我國就業(yè)密度空間分布特征及溢出效應(yīng)

□文/ 陳鏡宇 代帥楠 么雪靜 黃巍瑤

（重慶師范大學(xué)地理與旅游學(xué)院 重慶）

［提要］ 基于我國31 個省市面板數(shù)據(jù)，考察我國就業(yè)密度空間分布特征，以St at a 軟件為分析平臺，建立空間杜賓模型，將31 個省市劃分為東、中、西三部分進(jìn)行就業(yè)密度的空間溢出效應(yīng)分析。結(jié)果表明：我國就業(yè)密度整體上呈現(xiàn)“東高西低”的空間格局；東部地區(qū)就業(yè)密度不存在空間相關(guān)性，中、西部地區(qū)存在空間相關(guān)性，且空間溢出效應(yīng)為負(fù)向溢出；影響中部地區(qū)就業(yè)密度的主要因素為經(jīng)濟(jì)因素，而基礎(chǔ)設(shè)施、人力資本對西部地區(qū)就業(yè)密度影響較明顯。

當(dāng)前，我國就業(yè)形勢保持總體平穩(wěn)，但國內(nèi)外風(fēng)險挑戰(zhàn)增多，解決好就業(yè)問題對于穩(wěn)定經(jīng)濟(jì)社會發(fā)展、保障民生具有重要意義。就業(yè)空間分布是描述城市空間結(jié)構(gòu)的重要指標(biāo)，體現(xiàn)城市就業(yè)要素在空間內(nèi)的分布和組合狀態(tài)。就業(yè)密度作為反映區(qū)域經(jīng)濟(jì)集聚程度的重要指標(biāo)，可以揭示區(qū)域空間結(jié)構(gòu)演化趨勢。

國內(nèi)現(xiàn)有關(guān)于就業(yè)密度的文獻(xiàn)主要集中在兩個方向。（1）側(cè)重于研究就業(yè)密度與其他變量之間的關(guān)系。韓峰等探討了城市就業(yè)密度和市場規(guī)模對城市勞動生產(chǎn)率的影響，并以中國284 個地級及以上城市面板數(shù)據(jù)為依據(jù)進(jìn)行了實證分析。何雄浪等建立包含三個部門的地區(qū)貿(mào)易模型，推導(dǎo)出可估計的市場潛力方程，并以1985～2008年為樣本區(qū)間，探討市場潛力、就業(yè)密度與我國地區(qū)工資水平的關(guān)系。王燚利用GIS 空間分析法，研究了軌道交通對周邊一定輻射范圍內(nèi)就業(yè)空間結(jié)構(gòu)的影響。（2）側(cè)重于對就業(yè)中心的識別。王暉采用貝葉斯克里金地統(tǒng)計、非參數(shù)局部加權(quán)回歸等方法探索了南京都市區(qū)就業(yè)空間格局演化特征及就業(yè)中心形成的影響因素。曾海宏等利用ArcGIS 空間分析軟件探討了深圳市就業(yè)空間結(jié)構(gòu)的特征及演化趨勢。羅仁澤等利用就業(yè)人口統(tǒng)計、手機(jī)信令以及地鐵站點人流等相關(guān)數(shù)據(jù)，以深圳市為例，研究了快速移民城市的就業(yè)空間特征及影響因素。近年來，部分學(xué)者開始聚焦于特定群體的就業(yè)中心識別，王慧等針對特定群體之特性，優(yōu)補(bǔ)了特定群體的就業(yè)中心的界定，修正了現(xiàn)有識別方法，并進(jìn)一步進(jìn)行了效果檢驗。

