FDI、生產性服務業和制造業就業
——基于福建省數據的PVAR分析

蔡經漢

(黎明職業大學，福建 泉州 362000)

·經濟管理·

FDI、生產性服務業和制造業就業
——基于福建省數據的PVAR分析

蔡經漢

(黎明職業大學，福建 泉州 362000)

本文運用允許將所有考察變量視為內生的Panel-VAR(面板向量自回歸)模型進行實證分析，并以基于PVAR模型的脈沖響應函數分析及方差分解方法，來考察福建省FDI、生產性服務業就業和制造業就業之間的相互動態沖擊反應。研究發現，三者之間存在較為復雜的互動影響路徑，其中FDI與制造業就業更多受到其他變量的影響，在這個三元內生系統中，生產性服務業處于更為封閉的狀態。長期來看，FDI的變化主要受制造業及生產性服務業就業的影響。

生產性服務業； 制造業； 就業； FDI； Panel-VAR

在歷史上作為最早一批開放的沿海省市，借助僑臺優勢，福建省吸引到大量的外商直接投資。在福建省經濟、產業發展的過程中，FDI發揮了較大的作用，在改革開放的前三十年對福建外向型經濟有很大助益，在拉動經濟增長、促進出口和就業等方面發揮了不可替代的作用。2008年世界金融危機之后，福建省吸引外商直接投資的優勢日益衰退，與周邊省份相比，FDI的總量及增長速度均處于劣勢。在此背景下，探索既是福建省的主要支柱產業又是FDI投資重點的制造業和生產性服務業與FDI之間的互動規律，將有助于福建更好地利用外資構建現代產業支撐體系，加快戰略性新興產業集聚，加快經濟轉型發展，實現產業與就業結構協同優化升級。

一、文獻回顧和問題提出

先前研究發現，制造業與生產性服務業處于同一個內生的經濟系統中，它們又與FDI同處于一個更大的內生經濟系統中，三者之間存在較復雜的互動影響。一方面，FDI的增長會促進經濟增長和產業發展，從而促進就業；另一方面，良好的就業、產業發展及市場規模的擴大，將反過來加大對FDI的吸引力。以FDI為一端，以生產性服務業和制造業兩大產業就業為另一端，三者的互動主要有兩大路徑：在FDI一端，FDI影響就業總水平，影響就業結構，進而分別影響制造業和生產性服務業的就業；制造業和生產性服務業一端，兩大產業互相影響，進而影響FDI。

(一)FDI對就業的影響

對就業總水平的影響。本世紀初的研究認為FDI對東道國就業的增加具有明顯的促進作用，如蔡昉和王德文研究指出，盡管當時FDI就業份額仍然較小，但由于其增長速度非常快,使得該領域就業對中國總體就業增長的貢獻率很高[1]。此后，眾多研究都從各個方面繼續驗證FDI對就業的顯著促進作用[2-3]。

對產業結構、就業結構優化的影響。在促進就業總水平之外，FDI能促進就業結構演進，使農業人口向第二、第三產業轉移[4]，促進產業結構優化[5]。進一步說，FDI對制造業及服務業的就業均有顯著影響。例如，FDI可能通過促進產出擴張對制造業勞動需求產生重要影響[6]，而服務業能受益于FDI的就業效應[7]。相反，FDI撤離則會對服務業、制造業就業造成負面沖擊[8]。

(二)制造業、生產性服務業與FDI的互動關系

由于生產性服務業脫胎于制造業，兩者之間具有先天的緊密聯系，其互動關系對于整個經濟系統的影響不可小視。具體到FDI，一方面，FDI會影響生產性服務業與制造業的融合[9]；另一方面，生產性服務業與制造業FDI存在互相追逐的現象，有必要探索生產性服務業與制造業互動對吸引FDI的作用[10-11]。諸多研究者分別從制造業及生產性服務業各自的產業角度探討了如何制定吸引FDI的合理政策[12-14]。進一步的研究則從服務業與制造業兩大產業的產業集聚角度對此問題進行了闡述，發現城市服務業集聚有利于吸引FDI，而制造業集聚和外資集聚則不利于吸引FDI[15]。

(三)問題提出

以上研究可得出一個結論：FDI不應被視為外生的，它來源于外部，但受國內經濟系統影響和吸引。因此，必須把FDI與制造業及生產性服務業的就業放在一個內生系統中來考慮：FDI影響總體就業水平，進而是各產業的就業；各產業的就業反過來影響經濟體對FDI的吸引力，從而將決定FDI的變化。

