鄭騰飛，柯善咨

（1. 湖南大學 經濟與貿易學院，長沙 410079；2. 國家發(fā)改委宏觀經濟研究院 產業(yè)所，北京 100038）

一、引 言

近20年，我國勞動生產率總體上大幅提高，但在各地區(qū)和各城市間仍存在較大差異。根據《中國城市統計年鑒》數據，2015年我國中小城市勞動力的平均產出為56 256元，明顯低于大城市的70 577元。傳統的新古典經濟學理論認為，要素投入和集聚經濟的差別是導致勞動生產率差異的原因。新經濟地理學者強調運輸成本的高低和規(guī)模經濟的大小會對不同地區(qū)和城市的市場規(guī)模和勞動生產率產生差異化影響。后續(xù)研究通過正規(guī)理論模型分析指出，勞動者與工作崗位的技能匹配程度影響勞動生產率（Duranton和Puga，2004）。反觀我國勞動技能匹配狀況，人保部數據顯示2014年4季度城市勞動力市場求人倍率為1.15，各類用工總需求的15%無法得到滿足。

城市規(guī)模的大小決定著本地勞動力市場規(guī)模，進而極大地影響著技能匹配水平和企業(yè)生產率。大城市各種專業(yè)化行業(yè)比較齊全，勞動者技能與崗位技能需求愈相匹配。從日常觀察可見，雙雙擁有高學歷和專業(yè)技能的夫妻傾向選擇在大城市工作和生活，因為大城市內各類專業(yè)技能易于匹配，雙方可以擁有各自的事業(yè)、獲得較高的收入。理論和實證研究還表明，隨著城市規(guī)模的增長和功能分工的演變，大城市逐漸成為管理、研發(fā)和先進服務業(yè)中心，而外圍中小城市則主要承擔專業(yè)化制造和加工功能（Duranton和Puga，2005；趙勇和白永秀，2012）。與中小城市相比，大城市具有吸納高技能勞動力的優(yōu)勢，高技能勞動力和高技術企業(yè)有更各得其所的技能匹配和更高的生產率。

交通條件直接影響著勞動力流動性和技能匹配水平。在我國一些發(fā)達地區(qū)，城市交通條件的改善顯著提高了大城市職工的通勤距離。2017年GDP排名前十的城市職工平均通勤里程都在8公里以上，其中排名前三的城市的平均通勤距離更是突破了12公里。全國其他地區(qū)城市交通條件的改善同樣有助于提高勞動力流動性、擴大勞動力市場規(guī)模、緩解技能錯配、提高勞動生產率。根據《第一財經周刊》中國城市分級標準，2016年，我國三、四線城市的道路面積較去年增長8.6%（高于一、二線城市的6.2%），而三、四線城市的月人均出行次數增長了23.1%，增速是一、二線城市的近三倍。①數據來源于《中國城市統計年鑒》和《2016智能出行大數據報告》。便利的交通和通勤條件顯著提高了勞動力的出行效率，也為更多城市提供了與大城市勞動力集聚同等的勞動力蓄水池效益。

企業(yè)職工培訓是改善技能匹配水平、提高生產率的另一重要途徑。例如，福特汽車、摩托羅拉等企業(yè)每年人才培訓支出在10億美元以上，韓國每年人均就業(yè)培訓費為223萬韓元。②中國企業(yè)報道：http://www.ceccen.com/toutiaoxinwen/1458701214.html；搜狐網、商務部網站。我國沿海地區(qū)外資企業(yè)也很注重職工技能培訓，為此專門在我國建立了培訓基地。相比之下，國內企業(yè)的員工培訓經費投入很低。《中國企業(yè)人力資源管理調查報告》的數據顯示，培訓經費占公司銷售收入千分之三以上的企業(yè)僅占企業(yè)數的8.7%，然而，占銷售收入千分之零點五以下的企業(yè)則有48.2%。

行業(yè)技術水平和行業(yè)間技術相似性是影響技能匹配的另一個重要原因。根據人力資源和社會保障部數據，技能勞動者數量僅占中國就業(yè)人員總量的約19%，而高技能人才只占5%，技能人才供需矛盾突出。根據《制造業(yè)人才發(fā)展規(guī)劃指南》，現階段新信息技術產業(yè)、高檔數控和機器人、電力裝備、新材料和生物醫(yī)藥等十大重點領域技工總缺口高達三千萬。特定行業(yè)技工缺口的擴大不僅降低了技能匹配的總體水平，也造成技術人才的頻繁流動。由于有些行業(yè)人才流失率居高不下，以致企業(yè)不看好技能培訓的投資回報。根據行業(yè)技術水平和城市類型系統地分析交通條件和企業(yè)培訓的影響將有助于增強地區(qū)經濟結構調整的針對性。

本文的目的和貢獻是分析交通條件和城市規(guī)模如何通過技能匹配影響企業(yè)生產率。我們將技能匹配引入Venables（2007）理論模型，利用中國企業(yè)面板數據檢驗交通條件與城市規(guī)模通過改變技能匹配水平對企業(yè)生產率的影響機制及其行業(yè)差異，彌補文獻的缺失，為制定和評價城市發(fā)展政策提供若干統計依據。本文各節(jié)內容安排如下。第二節(jié)是文獻綜述；第三節(jié)構建理論框架和計量模型；第四節(jié)說明指標和數據；第五節(jié)報告和解釋計量估計結果；第六節(jié)是結論。

