制造业集聚对劳动生产率的动态影响研究

张径伟++杨树旺+++吴超

中图分类号：F062.9 文献标识码：A

内容摘要：制造业的结构调整和转型升级过程中，集聚效应对劳动生产率的影响不可忽视。本文利用2004-2014年长江经济带109个地级市相关数据，借助动态GMM方法，就制造业集聚对劳动生产率的动态影响进行分析。结论表明，长江经济带制造业集聚对劳动生产率存在长期动态影响效应，并出现拥塞效应向促进效应的转换；长江经济带上中下游制造业集聚水平存在差异。因此，依托长江黄金水道的天然交通便利，加快上中下游地区的制造业转移及集聚，有利于提高长江经济带区域劳动生产率，促进整体经济发展。

关键词：制造业集聚 劳动生产率 长江经济带 动态GMM

近年来，我国经济增长面临着较大的下行压力，其中一个很重要的原因在于劳动生产率的下降。从制造业整体来看，依赖规模扩张和投资驱动的低效率增长模式已经陷入瓶颈，难以为继。钢铁、造船、汽车等传统行业的产能过剩问题影响到了劳动生产率的提升，不利于经济的稳定增长。“供给侧改革”要求我国制造业企业加快技术进步，在提升劳动生产率的基础上增加供给。可见，劳动生产率的提高将会成为我国未来经济增长的重要支撑点，同时也是制造业转型升级的重要任务。

制造业的集群特征在所有产业中最为突出，诸多制造业企业的群聚能够带来较为显著的集聚效应（罗勇，2005）。在制造业的结构调整和转型升级过程中，集聚效应对劳动生产率的影响不可忽视。长江经济带是我国新一轮改革开放转型的示范区，作为我国最重要的工业走廊之一，钢铁、汽车等一大批制造业汇聚于此，在今后很长一段时间内将成为我国调结构、稳增长的中坚力量。基于此，本文以长江经济带主要地级市为研究对象，就制造业集聚对劳动生产率的动态规律进行探讨。

相关文献综述

有关制造业集聚对劳动生产率影响的问题探讨，现有的研究大多从产业集聚的“集聚效应”和“拥塞效应”（孙浦阳，2013）两个角度出发，不同的学者的研究结论各异。

希科尼和豪尔（Ciccone&Hall，1993）基于美国非农产业的相关数据分析了其就业密度对生产率的影响，实证结果表明集聚产生的正向作用在就业密度高的地区会更强。其后，希科尼（Ciccone，2002）基于之前的研究，运用跨国数据探究了欧美主要国家二者间的关系，结果表明美国产业集聚带来的正向效应强于欧洲国家。布鲁哈特和梅西斯（Brulhrt&Mathys，2008）对希科尼和豪尔（Ciccone&Hall，1993）的模型进行了如下改进：一是以动态GMM方法对其中的内生性进行了处理，二是探讨了不同行业之间的差异。当然，其实证结果也支持了产业的集聚效应。同时，国内持有同样观点的代表学者当属范建勇（2006），其基于我国的数据也得出了类似的结论。

海德森（Herderson）较早的得出了相反的结论，指出产业集聚会产生“拥挤效应”。此后，不同的学者都对该效应进行了探讨，其中最著名的当属威廉姆森（Williamson）提出的“威廉姆森假说”，该假说认为经济发展的初期主要表现为集聚效应，其后基础设施的完善及资本市场的扩张则会使产业集聚阻碍经济的发展，即二者的关系并不曾显出简单的线性，而存在非线性，即存在临界值。刘修岩等（2010）基于我国的数据，测量了产业集聚与TFP之间的关系，结果表明当越过临界点后产业集聚会降低TFP，从而支持了这一结论。

