投资驱动型产业政策、地方固定资产投资与农村人力资本...

奥鹏网院作业

投资驱动型产业政策、地方固定资产投资与农村人力资本积累
——基于中国家庭追踪调查(CFPS)的实证分析
庞晓鹏 庞小冬 霍 鹏

[提 要] 基于中国家庭追踪调查(CFPS)2018年数据与笔者收集的数据，本文采用跨地区和出生队列的变异构造双重差分模型(Cohort-DID)分析了地方政府投资驱动型产业政策对农村人力资本积累的影响。研究发现，2008年之后地方政府投资驱动型产业政策引致的大规模传统基础设施投资与农村适龄青年完成高中教育的可能性之间存在显著负相关关系。使用工具变量的检验结果表明，上述研究结论具有较强的稳健性。此外，本文还尝试性地探究了上述效应的作用机制：投资驱动型产业政策引致的传统基础设施投资大幅攀升，一方面增加了建筑业及相关低技能工作的机会，提升了投资教育的机会成本；另一方面带来了低技能劳动力工资的提升，导致了不同教育水平劳动力工资趋同、技能溢价下跌，降低了预期教育回报。本文的研究结论可以为“十四五”时期中国全面构建与创新驱动型经济发展模式相匹配的产业政策体系提供参考。

[关键词] 产业政策；固定资产投资；农村人力资本

一、引言
习近平总书记在党的十九大报告中指出，“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。”(1)《必须把发展质量问题摆在更为突出的位置——习近平总书记关于推动高质量发展重要论述综述》，《人民日报》2020-12-17。新兴经济体的历史经验表明，中国经济发展已经到了一个关键阶段。在这一关键阶段，国民经济的发展动力与产业政策导向应当逐步由物质资本投资、资源从低效率部门向高效率部门简单转移的投资驱动型增长，转向促进人力资本积累、扶持创新相关活动的创新驱动型增长(Zilibotti，2017)。新的经济增长动力来自传统实体经济部门的转型升级，也来自战略性新兴产业部门的培育与壮大(中国人民大学宏观经济分析与预测课题组，2017)。归根结底，新的经济增长动力离不开人力资本的有效培育与持续积累。只有拥有具备一定教育基础的人才，才能匹配产业升级和技术创新的需求(霍鹏等，2017)。

然而，在思维惯性与地方官员晋升激励(彭冲和陆铭，2019)的影响下，投资驱动型产业政策(2)投资驱动型产业政策指以投资驱动(investment-led)而非创新驱动(innovation-led)来实现经济增长、稳定市场周期的产业政策取向。大规模传统基础设施建设投资是该类型产业政策最主要的施策方式(Acemoglu et al.，2006；Zilibotti，2017)。由于其短期内的丰厚收益仍然备受青睐。但是，在经济动能转换的关键阶段，继续沿用这种产业政策很可能会对增长动力转换和人力资本积累产生负向影响。投资驱动型产业政策直接带来了固定资产投资的攀升，并引发了建筑相关产业的高度繁荣，导致低技能劳动力用工需求快速增加(白重恩，2013)、技能溢价持续下跌、不同教育水平劳动力工资趋同(蔡昉和都阳，2011；Bai et al.，2015；Zilibotti，2017)。低技能就业岗位的增加为部分适龄青年提供了更多的就业机会，提高了接受教育的机会成本，从而影响个体教育投资决策(Charles et al.,2018；张川川，2015)。(3)同期，人口结构老龄化与整体生育率低下等原因所导致的劳动年龄人口数量减少、低技能劳动力供给数量下降(蔡昉和都阳，2011)是这一现象形成的另一重要原因。一些地区“读书无用论”思潮重扬(谢爱磊，2017)，部分青年人可能会因此选择提早结束教育历程(4)另一种解释是，1999年以来的“大学扩招”加速了高等教育大众化时代的到来，高等教育毛入学率从1999年的10.5%提高到2019年51.6%，大学生群体规模在短期内的大幅度扩张导致了高等教育投资回报率的下降。这种解释从劳动力市场供给侧给出了“读书无用论”的真知灼见，却并未囊括劳动力市场需求侧的变化。这种劳动力市场需求侧的变化正是本文所关注的重点。，加入低技能劳动力密集型产业，尤其是建筑相关产业的生产活动中。特别值得注意的是，由于固定资产施工与建筑产业所吸纳的从业人员大量来自农村地区(陆铭和陈钊，2004；白重恩，2013)，所以投资驱动型产业政策对农村地区人力资本积累的影响可能更大。

据此，本文重点聚焦于近年来农村劳动力市场需求侧的变化以及导致这种变化的地方产业政策原因。实际上，不管是为了从更多角度理解中国人力资本积累面临的挑战并寻求应对思路，抑或是通过产业政策的革新探索“十四五”时期实现创新驱动型经济增长的路径，在此关键阶段正确认识地方政府投资驱动型产业政策及其引致的高额传统基础设施投资对于中国农村人力资本积累所产生的影响都十分重要。

