周正柱,周 鵑

(上海應(yīng)用技術(shù)大學 經(jīng)濟與管理學院,上海 201418)

一、引言

在受新冠肺炎疫情影響和“人口紅利”逐漸消失的大背景下,中國經(jīng)濟增長驅(qū)動力不足、結(jié)構(gòu)性問題凸顯,堅持供給側(cè)結(jié)構(gòu)性改革、深化要素市場化改革及提高要素配置效率,將成為深化“十四五”規(guī)劃、推動“雙循環(huán)”新發(fā)展格局和促進經(jīng)濟可持續(xù)增長的關(guān)鍵突破口[1-2]。一方面,中國要素市場化改革依然滯后,勞動力自由流動嚴重受阻,勞動力要素配置效率存在很大提升空間,勞動力市場一體化能夠再次釋放逐漸消失的人口紅利;另一方面,勞動力市場分割會阻礙產(chǎn)品、要素市場化改革進程,而勞動力作為關(guān)鍵生產(chǎn)要素,其配置效率的提升不僅能夠增強勞動生產(chǎn)率,而且有助于提高其他生產(chǎn)要素的配置效率,進而推動整個市場經(jīng)濟的新增長。為此,2020年4月9日印發(fā)的《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》,強調(diào)深化要素市場化體制機制改革,健全勞動力、資本等要素定價體系,矯正要素資源錯配失衡問題,提升要素市場一體化水平,從源頭上暢通國民經(jīng)濟循環(huán)。

現(xiàn)階段,長三角一體化發(fā)展戰(zhàn)略已上升為國家戰(zhàn)略,要素市場一體化作為區(qū)域一體化的重要組成部分,能夠提升區(qū)域內(nèi)要素流動自由度,降低進入壁壘,推動區(qū)域統(tǒng)一大市場形成。為此,2021年6月出臺的《長三角一體化發(fā)展規(guī)劃“十四五”實施方案》,強調(diào)進一步破除制約要素跨域流動的體制機制壁壘,暢通市場、資源、技術(shù)、人才、資本等經(jīng)濟要素循環(huán)。長三角區(qū)域要素市場中,勞動力市場化改革滯后于商品、資本市場,且勞動力市場的分割指數(shù)較大,這顯然有礙于長三角一體化發(fā)展;同時經(jīng)驗表明,在區(qū)域一體化過程中,以大城市為核心的城市群已成為拉動區(qū)域經(jīng)濟增長的重要引擎,城市群勞動力市場一體化發(fā)展逐漸成為眾多學者的研究重點[3]。因此,在此背景下,深入分析長三角城市群(1)本文“長三角城市群”特指《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》中的“以上海市,江蘇省南京、無錫、常州、蘇州、南通、揚州、鎮(zhèn)江、鹽城、泰州,浙江省杭州、寧波、溫州、湖州、嘉興、紹興、金華、舟山、臺州,安徽省合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城27個城市為中心區(qū)(面積22.5萬平方公里)”,其中江蘇包括南京、無錫等9個城市,浙江包括杭州、寧波等9個城市,安徽包括合肥、蕪湖等8個城市。勞動力市場一體化程度、地區(qū)差距及其動態(tài)演進趨勢,有助于揭示長三角城市群勞動力市場一體化的發(fā)展現(xiàn)狀與演變規(guī)律,對于推進長三角地區(qū)勞動力市場協(xié)調(diào)發(fā)展具有重要意義,達到以自己的“小循環(huán)”來促進國內(nèi)“大循環(huán)”的戰(zhàn)略目標。

關(guān)于勞動力市場一體化水平的測度研究,主要包括生產(chǎn)法、貿(mào)易流量法和價格法。生產(chǎn)法基于生產(chǎn)角度,通過分析生產(chǎn)效率、產(chǎn)出結(jié)構(gòu)等方面的差異來衡量勞動力市場一體化水平,但其在邏輯上不足以準確說明指標與市場一體化的關(guān)系[4]。貿(mào)易流量法根據(jù)貿(mào)易流量規(guī)模評判市場一體化程度,區(qū)域間貿(mào)易量增加意味著市場一體化程度提升,但難以剔除規(guī)模利益和資源稟賦對貿(mào)易量變化的影響[5]。隨著研究的深入,無論是生產(chǎn)法還是貿(mào)易流量法都存在弊端。而價格法包含的信息量更大,價格變動與市場一體化直接相關(guān),通過價格變動,既能考察產(chǎn)品市場一體化程度,又能測算勞動力、資本等要素市場一體化程度[6]。在此基礎(chǔ)上,相對價格法不僅能夠直接觀察時序變化情況,而且考慮了勞動力異質(zhì)性特征,能夠綜合不同部門、不同行業(yè)測算出不同地區(qū)、不同類型勞動力市場的一體化水平,因而備受青睞。

關(guān)于勞動力市場的時空分布及地區(qū)差異研究。例如,陳紅霞和席強敏、陳立泰等利用絕對平均偏差方法衡量勞動力市場一體化發(fā)展的地區(qū)差距,前者研究發(fā)現(xiàn)京津冀勞動力市場分割程度呈現(xiàn)擴大化,且北京的分割程度最大,天津次之,河北最輕;后者研究發(fā)現(xiàn)長江經(jīng)濟帶勞動力市場分割程度呈現(xiàn)“長三角地區(qū)>中三角地區(qū)>成渝地區(qū)”的分布差異[7-8]。王瑩瑩和童玉芬從空間分布視角入手,研究發(fā)現(xiàn)上海勞動力市場一體化水平呈現(xiàn)由中心向外圍遞減的演變規(guī)律[9]。王海南和崔長彬基于所有制視角,研究發(fā)現(xiàn)京冀勞動力市場一體化程度最高、京津次之、津冀最低。上述研究揭示出地區(qū)間勞動力市場發(fā)展存在一定的空間非均衡性[10]。