二、文獻綜述

我們把與本文密切相關的文獻分為三組：集聚經濟與交通條件，交通條件與勞動力流動，勞動技能匹配機制的分析和檢驗。以下分別綜述三組文獻。

自馬歇爾（Marshall，1890）勾畫出集聚經濟效應以來，后續(xù)文獻?尤其是Duranton 和Puga(2004)?分析了集聚經濟的三個微觀機制?勞動力蓄水池、中間投入的規(guī)模經濟和技術外溢，并初步構建了理論模型。其中：勞動力集聚有利于廠商雇用專業(yè)職工，也有利于勞動者找到與個人技能匹配的崗位，因而成為集聚經濟的一個重要來源。改善交通條件將降低通勤成本，擴大地方勞動力市場，促進人口和產業(yè)集聚，產生集聚經濟效益。為了確定交通條件影響城市生產率的空間范圍，Graham等（2009）使用英國企業(yè)面板數據和非線性計量模型檢驗了不同行業(yè)的集聚經濟效益和影響距離。該研究顯示，英國生產性服務業(yè)和建筑業(yè)的集聚產出彈性分別為0.08和0.03，而制造業(yè)和消費性服務業(yè)的產出彈性僅為0.02；估計還顯示生產性與消費性服務業(yè)和建筑業(yè)的距離衰減指數分別為1.8和1.6，遠大于制造業(yè)的1.0，意味著與制造業(yè)相比，服務業(yè)和建筑業(yè)的集聚效益在空間上更加受制于距離和交通條件。Lin和Truong（2012）在一項類似研究中利用中國1999?2009年278個地級及以上等級城市的面板數據檢驗交通距離對集聚效應和城市生產率的影響，用就業(yè)密度表示集聚，發(fā)現就業(yè)集聚的人均產出彈性為0.109，且集聚經濟隨著交通條件的改善而增長，產出彈性可增至0.17。除了類似的大量正面分析以外，城市經濟學也指出，交通密度的增長和經濟活動的過度集中會造成集聚不經濟。為了研究城市密度、生產率和交通擁堵間的關系，Graham（2007）選擇距離與成本兩個變量來識別道路交通擁堵效應，使用英國制造業(yè)、建筑業(yè)和服務業(yè)廠商及其區(qū)位數據和超越對數需求函數估計交通擁堵對各業(yè)廠商集聚效應的影響，發(fā)現某些行業(yè)廠商集聚收益隨城市密度的增加而明顯遞減，交通擁堵降低了高度城市化地區(qū)的集聚收益。近年來，我國研究者也定量研究了城市生產率因交通擁堵受到的損失。柯善咨和鄭騰飛（2015）根據擁堵外部性和居民與廠商最優(yōu)化原理構建理論模型，利用中國266個地級及以上城市2003?2012年數據檢驗交通密度對生產率的影響，證實城市勞動生產率隨著車輛密度的增加出現了顯著的倒U形變化。

現有研究表明，交通條件影響著勞動力在部門間和區(qū)域間的流動和配置，改善交通條件有利于促進經濟結構調整、提高整體經濟效率。Gollin和Rogerson（2014）利用一般均衡模型和數值模擬方法分析非洲撒哈拉以南地區(qū)勞動生產率和交通成本是否會造成農業(yè)人口變動，模擬結果顯示，如果農業(yè)全要素生產率和交通成本分別增加和降低10%，農業(yè)部門人口可降低20%。林理升和王曄倩（2006）在新經濟地理框架內探討運輸成本和勞動力流動對制造業(yè)區(qū)域分布的作用機制，認為運輸成本的差異造成了沿海地區(qū)制造業(yè)的選址優(yōu)勢，而勞動力流動成本則阻礙了沿海地區(qū)產業(yè)集聚的進一步深化。張光南和宋冉（2013）采用中國各省工業(yè)數據分析交通條件對要素投入的影響，結果顯示改善交通基礎設施能顯著降低勞動力流動成本，促使勞動密集生產技術替代資本密集技術，并減少中間品投入，從而降低了生產成本。

本文與勞動技能匹配研究密切相關，而勞動技能匹配水平直接受到勞動力市場規(guī)模和交通條件的影響。Helsley和Strange（1990）的早期研究曾構建了包括勞動者、廠商和土地開發(fā)商三個經濟主體的模型，其理論分析表明勞動力市場規(guī)模越大，勞動者與工作崗位的匹配質量越高。基于上述理論，Duranton和Puga（2004）在理論框架中引入了勞動力市場競爭，構建了包含均衡企業(yè)數和匹配成本的廠商模型用以分析集聚經濟的來源。由于存在規(guī)模經濟，企業(yè)數量的增長比例小于勞動力增長比例，勞動力市場競爭加劇，從而提高了匹配質量和勞動生產率。由于交通成本制約了勞動者?特別是城市低收入者?的工作搜尋強度，所以降低交通成本會改善勞動力流動性、擴大勞動力市場有效規(guī)模、提高技能匹配水平。為檢驗交通條件對工作搜尋強度（進而對勞動技能匹配）的影響，Gautier和Zenou（2010）使用勞動力市場穩(wěn)態(tài)均衡模型和 1981?1982年美國全國調查數據分析了白人與黑人青年的工作搜尋強度（時間和距離）與產出水平，發(fā)現擁有私家車使白人比黑人在單位距離時間內搜尋更多的工作，接近資本市場或公共交通則有助于減少勞動市場產出的差異。研究者還發(fā)現交通成本對工作搜尋強度的影響因收入而異。Phillips（2014）根據2010年華盛頓地區(qū)雇主-家庭調查數據，設計了交通補助的隨機實驗，檢驗交通成本對低收入者工作搜尋強度的影響。該研究估計接受補助的實驗組比控制組的工作搜尋強度高19%，而且交通補貼對偏遠地區(qū)求職者的作用更加明顯?，F有研究還發(fā)現，交通成本對不同技能水平的勞動者具有篩選效應。勞動力流動性也因技能水平而異。Torfs和Zhao（2015）的研究表明，由于存在勞動力流動成本，只有高技能勞動力才有能力遷往大城市，而低技能勞動者只能在本地搜尋工作。高技能勞動力外流使當地就業(yè)環(huán)境惡化，進而降低低技能勞動者的匹配質量。個別文獻還研究了交通條件通過改善匹配效率對經濟增長的影響。Tikoudis等（2012）的分析顯示了交通基礎設施通過改善貿易條件和提高匹配效率兩種途徑影響產出，該研究構建了兩區(qū)域空間迭代模型，采用模擬實驗分析了匹配效應對經濟增長的影響，定量估計認為交通基礎設施通過改善勞動力匹配效率可以提高人均產出10%左右。上述有關匹配機制的理論研究和實證檢驗為分析交通條件與生產率之間的關系提供了一個重要思路。

