产业空间结构对劳动力分布的影响

一、产业空间结构对劳动力分布影响

地区差异与经济不平衡是发展过程中常见现象，增长极理论认为，经济增长不是同时发生在各个区域内，而是先在某些点出现快速增长，这些点成为经济增长中心，空间出现极化，由此形成了中心与腹地两大区域经济类型[199]。赛尔奎因的研究表明，产业结构是解释经济增长速度和模式的本质原因，也是经济发展过程中地区差异的集中体现[200]。产业结构对劳动力的分布有直接决定作用，通常来说，一个地区的主导产业必定会产生该产业劳动力的空间集聚，而由于地区产业结构的差异，劳动力分布也会有所不同。京津冀地区虽然在地理空间上紧密联系，而区域经济增长不平衡性已经受到众多学者关注。由于各地区产业结构的素质差异引起经济增长的地域差异，本章以偏离-份额的分析方法，对京津冀地区产业结构对经济增长的贡献情况进行比较分析，从产业空间结构地区差异的角度观察劳动力区域分布。

二、产业空间结构测度

偏离-份额分析法（Shift-share Method）是美国学者Dunn、Perloff、Lampard、Muth等人于20世纪60年代相继提出，80年代初Dunn集各家之所长，总结呈现在普遍采用的形式[201]。偏离-份额法基本原理为：这种方法的基本思路是将选定区域经济增长与比它高一级的区域经济增长动态联系起来比较，具体做法是以全省国民生产总值增长率测算选定区域可能的经济增长份额，然后将这一份额与实际份额作比较，分析选定区域经济增长相对于全省增长的偏离情况[202]。这种偏离的出现主要由产业结构因素和竞争力因素而形成，产业发展水平高的地区经济增长会快于整个地区的平均水平，如果这一区域经济增长率与整个地区平均水平一致，那么这种地区间经济增长的差异是由竞争力因素所导致。因而，一个地区的经济增长（G）可以分解为三个分量[203]：地区增长分量（N）、产业结构偏离分量（P）、竞争力偏离分量（D）。用公式表示为：

式中：Gi—第i产业的产值增长总量；

Ni—第i产业的地区增长分量；

Pi—产业结构偏离分量；

Di—竞争力偏离分量；

e—研究区域各产业产值；

E—整个地区总GDP或各产业产值；

i—第i产业（i=1、2、3）；

0—基期（年）；

t—末期（年）。

选取2008-2012年京津冀及各市区县GDP、三次产业产值等数据，将相应数据分别代入上述公式，计算出京津冀及各市区县的偏离-份额分量，其中各项产值均按当年价格计算。

1.对“两市一省”的分析

表6-9　2008-2012年京津冀GDP增长偏离-份额分析

从表6-9可知，从地区增长分量来看京津冀地区三次产业增长分量都为正值，说明三个地区经济都处于增长之中，北京第三产业增长能力大于第一、第二产业，而天津和河北第二产业增长能力大于第一、第三产业。从三个地区比较来说，北京的增长能力大于天津，天津大于河北。从产业结构偏离分量来看，京津冀地区第一、二产业对经济增长的总量贡献不大，第三产业对京津冀各地区经济增长贡献最大。第三产业结构偏离分量最大的是天津，其次是北京。从竞争力偏离分量来看，北京第二产业竞争力大，天津第一、第二产业竞争力大，河北三次产业的竞争力相对较弱。

从产业结构偏离-份额分析，北京和天津的经济发展状况好于河北，河北处于经济落后局面。从整个地区的总量分析可以看出三地的产业结构差别和地区经济差异，而对于地区内部的不同区域来说，也仍然存在差别。因而，以下从北京、天津、河北的不同市区县做具体分析，由此观察同一地区内部的产业结构差异。

2.对京津冀各市区县的分析

由偏离-份额分析方法得出的结果可知，京津冀各地区三大产业的地区增长分量值都大于0。这表明了三次产业都在增长。其中，第一产业增长分量值大的地区是河北唐山、廊坊；天津武清区、蓟州区、宁河县和宝坻区；北京的顺义区、大兴区。上述地区的第一产业增长能力较之其他地区要强。第二产业增长分量值大的地区是河北唐山、石家庄、邯郸；天津滨海新区、西青区、东丽区；北京海淀区、经济技术开发区。以上几个地区第二产业的增长能力较强，尤其是滨海新区和唐山，在整个京津冀地区中第二产业的增长分量值远大于其他地区。北京地区的第三产业增长力强，海淀区、朝阳区、西城区在京津冀地区增长分量值排前三，天津滨海新区排第四（873.2亿元），河北石家庄、唐山紧随其后（表6-10）。

