我国劳动力流动对投资影响的实证分析

孔德军

中图分类号：F830 文献标识码：A

内容摘要：传统的经济增长理论曾预测区域间劳动力流动将会加速不同区域间的收入趋同。但是，与这些预测相反的是，到目前为止，国内实证研究还未发现劳动力流动与区域收入趋同之间存在正向关系。为了验证劳动力流动与投资之间的关系，本文采纳固定效应模型和动态面板（GMM）处理反馈效应。

关键词：劳动力流动 投资 FDI 固定效应模型 GMM

引言

对于我国的经济转型来说，劳动力流动及其对收入趋同产生的影响是非常重要的议题。我国正处在深刻的社会和经济变革当中，也经历着大规模且快速的劳动力流动。总体来说，大部分理论研究都认为区域间劳动力流动会降低区域间收入差异，加速区域间收入趋同。基本的争论来自于新古典增长模型，该模型认为劳动力流出增加了边际劳动产出（例如工资），此外，人口增长率的提高也降低了目标区域的边际劳动报酬。但是，我国目前尚无实证研究来证实这些预测，而有些美国学者的研究显示劳动力流动和趋同速度之间不存在关联，另外一些学者则持相反观点。因此，有些学者开始质疑这一理论，其研究认为，劳动力流动会降低区域趋同速度，甚至会促使其朝反向发展（增加区域差异）。这中间存在着一个有趣的争论，即劳动力流出可能会抑制当地经济投资。简单回顾一下，从柯布·道格拉斯生产函数Y=KαL1-α开始，其中Y、K、L分别代表了产出、资本和劳动力。边际劳动产出为，对K求导得到，结果为正。由此可见，边际资本回报是增加的，可以预见随着劳动力流出，投资将减少。本文旨在做一些初步研究来验证劳动力与投资之间是否存在一定关系。

背景与文献回顾

劳动力流动对收入趋同有着不同的影响。普遍认同的观点是他们之间存在正向影响，其中包括增加流出区域的边际劳动产出以及增加流入地区的人口增长率（Braun，1993；Barro and Sala-i-Martin，1995）。中国学者提出了两种劳动力流出促使收入趋同的机制：低收入劳动力从欠发达地区流向发达地区，这些劳动力将部分收入转回到自己家所在区域（Wang and Fan，2004）。而持怀疑态度的研究者们则认为，劳动力的损失将会抑制投资，从而降低了趋同速度（Rappaport，2005）。相反，资本为了更高的回报则会追随着大规模的劳动力迁移（Williamson，1996）。徐和李（2008）则使用了一个规模回报递增生产函数来验证劳动力和资本流出将会增加区域差异，他们同时使用了计量经济学分析法来支持这一观点。

但是目前几乎没有学者进行实证研究来验证投资于劳动力流动之间的关系。

实证模型

本文的贡献之一是计算了我国城市水平上的劳动力流动，将其用来衡量劳动力的移动速度。假设Mit包括i城市在t期間所有的雇主、自主创业者以及无工作人员，Nit代表i城市的总人口，gi，t代表其自然人口增长率，那么，i城市在t期间的劳动力流动则为△mi，t=Mi，t-Mi，t-1-Ni，t·gi，t。换言之，i城市在这一年的劳动力流动就是参与经济活动的人口（工作者和找工作者）与当地新近加入的劳动力人数之间的差值。有关劳动力流动和投资的另一个问题就是两者间的反馈效应。增加的投资会吸引劳动力，而劳动力增加又会提高资本回报率，从而吸引投资，因此就会出现内生性问题。本文采用了几种措施来处理这一问题：首先，用城市的FDI替代其总投资作为因变量。由于FDI更容易受到利润和资本回报的吸引，因此可以假设，与占总投资比例很大的政府导向投资相比，FDI对边际资本产出的变化更加敏感。此外，FDI体量相对较小，仅占投资的6%左右，因此它所带来的反馈效应在规模上不会太大。其次，使用固定效应模型估算三年的城市级别面板，以便控制无法观察到的静态因素。最后，运用两种方法进行估算。对于固定效应模型，用滞后一年的劳动力流动替代本年的劳动力流动。

如果劳动力流出对投资产生抑制作用的话，上一年的劳动力流出将会或多或少地影响本年度的投资决定。该回归法至少能了解滞后的劳动力流动如何影响当前的FDI。而对于动态面板，使用更高阶的滞后劳动力流动替代当前的劳动力流动。与固定效应模型相对，动态模板对于假设要求不高，而且能更准确地估计劳动力流动对同期投资产生的影响。表1给出了2005-2007年面板数据描述性统计。

