《中央财经大学:2023中国人力资本报告(403页).pdf》由会员分享,可在线阅读,更多相关《中央财经大学:2023中国人力资本报告(403页).pdf(403页珍藏版)》请在三个皮匠报告上搜索。
1、 中国人力资本报告中国人力资本报告 2023 课题负责人:李海峥教授课题负责人:李海峥教授 中央财经大学中央财经大学 人力资本与劳动经济研究中心人力资本与劳动经济研究中心 2023 年年 12 月月 国家自然科学基金委员会 中央财经大学 提供项目资助 中央财经大学 人力资本与劳动经济研究中心简介 人力资本与劳动经济研究中心(CHLR)(以下简称“中心”)成立于2008 年 3 月,是一个以研究中国人力资本和劳动力市场为主要方向的院级国际化研究中心。中心以科研为主导,强调国际化的前沿学术研究。中心标志性的研究项目为中国人力资本的度量研究。中心顾问由该领域的国际著名教授担任,包括诺贝尔经济学奖得主
2、James J.Heckman 教授以及人力资本计算方法终身收入法创始人,哈佛大学 Dale W.Jorgenson 教授。中心的教学科研成员全部为国际知名高校的终身教授或者拥有北美或欧洲知名高校经济学博士学位的海归学者。中心有全职教师 8 人,特聘教授 5 人及特聘研究员 5 人。中心招收博士后、博士研究生和硕士研究生,拥有完备的博士及硕士研究生培养方案,其课程体系和课程设置与美国研究类高校一致,采用全英文授课及国际化人才培养方式。截至 2023 年 9 月,中心已毕业博士后 1 人,博士生 11 人,硕士生 56 人。目前在校生 53 人,均为全日制学生,其中博士生 8 人,硕士生 45
3、人。1 中心人力资本的度量及其深入研究项目 的社会影响 人力资本与劳动经济研究中心(以下简称“中心”)的中国人力资本度量研究项目得到国家自然科学基金委员会及中央财经大学的专项资助。该项目旨在建立中国第一套科学、系统的人力资本指数,定量描述中国人力资本的分布及发展动态;为更深入地研究人力资本在中国经济发展中的作用提供一套综合度量指标;为政府相关经济社会决策提供定量依据。同时也为中国的人力资本度量方法和指标成为国际人力资本指标体系的一部分、为人力资本作为国民经济账户的一部分纳入到国民财富衡量体系提供前期工作。该项目由中心特聘教授李海峥教授主持,由人力资本收入计算法(Jorgenson-Fraume
4、ni 方法)创始人之一 Barbara Fraumeni 教授,中心全职教授和特聘教授,以及中心全体博士、硕士研究生及行政人员共同参与。人力资本项目于 2009 年立项,是中央财经大学标志性成果之一,中央财经大学一流学科建设重点支持项目。项目连续十四年获得国家自然科学基金资助,并进入 2019 年国家自然科学基金重点项目最后答辩(因作者顺序标注问题未能立项)。项目组连续 14 年每年发布中国人力资本报告(中英文版)。发布会参会人员包括诺贝尔奖得主 James J.Heckman 教授、Kenneth J.Arrow教授(已故)、哈佛大学 Dale Jorgenson 教授(已故)、世界银行和
5、OECD官员及国外学者;全国人大副委员长蒋正华、全国人大常委财经委员会副主任贺铿、国务院发展研究中心副主任隆国强、国家统计局副局长许宪春及众多国内学者。2020 年 12 月 05 日中国人力资本报告 2020发布后,微博平台上,中国新闻网根据 中国人力资本报告 2020 的部分内容发起的话题,引发了热烈讨论,居热搜榜单前列。截至 2020 年 12 月 19 日 18:00,相关话题阅读次数高达 1783 万次,讨论次数 2306 次。近 20 家主流媒体从不同视角对报告的主要内容进行了专题报告,其中包括央广网、腾讯网、新浪教育、工人日报、中国新闻网等主流媒体。随后,人民网、光明网、中国网、
6、新华网客户端、中国青年报等 10 余家主流媒体相继转载。2021 年 12 月 11 日中国人力资本报告 2021发布后,第一财经即以“报告:全国劳动力人口平均年龄 38.8 岁 东北三省最高”为题从全国劳动力人口平均年龄及平均受教育程度方面对人力资本报告进行了专题报道。随后,十多家媒体在网页及微博平台上转载了该专题报道,产生了广泛的社会影响。在会议结束的近十天里,相继有媒体对人力资本报告进行专题报道及报道转载,其中,光明日报于 2021 年12 月 14 日以“2021 年中国人力资本指数报告发布”为题进行报道。截至 2021 年 12 月 20 日,近 20 家主流媒体针对报告发布及报告主
7、要内容的不同方面进行了专题报道。2022 年 12 月 17 日中国人力资本报告 2022发布后,十数家主流媒体针对报告发布及报告主要内容进行了专题报道,同时结合我国人口加速老龄化、出生率、劳动人口流动等现实问题进行了深入解读。中国教育新闻网主要从劳动力人数、年龄和受教育程度方面对人力资本报告的具体内容进行专题报道;新京报主要从报告中有关劳动力人口的平均受教育程度、人均人力资本和人力资本总量方面进行详细报道;南方都市报聚焦报告中关于我国劳动力人口平均年龄加速增长等内容进行深度报道;三联生活周刊、搜狐新闻等对相关报道进行了转载;截至 2022 年 12 月 25 日 14:00,“中国劳动力人口
8、平均年龄升至 39 岁”等微博话题阅读次数超百万。中国人力资本报告系列及历年的计算结果、中间数据、以及原始数据已经被广泛应用,形成以面板数据为主的中国人力资本数据库。相关资料及数据可以在人力资本中心及中央财经大学-电子科技大学联合数据研究中心官方网站下载,免费供社会各界使用(http:/ or http:/ 2009 年公开发布以来,受到了国际、国内学术界、国际组织及我国政府部门的重视,产生了广泛的社会影响。一、一、与报告直接相关的论文发表与报告直接相关的论文发表 基于中国人力资本报告中的部分内容形成的学术论文,“基于工资的人力资本度量:从微观个体到宏观总量”(李海峥,苏妍,熊咸芳,许伊婷)发
9、表于国内期刊计量经济学报,第三期,518-540 页,2021。中国人力资本报告中的部分内容,“Regional Distribution and Dynamics of Human Capital in China 1985-2014”(Barbara M.Fraumeni,Junzi He,HaizhengLi,Qinyi Liu)发表于国际期刊,Journal of Comparative Economics,Vol.47(4)2019,853-866.中国人力资本报告中的物质资本部分,“Physical Capital Estimates for Chinas Provinces,19
10、52-2015 and Beyond”(Carsten A.Holz,Yue Sun)发表于国际期刊,China Economic Review,Volume 51,2018,342-357.中国人力资本报告中的部分内容,“人力资本结构高级化与经济增长兼论东中西部地区差距的形成和缩小”(刘智勇、李海峥、胡永远、李陈华)发表于中国经济学领域权威期刊,经济研究,第三期,50-63 页,2018。人力资本项目论文“Regional Distribution and Dynamics of Human Capital in China 1985-2014:Education,Urbanization,
11、and Aging of the Population”(Haizheng Li,Junzi He,Qinyi Liu,Barbara M.Fraumeni,Xiang Zheng)被美国国家经济研究局(NBER)接受为工作论文,No.22906,2016。中国人力资本报告中的部分内容,“Human Capital Estimates in China:New Panel Data 1985-2010”(Haizheng Li,Qinyi Liu,Bo Li,Barbara Fraumeni,Xiaobei Zhang)发 表于 国际期刊,China Economic Review,Volum
12、e 30,2014,397418.中国人力资本报告中的部分内容,“中国人力资本的度量:方法、结果及应用”(李海峥,李波,裘越芳,郭大治,唐棠)发表于国内期刊,中央财经大学学报,第五期,69-78 页,2014。中国人力资本报告中的部分内容,“中国人力资本的区域分布及发展动态”(李海峥,贾娜,张晓蓓,Barbara Fraumeni)发表于中国经济学领域权威期刊,经济研究,第七期,49-62 页,2013。中国人力资本报告中的部分内容,“Human Capital in China,1985-2008”(Haizheng Li,Yunling Liang,Barbara M.Fraumeni,Z
13、hiqiang Liu,Xiaojun Wang)发表于国际期刊,Review of Income and Wealth,Volume 59,2013,212-234.中国人力资本报告中的部分研究成果,“中国人力资本测度与指数构建”(李海峥,梁赟玲,Barbara Fraumeni,刘智强,王小军)发表于中国经济学领域权威期刊经济研究,2010 年第 8 期,并为中国社会科学文摘转载。根据中国人力资本报告形成的论文“Human Capital in China”(Haizheng Li,Barbara M.Fraumeni,Zhiqiang Liu,Xiaojun Wang)被美国国家经济研究
14、局(NBER)接受为工作论文,No.w15500,2009。二、著作出版及章节二、著作出版及章节 基于中国人力资本报告中的部分内容撰写的章节“Human Capital of Mainland China,Hong Kong and Taiwan,1997-2018”收录于Measuring Human Capital,Academic Press,139-166,2021。中国人力资本报告中的部分内容被提交世界银行的报告“Senior Expert to Review the Results and Analysis of Human Capital Accounts”所引用,2017。中国
15、人力资本报告中的部分内容,“Human Capital and Physical Capital Comparison of Beijing”发表于北京人才蓝皮书:北京人才发展报告(2015-2016),社会科学文献出版社,2016。中国人力资本报告中的部分内容,“基于人力资本视角的京、津、冀对比研究”发表于北京人才蓝皮书:北京人才发展报告(2013-2014),社会科学文献出版社,2014。中国人力资本报告中的部分内容,“中国城乡人力资本及其差异研究”发表于 中国经济改革与未来发展方向首届中国留美经济学会会长论坛文集,南开大学出版社,209-227,2012。中国人力资本报告的北京市部分“北
16、京市人力资本度量研究J-F 终生收入法的应用”发表于北京市组织部出版的北京市人力资源状况蓝皮书北京人才发展报告(2010-2011),社会科学文献出版社,2011。2010 年世界银行的官方研究报告 国家财富的改变 收录了中国人力资本报告中的部分内容为其中一章(World Bank.The Changing Wealth of Nations.Washington,DC:World Bank,2010)。三、三、与人力资本项目相关的与人力资本项目相关的国际国内会议国际国内会议 2022 年 12 月 17 日,中国人力资本报告 2022在第十四届人力资本国际研讨会发布(线上线下结合会议)。20
17、22 年 11 月 20 日,项目负责人李海峥教授应邀组织美国南方经济学会(Southern Economic Association)第92届年会中的三个分会(Presidential session organizer),并就人力资本相关问题组织论文宣讲和讨论。2022 年 8 月 30 日,项目负责人李海峥教授应邀组织“第四届亚洲商业经济研究”国际研讨会中的分会“生命周期中的人力资本积累”,就人力资本相关问题组织论文宣讲和讨论。2022 年 7 月 30 日-8 月 2 日,人力资本中心项目团队受邀参加济南人力资本产业研究院举办的“数字经济与人力资本数字化研讨会”。项目负责人李海峥教授作
18、特邀报告“科创企业人力资本定价”。2022 年 5 月 03 日,人力资本中心项目团队受邀参加韩国高丽大学 Jong-Wha Lee 教授及团队举办的主题为“A study on the measurement of human capital incorporating educational quality and corporate management skills”的线上国际研讨会。项目负责人李海峥教授受邀到韩国高丽大学线下参加国际研讨会,并与韩国团队的教授和学者就隐性人力资本、教育质量度量、管理层人力资本等主题进行了深入讨论。2021 年 12 月 11 日,中国人力资本报告 20
19、21在第十三届人力资本国际研讨会发布(线上会议)。2021 年 11 月 20 日,项目负责人李海峥教授应邀组织美国南方经济学会(Southern Economic Association)第 91 届年会并在分会(Presidential session organizer)中讨论人力资本相关问题。2021 年 9 月 22 日,项目负责人李海峥教授应邀参加中国人民大学劳动人事学院开展的人力资本系列课程,以基于工资的人力资本度量:从微观个体到宏观总量为题进行特邀讲座。2020 年 12 月 05 日,中国人力资本报告 2020在第十二届人力资本国际研讨会发布(线上会议)。2020 年 11
20、月 21 日-23 日,项目负责人李海峥教授应邀组织美国南方经济学会(Southern Economic Association)第90届年会中的两个分会(Presidential Session)并讨论人力资本相关问题。2020 年 9 月 21 日-22 日,项目负责人李海峥教授应邀参加由国家自然科学基金委主办的第 257 期双清论坛,并作题为“经济高质量发展与人力资本的内涵、培育及作用机制”的主旨发言(线上会议)。2019 年 12 月 14 日,中国人力资本报告 2019在第十一届人力资本国际研讨会发布。2019 年 12 月 07 日,项目负责人李海峥教授应邀参加由国家卫生健康委流动
21、人口服务中心、暨南大学联合主办的第四届流动人口健康与发展论坛,并作题为“流动人口数据与人力资本研究”的特邀发言。2019 年 5 月 31 日,项目负责人李海峥教授应邀参加由韩国首尔大学(Korea University)组织的国际会议(Challenges to Asia and Global Economy),并作题为“Unobserved Human Capital and Regional Inequality:Evidence from China”的论文宣讲。2018 年 12 月 8 日-9 日,中国人力资本报告 2018在第十届人力资本国际研讨会发布。2018 年 6 月 8
22、日-10 日,项目负责人李海峥教授应邀参加由厦门大学(Xiamen University)、堪萨斯大学(University of Kansas)、卡内基梅隆大学(Carnegie Mellon University)、金融稳定中心(Center for Financial Stability)联合组织的国际度量学会 2018 年会(Society for Economic Measurement 2018 Conference),并就人力资本的度量问题做大会主旨发言。2018 年 6 月 4 日-5 日,项目负责人李海峥教授应邀参加在哈佛大学举行的第五届世界 KLEMS 年会(the Fif
23、th World KLEMS Conference),并就中国人力资本报告做大会发言。2017 年 12 月 9 日-10 日,中国人力资本报告 2017在第九届人力资本国际研讨会发布。2017 年 7 月,项目负责人李海峥教授应邀参加第 61 届世界统计大会(61st World Statistics Congress,Marrakech,Morocco 2017),并作题为“Regional Distribution and Dynamics of Human Capital in China 1985-2014:Education,Urbanization,and Aging of th
24、e Population”的论文宣讲。2016 年 12 月 10 日,中国人力资本报告 2016在第八届人力资本国际研讨会发布。2016 年 6 月,项目负责人李海峥教授应邀参加 2016 年中国留美经济学会年会,并作题为“The Regional Distribution and Trend of Chinas Human Capital 1985-2012:The Impact of Urbanization,Education,and Population Aging”的论文宣讲。2015 年 12 月 12 日,中国人力资本报告 2015在第七届人力资 本国际研讨会发布。2015 年
25、 6 月 16 日,项目负责人李海峥教授受邀担任第五期“名家谈教育-常青公益大讲堂”的主讲人,进行题为“人力资本的发展与基础教育”的讲座。2015 年 6 月 6 日至 7 日,项目负责人李海峥教授受邀参加在陕西师范大学举办的“人力资本与中国经济发展的挑战”国际学术研讨会,并作题为“中国农村人力资本与未来经济增长”的主题报告。2014 年 10 月 31 日,中国人力资本报告 2014在第六届人力资本国际研讨会发布。2014 年 8 月 27 日,项目负责人李海峥教授应邀参加由芝加哥大学主办的 Symposium on Chinas Economy and Governance 国际会议,并宣
26、讲中国人力资本报告的部分内容。2014 年 7 月 6 日至 9 日,项目负责人李海峥教授应邀作为大会主题发言人参加第 26 届澳大利亚中国经济学会的年度会议,并作题为“The Regional Distribution and Trend of Chinas Human Capital 1985-2010:The Impact of Urbanization,Education,and Population Aging”的主题发言。2014 年 5 月 28 日,项目负责人李海峥教授应邀参加沪港发展联合研究所和复旦中国经济研究中心联合讲座,作题为“Human Capital Distribu
27、tion and Trend in China:Where does Shanghai Stand?”的特邀发言。2014 年 5 月 19 日至 20 日,项目负责人李海峥教授应邀参加在东京举办的第三届世界 KLEMS 会议,作题为“Human Capital Estimates in China,New Panel Data 1985-2010”的特邀发言。2014 年 1 月 3 日至 5 日,项目负责人李海峥教授应邀参加 2014费城全美经济学年会,并作题为“Human Capital Estimates in China,New Panel Data 1985-2010”的论文宣讲。
28、2013 年 5月,项目负责人李海峥教授应邀参加联合国国际劳工组织都灵培训中心与南京财经大学在南京举办的“劳工领域的企业社会责任与公共政策”国际研讨会,并作题为“中国劳动力人均资本”的发言。2011 年 2 月,项目负责人李海峥教授应邀参加美国南加州大学论坛,US-China Institute conference on The State of the Chinese Economy:Implications for China and the World,并作“Human Capital in China”的特邀发言。2010 年 12 月,项目负责人李海峥教授应邀参加了在天津举行的中国
29、留美经济学会年会会长论坛,并作题为“Human capital and its contributions”的演讲。2010 年 11 月,项目负责人李海峥教授应邀参加里斯本理事会(Lisbon Council)组织的在布鲁塞尔举办的“The High-level Working Group on Skills and Human Capital”专题会,并作题为“Measuring Human Capital in China”的演讲。2010 年 8 月,项目负责人李海峥教授应邀参加国际收入与财富研究协会(International Association for Research in
30、Income and Wealth,IARIW)在瑞士举办的第 31 届大会,就中国人力资本度量问题作大会发言。2010 年 7月,项目负责人李海峥教授应邀在中国人民大学举办的“福特班名家讲坛”上作题为“中国的人力资本投资现状与贡献”的主题演讲。解放日报2010年 8月 29 日刊以整个版面发 表了该演讲的内容。2010 年 5月,北京市委组织部主办的“北京市人才发展高端论坛 世界城市,世界人才”特别邀请人力资本与劳动经济研究中心作为大会协办单位,同时邀请中心主任李海峥教授担任大会主席。四、相关科研项目及其它四、相关科研项目及其它 2023 年,国家自然科学基金为中国人力资本度量研究“中国人口
31、数量与质量及其对经济发展的作用”提供第四期为期 4 年的资助(2023-2026 年)。2022 年,国家外国专家局高端外国专家引进计划项目,“老龄化,少子化情形下的人口结构变化及人力资本提升研究”,资助期 2年(2022-2023)。2021 年,国家自然科学基金国际(地区)合作与交流项目,韩国高丽大学合作项目,“人力资本的度量研究:基于教育质量和企业管理技能的扩展”,资助期 2 年(2022-2023)。2019 年,中央财经大学电子科技大学联合数据研究中心(CEDC)与人力资本项目合作建立大型人力资本数据库,资助期 3 年。2021 年,国家自然科学基金重大专项项目申请,“人口数量、质量
32、与中国经济发展”,进入最终答辩环节。2019 年,国家自然科学基金重点项目申请,“新时代中国人力资本发展战略研究”,进入最终答辩环节。2018 年,国家自然科学基金为中国人力资本度量研究“中国人力资本的度量研究:扩展及深化”提供第三期为期4年的资助(2018-2021 年)。2013 年,国家自然科学基金为中国人力资本度量研究“中国人力资本指数体系完善及其应用”提供第二期为期 4 年的资助(2013-2016 年)。2012 年,人力资本与劳动经济研究中心应邀加入了欧盟的“终身学习、创新、增长、及欧洲人力资本轨迹”(Life-Long Learning,Innovation,Growth&Hu
33、man Capital Tracks in Europe)的研究项目(2012-2015 年),该项目组由来自世界多个国家和地区的 9 个研究团队组成,共同研究人力资本度量、形成及作用。2010 年 5 月,教育部特邀人力资本与劳动经济研究中心参与十二五规划研究“人力资本对经济的贡献率”。2010 年,经济合作与发展组织(OECD)统计局总干事 Paul Schreyer 先生正式向中国国家统计局局长致函,推荐李海峥教授领导的人力资本项目团队作为中国政府的“指定代表”参加OECD 人力资本合作项目。2010 年,国家自然科学基金为人力资本度量研究“中国人力资本的测量及人力资本指标体系的构建”提
34、供首轮 3 年资助(2010-2012)。2009 年,国务委员刘延东同志来中央财经大学视察人力资本与劳动经济研究中心工作,肯定了人力资本项目的研究成果。自 2009 年起,国家教育部每年要求中心提交中国人力资本报告作为参考材料。2009 年,中央组织部特聘顾问将中国人力资本报告提交中组部作为第二次全国人才工作会议的参考材料。致 谢 我们感谢自 2009 年以来参加人力资本与劳动经济研究中心举办的历届人力资本国际研讨会的国内外专家、学者、特别是特邀嘉宾对项目提出的建议;感谢研讨会上的国内外参会专家对本研究的评论和建议;同时,感谢各匿名审稿专家、项目评审专家富有建设性的意见,以及国内外其他专家学
35、者通过各种方式提出的宝贵意见。我们特别感谢人力资本收入计算法创始人哈佛大学 Dale W.Jorgenson 教授生前对本项目的支持。中心人力资本的度量及其深入研究项目及相关人力资本报告及指数的发布得到了中央财经大学相关部门和校外其他单位的多方面帮助。在此特别感谢国家统计局、辽宁省统计局、贵州省统计局以及内蒙古自治区统计局为我们提供了第七次人口普查数据,该数据为推进我们项目进程提供了重要帮助。党委书记何秀超教授、现任校长马海涛教授、前任校长王瑶琪教授、前任校长王广谦教授、前任副校长史建平教授、前任副校长李俊生教授、赵丽芬教授及其他校领导对该项目给予了全面支持;从项目的立项、启动、到持续进行,前
36、校平台管理委员会帮助协调各方资源,以保证项目以及相关发布会议的顺利进行。感谢学校多个部门及办公室积极配合,提供项目所需的各方面条件。感谢美国佐治亚理工大学经济学院,特别是现任院长 Laura Taylor教授、前任院长 Patrick McCarthy 教授对项目给予的全面支持。1 2023 报告的修订与更新 所有省、自治区、直辖市及香港和台湾的人力资本计算扩展到 1985-2021 年。将人口计算结果与第七次全国人口普查数据比对,以检验人口估算结果的准确性。考虑“百万高职扩招”计划的影响,针对应届生和非应届生分别采用不同的人力资本估算处理。更新 CHNS 数据库。根据第七次全国人口普查和中国
37、人口与就业统计年鉴 2022更新计算 2016-2021 年就业率数据。完善物质资本数据,并将全国数据更新至 2019 年。1 简要说明 缩缩 写写 省份 BJ:北京市 TJ:天津市 HeB:河北省 SX:山西省 LN:辽宁省 JL:吉林省 SH:上海市 JS:江苏省 ZJ:浙江省 CQ:重庆市 SC:四川省 GZ:贵州省 AH:安徽省 FJ:福建省 JX:江西省 SD:山东省 GD:广东省 YN:云南省 GS:甘肃省 QH:青海省 HeN:河南省 HuB:湖北省 HuN:湖南省 SaX:陕西省 GX:广西壮族自治区 XZ:西藏自治区 HLJ:黑龙江省 NMG:内蒙古自治区 NX:宁夏回族自治
38、区 HaN:海南省 XJ:新疆维吾尔自治区 HK:香港特别行政区 TW:台湾省 HC:人力资本 LFHC:劳动力人力资本 定义与说明定义与说明 人力资本总量 大陆:女性 0-54 岁人口,男性 0-59 岁人口 香港:女性 0-59 岁人口,男性 0-64 岁人口 台湾:女性 0-59 岁人口,男性 0-59 岁人口 劳动力人力资本 大陆:女性 16-54 岁人口不包括学生,男性 16-59 岁人口不包括学生 香港:女性 15-59 岁人口不包括学生,男性 15-64 岁人口不包括学生 台湾:女性 15-59 岁人口不包括学生,男性 15-59 岁人口不包括学生 目录目录 2023 年中国人力
39、资本报告摘要.1 第一章 导论.7 第二章 方法体系.11 2.1 Kendrick 成本法成本法.11 2.2 J-F 收入法收入法.13 2.3 包容性财富报告收入包容性财富报告收入/影子价格法影子价格法.14 2.4 Laroche-Merette模型模型.14 2.5 特征法特征法.15 2.6 结论结论.16 第三章 J-F 方法修正以及在中国的应用.17 3.1 倒推法估算终生收入倒推法估算终生收入.17 3.2 Mincer 方程估算当前收入方程估算当前收入.19 3.3 其他参数的估算和假定其他参数的估算和假定.28 第四章 中国人口与教育状况.34 4.1 人口数的估算人口数
40、的估算.34 4.2 全国人口状况与教育分布全国人口状况与教育分布.35 第五章 全国及各省劳动力年龄及教育状况.40 5.1 劳动力人口定义及教育程度划分劳动力人口定义及教育程度划分.40 5.2 全国劳动力人口平均年龄全国劳动力人口平均年龄.40 5.3 全国劳动力人口受教育程度的时间变化趋势全国劳动力人口受教育程度的时间变化趋势.44 5.4 大陆各省劳动力人口的年龄比较大陆各省劳动力人口的年龄比较.56 5.5 大陆各省劳动力人口教育指标比较大陆各省劳动力人口教育指标比较.58 第六章 全国人力资本计算结果及讨论.63 6.1 人力资本存量分析人力资本存量分析.63 6.2 人均人力资
41、本分析人均人力资本分析.67 6.3 劳动力人力资本分析劳动力人力资本分析.69 6.4 人力资本的国际比较.80 第七章 人力资本的跨省比较.83 7.1 人力资本比较分析人力资本比较分析.83 7.2 劳动力人力资本比较分析劳动力人力资本比较分析.85 7.3 人力资本的相对变化趋势人力资本的相对变化趋势.87 第八章 北京市人力资本计算结果.90 8.1 总体人力资本分析总体人力资本分析.90 8.2 人均人力资本分析人均人力资本分析.91 8.3 劳动力人力资本分析劳动力人力资本分析.94 第九章 天津市人力资本计算结果.98 9.1 总体人力资本分析总体人力资本分析.98 9.2 人
42、均人力资本分析人均人力资本分析.99 9.3 劳动力人力资本分析劳动力人力资本分析.101 第十章 河北省人力资本计算结果.105 10.1 总体人力资本分析总体人力资本分析.105 10.2 人均人力资本分析人均人力资本分析.106 10.3 劳动力人力资本分析劳动力人力资本分析.109 第十一章 山西省人力资本计算结果.113 11.1 总体人力资本分析总体人力资本分析.113 11.2 人均人力资本分析人均人力资本分析.114 11.3 劳动力人力资本分析劳动力人力资本分析.116 第十二章 内蒙古自治区人力资本计算结果.120 12.1 总体人力资本分析总体人力资本分析.120 12.
