孫浦陽 劉佳琪 楊易擎

摘 要? 我國服務(wù)業(yè)市場存在就業(yè)難與招工難并存的現(xiàn)象，如何有效地調(diào)整和優(yōu)化就業(yè)配置，是服務(wù)經(jīng)濟(jì)在宏觀經(jīng)濟(jì)調(diào)控中發(fā)揮關(guān)鍵作用的核心問題。本文基于中國基礎(chǔ)設(shè)施電子地圖構(gòu)建了客運(yùn)市場準(zhǔn)入指標(biāo)，并將其與根據(jù)中國勞動力動態(tài)追蹤數(shù)據(jù)測算的服務(wù)業(yè)勞動力配置指標(biāo)進(jìn)行匹配，實(shí)證結(jié)果表明：首先，客運(yùn)市場準(zhǔn)入的擴(kuò)大有效地調(diào)節(jié)了服務(wù)業(yè)的勞動力供需配置不平衡;其次，將市場準(zhǔn)入指標(biāo)按照非高鐵引致、高鐵引致和臨近高鐵引致進(jìn)行細(xì)分，發(fā)現(xiàn)高鐵引致的市場準(zhǔn)入，特別是臨近高鐵市場準(zhǔn)入擴(kuò)大的邊際改善效果更加明顯;最后，本文從城市經(jīng)濟(jì)活躍度以及勞動者在求職中的議價能力等角度進(jìn)行機(jī)制檢驗(yàn)，發(fā)現(xiàn)在DN值高的城市以及非常規(guī)行業(yè)中，市場準(zhǔn)入對供需配置的邊際優(yōu)化效果更加顯著。本文在考慮其他相關(guān)檢驗(yàn)的情況下，結(jié)果保持穩(wěn)健。

關(guān)鍵詞 服務(wù)經(jīng)濟(jì) 區(qū)域市場準(zhǔn)入 勞動力配置 搜尋成本

一、引言

隨著我國經(jīng)濟(jì)結(jié)構(gòu)不斷優(yōu)化，服務(wù)業(yè)對經(jīng)濟(jì)增長貢獻(xiàn)率已接近60%[數(shù)據(jù)來源：2019年《政府工作報告》。，逐步成為經(jīng)濟(jì)發(fā)展的主動力[2018年李克強(qiáng)總理在《政府工作報告》中提到：近5年來我國經(jīng)濟(jì)結(jié)構(gòu)出現(xiàn)重大變革，服務(wù)業(yè)成為經(jīng)濟(jì)發(fā)展主動力。。事實(shí)上，相較于制造業(yè)和農(nóng)業(yè)，雖然服務(wù)業(yè)對就業(yè)的吸納能力更強(qiáng)勁，但由于服務(wù)業(yè)對人力資本的依存度更高（江小涓，2011），這也使得服務(wù)業(yè)內(nèi)部收入差距更大，從而加劇了服務(wù)業(yè)就業(yè)市場區(qū)域或行業(yè)間配置的不均衡。故而，實(shí)現(xiàn)服務(wù)業(yè)勞動力供需協(xié)調(diào)配置是促進(jìn)服務(wù)業(yè)發(fā)展的關(guān)鍵，也是發(fā)揮服務(wù)業(yè)經(jīng)濟(jì)調(diào)節(jié)作用的關(guān)鍵。

與此同時，截至2018年年底，我國高速等級公路里程達(dá)到14.26萬千米，高速鐵路達(dá)到2.9萬千米以上[數(shù)據(jù)來源：交通運(yùn)輸部以及國家統(tǒng)計局網(wǎng)站。，我國交通基礎(chǔ)設(shè)施建設(shè)已完成從“線狀運(yùn)行”到“網(wǎng)絡(luò)化運(yùn)行”的跨越。完善的交通基礎(chǔ)設(shè)施建設(shè)一方面通過降低貿(mào)易成本加速了區(qū)域間的貿(mào)易往來（Donaldson，2018），另一方面通過降低交通成本，拓寬了勞動者可流動的市場范圍，擴(kuò)大了城市的市場準(zhǔn)入情況（Lin，2017），使得人們在選擇生活區(qū)域和工作地點(diǎn)時受到的約束相對減小，這在一定程度上通過加速勞動力轉(zhuǎn)移（劉曉光等，2015）大大緩解了我國服務(wù)業(yè)勞動力市場上“招工難”和“就業(yè)難”并存的現(xiàn)象。本文正是基于我國服務(wù)業(yè)發(fā)展的一個階段性問題——勞動力市場供需配置的不均衡，從交通基礎(chǔ)設(shè)施引致的客運(yùn)市場準(zhǔn)入的角度出發(fā)，結(jié)合客運(yùn)市場準(zhǔn)入指標(biāo)和服務(wù)業(yè)勞動力錯配的微觀數(shù)據(jù)，重點(diǎn)探究市場準(zhǔn)入的擴(kuò)大是否具有通過改善服務(wù)業(yè)勞動力錯配現(xiàn)象，進(jìn)而促進(jìn)服務(wù)業(yè)快速發(fā)展的作用。

在已有研究中，與本文研究內(nèi)容相關(guān)的文獻(xiàn)主要包括市場準(zhǔn)入和勞動力錯配兩大類。Donaldson & Hornbeck（2016）率先從交通基礎(chǔ)設(shè)施建設(shè)的角度引入市場準(zhǔn)入的概念，并基于一般均衡貿(mào)易理論的簡化形式進(jìn)行測算，得到美國交通基礎(chǔ)設(shè)施建設(shè)對區(qū)域間貿(mào)易成本影響的加總效應(yīng)。Baum-Snow et al.（2017，2020）通過繪制出1999、2005和2010年中國交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)的電子地圖，測算出中國城市市場準(zhǔn)入指標(biāo)，從而探究交通基礎(chǔ)設(shè)施的建設(shè)對中國城市分散化以及內(nèi)陸地區(qū)經(jīng)濟(jì)發(fā)展的影響，此外，在計算貿(mào)易成本時，除了考慮實(shí)際運(yùn)費(fèi)之外，還引入了時間成本。Huang & Xiong（2018）通過區(qū)分貿(mào)易成本變化的兩種相互競爭性影響（進(jìn)口競爭和出口準(zhǔn)入），將市場準(zhǔn)入指標(biāo)細(xì)分為消費(fèi)者市場準(zhǔn)入（CMA）和企業(yè)市場準(zhǔn)入（FMA）兩類，分別度量了外購和外銷市場的便利性。上述文獻(xiàn)重點(diǎn)探究了貨運(yùn)貿(mào)易成本的變化引致的市場準(zhǔn)入的變化對區(qū)域經(jīng)濟(jì)發(fā)展或企業(yè)生產(chǎn)的影響，除此之外，還有少部分文獻(xiàn)基于客運(yùn)旅行成本測算出的市場準(zhǔn)入指標(biāo)，旨在探究客運(yùn)市場準(zhǔn)入的變動對區(qū)域經(jīng)濟(jì)和企業(yè)的影響。Lin（2017）使用中國數(shù)據(jù)得出結(jié)論：高鐵引致的市場準(zhǔn)入的擴(kuò)大通過降低了人與人之間面對面溝通的成本，有利于促進(jìn)溝通密集型和非常規(guī)認(rèn)知型行業(yè)發(fā)展。而Gibbons et al.（2019）則利用微觀企業(yè)數(shù)據(jù)，得出了客運(yùn)引致的市場準(zhǔn)入變化有利于提高員工的單位產(chǎn)出、工資水平以及企業(yè)對中間品的需求，這是因?yàn)橥晟频慕煌ɑA(chǔ)設(shè)施建設(shè)會吸引運(yùn)輸密集型企業(yè)到該地區(qū)，從而導(dǎo)致現(xiàn)有企業(yè)的生產(chǎn)重組。縱觀此類文獻(xiàn)，我們可以發(fā)現(xiàn)目前對市場準(zhǔn)入研究更多關(guān)注的是區(qū)域或企業(yè)層面的發(fā)展情況，而忽略了市場準(zhǔn)入的變化對勞動力市場配置情況的深層次影響。本文正是基于上述文獻(xiàn)，首次計算出“時間—區(qū)域—行業(yè)”維度的市場準(zhǔn)入指標(biāo)，聯(lián)系了市場準(zhǔn)入與勞動力市場供需配置，探究市場準(zhǔn)入的放寬是否會對我國服務(wù)業(yè)勞動力錯配起到緩解作用，彌補(bǔ)了這一領(lǐng)域的空缺。

