京津冀一体化已经上升为国家战略，京津冀地区内部城市间存在的巨大的差距，是其协同发展过程中不容忽视的一个问题。仅就工资水平来看：2016年，北京市的平均工资为122749元，天津为87806元，而河北省11市的平均工资仅为56830元，不足北京市平均工资的一半，这种巨大工资差距背后的原因是什么？是由于人才的空间排序，还是因为大都市的集聚经济？研究清楚工资差距的来源，有助于更好地协调京津冀城市间的关系，从而制定更有利于协同的经济政策。这篇文章以瑞典为例，研究了各城市工资差距的来源，让我们从一个侧面理解大城市工资溢价的原因。

文献来源：Martin Andersson, Johan Klaesson, Johan P Larsson, The sources of the urban wage premium by worker skills: Spatial sorting or agglomeration economies? Papers in Regional Science,Vol. 93, No. 4, May 2014

摘要：本文估计了空间排序和集聚经济在解释不同技能工人城市工资溢价方面的重要性。排序是工资溢价的主要来源，而集聚经济总的来说影响较小，但对于拥有与非例行工作任务相关技能的工人来说，影响更大。集聚经济还涉及人力资本积累，从由人口密集地区迁走的工人的工资变化就可以证明这一点。对于例行工作的工人来说，几乎不存在集聚经济。本文的研究证明了当解决问题和与他人互动很重要的情况下，空间密度才会带来生产力优势。

1.研究背景

空间密度高的城市地区的工人比农村或人口稀少地区的工人挣得更高的工资。Glaeser和Mare(2001)研究称，美国城市工人的工资比非城市工人高出33%左右。Combes等人(2008)研究称，巴黎的平均工资比法国其他大城市高出15%，比中等城市高出35%，比法国农村地区高出60%。这种经验规律性一般被称为城市工资溢价(UWP)。

虽然城市工资溢价被认为是一种普遍现象，但人们对它的来源了解较少，尤其是对于不同技能的工人之间是否存在差异了解更少。本文直接审视这些问题。我们分别对具有不同程度非例行技能工人的城市工资溢价进行了量化，并估计了空间排序和集聚经济在解释每种工人的空间工资差异方面的相对重要性。本文的分析为密度偏向哪种类型的技能提供了实证证据，并分析在哪些背景下集聚是重要的。

最近对于城市工资溢价的研究主要集中在两条主线上。其中一条主线是将密度工资溢价放在中心位置，其中一个主要问题是工人的非随机空间排序和集聚经济各自的重要性。空间分类指的是生产力越高的工人越容易选择人口密集的地区，另一方面，密集地区会提高工人的生产力，例如通过更有效的匹配或由于知识溢出现象而加速的人力资本积累。一个普遍发现是，工人的空间排序是城市工资溢价的主要来源。

另一条主线则关注于员工的不同技能造成的城市工资溢价的大小差异。Bacolod等人(2009)的研究表明，城市工资溢价在不同工人之间不是统一的，而是取决于工人的技能。他们坚持认为，空间工资差异的实证文献将教育水平相同的工人视为技能相同，而并没有涵盖认知、人际和运动技能等技能的水平分化。他们认为，技能的水平维度很重要，因为它可能会影响一个人从环境中学习的能力，以及他从与他人的匹配和互动中获益的程度，也就是他从群体中获益的程度。与此相一致的是，他们的研究表明，享受城市工资溢价的主要是那些从事认知和人际交往能力都很重要的工作的人。

使工人更容易从集聚中获益的技能，不仅应反映在工人有更高的城市工资溢价，而且还应反映在集聚经济是工资溢价来源的重要方面。尽管有一定技能的员工在原则上可能是因为与其他技能类型的员工相比，更有能力的员工对城市区域的自我选择能力更强，但擅于解决问题和与他人互动的员工的学习和匹配能力更强事实上不属于空间分类的范畴。这实际上是强调工人与当地环境之间的互动带来生产率的提高，即集聚经济。这意味着，对于具有解决问题和互动技能的工人来说，集群经济是工资溢价更重要的来源。我们对这个预测进行了检验，从而将解释城市工资溢价的两条主线连接起来。

