摘要：本文以Kumar -Mi chl 理论为基础，通过引入劳动要素的准固定性假设以及对厂商调整劳动要素行为的修正，提出了一种估算就业弹性的动态模型。基于该模型的面板数据分析表明，如果只考虑产出变化对就业的即期影响，中国非农产业就业弹性确实较低，但在考虑到产出的滞后影响后，就业弹性会出现较大幅度的上升。特别是东部地区工业和中西部地区服务业，就业弹性分别升至0.3和0.4左右。进一步分析表明，造成就业滞后调整的主要原因是劳动管制和隐蔽性失业。这些结论能为评估当前金融危机背景下的就业形势提供新的视角，它提醒我们，更大的就业冲击可能会在后期爆发，特别是中西部地区服务业。
关键词：就业弹性；动态估算模型；滞后冲击
*本文为作者主持的国家自然科学基金“劳动规制对农民工的就业影响及管理政策研究：以提高最低工资标准为例”（70873128）的阶段性成果。
本轮金融危机究竟会对中国就业造成多大程度的冲击？这是当前人们普遍关注的问题。
要对这个问题做出准确的回答，就必须知道就业弹性的可靠数据，因为就业弹性反应了产值变化对就业变化的传导程度。较高的就业弹性，意味着同等幅度的产值下降会带来较大的就业损失；反之，较低的就业弹性意味着就业损失会比较小。人们普遍认为，中国非农产业的就业弹性自20世纪90年代以来已经跌落到非常低的水平。按这个结论，除非中国经济出现极严重的倒退，否则就业损失不会很大。但事实并非如此。2008年中国经济尽管出现了下滑，但增长速度仍保持在9%的高位，它所引发的失业危机却是有目共睹的。人力资源与社会保障部的最新数据表明，金融危机将使2009年城镇就业缺口增加1200万。中央财经领导小组副主任陈锡文也指出，金融危机将造成2500万农民工失业。这些数据表明中国非农产业的就业弹性似乎并不低，产值对就业的传导仍很强。现实的反思呼唤理论界对中国就业弹性重新进行一次认真而科学的估算。
一、就业弹性研究方法的回顾与简评
就业弹性是指一个百分点的产值变化所带来的就业变化率。根据这个定义，人们可以直接用考察期内的就业变化率除以产值变化率来计算就业弹性。根据考察期的不同，这种方法又可以分为2种：一种是计算某一具体年份内就业变化率对产值变化率的比率；另一种是计算连续多年内二者的平均比率。前者常被称作点弹性或算术计算方法，后者则常被称作弧弹性或几何平均方法（Kumar ，1982）。由于简便易行，这些方法曾得到广泛的应用（Baer，1966）。
随着时间推移，人们发现这些方法存在重大的缺陷，比如，点弹性在年份间经常出现剧烈波动，因此很难依据它对就业弹性形成一个稳定的判断，这不仅削弱了就业预测功能，甚至还会误导政策的制定（Kumar ，1982）。弧弹性方法虽然能得出一个相对稳定的结果，但它的科学性要高度依赖于考察期选择的合理性。如果基准年和结束年份在要素投入方式上发生了重大变化，那么，弧弹性就只能是一种统计游戏，既不能代表考察期内的要素投入特征，也不能预测就业变动。Lim （1976）以印度尼西亚为例说明，在结构性变迁经常发生的发展中国家，要慎用这种方法。点弹性和弧弹性方法的另一个重大缺陷就是无法控制影响就业的非产值因素，也不能对产值影响就业的机制做出描述，一旦非产值因素发生变动，产出影响就业的通道就会发生漂移，就业弹性必然会随之发生变化，对此点弹性和弧弹性方法束手无策。所以在Lim （1976）等看来，用点弹性或弧弹性方法来计算就业弹性，实在是一种没有办法的办法。只要条件成熟（比如积累起足够的时间序列数据），就应该利用一些更高级的回归方法来计算就业弹性。
最初人们只是用产出对就业进行简单的回归，而没有控制住任何变量。这种方法实际上与点弹性和弧弹性方法无异，都是从表面来草率地推断产出和就业间的关系（Kumar ，1982）。后来的文献开始引入注重各种控制变量，比如Wah（1997）在考察马来西亚出口的就业弹性时，引入资本劳动比和资本积累变量。Pehkonen（2000）在研究芬兰就业弹性时，为避免遗漏变量所带来的问题，引入了就业和产值的滞后变量。Sawtelle（2007）在分析美国的就业弹性时，引入了人均收入、雇佣成本指数和利率等变量。
