人力资本、劳动力价格与FDI流入——基于市域面板数据分析

朱洪平，朱文涛

（1.广东工业大学管理学院，广东广州510520；2.集美大学财经学院，福建厦门361021）

一、引言

1998—2018年，我国使用外商直接投资（Foreign Direct Investment，FDI）的规模从403.19 亿美元增加到1381.35 亿美元，提高了2.4倍。①数据来源：依据EPS数据平台整理。FDI流入一方面能弥补我国经济增长的资本缺口，增加政府财政收入，提高就业率；另一方面其所带来的先进生产和管理技术，有利于促进综合要素生产率的增长，是我国实现经济快速发展的“助推器”（单东方，2020）。改革开放以来，我国凭借廉价的劳动力价格优势成为外商投资的理想地，大量外商资金流入。近年来，这种状况发生了改变，我国人口生育率下降和老龄化速度加快，一些地方“用工荒”和“涨薪潮”频发，预示“刘易斯拐点”的到来，廉价而丰富的劳动力资源的传统优势正变得不可持续。人力资本也是外商企业投资的重要参考因素，随着教育投资的增长，劳动者整体素质得到优化，我国正逐步从人口大国向人力资本强国迈进。因此，研究人力资本和劳动力价格对FDI流入的影响显得十分必要。人力资本和劳动力价格是否会影响FDI流入？ 如果存在影响效应，是否会通过市际间的互动机制，在影响本市FDI流入的同时也影响周边城市FDI的流入？本文通过构建人力资本和劳动力价格对FDI流入的关系模型，深入分析人力资本、劳动力价格对FDI流入的影响机制和路径。

Dziemianowicz 等（2018）从制度层面研究国家治理对外国投资者的影响，认为东道主国家完善的治理基础是吸引外商投资者的重要因素；林巍（2007）和Halvorsen（2012）将考察重点放在产业集聚对FDI的影响上，认为产业集聚所具备的集聚经济性是吸引FDI流入的主要动因。也有学者从汇率波动方面进行研究，认为汇率的不稳定会阻碍FDI的流入（赵文霞，2018）。还有学者从人力资本和劳动力价格的视角进行论述，在人力资本方面，Noorbakhsh 等（2001）以发展中国家作为研究样本，提出人力资本是影响FDI的重要因素，且影响程度随时间推移而增加的观点。沈坤荣和田源（2002）以全国省域面板数据作为研究样本，认为提高人力资本存量有助于增加外商投资规模和投资金额。潘春阳和吴柏钧（2019）通过构建地区多维度人力资本指标，以省级面板数据作为实证样本进行分析，研究结果显示各维度人力资本指标的增长均有利于地区FDI的流入，且影响效应还呈现不断放大效应。Hammami（2019）也有类似发现。

已有研究大都肯定了人力资本对外商投资的积极影响，但也有部分研究否定了人力资本在外商投资中的积极作用。张家滋等（2015）基于2003—2012年我国省域面板数据的研究结果表明，市场规模大小、市场开放度和劳动力总量是外商投资的主要影响因素，相比而言，人力资本对外商投资的影响并不明显。李江辉等（2019）基于面板门槛模型与面板固定效应模型实证检验分析后认为，人力资本对FDI流入会因所处的阶段不同而产生不同的作用，当人力资本从低水平阶段转化为高水平阶段时，其对FDI流入的吸引力也从强转弱。Mina（2020）认为贸易开放和基础设施发展对FDI流入具有正向促进作用，但人力资本质量的提高却对FDI流入产生负面作用。在劳动力价格影响方面，Luo 等（2014）研究了我国内陆地区外商投资选址偏好，认为丰富的自然资源和低价的劳动力是我国内陆地区吸引外商投资的因素，但重要性低于政策激励对外商投资的影响。Li 等（2018）基于1980—2016年跨国公司投资地点的研究文献进行分析，总结归纳出劳动力价格成本依然是跨国公司区位选择的主要影响因素。谢科进等（2018）实证分析发现，劳动力价格的提高不利于我国吸引外商直接投资，劳动力价格每提高1个单位，吸引FDI的金额将减少约0.16个单位，且不同区域存在差异。

也有学者认为劳动力价格上升对FDI流入的作用会因时间、地区和行业特征等差异而产生不同的效用。张定胜等（2019）通过实证分析发现，劳动力价格对FDI流入具有“双重效应”，即在前期阶段，劳动力价格的提高意味着劳动力产能的增加，提高了市场竞争力，从而吸引外资投入，但当劳动力价格达到一定程度后，便会对外资的引进产生负向作用。

