西部民族地区经济增长与就业能力同步提升研究

作者: 单德朋 来源:民族学刊 发布时间:2016-03-13 阅读量:0

单德朋

[摘要]在劳动力需求函数的基础上,利用省级面板数据对西部民族地区经济增长与就业关系进行了实证分析。实证分析主要从两个维度展开,一是根据是否考虑就业规模的滞后效应分为动态分析和静态分析;二是根据选区时间段的不同,进行纵向比较。结果显示:虽然产出的就业弹性统计显著,但弹性值在0.1左右,西部民族地区存在失业型增长的可能性;真实工资对就业并无显著负效应;固定资产投资、政府预算支出、进出口、社会消费品零售总额对就业影响不显著;FDI对就业作用在经历了最初的负效应之后,开始呈现正效应的趋势,但弹性值还较小。因此,西部民族地区失业型增长已经发生,但仅依赖宏观经济均衡不足以解决就业压力的挑战。实际上,在保持可持续增长政策的同时,还应将战略转向就业密集型和推动型。这可以通过大量投资的持续增加和再定位来实现。这些投资无论是FDI,还是固定资产投资,应该指向就业推动型和劳动密集型的活动。

[关键词]失业型增长;就业弹性;西部民族地区;溢出效应

中图分类号:F127.8文献标识码:A

文章编号:1674-9391(2013)02-0026-12

基金项目:国家社科基金2009年重大招标课题“新形势下推动民族地区经济社会全面发展的若干重大问题研究”(项目编号:09&ZD011)和国家民委民族问题2011年度项目“转型期民族地区产业结构动态优化与就业能力同步提升研究”的研究成果之一。本文还得到西南民族大学“中国少数民族经济”博士点建设项目资助。

作者简介:单德朋(1985-),男,汉族,山东济南人,西南民族大学2010级中国少数民族经济专业博士研究生,海南大学三亚学院讲师,主要研究方向:西部民族地区区域经济。四川 成都610041

一、问题的提出

改革开放以来,西部民族地区的发展引起了国家政策层面的高度关注。随着改革开放的推进和西部大开发战略的实施,西部民族地区经济发展有了极大提高。2000-2009年,西部民族地区生产总值和人均生产总值的年均增长率分别达到13.6%和12.8%,内蒙古更是达到了21.1%和20.8%。在经济迅猛发展的同时,西部民族地区的就业状况却并不乐观。2000-2009年与西部年均10%以上的经济增速相对应的是1.5%的年均就业增速,年均地区生产总值(GRP)增速和年均就业增速的平均差距为12.1个百分点。以甘肃、青海为例,2000-2009年两省年均地区生产总值增长率分别为10.8%和13%,但同期就业增长率均为0.1%。分三次产业来看,产值与就业增长率之差也存在较大差异;三次产业产出与就业增速分别相差8.7个百分点、11.5个百分点和2.1个百分点(表1)。产出和就业之间的较大增速差异表明西部民族地区存在着失业型增长(jobless growth)的可能性。

与此同时,西部民族地区的劳动力市场还表现出一系列非均衡特质,主要表现在人口统计学和结构不均衡两个方面:人口统计学上的不均衡表现为人口增长率高于全国平均水平,且少数民族人口增长率高于汉族人口增长率。根据第六次人口普查数据,过去十年全国人口平均增长了5.84%,同期西部民族地区人口增速为7.6%,汉族人口增长率为7.6%,少数民族增长率为9%。结构性不均衡主要归因于西部民族地区和其它地区教育和培训的不均衡,根据第六次人口普查数据,西部民族地区每10万人中具有高中文化程度的人口为9167人,而全国平均水平为14032人。除此之外,不均衡还体现在劳动力供给需求结构的变动上,这主要是受新毕业生加入就业市场和劳动力被资本技术替代的影响。经济和行政约束也会阻碍劳动力市场功能的有效发挥,经济约束是指不公平的劳动力和投资法规,行政约束主要是指二元的户籍结构和其它的额外行政约束。