综上，本文认为无论是出于产业扩张的考虑，还是为了应对2008年之后中国宏观经济下行压力，地方投资驱动型产业政策所引致的大规模传统基础设施投资，很可能会显著影响中国农村人力资本的积累，并因此进一步制约中国经济向创新驱动型经济的转变。在具体分析中，本文使用具有全国代表性的大样本调查数据“中国家庭追踪调查(CFPS)”和笔者收集整理的数据，采用跨地区和出生队列的变异构造双重差分模型(Cohort-DID)，重点分析了2008年之后地方政府投资驱动型产业政策所引致的大规模传统基础设施投资对农村人力资本积累的影响。同时，本文根据地方主要官员年龄与短期内这一类型投资之间存在的因果关系(彭冲和陆铭，2019)构建工具变量处理内生性。此外，本文还从机会成本和教育回报两个角度探讨了上述影响的作用机制。

本文的主要创新点在于验证了2008年经济危机后大规模传统基础设施投资与农村地区人力资本积累之间的因果关系。从劳动力市场需求角度来看，本文一方面为理解当前中国农村人力资本积累存在的问题与面临的挑战提供了新的方式与可能的解决途径，另一方面也拓展了关于不同类型产业政策因果效应的认知，为自2015年以来中国产业政策的“大讨论”提供了实证依据。从产业政策与人力资本积累匹配性的角度来看，本文解释了为什么实施投资驱动型产业政策能够在经济体增长的初期快速驱动增长，然而短期繁荣消退后便陷入了长时间的缓慢增长(Charles et al.，2018; Atkin，2016)。此外，本文的研究还为“十四五”时期基础设施投资重点领域需要由传统基础设施(“旧基建”)全面转向新型数字基础设施(“新基建”)(5)新型数字基础设施(“新基建”)包含了信息基础设施、融合基础设施、创新基础设施三类，是一种技术标准、软件构架与实体硬件的综合体，是数字经济等创新驱动型经济发展与扩张的基石。提供了可靠的实证依据。

二、文献综述与研究假说
(一)后发国家的经济增长与产业政策转型
在一个后发经济体的发展过程中，不同的增长驱动力会在不同阶段发挥关键作用(Acemoglu et al.，2006)。在发展的早期阶段，基于后发优势与精英官僚组织的集体决策，依靠投资驱动型产业政策推动大规模传统基础设施投资与资源的跨领域高效配置能够实现较快速的经济增长。这一时期的经济增长呈现出粗放型增长的特点，主要表现为经济增长由资本、能源、原材料、劳动力等要素驱动，而人力资本、技术进步和全要素生产率对经济增长的贡献较低。

随着该经济体向世界前沿水平不断发展，部分简单化的促进高投资的产业政策会逐渐成为进一步发展的负担。实际上，一般物质资本投资在短期或者中期内存在最优的投资规模，持续追加新投资不仅不能维持高回报，反而会带来一定的负向影响(白重恩和张琼，2014a，2014b；孙早等，2015)。因此，在经济体发展转型的关键节点上，对物质资本积累的关注应当全面转向对创新因素与人力资本的关注。就中国而言，2000年前后以《鼓励软件产业和集成电路产业发展的若干政策》(6)文件链接：http://www.gov.cn/gongbao/content/2000/content_60310.htm。等文件的出台为标志，中国经济发展理念已表现出明显的由“引进”“追随”向“创新”转变的趋势。2005年国务院颁布了《国家中长期科学和技术发展规划纲要(2006—2020年)》(7) 文件链接：http://www.gov.cn/gongbao/content/2006/content_240244.htm。，更是首次明确自主创新研发的国家级发展战略，并提出2020年进入创新型国家行列的目标。党和国家着力推动经济增长模式转变的决心显而易见。

然而，中国经济自2008年金融危机后表现出新特征。面对巨大的下行压力，投资驱动型产业政策仍因其短期内对经济增长和就业的快速拉动作用而备受地方政府青睐(彭冲和陆铭，2019)。在财政分权的过程中，地方政府在实际的财政支出方向上拥有自主性，大量的地方财政资金和金融授信涌向施工与建筑业相关部门，导致投资额年均增长20%以上(Bai et al.,2015；谢申祥等，2018)，引发了各省份轰轰烈烈的“造城浪潮”。截至2014年底，全国各省份90%以上的地级及以上城市建设了新兴综合性城区，平均每个城市建设数量为2.5个(常晨和陆铭，2017)。

(二)投资驱动型产业政策对人力资本积累的影响
持续沿用投资驱动型产业政策、通过大规模投资来拉动经济增长的发展模式早已为众多学者所诟病。在宏观层面，高投资并未带来高效率，社会整体资本回报率呈现出持续下降的态势(白重恩，2013)。低水平的重复建设与无效供给现象突出，全社会杠杆率水平与负债水平迅速累积(谢里和张斐，2018)，导致经济发展偏离了“既稳增长又调结构”的基调。在微观层面，投资驱动型产业政策带来的宽松信贷被大量引入采矿业、建筑业等传统产业的大企业，而非创新型初创企业。大规模传统基础设施投资直接导致了施工与建筑相关产业高度繁荣，低技能劳动力需求快速增加，非技能型劳动力工资收入实际增长速度超过GDP实际增长速度，教育与技能溢价持续下跌，不同教育水平劳动力工资出现趋同的趋势(蔡昉和都阳，2011；霍鹏等，2017)。虽然这一发展趋势可能有利于缩小收入差距，但却不利于向知识经济转型，并可能削弱人力资本积累的激励(Zilibotti，2017)。

