市場沖擊、勞動共享與制造業(yè)集聚——基于中國城市面板數(shù)據(jù)的研究

張文武，梁 琦

（1.南京大學(xué)，江蘇 南京 210093；2.中山大學(xué)，廣東 廣州 510275）

市場沖擊、勞動共享與制造業(yè)集聚
——基于中國城市面板數(shù)據(jù)的研究

張文武1，梁 琦2

（1.南京大學(xué)，江蘇 南京 210093；2.中山大學(xué)，廣東 廣州 510275）

文章基于勞動共享模型，采用城市面板數(shù)據(jù)計算了中國的勞動共享效應(yīng)，并解釋制造業(yè)集聚的變化。結(jié)果表明：勞動共享是產(chǎn)業(yè)集聚形成的重要因素，勞動共享效應(yīng)會提高地區(qū)的集聚水平；城市規(guī)模對制造業(yè)集聚有正的顯著影響，本地市場效應(yīng)在我國發(fā)揮著重要作用；我國制造業(yè)集聚與工資溢價負(fù)相關(guān)，反映了現(xiàn)階段制造業(yè)集聚與低勞動成本的糅合。最后，文章提出了相關(guān)政策建議。

勞動共享；市場沖擊；產(chǎn)業(yè)集聚

中國過去三十多年來制造業(yè)不斷向沿海集聚，逐步拉大了內(nèi)陸與沿海之間經(jīng)濟(jì)發(fā)展的差距。這種區(qū)域發(fā)展的不均衡現(xiàn)象與產(chǎn)業(yè)集聚過程密切相關(guān)：一方面，沿海地區(qū)制造業(yè)的空間集聚取得了巨大的生產(chǎn)優(yōu)勢，產(chǎn)業(yè)結(jié)構(gòu)和資源配置不斷優(yōu)化，區(qū)域增長速度和競爭力與其他地區(qū)的差距逐步擴(kuò)大［1-3］；另一方面，產(chǎn)業(yè)轉(zhuǎn)移往往伴隨著勞動力的流動，大量的勞動力和廠商集中在東部沿海，所產(chǎn)生的勞動市場共享和知識溢出效應(yīng)將進(jìn)一步拉大各地區(qū)的差距，產(chǎn)生持久性的影響［4-5］。其中產(chǎn)業(yè)集聚地的勞動市場共享效應(yīng)尤為值得關(guān)注，對研究中國普遍存在的勞動力跨地區(qū)流動和區(qū)域發(fā)展不均衡現(xiàn)象具有積極的意義。

本文首次嘗試?yán)弥袊鞘械臄?shù)據(jù)進(jìn)行勞動市場共享的計算，并實證與制造業(yè)集聚的關(guān)系。

1 實證模型的建立

市場沖擊存在下，勞動共享有利于提高廠商的期望利潤,，吸引廠商進(jìn)入形成產(chǎn)業(yè)集聚；勞動共享愈明顯，工人期望報酬越高，進(jìn)一步吸引勞動者進(jìn)入，形成持續(xù)的產(chǎn)業(yè)集聚。

本文將根據(jù)多區(qū)域多部門的勞動力市場共享模型，預(yù)測勞動力共享對產(chǎn)業(yè)集聚的影響。

結(jié)合中國的實際情況建立如下實證模型：

C為制造業(yè)空間集聚度，為了更好的表達(dá)廠商的空間分布，本文采用Ellison-Glaeser指數(shù)；lp為勞動市場共享，pop為城市人口量，w為城市工資溢價，city為城市虛擬變量，ε為誤差項。另外，下標(biāo)s表示城市，t代表年份。

2 數(shù)據(jù)、變量及樣本描述性統(tǒng)計

2.1 數(shù)據(jù)來源及變量說明

本文數(shù)據(jù)主要來源于1998—2008年的《中國城市統(tǒng)計年鑒》，共取286個城市作為觀察樣本，包括268個地級市和15個副省級市和3個直轄市，其中地級市的范圍是其下轄的區(qū)、縣及縣級市。鑒于數(shù)據(jù)處理的難度和研究的目的，本文采用近十年的數(shù)據(jù)作為實證依據(jù)。其他所需數(shù)據(jù)來源于同年份的《中國工業(yè)統(tǒng)計年鑒》和《中國區(qū)域統(tǒng)計年鑒》。