可以看出,西部民族地区一方面面临着较大的就业压力,另一方面其经济增长却存在着失业型增长的可能性,而且劳动力市场还存在一系列非均衡特质。对此的回应有两条路径,一是引导本地劳动力跨区域转移就业,二是通过经济手段和政府调控加大本地就业创造的能力。西部民族地区劳动力跨区域流动的流向和流量主要取决于其劳动力供给需求结构,供求结构的失衡会抑制劳动力跨区域流动,主要表现在:第一,从劳动力需求角度来看,东部发达地区产业结构升级导致劳动力需求越来越集中于熟练劳动力部门;第二,从劳动力供给角度来看,西部民族地区剩余劳动力主要为中低技能劳动力。这就导致跨区域转移就业过程中产生供求错位从而形成跨区域层面的结构性失业。另外,成本收益也会对劳动力流动产生抑制(或促进)作用。西部民族地区跨区域就业中的成本收益主要是指生存成本、迁移成本、就业搜寻等多种成本,其收益可分为经济收益和非经济收益两大类(江曼琦,翁羽;2010)[1]。这些成本构成了跨区域转移就业的约束条件,并且这些成本呈递增趋势,转移就业越来越困难。解决就业问题的另一条路径是提升本地就业创造能力。本地就业创造能力的提升需要市场和政府的共同努力。从市场角度来看,就是通过增加投资从产出角度提升劳动力需求。从政府角度来看,提升就业能力的努力主要集中在三个方面:在政府设立协调机制,将所有就业提升项目进行协调,最大化政策效用;政府财政支出资助就业相关研究;创新制度,利用税收和行政手段直接对企业进行激励。政府在就业方面的努力,并没有完全达到既定目标。以内蒙古为例,为了推动就业,当地政府承诺以煤炭资源配套来换取企业投资,但鄂尔多斯市、乌海市、阿拉善盟,重点工业园区投资亿元以上新项目,开工率分别为37.1%、53.8%和14.3%(王佐强,2011)[2]。许多地方还会针对企业招聘下岗工人给出税率优惠,但这都未能真正实现就业的内生性增长。

在跨区域转移就业越来越困难的背景下,创造本地就业是解决就业问题的主要思路。因此,如何提升本地就业能力,是西部民族地区面临的现实问题。该问题可以拆分为三个子问题,第一,过去的经济增长是否有效带动了就业?第二,如何将有限的资源在就业创造中发挥最大作用?第三,政府在就业创造活动中如何纳入企业的自我激励?对于第一个问题的回答需要对西部民族地区的就业创造和主要宏观经济变量的关系进行实证分析,寻找地区生产总值、固定资产投资、工资、进出口、外商直接投资、社会消费品零售总额等宏观经济变量的就业偏效应(partial effect)。对于第二个问题,应从细分产业和细分部门角度进行经验分析,研究不同产业不同部门就业能力。对于第三个问题则应该主要从微观角度具体分析,但前两个问题的答案能够告诉我们为什么现有政策未能对企业产生激励。

本文主要分析第一个问题,即分析1978年以来西部民族地区各宏观经济变量和就业能力的关系。

二、基本模型

(一)模型设定

本文分析的基础是劳动力需求模型,该模型源自Cobb–Douglas生产函数,在方法上借鉴了Greenaway等人(1999) [3]的做法。使用的Cobb–Douglas生产函数为:

Qi = AδLαi Kβi (1)

其中Qi是i部门实际产出,Li是i部门就业,Ki是i部门资本存量,α和β的值代表劳动力和资本的要素份额系数。δ代表全要素生产率的贡献。将要素边际生产率模型带入生产函数,其中劳动力真实回报WR代表边际劳动生产率,资本回报C等于边际资本生产率,从而得到产出表述如下:

两边取自然对数并整理得部门i对劳动力的需求:

理论上,产出对劳动力需求的影响应该是正向的,但在西部民族地区,产出的就业弹性即便是正的,其弹性也可能较低。真实工资对就业影响的方向应该是负向的。并且,因为工资也会受劳动力需求的影响,这可能会导致变量的内生性问题,为此我们需要一些计量方法来予以处理,如利用工资滞后作为解释变量或者采取工具变量。

为简化起见,假定资本成本只因时间而变化,并假设市场有效。因此,在估计模型时可以用时间虚拟变量来表示其变异。在本文的研究中,该项假定是合理的,因为我国存在的预算软约束(soft budget)使得资本成本的数据并不可靠,并且利率也不是一个适宜的工具变量。同样我们并不假定资本可以替代劳动,而是认为资本是劳动力的互补投入。也就是说,存在资本成本对劳动力需求并无直接影响的可能,在短期技术条件是固定的,尤其是在产能过剩时更是如此。另外,假定产出的技术效率A是随时间而变动的,A也形成了常数项c0的一部分,而其递增效应可以用时间虚拟变量来描述。为了检验经济开放对劳动力需求的影响,技术效率被设定为国际贸易的函数,也就是说假定存在贸易诱发技术变迁的可能。此外,本文还分析了贸易对就业影响的不同机制,将FDI作为技术效率和劳动密集程度的影响因素纳入扩展的劳动力需求模型。这样得到的估计方程如下:

lnLi=fβi,αt,lnQi,lnWRi,FDIQi,XQi,MQi (4)