與此同時，近年來，要素配置領(lǐng)域，特別是勞動力供需配置逐漸受到國內(nèi)外越來越多學(xué)者的青睞。Vollrath（2009）發(fā)現(xiàn)許多發(fā)展中國家資本和勞動力在各行業(yè)間存在的錯配現(xiàn)象，可以解釋不同國家間收入差異的30%—40%，TFP的80%;袁志剛、解棟棟（2011）通過參數(shù)校準(zhǔn)的方法發(fā)現(xiàn)勞動力在農(nóng)業(yè)部門和非農(nóng)部門的錯配導(dǎo)致中國TFP下降了2%—18%;Vollrath（2014）利用Mincer方程對14個發(fā)展中國家的個體工資數(shù)據(jù)進(jìn)行回歸，發(fā)現(xiàn)消除“工資楔子”的影響、實(shí)現(xiàn)對勞動力的重新配置可以使得這些發(fā)展中國家的產(chǎn)出增長5%。上述文獻(xiàn)重點(diǎn)關(guān)注勞動力在不同行業(yè)間錯配對TFP的影響，除此之外，還有一部分文獻(xiàn)研究了勞動力空間錯配對經(jīng)濟(jì)增長的影響，如Hsieh & Moretti（2018）基于1964年和2009年美國220個城市的數(shù)據(jù)研究發(fā)現(xiàn)，由于住房市場規(guī)模等限制因素的存在，美國的勞動力配置效率在逐漸下降。此類文獻(xiàn)往往或是關(guān)注全行業(yè)勞動力錯配現(xiàn)象，或是重點(diǎn)關(guān)注農(nóng)業(yè)和非農(nóng)業(yè)勞動力配置的不平衡，目前對于服務(wù)業(yè)就業(yè)市場還缺乏細(xì)致的研究。而事實(shí)上，服務(wù)業(yè)相較其他行業(yè)而言，對人力資本的依存度更高，這也使得服務(wù)業(yè)內(nèi)部收入差距更大（江小涓，2011），服務(wù)業(yè)勞動力錯配現(xiàn)象更加嚴(yán)重。故而在上述研究的基礎(chǔ)上，本文通過計算出“時間—區(qū)域—行業(yè)”維度的服務(wù)業(yè)勞動力錯配指標(biāo)，重點(diǎn)關(guān)注服務(wù)業(yè)勞動力錯配問題。

相較于已有文獻(xiàn)，本文剖析了客運(yùn)市場準(zhǔn)入的擴(kuò)大對服務(wù)業(yè)勞動力供需配置的作用機(jī)制，并結(jié)合微觀數(shù)據(jù)對該作用機(jī)制進(jìn)行驗(yàn)證。具體而言，本文的創(chuàng)新之處主要包括以下幾個方面：

首先，從機(jī)制分析的角度來看，本文認(rèn)為：市場準(zhǔn)入的擴(kuò)大降低了信息不對稱帶來的搜尋成本，抑制了由于搜尋成本過高導(dǎo)致的服務(wù)業(yè)均衡工資相對潛在工資的上偏或下偏，從而緩解了我國服務(wù)業(yè)內(nèi)部收入差距較大而造成的勞動力供需配置的不協(xié)調(diào)問題，有利于我國經(jīng)濟(jì)高質(zhì)量發(fā)展（袁志剛、解棟棟，2011;李世剛、尹恒，2014，2017）。

其次，在指標(biāo)構(gòu)建方面，一方面，本文借鑒Lin（2017）的方法，使用Baum-Snow et al.（2017，2020）提供的中國1999、2005和2010年交通基礎(chǔ)設(shè)施的電子地圖以及中國研究數(shù)據(jù)服務(wù)平臺（以下簡稱CNRDS數(shù)據(jù)庫）提供的高鐵列車信息，首次測算出“時間—區(qū)域—行業(yè)”維度涵蓋的2000—2016年283個地級市19個二分位行業(yè)的客運(yùn)引致的市場準(zhǔn)入指標(biāo)。與以往研究交通基礎(chǔ)設(shè)施文獻(xiàn)中使用交通基礎(chǔ)設(shè)施密度或兩兩城市間交通成本相比較，本文計算的市場準(zhǔn)入指標(biāo)更加準(zhǔn)確地捕捉到了交通基礎(chǔ)設(shè)施的“網(wǎng)絡(luò)效應(yīng)”，與此同時，本文的指標(biāo)在考慮時間成本時使用的是行業(yè)單位工資水平，引入了行業(yè)維度，使指標(biāo)更加細(xì)化。另一方面，本文借鑒Vollrath（2014）的方法，使用中國勞動力動態(tài)調(diào)查數(shù)據(jù)（以下簡稱為CLDS數(shù)據(jù)庫）首次計算出我國“時間—區(qū)域—行業(yè)”維度的服務(wù)業(yè)勞動力供需配置指標(biāo)，該指標(biāo)涵蓋2012—2016年76個地級市10個二分位服務(wù)類行業(yè)，對我國服務(wù)業(yè)勞動力市場結(jié)構(gòu)進(jìn)行了多維度、較為科學(xué)的量化。

另外，在實(shí)證研究方面，我們將“時間—區(qū)域—行業(yè)”維度的客運(yùn)引致的市場準(zhǔn)入指標(biāo)與服務(wù)業(yè)勞動力錯配指標(biāo)進(jìn)行匹配，通過對計量模型的回歸我們發(fā)現(xiàn)：市場準(zhǔn)入的放寬的確有利于緩解我國勞動力供需配置不平衡的現(xiàn)象;并且通過將市場準(zhǔn)入指標(biāo)進(jìn)一步細(xì)分為高鐵引致、非高鐵引致和臨近高鐵引致的市場準(zhǔn)入，可以得出：較非高鐵而言，高鐵引致的市場準(zhǔn)入的擴(kuò)大對勞動力錯配的改善作用更大，而在高鐵引致的市場準(zhǔn)入中，臨近高鐵即高鐵5小時可達(dá)的市場準(zhǔn)入的放寬對勞動力錯配的改善作用更加明顯。

