【摘要】以下是小编精心为您编辑整理的人力资源投资影响因素分析，供您参考，我们会持续更新，请留意，更多详细内容请点击威廉希尔app 查看。

一、前言

(一)问题的提出

实际上中国人力资本的潜在投资回报率不但远远高于实物资本的投资回报率,也高于发达国家的教育投资回报率。只是中国存在很大的政策扭曲,使得这种潜在回报率无法实现。在这个意义上,可以说中国的教育投资严重不足,这极大地阻碍了中国经济的发展。新近的一项研究表明,如果考虑对社会产出的贡献,而不仅仅是个人收入,中国人力资本投资回报率高达30%至40%,高于物质资本投资的回报(估计可以高达20%),也高于美国等发达国家的人力资本投资回报(15%~20%)。

物质资本和人力资本投资必须有适当的比例,正如低成本的劳动力必须要有高素质的人员配比一样,这样才能最大限度地优化经济生产。人力资本投资和物质资本投资需要平衡,过分强调其中的一方都会损失效率。中国经济的高速增长掩盖不住效率偏低的现实,这是无法回避的问题。仅看中国这个“世界工厂”在全球产业价值链中的低端位置,就可以知道,中国的增长模式亟待改变。而中国已经明确提出了“以人为本”的发展观,同时把转换经济发展模式作为当前一个迫切的任务。但是经济发展模式不会自动改变,需要正确的方向和政策环境。如何寻求正确的路径?目前,中国固定资产投资出现了“过热”,但人力资本投资却乏善可陈,那么,人力资本投资对于中国经济而言意味着什么?

在中国,政府的教育支出占整个社会教育支出的绝大部分,在整个1990年代,中国各级政府的教育支出占GDP的比重不足3%,而在实物上的投资却大约占到GDP的30%。相比之下,美国教育投资和实物投资占GDP的比重分别是5.4%和17%。即使是在发展中国家,中国在人力资本上的投资也是低于平均水平。

近年来政府在人力资本投资的绝对量有所上升,但相对水平的国际比较只降不升。2002年,中国教育支出占GDP的比重上升到3.3%,但实物投资占GDP的比重更上升到45%!在中国,实物资本与人力资本投资的比例比其他大多数国家都要高得多。在一个有效的投资市场中,应该是各种形式、各个地区的投资回报率都是一样的,否则资本会从低回报的地方流向高回报的地方。如果实物资本的投资回报远远高于人力资本的回报,那么这种不平衡是合理的。但是,实际上中国人力资本的潜在投资回报率不但远远高于实物资本的投资回报率,也高于发达国家的教育投资回报率。只是中国存在很大的政策扭曲,使得这种潜在回报率无法实现。在这个意义上,可以说中国的教育投资严重不足。这极大地阻碍了中国经济的发展。

(二)理论综述

自舒尔茨1960年发表题为《人力资本的投资》的演说以来,人力资本投资就一直成为人们研究的重点问题,因为随着知识经济的到来,人力资本投资已经成为推动经济发展最重要的方式。

国外学者对这一课题进行了广泛的研究,贝克尔(1987)提出了人力资本投资---收益的均衡模型,认为人力资本投资应是一种影响为了货币和消费的投资;卢卡斯于1988年发表了以人力资本生产过程的投入产出率、社会平均的和私人的人力资本在最终产品生产中的边际产出率正相关,与时间贴现率负相关。James Heckman(2003)经过实证研究认为在人力资本投资的现阶段,美国社会在低龄人群上投资太少,在成年人的低水平技能上投资过多。他还对中国的人力资本投资现状做了横向比较,无论投资的总量上还是投资的回报率来说,中国的水平都还和很低。

Yuming Fu 和 Stuart Gabriel(2001)研究得出结论:教育投资在私人部门(单位)的回报要高于在国有单位的回报。另外从职业等级上看,存在高等教育水平的劳动力市场和中初等教育水平的劳动力市场。由于高等教育水平的劳动力市场上的工作岗位对求职者有着较强的专用性人力资本要求,而大学生所具有的人力资本并不会自然保值,如果就业时选择了中初等教育水平的劳动力市场,其专用性的人力资本就长时期处于闲置状态,最终将逐渐贬值。因此,投资回报中包含了失业风险和由于就业于不利的行业或部门而导致的低收入风险。

我国学者对人力资本投资的研究起步较晚,目前研究领域主要集中在人力资本投资城乡差异、地区差异的实证分析;人力资本投资对经济发展、个人收入和劳动力就业的影响;人力资本投资的成本和收益分析等等,在这些研究中,人们较多地关注政府为投资主体的人力资本投资行为,而少有学者对以居民家庭为投资主体的微观人力资本投资行为进行深入全面的阐述。即使有,也主要以定性分析和微观加总数据的定量分析为主,忽略了家庭和个体的异质性,而这使人们对研究结果的准确性产生非常大的疑问。

本文运用家庭调查中人力资本投资方面的数据,考虑样本选择问题,以面板模型为分析工具,从微观角度对影响人力资本投资的因素进行实证研究,这一尝试,无论从理论还是从实践上说,都非常有意义。

