影响中国就业的因素分析【摘要】本文重要目的是研究生产规模、人力资本和经济结构对就业的影响，通过对1980—2023年我国国内生产总值、社会固定资产投资规模、恩格尔系数与就业人员的数值进行计量经济分析，把四者的关系数量化最后，针对当前情况，提出几点可以解决劳动力就业，缓解就业压力的建议 一、引言我国是一个人口大国，具有极其丰富的劳动力资源，同时也是世界上就业压力最大的国家，仅仅每年由于人口因素新的劳动力增量就是1000万，这还不涉及巨大的劳动力存量：下岗、失业和农村的剩余劳动力就业问题一直以来都是国家经济发展过程中重点关注的问题，2023 年国际金融危机不可避免地带来了我国的就业危机，2023年和 2023 年城乡登记失业率分别为4．2％和 4．3％，是 2023年后近几年的新高长期以来，我国劳动力市场就存在严重的供求矛盾尹庆双和奉莹提出：一方面，我国就业矛盾的存在先于金融危机的发生，属于长期积累的问题 ，并不是金融危机导致的；另一方面，金融危机像一道催化剂 ，加剧了我国的就业矛盾 ，使其在金融危机中更加突显出来，并表现出巨大的结构性矛盾因此，可以拟定的是在未来的很长一段时期内，就业问题无疑是政府面临的首要目的。
就业是民生之本，是社会稳定的基础随着科技的进步和资本有机构成的提高，经济增长对就业的拉动力逐步减弱，增长就业已成为摆在世界各国政府面前的一道难题特别是处在转型期的我国而言，扩大就业更是当前社会关注的热点数据表白，我国经济增长发明就业的能力下降，明显的标志是就业弹性下降：二十世纪八十年代我国ＧＤＰ年均增长率为9.3%，就业增长率为3.0%，就业弹性系数为0.322，在九十年代前期ＧＤＰ年均增长率为12%，就业增长率为1.2%,就业增长弹性系数为0.1，二十世纪末我国ＧＤＰ年均增长率为8.3%，就业增长率为0.9%，就业弹性系数为0.1，经济增长与扩大就业之间的联系被大大削弱因素何在?本文将运用经济学的相关原理及数量分析工具对就业的相关促进因素作一些探讨通过考察就业形势及相关因素的现状，提出相应的政策建议二、关于就业的相关理论1、柯布—道格拉斯产出模型：根据柯布—道格拉斯生产理论，产出的增长重要取决于投入的增长和技术的进步产出函数Ｙ=ＡＫαＬβ表白产出的增长必须有总要素生产率的提高，投入资本的增长或劳动力的增长根据单一要素增长，边际产品递减的规律，产出函数中任意要素的单独增长都不也许使产出连续增长。
因此就业的增长不仅与资本投入相关，并且还与劳动者的质量，即人们的生活水平相关2、达尔·尼夫的知识经济理论：达尔·尼夫认为：“国内的增长不是由于市场份额的扩大和加强而引起的，而是通过引入发明新市场的全新技术或提供解决问题的服务而实现的发明这些技术和服务所需要的知识技能,不管是在个人、组织还是国家水平上，日益成为经济增长和繁荣的关键”随着国际经济一体化，世界经济结构在调整，二十世纪九十年代，一个显著的变化是以物品为基础的增长明显地转向高技能、高技术和以服务为基础的增长高技能服务对ＧＮＰ的奉献率正在增长3、罗默内生模型：罗默1990年提出的内生模型是Ｑ=ＨαＬβ∑Ｘｉ1-α-β，Ｘｉ为耐用资本设备，ｉ为设备编号，Ｈ是致力于最终产品的人力资本、Ｌ是劳动力这里，罗默提出了人力资本变量和固定资本变量三、模型设定： 研究影响就业的因素，需要考虑以下几个方面：1、对就业情况常用就业人数去衡量，所以选用“就业人数”作为被解释变量去衡量就业情况2、数据性质的选择针对我国实际情况，决定采用时间序列数据进行分析3、影响因素的分析（1）从国家记录局记录的资料来看，随着我国生产规模的不断扩大，就业人数也是随之不断增长的。
生产规模对就业存在影响因此，将“生产规模”作为模型的解释变量，用国内生产总值来表达国内生产总值GDP是核算体系中一个重要的综合性记录指标，也是中国新国民经济核算体系中的核心指标它反映一国（或地区）的经济实力和生产规模一个国家或地区的经济究竟处在增长抑或衰退阶段，从这个数字的变化便可以观测到一般而言，当GDP的增长数字处在正数时，即显示该地区经济处在扩张阶段；反之，假如处在负数，即表达该地区的经济进入衰退时期了所以可以用国内生产总值来表达生产规模2）国家记录局记录的资料来看，随着我国人力资本投资不断增长，就业人数也是随之不断增长的人力资本对就业存在影响因此，将“人力资本”作为模型的解释变量，用恩格尔系数来表达恩格尔系数表达一个家庭中食品消费支出占总消费支出的比重，恩格尔系数越高表达用于食品的支出越多，在家庭收入一定的情况下，相应的用于教育的支出就越少根据舒尔茨的理论，学者认为人力资本存量随着受教育年限的增长而增长所以可以用恩格尔系数来衡量人力资本恩格尔系数=（城乡恩格尔系数+农村恩格尔系数）/2（3）国家记录局记录的资料来看，随着我国经济结构的不断优化，就业人数也是随之不断增长的经济结构对就业存在影响。