从产业结构偏离分量来看，在计算期内，京津冀各地区第一、第二产业的结构偏离分量为负值，说明京津冀各地区第一产业对经济增长的总量贡献不大。第三产业结构偏离分量都为正值，说明第三产业对京津冀各地区经济增长贡献最大。第三产业结构偏离分量最大的是天津和平区（165.04亿元），其次为河西区（161.04亿元），北京海淀区（143.08亿元）、朝阳区（141.53亿元）排在其后。北京西城区，天津南开区、河北区结构偏离分量在100亿元以上。河北省石家庄（74.71亿元）、唐山（68.56亿元）结构偏离分量居河北第一、第二位。结构偏离分量在10亿元以内的地区有北京大兴区、石景山区、房山区、通州区，河北邢台、衡水、承德；在5亿元以内的地区有北京门头沟区、怀柔区、平谷区、密云区和延庆区。

从竞争力偏离分量来看，在计算期内，京津冀各地区第一、第二、第三产业的竞争力偏离分量有正有负且地区差异较大：第一产业竞争力偏离分量最高的地区是天津宝坻区，最低的是河北廊坊；第二产业竞争力偏离分量最高的地区是河北石家庄，最低的是河北唐山；第三产业竞争力偏离分量最高的地区是天津滨海新区，最低的是河北唐山。产业竞争力偏离分量低且为负值，并不能说明该地区的第三产业落后于其他地区，同时要考虑产业结构偏离分量（河北唐山居河北第二）。河北地区产业竞争力偏离分量除了石家庄第二产业为正值以外，其余均为负值。

通过上述分析，北京地区产业结构比较均衡，而河北地区相对落后，京津的发展相对距离较小，河北从产业结构对经济增长贡献来看，距离京津有较大距离。

表6-10　京津冀各市区县产业结构偏离-份额分析

（数据来源：依据2008-2012年统计年鉴计算而得）

三、模型3：引入产业空间结构的劳动力分布模型

前两个小结中逐步建立起由产业发展，产业结构升级对劳动力分布影响模型，在本小节进一步引入产业空间结构，建立三个层次上对劳动力分布整体影响模型，并进行实证分析。

1.拓展模型3的构建

在本章第一小节中基于柯布道格拉斯生产函数建立起产业发展对劳动力密度的基础模型，包含了劳动力密度为因变量，产出总量和资本投入为自变量（因计量结果的共线性问题剔除了产出总量变量）的指标。本章第二小节建立产业升级对劳动力密度的拓展模型，包含了劳动力密度为因变量、资本投入为自变量、衡量产业结构升级的产业结构变动方向和产业结构变动速度为新增自变量。不容忽略的是，产业空间结构对于劳动力分布存在很大影响，因此需要将产业空间结构指标引入模型之中。(www.xing528.com)

上文中已经对北京、天津、河北各区市的空间结构做出分析，在这里我们选择三次产业区位熵作为表达产业空间结构的指标。区位熵是表达空间分布的常用概念，通常来说，三次产业的区位熵是产业在空间分布的直接表现，产业对劳动力分布的直接作用会在空间上得以体现。基于基础模型1和拓展模型2，建立产业结构对劳动力分布影响模型，如式6-20所示：

对式（6-20）取对数，以消除异方差对模型的影响：

式中：劳动力密度L'—可以查各地统计年鉴通过简单计算得到；

资本投入K—可以直接在统计年鉴中获得；

产业结构变动方向DIR—以第二、第三产业产值占比之和来表示；

产业结构变动速度SPE—以Moor和KIV值法计算的同期变动趋势相近的向量夹角α0和KIV值的平均值来表示；

三次产业区位熵Qi—可以利用统计年鉴数据计算得到；

εit—包含地区和时间影响的随机误差项。

本书将产业结构变动方向DIR和产业结构变动速度SPE的交互项、三次产业区位熵Qi引入模型之中，得到产业结构三个层次对劳动力密度的影响模型。

2.计量检验

在数据选取上，本书选择的是1985-2013年的时间序列，需要对数据的平稳性和协整关系进行检验。

首先对模型变量的数据分布进行ADF单位根检验，以判断变量取值的稳定性。单位根ADF检验分为三步，第一步是对ln L'、ln K、ln DIR、ln SPE、ln DIR·ln SPE、ln Q1、ln Q2、ln Q3原始时间序列进行检验，将漂移项Intercept和趋势项Trend均设为无附加；第二步是对原始时间序列进行一阶差分后再检验，并附加漂移项；第三部是对原始时间序列的二次差分进行检验，并同时附加漂移项Intercept和趋势项Trend。检验结果见表6-11。

