劳动力市场一体化发展的时空演变、区域差异及分布动态演进

周正柱,周 鹃

(上海应用技术大学 经济与管理学院,上海 201418)

一、引言

在受新冠肺炎疫情影响和“人口红利”逐渐消失的大背景下,中国经济增长驱动力不足、结构性问题凸显,坚持供给侧结构性改革、深化要素市场化改革及提高要素配置效率,将成为深化“十四五”规划、推动“双循环”新发展格局和促进经济可持续增长的关键突破口[1-2]。一方面,中国要素市场化改革依然滞后,劳动力自由流动严重受阻,劳动力要素配置效率存在很大提升空间,劳动力市场一体化能够再次释放逐渐消失的人口红利;另一方面,劳动力市场分割会阻碍产品、要素市场化改革进程,而劳动力作为关键生产要素,其配置效率的提升不仅能够增强劳动生产率,而且有助于提高其他生产要素的配置效率,进而推动整个市场经济的新增长。为此,2020年4月9日印发的《关于构建更加完善的要素市场化配置体制机制的意见》,强调深化要素市场化体制机制改革,健全劳动力、资本等要素定价体系,矫正要素资源错配失衡问题,提升要素市场一体化水平,从源头上畅通国民经济循环。

现阶段,长三角一体化发展战略已上升为国家战略,要素市场一体化作为区域一体化的重要组成部分,能够提升区域内要素流动自由度,降低进入壁垒,推动区域统一大市场形成。为此,2021年6月出台的《长三角一体化发展规划“十四五”实施方案》,强调进一步破除制约要素跨域流动的体制机制壁垒,畅通市场、资源、技术、人才、资本等经济要素循环。长三角区域要素市场中,劳动力市场化改革滞后于商品、资本市场,且劳动力市场的分割指数较大,这显然有碍于长三角一体化发展;同时经验表明,在区域一体化过程中,以大城市为核心的城市群已成为拉动区域经济增长的重要引擎,城市群劳动力市场一体化发展逐渐成为众多学者的研究重点[3]。因此,在此背景下,深入分析长三角城市群(1)本文“长三角城市群”特指《长江三角洲区域一体化发展规划纲要》中的“以上海市,江苏省南京、无锡、常州、苏州、南通、扬州、镇江、盐城、泰州,浙江省杭州、宁波、温州、湖州、嘉兴、绍兴、金华、舟山、台州,安徽省合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城27个城市为中心区(面积22.5万平方公里)”,其中江苏包括南京、无锡等9个城市,浙江包括杭州、宁波等9个城市,安徽包括合肥、芜湖等8个城市。劳动力市场一体化程度、地区差距及其动态演进趋势,有助于揭示长三角城市群劳动力市场一体化的发展现状与演变规律,对于推进长三角地区劳动力市场协调发展具有重要意义,达到以自己的“小循环”来促进国内“大循环”的战略目标。

关于劳动力市场一体化水平的测度研究,主要包括生产法、贸易流量法和价格法。生产法基于生产角度,通过分析生产效率、产出结构等方面的差异来衡量劳动力市场一体化水平,但其在逻辑上不足以准确说明指标与市场一体化的关系[4]。贸易流量法根据贸易流量规模评判市场一体化程度,区域间贸易量增加意味着市场一体化程度提升,但难以剔除规模利益和资源禀赋对贸易量变化的影响[5]。随着研究的深入,无论是生产法还是贸易流量法都存在弊端。而价格法包含的信息量更大,价格变动与市场一体化直接相关,通过价格变动,既能考察产品市场一体化程度,又能测算劳动力、资本等要素市场一体化程度[6]。在此基础上,相对价格法不仅能够直接观察时序变化情况,而且考虑了劳动力异质性特征,能够综合不同部门、不同行业测算出不同地区、不同类型劳动力市场的一体化水平,因而备受青睐。

关于劳动力市场的时空分布及地区差异研究。例如,陈红霞和席强敏、陈立泰等利用绝对平均偏差方法衡量劳动力市场一体化发展的地区差距,前者研究发现京津冀劳动力市场分割程度呈现扩大化,且北京的分割程度最大,天津次之,河北最轻;后者研究发现长江经济带劳动力市场分割程度呈现“长三角地区>中三角地区>成渝地区”的分布差异[7-8]。王莹莹和童玉芬从空间分布视角入手,研究发现上海劳动力市场一体化水平呈现由中心向外围递减的演变规律[9]。王海南和崔长彬基于所有制视角,研究发现京冀劳动力市场一体化程度最高、京津次之、津冀最低。上述研究揭示出地区间劳动力市场发展存在一定的空间非均衡性[10]。

