城市規(guī)模與勞動力工資議價

孔 哲，胡以文，梁歡歡

（1.中南財經政法大學公共管理學院，湖北武漢430073；2.桂林航天工業(yè)學院管理學院，廣西桂林541004）

一、引言

城市規(guī)模的工資溢價是勞動經濟學和區(qū)域經濟學研究中一個經久不衰的話題（Rosenthal和Strange，2004）。一般來講，影響工資水平的因素有兩種：一是勞動力與雇主匹配之后的生產率水平及隨之產生的經濟租金，二是勞動力和雇主就經濟租金分配討價還價的結果。一些學者認為大城市匯集了更多高效率企業(yè)，通過租金分享的形式提高了雇員的工資（Au和Henderson，2006；Combes 等，2012；Combes和Gobillon，2015），還有學者認為城市規(guī)模增大會產生更多的共享、匹配和學習效果（Duranton和Puga，2004）。具體來講，共享是指經濟活動主體間共享更便利的基礎設施，更大的勞動力池，更多樣的中間產品，其中，包括經濟風險的分擔以及消費品多樣化；匹配是指隨著城市規(guī)模的增加，中間產品和勞動力與企業(yè)間能夠更恰當?shù)亟M合在一起；學習是指隨著城市規(guī)模的增加引起的經濟密度增加，城市人力資本外部性增加，勞動力可以從其他勞動力那里學習更多的知識，這有利于積累人力資本，企業(yè)間也會產生技術溢出從而提高生產效率。共享、匹配和學習可以降低生產成本，更好地組合生產要素，技術和人力資本外部性提高了生產效率，從而產生了更多的經濟租金。目前，有關多出來的租金如何在企業(yè)和勞動力之間分配的研究甚少，隨著城市規(guī)模的增加，雇主和雇員之間的租金分配會如何變化？

租金分配反映在雇主和雇員的議價結果中，一方的議價能力增強會使租金分配的比例發(fā)生改變。根據合作博弈理論，企業(yè)租金的分配結果受雙方的外部機會、雙方對租金的貢獻度影響。城市規(guī)模增加，雙方的外部選擇也會增加。因為隨著城市規(guī)模增加，城區(qū)內會集中更多的企業(yè)與勞動者，勞動者會搜索能提供更多薪水和更大發(fā)展前景的雇主，雇主也會搜索生產率水平更高、要價更低的勞動力。城市規(guī)模的增加使這兩種活動集中在一個更密集的地區(qū)，且雇主和勞動力的選擇范圍大大增加，競爭更加激烈，這會對雇主和雇員之間的租金分配產生何種影響？ 目前，這一領域尚未充分研究。

研究雇主—雇員議價通常使用雙邊隨機邊界模型來測算雙方的議價能力及議價結果。本文利用這一模型測算每個城市內部每個勞動力樣本的議價能力，并利用匹配法比較不同規(guī)模城市相似勞動力的議價能力來分析城市規(guī)模對勞動力工資議價的影響。主要的發(fā)現(xiàn)：一是議價能力的分析結果顯示，隨著城市規(guī)模增加，議價的結果越發(fā)偏向勞動力，這符合本文的預期。二是異質性分析發(fā)現(xiàn)，當?shù)图寄軇趧恿M入等級較高的城市時其議價能力增強，而其雇主的議價能力減弱，綜合作用的結果是低技能勞動力在大城市可以獲得更多的企業(yè)經濟剩余；對高技能勞動力來說，進入大城市固然可以使他們的議價能力增強，但大城市的雇主議價能力也增強了，綜合作用的結果與小城市相比略微不利于高技能勞動力。

本文內容安排如下：第一部分為引言；第二部分從聚集效應、選擇效應和補償效應三個角度綜述城市規(guī)模工資溢價的研究；第三部分介紹實證研究的思路，利用2017年流動人口動態(tài)監(jiān)測數(shù)據進行實證研究；第四部分為結論。