43、2 人均人力资本分析人均人力资本分析.121 12.3 劳动力人力资本分析劳动力人力资本分析.124 第十三章 辽宁省人力资本计算结果.128 13.1 总体人力资本分析总体人力资本分析.128 13.2 人均人力资本分析人均人力资本分析.129 13.3 劳动力人力资本分析劳动力人力资本分析.131 第十四章 吉林省人力资本计算结果.135 14.1 总体人力资本分析总体人力资本分析.135 14.2 人均人力资本分析人均人力资本分析.136 14.3 劳动力人力资本分析劳动力人力资本分析.136 第十五章 黑龙江省人力资本计算结果.140 15.1 总体人力资本分析总体人力资本分析.140
44、 15.2 人均人力资本分析人均人力资本分析.141 15.3 劳动力人力资本分析劳动力人力资本分析.143 第十六章 上海市人力资本计算结果.147 16.1 总体人力资本分析总体人力资本分析.147 16.2 人均人力资本分析人均人力资本分析.148 16.3 劳动力人力资本分析劳动力人力资本分析.150 第十七章 江苏省人力资本计算结果.154 17.1 总体人力资本分析总体人力资本分析.154 17.2 人均人力资本分析人均人力资本分析.155 17.3 劳动力人力资本分析劳动力人力资本分析.157 第十八章 浙江省人力资本计算结果.161 18.1 总体人力资本分析总体人力资本分析.
45、161 18.2 人均人力资本分析人均人力资本分析.162 18.3 劳动力人力资本分析劳动力人力资本分析.165 第十九章 安徽省人力资本计算结果.169 19.1 总体人力资本分析总体人力资本分析.169 19.2 人均人力资本分析人均人力资本分析.170 19.3 劳动力人力资本分析劳动力人力资本分析.173 第二十章 福建省人力资本计算结果.177 20.1 总体人力资本分析总体人力资本分析.177 20.2 人均人力资本分析人均人力资本分析.178 20.3 劳动力人力资本分析劳动力人力资本分析.180 第二十一章 江西省人力资本计算结果.184 21.1 总体人力资本分析总体人力资
46、本分析.184 21.2 人均人力资本分析人均人力资本分析.185 21.3 劳动力人力资本分析劳动力人力资本分析.188 第二十二章 山东省人力资本计算结果.191 22.1 总体人力资本分析总体人力资本分析.191 22.2 人均人力资本分析人均人力资本分析.192 22.3 劳动力人力资本分析劳动力人力资本分析.194 第二十三章 河南省人力资本计算结果.198 23.1 总体人力资本分析总体人力资本分析.198 23.2 人均人力资本分析人均人力资本分析.199 23.3 劳动力人力资本分析劳动力人力资本分析.201 第二十四章 湖北省人力资本计算结果.205 24.1 总体人力资本分
47、析总体人力资本分析.205 24.2 人均人力资本分析人均人力资本分析.206 24.3 劳动力人力资本分析劳动力人力资本分析.208 第二十五章 湖南省人力资本计算结果.212 25.1 总体人力资本分析总体人力资本分析.212 25.2 人均人力资本分析人均人力资本分析.213 25.3 劳动力人力资本分析劳动力人力资本分析.216 第二十六章 广东省人力资本计算结果.220 26.1 总体人力资本分析总体人力资本分析.220 26.2 人均人力资本分析人均人力资本分析.221 26.3 劳动力人力资本分析劳动力人力资本分析.223 第二十七章 广西壮族自治区人力资本计算结果.227 27
48、.1 总体人力资本分析总体人力资本分析.227 27.2 人均人力资本分析人均人力资本分析.228 27.3 劳动力人力资本分析劳动力人力资本分析.230 第二十八章 海南省人力资本计算结果.234 28.1 总体人力资本分析总体人力资本分析.234 28.2 人均人力资本分析人均人力资本分析.235 28.3 劳动力人力资本分析劳动力人力资本分析.237 第二十九章 重庆市人力资本计算结果.241 29.1 总体人力资本分析总体人力资本分析.241 29.2 人均人力资本分析人均人力资本分析.242 29.3 劳动力人力资本分析劳动力人力资本分析.245 第三十章 四川省人力资本计算结果.2
49、48 30.1 总体人力资本分析总体人力资本分析.248 30.2 人均人力资本分析人均人力资本分析.249 30.3 劳动力人力资本分析劳动力人力资本分析.251 第三十一章 贵州省人力资本计算结果.255 31.1 总体人力资本分析总体人力资本分析.255 31.2 人均人力资本分析人均人力资本分析.256 31.3 劳动力人力资本分析劳动力人力资本分析.258 第三十二章 云南省人力资本计算结果.262 32.1 总体人力资本分析总体人力资本分析.262 32.2 人均人力资本分析人均人力资本分析.263 32.3 劳动力人力资本分析劳动力人力资本分析.265 第三十三章 西藏自治区人力
50、资本计算结果.269 33.1 总体人力资本分析总体人力资本分析.269 33.2 人均人力资本分析人均人力资本分析.270 33.3 劳动力人力资本分析劳动力人力资本分析.273 第三十四章 陕西省人力资本计算结果.277 34.1 总体人力资本分析总体人力资本分析.277 34.2 人均人力资本分析人均人力资本分析.278 34.3 劳动力人力资本分析劳动力人力资本分析.280 第三十五章 甘肃省人力资本计算结果.284 35.1 总体人力资本分析总体人力资本分析.284 35.2 人均人力资本分析人均人力资本分析.285 35.3 劳动力人力资本分析劳动力人力资本分析.288 第三十六章
51、 青海省人力资本计算结果.292 36.1 总体人力资本分析总体人力资本分析.292 36.2 人均人力资本分析人均人力资本分析.293 36.3 劳动力人力资本分析劳动力人力资本分析.295 第三十七章 宁夏回族自治区人力资本计算结果.299 37.1 总体人力资本分析总体人力资本分析.299 37.2 人均人力资本分析人均人力资本分析.300 37.3 劳动力人力资本分析劳动力人力资本分析.302 第三十八章 新疆维吾尔自治区人力资本计算结果.306 38.1 总体人力资本分析总体人力资本分析.306 38.2 人均人力资本分析人均人力资本分析.307 38.3 劳动力人力资本分析劳动力人
52、力资本分析.309 第三十九章 香港特别行政区人力资本计算结果.313 39.1 总体人力资本分析总体人力资本分析.313 39.2 人均人力资本分析人均人力资本分析.314 39.3 劳动力人力资本分析劳动力人力资本分析.315 第四十章 台湾省人力资本计算结果.318 40.1 总体人力资本分析总体人力资本分析.318 40.2 人均人力资本分析人均人力资本分析.319 40.3 劳动力人资本分析劳动力人资本分析.320 第四十一章 七普数据与人力资本计算结果.323 41.1 全国七普数据与人力资本计算结果全国七普数据与人力资本计算结果.323 41.2 内蒙古七普数据与人力资本计算结果
53、内蒙古七普数据与人力资本计算结果.337 41.3 辽宁省七普数据与人力资本计算结果辽宁省七普数据与人力资本计算结果.344 41.4 上海市七普数据与人力资本计算结果上海市七普数据与人力资本计算结果.351 41.5 贵州省七普数据与人力资本计算结果贵州省七普数据与人力资本计算结果.358 参考文献.365 后记后记.374 1 2023 年中国人力资本报告摘要 本报告估算和描述了中国人力资本分布及发展动态,运用大量数据和不同方法对中国国家和省级层面的人力资本进行了综合系统的度量并构建了多项人力资本指数。除了传统基于教育程度的度量方法外,我们采用国际上广泛应用的Jorgenson-Fraum
54、eni 收入计算法(以下简称 J-F 方法),对中国人力资本的存量进行估算。与传统度量方法(如教育程度)相比,J-F 方法可以更加全面综合地反映人力资本的状况。由于相关数据缺乏,J-F 方法不能直接运用于中国。我们根据人力资本理论,将微观调查数据、省级层面数据和 Mincer 方程相结合,改进了 J-F 方法,大大增加了该方法运用于中国数据的可行性和合理性。在本报告中,我们基于 J-F 方法计算了 1985-2021 年中国国家层面和省级层面的人力资本存量2,包括分性别和分城乡的人力资本总量及相应的人均人力资本等。同时我们也提供了基于教育程度的传统人力资本度量指标。为了与人力资本进行对比,我们
55、计算了国家层面的物质资本的存量,其中,国家层面的数据涵盖 1985-2019 年。此外,我们建立了跨省生活成本比较指数 LCI(即购买力平价指数),以便于基于购买力相等的货币价值的人力资本跨省比较。根据中国现行退休政策,大陆劳动力人口年龄定义为男性 16 至 59 岁,女性16 至 54 岁;台湾劳动力人口年龄定义为男性、女性均为 15 至 59 岁;香港劳动力人口年龄定义为男性 15 至 64 岁,女性 15 至 59 岁。考虑到统计口径的一致性,本报告中的全国、大陆指大陆的 31 个省(自治区、直辖市),未包括香港特别行政区、澳门特别行政区、台湾地区。如无特殊说明,所有人力资本的跨省比较的
56、结果均按 LCI 平减指数调整(以 1985 年为基期且以北京市为参照省份)。年均增长率的计算方法为先计算各年增长率,再取年平均,以反映增长率的年度变化。我们将人力资本、物质资本及其它相应数据,包括在计算过程中收集的原始数据和处理过的中间数据,构建成中国国家及省级层面的人力资本数据库,以利于学术研究和政策分析。我们将数据库无偿提供给公众使用。用户可以在以下网站免费下载:2 香港特别行政区和中国台湾地区的结果从 1997 年开始。2 人力资本与劳动经济研究中心官网:http:/ 中央财经大学-电子科技大学联合数据研究中心官网:http:/ 3 一一 全国人力资本基本状况全国人力资本基本状况 一)
57、基于年龄及教育程度的人力资本度量指标一)基于年龄及教育程度的人力资本度量指标 1.1基于年龄的人力资本度量基于年龄的人力资本度量 1.2021 年,全国劳动力人口的平均年龄平均年龄是 39.4 岁。平均年龄最高的前五个省份是黑龙江、辽宁、吉林、重庆、浙江;平均年龄最低的五个省份是海南、新疆、广东、贵州、西藏。2.2021 年,全国 0-15 岁人口占非退休人口的比重为 22.0%,0-15 岁人口的人力资本占人力资本总量的比重为 54.32%。3.2021 年,全国 25-45 岁人口占总劳动力人口的比重为 52.0%,25-45 岁人口的人力资本占总劳动力人力资本的比重为 50.0%。1.2
58、 基于教育的人力资本度量基于教育的人力资本度量 4.2021 年,全国劳动力人口的平均受教育年限受教育年限是 10.7 年。平均教育程度最高的前五个省份是北京、上海、天津、江苏、辽宁;平均教育程度最低的五个省份是甘肃、贵州、云南、青海、西藏。5.2021年,全国劳动力人口中高中及以上受教育程度人口占比是44.0%;其中,农村占比为 22.4%,城市占比为 57.4%。6.2021年,全国劳动力人口中大专及以上受教育程度人口占比是23.2%;其中,农村占比为 5.8%,城市占比为 34.1%。二)基于国际二)基于国际 Jorgenson-Fraumeni 方法计算的综合人力资本方法计算的综合人力
59、资本 7.2021 年,中国人力资本总量人力资本总量按当年价值计算为 3378.3 万亿元,其中,城镇为 3005.6 万亿元,农村为 372.7 万亿元,分别占人力资本总值的 88.9%和 4 11.0%。8.2021 年,中国人均人力资本人均人力资本按当年价值计算为 299.4 万元,其中城镇为 397.4万元,农村为 101.0 万元;男性为 377.8 万元,女性为 207.8 万元。9.2021 年人力资本总量人力资本总量排名前五位的省(自治区、直辖市)分别为广东、山东、江苏、河南和河北;排名后五位的省(自治区、直辖市)分别为甘肃、海南、宁夏、青海和西藏。10.2021 年人均人力资
60、本人均人力资本排名前五位的省(自治区、直辖市)分别为北京、天津、上海、江苏和山东;排名后五位的省(自治区、直辖市)分别为云南、新疆、西藏、甘肃和青海。11.2021 年劳动力人力资本总量劳动力人力资本总量排名前五位的省(自治区、直辖市)分别为广东、山东、江苏、河南和四川;排名后五位的省(自治区、直辖市)分别为甘肃、海南、宁夏、青海和西藏。12.2021 年劳动力人均人力资本劳动力人均人力资本排名前五位的省(自治区、直辖市)分别为北京、天津、上海、江苏和福建;排名后五位的省(自治区、直辖市)分别为西藏、新疆、云南、甘肃及青海。13.1985-2021 年间,中国人力资本总量增长 16.5 倍,人
61、力资本总量的年均增长率为 8.3%。2010-2021 年间,人力资本总量的年均增长率为 7.7%。14.1985-2021 年间,农村人力资本总量的年均增长率为 2.9%,而城镇这一指标为 11.3%。2010-2021 年间,农村人力资本总量的年均增长率为 0.6%,而城镇这一指标为 9.2%。15.1997 年之前,农村的人力资本总量高于城镇;自 1997 年起,城镇的人力资本总量一直高于农村。16.1985-2021 年间,实际人均人力资本从 1985 年 4.1 万元增加到了 2021 年的58.5 万元,年均增长率为 7.8%。2010-2021 年间,人均人力资本的年均增长率为
62、7.9%。17.1985-2021 年间,农村人均人力资本年均增长率为 5.0%,而城镇这一指标为 5 7.5%。2010-2021 年间,农村人均人力资本年均增长率为 3.9%,而城镇这一指标为 7.2%。三)香港特别行政区和台湾地区人力资本三)香港特别行政区和台湾地区人力资本 18.2021 年,香港劳动力人口的平均年龄平均年龄是 42.2 岁,台湾劳动力人口的平均年龄是 40.9 岁。19.2021 年,香港 0-15 岁人口占非退休人口的比重为 16.8%,0-15 岁人口的人力资本占人力资本总量的比重为 21.0%。20.2021 年,台湾 0-15 岁人口占非退休人口的比重为 17
63、.0%,0-15 岁人口的人力资本占人力资本总量的比重为 19.2%。21.2021 年,香港 25-45 岁人口占总劳动力人口的比重为 46.9%,25-45 岁人口的人力资本占总劳动力人力资本的比重为 63.5%。22.2021 年,台湾 25-45 岁人口占总劳动力人口的比重为 40.8%,25-45 岁人口的人力资本占总劳动力人力资本的比重为 72.8.%。23.2021 年,香港劳动力人口的平均受教育年限平均受教育年限是 12.2 年,台湾劳动力人口的平均受教育年限是 13.8 年。24.2021 年,香港劳动力人口中高中及以上受教育程度占比是 75.6%,台湾劳动力人口中高中及以上
64、受教育程度占比是 89.2%。25.2021 年,香港劳动力人口中大专及以上受教育程度占比是 43.3%,台湾劳动力人口中大专及以上受教育程度占比是 58.3%。26.1997-2021 年间,按 J-F 方法计算的人力资本,香港的人力资本总量人力资本总量的年均增长率为 1.0%,人均人力资本人均人力资本的年均增长率为 0.7%。2010-2021 年间,香港的人力资本总量的年均增长率为 3.2%,人均人力资本的年均增长率为3.3%。27.1997-2021 年间,按 J-F 方法计算的人力资本,台湾的人力资本总量人力资本总量的年均 6 增长率为-1.0%,人均人力资本人均人力资本的年均增长率
65、为-0.9%。2010-2021 年间,台湾的人力资本总量的年均增长率为-1.2%,人均人力资本的年均增长率为-0.4%。7 第一章 导论 自从 Schultz(1961)和 Becker(1964)提出人力资本的概念以来,人力资本在学术研究和政策分析中已被广泛应用。国际经济合作与发展组织(OECD)对人力资本的最新定义为“人力资本是个人拥有的能够创造个人、社会和经济福祉的知识、技能、能力和素质”(OECD,2001,第18 页)。著名社会学理论家 James S.Coleman 认为人力资本理论是“二十世纪后半叶对教育经济学最原创、最重要的发展”(Coleman,1990,第 304 页)。
66、根据人力资本理论,社会财富除了自然资源和物质资本外,人力资本是重要的组成部分。根据近期的研究报告,在1990 到 2010 年间,平均而言,人力资本构成了全部资本的 54%(UNU-IHDP 和 UNEP,2014,第 29 页)。一般认为,人力资本是技术创新与经济增长的源泉,是经济社会可持续发展的重要推动因素,是减少贫困和不平等的重要保证(Stroombergen等,2002;Keeley,2007)。对加拿大、新西兰、挪威、瑞典、美国等国家的人力资本账户分析结果一致表明,人力资本是经济增长的核心要素3。Stiglitz 在经济表现和社会进步国际委员会的报告中强调了人力资本的重要性,他指出人
67、力资本是一个“超越国内生产总值”用以衡量经济发展和社会进步的指标4。自改革开放以来,中国的经济增长迅速。有研究表明人力资本对中国经济效率的提高以及地区差异的缩小具有重要的作用(Fleisher,Li 和 Zhao,2009)。人力资本被认为是“中国经济奇迹”的主要促进因素(Fleisher 和Chen,1997;Dmurger,2001)。中国人力资本的度量对全球认识中国的人力资本状况至关重要,其主要原因包括如下几个方面:第一,人口和受教育程度分布的变化将直接影响到中国人力资本发展状况,通过计算人力资本对了解在经济发展过程中人口结构、人口规模(由独生子女政策、人口流动、城市化等因素所致)以及受
68、教育水平的动态变动趋势具有十分重要的意义。计算中国的人力资本状况可以帮助我们从某些侧面深入了解中国受教育人口结构的动态变化和城乡分布。自 20 世纪 80 年代以来,虽然中国人口的受教育水平显著提高,但仍然不能够忽略城镇和农村在总体教育水平上存在显著差 3这些研究包括使用 Jorgenson-Fraumeni(J-F)方法对加拿大(Gu 和 Ambrose,2008)、新西兰(Le,Gibson 和 Oxley,2005)、挪威(Greaker 和 Liu,2008)、瑞典(Alroth,1997)和美国(Jorgenson 和Fraumeni,1989,1992a,1992b;Christi
69、an,2010,2014,2015)的人力资本存量进行测量。4详见 Stiglitz 等(2009)。8 距的事实。从我们估算的不同受教育程度的人口分布(见第四章,图4.2.2-图4.2.4)来看,未上过学的人口显著减少,初中教育程度的人口明显增加。按受教育程度划分,1985 年人口总量最大的群体是“未上过学”和“小学”(见第四章,图4.2.5),2010 年,最大的人口群体是“初中”(见第四章,图 4.2.7)。但是,计算结果同时也显示出农村和城镇地区的总体教育水平仍然存在较大差距,尤其表现在高中及以上的教育水平上。第二,在理论与实证研究中,构建人力资本的衡量体系是认识人力资本作用的重要环节
70、。通过测量人力资本发展水平,我们能够更好地估算人力资本对经济增长、经济发展以及对社会福利的贡献。由于缺乏人力资本的综合度量指标,这类研究只能局限于衡量体现人力资本某些特征的局部指标,如教育程度等。第三,构建中国人力资本的综合测度体系是建立中国人力资本账户并将人力资本纳入国民账户的必要前期工作。中国人力资本测度体系的建立有助于开展人力资本积累与增长的国际比较,有利于中国及早参与该领域研究的国际合作。第四,人力资本的测量能够为政策制定提供有价值的信息。例如,在学校教育方面,中国人口的受教育程度有了显著的提高,在 1985 年,中国人口主要集中在“未受教育”和“小学”类别(图 4.2.5)。到 20
71、10 年,最大的人口群体被发现在“初中”类别中(图 4.2.7)。政策制定者需要清楚地看到目前农村和城市地区之间在整体教育状况方面仍然存在的差距,特别是那些具有高中及以上学历的人。我们的措施说明了这一差距的重要性,并指出了将人力资本投资引入人才急需的地区的长期收益。发达国家正在进行一项国际项目,以衡量一个国家的总人力资本存量,并开发 Jorgenson-Fraumeni(J-F)国家人力资本账户。我们的工作是这一项目的一部分。自 2018 年以来,世界银行在构建 140 多个国家的人力资本时使用了 J-F 方法(Lange,et al.,2018;World Bank,2021),为个别国家构
72、建了更详细的 J-F 估算。美国经济分析局支持关于人力资本的研究(Abraham 2010 和Christian 2010,2015)。加拿大统计局(Gu 和 Wong,2008)、澳大利亚统计局(Wei,2008)和挪威统计局(Greaker 和 Liu,2008)利用机构研究人员建立了类似的人力资本测量的研究项目。此外,17 个国家(澳大利亚、加拿大、丹麦、法国、意大利、日本、韩国、墨西哥、荷兰、挪威、新西兰、波兰、西班牙、英国、美国、罗马尼亚和俄罗斯)9 和两个国际组织(欧盟统计局和国际劳工组织)加入了经合组织的联盟,开发 J-F 人力资本账户(刘,2011)。在联合国的努力下 J-F
73、人力资本账户已经在其他几个国家建立,包括阿根廷(Coremberg,2010)、印度(Gundimeda,Sanyal,Sinha,and Sukhdev,2007)、新西兰(Le,Gibson,and Oxley,2005)以及瑞典(Ahlroth and Bjorkland,1997)。OMahony 和 Stevens(2004 年)应用 J-F 方法评估了英国政府提供的教育,OMahoney 和 Samek(2021 年)使用 J-F 公式确定了健康对人力资本的影响5。国家估计将有助于跨国比较。发达国家显然已经意识到监测人力资本积累的重要性,而包括中国在内的大多数发展中国家和新兴国家则
74、刚刚开始着手进行此类项目。尽管人力资本对中国经济发展如此重要,然而迄今为止,中国学术界对如何系统性构建人力资本综合测度体系的研究十分有限。目前只能在少量的中国期刊上找到一些关于对中国人力资本测度方面研究的文献。例如:张帆(2000)、钱雪亚和刘杰(2004)基于总投资(成本方面)计算了中国人力资本存量。朱平芳、徐大丰(2007)、王德劲、向蓉美(2006)从收入方面估计了中国人力资本状况。周德禄(2005)、岳书敬(2008)通过利用人力资本的一些特征指标的加权平均来建立人力资本测度指标。还有一些学者,如蔡昉(1999)、胡鞍钢(2002)、周亚(2004)、侯亚非(2000)、胡永远(200
75、5)等,使用平均受教育年限或总体教育水平等局部特征作为人力资本的度量指标。虽然上述文献在一定程度上对探究中国人力资本存量状况以及人力资本分布方面提供了很有价值的参考,但是仍存在一定的局限性,使得目前中国还没有形成被国际社会认可的人力资本存量估算结果。原因在于:第一,缺乏系统的理论方法体系以及数据支持。由于人力资本估算的潜在工作量巨大,上述研究所用方法受到了数据可获得性、参数估计的可行性、技术处理等方面的限制,造成其估算结果的可信程度有限。第二,主要着眼于观察中国人力资本的总量,相对缺少关注中国人力资本的分布,缺乏对中国农村和城镇以及不同性别人力资本存量进行全面系统的考察。本研究将采用国际上广泛
76、使用的人力资本测算方法Jorgenson-Fraumeni的终生收入法(J-F 方法),并结合中国的实际情况对 J-F 方法进行改进,构建出 5 包容性财富报告系列也使用基于 Arrow 等人(2012 年)模型的终身收入方法来估计多达 165 个国家的人力资本。见 UNU-IHDP 和 UNEP,2015 和 Managi 和 Pushpam,2018。10 一套既适用于国家层面又适用于省级层面的综合性人力资本衡量体系。我们使用J-F 分析法对中国人力资本状况的估算已经从国家层面延伸到了省级层面。估算范围既包括 1985-2021 年间总体人力资本存量、人均人力资本存量、劳动力人力资本存量以
77、及人均劳动力人力资本存量,也分别考察了包括城镇和农村以及不同性别人力资本水平。估算结果不仅包括人力资本的名义值和实际值,而且包括人力资本指数。本研究的另一个贡献体现为对 J-F 收入法的改进。具体的做法是:结合微观层次的调查数据,利用各种可获得的家庭调查数据,使用 Mincer 方程来估算收入以弥补中国收入数据的缺乏。这样也使得计算能够反映出在经济转型过程中教育的回报率和工作经验(在职培训和“干中学”)回报率的变化对人力资本的影响。由于不断变化的经济结构和持续的劳动力迁移是转型经济的典型特征,本研究的中国人力资本分析框架对任何转型经济都很有借鉴价值。我们分别对城镇人力资本和农村人力资本进行了估
78、算6,能够清楚地反映中国自经济改革以来,由于快速的城镇化和大规模的城乡劳动力迁移造成的人力资本分布变化和发展动态。同时,由于劳动力迁移也是一种人力资本投资,迁移可以帮助人们实现更高的人力资本价值,我们的估算结果也能在一定程度上测量劳动力迁移对人力资本的影响。本报告的其余部分安排如下:第二章讨论人力资本的测量方法;第三章阐述J-F 收入方法的改进以及在中国的应用;第四章是探讨中国的人口和受教育程度的发展状况;第五章是对全国及各省劳动力人口相关指标的描述统计,第六章是关于国家层面人力资本的估计结果与讨论;第七章是三十一个省(自治区、直辖市)人力资本的跨省比较;第八章到第四十章为省级人力资本的估算,
79、其中包括北京、天津、河北、山西、内蒙古自治区、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西壮族自治区、海南、重庆、四川、贵州、云南、西藏自治区、陕西、甘肃、青海、宁夏回族自治区、新疆维吾尔自治区、香港特别行政区和台湾省;第四十一章是公布第七次全国普查结果的省份根据七普数据估算的人力资本。所有数据处理和技术细节处理请见附录。6本文中,“农村”与“乡村”同义,均指中国国家统计局关于统计上划分城乡的暂行规定(http:/ 第二章 方法体系 人力资本的产生主要源自教育、培训以及工作的变动和人口迁移(变动工作和迁移有助于实现人力资本的潜在价值)。同时,生育和
80、抚养孩子也可以提高未来的人力资本。和物质资本一样可以从两个方面来测量人力资本的价值:1)人力资本存量等于初始的存量加上总投资减去折旧;2)人力资本存量等于个体在其整个生命周期中收入流的净现值。我们称前者为人力资本测量的成本法,比如 Kendrick(1976);后者为收入法(这种方法也常用于估算自然资源的价值),比如Jorgenson 和 Fraumeni(1989,1992a,1992b)。具体来说,常见的测量人力资本的方法主要有以下几种:1)Kendrick(1976)的成本法;2)Jorgenson 和 Fraumeni(1989,1992a,1992b)的终生收入法;3)Inclusi