综上所述,现有的关于劳动力市场一体化研究已较丰富,为本文提供了借鉴与启发,但仍存在以下不足:第一,现有的研究多是基于三省一市层面,而以长三角扩容后城市群27个城市为研究对象,探讨劳动力市场一体化水平的时空演变问题较少。第二,现有研究多运用标准差、绝对平均偏差、变异系数等方法测算区域劳动力市场一体化差异,这些方法存在代表性差、滞后性及片面性等缺点,未能精细化测算区域差异。而Dagum基尼系数不仅能够测算地区差距,进一步分解地区差距及来源,而且还能解决样本间的交叉重叠问题。第三,现有的研究还停留在时序变化的静态演进分析,缺乏动态演进分析,难以全面揭示劳动力市场一体化的静动态演变特征。而关于区域变量分布动态演进,其中分布动态法是学术界最常用的方法,主要包括核密度估计和Markov链估计[11-12]。鉴于此,本文在利用相对价格法对2005—2019年长三角城市群劳动力市场一体化水平进行测度的基础上,采用冷热点分析描述劳动力市场一体化程度冷热区域的空间分布状况,并借助Dagum基尼系数方法揭示劳动力市场一体化水平的区域差异及来源,同时运用Kernel密度估计、Markov链等非参数估计模型进一步刻画其分布动态演进规律,以全面深入阐释长三角城市群劳动力市场一体化程度的空间非均衡性及分布动态特征,为推动城市群劳动力市场协同发展提供决策依据。

二、劳动力市场演变机制:分割走向一体化

新古典理论强调竞争性,认为劳动力市场是完全竞争市场,劳动力供需通过工资自由调节达到平衡,不同劳动力市场最终形成统一的工资率。但这与现实相悖,新古典理论难以有效解释20世纪50—60年代美国劳动力市场中普遍存在的工资差距扩大、失业、歧视等问题,由此产生的新制度经济学派强调非竞争性,这种非竞争性表现为劳动力市场分割。1971年Doeringer和Piore提出了劳动力市场二元分割理论,强调劳动力市场存在主次之分,揭开了现代劳动力市场分割理论的序幕[13]。随着社会进步,经济发展催生了劳动力迁移,劳动力迁移理论在发展经济学中十分重要。其中刘易斯(Lewis)模型和托达罗(Todaro)模型最具代表性,两者都基于劳动力市场二元分割假设,提出劳动力转移能够缩小地区工资差距,加快劳动力市场一体化。Rosenbloom以美国为例,实证表明劳动力市场一体化包括地区性、区域性和全国性劳动力市场三个渐进阶段[14]。

中国劳动力市场发育不同于西方市场经济发达国家,是国外劳动力市场分割理论实践的实验室,也是催促劳动力市场分割理论向一体化发展的现实基础。改革开放前,在计划经济体制和户籍制度的双重制度壁垒下,中国劳动力市场接近于完全分割;改革开放后,中国经济由计划经济向市场经济转型,户籍制度和人口流动管控政策逐步松动,促使大量农村劳动力向城市转移,劳动力市场整体分割程度呈下降态势。值得注意的是,此刻市场分割的形式也在发生着动态变化。首先,改革开放初期,城乡二元经济形态是造成中国劳动力市场分割的主因,表现为城乡分割。随着经济发展和户籍制度改革深化,农村劳动力进入城镇的门槛降低,劳动力流动程度提高,城乡分割程度逐步降低,但受二元经济结构和城市化发展影响,城乡分割还将长期延续,并表现为多元分割的基本形态。其次,渐进式改革背景下,体制内劳动力市场的发育相对滞后于体制外劳动力市场,导致中国劳动力市场存在制度性分割[15]。但是随着经济增长和体制改革的深入推进,改革的重点由体制外转向体制内,非公有制经济发展迅速,体制外劳动力市场日渐规范、成熟。同时,政府不断明确自身在要素市场中的职能边界,努力做好“加减法”,促使劳动力市场体制分割逐渐弱化。最后,在这种制度性分割弱化的同时,劳动力市场行业分割开始显现,主要体现在垄断性行业和竞争性行业之间[16]。这是因为随着体制外劳动力市场的逐渐放开,出于政治晋升和经济保增长的考虑,地方政府会对某些行业实施行政垄断,造成行业间工资差距悬殊。但随着要素市场化改革、政企分开以及产业结构优化升级的推进,行业壁垒逐渐被打破,有助于劳动力市场融合。由此表明,中国劳动力市场演变过程衍生出多种形式的市场分割局面,是市场经济快速发展和制度改革滞后形成的阶段产物,但分割中市场性因素与制度性因素此消彼长,而市场经济机制不断强化的事实决定了制度性因素将随着市场经济的成熟逐渐弱化并最终退出历史舞台,劳动力市场分割最终会走向一体化[17]。都阳运用刘易斯转折点论证了劳动力市场跨越刘易斯转折点后将从“二元”向“一元”迈进[18]。同时国内学者进行了大量实证研究,结果表明劳动力市场演变规律确实是由分割走向一体化[19-20]。其由市场分割向一体化演进机制如图1所示。

