高速增长的房地产投资是否推升了劳动力成本？——基于中国地级及以上城市的证据

(1.曲阜师范大学 经济学院，山东 日照 276826；2.江南大学 商学院，江苏 无锡 214122; 3.西南政法大学 经济学院，重庆 401120)

一、引言

2010年，我国制造业总产值已经超过美国位于全球第一，成为名副其实的“世界工厂”。然而，我国制造业的高速发展主要依赖于劳动力丰裕要素优势，积极承接国际产业转移[1-3]。如果没有长期的劳动力比较优势使我国劳动力成本位于相对较低水平，我国制造业不可能取得今天的成就。进入21世纪后，我国劳动力成本却快速提升[4-6]，而且已经引发了我国许多劳动密集型企业开始陆续将工厂转移至生产成本更低的国家[3]，甚至使我国东部地区在劳动密集型产品加工装配环节比较优势丧失，致使加工企业面临前所未有的困难[7]，并对我国的产业结构转型成功构成了挑战[8]。如果劳动成本继续上升，必将会对我国的经济增长产生严重的负向冲击，甚至可能造成“中国经济奇迹”的中断。

因此，正确认识我国劳动力成本上升的驱动因素，对于正确认识我国劳动力比较优势的真实状况和针对劳动力成本上升对制造业形成的负向冲击制定相关政策具有一定的参考价值。

理论上，劳动力成本具有二重性，对于企业是成本，对于劳动者则是收入[9]。因此，劳动力成本上升可以通过职工工资的变动来判断。职工工资属于国内生产总值流向劳动者的部分，其在国内生产总值的比重即劳动分配率反映了劳动力成本的相对水平。如果在劳动生产率没有变化的情况下，由于外部因素导致劳动分配率增长，则意味着外部因素推升了劳动成本。一般情况下，房地产投资会吸引大量劳动力进入房地产行业，从而导致房地产行业工资水平提升。同时，房地产投资增加还会对水泥、钢材等上游行业的需求拉动并带动建材、家具及装修等下游行业的增长，从而引致上下游行业职工工资增长。如果房地产投资的高速增长引致的职工工资增速超过了国内生产总值，导致职工工资在国内生产总值中占比不断上升，就会推动劳动力成本出现上升。那么，高速增长的房地产投资是否推升了劳动力成本？在多大程度上推升了劳动力成本呢？

本文试图运用我国265个地级城市面板数据对这一问题进行实证研究。首先，通过构建房地产投资与劳动力成本关系的理论模型探究房地产投资影响劳动力成本的内在机制；其次，运用我国265个地级城市的面板数据，实证检验我国高速增长的房地产投资是否推升了劳动力成本；并检验不同规模和收入城市等子样本房地产投资的劳动力成本的推升效应及不同房地产投资类型对劳动力成本的推升效应。为了检验房地产投资对劳动力上升中的重要程度，还计算了房地产投资对劳动力成本上升的实际贡献率。本文的研究不仅会为劳动力成本上升提供房地产投资层面的经验证据，加深对我国劳动力成本优势的认识，而且会为相关部门制定科学合理的制造业发展政策提供一定的决策参考。

二、文献综述

现有文献表明，进入21世纪后，我国制造业单位劳动力成本整体呈增加态势，并已超过了泰国、印尼等国家，在不久将来还将超过菲律宾、马来西亚等国，我国制造业劳动力成本增长速度也快于亚洲四小龙、其他发展中大国和亚洲新兴发展中国家[10，11]，而且伴随人口红利的逐步消失，我国劳动力成本的上升将成为中长期趋势[12，13]。因此，有学者判断，我国劳动力成本的上升已经对我国在国际市场上获得的劳动力比较优势形成了较大冲击[14，15]，有学者还认为，我国利用低劳动力成本优势推动出口高速增长的时代已经接近尾声[16]，甚至“中国制造”的低成本竞争优势已经丧失[1]。

