人力资本视角下的新型城镇化高质量发展研究——以安徽省16个地级市为例

华德亚，李 纯

（安徽大学经济学院，安徽 合肥 230000）

1 概述

城镇化作为建设社会主义现代化的必由之路，一直都受到党中央的高度重视。十八大以来，为了在新时期能更进一步推动新型城镇化发展，党中央做出了诸多科学的部署和合理的设计，尤其是在“推进以人为核心的新型城镇化”方面。近期在十九届五中全会中，更是进一步强调了以人为核心的建设，以此确定了未来新型城镇化发展的方向、目标和任务。其实对于新型城镇化的“新”来说，归根结底“新”在以人为核心，城镇化本质上是人的城镇化，城镇化的高质量发展方方面面都离不开高质量的人才，高尖端、高水平、高技术的人力资本是城镇化建设的根本，尤其当前，我国面临着新发展阶段，国内外发展环境也正发生着难以预测的变化，逆全球化抬头、第四次工业革命来临、人口老龄化甚至新冠疫情引发的公共卫生安全等问题都势必会对新型城镇化发展提出更高的质的要求。因此，面对新时代背景，为了高质量完成第二个百年奋斗的目标，溯源而上从人力资本的角度分析城镇化高质量发展的路径，及时发现目前人力资本对城镇化推动作用存在的不足之处，具有重要的现实意义。

对于新型城镇化的研究一般从国家层面或省级层面来分析，可以划分为两类：一是从理论层面探讨城镇化建设。方创琳（2019）将全国划分为5大高质量发展类型区和47个亚区从而推出未来城镇化发展路径[1]。杨仪青（2013）通过对比国外城镇化发展的主要模式，立足中国实际，提出中国城镇化发展的路径选择[2]。高国力（2021)提出新型城镇化和产业结构升级联动存在供需平衡、投资联动和要素集散三大效应，并从与产业发展布局等角度，围绕引导人口和产业有序集聚等方面提出改革举措建议。二是从实证角度测度城镇化发展状况[3]。李海英（2019）通过分析民族地区内部与发达地区外部间的城镇化要素，实证发现民族地区内外均存在不平衡问题[4]。汪增洋 (2019)从人的城镇化和小城镇发展的角度发现，小城镇发展质量和到中心城市地理距离之间具有“∽”型关系[5]。廖中举(2020)选取我国30个省份2007-2016年的统计数据，采用R软件比较研究发现我国新型城镇化水平呈现持续增长的趋势，不同省份的新型城镇化水平呈现出显著的三个分类，子系统之间存在一定的协调度[6]。具体精确到人力资本方面，相关研究也十分多样。姚旭兵（2016）研究人力资本、技术创新和城镇化关系时发现，人力资本存在空间溢出效应，农村人力资本低下是抑制城镇化发展的重要因素[7]。黄乾（2009）认为要促进农业转移人口的非农业化从而提升新型城镇化建设，首先必须要促进人力资本的提升[8]。王秀芝（2015）发现城乡人力资本的异质化拉大了城乡差距，阻碍了新型城镇化的进程[9]。

综上所述，大多数研究多集中于对新型城镇化的内涵界定，现状分析，问题短板，路径选择，动力机制等方向，且对新型城镇化发展质量的评价标准也不统一，需要依据新形势，综合各方面的因素选取不同的指标，构建相对科学合理的评价体系，测算新型城镇化发展的综合分值。而且对于人力资本与城镇化的研究也多集中与全国层面，以中东西大类区域为主，具体到省级层面分析的较为少见。因此本文在以往研究的基础上，结合当前具体情况，构建新型城镇化质量评估体系，以安徽省16个地级市为例，测算其2007-2019年新型城镇化发展水平，同时结合人力资本的测度数据，运用stata13进行中介效应和调整效应模型的实证分析，为安徽省新型城镇化高质量发展提出方向和建议，也为全国新型城镇化高质量提供一定的经验参考。

