劉 文， 陳秋璇， 尹宗成

(安徽農(nóng)業(yè)大學 經(jīng)濟管理學院，合肥 230036)

1 文獻綜述

從目前的研究成果看，關(guān)于投資與就業(yè)的關(guān)系，國內(nèi)外學者大致持以下兩種觀點：一種觀點認為投資與就業(yè)存在正相關(guān)關(guān)系.卡恩(1963)在《國內(nèi)投資與就業(yè)》一文中提出了一個就業(yè)乘數(shù)，按照這個就業(yè)乘數(shù)，當凈投資增加時，總就業(yè)增量將是初始就業(yè)增量的一個倍數(shù);Davis和Hatiwanger(1992)通過實證研究發(fā)現(xiàn)投資增長與就業(yè)之間存在著一種長期的正向關(guān)系;朱勁松等(2006)從“技術(shù)中性”的理論角度分析了重工業(yè)發(fā)展對就業(yè)的影響之后指出，盡管短期內(nèi)投資會提高全社會的資本—勞動比，使得投資對就業(yè)產(chǎn)生負面影響，但從長期的角度看，大量投資會創(chuàng)造更大規(guī)模的就業(yè)[1]；徐旭川(2006)運用向量自回歸模型分析了中國公共投資的就業(yè)效應，發(fā)現(xiàn)公共投資不僅可以擴大就業(yè)，還可以調(diào)整就業(yè)結(jié)構(gòu)，但其拉動效應較非公共投資較小[2];陳巧玉等(2007)對中國固定資產(chǎn)投資的資金來源與就業(yè)之間的關(guān)系進行了實證分析，得出了投資增加能帶動就業(yè)的結(jié)論[3];馬敬桂、徐飛(2010)運用典型相關(guān)分析法，從固定資產(chǎn)投資的來源考察其對中國三次產(chǎn)業(yè)就業(yè)的影響，得出自籌資金和其他來源資金對第三產(chǎn)業(yè)有顯著影響，而國內(nèi)貸款對第二產(chǎn)業(yè)有顯著影響[4];張少為等(2012)基于“兩缺口”模型、投資乘數(shù)原理、就業(yè)理論以及經(jīng)濟增長理論對FDI 就業(yè)效應的定性研究及影響機理的分析得出，外商直接投資能夠通過直接和間接影響增加就業(yè)機會，一定程度上對東道國具有積極的就業(yè)創(chuàng)造效應[5].

另一種觀點認為，投資的增加不一定能帶動就業(yè)，甚至還可能減少就業(yè)，或者投資對就業(yè)的影響不表現(xiàn)在數(shù)量上，而表現(xiàn)在對就業(yè)結(jié)構(gòu)的影響上.Dunning(1996)在研究國際直接投資理論時指出，國際直接投資對就業(yè)影響不在于就業(yè)的數(shù)量上，而在于就業(yè)的產(chǎn)業(yè)結(jié)構(gòu)、技能組合、質(zhì)量及生產(chǎn)率上；盛世斌(1998)對中國20世紀80年代以后的投資與就業(yè)的關(guān)系做了實證分析，發(fā)現(xiàn)投資的增加并不一定能夠帶動就業(yè)增加，甚至有的年份還出現(xiàn)了投資增加，就業(yè)減少的情況；黃浩(2010)運用Panel Data的變系數(shù)模型對投資與就業(yè)的敏感性進行實證分析，得出不同經(jīng)濟體的就業(yè)對投資的敏感性有顯著的差異，民營經(jīng)濟、外商投資的就業(yè)彈性較大，農(nóng)業(yè)、公有經(jīng)濟的投資對就業(yè)存在擠出效應[6]；石寶峰(2010)研究認為投資增長率及其對經(jīng)濟的拉動作用將會下降，就業(yè)并沒有隨新增投資同步擴大，投資對就業(yè)的帶動作用呈減弱趨勢[7]；丁翠翠、郭慶然(2014)采用動態(tài)面板數(shù)據(jù)模型廣義矩估計分析方法，發(fā)現(xiàn)FDI對中國就業(yè)的影響有顯著的區(qū)域差異，且整體上具有顯著的擠出效應[8].

