就业密度、集聚空间外部性与劳动生产率——基于中国地级城市空间面板数据的分析

杨路英，吴玉鸣

(1.华东理工大学 商学院， 上海 200237；2.广西师范大学 经济管理学院，广西 桂林 541004)

一、引言

城市或区域生产率差异及其成因一直是新经济地理学或城市经济学研究关注的核心问题。生产率和工资在一定规模城市和人口密度高的地区更高，Marshall(1920)最早就意识到了这个典型事实，产业和人口(劳动力)在一定范围内集聚可以导致集聚经济和规模报酬递增。改革开放以来，随着工业经济在空间上向东部沿海地区的进一步集聚，区域劳动生产率在空间上的差异也随之扩大。2013年中国的282个地级市，在劳动生产率方面，排名前10的城市是后10名城市的10.5倍[注]根据《中国城市统计年鉴》测算。，在2006年二者仅相差6倍[1]。城市之间劳动生产率的巨大差距直接导致了东西部地区居民生活水平差异。不断扩大的生产率差距给区域经济协调发展造成了不利影响，引发社会各界的关注。探究造成中国城市劳动生产率差异的原因，探索有效缩小地区经济差距实现区域协调发展的政策建议，也早已成为学术界的一个研究热点。

对于城市或地区劳动生产率差异的形成机制，新古典经济理论试图从生产要素、技术及政策等角度给出解释，但其完全竞争和规模报酬不变的假定必定会推演出不同发展水平的经济体最终将会趋同的结论，而这明显与区域劳动生产率差异不断扩大的事实不相吻合。

基于集聚效应和规模报酬递增效应的解释，新经济地理学认为，在经济集聚的过程中，由于企业在集聚区的分工合作及产业前后向关联，可以共享供应商、密集的劳动力市场及通过知识溢出机制，产生规模报酬递增，使得经济集聚有利于提高集聚中心区(城市)的生产效率，最终导致区域劳动生产率呈现差异化[2]。

目前国内外有关研究的实证结果可归为两大类，一类是证实了集聚经济效应的存在，即认为经济活动的聚集产生了集聚效应。如Ciccone 和Hall(1996)最先构建了劳动生产率与经济密度之间的理论模型，并利用美国州一级的数据对理论模型进行了检验，结果表明经济密度越大则生产率越高，两者正相关[3]。考虑到就业密度的内生性及空间相关性的基础上，Ciccone(2002)利用欧洲五国县级数据进行考察，发现县域劳动生产率对经济密度的弹性系数为正但略低于美国水平[4]。国内不少学者采用地级市的截面数据验证了集聚效应的存在性[5～6]。考虑就业密度的内生性并采用面板数据模型，就业密度对非农劳动生产率的影响仍显著为正[1][7～8]。

另一类研究则发现，集聚效应具有周期性。集聚经济产生的规模效应被拥挤效应所抵消，出现明显的集聚不经济。Henderson(1986)利用美国和巴西20世纪70年代数据构建城市规模模型，发现随着城市规模的扩大，要素报酬也在增加，但二者关系存在转折点呈倒U型关系，随着生活成本(如人口集聚城市的高房价住房成本及交通拥堵成本)的快速上升会抵消集聚产生的规模经济，这意味着城市存在最优规模，当城市发展超过了最优规模时，要素递增的规模效应就会向拥挤效应转变[9]。Rizov 等(2011)利用荷兰1995—2002年工业区的数据研究发现，荷兰核心工业区经济增长缓慢的主要原因在于集聚产生的规模经济被交通拥堵效用所抵消，出现集聚不经济[10]。已有不少研究也指出经济集聚度与生产率存在着倒U 型关系[11～15]。

值得注意的是，另外一些学者认为集聚效应存在行业差异，孙浦阳等(2013)认为产业集聚带来的拥挤效应和集聚效应具有时变性，存在多个均衡状态，整体上工业行业集聚能够长期促进劳动生产率的提高，而服务业集聚对劳动生产率的长期影响在统计上则不显著[16]。

