制造業集聚對勞動生產率的動態影響研究

張徑偉++楊樹旺+++吳超

中圖分類號：F062.9 文獻標識碼：A

內容摘要：制造業的結構調整和轉型升級過程中，集聚效應對勞動生產率的影響不可忽視。本文利用2004-2014年長江經濟帶109個地級市相關數據，借助動態GMM方法，就制造業集聚對勞動生產率的動態影響進行分析。結論表明，長江經濟帶制造業集聚對勞動生產率存在長期動態影響效應，并出現擁塞效應向促進效應的轉換；長江經濟帶上中下游制造業集聚水平存在差異。因此，依托長江黃金水道的天然交通便利，加快上中下游地區的制造業轉移及集聚，有利于提高長江經濟帶區域勞動生產率，促進整體經濟發展。

關鍵詞：制造業集聚 勞動生產率 長江經濟帶 動態GMM

近年來，我國經濟增長面臨著較大的下行壓力，其中一個很重要的原因在于勞動生產率的下降。從制造業整體來看，依賴規模擴張和投資驅動的低效率增長模式已經陷入瓶頸，難以為繼。鋼鐵、造船、汽車等傳統行業的產能過剩問題影響到了勞動生產率的提升，不利于經濟的穩定增長。“供給側改革”要求我國制造業企業加快技術進步，在提升勞動生產率的基礎上增加供給。可見，勞動生產率的提高將會成為我國未來經濟增長的重要支撐點，同時也是制造業轉型升級的重要任務。

制造業的集群特征在所有產業中最為突出，諸多制造業企業的群聚能夠帶來較為顯著的集聚效應（羅勇，2005）。在制造業的結構調整和轉型升級過程中，集聚效應對勞動生產率的影響不可忽視。長江經濟帶是我國新一輪改革開放轉型的示范區，作為我國最重要的工業走廊之一，鋼鐵、汽車等一大批制造業匯聚于此，在今后很長一段時間內將成為我國調結構、穩增長的中堅力量?；诖?，本文以長江經濟帶主要地級市為研究對象，就制造業集聚對勞動生產率的動態規律進行探討。

相關文獻綜述

有關制造業集聚對勞動生產率影響的問題探討，現有的研究大多從產業集聚的“集聚效應”和“擁塞效應”（孫浦陽，2013）兩個角度出發，不同的學者的研究結論各異。

?？颇岷秃罓枺–iccone&Hall，1993）基于美國非農產業的相關數據分析了其就業密度對生產率的影響，實證結果表明集聚產生的正向作用在就業密度高的地區會更強。其后，?？颇幔–iccone，2002）基于之前的研究，運用跨國數據探究了歐美主要國家二者間的關系，結果表明美國產業集聚帶來的正向效應強于歐洲國家。布魯哈特和梅西斯（Brulhrt&Mathys，2008）對?？颇岷秃罓枺–iccone&Hall，1993）的模型進行了如下改進：一是以動態GMM方法對其中的內生性進行了處理，二是探討了不同行業之間的差異。當然，其實證結果也支持了產業的集聚效應。同時，國內持有同樣觀點的代表學者當屬范建勇（2006），其基于我國的數據也得出了類似的結論。

海德森（Herderson）較早的得出了相反的結論，指出產業集聚會產生“擁擠效應”。此后，不同的學者都對該效應進行了探討，其中最著名的當屬威廉姆森（Williamson）提出的“威廉姆森假說”，該假說認為經濟發展的初期主要表現為集聚效應，其后基礎設施的完善及資本市場的擴張則會使產業集聚阻礙經濟的發展，即二者的關系并不曾顯出簡單的線性，而存在非線性，即存在臨界值。劉修巖等（2010）基于我國的數據，測量了產業集聚與TFP之間的關系，結果表明當越過臨界點后產業集聚會降低TFP，從而支持了這一結論。

