1、产业结构优化升级经济发展方式转变与扩大就业中央财经大学学报修改版终产业结构优化升级、经济发展方式转变与扩大就业基于我国19952011年省级面板数据的经验研究吴振球 王振 程婷中南财经政法大学 工商管理学院 摘要：本文利用1995年2011年我国30个省、市、自治区的省级面板数据，运用静态面板数据模型与动态面板数据模型以及克服内生性的分析技术，对产业结构合理化、产业结构高级化和经济发展方式转变及相关控制变量与就业的关系进行了经验研究。静态面板数据模型结果表明：产业结构合理化、产业结构高级化对降低失业率有积极作用；正向转变经济发展方式对提高失业率具有正效应，但产业结构高级化与转变经济发展方式协同
2、作用对降低失业率具有明显的积极作用；第三产业比重与失业率呈负相关，实际经济增长率与失业率呈正相关。动态面板数据模型分析得出的结论与静态面板数据模型得出的结论是一致的。这说明，我国当前提出的“降增速、调结构、转方式、保就业”的经济政策具有内在逻辑一致性。关键词：产业结构 合理化 高级化 经济发展方式 就业中图分类号：F015 F062.9 F062.4 文献标示码：A一、问题的提出实现产业结构优化升级、经济发展方式转变和劳动力充分就业是我国现阶段追求的三个重要宏观经济目标，三者相互联系又相互制约。我国当前一段时间的就业情况既存在着总量供过于求的矛盾，又存在着结构性矛盾。2012年，全国城镇新增就
3、业人员1266万人，其中城镇失业人员再就业552万人，就业困难人员实现就业182万人，城镇登记失业率为4.1%，年末城镇登记失业人员大约为920多万人。2013年高校毕业生达到699万人，加上中专、职高毕业生以及大量从农村转移出来的农民工需要在城镇就业，所以2013年的就业形势依然严峻。产业结构优化升级与就业的关系存在着截然相反的两种观点。第一种观点认为，产业结构优化升级抑制就业。理由是，产业结构优化升级导致资本“挤出”劳动。如严英龙、陈在余（2004）认为，如果工业化进程中以资本替代劳动，劳动力转移将受阻，会减少全体居民的收入水平，产生有效需求不足，从而抑制工业化发展1。第二种观点认为，产业
4、结构优化升级促进就业。理由之一是资本深化在长期中促进就业增长。利本斯坦认为，资本密集型产业虽然在短期内吸纳就业不多，但从长期看，资本密集型产业不需要像劳动密集型产业那样将大量国民收入分配给劳动者，从而有利于提高储蓄和扩大投资，带来更多的就业。理由之二是产业结构优化升级可以带动第三产业的发展，从而吸纳更多的就业。武力、温锐（2006）认为，早期工业化国家工业化时会选择发展劳动密集型产业，现阶段工业化的国家会选择创新力强的技术与资本密集型产业来实现工业化，这些产业可以带动第三产业的发展，进而促进就业2。2007年党的十七大提出转变经济发展方式，2013年的政府工作报告提出推进产业结构优化升级，加快
5、转变经济发展方式，促进经济持续健康发展的要求。虽然经济发展方式转变尚不存在一个为大多数人接受的定义，但笔者认为经济发展方式转变至少应该包括促进技术进步、节约资源和能源这一本质性内容。按照经济理论，技术进步包括三种类型，即节约资本的技术进步、节约劳动的技术进步和中性技术进步，因此，仅仅依据技术进步并不能判定技术进步与就业之间的关系，必须进一步判断技术进步的具体类型，才能判定技术进步与就业之间的关系。不同学者选择不同地区、不同时间段对技术进步与就业的关系进行研究，得出的结论不同当然不足为奇。如齐建国（2002）通过测算发现，19781990年间的技术进步对我国就业有正面影响，但19901999年间
6、的技术进步却减少了对就业的吸纳3。 此外，还有少数学者联合考察产业结构调整、技术进步两者对我国的就业效应。魏燕、龚新蜀（2012）利用省际面板数据，采用扩展型C-D函数对技术进步、产业结构升级与就业之间的关系进行了面板单位跟检验、协整检验和误差修正模型分析。他们指出，我国技术进步、产业结构升级程度与就业之间存在长期均衡关系，且技术进步、产业结构升级是形成区域就业差异的长期原因。但技术进步、产业结构升级程度对区域就业量的短期影响在四大经济区中又是不稳定的4。在当今我国经济增速下调、大力推进产业结构优化升级、切实转变经济发展方式的关键时期，研究产业结构优化升级、经济发展方式转变与就业之间的关系尤为
