生產率差距、城市化與勞動配置效應

秦佳　李雅楠

摘要：錢納里等認為隨著人均收入的增加，勞動配置效應呈倒“U”型變化趨勢，但他們并沒有解釋其背后的機理。本文認為三次產業的勞動生產率差距是勞動配置效應產生的前提，而工業化和城市化的推進使勞動配置效應得以實現。本文依據截面和時間雙固定效應的面板數據模型，采用我國1978～2010年的省級數據，對勞動配置效應的倒“U”型變化趨勢進行了驗證，發現2008年金融危機前我國的勞動配置效應達到了最高點，當前及未來一段時間內，勞動配置效應還能促進經濟的增長，但貢獻將會越來越低。

關鍵詞：生產率差距；城市化；勞動配置效應；倒“U”型

中圖分類號：F240文獻標識碼：A文章編號：1000-4149（2014）03-0059-10

DOI：103969/jissn1000-4149201403007

一、引言

勞動配置效應是經濟增長的重要源泉[1～2]，特別是在工業化階段[3]。 多瑞克（Dowrick）與格莫爾（Gemmel）對跨國數據進行分析發現，部門之間的勞動力再配置對GDP的增長有顯著貢獻，勞動配置效應能夠解釋1960～1985年間處于工業化階段的中等收入國家年均GDP增長率超出高收入國家08個百分點中的四分之一[4]。波瓦森（Poirson）基于二元經濟理論，對30個發展中國家1965～1980年的數據進行分析發現，勞動配置效應對勞動生產率增長的貢獻達到1/3，其中處于工業化階段的東亞地區的勞動配置效應最大，約為每年095個百分點[5]。

說明：全國勞動配置效應根據本文后面的方法計算，數據來源于《新中國60年統計資料匯編》，2009年和2010年數據用《中國統計年鑒》的數據補齊。

改革開放以來，我國一直處于工業化時期，勞動配置效應對經濟增長的貢獻顯著，1979～2010年勞動配置效應對勞動生產率增長的年均貢獻約為219%。然而，勞動配置效應對勞動生產率增長的促進作用并不像要素投入和技術進步那樣明確，有些年份的勞動配置效應甚至為負（見圖1）。隨著工業化和城市化的不斷推進，勞動配置效應是否會消失？錢納里（Chenery）等對跨國數據進行分析發現，勞動配置效應隨著人均收入的增加呈倒“U”型變動，在人均收入為1120～2100美元

這里的美元是按1970年價格的計價，下同。時，勞動配置效應最大；在人均收入為3360～5040美元時，勞動配置效應消失[6]。盡管他們并沒有解釋其背后的機理，但其結論足以表明勞動配置效應存在某種變化規律。因此，本文從理論上和經驗上分析在我國工業化和城市化進程中，三次產業勞動生產率差距不斷變化的情形下勞動配置效應的變化趨勢，并據此判斷勞動配置效應在今后一段時間是否繼續促進經濟增長。

二、文獻綜述

現有關于勞動配置效應的文獻主要集中于勞動配置效應對經濟增長有多大貢獻這一問題。胡永泰對全要素生產率進行分解，在勞動產出彈性分別為04、05、06三種情形下，對中國1979～1993年的數據分析發現，農業部門勞動力向工業或服務業部門流動產生的效應構成了全要素增長率增長的37%～54%，并認為1985～1993年間97%的年增長率中的12個百分點來自于勞動力的再配置[7]。潘文卿對我國1979～1997年的經濟增長率進行了分解，發現年均98%的增長率中勞動配置效應的貢獻約為159%[8]。蔡昉和王德文基于包含人力資本的經濟增長模型估計勞動產出彈性，并假設三次產業的勞動產出彈性相等，計算出1982～1997年勞動力的配置效應為162%，對經濟增長的貢獻為2023%[9]。丁霄泉沿用胡永泰的方法，將研究樣本擴充到1998年，計算了1979～1984年、1985～1992年、1993～1998年三個時期的勞動配置效率，發現勞動配置效應對GDP增長的貢獻為095～132個百分點，其中1985～1992年間的貢獻最為顯著，為138～206個百分點[10]。嚴于龍和李小云測算了1980～2005年我國農民工對經濟增長的貢獻，認為農民進城務工能提升人力資本，并將其作為一個要素引入生產函數，進而估算其產出彈性，最后發現改革開放以來，農民工對經濟增長的貢獻約為214%[11]。雅克平（Jakopin）對2008年金融危機前后塞爾維亞的經濟增長情況進行了分析，發現2002～2008年勞動配置效應年均為-009，并沒有促進經濟增長；2009～2010年勞動配置效應年均為07，約為勞動生產率增長的486%[12]。楊曉軍借鑒錢納里等的方法，對我國

