Contribution of Education Human Capital to the Development of Green Economy: Based on the Analysis of Threshold Characteristics of Industrial Structure Changes
-
摘要: 面对日益严重的生态环境问题,强化人力资本在绿色发展中的核心作用至关重要。本文利用我国省级面板数据,实证检验了2000—2017年教育人力资本对绿色经济的影响作用,分析了产业结构变迁在两者关系中的门槛特征。研究结果表明:教育人力资本显著促进了绿色经济发展,工业化水平在两者关系中的门槛特征显著,随着工业化水平的提升,教育人力资本的绿色效应不断增强,并且这一现象具有区域普适性;产业高级化的门槛特征并不显著,但在工业化的约束条件下,其对绿色经济的促进作用整体显著。此外,随着绿色经济水平的提升,教育人力资本的绿色效应并未呈现出递增趋势,绿色经济水平中等地区的绿色收益最低。基于此,提出加强教育投入与优化产业结构的建议,以充分挖掘产业变迁背景下教育人力资本的绿色效益。Abstract: Facing increasingly serious ecological and environmental issues, it is essential to strengthen the core role of human capital in green development. Using the provincial panel data from 2000 to 2017 in China, this paper empirically examined the impact of education human capital on the green economy, and analyzed the threshold characteristics of industrial structure changes. The research results show that education human capital has significantly promoted the development of green economy. Also, the threshold characteristic of industrialization level between education human capital and green economy is remarkable. With the rising level of industrialization, the green effect of education human capital is increasing, and this phenomenon has regional universality. The threshold characteristics of industrial upgrading are not significant, but under the constraints of industrialization, it has a significant role in promoting the green economy as a whole. In addition, with the improvement of green economy, the green effect of education human capital does not show an increasing trend, and the green benefit is the lowest at the middle level of green economy. Based on the above conclusions, we put forward some suggestions to strengthen the investment in education and optimize the industrial structure, in order to fully tap the green benefits of education human capital under the industrial changes.
-
Key words:
- education human capital /
- green economy /
- industrial upgrading /
- industrialization
1) ①根据《中国绿色国民经济核算研究报告2004》计算得出,单位废水/废气/固体废物污染损失价值分别为:4.7元/吨、3605.3元/吨、7.7元/吨。2) ②城镇化率由城市建成区面积、建设用地面积、人口密度与土地征用面积经因子分析提取公因子后所得,反映的是各省区的土地城镇化率。3) ③经Pearson双侧检验,城镇化率与人均GDP、就业人员工资、非农人口比重不存在相关性(5%水平);非农人口占比与第二产业产值比重、城镇化率不存在相关性;两变量的公因子方差提取量分别为0.128与0.704,对原始变量的解释力度偏低,其他变量均在0.85以上。4) ④所有数据均来源于《中国统计年鉴》(2001—2018年)、《中国科技统计年鉴》(2001—2018年)、《中国人口和就业统计年鉴》(2001—2018年);按照国家统计局网站的划分标准可将我国省级行政单位(不包括港澳台)划分为东部、中部、西部三大经济地区,由于西藏地区数据缺失较为严重,故本文仅采用了西部其他11个省区的数据。5) -
