浅谈生产性服务业就业效应及影响因素范文

本站小编为你精心准备了浅谈生产性服务业就业效应及影响因素参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：生产性服务业作为服务业的重要组成部分，长期保持着迅速增长的态势，是经济增长和提高就业的重要推动力量。文章以重庆市生产性服务业发展为例，运用就业弹性、投入产出法、结构偏离度等指标对重庆市就业效应进行测度，实证分析了就业效应的影响因素，结果表明，重庆市生产性服务业的直接就业效应和间接就业效应均较强，且具有较大的就业增长空间。在重庆市生产性服务业的发展中，行业投资水平和行业产出水平的提高有助于提高重庆市生产性服务业的就业吸纳能力，而行业工资水平的提高则不利于该行业就业的增长。

关键词：生产性服务业；就业效应；投资水平；产出水平；工资水平

引言

就业对我国经济社会稳定发展有着重要意义，随着我国经济进入新常态，就业总量的供需矛盾有所缓解，但结构性压力依然较大，新的影响因素还在增加。2019年《政府工作报告》明确提出要将就业优先政策置于宏观政策层面，强化各方面重视就业、支持就业的导向。作为在我国产业结构中所占比例最高的服务业，已经成为拉动我国就业和经济增长的重要力量，其中，生产性服务业作为服务业中增长最为迅速的部门，就业人员不断增长，已成为我国就业和再就业的重要载体。因此，研究生产性服务业的就业效应，对扩大当前我国就业和优化就业结构有着重要意义。从现有研究来看[1-8]，对于生产性服务业的就业效应的研究多采用就业弹性、投入产出法、结构偏离度等方法，说明这些方法得到了较多的认可，但大多研究多基于东部城市生产性服务业数据，对于西部地区生产性服务业的就业 效应研究较少，这与西部地区生产性服务业发展起步较晚有关，且在生产性服务业的就业效应研究中对于就业效应的影响因素的研究较少，为此，本文选取重庆市作为研究目标，对重庆市生产性服务业就业效应及其影响因素进行研究。

1城市生产性服务业的就业效应分析

1.1直接效应的测算：就业弹性

本文以就业弹性作为指标对重庆市生产性服务业就业的直接效应进行衡量，就业弹性是指在一定时期内就业增长率与生产总值增长率的比率。其公式为：由于式（1）仅能得出某年内的就业弹性，无法计算出连续几年时间的总体就业弹性。因此本文借鉴我国中科院国情分析小组建立的经济增长与就业人数之间的非线性模型，分别对2005—2017年间重庆市服务业、生产性服务业以及生产性服务业内部各行业的就业弹性进行测算。其测算公式为：式（2）中，L表示各行业的就业人数，A为常数系数，Y表示各行业生产总值，α为就业弹性，μ表示随机误差项。对式（2）两边取对数可得：式（3）中，各变量的数据主要来源于重庆市历年统计年鉴，由于2005年前重庆市第三产业各细分产业未采用国民经济行业分类标准(GB/T4754-2002)，导致部分行业在2005年之前的产值数据缺失或数据一致性较差。因此本文主要采用重庆市2005—2017年的行业生产总值数据和就业数据，并以2005年为基期消除GDP中物价上涨因素的影响，同时，考虑到模型可能存在的自相关问题，采用广义最小二乘法对模型进行估计。测算结果如表1所示。表1中（1）至（8）列分别表示第三产业（服务业）；生产业服务业；交通运输仓储业；信息技术业；批发和零售贸易业；金融业；租赁和商务服务业；科学研究和地质勘查业。从各模型的回归结果来看，模型中各行业的就业弹性均通过了t检验，显著性均较强，同时模型的R2值和F值都较大，说明模型拟合程度较好，且各模型的D.W值表明模型不存在自相关问题。重庆市服务业的就业弹性为0.33，即服务业GDP每增长1%，就业数量增长0.33%，说明重庆市服务业的直接就业效应较强。生产性服务业的就业弹性略高于服务业的整体就业弹性，达到了0.373，说明在重庆市服务业中生产性服务业的直接就业效应较强，是推动服务业就业增长的主要动力。在生产性服务业内部各行业中，除批发与零售贸易行业外，其他行业的就业弹性均高于重庆市生产性服务业整体的就业弹性。具体来看，信息技术业的就业弹性最高，高达0.754，这一行业属于技术密集型行业，对人才的需求较大，因此大力发展信息技术业有助于推进重庆市就业的迅速增长；其次是金融业，就业弹性为0.624，说明随着重庆市金融体系的不断发展完善，金融行业发展对就业的促进作用较大；租赁和商务服务业与科学研究和地质勘查业的就业弹性分别为0.553和0.482，都处于较高水平，对就业的带动作用较强；批发与零售贸易类作为劳动力密集行业，就业数量较多、劳动力需求有限，其发展对就业增长的直接效应较弱。总体来看，重庆市生产性服务业的直接就业效应较强，未来重庆市应当进一步推动生产性服务业尤其是信息技术也和金融业的发展。