1985～2009年的時間序列數據進行分析發現，農民工對總產出增長平均貢獻率為1658%[13]。

研究勞動配置效應變化趨勢的文獻并不多。徐現祥和舒元建立了一個簡單的勞動結構調整模型來分析勞動配置效應的變化趨勢[14]。在他們的模型中，經濟被簡化為農業和非農業兩個部門，非農業部門的邊際勞動產出隨其勞動份額的增加而遞減，農業部門的邊際勞動產出隨其勞動份額的下降而遞增，兩部門邊際勞動產出的差距隨著非農業部門勞動份額的增加由最大逐漸變為零。本文認為，依據他們的勞動結構調整模型并不能推斷出勞動配置效應的倒“U”型變化規律。另外，為得到這一倒“U”型變化趨勢的序列，他們采用索羅構造技術序列的方法對勞動配置效應序列進行重構，但沒有說明其依據。本文認為并沒有必要對其序列進行重構，只需要在檢驗模型中控制三次產業的勞動生產率差距即可，而他們的模型遺漏了這一重要解釋變量。再者，他們采用的我國1978～1998年的時間序列數據檢驗模型的樣本量太小，而根據本文前面的研究，在1998年我國的勞動配置效應還沒有達到倒“U”型曲線的最高點。段均和楊俊也對我國三次產業之間勞動力的配置效應進行了分析，他們認為勞動配置效應與二、三產業的就業份額高度相關，但并沒有得出勞動配置效應的具體變化規律[15]。

關于勞動配置效應的計算方法，現有文獻中運用最多的是全要素生產率分解法和塞爾奎因（Syrquin）法。全要素生產率分解法基于勞動配置效應是全要素生產率的重要組成部分[16～17]。在全要素生產率分解法的計算過程中需要估算資本存量以求要素的產出彈性。雖然目前關于資本存量的估算方法非常成熟，但是由于數據缺乏，估算三次產業的固定資本存量仍比較困難。現有研究一般采用情景分析，例如胡永泰、丁霄泉就是在勞動產出彈性分別為04、05、06時進行分析[18～19]。全要素生產率分解法還要根據計算要求假設要素產出彈性在不同時期以及不同產業之間一致，這一假定是否合理值得懷疑。塞爾奎因法的計算過程較全要素生產率分解法簡潔，計算所需的數據也容易獲得，郭克莎、潘文卿、徐現祥和舒元、姚戰琪等對勞動配置效應的計算都是借鑒于塞爾奎因法[20～23]。考慮到數據的可獲得性以及勞動產出彈性的難以確定，本文亦采用塞爾奎因法計算三次產業之間的勞動配置效應。

三、工業化和城市化進程中的勞動配置效應

勞動配置效應是對勞動力在不同產業之間重新分配導致的總勞動生產率增長變化

有部分文獻研究勞動力在不同地區之間轉移或分配產生的效應，本文只關注勞動力在三次產業之間轉移帶來的效應。的測量[24]。只要三次產業的邊際勞動產出存在差距，勞動力從低邊際產出的產業轉移到高邊際產出的產業就能帶來更多的產出，產生正的勞動配置效應。產業之間邊際勞動產出的差距越大，勞動配置效應越大；反之，勞動配置效應越小。因此，勞動配置效應的變化趨勢與邊際勞動產出差距的變化趨勢一致。雖然沒有數據來計算產業之間的邊際勞動產出差距，但我們發現邊際勞動產出與勞動生產率存在正相關關系。假定產業生產函數為CD形式：

Yi=AiKαiLβi（i=1，2，3）（1）

其中，Yi為第i次產業的產出，Ai為第i次產業的全要素生產率，Ki、Li分別為第i次產業的資本存量和勞動投入，α、β分別為資本和勞動的產出彈性。在（1）式兩邊對Li求導可得：