對投資就業(yè)效應的研究，理論界目前尚未形成一致的認識.研究也主要集中在國家或行業(yè)層面的總體分析，忽略了區(qū)域間的差異性.但是，我國各地區(qū)經(jīng)濟發(fā)展不平衡，就業(yè)情況也不盡相同，僅從整體層面對投資的就業(yè)效應進行研究而忽略區(qū)域間的差異，不能全面、準確地反映固定資產(chǎn)投資與就業(yè)之間的關(guān)系.

文章以上述研究為基礎(chǔ)，以中國各省固定資產(chǎn)投資和就業(yè)的關(guān)系為研究對象，從中國的東部、中部、西部3個地區(qū)切入，對固定資產(chǎn)投資的就業(yè)效應進行實證分析.

2 數(shù)據(jù)處理及檢驗

2.1 數(shù)據(jù)處理

分別用Job,Invest表示各地區(qū)就業(yè)人數(shù)、固定資產(chǎn)投資.固定資產(chǎn)投資活動按其工作內(nèi)容和實現(xiàn)方式分為建筑安裝工程，設備、工具、器具購置和其他費用3個部分.固定資產(chǎn)投資額是以貨幣表現(xiàn)的建造和購置固定資產(chǎn)活動的工作量，它是反映固定資產(chǎn)投資規(guī)模、速度、比例關(guān)系和使用方向的綜合性指標.

固定資產(chǎn)投資額以1993年為基期，對以后各年進行平減，以去除通貨膨脹的影響，并對數(shù)據(jù)取自然對數(shù)，這樣不會影響變量之間的長期穩(wěn)定和短期變動關(guān)系以及變量的經(jīng)濟含義，又可以減少異方差性，使模型更加線性化.

數(shù)據(jù)來源于1993—2012年各省統(tǒng)計年鑒以及中國統(tǒng)計年鑒，對于區(qū)域的劃分，參考大多數(shù)文獻，劃分為東部、中部、西部地區(qū).其中，東部地區(qū)包括北京、河北、天津、遼寧、上海、江蘇、浙江、福建、山東、海南，中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖南、湖北，西部包括四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古.由于廣東省和西藏自治區(qū)數(shù)據(jù)不完整，缺乏連貫性，暫未考慮在內(nèi).

2.2 數(shù)據(jù)檢驗

2.2.1 單位根檢驗

在采用面板數(shù)據(jù)模型時，如果面板數(shù)據(jù)存在單位根，則會造成虛假回歸，所以在對面板數(shù)據(jù)模型估計之前，需要先對數(shù)據(jù)進行單位根檢驗以判斷序列的平穩(wěn)性.面板數(shù)據(jù)單位根檢驗的方法有很多種，例如LLC檢驗、IPS檢驗法等等，為避免單一性檢驗方法的不足，同時采用LLC檢驗法、IPS檢驗法、ADF-Fisher CH檢驗法和PP-Fisher CH檢驗法4種方法進行面板數(shù)據(jù)單位根檢驗，相關(guān)檢驗結(jié)果參見表1.

表1 單位根檢驗結(jié)果

注：Δln Job、Δln Invest為一階差分后的序列，括號內(nèi)的數(shù)據(jù)為P值.

表1中單位根檢驗結(jié)果表明，所有地區(qū)各個序列水平值存在單位根，但一階差分后的序列是平衡序列，均是一階單整序列.

