中国区域农村人力资本的估算及其时空特征

摘要 本文运用教育年限累积收益率方法估算了1997-2007年间我国分区域的农村人力资本存量水平,并以此为基础从空间、时间和时空综合的维度分析了其特征。具体结论主要有:农村人力资本存量水平呈现明显的自东向西逐次递降态势;高、中、初等水平的人力资本所占比重呈“梨形”分布状态;从整体上看,农村人力资本存量水平的区域差距在考察期间呈现出明显的缩小趋势;东部地区内的省域除福建外均属于高水平―高增长的“目标模式”和高水平―低增长的“马太模式”,长期之中其分布状态可能发生的改变主要为两种既有模式的内部交流;中部地区内的省域较为集中于“马太模式”,其未来有向低水平―低增长的“纳克斯模式”扩散的可能趋势;西部地区内的省域主要集中于“纳克斯模式”和低水平―高增长的“成长模式”,其未来有可能出现两极分化的趋势,即“成长模式”中的省域逐步实现向“目标模式”的演进,而“纳克斯模式”中的省域仍旧在低点徘徊。

关键词农村人力资本;教育年限;收益率;时空特征

中图分类号 F08; G40-054 文献标识码 A 文章编号 1002-2104(2010)09-0165-06 doi:10.3969/j.issn.1002-2104.2010.09.028

自西奥多•舒尔茨的开创性研究以来,现代人力资本理论受到了学界的广泛关注。对于传统经济理论无法充分回答的经济发展问题,其给予了有力地解释并提供了有效的政策建议。人力资本理论对于发展中国家和落后地区的发展尤具指导意义。正是基于这一认识,20世纪90年代以来,中国人力资本的相关研究愈益丰富。但是我们发现,有关农村人力资本的研究仍相对比较薄弱,而对于具有典型二元经济特征的中国而言,与农村地区发展相关的此类问题恰恰更应予以关注。同时我们还注意到,既有的关于中国农村人力资本的研究多是从全国或某一个具体区域的层面着眼,具体就各区域农村人力资本的存量、空间分布特征及其发展趋势的研究尚未出现,本文的写作正是对这一空白的填补。下文中,我们将首先对人力资本的估算方法进行探讨,并在此基础上选择适当的方法对中国各省级区域的农村人力资本存量水平予以具体的估算。根据估算结果,我们将进一步展开时空特征的分析,并籍此提出一些有价值的建议。

1 估算方法

1.1 方法的选择

目前,关于人力资本的估算最大的困难在于无法将劳动者的知识技能与健康水平、情商等要素有机地结合起来,即纳入一个统一的指标中来加以概括。这一方面涉及到要素赋权的难题,另一方面还受到数据可获性的制约。除去健康、情商等不易度量或尚有争议的内容不谈,就“知识技能”这一人力资本的最重要组成部分来看,教育在其形成过程中起着最为重要的作用。因此,在实际操作过程中学者们常以教育相关指标来估计或人力资本的存量水平,如采用成人识字率数据[1-2]、采用入学率标准[3-5]、采用从业人员中大专以上学历的总人数[6]等。但是,类似上述指标往往只是萃取了人力资本的某一方面,难免有失偏颇。比如说,成人识字率指标更多地是反映了人力资本的基础状况;从业人员中大专以上学历的总人数只是单纯地反映了高端人力资本的存量水平。即使就最为流行的采用平均受教育年限法的研究来看[7-8],亦存在有较大缺陷:一方面,该方法考虑的只是统计期望值,而未能考虑诸如方差、偏态等统计分布特征,应该说在相同的平均受教育年限下,方差越小,即教育获得越公平的情况更为可取;另一方面,该方法内含有受教育年限边际贡献相同的假设,而目前学界的基本共识是每一年教育对于人力资本增长的贡献呈U型分布,即为一种由高降低、再升高的时序分布状态。上述介绍的一些指标,对于人力资存

