人力资本与环境库兹涅茨曲线的关系研究

尹浙霖，宋有涛，范居一

（1.辽宁大学公共管理学院，辽宁沈阳 110031；2.沈阳建筑大学，辽宁沈阳 110168；3.辽宁大学环境学院，辽宁沈阳 110031）

1 研究背景

经济发展水平与水环境质量关系研究一直是学者们关注的重要议题，从不同视角，利用不同指标验证环境库兹涅茨曲线（EKC）是该议题的主要环节。我国经济持续高速增长，党的十八大以来国内生产总值（GDP）年均增长约7.2%，但同时，水环境质量持续恶化，水污染物排放量逐年上升，2007—2017年化学需氧量（COD）排放量年均上升约6.01%，氨氮排放量年均上升约7.29%。可见，经济增长的同时，水污染问题日益严重。以初级人力资本向高级人力资本演进为特征的人力资本变化与经济增长同步，是我国经济发展过程中的又一典型特征，突出表现为人口受教育程度的提升：6岁及以上人口中，初中及以下受教育人口比重从2007年的80.03%下降至2017年的68.57%；高中受教育人口比重从2007年的13.41%变为2017年的13.11%，基本持平；高等受教育人口比重从2007年的6.56%上升至2017年的13.87%。由此可见，虽然人力资本表现出由义务教育向高等教育转移的趋势，但义务教育人口比重仍远高于高中及高等受教育人口比重，我国人力资本结构调整优化的空间仍非常巨大。那么，经济发展水平与水污染之间的环境库兹涅茨曲线关系是否稳定？以低教育程度向高教育程度演进的人力资本变化是否会影响环境库兹涅茨曲线的形成？会对曲线产生哪些影响？这些问题有待作出理论上的回答。

从现有文献看，国内外学者对人力资本与环境库兹涅茨曲线关系的研究主要集中在以下方面：（1）经济发展水平与水污染。Barua等［1］通过考察印度16个州1981—2000年水质中生化需氧量和化学需氧量变化，发现经济增长与水污染之间存在非线性关系；国内学者以验证环境库兹涅茨曲线为主，认为我国人均GDP与生活污水中COD之间存在倒“U”型曲线关系［2］，江西省经济增长和水污染之间呈现“‘U’型+倒‘U’型”关系［3］，江苏省经济发展与工业废水排放之间符合环境库兹涅茨曲线特征［4］。（2）人力资本与水污染。国外学者认为人口规模扩大会增加用水量［5］，人力资本存量提高带来家庭收入的增加有利于降低用水量、减少水污染［6］；国内学者认为适度的人口数量和合理的人口结构是经济持续发展的重要保证，人口规模效应对水污染产生正向驱动力［7］。（3）人力资本与经济发展水平。国外学者利用教育基尼系数、教育方差、教育标准差、教育变异系数等指标开展了人力资本不平等与经济发展水平关系的研究，发现人力资本不平等不利于经济增长或两者间存在正相关关系［8］；国内学者从教育程度、技能结构、投资形式等方面研究了不同类型人力资本对经济发展水平的影响，认为人力资本结构调整优化对经济增长至关重要［9-11］。

综上所述，人力资本与环境库兹涅茨曲线关系的研究成果较多，但仍有进一步探究的空间，如经济发展水平与水污染之间的环境库兹涅茨曲线关系是否会因污染物指标、研究方法、研究样本等调整而发生变化，也缺乏人力资本与曲线关系的直接研究。因此，本文主要从以下方面开展研究：（1）变换水污染代理变量，基于我国30个省份 2007—2017年的面板数据（西藏和香澳台地区因数据获取问题不作为研究对象），利用系统广义矩估计（SYS-GMM）方法验证经济发展水平与水污染之间的环境库兹涅茨曲线关系；（2）计算人力资本指数并纳入计量模型中，观察人力资本对环境库兹涅茨曲线的影响；（3）考察人力资本对经济发展水平的影响，进一步明确人力资本对环境库兹涅茨曲线的作用机理，力求为实现人水和谐发展贡献理论支撑。

