年会获奖论文|三等奖:城镇化进程中教育人力资本收敛性的门槛效应与空间效应-百语文学网

今日摘要

方超，黄斌，南京财经大学，公共管理学院，公共财政研究中心。

欢迎大家转发完整会议信息，但如需摘录、重组、刊发发言内容，请务必与发言人联系确认，以确保相关内容的准确和严谨。

摘要：本文利用我国1996-2014年的省级面板数据，基于经济收敛假说，检验教育人力资本的收敛特征，利用面板门槛回归与空间计量的方法，探讨教育均衡发展中的门槛效应与空间效应。实证研究结果表明：我国教育人力资本存在长期增长趋势，利用变异系数法测得平均受教育年限的离差在样本期内呈下降趋势，省域教育发展满足α收敛条件；期初教育投入与后期增长的反向运动趋势，表明教育人力资本在落后省域的后期增长率更高，并在样本期内不断逼近发达省域，从而满足绝对与条件β收敛的特征；东、西部地区的教育人力资本相对西部地区更为离散，东、中、西三大区域并不具备组内差距缩小而组间差距扩大的俱乐部收敛特征；城镇化对教育人力资本的非线性影响仅存在单一门槛值，当人口城镇化率越过0.845的拐点后，区域劳动力转移对教育收敛的促进作用可达91.5%。人力资本收敛在地理空间上的聚集态势显著，但局域自相关性却存在显著差异，教育人力资本收敛对临近省域的空间辐射效应则高于静态收敛。

关键词：人力资本；教育人力资本；收敛；城镇化；门槛效应；空间溢出

一、引言

改革开放以来，我国年均经济增速9.8%，2003-2007年间更是达到了11.6%，高增长率推动经济发展取得了举世瞩目的成就，也被外媒喻为了“中国奇迹”。然而，粗放发展模式主导的“中国奇迹”，虽大幅提高了居民收入水平、减少贫困人口基数，将我国迅速推进至中等收入国的行列，但受制于市场成熟度不高、原始资本不分不均、传统分配体系分割等原因，致使初期相对公平的收入分布在地域、行业、家庭以及不同受教育程度人群间，呈现出日趋扩大的态势。同时，人口城镇化的加速发展驱动着劳动力由农村转向城市，但经济结构中城乡割裂的二元惯性，却进一步放大了城、乡居民的组间收入差距。针对日渐扩大的贫富差距，“十三五”发展规划纲要着重强调了收入分配的深化改革，致力于收入差距的均质收敛，将经济改革与社会发展的福祉惠及至全体人民群众。

传统人力资本理论认为，人力资本存量与劳动生产率的正相关性，致使完全竞争性市场下，个体收入水平由劳动生产率的高低决定，人力资本存量的水平差异引致了劳动生产率的分化，并从根本上决定了个体的收入分布状态。通常而言，教育与“干中学”是积累人力资本的两条途径，教育对劳动力的人力资本塑造，使得受教育程度高的劳动者，易于获得更高的收入报偿；教育对个体收入调节的资源配置性功能，在实现社会分层、加速向上流动方面，相较于在职培训而言则更为重要，我国的经验证据更是表明，教育人力资本的分布不均加剧了收入分配不平等，而缩小教育差距则有助于缓解收入差距的扩大[1]-[2]。

基于教育人力资本在改变收入分布方面的重要意义，本文聚焦的核心议题是：第一，借鉴、改进经济收敛模型，提出理论假说并检验教育人力资本的收敛机制；第二，既有的研究逐步验证了推进城镇化水平对经济增长的促进作用，但人口城镇化对教育人力资本收敛的影响尚不明晰，我们通过对条件β收敛模型的改造，同时引入面板数据的门限回归思想，旨在讨论城镇化进程对教育人力资本收敛的线性与非线性影响；第三，引入空间因素，检验教育人力资本收敛的空间自相关性，利用空间杜宾模型探讨省际教育均衡发展的溢出效应。余文结构安排如下：第二部分回顾既有文献；第三部分为理论假说、模型设计、数据说明与处理；第四部分为实证分析；最后是结论与政策建议。

