外籍与本地劳动者的动态集聚效应——高质量行业、任务与企业经验的作用
文献来源：Niebuhr, A., Peters, J. C., & Roth, D. H. (2024). Dynamic agglomeration effects of foreigners and natives–The role of experience in high-quality sectors, tasks and establishments. Regional Science and Urban Economics, 108, 104040.
摘要：本文利用德国劳动者个人就业履历的行政数据，考察了在人口稠密地区积累的工作经验所带来的收益是否可以通过聚集地的工作质量加以解释。研究结果表明，在最为密集地区获得的经验溢价中，有约 79% 可归因于经验所依托的行业、任务类型和企业机构。此外，外籍劳动者与本地劳动者在平均意义上从动态集聚效应中获得的收益程度大体相当。然而，与条件相同的本地劳动者相比，低技能外籍劳动者在人口稠密地区的经验回报率显著偏低。
引言
文章提供了关于动态集聚效应背后机制的新证据，即高密度地区能够为人力资本转化为高质量就业提供更好的机会。首先，研究估计发现，本地劳动者与外籍劳动者均存在正向且规模相近的动态集聚效应。其次，对于这两类群体而言，在人口密度最高地区积累经验所带来的溢价中，约有79%可以追溯到经验获取所依托的行业、任务类型和企业机构。第三，这些来源的重要性在本地劳动者与外籍劳动者之间存在差异：前者的经验回报主要归因于在这些地区特有的企业类型中获得的经验，而后者的经验回报则主要源自任务经验。第四，低技能外籍劳动者从高密度地区获得的经验回报显著低于在其他条件相同的本地劳动者。第五，研究还表明，“经验回报可归因于具体行业、任务组和企业机构”的结论在低技能和中等技能劳动者中成立，而对高技能劳动者则不够显著。
本文评估了高密度地区优质岗位在动态集聚效应中的作用，并比较了外籍劳动者与本地劳动者的收益差异，从而提出了新的研究贡献。首先，本文拓展了关于集聚效应重要性与性质的最新研究，考察了劳动者所从事的工作类型是否会影响学习效应。即通过估计在不同行业、任务组以及企业类型中获得的经验的贡献，来识别动态集聚效应背后的机制。同时考虑到高密度地区提供了更多具备较高学习潜力的工作，并据此提供了关于动态集聚效应来源的新证据。其次，本文通过比较外籍劳动者与本地劳动者在动态集聚效应上的差异，拓展了关于“密度回报”异质性的研究。第三，本文进一步将动态集聚效应与族群工资差距联系起来，表明其不仅塑造整体工资溢价，也可能是外籍与本地劳动者工资差异的重要来源。研究重点检验了外籍劳动者是否比本地劳动者在城市劳动市场中更难以充分受益于学习优势。
数据和变量
1.年度工人面板
本文的实证分析基于综合就业传记（Integrated Employment Biographies, IEB）行政数据。核心变量是个体在职业生涯中积累的工作经验。为避免测量误差，本文将样本限制在能够从其进入劳动力市场开始完整观察其工作经历的个体。具体而言，我们排除了1960年以前出生的劳动者，以及那些可能在统一前已在国外或东德开始职业生涯的个体。同时，仅保留了需要缴纳社会保险的就业个体，并剔除工资低于边际就业门槛的观测值。在此基础上，随机抽取全部个体的10%作为研究样本。一旦个体进入样本，其在2000—2019年间所有跨越6月30日的就业记录均被保留。最终，研究所使用的估计样本包含2,028,428名个体的 20,896,747条观测。
2.变量
（1）外籍身份：根据雇佣记录中的国籍信息识别外籍劳动者。若个体在进入样本前已获得德国国籍，则被视为本地劳动者。
（2）工资水平：使用IEB提供的日均工资数据，并对高收入部分进行修正。
（3）就业密度：以市镇为单位，计算其10公里范围内的就业人数，用于刻画地方劳动力市场的稠密程度。