2.2.2 協(xié)整檢驗

由于各序列都是一階單整序列，滿足面板數(shù)據(jù)協(xié)整性檢驗的要求，可繼續(xù)進行面板數(shù)據(jù)協(xié)整檢驗.面板數(shù)據(jù)協(xié)整檢驗的方法大致可以分為兩大類：一種是原假設為不存在協(xié)整關(guān)系，使用類似Engle和Granger(1987)平穩(wěn)回歸方程，根據(jù)面板數(shù)據(jù)中得到的殘差構(gòu)造統(tǒng)計量來進行協(xié)整檢驗，比較典型分析方法有Pedroni檢驗(1999)、Kao檢驗(1999)等；另一種則是由Maddala和Wu(1999)提出的基于Fisher的單個因變量聯(lián)合檢驗結(jié)論，該檢驗方法通過聯(lián)合單個截面?zhèn)€體Johansen 協(xié)整檢驗的結(jié)果，來獲得對應面板數(shù)據(jù)的檢驗統(tǒng)計量.

此處主要采用Pedroni檢驗方法，Pedroni以協(xié)整方程的回歸殘差值為基礎(chǔ)，提出了Panel v-Statistic，Panel rho-Statistic，Panel PP-Statistic，Panel ADF-Statistic，Group rho-Statistic，Group PP-Statistic，Group ADF-Statistic 7個統(tǒng)計量來檢驗面板數(shù)據(jù)變量之間的協(xié)整關(guān)系，其中前4個為組內(nèi)統(tǒng)計量，后3個為組間統(tǒng)計量.如果在檢驗中拒絕原假設，則說明各變量之間存在協(xié)整關(guān)系.在小樣本數(shù)據(jù)分析中，Panel ADF-Statistic，Group ADF-Statistic的檢驗效果較好，Panel v-Statistic，Group rho-Statistic的檢驗效果較差，其他的5個統(tǒng)計量檢驗效果居于中間(Pedroni，2004).因此，在文中主要參照Panel ADF-Statistic，Group ADF-Statistic的檢驗效果，其余5個統(tǒng)計量只作參考；另外，為了增強面板數(shù)據(jù)協(xié)整檢驗的可靠性，再引入Kao檢驗.

表2 協(xié)整性檢驗結(jié)果

注：括號內(nèi)數(shù)據(jù)為P值.

從表2檢驗結(jié)果可以看出，兩種檢驗方法大多都在5%的水平上顯著，拒絕原假設，認為變量之間存在協(xié)整關(guān)系，說明兩個變量之間存在長期穩(wěn)定的關(guān)系，從而可以斷定在采用面板數(shù)據(jù)回歸模型進行參數(shù)估計時不會出現(xiàn)虛假回歸問題.

3 固定資產(chǎn)投資就業(yè)效應的實證分析

3.1 模型構(gòu)建及類型選取

為研究固定資產(chǎn)投資對就業(yè)的影響關(guān)系，構(gòu)建如下模型：

ln Jobit=αi+βiln Investit+μit

(1)

其中i=1,2,3,…,29，表示各個省份，t =1993,1994,…2012，表示樣本觀測期.

為了確保文中所構(gòu)建的模型不失面板數(shù)據(jù)模型的一般性，以及模型的有效性，在這里應該進一步確定面板數(shù)據(jù)模型的具體形式.面板數(shù)據(jù)模型的基本形式為

Yit=αi+βiXit+μit

(2)

式中Yit為因變量；Xit為外生變量向量；βi為二維參數(shù)向量；i表示不同個體；t表示不同的時間，μit為隨機擾動項，模型中截面系數(shù)αi、斜率系數(shù)βi隨著截面?zhèn)€體的不同而不同，稱方程(2)為變系數(shù)模型.

如果在模型(2)中，假定斜率系數(shù)βi是常數(shù)，則方程變?yōu)?/p>

Yit=αi+βXit+μit

(3)

在方程(3)中，截面系數(shù)αi的不同取值反應截面?zhèn)€體的差異，稱方程(3)為變截距模型.

如果在模型(3)中假定截面系數(shù)αi是常數(shù)，則方程變?yōu)?/p>

Yit=α+βXit+μit

(4)

在方程(4)中，截面系數(shù)αi、斜率系數(shù)βi不隨著截面?zhèn)€體的不同而不同，稱方程(4)為不變系數(shù)模型.

