劳动力成本上升与制造业变迁：动态效应与空间效应

内容提要：劳动力成本上升是我国制造业相对优势下滑的因素之一。本文使用2005-2016年我国30个省（市、自治区）的制造业面板数据，基于双向固定效应模型、动态面板数据模型和空间计量模型综合考察了劳动力成本上升对区域制造业变迁的影响。从全国样本来看，制造业劳动力成本上升降低了制造业在经济总量中的比重，说明我国的制造业还处在转型升级的过渡期;劳动力成本上升推动了企业的技术创新和设备更新，提升了制造业的劳动生产率。动态面板數据模型的回归结果证实，制造业劳动生产率的提升是一个动态积累的过程，随着制造业劳动力成本上升，制造业的劳动生产率也在随之提高。基于空间滞后模型的分析表明，制造业比重的变动在邻近地区具有较强的正向关联性，一个地区的制造业比重上升对邻近地区的制造业比重上升具有显著的推动作用;劳动力成本的上涨不仅会降低这个区域的制造业比重，也会对临近省份制造业比重的上涨产生一定的抑制作用。制造业劳动成本上升与经济转型互为因果，相互促进也相互制约，因此政策上需要积极鼓励制造业技术创新，推动经济快速转型。

关键词：劳动力成本;制造业变迁;动态效应;空间效应

中图分类号：F4299文献标识码：A文章编号：1001-148X（2021）02-0109-10

收稿日期：2020-09-15

作者简介：李绍东（1983-），男，山东聊城人，聊城大学商学院副教授，经济学博士，研究方向：产业经济。

基金项目：山东省社会科学规划研究项目“加快山东装备制造业转型升级研究”，项目编号：14DJJJ11。

一、引言

制造业是国民经济的主体，是立国之本、兴国之器、强国之基，打造具有国际竞争力的制造业，是提升综合国力、保障国家安全、建设世界强国的必由之路。我国已经发展成为全球第一制造大国，这主要得益于长期以来的廉价劳动力资源带来的人口红利。然而，随着人口结构的快速转变和老龄人口增长高峰的到来，我国的劳动力供给逐步呈现负增长的趋势。随着我国经济发展方式转型和产业结构升级，制造业对劳动力的需求由低端转向中高端，在一定程度上推动了劳动力成本的上升。2006-2015年的十年间我国制造业工人的实际工资翻了一番，低成本的劳动力优势正在消失[1]。生产要素在农业部门和非农部门间的转移已不能有效提升配置效率，传统的人口红利也难以为中国经济发展和制造业转型升级提供动力和竞争力。依赖传统要素投入的经济增长方式已经不能适应新一轮科技革命下制造业的发展需求，制造业的发展需要依靠生产率的提高以保持经济增长的可持续性。当前，新一轮科技革命和产业变革与我国加快转变经济发展方式形成历史性交汇，发达国家纷纷实施“再工业化”战略，发展中国家也在积极参与全球产业再分工，我国制造业面临发达国家和其他发展中国家“双向挤压”的严峻挑战。我国制造业发展的资源和环境约束不断强化，劳动力等生产要素成本不断上升，投资和出口增速明显放缓，主要依靠资源要素投入、规模扩张的粗放发展模式难以为继，调整结构、转型升级、提质增效刻不容缓。因此，分析劳动力成本上升对制造业变迁的影响机制，探究劳动力成本上升的条件下我国制造业的转型升级路径，对我国供给侧结构性改革的有力推进和制造业强国战略的实施具有重要意义。