綜上所述,現(xiàn)有的關(guān)于勞動力市場一體化研究已較豐富,為本文提供了借鑒與啟發(fā),但仍存在以下不足:第一,現(xiàn)有的研究多是基于三省一市層面,而以長三角擴容后城市群27個城市為研究對象,探討勞動力市場一體化水平的時空演變問題較少。第二,現(xiàn)有研究多運用標準差、絕對平均偏差、變異系數(shù)等方法測算區(qū)域勞動力市場一體化差異,這些方法存在代表性差、滯后性及片面性等缺點,未能精細化測算區(qū)域差異。而Dagum基尼系數(shù)不僅能夠測算地區(qū)差距,進一步分解地區(qū)差距及來源,而且還能解決樣本間的交叉重疊問題。第三,現(xiàn)有的研究還停留在時序變化的靜態(tài)演進分析,缺乏動態(tài)演進分析,難以全面揭示勞動力市場一體化的靜動態(tài)演變特征。而關(guān)于區(qū)域變量分布動態(tài)演進,其中分布動態(tài)法是學術(shù)界最常用的方法,主要包括核密度估計和Markov鏈估計[11-12]。鑒于此,本文在利用相對價格法對2005—2019年長三角城市群勞動力市場一體化水平進行測度的基礎(chǔ)上,采用冷熱點分析描述勞動力市場一體化程度冷熱區(qū)域的空間分布狀況,并借助Dagum基尼系數(shù)方法揭示勞動力市場一體化水平的區(qū)域差異及來源,同時運用Kernel密度估計、Markov鏈等非參數(shù)估計模型進一步刻畫其分布動態(tài)演進規(guī)律,以全面深入闡釋長三角城市群勞動力市場一體化程度的空間非均衡性及分布動態(tài)特征,為推動城市群勞動力市場協(xié)同發(fā)展提供決策依據(jù)。

二、勞動力市場演變機制:分割走向一體化

新古典理論強調(diào)競爭性,認為勞動力市場是完全競爭市場,勞動力供需通過工資自由調(diào)節(jié)達到平衡,不同勞動力市場最終形成統(tǒng)一的工資率。但這與現(xiàn)實相悖,新古典理論難以有效解釋20世紀50—60年代美國勞動力市場中普遍存在的工資差距擴大、失業(yè)、歧視等問題,由此產(chǎn)生的新制度經(jīng)濟學派強調(diào)非競爭性,這種非競爭性表現(xiàn)為勞動力市場分割。1971年Doeringer和Piore提出了勞動力市場二元分割理論,強調(diào)勞動力市場存在主次之分,揭開了現(xiàn)代勞動力市場分割理論的序幕[13]。隨著社會進步,經(jīng)濟發(fā)展催生了勞動力遷移,勞動力遷移理論在發(fā)展經(jīng)濟學中十分重要。其中劉易斯(Lewis)模型和托達羅(Todaro)模型最具代表性,兩者都基于勞動力市場二元分割假設(shè),提出勞動力轉(zhuǎn)移能夠縮小地區(qū)工資差距,加快勞動力市場一體化。Rosenbloom以美國為例,實證表明勞動力市場一體化包括地區(qū)性、區(qū)域性和全國性勞動力市場三個漸進階段[14]。

中國勞動力市場發(fā)育不同于西方市場經(jīng)濟發(fā)達國家,是國外勞動力市場分割理論實踐的實驗室,也是催促勞動力市場分割理論向一體化發(fā)展的現(xiàn)實基礎(chǔ)。改革開放前,在計劃經(jīng)濟體制和戶籍制度的雙重制度壁壘下,中國勞動力市場接近于完全分割;改革開放后,中國經(jīng)濟由計劃經(jīng)濟向市場經(jīng)濟轉(zhuǎn)型,戶籍制度和人口流動管控政策逐步松動,促使大量農(nóng)村勞動力向城市轉(zhuǎn)移,勞動力市場整體分割程度呈下降態(tài)勢。值得注意的是,此刻市場分割的形式也在發(fā)生著動態(tài)變化。首先,改革開放初期,城鄉(xiāng)二元經(jīng)濟形態(tài)是造成中國勞動力市場分割的主因,表現(xiàn)為城鄉(xiāng)分割。隨著經(jīng)濟發(fā)展和戶籍制度改革深化,農(nóng)村勞動力進入城鎮(zhèn)的門檻降低,勞動力流動程度提高,城鄉(xiāng)分割程度逐步降低,但受二元經(jīng)濟結(jié)構(gòu)和城市化發(fā)展影響,城鄉(xiāng)分割還將長期延續(xù),并表現(xiàn)為多元分割的基本形態(tài)。其次,漸進式改革背景下,體制內(nèi)勞動力市場的發(fā)育相對滯后于體制外勞動力市場,導致中國勞動力市場存在制度性分割[15]。但是隨著經(jīng)濟增長和體制改革的深入推進,改革的重點由體制外轉(zhuǎn)向體制內(nèi),非公有制經(jīng)濟發(fā)展迅速,體制外勞動力市場日漸規(guī)范、成熟。同時,政府不斷明確自身在要素市場中的職能邊界,努力做好“加減法”,促使勞動力市場體制分割逐漸弱化。最后,在這種制度性分割弱化的同時,勞動力市場行業(yè)分割開始顯現(xiàn),主要體現(xiàn)在壟斷性行業(yè)和競爭性行業(yè)之間[16]。這是因為隨著體制外勞動力市場的逐漸放開,出于政治晉升和經(jīng)濟保增長的考慮,地方政府會對某些行業(yè)實施行政壟斷,造成行業(yè)間工資差距懸殊。但隨著要素市場化改革、政企分開以及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的推進,行業(yè)壁壘逐漸被打破,有助于勞動力市場融合。由此表明,中國勞動力市場演變過程衍生出多種形式的市場分割局面,是市場經(jīng)濟快速發(fā)展和制度改革滯后形成的階段產(chǎn)物,但分割中市場性因素與制度性因素此消彼長,而市場經(jīng)濟機制不斷強化的事實決定了制度性因素將隨著市場經(jīng)濟的成熟逐漸弱化并最終退出歷史舞臺,勞動力市場分割最終會走向一體化[17]。都陽運用劉易斯轉(zhuǎn)折點論證了勞動力市場跨越劉易斯轉(zhuǎn)折點后將從“二元”向“一元”邁進[18]。同時國內(nèi)學者進行了大量實證研究,結(jié)果表明勞動力市場演變規(guī)律確實是由分割走向一體化[19-20]。其由市場分割向一體化演進機制如圖1所示。