最后，為了完成對市場準(zhǔn)入的放寬與勞動力配置傳導(dǎo)機(jī)制的進(jìn)一步探究，本文首先使用了CNRDS數(shù)據(jù)庫中校正后的DMSP中國地級市燈光數(shù)據(jù)作為城市經(jīng)濟(jì)活躍度的代理變量，從而探究城市經(jīng)濟(jì)活躍度是如何影響市場準(zhǔn)入對搜尋成本的作用機(jī)制的。根據(jù)各城市DN值與DN值中位數(shù)大小的比較，我們將城市劃分為高DN值和低DN值兩類，兩組分別進(jìn)行回歸后發(fā)現(xiàn)，高DN值的城市各類市場準(zhǔn)入指標(biāo)的增加對我國服務(wù)業(yè)勞動力市場供需配置不平衡現(xiàn)象的改善作用較低DN值的城市而言均更加明顯。這是因?yàn)榻?jīng)濟(jì)活躍度更高的地區(qū)通常人口更加密集，人類活動更加頻繁，故而對于這些地方來說，市場準(zhǔn)入的擴(kuò)大對搜尋成本下降的促進(jìn)作用更強(qiáng)，從而更有利于改善勞動力錯配現(xiàn)象。與此同時，不同于區(qū)域經(jīng)濟(jì)活躍度的差別會影響市場準(zhǔn)入對搜尋成本的作用機(jī)制，不同行業(yè)之間的差異則會通過改變勞企之間的議價能力，從而影響搜尋成本的變化對勞動力錯配的改善作用。故而，本文根據(jù)Autor et al.（2003）提出的常規(guī)和非常規(guī)行業(yè)的分類作為行業(yè)技術(shù)水平的簡單刻畫，以此探究議價能力是如何影響搜尋成本對勞動力錯配的作用機(jī)制的。結(jié)果發(fā)現(xiàn)：非常規(guī)任務(wù)型行業(yè)的勞動者由于具有更高的議價能力，使得市場準(zhǔn)入擴(kuò)大引致的搜尋成本下降對這些行業(yè)的再配置的邊際效果更加明顯，從而對勞動力市場供需不平衡的改善作用也更強(qiáng)。此外，本文還進(jìn)行了指標(biāo)參數(shù)調(diào)整、樣本選擇以及引入政府管制因素和貨運(yùn)市場準(zhǔn)入等穩(wěn)健性檢驗(yàn)，結(jié)果均與上述結(jié)果保持一致。

本文的結(jié)構(gòu)安排如下：第二部分為數(shù)據(jù)說明和計量模型設(shè)定，主要對指標(biāo)的構(gòu)建和統(tǒng)計性說明進(jìn)行簡要的介紹，并且設(shè)定了計量模型;第三部分為本文的實(shí)證結(jié)果，包括基礎(chǔ)回歸結(jié)果、機(jī)制分析和穩(wěn)健性檢驗(yàn);最后一部分為本文的主要結(jié)論及政策建議。

二、數(shù)據(jù)說明和計量模型設(shè)定

本章主要包括兩部分內(nèi)容：一方面，對本文使用的兩大面板數(shù)據(jù)進(jìn)行指標(biāo)構(gòu)建說明以及簡單的描述性分析;另一方面，參照已有文獻(xiàn)并結(jié)合數(shù)據(jù)自身特點(diǎn)，構(gòu)建計量模型。

（一）數(shù)據(jù)說明

本文重點(diǎn)關(guān)注市場準(zhǔn)入對服務(wù)業(yè)勞動力供需配置的影響，即驗(yàn)證隨著交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)的不斷完善，各城市各行業(yè)的市場準(zhǔn)入進(jìn)一步加大是否會對我國服務(wù)業(yè)勞動力供需錯配現(xiàn)象產(chǎn)生改善作用，故而本文主要使用以下兩個行業(yè)—區(qū)域維度的面板數(shù)據(jù)。

1.市場準(zhǔn)入（MA）指標(biāo)構(gòu)建

根據(jù)Lin（2017），客運(yùn)引致的市場準(zhǔn)入指標(biāo)的計算公式為：

（1）式中i代表行業(yè)， k和m分別代表兩個不同的地級市，t代表時間，Y表示m城市的GDP，在這里，各城市不同年份的GDP數(shù)據(jù)來自城市統(tǒng)計年鑒。該指標(biāo)使用旅行成本衡量了不同城市、不同行業(yè)人員流動的難易程度，該指標(biāo)越大，說明該城市該行業(yè)的勞動者自由流動的市場壁壘越小，可流動的市場范圍越廣。與已有文獻(xiàn)使用地區(qū)內(nèi)基礎(chǔ)設(shè)施密度衡量交通基礎(chǔ)設(shè)施建設(shè)情況相比，市場準(zhǔn)入指標(biāo)不僅能夠反映交通基礎(chǔ)設(shè)施建設(shè)對兩兩城市的直接影響，更能夠準(zhǔn)確地捕捉到基礎(chǔ)設(shè)施的網(wǎng)絡(luò)效應(yīng)。

由公式（1）可知，若要計算市場準(zhǔn)入（MA）指標(biāo)，需知道高速公路、普通鐵路和高速鐵路的旅行成本，該旅行成本的計算步驟如下。

首先，關(guān)于高速公路和普通鐵路的相關(guān)信息，我們使用Baum-Snow? et al.（2017，2020）提供的1999、2005和2010年的電子地圖，該地圖由幾位作者根據(jù)中國地圖出版社（SinoMaps Press）統(tǒng)一出版的紙質(zhì)地圖經(jīng)掃描、投影所得。該電子地圖的精度較高，我們使用2010年的電子地圖來刻畫中國2012—2016年間高速公路和鐵路的基礎(chǔ)設(shè)施的分布情況，沒有地圖的年份使用之前的電子地圖代替（Lin，2017）。

其次，我們根據(jù)CNRDS數(shù)據(jù)庫提供的高鐵列車信息，對各城市首次開通高鐵的時間進(jìn)行處理。第一步是對樣本進(jìn)行剔除，只保留城際列車、動車和高速鐵路三個類型（以下均簡稱為“高鐵”）;第二步，我們將高鐵列車信息與高鐵列車線路進(jìn)行手動匹配，從而得知兩兩城市間高鐵的實(shí)際開通時間;最終，將2012、2014和2016年已開通高鐵的城市的相關(guān)數(shù)據(jù)整理為“年份—地級市”維度的面板數(shù)據(jù)。

再次，我們根據(jù)CNRDS數(shù)據(jù)庫提供的地級市經(jīng)緯度數(shù)據(jù)，并依據(jù)2012—2016年中國行政區(qū)劃變動表，在Arcgis中繪制出2012—2016年283個含有經(jīng)緯度信息的中國地級市駐點(diǎn)圖。與此同時，我們將CNRDS數(shù)據(jù)庫提供的行業(yè)就業(yè)人員年平均工資轉(zhuǎn)換為小時薪酬，以此作為時間成本的一種衡量方式，該數(shù)據(jù)涵蓋了我國31個省市自治區(qū)19個二分位行業(yè)的就業(yè)人員年平均工資水平。根據(jù)Lin（2017），為了消除高鐵開通對工資的影響造成的內(nèi)生性，我們使用2007年（大批高鐵開通的前一年）的工資水平來計算兩兩省份行業(yè)間平均工資水平，作為兩兩城市平均工資水平的近似替代。

最后，根據(jù)Lin（2017）的腳注部分以及《國家計委關(guān)于高等級軟座快速列車票價問題的復(fù)函》中關(guān)于高鐵二等座的定價原則，我們將三種交通方式的單位運(yùn)費(fèi)做如下處理：（1）高速公路：單位成本=過橋過路費(fèi)+燃油費(fèi)，其中過橋過路費(fèi)約為0.5元/km，假設(shè)均為四輪小型轎車，則每車燃油費(fèi)為0.8元/km，故而每個旅客的單位運(yùn)費(fèi)為0.33元/km;（2）普通鐵路的單位運(yùn)費(fèi)：單位成本=硬座費(fèi)+空調(diào)費(fèi)+其他費(fèi)用，并且新空調(diào)列車要在此價格上上浮50%。在這里，硬座費(fèi)為0.06元/km，空調(diào)費(fèi)為0.016元/km，其他費(fèi)用為0.024元/km，考慮到目前我國絕大多數(shù)列車均為新空調(diào)列車（除少量綠皮車外），故而我們估算普通鐵路每位旅客的單位運(yùn)費(fèi)為0.15元/km;（3）高鐵的單位運(yùn)輸成本為0.2805×（1+10%）=0.30855元/km。