二、文献回顾

劳动力成本上升对制造业变迁的影响一直是经济学界关注的热点问题。生产要素价格的相对变化，尤其是单位劳动力成本的提高，会加速资本与设备的折旧，促使企业加大研发投入以提高生产率，进而推动制造业转型升级[2-4]。从发达国家的工业化历程来看，较高的工资对于刺激美国、英国工业化时期的技术进步起到了重要作用。美国在19世纪之所以比英国具有更快的技术进步速度，一个重要的原因就是更高的劳动力成本所导致的劳动力稀缺，推动美国企业在机械化方面开展了广泛的技术创新[5-6]。与以上学者的观点不同，Kahyarara（2003）[7]、李小胜等（2019）[8]学者则认为低劳动力成本是吸引国外企业到东道国投资建厂的重要因素，劳动力成本的上升存在“倒逼效应”。

廉价的劳动力成本一直是中国制造业国际竞争力的重要来源[9]。近年来，随着物价上涨、教育成本攀升、低生育率和老龄化以及农村劳动力转移殆尽，劳动力供给不足，劳动力成本呈现出明显的上涨趋势[10-11]。2000-2014年，中国制造业的单位劳动力成本大体呈现先降后升的趋势。2007年之后，中国制造业的劳动力成本快速上升，而美国、墨西哥和印度等国家的制造业单位劳动力成本趋于下降或保持稳定，中国制造业单位劳动力成本的优势正在不断缩小[12-13]。从与亚洲四小龙的比较来看，中国制造业劳动力成本仍保持着较大优势，但与亚洲新兴发展中国家相比已经优势殆尽[14]。我国制造业产品的出口竞争力在2012年之后开始出现明显下降，这与我国制造业劳动力成本的变动密切相关[15-16]。

从现有文献来看，劳动力成本对制造业转型升级的影响可以归纳为以下三个方面。一是劳动力成本上升对企业创新行为的影响。董新兴和刘坤（2016）[17]、CEES研究团队（2017）[1]分别基于上市公司面板数据和中国企业劳动力匹配调查数据的研究发现，实际工资水平的上升对企业的创新投入具有正效应。企业通过机器换人、使用自动化设备、改善产品质量来提升盈利能力对冲劳动力成本的上升。二是劳动力成本上升对不同类型制造业行业的影响。阳立高等（2016）[18]、曲玥（2017）[19]基于比较优势理论探讨了劳动力成本对劳动密集型、资本密集型和技术密集型制造业的影响，发现劳动密集型制造业仍有一定的综合成本优势，但发展后劲不足，须转型升级;非劳动密集型产业以更高的生产率和增长速度使其单位劳动力成本的上升更加平缓。三是劳动力成本上升对制造业空间转移的影响。李伟和贺灿飞（2017）[20]、张新芝等（2020）[21]研究指出，劳动力成本越低、交通越便利发达，越有利于吸引和承接产业转移。马双和赖漫桐（2020）[22]利用2000-2013年中国工业企业数据库以及对应城市的最低工资标准数据考察了最低工资标准与FDI进入之间的关系。

劳动力成本对制造业结构的影响不仅体现在时间维度上的变迁，在空间上也具有一定的溢出效应，而现有文献在这两个维度上的研究还有待进一步拓展和完善。本文基于2005-2016年的省际面板数据，使用动态面板数据模型和空间计量模型分别考察劳动力成本影响制造业变迁的动态效应和空间效应。

三、劳动力成本上升与产业结构变迁的时空特征

（一）我国制造业劳动力成本的变动趋势与空间差异

本文對劳动力成本的度量采用的是31个省市的制造业平均工资，数据来自于2005-2017年的《中国统计年鉴》《中国劳动统计年鉴》《中国工业经济统计年鉴》和《中国科技统计年鉴》。

从我国三大经济区①2005-2016年制造业平均工资变动趋势来看（图1），三大经济区域的劳动力成本都呈现明显的上升趋势，而且基本保持了稳定的增长速度。从三大区域的比较来看，2005-2013年期间，我国中部和西部的制造业平均工资水平基本持平，二者不管是绝对量还是变动趋势都保持了较高的一致性。东部的制造业工资水平较中部和西部略高，2013年之前东部与中西部的差距基本保持不变，到2014年，东部制造业平均工资增长迅速，高于西部和中部地区13000元左右，主要原因是上海、天津、广东和江苏四个地区的制造业平均工资出现大幅上涨拉高了平均水平。

