摘要：【目的】研究中國林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)特征，分析其影響因素和時空溢出效應(yīng)，并提出促進中國林業(yè)勞動生產(chǎn)率增長的對策建議?！痉椒ā坷?010—2020年中國大陸31個省（直轄市、自治區(qū)）的林業(yè)勞動生產(chǎn)率面板數(shù)據(jù)，通過單變量和雙變量Moran指數(shù)檢驗區(qū)域林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)特征，在此基礎(chǔ)上，分別建立無時空效應(yīng)、時間效應(yīng)、空間效應(yīng)和時空效應(yīng)4個模型并進行對比，最終選擇建立動態(tài)空間面板模型分析林業(yè)勞動生產(chǎn)率的影響因素并進行時空效應(yīng)分解。【結(jié)果】①中國區(qū)域林業(yè)勞動生產(chǎn)率存在循環(huán)累積時間效應(yīng)和正向時空交互效應(yīng)。②本地林地勞動比、產(chǎn)業(yè)集聚水平、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、勞動者報酬、技術(shù)進步、純技術(shù)效率和規(guī)模效率的提升對當?shù)亓謽I(yè)勞動生產(chǎn)率有促進作用，其中林地勞動比和勞動者報酬的貢獻率最高。③資本勞動比和勞動者報酬的提升對鄰近地區(qū)林業(yè)勞動生產(chǎn)率有負向溢出效應(yīng)，而技術(shù)進步和規(guī)模效率的提升對鄰近地區(qū)林業(yè)勞動生產(chǎn)率有正向溢出效應(yīng)。④除資本勞動比的長期效應(yīng)不顯著外，其他因素的長期效應(yīng)與短期效應(yīng)方向一致，平均影響程度是短期效應(yīng)的2.368倍?！窘Y(jié)論】提高林業(yè)勞動生產(chǎn)率，應(yīng)充分考慮各因素的本地效應(yīng)和空間溢出效應(yīng)，同時考慮政策措施的長期影響，權(quán)衡各種因素的作用，以做出合理決策。

關(guān)鍵詞：林業(yè)勞動生產(chǎn)率；時空效應(yīng)；Moran指數(shù)；動態(tài)空間面板模型

中圖分類號：F326.27"""""" 文獻標志碼：A開放科學（資源服務(wù)）標識碼（OSID）：

文章編號：1000-2006（2024）06-0229-10

An analysis of the spatial and temporal correlation effects of forestry labor productivity and its influencing factors in China

LIU Yandi， ZHANG Cheng， SUN Zhe， LYU Jiehua*

（College of Economics and Management， Northeast Forestry University， Harbin 150040， China）

Abstract： 【Objective】This study aims to investigate the spatio-temporal correlation patterns of forestry labor productivity in China， examine the factors influencing it and their spillover effects， and propose actionable measures to boost forestry labor productivity. 【Method】Using the panel data of 31 provinces （including municipalities and autonomous regions） in mainland China from 2010 to 2020， the study employed univariate and bivariate Moran indices to test the spatio-temporal correlation characteristics of regional forestry labor productivity. Based on the findings， four models were established and compared： no spatio-temporal effect， temporal effect， spatial effect， and spatio-temporal effect. Ultimately， a dynamic spatial panel model was selected to analyze the factors driving labor productivity and decompose the spatio-temporal effects. 【Result】（1） There were cumulative circular time effects and positive spatio-temporal interaction effects on regional forestry labor productivity in China. （2） The improvement of local forest land labor ratio， industrial agglomeration level， industrial structure optimization， labor remuneration， technological progress， pure technical efficiency and scale efficiency had contributed to local forestry labor productivity， among which the contribution rates of forest land labor ratio and labor remuneration were the highest. （3） The improvement of capital labor ratio and labor remuneration had negative spillover effects on neighboring forestry labor productivity， while the improvement of technological progress and scale efficiency had positive spillover effects. （4） Except for the capital labor ratio， which was insignificant， the long-term effects of other factors were in the same direction as their short-term effects， and their average degree of influence was 2.368 times that of the short-term effects.【Conclusion】To improve forestry labor productivity， policymakers should consider the local effects and spatial spillover effects of each factor and carefully weigh the effects of various factors while taking into account the long-term effects of policy measures， in order to make reasonable decisions.

Keywords：forestry labor productivity; spatio-temporal effects; Moran index; dynamic spatial panel model

林業(yè)是國民經(jīng)濟和社會發(fā)展的基礎(chǔ)性產(chǎn)業(yè)，具有生態(tài)、經(jīng)濟、社會等多重效益，在提供森林產(chǎn)品和服務(wù)、維持生物多樣性、拓寬農(nóng)民就業(yè)渠道等方面發(fā)揮著重要作用[1]。然而，近年來，中國林業(yè)經(jīng)濟增長速度持續(xù)放緩，且主要靠勞動力、資本、自然資源等傳統(tǒng)要素投入驅(qū)動，受邊際收益遞減規(guī)律的影響，這種“要素驅(qū)動型”的林業(yè)經(jīng)濟增長方式將難以為繼[2]。轉(zhuǎn)變林業(yè)經(jīng)濟增長方式，關(guān)鍵在于擺脫對傳統(tǒng)生產(chǎn)要素投入的過度依賴，提升要素生產(chǎn)率。其中，勞動生產(chǎn)率作為林業(yè)競爭力的重要來源，能夠反映林業(yè)技術(shù)水平和經(jīng)濟效益的高低，是促進林業(yè)經(jīng)濟可持續(xù)增長的主要力量[3-4]?，F(xiàn)階段，我國林業(yè)勞動生產(chǎn)率存在提升速度緩慢、區(qū)域差異明顯且逐年擴大等問題，嚴重制約著林業(yè)經(jīng)濟的高質(zhì)量發(fā)展[5]，提升林業(yè)勞動生產(chǎn)率、解決林業(yè)勞動生產(chǎn)率區(qū)域發(fā)展不平衡問題顯得尤為重要。