但是，有学者提出了不同的观点，认为虽然我国劳动力成本比较优势开始逐步丧失，但是当前我国仍然拥有这一优势[17-19，12]，我国国际竞争的比较优势并不因此下降[20,21]。然而，贺聪等[22]研究发现，虽然我国整体上劳动力成本优势明显，但是部分地区成本上升趋势却不容忽视。冯伟等[23]还发现劳动力成本在一定范围内会对FDI产生正向激励作用，但当劳动力成本越过拐点值后便会对FDI产生阻滞效应。吴要武[24]发现虽然随着劳动力成本持续上升，东部劳动密集型产业开始向中西部地区转移，但收益并不如原先设想得那么大。但是，大量文献还表明，我国劳动力成本上升对经济长期发展存在正向影响，劳动力成本上升不仅会促进了我国制造业的创新水平[8,25,2]，而且还会助推我国工业转型升级，尤其是劳动力密集型产业[26-29]。肖尧和杨校美[30]则发现，只有当劳动力成本高于门槛值时才会对工业结构调整具有正向影响，否则对工业结构调整只会产生负向效应。程晨和王萌萌[31]则发现，劳动力成本的上升促使企业提高了整体生产效率，特别是在非国有企业和劳动密集型企业。姚先国和曾国华[9]甚至发现，我国劳动力成本上升对劳动生产率的激励功能处于明显加速阶段。

还有大量文献研究了劳动力成本的影响因素。张文朗和韩高峰[32]与Gaofeng和Wenlang[33]指出，劳动力市场供应紧张和劳动力迁移对大陆地区港澳台企业及民营企业的劳动力成本有一定的影响，但Han和Zhang[34]发现这种影响是有限的。张杰和何晔[35]则认为人口老龄化对我制造业的低成本优势产生了重要影响，并且在短期内人口老龄化所带来的劳动力成本上升不会从根本上改变中国制造业的低成本优势，但在长期内这种冲击不容忽视。陆铭等[36]则发现，2003年以来政府开始实行倾向于中西部的土地供给政策造推升了东部地区的工资上涨，造成了劳动力成本提升。王怀民[7]与戴魁早[37]还通过研究表明，实施新劳动法和垂直专业化等因素也会推升劳动力成本。张本波[38]则认为劳动力成本上升是由生活成本上升、需求增长和供给结构性短缺、政府规制和政策调节以及经济全球化等多种因素推动的。

可见，现有文献基于不同视角对劳动力成本问题进行了深入研究，但是并没有文献关注我国高速增长的房地产投资与快速上升的劳动力成本之间的关系。高速增长的房地产投资在我国已经成为国民经济发展的支柱产业之一，如果忽视房地产投资对劳动力成本的影响，不利于对我国劳动力成本上升原因的正确认识，也不利于对我国劳动力成本优势发展情况的认识，因而不利于相关部门对于面临“双重挤压”的我国制造业制定科学合理的具有针对性的经济政策。因此，劳动力成本上升的研究尚需补充和完善。相对于既有文献，本文可能的边际贡献有：(1)构建了房地产投资推升劳动力成本的理论模型并进行数值模拟，拓展了劳动力成本增长的机制研究。(2)实证分析了我国高速增长的房地产投资对劳动力成本的推升效应，并测算房地产投资对劳动力成本的贡献率。(3)为了避免潜在的内生性，我们运用不同的估计方法和数据处理进行稳健性检验，进一步支持了本文的结论。(4)将样本城市按照规模和收入分为不同规模和收入城市，并将房地产投资分为住宅投资和非住宅投资以及市辖区房地产投资和非市辖区房地产投资进行分样本估计并测算不同子样本城市房地产投资和不同类型房地产投资对劳动力成本的推升效应和贡献率。

三、理论模型

(一)家庭

(1)

(2)

式(2)表示代表性家庭效用函数，pt表示日用消费品价格，θh表示住房偏好相对于消费偏好的相对值，反映了代表性家庭对住房的偏好程度；η表示劳动供给跨期替代弹性。其中，代表性家庭i的预算约束条件可由式(3)表示

(3)

(4)

(二)库存

(5)

(三)厂商

(6)

(7)

通过在技术约束条件(6)下最大化厂商利润可以获得代表性厂商房地产投资和职工平均工资的函数关系如下

(8)

(四)比较静态分析

(9)

(10)

现有文献中，经常使用劳动分配率即职工工资与国内生产总值之比表示劳动力成本。国内生产总值主要有三个流向：一是以工资的形式发放给消费主体，二是以资本利得的形式流向投资者，三是以税收的形式流向政府。职工工资在国内生产总值中所占比例越高，意味着劳动力成本越高。因此，式(8)-(10)可以表示为房地产投资与劳动力成本之间的函数关系式

(11)

lct=[qt/θ(1+ω)(η+1)]·homt

(12)

