城市經濟集聚對非農勞動生產率的影響——基于江蘇省動態面板數據的分析

楊麗，馮曉瑋

（安徽科技學院財經學院，安徽鳳陽 233100）

城市經濟集聚對非農勞動生產率的影響
——基于江蘇省動態面板數據的分析

楊麗，馮曉瑋

（安徽科技學院財經學院，安徽鳳陽 233100）

城市是人口和經濟的集聚地，隨著城市化進程的快速發展，中國正面臨經濟轉型和結構調整的巨大壓力，在這種情況下，城市經濟集聚效應被給予了高度的關注。本文以江蘇省為例采用動態面板數據模型分析城市經濟集聚對非農勞動生產率的影響，通過描述性統計分析發現各城市資源分布不平衡現象，通過回歸分析得出城市經濟集聚水平對非農勞動生產率有正向的影響。

城市經濟集聚；勞動生產率；動態面板數據

根據國家統計局數據，自2002年以來，我國城鎮化率以平均每年1.35個百分點的速度發展，城鎮人口平均每年增長2096萬人，2014年末城鎮人口已達74916萬人，比重達到54.77%，中國城市化正經歷著快速發展的階段，城市的形態、性質和功能正進行著演變，與此同時，中國正面臨經濟轉型和結構調整的巨大壓力，城市經濟集聚能否成為經濟轉型和結構調整過程中的一種有效的資源配置效應？為了回答這個問題，國內學術界從多個角度對城市經濟集聚對社會經濟發展作用進行研究。陳德文，苗建軍用聯立方程的方法，得出空間集聚經濟和區域經濟增長之間呈現“倒U型”關系。[1]高麗娜和蔣茯心發現創新要素的空間集聚會產生區域經濟協同發展效應。[2]國外學者對城市集聚早于國內，CicconeandHall采用實證分析的方法，發現一個地區就業密度提高一倍可以使勞動生產率提高6%。[3]Brulhart研究發現集聚效應只能在經濟發展的一定階段上促進GDP的增長。[4]但是也有研究發現集聚對于經濟增長沒有甚至有負的影響。例如陳林生，李剛利用1991-2002年省級面板數據，發現集聚經濟對區域經濟增長的回歸系數為負值。[5]Futagami andOhkusa認為用人口數量衡量的市場規模與經濟增長率之間存在著U型關系，即較大或較小規模的市場都不利于經濟增長。[6]綜上可見，城市集聚對經濟發展的作用還需要進行進一步的驗證，本文以國內外相關研究為基礎，采用2004-2013年江蘇省動態面板數據來研究城市經濟集聚對勞動生產率的影響。

一、模型設定

（一）基本模型

動態面板數據可以通過固定效應控制有效的克服變量遺漏的問題，并且還可以克服顛倒因果性問題。在動態面板數據模型中，因變量的觀測值隨個體和時間而改變，在這種情況下，前一期的因變量就有可能對當期的因變量產生影響，前一期的因變量成為解釋變量，即解釋變量中含有滯后被解釋變量，此時便產生了動態面板數據模型，[7]該模型的具體形式如公式（1）所示。

其中，i=1,2,…,N，t=2,3,…,T，β為k×1維向量，γ為常數，xit和yit是解釋變量和被解釋變量，yi，t-1為滯后被解釋變量，αi和εit是未觀測的個體效應和特質隨機誤差項，且，αi：∏D(0，σε2)，αit：∏D(0，σε2)，αi和εit相互獨立。由于動態面板數據模型包含了滯后被解釋變量，可以解決靜態面板數據可能存在的不一致和內生性問題，但是在這種情況下，當N：∞，T固定時，采用固定效應估計量和隨機效應估計量將不再具有一致性。[7]因此，本文采用廣義矩陣法（系統GMM）來進行模型估計，該估計方法在且T固定時，可以通過差分剔除動態面板數據模型中的個體效應，利用yit的滯后項與εit誤差項得到一些額外的工具變量來消除內生性問題。

（二）實證模型

鑒于動態面板數據相對于靜態面板數據具有的優勢，為了更深入的研究城市經濟集聚與勞動生產率的關系，在公式（1）的基礎上，我們構建實證動態面板數據模型如公式（2）所示。

在（2）式中，y為各城市市轄區的非農勞動生產率，其下表i代表城市，t代表年份；x為各城市市轄區的集聚水平，是本文關注的核心變量；yi，t-1是非農勞動生產率的一階滯后項；擾動項由城市固定效應αc和隨機擾動項εit兩部分構成；z為城市層面的相關控制變量，主要包括：勞均固定資產投資、人力資本、財政支出比重和外商直接投資占比；μ0為常數項，γ、β、λ為各變量的系數。