現(xiàn)有關(guān)于林業(yè)勞動生產(chǎn)率的研究多是針對不同國家、地區(qū)的發(fā)展差異以及增長來源而展開。Toth等[6]對捷克共和國的林業(yè)部門展開研究，發(fā)現(xiàn)技術(shù)設(shè)備的使用使林業(yè)就業(yè)人數(shù)減少，同時也使勞動生產(chǎn)率不斷提高。Managi[7]對日本木材產(chǎn)業(yè)生產(chǎn)率展開實證分析，發(fā)現(xiàn)政府補貼會抑制生產(chǎn)率的提升，相比之下，貿(mào)易對生產(chǎn)率有積極影響。Grzegorzewska等[8]對歐盟國家家具部門的勞動生產(chǎn)率進行了對比，發(fā)現(xiàn)高勞動生產(chǎn)率也帶來高工資和高成本。Silayo等[9]指出，對坦桑尼亞木材采伐作業(yè)來說，盡管私營部門的工作條件普遍較差，存在安全性低、報酬不足、工作工具簡陋等問題，但私營部門的生產(chǎn)率普遍高于公共部門，表明生產(chǎn)率的提高不是由于工作條件的改善，而是由于工人的投入程度提高，以及投入精力完成生產(chǎn)任務(wù)的結(jié)果。Ning等[3]對中國東北地區(qū)87家國有森工企業(yè)的勞動生產(chǎn)率增長來源進行了研究，發(fā)現(xiàn)全要素生產(chǎn)率和資本勞動比均顯著促進了企業(yè)勞動生產(chǎn)率的增長，而勞動力數(shù)量產(chǎn)生了消極影響，勞動生產(chǎn)率的增長出現(xiàn)了“追趕效應(yīng)”。王坤等[5]以中國省域林業(yè)勞動生產(chǎn)率為研究對象，指出林業(yè)勞動生產(chǎn)率呈快速上升趨勢，并呈現(xiàn)出東、中、西依次遞減的分布格局，區(qū)域間差異在逐步縮小，區(qū)域內(nèi)差異在逐年擴大，林業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和技術(shù)創(chuàng)新對勞動生產(chǎn)率提升的驅(qū)動效應(yīng)非常顯著。夏永紅等[4，10]以中國省域木材加工業(yè)為研究對象，探討了產(chǎn)業(yè)集聚對勞動生產(chǎn)率的空間效應(yīng)，發(fā)現(xiàn)產(chǎn)業(yè)集聚能夠通過規(guī)模經(jīng)濟和知識溢出，有效促進木材加工業(yè)的提質(zhì)增效。此外，研究發(fā)現(xiàn)林業(yè)勞動生產(chǎn)率還受企業(yè)規(guī)模、人力資源質(zhì)量、員工激勵機制、勞動力性別等因素影響[11-14]。

考慮到勞動生產(chǎn)率可能會通過人力資本轉(zhuǎn)移、技術(shù)與知識溢出等方式對周邊地區(qū)勞動生產(chǎn)率產(chǎn)生作用，學術(shù)界對勞動生產(chǎn)率的研究還涉及空間關(guān)聯(lián)與溢出效應(yīng)。袁富華[15]和柯文前等[16]分別運用Moran’s指數(shù)衡量了我國286個城市勞動生產(chǎn)率之間以及江蘇省各縣域勞動生產(chǎn)率之間的空間關(guān)聯(lián)水平，發(fā)現(xiàn)地區(qū)勞動生產(chǎn)率之間均存在顯著的空間關(guān)聯(lián)特征。文高輝等[17]運用空間計量模型對農(nóng)戶勞動生產(chǎn)率展開研究，發(fā)現(xiàn)農(nóng)戶勞動生產(chǎn)率在地理空間上表現(xiàn)出顯著的正向空間溢出效應(yīng)。韓國瑩等[18]考慮到勞動生產(chǎn)率的空間溢出效應(yīng)可能存在時間上的滯后性，運用動態(tài)空間杜賓模型對我國各省域勞動生產(chǎn)率展開實證分析，驗證了時空滯后效應(yīng)的存在。

在進行實證分析時，僅有少數(shù)學者考慮地區(qū)之間的空間溢出，但并未進一步考慮空間溢出的時間滯后性問題，而空間溢出效應(yīng)是林業(yè)勞動生產(chǎn)率不可忽視的影響因素。從其影響機制看，當某一地區(qū)的林業(yè)勞動生產(chǎn)率較高時，會引發(fā)周圍地區(qū)學習、模仿，通過技術(shù)引進、技能培訓、管理創(chuàng)新等方式提升自身勞動生產(chǎn)率，產(chǎn)生空間上的知識與技術(shù)溢出?？紤]到學習、模仿需要一定的時間，因而林業(yè)勞動生產(chǎn)率的空間溢出效應(yīng)還存在時間滯后性。另外，生產(chǎn)率一般具有“時間慣性”，表現(xiàn)為生產(chǎn)率的前期水平對當期結(jié)果有著顯著影響[19]。綜上考慮，忽略時空滯后會導致回歸估計結(jié)果的顯著偏差。

本研究在分析中國林業(yè)勞動生產(chǎn)率時空演變趨勢的基礎(chǔ)上，一方面，運用單變量和雙變量Moran指數(shù)分析林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)特征，驗證林業(yè)勞動生產(chǎn)率時空效應(yīng)的存在性；另一方面，分別建立無時空效應(yīng)、時間效應(yīng)、空間效應(yīng)和時空效應(yīng)4個模型并進行對比，選擇建立動態(tài)空間面板模型分析林業(yè)勞動生產(chǎn)率及其影響因素的時空效應(yīng)，并將各影響因素的時空效應(yīng)進行分解，從而明確各因素對周邊地區(qū)林業(yè)勞動生產(chǎn)率的溢出效應(yīng)及長期特征，使其更好地發(fā)揮外部性。本研究對明確區(qū)域林業(yè)勞動生產(chǎn)率的發(fā)展優(yōu)勢與阻礙因素、挖掘新的林業(yè)勞動生產(chǎn)率增長路徑、促進區(qū)域林業(yè)勞動生產(chǎn)率均衡發(fā)展具有重要意義。

1 材料與方法

1.1 Moran指數(shù)

Moran指數(shù)一般指單變量Moran指數(shù)，是一種空間自相關(guān)度量指標，是反映空間臨近區(qū)域單元屬性值的相似程度[20]。Moran指數(shù)（Ix）的計算公式如下：