綜上所述，相關領域的學者們初步探討了技能匹配如何受勞動力市場規(guī)模和交通條件影響，但是理論分析中并未涉及勞動力市場規(guī)模和交通條件對技能匹配的協同或替代作用，實證檢驗中依賴比較簡易的模型，也忽略了交通條件與技能匹配對不同技術水平行業(yè)和不同規(guī)模城市中企業(yè)效率的影響。本文試圖彌補這些研究的不足，文中理論和實證研究的邏輯是：技能匹配影響勞動生產率，即存在技能匹配效應；交通條件和城市規(guī)模協同作用于技能匹配效應。

三、理論框架

本節(jié)將技能匹配引入Venables（2007）的交通條件?城市規(guī)模?生產率理論框架，分析城市交通條件、城市規(guī)模和勞動技能匹配對企業(yè)生產率的影響，進而設置計量模型。

假設同行業(yè)的廠商生產同質產品，令x為勞動者技能與工作崗位完全匹配時的勞動生產率。大量研究表明，在相當大的規(guī)模范圍內城市集聚經濟大于集聚非經濟，所以假設企業(yè)生產率是城市勞動力規(guī)模N的增函數x(N)，x'>0。令m表示匹配成本，即勞動者技能與崗位所需技能的差別，反映技能匹配狀況。假設某城市擁有足夠大的技能多樣化的勞動力市場，而且有完善的交通條件，廠商和勞動力的搜尋成本為0（或作為某一基點），那么這里的廠商無需內部培訓投入即可實現技能匹配。而其他城市的職工和廠商的搜尋成本則大于0（或大于上述基點），他們需努力搜尋方可實現技能的供求匹配。然而，這些廠商和職工也可以通過降低招聘門檻和接受較低起薪，把搜尋成本全部投到內部培訓上，培訓投入越大，崗位技能差距導致的生產率損失越小，所以培訓投入量是匹配成本的反向測度。又因城市勞動力規(guī)模N的擴大會促進職工與崗位之間的技能匹配，降低匹配成本m，所以匹配成本為N的減函數，m(N)，m'<0。

在市區(qū)半徑外居住與工作的職工不支付通勤和城市地租，且假設其從事簡易工作（如農業(yè)或簡單的加工裝配），技能匹配成本為常數，因此其收入為?？臻g區(qū)位均衡時，城市邊緣的地租為0，城市邊緣職工在城區(qū)內外就業(yè)的凈收入相同：

下面考察存在匹配成本時的城市均衡規(guī)模和勞動生產率。注意到和，利用式（4）對c求導并整理后得：

借鑒Helsley和Strange（1990）的技能空間單位圓周的表達形式（見圖1），用單位圓周上均勻分布的位置表示每個廠商崗位的不同技能要求和每個勞動者的特有技能。圖1A假設勞動市場中有A和B兩個技術要求不同的廠商和4個具有不同技能的職工，其中工人1和工人2為廠商A所雇傭，工人3和工人4為廠商B所雇傭，平均每人的技能匹配差距為1/8。同理，圖1B假設有三個企業(yè)和6名工人，技能匹配差距下降為1/12。不失一般性，勞動者技能與崗位需求技能間的差距用單位圓周上兩者之間的距離μ表示，增加的匹配成本則可表示為μm(N)。

圖 1 勞動技能匹配

設有n個企業(yè)進入市場，所以每個企業(yè)在技能空間圓周上占互不重復的1/n。在對稱均衡條件下，各企業(yè)的基本工資（x）相同。假設每個企業(yè)都將為爭奪技術工人而展開競爭，其有效競爭對手主要是崗位技能要求差異僅為1/n的左右兩側競爭者。工人的凈收入等于工資減去匹配成本。工人都力圖獲得最高凈收入。當與企業(yè)h的差距為μ的工人獲得的工資x(h)等于從h的競爭對手獲得的工資x時，可得：

其中：[(1/n)–μ)]m(N)是h的競爭者雇傭該工人所增加的匹配成本。對式（6）變換整理可得：

企業(yè)h將會雇傭與其技能要求差別不大于μ（μ≤1/2n）的工人，根據式（7）可得雇傭數為：

式（8）表明，企業(yè)h相對工資 [x(h)?x] 越高、勞動力市場越大、匹配成本m(N)越低，能夠從競爭者那里吸引的工人就越多。均衡條件下，x(h)=x，企業(yè)雇傭數量。標準化k=1+θ，把城市職工通勤成本加總并整理后得。①根據式（4）和城市內外職工分布，N和?N，可得企業(yè)總收益：