通過文獻(xiàn)回顧可以發(fā)現(xiàn)目前存在可以改進(jìn)的地方。（1）涉及中、西部地區(qū)的研究較少；（2）大多采用兩次經(jīng)濟(jì)普查數(shù)據(jù)，數(shù)據(jù)樣本量少；（3）較少考慮空間關(guān)聯(lián)因素。因此，本文基于2000～2019年的面板數(shù)據(jù)，以全國31 個省市為研究范圍，探究我國就業(yè)密度的空間分布特征，并分為東、中、西部地區(qū)，納入空間關(guān)聯(lián)因素，驗證空間溢出效益，分析其影響機(jī)制，為制定區(qū)域就業(yè)政策等提供定性與定量依據(jù)。

一、變量選取與數(shù)據(jù)來源

（一）變量選取。由于就業(yè)密度引起的經(jīng)濟(jì)集聚通常表現(xiàn)在二三產(chǎn)業(yè)，建成區(qū)面積體現(xiàn)了二三產(chǎn)業(yè)的分布與發(fā)展?fàn)顩r，因此本文的被解釋變量就業(yè)密度用二三產(chǎn)業(yè)就業(yè)人數(shù)與該省市的建成區(qū)面積之比表征。解釋變量為就業(yè)密度空間溢出效應(yīng)，即就業(yè)密度的空間滯后項。參考相關(guān)理論及文獻(xiàn)，結(jié)合數(shù)據(jù)的可獲得性及中國的實際情況，從經(jīng)濟(jì)發(fā)展水平、社會基礎(chǔ)建設(shè)、人力資本三個角度選取了14 個變量。經(jīng)濟(jì)發(fā)展水平用人均GDP、二三產(chǎn)業(yè)產(chǎn)值比重、平均工資、固定資產(chǎn)投資、消費(fèi)品零售額衡量。社會基礎(chǔ)建設(shè)用人均醫(yī)療床位、人均道路面積、人均公園綠地面積、每萬人擁有公共交通車輛、房價、城鎮(zhèn)化率表示。已有文獻(xiàn)大多使用每萬人大學(xué)生人數(shù)表征人力資本，但是考慮到大學(xué)生流動性較強(qiáng)，而教師具有相對穩(wěn)定性，因此加入了每萬人大學(xué)專任教師數(shù)這一指標(biāo)；專利申請受理數(shù)是地區(qū)創(chuàng)新能力的體現(xiàn)，與人力資本息息相關(guān)，因此也加入了這一指標(biāo)。為消除價格影響，人均GDP、平均工資、固定資產(chǎn)投資、社會消費(fèi)品零售總額、房價均以2000年為基期利用GDP 平減指數(shù)進(jìn)行縮減。在實證分析中，為消除異方差的影響，本文對所有變量取自然對數(shù)。

（二）數(shù)據(jù)來源。數(shù)據(jù)主要來源于2000～2019年《中國統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》。部分缺失數(shù)據(jù)采用插值法補(bǔ)齊。

二、研究方法

（一）空間自相關(guān)分析。全局空間相關(guān)性通常采用Moran's I 進(jìn)行測度，公式如下：

式中：n 表示樣本個數(shù)；Wij是空間權(quán)重矩陣，反映空間單元i 與j的空間關(guān)系；xi、xj用來表示具有空間權(quán)重矩陣Wij的兩個區(qū)域i 和j 的幾何屬性信息。

（二）空間計量模型。根據(jù)已有研究，空間杜賓面板模型具有比空間滯后和空間誤差模型更一般的形式，能夠同時反映地區(qū)空間異質(zhì)性和競爭特點，因此本文采用空間杜賓模型?？臻g杜賓模型公式如下：

式中：β 為外生變量的空間自相關(guān)系數(shù)，表示自變量的空間滯后項對本地區(qū)的影響程度；δ 為內(nèi)生變量的空間自相關(guān)系數(shù)，表示因變量的空間滯后項對本地區(qū)的影響程度；γ 為空間滯后解釋變量的系數(shù)。

