我國勞動力流動對投資影響的實證分析

孔德軍

中圖分類號：F830 文獻標識碼：A

內容摘要：傳統的經濟增長理論曾預測區域間勞動力流動將會加速不同區域間的收入趨同。但是，與這些預測相反的是，到目前為止，國內實證研究還未發現勞動力流動與區域收入趨同之間存在正向關系。為了驗證勞動力流動與投資之間的關系，本文采納固定效應模型和動態面板（GMM）處理反饋效應。

關鍵詞：勞動力流動 投資 FDI 固定效應模型 GMM

引言

對于我國的經濟轉型來說，勞動力流動及其對收入趨同產生的影響是非常重要的議題。我國正處在深刻的社會和經濟變革當中，也經歷著大規模且快速的勞動力流動。總體來說，大部分理論研究都認為區域間勞動力流動會降低區域間收入差異，加速區域間收入趨同。基本的爭論來自于新古典增長模型，該模型認為勞動力流出增加了邊際勞動產出（例如工資），此外，人口增長率的提高也降低了目標區域的邊際勞動報酬。但是，我國目前尚無實證研究來證實這些預測，而有些美國學者的研究顯示勞動力流動和趨同速度之間不存在關聯，另外一些學者則持相反觀點。因此，有些學者開始質疑這一理論，其研究認為，勞動力流動會降低區域趨同速度，甚至會促使其朝反向發展（增加區域差異）。這中間存在著一個有趣的爭論，即勞動力流出可能會抑制當地經濟投資。簡單回顧一下，從柯布·道格拉斯生產函數Y=KαL1-α開始，其中Y、K、L分別代表了產出、資本和勞動力。邊際勞動產出為，對K求導得到，結果為正。由此可見，邊際資本回報是增加的，可以預見隨著勞動力流出，投資將減少。本文旨在做一些初步研究來驗證勞動力與投資之間是否存在一定關系。

背景與文獻回顧

勞動力流動對收入趨同有著不同的影響。普遍認同的觀點是他們之間存在正向影響，其中包括增加流出區域的邊際勞動產出以及增加流入地區的人口增長率（Braun，1993；Barro and Sala-i-Martin，1995）。中國學者提出了兩種勞動力流出促使收入趨同的機制：低收入勞動力從欠發達地區流向發達地區，這些勞動力將部分收入轉回到自己家所在區域（Wang and Fan，2004）。而持懷疑態度的研究者們則認為，勞動力的損失將會抑制投資，從而降低了趨同速度（Rappaport，2005）。相反，資本為了更高的回報則會追隨著大規模的勞動力遷移（Williamson，1996）。徐和李（2008）則使用了一個規模回報遞增生產函數來驗證勞動力和資本流出將會增加區域差異，他們同時使用了計量經濟學分析法來支持這一觀點。

但是目前幾乎沒有學者進行實證研究來驗證投資于勞動力流動之間的關系。

實證模型

本文的貢獻之一是計算了我國城市水平上的勞動力流動，將其用來衡量勞動力的移動速度。假設Mit包括i城市在t期間所有的雇主、自主創業者以及無工作人員，Nit代表i城市的總人口，gi，t代表其自然人口增長率，那么，i城市在t期間的勞動力流動則為△mi，t=Mi，t-Mi，t-1-Ni，t·gi，t。換言之，i城市在這一年的勞動力流動就是參與經濟活動的人口（工作者和找工作者）與當地新近加入的勞動力人數之間的差值。有關勞動力流動和投資的另一個問題就是兩者間的反饋效應。增加的投資會吸引勞動力，而勞動力增加又會提高資本回報率，從而吸引投資，因此就會出現內生性問題。本文采用了幾種措施來處理這一問題：首先，用城市的FDI替代其總投資作為因變量。由于FDI更容易受到利潤和資本回報的吸引，因此可以假設，與占總投資比例很大的政府導向投資相比，FDI對邊際資本產出的變化更加敏感。此外，FDI體量相對較小，僅占投資的6%左右，因此它所帶來的反饋效應在規模上不會太大。其次，使用固定效應模型估算三年的城市級別面板，以便控制無法觀察到的靜態因素。最后，運用兩種方法進行估算。對于固定效應模型，用滯后一年的勞動力流動替代本年的勞動力流動。

如果勞動力流出對投資產生抑制作用的話，上一年的勞動力流出將會或多或少地影響本年度的投資決定。該回歸法至少能了解滯后的勞動力流動如何影響當前的FDI。而對于動態面板，使用更高階的滯后勞動力流動替代當前的勞動力流動。與固定效應模型相對，動態模板對于假設要求不高，而且能更準確地估計勞動力流動對同期投資產生的影響。表1給出了2005-2007年面板數據描述性統計。