圖1 中國勞動力市場演變機制:分割走向一體化

三、研究方法與數(shù)據(jù)說明

(一)研究方法

1.相對價格法

相對價格法是目前測算勞動力市場一體化程度使用最為廣泛的方法,本文借鑒單爽、周正柱等的做法,采用相對價格法測算長三角城市群勞動力市場一體化水平[21-22]。具體測算步驟如下:

(1)

(2)

(4)按城市進行合并,得到各城市與其他城市之間的勞動力市場分割指數(shù)VAR(qit):

(3)

(5)由于市場分割與市場一體化是反向關(guān)系,由此可得勞動力市場一體化指數(shù):

(4)

2.冷熱點分析

Getis-Ord Gi*統(tǒng)計(冷熱點分析)能夠避免過度關(guān)注低值或高值要素,能夠識別具有統(tǒng)計顯著性的冷熱點區(qū)域的空間分布情況,有助于反映長三角城市群勞動力市場一體化程度的空間分布格局。其計算公式為:

(5)

3.Dagum基尼系數(shù)及分解方法

Dagum基尼系數(shù)方法同時具有精準測算區(qū)域差距、分解區(qū)域差距及其來源的優(yōu)點,已廣泛應(yīng)用于測算區(qū)域差異[24-25]。其具體計算方法如下:

(6)

(7)

(8)

(9)

(10)

(11)

Djh=(djh-pjh)/(djh+pjh)

(12)

(13)

(14)

4.非參數(shù)估計方法

(15)

(2)Markov鏈分析。馬爾可夫鏈是一種隨機過程,可以反映各城市勞動力市場一體化水平發(fā)生相對轉(zhuǎn)移的概率。本文采用Markov鏈進一步分析,在傳統(tǒng)Markov鏈的基礎(chǔ)上納入城市間空間因素形成空間Markov鏈,將傳統(tǒng)L×L維的轉(zhuǎn)移矩陣分解為(L×L)×L的轉(zhuǎn)移概率矩陣。

(二)數(shù)據(jù)說明

本文研究對象為長三角城市群的27個城市,行業(yè)類型按照各城市統(tǒng)計年鑒資料中19類行業(yè)劃分標準,同時考慮到年鑒中行業(yè)分類在2005年發(fā)生了較大調(diào)整以及各城市就業(yè)人員平均工資數(shù)據(jù)的可得性,由此本文的研究時段為2005—2019年,運用相對價格法測算得出各城市2005—2019年的勞動力市場一體化指數(shù)。本文數(shù)據(jù)均來源于EPS數(shù)據(jù)庫,部分缺失值從滬蘇浙皖三省一市統(tǒng)計年鑒及其各城市統(tǒng)計年鑒補齊。

四、長三角城市群勞動力市場一體化的水平測度及事實描述

(一)時間序列分析

式(1)～(4)測度了2005—2019年長三角城市群勞動力市場一體化程度,表1報告了2005—2019年長三角城市群27個城市勞動力市場一體化水平的測度結(jié)果,圖2報告了2005—2019年長三角城市群及其各區(qū)域勞動力市場一體化水平的變動態(tài)勢。

表1 2005—2019年長三角城市群27個城市勞動力市場一體化水平的測度結(jié)果

圖2 2005—2019年長三角城市群及其各區(qū)域勞動力市場一體化水平的變動態(tài)勢

由表1和圖2可以得到以下結(jié)論:首先,從區(qū)域總體層面看,2005—2019年長三角城市群勞動力市場一體化水平呈現(xiàn)2005—2015年逐漸增加、2015年后下降的倒“U”型的演變特征,整體上仍處于上升態(tài)勢。

其次,從市域個體層面看:一是依據(jù)均值,排名前5名的城市是合肥、嘉興、南通、溫州和金華,排名后5名的城市是上海、鹽城、滁州、池州和安慶。二是依據(jù)具體年份,2005年勞動力市場一體化程度排名前5名的城市是鎮(zhèn)江、嘉興、合肥、南通和揚州,排名后5名的城市是上海、滁州、杭州、臺州和安慶。2019年勞動力市場一體化程度排名前5名的城市是嘉興、合肥、常州、蘇州和無錫,排名后5名的城市是蕪湖、宣城、滁州、銅陵和安慶。三是依據(jù)排名波動情況,部分城市整體上比較穩(wěn)定,如泰州、溫州、合肥、滁州和安慶等,但也有部分城市具有較大的波動性,如寧波由2005年的3.817上升到2019年的8.618,排名由第21名上升到第7名;無錫由2005年的4.423上升到2019年的8.754,排名由第16名上升到第5名,表明勞動力市場一體化水平得到提升;蕪湖由2005年的5.118上升至2019年的5.804,但排名由第9名下降至第23名;銅陵由2005年的4.847上升至2019年的5.560,但排名由第12名下降至第26名,排名顯著下降,表明勞動力市場一體化水平?jīng)]有得到實質(zhì)性提升。