2 新型城镇化发展水平综合测度与评价

2.1 指标体系的建立

参考《国家新型城镇化规划（2014-2020年）》的指标设定，同时结合五大发展理念，考虑数据可比和可测性，从人口发展质量、基础公共服务、社会保障、城乡融合质量、生态环境质量五个方面构建一级指标，同时采用主成分分析与相关系数相结合的方法筛选指标集，最终结果如表1：

表1 新型城镇化发展水平评价指标体系

2.2 数据来源

本文所有数据均来源于 《安徽省统计年鉴（2007—2019 年）》《中国城市统计年鉴（2007—2019年）以及政府相关年份统计公报。

2.3 指标权重计算

因客观赋权能够避免主观随意性的问题，为保证测评结果更为真实科学，本文从常用的指标赋权法中选取客观赋权法。客观赋权法又分为主成分分析法、因子分析法、变异系数法和熵值法。为避免测算结果出现负值导致难以横纵向比较，且出于对指标的实际意义和经济意义的考虑，本文采用熵值法。该方法是利用评价指标的固有信息来判别指标的效用价值，能在一定程度上避免了主观因素带来的偏差[10]。计算步骤如下：

（1）指标标准化

正向指标的无量纲化处理：

负向指标的无量纲化处理：

为了后续信息熵中的对数运算能够正常的运行，将 xij平移 q 个幅度的坐标，q＞min(xij′),且 q越接近 min(xij′)，结果越显著[11],本文 q 取值 0.01。

根据表1确定的指标和原始数据，利用熵权法确定的权重结果如表1所示。从一级指标来看，城乡融合质量累计权重最低，为0.131，均值0.044。人口发展质量累计权重0.168，均值0.042。社会保障累计权重最高，为0.302，均值0.075基础公共服务累计权重次之，为0.224，均值0.045。生态环境质量累计权重0.175，均值0.035。不难得出，社会保障对安徽省新型城镇化影响程度最高，因为其中教育、医疗、养老事项与城镇居民生活紧密联系。同理，基础公共服务对安徽省新型城镇化也有着较为显著的影响。反之，人口发展和生态环境质量对其影响稍弱，证明随着安徽省城镇化进程的不断深入，对以人为核心和以绿色为导向的发展进程也需进一步深化，需形成配套发展，协调发展的态势。而城乡融合质量权重最低，说明安徽省城乡融合发展任重而道远。从二级指标来看，平均权重为0.0476，有10个二级指标高于平均权重，表明这些指标对安徽省新型城镇化质量评价影响显著。

（5）综合评价值：

根据测算的权重和各维度的指数，采用线性加权法计算综合评价值，公式为：

其结果如表2所示：

表2 2007-2019年安徽省地级市新型城镇化综合评分

从时间角度纵向来看，从2007到2019年，安徽省总体上新型城镇化质量呈现逐年上升趋势，个别城市呈现波动式变动。16个地级市中，六安市质量综合分数的增量最高，为0.031，增速为5.23%，其次是阜阳市，提升的总量为0.028，增速为5.46%。其中淮北，淮南、马鞍山和铜陵出现了较大的负增长现象，究其原因发现淮北，淮南、马鞍山和铜陵市城乡融合质量水平在全省排名持续降低，乡村资源要素未与城市市场充分对接，改革红利未充分释放，导致发展潜力和后劲不足。淮北市在公共交通建设等基础设施建设方面滞后。淮南市在经济快速发展的同时，忽视了污染性强、效率性低的企业影响，导致了人居环境的破坏，从而影响了新型城镇化的发展。

从城市角度横向来看，综合评分平均值前三是合肥市 （0.15）、芜湖市 （0.083）、马鞍山市（0.077）， 后三名是阜阳市 （0.045）、 亳州市（0.041）、宿州市（0.04），基本符合安徽省城市发展现状。根据评分，利用spss软件，运用系统聚类法，大致可以将安徽省地级市分为三类：合肥独一类，为城镇化高水平区域。芜湖、马鞍山、铜陵、淮南、淮北为一类，为城镇化中水平区域。余下城市为一类，为城镇化低水平区域。