总的来看，这些文献在模型设置和控制变量的引入方面，是仁者见仁、智者见智，各行其是。究其原因，就在于缺乏一个理论分析框架来驾驭计量分析模型，模型变量的引入及其设置形式显得很随便。
以工资变量为例，过去人们并不单独引入工资变量，而是引入工资对利率的比率。结果发现，这个比率对就业并没有显著性影响。这是造成后来人们普遍忽视工资对就业影响的主要原因。但Clark 和Freeman （1980）认为，工资和利率对就业的影响并不是对称的，如果分别引入工资和利率就会发现，工资的影响并不是无足轻重的，其系数最高能接近-0.49.再看技术变量，由于技术可以从多个维度进行剖析，替代变量也有多种，比如资本劳动比（Wah ，1997）、人均GDP（Parikh，1980）。这些处理大多发现技术变量对就业的影响很微弱。这与Nelson（1986）、Morley（1989）、Padalino（1997）等人关于技术类型在长期内不影响就业的判断不谋而合。但也有学者指出，技术的最好替代变量是时间趋势，它不仅能反映技术的动态特征，而且能回避其他替代变量的数据误差。如果用一次时间趋势来代替技术变量，就会发现，技术对就业的损害很严重（Clark Freeman，1980）。但话说回来，即使能用时间趋势来表示技术变迁，是否一次项就是合适的呢？Michl （1986）指出，一次项代表恒定的技术进步率，实践中技术进步率的下降趋势是普遍存在的（Martin，1982），所以还应该引入时间趋势的二次项。
模型设置的另一个问题是要不要引入劳动供给因素。就业是劳动需求和供给两方面因素综合作用的结果，但是正如Kumar （1982）所指出的，在就业模型中，人们往往只关注需求因素而忽视供给因素。不过他认为，在劳动剩余经济里忽视供给因素并不会带来严重的后果。在后来的一些研究文献中，人们又重新关注起劳动供给因素对就业的潜在影响，比如Sawtelle（2007）和Suryadarma（2007）在模型中就分别引入了劳动力供给数量以及劳动参与率等相关变量。
要避免模型设置的随意性，就必须用理论分析框架来驾驭计量模型的设置。Lim （1976）认为，理论分析的实质就是要对厂商调整劳动要素的行为做出说明。在这方面，Clark 和Freeman （1980）、Kumar （1982）、Michl （1986）等都做出了有别于新古典范式的有益尝试。比如，当面临需求冲击时，他们认为，厂商对劳动投入的调整，既可以通过调整雇佣量来实现，也可以通过调整工时来实现。而厂商对雇佣量的调整，也不是一步到位的，换句话说，劳动具有准固定要素的特征。再比如，厂商在决定劳动投入时对资本价格和劳动价格的反应是不对称的。这些假设与现实更接近了一步，特别是对于劳动市场存在制度刚性和高解雇成本的经济体，适用性要更强一些，因此也构成了本文理论分析的重要参考。
即便有良好的理论分析基础以及科学的模型设置，还要有合理的数据结构。在这一方面，国外文献也经历了一个演变的过程。原来人们主要依赖于时间序列数据进行分析（Lim ，1976；Parikh，1980；Kumar ，1982；Michl ，1986），但随着时间推移，人们发现单纯的时间序列数据是容易产生问题的，比如说单位根问题。另一个问题就是模型自由度与就业弹性变化的矛盾。为了提高模型自由度，人们不得不收集跨越数十年的数据。众所周知，在如此长的时间跨度内，经济的要素构成很可能会发生重大变化，因此就业弹性也极可能随之变动。早期的作者忽视了这一可能性，更没有给出补救办法。最近有些作者为了解决这一矛盾，开始利用面板数据来估算就业弹性（Islam ，2000；Suryadarma，2007），有的甚至引入了较前沿的面板数据的协整分析技术（Abdulnasser ，2006）。