同時，由于有些地級市并未與任何基礎(chǔ)設(shè)施直接相連，故在使用Arcgis進(jìn)行最佳路徑求解時會出現(xiàn)無法識別的現(xiàn)象。針對這一情況，我們根據(jù)Lin（2017）的做法，將地級市周圍半徑30km內(nèi)包含基礎(chǔ)設(shè)施的情況判定為該地級市與基礎(chǔ)設(shè)施直接相連，并刪去三亞市、?？谑械鸟v點(diǎn)，理由是陸地基礎(chǔ)設(shè)施的改變不會對這兩個城市的旅行成本產(chǎn)生影響。在此基礎(chǔ)上，我們對于仍然無法識別的城市（主要為西部偏遠(yuǎn)地區(qū)）駐點(diǎn)信息使用OpenStreetMap地圖進(jìn)行計算。

最終，基于上述信息，我們一方面使用Arcgis的OD成本矩陣模塊以及Stata中的Osrmtime命令計算出283個地級市兩兩之間的高速公路和普通鐵路的最短運(yùn)輸距離和時間，另一方面，我們使用高鐵列車信息，并結(jié)合Lin（2017）市場準(zhǔn)入指標(biāo)的計算公式（1）測算出2012—2016年283個地級市19個二分位行業(yè)的客運(yùn)市場準(zhǔn)入（MA）[參照Lin（2017）和

Donaldson & Hornbeck（2016）

中的做法，本文令θ=3.6。指標(biāo)。

下頁圖1為2012、2014和2016年10個二分位服務(wù)行業(yè)的市場準(zhǔn)入情況。從圖中我們可以看出，各行業(yè)的市場準(zhǔn)入情況呈逐年遞增態(tài)勢，這與我國服務(wù)業(yè)市場化程度逐漸增強(qiáng)的事實(shí)相符;與此同時，我們還注意到不同行業(yè)市場準(zhǔn)入情況仍存在較大的差別，以批發(fā)零售業(yè)為代表的技術(shù)門檻相對較低的行業(yè)的市場準(zhǔn)入指標(biāo)相對較高，而以金融業(yè)為代表的技術(shù)門檻相對較高的行業(yè)的市場準(zhǔn)入情況相對較低。

2.服務(wù)業(yè)勞動力錯配指標(biāo)的構(gòu)建

參照Vollrath （2014），本文基于2012、2014和2016年的CLDS數(shù)據(jù)庫，首次計算出我國涵蓋5年76個地級市10個二分位服務(wù)行業(yè)的“時間—區(qū)域—行業(yè)”維度的勞動力錯配指標(biāo)。

首先，根據(jù)Vollrath（2014），我們對勞動力錯配進(jìn)行如下定義：假設(shè)經(jīng)濟(jì)中存在N個行業(yè)，其中行業(yè)j（j=1，…，N）中代表性企業(yè)的生產(chǎn)函數(shù)為：

Yj=AjKαjH1-αj

在這里，Yj表示j行業(yè)產(chǎn)出，Aj表示j行業(yè)全要素生產(chǎn)率，Kj表示j行業(yè)物質(zhì)資本投入，Hj表示j行業(yè)的勞動力投入數(shù)量，α為物質(zhì)資本的要素投入份額。

假設(shè)j行業(yè)的企業(yè)面臨的勞動力價格為（1+τwj）w，其中w表示不存在勞動力錯配時企業(yè)所面臨的勞動力價格（即勞動力的邊際報酬），

τwj

表示由于某些體制、政策或者某些行業(yè)存在一定的準(zhǔn)入門檻導(dǎo)致的勞動力的錯配，正是由于這些原因的存在，使得部分行業(yè)勞動力的價格高于或低于全行業(yè)勞動力價格，進(jìn)而造成一些行業(yè)出現(xiàn)勞動力供給過剩，同時另一些行業(yè)出現(xiàn)勞動力供給不足，而在本文中將供給過剩和供給不足兩種情況均歸為勞動力的錯配。

存在勞動力錯配的企業(yè)的利潤最大化行為可以表示為：

maxHjpjYj-w（1+τwj）Hj-rKj（2）

在這里，pj表示j行業(yè)最終產(chǎn)品的價格，r表示j行業(yè)物質(zhì)資本的價格。進(jìn)而，我們可以寫出j行業(yè)代表性企業(yè)利潤最大化的一階必要條件：

（1+α）pjAjKαjH-αj=（1+τwj）w（3）

上式中，左邊是j行業(yè)代表性企業(yè)的勞動力邊際產(chǎn)品，右邊是存在勞動力扭曲時的實(shí)際工資價格。當(dāng)勞動力錯配因子τwj>0時，表示j行業(yè)代表性企業(yè)面臨的勞動力價格高于均衡時的要素價格w，說明該行業(yè)實(shí)際勞動力投入量小于均衡時最優(yōu)配置的勞動力數(shù)量。當(dāng)勞動力錯配因子τwj<0

時，表示j行業(yè)代表性企業(yè)面臨的勞動力價格低于均衡時的要素價格w，此時，企業(yè)在該行業(yè)的勞動力投入數(shù)量高于經(jīng)濟(jì)均衡時最優(yōu)配置狀態(tài)的數(shù)量。為了使下文的分析更加方便，此處我們將勞動力錯配度界定為（1+τwj），該值與1的差距的大?。处觲j

的絕對值）表明j行業(yè)代表性企業(yè)的勞動力錯配度大小。

為了具體分析勞動力錯配與勞動力配置之間的關(guān)系，本文用j行業(yè)勞動力實(shí)際數(shù)量Hobs，j與j行業(yè)最優(yōu)配置狀態(tài)的勞動力數(shù)量Hopt，j之間的比值來度量j行業(yè)勞動力的錯配程度。兩者的比值為：

Hobs，j/Hopt，j=（1+τwj）-1α（4）

由于0<α<1，當(dāng)行業(yè)勞動力錯配度（1+τwj）>1時，則j行業(yè)勞動力實(shí)際使用數(shù)量Hobs，j小于j行業(yè)最優(yōu)配置狀態(tài)的勞動力數(shù)量Hopt，j，表明j行業(yè)勞動力供給不足;當(dāng)勞動力錯配度（1+τwj）<1時，j行業(yè)勞動力實(shí)際使用數(shù)量Hobs，j大于j行業(yè)最優(yōu)配置狀態(tài)的勞動力數(shù)量Hopt，j，這意味著j行業(yè)勞動力供給過剩?？傊?，無論是在勞動力供給不足還是勞動力供給過剩的情況下，行業(yè)勞動力錯配度（1+τwj）與1之間的差距越大，都表明行業(yè)勞動力錯配程度的上升。鑒于上述關(guān)系，本文以公式（4）為依據(jù)，用勞動力實(shí)際配置與最優(yōu)配置的比值來衡量行業(yè)勞動力錯配程度。