图1 中国劳动力市场演变机制:分割走向一体化

三、研究方法与数据说明

(一)研究方法

1.相对价格法

相对价格法是目前测算劳动力市场一体化程度使用最为广泛的方法,本文借鉴单爽、周正柱等的做法,采用相对价格法测算长三角城市群劳动力市场一体化水平[21-22]。具体测算步骤如下:

(1)

(2)

(4)按城市进行合并,得到各城市与其他城市之间的劳动力市场分割指数VAR(qit):

(3)

(5)由于市场分割与市场一体化是反向关系,由此可得劳动力市场一体化指数:

(4)

2.冷热点分析

Getis-Ord Gi*统计(冷热点分析)能够避免过度关注低值或高值要素,能够识别具有统计显著性的冷热点区域的空间分布情况,有助于反映长三角城市群劳动力市场一体化程度的空间分布格局。其计算公式为:

(5)

3.Dagum基尼系数及分解方法

Dagum基尼系数方法同时具有精准测算区域差距、分解区域差距及其来源的优点,已广泛应用于测算区域差异[24-25]。其具体计算方法如下:

(6)

(7)

(8)

(9)

(10)

(11)

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

(12)

(13)

(14)

4.非参数估计方法

(15)

(2)Markov链分析。马尔可夫链是一种随机过程,可以反映各城市劳动力市场一体化水平发生相对转移的概率。本文采用Markov链进一步分析,在传统Markov链的基础上纳入城市间空间因素形成空间Markov链,将传统L×L维的转移矩阵分解为(L×L)×L的转移概率矩阵。

(二)数据说明

本文研究对象为长三角城市群的27个城市,行业类型按照各城市统计年鉴资料中19类行业划分标准,同时考虑到年鉴中行业分类在2005年发生了较大调整以及各城市就业人员平均工资数据的可得性,由此本文的研究时段为2005—2019年,运用相对价格法测算得出各城市2005—2019年的劳动力市场一体化指数。本文数据均来源于EPS数据库,部分缺失值从沪苏浙皖三省一市统计年鉴及其各城市统计年鉴补齐。

四、长三角城市群劳动力市场一体化的水平测度及事实描述

(一)时间序列分析

式(1)～(4)测度了2005—2019年长三角城市群劳动力市场一体化程度,表1报告了2005—2019年长三角城市群27个城市劳动力市场一体化水平的测度结果,图2报告了2005—2019年长三角城市群及其各区域劳动力市场一体化水平的变动态势。

表1 2005—2019年长三角城市群27个城市劳动力市场一体化水平的测度结果

图2 2005—2019年长三角城市群及其各区域劳动力市场一体化水平的变动态势

由表1和图2可以得到以下结论:首先,从区域总体层面看,2005—2019年长三角城市群劳动力市场一体化水平呈现2005—2015年逐渐增加、2015年后下降的倒“U”型的演变特征,整体上仍处于上升态势。

其次,从市域个体层面看:一是依据均值,排名前5名的城市是合肥、嘉兴、南通、温州和金华,排名后5名的城市是上海、盐城、滁州、池州和安庆。二是依据具体年份,2005年劳动力市场一体化程度排名前5名的城市是镇江、嘉兴、合肥、南通和扬州,排名后5名的城市是上海、滁州、杭州、台州和安庆。2019年劳动力市场一体化程度排名前5名的城市是嘉兴、合肥、常州、苏州和无锡,排名后5名的城市是芜湖、宣城、滁州、铜陵和安庆。三是依据排名波动情况,部分城市整体上比较稳定,如泰州、温州、合肥、滁州和安庆等,但也有部分城市具有较大的波动性,如宁波由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;无锡由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,表明劳动力市场一体化水平得到提升;芜湖由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;铜陵由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,排名显著下降,表明劳动力市场一体化水平没有得到实质性提升。

