数字经济背景下FDI对地区劳动力市场就业的影响研究——基于空间视角的考察

郑宏越 董楠楠

(宁波大学商学院,浙江 宁波 315211)

0 引 言

2020年开始,国际国内经济下行趋势明显,全球价值链加速重构[1],跨国企业全球价值链出现了数字化新特征[2]。跨国企业国际化进入一个新的阶段,全球FDI呈现“低增长”并伴随着大幅波动的新常态,数字技术已经成为FDI流动重要的区位决定因素。因此,在新阶段,我们必须抓住数字技术带来的新机遇,在推动和引领经济全球化的进程中构建国内国际双循环的新发展格局。此外,后疫情时代,国际形势严峻,解决好就业问题始终是经济社会发展的一项重大任务。因此,本文基于城市视角考察FDI对我国地区劳动力市场的影响。同时,考察FDI在数字经济的影响下能否对就业产生更强的促进效果。

1 文献综述

国内外学者对FDI的就业效应的研究主要集中于就业创造和就业替代两个方面。当FDI直接雇用当地的员工,或者通过前后向联系带动了国内企业的生产,从而增加了企业的就业时,FDI对就业就产生了创造效应[3-4]。反之,FDI通过竞争的方式,对国内企业的投资产生了挤出效应,或者FDI的技术溢出效应促进了东道国的技术进步,使得生产效率提高,降低了对劳动力的需求时,FDI就对就业产生了替代效应[5]。总之,目前学术界关于FDI对就业影响的研究尚无一致结论。

关于数字经济、FDI与就业三者之间关系的研究中,对FDI与就业之间关系的研究已经非常丰富,而学者对于数字经济与FDI之间关系的研究也开始增多,主要包括两个角度。第一,从吸收外资总量的角度,国内众多学者研究发现数字经济对引进外资产生了显著的促进作用[6];第二,从FDI区位选择的角度,有学者从空间视角研究发现,数字经济的发展有效提升了该地区FDI的吸引力,并且数字经济与FDI引入均存在显著的空间溢出效应[7-8],可见,数字经济的发展对FDI产生了影响。但是,较少有学者将三者放入一个统一研究框架进行研究。

鉴于此,本文构建同时包含数字经济和FDI的就业效应研究模型,利用我国2004—2019年285个地级市的面板数据,通过空间计量模型实证研究我国数字经济、FDI以及二者交互作用对就业的影响效应,以期得到更具有解释力的实证结果。

2 影响机理与研究假说

2.1 FDI对就业的影响机理分析

FDI对就业有直接的影响,众多理论都认为投资是改善就业的重要途径。根据凯恩斯就业理论、发展经济学就业理论、“两缺口”模式理论及坎普贝尔的投资就业理论可知,中国作为发展中国家,资源及劳动力丰富,但国内投资能力和出口能力较弱,通过引进和利用外资,可以弥补国内的储蓄和外汇缺口,进而促进经济发展,提升就业水平。此外,根据现有文献可知,FDI对就业的影响效应具有两重性。一方面,FDI的流入会增加当地的就业机会,即会给就业带来创造效应[9];另一方面,外资的流入有可能会给当地的企业带来竞争效应,竞争力小的企业可能会面临着被替代的风险,从而会使一部分人面临失业的风险,即挤出效应[10]。但是,基于投资就业理论,这种挤出效应是短期的,从长期来看FDI必然会对就业产生较好的促进效果。因此,本文根据以上理论分析,提出假设1。

假设1:外商直接投资对就业产生促进作用。

2.2 数字经济的调节作用机理分析

数字经济是依托于数字技术的经济发展模式,持续性创新是数字经济发展的核心动力。各地区在全球价值链及吸引外资的竞争中的地位愈发取决于新兴数字技术的实力。部分学者发现数字经济发展水平与我国吸引外资之间呈正相关关系[7]。同时,数字经济通过降低跨国公司在FDI过程中的交易成本,增加了跨国公司的投资意愿[11],表现为数字经济通过提高市场透明度、促使信息更加对称以及降低交易不确定性,从而使交易成本下降。因此,数字经济已成为跨国公司进行区位选择的重要因素。可见,数字经济发展水平高的地方,区位优势越发明显,吸引外资更多,对就业影响效果更显著。因此,本文根据以上理论分析,提出假设2。

假设2:数字经济正向调节FDI对就业的影响。

3 数据说明与模型构建

3.1 变量定义

3.1.1 外商直接投资水平的测算(FDI)

本文选用实际利用FDI存量来衡量我国外资水平,FDI作为资本投入,其前期的残值也会影响当期乃至未来各期的就业率。但是,我国目前的统计数据只有FDI流量,因此,本文利用永续盘存法对我国的实际FDI存量进行估算,具体公式为:

FDIit=(1-δ)FDIi,t-1+fdiit/Pit

(1)

FDIi0=fdii,0/(δ+g)

(2)

其中,FDIit表示第i个城市在第t年的FDI存量;fdiit为实际利用外商直接投资额,即FDI流量;δ为FDI存量的经济折旧率,参照鲁钊阳等[12]的做法,将δ设置为9.6%;P为外商直接投资价格指数,本文选用以2004年为基期的GDP平减指数作为P值,利用其对fdi进行平减,进而得到各城市的FDI实际值;g为i地区在2004—2019年的FDI的年平均增长率。因此,结合式(1)和式(2)即可得到各城市各年的FDI存量。

3.1.2 我国就业水平的测算(emp)

本文采用各地级市就业率来衡量其就业水平(empit),具体测算方法为:

empit=(dwit+syit-unemit)/(totalit)

(3)

其中,i,t分别代表第i个城市、第t年,限于篇幅,下文不再注释;dwit为年末从业人数,syit为城镇私营、个体从业人员数,unemit为年末城镇登记失业人员数,totalit为总人口。

3.1.3 我国数字经济发展水平的测算(D)

本文借鉴了赵涛等[13]的做法,采用互联网普及率、互联网相关从业人员情况、互联网相关产出情况、移动电话普及率和数字创新5个方面的指标,利用熵值法进行客观赋权,构建数字经济发展水平评价指标体系。

3.1.4 控制变量

本文选取了可能影响就业的控制变量,主要包括:外贸依存度(lnOPEN),采用进出口贸易占GDP的比重取对数表示;经济发展水平(lnGDP),采用人均GDP取对数表示;产业结构(lnind),用第三产业增加值与第二产业增加值的比重再取对数表示;平均工资(lnwage),采用职工平均工资取对数表示;政府支持力度(lnzf),采用政府财政支出占GDP的比重取对数表示;金融发展水平(lnfin),采用贷款额占GDP的比重取对数表示;人力资本水平(lnhc),采用普通中高等在校生数占总人口的比重取对数表示。

3.2 数据说明

本文选取我国285个地级市为研究样本,样本数据来源于《中国城市统计年鉴》、中国研究数据服务平台(CNRDS)数字经济数据库、各省份历年统计年鉴、各地级市历年统计公报。此外,鉴于数据的可获得性,本文将研究时间的跨度定为2004—2019年,并采用插值法处理个别城市缺失值。

3.3 模型构建

3.3.1 空间模型检验及设定

本文通过LM、Wald、LR和Hausman检验对模型进行选择,并经过对拟合优度和回归结果的综合考量(限于篇幅,结果省略),最终采用时空双固定空间杜宾模型(SDM)进行测算。根据模型的检验结果,得到本文的空间计量模型:

(4)

(5)

3.3.2 门槛模型设定

为了进一步说明FDI对就业的影响与数字经济的关系,将数字经济发展水平设为门槛变量,构建FDI影响就业的门槛效应模型。如果只存在一个门槛,即使用单门槛模型,如式(6)所示。

(6)

其中,I(·)为示性函数,lnDit为门槛变量数字经济发展水平;q为门槛值,β1为lnDit≤q时FDI对就业的影响系数,β2为lnDit>q时FDI对就业的影响系数。式(6)考虑的是单门槛情形,可以根据样本数据的计量检验等步骤扩充至多门槛情形。

4 实证分析

4.1 空间自相关检验

本文计算了FDI及就业水平的Moran’s I(限于篇幅,结果省略),发现两变量在所有年份均通过了1%的显著性水平检验,表明FDI及就业水平均表现出明显的空间正相关性,可进行空间计量分析。

4.2 FDI对就业的空间效应分析

4.2.1 基准回归结果分析

本文选择空间杜宾固定效应模型进行测算。由表1可知,不同权重矩阵下的空间回归系数(rho)均在1%或5%的显著性水平下通过检验,说明我国各地级市的就业水平有显著的空间互动效应,周边地级市的就业水平对当地的就业水平具有显著的促进作用。

表1 FDI对就业的空间计量模型估计结果

本文进一步在SDM模型基础上进行效应分解,以具体反映空间效应,如表2所示。

表2 效应分解及长期效应检验

从直接效应看,FDI对本地就业产生创造效应。可能的原因为:FDI通过绿地投资或跨国并购等方式,对当地就业产生就业创造效应;FDI通过带动前后关联的行业或企业,促进本地区同行业企业提高技术水平、开拓潜在市场、激发产品需求,从而促进行业发展,实现就业创造效应。

