有人认为人力资本等于热情乘潜力 基于我国人力资本潜力地区差异的实证研究

　　【摘要】 本文采用因子分析与聚类分析相结合的多元统计方法，对我国各地区的人力资本潜力进行定量评价，提取影响人力资本潜力的公共因素，综合分析我国各地区人力资本潜力的差异，并提出相应的政策和措施。
　　【关键词】 人力资本 地区差异 因子分析 聚类分析
　　一、引言
　　人力资本从个体角度定义，是指存在于人体之中，后天获得的具有经济价值的知识、技术、能力和健康等质量因素之和；从群体角度定义，是指存在于一个国家或地区人口群体每一个个体之中，后天获得的具有经济价值的知识、技术、能力及健康等质量之和。美国经济学家舒尔茨（W．Schultz）1960年就提出了人力资本理论，认为人力资本才是现代经济增长的主要动力和源泉。他以劳动力要素分析为中心，研究的主要内容在于阐述人力资本的概念、形成及其对经济发展的作用。20世纪80年代中期以来，以知识经济为背景的“新经济增长理论”在美、英等发达国家兴起，并逐渐成为经济增长理论的主流。他们认为，在一个有效率的经济中，较高的物质资本积累需要有较高的人力资本积累相对应。人力资本增量与已有存量成正比关系，人力资本存量高的国家和地区的经济发展要快于人力资本存量低的国家和地区，人力资本投资能够带来一国或地区人力资本存量的增加，进而带来技术进步和经济增长。
　　国内关于人力资本与经济增长的实证分析也有很多的研究成果。比如，学者沈坤荣（2010）认为1953—2007年中国经济增长的76.7%是由生产要素投入的增加带来的，而综合要素生产率增长仅为1.8%（一般认为综合要素生产率的提高主要是归因于教育活动所引致的技术进步）。熊俊顺（2009）的分析表明，1985—2005年我国教育发展对经济增长的贡献份额为30.7%。林荣日（2010）得出的结论是1982—2005年中国教育对经济增长的实际贡献率为10.46%。安雪慧（2002）的分析认为，1981—2008年中国初等、中等、高等教育对经济增长的贡献分别是16%、10%、12%。
　　然而，目前关于人力资本本身的研究还很少见，而这对于验证人力资本的作用是及其重要的一环。基于此，本文采用因子分析与聚类分析相结合的多元统计方法，对我国各地区的人力资本潜力进行定量评价，并力图探讨解决问题的政策和措施。
　　二、多元统计分析
　　1、指标体系构建和数据处理
　　现时的人力资本是过去人力资本潜力转化而来的，而经济增长的长期趋势，将更主要的取决于人力资本的潜力。所谓的人力资本潜力，是指正在获得具有经济价值的知识、技术、能力及健康，并且在将来能够转化为人力资本，并推动经济增长。因此，为了定量的考察人力资本潜力，本文本着指标选择的全面性、代表性、可获得性、可比较性、整合性的原则选取以下9个指标构建评价体系，来进行分析。
　　X1：教育事业费；X2：科学事业费；X3：从业人员数；X4：小学在校学生数；X5：普通中学在校学生数；X6：普通高等学校在校学生数；X7：高等院校数；X8：小学专任教师数；X9：普通高等学校专任教师数。
　　为了避免各个省份在人口总量上的差异，笔者对上述指标做了相对数转化，即每个指标除以每个省份的总人口数。
　　2、各地区人力资本潜力的因子分析
　　因子分析的目的是研究原始变量的内部关系，通过寻找多变量的共同因素来简化和分析变量中存在的复杂关系。具体地讲，因子分析是把每个变量分解为两部分因素：一部分是由所有变量共同具有的少数几个因子组成，称为公共因素部分；另一部分是每个变量独自具有的因素，称为独特因素部分。通过构建独特因子和公共因子，对原始数据作出新的合理的解释。
　　本文以我国31个省、市、自治区作为样本，选用2010年截面数据，以SAS系统软件为典型工具进行因子分析，提取影响人力资本潜力的公共因素，从而分析我国各地区人力资本潜力的差异。因篇幅所限，各地区的具体指标取值略。因子分析主要步骤与结果如下所示。
　　如表1所示，反映人力资本潜力的各指标间存在较高的相关性，可以并且有必要进行因子分析、提取公共因子。
　　鉴于各地区经济指标值的量纲不同，将各原始指标进行标准化处理，得到标准化矩阵采用主成分分析方法，提取公因子，对提出的三个公因子F1、F2、F3建立因子载荷矩阵。因各因子的典型代表性不突出，故对原始因子载荷矩阵进行方差极大化正交旋转，使得因子载荷矩阵的平方列向0和1两极转化，具体结果见表2、表3。
　　从表2可以看出，在进行因子分析时，根据累积贡献率标准在9个指标中提取三个公共因子是合适的。其累积贡献率达到0.8552，已经足以解释各地区人力资本潜力的共性以及差异性。
　　3、各地区人力资本潜力聚类分析
　　聚类分析（cluster analysis）是研究如何将研究对象按照多个方面的特征进行综合分类的一种多元统计方法。它将一批样品或变量，按照它们在性质上的亲疏、相似程度进行分类。聚类分析的内容非常丰富。常用的聚类方法有：系统聚类法、动态聚类法（逐步聚类法）、有序样本聚类法、以及模糊聚类法、图论聚类法等等。
　　考虑到反映人力资本潜力的各指标间存在较高的相关性，为使变量降维，笔者以前面因子分析中得出的三个公共因子为变量，根据全国各地区因子得分数据，采用Ward（离差平方和）聚类法对我国各地区的人力资本潜力状况进行系统聚类分析并考察类内的统计特征，结果见表4。
　　三、分析结果阐释与政策建议
　　1、因子分析结果解释
　　结合原始变量的简单相关系数以及因子分析的结果有如下结论。从表3来看，将9个指标按高载荷分成3类。
　　第一主因子主要反映了各个省份在教育事业费、科学事业费、小学在校学生数、高等学校在校学生数、高等院校数，其中小学在校生数的因子载荷为负。我们把它称为短期人力资本潜力因子，这是指在短期中可以转化为现实的人力资本。从表1我们看到而第一主因子所代表的这些变量之间是高度相关的且与其他变量几乎不存在线性相关关系。值得注意的是，这六个变量中只有小学在校学生数是与其他五个变量负相关。笔者认为，这一定程度上说明了，小学在校学生数过多，会影响在短期的人力资本潜力的水平。从相关系数矩阵我们可以看到，主要通过两个方面，其一，当财政投入一定时，小学在校学生数过多使高等教育投入、科学研究投入趋于减少；其二，当总人口数一定时，小学在校学生数过多，那么处于短期人力资本潜力时期的群体总量大大减少。从而影响该地区的短期人力资本潜力。第二主因子中正载荷主要是X3（各省份的从业人员数），负载荷主要是X8（小学专任教师数），我们把它称现实人力资本潜力因子，它们表示已经存在的人力资本，从表1中可以看到，这两个变量是负相关的。相应于上面的分析，我们可以认为小学专任教师数是一个地区长期人力资本潜力的衡量指标。因此，当从业人员过多的集中在小学专任教师这一领域将会影响一个地区现实的人力资本。第三主因子主要起作用的变量是X5（普通中学在校学生数），可称其为长期人力资本潜力因子，这是指在长期发展中，这部分潜力才可以转化为现实的人力资本。