Ix=n∑ni=1∑nj=1wij（xi-）（xj-）S0∑ni=1（xi-）2。（1）

式中：n為空間單元（區(qū)域）數(shù)；xi和xj分別為觀測指標x在區(qū)域i和j的值；為觀測指標x的平均值；wij為空間權(quán)重矩陣的元素，對于互不相鄰的區(qū)域i和j為0，對于相互相鄰的區(qū)域i和j為1，在這里使用“后相鄰”；S0是空間權(quán)重矩陣元素wij的和，即S0=∑ni=1∑nj=1wij。

Moran指數(shù)的取值范圍為-1～1，指標值大于0表示存在正向的空間自相關(guān)，小于0表示存在負向的空間自相關(guān)，等于0表示不存在空間自相關(guān)。在不存在空間自相關(guān)的原假設(shè)下，構(gòu)造Z統(tǒng)計量并進行檢驗，這里Z近似服從標準正態(tài)分布，其公式如下：

Z=I-e（I）Dvar（I）。（2）

式中：e（I）和Dvar（I）分別為Moran指數(shù)I的均值和方差。

1.2 雙變量Moran指數(shù)

雙變量Moran指數(shù)（Ixy）是用來度量兩個變量之間空間相關(guān)性的指標[21]，其計算公式如下：

Ixy=n∑ni=1∑nj=1wij（xi-）（yj-）S0∑ni=1（xi-）2。（3）

式中：yj為觀測指標y在區(qū)域j的值；為觀測指標y的平均值；其余變量與單變量Moran指數(shù)公式中的變量含義一致。雙變量Moran指數(shù)的取值范圍和統(tǒng)計檢驗與單變量Moran指數(shù)一致。

1.3 動態(tài)空間面板模型

動態(tài)空間面板模型是在靜態(tài)空間面板模型的基礎(chǔ)上，引入被解釋變量滯后一期的數(shù)值，能夠反映出被解釋變量的時空效應(yīng)情況，彌補靜態(tài)模型的不足[22]。動態(tài)空間面板模型的一般形式如下：

Yt=τYt-1+ρWYt+ηWYt-1+Xt β+WXtθ+μ+εt。（4）

式中：Yt表示被解釋變量t時期觀測值的N × 1維向量，N為空間維度；Xt表示t時期解釋變量觀測值構(gòu)成的N × K維矩陣，K為解釋變量的個數(shù)；W為N × N維的空間權(quán)重矩陣；τ為時間滯后項系數(shù)，度量動態(tài)（時間）效應(yīng)；ρ為空間自回歸系數(shù)，度量空間效應(yīng)；η為滯后一階空間自回歸系數(shù)，度量時空效應(yīng)；β為K × 1維解釋變量系數(shù)向量；θ為K × 1維解釋變量空間滯后項系數(shù)向量；μ和εt分別表示未觀測到的效應(yīng)和隨機誤差項。動態(tài)空間面板模型依據(jù)各系數(shù)是否為0，可以退化為不同的模型：

當τ = 0、ρ= 0、η = 0和θ = 0時，為無時空效應(yīng)的靜態(tài)面板模型；

當τ ≠ 0、ρ= 0、η = 0和θ = 0時，為僅有時間效應(yīng)的動態(tài)面板模型；

當τ = 0、ρ≠ 0、η = 0和θ ≠ 0時，為僅有空間效應(yīng)的靜態(tài)空間面板模型；

當τ ≠ 0、ρ≠ 0、η ≠ 0和θ ≠ 0時，為有時空效應(yīng)的動態(tài)空間面板模型。

1.4 空間權(quán)重矩陣構(gòu)建

空間權(quán)重矩陣的構(gòu)建滿足空間相關(guān)性隨著“距離”的增加而減少，“距離”可以是地理上的距離，也可以是經(jīng)濟意義上合作關(guān)系的遠近。為了更好地表述林業(yè)勞動生產(chǎn)率的空間關(guān)聯(lián)性，同時強調(diào)經(jīng)濟發(fā)展水平較高的地區(qū)對經(jīng)濟發(fā)展水平較低地區(qū)具有更強的空間影響與輻射作用，這里采用經(jīng)濟地理空間權(quán)重矩陣展開分析[23]。具體形式如下：

W=WdDiag（1/，2/，...，n/）。（5）

式中：Wd為地理距離d空間權(quán)重矩陣，其元素為省會城市間空間歐氏距離的倒數(shù)；Diag（·）是N×N維的對角矩陣；i表示地區(qū)i在觀測期內(nèi)人均實際GDP的平均值；表示觀測期內(nèi)全國人均實際GDP的平均值。

1.5 變量選擇

以2010—2020年中國大陸31個?。ㄖ陛犑?、自治區(qū)）的林業(yè)產(chǎn)業(yè)為研究對象。被解釋變量為林業(yè)勞動生產(chǎn)率（Y），解釋變量選擇資本勞動比（CLR）、林地勞動比（FLR）、產(chǎn)業(yè)集聚水平（AGG）、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化（ISO）、勞動者報酬（REM）、全要素生產(chǎn)率（TFP）等指標[3-5]，具體構(gòu)建如下：

林業(yè)勞動生產(chǎn)率（Y）用林業(yè)經(jīng)濟總產(chǎn)值與林業(yè)從業(yè)人數(shù)之比（萬元/人）表示。資本勞動比（CLR）用林業(yè)固定資本存量與林業(yè)從業(yè)人數(shù)之比（萬元/人）表示，林業(yè)固定資本存量的計算采用永續(xù)盤存法[24]，以2010年為基期的林業(yè)固定資本存量利用1990—2009年林業(yè)固定資產(chǎn)投資數(shù)據(jù)同樣按永續(xù)盤存法計算得到，并借鑒吳延瑞[25]的方法，基于不同地區(qū)設(shè)置不同的資本折舊率。林地勞動比（FLR）用林業(yè)用地面積與林業(yè)從業(yè)人數(shù)之比（hm2/人）表示。產(chǎn)業(yè)集聚水平（AGG）用林業(yè)區(qū)位熵指數(shù)[26]表示，區(qū)位熵越大，代表林業(yè)產(chǎn)業(yè)集聚水平越高。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化（ISO）用林業(yè)產(chǎn)業(yè)結(jié)構(gòu)層次系數(shù)[27]表示。勞動者報酬（REM）用林業(yè)系統(tǒng)在崗職工年平均工資（元）表示。全要素生產(chǎn)率（TFP）利用DEA-Malmquist指數(shù)計算得到，其中投入要素選擇林業(yè)固定資本存量、林業(yè)從業(yè)人數(shù)、林地面積，產(chǎn)出要素選擇林業(yè)經(jīng)濟總產(chǎn)值。為了反映林業(yè)全要素生產(chǎn)率內(nèi)部不同部分對林業(yè)勞動生產(chǎn)率的影響差異，這里把全要素生產(chǎn)率分解為技術(shù)進步（TE）、純技術(shù)效率（PE）和規(guī)模效率（SE）3部分。變量描述性統(tǒng)計見表1。

