金融—劳动力的结构匹配与产业结构升级

叶德珠 王佰芳 黄允爵

一 引 言

经济新常态的到来，标志着粗放型发展模式带来的福利已经消失，我国进入“结构性减速”时期，产业结构升级成为经济发展的核心动力。产业结构升级作为经济增长的重要推手，需要金融和劳动的有效支持。金融体系有市场主导型和银行主导型的结构之分，劳动力也有高技能和低技能的结构之分。而硅谷和班加罗尔高新产业园区的经验表明，高技能劳动力密集型产业的发展更需要风险类资本，低技能劳动力密集型产业的发展更需要银行稳健性资本(盖文启等，2004[1]；王伟和章胜晖，2011[2])。对不同发展阶段的经济体来说，金融和劳动力作为两种核心要素，在结构上相互匹配能够促进产业结构升级。

金融和劳动力都具有动态性和阶段性特征，在不同发展阶段、不同经济结构条件下，两者的相对重要性有所差异。资本相对稀缺时，发展劳动密集型产业符合比较优势；劳动力变得相对昂贵后，发展资本密集型产业更符合比较优势(龚强等，2014)[3]，所以劳动密集型产业向资本密集型转变的过程中，资本和劳动始终是相互替代的关系，这是能用总量来解释的。然而，在资本和劳动力都非常富裕的阶段下，只有向高附加值、高技术含量的产业转型才能继续保持经济的高速增长，而在资本密集型产业向高新技术产业转变的过程中，金融与劳动力两大生产要素的替代关系可能会发生变化。

我国现阶段已经出现严重的人才过剩和金融规模泛滥现象。截至2020年，我国人才储备量突破1.01亿，连续七年位居世界第一；广义货币量超过218万亿，与2010年相比增长3.01倍，而同期美国仅增长了1.56倍(1)人才储备数据来源于《2020中关村论坛全球科技创新智库论坛》，我国的广义货币量来源于中国人民银行2020年统计数据，美国广义货币量来源于World Bank数据库。。那为什么我国不缺人、也不缺钱，但高技术产业的发展却远远不及美国？如果不能从规模角度来解释，可能就是结构的问题。深圳的成功给我们提供了一个很好的参照系。深圳虽然在人才密集度和金融实力上没有北京和上海的优势(李松涛和俞自由，2000)[4]，但是其能够迅速发展成中国高技术产业典范离不开发达的风险资本业和成熟的股票市场的金融支持。人才是可以流动的，但是金融结构却不可以流动，所以金融结构的相对落后可能是影响我国产业结构升级区域差异的重要因素。

本文基于新结构金融学的结构匹配视角(叶德珠等，2019)[5]，研究金融和劳动力的不同组合方式在产业结构升级中的作用表现。通过借鉴婚姻中的学历匹配方法(叶德珠和曾繁清，2018)[6]，本文将样本中金融结构和劳动力结构分别从大到小等分为十个层次，再计算金融结构与劳动力结构之间的排序差异，用排序差异绝对值的相反数作为结构匹配度，数值越大表示结构匹配度越高。在得到金融结构与劳动力结构的匹配度指标后，将其对产业结构升级进行回归，结果表明：(1)匹配度与产业结构高级化、产业结构合理化正相关，即市场主导型的金融结构与高技能劳动力、银行主导型的金融结构与低技能劳动力的匹配均能推动产业结构向更高形态演变以及减小就业结构与产值结构间的偏离；(2)金融—劳动力结构的水平距离与产业结构高级化成“倒U型”关系，即存在最优匹配状态使产业结构升级效率达到最大；(3)作用机制方面，匹配度可以通过提高技术创新水平来促进产业结构升级。本文的结果在IV_2SLS的内生性检验及一系列稳健性检验后仍然显著。可能的创新在于：(1)首次跨越金融学和劳动经济学两个领域构建结构匹配度指标，为产业结构升级提供了新的分析维度；(2)逻辑一致地解释了美国硅谷和印度班加罗尔等两种不同模式的产业结构升级现象。

后续内容安排为：第二部分是文献综述；第三部分是指标选取、模型构建及数据说明；第四部分是实证结果分析；第五部分是稳健性检验；第六部分是结论与政策启示。

二 文献综述

(一)高技术产业中的金融与劳动：国内外经典案例分析

在新一轮科技革命的推动下，世界各国为保持国际竞争力、抢占经济的制高点，纷纷将发展重点转向高附加值、高技术含量的产业，但其中能够突破转型瓶颈、成功步入世界高新技术产业前列的国家却寥寥无几。纵观国内外高新技术产业发展模式的成功案例，不难发现，能够实现产业快速发展的往往同时具备人才(劳动)和资本(金融)两个条件。

