生产率差距、城市化与劳动配置效应

秦佳　李雅楠

摘要：钱纳里等认为随着人均收入的增加，劳动配置效应呈倒“U”型变化趋势，但他们并没有解释其背后的机理。本文认为三次产业的劳动生产率差距是劳动配置效应产生的前提，而工业化和城市化的推进使劳动配置效应得以实现。本文依据截面和时间双固定效应的面板数据模型，采用我国1978～2010年的省级数据，对劳动配置效应的倒“U”型变化趋势进行了验证，发现2008年金融危机前我国的劳动配置效应达到了最高点，当前及未来一段时间内，劳动配置效应还能促进经济的增长，但贡献将会越来越低。

关键词：生产率差距；城市化；劳动配置效应；倒“U”型

中图分类号：F240文献标识码：A文章编号：1000-4149（2014）03-0059-10

DOI：103969/jissn1000-4149201403007

一、引言

劳动配置效应是经济增长的重要源泉[1～2]，特别是在工业化阶段[3]。 多瑞克（Dowrick）与格莫尔（Gemmel）对跨国数据进行分析发现，部门之间的劳动力再配置对GDP的增长有显著贡献，劳动配置效应能够解释1960～1985年间处于工业化阶段的中等收入国家年均GDP增长率超出高收入国家08个百分点中的四分之一[4]。波瓦森（Poirson）基于二元经济理论，对30个发展中国家1965～1980年的数据进行分析发现，劳动配置效应对劳动生产率增长的贡献达到1/3，其中处于工业化阶段的东亚地区的劳动配置效应最大，约为每年095个百分点[5]。

说明：全国劳动配置效应根据本文后面的方法计算，数据来源于《新中国60年统计资料汇编》，2009年和2010年数据用《中国统计年鉴》的数据补齐。

改革开放以来，我国一直处于工业化时期，劳动配置效应对经济增长的贡献显著，1979～2010年劳动配置效应对劳动生产率增长的年均贡献约为219%。然而，劳动配置效应对劳动生产率增长的促进作用并不像要素投入和技术进步那样明确，有些年份的劳动配置效应甚至为负（见图1）。随着工业化和城市化的不断推进，劳动配置效应是否会消失？钱纳里（Chenery）等对跨国数据进行分析发现，劳动配置效应随着人均收入的增加呈倒“U”型变动，在人均收入为1120～2100美元

这里的美元是按1970年价格的计价，下同。时，劳动配置效应最大；在人均收入为3360～5040美元时，劳动配置效应消失[6]。尽管他们并没有解释其背后的机理，但其结论足以表明劳动配置效应存在某种变化规律。因此，本文从理论上和经验上分析在我国工业化和城市化进程中，三次产业劳动生产率差距不断变化的情形下劳动配置效应的变化趋势，并据此判断劳动配置效应在今后一段时间是否继续促进经济增长。

二、文献综述

现有关于劳动配置效应的文献主要集中于劳动配置效应对经济增长有多大贡献这一问题。胡永泰对全要素生产率进行分解，在劳动产出弹性分别为04、05、06三种情形下，对中国1979～1993年的数据分析发现，农业部门劳动力向工业或服务业部门流动产生的效应构成了全要素增长率增长的37%～54%，并认为1985～1993年间97%的年增长率中的12个百分点来自于劳动力的再配置[7]。潘文卿对我国1979～1997年的经济增长率进行了分解，发现年均98%的增长率中劳动配置效应的贡献约为159%[8]。蔡昉和王德文基于包含人力资本的经济增长模型估计劳动产出弹性，并假设三次产业的劳动产出弹性相等，计算出1982～1997年劳动力的配置效应为162%，对经济增长的贡献为2023%[9]。丁霄泉沿用胡永泰的方法，将研究样本扩充到1998年，计算了1979～1984年、1985～1992年、1993～1998年三个时期的劳动配置效率，发现劳动配置效应对GDP增长的贡献为095～132个百分点，其中1985～1992年间的贡献最为显著，为138～206个百分点[10]。严于龙和李小云测算了1980～2005年我国农民工对经济增长的贡献，认为农民进城务工能提升人力资本，并将其作为一个要素引入生产函数，进而估算其产出弹性，最后发现改革开放以来，农民工对经济增长的贡献约为214%[11]。雅克平（Jakopin）对2008年金融危机前后塞尔维亚的经济增长情况进行了分析，发现2002～2008年劳动配置效应年均为-009，并没有促进经济增长；2009～2010年劳动配置效应年均为07，约为劳动生产率增长的486%[12]。杨晓军借鉴钱纳里等的方法，对我国