實證分析結(jié)論正確與否取決于檢驗模型的選擇，以往的研究往往采用協(xié)方差檢驗方法來判斷模型類型的選取.協(xié)方差檢驗主要檢驗以下兩個假設：

假設1 斜率系數(shù)在不同的橫截面樣本點和時間上都相同，但截距不同.

H1:β1=β2=…=βn

假設2 斜率系數(shù)和截距系數(shù)在不同的橫截面樣本點和時間上都相同.

H2:α1=α2=…=αn；β1=β2=…=βn

構(gòu)造如下F統(tǒng)計量，且符合F分布：

首先計算變參數(shù)模型的殘差平方和，記為S1；變截距模型的殘差平方和，記為S2；不變參數(shù)模型的殘差平方和，記為S3.在假設H2下檢驗統(tǒng)計量F2服從相應自由度下的F分布.若計算所得到的統(tǒng)計量F2的值小于給定置信度下的相應臨界值，則接受假設H2，認為樣本數(shù)據(jù)符合不變參數(shù)模型，采用模型(4).反之，則利用F1繼續(xù)檢驗假設H1，若F1小于給定置信度下的相應臨界值，則接受假設H1，樣本數(shù)據(jù)符合變截距模型，采用模型(3)；若F1不小于給定置信度下的相應臨界值，則拒絕假設H1，樣本數(shù)據(jù)符合變系數(shù)模型，采用模型(2).

以東部地區(qū)為例，以方程(1)建立模型，經(jīng)過計算得到F2的值為1 410.29，在1%的顯著性水平下，大于臨界值F2(18,180)=2.04，即拒絕原假設H2，樣本數(shù)據(jù)不適用不變系數(shù)模型；再計算得到F1的值為28.1，在1%的顯著性水平上，大于臨界值F1(9,180)=2.51，拒絕原假設H1，樣本數(shù)據(jù)不能采用變截距模型，應采用變系數(shù)模型.另外，以此方法對以中部、西部為研究對象檢驗模型的具體形式，得到了同樣的結(jié)論，最終決定采用變系數(shù)模型.具體F檢驗結(jié)果如表3所示.

表3 模型選取的F值檢驗結(jié)果

在確定采用變系數(shù)模型后，還要在固定效應和隨機效應中選擇一個更為合適的，通過對兩種效應的比較，在文中樣本數(shù)據(jù)估計時，采用固定效應模型更合適.

3.2 實證結(jié)果分析

從表4的檢驗結(jié)果可以看出，選擇固定效應模型時，東部、中部、西部3個地區(qū)模型擬合效果都比較好.

表4 模型估計結(jié)果

注：括號內(nèi)數(shù)字為P值.

從三大區(qū)域，模型參數(shù)估計的結(jié)果可以看出，東部地區(qū)和中部地區(qū)模型估計的參數(shù)值都為正值，除江蘇省(通過5%的顯著性水平檢驗)外均在1%的水平下顯著，模型擬合的R2分別為0.996，0.995，F(xiàn)統(tǒng)計量分別為2 453.56，1 906.13，且都在1%的水平下顯著，模型擬合效果較好，說明東部地區(qū)和中部地區(qū)固定資產(chǎn)投資與就業(yè)之間均存在正相關(guān)關(guān)系；西部地區(qū)模型估計的參數(shù)值中，重慶、甘肅兩地的參數(shù)值為負值，且不顯著，其他地區(qū)的參數(shù)值都為正值，除四川省(通過10%的顯著性水平檢驗)外都在1%的水平下顯著，模型擬合的R2為0.998，F(xiàn)統(tǒng)計量為4 514.10，且在1%的水平下顯著，模型擬合效果也較好，但是在區(qū)域內(nèi)部，固定資產(chǎn)投資與就業(yè)的關(guān)系出現(xiàn)了投資可以促進就業(yè)增長,投資使得就業(yè)減少兩種截然相反的情況.