综上，已有研究没有或很少考虑邻近地区生产率的空间互动性。Anselin(2004)认为空间数据普遍存在的空间相关性和空间异质性特征，使得截面或面板空间分析中不考虑空间效应将导致估计偏误[17]。

Fingleton(1999)采用空间误差模型得出技术外溢导致了生产率跨区域外部性的结论[18]。Viladecans-marsal(2004)对西班牙城市的集聚经济和工业分布情况的空间计量研究结果表明，在一些部门，邻近城市的人口规模或就业水平对集聚经济有显著的强化作用[19]。Oort(2007)在研究荷兰集聚经济在不同时空、行业内及行业间作用时，使用空间自回归模型得到了更加稳健可靠的分析结果[20]。

国内学者研究集聚与劳动生产率关系时考虑了空间依赖性，但忽略了空间异质性[11][21～22]。同样该文未考虑空间异质性问题。为了克服以上研究的不足，本文采用动态空间面板滞后模型处理空间依赖性及就业密度内生性问题，在此基础上用变参数的地理加权回归(GWR)模型处理异质性问题，得出更加可靠的估计结果。

本文的创新之处在于，用考虑空间异质性的变参数GWR模型，更为准确地估计各城市经济集聚对经济效率的影响；用相对稳健的各级学校师生比率表征人力资本。本文的意义还在于，可以为西部开发、中部崛起等战略措施提供证据支持，对实现缩小区域差距、协调区域发展的战略目标具有参考意义。

本文的内容安排如下：第二部分是理论模型，第三部分是数据来源、模型变量测度与统计描述，第四部分是空间计量模型估计，第五部分是进一步讨论空间集聚对劳动生产率的效应，最后是结论。

二、空间外部性理论与模型构建

产业经济活动在一定地域空间集聚产生集聚效应，空间外部性的产生与集聚效应密切相关。为了定量测度研究集聚效应，根据Ciccone(2002)的研究，需要建立一个由经济活动密度增加所产生的空间外部性模型[4]。

首先定义一个较大区域(如省域)c上的区域(如城市)s的单位面积上的生产函数为：

q=Ωsc(nH,k;Qsc,Asc)

(1)

其中，q表示一个区域单位面积上的产出，n和k分别表示单位面积上投入的劳动力和资本，H是该区域上的平均人力资本水平，Ωsc表示该区域的全要素生产率水平，Qsc和Asc分别表示该区域的总产出和总面积。

假设空间外部性主要由该区域上的产出密度所驱动，单位产出对产出密度的弹性为一常数，则生产函数可以表示为：

q=Ωsc

(2)

其中，α与β的取值在0～1之间；当且仅当λ大于1时，存在正的空间外部性。

为了得到区域上的人均产出，我们假定资本和劳动在该区域上是均匀分布的，这样一来，区域总产出等于用单位面积产出乘以总面积：

(3)

再用总产出除以总就业人数得到如下形式的劳动生产率：

(4)

其中，Nsc是该区域上的总从业人员数。

值得一提的是，考虑到城市资本存量数据的缺失，Ciccone(2002)利用规模报酬不变及资本按照边际报酬定价[4]，将式(4)变形为不含资本存量的表达式。目前，多数相关文献也是照此做法忽略城市资本存量，但由此必然造成遗漏变量问题，得到的计量结果是不可靠的。在本文中，我们使用永续盘存法计算城市的资本存量，避免遗漏变量的内生性问题。

对式(4)两边取对数，得式(5)：

lnQsc-lnNsc=αλβlnHsc+αλ(1-β)(lnKsc-lnNsc)+(αλ-1)(lnNsc-lnAsc)+λlnΩsc

(5)

记ysc=logQsc-logNsc，nsc=logNsc-logAsc，ksc=logKsc-logNsc，

β1=αλβ，β2=αλ(1-β)，β3=(αλ-1)，

式(5)可以改写为：

ysc=β1lnHsc+β2ksc+β3nsc+λlnΩsc

(6)