实际上，高收入经济体的发展实践与中等收入经济体的经验教训一再表明，人力资本的积累是经济长期增长最主要的驱动力。如果经济体在中等收入阶段选择“投资驱动”而非“创新驱动”的产业政策导向，以大规模传统基础设施投资促使低技能就业部门无限制地扩大，会对该经济体人力资本积累产生伤疤性影响(scaring effect)(8)伤疤性影响(scaring effect)指政策效果影响深远且难以消除，引自Charles et al.(2018)。——那些在产业繁荣时期过早放弃学校教育的劳动力所获得的收益，实际上远高于其具备的生产力水平。个体劳动生产力水平低，一方面可能会拖累社会总水平，进而对经济的长期增长产生抑制效应(Atkin，2016；Charles et al.，2018)；另一方面也会导致劳动力在宏观经济不景气时更早、更容易失业，并难以在不断升级的产业中找到合适的就业岗位。此外，受教育水平低也意味着人口红利不能充分转化成人力资本红利，高技能人才的供给受限，制约创新驱动发展与产业升级(张翕和陆铭，2019)。

(三)投资驱动型产业政策影响农村人力资本积累的机制分析与研究假说
此外，投资驱动型产业政策的影响并非“均匀”地作用于每个个体。实际上，在与这一类型投资紧密联系的施工与建筑相关产业中，存量及新增从业人员大量来自农村地区(白重恩，2013；佟家栋和刘竹青，2018)。因此，有理由相信，上述政策导向与投资扩大对于农村人力资本积累的影响可能更显著。部分农村青年可能选择提早结束自己的受教育历程，为了短期内较高的工资而过早地加入到施工与建筑相关产业的生产活动中。这将对农村人力资本积累产生极为不利的影响。

以往，一些基于不同国家不同数据的研究已经部分地验证了产业政策、大规模传统基础设施投资、低技能劳动力部门扩张与人力资本积累之间的相关关系。Aggarwal(2018)发现印度农村地区实施的大规模基础设施固定资产投资项目致使部分农村青年提前终止教育历程；Charles et al.(2018)发现美国建筑房地产业的非理性繁荣降低了两年制社区大学入学率；Atkin(2016)证实墨西哥低技能密集型出口制造业迅速扩张，显著降低了高中入学率；张川川(2015)发现中国制造业出口产业扩张导致农村青年进入高中和大学的概率显著下降。

综上所述，本文认为，过去一个时期持续实施投资驱动型产业政策、进行大规模传统基础设施投资，并由此所导致的施工与建筑相关产业的膨胀式发展，可能会对中国农村人力资本的积累产生深远影响。据此，本文提出研究假说1。

假说1 传统基础设施投资的大规模攀升，会降低农村适龄青年完成高中教育的可能性。

高中阶段的青年大多到了法定劳动年龄，受教育成本中需考虑劳动收入形成的机会成本(张翕和陆铭，2019)。当期进入劳动力市场所能够获得的工作机会(机会成本)和更高的教育水平在未来能够带来的收入(教育回报)是影响他们教育决策的核心机制(Becker，1993；Charles et al.，2018；张川川，2015)。从已有的研究文献中可以发现，低技能工作岗位的扩张在很大程度上将影响教育选择与教育投资。21世纪初期，美国房地产业建筑相关工作机会的迅速增加显著降低了社区大学入学率(Charles et al.，2018)。 Le Brun et al.(2011)基于墨西哥数据的研究显示，出口密集型制造业就业的增长显著降低了青年女性的教育投入。综上，施工与建筑相关产业工作机会的增加会影响相关低技能就业的机会成本，并对农村青年的教育选择产生影响。据此，本文提出研究假说2。

假说2 传统基础设施投资的大规模攀升增加了相关产业劳动就业机会，因此提升了农村适龄青年完成高中教育的机会成本，从而降低了其完成高中教育的可能性。

持续施行的投资驱动型产业政策加剧了中国劳动力市场上各学历工资水平的趋同。2008—2012年间，施工建筑产业和低教育水平的劳动力工资呈更快的增长趋势：从产业分布来看，传统基础设施施工与建筑相关产业从业者的平均受教育年限为9年，平均工资上涨72%；信息技术(IT)相关产业从业者的平均受教育年限是13年，平均工资上涨47%(Bai et al.，2015)。从学历分布来看，大学教育溢价在这4年中从0.474下降到了0.393(Bai et al.，2015；Zilibotti，2017)，具有高中以上学历的农民工的相对教育收益率持续下降(蔡昉和都阳，2011)。实际上，在劳动力市场中如果短期可获得的工资水平增长过快，个体面临的“教育投资机会成本”超过“未来教育回报预期”时，人们就会倾向于减少教育投入。据此，本文提出研究假说3。

假说3 传统基础设施投资的大规模攀升缩小了高中与非高中学历水平劳动力的工资差距，降低了农村适龄青年完成高中教育的回报预期，因此影响了其完成高中教育的意愿。

三、数据来源、变量与估计方法
(一)数据来源与变量界定
本文使用中国家庭追踪调查数据库2018年数据(CFPS2018)、国家统计局统计年鉴数据和笔者收集的各省市自治区主政官员资料进行研究。分析时，本文重点关注CFPS2018农村户籍样本，并将其与统计年鉴相应数据及笔者收集的数据进行匹配。