其中lnLi,lnQi,lnWRi,FDIQi,XQi,MQi分别代表自然对数形式的就业、实际产出、实际工资以及FDI占产出的比重、出口占产出的比重、进口占产出的比重。αt是一个时间虚拟变量,反映与资本成本以及其他与时间有关变量的变化,比如没有被国际贸易和FDI解释的技术变迁。时间虚拟变量还能够反映一些其他因素,如就业税、就业法规等制度因素和其他可能对劳动力需求有影响的变量,这些变量不是本文主要分析的解释变量,故纳入时间虚拟变量统一考虑。

(二)预期影响

1.贸易对就业的影响

不同的经济理论在国际贸易和资本流动对就业的影响上的看法有所不同。传统贸易理论认为,在劳动力充裕尤其那些非熟练劳动力资源丰富的发展中国家,贸易自由化将使这些国家在劳动密集型产业部门发挥比较优势,从而使这些非熟练劳动力就业和出口部门的就业增加。与总体产出相反,那些熟练劳动力部门或者那些面临进口竞争的行业部门就业情况会有所下降。而最近的一些研究发现,现在的贸易流量还不足以大到影响劳动力需求,但由国际竞争力压力所致的防御性创新可能会间接地对就业产生负面影响(例如Greenaway 等1999)。本文沿着Hine、Wright (1997)[4]以及Greenaway (1999)的研究方法,利用回归分析检验了贸易对劳动力需求的影响。这个影响预期体现在三个方面:一是在给定产出水平下,生产劳动密集程度的改变;二是贸易所导致的劳动力节约;三是西部民族地区通过国际贸易发挥低成本劳动力比较优势,在非熟练劳动力部门和出口部门创造就业。

2.FDI对就业的影响

如果跨国企业带来了节约劳动力且资本密集型的技术,那么即便是在出口导向部门,其就业也会受到负面影响。另外,FDI就业的影响还取决于FDI是投资于新资本的创造还是进行收购兼并活动。如果其主要应用于兼并购买,那么FDI带来的劳动力挤出和就业下降将会超过其正向的就业创造能力。另外,即便FDI在企业层面对就业有正向影响,其对行业和其他部门的溢出效应也可能是非常有限的。这种情况会导致二元经济的存在,即该企业与本土经济没有任何联系,并且还有可能通过竞争力优势对该部门中的本土企业产生影响,给本地就业带来负效应。

三、模型估计与结果

本节首先对各变量的自然对数值进行了单位根检验,来分析序列的稳定性,以规避可能的伪回归问题和t检验失灵问题。然后采取将解释变量逐步纳入的方式对劳动力需求扩展模型进行估计。针对工资有可能是内生变量的问题,采取的解决方法是将工资滞后值作为解释变量纳入模型。针对不同地区就业中所固有的不可观测影响因素,采取工具变量或者固定效应模型予以解决。

(一)数据说明

本文所使用数据的来源是《新中国60年统计资料汇编》、《中国统计年鉴2010》以及各地区的2010年统计年鉴。本文采用面板数据,从1978-2009年的时间段来看,所使用数据并非为强面板(非平衡面板数据),数据缺失情况如下:(1)甘肃缺少1978-1980年三年的FDI和进口额数据;(2)西藏缺少1978-1989年的价格指数数据,因此对该时间段内以货币计量的各项指标不能进行价格调整。另外西藏还缺少1978-1997年FDI的数据;(3)贵州缺少1978-1983年的FDI数据;(4)云南缺少1978-1984年FDI数据;(5)内蒙古缺少1978-1983年的FDI数据,以及1979年就业、工资、进出口数据;(6)广西缺少1978-1983年的FDI数据;(7)四川缺少1978-1984年FDI和财政支出数据;(8)重庆缺少1978-1984年FDI数据和就业数据,同时缺少1978-1986年进出口数据;(9)甘肃缺少1978-1990年FDI数据。