图1 新型城镇化质量聚类谱系图

3 人力资本对安徽省新型城镇化影响的实证研究

3.1 人力资本的测算

关于人力资本的测算方法并未形成统一的标准，一般可以从人力资本的投入或者产出两个角度来度量。由于教育在人力资本的形成中起着关键性作用，因此，在经验研究中一般采用与教育相关的指标来度量，其中常用的是平均受教育年限指标［12］。本文同样采用此方法，同时参考杜伟（2013）[13]设定的教育年限，得出地区人力资本计算公式为=文盲与半文盲人口占比*2+小学人口占比*6+中学人口占比*9+高中人口占比*12+专科及以上人口占比*16。安徽省各地级市人力资本变化如图2所示。

图2 安徽省各地级市人力资本时间序列图

从图二中，可以直观看出安徽省所有城市人力资本存量总体上均呈现上升趋势，个别城市出现短暂下落。2019年，只有合肥和芜湖两市人力资本超过10，最低的是亳州市，仅为8.32。就增量而言，芜湖和合肥增量最多，超过3.5年，阜阳市增量最少，不足0.6年。全省2019年平均人力资本为9.35，略低于全国的平均水平9.44，安徽省人力资本在质和量上仍需要进一步提高。

3.2 模型构建

本文旨在研究人力资本对新型城镇化产生影响的途径，需要构建中介效应模型，所谓中介效应，即研究x对y影响时，是否会通过中介变量z间接影响y,如果存在这种关系说明存在中介效应。因此首先要确定中介变量，参考王义龙（2020）[15]指标的选取，本文最终指标选取如下：

因变量：新型城镇化高质量发展水平，采用2.5测算的综合评分值；自变量：（1）人力资本（hum）。采用 4.1 的测算结果。中介变量：（1）技术创新 （tec）。选取各市有效科学发明专利数来表示。（2）产业结构升级（ind）。用各市（第二产业+第三产业）/实际GDP来衡量。（3）劳动生产率（lab）。采用各市实际GDP/年末就业人数来衡量；控制变量：（1）固定资产投资（fix）。用社会固定资产投资/实际 GDP 来衡量。 （2）财政支持（finsup）。采用各市财政支出/实际GDP来衡量。

最终模型构建如下：

（1）基础模型

Lnurbqual、lnhum、lntec、lnlab、lnind、lnx 分别表示城镇化水平、人力资本、技术创新、劳动生产率、产业结构升级、控制变量数据的对数，i表示安徽省各地级市，t代表年份，e代表扰动项。

（2）中介效应模型

（3）调节效应模型

调节效应是研究X对Y的影响时，是否会受到调节变量Z的干扰，本文为了检验控制变量对核心变量的影响，设置核心解释变量与控制变量相乘之后的交叉项作为调节变量，构建模型如下：

3.3 实证分析

3.3.1 数据多重共线性和平稳性检验

为了消除异方差影响，先对数据进行对数化处理，为防止多重共线性影响，进行多重共线性检验，结果表明，各指标中VIF最大值为4.21，远小于10，不存在多重共线性。为了防止虚假回归，确保结果的准确性，采用LLC检验法对数据进行平稳性检验，结果表明，lnhum和lnind存在单位根，差分处理后序列平稳。

3.3.2 实证结果分析

为避免可能出现的不随时间而变的遗漏变量的影响，经过豪斯曼检验，考虑使用固定效应模型，使用stata13回归结果如下：

温忠麟等（2012）[14]判断中介效应存在需要同时满足以下四个条件：（1）解释变量对被解释变量影响显著（2）解释变量对中介变量影响显著（3）把中介变量纳入模型之后，中介变量对被解释变量显著（4）中介变量加入模型后，解释变量降低了被解释变量的解释力度。调节效应存在的判定是在纳入调节变量之后，调节变量对被解释变量的影响效应显著。