其次，我們利用Mincer（1974）提出的收入方程，并使用CLDS的相關(guān)數(shù)據(jù)來度量我國服務(wù)業(yè)勞動力的錯配程度，具體方法為構(gòu)建計量模型：

lnIijcy=lnw+ln（1+τwj）+ln（1+τwc）+ln（1+τwy）+X′iβX+εijcy（5）

其中，Iijcy表示第y年c城市j行業(yè)i個體的實(shí)際收入，τwj、τwc和τwy分別表示由于體制、政策等因素導(dǎo)致的行業(yè)、省份和年份層面的勞動力錯配因子。根據(jù)Mincer收入方程，X′i表示個體特征，如性別、年齡、受教育年限等。本文使用（5）式對數(shù)據(jù)進(jìn)行回歸，需選取基準(zhǔn)行業(yè)J、基準(zhǔn)城市C和基準(zhǔn)年份Y，在本文中我們選取的基準(zhǔn)行業(yè)為交通運(yùn)輸、倉儲和郵政業(yè)，基準(zhǔn)城市為北京市，基準(zhǔn)年份為2012[本文已證明選擇哪個行業(yè)作為基準(zhǔn)行業(yè)，哪個城市作為基準(zhǔn)城市，哪一年度作為基準(zhǔn)年份，均不會影響行業(yè)勞動力錯配數(shù)值結(jié)果。。并且我們?yōu)榱撕喕Ｐ停澏x：

β0=lnw+ln（1+τwJ）+ln（1+τwC）+ln（1+τwY）

δj=ln（1+τwj）-ln（1+τwJ）

δc=ln（1+τwc）-ln（1+τwC）

δy=ln（1+τwy）-ln（1+τwY）

從而，我們可以將（5）式簡化為：

lnIijcy=β0+δj+δc+δy+X′iβX+εijpy（6）

以行業(yè)固定效應(yīng)的估計值

δ^j

為依據(jù)，使用行業(yè)就業(yè)人數(shù)份額sj來表示j行業(yè)在經(jīng)濟(jì)中的權(quán)重，這樣就可以算出j行業(yè)相對的勞動力錯配度：

μj=δ^j-∑Jj=1δ^jsj （7）

根據(jù)前文，我們可以將其轉(zhuǎn)化為前文理論中的勞動力錯配度寫為：

（1+τ^wj）=exp（μj）

（8）

同理我們還可以計算出c城市和y年份的相對勞動力錯配度，進(jìn)而將三者相乘即可得到“年份—城市—行業(yè)”維度的勞動力錯配指標(biāo)。

從下頁圖2中我們可以看出，不同行業(yè)間勞動力供需情況大有不同：以批發(fā)和零售業(yè)為代表的低技術(shù)行業(yè)由于準(zhǔn)入門檻相對較低，出現(xiàn)勞動力供過于求的情況;而以金融保險業(yè)和科學(xué)研究等行業(yè)為代表的高技術(shù)行業(yè)則出現(xiàn)了勞動力供給不足的情況。此外，根據(jù)圖3，不難看出我國勞動力供需配置的區(qū)域差別也十分明顯，如浙江省地處東南沿海，經(jīng)濟(jì)相對較發(fā)達(dá)，相對甘肅等內(nèi)陸地區(qū)而言，其各行各業(yè)的勞動力需求均較大，故而整體呈現(xiàn)勞動力供給不足的情況;但即使是在同一省份的不同城市間，勞動力供需配置情況也會因城市經(jīng)濟(jì)就業(yè)的差異而略有不同。

（二）計量模型設(shè)定

本文重點(diǎn)探究市場準(zhǔn)入的擴(kuò)大對服務(wù)業(yè)勞動力供需配置的影響，故而設(shè)定計量模型如下：

ycit=α0+α1MAcit+γXct+λt+μi+δp+εcit（9）

在（9）式中，c代表地級市，t代表年份，i代表行業(yè)，ycit=（τ-1）2表示服務(wù)業(yè)勞動力錯配指標(biāo)，該指標(biāo)基于CLDS數(shù)據(jù)庫計算而來。MA衡量了“時間—區(qū)域—行業(yè)”維度的客運(yùn)引致的市場準(zhǔn)入的對數(shù)值，是基于電子地圖和高鐵列車信息以及城市GDP算出，該值越大說明c城市i行業(yè)的勞動者的流動約束越小，可流動市場范圍越大。Xct表示城市層面的控制變量，均來自2013、 2015和2017年的《中國統(tǒng)計年鑒》，包括：城市教育投入水平（Education），用教育支出占公共財政支出的比重表示;城市儲蓄水平（Saving），用年末居民儲蓄存款余額占金融機(jī)構(gòu)存款余額的比重表示;城市年末總?cè)丝冢≒opulation），用各城市年末常住人口的對數(shù)值表示;互聯(lián)網(wǎng)覆蓋度（Internet），用年末互聯(lián)網(wǎng)寬帶接入用戶數(shù)占總?cè)丝诘谋戎乇硎?金融發(fā)展水平（Finance），用年末金融機(jī)構(gòu)存款額占GDP比重加1的對數(shù)值表示。與此同時，為了避免遺漏重要的解釋變量，本文分別加入了年份、行業(yè)、省份層面的固定效應(yīng)λt、μi、δp，其中，年份固定效應(yīng)是為了避免不同年份的特定事件的影響，行業(yè)固定效應(yīng)是為了消除由于不同行業(yè)的自身特點(diǎn)不同而對回歸結(jié)果產(chǎn)生的影響，省份固定效應(yīng)是為了吸收不同省份的差異對回歸的影響。此外，為了避免序列相關(guān)、異方差以及統(tǒng)計量聚類特征造成的影響，本文的回歸結(jié)果均考慮了行業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤。

三、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸

在本章中，我們首先使用（9）式設(shè)定的計量模型對前文基于電子地圖和高鐵列車信息計算的“時間—區(qū)域—行業(yè)”維度的市場準(zhǔn)入指標(biāo)（MA）和基于CLDS數(shù)據(jù)計算的“時間—區(qū)域—行業(yè)”維度的服務(wù)業(yè)勞動力錯配指標(biāo)進(jìn)行回歸，回歸結(jié)果如下頁表1所示。

表中第（1）—（2）列和（3）—（4）列分別為調(diào)整固定效應(yīng)后的結(jié)果，其中，MAall表示包含高速公路、普通鐵路和高鐵三種情況的總體市場準(zhǔn)入指標(biāo)?？梢钥闯?，無論是添加控制變量還是替換各類固定效應(yīng)后，MAall的系數(shù)均顯著為負(fù)，說明隨著市場準(zhǔn)入的擴(kuò)大，勞動者和企業(yè)的搜尋成本大大降低，從而有效地緩解了我國服務(wù)業(yè)勞動力錯配的現(xiàn)象。此外，從城市層面的控制變量的回歸結(jié)果來看，教育投入水平（Education）的系數(shù)顯著為負(fù)，說明隨著城市的教育投入水平逐漸上升，該城市勞動者的整體素質(zhì)相對較高，故而在求職中獲取信息的途徑相對更多，有利于緩解勞動力市場錯配現(xiàn)象;城市儲蓄水平（Saving）的系數(shù)顯著為負(fù)，說明當(dāng)城市居民儲蓄水平相對較高時，其在求職過程中更傾向于獲得與自身能力相匹配的工作，進(jìn)而避免了為滿足最低生活保障而導(dǎo)致的“職位”與“能力”不相匹配而造成的勞動力錯配現(xiàn)象;城市年末總?cè)丝冢≒opulation）的系數(shù)顯著為正，這是由于人口越多的地區(qū)，其勞動力供給越容易出現(xiàn)過剩的情況，從而加劇了勞動力的錯配情況;互聯(lián)網(wǎng)覆蓋度（Internet）的系數(shù)不顯著;金融發(fā)展水平（Finance）的系數(shù)顯著為負(fù)，說明金融發(fā)展水平越高的地區(qū)人力資本錯配現(xiàn)象越不明顯，這是由于金融發(fā)展水平較高的地區(qū)通常經(jīng)濟(jì)發(fā)展迅速，市場中存在的勞動者和企業(yè)的數(shù)量相對較多，故而導(dǎo)致勞動力供需相對平衡，勞動力錯配的情況得到了一定的改善。