利用式（9）對c求導得交通條件改善對產出的影響有：

上式綜合了交通條件通過幾個途徑影響勞動生產率的機制。第一，上式最后一項（即）表示不計其他間接途徑，改善交通可以直接節(jié)省市內所有職工的通勤成本。

根據方程式（4），均衡狀態(tài)下的城市勞動生產率優(yōu)勢和城市交通成本抵消，所以式（10）中的其他各項等于0。城市交通條件的變化通過城市規(guī)模、職工個體生產率、技能匹配等途徑影響企業(yè)生產率的機制可用圖2表示。

圖 2 交通條件、城市規(guī)模和勞動技能匹配對生產率的影響

圖2中的橫軸和縱軸分別衡量城市規(guī)模和城市內外生產率的差別?？v軸原點表示城市外的平均凈生產率，即平均生產率減去匹配成本。設初始交通成本為起自原點的直線，c0是斜率，交通成本隨城市規(guī)模而增長。交通條件改善后，斜率下降為c1，交通成本線自原點向右旋轉為。曲線是不計城市內匹配成本時城市內外生產率的差異。集聚經濟效益產生的生產率和收入差異吸引著城外職工遷入城市，該曲線先隨城市規(guī)模增長迅速上升；隨后出現集聚不經濟，上升勢頭減緩；最后與交通成本曲線相交，達到城市規(guī)模和生產率的空間點，即圖2該曲線與兩交通成本線和相交的兩點（小寫字母p1和p2）。根據Helsley和Strange（1990）的勞動技能匹配模型，城市勞動力規(guī)模N的擴大將降低匹配成本m(N)，即m'<0，提高生產率。引入匹配成本后，城市內外效率的差別是。該曲線與兩交通成本的交點（大寫字母P1和P2）是達到空間均衡的城市規(guī)模（N和N+dN）和生產率，在此狀態(tài)下，企業(yè)和職工都不再有遷移的經濟激勵。若交通成本不變（沿），匹配成本m(N)使城市均衡規(guī)模N和生產率y坐標交點由小寫字母p1點下降為大寫的P1。由此得到理論預期，生產率是匹配成本m(N)的減函數。

四、計量模型設定與數據說明

（一）計量模型設定。根據以上分析，由于集聚經濟和交通條件的改善均有助于勞動生產率的增長，城市規(guī)模、交通條件和技能匹配直接影響勞動生產率，但是技能錯配會降低生產率。更為重要的是，勞動力在找工作時，城市規(guī)模和交通條件的改善會提高匹配程度；而且，給定城市規(guī)模和交通條件，企業(yè)可以通過培訓投入來改善現有的技能匹配水平。因此，交通條件、城市規(guī)模和企業(yè)培訓對企業(yè)生產率的直接影響和協同影響是本文考察的重點。同時需要說明，搜尋和培訓是前后兩個階段的行為，其目的都是實現技能匹配，但是兩者的作用可以替代（已達到技能匹配時）也可以疊加（尚未達到匹配時）。理論模型的構建過程力求刻畫技能匹配機制，避免遺漏重要的相關變量，但均衡模型的最終結果不在于區(qū)分搜尋和培訓所處的階段，而在于揭示各變量對生產率的可能的貢獻。計量模型檢驗的是均衡模型，所以城市規(guī)模、交通條件和企業(yè)培訓投入變量的參數估計都是包含了上述兩個階段變化的最終結果。

為了降低估計偏誤，文中還引入了其他控制變量。根據已有研究（周黎安等，2007；孫曉華和王呁，2014；鐘昌標等，2015），企業(yè)生產率還與企業(yè)內部特點和外部環(huán)境的諸多因素相關，因此，計量模型引入企業(yè)規(guī)模size和年齡age，城市財政科研支出比重kn，城市每萬人口中大學生數st和企業(yè)所在行業(yè)indh以及企業(yè)所在城市cityi虛擬變量作為控制變量。我們根據上述理論框架設置相應的計量模型有：

其中：各變量的下標i和j識別城市和企業(yè)，下標t是年份；被解釋變量Y表示企業(yè)生產率，解釋變量Ci是用路網密度表示的城市i的交通條件，Ni是用人口表示的城市i的規(guī)模，m是用企業(yè)培訓投入測度的技能匹配。隨后四個（組）變量是交互項。交互項參數β4和β5表示技能匹配水平分別與城市規(guī)模和交通條件對企業(yè)生產率的協同影響。第六項β6表示交通條件和城市規(guī)模對企業(yè)生產率的協同作用。交互項參數β7表示交通條件和企業(yè)培訓對生產率的影響是否隨著城市規(guī)模的變化而變化。已有研究發(fā)現城市生產率隨非農業(yè)人口規(guī)模呈非線性變化（如，柯善咨和趙曜，2014）。為此，在計量方程（11）的基礎上引入城市規(guī)模的二次項。變量Xt表示控制變量，包括企業(yè)和城市的四個連續(xù)變量以及各個行業(yè)、城市和年份的虛擬變量indh、cityi和yeart。

