▲李庆海

引言

近年来，中国人口结构在数量和质量方面发生了重要变化：劳动年龄人口减少，老龄化程度不断提升，城镇化率增长缓慢，而出生率出现下降。与此同时，中国劳动力工资水平不断上升，传统的以充足而廉价劳动力供应所展现出的“人口红利”难以为继。1第七次全国人口普查结果显示,当前中国人口矛盾表现为人口结构性压力。2在我国总劳动力人口数量占世界第一的现实背景下，化解人口结构压力成为推动经济可持续增长的关键。而通过提升劳动生产率，用“生产率红利”来化解劳动力工资增长，可在一定程度上抵消“人口红利”的下降。3在控制了人力资本动态的影响后，年龄结构变化对劳动生产率并无影响，而受教育程度成为影响收入增长和改善生产力效率的关键因素。4研究表明，在经济落后地区，改善教育水平显著优于改善年龄结构，即在经济发展水平较低的地区，教育是提升生产力效率的主要因素。5通过对1950年至2015年期间159个国家的人口年龄分布变化与经济发展间的关系分析后发现，人力资本的增加只有与适当的年龄结构相结合，才能产生积极的经济增长效应。可持续发展政策要想富有成效，应考虑到这种异质性，以避免片面关注人力资本的不利影响。6

还有一些学者分析了教育与城镇化率之间的关系。有学者发现，我国劳动力呈现回流乡村趋势,农业劳动力过剩供给将会拉低农业生产率，如何有效提升城镇化率，关系到经济发展可持续性。7目前，高等教育人力资本为主体的技术创新已成为经济增长的核心推动力，这也是提升城镇化水平和质量的主要路径。8有学者发现，提高受教育水平可以促进城镇化，平均受教育年限增加一年会使城镇化率提高两个百分点。9有学者认为，提高教育水平会显著促进中国城镇化，但这一影响会随着城镇化发展的深入而衰减。10还有学者发现，受教育程度较低的农村人口会对城市化进程产生负向作用。11综上所述，学者们从不同角度论证了通过教育提升劳动生产率、提高城镇化率以化解人口红利消失的难题。相对来说，现有研究将教育水平、城镇化率和劳动生产率纳入一起的文献略有不足。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出：“十四五”时期全员劳动生产率增长高于国内生产总值增长，提升人口质量，巩固提升高中阶段教育普及水平，高中阶段教育毛入学率提高到92%以上，高等教育毛入学率提高到60%。12因此，在推动以人为核心的新型城镇化背景下，既需要考虑受教育年限增加对劳动力要素价格影响，同时也需兼顾如何有效提升劳动生产率，即人力资本质量水平。本文试图回答以下问题：增加平均受教育年限对城镇化不同地区的劳动生产率促进效应如何，是否会影响我国劳动力要素价格。本文基于1998—2019年29个省份面板数据，运用面板门槛模型，对平均受教育年限、城镇化率与生产率红利关系进行定量分析。在已有的研究基础上，本文创新运用面板门槛模型，研究平均受教育年限、城镇化率对生产率的影响。研究发现增加平均受教育年限会对人均GDP产生正向影响，但对工资无影响；当平均受教育年限达到9.59年和11.11年门槛值时，城镇化率会显著提升人均GDP水平；分地区来看，东部地区增加平均受教育年限能带来生产率红利效应，中西部地区效应不明显。根据研究结论，本文提出根据地区经济发展需要，来开展多元化教育形式，延长不同年龄群体平均受教育年限，来提升人口质量；同时完善劳动力区域流动机制，推进城镇化率，促进劳动生产率提升。

一、理论阐释与假说提出

（一）人力资本、城镇化与生产率的相关理论阐释

除了物质资本外，人力资本是影响一国收入的另一关键要素，增加受教育年限是形成人力资本积累的重要方式；在人力资本量由劳动力的数量和劳动力的平均受教育年限函数所决定假设下，研究发现：劳动生产效率受教育年限制约，初级教育仅帮助人们拥有基本的技能，但对产出贡献较小，高等教育对产出贡献较大。13

