中國高技術產業集聚的就業效應研究
——基于空間面板的實證分析

晉 盛 武,盛 淑 潔

(1.合肥工業大學經濟學院，安徽 合肥 230601;2.合肥工業大學工業信息與經濟研究中心,安徽 合肥 230601)

?

中國高技術產業集聚的就業效應研究
——基于空間面板的實證分析

晉 盛 武1，2,盛 淑 潔1

(1.合肥工業大學經濟學院，安徽 合肥 230601;2.合肥工業大學工業信息與經濟研究中心,安徽 合肥 230601)

產業集聚的就業效應既是一個復雜的理論問題，也是一個不可回避的現實問題。該文基于中國2004-2011年高技術產業的省級面板數據，應用空間計量模型探討了高技術產業集聚與就業水平之間的關系。研究結果表明，高技術產業就業水平與產業集聚之間存在著倒U形關系，即產業集聚達到門檻值之前，集聚對就業水平具有正效應，但跨越門檻值之后，隨著集聚程度的不斷提高，就業水平會呈現下降的趨勢。此外，分行業高技術產業的門檻值不盡相同，相同集聚程度下，不同產業可容納的就業量也存在著很大的差異。

就業效應；高技術產業集聚；空間面板模型；倒U形

0 引言

改革開放以來，我國持續的經濟增長為高技術產業的發展創造了良好的條件。根據國家統計局的數據，中國高技術產業的產值從2000年的10 411億元升至2012年的88 434億元，高新技術企業數從9 758家增至24 636家，高技術產業年平均就業人數從389.9萬人增至1 269萬人。我國高技術產業的發展得益于各級各類開發區基礎設施的不斷建設和完善，并呈現出在開發區集聚的現象。高技術產業集聚創造了大量就業崗位的同時，由于信息計算機等先進技術的廣泛運用替代了一些傳統的勞動要素，減少了對一般性技術職位和傳統勞動力的需求。然而在總體上，我國高技術產業集聚與就業之間究竟是怎樣的關聯？產業集聚的現實是怎樣影響就業的？產生這種影響的原因是什么？這既是一個復雜的理論問題，也是一個不可回避的現實問題。

有關產業集聚對就業影響的研究主要集中在國外，但并未達成共識。一類研究認為產業集聚有利于就業增長[1-3]；另一類研究認為產業集聚對就業增長的影響具有不確定性，這種不確定性使產業集聚與就業之間呈現出非正的關系[4-6]。上述學者大多以制造業為研究對象，鮮有涉及高技術產業集聚的就業效應，為數不多的相關研究分析了高技術產業的發展與就業水平之間的關系。而對于這二者之間的關系，學術界尚未形成一致的結論。此類研究的結論大部分偏向于高技術產業的發展增加就業機會，促進就業增長[7-13]；但也有學者指出，高技術產業的發展是一把雙刃劍，在創造就業機會的同時，也因推動技術進步等原因損失就業崗位，高技術產業存在就業增長粘性的痼疾[14]。高技術產業集聚對就業水平的影響是否也具有不確定性仍然是未解之謎，基于集聚視角的研究有待開展。

需要指出的是，以上研究在分析產業發展對就業增長的影響時，忽略了不同地區的勞動就業可能存在空間相關性。以中國四大高技術產業密集區*四大高新技術產業密集區包括：以北京中關村科技園區為中心的環渤海高新技術產業密集區；以上海高新區為中心的沿長江高新技術產業區；以深圳高新區為中心的東南沿海高技術產業密集區；以西安-楊凌高新區為中心的沿亞歐大陸橋高新技術產業密集區。為例，這些區域已形成了集科研、生產、金融等功能于一體的經濟中心，其發展會產生極化效應和擴散效應*極化效應是指這些區域對周圍地區產生一定的吸納能力，吸引生產要素不斷向中心集聚，實現經濟發展的自我增強機制。擴散效應是指這些區域本身的發展會輻射周邊地區，帶動周邊地區的經濟發展。。從區域間發展的角度而言，由于欠發達地區的勞動力、資金和技術等生產要素會向發達地區流動，發達地區的高新區會產生擴張效應，欠發達地區會產生回蕩效應*擴張效應和回蕩效應是瑞典經濟學家、諾貝爾經濟學獎獲得者岡納·繆爾達爾提出的經濟概念。在一國國內，某個地區的發展會引起別的地區的衰落，因為欠發達地區的勞動力、資金和技術等生產因素會向發達地區流動，阻礙了欠發達地區的發展，即在欠發達地區出現回蕩效應。相反，發達地區形成了經濟中心，促進經濟的發展，形成“擴張效應”。。在高技術產業集聚的過程中，上述幾種效應的共同作用會使勞動力在集聚區之間流動，當一個區域發展產生的極化效應和擴張效應占比重較高時，勞動力會大量流入；當擴散效應和回蕩效應發揮主要作用時，勞動力則會流出。

