网站首页 | 网站地图

大国新村
首页 > 学术前沿 > 成果首发 > 正文

我国居民人力资本的发展特点及提升路径

【摘要】人力资本是劳动者为社会作出贡献并获取相应报酬的基础,也是决定一国潜在经济增长能力的关键要素。准确测度居民人力资本水平、把握人力资本发展规律,是促进人口高质量发展的基础性工作。运用CHC能力结构理论,对我国10万名3周岁到90周岁居民16种能力进行测试的结果显示,2009年到2021年期间,我国居民一般能力暨人力资本水平随着年龄的增长呈倒U型演变,在22岁到30岁达到峰值99.8分后趋于下降,各年龄组居民人力资本平均分值为98.4分,基尼系数为0.2826。其中受先天因素影响较大的流体能力以22~30岁年龄组分值为分界点,呈明显的倒U型走势;受后天学习教育因素影响较大的晶体能力在12周岁之前迅速提升,此后随着年龄增长缓慢提升。流体能力的基尼系数要明显大于晶体能力。测试结果说明,提升居民人力资本水平,需要从早期教育抓起,加强个性化教育和职业培训力度,开发利用好大龄、高龄劳动力资源。

【关键词】人力资本 流体能力 晶体能力 基尼系数

【中图分类号】F249.2     【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2023.16.008

李建伟,国务院发展研究中心社会和文化发展研究部部长、研究员。研究方向为经济增长、金融发展、社会发展。主要著作有《经济周期与中国经济增长》、《投资率、消费率与经济周期变动的关联度》(论文)、《要素收入分配结构的U型演变规律及其影响因素分析——以我国要素收入分配为例》(论文)、《居民收入分布特征及其影响因素》(论文)等。

人力资本是指劳动者所拥有的知识、技能、体力以及获取信息能力的总和,是决定经济增长的核心要素,也是决定劳动者报酬的基础。准确测度现阶段我国居民人力资本水平、把握人力资本差异化分布特征及其内在演变规律,是完善收入分配制度、促进人口高质量发展的必要前提。当前我国正处于少子化、老龄化快速发展的进程中,提升人口技能素质和健康水平,是促进人口高质量发展、提升社会人力资本积累水平、增强经济社会可持续发展能力的必然选择。

我国居民流体能力的倒U型发展特点

自舒尔茨[1]和贝克尔[2]提出人力资本理论后,如何准确测度人力资本一直是经济学界的难题。早期的测度方法以教育年限(如学历、非文盲率)作为衡量人力资本的替代指标,但教育年限是一个同质性指标,不能反映个体之间教育学习成效的差异,无法准确体现个体人力资本的实际水平及差异性。为全面、准确测度我国居民人力资本的发展水平及发展特点,我们采用卡特尔-霍恩-卡罗尔能力结构理论模型(Cattell-Horn-Carroll, CHC)的能力测试方法,以北京师范大学认知神经科学与学习国家重点实验室积累的108499名3至90周岁中国居民能力测试数据为分析样本,在科学测度居民16种广泛能力的基础上,把居民能力划分为两大类,即包含9种受较大先天因素影响的广泛能力——流体能力(Fluid Intelligence)和包含7种受较大后天培养与经验积累因素影响的广泛能力——晶体能力(Crystal Intelligence),[3]并把涵盖16种广泛能力的一般能力(General Intelligence)作为人力资本的衡量指标,对居民不同能力和人力资本水平进行了测度。结果显示,2009年至2020年,我国居民流体能力、晶体能力和一般能力暨人力资本大致符合人的能力发展一般规律,即流体能力随着年龄增长呈倒U型发展,晶体能力随着人的学习和阅历不断增长而提高,一般能力暨人力资本水平并不必然随着年龄的增长而衰退。

流体能力是指发现复杂关系和解决问题的能力,可以帮助人们处理崭新的、抽象的问题。赫伯[4]等学者的研究表明,人的流体能力是一般能力的基础,是个体与生俱来的先天禀赋,不受教育与社会因素的影响,其发展特点是随着年龄的增长呈倒U型发展,通常在20至25岁达到顶峰,25岁以后逐渐下降。我们将感知能力、注意能力、决策能力、执行能力、想象能力、记忆能力、高级记忆能力、归纳能力和高级归纳能力共9种广泛能力作为流体能力的内涵(见表1),根据108499名居民9种广泛能力的测试结果,计算得到我国居民流体能力得分(见表2)。从测试结果看,我国居民流体能力大致符合随着年龄增长呈倒U型发展的一般规律,其发展态势具有以下四大特点。