本文的核心变量是“农村人力资本”(被解释变量)与投资驱动型产业政策引致的大规模“传统基础设施投资”(解释变量)。本文选取CFPS2018中“是否完成高中教育”作为“农村人力资本”的衡量指标(详见表1)。选择这一指标的原因在于：一方面高中阶段所培养的基础技能(数学、英语和基础数字技能)是农村青年不断适配产业升级带来变革的“关键之匙”，对其生产和生活至关重要，需要重点关注(霍鹏等，2017)。另一方面高中教育阶段的城乡差距显著。农村地区25岁～64岁的劳动力中仅有8.4%接受过高中教育，而城镇地区这一比例为39.3%(张翕和陆铭，2019)。

“传统基础设施投资”是本文的关键解释变量。固定资产投资包括生产性基础设施投资、公益性投资以及经营性国有资产投资(吴凡等，2013)。其中，包括交通运输和水利设施投资在内的“生产性基础设施投资”与由地方投资驱动型产业政策所引致的大规模“传统基础设施投资”相关概念内容高度相关。(9)生产性基础设施投资具体款项涉及由国家统计局公布的各省市自治区“交通运输、仓储和邮政业”和“水利、环境和公共设施管理业”的固定资产投资总和。这些具体类目与地方政府在固定资产投资方面的发力重点也高度重合。因此，本文将其作为“传统基础设施投资”的代理变量，并采用2008年与2009年“生产性基础设施投资”的平均值对其进行衡量，即将2008—2009年作为政策冲击的观测点。选择这一时间点的主要原因是：一方面，2008年金融危机后，包括逆周期投资以及地方政府融资限额宽松等在内的刺激计划陆续出台，大量资金开始涌入固定资产设施建设相关部门(谢里和张斐，2018)。2008年后技能溢价持续提高的趋势发生反转，出现了逆知识经济转型趋势(Bai et al.，2015；Zilibotti，2017)。另一方面，2009年中国投资率高达45%，显著高于全球180多个国家的平均水平(不到40%)，远超20个大型经济体平均投资率(23%)(白重恩，2013)。由此“2008—2009年”投资驱动型产业政策的实施力度可见一斑。这一阶段的政策实施力度对农村人力资本积累产生的影响可能更显著(详见图1)。

选定观测时间点后，为了进一步衡量政策影响的净效应，本文构造了出生队列(Cohort)。依据Charles et al.(2018)与Atkin(2016)的研究，包括投资冲击、经济过热与萧条在内的经济大幅波动，对于个体教育选择所产生的影响往往发生在身处经济周期且恰逢或即将做出教育选择的个体身上。可以预期，2008年的全球经济危机带来的冲击及后续投资驱动型产业政策实施所带来的影响对于这一时期处于初中和高中求学阶段且需要做出教育决策的青年存在显著影响。因此，这一出生队列的农村青年是本文关注的实验组人群。与之相对，控制组人群则是2008年之前已经完成高中教育选择的群体。他们的教育选择并不受政策冲击的影响。依此思路，本文根据个体在2008年时的年龄划分出实验组与控制组人群。实验组人群指2008年时，年龄在12岁～17岁(10)根据我国各阶段教育安排，18岁是大多数青年完成高中教育的年龄分段点。因此，本文进一步将受政策影响的年龄限定在12岁～17岁。的农村户籍人群，Cohort赋值为1；控制组人群指2008年时年龄在18岁～28岁的农村户籍人群，Cohort赋值为0(详见表2)。需要说明的是，首先，实验组人群于(CFPS2018)调查期间已满18岁，可以判断出个体是否已经完成高中教育；其次，删除实验组人群中2008年当年及以前已经离校的观测样本，消除异常值对分析的影响。

表1 变量的描述性统计

width=745,height=903,dpi=110
width=550,height=283,dpi=110
图1 2008—2009年各省份生产性基础设施投资额

表2 出生队列(Cohort)定义与划分

width=745,height=88,dpi=110
(二)估计方法
参照Duflo(2001)以及程令国和张晔(2011)的识别策略，本文采用跨地区变化与跨出生队列变异构造的双重差分模型(Cohort-DID)评估上述影响。由于在观测时间点，不同省份实施投资驱动型产业政策强度存在差异，这种差异对个人而言是外生的；同时，又由于不同出生队列在经历政策冲击时的受教育阶段不同，因此，使用这种模型来进行估计具有科学性。基本的计量模型设定如下：

Highschoolipc=α1Cohortic+α2Investp+α3Investp

×Cohortic+α4Xipc+δp

+γt+εipc

(1)