根据外部性理论和内生增长理论，知识和技术是产出的直接投入，是溢出效应的来源。因此，人力资本的参数为β1，理论符号应为正号。根据外部性理论及前面对各个参数的定义，人均资本的参数为β2，理论符号也应为正号。就业密度变量描述集聚经济效应，其前面的参数为β2的符号可正可负。实际上，当且仅当αλ大于1时，才存在净的正空间外部性。具体来说，若λ大于1，存在规模经济效应，但是α比较小，也可能因为集聚产生的规模经济被拥堵效应所抵消，呈现出集聚不经济现象。本文后面的实证部分将重点考察就业密度对劳动生产率的影响。

在本文中，一个扩展的动态空间面板滞后模型用来实证检验：

(7)

其中，X为控制变量集合；传统的全要素生产率用城市固定效应的虚拟变量表示；W的定义在下一部分给出；参数ρ表示某一城市的邻近城市的平均劳动生产率对某一城市工业劳动生产率的影响。在式(7)中加入就业密度n的平方项以考察就业密度与劳动生产率的非线性关系。

为了得到更加可靠的分析结果，本文在式(6)的基础上，用变参数的GWR模型，估计城市工业集聚对劳动生产率的影响。一般回归模型通常假定变量间的关系具有同质性，不同区域各个解释变量对被解释变量的影响是一样的，掩盖了变量间关系的局域特性，所得结果只能考察研究区域内的平均影响，因此，需要改进传统的回归分析方法。改进的方法有两类，一类是采用局部回归分析方法，另一类是常用的变参数回归模型。这两种模型均存在不足，因为它们对数据的空间结构未给予充分的考虑。鉴于此，本文采用基于局部回归分析和变参数思想的地理加权回归模型进行估计。

三、数据变量与空间权重矩阵选择

(一)数据来源

由于2002年国家对地级及以上城市进行了较大调整，故本文使用2003—2013年地级及以上城市的面板数据进行空间计量分析。除了工业用地数据外其他所用数据均来自于2004—2014年的《中国城市统计年鉴》。本文使用的数据为城市统计年鉴中“市辖区”对应的统计指标。

为了保证数据的完整性和一致性，剔除数据缺失严重的拉萨、巢湖、中卫、金昌、白银、铜仁、毕节和海东共8个城市，最终选取了282个城市的样本(不包括港澳台)。按照多数学者的做法，会将直辖市、特殊自然资源型城市排除在观察样本外，本文认为GWR本身会考虑到空间个体的异质性，不存在极端值造成估计有偏的问题，因此，不需要先入为主地排除特定样本城市。

(二)变量测度

本研究使用的关键变量有城市工业劳动生产率、就业密度和人力资本三个[注]工业劳动生产率、就业密度及控制变量中的劳均资本投入及劳均外商资本投入均采用对数形式。，具体测度方法如下：

1.劳动生产率

工业劳动生产率等于工业总产值除以城市工业从业人员数。由于城市统计年鉴中缺失2011—2013年工业从业人员的数据，此处用第二产业的从业人员数做了替代处理。以2003年为基期，工业产值用地区生产总值平减指数进行平减。

2.就业密度

经济集聚度的度量一般有规模指标和经济密度指标。目前，国内外多数学者采用的是密度指标如就业密度、经济产出密度。本文采用就业密度来衡量经济集聚度，等于工业从业人员数除以工业用地面积。工业用地面积借鉴范剑勇等的做法[23]，用各年《中国城市建设统计年鉴》中的“工业用地”与“仓储用地”面积之和估算。

3.人力资本

由于城市统计年鉴不提供直接的人力资本指标，本文参照柯善咨和姚德龙的做法用城市人口中在校大学生占比、中学生占比、小学生占比来代理人力资本变量，当然这三个指标也有其局限性，各级学校学生大多数毕业后都会离开本地区；因为不同城市各级学校教师相对稳定[24]，作为对比，本文同时考虑用各级学校师生比来表征人力资本变量，以便检验人力资本变量的稳健性[11]。