最后,從省域?qū)用婵?各區(qū)域勞動力市場一體化水平總體上呈現(xiàn)“逐漸上升—波動下降”的演變特征,且呈現(xiàn)“浙江9城市、江蘇9城市、安徽8城市、上?！钡姆植继卣?。比較而言,從勞動力市場一體化指數(shù)的平均增速看,上海勞動力市場一體化指數(shù)由2015年的3.642上升至2019年的6.490,年均增長5.21%,增長幅度最大;“浙江9城市”勞動力市場一體化指數(shù)由2005年的4.819上升至2019年的7.916,年均增長4.28%;“江蘇9城市”勞動力市場一體化指數(shù)由2005年的5.230上升至2019年的7.507,年均增長2.90%;“安徽8城市”勞動力市場一體化指數(shù)由2005年的4.664上升至2019年的6.270,年均增長2.30%,增長幅度最小;“長三角27城市”勞動力市場一體化指數(shù)由2005年的4.883上升至2019年7.314,年均增長3.32%。由此可見,一方面,2005—2019年長三角城市群勞動力市場一體化水平總體上呈現(xiàn)倒“U”型的演變特征,其中浙江和江蘇省內(nèi)城市多數(shù)增幅較大,且水平較高,而安徽省內(nèi)城市多數(shù)呈現(xiàn)下降態(tài)勢,且水平較低,反映出長三角地區(qū)勞動力市場一體化發(fā)展中存在顯著的空間非均衡性;另一方面,“安徽8城市”勞動力市場一體化水平及增幅均低于長三角27個城市整體水平,且存在陷入低水平困局的跡象,表明“安徽8城市”勞動力市場有待進一步融入長三角區(qū)域。

(二)空間差異分析

Getis-Ord Gi*指數(shù)能夠揭示出長三角城市群勞動力市場一體化程度冷熱區(qū)域的空間分布狀況。本文借助Arcgis10.8選取觀測期始末年分別作圖予以展示(見圖3),并相應(yīng)地制成表2。由圖3可知,2005—2019年長三角城市群勞動力市場一體化程度空間分布不均衡,盡管城市之間呈現(xiàn)聚集特征,但空間上顯著存在極化差異問題。從具體年份來看,2005年,熱點區(qū)域共有8個城市,其中江蘇多達6個城市,且在95%置信水平下熱點區(qū)域共有4個城市,即熱點區(qū)域主要集中于江蘇省內(nèi)城市;冷點區(qū)域共有10個城市,其中浙江和安徽分別有6個城市和4個城市,即冷點區(qū)域主要分布于浙江省內(nèi)城市和安徽省內(nèi)城市。到2019年,長三角城市群勞動力市場一體化程度的整體空間格局變化較大,其中熱點區(qū)域呈現(xiàn)擴大態(tài)勢,逐漸向上海、寧波、臺州和溫州等沿海城市擴散,由2005年的8個城市增加至2019年的12個城市,浙江有7個城市進入了熱點區(qū)域,表明浙江區(qū)域勞動力市場一體化水平明顯有所提升;同時,冷點區(qū)域雖然整體數(shù)量上保持不變,但分布區(qū)域發(fā)生了顯著變化,由2005年主要分布于浙江、安徽省內(nèi)城市演化為主要分布于安徽省內(nèi)城市,并向江蘇擴散,這也表明安徽省內(nèi)城市的勞動力市場一體化水平并未得到實質(zhì)性提升,沒有趕超鄰近地區(qū)。另外,值得注意的是,置信度達99%的冷點區(qū)域呈現(xiàn)明顯收斂趨勢,置信度在95%及其以下的冷點區(qū)域呈現(xiàn)明顯擴散態(tài)勢,表明中低程度的勞動力市場一體化水平有所提升,但熱點區(qū)域顯著擴大化,體現(xiàn)出長三角城市群勞動力市場一體化發(fā)展水平仍然存在空間極化差異。這種區(qū)域間勞動力市場一體化發(fā)展水平的聚集差異部分可歸因于城市的經(jīng)濟發(fā)展水平、就業(yè)機會等,江浙滬地區(qū)經(jīng)濟發(fā)展速度快,就業(yè)機會多,人口虹吸效應(yīng)顯著,通常是區(qū)域勞動力市場一體化發(fā)展的熱點區(qū)域;而安徽經(jīng)濟相對落后,就業(yè)機會少,人才流失較嚴重,往往是冷點聚集區(qū)域。

圖3 2005年、2019年長三角城市群勞動力市場一體化程度冷熱點分布

表2 2005年、2019年長三角城市群勞動力市場一體化程度冷熱點區(qū)域分類

五、長三角城市群勞動力市場一體化水平的區(qū)域差異及分解

本文運用Dagum基尼系數(shù)方法測算2005—2019年長三角城市群勞動力市場一體化水平的區(qū)域差異并予以分解,具體結(jié)果見表3～5。

(一)區(qū)域總體差異分析

表3反映了2005—2019年長三角總體層面勞動力市場一體化水平的區(qū)域差異及其演變特征。從長三角區(qū)域總體層面看,基尼系數(shù)分布在0.057 6～0.134 5,存在一定的空間非均衡性特征。從區(qū)域差異的變化趨勢看,基尼系數(shù)總體上呈現(xiàn)“下降—上升”的演變態(tài)勢,2005年基尼系數(shù)為0.134 5,隨后逐漸下降到2012年0.057 6的最低點,年均下降率達到7.15%,表明此階段內(nèi)勞動力市場發(fā)展不均衡的現(xiàn)象有所緩解。2012年之后,基尼系數(shù)開始上升,到2019年增至0.107,年均增幅達到6.60%。與前一階段相比,2012年之后長三角區(qū)域勞動力市場一體化發(fā)展不均衡現(xiàn)象呈現(xiàn)擴大化,反映長三角地區(qū)勞動力市場存在分割現(xiàn)象,可能是因為三省一市在戶籍制度、就業(yè)政策、人才互認等方面仍存在本位主義思想。