本文進一步分析交通條件和企業(yè)培訓對不同類型產業(yè)生產率的影響。不同技術類型產業(yè)對要素和市場有不同的需求，意味著不同類型的產業(yè)偏好不同規(guī)模的城市。①高新技術產業(yè)需要大量高技能人才和便利的交通和信息交往，因此往往集聚在大城市。技術成熟的傳統產業(yè)需要成本較低的土地、原材料和一般勞動力，因而偏好在要素成本較低的二、三線城市。為了檢驗交通條件與企業(yè)培訓對不同產業(yè)生產率的影響是否存在城市規(guī)模差異，本文根據2014年國務院印發(fā)的《關于調整城市規(guī)模劃分標準的通知》，將城市按規(guī)模劃分為三類：人口<100萬的中小城市用虛擬變量N1=1表示，人口介于100萬和500萬之間的大城市用虛擬變量N2=1表示（該變量在回歸中略去），人口>500萬的特大城市用虛擬變量N3=1表示，每個城市只屬于一類，模型中其他兩個虛擬變量值為0。重新設定的計量模型如下所示：

其中：第七項的變量Nk是城市規(guī)模類型的虛擬變量，k=1，2，3。參數β7k測度交通條件和匹配水平對第k類的城市規(guī)模中企業(yè)生產率的協同影響。

（二）變量和數據說明。本文數據來自國家統計局發(fā)布的《中國工業(yè)企業(yè)數據庫》和《中國城市統計年鑒》。《中國工業(yè)企業(yè)數據庫》中只有2004?2007年四年序列中報告了企業(yè)勞動培訓支出數據，這成為本文時間序列的約束條件。工業(yè)企業(yè)數據庫中有些指標存在異常值，本文樣本剔除了職工人數、總資產或固定資產凈值和銷售額缺失的觀測值。根據謝千里等（2008）的方法，剔除職工人數少于8人的觀測值。本文還剔除了企業(yè)年齡大于100的個別可疑記錄。由于工業(yè)企業(yè)數據庫中各年收集的統計指標個數差別較大，本文選取在樣本期間內持續(xù)存在的變量。穩(wěn)健性檢驗還將使用被解釋變量高低端各1%截尾后的樣本。由于從2004年起，國家統計局不再收集工業(yè)增加值和工業(yè)總產值數據，本文參照聶輝華等（2012）的方法，根據會計準則估算，工業(yè)增加值=產品銷售額?期初存貨+期末存貨?工業(yè)中間投入+增值稅。勞動生產率用企業(yè)增加值與企業(yè)職工數的比值表示。

下面扼要說明各解釋變量及其測度。方程（11）和（12）中的技能匹配水平m是本研究的關鍵變量。但是，對技能匹配的任何國內外研究都沒有發(fā)現直接的統計數據。然而，現實中無論企業(yè)勞動技能匹配水平如何，職工培訓都可以使職工勞動技能與企業(yè)需要更加匹配，從而提高生產效率，這也是企業(yè)培訓投入的根本動力。企業(yè)培訓投入未必和企業(yè)原技能匹配水平相關，既可能是技能匹配差的企業(yè)增加培訓投入，也有可能是其他因素導致企業(yè)培訓投入增加。因此，用技能培訓投入表示匹配水平并不能揭示培訓投入的原因，但是計量檢驗可以發(fā)現所有企業(yè)培訓投入的平均收益。本文用每個職工平均技能培訓投入（變量Match）表示匹配水平，該指標統計數據的最長時間序列為2004?2007年四年。Street是路網密度，用每平方公里建成區(qū)面積上的道路長度表示。城市規(guī)模Pop用市轄區(qū)人口表示。該變量還用于構建三個城市規(guī)模虛擬變量N1、N2和N3。企業(yè)規(guī)模Size用企業(yè)職工數測度。企業(yè)年齡Age是從注冊到本研究樣本年份之間的年數。高等教育St以大學在校生數占總人口的比重表示?？蒲协h(huán)境Kn以科技支出占財政支出的比重表示。表1為這些變量的描述統計量。其中：一些企業(yè)教育培訓支出（Match）為0，在取對數時，為了防止0值造成缺失記錄，我們借鑒文獻中慣用方法，先平移所有數據（Match +1），再取對數。