硅谷作为世界最成功、最具潜力的高新技术产业园区，其发展的关键在于人才的聚集和成熟的风险资本市场。知名大学和研究机构的高度聚集可以为工业园区提供丰富的人才储备，发达的风险投资业又可以为人才的研发活动提供大规模的资金支持(匡致远，2000[7]；刘友金和黄鲁成，2001[8]；盖文启等，2004[1])。高新技术产业不只是发达国家的特例，发展中国家同样可以在发挥比较优势的条件下创造自己的“硅谷”。印度的班加罗尔，在国民经济几乎“赤足”的宏观环境中，仍依靠计算机软件产业跻身于“世界十大硅谷之一”(安娜李·萨克森尼安等，2001[9]；聂鸣等，2004[10])。在影响其成功的众多因素中，最为关键的是，印度商业银行为信息技术产业提供大量的优惠贷款支持，甚至在分支机构专门成立IT金融部门来为软件企业服务，使得印度在低素质劳动力占比很大的禀赋结构中实现信息技术产业的伟大飞跃(盖文启等，2004[1]；陆履平和杨建梅，2005[11]；王伟和章胜晖，2011[2])。

北京和深圳作为国内高新技术产业园区的代表，其发展模式却明显不同。北京拥有全国密度最大的知识型人才，其科研人员已经是硅谷的两倍，但发展速度和潜力却远不及起步更晚的深圳(李松涛和俞自由，2000)[4]。究其原因，北京中关村的资金来源由政府主导，规模受限、管制过多；而深圳的融资模式由市场主导，灵活高效的证券市场为高技术人才的创新活动提供了有利的金融环境(吴敬琏，2001[12]；徐顽强，2005[13])。所以在人才流动不受限制的情况下，金融结构的相对落后成为制约高新技术产业发展的决定性因素(于江，2008[14]；卫平等，2018[15])。北京和深圳的案例证实了人才只有与适宜的金融体系结构相匹配才能在产业结构升级中发挥积极作用。

纵观世界各国高新技术产业园区的发展特点，所有园区都是人才聚集之地，其显著差别主要体现在金融结构。硅谷，让我们看到了市场主导型金融结构与高技能劳动力结构匹配的高效率，班加罗尔让我们看到了银行主导型金融结构与低技能劳动力结构匹配的有效性。所以对于实现产业结构升级，“高—高”匹配与“低—低”匹配都是行之有效的手段。

(二)金融与产业结构升级

早期关于金融与产业结构升级的研究主要从功能和规模的角度论证金融发展在产业结构演变过程中的作用机理。具体而言，金融的风险分散机制和资源配置功能可以为高新技术产业提供有效的金融支持(Greenwood和Jovanovic，1990[16]；Levine et al.，1999[17]；林毅夫，2003[18]；叶耀明和纪翠玲，2004[19])，但金融对产业结构的作用机理仍有争议。曾国平和王燕飞(2007)[20]研究发现，中国金融发展的非常态模式对产业结构变迁具有扭曲效应，金融体系不能发挥有效性。但是杨德勇和董左卉子(2007)[21]却认为市场能够通过引导资本流向实现产业结构优化升级。也有学者提出，金融服务应保持与产业结构升级的适宜性，在不同发展阶段进行动态调整(Daron和Veronica，2008[22]；Michalopoulos et al.，2010[23])。金融规模对产业结构升级的影响在资本相对稀缺的阶段较为明显(王春丽和宋连方，2011)[24]，但是在资本和劳动都相对富裕的条件下，增量理论可能就不适用了。有学者将地理因素纳入模型，实证检验金融集聚在产业结构升级中的作用。孙晶和李涵硕(2012)[25]研究发现，相比于证券和保险对产业结构升级的贡献度，银行发挥的作用更大。然而金融集聚仍然无法体现出产业阶段性特征对金融服务的动态变化需求。