(三)人力资本定义

舒尔茨在1960年出任美国经济学会会长时发表了题为《论人力资本投资》的演讲,系统阐述了人力资本理论。舒尔茨这样表述人力资本的,和体现在物质产品上的物质资本一样,人力资本是体现于劳动者身上,通过投资形成并由劳动者的知识、技能和体力(健康状况)所构成的资本。舒尔茨把人力资本划分为五种类型:一种是医疗和保健,从广义上讲,它包括一个人的寿命、力量强度、耐力、精力和生命的全部费用;二是职业人员培训,包括企业所用的旧学徒制;三是正式建立起来的初等、中等和高等教育;四是由企业为成人所举办的学习项目,包括那种多见于农业的技术推广项目;五是个人和家庭适应于变换就业机会的变换迁徙。还可以从群体和个体角度对人力资本进行划分,分为个体人力资本和群体人力资本,本文从个体的角度对人力资本进行界定。个体人力资本是将其潜在的能力转化为现实的努力,创造社会财富,获得个人和价值。根据舒尔茨的观点,笔者对人力资本的定义:是指存在于人体之中,通过后天获得的具有经济价值的知识、技术、技能、健康和思想观念等创造财富因素的总和。

从人力资本划分的类型来看,人力资本的投资来源有:一是人力资本的生产,二是教育培训,三是医疗保健,四是家庭对就业变迁的投资。人力资本的投资主体主有政府、企事业单位和社会团体、家庭及个人等。投资主体对人力资本的投资使得人力资本具有价值性。本文仅从家庭投资主体的角度对人力资本投资的失衡问题进行相关的研究。

贝克尔认为家庭是人类社会生活最基本的一个细胞,虽然社会、经济、政治、环境等在发生着变化,但家庭依然在影响着全部制度的运行。 从微观的理性选择角度对家庭人力资本的投资进行了详细的研究,分析了家庭婚姻的利益最大化,家庭对孩子的需求,家庭分工及家庭成员的渎职行为的发生,还有家庭成员的利他行为等,但其分析的核心是家庭利益的最优化的条件,关键在于人力资本的投资。贝克尔认为家庭利益最优化的一个基本定理是:如果一个有效率的家庭的所有成员都有不同的比较优势,那么,没有一个人愿意把时间配置到市场和家庭的两个部门,在市场部门,有更多比较优势的每个人都会使其市场活动完全专业化,而在家庭部门有更大比较优势的每个人又会使其家庭活动专业化。不同优势的发挥主要看对不同优势的投资,其中家庭投资主体是非常重要的一部份,在这里社会投资主体暂且不论,仅从家庭投资主体方面来论述家庭人力资本的投资与产出。家庭利益的最优化前提是人力资本的前期投资最优化。但是我国目前的家庭人力资本存在着投资失衡问题。

二、模型的建立

(一)panel data 模型类型

panel data 模型的一般形式为:

(1)

i=1,2,…,n,t=1,2,…,T,其中,xit为解释变量向量,下标i代表不同个体(如地区),t代表实际(如年)。模型中的系数随着时间和个体的不同而改变,因而可以反映模型中被忽略的时间因素和个体差异因素的影响。由于模型中系数个数多于方程个数,无法从模型中直接识别出所有参数,所以估计参数时需要对模型附加一定的约束条件,根据对系数约束的不同可以将panel data模型分成以下三种类型:变系数模型、变截距模型和混合回归模型。

实际应用中一般假定模型(1)中的参数只在某个方向上发生变化(时间或横截面)。对于时期较短而截面单位较多的样本,可以认为消费需求的差异主要表现在横截面的不同个体之间,即参数不随时间变化,这样模型(1)就变成:

(2)

其中截距系数αi和斜率系数βi只是随着个体的不同在改变。同样对于横截面单位较少而观察期较长的样本,可以假定模型总的参数只随着时间变化而与个体差异无关。因模型(2)中截距系数αi和斜率系数βi随着个体的不同都在变化,即用αi、βi共同反映模型中被忽略的个体差异因素的影响,所以称模型(2)为“变系数模型”。如果在模型(2)中再假定斜率系数是常数,即个体之间的差异只表现在截距上,则得到:

(3)

称模型(3)为“变截距模型”。在模型(2)中若假定截距和斜率系数都是常数,则得到:

(4)

即模型中被忽略的个体差异因素对截距和斜率系数都无影响,此时相当于将T个时期的横截面数据融合成一个“混合样本”(样本容量为nT),所以称模型(4)为“混合回归模型”(赵卫亚,2003)。

(二)panel data 模型识别

本文对模型的识别将采用stata8.0进行,通过对三种模型的比较最终确定模型的形式。

(三)本研究所使用模型的确立

本文所使用数据时间长度为三年,我们假定这三年中每个居民家庭的人力资本投资行为不随时间发生变化,投资行为的差异只表现为居民与居民之间的不同。由于数据有可能存在样本选择的问题,即所选取的样本是非随机的,因此,在确定估计模型前,我们要检验样本是否存在选择问题。

