中国经济增长的就业弹性下

中国经济增长的就业弹性（下）李文星2013-04-01 15:05:23 来源：《统计研究》2013年第1期企业“主营业务收入净额（y）”表示企业当期产出需求冲击（σeit）。

没有包含“非主营业务收入净额”是由于它可能来自会计调整或投资收益等，这些因素年度之间波动较大，从而会影响我们正确估计就业人数和产出（或营业收入）之间的稳定和长期关系。

由于“主营业务收入净额”和“支付给职工及为职工支付的现金”都是年度流量，而就业和总资本都是年末存量，为了一致，我们取资本和就业量的年初值和年末值的平均值作为它们的流量近似值。

由于取样本平均值会减少样本量，因此，我们选取的508家公司的“支付给职工及为职工支付的现金”和“主营业务收入净额”实际上都具有连续9年（2000年-2008年）的完整数据。

就业人数由于缺乏2000年数据，因此2001年就业人数用年末存量值代替年度流量值，其他年份的就业量仍然取年初和年末的平均值，并且都取整数值。

除就业人数之外，其余三个变量都经过价格指数调整。

其中，总资产和营业收入和工资都用商品零售价格指数（以2001年为基期）调整，而工资用CPI（以2001年为基期）调整，这些指数（2001-2009年）都取自《中国统计年鉴2010》。

而2010年的商品零售价格指数和居民消费价格指数分别采自中国人民银行2010年第四季度货币政策执行报告和国家统计局2010年统计公报。

另外，我们按照Arellano和Bond（1991）的做法，回归时使用的是人均实际工资，由实际工资除以每年的平均就业人数所得。

变量的基本描述性统计量见表1。

四、基本结果和分析动态面板GMM估计可以分为一步GMM和两步GMM估计。

但在经验应用中通常使用一步GMM估计量（Bond，2002），因为两步估计的标准差存在向下偏倚，这种偏倚虽然经过调整后会减小，但会导致两步GMM估计量的近似渐进分布不可靠。

一步广义矩估计（Arellano and Bover，1995；Blundell and Bond，1998）还可以继续分为一步系统矩估计和一步差分广义矩估计。

一步系统GMM估计较一步差分矩估计利用了更多的工具变量，一般而言，前者比后者的估计结果更有效。

由于在不同滞后阶下本文所用一步差分矩估计结果不满足残差二阶不相关的条件，因此，对比系统矩和差分矩的结果没有意义，下面我们都只列出了一步系统矩的估计结果。

动态面板GMM估计中的另一个重要问题是横截面相依性。

若引起横截面相依性的不可观测因素与模型中的解释变量相关，这会导致有偏估计；如果这些因素与模型中的解释变量不相关，则导致标准误的有偏估计，也同样引起错误的推断。

为了控制模型很可能存在横截面相依性，我们模型中的时期效应λt可以控制全国统一的货币和财政等经济政策、技术或需求冲击对每个企业就业所产生的影响。

根据我们较短的样本长度和Arellano和Bond（1991）的做法，我们模型中被解释变量和解释变量的滞后阶数都为1。

为了比较滞后阶数的选择是否对结果有明显的影响，我们在表3中列出了二阶滞后的回归结果。

同样根据Arellano和Bond（1991）的建议，我们在表2第三列还报告了用“主营业务收入净额”的差分值（dy）代替“主营业务收入净额”对数值（lny）的回归结果，因为企业可能是遵循“正常成本定价”原则，从而相对于企业潜在产出的需求冲击（本文中体现为主营业务收入净额的差分值）对企业产品定价没有影响，但强烈影响企业的就业需求（Layard和Nickell，1986）。

如计量模型部分所述，我们模型中的三个解释变量k、w和y可能都是内生的。

按照Arellano和Bond（1991）的做法，我们选择这些变量的滞后值作为它们自己的工具变量。

表2分别列出了动态面板GMM估计中使用的工具及其滞后阶数。

表2的第2列中度量企业需求冲击的变量为“主营业务收入净额”的水平值（lny）。

检验残差自相关的AR（1）、AR（2）统计量对应的p值分别是0.000和0.172，说明我们回归模型残差无自相关的原假设不能拒绝；检验工具联合有效性的萨甘统计量对应的p值0.997，也不能拒绝工具联合有效的原假设，因此，我们选取的工具及其滞后阶数是合适的。