还有一些学者认为，劳动力价格的提升并没有对外商直接投资产生明显影响。蒋伟和赖明勇（2009）认为外商投资者的区位选择明显受到基础设施条件优劣、市场规模大小、集聚经济水平强弱及劳动力质量差异等要素的影响，相比而言，劳动力价格的作用并不明显。马飒和黄建锋（2014）认为我国劳动力价格、基础设施条件和市场规模均优于周边国家和地区，相比而言，我国在引进外资方面的有利形势并不会因劳动力价格的上升而减弱。

综上，尽管国内外研究文献均将人力资本和劳动力价格纳入FDI流入影响因素的分析框架，但较少考察人力资本、劳动力价格和FDI的空间依赖性和空间外溢效应，这造成传统模型中样本的独立同分布假定不再成立，如果运用传统计量方法，忽略空间相互作用，则很可能出现有偏估计，导致实证分析结果缺乏信度和效度。鉴于此，本文利用2006—2017年全国247个地级市空间面板数据，运用空间计量方法将空间因素纳入研究模型，不再将样本视为相互独立的个体，降低模型估计偏差，克服已有研究中忽略空间交互效应带来的缺陷。另外，在空间权重设置方面，已有文献大多仅构建地理距离权重作为分析基础，认为溢出效用会随距离的增加而衰减，但实际上，空间溢出效应还受到经济差异的影响。基于此，本文除构造地理权重外，还构建经济地理权重以保证结果的稳健性，弥补已有文献忽略经济差异的不足之处。

二、研究设计

（一）指标选取和数据说明

1.被解释变量

考虑到实际利用外资金额具有波动小、较为平稳的特质，本文采用实际利用外资金额和城市年末人口的比值作为衡量FDI流入强度的标准，用lnfdi表示。在收集的数据中，外商直接投资额以万美元为计量单位，而在实证分析过程中，为消除汇率的影响，依据对应年份的汇率，将美元折算成人民币，以进一步提高检验结果的可信度。

2.核心解释变量

（1）人力资本。人力资本是凝聚在劳动者身上的知识、技能和健康等因素的综合体现，是劳动者素质的反映（杨建芳等，2006）。人力资本是一个比较宽泛的概念，且现有统计年鉴中并没有对人力资本进行专门统计。本文借鉴Salike（2016）的构建方法，将人力资本作为一个综合指标，由人力资本教育维度、人力资本支持维度和人力资本健康维度构成，采用每万人高等学校数量、每万人教师数、每万人学生数、每万人政府科技支出、每万人教育支出、每万人医院床位数、每万人医生数作为评价指标，运用主成分分析法构建综合指标，作为衡量人力资本水平的标准，用lnhc表示。

（2）劳动力价格。劳动力价格对外商直接投资的影响存在“双重性”：一方面，劳动力价格的提升增加了企业成本，会降低所在城市的外商直接投资额；另一方面，劳动力价格的提升会激发劳动者的积极性，提高生产效率，从而增强对外商投资的吸引力。职工工资是劳动力价格的重要体现，因此选取城市职工的平均工资作为劳动力价格的测度指标，用lnlp表示。

3.控制变量

（1）经济发展水平。多数情况下，经济水平较高的城市，人们的收入水平通常也较高，具有较强的消费能力和较大的商品需求，从而提高了外商投资的利润率。所以，经济发展水平是当地形成区位优势的重要因素，也是影响外资企业进行投资决策的重要力量。因为GDP是经济发展状况的集中体现，故将人均GDP 作为实证分析模型中经济发展水平的测度指标，用lngdp表示。

（2）交通基础状况。交通基础设施的完善有利于产品的生产、分配和交换等环节的连接。同时，完备的交通体系能促进外资企业的规模生产和扩大商品的市场范围，增强其在全球市场的竞争力。因此，外资企业一般倾向前往交通基础设施更加完备的城市进行投资。本文采用城市货运量与城市年末人口比值作为衡量交通基础设施的指标，用lntrans表示。