(13)

图1 房地产投资与劳动成本关系(1)

图2 房地产投资与劳动成本关系(2)

注：数值模拟中设定：ρ=1.5，μ=0.4，ω=0.5，η=0.1，θ=1.5，qt=[1,1.2，1.5]，lt=[0.1,0.5,1]。

为了更直观的分析，图1与2通过数值模拟展示了不同房价和劳动数量条件下，房地产投资与劳动力成本之间呈正向线性关系，且随着房地产投资的增加劳动力成本呈上升趋势。通过图1可以看出，房价越高的城市房地产投资对劳动力成本的影响越大。通过图2可以看出，劳动力数量越多的城市房地产投资的对劳动力成本的影响越小。然而，在房价越高的城市，劳动力数量可能越多，因而城市规模可能越大，收入水平也越高。因此，房地产投资对劳动力成本的影响在不同规模和收入水平城市存在差异。基于上述对理论模型的分析，可以得出如下命题：(1)在其他因素不变条件下，城市房地产投资对劳动力成本存在线性的推升效应；(2)不同规模和收入水平城市房地产投资对劳动力成本的推升效应存在差异；(3)房地产投资主要通过住宅投资推升劳动力成本。

四、模型、变量与数据

(一)模型与变量

本文的研究目标是检验在其他因素不变条件下，高速增长的房地产投资是否推动了劳动力成本上升，为此设立如下基准线性回归模型

lnlcit=α+βlninvestit+χlnpgdpit+δlndenit+γlncontrolsit+μi+ηt+εit(14)

模型(1)中，lcit表示城市劳动力成本，使用劳动分配率表示，计算方法为城市职工工资总额与国内生产总值之比；investit表示城市房地产投资水平，使用房地产投资与国内生产总值之比衡量；pgdpit为城市人均国内生产总值，借鉴陆铭等[36]用以控制劳动生产率和收入水平对劳动成本的影响；denit表示就业密度，使用第二、三产业就业人口与城市行政面积之比表示，用以控制城市劳动力数量对劳动力成本的影响；β是主要关注的系数，衡量城市房地产投资对劳动力成本推升效应的大小，也是我们计算房地产投资对劳动力成本贡献率的依据。ηi表示样本城市的非观测个体效应，ηt表示时间效应，εit表示随机误差项。

为了防止存在遗漏重要变量引起的估计误差，我们在实证模型中通过加入城市层面的其他控制变量以削弱系数β估计的有偏程度。借鉴现有文献，将产业结构(industryit)、政府行为(goveit)、金融发展(financeit)、经济开放(openit)和城市公共服务质量(serviceit)等作为控制变量。其中，借鉴梁婧等[41]使用第三产业与第二产业产值之比表示产业结构，使用科技支出与教育支出占城市财政支出之比表示政府行为；借鉴李殊琦等[42]使用城市贷款余额与GDP之比表示城市金融发展水平；使用规模以上外资企业总产值表示对外开放水平；使用城市医疗卫生条件表示城市公共服务质量。

为了便于研究变量之间的关系并削弱异方差对估计结果的影响，在回归时对模型(14)中的所有变量采用自然对数形式。考虑到房地产投资和劳动力成本之间的关系可能受到某些不可观测因素的不良影响，本文控制了不随时间变化且无法被观测到的城市异质性特征和随时间变化且不被观测的因素，分别使用城市虚拟变量和时间虚拟变量予以控制。

(二)数据说明

本文使用的数据来自2004-2014年《中国城市统计年鉴》，我们使用年鉴中全市和市辖区的统计数据，市辖区包括城区和郊区的城市主体区域，全市不仅包括市辖区而且包括市辖区以外的县和乡镇区域。《中国城市统计年鉴》中共包含287个地级及地级以上城市，由于样本期间有些城市存在数据缺失，为了保证数据的平衡性，删除了数据存在缺失严重的城市，最终整理出包含除西藏之外的30个省、自治区和直辖市的265个地级及地级以上城市数据，其中有4个直辖市、15个副省级城市和246个地级城市。按照城市发展水平划分，共包含30个高收入城市、66个中等收入城市和189个低收入城市；按照城市规模划分，共包含101个大型城市、79个中型城市和103个小型城市。描述性统计如表1所示。