表 1 三废损失成本价格(单位:元/吨)
年份 废水损失成本 废气损失成本 固体废弃物损失成本 2000 4.48 3432.87 7.33 2001 4.51 3456.60 7.38 2002 4.47 3428.91 7.32 2003 4.52 3470.04 7.41 2004 4.70 3605.30 7.70 2005 4.78 3670.16 7.84 2006 4.86 3725.53 7.96 2007 5.09 3904.29 8.34 2008 5.39 4134.47 8.83 2009 5.35 4105.20 8.77 2010 5.53 4240.46 9.06 2011 5.83 4469.05 9.54 2012 5.98 4585.33 9.79 2013 6.13 4704.77 10.05 2014 6.26 4798.89 10.25 2015 6.34 4866.13 10.39 2016 6.47 4963.42 10.60 2017 6.57 5042.52 10.77 表 2 工业化因子分析评价指标
指标名称 变量及数据 产业结构 第三产业产值比重 第二产业产值比重 经济总量 人均GDP 生活水平 城镇居民可支配收入 农村居民纯收入 就业人员工资 表 3 控制变量及数据说明情况
变量名称 数据说明 代理公式 外商投资水平 外商直接投资 FDI 技术水平 技术市场交易额 TL 城镇化水平 城镇人口占总人口比重 URB 教育投入水平 国家财政性教育经费支出 EDUIN 政策约束力度 资源税收总额 RTAX 表 4 主要变量的均值描述分析
年份 GGDP(亿元) EDU M1 M2⑤ 2000 1521 7.745 1.011 −0.643 2001 1693 7.816 1.027 −0.592 2002 1883 7.899 1.044 −0.544 2003 2124 8.088 0.991 −0.535 2004 2512 8.193 0.938 −0.510 2005 2949 8.021 0.910 −0.473 2006 3405 8.206 0.881 −0.425 2007 4129 8.341 0.892 −0.339 2008 4894 8.412 0.882 −0.250 2009 5485 8.524 0.934 −0.132 2010 6454 8.871 0.880 −0.060 2011 7712 8.925 0.877 0.076 2012 8705 9.009 0.914 0.249 2013 9950 9.119 1.001 0.485 2014 10915 9.106 1.046 0.643 2015 12081 9.181 1.184 0.859 2016 13468 9.215 1.283 1.046 2017 14848 9.362 1.349 1.242 表 5 单位根检验结果
变量形式 变量名称 LLC IPS 结论 T P T P 原序列 GGDP −7.714* 0.040 −1.478 0.391 不平稳 EDU −10.266** 0.000 −1.907** 0.004 平稳 M1 −4.567 0.886 −0.949 0.996 不平稳 M2 −2.996 0.400 −0.849 0.999 不平稳 FDI −7.916 0.455 −1.386 0.592 不平稳 TL −7.142 0.089 −1.337 0.693 不平稳 URB −5.544 0.176 −1.336 0.695 不平稳 EDUIN −5.223 0.998 −1.107 0.963 不平稳 RTAX −7.105 0.180 −1.375 0.616 不平稳 一阶差分 GGDP −17.257** 0.000 −2.296** 0.000 平稳 EDU −18.850** 0.007 −2.904** 0.000 平稳 M1 −11.797* 0.021 −1.756* 0.034 平稳 M2 −14.359** 0.000 −1.970** 0.001 平稳 FDI −12.544* 0.031 −1.901** 0.004 平稳 TL −17.953** 0.000 −2.119** 0.000 平稳 URB −16.232** 0.000 −2.465** 0.000 平稳 EDUIN −18.545** 0.000 −2.250** 0.000 平稳 RTAX −15.843** 0.000 −2.290** 0.000 平稳 注:*和**分别表示在5%与1%水平上显著,下表同。 表 6 门槛显著性检验结果
门槛类别 (1) (2) F P F P 单门槛 19.42 0.189 51.42** 0.007 双门槛 14.92 0.153 25.00 0.089 多门槛 3.64 0.956 23.09 0.273 单门槛临界值 0.719 0.115 置信区间 0.712 0.722 0.086 0.139 表 7 门槛效应模型回归结果