81、ve Wealth Report 的终身收入/影子价格方法(UNU-IHDP 和 UNEP,2015;UNEP 和城市研究所,即将出版)。在采用 J-F 方法之前(Lange 等,2018;世界银行,2021 年),世界银行使用余额法(2006 年)。Laroche 和 Merette(2000)提出了一种衡量人力资本增长的方法。在现有的研究中,研究人员使用的人力资本指标来源包括:1)世界银行(IBRD和世界银行,2018 年;世界银行,2020 年);2)世界经济论坛(2017);3)健康度量与评价研究所(Lim 等,2018);4)以里斯本理事会(2006);5)以及包括在 UNDP 人类
82、发展指数中的人力资本指数(UNDP)。在接下来的四个部分中,我们将详细阐述人力资本的货币计量方法以及人均人力资本增长的 Laroche 和 Merette 方法。2.1 Kendrick 成本法成本法 Kendrick 是构建人力资本账户的积极倡导者,他提出了用成本法计算人力资本的具体操作方法。在考虑人力资本的投资成本时,Kendrick(1976)将人力资本分为两类:有形人力资本投资,主要是孩子的养育费用;无形人力资本投资,12 则包括教育与培训支出,医疗、健康和安全支出,以及劳动力流动等方面的支出。根据支出主体的不同,上述每项支出又由个人、企业以及政府的投资组成。人力资本存量采用永续盘存法
83、估算,对人力资本的投资支出进行累计,并对已有的人力资本进行折旧。具体来说,有形人力资本投资主要是平均的终生养育费用(父母的时间成本不包括在内)。无形人力资本投资包含个人、企业与政府用于正式和非正式教育的成本。私人正式教育成本包括私人教育机构场所与设备的净租金,以及学生的开支、学生的潜在机会收入等。私人非正式教育支出包括私人部门用于广播、电视、书刊、博物馆等方面的支出。政府的正式教育成本包括政府用于正式教育的所有支出(如建筑支出等)。政府非正式教育支出包括公共财政用于图书馆、娱乐设施的费用,以及军费开支。企业等机构也有非正式教育支出,例如,常规会议中的教育成分。用于培训的无形人力资本投资包括非生
84、产性培训的时间价值、非工资成本以及显性的培训(包括一般培训和特殊培训)费用。在医疗、健康和安全支出方面,主要是政府投资,政府投资分为投资性支出和维持性支出,其中维持性投资是不算入人力资本投资的。另外,场所和设备的租金也纳入考虑范围。Kendrick(1976)的人力资本流动投资包括居民和移民的失业成本、工作搜寻成本、雇用成本和流动成本。但数据一般很难获得。Kendrick 对流动投资的折旧,采用了相对简单的处理,即用双倍余额递减法。Kendrick(1976)用成本法估算的美国名义人力资本约为国内生产总值的5倍,比 Jorgenson 和 Fraumeni(1989,1992a,1992b)用
85、收入法估算的人力资本小很多7。Kendrick(1976)的方法从成本角度切入,涵盖了人力资本形成方面的所有细节,并且提供了一个非常完整的用来估计人力资本价值的相关成本清单。然而,这一方法所要求的数据量巨大,如果要应用到中国,需要用到 90 年前政府的统计数据来进行相关累计计算,但新中国才成立了仅仅 73 年,不可能满足如此庞大的数据要求。此外,成本法在技术细节处理方面也存在一些难点,比如折旧率的处理以及如何把健康支出划分为投资性支出和维持性支出。由此可见Kendrick(1976)的方法难以运用于中国,我们没有采用该方法来计算中国人力 7参见 Jorgenson 和 Fraumeni(198
86、9),表 37。13 资本。2.2 J-F 收入法收入法 终生收入法是以个人预期生命期的终生收入的现值来衡量其人力资本水平。假设某个体的人力资本可以像物质资本一样在市场上交易,那其价格就是该个体的预期生命期的未来终生收入的现值8。采用终生收入而不是当前收入来度量人力资本的一个重要原因就是它能够更加准确合理地反映出教育、健康等长期投资对人力资本积累的重要作用。后文将详细介绍的 Jorgenson 和 Fraumeni 终生收入法(J-F 收入法)是人力资本测量领域应用最广泛的方法,许多国家还用它来构建人力资本账户。例如,加拿大(Gu 和 Ambrose,2008),新西兰(Le,Gibson 和
87、 Oxley,2005),挪威(Greaker 和 Liu,2008),瑞典(Alroth,1997)和美国(Jorgenson 和 Fraumeni,1989,1992a,1992b,及 Christian,2009)。该方法的主要优点是有充分的理论依据,它基于人力资本产生的收入流来计算人力资本;其次,它所要求的数据和变量相对容易获得。J-F 方法具有充分的理论基础,它是用人力资本产生的收入流现值来度量人力资本。收入(包括隐性收入)可以从市场活动中取得,即为市场收入;也可从非市场活动中产生,即为非市场收入。市场活动是指劳动者可以通过市场活动生产商品和劳务,也可以运用管理方法和创造性思维促进创
88、新和增长并从中获得收入用以购买商品和劳务。非市场活动包括家庭生产,如做饭、打扫卫生和护理等。人力资本投资既可以产生于市场活动,又可以产生于非市场活动。典型的人力资本账户通常不考虑非市场活动,其主要原因是家庭生产活动的价值难以量化和估算。为了使人力资本账户建立在一个可操作的范围内,本研究和绝大部分国家研究一致,是考察市场活动所产生的收入流来估算人力资本存量9。8在中国市场经济还不健全的情况下,工资收入并不完全反映边际劳动生产率。因此,在涉及工资的研究中,工资信号存在一定程度的扭曲。在使用收入法估算人力资本时,这个问题当然也存在。因此,我们的研究也受到目前劳动力市场机制发展程度的局限。但收入法是国
89、际上估算人力资本最通用的方法,而成本法因对数据要求更高而在我国无法运用。即使在美国和其他发达国家,工资也并不能完全反映人力资本的边际劳动生产率,因为其劳动力市场也并不是完全竞争。虽然如此,工资仍然代表这一特定条件下的人力资本的收益,因而仍是当前人力资本的一种度量。随着中国市场机制的不断完善,这种局限性会逐渐减小。根据目前文献的估计,工资一般低于边际劳动生产率(见 Fleisher,Li 和 Zhao,2010)。因此,从这个角度而言,我们的计算是对我国人力资本的保守估计。9其它大多数最近使用 J-F 方法的研究中,包括 Mira 和 Liu(2010),Gu 和 Ambrose(2008),G
90、reaker 和 14 2.3 包容性财富报告收入包容性财富报告收入/影子价格法影子价格法 包容性财富报告(IWR)根据影子价格和个人预期未来终生收入估算人力资本财富,其中财富是 IWR 中股票的代名词。Arrow 等提到的模型是目前 165 个国家财富估计的主要基础,除了人力资本外,还包括生产和自然资产。人力资本使用以下公式估算:=1 5+2 0 3,(1)其中,为受教育年限的回报,是预期受教育年限,5+表示 5 岁或以上受过教育的个人,是个人预期剩余工作年限,为平均年薪,是贴现率。和均设置为 8.5%,前者是基于 Klenow,P.J.,Rodriguez-Clare,A.(1997)的研
91、究。1代表“教育影响”,由预期受教育年限决定;2代表“受教育人口影响”,由受教育人数决定;3终身收入项,代表“人力资本效应补偿”,主要由劳动报酬和预计剩余工作年限确定。来源于 1990 年早期并在整个分析期间均保持不变。由于缺乏数据以区分性别,男性和女性的估算是相同的;人力资本表达中的其他术语具有性别成分。除 2018 年发布的数据(参见 UNU-IHDP 和 UNEP 2015,Managi 和 Kumar 2018,以及即将出版的 UNEP 和 Urban Institute)之外,上述等式是所有 IWR 人力资本估算的特色基础。2.4 Laroche-Merette模型模型 Larouc
92、he 和 Merette(2000)模型确定了人均人力资本增长率,因为他们在第一年设定估计值为 1.0。Larouche 和 Merette 的方法基于 Mulligan 和 Sala-i-Martin(1997)以及 Koman 和 Marin(1997)的开创性工作,他们将类似的方法应用于奥地利和德国。Larouche 和 Merette 用 Cobb-Douglas 指数构建了他们的人均人力资本对数。在该指数中,权重是特定年龄和教育水平工人的工资收入在经济体总工资中的比例。这些权重适用于特定年龄和教育水平的劳动年龄人口占劳动年龄人口总数的对数。权重中的收入由 Mincer 方程确定,因此
93、他们的度 Liu(2008)以及 Christian(2010),Fraumeni,Christian 和 Samuels(2017),Fraumeni 和 Christian(2019),Fraumeni,Christian 和 Samuels(2021)。其中,Christian,Fraumeni 或 Samuels 对美国的研究包括了市场活动和非市场活动并且包括那些年幼不能去上学也不能从事市场活动的人群的人力资本。15 量被称为 Cobb-Douglas 指数。Larouche 和 Merette 方法可以确定个人人口及其相应年龄和教育程度。因此,本报告使用 Larouche 和 Mer
94、ette 方法确定人力资本估计的人口统计数据。2.5 特征法特征法 通常认为,特征法是收入法的衍生(Le,Gibson 和 Oxley,2003,2005)。但是,一般收入法计算出的人力资本是以货币价值衡量的,而特征法是以人力资本的某项特征如教育程度,来构造人力资本指数。特征指数值的主要优点是能集中地反映出不同年份的人力资本发展水平变动趋势以及区域间人力资本的分布特征。以 Mulligan 和 Sala-i-Martin(1997)的研究为基础,Koman 和 Marin(1997)把该方法运用于奥地利和德国,而 Laroche 和 Merette(2000)将其改进后用于测算加拿大人力资本存
95、量。其主要的改进在于除了正式教育,他们把工作经验也纳入到模型中,也就是说,强调人力资本积累过程中的培训和“干中学”(如工作经验)的重要性。在以教育程度为主的特征法计算中,一个国家的平均人力资本存量的对数形式可以用下面的公式来计算:(1)(2)其中,H 为人力资本存量,a 为年龄,e 和 Sch 分别表示受教育程度及与之相对应的受教育年限,是年龄为 a、受教育程度为 e 的劳动人口占总劳动年龄人口 L 的比重。是效率系数,它等于年龄为 a、受教育程度为 e的劳动人口的工资额占整个经济总工资额的比重。Exp 为工作经验。s 为性别,是年龄为 a 的人群中性别 s 所占的比重。,和 可以从 Minc
96、er 回归方程中得到。其中,为多受一年正式教育的回报率。使用该方法计算人力资本,我们不仅需要估算不同年龄、性别、受教育程度()=eaaeaeLH,lnln()()=+eaaeExpExpSchaeExpExpSchaeLeLesasssssassss,2,2LLaeae,=ae,as,16 的人口,同时也需要估算每年分性别的 Mincer 方程参数。这种方法计算人力资本实际上是可行的,但存在的主要问题是该方法建立在柯布-道格拉斯函数的分析框架内。换而言之,不同教育水平的人口并不是“完全替代”的,当某个教育水平的人口所占百分比增加时,它可能导致总体人力资本水平的下降。比如,如果接受高等教育程度的
97、人口所占百分比增加,则总体受教育水平提高,计算得出的人力资本存量应该增加,但是由于柯布-道格拉斯函数的特性,其它教育程度的人口比例会相应降低,从而可能使计算的人力资本反而下降。正常情况下,基于教育的人力资本度量应该是总体教育水平的单调递增函数,而特征法不能保证这一性质10。因此,我们没有在报告中列出根据该方法得出的计算结果。在下一步的工作中我们争取改进该方法,以便用于中国人力资本的特征指数计算。2.6 结论结论 综上所述,结合中国数据可得性的情况,选择 J-F 收入法是最适合中国实际的人力资本衡量方法。收入法不仅在国际上得到广泛应用,有利于中国的人力资本水平与其他国家进行比较,而且更易于在中国
98、实施,其测量的科学性和准确性也比较有保证。本研究将使用 J-F 终生收入法对我国的人力资本进行测量。10这一点通过电子邮件交流得到了 Reinhard Koman 教授的确认。17 第三章 J-F 方法修正以及在中国的应用 J-F 法主要通过生存率、升学率和就业率来估计预期未来收入。个人未来工资和收入是由估算年份中更年长个体的工资和收入决定。在估算未来的收入时,该方法考虑到了劳动收入增长率和折现率,并假设二者是不变的。同时,使用倒推的方式,利用 59 岁人口的终生收入计算 58 岁人口的终生收入,再计算 57 岁,以此类推,一直计算到 0 岁。对于因在校而没有参加工作的学生人群,计算的是其毕业
99、后的预期终生收入。本研究在估算中国人力资本存量时,根据数据的情况对 J-F 终生收入法进行了一定修正和调整。3.1 倒推法估算终生收入倒推法估算终生收入 使用终生收入法,首先需要每年人均市场劳动收入的真实值或估计值。J-F法使用倒推的方式计算终生收入,把生命周期划分为五个阶段,预期收入的计算也相应地使用不同的公式。计算过程中使用到的各个变量说明如下:未上学(ns),小学(pri),初中(jm),高中(sm),大专(col),大学及以上(uni)。第五个阶段,也是最后一个阶段,为退休状态,即既不上学又不工作,根据我国法律规定,我们把男性退休年龄定为 60 岁,女性定为 55 岁,因此最后阶段为男
100、性 60 岁及以上,女性 55 岁及以上:,0y s a emi=(3)其中下标 y,s,a,e 分别代表年份、性别、年龄及受教育程度。mi代表预期未来终生市场劳动收入。第四个阶段是工作状态,但不再接受正式的学校教育。我们根据中国国情定义为 23 岁至男 59(或女 54)岁,其计算公式为:,1,11y s a ey s a ey s ay s aeGmiymisrmiR+=+(4)其中 sr 是存活率11,即活到下一岁的概率,ymi 代表该群体该年的年收入,等式右边 mi 的下标为 y,而非 y+1,是因为在计算 y 年的人力资本存量时,我们假设 y 年 a 岁的人在 y+1 年(即他们 a
101、+1 岁)时的人均收入等于 y 年 a+1 岁相应 11存活率可能与受教育程度也有一定关系,但目前没有详细的分年龄、性别、受教育程度的存活率统计数据,因此,计算中只使用了分年龄、性别的存活率。18 人群(即相同的性别和受教育程度)的未来终生收入乘以(1+G),G 为实际收入增长率,R 为折现率12。第三阶段是可能上学,也可能工作状态,即 16-22 岁。分情况讨论,如果是工作状态,计算公式同(4);如果正在上大学或大专,以大学一年级为例,计算公式为:,_11,12,23,34,4,11y s ay s a uniys ays ays ay s auni completedmisrsrsrsrG
102、miR+=(5)如果正在上初中或高中,以高一为例,计算公式为:,_1,_1_1,3,_13,_1_1,3,11y s a smy s a smcoly s acoly s a smcoly s asm completedmisenrmiGnotenrmiR+=+(6)其中 senr 是升学率,即一个受教育程度为 e 的人进入受教育程度 e+1 的概率13;notenr 是一个完成受教育程度 e 的人未进入受教育程度 e+1 的概率,计算方法为:,1,12,2,_1_1,_1_1 y s ays ays ay s a smcoly s a smcolnotenrsrsrsrsenr+=(7)第二
103、阶段是上学而没有工作状态,即 7-15 岁,以小学一年级为例,计算公式为:6,_1,_1_1,6,_1,_1_1,6,11y s a priy s a prijmy s ajmy s a prijmy s apri completedmisenrmiGnotenrmiR+=+(8)第一阶段是既不上学也不工作,0-6 岁,计算公式为:,1,11y s a ey s ay s aeGmisrmiR+=+(9)12在计算中,假定实际收入增长率为一个平均值,即收入每年以相同的速度增加。13计算升学率使用不同年份的招生人数已包含生存率的调整,因此升学率计算公式中不再包含生存率的调整。在计算中,假设每个教
104、育水平无辍学、复读、跳级或者休学的人口,下同。19 再用L,表示 y 年,性别为 s,年龄为 a,受教育程度为 e 的人口数,由市场收入计算得到一个国家总人口的预期未来终生收入 MI(y),即为从收入角度出发的人力资本存量:,()y s a esaey s a eMI ymiL=(10)本文的计算只包括市场收入。如果加上非市场终生收入,,则为:14 ,()()y s a ey s a esaey s a eMI yminmiL=+(11)3.2 Mincer 方程估算当前收入方程估算当前收入 根据第一节 J-F 收入法的估算体系,个人未来潜在收入是估算终生收入的基础,也是 J-F 收入法计算人
105、力资本存量关键要素,使用 J-F 收入法首先需要估计未来潜在收入。在这里,我们根据 Mincer(1974)的基本收入方程来进行估算和预测个人未来收入。研究经验表明,性别差异和城乡差异对 Mincer 收入方程的影响非常明显,为了得到更为准确的结果,我们使用微观调查数据库,并结合宏观数据,对 Mincer 方程进行回归,分别估计 1985-2021 年国家层面和省级层面分性别、分城乡的 Mincer 参数。用于估算收入方程参数的微观数据来自于六个著名的中国住户调查数据集。分别是“中国城镇住户调查”数据(UHS)、“中国健康和营养调查”数据(CHNS)、“中国住户收入调查”数据(CHIP)、“中
106、国家庭金融调查”数据(CHFS)、“中国家庭追踪调查”数据(CFPS)和“中国劳动力动态调查”数据(CLDS)。3.2.1“中国城镇住户调查”数据(UHS)UHS 是一个有代表性的城市人口样本。被调查者汇报的年收入包括基本工资、奖金和津贴,以及其他与工作单位有关的收入。受教育年限根据被调查者所汇报的教育水平确定。假定入学年龄为 7 岁,则工作经验为年龄减受教育年限再减 6。我们选取的样本包括有工资收入的 16 到 55 岁的女性和 16 到 60 岁的男性(我们根据中国劳动人口的法定退休年龄确定了这一筛选标准)。附录 C.1 陈述了 UHS 完整的收入定义、教育变量定义以及样本的筛选标准,附录
107、 C 表 C.1.1 14计算中我们通常不包括非市场活动,因为对于家务、护理等非市场生产活动,难以进行量化和价值估算。20 列示了各年份 UHS 的描述性统计指标。3.2.2“中国住户收入调查”数据(CHIP)CHIP 是中国家庭收入项目调查。该调查数据库中覆盖了城镇和农村人口的收入、消费、就业、生产等有关方面的信息。这个数据基本上包含了全部的省份,既包括城镇数据也包括了农村数据,样本量基本上保持为:每年城镇家庭的数据大约有 6800 户,人数大约为 20000 人;每年农村家庭的数据大约有 9200 户,人数大约有 38000 人。我们运用上述数据分别估算分性别、分城乡的 Mincer 收入
108、方程。城镇样本中只包括个人收入数据,主要包括工薪收入。农村收入包括个人收入和家庭收入:个人收入主要包括一般性收入以和从工作单位获得的各种货币和实物补贴,家庭收入主要为农业经营中家庭的净收入。由于家庭收入是以家庭为统计计算单位的,我们需要按照个人工作时间占家庭工作时间的比例将其分配给个人,进而得到个人收入。受教育年限根据调查问卷中的教育水平来确定,工作年限为年龄减去受教育年限再减 6。我们所选样本由提供了受教育程度和收入状况的 16-60 岁的男性和 16-55 岁的女性组成。附录 C.1 陈述了 CHIP 完整的收入定义、教育变量定义以及样本的筛选标准。附录 C 表 C.1.3 列示了各年份
109、CHIP的描述性统计指标。3.2.3“中国健康和营养调查”数据(CHNS)CHNS 是一个由北卡罗来纳大学人口研究中心与中国疾病预防和控制中心的国家营养和食品安全研究所共同合作的国际项目,旨在研究中国的经济转型对城镇和农村的社会经济、人口以及健康行为的影响。该调查数据中包含有城镇和农村人口的收入、年龄和教育水平等信息,可以用来分别估计分城乡、分性别的收入方程参数。城市样本的个人收入包括工资收入以及与工作单位相关的实物补贴,农村样本的个人收入包括工资收入、与工作单位相关的实物补贴以及农业家庭收入,即家庭成员在家庭生产和集体部门(或二者兼有)从事五种活动所获取的收入,这五项活动包括蔬菜水果种植、农
110、田种植、家畜养殖、渔业以及小手工业。由于农村收入是以家庭为单位统计的,计算农村个体收入时,我们按个人工作时间占全家总工作时间的比例将家庭收入分配到个人。受教育年限根据调查问卷中的教育水平来确定,工作年限为年龄减去受教育年限再减 6。我们所选样本 21 由提供了受教育程度和收入状况的 16-60 岁的男性和 16-55 岁的女性组成。附录C.1 陈述了 CHNS 完整的收入定义、教育变量定义以及样本的筛选标准。附录 C表 C.1.2 列示了各年份 CHNS 的描述性统计指标。3.2.4“中国家庭金融调查”数据(CHFS)CHFS 是西南财经大学中国家庭金融调查与研究中心进行的一项全国性的调查,其
111、主要目的是收集有关家庭金融微观层次的相关信息,主要包括:住房资产和金融财富、负债和信贷约束、收入、消费、社会保障与保险、代际的转移支付、人口特征和就业、支付习惯等相关信息。调查年份为 2011、2013、2015、2017、2019 年,统计的分别是住户 2010、2012、2014、2016、2018 年的收入信息。城镇样本中只包括个人收入数据,主要包括工资性收入。农村收入包括个人收入和家庭收入:个人收入主要包括工资性收入,家庭收入主要为农业经营中家庭的纯收入。由于家庭收入是以家庭为统计计算单位的,我们需要将其分摊给家庭中务农的个体,进而得到个人收入,具体方法为家庭农业生产纯收入除以家庭务农
112、个体。受教育年限根据调查问卷中的教育水平来确定,工作年限为年龄减去受教育年限再减 6。我们所选样本由提供了受教育程度和收入状况的 16-60 岁的男性和 16-55 岁的女性组成。附录 C.1 陈述了 CHFS 完整的收入定义、教育变量定义以及样本的筛选标准。附录 C 表 C.1.5 列示了 CHFS 的描述性统计指标。3.2.5“中国家庭追踪调查”数据(CFPS)CFPS 由北京大学中国社会科学调查中心(ISSS)实施。旨在通过跟踪收集个体、家庭、社区三个层次的数据,反映中国社会、经济、人口、教育和健康的变迁,为学术研究和公共政策分析提供数据基础。调查年份为 2010、2012、2014、2
113、016、2018 年,统计的是住户过去一年的收入信息。收入分为城市收入和农村收入。城市收入包括工资性收入;农村收入主要包括农业生产收入和工资性收入两部分。工资性收入主要包括五部分:职工工资、奖金、补贴和其他劳动收入。社会保障收入主要包括两部分:离休金和退休金。农业生产收入是指农、林、牧、副、渔业的纯收入。在农村收入中,主要包含农业生产收入和工资性收入两部分,其中农业生产收入,我们采取按个人农业工作时间占全家农业总工作时间的比例的方法将家庭农业收入分配到个人。受教育年限根据调查问卷中的教育水平来确 22 定,工作年限为年龄减去受教育年限再减 6。我们所选样本由提供了受教育程度和收入状况的 16-
114、60 岁的男性和 16-55 岁的女性组成。附录 C.1 陈述了 CFPS 完整的收入定义、教育变量定义以及样本的筛选标准。附录 C 表 C.1.4 列示了 CFPS的描述性统计指标。3.2.6“中国劳动力动态调查”数据(CLDS)CLDS 由中山大学社会科学调查中心(CSS)承担实施,是全国第一个以劳动力为主题的全国性跟踪调查。CLDS 的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查,系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响,建立劳动力、家庭和社区三个层次上的追踪数据库,从而为进行实证导向的高质量的理论研究和政策研究提供基础数据
115、。CLDS 于 2011 年在广东省开展了试调查,于 2012 年完成第一次全国性调查,随后于 2014 年完成了第一轮追踪调查后,又于 2016 年进行了第二轮追踪调查。由于数据质量及可得性等限制,本报告只使用了其 2014 年的调查数据。收入分为城市收入和农村收入。城市收入主要包括工资性收入;农村收入主要包括农业生产收入和工资性收入两部分。工资性收入包括所有的工资、各种奖金、实物补贴。农业生产收入是指农、林、牧、副、渔业的纯收入,采用家庭农林牧副渔的毛收入减去家庭农业经营总成本(农、林、牧、副、渔)。在农村收入中,农业生产收入是家庭收入,所以需将该收入分配给个人,进而计算个人总收入。具体方
116、法为按个人工作时间占全家总工作时间的比例将家庭收入分配到个人。受教育年限根据调查问卷中的教育水平来确定,工作年限为年龄减去受教育年限再减 6。我们所选样本由提供了受教育程度和收入状况的 16-60 岁的男性和 16-55 岁的女性组成。附录 C.1 陈述了 CLDS 完整的收入定义、教育变量定义以及样本的筛选标准。附录 C 表 C.1.6 列示了 CLDS 样本的描述性统计指标。3.2.7 台湾家庭收支调查 台湾家庭收支调查,该数据库既包含城市住户数据又包含农村住户数据。它是由中央研究院调查研究专题中心学术调查研究资料库(以下简称资料库)依主计处提供之资料档、问卷及格式说明档,制作 SAS 栏
117、位定义程式与过录编码簿。各年城镇居民收入包括:受雇人员报酬(本业薪资、兼业薪资、其他收入);23 经常转移收入中从企业获得的收入。农村收入合并到城镇收入。受教育年限根据调查问卷中的教育水平来确定,工作年限为年龄减去受教育年限再减 6。我们所选样本由提供了受教育程度和收入状况的 15-60 岁的男性和 15-60 岁的女性组成。3.2.8 香港普抽查年份样本数据集 香港的微观数据来自香港普抽查年份的特定百分比的样本数据集。具体包括 1991、1996、2001、2006、2011 年及 2016 年 5%样本数据集和 1981、1986 年1%样本数据集。该样本数据集是香港政府统计处搜集的,旨在
118、提供有关香港人口、社会和经济特征的供学术机构作研究用途样本数据。其中受教育年限根据个人所汇报的最高就读教育程度确定。工作经验为年龄减受教育年限再减 6。由于香港没有法定退休年龄,以及最低工作年龄从 15 岁开始公布,因此我们选取的样本包括有工资收入的 15-60 岁女性样本和 15-65 岁的男性。个人收入选取主要工作收入与次要工作收入的综合,并根据平均工资水平筛选出处于合理收入区间的样本。3.2.9 国家层面 Mincer 方程估算当前收入 针对国家层面的参数,我们采用普通最小二乘法估算 Mincer 收入方程:15 2ln()incSchExpExpu=+(12)其中,ln()inc代表收
