勞動力成本上升與制造業變遷：動態效應與空間效應

內容提要：勞動力成本上升是我國制造業相對優勢下滑的因素之一。本文使用2005-2016年我國30個省（市、自治區）的制造業面板數據，基于雙向固定效應模型、動態面板數據模型和空間計量模型綜合考察了勞動力成本上升對區域制造業變遷的影響。從全國樣本來看，制造業勞動力成本上升降低了制造業在經濟總量中的比重，說明我國的制造業還處在轉型升級的過渡期;勞動力成本上升推動了企業的技術創新和設備更新，提升了制造業的勞動生產率。動態面板數據模型的回歸結果證實，制造業勞動生產率的提升是一個動態積累的過程，隨著制造業勞動力成本上升，制造業的勞動生產率也在隨之提高。基于空間滯后模型的分析表明，制造業比重的變動在鄰近地區具有較強的正向關聯性，一個地區的制造業比重上升對鄰近地區的制造業比重上升具有顯著的推動作用;勞動力成本的上漲不僅會降低這個區域的制造業比重，也會對臨近省份制造業比重的上漲產生一定的抑制作用。制造業勞動成本上升與經濟轉型互為因果，相互促進也相互制約，因此政策上需要積極鼓勵制造業技術創新，推動經濟快速轉型。

關鍵詞：勞動力成本;制造業變遷;動態效應;空間效應

中圖分類號：F4299文獻標識碼：A文章編號：1001-148X（2021）02-0109-10

收稿日期：2020-09-15

作者簡介：李紹東（1983-），男，山東聊城人，聊城大學商學院副教授，經濟學博士，研究方向：產業經濟。

基金項目：山東省社會科學規劃研究項目“加快山東裝備制造業轉型升級研究”，項目編號：14DJJJ11。

一、引言

制造業是國民經濟的主體，是立國之本、興國之器、強國之基，打造具有國際競爭力的制造業，是提升綜合國力、保障國家安全、建設世界強國的必由之路。我國已經發展成為全球第一制造大國，這主要得益于長期以來的廉價勞動力資源帶來的人口紅利。然而，隨著人口結構的快速轉變和老齡人口增長高峰的到來，我國的勞動力供給逐步呈現負增長的趨勢。隨著我國經濟發展方式轉型和產業結構升級，制造業對勞動力的需求由低端轉向中高端，在一定程度上推動了勞動力成本的上升。2006-2015年的十年間我國制造業工人的實際工資翻了一番，低成本的勞動力優勢正在消失[1]。生產要素在農業部門和非農部門間的轉移已不能有效提升配置效率，傳統的人口紅利也難以為中國經濟發展和制造業轉型升級提供動力和競爭力。依賴傳統要素投入的經濟增長方式已經不能適應新一輪科技革命下制造業的發展需求，制造業的發展需要依靠生產率的提高以保持經濟增長的可持續性。當前，新一輪科技革命和產業變革與我國加快轉變經濟發展方式形成歷史性交匯，發達國家紛紛實施“再工業化”戰略，發展中國家也在積極參與全球產業再分工，我國制造業面臨發達國家和其他發展中國家“雙向擠壓”的嚴峻挑戰。我國制造業發展的資源和環境約束不斷強化，勞動力等生產要素成本不斷上升，投資和出口增速明顯放緩，主要依靠資源要素投入、規模擴張的粗放發展模式難以為繼，調整結構、轉型升級、提質增效刻不容緩。因此，分析勞動力成本上升對制造業變遷的影響機制，探究勞動力成本上升的條件下我國制造業的轉型升級路徑，對我國供給側結構性改革的有力推進和制造業強國戰略的實施具有重要意義。