二、變量的定義與數據的來源

借鑒已有相關研究成果，我們選取非農勞動生產率衡量勞動生產率，選取產出密度衡量城市集聚水平，各變量定義如表1所示。

本文數據主要來自與2005-2014年《中國城市統計年鑒》以及《中國統計年鑒》和《江蘇省統計年鑒》。在《中國城市統計年鑒》中分別提供了“全市”和“市轄區”的統計數據，其中“市轄區”是中國城市的基層行政區單位，一般是指在直轄市和較大的市設置的行政區，市轄區的城區為城市市區的組成部分，該區域人口和經濟活動聚集。鑒于本文研究的是城市主體區域層面上的經濟集聚對非農勞動生產率的影響，因此我們選擇“市轄區”為研究對象，所使用的數據都是城市統計年鑒中“市轄區”范圍下的統計指標。

表1 變量定義

三、變量描述統計

本文樣本數據來自江蘇省13個城市年份跨度為10年，下面通過描述統計對樣本數據進行簡單的分析。

圖1 江蘇省2004-2013年平均產出密度

圖2 江蘇省2004-2013年平均非勞動生產率和勞均固定資產投資

圖3 江蘇省2004-2013年平均財政支出比重和外商直接投資占比

如圖1所示，江蘇省2004-2013年平均產出密度整體上呈上升的趨勢，但是在2008至2010年間略有下降，一個可能原因是2008年我國經濟受到美國次貸危機的影響，國內生產總值降低。圖2描述了江蘇省2004-2013年平均非農勞動生產率和勞均固定資產投資的發展趨勢，如圖所示，平均非農勞動生產率從2004至2012年呈現出上升的趨勢，其中2004-2010年增長速度較快，但2013年該指標下降明顯。根據統計數據，導致2013年該指標下降的直接原因是2013年第二、三產業就業人數的大量增加，2013年第二、三產業新增就業人數較2012年增加了74.75%，而第二、三產業國內生產總值較2012年僅增加了9.42%。關于勞均固定資產投資的總體趨勢與非農勞動生產率相似，從2004-2010年該指標增長較快，2013年較2012年該指標有明顯的下降，但與非農勞動生產率不同的是，2011年該指標的平均值較2010年下降了17.00%，2012年該指標反轉上升。2013年該指標下降的直接原因是平均年末單位從業人數較2012年增加了73.98%，而固定資產投資較2012年僅增加了14.22%。圖3描述了江蘇省2004-2013年平均財政支出比重和外商直接投資占比兩個指標的發展趨勢，其中財政支出比重指標整體上呈現了增長的趨勢，2011-2013年較2004-2010年增長放緩；外商直接投資整體趨勢平緩，值得說明的是，2005年和2013年較其他年份特殊，該指標2005年較2004年下降了16.7%，2013年較2012年下降了18個百分點，究其原因，2005年下降的直接原因是美元兌人民幣匯率下降，而2013年該指標下降，除了匯率下降外，外商投資額較2012年降低也是一個原因。本文以江蘇省普通高等學校在校學生人數來衡量人力資本，如圖4所示，該指標從2004年至2011年呈上升的趨勢，2012年下降了11.13%，2013年再次上升至137773人。

圖4 江蘇省2004-2013年平均人力資本

表2 主要指標變量的統計描述

圖1-圖4從整體發展趨勢上對樣本數據進行了描述，表2則利用具體數據更加詳細的對樣本數據進行統計分析。由表2提供的信息可知，各指標最大和最小值之間的差幅都較大，例如2004年人力資本指標的最大值是最小值的52倍，2013年為46倍；此外該指標的變異系數較大，2004年為1.57，2013年為1.49，根據統計數據，指標最大值往往出現在南京、蘇州、無錫等較大的城市，這一現象一定程度上體現了江蘇省較大城市的發展速度較快，城市之間的發展存在不平衡的現象。

四、回歸結果

從上述簡單的統計分析很難得出產出密度與非農勞動生產率之間的關系，因此，我們使用stata11的graph命令畫出了產出密度與非農勞動生產率之間的散點圖。如圖5所示。

圖5 產出密度與非農勞動生產率散點圖

圖5中橫軸表示非農勞動生產率，圖中散點表示產出密度，Fittedvalues表示產出密度與非農勞動生產率擬合回歸結果，lowesslnprolnope表示我們進行了局部加權回歸修勻散點。從圖中我們可以得到產出密度與非農勞動生產率之間存在正的相關性，但是該圖并不能說明兩者之間的具體相關程度，因此，以下我們將按照第一部分所述方法，利用系統GMM估計法對江蘇省2004-2013年動態面板數據模型進行估計，得到的計量結果如表3中第二列所示。