1.检验原理

在一般的非平衡面板模型中加入一个之后一期的指示变量si,t-1,模型为:

(5)

其中i表示个体,t表示时期,si,t是一个虚拟指示变量,如果个体在这一年被观察到,则si,t=1,否则为0。si,t-1表示如果第i个个体在上一期被观察到,则si,t-1=1,否则si,t-1=0。使用t检验,运用固定效应对模型进行回归,看si,t-1是否显着,如果不显着,则认为所使用的数据不存在样本选择问题,即认为样本的损耗是随机的 ,模型的估计可以用一般的非平衡面板模型进行估计;如果si,t-1显着,则认为样本存在选择问题,必须用Heckman两阶段估计发或ML法来估计。经过检验,数据不存在选择问题(Hsiao cheng,2002)

2.因为数据不存在选择问题,因此本文用一般的处理非平衡数据的方法来确定模型。经过检验,最终确立教育投资与家庭特征的模型为随机效应模型,医疗保健与家庭特征的关系为固定效应模型(检验过程略)。另外,两个模型都使用变截距模型。

三、数据来源和数据的统计分析

我们的数据来源于A地统计局、调队住户调查处,时间为2002年1月至2004年12月,这三年的数据是连续跟踪的,但由于各方面原因,存在样本缺失问题,2002年的样本数为498个,2003年的样本数为480个,2004年的样本数为466个,2003年和2004年的样本分别丢失了18个和32个数据。我们用x1,x2,x3,…,x14分别表示教育支出、家庭年收入、户主性别、户主年龄、户主文化程度、婚姻状况、开始参加工作年份、就业情况、行业、职业、家庭人口、子女个数和子女工作时间。模型总所使用的变量的定义和数据的统计描述见表1和表2:

表1                        样本中各连续变量统计量

变量 均值 最小值 最大值 标准差

年度 2002 2003 2004 2002 2003 2004 2002 2003 2004 2002 2003 2004

家庭年收入 39166 41665 48508 5700 3210 3156 116340 152792 198119 20258 22042 28576

教育支出 4283 4447 5064 0 0 0 43913 45747 50641 4678 5105 6066

医疗保健支出 2188 2497 2436 0 0 0 18305 39013 26534 2449 3567 3182

户主年龄 50.1 51 51.4 24.8 21.3 22.3 84.7 90.8 91.7 10.7 11.26 11.7

开始参加工作年份 30 29.9 29.5 0 0 0 66 72 73 11.3 12.3 13

家庭人口 2.94 2.9 2.9 1 1 1 5 6 5 0.6 0.6 0.65

子女个数 0.86 0.84 0.83 0 0 0 2 2 2 0.43 0.44 0.44

子女工作时间 1.55 2.23 2.6 0 0 0 24 30 31 3.96 5.1 5.4

表2      各离散变量的定义及样本数

变量 定义 编码 样本数

2002 2003 2004

户主性别 男 1 345 335 328

女 2 153 145 138

户主文化程度 未上过学 1 3 3 3

扫盲班 3 0 0 0

小学 3 38 33 32

初中 4 201 198 194

高中 5 99 97 92

中专 6 56 51 50

大学专科 7 81 80 77

大学本科 8 19 17 17

研究生 9 1 1 1

婚姻状况 未婚 1 3 3 3

有配偶 2 477 462 451

离婚 3 5 4 3

丧偶 4 12 10 9

其他 5 1 1 0

职业 各类专业技术人员 1 61 58 56

国家机关党群组织、企事业单位负责人 2 31 28 24

办事人员和管理人员 3 98 95 93

商业工作人员 4 37 37 37

服务性工作人员 5 50 48 43

农林牧渔劳动者 6 0 0 0

生产工人、运输工人和有关人员 7 60 58 57

不便分类的其他劳动者 8 162 157 157

就业情况 国有经济单位职工 1 147 143 141

城镇集体经济单位职工 2 41 35 35

其他各种经济类型单位职工 3 85 82 80

城镇个体或私营企业主 4 13 12 12

城镇个体或私营企业被雇者 5 15 15 14

离退休再就业人员 6 24 23 20

其他就业者 7 20 19 19

离退休者 8 124 122 120

丧失劳动能力者 9 0 0 0

家务劳动者 10 2 2 1

待业人员 11 26 26 22

待分配人员 12 0 0 0

在校学生 13 0 0 0

待升学者 14 0 0 0

其他非就业者 15 1 1 1

行业 农、林、牧、渔业 1 2 2 2

采掘业 2 0 0 0

制造业 3 117 114 110

电力、煤气、及水的生产和供应 4 22 21 20

建筑业 5 24 22 17

地质勘察业、水利管理业 6 12 12 10

交通运输、仓储及邮电通信业 7 35 32 25

批发和零售贸易、餐饮业 8 50 47 47

金融、保险业 9 21 20 20

房地产业 10 16 15 15

社会服务业 11 62 60 55

卫生、体育和社会福利业 12 22 20 20

教育、文化艺术和广播电影电视业 13 36 36 28