1.6 數(shù)據(jù)來源與處理

原始數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》和《中國林業(yè)和草原統(tǒng)計年鑒》。其中，林業(yè)經(jīng)濟總產(chǎn)值和在崗職工年平均工資分別用以2010年為基期的國內(nèi)生產(chǎn)總值（GDP）平減指數(shù)和居民消費價格指數(shù)（CPI）處理以剔除物價影響；林業(yè)固定資本存量在計算過程中已經(jīng)剔除了物價影響，這里無需重復進行；分別對技術(shù)進步、純技術(shù)效率和規(guī)模效率進行了累積處理，以使不同時期的數(shù)值具有可比性；缺失值用線性插值法進行填補，并對部分變量進行了對數(shù)化處理。

2 結(jié)果與分析

2.1 林業(yè)勞動生產(chǎn)率的時空演變分析

2.1.1 時間演變分析

2010—2020年中國林業(yè)勞動生產(chǎn)率的時間變化情況見圖1?？梢钥闯?，2010—2020年，中國林業(yè)勞動生產(chǎn)率整體上呈現(xiàn)出穩(wěn)定的上升趨勢，2010年林業(yè)勞動生產(chǎn)率為171.77萬元/人，2020年達到了643.73萬元/人，10年間增長了274.76%，年均增長率為14.12%，林業(yè)勞動生產(chǎn)率得到了快速發(fā)展。分時段來看，2010—2019年，林業(yè)勞動生產(chǎn)率隨著時間推移基本呈線性增長趨勢，年均增長率為16.26%，而2020年林業(yè)勞動生產(chǎn)率較2019年下降了3.40%。這是因為2020年新冠疫情的暴發(fā)，以及中國早期采取的嚴格防疫政策，對森林旅游等產(chǎn)業(yè)造成了巨大沖擊，嚴重阻礙了林業(yè)經(jīng)濟的增長，限制了林業(yè)勞動生產(chǎn)率的發(fā)展。

2.1.2 空間演變分析

中國2010年和2020年各省域林業(yè)勞動生產(chǎn)率水平及其年均增長率見圖2。2010年，林業(yè)勞動生產(chǎn)率排在前5位的為上海、浙江、江蘇、廣東和山東，全部分布在經(jīng)濟發(fā)達的東部沿海地區(qū)；2020年，林業(yè)勞動生產(chǎn)率排在前5位的為浙江、江蘇、福建、安徽和廣東，除4個省分布在東部沿海地區(qū)外，還有1個省分布在經(jīng)濟較不發(fā)達的中部地區(qū)；從各地區(qū)林業(yè)勞動生產(chǎn)率的年均增長率來看，排在前5位的是貴州、安徽、重慶、江西和青海，有2個省分布在中部地區(qū)，還有3個?。ㄖ陛犑校┓植荚诮?jīng)濟相對落后的西部地區(qū)。可以看出，中國林業(yè)勞動生產(chǎn)率優(yōu)勢存在由東部向中西部遷移的態(tài)勢，這與國家引導資本、勞動密集型產(chǎn)業(yè)向中西部地區(qū)轉(zhuǎn)移的發(fā)展戰(zhàn)略一致。

2.2 林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)特征分析

2.2.1 空間關(guān)聯(lián)特征

運用GEODA軟件計算出的2010—2020年中國林業(yè)勞動生產(chǎn)率的Moran指數(shù)（Ix）及Z檢驗結(jié)果見表2。結(jié)果顯示，2010—2020年中國林業(yè)勞動生產(chǎn)率的Moran指數(shù)均為正值且均在1%的顯著性水平下通過檢驗，說明中國區(qū)域林業(yè)勞動生產(chǎn)率在全局上表現(xiàn)為非常顯著的正向空間自相關(guān)特征，Moran指數(shù)基本保持穩(wěn)定的上升趨勢，這說明這種正向的空間自相關(guān)特征逐漸增強。

2.2.2 時空關(guān)聯(lián)特征

雙變量Moran指數(shù)除了用來分析兩個變量之間的空間交互關(guān)系，還可以用來進行同一變量的時空相關(guān)分析。本研究將從外向溢出和內(nèi)向溢出兩方面來分析中國林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)效應(yīng)。其中，外向溢出描述的是某一地區(qū)的林業(yè)勞動生產(chǎn)率與下一時期周圍地區(qū)林業(yè)勞動生產(chǎn)率加權(quán)平均值的時空關(guān)系，由時間的單向影響關(guān)系可知，這種時空關(guān)系是由現(xiàn)在的中心地區(qū)溢出到未來的周圍地區(qū)，因而可以看作是外向溢出；內(nèi)向溢出表示某一地區(qū)的林業(yè)勞動生產(chǎn)率與上一時期周圍地區(qū)林業(yè)勞動生產(chǎn)率加權(quán)平均值的時空關(guān)系，同樣的，由于時間因素固定住了時空影響的單向性，這種時空關(guān)系表現(xiàn)為由過去的周圍地區(qū)對現(xiàn)在的核心地區(qū)的溢出，因而可以看作是內(nèi)向溢出。

運用GEODA軟件計算出的2010—2020年中國林業(yè)勞動生產(chǎn)率的外向溢出效應(yīng)和內(nèi)向溢出效應(yīng)的雙變量Moran指數(shù)（Ixy）及Z檢驗結(jié)果見表3。結(jié)果顯示，無論是外向溢出還是內(nèi)向溢出，其雙變量Moran指數(shù)均為正值，且均在1%的顯著性水平下通過檢驗，說明中國區(qū)域林業(yè)勞動生產(chǎn)率存在非常顯著的正向時空關(guān)聯(lián)特征，雙變量Moran指數(shù)保持較為穩(wěn)定的上升趨勢，說明這種正向的時空關(guān)聯(lián)特征逐漸增強。另外，區(qū)域林業(yè)勞動生產(chǎn)率的時空關(guān)聯(lián)特征也從側(cè)面反映了林業(yè)勞動生產(chǎn)率“時間慣性”的存在性，即現(xiàn)期林業(yè)勞動生產(chǎn)率在一定程度上受到上期自身效率水平影響。