YiLi=βAiKαiLβ-1i=βYiLi（2）

公式（2）的經濟含義為勞動邊際產出等于勞動生產率乘以勞動產出彈性。根據趙慧卿和郝楓的研究，

圖2我國三次產業勞動生產率比值

我國三次產業勞動產出彈性的差別并不大，第一產業大約為072～084、第二產業大約為052～072、第三產業大約為042～058，而三次產業勞動生產率的比值都大于3[25]（見圖2），因此，勞動生產率的差距可以反映邊際勞動產出的差距，也即勞動生產率差距的變化趨勢可以反映勞動配置效應的變化趨勢。

三次產業勞動生產率的差距并不是固定不變的，因各次產業勞動生產率增長速度的變化而變化。任何一個經濟體在進入工業化階段之前，都以第一產業為經濟活動的主體，但第一產業勞動生產率明顯低于二、三產業[26]，我國也不例外（見圖3）。進入工業化階段后，三次產業的勞動生產率都開始加速提高，但第二產業的提高速度最快，第一產業最慢，從而導致第一產業與第二產業勞動生產率的差距變大。第二產業的勞動者相比第一產業能夠獲得更多的產出，促使第一產業的勞動力向第二產業轉移，推動工業化和城市化進程。第二產業的壯大刺激了以流通和服務為主的第三產業的發展，第一產業勞動力開始向第三產業轉移，進一步推進城市化的發展。隨著勞動力的轉移，二、三產業的勞動力比重不斷加大，當其就業份額達到一定程度后，邊際勞動產出開始下降，而第一產業的邊際勞動產出開始上升，第一產業與二、三產業勞動生產率之間的差距開始縮小，直至三次產業的勞動邊際產出一致。此時，勞動配置效應消失，三次產業之間勞動力的任何流動都導致負的勞動配置效應。因此，隨著工業化和城市化的推進，三次產業勞動生產率的差距和勞動配置效應經歷一個由小變大再變小的倒“U”型變化過程（見圖4）。

改革開放以來，我國三次產業勞動生產率差距的變化趨勢大致如此。圖3是我國1978～2010年三次產業勞動生產率的對數

圖2和圖3的勞動生產率是按當年價格計算的，因為這里只關注某一個時期三次產業之間勞動生產率的差距，而不是不同時期之間的比較。更重要的是任何一個基期，三次產業的價格指數都不在同一水平，如果采用勞動生產率的實際值，可能扭曲三次產業的生產率差距。。1978～1986年，我國三次產業勞動生產率的增長速度差不多，第一產業的速度甚至略快，這是因為家庭聯產承包責任制的實施刺激了廣大農村勞動力的積極性，提高了第一產業的勞動生產率。1987～1995年，三次產業勞動生產率的增長速度基本一致，差距也保持不變。1996～2004年，第一產業勞動生產率的增長速度明顯低于二、三產業，第一產業與二、三產業之間的勞動生產率差距逐漸變大，農村勞動力向二、三產業轉移帶來的配置效應也逐漸變大。2005～2010年，第一產業勞動生產率的增長加速，增速超過二、三產業，勞動生產率的差距開始縮小，勞動配置效應開始下降。因此，從圖3來看，我國農村勞動力轉移到二、三產業帶來的勞動配置效應呈倒“U”型變化趨勢。

勞動生產率比值的變化趨勢圖也能反映勞動配置效應的倒“U”型變化規律。從圖2可以看出，二、三產業的勞動生產率明顯高于第一產業，并且在1996～2004年間，二、三產業與第一產業勞動生產率的比值顯著遞增，2004年之后，兩個比值又開始遞減。因此，從圖2來看，我國勞動配置效應也呈倒“U”型變化規律。

為了進一步驗證我國勞動配置效應隨著工業化和城市化的推進呈倒“U”型變化趨勢，本文在徐現祥和舒元的模型[27]基礎上，建立如下三個回歸模型，并用我國1978～2010年的省級面板數據對三個模型的系數進行估計、檢驗。