就业人数对数值的一阶滞后值约0.93，在1%的显著性水平显著异于0，这表明了中国制造业上市公司的就业调整具有明显的惰性。

对于产品需求冲击或外部政策冲击，企业并不会立即通过就业调整来应对。

人均实际工资（w）的对数值及其一阶滞后值都显著异于零，根据动态方程，我们可以计算出人均实际工资的长期就业弹性约为-1.16。

工资和就业之间的负相关性与经济理论是一致的：长期而言，职工工资上升会导致企业减少雇佣人数。

另外，在Arellano和Bond（1991）对英国制造业的回归结果中，该弹性系数仅-0.24，而中国制造业上市公司人均实际工资的长期就业弹性系数超过了-1，说明中国制造业上市公司对工资上升比较敏感。

这可能表明，在中国制造业，让企业具有调整职工工资的弹性对于扩大就业是十分重要的。

如果规定了高于均衡水平的工资，如最低工资制高于均衡工资水平时，企业可能会选择减少雇佣量来应对。

企业总资产的对数值及其一阶滞后值也是显著地异于零。

总资产的长期就业弹性系数约为1.05，可能表明中国制造业上市公司的投资扩张对就业具有较强的拉动作用，也说明中国制造业可能并不存在资本代替工人的现象。

但是，在控制了规模扩张的效应后，制造业企业主营业务收入净额的增长与企业就业量却没有显著的相关性。

这可能反映出面对正向和负向的需求冲击时，企业不是立即对企业就业量进行增加或减少，短期内，企业可能是通过调整职工劳动强度或调整劳动时间来适应冲击。

但在长期，企业会进行投资扩张（或者收缩），从而企业的就业人数相应增加（或减少）。

从回归结果还可以看到，中国制造业的规模或投资的就业弹性显著大于1；而制造业主营业务收入净额增长或者说企业产值增长对中国就业水平并无显著的影响，因此，从制造业来看，中国经济增长的就业弹性并没有下降或者说并不偏低。

这个结论与本文文献回顾中一些研究的结论相似，但立论基础不同。

首先，本文使用的是微观数据。

其次，我们考察的样本是制造业的上市公司，这些公司都按照现代企业制度的要求进行过比较彻底的改制，企业用工的市场化程度较高，企业内部的隐性失业或冗员问题并不严重，因此，我们的结论是一个直接的结论。

而与本文结论相似的这些文献是先测算冗员或隐性失业，然后再来估计就业弹性。

另外，从制造业看，我们并不能接受中国经济增长的就业弹性下降或偏低的观点。

上述回归结果对应主营业务收入净额的水平值（lny），而Arellano和Bond （1991）认为主营业务收入的差分值（dy）可能更好地反映了企业的需求冲击。

本文将模型中的lny用dy代替后也进行了回归，结果见表2中第3列。

该列中AR（1）和AR（2）统计量对应的p值说明原模型中的残差无自相关；萨甘统计量对应的p值也说明表明我们不能拒绝工具联合有效性的原假设。

对比表2中第2列和第3列，可以看出，企业总资产的对数值及其一阶滞后值仍然是显著地异于零，该变量的长期就业弹性系数为1.12，与第2列中的结果相差不大。

两列中其余各变量的符号及其系数的显著性水平也都基本接近，这说明无论是以主营业务收入净额的对数值还是差分值对回归结果并没有显著影响，因此，表2第2列中关于企业总资产增长的就业弹性的估计结果是稳健的。