在适龄劳动力人口供给下降的趋势下，非农劳动力转移是城镇劳动力人口供给增加的主要方式。相对来说，受教育程度高的劳动力更易离开农村，留在城市，为非农部门提供稳定的劳动力供给。受教育年限达到一定程度，劳动生产率提升水平大于工资增长，将会产生劳动力要素价格相对下降的效果。追求城市工作和生活是中国农村劳动力向城市转移的一个动力，来自中国农村或欠发达地区的高素质移民流入实际上降低了工资，促进了城市更快增长。14

据2019年世界银行统计，发达国家高等院校入学人口占总人口比重为76%，而中国仅达到54%。15中国高等受教育人口比重还有上升的空间，同时在中国，不同地区间的平均受教育年限、城镇化率和生产率水平具有显著异质性，相对中西部地区，东部地区城镇化率和平均受教育年限较高，劳动生产率和工资水平也较高。

2019年中国统计年鉴的人口抽样调查显示：我国东部地区城镇化率已达到69.5%，平均受教育年限为9.97年；西部地区城镇化率达到54.5%，平均受教育年限为8.84年；中部地区城镇化率达到57.9%，平均受教育年限为9.36年；我国东部地区人口适龄劳动力占比达到62%，中部和西部地区适龄劳动力人口约为58%；西部少儿抚养比为26%，老龄人口抚养比相对较低为15%。整体来看，东部地区人口平均受教育程度、城镇化率高于中西部地区，我国地区间劳动力人口结构差异显著。因此，本文尝试将平均受教育年限纳入“生产率红利”分析框架中，探求化解区域“人口红利”消失的难题，检验在以人为核心的新型城镇化背景下，增加平均受教育年限对不同地区劳动生产率和工资的异质性影响。

（二）城镇化率、平均教育年限的“生产率红利”效应假说提出

基于以上理论分析和中国不同区域受教育年限、城镇化率及生产率状况的典型经济事实，本文进行如下机制分析和假说提出。

1. 平均受教育年限对“生产率红利”影响机制分析

教育可以提高劳动力人口素质，提高人力资本的质量水平，从而带动技术进步，促使人力资本投入产生更有效的经济产出，降低人口抚养比增长产生的负面作用。

假说1：“生产率红利”的发挥，需要一定程度的人力资本积累。具有较高人力资本和技术水平的东部地区，增加平均受教育年限可显著提升劳动生产率。

2. 城镇化率对“生产率红利”的作用机制分析

在适龄劳动力人口供给下降趋势下，提高平均受教育年限可激发农村人口向城镇转移的潜力，增加城镇高质量劳动力供给，有利于提升人均GDP；长期来看，增加平均受教育年限也有助于城镇人口教育水平进一步提高，从而推动人力资本积累；技术领先地区，非农部门对劳动力人口教育水平要求更高，达到非农部门所需平均生产率水平的人力资本才能有效推动城镇化，由此提出如下假说2和假说3。

假说2：生产率水平高的东部地区，增加平均受教育年限对人均GDP影响为指数形式，可产生抑制工资增长的“生产率红利”效应；

假说3：平均受教育年限、城镇化率与人均GDP之间关系为非线性,跨过平均受教育年限门槛值，城镇化率可显著促进人均GDP增长，产生“生产率红利”效应。

二、数据说明及计量模型设定（一）数据来源与变量选择

本文主要选择1998—2019年29个省份作为研究样本，数据缺失较多的西藏和1997年开始成立直辖市的重庆除外。数据来源为中国国家统计局、中国人力资源和社会保障部、中国统计年鉴与EPS数据库统计整理。相关变量说明如下：

(1）因变量

(1)人均GDP:人均GDP反映了各地经济发展水平变化，也反映了劳动力生产效率。由于劳动力就业变化很难准确反映实际劳动力产出，本文用人均GDP来表示劳动生产率，代表一地区因人力资本水平提升带来的生产效率改进。本文人均GDP数据来自中国国家统计局，单位元。

(2)工资：工资代表了劳动力要素价格，是劳务报酬（劳酬）中的一种主要形式。一个地区的工资水平反映了劳动生产率水平和企业雇佣劳动力要素的成本。本文工资采用具有代表性的城镇其他就业人员平均工资，单位元。数据来源于中国国家统计局、中国人力资源和社会保障部。

