我國就業密度空間分布特征及溢出效應

□文/ 陳鏡宇 代帥楠 么雪靜 黃巍瑤

（重慶師范大學地理與旅游學院 重慶）

［提要］ 基于我國31 個省市面板數據，考察我國就業密度空間分布特征，以St at a 軟件為分析平臺，建立空間杜賓模型，將31 個省市劃分為東、中、西三部分進行就業密度的空間溢出效應分析。結果表明：我國就業密度整體上呈現“東高西低”的空間格局；東部地區就業密度不存在空間相關性，中、西部地區存在空間相關性，且空間溢出效應為負向溢出；影響中部地區就業密度的主要因素為經濟因素，而基礎設施、人力資本對西部地區就業密度影響較明顯。

當前，我國就業形勢保持總體平穩，但國內外風險挑戰增多，解決好就業問題對于穩定經濟社會發展、保障民生具有重要意義。就業空間分布是描述城市空間結構的重要指標，體現城市就業要素在空間內的分布和組合狀態。就業密度作為反映區域經濟集聚程度的重要指標，可以揭示區域空間結構演化趨勢。

國內現有關于就業密度的文獻主要集中在兩個方向。（1）側重于研究就業密度與其他變量之間的關系。韓峰等探討了城市就業密度和市場規模對城市勞動生產率的影響，并以中國284 個地級及以上城市面板數據為依據進行了實證分析。何雄浪等建立包含三個部門的地區貿易模型，推導出可估計的市場潛力方程，并以1985～2008年為樣本區間，探討市場潛力、就業密度與我國地區工資水平的關系。王燚利用GIS 空間分析法，研究了軌道交通對周邊一定輻射范圍內就業空間結構的影響。（2）側重于對就業中心的識別。王暉采用貝葉斯克里金地統計、非參數局部加權回歸等方法探索了南京都市區就業空間格局演化特征及就業中心形成的影響因素。曾海宏等利用ArcGIS 空間分析軟件探討了深圳市就業空間結構的特征及演化趨勢。羅仁澤等利用就業人口統計、手機信令以及地鐵站點人流等相關數據，以深圳市為例，研究了快速移民城市的就業空間特征及影響因素。近年來，部分學者開始聚焦于特定群體的就業中心識別，王慧等針對特定群體之特性，優補了特定群體的就業中心的界定，修正了現有識別方法，并進一步進行了效果檢驗。

通過文獻回顧可以發現目前存在可以改進的地方。（1）涉及中、西部地區的研究較少；（2）大多采用兩次經濟普查數據，數據樣本量少；（3）較少考慮空間關聯因素。因此，本文基于2000～2019年的面板數據，以全國31 個省市為研究范圍，探究我國就業密度的空間分布特征，并分為東、中、西部地區，納入空間關聯因素，驗證空間溢出效益，分析其影響機制，為制定區域就業政策等提供定性與定量依據。

一、變量選取與數據來源

（一）變量選取。由于就業密度引起的經濟集聚通常表現在二三產業，建成區面積體現了二三產業的分布與發展狀況，因此本文的被解釋變量就業密度用二三產業就業人數與該省市的建成區面積之比表征。解釋變量為就業密度空間溢出效應，即就業密度的空間滯后項。參考相關理論及文獻，結合數據的可獲得性及中國的實際情況，從經濟發展水平、社會基礎建設、人力資本三個角度選取了14 個變量。經濟發展水平用人均GDP、二三產業產值比重、平均工資、固定資產投資、消費品零售額衡量。社會基礎建設用人均醫療床位、人均道路面積、人均公園綠地面積、每萬人擁有公共交通車輛、房價、城鎮化率表示。已有文獻大多使用每萬人大學生人數表征人力資本，但是考慮到大學生流動性較強，而教師具有相對穩定性，因此加入了每萬人大學專任教師數這一指標；專利申請受理數是地區創新能力的體現，與人力資本息息相關，因此也加入了這一指標。為消除價格影響，人均GDP、平均工資、固定資產投資、社會消費品零售總額、房價均以2000年為基期利用GDP 平減指數進行縮減。在實證分析中，為消除異方差的影響，本文對所有變量取自然對數。

