人力资本结构高级化何以推动产业转型升级？

袁冬梅，李恒辉，龙 瑞

(湖南师范大学 商学院，湖南 长沙 410081)

一、引言

新发展格局下，推进创新驱动和产业转型升级是促进经济高质量发展的重要基础和保障，党的十九大报告和十九届五中全会均强调建设制造强国、推进产业转型升级的重要性，而创新驱动和产业转型升级必须依靠高素质人力资本的支撑[1]。随着我国要素结构特征由“人口红利”转向“人才红利”，人力资本成为驱动我国产业升级和经济发展新比较优势[2-3]。近年来，在实施“人才强国”战略背景下，中国人力资本结构正经历着巨大变化，尤其是始于上世纪末的高等教育大众化改革加速了人力资本数量及结构的变化进程，《中国人力资本报告2020》数据显示，全国劳动力人口中初中及以下受教育程度人口占比从2000年的80.99%下降到了2018年的60.2%，而高等教育程度人口占比从2000年的4.42%上升到了2018年的19.24%。事实上，人力资本存量和结构演进与经济增长同步已成为中国经济发展进程中的典型特征[4]，突出表现为低教育程度人力资本数量比重不断下降，高等教育程度的人力资本数量和比重持续上升。那么，中国人力资本结构变化是否有效推动了产业转型升级呢？又是通过哪些途径影响产业转型升级？在当前新发展格局背景下，上述问题的回答具有重要的理论和现实意义。

内生增长理论强调人力资本是经济增长的主要源泉[5-6]，这一结论也得到我国较多学者的研究支持[7-9]。而产业转型升级作为驱动经济增长的核心动力[10]，许多学者也对人力资本和产业转型升级之间的关系展开了研究。中国经济增长前沿课题组、苏杭等、阳立高等均指出我国人力资本积累显著促进了制造业结构升级[11-13]。李萍和谌新民认为劳动者个体所具备的人力资本状况会对其自身就业稳定性及其所在区域产业转型升级产生影响，高存量的人力资本更有利于企业进步和产业升级[14]。而人力资本与产业转型匹配是产业转型升级的重要影响因素[15]。综合来看，上述文献主要研究人力资本数量变化的作用，而忽视了人力资本结构变化对产业转型升级的影响，对产业转型升级的认识也局限于主导产业部门的更迭或者产业价值链的提升，事实上，不同教育程度与技能的人力资本所具备的创新潜力、学习能力以及技术外溢性存在差异[16]，新发展格局背景下产业转型升级的内涵应是产业适应社会经济形态变化，由“三低两高”(低技术水平、低附加值、低水平开放、高污染与高资源消耗)向“三高两低”(高技术水平、高附加值、高水平开放、低污染与低能耗)转型升级的过程。因此，本文借鉴刘智勇等、余泳泽等的指标构建思路[17-18]，利用向量夹角度量我国人力资本结构高级化水平，利用组合赋权法度量我国产业转型升级水平，力争更为准确地反映人力资本结构高级化进程对产业转型升级的影响。

本文可能的贡献如下：第一，与以往研究侧重探讨人力资本存量影响不同，本文侧重探讨人力资本结构相对变化对产业转型升级的影响，基于我国现有劳动力人口中初中及以下受教育程度人口比重仍高达60%左右，判断不同教育程度人力资本的结构相对变化对促进产业转型升级的作用更具现实意义。第二，利用组合赋权法选取基础产业发展、高技术水平、高附加值、高水平开放以及绿色发展五个层面来设计产业转型升级的综合指标评价体系，更准确刻画新发展格局背景下的产业转型升级。第三，在机制分析上，运用中介效应模型检验人力资本结构高级化是否通过促进研发投入、推动城镇化和促进消费升级等中介效应推动产业转型升级，这有助于深入理解人力资本与产业转型升级之间的内在作用机理。

