(一)教育人力资本的α收敛
根据收敛假说,表2在方程(2)的基础上,给出了1996-2014年我国省域教育人力资本的α收敛情形,平均受教育年限的均值(Mean)由1996年的2.001增长至2014年的2.31,体现出教育人力资本的增长态势;变异系数(CV)代表征教育人力资本的离差,则基本满足了CVit
it-1的收敛要求,表明我国各省市区教育人力资本的区域差距随时间的推移不断缩小并且趋于同一,因而形成欠发达地区对发达地区教育人力资本的追赶效应,从而验证了我们所提出了理论假设一,即省域教育人力资本整体具备α收敛的特征。
但是,从时间趋势上看,欠发达地区并非总是构成对发达地区教育人力资本的追赶,而是收敛与发散趋势的并存。其中,样本期内2005-2006年以及2014年的发散态势表明,省域教育人力资本在该时期的区域差距呈扩大态势。对此,我们认为可能的解释是:90年代末的高校扩招政策扩大了接受高等教育劳动力的比重,而我国高校布局则在一定程度上促使高技能劳动力向东南沿海、经济发达地区的聚集,从而造成了经济欠发达地区与发达地区教育人力资本的差距在短时期内的扩大。
表2:1996-2014年省域教育人力资本的α收敛

(二)教育人力资本的β收敛与俱乐部收敛
1.绝对β收敛与条件β收敛
对比省域教育人力资本的绝对β与条件β收敛,我们发现变量lnEduci,t-1的系数的绝对值由0.072,提高到了0.130,条件收敛的速度明显快于绝对收敛表明:控制经济增速等区域差异后,各级政府针对欠发达地区的转移支付、教育政策倾斜与扶植等多种保障性举措,切实维护了区域教育的均衡发展。同时,变量Urbi,t-1,在方程(8)中的弹性产出为0.0004,揭示了城镇化的教育收敛效应。那么,人口城镇化是如何作用省际教育差距的缩小的呢?
表3:1996-2014年我国省域教育人力资本的绝对与条件β收敛

一般而言,个体教育差距由两方面原因共同构成:其一,因家庭环境、先天禀赋引致的健康、智力、逻辑等方面教育成就、教育获得上的差距;其二,因家庭、政府、纳税人的教育成本差异分担引致的教育投入差距。由于先天禀赋类的教育差距具有不可观测性,该因素的省际均值在大样本条件下呈一定的概率趋同,那么省际教育投资差距便成为教育均衡发展的最大掣肘,而家庭、政府、纳税人共同承担的教育投资受制于个体收入、区域经济增长等因素。当期初教育展滞后省域的城镇化水平不断逼近发达地区时,城镇化在带动经济增长的同时,亦能大幅提升成本分担机制下教育投资的利用效率,而欠发达与发达地区城镇化水平的趋同,也将打破教育人力资本流动向城镇化率较高地区的单项流动性,不断促进省际教育差距的均质收敛。
2.俱乐部收敛
方程(7)将我国划分为东、中、西三大区域[1],检验教育人力资本的俱乐部收敛。豪斯曼检验的卡方统计量表明随机变量与误差项间存在相关性,因而我们采用随机效应的稳健标准差进行回归后发现:地区虚拟变量east、west与教育人力资本lnEduci,t-1交互后,新生成的变量east*lnEduci,t-1与west*lnEduci,t-1的估计系数并非为负数,虽然西部地区的估计值未能通过显著推断,但仍旧能够说明相较于中部地区,东、西部地区的教育人力资本呈更加离散状态而不具备收敛特征,因而拒绝了我们所提出的理论假设三,即区域教育人力资本不具备俱乐部收敛的显著特征。
表4:1996-2014年我国省域教育人力资本的俱乐部收敛