119、入的对数,Sch代表受教育年限,Exp和2Exp分别代表工作经验年数及其平方,u是一个随机误差,为多接受一年教育的回报率,和共同解释工作经验回报率。Mincer 方程(12)广泛运用于研究收入决定因素的实证研究。一部分实证研究是通过使用各类微观数据集估算目标国家不同时期的收入情况,另一部分实证研究是只针对中国的情况,使用各类数据通过估算收入方程来研究中国的收入决定因素。代表性研究有 Liu(1998),Maurer-Fazio(1999),Li(2003),Fleisher和 Wang(2004),Yang(2005)和 Zhang(2005)等等。上述的诸多研究结果表明人力资本理论适用于中国
120、。我们沿袭多数实证研究的惯例,用普通最小二乘法 15Griliches(1977)发现考虑到教育的内生性,能力偏差并不会改变收入方程。Ashenfelter 和 Krueger(1994)也认为在估算方程(12)时,忽略的能力变量并不会导致一个向上的偏差。24 估算方程。我们利用以上六个数据集估算出相应年份国家层面的收入方程加权平均参数,并将加权后的参数结果按时间趋势进行回归(具体方法及结果见附录 B.1)。截距项衡量的是没有工作经验和未受教育人口的工资。由于微观数据库的原始数据是名义货币工资,这里得到的工资是名义货币工资。图 3.2.1 可以清楚地反映出截距项的城乡差异,在不考虑性别的情况下
121、,1985-2021 年间,城镇的截距项高于农村;从截距项的性别差异看,城镇男性高于女性,农村男性和农村女性没有明显的差异。图图 3.2.1 分城乡、性别截距项的各年比较分城乡、性别截距项的各年比较 受教育年限和受教育年限的平方项的回归参数共同衡量教育回报率。随着高等教育普及的不断深化,并结合我国经济发展的现状,教育回报率不可能呈现不断增长的线性趋势,所以我们在这里假设教育回报率呈现非线性趋势。图 3.2.2 是分城乡、性别的教育回报率参数二次拟合图,图中显示农村女性的教育回报率逐年增加,城市教育回报率和农村男性的教育回报率呈现先增后减的趋势。此外可以发现男性和女性的教育回报率在城镇与农村之间
122、存在明显的差异。具体而言,城镇男性的教育回报率低于女性,而农村男性的教育回报率则高于女性。我们的计算结果与一些实证研究结果是一致的,Fleisher,Sabirianova,Wang(2005)认为对转型经济来说,当苏维埃模式的刚性工资被市场工资取代之后,不断增加的教育回报是一个普遍的现象。但是近些年,许 25 多研究也显示高等教育扩招使得近年来的城镇教育回报率呈递减趋势。Wang,Fleisher,Li 和 Li(2009)则得出女性的回报率要高于男性的结论,并对这样的观测结果做出了解释。图图 3.2.2 分城乡、性别的教育回报率分城乡、性别的教育回报率 经验和经验平方项的回归参数共同衡量经
123、验回报率。一般情况下,收入随着工作经验的增加而增加,但增加的速度是递减的。这一特性已被学术界很多实证研究证实。图 3.2.33.2.6 描述了不同年份城镇、农村分性别工作经验回报率的变动趋势。图中显示,1985-2021 年间,城镇和农村的收入经验曲线对男性和女性呈现出向下移动的趋势,代表着随着年份的推移,经验回报率是逐渐降低的。城市男性的经验回报率高于城市女性经验回报率。农村男性的经验回报率在中间年份高于农村女性经验回报率。26 图图 3.2.3 城镇男性工作经验回报城镇男性工作经验回报 图图 3.2.4 城镇女性工作经验回报城镇女性工作经验回报 27 图图 3.2.5 农村男性工作经验回报
124、农村男性工作经验回报 图图 3.2.6 农村女性工作经验回报农村女性工作经验回报 3.2.10 省级层面 Mincer 方程参数估算 针对省级层面的参数估计,我们以 Mincer 方程为基础,加入宏观数据进行调整。并采用普通最小二乘法估算扩展了的 Mincer 方程:01232456ln()ln()+incAvwageSchSch AvgdpSch RatioExpExpu=+(13)其中,模型(13)的自变量加入了对数平均工资或农民人均纯收入,同时还 28 加入了人均 GDP 与受教育年限、第一产业就业人口占所有就业人口比重与受教育年限的交叉项。Avwage 在农村表示所在省份农民人均纯收入
125、名义值,在城市表示所在省份职工平均工资名义值,它能够在一定程度上反映地区间的基本收入水平差异。Avgdp 为各省人均 GDP 名义值,Ratio 为各省第一产业就业人口占就业总人口比重。人均 GDP 与Sch、第一产业就业人口占所有就业人口比重与Sch的交叉项,能够在一定程度上反映地区间的受教育人口就业市场的差异状况。这样构建的回归模型可以充分利用数据库中所包含的全部数据,在符合经济意义的条件下,在一定程度上解决了可使用数据量不足的问题,提高了估计的准确性。与国家层面 Mincer 参数估计相同,省级层面估计使用的数据也来自于 UHS、CHIP、CHNS、CHFS、CFPS、CLDS 六个数据
126、集,估算方法也都是采用最小二乘法。在对模型(13)进行回归时,样本的筛选、变量的定义和估计结果详见附录C.2 省级层面 Mincer 参数估计。1985-2021 年各省分城乡、分性别样本的截距项和教育回报率估算结果见附录 C.3-3.1。这里需要注意的是,上海市只有城镇分性别的回归参数。此外,我们假设全国男性、女性的工作经验的回归参数相同,各省市共用一套工作经验的参数结果和拟合值。3.3 其他参数的估算和假定其他参数的估算和假定 在人力资本的全部计算过程中,我们需要使用的参数包括招生人数的年龄分布、存活率、升学率和升级率、就业率、增长率、以及折现率。其中,招生人数的年龄分布和存活率是人口估算
127、和使用J-F方法计算人力资本的两部分所共同需要的参数,而其余的四个参数只使用于 J-F 方法的应用中。以下部分只对这些数据的估算和假设进行简要描述,具体计算方法详见附录 A。3.3.1 招生人数的年龄分布 为了估算年龄分布比。我们做出以下假设:假设小学一年级的在校生人口全为当年的小学招生人数,初中一年级的在校生人口全为当年的初中招生人数,高中一年级的在校生人口全为当年的高中招生人数,大专一年级的在校生人口全为当年的大专招生人数,本科一年级的在校生人口全为当年的本科招生人数。香港地区已有数据为 1980-2021 分性别、年龄的各教育层级(小学、初中、29 高中)的在校生总人数,1990-202
128、1 年各年级分年龄在校生人数,假设各个年级在校生的年龄范围固定为六岁(如小学一年级在校生的年龄分布在5-10岁之间),并用各教育层级一年级分性别、年龄在校生数计算出年龄分布比。台湾地区已有数据为 1985-2021 分年龄、性别、各教育层级一年级的在校生人数。据此得到 1985-2021 年招生数及招生年龄分布。3.3.2 存活率 计算存活率需要使用的原始数据为分城乡分年龄的死亡率,来源于中国人口和就业统计年鉴 1988-2021。其中,0 到 65 岁人口的存活率等于 1 减去该年龄的死亡率。而原始数据中 66 岁及以上人口数据为每一年龄分性别死亡人口及死亡率数据。因此,66 岁及以上人口的
129、存活率等于 1 减去 66 岁及以上合计死亡人口除以 66 岁及以上总人口计算所得。对于原始数据中部分缺失,因该年龄死亡率较低,我们采取的处理办法即假设其存活率为 1。对于数据缺失的年份,即 1983、1984、1985、1987、1988、1991、1992、1993年,我们采取用已知年份数据对中间年份数据进行直线拟合。香港的存活率数据来源于香港统计局网站的“生命表”数据,此项数据表包含每一年分年龄分性别的死亡率数据,根据公式存活率=1-死亡率,可以计算出存活率数据。0-65 岁的存活率直接根据公式计算得出;65 岁以上的存活率,先求出 65 岁以上总人口的平均死亡率,再算出平均存活率,以求
130、出的此项平均存活率替代 65 岁以上总人口的死亡率。台湾的存活率数据来源于台湾统计局网站的“生命表”数据,此项数据表包含每一年分年龄分性别的死亡率数据,根据公式存活率=1-死亡率,可以计算出存活率数据。0-65 岁的存活率直接根据公式计算得出;65 岁以上的存活率,先求出 65 岁以上总人口的平均死亡率,再算出平均存活率,以求出的此项平均存活率替代 65 岁以上总人口的死亡率。3.3.3 升学率和升级率 J-F 方法对升学率和升级率的估算包括两个方面:1)完成某一教育水平所需要的年限,2)进入更高教育水平的概率。假设所有学生完成同一教育水平需要同样的时间 X:小学 6 年,初中和高中各 3 年
131、,而且没有辍学、返学和留级(这 30 些假设来自 J-F 的方法)。升入更高教育水平的概率是现在某个年龄 a 的招生数与 X 年后更高一级教育水平的年龄为 a+X 的招生数的平均比率。这样的估算和假设使未来较高的收入水平得以合适的折现。我们在每一种情况下,从入学直到他们进入更高的教育水平,估算升级学生的终生收入。他们实现更高终生收入水平的折现年限依赖于完成了多少年的该级教育。然后我们根据计算得出的存活率和升学率,估算不同年级学生的终生收入。例如,对于一个初中一年级的学生,假设他能活到完成初中和高中教育,他的终生收入取决于目前比他年龄大三岁、教育程度为高中的人的调整后的终生收入。收入的调整包括三
132、年劳动收入(工资)的增长和三年的折现。3.3.4 就业率 就业率用作计算人力资本的权重,在计算中先将所有人口看作有工资收入,最后以就业率进行加权。具体处理方法详见附录 A 2.2.1 台湾省和香港的就业率仅在处理时由于原始数据都为年龄组形式,故在具体处理时,使用年龄组的就业人口/年龄组的人口,以年龄组的就业率代替每一年龄的就业率,以避免拆分年龄组带来的误差。3.3.5 增长率 为计算出个体的终生收入,需要利用实际收入的预计增长率来预测未来的收入。考虑到农村和城镇的增长率差别很大,我们对其分别进行估算。农村实际收入增长率所需数据:农村居民消费价格指数,农村居民家庭人均纯收入(2012 年后无该项
133、数据,使用农村居民人均可支配收入替代)。其计算方法:农村实际收入等于农村居民家庭人均纯收入除以农村居民消费价格指数,T年农村实际收入增长率等于 T 年农村实际收入与 T-1 年农村实际收入的差值再除以 T-1 年农村实际收入。城镇实际工资增长率所需数据:城市居民消费价格指数,城镇单位在岗职工平均工资。其计算方法:城镇实际工资等于城镇单位在岗职工平均工资除以城市居民消费价格指数,T 年城镇实际工资增长率等于 T 年城镇实际工资与 T-1 年城镇实际工资的差值再除以 T-1 年城镇实际工资。31 我们根据以上方法计算 1985-2021 年间各省城镇和农村的增长率,并在此基础上计算得出,在过去 3
134、5 年间,全国农村实际收入和城镇实际工资分别以平均每年 6.41%和 8.50%的速度增长。各省(自治区、直辖市)的城镇、农村增长率如表 3.3.1 所示。我们假定各省农村实际收入和城镇实际工资每年均以这样的平均速度持续增加。其中,上海只有城镇实际工资增长率。表表 3.3.1 各省(自治区、直辖市)分城乡实际薪资增长率(降序)各省(自治区、直辖市)分城乡实际薪资增长率(降序)省份省份 城镇城镇 省份省份 农村农村 北京北京 9.67%福建福建 7.33%上海上海 9.47%浙江浙江 7.31%内蒙古内蒙古 8.50%河南河南 7.02%山东山东 8.49%河北河北 6.77%重庆重庆 8.44
135、%江苏江苏 6.69%天津天津 8.40%广西广西 6.67%安徽安徽 8.38%江西江西 6.64%浙江浙江 8.36%四川四川 6.62%江苏江苏 8.31%山东山东 6.59%四川四川 8.30%重庆重庆 6.59%海南海南 8.27%黑龙江黑龙江 6.50%福建福建 8.26%吉林吉林 6.45%贵州贵州 8.22%内蒙古内蒙古 6.38%云南云南 8.09%陕西陕西 6.38%广西广西 8.02%天津天津 6.36%河北河北 8.02%安徽安徽 6.35%宁夏宁夏 8.01%广东广东 6.30%江西江西 7.99%宁夏宁夏 6.29%广东广东 7.98%辽宁辽宁 5.99%西藏西藏
136、7.95%湖北湖北 5.97%湖北湖北 7.95%山西山西 5.96%辽宁辽宁 7.85%湖南湖南 5.83%吉林吉林 7.83%贵州贵州 5.82%河南河南 7.81%云南云南 5.74%陕西陕西 7.79%甘肃甘肃 5.72%新疆新疆 7.77%海南海南 5.70%黑龙江黑龙江 7.67%新疆新疆 5.38%湖南湖南 7.60%北京北京 5.33%山西山西 7.56%青海青海 5.30%甘肃甘肃 7.10%西藏西藏 5.16%青海青海 6.37%上海上海 -32 香港增长率所需的数据:平均薪金指数,利用香港政府统计处网站公布的1985-2021 年香港实际薪资指数(1999 年第 1 季=
137、100)计算得到。其计算方法:实际薪资指数调整为 1999 年第 4 季=100,T 年实际薪资增长率等于 T 年实际薪资指数与 T-1 年实际薪资的指数差值除以 T-1 年实际薪资指数。最终得到的香港的增长率为 2.47%。台湾增长率所需数据:消费者价格指数,利用 1980-2021(2011 年为基期)台湾经常性薪资计算得到。其计算方法:消费者价格指数调整为 1985 年为基期,实际薪资水平等于经常性薪资除以实际消费者价格指数,T 年实际薪资增长率等于 T 年实际薪资与 T-1 年实际薪资的差值除以 T-1 年实际薪资。最终得到的台湾的增长率为 1.93%。3.3.6 折现率 计算出未来收
138、入之后,需用折现率将其转化成现值以反映货币的时间价值。然而,折现率的选择往往是此类研究中争议很大的问题。因为不同的折现率将导致不同的结果,甚至不同的结论。在各国的人力资本计算中,折现率也没有统一的选择。为了能够客观全面地反映折现率的影响,我们采用过以下四种方法来估算折现率,并用这些折现率分别计算人力资本的量值(各种折现率计算方法详见附录 E):(1)以面向个人的 10 年期国债平均利率为估算基础,我们用 1996-2007 年个人可购买的 10 年期国债的平均利率减去同期平均通货膨胀率,得到 3.14%的实际折现率。该折现率曾用于 2009 中国人力资本指数分析报告中。(2)由于长期国债的利率
139、风险很小,因而所得折现率偏低。为了考虑风险因素,折现率可以以人民银行对商业银行及其他金融机构 5 年期以上的基准贷款利率为估算基础。我们具体采用 1996-2010 年的年平均基准贷款利率扣除同期通胀率得出实际折现率 5.51%。(3)考虑到中国资本市场还不完善,上述利率可能不能准确反映市场化利率,我们也采用国际上使用的折现率。具体参照世界银行社会折现率的计算方法,以 1985 年到 2008 年的人均消费水平增长率加上假设的 1.5%时间偏好计算出中国的社会折现率 8.14%。(4)我们也采用被 OECD 各国采用的折现率 4.58%。该折现率是基于美国 33 私人部门的长期投资回报率估算得
140、到。具体方法见 Jorgenson 和 Fraumeni(1992)。本报告中出现的结果,如无特殊提示,均采用 OECD 折现率。34 第四章 中国人口与教育状况 4.1 人口数的估算人口数的估算 根据第三章第一节 J-F 收入法体系的公式(10)和公式(11),在估算人力资本存量的过程中,需要历年分城乡、年龄、性别、受教育程度的人口数。我们通过下述方式得到人口数据。首先,从中国国家统计局 1987、1995、2005、2015 年的 1%抽样数据和 1982、1990、2000、2010 年的全国人口普查数据中可以直接得到这些年份的城镇和乡村分年龄、性别、受教育程度的人口数。其他年份的此类数
141、据,则需要我们估算。具体估算是根据已有的这八年的数据集,结合每年分年龄、性别的死亡率、每年各教育水平分城镇和乡村的招生人数以及出生率、城乡总人口等数据来估算每年城镇和乡村的分年龄、性别、受教育程度的人口数。中国的教育层次划分为:未上过学、小学、初中(包括普通初中和职业初中)、高中(包括普通高中、中等专业学校和职业高中)、大学专科及以上(这里是指普通本专科,不包括成人本专科)。从 2000 年以后,由于可以得到更多的统计信息,我们又将大专及以上分为大专、大学及以上两个类别。按照永续盘存的思想来估算缺失年份的分年龄、性别、受教育程度的人口数,估算公式如下:(,)(1,)(1(,)(,)(,)(,)
142、L y e a sL ye a sy a sIF y e a sOF y e a sEX e a s=+(14)在(14)式中,(,)L y e a s为 y 年教育水平为 e、年龄为 a、性别为 s 的人口数。(,)y a s为在 y 年年龄为 a、性别为 s 的死亡率,(,)IF y e a s和(,)OF y e a s分别为该组人群的流入人口数和流出人口数;刚进入该教育水平的人口数计为流入数,而刚进入更高一级教育水平的人口数计为流出数。(,)EX e a s为估算误差余额。其中,(,)(,)(,)IF y e a sy e a sERS y e s=(15)(,)(,1,)(,1,)O
143、F y e a sy ea sERS y es=+(16)(,)1ay e a s=(17)ERS 为各教育水平的入学人数,为各教育程度入学学生分性别的年龄分布 35 比。估算年龄分布比 时,我们使用的数据为中国教育统计年鉴 1987-2020所公布的宏观层面数据。具体估算过程见附录 A。4.2 全国全国16人口状况与教育分布人口状况与教育分布 这一章节根据我们估算的各年分年龄、性别、城乡的不同教育程度的人口数,简要地分析中国人口增长的一些特点。从 1982 年到 2021 年,中国的人口从 10.04亿增加到了 14.54 亿,其中城镇人口增加了 7.21 亿,农村人口减少了 2.71 亿(
144、见图 4.2.1)。图图 4.2.1 全国分城乡总人口,全国分城乡总人口,1982-2021 图 4.2.2-图 4.2.4 显示了从 1982 年至 2021 年全国、城乡各教育程度的人口变化趋势。全国未上过学的人口从 1982 年的 3.21 亿减少到 2000 年的 1.39 亿,但从 2000 年至 2020 年变化相对稳定。未上学人口数的减少主要是农村受教育水平的提高所致。小学文化程度的人口数从 1982 年的 3.43 亿增加到 1995 年达到4.02 亿的峰值,然后逐渐下降至 2021 年的 1.85 亿。这种下降是由于越来越多的小学毕业生继续接受更高层次的教育,而不是停止接受
145、正规教育。这也体现在初中文化程度人口的快速增长上。事实上,初中教育水平的人口是各级教育层次中增长最快的:初中教育程度的人口从 1982 年的 1.76 亿增加到 2021 年的 4.05 亿。最后两个教育层次高中和 16 考虑到统计口径的一致性,本报告中的全国、大陆指代大陆的 31 个省(自治区、直辖市),未包括香港、澳门、台湾。02004006008000369258042005200620072
146、0082009200001920202021百万人年份城镇农村全省 36 大专及以上,都是从较少的人数开始增长,但增长速度也很可观:高中教育水平的人数从 1982 年的 0.66 亿增加至 2021 年的 2.09 亿,而大专以上的人口从 1982年的仅仅 0.06 亿增加到 2020 年的 2.03 亿。虽然最后两个教育层次的人口仍只占总人口的一小部分,但自 80 年代中期都一直保持着强劲的增长速度,尤其是从1999 年大学招生规模扩大后。从最后两个教育层级也可以看出,农村地区的增长要明显比城镇的平缓。图图4.2.2 全国各教
147、育程度的人口数,全国各教育程度的人口数,1982-2021 图图 4.2.3 城镇各教育程度的人口数,城镇各教育程度的人口数,1982-2021 0050060047036920002000420052006200720082009200001920202021百万人百万人年份年份未上学小学初中高中大专及以上0500198219831
148、9847036920002000420052006200720082009200001920202021百万人百万人年份年份未上学小学初中高中大专及以上 37 图图4.2.4农村各教育程度的人口数,农村各教育程度的人口数,1982-2021 图 4.2.5-图 4.2.9 比较了 1985、1995、2010、2015、2020 年按性别和区域分的人口数,显示了不同教育程度人口分布的变化。1985
149、年,在五个教育类别里,比例最大的为未上过学的人口和小学人口。1995 年,主要以小学和初中教育程度为主,即教育层次分布严重偏向左方。2010 年,初中教育水平已成为占主导地位的教育类别,其分布仍然偏左,但相比 1985 年,这种倾向已经大大削弱。到2015 年,各教育程度与 2010 年基本一致,大专及以上的人口有进一步上升。2020年,大专及以上人口已超过高中人口17。此外,女性教育水平的提高幅度比男性大。具体来说,女性未上过学人口数的减少速度比男性未上过学人口数的减少速度更快,而在高等教育中性别差异也已大幅降低。因此,尽管在 1985 年女性教育程度的分布与男性存在较大差异,但随着时间的推
150、移其分布已越来越接近男性。17 此处为第七次全国普查结果,非估算结果。050030035047036920002000420052006200720082009200001920202021百万人百万人年份年份未上学小学初中高中大专及以上 38 图图4.2.5 分性别的各教育程度人口数,分性别的各教育程度人口数,1985 图图4.2.6 分性别的各教育程度
151、人口数,分性别的各教育程度人口数,1995 图图4.2.7 分性别的受教育程度人口数,分性别的受教育程度人口数,2010 00未上学小学初中高中大专及以上百万人百万人男性女性总和00500未上学小学初中高中大专及以上百万人百万人男性女性总和00500600未上学小学初中高中大专及以上百万人百万人男性女性总和 39 图图4.2.8 分性别的受教育程度人口数,分性别的受教育程度人口数,2015 图图4.2.9 分性别的受教育程度人口数,分性别的受教育程度人口数,202018 18 此图根据第七次普查数据得到,非拟合数据 010020
152、0300400500未上学小学初中高中大专及以上百万人百万人男性女性总和00未上学小学初中高中大专及以上百万人男性女性总和00500未上学小学初中高中大专及以上百万人百万人男性女性总和 40 第五章 全国及各省劳动力年龄及教育状况 为了更直观地了解各省的劳动力老龄化程度、受教育情况以及高等教育普及率,我们计算了各省劳动力人口平均年龄、平均受教育年限和高中及以上受教育程度人口占比。通过该三项指标的横向分析,可以在一定程度上解释我国人力资本跨省比较的结果。此外,进一步的城乡比较有助于分析各省城乡之间人力资本产生差距的主要原因。同时,通过纵向比较,可以看出
153、该三项指标随时间的变动趋势,有助于了解我国人力资本的增长情况。5.1 劳动力人口定义及教育程度划分劳动力人口定义及教育程度划分 劳动力人口定义:大陆:女性 16-54 岁人口不包括学生,男性 16-59 岁人口不包括学生。香港:女性 15-59 岁人口不包括学生,男性 15-64 岁人口不包括学生。台湾:女性 15-59 岁人口不包括学生,男性 15-59 岁人口不包括学生。教育程度划分如下表所示:表表 5.1.1 2000 年以前的教育程度划分年以前的教育程度划分 教育程度 未上学 小学 初中 高中 大专及以上 受教育年限 0 6 9 12 15 表表 5.1.2 2000 年以后(含年以后
154、(含 2000 年)的教育程度划分年)的教育程度划分 教育程度 未上学 小学 初中 高中 大专 本科及以上 受教育年限 0 6 9 12 15 16 5.2 全国劳动力人口平均年龄全国劳动力人口平均年龄 41 图图5.2.1全国劳动力人口平均年龄(普抽查数据计算结果)全国劳动力人口平均年龄(普抽查数据计算结果)图 5.2.1 显示了全国劳动力人口平均年龄的趋势图,表 5.2.1 汇报了相应的具体数据,是根据所有普抽查原始数据计算而得。如图所示,从 1985 年到 2021 年,无论是农村、城镇还是全国的平均年龄都呈上升趋势。全国平均年龄从 1985 年的 32.25 岁上升到了 2021 年的
155、 39.42 岁,农村的平均年龄从 1985 年的 31.99 岁上升到了 2021 年的 39.82 岁,城镇的平均年龄从 1985 年的 33.03 岁上升到了2021 年的 39.16 岁。2005 年以后由于劳动人口(主要为年轻劳动力)迁入城市,导致城镇和乡村的劳动力人口平均年龄差异逐渐缩小。表表 5.2.1 全国劳动力人口平均年龄(全国劳动力人口平均年龄(1985-2021)单位:岁单位:岁 年份年份 平均年龄平均年龄 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1985 32.245 33.034 31.994 1986 32.207 32
156、.892 31.981 1987 32.115 32.669 31.925 1988 32.212 32.842 31.985 1989 32.261 32.988 31.988 1990 32.249 33.104 31.915 303234363840427036920002000420052006200720082009200001920202021岁岁年份年份总劳动力人口Sub-Total城
157、镇劳动力人口Urban 42 年份年份 平均年龄平均年龄 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1991 32.561 33.367 32.238 1992 32.922 33.700 32.605 1993 33.296 34.064 32.977 1994 33.657 34.479 33.312 1995 33.974 34.745 33.644 1996 34.139 34.647 33.904 1997 34.311 34.570 34.180 1998 34.439 34.518 34.397 1999 34.599 34.591 3
158、4.604 2000 34.745 34.686 34.782 2001 35.279 35.295 35.268 2002 35.809 35.854 35.777 2003 36.302 36.340 36.273 2004 36.737 36.715 36.756 2005 37.003 36.944 37.055 2006 36.861 36.760 36.954 2007 36.819 36.787 36.850 2008 36.882 36.937 36.827 2009 36.791 36.794 36.788 2010 36.707 36.636 36.784 2011 36.