从2016年我国制造业平均工资及其增长率的空间分布来看（图2），北京、上海、天津、江苏、重庆、广东、浙江的制造业平均工资处于第一梯队，这些地区大都是我国经济最为发达的东部沿海省份和直辖市，这也反映出制造业平均工资与经济发展水平的高度一致性。从2016年平均工资的增长率分布来看（图3），增长最快的几个地区是贵州、上海、北京、黑龙江、辽宁、浙江和广东，而山西、新疆、天津和宁夏四个地区的制造业工资增长率则在3%以下。从工资增长率的整体情况来看，劳动力成本的上升速度并没有表现出显著的区域分布特征。

（二）我国制造业的发展趋势与空间分布

本部分主要通过两个指标来度量制造业变迁：一是通过制造业增加值占地区生产总值的比重来衡量该地区制造业的相对发展规模;二是通过制造业的劳动生产率衡量制造业的技术水平。

图4显示，我国三大区域的制造业比重在2005-2016年期间大体呈现同样的“M”型波动趋势，2005-2008年呈现上升趋势，2008年爆发的金融危机导致2009年的制造业比重大幅下降，2009年之后又开始爬升，至2011年达到最高点后下降，2016年降到近年来的最低点。从三大区域制造业占GDP的比重来看，西部地区最高，东部次之，中部最低。制造业占GDP的比重不仅与制造业的发展规模和水平有关系，而且受地区农业和服务业发展的影响。对于东部地区，制造业占比虽然低于西部地区，但并不与东部地区经济发展水平相悖，东部地区随着经济的发展，服务业占比越来越大，制造业所占比重相对降低。

劳动生产率是制造业发展水平的重要标志，在一定程度上表明了制造业资源配置效率的高低。图5显示，我国三大区域制造业劳动生产率总体呈现上升趋势，2009年由于金融危机略有减缓。2008年之前，三大区域制造业劳动生产率差距不大，东部和西部持平，中部次之;2009年之后，三大区域制造业劳动生产率逐渐拉开差距，西部最高，中部次之，东部最低，原因是东部地区较中部和西部聚集了大部分的劳动密集型制造业，虽然东部地区的制造业绝对规模远大于中部和西部，但劳动生产率不高，这也说明我国的制造业具有规模优势但还不具有技术优势。

从2016年我国制造业比重的空间分布来看（图6），河南、河北、安徽、吉林、福建和山东的制造业比重较高，上海、云南、甘肃、黑龙江、北京和海南的制造业比重较低，其中，上海和北京的制造业比重较低主要是由于这两个直辖市的服务业比重较高。从2016年各省市劳动生产率的分布来看（图7），内蒙古、湖南、河北、广西、贵州的劳动生产率最高，江西、河南、北京、上海和广东劳动生产率较低。

四、实证研究

（一）总体效应分析

1.模型设定

本文要研究的问题包括两个方面，一是考察制造业劳动力成本上升对制造业比重的影响;二是考察劳动力成本上升对制造业技术结构的影响。结合前期研究文献的变量选择，本文的双向固定效应模型设定为：

模型中，被解释变量为制造业变迁，分别用制造业增加值占地区生产总值比重MSIit和制造业的劳动生产率LAPit来衡量;解释变量中，LNWit代表制造业平均工资，LNIit表示制造业资本投入，LNLit表示制造业劳动力投入;控制变量中，AWIit表示平均工资增长速度，产权结构用国有企业比重SORit来度量，绩效水平用利润率PROit来度量，经济开放程度用出口交货值比重EXPit来度量，地区经济发展水平用人均国内生产总值LNPGDPit来度量，制造业发展的相关产业支撑用金融业所占比重FIPit来度量。此外，模型中αi代表各省份的固定效应，用以控制不被观察到的、不依时间变化的差异性;vt代表时间效应;εit是误差项，其期望值为零，无序列相关，但可能会有异方差。变量的具体描述和计算方法见表1。