正如Anselin所言，某個空間單元上的某種經濟現象或某一屬性值與鄰近空間單元上的同一現象或屬性值往往是相關的。某一變量空間相關性的存在使傳統計量方法的適用性受到限制，而空間計量方法則能很好地彌補這一缺陷[15]。因此，本文基于2004-2011年中國31省市分行業高技術產業的面板數據，構建空間計量模型，探討高技術產業集聚對就業水平會產生何種影響以及這一影響在不同的高技術行業中有何差異，同時關注經濟規模、人力資本、基礎設施建設等因素對就業水平的作用。現有的文獻還未涉及這一系列問題的研究，本研究將為認識高技術產業集聚的就業效應提供實證依據。

1 研究假說及模型設定

“威廉姆森假說(Williamson Hypothesis)”認為，空間集聚在經濟發展初期能顯著促進效率提升，但達到某一門檻值后，空間集聚對經濟增長的影響變小，甚至不利于經濟增長，擁擠外部性更傾向于分散的地理空間結構[16]。受這一假說的啟發，本文認為高技術產業集聚與就業水平之間也存在著倒U形關系，即產業集聚存在著門檻值，在集聚的初期，其對就業會產生正效應，跨越門檻值之后，由于擁擠效應，其對就業水平會產生負效應。

事實上，高技術產業形成集聚的初期，由于產業與服務的高附加值、高利潤以及產業的壟斷屬性，集聚區內企業急需人才，進入壁壘小，許多剛走出校園的高學歷、高技能人才填補了這一需求，同時行業平均工資一般高于傳統行業，也會對社會上高技能、經驗豐富的從業人員產生巨大的吸引力，人才向集聚區匯集，就業總量增加。產業集聚發展到一定階段后，行業競爭的加劇、就業崗位的飽和逐漸顯現，慢慢會出現就業的擁擠效應，即在一個勞動力市場內，由于供求關系發生變化，出現勞動力市場供大于求的現象，行業平均工資出現波動和下降，導致部分從業人員從原來的集聚區遷移至其他區就業。

根據上述假設，就業水平是集聚強度的二次函數，基本模型設定如下：

G=aH2+bH+cZ+ε

(1)

以式(1)為基礎，在空間計量模型的支持下，建立空間滯后模型(SAR)和空間誤差模型(SEM)，具體模型如下：

(2)

(3)

式中：Git為省份i在t時期的就業水平，Hit為省份i在t時期的集聚程度，Zit為省份i在t時期的控制變量；α、β、φ為變量系數，ρ、λ分別為空間自回歸系數和空間自相關系數；εit、μit為隨機誤差項，εit,μit～iid(0,σ2),i,j=1,…,n,j≠i,n為省份數;Wij表示空間權重矩陣，其設定遵循Queen相鄰判定原則，Wij=1表示空間區域i與j相鄰，Wij=0表示空間區域i與j不相鄰。在實證過程中，本文對Wij進行標準化處理。

