城市密度对劳动生产率的影响 — — 来自泰国主要城市的经验证据

No. 519 城市密度对劳动生产率的影响 — — 来自泰国主要城市的经验证据 Saowaruj RATTANAKHAMFU泰国可持续发展创新政策研究主任研究所(TDRI)Naparit CHANTAWASINKUL泰国发展研究所 (TDRI) 研究员：泰国发展研究所 (TDRI) 研究员Warakorn AWUTPANYAKUL泰国发展研究所 (TDRI) 研究员Natcha YONGPHIPHATWONG泰国发展研究所 (TDRI) 研究员 June 2024 Abstract:本研究调查了城市密度与生产力之间的关系，特别是在调整了省级价格差异后的工资情况，具体研究了泰国四个主要城市的状况：曼谷、清迈、孔敬和宋卡。利用ArcGIS对Khon Thai 4.0数据进行分析，将城市密度定义为每个网格单元内的居民数量，并采用两阶段最小二乘估计方法来解决内生性问题。 我们的研究发现，更高的城市密度会导致个人每小时工资在5%的显著性水平上增加8.9%。这支持了密集的城市区域通过集聚经济和知识溢出效应促进生产率提升的观点。此外，我们还观察到教育、年龄和性别对工资的预期影响。更高的教育水平与工资增加8.2%相关，突显了其对劳动力生产力的影响。年龄表现出倒U型关系，表明经验和技术技能的发展会在某个阈值内导致更高工资。男性工人的工资比女性工人高约5.83%，揭示了性别工资差距的存在。 此外，我们的分析揭示了高城市密度对技术工人和非技术工人影响的对比效果。技术工人的工资显著增加了15.2%，而对非技术工人的影响则相对较小，约为1.8%。另外，教育对技术工人和非技术工人的高工资贡献也起到了重要作用。 这项研究为提高劳动生产率和解决城市问题提供了有价值的政策启示。泰国的发展挑战。 关键词： 城市发展 ； 城市密度 ； 劳动生产率 ； 工资差异JEL 分类： J24; J31; O15; R11; R12 1. Introduction 众所周知，大城市能够通过产业集聚或城市化经济提高工人的生产率和工资。具体而言，城市化经济是指在城市区域内由于学习效应和更优匹配而产生的外部规模经济。在发达国家，城市密度翻倍可使当地生产率提高4%至8%，而在发展中国家，这一比例可达到约12%至19%（Combes et al., 2010；Grover et al., 2021）。然而，关于城市与生产率的研究必须处理选择偏差的问题，因为更有能力的工人倾向于自选生活在大城市中。大多数实证研究通过使用工具变量或工人固定效应来应对这一问题。 泰国根据Zipf定律的等级-规模分布出现了不平衡现象，如图1所示。图表显示泰国最大城市与第二大城市之间的人口显著下降，这可能意味着该城市由于城市化和局部经济优势吸引了人口或劳动力。1尽管城市地区为工人之间的知识溢出提供了更好的机会，但人口密集的城市可能会导致交通拥堵和污染（Shen et al., 2019）。以泰国为例，曼谷作为一座首邑城市，其交通拥堵和污染问题尤为严重，这是国家和地方政府正在努力解决的关键问题之一。曼谷是世界上最拥堵的城市之一，排名第32位。nd根据 INRIX 排名 ， 2022 年在 991 个城市中。2就污染而言 ， 它也是全球最高的 ，排名第 1, 247 位th根据 IQ Air 的数据 ， 2022 年在 7323 个城市中。3 本文旨在调查大城市对泰国主要城市工资差距的影响。具体而言，它探索了城市密度是否能够提升劳动生产率，这种生产率通过调整曼谷与其他主要城市之间价格差异后的工资来近似表示。 为了回答上述问题，我们使用了ArcGIS对Khon Thai 4.0的调查数据集。该数据集使我们能够分析曼谷、清迈、孔敬和宋卡等城市中就业情况、技能发展、邻里宜居性、对城市设施的可达性、生活方式以及当地居民的社会经济状况。