(二)區(qū)域內(nèi)差異分析

表3刻畫了長三角城市群勞動力市場一體化水平區(qū)域內(nèi)差異及其演變特征。從均值來看,2005—2019年四大區(qū)域勞動力市場一體化水平的區(qū)域內(nèi)差異均值呈現(xiàn)“上海>安徽8城市>江蘇9城市>浙江9城市”特征。從演變趨勢來看,上海地區(qū)勞動力市場一體化水平的基尼系數(shù)呈現(xiàn)波動上升態(tài)勢,區(qū)域內(nèi)基尼系數(shù)年均增長率達到24.56%,表明上海地區(qū)勞動力市場一體化水平的內(nèi)部差異在波動中呈現(xiàn)擴大化?！敖K9城市”“浙江9城市”和“安徽8城市”基尼系數(shù)均呈現(xiàn)“下降—上升”的變化特征,與2005年基期相比,三個區(qū)域的內(nèi)部差異主要表現(xiàn)為縮小趨勢,區(qū)域內(nèi)基尼系數(shù)年均下降率約為2.69%、3.18%和1.53%。從波動幅度來看,上海地區(qū)和“浙江9城市”的基尼系數(shù)波動幅度相對較大,“江蘇9城市”和“安徽8城市”基尼系數(shù)的變動較為平緩?？傊?對比四個區(qū)域可以發(fā)現(xiàn),上海區(qū)域勞動力市場一體化發(fā)展的區(qū)域內(nèi)差異最大,“浙江9城市”最小,表明上海區(qū)域內(nèi)勞動力市場一體化發(fā)展不平衡最為嚴重,而“浙江9城市”勞動力市場一體化發(fā)展協(xié)同性最好;對于“江蘇9城市”和“安徽8城市”

表3 長三角城市群及四大區(qū)域勞動力市場一體化水平的基尼系數(shù)

而言,“安徽8城市”區(qū)域內(nèi)不平衡更為嚴重,這可能與皖南、皖北經(jīng)濟發(fā)展水平差距過大有關(guān),皖南多數(shù)城市隸屬于長三角城市群,在經(jīng)濟、就業(yè)、社會保障等方面受到的政策照顧要遠多于皖北。

(三)區(qū)域間差異分析

表4展示了長三角城市群勞動力市場一體化發(fā)展區(qū)域間差異及其演變特征?？傮w上,滬—蘇、滬—浙和滬—皖的區(qū)域間差異主要表現(xiàn)為波動下降態(tài)勢,而蘇—浙、蘇—皖和浙—皖的區(qū)域間差異則主要呈現(xiàn)出“下降—上升”的演變特征。具體來看,滬—蘇和滬—皖的區(qū)域間差異在2005—2012年比較接近,但之后滬—皖的區(qū)域間差異波動幅度更大,二者區(qū)域間差異整體上均呈現(xiàn)收斂態(tài)勢,與2005年相比,年均下降率分別達到3.47%和2.37%。蘇—皖和浙—皖的區(qū)域間差異水平大致相當,2015年之后明顯呈現(xiàn)擴大化,二者區(qū)域間差異水平始終超過其他區(qū)域。滬—浙的區(qū)域間差異呈現(xiàn)“波動下降—短暫回升”的趨勢,區(qū)域間基尼系數(shù)從2005年的0.147 8下降至2019年的0.119 4,年均下降率約為128%。蘇—浙的區(qū)域間差異較小,呈現(xiàn)“下降—上升”的演變態(tài)勢,總體上仍表現(xiàn)為收斂,2019年的區(qū)域間差異水平為0.085 6,較2005年年均下降率為2.54%。由此表明,2005—2019年長三角城市群勞動力市場一體化發(fā)展區(qū)域間差異按降序依次為浙—皖、蘇—皖、滬—浙、滬—蘇、蘇—浙和滬—皖。其中值得注意的是,安徽省內(nèi)城市與江蘇、浙江省內(nèi)城市的區(qū)域間差異較大,而與上海區(qū)域間差異較小。其中的緣由可能是,上海作為長三角區(qū)域一體化的“龍頭”,對安徽地區(qū)的擴散效應(yīng)較蘇浙更強,滬皖經(jīng)濟聯(lián)系程度得到增強。

表4 四大區(qū)域勞動力市場一體化水平的區(qū)域間基尼系數(shù)

(四)區(qū)域差異的來源及其貢獻

表5揭示了長三角城市群勞動力市場一體化發(fā)展區(qū)域差異的來源及其貢獻。從貢獻率來看,首先,區(qū)域間差異貢獻所占比例最大,總體上呈現(xiàn)波動上升態(tài)勢,由2005年的24.71%上升至2019年的52.73%,上漲了28.02個百分點,尤其是2014年之后,區(qū)域間差異的貢獻率顯著超過區(qū)域內(nèi)差異和超變密度的貢獻率。其次,區(qū)域內(nèi)差異總體上呈現(xiàn)微降態(tài)勢,區(qū)域內(nèi)差異的貢獻率在26%左右,從2005年的30.06%下降至2019年的22.90%,下降了7.16個百分點。最后,超變密度(2)超變密度主要用于識別區(qū)域之間的交叉重疊問題,例如“浙江9城市”勞動力市場一體化水平明顯高于“安徽8城市”,但“浙江9城市”勞動力市場一體化水平較低的城市可能低于“安徽8城市”勞動力市場一體化水平較高的城市。總體上呈現(xiàn)波動下降態(tài)勢,從2005年的45.23%下降至2019年的24.37%,下降了20.86個百分點?？傊?從分解結(jié)果可以發(fā)現(xiàn),區(qū)域內(nèi)差異、超變密度對勞動力市場一體化發(fā)展區(qū)域差異的貢獻較小,區(qū)域間差異是造成區(qū)域差距的主因。因此,要解決長三角城市群勞動力市場一體化發(fā)展的區(qū)域差異問題,應(yīng)當著重從縮小滬蘇浙皖四地區(qū)域間差距的角度采取有效措施。