最后,从省域层面看,各区域劳动力市场一体化水平总体上呈现“逐渐上升—波动下降”的演变特征,且呈现“浙江9城市、江苏9城市、安徽8城市、上海”的分布特征。比较而言,从劳动力市场一体化指数的平均增速看,上海劳动力市场一体化指数由2015年的3.642上升至2019年的6.490,年均增长5.21%,增长幅度最大;“浙江9城市”劳动力市场一体化指数由2005年的4.819上升至2019年的7.916,年均增长4.28%;“江苏9城市”劳动力市场一体化指数由2005年的5.230上升至2019年的7.507,年均增长2.90%;“安徽8城市”劳动力市场一体化指数由2005年的4.664上升至2019年的6.270,年均增长2.30%,增长幅度最小;“长三角27城市”劳动力市场一体化指数由2005年的4.883上升至2019年7.314,年均增长3.32%。由此可见,一方面,2005—2019年长三角城市群劳动力市场一体化水平总体上呈现倒“U”型的演变特征,其中浙江和江苏省内城市多数增幅较大,且水平较高,而安徽省内城市多数呈现下降态势,且水平较低,反映出长三角地区劳动力市场一体化发展中存在显著的空间非均衡性;另一方面,“安徽8城市”劳动力市场一体化水平及增幅均低于长三角27个城市整体水平,且存在陷入低水平困局的迹象,表明“安徽8城市”劳动力市场有待进一步融入长三角区域。

(二)空间差异分析

Getis-Ord Gi*指数能够揭示出长三角城市群劳动力市场一体化程度冷热区域的空间分布状况。本文借助Arcgis10.8选取观测期始末年分别作图予以展示(见图3),并相应地制成表2。由图3可知,2005—2019年长三角城市群劳动力市场一体化程度空间分布不均衡,尽管城市之间呈现聚集特征,但空间上显著存在极化差异问题。从具体年份来看,2005年,热点区域共有8个城市,其中江苏多达6个城市,且在95%置信水平下热点区域共有4个城市,即热点区域主要集中于江苏省内城市;冷点区域共有10个城市,其中浙江和安徽分别有6个城市和4个城市,即冷点区域主要分布于浙江省内城市和安徽省内城市。到2019年,长三角城市群劳动力市场一体化程度的整体空间格局变化较大,其中热点区域呈现扩大态势,逐渐向上海、宁波、台州和温州等沿海城市扩散,由2005年的8个城市增加至2019年的12个城市,浙江有7个城市进入了热点区域,表明浙江区域劳动力市场一体化水平明显有所提升;同时,冷点区域虽然整体数量上保持不变,但分布区域发生了显著变化,由2005年主要分布于浙江、安徽省内城市演化为主要分布于安徽省内城市,并向江苏扩散,这也表明安徽省内城市的劳动力市场一体化水平并未得到实质性提升,没有赶超邻近地区。另外,值得注意的是,置信度达99%的冷点区域呈现明显收敛趋势,置信度在95%及其以下的冷点区域呈现明显扩散态势,表明中低程度的劳动力市场一体化水平有所提升,但热点区域显著扩大化,体现出长三角城市群劳动力市场一体化发展水平仍然存在空间极化差异。这种区域间劳动力市场一体化发展水平的聚集差异部分可归因于城市的经济发展水平、就业机会等,江浙沪地区经济发展速度快,就业机会多,人口虹吸效应显著,通常是区域劳动力市场一体化发展的热点区域;而安徽经济相对落后,就业机会少,人才流失较严重,往往是冷点聚集区域。

图3 2005年、2019年长三角城市群劳动力市场一体化程度冷热点分布

表2 2005年、2019年长三角城市群劳动力市场一体化程度冷热点区域分类

五、长三角城市群劳动力市场一体化水平的区域差异及分解

本文运用Dagum基尼系数方法测算2005—2019年长三角城市群劳动力市场一体化水平的区域差异并予以分解,具体结果见表3～5。

(一)区域总体差异分析

表3反映了2005—2019年长三角总体层面劳动力市场一体化水平的区域差异及其演变特征。从长三角区域总体层面看,基尼系数分布在0.057 6～0.134 5,存在一定的空间非均衡性特征。从区域差异的变化趋势看,基尼系数总体上呈现“下降—上升”的演变态势,2005年基尼系数为0.134 5,随后逐渐下降到2012年0.057 6的最低点,年均下降率达到7.15%,表明此阶段内劳动力市场发展不均衡的现象有所缓解。2012年之后,基尼系数开始上升,到2019年增至0.107,年均增幅达到6.60%。与前一阶段相比,2012年之后长三角区域劳动力市场一体化发展不均衡现象呈现扩大化,反映长三角地区劳动力市场存在分割现象,可能是因为三省一市在户籍制度、就业政策、人才互认等方面仍存在本位主义思想。