1985～2009年的时间序列数据进行分析发现，农民工对总产出增长平均贡献率为1658%[13]。

研究劳动配置效应变化趋势的文献并不多。徐现祥和舒元建立了一个简单的劳动结构调整模型来分析劳动配置效应的变化趋势[14]。在他们的模型中，经济被简化为农业和非农业两个部门，非农业部门的边际劳动产出随其劳动份额的增加而递减，农业部门的边际劳动产出随其劳动份额的下降而递增，两部门边际劳动产出的差距随着非农业部门劳动份额的增加由最大逐渐变为零。本文认为，依据他们的劳动结构调整模型并不能推断出劳动配置效应的倒“U”型变化规律。另外，为得到这一倒“U”型变化趋势的序列，他们采用索罗构造技术序列的方法对劳动配置效应序列进行重构，但没有说明其依据。本文认为并没有必要对其序列进行重构，只需要在检验模型中控制三次产业的劳动生产率差距即可，而他们的模型遗漏了这一重要解释变量。再者，他们采用的我国1978～1998年的时间序列数据检验模型的样本量太小，而根据本文前面的研究，在1998年我国的劳动配置效应还没有达到倒“U”型曲线的最高点。段均和杨俊也对我国三次产业之间劳动力的配置效应进行了分析，他们认为劳动配置效应与二、三产业的就业份额高度相关，但并没有得出劳动配置效应的具体变化规律[15]。

关于劳动配置效应的计算方法，现有文献中运用最多的是全要素生产率分解法和塞尔奎因（Syrquin）法。全要素生产率分解法基于劳动配置效应是全要素生产率的重要组成部分[16～17]。在全要素生产率分解法的计算过程中需要估算资本存量以求要素的产出弹性。虽然目前关于资本存量的估算方法非常成熟，但是由于数据缺乏，估算三次产业的固定资本存量仍比较困难。现有研究一般采用情景分析，例如胡永泰、丁霄泉就是在劳动产出弹性分别为04、05、06时进行分析[18～19]。全要素生产率分解法还要根据计算要求假设要素产出弹性在不同时期以及不同产业之间一致，这一假定是否合理值得怀疑。塞尔奎因法的计算过程较全要素生产率分解法简洁，计算所需的数据也容易获得，郭克莎、潘文卿、徐现祥和舒元、姚战琪等对劳动配置效应的计算都是借鉴于塞尔奎因法[20～23]。考虑到数据的可获得性以及劳动产出弹性的难以确定，本文亦采用塞尔奎因法计算三次产业之间的劳动配置效应。

三、工业化和城市化进程中的劳动配置效应

劳动配置效应是对劳动力在不同产业之间重新分配导致的总劳动生产率增长变化

有部分文献研究劳动力在不同地区之间转移或分配产生的效应，本文只关注劳动力在三次产业之间转移带来的效应。的测量[24]。只要三次产业的边际劳动产出存在差距，劳动力从低边际产出的产业转移到高边际产出的产业就能带来更多的产出，产生正的劳动配置效应。产业之间边际劳动产出的差距越大，劳动配置效应越大；反之，劳动配置效应越小。因此，劳动配置效应的变化趋势与边际劳动产出差距的变化趋势一致。虽然没有数据来计算产业之间的边际劳动产出差距，但我们发现边际劳动产出与劳动生产率存在正相关关系。假定产业生产函数为CD形式：

Yi=AiKαiLβi（i=1，2，3）（1）

其中，Yi为第i次产业的产出，Ai为第i次产业的全要素生产率，Ki、Li分别为第i次产业的资本存量和劳动投入，α、β分别为资本和劳动的产出弹性。在（1）式两边对Li求导可得：