三、我國就業(yè)密度空間分布特征

處理數(shù)據(jù)得到我國31 個省市2000～2019年就業(yè)密度，使用幾何間隔分類法將其分為3 個等級，得到2000年、2010年、2019年就業(yè)密度分類表，如表1 所示。從表中可以發(fā)現(xiàn)，我國就業(yè)密度存在明顯的空間分異特征，整體上呈現(xiàn)“東高西低”的空間格局，高值區(qū)主要集中于中東部發(fā)達(dá)地區(qū)，低值區(qū)主要分布在東北、西北地區(qū)。2000年就業(yè)密度高值區(qū)以長江沿線和東部沿海地區(qū)為主，2010年就業(yè)密度高值區(qū)開始由集聚區(qū)向四周擴(kuò)散，2019年開始形成小聚集、大分散的格局。近年來，我國就業(yè)率不斷增長，但部分地區(qū)就業(yè)密度呈下降趨勢，造成這一現(xiàn)象的原因可能是隨著城市化進(jìn)程加快，建成區(qū)面積擴(kuò)張速度超過就業(yè)人數(shù)增長速度，且部分地區(qū)二三產(chǎn)業(yè)就業(yè)人口的統(tǒng)計口徑發(fā)生變化，造成數(shù)據(jù)上單位建成區(qū)面積上就業(yè)人口的減少。京津滬地區(qū)是理論意義上的就業(yè)集中區(qū)，但是沒有位于第一梯隊，這是由于省級行政區(qū)和直轄市不可避免地在數(shù)據(jù)上不平等造成的。（表1）

表1 2000年、2010年、2019年就業(yè)密度梯隊一覽表

四、我國就業(yè)密度空間溢出效應(yīng)分析

（一）就業(yè)密度空間自相關(guān)分析?？紤]到空間的異質(zhì)性，本文將全國分為東、中、西部三個地區(qū)進(jìn)行對比分析。東部地區(qū)包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南。中部地區(qū)包括：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南。西部地區(qū)包括：內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

為驗證我國東、中、西部地區(qū)存在空間自相關(guān)，首先進(jìn)行莫蘭檢驗。本文使用的是空間距離權(quán)重矩陣，用Stata15.0 計算得出2000～2019年我國東、中、西部地區(qū)就業(yè)密度全局莫蘭指數(shù)。其中，東部地區(qū)全局莫蘭指數(shù)不顯著，意味著東部地區(qū)就業(yè)密度不存在顯著的空間自相關(guān)，這可能與東部地區(qū)沿海呈長條分布、空間距離跨度大、聯(lián)系不緊密有關(guān)，因此本文后續(xù)主要分析中、西部地區(qū)。中、西部地區(qū)莫蘭指數(shù)結(jié)果如表2 所示?？梢园l(fā)現(xiàn)，所有年份P 值均顯著，說明中、西部地區(qū)就業(yè)密度存在顯著的空間自相關(guān)。（表2）

表2 中、西部地區(qū)就業(yè)密度全局莫蘭指數(shù)值一覽表

（二）空間效應(yīng)分解結(jié)果分析

1、中部地區(qū)空間效應(yīng)分解結(jié)果分析。在回歸分析之前，為驗證模型選擇的合理性，首先通過LM、LR 和Wald 檢驗，檢驗結(jié)果均拒絕了SDM 退化為SAR 與SEM 的假設(shè)，因此使用空間杜賓模型利用Stata15.0 軟件進(jìn)行回歸分析，受篇幅所限，不再贅述檢驗結(jié)果。參考已有研究，僅考慮空間杜賓模型直接的回歸結(jié)果會忽視解釋變量對被解釋變量帶來的邊際影響，從而導(dǎo)致估計結(jié)果存在偏差，此時需要對模型進(jìn)行分解，LeSage and Pace 針對空間效應(yīng)作用范圍與對象的差異性，將空間杜賓模型中解釋變量對被解釋變量的影響效應(yīng)分為直接、間接與總效應(yīng)。因此，本文將空間效應(yīng)分為直接效應(yīng)、間接效應(yīng)、總效應(yīng)進(jìn)行分析。