二、文獻綜述

（一）城市規(guī)模與工資的關系

國外許多學者考察了城市規(guī)模與工資的關系（Glaeser和Resseger，2010；Puga，2010；Fu和Ross，2013；D’Costaa和Overman，2014），普遍認為存在城市規(guī)模工資溢價。國內相關研究也比較豐富，一種觀點認為存在使工資水平最大化的最優(yōu)城市規(guī)模。陳旭和陶小馬（2013）、李神福（2018）、謝衛(wèi)衛(wèi)和曾小溪（2018）認為城市人口規(guī)模與城市職工工資水平呈倒U型非線性關系。另一種觀點認為大城市存在城市規(guī)模的工資溢價。陳瑛（2018）、孟美俠等（2019）認為中國城市工資溢價主要發(fā)生在300萬以上人口城市。周密等（2018）采用CHIP數(shù)據研究，發(fā)現(xiàn)大城市及特大城市的城市規(guī)模對農民工工資有顯著影響。魏下海和董志強（2014）發(fā)現(xiàn)良好的商業(yè)環(huán)境可以改善工資扭曲。鄭丹和Kuroda（2017）發(fā)現(xiàn)基礎設施水平對城市居民工資收入具有溢價作用，基礎設施水平對高技能勞動力溢價能力更強。大城市往往具有更好的營商環(huán)境和基礎設施，因此魏下海和董志強（2014），鄭丹和Kuroda（2017）的論文也可以作為城市規(guī)模工資議價的佐證。還有一種觀點認為不存在城市規(guī)模的工資溢價現(xiàn)象。王建國和李實（2015）發(fā)現(xiàn)經過生活成本（以城市住房成本和省級層面物價指數(shù)來代理成活成本）調整后，實際工資在城市間并無差異。吳波等（2017）控制了人口選擇效應和物價因素后發(fā)現(xiàn)大城市出現(xiàn)工資劣勢。綜上所述，至少就名義工資而言在大城市中存在城市規(guī)模工資溢價現(xiàn)象。

（二）城市規(guī)模工資溢價的解釋

針對城市工資溢價有三種解釋角度：勞動力選擇效應、補償效應和聚集效應。

1.選擇效應

選擇效應是指大城市聚集了更多的高技能勞動力，淘汰了低技能勞動力，而高技能勞動力的生產率更高，因此大城市工資更高（Bacolod 等，2009）。孟美俠等（2019）認為，大城市具有較好的公共服務和基礎設施，可以提供更好的醫(yī)療和教育，這是人力資本積累的重要保障；大城市可以滿足消費者尤其是高收入消費者對產品多樣化、娛樂多樣化的消費需求；一般來講，個人才能報酬是隨著城市人口規(guī)模遞增的，這會使更有才能的人分選（sorting）到大城市中。另外，城市“內在”的技能可能存在差異，這種差異被稱為“天生存在群聚”，究其原因可能是因為大城市的居民本身具有更高的技能水平。

Combes 等（2008）和Combes 等（2012）發(fā)現(xiàn)勞動力雇傭密度高的地區(qū)勞動力技能也更高，Berry和Glaeser（2005）利用美國的數(shù)據也得到了相同的結論。Yankow（2009）控制了勞動力可觀測特征后，大城市的工資溢價為19%，當通過控制個體固定效應控制個體不可觀測特征后，城市溢價變?yōu)?%，這說明大城市工資溢價中2/3 源自不可觀測特征，城市工資溢價來源于某些不可觀測特征的聚集。Krashinsky（2011）指出，以固定效應衡量不可觀測能力存在移民小樣本缺陷，作者用同卵雙胞胎數(shù)據清除個人先天能力的影響，加入家庭固定效應大大降低了城市工資溢價的顯著性。D’Costa和Overman（2014）發(fā)現(xiàn)勞動力技能分布存在較大的空間差異，控制勞動力特征使城市工資溢價劇烈下降。張國峰和王永進（2018）利用無條件分布特征—參數(shù)對應法，基于選擇效應和聚集效應，綜合考察了中國大城市工資溢價產生的原因，他們發(fā)現(xiàn)特大城市高工資和低工資勞動力并存，中等城市主要為中等技能勞動力。學者們也有不同發(fā)現(xiàn)，如Roca和Puga（2017）以西班牙勞動力為研究對象，通過對個體效應項進行分解，發(fā)現(xiàn)勞動力基于個體效應的群聚遠沒有之前想象的嚴重。

2.補償效應

補償效應是指由于大城市物價較高，擁擠程度較高，污染較高，從而必須支付給勞動力更高的名義工資以留住勞動力。彭樹宏（2016）利用CGSS數(shù)據和工具變量法研究發(fā)現(xiàn)，中國100萬以上人口城市存在顯著的工資溢價，成因研究顯示特大城市的工資溢價來源于生活成本差異。柴國俊和鄧國營（2012）采用Mycos 大學生就業(yè)調查數(shù)據，用同等受教育程度的大學生數(shù)據緩解觀測到的個體異質性，并將工作能力指數(shù)作為個人能力代理變量加以控制，發(fā)現(xiàn)生活成本有一定的解釋力。李紅陽和邵敏（2017）采用名義收入調整法控制城市、個體、行業(yè)因素后發(fā)現(xiàn)存在城市規(guī)模工資溢價，進一步研究顯示，中等技能勞動者工資溢價來源于大城市更高物價的補償效應。