YiLi=βAiKαiLβ-1i=βYiLi（2）

公式（2）的经济含义为劳动边际产出等于劳动生产率乘以劳动产出弹性。根据赵慧卿和郝枫的研究，

图2我国三次产业劳动生产率比值

我国三次产业劳动产出弹性的差别并不大，第一产业大约为072～084、第二产业大约为052～072、第三产业大约为042～058，而三次产业劳动生产率的比值都大于3[25]（见图2），因此，劳动生产率的差距可以反映边际劳动产出的差距，也即劳动生产率差距的变化趋势可以反映劳动配置效应的变化趋势。

三次产业劳动生产率的差距并不是固定不变的，因各次产业劳动生产率增长速度的变化而变化。任何一个经济体在进入工业化阶段之前，都以第一产业为经济活动的主体，但第一产业劳动生产率明显低于二、三产业[26]，我国也不例外（见图3）。进入工业化阶段后，三次产业的劳动生产率都开始加速提高，但第二产业的提高速度最快，第一产业最慢，从而导致第一产业与第二产业劳动生产率的差距变大。第二产业的劳动者相比第一产业能够获得更多的产出，促使第一产业的劳动力向第二产业转移，推动工业化和城市化进程。第二产业的壮大刺激了以流通和服务为主的第三产业的发展，第一产业劳动力开始向第三产业转移，进一步推进城市化的发展。随着劳动力的转移，二、三产业的劳动力比重不断加大，当其就业份额达到一定程度后，边际劳动产出开始下降，而第一产业的边际劳动产出开始上升，第一产业与二、三产业劳动生产率之间的差距开始缩小，直至三次产业的劳动边际产出一致。此时，劳动配置效应消失，三次产业之间劳动力的任何流动都导致负的劳动配置效应。因此，随着工业化和城市化的推进，三次产业劳动生产率的差距和劳动配置效应经历一个由小变大再变小的倒“U”型变化过程（见图4）。

改革开放以来，我国三次产业劳动生产率差距的变化趋势大致如此。图3是我国1978～2010年三次产业劳动生产率的对数

图2和图3的劳动生产率是按当年价格计算的，因为这里只关注某一个时期三次产业之间劳动生产率的差距，而不是不同时期之间的比较。更重要的是任何一个基期，三次产业的价格指数都不在同一水平，如果采用劳动生产率的实际值，可能扭曲三次产业的生产率差距。。1978～1986年，我国三次产业劳动生产率的增长速度差不多，第一产业的速度甚至略快，这是因为家庭联产承包责任制的实施刺激了广大农村劳动力的积极性，提高了第一产业的劳动生产率。1987～1995年，三次产业劳动生产率的增长速度基本一致，差距也保持不变。1996～2004年，第一产业劳动生产率的增长速度明显低于二、三产业，第一产业与二、三产业之间的劳动生产率差距逐渐变大，农村劳动力向二、三产业转移带来的配置效应也逐渐变大。2005～2010年，第一产业劳动生产率的增长加速，增速超过二、三产业，劳动生产率的差距开始缩小，劳动配置效应开始下降。因此，从图3来看，我国农村劳动力转移到二、三产业带来的劳动配置效应呈倒“U”型变化趋势。

劳动生产率比值的变化趋势图也能反映劳动配置效应的倒“U”型变化规律。从图2可以看出，二、三产业的劳动生产率明显高于第一产业，并且在1996～2004年间，二、三产业与第一产业劳动生产率的比值显著递增，2004年之后，两个比值又开始递减。因此，从图2来看，我国劳动配置效应也呈倒“U”型变化规律。

为了进一步验证我国劳动配置效应随着工业化和城市化的推进呈倒“U”型变化趋势，本文在徐现祥和舒元的模型[27]基础上，建立如下三个回归模型，并用我国1978～2010年的省级面板数据对三个模型的系数进行估计、检验。

模型一：Effectit=β0+β1log（gdpit）+β2[log（gdpit）]2+β3Labor21it-1+β4Labor31it-1+αi+γt+uit

