城鎮勞動力就業影響因素及政策研究

馬菁 史瓊 趙如煜

摘 要：城鎮勞動力能否實現就業不僅取決于宏觀上能否做到“因地制宜”，還取決于區域性的政策能否在年齡、技能、學歷等個體屬性特征的微觀層面上做到“因人制宜”。為此，本研究以杭州市濱江區為例，基于勞動力資源調查樣本數據，建立了勞動力就業的定序Probit模型，實證分析了不同人群就業影響因素。結果表明，不同變量對相同人群的就業產生的影響具有一定的差異，比如學歷對整體勞動力具有正向影響作用，絕對影響系數為0.3285，技能培訓、就業推薦都可以有效提升就業水平，絕對影響系數分別為0.5045、0.5623;此外，不同人群的就業對相同變量的響應程度不同，大學生就業對就業推薦的響應程度最高，絕對系數為0.8863。合理的政策應同時以影響因素產生影響程度以及是否具有在微觀層面上的針對性為導向，解決實際問題。

關鍵詞：就業影響因素 城鎮勞動力 就業政策

??????一、引言

國家統計局的數據顯示，我國目前勞動力供求依然存在較大缺口，從2012年開始，我國開始進入勞動力市場的“劉易斯拐點”，勞動的供求缺口每年都在上千萬人的規模，總量壓力絲毫不減。在當前階段，勞動力市場的結構性矛盾更為突出，集中表現在一定程度上的“招工難”和一定程度的“就業難”并存。其中應屆大學生、“4050”人員和轉崗職工三大群體所面臨的就業質量低、工作穩定性差、技能掌握欠缺的問題較為突出。黨的十九大報告指出，必須始終把人民利益擺在至高無上的地位，讓改革發展成果更多更公平惠及全體人民，朝著實現全體人民共同富裕不斷邁進。報告再次強調，抓問題就要抓最主要問題，就業就是最大的民生，要提高就業質量和人民收入水平。

因此，在失業率相對較低的地區，依然要保持對就業問題的高度重視。在未來的發展規劃中，依然需要將就業問題放在優先位置。除了進一步擴大就業規模外，還要著力推動實現更高質量的就業，妥善處理好就業和失業問題。因此以實際失業人員和未就業人員的再就業問題為導向，把握好勞動力資源配置政策更顯得尤為重要。本研究以杭州市濱江區為例，基于杭州市濱江區人力資源和社會保障局（以下簡稱“區人社局”）于2018年5月開展“杭州高新區（濱江）勞動力資源調查”得到的130056條戶籍勞動年齡人口樣本數據，從勞動力屬性特征、勞動力技能、勞動力就業意向等角度，分析城鎮人口的就業影響因素、勞動力資源配置中存在的問題，并結合杭州高新區就業管理相關工作的要求，在重點領域提出優化濱江區勞動力資源配置的解決思路和建議。

?????二、研究樣本與初步分析

（一）數據說明

本次濱江區全區勞動力資源調查共調查總人口136055人，剔除失蹤人員、身份信息變更人員以及由于被調查人員不配合等原因產生的無效數據，最終獲得濱江區戶籍勞動年齡人口數據130056條，截止到2017年末濱江區常住人口35.1萬人（含外來人口），調查勞動年齡人口占全區常住人口比重為37.05%。表1所示為調查勞動年齡人口分街道（濱江區下轄三個街道，西興街道、長河街道、浦沿街道）就業及未就業類型占比。

（二）描述性分析

調查數據顯示，濱江區的就業狀況具有一定的集中趨勢。從勞動年齡人口就業結構分布上看單位招用占比最高，達到71.94%，集中度明顯。位居第二位的是在校學生占總勞動年齡人口比例，達到7.70%，顯示大學生是區域充分就業的新動能。自謀職業、靈活就業和其它形式就業合計占比為16.74%，是區域實現充分就業的有效補充形式。無就業能力和無就業意愿的勞動年齡人口比例分別為0.10%和0.57%，對全區就業影響較低。