(二)区域内差异分析

表3刻画了长三角城市群劳动力市场一体化水平区域内差异及其演变特征。从均值来看,2005—2019年四大区域劳动力市场一体化水平的区域内差异均值呈现“上海>安徽8城市>江苏9城市>浙江9城市”特征。从演变趋势来看,上海地区劳动力市场一体化水平的基尼系数呈现波动上升态势,区域内基尼系数年均增长率达到24.56%,表明上海地区劳动力市场一体化水平的内部差异在波动中呈现扩大化。“江苏9城市”“浙江9城市”和“安徽8城市”基尼系数均呈现“下降—上升”的变化特征,与2005年基期相比,三个区域的内部差异主要表现为缩小趋势,区域内基尼系数年均下降率约为2.69%、3.18%和1.53%。从波动幅度来看,上海地区和“浙江9城市”的基尼系数波动幅度相对较大,“江苏9城市”和“安徽8城市”基尼系数的变动较为平缓。总之,对比四个区域可以发现,上海区域劳动力市场一体化发展的区域内差异最大,“浙江9城市”最小,表明上海区域内劳动力市场一体化发展不平衡最为严重,而“浙江9城市”劳动力市场一体化发展协同性最好;对于“江苏9城市”和“安徽8城市”

表3 长三角城市群及四大区域劳动力市场一体化水平的基尼系数

而言,“安徽8城市”区域内不平衡更为严重,这可能与皖南、皖北经济发展水平差距过大有关,皖南多数城市隶属于长三角城市群,在经济、就业、社会保障等方面受到的政策照顾要远多于皖北。

(三)区域间差异分析

表4展示了长三角城市群劳动力市场一体化发展区域间差异及其演变特征。总体上,沪—苏、沪—浙和沪—皖的区域间差异主要表现为波动下降态势,而苏—浙、苏—皖和浙—皖的区域间差异则主要呈现出“下降—上升”的演变特征。具体来看,沪—苏和沪—皖的区域间差异在2005—2012年比较接近,但之后沪—皖的区域间差异波动幅度更大,二者区域间差异整体上均呈现收敛态势,与2005年相比,年均下降率分别达到3.47%和2.37%。苏—皖和浙—皖的区域间差异水平大致相当,2015年之后明显呈现扩大化,二者区域间差异水平始终超过其他区域。沪—浙的区域间差异呈现“波动下降—短暂回升”的趋势,区域间基尼系数从2005年的0.147 8下降至2019年的0.119 4,年均下降率约为128%。苏—浙的区域间差异较小,呈现“下降—上升”的演变态势,总体上仍表现为收敛,2019年的区域间差异水平为0.085 6,较2005年年均下降率为2.54%。由此表明,2005—2019年长三角城市群劳动力市场一体化发展区域间差异按降序依次为浙—皖、苏—皖、沪—浙、沪—苏、苏—浙和沪—皖。其中值得注意的是,安徽省内城市与江苏、浙江省内城市的区域间差异较大,而与上海区域间差异较小。其中的缘由可能是,上海作为长三角区域一体化的“龙头”,对安徽地区的扩散效应较苏浙更强,沪皖经济联系程度得到增强。