其后，部分學者轉而從動態視角對二者的關系進行探討。事實上，產業集聚從萌芽到發展過程中的影響不可能是單一和線性的，往往是集聚與擁塞可能會并存，從而達到產業集聚效應的均衡態（Brulhrt&Mathys，2008）。在產業集聚的動態性研究中，內生性問題的處理不可避免（范劍勇，2006）。一方面，遺漏變量的存在會導致嚴重的內生性，如某些變量不僅會影響勞動生產率，更會對產業集聚水平產生影響，而這就導致了普通最小二乘估計（OLS）的無偏、一致及有效特性受到了干擾；同時，勞動生產率高的地區往往會吸引那些生產率水平較高的企業向該地區集聚，甚至擠出該地區生產水平較低的企業，從而形成一種自選擇效應，而這在新經濟地理學的異質性作用下會進一步得到強化。

由此可見，理論上產業集聚對勞動生產率的影響存在“擁塞效應”與“集聚效應”兩種解釋，而經驗證據對二種效應均得到了支持；產業集聚對勞動生產率的影響存在動態性與內生性問題，尋找合適的研究方法成為解決此問題的出路。另外，現有的研究還未將產業集聚對勞動生產率的影響研究放置于長江經濟帶區域范圍中展開，這成為本文選擇長江經濟帶這一區域的學術支撐。

研究設計

（一）模型設定

如前所述，集聚既可能帶來促進也可能帶來擁塞，從而形成一個穩定的均衡態。為此，本文立足于Mathys（2007）的相關研究，對Ciccone（2002）的研究引入科布-道格拉斯（C-D）生產函數度量資本累積，同時以不變跨期替代彈性的永久生存消費者函數建立生產函數的動態性。一般而言，資本累積過程不是一蹴而就的，其本身是一個非常慢速的過程，具有極強的動態性和連續性。但由于資本存量的度量極其復雜，而我國又缺乏對應的相關數據，本文并不探討其影響，而重點將勞動生產率視作一個動態累積的過程，即其不僅受到滯后期勞動生產率的影響，更受到產業集聚等控制變量當期及滯后期的影響，而這本身也體現了勞動生產率變化具有緩慢累積的特性，在本文中僅將人力資本作為控制變量加入到模型中，具體表達式如下：

Pdt=αPdt-1+β0Ddt+β1Ddt-1+γ0Xdt+

γ1Xdt-1+εd+ρt+νdt

其中，d與t分別表示地區與時間。那么，Pdt就是地區d在t時刻的勞動生產率，Pdt-1則是滯后一期的勞動生產率。對于Ddt和Ddt-1及Xdt和Xdt-1的解釋與之類似，D表示產業集聚水平，而X則表示相關的控制變量。同時為了控制不同年份宏觀變量的影響，本文還加入了ρt，對應的為了控制地區非時變因素的影響，本文加入了εd，殘差項以νdt表示。

在上面的模型表達式中，εd表示非時變效應，其代表了各個地區固有因素的影響，在一定時期內很難發生變化。在這種情況下，模型中加入勞動生產率的滯后一期Pdt-1則會導致其與εd產生極強的相關性，即內生性問題。那么傳統的OLS或者固定效應估計結果都將是有偏的，為此本文采用基于大樣本的動態面板估計方法對其進行處理，以保證估計結果的合理。

（二）估計方法

如前所述，由于本文模型設定中包含勞動生產率的滯后一期Pdt-1，即動態面板模型與非時變因素εd產生極強的相關性。為此，一個可行的辦法是進行一階差分對個體效應進行處理，然后選取水平變量的滯后項作為差分方程中內生變量的工具變量，這就是Arellano和Bond（1991）提出的，被稱為“差分廣義矩估計”（first-difference GMM）。這種方法雖然可以在大樣本下保證估計結果是一致的，但是其還存在諸多不足。

最明顯的問題是，由于“差分廣義矩估計”（first-differenceGMM）選取的工具變量為水平變量的滯后項，從而存在工具變量不具有足夠的識別效力，即所謂的弱工具問題，進而引發估計偏誤。同時，其僅僅利用差分方程的信息，而丟掉了水平方程的相關信息，喪失了更多的矩條件?；诖耍跋到y廣義矩估計量”（systemGMM）被引入其中，其中最具代表性的工作當屬于Arellano和Bover（1995）及Blundell和Bond（1998）。針對兩個方法的比較，Bond和Windmeijer（2002）的研究指出，由于系統GMM利用了更多水平方程的信息，從而顯著降低了小樣本情況下的偏誤。為此，本文也主要采用該估計方法。