二、文献回顾

自Barro & Sala-I-Marti（1991）[3]利用收敛假说验证了美国乃至欧洲地区经济增长的收敛性以来，Mankiw & Romer（1992）[4]基于索罗的人力资本扩展模型，进一步的揭示了经济收敛后，西方教育经济学界便涌现了一批探讨教育人力资本收敛问题的经验研究。Sab & Stephensmith（2001）[5]基于3SLS的跨国研究，截取84个国家1979-1990年间的总入学率与中学入学率、婴儿存活率、预期寿命等指标，验证了教育与健康人力资本间的条件性收敛，并指出教育与健康投资的高度相关性。Jesúsrespo-Cuaresma（2006）[6]对国际经合组织（OECD）成员国的研究表明，因选用的数据库不同，导致了国别间以平均受教育程度为代理指标的教育人力资本收敛性分析存在着一定的差异。Stamatakis & Petrakis（2006）[7]的研究，将OECD成员国划分为先进、经济发达以及贫困组，选取教育入学率与研究员占比每万劳动规模为代理指标，发现组间国家的教育人力资本呈发散状态，而组内国家则表现出一定的收敛态势。Marcella D’Uva& Rita De Siano（2007）[8]基于回归与分类树（CART）的方法，利用ADF的单位根检验，验证了意大利区域教育人力资本间存在着“俱乐部收敛”的现象。

国内学者岳书敬（2008）[9]将1990-2004年的平均受教育年限代入收敛方程，分别测度教育人力资本的α与β收敛后指出，省域教育人力资本存在绝对收敛。谢童伟（2011）[10]利用我国省级教育面板数据的实证研究表明，自义务教育投入改革后，省域及农村地区的教育经费投入差距呈鲜明β收敛，而城镇教育经费投入则表现出一定的β收敛趋势。夏焰（2014）[11]基于省级高等教育生均经费支出的数据，针对高教投入收敛的研究表明，全国高教投入并不存在稳定的α收敛；而全国与西部地区高教经费投入的增长率则表现出显著的β收敛，东部与中部地区则不存在俱乐部收敛的现象。李恺（2015）[12]利用1998-2013年省级面板数据，以平均受教育年限（AEY）为代理指标，采用α、β以及俱乐部收敛的方法测度我国义务教育的收敛性，指出义务教育的发展总体上存在α收敛并表现出β绝对收敛的特征，而东、中、西部地区并未展现出俱乐部收敛的特征。黄乾（2015）[13]在空间相关性的基础上，验证了省域教育人力资本的β收敛特征，但并不存在“俱乐部”收敛的显著特征。王敏，王青（2017）[14]的研究则揭示了教育对经济增长影响的空间效应。

国内外学者在教育人力资本收敛性的研究中积累了大量有益的经验，但却鲜有涉及城镇化对教育人力资本收敛的影响，而针对当前研究的不足，本文拟从以下三个方面实现对既有文献的补充与完善：第一，基于经济收敛的理论假说，检验我国教育人力资本是否存在收敛性，探讨东、中、西部地区教育人力资本收敛的差异性；第二，构建面板数据的门限回归模型，将城镇化纳入收敛方程，探讨城镇化对教育人力资本收敛的非线性影响，即城镇化处于不同发展阶段时，是否存在相应的门槛效应；第三，随着新经济地理学的兴起与空间计量经济学的不断成熟，传统面板对地区割裂状态的假定无法满足空间研究的需要，因此我们利用Elhorst（2010）[21]提供的空间面板数据的处理办法，检验人力资本收敛的空间效应。

三、理论假说、模型设计、数据与变量

（一）理论假说

1.收敛假说

一般而言，经济收敛主要有α、β以及俱乐部收敛三种形式：第一，随着时间的推移，人均经济产出的离差下降引致国家、经济体或区域间经济产出的趋同性，即α收敛。α收敛用以测度总量经济的水平性收敛，因计算的简便性而被广泛运用，但一定程度上受制于无法清晰揭示收入转移的方向性，即经济收敛究竟源自发达的收入转移还是欠发达地区的收入转移[22]；第二，由于经济增速与初始经济发展条件间的负相关性，在资本边际报酬递减的作用下，期初落后地区趋向于更高的经济增长率，导致落后与先进地区的人均产出在一定时期内的趋同，即β收敛。β收敛有绝对与条件之分，绝对β收敛严格假定各经济体在资本投入、人口出生、折旧率等基本特征上完全相同，收敛速度仅仅取决于期初经济落后地区的高增长率；条件β收敛则放松了对经济特征的严苛假定，允许各经济体拥有诸如资源禀赋、要素流动、产业结构等相互独立的发展特征，欠发达地区可通过差异化的增长路径实现稳态增长，而经济收敛并非表现为前述的趋同性。第三，俱乐部收敛则是指经济体内部表现出鲜明的收敛特征，但经济体间的差距却呈离散的态势并且无显著收敛特征。