(2）自变量

(1)平均受教育年限：平均受教育年限可以反映一个地区劳动力的受教育程度。本文平均受教育年限按照常规教育年数来计算：小学6年，初中9年，高中12年，大专及以上16年。并结合相应受教育年限的人口数进行加权平均。由于我国从1986年开始实行9年义务教育，因此，未达到9年受教育年限的人口主要为1986年前入学的劳动力人口。

(2)城镇化率:按照国家统计局规定,城镇化率为城镇人口与总人口的比值，通常城镇化率以常住人口计算。城镇化率反映了农村人口转移到城市，为经济提供所需的劳动力人口的程度，城镇化率提高意味着非农部门人力资本供给增加。

(3）控制变量

(1)人口抚养比：人口抚养比用以度量劳动人口人均负担的非劳动人口的数量，是衡量人口年龄结构对社会经济发展影响的重要指标。本文采用65岁以上老年人口和低于14岁儿童人口占总人口比例，数据来自中国统计年鉴。

(2)总人口：总人口通常是指一个地区常住人口数量，反映了该地区的人口规模，本文采用中国统计年鉴中收录的年末固定人口总数。

(3)固定资产投资额：以货币形式表现的进行建造和购置固定资产所需工作量，以及与此相关的费用总称，是一项反映固定资产投资规模、投资比例和投资速度关系的综合性指标。本文固定资产投资额以亿元人民币为单位。

(4)专利授权数：指报告期内，由专利部门授予的专利权总件数，包括实用新型、发明和外观设计3种专利权。专利代表了技术进步水平，一个地区的专利授权数，代表了该地的科技研发进步水平。因部分地区衡量全要素生产率相关数据存在缺失，本文以专利授权数来代指各地区的全要素生产率发展水平。

(5)就业率：就业率反映了适龄劳动力就业程度，指全部可参与社会劳动的劳动力中实际就业人员比重。就业率越高，意味着劳动力创造的经济回报越多，承担人口抚养的能力越强。

表1 描述性统计分析

本文根据部分地区缺失数据情况，进行了插补，具体变量描述统计分析如表1所列。基于统计需要，本文在统计回归中对相关变量进行了无量纲化处理。

由表1描述性统计分析结果可发现：各变量标准差较小，变量偏离均值的程度较低。

（二）基本模型设计

通过上述理论分析，同时借鉴周一星(1982)1616城镇化率与经济发展具有高度相关性研究结论、以及Hall,R.E.,&Jones,C.I.(1999)17对学历教育与人均产出间关系的研究推断,可设置如下基本模型：

其中，i表示省市，t表示年份；lngdpit代表各地区不同年份人均GDP;czhit代表各地区不同年份城镇化率；eduit为各地区不同年份平均受教育年限；lnfybit为各地区不同年份人口抚养比；lnpopit代表各地区不同年份年末人口总数；lnzhli为各地区不同年份专利授权数；lnjylit为就业率，因存在就业率统计数据缺失，本文通过失业率来核算就业率的情况，就业率=1-年末城镇登记失业率（%）；lninvestit为固定资产投资额；lnwageit代表各地区不同年份的平均工资水平；ε、φ为随机扰动项。值得注意的是，本文采用面板固定效应模型（FE）进行分析。

三、实证结果分析

本文实证结果主要有以下几个部分：一是基准回归结果，主要为平均受教育年限对人均GDP、工资的回归；二是对不同地区人力资本的异质性进行分析，基于不同地区平均受教育年限水平对人均GDP和工资水平回归；三是采用2007—2019年间样本来检验稳健性，用工具变量法检验内生性；四是进行门槛效应分析，检验不同平均受教育年限水平下，城镇化率对人均GDP影响的门槛效应。

（一）基准回归及地区异质性分析1. 基准回归

本文基于平均受教育年限对人均GDP、工资进行回归。其中模型（1）和（2）为采用面板OLS方法对人均GDP和工资进行回归，OLS回归会存在忽略个体效应，而存在有偏性，（3）和（4）采用固定效应模型，可以较好地反映个体效应。为减少异方差对模型估计的影响，本文对控制变量取对数，结果如表2所示：