但是，與諸多計量方法一樣，系統GMM的使用也是基于眾多前提的，主要包括：水平方程中殘差項不存在自相關問題，也就是在差分方程中的殘差項具有一階相關，而二階不相關的特性。同時，對于工具變量的識別，應當滿足工具變量不存在過度識別的情況，同時也可以對弱工具問題進行有效處理。

（三）變量選擇

本文所使用的數據來自2004-2014年的《中國統計年鑒》及上海、江蘇、浙江、安徽、湖北、湖南、江西、重慶、四川、云南與貴州的統計年鑒。主要經濟變量如下：

勞動生產率。關于勞動生產率的計算，本文并不采用全要素生產率等較為復雜的方式，而是采用一個相對較為簡單的工業產值與就業量的比重來衡量。事實上，諸如范劍勇（2006）與劉修巖（2010）的相關研究均以其作為因變量，論證了該指標的合理性，為此本文出于數據的可得性以及指標對比的難易程度，選取該指標作為勞動生產率的度量變量。

產業集聚。關于產業集聚的度量方式包括較為主觀的波特案例分析法，較為滯后的投入產出分析法及較為常用的區位熵法（Location Quotient，LQ）。這其中由于區位熵法既不像波特案例分析法那么依賴專家的主觀判斷，而是可以基于客觀數據進行度量，又不像投入產出分析法需要基于過往的相關資料進行計算，事實上投入產出表的更新一直較為緩慢，而可以動態連續的度量產業的集聚程度，同時其數據的收集和整理難度較小，因而國內外都普遍采用該方法進行度量。

人力資本。人才對于一個地區經濟發展，或者勞動生產率的提高具有重要的作用，在相關新經濟增長理論的著作中有較多的論述?？紤]到人力資本度量的難易程度，本文選取實證中常采用的以在校（中專）人數占比來度量地區人力資本的水平。具體如表1所示。

實證分析

基于前述的理論框架和樣本描述，運用STATA軟件進行Sys-GMM估計。需要指出的是，為獲取較為穩健的估計量，本文在實證分析中加入了“twostep”選項，對應的估計結果如表2所示。

從以上結果可以看出，F（Wald）檢驗值在OLS、FE與Sys-GMM中均通過1%顯著性水平下的檢驗，且OLS與FE的調整R2分別為0.869與0.862，模型整體顯著；對應主模型Sys-GMM，關于AR（2）檢驗的p值為0.809，表明無法拒絕不存在二階序列相關的原假設，這表明關于原始方程殘差不相關的假定是符合的；同時Sargan過度識別檢驗的p值為0.16，同樣無法拒絕不存在過度識別的原假設，即工具變量與殘差項不存在相關性，遺憾的是并沒有類似于傳統工具變量如IV估計直接給定關于弱工具檢驗的相關結果。Bun和Windmeijer（2007）的研究指出，當存在弱工具變量問題時，系統GMM得出的結果將會導致估計結果有偏。對此，Bond指出在此類方程中，OLS具有明顯的高偏自回歸系數的傾向，而FE具有明顯低偏自回歸系數的傾向，因此系統GMM關于自回歸系數的估計結果理應落在二者之間。因此在這種情況下，就可以理解為選取的工具變量不存在弱工具變量問題，即與內生變量具有極強的相關性。事實上，表2關于自回歸系數的估計結果在OLS、FE與系統GMM下分別為0.740、0.462與0.476。這就論證了本文選取的工具變量具有較強的合理性。

回歸結果表明，三種估計方法均支持了產業集聚與勞動生產率之間的關系存在動態性。具體而言，當期產業集聚會帶來擁塞效應，其系數為-0.093，通過了1%水平上的顯著性檢驗，而滯后期產業集聚會帶來促進效應，其系數為0.046，也通過了1%水平上的顯著性檢驗。這表明產業集聚在長江經濟帶的不同時期有不同的影響，短期內由于企業迅速集聚帶來的基礎設施超載、人口膨脹等問題處于主導地位，其后隨著企業競爭過程中的交流、技術擴散等，導致企業及產業之間的協調力度不斷增強，進而使促進效應處于主導地位。