表1

表2

一是居民流体能力服从正态分布。从居民流体能力包含的9种广泛能力分值分布情况看,我国居民流体能力分值在1至265分之间,平均分值为98.5分,标准差为14.83,58%的居民分值集中在90至110分之间,模拟分析显示,居民流体能力大致服从期望值为98.5、标准差为14.83的正态分布(如图1所示)。流体能力的正态分布特征表明,居民流体能力分布具有很强的自然属性,个体之间流体能力存在一定差距是客观现象。

图1

二是居民流体能力水平随着年龄增长呈倒U型演变趋势。从不同年龄组居民流体能力均值看,12周岁之前是居民流体能力快速提升时期,在3~6周岁分值只有93.1分,9~12周岁大幅度提高到98.9分,此后进入缓慢提升阶段,到22~30周岁提高到100分的峰值,然后逐步下降,30~40周岁下降到98.9分,50~60周岁回升到99.4分,60~70周岁和70~90周岁分别降为99.3分和99分。与流体能力理论所揭示的流体能力达到峰值后会持续下降的结论不同,我国居民流体能力在22~30周岁达到峰值后,没有出现较大幅度的持续下降,40周岁以后仍然保持在99分以上,我国大龄人口和老年人的流体能力仍保持了很高水平,是值得高度重视的人力资源。

三是居民流体能力离散系数随着年龄增长不断缩小。如图2所示,从不同年龄组居民流体能力的离散系数(标准差/均值)看,全样本人群的流体能力离散系数为0.1506,即样本人群流体能力分值的平均差距为15.06%,但不同年龄组的离散系数随着年龄增长不断下降,从3~6周岁的0.1946下降到70~90周岁的0.1483。这一结果表明,仅从流体能力分值差距看,居民流体能力差距随着年龄的增长趋于缩小,说明尽管流体能力主要是由先天性因素决定的,但后天学习和经验积累等因素对流体能力仍有显著影响。

图2

四是居民流体能力基尼系数呈先降后升的U型发展。离散系数仅反映了居民流体能力分布情况,而从反映了流体能力的人群分布和智力分布两个维度差距的基尼系数看,整个群体流体能力的差异化程度即基尼系数提高至0.2979,也就是说居民流体能力的综合差距为29.79%,远高于离散系数。不同年龄组居民的差异化程度随着年龄增长表现为U型走势,在从3~6周岁的0.5678降为18~22周岁的0.212之后,逐步上升到70~90周岁的0.3526。即22周岁之前居民之间的流体能力差距随着年龄增长不断缩小,但22周岁以后又会随着年龄增长不断扩大。这一结果表明,后天教育与经验积累等社会因素对居民流体能力会产生重大影响,而非如传统理论所说的“流体能力是个体与生俱来的先天禀赋,不受教育与社会因素的影响”。

我国居民晶体能力随年龄增长不断提升的发展特点

晶体能力是指人通过教育和社会经验而获得的能力,主要由环境和教育所塑造,受后天经验的影响较大,与个体的教育水平和经验密切相关。赫伯等学者的研究表明,晶体能力很大程度上取决于流体能力的初始水平,但与流体能力的倒U型发展趋势不同,晶体能力随着人的学习和阅历不断增长而提高。我们把计算能力、数感能力、识字能力、词汇能力、联想能力、逻辑能力、洞察能力共7种广泛能力作为晶体能力的内涵(见表3),根据108499名居民7种广泛能力的测试结果,计算得到我国居民晶体能力得分(见表4)。从测试结果看,我国居民晶体能力大致符合随年龄增长不断提升的一般发展规律,其发展态势具有以下四大特点。

表3

表4

一是居民晶体能力服从正态分布。从晶体能力7种广泛能力的分布情况看,我国居民晶体能力的分值在8至175分之间,均值为98.1,中位数为100,标准差为15.65,模拟分析显示,晶体能力大致服从期望值为98.1、标准差为15.65的正态分布(见图3)。晶体能力的这一分布特征表明,尽管晶体能力受教育和经验积累等后天因素影响很大,但其分布仍具有很强的自然属性,个体之间晶体能力存在一定差距是客观必然现象。基于正态分布的特性,各种后天因素可以改变个体能力的水平及其差距,但无法消除个体之间的能力差距。