模型一：Effectit=β0+β1log（gdpit）+β2[log（gdpit）]2+β3Labor21it-1+β4Labor31it-1+αi+γt+uit

模型二：Effectit=β0+β1Struit+β2Struit2+β3Labor21it-1 +β4Labor31it-1+αi+γt+uit

模型三：Effectit=β0+β1Urbanit+β2Urbanit2+β3Labor21it-1 +β4Labor31it-1+αi+γt+uit

Effectit、gdpit、Struit、Urbanit分別表示第i個省區在t時期的勞動配置效應、人均實際GDP、二三產業就業份額、城市化水平；Labor21和Labor31分別表示二、三產業與第一產業勞動生產率的比值，在模型中取滯后一期值是因為上一期的生產率差距越大，當期的勞動配置效應才可能有較大的上升空間

模型中不加入二、三產業勞動生產率比值變量Labor23，是因為Labor21和Labor31兩個變量聯合起來可以反映該變量的變化情況。另外，第二產業勞動生產率明顯高于一、三產業，Labor21和Yi=AiKαiLβi （i=1，2，3）存在較強的相關性，加入Labor23可能會引起多重共線性問題。；αi為各省區的固定或隨機效應；t為時間虛擬變量。模型一用于檢驗錢納里等“隨著人均收入的增加，勞動配置效應呈倒‘U型變化趨勢”的論斷；模型二用于檢驗隨著二、三產業的發展，勞動配置效應是否呈倒“U”型變化趨勢；模型三用于檢驗隨著城市化的發展，勞動配置效應是否呈倒“U”型變化趨勢。

四、勞動配置效應的計算方法與數據來源

1.勞動配置效應的計算方法

本文采用賽爾奎因計算勞動配置效應的方法[28]。總產出等于三次產業的產出之和：

Y=∑3i=1Yi（3）

其中，Y為總產出，Yi為第i次產業的產出。將（3）式兩邊除以總就業量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y為總勞動生產率，yi、γi分別為第i次產業的勞動生產率和就業份額。在（4）式兩邊對時間求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右邊第二項即為勞動配置效應，等于總勞動生產率的增長率與以各部門產出份額為權重計算的各部門勞動生產率增長率的加權和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）為勞動配置效應，Gy為總勞動生產率的增長率，ρi為第i部門的產出份額，Gyi為第i部門勞動生產率的增長率。

2.數據來源與說明

改革開放之前，我國三次產業之間勞動力的流動并不顯著，測算1978年之前的勞動配置效應沒有太大意義，所以本文只分析1978年以來我國各省區三次產業之間勞動力轉移帶來的勞動配置效應。計算勞動配置效應需要各地區三次產業的產值、就業人數以及生產指數，國家統計局出版的《新中國60年統計資料匯編》中有各省區這三個指標1978～2008年的數據，2009和2010年的數據用《中國統計年鑒》補齊，其中，重慶市1978～1985年的三次產業就業數據缺失。由于計算過程中涉及勞動生產率的增長率，各省區1978年的勞動配置效應無法計算，所以最終的樣本個數為985個。

本文各地區人均實際GDP數據根據《新中國60年統計資料匯編》中的當年價人均GDP和生產指數數據計算而得，并以1978年為基期；二三產業的就業份額根據《新中國60年統計資料匯編》中各地區分產業的就業數據計算而得，同樣利用《中國統計年鑒》補齊2009年和2010年的數據。

城市化率用各地區城鎮常住人口除以總常住人口得到。《中國統計年鑒》從2005年才開始公布各地區的分城鄉常住人口數據，2005年之前，只有三次人口普查年度的數據。本文假定各地區城市化年增長率不變，用1982年、1990年、2000年、2005年四個年度的數據平滑出缺失年份的城市化率。其中，海南省在1990年以及重慶市在2000年才單獨普查，相應年份之前的數據缺失。

五、勞動配置效應的倒“U”型趨勢檢驗

1.描述性統計

表1是各省區勞動配置效應，人均實際GDP對數，二、三產業就業份額，城市化水平，第二產業與第一產業以及第三產業與第一產業勞動生產率比值等變量的描述性統計結果。所有變量都有足夠大的變化區間，適合于回歸分析。二、三產業就業份額的最大值和最小值分別為0961和0148，基本上覆蓋其理論取值區間，城市化水平的取值范圍也是如此，所以這兩個變量的樣本數據適合于勞動配置效應的倒“U”型趨勢檢驗。一、二產業和一、三產業之間勞動生產率比值都大于1，能夠反映第一產業勞動生產率低于二、三產業的事實，在檢驗模型中控制這兩個比值變量具有合理性。