非平衡面板数据可能出现的最大问题是,缺失的样本数据有可能其缺失原因是内生的。这样会导致样本不再是随机样本,从而导致估计量有偏(bias)且不一致(inconsistency)。但非平衡面板数据并不影响计算离差形式的组内估计值,因此固定效应模型的估计可以照常进行。

针对部门数据缺失的问题,有两种解决思路。第一,从非平衡面板数据中提取一个平衡面板数据,但代价是损失样本容量,降低估计效率;第二,在不影响随机样本假定的前提下,容忍数据缺失。基于此,本文的解决方法分为两个部分,第一,在使用1978-2009年面板数据进行分析时不将重庆和西藏的数据纳入面板,但容忍其它地区FDI数据的部分缺失。第二,在分时间段分别回归时,针对最近的时间段将所有样本纳入面板。

在模型中用的变量有lnemp,lngrp,lnwage,lninves,lnbudget,lnfdi,lnexport,lnimport,lncosum,分别代表就业、地区生产总值、固定资产投资、预算支出、外商直接投资、出口、进口、社会消费品零售总额的自然对数值,均以1978年作为基期进行了价格调整。

(二)数据平稳性检验和协整检验

1.平稳性检验

因为变量的特殊性,真实工资、实际产出和就业等变量可能存在单位根问题。由于面板数据的单位根检验需要严格的平衡面板数据,本文所使用的1978-2009年面板数据不符合该强面板要求,在Stata11.0中无法利用Levin,Lin和Chu(2002)的LLC检验方法进行单位根检验。此时通常的解决方法是对这些变量取自然对数形式,放弃单位根检验,最大限度约束单位根给结果带来的问题。这种思路适用于简单时间序列,因为在简单时间序列中,单位根检验的作用较小,并且单位根问题在面板设定中也没有那么显著。本文所用面板数据时间序列较长,贸然忽略单位根会导致两个互相独立的单位根变量出现伪回归的可能,并且导致传统的t检验失效。

为解决这个问题,我们从1978-2009年的面板数据中抽取了1990-2009年的数据,从而形成严格平衡面板数据。只要该平衡面板中的各对应变量存在单位根,那么我们就认为1978-2009年的面板数据也存在单位根。为了最大限度约束单位根的影响,先对各变量取自然对数后进行LLC检验。详情见表2所示。LLC检验的原假设和对立假设分别为:H0:面板存在单位根;H1:面板为稳定序列。

即如果p值超过0.1,则表明我们无法在10%以内的显著性水平上拒绝原假设,无法拒绝面板存在单位根的假定。从面板数据单位根检验的p值可以看出,对于每一个检验变量我们都无法在常用显著性水平上拒绝存在单位根的假定。其中lnfdi的检验缺失,原因是西藏在1990-2009年面板数据中,无1990-1997年的FDI值。如果继续抽取1998-2009年面板数据,会导致单位根检验无效,故我们选择放弃对lnfdi的单位根检验,同时认为如果除lnfdi之外的其它变量均存在单位根,那么也无法拒绝lnfdi存在单位根的假定。

如果变量存在单位根为不稳定变量,那么直接对其回归分析会导致传统的t检验失效和伪回归问题,此时的解决办法有二:一是检验变量之间的协整关系,如果变量之间存在协整关系则可以利用回归分析;二是将单位根序列逐阶进行差分,直至序列变为稳定序列。

2.协整检验

如果两个时间序列是非平稳序列,那么存在这样一种可能,即它们的线性组合是协整的。协整的时间序列在长期会以相同的速率一起变动。换言之,他们在长期服从一个均衡关系(Davidson和MacKinnon 1993),其含义是:如果经济增长和就业是协整关系的,那么在长期它们应该按照相同速率移动。也就是说经济增长是就业增强型的。如果两列数据不是协整的,那么这就是失业型增长可能出现的一个信号。在这种情况下,额外的国民收入被投入到那些就业强度不大的行业里面,因此随着收入增长会导致就业下降乃至停滞。为了粗略了解各宏观变量和就业的关系,需要对不稳定序列进行协整检验。

对于面板数据的协整检验不同于时间序列,本文采用的协整检验方法来自Westerlund(2007) [5]和Westerlund(2008) [6]。该检验方法的原假设和对立假设分别为:H0:不存在协整关系;H1:存在协整关系。