表4 四大区域劳动力市场一体化水平的区域间基尼系数

(四)区域差异的来源及其贡献

表5揭示了长三角城市群劳动力市场一体化发展区域差异的来源及其贡献。从贡献率来看,首先,区域间差异贡献所占比例最大,总体上呈现波动上升态势,由2005年的24.71%上升至2019年的52.73%,上涨了28.02个百分点,尤其是2014年之后,区域间差异的贡献率显著超过区域内差异和超变密度的贡献率。其次,区域内差异总体上呈现微降态势,区域内差异的贡献率在26%左右,从2005年的30.06%下降至2019年的22.90%,下降了7.16个百分点。最后,超变密度(2)超变密度主要用于识别区域之间的交叉重叠问题,例如“浙江9城市”劳动力市场一体化水平明显高于“安徽8城市”,但“浙江9城市”劳动力市场一体化水平较低的城市可能低于“安徽8城市”劳动力市场一体化水平较高的城市。总体上呈现波动下降态势,从2005年的45.23%下降至2019年的24.37%,下降了20.86个百分点。总之,从分解结果可以发现,区域内差异、超变密度对劳动力市场一体化发展区域差异的贡献较小,区域间差异是造成区域差距的主因。因此,要解决长三角城市群劳动力市场一体化发展的区域差异问题,应当着重从缩小沪苏浙皖四地区域间差距的角度采取有效措施。

表5 基尼系数分解结果

六、长三角城市群劳动力市场一体化水平的分布动态演进

(一)Kernel密度估计

本文采用Kernel密度估计方法对长三角城市群劳动力市场一体化发展地区差距的分布位置、形态以及延展性等方面进行阐述,具体结果如图4～8所示。

图4 长三角城市群整体劳动力市场一体化水平的分布动态

图4所示为长三角城市群劳动力市场一体化发展的分布动态演进图。从分布位置看,核密度曲线中心2005—2013年呈现右移,2013—2019年呈现左移,表明长三角城市群劳动力市场一体化水平总体上呈现先增后降的倒“U”型的非线性特征;从分布形态看,波峰峰值呈现“上升—下降”趋势,波峰宽度主要表现为“缩小—扩大”的演进特征,表明长三角区域劳动力市场一体化发展差距呈现扩大化趋势;从分布延展性看,2015年开始表现出右拖尾现象,2019年分布曲线相较于2015年整体向左移动,左侧拖尾向左延伸,右侧拖尾向右延伸,区域内差距具有扩大化趋势;从波峰数量看,一些年份出现了“主峰+右侧峰”的分布格局,意味着长三角域内存在极化现象,表明长三角域内存在劳动力市场一体化水平相对较高的城市数量增多,以及劳动力市场一体化水平上升较快的城市与上升较慢甚至下降的城市差距变大。

图5所示为上海区域(3)由于上海市单个城市无法进行核密度估计,因此“上海区域”特指前文中所选取的中心城区:徐汇区和杨浦区;半中心区半郊区:浦东新区;郊区:青浦区和奉贤区;共5个区。劳动力市场一体化发展的发布动态演进图。从分布位置看,核密度曲线中心2005—2011年呈现右移,2011—2019年呈现左移,表明上海区域劳动力市场一体化水平呈现先增后降的倒“U”型的非线性特征;从分布形态看,波峰峰值呈现“上升—下降—上升”趋势,波峰宽度主要表现为“缩小—扩大—缩小”的演进特征,与2005年相比,区域内劳动力市场一体化发展差距并未得到有效缩小;从分布延展性看,观测末期存在右侧拖尾现象,区域内差距具有扩大化态势;从波峰数量看,由观测初期的一个主峰、一个侧峰演变为观测末期的一个主峰、两个侧峰,表明上海区域劳动力市场一体化发展呈现较为明显的梯度效应,两极分化现象显著。

图5 上海区域劳动力市场一体化水平的分布动态

图6所示为“江苏9城市”劳动力市场一体化发展的发布动态演进图。从分布位置看,核密度曲线中心2005—2015年呈现右移,2015—2019年呈现左移,表明“江苏9城市”劳动力市场一体化水平呈现先增后降的倒“U”型的非线性特征;从分布形态看,波峰峰值呈现“上升—下降—上升”趋势,波峰宽度主要表现为“缩小—扩大”趋势,表明“江苏9城市”劳动力市场一体化水平的差距呈扩大化态势;从分布延展性看,2015年开始存在右侧拖尾现象,之后右侧拖尾现象减弱,表明区域内差距呈现缩小趋势;从波峰数量看,由观测初期的一个主峰、一个侧峰演变为观测末期的一个主峰,表明“江苏9城市”劳动力市场一体化发展无明显极化现象。

