中国省域劳动就业影响因素的空间计量分析

　　Max（PiYi-WLi）
　　受约束于：Yi=-?滓与Yi=ALi
　　通过构建拉格朗日函数求厂商利润最大化，可以求得商品i的最优价格水平：
　　Pi=?自，其中?自=＞1（13）
　　参数?自是测度每个厂商垄断程度的指标。如果?自=1，那么可以认为全部产品都完全可以替代，即这个市场是完全竞争的市场。
　　结合消费效用最大化与厂商利润最大化原则，可以推出以下方程①：
　　L＝Hd1/(1-?着)?浊（14）
　　其中，H是家庭总数，为实际工资水平，?浊=1/（?着-1）。
　　对（14）式两边取对数得到：
　　lt=+?浊ln（t）（15）
　　其中lt=lnLt，=lnHd1/(1-?着)，t=为实际工资水平。
　　由于?着＞1，因而必有?浊＞0，故式（15）显示实际工资提高对就业具有促进作用。除了工资以外，产业结构、城市化水平、市场化水平、政府财政支出、技术发展水平等也是影响劳动就业的重要因素。以（15）式为基础，在空间计量经济学估计技术的支持下，建立线性空间滞后（SLM）和空间误差模型（SEM），具体模型如下：
　　lnJYSLit=?茁0+?琢W（JYSL）it+?茁1lnCZZCit+?茁2lnRJGZit+?茁3URBANit+?茁4JSJBit+?茁5MARKLit+?茁6CYJGit+?淄it（16）
　　lnJYSLit=?茁0+?茁1lnCZZCit+?茁2lnRJGZit+?茁3URBANit+?茁4JSJBit+?茁5MARKLit+?茁6CYJGit+?姿W（?淄it）+?孜it（17）
　　（16）和（17）式分别为要检验的空间自回归（滞后）模型和空间误差模型。其中，?淄it=Si+Tt+?着i，t，S和T分别是截面单元固定效应和时间固定效应，在（17）式中?淄it=?姿W（?淄it）+?孜it，?着i，t、?孜it是期望为零的独立同分布随机变量，即?着i~N（0，?滓2）、?孜it~N（0，?滓2）；i=1，2，…N；i=1，2，3…表示区域单元个数，在这里表示全国省市数目，由于中国台湾、香港和澳门各经济发展指标度量以及标准异于其他省市，在本文分析中没有将其考虑在内，由于数据的可得性问题，西藏也未考虑在内，并将重庆和四川合并为四川省，因而共有29个省级经济单元；t=1，2，3…表示从2000—2009年的时期数（单位：年）；W为二进制的邻近空间权值矩阵，一般用邻近矩阵（Contiguity Matrix）和距离矩阵；其目的是定义空间对象的相互邻近关系，W（JYSL）it和W（?淄it）分别为劳动就业（JYSL）和随机误差的空间滞后项。
　　（二）变量和数据说明
　　被解释变量：采用各省市每年就业从事第二、三产业就业人口数量（单位：万人）作为被解释变量，来衡量各地区就业情况，并取其对数，记为lnJYSL。数据来源于各省统计年鉴以及中国劳动统计年鉴。
　　解释变量包括：
　　1. 财政支出。财政支出一方面可以衡量地方政府对就业、投资等的作用力，另一方面也可以衡量对经济发展和就业的调控。以CZZC表示省域每年财政支出数量（单位：万元），以2000年价格对各年数据进行价格调整。由于财政支出数据波动不稳定且数额较大，将其取对数。
　　2. 城镇化率。城镇化是农村人口不断减少、城市人口不断增加，农村地域不断成为城镇区域的过程。在此过程中，随着产业结构的优化升级，劳动力不断由第一产业向第二、三产业转移的过程，是人力资本的集中地，因而是影响劳动力就业的重要因素。本文中以城镇人口占总人口的比重表示城镇化率（URBAN）。
　　3. 人均工资。以RJGZ代表从事第二、三产业人员的年均工资，单位是元。以2000年价格对各年数据进行价格调整，并对其取对数，数据来源于各省市历年统计年鉴。
　　4. 技术水平。由于技术进步体现在多个方面，比如通过增加R&D投资以促进技术研发、通过投资教育等提高人力资本水平。在此，为了能够将所有与技术进步有关的因素考虑进入模型，本文用全要素生产率表征技术进步水平，记为JSJB。
　　5. 市场化水平。随着改革开放进程的不断深入，非公有制经济在国民经济发展中起到的作用越来越重要，因而也成为区域吸纳就业的重要方面，其发展水平往往代表了区域市场化水平，因此，本文以非公有制经济在国民经济中的比重表示市场化水平，数据来源于2010年各省市统计年鉴，用MARKL表示。
　　6. 产业结构。众多文献已经证实产业结构水平也是影响就业的重要因素，本文以第三产业占国民经济比重表示产业结构发展水平，记为CYJG，数据来源于2010年各省市历年统计年鉴。
　　三、省域就业空间相关性分析
　　为了深入揭示省域劳动就业差异格局及其影响因素，采用Moran指数法测算和检验省域劳动就业的空间相关性。在实际的空间相关分析应用研究中，Moran’s I主要针对于全域空间相关性分析。全域空间自相关（Global Spatial Autocorrelation）是从区域空间的整体刻画区域劳动就业的空间分布情况，其计算及检验过程如下。
　　Moran′s I定义如下：
　　Morna′s I=Wij（Yi-）（Yj-）/
　　S2Wij（18）
　　其中，S2=（Yi-），=Yi，Yi表示i地区的观测值（如劳动就业量），n为地区总数（如省域），Wij为二进制的邻近空间权值矩阵。首先，借助空间计量软件GeoDAO.9.5、利用Moran指数对省域数据进行空间自相关分析。在此，使用了一阶和二阶邻接矩阵以及距离矩阵的全域Moran指数检验省域劳动就业是否表现出空间自相关，全域Moran指数计算结果见表1。
　　由表1可知，2000—2009年Moran指数在1%水平上显著为正，说明省际劳动就业具有明显的空间自相关性。为了对其空间相关性进行更深入的分析，在全域分析的基础上本研究也进行了局域空间相关性分析。2009年的局域Moran指数散点图如图1所示。
　　图1显示，省域劳动就业基本上呈现正的空间相关性。第一、第三象限省域劳动就业集群局部的HH和LL分化，说明中国省域劳动就业在空间上存在着较为明显的集聚现象，有着较强的空间依赖性。
　　其次，采用扩展了的空间回归模型的残差Moran指数，以及两种拉格朗日乘子（LM）检验及其稳健性拉格朗日乘子（Robust LM）检验方法，进一步检验劳动就业的空间效应，表2为检验结果。