159、850 36.704 37.020 2012 36.995 36.838 37.187 2013 37.294 37.222 37.386 2014 37.599 37.626 37.563 2015 37.840 37.976 37.650 2016 38.133 38.176 38.072 2017 38.355 38.336 38.384 2018 38.561 38.483 38.677 2019 38.862 38.733 39.058 2020 39.158 38.984 39.430 2021 39.416 39.162 39.823 43 图图5.2.2大陆、台湾与香港劳动力人
160、口的平均年龄大陆、台湾与香港劳动力人口的平均年龄 图 5.2.2 是大陆、台湾与香港的劳动力人口平均年龄的趋势图,表 5.2.2 是相应的具体数据。由图中可以看出,1986-2021 年间,香港的劳动力人口平均年龄从 35.82 岁上升到 42.19 岁;1985-2021 年间,台湾的劳动力人口平均年龄从 34.40岁上升到 40.89 岁,同时大陆的劳动力人口平均年龄从 32.25 岁上升到 39.42 岁。台湾劳动力人口的平均年龄在 1986 到 2021 年间处于大陆和香港之间。表表 5.2.2 大陆、台湾与香港劳动力人口的平均年龄大陆、台湾与香港劳动力人口的平均年龄 单位:岁单位:岁
161、 年份年份 平均年龄平均年龄 香港香港 台湾台湾 大陆大陆 1985 34.397 32.245 1986 35.822 34.565 32.207 1987 35.802 34.714 32.115 1988 35.905 34.865 32.212 1989 36.225 34.937 32.261 1990 36.558 35.144 32.249 1991 36.923 35.304 32.561 1992 36.897 35.475 32.922 1993 36.985 35.562 33.296 303234363840424470199
162、94702000420052006200720082009200001920202021岁岁年份年份香港台湾大陆 44 年份年份 平均年龄平均年龄 香港香港 台湾台湾 大陆大陆 1994 37.251 35.572 33.657 1995 37.538 35.607 33.974 1996 37.848 35.654 34.139 1997 37.833 35.673 34.311 1998 37.997 35.682 34.439 1999
163、 38.292 36.004 34.599 2000 38.558 36.346 34.745 2001 38.845 36.809 35.279 2002 38.935 37.259 35.809 2003 39.147 37.608 36.302 2004 39.629 37.876 36.737 2005 40.039 38.252 37.003 2006 40.417 38.585 36.861 2007 40.540 38.851 36.819 2008 40.725 39.127 36.882 2009 40.953 39.377 36.791 2010 41.264 39.608
164、 36.707 2011 41.543 39.757 36.850 2012 41.406 39.945 36.995 2013 41.437 40.069 37.294 2014 41.557 40.208 37.599 2015 41.761 40.301 37.840 2016 41.969 40.402 38.133 2017 42.079 40.539 38.355 2018 42.097 40.610 38.561 2019 42.108 40.668 38.862 2020 42.171 40.761 39.158 2021 42.192 40.887 39.416 5.3 全国
165、劳动力人口受教育程度的时间变化趋势全国劳动力人口受教育程度的时间变化趋势 45 图图5.3.1全国劳动力人口平均受教育年限(普抽查数据计算结果)全国劳动力人口平均受教育年限(普抽查数据计算结果)图 5.3.1 显示了全国劳动力人口的平均受教育年限,根据所有普抽查数据做出计算,结果如图所示,我国的平均受教育年限整体呈上升趋势,全国从 1985年的 6.14 年上升到了 2021 年的 10.75 年,农村从 1985 年的 5.47 年上升到了 2021年的 9.24 年,城镇从 1985 年的 8.23 年上升到了 2021 年的 11.69 年。表表 5.3.1 全国劳动力人口平均受教育年限
166、(全国劳动力人口平均受教育年限(1985-2021)单位:年单位:年 年份年份 平均受教育年限平均受教育年限 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1985 6.140 8.230 5.473 1986 6.265 8.340 5.580 1987 6.389 8.438 5.686 1988 6.615 8.610 5.897 1989 6.833 8.768 6.106 1990 7.044 8.916 6.313 1991 7.153 9.006 6.412 1992 7.252 9.084 6.504 1993 7.346 9.156 6
167、.595 1994 7.434 9.229 6.681 0246898692580420052006200720082009200001920202021年年年份年份总受教育年限城镇受教育年限乡村受教育年限 46 年份年份 平均受教育年限平均受教育年限 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1995 7.530 9.287 6.7
168、78 1996 7.716 9.408 6.932 1997 7.897 9.516 7.083 1998 8.072 9.603 7.238 1999 8.230 9.671 7.385 2000 8.384 9.726 7.537 2001 8.432 9.751 7.547 2002 8.484 9.777 7.558 2003 8.544 9.804 7.579 2004 8.613 9.833 7.610 2005 8.690 9.855 7.662 2006 8.884 10.027 7.829 2007 9.075 10.195 8.005 2008 9.254 10.344 8
169、.179 2009 9.425 10.456 8.359 2010 9.574 10.538 8.528 2011 9.677 10.636 8.569 2012 9.788 10.731 8.635 2013 9.900 10.825 8.715 2014 10.005 10.894 8.817 2015 10.095 10.931 8.935 2016 10.196 11.053 8.977 2017 10.310 11.185 9.031 2018 10.426 11.319 9.089 2019 10.532 11.442 9.140 2020 10.638 11.564 9.190
170、2021 10.747 11.685 9.240 图 5.3.2 是大陆、台湾与香港的劳动力人口平均受教育年限的趋势图,表 5.3.2是对应的具体数据,由图中可以看出,1986-2021 年间,香港的劳动力人口平均受教育年限从 8.84 年上升到了 12.21 年;1985-2021 年间,台湾的劳动人口的平均受教育年限从 8.70 年上升到了 13.84 年。香港和台湾的劳动人口的平均受教育 47 年限在 1986 到 2000 年间非常接近,也一直保持着高于大陆劳动人口的平均受教育年限的水平。图图5.3.2 大陆、台湾与香港劳动力人口的平均受教育年限大陆、台湾与香港劳动力人口的平均受教育年
171、限 表表 5.3.2 大陆、台湾与香港劳动力人口的平均受教育年限大陆、台湾与香港劳动力人口的平均受教育年限(2018-2021)单位:年单位:年 年份年份 平均受教育年限平均受教育年限 香港香港 台湾台湾 大陆大陆 1985 8.70 6.14 1986 8.56 8.88 6.27 1987 8.67 9.04 6.39 1988 8.78 9.19 6.61 1989 8.94 9.34 6.83 1990 9.09 9.49 7.04 1991 9.23 9.63 7.15 1992 9.37 9.76 7.25 1993 9.52 9.88 7.35 1994 9.70 9.99 7.
172、43 1995 9.88 10.08 7.53 1996 10.05 10.16 7.72 1997 10.08 10.22 7.90 1998 10.14 10.18 8.07 024685894702000420052006200720082009200001920202021年年年份年份香港台湾大陆 48 年份年份 平均受教育年限平均受教育年限 香港香港 台湾台湾 大陆大
173、陆 1999 10.23 10.46 8.23 2000 10.31 10.74 8.38 2001 10.40 11.00 8.43 2002 10.46 11.22 8.48 2003 10.54 11.75 8.54 2004 10.65 11.88 8.61 2005 10.76 12.00 8.69 2006 10.87 12.11 8.88 2007 10.93 12.23 9.07 2008 11.00 12.35 9.25 2009 11.08 12.46 9.42 2010 11.19 12.58 9.57 2011 11.32 12.71 9.68 2012 11.41 1
174、2.84 9.79 2013 11.49 12.97 9.90 2014 11.59 13.10 10.00 2015 11.71 13.21 10.10 2016 11.86 13.33 10.20 2017 11.94 13.43 10.31 2018 12.01 13.54 10.43 2019 12.08 13.65 10.53 2020 12.16 13.75 10.64 2021 12.21 13.84 10.75 49 图图5.3.3全国劳动力人口中高中及以上受教育程度人口占比(普抽查数据计算结果)全国劳动力人口中高中及以上受教育程度人口占比(普抽查数据计算结果)图 5.3.3
175、显示了劳动力人口中高中及以上受教育程度人口占比,是根据全部普查及抽查数据计算所得的结果。结果如图所示,可以看出,该比例整体呈显著上升趋势。全国高中及以上受教育程度人口占比从 1985 年的 11.56%上升到了2021 年的 44.01%,农村的占比从 1985 年的 6.61%上升到了 2021 年的 22.44%,城镇的占比从 1985 年的 27.07%上升到了 2021 年的 57.43%。表表 5.3.3 全国劳动力人口中高中及以上受教育程度人口占比(全国劳动力人口中高中及以上受教育程度人口占比(1985-2021)单位:百分比单位:百分比 年份年份 高中及以上受教育程度人口占比高中
176、及以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1985 11.56 27.07 6.61 1986 11.54 27.44 6.29 1987 11.45 27.58 5.92 1988 12.28 28.78 6.34 1989 12.99 29.73 6.69 1990 13.60 30.46 7.01 1991 13.95 31.40 6.97 1992 14.19 32.05 6.90 1993 14.38 32.51 6.85 1994 14.52 32.89 6.81 00
177、7036920002000420052006200720082009200001920202021比例比例%年份年份全国城镇乡村 50 年份年份 高中及以上受教育程度人口占比高中及以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1995 14.64 32.96 6.79 1996 15.60 34.08 7.03 1997 16.56 34.98 7.30 1
178、998 17.47 35.51 7.64 1999 18.26 35.75 8.01 2000 19.01 35.82 8.41 2001 19.43 36.14 8.22 2002 19.90 36.33 8.15 2003 20.48 36.31 8.36 2004 21.19 36.23 8.82 2005 21.94 36.10 9.43 2006 23.17 37.70 9.78 2007 24.63 39.53 10.41 2008 26.18 41.30 11.26 2009 27.55 42.27 12.33 2010 28.68 42.77 13.38 2011 30.19
179、44.27 13.91 2012 31.82 45.66 14.88 2013 33.57 47.08 16.26 2014 35.23 48.03 18.15 2015 36.55 48.29 20.26 2016 37.76 49.88 20.50 2017 39.07 51.53 20.85 2018 40.35 53.12 21.25 2019 41.54 54.56 21.62 2020 42.71 55.95 22.02 2021 44.01 57.43 22.44 51 图图5.3.4大陆、台湾与香港劳动力人口的高中及以上受教育程度人口占比大陆、台湾与香港劳动力人口的高中及以上受
180、教育程度人口占比 图 5.3.4 是大陆、台湾与香港的劳动力人口中高中及以上受教育程度人口占比的趋势图,表 5.3.4 是对应的具体数据,由图中可以看出,1986-2021 年间,香港劳动力人口的高中及以上受教育程度人口占比从 37.55%上升到了 75.64%;1986-2021 年间,台湾从 36.20%上升到了 29.26%。在 2001 年前,台湾与香港的占比相差无几;2001 年以后,台湾的占比开始显著高于香港。1986-2021 年间,台湾和香港的占比均明显高于大陆的占比。表表 5.3.4 大陆、台湾与香港劳动力人口的高中及以上受教育程度人口占比大陆、台湾与香港劳动力人口的高中及以
181、上受教育程度人口占比(1985-2021)单位:百分比单位:百分比 年份年份 高中及以上受教育程度人口占比高中及以上受教育程度人口占比 香港香港 台湾台湾 大陆大陆 1985 36.20 11.56 1986 37.55 38.28 11.54 1987 38.31 39.98 11.45 1988 39.30 41.43 12.28 1989 40.76 42.78 12.99 1990 42.20 44.32 13.60 1991 43.58 45.69 13.95 1992 44.90 46.71 14.19 1993 46.40 47.58 14.38 1994 48.29 48.31
182、 14.52 1995 50.09 48.68 14.64 0070809092580420052006200720082009200001920202021比例比例%年份年份香港台湾大陆 52 年份年份 高中及以上受教育程度人口占比高中及以上受教育程度人口占比 香港香港 台湾台湾 大陆大陆 1996 51.81 48.73 15.60 1997 52.1
183、2 48.61 16.56 1998 52.85 47.55 17.47 1999 53.83 51.16 18.26 2000 54.80 55.15 19.01 2001 55.73 58.72 19.43 2002 56.21 61.59 19.90 2003 56.94 68.49 20.48 2004 58.04 69.84 21.19 2005 58.92 71.03 21.94 2006 59.75 72.25 23.17 2007 60.67 73.49 24.63 2008 61.66 74.53 26.18 2009 62.63 75.70 27.55 2010 63.71
184、 76.94 28.68 2011 64.79 78.30 30.19 2012 66.14 79.47 31.82 2013 67.35 80.75 33.57 2014 68.51 81.95 35.23 2015 69.78 83.05 36.55 2016 71.05 84.26 37.76 2017 71.97 85.25 39.07 2018 72.93 86.36 40.35 2019 73.97 87.40 41.54 2020 74.89 88.38 42.71 2021 75.64 89.26 44.01 53 图图5.3.5全国劳动力人口大专及以上受教育程度人口占比(普抽
185、查数据全国劳动力人口大专及以上受教育程度人口占比(普抽查数据计算结果计算结果)图 5.3.5 显示了劳动力人口中大专及以上受教育程度人口占比,是根据人口普查及抽查数据计算所得的结果。可以看出,该比例整体呈显著上升趋势。全国大专及以上受教育程度人口占比从1985年的1.04%上升到了2021年的23.24%,农村的占比从 1985 年的 0.16%上升到了 2021 年的 5.84%,城镇的占比从 1985年的 3.78%上升到了 2021 年的 34.07%。此结果与现实情况相吻合,也说明我国的高等教育普及率在逐年提升。表表 5.3.5 全国劳动力人口中大专及以上受教育程度人口占比(全国劳动力
186、人口中大专及以上受教育程度人口占比(1985-2021)单位:百分比单位:百分比 年份年份 大专及以上受教育程度人口占比大专及以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1985 1.04 3.78 0.16 1986 1.13 4.06 0.16 1987 1.17 4.12 0.16 1988 1.51 5.15 0.20 1989 1.74 5.73 0.23 1990 1.89 6.03 0.27 1991 2.15 6.81 0.28 1992 2.36 7.43 0.30 1993 2.55 7.91 0.32 19
187、94 2.70 8.29 0.35 1995 2.81 8.49 0.38 055407036920002000420052006200720082009200001920202021比例比例%年份年份全国城镇乡村 54 年份年份 大专及以上受教育程度人口占比大专及以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 19
188、96 3.20 9.18 0.43 1997 3.58 9.69 0.50 1998 3.89 9.98 0.58 1999 4.17 10.15 0.66 2000 4.42 10.23 0.76 2001 4.89 11.05 0.76 2002 5.41 11.85 0.80 2003 5.96 12.63 0.85 2004 6.50 13.26 0.94 2005 6.91 13.52 1.07 2006 7.76 14.85 1.21 2007 8.63 16.13 1.46 2008 9.48 17.21 1.85 2009 10.26 17.86 2.39 2010 10.93
189、 18.25 2.97 2011 11.90 19.58 3.03 2012 12.94 20.86 3.26 2013 14.06 22.16 3.69 2014 15.14 23.18 4.39 2015 16.05 23.82 5.26 2016 17.09 25.35 5.32 2017 18.28 27.07 5.42 2018 19.54 28.90 5.53 2019 20.75 30.62 5.63 2020 22.00 32.41 5.74 2021 23.24 34.07 5.84 55 图图5.3.6大陆、台湾与香港劳动力人口大专及以上受教育程度人口占比大陆、台湾与香港劳
190、动力人口大专及以上受教育程度人口占比 图 5.3.6 是大陆、台湾与香港的劳动力人口中大专及以上受教育程度人口占比的趋势图,表 5.3.6 是对应的具体数据。1986-2021 年间,香港的劳动力人口大专及以上受教育程度人口占比从 7.49%上升到了 43.33%;1985-2021 年间,台湾的劳动力人口大专及以上受教育程度人口占比从 10.70%上升到了 58.28%。1986-2021 年间,台湾的大专及以上受教育程度人口占比一直高于香港,两地的差距曾一度被缩小,然而在 1998 年之后,这一差距又被逐渐拉大。与此同时,台湾和香港的占比均显著高于大陆。表表 5.3.6 大陆、台湾与香港劳
191、动力人口的大专及以上受教育程度人口占比大陆、台湾与香港劳动力人口的大专及以上受教育程度人口占比 单位:百分比单位:百分比 年份年份 大专及以上受教育程度人口占比大专及以上受教育程度人口占比 香港香港 台湾台湾 大陆大陆 1985 10.70 1.04 1986 7.49 11.37 1.13 1987 8.19 11.93 1.17 1988 8.95 12.45 1.51 1989 9.85 12.84 1.74 1990 10.75 13.63 1.89 1991 11.61 14.39 2.15 1992 12.45 15.17 2.36 00
192、7036920002000420052006200720082009200001920202021比例比例%年份年份香港台湾大陆 56 年份年份 大专及以上受教育程度人口占比大专及以上受教育程度人口占比 香港香港 台湾台湾 大陆大陆 1993 13.32 15.80 2.55 1994 14.40 16.24 2.70 1995 15.48 16.58 2.81 1996 16.50 16.78 3.20 1997 16
193、.63 16.75 3.58 1998 16.94 17.47 3.89 1999 17.34 19.27 4.17 2000 17.72 21.57 4.42 2001 18.08 24.12 4.89 2002 19.14 26.61 5.41 2003 20.37 31.96 5.96 2004 21.85 33.39 6.50 2005 23.37 34.82 6.91 2006 24.96 36.09 7.76 2007 25.74 37.43 8.63 2008 26.67 38.81 9.48 2009 27.68 40.03 10.26 2010 28.83 41.32 10.
