APP下载

交通基础设施的就业效应及其地区差异
——基于省级面板数据的实证分析

2018-07-26赵佳丽高艳云程光辉

江西社会科学 2018年7期
关键词:阶数基础设施交通

■赵佳丽 高艳云 程光辉

一、引 言

近年来我国宏观经济和交通基础设施建设实现了同步发展,遍布全国各地的高速铁路相继建成运行,四通八达的高速公路网也在不断建设。现代经济增长理论表明,政府公共投资具有典型的正外部性,是促进就业的一个重要手段。政府对基础设施的投资为相关产业部门提供了支持,能够扩大对相关产品和服务的需求,引致企业生产规模的扩大,从而需要雇佣更多的劳动力以满足总需求的上升,推动就业增长。正因为此,为了实现充分就业的目标,世界各国政府在经济发展过程中均采用各种宏观经济政策对劳动力市场进行干预。

在我国经济发展过程中,为了保持就业的稳定,中央政府也采取了与之相似的政策,特别是加大交通基础设施的投资力度。如果以年末从业人员数与年末劳动人口数(16-65岁人口数)之比衡量就业率,以交通基础设施密度衡量交通基础设施水平,根据我们的计算,在1997—2016年间,全国的平均就业率从1997年的0.512上升到2016年的0.561,而交通基础设施则从1997年的0.326公里/平方公里增加至2016年的0.897公里/平方公里。尽管两者总体均表现出上升的趋势,但是,交通基础设施的发展速度要远远快于就业率的增长速度。根据计算可知,在1997—2016年间,交通基础设施的增长幅度为175.2%,而就业率的增长幅度仅为9.57%,在1999—2001年间,就业率甚至还出现了小幅的下滑(这三年分别为0.489、0.484和0.483)①。正因为此,对于政府公共投资政策的实施效果,一些学者认为,政府在交通基础设施方面的投资仅仅有利于“保增长”,对就业的促进作用并不明显,这种“无就业复苏”的增长模式也引起了学界的广泛讨论。[1]

从实证研究来看,尽管自Aschauer[2]以来一些文献对基础设施与就业的关系进行了研究[3][4],专门讨论交通基础设施与就业关系的文献并不多见,这些研究也没有取得一致认识。Crane et al.[5]采用美国德克萨斯州的面板数据考察了交通基础设施对就业的影响,其研究结果表明当期及滞后的交通基础设施投资对就业有显著的正向影响,且这种影响效应在城镇地区要表现得更明显。运用来自美国北卡罗来纳州1985—1997年各郡的面板数据,Jiwattanakulpaisarn et al.[6]的实证研究表明当控制了就业的滞后项时,高速公路资本对地区就业的影响效应并不显著。郑振雄[7]采用中国1997—2008年的省际面板数据,研究发现公路基础设施对就业存在显著的正效应,从短期看这种影响效应较小,但长期影响效应较大。张彬斌、陆万军[8]指出国道主干线贯通对其过境县域的服务业就业份额在整体上具有显著的提升效应。一些研究还从中国城市层面出发,对交通基础设施与就业的关系进行了检验,如邓明[9]、肖挺[10]以及肖挺和黄先明[11]等。这些研究一致认为交通基础设施的改善对第二和第三产业(包括城市制造业和服务业)就业有显著的促进作用。

