高技術(shù)服務(wù)業(yè)就業(yè)擴張的外部性研究：勞動力市場視角

劉娜， 劉新智

1. 暨南大學(xué) 經(jīng)濟學(xué)院，廣州 510632；2. 西南大學(xué) 經(jīng)濟管理學(xué)院，重慶 400715

自黨的十八屆五中全會習(xí)近平總書記提出“創(chuàng)新、 協(xié)調(diào)、 綠色、 開放、 共享”五大發(fā)展理念以來, 為實現(xiàn)創(chuàng)新驅(qū)動發(fā)展、 建成創(chuàng)新型國家, 我國出臺了如《“十三五”國家科技創(chuàng)新規(guī)劃》等一系列政策文件, 以扶持高新技術(shù)企業(yè)的發(fā)展． 黨的二十大報告進一步指出, 要“構(gòu)建優(yōu)質(zhì)高效的服務(wù)業(yè)新體系, 推動現(xiàn)代服務(wù)業(yè)同先進制造業(yè)、 現(xiàn)代農(nóng)業(yè)的深度融合”． 高技術(shù)服務(wù)業(yè)作為高技術(shù)產(chǎn)業(yè)與現(xiàn)代服務(wù)業(yè)融合的產(chǎn)物, 成為中國產(chǎn)業(yè)發(fā)展的重要方向． 在創(chuàng)新驅(qū)動發(fā)展背景下各地區(qū)高技術(shù)服務(wù)業(yè)從業(yè)者數(shù)量增幅顯著[1]． 那么, 這種增加是否以犧牲其他行業(yè)勞動力的就業(yè)機會為代價, 抑或會催生新的產(chǎn)業(yè)間合作、 推進產(chǎn)業(yè)間的融合, 從而使得其他行業(yè)從業(yè)人員的就業(yè)機會也增加?

除就業(yè)機會之外, 不同行業(yè)間的收入差距問題日益成為中國貧富差距問題的主要內(nèi)容[2]． 圖1描繪了2008年與2017年的中國東、 中、 西部各行業(yè)收入水平, 其中2017年的行業(yè)收入按照居民消費價格指數(shù)平減至2008年的水平． 由圖1可以看出, 高技術(shù)附加值行業(yè)的收入通常高于低技術(shù)附加值行業(yè), 但不同地區(qū)的各行業(yè)收入變化呈現(xiàn)不同特征． 如在東部信息傳輸、 軟件與信息技術(shù)業(yè), 金融業(yè), 文化、 體育和娛樂業(yè), 科學(xué)研究和技術(shù)服務(wù)業(yè)等高技術(shù)服務(wù)業(yè)的收入增加幅度明顯高于其他區(qū)域, 但是各區(qū)域農(nóng)林牧漁業(yè)、 建筑業(yè)等行業(yè)的收入變動幅度十分相近． 那么, 高技術(shù)服務(wù)業(yè)發(fā)展下的就業(yè)擴張對其他行業(yè)的收入又產(chǎn)生了怎樣的影響, 在不同區(qū)域這一影響是否存在差異?

在討論高技術(shù)附加值產(chǎn)業(yè)發(fā)展對其他行業(yè)勞動力的外部效應(yīng)時, 學(xué)者們主要從技能偏向型技術(shù)進步、 產(chǎn)業(yè)結(jié)構(gòu)高級化與人工智能發(fā)展等方面展開研究． 有學(xué)者認為, 技能偏向型技術(shù)進步、 產(chǎn)業(yè)結(jié)構(gòu)高級化與人工智能發(fā)展會直接增加對高技能勞動力的需求, 而當對高技能勞動力需求增加的速度快于教育發(fā)展的速度時[3], 高技術(shù)產(chǎn)業(yè)的“創(chuàng)新驅(qū)動”發(fā)展會擠占其他產(chǎn)業(yè)的創(chuàng)新資源[4], 還會進一步導(dǎo)致產(chǎn)業(yè)間勞動力收入差距的擴大． 但同時, 高技術(shù)產(chǎn)業(yè)的發(fā)展也會通過知識溢出效應(yīng)、 乘數(shù)效應(yīng)與消費創(chuàng)造效應(yīng), 創(chuàng)造一定的低技術(shù)附加值就業(yè)崗位[4-6], 生產(chǎn)技術(shù)、 人工智能的發(fā)展一定程度也會增加其他行業(yè)勞動的生產(chǎn)能力[7]． 學(xué)者們在高技術(shù)產(chǎn)業(yè)發(fā)展對區(qū)域其他行業(yè)勞動力就業(yè)與工資的影響這一問題上并未得出一致結(jié)論[5, 8-10]．

有關(guān)高技術(shù)服務(wù)業(yè)發(fā)展的研究更多集中于對其本身的發(fā)展效率[11]、 與其他產(chǎn)業(yè)尤其是制造業(yè)的融合程度[12]以及高技術(shù)服務(wù)業(yè)和制造業(yè)協(xié)同集聚的經(jīng)濟效益[13]等方面, 較少有學(xué)者直接研究高技術(shù)服務(wù)業(yè)發(fā)展的就業(yè)與收入外部性問題． 改善民生福祉是中國經(jīng)濟發(fā)展的主要目標, 因此從勞動力市場角度出發(fā), 研究“創(chuàng)新驅(qū)動”下的高技術(shù)服務(wù)業(yè)就業(yè)擴張產(chǎn)生的外部性影響就十分必要．

國內(nèi)學(xué)者在討論技能偏向型技術(shù)進步、 產(chǎn)業(yè)結(jié)構(gòu)高級化與人工智能發(fā)展的就業(yè)市場效應(yīng)時, 也較少從行業(yè)收入差距視角切入, 若從行業(yè)層面展開研究, 又較少考慮中國經(jīng)濟發(fā)展存在的明顯區(qū)域異質(zhì)性[14]． 更重要的是, 城市勞動力數(shù)量與技能結(jié)構(gòu)的變化, 也會影響勞動力在該城市所需的生活成本, 而這進一步會對高技術(shù)產(chǎn)業(yè)就業(yè)擴張的外部性產(chǎn)生異質(zhì)性影響, 大多相關(guān)研究, 在理論上也并未考慮這一因素[15]． 有學(xué)者[16]雖然在討論人工智能對就業(yè)市場的結(jié)構(gòu)重塑問題時, 在勞動力需求端考慮了生活成本, 但是在實際情況中, 生活成本更多影響的是勞動力的效用函數(shù), 即勞動力供給端． 此外, 現(xiàn)有從區(qū)域?qū)用嫘袠I(yè)間收入差距視角開展的研究, 多僅討論至省際層面[17]．