表1 描述性统计

为了直观起见，图3与图4分别描述了反应不同规模和不同发展水平城市房地产投资与劳动力成本关系的散点拟合图。从图中不难发现，不同规模和收入城市房地产投资与劳动力成本均呈正相关关系，这意味着不同规模和收入水平城市房地产投资均会为劳动力成本产生推升效应，但是不同规模和收入水平城市房地产投资对劳动力成本的推升效应存在差异。这为本文的理论命题提供了初步的经验支撑。当然，更严谨的估计结论还有待通过严格的计量分析才能获知。

图3 房地产投资与劳动力成本关系(1)

图4 房地产投资与劳动力成本关系(2)

(一)基准估计

为检验城市房地产投资对劳动力成本的推升效应，本文使用面板普通最小二乘法对模型(14)

进行估计。估计结果列于表2。为了检验结果的稳健性，在回归模型中逐步加入控制变量。表2列(1)未加入控制变量，列(2)加入部分控制变量，列(3)进一步控制年份和城市虚拟变量。为了克服各城市间可能存在而又无法识别的异方差，列(4)使用稳健标准差估计。因此，我们使用列(4)的结果作为基准估计。表2结果显示，在逐步加入控制变量和使用稳健标准差估计后，城市房地产投资对劳动力成本的影响逐渐缩小，但是仍然在1%显著性水平上显著，表明估计结果是稳健的。结果还显示，城市房地产投资对劳动力成本的影响弹性为0.042 4，表明城市房地产投资每增长1%劳动力成本将增长0.042 4%。这意味着，城市房地产投资确实推动了我国城市职工工资增长超过了国内生产总值的增长，这表明房地产投资确实推动了劳动力成本上升。

表2 基准估计

注：***、**、*分别表示1%、5%、10%显著性水平。

表3 房地产投资对劳动成本的影响：内生性处理与稳健性检验

注：***、**、*分别表示1%、5%、10%显著性水平。

然而，由于城市房地产投资对劳动力成本的边际效应只是反映了城市房地产投资对劳动力成本的影响是否显著以及边际弹性的大小，无法揭示城市房地产投资对劳动力成本影响的相对贡献率，即房地产投资能够解释劳动力成本上升程度。因此，运用表2列(4)的估计结果，在城市房地产投资影响劳动力成本的边际效应基础上进一步测算房地产投资对劳动力成本影响的相对贡献率。测算结果位于表1列(4)，结果表明城市房地产投资对劳动力成本的实际贡献率为22.84%，表明城市房地产投资对劳动力成本的影响是劳动力成本增长的主要因素。这进一步表明，城市房地产投资会促使城市职工工资增长速度超过国内生产总值，即城市房地产投资确实推动了劳动力成本上升。

(二)内生性处理与稳健性检验

为了进一步增强对估计结果的信心，进行如下的稳健性检验：(1)使用固定效应模型消除不随时间变化的城市特征变量对劳动力成本的影响，克服克服异质性城市特征变量对估计结果造成的负面影响。(2) 使用核心解释变量的滞后一期作为当期值的工具变量，运用两阶段最小二乘估计(2SLS)解决联立偏差导致的内生问题；(3)引入工资水平的一期滞后项控制劳动力成本前期对当期的影响的使用差分GMM进行估计，以消除掉遗漏不随时间变化的变量和个体非观测效应的影响并消除反向因果关系[43]；(4) 使用稳健的M估计方法克服样本数据存在离群值或不服从独立同分布以及随机误差项不服从正态分布时导致的估计偏差；(5) 在1%和99%分位点上对数据进行缩尾处理，以控制离群值对估计结果产生不良影响；(6)借鉴李平和许家云(2011)[44]采用“对中”法来降低变量间的多重共线性程度。上述稳健性检验结果如表3所示：城市房地产投资对劳动力成本的影响弹性系数在1%显著性水平上为0.04左右，表明城市房地产投资对劳动力成本的推升效应是稳健的。

六、拓展分析

为了进一步检验不同规模和收入水平城市房地产投资对劳动力成本推升效应的差异以及房地产投资影响劳动力成本的渠道，进行分样本拓展分析。

(一)分城市规模估计

为检验不同规模城市房地产投资对劳动力成本的推升效应，将样本城市划分为大型、中型和小型等三种不同规模城市对模型(14)重新估计。估计结果如表4所示：不同规模城市房地产投资对劳动力成本的影响弹性在1%显著性水平上存在显著差异，大型城市房地产投资对劳动力成本的推升效应最大，中型城市次之，小型城市最低，从而证实了命题2的正确性。其原因是城市规模越大则经济系统越复杂，房地产行业涉及面越广，上下游行业关联越复杂，使得房地产行业投资对工资增长的拉动效应越大，因而房地产投资对劳动力成本的推升效应也越大；相反，城市规模越小则经济系统越简单，房地产行行业上下游关联越少，从而使得房地产投资对劳动力成本的推升效应越小。