二、文獻回顧

勞動力成本上升對制造業變遷的影響一直是經濟學界關注的熱點問題。生產要素價格的相對變化，尤其是單位勞動力成本的提高，會加速資本與設備的折舊，促使企業加大研發投入以提高生產率，進而推動制造業轉型升級[2-4]。從發達國家的工業化歷程來看，較高的工資對于刺激美國、英國工業化時期的技術進步起到了重要作用。美國在19世紀之所以比英國具有更快的技術進步速度，一個重要的原因就是更高的勞動力成本所導致的勞動力稀缺，推動美國企業在機械化方面開展了廣泛的技術創新[5-6]。與以上學者的觀點不同，Kahyarara（2003）[7]、李小勝等（2019）[8]學者則認為低勞動力成本是吸引國外企業到東道國投資建廠的重要因素，勞動力成本的上升存在“倒逼效應”。

廉價的勞動力成本一直是中國制造業國際競爭力的重要來源[9]。近年來，隨著物價上漲、教育成本攀升、低生育率和老齡化以及農村勞動力轉移殆盡，勞動力供給不足，勞動力成本呈現出明顯的上漲趨勢[10-11]。2000-2014年，中國制造業的單位勞動力成本大體呈現先降后升的趨勢。2007年之后，中國制造業的勞動力成本快速上升，而美國、墨西哥和印度等國家的制造業單位勞動力成本趨于下降或保持穩定，中國制造業單位勞動力成本的優勢正在不斷縮小[12-13]。從與亞洲四小龍的比較來看，中國制造業勞動力成本仍保持著較大優勢，但與亞洲新興發展中國家相比已經優勢殆盡[14]。我國制造業產品的出口競爭力在2012年之后開始出現明顯下降，這與我國制造業勞動力成本的變動密切相關[15-16]。

從現有文獻來看，勞動力成本對制造業轉型升級的影響可以歸納為以下三個方面。一是勞動力成本上升對企業創新行為的影響。董新興和劉坤（2016）[17]、CEES研究團隊（2017）[1]分別基于上市公司面板數據和中國企業勞動力匹配調查數據的研究發現，實際工資水平的上升對企業的創新投入具有正效應。企業通過機器換人、使用自動化設備、改善產品質量來提升盈利能力對沖勞動力成本的上升。二是勞動力成本上升對不同類型制造業行業的影響。陽立高等（2016）[18]、曲玥（2017）[19]基于比較優勢理論探討了勞動力成本對勞動密集型、資本密集型和技術密集型制造業的影響，發現勞動密集型制造業仍有一定的綜合成本優勢，但發展后勁不足，須轉型升級;非勞動密集型產業以更高的生產率和增長速度使其單位勞動力成本的上升更加平緩。三是勞動力成本上升對制造業空間轉移的影響。李偉和賀燦飛（2017）[20]、張新芝等（2020）[21]研究指出，勞動力成本越低、交通越便利發達，越有利于吸引和承接產業轉移。馬雙和賴漫桐（2020）[22]利用2000-2013年中國工業企業數據庫以及對應城市的最低工資標準數據考察了最低工資標準與FDI進入之間的關系。

勞動力成本對制造業結構的影響不僅體現在時間維度上的變遷，在空間上也具有一定的溢出效應，而現有文獻在這兩個維度上的研究還有待進一步拓展和完善。本文基于2005-2016年的省際面板數據，使用動態面板數據模型和空間計量模型分別考察勞動力成本影響制造業變遷的動態效應和空間效應。

三、勞動力成本上升與產業結構變遷的時空特征

（一）我國制造業勞動力成本的變動趨勢與空間差異

本文對勞動力成本的度量采用的是31個省市的制造業平均工資，數據來自于2005-2017年的《中國統計年鑒》《中國勞動統計年鑒》《中國工業經濟統計年鑒》和《中國科技統計年鑒》。

從我國三大經濟區①2005-2016年制造業平均工資變動趨勢來看（圖1），三大經濟區域的勞動力成本都呈現明顯的上升趨勢，而且基本保持了穩定的增長速度。從三大區域的比較來看，2005-2013年期間，我國中部和西部的制造業平均工資水平基本持平，二者不管是絕對量還是變動趨勢都保持了較高的一致性。東部的制造業工資水平較中部和西部略高，2013年之前東部與中西部的差距基本保持不變，到2014年，東部制造業平均工資增長迅速，高于西部和中部地區13000元左右，主要原因是上海、天津、廣東和江蘇四個地區的制造業平均工資出現大幅上漲拉高了平均水平。