POLS模型与固定效应模型相比，低估了平均受教育年限对人均GDP的影响。在控制了个体效应和时间效应基础上，回归结果显示：增加平均受教育年限，对人均GDP影响显著,提升了人均GDP水平；工资主要受技术进步、投资和地区人口规模影响，提高平均受教育年限对工资无显著影响；提高城镇化率会显著促进人均GDP；在固定效应下，人口抚养比增加显著降低了人均GDP，但对工资水平影响不显著。由此可见，提高平均受教育年限可以显著提高人均GDP水平，产生生产率红利效应。

表2 平均教育年限、城镇化率与人均GDP和工资回归结果

备注：*、**、***分别表示10%、5%和1%的显著性水平，变量进行了标准化处理。

2. 地区异质性回归

因各地区资源禀赋、经济发展水平、要素配置效率存在差异，平均受教育年限增长对人均GDP、工资水平影响也不同。本文基于经济发展水平来对我国进行区域划分，其中东部地区主要包括:北京、天津、河北、上海、辽宁、浙江、福建、山东、江苏、广东、海南,共11个省份；中部地区:山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南,共8个省份；西部地区:四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古,共10个省份。

根据表3回归结果显示：在控制了时间效应条件下，中部地区的城镇化率对人均GDP和工资提升有显著促进作用；东部地区的平均受教育年限增加提升了人均GDP，但抑制了工资增长；西部地区主要是投资促进了人均GDP增长，助推了工资的上升。综合来看，促进各地区生产率提升的驱动力并不相同。

3. 稳健性检验

为了衡量模型的稳健性,本文采取调整样本数据方法进行稳健性检验,选取2007—2019年间样本数据进行稳健性检验。另外，虽然本文在基准回归中尽可能控制了部分变量，但依然可能会存在遗漏变量的情况，同时也可能存在被解释变量与解释变量互为因果关系的问题，这将导致估计结果有偏。基于此，本文借鉴Crespo Cuaresma J,Lutz W,Sanderson W(2014)44做法将滞后一期人均GDP和平均受教育年限的滞后一期作为工具变量；已有研究表明交通便利状况对受教育程度有影响，因此，本文将交通便利状况作为工具变量。本文以高速公路里程衡量地区交通便利状况，进行内生性分析。具体回归结果见表4。

由回归结果可见，将采用分样本回归（1)(2）和工具变量回归（3）和（4）的估计结果与前文基准回归的估计结果对比，发现并不存在明显的区别，平均受教育年限对人均GDP的回归系数依然为正且显著,对工资影响不显著，这表明基准回归分析中判断是稳健的。

（二）城镇化率的人力资本门槛效应检验

通过对29个省份平均受教育年限、城镇化率和人均GDP增长情况进行分类，发现部分省市城镇化率、人均GDP较高，但平均受教育年限较低。这类城市主要有江苏、浙江、山东、福建；还有一类地区城镇化率、平均受教育年限及人均GDP都较高，如北京、天津、上海、内蒙古。因此，平均受教育年限、城镇化率与生产率红利之间可能并非为简单线性关系，而是会随着平均受教育年限变化而发生改变，从而呈现出某种非线性特征。

表3 东、中、西部地区固定效应回归结果

备注：*、**、***分别表示10%、5%和1%的显著性水平。

1. 面板门槛效应模型构建

考虑到平均受教育年限可能会使城镇化率对人均GDP的影响发生变化，即当平均受教育年限高于门槛值时，城镇化率对经济发展水平具有显著的促进作用，故本文构建如下城镇化率下的人力资本门槛效应模型。

eduit为本模型的门槛变量:平均教育年限N为待估计的平均教育年限门槛值；czhit为随平均受教育年限变化的城镇化率。∈为随机误差项，服从独立同分布；F(·)代表平均教育年限的示性函数,其他变量为控制变量。此处以双门槛为例，当然还可以建立多个门槛。

2. 门槛值估计的显著性和置信区间检验

表5报告了门槛估计结果，单一门槛在5%水平显著，门槛值为11.11年；双门槛检验下，门槛值分别为9.59年和11.11年；三重门槛的P值并不显著，说明不存在三重门槛效应，因此本文采用双重门槛进行分析。