此外，大城市可以提供更多、更方便的基礎設施，更豐富的商品和服務，換言之，同樣的購買力在大城市能獲得更高的生活質量，因此人們愿意犧牲一些收入來換取在大城市居住的機會。從這個意義上講，大城市存在負的補償效應。

3.聚集效應

聚集效應是城市規(guī)模工資溢價研究關注的重點。聚集效應是指由于大城市稠密市場效應引發(fā)共享、匹配和學習效應，企業(yè)和勞動力的生產效率提高，導致城市規(guī)模工資溢價（Duranton和Puga，2004）。Baldwin 等（2006）、Glaeser和Resseger（2010）以及Elvery（2010）發(fā)現(xiàn)，大城市的企業(yè)通過知識溢出和技術進步提高了生產效率。彭樹宏（2016）發(fā)現(xiàn)大城市的工資溢價來源于聚集效應。柴國俊和鄧國營（2012）根據Mycos大學生就業(yè)調查數(shù)據，用同等受教育程度的大學生數(shù)據緩解觀測到的個體異質性，并將工作能力指數(shù)作為個人能力代理變量加以控制，發(fā)現(xiàn)城市聚集經濟是規(guī)模溢價的最重要原因。陳旭和陶小馬（2013）將勞動力技能類型分為高、中、低三種類型，發(fā)現(xiàn)高、低技能勞動力工資溢價主要來自勞動力質量提升和大城市的聚集效應。張國峰和王永進（2018）利用無條件分布特征—參數(shù)對應法，基于選擇效應和聚集效應綜合考察了中國大城市工資溢價的原因，發(fā)現(xiàn)聚集效應占據主導地位；高工資勞動力從大城市受益更多，高工資勞動力城市間差距更明顯。通常，將城市規(guī)模工資溢價效應的表現(xiàn)形式分為靜態(tài)和動態(tài)效應（水平效應和增長效應）。靜態(tài)效應來自城市規(guī)模擴大帶來的運輸成本的節(jié)省、中間投入品共享和勞動力共享等。勞動力來到大城市立即獲得靜態(tài)城市規(guī)模效應，離開大城市后城市規(guī)模效應會立即消失。動態(tài)效應主要是通過勞動力在城市的人力資本積累產生的，勞動力在大城市能積累更有價值的經驗。動態(tài)效應不會隨著勞動力來到大城市立即產生，也不會因為勞動力離開大城市而立即消失。

從以上論述可以看出，工資的水平效應來自大城市的共享和匹配機制，工資的增長效應來自大城市的學習效應（王建國和李實，2015）。Yankow（2009），Roca和Puga（2017）認為大城市可以為勞動力提供能積累更多高價值工作經驗的機會。Baum-Snow和Pavan（2012）認為較大城市獲得的經驗價值甚至高于勞動力固有的能力。不少學者從學習效應引發(fā)的工資增長效應出發(fā)解釋工資溢價，Duranton和Puga（2001），Moretti（2004），Glaeser和Resseger（2010）認為大城市加快了個體的人力資本積累與投資。Baum-Snow和Pavan（2012）用反事實模型估計得到城市規(guī)模工資溢價最重要的機制是對工作經驗的回報不同。他們進一步研究發(fā)現(xiàn)，大城市與小城市之間工資差異的主要原因是工作經驗報酬的差異；而在中等城市和小城市之間，工資差異的主要原因是“工資水平效應”。也有學者從共享、匹配引發(fā)的水平效應角度解釋城市規(guī)模工資溢價。寧光杰（2014）發(fā)現(xiàn)城市規(guī)模每增大1%，工作搜尋時間減少0.124%。Meekes和Hassink（2018）發(fā)現(xiàn)，在共享、匹配、學習三種城市規(guī)模工資溢價機制中，共享和匹配的作用大于學習，即水平效應大于增長效應。周密等（2018）采用CHIP數(shù)據研究發(fā)現(xiàn)，大城市及特大城市的城市規(guī)模對農民工工資有顯著影響，而中小城市的城市規(guī)模與農民工工資無關，原因是城市規(guī)模擴大有利于農民工教育—工作相匹配。