整體上看整個轄區處于較充分就業狀態。如表2所示，濱江區勞動參與率為90.78%，實際失業率僅為1.30%。而據相關公布的統計數據，2018年二季度末，全國城鎮登記失業率為3.83%，2017年杭州市城鎮登記失業率水平為1.70%。濱江區失業率遠低于全國平均失業率水平，同時也低于2017年杭州市城鎮登記失業率水平約30.77%，失業率處于較低水平。

?三、實證分析

（一）模型構建

本研究模型設定的目的在于，以穩定型就業結構為導向，應用統計學方法建模識別勞動力資源配置現狀的驅動因素和影響程度。即現有就業結構和失業狀態與年齡、拆遷戶、學歷、困難人員、技能、培訓需求等之間可能的存在的數量關系，進一步基于模型結果指導勞動力資源配置政策的優化。

首先對調查數據中實際失業和5種就業類型根據就業穩定程度，依照從0—5的6分量表進行打分（實際失業=0;其他形式就業=1;靈活就業=2;公益性崗位=3;自謀職業=4;單位招用=5）作為模型中的被解釋變量。由于我們在此所關心主要是就業問題，基于這一點，我們對調查結果進行適當的數據清理，剔除調查人員中未就業的在校學生、出國人員等樣本數據以及個別變量缺失的數據，最終使用來自全區共計99018條樣本，重點關注所獲得的信息中，哪些因素影響著就業人群不同穩定性的就業類型。

進一步，基于問題導向，從總體勞動力、應屆大學生群體（這里取畢業時間在兩年以內的大學生）以及登記在冊的就業困難人群的角度出發，分別應用定序Probit回歸模型識別總體及特定人群屬性下的就業影響因素。定序Probit回歸模型其基本形式（1）（2）為：

在進行模型應用之前，先基于廣義似然比檢驗，檢驗模型整體的顯著性，具體結果如下表4所示。各模型對應的P值均接近于0，說明了模型整體高度顯著。除此之外，需要說明的是，模型基于向后逐步回歸進行變量篩選，并且考慮到大學生樣本的畢業時限以及就業困難群體的是否就業困難（持援助證）的屬性特征都已經確定，因此對前者的研究中不包含變量W4，后者的研究中不包含變量W8。

（二）模型結果分析

研究結果表明，各因素變量無論是年齡、學歷還是技能、職稱等均對濱江區勞動力就業有顯著性影響，都可以通過95%置信水平下的顯著性檢驗，相同人群不同變量，以及不同人群的相同變量對就業產生的影響程度都具有一定的差異，具體各群體就業狀況影響因素模型結果如下表5所示：

各研究對象群體中，年齡、性別以及畢業時間的影響系數較小，只有性別變量對大學生群體以及“4050”人員的影響系數絕對值超過了0.1;學歷對整體勞動力具有正向影響作用，系數為0.3285，學歷對就業困難人員的影響并不明顯，這是就業困難人員的學歷結構以及其它自身客觀因素所決定的，可能因為這部分人群學歷平均水平本就較低或者其他方面較為劣勢的不穩定就業因素所致;拆遷戶屬性對整體勞動力就業穩定性的絕對影響系數較低，系數值為-0.0856，說明整體拆遷戶勞動力較非拆遷戶就業穩定性略低，而對特殊人群模型結果截然不同。具體而言，在以“4050”人員以及就業困難人員為研究對象時，拆遷戶屬性變量未能通過向后逐步回歸的變量篩選;其次，拆遷戶屬性對剛畢業大學生群體的就業穩定性具有較高的正向影響，影響系數為0.4489，濱江拆遷戶大學生的就業穩定性顯著高于非拆遷戶大學生，這可能歸因于當地的相關政策。資料顯示，濱江區施行了特色“家燕回巢”項目助力拆遷戶大學生就業創業，這一結果，啟發我們城鎮大學生群體的就業問題，可以通過推廣示范相關符合城市經濟、社會背景的針對性政策得以解決。除此之外，在城鎮化的進程中，就業困難群體的就業穩定性較差，這是一部分需要重點幫扶的群體，針對這一部分群體可以考慮結合實際調查情況給予適合其自身實際情況的就業幫扶。