金融结构是近期金融研究的重点视角，学者们基于“二元论”将金融结构分为市场主导型和银行主导型，并分别考察其对产业结构升级的影响发现，不同金融结构在不同发展阶段的作用具有明显异质性(王定祥等，2013[26]；苏建军和徐璋勇，2014[27])。易信和刘凤良(2015)[28]拓展内生增长模型发现，金融可以通过技术创新的“水平效应”和“结构效应”加快产业结构转型升级。由此可见，金融与产业结构升级关系的研究逐渐从规模角度转向结构角度，但金融结构在产业结构转换过程中的作用机理还有待深入研究。

(三)新结构金融学视角下的产业结构升级

Jeffrey(2000)[29]的研究表明，发达国家总是会更加注重高附加值产业的发展，而发展中国家的主导产业往往是低附加值的劳动密集型产业。但产业结构差异与收入水平相关的这种观点却难以解释中国改革开放以来高经济增长问题。从更深层面看，产业的选择并非取决于经济体的发达与否，而是与各自的禀赋结构相关，金融的作用就是为要素的投入产出活动提供适宜的金融环境。金融体系本身的性质并不重要，重要的是与特定发展阶段的融资需求相匹配(Beck和Levine，2002)[30]。关于匹配，新结构金融学对此进行了更为深刻的解释。

新结构金融学强调产业结构的升级和变迁会不断对金融体系提出新的要求，且并不存在唯一的最优金融结构，能够为产业转型和经济增长提供有效率融资的就是最适宜的金融结构(林毅夫，2011)[31]。金融结构内生于产业结构，而产业结构是由特定发展阶段的要素禀赋及其结构所决定的(Lin et al.，2013)[32]。也就是说，金融结构不仅要满足产业发展的融资需求，还必须与要素结构相匹配才能更好地服务于实体经济(龚强等，2014[3]；叶德珠和曾繁清，2018[6]；杨子荣和张鹏杨，2018[33])。金融结构与要素结构的不同组合方式会在不同发展阶段发挥作用，如低技能劳动力密集型产业主导时期，企业规模大、风险低，银行贷款是最有效的融资方式，而过渡到高技能劳动力密集型产业主导时期，企业的高风险性决定了市场成为最优的融资方式(叶德珠等，2019)[5]。按照新结构金融学的思路，发展中国家的产业结构升级应该先看自己有什么，比较优势在哪里，再根据需求特征决定做什么。那么在我国当前人才规模扩大的阶段下，高技能劳动力的禀赋结构已经成为新时期的比较优势，传统银行业可能无法适应高技能劳动力密集型产业的高风险性、高失败率融资特征，金融体系市场化成为与要素禀赋相匹配的现实选择。

综上所述，硅谷、班加罗尔和北京、深圳的高新技术产业发展模式为重新构建产业结构升级的评价指标提供了有益方向，即人才和资本在产业结构升级中的同等重要性，且在世界各地人才资源充沛的情况下，金融的作用将进一步突显，如何构建与高质量劳动力结构相匹配的金融结构就成为关键之处。但案例分析的不足在于仅停留在个案的典型性事实，没有大样本来证明其理论的一般适用性。所以本文根据新结构金融学的匹配原则，将金融结构和劳动力结构分别排序后相减来构建匹配度指标，从而深入研究二者匹配度在产业结构高级化和产业结构合理化中的作用机理。

三 指标选取、模型构建及数据说明

(一)指标选取和模型构建

1.产业结构升级。产业结构形态的变化分为纵向和横向两种，纵向指产业结构从低级形态向高级形态演变的动态过程；横向指各产业结构之间的协调度，通常以就业结构与产值结构间的偏离度表示，反映的是要素投入与产业结构的耦合性(熊映梧和吴国华，1990)[34]。关于产业结构的纵向升级，本文借鉴干春晖等(2011)[35]的做法，将其定义为产业结构高级化和传统产业结构升级，其中，产业结构高级化由第三产业产值与第二产业产值的比率表示，反映的是产业结构后期的升级指标；传统产业结构升级由第二产业产值与第一产业产值的比率以及第二产业和第三产业产值之和与第一产业产值的比率表示，反映的是产业结构初期的升级指标。对于产业结构的横向升级，本文用已有研究中广泛使用的产业结构合理化指数来衡量(梁涛等，2011[36]；雷玷和雷娜，2012[37])。产业结构合理化指数的构建过程如下：

(1)

(2)

(3)