2010—2011年和2019—2020年各省域林業(yè)勞動生產(chǎn)率之間外向溢出和內(nèi)向溢出的時空關(guān)聯(lián)特征見表4。外向溢出結(jié)果顯示，2010—2011年，表現(xiàn)為“高-高”“低-高”“低-低”“高-低”時空關(guān)聯(lián)特征的地區(qū)數(shù)量分別為13、2、11、5，2019—2020年地區(qū)數(shù)量分別變化為15、1、13、2，“高-高”和“低-低”地區(qū)數(shù)量有所增加，而“低-高”和“高-低”地區(qū)

數(shù)量減少，區(qū)域間林業(yè)勞動生產(chǎn)率以“高-高”和“低-低”時空關(guān)聯(lián)特征為主。內(nèi)向溢出結(jié)果顯示，2010—2011年，表現(xiàn)為“高-高”“低-高”“低-低”“高-低”時空關(guān)聯(lián)特征的地區(qū)數(shù)量分別為12、3、11、5，2019—2020年地區(qū)數(shù)量同樣分別變化為15、1、13、2，表現(xiàn)為與外向溢出相似的時空變化特征。

從分地區(qū)的雙向溢出效應(yīng)來看，大部分地區(qū)的林業(yè)勞動生產(chǎn)率時空關(guān)聯(lián)特征處于穩(wěn)定狀態(tài)。其中，貴州、重慶分別由“低-高”“高-低”特征轉(zhuǎn)為“高-高”特征，說明重慶的高勞動生產(chǎn)率對其鄰近的貴州起到了很好的帶動效果；天津和遼寧由原來的“高-低”特征轉(zhuǎn)為“低-低”特征，北京由原來的“低-高”特征同樣轉(zhuǎn)為“低-低”特征，這是因為天津和遼寧的勞動生產(chǎn)率優(yōu)勢本來就不高，在北京和吉林低效率的影響下，逐漸失去了其微弱優(yōu)勢；云南受自身地理環(huán)境的限制，由“低-低”特征轉(zhuǎn)為“低-高”特征，說明目前云南林業(yè)勞動生產(chǎn)率發(fā)展受限，外圍地區(qū)對其發(fā)揮帶動效果存在一定難度的同時，還需要一定的時間。特別地，江西的內(nèi)向溢出效應(yīng)結(jié)果也展示了外圍地區(qū)對其自身較強的滲透效果。

2.3 林業(yè)勞動生產(chǎn)率的時空計量分析

2.3.1 林業(yè)勞動生產(chǎn)率的時空效應(yīng)回歸結(jié)果分析

運用STATA軟件進行中國林業(yè)勞動生產(chǎn)率的時空效應(yīng)分析，構(gòu)建了無時空效應(yīng)模型（模型1）、時間效應(yīng)模型（模型2）、空間效應(yīng)模型（模型3）和時空效應(yīng)模型（模型4）4個模型，得到的回歸結(jié)果見表5。結(jié)果顯示，模型1的擬合優(yōu)度R2值為0.941 2，說明模型具有很好的估計效果，選擇的影響因素在一定程度上符合理論預期，模型的設(shè)定具有一定合理性；在此基礎(chǔ)上，分別引入時間效應(yīng)和空間效應(yīng)項后，模型2中的時間滯后項系數(shù)τ和模型3中的空間滯后項系數(shù)ρ均在1%的水平下顯著為正，且R2值均有所提高，說明與模型1相比，模型2和3擬合效果更好，區(qū)域林業(yè)勞動生產(chǎn)率之間存在顯著的時間滯后效應(yīng)和空間溢出效應(yīng)；在此基礎(chǔ)上，進一步引入時空效應(yīng)項，模型4中的時空滯后項系數(shù)η在1%的水平下顯著為正，R2值與對數(shù)似然值（Log likelihood）值也進一步提高，說明模型4與模型2和3相比，代表性更好，區(qū)域林業(yè)勞動生產(chǎn)率之間存在顯著的時空交互效應(yīng)。

由于不是所有的自變量空間滯后項回歸系數(shù)都顯著，剔除不顯著自變量空間滯后項的時空效應(yīng)模型回歸結(jié)果見模型5。從模型5的回歸結(jié)果來看，林業(yè)勞動生產(chǎn)率的時間滯后項系數(shù)τ為0.286 5，且通過1%的顯著性檢驗，意味著當期林業(yè)勞動生產(chǎn)率水平每提升1%，平均引起下一期生產(chǎn)率水平提升0.286 5%，表明林業(yè)勞動生產(chǎn)率具有明顯的時間趨勢特征；時空滯后項系數(shù)η為0.363 1，且通過1%的顯著性檢驗，意味著上一期周圍地區(qū)林業(yè)勞動生產(chǎn)率水平每提升1%，平均引起當期本地區(qū)生產(chǎn)率水平提升0.363 1%，同時空間滯后項系數(shù)ρ不再顯著，說明區(qū)域林業(yè)勞動生產(chǎn)率存在正向空間溢出效應(yīng)，且這種正向空間溢出效應(yīng)需要一定時期才能顯現(xiàn)出來，具有時間滯后性。

研究表明，當期林業(yè)勞動生產(chǎn)率水平不僅受前一期自身效率水平的影響，還受前一期周邊地區(qū)效率水平的影響，這與雙變量Moran指數(shù)的檢驗結(jié)果一致，說明中國區(qū)域林業(yè)勞動生產(chǎn)率存在顯著的循環(huán)累積時間效應(yīng)和正向時空交互效應(yīng)。時間效應(yīng)表現(xiàn)為當期林業(yè)勞動生產(chǎn)率較高的地區(qū)，下一期生產(chǎn)率水平一般也較高；時空交互效應(yīng)表現(xiàn)為區(qū)域之間在促進林業(yè)勞動生產(chǎn)率過程中互相模仿、學習與競爭，當某地區(qū)采取某種政策措施提高生產(chǎn)率水平時，會引起周邊地區(qū)在下一時期跟進的“空間趨同效應(yīng)”。