模型對H具有顯著的正回歸系數，對H2具有顯著的負回歸系數，當H2的系數顯著非負時，拒絕擁擠效應增長的假設。因變量G以各省市的年末高技術產業從業人員數來衡量，自變量H以單位面積的產業產值來表示*目前，用于衡量集聚強度的指標主要有區位基尼系數[17]、赫芬達爾指數等。本文為了考慮每個省市的規模并納入產業地理臨近信息，使用單位面積的產業產值作為衡量集聚強度的指標。由于高技術產業需求的人才類型較為集中，生產類型較為相似，不存在因技術水平產業差異過大導致產值差異大的情形，因此，本文認為使用單位面積的產值衡量集聚是合理的。。控制變量Z包括：1)經濟規模：以各省市年末全社會從業人員數(g)來衡量。2)人力資本：高技術產業發展的動力是知識創新，而創新的源動力為人才，因此本文將人力資本作為關鍵的控制變量。人力資本質量的提高主要依靠教育途徑實現，而各受教育群體的邊際生產力是不同的。考慮到高技術產業知識密度高的特點，選用各省市每十萬人在校高等院校學生數(l)來衡量人力資本的水平。3)基礎設施水平：一個地區基礎設施的質量越高越有利于地區競爭力的提升和企業的成長，有助于提供更多的就業機會。由于生產的原材料、營銷、研發支持等方面都受到本省市公路里程的影響，因此本文以每萬平方公里的公路里程數(s)來衡量各省市的基礎設施水平。

本文數據來源于2005-2012年《中國高技術統計年鑒》和《中國統計年鑒》。根據《中國統計年鑒》，中國高技術產業包含醫藥制造業(Ps)、航天航空制造業(AS)、電子及通信設備制造業(ETE)、電子計算機及辦公設備制造業(COE)、醫療設備及儀器儀表制造業(MEM)5類行業。由于受數據可得性限制，各行業的樣本量有所差異，具體如下：Ps產業每個時期的區域個體數為31，樣本量為248；AS產業剔除“內蒙古、廣西、海南、重慶、云南、西藏、青海、寧夏和新疆”9個區域，樣本量為176；ETE產業剔除“西藏、青海和寧夏”3個區域，樣本量為224；COE產業剔除“內蒙古、吉林、海南、重慶、貴州、西藏、甘肅、青海、寧夏和新疆”10個區域，樣本量為168；MEM產業剔除“內蒙古、海南、云南、西藏和新疆”5個區域，樣本量為208。高技術產業各產業產值選用居民消費價格指數將其折算為2004年不變價表示。

2 集聚就業效應的實證分析

2.1 空間自相關分析

為檢驗各省高技術產業就業的空間自相關性，本文利用Geoda095i計算了2004-2011年就業的Moran I，結果見表1。

表1 高技術產業就業的Moran I

Table 1 Moran I of number of employed personnel of high-tech industries

年份20042005200620072008200920102011PsASETECOEMEMMoranI0．32680．34000．34320．33880．34580．33020．34570．3114P值0．00100．00100．00200．00300．00300．00600．00100．0020MoranI-0．2022-0．2199-0．1906-0．1917-0．2248-0．1313-0．1314-0．1001P值0．06600．05300．06900．08600．06200．19700．21100．3480MoranI-0．1366-0．1301-0．1275-0．1250-0．1263-0．1318-0．1314-0．1307P值0．02300．03200．03500．05600．04700．03400．02900．0360MoranI-0．1928-0．1885-0．1746-0．1681-0．1661-0．1742-0．1686-0．1990P值0．02800．02900．04400．04300．05500．04800．04800．0300MoranI0．32640．32320．36210．37340．44020．45520．47410．4615P值0．00600．00700．00600．00500．00300．00400．00100．0030