2.数据来源与变量描述统计

本部分使用的原始数据均来自于2006-2017年《中国统计年鉴》《中国工业经济统计年鉴》《中国劳动统计年鉴》《中国科技统计年鉴》和国家统计局网站，作者计算了各相对指标的数据，并对总量指标进行了对数变换以消除可能存在的异方差性。根据变量的描述统计表，发现西藏自治区的制造业比重、出口交货值比重、金融业比重等指标与其他省份存在较大差异，不具有一般的统计意义，可以视为离群值，剔除西藏自治区之后30个省（市、自治区）制造业面板数据的变量描述统计结果和各变量间的相关系数见表2和表3。

3.回归结果分析

本部分使用2005-2016年我国30个省（市、自治区）的制造业面板数据进行回归分析，探讨劳动力成本上升对制造业规模和技术水平变迁的影响。面板数据模型的形式选择主要有两种：固定效应模型、随机效应模型。随机效应模型和固定效应模型在处理误差项与解释变量关系时具有本质区别。随机效应模型认为误差项和解释变量不相关，而固定效应模型认为误差项和解释变量是相关的，当样本来自一个较小的母体一般采用固定效应模型。同时，不同地区之间存在异质性因素，当这些异质性因素与随机误差项和解释变量相关时，就会导致回归结果存在误差，而这些异质性都会在固定效应模型中通过一阶差分予以消除。本部分首先分别进行了固定效应模型回归，似然比检验结果显示固定效应模型优于OLS混合模型，然后进行随机效应模型回归并进行豪斯曼检验，检验结果显示排除随机效应模型，选择固定效应模型。本部分还在一般固定效应模型的基础之上加入年度效应虚拟变量，即使用双向固定效应模型考察同时加入个体效应和年度效应时劳动力成本对制造业的影响。

从表4的回归结果来看，在只加入资本和劳动投入的情况下，混合OLS和固定效应模型的回归结果都表明，劳动力成本与制造业比重呈现显著的先上升后下降的“倒U型”关系，此时计算的拐点分别为935和975，根据劳动力成本的统计分布可以看出当前阶段已经经过拐点。在加入所有控制变量后，一般固定效应模型的回归结果同样表明二者呈现“倒U型”关系，计算拐点值为88，可以推断劳动力成本对制造业占比的影响同样为负效应，即随着劳动力成本上升，制造业占比呈下降趋势。在一般固定效应模型基础上控制年度虚拟变量后，劳动力成本的平方项不再显著，劳动力成本在10%的显著性水平上表现出正效应，与前面三个模型的回归结果差异较大，这可能与2008年金融危机后经济政策的影响有关。总体来看，劳动成本上涨降低了制造业比重。分析原因可能主要有以下几个方面。一是劳动力成本上升使得一部分劳动密集型企业和传统制造业的利润降低，被市场淘汰。二是面临劳动力成本上升时，制造业企业为提高利润将资源集中在附加值更高的产品上，放弃低附加值的产品，在一定程度上降低了制造业规模。三是劳动力成本上升会降低制造业企业对劳动力的需求，引起制造业增加值占比下降，即制造业就业“去工业化”会引起制造业增加值“去工业化”，导致制造业比重下降。

劳动生产率是制造业技术水平的重要体现，反映的是我国制造业的发展质量。从劳动力成本对劳动生产率的回归结果来看，一般固定效应模型和双向固定效应模型都显示劳动力成本与劳动生产率之间呈现“倒U型”关系，计算的拐点值分别为1177和1243，根据劳动力成本的取值范围可以判断，劳动力成本对劳动生产率的影响为正，即随着劳动力成本上升，劳动生产率不断提高。在劳动力成本的正效应阶段，制造业平均工资的提高有利于吸收高水平的人才，另一方面，工资的上涨也倒逼企业进行技术创新和生产设备升级改造，提高企业的生产效率和经济效益。