194、93 2011 30.17 42.82 11.90 2012 31.17 44.43 12.94 2013 32.40 46.03 14.06 2014 33.79 47.54 15.14 2015 35.32 49.03 16.05 2016 37.05 50.60 17.09 2017 38.34 52.20 18.28 2018 39.62 53.76 19.54 2019 40.95 55.33 20.75 2020 42.43 56.94 22.00 2021 43.33 58.28 23.24 5.4 大陆各省劳动力人口的年龄比较大陆各省劳动力人口的年龄比较 表 5.4.1 是大陆
195、各省的总劳动力人口及分城乡的劳动力人口的平均年龄的横向比较,按总劳动力人口的平均年龄由高到低进行排名。总体来看,大陆各省劳 57 动力人口的平均年龄分布从 32 岁到 41 岁,其中黑龙江、辽宁、吉林的劳动力人口的平均年龄最大,西藏的劳动力人口平均年龄最小。表表 5.4.1 大陆各省总劳动力人口及分城乡劳动力人口平均年龄大陆各省总劳动力人口及分城乡劳动力人口平均年龄 单位:岁,单位:岁,2021 年劳动力人口计算结果年劳动力人口计算结果 排名排名 省份省份 平均年龄平均年龄 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1 黑龙江 41.17 40.98
196、 41.47 2 辽宁 40.78 40.61 41.17 3 吉林 40.57 40.20 41.08 4 重庆 40.19 39.76 41.15 5 浙江 40.11 39.51 41.55 6 内蒙古 39.97 39.29 41.26 7 湖南 39.93 39.83 40.07 8 山东 39.89 39.11 41.21 9 江苏 39.60 39.11 40.87 10 四川 39.48 38.62 40.54 11 青海 39.41 38.70 40.44 12 上海 39.38 39.38 -13 湖北 39.26 38.45 40.66 14 福建 39.24 38.93
197、 39.89 15 河北 39.10 38.52 39.85 16 江西 38.96 38.90 39.02 17 安徽 38.92 38.54 39.39 18 山西 38.90 38.78 39.06 19 甘肃 38.83 38.15 39.45 20 天津 38.76 38.57 39.87 21 北京 38.75 38.55 40.21 22 广西 38.70 38.02 39.50 23 云南 38.55 38.08 38.98 24 陕西 38.53 37.57 39.96 25 宁夏 38.51 38.49 38.54 26 河南 37.93 37.32 38.58 27 广东
198、 37.72 37.60 38.10 58 排名排名 省份省份 平均年龄平均年龄 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 28 海南 37.60 37.36 37.94 29 新疆 37.41 36.65 38.21 30 贵州 36.72 35.80 37.69 31 西藏 36.07 32.47 38.65 全国全国 39.42 39.16 39.82 5.5 大陆各省劳动力人口教育指标比较大陆各省劳动力人口教育指标比较 表 5.5.1 是大陆各省的总劳动力人口及分城乡劳动力人口的平均受教育年限和排名情况。总体来看,经济发达的省份其劳动力人口的
199、平均受教育年限会相应的较长,如北京、上海、天津;而发展程度较低的省份平均受教育年限则较短,如西藏、青海、云南。从省内的城乡比较来看,各省的城市劳动力人口受教育年限均大于农村劳动力人口受教育年限,而且这种差别在经济不发达省份会更大。例如西藏城乡的受教育年限差别高达 4.31 年,而北京城乡的受教育年限差别只有 2.83 年。表表 5.5.1 大陆各省劳动力人口平均受教育年限大陆各省劳动力人口平均受教育年限 单位:年,单位:年,2021 年劳动力人口计算结果年劳动力人口计算结果 排名排名 省份省份 平均受教育年限平均受教育年限 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口
200、农村劳动力人口 1 北京 13.21 13.55 10.72 2 上海 12.24 12.24 3 天津 11.66 12.01 9.66 4 江苏 11.32 11.87 9.90 5 辽宁 11.27 12.18 9.19 6 陕西 11.17 12.21 9.62 7 湖北 11.15 12.10 9.50 8 山西 11.00 11.89 9.74 9 湖南 10.97 11.96 9.70 10 山东 10.89 11.78 9.39 11 内蒙古 10.88 11.76 9.23 12 广东 10.86 11.27 9.66 59 排名排名 省份省份 平均受教育年限平均受教育年限
201、总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 13 重庆 10.81 11.56 9.14 14 吉林 10.81 12.08 8.99 15 浙江 10.69 11.17 9.54 16 河北 10.65 11.63 9.39 17 黑龙江 10.62 11.72 8.92 18 海南 10.59 11.35 9.47 19 安徽 10.52 11.56 9.22 20 福建 10.50 11.14 9.17 21 江西 10.50 11.44 9.31 22 河南 10.50 11.46 9.46 23 宁夏 10.42 11.51 8.70 24
202、四川 10.38 11.60 8.87 25 广西 10.37 11.56 8.97 26 新疆 10.34 11.73 8.87 27 甘肃 10.22 12.00 8.57 28 贵州 9.75 11.04 8.40 29 云南 9.64 11.13 8.25 30 青海 9.34 10.81 7.20 31 西藏 7.75 10.26 5.95 全国全国 10.75 11.69 9.24 表 5.5.2 是大陆各省总劳动力人口和分城乡劳动力人口中高中及以上受教育程度人口占比以及相应的总体排名情况。与平均受教育程度的排名结果相比,北京、上海、天津依然是排在前三位,西藏与云南排在最后两位。表
203、表 5.5.2 高中及以上受教育程度人口占比高中及以上受教育程度人口占比 单位:百分比,单位:百分比,2021 年劳动力人口计算结果年劳动力人口计算结果 排名排名 省份省份 高中以上受教育程度人口占比高中以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1 北京 74.30 78.39 45.04 2 上海 61.86 61.86 3 天津 54.29 59.67 22.81 4 江苏 51.69 59.35 31.86 60 排名排名 省份省份 高中以上受教育程度人口占比高中以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动
204、力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 5 湖北 49.67 64.11 24.76 6 陕西 48.84 62.59 28.43 7 湖南 48.79 63.42 30.01 8 辽宁 47.25 61.30 14.81 9 广东 47.07 53.24 29.14 10 内蒙古 47.07 59.75 23.04 11 山西 47.05 60.57 27.81 12 重庆 46.48 56.99 23.23 13 山东 44.17 57.38 21.88 14 宁夏 44.10 57.82 22.40 15 浙江 43.43 49.53 28.80 16 甘肃 42.55 65
205、.00 21.77 17 吉林 41.87 61.66 13.78 18 福建 41.68 50.08 24.10 19 四川 41.58 58.69 20.44 20 海南 41.29 54.04 22.46 21 江西 40.73 54.86 22.75 22 河北 40.01 55.80 19.80 23 河南 39.93 55.55 22.90 24 安徽 39.81 55.98 19.56 25 黑龙江 38.71 55.95 12.08 26 广西 38.05 56.03 16.92 27 青海 37.96 53.35 15.54 28 新疆 37.92 61.40 13.18 2
206、9 贵州 35.66 54.25 16.15 30 云南 32.74 51.72 15.02 31 西藏 23.48 36.54 14.15 全国全国 44.01 57.43 22.44 表 5.5.3 是大陆各省总劳动力人口和分城乡劳动力人口中大专及以上受教育程度人口占比以及相应的总体排名情况。大陆各省大专及以上受教育程度人口占比的排名与该省高中及以上受教育程度人口占比的排名基本一致。但由于常住人 61 口包括当地就读的外来大学生,因此各省大学生人数受该省大学数量、质量等因素影响,导致一些省份的大专及以上受教育程度人口占比的排名略高于该省高中及以上受教育程度人口占比的排名,如辽宁省。表表 5
207、.5.3 大专及以上受教育程度人口占比大专及以上受教育程度人口占比 单位:百分比,单位:百分比,2020 年人口计算结果年人口计算结果 排名排名 省份省份 大专以上受教育程度人口占比大专以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 1 北京 56.40 61.71 18.29 2 上海 43.27 43.27 3 天津 34.43 38.98 7.86 4 辽宁 29.47 40.32 4.41 5 陕西 29.39 43.13 8.98 6 江苏 28.68 35.97 9.81 7 湖北 26.56 37.66 7.41 8
208、浙江 24.93 31.32 9.62 9 内蒙古 24.92 33.97 7.79 10 吉林 24.33 38.45 4.30 11 宁夏 24.15 34.73 7.41 12 重庆 23.89 32.36 5.15 13 山东 23.83 34.93 5.10 14 山西 22.90 33.99 7.12 15 福建 22.47 29.99 6.74 16 湖南 22.04 34.88 5.58 17 甘肃 21.85 38.39 6.55 18 黑龙江 21.80 33.82 3.24 19 四川 20.67 33.11 5.31 20 广东 20.48 25.67 5.40 21
209、河北 20.21 32.38 4.62 22 安徽 20.17 31.89 5.51 23 江西 19.00 29.90 5.14 24 广西 18.96 31.91 3.74 25 海南 18.50 26.68 6.42 26 新疆 18.22 31.96 3.75 62 排名排名 省份省份 大专以上受教育程度人口占比大专以上受教育程度人口占比 总劳动力人口总劳动力人口 城镇劳动力人口城镇劳动力人口 农村劳动力人口农村劳动力人口 27 青海 17.63 26.06 5.33 28 云南 16.83 30.21 4.34 29 河南 16.71 28.19 4.20 30 贵州 15.07 2
210、5.14 4.51 31 西藏 13.85 28.38 3.46 全国全国 23.24 34.07 5.84 63 第六章 全国人力资本计算结果及讨论 6.1 人力资本存量分析人力资本存量分析 探讨全国人力资本存量的变动趋势,实际值往往比名义值更具实践意义。我们以 1985 年为基期的消费物价指数(CPI)作为平减指数来计算全国人力资本实际值。采用这样的方法原因在于:一方面,上述已发表的物质资本平减指数缺乏近年数据,不便于人力资本指数计算的更新,而国家统计部门每年都会公布消费物价指数。另一方面,基于消费物价指数计算的人力资本实际值要小于采用张军等(2004)和 Holz(2006)的资本平减指
211、数计算得到的结果。因此,我们给出的是相对保守的中国人力资本估计值。对于不同性别以及城乡之间的人力资本存量状况的分析也是探讨人力资本变化状况的一个重要环节,它能够反映人力资本存量的性别差异以及城乡对比情况。表 6.1.1 列出了全国分性别、分城乡的实际人力资本存量。按六种受教育程度的计算结果显示,实际人力资本存量持续增长,按照 1985 年可比价格计算,1985 至 2021 年,中国人力资本存量由 39.89 万亿元增长到 660.00 万亿元,增长超过 15 倍。该时期人力资本存量的年均增长率达 8.26%。快速增长的原因在于低教育水平的老龄人口退出了劳动力市场,而新增劳动力人口的预期教育程
212、度较高导致收入亦较高。1985-2021 年间全国农村实际人力资本存量与城镇实际人力资本存量均呈现上升趋势,农村实际人力资本从 26.39 万亿元增长到 71.20 万亿元,城镇实际人力资本从 13.50 万亿元增至 588.80 万亿元。这一时期农村的人力资本年均增长2.92%,而城镇的人力资本年均增长率达 11.25%。实际人力资本存量的城乡分布呈现出城镇人力资本后来居上的发展态势,具体为,在 1995 年之前农村人力资本高于城镇,1995 年之后则是城镇人力资本高于农村。表表 6.1.1 全国分性别、分城乡的实际总人力资本全国分性别、分城乡的实际总人力资本 单位:十亿元,单位:十亿元,1
213、985年为基年年为基年 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 1985 39889 20574 19315 13500 26389 1986 44059 24231 19827 16466 27593 64 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 1987 47311 26749 20562 18264 29047 1988 46669 27042 19627 18675 27994 1989 46334 27464 18870 19736 26599 1990 52959 31833 21126 23925 29035 1991 59526 3629
214、0 23236 27659 31867 1992 64544 39805 24739 30588 33956 1993 64478 40195 24283 31323 33155 1994 59189 37158 22031 29405 29783 1995 56867 35873 20994 29052 27815 1996 61031 38854 22177 33121 27910 1997 69204 44314 24890 39490 29714 1998 80782 51935 28847 48014 32768 1999 94842 60845 33997 58746 36096
215、2000 108680 69826 38854 69233 39447 2001 122663 78414 44249 80593 42070 2002 137873 88397 49475 93499 44374 2003 151793 97759 54034 105076 46717 2004 162702 104335 58367 115380 47322 2005 175780 112412 63368 126783 48997 2006 200742 129058 71685 146865 53877 2007 219871 141244 78628 163745 56126 200
216、8 235435 151115 84320 177752 57683 2009 268809 172722 96086 205132 63677 2010 291706 187423 104283 224797 66909 2011 316010 203217 112793 251403 64608 2012 345927 222913 123014 281453 64474 2013 384412 249004 135408 320366 64045 2014 436115 285020 151094 371086 65029 2015 471705 311052 160653 404432
217、 67273 2016 509613 335257 174356 441937 67675 2017 557237 364066 193171 488188 69048 2018 579745 378901 200843 509996 69749 2019 602204 398716 203489 532762 69442 2020 626489 420227 206262 556844 69646 65 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 2021 660000 448574 211426 588802 71198 注:男性人力资本与女性人力资本存量加总不等于总和的情
218、况,是由四舍五入误差所致,以后各章对应表同。图 6.1.1 显示了城镇与农村的实际人力资本的变动情况。1998 年以前,城镇与农村的实际人力资本很接近,特别是在 1995 年之前,农村的实际人力资本甚至高于城镇。然而,自 1998 年之后,城镇的实际人力资本加速增长,农村却一直保持较低的增长幅度,导致实际人力资本的城乡差距迅速拉大。从人口数量的视角分析,造成这种城镇和农村不同变化趋势的原因在于:早期农村人口远高于城镇人口,进而使得农村的人力资本总量更大。比如,1985 年,中国农村人口达8.08 亿,而城镇人口仅为 2.51 亿,前者为后者的 3 倍多。然而,到 2021 年,中国农村人口降至
219、 4.98 亿,城镇人口则增至 9.14 亿,城镇人口已反超农村人口。从其他角度来看,造成 1998 年后城镇和农村实际人力资本差距的原因主要有两个方面:一是经济转型期间快速的城镇化进程,以及大规模的农村人口向城镇的迁移;二是城乡间人口的教育水平差距。此外,在图中我们发现,城镇的实际人力资本存量的变化态势与全国基本相同。图图6.1.1全国分城乡的实际人力资本,全国分城乡的实际人力资本,1985-2021 表 6.1.2 显示了以 1985 年为基期计算的中国 1985-2021 年的实际人力资本指数以及分性别、分城乡的实际人力资本指数,更加直观地展示出人力资本的变动趋势。01000002000
220、003000004000005000006000007000007036920002000420052006200720082009200001920202021十亿元十亿元年份年份全国城镇农村 66 表表 6.1.2 全国分性别、分城乡的全国分性别、分城乡的实际人力资本指数(实际人力资本指数(1985 年年100)年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 1985 100 100
221、 100 100 100 1986 110.45 117.77 102.66 121.97 104.56 1987 118.61 130.01 106.46 135.29 110.07 1988 117.00 131.44 101.62 138.33 106.08 1989 116.16 133.49 97.70 146.19 100.80 1990 132.77 154.72 109.38 177.22 110.03 1991 149.23 176.38 120.30 204.88 120.76 1992 161.81 193.47 128.08 226.57 128.67 1993 161
222、.64 195.36 125.72 232.02 125.64 1994 148.38 180.60 114.06 217.81 112.86 1995 142.56 174.36 108.70 215.20 105.40 1996 153.00 188.85 114.82 245.34 105.76 1997 173.49 215.38 128.86 292.52 112.60 1998 202.52 252.43 149.35 355.65 124.17 1999 237.76 295.73 176.02 435.15 136.78 2000 272.46 339.38 201.16 51
223、2.83 149.48 2001 307.51 381.13 229.09 596.98 159.42 2002 345.64 429.65 256.15 692.58 168.15 2003 380.54 475.15 279.76 778.33 177.03 2004 407.89 507.11 302.19 854.66 179.32 2005 440.67 546.37 328.08 939.12 185.67 2006 503.25 627.27 371.14 1087.88 204.17 2007 551.21 686.50 407.09 1212.92 212.69 2008 5
224、90.22 734.48 436.56 1316.67 218.59 2009 673.89 839.50 497.48 1519.48 241.30 2010 731.29 910.95 539.92 1665.15 253.55 2011 792.22 987.72 583.98 1862.23 244.83 2012 867.22 1083.45 636.89 2084.82 244.32 2013 963.70 1210.26 701.06 2373.06 242.70 2014 1093.32 1385.32 782.28 2748.76 246.43 2015 1182.54 15
225、11.84 831.77 2995.77 254.93 67 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 2016 1277.58 1629.49 902.71 3273.58 256.45 2017 1396.97 1769.51 1000.13 3616.18 261.66 2018 1453.39 1841.62 1039.85 3777.72 264.31 2019 1509.70 1937.92 1053.54 3946.35 263.15 2020 1570.58 2042.48 1067.90 4124.74 263.92 2021 1654.59 2180.26
226、 1094.64 4361.46 269.80 6.2 人均人力资本分析人均人力资本分析 人力资本总量的增长除了归因于受教育程度的提高、教育回报率的增加、在职培训及“干中学”的回报率提高等因素之外,也受到人口增加、人口结构变化(比如,退休人群的规模)、人口城乡流动(比如,从农村迁移到城镇地区)等因素的影响。为了更准确地了解全国人力资本存量的动态变化情况,我们计算了人均人力资本存量。人均人力资本的定义是指人力资本总量与非退休人口的比率。人均人力资本能够剔除总人口数的影响,更好地反映人力资本的发展状况。表 6.2.1 基于六种受教育程度的划分,分别列出了全国实际人均人力资本、分性别和分城乡实际人均
227、人力资本的计算结果。从全国人均总量上看,1985 至2021 年间,全国实际人均人力资本呈现出增长态势,其中,实际人均人力资本存量从 4.11 万元增至 58.49 万元,增长约 14 倍,中国在 1985-2021 年的实际人均人力资本年均增长率为 7.81%左右。高增长率源于中国 1978 年以来的快速经济增长、教育规模的迅速扩大、市场经济体制的转变(市场经济条件下人力资本能够实现更高的价值)以及大规模的人口城乡迁移。从分城乡的人均人力资本计算结果来看,1985 至 2021 年间,全国城镇的人均人力资本一直高于农村人均人力资本。表表 6.2.1 全国分性别、分城乡的全国分性别、分城乡的实
228、际人均人力资本实际人均人力资本 单位:千元,单位:千元,1985年为基年年为基年 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 1985 41.06 40.01 42.23 61.24 35.14 1986 45.01 46.59 43.23 71.52 36.86 1987 47.85 50.92 44.37 76.21 38.78 1988 46.47 50.46 41.91 73.75 37.28 68 年份年份 全国全国 男性男性 女性女性 城镇城镇 农村农村 1989 45.52 50.46 39.84 74.17 35.38 1990 51.17 57.55 43.8
229、5 85.98 38.37 1991 56.90 64.99 47.65 95.99 42.04 1992 61.24 70.90 50.23 102.61 44.93 1993 60.85 71.41 48.89 101.82 44.09 1994 55.65 66.03 43.98 93.16 39.82 1995 53.17 63.67 41.47 89.65 37.31 1996 56.77 68.46 43.70 95.84 38.26 1997 64.04 77.57 48.87 107.59 41.64 1998 74.18 90.13 56.26 123.65 46.77 19
230、99 86.54 104.76 66.00 143.81 52.51 2000 98.99 119.88 75.37 162.16 58.79 2001 111.21 134.41 85.16 179.99 64.21 2002 124.87 151.78 94.84 199.34 69.87 2003 137.58 168.39 103.35 214.75 76.08 2004 147.70 180.42 111.54 227.20 79.70 2005 159.51 194.77 120.74 240.71 85.17 2006 179.67 219.57 135.38 268.41 94
231、.50 2007 195.39 237.55 148.16 290.09 100.08 2008 208.32 252.12 158.86 307.25 104.57 2009 235.89 284.88 180.19 343.77 117.31 2010 253.99 305.91 194.63 365.77 125.32 2011 273.19 328.98 209.26 390.71 125.87 2012 298.29 359.70 227.82 421.52 131.05 2013 333.03 404.52 251.35 469.21 135.83 2014 379.80 465.