模型二：Effectit=β0+β1Struit+β2Struit2+β3Labor21it-1 +β4Labor31it-1+αi+γt+uit

模型三：Effectit=β0+β1Urbanit+β2Urbanit2+β3Labor21it-1 +β4Labor31it-1+αi+γt+uit

Effectit、gdpit、Struit、Urbanit分别表示第i个省区在t时期的劳动配置效应、人均实际GDP、二三产业就业份额、城市化水平；Labor21和Labor31分别表示二、三产业与第一产业劳动生产率的比值，在模型中取滞后一期值是因为上一期的生产率差距越大，当期的劳动配置效应才可能有较大的上升空间

模型中不加入二、三产业劳动生产率比值变量Labor23，是因为Labor21和Labor31两个变量联合起来可以反映该变量的变化情况。另外，第二产业劳动生产率明显高于一、三产业，Labor21和Yi=AiKαiLβi （i=1，2，3）存在较强的相关性，加入Labor23可能会引起多重共线性问题。；αi为各省区的固定或随机效应；t为时间虚拟变量。模型一用于检验钱纳里等“随着人均收入的增加，劳动配置效应呈倒‘U型变化趋势”的论断；模型二用于检验随着二、三产业的发展，劳动配置效应是否呈倒“U”型变化趋势；模型三用于检验随着城市化的发展，劳动配置效应是否呈倒“U”型变化趋势。

四、劳动配置效应的计算方法与数据来源

1.劳动配置效应的计算方法

本文采用赛尔奎因计算劳动配置效应的方法[28]。总产出等于三次产业的产出之和：

Y=∑3i=1Yi（3）

其中，Y为总产出，Yi为第i次产业的产出。将（3）式两边除以总就业量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y为总劳动生产率，yi、γi分别为第i次产业的劳动生产率和就业份额。在（4）式两边对时间求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右边第二项即为劳动配置效应，等于总劳动生产率的增长率与以各部门产出份额为权重计算的各部门劳动生产率增长率的加权和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）为劳动配置效应，Gy为总劳动生产率的增长率，ρi为第i部门的产出份额，Gyi为第i部门劳动生产率的增长率。

2.数据来源与说明

改革开放之前，我国三次产业之间劳动力的流动并不显著，测算1978年之前的劳动配置效应没有太大意义，所以本文只分析1978年以来我国各省区三次产业之间劳动力转移带来的劳动配置效应。计算劳动配置效应需要各地区三次产业的产值、就业人数以及生产指数，国家统计局出版的《新中国60年统计资料汇编》中有各省区这三个指标1978～2008年的数据，2009和2010年的数据用《中国统计年鉴》补齐，其中，重庆市1978～1985年的三次产业就业数据缺失。由于计算过程中涉及劳动生产率的增长率，各省区1978年的劳动配置效应无法计算，所以最终的样本个数为985个。

本文各地区人均实际GDP数据根据《新中国60年统计资料汇编》中的当年价人均GDP和生产指数数据计算而得，并以1978年为基期；二三产业的就业份额根据《新中国60年统计资料汇编》中各地区分产业的就业数据计算而得，同样利用《中国统计年鉴》补齐2009年和2010年的数据。

城市化率用各地区城镇常住人口除以总常住人口得到。《中国统计年鉴》从2005年才开始公布各地区的分城乡常住人口数据，2005年之前，只有三次人口普查年度的数据。本文假定各地区城市化年增长率不变，用1982年、1990年、2000年、2005年四个年度的数据平滑出缺失年份的城市化率。其中，海南省在1990年以及重庆市在2000年才单独普查，相应年份之前的数据缺失。

五、劳动配置效应的倒“U”型趋势检验

1.描述性统计

表1是各省区劳动配置效应，人均实际GDP对数，二、三产业就业份额，城市化水平，第二产业与第一产业以及第三产业与第一产业劳动生产率比值等变量的描述性统计结果。所有变量都有足够大的变化区间，适合于回归分析。二、三产业就业份额的最大值和最小值分别为0961和0148，基本上覆盖其理论取值区间，城市化水平的取值范围也是如此，所以这两个变量的样本数据适合于劳动配置效应的倒“U”型趋势检验。一、二产业和一、三产业之间劳动生产率比值都大于1，能够反映第一产业劳动生产率低于二、三产业的事实，在检验模型中控制这两个比值变量具有合理性。