4.其他控制变量

本文采用城市市辖区的劳均资本存量表示资本投入。首先，以2003年为基期，用各城市所在省份的固定资产价格指数对各城市固定资产投资进行平减。然后，借鉴王猛、李勇刚，柯善咨、向娟及单豪杰的研究，确定资本折旧率为10.96%，计算初始资本存量K0，所用公式为K0=I0(1+g)/(g+δ)，其中，I0是2003年固定资产投资，g为2003—2013年各城市市辖区固定资产投资的几何平均增长率，δ是折旧率。根据永续盘存法，计算第二年开始即2004—2013年的资本存量，所用公式为Kt=Kt-1(1-δ)+It，It是各年的固定资产投资，将调整后得到的资本存量除以工业从业人员，得到劳均资本存量。

采用城市市辖区的当年实际使用外资额作为企业技术进步的替代变量。产业结构用城市工业总产值占GDP的比重来表示。

(三)空间权重矩阵设定

在本文中，空间计量分析部分采用了基于地理距离的权重矩阵Wn×n：

(8)

其中，对角线上元素Wii=0，其他位置Wij(i ≠j)表示按一定规则定义的两城市间的空间相关关系，这种规则通常是给定的距离或共同边界。本文用地理空间距离定义城市间空间联系。如果第i和第j个城市之间距离在1000公里的范围内，则Wij=1/dij>0，其中，dij是两个城市之间的地理距离，否则Wij=0，i=1，2，…，n表示研究所包括的1～282个城市。

表1给出了各变量的基本统计描述结果。

表1变量的统计描述[注]此处劳动生产率、劳均资本投入、劳均外商资本投入及就业密度均为对应取对数后的结果。

四、空间计量模型估计与检验

在空间计量经济实证研究的动态空间面板滞后模型(7)中，除了人力资本和就业密度这类比率型变量外，其他变量都取对数。由于面板数据计量经济模型存在时间序列和横截面两个维度的经济行为，在对模型进行估计之前还需做以下平稳性和空间相关性检验。

(一)平稳性检验

对于短面板数据模型，数据的平稳性可能成为影响估计优良性的问题。具体来说如果数据不平稳，则估计是有偏的。故首先需要对各个变量的平稳性进行检验(见表2)，以便选择恰当的估计方法估计模型。

表2单位根检验结果

注：***、**和*分别代表统计显著性水平为1%、5%和10%；检验针对水平值本身；原假设：变量含有单位根

表2的LLC及PP检验结果表明，所有变量都在显著性水平1%下拒绝原假设，均为平稳序列。

(二)空间相关性检验

表3给出2003—2013年282个工业劳动生产率的莫兰指数。从表3中可以看出，工业劳动生产率存在显著的正向空间自相关性。

表3 2003—2013年282个地级市工业劳动生产率的空间自相关性Moran指数

注：空间权重矩阵采用的是地理距离矩阵形式即前文中的W，由R生成；***、**和*分别代表统计显著性水平为1%、5%和10%

(三)模型识别检验(Hausman检验和LM检验)

从Hausman检验结果来看，全国范围、东部、中部、西部样本Hausman检验卡方值分别为156.9、63.507、12.689和59.36，相应的P值为0.001%、0.001%、1.29%和0.001%，在5%的显著性水平下都拒绝存在随机效应的原假设，故应采用固定效应空间面板模型。

空间效应的LM检验结果为：LMerr=2.223，P值为1.36%；LMlag=3.8169，P值为5.1%，通过了10%的显著性水平检验。LMlag较之LMerr统计上更加显著，判定适合的模型为空间滞后模型，不必再考虑RLMerr和RLMlag的结果。