232、23 282.08 535.32 142.90 2015 412.80 511.00 300.85 577.21 152.19 2016 445.84 552.18 325.36 620.18 157.22 2017 489.42 601.59 362.15 677.52 165.18 2018 511.98 626.87 380.44 701.65 172.01 2019 533.40 659.58 387.97 724.91 176.22 2020 555.72 694.65 394.83 748.00 181.88 2021 584.85 738.59 405.69 778.64 191
233、.24 69 6.3 劳动力人力资本分析劳动力人力资本分析 劳动力人力资本的估算方法与前述人力资本的估算方法相同,使用的是 J-F方法。劳动力人力资本指的是那些将在校人口排除在外的 16 岁以上非退休人口的人力资本。6.3.1 劳动力人力资本分析劳动力人力资本分析 表 6.3.1 是使用全国收入参数、人口数以及 4.58%的折现率估算的劳动力人力资本总量,第 1 列是按照六种受教育程度划分所计算出的名义劳动力人力资本存量,第 2 列则为六种受教育程度划分下的实际劳动力人力资本存量,这里的实际人力资本存量是以 1985 年为基期的消费者价格指数平减得出。此外,表 6.3.1的最后一列展示了名义
234、GDP 与名义劳动力人力资本的比率。表表 6.3.1 名义名义 GDP 与全国名义劳动力人力资本与全国名义劳动力人力资本 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年为基年)年)名义名义 GDP(十亿元)(十亿元)GDP 与劳与劳动力人力动力人力资本比率资本比率 1985 16616 16616 9099 0.55 1986 19479 18305 10376 0.53 1987 22917 20099 12175 0.53 1988 26796 19793 15180 0.57 1989 31541
235、 19706 17180 0.54 1990 37327 22588 18873 0.51 1991 42732 24997 22006 0.51 1992 48515 26693 27195 0.56 1993 54729 26244 35673 0.65 1994 61714 23846 48638 0.79 1995 69583 22920 61340 0.88 1996 80392 24386 71814 0.89 1997 93124 27405 79715 0.86 1998 107546 31824 85196 0.79 1999 123008 36836 90564 0.74
236、2000 140632 41863 100280 0.71 2001 155262 45788 110863 0.71 70 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年为基年)年)名义名义 GDP(十亿元)(十亿元)GDP 与劳与劳动力人力动力人力资本比率资本比率 2002 170629 50574 121717 0.71 2003 187933 54947 137422 0.73 2004 206704 58049 161840 0.78 2005 228840 63006 187319 0.82
237、 2006 270609 73303 219439 0.81 2007 311638 80474 270092 0.87 2008 352806 85980 319245 0.90 2009 405237 99353 348518 0.86 2010 462888 109748 412119 0.89 2011 521087 117001 487940 0.94 2012 580265 126795 538580 0.93 2013 630417 136817 592963 0.94 2014 685280 152547 643563 0.94 2015 739345 162242 68885
238、8 0.93 2016 798101 171634 746395 0.94 2017 856720 181333 832036 0.97 2018 908618 188375 919281 1.01 2019 959688 193398 986515 1.03 2020 1006534 198006 1013567 1.01 2021 1062876 207161 1149237 1.08 表 6.3.1 展示了名义 GDP 与名义劳动力人力资本存量的比率的变化趋势,这一比率既能够反映出人力资本利用的效率,也能够从某个侧面反映人力资本对GDP 增长的影响程度。名义 GDP 与名义劳动力人力资本
239、存量的比率越高说明单位人力资本对 GDP 的贡献越高,人力资本的效率也就越高。在 1985 至 2021 年间 GDP 与劳动力人力资本存量比率呈上升趋势,但增速有所放缓。71 图图6.3.1全国名义全国名义GDP与名义劳动力人力资本的比率,与名义劳动力人力资本的比率,1985-2021 表 6.3.2 和表 6.3.3 分别是全国分性别、分城乡的劳动力人力资本计算结果。计算是基于六种受教育程度的划分,前 3 列为名义劳动力人力资本,后 3 列为实际劳动力人力资本。表表 6.3.2 全国分性别劳动力人力资本全国分性别劳动力人力资本 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿
240、元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年)年为基年)全国全国 男性男性 女性女性 全国全国 男性男性 女性女性 1985 16616 8711 7905 16616 8711 7905 1986 19479 10612 8867 18305 9964 8341 1987 22917 12899 10018 20099 11279 8819 1988 26796 15531 11265 19793 11420 8373 1989 31541 18710 12831 19706 11663 8042 1990 37327 22566 14761 22588 13
241、654 8934 1991 42732 26354 16377 24997 15396 9601 1992 48515 30351 18164 26693 16661 10031 1993 54729 34607 20122 26244 16560 9684 1994 61714 39324 22390 23846 15171 8674 1995 69583 44589 24994 22920 14676 8244 1996 80392 52445 27947 24386 15903 8484 1997 93124 61540 31584 27405 18111 9294 1998 10754
242、6 71808 35737 31824 21259 10565 1999 123008 82701 40307 36836 24789 12048 3040506070809085894702000420052006200720082009200001920202021比率比率(%)年份名义GDP/名义劳动力人力资本 72 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元
243、)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年)年为基年)全国全国 男性男性 女性女性 全国全国 男性男性 女性女性 2000 140632 95088 45544 41863 28343 13521 2001 155262 104958 50304 45788 31001 14787 2002 170629 115353 55276 50574 34244 16330 2003 187933 126970 60963 54947 37183 17764 2004 206704 139415 67289 58049 39207 18842 2005 228
244、840 153811 75029 63006 42402 20604 2006 270609 182710 87899 73303 49549 23754 2007 311638 210556 101081 80474 54420 26053 2008 352806 238317 114489 85980 58116 27864 2009 405237 274112 131126 99353 67233 32120 2010 462888 313094 149794 109748 74247 35501 2011 521087 352519 168568 117001 79152 37849
245、2012 580265 393906 186359 126795 86056 40739 2013 630417 427352 203065 136817 92730 44087 2014 685280 470048 215233 152547 104664 47883 2015 739345 510145 229201 162242 111986 50256 2016 798101 552845 245255 171634 118940 52694 2017 856720 596886 259834 181333 126390 54943 2018 908618 635578 273040
246、188375 131836 56539 2019 959688 673683 286005 193398 135863 57535 2020 1006534 708335 298199 198006 139504 58502 2021 1062876 751063 311813 207161 146562 60599 注:出现男性劳动力人力资本与女性劳动力人力资本存量加总不等于总和的情况,是由四舍五入误差所致,以后各章对应表同。如表 6.3.3 所示,无论是名义值还是实际值,在 1985 至 2021 年间,全国城乡劳动力人力资本都呈现出上升的态势。但需要注意的是,实际劳动力人力资本存量的城乡
247、分布却呈现出不同的态势。具体表现为,在 1999 年之前农村劳动力人力资本高于城镇,1999 年以后城镇劳动力人力资本则高于农村,城镇和农村实际劳动力人力资本之间的差距从 1998 年的-0.029 万亿元增加至 2021 年的12.381 万亿元。到 2021 年,全国城镇实际劳动力人力资本约为农村实际劳动力资本的 3.97 倍。73 表表 6.3.3 全国分城乡劳动力人力资本全国分城乡劳动力人力资本 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年)年为基年)全国全国 城镇城镇 农村农村 全国全国 城
248、镇城镇 农村农村 1985 16616 5509 11108 16616 5509 11108 1986 19479 6807 12672 18305 6361 11944 1987 22917 8410 14507 20099 7224 12875 1988 26796 10221 16575 19793 7274 12519 1989 31541 12436 19105 19706 7610 12096 1990 37327 15084 22243 22588 9112 13476 1991 42732 17746 24985 24997 10200 14797 1992 48515 20
249、586 27929 26693 10895 15798 1993 54729 23615 31114 26244 10765 15479 1994 61714 26891 34823 23846 9807 14039 1995 69583 30895 38688 22920 9646 13274 1996 80392 37964 42429 24386 10895 13492 1997 93124 46569 46555 27405 12962 14443 1998 107546 56305 51240 31824 15767 16057 1999 123008 66729 56279 368
250、36 18932 17904 2000 140632 78981 61652 41863 22230 19633 2001 155262 89599 65663 45788 25043 20745 2002 170629 101790 68839 50574 28738 21835 2003 187933 115023 72910 54947 32185 22763 2004 206704 130538 76166 58049 35359 22690 2005 228840 148650 80191 63006 39631 23375 2006 270609 179948 90661 7330
251、3 47266 26036 2007 311638 210189 101449 80474 52832 27642 2008 352806 240348 112458 85980 57209 28771 2009 405237 280583 124655 99353 67361 31992 2010 462888 326011 136877 109748 75841 33908 2011 521087 379145 141942 117001 83762 33240 2012 580265 432651 147614 126795 93070 33725 2013 630417 477124
252、153294 136817 102744 34073 2014 685280 525371 159909 152547 117632 34915 2015 739345 570507 168838 162242 125851 36391 2016 798101 621324 176777 171634 134242 37392 74 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元,(十亿元,1985年为基年)年为基年)全国全国 城镇城镇 农村农村 全国全国 城镇城镇 农村农村 2017 856720 671603 185117 1
253、81333 142679 38654 2018 908618 715877 192741 188375 148957 39418 2019 959688 758822 200865 193398 153592 39806 2020 1006534 796807 209727 198006 157655 40351 2021 1062876 844768 218108 207161 165489 41672 图 6.3.3 显示了全国城镇与农村实际劳动力人力资本存量的变动情况。在1999 年以前,农村的实际劳动力人力资本存量高于城镇,然而,自 1999 年之后,城镇的实际劳动力人力资本高速增长,
254、农村却保持较低的增长速度,使得实际劳动力人力资本的城乡差距迅速拉大。导致城镇和农村实际人力资本差距变化的原因包括城镇化,劳动力从农村向城镇迁移,以及城乡教育差异。此外,图中显示,城镇的实际劳动力人力资本存量的变化态势与全国的基本相同,从某种程度上可以认为,全国实际劳动力人力资本的变动趋势取决于城镇劳动力人力资本的变动情况。图图6.3.3全国分城乡的实际劳动力人力资本,全国分城乡的实际劳动力人力资本,1985-2021 图 6.3.4 是 1985 至 2021 年间,全国六种受教育程度劳动力人力资本与人力资本存量比率的变动情况。该比率能够反映人口年龄结构,一般来说,劳动力人力资本与人力资本存量
255、比率越高,年轻高学历人群在人口总量中所占的比重也就越大。图中显示,该比率在 1990 年以前逐步上升,但是 1990 年之后呈现明显下05000002000002500007036920002000420052006200720082009200001920202021十亿元十亿元年份年份全国城镇农村 75 降的态势。虽然在 2005 年出现小幅的反弹,但是没有改变总体下降的趋
256、势。劳动力人力资本与人力资本存量比率的变动态势在一定程度上表明,中国年轻人占总人口的比重在逐步减小,人口老龄化趋势逐步显现。此外,该比率的逐渐下降还预示着未来中国人力资本的产出效率可能会受到限制。图图6.3.4全国名义总劳动力人力资本与名义总人力资本的比率全国名义总劳动力人力资本与名义总人力资本的比率 6.3.2 人均劳动力人力资本分析人均劳动力人力资本分析 为了更准确地了解全国劳动力人力资本存量的动态变化情况,我们计算了人均劳动力人力资本存量。人均劳动力人力资本剔除了劳动力人口数的影响,能够反映人均劳动力人力资本的发展状况。人均劳动力人力资本是指劳动力人力资本总量与劳动力人口的比率,而劳动力
257、人口则是指不包括学生的 16 岁以上非退休人口。表 6.3.4 显示了全国名义人均劳动力人力资本、实际人均劳动力人力资本估算结果。第 1 列是按照六种受教育程度划分所计算出的名义人均劳动力人力资本存量,第 2 列则是六种受教育程度划分下的实际人均劳动力人力资本存量,这里的实际人均劳动力人力资本存量是以 1985 年为基期的消费者价格指数折算得出的。从表中的结果可以发现,按六种受教育程度划分计算得出的人均劳动力名义(实际)人力资本都出现逐年上升的态势。从全国人均总量上看,1985 至 2021年间,全国的名义人均劳动力人力资本和实际人均劳动力人力资本均呈现不同程度的增长。0.05.010.015
258、.020.025.030.035.040.045.07036920002000420052006200720082009200001920202021%年份年份名义劳动力人力资本名义劳动力人力资本/名义人力资本比率名义人力资本比率比率(%)76 表表 6.3.4 全国人均劳动力人力资本全国人均劳动力人力资本 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本
259、实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)1985 28.51 28.51 1986 32.51 30.56 1987 37.13 32.57 1988 42.47 31.37 1989 48.69 30.42 1990 55.91 33.83 1991 62.99 36.85 1992 70.65 38.87 1993 79.01 37.89 1994 88.18 34.07 1995 98.44 32.42 1996 112.39 34.09 1997 128.46 37.80 1998 145.96 43.19 1999 164.18 49.16 2000 184
260、.84 55.02 2001 203.24 59.94 2002 222.97 66.09 2003 245.14 71.67 2004 269.75 75.76 2005 297.45 81.90 2006 346.14 93.76 2007 395.09 102.02 2008 444.59 108.35 2009 504.81 123.77 2010 568.91 134.89 2011 636.53 142.92 2012 707.88 154.68 2013 772.24 167.60 2014 842.27 187.49 2015 910.06 199.70 2016 980.92
261、 210.95 2017 1059.56 224.27 77 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)2018 1136.36 235.59 2019 1209.40 243.72 2020 1279.47 251.70 2021 1356.73 264.43 表 6.3.5 和表 6.3.6 分别是基于六种受教育程度划分的全国分性别、分城乡的人均劳动力人力资本计算结果,前 3 列为名义人均劳动力人力资本,后 3 列为实际人均劳动力人力资本。1985 至 2021 年间,全国名
262、义人均劳动力人力资本和实际人均劳动力人力资本均呈现上升趋势。表表 6.3.5全国分性别的人均劳动力人力资本全国分性别的人均劳动力人力资本 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)全国全国 男性男性 女性女性 全国全国 男性男性 女性女性 1985 28.51 28.28 28.76 28.51 28.28 28.76 1986 32.51 33.62 31.29 30.56 31.56 29.43 1987 37.13 39.77 34.21 32.57 34.78 30.12
263、 1988 42.47 46.56 37.88 31.37 34.23 28.16 1989 48.69 54.41 42.22 30.42 33.92 26.46 1990 55.91 63.53 47.25 33.83 38.44 28.60 1991 62.99 73.11 51.52 36.85 42.71 30.20 1992 70.65 83.45 56.24 38.87 45.81 31.06 1993 79.01 94.77 61.45 37.89 45.35 29.57 1994 88.18 107.15 67.26 34.07 41.34 26.06 1995 98.44
264、120.97 73.88 32.42 39.82 24.37 1996 112.39 139.93 82.08 34.09 42.43 24.92 1997 128.46 161.48 91.86 37.80 47.52 27.03 1998 145.96 185.03 102.48 43.19 54.78 30.30 1999 164.18 209.03 113.99 49.16 62.66 34.07 2000 184.84 236.37 127.02 55.02 70.45 37.71 2001 203.24 260.99 139.05 59.94 77.09 40.87 2002 22
265、2.97 287.50 151.84 66.09 85.35 44.86 2003 245.14 317.08 166.48 71.67 92.86 48.51 78 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)全国全国 男性男性 女性女性 全国全国 男性男性 女性女性 2004 269.75 349.43 183.20 75.76 98.27 51.30 2005 297.45 385.14 202.80 81.90 106.17 55.69 2006 346.14 446.96
266、 235.66 93.76 121.21 63.68 2007 395.09 506.62 270.88 102.02 130.94 69.82 2008 444.59 566.27 307.19 108.35 138.09 74.76 2009 504.81 640.45 349.90 123.77 157.09 85.71 2010 568.91 718.74 396.26 134.89 170.44 93.91 2011 636.53 802.87 444.11 142.92 180.27 99.72 2012 707.88 894.50 491.25 154.68 195.42 107
267、.39 2013 772.24 976.47 536.21 167.60 211.88 116.42 2014 842.27 1076.17 571.16 187.49 239.63 127.07 2015 910.06 1171.73 607.90 199.70 257.21 133.29 2016 980.92 1271.99 647.12 210.95 273.66 139.03 2017 1059.56 1379.61 691.20 224.27 292.13 146.16 2018 1136.36 1476.67 739.60 235.59 306.30 153.15 2019 12
268、09.40 1569.16 785.30 243.72 316.46 157.98 2020 1279.47 1656.92 830.22 251.70 326.32 162.88 2021 1356.73 1752.36 878.82 264.43 341.95 170.79 从表 6.3.6 中分城乡的人均劳动力人力资本结果来看,城镇人均劳动力人力资本的增幅大于农村,而且城乡间人均劳动力人力资本的差距明显扩大。1985 至2021 年间,全国城镇的人均劳动力人力资本一直高于农村人均劳动力人力资本。表表 6.3.6 全国分城乡的人均劳动力人力资本全国分城乡的人均劳动力人力资本 年份年份 名义
269、人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)全国全国 城镇城镇 农村农村 全国全国 城镇城镇 农村农村 1985 28.51 39.07 25.14 28.51 39.07 25.14 1986 32.51 45.75 28.14 30.56 42.76 26.52 1987 37.13 53.35 31.57 32.57 45.82 28.02 1988 42.47 61.23 35.72 31.37 43.58 26.98 1989 48.69 70.25 40.58 30.42 42.99
270、 25.69 79 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元,(千元,1985年为基年)年为基年)全国全国 城镇城镇 农村农村 全国全国 城镇城镇 农村农村 1990 55.91 80.44 46.33 33.83 48.59 28.07 1991 62.99 91.60 51.55 36.85 52.65 30.53 1992 70.65 103.46 57.26 38.87 54.76 32.39 1993 79.01 116.23 63.57 37.89 52.98 31.62 1994 88.18 129.
271、95 70.65 34.07 47.39 28.48 1995 98.44 145.78 78.17 32.42 45.52 26.82 1996 112.39 167.58 86.81 34.09 48.09 27.60 1997 128.46 191.97 96.52 37.80 53.43 29.94 1998 145.96 216.67 107.44 43.19 60.67 33.67 1999 164.18 240.96 119.15 49.16 68.37 37.91 2000 184.84 268.41 132.14 55.02 75.55 42.08 2001 203.24 2
272、92.10 143.62 59.94 81.64 45.37 2002 222.97 318.89 154.33 66.09 90.03 48.95 2003 245.14 346.07 167.90 71.67 96.83 52.42 2004 269.75 377.43 181.17 75.76 102.24 53.97 2005 297.45 411.99 196.29 81.90 109.84 57.22 2006 346.14 479.75 222.92 93.76 126.01 64.02 2007 395.09 545.55 251.42 102.02 137.13 68.50
273、2008 444.59 609.78 281.57 108.35 145.14 72.04 2009 504.81 687.56 315.85 123.77 165.07 81.06 2010 568.91 769.58 350.96 134.89 179.03 86.94 2011 636.53 863.84 373.80 142.92 190.84 87.54 2012 707.88 959.03 400.49 154.68 206.30 91.50 2013 772.24 1040.94 428.21 167.60 224.16 95.18 2014 842.27 1129.39 458
274、.94 187.49 252.87 100.21 2015 910.06 1207.98 496.38 199.70 266.47 106.99 2016 980.92 1299.87 526.69 210.95 280.85 111.41 2017 1059.56 1398.84 563.61 224.27 297.18 117.68 2018 1136.36 1493.60 601.77 235.59 310.78 123.07 2019 1209.40 1581.24 640.44 243.72 320.06 126.92 2020 1279.47 1660.51 683.54 251.
275、70 328.54 131.51 2021 1356.73 1749.28 725.84 264.43 342.68 138.68 80 6.4 人力资本的国际比较 Jorgenson 和 Fraumeni 的终生收入法(J-F 收入法)被世界银行(CWONs)运用于国家变化财富系列,以测量 141 个国家的人力资本(Lange,Wodon 和 Carey,2018 年,世界银行,2021 年)。表 6.4.1 列出了按国家类别划分的劳动力人力资本与国内生产总值的比率,其中人力资本和国内生产总值估计数来源于世界银行在网络公布的数据。通过国家人口在该类别总人口中所占份额来衡量各个国家比率,从而获
276、得分类别的数据。如果考虑各国人力资本和国内生产总值,而不是使用人口加权的数据,那么相对于美国的数据,各国家数据通常会被低估。另一种方法是使用购买力平价(PPI)来反映国家货币的购买力差异。根据世界银行提供的中国数据,如表 6.4.1 所示,人民币的比率从 1995 年的 0.32 到 2018 年的0.62。这意味着公私合作伙伴关系对人民币的价值远远高于市场汇率(数据来自https:/data.worldbank.org/indicator/PA.NUS.PPPC.RF?locations=CN)。在 CWON的第 4 章中,我们构建了一套基于 ppp 的财富衡量标准的探索性指标(世界银行,2
277、021 年)。本章证明了基于购买力平价的措施和基于市场交换的措施通常是非常不同的。表 6.4.1 中的估计数是基于市场的,因为这是世界银行数据库站点唯一提供的类型。人口估计数用于衡量表 6.4.1 中显示的基于市场的衡量标准,以得出按地区分列的数字。人力资本与 GDP 的比率以 2015 年不变的美元计算。各类别人口占所有141个国家总人口的百分比见人力资本占GDP比率的百分比。这 141 个国家占世界银行网络公布的所有五年世界人口估计数的 93%,其中人口、美国当前和固定美元的 GDP 以及世界银行人力资本是可得到的。世界银行的人力资本收入是根据 15 至 65 岁的个人得到的(世界银行 2
278、021 年,第 147页)。除欧洲、中亚和撒哈拉以南非洲外,所有类别在 1995 年至 2018 年期间的比率都出现了下降,但这种下降并不总是单调的。中国和印度的人口比其他任何国家都多,但随着时间的推移,这一比例都显著下降。自从上一份国家财富变化报告(CWON)发布以来(Lange 等人,2018 年),按地区和收入水平划分的劳动力收入增长率发生了变化(世界银行,2021 年,第148 页)。以前劳动力收入增长率被认为所有国家的 2.46%,现在四个地区的劳动力收入增长率不同:东亚和太平洋地区,欧洲和中亚,拉丁美洲和加勒比地区,中东和北非,高收入国家在该地区和该地区的其他国家。对于剩下的三个地
279、区:81 北美、南亚和撒哈拉以南非洲,假设这些地区的所有国家都有相同的劳动收入增长率。不包括高收入地区,北美的新劳动力收入增长率从 0.91%到东亚和太平洋地区的 4.00%不等。后者世界银行认为中国是一个中上收入国家,因此其对CWON 的劳动收入增长率为 4.00%。CWON 继续使用 4.00%作为所有国家的折现率。表表6.4.1劳动力人力资本与劳动力人力资本与 GDP 的人口加权比率的人口加权比率 国家类别国家类别 1995 2000 2005 2010 2015 2018 国家数量国家数量 先进国家先进国家 8.4 8.2 7.7 7.7 7.7 7.6 22 16%15%15%15%
280、14%14%东亚和太平洋国家东亚和太平洋国家 14.4 13.9 13.0 11.6 11.4 11.0 13 32%31%31%30%29%29%欧洲和中亚国家欧洲和中亚国家 5.5 5.3 5.0 5.5 5.5 5.5 25 7%6%6%6%5%5%拉丁美洲和加勒比拉丁美洲和加勒比 7.2 7.2 7.1 7.0 7.2 7.1 23 8%8%8%8%8%8%中东和北非中东和北非 6.0 5.6 5.0 4.9 5.1 4.8 15 4%4%5%5%5%5%南亚南亚 9.0 8.8 8.5 7.9 7.7 7.7 6 23%24%24%25%25%25%撒哈拉以南非洲撒哈拉以南非洲 7.
281、5 6.9 6.9 7.7 8.0 8.2 37 10%10%11%12%13%14%141 个国家个国家 9.9 9.6 9.1 8.6 8.5 8.4 141 100%100%100%100%100%100%19注:上表仅包括有完整信息的国家。先进类别包括:澳大利亚、奥地利、比利时、丹麦、芬兰、法国、德国、希腊、冰岛、爱尔兰、意大利、日本、卢森堡、荷兰、挪威、葡萄牙、西班牙、瑞典、瑞士、土耳其、英国和美国。东亚和太平洋地区包括:柬埔寨、中国、印度尼西亚、大韩民国)、老挝人民民主共和国、马来西亚、蒙古、巴布亚新几内亚、菲律宾、新加坡、所罗门群岛、泰国和越南。欧洲和中亚类别包括:阿尔巴尼亚、亚
282、美尼亚、阿塞拜疆、白俄罗斯、波斯尼亚和黑塞哥维那、保加利亚、克罗地亚、捷克共和国、爱沙尼亚、格鲁吉亚、匈牙利、哈萨克斯坦、吉尔吉斯共和国、拉脱维亚、立陶宛、马其顿、摩尔多瓦、波兰、罗马尼亚、俄罗斯联邦、斯洛伐克共和国、斯洛文尼亚、塔吉克斯坦、土库曼斯坦和乌克兰。拉丁美洲和加勒比海类别包括:阿根廷、伯利兹、玻利维亚、巴西、智利、哥伦比亚、哥斯达黎加、多米尼加共和国、厄瓜多尔、萨尔瓦多、危地马拉、圭亚那、海地、洪都拉斯、牙买加、墨西哥、尼加拉瓜、巴拿马、巴拉圭、秘鲁、乌拉圭和委内瑞拉、RB。中东和北美的类别包括:巴林;埃及、阿拉伯共和国;伊朗、伊斯兰共和国;伊拉克;约旦;科威特;马耳他;摩洛哥;沙
283、特阿拉伯;突尼斯;阿拉伯联合酋长国;也门、共和国;黎巴嫩;阿曼;以及约旦河西岸和加沙地带。19 Lange,Glenn-Marie,Quentin Wodon,and Kevin Carey(2018),2018 年不断变化的国际财富:建设可持续的未来,华盛顿特区:世界银行。82 南亚的类别包括:孟加拉国、印度;马尔代夫、尼泊尔、巴基斯坦;和斯里兰卡。海地缺少世界银行1995 年和 2000 年的国内生产总值的在线数据,因此它没有包括在 1995 年和 2000 年的比率中。撒哈拉以南的类别包括:贝宁、博茨瓦纳、布基纳法索、布隆迪、喀麦隆、中非共和国、乍得、科摩罗、刚果、民主共和国、刚果共和国
284、、科特迪瓦、埃斯瓦蒂尼、埃塞俄比亚、加蓬、冈比亚、冈比亚、加纳、几内亚、肯尼亚、莱索托、马达加斯加、马拉维、马里、毛里塔尼亚、莫桑比克、尼日尔、尼日利亚、卢旺达、塞内加尔、塞拉利昂、南非、坦桑尼亚、多哥、乌干达、赞比亚和津巴布韦。83 第七章 人力资本的跨省比较 对各省人力资本状况的纵向计算分析可以得到各省人力资本随时间的变动趋势,揭示人力资本的动态发展情况。而对各省人力资本状况进行横向对比,则能够了解我国人力资本在各省之间的分布及发展差异。为系统认识各省之间的人力资本发展差异,我们选择以下三个指标对各省人力资本状况进行对比20。根据 J-F 方法计算得到各省的人力资本存量、人均人力资本存量、
285、劳动力人力资本存量(具体的结果请见附录 C),再计算出劳动力人力资本与人力资本存量比率和名义 GDP 与当年劳动力人力资本比率,以比较各省之间人力资本状况的系统性差别。其中,当年劳动力人力资本为以各省生活成本指数折算的名义劳动力人力资本21。当年劳动力人力资本=名义劳动力人力资本生活成本指数 除了上述两个比率之外,第三个指标为以各省生活成本指数折算的人均实际人力资本存量以及以生活成本指数折算的人均实际劳动力人力资本存量。具体的计算公式为:=实际人力资本(以生活成本指数折算)人均实际人力资本人口数,=实际劳动力人力资本(以生活成本指数折算)人均实际劳动力人力资本劳动力人口数 此部分选取了部分年份
286、,通过图形来描述各省的人力资本比较情况。7.1 人力资本比较分析人力资本比较分析 图 7.1.1 是 2021 年各省当年人力资本的对比情况。当年人力资本是按各省1985 年生活成本指数折算的名义人力资本。由于 1985 年生活成本指数同时依据各省 1985 年 CPI 和 1985 年跨省物价差异得出,并剔除了各省间成本差异(以 20 最近一些研究对其他国家的情况也进行了相似的估算分析,例如对阿根廷的估算(Coremberg,2010)以及对美国的估算(Abraham,2010;Christian,2010)。21在这里我们假设 1985 年各省的生活成本可代表各省生活成本差异,并使用各省
287、1985 年的生活成本及各年的消费价格指数来对各年的生活成本指数进行估算。84 1985 年成本为标准)的影响因素,因而调整后的当年值使得各省间数据横向可比,但纵向年份间仍存在物价差异。从图中可看出,广东省的当年人力资本存量最高,其次为江苏省,处在最后的是西藏自治区22。从跨省差异来看,主要呈现出以下几个特点:(1)人口基数对于人力资本总量起到了决定性的作用。人口基数较大的省份(如广东、山东、河南、江苏)排在总量的前列。(2)人均人力资本排名靠前的省份(如北京、上海),人力资本总量排名亦属前列。图 7.1.1 说明各省人口数、教育水平、收入水平等差异均是影响在人力资本总量的因素。图图 7.1.