其后，部分学者转而从动态视角对二者的关系进行探讨。事实上，产业集聚从萌芽到发展过程中的影响不可能是单一和线性的，往往是集聚与拥塞可能会并存，从而达到产业集聚效应的均衡态（Brulhrt&Mathys，2008）。在产业集聚的动态性研究中，内生性问题的处理不可避免（范剑勇，2006）。一方面，遗漏变量的存在会导致严重的内生性，如某些变量不仅会影响劳动生产率，更会对产业集聚水平产生影响，而这就导致了普通最小二乘估计（OLS）的无偏、一致及有效特性受到了干扰；同时，劳动生产率高的地区往往会吸引那些生产率水平较高的企业向该地区集聚，甚至挤出该地区生产水平较低的企业，从而形成一种自选择效应，而这在新经济地理学的异质性作用下会进一步得到强化。

由此可见，理论上产业集聚对劳动生产率的影响存在“拥塞效应”与“集聚效应”两种解释，而经验证据对二种效应均得到了支持；产业集聚对劳动生产率的影响存在动态性与内生性问题，寻找合适的研究方法成为解决此问题的出路。另外，现有的研究还未将产业集聚对劳动生产率的影响研究放置于长江经济带区域范围中展开，这成为本文选择长江经济带这一区域的学术支撑。

研究设计

（一）模型设定

如前所述，集聚既可能带来促进也可能带来拥塞，从而形成一个稳定的均衡态。为此，本文立足于Mathys（2007）的相关研究，对Ciccone（2002）的研究引入科布-道格拉斯（C-D）生产函数度量资本累积，同时以不变跨期替代弹性的永久生存消费者函数建立生产函数的动态性。一般而言，资本累积过程不是一蹴而就的，其本身是一个非常慢速的过程，具有极强的动态性和连续性。但由于资本存量的度量极其复杂，而我国又缺乏对应的相关数据，本文并不探讨其影响，而重点将劳动生产率视作一个动态累积的过程，即其不仅受到滞后期劳动生产率的影响，更受到产业集聚等控制变量当期及滞后期的影响，而这本身也体现了劳动生产率变化具有缓慢累积的特性，在本文中仅将人力资本作为控制变量加入到模型中，具体表达式如下：

Pdt=αPdt-1+β0Ddt+β1Ddt-1+γ0Xdt+

γ1Xdt-1+εd+ρt+νdt

其中，d与t分别表示地区与时间。那么，Pdt就是地区d在t时刻的劳动生产率，Pdt-1则是滞后一期的劳动生产率。对于Ddt和Ddt-1及Xdt和Xdt-1的解释与之类似，D表示产业集聚水平，而X则表示相关的控制变量。同时为了控制不同年份宏观变量的影响，本文还加入了ρt，对应的为了控制地区非时变因素的影响，本文加入了εd，残差项以νdt表示。

在上面的模型表达式中，εd表示非时变效应，其代表了各个地区固有因素的影响，在一定时期内很难发生变化。在这种情况下，模型中加入劳动生产率的滞后一期Pdt-1则会导致其与εd产生极强的相关性，即内生性问题。那么传统的OLS或者固定效应估计结果都将是有偏的，为此本文采用基于大样本的动态面板估计方法对其进行处理，以保证估计结果的合理。

（二）估计方法

如前所述，由于本文模型设定中包含劳动生产率的滞后一期Pdt-1，即动态面板模型与非时变因素εd产生极强的相关性。为此，一个可行的办法是进行一阶差分对个体效应进行处理，然后选取水平变量的滞后项作为差分方程中内生变量的工具变量，这就是Arellano和Bond（1991）提出的，被称为“差分广义矩估计”（first-difference GMM）。这种方法虽然可以在大样本下保证估计结果是一致的，但是其还存在诸多不足。

最明显的问题是，由于“差分广义矩估计”（first-differenceGMM）选取的工具变量为水平变量的滞后项，从而存在工具变量不具有足够的识别效力，即所谓的弱工具问题，进而引发估计偏误。同时，其仅仅利用差分方程的信息，而丢掉了水平方程的相关信息，丧失了更多的矩条件。基于此，“系统广义矩估计量”（systemGMM）被引入其中，其中最具代表性的工作当属于Arellano和Bover（1995）及Blundell和Bond（1998）。针对两个方法的比较，Bond和Windmeijer（2002）的研究指出，由于系统GMM利用了更多水平方程的信息，从而显著降低了小样本情况下的偏误。为此，本文也主要采用该估计方法。