1.2间接效应的测算：间接就业系数

为直观有效地考察重庆市生产性服务业对其他产业就业的间接带动作用，本文采用投入产出方法对此进行测算。具体衡量指标为间接就业系数，这一系数由综合就业系数与劳动力投入系数相减得出，其中综合就业系数为某一行业产出增长所带来的整个经济体系的就业的增加，劳动力投入系数为某一行业产出增长所直接带来的就业的增长。本文根据重庆市2012年投入产出延长表对服务业的间接就业指数进行计算，计算结果如表2所示。从表2的间接就业系数测算结果可知：尽管重庆市生产性服务业的综合就业系数和劳动力投入系数均低于服务业整体水平，但其间接就业系数更高。重庆市生产性服务业的间接就业系数为0.049，高于服务业整体的0.045，间接就业比重为45.19%也高于服务业整体的33.29%。这说明重庆市生产性服务业在间接就业效应方面的作用较为显著，即重庆市生产性服务业的发展更能带动其他产业就业的增长，从而促进经济体系就业总量的增长。在生产性服务业内部各行业的间接就业效应存在差异。从间接就业系数来看，间接就业系数最大的是科学研究与地质勘查业，为0.067，随着重庆市科学研究与地质勘查行业的迅速发展，技术转化速度的加快，对其他产业的带动作用较强。交通运输仓储业的间接就业效应也较为显著，间接就业系数为0.048，交通运输行业的发展有助于各行业产品的销售和流通，有助于降低行业生产成本，实现其他行业就业的增长。金融业的间接就业系数排名第三，为0.046，可见重庆市金融行业的发展不仅在带动自身就业增长方面较为突出，也能带动其他行业就业的较大增长，在重庆市就业增长方面有着较为重要的作用。批发与零售贸易业作为劳动力密集型行业，无论是直接就业效应和间接就业效应都较低，产业结构有待优化升级。总体来看，生产性服务业作为中间服务行业，其自身发展不仅能带动行业内部就业数量的增长，但有着较强的间接拉动其他行业就业增长的能力。