表5 基尼系數(shù)分解結(jié)果

六、長三角城市群勞動力市場一體化水平的分布動態(tài)演進

(一)Kernel密度估計

本文采用Kernel密度估計方法對長三角城市群勞動力市場一體化發(fā)展地區(qū)差距的分布位置、形態(tài)以及延展性等方面進行闡述,具體結(jié)果如圖4～8所示。

圖4 長三角城市群整體勞動力市場一體化水平的分布動態(tài)

圖4所示為長三角城市群勞動力市場一體化發(fā)展的分布動態(tài)演進圖。從分布位置看,核密度曲線中心2005—2013年呈現(xiàn)右移,2013—2019年呈現(xiàn)左移,表明長三角城市群勞動力市場一體化水平總體上呈現(xiàn)先增后降的倒“U”型的非線性特征;從分布形態(tài)看,波峰峰值呈現(xiàn)“上升—下降”趨勢,波峰寬度主要表現(xiàn)為“縮小—擴大”的演進特征,表明長三角區(qū)域勞動力市場一體化發(fā)展差距呈現(xiàn)擴大化趨勢;從分布延展性看,2015年開始表現(xiàn)出右拖尾現(xiàn)象,2019年分布曲線相較于2015年整體向左移動,左側(cè)拖尾向左延伸,右側(cè)拖尾向右延伸,區(qū)域內(nèi)差距具有擴大化趨勢;從波峰數(shù)量看,一些年份出現(xiàn)了“主峰+右側(cè)峰”的分布格局,意味著長三角域內(nèi)存在極化現(xiàn)象,表明長三角域內(nèi)存在勞動力市場一體化水平相對較高的城市數(shù)量增多,以及勞動力市場一體化水平上升較快的城市與上升較慢甚至下降的城市差距變大。

圖5所示為上海區(qū)域(3)由于上海市單個城市無法進行核密度估計,因此“上海區(qū)域”特指前文中所選取的中心城區(qū):徐匯區(qū)和楊浦區(qū);半中心區(qū)半郊區(qū):浦東新區(qū);郊區(qū):青浦區(qū)和奉賢區(qū);共5個區(qū)。勞動力市場一體化發(fā)展的發(fā)布動態(tài)演進圖。從分布位置看,核密度曲線中心2005—2011年呈現(xiàn)右移,2011—2019年呈現(xiàn)左移,表明上海區(qū)域勞動力市場一體化水平呈現(xiàn)先增后降的倒“U”型的非線性特征;從分布形態(tài)看,波峰峰值呈現(xiàn)“上升—下降—上升”趨勢,波峰寬度主要表現(xiàn)為“縮小—擴大—縮小”的演進特征,與2005年相比,區(qū)域內(nèi)勞動力市場一體化發(fā)展差距并未得到有效縮小;從分布延展性看,觀測末期存在右側(cè)拖尾現(xiàn)象,區(qū)域內(nèi)差距具有擴大化態(tài)勢;從波峰數(shù)量看,由觀測初期的一個主峰、一個側(cè)峰演變?yōu)橛^測末期的一個主峰、兩個側(cè)峰,表明上海區(qū)域勞動力市場一體化發(fā)展呈現(xiàn)較為明顯的梯度效應(yīng),兩極分化現(xiàn)象顯著。

圖5 上海區(qū)域勞動力市場一體化水平的分布動態(tài)

圖6所示為“江蘇9城市”勞動力市場一體化發(fā)展的發(fā)布動態(tài)演進圖。從分布位置看,核密度曲線中心2005—2015年呈現(xiàn)右移,2015—2019年呈現(xiàn)左移,表明“江蘇9城市”勞動力市場一體化水平呈現(xiàn)先增后降的倒“U”型的非線性特征;從分布形態(tài)看,波峰峰值呈現(xiàn)“上升—下降—上升”趨勢,波峰寬度主要表現(xiàn)為“縮小—擴大”趨勢,表明“江蘇9城市”勞動力市場一體化水平的差距呈擴大化態(tài)勢;從分布延展性看,2015年開始存在右側(cè)拖尾現(xiàn)象,之后右側(cè)拖尾現(xiàn)象減弱,表明區(qū)域內(nèi)差距呈現(xiàn)縮小趨勢;從波峰數(shù)量看,由觀測初期的一個主峰、一個側(cè)峰演變?yōu)橛^測末期的一個主峰,表明“江蘇9城市”勞動力市場一體化發(fā)展無明顯極化現(xiàn)象。

圖6 “江蘇9城市”勞動力市場一體化水平的分布動態(tài)