0299），黑龙江省的年均劳动配置效应最小（-0008）。年均劳动配置效应大于002的省份大多位于东部和中部地区，年均劳动配置效应在001～002之间的省份主要位于中西部地区，年均劳动配置效应小于001的省份主要是经济发展水平较高的北京、天津、上海三大直辖市以及城市化水平较高的东北三省

辽宁、吉林、黑龙江三省2010年的城市化水平分别为6215%、5336%、5566%，全国的城市化水平为5027%，数据由国家统计局提供。，其中吉林和黑龙江两省的年均劳动配置效应为负。可见，各省区的劳动配置效应存在明显的差异，在对三个模型进行检验时，应该考虑地区效应。

图5、图6、图7分别是劳动配置效应（Effect）对人均实际GDP对数、第二和第三产业就业份额、城市化水平的散点图。从图5中可以看出，在人均实际GDP对数较小时，劳动配置效应随着人均实际GDP对数的增加而变大；在人均实际GDP对数达到75左右时，劳动配置效应最大；随着人均实际GDP对数的继续增加，劳动配置效应开始下降。从图6中可以看出，在二、三产业就业比重低于55%时，劳动配置效应随着二、三产业就业份额的增加而增加；在二、三产业就业比重超过55%后，劳动配置效应随着二、三产业就业份额的增加而下降。从图7可知，在城市化水平低于40%时，劳动配置效应随着城市化水平的提升而增加；在城市化水平超过40%后，劳动配置效应随着城市化的进一步发展而下降。因此，从三个散点图可以得出，随着经济发展水平、第二和第三产业就业水平、城市化水平的提升，劳动配置效应呈倒“U”型变动。

2.计量结果分析

本文采用我国省级面板数据依次对三个模型参数进行估计，首先进行混合最小二乘估计，然后对截面和时间双固定效应模型进行估计，最后对截面随机或时间随机效应模型进行估计

这里估计的模型包括截面随机时间固定效应模型、截面固定时间随机效应模型以及截面和时间双随机效应模型，限于篇幅表3并没有报告这几个模型的估计结果。。三个模型双固定效应似然比（LR）检验的卡方统计量的P值都为00000，表明三个模型都应该加入截面和时间双固定效应。三个模型随机效应Hausman检验的卡方统计量的P值也都为00000，拒绝模型中存在截面随机效应或时间随机效应的假设，因此，在三个模型中都加入截面和时间双固定效应最优。表3给出了三个模型的估计结果。

模型一的混合最小二乘估计结果显示，所有解释变量的系数都在5%的显著性水平下显著，但模型调整后的拟合优度仅为00433，另外较低的DW值表明混合回归的残差序列可能存在自相关。相比混合回归结果，模型一在截面和时间双固定效应情形下的估计结果更优。调整后的拟合优度有了明显的改善，提高到02723；DW值增加到187，表明残差序列已不存在明显的自相关。从双固定效应回归结果可知，滞后一期的一、二产业之间和一、三产业之间劳动生产率比值的系数都为正，与“上一期生产率差距越大，当期劳动配置效应越大”的理论假设相符。人均实际GDP对数的一次项系数为正，二次项系数为负，并且都在1%的水平下显著，反映随着经济发展水平的提高，劳动配置效应呈倒“U”型变化趋势，验证了钱纳里等的结论。

四、劳动配置效应的计算方法与数据来源

1.劳动配置效应的计算方法

本文采用赛尔奎因计算劳动配置效应的方法[28]。总产出等于三次产业的产出之和：

Y=∑3i=1Yi（3）

其中，Y为总产出，Yi为第i次产业的产出。将（3）式两边除以总就业量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y为总劳动生产率，yi、γi分别为第i次产业的劳动生产率和就业份额。在（4）式两边对时间求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右边第二项即为劳动配置效应，等于总劳动生产率的增长率与以各部门产出份额为权重计算的各部门劳动生产率增长率的加权和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）为劳动配置效应，Gy为总劳动生产率的增长率，ρi为第i部门的产出份额，Gyi为第i部门劳动生产率的增长率。