從2016年我國制造業平均工資及其增長率的空間分布來看（圖2），北京、上海、天津、江蘇、重慶、廣東、浙江的制造業平均工資處于第一梯隊，這些地區大都是我國經濟最為發達的東部沿海省份和直轄市，這也反映出制造業平均工資與經濟發展水平的高度一致性。從2016年平均工資的增長率分布來看（圖3），增長最快的幾個地區是貴州、上海、北京、黑龍江、遼寧、浙江和廣東，而山西、新疆、天津和寧夏四個地區的制造業工資增長率則在3%以下。從工資增長率的整體情況來看，勞動力成本的上升速度并沒有表現出顯著的區域分布特征。

（二）我國制造業的發展趨勢與空間分布

本部分主要通過兩個指標來度量制造業變遷：一是通過制造業增加值占地區生產總值的比重來衡量該地區制造業的相對發展規模;二是通過制造業的勞動生產率衡量制造業的技術水平。

圖4顯示，我國三大區域的制造業比重在2005-2016年期間大體呈現同樣的“M”型波動趨勢，2005-2008年呈現上升趨勢，2008年爆發的金融危機導致2009年的制造業比重大幅下降，2009年之后又開始爬升，至2011年達到最高點后下降，2016年降到近年來的最低點。從三大區域制造業占GDP的比重來看，西部地區最高，東部次之，中部最低。制造業占GDP的比重不僅與制造業的發展規模和水平有關系，而且受地區農業和服務業發展的影響。對于東部地區，制造業占比雖然低于西部地區，但并不與東部地區經濟發展水平相悖，東部地區隨著經濟的發展，服務業占比越來越大，制造業所占比重相對降低。

勞動生產率是制造業發展水平的重要標志，在一定程度上表明了制造業資源配置效率的高低。圖5顯示，我國三大區域制造業勞動生產率總體呈現上升趨勢，2009年由于金融危機略有減緩。2008年之前，三大區域制造業勞動生產率差距不大，東部和西部持平，中部次之;2009年之后，三大區域制造業勞動生產率逐漸拉開差距，西部最高，中部次之，東部最低，原因是東部地區較中部和西部聚集了大部分的勞動密集型制造業，雖然東部地區的制造業絕對規模遠大于中部和西部，但勞動生產率不高，這也說明我國的制造業具有規模優勢但還不具有技術優勢。

從2016年我國制造業比重的空間分布來看（圖6），河南、河北、安徽、吉林、福建和山東的制造業比重較高，上海、云南、甘肅、黑龍江、北京和海南的制造業比重較低，其中，上海和北京的制造業比重較低主要是由于這兩個直轄市的服務業比重較高。從2016年各省市勞動生產率的分布來看（圖7），內蒙古、湖南、河北、廣西、貴州的勞動生產率最高，江西、河南、北京、上海和廣東勞動生產率較低。

四、實證研究

（一）總體效應分析

1.模型設定

本文要研究的問題包括兩個方面，一是考察制造業勞動力成本上升對制造業比重的影響;二是考察勞動力成本上升對制造業技術結構的影響。結合前期研究文獻的變量選擇，本文的雙向固定效應模型設定為：

模型中，被解釋變量為制造業變遷，分別用制造業增加值占地區生產總值比重MSIit和制造業的勞動生產率LAPit來衡量;解釋變量中，LNWit代表制造業平均工資，LNIit表示制造業資本投入，LNLit表示制造業勞動力投入;控制變量中，AWIit表示平均工資增長速度，產權結構用國有企業比重SORit來度量，績效水平用利潤率PROit來度量，經濟開放程度用出口交貨值比重EXPit來度量，地區經濟發展水平用人均國內生產總值LNPGDPit來度量，制造業發展的相關產業支撐用金融業所占比重FIPit來度量。此外，模型中αi代表各省份的固定效應，用以控制不被觀察到的、不依時間變化的差異性;vt代表時間效應;εit是誤差項，其期望值為零，無序列相關，但可能會有異方差。變量的具體描述和計算方法見表1。

