中国的工资:经济学分析
上QQ阅读APP看书,第一时间看更新

五、产业集聚外部性和地区工资互动的检验:地理距离重要还是经济距离重要?

(一)空间计量模型的选择

本文的实证部分从基本的OLS回归开始,在第三部分变量选择的基础之上,OLS计量模型为

其中εN(0, σ2In), i=1, …, n, t=2005,2006,2007。

考虑到相邻地区之间经济活动的外部性,本文在这一部分依然采用空间计量模型来修正OLS回归中由于误差项的相关形成的偏误,并通过空间回归系数来判断地区之间工资互动的效应及可能的机制。在进行空间模型选择之前,我们需要建立用于回归的空间权重矩阵。考虑到本文使用的地级市只有286个,西部很多城市都没有包括进来,因此一阶邻近矩阵在反映相邻地区的信息时可能会产生偏误例如,图1中西北端新疆维吾尔自治区的乌鲁木齐市和克拉玛依市由于离其他地区太远,和西南部地区中间的很多地级市没有显示,用Thiessen多边形时可能会将这两个地区本来不相邻的城市形成邻近关系。在探索性数据分析时,由此产生的问题不太严重,毕竟大部分城市都相对集中。但是在实证部分,为保证实证结果的准确性,本文将采用距离远近来构造空间权重矩阵。。因此,本文在实证部分将利用经纬度来计算城市之间的距离,并据以构造空间权重矩阵,具体方法如下:

对角线元素wij=0。此处的距离d可以计算出来,以保证每个城市都有“邻居”,而不形成“独岛”。

根据Anselin和Florax(1995)提出的判别准则,本文在OLS回归的基础上进行空间相关性检验,结果如表3所示。Moran's I指数检验说明经典OLS回归的误差项在三个截面中都存在显著的空间相关。比较LMERR、LMLAG及R-LMERR、R-LMLAG,我们可以发现,尽管空间自回归模型(SAR)和空间误差模型(SEM)都适用,但在这三个截面数据中使用空间误差滞后模型更合适一些。考虑到本文主要是为了查看地区制造业工资之间的空间外溢,接下来的实证结果报告部分将仅选择SAR模型,并在此基础上进行残差的空间自相关性检验,以判断是否要采用广义空间自相关模型(SAC)以进一步考察工资互动的机制。基本的SAR模型如下:

表3 空间相关性检验结果

其中,εN(0, σ2In), X表示影响制造业工资决定的主要因素,即OLS模型中控制的变量。

(二)仅考虑地理因素的地理距离空间权重矩阵结果

表4为按照上述原则构造的普通的地理距离权重矩阵进行回归的结果,也就是说,这一部分仅考虑了地理相邻因素。由于篇幅的原因,本文只详细报告了2007年的结果,对2006年和2005年的实证结果按照LMSAR检验选择性地报告了SAC和SDM回归的结果,以与2007年的情况进行对比。2005—2007年LMSAR值分别为1084、63.59和68.31,远远超过临界值35,这意味着各个截面SAR回归的误差项都依然存在空间自相关。误差项的空间自相关有可能是与解释变量相关的遗漏变量具有空间自相关性引起的,也有可能是遗漏变量虽然与解释变量无关但是自身带有空间自相关性,因此,本文分别用SDM和SAC模型进行调整,并在表4中详细报告了SDM和SAC模型的实证结果。

表4 普通的地理距离空间矩阵实证结果

续前表

注:括号中是t统计量。*p<0.10,**p<0.05,***p<0.01。2006年和2005年的LMSAR值意义不变,只是因为篇幅原因,在报告中放在SAC模型结果那一列,表5也作了同样的处理。

在仅考虑地理相邻的影响下,从SAR回归和SDM回归所报告的空间估计系数ρλ的显著性来看,这三年地区间工资都存在相互联系,相邻地区工资上升对本地区有正向冲击。但是,在控制了误差项的空间自相关后,SAC模型中ρ不再显著,λ显著为正,说明这种正向冲击是间接发生的,并不是因为地区之间直接的工资攀比而起作用的。在SDM模型中,我们可以看到,除了2007年外,出口具有显著的溢出效应,相邻地区制造业出口比例(W_rexp)越高,本地区工资越高。但是,相邻地区的盈利能力(W_profit)以及外资所占比例(W_forrcpt)对本地区工资有着负面影响,特别是在2007年和2005年,这有可能与地方政府之间的晋升锦标赛导致的对外资展开的激烈争夺有关(周黎安,2007)。在晋升锦标赛和产业准入限制的条件下,地方政府更有激励实行地方保护,将外资引入开放性的行业,从而形成地区重复性建设,这直接导致了不同地区制造业构成雷同,从而产生低效率的竞争效应(曹建海,2002;许培源、高伟生,2008)。魏后凯(2001)就认为,重复建设就是指由于生产同类产品的企业数量过多而造成的整个行业的生产能力过剩。这将直接导致行业内企业的恶性竞争,本地外资比例越高,在竞争中越有利,但是对邻近地区却形成威胁,挤压了这些地区的利润空间,降低了企业支付工资的能力。