從Moran I檢驗值看，2004-2011年中國各省高技術產業就業之間存在顯著的空間自相關，即存在空間交互作用，這種交互作用在研究期間變化幅度不大且沒有固定的趨勢。醫藥制造業(Ps)和醫療設備及儀器儀表制造業(MEM)作為競爭性較強的產業，其Moran I檢驗值均顯著為正，說明就業水平在空間上發生的相互作用是正向的，一個區域出現了就業增長，必然引起相鄰區域的就業增長，即產生溢出效應。這種溢出效應可能與兩個因素有關：一是鄰近區域的示范作用，當鄰省的Ps和MEM產業發展狀況較好、對就業增長促進作用大時，本地政府必然會關注鄰省的發展模式和政策，積極制定促進本地Ps和MEM產業發展、吸引相關人才的政策。二是鄰近區域的擴散作用，鄰省的Ps和MEM產業發展會帶動周邊地區的經濟發展，間接地帶動本地Ps和MEM產業的就業增長。比如京津冀地區的Ps產業之間存在協同合作，一個區域的Ps產業發展好，同時會帶動另兩個區域的就業增長。航天航空制造業(AS)、電子及通信設備制造業(ETE)和電子計算機及辦公設備制造業(COE)的Moran I檢驗值均為負值，勞動就業在空間上的依賴性表現為負向，一個區域的就業增長會引起鄰近區域的就業衰退。分析出現這種情形的原因，要依據產業的特征。AS產業享受政府的資金支持，屬于壟斷程度高的類型，當本地出現了此類產業的集聚區，鄰近區域沒有建立相似集聚區的能力，那么相關人才只能流入本地。ETE和COE屬于智力密集型的壟斷競爭行業，當鄰省形成集聚程度高的企業群時，會對本省的資本、人才等產生吸引力，使資源向集聚區集中，形成增長極。因此鄰省ETE和COE的就業增長會相對引起本省ETE和COE的弱化。

為更直觀地分析各省份就業水平的情形，以ETE產業為例，做出2004年和2011年就業水平的Moran I散點圖和分布圖(圖1-圖3)，其中，G為就業水平，W_G為就業水平的空間滯后向量。Moran I散點圖對應的地區詳情見表2。2011年與2004年相比，各省市就業的空間相關模式變化不大，只有山東省從高-高模式變為低-高模式，山西省從低-高模式變為低-低模式，云南省從低-低模式變為低-高模式，天津從高-低模式變為低-低模式。

圖1 2004年ETE Moran I散點圖

Fig.1 Moran scatterplot of ETE in 2004

圖2 2011年ETE Moran I散點圖

Fig.2 Moran scatterplot of ETE in 2011

圖3 2004年與2011年被選省市(不含西藏、青海和寧夏)ETE從業人員數分布

Fig.3 Distribution of ETE employee numbers in selected provinces in 2004 and 2011

表2 Moran I散點圖對應的地區詳情

Table 2 Moran scatterplot corresponding to regions

象限空間相關模式2004年2011年第1象限高-高(H-H)江蘇、浙江、上海、福建、山東江蘇、浙江、上海、福建第2象限低-高(L-H)廣西、江西、湖南、安徽、海南、山西廣西、江西、湖南、安徽、海南、云南、山東第3象限低-低(L-L)北京、河北、內蒙古、遼寧、吉林、黑龍江、河南、湖北、重慶、四川、貴州、陜西、甘肅、新疆、云南北京、河北、內蒙古、遼寧、吉林、黑龍江、河南、湖北、重慶、四川、貴州、陜西、甘肅、新疆、天津、山西第4象限高-低(H-L)廣東、天津廣東

圖3顯示，江蘇省的勞動就業從2004年到2011年有了較大進步，因此鄰近的山東省與其之間的模式變為了L-H；山西省由于鄰近的河南省就業水平有了較大發展，而呈現出L-H模式；天津的模式發生變化是由于鄰近的河北省就業水平取得了較大進展；四川省的就業水平在此期間也出現了較大增長，導致其鄰近的云南省變為L-H模式。圖3還顯示電子及通信設備制造業主要分布在京津、長三角和珠三角地區。

2.2 模型估計結果與分析

首先做空間面板的拉格朗日乘子LMERR和LMLAG檢驗，以判斷選用空間滯后模型(SAR)或空間誤差模型(SEM)，結果見表3。表3顯示，5類產業的空間滯后效應與空間誤差效應均通過檢驗，其中除了醫療設備及儀器儀表制造業的兩種效應不太顯著，其他產業的兩種效應都顯著。因此，本文同時采用SAR和SEM模型對樣本進行估計。