如表3所示，从基础模型回归结果可以看出，四个解释变量对被解释变量效果显著，呈现正向促进作用，其中人力资本提升一个单位，城镇化水平提升0.3802个单位；技术创新提升一个单位，城镇化水平提升0.0058个单位；劳动生产率提升一个单位，城镇化水平提升0.093个单位，产业结构升级提升一个单位，城镇化水平提升2.792个单位。满足了中介效应判定的第一个条件。为验证第二个条件，分别将技术创新、劳动生产率、产业结构升级作为被解释变量，人力资本作为解释变量构建模型回归，结果表明人力资本对上述被解释变量均具有正向的促进作用，满足中介效应判断的第二个条件。

表3 基础模型回归结果

将中介变量加入模型后，回归结果如表4所示，模型五显示，人力资本对城镇化的影响由0.3802降低到0.3783，且技术创新对城镇化促进作用显著，满足了中介效应的所有条件，表明模型五中介效应存在，其现实意义表现为：随着安徽省对人力资本越来越重视，人力资本不仅在数量上不断增长，质量上也稳步提高，而且结构上也不断完善，各行各业都引入了高质量人才，尤其是高新技术产业，高尖端人才聚集，促进了知识和技术的溢出效应，激发并释放企业创新活力，现代化、智能化、信息化进程加快，从而推动了新型城镇化的发展。模型六显示，人力资本对城镇化的影响由0.3802降低到 0.3678，且劳动产生率对城镇化正面促进效用显著，满足了中介效应的所有条件，同样存在着中介效应，其现实意义表现为：安徽省人力资本已经由低端劳动力向中高端转变，并且越来越多的劳动力开始注重自身素质的提高，不断自我学习自我提升，以先进的知识和前沿的理论丰富内涵，因此在工作技能、工作效率、业务水平等方面持续提升，有了跨越式的长足进步，全社会劳动生产效率大幅提升，同样的时间内可以创造更多的社会产品和服务，整体社会价值也随着上升从而促进了新型城镇化发展。模型七显示人力资本对城镇化的影响由0.3802降低到0.2914，且产业结构对城镇化正面促进效用显著，满足相关条件，说明存在着中介效应。其现实意义表现为：安徽省人力资本随着各方面能力的提升，逐步从第一产业向第二、三产业转移，尤其是农业人口逐渐向城镇人口转化，于个人而言，提高了收入水平，改善了生活环境，更重要的是，于社会而言，加速了安徽省的产业结构转型升级，助推了新型城镇化的发展。

表4 中介效应回归结果

表5反映的是财政支持和固定资产投资对安徽省新型城镇化发展的调节效应，从回归结果来看，人力资本与固定资产投资的交互项显著为正，说明固定资产投资对安徽省城镇化发展起着促进作用，该调节作用的现实意义为：安徽省通过社会固定资产投资，不断新建和购置固定资产，更新先进技术设施，建立新兴部门，为人力资本发挥才能提供了更广阔的平台，进一步优化了劳动力的区域分布，同时通过公共基础设施的建设支撑了劳动力的物质文化生活，对于城镇化建设有着积极的作用。人力资本与财政支持的交互项不显著，说明其调节效应不存在。究其原因可能在于财务支持对城镇化发展具有双重效应，一方面安徽省通过加大财政资金支持力度能够加强对城镇化建设的财政保障，完善与人力资本生产生活息息相关的教育、医疗、社保、住保和就业等基本保障，促使城乡服务均等化发展，从而提升人力资本对城镇化发展质量。但同时另一方面，人力资本在市场经济条件下才能实现效用最大化，过度的财政支持可能会产生较大的挤出效应，抑制私有制经济中人力资本对市场潜力的激活力，降低社会经济发展的运行效率，从而削减了人力资本对城镇化发展质量的影响力度。两方面的影响相互抵消，可能是导致财政支持调节效应不存在的原因。

