高技术产业人力资本投资效率评价
高技术产业是知识密集且发展迅速的产业，主要包括医药制造业，航空、航天器及设备制造业，电子及通信设备制造业，计算机及办公设备制造业，医疗仪器设备及仪器仪表制造业，具有高投入、高风险、高产出、高技术密集度等特征。人力资本投资不仅可以产生新的知识和信息，增强企业的创新力，而且可以提高企业本身的人力资本存量，促进知识和技术的外溢。对于以技术创新为核心的高技术企业来说，企业的竞争优势早已从传统的有形资产和市场支配能力转变为企业的人力资本。陈关聚（2012）基于2001～2010年上市公司面板数据，发现人力资本的贡献率为0.588，物质资本的贡献率为0.137。可以看出，相对于物质资本，人力资本对经济增长的贡献程度显著提高，人力资本在高技术产业的发展过程当中发挥着更大的作用。近年来，长三角地区高技术产业发展迅猛，2012年长三角地区高技术产业总产值占全国比重约为33%，取代珠三角成为我国高技术产业区域发展的“领头羊”。本文以人力资本为切入点对我国长三角地区高技术产业人力资本投资效率进行研究，探究长三角地区人力资本投资效率的现状，通过优化人员配置结构，以提高长三角地区高技术产业人力资本投资效率。
目前，国外针对人力资本投资效率的研究主要集中在其具体的影响因素上。Colombo G Massimo（2005）指出了企业家人力资本在高新技术企业发展过程当中发挥着重要的作用。Muhammad（2008）发现，为了维系人力资本的更好发展，应保证在科教方面的公共支出高于一定的门限值。Kevin Harriott（2010）的研究表明，高等教育在发达国家和发展中国家的经济增长中起到关键的作用，拥有高科技能力的人力资本与经济增长呈明显的正相关关系。
我国针对产业人力资本投资效率的研究并不多，主要集中在国家及区域层面对人力资本投资效率进行研究：王宇、焦建玲（2005）应用因果关系检验法对我国人力资本与经济增长之间的关系进行了研究；骆永民（2010）借助中国30个省份1998～2008年的面板数据，以数据包络分析（DEA）得到人力资本投资对于经济发展的效率；白勇、马跃如（2013）运用随机前沿函数，对我国人力资本投资效率及影响因素进行了实证分析。
本文以长三角地区高技术产业人力资本为研究对象，基于高技术产业的产业特征，建立了人力资本投资效率的指标体系。在此基础上借鉴国内外效率评价研究的相关成果，构建了高技术产业人力资本投资效率的评价模型，并进行实证研究，分析各投入因素对高技术产业人力资本投资效率的影响强度和方向，进而提出提高长三角高技术产业人力资本投资效率的政策建议。本文的研究成果对提高高技术产业人力资本投资效率、促进高技术产业的发展具有积极的理论和现实意义。
一、高技术产业人力资本投入和产出指标
（一）投入指标
国内大部分学者都认为人力资本是凝结在劳动者身上的体能、知识、技能和经验，包括普通劳动者在内的所有员工都拥有人力资本。因此，本文选择高技术产业每年从业人员平均数作为人力资本投入数量的评价指标。由于高技术产业具有高投入、高技术含量等特点，人力资本投入的质量也是影响高技术产业产出的关键因素，本文选择R&D人员数量作为人力资本投入质量的评价指标。从人力资本投资角度来看，国内外学者一般认为人力资本投资包含教育投资、培训投资、健康投资、迁移投资这四个方面，而在高技术产业里，这些方面的投资主要包含在人员劳务费中。以上投入因素分别记为X1、X2和X3，其中X1表示从业人员总数；X2表示R&D人员数量；X3表示人员劳务费。
（二）产出指标
与物质资本不同，人力资本不仅具有产值方面的产出，还具有创新方面的产出。因此本文选择了新产品销售收入作为衡量高技术产业创新产值的指标，记为Y。
二、高技术产业人力资本投资效率评价模型
对效率的测度方法主要有两大类。一是以Chames等提出的DEA方法为代表，该方法无需设定函数形式，从而避免了主观设定函数的影响，且在处理多投入多产出的效率度量上具有优势。但当有过多的输入和输出数目时，如果用DEA模型进行效率评价，往往会出现绝大多数的决策单元都是DEA有效。二是以Aigner等提出的SFA方法为代表，该方法采用计量手段对前沿生产函数进行估计，可以对得出的参数进行统计检验，有更为坚实的经济理论基础，而且在测算过程中可以控制个体冲击的影响，从而在一定程度上克服了由于个体差异而造成的技术非效率。与DEA方法相比，SFA可以有效区分随机误差项与技术非效率项，并且可以进行影响因素的分析。本文选择SFA方法作为高技术产业人力资本投资效率的评价方法。由于Cobb-Douglas生产函数所具有的经济含义直观且与其他生产函数得出的研究结果差异很小，本文以Cobb-Douglas生产函数为主体，构建高技术产业人力资本创新效率评价模型，即