2 理论分析

2.1 经济发展水平与水污染

环境库兹涅茨曲线表征了经济发展水平与污染物数量之间的关系，在水资源视角下，表现为经济发展水平与水污染之间的倒“U”型曲线关系。一方面，经济增长不可避免地产生水污染，人均收入水平的提高引发水资源的消耗和水污染的增加，但收入的污染物边际排放量呈递减趋势［12］，当边际排放量递减为0时，水污染达到峰值，人均收入水平进一步提高，水污染会逐步降低，进入环境改善阶段；另一方面，水环境制约着经济的发展水平，持续的经济增长考验着水资源的承载能力，在现行的发展方式下，水资源可能难以支撑到环境库兹涅茨曲线中的理论拐点值，或可能陷入经济增长停滞与水污染持续增加的“双重陷阱”之中［13］，导致水环境质量持续恶化。

2.2 人力资本对环境库兹涅茨曲线的影响

结构经济学认为，经济系统的结构调整尤其是技术结构变化对经济增长至关重要，产业结构升级亦是经济增长的重要决定因素，而一个经济系统技术结构和产业结构的优化是由其系统内资源要素禀赋决定的，因此，作为经济系统内重要生产要素的人力资本，其水平的提升必然对技术结构升级和产业结构升级产生重要的推动作用，进而促进经济增长。同时，人力资本不仅能支撑经济增长，也能缓解环境污染的压力［14］。相对于物质资本而言，人力资本是更加清洁环保的生产投入要素。人力资本水平的提高会使高素质人力资本比重逐步增加，形成高级人力资本主导的人力资本结构调整格局，不断推动包括节水技术、环保技术在内的各类技术的消化吸收与创新，从而推动改善水环境质量，促进经济可持续发展。

3 模型设定与变量选取

3.1 模型设定

基于以上分析，同时参考环境库兹涅茨曲线基本模型，本文设定以下经验计量基准模型一：

为考察人力资本对环境库兹涅茨曲线的影响，在基准模型一的基础上，设定模型二：

式（2）中，H为人力资本。

3.2 变量选取

（1）被解释变量

水污染（P）。根据国家发改委2016年印发的《绿色发展指标体系》和《生态文明建设考核目标体系》中关于水环境保护测度指标要求，本文将化学需氧量排放总量和氨氮排放总量两项指标求和汇总，作为水环境污染情况的代理变量。

（2）解释变量

1）经济发展水平（I）。人均GDP指一个国家在一定时期内（通常为1年）生产的按市场价格计算的商品和劳务总值的人口平均值，一般用来衡量一个国家的经济发展水平。同时，为验证经济发展与水污染的环境库兹涅茨曲线关系，本文在解释变量中引入人均GDP平方项。

2）人力资本（H）。将Barro等［15］提出的劳动力平均受教育年限设定值引入彭国华［16］研究中的人力资本增强型劳动力计算公式中，即：

式（3）中：j代表地区；是明塞工资回归估计的教育回报率，即多接受1年教育使劳动力生产效率提高的比例，劳动力平均受教育年数在0～6 a、7～12 a和12 a以上的教育回报率系数分别为0.180、0.134和0.151。若即没有受到学校教育的劳动力只能提供1个单位简单劳动。而计算劳动力平均受教育年数采用劳动力平均受教育程度（小学、初中、高中和大专及以上）与对应的受教育年限设定值（6、9、12和16 a）的乘积来表示。计算得到的人力资本指数越大，代表人力资本存量越多，人力资本水平越高。

（3）控制变量

环境治理水平（E）为环境污染治理投资占GDP的比重；科技发展水平（T）为年末科技支出总额；人均水资源量（W）为供水量除以总人口的结果；城镇化水平（U）为年末城镇常住人口占总人口的比重。

根据国家统计局网站，2007—2017年《中国统计年鉴》《中国环境统计年鉴》《中国人口与就业统计年鉴》，及各省份统计年鉴，得到各变量的基本情况及分析区间的统计性质，结果见表1。

表1 我国30省份各变量数据的描述性统计结果

4 实证结果与分析

本文设定的两个模型等式右边包含了被解释变量滞后项及具有潜在内生性问题的解释变量，故采用有助于克服内生性问题的广义矩估计（GMM）方法进行回归估计。差分广义矩估计（DIF-GMM）的估计结果易受小样本偏误与弱工具变量的影响，导致统计推断出现偏误［17］，因此，在样本量有限条件下，本文应用系统广义矩估计（SYS-GMM）方法进行回归估计。

