华东地区人力资本形成的主要影响因素探究——基于因子分析方法 作者：刘辛宁 张 颀
来源：《现代经济信息》 2018年第22期
刘辛宁 山东师范大学地理与环境学院
张 颀 济南职业学院
摘要：本文按照人们对人力资本形成的常规认识，把人力资本投资分为教育、医疗保健和人口特别是智力资源的迁移三个方面，并将这三个方面继续细分，区分教育中职业教育和高等教育情况，以及人力资本投资过程中资金的来源，采用因子分析方法对华东六省份十五个细分指标进行综合评判，并最终给出解释：在人力资本投资因素上，国家和企业的投资仍然有着较强的影响力，个人在人力资本的投资主要集中在个人教育和医疗保健方面方面。在教育方面，虽然近年来职业学校不管从学校数还是学生数考察，都能看出职业教育走向衰落，但是高等教育和职业教育在影响人力资本形成方面的区别这不是很明显。 尺度效应
关键词：人力资本；教育投资；私人消费；因子分析
中图分类号：F272 文献识别码：A 文章编号： 1001-828X(2018)033-0461-03
一、引言
江阴市卫生局
经济学上对人力资本投资的研究由来已久，舒尔茨早年就曾在针对农业发展的思中想到人力资本的概念，并且在上世纪 60 年代以美国经济学会会长的身份，在年会上做《对人进行的投资》演说，并在其后用人力资本的理论解释了美国出现的无法用传统经济增长理论进行解释的部分，在马歇尔计划的成功和其他美国对欠发达国家援助失败的对比中，验证了该理论。此外还做出预测，人力资本，即人口的素质和结构状况将会成为今后很长一段时期促进经济增长的重要动力，甚至将决定一个国家的前景。 [1]
我国的经济起飞期虽然只经历了改革开放以来的今四十年，但是物质资本的积累已经有目共睹，但伴随着近年国家优惠政策的力度和价格补贴策略的过度，以及消费升级和国内外环境的变化等多重因素的叠加，在物质资本领域的投资过度已经显现，并且有加深的趋势。 [2] 在此背景下，财政资金和私人资本理当寻求更合理的流向。而人力资本则由于其特有的回报周期长、可自动更新等特征，理应成为下一个资本投资的新重点。
二、文献回顾
关于人力资本对生产率的促进关系研究由来已久，早在 20 世纪 80 年代以来，通过对索罗模型的修改和扩充形成的新经济增长理论，就已经分离了人力资本，并且将技术内生化，并考察了人力资本对一国产值增加的贡献率 (Lucas，1988)。在此基础上，夏科良使用数据包络方法计算各行业的生产率指数，在控制技术和所有制等变量的情况下，考察人力资本和企业试验与研发情况对全要素生产率的影响。 [3] 此外，近年关于人力资本的影响，更多的放到人力资本对区域经济的增长上，例如边雅静和沈利生区别了我国的东西部地区，探索两地人力资本现状的差异，并以此为基础考察两地区的人力资本对经济增 长的影响作用[4] ；邵琳按照一般方法把我国分成东部、西部、中部和东北四个区，利用 2010-2011 年面板数据对我国人力资本存量的不同侧面以及其对产值的影响进行测度，并用t 检验探讨其显著性[5] ；高远东、花拥军抽取中国 27 个省的面板数据，考察不同类型人力资本对各省经济增长的作用机制，显示知识型人力资本对经济增长的贡献较强，但是技能型较弱。 三、本文的创新点与研究思路
1. 创新点
通过对以往文献的梳理发现，之前针对人力资本的研究并不少，但主要集中在人力资本对一国或一个地区资本积累的影响。但是，人力资本本身包括多个方面，目前的研究往往集中到教育和培训上，很少将医疗保健和人口迁移、人才引进等内容纳入到人力资本的形成中。另外，对人力本的定量研究
也往往侧重于从总量进行分析，对人力资本的投资来源则考察较少。事实上，个人、企业和国家都可能成为一个的地区人力资本投资的投入者。
在此背景下，本文将综合考虑近六年华东地区教育、医疗和人口特别是专业人才流动情况，并且区别教育和医疗的财政支出以及个人现金支出情况，构建一系列指标，并使用因子分析法，考察华东地区人力资本现状，将众多原始指标解读为少数综合指标，探索其对地区人力资本形成影响的综合贡献率。
2. 关于样本与指标的选择
本文选取的样本是华东诸省份，不含台湾省。另外，考虑到上海市的特殊性，即外来人口过多，上海市高等教育服务其他省份的强度也明显高于华东其他省份，因此把上海市排除在外，这样，选取的省份包括江苏、浙江、安徽、福建、江西、山东六个省份，这几个省份在地理位置、面积、人口等方面具有一定相似性。出于对样本数量的考虑，考察以上省份 2011 至 2016 年共六年的数据。考虑到指标要尽量做到不重不漏，涵盖职业教育、高等教育，医疗、人口迁移的诸多情况，以及考虑个人和国家两个侧面，将区域人力资本分成以下几个指标：劳动人口 (15-65 岁人口 ) 中万人高等教育在校生人数，劳动人口万人职业教育在校人数，高校专任教师书，职业教育专任教师数，高校数量，中职学校数量，技工学校数量，外省净迁入人数，规模以上企业试验与研发人员当量，个人教育开支，个人医疗开支，地方财政教育开支，地方财政医疗开支，每万人卫生技术人员数。