但是，与诸多计量方法一样，系统GMM的使用也是基于众多前提的，主要包括：水平方程中残差项不存在自相关问题，也就是在差分方程中的残差项具有一阶相关，而二阶不相关的特性。同时，对于工具变量的识别，应当满足工具变量不存在过度识别的情况，同时也可以对弱工具问题进行有效处理。

（三）变量选择

本文所使用的数据来自2004-2014年的《中国统计年鉴》及上海、江苏、浙江、安徽、湖北、湖南、江西、重庆、四川、云南与贵州的统计年鉴。主要经济变量如下：

劳动生产率。关于劳动生产率的计算，本文并不采用全要素生产率等较为复杂的方式，而是采用一个相对较为简单的工业产值与就业量的比重来衡量。事实上，诸如范剑勇（2006）与刘修岩（2010）的相关研究均以其作为因变量，论证了该指标的合理性，为此本文出于数据的可得性以及指标对比的难易程度，选取该指标作为劳动生产率的度量变量。

产业集聚。关于产业集聚的度量方式包括较为主观的波特案例分析法，较为滞后的投入产出分析法及较为常用的区位熵法（Location Quotient，LQ）。这其中由于区位熵法既不像波特案例分析法那么依赖专家的主观判断，而是可以基于客观数据进行度量，又不像投入产出分析法需要基于过往的相关资料进行计算，事实上投入产出表的更新一直较为缓慢，而可以动态连续的度量产业的集聚程度，同时其数据的收集和整理难度较小，因而国内外都普遍采用该方法进行度量。

人力资本。人才对于一个地区经济发展，或者劳动生产率的提高具有重要的作用，在相关新经济增长理论的著作中有较多的论述。考虑到人力资本度量的难易程度，本文选取实证中常采用的以在校（中专）人数占比来度量地区人力资本的水平。具体如表1所示。

实证分析

基于前述的理论框架和样本描述，运用STATA软件进行Sys-GMM估计。需要指出的是，为获取较为稳健的估计量，本文在实证分析中加入了“twostep”选项，对应的估计结果如表2所示。

从以上结果可以看出，F（Wald）检验值在OLS、FE与Sys-GMM中均通过1%显著性水平下的检验，且OLS与FE的调整R2分别为0.869与0.862，模型整体显著；对应主模型Sys-GMM，关于AR（2）检验的p值为0.809，表明无法拒绝不存在二阶序列相关的原假设，这表明关于原始方程残差不相关的假定是符合的；同时Sargan过度识别检验的p值为0.16，同样无法拒绝不存在过度识别的原假设，即工具变量与残差项不存在相关性，遗憾的是并没有类似于传统工具变量如IV估计直接给定关于弱工具检验的相关结果。Bun和Windmeijer（2007）的研究指出，当存在弱工具变量问题时，系统GMM得出的结果将会导致估计结果有偏。对此，Bond指出在此类方程中，OLS具有明显的高偏自回归系数的倾向，而FE具有明显低偏自回归系数的倾向，因此系统GMM关于自回归系数的估计结果理应落在二者之间。因此在这种情况下，就可以理解为选取的工具变量不存在弱工具变量问题，即与内生变量具有极强的相关性。事实上，表2关于自回归系数的估计结果在OLS、FE与系统GMM下分别为0.740、0.462与0.476。这就论证了本文选取的工具变量具有较强的合理性。

回归结果表明，三种估计方法均支持了产业集聚与劳动生产率之间的关系存在动态性。具体而言，当期产业集聚会带来拥塞效应，其系数为-0.093，通过了1%水平上的显著性检验，而滞后期产业集聚会带来促进效应，其系数为0.046，也通过了1%水平上的显著性检验。这表明产业集聚在长江经济带的不同时期有不同的影响，短期内由于企业迅速集聚带来的基础设施超载、人口膨胀等问题处于主导地位，其后随着企业竞争过程中的交流、技术扩散等，导致企业及产业之间的协调力度不断增强，进而使促进效应处于主导地位。