2.教育人力资本收敛

基于收敛假说的各项假定，针对教育人力资本可能存在的α、β以及俱乐部收敛，本文拟提出以下三条理论假说：第一，随着时间的推移，若省际教育差距的离差不断下降，则有α收敛适用于教育人力资本的收敛；第二，若省域教育人力资本的增速与期初投入水平呈反向变动，即期初教育发展落后省域的增长率较高，则验证绝对β收敛的存在；第三，若东、中、西部地区的教育人力资本在区域内表现出绝对β收敛特征，但三大区域间的差距不断拉开，则说明教育人力资本的俱乐部收敛成立。不同的收敛形式意味着差异化的政策含义，α与绝对β收敛隶属于绝对收敛，表明落后地区无需政府的外在助力，凭借较高的后期增长率便可实现对发达地区的自行赶超，使得省际教育的发展趋于同一；条件β收敛则意味着各级政府应在财政等方面给予落后省域以扶植、倾斜，满足欠发达地区实现教育赶超的外在条件；俱乐部收敛则预示着省域教育人力资本可能存在着“贫省愈贫，富省愈富”的“马太效应”。

（二）模型设计

1.α收敛

测度α收敛的主要方法有标准差法、变异系数法、泰尔指数法等，变异系数因兼顾了数据的差异、集中与离散程度，故被国内外学者广泛用以测度地区差异，从而也为本文所选用。

2.β收敛与俱乐部收敛

3.教育人力资本的门槛效应

条件β收敛方程仅考虑了城镇化及控制变量组对教育人力资本收敛的线性影响。但实际上，人口城镇化对教育收敛的影响并非以线性的方式单一呈现，而是始终处于动态变化的过程中。因此，为检验教育人力资本收敛进程中，城镇化的门槛效应，本文借鉴Hansen（1999）[25]提供的门限回归思想，构建教育收敛的门限回归模型，探讨二者间的非线性关系：

4.空间溢出效应

“地理学第一定律”指出，任何事物都与其他事物相互关联，但较近的事物比较远的事物的关联性更强。因此，基于地理学第一定律改造教育人力资本的条件β收敛，将解释变量的空间滞后项纳入方程，探讨教育人力资本收敛的空间溢出效应：

（三）数据与变量处理

本文利用1996年-2014年，除西藏自治区与重庆市以外，29省市区的面板数据建模。倘若存在遗漏变量且与解释变量相关，面板数据在一定程度上消除估计偏误，原始数据均出自《中国统计年鉴》与《中国劳动统计年鉴》，下文就各变量的技术处理做出简要说明。

1.核心变量：教育人力资本（Educ）

人力资本是指蕴藏于劳动力身上的各类知识、技能、经验、健康状况等因素，测度方法主要有未来收益、教育存量以及累计投入法三种。未来收益法将预期货币收入视作当期人力资本投入；教育存量假定了学历教育的人力资本投资形式，教育成就、受教育层级、受教育年限等便成为对劳动力的人力资本存量的间接描述；累计成本法则以后天投入的累计加总衡量人力资本存量。本文因在劳动力统计口径下，聚焦于教育塑造的人力资本，故选取教育存量法测度劳动力的人力资本存量，将平均受教育年限作为代理指标，一定程度上兼顾教育人力资本的教育层级与时间跨度[26]-[27]，其计算公式为：

式中， Educ_it为i地区第t年劳动力的平均受教育年限。n为教育层级，考虑本文实际的研究所需，我们将教育层级n依次划分为文盲、小学、初中、高中、大学、研究生及以上6个教育层次，各级教育所对应的教育年限h_it分别为0年、6年、9年、12年、16年，研究生及以上层级涵盖了硕士与博士教育，故取值为20年[28]-[29]。l_it表示接受i级教育的从业人数，Lit则为劳动力规模，原始数据均源自《中国劳动统计年鉴》。由于历年年鉴均未公布2000年的人力资本分布，故对该年取自然增长率计算后进行替代。

2.城镇化及控制变量

严格意义上讲，城镇化应涵盖人口与土地两极，但考虑到本文仅关注城镇化进程中，人口、劳动力的城乡转移对教育人力资本收敛的影响，故将城镇化的范围缩减至人口城镇化，以各省市区非农人口比重代理人口城镇化。理论上说，人均GDP衡量着区域经济发展水平，与教育经费投入呈正相关性，区域经济增速愈快，省域教育投入的比重也就越高，进而有利于辖区内的教育人力资本投入；而人口构成则一定程度上决定了家庭、政府支出的方向，而老龄化社会、高人口出生率便意味着公共投入用于安置新生与老龄人口，从而不利于教育投入的增长。因此，本文将真实人均地区生产总值（lngdp）与人口出生率（birth）作为控制变量，经济增长与人口构成对教育人力资本收敛的预期影响正负相异。具体操作上，我们利用GDP指数平减法，将各个省市区的名义生产总值以1978年为基年并折算到1990年的不变价格，假定样本期内我国的市场构成、制度约束等合集稳定不变。名义地区生产总值与人口出生率均取自《中国统计年鉴》，表1给出了所涉变量的基本统计信息。