二、理论分析与待检验假设

产业经济学经典理论指出产业转型升级是经济发展的核心动力和内在要求[19]，而实现产业转型升级需要要素投入结构同步升级，这不仅需要劳动力数量保证，更需要劳动力质量保证。结构主义学派认为一国经济发展会受到产业结构变化的影响[20]，而一国要素禀赋结构内生决定着其最优的产业结构[21]，人力资本作为重要的投入要素，其自身结构的相对变化必然会影响到产业转型升级。一方面，高层次人力资本的持续增加在很大程度上缓解了生产企业长期以来面临的知识和技能劳动力供给不足的约束，使得生产企业可以雇佣更多高知识和技能的人力资本，发展产品附加值更多、科技创新程度更高的产业，摆脱依靠固定资本甚至依靠体力所从事的初级加工产业，为产业转型升级提供智力支撑[22]。另一方面，具备高级人力资本的劳动力通常也有着更高的生产效率，向下兼容性的特征明显，在胜任资本和技术密集型行业工作的同时，也能熟练兼任劳动密集型行业的工作[23]，人力资本结构高级化带来高知识和技能人力资本供给的增加提高了企业劳动者的总体素质，提升了企业劳动生产效率。再者，在生产过程中，人力资本在“干中学”效应下逐渐提升适应能力和生产效率，降低了产业转换成本，有利于提高产业转移和扩散速度、加速产业转换进程，既有利于改造和提升传统产业，也有利于新兴产业的出现和发展，促进产业向知识技术集约化方向升级[12][24]。因此，人力资本结构高级化对产业转型升级的直接作用在于要素结构转换，人力资本结构高级化是高级人力资本逐渐取代初级人力资本并占据主体地位的动态调整过程[17]，这一动态过程促进形成新要素禀赋优势，满足了产业转型升级对要素投入结构升级的需求。

不仅如此，人力资本结构高级化和产业转型升级之间还可能存在研发投入效应、城镇化效应和消费升级效应，这些效应发挥了中介机制的作用。具体表现在：

(1)研发投入效应。内生增长理论指出创新是经济增长的来源，而创新离不开研发投入的支持，研发投入不仅能提供技术支撑[25]，还能在企业间产生外部效应[26]，从而推动产业转型升级，而人力资本结构高级化可能通过促进研发投入而推动产业转型升级。一方面，人力资本结构高级化意味着更多高知识和技能水平的劳动力供给，能够有效促进不同技能劳动力的专业化分工，有利于劳动力的高低技能匹配和优势互补，降低企业生产成本，增加包括资金和人员在内的R&D投入，实现生产技术改进和产品技术创新[27]；另一方面，具备较高人力资本的劳动力一般有较强的学习和研发能力，是企业内部从事研发创新活动的主力军，人力资本结构高级化将有效地增加高知识和技能劳动力供给，其作为技术使用的基础性要素和载体，会极大程度诱发技术研发活动的产生[28-29]；再者，高技能人力资本具有较强的生产能力，其在干中学过程中对企业生产工艺与流程更为精通，相比于其他员工更有可能发现已有生产工艺与产品的不足[30]，进而激发企业增加研发投入开展工艺和产品的创新[31]。

(2)城镇化效应。以往关于人力资本的研究较少关注到人力资本的空间集聚特征[32]，事实上，劳动力个体人力资本越高，就越倾向于定居城市[33]，城市不但拥有更多的消费舒适物，而且具有更大的宽容度和多元性(社会舒适物)，从而更为高层次人力资本青睐[34]。人力资本这种空间集聚特征表现为人力资本在城市地区的不断集聚，并且早期人力资本发展水平越高的地区，人力资本扩张速度更快，产生人力资本“大分流”现象[35]。而具备较高人力资本和收入的劳动者，对于商品、公共服务和环境要求更高，其在城市中的快速集聚和扩张势必会推动城市生产和生活繁荣，带动就业增长和推动城市产业向现代产业转型升级[36]。另外，空间经济集聚和扩散的对称均衡更容易被具备较高人力资本劳动者的流动打破，人力资本丰富的地区更容易吸引产业集聚[37]，并以城市为载体形成集聚效应，推动产业转型升级。

(3)消费升级效应。产品生产是为了满足消费需求，产业结构会因消费需求的升级而动态调整，人力资本结构高级化可能通过推动消费升级而影响产业转型升级。一方面，具备高知识和技能水平的人力资本的预期收入水平相对也较高[38-39]，凯恩斯消费理论指出个体或家庭收入水平和边际消费倾向决定着该个体或家庭的实际消费需求，消费会随收入的增减同向变动，收入提高会促进消费需求层次提升，其中耐用消费品、奢侈品消费需求将扩大，个性化、时尚化、健康养生类消费品会得到更多关注，日常的、普通的消费品需求相对减少，这种需求层次和消费结构的变化将催生新行业、新产品和新业态，促进研发和创新，并推动产业转型升级；另一方面，个体的消费观念会随着教育资本积累而发生改变[40]，具备高知识和技能水平的人力资本对消费品品质要求更高，要求社会生产不仅要提高生产效率以满足产品数量需求，还要积极开展研发创新活动，提高产品质量、满足产品品质需求。那么，传统的低附加值产业与这样的需求就会不相匹配，生产逐利的特征使这样的产业改造升级或萎缩减产，而那些技术含量高、产品附加值高的产业则因符合市场需求实现规模扩大，实现产业转型升级。