综合总体回归结果来看，劳动力成本上升降低了制造业比重，但劳动力成本的上涨提升了劳动生产率，也正说明我国制造业整体处在转型升级的过渡期，制造业比重下降可能来自落后产能的淘汰，而劳动生产率的提升来自于劳动力成本上升推动企业加强技术创新和设备更新的结果。

（二）动态效应分析

本部分在面板数据模型中引入制造业变迁的滞后项，通过动态面板模型考察劳动力成本上升影响制造业变迁的动态效应。动态面板模型中由于引入了因变量的滞后项，使得因变量与随机误差项相关，并且因变量和自变量之间可能存在相互的因果关系，从而导致严重的内生性问题。为此，本文使用系统广义矩估计（GMM）方法进行动态面板回归，并使用AR（2）统计量和Sargan统计量来检验模型中工具变量的合理性以及干扰项的序列相关问题。

为了消除伪回归，本文选取了LLC和HadriLM两种面板单位根检验方法，表5的结果表明：除了制造业比重外，其他变量都在1%的显著性水平下拒绝存在单位根的原假设，均为平稳时间序列，可以进行模型估计。因为制造业比重在LLC检验下存在单位根，而且劳动生产率与制造业比重相比更能反映制造业变迁的本质，所以本部分只选择劳动生产率作为因变量，模型设定如下：

LAPit=β0+β1LAPit-1+β2LNWit+β3LNIit+β4LNLit+β5SORit+β6PROit+β7EXPit+αi+vt+εit

AR（2）檢验的原假设是不存在二阶序列相关，从表6中的检验结果看，所有方程都在10%的水平上显示不存在序列相关;Sargan检验的原假设是工具变量有效，所有结果均显示工具变量的设定是合理的。

从动态面板数据模型的回归结果来看，劳动生产率的一阶滞后项在所有估计模型中均高度显著，证实制造业劳动生产率的提升是一个动态积累的过程，说明本文设定的动态模型是合理的。在前四个回归模型中，劳动力成本及其平方项均为高度显著，且平方项一致为负，说明劳动力成本对制造业技术结构的影响呈现先增后减的“倒U型”关系。基于回归结果计算出前四个模型中劳动力成本的拐点值分别为109、112、112、1117，结合劳动力成本的取值范围可以判断出我国劳动力成本对制造业技术结构的影响在当前阶段主要为正效应，即制造业劳动力成本上升，制造业的劳动生产率也在随之提高，这与前述双向固定效应模型的结论一致。劳动力成本上升提高制造业企业劳动生产率的机制可以归纳为三个方面：一是高工资水平有利于吸引高水平的员工，有利于企业生产率的提高;二是高工资水平有利于企业员工队伍的稳定，也有利于激励企业员工为企业发展付出高努力水平;三是高工资水平也从反向倒逼企业提升企业的技术水平，进行机械化、自动化和技术升级，这也会大幅提升企业的劳动生产率。从未来趋势判断，随着劳动力成本的进一步上涨，劳动生产率会有下行趋势。面临劳动力成本上升压力，制造业企业需要进一步加快转型升级，需要产业政策加大支持力度推进以企业为主体的技术创新[23]。

（三）空间效应分析

1.模型设定

本部分通过空间计量模型考察劳动力成本影响制造业变迁的空间交互效应。空间计量模型中的交互效应可以分为被解释变量之间的内生交互效应、解释变量之间的外生交互效应和随机误差项之间的交互效应。对应于这三种效应，常用的空间计量模型有空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。鉴于空间杜宾模型是讨论空间计量模型的一般起点，所以本部分先构建空间杜宾模型，并同时考察空间滞后模型和空间误差模型。