2.2 變量說明

（1）C代表制造業(yè)空間集聚度。本文選用Ellison-Glaeser指數(shù)作為模型的因變量。

其中Sn為某產(chǎn)業(yè)第n個地區(qū)的產(chǎn)值占全國總產(chǎn)值的份額，N為地區(qū)總數(shù)，本文指286個城市。鑒于考察對象為制造業(yè)集聚度，計算Gs時，Sn取第n個地區(qū)的GDP總值占全部總產(chǎn)值的份額；計算Gi，Sn取第n個地區(qū)制造業(yè)產(chǎn)值占全部地區(qū)制造業(yè)總產(chǎn)值的份額。C（s）越大表示制造業(yè)空間集聚度越高，此計算方法盡可能的降低了地理單元大小的干擾，避免出現(xiàn)某些地區(qū)制造業(yè)產(chǎn)值很大，但集聚度并不是很高的情況。

（2）lp代表勞動市場共享，是本文重點關(guān)注的變量。根據(jù)現(xiàn)有文獻(xiàn)的研究成果，該指標(biāo)的計算大致有三種方法：凈勞動生產(chǎn)率法；管理人員與生產(chǎn)工人比值法；工人中擁有博士、碩士和學(xué)士學(xué)位人員比例法。本文采用三種方法的綜合替代，并考慮了勞動者就業(yè)環(huán)境（市場沖擊）和廠商環(huán)境（市場沖擊）。計算公式為：

其中，pr為凈勞動生產(chǎn)率，等于地區(qū)制造業(yè)產(chǎn)值占當(dāng)?shù)谿DP比例除以制造業(yè)工人數(shù)占當(dāng)?shù)乜側(cè)丝诒壤籬r為人力資源密度，等于地區(qū)高等學(xué)校在讀學(xué)生和在職教師總數(shù)除以制造業(yè)工人數(shù)。lr為城市勞動就業(yè)環(huán)境，采用的是城市非農(nóng)業(yè)勞動人口數(shù)量除以制造業(yè)就業(yè)人口。最后一個指標(biāo)cop，代表公司的生存環(huán)境，采用非公有企業(yè)的產(chǎn)值占制造業(yè)總產(chǎn)值的比例，值越大表示企業(yè)發(fā)展環(huán)境越好。由于首次采用加權(quán)的方法計算勞動市場共享，對加權(quán)系數(shù)的確定并沒有現(xiàn)成的公式計算。本文采用了對比回歸的方法確定各項指標(biāo)加權(quán)系數(shù)值，得到α1= 19.8%，α2=26.4%，α3=30.1%，α4=23.7%。

（3）pop代表城市人口總量，取10萬為單位。選取該指標(biāo)作為自變量代表勞動市場的大小和生產(chǎn)市場的規(guī)模。

（4）w代表工資溢價。鑒于數(shù)據(jù)的處理難度，采用近似替代的方法計算工資溢價。本文采用該城市職工平均工資與全國職工平均工資的比值。高收入城市往往伴隨著明顯的工資溢價，為了更貼近產(chǎn)業(yè)發(fā)展的現(xiàn)實，我們利用city變量對一些特殊高收入的資源型城市進(jìn)行了區(qū)分，資源型城市取0，非資源型城市取1。

（5）year為時間虛擬變量，用來控制時間固定效應(yīng)的影響。

2.3 樣本描述性統(tǒng)計

表1給出了樣本的描述性統(tǒng)計，可以看出，中國制造業(yè)的Ellison-Glaeser指數(shù)11年來的均值有明顯的上升趨勢，同時勞動市場共享均值、城市人口總量也在逐年增加。

呈明顯的正相關(guān)關(guān)系（見圖1）。

圖1 勞動市場共享與Ellison-Glaeser指數(shù)散點圖

3 模型估計與結(jié)果分析

3.1 模型設(shè)定的技術(shù)性處理

本文采用面板數(shù)據(jù)的處理方法。面板數(shù)據(jù)的基本假設(shè)是參數(shù)齊性，違背假定的情況通常有參數(shù)非齊性偏差和選擇性偏差。本文數(shù)據(jù)樣本是包括286個城市11個年份的這樣一個寬而窄的樣本，因此，參數(shù)的非齊性是本文在建模時考慮的重點。除非兩種檢驗均表明不能拒絕回歸系數(shù)齊性的原假設(shè)，否則直接對方程進(jìn)行OLS估計都是有偏的。我們通過F值檢驗和Husman檢驗確定模型的系數(shù)截距項與固定隨機(jī)效應(yīng)。另外，由于本文考察的是勞動市場共享和制造業(yè)集聚間的關(guān)系，還涉及到工資溢價，因果關(guān)系并不是固定的，也即是說有可能存在變量內(nèi)生性的問題。為了解決內(nèi)生性的問題，本文參照Redding and Venables（2004）等人的做法［6］，引入各地區(qū)制造業(yè)企業(yè)總數(shù)（Cs）為工具變量。將這一工具變量和其他外生變量對lnlp進(jìn)行回歸，得到Cs的回歸系數(shù)為0.9106，且在5%的統(tǒng)計水平上顯著，整個回歸的擬合優(yōu)度為0.861，說明Cs滿足作為一個良好工具變量的第一個必要條件，反映一個地級單位經(jīng)濟(jì)規(guī)模的變量，是外生的。基于以上分析，我們認(rèn)為選取Gc作為市場潛能的工具變量是可行的。另外，通過對引入工具變量前后的回歸對比，發(fā)現(xiàn)工具變量使R2自0.673上升到0.884，并且企業(yè)總數(shù)的系數(shù)為0.2316，在1%的統(tǒng)計水平上顯著，選取企業(yè)總數(shù)作為工具變量是合適的。