鉴于以上理论阐述、实证研究和现实状况之间的分歧,对于交通基础设施与就业之间的关系,如下问题仍然值得我们思考:一是交通基础设施与就业之间的因果关系如何?尽管一些文献描述性提及,交通基础设施能够促进地区就业增长,但也有一些文献指出,地区就业的增长是交通基础设施条件改善的原因之一。因此,两者之间的因果关系并无定论。二是如果说现有研究仍无法确定交通基础设施的发展是否能够促进就业增长,那么对两者关系作进一步的实证检验便有其意义所在。三是从我国经济发展所存在的区域差异这一事实看,如果交通基础设施对就业存在影响,那么这种影响效应是否存在地区差异?本文的研究主要围绕对以上三个问题的解答而展开。与现有文献相比,本文的贡献主要体现在如下两个方面:(1)现有文献仅仅关注公路基础设施对就业所产生的影响,而没有将其他形式的交通基础设施纳入分析框架,本文则综合考虑了公路、铁路和内河航道三种不同形式的交通基础设施。(2)一些文献[5][7]先验地假定交通基础设施对就业存在影响,没有对两者之间的因果关系进行严格检验,本文则选取了中国省级数据,在面板数据的基础上对交通基础设施与就业之间的关系进行格兰杰因果检验。

二、交通基础设施与就业的因果关系检验

(一)面板数据下的格兰杰因果检验

如果不仅存在交通基础设施对就业的影响,同时也存在就业对交通基础设施的影响,那么内生性问题的存在将导致对两者关系研究得到的参数估计量是有偏的。因此,本文首先对交通基础设施与就业的因果关系进行格兰杰检验。

为了检验交通基础设施与就业之间的因果关系,我们设定模型如下:

其中,α、β、γ和θ为待估参数,φi和ξi表示不可观测的个体效应,μit和εit是随机误差项,T表示交通基础设施,沿用Demurger[12]的做法,以各省份的公路、铁路和内河航道里程数之和除以国土面积衡量,E表示就业水平,用各省份年末从业人员数与年末劳动人口数(16-65岁人口数)之比来衡量。在方程(1)和(2)中,我们假定滞后阶数n和m足够长以保证μit和εit是随机误差,检验的原假设分别为:

表1 交通基础设施对就业影响的因果关系检验

当(3)和(4)成立时,模型(1)意味着交通基础设施不是影响就业的格兰杰原因,模型(2)则意味着就业不是影响交通基础设施的格兰杰原因。

模型(1)和(2)中出现了交通基础设施和就业的滞后变量,因此,首先需要考虑模型中这两个变量的滞后阶数。理论上模型(1)和(2)中的滞后阶数n和m可以取任意值,但是,由于格兰杰因果检验对变量的滞后阶数比较敏感,如果滞后阶数设定过长会引起过度识别的问题。对此,Holtz-Eakin et al.[13]建议模型中包含的最大滞后阶数一般不应超过数据涵盖时间跨度的1/3。其次,模型(1)和(2)中的滞后阶数并不一定相等,但为了简化分析,笔者假定两者的滞后阶数相等。

(二)检验结果

本文采用1997—2016年我国的分省数据,对交通基础设施与就业的因果关系进行检验。由于数据涵盖了20年,基于Holtz-Eakin et al.[13]的建议,我们将模型(1)和(2)的最大滞后阶数设定为7。表1和表2给出了相应的检验结果,由于模型(1)和(2)是一个典型的动态面板数据模型,因而本文采用了系统GMM方法对其进行估计。

表2 就业对交通基础设施影响的因果关系检验

根据表1和表2的检验结果,基于我国省区层面的数据并未证实交通基础设施与就业之间存在双向因果关系,而只存在交通基础设施对就业的影响。从表1来看,在交通基础设施滞后阶数为1到7的情况下,Wald统计量对应的p值表明各期交通基础设施变量是联合显著的,不能拒绝原假设(3),即交通基础设施的变动是引起就业变动的Granger原因。而根据表2的估计结果,在滞后阶数为1时,对应的p值最小(为0.179),最大则达到0.713,均表明就业水平的变动并不是引起交通基础设施投资变化的Granger原因。这一结果可能说明,交通基础设施的投资决策主要受其他因素的影响,例如张军等[14]指出地方政府的标尺竞争、治理水平是影响交通基础设施投资决策的重要因素,而刘秉镰等[15]认为在经济不景气时,为了维持稳定的经济发展局面,政府会加大对交通基础设施的投资力度。