表3 LM檢驗結果

Table 3 Results of LM test

產業PsASETECOEMEMLMERRLMLAGLM5．2566175．669814．55873．06201．3092P值0．0219 0．0000 0．00010．08010．2525LM6．1197178．931915．15242．91302．1972P值0．0134 0．0000 0．00010．08790．1383

本文使用固定效應進行模型估計而非隨機效應模型，理由是樣本回歸分析局限于一些特定的個體時(如中國的31個省級區劃單位),固定效應模型應該是更好的選擇[18]。基于固定效應，每種模型分為4種，即無固定效應(nonF)、空間固定效應(sF)、時間固定效應(tF)、空間時間雙固定效應(stF)。本文通過比較4種固定效應的擬合優度R2和空間項參數(ρ和λ)，最終選用stF效應進行模型估計，表4給出了模型(2)和(3)的估計結果。表4顯示，各產業的SAR和SEM模型的擬合優度R2都很高，幾乎接近于1，表明空間因素中包含著重要影響，體現在我國高技術產業在東、中、西部地區存在著明顯差異，如科技發展水平、就業政策、產業結構等；同樣，時間因素中也有不容忽視的影響，主要體現在我國高技術產業發展規模、技術水平和產業結構的升級優化等。表4還表明，5類產業中，stF效應的模型空間項參數(ρ和λ)的統計值均高度顯著，顯示了就業水平具有明顯的空間相關性。SAR模型的ρ顯著為負，表明本地區的就業隨著鄰近地區就業增長而減少，這是因為鄰近地區的環境、政策等對就業人員的吸引力越大，本地區的吸引力相應地就會越小。SEM模型的λ顯著為負，表明相鄰地區間未納入觀測的因素存在著負相關性，呈現此消彼長的關系，本地區對鄰近地區的誤差沖擊具有空間依賴性。對表4中列出的變量系數分析如下：

(1)產業集聚：對于5類產業，H2的系數均顯著為負，H的系數均顯著為正，因此驗證了本文的研究假說，即產業集聚與就業水平之間呈倒U形關系。這意味著，隨著產業集聚程度的增加，由于擁擠效應，其負外部性會顯著增加。在集聚的初始階段，其對就業產生促進作用，當達到門檻值以后，集聚對就業產生抑制作用。

表4 高技術產業SAR和SEM的估計結果

Table 4 Estimation results of SAR and SEM in high-tech industries

模型/變量H2HglsR2ρλPsASETECOEMEMSAR-0．515???(-8．579)432．330???(8．539)1．200?(1．686)13．493???(4．126)1．288???(3．283)0．97-0．797???(-2．880)SEM-0．540???(-8．797)458．067???(8．802)1．232?(1．698)14．347???(4．276)1．478???(3．648)0．97-0．877???(-2．635)SAR-7．265???(-4．585)153．498???(3．742)0．099(0．467)2．906???(2．977)0．486???(3．394)0．99-0．843???(-2．753)SEM-7．372???(-4．486)160．744???(3．784)0．109(0．498)2．940???(2．904)0．528???(3．485)0．99-0．713??(-2．266)SAR-0．291???(-11．105)1437．793???(13．663)13．858??(1．900)-42．321?(-1．447)6．533?(1．722)0．97-0．995???(-3．483)SEM-0．303???(-11．412)1501．975???(14．174)14．624??(1．971)-46．119?(-1．507)7．753??(1．954)0．97-0．989???(-3．022)SAR-0．078???(-6．205)618．122???(6．420)1．388(0．351)-18．900(-1．171)2．799(1．150)0．96-0．995???(-3．199)SEM-0．081???(-6．225)640．988???(6．430)1．256(0．308)-20．609(-1．196)3．760?(1．436)0．96-0．989???(-3．082)SAR-1．696???(-22．751)1344．156???(26．201)6．613???(4．743)13．972???(5．072)0．014???(1．327)0．98-0．999???(-4．405)SEM-1．758???(-23．710)1409．272???(28．188)6．924???(4．810)14．158???(4．924)1．478??(1．959)0．98-0．990???(-2．993)