在其他因素不变的情况下，当平均受教育年限为9.59年门槛值时，城镇化率对人均GDP的影响系数为0.45；而当平均受教育年限大于9.59年、小于11.11年时，城镇化率对人均GDP的影响系数为0.63；当平均受教育年限超过11.11年,城镇化率对人均GDP影响系数为0.89。由此可以发现：平均受教育年限每突破一个门槛，城镇化率对生产率的促进作用就会跨越一个台阶。其中，突破11.11年的门槛值时，提高城镇化率促进人均GDP增长的效果最为明显。

表4 稳健性检验

备注：*、**、***分别表示10%、5%和1%的显著性水平。

表5 人力资本门槛值及门槛估计检验

注：表中的F值为采用“自抽样”1000次得到的结果。

由统计结果可知，2019年北京、天津和上海三地平均受教育年限跨过了11.11年门槛值，由此表明上述地区城镇化率促进人均GDP产出的效果最为明显；山西、内蒙古、辽宁、广东、海南、青海等地区达到了9.59年平均受教育年限门槛，但未达到11.11年门槛值，因此需要进一步提升人均受教育年限；其他省份尚未超过9.59年平均受教育门槛，此时城镇化率促进人均产出的作用发挥得最低，未来需要进一步提升人口教育质量。

四、研究结论和政策建议

（一）研究结论

根据以上研究发现，全国看来增加平均受教育年限可以有效提升人均GDP水平，高等教育水平对劳动力要素价格增长无影响；东部和西部地区人口抚养比增加推动了工资水平的上涨，中部地区人口抚养比增加对工资影响不显著，可能与当前东部地区人口老龄化程度较高、西部地区少儿抚养比较高的抚养结构有关；城镇化率对人均GDP增长有显著的促进作用。城镇化率增速在平均受教育年限达到9.59年和11.11年时具有门槛效应。当前，我国东部地区人口平均受教育年限跨过9.59年门槛，但远未达到11.11年门槛值；而中西部地区人口平均受教育年限整体还未达到9.59年门槛值。因此，提升全国平均受教育年限关系到城镇化增速，也影响“人口红利”向“生产率红利”转变。

表6 城镇化率的平均受教育年限门槛效应估计结果

备注：*、**、***分别表示10%、5%和1%的显著性水平。

（二）政策建议

经济高质量发展离不开高质量人力资本供给，生产率红利的发挥同样需要高质量教育支撑。一方面可根据各地区产业技术水平来推动受教育年限增长；另一方面，可通过多元化的教育培训形式，提升当前低教育水平劳动力平均受教育年限；与此同时，政府可以通过完善劳动力流动机制、提高城镇化率，提升当前劳动力要素资源配置效率。

1. 东部地区产业技术发展水平领先，城镇化率高，可加快提升高等教育普及率

当前，东部地区是我国创新产业发展集中的地区，东部地区产业发展需要高素质创新人才；同时，东部地区城镇化水平快速提升，对高等教育需求增加。因此，需要加快推进东部地区受教育水平，满足产业发展和城镇化需求。具体来说，一方面，普及东部地区学龄人口高中教育范围，提升高等教育入学率，以满足东部地区产业发展对高素质人力资本需要；另一方面，根据东部地区产业工人需求，加大对现有适龄劳动力的产业技能教育培训，提升适龄劳动力人口的技能水平。

2. 根据中部城镇化率及增长驱动力，开展多元化的教育

一个地区城镇化率的速度与产业技术水平以及就业具有较强的相关性。18当前，我国中部地区整体处于城镇化快速推进时期，农业劳动力人口向城镇化转移推动地区经济发展效应显著。同时，投资、人口总量以及技术进步对人均GDP增长也具有显著促进作用。因此，需要对中部地区开展多样化的综合教育服务。一方面，建立农业流动人口长效技能培训机制；另一方面，满足技术进步对高等教育人力资本需要，加强高端产业人才培养，同时满足增长的投资需求，开展多元教育模式，有序推进人口综合教育年限提升。