其中，SM1、SM2和SM3分别表示第一产业的结构偏离度、第二产业的结构偏离度和第三产业的结构偏离度。Y1/Y、Y2/Y和Y3/Y分别表示第一产业、第二产业、第三产业产值与总产值的比率，即三次产业的产值结构。L1/L、L2/L和L3/L分别表示第一产业、第二产业、第三产业就业人数与就业总人数的比率，即三次产业的就业结构。在得到各个产业的结构偏离度后，本文通过式(4)来构建产业结构合理化指标，其中i为产业的标识，包括第一产业、第二产业和第三产业。产业结构合理化指标反映的是就业结构与产值结构间的偏离度，数值越小，表明该产业吸收就业的能力越强，要素投入与产业产出间的耦合性越好，产业结构越合理。

(4)

2.金融结构与劳动力结构。金融结构和劳动力结构是构建结构匹配度的重要变量。关于金融结构，许多学者用直接融资与间接融资的比例来衡量(林志帆和龙晓璇，2015[38]；杨子荣和张鹏杨，2018[33]；叶德珠等，2019[5])。本文在已有研究的基础上，用股票市场交易总额与人民币贷款余额的相对比重衡量金融结构。数值越大于1，表示金融结构越偏向于市场主导，反之，越小于1，则表示越偏向于银行主导。关于劳动力结构的指标，学者常以人均受教育年限作为其替代变量(谭友林，2001[39]；何雄浪和姜泽林，2016[40]；阳立高等，2017[41])，但是受教育年限越长并不一定反映知识水平越高，所以无法体现出劳动力间的质量差异。本文借鉴顾和军等(2015)[42]、何小钢等(2019)[43]的做法，按照从业人员的受教育程度，将劳动力结构定义为大学及以上学历的劳动力与总劳动力的比值，并将至少读过高中的劳动力在总劳动力中的比重和大学及以上学历的劳动力与大学以下劳动力的比值作为劳动力结构的替代变量，用于检验研究结果的稳健性。

3.金融—劳动力的结构匹配度。根据金融结构与劳动力结构之间的匹配思路，即银行对低技能劳动力密集型产业具有比较优势、市场对高技能劳动力密集型产业具有比较优势，那么金融结构与劳动力结构间的层次越接近，适宜性越好，匹配度越高。对此，可以借鉴社会学文献讨论婚姻中学历匹配问题的层次匹配法来构建金融—劳动力结构匹配度。在婚姻的学历匹配问题研究中，一般将男女的学历分别分为小学、中学、本科、硕士、博士五个层次，分别赋值1-5，再计算双方学历层次的差异，用差异的绝对值代表匹配度，数值越小，匹配度越高。例如本科与本科的匹配度为0、本科与硕士的匹配度为1(Smits和Lammers，1998[44]；李煜，2008[45]；李锋亮等，2016[46]；叶德珠和曾繁清，2018[6])。叶德珠和曾繁清(2018)[6]曾在婚姻中的学历匹配方法基础上做了取相反数的处理，使得指标数值大小与金融结构适宜性保持一致。本文根据这种方法，将样本中金融结构和劳动力结构分别从大到小等分为十个层次，层次越高表示金融结构越偏向于市场主导型、劳动力结构越偏向于高技能，层次越低表示金融结构越偏向于银行主导型、劳动力结构越偏向于低技能。之后将金融结构所处的层次记为rank(Finstru)，将劳动力结构所处的层次记为rank(Laborstru)，再计算金融结构与劳动力结构之间的排序差异，用排序差异绝对值的相反数作为结构匹配度(Match)，具体如式(5)所示。Match的数值越大，表示金融结构与劳动力结构所处的层次越接近，匹配程度越高。此外，为考察金融结构与劳动力结构之间真实的强弱关系，本文运用式(6)构建金融—劳动力结构差距(Gap)，衡量金融结构赶超劳动力结构的程度。Gap值越接近于0，说明金融结构与劳动力结构的差距越小，匹配程度越高；Gap值越偏离于0，说明存在金融结构过度赶超劳动力结构或者严重落后于劳动力结构的现象，金融与劳动力的结构匹配程度越差，将金融—劳动力结构差距作为测算匹配度的一种补充方法，并用其探究金融结构与劳动力结构之间的最优匹配状态。

Match=-|rank(Finstru)-rank(Laborstru)|

(5)

Gap=rank(Finstru)-rank(Laborstru)

(6)