同样只要协整检验p值超过常用显著性水平,就无法拒绝变量之间不存在协整关系的原假设。分别对lnemp和lngrp、lnemp和lnwage、lnemp和lninves、lnemp和lnbudget、lnemp和lnfdi、lnemp和lnexport、lnemp和lnimport、lnemp和lncosum进行了协整检验,协整检验结果显示被解释变量lnemp与其他解释变量之间均不存在协整关系(见表3-表9所示),这意味着就业和这些指标在长期并不会以相同速率变动,这是西部民族地区存在失业型增长可能的有力证据。但我们还需要进一步细分,考虑失业型增长的来源。不排除这样一种可能,即某些宏观变量对就业增长有显著促进作用,但被其它变量的负效应抵消了。为了确认各宏观变量的就业偏效应,需要将其进行回归分析。由于各变量存在单位根且不存在协整关系,因此不能对变量直接进行回归。需要对各变量进行差分处理。从一阶差分开始逐阶差分,直到得到稳定序列。

对经过一阶差分后的序列做单位根检验,表2中第四列显示了其检验结果:lnemp、lngrp、lnconsum经过一阶差分后依然不能拒绝存在单位根的原假定,其余序列经一阶差分后均能够在1%的显著性水平上拒绝存在单位根的原假定。为得到平稳序列,继续对lnemp、lngrp、lnconsum进行二阶差分,表中第五列显示了单位根检验结果:lnemp、lngrp、lnconsum经过二阶差分后均能够在1%的显著性水平上拒绝存在单位根的原假定。

(三)回归分析

在估计模型时,采取了静态模型和动态模型两种设定。动态设定的前提假设是:认为企业的雇员招聘和解雇都是需要成本的,就业规模调整成本的存在或者说就业规模黏性会导致就业的滞后值对当前就业规模产生影响。因此,在就业规模黏性的假设下,需要将被解释变量就业规模的滞后值作为解释变量纳入模型。在解释变量引入的顺序上,本文采取的是逐类纳入的方法。首先纳入劳动力需求函数的基本变量:真实工资和地区生产总值;然后引入投资和政府行为变量:固定资产投资和预算支出;然后引入贸易和资本流动变量:进口、出口和外商直接投资;最后引入本地消费规模变量:社会消费品零售总额。

1.静态模型

所估计静态模型为:

其中,β为常数项,t为时间趋势变量。首先采用的面板是从总体面板中抽取的1990-2009年平衡面板,之后我们也以1978-2009年面板数据对相应回归方程进行了估计,分成两部分有助于寻找各宏观变量就业偏效应的动态变动情况。

在基本回归方程中,只是将lngrp、lnwage以及除基期之外的所有时间虚拟变量纳入,并进行估计,结果见表10中第(1)列数据。然后在此基础上纳入投资和政府预算支出变量,回归结果见表10中第(2)列。然后纳入资本流动和国际贸易变量,回归结果在(3)中,最后将社会消费品零售总额纳入,对所有变量进行模型估计,见(4)。对数序列中存在的自相关问题,以及不随时间而变的遗漏变量问题,我们采取了四种处理方法,一是随机效应,二是双向固定效应,三是VCE固定效应,四是使用组间估计量。结果分别显示于表10的第(5)-(8)列。然后我们又利用1978-2009年的面板数据进行了同样的模型估计。我们并没有将重庆和西藏纳入1978-2009年的面板数据中。结果见表11所示。

2.动态模型

在动态模型中,我们将就业的一阶滞后作为解释变量纳入了模型,因为受制于招聘和解雇的成本问题,对就业情况进行调整需要一定的时间。基于以上情况,我们将动态模型设定为:

从理论角度来看,动态设定更为合适。因为在给定招聘和解雇成本的前提下,劳动力需求存在一个局部调整过程。然而动态设定的可靠性要依赖两个条件:一是动态模型中的就业滞后是显著的;二是同方差估计的Sargan检验不能拒绝过度设定有效的原假设。如果这两个条件不能够满足,那么我们更愿意使用静态估计结果。

我们在估计动态模型时,用一阶差分形式来去除固定效应,并用GMM来克服因差分给滞后因变量系数带来的偏误问题。另外,由于真实工资被看作是内生变量,我们用就业和实际工资滞后作为工具变量。并对产出、FDI和进出口比重等严格外生变量进行一阶差分。由于自由度的考量,我们不能再添加更多期的滞后。同样也添加了时间虚拟变量,计算了序列相关的标准误差。在进行估计时,先对1990-2009年面板数据进行估计,然后对1978-2009年总体面板进行估计。