lnyit=β0+β1lnx1it+β2lnx2it+β3lnx3it+vit-uit（1）
式中，yit表示i省第t年的新产品销售收入；x1it表示同年该省投入的总人数；x2it表示同年该省投入的R&D人员数量；x3it表示同年该省投入的人员劳务费。
三、实证研究
（一）实证数据来源
本文选择了长三角地区2009～2012年数据进行研究，上述四个指标数据均来自《中国高技术产业年鉴》，但是由于各指标之间存在量纲的差异，因此首先将原始数据用百分制表示，按照公式（2）对原始数据进行无量纲化处理，将其化为1～100之间的数。 m'=+1（2）
对处理后的数据用Frontier 4.1软件进行分析，得出投入因素的各参数估计值，参数估计结果如表1所示。
长三角地区2009～2012年的人力资本投资创新效率见表2。
表2对测量结果进行了详细的描述，进一步用图1来描述长三角地区高技术产业中的五大产业人力资本投资创新效率均值的时间演变趋势。
（四）研究结果分析
表1和表2分别给出了长三角地区2009～2012年高技术产业人力资本投资效率值及随机前沿模型参数估计结果值，下面分别从高技术产业人力资本投资效率和投入因素对高技术产业人力资本投资情况进行分析。
1. 高技术产业人力资本投资效率评价
从表2可以看出：从整体来看，长三角地区高技术产业人力资本投资效率保持增长趋势，目前处于较高的水平；从各个地区来看，江苏省高技术产业人力资本投资效率最高，上海次之，浙江最低，但三者之间差距不大；从五大产业来看，五大行业间效率值差距明显。电子及通信设备制造业人力资本投资效率最高，达到了0.907，航空、航天器及设备制造业效率最低，仅为0.548，但是航空、航天器及设备制造业人力资本投资效率值增长最快，四年来增长了22%。本文认为，电子及通信设备制造业起步较早，现在其人力资本投资效率已经达到较高的水平，而航空、航天器及设备制造业起步晚，虽然其人力资本投资效率值较低，但发展迅速。
2. 投入因素分析
由表1可知，高技术产业从业人员总人数的产出弹性最大，对高技术产业人力资本投资效率产生显著的正向影响，这说明目前提高人员的数量比增加人员的质量对提高高技术产业人力资本投资效率更为有效；人员劳务费的弹性也较高，说明产业应当注重员工个人激励，提高技能培训，优化组织结构，促进员工交流与学习；而R&D人员数量的弹性为负，表明目前高技术产业中R&D人员数量已经冗余。本文认为可能原因有以下三点：一是目前各个产业、地区间R&D人员的评价标准不明确，存在差异，影响数据统计时的准确性；二是高技术企业大部分属于国有企业，R&D人员工作积极性不高；三是相比较将资金用于研发之中，企业更倾向于将资金投入到广告、固定资产投资方面，从而导致缺乏R&D资金，使得R&D人员相对冗余。
四、结论及政策建议
（一）结论
本文通过对高技术产业人力资本投资效率的研究，基于理论分析和实证研究结果得出以下结论。一是确定了高技术产业人力资本投资效率的指标体系，构建了高技术产业人力资本投资效率的评价模型，并利用相关数据进行了实证研究，验证了各因素及评价模型的可行性和科学性。二是揭示了长三角地区高技术产业人力资本投资效率的现状及发展趋势：2009～2012年人力资本投资效率呈现上升趋势，其中电子及通信设备制造业效率最高，航空、航天器及设备制造业效率最低，有一定上升空间；同时对上海、江苏和浙江的高技术产业人力资本投资效率进行比较，地区间差异不明显。三是分析了高技术产业人力资本投资效率的投入因素：投入因素均会对高技术产业人力资本投资效率产生显著影响，其中从业人员投入数量弹性最大，增加人员的数量比提高人员的质量能更有效地提高高技术产业人力资本投资效率。
（二）政策建议
根据上述分析，本文提出如下建议：长三角地区高技术产业应加大人力资本投资规模，增加从业人员数量，逐步改善人力资本投入质量；营造良好的研发环境，增强高技术产业研发动力，同时要优化组织结构，完善教育培训机制，建立产业交流平台，便于员工学习交流。同时应加大政府对高技术企业的支持力度，发展具有国际竞争力的大型核心企业；合理利用社会教育机构提升从业人员的知识水平；充分调动科研机构的力量，提高产学研水平；增加医疗机构等医疗服务设施。
综上所述，本文的研究结果揭示了现阶段长三角地区高技术产业人力资本投资效率的发展现状、规律和趋势。由于部分因素所对应指标的数据收集存在困难，本文采取了替代指标和转换数据的方法，这可能使得本文的研究存在一些误差，还有待于今后进一步的深入研究。
- 上一篇：长期股权投资核算方法的转换
- 下一篇：浅议当代大学生的投资理财行为