2.數據來源與變量描述統計

本部分使用的原始數據均來自于2006-2017年《中國統計年鑒》《中國工業經濟統計年鑒》《中國勞動統計年鑒》《中國科技統計年鑒》和國家統計局網站，作者計算了各相對指標的數據，并對總量指標進行了對數變換以消除可能存在的異方差性。根據變量的描述統計表，發現西藏自治區的制造業比重、出口交貨值比重、金融業比重等指標與其他省份存在較大差異，不具有一般的統計意義，可以視為離群值，剔除西藏自治區之后30個省（市、自治區）制造業面板數據的變量描述統計結果和各變量間的相關系數見表2和表3。

3.回歸結果分析

本部分使用2005-2016年我國30個省（市、自治區）的制造業面板數據進行回歸分析，探討勞動力成本上升對制造業規模和技術水平變遷的影響。面板數據模型的形式選擇主要有兩種：固定效應模型、隨機效應模型。隨機效應模型和固定效應模型在處理誤差項與解釋變量關系時具有本質區別。隨機效應模型認為誤差項和解釋變量不相關，而固定效應模型認為誤差項和解釋變量是相關的，當樣本來自一個較小的母體一般采用固定效應模型。同時，不同地區之間存在異質性因素，當這些異質性因素與隨機誤差項和解釋變量相關時，就會導致回歸結果存在誤差，而這些異質性都會在固定效應模型中通過一階差分予以消除。本部分首先分別進行了固定效應模型回歸，似然比檢驗結果顯示固定效應模型優于OLS混合模型，然后進行隨機效應模型回歸并進行豪斯曼檢驗，檢驗結果顯示排除隨機效應模型，選擇固定效應模型。本部分還在一般固定效應模型的基礎之上加入年度效應虛擬變量，即使用雙向固定效應模型考察同時加入個體效應和年度效應時勞動力成本對制造業的影響。

從表4的回歸結果來看，在只加入資本和勞動投入的情況下，混合OLS和固定效應模型的回歸結果都表明，勞動力成本與制造業比重呈現顯著的先上升后下降的“倒U型”關系，此時計算的拐點分別為935和975，根據勞動力成本的統計分布可以看出當前階段已經經過拐點。在加入所有控制變量后，一般固定效應模型的回歸結果同樣表明二者呈現“倒U型”關系，計算拐點值為88，可以推斷勞動力成本對制造業占比的影響同樣為負效應，即隨著勞動力成本上升，制造業占比呈下降趨勢。在一般固定效應模型基礎上控制年度虛擬變量后，勞動力成本的平方項不再顯著，勞動力成本在10%的顯著性水平上表現出正效應，與前面三個模型的回歸結果差異較大，這可能與2008年金融危機后經濟政策的影響有關。總體來看，勞動成本上漲降低了制造業比重。分析原因可能主要有以下幾個方面。一是勞動力成本上升使得一部分勞動密集型企業和傳統制造業的利潤降低，被市場淘汰。二是面臨勞動力成本上升時，制造業企業為提高利潤將資源集中在附加值更高的產品上，放棄低附加值的產品，在一定程度上降低了制造業規模。三是勞動力成本上升會降低制造業企業對勞動力的需求，引起制造業增加值占比下降，即制造業就業“去工業化”會引起制造業增加值“去工業化”，導致制造業比重下降。

勞動生產率是制造業技術水平的重要體現，反映的是我國制造業的發展質量。從勞動力成本對勞動生產率的回歸結果來看，一般固定效應模型和雙向固定效應模型都顯示勞動力成本與勞動生產率之間呈現“倒U型”關系，計算的拐點值分別為1177和1243，根據勞動力成本的取值范圍可以判斷，勞動力成本對勞動生產率的影響為正，即隨著勞動力成本上升，勞動生產率不斷提高。在勞動力成本的正效應階段，制造業平均工資的提高有利于吸收高水平的人才，另一方面，工資的上漲也倒逼企業進行技術創新和生產設備升級改造，提高企業的生產效率和經濟效益。