模型估计按照以下方式进行。首先,我们将lnemp的一阶二阶滞后变量lnempL1、lnempL2以及真实工资lnwage的当期值和一阶滞后值lnwage、lnwageL1纳入模型,用差分GMM进行估计。并且由于此差分GMM使用了较多个工具变量,因此需要利用Sargan检验①进行模型过度识别检验。参数估计值、t检验值以及Sargan检验p值均在表12中第(1)列。第二,在第一步的基础上,把lnwage的二阶滞后值作为解释变量纳入,用差分GMM进行估计,并同样进行Sargan检验,结果见表12中第(2)列。第三,在第一步的基础上将被解释变量lnemp的三阶滞后值作为解释变量,并且排除统计上不显著的当期lnwage,只将lnwage的一阶滞后作为解释变量引入模型(实际上我们也对包含被解释变量一二三阶滞后以及lnwage当期及一二阶滞后引入模型进行了估计,结果与第三步结果差异很小,在此略过),并进行过度设定检验,结果见表12中第(3)列。最后,我们用系统GMM对第三步中的回归模型进行了估计,结果见表12中第(4)列。

为了反映参数的动态变动,用1978-2009年面板数据对第三和第四步进行了估计,结果分别见表12中第(5)和第(6)列。

(四)估计结果

1.产出对就业的影响

从模型设定来看,由于就业规模调整黏性的存在,理论上我们更倾向于使用动态模型设定,但使用动态模型的两个条件必须满足:即就业滞后变量统计显著已经通过Sargan检验。动态模型的回归估计结果显示就业的一阶滞后在所有六个动态方程中都是显著的,甚至在某些回归方程中就业的二阶、三阶滞后也是统计和经济显著的,见动态模型估计的第三和第六步。并且都能在5%的显著性水平上通过Sargan检验,即无法拒绝模型设定有效的原假设,这一结果对两时期面板数据相同。因此,既然就业滞后作为解释变量引入模型统计显著且不存在模型误设,我们更倾向于采用动态模型的估计结果,同时用静态模型进行比较。

无论是在静态模型还是动态模型中,产出的就业偏效应都是统计显著的,从经济效应上来讲也具有显著正向影响。静态模型和动态模型中产出的就业偏效应差距较为明显。在静态模型中,产出的就业偏效应为1.3左右,而在动态模型中控制了就业的滞后效应后,其就业偏效应显著下降到0.1左右。从不同的时间段来看,产出的就业效应保持稳定。

因此,西部民族地区产出对就业的偏效应是统计显著的,从经济效应上看在0.1左右,也就是说,西部民族地区产出每增长10%,就业规模将提升1%左右。

2.真实工资对就业的影响

如果不考虑就业规模的滞后效应,在对静态模型中使用混合OLS和随机效应进行估计时,真实工资对就业的负效应在1%显著性水平上统计显著,且经济效应同样显著。在1978-2009年面板数据中,真实工资对就业的偏效应在-1.3左右,即真实工资每提高10%,就业水平将下降13%。同样的静态模型,但在使用1990-2009年面板时真实工资的就业偏效应虽然依然统计显著,但经济效应下降明显,下降到-0.9~-0.7之间。从动态模型来看,无论是当期真实工资还是真实工资的一阶、二阶滞后值统计不显著,在动态模型的所有六个回归方程中只有第三真实工资就业偏效应统计显著,但在所有动态模型中经济效应均不显著,在-0.04~-0.01之间,也就是说只有当真实工资提高100%,才能让就业规模下降1%~4%。

综合起来看,传统观点中所认为的真实工资对劳动力需求存在负面效应的假设并没有在本文的研究中得到显著确认。西部民族地区真实工资的变动并不是当前就业变动的主要原因。由于劳动力供求的不平衡,劳动力对真实工资变动并不敏感,其低工资并没有导致更高的就业。因此,对于西部民族地区来讲,国家涉及劳动力工资的政策对就业的影响不大。在劳动力供求失衡的情况下,应该寻求在就业岗位的创造上突破,而非在当前情况下利用劳动力价格调整工具。