三、交通基础设施的就业效应分析

(一)实证模型

在确定了交通基础设施与就业之间的因果关系后,为了检验交通基础设施对就业的影响效应,本文参照Jiwattanakulpaisarn et al.[6]的思路,以就业均衡方程为基础,设定如下实证模型:

其中,α、β和γk为待估参数,被解释变量E为就业水平,T表示交通基础设施,fi为各省不可观测的固定效应。X表示其他影响就业的控制变量向量,主要包括:产出、物质资本存量、人力资本、国外直接投资、产业结构、贸易开放度、城市化水平、人口结构以及市场化程度。

由于交通基础设施从建成到运行存在时滞,劳动力市场的调整也受到众多因素的影响,如信息不对称、企业解雇、招聘和培训员工的时滞等,因而交通基础设施对就业的影响具有滞后效应(Jiwattanakulpaisarn et al.[6];郑振雄[7])。根据表1的结果,当模型中包含解释变量的5阶滞后时,对应的AIC值最小,意味着我们应当引入交通基础设施的5阶滞后。但是,从t统计量看该模型中大部分变量并不显著,而且引入5阶滞后由于待估参数的增加也会对模型的估计造成不利影响。因而,本文只引入交通基础设施和就业的1阶滞后,调整后的模型如下所示:

(二)变量定义、数据来源及描述性统计

就业水平和交通基础设施的衡量如前文所示,除此之外,为了进行稳健性检验,笔者还采用第二产业和第三产业就业人数之和与年末劳动人口数之比E1来衡量就业水平。其他变量的定义如下:

产出(gdp):以各省人均实际GDP衡量;

物质资本存量(k):以各省人均物质资本存量衡量,各年总的物质资本存量通过永续存盘法计算得到,并取折旧率为5%;

人力资本(h):以人均受教育年限进行度量,数据单位为年;

国外直接投资(fdi):各省外商直接投资占GDP的比重,我们首先根据各年的平均汇率将FDI调整成人民币币值再计算其比重;

产业结构(indust):以第一产业产值与GDP之比衡量;

开放度(trade):进出口总额与GDP之比,首先将进出口总额按各年平均汇率调整成人民币币值,进而求其与GDP的比重;

城市化水平(urban):各省年末城镇人口与总人口之比;

人口结构(pop):以各省年末15-65岁人口占总人口比重衡量;

市场化程度(market):以樊纲和王小鲁的市场化指数作为代理变量。②

本文选取中国省区1997-2016年的数据,除去西藏后包含大陆30个省区,数据主要来源于各年《中国统计年鉴》和《中国交通统计年鉴》,所有以人民币为单位的数据,均以1997年的不变价格进行了调整,相关变量的描述性统计如表3所示。

表3 变量的描述性统计

(三)实证结果分析

模型(6)中出现了滞后因变量作为解释变量的情形,是一个典型的面板数据模型,作为对比,本文分别给出了系统GMM和一阶差分GMM的估计结果,如表4所示。在表4中我们共做了8组回归,其中方程(1)-(4)以E作为被解释变量,(5)-(8)以E1作为被解释变量。从表4可以发现,所有方程均通过了一阶自相关和二阶自相关检验,Sargan检验的p值也不能拒绝原假设 (p值均为1,Sargan检验的原假设为“所有过度识别约束是有效的”),说明估计过程中所采用的工具变量是有效的。

从表4的估计结果来看,首先,由于滞后一期的就业对当期就业有显著的正效应,说明就业具有明显的“棘轮效应”[16]。其次,从交通基础设施对就业的影响看,无论是当期还是滞后一期的交通基础设施对就业的积极影响也得到了证实③,说明交通基础设施的就业效应可以从短期和长期两个层面加以考量。再次,产出(gdp)、物质资本存量(k)、开放度(trade)、人口结构(pop)和市场化程度(market)这五个变量对就业的影响不稳定(或者不显著)。需要注意的是,尽管一些文献指出促进经济增长是增加就业的一个关键因素,但是本文结果却表明产出对就业的影响效应并不显著。最后,通过改变模型中的被解释变量,除了上述五个变量之外,其他变量的符号均未发生变化,说明估计结果是稳健的。接下来我们将基于以E作为被解释变量,采用系统GMM方法的回归方程(4)对估计结果进行解释。