图6 “江苏9城市”劳动力市场一体化水平的分布动态

图7所示为“浙江9城市”劳动力市场一体化发展的发布动态演进图。从分布位置看,核密度曲线中心2005—2015年呈现右移,2015—2017年呈现左移,2017—2019年呈现右移,表明“浙江9城市”劳动力市场一体化水平呈现“上升—下降—上升”的非线性特征;从分布形态看,波峰峰值呈现“上升—下降—上升”趋势,部分年份的波峰宽度有所扩大,但总体差异仍是减少的,尤其是在2015年之后明显收敛;从分布延展性看,2015年存在右侧拖尾现象,之后右侧拖尾现象明显减弱,表明区域内差距显著缩小;从波峰数量看,2019年明显存在多峰形态,主峰左侧出现新侧峰,表明区域内有劳动力市场一体化水平较低的城市崛起,同时主峰右侧又有侧峰,且与主峰较近,表明浙江区域内存在发展相近的“小俱乐部”,这些城市更倾向于在小区域内协调发展。

图7 “浙江9城市”劳动力市场一体化水平的分布动态

图8所示为“安徽8城市”劳动力市场一体化发展的发布动态演进图。从分布位置看,核密度曲线中心2005—2013年呈现右移,2013—2019年呈现左移,表明“安徽8城市”劳动力市场一体化水平呈现先增后降的倒“U”型的非线性特征;从分布形态看,波峰峰值呈现“下降—上升”趋势,部分年份的波峰宽度呈现扩大化,但总体差异仍是缩小的,尤其是在2013年之后明显收敛;从分布延展性看,多数年份存在右侧拖尾现象,2015年后有所减弱,表明区域内差距具有缩小趋势;从波峰数量看,安徽区域在2015年之前,其核密度曲线主要是单峰形态,之后开始出现双峰形态,2019年出现明显多峰形态,观测期内呈现“收敛无分化”向“两极分化”再向“多级分化”演变的态势,区域内显著存在极化现象。

图8 “安徽8城市”劳动力市场一体化水平的分布动态

(二)Markov链分析

为进一步揭示长三角城市群劳动力市场一体化发展的具体转移特征,运用Markov链对劳动力市场一体化发展的动态演进规律进行深入分析。本文将长三角城市群27个城市的劳动力市场一体化水平划分为Ⅰ(小于25%分位数)、Ⅱ(25%～50%分位数)、Ⅲ(50%～75%分位数)和Ⅳ(大于75%分位数)四个等级,分别代表低水平、中低水平、中高水平和高水平,运用Matlab得到了传统与空间Markov链转移概率矩阵(见表6)。

表6 长三角城市群劳动力市场一体化水平的Markov链转移概率矩阵

首先,从传统与空间Markov链转移概率矩阵来看,两个矩阵中对角线上的转移概率均明显低于非对角线上的转移概率,表明长三角城市群劳动力市场一体化水平演变呈现明显的“俱乐部趋同”特征,且跨越式的“俱乐部趋同”可能性均极小,基本上不能实现跨等级转变。其次,两个矩阵中各等级对角线上的转移概率均呈现出低高水平阶段大于中间阶段的演变特征,体现了长三角城市群劳动力市场一体化发展存在“马太效应”,即处于高水平阶段的城市具有一定的稳定性,而处于低水平阶段的城市容易长期陷入低水平困局,致使两极分化问题突出。最后,当考虑空间滞后等级时,等级Ⅰ的稳定概率分别为82.00%、58.30%、60.00%和66.70%;等级Ⅱ的稳定概率分别为75.90%、55.90%、42.90%和52.60%;等级Ⅲ的稳定概率分别为77.80%、50.00%、45.50%和52.80%;等级Ⅳ的稳定概率分别为0、83.30%、87.50%和63.40%。由此得出以下结论:(1)长三角城市群劳动力市场一体化水平受到邻域空间滞后等级的影响,保持原等级不变的概率和不同等级之间转移的概率在传统与空间Markov链转移概率矩阵中均发生了明显变化,表明观测期内长三角地区劳动力市场一体化水平并未达到稳定阶段。(2)当邻域空间滞后类型为Ⅱ时,高水平阶段向下发生转移的概率由21.50%下降至16.70%;当邻域空间滞后类型为Ⅰ时,高水平阶段向下发生转移的概率下降为0,表明低等级邻域滞后类型对高水平阶段城市的负面影响有限,“高水平垄断”现象仍然存在。(3)当考虑邻域空间滞后类型时,低水平阶段向中低水平阶段转移的概率分别为16.40%、41.70%、40.00%和0;中低水平阶段向中高水平阶段转移的概率分别为24.10%、35.30%、35.70%和21.10%;中高水平阶段向高水平阶段转移的概率则分别为11.10%、33.30%、51.50%和19.40%,均呈现出先上升后下降的倒“U”型演进特征,验证了长三角城市群劳动力市场一体化水平演变呈现明显的“俱乐部趋同”现象,即与高等级类型劳动力市场一体化水平地区相邻有助于提升本地区的劳动力市场一体化水平,存在一定的空间正向溢出效应,但对于劳动力市场一体化水平较低的城市,当其与邻域水平差距过大时,这种正向的空间溢出效应会被削弱。