实证结果中先出现拥塞，其后出现促进效应的主要原因在于二者的特性存在明显差异，从而在不同阶段达到均衡态。在集聚的初期，大量的企业和人员涌入某个区域，基础配套设施等不可能在当期就得到扩张以满足大量人员和企业的涌入，从而导致短期内人口膨胀、交通堵塞等阻碍生产率提高的行为。此外，一个值得注意的现象是本文的变量选取均是基于人均指标的计算，而事实上人口迅速集聚必然会影响个体产出水平。本文的研究结果也与Brulhrt和Mathys（2008）对欧洲的研究结论类似，其研究指出集聚带来的促进效应不仅依赖于基础设施的完善程度，更依赖于企业间的交流和人员的往来等，而这都需要时间，如基础设施建设不可能当期完成，这也就为地区引入相关产业提供了启发，即完善的规划引导和基础设施建设应该在之前完成。正是由于二者特性的差异，尤其是对于时间的要求才导致了本文回归结果中先出现产业集聚的拥塞效应，其后才出现产业集聚的促进效应。

此外，本文选取的劳动生产率指标和产业集聚指标均为制造业相关数据，而该产业的集聚水平呈现从长江下游经中游向上游递减的趋势，即下游制造业产业集聚程度过高，而上中游地区制造业集聚水平相对偏低。从长江经济带整体制造业集聚对劳动生产率的动态影响规律出发进行考虑，中上游地区应当承接下游地区的制造业转移，在制造业转移的过程中不断加强迁入地基础设施、社会服务、要素资源等水平的提高。

结论

研究结果表明在长江经济带制造业集聚的形成和发展过程中，促进与拥塞效应交替存在，目前促进效应逐渐占据主导地位。具体而言，短期内由于制造业企业迅速集聚带来的基础设施超载、人口膨胀等问题处于主导地位，其后随着企业竞争过程中的交流、技术扩散等，导致企业及产业之间的协调力度不断增强，进而使促进效应处于主导地位；长江经济带上中下游制造业集聚水平存在显著差异，中上游地区产业集聚水平不高，从长江经济带整体出发加以考虑，如何有序推动制造业逐步迁移，提高中上游地区承接能力成为关键。

以上结论就长江经济带制造业集聚对劳动生产率的动态影响做出了判断，对其进一步的制造业发展方向具有重要启示：第一，长江经济带的制造业集聚发展，应当统筹把握上中下游三段地区，把握各地区经济转型、产业转移的战略机遇，推动资本、人才等要素的不断积聚，进而提升长江经济带整体竞争力；第二，未来的很长一段时间，制造业的集聚对劳动生产率将发挥正向效应，应充分利用长江黄金水道的交通便利，加快制造业的区际间合理转移，促进制造业的有效集聚，达到提升劳动生产率的最终目的。

参考文献：

1.罗勇，曹丽莉.中国制造业集聚程度变动趋势实证研究[J].经济研究，2005（8）

2.孙浦阳，韩帅，许启钦.产业集聚对劳动生产率的动态影响[J].世界经济，2013（3）

3.Ciccone，A.and R.E. Hall，Productivity and the density of economic activity[J]. National Bureau of Economic Research，1993

4.Ciccone，A.Input chains and industrialization[J].The Review of Economic Studies，2002，69（3）

5.Brulhart，M. and N.A. Mathys，Sectoral agglomeration economies in a panel of European regions[J]. Regional Science and Urban Economics，2008，38（4）

6.范剑勇.产业集聚与地区间劳动生产率差异[J].经济研究，2006（11）

7.Mathys，N.A.“A Dynamic Model of Sectoral Agglomeration Effects.”mimeo，University of Lausanne（www.hec.unil.ch/nmathys/），2007

8.Arellano，M. and S. Bond，Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J]. The review of economic studies，1991，58（2）

9.Arellano，M.and O.Bover，Another look at the instrumental variable estimation of error-components models[J]. Journal of econometrics，1995，68（1）

10.刘修岩.集聚经济、公共基础设施与劳动生产率—来自中国城市动态面板数据的证据[J].财经研究，2010（5）