我國城鎮居民就業問題的宏觀因素探究

武亮　周丹　霍芝潤　徐梓芙　陳誠　江慧

摘要：高質量就業是經濟高質量發展、全面建成小康社會和實現共同富裕的重要保證，是民生之本。促進更充分高質量的就業是實現全民富裕的基本前提。文章選取影響中國就業的宏觀經濟因素：國家GDP增長率（GR），通貨膨脹率（IR），貧富差距基尼系數（GN），國內總儲蓄（GS），教育普及程度（EP），勞動生產率（LP）為自變量，居民失業率（UR）為因變量，利用2010-2021年的面板數據，結合隨機前沿生產模型進行分析，探究影響高質量就業發展的宏觀因素。結果表明，我國GDP的增長率和基尼系數與失業率呈正相關；而我國的通貨膨脹率與失業率有此消彼長的關系；勞動生產率提高，不僅不會對就業產生消極影響，反之可以促進就業，增加就業渠道。

關鍵詞：高質量就業；共同富裕；隨機前沿模型

一、引言

習近平總書記提出：“實現共同富裕是社會主義的本質要求。我們追求的富裕應當是全體人民共同富裕”。實現全體人民共同富裕，高質量的就業是充分保證。國務院發布的《“十四五”就業促進規劃》將就業擺在經濟社會發展和宏觀政策的優先位置，深刻地闡明市場與政府的有效結合，從政府角度出發，提出了堅持經濟發展就業導向、強化創業帶動就業、完善重點群體就業支持體系、提升勞動者技能素質、推進人力資源市場體系建設、優化勞動者就業環境，以及防范化解規模性失業風險等重大任務和政策舉措。

近些年，我國城鎮失業率穩定維持在3.8%～5.5%。從經濟效率的角度看，適當的失業率更加有利于社會的前進和勞動素質的提高，因此高質量就業的目標并不是零失業率。2019年7月，美聯儲副主席克拉里達就表示，4%或更低的失業率可能就是充分就業水平，這與大多數學者的觀點一致。還有一些學者認為更加穩健的政策應該使失業率應該維持在2%～3%的水平之下。但是由于我國人口基數巨大，失業率統計樣本局限于城鎮居民，我國農村的過剩勞動力、海外務工以及外資失業人員等均未在統計樣本里，2018年《中國首次青年就業調查報告》公布中國青年失業率為9%，遠高于我國社會的平均失業率水平。青年失業率的高漲更加加劇了老齡化社會的壓力以及社會治安等方面的壓力，所以居民就業問題對于我國仍然是需要嚴肅面對和解決的問題。

從宏觀角度看，高質量的就業主要是在追求充分就業機會的同時，在公平公正的政策環境和就業環境下，勞動者可以取得優質的待遇福利和自我價值的實現，社會有科學的就業結構和良好的勞動關系。高質量的人力資本積累能夠優化收入分配機制、克服收入陷阱，實現經濟發展水平總體躍升。因此研究宏觀經濟因素對于提升高質量就業具有十分重要的意義。

本文從宏觀經濟學角度，選取了影響就業率的經濟指標作為自變量，分別是：國家GDP增長率、基尼系數、通貨膨脹率、教育普及程度、勞動生產率及國民儲蓄六個因素，探索各影響要素與失業率之間的關系，提出從宏觀角度降低失業，提升就業質量的政策建議。

二、影響就業的經濟性因素及理論背景

鄒沛江（2013）對經濟增長和失業率之間有一定比例的關系進行了二元解析，驗證了奧肯定律的內容符合中國的現實狀況，結論表明中國經濟增長率和失業率之間存在正向的比例關系。孫文成（2018）指出，從我國的經濟發展現狀與就業水平的關系來看，經濟的高速發展會導致就業率的不斷下滑，究其原因在于我國產業轉型相對滯后，加大第三產業對就業的承載力是解決就業的有效途徑。史碧菡，方華（2017）指出產出缺口對就業渠道缺口沒有顯著影響，由于選取要素的單一，這只能說明產出缺口與就業渠道缺口的大小沒有直接的線性數量關系，并不能否定經濟增長和就業之間的長期關系，但也仍然反映了經濟增長對于就業的影響是值得討論的。