如表3所示系統GMM估計的結果，我們可以發現各解釋變量對非農勞動生產率的相關系數都為正值，說明各解釋變量對非農勞動生產率的正向作用。同時，Hansen檢驗值為0.38，表明過度識別限制是正確的，所使用的多于待估參數的工具變量是合理的。

表3 江蘇省城市經濟集聚對勞動生產率的影響的不同回歸估計結果對比

根據Bond(2002)的研究結果，動態面板模型因變量的一階滯后項系數大小介于Pool OLS估計和固定效應估計的系數估計結果之間。[9]因此，為了驗證系統GMM估計結果的穩健性，我們還進行了Pool OLS估計和固定效應估計，估計結果如表3第三、四列所示。由結果可知，系統GMM估計的一階滯后項系數0.3881754大于固定效應估計值0.018287小于Pool OLS估計值0.4127946，系統GMM估計穩健。

產出密度是我們關注的核心指標，由表3可見，產出密度對非農勞動生產率的相關系數是0.1045834，且在1%的統計水平上顯著，表明江蘇省城市具有經濟集聚效應，且對非農勞動生產率有顯著正的影響，當某城市產出密度增加一個單位時，該城市的非農勞動生產率會相應增加約10.46%。

依據回歸結果，除了產出密度，其他指標也對非農勞動生產率有正的影響，其中勞均固定資產投資對非農勞動生產率的相關系數最大，為0.5115489，且在1%的統計水平上顯著，依據相關理論，當勞均固定資產投資提高一個單位時，非農勞動生產率提高約51.15%，說明固定資產投資推動了該城市的基礎建設，增加資本存量，從而有利于提高該城市的勞動生產率；人力資本對非農勞動生產率的相關系數為0.061906，在5%的統計水平上顯著，人力資本每提高一個單位，非農勞動生產率提高約6.19%，說明人力資本是城市勞動生產率提高的重要推動力。此外，財政支出比重和外商投資占比對非農勞動生產率的相關系數也為正值，但是不顯著，這表明政府對市場的過多干預對勞動生產率的提高沒有顯著正向影響，且隨著國內經濟的發展，各城市對外商的依賴在逐漸的減小。

五、結論

本文使用江蘇省2004-2013年數據對該省各城市產出密度對非農勞動生產率的影響進行了計量分析，通過簡單的描述性統計分析，發現江蘇省各指標整體上呈上升趨勢，但各城市間存在資源分布不平衡的現象；利用系統GMM估計對動態面板數據進行回歸分析，發現非農勞動生產率對產出密度的彈性系數為10.46%左右，同時非農勞動生產率對勞均固定資產投資和人力資本的彈性系數分別也較高，且具有顯著性。這一結果得到的啟示是各城市可以通過增加人力資本、加強固定資產投、增加基礎設施建設、提高城市集聚水平來提高地區勞動生產率。

[1]陳德文，苗建軍.空間集聚與區域經濟增長的內生性研究:基于1995--2008年中國省域面板數據分析[J].數量經濟技術經濟研究，2010(10)：82-93.

[2]高麗娜，蔣伏心.創新要素集聚與擴散的經濟增長效應分析—以江蘇寧鎮揚地區為例[J].南京社會科學，2011(10):30-36.

[3]Ciccone,A.AgglomerationeffectsinEurope[J]. European Economic Review，2002(46):213-227.

[4]BrulhartM,MathysNA.Sectoralagglomeration economies in a panel of European regions[J].Regional Science and Urban Economics，2008(4):348-62.

[5]陳林生，李剛.聚集效應、區位差別與區域經濟增長[J].四川大學學報：哲學社會科學版，2004(2):32-35.

[6]Futagami,K.and Ohkusa,Y.The quality ladder and product variety:larger economies may not grow faster. Japanese Economic Review,2003(54):336-351.

[7]蘭草.截面、面板數據分析與STATA應用[M].武漢:武漢大學出版社，2012.

[8]Ahn,S.C.and P.SchmidtEfficient estimation of modelsfordynamicpaneldata,Journalof Econometrics,1995(68):5-28.

[9]Bond,E.M.and Chase,J.M.,Biodiversity and ecosystem functioning at local and regional spatial scales.Ecology Letters,2002(5):467-470.

F062.5

A

1005-913X（2015）10-0080-03

2015-08-01

楊麗(1984-)，女，安徽靈璧人，助教，碩士，研究方向：區域經濟學；馮曉瑋(1990-)，女，安徽蚌埠人，助教，碩士，研究方向：企業會計。

蘭欣卉］