7、重要。综合已有文献研究结果，仅仅从理论层面来判定三者之间的关系，是无法得出明确结论的，必须进行基于我国实际的经验研究，且在控制大量相关变量的条件下，才能得出三者关系真实的确定性结论，从而为国家有关部门决策提供实证支撑。本文的创新之处在于：第一，为了克服内生性问题，我们首先应用静态面板数据模型与工具变量法研究产业结构优化升级、经济发展方式转变、服务业发展与就业之间的关系。进一步地，为了能够有效地解决测量误差、非时变的遗漏变量和解释变量的内生性问题引致的变量内生性问题，我们采用Arellano和Bond提出的GMM估计方法，即利用被解释变量与预定变量的滞后项、严格外生变量的差分作为工具变量进行估计
8、。我们将上述两种方法得出的结果进行了深入比较，发现两种结果是一致的，从而有效克服了变量内生性问题。这与以前的研究不同。第二，在分析产业结构优化升级对就业的影响时，以前大多数学者将目光聚焦于以重化工业为特征的产业结构优化升级，而随着我国服务经济“曙光”的临近，本文将侧重于分析第三产业为主要特征的产业结构优化升级对就业的影响。二、模型设定、变量说明及数据来源（一） 模型设定根据劳动经济学研究就业的大量宏观理论与实证研究成果，我们发现影响一国国民就业的因素主要有：经济增长、通货膨胀、技术进步、产业结构优化升级、服务业发展、人均实际工资水平、受教育程度、城镇化水平、以及它们之间的交互作用等。为了研究产
9、业结构优化升级、经济发展方式对就业的影响，本文以就业为被解释变量，用城镇登记失业率表示，产业结构优化升级、经济发展方式、服务业发展为解释变量，人均实际工资水平、人均受教育程度、城镇化水平、产业结构高级化与技术进步交互作用为控制变量。基于以上考虑，本文的静态面板数据模型设定如下：不考虑控制变量时，模型设定如下： （1）考虑控制变量时，模型设定如下： （2）式中，表示省份，表示年份，表示非观测效应，表示与时间和地区都无关的随机误差项，为控制其他无法观测的时点因素的影响，在模型中引入时间趋势变量。（二） 变量说明1.被解释变量就业。用城镇登记失业率（RUNPLOY）表示。由于我国现阶段特殊的二元经济
10、结构，造成我国至今尚未正式公布连续时间的就业率数据。有些学者研究我国就业情况时，用1-城镇登记失业率表示就业率，许多学者认为官方公布的城镇登记失业率并不能反映真实的失业率（张车伟，2003）5，并用自己测算的失业率来推算就业率（蔡昉、都阳、高文书，2004）6。经过深入比较，本文认为用城镇登记失业率来表示我国实际失业率较好。2.解释变量（1）产业结构优化升级。产业结构优化升级通过产业结构合理化、产业结构高级化来体现。产业结构合理化（TL）。它主要指产业与产业之间协调能力的加强和关联水平的提高，是一个动态过程。衡量产业结构是否合理，主要依据产业之间发展是否协调，社会资源能否在产业之间得到有效配置
11、。研究者往往采用结构偏离度对产业结构合理化进行衡量。为弥补采用结构偏离度容易忽视各产业重要程度的缺陷，本文借鉴干春晖等（2011）用泰尔指数来度量产业结构合理化的方法，泰尔指数越大，就表示经济越偏离均衡状态，产业结构越不合理7。产业结构高级化（TS）。它主要指产业结构从低水准向高水准发展的动态过程，是对原有产业结构的扬弃，表现为第一产业的优势地位逐步被二、三产业取代。在实际衡量过程中，运用最多的是基于产值和劳动力的标准结构。随着“经济服务化”概念的提出，已有学者开始将第三产业增加值与第二产业增加值之比作为衡量产业结构高级化程度的重要指标。本文也采用这一指标。（2）经济发展方式。经济发展方式内涵
12、十分丰富，本文用全要素生产率（TFP）的变化来体现经济发展方式。采用索洛余值法计算全要素生产率。首先在柯布-道格拉斯生产函数基础上测算资本弹性，本文测算结果为0.5803009，再由公式算出各省份相应年度全要素生产率，其中K表示各省份各年度实际资本存量，按照永续盘存法计算而得。以1991年为基期，折旧率取7.5%，L表示全社会从业人员数量。（3）服务业发展（INDUS3）。用第三产业比重表示。该变量指第三产业增加值在当年GDP中所占的比重，它不仅可以被用来测算经济结构的优化程度，而且也可以被用来反映第三产业对扩大就业的贡献度。3.控制变量（1）人均实际工资水平（AWAGE）。该变量通过名义人均