图3

二是居民晶体能力水平随着年龄增长不断提升。从不同年龄组人群晶体能力测试结果看,我国居民晶体能力总体上随着年龄的增长不断提升,从3~6周岁的93.8分提升到70~90周岁的99.9分。与流体能力一样,晶体能力快速提升的时期也是12周岁以前的学前教育和小学教育阶段,这一时期居民晶体能力水平从93.8分提高到98.3分,提升了4.8%。需要关注的是,居民晶体能力水平在22~30周岁和30~40周岁两个年龄组分值出现小幅度下降,分别降为99分和98.2分。这一偏离晶体能力持续上升趋势的现象,与流体能力在这一时期达峰后开始下降、两个年龄组人群教育学习积累的技能与工作后实际工作要求技能存在偏差有关,同时这两个年龄段也正是大部分人结束学校教育进入工作的重要时期,也是婚育的关键时期,因此两个年龄段晶体能力的持续下降,很可能与这一时期工作和生活压力倍增、能够用于个人能力提升的时间和精力缩减有关,值得高度关注。同时,60岁以后居民晶体能力虽然没有进一步提升,但仍维持在高水平,60~70周岁和70~90周岁年龄组的晶体能力分值分别稳定在99.7分和99.9分,与50~60周岁年龄组分值基本持平。

三是晶体能力离散系数随着年龄增长呈倒U型演变走势。如图4所示,整个群体晶体能力的离散系数为0.1595,基尼系数为0.2623,但不同年龄组晶体能力的离散系数和基尼系数表现出完全不同的走势。从晶体能力的人群分布这一维度看,不同年龄人群晶体能力的差异化程度表现为先升后降的倒U型走势,其离散系数在40岁之前呈小幅度上升趋势,从3~6周岁的0.1578不断上升到30~40周岁的0.1753,离散程度扩大了11.12%;但40岁以后晶体能力的离散系数趋于缩小,到70~90周岁年龄组降为0.1488,缩减了15.11%。即在40周岁之前,各种后天因素会导致居民能力差距不断扩大,但40周岁以后,后天因素反而会导致居民能力差距缩小。

图4

四是晶体能力基尼系数随着年龄增长呈U型演变走势。与离散系数的倒U型走势相反,不同年龄组晶体能力的基尼系数表现为先降后升的U型走势,在从3~6周岁的0.4369降为22~30周岁的0.144之后,逐步上升到70~90周岁的0.2013。离散系数与基尼系数的不同走势表明,不同晶体能力水平下人群分布(不同人群的能力占比)的差异化程度要远大于不同人群的能力分布(不同人群的能力占比)差异化程度,[5]也就是说,离散系数所反映的个体晶体能力偏离平均能力水平的幅度较小,但整个群体分布比较扁平,特别高或特别低的相对较多、处于中等水平区间的人群相对较少,在个体晶体能力随着年龄增长而不断变化的过程中,人群分布变化的影响要超过晶体能力分布变化的影响。

我国居民一般能力(人力资本)的发展特点

我们将居民一般能力作为人力资本的衡量指标。居民的一般能力是对流体能力、晶体能力及16种广泛能力的综合考量,通过16种广泛能力测评得分的算术平均值,得到个体的一般能力分值。从全样本居民一般能力水平测试结果看(见表5),我国居民的一般能力得分在4分至219分之间,均值为98.4分,中位数为100分,标准差为15.07分,56%的人一般能力分值集中在90~110分区间,整体分布大致服从期望值为98.4、标准差为15.07的正态分布(见图5)。这一结果与国际上通行的能力测度基本一致,如韦氏量表的标准差为15,斯坦福-比内量表的标准差为16,我国居民一般能力的标准差为15.07,略高于韦氏量表的标准差,表明我们基于一般能力测量的我国居民人力资本分布特征具有较好的稳定性。

表5

图5

从不同年龄分组的测试结果看(见表5),3~6周岁年龄组一般能力分值最低,只有93.3分,30周岁之前一般能力随着年龄的提高呈上升趋势,其中6~9周岁是提升最快的时期,一般能力比3~6周岁提高了4.72%;9~12周岁仍保持了较快提升,比6~9岁提高了1.13%,此后提升幅度逐步缩小,到22~30周岁年龄组一般能力均值提升至99.8分的峰值,比3~6周岁年龄组提升了6.97%。30周岁以后,居民一般能力不再提升,但也没有出现大幅下降,呈波动发展状态,其中30~40周岁年龄组一般能力均值降为98.8分,40~50周岁年龄组一般能力均值回升到99.2分,50~60周岁和60~90周岁年龄组一般能力均值稳定在99.5分。