有趣的是，与市政区域内的居民数量不同，此数据集中的城市密度是以每个网格单元（2x2平方公里）内的居民数量来衡量的，并通过GIS数据估计每个网格单元内农村和城市地区的利用率。 本文结构如下：第2节提供了关于城市密度如何影响劳动生产率的文献综述。第3节详细介绍了研究中使用的方法和数据。第4节呈现了实证结果及其后续讨论。最后，第5节总结研究发现并提出政策建议。 2. 城市密度与劳动生产率的文献综述 根据Eberts和McMillen（1999）的研究，城市化经济效应发生在经济优势不仅限于个别企业和行业时。马歇尔（1920）指出，集聚经济的优势主要由三个因素构成：一个由专门技能工人组成的集中劳动力市场、技术溢出效应以及获得专业化投入和服务的便利性。为了研究城市规模对工资的影响，一个关键假设是在竞争市场上，工资反映了劳动的边际生产力。此外，还假定在更生产性的地点工资更高（Rosenthal和Strange，2004）。高工资可以通过更高的生产力来抵消，这一观点也得到了Glaeser和Mare（2001）的支持。由于工资数据的可用性，工资方法在这些研究中受到青睐。 然而，研究城市规模与工资之间的关系时必须在估计工资方程时解决选择偏差的问题。城市规模可以是一个内生变量，因为具有较高能力的人倾向于自选择并定居在更大的城市中，从而导致能力偏差。因此，有必要控制影响工资的个体之间不可观察的差异。如果大城市的高工资主要是由于它们吸引了更多有能力的工人，那么在大城市观察到的工资溢价的很大一部分可以归因于不可观察的技能。为了解决这一问题，一些研究大城市城市工资溢价的技术包括在工资回归分析中引入个体固定效应或滞后解释变量，以及通过两阶段最小二乘法（TSLS）方法应用工具变量。例如，Glaeser和Mare（2001）通过在回归分析中加入工人固定效应来解决能力偏差问题。他们的研究结果表明，美国（US）大城市的工资溢价范围从4.5%到11%不等。他们还通过比较最大城市中长期居民和近期移民的工资来测试选择偏差。结果显示，大城市的居民享有更大的城市工资溢价，这表明生产力提升来自于生活在城市本身，而不是移民本身的特征。这表明城市有助于提高工人的生产力。 实证研究已经开展了关于城市密度与生产率之间关系的考察，具体以工资水平为衡量标准。这些研究的结果呈现出复杂的情况。一方面，一些研究，如Combes等（2010）、Echeverri-Carroll和Ayala（2009）以及Yankow（2006）表明，劳动力生产率与城市密度之间存在正相关关系。另一方面，Shen等（2019）的研究发现，城市密度与生产率之间的关系可能呈现倒U型曲线。 结果是人口密集的城市，通过诸如交通拥堵、污染和公共资源不足等多种问题，导致生产率与城市规模之间存在负相关关系。 为了估计城市工资溢价对大城市工资的影响，大多数研究在工资回归中纳入了基本的个体观察特征，如教育、工作经验和工龄（Morikawa, 2011；Ahrend et al., 2014；Kompa and Witkowska, 2018）。 Starting with the education factor, Pereira and Martins (2004) 使用供给和需求的概念解释了教育与工资之间的关系。教育水平的提高导致熟练劳动力供应的增加。由于企业和社会需要具有更高资格和技能的劳动力，需求也随之变化，通过劳动力供给和需求的变动确定不同的劳动价格。Alsulami (2018)、Morikawa (2011) 和 Wannakrairoj (2013) 发现了教育和个人工资之间存在正相关关系。受过较高教育水平的劳动力有更高的被雇佣并获得在职培训和知识的机会，从而提高个人技能和生产效率。 劳动年龄和工作经验也会影响劳动生产率的水平。然而，先前的研究得出了不同的结论。Lazear（1976）发现工作小时数与工资之间存在正相关关系；而Aubert和Crépo（2006）则发现，以工资衡量的劳动生产率在达到一定年龄后保持稳定并有所增加。