3.固定资产投资和政府预算支出对就业的影响

从静态模型来看,固定资产投资对就业存在统计显著的负效应,且从时间段来看,1990-2009年中固定资产投资对就业的负效应明显提升,固定资产投资的就业弹性在-0.8左右,即固定资产投资每增加10%会导致就业规模减少8%。在动态模型中固定资产投资对就业的负效应依然是统计显著的,但经济效应并不明显,弹性在-0.04~-0.02之间。固定资产投资对就业无论从静态模型看还是从动态模型看均存在统计显著的负效应,但动态模型中的经济效应并不显著。对于固定资产投资和就业之间的关系,我们的结论是至少发现西部民族地区在过去很长时间以来,固定资产投资并没有对就业提升起到我们预想的作用,并且从时间序列来分析,在最近的时间段中固定资产投资对就业的负效应有增强的迹象。这一问题的关键在于对于固定资产投资项目的科学安排和严密的后续跟踪监控,这也是未来西部民族地区最大化发挥固定资产投资作用的关键。

政府预算支出对就业的作用在静态模型中是负向的,在动态模型中是正向的,并且无论是动态还是静态模型中,西部民族地区政府预算支出对就业的影响是统计不显著的,并且从经济效应角度来看也是不显著的。预算支出提高100%,仅能使就业有个位数的增长率。西部民族地区财政支出主要集中于三个领域:基本建设支出、挖潜改造资金和科技三项费用以及支农支出。这些使得资本、技术对劳动力的替代成为可能,这也在一定程度上解释了政府预算支出与就业无显著关系的原因。

4.国际贸易对就业的影响

出口对西部民族地区就业的影响在统计上并不显著。静态模型中出口的就业弹性均为负值,动态模型中出口的就业弹性同样均为负值,且在-0.001~-0.01之间,经济效应不明显。进口对就业的影响在静态模型中是统计显著为负值的,但在控制了就业的滞后影响之后,统计上和经济效应上均不显著,但经济效应在动态模型中是正值。

传统假设中会认为出口部门产出的增加会带来本地就业的提升,但本文并没有任何证据支持这一假设。其可能原因是出口部门的产业链条较短,甚至在某种程度上形成了城堡经济或二元结构,即出口部门与其他本地产出部门严格分隔,出口部门的增长不能形成对本地经济的有效溢出,带动本地其它部门就业增加。该原因和我国西部民族地区的现状相符,在资源型产品出口主导的现状下,出口部门产出的增长仅仅是推动了本部门的就业有增加的可能,但由于未能形成有效溢出,故出口的增长与整体就业之间的关系并不显著。

进口与就业之间关系的不显著同样也与传统假定不符。传统理论中认为进口会通过两条渠道来对本地就业产生负向效应:一是进口产品形成了对本地产品的替代,从而减少了本地同类产品生产部门就业的增长;二是国外进口产品的竞争力会对本地企业产生技术压力,从而通过技术压力形成技术替代劳动力,降低就业率。本文并没有任何证据表明进口对就业的负效应,反而在动态模型中进口对就业的影响是正向的,只是统计上和经济上不显著而已。这一点说明西部民族地区进口是本地产出的补充而非替代。这使得我们需要重新审视进口对西部民族地区经济发展的作用,尤其是考虑其正向作用。

5.FDI和社会消费品零售总额对就业的影响

从静态模型来看,FDI对就业的影响是显著的。1978-2009年面板回归的结果与1990-2009年面板的回归结果相差较大。FDI对就业的负向影响逐渐减弱,并有呈现正效应的趋势。从动态模型来看,FDI对就业有统计显著的正向影响,FDI的就业弹性在0.01左右,在经济效应上并不显著。

一开始西部民族地区FDI对就业存在负效应的可能原因是,FDI投资于既有资产的收购兼并,而非新资本的创造。形成了对原有本地资本的收购兼并之后,会利用其先进的技术优势和管理优势对原企业的生产流程进行再造,从而形成劳动力的节约,从而对就业产生负向影响。之所以在最近的时间段中FDI对就业开始呈现正向效应,原因是存在收购兼并条件和本地资产不再存在,FDI更多地集中于新资本的创造,从而导致了就业规模在这些部门的提升。虽然在FDI在最近有推动就业规模的趋势,但不能忽略掉其经济效应仅为0.01的显示,其经济效应并不显著。其主要原因是FDI带来的技术管理优势,对本地企业产生了有力竞争,导致部分本地企业就业规模下降。因此,在考虑FDI对就业的影响时,应将技术压力这一负效应,与本企业就业提升和产业溢出效应这一正效应做综合考量。

消费需求的旺盛和消费结构的提升能够通过本部门产出增加和产业关联效应,有效提升产出部门劳动力需求规模,这也是将社会消费品零售总额纳入劳动力需求方程的原因。但在动态效应中,社会消费品零售总额对就业的正向影响无论是在统计上还是经济效应上都不显著。这主要与国内消费品的整体产能有关,如果产能严重不足,那么在社会消费品零售总额提升时会导致消费产出部门的就业规模提升,但在产能整体过剩的现状下,两者关系并不显著。