綜合總體回歸結果來看，勞動力成本上升降低了制造業比重，但勞動力成本的上漲提升了勞動生產率，也正說明我國制造業整體處在轉型升級的過渡期，制造業比重下降可能來自落后產能的淘汰，而勞動生產率的提升來自于勞動力成本上升推動企業加強技術創新和設備更新的結果。

（二）動態效應分析

本部分在面板數據模型中引入制造業變遷的滯后項，通過動態面板模型考察勞動力成本上升影響制造業變遷的動態效應。動態面板模型中由于引入了因變量的滯后項，使得因變量與隨機誤差項相關，并且因變量和自變量之間可能存在相互的因果關系，從而導致嚴重的內生性問題。為此，本文使用系統廣義矩估計（GMM）方法進行動態面板回歸，并使用AR（2）統計量和Sargan統計量來檢驗模型中工具變量的合理性以及干擾項的序列相關問題。

為了消除偽回歸，本文選取了LLC和HadriLM兩種面板單位根檢驗方法，表5的結果表明：除了制造業比重外，其他變量都在1%的顯著性水平下拒絕存在單位根的原假設，均為平穩時間序列，可以進行模型估計。因為制造業比重在LLC檢驗下存在單位根，而且勞動生產率與制造業比重相比更能反映制造業變遷的本質，所以本部分只選擇勞動生產率作為因變量，模型設定如下：

LAPit=β0+β1LAPit-1+β2LNWit+β3LNIit+β4LNLit+β5SORit+β6PROit+β7EXPit+αi+vt+εit

AR（2）檢驗的原假設是不存在二階序列相關，從表6中的檢驗結果看，所有方程都在10%的水平上顯示不存在序列相關;Sargan檢驗的原假設是工具變量有效，所有結果均顯示工具變量的設定是合理的。

從動態面板數據模型的回歸結果來看，勞動生產率的一階滯后項在所有估計模型中均高度顯著，證實制造業勞動生產率的提升是一個動態積累的過程，說明本文設定的動態模型是合理的。在前四個回歸模型中，勞動力成本及其平方項均為高度顯著，且平方項一致為負，說明勞動力成本對制造業技術結構的影響呈現先增后減的“倒U型”關系。基于回歸結果計算出前四個模型中勞動力成本的拐點值分別為109、112、112、1117，結合勞動力成本的取值范圍可以判斷出我國勞動力成本對制造業技術結構的影響在當前階段主要為正效應，即制造業勞動力成本上升，制造業的勞動生產率也在隨之提高，這與前述雙向固定效應模型的結論一致。勞動力成本上升提高制造業企業勞動生產率的機制可以歸納為三個方面：一是高工資水平有利于吸引高水平的員工，有利于企業生產率的提高;二是高工資水平有利于企業員工隊伍的穩定，也有利于激勵企業員工為企業發展付出高努力水平;三是高工資水平也從反向倒逼企業提升企業的技術水平，進行機械化、自動化和技術升級，這也會大幅提升企業的勞動生產率。從未來趨勢判斷，隨著勞動力成本的進一步上漲，勞動生產率會有下行趨勢。面臨勞動力成本上升壓力，制造業企業需要進一步加快轉型升級，需要產業政策加大支持力度推進以企業為主體的技術創新[23]。

（三）空間效應分析

1.模型設定

本部分通過空間計量模型考察勞動力成本影響制造業變遷的空間交互效應。空間計量模型中的交互效應可以分為被解釋變量之間的內生交互效應、解釋變量之間的外生交互效應和隨機誤差項之間的交互效應。對應于這三種效應，常用的空間計量模型有空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）。鑒于空間杜賓模型是討論空間計量模型的一般起點，所以本部分先構建空間杜賓模型，并同時考察空間滯后模型和空間誤差模型。