2.模型构建

（1）数据来源

使用瑞典统计局的雇主-雇员注册数据库。这些数据包括2002年至2008年期间瑞典的所有雇员。虽然数据涵盖了经济的所有领域，但排除了农业、采矿业及所有公共部门的雇员和工人，这就把那些工资由市场果决定的工人和所在行业与自然资源没有直接联系的工人分离开来。由于只对劳动收入感兴趣，所以也排除了主要收入来自于自我雇佣的工人。对于雇员，有诸如教育(长度和专业)、性别、年龄、收入、移民身份、行业和就业规模等数据。

变量及非日常工作的分类

（2）变量

空间密度：许多关于城市工资溢价的研究都是基于二值变量来区分城市密集地区和农村密集地区，或者使用每平方公里的就业数来衡量。不同的是，本文对密度的定义类似于Harris(1954)对市场潜力的度量，分析的基本空间单位是每个工人的雇主所在的瑞典的290个城市。当工人们选择在哪个地方工作时，他们最可能考虑的是综合劳动力市场的特征，这个市场一般由不止一个城市组成。我们可以把一个城市的总密度r看作是城市、区域和区域外的总工资收入可达性的总和：

表示城市r的总工资的城市可达性

表示城市r的总工资的地区可达性

表示城市r的总工资的地区外可达性

工资收入总额反映了经济活动的规模，而经济活动的可达性是我们衡量空间经济密度的指标。距离衰减参数λ对于城市、区域和区域外可达性分别取三个不同的值。这些参数值是Johansson等人(2003) 基于观察到的工人通勤行为，使用双重约束引力模型对瑞典城市估计得到的。

控制变量：本文控制了可能影响工资的工人和雇主特征。经验及其平方项是标准的控制变量，根据之前的文献，我们预计工资会随着经验的增加而增加，但增幅会逐渐减小。受教育年限一般被认为对工人的工资有积极的影响。我们还包括一组反映工人教育专业化的虚拟变量，定义在瑞典的SUN2000分类系统中，共有9个虚拟变量来反映每个工人的教育专业化程度。控制变量还包括了是否为移民和性别，文献中普遍发现，移民的平均工资较低，而男性的平均工资高于女性。任期是劳动力市场分析中的一个重要变量，被认为反映了劳动者和工作场所匹配的质量，我们期望任期与工人的工资正相关。除了任期，我们还包括以前雇主的数量，以及工人是否在t年和t-1年之间调换工作的数据。这两个变量都反映了工人在劳动力市场中寻找合适的匹配，因此我们认为它们与工资之间存在负相关关系。雇佣企业的雇佣规模是决定工资的另一个重要因素。劳动力市场经济学的大量研究表明，大公司支付更高的工资，我们希望企业规模对工资有积极的影响。此外，我们还包括虚拟变量，以考虑工资可能取决于工人所在行业。

非例行工作任务：关于非例行工作任务占比的数据来源于Becker 等人(2009)，总体情况是，科学类、工程类和企业管理类职业的非例行工作任务所占比例最高。与农业、渔业、采掘部门和较简单的运输服务有关的职业非例行工作任务所占比例最少。非例行性工作占很大比例的职业也是认知和人际技能很重要的职业。

（3）模型方法

基本模型：

其中，为t时间在城市r工作的个人i的工资收入。是本地劳动力市场的虚拟变量，用于捕获特定于区域的影响，是时间的虚拟变量，用于解释一般的商业周期影响，其交互项解释了同一时间同一地区劳动力市场内所有工人所承受的任何特定冲击。Z是控制变量矩阵。

（4）计量结果

Table5列出了瑞典所有私营部门工人工资的回归结果。从左边开始，前三列是混合OLS估计，最后两个是具有工人固定效应的面板估计。城市和区域密度的影响在所有估计中都是显著为正的，在人口密集的地区，工人的收入更高。因此，重要的不仅是市政当局的人口密度，而且是工人所在的更广泛的当地劳动力市场区域的人口密度。这符合预期，因为劳动力市场区域代表着一体化的劳动力市场，并由相互作用密切的城市组成。区域外人口密度的影响是显著负的，这表明劳动力市场周边地区的增长将对该地区的工资产生负影响。