① 每年的《中国农村统计年鉴》都同时提供前后衔接的两个年度的该组数据,这使得我们可以就名称变化后的数据进行对比。对比的结果表明前后数据完全相同,即其统计口径依然是保持一致的。量而言更多地表现为一种变量,而非具体估算。那么就具体的估算而言,目前主要有两种进径:一种是用对人力资本的投资,也即形成人力资本的成本来估算人力资本存量;另一种是用人力资本的产出,也即人力资本的收益来估算人力资本存量。就前者而言,我们很难说有一单位的投入就必然能够生产出一单位的人力资本。比如在我国,公共教育经费支出的大部分都用于了高等教育,高等教育阶段的私人支出也远远高于中小学阶段,但很难说不到7%的人口所接受的三、四年的高等教育就形成了当今中国大部分的人力资本。由此出发我们还可以发现,这种方法将投资行为作为结果来看待,会导致研究结果缺乏必要的政策指导意义,即我们从中无法由其获知应如何实现教育投资的最优分配。且从实际操作上来看,我们很难界定投资转化为人力资本的时间,或者说,对于某年的人力资本我们无法区分其分别在多大比重上来源于此前数年乃至数十年的投资,并进而将各年的有效投资累加起来作为估算的结果。正是基于投入法的上述不足,舒尔茨提供了一个建议,“就估算人力资本来说,原则上由另一种可供选择的方法,就是用它的产量而不是用它的成本来进行计算。”[9]经过明瑟等人的发展,此类方法的运用目前已较为成熟,其中,教育年限累积法是广受认可的一种,下文中我们将对其进行具体的介绍。

周云波等:中国区域农村人力资本的估算及其时空特征

中国人口•资源与环境 2010年 第9期1.2 教育年限累积法介绍

首先,考虑如式(1)所示的包含教育累积效应的明瑟人力资本核算方程:

H-=e(E)L(1)

式(1)中,H-表示不同受教育年限下的人力资本存量水平;(E)为教育收益率,表示多接受一年的教育所带来的劳动力生产效率提高的程度;L为一单位简单劳动力的人力资本水平。若E=0,则H-=e(0)L=L,即未接受正规教育的劳动者只具有一单位简单劳动力的人力资本水平,由此进行教育年限的累加,可以将不同受教育年限所形成的人力资本存量水平表示成简单劳动力的倍数形式。运用上述公式将受教育年数转换成人力资本存量时,需要具体确定(E)的形式,也就是不同年限的教育收益率水平。由于目前在国内并没有一个普遍认可的分阶段教育收益率数据,已有的相关研究多引用Hossain提供的数据,即中国教育收益率在小学教育阶段为0.180,中学教育阶段为0.134,高等教育阶段为0.151,教育收益率将随年限的增长呈上文所述的U型分布形态[10]。本文的研究亦将借鉴Hossain的成果,设(E)为分段线性函数,其中,受教育年限在0-6年间的初等教育收益率为0.180;6-12年间的中等教育收益率为0.134,12年以上的高等教育收益率为0.151。由此,式(1)可具体表示为:

H-=e0.180ELe1.080L+e0.134(E-6)Le1.080L+e0.804L+e0.151(E-12)L E∈[0-6]E∈[6-12]

E>12(2)

根据式(2),整体的人力资本存量水平可以按不同受教育程度的劳动力人口比重加权计算获得。

2 估算结果与时空特征分析

2.1 数据来源与说明

本文中,各区域农村劳动力受教育结构数据均来源于1998-2008年的《中国农村统计年鉴》。该组数据共分为不识字和识字很少、小学程度、初中程度、高中程度、中专程度、大专及大专以上六个统计项目,其中,不识字和识字很少对应0年受教育水平,小学程度对应着6年受教育水平,两者都归于初等人力资本范畴;初中程度对应着9年受教育水平,高中程度和中专程度对应着12年受教育水平,三者都归于中等人力资本范畴;大专及大专以上对应着15.5年的受教育水平,其归于高等人力资本范畴。此外,由于自治区的数据缺失较为严重,本文未将其纳入研究样本。

1997-2005年的各区域农村劳动力总量数据来源于《中国农村统计年鉴》。自2007年开始,《中国农村统计年鉴》不再统计这一数据,而与此同时,《中国区域经济统计年鉴》开始予以提供。需要对其进一步说明的是:第一,2001年以后的《中国农村统计年鉴》将“农村劳动力”改称为“乡村从业人员”,但两者的口径也是一致的,本文这里仍将其统一称为“农村劳动力”①;第二,2006年有十个省级区域的数据缺失,考虑到这组数据变化幅度较小且比较稳定,我们通过取2005和2007两年数据的均值来予以代替。

2.2 计算结果

根据前文所述方法和数据,我们计算了中国30个省级区域1997-2007年的人力资本存量水平及其组成结构。进一步地,为了进行空间趋势的分析,我们还按照人口加权计算了东中西三大区域的人力资本存量水平及其组成