然而，房地产投资对劳动力成本的影响弹性系数并不代表房地产投资对劳动力成本增长的相对贡献率。表4给出了我们根据回归结果计算的不同规模城市房地产投资对劳动力成本的贡献系数。结果显示，城市规模越小则房地产投资对劳动力成本的相对贡献率越大，大型城市、中型城市和小型城市房地产投资对劳动力成本的贡献率分别为23%、26.35%和686%，表明房地产投资在劳动力上升过程中具有重要的贡献，也表明中小型城市经济系统简单，房地产行业上下游关联性较弱，房地产在经济系统中的作用相对重要性越高。小型城市房地产投资对劳动力成本的相对贡献率为686%，不仅说明小型城市经济增长主要依赖于房地产投资的推动，还意味着小型城市经济增长是粗放型的，其技术进步等因素在经济增长中的作用很小。

(二)分城市发展水平估计

为了检验不同收入水平城市房地产投资对劳动力成本的推升效应，我们将样本城市分为高、中、低等三种不同收入水平城市重新估计模型(14)。估计结果如表4所示：不同收入水平城市房地产投资对劳动力成本的影响弹性在1%显著性水平上存在差异，高收入城市房地产投资对劳动力成本的推升效应最大，房地产投资增加1%会推动劳动力成本增长0.127%，中低收入城市房地产投资的劳动力成本效应相对较小，房地产投资的劳动力成本推动弹性效应小于0.05%。其原因是收入水平越高的城市越能够吸引更多的人才，也因此具有更高的生产效率，不仅会提升职工工资增加，而且也会增加对房地产投资的需求，由于上下游关联特征，从而会在更大程度上推升劳动力成本。

表4 分城市规模和收入水平估计

注：***、**、*分别表示1%、5%、10%显著性水平。

表4给出了根据回归结果计算的不同收入城市房地产投资对劳动力成本的贡献率。结果显示，城市收入水平越高则房地产投资对劳动力成本的贡献率越低，城市收入水平越小则房地产投资对劳动力成本的相对贡献率越大，高、中、低收入城市房地产投资对劳动力成本的贡献率为17.44%、31.12%和28.07%，从而证明了不同收入城市房地产投资对劳动力成本上升的贡献存在差异，而且房地产投资是推动劳动力成本上升的主要因素，这意味着不同收入城市房地产投资确实推动了劳动力成本的上升。其背后的原因主要是低收入城市的经济增长主要依赖于房地产投资，房地产投资成为低收入城市的主要支柱产业，因而房地产投资对劳动力成本的贡献率最大；高收入城市经济增长过程中房地产投资的作用较低，也使得房地产投资对劳动力成本的贡献率较低。

(三)分房地产投资类型估计

为了探究房地产投资推升劳动力成本上升的渠道，将全市房地产投资对劳动力成本的影响分解为全市住宅投资、市辖区房地产投资和市辖区住宅投资对劳动力成本的影响弹性系数。回归结果如表5所示，全市住宅区投资和非住宅投资对劳动力成本的影响弹性分别为0.039 7和0.00 8，而且后者没有通过显著性检验，说明房地产投资对劳动力成本的推升效应主要通过住宅投资产生的。通过对住宅投资和非住宅投资对劳动力成本上升的贡献率我们可以看到，房地产投资对劳动成本的贡献率为13.56%，占房地产投资贡献率22.84%的60%；非住宅投资对劳动力成本的贡献率仅为1.12%，仅占房地产投资贡献率的4.9%。这表明房地产投资主要通过住宅投资而非非住宅投资推动了劳动力成本上升。为了检验结果的稳健性，我们对市辖区房地产投资对劳动力成本的推升效应进行了考察，检验结果表明市辖区房地产投资也是主要通过住宅投资推升了劳动力成本，住宅投资对劳动力成本的贡献率为15.15%，占到房地产投资贡献率的70%，从而证明了估计结果的稳健性。