表 1 2004?2007年中國制造業(yè)企業(yè)和城市的描述性統計

五、計量檢驗和分析

（一）交通基礎設施、城市規(guī)模和培訓投入對中國企業(yè)生產率影響的計量檢驗。除了虛擬變量，文中變量均采用對數形式。所有模型的Hausman檢驗都拒絕了隨機效應原假設，表明未控制的企業(yè)特征與某些解釋變量相關，必須控制這些企業(yè)的固定效應（FE）才能得到一致性參數估計。此外，一些地區(qū)推行的特定產業(yè)政策影響相關產業(yè)的企業(yè)生產率，①例如，國務院關于印發(fā)“十三五”國家戰(zhàn)略性新興產業(yè)發(fā)展規(guī)劃的通知指出，山東半島城市群重點發(fā)展生物醫(yī)藥、高端裝備制造、新一代信息技術、新材料等產業(yè)，而福建重點發(fā)展海峽西岸地區(qū)生物、海洋、集成電路等產業(yè)，以及東北地區(qū)大力發(fā)展機器人及智能裝備、光電子、生物醫(yī)藥及醫(yī)療器械等產業(yè)。所以回歸模型引入了省份與產業(yè)固定效應的交互項（29×29個虛擬變量，其中部分變量因共線性而被自動刪除）以控制地區(qū)層面的特定產業(yè)政策差異。為了檢驗交通條件、城市規(guī)模和技能匹配對企業(yè)生產率的影響，我們逐步引入城市路網密度、城市規(guī)模和技能匹配（用企業(yè)培訓投入測度）的交互項，檢驗三個不同的固定效應模型。對中國諸多城市的大量企業(yè)來說，城市規(guī)模和培訓投入兩變量對企業(yè)生產率有獨立的作用。同時，城市規(guī)模和培訓投入這兩個變量的變化相互作用，很可能影響各自對企業(yè)生產率的作用。如果城市人口增長顯著增強了企業(yè)培訓投入對生產率的作用（即交互項的計量結果是顯著的正參數），根據經濟學一般邏輯，城市人口規(guī)模是企業(yè)培訓投入的互補因素。相反，如果城市人口增長削弱了企業(yè)培訓投入對生產率的作用（交互項有顯著的負參數），根據經濟學邏輯，城市人口規(guī)模和企業(yè)培訓投入就很可能是替代因素。我們進而推測其機制，合乎邏輯和常理的解釋是，具有城市人口規(guī)模優(yōu)勢的企業(yè)不需要大量內部培訓即可獲得較好的技能匹配，而城市人口規(guī)模越小的企業(yè)越需要依靠內部培訓才可獲得所需的技能匹配。我們根據同樣邏輯解釋交通條件和技能培訓交互項的實證結果。同時，為了控制城市規(guī)?？赡軒淼膬壬詥栴}，所有回歸方程中使用城市規(guī)模滯后一期的數據。表2報告了方程（11）的FE模型估計結果。

表 2 交通條件和企業(yè)培訓對中國企業(yè)生產率影響的固定效應回歸估計

續(xù)表 2 交通條件和企業(yè)培訓對中國企業(yè)生產率影響的固定效應回歸估計

我們設置和檢驗四個回歸方程。模型1檢驗勞動培訓效應，不含交通和培訓投入的交互項。模型2加入培訓投入（lnMatch）分別與交通條件（lnStreet）和城市規(guī)模（lnPop）形成交互項。根據理論分析，這兩個交互項均有助于提高技能匹配。模型3加入交通條件與城市規(guī)模的交互項，檢驗交通條件與城市規(guī)模對企業(yè)生產率的協同作用。為了檢驗交通條件與培訓投入對企業(yè)生產率的影響是否因城市規(guī)模而異，模型4引入城市規(guī)模與交通條件和培訓投入的三重交互項（lnPop×lnStreet× lnMatch）。

我們先扼要分析控制變量。所有模型中企業(yè)規(guī)模（lnSize）的系數顯著為正，表明企業(yè)規(guī)模越大，企業(yè)生產率越高。企業(yè)年齡（lnAge）的顯著性說明隨著企業(yè)經營時間的增加和經驗的積累，企業(yè)生產率可能從“干中學”中獲得增長。與預期一致，每萬人中大學生數（lnSt）促進了企業(yè)生產率的提高，因為提升人力資本可以創(chuàng)造有利的商業(yè)環(huán)境?？蒲协h(huán)境（lnKn）在各模型中的正參數表明在科技實力雄厚的地區(qū)，企業(yè)可以利用公共投資和技術溢出來提高生產率。

以下考察交通條件和培訓投入對企業(yè)生產率的影響。模型1和2中交通條件（lnStreet）對企業(yè)生產率的影響均顯著為正。培訓投入（lnMatch）在各模型中的參數估計也顯著為正，表明愿意為了提高職工技能配置效率而投入培訓的企業(yè)能獲得更高的效率。模型2是引入交通條件、城市人口規(guī)模和培訓投入交互項后的估計結果。交通條件與培訓投入的交互項（lnStreet× lnMatch）系數顯著為負，似有違常理。但結合lnMatch的含義，這一估計結果與理論和常識相符。一方面，交通條件的改善提高了經濟活動頻率，減小了勞動者技能與崗位不匹配造成的損失，故而降低了技能培訓的潛在收益。另一方面，技能培訓縮小了勞動技能與工作崗位所需技能的差距，從而降低了交通基礎設施改善匹配的收益。這說明交通條件和技能培訓兩者對企業(yè)生產率的作用具有一定的替代性。城市規(guī)模和培訓投入交互項（lnPop × lnMatch）的負參數估計表明城市規(guī)模和培訓投入之間也存在一定的替代關系，因為勞動力規(guī)模lnPop的擴大提高了職工與崗位間的技能匹配效率，從而降低了技能培訓的潛在收益。模型3引入交通條件與城市規(guī)模的交互項。結果顯示，交通條件的參數估計顯著為負，交通條件和城市規(guī)模交互項（lnStreet×lnPop）的參數估計是0.0653，且通過顯著性檢驗。在均值處（lnPop=5.60，lnMatch=0.0925），交通條件對企業(yè)生產率的作用彈性約為0.0837。由于城市規(guī)模的一次項和二次項系數一正一負，結果還是表明交通條件的改善有助于擴大城市最優(yōu)規(guī)模。①令含城市人口規(guī)模的各項 lnPop、lnPop×lnMatch、lnStreet×lnPop、lnPop×lnStreet× lnMatch 和 lnPop 二次項的系數分別為 a1、a2、a3、a4和b，則城市最佳規(guī)模的一階條件為（a1+a2lnMatch+a3lnStreet+a4lnMatch×lnStreet）/（-2b）。由于回歸結果中，a3和a4的參數估計均顯著為正、b顯著為負，故lnStreet值越大，城市最優(yōu)規(guī)模也越大。