[1].全国29个省市区(剔除重庆市与西藏自治区)分为东、中、西三大板块。其中,东部地区包括了北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省市。中部地区包括了山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省市。西部地区则包括了内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆10个省市。
(三)教育人力资本收敛的门槛效应
基于单一门槛的确立,表5报告了城镇化的教育收敛效应。变量lnEduci,t-1的估计值由-0.13提高到了-0.340,表明纳入人口城镇化的不同发展阶段后,显著加快了省域教育差距的β收敛;而区域经济增长与人口出生率则与前述估计大体相同,仅存在绝对量上的差异。当非农人口越过84.5%的人口城镇化拐点后,推动教育收敛的弹性产出达到了0.915,但计量结果并未报告人口城镇化小于0.845时的弹性产出。在排除数据共线性的扰动后(膨胀因子VIF=2.32),我们推断可能的原因在于,城镇化率在该区间向下时的收敛效应较弱,而方程(8)中变量Urbi,t-10.0004的参数估计值则从侧面佐证了这一观点,即人口城镇化的不同发展阶段对省际教育差距收敛的动态影响。此外,根据国家统计局的数据显示,我国人口城镇化率虽在整体上达到了54.77%(2014年末),但以84.5%的收敛拐点而言,仅北京(86.35%)与上海(89.6%)越过临界值,而水平最低的四川省,非农人在总人口中的占比仅为40.01%,各省市区城镇化水平的发散态势,则并不满足前述收敛机制中,低水平城镇化向高水平的逼近后,以区域经济增长、教育投资的高水平利用的方式,带动省际教育的均衡发展。
表5:城镇化的门槛效应估计

(四)教育人力资本收敛的空间溢出效应
最后,利用方程(11)测度教育收敛的空间溢出效应,需通过空间权重矩阵的构建,检验教育人力资本收敛在相邻地理空间上是否存在空间自相关。Anselin(1988)[31]提出了contiguity、distance、K-nearest三种空间权重矩阵的设计原则,旨在判定数据间的空间自相关。然而,我国东、中、西部地区的经济、人口、土壤条件的非等分分布,致使distance、K-nearest原则下的空间权重矩阵并不适用[32]。因此,我们遵循contiguity原则,利用ARCGIS构建除重庆市与西藏自治区外的空间权重矩阵。
1.空间自相关
空间自相关可表述为相邻地理空间上的数据取值呈一定的相似性,若高值与高值或低值与低值的聚集时,则被称作空间正相关(positive spatial autocorrelation);若高值与低值聚集则呈空间负相关(negative spatial autocorrelation),而Moran(1950)提出的全域莫兰指数(Moran’s I)则是判断教育人力资本空间相关性的主要依据:

表6:我国教育人力资本的全域莫兰指数(Moran’s I)

2.空间溢出效应分析
根据表7报告的空间杜宾(SDM)模型回归结果,豪斯曼检验显示出随机项与截距项的相关性,故对模型采取个体固定效应的估计方法,空间模型因纳入了解释变量的空间滞后项,而该项通常与空间自相关的遗漏变量相互联系,故在一定程度上解决因遗漏变量引致模型内生性问题。同时,为控制标准误的扰动,我们选用稳健标准差的回归形式后发现:第一,空间滞后项ρ的系数正向显著,验证了省域教育人力资本收敛的空间机制为正;第二,变量lnEduci,t-1的(β)估计值为-0.389,对比方程(8)的-0.13可知,空间条件β收敛进程快于静态条件β收敛,表明发达地区教育发展不仅能够有效缩小省内教育差距,空间溢出后的直接效应亦可加速地理位置相邻、并且教育人力资本发展落后省域的教育发展,从而验证了省域教育人力资本收敛存在空间溢出效应;第三,交互项Urbi,t-1* lnEduci,t-1为0.0004,与前述城镇化的估计值保持一致,表明城、乡劳动力转移的空间溢出效应,虽有利于缩小省际教育差距,但结合门槛效应的分析,现阶段城镇化对省域教育均衡发展的贡献值仍显不足;第四,控制变量方面,辖区内部经济增长的空间溢出效应对相邻省份教育发展的影响为正,而人口出生率的攀升则不利于临省的教育收敛,结论所得与理论预期大体相符。
表8:1996-2014年我国省域教育人力资本收敛的空间效应