13、工资水平除以CPI指数（消费者价格指数）计算而得。（2）经济增长（RGDP）。用GDP实际增长率表示。该变量通过GDP平减指数计算而得。（3）人均受教育程度（AEDU）。采用6岁以上人口人均受教育年数来衡量受教育程度，把小学、初中、高中、大专及以上受教育年限分别记为6年、9年、12年和16年，则受教育水平为：AEDU=6小学+9初中+12高中+16大专以上，其中小学、初中、高中和大专以上分别表示小学、初中、高中、大专以上教育程度人数占六岁以上人口的比重。（4）城镇化水平（URBAN）。通过城镇户籍人口占社会总人口的比重来衡量。许多学者认为城市化是扩大就业机会和提高就业人数的重要途径，城市化在一
14、定程度上能够解决部分失业问题。（5）产业结构高级化与经济发展方式交互项（TL*TFP）。用该变量来考察在产业结构高级化与技术进步共同作用下的就业压力状况。（三）数据来源本文采用的数据大部分来源于1995年2011年的中国统计年鉴、各省统计年鉴、中国人口与就业统计年鉴、中国劳动统计年鉴。由于西藏省份部分数据缺失较为严重，于是予以剔除。重庆仅有少量年份数据缺失，对1995年1997年缺失的部分数据，由1998年数据进行近似代替。另外对于名义GDP、名义资本与名义工资等数值，本文都以1991年为基期的相应价格指数进行平减计算得到实际值。三、实证结果与分析（一） 总样本单位根检验在进行实证研究之前，我
15、们必须首先对总样本进行单位根检验，以避免伪回归现象的发生。检验结果见表1。结果表明，所有变量一阶差分不存在单位根过程，是平稳的一阶单整，即均为I（1）。 表1 模型（1）总样本单位根检验结果变量LLCIPSFisher-ADFFisher-PP结论Ln（RUNPLOY）-15.3376*-9.53563*179.830*133.314*平稳Ln（TL）-1.108820.0914075.875748.1550不平稳Ln（TS）2.540024.0199430.518726.6714不平稳Ln（TFP）0.410506.7744045.430714.7392不平稳Ln（INDUS3）-1.555
16、240.0506576.975944.5538不平稳Ln（RUNPLOY）-8.70494*-11.4986*242.873*292.527*平稳Ln（TL）-11.4873*-9.88288*215.557*239.584*平稳Ln（TS）-10.1205*-7.93558169.423*176.526*平稳Ln（TFP）-4.67542-4.05487*106.441*146.829*平稳Ln（INDUS3）-4.04904*-3.84304*111.828*114.032*平稳说明：*表示5%的显著水平，*表示10%的显著水平；单位根检验过程中的最优滞后期数是按照Schwarz评价标准（
17、SIC）确定的。（二）总样本协整检验 为检验各变量之间是否存在稳定的长期关系，我们采用目前比较常用的面板数据协整检验方法: Pedroni检验和Kao检验。检验结果见表2。表2 模型（1）总样本的协整检验结果（滞后阶数由SIC准则确定）检验方法Kao检验Pedroni检验统计量名ADFPanel PPPanel ADFGroup PPGroup ADF统计量值（P值）-7.292825*（0.000）-7.27245*(0.000)-7.278896*(0.000)-10.51856*（0.000）-10.08104*（0.000）说明：*表示5%水平显著，*表示1%水平显著；括号内的值为pr
18、ob值。从检验结果可以得出，Panel PP 、Panel ADF和 Group PP、Group ADF都在1%的显著水平下拒绝原假设，并且Kao检验也在1%的显著水平下拒绝原假设，同时说明了面板变量之间存在协整关系。（三）面板数据模型选定与检验（1）静态面板数据模型设定与检验 在对面板数据估计前，为保证模型设定的准确性和改善参数估计的有效性，我们应首先检验哪种静态面板数据模型更可靠。面板数据中最常见的静态面板数据模型有三种，即混合效应模型、固定效应模型和随机效应模型。至于采用何种模型合适，我们应通过F统计量及Hausman检验来判断。本文利用StataSE12进行检验并得出表3，可知无论是