Corrado Gini在1912年最早提出了基尼系數，它的作用主要用來衡量社會各階層貧富差距和財富分配狀況。陽曉偉（2012）通過研究認為基尼系數對中國的失業率有正向的影響：即基尼系數越高，相應的失業率也會隨之變高。馬國旺，李焙堯（2021）提出失業率和勞動報酬份額之間具有對稱的負向關聯，即失業率的攀升會抑制勞動報酬份額，加之人工智能的沖擊，就業人員不得不接受低報酬的工作而進一步加劇分配不均，勞動積極性被打壓。因此分配不均不僅影響市場對于勞動力的需求，更對于就業者的就業信心和就業方向產生負面影響。

經濟學上解釋通貨膨脹率為：物價平均水平的上升幅度（以通貨膨脹為準）。黃瑤瑤（2021）以2010-2020年的數據為樣本，研究了通貨膨脹率與失業率的關系，結果表明，二者存在替代關系，政府可以采取寬松的貨幣政策和積極的財政政策來刺激經濟發展，以一定的通脹率來降低失業率。Arslan and Zaman（2014）利用了菲利普曲線研究了通貨膨脹越高對就業則產生較強的負面影響。劉偉峰（2018）認為中國的通貨膨脹率與失業率之間存在反比例的關系，即菲利普斯曲線基本適用于中國就業問題的研究。

勞動生產率的提高得益于人類正確認識世界改造世界，尤其如今的人工智能發展迅猛，高的勞動生產率在短期內一定會對勞動力的需求造成沖擊，短期內技術的發展會增加多余的勞動力進入市場。劉琛琛（2021）認為，隨著自動化和人工智能化的發展，機器人產業的發展會提高勞動生產率，進而對勞動力產生替代效應，但是新興產業的產生和發展會為勞動力就業提供新的契機。宋建、鄭江淮（2021）認為企業創新通過生產率調整和市場需求規模變化渠道對勞動就業產生影響，企業的創新驅動發展道路不僅可以增加就業機會，也對于高質量就業具有十分重要的戰略意義。

紀建悅、張懿（2016）對我國的教育水平、就業率及居民儲蓄進行了研究，結果表明教育的普及有助于促進就業率的提高，就業的增加與居民儲蓄率呈現負相關關系。Riza Bayrak，Halim Tatli（2018）對經合組織31個國家的青年失業率進行研究，面板數據時間跨度為2000-2015年，青年失業率為因變量，居民價格指數、國民總儲蓄、勞動生產率以及經濟增長率為自變量，得出結論：經濟增長、通貨膨脹和國民儲蓄對于青年再就業具有負向影響。經濟增長、通貨膨脹、儲蓄和勞動生產率均屬于中等收入水平青年再就業的關鍵決定因素。

三、數據來源與模型設定

（一）數據來源

本文對于中國2010-2020年的數據進行收集，中國的GDP增長率（GR），通貨膨脹率（IR），貧富差距基尼系數（GN），國內總儲蓄（GS），教育普及程度（EP），勞動生產率（LP）為自變量，居民失業率（UR）為因變量。模型變量說明如表1所示。

本文首先設立了各影響要素與失業率的關系方程。方程參照了隨機前沿生產模型，隨機前沿生產模型主要是強調在各種要素的投入與產出之間的關系，最終計算出生產前沿，即最優產值。Meeusen ＆ van den Broeck（1977）提出了用隨機前沿方法研究生產的邊界，即影響生產的要素分為外部因素和人為因素。

（二）隨機前沿生產模型

本文主要探究因變量居民失業率以及自變量之間的關系。當自變量發生變化時，對就業造成最大的影響邊界，即失業率的最高邊界。

隨機前沿生產模型：

Yit=∫（Xit，α）exp（νit-μit）（1）

Y■■=∫（Xit，α）exp（νit）（2）

Yit表示t時期樣本i的實際產出， Y■■表示時期樣本的生產前沿，Xit表示生產要素的投入，α表示待估參數。

四、實證分析

（一）模型的設立

本文在研究中國再就業問題影響因素時，將國家GDP增長率（GR），通貨膨脹率（IR），貧富差距基尼系數（GN），國內總儲蓄（GS），勞動生產率（LP）視作生產要素，將居民失業率（UR）視作產出，即在因變量的作用下，自變量的邊界即失業率的最高值。

URi，t＝αi+β1GRi，t+β2IRi，t+β3GNi，t+β4GSi，t+β5EPi，t+β6LPi，t+ν+μ（4）

其中，URi，t代表中國在t年的失業率，GRi，t表示t年中國的GDP，IRi，t表示t年中國的通貨膨脹率，GNi，t表示t年中國的基尼系數，即t年中國的貧富差距狀況，GSi，t表示t年中國的國內總儲蓄，EPi，t表示t年中國的教育普及程度，LPi，t表示t年中國的勞動生產率。ν是隨機擾動項，μ是非效率項。