（4）工作经验：利用日度就业记录精确计算个体职业生涯的经验，还可以通过以下方式单独构建：不同就业密度区位（根据10公里半径内就业人数分为四类）；不同行业部门（知识密集型与非知识密集型六类）；不同任务类型（常规与非常规任务六类职业群）；不同企业类型（按雇员规模六类，以此反映企业质量）。
（5）技能水平：根据最高学历或培训情况，将劳动者划分为低技能（无学徒训练）、中技能（完成学徒制培训）和高技能（高等教育）三类。
（6）其他控制变量：包括性别、兼职状态、工龄、现任职业、所在企业的行业与规模，以及地区层面同国籍劳动者的就业比例。
3.外籍和本地工人的描述性统计
描述性统计结果显示，外籍劳动者与本地劳动者在多方面存在显著差异。平均而言，外籍劳动者的日工资比本地劳动者低约8欧元，约为8%的差距。这一收入差异与其人口和就业特征紧密相关：外籍劳动者中低技能群体的比例更高，而中技能群体的比例相对较低；他们的平均工龄和累计工作经验也少于本地劳动者。不过值得注意的是，尽管总体工作经验不足，外籍劳动者在高密度地区的经验年限反而更多，且在这些地区的就业比例也明显高于本地劳动者。这一点从就业空间分布来看尤为突出，高密度地区的劳动力结构中，外籍劳动者占据了更大比重。
4.按就业密度划分的职位构成差异
高密度地区的岗位构成更有利于积累高质量的经验，这也是动态集聚效应的重要机制之一。在行业层面，知识密集型服务业主要集中在高密度地区，这类岗位为劳动者提供了丰富的学习机会；相对而言，知识密集型制造业则更多分布在外围地区。在任务层面，高密度地区的就业中，非常规分析类和互动类岗位占比更高，这些岗位往往伴随更强的学习效应。而在企业层面，密集地区包含更多大型甚至超大型企业，劳动者更有可能在此类企业中积累经验。综上所述，高密度地区不仅聚集了更多劳动者，也在岗位质量上展现出优势，使得在这些地区获得的工作经验更可能与高质量行业、任务和企业类型相关联。
模型和识别
1.模型
为了评估相应动态集聚效应的大小及其在本地和外籍工人之间的差异，估计了以下工资模型：
本文的被解释变量是劳动者i在年份t、市镇r中的日工资对数。模型中引入了基于就业密度分布四分位数的经验变量
。同时控制了个体的总工作经验
，并以线性项和平方项的形式纳入模型。在方程(1)中，系数的上标f分别表示针对本地劳动者与外籍劳动者估计效应，并进一步控制了劳动者在不同行业
、任务组
和企业类型
中积累的经验。为处理不可观测的个体异质性，模型中加入了劳动者固定效应
。控制向量
包含的其余个体层面、企业层面和地区层面的控制变量。在空间维度上，市镇r中心10公里半径范围内的就业密度对数
用于刻画小尺度的静态集聚效应；而
则控制更大空间尺度上的区域特征以及局部劳动力市场区域层面可能存在的年度冲击。为此，将每一个市镇r分配至141个劳动力市场区域，这些区域是基于通勤联系将NUTS-3（县级）行政区划合并而成。
表示随机误差项。
2.识别
为了识别高密度地区工作经验对工资的作用，本文引入工人固定效应。同时，研究利用工人在不同地区、行业、职业和企业规模中积累经验的构成差异，来估计动态集聚效应。
为了剔除地区层面的混淆因素，模型还加入了地区—年份固定效应，吸收劳动力市场状况、供求冲击以及区域特征的影响。考虑到高密度地区更容易聚集高质量岗位，进一步纳入行业、职业和企业规模的固定效应，以识别岗位质量差异在集聚效应中的作用。此外，使用市镇中心10公里半径的就业密度对数刻画小尺度的静态集聚效应，
在处理内生性问题时，研究采用了两阶段最小二乘法（2SLS），并利用1885年的人口密度作为外生工具变量。此外，考虑到过去更有能力或学习更快的劳动者更多在最密集地区或高质量岗位积累经验，则经验构成本身可能内生。仅靠个体固定效应难以完全解决。为此，文章在不同技能组与估计的个体固定效应相近的子样本内重复估计，把能力作为学习能力的代理，降低“学习能力—经验类型”相关性；也据此检验外籍与本地在高密度经验回报上的差异是否稳健。最后，标准误的计算采用了使用Driscoll–Kraay聚类稳健标准误，保证在异方差、跨期或跨区域相关的一致推断。
结果
1.在较密集地区的经验和按工作类型划分的经验溢价