（二）區(qū)分不同類型市場準(zhǔn)入指標(biāo)

根據(jù)前文的機(jī)制分析，我們可以知道，市場準(zhǔn)入的擴(kuò)大通過降低了勞動者和企業(yè)的搜尋成本，有效地緩解了勞動力錯配的現(xiàn)象。為了進(jìn)一步探明該作用機(jī)制，我們將市場準(zhǔn)入（MA）指標(biāo)進(jìn)行更加詳細(xì)的區(qū)分，首先，將市場準(zhǔn)入指標(biāo)分為非高鐵引致的市場準(zhǔn)入指標(biāo)（MArh）和高鐵引致的市場準(zhǔn)入指標(biāo)（MAHSR）。之所以將市場準(zhǔn)入指標(biāo)進(jìn)行上述區(qū)分，是因?yàn)橄噍^于高速公路和普通鐵路而言，高鐵的“時空壓縮”效應(yīng)使其成為人們出行時優(yōu)先選擇的交通工具之一，故而高鐵引致的市場準(zhǔn)入指標(biāo)（MAHSR）的擴(kuò)大對搜尋成本的降低起到的影響更大，從而大大緩解了勞動力供需配置不相適應(yīng)的情況。進(jìn)一步地，我們又將高鐵引致市場準(zhǔn)入指標(biāo)細(xì)分出臨近高鐵，即高鐵5小時可達(dá)的市場準(zhǔn)入指標(biāo)（MAHSRless5），這是因?yàn)閺倪\(yùn)行時間的角度來看，5小時之內(nèi)乘坐高鐵可以到達(dá)的任意兩城市可以看作是一種短途旅行，而勞動者在同等條件下往往更傾向于在距離相對更近的城市尋找工作，同理，企業(yè)在一定程度上也傾向于招收臨近城市的員工，故而高鐵引致的市場準(zhǔn)入對勞企搜尋成本的影響應(yīng)當(dāng)在高鐵5小時可達(dá)地區(qū)發(fā)揮得更加明顯。

下頁表2的第（1）—（2）列、（3）—（4）列、（5）—（6）列和（7）—（8）列分別對應(yīng)總體市場準(zhǔn)入指標(biāo)（MAall）、非高鐵引致的市場準(zhǔn)入指標(biāo)（MArh）、高鐵引致的市場準(zhǔn)入指標(biāo)（MAHSR）以及高鐵5小時可達(dá)的市場準(zhǔn)入指標(biāo)（MAHSRless5）。首先，我們來比較表2 的第（3）—（4）列和第（5）—（6）列，可以看出市場準(zhǔn)入的相關(guān)指標(biāo)均顯著為負(fù)，但相較于非高鐵引致的市場準(zhǔn)入指標(biāo)（MArh）而言，高鐵引致的市場準(zhǔn)入指標(biāo)（MAHSR）的系數(shù)的絕對值更大，說明高鐵引致的市場準(zhǔn)入的擴(kuò)大對搜尋成本下降的促進(jìn)作用更強(qiáng)，從而更加有效地緩解了勞動力錯配的現(xiàn)象;其次，我們將第（5）—（6）列與第（7）—（8）列進(jìn)行對比，可以看出：高鐵5小時可達(dá)的市場準(zhǔn)入指標(biāo)（MAHSRless5）的系數(shù)絕對值大大高于高鐵非5小時可達(dá)市場準(zhǔn)入指標(biāo)（MAHSR），進(jìn)一步驗(yàn)證了距離相對較近的城市的市場準(zhǔn)入擴(kuò)大對搜尋成本的影響作用更強(qiáng)，從而更加有利于實(shí)現(xiàn)勞動力市場的優(yōu)化配置;此外，將第（1）—（2）列與其他列相對比，不難發(fā)現(xiàn)高鐵引致的市場準(zhǔn)入指標(biāo)，特別是高鐵5小時可達(dá)的市場準(zhǔn)入指標(biāo)的擴(kuò)大對我國服務(wù)業(yè)勞動力錯配現(xiàn)象的改善作用更大。

（三）機(jī)制再探究

在上一小節(jié)中，我們通過對市場準(zhǔn)入指標(biāo)進(jìn)行更加細(xì)致的劃分，驗(yàn)證了不同交通方式引致的客運(yùn)市場準(zhǔn)入指標(biāo)通過差異化地影響搜尋成本，從而對我國服務(wù)業(yè)人力資本錯配的改善效果也不盡相同。進(jìn)一步地，在本小結(jié)中，我們將從區(qū)域和行業(yè)的角度出發(fā)，探究市場準(zhǔn)入對搜尋成本的影響還受到哪些因素的限制，最終又會對我國服務(wù)業(yè)勞動力供需配置產(chǎn)生怎樣的差異化影響。

1.區(qū)域差別對機(jī)制的影響

不同城市的經(jīng)濟(jì)活動的活躍度受到自身地理位置和發(fā)展水平等諸多因素的限制會出現(xiàn)較大的差別，一方面會影響城市交通網(wǎng)絡(luò)的建設(shè)，從而造成不同城市市場準(zhǔn)入指標(biāo)的巨大差異，如我國東部沿海地區(qū)較西部內(nèi)陸地區(qū)而言，交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)更加密集，市場準(zhǔn)入指標(biāo)也相對更大。另一方面，經(jīng)濟(jì)活動的活躍度也會影響搜尋成本的變化，經(jīng)濟(jì)活動活躍度高的地區(qū)，人類活動相對更加頻繁，市場準(zhǔn)入的擴(kuò)大有利于大大降低搜尋成本，進(jìn)而對勞動力錯配的改善作用也會更加明顯。

Mellander? et al.（2013）和徐康寧等（2015）認(rèn)為夜間燈光數(shù)據(jù)是對區(qū)域經(jīng)濟(jì)活動和經(jīng)濟(jì)發(fā)展的良好度量，特別是對于像我國這樣的發(fā)展中國家而言，夜間燈光數(shù)據(jù)能夠很好地避免以GDP代表經(jīng)濟(jì)發(fā)展情況帶來的估計誤差。同時，Long et al.（2018）認(rèn)為，夜間燈光數(shù)據(jù)很好地反映了人類活動的空間分布情況， DN值越高的地區(qū)，反映了該地區(qū)人口更加密集，人類活動更加頻繁，故而對于這些地方來說，市場準(zhǔn)入的擴(kuò)大對搜尋成本下降的促進(jìn)作用更強(qiáng)，從而更有利于改善勞動力錯配現(xiàn)象。因此，本文采用CNRDS數(shù)據(jù)庫中校正后的DMSP中國地級市燈光數(shù)據(jù)作為城市經(jīng)濟(jì)活動活躍度的代理變量，將不同地級市的DN值按照相較于中位數(shù)的大小進(jìn)行分組，從而分為高DN值和低DN值兩組分別進(jìn)行回歸，結(jié)果如表3所示。

表3的第（1）—（4）列為低DN值城市的回歸結(jié)果，第（5）—（8）列為高DN值城市的回歸結(jié)果。對比兩組同一市場準(zhǔn)入指標(biāo)的系數(shù)發(fā)現(xiàn)，不論是系數(shù)的顯著性水平還是絕對值的大小，高DN值城市均大于低DN值的城市，從而驗(yàn)證了經(jīng)濟(jì)活動活躍度的差異會改變市場準(zhǔn)入對搜尋成本的影響，進(jìn)而會削弱或增強(qiáng)其對勞動力錯配的改善作用。