0299），黑龍江省的年均勞動配置效應最小（-0008）。年均勞動配置效應大于002的省份大多位于東部和中部地區，年均勞動配置效應在001～002之間的省份主要位于中西部地區，年均勞動配置效應小于001的省份主要是經濟發展水平較高的北京、天津、上海三大直轄市以及城市化水平較高的東北三省

遼寧、吉林、黑龍江三省2010年的城市化水平分別為6215%、5336%、5566%，全國的城市化水平為5027%，數據由國家統計局提供。，其中吉林和黑龍江兩省的年均勞動配置效應為負。可見，各省區的勞動配置效應存在明顯的差異，在對三個模型進行檢驗時，應該考慮地區效應。

圖5、圖6、圖7分別是勞動配置效應（Effect）對人均實際GDP對數、第二和第三產業就業份額、城市化水平的散點圖。從圖5中可以看出，在人均實際GDP對數較小時，勞動配置效應隨著人均實際GDP對數的增加而變大；在人均實際GDP對數達到75左右時，勞動配置效應最大；隨著人均實際GDP對數的繼續增加，勞動配置效應開始下降。從圖6中可以看出，在二、三產業就業比重低于55%時，勞動配置效應隨著二、三產業就業份額的增加而增加；在二、三產業就業比重超過55%后，勞動配置效應隨著二、三產業就業份額的增加而下降。從圖7可知，在城市化水平低于40%時，勞動配置效應隨著城市化水平的提升而增加；在城市化水平超過40%后，勞動配置效應隨著城市化的進一步發展而下降。因此，從三個散點圖可以得出，隨著經濟發展水平、第二和第三產業就業水平、城市化水平的提升，勞動配置效應呈倒“U”型變動。

2.計量結果分析

本文采用我國省級面板數據依次對三個模型參數進行估計，首先進行混合最小二乘估計，然后對截面和時間雙固定效應模型進行估計，最后對截面隨機或時間隨機效應模型進行估計

這里估計的模型包括截面隨機時間固定效應模型、截面固定時間隨機效應模型以及截面和時間雙隨機效應模型，限于篇幅表3并沒有報告這幾個模型的估計結果。。三個模型雙固定效應似然比（LR）檢驗的卡方統計量的P值都為00000，表明三個模型都應該加入截面和時間雙固定效應。三個模型隨機效應Hausman檢驗的卡方統計量的P值也都為00000，拒絕模型中存在截面隨機效應或時間隨機效應的假設，因此，在三個模型中都加入截面和時間雙固定效應最優。表3給出了三個模型的估計結果。

模型一的混合最小二乘估計結果顯示，所有解釋變量的系數都在5%的顯著性水平下顯著，但模型調整后的擬合優度僅為00433，另外較低的DW值表明混合回歸的殘差序列可能存在自相關。相比混合回歸結果，模型一在截面和時間雙固定效應情形下的估計結果更優。調整后的擬合優度有了明顯的改善，提高到02723；DW值增加到187，表明殘差序列已不存在明顯的自相關。從雙固定效應回歸結果可知，滯后一期的一、二產業之間和一、三產業之間勞動生產率比值的系數都為正，與“上一期生產率差距越大，當期勞動配置效應越大”的理論假設相符。人均實際GDP對數的一次項系數為正，二次項系數為負，并且都在1%的水平下顯著，反映隨著經濟發展水平的提高，勞動配置效應呈倒“U”型變化趨勢，驗證了錢納里等的結論。

四、勞動配置效應的計算方法與數據來源

1.勞動配置效應的計算方法

本文采用賽爾奎因計算勞動配置效應的方法[28]。總產出等于三次產業的產出之和：

Y=∑3i=1Yi（3）

其中，Y為總產出，Yi為第i次產業的產出。將（3）式兩邊除以總就業量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y為總勞動生產率，yi、γi分別為第i次產業的勞動生產率和就業份額。在（4）式兩邊對時間求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右邊第二項即為勞動配置效應，等于總勞動生產率的增長率與以各部門產出份額為權重計算的各部門勞動生產率增長率的加權和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）為勞動配置效應，Gy為總勞動生產率的增長率，ρi為第i部門的產出份額，Gyi為第i部門勞動生產率的增長率。