表1展示了估计式不同变体的结果。首先，在第(1)-(2)栏，报告了基准模型的结果，其中未将经验按部门、任务和企业类型加以区分。这些估计结果作为基准，为评估在高密度地区积累经验的收益提供了直接证据，包括更容易获得高质量岗位的优势，而这些岗位往往为学习创造有利条件，从而使劳动者能够积累更有价值的工作经验。相比之下，第(3)-(6)栏报告了扩展模型的结果，在其中我们将经验进一步按部门、任务和企业类型进行分解，并采用了不同的组合方式。
图1展示了在最低密度与最高密度地区积累经验的工资–经验曲线。本地与外籍劳动者都从动态集聚效应中受益：在高密度地区积累经验能带来更陡峭的工资增长曲线。然而，当进一步考虑岗位构成（行业、任务、企业规模）时，曲线斜率显著下降，尤其是在高密度地区。这表明：高密度地区工资溢价很大程度上源于其更有利的岗位构成。在控制这些因素后，高密度与低密度地区的经验回报差距明显缩小：对本地劳动者而言，20年（30年）的差距仅为 1.7%（2.6%）；对外籍劳动者则为3.5%（5.3%）。
2.按技能组划分的异质性
在本地劳动者中，基准模型显示三类技能群体都呈现出正向的动态集聚效应：高密度地区的经验带来更高的工资回报。但当进一步控制经验的构成（行业、任务组、企业规模）后，溢价幅度显著下降。这说明：低技能和中技能群体的集聚红利主要来自“进入了更好的岗位”，而高技能劳动者除了岗位质量，还能从大城市额外的知识溢出和学习环境中获益。图2 直观地印证了这一点：高技能本地劳动者在不同密度地区的任务构成差异不大；而低技能和中技能劳动者则随着密度上升，获得了更多“高价值任务”的经验。
在外籍劳动者中，差距最明显的出现在低技能群体。表2显示，低技能外籍劳动者在最稠密地区的经验虽然有正回报，但比相同条件下的本地劳动者低约37%。进一步分析表明，这一差距主要源于岗位质量不同：约70%的外籍低技能劳动者在高密度地区的经验集中在常规或非常规的手工任务中，而本地低技能劳动者比例不足60%。这些“低价值任务”的回报率最低，因而导致外籍低技能群体整体溢价不足。
对于中技能群体，外籍与本地劳动者之间的差异有所减弱。图2显示，中技能外籍劳动者在高密度地区仍更多进入常规体力任务，较少进入常规认知任务，但这种差距相对轻微。在高技能群体中，情况则完全不同：外籍劳动者在高密度地区甚至比本地劳动者获得更高的经验溢价，这一结果在控制岗位构成后依然成立。这说明，高技能外籍劳动者在大城市能够与本地劳动者同等程度甚至更多地受益于集聚效应。
表3和表4进一步分解了经验类型（行业、任务组、企业规模）对集聚溢价的贡献。结果显示：对于本地劳动者，企业规模是最重要的经验维度。对所有技能组而言，企业规模贡献的比例随技能水平上升而提高：低技能约38%，中技能45%，高技能高达86%。这表明，高技能劳动者在大城市中尤其依赖大企业的岗位优势。对于外籍劳动者，任务组是最重要的经验来源。不同技能组的外籍劳动者在高密度地区获得的经验溢价中，约一半来自任务类型差异；企业规模次之，占比约35%；行业贡献最小。唯一的例外是低技能外籍劳动者：在最高密度地区，他们的溢价更依赖企业规模，而不是任务组或行业。
结论
本文基于德国行政数据，评估了动态集聚效应及其机制。结果显示，在高密度地区获得的工作经验能显著提升工资水平，其中约79%的溢价源自劳动者进入了更高质量的行业、任务和企业，这印证了“大城市优势”主要来自岗位质量的集中。对于高技能劳动者而言，这种岗位效应相对不重要。
在本地与外籍劳动者的比较中，整体效应规模相近，但在不同技能组中差异明显：低技能和中技能外籍劳动者在高密度地区的经验回报显著低于本地劳动者，主要原因在于他们更多集中在低质量岗位，从而错失了学习机会；而高技能外籍劳动者则与本地人相当甚至享有更高的溢价，这种优势并非来自岗位构成，而可能反映了他们对大城市知识环境的更高利用能力。
这些结果揭示了工资不平等的空间维度，尤其是低技能和中技能外籍劳动者，他们的劣势源自进入优质岗位的机会不足。政策若能降低他们在进入高质量行业和任务上的壁垒，将有助于扩大他们的学习机会、提高回报，并在一定程度上缩小族群工资差距。
转自微信公众号：南开城市与区域经济