上面的结果都假定因变量和自变量的滞后阶数为1，而表3则将滞后阶数设为2。

其中第2和第3列分别对应表2中的第2列和第3列。

从表3中两列的结果来看，就业人数对数值的一阶滞后值的系数在1%的显著性水平显著异于零，但其二阶滞后值并不显著。

同样，总资产对数值及其一阶滞后值都至少在5%的显著性水平显著，而其二阶滞后值也不显著。

另外一个重要变量人均实际工资对数值及其一阶滞后值都分别在1%和5%的显著性水平显著异于零，其二阶滞后值仅在10%的显著性水平异于零。

因此，表3中二阶滞后的结果表明，我们表2中各变量选择一阶滞后是合理的。

必须指出的是，上述结论与我们选取的样本有关。

第一，本文选取的样本公司只是中国制造业上市公司中的一部分，所得结论可能只反映了制造业的就业弹性状况。

第二，本文的样本时间是2001-2008年，这正好是中国经济增长的一个上升周期，因此，制造业上市公司的数据也受到这种宏观大环境的影响，从而对本文的结论有影响。

第三，本文用企业就业数据进行回归，结论相对宏观数据更可靠、更直接。

但这种数据忽视了制造业对就业的前向或后向的间接拉动作用。

如企业的服务外包等并未计入制造业上市公司的就业人数中，因此，微观数据也有缺点，这在一定程度上也会影响本文的结论。

五、主要结论和含义本文利用2001-2008年中国制造业上市公司的微观数据估计了中国经济增长就业弹性。

实证结果表明，中国制造业上市公司的总资产规模扩张（即企业投资）具有非常显著的就业效应，因此，从中国制造业上市公司来看，我们并不能接受中国经济增长的就业弹性下降或偏低的结论。

本文估计时并没有考虑到制造业对就业的前向和后向关联效应，从而实际的就业弹性系数应该比本文所估计的就业弹性系数更大。

如果考虑到这个因素，可以更有理由相信本文的结论。

必须指出的是，我们的样本只是中国制造业中的部分上市公司，样本期（2001-2008）也正好是中国经济增长的一个上升周期，这两个因素都会使得我们的结论具有一定的局限性。

本文可以进一步拓展的两个方向：一是将制造业进一步分为重工业和轻工业等更细的行业，从而得到更深入的结论；二是可以将中国上市公司中其他行业，如金融保险业、建筑业等等都包含到样本中，从而得到具有普遍意义的结论。

参考文献：[1] Okun，Arthur M.Potential GNP：Its Measurement and Significance[A].The Political Economy of Prosperity[C].New York：Norton，1970.132-45.[2]Lee，J.The Robustness of Okun's Law：Evidence from OECD Countries[J]Journal of Macroeconomics ，2000（22）：331-356.[3]Arellano，M.and Bond S.Some tests of Specification for Panel Data：Monte Carlo Evidence and an Application to EmploymentEquations[J].Review of Economic Studies，1991（58）：277-297.[4]Rawski，Thomas G.What' s Happening to China's GDP Statistics？[J].China Economic Review，2001（12）：298-302.[5]蔡昉，都阳，高文书.就业弹性、自然失业和宏观经济政策——为什么经济增长没有带来显性就业？[J].经济研究，2004（9）： 18-25，74.[6]宋小川.无就业增长与非均衡劳工市场动态学[J].经济研究，2004（7）：91-96.[7]蔡昉.中国就业统计的一致性：事实和政策涵义[J].中国人口科学，2004（3）：4-12，81.[8]龚玉泉，袁志刚.中国经济增长与就业增长的非一致性及其形成机理[J].经济学动态，2002（10）：39-43.[9]简新华，余江.基于冗员的中国就业弹性估计[J].经济研究，2007（6）：131-141.[10]王德文，王美艳，陈兰.中国工业的结构调整、效率与劳动配置[J].经济研究，2004（4）：41-49.[11]Layard，R，and Nickell，S.J.Unemployment in Britain[J].Economica，1986（53）：5121-5169.[12]Nickell，S.J.and Wadhwani，S.Employment determination in British Industry：Investigations Using Micro-Data [DB/OL]. London：Centre for Economic Policy Research Discussion PaperNo.320，1989.[13]Bond，S.Dynamic Panel Data Models：A Guide to Micro Data Methods and Practice[DB/OL].London：Department of Economies， Institute for Fiscal Studies，CEMMAP Working Paper CWP09/02，2002.[14]Arellano，M.and Bover，O.Another Look at the Instrumental Variable Estimation of Error-Components Models[J].Journal of Econometrics，1995（68）：29-51.[15]Blundell，R.and Bond，S.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J].Journal of Econometrics，1998（87）：115-143.作者简介：李文星，男，1968年生，湖南省临湘市人。