注：*、**、***分別表示在10%、5%、1%的顯著性水平下顯著；括號內為漸進的t統計量。

(2)控制變量：對于醫藥制造業(Ps)和醫療設備及儀器儀表制造業(MEM)，SEM模型和SAR模型估計的各系數均顯著，SEM模型的估計值相對偏低。全社會從業人員數(g)對從業人員數(G)有積極的影響，即全社會的整體經濟發展狀況良好，就業情形樂觀，那么兩類產業的就業情形也不錯；每十萬人在校高等院校學生數(l)對從業人員數(G)的正效應顯著，表明人力資本水平越高，從業人員數越多，這說明在本文的研究期間內，這兩類行業(Ps/MEM)對于高素質人才的需求總體大于社會的供給；每萬平方公里的公路里程數(s)能夠促進從業人員數(G)的增長，表明基礎設施建設程度對這兩類行業(Ps/MEM)的從業人員數有著不容忽視的作用。

對于航天航空制造業(AS)，SAR模型估計的各系數值高于SEM模型，結構變量的系數值均為正值，即對從業人員數(G)都具有促進作用。但全社會從業人員數(g)的系數不顯著，說明全社會的經濟發展狀況與就業情形對AS產業的就業失去了一定的解釋力度，這可能是由于AS產業是國家戰略性新興產業，具有一定的特殊性，其發展受國家政策影響較大，與市場經濟關聯不大。

對于電子及通信設備制造業(ETE)，SAR模型估計的系數值偏低，且P值偏高，但均顯著，說明模型估計情況良好。全社會從業人員數(g)和每萬平方公里的公路里程數(s)對從業人員數(G)的影響均為正，即起促進作用。每十萬人在校高等院校學生數(l)的系數為負值，表明人力資本水平越高，從業人員數越少，這說明在研究期間，電子及通信設備制造業對于高素質人才的需求趨于飽和，并開始減少。

對于電子計算機及儀器儀表制造業(COE)，各結構變量系數的t統計量普遍不顯著。全社會從業人員數(g)對因變量失去解釋力度；每十萬人在校高等院校學生數(l)的系數為負值，與ETE產業相似，這兩個行業屬于相互關聯的產業，所以對人才需求保持了一致性；每萬平方公里的公路里程數(s)的系數為正值，解釋與以上產業相同。

2.3 中國高技術產業集聚的就業效應圖示

本節扣除模型(1)中H2和H之外的變量的影響，研究就業與集聚之間的關系。以ETE產業為例，根據估計結果，將G和H對應的點描出來，得到圖4和圖5(為SAR模型的圖像)。由圖4和圖5可以直觀地看到5類高技術產業集聚程度與就業水平之間都呈倒U形關系，但不同產業的倒U形呈現出不同的特征：航天航空制造業(AS)的倒U形非常平緩，在門檻值前后，就業水平隨集聚程度的變化都很小；醫藥制造業(Ps)和醫療設備及儀器儀表制造業(MEM)呈現出相似的門檻值，但MEM倒U的斜率更大；電子及通信設備制造業(ETE)和電子計算機及儀器儀表制造業(COE)集聚的門檻值相比其他3類產業都較大，相同集聚程度下，可提供更多就業量，其中，COE的集聚門檻值在5類產業中最高，其對就業的貢獻最大。

本文認為以下因素導致了上述差異：1)對人才的要求。不同高技術行業對于人才的知識層次和技能水平要求不同。產業AS對于人才的要求最高，其所需要的都是科技前沿的高端人才，因此就業吸納量最低，且變化不明顯。產業Ps對人才的要求遠高于MEM，即進入Ps工作的門檻比進入MEM高，因此相同的集聚水平上，Ps所吸納的就業量低于MEM。