表6-11　变量ADF单位根的检验结果

检验结果表明，变量ln L'、ln K、ln DIR、ln SPE、ln DIR·ln SPE、ln Q1、ln Q2、ln Q3在二阶差分时平稳，根据不同阶平稳的多变量是单整的，可以进行协整检验。

为验证变量ln L'、ln K、ln DIR、ln SPE、ln DIR·ln SPE、ln Q1、ln Q2、ln Q3之间是否存在稳定的线性关系，对变量进行Johansen协整检验，选择有线性趋势但协整方程只有截距的检验标准，检验结果见表6-12。

表6-12　Johansen协整关系检验

Trace test indicates 7 cointegrating eqn（s）at the 0.05 level

*denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis（1999）p-values

根据模型3的Johansen协整检验，在5%显著水平上发现模型拒绝变量之间不存在和最多存在3个协整关系的原假设，即为变量ln L'、ln K、ln DIR、ln SPE、ln DIR·ln SPE、ln Q1、ln Q2、ln Q3之间存在4个或4个以上的线性关系，由此验证了模型中因变量与自变量之间存在线性关系的可靠性。

在计量检验结果的基础上，使用Eiews6.0对变量采用最小二乘估计（LS）法建立线性模型，结果见表6-13：

表6-13　模型3的拟合结果

根据表6-13显示的模型拟合结果，可以发现模型整体拟合效果R2为0.9925，相对较好，处于可以接受的范围内。在对劳动力密度ln L'量产生影响的七个变量中，影响效果较为显著的有：资本投入变量ln K（Prob.＜0.01，在1%水平上显著），产业升级方向变量ln DIR（Prob.＜0.01，在1%水平上显著），产业升级速度变量ln SPE（Prob.＜0.01，在1%水平上显著），产业结构升级整体效应ln DIR·ln SPE（Prob.＜0.05，在5%水平上显著），三次产业区位熵产业结构高级化方向变量ln Q1、ln Q2、ln Q3（Prob.＜0.01，在1%水平上显著）。根据模型拟合系数，在对劳动力密度显著影响的变量中，资本投入增加1%单位，劳动力密度会增加0.1个单位；产业结构变动方向，即第二、第三产业产值占国民经济生产总值比例之和每增加1%单位，则带来劳动力密度增加4.8个单位；产业结构变动速度加快1%单位，则带来劳动力密度减少0.13个单位；产业升级的整体效应会使得劳动力密度减少，产业升级1%会带来劳动力密度减少0.7个单位；第一产业区位熵值增加1%，劳动力密度增加1.22个单位；第二产业区位熵值增加1%，劳动力密度增加3.19个单位；第三产业区位熵值增加1%，劳动力密度增加2.22个单位。

3.结果分析

根据模型3变量拟合的结果，本书可以得出以下结论：

第一，包含资本投入、产业结构升级和产业空间结构对劳动力密度确实产生了影响（模型的拟合优度较高）。产业结构变动对劳动力空间分布的影响是一个综合效应，变动形式不同会带来劳动力空间疏密的差异。

第二，产业结构升级方向对劳动力密度的影响较大，表现为产业结构变动方向会带来劳动力密度的增加幅度较大，这一结果与现实中第二、第三产业集中的区域劳动力往往更为密集这一现象符合。产业结构升级速度变量对劳动力密度影响为负，也就是说速度变化加速会带来劳动力密度变小，现实中表现为产业转型加速过程中，对于劳动力的挤出效应。产业结构升级总的效应使得劳动力密度变小，也可以说，产业升级中对劳动力的挤出效应大于吸纳效应。

第三，三次产业区位熵值增加会使得劳动力密度增加。其中，第二产业对劳动力密度增加的影响力最大，第一产业区位熵值影响最小，第三产业区位熵值影响居中。结果分析表明区域空间第二产业集中分布会使得劳动力在空间的密集分布，因此在调整产业结构时，以疏散劳动力过密集分布为目的结构转换中，除了第三产业的调整之外，第二产业的区域布局也显得尤为重要。