四、结论和建议

本文的目的是寻找西部民族地区经济增长和就业是如何随时间而演变的,并试图发现所选择的宏观经济变量对就业的影响如何。分析主要分为两个维度:第一,根据是否考虑就业规模的滞后效应,把模型设定为静态和动态模型,并分别估计;第二,使用1978-2009年以及1990-2009年两个面板数据对静态、动态模型进行了统计描述和计量分析,寻找各因素就业效应的动态变迁。其主要结论是:

第一,西部民族地区就业指标与所考察的宏观经济指标间不存在长期的协整关系,亦即在长期中,它们并不会以相同速率变动,这是失业型增长经济的典型特征。

第二,产出的就业偏效应统计显著,就业弹性在0.1左右,也就是说,西部民族地区产出每增长10%,就业规模将提升1%左右。这解释了西部民族地区年均13.6%的产出增速和1.5%的年均就业增速的原因,并进一步佐证了该地区存在着失业型增长的可能,产出的增长可能更多地依赖资本和技术的推动。

第三,西部民族地区的进出口与就业之间的关系无论是在统计上还是在经济效应上均不显著。其原因是出口部门的产业链条较短,在某种程度上形成了城堡经济或二元结构,即出口部门与其他本地产出部门严格分隔,出口部门的增长不能形成对本地经济的有效溢出,带动本地其它部门就业增加。本文并没有任何证据表明进口对就业的负效应,反而在动态模型中进口对就业的影响是正向的,这一点说明西部民族地区进口是本地产出的补充而非替代。

第四,西部民族地区固定资产投资并没有对就业提升起到预想的正向作用,并且从时间序列来分析,在最近的时间段中固定资产投资对就业的负效应有增强的迹象。对于固定资产投资项目的科学安排和严密的后续跟踪监控,是未来西部民族地区最大化发挥固定资产投资作用的关键。

第五,西部民族地区真实工资的变动并不是当前就业变动的主要原因。由于劳动力供求的不平衡,劳动力对真实工资变动并不敏感,其低工资并没有导致更高的就业。因此,对于西部民族地区来讲,国家涉及劳动力工资的政策对就业的影响不大。

第六,FDI对就业的影响,在不同时间段作用不同。一开始FDI主要集中于既有资产的兼并重组,此时FDI对就业存在负效应,之后FDI在西部主要集中于新资本的创造,开始体现就业正效应,但经济效应依然不显著。这意味着西部民族地区在接受FDI时,需要在就业溢出和技术资本替代之间作出权衡。由于全国范围内消费品生产能力的过剩,西部地区社会消费品零售综合与就业之间并无明显关系。

综上所述,西部民族地区失业型增长已经发生,但仅依赖宏观经济均衡不足以解决就业压力的挑战。实际上,在保持可持续增长政策的同时,还应将战略指向就业密集型和推动型上面来。这些可以通过大量投资的持续增加和再定位来实现。这些投资无论是FDI,还是固定资产投资,应该指向就业推动型和劳动密集型的活动。

注释:

①Sargan检验的原假设和对立假设分别为:H0:所有工具变量都有效;H1:模型存在过度识别。

参考文献:

[1]江曼琦,翁羽. 少数民族迁移就业的成本和收益与城市民族工作的开展[J].云南社会科学,2010,(1):26-29.

[2]王佐强.关于沿黄河沿交通干线经济带重点工业园区开发区产业发展的几个问题[J].北方经济,2011,(7):12-14.

[3]Greenaway, D.; R. Hine; and P. Wright. 1999. An Empirical Assessment of the Impact of Trade on Employment in the United Kingdom.[J]. European Journal of Political Economy 15: 485–500.

[4]Hine, R., and P. Wright. 1997. Trade and Manufacturing Employment in UK Manufacturing. International Trade and Labour Markets. J. Borkakoti and C. Milner,ed. pp.118–139. London: Macmillan.

[5]Westerlund, J. 2007. Testing for Error Correction in Panel Data [J]. Oxford Bulletin of economics and Statistics 69(6): 709-748.

[6]Persyn, D. and J. Westerlund. 2008. Error Correction Based Cointegration Tests for Panel Data [J]. Stata Journal,8(2):232-241.

收稿日期:2012-11-27

责任编辑:许瑶丽