1.3就业潜力分析

本文使用结构偏离度对重庆市生产性服务业的就业潜力进行分析，某一产业的结构偏离度是指该产业的就业比重与该产业的增加值比重之差，其计算公式为：式（4）中，β为结构偏离度，Em为某产业的就业人数，E为全社会的总就业人数：Gm为某产业的增加值，G为生产总值。若β＞0时，意味着该产业的就业比重大于该产业的增加值，那么，该产业劳动力存在转移出去的可能；当β＜0时，意味着该产业的就业的比重小于该产业的增加值，也就是说劳动力存在转入该行业的可能。从表3中数据可知：从重庆市生产性服务业内部各行业的就业偏离度情况来看，交通运输与邮储业、信息技术业以及金融业常年为负偏离状态，表明这些行业生产率较高，劳动力流入的可能性大，具有较大的就业增长空间；从具体系数大小来看，交通运输仓储业余信息技术业的就业系数虽常年为负但这一数值正在不断缩小，说明这两个行业的就业空间增长速度正在放缓，而金融业的结构偏离度系数呈逐年扩大趋势，表明金融业既有较大的就业增长空间；批发与零售行业和租赁和商务服务业结构偏离度常年为正，表明这些行业生产率较低，劳动力流出的可能性较大，就业增长空间有限；科学研究与地质勘查业经历了一个由负偏离向正偏离转变的过程，在2013年前该行业一直处于负偏离状态，但2013年后开始呈现正偏离状态，表明科学研究与地质勘查业的就业增长空间正在缩小。总体来看，重庆市生产性服务业具有较大的就业增长空间。尤其是交通运输与邮储业、信息技术业以及金融业具有较大的就业增长空间；批发与零售贸易业作为传统劳动密集型服务业，就业人数较多，增长空间有限；而租赁与商务服务业作为新型服务业，仍需要不断提高劳动生产率，优化就业结构。

2实证分析

2.1模型设定与变量选择

在通过运用就业弹性、投入产出、结构偏离度指标对重庆市生产性服务业的直接就业效应、间接就业效应和就业增长空间进行综合分析后。得出的主要结论为重庆市生产性服务业整体拥有较强的直接和间接就业效应，且具有较大的就业增长空间，但各行业的发展水平不一，行业内部就业结构需要优化。那么，影响生产性服务业发展及其就业增长的因素到底有哪些？这些因素如何影响生产性服务业就业的？本文从生产性服务业的需求和供给两方面考虑生产性服务业发展的影响因素。依据外包理论和产业管理理论，参照曾世宏和马铭（2013）[5]的做法，选取行业投资水平、行业工资水平、行业产出水平、行业开放程度这4个变量作为解释变量。具体模型设定如下：（1）行业投资水平（I）。对生产性行业的投资的增长会刺激该行业需求的增长，从而形成配套的劳动力需求，增加该行业的就业数量。但同时投资的增长也会在某种程度上对劳动力投入产生替代效应，使得劳动力投入减少，因此，投资对就业的影响有待进一步检验。本文采用固定资产投资额作为行业投资水平的解释变量。（2）行业工资水平（W）。不同行业工资水平的差异是引起劳动力流动的重要原因，当某一行业工资水平相对较高时，该行业劳动力流入的可能性越大，生产性服务业工资水平的提高是促进该行业就业增长的重要手段。因此，在其他因素不变的情况下，工资水平与就业水平应当是同方向变动的。本文采用行业平均工资作为行业工资水平的解释变量。（3）行业产出水平（GDP）。行业产出水平越高，表明该行业规模越大，所能吸纳的劳动力数量越多，因此，行业产出水平一般与行业就业人数同方向变动。本文行业生产总值作为行业产出水平的解释变量。（4）行业开放程度（FDI）。某一行业的对外开放程度越高，对行业的需求和供给也会得到增长，外商投资的进入和使用有助于该行业的发展和扩张，进而实现就业的增长。本文采用行业外商实际投资额作为行业开放程度的解释变量。本文采用2005—2017年重庆市生产性服务业的行业截面数据以克服时间序列分析的多重共线性困扰，数据主要来自于各年《重庆市统计年鉴》。为消除时间序列中可能存在的异方差现象，各变量全部采用对数形式，使得趋势线性化。

2.2数据的平稳性检验

在进行回归分析前首先需要对对模型中的有关变量进行平稳性检验，若是时间序列数据不平稳将会导致伪回归现象的出现，使得模型估计无效。各变量的单位根检验结果如表4所示。从ADF和LLC单位根检验结果来看，所有被检验变量的单位根检验值均至少小于5%临界值水平，故拒绝这些变量存在单位根的假设，接受上述时间序列均为平稳序列。