3.2 結(jié)果分析

表2 模型估計結(jié)果

表1 樣本的描述性統(tǒng)計

表2給出了固定效應(yīng)和隨機(jī)效應(yīng)下分別以O(shè)LS方法和2SLS方法的估計結(jié)果。結(jié)果顯示，無論是以何種方式進(jìn)行回歸，勞動市場共享的系數(shù)均顯著為正。固定效應(yīng)和隨機(jī)效應(yīng)的Husman卡方值為負(fù)，本文傾向于選擇接受系數(shù)存在系統(tǒng)誤差的假設(shè)，結(jié)合內(nèi)生模型的回歸，選擇隨機(jī)效應(yīng)模型作為分析依據(jù)。第四列顯示了使用工具變量的隨機(jī)效應(yīng)模型（IVRE）的分析結(jié)果，Husman的檢驗結(jié)果（P=0.002）拒絕了IVRE和RE的回歸系數(shù)沒有系統(tǒng)誤差的假設(shè)，說明勞動市場共享具有內(nèi)生性。根據(jù)表2列出的結(jié)果及相關(guān)檢驗，我們認(rèn)為，工具變量隨機(jī)效應(yīng)模型所得到的實證結(jié)果是穩(wěn)健的。

根據(jù)實證結(jié)果顯示，勞動市場共享的系數(shù)顯著為正。在控制其他變量的情況下，1%的勞動市場共享可以使Ellison-Glaeser指數(shù)提高約0.12%。實證結(jié)果與理論預(yù)測一致。本文的勞動市場共享是將勞動生產(chǎn)率、人力資源密度、勞動風(fēng)險、風(fēng)險沖擊均考慮在內(nèi)，符合當(dāng)前國內(nèi)的情況。中國制造業(yè)的集聚，往往是建立在遷移目的地良好的交通、人力資源、優(yōu)惠政策等基礎(chǔ)上的。我國東部沿海這些基礎(chǔ)都具備，勞動力資源的優(yōu)勢尤為突出，大量勞動力尤其是高素質(zhì)勞動力人群的聚集，提供了廣闊的知識共享和風(fēng)險分散的空間。

結(jié)果顯示，城市人口總量對制造業(yè)集聚有顯著正的效應(yīng)。城市人口近似代表地區(qū)的勞動力規(guī)模和消費規(guī)模，根據(jù)新經(jīng)濟(jì)地理學(xué)的解釋，較大規(guī)模的本地市場能夠創(chuàng)造更多的產(chǎn)品需求和勞動力供應(yīng)，并有利于降低中間產(chǎn)品交易的成本，因而產(chǎn)生后向關(guān)聯(lián)吸引廠商聚集在該地區(qū)。正如我國東部沿海居住著超過40%的人口，具有較高的經(jīng)濟(jì)水平和較高的消費能力，吸引大量的制造業(yè)生產(chǎn)廠商聚集，該結(jié)果符合理論和實際情況。

本文還以替代指標(biāo)考察了工資溢價對于集聚地影響。結(jié)果顯示，工資溢價對制造業(yè)的集聚影響為負(fù)。這個結(jié)果與我們先前的理論預(yù)測不盡一致，開始我們以為是替代指標(biāo)的設(shè)定錯誤，并嘗試了利用其他學(xué)者已經(jīng)研究的部分年度的工資溢價進(jìn)行反復(fù)比較，最后得到的結(jié)果都顯示為工資溢價對制造業(yè)集聚產(chǎn)生負(fù)的影響。該結(jié)果可能與我國現(xiàn)階段所處的制造業(yè)階段有關(guān)。近年來，勞動力優(yōu)勢一直是我國制造業(yè)和對外貿(mào)易快速發(fā)展的落腳點，勞動密集型企業(yè)也取得了成功。但是勞動力優(yōu)勢并不是建立在技術(shù)領(lǐng)先方面的，而是依賴較低的勞動成本，一旦勞動力使用成本上升，這種優(yōu)勢就會受到影響。2008年新勞動法的實施加之國際經(jīng)濟(jì)危機(jī)的影響，出現(xiàn)過加工貿(mào)易企業(yè)倒閉，農(nóng)民務(wù)工流返鄉(xiāng)的現(xiàn)象，這些都是低勞動成本依賴性的某種體現(xiàn)。