基于空間杜賓模型的中部地區(qū)回歸結(jié)果如表3 所示，被解釋變量即就業(yè)密度通過了1%置信水平，系數(shù)為-0.3941，說明存在空間溢出效應(yīng)，且是負(fù)向的效應(yīng)。（表3；表中***、**、*分別表示1%、5%、10%的置信水平下顯著，括號內(nèi)報告的是標(biāo)準(zhǔn)誤，下同）

表3 中部地區(qū)空間杜賓模型分解效應(yīng)一覽表

就業(yè)密度空間溢出效應(yīng)在直接、間接、總效應(yīng)下均顯著通過，其中在直接效應(yīng)中，在1%置信水平下顯著為正，說明當(dāng)?shù)鼐蜆I(yè)密度空間溢出效應(yīng)對當(dāng)?shù)鼐蜆I(yè)密度產(chǎn)生了積極影響；而在間接效應(yīng)中，在5%置信水平下顯著為負(fù)，說明當(dāng)?shù)鼐蜆I(yè)密度空間溢出效應(yīng)對鄰近地區(qū)就業(yè)密度產(chǎn)生負(fù)面影響，這種現(xiàn)象可能表現(xiàn)為相鄰兩地間存在資源競爭關(guān)系，而人們往往傾向于選擇綜合實力更強(qiáng)的地區(qū)。

從直接效應(yīng)的回歸結(jié)果看，二三產(chǎn)業(yè)產(chǎn)值比重顯著為正，說明一個地區(qū)二三產(chǎn)業(yè)占比越高，就業(yè)密度也越高；固定資產(chǎn)投資與人均醫(yī)療床位、人均道路面積均顯著為負(fù)，說明當(dāng)?shù)赝顿Y以及社會基礎(chǔ)設(shè)施建設(shè)對就業(yè)密度沒有起到應(yīng)有的帶動作用，對當(dāng)?shù)鼐蜆I(yè)產(chǎn)生的影響不大；而城鎮(zhèn)化率顯著為正，表明城鎮(zhèn)具有更強(qiáng)的吸納就業(yè)的能力，所以城鎮(zhèn)化率越高的地區(qū)，就業(yè)密度也越大；專利申請受理數(shù)顯著為正，即表明地區(qū)的創(chuàng)新能力對就業(yè)密度產(chǎn)生了積極影響。

從間接效應(yīng)的回歸結(jié)果來看，本地人均GDP 對鄰近地區(qū)的就業(yè)密度產(chǎn)生了負(fù)的影響；本地二三產(chǎn)業(yè)產(chǎn)值比重和平均工資的增加會帶動鄰近地區(qū)就業(yè)密度的增長；人均醫(yī)療床位顯著為負(fù)，說明當(dāng)?shù)氐尼t(yī)療水平增加會吸引外地人員就業(yè)，從而對鄰近地區(qū)就業(yè)密度產(chǎn)生負(fù)面影響；人均道路面積、專利申請受理數(shù)顯著為正，說明交通基礎(chǔ)設(shè)施與專利申請受理數(shù)整體上呈現(xiàn)了正的溢出效應(yīng)；城鎮(zhèn)化率在1%的置信水平下顯著為負(fù)，說明本地城鎮(zhèn)化的發(fā)展有利于促進(jìn)本地就業(yè)密度的提升，對鄰近地區(qū)產(chǎn)生吸引作用。

總地來說，影響中部地區(qū)就業(yè)密度的主要因素為經(jīng)濟(jì)因素，其次是社會基礎(chǔ)建設(shè)，人力資本對就業(yè)密度影響較小。

2、西部地區(qū)空間效應(yīng)分解結(jié)果分析。西部地區(qū)回歸結(jié)果中，被解釋變量就業(yè)密度在1%置信水平下顯著為負(fù)，系數(shù)為-0.5941，說明西部地區(qū)就業(yè)密度也存在負(fù)向的空間溢出效應(yīng)。西部地區(qū)空間杜賓模型的分解效應(yīng)如表4 所示。（表4）