萨拉 帕克斯顿 另外需要说明的是，由于因子分析对指标数量和样本数量之间的关系有要求，再加上之前构建的指标中关于教育的指标过多，这里考虑合并。该指标体系中，每万人在校生人数方面，把研究生和本科生归入高等教育，但是把大专院校在校生归入职业教育，这是于今年大专院校扩招、大专院校学生就业动向等因素考虑的结果；但是，在考察教师数量和高校数量时，把大专院校教师归为高等教育教师，这一点是基于大专院校专任教师的工作性质特点考虑。职业学校专任教师数则包括中等职业学校、职业高中和技工学校的专任教师。
最后要说的是，涉及财政支出和个人支出数额的计算，均是按照当年价格进行计算的。则是因为样本仅选取近六年的数据，价格波动较小，而且由于每年的价格指数受多种因素影响，采取当年价格进行计算可以是样本更具随机性，减少序列相关。最后，因子分析侧重的是对原始数据中不同指标进行分析，而不是对样本本身进行纵向比较，因此采用当年价格对及分析结果不会有太大影响。
3. 关于数据来源
本文选取的数据均来自国家和各省的统计年鉴，其中，15-65岁人口数量 ( 劳动人口数量 ) 来自国家统计局网站，其余数据来自各省统计年鉴。人口流入数量有计算得出，是采用人口增长量减去出生人口净值得出的。
4. 关于分析方法的选择
构建的反映人力资本存量和投资量的信息很多，故在这里选择因子分析法。因子分析法是在存在多重共线性的诸多指标中间，通过研究组多指标的内部依赖关系，通过计算得到少数几个公因子，反映原来众多指标或变量的主要信息，以简化数据结构，方便探索数据内在逻辑和联系。
5. 需要特别指出的是，相较于以往因子分析的步骤，本文只进行正交化和因子旋转，并不对因子进行打分，这是出于文章研究目的考虑的
蔡邕书论
冯熙璇 本文主要目的是出影响人力资本形成的因素，并不是要横向地比较各地人力资本存量或纵向比较各地人力资本存量变化，因此没必要对其进行打分。
四、实证分析
1. 针对数据的一般性描述
通过各省份近年数据的整理可以发现，职业教育一直到在走向衰退，相反，无论是从在校生情况还是从学校和专任教师书情况来看，高等教育则一直在进步，这可能和经济发展、劳动力需求变化有关，也可能受教育者家庭收入提高给了他们演唱受教育时间的激励。另外，传统的教育“梯度效应”仍然在起作用，大多数人可能仍然把接受高等教育作为首要选择，只有在升学无法实现的时候才会退而求其次，这种梯度效应配合国家和社会对高等教育供给量的增加和适龄入学人口的减少，必然会带来职业教育的衰退。具体表现为学校数量的减少和专任教师的波动下降。
关于该趋势造成的影响，不同学者有不同见解，其中，如之前总数部分所讲，部分学者看来受教育年限增加、受高等教育人数占比提升是人力资本存量增强、全要素生产率提高的产物，而且高等教育对全要素生产率贡献更大。 [7] 但是刘金菊 (2014) 则认为由于2000 年左右开始的大学扩招趋势以及由此带来的毕业生数量增加，我国的教育过度现象已经非常明显，在 2010 年就已经达到 28% 以上。 [8] 如果照这样算，在产业提升速度较低、产能相对过剩的背景下，目前我国的教育过度程度可能会更高。过高的教育程度，无疑可能会带来较多的教育资源的浪费和劳动力的浪费。
另外，可能由于统计方法和统计口径的变化，部分省份医疗、教育的个人支出有波动，而且不同省份之间差别比较明显，但是个人在这方面的支出逐渐扩大的趋势相当明显。最后，每万人卫生技术人员数在不同省份之间也有着明显的差别，如安徽、江西较少，浙江较多，但是不同省份分年度增加的趋势相对明显。
2. 模型数据的计算
索爱m600
如前所述，为了实现减少变量，凸显主要影响因素的目的，这里采用因子分析方法。但是因子分析是基于模型各指标之间存在多重共线性这一前提的，因此在分析之前，需要首先对其进行检验，这里采用最常见的 KMO 检验和巴特利球形检验，如果确定有较好的多重共线性，者进行因子分析。
另外要说明的是，因子分析在进行之前要首先对数据进行标准化，消除数字单位对结果的影响。这
里采用通用的无量纲化方法为：，其中，Y i 为标准化之后的值，X i 为初始值， 初始值的平均值，S 为原始数据的标准差，具体计算为。(1) 可行性分析。关于可行性分析，如前所述，采用 KMO 和巴特利特球形检验。其中，KMO 主要用于测试线性相关性，其中，KMO 值越大，说明线性相关性越好，可以进行降维并提取公因式，一般认为，只要 KMO 值大于等于 0.6，就确定可以使用因子分析；巴特利特球形检验的零假设是相关系数矩阵是一个单位阵，该值越大，则越有可能拒绝原假设，采用因子分析的效果越好。
这里采用 SPSS22 软件给出两种检验的值，如表 1 所述，其中KMO 检验值为 0.602，略大于 0.6，表明具有线性相关；巴特利特球形度检验则表明有超过 99.9% 的可能拒绝原假设，综上，可以进行因子分析。
(2) 因子分析与主要公因子选择。对初始数据进行标准化处理后，按照主成分分析法，首先获得特征值和对应的方差贡献率，之后采用主成分分析法的方法，选择尽可能少的影响因子是累计方差贡献率大于 85%。结果如下：