(四)内生问题处理

在考察经济集聚对经济效率的作用时，学者们普遍都会面临的一个难题是内生性问题。在我国城市工业经济发展过程中，大多数工业经济活动集聚地区如工业园区均存在一些诸如自然资源禀赋、优越的区位、地方优惠发展政策等固有的特征吸引工业企业向局部地区集聚，当然也可能与一些无法观测的地区特征如人文环境或文化传统等因素相关。本文采用的GMM方法致力于解决动态空间面板模型关键解释变量就业密度及经济地理要素滞后所可能引起的内生性问题。该方法一般把滞后期解释变量作为工具变量来替代前期的变量，是一种从模型内部寻找工具变量来进行估计的方法，有利于克服从外部不容易寻找合适工具变量的不足。

本文尝试借鉴范剑勇的做法，用工业用地面积作为就业密度的工具变量，发现效果不理想，故本文最终选择采用动态面板GMM方法来处理内生性问题[5]。提高模型估计结果的可靠性，针对系统GMM估计的模型，本文采用Abond test和Sargan test分别检验模型设定的合理性和工具变量的有效性。其中，AR(1) 检验结果的P值为0.7058，AR(2) 检验结果的P值为0.0516，表明在5%的显著性水平下，差分后的残差项不存在一阶、二阶序列相关。而随机项与工具变量相关性检验SarganTest 的结果也表明模型不存在过度识别问题，所选工具变量合适。采用GMM估计的式(7)各变量的参数估计结果如表4所示。

而且为了验证表4回归结果的稳健性，本文用基于Queen准则的0-1衔接矩阵替代前文中基于距离的空间权重矩阵进行分析，发现结果仍然稳健。

表4的回归结果表明，全国样本、东部、中部和西部劳动生产率四个空间回归模型拟合程度都比较理想。Wy前面的参数为正且具有统计显著性，表明邻近城市劳动生产率对本市劳动生产率有显著的空间溢出效应，能有效促进本市的生产率增长。劳均资本对生产率有显著的促进作用，这在四个模型中的表现是一致的，符合理论预期，参数估计结果表明劳均资本存量增加1个百分点，全国、东部、中部和西部地区劳动生产率分别增长约0.61、0.70、0.38、0.73个百分点，可见物质资本投资依然是我国城市工业经济发展的主要驱动力，这与柯善咨和赵曜的结论相同，其中，西部地区资本的作用最大，中部地区资本的作用最小[14]。除中部外，单个地区的劳均外商资本投入都有效促进了城市生产率增长，劳均外商资本系数在0.021～0.032之间，其作用远小于劳均资本，尤其是中部地区的劳均外商资本投入对生产率增长的作用为负，这可能是外商直接投资主要分布在东部地区，而西部地区的引进外资战略正在发挥积极作用。产业结构变量前面的参数在四个模型中一致为正，即工业化程度的提高促进生产率的提高。人力资本水平对城市生产率的影响存在显著的区域差异，在东部和中部地区，高层次水平的劳动力有效提高了城市生产率水平，符合预期；但在全国和西部地区，各层次水平的劳动力作用均显著为负。这一估计结果反映出西部多数城市的发展仍依赖于廉价劳动的投入，西部高层次人才流向东部沿海及相对发展更快的东部和中部，西部城市大量高校学生异地就业等现实情况。

表4模型估计结果

注：空间权重矩阵采用的是前文中基于地理距离定义的W；***、**和*分别代表统计显著性水平为1%、5%和10%；经实践发现，相比学生占比，师生比对劳动生产率的影响更显著，故此处只报告师生比的参数估计结果；对就业密度的平方项进行调整的目的是避免同时引入水平项和平方项带来的共线性问题，更多共线性问题的处理参见Ronald G. Ridker 和 John A. Henning (1967)