實證結果中先出現擁塞，其后出現促進效應的主要原因在于二者的特性存在明顯差異，從而在不同階段達到均衡態。在集聚的初期，大量的企業和人員涌入某個區域，基礎配套設施等不可能在當期就得到擴張以滿足大量人員和企業的涌入，從而導致短期內人口膨脹、交通堵塞等阻礙生產率提高的行為。此外，一個值得注意的現象是本文的變量選取均是基于人均指標的計算，而事實上人口迅速集聚必然會影響個體產出水平。本文的研究結果也與Brulhrt和Mathys（2008）對歐洲的研究結論類似，其研究指出集聚帶來的促進效應不僅依賴于基礎設施的完善程度，更依賴于企業間的交流和人員的往來等，而這都需要時間，如基礎設施建設不可能當期完成，這也就為地區引入相關產業提供了啟發，即完善的規劃引導和基礎設施建設應該在之前完成。正是由于二者特性的差異，尤其是對于時間的要求才導致了本文回歸結果中先出現產業集聚的擁塞效應，其后才出現產業集聚的促進效應。

此外，本文選取的勞動生產率指標和產業集聚指標均為制造業相關數據，而該產業的集聚水平呈現從長江下游經中游向上游遞減的趨勢，即下游制造業產業集聚程度過高，而上中游地區制造業集聚水平相對偏低。從長江經濟帶整體制造業集聚對勞動生產率的動態影響規律出發進行考慮，中上游地區應當承接下游地區的制造業轉移，在制造業轉移的過程中不斷加強遷入地基礎設施、社會服務、要素資源等水平的提高。

結論

研究結果表明在長江經濟帶制造業集聚的形成和發展過程中，促進與擁塞效應交替存在，目前促進效應逐漸占據主導地位。具體而言，短期內由于制造業企業迅速集聚帶來的基礎設施超載、人口膨脹等問題處于主導地位，其后隨著企業競爭過程中的交流、技術擴散等，導致企業及產業之間的協調力度不斷增強，進而使促進效應處于主導地位；長江經濟帶上中下游制造業集聚水平存在顯著差異，中上游地區產業集聚水平不高，從長江經濟帶整體出發加以考慮，如何有序推動制造業逐步遷移，提高中上游地區承接能力成為關鍵。

以上結論就長江經濟帶制造業集聚對勞動生產率的動態影響做出了判斷，對其進一步的制造業發展方向具有重要啟示：第一，長江經濟帶的制造業集聚發展，應當統籌把握上中下游三段地區，把握各地區經濟轉型、產業轉移的戰略機遇，推動資本、人才等要素的不斷積聚，進而提升長江經濟帶整體競爭力；第二，未來的很長一段時間，制造業的集聚對勞動生產率將發揮正向效應，應充分利用長江黃金水道的交通便利，加快制造業的區際間合理轉移，促進制造業的有效集聚，達到提升勞動生產率的最終目的。

參考文獻：

1.羅勇，曹麗莉.中國制造業集聚程度變動趨勢實證研究[J].經濟研究，2005（8）

2.孫浦陽，韓帥，許啟欽.產業集聚對勞動生產率的動態影響[J].世界經濟，2013（3）

3.Ciccone，A.and R.E. Hall，Productivity and the density of economic activity[J]. National Bureau of Economic Research，1993

4.Ciccone，A.Input chains and industrialization[J].The Review of Economic Studies，2002，69（3）

5.Brulhart，M. and N.A. Mathys，Sectoral agglomeration economies in a panel of European regions[J]. Regional Science and Urban Economics，2008，38（4）

6.范劍勇.產業集聚與地區間勞動生產率差異[J].經濟研究，2006（11）

7.Mathys，N.A.“A Dynamic Model of Sectoral Agglomeration Effects.”mimeo，University of Lausanne（www.hec.unil.ch/nmathys/），2007

8.Arellano，M. and S. Bond，Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J]. The review of economic studies，1991，58（2）

9.Arellano，M.and O.Bover，Another look at the instrumental variable estimation of error-components models[J]. Journal of econometrics，1995，68（1）

10.劉修巖.集聚經濟、公共基礎設施與勞動生產率—來自中國城市動態面板數據的證據[J].財經研究，2010（5）