2.數據來源與說明

改革開放之前，我國三次產業之間勞動力的流動并不顯著，測算1978年之前的勞動配置效應沒有太大意義，所以本文只分析1978年以來我國各省區三次產業之間勞動力轉移帶來的勞動配置效應。計算勞動配置效應需要各地區三次產業的產值、就業人數以及生產指數，國家統計局出版的《新中國60年統計資料匯編》中有各省區這三個指標1978～2008年的數據，2009和2010年的數據用《中國統計年鑒》補齊，其中，重慶市1978～1985年的三次產業就業數據缺失。由于計算過程中涉及勞動生產率的增長率，各省區1978年的勞動配置效應無法計算，所以最終的樣本個數為985個。

本文各地區人均實際GDP數據根據《新中國60年統計資料匯編》中的當年價人均GDP和生產指數數據計算而得，并以1978年為基期；二三產業的就業份額根據《新中國60年統計資料匯編》中各地區分產業的就業數據計算而得，同樣利用《中國統計年鑒》補齊2009年和2010年的數據。

城市化率用各地區城鎮常住人口除以總常住人口得到。《中國統計年鑒》從2005年才開始公布各地區的分城鄉常住人口數據，2005年之前，只有三次人口普查年度的數據。本文假定各地區城市化年增長率不變，用1982年、1990年、2000年、2005年四個年度的數據平滑出缺失年份的城市化率。其中，海南省在1990年以及重慶市在2000年才單獨普查，相應年份之前的數據缺失。

五、勞動配置效應的倒“U”型趨勢檢驗

1.描述性統計

表1是各省區勞動配置效應，人均實際GDP對數，二、三產業就業份額，城市化水平，第二產業與第一產業以及第三產業與第一產業勞動生產率比值等變量的描述性統計結果。所有變量都有足夠大的變化區間，適合于回歸分析。二、三產業就業份額的最大值和最小值分別為0961和0148，基本上覆蓋其理論取值區間，城市化水平的取值范圍也是如此，所以這兩個變量的樣本數據適合于勞動配置效應的倒“U”型趨勢檢驗。一、二產業和一、三產業之間勞動生產率比值都大于1，能夠反映第一產業勞動生產率低于二、三產業的事實，在檢驗模型中控制這兩個比值變量具有合理性。

0299），黑龍江省的年均勞動配置效應最小（-0008）。年均勞動配置效應大于002的省份大多位于東部和中部地區，年均勞動配置效應在001～002之間的省份主要位于中西部地區，年均勞動配置效應小于001的省份主要是經濟發展水平較高的北京、天津、上海三大直轄市以及城市化水平較高的東北三省

遼寧、吉林、黑龍江三省2010年的城市化水平分別為6215%、5336%、5566%，全國的城市化水平為5027%，數據由國家統計局提供。，其中吉林和黑龍江兩省的年均勞動配置效應為負。可見，各省區的勞動配置效應存在明顯的差異，在對三個模型進行檢驗時，應該考慮地區效應。

圖5、圖6、圖7分別是勞動配置效應（Effect）對人均實際GDP對數、第二和第三產業就業份額、城市化水平的散點圖。從圖5中可以看出，在人均實際GDP對數較小時，勞動配置效應隨著人均實際GDP對數的增加而變大；在人均實際GDP對數達到75左右時，勞動配置效應最大；隨著人均實際GDP對數的繼續增加，勞動配置效應開始下降。從圖6中可以看出，在二、三產業就業比重低于55%時，勞動配置效應隨著二、三產業就業份額的增加而增加；在二、三產業就業比重超過55%后，勞動配置效應隨著二、三產業就業份額的增加而下降。從圖7可知，在城市化水平低于40%時，勞動配置效應隨著城市化水平的提升而增加；在城市化水平超過40%后，勞動配置效應隨著城市化的進一步發展而下降。因此，從三個散點圖可以得出，隨著經濟發展水平、第二和第三產業就業水平、城市化水平的提升，勞動配置效應呈倒“U”型變動。