表5 分房地产投资类型估计

注：***、**、*分别表示1%、5%、10%显著性水平。

七、结论与政策建议

本文通过构建一个关于城市房地产市场投资与劳动力成本关系的理论模型，阐述了房地产投资推动劳动力成本上升的理论机制，并以我国2003-2013年265个城市面板数据为样本，对城市房地产投资的劳动力成本推升效应进行了实证检验。

研究发现：(1)城市房地产投资对劳动力成本存在显著的推升效应且房地产投资对劳动力成本的平均贡献率达到20%以上。(2)不同规模和收入水平城市房地产投资对劳动力成本的推进效应存在差异，规模越大、收入越高城市房地产投资的劳动力成本推升效应越大，但对劳动力成本上升的相对贡献率越小。(3)城市房地产投资对劳动力成本的推升效应主要通过住宅投资实现的，非住宅投资推动劳动力成本提升的贡献率相对较小。实证结果意味着，我国劳动力成本上升在相当大程度上是由房地产投资推动的，这对于相关部门正确认识我国劳动力成本上升的原因，规避劳动力成本上升的负面效应具有重要意义。

本文研究结论具有重要的政策启示：第一，加快调整供给方面的结构性改革，加快淘汰“僵尸企业”，不断推进科技创新，推动技术进步，并加强人口流动，提升全社会劳动生产率，推动资本和技术对劳动的替代；第二，出台房地产市场调控措施，强化房地产投资特别是住宅投资的平稳增长，加大房地产市场去杠杆和去库存的力度，抑制投机性需求和房地产泡沫，实现房地产市场特别是住宅市场供需平衡；第三，加快城市技术创新和技术进步，走发展大型城市和特大型城市之路，实现城市集约化增长，抑制低收入城市和小型城市粗放型经济增长。

本文仍存在一些不足。第一，由于数据限制，我们无法检验城市房地产投资对具体行业劳动力成本的影响；第二，房地产投资对劳动力成本的影响可能存在基于某些因素的门槛效应，限于篇幅，没有进行逐一分析。在后续研究中我们将对此进行深入研究。

[1]丁平. “中国制造”的成本优势真的丧失了吗[J].经济学家,2013(5):14-20.

[2]董新兴,刘坤.劳动力成本上升对企业创新行为的影响——来自中国制造业上市公司的经验证据[J].山东大学学报(哲学社会科学版), 2016(4):112-121.

[3]文建东,林珊珊.中国劳动力成本上升与国际资本转移[J].江汉论坛,2015(5):15-21.

[4]魏浩,李翀.中国制造业劳动力成本上升的基本态势与应对策略[J].国际贸易,2014(3):10-15.

[5]王燕武,李文溥,李晓静.基于单位劳动力成本的中国制造业国际竞争力研究[J].统计研究,2011,28(10):60-67.

[6]陈雯,孙照吉.劳动力成本与企业出口二元边际[J].数量经济技术经济研究,2016(9):22-39.

[7]王怀民.加工贸易、劳动力成本与农民工就业[J].世界经济研究,2009(1):15-18.

[8]林炜.企业创新激励:来自中国劳动力成本上升的解释[J].管理世界,2013(10):95-105.

[9]姚先国,曾国华.劳动力成本的激励效应与合理区间[J].经济学家, 2012(8):26-33.

[10]魏浩,郭也.中国制造业单位劳动力成本及其国际比较研究[J].统计研究,2013,30(8):102-110.

[11] Ceglowski J, Golub S. Just how Low are China's LabourCosts[J]. World Economiy,2007,30(4): 597-617.

[12]耿强,付文林,傅坦,劳动力成本上升对中国通货膨胀的影响——基于开放NKPC框架的实证研究[J].财贸经济,2011(3):110-115.

[13]Fang C,Yang D.Wage Increases, Wage Convergence, and the Lewis Turning Point in China[J].China Economic Review,2011,22(4):601-610.

[14]张国庆,林玳玳.劳动报酬的提高必然降低我国劳动力成本优势吗——基于2002年以来我国制造业的数据分析[J].宏观经济研究,2016(9):100-105,129.

[15]姚先国,钱雪亚.中国低劳动成本优势再认识[J].广东社会科学,2013(3):5-17.

[16]周宇.中国是否仍然拥有低劳动力成本优势[J].世界经济研究,2014(10):3-33.