（3）信息化程度。信息化的“网络效应”具有类似规模经济的特点，互联网用户越多，其网络价值也越大。信息技术发展便于外资企业信息交流从而提高生产绩效，除此之外，信息化有利于扩大企业产品的销售范围，并通过网络反馈更好地满足用户需要，从而获得更高的市场份额。因此，信息化程度也是外商投资选址的重要考虑因素。本文采用互联网用户数与城市年末人口比值作为城市信息化程度的衡量指标，用lntel表示。

（4）政府投资强度。学界认为，政府支出对外商投资存在“挤出效应”和“挤入效应”。政府投资强度越高意味着财政支出越多，一方面，政府在竞争中处于优势地位，一定程度上会挤占外资企业的投资机会；另一方面，政府在公共领域的投资有利于改善环境，增加与其相关联行业的需求，扩大外商在相关联行业的投资机会。因此，将政府投资强度作为控制变量加入模型，本文采用人均政府财政支出作为政府投资强度的衡量指标，用lnexp表示。

（5）产业结构水平。改革开放以来，我国依靠劳动力禀赋优势吸引了大量外商投资，这些外商投资主要集中在劳动密集型企业。产业结构升级有助于科技进步和社会发展，然而是否有助于FDI流入，依然有待实证检验。本文采用第三产业占GDP的比重作为衡量城市产业结构的标准，用lndus表示。

本文的数据主要来源于历年《中国城市统计年鉴》，为保证数据的平稳性和可比性，增强实证可信度，剔除数据缺失较多的地级市，并用插值法对极个别数据进行填补，排除考察期内行政区划发生变动的城市，如新设立的三沙市、毕节市和同仁市等；由于社会经济制度和统计口径的差异，样本中也不包含港澳台等地区，最终选取247个地级城市作为实证分析样本，时间跨度为2006—2017年。在实证分析之前，先运用面板单位根的方法判断数据的平稳性以避免伪回归，结果显示数据平稳。此外，为进一步提高参数估计的有效性，对所有数据进行对数化处理以降低因异方差导致模型预测被扰乱的影响。变量统计描述如表1所示。

表1 变量描述性统计

（二）空间自相关检验

构建空间计量模型之前，根据各城市研究变量的空间相关性检验判断是否适合采用空间计量模型，参考以往多数文献做法，本文采用Moran’s I 指数对各变量进行空间相关性识别，具体公式如下：

其中，Wij为空间权重矩阵，Xi和Xj分别表示第i个城市和第j个城市的变量值，为研究样本均值为研究样本方差。Moran’s I的取值范围为[-1，1]，当Moran’s I 指数包含于[-1，0）时，表示各研究变量间为空间负相关；当Moran’s I 指数为0，则表示各研究变量间不存在空间相关性；当Moran’s I 指数包含于（0，1]时，表示各研究变量间为空间正相关。

相关空间计量研究文献表明，Moran’s I 指数计算结果和空间计量模型估计结果均受空间权重矩阵Wij的影响。为克服空间权重设置不当所带来的估计偏误问题，提高研究的可信度，本文通过构建地理距离权重和经济地理权重进行空间计量模型估计。

1.地理距离权重

关于地理权重设置方面，大部分学者采用球面距离和欧式距离倒数或者倒数的平方构建地理距离权重，即根据事物距离的远近确立彼此间的亲疏关系。这种权重的构建方法符合“地理学第一定律”的观点，但容易忽略基础设施完善和交通工具发展所带来的时空压缩效应。鉴于此，本文构建基于地理空间距离和行车时间距离的地理权重W1，具体的计算公式如下：

其中，dij为城市i和城市j的距离，借助R 软件测度样本城市的经纬度信息，计算各个城市之间的地理距离，tij为城市i和城市j的行车时间，利用谷歌地图，通过输入两两城市的地址来测度城市间的最短行车时间。

2.经济地理权重

各个城市之间因经济发展差异而导致关联效应不同，即经济水平较发达的城市对外围城市的辐射效应往往更强，借鉴李婧等（2010）的研究方法，构建经济地理权重，具体的计算公式如下：

其中，W2表示经济地理权重，W1表示地理距离权重，为第n个城市在考察期内GDP的平均值，E¯为所有样本城市在考察期内GDP的平均值。

在公式（2）和公式（3）的基础上，运用stata15.0 计算出人力资本、劳动力价格和FDI流入的Moran’s I 指数。如表2所示，2006—2017年人力资本、劳动力价格和FDI流入的各年份Moran’s I 指数在不同的权重矩阵下均显著为正。这表明城市之间人力资本、劳动力价格和FDI流入均呈现显著的空间正相关性。