288、1 2021 年各省当年人力资本存量年各省当年人力资本存量 图 7.1.2 是各省按生活成本指数折算的实际人力资本对比情况。生活成本指数以 Loren Brandt 和 Carsten Holz(2006)的研究成果为理论基础23,由于生活成本指数同时依据各省 CPI 和跨省物价差异得出,因而调整后的实际值使得各省间数据横向、纵向可比。从总体上看,按生活成本指数折算后实际人力资本存量排序与名义人力资本存量相似24。山东最高,其次为江苏省,处在最后的是西藏自治区。从跨省差异的比较来看,由于物价一般与发展水平呈正向关系,生活成本指数的调整在一定程度上缩小了发达省份和不发达省份之间的差距。22本章所
289、有的跨省比较图都是按照各省 2021 年对应指标降序排列,使用的都是各省人口六种受教育程度的数据。23Loren Brandt and Carsten Holz(2006),“Spatial Price Differences in China:Estimates and Implications”。24具体而言,生活成本指数以北京市 1985 年的一揽子商品所需花费为基础,其他省份和年份根据北京1985 年指数进行调整,因此得到的结果横向、纵向均可比。050,000100,000150,000200,000250,000300,000350,000广东江苏山东河南四川河北浙江安徽湖北北京湖南
290、福建江西上海广西陕西辽宁云南重庆贵州天津山西内蒙古吉林黑龙江甘肃海南宁夏青海新疆西藏十亿元十亿元省份省份 85 图图7.1.2 各省按生活成本指数折算的实际人力资本各省按生活成本指数折算的实际人力资本 图 7.1.3 是各省按生活成本指数折算的人均实际人力资本对比情况。相对于实际人力资本存量,按生活成本指数折算后人均实际人力资本排序发生了明显的变化。北京市处在第一位,其次是上海市,青海省排在最后。实际人均人力资本的跨省比较主要呈现以下特征:各省的排名基本与发达程度、平均受教育程度、高中及以上人口比例排名一致,直接影响人均人力资本实际值的因素包括收入水平和收入增长率,以及受教育水平和人口结构。图
291、图7.1.3 各省按生活成本指数折算的人均实际人力资本各省按生活成本指数折算的人均实际人力资本 7.2 劳动力人力资本比较分析劳动力人力资本比较分析 00000400005000060000山东江苏广东河南河北四川安徽浙江湖北湖南江西福建北京广西辽宁陕西上海重庆贵州云南山西天津内蒙古黑龙江吉林新疆甘肃海南宁夏青海西藏十亿元十亿元省份省份52021 86 图 7.2.1 是各省按生活成本指数折算的实际劳动力人力资本对比情况。从总体上看,山东省按生活成本指数折算后实际劳动力人力资本存量最高,其次为广东,紧随其后的是江苏,处在最后的是西藏自治区。相对于按生
292、活成本指数折算后实际人力劳动力资本存量,实际劳动力人力资本的排序发生变化归因于劳动力人口基数,劳动力人口较大的省份劳动力人力资本排在前列。图图7.2.1 各省按生活成本指数折算的实际劳动力人力资本各省按生活成本指数折算的实际劳动力人力资本 图图7.2.2 各省按生活成本指数折算的人均实际劳动力人力资本各省按生活成本指数折算的人均实际劳动力人力资本 图 7.2.2 是各省按生活成本指数折算的人均实际劳动力人力资本对比情况。从图上来看,相对于人均人力资本,人均劳动力人力资本各省比较发生了细微的变化,北京市仍然处在第一位,其次是天津市,随后是上海市,青海省在最后。020004000600080001
293、0000600018000山东广东江苏河南四川安徽河北浙江湖北湖南江西北京福建广西辽宁陕西云南贵州山西上海重庆黑龙江内蒙古天津吉林新疆甘肃海南宁夏青海西藏十亿元省份520200250300350400450500北京天津上海江苏浙江安徽重庆福建内蒙古河南江西山东湖北四川宁夏河北辽宁贵州陕西山西广东吉林湖南黑龙江广西新疆西藏海南云南甘肃青海千元省份52021 87 从跨省比较来看,排除人口基数的因素,人口结构占主导地位,可以看到劳动力人口占总人口比重较高的省份总量排在前列。7.3 人力资本的相对变化趋势人力资
294、本的相对变化趋势 图 7.3.1 是各省劳动力人力资本与人力资本存量比率的对比情况。劳动力人力资本与人力资本在总量上的比率主要受人口年龄结构和劳动力人口平均受教育程度的影响。劳动力人口与总人口的差别在于劳动力人口不包括劳动年龄范围内的在校生,且不包括劳动年龄范围外的人,即小于十六岁或大于退休年龄(男60 岁,女 55 岁)的人群。当有同样的受教育水平,年纪小的人群人力资本会大于年纪大的人群;且高学历人群大多处于中青年阶段。因此,一般说来年轻人所占比例低的省市这一比率较大,未来发展的前景可能会更多地倚重流入本地的外地人口;另一方面,较发达省市的劳动力人口平均受教育程度较高,劳动力人力资本与人力资
295、本存量比率就会较大。从各省排序上看,2021 年的劳动力人力资本与人力资本比率排在第一位的是黑龙江,第二位是青海,第三位是甘肃。图图7.3.1 各省劳动力人力资本与人力资本比率各省劳动力人力资本与人力资本比率 图 7.3.2 是各省 0-15 岁人力资本与人力资本存量比率对比情况。0-15 岁是尚未进入劳动力市场的年龄,这一年龄段的人力资本可以视为人力资本的储量。这一比率在一定程度上反映了当地未来人力资本的潜力,主要受出生人口、在校学生数和人均人力资本的影响。大多数省份这一比率在 2010 年之后呈上升趋势,这在一定程度上说明人口红利并没有消失,人口数量减少的同时,人力资本量在继续增长。202
296、1 年排在第一的是江苏,其次是上海、江西和海南,排在最后的是 88 黑龙江。图 7.3.3 是各省 25-45 岁人力资本与人力资本存量比率的对比情况。25-45 岁是劳动者工作的黄金时期,也是人口流动最多的年龄段。由于受人口流动影响较大,一些 0-15 岁人力资本与人力资本存量比率较低的省份(如北京),其 25-45岁人力资本与人力资本存量的比率很高。从结果看,黑龙江、北京和内蒙古排在前列,而贵州、江西排在最后。图图7.3.2 各省各省0-15岁人力资本与人力资本存量比率岁人力资本与人力资本存量比率 图图7.3.3 各省各省25-45岁人力资本与人力资本存量比率岁人力资本与人力资本存量比率
297、图 7.3.4 是各省名义 GDP 与名义劳动力人力资本比率的对比情况。2021 年 89 排在第一位的是西藏,其次是青海、宁夏和海南;广东、河南等省份居于靠后位置。这一比率在一定程度上可以反映当地人力资本的利用效率25,大多数省份这一比率呈上升趋势,反映了对人力资本利用效率的上升。图图7.3.4 各省名义各省名义GDP与名义劳动力人力资本比率与名义劳动力人力资本比率 25得出这一结论的假设是收入可以用来作为投入的代理变量。以收入作为代理变量衡量的人力资本效率与劳动生产率存在差异,这是由于人力资本不仅包括目前的收入而且包括未来的预期收入,而劳动生产率只包括目前的收入。90 第八章 北京市人力资
298、本计算结果 8.1 总体人力资本分析总体人力资本分析 表 BJ-1.1 的第 1 列是北京市按六种受教育程度计算的名义人力资本存量,第 2 列则为按六种受教育程度计算的实际人力资本存量。表表 BJ-1.1 北京市名义人力资本、实际人力资本北京市名义人力资本、实际人力资本 年份年份 名义总人力资本名义总人力资本(十亿元)十亿元)实际人力资本实际人力资本(十亿元)十亿元)1985 621 621 1986 730 683 1987 903 778 1988 1262 904 1989 1530 935 1990 2090 1212 1991 2647 1371 1992 3354 1581 199
299、3 4135 1638 1994 4839 1535 1995 5118 1384 1996 6654 1612 1997 8228 1893 1998 10310 2316 1999 13117 2930 2000 15929 3437 2001 18369 3845 2002 20818 4437 2003 22885 4868 2004 25785 5431 2005 29141 6047 2006 35569 7315 2007 43032 8642 2008 51418 9825 2009 57185 11093 91 年份年份 名义总人力资本名义总人力资本(十亿元)十亿元)实际人力
300、资本实际人力资本(十亿元)十亿元)2010 68094 12900 2011 73075 13110 2012 85122 14783 2013 87120 14647 2014 98345 16273 2015 98111 15948 2016 107195 17184 2017 114230 17970 2018 113589 17433 2019 118119 17721 2020 123182 18172 2021 127127 18549 8.2 人均人力资本分析人均人力资本分析 为了更准确地获得人力资本存量的动态变化信息,我们计算了人均人力资本,即总的人力资本除以非退休人口的比率。
301、表 BJ-2.1 显示了北京市分城乡的人均人力资本计算结果。从人均水平上看,1985-2021 年间,北京市的名义人均人力资本和实际人均人力资本均呈现不同程度的增长。其中,全市名义人均人力资本量从 6.68 万元增长到 665.43 万元,增长约为 99 倍,而同期实际人均人力资本量从 6.68 万元增至 97.10 万元,增长约为 14 倍。表表 BJ-2.1 北京市分城乡人均人力资本北京市分城乡人均人力资本 年份年份 名义人均人力资本名义人均人力资本(千元)(千元)实际人均人力资本实际人均人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1985 66.8
302、3 81.93 39.60 66.83 81.93 39.60 1986 78.12 95.85 46.50 73.15 89.75 43.54 1987 92.07 113.41 53.28 79.38 97.78 45.93 1988 125.04 155.55 63.31 89.54 111.39 45.34 1989 150.30 183.91 74.54 91.84 112.37 45.54 1990 204.37 250.14 87.69 118.47 145.01 50.83 92 年份年份 名义人均人力资本名义人均人力资本(千元)(千元)实际人均人力资本实际人均人力资本(千元)
303、(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1991 251.98 309.34 100.13 130.54 160.25 51.88 1992 312.99 385.19 113.31 147.54 181.57 53.41 1993 378.77 464.92 127.25 150.04 184.17 50.41 1994 439.08 535.88 141.99 139.25 169.95 45.03 1995 459.87 552.33 156.91 124.34 149.34 42.43 1996 586.72 706.78 177.65 142.15 171
304、.23 43.04 1997 716.38 863.49 202.70 164.82 198.67 46.64 1998 883.67 1066.63 229.82 198.55 239.66 51.64 1999 1103.46 1335.26 259.96 246.45 298.22 58.06 2000 1321.70 1597.74 295.68 285.21 344.78 63.81 2001 1489.14 1776.60 322.56 311.68 371.85 67.51 2002 1632.77 1918.50 347.11 348.01 408.91 73.98 2003
305、1749.61 2028.94 379.59 372.17 431.59 80.74 2004 1949.45 2244.27 413.82 410.57 472.67 87.15 2005 2161.18 2471.08 449.97 448.44 512.74 93.37 2006 2501.50 2847.74 504.09 514.42 585.63 103.66 2007 2848.80 3228.24 563.70 572.11 648.32 113.21 2008 3263.42 3693.26 627.57 623.58 705.71 119.92 2009 3448.50 3
306、884.43 698.24 668.98 753.55 135.45 2010 3926.39 4415.41 767.55 743.84 836.48 145.41 2011 4095.97 4590.11 800.15 734.81 823.46 143.55 2012 4636.76 5189.91 840.91 805.25 901.32 146.04 2013 4671.40 5216.57 878.70 785.35 877.01 147.73 2014 5257.04 5884.50 923.43 869.89 973.72 152.80 2015 5226.90 5845.54
307、 964.76 849.61 950.17 156.82 2016 5698.18 6365.92 1003.35 913.43 1020.47 160.84 2017 6058.32 6758.53 1044.27 953.05 1063.21 164.28 2018 6012.89 6687.61 1077.23 922.83 1026.39 165.33 2019 6241.11 6929.31 1103.69 936.33 1039.57 165.58 2020 6484.10 7186.68 1134.03 956.52 1060.16 167.29 2021 6654.38 736
308、4.37 1146.25 970.96 1074.56 167.25 93 图 BJ-2.1 显示了北京市分性别的实际人均人力资本的变化趋势。在 1985-2021 年间,北京市男性与女性实际人均人力资本都呈现出显著的加速增长,且男性显著高于女性。尤其是在 1997 年之后,男女实际人均人力资本差距不断扩大。图图 BJ-2.1 北京市分性别实际人均人力资本北京市分性别实际人均人力资本26,1985-2021 图 BJ-2.2 反映了北京市分城乡的实际人均人力资本的变化趋势。在 1985-2021 年间城镇实际人均人力资本显著高于农村,虽然在 1997 年之后城乡的实际人力资本量都增长迅速,但是
309、城镇的增长速度远高于农村,导致城乡间实际人均人力资本的差距逐渐拉大。图图 BJ-2.2 北京市分城乡实际人均人力资本,北京市分城乡实际人均人力资本,1985-2021 26 注:北京在 2010-2014 年度的波动可能是由于此期间高中招生数的急剧变化引起的。招生数波动影响了高中的升学率,进而影响人力资本。0.00200.00400.00600.00800.001000.001200.001400.007036920002000420052006200720082
310、009200001920202021千元千元年份年份全省男女0.00200.00400.00600.00800.001000.001200.007036920002000420052006200720082009200001920202021千元千元年份年份全省城镇农村 94 8.3 劳动力人力资本分析劳动力人力资本分析 劳动力人力资
311、本的估算方法与前述人力资本的估算方法相同,使用的是 J-F方法。劳动力人口则是指不包括学生的 16 岁及以上非退休人口。8.3.1 总体劳动力人力资本分析总体劳动力人力资本分析 表 BJ-3.1 列出了北京市劳动力人力资本总量。基于六种受教育程度的划分,从结果总量上看,1985-2021 年间,北京市的名义劳动力人力资本和实际劳动力人力资本均呈现不同程度的增长。其中,名义劳动力人力资本存量从 0.25 万亿元增长到 46.51 万亿元,增长约 185 倍,而同期实际劳动力人力资本存量从 0.25万亿元增至 6.79 万亿元,增长约 26 倍。表表 BJ-3.1 北京市名义劳动力人力资本与实际劳
312、动力人力资本北京市名义劳动力人力资本与实际劳动力人力资本 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元)(十亿元)1985 249 249 1986 288 270 1987 357 308 1988 457 327 1989 559 342 1990 683 396 1991 859 445 1992 1035 488 1993 1231 488 1994 1419 450 1995 1645 445 1996 2054 498 1997 2543 585 1998 3069 689 1999 3606 805 2000 41
313、96 906 2001 4996 1046 2002 6039 1287 2003 7101 1511 2004 7872 1658 95 年份年份 名义劳动力人力资本名义劳动力人力资本(十亿元)(十亿元)实际劳动力人力资本实际劳动力人力资本(十亿元)(十亿元)2005 8977 1863 2006 11635 2393 2007 14727 2958 2008 17470 3338 2009 20885 4051 2010 24502 4642 2011 28164 5053 2012 32243 5600 2013 35688 6000 2014 38449 6362 2015 41291
314、 6712 2016 43037 6899 2017 44658 7025 2018 45744 7021 2019 46440 6967 2020 46592 6873 2021 46505 6786 8.3.2 人均劳动力人力资本分析人均劳动力人力资本分析 人均劳动力人力资本是指劳动力人力资本总量除以劳动力人口的比率。表BJ-3.2 给出了北京市分城乡的人均劳动力人力资本。从全市人均水平上看,1985-2021年间,北京市名义人均劳动力人力资本存量从4.00万元增长到311.91万元,增长约为 77 倍;而同期实际人均劳动力人力资本存量从 4.00 万元增至 45.51 万元,增长约 10
315、 倍。表表 BJ-3.2 北京市分城乡人均劳动力人力资本北京市分城乡人均劳动力人力资本 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1985 39.95 44.24 31.70 39.95 44.24 31.70 1986 46.06 50.78 37.14 43.13 47.54 34.77 1987 53.23 58.99 42.08 45.90 50.86 36.28 96 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)
316、实际人均劳动力人力资本实际人均劳动力人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1988 66.09 73.46 49.76 47.33 52.60 35.63 1989 79.73 88.18 58.18 48.72 53.88 35.55 1990 96.01 105.47 67.68 55.66 61.14 39.23 1991 115.75 128.46 77.40 59.96 66.55 40.10 1992 136.18 152.27 87.07 64.19 71.78 41.05 1993 159.43 179.44 97.15 63.15
317、 71.08 38.48 1994 182.38 205.99 107.41 57.84 65.33 34.06 1995 209.20 237.05 117.24 56.56 64.09 31.70 1996 252.26 285.98 137.99 61.12 69.29 33.43 1997 302.61 343.42 161.64 69.62 79.01 37.19 1998 353.11 400.13 188.31 79.34 89.90 42.31 1999 402.30 455.10 216.24 89.85 101.65 48.30 2000 456.63 516.48 244
318、.79 98.54 111.45 52.82 2001 527.22 595.23 269.04 110.35 124.58 56.31 2002 612.33 689.87 292.53 130.51 147.04 62.35 2003 695.77 780.00 322.31 148.00 165.92 68.56 2004 762.09 850.25 352.68 160.50 179.07 74.28 2005 846.07 939.26 385.74 175.56 194.89 80.04 2006 1024.06 1136.79 435.60 210.59 233.78 89.58
319、 2007 1209.40 1340.20 488.31 242.88 269.15 98.07 2008 1368.46 1514.36 548.10 261.49 289.37 104.73 2009 1546.81 1707.69 613.94 300.07 331.28 119.10 2010 1722.87 1898.10 678.44 326.39 359.59 128.53 2011 1936.49 2139.22 707.18 347.40 383.77 126.87 2012 2169.57 2401.09 741.42 376.78 416.99 128.76 2013 2
320、378.54 2638.02 775.52 399.88 443.50 130.38 2014 2571.05 2859.24 809.66 425.44 473.12 133.98 2015 2750.80 3063.08 842.90 447.13 497.89 137.01 2016 2866.35 3185.51 870.31 459.48 510.64 139.51 2017 2976.06 3300.79 896.13 468.17 519.26 140.97 2018 3053.73 3379.05 916.75 468.67 518.60 140.70 2019 3103.77
321、 3427.00 932.10 465.64 514.14 139.84 2020 3126.49 3444.57 945.50 461.21 508.14 139.48 97 年份年份 名义人均劳动力人力资本名义人均劳动力人力资本(千元)(千元)实际人均劳动力人力资本实际人均劳动力人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 2021 3119.12 3430.63 941.67 455.12 500.57 137.40 98 第九章 天津市人力资本计算结果 9.1 总体人力资本分析总体人力资本分析 表 TJ-1.1 的第 1 列是天津市按六种受教育程度
322、计算的名义人力资本存量,第 2 列则为按六种受教育程度计算的实际人力资本存量。表表 TJ-1.1 天津市名义人力资本、实际人力资本天津市名义人力资本、实际人力资本 年份年份 名义总人力资本名义总人力资本(十亿元)十亿元)实际人力资本实际人力资本(十亿元)十亿元)1985 366 366 1986 451 422 1987 544 477 1988 661 496 1989 796 520 1990 956 607 1991 1150 663 1992 1337 691 1993 1558 685 1994 1796 637 1995 2024 623 1996 2375 670 1997 27
323、66 757 1998 3176 873 1999 3976 1106 2000 5168 1443 2001 5844 1613 2002 6599 1828 2003 7170 1967 2004 8151 2185 2005 8976 2371 2006 11764 3062 2007 14351 3584 2008 16847 3992 2009 19910 4766 99 年份年份 名义总人力资本名义总人力资本(十亿元)十亿元)实际人力资本实际人力资本(十亿元)十亿元)2010 22552 5215 2011 25818 5692 2012 29401 6311 2013 32403
324、 6747 2014 35892 7334 2015 38371 7709 2016 40800 8029 2017 47351 9126 2018 48919 9243 2019 52450 9650 2020 56258 10140 2021 59933 10664 9.2 人均人力资本分析人均人力资本分析 为了更准确地获得人力资本存量的动态变化信息,我们计算了人均人力资本,即总的人力资本除以非退休人口的比率。表 TJ-2.1 显示了天津市分城乡的人均人力资本计算结果。从人均水平上看,1985-2021 年间,天津市的名义人均人力资本和实际人均人力资本均呈现不同程度的增长。其中,全市名义人
325、均人力资本量从 4.98 万元增长至 499.62 万元,增长接近 100 倍,而同期实际人均人力资本量从 4.98 万元增至 88.90 万元,增长约 17 倍。表表 TJ-2.1 天津市分城乡人均人力资本天津市分城乡人均人力资本 年份年份 名义人均人力资本名义人均人力资本(千元)(千元)实际人均人力资本实际人均人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1985 49.84 54.02 41.05 49.84 54.02 41.05 1986 60.56 66.58 48.01 56.70 62.34 44.95 1987 72.21 80.12 5
326、5.87 63.31 70.24 48.98 1988 85.57 94.69 65.68 64.17 71.02 49.26 1989 101.27 111.89 76.51 66.21 73.16 50.03 1990 120.15 132.63 88.48 76.27 84.19 56.17 100 年份年份 名义人均人力资本名义人均人力资本(千元)(千元)实际人均人力资本实际人均人力资本(千元)(千元)全省全省 城镇城镇 农村农村 全省全省 城镇城镇 农村农村 1991 143.22 159.13 103.16 82.50 91.67 59.43 1992 164.84 182.54
327、120.20 85.24 94.39 62.16 1993 191.03 211.81 138.01 84.00 93.14 60.69 1994 220.01 244.19 157.06 78.02 86.59 55.69 1995 247.64 274.02 176.25 76.16 84.28 54.21 1996 287.48 320.71 196.61 81.11 90.49 55.48 1997 331.87 371.08 222.66 90.82 101.55 60.94 1998 374.85 419.11 249.09 103.10 115.28 68.51 1999 463
328、.94 528.05 275.87 129.03 146.86 76.72 2000 599.07 693.46 310.35 167.27 193.63 86.66 2001 678.02 785.15 340.60 187.07 216.63 93.98 2002 761.92 880.27 365.70 211.07 243.85 101.31 2003 825.39 946.95 397.19 226.39 259.73 108.94 2004 935.64 1072.85 428.42 250.86 287.65 114.87 2005 1031.35 1181.54 460.79
329、272.43 312.10 121.72 2006 1286.46 1482.96 511.57 334.80 385.93 133.13 2007 1501.10 1731.93 564.23 374.91 432.56 140.92 2008 1689.28 1949.01 617.54 400.29 461.84 146.33 2009 1913.71 2209.30 680.67 458.05 528.80 162.92 2010 2086.20 2406.99 741.64 482.46 556.64 171.51 2011 2316.49 2662.73 777.50 510.69
330、 587.02 171.40 2012 2563.65 2933.61 817.86 550.32 629.73 175.56 2013 2781.82 3173.74 856.79 579.19 660.80 178.39 2014 3039.88 3462.04 897.07 621.12 707.38 183.29 2015 3201.42 3632.32 940.85 643.20 729.77 189.03 2016 3413.56 3870.80 965.15 671.71 761.68 189.92 2017 3969.02 4507.28 992.90 764.95 868.6
331、9 191.36 2018 4111.73 4651.34 1016.22 776.91 878.88 192.02 2019 4403.40 4970.25 1029.00 810.15 914.44 189.32 2020 4705.36 5295.74 1045.30 848.12 954.53 188.41 2021 4996.22 5609.39 1051.17 889.01 998.11 187.04 101 图 TJ-2.1 显示了天津市分性别的实际人均人力资本的变化趋势。在 1985-2021 年间,天津市男性与女性实际人均人力资本都呈现出显著的加速增长,且男性显著高于女性。尤
332、其是在 1997 年之后,男女实际人均人力资本差距不断扩大。图图 TJ-2.1 天津市分性别实际人均人力资本,天津市分性别实际人均人力资本,1985-2021 图 TJ-2.2 反映了天津市分城乡的实际人均人力资本的变化趋势。在 1985-2021 年间城镇实际人均人力资本显著高于农村,且在 1997 年之后城乡的实际人力资本量都增长迅速,城镇的增长速度远高于农村,城乡间实际人均人力资本的差距逐渐拉大。图图 TJ-2.2 天津市分城乡实际人均人力资本,天津市分城乡实际人均人力资本,1985-2021 9.3 劳动力人力资本分析劳动力人力资本分析 0.00200.00400.00600.0080
333、0.001000.001200.007036920002000420052006200720082009200001920202021千元千元年份年份全省男女0.00200.00400.00600.00800.001000.001200.007036920002000420052006200720082009200001920202021千元千元年份年份全省城镇农村 102 劳动力人力资本的估算方法与