综上，本文认为人力资本结构高级化不仅直接促进产业转型升级，而且可能通过研发投入效应、城镇化效应和消费升级效应促进产业转型升级。基于以上分析，本文提出：

假设1：人力资本结构高级化对推动产业转型升级具有积极作用。

假设2：人力资本结构高级化可以通过研发投入效应、城镇化效应和消费升级效应促进产业转型升级。

三、实证检验

1.模型设定和研究方法

为检验人力资本结构高级化对产业转型升级的具体作用，借鉴刘智勇等的模型构建方法[17]，构建计量模型如下：

lnInd_Upit=β0+β1lnHSTRUCit+θXit+φi+εit。

(1)

式(1)中，被解释变量Ind_Upit代表i省份t时期的产业转型升级水平。核心解释变量HSTRUCit代表i省份t时期人力资本结构高级化水平。为保证模型设立的可靠性，参考以往文献，加入了可能对被解释变量产生影响的其他控制变量X，包括：政府干预程度(GOV)，用各省份财政支出占GDP的比重衡量；对外开放水平(OPEN)，用各省份进出口总额占GDP的比重表示；固定资产投资水平(INV)，用地区固定资产投资占GDP的比重来代理；金融发展水平(FINA)，采用地区金融机构年末存贷款余额占GDP的比重表示；环境规制水平(ERS)，采用各省市工业污染治理完成额占GDP的比重衡量。φi代表地区固定效应，εit是扰动项。

2.数据来源与变量选取

(1)被解释变量：产业转型升级。本文认为新发展格局下产业转型升级应是产业适应社会经济形态变化，由“三低两高”(低技术水平、低附加值、低水平开放、高污染与高资源消耗)向“三高两低”(高技术水平、高附加值、高水平开放、低污染与低能耗)转型升级的过程。本文参考余泳泽等的指标测度方法[18]，选取基础产业发展、高技术水平、高附加值、高水平开放以及绿色发展五大层面指标来设计产业转型升级(Ind_Up)的综合指标评价体系，其子指标的具体衡量方式如表1所示。

表1 产业转型升级综合指标评价体系

为得到稳健且反映真实数据质量的综合指标，本文拟借鉴戚聿东等的思路[41]，采用包含熵值法、CRITIC法以及等权重法的组合赋权法获得产业转型升级变量指标。

第一，熵值法。熵值法以现实数据为依托，能最大程度地反映指标信息熵的价值，是一种客观赋权法。具体计算步骤如下：

首先，指标数据的标准化处理：

正向指标标准化：Zij=(Xij-mj)/(Mj-mj)。

负向指标标准化：Zij=(Mj-Xij)/(Mj-mj)。

其中，Xij为地区i的第j项原始指标，Mj和mj分别表示样本期内第j项指标的最大值和最小值。

其次，计算第j项指标下第i个省份值占该指标的比重：

(2)

(3)

第二，CRITIC法。CRITIC法的核心思想是利用指标的变异性进行赋权，本质上亦是一种客观赋权法。具体计算步骤如下：

首先，指标数据的标准化(同上)。

其次，计算各指标的标准差σj及指标间相关系数υjh。

再次，计算各项指标的最优权重：

(4)

最后，计算各省份产业转型升级综合指标：

(5)

第三，等权重法。该方法是对指标体系里的所有子指标赋予相同的权重，即认为所选子指标衡量了综合指标的不同层面，进而难以区分各子指标的重要性。该方法对数据的依赖度不高，但也有不足之处，本质上是一种主观赋权法。

第四，组合赋权法。借鉴戚聿东等的指标构建思路[41]，以三种方法测算所得的指标权重均值作为各指标权重，得到综合指标数值。该方法同时考虑了数据变异性、冲突性和信息量，对数据的依赖度亦较为适中，是一种更为科学的赋权方法。