19、模型（1）还是模型（2），最适合的静态面板数据模型是固定效应模型。 表3 模型（1）（2）静态面板数据模型估计结果混合效应模型（pool ols）固定效应模型(fe)随机效应模型(re)固定效应模型工具变量估计(IV-fe)Ln（TL）0.0894033*（0.0223482）0.0343794*（0.0242162）0.0312187*（0.0282203）0.0660976*(0.0292066)0.0453594*（0.0264884） 0.0649054*(0.0275896)0.0784324*(0.026902)Ln（TS）-0.0176566*（0.0644464） -0.140
20、2773*（0.0948192）-0.3287915*（0.3287915）- 0 .434526*(0.1103749)-0.2757209 *（0.0814968 ）-0.3409913*(0.1040511)-0.5554569 *(0.1110573)Ln（TFP）0.0831841*（0.0689169）0.2425136*（0.093747）0.2783084*（0.1023299）0.2433765*(0.1284868)0.1802454*（0.0932933） 0.2020251*(0.1162639)0.1457536*(0.1229059)Ln (INDUS3)-0.52
21、34235*（0.100733）-0.3805336*（0.097308）-1.171712*（0.2370021）-1.313238*(0.2359503)-0.9737149*（0.1910352）-1.024399*（0.1848722）-0.306506 *(0.2474165)Ln（AWAGE）-0.208397*（0.0656065）-0.0350932(0.0623367)-0.0499094(0.0606617)-0.0928636(0.0572278)Ln（RGDP）0.2828316*（0.0762273）0.2202503*(0.0609112)0.2228964*(0.
22、0604957)0.0002131(0.0546412)Ln（AEDU）-1.025487（0.1601258 ）-0.3892005(0.2571589)-0.5459002(0.2171147)-0.2458544(0.2341292)Ln（URBAN）-0.0649796*（0.0215356）-0.0463645*(0.0264464)-0.0482717*(0.0247075)-0.0751606*(0.0271808)Ln（TS）* Ln（TFP）-0.3327839（0.2075275）-0.3619752*(0.1824267)-0.3135522(0.1800768)-0.2
23、744154(0.1876241)Ln（T）0.2654519*（0.0359277）0.6874966*（0.1154024） 0.1548716*（0.0415494）0.3323814*(0.117323)-1.252503*（1.077615）-0.3336759*（1.108878）0.4371252*(0.0894644)C 0.1801725*（0.1760055）2.544927*（0.6190203）-0.2760721*（0.1548716）-0.1236143*(0.6167933 )4.204024（3.248759）2.656834 (3.23151) -0.3185
24、242(0.5906635)Adj-R20.25170.35660.38200.41600.37920.41270.3055Wald卡方统计量75.050.000155.320.00085.310.000176.110.00018505.940.000F检验22.04 0.00018.070.00017.700.000Hausman-p值12.440.866015.440.9072说明:系数后面括号中为标准差；表中左栏为模型1 的模型选定和检验结果，右栏为模型2的模型选定和检验结果；*表示在1%水平上显著，*表示在5%水平上显著，*表示在10%水平上显著；Hausman、F、Wald检验值下面