表4 西部地區(qū)空間杜賓模型分解效應(yīng)一覽表

就業(yè)密度空間溢出效應(yīng)在直接效應(yīng)下通過了1%置信水平且系數(shù)為正，在間接效應(yīng)下卻不顯著，說明西部地區(qū)的就業(yè)密度空間溢出效應(yīng)對本地的影響顯著大于對鄰近地區(qū)的影響，但是總效應(yīng)下顯著為正，總體來說，就業(yè)密度空間溢出效應(yīng)對就業(yè)密度產(chǎn)生了積極影響。

從直接效應(yīng)的結(jié)果來看，經(jīng)濟(jì)發(fā)展水平類指標(biāo)均不顯著，說明當(dāng)?shù)亟?jīng)濟(jì)發(fā)展滯后，沒有對就業(yè)密度產(chǎn)生積極影響。同時，每萬人擁有公共交通車輛顯著為負(fù)，表明本地公共交通對就業(yè)密度存在負(fù)的影響。每萬人大學(xué)生人數(shù)顯著為正，而每萬人大學(xué)專任教師數(shù)顯著為負(fù)，說明西部地區(qū)教育發(fā)展水平存在滯后。

從間接效應(yīng)的結(jié)果來看，二三產(chǎn)業(yè)產(chǎn)值比重顯著為負(fù)，說明本地二三產(chǎn)業(yè)的發(fā)展對鄰近地區(qū)就業(yè)密度產(chǎn)生了負(fù)的空間溢出效應(yīng)；城鎮(zhèn)化率顯著為正，說明當(dāng)?shù)爻鞘谢降奶嵘龝余徑貐^(qū)城市化水平的提升?；A(chǔ)設(shè)施建設(shè)中人均公園綠地面積顯著為負(fù)，說明當(dāng)?shù)爻鞘协h(huán)境的提升會吸引鄰近地區(qū)人員前往就業(yè)。每萬人大學(xué)專任教師數(shù)均顯著為負(fù)，說明當(dāng)?shù)亟處煍?shù)量的增加對鄰近地區(qū)就業(yè)密度產(chǎn)生負(fù)的影響。

總地來說，西部地區(qū)經(jīng)濟(jì)發(fā)展水平滯后，其中基礎(chǔ)設(shè)施和人力資本對就業(yè)密度的影響較明顯。

五、結(jié)論

本文基于2000～2019年全國31 個省市的面板數(shù)據(jù)，考察全國就業(yè)密度的空間分布特征及中、西部地區(qū)的空間溢出效應(yīng)。研究發(fā)現(xiàn)：（1）我國就業(yè)密度高值區(qū)主要分布在中東部地區(qū)，整體上呈現(xiàn)“東高西低”的空間格局，且高值區(qū)逐漸向四周擴(kuò)散；（2）東部地區(qū)不存在空間自相關(guān)，中、西部地區(qū)存在空間相關(guān)性，且存在負(fù)的空間溢出效應(yīng)；（3）影響中部地區(qū)就業(yè)密度的主要因素為經(jīng)濟(jì)和基礎(chǔ)建設(shè)，影響西部地區(qū)就業(yè)密度的主要因素為基礎(chǔ)設(shè)施和人力資本。

基于本文的研究結(jié)果可以得出，要提高就業(yè)密度對區(qū)域的經(jīng)濟(jì)溢出就要加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，促進(jìn)區(qū)域一體化，實現(xiàn)城市協(xié)同發(fā)展，減少經(jīng)濟(jì)差異過大帶來的消極影響。在此基礎(chǔ)上，注重人才引進(jìn)，采取措施以提高人力資本投入為經(jīng)濟(jì)帶來的積極作用，同時加強(qiáng)區(qū)域間的經(jīng)濟(jì)技術(shù)合作，從各方面促進(jìn)經(jīng)濟(jì)增長。