SDM模型的一般形式如下：

Y=δWY+αιN+Xβ+WXθ+ε，ε～N（0，σ2In）

其中，W為空間權重矩陣，當θ=0時，SDM模型簡化為SAR模型;當θ+βδ=0時，SDM模型簡化為SEM模型。本部分的變量選取和數據來源與前文一致，與多數現有文獻保持一致，本文選用經濟距離空間權重矩陣進行基準分析，使用地理距離空間權重矩陣進行穩健性檢驗。

2.空間自相關性分析

考察空間效應首先要對制造業變遷的相對規模和效率進行空間自相關性分析。度量空間自相關性通常采用莫蘭指數（MoransI）。MoransI的取值范圍為[-1，1]，MoransI的絕對值越大，表明空間自相關性越強。由表7可知，2005-2016年制造業比重的MoransI指數都為正值，且均通過1%的顯著性檢驗，這表明制造業比重普遍存在著較高程度的空間相關性，而勞動生產率的空間自相關性在大多數年份均不顯著。

3.空間計量模型回歸結果分析

按照之前的模型設定，表8給出了OLS、SAR、SEM和SDM四個模型的回歸結果。OLS模型的MoranI檢驗在1%顯著性水平上拒絕原假設，表明需要采用空間計量模型;并且R2、對數似然函數值在采用空間計量模型后有較大幅度的提高，表明在考慮了空間因素后，模型擬合得更好，提高了估計有效性。從SAR、SEM和SDM三個空間計量模型來看，雖然SDM模型的R2、對數似然函數值等統計量都要優于SAR和SEM模型，但這兩個統計量在三個模型中的差異并不大。因為SDM模型的空間自回歸系數并不顯著，而且核心自變量勞動力成本的回歸系數也不顯著，所以本部分基于SAR模型進行分析。

從SAR模型的回歸結果來看，勞動力成本對制造業比重的影響顯著為負，即隨著勞動力成本的上漲地區的制造業占比降低。SAR模型與OLS模型相比，勞動力成本的負效應更大。SAR模型空間自回歸系數顯著為正（在5%的顯著性水平通過檢驗），說明制造業比重的變動在鄰近地區具有較強的正向關聯性，即一個地區的制造業占比上升對鄰近地區的制造業比重上升具有顯著的推動作用。主要原因在于，我國經濟發展具有明顯的區域分塊特征，相鄰區域的制造業發展戰略往往相近，使得其制造業變遷具有一定的協同性;另一方面，制造業的發展具有一定的技術依賴性，相鄰區域的技術溢出也使制造業發展具有一定的同步特征。

從各變量的直接效應和間接效應來看，勞動力成本對制造業占比的直接效應和間接效應都顯著為負，說明一個區域勞動力成本的上漲不僅會降低這個區域的制造業比重，也會對臨近省份制造業比重的上漲產生一定的抑制作用。由于勞動力在區域間可以實現自由流動，如果一個區域勞動力成本上升，必然會吸引臨近地區的優質勞動力，臨近地區勞動力供給下降導致工資上漲，由于工資粘性該地區的勞動力成本并不會因為供給上升而下降。勞動生產率的直接效應和間接效應都間接為正，說明勞動生產率的提高不僅提升了該地區的制造業比重而且對臨近區域的制造業比重具有正向的溢出效應。勞動生產率代表了制造業的技術水平，勞動生產率的正向間接效應也驗證了區域之間存在技術溢出。從表9可以看出所有變量的直接效應和間接效應呈現出了一致性，說明鄰近區域間制造業變遷的機制具有較高的同步性，這也為區域間制造業布局和協同發展戰略提供了一定依據。

（四）穩健性檢驗

為進一步確保研究結論的可靠性，結合前期文獻的普遍做法，本部分使用各地區制造業增加值占全國制造業增加值的比重替代原制造業比重進行動態效應的穩健性檢驗，使用地理距離空間權重矩陣代替原經濟距離空間權重矩陣進行空間效應的穩健性檢驗，表10和表11的檢驗結果與前述結果均保持一致。