數(shù)據(jù)來源于2009-2018《中國統(tǒng)計年鑒》; 各區(qū)域各行業(yè)的平均工資由各區(qū)域各行業(yè)的城鎮(zhèn)非私營單位工資總額除以各區(qū)域各行業(yè)的城鎮(zhèn)非私營單位就業(yè)人數(shù)而得．圖1 2008、 2017年各區(qū)域行業(yè)平均工資

鑒于以上不足, 本文從勞動力市場視角, 開展高技術(shù)服務(wù)業(yè)就業(yè)擴張的外部性研究, 可能的邊際貢獻在于: 一是把握“創(chuàng)新驅(qū)動發(fā)展”主要體現(xiàn)在生產(chǎn)端的特征, 同時考慮不同產(chǎn)業(yè)在創(chuàng)新發(fā)展過程中的特性與互動關(guān)系及中國區(qū)域間經(jīng)濟特征存在顯著差異性的經(jīng)濟現(xiàn)實, 從城市層面全面系統(tǒng)地分析高技術(shù)服務(wù)業(yè)發(fā)展對其他行業(yè)勞動力就業(yè)與工資影響． 二是在ENRICO[18]空間一般均衡模型的基礎(chǔ)上, 引入高技術(shù)服務(wù)業(yè)勞動力的技術(shù)外溢機制, 考慮城市生活成本要素, 推演求解高技術(shù)服務(wù)業(yè)就業(yè)增加后本地技能異質(zhì)性勞動力的均衡數(shù)量與均衡工資, 豐富與發(fā)展相關(guān)研究的理論成果． 三是相較于已有文獻更多關(guān)注就業(yè)結(jié)構(gòu)、 工資溢價等相對變量, 本文更為關(guān)注產(chǎn)業(yè)勞動力的絕對就業(yè)數(shù)量與絕對實際工資變化, 這也更加符合中國尚處于“創(chuàng)新驅(qū)動發(fā)展”初步階段的現(xiàn)實, 只有能夠切實促進所有勞動力在“創(chuàng)新驅(qū)動發(fā)展”背景下絕對福利水平的提升, 談相對社會福利的改善才更有意義．

1 理論模型

本文在ENRICO[18]構(gòu)建的空間一般均衡模型基礎(chǔ)上, 進一步引入行業(yè)異質(zhì)性與高技術(shù)附加值行業(yè)對其他行業(yè)的技術(shù)外溢機制, 從理論上分析區(qū)域高技術(shù)服務(wù)業(yè)就業(yè)增加對其他行業(yè)勞動力就業(yè)與實際工資的外部效應(yīng)．

假設(shè)存在兩期完全競爭市場經(jīng)濟, 有a,b兩個城市, 每個城市存在高技術(shù)服務(wù)業(yè)廠商與其他行業(yè)廠商分別雇傭勞動力NHc與NLc, 分別生產(chǎn)高技術(shù)附加值服務(wù)品YHc與其他商品YLc(c=a,b)． 產(chǎn)品可在全國范圍自由流通且不存在運輸成本, 因此同質(zhì)商品的價格在a,b兩市完全相同． 同時全國的勞動力總數(shù)N及高、 低技能勞動力總數(shù)NH、NL均不會發(fā)生變化． 勞動者與廠商均可在城市間自由流動, 并在效用最大化與利潤最大化的條件下進行區(qū)位選擇．

城市c高技術(shù)服務(wù)業(yè)勞動力的間接效用函數(shù)為:

UHic=WHc-Rc+AHc+EHicc=a,b

(1)

其他行業(yè)勞動力的間接效用函數(shù)為:

ULic=WLc-Rc+ALc+ELicc=a,b

(2)

其中,WHc與WLc分別為c市高技術(shù)服務(wù)業(yè)勞動力與其他行業(yè)勞動力的工資水平;Rc為住房消費價格, 假定各行業(yè)勞動力面對同一住房市場;AHc與ALc為高技術(shù)服務(wù)業(yè)與其他行業(yè)勞動力對城市基礎(chǔ)設(shè)施水平的評價;EHic與ELic是個體i對城市c的個人偏好．

假設(shè)勞動力對城市的個人偏好服從均勻分布:

EHia-EHib～U[-SH,SH]EHia-EHib～U[-SL,SL]SH

SH、SL衡量了勞動力對城市個人偏好在其居住地選擇中的重要性, 同時也衡量了勞動力的流動彈性,S越大, 說明勞動力對城市個人偏好在其居住地選擇中更為重要, 個體的流動彈性越小． 當邊際勞動力在城市a與b間的效用無差異時, 兩城市的人口分布達到均衡．

所以, 勞動力在城市a、b間的分布為:

(3)

(4)

式(4)與式(3)相減可得b市高技術(shù)服務(wù)業(yè)與其他行業(yè)勞動力市場的供給函數(shù)為:

(5)

由于本文討論的是不同行業(yè)間勞動力的福利互動效應(yīng), 產(chǎn)業(yè)間各要素在生產(chǎn)過程的互補性十分有限． 因此, 本文假設(shè)生產(chǎn)要素間替代彈性為1, 即不考慮要素間的互補性, 進而假設(shè)城市c(c=a,b)廠商的生產(chǎn)函數(shù)為Cobb-Douglas形式且規(guī)模報酬不變, 具體為:

lnYHc=lnXHc+hlnNHc+(1-h)lnKHcc=a,bh<1

(6)

lnYLc=lnXLc+hlnNLc+(1-h)lnKLcc=a,bh<1

(7)

其中,YHc與YLc為c市高技術(shù)服務(wù)業(yè)與其他行業(yè)的產(chǎn)出,XHc與XLc為相應(yīng)技術(shù)水平,NHc與NHL為投入的勞動力總量,KHc與KLc為投入的資本總量． 假設(shè)高技術(shù)附加值服務(wù)品價格為Ph, 其余行業(yè)生產(chǎn)商品價格為1, 資本無限供給且價格為I． 從而在利潤最大化的一階條件下, 可得勞動力與資本的需求函數(shù)分別為:

lnWHc=lnXHc-(1-h)lnNHc+(1-h)lnKHc+lnh+lnPH

(8)

lnWLc=lnXLc-(1-h)lnNLc+(1-h)lnKLc+lnh

(9)

lnI=lnXmc+hlnNmc-hlnKmc+ln(1-h)m=H,L

(10)