3. 以现代化特色产业投资提升西部地区受教育水平，推动西部高等教育发展

当前，西部地区主要靠投资驱动人均GDP和工资的增长，整体较低的平均受教育年限并未对人均GDP和工资产生显著影响。因此，一方面，可以巩固西部地区学龄人口的义务教育，强化对适龄人口义务教育时间和质量的监管；另一方面，扩大对西部适龄劳动力技能培训范围，延长对适龄劳动力的教育培训时间，推动西部适龄劳动力人口整体素质提升。普及教育范围的同时，在国家振兴西部高等教育政策背景下，为了确保西部高质量发展，首先，可通过投资和发展现代化特色产业来推进西部地区高质量人才需求；其次，通过建立高校交流机制推动西部地区高校与中东部相关高校进行有效对接，提升西部高等教育发展水平；最后，通过扩大高水平的教师队伍来促进西部教育水平的提升。

4. 构建劳动要素流动制度保障体系，促进劳动力要素配置效率

当前我国劳动力供给和受教育水平存在着城乡发展不平衡状况，制约了农业劳动力向非农部门转移的效率。因此，需构建城乡一体化的教育保障体系，保障农业劳动力人口质量水平以满足现代化城镇建设需要。具体可从促进城乡教育均等化、加强城乡结合处中小学学区建设、建立城乡教师流动机制、提升农村师资水平等来着手提升农村教育质量。另外,可通过现代农业产业链建设吸引资本和高素质人才参与农业现代化建设，推进农村人口质量提升。

注释

1吴滨、肖尧.人口红利衰减、产业结构调整对中国工业经济发展影响研究[J].统计与信息论坛,2021(6).

2陆杰华、林嘉琪.中国人口新国情的特征、影响及应对方略---基于“七普”数据分析[J].中国特色社会主义研究，2021(3).

3李谷成、孙炜、高雪.劳动力成本上升、劳动生产率与农产品出口技术复杂度---基于面板数据门槛回归模型的实证[J].农林经济管理学报，2020(4).

4(18)Cuaresma JC,Lutz W,Sanderson WC.Isthe Demographic Dividend an Education Dividend?[J].Demography,2014,51(1):299-315.

5Lutz,Wolfgang,et al.Education rather than age structure brings demographic dividend."Proceedings of the National Academy of Sciences?116.26 (2019):12798-12803.

6 KOTSCHY,Rainer;URTAZA,Patricio Suarez;SUNDE,Uwe.The demographic dividend is more than an education dividend.?Proceedings of the National A-cademy of Sciences,2020,117.42:25982-25984.

7王亚楠、向晶、钟甫宁.劳动力回流、老龄化与“刘易斯转折点”[J].农业经济问题，2020(12).

8卢旭军.高等教育人力资本对我国城镇化率的影响研究[D].辽宁大学，2019.

9Hofmann A,Wan G.Determinants of Urbanization[J].SSRN Electronic Journal,2013,355.

10董凌波.教育水平对我国城镇化进程的影响---基于29个省份面板数据的分析[J].地域研究与开发，2021(1).

11Cao,S.,et al.,The Educational Level of Rural Labor,Population Urbanization,and Sustainable Economic Growth in China.Sustainability,2020.12(12):p.4860

12全国人大财政经济委员会国家发展和改革委员会.《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》释义[M].北京：中国计划出版社，2021:84-86.

13罗默、吴化斌、龚关.高级宏观经济学：Advanced macroeconomics[M].上海财经大学出版社，2014:115-121.

14CHOY,Lennon HT;LI,Victor J.Theroleofhighereducation in China's inclusive urbanization.Cities,2017,60:504-510.

15世界银行数据库[EB/OL].https://data.worldbank.org.cn/indicator/SE.TER.ENRR?view=chart.

16周一星.城镇化率与国民生产总值关系的规律性探讨[J].人口与经济，1982(1).

17Hall,R.E.,&Jones,C.I.(1999).Whydosomecountries produce so much more output per worker than others?The Quarterly Journal of Economics,114,83-116.

18(19)罗奎、方创琳、马海涛.基于生产函数视角的城镇化动力机制研究[J].地理科学，2017(3).

邢春冰 陈超凡 曹欣悦：城乡教育回报率差异及区域分布特征——以1995—2018年中国家庭收入调查数据为证

‍返回搜狐，查看更多