① 此处的区域划分采用以往国家统计局提供的方案,即东部地区包括11个省级区域,分别为北京、天津、辽宁、河北、山东、江苏、上海、浙江、福建、广东和海南;中部地区包括8个省级区域,分别为黑龙江、吉林、山西、河南、安徽、湖北、湖南和江西;西部地区包括11个省级区域,分别为内蒙古、甘肃、宁夏、陕西、青海、新疆、四川、重庆、贵州、云南和广西。结构。①由于篇幅所限,本文此处择要列举了1997、2002和2007年的情况,其分别展示了考察时期的起始年度、中间年度和截止年度的中国农村人力资本存量水平状况,对总体状况具有较强的代表性。具体结果如表1所示:

表1 中国分区域农村人力资本存量水平及其组成结构

Tab.1 The stock and composite structure of Regional rural human capital in China

区域

Region199720022007初等

primary

(%)中等

medium

(%)高等

advanced

(%)存量

水平

stock初等

primary

(%)中等

medium

(%)高等

advanced

(%)存量

水平

stock初等

primary

(%)中等

medium

(%)高等

advanced

(%)存量

水平

stock北京9.1987.583.234.417.1186.746.154.554.4979.8515.674.78天津23.0175.621.374.0120.5477.382.094.1012.9683.843.194.28河北24.2875.370.353.9318.1080.950.954.1112.7784.892.344.28山西24.8474 550.603.8717.9881.340.674.0714.5683.332.114.18内蒙古30.9268.550.533.6724.5674.051.393.8823.5574.861.593.94辽宁23.2575.581.174.0019.1379.041.834.1014.7880.474.754.23吉林27.9671.390.643.8523.5075.630.863.9722.2676.101.644.01黑龙江28.2871.240.483.8522.1176.821.074.0117.9880.041.994.10上海22.3674.503.153.9816.0778.255.674.2510.2175.3514.444.55江苏25.9073.290.813.8121.6876.461.863.9216.2378.824.954.12浙江34.1665.290.553.6228.2570.471.283.8224.0971.614.303.99安徽28.7770.310.913.6824.5674.540903.7320.5077.272.223.81福建33.9765.200.833.6427.5371.451.023.8323.1073.942.963.95江西37.9561.760.293.5829.2370.200.573.7924.7573.032.223.91山东22.8576.190.963.9319.2779.770.964.0212.8284.352.834.21河南23.9275.520.563.8117.5781.630.814.0013.2684.781.954.13湖北27.8271.770.423.80245074.710.793.9118.6979.921.394.02湖南32.1967.430.383.7724.5874.430.993.9721.8376.181.994.05广东29.9969.300.713.7923.3175.681.013.9717.8978.503.624.13广西33.9065.910.193.6726.7672.910.333.8717.4980.891.624.15海南28.4071.120.483.7320.5678.590.863.9315.8983.021.104.10重庆39.4360.140.423.5634.9764.460.573.6629.1669.381.463.79四川38.7361.170.103.4833.9865.590.433.6227.1471.491.363.80贵州44.5155.200.293.0742.1657.270.573.2234.7263.951.333.48云南50.0149.900.093.0645.6254.190.203.2337.9561.160.903.44陕西25.6973.510.803.7022.6776.021.313.8517.1580.782.064.04甘肃36.9362.530.543.1729.4369.321.263.4627.2570.142.613.63青海52.5747.300.122.7545.2154.400.392.8744.4354.580.993.12宁夏37.3262.310.373.1530.3768.690.943.4932.8465.541.623.37新疆44.7554.171.083.3738.1960.940.873.6130.9467.491.563.81东部26.5371.400.803.8321.4575.871.323.9816.2178.563.754.16中部28.3271.090.593.7622.2476.870.893.9218.2779.592.144.02西部38.8760.830.303.4134.0165.380.613.5727.6370.861.513.77全国31.1068.280.623.6525.5873.401.033.9220.6876.762.563.97资料来源:作者计算整理。