最后為簡化分析, 假設(shè)城市住房的供給與所屬權(quán)與本地人無關(guān), 具體住房供給函數(shù)設(shè)定為:

Rc=Z+Qc(NHc+NLc)

(11)

Z為初始生活成本, 假設(shè)各城市該值相同．Qc衡量了c城市的生活成本對人口規(guī)模的敏感程度, 刻畫了住房供給彈性． 當城市住房供給彈性越小,Qc取值越大, 人口增加將更大程度地引起房價上漲．

至此, 本文構(gòu)建的理論模型在同時實現(xiàn)勞動力、 資本與住房三個市場供求均衡時便可得到空間一般均衡解．

現(xiàn)假設(shè),b城市高技術(shù)服務(wù)行業(yè)在第2期發(fā)生技術(shù)進步, 其技術(shù)水平提升ΔH, 即:

XHb2=XHb1+ΔHΔH>0

(12)

由式(3)(8)(9)(10)可知,b市高技術(shù)服務(wù)業(yè)這一技術(shù)水平上的外生沖擊將會通過影響其勞動力需求進而改變該行業(yè)勞動力在城市間的分布． 而若一城市高技術(shù)服務(wù)行業(yè)的勞動力數(shù)量增加, 往往會推動本地其他行業(yè)勞動力生產(chǎn)力的提高． 這一方面是由于在技術(shù)進步推動下的高技術(shù)服務(wù)業(yè)就業(yè)擴張會增加對高技能勞動力的需求, 而高技能勞動力會在產(chǎn)業(yè)合作、 社區(qū)生活等活動中對其他行業(yè)勞動力產(chǎn)生知識外溢; 另一方面則是因為高技能勞動力的增加會產(chǎn)生更多的家政、 外賣等服務(wù)需求, 進而刺激其他行業(yè)勞動力的需求增加, 并尋求更為高效的生產(chǎn)方式． 因而有:

XLb2=XLb1+ΔLΔL=λ(NHb2-NHb1)λ>0

(13)

由式(8)(9)(10)可得:

(14)

(15)

進一步代入式(3)有:

(16)

(17)

由式(16)可知, 當高技術(shù)服務(wù)業(yè)勞動力對其他行業(yè)勞動力的生產(chǎn)力外溢作用越強, 即λ′取值越大, 城市的住房供給彈性越大, 即Qa與Qb的取值越小, 城市高技術(shù)服務(wù)業(yè)勞動力的數(shù)量增加將更大程度地促進其他行業(yè)勞動力在本地的集聚． 而低技能勞動力對地域的個體偏好性越強, 即SL取值越大, 則會越大程度地削弱這一集聚效應(yīng)．

聯(lián)立式(16)與(17)可得:

(18)

由式(18)可知, 當高技術(shù)服務(wù)業(yè)出現(xiàn)一個正向的技術(shù)沖擊時, 將使得區(qū)域高技能勞動力數(shù)增加． 現(xiàn)聯(lián)立式(3)(15)(16)與(18)以分析城市高技術(shù)服務(wù)業(yè)勞動力數(shù)量對本地其他行業(yè)勞動力實際工資的影響, 可得:

(19)

(20)

式(19)(20)說明, 城市高技術(shù)服務(wù)業(yè)就業(yè)擴張對其他行業(yè)勞動力實際工資的影響取決于勞動力生產(chǎn)力正向外溢作用的大小與該城市的住房供給彈性: 越顯著的知識外溢作用(λ′取值越大), 與更寬松的住房供給市場(Qb)取值越小, 本地高技術(shù)服務(wù)業(yè)就業(yè)擴張將越有可能促進其他行業(yè)勞動力實際工資的提升． 式(16)與(19)(20)對比分析可知, 倘若高技術(shù)服務(wù)業(yè)就業(yè)擴張促進了其他行業(yè)的就業(yè), 那么也必然對其他行業(yè)勞動力的實際工資水平產(chǎn)生正向影響．

基于以上理論分析可知, 城市大力推動創(chuàng)新發(fā)展和技術(shù)進步, 將推動高技術(shù)服務(wù)業(yè)的就業(yè)擴張． 而這種就業(yè)擴張對于其他行業(yè)勞動力就業(yè)數(shù)與實際工資的影響, 則取決于高技能勞動力的技術(shù)外溢強度與本地生活成本的波動大小, 主要體現(xiàn)為住房價格的漲幅． 隨著技術(shù)外溢強度的增加與住房供給彈性的提升, 高技術(shù)服務(wù)業(yè)對其他行業(yè)勞動力就業(yè)與實際工資的促進作用將更為顯著． 而若技術(shù)外溢作用有限, 城市住房供給彈性甚低, 高技術(shù)服務(wù)業(yè)的就業(yè)擴張會對其他行業(yè)勞動力就業(yè)產(chǎn)生負向擠出并使其實際工資下降． 在我國, 城市高技術(shù)服務(wù)業(yè)的勞動力增加對其他行業(yè)勞動力就業(yè)和實際工資的影響究竟如何, 本文將進一步使用經(jīng)驗數(shù)據(jù), 分別構(gòu)建實證模型加以分析．

2 計量模型設(shè)定與變量說明

2.1 研究模型

Δlnnonhsc=α+β1Δlnhservicec+γXc+εc

(21)

上式為本文計量模型1的設(shè)定, 主要參考了ENRICO[5]、 LEE等[10]的研究構(gòu)建了就業(yè)乘數(shù)模型． 其中, 被解釋變量Δlnnonhsc表示城市c于2008-2017年非高技術(shù)服務(wù)業(yè)的從業(yè)人員數(shù)對數(shù)的變化值, 核心解釋變量Δlnhservicec為2008-2017年c城市高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)對數(shù)的變化值,Xc為一系列城市層面的控制變量,εc為擾動項． 之所以選擇這段時期, 是基于“創(chuàng)新驅(qū)動發(fā)展”戰(zhàn)略于2012年黨的十八大正式提出, 2008至2017十年能夠在時間上較為對稱的考量, 創(chuàng)新驅(qū)動下高技術(shù)服務(wù)業(yè)發(fā)展對于其他行業(yè)勞動力就業(yè)的影響．α、γ均是參數(shù),β1是重點關(guān)注的系數(shù)．

(22)

進一步地, 本文構(gòu)建面板數(shù)據(jù)模型以分析高技術(shù)服務(wù)業(yè)勞動力數(shù)量對本地其他行業(yè)勞動力實際工資的影響． 考慮到技術(shù)外溢的正向作用與生活成本上漲的負向作用使城市高技術(shù)服務(wù)業(yè)勞動力數(shù)量變化與其他行業(yè)勞動力的工資變化之間可能存在非線性關(guān)系, 因此在模型中增加高技術(shù)服務(wù)業(yè)勞動力數(shù)的二次項． 計量模型2具體形式如下:

(23)

lnnswagec,t為城市c非高技術(shù)服務(wù)業(yè)勞動力在t(t∈[2014, 2017])時平均工資的對數(shù)． 本文在以上模型中均采用去除物價影響的實際變量．lnhservicec,t為c市t時高技術(shù)服務(wù)業(yè)從業(yè)數(shù)對數(shù)．Xc,t為一系列隨時間變動的, 可能影響非高技術(shù)服務(wù)業(yè)從業(yè)人員工資水平的城市層面控制變量． 此外,φc控制了不隨時間變動的城市固定效應(yīng),δt則控制了時間固定效應(yīng),εc,t為隨機擾動項,β1、β2為該模型分析重點關(guān)注系數(shù)．

模型2也可能存在遺漏變量等內(nèi)生性問題, 因此本文同樣采用基于其他地區(qū)增長率預(yù)測的該地高技術(shù)服務(wù)業(yè)就業(yè)人數(shù)作為shift-share工具變量, 具體形式參考KEMENY等[9]的做法, 如公式(24)所示．

(24)

2.2 主要變量定義及數(shù)據(jù)來源

為分析城市高技術(shù)服務(wù)業(yè)的就業(yè)擴張對本地其他行業(yè)勞動力就業(yè)機會與工資待遇的影響, 在模型1的實證分析中, 本文使用了各城市在研究期間內(nèi)高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)對數(shù)的變化值(Δlnhservice)為核心解釋變量, 在模型2則使用了各年各城市的高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)對數(shù)(lnhservice)作為核心解釋變量． 而關(guān)于高技術(shù)服務(wù)業(yè)的定義, 由于城市層面的分行業(yè)就業(yè)數(shù)據(jù)只明確到行業(yè)大類代碼即19大類, 本文在4位行業(yè)代碼基礎(chǔ)上, 將國家統(tǒng)計局頒布的《高技術(shù)產(chǎn)業(yè)(服務(wù)業(yè))分類(2018)》與《國民經(jīng)濟行業(yè)分類》(GB/T 4754-2017)相對應(yīng), 將《高技術(shù)產(chǎn)業(yè)(服務(wù)業(yè))分類(2018)》中在4位代碼水平上涉及的行業(yè)界定為“高技術(shù)服務(wù)業(yè)”． 匹配后, 本文定義的高技術(shù)服務(wù)業(yè)主要包括: 信息傳輸、 軟件和信息技術(shù)業(yè), 金融業(yè), 租賃和商務(wù)服務(wù)業(yè), 科學(xué)研究和技術(shù)服務(wù)業(yè), 水利環(huán)境和公共設(shè)施管理業(yè)及文化、 體育和娛樂業(yè)． 該變量相關(guān)數(shù)據(jù)來源于2009-2018年《中國城市統(tǒng)計年鑒》．

關(guān)于被解釋變量, 本文在實證模型1中使用了各城市的非高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對數(shù)變化值(Δlnnonhs), 在模型2中則為各城市的非高技術(shù)服務(wù)業(yè)從業(yè)人員平均工資對數(shù)(lnnswage)． 其中, 非高技術(shù)服務(wù)業(yè)指19類行業(yè)中的除去高技術(shù)服務(wù)業(yè)的行業(yè), 具體包括農(nóng)林牧漁業(yè), 采礦業(yè), 制造業(yè), 電熱氣水生產(chǎn)和供應(yīng)業(yè), 建筑業(yè), 批發(fā)和零售業(yè), 交通運輸、 倉儲和郵政業(yè), 住宿和餐飲業(yè), 房地產(chǎn)業(yè), 居民服務(wù)、 修理和其他服務(wù)業(yè), 教育業(yè), 衛(wèi)生和社會工作業(yè), 公共管理、 社會保障和社會組織業(yè)． 各城市的非高技術(shù)服務(wù)業(yè)就業(yè)數(shù)據(jù)來源于2009-2018年城市統(tǒng)計年鑒．

而對于模型2中被解釋變量lnnswagec,t的衡量, 由于《中國城市統(tǒng)計年鑒》并未公布相關(guān)數(shù)據(jù), 而大多微觀調(diào)查數(shù)據(jù)或?qū)€體樣本所屬城市進行了加密處理, 或其行業(yè)劃分與國家統(tǒng)計局所明晰的國民經(jīng)濟行業(yè)分類標準并不一致, 無法適用于本文研究． 本文選擇全國流動人口動態(tài)監(jiān)測調(diào)查(CMDS)數(shù)據(jù)整理得到各年各城市非高技術(shù)服務(wù)業(yè)流動人口的平均工資, 對lnnswagec,t變量加以衡量． 由于2014年前CMDS問卷中有關(guān)流動人口從事行業(yè)的分類方法與2014年后存在差異, 并且無法與《國民經(jīng)濟行業(yè)分類》(GB/T 4754-2017)進行精確匹配, 最后使用了2014-2017年的CMDS數(shù)據(jù)開展模型2的實證研究．

流動人口動態(tài)監(jiān)測調(diào)查以當年所有流動人口為抽樣總體, 采取PPS抽樣方法, 每個樣本點抽樣調(diào)查人員20至30人． 本文在數(shù)據(jù)處理過程中剔除了當年非高技術(shù)服務(wù)業(yè)觀測樣本少于50的城市, 即最終選擇的樣本城市在抽樣調(diào)查中至少包括3個抽樣樣本點, 以保證統(tǒng)計所得各城市低技術(shù)產(chǎn)業(yè)勞動力平均工資具有一定代表性． 同時, 在穩(wěn)健性檢驗中, 本文進一步提高進入研究樣本的標準, 將50人提升至100人, 并在計算各城市低技術(shù)產(chǎn)業(yè)勞動力平均工資時進行雙側(cè)1%縮尾． 未在基準回歸中采用基于這一更為嚴格要求所保留的城市樣本, 主要是基于對樣本容量與樣本選擇偏誤問題的考慮． 當然另一不可忽視的問題是, 流動人口相較于本地人往往面臨更為嚴峻的就業(yè)市場環(huán)境, 根據(jù)其計算得到的各城市非高技術(shù)服務(wù)業(yè)勞動力平均工資可能會略低于全樣本下的統(tǒng)計結(jié)果． 因而, 倘若本文估計認為高技術(shù)服務(wù)業(yè)的就業(yè)擴張損害了其他行業(yè)勞動力的工資福利, 這一變量度量上的問題將直接影響本文結(jié)論的可信度, 而若估計結(jié)果為促進作用抑或正、 倒U形影響, 這一度量方法只會使得促進作用被低估, 拐點位置被右或左移, 并不會對關(guān)系的方向產(chǎn)生實質(zhì)性影響．