式中，被解释变量为Highschoolipc，即农村人力资本；i表示个体；p表示省份；c表示出生队列。Highschoolipc定义为个体在2018年是否完成高中教育，完成高中教育为1，否则为0。Cohortic代表出生队列，Cohortic=1为实验组，Cohortic=0为控制组。Investp为各省份“2008—2009年生产性基础设施投资”的平均值，进入式(1)时取对数。本文特别关注交互项Investp×Cohortic的系数α3，代表政策对于农村青年高中教育完成状况的影响。Xipc是一组控制向量，选择办法参照Charles et al.(2018)的研究。δp表示省份固定效应，控制不随时间变化的省份特征；γt代表出生队列固定效应，控制依出生队列而变化的因素；εipc代表扰动项。需要说明的是，对于被解释变量为虚拟变量的双重差分模型，需使用最小二乘法(OLS)进行分析，以避免非线性模型中交互项系数可能存在的问题(Ai & Norton,2003)。因此，本文在具体分析中同样使用OLS进行分析。

四、实证结果
(一)基准模型
表3第(1)列～第(6)列呈现了逐步加入个体特征控制变量以及地区经济社会特征控制变量的分析结果。在逐步加入控制变量的过程中，表3第(1)列～第(6)列交互项Invest×Cohort系数显著性不变，系数大小未发生明显改变。从控制最严格的第(6)列交互项系数可知，对于高中教育选择受政策影响的群体而言，由地方投资驱动型产业政策引致的生产性基础设施投资每上升1%，农村适龄青年完成高中教育的概率显著下降4.1%。(11)为检验数据的稳健性，减少可能存在的人口迁移对估计结果造成的影响。本文剔除2010—2018年间发生县区以上迁移的样本，重新对式(1)进行估计。使用子样本回归的结果交互项Invest×Cohort系数仍显著，说明估计结果是稳健的。限于篇幅，不再报告，有需要者可向笔者索取。

(二)稳健性检验
1.平行趋势检验。DID模型有效性的一个重要前提是平行趋势假定成立，即如果没有不同程度投资驱动型产业政策冲击的存在，2008年前后不同地区的农村适龄青年完成高中学业的意愿应该不存在显著差异。或者说，如果各个地方存在某些系统变量既会影响农村适龄青年完成学业的意愿，同时也会影响这些地方生产性基础设施投资的程度，则会导致不同地区农村青年在完成高中意愿的队列趋势上存在差异。

本文参照程令国和张晔(2011)的做法，对DID的假定进行了平行趋势检验。具体而言，如果本文估计出的影响效应是由遗漏掉的系统性变量引起的，且这些变量在2008年前后持续发挥效用，那么本文选取在2008—2009年已经完成高中学业的农村居民作为样本，用上述DID方法重新进行估计时，应该能看到与表3基准模型一致的结果。相应地，如果不存在这样的遗漏变量问题，则应当呈现不显著的估计结果。为此，本文选取在2008—2009年投资驱动型产业政策广泛实施之前已经完成学业的农村居民样本，构造出生年份虚拟变量与地方“生产性基础设施投资”的交互项(以1980年出生年份为基准组)，重新对上述DID模型进行检验。检验结果见表4。

表4第(1)列中交互项估计结果表明，地区差异对教育选择的影响并不显著；在进一步加入个体特征、区域特征之后，第(2)列的交互项系数依然不显著，证明本文中DID模型的平行趋势假定成立。

2.安慰剂检验。除上述验证之外，本文还参考Abadie & Dermisi(2008)的研究方法，进一步做了DID安慰剂检验。依据本文的分析逻辑，2008—2009年政策冲击发生之前，各省份农村适龄青年完成高中学业的意愿与各省份生产性基础设施投资两者之间不应当存在相关关系。为此，本文选取2004年和2006年各省份生产性基础设施投资，并根据2004年和2006年重新构造出生队列虚拟变量(12)变量生成逻辑与出生队列变量Cohort定义逻辑相同，以设置2004年出生队列变量Cohort2004为例，实验组为2004年小于18岁，即14岁～17岁，对照组为2004年已满18岁，即18岁～24岁。，用上述DID方法重新进行估计。如果交互项系数不显著，则证明是安慰剂检验通过。检验结果如表5所示。

从表5第(1)列和第(3)列交互项系数来看，各省份“生产性基础设施投资”对出生队列的高中教育选择的影响并不显著；加入控制变量之后的第(2)列和第(4)列交互项系数依然不显著，由此证明了安慰剂检验通过。

3.工具变量检验。为了进一步排除由于遗漏变量所导致的内生性问题，本文选用工具变量法进一步验证分析。本文选择“地方主要官员年龄”作为生产性基础设施投资的工具变量。一方面，部分相对年轻的地方官员出于政绩诉求，更有可能通过实施大规模的生产性基础设施投资，寻求短期内GDP增长。彭冲和陆铭(2019)研究表明，2009—2014年间当地方市委书记的年龄从53岁(75%分位数)下降到48岁(25%分位数)时，地级市建设新城区的数量平均增加了4.6个。因此，地方官员年龄符合工具变量的相关性假设。另一方面本文选取的工具变量“地方主要官员年龄”，会直接影响地方生产性基础设施投资规模，但不会直接影响农村青年个体的教育决策，符合工具变量的外生性假设。

表3 基准模型

width=745,height=874,dpi=110
注：括号内为稳健标准误。*表示p<0.1，**表示p<0.05，***表示p<0.01，下表同。

说明：本文所有回归均包含了常数项，控制了省份固定效应和出生队列固定效应。限于篇幅，常数项的回归结果以及省份固定效应和出生队列固定效应的控制情况均不在表格中展示，如有需要可向笔者索取。