所使用的固定效益模型是Fdi=β0t+β1MOBit+γ+ci+eit，其中i从1到285，代表城市；t从1到3，代表时间趋势；MOB是相关变量，代表劳动力流动；是变量，对影响投资决策城市的其他特征进行控制。这些指标均来自于中国县级市投资环境评价体系，每项都是一个二级分项指数。以下给出详细的控制变量：CELL—每年的手机用户量；COLLEGE—正规大学生（数量）；GDPGR—该城市GDP增长率；GDPP—人均GDP（%）；INDPR—二产业从业人员所占比例；INDVALUE—工业总产值；JUNK—工业固体废物的综合利用率（%）；LOAN—年末金融机构所提供的贷款余额；POPU—人口；ROAD—城市道路长度；SAVE—年末城乡居民储蓄存款余额；WATER—城市生活污水处理率（%）；WEB—网络用户（家庭）；WAGE—人均工资。最后，ci代表i城市的固定效应，eit为随机误差项。

结果分析

如表2所示，在回归（1）中，FDI固定效应模型对同期劳动力流动进行回归；在回归（2）中，使用滞后一年的劳动力流动替代同期劳动力流动；而回归（3）增加了一个时间趋势项，采纳的估算方法是使用截面权重的最小二乘法。二者的标准差用白色横截面异方差性-自相关稳健方差矩阵计算得到。很明显，回归（1）中的劳动力流动系数（MOB）为正，规模相对较大，很可能是因为FDI的反馈效应会侵犯到参数，从而使得系数受到偏见。对于回归（2），MOB规模大幅度缩减，从52.59降低到5.704，但重要性不减。95%的置信区间从（25.503，79.669）减到（2.929，8.480）。回归（1）和回归（2）中的系数都不是很大。样本均值为6.607时，基于回归（1）估计的劳动力流动对FDI投资的影响为347.436，仅占FDI平均值的0.98%。但是，如果加上时间趋势，效应规模将从5.7增加到19.4，而统计特性保持稳定。回归中所使用的控制变量大体上类似于中国县级市投资环境评价指数。但是，大学生人口参数（COLLEGE）和城市生活污水处理率（WATER）看起来有些不可思议。

固定效应模型假设了严格的外生性，这意味着对于所有的t和s来说，E（Xit`uis）=0，它要求在任何年度劳动力流动和外商直接投资都是无关联的。这一假设比E（Xit`uit）=0强势得多，在这种情况下很可能会受到触犯。因而，在上一年的投资肯定会影响当年劳动力流动的情况下，使用固定效应模型进行估计，结果将无法保证一致。因此，必须要找到能够克服X和u之间序列相关的方法。

对于动态面板来说，它不需要严格的外生性，而仅仅要求时序外生性，即：E（Xit`uis）=0，其中s>t，即未来的外商直接投资与过去的劳动力流动不相关。很明显，劳动力流动无法参与未来的外商投资活动中，只要能控制住足够滞后的劳动力流动和其他因素，过去的劳动力流动就不会对未来的投资活動产生影响。计量经济模型如下：△Fdi=β1△MOBit+γ+△eit，其中△表示一阶差分，△MOBit由其第二阶段滞后△Mobit-2△Mobit-2替代，由此可得E（Mobit-2-Mobit-3，eit-eit-1）=0。使用广义矩量法对该方程进行估算，通过二阶段最小乘估计，可得到最优加权矩阵，结果如表3所示。

从表3中可以看出，在劳动力流动对FDI影响方面，GMM的估计值要大得多，为正，比较重要。但是，除了手机使用、工业值、贷款和储蓄，其他控制变量系数在重要性上会发生变化。这些变量中的大部分都会有预期迹象，但是其无法抛弃无效假设。

总之，不论是固定效应模型还是GMM模型，两者都提供了肯定的预测。因此，可以得出结论：劳动力流动肯定会影响投资。最有可能的解释就是劳动力流入提高了资本回报，或者说，劳动力流出降低了资本回报，从而驱逐了投资。两种机制可能都起到作用，劳动力负流动占据了大半样本。

稳健性检验/鲁棒性检验

首先检验的是三年中至少有两年的劳动力流动为负的样本。之前预测过劳动力流出会抑制投资，该检验是为了验证的确存在这样的抑制作用。样本尺寸减为480，其中83.315%的劳动力流动为负。结果保持相对稳定（见表4），在鲁棒性检验中，之前在回归中得到的所有结论都仍然成立，仅仅在大小上小幅变化。因此，可以证实的一点是，劳动力流出确实会影响投资，至少在中国城市级别的数据上，这一影响要大于其它正面因素。

Rappaport（2005）的第二个预测是，如果劳动力流出地区的产出水平非常不稳定的话，劳动力流失所带来的抑制作用会更大。也就是说，平均产出越低，劳动力流出所引起的投资损失就越大。由于本文采用的是间接的识别策略，因而会引起小尺寸（small magnitude）问题，因此第二个预测无法在本文框架中进行验证，需要使用其它方法。

结论

本文利用中国县市级的劳动力流动数据，采纳固定效应模型和动态面板模型，检验劳动力流动对投资的影响。结果验证了之前的预测，即由于边际资本产量发生改变，劳动力流动必定会影响投资。巨大的劳动力流出减少了对当地经济的投资，从而降低了趋同速度。这也解释了现存的劳动力流动和收入趋同理论与实证结果冲突的原因。