2.不同行業(yè)對機(jī)制的影響

不同于區(qū)域經(jīng)濟(jì)活躍度的差別會影響市場準(zhǔn)入對搜尋成本的作用機(jī)制，不同行業(yè)之間的差異則會通過改變勞企之間的議價能力，從而影響搜尋成本的變化對勞動力錯配的改善作用。具體而言，當(dāng)某個行業(yè)的技術(shù)門檻相對較高時，往往會出現(xiàn)勞動者相對稀缺的情況，并且在該類行業(yè)中，能力與職位相匹配的勞動者由于自身難以替代的技術(shù)水平，

會使得其在尋求工作時相對企業(yè)而言更具議價能力。根據(jù)前文的機(jī)制分析，該情況有利于改善均衡工資的下偏情況，進(jìn)而放大市場準(zhǔn)入擴(kuò)大引起的搜尋成本下降對勞動力錯配的改善作用。接下來我們將以Autor et al.（2003）常規(guī)和非常規(guī)行業(yè)的分類作為行業(yè)技術(shù)水平的簡單刻畫，以此探究議價能力如何影響搜尋成本對勞動力錯配的作用機(jī)制。

Autor et al.（2003）將非常規(guī)任務(wù)行業(yè)定義為需要抽象思維和相對復(fù)雜的溝通，并以解決各類復(fù)雜問題為導(dǎo)向的行業(yè)，如科學(xué)研究和綜合技術(shù)服務(wù)業(yè);與之相對，常規(guī)任務(wù)行業(yè)是指根據(jù)明確指令和規(guī)則即可完成，不需要復(fù)雜思考的行業(yè)，如批發(fā)零售業(yè)等。根據(jù)該定義，我們將10個二分位行業(yè)區(qū)分為常規(guī)任務(wù)和非常規(guī)任務(wù)行業(yè)兩類，并進(jìn)行分組回歸，結(jié)果如下頁表4所示。其中，第（1）—（4）列為常規(guī)任務(wù)型行業(yè)的回歸結(jié)果，第（5）—（8）列為非常規(guī)任務(wù)型行業(yè)的回歸結(jié)果。將兩組結(jié)果進(jìn)行對比，不難發(fā)現(xiàn)，非常規(guī)型行業(yè)的各類市場準(zhǔn)入指標(biāo)的系數(shù)的顯著性和絕對值大小均大于常規(guī)任務(wù)型行業(yè)，從而驗(yàn)證了技術(shù)復(fù)雜度相對更高的勞動者通過更強(qiáng)的議價能力，促進(jìn)了市場準(zhǔn)入對勞動力錯配的改善作用。

（四）穩(wěn)健性檢驗(yàn)

基礎(chǔ)回歸以及機(jī)制探究已經(jīng)驗(yàn)證了本文的作用機(jī)制，但回歸中可能仍存在一些問題，對結(jié)果產(chǎn)生一定的影響。針對這些問題，我們通過采用指標(biāo)參數(shù)調(diào)整、樣本重新選擇以及考慮政府管制和貨運(yùn)市場準(zhǔn)入的方法進(jìn)行穩(wěn)健性檢驗(yàn)。

1.市場準(zhǔn)入指標(biāo)計算參數(shù)調(diào)整

在基礎(chǔ)回歸結(jié)果中，我們使用θ=3.6（Donaldson & Hornbeck，2016）計算市場準(zhǔn)入指標(biāo)。而在本小結(jié)中，我們采用Eaton & Kortum（2002）測算的θ=8.28和θ=12.86分別代入（1）式，對市場準(zhǔn)入指標(biāo)進(jìn)行重新計算，分別得到指標(biāo)MA1和MA2，與勞動力錯配指標(biāo)匹配后的回歸結(jié)果如表5所示。從表5中我們可以看出，在1%的顯著性水平下，MA1和MA2的系數(shù)均顯著為負(fù)，進(jìn)一步驗(yàn)證了市場準(zhǔn)入的擴(kuò)大有利于緩解我國服務(wù)業(yè)勞動力供需配置不平衡的問題。

2.樣本重新選擇

本文在計算市場準(zhǔn)入指標(biāo)時，未考慮開通飛機(jī)航線的影響，這是因?yàn)橐环矫?，相較于公路和鐵路出行而言，飛機(jī)出行的普及率略低;另一方面，由于機(jī)票價格隨著時間而波動，故而難以獲得準(zhǔn)確的票價信息。但是當(dāng)我們忽略掉該影響時，可能會高估高鐵引致的市場準(zhǔn)入對勞動力配置的影響，特別是對于那些將高鐵和飛機(jī)看作是替代性出行工具的勞動者而言。故而在這里，我們通過剔除包含機(jī)場的城市，對樣本進(jìn)行重新選擇后再回歸，結(jié)果如表6所示。與基礎(chǔ)回歸相比，雖然各類市場準(zhǔn)入指標(biāo)的系數(shù)均顯著為負(fù)，但其絕對值均變小。

3.考慮政府管制和貨運(yùn)市場準(zhǔn)入的影響

最后，為了消除政府管制以及貨運(yùn)市場準(zhǔn)入對結(jié)果的影響，本文在實(shí)證分析中加入了戶口性質(zhì)和貨運(yùn)市場準(zhǔn)入指標(biāo)作為上述兩個影響因素的代理變量。受到戶籍制度等政府管制的影響，戶口屬性的不同會直接影響勞動者的福利，進(jìn)而可能會對勞動力在不同行業(yè)和不同區(qū)域的供需配置產(chǎn)生差異化影響，故而本文首先在基準(zhǔn)回歸的基礎(chǔ)上引入了“時間—行業(yè)—城市”維度的勞動者戶口性質(zhì)，結(jié)果如表7的第（1）列和第（4）列所示。該指標(biāo)的回歸系數(shù)不顯著，在一定程度上說明了以戶籍制度為代理變量的政府管制對本文研究的勞動力供需配置不平衡無顯著影響。另一方面，本文前文分析中主要考慮客運(yùn)市場準(zhǔn)入對勞動力供需配置不均的影響，主要是因?yàn)樵撝笜?biāo)降低會直接影響勞動者流動的便利性，但在一定程度上貨運(yùn)市場準(zhǔn)入也會對本文的研究產(chǎn)生間接影響，故而本小節(jié)在基準(zhǔn)回歸的基礎(chǔ)上引入了兩個貨運(yùn)市場準(zhǔn)入指標(biāo)MA3[MA3指標(biāo)計算方法參照Allen & Atkin（2014）。和MA4[MA4指標(biāo)計算方法參照Baum-Snow et al.（2020）。，結(jié)果如表7的第（2）—（3）列和第（5）—（6）列所示，無論如何調(diào)整固定效應(yīng)，MA3和MA4的系數(shù)均不顯著，說明貨運(yùn)市場準(zhǔn)入對勞動力供需配置無顯著性影響。

四、研究結(jié)論及政策建議

本文將基于Buam-Snow et al.（2017，2020）提供中國交通基礎(chǔ)設(shè)施網(wǎng)絡(luò)的電子地圖與CNRDS數(shù)據(jù)庫中的高鐵列車信息共同計算的“時間—區(qū)域—行業(yè)”維度的市場準(zhǔn)入指標(biāo)與基于CLDS數(shù)據(jù)計算“時間—區(qū)域—行業(yè)”維度的服務(wù)業(yè)勞動力錯配指標(biāo)進(jìn)行匹配，使用面板固定效應(yīng)模型驗(yàn)證了市場準(zhǔn)入的擴(kuò)大對勞動力供需配置的影響機(jī)制。