下面,我们将根据估算结果从空间、时间两个维度入手对我国区域农村人力资本的分布特征展开分析。

2.3 空间分布特征分析

在存量水平方面,我国的区域农村人力资本呈现明显的自东向西逐次递降态势,且比较来看,西部地区的落后程度更为明显。如1997年东中部间的存量水平差距仅为0.07,而中西部间的这一差距高达0.35;及至2007年,东中部间的存量水平差距为0.14,而中西部间则为更高的0.25。具体到省级区域的层面来看,农村人力资本的存量水平与各省的经济发展水平呈较明显的正向相关关系。以近今的2007年为例来看,排名前十的省份中有7个来自于东部发达地区;排在后10名的省份中,有8个来自于西部落后地区,且无一来自东部地区。

在组成结构方面,由高等水平到初等水平的人力资本所占比重呈“梨形”分布状态,即上部小、中间大、底部中等。从三大区域来看,西部地区的初等人力资本和中等人力资本比重明显大于中东部地区;中东部地区之间在初等人力资本比重上的差距较小,而在中等人力资本的比重上大体相当;在高等人力资本所占比重上,三大区域间表现出明显的层次性,且中、东部地区间的差距较之中、西部之间要更大,东部地区在此方面表现出一枝独秀的态势。就省级区域的层面来看,按照经济发展水平的差异,与三大区域层面所表现出的上述特征是大体一致的。这里需要着重提到的是以下几个省域:及至2007年,青海、云南、贵州、宁夏、新疆五个省域的初等人力资本所占比重仍高达30%以上,尤其是青海竟至44.43%,人力资本存量水平组成结构非常不理想,亟需改善;除了北京、上海两地的高等人力资本所占比重达到了15%左右的高点以外,其余各省域在此方面的绝对差距甚小,且所占比重上均未超过5%。综合上述分析,我们可以得出以下几点结论:第一,初等人力资本所占比重过大是落后地区人力资本存量水平较低的最主要原因;第二,中等人力资本所占比重的差异亦是导致了落后地区人力资本存量水平较低的主要原因,但其基本上并未引致先进地区和中等发展水平地区之间的人力资本存量水平差距;第三,高等人力资本所占比重对于区域间的人力资本存量水平差距整体上影响不大。

2.4 时间趋势特征分析

在农村人力资本的存量水平方面,所有省域均呈现逐年上升的良好势头。经计算,东、中、西部地区在1997-2007年10年间的环比年均增长率分别为0.82%、0.67%和101%,这说明西部地区相对于中、东部地区表现出了明显的绝对收敛趋势,而中、东部地区间有着差距进一步扩大的发散趋势。为了能从整体上反映出中国农村人力资本存量水平的区域差距演进趋势,我们以30个省域为样本,利用在差距测度中广为流行的基尼系数予以描述。在计算方法上,本文采用了陈宗胜所提出的“万分法”[11]。在计算过程中,本文克服了大多数地区差距测度研究的缺陷,进行了区域人口加权处理,以使结果更为精确。具体结果如图1所示:

图1 中国农村人力资本存量水平的区域差距演进

(1997-2007)

Fig.1 The evolution of regional economic disparity of China's

regional rural human capital during 1997-2007

从图1可以看出,1997-2004年中国农村人力资本存量水平的区域差距连续7年均呈下降态势,近今的2004-2007年则表现出小幅度高低波动的发展态势。但从整体上来看,中国农村人力资本存量水平的区域差距在1997-2007年间还是呈现出了明显的下降趋势。具体以头尾两年的基尼系数值计算,区域差距程度共下降了9.7%。结合上述分三大区域的人力资本存量水平增速来看,我们可以判断,西部地区人力资本存量水平的快速提高在促进这一差距缩小的过程中起到了主导性的作用。

在组成结构方面,各省级区域间表现出了较强的趋势一致性:初等人力资本所占比重均呈逐年下降的态势;中等人力资本所占比重除了在北京、上海出现了下降以外,在其余省域均呈逐年上升的态势;高等人力资本所占比重均呈逐年上升的态势,且增速极快,这显然与2000年以来我国的高校扩招政策紧密相关。就三大区域来看:西部地区的赶超主要体现在中等人力资本所占比重的相对较快增长上;中、东部地区间差距的进一步拉大主要是由于东部地区在高等人力资本所占比重上的大幅提高。整体上看,中国农村人力资本存量水平的构成态势将逐渐由“梨形”转变为“菱形”――即初高等人力资本比重均较小、中等人力资本比重最大。目前,北京和上海均已过渡到这一阶段,北京甚至呈现出了倒“梨形”态势,而其他省域在未来相当长的一段时期内还将处于这一过渡进程当中。这一分布形状的变化将是未来中国区域农村人力资本组成结构演进的主要特征。