圖4 Ps、AS和MEM

Fig.4 Ps，AS and MEM

圖5 ETE和COE

Fig.5 ETE and COE

而由于Ps和MEM產業之間聯系緊密，因而具有相似的門檻值。2)行業的市場結構。企業進入市場的難易程度直接決定著產業內企業形成集聚的規模以及可容納的就業量。ETE對人才的要求也高于COE，但它們的特征不同于Ps與MEM，很大一部分原因在于ETE和COE雖然同屬于壟斷競爭類型，但后者的競爭性更強，因此前者受市場的影響較小，門檻值較低，并且就業水平隨集聚程度變化較快。3)企業的投資成本。投資成本的高低影響企業做出是否建立、是否進入集聚區的決策，這同樣會對集聚的就業效應產生影響。4)政府的參與程度。AS屬于特殊的國民支柱行業，政府參與程度最高，其發展享受國家特定政策，幾乎不受市場需求影響，因此變化非常平緩，幾乎無增長。此外，雖然理論上這個門檻值是可以計算的，但在現實中，門檻值是動態的、復雜的，因為每個地區的勞動就業不僅與集聚程度有關，還與本地區其他影響因素有關，并且會受到鄰近地區的影響。

3 主要結論與啟示

本文基于2004-2011年中國31省市5類高技術產業的面板數據，通過構建空間計量模型對高技術產業集聚與就業水平之間的關系進行了研究，結果表明：第一，“威廉姆森假說”對于中國高技術產業是有效的，即高技術產業集聚與就業之間的倒U形關系成立，并得到了實證檢驗；第二，中國5類高技術產業之間集聚與就業關系存在明顯的差異性，電子及通信設備制造業(ETE)和電子計算機及儀器儀表制造業(COE)比其他3類產業具有更大的集聚空間和更強的吸納就業的能力；第三，對就業效應而言，醫療設備及儀器儀表制造業(MEM)、醫藥制造業(Ps)和航天航空制造業(AS)的最大就業集聚水平(400)遠低于電子及通信設備制造業(ETE)的2 500和電子計算機及儀器儀表制造業(COE)的4 500的最大就業集聚水平。本文同時檢驗了控制變量對就業水平的影響，5類高技術產業具有不同的特點，控制變量的影響也存在著差異性，與Ps、AS和MEM行業相比，ETE和COE行業高素質人才的需求趨于飽和，并開始減少。

目前產業集聚已經成為地方政府吸引境外投資、提升區域競爭力的重要經濟發展政策，本研究為這些經濟政策提供依據：第一，高技術產業集群雖然能夠吸引人才聚集，形成勞動力充沛的就業市場，但集聚并非一味地促進就業，當集聚達到一定程度，資源的過度集中會產生擁擠效應，進而產生效率損失。政府在制定產業轉移戰略和就業政策時，應充分考慮到產業集聚的門檻效應，調整產業布局，優化產業和就業結構，以最大限度地達到資源的合理配置，避免擁擠效應的出現，提高高技術產業集群的就業效率和生產效率，使高技術產業在區域發展中充分發揮拉動經濟增長的作用。第二，產業集聚的門檻值受諸多因素的影響，因此各高新區的集聚門檻值最好以個案進行研究，以便提供更精確的數據，為就業和集聚設置預警機制。門檻值隨外部環境的變化而變化，所以對門檻值的測算是一個動態、及時更新的過程，以便及時了解集聚的程度，防止出現集聚不經濟。第三，鄰近區域間的就業相互影響，集聚程度也存在溢出效應，中國在協調區域發展中應充分利用這種外部經濟，加強鄰近區域之間的合作，實現人才共享，推動區域共同發展。

本文雖然提出了中國高技術產業集聚的就業效應這一問題，并使用空間計量模型，將地理鄰近區域就業的相互影響納入研究之中，對這一問題進行了一些研究，也較準確地刻畫了高技術產業就業與集聚之間的倒U形關系，但本研究只構建了地理空間權重矩陣來衡量就業的空間相關性，進一步的研究中可考慮設置相鄰地區間經濟聯系的權重矩陣，更精確地描述集聚對就業的影響。

[1] VAN SOEST D P,GERKING S,VAN OORT F G.Spatial impacts of agglomeration externalties[J].Journal of Regional Science,2006,46(5):881-899.