Majchrowska和Broniatowska（2018）发现，在文职支持工人和经理这两个职业中，50岁以上的员工工资与工龄呈正相关，这可能归因于老年工龄方案。无论如何，Luong和Hebert（2009）指出，年龄和工作经验往往相互关联，因为随着年龄的增长，员工会获得更多的经验。在某些研究中，年龄被用作工作经验的替代指标，由于年龄和工作经验之间的共线性，导致在模型中排除了工作经验。在Wannakrairoj（2013）的研究中，米切尔工资回归模型被用于分析泰国城乡劳动力市场中教育和工作经验对工资的影响。研究结果表明，教育、工作经验和工资之间存在正相关关系，即额外一年的教育或工作经验将导致工资的增加。然而，在泰国，额外一年的教育与工人工资之间的相关性比工作经验的增加更强。 3. 数据和方法 使用Ratanawaraha（2022）提供的Khon Thai 4.0 ArcGIS调查数据，本文研究了城市密度对泰国四个主要城市的个人劳动生产率的影响：曼谷（首都）、清迈（北部主要城市）、孔敬（东北部主要城市）和宋卡（南部主要城市）。2021年，调查覆盖了曼谷的1100户家庭、清迈的850户家庭、孔敬的848户家庭以及宋卡的870户家庭。该数据集包含了受访者就业情况、技能发展、社会经济状况、生活方式、居住区宜居性以及对城市便利设施的可达性等信息。表1突出了Khon Thai 4.0 ArcGIS调查中的几个关键问题。 不同于以往研究中将泰国的城市密度大致定义为省级层面每平方公里登记人口数，我们能够利用这个新的数据集将其细化到更详细的街区级别。如表2所示，每个街区被视为一个2x2平方公里的网格单元，并被分类为10种城市类型。 从大都市中心到非常低密度的农村地区等各类区域。图2展示了2021年泰国四大主要城市的 urbans密度地图概览。 我们的分析基于2021年全年全职就业的1,462名15岁及以上个体的数据。我们构建了一个实证模型来研究工资溢价与城市密度之间的关系，具体表达式如下： ()=α+β1+β2+β3+β4+β5+β6+log生产率ic城市密度icEducationicAgeicAge性别icCityic u2 ic 在上面的等式中 ， log(生产率) 表示每个工人的劳动生产率水平 （i) 在城市c，以按省级物价差异调整的个人小时工资为代理 ，4对于曼谷与其他城市之间的比较。城市密度通过网格单元（2×2平方公里）内的人口数量来衡量，并表示为从最低到最高（1-10）的密度等级。控制变量包括基本观测的个体特征，如教育水平、年龄、年龄平方以及居住城市，以及其他相关因素。 表3展示了研究中使用的关键变量的描述性统计。关于居住条件，数据显示，工人们平均居住在中等城市密度的街区，平均密度水平为6.61，标准差为2.22。该尺度从1（代表农村地区非常低的密度）到10（表示市中心）不等。有趣的是，熟练工人和非熟练工人的城市密度水平相似。在这里，如果工人持有职业证书或更高层次的学历，则被归类为熟练工人；如果持有中等教育或更低层次的学历，或者没有正式教育，则被归类为非熟练工人。 工人平均省级调整小时工资为100.23泰铢。值得注意的是，技能劳工的平均工资为116.01泰铢，而未技能劳工的平均工资较低，为85.62泰铢。 研究中工人的平均年龄为45.11岁。技术工人通常略年轻，平均年龄为40.29岁，而非技术工人则有较高的平均年龄，为49.57岁。就教育水平而言，样本中的工人平均受教育程度为4.22年，范围从0到6年。这表明样本中既有技术工人也有非技术工人，但非技术工人的比例较高。 性别分布 Across 各组相对相似，工人的平均得分为 1.57。 数据还显示，工人的污染水平 邻区相对稳定。根据1至5的评分标准，其中1表示污染非常严重，平均得分为3.54。此外，基于相同的1至5评分标准，所有工人对商业支持中心的访问便利性评分为3.40，表明其可用性中等。 值得注意的是，数据表明样本中的工人很可能居住