[17]马飒,黄建锋.劳动力成本上升削弱了中国的引资优势吗——基于跨国面板数据的经验分析[J].国际贸易问题,2014(10):110-120.

[18]Erin L, Judith B. Labor Costs of Manufacturing Employees in China: An Update to 2003-04[J]. Monthly Labor Review,2006,129(11):40-45.

[19]Yang D T，Chen V W，Monarch R. Rising Wages: Has China Lost its Global Labor Advantage[J]. Pacific Economic Review, 2010,15(4) :482-504.

[20]刘厚俊,王丹利.劳动力成本上升对中国国际竞争比较优势的影响[J].世界经济研究,2011(3):9-13.

[21]Li H, Li L, Wu B, et al. The End of Cheap Chinese Labor[J]. Journal of Economic Perspectives, 2012,26(4):57-74.

[22]贺聪,尤瑞章,莫万贵.制造业劳动力成本的国际比较研究[J].金融研究,2009(7):170-184.

[23]冯伟,邵军,徐康宁,市场规模、劳动力成本与外商直接投资:基于我国 1990—2009 年省级面板数据的研究[J].南开经济研究,2011(6):3-20.

[24]吴要武.产业转移的潜在收益估算—一个劳动力成本视角[J].经济学(季刊),2013,13(1):373-398.

[25]赵西亮,李建强.劳动力成本与企业创新——基于中国工业企业数据的实证分析[J].经济学家,2016(7):41-49.

[26]席建成,孙早.劳动力成本上升是否推动了产业升级——基于中国工业断点回归设计的经验证据[J].山西财经大学学报,2017,39(5):39-53.

[27]任志成,戴翔.劳动力成本上升对出口企业转型升级的倒逼作用——基于中国工业企业数据的实证研究[J].中国人口科学,2015(1):48-58.

[28]原小能,唐成伟.劳动力成本、交易成本与产业结构升级[J].浙江大学学报(人文社会科学版),2015,45(5):133-143.

[29]阳立高,谢锐,贺正楚,韩峰,孙玉磊.劳动力成本上升对制造业结构升级的影响研究[J].中国软科学,2014(12):136-147.

[30]肖尧,杨校美.劳动力成本与工业结构调整的统计检验[J].统计研究,2016,33(11):49-55.

[31]程晨,王萌萌.企业劳动力成本与全要素生产率——“倒逼”机制的考察[J].南开经济研究,2016(3):118-132.

[32]张文朗,韩高峰.中国劳动力市场发展对劳动力成本的影响[J].金融研究,2013(7):1-15.

[33]Gaofeng H,Wenlang Z. How have Labour Market Developments Affected Labour Costs in China[J]. The World Economy 2015,38(9): 1387-1408.

[34]Han G, Zhang W. How have Labour Market Developments Affected Labour Costs in China[J]. The World Economy,2015,38(9): 1387-1408.

[35]张杰,何晔.人口老龄化削弱了中国制造业低成本优势吗[J].南京大学学报(哲学人文社会科学版),2014(3):24-36.

[36]陆铭,张航,梁文泉.偏向中西部的土地供应如何推升了东部的工资[J].中国社会科学.2015(5):59-83.

[37]戴魁早.垂直专业化的工资增长效应——理论与中国高技术产业的经验分析[J].中国工业经济,2011(3):36-46.

[38]张本波.我国劳动力成本上升的因素和影响[J].宏观经济管理,2008(8):40-42.

[39]马亚明,刘翠.房地产价格波动与货币政策调控——基于DSGE模型数值模拟分析[J].现代财经,2014(1): 40-50.

[40]范剑勇,莫家伟,张吉鹏.居住模式与中国城镇化——基于土地供给视角的经验研究[J].中国社会科学,2015(4): 44-63.

[41]梁婧,张庆华,龚六堂.城市规模与劳动生产率:中国城市规模是否过小?——基于中国城市数据的研究[J].经济学(季刊),2015,14(3):1053-1072.

[42]李殊琦,赵仲匡,海闻.贸易企业“用脚投票”——基于区域金融发展水平不均衡的视角[J].管理世界,2014(7):32-38.

[43]Arellano M, SBond. Some Tests of Specification for Panel Data:Monte Carlo Evidence and an Application to Employment Equations[J].Review of Economic Studies,1991,58(2):277-297.

[44]李平,许家云.国际智力回流的技术扩散效应研究[J].经济学(季刊),2011,10(3):935-964.