(2)核心解释变量：人力资本结构高级化。本文借鉴刘智勇等的方法[17]，首先将地区人口按受教育程度分为文盲半文盲、小学、初中、高中、大专及以上五类，构造出一组5维人力资本空间向量X0=(x0,1,x0,2,x0,3,x0,4,x0,5)。然后以向量组X1=(1,0,0,0,0)、X2=(0,1,0,0,0)、X3=(0,0,1,0,0)、X4=(0,0,0,1,0)、X5=(0,0,0,0,1)为基准向量，分别计算其同人力资本空间向量X0的夹角θj(j=1，…，5)：

(6)

式(6)中xj,i为基本单位向量组Xj(j=1，…，5)的第i个分量；x0,i为向量X0的第i个分量。将计算出的θj带入式(7)进而得到各省份人力资本结构高级化指数：

(7)

式(7)中，Wj为θj的权重，将W1、W2、W3、W4、W5分别设定为5、4、3、2、1，计算出各省份人力资本结构高级化指数Hstruc，Hstruc数值越大意味着越高的人力资本结构高级化程度，反之越低。

3.数据来源与描述性分析

囿于数据可得性，本文以我国除西藏以外30个省区市2003—2018年面板数据为研究样本，文中所涉及变量的原始测算数据来源于《中国人口统计年鉴》、国研网对外贸易数据库以及国泰安数据库，表2列出了各变量的统计性描述。

表2 各变量的统计性描述(N=527)

四、实证检验和分析

1.基准回归

基准回归使用固定效应模型对中国人力资本结构高级化是否推动产业转型升级进行实证检验，回归结果如表3所示。

表3 基准回归结果

表3列(1)-(4)逐步回归结果显示人力资本结构高级化系数始终在1%水平上保持显著，且控制变量的增加并不影响核心变量的显著性，说明从全国层面来看，当前我国人力资本结构所呈现出的高级化演进过程能够有效推动产业转型升级，这验证了本文的假设1。人力资本结构高级化是高级人力资本逐渐取代初级人力资本并占据主体地位的人力资本结构动态调整过程，这一动态过程促进形成新要素禀赋优势，带来的要素结构转换效应将直接促进产业转型升级。

2.稳健性检验

本文围绕基准回归结果中可能出现的变量测算、极端值样本和内生性问题等方面的估计偏误进行稳健性检验，稳健性检验结果如表4列(1)-(4)所示。

第二，考虑样本偏差。由于直辖市在经济规模、体系及人口分布等方面与其他省份存在较大差异，为了消除此类非随机性对回归结果的影响，在样本中剔除4个直辖市的数据以检验计量结果的稳健性，结果如表4列(3)所示。剔除北京、上海、天津、重庆四个直辖市样本后，人力资本结构高级化对产业转型升级的系数和显著性未发生明显改变，说明在剔除直辖市样本后，人力资本结构高级化对产业转型升级的回归结果依然稳健。

表4 稳健性检验结果

第三，考虑到变量存在内生性问题，人力资本结构高级化与产业转型升级两个变量之间存在较强的双向因果关系，人力资本结构高级化会影响产业转型升级，而产业转型升级的需求变化也会影响人力资本结构高级化进程。本文参考戴魁早等的做法[23]，选取2003—2018年各省(市)的高校数量(与个体变化有关)和前两期全国高校毕业生数(与时间有关)的交互项作为人力资本结构高级化的工具变量。一方面，地区高校数量影响着该地区接受过高等教育程度人力资本的输出量，进而影响到该地区人力资本结构高级化进程，满足相关性要求；另一方面，地区成立高校是由教育部认定，因此地区高校数量相对于被解释变量是外生的，满足排他性约束。因此，本文选取地区高校数量和前两期全国高校毕业生数的交互项为工具变量，对模型重新进行两阶段最小二乘法2SLS回归，同时对所选择的工具变量进行不可识别检验和弱工具变量检验;工具变量合理性检验显示分别在1%和10%的水平上拒绝原假设，验证了选择工具变量的合理性。回归结果如表4列(4)所示，人力资本结构高级化指标系数符号和显著性水平同样与基准回归保持一致，因此在考虑了模型潜在的内生性后，本文的计量结果依然稳健。