職業資格、技能掌握以及就業信息的高效流通都可以有效穩定就業，無論是W5（國家職業資格證書）、W6（職稱證書）的正向系數，以及W9（是否需要技能培訓）、W10（是否需要就業推薦）的負向系數均表明可以通過就業信息推廣、知識以及技能培訓來提高城鎮勞動力資源的就業質量。就業推薦對各群體的絕對影響系數較高，可以通過拓寬就業信息公布渠道，調高就業信息流通頻率等措施手段有效提升就業信息在新生大學生就業群體內部的流通效率。

?????四、結論與政策建議

勞動力能否實現就業不僅取決于政策安排等宏觀因素能否做到“因地制宜”，還取決于區域性的政策能否在年齡、技能、學歷等個體屬性特征的微觀層面上做到“因人制宜”。政策的泛化能力和政策的適用性二者兼具才能高效運行。為此，本文通過建立勞動力就業的定序Probit模型，以杭州市濱江區為例實證分析了不同人群就業影響因素以及它們之間的差異。例如，受地區政策影響，該地區拆遷戶屬性特征對大學生群體的就業影響顯著，而這一影響在其他群體中的作用并不明顯。另一方面，學歷、技能與信息流通效率仍然是影響就業的關鍵因素，在模型結果中，學歷水平、技能培訓以及就業推薦對就業穩定性的影響程度都處于較高水平。

由此給出了如下的政策啟示：一是進一步完善勞動力供給市場與需求市場的信息流通機制，實現高效對接，同時也能降低因技能不符產生的結構性失業問題;二是鼓勵和支持高學歷人群多渠道就業創業，充分發揮這部分人群的經濟能動力;三是關注重點人群的再就業問題，進一步完善重點人群就業、再就業培訓機制。除此之外，政府可以作為連接勞動力群體與企業的橋梁，通過一定的政策實惠，實現重點人群的穩定就業，通過一定的培養計劃，讓企業的人才需求、技能需求與就業者的技能掌握、知識儲備以及綜合素質可以更加高效、契合的對接起來。

參考文獻：

[1]蔡禾主編.中國勞動力動態調查2017年報告[R].北京：社會科學文獻出版社，2017（12）.

[2]陳玉宇.城市化核心是完善勞動力市場[J].小康（財智），2014（04）.

[3]侯自贊，鄭和平.大學生就業政策及其課程研究綜述[J].山西師大學報（社會科學版）研究生論文專刊，2013（05）.

[4]劉鋒，李航，王子瑜等.新型城市化進程中本地勞動力就業模式研究——以宜興市和橋鎮為例[J].城市建設理論研究，2013（19）.

[5]潘偉立，楊雅靜.拆遷戶家庭中的青年就業問題的探究[J].經營管理者，2016（06）.

[6]任杲.城市規模差異與就業影響因素研究——基于勞動力個體特征的視角[J].理論月刊，2018（12）.

[7]葉相軍.勞動力就業的影響因素和應對策略[J].人力資源管理，2017（10）.

[8]趙維保，許超.聊城市：破譯高質量就業“密碼”[J].山東人力資源和社會保障，2018（10）.

[9]Cansino J，Sánchezbraza A，Espinoza N.Evaluating the Impact of an Active Labour Market Policy on Employment：Short- and Long-Term Perspectives[J].Social Sciences，2018（07）.

[10]Jackson D.Factors influencing job attainment in recent Bachelor graduates：evidence from Australia[J].Higher Education，2014，68（01）.

[11]Robroek S J，Schuring M，Croezen S，et al.Poor Health， Unhealthy Behaviors，and Unfavorable Work Characteristics Influence Pathways of Exit from Paid Employment among Older Workers in Europe：a Four Year Follow-Up Study[J].Scandinavian Journal of Work， Environment & Health，2013，39（02）.

[12]Zimmermann K，Aurich P，Graziano P R，et al.Local Worlds of Marketization– Employment Policies in Germany，Italy and the UK Compared[J].Social Policy & Administration，2014，48（02）.

（馬菁、史瓊，杭州高新區人力資源和社會保障局。趙如煜，浙江財經大學）