2.数据来源与说明

改革开放之前，我国三次产业之间劳动力的流动并不显著，测算1978年之前的劳动配置效应没有太大意义，所以本文只分析1978年以来我国各省区三次产业之间劳动力转移带来的劳动配置效应。计算劳动配置效应需要各地区三次产业的产值、就业人数以及生产指数，国家统计局出版的《新中国60年统计资料汇编》中有各省区这三个指标1978～2008年的数据，2009和2010年的数据用《中国统计年鉴》补齐，其中，重庆市1978～1985年的三次产业就业数据缺失。由于计算过程中涉及劳动生产率的增长率，各省区1978年的劳动配置效应无法计算，所以最终的样本个数为985个。

本文各地区人均实际GDP数据根据《新中国60年统计资料汇编》中的当年价人均GDP和生产指数数据计算而得，并以1978年为基期；二三产业的就业份额根据《新中国60年统计资料汇编》中各地区分产业的就业数据计算而得，同样利用《中国统计年鉴》补齐2009年和2010年的数据。

城市化率用各地区城镇常住人口除以总常住人口得到。《中国统计年鉴》从2005年才开始公布各地区的分城乡常住人口数据，2005年之前，只有三次人口普查年度的数据。本文假定各地区城市化年增长率不变，用1982年、1990年、2000年、2005年四个年度的数据平滑出缺失年份的城市化率。其中，海南省在1990年以及重庆市在2000年才单独普查，相应年份之前的数据缺失。

五、劳动配置效应的倒“U”型趋势检验

1.描述性统计

表1是各省区劳动配置效应，人均实际GDP对数，二、三产业就业份额，城市化水平，第二产业与第一产业以及第三产业与第一产业劳动生产率比值等变量的描述性统计结果。所有变量都有足够大的变化区间，适合于回归分析。二、三产业就业份额的最大值和最小值分别为0961和0148，基本上覆盖其理论取值区间，城市化水平的取值范围也是如此，所以这两个变量的样本数据适合于劳动配置效应的倒“U”型趋势检验。一、二产业和一、三产业之间劳动生产率比值都大于1，能够反映第一产业劳动生产率低于二、三产业的事实，在检验模型中控制这两个比值变量具有合理性。

0299），黑龙江省的年均劳动配置效应最小（-0008）。年均劳动配置效应大于002的省份大多位于东部和中部地区，年均劳动配置效应在001～002之间的省份主要位于中西部地区，年均劳动配置效应小于001的省份主要是经济发展水平较高的北京、天津、上海三大直辖市以及城市化水平较高的东北三省

辽宁、吉林、黑龙江三省2010年的城市化水平分别为6215%、5336%、5566%，全国的城市化水平为5027%，数据由国家统计局提供。，其中吉林和黑龙江两省的年均劳动配置效应为负。可见，各省区的劳动配置效应存在明显的差异，在对三个模型进行检验时，应该考虑地区效应。

图5、图6、图7分别是劳动配置效应（Effect）对人均实际GDP对数、第二和第三产业就业份额、城市化水平的散点图。从图5中可以看出，在人均实际GDP对数较小时，劳动配置效应随着人均实际GDP对数的增加而变大；在人均实际GDP对数达到75左右时，劳动配置效应最大；随着人均实际GDP对数的继续增加，劳动配置效应开始下降。从图6中可以看出，在二、三产业就业比重低于55%时，劳动配置效应随着二、三产业就业份额的增加而增加；在二、三产业就业比重超过55%后，劳动配置效应随着二、三产业就业份额的增加而下降。从图7可知，在城市化水平低于40%时，劳动配置效应随着城市化水平的提升而增加；在城市化水平超过40%后，劳动配置效应随着城市化的进一步发展而下降。因此，从三个散点图可以得出，随着经济发展水平、第二和第三产业就业水平、城市化水平的提升，劳动配置效应呈倒“U”型变动。