未加入控制变量的城市和区域的工资密度弹性分别为0.03左右。工资密度弹性对可观察到的工人特征也不敏感，仅从0.03略微下降到0.02左右。这表明，根据基本可观察到的工人和雇主特征对工人进行空间分类，并不是工资密度关系的重要来源。

当用工人固定效应来控制工人的异质性时，工资密度弹性急剧下降。城市和地区的人口密度都从0.03左右下降到0.008。因此，原始OLS估计值几乎是工人固定效应估计值的4倍。这一结果表明，不可观测的工人特征的空间排序是工资密度关系的重要来源。加入控制变量后，工资密度弹性仍为较小但显著为正，说明存在较小的集聚效应，排序效应应占主导地位。

本文的主要目的是检验工资密度溢价的大小和来源是否在不同技能的工人之间存在差异。我们将员工分成两组:一组从事高比例的非例行工作，另一组从事低比例的非例行工作。Table6报告了高比例非例行工作的工人结果：

结果与Table5相似。城市和区域密度的OLS估计值约为0.03，而区域外密度为负(虽然不显著)。对控制了可观察到的工人和雇主特性后，城市和区域密度的估计降低到约0.02。对于从事非例行工作的人来说，空间排序效应也占主导地位。在原始模型中包含工人固定效应大大降低了估计的工资密度弹性。对于城市和区域密度，原始OLS和具有工人固定效应的模型之间的差异几乎是4倍。

Table7显示了从事非例行工作较少的工人的估计结果。第一个明显的结果是，原始OLS估计表明，对于低比例的非例行工作的工人，不存在或存在负的工资密度关系。城市密度的估计系数为负且显著，而其余密度为正但不显著。因此，没有明确的结果表明从事这些工作的工人在人口密集的地区赚得更多。相反，在人口密集的城市从事例行工作的工人，收入似乎低于农村地区的工人。

Table5-7的结果显示了集聚经济的证据，即在控制了工人的异质性后，显著的工资密度弹性仍然存在。但是，这种工资密度弹性的存在并不能说明集聚经济的类型。为了进一步探究结果，本文还估计了搬离人口密集的大都市地区的工人的工资溢价。如果人口密度促进了人力资本积累，这意味着离开人口密集的集聚地区后，工人仍可获得利益。

Table8给出了是否离开大都市的虚拟变量的估计系数，并分别对所有工人以及从事高、低非例行工作的工人给出了结果。结果表明，人力资本积累在工人离开聚集区后仍然存在，此外，这些影响似乎对从事非例行工作的工人尤其强烈。

3.结论

本文的主要结论是，在不同的工人和工作中，集聚所带来的效益是不同的。在解决问题和与他人进行互动非常重要的情况下，集聚产生生产力收益，集聚经济是非例行工作工人工资溢价的重要来源。在人口密集的地区，与非例行工作任务相关的技能会得到更好的回报，而对于从事例行工作的工人来说，集聚经济几乎不存在。

从广义上说，这些结果强调了大城市区域成为创新环境的理念。长期以来，关于地理创新的文献一直认为，城市对创新更重要，但本文提出的基于微观的证据，直接解决了哪些技能和工作任务在集群中得到更好的回报的问题，提供了对这些问题的更好的理解。毕竟，创新过程本质上是与员工的技能以及他们的工作和任务的性质联系在一起的。

关于空间工资差距的来源，我们的分析与越来越多的证据一致，即在解释空间工资差距方面，你是谁比你住在哪里更重要。人口密集地区的工人收入较高的主要原因很简单，那就是他们与农村地区的工人不同。对长期未观察到的工人异质性进行空间排序是密度工资溢价的主要来源。

作者：南开大学经济与社会发展研究院区域经济学2018级博士生 冯粲

核稿：周玉龙 编辑：刘萌