因此，将“经济结构”作为模型的解释变量，用社会固定资产投资表达固定资产投资是社会固定资产再生产的重要手段固定资产投资额 是以货币表现的建造和购置固定资产活动的工作量，它是反映固定资产投资规模、速度、比例关系和使用方向的综合性指标经济结构从一定社会生产关系的总和来考察，重要通过不同的生产资料所有制经济成分的比重和构成来表现固定资产投资是经济成分的重要组成部分，因此可以用固定资产投资来表达经济结构4）虚拟变量：从就业人数与时间的关系图中可以看出在1989年出现了明显的拐点因此引入虚拟变量D1,以1989年的转折点作为依据，并且采用加法模型1985年5月27日我国政府颁布《中共中央关于教育体制改革的决定》指出，国家计划内学生的毕业分派，实行在国家计划指导下，由本人选报志愿、学校推荐、用人单位择优录用的制度这是对以往毕业生分派制度的突破，为日后进一步深化改革并逐步过渡到“自主择业”的毕业生就业制度奠定了基础1989年3月，国务院批转了原国家教委提出的《高等学校毕业生分派制度改革方案》，明确提出了在过渡阶段实行以学校为主导向社会推荐就业，毕业生和用人单位在一定范围内双向选择的办法这种转变使得就业人数增长。
根据以上理论分析，把模型设定为：LnL=C+C1Ln (G)+C2Ln(E)+C3Ln(T)+U其中：L代表就业，用就业人数表达；G代表生产规模，用国内生产总值表达；E代表人力资本，用恩格尔系数表达；T代表经济结构，用社会固定资产投资规模表达四、数据来源：《中国记录年鉴》2023年选取从1978到2023年中全国的就业人数、ＧＤＰ值、恩格尔系数(取城乡和农村的加权值)、 社会固定资产投资数据如下：Obs年 份L(万人）G（亿元）E（%）T（亿元）198042361.00 4545.62 59.3 910.90198143725.00 4891.56 58.3 961.00198245295.00 5323.35 59.7 1230.40198346436.00 5962.65 59.3 1430.10198448197.00 7208.05 58.6 1832.90198549873.00 9016.04 55.6 2543.20198651282.00 10275.18 54.4 3120.60198752783.00 12058.62 54.7 3791.70198854334.00 15042.82 52.7 4753.80198955329.00 16992.32 54.7 4410.40199064749.00 18667.82 56.5 4517.00199165491.00 21781.50 55.7 5594.50199266152.00 26923.48 55.3 8080.10199366808.00 35333.92 54.2 13072.30199467455.00 48197.86 54.5 17042.10199568065.00 60793.73 54.4 20239.30199668950.00 71176.59 52.6 22913.50199769820.00 78973.03 50.9 24941.10199870637.00 84402.28 49.1 28406.20199971394.00 89677.05 47.4 29854.70202372085.00 99214.55 44.3 32917.70202372797.00 109655.17 43.0 37213.50202373280.00 120332.69 42.0 43499.90202373736.00 135822.76 41.4 55566.61202374264.00 159878.34 42.5 70477.43202374647.00 184937.37 41.1 88773.61202374978.00 216314.43 39.4 109998.16202375321.00 265810.31 39.7 137323.94202375564.00 314045.43 40.8 172828.40202375828.00 340902.81 38.8 224598.77202376105.00 401512.80 38.4 251683.77202376420.00 473104.05 38.3 311485.13五、模型的估计与调整1. Y 、X1 、X2 、X3 的散点图从散点图可以看出y和x1 x3不是线性关系，所以对y x1 x3分别取对数。