表1：各变量的描述性统计

四、实证结果及分析

（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CV_it<CV_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lnEduc_i_，_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Urb_i_，_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lnEduc_i_，_t-1交互后，新生成的变量east*lnEduc_i_，_t-1与west*lnEduc_i_，_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lnEduc_i_，_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Urb_i_，_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lnEduc_i_，_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Urb_i_，_t-1* lnEduc_i_，_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

五、结论与政策建议

本文利用1996-2014年我国29个省市区的面板数据，基于经济收敛理论，提出教育收敛假说，分别采用α、β、俱乐部收敛模型，利用门限回归思想与空间计量的方法，检验省际教育人力资本的收敛性，结果显示：第一：省域教育人力资本在样本期内的增长态势显著，利用变异系数法（CV）测度各省市区的教育发展基本满足CV_it<CV_it-1的收敛条件，表明省域教育差距不断缩小，具备α收敛的特征；第二，利用绝对β收敛方程估计变量lnEduc_i_，_t-1的系数后发现，省域教育的期初投入水平与后期增长呈反向运动趋势，欠发达地区的教育发展具有更高的增长率，教育人力资本的收敛具备绝对β收敛特征，控制城镇化、经济增长、人口出生率等区域差异后，条件β收敛进程的速率快于绝对β收敛；第三，以中部地区为参照组，将我国划分为东、中、西三大区域后的俱乐部收敛表明，区域间因教育差距的扩大而不存在俱乐部收敛；第四，引入面板门槛模型后，验证了城镇化对省际教育均衡发展的非线性影响，且存在单一门槛值，当非农人口占比越过84.5%时，人口城镇化对教育人力资本收敛的推动作用高达91.5%；最后，平均受教育年限在地理空间上具有较强的空间自相关性，空间杜宾模型的估计结果显示，教育人力资本的溢出效应高于对本省市区的影响，而城镇化的间接溢出效应则高于直接溢出。

本文的实证研究结果具有一定的实践指导意义。首先，教育人力资本是促进国民经济增长、改善个体收入分布的重要动力，教育人力资本的α与β收敛显示；额省际教育差距的缩小，区域发展走向均衡，但东、中、西部日趋扩大的教育差距，说明仅凭借教育内部的自发调节无法促成欠发达地区对发达地区的教育追赶，不利于提升落后地区经济产出与人均收入。因此，在“十三五”发展时期，，提高教育资源区域分布的科学性，缩小东、中、西部地区教育资源的非均衡配置，提升教育投资的利用效率，助力落后省域对东南沿海地区的教育追赶；其次，我国城镇化率仅为54.77%，距离84.5%的城镇化的教育收敛拐点尚存在一定的差距。因此，需进一步的推动新型城镇化改革，打破劳动力向发达省域的单项流动，实现省域教育的均衡发展；最后，由于教育人力资本的空间溢出效应有利于省际教育差距的缩小，各级政府应积极支持、鼓励、引导发达与欠发达地区间人才的交流与合作，打破劳动力转移的壁垒，通过空间效应的发挥促进区域教育人力资本的均衡发展。

参考文献

1.陈斌开，张鹏飞.政府教育投入、人力资本投资与中国城乡收入差距[J].管理世界，2010（1）：36-54.

2.方超，罗英姿.教育能够缩小劳动力的收入差距吗？——兼论中国人力资本梯度升级的问题[J].教育发展研究，2016（9）：9-17.

3.Barro R J，Sala-I-Marti.Convergence across states and regions[J].Brookings Paper on Econ. Activity，1991（1）：107-182.

4.Mankiw N G，Romer D，Weil D N. Acontribution to the empirics of economic growth[J].Quarterly Journal of

Economics，1992，107:407-437.

5.Randa Ssb，Stephen C. Smith.Human capital convergence：international evidence[R].IMF working paper，2001.

6.Jesús Crespo-Cuaresma.Convergence of educational attainment levels in the OECD：more data，more problems？[J].Economics ofEducation Review，2006，25（2）：173-178.

7.D.Stamatakis，P.E. Petrakis. Thehuman capital convergence fallacy：A cross country empirical investigation[J].EducationalResearch and Reviews，2006，1（3）：98-107.