25、方括号中为各自显著程度。 从固定效应模型左栏和右栏的回归结果可以看出，模型（1）的结果是稳健的，因为模型（2）是在模型（1）的基础上加上人均实际工资水平、GDP实际增长率、人均受教育程度、城市化水平、产业结构高级化与经济发展方式交互项等控制变量而形成的，两个模型的解释变量的回归系数的符号完全相同，且其系数都能通过显著性检验。由模型（2）的回归结果可以看出，表示产业结构合理化程度的泰尔指数与失业率呈正相关关系，系数在5%的水平上通过显著性检验。说明产业结构越不合理，失业率越高，产业结构越合理，失业率越低。因为产业结构不合理，说明有些产业劳动力过剩，而有些产业劳动力不足，必然要发生劳动力转移，但这
26、种转移是有摩擦和成本的，在一定时期内必然造成摩擦性失业和结构性失业等。产业结构高级化与失业率呈负相关关系，系数在1%的水平上通过显著性检验。说明产业结构高级化能够降低失业率。这是因为我国自1999年以来进行的高等教育大扩招，为社会培养了大量的高级专门人才，这些高级专门人才中许多人暂时找不到合适的工作岗位，存在着大量“高才低就”的现象。一旦产业结构高级化，这些人就有了“用武之地”，“跳槽”到较高级岗位。从一定意义上来说，产业结构高级化也是提高就业层次与就业质量的一种有效手段。经济发展方式与失业率呈负相关，系数在5%的水平上通过显著性检验。说明正向转变经济发展方式在短期内对就业产生“挤出”效应。这
27、是因为在我国的工业化进程中，使用了大量的节约劳动的资本密集型和技术密集型技术，“机器排挤劳动”在短期内是不可避免的。第三产业比重与失业率呈负相关关系，系数在1%的水平上通过显著性检验。说明具有“就业机器”功能之称的第三产业，其比重越大对缓解就业压力越有利。这是由第三产业是劳动密集型产业的产业属性导致的。当然，这一产业属性随着世界范围内第三产业竞争的加剧和科学技术的发展及其在第三产业的应用会逐步发生变化。就现阶段而言，扩大第三产业规模、提高第三产业比重是我国解决就业问题的有效举措。在控制变量中，经济增长率与失业率存在正相关关系，系数在1%的水平上通过显著性检验，这说明我国当前的经济增长率越高，失
28、业率越高，这是因为我国20世纪90年代中期以来经济增长主要依靠大量资源投入和大量节约劳动的技术进步所推动，对解决就业问题没有什么贡献。很多学者针对中国这种特殊情况做出多种解释，主要观点是由于经济转型挤出、技术进步对劳动力挤出或者是中国经济存在大量隐性失业等。另外需要说明的是，城镇化与失业率呈负相关关系，说明现阶段的城镇化，能够降低失业率。 由于遗漏某些随时间变化及共同影响自变量和就业率的非观测因素，可能会导致内生性，特别是严重的内生性将导致回归结果有偏或不一致。为解决该问题，本文采用滞后期工具变量法，以产业结构优化、经济发展方式与服务业发展等解释变量的滞后一期值作为当期值的工具变量。这是因为滞
29、后一期的解释变量与当期值具有较强的相关性，并且通过当期值对失业率产生影响，而当期失业率对前一期的解释变量无影响。从固定效应模型工具变量估计(IV-fe)可知，解释变量与工具变量的估计系数符号与显著程度几乎未发生变化，这说明本文设定的静态面板数据模型不存在内生性问题。（2）动态面板数据模型设定与检验 任何经济因素的变化均具有一定的惯性，前一期的结果往往对后一期产生一定程度影响8。在动态面板模型中，被解释变量的滞后项往往被作为解释变量影响当期值，于是在本文中将基本的动态面板数据模型设定如下： （3） 为了能够有效地解决测量误差、非时变的遗漏变量和解释变量的内生性问题引致的变量内生性问题，我们采用A
30、rellano和Bond提出的GMM估计方法，即利用被解释变量与预定变量的滞后项、严格外生变量的差分作为工具变量进行估计，但该方法是以随机误差项不存在自相关为假设条件的，只有在这种情况下Sagan统计量才渐进服从正态分布，否则当面板效应的方差与随机误差项的方差比比较高时，容易过度识别约束检验，导致GMM一步估计中的Sagan检验无效。根据本文研究目的，我们采用同时进行差分GMM估计和系统GMM估计的作法，这样既可以有效控制小样本的偏误，又可以尽量避免异方差问题。首先，要消除掉那些不随时间变化的变量和个体非观测效应从而解决遗漏变量问题就需要再对模型（3）进行一阶差分，得到模型（4）， （4） 同静态面板数据模型一样，我们在模型（4）中引入人均实际工资、经济增长率、人均受教育年限、城镇化率、经济结构高级化与