另外，也有文獻認為聚集效應的作用存在群體異質性。有關城市規(guī)模的研究認為教育程度更高的勞動力從聚集經濟中獲益更多，而人力資本外部性研究認為較低技能勞動力因被更高教育勞動力環(huán)繞而獲益更多。Gould（2007）發(fā)現(xiàn)高技能勞動力在城市聚集中獲得的外部性收益更高。Bacolod 等（2009）發(fā)現(xiàn)大城市給予學習能力和交往能力較強的人更高的報酬，體力勞動者不會獲得更高回報。

4.總結

通過對聚集效應研究文獻的梳理可以發(fā)現(xiàn)，已有文獻聚焦經濟聚集對勞動生產率的促進作用，經濟聚集通過促進勞動生產率而使工資提高。然而勞動生產率只是決定工資高低的因素之一，總產出如何在資本和勞動力之間進行分配也是影響工資水平的重要因素。因此，研究勞動力工資議價能力如何被聚集經濟影響對研究城市規(guī)模與工資水平問題具有重要意義。Hirsch 等（2020）認為以往的城市規(guī)模工資溢價文獻隱含了雇主向勞動力支付全部邊際產品價值的假設，而沒有考慮勞動力市場不完全競爭會引發(fā)雇主擁有一定程度的工資定價權。雇主的市場力量來自搜索摩擦（search frictions）、調動成本或工作差異。所有這些因素都有可能影響勞動力對工資水平的反應，從而導致單個公司的勞動力供給曲線向上傾斜。這使得雇員只能獲得邊際生產力的一部分作為工資，這一部分的大小取決于雇主在勞動力市場中的壟斷權力（Combes和Gobillon，2015）。而雇主的本地壟斷權受到當?shù)厥袌雒芏鹊挠绊?，更厚的勞動力市場競爭更激烈（Manning，2010；Hirsch 等，2013），更厚的勞動力市場中勞動力會獲得更大的邊際生產力份額。大城市勞動力—工資水平的匹配更有效，勞動力更容易更換雇主，大城市不僅可以提高匹配的平均質量，而且可以在任何特定匹配中為勞動力提供更多的市場選擇。這表明在眾多雇主競爭激烈的勞動力市場中，雇主市場支配力的三個來源發(fā)揮的作用可能較小，因此可以預期，就算沒有城市規(guī)模引發(fā)的學習效應，仍能看到存在城市規(guī)模工資溢價（Hirsch 等，2020）。Manning（2010）和Hirsch 等（2020）強調，隨著經濟聚集的增加，雇主在勞動力市場的力量如何變化從而影響工資，但他們的模型建立在雇主定價的假設之上，通過分析雇主面臨的勞動力供給曲線彈性隨城市規(guī)模變化決定雇主的最優(yōu)工資定價，從而決定勞動力獲得其邊際收益產品的比重。

通過文獻梳理可以發(fā)現(xiàn)，現(xiàn)有文獻尚未涉及城市規(guī)模與勞資分配的研究，更缺乏基于勞資工資議價框架的城市規(guī)模與勞資分配的研究，本文嘗試填補這一空白。