模型4檢驗交通條件與培訓投入對企業(yè)生產率的協同作用是否因城市規(guī)模不同而異。由于lnStreet×lnMatch的參數顯著為負，而交互項lnPop×lnStreet×lnMatch的系數顯著為正，因而隨著lnPop的增加，lnStreet×lnMatch會逐漸變小。該結果意味著城市交通與技能培訓間的替代效應因城市規(guī)模大小而異，城市勞動力市場規(guī)模越大，技能匹配越好，城市交通與技能培訓替代效應也越小。

（二）交通條件、城市規(guī)模和培訓投入對不同技術行業(yè)和不同規(guī)模城市企業(yè)生產率的影響。不同產業(yè)具有各自的技術特點。本節(jié)根據《高技術產業(yè)統計分類目錄》和OECD產業(yè)分類標準劃分高、中、低技術三類產業(yè)，附表1列出了每類包含的兩位碼行業(yè)。高技術產業(yè)技術含量高，技術更新快，產品附加值高，需要專業(yè)知識型勞動者，同時必須支付較高的薪酬；相反，低技術產業(yè)傾向于采用成熟和穩(wěn)定的技術，雇工進行更多的常規(guī)生產，職工的薪酬也相對較低；中等技術產業(yè)的技術含量則介于高、低技術產業(yè)之間。各類產業(yè)因技術特征和對要素投入的要求不同而有不同的區(qū)位偏好。大城市具有較大的專業(yè)勞動力市場和產品市場、較完整的上下游相關產業(yè)和較迅速的技術信息傳播，因而成為高技術產業(yè)的首選之地，而中小城市則因土地和一般勞力等要素價格較低而成為低技術產業(yè)的集聚地。交通條件的改善不僅有利于產品運輸和信息傳播，也有利于勞動力流動。表3報告了方程（12）的分產業(yè)固定效應回歸結果。

表 3 交通條件和培訓投入對中國高、中、低技術產業(yè)企業(yè)生產率影響的固定效應回歸

為了測度交通條件和培訓投入的協同作用在特大、大、中小三個規(guī)模等級城市組間的差異化影響，三類產業(yè)方程都引入了城市規(guī)模虛擬變量（N1和N3）與lnStreet×lnMatch交互項。所有方程的估計結果都顯示，高、中、低技術產業(yè)的控制變量（lnSize，lnAge，lnSt，lnKn）與表2中總體樣本模型的控制變量參數估計本質上非常相似。下面著重分析三類產業(yè)模型的交通條件、培訓投入和城市規(guī)模及其交互項的計量估計結果。

三類技術產業(yè)的三個培訓投入參數估計表明，企業(yè)培訓對中低技術產業(yè)的生產率有促進作用，而對高技術產業(yè)的生產率影響不顯著。估計結果意味著中低技術產業(yè)的職工經過企業(yè)培訓較易掌握本企業(yè)所需的技能，而高技術產業(yè)的技術密集度和復雜程度較高，企業(yè)技能培訓未必產生立竿見影的效果。交通條件、城市規(guī)模和培訓投入交互項的參數估計與表2基本一致。城市規(guī)模虛擬變量（N1和N3）和lnStreet×lnMatch的交互項一負一正，且在中、高技術產業(yè)通過了顯著性檢驗，表明交通條件對中小城市中、高技術產業(yè)技能培訓的替代作用明顯高于大城市。而在低技術產業(yè)則未通過顯著性檢驗，表明交通條件和技能培訓對低技術產業(yè)生產率的影響并不存在城市規(guī)模差異。

表3中的MEM1、MEM2和MEM3分別給出了培訓投入均值處）交通條件對中小城市、大城市和特大城市企業(yè)生產率的影響。以高技術行業(yè)為例，該行業(yè)的勞動培訓投入均值為0.1299，所以交通基礎設施對中小城市高技術產業(yè)生產率的影響為MEM1=?0.6262?0.0054×0.1299+0.1154×5.4686?0.0079×0.1299=0.0031。①高技術行業(yè)中交通條件和技能培訓交互項（lnStreet × lnMatch）的t=1.55（即P=0.121，否定零假設的概率87.9%），所以參數估計有一定意義。同理，我們可以計算 MEM2和 MEM3。比較高、中、低三個產業(yè)模型中的MEM1、MEM2和MEM3值，發(fā)現改善交通條件對三類技術行業(yè)的企業(yè)生產率都有促進作用，但在中技術行業(yè)未通過顯著性檢驗。其中：低技術行業(yè)受益更明顯，因為與高技術職工相比，中低技術行業(yè)職工收入較低，所以其通勤距離受交通成本的影響更大。高技術模型中MEM1和MEM3的值表明，在特大城市地區(qū)改善交通條件更加有利于高技術產業(yè)改善技能匹配、提高生產率。據此可以判斷，高技術產業(yè)從中小城市向特大城市集聚可以利用更便利的交通和更大的勞動市場獲得更大的效益。需要指出的是，交通條件和培訓投入對中小城市中低技術產業(yè)的生產率與大城市和特大城市并無顯著差別。日常觀察和城市經濟學原理都指出特大城市除了集聚經濟外，也伴生有集聚非經濟，尤其是持續(xù)上漲的土地和人力要素成本、生活成本以及擁堵效應等都不利于傳統的技術成熟的勞動密集型產業(yè)經營和發(fā)展。因而，低技術產業(yè)應當從特大城市轉移到土地和勞動要素價格較低的其他城市。一些研究（Duranton和Puga，2005；趙勇和白永秀，2012）已經發(fā)現，交通通訊的發(fā)展導致了企業(yè)總部和生產部門的分離，使中心城市主要承擔了管理和研發(fā)的功能，而外圍城市則承擔了加工和制造的功能。本研究從產業(yè)技術特征切入，發(fā)現了類似的統計規(guī)律。