2.計量結果分析

本文采用我國省級面板數據依次對三個模型參數進行估計，首先進行混合最小二乘估計，然后對截面和時間雙固定效應模型進行估計，最后對截面隨機或時間隨機效應模型進行估計

這里估計的模型包括截面隨機時間固定效應模型、截面固定時間隨機效應模型以及截面和時間雙隨機效應模型，限于篇幅表3并沒有報告這幾個模型的估計結果。。三個模型雙固定效應似然比（LR）檢驗的卡方統計量的P值都為00000，表明三個模型都應該加入截面和時間雙固定效應。三個模型隨機效應Hausman檢驗的卡方統計量的P值也都為00000，拒絕模型中存在截面隨機效應或時間隨機效應的假設，因此，在三個模型中都加入截面和時間雙固定效應最優。表3給出了三個模型的估計結果。

模型一的混合最小二乘估計結果顯示，所有解釋變量的系數都在5%的顯著性水平下顯著，但模型調整后的擬合優度僅為00433，另外較低的DW值表明混合回歸的殘差序列可能存在自相關。相比混合回歸結果，模型一在截面和時間雙固定效應情形下的估計結果更優。調整后的擬合優度有了明顯的改善，提高到02723；DW值增加到187，表明殘差序列已不存在明顯的自相關。從雙固定效應回歸結果可知，滯后一期的一、二產業之間和一、三產業之間勞動生產率比值的系數都為正，與“上一期生產率差距越大，當期勞動配置效應越大”的理論假設相符。人均實際GDP對數的一次項系數為正，二次項系數為負，并且都在1%的水平下顯著，反映隨著經濟發展水平的提高，勞動配置效應呈倒“U”型變化趨勢，驗證了錢納里等的結論。

四、勞動配置效應的計算方法與數據來源

1.勞動配置效應的計算方法

本文采用賽爾奎因計算勞動配置效應的方法[28]。總產出等于三次產業的產出之和：

Y=∑3i=1Yi（3）

其中，Y為總產出，Yi為第i次產業的產出。將（3）式兩邊除以總就業量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y為總勞動生產率，yi、γi分別為第i次產業的勞動生產率和就業份額。在（4）式兩邊對時間求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右邊第二項即為勞動配置效應，等于總勞動生產率的增長率與以各部門產出份額為權重計算的各部門勞動生產率增長率的加權和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）為勞動配置效應，Gy為總勞動生產率的增長率，ρi為第i部門的產出份額，Gyi為第i部門勞動生產率的增長率。

2.數據來源與說明

改革開放之前，我國三次產業之間勞動力的流動并不顯著，測算1978年之前的勞動配置效應沒有太大意義，所以本文只分析1978年以來我國各省區三次產業之間勞動力轉移帶來的勞動配置效應。計算勞動配置效應需要各地區三次產業的產值、就業人數以及生產指數，國家統計局出版的《新中國60年統計資料匯編》中有各省區這三個指標1978～2008年的數據，2009和2010年的數據用《中國統計年鑒》補齊，其中，重慶市1978～1985年的三次產業就業數據缺失。由于計算過程中涉及勞動生產率的增長率，各省區1978年的勞動配置效應無法計算，所以最終的樣本個數為985個。

本文各地區人均實際GDP數據根據《新中國60年統計資料匯編》中的當年價人均GDP和生產指數數據計算而得，并以1978年為基期；二三產業的就業份額根據《新中國60年統計資料匯編》中各地區分產業的就業數據計算而得，同樣利用《中國統計年鑒》補齊2009年和2010年的數據。

城市化率用各地區城鎮常住人口除以總常住人口得到。《中國統計年鑒》從2005年才開始公布各地區的分城鄉常住人口數據，2005年之前，只有三次人口普查年度的數據。本文假定各地區城市化年增長率不變，用1982年、1990年、2000年、2005年四個年度的數據平滑出缺失年份的城市化率。其中，海南省在1990年以及重慶市在2000年才單獨普查，相應年份之前的數據缺失。