变量名称 (3) (4) 系数值 T P 系数值 T P EDU 0.073** 3.749 0.000 — — — FDI 0.053** 4.177 0.000 0.079** 6.015 0.000 TL 0.015** 2.759 0.006 0.012* 2.035 0.042 URB 0.671** 7.702 0.000 0.685** 7.506 0.000 EDUIN 0.416** 26.346 0.000 0.465** 29.489 0.000 RTAX 0.036** 4.945 0.000 0.014 1.944 0.052 高级化 −0.006 −0.240 0.810 0.181** 8.638 0.000 工业化 0.248** 12.269 0.000 — — — EDU1 — — — 0.115** 5.749 0.000 EDU2 — — — 0.125** 6.215 0.000 常数 4.408** 23.966 0.000 3.248** 21.994 0.000 模型参数 Within R方 F P Within R方 F P 0.989 772.76** 0.000 0.988 713.17** 0.000 注:模型(4)中EDU1、EDU2分别表示工业化处于低水平与高水平时教育人力资本的待估参数。 表 8 2000—2017年各省区产业高级化与工业化水平
东部 M1 M2 中部 M1 M2 西部 M1 M2 北京 3.045 1.624 山西 0.848 −0.252 内蒙古 0.862 −0.077 天津 0.936 0.515 吉林 0.840 −0.204 广西 0.951 −0.230 河北 0.705 −0.311 黑龙江 0.963 −0.219 重庆 0.899 −0.119 辽宁 0.866 −0.051 安徽 0.839 −0.264 四川 0.917 −0.215 上海 1.467 1.255 江西 0.783 −0.318 贵州 1.102 −0.203 江苏 0.804 0.200 河南 0.652 −0.422 云南 0.993 −0.227 浙江 0.866 0.420 湖北 0.920 −0.134 陕西 1.831 0.280 福建 0.827 0.040 湖南 1.000 −0.109 甘肃 0.776 −0.300 山东 0.734 −0.104 青海 1.017 −0.283 广东 0.983 0.271 宁夏 0.809 −0.298 海南 1.824 0.113 新疆 0.923 −0.219 均值 1.187 0.361 均值 0.856 −0.240 均值 1.000 −0.172 表 9 绿色GDP区域分布情况(单位:亿元)
发达地区 绿色GDP 中等地区 绿色GDP 欠发达地区 绿色GDP 广东 21869 湖北 8115 云南 4180 江苏 18927 辽宁 7739 重庆 4083 山东 17077 福建 6941 吉林 3876 浙江 12452 安徽 5839 山西 3663 北京 10067 黑龙江 5268 贵州 2923 河南 9734 广西 4773 新疆 2854 上海 9391 内蒙古 4604 甘肃 2136 四川 8705 陕西 4450 海南 1472 河北 8591 天津 4355 宁夏 753 湖南 8297 江西 4289 青海 585 均值 12511 均值 5637 均值 2652 表 10 分地区的线性面板回归估计结果
变量名称 发达地区 中等地区 欠发达地区 系数值 T 系数值 T 系数值 T EDU 0.074* 2.510 0.034 1.134 0.072* 2.349 FDI 0.035 1.333 0.177** 7.047 0.008 0.563 TL 0.008 0.590 −0.048** −4.785 0.036** 5.231 URB 0.995** 8.114 0.308* 2.041 1.008** 6.767 EDUIN 0.412** 17.493 0.507** 16.912 0.347** 13.746 RTAX 0.001 0.186 −0.018 −1.270 0.070** 4.889 M1 −0.061 −0.619 0.058 1.251 −0.048 −0.918 M2 0.248** 9.468 0.272** 8.294 0.341** 8.254 常数 5.025** 15.916 3.233** 9.973 4.781** 17.087 模型参数 Within R方 F Within R方 F Within R方 F 0.993 46.18** 0.992 1194.59** 0.991 233.41** 表 11 工业化门槛约束下的回归估计结果