2.计量结果分析

本文采用我国省级面板数据依次对三个模型参数进行估计，首先进行混合最小二乘估计，然后对截面和时间双固定效应模型进行估计，最后对截面随机或时间随机效应模型进行估计

这里估计的模型包括截面随机时间固定效应模型、截面固定时间随机效应模型以及截面和时间双随机效应模型，限于篇幅表3并没有报告这几个模型的估计结果。。三个模型双固定效应似然比（LR）检验的卡方统计量的P值都为00000，表明三个模型都应该加入截面和时间双固定效应。三个模型随机效应Hausman检验的卡方统计量的P值也都为00000，拒绝模型中存在截面随机效应或时间随机效应的假设，因此，在三个模型中都加入截面和时间双固定效应最优。表3给出了三个模型的估计结果。

模型一的混合最小二乘估计结果显示，所有解释变量的系数都在5%的显著性水平下显著，但模型调整后的拟合优度仅为00433，另外较低的DW值表明混合回归的残差序列可能存在自相关。相比混合回归结果，模型一在截面和时间双固定效应情形下的估计结果更优。调整后的拟合优度有了明显的改善，提高到02723；DW值增加到187，表明残差序列已不存在明显的自相关。从双固定效应回归结果可知，滞后一期的一、二产业之间和一、三产业之间劳动生产率比值的系数都为正，与“上一期生产率差距越大，当期劳动配置效应越大”的理论假设相符。人均实际GDP对数的一次项系数为正，二次项系数为负，并且都在1%的水平下显著，反映随着经济发展水平的提高，劳动配置效应呈倒“U”型变化趋势，验证了钱纳里等的结论。

四、劳动配置效应的计算方法与数据来源

1.劳动配置效应的计算方法

本文采用赛尔奎因计算劳动配置效应的方法[28]。总产出等于三次产业的产出之和：

Y=∑3i=1Yi（3）

其中，Y为总产出，Yi为第i次产业的产出。将（3）式两边除以总就业量可得：

y=∑3i=1YiLiLiL=∑3i=1yiγi（4）

其中，y为总劳动生产率，yi、γi分别为第i次产业的劳动生产率和就业份额。在（4）式两边对时间求微分可得：

Gy=∑3i=1ρiGyi+∑3i=1ρiGγi（5）

（5）式右边第二项即为劳动配置效应，等于总劳动生产率的增长率与以各部门产出份额为权重计算的各部门劳动生产率增长率的加权和的差值，即：

A（y）=Gy-∑3i=1ρiGyi（6）

其中，A（y）为劳动配置效应，Gy为总劳动生产率的增长率，ρi为第i部门的产出份额，Gyi为第i部门劳动生产率的增长率。

2.数据来源与说明

改革开放之前，我国三次产业之间劳动力的流动并不显著，测算1978年之前的劳动配置效应没有太大意义，所以本文只分析1978年以来我国各省区三次产业之间劳动力转移带来的劳动配置效应。计算劳动配置效应需要各地区三次产业的产值、就业人数以及生产指数，国家统计局出版的《新中国60年统计资料汇编》中有各省区这三个指标1978～2008年的数据，2009和2010年的数据用《中国统计年鉴》补齐，其中，重庆市1978～1985年的三次产业就业数据缺失。由于计算过程中涉及劳动生产率的增长率，各省区1978年的劳动配置效应无法计算，所以最终的样本个数为985个。

本文各地区人均实际GDP数据根据《新中国60年统计资料汇编》中的当年价人均GDP和生产指数数据计算而得，并以1978年为基期；二三产业的就业份额根据《新中国60年统计资料汇编》中各地区分产业的就业数据计算而得，同样利用《中国统计年鉴》补齐2009年和2010年的数据。

城市化率用各地区城镇常住人口除以总常住人口得到。《中国统计年鉴》从2005年才开始公布各地区的分城乡常住人口数据，2005年之前，只有三次人口普查年度的数据。本文假定各地区城市化年增长率不变，用1982年、1990年、2000年、2005年四个年度的数据平滑出缺失年份的城市化率。其中，海南省在1990年以及重庆市在2000年才单独普查，相应年份之前的数据缺失。