控制變量選擇方面, 在就業(yè)效應(yīng)模型中, 本文主要控制了會影響城市非高技術(shù)服務(wù)業(yè)就業(yè)人數(shù)或同時影響高技術(shù)服務(wù)業(yè)與其他行業(yè)就業(yè)人數(shù)的干擾性因素． 一方面, 參考LEE等[10]的做法, 主要控制了城市聚集效應(yīng)—人口密度(lnpeople, 等于城市戶籍人口數(shù)除以其行政面積對數(shù))、 整體就業(yè)水平—期末從業(yè)人員數(shù)對數(shù)(lnworker)、 人力資本狀況—每千人普通高校在校學(xué)生數(shù)對數(shù)的影響(lnstudent)． 另一方面, 加入影響中國城市人口流動的主要因素, 具體有公共服務(wù)完善度—每千人醫(yī)院衛(wèi)生院床位數(shù)(hospital)、 空氣質(zhì)量—每十億元GDP工業(yè)二氧化硫排放量(SO2)、 生活成本—住宅平均銷售價格(rent)、 經(jīng)濟潛力—是否為港口城市(port)等指標, 分別控制了城市在研究期間初始的公共服務(wù)水平、 空氣質(zhì)量狀況、 房價水平以及地理位置條件． 所有控制變量取2008年值．

對于工資效應(yīng)模型中的控制變量, 考慮影響區(qū)域工資水平與非高技術(shù)服務(wù)業(yè)勞動力工資水平的因素． 參考VAN DIJK[8]和BARTIK[19]的做法, 本文主要選取以下指標: 就業(yè)密度—城鎮(zhèn)單位非農(nóng)產(chǎn)業(yè)就業(yè)人數(shù)與全市行政區(qū)域土地面積之比的對數(shù)(lndensity), 人力資本水平—每千人普通高校在校生人數(shù)對數(shù)(lnstudent), 平均工資水平—在崗職工月平均實際工資(wage), 產(chǎn)業(yè)結(jié)構(gòu)高級化程度—第三產(chǎn)業(yè)產(chǎn)值占GDP比重(industry)．

在對模型1與模型2解釋變量進行多重共線性檢驗后, 對模型1中的在崗職工工資與住宅平均銷售價格取比值處理． 本文對大多控制變量取對數(shù)處理． 控制變量數(shù)據(jù)主要來自CEIC中國經(jīng)濟數(shù)據(jù)庫、 2009-2018年《中國城市統(tǒng)計年鑒》及各市統(tǒng)計年鑒．

2.3 關(guān)鍵變量描述性分析

表1展示了在本文實證分析中主要使用變量的描述性特征． 首先對模型1與模型2的觀測樣本數(shù)予以說明, 在模型1中的觀測樣本為研究期間內(nèi)中國26個省(自治區(qū))的地級市和4個直轄市(未含港、 澳、 臺、 西藏), 而模型2由于部分城市存在數(shù)據(jù)缺失, 在模型1研究樣本的基礎(chǔ)上構(gòu)建了211個地級市的平衡面板展開分析． 其中由于部分城市的普通高校在校學(xué)生數(shù)為0或數(shù)據(jù)缺失, 因而lnstudent變量的觀測值小于其他變量．

可以發(fā)現(xiàn)在模型1的研究期間內(nèi), 高技術(shù)服務(wù)行業(yè)的就業(yè)增加量明顯高于非高技術(shù)服務(wù)行業(yè), 且對于所有城市樣本, 在研究期間內(nèi)高技術(shù)服務(wù)業(yè)的就業(yè)人數(shù)均有顯著增加, 而對于非高技術(shù)服務(wù)行業(yè), 存在部分城市在研究期間內(nèi)其就業(yè)量有所下降的情況． 同時, 非高技術(shù)服務(wù)行業(yè)的就業(yè)變化相較于高技術(shù)行業(yè), 存在更為明顯的地區(qū)間差異． 對于模型2, 則發(fā)現(xiàn)相較于地區(qū)的平均工資水平, 非高技術(shù)服務(wù)業(yè)勞動者的工資無論是最大值、 最小值抑或平均值都處于更低的水平． 而對于高技術(shù)服務(wù)業(yè)就業(yè)數(shù)與非高技術(shù)服務(wù)業(yè)勞動力的工資收入間關(guān)系較難直接通過表1體現(xiàn)． 因此本文基于研究數(shù)據(jù)分別繪制了高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對數(shù)的變化值與同時期各地區(qū)非高技術(shù)服務(wù)行業(yè)就業(yè)數(shù)對數(shù)變化值、 高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對數(shù)與非高技術(shù)服務(wù)業(yè)勞動力工資對數(shù)間的相關(guān)性關(guān)系圖．

表1 變量描述性特征

由圖2可知, 2008-2017年間, 中國城市高技術(shù)服務(wù)業(yè)與其他行業(yè)從業(yè)人員數(shù)均存在明顯增長, 同時可初步判斷, 兩者存在正向相關(guān)關(guān)系． 圖3則表明了城市間非高技術(shù)服務(wù)業(yè)從業(yè)人員工資水平同樣存在明顯差異, 而非高技術(shù)服務(wù)業(yè)勞動力實際工資水平與高技術(shù)服務(wù)業(yè)從業(yè)數(shù)兩者間大致呈正U形關(guān)系．