2.3.2 林業(yè)勞動生產(chǎn)率影響因素的時空效應(yīng)分解

模型5中通過點估計得出的空間滯后項系數(shù)既包含了鄰近地區(qū)對本地區(qū)影響的滯后效應(yīng)，又包含了本地區(qū)對鄰近地區(qū)的影響且反過來作用于本地區(qū)的反饋效應(yīng)，直接用該系數(shù)判斷空間溢出效應(yīng)可能得到錯誤的結(jié)論，需要對各解釋變量的邊際效應(yīng)進行分解重構(gòu)。相關(guān)學者認為當空間自回歸系數(shù)ρ和滯后一階空間自回歸系數(shù)η顯著不為零時，采用偏導的方式計算解釋變量的影響系數(shù)，能體現(xiàn)出真實的空間交互效應(yīng)[28]。因此，本研究采用動態(tài)空間面板模型偏微分方法，將林業(yè)勞動生產(chǎn)率影響因素的時空效應(yīng)進行分解，將時間效應(yīng)劃分為短期效應(yīng)和長期效應(yīng)，將空間效應(yīng)劃分為直接效應(yīng)、間接效應(yīng)和總效應(yīng)，結(jié)果見表6。

從本地效應(yīng)看，資本勞動比對林業(yè)勞動生產(chǎn)率的直接效應(yīng)不顯著，而林地勞動比、產(chǎn)業(yè)集聚水平、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、勞動者報酬、技術(shù)進步、純技術(shù)效率和規(guī)模效率的直接效應(yīng)在5%的水平下均顯著為正，意味著林地勞動比、產(chǎn)業(yè)集聚水平、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、勞動者報酬、技術(shù)進步、純技術(shù)效率和規(guī)模效率的提高均能顯著促進本地林業(yè)勞動生產(chǎn)率增長，而資本勞動比不能。實際上，經(jīng)過統(tǒng)計發(fā)現(xiàn)，2010—2020年，中國地區(qū)林業(yè)勞動生產(chǎn)率水平的提升，主要依賴于當?shù)亓值貏趧颖群蛣趧诱邎蟪甑纳蠞q，其平均貢獻率分別為27.64%和16.58%，其余解釋變量的貢獻率則較低。研究結(jié)果表明，在資本報酬遞減規(guī)律的作用下，試圖通過提高資本勞動比來提高林業(yè)勞動生產(chǎn)率的方式不再具備可行性，通過提高林地勞動比來優(yōu)化要素配置結(jié)構(gòu)，轉(zhuǎn)而成為提高林業(yè)勞動生產(chǎn)率行之有效的方法。勞動者報酬的上漲，一方面會對企業(yè)產(chǎn)生倒逼效應(yīng)，促使企業(yè)通過培訓員工、技術(shù)創(chuàng)新和要素替代等方式提高勞動生產(chǎn)率；另一方面會對勞動者產(chǎn)生激勵效應(yīng)，并提高勞動者在教育、培訓等方面的開支，以提升自身技能水平，降低工作轉(zhuǎn)換成本[29]。

從空間溢出效應(yīng)看，短期內(nèi)資本勞動比、勞動者報酬、技術(shù)進步和規(guī)模效率對林業(yè)勞動生產(chǎn)率的間接效應(yīng)顯著，但長期來看資本勞動比的間接效應(yīng)不再顯著，說明本地資本勞動比、勞動者報酬、技術(shù)進步和規(guī)模效率對鄰近地區(qū)的林業(yè)勞動生產(chǎn)率均具有溢出效應(yīng)，但只有勞動者報酬、技術(shù)進步和規(guī)模效率的溢出效應(yīng)具有長期性。具體來看，資本勞動比對林業(yè)勞動生產(chǎn)率的短期間接效應(yīng)顯著為負，意味著資本勞動比的上升在短期內(nèi)會通過空間溢出效應(yīng)抑制周邊地區(qū)林業(yè)勞動生產(chǎn)率水平的提升，這是因為地區(qū)林業(yè)資本投入的增加，往往帶來當?shù)亓謽I(yè)經(jīng)濟發(fā)展水平的提高，從而引發(fā)對鄰近地區(qū)要素資源的吸納效應(yīng)，進而在短期內(nèi)抑制外圍地區(qū)勞動生產(chǎn)率水平的提高，長期來看要素的自由流動將彌補地區(qū)資源的不足。勞動者報酬對林業(yè)勞動生產(chǎn)率的間接效應(yīng)顯著為負，表明勞動者報酬的增加會對周邊地區(qū)產(chǎn)生負向溢出效應(yīng)，這是因為勞動者報酬的上漲，會表現(xiàn)出對周邊地區(qū)勞動力的“虹吸效應(yīng)”，造成外圍地區(qū)勞動力的流失和錯配[30]，進而引起勞動生產(chǎn)率的下降。技術(shù)進步和規(guī)模效率對林業(yè)勞動生產(chǎn)率的間接效應(yīng)顯著為正，是因為技術(shù)進步和規(guī)模效率的提升具有良好的外部性，能通過“學習效應(yīng)”和“涓滴效應(yīng)”帶動鄰近地區(qū)勞動生產(chǎn)率提升。

從短期效應(yīng)和長期效應(yīng)看，除資本勞動比外，各因素對林業(yè)勞動生產(chǎn)率的長期效應(yīng)與短期效應(yīng)方向一致，且平均影響程度是短期效應(yīng)的2.368倍，絕對影響程度更高，說明各因素長期來看對林業(yè)勞動生產(chǎn)率的影響程度更大，效果更明顯。

3 結(jié) 論

1）2010—2020年中國林業(yè)勞動生產(chǎn)率整體上呈穩(wěn)定的上升趨勢，區(qū)域間林業(yè)勞動生產(chǎn)率差異較大，生產(chǎn)率水平較高的地區(qū)主要分布在經(jīng)濟發(fā)達的東部沿海地區(qū)，并存在向中西部地區(qū)遷移的態(tài)勢。

2）中國區(qū)域林業(yè)勞動生產(chǎn)率整體上存在顯著的正向空間自相關(guān)和時空相關(guān)特征，并隨時間推移呈逐漸增強的態(tài)勢。

3）中國區(qū)域林業(yè)勞動生產(chǎn)率存在顯著的循環(huán)累積時間效應(yīng)和正向時空交互效應(yīng)，表現(xiàn)為當期林業(yè)勞動生產(chǎn)率較高的地區(qū)，下一期本地區(qū)以及鄰近地區(qū)的勞動生產(chǎn)率水平一般也較高。