2. 从y随时间的变化图，结合我国就业政策的变化，我们可以看出1989年前后我国就业人数出现了明显的转折，为了分析就业与其影响因素在1989年前后的数量关系，引入虚拟变量D1，而1989年的就业人数为55329万人据此，我们设定了入以加法和乘法两种方式同时引入虚拟变量的模型：LnY=C+C1LnX1+C2(LNX1-9.7405)*D1+c3X2+c4LnX3+U其中D1=1,1989年及以前 2，1990年以后3. 对加入虚拟变量的lny lnx1 x2 lnx3进行回归分析，结果如下：Dependent Variable: LNYMethod: Least SquaresDate: 12/21/13 Time: 20:26Sample: 1980 2023Included observations: 32VariableCoefficientStd. Errort-StatisticProb. C7.7373990.22851633.859270.0000LNX10.4397850.0493058.9197320.0000(LNX1-9.7405)*D1-0.1660820.022144-7.4999420.0000X20.0032780.0023591.3895480.1760LNX3-0.1411670.042794-3.2987550.0027R-squared0.978958 Mean dependent var11.05766Adjusted R-squared0.975841 S.D. dependent var0.191884S.E. of regression0.029825 Akaike info criterion-4.044356Sum squared resid0.024017 Schwarz criterion-3.815334Log likelihood69.70969 Hannan-Quinn criter.-3.968442F-statistic314.0434 Durbin-Watson stat1.112928Prob(F-statistic)0.000000LnY=7.737399+0.439785LnX1-0.166082(LNX1-9.7405)*D1+0.003278X2-0.141167LnX3t=（33.85927）（8.919732）（-7.499942）（1.389548）（-3.298755）R^2=0.978958 修正后的R^2=0.975841经济学意义检查。
从回归结果看出，x2所代表的恩格尔系数，恩格尔系数越低，人力资本投资越大，就业就越高，所以x2与就业成负相关，此外x3是生产规模，生产规模越大就业越高，与就业成正相关所以x2、x3经济学意义检查但是关，应排除4.排除x2 x3 以后的回归结果如下：Dependent Variable: LNYMethod: Least SquaresDate: 12/21/13 Time: 20:39Sample: 1980 2023Included observations: 32VariableCoefficientStd. Errort-StatisticProb. C8.3120740.17597447.234580.0000LNX10.2780060.01901914.617150.0000(LNX1-9.7405)*D1-0.1977780.023883-8.2812130.0000R-squared0.966653 Mean dependent var11.05766Adjusted R-squared0.964353 S.D. dependent var0.191884S.E. of regression0.036229 Akaike info criterion-3.708880Sum squared resid0.038063 Schwarz criterion-3.571468Log likelihood62.34208 Hannan-Quinn criter.-3.663332F-statistic420.3182 Durbin-Watson stat0.697811Prob(F-statistic)0.0000005. 异方差检查：Heteroskedasticity Test: WhiteF-statistic14.22613Prob. F(4,27)0.0000Obs*R-squared21.70258Prob. Chi-Square(4)0.0002Scaled explained SS25.91522Prob. Chi-Square(4)0.0000Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/21/13 Time: 20:52Sample: 1980 2023Included observations: 32Collinear test regressors dropped from