七、结论及政策建议

本文在对2005—2019年长三角城市群27个城市劳动力市场一体化水平测算的基础上,采用冷热点分析和Dagum基尼系数分析了长三角城市群劳动力市场一体化发展的时空格局与区域差距,并采用Kernel密度估计和Markov链非参数模型对长三角城市群劳动力市场一体化发展的动态演进规律进行了估计,结论如下:

(一)结论

第一,长三角城市群劳动力市场一体化水平总体上呈现“逐渐上升—波动下降”的非线性特征,且呈“浙江9城市>江苏9城市>安徽8城市>上海市”的分布特征。第二,长三角城市群劳动力市场一体化发展存在较强的空间集聚态势,热点区域由江苏城市逐渐向上海、浙江城市扩散,冷点区域主要集聚于安徽城市。第三,长三角城市群劳动力市场一体化水平在2005—2019年区域差距呈现“缩小—扩大”的演进态势,上海区域内差距最大,“浙江9城市”区域内差距最小,近年来区域间差异按降序依次为浙—皖、苏—皖、沪—浙、沪—苏、苏—浙和沪—皖,且区域间差异是总体差距的主要来源。第四,长三角城市群劳动力市场一体化水平演变呈现明显的“俱乐部趋同”与“马太效应”,同时处于高水平地区的劳动力市场一体化发展具有正向空间溢出效应,但对于劳动力市场一体化水平较低的城市,当其与邻域水平差距过大时,这种正向的溢出效应会被削弱。

(二)政策建议

基于此,本文提出以下政策建议:

第一,充分重视劳动力市场发展的空间不均衡问题,强化顶层设计,完善全局视域下的劳动力市场一体化发展机制。一是探索更高规格的长三角政策协同机制。实施“双扶”和“精准扶贫”战略,扶强和扶弱并行,适当加大对劳动力市场一体化水平较低地区的倾斜扶持,以保障各地劳动力市场协同发展。二是强化区域间与区域内的良性互动,增强空间联动性。搭建长三角“跨域、互认、共享”的协作互助平台,促进劳动要素跨域自由流动,提升区域要素资源整合能力及配置效率。三是强化政府履职能力,释放自我发展潜力。深挖造成区域差异的深层次原因,认清发展差距,找准自我定位,最大限度地释放区域经济潜力。

第二,充分发挥区域间协同效应,基于各区域的区位优势,实施因地制宜的劳动力市场一体化水平提升战略。具体而言,“浙江9城市”和“江苏9城市”作为劳动力市场一体化水平较高的地区,要注重高技能人才的发展机制,便利高技能人才跨域流动,以优化产业结构、要素资源配置等方式促进区域劳动力市场一体化向更高水平迈进,最大程度发挥高水平地区的溢出效应;上海应充分发挥其“龙头”带动作用,努力将极化效应转化为扩散效应;“安徽8城市”位于中部地区,劳动力禀赋丰裕,应当提高对劳动力指向型FDI的准入门槛,健全劳动力要素价格体系,发挥外资企业对当地经济增长、劳动力市场协调发展的促进作用。

第三,优化区域要素资源配置,统筹城市群劳动力市场协同发展。优化要素资源的布局及配置,促使劳动力要素跨地域自由流动,实现区域内城市间深度合作。如上海应协调市区劳动资源分布,健全郊区的人才引进与培养机制,以提升区域整体劳动要素配置和使用效率,降低区域劳动力市场分割程度。“江苏9城市”应着力提升区域人力资本结构,南京、苏州等城市着重打造“高教之城”,健全跨域人才使用机制,以人才技术一体化促进劳动力市场一体化。“浙江9城市”应进一步提高劳动力市场产业协同度,嘉兴、宁波等城市着重打造先进制造业产业集群,以产业集群为载体将行政边界模糊化,借此充分发挥扩散效应。“安徽8城市”应加强城市间联系,形成“以点带面”的空间格局,如合肥较域内其他城市在经济、交通、地理方面具有显著的比较优势,要充分发挥其对周边要素资源和人才的辐射带动作用。