4 總結(jié)性評論

本文在勞動市場共享模型的基礎(chǔ)上使用中國1997—2007年 286個城市面板數(shù)據(jù)對勞動市場共享、工資溢價等因素與制造業(yè)空間集聚的關(guān)系進(jìn)行實證分析。結(jié)果表明：①在控制了其他變量的情況下，勞動市場共享對我國制造業(yè)集聚影響顯著為正。提高勞動生產(chǎn)率、降低就業(yè)風(fēng)險、改善企業(yè)的生存環(huán)境有利于制造業(yè)集聚的形成和加強(qiáng)。這支持了空間經(jīng)濟(jì)模型的理論預(yù)測，也為勞動市場共享研究提供了來自中國的證據(jù)；②城市人口規(guī)模對制造業(yè)集聚有正的顯著影響，說明本地市場效應(yīng)在我國發(fā)揮著重要作用，較高的消費能力和豐富的勞動力資源是促進(jìn)制造業(yè)集聚的關(guān)鍵要素。③我國制造業(yè)集聚與工資溢價為負(fù)相關(guān)，即勞動力工資的上升不利于集聚的形成，該結(jié)果與理論預(yù)測相悖，但恰好反映了我國現(xiàn)階段制造業(yè)集聚與低勞動成本的糅合。低勞動成本優(yōu)勢在我國制造業(yè)集聚過程中發(fā)揮了不容忽視的作用，也是近年來經(jīng)濟(jì)快速發(fā)展的重要支撐，但終究不是長久之計。隨著經(jīng)濟(jì)的發(fā)展和全球化的推進(jìn)，我國的勞動力成本優(yōu)勢正在逐步減小，制造業(yè)集聚格局如何優(yōu)化發(fā)展將成為需要解決的重要問題。

［1］梁琦.知識溢出的空間局限性與集聚［J］.科學(xué)學(xué)研究，2004，（01）.

［2］李國平，范紅忠.生產(chǎn)集中、人口分布與地區(qū)經(jīng)濟(jì)差異［J］.經(jīng)濟(jì)研究，2003，(11).

［3］簡澤.技術(shù)外部性、工業(yè)集聚與地區(qū)經(jīng)濟(jì)的非均衡增長［J］.南方經(jīng)濟(jì)，2007，（06）.

［4］Henry G.Overman,Diego Puga.Labor pooling as a source of agglomeration:An empirical investigation［R］.CEPR discussion paper 2009，7174.

［5］范劍勇.產(chǎn)業(yè)集聚與地區(qū)間勞動生產(chǎn)率差異［J］.經(jīng)濟(jì)研究,2006，（11）.

［6］Redding S.,Venables.Economic geography and international inequality［J］.Journal of International Economics，2004，（62）.

Market Impact，Labor Pooling and Industry Agglomeration——based on Chinese Cities Panel Data

Zhang Wenwu1，Liang Qi2
（1.Nanjing University，Nanjing 210093，China;2.Sun Yat-sen University，Guangzhou 510275，China）

In this paper,we calculated the labor pooling of China using city census data based on the labor pooling model,and explained the industry agglomeration changes.This paper found that:（1）Labor market pooling has a positive significant effect on industry spatial concentration.Meanwhile,the increase in degree of labor pooling will raise the region’s income level.（2）The size of the urban population has a significant positive impact on industry clustering，the capacity of local consumption can promote Industry agglomeration;（3）The wage premium has a negative impact on industrial clustering，the income gap has become an obstacle to the manufacturing industry agglomeration.At last，we also pointed out some proposals.

labor pooling；market impact；industry agglomeration

國家社會科學(xué)基金重點項目（07AJY012），全國優(yōu)秀博士學(xué)位論文作者專項基金（200703），南京大學(xué)研究生科研創(chuàng)新基金（2009CW02）。

2010-12-10

張文武（1983-），男，南京大學(xué)經(jīng)濟(jì)學(xué)院博士研究生；研究方向：產(chǎn)業(yè)經(jīng)濟(jì)、新經(jīng)濟(jì)地理。

F129.9

A

（責(zé)任編輯 遲鳳玲）