2.5 时空维度结合分析

前文分别从空间和时间的角度对我国农村人力资本存量水平的区域分布进行了分析。而单纯从某个维度出发,还不足以对我国各区域农村人力资本存量水平的现状形成较为全面的认识。为此,本文将存量水平与增长速度相结合,构建了图2所示的“静态―动态”综合模式分析框架:

图2 中国各区域农村人力资本存量水平的

“静态―动态”综合模式(1997-2007)

Fig.2 The static and dynamic synthetisch mode of China's

regional rural human capital during 1997-2007

图2中,横轴度量的是近今的2007年各区域农村人力资本存量水平,纵轴度量的是1997-2007年间各区域农村人力资本存量水平的年均增长率,我们分别以两者的均值为界,将各省域划分归入四种综合模式:

A模式:高水平―高增长的“目标模式”

该模式下共包含7个省域,占总数的近1/4。其中除陕西和广西外,均属于东部地区。这类省域的农村人力资本存量不仅已具有较高的水平,并且还表现出了持续快速提高的良好势头,其未来的主要任务在于继续保持和巩固既有优势。A模式是其他省域所需学习的“目标模式”。

B模式:高水平―低增长的“马太模式”

该模式下所包含的省域数量最多,达到了11个,占总数的1/3强。其中,5个省域属于东部地区,6个属于中部地区,而没有西部地区省域。这类省域在长期的发展过程中积累了较为丰厚的农村人力资本存量,但是由于提高速度的缓慢,其有丧失既有优势地位的危险。预计未来这类省域中将有一部分分别沿着BA和BC两种不同的路径向更高或更低层次的模式演进,为此,我们也可称该模式为“马太模式”。

C模式:低水平―高增长的“成长模式”

该模式下共包含7个省域,占总数的近1/4。其中除江西外,均属于西部地区。这类省域的农村人力资本存量水平虽然较低,但存在迅速改进的趋势,若继续保持这一发展势头,其将有望接近乃至跨入“目标模式”。为此,我们亦称其为“成长模式”。

D模式:低水平―低增长的“纳克斯模式”

该模式下所包含的省域数量最少,只有5个,占总数的1/6。其中,东中西部地区均有省域分布于此。这类省域陷入了一种“人力资本存量水平低收入水平低教育投入低人力资本存量水平提升缓慢”的贫困恶性循环,借用著名发展经济学家纳克斯的话来概括,就是因为穷(落后)所以穷(落后),故而其亦可称为“纳克斯模式”。这类省域将是未来政策支持的重点对象。

总体来看,东部地区内的省域除福建外均属于“目标模式”和“马太模式”,且属于“马太模式”的省域要相对更加远离“纳克斯模式”,因此,长期之中其分布状态可能发生的改变主要为两种既有模式的内部交流;中部地区内的省域较为集中地分布于“马太模式”之中,且相对而言与“纳克斯模式”更加靠近,因此,其未来有可能向“纳克斯模式”扩散的趋势;西部地区内的省域主要分布于“成长模式”和“纳克斯模式”之中,未来将有可能出现两极分化的趋势,即“成长模式”中的省域逐步实现向“目标模式”的演进,而“纳克斯模式”中的省域仍旧在低点徘徊。

3 政策建议

我国农村人力资本存量水平具有明显的区域非均衡分布特征,且其与各区域的农村经济发展水平之间有着密切的联系。因此,改善农村人力资本不平衡分布的现状,促进农村人力资本存量水平的提高,对于我国区域经济的协调发展和社会主义新农村建设事业具有重要意义。根据前文的分析,我们在此提出以下三个主要方面的政策着力点。

第一,要继续加大对中西部地区农村基础教育的支持力度,尤其是要加快九年义务教育的普及工作,从而优化中西部地区的人力资本组成结构,推动其向“菱形”分布状态演进。

第二,在高等教育资源仍旧较为稀缺的情况下,应逐渐打破现有高招制度的地区藩篱与歧视,改变高等教育资源分配不公平现状,使各地农村居民能够较为平等地享有高等阶段的国民系列教育。这一方面有助于提高高等水平人力资本的比重,从而优化大部分区域的人力资本结构;另一方面,由于高等教育的收益率(0.151)较之中等教育(0.134)更高,其公平的区域分配同时也有助于人力资本存量水平的快速提高。

第三,就省级区域来看,宁夏、重庆、安徽等深陷“纳克斯模式”的省域应是中央政策的重点支持对象,以外,当地政府也要采取强有力的措施,从事关长远发展的战略高度尽快改变本地农村人力资本低水平徘徊的现状,乃至争取实现“DCA”路径的模式转换。

参考文献(References)

[1]Romer P M. Human Capital and Growth: Theory and Evidence [C]. NBER Wording Paper, No.3173,1989.