（三）穩(wěn)健性檢驗。為了檢驗上述結論的穩(wěn)健性，我們用廠商全要素生產率TFP替換勞動生產率重估上述模型。雖然勞動生產率的差別是TFP差別的重要決定因素，但是其他要素（例如資本）的效益差別也影響著TFP，所以我們主要關注兩組方程參數估計值的正負和顯著性，而非每個估計值的大小。TFP可以用不同的方法測度。魯曉東和連玉君（2012）分析和比較了TFP的最小二乘估計、固定效應估計、OP估計和LP估計，發(fā)現最小二乘法和固定效應估計法都不能解決同時性偏差問題，而OP估計無法處理投資額為0的樣本。因而，本文使用LP法估計企業(yè)的全要素生產率。實證結果可能受一些極端值的影響，為檢驗上述方程的穩(wěn)健性，我們還使用被解釋變量lntfp高低端各1%截尾樣本重估方程。表4報告了交通條件和企業(yè)培訓對全國所有制造業(yè)和三類技術產業(yè)企業(yè)生產率影響的估計結果。

表 4 以TFP為別解釋變量的固定效應回歸

與前節(jié)回歸結果相比，所有控制變量參數估計比較穩(wěn)定。企業(yè)培訓對全國企業(yè)TFP有顯著的正向作用（lnMatch>0）；交通條件和城市規(guī)模對企業(yè)培訓具有替代作用（lnStree× lnMatch <0，lnPop× lnMatch <0）；城市勞動力市場規(guī)模的擴大，提高勞動技能匹配水平，降低城市交通對技能培訓的替代效應（lnPop×lnStreet×lnMatch>0；N1×lnStreet× lnMatch<0；N3×lnStreet× lnMatch>0）。

（四）企業(yè)培訓內生性檢驗。企業(yè)培訓支出有利于提高生產率，而企業(yè)培訓支出也可能取決于生產率水平，企業(yè)培訓可能具有內生性?，F實中，生產率高的企業(yè)有更多的財力進行企業(yè)職工培訓，而生產率低的企業(yè)則在提高職工技能上有更強烈的緊迫感。因此，兩類企業(yè)在技能培訓方面的內生性有正負抵消的趨勢。無論內生性是正或是負，因為企業(yè)今年的生產率很難影響去年的培訓支出，使用滯后一期的技能培訓能進一步削弱內生影響。表5報告了估計結果，其中滯后一期變量加前綴“L.”標識。

表 5 交通條件和滯后培訓投入對中國企業(yè)生產率影響的固定效應回歸估計

續(xù)表 5 交通條件和滯后培訓投入對中國企業(yè)生產率影響的固定效應回歸估計

在總樣本模型中，企業(yè)培訓的一次項為正，與交通條件和城市規(guī)模交互項的參數估計顯著為負，分別為?0.2596和?0.1119。分行業(yè)估計結果與總體模型相類似，僅顯著性有所降低?？傮w而言，使用企業(yè)培訓滯后一期的估計結果與基準回歸結果的性質一致。

六、結論與啟示

本文將拓展了Venables（2007）的理論模型，利用全國工業(yè)企業(yè)數據庫和城市數據檢驗交通條件、城市規(guī)模和企業(yè)培訓對企業(yè)生產率的影響。檢驗結果顯示：交通條件、城市規(guī)模和企業(yè)培訓均有助于提高企業(yè)生產率；改善交通條件和擴大城市規(guī)模能弱化技能培訓投入對企業(yè)生產率的影響。對高、中、低技術產業(yè)的計量檢驗發(fā)現：交通條件和企業(yè)培訓對企業(yè)生產率的影響存在著行業(yè)差異和城市規(guī)模差異。改善交通條件有助于提高特大城市高技術產業(yè)企業(yè)的生產率，吸引高技術產業(yè)向特大城市集聚，同時低技術產業(yè)企業(yè)應從特大城市向其他城市轉移。

本文的研究結果為制定和評價區(qū)域發(fā)展和結構調整政策提供了若干實證依據。首先，在中國，很少有企業(yè)具備正規(guī)的培訓體系或對職工培訓進行充分的投資。因此，各地和各行業(yè)主管部門應制定和實施優(yōu)惠政策、鼓勵企業(yè)增加培訓支出。其次，落后地區(qū)在城市化進程中應努力改善城市公共交通基礎設施，促進勞動力流動。在國家人口規(guī)模和土地資源有限的情況下，應優(yōu)先發(fā)展中等規(guī)模的城市以接近最優(yōu)規(guī)模，擴大城市勞動力市場，糾正勞動市場技能錯配。其三，隨著各地交通條件的普遍改善，高技術產業(yè)具有向特大城市集聚、低技術產業(yè)從特大城市向其他城市轉移的內在趨勢，這在我國各地經濟結構的調整中具有積極意義。各地區(qū)在產業(yè)結構調整中應根據各自產業(yè)特點和城市規(guī)模因勢利導，減少阻力，積極引進（和遷出）相關產業(yè)，促使大城市成為高技術產業(yè)中心，同時引導其他城市成為生產成本較低、產出效率較高的成熟產業(yè)的基地。

附表 1 高中低技術產業(yè)分類