居民一般能力的这一发展特征显示,在30岁以前,我国居民一般能力会随着年龄的增长而不断提升,在20~30周岁达到峰值,30岁以后居民一般能力有所波动,但均值总体稳定在99.2分左右的高水平,特别是60~70周岁和70~90周岁老年群体一般能力均值分别高达99.5分和99.4分,大幅高于3~15周岁年龄组98.04分的一般能力均值,也明显高于15~22周岁年龄组一般能力99.15分的平均水平,仅略低于22~60周岁年龄组99.54分的一般能力均值,老年人口的一般能力并没有出现随着年龄增长而大幅下降的现象。

如图6所示,从不同年龄组居民一般能力的离散系数看,各年龄组内部的一般能力差距会随着年龄的增长而缩小,3~6周岁年龄组内部一般能力离散程度最高、离散系数为0.1905,此后随着年龄的增长,离散程度有所波动,但总体上趋于下降,70~90周岁年龄组的离散系数降为0.1487。

图6

离散系数仅是从人群个体一般能力偏离均值的平均幅度这一个维度反映不同个体一般能力的平均差距,而从包含了不同能力水平的人群分布和不同人群的能力分布两个维度的基尼系数看,以全样本数据计算得到的居民一般能力的差异化程度即基尼系数为0.2823。不同年龄组的差异化程度分化明显,总体上表现为随着年龄增长呈U型演变趋势,其中3~6周岁年龄组的基尼系数最高,为0.5154,此后随着年龄增长差异化程度不断下降,到18~22周岁年龄组基尼系数降为0.1895的低点,此后再度随着年龄的增长不断扩大,到70~90周岁年龄组基尼系数上升到0.2829。居民一般能力基尼系数的U型走势,是流体能力和晶体能力不同发展路径及两种能力内部差异化U型演变的结果。

启示与建议

从我国10万名居民能力测试结果看,我国居民人力资本具有明显的差异性且服从正态分布。2009~2022年,居民人力资本、流体能力和晶体能力的基尼系数分别为0.2823、0.2979、0.2623,流体能力的差异化程度明显高于晶体能力,且一般能力、流体能力和晶体能力的基尼系数均表现为随年龄增长先降后升的U型走势。从不同年龄组居民能力水平发展特点看,流体能力呈倒U型发展,晶体能力随着年龄增长不断提升,二者共同特点是能力快速提升期均为12周岁以前的早期教育阶段。鉴于人力资本是经济社会发展的基础要素,提升居民人力资本水平是促进人口高质量发展的核心要义,也是应对人口规模下降和人口结构老龄化、提升经济社会可持续发展能力的根本路径,应在遵循人力资本基本发展规律的前提下,以提升劳动者素质和社会人力资本积累水平为重点,着力改革教育培训体制机制。

提升居民能力水平最重要的环节是早期教育。传统流体能力理论认为,流体能力是个体与生俱来的先天禀赋、不受教育与社会因素的影响,晶体能力主要取决于后天教育学习等社会因素,但从我国居民流体能力的发展特点看,居民流体能力符合随着年龄增长呈倒U型发展的一般演变规律,其差异化程度也随着年龄增长呈U型发展,流体能力基尼系数的这种变化显然是由教育和社会因素造成的,如果流体能力完全取决于先天禀赋,其差异化程度也不会随着年龄增长出现变化。考虑到影响流体能力和晶体能力的后天因素主要是教育和经验积累,而12周岁之前又是流体能力和晶体能力提升最快的时期,这一时期能力的提升幅度直接影响后期能力的水平,因此提升学前教育和小学教育质量,是提升居民一般能力水平最为重要的环节。鉴于此,应高度重视并加强学前教育和基础教育,加大财政投入力度,将学前教育纳入义务教育范畴,尽快普及学前教育;加强小学素质教育改革力度,加大学前教育师资培养力度,提升教师素质,为普及学前教育提供充裕的高素质师资队伍。

个性化教育对提升居民能力水平至关重要。3~6周岁居民流体能力和晶体能力的基尼系数高达0.5678和0.4639,表明个体之间的先天禀赋存在很大差别,到18~22周岁时流体能力和晶体能力基尼系数降为0.212和0.1654,即在大学本科教育结束时居民流体能力和晶体能力的差异化程度大幅下降,分别比3~6周岁时降低了62.67%和64.35%。22周岁之前是居民接受基础教育和高等教育的关键时期,为推进教育公平,我国基础教育和高等教育以标准化教育为主,流体能力和晶体能力基尼系数的大幅下降,体现了标准化教育对促进教育公平、缩小居民能力差距的积极影响,但基尼系数的大幅度下降,也意味着标准化教育在提高先天禀赋较低群体的流体能力和晶体能力的同时,并未充分提升先天禀赋较高群体的流体能力和晶体能力,导致社会一般能力即人力资本资源损失。鉴于此,提升社会人力资本水平,需要加大因材施教的个性化教育改革力度,充分开发利用好先天禀赋较高人群的能力资源。