表4 稳健性检验：DID方法的平行趋势检验

width=745,height=352,dpi=110
说明：所有加入控制变量的回归均包含了所有控制变量。限于篇幅，控制变量的回归结果不在表格中展示，如有需要可向笔者索取。

表5 稳健性检验：DID方法的安慰剂检验

width=745,height=369,dpi=110
基于上述讨论，本文构造工具变量为地方省委书记年龄Officialage与出生队列Cohort的交互项Officialage×Cohort，利用此工具变量进行两阶段最小二乘估计。本文对工具变量的有效性进行了检验，检验通过，如表6所示。

从表6第(1)列和第(3)列交互项Officialage×Cohort系数可知，无论是否加入控制变量，工具变量一阶段估计结果均显示“地方主要官员年龄”与生产性基础设施投资规模显著负相关。从第(2)列和第(4)列二阶段估计结果交互项Invest×Cohort系数可知，随着生产性基础设施投资规模的攀升，该地区农村青年完成高中教育的概率显著下降。再次验证了分析结果的稳健性。

表6 稳健性检验：工具变量估计

width=745,height=363,dpi=110
(三)影响机制分析
1.机会成本的影响。本文首先采用农村适龄青年是否在施工与建筑相关产业工作Construction(13)施工与建筑相关产业工作(即建筑业就业)包括：“房地产与建筑业”“交通运输、仓储和邮政业” “水利、环境和公共设施管理”等，设为虚拟变量。作为被解释变量，参考明瑟工资方程(Mincer，1974)，新增教育水平作为控制变量对式(1)进行估计，验证研究假说2。

从表7中第(1)列、第(2)列交互项的系数可知，无论是否加入控制变量，估计结果均显示随着地方生产性基础设施投资上升，施工与建筑相关产业的劳动力就业水平呈现更为显著的增长趋势。与此同时，机会成本上升不仅体现在施工与建筑相关产业的就业需求增加，也体现在其他相关非农产业的就业增长。实际上，新增一个施工与建筑相关产业就业岗位意味着同时会增加多个相关就业机会，如其他运营与辅助类低技能工作岗位(Charles et al.，2018)。因此，本文进一步分析了生产性基础设施投资与建筑相关其他非农产业就业增长Other(14) 建筑相关其他非农产业就业指：个体在“建筑工程产业”“服务业”等产业工作，设为虚拟变量。之间的关系，从表7第(3)列、第(4)列交互项系数可知，随着生产性基础设施投资的攀升，农村适龄青年在相关其他非农产业部门的就业也呈现明显的上升趋势。

上述实证分析验证了本文提出的作用机制。事实上，本文的描述性统计分析结论也表明，放弃高中学业的农村适龄青年大量涌入低技能门槛的施工与建筑相关产业就业。在本文2 674个可观测到就业状态的样本中，未获得高中学历的有1 270个样本，其中约1/4(23.5%)的农村适龄青年直接进入到施工与建筑相关产业。佟家栋和刘竹青(2018)的研究也表明，2008年之后建筑业繁荣，显著增加了高中以下学历劳动力在施工和土木工程建筑业的就业比重。

2.教育回报的影响。为了验证研究假说3，本文进一步分析了完成高中教育与未完成高中教育劳动力在工资水平上的差异程度。选取主要工作收入Wage与工作总收入Totalwage作为工资的代理变量，取对数作为被解释变量代入式(1)重新估计。表8第(1)列～第(4)列以主要工作收入作为被解释变量，第(5)列～第(8)列以工作总收入作为被解释变量。

表7 影响机制分析：机会成本的影响

width=745,height=310,dpi=110
表8 影响机制分析：教育回报的影响

width=745,height=296,dpi=110
结果显示，生产性基础设施投资对拥有高中学历和未取得高中学历的群体有完全不同的影响。从表8中第(1)列和第(5)列交互项Invest×Cohort系数可知，对于取得高中学历的农村青年，投资增加并不能提升包括主要工作收入与工作总收入在内的工资水平；进一步加入控制变量之后的第(2)列和第(6)列交互项系数估计结果依然不显著。然而，针对未取得高中学历的群体，从第(3)列和第(7)列交互项系数显著为正可知，生产性基础设施投资攀升导致个体工资呈现显著的增长趋势，进一步对其他变量加以控制之后的第(4)列和第(8)列交互项系数依然显著。

上述估计结果表明，随着生产性基础设施投资的增加，技能溢价持续下跌，未获得高中学历的劳动力工资上涨反而相对更快，不同学历水平教育回报差距不断缩小，因此降低了完成高中教育的激励。实证分析结果验证了本文提出的研究假说3。现阶段，上述影响最为显著的表现形式即是 “读书无用论”的广泛重扬。当农村家庭预期无法通过接受教育保证工作机会或者获得高工资时，就很少有人会继续投资教育(蔡昉和都阳，2011；谢爱磊，2017)。