通過對東、中、西部3個地區(qū)參數(shù)估計結(jié)果的橫向比較，可以看出，中國固定資產(chǎn)投資的就業(yè)效應存在著區(qū)域差異性.從表4中可以看出，東、中、西部3個區(qū)域β系數(shù)的均值分別為0.141，0.063 8，0.064 2，東部地區(qū)的均值最大，相當于中部和西部均值之和，中部地區(qū)的最小，說明東部地區(qū)固定資產(chǎn)投資對就業(yè)的拉動能力相對較強，固定資產(chǎn)投資的就業(yè)效應表現(xiàn)得更加明顯；盡管西部地區(qū)部分省份出現(xiàn)了反向影響，但是整體上來看，西部固定資產(chǎn)投資的就業(yè)效應僅次于東部地區(qū)；中部地區(qū)固定資產(chǎn)投資對就業(yè)有一定的拉動作用，但是拉動幅度較小.造成這種差異的原因可能是東部地區(qū)最早受益于改革初期的政策優(yōu)惠，以及沿海地區(qū)無可比擬的區(qū)位優(yōu)勢，有較好的工業(yè)基礎(chǔ)，產(chǎn)業(yè)結(jié)構(gòu)較為合理，且最先接觸海外先進的管理經(jīng)驗，有大量的資金流入，經(jīng)濟發(fā)展速度較快，各項基礎(chǔ)設施比較齊全，隨著投資的不斷增長也促進了區(qū)域經(jīng)濟的發(fā)展，從而有擴大生產(chǎn)規(guī)?；蛘弋a(chǎn)生新的生產(chǎn)能力的可能性，這樣投資的不斷增長則會帶動新的就業(yè)需求，吸引更多的勞動力就業(yè).而中西部地區(qū)過度依賴自然資源，隨著資源的不斷消耗，不能吸收更多的勞動力就業(yè).另外，中、西部經(jīng)濟發(fā)展較慢，各種基礎(chǔ)設施不盡完善，產(chǎn)業(yè)結(jié)構(gòu)不能及時調(diào)整、優(yōu)化，也使得該地區(qū)缺乏就業(yè)吸引力.

縱觀各個省份固定資產(chǎn)投資的就業(yè)效應，對就業(yè)拉動作用最大的是北京市、上海市，系數(shù)分別為0.36和0.21，表明在這兩個地區(qū)每增加1%的固定資產(chǎn)投資分別可以帶動0.36%,0.21%的就業(yè)增長.出現(xiàn)這種現(xiàn)象的原因可能是北京、上海兩地經(jīng)濟發(fā)達，并且一個是中國的政治、文化中心，一個是中國的經(jīng)濟、金融中心，具有其他地區(qū)不可比擬的優(yōu)勢，而且經(jīng)濟發(fā)展速度快，投資的增長催生了新的就業(yè)需求.另外，北京、上海的各種配套設施更加完善，工資福利水平較高，更能吸引就業(yè)，所以固定資產(chǎn)投資的就業(yè)效應更好.而重慶、甘肅兩地出現(xiàn)了固定資產(chǎn)投資就業(yè)效應為負的情況，可能是由于兩地產(chǎn)業(yè)結(jié)構(gòu)以及固定資產(chǎn)投資結(jié)構(gòu)不甚合理，在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的過程中，產(chǎn)業(yè)結(jié)構(gòu)升級帶來的就業(yè)破壞作用大于就業(yè)的創(chuàng)造作用，從而出現(xiàn)了投資的增長對就業(yè)產(chǎn)生了擠出效應的情況.

4 主要的結(jié)論及不足

在對投資就業(yè)效應的理論和成果梳理的基礎(chǔ)上，運用實證分析方法分析了中國東部、中部、西部3個地區(qū)固定資產(chǎn)投資的就業(yè)效應，得出了如下結(jié)論：

第一、從整體上來看，東部、中部、西部地區(qū)整體的固定資產(chǎn)投資就業(yè)效應較小，雖然固定資產(chǎn)投資的增加可以帶動就業(yè)的增長，但是拉動作用比較小，依靠固定資產(chǎn)投資來帶動就業(yè)的增長效果不是很明顯.