SDM模型的一般形式如下：

Y=δWY+αιN+Xβ+WXθ+ε，ε～N（0，σ2In）

其中，W为空间权重矩阵，当θ=0时，SDM模型简化为SAR模型;当θ+βδ=0时，SDM模型简化为SEM模型。本部分的变量选取和数据来源与前文一致，与多数现有文献保持一致，本文选用经济距离空间权重矩阵进行基准分析，使用地理距离空间权重矩阵进行稳健性检验。

2.空间自相关性分析

考察空间效应首先要对制造业变迁的相对规模和效率进行空间自相关性分析。度量空间自相关性通常采用莫兰指数（MoransI）。MoransI的取值范围为[-1，1]，MoransI的绝对值越大，表明空间自相关性越强。由表7可知，2005-2016年制造业比重的MoransI指数都为正值，且均通过1%的显著性检验，这表明制造业比重普遍存在着较高程度的空间相关性，而劳动生产率的空间自相关性在大多数年份均不显著。

3.空间计量模型回归结果分析

按照之前的模型设定，表8给出了OLS、SAR、SEM和SDM四个模型的回归结果。OLS模型的MoranI检验在1%显著性水平上拒绝原假设，表明需要采用空间计量模型;并且R2、对数似然函数值在采用空间计量模型后有较大幅度的提高，表明在考虑了空间因素后，模型拟合得更好，提高了估计有效性。从SAR、SEM和SDM三个空间计量模型来看，虽然SDM模型的R2、对数似然函数值等统计量都要优于SAR和SEM模型，但这两个统计量在三个模型中的差异并不大。因为SDM模型的空间自回归系数并不显著，而且核心自变量劳动力成本的回归系数也不显著，所以本部分基于SAR模型进行分析。

从SAR模型的回归结果来看，劳动力成本对制造业比重的影响显著为负，即随着劳动力成本的上涨地区的制造业占比降低。SAR模型与OLS模型相比，劳动力成本的负效应更大。SAR模型空间自回归系数显著为正（在5%的显著性水平通过检验），说明制造业比重的变动在邻近地区具有较强的正向关联性，即一个地区的制造业占比上升对邻近地区的制造业比重上升具有显著的推动作用。主要原因在于，我国经济发展具有明显的区域分块特征，相邻区域的制造业发展战略往往相近，使得其制造业变迁具有一定的协同性;另一方面，制造业的发展具有一定的技术依赖性，相邻区域的技术溢出也使制造业发展具有一定的同步特征。

从各变量的直接效应和间接效应来看，劳动力成本对制造业占比的直接效应和间接效应都显著为负，说明一个区域劳动力成本的上涨不仅会降低这个区域的制造业比重，也会对临近省份制造业比重的上涨产生一定的抑制作用。由于劳动力在区域间可以实现自由流动，如果一个区域劳动力成本上升，必然会吸引临近地区的优质劳动力，临近地区劳动力供给下降导致工资上涨，由于工资粘性该地区的劳动力成本并不会因为供给上升而下降。劳动生产率的直接效应和间接效应都间接为正，说明劳动生产率的提高不仅提升了该地区的制造业比重而且对临近区域的制造业比重具有正向的溢出效应。劳动生产率代表了制造业的技术水平，劳动生产率的正向间接效应也验证了区域之间存在技术溢出。从表9可以看出所有变量的直接效应和间接效应呈现出了一致性，说明邻近区域间制造业变迁的机制具有较高的同步性，这也为区域间制造业布局和协同发展战略提供了一定依据。

（四）稳健性检验

为进一步确保研究结论的可靠性，结合前期文献的普遍做法，本部分使用各地区制造业增加值占全国制造业增加值的比重替代原制造业比重进行动态效应的稳健性检验，使用地理距离空间权重矩阵代替原经济距离空间权重矩阵进行空間效应的稳健性检验，表10和表11的检验结果与前述结果均保持一致。