本文的重点之一是分地区考察就业密度对城市劳动生产率的影响，该影响在各个模型中表现不一，从全国范围看，就业密度对城市生产率有一定的负向影响。

分地区看，除西部地区外，其他三类地区的就业密度对城市生产率的作用为负，即就业密度越大，劳动生产率越低，出现了拥堵效应。出现这一看似矛盾的结果，本文猜测，一是因为全国各个城市之间各方面情况差异巨大，导致不同规模城市的就业密度对劳动生产率的作用不一样；二是西部地区的城市就业密度低，城市规模普遍较小，还没有形成集聚经济效应。

表4的估计结果只是反映出所有城市就业密度对经济效率的“平均”影响，在各城市就业密度对生产率影响差异巨大的前提下，该“平均值”是没有说服力的。为此，下文采用将城市异质性考虑进去的空间非平稳性GWR模型进一步分析验证动态空间面板模型结果的稳健性。

在GWR估计中，窗宽的选择对结果的影响很大，本文采用的是基于AICc的黄金准则(Golden Section Search)。为了观察就业密度对劳动生产率的影响如何随着时间和空间而变化，我们用GWR4对式(7)按年份分别进行了估计[注]因篇幅所限，此处未列出GWR详细的估计结果，感兴趣的读者可以向作者索取。其中，在2004年、2005年、2012年和2013年，尽管GWR模型把就业密度识别为全局变量，但未通过显著性检验，故依旧把它当作局部变量来处理。，表5报告了基于GWR4的估计结果，整理计算得出2003—2013年集聚效应为正的城市比例。

表5 2003—2013年净集聚效应为正的城市比重

从表5可知，全国范围来看，就业密度对经济效率影响具有周期性，呈现先增长后下降的倒U型变化，结论与柯善咨和赵曜[14]的一致。拐点出现在2006年，与周圣强和朱卫平[13]测算的拐点为2003年的不一致。值得一提的是，2006年282个城市都呈现出集聚效应。在没有进一步的证据之前，这很难给出准确的解释。

根据GWR4的估计结果，各个城市就业密度对经济效率的影响差异巨大，存在集聚效应的城市范围呈现先扩大后缩小的趋势。具体来说，随着工业经济活动的进一步集聚，东部沿海地区尤其是江浙沪一带的城市(南通市、上海市、舟山市、绍兴市、杭州市、衢州市、宁波市、台州市、上饶市、金华市、丽水市、温州市等)出现了集聚不经济的情况，这些城市应加快产业升级、实施产业转移、优化工业经济活动空间布局，从而缓解因经济活动过密给城市生产率带来的负面影响，更充分地发挥规模经济效益。

五、进一步讨论：空间集聚与工业劳动生产率

表2的实证结果表明全国范围内就业密度对劳动生产率有显著的非线性影响，导致这种非线性关系的因素是什么？本文认为这种非线性关系主要源于城市发展过程中的人口及经济活动的空间集聚。一方面，人口及经济活动的空间集聚会通过知识溢出提高技术创新水平，从而使得劳动生产率提升。另一方面，人口及经济活动的空间集聚也会产生拥堵效应，人口在城市中的急剧增加使得城市的生活成本尤其是交通成本和住房成本快速上升，工作的时间被通勤时间挤出，降低劳动生产率。因此，城市空间集聚是导致劳动生产率呈现非线性变化的重要原因。本文借鉴姚昕等(2017)的做法，用空间人口基尼系数表征城市空间集聚水平，并检验其对劳动生产率的影响。

(一) 数据来源和指标描述

因构建空间人口基尼系数的需要，本文对原31个省级行政区内的样本进行筛选。最终保留了2003—2013年共21个省份的相关数据。具体来说，剔除不包含下级地级市的4 个直辖市(北京、上海、天津、重庆)，青海和西藏因只包含了一个地级市数据被剔除，新疆、海南只包含了两个地级市数据也被剔除，甘肃、宁夏由于部分地级市数据缺失故也被剔除。