2.3回归结果分析

由于本文中的数据为长面板数据，误差项ε可能存在异方差和自相关，需要对“不同个体的扰动方差均相等”“不存在组内自相关及组间自相关”等假设进行检验。检验结果表明模型的误差项ε存在显著的不同个体的扰动方差不相等，组内自相关或组间自相关，为纠正以上问题。本文采用全面的可行广义最小二乘法（FGLS）对模型进行估计，同时采用包含矫正标准误差的最小二乘回归即面板校正标准误法（PCSE）对模型回归结果的稳健性进行检验。两种回归方法的回归结果如表5所示。从表5可以看出，除FDI存在不显著且系数符号出现变化外，其他影响因素采用两种估计方法得出的系数符号和显著性基本一致，说明FGLS回归结果具有一定稳健性。固定资产投资对重庆市生产性服务业的就业具有显著的正影响，但其系数较小，仅为0.065，可见目前行业投资水平的提高主要会刺激生产性服务业对劳动力的需求，对劳动力的替代作用较小，从而提高重庆市生产性服务业的就业水平。平均工资的上升对重庆市生产性服务业就业产生显著的负影响，工资水平每上升1%，就业水平反而下降0.505%，原因可能是重庆市生产性服务业工资水平已处于较高水平。尽管行业工资水平的提升有助于提高对生产性服务业的供给，但同时也会使得企业生产成本的上升，使得企业的劳动力需求的减少，从而抑制重庆市生产性服务业的就业吸纳能力。行业生产总值对重庆市生产性服务业就业吸纳能力的影响最大，影响系数为0.532，说明行业产出水平的提高是提高重庆市生产性服务业就业数量的最有效手段。行业产出水平的扩大将带动重庆市生产性服务业对劳动力的需求，进而提高就业数量。外商直接投资对重庆市生产性服务业的影响系数较小且不显著，说明行业开放水平不是重庆市生产性服务业就业的主要影响因素，由于重庆市位于西部内陆地区，生产性服务业外商直接投资和贸易额较小，对该行业的就业的影响也较小。

3结束语

本文通过对重庆市生产性服务业的就业效应及其影响因素进行分析发现：重庆市生产性服务业的直接就业效应和间接就业效应均较强，且具有较大的就业增长空间。其中信息技术业与金融业的直接就业效应较为突出；而科学研究与地质勘查业和交通运输仓储业的间接效应较为显著；在就业潜力方面，交通运输仓储业和金融业具有较大的就业增长空间。随后运用FGLS估计方法对重庆市生产性服务业就业效应的影响因素进行实证分析，回归结果显示：行业投资水平和行业产出水平的提高有助于提高重庆市生产性服务业的就业吸纳能力，而行业工资水平的提高将减少重庆市生产性服务业的劳动力需求，不利于该行业就业的增长。

参考文献：

[2]孔令锋.上海市生产性服务业就业吸纳能力实证研究[J].人口与经济,2011,(2).

[3]吴淑玲,胡昱.基于生产性服务业就业效应视角的路径分析——以青岛市为例[J].江西社会科学,2011,31(8).

[4]车放,车广吉.生产性服务业对城市低保对象就业影响的实证分析——以北京市为例[J].学术探索,2012,(7).

[5]曾世宏,马铭.高增长背景下中国生产性服务业低就业吸纳能力及影响因素的实证研究[J].产经评论,2013,4(4).

[6]慕慧娟,崔光莲.新疆生产性服务业就业吸纳能力检验及预测[J].人口与经济,2015,(3).

[7]邱灵,方创琳.生产性服务业空间集聚与城市发展研究[J].经济地理,2012,(11).

[8]高觉民,李晓慧.生产性服务业与制造业的互动机理:理论与实证[J].中国工业经济,2011,(6).

作者：车放 刘昊 单位：西南大学