圖7所示為“浙江9城市”勞動力市場一體化發(fā)展的發(fā)布動態(tài)演進圖。從分布位置看,核密度曲線中心2005—2015年呈現(xiàn)右移,2015—2017年呈現(xiàn)左移,2017—2019年呈現(xiàn)右移,表明“浙江9城市”勞動力市場一體化水平呈現(xiàn)“上升—下降—上升”的非線性特征;從分布形態(tài)看,波峰峰值呈現(xiàn)“上升—下降—上升”趨勢,部分年份的波峰寬度有所擴大,但總體差異仍是減少的,尤其是在2015年之后明顯收斂;從分布延展性看,2015年存在右側(cè)拖尾現(xiàn)象,之后右側(cè)拖尾現(xiàn)象明顯減弱,表明區(qū)域內(nèi)差距顯著縮小;從波峰數(shù)量看,2019年明顯存在多峰形態(tài),主峰左側(cè)出現(xiàn)新側(cè)峰,表明區(qū)域內(nèi)有勞動力市場一體化水平較低的城市崛起,同時主峰右側(cè)又有側(cè)峰,且與主峰較近,表明浙江區(qū)域內(nèi)存在發(fā)展相近的“小俱樂部”,這些城市更傾向于在小區(qū)域內(nèi)協(xié)調(diào)發(fā)展。

圖7 “浙江9城市”勞動力市場一體化水平的分布動態(tài)

圖8所示為“安徽8城市”勞動力市場一體化發(fā)展的發(fā)布動態(tài)演進圖。從分布位置看,核密度曲線中心2005—2013年呈現(xiàn)右移,2013—2019年呈現(xiàn)左移,表明“安徽8城市”勞動力市場一體化水平呈現(xiàn)先增后降的倒“U”型的非線性特征;從分布形態(tài)看,波峰峰值呈現(xiàn)“下降—上升”趨勢,部分年份的波峰寬度呈現(xiàn)擴大化,但總體差異仍是縮小的,尤其是在2013年之后明顯收斂;從分布延展性看,多數(shù)年份存在右側(cè)拖尾現(xiàn)象,2015年后有所減弱,表明區(qū)域內(nèi)差距具有縮小趨勢;從波峰數(shù)量看,安徽區(qū)域在2015年之前,其核密度曲線主要是單峰形態(tài),之后開始出現(xiàn)雙峰形態(tài),2019年出現(xiàn)明顯多峰形態(tài),觀測期內(nèi)呈現(xiàn)“收斂無分化”向“兩極分化”再向“多級分化”演變的態(tài)勢,區(qū)域內(nèi)顯著存在極化現(xiàn)象。

圖8 “安徽8城市”勞動力市場一體化水平的分布動態(tài)

(二)Markov鏈分析

為進一步揭示長三角城市群勞動力市場一體化發(fā)展的具體轉(zhuǎn)移特征,運用Markov鏈對勞動力市場一體化發(fā)展的動態(tài)演進規(guī)律進行深入分析。本文將長三角城市群27個城市的勞動力市場一體化水平劃分為Ⅰ(小于25%分位數(shù))、Ⅱ(25%～50%分位數(shù))、Ⅲ(50%～75%分位數(shù))和Ⅳ(大于75%分位數(shù))四個等級,分別代表低水平、中低水平、中高水平和高水平,運用Matlab得到了傳統(tǒng)與空間Markov鏈轉(zhuǎn)移概率矩陣(見表6)。

表6 長三角城市群勞動力市場一體化水平的Markov鏈轉(zhuǎn)移概率矩陣

首先,從傳統(tǒng)與空間Markov鏈轉(zhuǎn)移概率矩陣來看,兩個矩陣中對角線上的轉(zhuǎn)移概率均明顯低于非對角線上的轉(zhuǎn)移概率,表明長三角城市群勞動力市場一體化水平演變呈現(xiàn)明顯的“俱樂部趨同”特征,且跨越式的“俱樂部趨同”可能性均極小,基本上不能實現(xiàn)跨等級轉(zhuǎn)變。其次,兩個矩陣中各等級對角線上的轉(zhuǎn)移概率均呈現(xiàn)出低高水平階段大于中間階段的演變特征,體現(xiàn)了長三角城市群勞動力市場一體化發(fā)展存在“馬太效應(yīng)”,即處于高水平階段的城市具有一定的穩(wěn)定性,而處于低水平階段的城市容易長期陷入低水平困局,致使兩極分化問題突出。最后,當考慮空間滯后等級時,等級Ⅰ的穩(wěn)定概率分別為82.00%、58.30%、60.00%和66.70%;等級Ⅱ的穩(wěn)定概率分別為75.90%、55.90%、42.90%和52.60%;等級Ⅲ的穩(wěn)定概率分別為77.80%、50.00%、45.50%和52.80%;等級Ⅳ的穩(wěn)定概率分別為0、83.30%、87.50%和63.40%。由此得出以下結(jié)論:(1)長三角城市群勞動力市場一體化水平受到鄰域空間滯后等級的影響,保持原等級不變的概率和不同等級之間轉(zhuǎn)移的概率在傳統(tǒng)與空間Markov鏈轉(zhuǎn)移概率矩陣中均發(fā)生了明顯變化,表明觀測期內(nèi)長三角地區(qū)勞動力市場一體化水平并未達到穩(wěn)定階段。(2)當鄰域空間滯后類型為Ⅱ時,高水平階段向下發(fā)生轉(zhuǎn)移的概率由21.50%下降至16.70%;當鄰域空間滯后類型為Ⅰ時,高水平階段向下發(fā)生轉(zhuǎn)移的概率下降為0,表明低等級鄰域滯后類型對高水平階段城市的負面影響有限,“高水平壟斷”現(xiàn)象仍然存在。(3)當考慮鄰域空間滯后類型時,低水平階段向中低水平階段轉(zhuǎn)移的概率分別為16.40%、41.70%、40.00%和0;中低水平階段向中高水平階段轉(zhuǎn)移的概率分別為24.10%、35.30%、35.70%和21.10%;中高水平階段向高水平階段轉(zhuǎn)移的概率則分別為11.10%、33.30%、51.50%和19.40%,均呈現(xiàn)出先上升后下降的倒“U”型演進特征,驗證了長三角城市群勞動力市場一體化水平演變呈現(xiàn)明顯的“俱樂部趨同”現(xiàn)象,即與高等級類型勞動力市場一體化水平地區(qū)相鄰有助于提升本地區(qū)的勞動力市場一體化水平,存在一定的空間正向溢出效應(yīng),但對于勞動力市場一體化水平較低的城市,當其與鄰域水平差距過大時,這種正向的空間溢出效應(yīng)會被削弱。