[2] LASAGNI A.Agglomeration economies and employment growth:New evidence from the information technology sector in Italy[J].Growth and Change,2011,42(2):159-178.

[3] DAUTH W.Agglomeration and regional employment dynamics[J].Papers in Regional Science,2013,92(2):419-435.

[4] BARKLEY D L,HENRY M S,KIM Y.Industry agglomerations and employment change in non-metropolitan areas[J].Review of Urban & Regional Development Studies,1999,11(3):168-186.

[5] FINGLETON B,IGLIORI D C,MOORE B.Employment growth of small high-technology firms and the role of horizontal clustering:Evidence from computing services and R&D in Great Britain,1991-2000[J].Urban Studies,2004,41(4):773-799.

[6] FRANCIS J.Agglomeration,job flows and unemployment[J].The Annals of Regional Science,2009,43(1):181-198.

[7] LUKERJR W,LYONS D.Employment shifts in high-technology industries,1988-1996[J].Monthly Lab.Rev.,1997,120:12.

[8] COAD A,RAO R.Innovation and firm growth in high-tech sectors:A quantile regression approach[J].Research Policy,2008,37(4):633-648.

[9] BOGLIACINO F,PIVA M,VIVARELLI M.R & D and employment:An application of the LSDVC estimator using European microdata[J].Economics Letters,2012,116(1):56-59.

[10] 王大明,佟仁城.高技術產業發展與就業機會[J].數量經濟技術經濟研究,1999(4):3-6.

[11] 李閣峰,佟仁城,許健.高技術產業對勞動就業影響的案例分析[J].管理評論,2006,17(7):56-61.

[12] 汪安佑,余際從.高技術發展與就業關系研究[J].中國科技論壇,2003(3):61-64.

[13] 劉和旺,鄭世林.高技術產業化專項投資就業效應的研究[J].中國軟科學,2013(7):47-60.

[14] 萬倫來,張松林,楊燕紅.高技術產業就業增長粘性:“無就業增長”[J].經濟理論與經濟管理,2006(12):51-56.

[15] ANSELIN L.Spatial Econometrics:Methods and Models[M].Dordrecht:Kluwer Academic,1988.

[16] WILLIAMSON J G.Regional inequality and the process of national development:A description of the patterns[J].Economic Development and Cultural Change,1965,13(4):1-84.

[17] 李娜,馬延吉,李榮梅.長吉地區產業集聚及其影響因素分析[J].地理與地理信息科學,2013,29(5):88-93.

[18] BALTAGI,BADI H.Econometric Analysis of Panel Data[M].Chichester:John Wiley & Sons,2001.

Employment Effect of High-Tech Industrial Agglomeration in China：An Empirical Analysis Based on Spatial Panel Data

JIN Sheng-wu1，2,SHENG Shu-jie1

(1.SchoolofEconomics,HefeiUniversityofTechnology,Hefei230601; 2.CenterofIndustrialInformationandEconomicResearch,HefeiUniversityofTechnology,Hefei230601,China)

The employment effect of industrial agglomeration is a complex theoretical issue and an unavoidable practical problem.Based on inter-provincial panel data of high-tech industries in China from 2004 to 2011,this paper explores the relationship between high-tech industries agglomeration and employment level by establishing spatial econometric model.The results show that high-tech industries agglomeration has significant non-linear effect on employment level.When the industrial agglomeration level is less than the threshold value,industry agglomeration has positive effect on employment level of high-tech industries.Otherwise,the correlation becomes negative.In addition,threshold value varies with industry.The same agglomeration degree may correspond to different employment levels in different industries.

employment effects;high-tech industrial agglomeration;spatial panel model;inverted U-shaped

2014-05-05；

2014-07-12

國家自然科學基金項目(71273082)；教育部人文社會科學項目(11YJA630039、2013JYRW0369)

晉盛武(1966-)，男，副教授，管理學博士，主要研究方向為環境與區域經濟發展。E-mail：shwjin66@163.com

10.3969/j.issn.1672-0504.2015.01.017

F241.4

A

1672-0504(2015)01-0080-07