本文通過實(shí)證檢驗(yàn)的方法，首先得出客運(yùn)市場準(zhǔn)入的擴(kuò)大通過降低搜尋成本從而對服務(wù)業(yè)勞動力供需配置具有明顯的改善作用;其次，本文通過對市場準(zhǔn)入指標(biāo)進(jìn)一步細(xì)分，發(fā)現(xiàn)由于高鐵引致的市場準(zhǔn)入，特別是高鐵5小時可達(dá)的市場準(zhǔn)入指標(biāo)對勞動力錯配的改善作用更加明顯，這是因?yàn)楦哞F的“時空壓縮”效應(yīng)加速了勞動者的跨區(qū)域轉(zhuǎn)移，從而更有利于降低搜尋成本;最后，本文通過“區(qū)域”和“行業(yè)”分組的方式對影響機(jī)制進(jìn)行再探究，發(fā)現(xiàn)在“DN值”高的城市以及“非常規(guī)任務(wù)型”行業(yè)中，市場準(zhǔn)入的擴(kuò)大對服務(wù)業(yè)勞動力供需配置不平衡的改善效果更加明顯，這是因?yàn)榻?jīng)濟(jì)活動活躍度以及勞企雙方的議價能力的差異會改變市場準(zhǔn)入對搜尋成本的影響，進(jìn)而會削弱或增強(qiáng)其對勞動力錯配的改善作用。此外，本文還通過改變指標(biāo)的計算參數(shù)、樣本重新選擇以及考慮政府管制和貨運(yùn)市場準(zhǔn)入的影響的方法進(jìn)行了穩(wěn)健性檢驗(yàn)，進(jìn)一步論證了本文的結(jié)論。

本文的研究結(jié)論具有一定的政策意義和現(xiàn)實(shí)意義：一方面，我國應(yīng)該進(jìn)一步完善交通基礎(chǔ)設(shè)施建設(shè)，加快建設(shè)公路、鐵路網(wǎng)狀建設(shè)。因?yàn)樵撆e措不僅能夠降低勞動力遷移成本，而且能夠擴(kuò)大人們對生活領(lǐng)域和工作地點(diǎn)的選擇面，從而緩解“招工難”與“就業(yè)難”同時并存的現(xiàn)象。另一方面，由于不同行業(yè)之間的差異會通過改變勞企之間的議價能力，從而影響搜尋成本的變化對勞動力錯配的改善作用，故而應(yīng)該通過加強(qiáng)各類職業(yè)技術(shù)培訓(xùn)等方式提升勞動者的整體文化素質(zhì)和技術(shù)水平，使得勞動者的能力與職位相匹配，最終緩解勞動力供需配置不均衡的現(xiàn)象。

參考文獻(xiàn)：

[1]江小涓.服務(wù)業(yè)增長：真實(shí)含義、多重影響和發(fā)展趨勢[J].經(jīng)濟(jì)研究，2011（4）.

[2]李世剛，尹恒.尋租導(dǎo)致的人才誤配置的社會成本有多大？[J].經(jīng)濟(jì)研究，2014 （7）.

[3]李世剛，尹恒.政府-企業(yè)間人才配置與經(jīng)濟(jì)增長——基于中國地級市數(shù)據(jù)的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)研究，2017（4）.

[4]劉曉光，張勛，方文全.基礎(chǔ)設(shè)施的城鄉(xiāng)收入分配效應(yīng)：基于勞動力轉(zhuǎn)移的視角[J].世界經(jīng)濟(jì)，2015（3）.

[5]徐康寧，陳豐龍，劉修巖.中國經(jīng)濟(jì)增長的真實(shí)性：基于全球夜間燈光數(shù)據(jù)的檢驗(yàn)[J].經(jīng)濟(jì)研究，2015（9）.

[6]袁志剛，解棟棟.中國勞動力錯配對TFP的影響分析[J].經(jīng)濟(jì)研究，2011（7）.

[7]Aghion P， Blundell R， Griffith R， et al. The effects of entry on incumbent innovation and productivity[J]. The Review of Economics and Statistics， 2009， 91（1）.

[8]Autor D H， Levy F， Murnane R J. The skill content of recent technological change： An empirical exploration[J]. The Quarterly Journal of Economics， 2003， 118（4）.

[9]Baum-Snow N， et al.Roads， railroads， and decentralization of Chinese cities [J]. Review of Economics and Statistics， 2017， 99（3）.

[10]Baum-Snow N， et al.Does investment in national highways help or hurt hinterland city growth？ [J]. Journal of Urban Economics， 2020， 115.

[11]Brandt L， Van Biesebroeck J， Zhang Y. Challenges of working with the Chinese NBS firm-level data [J]. China Economic Review， 2014， 30.

[12]Donaldson D. Railroads of the Raj： Estimating the impact of transportation infrastructure [J].American Economic Review， 2018， 108.4（5）.

[13]Donaldson D， and Hornbeck R. Railroads and American economic growth： a “market access” approach [J]. The Quarterly Journal of Economics， 2016， 131（2）.

[14]Eaton J， Kortum S. Technology， geography， and trade [J]. Econometrica， 2002， 70（5）.

[15]Gibbons S， et al. New road infrastructure： The effects on firms [J]. Journal of Urban Economics 2019， 110.

[16]Hsieh Chang-Tai， Moretti E. Housing constraints and spatial misallocation [J].American Economic Journal： Macroeconomics， 2019， 11（2）.

[17]Huang Yuxiao， Wentao Xiong. Geographic distribution of firm productivity and production： A “market access” approach [J]. Working Paper， 2018.

[18]Lin Yatang. Travel costs and urban specialization patterns： Evidence from Chinas high speed railway system [J]. Journal of Urban Economics， 2017， 98.

[19]Long Fenjie， Longfei Zheng， Zhida Song. High-speed rail and urban expansion： An empirical study using a time series of nighttime light satellite data in China [J]. Journal of Transport Geography， 2018， 72.

[20]McCall J J. Economics of information and jobsearch [J]. The Quarterly Journal of Economics，1970.

[21]Mellander C， et al. Night-time light data： A good proxy measure for economic activity [J]. PloS one， 2015， 10（10）.

[22]Mortensen D T. Job search， the duration of unemployment， and the Phillipscurve [J]. The American Economic Review， 1970， 60（5）.

[23]Vollrath D. How important are dual economy effects for aggregate productivity？ [J]. Journal of Development Economics， 2009， 88（2）.

[24]Vollrath D. The efficiency of human capital allocations in developing countries [J]. Journal of Development Economics， 2014， 108.

（責(zé)任編輯：彭琳）

南開大學(xué)經(jīng)濟(jì)學(xué)院。通信作者及地址：孫浦陽，天津市南開區(qū)衛(wèi)津路94號;郵編：300071;E-mail：puyangsun@nankai.edu.cn.本文感謝教育部人文社會科學(xué)研究項(xiàng)目“全球價值鏈分工下制造業(yè)服務(wù)化對產(chǎn)業(yè)升級的影響研究”（ 20YJA790026），南開大學(xué)百名青年學(xué)科帶頭人（團(tuán)隊）培養(yǎng)支持計劃項(xiàng)目“國際需求沖擊、外資政策調(diào)整與市場福利”的支持。感謝國家社會科學(xué)基金重大項(xiàng)目“建設(shè)更高水平開放型經(jīng)濟(jì)新體制研究”（21ZDA092）的支持。