3.机制检验

为了更深入地理解人力资本结构高级化与产业转型升级之间的内在联系，验证前文提出的人力资本结构高级化影响产业转型升级的理论机制，本文参考温忠麟和叶宝娟的中介效应模型检验思路[42]，构建如式(8)-(10)所示中介效应递归模型：

ln Ind_Upit=β0+β1lnHSTRUCit+θXit+φi+εit，

(8)

lnMit=γ0+γ1lnHSTRUCit+θXit+φi+εit，

(9)

ln Ind_Upit=λ0+λ1lnHSTRUCit+λ2lnMit+θXit+φi+εit。

(10)

其中，M表示中介变量，本文从研发投入效应、城镇化效应以及消费结构升级效应三个方面加以考虑，其他变量定义同式(1)。第一，对于研发投入(R&D)的量化。本文借鉴李静等的方法[43]用各省市的研发投入占GDP的比重来反映各省市研发投入(R&D)的强度，相关数据来源于《中国科技统计年鉴》和国泰安数据库。第二，对于城镇化(URB)的量化。城镇化水平的提升，是农业转移人口不断向第二、第三产业转移的过程，由于我国常住城镇人口与户籍城镇人口存在差异，本文用常住城镇人口占总人口的比重来度量，相关数据来源于《中国统计年鉴》和国泰安数据库。第三，对于消费升级(UPCONSU)的量化。借鉴谢小平的方法[44]采用各省市非食品消费支出与消费性总支出的比值分别计算出城镇与农村的消费结构升级水平，并根据城乡人口比重进行赋值加权，得到分省层面的消费升级水平(UPCONSU)指标，数值越大代表地区消费升级水平越高，测量数据来源于国泰安数据库。前文基准回归已经给出了式(8)的回归结果，这里只呈现式(9)和式(10)的回归结果，见表5。表5显示无论是研发投入效应还是城镇化效应或是消费升级效应的第2步检验系数γ1和λ2均显著，且两种中介效应检验的第3步中的人力资本结构高级化的系数λ1亦显著，参考温忠麟和叶宝娟的做法[42]，检验结果说明人力资本结构高级化的三种中介效应都存在，第4步Sobel检验不需要再进行。

表5 机制检验结果

第一，表5列(1)和(2)显示了研发投入中介效应的检验结果，列(1)显示人力资本结构高级化系数为正且在5%水平上显著，表明人力资本结构高级化进程有效推动了研发投入；列(2)的回归结果显示研发投入对产业转型升级的估计系数在10%的水平上显著为正，说明研发投入是促进产业转型升级的重要因素；此外，列(2)中人力资本结构高级化的系数也显著为正，且系数值小于基准回归系数，这验证了人力资本结构高级化通过促进研发投入从而促进了产业转型升级的假设。第二，表5列(3)和(4)显示了城镇化中介效应的检验结果，列(3)显示人力资本结构高级化系数在1%水平上显著为正，说明人力资本结构高级化显著促进了城镇化；进一步观察列(4)的结果，可以发现城镇化对产业转型升级的估计系数在1%的水平上显著为正，说明城镇化是促进产业转型升级的重要因素；此外，列(4)中人力资本结构高级化的系数也显著为正，且系数值小于基准回归系数，这验证了人力资本结构高级化通过促进城镇化从而推动产业转型升级的假设。第三，表5列(5)和(6)显示了消费升级中介效应的检验结果，列(5)显示人力资本结构高级化系数在10%水平上显著为正，说明人力资本结构高级化显著促进了消费升级；进一步观察列(6)的结果，可以发现消费升级对产业转型升级的估计系数在1%的水平上显著为正，说明消费升级是促进产业转型升级的重要因素；此外，列(6)中人力资本结构高级化的系数也显著为正，且系数值小于基准回归系数，这验证了人力资本结构高级化通过促进消费升级从而推动产业转型升级的假设。

综上，理论机制检验结果证实了人力资本结构高级化可以通过研发投入、城镇化和消费升级三种中介效应间接促进产业转型升级，这验证了前文的假设2。根据温忠麟、叶宝娟的测算方法[42]，使用γ1*λ2/β1计算中介效应占比，可以发现研发投入效应、城镇化效应和消费结构升级效应占总效应的比重分别为10.61%、42.52%和26.36%，表明人力资本结构高级化对产业转型升级的间接促进作用中城镇化渠道发挥着更为重要的作用。