五、结论与建议

劳动力作为重要的生产要素，劳动力成本的变动对制造业规模和技术水平具有重要影响。本文通过双向固定效应模型、动态面板数据模型和空间计量模型综合考察了劳动力成本对制造业变迁的影响。总体回归结果表明样本期内劳动力成本的上涨降低了制造业比重，但提升了制造业的劳动生产率，反映出面对劳动力成本上升约束时，我国制造业的产业结构不断优化，发展质量不断提升。动态面板数据模型的回归结果证实制造业劳动生产率的提升是一个动态积累的过程。制造业劳动生产率随着制造业劳动力成本的上涨呈现上升趋势，这与双向固定效应模型的结论一致。空间计量模型的回归结果显示，劳动力成本对制造业比重的影响显著为负，空间自回归系数显著为正，劳动力成本对制造业占比的直接效应和间接效应都显著为负，表明制造业比重的变动在邻近地区具有较强的正向关联性，一个区域劳动力成本的上涨不仅会降低这个区域的制造业比重，也会对临近省份制造业比重的上涨产生一定的抑制作用。

我国经济正处在转变发展方式、优化经济结构和转换增长动力的攻关期，面临制造业劳动力成本不断上涨的压力，要根据区域产业结构特征，引导传统产业转型升级，对于适合转型的要通过研发补贴和税收减免等财税政策积极鼓励转型，同时要兼顾区域之间的制造业发展战略的竞争性和协同性;对于先进制造业，要通过产业政策鼓励企业加大技术创新投入。面对当前新一轮的产业变革和技术革命，要加强对高端产业技术人才的培养以满足企业转型升级的需要。

注释：

①根据我国对经济区域的分类，31个省级单位中辽宁、山东、北京、河北、天津、浙江、江苏、福建、广东、上海和海南划分为东部地区;河南、湖南、湖北、黑龙江、吉林、安徽和江西划分为中部地区;剩余的12个省级单位划分为西部地区。下同。

参考文献：

[1]CEES研究团队.中国制造业企业如何应对劳动力成本上升？——中国企业-劳动力匹配调查（CEES）报告（2015-2016）[J].宏观质量研究，2017（2）：1-21.

[2]Solow，RobertM.TechnicalChangeandtheAggregateProductionFunction[J].ThereviewofEconomicsandStatistics，1957，39（3）：312-320.

[3]Kennedy，Charles.InducedbiasinInnovationandtheTheoryofDistribution[J].TheEconomicJournal，1964，74（295）：541-547.

[4]Romer，PaulM.IncreasingReturnsandLong-runGrowth[J].JournalofPoliticalEconomy，1986，94（5）：1002-1037.

[5]VanReenen，John.TheCreationandCaptureofRents：WagesandInnovationinaPanelofUKCompanies[J].TheQuarterlyJournalofEconomics，1996，111（1）：195-226.

[6]Broadberry，Stephen，andBishnupriyaGupta.TheEarlyModernGreatDivergence：Wages，PricesandEconomicDevelopmentinEuropeandAsia，1500-18001[J].TheEconomicHistoryReview，2006，59（1）：2-31.

[7]KahyararaG.EstimatesoftheProductivityEffectofHigherEducationonTanzanianLaborMarket[J].AmericanEconomicReview，2003，31（7）：606-620.

[8]李小胜，束云霞，李月.中国企业薪酬水平对劳动力错配影响研究[J].哈尔滨商业大学学报（社会科学版），2019（5）：101-119.

[9]钱诚.“中国制造”还具有劳动力成本比较优势吗？——基于动态评价模型的国际比较[J].经济纵横，2020（4）：77-84.

[10]蔡昉.人口转变、人口红利与刘易斯转折点[J].经济研究，2010（4）：4-13.

[11]蔡昉.理解中国经济发展的过去、现在和将来——基于一个贯通的增长理论框架[J].经济研究，2013（11）：4-16，55.

[12]都阳，曲玥.劳动报酬、劳动生产率与劳动力成本优势——对2000—2007年中国制造业企业的经验研究[J].中国工业经济，2009（5）：25-35.