表2 各变量的Moran’s I 指数值

（三）空间计量模型的构建

1.空间杜宾模型

空间相关性检验表明：人力资本、劳动力价格和FDI流入三个变量的空间关联性客观存在，因此可以建立普通形式的空间杜宾模型（SDM模型）作为本文实证分析的基础，并对不同形式的空间计量模型关系进行梳理分析，SDM模型可表述为：

公式（4）中，Yt为被解释变量，W为空间权重矩阵，Xt为解释变量，pWYt为被解释变量的空间滞后项，表示外围城市的被解释变量对本城市被解释变量的空间溢出效应；θWXt为解释变量的空间滞后项，表示外围城市的解释变量对本城市解释变量的空间溢出作用；α为常数项，In为单位矩阵，ε为随机误差项，p、θ和β为待估参数。

当θ=0，p=0时，则SDM模型将转化为空间误差模型（SEM模型）：

当θ=0时，则SDM模型将转化为空间自回归模型（SAR模型）：

当p=0时，则SDM模型将转化为空间滞后模型（SLM模型）：

2.直接效应和间接效应分析

LeSage和Pace（2009）认为用点估计法对空间溢出效应进行检验可能会出现模型估计偏误问题。因此，运用偏导数的方法将实证分析的总效应分解为直接效应和间接效应，即本地效应和空间溢出效应，即可将公式（4）转化为：

在公式（8）中，矩阵右对角线元素（β1、β2，…，βk）的平均值表示直接效应，即本城市的解释变量对被解释变量的直接影响；非对角线元素的平均值表示间接效应，即外围城市的解释变量对本城市被解释变量的空间溢出影响。由于公式（4）仅为SDM模型的普通形式，结合研究实际，将SDM模型转化为以下具体形式：

其中，lnfdiit表示FDI流入强度，lnhcit表示人力资本，lnlpit表示劳动力价格，lngdpit表示经济发展水平，lntransit表示交通基础状况，lntelit表示信息化程度，lnexpit表示政府投资强度，lndusit表示产业结构水平，wijlnhcit、wijlnlpit、wijlngdpit、wijlntransit、wijlntelit、wijlnexpit和wijlndusit是对应解释变量的空间滞后项。

三、实证结果及分析

在两种不同权重矩阵下，运用stata15.0 软件计算出基于最大似然法的回归结果，如表3所示。在处理空间面板数据前，需对各类模型进行检验比较，以确定采用何种实证模型较为合适。运用LR 检验、LM 检验和Wald 检验分别判定SDM模型是否适宜转化为SEM模型、SAR模型或SLM模型。两种权重矩阵中，检验结果均拒绝原假设，说明相比其他3 种模型，选择SDM模型更为合适。再用Hausman 检验判断随机效应模型和固定效应模型两者的适宜性，检验结果表明采用固定效应模型更为适宜。结合sigma2、log-likelihood和R2进行分析，最终判定运用时间固定效应的SDM模型作为本文实证分析的基准模型最为合适。

表3 空间杜宾模型估计结果

表3（续）

为便于比较，表3列示了SDM模型随机效应的实证回归结果，在不同的权重矩阵中，关于人力资本的系数均显著为正，说明提升人力资本对本城市FDI流入具有显著的正向作用；劳动力价格的系数均显著为负，说明劳动力价格的提高对本地区FDI流入具有显著的负向作用。而从空间滞后项看，在不同空间权重下，人力资本和劳动力价格均显著为负，说明本地区人力资本和劳动力价格的增加对外围城市FDI流入具有显著的消极作用。表3使用点估计法检验空间溢出效应的回归结果，仅能对人力资本和劳动力价格对FDI流入的影响作出初步判断，需利用偏微分方法将人力资本和劳动力价格对FDI流入的影响分解为直接效应和间接效应，分解结果如表4所示。

从表4可以看出，人力资本的直接效应为正，间接效应为负，进一步论证了人力资本会对本地区FDI流入产生积极影响，而对周边地区FDI流入产生消极影响的检验结果。这可能因为劳动力质量较高的地区，外商企业更容易吸引高质量的劳动力，而高质量劳动力往往掌握更多的工作技能和更强的学习能力，有助于降低外商企业的培训费用和沟通成本，最终提高了企业利润。因此，各地区的人力资本状况往往成为外商投资决策的重要参考。本市人力成本的提高对周边城市的FDI流入产生了消极影响，原因可能是随着本地区劳动力价格的提高，对外商投资者的吸引力也有所增加，导致外商对周边城市的投资需求相应减少。