变量名称 发达地区 中等地区 欠发达地区 系数值 T 系数值 T 系数值 T FDI 0.105** 3.698 0.230** 9.059 0.030* 2.033 TL 0.011 0.713 −0.043** −4.038 0.025** 3.633 URB 0.993** 7.469 0.358* 2.280 0.084** 6.011 EDUIN 0.417** 15.546 0.546** 17.980 0.396** 17.318 RTAX −0.022* −2.347 −0.031* −2.154 0.068** 4.826 M2 0.180** 6.140 0.247** 6.856 0.080 1.835 EDU1 0.123** 3.829 0.056 1.819 0.065* 2.160 EDU2 0.135** 4.122 0.068* 2.243 0.083** 2.800 EDU3 — — — — 0.102** 3.459 常数 3.409** 12.524 1.940** 7.146 4.084** 18.218 单门槛(F/P) 30.62* 0.019 26.51* 0.020 33.82* 0.020 双门槛(F/P) 16.96 0.120 14.28 0.243 29.64* 0.011 三门槛(F/P) 12.80 0.519 10.65 0.465 12.25 0.660 门槛临界值 0.414 −0.142 −0.034 — — — — −0.673 置信区间 0.375 0.416 −0.165 −0.138 −0.051 −0.020 — — — — −0.681 −0.669 模型参数 Within R方 F Within R方 F Within R方 F 0.992 35.34** 0.991 1474.23** 0.991 241.32** 注:在绿色经济发达与中等地区,EDU1、EDU2分别表示工业化处于低水平与高水平时教育人力资本的待估参数;在欠发达地区,EDU1、EDU2、EDU3分别表示工业化处于低、中、高水平时教育人力资本的待估参数;绿色经济发达与中等地区仅给出了单门槛临界值与置信区间。 -
[1] 车磊, 白永平, 周亮, 汪凡, 纪学朋, 乔富伟. (2018). 中国绿色发展效率的空间特征及溢出分析. 地理科学,38(11),1788−1798. [2] 陈超凡. (2016). 中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究. 统计研究,33(03),53−62. doi: 10.3969/j.issn.1002-4565.2016.03.007 [3] 陈佳贵, 黄群慧, 钟宏武. (2006). 中国地区工业化进程的综合评价和特征分析. 经济研究, (06),4−15. [4] 陈然, 丁小浩, 闵维方. (2019). 教育对绿色GDP的贡献研究. 教育研究,40(05),133−141. [5] 范建双, 任逸蓉, 虞晓芬. (2017). 人口城镇化影响区域绿色经济效率的中介机制分析—基于随机边界模型的检验. 宏观质量研究,5(04),52−65. [6] 方超, 黄斌. (2018). 人口城镇化对省域教育人力资本收敛的非线性影响研究. 复旦教育论坛,16(02),83−88. doi: 10.3969/j.issn.1672-0059.2018.02.014 [7] 方超, 罗英姿. (2016). 教育人力资本及其溢出效应对中国经济增长的影响研究——基于Lucas模型的空间计量分析. 教育与经济, (04),21−29. doi: 10.3969/j.issn.1003-4870.2016.04.003 [8] 符淼, 黄灼明. (2008). 我国经济发展阶段和环境污染的库兹涅茨关系. 中国工业经济, (06),35−43. [9] 干春晖, 郑若谷, 余典范. (2011). 中国产业结构变迁对经济增长和波动的影响. 经济研究,46(05),4−16+31. [10] 郭志仪, 逯进. (2006). 教育、人力资本积累与外溢对西北地区经济增长影响的实证分析. 中国人口科学, (02),72−80+96. doi: 10.3969/j.issn.1000-7881.2006.02.007 [11] 郝国彩, 徐银良, 张晓萌, 陈明华. (2018). 长江经济带城市绿色经济绩效的溢出效应及其分解. 中国人口·资源与环境,28(05),75−83. [12] 何德旭, 姚战琪. (2008). 中国产业结构调整的效应、优化升级目标和政策措施. 中国工业经济, (05),46−56. [13] 蒋震. (2014). 工业化水平、地方政府努力与土地财政: 对中国土地财政的一个分析视角. 中国工业经济, (10),33−45. [14] 林晓, 徐伟, 杨凡, 赵林. (2017). 东北老工业基地绿色经济效率的时空演变及影响机制——以辽宁省为例. 经济地理,37(05),125−132. [15] 聂玉立, 温湖炜. (2015). 中国地级以上城市绿色经济效率实证研究. 中国人口·资源与环境,25(S1),409−413. [16] 彭冲, 李春风, 李玉双. (2013). 产业结构变迁对经济波动的动态影响研究. 产业经济研究, (03),91−100. doi: 10.3969/j.issn.1671-9301.2013.03.010 [17] 沈晓艳, 王广洪, 黄贤金. (2017). 1997—2013年中国绿色GDP核算及时空格局研究. 自然资源学报,32(10),1639−1650. doi: 10.11849/zrzyxb.20160944 [18] 史丹. (2018). 绿色发展与全球工业化的新阶段: 中国的进展与比较. 中国工业经济, (10),5−18. [19] 孙瑾, 刘文革, 周钰迪. (2014). 中国对外开放、产业结构与绿色经济增长——基于省际面板数据的实证检验. 管理世界, (06),172−173. [20] 王金南, 於方, 曹东. (2006). 