（二）模型適用性檢驗

對于隨機前沿模型選擇，本文運用最大似然比的值進行模型選取檢驗。首先假設H0：γ＝μ＝η，檢驗分為無約束和有約束兩種情況，LR的值與1%顯著性水平下χ2分布的臨界值比較，檢驗是否存在需要引入非效率（即人為因素）和時變模型，從而得出拒絕或接受零假設的結論。假設μ=0，在本研究中認為勞動者人為因素在失業率研究中占比很小，模型是否成立。如果模型不成立，則說明勞動者人為因素對于失業率影響非常大，即勞動力素質、勞動意愿等因素影響程度很大。如模型成立，則說明國家宏觀的經濟環境對于再就業影響占比較大。η表示模型的時變性，即隨著時間的變化，勞動者人為因素的影響程度的變化。從表2中的檢驗結果可知，接受了人為因素為0的假設條件。

（三）回歸結果分析

本研究利用 Frontier4.1軟件對2010-2020年期間的數據進行OLS回歸。結果見表3所示。

當γ的值離趨向于0，表明了實際的失業率與前沿的失業率的差距主要來源于非人為因素；當γ的值趨向于1時，表明實際的失業率與前沿的失業率的差距主要是人為因素造成的，多數趨向于勞動者自身的問題。γ=0.05，即只使用OLS估計即可，與模型適用性相符。說明我國的失業率是由GDP、基尼系數等這些不以勞動者個體行為而改變的因素決定，因此從宏觀政策角度講，假設勞動者人為因素=0。

GDP的增長對失業率有積極影響，即GDP增長率增長1%時，我國的失業率將增加0.52%，符合了奧肯定律的悖論，說明了中國GDP增長率并不一定依賴于勞動人數的增加，經濟的發展更加依賴于技術的進步。這也解釋了生產機械化的趨勢增加，AI技術的不斷推進，反而取代了很多的勞動力，技術的發展與就業率的矛盾凸顯，顯示我國勞動力結構急需轉型。通貨膨脹率增加，失業率會降低，即中國的通貨膨脹率與失業率有此消彼長的關系。由于系數是-0.0156，表明輕微的通貨膨脹，可以增加一些就業機會。適度寬松的經濟政策，有助于增加社會需求，從而增加就業。基尼系數與失業率呈正比關系，高的基尼系數可以導致高的失業率。基尼系數每增加1%，失業率將增加6.74%。同理高的失業率會加劇社會貧富差距，導致基尼系數增高。基尼系數是判斷國民分配制度公平程度的指標，從結果看來，公平的社會分配制度，對于解決中國就業問題非常重要。勞動生產率提高，可以促進就業率的提升，降低失業率。從實證結果來看，勞動生產率每提高1%，失業率將減少0.57%。靜態來看勞動生產率提高會減少勞動力崗位，但我國與之相反，一方面，說明我國市場龐大，勞動生產率的提高，可以降低產品價格，增加社會需求，創造更多的就業機會。另一方面，隨著數字化智能化的發展為我國提供了更多的高位需求，也為我國勞動力結構轉型提供了更好的契機，符合我國更高質量就業的發展規劃。

五、結論及建議

（一）結論

本文選取了2010-2020年的面板數據進行分析，以從宏觀角度解決中國高質量就業問題研究對象，中國的GDP增長率、消貧富差距基尼系數、國民總儲蓄以及勞動生產率等作為自變量，采用OLS回歸方法進行研究。GDP增長率每增長1%，我國的失業率將增加0.52%。通貨膨脹率每增加1%，失業率將減少0.015%，表明適度寬松的宏觀經濟政策，有助于失業率的降低。公平的社會分配對于國民再就業問題的解決至關重要。勞動生產率與失業率成反比關系，提高勞動生產率并不一定會排擠就業，而是高的勞動力素質會創造更多的就業機會。

（二）政策建議

1. 產業結構有待優化，科學地審視資源配置

世界發展日新月異，傳統產業將面臨新興產業的大規模沖擊，建筑、機械制造等傳統強勢產業尤為嚴峻，政府應大力支持高新產業以應對未來的經濟形勢，通過政策引導產業結構進行調整，如加大對能源、材料、電子產業等高新產業的支持力度，使第一、第二、第三產業比率趨向合理。政府繼續加強供給側結構性改革，促進各產業融合發展，增強市場活力以達到提供更多高質量就業崗位的目的。