以上两种影响效应分析在当前关于农村人力资本积累的相关研究中较为常见(谢爱磊，2017；张翕和陆铭，2019)。但是，尚无研究将地方投资驱动型产业政策的不切时宜的、大规模的传统基础设施投资与这种机会成本的提升和回报激励的下降直接联系起来分析。实际上，基于以上的理论与实证分析，本文认为地方投资驱动型产业政策是造成上述机会成本“虚高”和学历回报趋同的更深层原因,并因此显著地影响了农村人力资本的积累。在资源大量快速进入低技能建筑与施工相关产业时，选择“简单钱(easy money)”和“快钱”或许才是农村青年和家庭的最优选择。并且，在这种现象广泛存在的情况下，如果不从根源上调整社会资源的分配结构与产业政策的导向，从成本和收益两个方面入手解决问题，而是单单“就教育而谈教育，就农村地区而谈农村地区”，那么，国家大力推行的政府教育补贴和人力资本宣讲教育的实际作用与效果就会远远低于预期。

五、结论与政策建议
基于具有全国代表性的微观数据CFPS2018与笔者收集的数据，本文重点分析了2008年之后地方政府投资驱动型产业政策引致的大规模传统基础设施投资对农村人力资本积累的影响。研究表明，传统基础设施投资的大规模攀升与农村适龄青年完成高中教育的可能性之间存在显著负相关关系。相关共同趋势检验、安慰剂检验以及工具变量检验都表明上述结论是稳健的。此外，本文还分别从机会成本和教育回报两个角度分析了上述影响的作用路径。从机会成本角度来看，生产性基础设施投资增加了农村适龄青年在施工与建筑相关产业获得低技能就业的可能性，也因此抬高了他们完成高中教育的机会成本，降低了他们完成高中教育的概率。从教育回报机制来看，生产性基础设施投资的增加提升了未获得高中学历农村适龄青年的收入水平。与之相对应，对于获得高中学历的农村适龄青年而言，上述效应并不显著。这降低了农村适龄青年完成高中教育的回报激励，并因此影响了其完成高中教育的意愿。

当前，中国经济全面进入从重点关注物质资本积累向创新发展与人力资本积累转型的新时期。未来，新经济的持续扩张与人力资本需求标准的不断提升几成定局。在这一时期，补全人力资本的短板、推动中国农村人力资本的高水平积累具有重大意义。实际上，尽管人口老龄化、生育率降低以及大学扩招等供给侧的变化也同样对农村人力资本积累产生了巨大的影响，但是，根据国家发展与经济增长的一般性规律，人口老龄化、经济发展带来的生育率下降、高等教育大众化是一种难以阻挡的趋势，至少在一段时间内如此。而通过产业政策的适当革新来引导劳动力需求侧的结构性调整能够在很大程度上减缓上述影响。

因此，本文从产业政策、地方政府经济职能以及农村教育供求角度提出以下政策建议：第一，全面推进产业政策体系的革新与转型。要进一步平衡产业政策实施措施中“改革、发展、稳定”三者之间的关系，使得地方投资增速与本地区的发展阶段和经济情况更相适应，实现经济发展的短中长期相兼顾。第二，适当地推动一定层级上的地方政府经济职能的转变。要加速推动地方政府间竞争内容的改变，从经济增速竞争向公共服务竞争转变，从根源上消除由于“县域竞争”、低水平重复建设以及固定资产盲目投资带来的低技能工作岗位对农村受教育人口的分流。第三，继续加大针对农村基础教育的扶持力度。要着力实现高中阶段农村生源的定点“上学补贴”，并可在适当时机推行“12年义务教育”，最大限度地降低农村青年完成高中教育的机会成本。第四，将数字经济作为当前与未来实现乡村振兴的重要抓手，不断实现居民教育回报率的提升。积极推进数字乡村与农村“新基建”建设，促进农村地区数字经济的繁荣与发展，并以此创造更多与高水平人力资本相适应的农村地区数字经济新模式、新业态相关的就业岗位，让教育成为获得更高工资的敲门砖。(15)从另一个角度来看，人力资本的积累与数字基础设施的投入激励相容。当产业平均受教育年限越高时，数字化对于全要素生产率的促进作用越强，带来的综合回报率也就越强(孙早和刘李华，2018)。