表5 调节效应回归结果

4 结论与建议

本文以安徽省16个地级市为研究对象，采用熵值法，中介效应模型，利用spss,stata等计量软件对2007-2019年的数据进行测算分析，从而进一步对安徽省新型城镇化质量的时间演变动态及人力资本对其产生影响进行实证研究，可以得出以下的结论：

（1）针对安徽省16个地级市新型城镇化质量的测度，可以发现总体上，该指标呈现上升趋势，但分城市看淮北，淮南、马鞍山和铜陵新型城镇化发展出现了较大的负增长现象，主要原因在于这些城市在城乡融合质量、基础设施建设、生态环境保护方面存在着不足。利用系统聚类法，可以将地级市新型城镇化发展分为高中低三类，大部分城市仍处于低发展水平。目前在高质量发展子系统中，社会保障累计权重最高，对新型城镇化发展影响最大，城乡融合质量累计权重最低，影响最小。

（2）对安徽省16个地级市人力资本存量测算后发现，所有城市总体上均呈现上升趋势，个别城市在发展过程中出现短暂下落。就增量而言，芜湖和合肥增量最多，阜阳市增量最少。综合来看，人力资本排名前三的是合肥、芜湖和蚌埠市，亳州市和阜阳市常年位居后两名。全省人力资本均值略低于全国均值，对人力资本的提升应引起相应的重视。

（3）实证分析可以证明安徽省人力资本对新型城镇化发展具有显著的促进作用。通过中介效应来看，人力资本能够通过影响劳动生产率、技术创新、产业结构升级等路径来提升新型城镇化质量。通过调整效应来看，社会固定资产投资可以通过影响人力资本从而影响城镇化发展，而财政支持则可能因为双重效应导致对人力资本的影响并不显著，需要把握好财政支持的力度从而实现对人力资本提升的积极促进作用。

针对结论提出以下的建议：

（1）激发创新动力，点燃发展引擎。一是支持企业建立科研研究基地，利用市场柔性引进人才，吸引科技人才的流入。二是产学研结合，通过项目带动培育出新兴科技发展与转化的本省领军人才。三是加快孵化一批根植本省的科技型小微企业和创新创业团队，同时帮助企业加速成长壮大。四是建立科学技术创新发展服务型网络，改善创新生态外在环境，加强科技服务支撑能力。五是推动产业科技成果产品化、商业化及规模化应用，打造创新战略高地，建立服务政府和企业的一流科技创新智库。最终通过加快科技创新成果推广、转化及应用，支撑新型城镇化高质量发展。

（2）优化产业结构，加快转型发展。一是积极探索产业发展的新模式新路径。使不同产业之间能够布局合理、实现要素配置优化，最大限度节约资源，最终实现集约利用，合理科学承接产业转移。二是建造空间布局较为集中的产业园。打造特色型产业同时加大产业之间关联度，促使产业链间能够协调配套发展。三是构筑“人才——创新——产业”三位一体的杠杆链条，合理延伸产业链条，促进不同产业链条和不同企业之间的纵横连接。四是整治产业整体的发展环境，淘汰落后产能，扶持或引进先进示范性型产业，提升整个产业的发展环境的质量和生产效益。五是加强金融与产业的深度融合与互动发展，利用数字经济推动产业要素资源和知识产权资本化。最终通过促进产业结构升级路径来提升新型城镇化发展质量。

（3）改进人才构成，提高生产效率。一是强化人才引育力度，引进高层次的人才和高潜力的创业团队。二是建立市场化的灵活用人机制，建立完善的人才体系，把各类型、各层次的人才纳入政策扶持范围。三是深入实施对技术型人才教育方式和培训模式的改革，全面深化校企共同育人的协同度，形成双主体培养方式。四是打造企业间人才以及知识相互交流的平台、营造良好的创新创造环境，促进人力资源向第三产业流动。最终通过提高社会劳动生产效率，加快城镇化高质量发展。