三、實證分析

（一）研究思路

本文沿著Hirsch 等（2020）的思路，引入勞動力工資討價還價模型，實證檢驗中國100萬人口以上規(guī)模城市的城市規(guī)模與勞動力工資議價能力之間的關系，以期對中國城市規(guī)模工資溢價作出新的解釋。通過構造雙邊隨機邊界模型，利用2017年流動人口抽樣調查數(shù)據的大樣本優(yōu)勢對46個城市的市轄區(qū)樣本逐一進行雙邊隨機邊界計算。之所以要對46個城市的樣本進行逐一回歸是考慮到每個城市的補償效應和聚集效應不同，對每個城市工資決定機制的影響也不相同。根據雙邊隨機邊界模型的性質，實際工資可以分解為三部分：一是市場中該勞動力的“公允工資”水平（以回歸方程來體現(xiàn)），二是勞資議價對工資水平的影響（以向上的殘差和向下的殘差體現(xiàn)），三是隨機因素對工資水平的影響（以第三個殘差體現(xiàn)）。MLE 估計得到的工資決定方程是資本和勞動議價能力勢均力敵時的“公允工資”，而不同城市的工資回歸方程所表示的“公允工資”體現(xiàn)勞動者所在城市的生活成本和教育報酬率（如果一個城市生活成本高和教育報酬率高，那么該城市的工資回歸方程中的截距項和教育系數(shù)肯定要更大）。分城市回歸的好處是由聚集效應和補償效應造成的大城市勞動力名義工資的提高被 “吸收” 進不同城市回歸方程的截距項和斜率之中，從而避免被“吸收”進模型的兩個衡量議價能力的殘差之中，避免了補償效應和聚集效應對議價能力度量的影響。如果采取統(tǒng)一回歸的方式，所有的城市樣本產生一個基準方程，那么城市間補償效應和聚集效應的不同所造成的工資水平差異無法體現(xiàn)在不同的截距項和斜率項中，因此肯定會被“吸收”進度量議價能力的殘差之中，從而影響議價能力的正確度量。所以，分城市回歸可以排除補償效應和集聚效應的干擾得到議價效應。計算得到各個城市每個勞動力的議價結果后借鑒孟美俠等（2019）的思路，運用匹配法對不同規(guī)模等級的城市樣本進行兩兩匹配，從而緩解不同規(guī)模城市內勞動力屬性的分布不同即選擇效應的影響，至此影響議價能力計算的三個效應都得到了緩解，可以體現(xiàn)相對精確的城市規(guī)模與勞動力議價能力的關系。

（二）模型構建

假定在一個典型的不完全競爭的勞動力市場中，雇主和員工都具備一定的討價還價能力。勞動力工資的最終定價（W）可表述為如下形式：

其中，W為雇員所可能接受的最低工資水平，W為雇主所愿意支付的最高工資水平。η（0≤η≤1）用于衡量雇主在定價過程中的議價能力，因此，反映了員工所得的剩余。

為了在模型中同時體現(xiàn)雇主和員工在定價過程中的議價能力，先描述在個體基本特征x條件下的“公正”工資水平μ（x）=E（θ|x），這里θ是實際存在的，但是無法獲知，并且總滿足：≤μ（x）≤。因此[μ（x）]代表工資討價還價中雇主所獲得的剩余；[μ（x）-]代表員工所獲得的剩余。哪一方能夠“掠取”更多的剩余依賴于他們所具有的討價還價能力和占有信息的程度。據此，我們可以重新表述為：

定價方程式由三個不同部分組成：第一部分μ（x）表示在給定個體特征x的情況下的預期工資，我們稱之為基準工資；第二部分體現(xiàn)了雇主的預期剩余；第三部分是員工的預期剩余。凈剩余NS=η[μ（x）]-（1-η）[μ（x）-]可用來描述工資形成過程中議價能力的綜合效應。

該模型是一個典型的雙邊隨機前沿模型（Kumbhakar和Parmeter，2009）。其中，μ（xi）=xi′β，β為待估計的參數(shù)向量，xi為樣本的個體特征；wi=ηi[μ（xi）]≥0；ui=（1-ηi）[μ（xi）]≥0；vi為一般意義上的隨機干擾項。員工可以通過掠取雇主的剩余部分來提高工資水平，這可以通過wi體現(xiàn)，而雇主則可以通過掠取一部分員工剩余來降低所支付的工資水平，由ui描述。而這些掠取所得剩余的規(guī)模取決于主體議價能力η、雇主預期剩余和員工預期剩余μ（x）。

因為要對每個城市逐一進行計算，故需要擁有大量個體樣本量的數(shù)據庫，2017年流動人口調查數(shù)據擁有樣本量大、時間較近，包含較詳細的就業(yè)和地址信息的優(yōu)勢，所以采用該數(shù)據庫。城市規(guī)模的聚集效應主要體現(xiàn)在市轄區(qū)的高密度聚集，而不是周邊縣市區(qū)，所以只保留市轄區(qū)樣本。采用2017年流動人口動態(tài)調查數(shù)據與各縣級行政單位代碼相匹配后刪除周邊縣市區(qū)樣本，僅保留市轄區(qū)在業(yè)勞動力樣本。因為在公共部門工作的人口不存在與政府部門討價還價的可能性，因此刪除在公共部門就業(yè)的樣本。因更換雇主造成討價還價對象改變或兼職其他工作易造成工資計算不準確，故僅保留單一雇主沒有切換工作的樣本。因模型收斂需要一定的樣本量，故刪去樣本量較少的中小城市，保留市轄區(qū)樣本量不低于200個的城市。最終保留勞動力個體37343個，涉及46個城市。為了計算每個勞動力的議價能力，需要選取工資變量和影響工資的變量，我們選取學歷（考慮到受教育程度的非線性影響）、性別、勞動力市場經驗、工作經驗、是否農業(yè)戶口（農業(yè)戶口為1，非農業(yè)戶口為0）、婚姻狀況（已婚為1，未婚為0）、是否黨員（黨員為1，非黨員為0）、是否簽訂勞動合同（未簽訂勞動合同為1，簽訂勞動合同為0）、是否壟斷行業(yè)（壟斷行業(yè)為1，非壟斷行業(yè)為0）作為自變量，工資的自然對數(shù)作為因變量，相關變量的描述性統(tǒng)計如表1所示。