（二）數據來源。數據主要來源于2000～2019年《中國統計年鑒》和《中國城市統計年鑒》。部分缺失數據采用插值法補齊。

二、研究方法

（一）空間自相關分析。全局空間相關性通常采用Moran's I 進行測度，公式如下：

式中：n 表示樣本個數；Wij是空間權重矩陣，反映空間單元i 與j的空間關系；xi、xj用來表示具有空間權重矩陣Wij的兩個區域i 和j 的幾何屬性信息。

（二）空間計量模型。根據已有研究，空間杜賓面板模型具有比空間滯后和空間誤差模型更一般的形式，能夠同時反映地區空間異質性和競爭特點，因此本文采用空間杜賓模型?？臻g杜賓模型公式如下：

式中：β 為外生變量的空間自相關系數，表示自變量的空間滯后項對本地區的影響程度；δ 為內生變量的空間自相關系數，表示因變量的空間滯后項對本地區的影響程度；γ 為空間滯后解釋變量的系數。

三、我國就業密度空間分布特征

處理數據得到我國31 個省市2000～2019年就業密度，使用幾何間隔分類法將其分為3 個等級，得到2000年、2010年、2019年就業密度分類表，如表1 所示。從表中可以發現，我國就業密度存在明顯的空間分異特征，整體上呈現“東高西低”的空間格局，高值區主要集中于中東部發達地區，低值區主要分布在東北、西北地區。2000年就業密度高值區以長江沿線和東部沿海地區為主，2010年就業密度高值區開始由集聚區向四周擴散，2019年開始形成小聚集、大分散的格局。近年來，我國就業率不斷增長，但部分地區就業密度呈下降趨勢，造成這一現象的原因可能是隨著城市化進程加快，建成區面積擴張速度超過就業人數增長速度，且部分地區二三產業就業人口的統計口徑發生變化，造成數據上單位建成區面積上就業人口的減少。京津滬地區是理論意義上的就業集中區，但是沒有位于第一梯隊，這是由于省級行政區和直轄市不可避免地在數據上不平等造成的。（表1）

表1 2000年、2010年、2019年就業密度梯隊一覽表

四、我國就業密度空間溢出效應分析

（一）就業密度空間自相關分析。考慮到空間的異質性，本文將全國分為東、中、西部三個地區進行對比分析。東部地區包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南。中部地區包括：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南。西部地區包括：內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

為驗證我國東、中、西部地區存在空間自相關，首先進行莫蘭檢驗。本文使用的是空間距離權重矩陣，用Stata15.0 計算得出2000～2019年我國東、中、西部地區就業密度全局莫蘭指數。其中，東部地區全局莫蘭指數不顯著，意味著東部地區就業密度不存在顯著的空間自相關，這可能與東部地區沿海呈長條分布、空間距離跨度大、聯系不緊密有關，因此本文后續主要分析中、西部地區。中、西部地區莫蘭指數結果如表2 所示?？梢园l現，所有年份P 值均顯著，說明中、西部地區就業密度存在顯著的空間自相關。（表2）

表2 中、西部地區就業密度全局莫蘭指數值一覽表

（二）空間效應分解結果分析

1、中部地區空間效應分解結果分析。在回歸分析之前，為驗證模型選擇的合理性，首先通過LM、LR 和Wald 檢驗，檢驗結果均拒絕了SDM 退化為SAR 與SEM 的假設，因此使用空間杜賓模型利用Stata15.0 軟件進行回歸分析，受篇幅所限，不再贅述檢驗結果。參考已有研究，僅考慮空間杜賓模型直接的回歸結果會忽視解釋變量對被解釋變量帶來的邊際影響，從而導致估計結果存在偏差，此時需要對模型進行分解，LeSage and Pace 針對空間效應作用范圍與對象的差異性，將空間杜賓模型中解釋變量對被解釋變量的影響效應分為直接、間接與總效應。因此，本文將空間效應分為直接效應、間接效應、總效應進行分析。

基于空間杜賓模型的中部地區回歸結果如表3 所示，被解釋變量即就業密度通過了1%置信水平，系數為-0.3941，說明存在空間溢出效應，且是負向的效應。（表3；表中***、**、*分別表示1%、5%、10%的置信水平下顯著，括號內報告的是標準誤，下同）