我国各级教育日渐普惠化、普及化。2018年我国高等教育入学率已达到50.6%,迈入高等教育普及化阶段门槛(入学率超过50%),2021年提高到63.6%。各级教育的普及化客观上要求教育选拔模式转型,需要从精英教育背景下的应试模式转向普惠教育背景下的素质教育。

我国经济社会发展已步入工业化后期,创新成为经济社会可持续发展的主要动力。未来30年,我国人口规模将趋于下降、人口少子化与老龄化加快发展,[6]实现经济社会高质量发展,不仅需要以标准化教育培育工业化时期规模经济所需要的大规模高素质技能人才,更需要以个性化素质教育培育大量创新型人才,需要深化教育体制机制改革,在巩固提升标准化教育体系质量与效率的同时,加大个性化素质教育改革与投入力度,尤其是在学前教育与小学教育以及研究生教育两个阶段,应以个性化素质教育为主、标准化教育为辅。

应高度重视大龄和高龄人群的能力资源开发利用。我国居民在40周岁以后流体能力有小幅度下降,但仍保持在很高水平,晶体能力仍保持上升态势,50~90周岁居民一般能力暨人力资本仍保持在99.4分的高水平。这一结果表明,尽管大龄与高龄人口体力与精力会随着年龄增大趋于下降,但依然是我国宝贵的人力资源财富。特别是我国人口进入快速老龄化阶段,开发利用好老年人口的流体能力资源,对增强经济社会发展的可持续性意义重大。应遵循人的能力内在演变规律,加快构建面向全民的终身学习体系,加大人力资本投资,尤其是针对40岁以后中高龄人口的教育培训,持续提升其晶体能力,不仅可以弥补流体能力自然下降对人力资本的负面影响,也可以在一定程度上缩小居民人力资本差距。面对我国人口少子化、老龄化多重挑战,应加大政策设计的灵活性,着力推进老年人力资源的开发和利用,不断提升人力资本利用率。

注释

[1]西奥多·W·舒尔茨:《论人力资本投资》,吴珠华等译,北京经济学院出版社,1990年。

[2]加里·S·贝克尔:《人力资本》,梁小民译,北京大学出版社,1987年。

[3]国内通常将Fluid Intelligence和Crystal Intelligence翻译为流体智力和晶体智力, General Intelligence翻译为一般能力,CHC模型为人的能力测试模型,为统一起见并避免发生歧义,本文将Intelligence一词均翻译为能力而非智力。

[4]J. L. Horn and J. Noll, "Human Cognitive Capabilities: Gf-Gc Theory," Contemporary Intellectual Assessment Theories, 1997.

[5]基尼系数是从不同能力水平的人群占比(人群分布)和不同人群的能力占比(能力分布)两个维度衡量居民能力的差异化程度,离散系数仅考虑了不同人群的能力占比即能力分布一个因素。

[6]国务院发展研究中心课题组、马建堂、李建伟等:《认识人口基本演变规律 促进我国人口长期均衡发展》,《管理世界》,2022年第1期。

责 编∕桂 琰

The Human Capital of Chinese Citizenship: Development Features and Improving Path

Li Jianwei

Abstract: Human capital is not only the basis for workers to contribute to society and receive corresponding rewards, and it is also a key factor in determining the potential growth ability. Accurately measuring the level of citizens human capital and knowing the development features of human capital is the foundational work to promote the high-quality development of population. Using the CHC intelligence Structure Theory to Test 16 broad intelligences of 100000 Residents aged 3 to 90 in China, We found that the general intelligence as well as human capital level of Chinese residents showed an inverted U-shaped evolution with age from 2009 to 2021, which tends to decline after reaching the peak of 99.8 points from 22 to 30 years of age. The average score of human capital for residents of all ages is 98.4 points, and the Gini coefficient is 0.2826. Among them, of the fluid intelligence affected mainly by congenital factors presents an inverted U-shaped curve, the Inflection point of the curve is the age group of 22-30 years, while the crystal intelligence affected mainly by acquired learning and education increases rapidly before 12 years of age, and then increase slowly with age. The Gini Coefficient of fluid intelligence is obviously greater than that of crystal intelligence. The testing result indicates that it is necessary to improve the level of human capital with early education, strengthening individualized education and vocational training, and developing and unitizing adult and elder age labor resources.

Keywords: human capital, fluid intelligence, crystal intelligence, Gini coefficient

[责任编辑:桂琰]