根据方程(4)的估计结果,交通基础设施的短期就业弹性为0.015,长期效应为(0.015+0.021)/0.780=0.046,长期影响效应大于短期影响效应,且长期就业弹性是短期就业弹性的三倍。从短期看,在交通基础设施建设过程中对原材料的需求会拉动其他产业的发展,间接促进就业的增加,并且在建交通基础设施项目也会产生对劳动力的需求,特别是对建筑业劳动力的需求,从而促进就业增长。而从长期来看,首先,由于交通基础设施导致的生产率提升,使企业有扩大生产规模的动机,导致对劳动力的需求增多,对就业产生一种积极影响。其次,发达的交通基础设施降低了区域间的交通运输成本,有利于生产要素向该地区集中,从而形成产业聚集,影响劳动力的迁移和流动决策,进而对就业产生影响。最后,便利的交通基础设施网络降低了劳动力的职业流动和地区流动成本,可以更加及时地捕捉到相关就业信息,对就业产生积极影响。

此外,从现有研究看,人力资本如何影响就业仍存在分歧,如Jiwattanakulpaisarn[6]的研究认为人力资本对就业有积极影响,而郑振雄[7]却得到了完全相反的结论。本文的结果表明,人力资本对就业有显著的积极作用。笔者认为其原因可能在于,由于人力资本越高意味着劳动者的专业技术水平越高,在我国产业结构调整和转型升级的背景下,越能满足和适应劳动力需求方的要求,从而影响效应表现为正。国外直接投资水平对就业水平也有正向促进作用,国外直接投资越高的地区,对劳动力的需求也更多,促进了就业的增加。而产业结构和城市化水平与就业水平呈负相关。一般而言,第一产业在总产出中所占比例越高,意味着第一产业效率越高,能够使更多剩余劳动力从农业生产活动中解放出来,不断涌入城市。但是,由于就业需求增长缓慢以及劳动力与就业岗位之间的不匹配,对第二产业和第三产业形成了巨大的就业压力,从而对就业产生不利影响。

表4 交通基础设施的就业效应

(四)交通基础设施对就业影响的地区差异分析

由于我国幅员辽阔,不同地区经济发展模式和水平差异较大,交通基础设施对就业的影响效应不同地区可能存在差异。因此,除了采用分省数据从整体的层面对两者的关系进行检验之外,本文还依据东、中、西部的划分方法,对交通基础设施影响就业的地区差异进行了检验,估计结果如表5所示。与表4不同的是,在表5中我们只采用系统GMM方法对模型进行估计,但为了对估计结果做一个稳健性检验,我们仍以E和E1作为被解释变量分别进行了估计。

表5 交通基础设施对就业影响的地区差异

以分地区样本为基础得到的估计结果与表4基本保持一致。根据表5可以发现,产出、物质资本存量、开放度、人口结构以及市场化程度对就业的影响仍不显著,与系统GMM估计相关的检验结果也表明工具变量是有效的。根据分地区的估计结果,滞后一期的就业仍通过了显著性检验,再次说明就业具有显著的“棘轮效应”,且这种效应在东部地区要表现得更明显。从滞后一期和当期就业之间的关系看,估计系数越高表明两者之间的相关性更强,因此,不同地区的差异可能在一定程度上说明东部地区的就业状况更为稳定。根据我们的计算,当以年末从业人员数与年末劳动人口数之比衡量就业率时,在1997—2016年间,三个地区的平均就业率在总体上均出现了较为显著的增长趋势,其中西部地区的平均就业率从1997年的0.516上升至2016年的0.582,东部地区和中部地区则分别从0.515、0.502上升至0.542和0.541,④这一时期西部地区的就业增长幅度更大,东部地区增长幅度最小,也说明东部地区就业状况更为稳定。