七、結(jié)論及政策建議

本文在對2005—2019年長三角城市群27個城市勞動力市場一體化水平測算的基礎(chǔ)上,采用冷熱點分析和Dagum基尼系數(shù)分析了長三角城市群勞動力市場一體化發(fā)展的時空格局與區(qū)域差距,并采用Kernel密度估計和Markov鏈非參數(shù)模型對長三角城市群勞動力市場一體化發(fā)展的動態(tài)演進規(guī)律進行了估計,結(jié)論如下:

(一)結(jié)論

第一,長三角城市群勞動力市場一體化水平總體上呈現(xiàn)“逐漸上升—波動下降”的非線性特征,且呈“浙江9城市>江蘇9城市>安徽8城市>上海市”的分布特征。第二,長三角城市群勞動力市場一體化發(fā)展存在較強的空間集聚態(tài)勢,熱點區(qū)域由江蘇城市逐漸向上海、浙江城市擴散,冷點區(qū)域主要集聚于安徽城市。第三,長三角城市群勞動力市場一體化水平在2005—2019年區(qū)域差距呈現(xiàn)“縮小—擴大”的演進態(tài)勢,上海區(qū)域內(nèi)差距最大,“浙江9城市”區(qū)域內(nèi)差距最小,近年來區(qū)域間差異按降序依次為浙—皖、蘇—皖、滬—浙、滬—蘇、蘇—浙和滬—皖,且區(qū)域間差異是總體差距的主要來源。第四,長三角城市群勞動力市場一體化水平演變呈現(xiàn)明顯的“俱樂部趨同”與“馬太效應(yīng)”,同時處于高水平地區(qū)的勞動力市場一體化發(fā)展具有正向空間溢出效應(yīng),但對于勞動力市場一體化水平較低的城市,當其與鄰域水平差距過大時,這種正向的溢出效應(yīng)會被削弱。

(二)政策建議

基于此,本文提出以下政策建議:

第一,充分重視勞動力市場發(fā)展的空間不均衡問題,強化頂層設(shè)計,完善全局視域下的勞動力市場一體化發(fā)展機制。一是探索更高規(guī)格的長三角政策協(xié)同機制。實施“雙扶”和“精準扶貧”戰(zhàn)略,扶強和扶弱并行,適當加大對勞動力市場一體化水平較低地區(qū)的傾斜扶持,以保障各地勞動力市場協(xié)同發(fā)展。二是強化區(qū)域間與區(qū)域內(nèi)的良性互動,增強空間聯(lián)動性。搭建長三角“跨域、互認、共享”的協(xié)作互助平臺,促進勞動要素跨域自由流動,提升區(qū)域要素資源整合能力及配置效率。三是強化政府履職能力,釋放自我發(fā)展?jié)摿?。深挖造成區(qū)域差異的深層次原因,認清發(fā)展差距,找準自我定位,最大限度地釋放區(qū)域經(jīng)濟潛力。

第二,充分發(fā)揮區(qū)域間協(xié)同效應(yīng),基于各區(qū)域的區(qū)位優(yōu)勢,實施因地制宜的勞動力市場一體化水平提升戰(zhàn)略。具體而言,“浙江9城市”和“江蘇9城市”作為勞動力市場一體化水平較高的地區(qū),要注重高技能人才的發(fā)展機制,便利高技能人才跨域流動,以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、要素資源配置等方式促進區(qū)域勞動力市場一體化向更高水平邁進,最大程度發(fā)揮高水平地區(qū)的溢出效應(yīng);上海應(yīng)充分發(fā)揮其“龍頭”帶動作用,努力將極化效應(yīng)轉(zhuǎn)化為擴散效應(yīng);“安徽8城市”位于中部地區(qū),勞動力稟賦豐裕,應(yīng)當提高對勞動力指向型FDI的準入門檻,健全勞動力要素價格體系,發(fā)揮外資企業(yè)對當?shù)亟?jīng)濟增長、勞動力市場協(xié)調(diào)發(fā)展的促進作用。

第三,優(yōu)化區(qū)域要素資源配置,統(tǒng)籌城市群勞動力市場協(xié)同發(fā)展。優(yōu)化要素資源的布局及配置,促使勞動力要素跨地域自由流動,實現(xiàn)區(qū)域內(nèi)城市間深度合作。如上海應(yīng)協(xié)調(diào)市區(qū)勞動資源分布,健全郊區(qū)的人才引進與培養(yǎng)機制,以提升區(qū)域整體勞動要素配置和使用效率,降低區(qū)域勞動力市場分割程度?！敖K9城市”應(yīng)著力提升區(qū)域人力資本結(jié)構(gòu),南京、蘇州等城市著重打造“高教之城”,健全跨域人才使用機制,以人才技術(shù)一體化促進勞動力市場一體化?！罢憬?城市”應(yīng)進一步提高勞動力市場產(chǎn)業(yè)協(xié)同度,嘉興、寧波等城市著重打造先進制造業(yè)產(chǎn)業(yè)集群,以產(chǎn)業(yè)集群為載體將行政邊界模糊化,借此充分發(fā)揮擴散效應(yīng)?！鞍不?城市”應(yīng)加強城市間聯(lián)系,形成“以點帶面”的空間格局,如合肥較域內(nèi)其他城市在經(jīng)濟、交通、地理方面具有顯著的比較優(yōu)勢,要充分發(fā)揮其對周邊要素資源和人才的輻射帶動作用。