表1 變量描述性統(tǒng)計

（三）模型篩選

建立雙邊隨機前沿模型如下：

其中，從左到右依次表示對數(shù)工資，教育類別變量、性別、工作經驗、是否農業(yè)戶口、婚姻狀況、是否黨員、是否簽訂勞動合同、是否在壟斷行業(yè)，向下的殘差、向上的殘差和一般殘差。

表2 模型篩選

表2（續(xù)）

如表2所示，回歸（1）是以工資的自然對數(shù)為因變量以個體特征為自變量的OLS估計。回歸（2）至回歸（4）是以工資的自然對數(shù)為因變量以個體特征為自變量的雙邊隨機前沿MLE 估計，回歸（3）、回歸（4）是異質性雙邊隨機邊界估計，分別引入了員工議價能力的影響因素（性別、勞動力市場經驗、受教育年限、工作經驗）和雇主的議價能力影響因素。假定雇主“看人下菜”，對不同勞動力采用不同的議價策略，因此勞動力的一些屬性（受教育年限、工作經驗）也影響雇主的議價能力。我們也試圖引入雇主所在地區(qū)是否為發(fā)達地區(qū)、雇主所在行業(yè)是否為壟斷行業(yè)等地區(qū)、雇主層面的因素來影響雇主的議價能力，但模型結果顯示均不顯著。

通過似然比檢驗發(fā)現(xiàn)，異質性雙邊隨機邊界優(yōu)于普通雙邊隨機邊界模型，加入雇主議價能力影響因素的雙邊隨機邊界模型優(yōu)于只加入員工議價能力的模型。回歸（4）中勞動力市場經驗對員工的議價能力起負面作用，考慮到勞動力市場經驗的計算方法（年齡—受教育年限），勞動力市場經驗的符號可能反映了年齡的符號，即員工年齡越大，其議價能力越低。雇主的議價能力方面：對受教育年限高的員工，雇主的議價能力下降，可能是因為雇主想留住人力資本水平高的員工，從而無法大幅壓低工資；工作經驗（在本企業(yè)工作時間）的符號為正，說明雇主對在其單位工作時間長的員工會增加壓低工資的力量，可能是因為工作時間長，積累的企業(yè)專用性人力資本較多，從而使員工不愿意跳槽（會損失專用性人力資本）。工作經驗也會加強員工的議價能力，因為員工積累了專用性人力資本造成雇主不方便替換在職員工。

（四）議價能力的估計和比較

選用回歸（4）進行每個城市的MLE 估計。對46個城市逐一進行回歸（4）的MLE估計（以削弱補償效應、集聚效應對議價能力計算的影響），計算每個城市內的每個勞動力的議價情況。如利用上海市的子樣本計算出ID為45265的上海市勞動力個體的工資議價情況為[員工：0.160，雇主：0.135]，員工占優(yōu)；利用西寧市的子樣本計算出ID為155393的西寧市勞動力個體的工資議價情況為 [員工：0.126，雇主：0.259]，雇主占優(yōu)。然后再將所有的子樣本連同議價能力變量合并成一個總樣本。

為了直觀地辨認勞資議價結果與城市規(guī)模的關系，繪制以平均議價結果為縱坐標，市轄區(qū)職工數(shù)的自然對數(shù)值為橫坐標的散點圖[在缺乏市轄區(qū)常住人口數(shù)據的情況下，根據陳杰和周倩（2016）的研究，市轄區(qū)職工數(shù)可以作為城市規(guī)模的度量指標]。從圖1、圖2和圖3可以看出，總體上資本議價能力隨著城市規(guī)模增加而減弱，勞動力議價能力隨著城市規(guī)模增加而增強，城市規(guī)模越大，議價結果越有利于勞動力。