交通基础设施对就业影响的地区差异也得到了证实。以方程(9)-(11)为基础,从短期看,东、中、西部交通基础设施的就业弹性分别为0.028、0.012和0.022,东部地区的影响效应最大,西部地区次之。然而,从长期看,东、中、西部交通基础设施的就业弹性分别为0.046、0.039和0.052,交通基础设施对西部地区就业的长期促进作用更为明显,我们可以从两方面对这一结论进行解释。一方面,我国在改革开放初期所采取的发展战略,形成了典型的三大经济带,与东、中部地区相比,西部地区交通基础设施水平更为落后。过去十多年,随着“西部大开发”战略的不断推进,西部地区交通基础设施得以极大改善,尽管这一时期东、中部地区交通基础设施建设也在有条不紊地推进过程中,但是,从增加就业的角度看,由于国家发展战略的倾斜、更低的劳动力成本以及产业发展的带动等因素的共同作用,导致交通基础设施对就业的长期影响效应在西部地区更高。另一方面,与东部地区相反,西部地区历来是劳动力输出的主要区域,而东部地区则是主要的吸纳就业区域,东部地区的居民往往也选择其内部省份作为工作目的地。因而,即使交通基础设施对就业的长期影响效应表现一致,不同地区劳动力市场的特征差异却决定了其影响强度的差异。

四、结 语

本文运用中国1997—2016年30个省区的面板数据,首先采用Holtz-Eakin et al.提出的方法,对交通基础设施与就业之间的因果关系进行了检验,根据检验结果确定了交通基础设施是影响就业的格兰杰原因。在此基础上,本文还估计了交通基础设施对就业的影响效应,具体来看,无论采用哪种方法衡量就业,均表明交通基础设施对就业有显著的促进作用,且长期效应大于短期效应。按照东、中、西部划分得到的估计结果也证实了这一点。此外,本文的研究还表明,交通基础设施对就业的影响还具有地区差异,短期就业弹性东部最大,而长期就业弹性西部最大。

根据本文的研究结论,改善交通基础设施时能通过一些项目的上马创造大量的工作机会,从长期看对就业也具有显著的促进作用。但值得注意的是,当前我国交通基础设施建设呈现较为明显的地区差异,东部地区交通基础设施建设发展迅速,而中西部地区则稍显落后,因此,政府应当加大对中西部地区交通基础设施建设的投入,积极发挥交通基础设施建设对就业的促进作用,从而实现地区协调发展的战略目标。

注释:

①此处数据根据《中国统计年鉴》以及《中国交通统计年鉴》计算得到。

②樊纲和王小鲁构建了一个评价中国省区市场化程度的指标体系,并对其进行了持续测度,我们在他们发布的市场化指数各年度报告以及已有文献的基础上获取了1997—2016年间各地区的市场化指数。

③当然在方程(3)和(7)中当期交通基础设施的影响不显著,在方程(8)中滞后一期交通基础设施的影响也不显著。

④以东部地区为例,我们先分别求出该地区所有省份年末就业人口和劳动人口之和,再以加总的年末就业人口与劳动人口之比衡量该地区的平均就业率。

猜你喜欢

阶数基础设施交通
农业基础设施建设有望加速
公募基础设施REITs与股票的比较
确定有限级数解的阶数上界的一种n阶展开方法
繁忙的交通
15相感应电机槽配合研究
复变函数中孤立奇点的判别
小小交通劝导员
振动搅拌,基础设施耐久性的保障
新政府会计准则规范公共基础设施处理
基于叠加序列的信道估计的研究*