五、結論與建議

勞動力作為重要的生產要素，勞動力成本的變動對制造業規模和技術水平具有重要影響。本文通過雙向固定效應模型、動態面板數據模型和空間計量模型綜合考察了勞動力成本對制造業變遷的影響。總體回歸結果表明樣本期內勞動力成本的上漲降低了制造業比重，但提升了制造業的勞動生產率，反映出面對勞動力成本上升約束時，我國制造業的產業結構不斷優化，發展質量不斷提升。動態面板數據模型的回歸結果證實制造業勞動生產率的提升是一個動態積累的過程。制造業勞動生產率隨著制造業勞動力成本的上漲呈現上升趨勢，這與雙向固定效應模型的結論一致。空間計量模型的回歸結果顯示，勞動力成本對制造業比重的影響顯著為負，空間自回歸系數顯著為正，勞動力成本對制造業占比的直接效應和間接效應都顯著為負，表明制造業比重的變動在鄰近地區具有較強的正向關聯性，一個區域勞動力成本的上漲不僅會降低這個區域的制造業比重，也會對臨近省份制造業比重的上漲產生一定的抑制作用。

我國經濟正處在轉變發展方式、優化經濟結構和轉換增長動力的攻關期，面臨制造業勞動力成本不斷上漲的壓力，要根據區域產業結構特征，引導傳統產業轉型升級，對于適合轉型的要通過研發補貼和稅收減免等財稅政策積極鼓勵轉型，同時要兼顧區域之間的制造業發展戰略的競爭性和協同性;對于先進制造業，要通過產業政策鼓勵企業加大技術創新投入。面對當前新一輪的產業變革和技術革命，要加強對高端產業技術人才的培養以滿足企業轉型升級的需要。

注釋：

①根據我國對經濟區域的分類，31個省級單位中遼寧、山東、北京、河北、天津、浙江、江蘇、福建、廣東、上海和海南劃分為東部地區;河南、湖南、湖北、黑龍江、吉林、安徽和江西劃分為中部地區;剩余的12個省級單位劃分為西部地區。下同。

參考文獻：

[1]CEES研究團隊.中國制造業企業如何應對勞動力成本上升？——中國企業-勞動力匹配調查（CEES）報告（2015-2016）[J].宏觀質量研究，2017（2）：1-21.

[2]Solow，RobertM.TechnicalChangeandtheAggregateProductionFunction[J].ThereviewofEconomicsandStatistics，1957，39（3）：312-320.

[3]Kennedy，Charles.InducedbiasinInnovationandtheTheoryofDistribution[J].TheEconomicJournal，1964，74（295）：541-547.

[4]Romer，PaulM.IncreasingReturnsandLong-runGrowth[J].JournalofPoliticalEconomy，1986，94（5）：1002-1037.

[5]VanReenen，John.TheCreationandCaptureofRents：WagesandInnovationinaPanelofUKCompanies[J].TheQuarterlyJournalofEconomics，1996，111（1）：195-226.

[6]Broadberry，Stephen，andBishnupriyaGupta.TheEarlyModernGreatDivergence：Wages，PricesandEconomicDevelopmentinEuropeandAsia，1500-18001[J].TheEconomicHistoryReview，2006，59（1）：2-31.

[7]KahyararaG.EstimatesoftheProductivityEffectofHigherEducationonTanzanianLaborMarket[J].AmericanEconomicReview，2003，31（7）：606-620.

[8]李小勝，束云霞，李月.中國企業薪酬水平對勞動力錯配影響研究[J].哈爾濱商業大學學報（社會科學版），2019（5）：101-119.

[9]錢誠.“中國制造”還具有勞動力成本比較優勢嗎？——基于動態評價模型的國際比較[J].經濟縱橫，2020（4）：77-84.

[10]蔡昉.人口轉變、人口紅利與劉易斯轉折點[J].經濟研究，2010（4）：4-13.

[11]蔡昉.理解中國經濟發展的過去、現在和將來——基于一個貫通的增長理論框架[J].經濟研究，2013（11）：4-16，55.

[12]都陽，曲玥.勞動報酬、勞動生產率與勞動力成本優勢——對2000—2007年中國制造業企業的經驗研究[J].中國工業經濟，2009（5）：25-35.