参考文献

白重恩，2013：《2012年中国投资回报率仅2.7%》，《第一财经日报》，2013-07-29。

白重恩、张琼，2014a：《中国经济减速的生产率解释》,《比较》第4期。

白重恩、张琼，2014b：《中国的资本回报率及其影响因素分析》,《世界经济》第10期。

蔡昉、都阳，2011：《工资增长、工资趋同与刘易斯转折点》,《经济学动态》第9期。

常晨、陆铭，2017：《新城之殇——密度、距离与债务》,《经济学(季刊) 》第4期。

程令国、张晔，2011：《早年的饥荒经历影响了人们的储蓄行为吗?——对我国居民高储蓄率的一个新解释》,《经济研究》第8期。

霍鹏、屈小博、朱烈夫、阮荣平，2017：《外出务工对农村地区教育人力资本积累的影响》,《西北农林科技大学学报(社会科学版) 》第3期。

陆铭、陈钊，2004：《城市化、城市倾向的经济政策与城乡收入差距》,《经济研究》第6期。

彭冲、陆铭，2019：《从新城看治理:增长目标短期化下的建城热潮及后果》,《管理世界》第8期。

孙早、刘李华，2018: 《信息化提高了经济的全要素生产率吗——来自中国1979—2014年分行业面板数据的证据》,《经济理论与经济管理》第5期。

孙早、杨光、李康，2015：《基础设施投资促进了经济增长吗——来自东、中、西部的经验证据》,《经济学家》第8期。

佟家栋、刘竹青，2018：《房价上涨、建筑业扩张与中国制造业的用工问题》,《经济研究》第7期。

吴凡、祝嘉、卢阳春，2013：《国有固定资产投资的经济增长效应研究——暨论地方投融资平台的规范发展》,《软科学》第5期。

谢爱磊，2017：《“读书无用”还是“读书无望”——对农村底层居民教育观念的再认识》,《北京大学教育评论》第3期。

谢里、张斐，2018：《“四万亿”经济刺激计划与企业杠杆率——来自中国双套样本数据的经验检验》,《财经研究》第3期。

谢申祥、刘生龙、李强，2018：《基础设施的可获得性与农村减贫——来自中国微观数据的经验分析》,《中国农村经济》第5期。

张川川，2015:《“中等教育陷阱”？——出口扩张、就业增长与个体教育决策》,《经济研究》第12期。

张翕、陆铭，2019：《提高回报 激发需求——改善中国农村教育的空间政治经济学》,《学术月刊》第4期。

中国人民大学宏观经济分析与预测课题组，2017：《进入创新和产业融合发展关键期的中国经济》,《经济理论与经济管理》第12期。

Abadie,A.,and S.Dermisi,2008,“Is Terrorism Eroding Agglomeration Economies in Central Business Districts? Lessons from the Office Real Estate Market in Downtown Chicago”,Journal of Urban Economics,64(2): 451-463.

Acemoglu,D.,P.Aghion,and F.Zilibotti,2006,“Distance to Frontier,Selection,and Economic Growth”,Journal of the European Economic Association,4(1): 37-74.

Aggarwal,S.,2018,“Do Rural Roads Create Pathways out of Poverty? Evidence from India”,Journal of Development Economics,133(1): 375-395.

Ai,C.,and E.C.Norton,2003,“Interaction Terms in Logit and Probit Models”,Economics Leters,80 (1):123-129.

Atkin,D.,2016,“Endogenous Skill Acquisition and Export Manufacturing in Mexico”,American Economic Review,106 (8): 2046-2085.

Bai,C.E., Q.Liu,and W.Yao,2015,“Investing like China”,Working Paper,Tsinghua University.

Becker,G.S.,1993,Human Capital: A Theoretical and Empirical Analysis with Special Reference to Education,New York: Columbia University Press.

Charles,K.K.,E.Hurst,and M.J.Notowidigdo,2018,“Housing Booms and Busts,Labor Market Opportunities,and College Attendance”,American Economic Review,108 (10): 2947-2994.

Duflo,E.,2001,“Schooling and Labor Market Consequences of School Construction in Indonesia: Evidence from an Unusual Policy Experiment”,American Economic Review,91(4): 795-813.

Le Brun,A.,S.R.Helper,and D.I.Levine,2011,“The Effect of Industrialization on Children’s Education: The Experience of Mexico”,Review of Economics and Institutions,2(2): 1-34.

Mincer,J.A.,1974,Schooling,Experience,and Earnings,Cambridge,Mass: NBER.

Zilibotti,F.,2017,“Growing and Slowing down like China”, Journal of the European Economic Association,15(5): 943-988.

INVESTMENT-LED INDUSTRIAL POLICY, LOCAL GOVERNMENT FIXED ASSET INVESTMENT AND RURAL HUMAN CAPITAL
——Estimation Based on the Dataset of China Family Panel Studies
PANG Xiao-peng1 PANG Xiao-dong1 HUO Peng2

(1. Renmin University of China; 2. China Academy of Information and Communications Technology)

Abstract: This paper estimates the impact of investment-led industrial policy on rural human capital. A cohort difference-in-differences (cohort-DID) identification strategy is utilized based on the China Family Panel Studies (CFPS2018). The results find that since 2008, local government’s investment-led industrial policy has resulted in large-scale investment in traditional infrastructure. This policy significantly reduced the possibility of rural school-aged youth to complete high school education. The conclusion remains robust when instrument variable (IV) method is applied. Additionally, this study attempts to explore the mechanism of the above effects. On the one hand, investment-led industrial policy has induced an increasing growth in traditional infrastructure investment. Blooming opportunities for low-skilled jobs in the construction industry and other related industries enhanced the opportunity cost of achieving high school degree. On the other hand, an increase in low-skilled jobs caused the convergence of wages of labors with different education levels as well as the declining of the skill premiums in wages, which further lowered expected returns to high school investment. The conclusion of this paper has reference value for China to comprehensively integrate industrial policy that matching innovation-led economic development model in the future 14th Five-Year Plan period.

Key words: industrial policy; fixed asset investment; rural human capital

庞晓鹏、庞小冬，中国人民大学农业与农村发展学院，邮政编码：100872，电子信箱：pangxp@ruc.edu.cn；霍鹏(通讯作者)，中国信息通信研究院政策与经济研究所。本文得到中国人民大学中央高校建设世界一流大学(学科)和特色发展引导专项资金的资助(18-19B04)。感谢匿名评审人提出的修改意见，笔者已做了相应修改，本文文责自负。

(责任编辑：张雨潇)