4.1 人力资本对环境库兹涅茨曲线的影响

表2列出了模型一和模型二的SYS-GMM估计结果，Arelleno-Bond检验结果表明各模型残差不存在二阶序列相关，Hansen检验结果显示各模型的工具变量有效，因此SYS-GMM估计量是一致的和有效的。其中：

（1）列（1）显示了仅考量经济发展水平与水污染之间关系的回归结果，人均GDP变量回归结果不显著，其平方项变量在10%置信水平上显著，且系数为负。这表明：经济发展水平与水污染之间并非简单的线性关系，而是呈“U”型曲线关系；负的回归系数使得抛物线以横轴为中心发生旋转，呈倒“U” 型，即当人均GDP较低时，水污染随着人均GDP的增长而增加，而当人均GDP较高时，水污染随着人均GDP的增长而减少。

（2）列（2）显示了在引入环境治理水平、科技发展水平、人均水资源量、城镇化水平等变量后的回归结果，人均GDP平方项变量的显著性置信水平提高至5%，且系数仍为负。进一步估算，在曲线拐点处，人均GDP约为7.023万元。

（3）列（3）显示了在控制其他变量不变的条件下，加入了人力资本变量后的回归结果，重点考察人力资本变化对经济发展水平与水污染的环境库兹涅茨曲线的影响。可以发现，人力资本变量的系数为0.712，且在10%置信水平上显著。这表明人力资本变量变化1%，水污染变量将变动0.712个百分点，即人力资本变化引发水污染排放量上升，沿着环境库兹涅茨曲线向上移动，说明人力资本积累进入工业、房地产业和高耗水服务业行业的就业比重较高，对减少水污染排放的促进作用较为有限。同时，人均GDP平方项变量仍然在10%的置信水平上显著，且系数为负。进一步估算，在曲线拐点处，人均GDP约为5.584万元。

表2 2007—2017年我国30省份变量数据的SYS-GMM回归估计结果

上述SYS-GMM回归结果表明，人均GDP平方项变量回归结果显著，且系数始终为负，这既证明了经济发展水平与水污染之间的倒“U”型曲线关系，又表明估计结果具有一定的稳健性，因此，随着经济发展水平的提高，水污染呈先上升后下降的变化轨迹，这符合环境库兹涅茨曲线的理论解释。另外，回归结果显示人力资本导致曲线拐点左移（拐点处人均GDP由7.023万元变为5.584万元）、曲线下移（常数项由0.303变为0.240），即环境库兹涅茨曲线向右下方移动，说明了人力资本能够缩小经济增长与水污染同步的“两难”区间［18］。而列（3）的回归结果显示，前1期的水污染对当期有显著的正向影响，且系数估计值为0.502，这表明前1期的水污染排放增加1%，当期的水污染排放就会增加0.502个百分点，这说明经济水平效应是水资源消耗量上涨的主要驱动因素，水污染排放具有经济惯性［19］。从控制变量看，环境治理水平是影响水污染的重要因素之一，两者存在显著的负向关系，表明环境治理水平提高1%，水污染排放将减少0.472%，说明环境治理投资是抑制水污染增加的有效因子。

4.2 稳健性检验

由于影响环境库兹涅茨曲线的因素较多，本文通过替换控制变量的方法检验回归结果的稳定性。考虑到第三产业的水污染排放量相对较少，第三产业占比越高在一定程度上代表该地区的水污染相对较少、人均水资源量相对较多，同时，以服务业为主的第三产业是经济发展的新增长点，第三产业占比也能够反映地区的经济发展水平，因此，本文用第三产业占比（S）替代人均水资源量（W）对模型二进行稳健性检验，结果如表3所示。Arelleno-Bond检验结果表明，替换后的模型残差不存在二阶序列相关，Hansen检验结果显示工具变量有效，且各主要变量符号及显著性与前述模型基本一致，说明本文的实证结果是稳健的。