圖2 非高技術(shù)服務(wù)業(yè)與高技術(shù)服務(wù)業(yè)就業(yè)數(shù)關(guān)系圖

圖3 非高技術(shù)服務(wù)業(yè)工資與高技術(shù)服務(wù)業(yè)就業(yè)數(shù)關(guān)系圖

3 實證結(jié)果及分析

3.1 基準回歸結(jié)果分析

表2報告的是模型1的基本回歸結(jié)果． 前3列分別為全樣本未加入控制變量、 加入控制變量, 以及使用shift-share工具變量的回歸結(jié)果, 其中, 2SLS(兩階段最小二乘法)的一階段回歸F值為24.092 1, 拒絕弱工具變量假設(shè)． 對于各列估計樣本量的細微差別有必要說明． 一方面, 由于部分控制變量存在數(shù)據(jù)缺失問題, 因而第(2)(3)列與第(5)(6)列分別較第(1)(4)列樣本觀測數(shù)有所減少; 另一方面, 表2(4)(5)(6)列為剔除通過杠桿統(tǒng)計量判斷所得的離群城市樣本(東莞市與蘭州市)后的相應(yīng)估計結(jié)果． 表2的估計結(jié)果顯然說明, 城市高技術(shù)服務(wù)業(yè)就業(yè)數(shù)增加對地區(qū)其他行業(yè)就業(yè)數(shù)始終為顯著的正向促進作用． 從第(3)列估計結(jié)果可以看出, 在中國, 平均某城市高技術(shù)服務(wù)業(yè)就業(yè)增加1%將帶來其他行業(yè)就業(yè)大約0.58%的增加． 參考ENRICO[5]、 LEE等[10]的研究將該彈性與研究基期中國非高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)和高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)的比值相乘, 由2009年《中國城市統(tǒng)計年鑒》相關(guān)統(tǒng)計數(shù)據(jù)可得, 2008年中國非高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)與高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)的比值為7.44, 將其與彈性0.58相乘即可計算出: 平均而言, 中國城市高技術(shù)服務(wù)業(yè)每增加一個就業(yè), 會促使本地其他行業(yè)增加大約4.32個就業(yè)．

表3為模型2的基準回歸結(jié)果, 前兩列為未考慮內(nèi)生性問題時的OLS回歸結(jié)果, 最后一列為使用shift-share工具變量, 運用2SLS法的回歸結(jié)果, 同樣地, 由于第(2)(3)列在回歸中加入了控制變量, 因而較第(1)列樣本量有所減少． 可以發(fā)現(xiàn)表3各列中, 城市高技術(shù)服務(wù)業(yè)就業(yè)數(shù)一次項前的系數(shù)始終顯著為負, 二次項前的系數(shù)則始終顯著為正． 說明中國高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)與其他行業(yè)從業(yè)人員平均工資呈顯著正U形關(guān)系． 為避免將實際為單調(diào)凸形的關(guān)系誤判為U形關(guān)系, 本文進一步對模型2進行U形檢驗． 結(jié)果顯示, U形關(guān)系實際存在, 拐點位置大致在6.42, 即平均意義上, 當城市高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)高于大約614萬后(6.42取指數(shù)函數(shù)可得, 當然如前文所述, 由于使用數(shù)據(jù)局限, 實際情況這一拐點可能會更早到來), 就業(yè)創(chuàng)造效應(yīng)才能超越城市生活成本上漲效應(yīng), 對其他行業(yè)從業(yè)人員的平均實際工資產(chǎn)生正向促進作用．

表2 城市高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對其他行業(yè)就業(yè)數(shù)的影響

表3 城市高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對其他行業(yè)從業(yè)人員實際工資的影響

3.2 穩(wěn)健性檢驗

為確保研究結(jié)果的可靠性, 本文對回歸1與回歸2分別開展以下穩(wěn)健性檢驗．

對于回歸1, 一方面由于高技術(shù)服務(wù)業(yè)在全國范圍內(nèi)的布局呈現(xiàn)一定區(qū)域集聚性． 本文進一步從城市樣本中剔除直轄市、 省會城市及深圳市進行2SLS回歸． 另一方面, 在基礎(chǔ)回歸所界定的“高技術(shù)服務(wù)業(yè)”中, 有部分隸屬于金融業(yè), 租賃和商務(wù)服務(wù)業(yè), 水利環(huán)境和公共設(shè)施管理業(yè)以及文化、 體育和娛樂業(yè)的4位行業(yè), 其并非都屬于《高技術(shù)產(chǎn)業(yè)(服務(wù)業(yè))分類(2018)》文件中所界定的“高技術(shù)產(chǎn)業(yè)(服務(wù)業(yè))”, 本文進一步將高技術(shù)服務(wù)業(yè)的涵蓋范圍縮小, 主要包括信息傳輸、 軟件和信息技術(shù)業(yè), 科學(xué)研究和技術(shù)服務(wù)業(yè), 開展2SLS回歸分析． 以上回歸結(jié)果分別如表4第(1)(2)列所示, 發(fā)現(xiàn)高技術(shù)服務(wù)業(yè)就業(yè)擴張對其他行業(yè)的就業(yè)增加外部效應(yīng)依然顯著．

表4 模型1穩(wěn)健性檢驗結(jié)果

在模型2的設(shè)定下, 本文開展了更為豐富的穩(wěn)健性檢驗: 第一, 采取滯后一期控制變量的模型設(shè)定, 對研究問題重新檢驗, 檢驗結(jié)果如表5第(1)列所示． 第二, 同樣從城市樣本中剔除直轄市、 省會城市及深圳市進行2SLS回歸, 回歸結(jié)果由表5第(2)列所示． 第三, 由于本文各城市非高技術(shù)服務(wù)業(yè)勞動力的平均工資數(shù)據(jù)是基于流動人口動態(tài)監(jiān)測調(diào)查微觀數(shù)據(jù)加總后求算術(shù)平均值而得, 因此證明該數(shù)據(jù)的地區(qū)代表性尤為重要． 本文在此針對各個城市非高技術(shù)服務(wù)業(yè)勞動力平均工資, 設(shè)定更為嚴格的計算方法, 即對微觀數(shù)據(jù)進行雙側(cè)1%縮尾, 并將觀測值小于100、 涉及觀測點小于5個的城市樣本剔除, 結(jié)果見表5第(3)列． 第四, 將“高技術(shù)服務(wù)業(yè)”界定為包括信息傳輸、 軟件和信息技術(shù)業(yè), 科學(xué)研究和技術(shù)服務(wù)業(yè)． 調(diào)整定義后的2SLS回歸結(jié)果如表5第(4)列所示, 與基礎(chǔ)回歸一致． 第五, 考慮城市的平均工資水平可能在時間上具有相關(guān)性, 本文以理論、 sargen檢驗和序列相關(guān)檢驗的結(jié)果為依據(jù), 選擇最優(yōu)的模型設(shè)定對研究問題進行GMM(Generalized method of moments)的再估計, 其中, 由于GMM估計需要使用前期的觀測值構(gòu)造工具變量, 因而樣本量出現(xiàn)較為明顯的下降． GMM估計的結(jié)果如表5第(5)列所示, 基礎(chǔ)回歸結(jié)果依然穩(wěn)健．