表4 变量的直接效应和偏效应估计

劳动力价格的直接效应和间接效应均显著为负，说明劳动力价格提高不仅会对本市FDI流入产生负面影响，还会产生负的外部性作用，从而抑制了周边城市的FDI流入。可能的原因是外商在我国投资的企业多数是劳动密集型企业，投资者更加关注劳动力价格变化对企业生产成本的影响。劳动力价格上升直接提高了外商企业的生产成本，当劳动力价格优势逐渐消失时，外商企业较倾向于寻找劳动力价格洼地进行投资，从而出现了FDI的跨区转移，因此在其他条件不变时，劳动力价格上升无疑会对FDI流入产生阻滞效应。那么，劳动力价格上升为什么会影响相邻城市的FDI流入？可能的原因是劳动力价格具有明显的空间正相关性，一个城市工资水平的上涨，会使相邻城市工人产生工资增长预期，在劳动力有限供给的情况下，相邻城市工资水平也将跟随上涨，从而促使外商企业寻找更符合其生产成本最小化的区域进行投资活动。

在控制变量中，城市经济发展水平的本地效应系数显著为正，但间接效应不显著，表明良好的经济发展状况能够提高本城市FDI流入，但对周边城市的作用则不明显；交通基础设施的直接效应为正，间接效应不显著，说明交通基础设施的完善能吸引本地区FDI的流入，但对周边地区FDI的流入并没有产生明显的效应；信息化程度直接效应和间接效应均为正，说明信息化程度的提高有助于本地区FDI流入，并通过空间溢出效应增加周边地区FDI的流入；政府支出直接效应和间接效应均为正，说明政府支出强度越高越有利于增加本地区外商投资的吸引力，且具有空间溢出效应，能促进周边地区FDI流入；产业结构直接效应系数值为正，但间接效应却不显著，表明产业结构的优化升级对本市FDI流入具有积极影响，但没有明显影响周边城市FDI的流入。

四、稳健性检验

前文对空间杜宾模型进行了估计，发现本城市人力资本的提高有利于吸引FDI流入，但会通过空间竞争效应抑制周边城市FDI流入；劳动力价格的上升对本城市和周边城市FDI流入均产生抑制效应。这种实证结果是否稳健，需要进一步分析。这部分拟对前文变量设置进行调整，借鉴Salike（2016）的研究方法，构建教育维度指数作为人力资本的衡量指标，分别替代前文的变量设置；以外商直接投资额占GDP 比重作为FDI流入强度的指标；以城市职工平均货币工资与全国平均货币工资额比值作为劳动力价格的衡量指标。表5为更换衡量指标后的估计结果，可以看出在两种不同权重下的实证结果依然支持本文的观点，表明人力资本、劳动力价格对FDI流入具有空间溢出效应的结论非常稳健。

表5 变量替换的稳健性结果

五、结论与建议

本文收集了2006—2017年中国247个城市面板数据，运用SDM模型实证检验人力资本和劳动力价格对FDI流入的本地效应和市际影响，实证估计结果表明：人力资本、劳动力价格和地区FDI流入均具有显著的空间正相关性；人力资本的提升对本城市FDI流入具有显著的正向作用，并通过空间竞争效应对周边城市FDI流入产生负向影响；劳动力价格的提升具有明显的空间负溢出效应，不仅抑制本城市FDI流入，还对周边城市FDI流入产生消极影响。

根据研究结果，本文提出以下建议；

（1）加强区域合作。人力资本、劳动力价格和地区FDI流入三者均具有空间溢出效应，因此各城市需增强交流合作，避免恶性竞争，促进资本和人才的自由有序流动，发挥区域联动优势，创造互利共赢的招商引资格局；同时，在协调和共享的发展理念下，建立城市间的统筹协调机制，共同打造具有全球竞争性的投资环境。

（2）提高人力资本质量。要重视科学教育，探索新型人才培养模式，为社会发展输送高素质及高层次人才；改进医疗服务环境，保障人民生命健康安全；完善人才激励机制，通过人才引进的方式，提升城市人力资本的质量，从而有效吸引FDI流入。