specificationVariableCoefficientStd. Errort-StatisticProb.C0.3471310.1829371.8975430.0685LNX1-0.0803390.040229-1.9970650.0560LNX1^20.0046490.0022062.1074900.0445LNX1*((LNX1-9.7405)*D1)-0.0032460.002139-1.5173970.1408(LNX1-9.7405)*D10.0156220.0179660.8695440.3922R-squared0.678206Mean dependent var0.001189Adjusted R-squared0.630532S.D. dependent var0.002061S.E. of regression0.001253Akaike info criterion-10.38455Sum squared resid4.24E-05Schwarz criterion-10.15553Log likelihood171.1529Hannan-Quinn criter.-10.30864F-statistic14.22613Durbin-Watson stat1.335466Prob(F-statistic)0.000002由上表可以看到nR2=21.70258，由White检查知，nR2>5.9915(查表) ，所以拒绝原假设，不拒绝备择假设，存在异方差。
6. 异方差的修正：当w1=1/lnx1时R2=0.968771当w2=1/l(nx1）2时R2=0.969492当w3=1/sqr(lnx1)时R2=0.967903当权数为1/l(nx1）2时效果最佳，修正后的模型为：LNY=8.4568+0.2616LNX1-0.1720 (LNX1-9.7405)*D1SE=(0.1463) (0.0161) (0.0222)T=(57.8036) (16.2670) (-7.7450)R2=0.9695 F=460.7851 DW=0.78127. 自相关检查：VariableCoefficientStd. Errort-StatisticProb. C8.4567640.14630257.803560.0000LNX10.2616490.01608516.266910.0000(LNX1-9.7405)*D1-0.1719770.022205-7.7449130.0000Weighted StatisticsR-squared0.969492 Mean dependent var11.00624Adjusted R-squared0.967388 S.D. dependent var2.900921S.E. of regression0.038848 Akaike info criterion-3.569239Sum squared resid0.043767 Schwarz criterion-3.431827Log likelihood60.10783 Hannan-Quinn criter.-3.523691F-statistic460.7851 Durbin-Watson stat0.781240Prob(F-statistic)0.000000由上表可得DW=0.7812
8. 自相关修正： Et=0.6937et-1,对原模型就行广义差分，得到广义差分方程LNYt—0.6937LNYt-1=β1(1-0.6937)+β2(LNXt—0.6937LNXt-1)+vt对上式的广义差分方程就行回归，得到结果如下：Dependent Variable: LNY-0.6937*LNY(-1)Method: Least SquaresDate: 12/21/13 Time: 23:04Sample (adjusted): 1981 2023Included observations: 31 after adjustmentsVariableCoefficientStd. Errort-StatisticProb. C3.0673280.04307171.215460.0000LNX1-0.6937*LNX1(-1)0.0983410.0124807.8800300.0000R-squared0.681651 Mean dependent var3.404152Adjusted R-squared0.670673 S.D. dependent var0.051406S.E. of regression0.029500 Akaike info criterion-4.146492Sum squared resid0.025238 Schwarz criterion-4.053977Log likelihood66.27063 Hannan-Quinn criter.-4.116335F-statistic62.09488 Durbin-Watson stat1.301003Prob(F-statistic)0.000000由上表可得回归方程为：LNY=3.0673+0.0983LNX1-0.1720 (LNX1-9.7405)*D1SE=(0.0431) (0.0125) (0.0222)T=(71.2155) (7.8800) (-7.7450)R2=0.6816 F=62.09488 DW=1.3010模型中DW=1.3010>du(1.273)，说明在1%显著水平下广义差分模型中已没有自相关，不必进行修正。