得到金融—劳动力结构匹配度指标后，通过式(7)-式(9)构建产业结构升级的计量模型：

Highindui, t=α0+α1Matchi, t+α2Controli, t+yeari, t+provincei, t+εi, t

(7)

SM4i, t=β0+β1Matchi, t+β2Controli, t+yeari, t+provincei, t+εi, t

(8)

Cyjgi, t=φ0+φ1Matchi, t+φ2Controli, t+yeari, t+provincei, t+εi, t

(9)

其中，Highindui, t、SM4i, t和Cyjgi, t分别为产业结构高级化、产业结构合理化和传统产业结构升级指标。Matchi, t为金融结构(Finstru)和劳动力结构(Laborstru)的匹配度，是本文的核心解释变量。Controli, t表示控制变量，包括反映金融规模的股票交易总额与贷款总额之和在GDP中的比率(Fi)，反映资本开放程度的外商直接投资与GDP的比率(Fdi)，反映人力资本投入的人均受教育年限(Eduyear)，反映贸易开放程度的进出口总额与GDP的比率(Open)，反映人口年龄结构的老年抚养比(Obp)和少儿抚养比(Cbp)，反映经济发展水平的人均真实GDP的对数(lnrgdp)。year和province分别表示年份固定效应和省份固定效应,ε为随机干扰项。

表1 变量、名称及定义

(二)数据说明及描述性统计分析

本文的金融结构原始数据来自《中国金融年鉴》，劳动力结构原始数据来自《中国人口和就业统计年鉴》及《中国劳动统计年鉴》，产业结构和其他控制变量的原始数据来自《中国统计年鉴》。

从描述性统计结果来看，产业结构高级化程度存在地区差异，最高值可达到4.17，最低值只有0.49，说明各地区之间的产业结构发展状况明显不平衡、不充分，第三产业发展严重滞后和产业结构快速升级的现象并存。整体上看，我国产业结构合理化程度较低，就业结构与产值结构间的偏离度均值已经达到了2.025，也就是说，现阶段的产值与要素投入产出比为3:1，至少有两个单位的就业人员无法被吸收。分三次产业来看，第二产业结构偏离度最大、产业结构最不合理，而第三产业结构偏离度最小，说明其要素投入与产出耦合性最高，对就业人员的吸收能力最强。

金融结构和劳动力结构的巨大区域差异导致了结构匹配度的区域差异。金融—劳动力的结构匹配度均值为-2.789，说明我国整体上存在一定程度的结构错配现象，且最小值和最大值分别为-9和0，数值越接近于0，结构的匹配度越高。所以对于金融和劳动力的要素组合，我国既存在着“高—高”和“低—低”匹配的均衡状态，即市场主导型的金融结构与高技能劳动力以及银行主导型的金融结构与低技能劳动力的匹配协调，也存在着“高—低”或“低—高”的非均衡状态，即金融结构和劳动力结构的严重错配。金融结构和劳动力结构的水平差距最小值和最大值分别为-8和9，如此大的差异反映出我国各地区金融体系结构发展上的严重落后以及金融结构过度赶超劳动力结构的现实状况。无论是落后还是赶超，金融结构与劳动力结构的不匹配都会阻碍产业结构升级，这也是我国区域间产业结构升级不平衡的重要影响因素。

表2 主要变量的描述性统计结果

四 实证结果分析

产业结构演变具有阶段性特征，不同历史时期的产业结构升级含义有所不同(干春晖等，2011)[35]，所以本文构建了多种产业结构升级的统计口径，包括第一产业向第二产业、第三产业转变的传统产业结构升级指数，第二产业向第三产业转变的高级化指数以及反映产业结构横向变迁的合理化指数，从而构建产业结构升级的动态评价体系。如前所述，本文根据叶德珠和曾繁清(2018)[6]的做法，将样本中金融结构和劳动力结构分别从大到小等分为十个层次，再计算金融结构与劳动力结构之间的排序差异，用排序差异绝对值的相反数作为结构匹配度，数值越大表示金融与劳动力的结构匹配度越高。在得到金融—劳动力结构匹配度指标后，将其对不同衡量标准的产业结构升级进行回归。本文将产业结构高级化(Highindu)作为主要实证结果进行解释，将其余产业结构升级指标的回归结果列示于稳健性检验部分。