中国绿色国民经济核算研究报告2004. 中国人口·资源与环境, (06),11−17. doi: 10.3969/j.issn.1002-2104.2006.06.003 [21] 吴巧生, 成金华, 王华. (2005). 中国工业化进程中的能源消费变动——基于计量模型的实证分析. 中国工业经济, (04),30−37. doi: 10.3969/j.issn.1006-480X.2005.04.004 [22] 熊虎, 田盈, 田力. (2016). 人力资本与产业结构匹配对投资效率影响的实证分析. 资源科学,38(11),2095−2105. [23] 杨文举. (2015). 引入人力资本的绿色经济增长核算: 以中国省份经济为例. 财贸研究,26(02),1−8+84. [24] 尹虹潘. (2019). 中国工业化水平的重新测度. 经济学家, (03),35−42. [25] 应瑞瑶, 周力. (2009). 资源禀赋与绿色创新——从中国省际数据的经验研究看“荷兰病”之破解. 财经研究,35(11),92−102. doi: 10.3969/j.issn.1001-9952.2009.11.009 [26] 袁富华, 张平, 陆明涛. (2015). 长期经济增长过程中的人力资本结构——兼论中国人力资本梯度升级问题. 经济学动态, (05),11−21. [27] 张复明. (2011). 资源型区域面临的发展难题及其破解思路. 中国软科学, (06),1−9. doi: 10.3969/j.issn.1002-9753.2011.06.001 [28] 张楠, 范洪敏, 穆怀中. (2020). 人力资本梯度升级的经济增长效应. 人口与经济, (02),87−101. doi: 10.3969/j.issn.1000-4149.2020.00.017 [29] 赵领娣, 张磊, 徐乐, 胡明照. (2016). 人力资本、产业结构调整与绿色发展效率的作用机制. 中国人口·资源与环境,26(11),106−114. doi: 10.3969/j.issn.1002-2104.2016.11.014 [30] 周少甫, 王伟, 董登新. (2013). 人力资本与产业结构转化对经济增长的效应分析——来自中国省级面板数据的经验证据. 数量经济技术经济研究,30(08),65−77+123. [31] Asteriou, D., & Agiomirgianakis, G.M. (2001). Human capital and economic growth: time series evidence from Greece. Journal of Policy Modeling, 23(05), 481−489. doi: 10.1016/S0161-8938(01)00054-0 [32] Consoli, D., Marin, G., Marzucchi, A., & Vona, F. (2016). Do green jobs differ from non-green jobs in terms of skills and human capital?. Research Policy, 45(05), 1046−1060. doi: 10.1016/j.respol.2016.02.007 [33] Hansen, B.E. (1999). Threshold effects in non-dynamic panels: estimation, testing and inference. Journal of Econometrics, 93(02), 345−368. doi: 10.1016/S0304-4076(99)00025-1 [34] Haraguchi, N., Martorano, B., & Sanfilippo, M. (2019). What factors drive successful industrialization? Evidence and implications for developing countries. Structural Change and Economic Dynamics, 49(06), 266−276. [35] Sabadie, J.A. (2014). Technological innovation, human capital and social change for sustainability. Lessons learnt from the Industrial Technologies Theme of the EU’s Research Framework Programme. Science of the Total Environment, 481, 668−673. doi: 10.1016/j.scitotenv.2013.09.082 [36] Vandenbussche, J., Aghion, P., & Meghir, C. (2006). Growth, distance to frontier and composition of human capital. Journal of Economic Growth, 11(02), 97−127. doi: 10.1007/s10887-006-9002-y