4）從直接效應(yīng)看，林地勞動比、產(chǎn)業(yè)集聚水平、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、勞動者報酬、技術(shù)進步、純技術(shù)效率和規(guī)模效率的提升均對本地區(qū)林業(yè)勞動生產(chǎn)率有促進作用，且林地勞動比和勞動者報酬的貢獻率最高，分別為27.64%和16.58%。從空間溢出效應(yīng)看，資本勞動比和勞動者報酬的提升對鄰近地區(qū)林業(yè)勞動生產(chǎn)率有抑制作用，而技術(shù)進步和規(guī)模效率的提升對鄰近地區(qū)林業(yè)勞動生產(chǎn)率有促進作用。從短期效應(yīng)和長期效應(yīng)看，除資本勞動比的長期效應(yīng)不顯著外，其他因素的長期效應(yīng)與短期效應(yīng)方向一致，絕對影響程度更高，平均影響程度是短期效應(yīng)的2.368倍。

參考文獻（reference）：

［1］寧攸涼，李巖，馬一博，等．我國林業(yè)產(chǎn)業(yè)發(fā)展面臨的挑戰(zhàn)與對策[J]．世界林業(yè)研究，2021，34（4）：67-71．NING Y L，LI Y，MA Y B，et al．Challenges and countermeasures of forestry industry development in China[J]．World For Res，2021，34（4）：67-71．DOI： 10.13348/j.cnki.sjlyyj.2021.0022.y.

［2］NING Y L，LIU Z，NING Z K，et al．Measuring eco-efficiency of state-owned forestry enterprises in northeast China[J]．Forests，2018，9（8）：455．DOI： 10.3390/f9080455.

［3］NING Y L，YU J N，ZHANG H，et al．Exploring the sources of labor productivity growth and convergence among state-owned forestry enterprises in northeast China[J]．For Prod J，2020，70（3）：249-255．DOI： 10.13073/fpj-d-19-00024.

［4］夏永紅，沈文星，李存芳．木材加工產(chǎn)業(yè)集聚對勞動生產(chǎn)率影響的空間效應(yīng)分解：基于1998—2016年省際空間面板數(shù)據(jù)的實證研究[J]．林業(yè)科學，2019，55（9）：157-165．XIA Y H，SHEN W X，LI C F．The spatial effects decomposition of industrial agglomeration on labor productivity in the wood processing industry：an empirical study based on 1998-2016 spatial panel data[J]．Sci Silvae Sin，2019，55（9）：157-165．DOI： 10.11707/j.1001-7488.20190917.

［5］王坤，馬國勇．林業(yè)勞動生產(chǎn)率的區(qū)域差異及收斂性研究[J]．求是學刊，2022，49（3）：92-101．WANG K，MA G Y．Research on regional differences and convergence of forestry labor productivity[J]．Seek Truth，2022，49（3）：92-101．DOI： 10.19667/j.cnki.cn23-1070/c.2022.03.010.

［6］TOTH D，MAITAH M，MAITAH K．Development and forecast of employment in forestry in the Czech republic[J]．Sustainability，2019，11（24）：6901．DOI： 10.3390/su11246901.

［7］MANAGI S．Productivity measures and effects from subsidies and trade：an empirical analysis for Japan’s forestry[J]．Appl Econ，2010，42（30）：3871-3883．DOI： 10.1080/00036840802360146.

［8］GRZEGORZEWSKA E，SEDLIACIKOV M．Labour productivity in the sustainable development of wood-based industry：a case for the European Union countries[J]．BioResources，2021，16（2）：3643-3661．DOI： 10.15376/biores.16.2.3643-3661.

［9］SILAYO D S，KIPARU S S，MAUYA E W，et al．Working conditions and productivity under private and public logging companies in Tanzania[J]．Croat J For Eng，2010，31（1）：65-74.

[10]夏永紅，沈文星．木材加工產(chǎn)業(yè)集聚、共聚與勞動生產(chǎn)率效應(yīng)[J]．南京林業(yè)大學學報（自然科學版），2019，43（3）：131-136．XIA Y H，SHEN W X．Agglomeration，coagglomeration and labor productivity effects of wood processing industry[J]．J Nanjing For Univ （Nat Sci Ed），2019，43（3）：131-136．DOI： 10.3969/j.issn.1000-2006.201805058.

[11]NGUYEN MINH D，SHEN Y，ZHANG Y，et al．Logging productivity and production function in Alabama，1995 to 2000 [J]．For Prod J，2009，59（7-8）： 22-26．DOI： 10.1002/mrd.10241.

[12]EKERS M．‘Pounding dirt all day’：labor，sexuality and gender in the British Columbia reforestation sector[J]．Gend Place Cult，2013，20（7）：876-895．DOI： 10.1080/0966369x.2012.737768.

[13]RATNASINGAM J，YI L Y，AZIMN A，et al．Assessing the awareness and readiness of the Malaysian furniture industry for Industry 4.0[J]．BioResources，2020，15（3）：4866-4885．DOI： 10.15376/biores.15.3.4866-4885.

[14]HITKA M，POTKANY Y，SIROTIAKOVA M．Proposal of assessment of wood processing company employees [J]．Drewno，2009，52（182）：91-102．DOI： 10.1007/s00226-008-0200-y.

[15]袁富華．勞動生產(chǎn)率：關(guān)聯(lián)與差異：基于GWR模型的分析[J]．經(jīng)濟學，2011，11（2）：709-734．YUAN F H．Correlations and deviations in regional labor productivity：based on geographically weighted regressions[J]．China Econ Q，2011，11（2）：709-734．DOI： 10.13821/j.cnki.ceq.2011.02.002.

[16]柯文前，陸玉麒，俞肇元，等．江蘇縣域勞動生產(chǎn)率的空間關(guān)聯(lián)與分異演化格局[J]．經(jīng)濟地理，2013，33（12）：24-30．KE W Q，LU Y Q，YU Z Y，et al．The spatial correlations and deviations evolution pattern in Jiangsu county labor productivity[J]．Econ Geogr，2013，33（12）：24-30．DOI： 10.15957/j.cnki.jjdl.2013.12.014.