除了地区工资互动模式外,本文也关注制造业集聚和工资之间的关系及其对工资互动的解释力度。三年的实证结果都显示制造业的集聚度(remp_nation)对工资有显著的正影响,而且这一影响逐年加强。2007年,在控制了空间自相关后,SAC模型和SDM模型的直接效应显示,本地的制造业集聚对本地制造业工资非常有利。在SAC模型中,同时控制被解释变量和误差项的空间自相关后,制造业集聚程度每提高一个百分点,工资上涨110.68元。而在2006年和2005年,这一效应分别为43.78元和11.36元。结合图11和图13所显示的制造业向东部集聚的趋势,我们可以推出,本地制造业集聚对本地制造业工资的影响是随着集聚程度的增加而增加的。但是,在这三年的截面回归中,相邻地区制造业集聚对本地区工资的影响却始终不显著,也就是说制造业集聚的好处是本地化的(localized)。这与Amiti和Cameron(2004)关于印度尼西亚产业集聚对工人影响的结论一致。他们将企业按是否处于产业集聚的“中心”——爪哇——分为两类,发现这种纵向联系产生的集聚对工资的正向影响是高度地方化的,只有处于“中心”地带的工人才能够享受,距离中心地带越远越难分享集聚的好处。也就是说,在仅仅考虑地理因素的情况下,产业集聚的外部性并不能解释产业间的工资互动。

(三)包含地区经济结构的经济距离空间权重矩阵结果

仅基于地理距离建立的空间矩阵最大的问题是只考虑了地理上的相邻,而没有考虑相邻地区经济的差异,对所有相邻地区与本地区的关系都设为相同,因而并不能完全体现相邻地区经济上的相互影响(林光平等,2006)。一般而言,邻近地区产业结构与本地区产业结构越相似,地区之间劳动力流动性越强,工资互动越容易发生。在本文中,也就是说,相邻地区制造业集聚程度与本地区制造业集聚程度越相似,集聚的效应越容易外溢。为了验证这一点,本文引入经济空间权重矩阵W*, W*=W*·E。其中W为上文根据地理距离构造的0—1矩阵,E则表示相邻地区制造业集聚程度的差异。E的定义具体如下:

也就是说,在众多相邻地区中,给集聚程度和本地区相似的地区赋予更高的权重。

实证结果如表5所示。与表4比较,我们可以发现,尽管表示工资互动的估计系数ρλ估计值变小,但是从t统计值来看,显著性明显提高。而且,在考虑集聚程度的相似性后,地区之间工资互动的机制发生了变化。尽管2005年的实证结果表明工资互动依然是间接发生的,但是从2007年的结果来看,即使是控制了误差项的空间自相关,ρ依旧显著为正,也就是说,相邻地区之间存在直接的工资攀比这一互动机制。结合图11和图13所反映的制造业集聚趋势,我们可以推出,在集聚程度较高的情况下,地区之间集聚程度越相似,越容易发生直接的工资互动。这可能与集聚地企业对相似劳动力展开竞争有关。由于劳动力市场共享,Combes和Duranton(2001)所提出的本企业防止其他企业对工人的“窃取”(poaching)效应发挥作用,不同地区制造业在其他地区提高工资的同时也倾向于提高工资。

表5 经济距离权重矩阵实证结果

续前表

注:括号中是t统计量。*p<0.10,**p<0.05,***p<0.01。

值得注意的是,从2005年的结果来看相邻地区制造业出口比例(W_rexp)对本地区的溢出效应不再存在,而邻近地区的制造业集聚(remp_nation)对本地区工资却有显著的促进作用。与2007年的结果进行对比,结合新经济地理学的“中心—外围”假说,本文提出一个猜测,地区间制造业集聚程度越不平衡,集聚的外溢性越小。