所使用的固定效益模型是Fdi=β0t+β1MOBit+γ+ci+eit，其中i從1到285，代表城市；t從1到3，代表時間趨勢；MOB是相關變量，代表勞動力流動；是變量，對影響投資決策城市的其他特征進行控制。這些指標均來自于中國縣級市投資環境評價體系，每項都是一個二級分項指數。以下給出詳細的控制變量：CELL—每年的手機用戶量；COLLEGE—正規大學生（數量）；GDPGR—該城市GDP增長率；GDPP—人均GDP（%）；INDPR—二產業從業人員所占比例；INDVALUE—工業總產值；JUNK—工業固體廢物的綜合利用率（%）；LOAN—年末金融機構所提供的貸款余額；POPU—人口；ROAD—城市道路長度；SAVE—年末城鄉居民儲蓄存款余額；WATER—城市生活污水處理率（%）；WEB—網絡用戶（家庭）；WAGE—人均工資。最后，ci代表i城市的固定效應，eit為隨機誤差項。

結果分析

如表2所示，在回歸（1）中，FDI固定效應模型對同期勞動力流動進行回歸；在回歸（2）中，使用滯后一年的勞動力流動替代同期勞動力流動；而回歸（3）增加了一個時間趨勢項，采納的估算方法是使用截面權重的最小二乘法。二者的標準差用白色橫截面異方差性-自相關穩健方差矩陣計算得到。很明顯，回歸（1）中的勞動力流動系數（MOB）為正，規模相對較大，很可能是因為FDI的反饋效應會侵犯到參數，從而使得系數受到偏見。對于回歸（2），MOB規模大幅度縮減，從52.59降低到5.704，但重要性不減。95%的置信區間從（25.503，79.669）減到（2.929，8.480）。回歸（1）和回歸（2）中的系數都不是很大。樣本均值為6.607時，基于回歸（1）估計的勞動力流動對FDI投資的影響為347.436，僅占FDI平均值的0.98%。但是，如果加上時間趨勢，效應規模將從5.7增加到19.4，而統計特性保持穩定。回歸中所使用的控制變量大體上類似于中國縣級市投資環境評價指數。但是，大學生人口參數（COLLEGE）和城市生活污水處理率（WATER）看起來有些不可思議。

固定效應模型假設了嚴格的外生性，這意味著對于所有的t和s來說，E（Xit`uis）=0，它要求在任何年度勞動力流動和外商直接投資都是無關聯的。這一假設比E（Xit`uit）=0強勢得多，在這種情況下很可能會受到觸犯。因而，在上一年的投資肯定會影響當年勞動力流動的情況下，使用固定效應模型進行估計，結果將無法保證一致。因此，必須要找到能夠克服X和u之間序列相關的方法。

對于動態面板來說，它不需要嚴格的外生性，而僅僅要求時序外生性，即：E（Xit`uis）=0，其中s>t，即未來的外商直接投資與過去的勞動力流動不相關。很明顯，勞動力流動無法參與未來的外商投資活動中，只要能控制住足夠滯后的勞動力流動和其他因素，過去的勞動力流動就不會對未來的投資活動產生影響。計量經濟模型如下：△Fdi=β1△MOBit+γ+△eit，其中△表示一階差分，△MOBit由其第二階段滯后△Mobit-2△Mobit-2替代，由此可得E（Mobit-2-Mobit-3，eit-eit-1）=0。使用廣義矩量法對該方程進行估算，通過二階段最小乘估計，可得到最優加權矩陣，結果如表3所示。

從表3中可以看出，在勞動力流動對FDI影響方面，GMM的估計值要大得多，為正，比較重要。但是，除了手機使用、工業值、貸款和儲蓄，其他控制變量系數在重要性上會發生變化。這些變量中的大部分都會有預期跡象，但是其無法拋棄無效假設。

總之，不論是固定效應模型還是GMM模型，兩者都提供了肯定的預測。因此，可以得出結論：勞動力流動肯定會影響投資。最有可能的解釋就是勞動力流入提高了資本回報，或者說，勞動力流出降低了資本回報，從而驅逐了投資。兩種機制可能都起到作用，勞動力負流動占據了大半樣本。

穩健性檢驗/魯棒性檢驗

首先檢驗的是三年中至少有兩年的勞動力流動為負的樣本。之前預測過勞動力流出會抑制投資，該檢驗是為了驗證的確存在這樣的抑制作用。樣本尺寸減為480，其中83.315%的勞動力流動為負。結果保持相對穩定（見表4），在魯棒性檢驗中，之前在回歸中得到的所有結論都仍然成立，僅僅在大小上小幅變化。因此，可以證實的一點是，勞動力流出確實會影響投資，至少在中國城市級別的數據上，這一影響要大于其它正面因素。

Rappaport（2005）的第二個預測是，如果勞動力流出地區的產出水平非常不穩定的話，勞動力流失所帶來的抑制作用會更大。也就是說，平均產出越低，勞動力流出所引起的投資損失就越大。由于本文采用的是間接的識別策略，因而會引起小尺寸（small magnitude）問題，因此第二個預測無法在本文框架中進行驗證，需要使用其它方法。

結論

本文利用中國縣市級的勞動力流動數據，采納固定效應模型和動態面板模型，檢驗勞動力流動對投資的影響。結果驗證了之前的預測，即由于邊際資本產量發生改變，勞動力流動必定會影響投資。巨大的勞動力流出減少了對當地經濟的投資，從而降低了趨同速度。這也解釋了現存的勞動力流動和收入趨同理論與實證結果沖突的原因。