(一)金融—劳动力结构匹配度与产业结构高级化

表3为金融—劳动力结构匹配度对产业结构高级化的回归结果。除了控制变量外，本文在所有模型中均加入了用于构造匹配度的金融结构和劳动力结构变量，单独考察金融结构或劳动力结构因素在产业结构升级中的作用。并将年份固定效应和省份固定效应纳入模型，以此充分考虑时间趋势和个体差异对模型估计系数的影响。

从表3列(1)-列(3)的结果来看，金融—劳动力结构匹配度系数始终显著为正，表明市场主导型的金融结构与高技能劳动力结构的匹配、银行主导型的金融结构与低技能劳动力结构的匹配均能够促进产业结构高级化。也就是说，符合“高—高”和“低—低”的匹配原则时，能够有效推动产业结构变迁。列(2)和列(3)都加入了控制变量，两者的唯一区别在于列(3)加入了个体固定效应，研究发现，列(3)中的R2为0.946，明显大于未加入个体固定效应的0.602，所以金融—劳动力结构匹配度对产业结构高级化进程中的个体差异具有很好的解释能力。

表3 金融—劳动力结构匹配度与产业结构高级化

从金融结构和劳动力结构的单独影响来看，劳动力结构与产业结构高级化保持明显的正相关关系，而金融结构的作用却不显著，说明现阶段我国金融体系结构特征并不符合产业结构升级的需求，金融结构的相对落后成为制约产业结构升级的重要因素。对于控制变量，在加入固定效应后，贸易开放度的系数显著为正，说明对外开放的程度越高，越有利于产业结构发展；金融规模作用不明显，说明依靠总量投入无法推动产业结构的动态升级；外商直接投资系数显著为负，说明外商投资的引进并不能促进产业结构优化升级，正如黄永明和陈宏(2018)[47]的研究，FDI在高技术产业领域可能会通过技术封锁产生不利影响；人均受教育年限系数为正，体现了人力资本投入的积极效应；老年抚养比和少儿抚养比与产业结构高级化正相关，说明人口年龄结构层次中两端的比重越高，对服务性生产的需求越大，越有利于第三产业的发展；人均真实GDP的系数显著为负，说明低收入阶段的经济体更有必要进行产业结构升级。控制变量中存在系数和显著性不一致的情况，这可能是变量间的相关性引起的，因此需要进行内生性检验来消除估计偏差的影响。

(续上表)

(二)内生性检验

本文利用金融—劳动力结构匹配度的一阶滞后项作为工具变量来处理内生性问题。从IV_2SLS的回归来看，Durbin检验的P值分别为0.012和0.02，即均拒绝了“解释变量外生”的原假设，模型确实存在内生性的干扰。由于金融—劳动力结构匹配度的一阶滞后项均与产业结构高级化显著正相关，且其F值分别为100.121、86.953，远远大于10，通过了弱工具变量的检验，所以说明工具变量的选取有效。在第二阶段的回归中，被工具变量处理过的匹配度仍与产业结构高级化呈正相关关系，验证了模型的稳健性。并且与基准回归中控制了年份和个体效应的系数0.01相比，2SLS中匹配度的系数更大，说明事实上金融—劳动力结构匹配度对产业结构优化升级的作用更大。并且从列(3)和列(4)的结果来看，1st Stage和2nd Stage的R2分别为0.544和0.939，两者间的巨大差异验证了金融—劳动力结构匹配度对产业结构高级化的强解释力。

表4 IV_2SLS：金融—劳动力结构匹配度与产业结构高级化

(续上表)

(三)金融—劳动力结构差距与产业结构升级的倒U型关系

本文的基准回归发现匹配度与产业结构高级化之间显著正相关，市场主导型的金融结构与高技能劳动力结构、银行主导型的金融结构与低技能劳动力结构的匹配均能发挥作用。但是现实中金融结构与劳动力结构之间往往存在一定的差距，或是金融结构过度赶超劳动力结构，或是金融结构落后于劳动力结构，所以不能仅仅关注金融结构与劳动力结构的匹配状态，还要考察两者之间的真实强弱关系。基于此，本文用式(6)构造金融—劳动力结构差距Gap这一指标，Gap值大于0，表明金融结构赶超劳动力结构，且数值越大，赶超程度越大；Gap值小于0，表明金融结构落后于劳动力结构，且数值越小，落后程度越严重；Gap值越接近于0，表明金融结构与劳动力结构的差距越小，匹配程度越高。因此，金融—劳动力结构差距从负到正的变化过程可用于探究金融结构与劳动力结构的最优匹配状态。