从间接效应看,FDI对邻近地区就业产生负向效应。说明外资企业对邻近地区就业的“虹吸效应”大于“辐射效应”。可能的原因是:一方面,FDI一般选择投向经济较为发达的城市,而对邻近城市就业的“虹吸效应”则造成劳动力大量迁移;另一方面,外资企业的技术溢出效应会促进邻近地区厂商进行技术革新,从而提高这些厂商的竞争能力,对同行业的企业产生竞争性挤出效应,导致失业增加。

4.2.2 长期效应分析

FDI无论是以跨国并购还是绿地投资的方式进入东道国市场,均会对东道国造成短期或长期的影响,进而对就业产生不同的影响,因此,本文采用FDI的滞后项来考察FDI对就业的长期效应。具体检验结果见表2。

从直接效应看,FDI对就业的影响显著为正,说明引进外资是我国稳就业的重要举措。从间接效应看,FDI的系数在投资当期显著为负,说明FDI在初期对邻近地区就业的“虹吸效应”较为明显;滞后1期回归系数不显著,说明此时FDI对邻近地区就业的“虹吸效应”逐渐消失;滞后2期、滞后3期的系数变为显著为正,说明本地区的FDI对邻近地区的就业效应呈现出不断促进的态势,可能的原因是随着外资企业入驻时间的增长,FDI带动了邻近地区相关产业的发展,并带动了邻近地区就业增长。

4.3 数字经济调节效应分析

4.3.1 数字经济调节作用的空间效应分析

在基本模型的基础上,构建FDI与数字经济发展水平的交互项,验证在数字经济的调节作用下FDI对就业的影响效果,回归结果如表3所示。

表3 FDI及数字经济的交互作用对就业的空间计量估计结果

从直接效应看,FDI在数字经济的调节作用下,对本地就业的促进效果更加显著。可能的原因是,越来越多的跨国公司把数字经济作为新的区位决定因素,进而数字经济发展水平高的地方将会吸引更多的外资流入,从而使得外资流入的地区对就业产生大量需求,促进了当地就业水平提高。从间接效应看,FDI的回归系数为负,但是交互项的回归系数为正,说明在数字经济的调节作用下,FDI对就业的抑制作用在减弱。可能的原因是,数字经济的发展降低了企业技术革新的成本,使得企业与邻近地区外资企业合作或者学习的成本降低,更好地促进了邻近地区相关行业的发展,增加邻近地区的就业机会。

4.3.2 数字经济调节作用的门槛效应分析

为考察FDI在数字经济影响下对就业的非线性溢出效应,本文采用面板门槛回归模型进行实证检验。在估计门槛模型之前,首先基于Hansen[14]的方法进行了面板门槛存在性检验。通过“自助法”(boor-strap)反复抽样300次后的结果表明,数字经济发展水平通过了双门槛检验(限于篇幅,结果省略)。表4报告了以数字经济发展水平作为门槛变量时,FDI对就业的门槛效应估计结果。根据回归结果可知,可以将样本分为3组,并且FDI的估计系数在逐渐增大,显著性也在逐渐上升。说明随着数字经济发展水平门槛值的增大,FDI对就业的创造效应更加显著,验证了本文的假设2。

表4 双门槛回归结果

4.4 稳健性检验和内生性检验

为了验证回归结果的稳健性,本文使用替换被解释变量、更换空间权重矩阵等方法进行了稳健性检验。同时,考虑反向因果可能导致的内生性问题,将被解释变量的滞后1期作为控制变量引入模型中,进行内生性检验。上述方法检验结果均与基准回归结果一致,表明本文结论具有一定稳健性(限于篇幅,结果省略)。

5 研究结论与政策建议

本文以2004—2019年我国285个地级市的面板数据为样本,采用空间杜宾模型考察了FDI对我国就业的影响,主要得出两点结论:首先,从整体看,FDI对本地就业产生创造效应,而对邻近地区就业产生负向效应。但在长期效应分析中发现,随着引进外资的时间增长,FDI对邻近地区就业的“虹吸效应”在减弱,并且最终表现为创造效应。其次,FDI在数字经济的作用下对就业的影响更加显著。从空间溢出效应看,数字经济发展水平及FDI的交互项及FDI的回归系数均为正,说明数字经济促进了FDI对本地就业的创造效应,同时,数字经济也抑制了FDI对邻近地区就业的“虹吸效应”。从门槛效应看,数字经济发展水平存在双重门槛,并且随着数字经济发展水平门槛值的增大,FDI对就业的创造效应更加显著。

基于以上结论,本文提出3点政策和建议:一是持续引进外资,促进我国就业稳定;二是加快构建开放协同的数字经济体系,更好地促进FDI对就业的创造效应;三是各地区政府要因地制宜,制定差异化的引资策略。