在認識到這一點的情況下，部分研究運用VAR模型將FDI與就業放入一個內生系統中，分別考察中國及福建的情況[3,16]。這些研究只應用了時間序列數據，在數據與模型上存在一定不足，難以解決中國最為常見的地區異質性問題。為此，目前許多研究者已轉向由Love和Zicchino所提出來的PVAR(面板向量自回歸)模型[17]。這一模型綜合了面板數據模型和時間序列模型的優點，既能夠控制住地區效應和時間效應，也可以分析面對沖擊時經濟變量的動態反應，國內已將其廣泛運用于FDI相關研究中，如FDI與貿易和環境規制之間的互動關系[18]，FDI與碳排放量和對外貿易之間的動態關聯性[19]，以及FDI技術溢出對我國產業結構優化的影響[5]。鑒于此，本文將利用面板向量自回歸模型，探討福建省范圍內FDI、制造業就業、生產性服務業就業三者之間的互動關系。

二、模型與變量

(一)方法簡介與實證模型設定

本文選擇PVAR模型分析框架，是因為本研究內容所涉及的數據一般都是年度數據，樣本區間較短，而PVAR模型同時具備時間序列分析與面板數據分析的優勢，不僅可以擴大樣本量，增加自由度，減少自變量間的多重共線性的影響，更重要的是其把所有變量放在一個內生系統來處理，不但解決了變量內生性問題，能較好地反映變量間的動態關系，還能夠有效刻畫系統變量間的沖擊響應和方差分解。

關于PVAR模型的詳細介紹可參見Love和Zicchino2006年發表的論文[17]。由于通過AIC、BIC和HQIC準則判斷得到最佳滯后階數為三階，本文采用的PVAR模型設定如下

yit=αi+γtΓ1yit-1+Γ2yit-2+Γ3yit-3+uit，

其中，yit=(manuit,prodit,fdiit)是由基于面板數據的3×1的內生變量制造業就業manu、生產性服務業就業prod、外商直接投資fdi所構成的向量；i代表第i個地級市，t代表年份，Γ是維數3×1的系數矩陣，αi是3×1的反映地區特有的諸如地理位置、資源稟賦、文化和經濟結構差異等異質性的地區固定效應向量，γt是3×1的時間效應向量，用于體現每一時期宏觀經濟或政策的特定沖擊，從而能夠控制樣本中可能存在的結構差異問題。

(二)變量與數據

本文以2003—2012年福建省九地市為研究對象，數據來源于2004—2013年中國城市年鑒。對于外商直接投資的度量，遵循一般研究通常采取的做法，即以實際利用外資額作為FDI的代理指標，本文中FDI即為以美元計價的各地市外商直接投資實際利用金額，制造業就業變量以各地市全市制造業從業人員數作為代理指標。這兩個數據均可從中國城市年鑒中直接獲取。在生產性服務業的界定問題上，由于官方并無統一數據，僅能根據服務業中各行業數據自行加總，而先前研究基于不同的視角或數據可得性，最終數據往往口徑不一，由此得到的結論難免存疑。對此，本文認為生產性服務業的界定既要參考官方定義和同行研究，更要參考對中間需求率的測算。國外學者認為生產性服務業應該是一種主要體現中間需求的服務業[20-21]。分析福建省生產性服務業的投入產出發現，生產性服務業各行業在福建省的中間需求率均大于30%，唯有房地產業的中間需求率不足4%[22]。從“服務于其他商品和服務提供者”的角度來看，福建省房地產業確實應該從生產性服務業的行列中予以排除。因此，本文所定義的福建省生產性服務業為交通倉儲郵電業，信息傳輸、計算機服務和軟件業，批發零售貿易業，金融業，租賃和商業服務業以及科研、技術服務和地質勘查業六大行業之總和。

表1計算了福建省9個地級市的制造業就業、生產性服務業就業及FDI金額在2003—2012年間的均值。

表1 福建九地市的基本數據統計(2003—2012年均值)

從表1可以看出，福廈泉三地無論是制造業、生產性服務業或FDI數據均占到全省總量的大部分。作為福建省GDP總量第一的泉州市的制造業就業人數幾乎相當于福州和廈門之和，但生產性服務業就業人數卻不及福州的個位數，吸引到的FDI也略少于廈門。由此可見，福建省各地市之間確實具有較強的異質性，在PVAR模型中控制各個地區的固定效應極有必要。