4.进一步分析

(1)产业转型升级水平异质性。前文仅从均值角度检验人力资本结构高级化与产业转型升级之间的关系，为了进一步考察人力资本结构高级化在不同产业转型升级水平上的异质性作用，本文选择10%、25%、50%、75%和90%五个分位点，利用面板分位数回归方法对式(1)进行进一步估计。表6列(1)-(5)展示了面板分位数回归结果，结果显示人力资本结构高级化的回归系数在产业转型升级的10%、25%、50%、75%和90%五个分位点上，始终在1%的显著水平上为正，说明在不同产业转型升级水平的省份中，人力资本结构高级化均能够有效促进产业转型升级，但随着分位点提高，人力资本结构高级化回归系数在逐渐减小。可能的原因在于随着地区产业转型升级水平逐渐提升，高知识和技能人力资本作为生产投入要素持续的增加存在着边际递减作用。

表6 进一步分析：异质性检验结果

(2)区位异质性。由于地理和要素禀赋差异等原因，我国东中西部之间经济发展水平和产业转型升级水平存在巨大区域差异。基准回归难以全面反映出人力资本结构高级化影响产业转型升级的区域间差异，因此，本文拟构建区位特征虚拟变量(REGION)，东部区域省份和中西部区域省份分别赋值为1和0，同人力资本结构高级化变量组成交互项，来验证可能存在的区位异质性。同时为了减少多重共线性的影响，对非虚拟变量的交互项进行了去中心化处理，代入式(1)进行回归，结果如表6中列(6)所示。实证结果显示人力资本结构高级化与区位特征虚拟变量的交乘项回归系数为负但不显著，而人力资本结构高级化系数在1%水平上显著为正，说明东部区域人力资本结构高级化对产业转型升级的促进作用同中西部地区并不存在显著差异。可能原因在于东部区域人力资本结构高级化水平虽然较中西部地区高，但产业转型升级水平异质性检验结果表明随着地区产业转型升级水平提升，人力资本结构高级化对产业转型升级的促进作用呈现边际递减的变化特征，因而东部区域虽然拥有更高级的人力资本结构，但对产业转型升级的促进作用并没有表现出同中西部区域显著的差异。

五、主要结论与政策启示

本文对人力资本结构高级化与产业转型升级之间的关系进行了机制探讨和实证检验，结果表明中国人力资本结构高级化进程显著推动了产业转型升级，这一结论在考虑了测度指标测算差异、样本差异及相关内生性问题后仍然成立。机制检验结果证实这种推动作用除要素结构转换的直接影响外，还主要通过研发投入效应、城镇化效应和消费升级效应实现，且城镇化效应发挥着最重要的作用。进一步分析发现，随着地区产业转型升级水平提升，人力资本结构高级化对产业转型升级的促进作用呈现边际递减的变化特征，同时人力资本结构高级化对产业转型升级的促进作用并不存在区域差异。

本文的研究结论对推动人力资本结构高级化并以此促进我国产业转型升级具有以下政策启示：第一，应继续实施人才强国等战略，继续加大教育科研投入，进一步提升人力资本质量。当前，随着国家普及义务教育和高等教育扩招，我国人口平均受教育年限得到较大提高，但人口结构中受过高等教育的人口比例还远落后于发达国家，这就要求中国高等教育发展战略应当突出创新型人才培养目标，由“规模扩大”向“质量提升”转变，不断提高人力资本质量，挖掘和发挥人力资本结构高级化对产业转型升级的支撑性作用。第二，各地方政府在制定人才培养和引进政策时，要注重地方的人才政策同产业政策和技术创新政策的协调和配合，出台企业研发的政府补贴和补助政策，促进人力资本结构与技术结构、产业结构的动态匹配，充分释放人力资本结构高级化过程带来的人才红利，在产业和人才的良性互动中促进地区产业转型升级。第三，各地方政府应建立有效的人力资本市场，完善按要素贡献分配的收入分配制度，改善消费环境，释放高层次人力资本的潜在消费需求，培育国内强大的中高端消费市场，努力消除抑制消费释放的相关因素，发挥消费升级对产业转型升级的引领作用。第四，各地方政府要更加深入地推进市场化改革，尊重经济发展和要素流动规律，破除制约人才流动和发展的体制障碍，从开放空间到权利赋能，加快新型城镇化建设，充分释放高层次人力资本潜能，实现高层次人力资本供给增长和产业转型升级的良性互动。