表5体现了金融—劳动力结构差距及其二次项与产业结构高级化间的回归结果。从列(1)来看，Gap系数不显著，说明金融—劳动力结构差距与产业结构高级化之间没有明显的线性关系。而将Gap与Gap的二次项同时纳入模型时，Gap仍然不显著，但是其二次项系数却显著为负，在加入固定效应、金融结构和劳动力结构后虽然显著性有所下降，但仍为负相关关系。这在一定程度上为金融—劳动力结构差距与产业结构升级间的“倒U型”关系提供了证据。正如图1和图2所示，在产业结构向高级形态演变的过程中，金融结构与劳动力结构间的差距会越来越小，即市场主导型的金融结构与高技能劳动力结构、银行主导型的金融结构与低技能劳动力结构越来越匹配，但结构匹配在产业结构升级中的作用遵循边际效应递减规律，即金融结构和劳动力结构的水平差距会在接近于0时发挥最大效应，从而使产业结构优化升级达到最优状态。

表5 金融—劳动力结构差距与产业结构高级化

图1 倒U型检验

图2 边际效应检验

(四)进一步分析: 技术创新的中介机制检验

为进一步研究金融—劳动力结构匹配度对产业结构升级的作用机理，本部分以发明专利授权数量与GDP的比值作为中介变量进行机制检验，并构建如下模型：

Highindui, t=βMatchi, t+ci, t

(10)

Pi_gdpi, t=μ1Matchi， t+ci， t

(11)

Highindui, t=δMatchi, t+μ2Pi_gdpi, t+ci, t

(12)

其中,式(10)的β反映了匹配度对产业结构高级化的总效应。而总效应可进一步分为直接效应和间接效应之和，如式(11)和式(12)所示，δ是直接效应，μ1μ2为间接效应。所以中介机制的原理在于检验：

β=δ+μ1μ2

(13)

那么，中介效应大小就可以用μ1μ2=β-δ来衡量。

表6为技术创新的中介机制检验结果。列(1)-列(3)和列(4)-列(6)的区别在于后者加入了控制变量，结果表明，控制变量的加入与否并不会影响各个变量的显著性，体现了模型的稳健性。结合中介效应的思想，列(1)和列(4)分别表示匹配度对产业结构高级化的总效应，是对式(10)的回归结果；列(2)和列(5)表示匹配度对技术创新的作用，是对式(11)的回归结果；列(3)和列(6)包括了匹配度对产业结构高级化的直接效应以及技术创新对产业结构高级化影响两部分，是对式(12)的回归结果。根据中介效应检验程序，由于δ、μ1、μ2的系数始终显著为正，所以可以判断存在以技术创新为中介的作用机制。

表6 技术创新的中介机制检验

从列(4)-列(6)的结果来看，匹配度对产业结构高级化的总效用为0.18；匹配度对技术创新的影响系数为0.011、技术创新对产业结构高级化的影响系数为0.542，两者乘积构造的间接效应加上匹配度的直接效应0.012，恰好等于总效应0.18，验证了式(13)的作用机理，即匹配度对产业结构高级化的总效应可以分解为直接效应和以技术创新为中介的间接效应。即表明金融—劳动力结构匹配度可以通过影响技术创新推动产业结构向高级形态演变。

五 稳健性检验

(一)匹配度与产业结构合理化

本文在基准回归中检验了金融结构与劳动力结构匹配度对纵向的产业结构升级，即产业结构高级化的影响，这一部分将进一步探究金融结构与劳动力结构匹配度对横向的产业结构升级，即产业结构合理化的影响。为验证结果的稳健性，除了使用大学及以上劳动力在总劳动力中的比率(Laborstru)与金融结构(Finstru)构建的匹配度Match，本文还考察了不同口径的劳动力结构与金融结构的匹配度，包括高中及以上学历劳动力在总劳动力中的比率(Mhlabor)与金融结构(Finstru)的匹配度(Match_mh)、大学及以上学历劳动力与高中及以下学历劳动力的比率(Laborti)与金融结构(Finstru)的匹配度(Match_lt)。通过回归发现(表7)，金融—劳动力结构匹配度系数始终显著为正，说明金融结构市场化程度越高、劳动力结构偏向高技能时，或者金融结构市场化程度越低、劳动力结构偏向低技能时，能够有效推动产业结构合理化，促进产业间协调性。