表5 模型2穩(wěn)健性檢驗結(jié)果

4 進一步分析

由前面理論分析可知, 地區(qū)的現(xiàn)有房地產(chǎn)市場環(huán)境、 產(chǎn)業(yè)結(jié)構(gòu)下的知識溢出強度等會對本文研究問題產(chǎn)生顯著影響． 因此, 本文以各城市間的住房供給彈性與產(chǎn)業(yè)結(jié)構(gòu)合理化水平的差異為基礎(chǔ), 進行地區(qū)層面的異質(zhì)性分析． 若這一異質(zhì)性顯著, 可進一步排除對本文基礎(chǔ)回歸結(jié)果的相關(guān)競爭性解釋． 并且, 本文進一步將高技術(shù)服務(wù)業(yè)細分為“高精尖”的高技術(shù)服務(wù)業(yè)與其他高技術(shù)服務(wù)業(yè), 從產(chǎn)業(yè)角度開展相關(guān)異質(zhì)性分析, 試圖發(fā)掘中國城市在“創(chuàng)新驅(qū)動”背景下的產(chǎn)業(yè)發(fā)展可能存在的更多問題．

4.1 住房供給彈性與外部效應(yīng)

本文以2013年中國各城市的住房供給彈性為依據(jù), 將高于或低于平均水平的城市分別劃分為高住房供給彈性城市(h-elasticity)與低住房供給彈性城市(l-elasticity)． 之所以選取2013年, 一方面是受數(shù)據(jù)限制, 本文僅能獲得2013年各城市住房供給彈性的數(shù)據(jù), 另一方面是因為2013年處于就業(yè)效應(yīng)差分方程分析的中間時段, 同時也是工資效應(yīng)面板模型分析的期初時點, 以該年數(shù)據(jù)作為劃分依據(jù), 具有理論意義． 而各城市住房供給彈性數(shù)據(jù)源于劉修巖等[20]的研究． 表6(1)(2)列展示了相關(guān)2SLS分組回歸結(jié)果． 研究發(fā)現(xiàn), 高住房供給彈性城市的高技術(shù)服務(wù)業(yè)就業(yè)增加能夠顯著促進其他行業(yè)就業(yè)的增加, 但低住房供給彈性這一關(guān)系并不顯著． 這驗證了本文理論的分析, 當城市住房供給彈性較小, 高技術(shù)服務(wù)業(yè)從業(yè)者在區(qū)域的集聚會導(dǎo)致房價更高幅度的上漲, 而增幅明顯的生活成本會抑制其他行業(yè)勞動力在城市的定居． 在高住房供給彈性的城市, 高技術(shù)服務(wù)業(yè)就業(yè)增加對其他行業(yè)勞動力工資的影響并不顯著, 但在低住房供給彈性地區(qū), 兩者間的U形關(guān)系十分顯著． 結(jié)合描述性統(tǒng)計特征可知, 目前我國城市大多仍處于拐點左側(cè), 即在低住房供給彈性地區(qū), 高技術(shù)服務(wù)行業(yè)發(fā)展對其他行業(yè)從業(yè)人員工資的負向影響更為顯著．

表6 區(qū)域分組的異質(zhì)性分析

4.2 產(chǎn)業(yè)結(jié)構(gòu)合理度與外部效應(yīng)

根據(jù)本文論述, 高技術(shù)服務(wù)業(yè)與其他行業(yè)間的合作既是知識外溢的重要途徑, 也是推動地區(qū)增加對其他行業(yè)勞動力需求的重要誘因． 因此, 本文參考韓永輝等[21]對產(chǎn)業(yè)結(jié)構(gòu)合理度的測量方式, 以2013年各城市的產(chǎn)業(yè)結(jié)構(gòu)合理化水平為依據(jù), 將城市劃分為產(chǎn)業(yè)結(jié)構(gòu)高合理化(h-RIS)與產(chǎn)業(yè)結(jié)構(gòu)低合理化(l-RIS)兩類, 并分組進行就業(yè)效應(yīng)與工資效應(yīng)的實證研究． 結(jié)果如表6(3)(4)列所示, 無論是產(chǎn)業(yè)結(jié)構(gòu)合理化高的城市還是較低的城市, 高技術(shù)服務(wù)業(yè)的就業(yè)擴張均顯著促進了其他行業(yè)的就業(yè)增長, 且在產(chǎn)業(yè)結(jié)構(gòu)合理化程度更高的地區(qū), 高技術(shù)服務(wù)業(yè)的就業(yè)正外部效應(yīng)更為顯著． 考慮工資效應(yīng)則可以發(fā)現(xiàn), 在產(chǎn)業(yè)結(jié)構(gòu)合理化程度更高的城市, 高技術(shù)服務(wù)業(yè)就業(yè)擴張能產(chǎn)生顯著更為平緩的邊際工資效應(yīng), 拐點也將顯著右移． 即當城市產(chǎn)業(yè)結(jié)構(gòu)較為合理時, 高技術(shù)服務(wù)業(yè)發(fā)展下高技能勞動力在區(qū)域的集聚能夠在一開始就對其他行業(yè)勞動力產(chǎn)生知識外溢, 提高其生產(chǎn)力, 并使非高技術(shù)服務(wù)業(yè)新增對勞動力的需求, 使其實際工資更高幅度地提升． 即使在拐點之后, 高技術(shù)服務(wù)業(yè)的就業(yè)增加, 依然有利于其他行業(yè)勞動力的實際工資上漲, 雖然增速較為平緩． 這可能是中國產(chǎn)業(yè)結(jié)構(gòu)合理化水平較高的城市, 高技術(shù)服務(wù)業(yè)的技術(shù)附加值有限, 未能產(chǎn)生更大幅度的正向工資效應(yīng)． 但就基礎(chǔ)回歸結(jié)果可知, 目前中國大多城市仍處于工資效應(yīng)的拐點左側(cè), 因此, 在發(fā)展高技術(shù)服務(wù)業(yè)的同時, 注重與其他產(chǎn)業(yè)的結(jié)構(gòu)優(yōu)化尤為必要．

4.3 不同技術(shù)附加值外部效應(yīng)

為進一步探究區(qū)域異質(zhì)性分析結(jié)果的可能原因, 本文依據(jù)2014-2018年《中國勞動統(tǒng)計年鑒》中的全國各行業(yè)受教育程度構(gòu)成數(shù)據(jù), 將大學(xué)本科及研究生占比最高的3個行業(yè), 即科學(xué)研究和技術(shù)服務(wù)業(yè), 金融業(yè), 信息傳輸、 軟件和信息技術(shù)業(yè), 劃分為“高精尖”的高技術(shù)服務(wù)業(yè)(tech-hservice)． 實證結(jié)果如表7、 表8所示．