表3 2007—2017年我国30省份人力资本对环境库兹涅茨曲线影响的稳健性检验结果

以上研究验证了经济发展水平和水污染的环境库兹涅茨曲线关系，得到了人力资本能够缩小经济增长与水污染同步的“两难”区间的研究结果，从整体上明确了人力资本对环境库兹涅茨曲线的影响。而人力资本如何影响经济发展水平及水污染，即人力资本如何影响环境库兹涅茨曲线上点的移动有待进一步研究。

5 人力资本与环境库兹涅茨曲线关系的再解释

改善环境的当务之急是提高人均收入水平［20］，因此，经济发展是改善环境污染的驱动因素。通过研究人力资本对经济发展水平的影响，进而确定对应的环境库兹涅茨曲线上的水污染排放量，能够进一步明确人力资本对环境库兹涅茨曲线的作用过程，是对两者关系的微观探讨。

5.1 人力资本对环境库兹涅茨曲线的作用机理

基于以上分析，本文从人力资本与经济发展水平关系入手展开分析研究，提出如下计量回归模型：

表4结果显示，3种模型估计结果中稳健标准误下的普通最小二乘法（OLS）计量结果解释变量不显著，这可能是由于OLS估计仅假设解释变量与误差项不相关，但内生性会导致估计结果的不显著。另外，应用xtoverid命令进行稳健的Hausman检验，其结果拒绝随机效应（RE）的原假设，支持固定效应（FE）。

表4 2007—2017年我国30省份人力资本与经济发展水平的回归估计结果

固定效应回归结果显示，人力资本与经济发展水平在1%的置信水平上显著，回归系数为0.162，说明两者呈正相关关系，即人力资本提高1%，经济发展水平提升0.162个百分点。这表明，人力资本的提高能够显著提升经济发展水平，沿横轴正方向移动，使得纵轴上对应的水污染排放量沿着环境库兹涅茨曲线向右上方移动，这与表2列（3）的回归结果中人力资本变化引起的水污染变化移动方向一致，说明人力资本变化能够促进经济发展，扩大水污染排放，缩短“爬坡”时间。同时，本文的回归分析表明，人力资本能够缩小经济发展水平与水污染正相关的“两难”区间，使得环境库兹涅茨曲线向左下方移动。综合来看，可以认为人力资本是环境库兹涅茨曲线移动的加速因子，既能够缩小经济增长与水污染同步的“两难”区间，又能够推动经济发展，缩短“爬坡”时间，加速环境库兹涅茨曲线拐点的到来，进入经济与环境协调发展的双赢阶段。可见，提升人力资本对于促进经济发展，转变高能耗、高污染的经济增长方式，实现可持续发展具有重要意义。而我国经济发展水平呈地区异质性，地区经济差距是我国经济发展不平衡的主要表现形式，是制约中国经济整体水平的关键因素，因此，缩小地区经济差距，推动经济整体发展，提升总体经济平均水平既是实现“共同富裕”目标的要求，也能为环境库兹涅茨曲线移动提供稳定动力。已有研究从政策效应、地区全要素生产率、产业结构和要素积累等方面对此开展了深入研究［21-24］，本文则尝试从人力资本角度查找缩小地区经济差距的有效途径。

5.2 人力资本与地区经济差距

目前，测度地区经济差异的指标主要有泰尔指数及其分解、变异系数和基尼系数，下面分别给出各类指数的计算公式。

（1）泰尔指数是基于熵指数提出的反映地区经济差距基本特征的主要衡量指标，而熵指数主要反映收入分布不平等的状态，广义的熵指数计算公式如下：

式（5）中：n为样本中个体的数量；为个体i的收入水平指标；；α为灵敏度参数，用于调节不同个体占总体份额权重的大小，原则上可以设置为任意数值。当α=1时，熵指数即为泰尔指数：

当α=2时，熵指数变为变异系数（Cv）平方的一半，即：

同时，通过对泰尔指数的分解可以将地区经济差距划分为不同的组成部分，包括地区内差距和地区间差距：地区内差距是指所有地区分组中每个组的地区之间的差距；地区间差距是指所分的各组地区之间的差距。假定将所有地区分为m组，则经过分解的泰尔指数公式为：