由差分方程得c1=3.0673/(1-0.6937)=10.0141由此可得最后的模型为LNY=10.0141+0.0983LNX1-0.1720 (LNX1-9.7405)*D1LNY=10.0141+0.0983LNX1 t 1989LNY=10.0141-0.0737LNX1+9.7405 T 1989六、对模型的经济解释及存在的问题分析1．经济解释中国是一个转型发展中国家，其影响就业的因素既有自身客观实际又具有市场经济发展的共性特点从模型可以看出：⑴经济增长是影响就业的最显著的因素，两者之间成正向关系事实上，长期以来，我国保持比较高的经济增长速度，就是依靠经济扩张带动就业但是，近几年的资料显示，我国的就业增长弹性系数已经连续下降就业弹性减少的因素，一方面在于公司为提高效率既要增长资本密集限度又要不断精简大量冗员，两者的综合作用导致公司吸取新增劳动力的空间十分有限；另一方面在于经济结构的调整，过去的劳动密集型产业不断萎缩，新的劳动密集型产业尚没有建立和形成，从而导致总体经济增长吸取就业能力的下降因此，虽然就业机会的扩大依赖于经济的增长，假如缺少相应的政策，经济增长也不会自动转化为就业机会的扩大。
⑵根据先验信息，恩格尔系数与就业有正向关系由于恩格尔系数的减少，表白生活水平的提高，教育支出增长，即人力资本投入增长而我们从模型得到的结果看，人力资本投入对就业的影响不是特别显著这就表白目前我国政府对教育培训投入局限性或现有投入效益不明显，大学生就业难现象正说明这个问题⑶从模型还可以看出经济结构对就业的影响并不显著，说明我国的经济结构调整取得的成效并不大结构调整的实质是发明性摧毁，而发明就业并不简朴地等于就业增长，这与就业的结构类型与结构调整的阶段有关目前中国正处在结构调整的初期，出现“无就业增长”符合经济规律4）另从引入虚拟变量的角度来看，1989年大学生就业政策的改变，使得中国的就业情况发生了质的奔腾自主择业拓宽了大学生的就业面增长了就业机会2．存在因素⑴以上分析均是就模型自身而得出的结论，但事实上我们的模型解释变量的t值比较大，因此有也许是伪回归产生伪回归的因素是时间序列数据不连续或者数据不稳定⑵根据先验信息，教育投入对就业的影响应当是显著的，按理说这个解释变量被删除也许是不对的的但是，假如不删除该变量，多重共线性又无法消除⑶对于“经济结构”变量的指数化问题，笔者采用社会固定资产投资规模来替代是否合理？社会固定资产投资重要用于基础设施建设，同时其规模的扩大必然排挤私人投资，这样必然地影响经济结构的调整。
六、政策建议 解决劳动力就业，缓解就业压力，虽然涉及因素很多，但其决定性因素还在于扩大生产规模教育影响的人力资本因素、体制改革、制度变迁形成的经济结构调整都会在一定限度上就业鉴于以上模型最终结果中反映出的我国就业的现状，笔者提出以下几点建议：1、要紧紧抓住发展这个主题，加快结构调整步伐具体讲，就是要认真贯彻“四个注重”：在产业类型上，注重发展劳动密集型产业；在公司规模上，注重扶持中小公司；在经济类型上，注重发展非公有制经济；在就业方式上，注重灵活多样的形式2、加强和细化就业培训采用更多的培训方式，努力提高人的素质，改变资源禀赋结构，为产业结构调整提供条件3、增长就业资金投入一是要加大中央转移支付力度中央财政转移支付用于保障下岗职工基本生活的资金，应逐步随下岗职工并轨转入失业的情况，重点转向用于下岗失业人员的再就业工作二是要增长地方财政的就业投入，建立促进就业基金三是要进一步发挥失业保险促进就业的作用改革失业保险制度,调整失业保险的支出结构，充足发挥失业保险促进就业的积极作用 [参考文献]：⑴《计量经济学》 主编：庞皓 西南财经大学出版社 2023年8月第一版⑵《中国农村记录年鉴（2023年）》⑶冯 煜：析中国转型时期失业的重要影响因素〔Ｊ〕，劳动经济与劳动关系，2023，(1)。
4)西奥多·舒尔茨 《人力资本的投资》（1960）(5)汪秀 雷宇 《西部地区分省的2023—2023年恩格尔系数变化与人力资本变化相关性研究》(6)高鸿业《西方经济学—宏观经济学》(7)胡永平《我国固定资产投资结构分析》（2023）。