三、實證分析結果與討論

(一)PVAR模型估計結果

為避免個體固定效應與被解釋變量的滯后項之間可能存在相關性的問題，本文使用Helmert前向差分過程來克服以往使用一般均值差分過程在消除個體固定效應時可能導致的估計偏誤，并采用系統廣義矩估計(SGMM)方法來估計PVAR模型參數，據此繪制脈沖響應圖，并進行方差分解分析，以觀察系統內各變量面對新生沖擊的反應情況，從而評價不同結構沖擊的重要性。

根據AIC、BIC等準則，確定本研究PVAR模型的最佳滯后期數為3期。表2為通過SGMM方法計算得到的組成PVAR模型三個方程的參數估計值、標準差與t值。

表2 PVAR模型參數估計結果

注：*為p<0.05，**為p<0.01，***為p<0.001。

方程1中，制造業就業受生產性服務業就業滯后2期、滯后3期及外商直接投資滯后3期的顯著影響。生產性服務業就業滯后2期的影響為正，滯后3期的影響為負，體現了某種誤差修正的機制在其中發揮作用。外商直接投資滯后3期的影響為正，說明增加或吸引FDI有助于制造業的發展，改善其就業狀況。

方程2中，生產性服務業就業受本身滯后1期、滯后3期的顯著影響。其中1期影響為正，3期影響為負，也表現出回歸趨勢。值得注意的是，在本方程中，制造業就業與FDI各滯后項均不顯著。這說明生產性服務業就業受系統其他兩個變量的影響較小，其發展體現出較強的自我影響、自我決定特性。

方程3中，外商直接投資受生產性服務業就業滯后1期、制造業就業滯后2期和滯后3期的顯著影響。生產性服務業就業滯后1期的影響為正，而制造業就業滯后2期和滯后3期的影響一負一正，同樣體現出誤差修正和均值回歸。

值得注意的是，方程1中顯著的滯后期數均為2期及以后，說明制造業就業的增長有一定的滯后期(需要設備廠房等硬件)，其他兩個變量對其的拉動作用需花費更長的時間才能顯現。相反，生產性服務業就業及FDI方程中，生產性服務業滯后1期均顯著，說明該變量對自身和FDI的拉動作用生效較快。

(二)脈沖響應分析

脈沖響應函數(Impulse Response Function，簡稱IRF)描述的是模型中來自于某一變量的一個正交化沖擊對系統中每一個變量所產生的持續影響。我們給出了經由Monte Carlo模擬生成的脈沖響應函數及其95%置信區間(因篇幅所限，圖略)。

從正的對角線上的三個圖可以分別考察制造業就業、生產性服務業就業及FDI對于自身沖擊的響應狀態。其中，制造業就業與FDI在面對自身的新生沖擊時，首先產生一個正反饋，隨即迅速下降，并進入圍繞0水平進行波動的狀態。生產性服務業就業則是在正反饋之后繼續保持平穩，雖然后期略有下降，但仍保持為正。制造業就業和FDI面對自身產生的擾動，其影響很快被消化和吸收，而生產性服務業就業自身擾動的影響則會持續一段時間。這說明制造業就業和FDI具有較強的穩定運行能力，生產性服務業較容易受異常情況的沖擊。

首先，我們可以從脈沖響應圖考察生產性服務業就業及FDI的沖擊對制造業就業造成的影響。從制造業就業對生產性服務業就業沖擊的響應來看，制造業對生產性服務業始終保持了正響應狀態，前期快速上升，后逐漸下降，但長期呈現較為穩定的正向反應。制造業對FDI的沖擊會有一個正的響應，但這個響應狀態快速上升后又快速下降，最終收斂于0。可見，外商直接投資短期內會拉動制造業就業，但從長期來看，制造業更需要生產性服務業的配合發展。

其次，考察制造業就業及FDI的沖擊對生產性服務業就業造成的影響。生產性服務業就業對于制造業的沖擊有正的響應，但這個響應的力度不僅要小于制造業對生產性服務業沖擊的響應力度，而且逐漸下降，最終趨近于0。生產性服務業就業幾乎不受FDI沖擊的影響，由其產生的脈沖響應始終保持在0左右。由此可見，在這個三元內生系統中，生產性服務業處于更為封閉的狀態。