五、劳动配置效应的倒“U”型趋势检验

1.描述性统计

表1是各省区劳动配置效应，人均实际GDP对数，二、三产业就业份额，城市化水平，第二产业与第一产业以及第三产业与第一产业劳动生产率比值等变量的描述性统计结果。所有变量都有足够大的变化区间，适合于回归分析。二、三产业就业份额的最大值和最小值分别为0961和0148，基本上覆盖其理论取值区间，城市化水平的取值范围也是如此，所以这两个变量的样本数据适合于劳动配置效应的倒“U”型趋势检验。一、二产业和一、三产业之间劳动生产率比值都大于1，能够反映第一产业劳动生产率低于二、三产业的事实，在检验模型中控制这两个比值变量具有合理性。

0299），黑龙江省的年均劳动配置效应最小（-0008）。年均劳动配置效应大于002的省份大多位于东部和中部地区，年均劳动配置效应在001～002之间的省份主要位于中西部地区，年均劳动配置效应小于001的省份主要是经济发展水平较高的北京、天津、上海三大直辖市以及城市化水平较高的东北三省

辽宁、吉林、黑龙江三省2010年的城市化水平分别为6215%、5336%、5566%，全国的城市化水平为5027%，数据由国家统计局提供。，其中吉林和黑龙江两省的年均劳动配置效应为负。可见，各省区的劳动配置效应存在明显的差异，在对三个模型进行检验时，应该考虑地区效应。

图5、图6、图7分别是劳动配置效应（Effect）对人均实际GDP对数、第二和第三产业就业份额、城市化水平的散点图。从图5中可以看出，在人均实际GDP对数较小时，劳动配置效应随着人均实际GDP对数的增加而变大；在人均实际GDP对数达到75左右时，劳动配置效应最大；随着人均实际GDP对数的继续增加，劳动配置效应开始下降。从图6中可以看出，在二、三产业就业比重低于55%时，劳动配置效应随着二、三产业就业份额的增加而增加；在二、三产业就业比重超过55%后，劳动配置效应随着二、三产业就业份额的增加而下降。从图7可知，在城市化水平低于40%时，劳动配置效应随着城市化水平的提升而增加；在城市化水平超过40%后，劳动配置效应随着城市化的进一步发展而下降。因此，从三个散点图可以得出，随着经济发展水平、第二和第三产业就业水平、城市化水平的提升，劳动配置效应呈倒“U”型变动。

2.计量结果分析

本文采用我国省级面板数据依次对三个模型参数进行估计，首先进行混合最小二乘估计，然后对截面和时间双固定效应模型进行估计，最后对截面随机或时间随机效应模型进行估计

这里估计的模型包括截面随机时间固定效应模型、截面固定时间随机效应模型以及截面和时间双随机效应模型，限于篇幅表3并没有报告这几个模型的估计结果。。三个模型双固定效应似然比（LR）检验的卡方统计量的P值都为00000，表明三个模型都应该加入截面和时间双固定效应。三个模型随机效应Hausman检验的卡方统计量的P值也都为00000，拒绝模型中存在截面随机效应或时间随机效应的假设，因此，在三个模型中都加入截面和时间双固定效应最优。表3给出了三个模型的估计结果。

模型一的混合最小二乘估计结果显示，所有解释变量的系数都在5%的显著性水平下显著，但模型调整后的拟合优度仅为00433，另外较低的DW值表明混合回归的残差序列可能存在自相关。相比混合回归结果，模型一在截面和时间双固定效应情形下的估计结果更优。调整后的拟合优度有了明显的改善，提高到02723；DW值增加到187，表明残差序列已不存在明显的自相关。从双固定效应回归结果可知，滞后一期的一、二产业之间和一、三产业之间劳动生产率比值的系数都为正，与“上一期生产率差距越大，当期劳动配置效应越大”的理论假设相符。人均实际GDP对数的一次项系数为正，二次项系数为负，并且都在1%的水平下显著，反映随着经济发展水平的提高，劳动配置效应呈倒“U”型变化趋势，验证了钱纳里等的结论。