研究發(fā)現(xiàn), 目前中國“高精尖”的高技術(shù)服務(wù)業(yè)對其他行業(yè)勞動力的就業(yè)促進效應(yīng)并不顯著, 但會對其他行業(yè)勞動力的實際工資產(chǎn)生正U形影響． 而相對勞動力技能水平更低的高技術(shù)服務(wù)業(yè), 其就業(yè)人數(shù)增加對其他行業(yè)勞動力具有正向的就業(yè)效應(yīng)和負向的實際工資效應(yīng)． 這可能是由于, 中國“高精尖”高技術(shù)服務(wù)業(yè)占比高的城市多為戶籍限制相對嚴格、 住房供給彈性相對較低的地區(qū)． 而非“高精尖”的高技術(shù)服務(wù)業(yè)就業(yè)增加, 對其他行業(yè)勞動力的實際工資水平目前更多的是不利影響． 一方面是因為其技術(shù)附加值有限, 對非高技術(shù)服務(wù)業(yè)勞動力產(chǎn)生的生產(chǎn)力方面的知識溢出效應(yīng)有限; 另一方面是由于大量發(fā)展非“高精尖”高技術(shù)服務(wù)業(yè)的地區(qū), 多為技術(shù)、 科研基礎(chǔ)較為薄弱地區(qū), 在推動創(chuàng)新發(fā)展戰(zhàn)略, 引進高技術(shù)服務(wù)業(yè)入駐本地時, 忽略了其與本地現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)的適應(yīng)性, 從而產(chǎn)生的知識外溢作用有限[22]．

表7 區(qū)分技能水平的就業(yè)異質(zhì)性分析

表8 區(qū)分技能水平的工資異質(zhì)性分析

5 研究結(jié)論與政策啟示

本文在理論上構(gòu)建考慮了高技術(shù)服務(wù)業(yè)與其他行業(yè)勞動力之間技術(shù)外溢機制與城市住房供給彈性差異的空間一般均衡模型, 并在實證上利用中國城市中觀數(shù)據(jù)與流動人口動態(tài)監(jiān)測調(diào)查微觀數(shù)據(jù), 研究了創(chuàng)新驅(qū)動發(fā)展背景下, 中國城市高技術(shù)服務(wù)業(yè)就業(yè)增加對本地其他行業(yè)勞動力就業(yè)與工資的影響． 研究結(jié)論如下:

(1) 使用就業(yè)乘數(shù)模型估計得到: 中國城市非高技術(shù)服務(wù)業(yè)就業(yè)數(shù)對高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)的彈性為0.58, 高技術(shù)服務(wù)業(yè)的就業(yè)乘數(shù)約為4.32．

(2) 使用雙向固定效應(yīng)模型發(fā)現(xiàn): 中國城市高技術(shù)服務(wù)業(yè)就業(yè)數(shù)與其他行業(yè)勞動力工資水平呈正U形關(guān)系, 平均而言, 拐點大致為城市高技術(shù)服務(wù)業(yè)從業(yè)人員數(shù)達到614萬后．

(3) 異質(zhì)性分析表明: 城市住房供給市場有足夠彈性是保證高技術(shù)服務(wù)業(yè)就業(yè)促進作用發(fā)揮的重要條件． 在高技術(shù)服務(wù)業(yè)發(fā)展初期, 城市產(chǎn)業(yè)結(jié)構(gòu)合理化程度的提高, 能夠減少高技術(shù)服務(wù)業(yè)就業(yè)增加對其他行業(yè)勞動力實際工資的負向影響． 而在城市高技術(shù)服務(wù)業(yè)發(fā)展較為成熟后, 提高其技術(shù)附加值尤為重要．

此外, 要發(fā)揮“高精尖”的高技術(shù)服務(wù)業(yè)的積極就業(yè)效應(yīng), 就需要降低當?shù)匾亓鲃颖趬九c城市住房供給彈性． 而若高技術(shù)服務(wù)業(yè)存在技術(shù)附加值低和地區(qū)產(chǎn)業(yè)配套程度低等問題, 可能會對非高技術(shù)服務(wù)業(yè)的勞動力實際工資產(chǎn)生顯著負向影響．

綜合上述研究結(jié)論, 本文得到以下政策啟示: (1) 各地應(yīng)堅持貫徹落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略, 不斷提高本地產(chǎn)業(yè)的技術(shù)附加值, 推動高技術(shù)服務(wù)業(yè)在區(qū)域的發(fā)展, 并最大程度地幫助高技術(shù)服務(wù)業(yè)就業(yè)擴張在勞動力市場的積極外部效應(yīng)發(fā)揮． (2) 應(yīng)通過增加高技術(shù)服務(wù)業(yè)與其他行業(yè)間勞動力的生產(chǎn)技能知識交流, 增加住房建設(shè)用地供給以提高住房供給彈性, 出臺扶持、 補貼政策等方式, 幫助其他行業(yè)技能或工資水平更低的勞動力留下來, 成功在城市實現(xiàn)就業(yè)． (3) 應(yīng)當有差別地落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略． 創(chuàng)新基礎(chǔ)較為薄弱的地區(qū), 應(yīng)更為重視“因地制宜”地發(fā)展高技術(shù)服務(wù)業(yè), 注意新引進高技術(shù)服務(wù)業(yè)與地區(qū)現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)的協(xié)調(diào)性, 不斷在產(chǎn)業(yè)結(jié)構(gòu)高級化中保障與提升地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的合理度, 進而為產(chǎn)業(yè)間的知識外溢效應(yīng)發(fā)揮提供有利土壤． 而創(chuàng)新基礎(chǔ)較好地區(qū)要致力于不斷提高本地高技術(shù)服務(wù)業(yè)的附加值, 發(fā)展“高精尖”的高技術(shù)服務(wù)業(yè), 推動高技術(shù)服務(wù)就業(yè)擴張, 實現(xiàn)勞動力市場外部效益的最大化與可持續(xù)發(fā)展．

最后, 由于數(shù)據(jù)限制, 本文經(jīng)研究對地區(qū)高技術(shù)服務(wù)業(yè)勞動力增加的就業(yè)效應(yīng)方向與大小以及工資效應(yīng)的方向雖然得到較為準確的結(jié)論, 但是可能存在對高技術(shù)服務(wù)業(yè)就業(yè)擴張的工資積極外部性低估的問題． 這也是未來有待進一步研究的方向．