[13]林珊，林發彬.中國制造業分行業單位勞動力成本的國際比較[J].東南學術，2018（6）：92-99.

[14]魏浩，郭也.中國制造業單位勞動力成本及其國際比較研究[J].統計研究，2013（8）：102-110.

[15]王燕武，李文溥，李曉靜.基于單位勞動力成本的中國制造業國際競爭力研究[J].統計研究，2011（10）：60-67.

[16]樊士德，沈坤榮，朱克朋.中國制造業勞動力轉移剛性與產業區際轉移——基于核心-邊緣模型拓展的數值模擬和經驗研究[J].中國工業經濟，2015（11）：94-108.

[17]董新興，劉坤.勞動力成本上升對企業創新行為的影響——來自中國制造業上市公司的經驗證據[J].山東大學學報（哲學社會科學版），2016（4）：112-121.

[18]陽立高，劉念念，柒江藝，等.勞動力成本與利潤差異對制造業升級的影響研究[J].財經理論與實踐，2016（2）：112-117.

[19]曲玥.中國制造業單位勞動力成本狀況及變化態勢——對1998-2012年制造業規模以上企業數據的測算[J].勞動經濟研究，2017（4）：111-127.

[20]李偉，賀燦飛.勞動力成本上升與中國制造業空間轉移[J].地理科學，2017（9）：1289-1299.

[21]張新芝，曾雨菲，李小紅.制造業產業轉移驅動產城融合發展的評價研究[J].江西社會科學，2020（2）：105-115.

[22]馬雙，賴漫桐.勞動力成本外生上漲與FDI進入：基于最低工資視角[J].中國工業經濟，2020（6）：81-99.

[23]肖德，侯佳寧.中國制造業升級動能轉換的路徑研究[J].理論探討，2019（1）：88-95.

RisingLaborCostsandManufacturingChange：DynamicEffectandSpatialEffect

LIShao-dong

（SchoolofBusiness，LiaochengUniversity，Liaocheng252000，China）

Abstract：TheriseoflaborcostisoneofthereasonsforthedeclineofcomparativeadvantageofChina′smanufacturingindustry.Basedonthepaneldataof30provinces（municipalitiesandautonomousregions）inChinafrom2005to2016，thispapercomprehensivelyexaminestheimpactofrisinglaborcostsonregionalmanufacturingchangesbasedontwo-wayfixedeffectmodel，dynamicpaneldatamodelandspatialeconometricmodel.Fromthenationalsample，therisinglaborcostofmanufacturingindustryreducestheproportionofmanufacturingindustryinthetotaleconomy，indicatingthatChina′smanufacturingindustryisstillinthetransitionperiodoftransformationandupgrading;therisinglaborcostpromotesthetechnologicalinnovationandequipmentrenewalofenterprises，andimprovesthelaborproductivityofmanufacturingindustry.Theregressionresultsofdynamicpaneldatamodelconfirmthattheimprovementoflaborproductivityinmanufacturingindustryisaprocessofdynamicaccumulation.Withtheincreaseoflaborcostinmanufacturingindustry，thelaborproductivityofmanufacturingindustryisalsoincreasing.Theanalysisbasedonthespatiallagmodelshowsthatthechangeofmanufacturingproportionhasstrongpositivecorrelationinneighboringareas，andtheincreaseofmanufacturingindustryproportioninoneregionhasasignificantroleinpromotingtheincreaseofmanufacturingindustryproportioninneighboringareas;theriseoflaborcostswillnotonlyreducetheproportionofmanufacturingindustryinthisregion，butalsorestraintheriseoftheproportionofmanufacturingindustryinneighboringprovinces.Theriseoflaborcostinmanufacturingindustryandeconomictransformationarecauseandeffecteachother：promotingeachotherandrestrictingeachother.Therefore，weneedtoactivelyencouragetechnologicalinnovationinmanufacturingindustrytoacceleratethecompletionofeconomictransformation.

Keywords：laborcost;manufacturingchange;dynamiceffect;spatialeffect

（責任編輯：鄭州）