本水平并不利于产业结构水平提升，相似的结果也在周均旭（2022）[10]研究中得到支持。

3.3 稳健性检验

为确保研究结果的准确性和稳健性，本文进行了替代变量和空间权重矩阵的稳健性检验。首先，在替代变量的选择方面，考虑到教育投资占比是人力资本水平的一个重要衡量指标。人力资本水平的提高通常会伴随相应的教育投资增加。在空间权重矩阵的选择方面，本文则采用了反地理距离平方矩阵。经过详细的检验过程，发现稳健性检验的结果基本与前文的研究结论一致，从而证明了研究结果的稳健性和可行性。

4 结语

研究结果揭示了人力资本水平和政府调控对产业结构水平带来的负面影响，同时经济开放度、基础设施和金融支持呈现出正向影响。本文针对这一现象提出如下对策：

（1）行业导向的教育政策： 制定差异化的人力资本政策，根据不同行业的需求，有针对性地培养符合新兴产业要求的高层次人才。建立与产业发展战略相契合的专业设置，使高校培养的人才更好地服务于新兴产业的发展。

（2）产业与高校合作机制： 建立紧密的产业与高校合作机制，加强对新兴产业发展趋势和需求的调研，建立起高校与产业沟通的桥梁。产业专家参与课程设计、实习安排，使学生能够获得更实际、实用的知识和技能。

（3）灵活用工政策： 推动高校和企业之间的灵活用工，鼓励学生在校期间进行实习、兼职，更好地了解和融入新兴产业。建立起学生与企业的双向选择机制，促进产学结合，提高学生对产业的适应性。

从经济开放度、基础设施及金融支持等有利因素来看，为实现产业结构升级，政府可以采取以下综合性对策：

（1）整合产业政策： 制定整体性产业政策，考虑各个因素的综合影响，避免单一政策导致的负面效应。通过建立产业政策整合机制，确保各项政策协同推进，形成政策合力。

（2）拓展合作： 进一步提高经济开放度，拓展合作，引入更多外部资源和市场机会，促进产业结构向更高水平迈进。政府可以通过签署贸易协定、鼓励外商直接投资等方式加强国际合作。

（3）强化基础设施建设： 持续加大基础设施建设力度，提高交通、通信和能源等基础设施水平，为产业提供更良好的发展环境，提升整体产业结构水平。

参考文献

Gregory M N，David Ｒ，David N W. A Contribution to the Em-pirics of Economic Growth[J].Quarterly Journal of Economics，1992，107： 407-437.

Heckman James，etal.Human Capital Policy [R].NBER Working Pa-perNo.9495.2003.

BoubtaneEkrame，et al.Immigration，CrowthandUnemployment：Panel VAR Evidence from OECD Countries[J].Labour，2013，27（4）：399-420.

徐秋艷，房胜飞. 高等教育供给结构与产业结构升级的耦合协调性分析[J]. 统计与决策，2019，35（8）：56-59.

黄海刚，毋偲奇，曲越. 高等教育与经济高质量发展：机制、路径与贡献[J]. 华东师范大学学报（教育科学版），2023，41（5）：26-40.

蔡昉.坚持在结构调整中扩大就业[J].求是 ，2009（3）：27-30.

黄容霞， 魏萍， 潘孝珍. 高等教育人力资本集聚对技术创新的空间效应： 以湖北省地级市为例的实证分析[J].中国高教研究， 2021， 37（1）：70-76.

赵之灿，田浩然. 以区域高等教育发展破解产业与人才之间的循环困境： 基于2005—2020年省级面板数据的实证分析[J]. 中国人民大学教育学刊，2023（2）：151-168.

干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响 [J]. 经济研究， 2011， 46（5）： 4-16+31.

周均旭，刘子俊，朱丹鹤，等. 我国公共教育投资结构是否利于产业结构升级： 基于空间计量的分析[J]. 现代教育管理， 2022 （5）： 54-64.