五、勞動配置效應的倒“U”型趨勢檢驗

1.描述性統計

表1是各省區勞動配置效應，人均實際GDP對數，二、三產業就業份額，城市化水平，第二產業與第一產業以及第三產業與第一產業勞動生產率比值等變量的描述性統計結果。所有變量都有足夠大的變化區間，適合于回歸分析。二、三產業就業份額的最大值和最小值分別為0961和0148，基本上覆蓋其理論取值區間，城市化水平的取值范圍也是如此，所以這兩個變量的樣本數據適合于勞動配置效應的倒“U”型趨勢檢驗。一、二產業和一、三產業之間勞動生產率比值都大于1，能夠反映第一產業勞動生產率低于二、三產業的事實，在檢驗模型中控制這兩個比值變量具有合理性。

0299），黑龍江省的年均勞動配置效應最小（-0008）。年均勞動配置效應大于002的省份大多位于東部和中部地區，年均勞動配置效應在001～002之間的省份主要位于中西部地區，年均勞動配置效應小于001的省份主要是經濟發展水平較高的北京、天津、上海三大直轄市以及城市化水平較高的東北三省

遼寧、吉林、黑龍江三省2010年的城市化水平分別為6215%、5336%、5566%，全國的城市化水平為5027%，數據由國家統計局提供。，其中吉林和黑龍江兩省的年均勞動配置效應為負。可見，各省區的勞動配置效應存在明顯的差異，在對三個模型進行檢驗時，應該考慮地區效應。

圖5、圖6、圖7分別是勞動配置效應（Effect）對人均實際GDP對數、第二和第三產業就業份額、城市化水平的散點圖。從圖5中可以看出，在人均實際GDP對數較小時，勞動配置效應隨著人均實際GDP對數的增加而變大；在人均實際GDP對數達到75左右時，勞動配置效應最大；隨著人均實際GDP對數的繼續增加，勞動配置效應開始下降。從圖6中可以看出，在二、三產業就業比重低于55%時，勞動配置效應隨著二、三產業就業份額的增加而增加；在二、三產業就業比重超過55%后，勞動配置效應隨著二、三產業就業份額的增加而下降。從圖7可知，在城市化水平低于40%時，勞動配置效應隨著城市化水平的提升而增加；在城市化水平超過40%后，勞動配置效應隨著城市化的進一步發展而下降。因此，從三個散點圖可以得出，隨著經濟發展水平、第二和第三產業就業水平、城市化水平的提升，勞動配置效應呈倒“U”型變動。

2.計量結果分析

本文采用我國省級面板數據依次對三個模型參數進行估計，首先進行混合最小二乘估計，然后對截面和時間雙固定效應模型進行估計，最后對截面隨機或時間隨機效應模型進行估計

這里估計的模型包括截面隨機時間固定效應模型、截面固定時間隨機效應模型以及截面和時間雙隨機效應模型，限于篇幅表3并沒有報告這幾個模型的估計結果。。三個模型雙固定效應似然比（LR）檢驗的卡方統計量的P值都為00000，表明三個模型都應該加入截面和時間雙固定效應。三個模型隨機效應Hausman檢驗的卡方統計量的P值也都為00000，拒絕模型中存在截面隨機效應或時間隨機效應的假設，因此，在三個模型中都加入截面和時間雙固定效應最優。表3給出了三個模型的估計結果。

模型一的混合最小二乘估計結果顯示，所有解釋變量的系數都在5%的顯著性水平下顯著，但模型調整后的擬合優度僅為00433，另外較低的DW值表明混合回歸的殘差序列可能存在自相關。相比混合回歸結果，模型一在截面和時間雙固定效應情形下的估計結果更優。調整后的擬合優度有了明顯的改善，提高到02723；DW值增加到187，表明殘差序列已不存在明顯的自相關。從雙固定效應回歸結果可知，滯后一期的一、二產業之間和一、三產業之間勞動生產率比值的系數都為正，與“上一期生產率差距越大，當期勞動配置效應越大”的理論假設相符。人均實際GDP對數的一次項系數為正，二次項系數為負，并且都在1%的水平下顯著，反映隨著經濟發展水平的提高，勞動配置效應呈倒“U”型變化趨勢，驗證了錢納里等的結論。