[17]文高輝，劉蒙罷，胡賢輝．耕地細碎化對農(nóng)戶勞動生產(chǎn)率影響的空間計量分析[J]．中國農(nóng)業(yè)資源與區(qū)劃，2021，42（2）：167-175．WEN G H，LIU M B，HU X H．Spatial econometric analysis of the impact of cultivated land fragmentation on farmers’ labor productivity[J]．Chin J Agric Resour Reg Plan，2021，42（2）：167-175．DOI： 10.7621/cjarrp.1005-9121.20210220.

[18]韓國瑩，劉同山．空氣質(zhì)量對勞動生產(chǎn)率的影響：基于森林資源的調(diào)節(jié)效應(yīng)[J]．農(nóng)林經(jīng)濟管理學報，2021，20（5）：640-648．HAN G Y，LIU T S．Effect of air quality on labor productivity：based on the moderating effect of forest resources[J]．J Agro For Econ Manag，2021，20（5）：640-648．DOI： 10.16195/j.cnki.cn36-1328/f.2021.05.66.

[19]羅能生，王玉澤．財政分權(quán)、環(huán)境規(guī)制與區(qū)域生態(tài)效率：基于動態(tài)空間杜賓模型的實證研究[J]．中國人口·資源與環(huán)境，2017，27（4）：110-118．LUO N S，WANG Y Z．Fiscal decentralization，environmental regulation and regional eco-efficiency：based on the dynamic spatial Durbin model[J]．China Popul Resour Environ，2017，27（4）：110-118．DOI： 10.12062/cpre.20170327.

[20]陳菁菁，李頌，丁勝．基于空間視角的我國經(jīng)濟林產(chǎn)業(yè)集聚分析[J]．南京林業(yè)大學學報（自然科學版），2023，47（2）：159-166．CHEN J J，LI S，DING S．Analysis on industrial agglomeration of China’s non-wood forest based on spatial perspectives[J]．J Nanjing For Univ （Nat Sci Ed），2023，47（2）：159-166．DOI： 10.12302/j.issn.1000-2006.202108048.

[21]ANSELIN L， SYABRI I， SMIRNOV O. Visualizing multivariate spatial correlation with dynamically linked windows[C]//The Annual Meetings of the Association of American Geographers. New Tools for Spatial Data Analysis： Proceedings of the Specialist Meeting. California： University of California Santa Barbara，2002： 1-20.

[22]王偉，紀翌佳，金鳳君．基于動態(tài)空間面板模型的中國港口競爭與合作關(guān)系研究[J]．地理研究，2022，41（3）：616-632．WANG W，JI Y J，JIN F J．The competition and cooperation relationship of Chinese ports based on dynamic spatial panel model[J]．Geogr Res，2022，41（3）：616-632．DOI： 10.11821/dlyj020210052.

[23]王國定，陳祥，孔歡．城鄉(xiāng)收入差距與人口老齡化的時空關(guān)聯(lián)：基于動態(tài)空間面板模型的實證分析[J]．經(jīng)濟問題，2022（7）：44-53．WANG G D，CHEN X，KONG H．Temporal and spatial relationship of urban-rural income gap and population aging：an empirical analysis based on dynamic spatial panel model[J]．Econ Probl，2022（7）：44-53．DOI： 10.16011/j.cnki.jjwt.2022.07.015.

[24]張嬌，寧攸涼．中國林業(yè)科技進步貢獻率測算分析：2000—2015年[J]．林業(yè)經(jīng)濟，2018，40（11）：90-95．ZHANG J，NING Y L．Calculation and analysis on contribution rate of forestry science and technology progress in China：2000—2015[J]．For Econ，2018，40（11）：90-95．DOI： 10.13843/j.cnki.lyjj.2018.11.015.

[25]吳延瑞．生產(chǎn)率對中國經(jīng)濟增長的貢獻：新的估計[J]．經(jīng)濟學，2008，8（3）：827-842．WU Y R．The role of productivity in China’s growth：new estimates[J]．China Econ Q，2008，8（3）：827-842.

[26]平瑛，施文杰．農(nóng)產(chǎn)品加工業(yè)集聚、空間溢出與農(nóng)業(yè)高質(zhì)量發(fā)展[J]．中國農(nóng)業(yè)資源與區(qū)劃，2023，44（3）：155-167．PING Y，SHI W J．Agglomeration，spatial spillover of agro-processing industry and high-quality agricultural development[J]．Chin J Agric Resour Reg Plan，2023，44（3）：155-167．DOI： 10.7621/cjarrp.1005-9121.20230316.

[27]李朝洪，韋唯，姜鈺．黑龍江省天保工程區(qū)績效評價及其障礙因子甄別[J]．南京林業(yè)大學學報（自然科學版），2022，46（5）：201-212．LI C H，WEI W，JIANG Y．Performance evaluation and obstacle factor screening of Natural Forest Protection Project area in Heilongjiang Province[J]．J Nanjing For Univ （Nat Sci Ed），2022，46（5）：201-212．DOI： 10.12302/j.issn.1000-2006.202106010.

[28]黃大湖，丁士軍．農(nóng)業(yè)技術(shù)進步、空間效應(yīng)與城鄉(xiāng)收入差距：基于省級面板數(shù)據(jù)的分析[J]．中國農(nóng)業(yè)資源與區(qū)劃，2022，43（11）：239-248．HUANG D H，DING S J．Agricutural technology progress，spatial effect and urban-rural income gap： based on the analysis of provincial panel date[J]．Chin J Agric Resour Reg Plan，2022，43（11）：239-248．DOI： 10.7621/cjarrp.1005-9121.20221123.

[29]盛艷燕．實際工資影響勞動生產(chǎn)率的空間關(guān)聯(lián)性研究[J]．文山學院學報，2019，32（3）：74-80．SHENG Y Y．Spatial correlation of real wages affecting productivity[J]．J Wenshan Univ，2019，32（3）：74-80．DOI： 10.3969/j.issn.1674-9200.2019.03.018.

[30]陳勇吏，李經(jīng)，魏下海．最低工資標準影響勞動力空間配置嗎？基于地方政府競爭視角的分析[J]．財經(jīng)研究，2022，48（10）：108-122．CHEN Y L，LI J，WEI X H．Does the minimum wage standard affect the spatial allocation of labor force？A perspective of local government competition[J]．J Finance Econ，2022，48（10）：108-122．DOI： 10.16538/j.cnki.jfe.20220615.301.

（責任編輯 李燕文）