圖1 城市規(guī)模與資配議價能力

圖2 城市規(guī)模與勞動力議價能力

圖3 城市規(guī)模與議價結果

為查看控制個體和城市異質性后議價能力如何隨城市規(guī)模變化，分別以三個代表議價能力的指標（資本議價能力、勞動力議價能力、議價結果偏向勞動力的凈效應）為因變量，以城市特征[城市規(guī)模、城市人力資本水平（以高等學校教師數(shù)衡量）、城市人均GDP、城市產業(yè)結構（以第二、第三產業(yè)就業(yè)人數(shù)比表示）、是否東部沿海]和個體特征（是否在壟斷行業(yè)、受教育程度、性別、婚姻狀況、工作經驗、勞動力市場經驗、是否黨員、是否簽訂勞動合同）為自變量建立回歸模型?；貧w結果見表3。結果表明，隨著城市規(guī)模的增加，資本的議價能力下降，勞動力的議價能力上升，議價結果更加偏向勞動者。

借鑒孟美俠等（2019）研究城市規(guī)模工資溢價的思路，用匹配法研究城市規(guī)模對議價能力的非線性影響以及削弱城市間勞動力自選擇（選擇效應）對結果的干擾。將市轄區(qū)職工人數(shù)等分為四個部分（分割點為79萬人、110萬人、323萬人），分別對應1類城市、2類城市、3類城市和4類城市。然后，根據所在城市的規(guī)模不同對勞動力個體進行匹配，如1類和2類城市的勞動力匹配，2類和3類城市的勞動力匹配，以便消除各個城市間勞動力構成的不同對議價能力和工資造成的影響（即消除選擇效應的影響），同時觀察城市規(guī)模對勞資議價能力的非線性影響。使用PSM 進行兩組變量的匹配，發(fā)現(xiàn)不容易使所有變量在兩組之間同時無差異，因此改用熵平衡法（Entropy Balancing Method）進行匹配。對規(guī)模1與規(guī)模2的勞動力進行匹配后，求得城市規(guī)模對勞動力議價的影響。

表3 回歸分析

對1類城市與2類城市進行匹配，以1類城市為控制組，2類城市為處理組，求得城市規(guī)模擴大對議價能力的影響。從平衡性檢驗①平衡性檢驗過程和結果略，下同?？梢钥闯觯渺仄胶夥ê蟾鱾€變量在均值、方差、偏度三個維度上都實現(xiàn)了平衡。以是否為2類城市的虛擬變量為自變量、以三個議價能力變量為因變量進行匹配后的加權回歸得到1類和2類城市議價能力差異，如表4所示。

從表4可以看出，如果一個勞動力從1類城市遷移到2類城市，其自身的議價能力增加1.6%，則其所面對的雇主的議價能力減弱0.8%，雇主和員工綜合作用的結果是議價能力偏向勞動力的程度增加2.5%，從1類城市到2類城市議價結果更偏向勞動力。

表4 議價能力差異（1類和2類城市）

將勞動力按學歷（大專為界）劃分為高技能和低技能勞動力進行異質性分析（回歸結果省略），結果顯示，從1類城市到2類城市，低技能勞動力的議價能力增加1.8%，低技能勞動力雇主的議價能力減小1.7%，議價結果更偏向勞動力，程度為3.5%。從1類城市到2類城市，高技能勞動力議價能力增加1%，但其雇主議價能力也增加2%，因此議價結果偏向資本的程度變化量為1%，這個偏向變動在5%統(tǒng)計意義上不顯著。以上結果說明：從1類城市進入2類城市，低技能勞動力獲得更有利的議價結果，而高技能勞動力沒有獲得更有利的議價結果。

表5 議價能力差異（2類和3類城市）

對2類城市與3類城市進行匹配（平衡性檢驗圖表略），以2類城市為對照組、3類城市為處理組、以是否為3類城市的虛擬變量為自變量，以三個議價能力變量為因變量進行匹配后的加權回歸結果，如表5所示。

從表5可以看出，如果一個勞動力從2類城市遷移到3類城市，其議價能力幾乎不變，其雇主的議價能力也幾乎不變，雇主和勞動力的議價能力綜合作用的結果是從2類到3類城市，勞動力議價結果不改變。