[2]蔡,都阳. 中国地区经济增长的趋同与差异―对西部开发战略的启示[J]. 经济研究,2000, (10):30-39.[Cai Fang, Du Yang. Convergence and Divergence of Regional Economic Growth in China [J]. Economic Research Journal, 2000, (10): 30-39.]

[3]Barro R J. Economic Growth in a Cross Section of Countries [J]. Quarterly Journal of Economics, 1991, 106 (2):407 -443.

[4]Levine R, Renelt D. A Sensitivity Analysis of Crosscountry Growth Regressions [J]. American Economic Review, 1992, 82 (4):942-962.

[5]赖明勇,张新,彭水军,等. 经济增长的源泉:人力资本、研究开发与技术外溢[J]. 中国社会科学,2005,(2):32-46.[Lai Mingyong, Zhang Xin, Peng Shuijun, et al. The Source of Economic Growth: Human Capital, R&D and Technical Spillovers [J]. Social Sciences in China, 2005, (2): 32-46.]

[6]沈坤荣,田源. 人力资本与外商直接投资的区位选择[J]. 管理世界,2002,(11):34-45.[Shen Kunrong, Tian Yuan. Human Capital and the Locational Choice of FDI [J]. Management World, 2002, (11): 34-45.]

[7]张智. 农村人力资本积累与西部农业经济增长[J].农业与技术,2007,(2):140-142.[Zhang Zhi. The Accumulation of Rural Human Capital and the Growth West Agricultural Economy [J]. Agriculture & Technology, 2007, (2): 140-142.]

[8]李宪印,陈万明. 教育人力资本与东部农业经济增长―基于中国东部农村面板数据的实证研究[J]. 商业研究,2008,(12):99-103.[Li Xianyin, Chen Wanming. Human Capital and Eastern Agricultural Economic Development: Empirical Studies Based on the Panel Data of Eastern Countryside in China [J]. Commercial Research, 2008, (12): 99-103.]

[9]西奥多•W•舒尔茨. 论人力资本投资[M]. 吴珠华,等,译. 北京:北京经济学院出版社,1990.[Schultz T W. Investment in Human Capital [M]. Wu Zhuhua, et al. Translate. Beijing: Beijing College of Economics Press, 1990.]

[10]Hossain S I. Making Education in China Equitable and Efficient[C]. World Bank Policy Research Working Paper, No.1814,1997.

[11]陈宗胜.经济发展中的收入分配[M]. 上海:三联书店/上海人民出版社,1991.[Chen Zongsheng. Income Distribution in Economic Development under Public Ownership [M]. Shanghai: Sanlian Publishing/Shanghai People Press, 1991.]

Estimation of China's Regional Rural Human Capital and

Its Spacetime Character

ZHOU Yunbo WU Peng YU Yongze

(School of Economics, Nankai University, Tianjin 300071, China)

Abstract This paper estimated China's regional rural human capital during 1997-2007 by the method of accumulated educated year. Then based on the result, we analyzed its character in terms of space, time and integrated spacetime. The paper concluded: the accumulated level of rural human capital showed the state of degrading from eastern region to western region; th e proportion of advanced, medium and primary human capital showed pyriform distribution; on thewhole, regional disparity of rural human capital showed downward trend obviously i n research period. All of the provinces in eastern region pertained to “target mode”with the character of high level and high growth and “Matthew mode” with the character of high level and low growth except Fujian, and the possible change for this distribution in the long term mainly is the internal exchange between last twomodes. Most of the provinces in middle region pertained to “Matthew mode”, and it ha d a possible trend of scattering to “Nurkse mode” with the character of low leveland low growth in future. Most of the provinces in western region pertained to “Nu rkse mode” and “growing mode” with the character of low level and high growth, and they maypolarize in future; was the provinces pertaining to “growing mode” evoluted to “target mode” gradually and the provinces pertaining to “Nurkse mode” was still at a low point.

Key words rural human capital; educated year; earnings ratio; spacetime character