最后，考察制造業及生產性服務業的沖擊對FDI造成的影響。FDI對于制造業沖擊的響應呈現正負波動態勢。制造業規模的擴大會先使競爭加劇，導致FDI下降，隨后由于競爭的緩解，FDI重新回升。這與中國的整體情況類似[6]。FDI對于生產性服務業就業的增加是歡迎的，生產性服務業的發展及壯大有利于本地區吸引更多的FDI。

(三)方差分解分析

為了更清楚地刻畫制造業就業、生產性服務業就業與FDI三個變量之間相互影響的程度，采用方差分解方法，分別獲取各變量來源于自身沖擊和其他變量沖擊導致變化的比例，即相對方差貢獻率。

表3 方差分解結果

注：該表須橫向解讀，方差分解體現為行變量為列變量所解釋的變動百分比。

表3依次給出了10個預測期、20個預測期及30個預測期的方差分解結果。可以看出，總體上來說，三個變量的變化均主要來源于自身。以10個預測期的結果為例(從表3可以看到20、30個預測期結果基本相似)，外商直接投資來源于自身波動的影響約為41%，制造業就業來源于自身波動的影響約為58%，生產性服務業就業來源于自身波動的影響最為強烈，約為95%。值得注意的是，外商直接投資除受自身變化的影響外，還受到制造業就業與生產性服務業就業的較大影響，兩者的影響分別約占32%和27%。

此外，對于manu和prod而言，20個預測期和30個預測期對方差分解的結果影響并不大，與10個預測期的相對方差貢獻率相比，變化基本在1個百分點左右，或低于1個百分點，說明經過10個預測期以后manu和prod已經基本穩定。對于fdi而言，從10個預測期到30個預測期的各來源相對方差貢獻率的比例有一定程度的變化，來源于自身波動所造成的變化極小，僅有極小程度的下降，但受到生產性服務業就業波動的影響有一定程度下降，受制造業波動的影響比例則有較大程度上升。因此，在30個預測期的相對方差貢獻率中，來源于制造業的比例已較為接近來源于FDI本身的比例。說明從長期來看，制造業就業對FDI波動的解釋力較強，影響較持久。

四、結論與展望

實際經濟變量往往是內生決定的，在考察時應用內生經濟模型才能減少偏誤，獲得對問題較為精確的認識。通過構建由外商直接投資、制造業就業、生產性服務業就業三者組成的PVAR模型，對福建省在產業升級轉型及吸引外資等方面所面臨的問題進行了一定的探討。

(一)結論和政策建議

本文研究發現，三者之間存在較為復雜的互動關系，其中FDI與制造業就業更多受到其他變量的影響，在這個三元內生系統中，生產性服務業處于更為封閉的狀態。長期來看，FDI的變化主要受制造業就業及生產性服務業的影響。基于這一實證研究結果，本文提出以下政策建議：首先，利用福建自貿區和“一帶一路”兩大區域戰略來彌補福建生產性服務業自我封閉發展的弱勢局面，借區域政策優勢提升擴大生產性服務業對外資的吸引力。具體來說，既要利用政策優勢，提升保障水平，從制度上增強吸引力；又要出臺促進FDI流向生產性服務業的相關政策，引導外資向生產性服務業的高層次部分流動。其次，應加強生產性服務業與制造業的融合及互動，以產業融合升級轉型提升吸納外資的能力。具體來說，一方面要大力發展文化創意、工業設計等創新性較強的現代生產性服務業，為原本處于低端的福建制造業品牌賦予更多文化內涵，提升品牌價值，向微笑曲線兩端發展；另一方面是在當前互聯網+興起的時代背景下，大力推進云計算、物聯網、大數據等新一代信息技術與傳統制造業、生產性服務業的融合發展。通過兩大產業融合共同升級轉型，自然提升對外資的吸納能力。

(二)展望

本研究建構于福建省9個地級市的面板數據之上。隨著將來海西經濟區的進一步發展，可考慮將研究范圍擴展至海西20個地市。同時，研究還可考慮將包括GDP、人力資本等在內的其他變量納入內生系統中。此外，有必要將空間因素納入考慮，進一步檢驗海西經濟區一體化進程的發展程度。

[1] 蔡昉,王德文.外商直接投資與就業:一個人力資本分析框架[J].財經論叢(浙江財經學院學報),2004 (1):1-14.

[2] 王美今,錢金保.外商直接投資對我國就業的影響：基于誤差成分聯立方程模型的估計[J].中山大學學報(社會科學版),2008(6):178-184.