（2）基尼系数是定量测定收入分配差异程度的指标。针对地区经济差距的基尼系数计算公式如下：

式（9）中，pi和pj分别为地区i和地区j的人口数量。

本文将代表经济发展水平的人均GDP变量代入式（6）至式（9）（对数的底取为e ）用以测度地区经济差距，将30省份划分为东中西部三大地区1），计算结果见表5所示。在分析区间内，三大地区的基尼系数稳步下降，2007—2009年基尼系数在0.3～0.4之间，收入分配处于相对合理状态；2010—2017年基尼系数均小于0.3，收入分配处于比较平均状态，说明地区收入分配逐渐平均，整体上收入分配差距呈减小趋势。变异系数呈现与基尼系数类似的变动趋势，2017年比2007年下降了24.93%，且逐步趋于平稳。泰尔指数亦呈下降趋势，2017年比2007年下降了35.96%，表明总体上地区经济差距逐步缩小。地区间差距在2014年比2007年下降了55.25%，在2014—2017年上升6.13%，表明地区经济差距在大幅下降后呈缓慢扩大趋势。因此，本文选取人均GDP的泰尔指数及其地区间差距作为被解释变量代表三大地区的经济发展差距；同时，为了检验回归结果的稳定性，本文将人均GDP的基尼系数和变异系数分别作为被解释变量进行了回归估计。

表5 2007—2017年我国三大地区经济差距测度结果

为了分析人力资本对地区经济差距的实际影响，基于杨正林等［25］的研究思路，本文构建如下实证分析模型：

2007—2017年三大地区的人力资本与地区经济差距回归估计结果如表6所示，其中BP检验、怀特检验用于检验异方差，BG检验用于检验自相关性。表6的回归结果均通过了异方差和自相关检验，无论人均GDP的差距程度基于泰尔指数及其分解的地区间差距指数测度，还是基于基尼系数、变异系数衡量，人力资本变量的系数在相应回归中均显著为负，表明人力资本与地区经济差距呈负相关关系，地区经济差距随着人力资本的提高呈下降趋势，这说明人力资本能够较好地缩小东中西部的经济发展差距，促进人力资本积累，对于缩小地区间经济差距具有十分重要的意义［26］。另外，人均外商直接投资的系数为负，且在相应回归中均显著，表明该变量也能够缩小东中西部的经济发展差距。但从回归系数看，人力资本变量系数的绝对值均大于人均外商直接投资变量系数的绝对值，表明人力资本变量对地区经济差距的影响程度更大，说明人力资本变化能更好地缩小东中西地区的经济发展差距；城镇化水平、产业结构和地区经济开放度在相应回归中均不显著，表明这些变量不能有效地缩小各地区经济的不平衡状况［27］。

表6 2007—2017年我国三大地区人力资本与地区经济差距的回归估计结果

6 结论与对策建议

本文基于SYS-GMM估计方法，利用2007—2017年我国30个省份面板数据，研究了水资源视角下的人力资本与环境库兹涅茨曲线关系，得到如下主要结论：（1）经济发展水平与水污染之间存在环境库兹涅茨曲线关系；（2）人力资本是环境库兹涅茨曲线移动的“加速”因子，既能够缩小经济增长与水污染同步的“两难”区间，又能够推动经济发展，缩短“爬坡”时间；（3）人力资本能够有效缩小东中西部经济差距。据此，提出以下对策建议：

第一，应持续提升人力资本，助推创新驱动战略实施。人力资本变化是促进经济增长、降低水污染、实现可持续发展的重要因素，因此，应着力形成高级人力资本主导的人力资本结构调整格局，持续推进经济从高速增长向高质量发展转变，注重提升创新能力和效率，提高经济发展过程中的水资源利用效率，为经济绿色发展提供有力支撑。

第二，应优化人力资本结构，缩小地区人力资本差异。我国的地区经济差距呈扩大趋势，人力资本是缩小地区间经济发展水平差距的有效因子，因此，面对人力资本分布不均衡和劳动力人口持续下降造成的人力要素生产压力，应着力实施“内培外引”人才战略，以制度激励内生驱动力，实现人力资本的优化配置。

注释：

1）按照国家统计局对我国经济区域划分方法，东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。