[13]林珊，林发彬.中国制造业分行业单位劳动力成本的国际比较[J].东南学术，2018（6）：92-99.

[14]魏浩，郭也.中国制造业单位劳动力成本及其国际比较研究[J].統计研究，2013（8）：102-110.

[15]王燕武，李文溥，李晓静.基于单位劳动力成本的中国制造业国际竞争力研究[J].统计研究，2011（10）：60-67.

[16]樊士德，沈坤荣，朱克朋.中国制造业劳动力转移刚性与产业区际转移——基于核心-边缘模型拓展的数值模拟和经验研究[J].中国工业经济，2015（11）：94-108.

[17]董新兴，刘坤.劳动力成本上升对企业创新行为的影响——来自中国制造业上市公司的经验证据[J].山东大学学报（哲学社会科学版），2016（4）：112-121.

[18]阳立高，刘念念，柒江艺，等.劳动力成本与利润差异对制造业升级的影响研究[J].财经理论与实践，2016（2）：112-117.

[19]曲玥.中国制造业单位劳动力成本状况及变化态势——对1998-2012年制造业规模以上企业数据的测算[J].劳动经济研究，2017（4）：111-127.

[20]李伟，贺灿飞.劳动力成本上升与中国制造业空间转移[J].地理科学，2017（9）：1289-1299.

[21]张新芝，曾雨菲，李小红.制造业产业转移驱动产城融合发展的评价研究[J].江西社会科学，2020（2）：105-115.

[22]马双，赖漫桐.劳动力成本外生上涨与FDI进入：基于最低工资视角[J].中国工业经济，2020（6）：81-99.

[23]肖德，侯佳宁.中国制造业升级动能转换的路径研究[J].理论探讨，2019（1）：88-95.

RisingLaborCostsandManufacturingChange：DynamicEffectandSpatialEffect

LIShao-dong

（SchoolofBusiness，LiaochengUniversity，Liaocheng252000，China）

Abstract：TheriseoflaborcostisoneofthereasonsforthedeclineofcomparativeadvantageofChina′smanufacturingindustry.Basedonthepaneldataof30provinces（municipalitiesandautonomousregions）inChinafrom2005to2016，thispapercomprehensivelyexaminestheimpactofrisinglaborcostsonregionalmanufacturingchangesbasedontwo-wayfixedeffectmodel，dynamicpaneldatamodelandspatialeconometricmodel.Fromthenationalsample，therisinglaborcostofmanufacturingindustryreducestheproportionofmanufacturingindustryinthetotaleconomy，indicatingthatChina′smanufacturingindustryisstillinthetransitionperiodoftransformationandupgrading;therisinglaborcostpromotesthetechnologicalinnovationandequipmentrenewalofenterprises，andimprovesthelaborproductivityofmanufacturingindustry.Theregressionresultsofdynamicpaneldatamodelconfirmthattheimprovementoflaborproductivityinmanufacturingindustryisaprocessofdynamicaccumulation.Withtheincreaseoflaborcostinmanufacturingindustry，thelaborproductivityofmanufacturingindustryisalsoincreasing.Theanalysisbasedonthespatiallagmodelshowsthatthechangeofmanufacturingproportionhasstrongpositivecorrelationinneighboringareas，andtheincreaseofmanufacturingindustryproportioninoneregionhasasignificantroleinpromotingtheincreaseofmanufacturingindustryproportioninneighboringareas;theriseoflaborcostswillnotonlyreducetheproportionofmanufacturingindustryinthisregion，butalsorestraintheriseoftheproportionofmanufacturingindustryinneighboringprovinces.Theriseoflaborcostinmanufacturingindustryandeconomictransformationarecauseandeffecteachother：promotingeachotherandrestrictingeachother.Therefore，weneedtoactivelyencouragetechnologicalinnovationinmanufacturingindustrytoacceleratethecompletionofeconomictransformation.

Keywords：laborcost;manufacturingchange;dynamiceffect;spatialeffect

（责任编辑：郑州）