表7 金融—劳动力结构匹配度与产业结构合理化

(二)替换变量

上文参考何小钢等(2019)[43]的做法，将劳动力结构定义为大学及以上学历劳动力在总劳动力中的比重。为进一步检验指标的有效性，本部分把至少读过高中的劳动力在总劳动力中的比率(Mhlabor)、大学及以上学历劳动力与高中以下学历劳动力的比率(Laborti)作为劳动力结构的替代变量，重新与金融结构排序匹配，并对产业结构高级化进行回归。从回归结果来看，无论模型如何变化，金融—劳动力结构匹配度与产业结构高级化显著正相关，体现了结构匹配度指标的稳健性。同样值得注意的是，相比于基准回归中劳动力结构始终正相关，在替换劳动力结构变量后，表8Mhlabor的相关性显著下降，说明对于产业结构高级化来说，高技能劳动力结构的影响更大，对推动产业结构升级更有效。

表8 金融—劳动力结构匹配度与产业结构高级化(替换劳动力结构)

(三)金融—劳动力结构匹配度与传统产业结构升级

本文进一步将第二产业产值与第一产业产值的比率(Cyjg2_1)、第二和第三产业产值之和与第一产业产值的比率(Cyjg23_1)定义为传统产业结构升级指标，并进行金融—劳动力结构匹配度的回归。表9结果表明，匹配度的系数显著为正，所以无论是初期的传统产业结构升级，还是后期的产业结构高级化，在产业结构从低级形态向高级形态的动态变化中，金融—劳动力结构匹配度始终能够起到正向推动作用。其他变量方面，金融结构的系数不显著，劳动力结构的系数显著为正，这与产业结构高级化中的结论保持一致。

表9 金融—劳动力结构匹配度与传统产业结构升级

(续上表)

六 结论与政策启示

改革开放四十多年，我国产业结构演变中产能过剩、人才浪费、流动性泛滥以及内部就业结构与产业结构不平衡、不协调、不匹配等深层次的结构性矛盾问题日益凸显，从而导致产业结构向高级形态演变的动力不足，阻碍了现代化产业体系的构建。而硅谷和班加罗尔的经验表明，高技能劳动力密集型产业的发展更需要风险类资本，低技能劳动力密集型产业的发展更需要稳健性资本，所以经济体的金融需求特征和劳动供给特征相互匹配能够在产业结构升级中发挥重要作用。从现实角度看，我国不缺劳动力、也不缺流动性，但高新技术产业的发展却严重滞后，如果不能从规模角度解释，可能就是结构出现了问题。

为验证金融和劳动力两种要素的不同组合方式在产业结构升级中的作用，本文根据新结构金融学理论中的结构匹配原则，借鉴婚姻中的学历匹配方法构建了金融—劳动力结构匹配度指标，并对产业结构升级进行回归。研究表明：(1)匹配度与产业结构高级化、产业结构合理化正相关，即市场主导型的金融结构与高技能劳动力结构、银行主导型的金融结构与低技能劳动力结构的匹配均能推动产业结构向更高形态演变以及减小就业结构与产值结构间的偏离；(2)金融—劳动力结构差距与产业结构高级化成“倒U型”关系，即存在最优匹配状态使产业结构升级效率达到最大；(3)作用机制方面，匹配度可以通过提高技术创新水平来促进产业结构升级。通过实证，本文发现，对于产业结构高级化来说，与匹配度和劳动力结构始终显著正相关，而与金融结构关系却不显著，表明金融结构的相对落后可能是影响产业结构升级区域差异的重要因素。

本文的实证研究对于我国现实问题具有一定解释力。具体而言，我国人才规模、金融总量泛滥，而金融结构却相对落后，银行主导型的金融结构难以为高风险性的高新技术产业提供有效融资支持，从上述研究结论中得到如下政策启示：首先，加快构建多层次的资本市场，提高直接融资在金融体系结构中的比例，为产业结构升级创造适宜的金融环境；其次，应注重建立金融结构和劳动力结构匹配度演变的动态评估体系，根据不同发展阶段的产业结构升级需要而实时调整；最后，随着我国技术水平不断向世界前沿国家靠近，高新技术产业的发展将更加依赖于自主创新而非吸收引进，所以金融和劳动的要素组合必须同时符合技术创新的需要，才能为下一轮的产业结构升级提供新动力。