为了与前文模型进行结果对比，我们继续将人均FDI与人均资本投入、各级学校学生占比等控制变量加入到下文的模型中，21个省级区域相关数据的描述统计如表6所示。

表6空间集聚与劳动生产率研究相关数据的描述统计

注：数据来源于各年《中国城市统计年鉴》《中国城市建设统计年鉴》和CEIC 中国经济数据库

(二) 模型及结果分析

模型设定如式(9)所示，下标i表示省级行政区域，t表示年份。

yit=α+τyit-1+β1lnHit+β2kit+β3popginiit+βiXit+ρWysc+μi+vt+εit

(9)

其中，popginiit表示人口尺度的空间基尼系数，其他变量的含义与式(5)和式(6)相同。

同样地，我们仍采用系统GMM方法对式(9)进行估计，作为比较，同时采用空间杜宾模型对式(9)进行估计，回归结果如表7所示。

表7空间集聚对劳动生产率影响的估计结果

注：括号内数值为参数检验T统计量；***p<0.01,**p<0.05,*p<0.1;考虑就业密度及就业密度的平方带来的共线性问题，本表是将它们剔除后得到的估计结果

从表7最后两列可以看到，不论采用空间模型还是用GMM估计的普通模型，空间人口基尼系数的参数估计结果都显著为负，与表4的估计结果一致。这表明随着城市人口和经济活动在空间上的不断集聚，拥堵效应大于规模效应，对劳动生产率产生明显的负向影响。具体来说，各省级行政区内城市的空间人口基尼系数每增加1个标准差(0.0699)，劳动生产率便下降3.93%～4.13% ( 0.0699×0.562；0.0699×0.591) 。人均FDI、人均资本投入、产业结构对劳动生产率有显著的正向影响，与前文分析一致。

为了验证空间人口基尼系数与劳动生产率之间关系的稳健性[注]姚昕等(2017)用土地规模意义上的基尼系数giniscale代替人口意义上的基尼系数ginipop做稳健性检验，此方法在本文中不适用，因为由本文数据计算得出的两个指标仅存在微弱的负相关关系，故不适合做彼此的替代变量进行稳健性检验。，本文剔除了大学生占比和初中生占比两个变量进行空间杜宾模型回归，得到空间人口基尼系数的参数估计为-0.565，通过了5%的显著性检验。稳健性检验结果进一步证实了空间人口基尼系数对劳动生产率的显著负向影响是稳健可靠的。

六、主要结论与启示

运用动态面板空间滞后计量模型和纳入空间异质性的地理加权回归模型，分析了2003—2013年期间的就业密度对中国工业劳动生产率的影响。主要结论如下：工业劳动生产率的弹性系数为负；邻近城市的劳动生产率存在显著的空间溢出效应，与本地城市之间相互空间促进；全国范围的就业密度对劳动生产率的影响具有周期性，时间上呈现先增长后下降的倒U型变化，城市之间的这一集聚效应存在显著差异。随着经济活动的进一步集聚，东部沿海地区尤其是江浙沪一带出现了集聚负效应的情况。

上述研究结果为如何缩小区域经济差距和实现区域协调发展提供了一些启示：首先，相邻城市间的经济效率有显著的溢出效应，这启示我们，城市在发展中应充分利用这种经济集聚的空间外部性，加强城市间的经济技术合作，实现市场、人才、技术资源共享，推动城市群的崛起和协同发展。其次，人才尤其是高层次人才对经济效率的提高有显著的推动作用，中西部城市应把握好“西部大开发和中部崛起”的这一发展机遇，加强交通基础设施建设，创造有利的经济集聚环境，吸引并留住中高层次人才，振兴本地经济。最后，由于东部城市经济密度过大，出现明显的拥挤效应，而西部多数城市尚未充分发挥集聚经济外部性。因此，对于西部城市，应着力扩大其市场规模及产业集聚水平，积极从发达地区大城市承接产业转移；而对于东部和中部地区城市，应加快产业升级，优化经济活动空间布局，从而缓解因经济活动过密带来的负面影响，更充分地发挥规模经济效益。