表3 中部地區空間杜賓模型分解效應一覽表

就業密度空間溢出效應在直接、間接、總效應下均顯著通過，其中在直接效應中，在1%置信水平下顯著為正，說明當地就業密度空間溢出效應對當地就業密度產生了積極影響；而在間接效應中，在5%置信水平下顯著為負，說明當地就業密度空間溢出效應對鄰近地區就業密度產生負面影響，這種現象可能表現為相鄰兩地間存在資源競爭關系，而人們往往傾向于選擇綜合實力更強的地區。

從直接效應的回歸結果看，二三產業產值比重顯著為正，說明一個地區二三產業占比越高，就業密度也越高；固定資產投資與人均醫療床位、人均道路面積均顯著為負，說明當地投資以及社會基礎設施建設對就業密度沒有起到應有的帶動作用，對當地就業產生的影響不大；而城鎮化率顯著為正，表明城鎮具有更強的吸納就業的能力，所以城鎮化率越高的地區，就業密度也越大；專利申請受理數顯著為正，即表明地區的創新能力對就業密度產生了積極影響。

從間接效應的回歸結果來看，本地人均GDP 對鄰近地區的就業密度產生了負的影響；本地二三產業產值比重和平均工資的增加會帶動鄰近地區就業密度的增長；人均醫療床位顯著為負，說明當地的醫療水平增加會吸引外地人員就業，從而對鄰近地區就業密度產生負面影響；人均道路面積、專利申請受理數顯著為正，說明交通基礎設施與專利申請受理數整體上呈現了正的溢出效應；城鎮化率在1%的置信水平下顯著為負，說明本地城鎮化的發展有利于促進本地就業密度的提升，對鄰近地區產生吸引作用。

總地來說，影響中部地區就業密度的主要因素為經濟因素，其次是社會基礎建設，人力資本對就業密度影響較小。

2、西部地區空間效應分解結果分析。西部地區回歸結果中，被解釋變量就業密度在1%置信水平下顯著為負，系數為-0.5941，說明西部地區就業密度也存在負向的空間溢出效應。西部地區空間杜賓模型的分解效應如表4 所示。（表4）

表4 西部地區空間杜賓模型分解效應一覽表

就業密度空間溢出效應在直接效應下通過了1%置信水平且系數為正，在間接效應下卻不顯著，說明西部地區的就業密度空間溢出效應對本地的影響顯著大于對鄰近地區的影響，但是總效應下顯著為正，總體來說，就業密度空間溢出效應對就業密度產生了積極影響。

從直接效應的結果來看，經濟發展水平類指標均不顯著，說明當地經濟發展滯后，沒有對就業密度產生積極影響。同時，每萬人擁有公共交通車輛顯著為負，表明本地公共交通對就業密度存在負的影響。每萬人大學生人數顯著為正，而每萬人大學專任教師數顯著為負，說明西部地區教育發展水平存在滯后。

從間接效應的結果來看，二三產業產值比重顯著為負，說明本地二三產業的發展對鄰近地區就業密度產生了負的空間溢出效應；城鎮化率顯著為正，說明當地城市化水平的提升會帶動鄰近地區城市化水平的提升。基礎設施建設中人均公園綠地面積顯著為負，說明當地城市環境的提升會吸引鄰近地區人員前往就業。每萬人大學專任教師數均顯著為負，說明當地教師數量的增加對鄰近地區就業密度產生負的影響。

總地來說，西部地區經濟發展水平滯后，其中基礎設施和人力資本對就業密度的影響較明顯。

五、結論

本文基于2000～2019年全國31 個省市的面板數據，考察全國就業密度的空間分布特征及中、西部地區的空間溢出效應。研究發現：（1）我國就業密度高值區主要分布在中東部地區，整體上呈現“東高西低”的空間格局，且高值區逐漸向四周擴散；（2）東部地區不存在空間自相關，中、西部地區存在空間相關性，且存在負的空間溢出效應；（3）影響中部地區就業密度的主要因素為經濟和基礎建設，影響西部地區就業密度的主要因素為基礎設施和人力資本。

基于本文的研究結果可以得出，要提高就業密度對區域的經濟溢出就要加強基礎設施建設，促進區域一體化，實現城市協同發展，減少經濟差異過大帶來的消極影響。在此基礎上，注重人才引進，采取措施以提高人力資本投入為經濟帶來的積極作用，同時加強區域間的經濟技術合作，從各方面促進經濟增長。