2. 適當寬松的經濟政策刺激內需，構建國內國際雙循環發展的新格局

經濟的高質量發展對降低失業率有顯著效果。居民收入增長與經濟增長基本同步，在國內大力推廣基礎設施建設以帶動內需、改善民生，在海外市場中國構建“一帶一路”倡議宏圖，加強國際合作，構建國內國際雙循環發展的新格局，不斷創造就業機會，實現共同富裕，創造勞動力就業的優良市場環境。

3. 縮小貧富差距，實現共同富裕

貧富差距的增大會導致失業率提高，目前我國貧富差距正日益改善，合理調整最低收入標準，完善社會福利保險制度，合理改革稅制，以期促進社會分配的公平性和提高勞動者積極性，對于實現高質量就業具有顯著的作用。我國脫貧攻堅的任務如期完成，脫貧攻堅成果將與鄉村振興共助經濟的穩步提升，為高質量就業提供強有力的政策支持。

4. 科技的發展是改善生產的有效途徑

我國勞動生產率的提高并不會使失業率上升，反而會對降低失業率有很好的效果，高新科技對于提高勞動生產率有突出效果，如新材料研發、芯片等高精尖產品的研發等。高新科技的發展不僅會為就業提供新的就業領域，更為勞動力素質的提升作出巨大貢獻。

5. 提高勞動者素質，注重技術人才培養

高質量的經濟發展是“十四五”規劃的發展主題，經濟的高質量發展離不開高素質的勞動力。我國對教育事業的投入逐年加大，重視人才精準分類培養，重視教育公平，重視成人教育、崗前培訓等在職教育，可有效提升勞動者素質。全局統籌就業缺口，促進各行業從業人員的技術、能力等方面從無到有，從有到強。把高質量就業作為高質量發展的基礎導向，擴大就業容量、提升就業質量。

參考文獻：

[1]國務院.“十四五”就業促進規劃[S].2021.

[2]全國青聯、勞動和社會保障部勞動科學研究所.中國首次青年就業調查報告[R].2018：1-2.

[3]郭東杰，魏熙曄.人力資本、收入分配與經濟發展[J].中國人口科學，2020（02）： 97-110．

[4]鄒沛江.奧肯定律在中國真的失效了嗎？[J].數量經濟技術經濟研究，2013，30（06）：91-105.

[5]孫文成.中國GDP就業承載力實證分析[J].經貿實踐，2018（14）：101+103.

[6]史碧菡，方華.奧肯定律在中國的適用性研究[J].中國林業經濟，2017（05）：105-110.

[7]陽曉偉，顧江洪.基尼系數與失業率關系的實證研究[J].現代物業·現代經濟，2012（07）：120-121.

[8]馬國旺，李焙堯.人工智能應用、勞動報酬份額與失業率動態關系的實證分析[J].深圳大學學報，2021（03）：61-70.

[9]黃瑤瑤.基于菲利普斯曲線分析我國通貨膨脹與失業間的關系[J].廣西質量監督導報，2021（05）：155-156.

[10]Arslan M，Zaman R.Unemployment and its determinants：a study of Pakistan economy（1999-2010）[J].Journal of Economics and Sustainable development，2014，5（13）：20-24.

[11]劉偉峰.探究中國失業率與通貨膨脹率的關系[J].經濟縱橫，2018（06）：58-59.

[12]劉琛琛.工業機器人的應用對我國制造業勞動力市場的影響[J].河北企業，2021（08）：14-16.

[13]宋建，鄭江淮.中國企業創新的就業效應——“創造”還是“破壞” [J].南開經濟研究，2021（04）：169-191.

[14]紀建悅，張懿.教育水平、就業結構和中國居民儲蓄率[J].南京審計大學學報，2016（05）：10-18.

[15]Riza Bayrak，Halim Tatli.The Determinants of Youth Unemployment： A Panel Data Analysis of OECD Countries[J].The European Journal of Comparative Economics，2018（15）：231.

[16]Meeusen， W. and J. van den Broeck.“Efficiency Estimation from Cobb Douglas Production Functions With Composed Error”[J].International Economic Review，1977（18）：435-444.

（作者單位：湖州師范學院經濟管理學院）