第二、固定資產(chǎn)投資的就業(yè)效應有明顯的區(qū)域差異性.固定資產(chǎn)投資的就業(yè)效應在東部地區(qū)表現(xiàn)的較明顯，平均每增加1%的固定資產(chǎn)投資可以帶動0.141%的就業(yè)增長；而在中、西部地區(qū)固定資產(chǎn)投資的就業(yè)效應比較小，平均每增加1%的固定資產(chǎn)投資僅能帶動0.063 8%,0.064 2%的就業(yè)增長.就各個省份而言，北京、上海兩地固定資產(chǎn)投資的就業(yè)拉動作用最大，重慶、甘肅兩地固定資產(chǎn)投資的增長卻對就業(yè)產(chǎn)生了反作用.

綜上所述，我國固定資產(chǎn)投資的快速增長并沒帶來就業(yè)的迅速擴張，盡管固定資產(chǎn)投資對就業(yè)有拉動作用，但是其就業(yè)效應較為有限.而且，中國固定資產(chǎn)投資的就業(yè)效應存在著明顯的區(qū)域差異性，從各地區(qū)固定資產(chǎn)投資的就業(yè)效應來看，拉動作用比較大的是經(jīng)濟較為發(fā)達的東部地區(qū)，特別是北京市、上海市兩地表現(xiàn)得非常明顯；經(jīng)濟發(fā)展較緩慢的中部、西部地區(qū)的就業(yè)效應相對較小,特別是在西部地區(qū)的重慶市、甘肅省兩地，甚至出現(xiàn)了固定資產(chǎn)投資的增長反而對就業(yè)規(guī)模產(chǎn)生了負面影響的情況.

值得一提的是，此處僅研究了固定資產(chǎn)投資對總體就業(yè)人數(shù)的影響，并未深入研究固定資產(chǎn)投資對三次產(chǎn)業(yè)就業(yè)的拉動作用，這也是下一步需要繼續(xù)研究的.

參考文獻：

[1]朱勁松，劉傳江.重新重工業(yè)化對我國就業(yè)的影響—基于技術(shù)中性理論與實證數(shù)據(jù)的分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2006(12)：82-92

[2]徐旭川.我國公共投資對就業(yè)影響的實證分析[J].人口與經(jīng)濟，2006(2)：28-32

[3]陳巧玉，楊彥玲，石書冰.我國固定資產(chǎn)投資來源與就業(yè)的分析[J].當代經(jīng)濟，2007(4)：13-14

[4]馬敬桂，徐飛.固定資產(chǎn)投資對我國三大產(chǎn)業(yè)就業(yè)影響的變動分析[J].特區(qū)經(jīng)濟，2010(1)：286-288

[5]張少為，王晨佳，吳振磊.外商直接投資就業(yè)效應的經(jīng)濟學分析[J].西安交通大學學報:社會科學版，2012，32(4)：46-49

[6]黃浩.基于Panel Data 模型的投資就業(yè)敏感性探析[J].經(jīng)濟師，2010(4)：67-69

[7]石寶峰.2009年擴大政府投資的效果分析和2010年投資政策建議[J].中國經(jīng)貿(mào)導刊，2010(6)：15-17

[8]丁翠翠，郭慶然.外商直接投資對我國就業(yè)影響的動態(tài)效應與區(qū)域差異—基于動態(tài)面板數(shù)據(jù)模型的GMM估計[J].經(jīng)濟經(jīng)緯，2014，31(1)：62-67

[9]易丹輝.數(shù)據(jù)分析與Eviews應用[M].北京:中國人民大學出版社，2008

[10]FAZEKAS K.Effects of FDI Inflows on Regional Labor Market Differences in Hungary [J].Economy international，2005(2)：21-35

[11]RADOSEVIC S, VARBLANE U，MICKIEWICZ T.Foreign Direct Investment and Its Effect on Employment in Central Europe [J].Transnational Corporations，2003(12)：53-89