[3] 劉宏,李述晟.FDI對我國經濟增長、就業影響研究:基于VAR模型[J].國際貿易問題,2013(4):105-114.

[4] 張二震,任志成.FDI與中國就業結構的演進[J].經濟理論與經濟管理,2005(5):5-10.

[5] 王靜.FDI技術溢出對我國產業結構優化的影響:基于PVAR的分析[J].經濟與管理,2013(9):63-69.

[6] 毛日昇.出口、外商直接投資與中國制造業就業[J].經濟研究,2009(11):105-117.

[7] 劉志中.中國服務業利用FDI的就業效應研究[J].技術經濟與管理研究,2011(1):94-98.

[8] 韓民春,張麗娜.制造業外商直接投資撤離對中國就業的影響[J].人口與經濟,2014(5):87-94.

[9] 李秉強.浙江FDI與生產性服務業和制造業融合的關聯性分析[J].太原理工大學學報(社會科學版), 2013(3):15-19.

[10] 張宇馨.制造業FDI與服務業FDI互動機制及對我國引資的啟示[J].國際商務(對外經濟貿易大學學報),2011(6):84-91.

[11] 唐保慶.生產者服務業FDI追逐制造業FDI嗎?[J].財貿研究,2009(5):56-63.

[12] 周燕,王傳雨.中國制造業吸引FDI的政策設計[J].哈爾濱工業大學學報(社會科學版),2009(2):91-95.

[13] 查貴勇.中國服務業吸引FDI溢出效應分析[J].國際經貿探索,2007(5):63-66.

[14] 李丹,崔日明.中國服務業吸引FDI影響因素實證研究:基于1997-2007年時序數據的計量檢驗分析[J].遼寧大學學報(哲學社會科學版),2010(1):108-114.

[15] 孫浦陽,韓帥,靳舒晶.產業集聚對外商直接投資的影響分析:基于服務業與制造業的比較研究[J].數量經濟技術經濟研究,2012(9):40-57.

[16] 林立達.福建省FDI、第三產業GDP和就業人數互動關系研究:基于VAR模型[J].福建金融管理干部學院學報,2013(3):33-39.

[17] LOVE I,ZICCHINO L.Financial development and dynamic investment behavior:evidence from Panel VAR[J].The quarterly review of economics and finance,2006,46:190-210.

[18] 蘇梽芳,廖迎,李穎.是什么導致了“污染天堂”:貿易還是FDI?:來自中國省級面板數據的證據[J].經濟評論,2011(3):97-104,116.

[19] 姬世東,吳昊.貿易增長、FDI流入和地區碳排放關聯性的PVAR模型分析[J].工業技術經濟,2012(11):118-123.

[20] JULEFF.Advanced producer services:just a service to manufacturing[J].Service industries journal,1996,16(3):389-400.

[21] WOLFF E N.Measures of technical change and structural change in services in the USA:was there a resurgence of productivity growth in services[J].Metroeconomica,2007,58(3):368-395.

[22] 蔡經漢.福建省生產性服務業與制造業產業關聯研究:基于投入產出方法[J].重慶交通大學學報(社會科學版),2013(1):48-52.

(責任編輯：李曉梅)

FDI, Producer Service and Manufacturing Employment in Fujian Province A Study Based on Panel VAR Model

CAI Jinghan

(Liming Vocational University, Quanzhou, Fujian 362000, China)

A Panel-VAR model, which can take all variable as endogenous as well as the impulse function and variance decomposition, is applied to empirically study the relations between FDI and employment of manufacturing and producer services in Fujian province. The results show that there are complicated interaction paths for the triple variable. FDI and manufacturing employment will be affected more by other variables. And producer service employment is in a more serious seal state. In the long run, the change of FDI is mostly influenced by the employment of manufacturing and producer services.

producer service; manufacturing; employment; FDI; Panel-VAR

2016-04-17

2014年福建省中青年教師教育科研項目“海西生產性服務業與制造業空間集聚與協同發展研究”(JAS14452)；泉州市哲學社會科學研究2013年規劃項目“生產性服務業與制造業協同視角下的福建產業結構升級研究”(2013Y08)；黎明職業大學科研團隊建設項目(LMTD2014110)

蔡經漢(1979—)，男，福建石獅人，黎明職業大學副研究員，研究方向：數量經濟模型與應用。

F062.1

A

1674-0297(2016)06-0068-06