將勞動力按學歷（大專為界）劃分為高技能和低技能勞動力進行異質性分析（回歸結果省略），結果顯示從2類城市到3類城市，高技能勞動力的議價能力增強0.25%（不顯著），高技能勞動力雇主的議價能力減弱1.13%，議價結果更偏向勞動力，程度為1.4%（統(tǒng)計不顯著）。從2類城市到3類城市，低技能勞動力議價能力幾乎不變，其雇主的議價能力也幾乎不變，因此議價結果幾乎不改變。以上結果說明，如果勞動力從2類城市進入3類城市，高、低技能勞動力的議價能力幾乎不變。

對3類城市與4類城市進行匹配（平衡性檢驗圖表略），以3類城市為對照組，4類城市為處理組，以是否為4類城市的虛擬變量為自變量，以三個議價能力變量為因變量進行匹配后的加權回歸結果，如表6所示。

表6 議價能力差異（3類和4類城市）

從表6可以看出，如果一個勞動力從3類城市遷移到4類城市，其議價能力幾乎不變，其雇主的議價能力減弱1.5%，雇主和勞動力的議價能力綜合作用的結果是從3類城市到4類城市，勞動力的議價結果更偏向勞動力，程度為1.8%。

將勞動力按學歷（大專為界）劃分為高技能和低技能勞動力進行異質性分析（回歸結果省略），結果顯示從3類城市到4類城市，低技能勞動力的議價能力增強0.7%，低技能勞動力雇主的議價能力減弱3.3%，議價結果更偏向勞動力，程度為4.1%，這個偏向變動在1%統(tǒng)計意義上顯著。從3類城市到4類城市，高技能勞動力議價能力幾乎不變，其雇主的議價能力略微增強，因此議價結果略微偏向資本（統(tǒng)計不顯著）。以上結果說明，如果勞動力從3類城市進入4類城市，低技能勞動力議價能力增強而高技能勞動力議價能力略微減弱。

（五）穩(wěn)健性檢驗

如果一個城市的勞動力議價能力是某種外生因素決定的，比如制度環(huán)境，那么可能是有利于勞動力的制度環(huán)境吸引了更多人才進入該城市，從而使城市規(guī)模變大，即以城市常住人口衡量的城市規(guī)模受到勞動力議價能力的反向影響。為了削弱這種反向影響，我們采用《2017 城市統(tǒng)計年鑒》中的“市轄區(qū)年平均人口”作為市轄區(qū)年平均戶籍人口。由于大城市戶籍比較難獲得，因此低技能勞動力涌入不會影響大城市戶籍人口，而大城市戶籍人口所代表的城市規(guī)模卻會影響低技能勞動力的議價能力。所以運用以戶籍人口劃分的城市規(guī)模對低技能勞動力議價能力進行回歸來削弱由于反向因果帶來的相關性，結果更加穩(wěn)健。因為沒有針對戶籍人口的城市規(guī)模劃分標準，我們根據樣本分布將樣本均分為4類。將4類城市的樣本按上文方法依次匹配后求得議價能力偏向的變動情況，發(fā)現(xiàn)在偏向變動方向上與上文相同，但具體的變動數(shù)值有所不同。這說明上文的研究結果基本上是穩(wěn)健的。

四、結論與不足

本文從雇主壟斷性與城市規(guī)模的關系角度推理出城市規(guī)模與勞動力工資議價能力的關系并運用流動人口數(shù)據和大城市樣本進行了實證檢驗。研究發(fā)現(xiàn)：城市規(guī)模對勞動力工資議價能力的影響是顯著的，城市規(guī)模增大使議價結果朝著有利于勞動力的方向變動。異質性分析發(fā)現(xiàn)，當?shù)图寄軇趧恿M入規(guī)模較大的城市時，其議價能力增強，而其雇主的議價能力減弱，綜合作用的結果是低技能勞動力在大城市可以獲得更多的經濟剩余；對高技能勞動力來說，進入大城市可能使其議價能力增強，但大城市雇主的議價能力也增強了，因此綜合作用的結果可能會使議價結果朝著對資本有利的方向變動。

本文存在以下不足：雖然使用了數(shù)據量很大的流動人口調查數(shù)據，但層層篩選留下的數(shù)據量不夠多，又分別對每個市轄區(qū)進行MLE 估計，有些市轄區(qū)只有200 多個勞動力個體，因此不足以精確計算一些小樣本城市的工資決定方程和議價能力指數(shù)；采用截面數(shù)據未能控制勞動力不可觀測的能力差異對議價能力的影響，但如果控制了該影響，本文的結果可能會變得更微弱。