高技能劳动力促进城市发展

城市的发展离不开高技能劳动力的集聚。高技能劳动力之所以能促进城市发展的原因体现为以下两点：第一，高技能劳动力本身具有更高的生产率。第二，高技能劳动力的集聚会产生人力资本外部性。

我们使用微观数据来展现城市高技能劳动力对城市内个人工资的影响，回归中控制了个人的社会经济特征，包括教育水平，这时，城市的教育水平对于个人收入的影响就体现出了人力资本外部性，具体结果见表4.1。从第1列的OLS回归结果可知，高技能劳动力（大学以上教育水平）占人口的比例每增加1个百分点，城市劳动力工资会上涨6.41个百分点。

表4.1　城市高技能劳动力对个人工资的影响

但这样简单的估计人力资本外部性，存在着内生性偏误。一方面，可能是因为高技能水平的人都有某种共同的偏好，所以，他们聚集在一起，而这种无法观察的偏好也可能会影响到收入水平。同时，人均教育水平比较高的城市可能还有一些其他的宜居因素（比如公共服务、基础设施，甚至气候），也会影响到劳动生产率和收入水平。另一方面，高教育程度的人如果更偏好城市的某种宜居性，他们也会愿意为之牺牲一些收入，而居住在那些“宜居”的城市，这样，城市教育水平对于个人收入的影响就会被低估。

为了缓解上述这样的内生性估计偏误，在第2列中，我们使用Glaeser和Lu（2014）中20世纪50年代“院系调整”运动中每个城市迁出和迁入的院系数量作为城市高技能比例的工具变量。20世纪50年代的院系调整对于城市来说是一场外生冲击，这场运动发生得快（主要集中在1952年），事先无法预期，涉及面非常广。由于当时大量大学教师、学生、科研设备、图书资料等都发生了跨城市的搬迁，经过了半个多世纪，对今天城市的人力资本水平仍然产生了深远的影响。在运用了工具变量估计之后，表中第2列显示，高技能比例每增加1个百分点，城市劳动力小时工资会上涨5.66个百分点，若用迁入的院系数量做工具变量，城市劳动力小时工资会上涨5.94个百分点。为了和教育私人回报率更有可比性，在第4列中，我们用城市人均受教育年限来衡量城市人力资本水平，结果发现，个人受教育年限每增加1年，小时工资会增加10.5个百分点，而城市人均受教育年限每增加1年，个人收入会增加15.5个百分点。在第5列中使用和第2列中相同的工具变量后，教育私人回报率为10.3%，而教育的社会回报率为19.6%，几乎是教育私人回报率的两倍，若用迁入的院系数量做工具变量，二者分别为10.1%和22.7%，这与我们（Glaeser and Lu，2014）使用CHIPS数据的估计结果非常接近。此外，Xing（2015）发现，城市人口越多，大学生比重越高，教育回报率越高，这也可以由人力资本外部性来解释。因此可认为，高技能者的存在会促进城市平均劳动力工资的提高。

人力资本外部性主要是通过人与人之间面对面的交流产生的（Fujita and Oga-wa，1982；Glaeser，1999；Lucas，1988；Lucas and Rossi-Hansberg，2002），于是人力外部性的存在只局限于很小的地理范围之内（Fu，2007；Rosenthal and Strange，2008），这会导致更多的高技能劳动力集聚在城市（特别是大城市）以享受人力资本外部性。因此，我们可以看到高技能比例越高的城市在后续的发展中会集聚越多的高技能劳动力，从而出现城市间人力资本水平的分化。

我们利用2000年和2010年的人口普查数据，并借鉴Berry和Glaeser（2005）的做法来考察2000年城市人力资本情况对2000—2010年期间的城市人力资本变化的影响，具体结果见表4.2。在前2列中，我们是用高技能比例的增长量作为被解释变量，初始的高技能比例作为解释变量。结果发现，在第1列中，2000年的城市高技能比例每增加1个百分点，2000—2010年的高技能比例会增加1.3个百分点；在第2列中，即使我们控制了2000年的城市人口规模、人均GDP和产业结构，结论依然成立。考虑到高技能比例的变化可能不是正态分布，所以在第3列中，用高技能数量的对数变化量作为被解释变量，这相当于高技能数量的增长率，结果显示，2000年高技能比例越高，2000—2010年期间的高技能数量增长率越低。这个较低的增长率是因为基期的高技能比例高。值得一提的是，城市的高技能比例影响后续高技能比例的现象在美国同样存在（Berry and Glaeser，2005）。

表4.2　考察初始高技能比例对后续高技能比例的影响

表4.3　考察初始低技能比例对后续高技能比例的影响

从表4.2的回归结果可知，城市的高技能比例会影响后续的高技能比例，而低技能比例是否具有同样的影响呢？为此，我们在表4.2回归的基础上加入低技能比例，具体结果见表4.3。从表4.3的结果，我们发现，城市初期低技能劳动力比例越高，在后续时间段内，高技能比例不会出现增长，甚至可能会出现减少。与此同时，我们再次发现，初始高技能比例会显著增加后续的高技能比例，也说明了表4.2回归结果的稳健性。

既然高技能比例越高的城市，在后续的发展中会集聚越多的高技能劳动力，那么城市间人力资本水平就会逐渐分化。我们利用2000年、2010年的人口普查数据考察城市间人力资本差异，所用指标包括均值、标准差、75—25分位之差、差别指数和隔离指数。^[3]从表4.4的结果可知，平均而言，大学生比例在提高，与此同时，城市间大学生比例的差异程度也在扩大。

表4.4　城市间人力资本差异在2000—2010年间的变化情况

总而言之，高技能劳动力会促进城市工资提升、人口增加，是城市发展的引擎。在此，读者可能会问一个问题，如果存在人力资本的分化，那么，城市和城市之间的差距不就越来越大了？那中小城市是不是会出现因为缺乏人力资本积累而难以发展的问题？如果是这样，是不是应该通过政策推动人力资本向中小城市转移？对这个问题的回答，要看政策目标是什么。如果政策的目标本身就是推动大学生在空间上均匀分布，或者说在某些特定的行业，人力资本的地区间均等化有利于改善社会福利，那么，通过政策干预城市间的“人力资本分化”当然是有意义的。比如说，在医疗、司法等公共服务行业，在有很强正外部性的教育行业，通过财政转移支付引导大学生转移向中小城市本身就是重要的。从短期来说，这种均等化有利于提升中小城市的生活质量，在长期，则有利于提升这些地方的人力资本积累。但是，请注意，对于绝大多数的行业来说，从经济效率上来说，推动人力资本在空间上均匀分布的政策并不一定是好的政策，因为人力资本向大城市的集聚本身就是大城市的产业结构对于大学生需求更多的结果，而一个中小城市的产业结构却相对不需要那么多大学生，人力资本回报没有大城市高。换句话说，大学生的空间分布本身就是微观个体最大化人力资本回报的结果，除了上面列举的一些行业之外，在空间上均匀分布的人力资本并不是社会最优的。