面板数据至少能带来两个好处：首先，由于是综列数据，它不需要长时间序列就能收集到足够的样本，缓解了长时间序列内就业弹性剧变的可能；其次，对于影响产值的遗漏变量所带来的内生性问题，可以通过除均值或部分除均值的方法来加以遏制。但可惜的是，这些作者在引入高级的数据结构和分析技术同时，似乎又回到了以前的老路上，那就是忽视理论分析对模型设置的驾驭，变量设置过于随便，比如，很多都没有引入工资变量，也没有给出任何理由，似乎工资天然地不会影响就业。
目前中国学者对就业弹性的估算主要还是采用传统的点弹性（张车伟等，2002；李红松，2003；程连升，2007）、弧弹性（齐建国，2000；阎革，2002；张本波，2005；蔡昉等，2004；简新华等，2007）这两种方法。对于点弹性来说，正如国外的情况一样，最大的问题是就业弹性的不稳定性。按张车伟等（2002）的计算，仅在1989~1991年的3年时间里就业弹性就从0.45跌至0.15，人们根本无法判断就业弹性究竟是多少。而对于弧弹性方法来说，最主要的问题就是对考察期的选择很随意，人们从未证明过从基准年到结束年要素投入结构是否一致。
中国点弹性和弧弹性方法面临的另一个挑战就是“无就业增长”之谜。根据它们所计算出来的就业弹性序列在20世纪90年代初出现了一个明显的断点，在此前就业弹性还能维持在0.3~0.4的较高水平，而进入90年代后就急跌到0.1左右。我们很难把这一断点归因于要素投入结构在短短的一两年内发生了瞬间的剧变。除非能寻找到其他原因来解释“无就业增长”之谜，否则，就只能说明点弹性和弧弹性是毫无意义的事后统计指标，并不能真正反映经济增长的要素投入特征。对此国内学者进行了很多有益的尝试，比如龚玉泉等（2002）和简新华等（2007）从隐蔽性失业和有效就业的角度、蔡昉等（2004）从名义就业和实际就业的角度、宋小川（2004）从工资刚性和劳动生产提高的角度、程连升（2007）从雇佣量和劳动工时的角度来寻找原因。这些解释富有启发意义，但并不能完全消除“无就业增长”之谜。比如，就有效就业的解释来说，人们对有效就业率的处理本身就非常粗糙，许多学者甚至还在引用王诚（1996）等提供的早期数据来估算当今的隐蔽性失业程度，这显然是不合理的，也削弱了解释的可信力。
退一步说，即使“无就业增长之谜”能得到解释，点弹性和弧弹性方法还是无法回避预测功能弱的问题，因为它无法控制影响就业的非产值因素。
国内学者已意识到这一问题，并开始转向计量分析方法来克服这一缺陷，但除少数学者（李红松，2003；邓燕萍，2006）外，大多数学者所使用的主要还是简单回归方法，缺乏理论分析框架来支撑模型设置，模型设置过于随意和简单，很多学者只是用产出对就业进行简单的回归，这限制了回归的科学性及其功能发挥。
从数据结构看，国内学者使用的主要是时间序列数据，这会滋生前述的模型自由度和就业弹性变动的矛盾。少数学者对此采取了一些补救措施，比如王春雷（2007）采取分段回归的方法，但问题仍存在：首先，本来总样本容量就很少，分割后模型自由度小的问题更突出；其次，时间断点的选择缺乏依据。国内学者利用面板数据来估算就业弹性的还不多，在这些文献中，模型设置也过于简单，比如张江雪（2005）只用产出对就业进行回归，从而重蹈简单回归中出现的问题。本文正是要克服这些缺陷，通过理论分析来提高模型设置的科学性，然后再借助面板数据的优势进行计量分析，以此来提高就业弹性的估算精度。
…………
六、结论性评语
本文提出了一种估算就业弹性的动态模型，模型前提是对厂商调整劳动要素的行为做出了两个有别于新古典假设的处理：首先，厂商对劳动要素的调整既可以通过雇佣量的调整来实现，也可以通过人均工时的调整来实现；其次，劳动要素具有准固定性，厂商对雇佣量的调整并不是一步到位的。
以这个模型为基础，我们分别估算了中国第二、三产业和4个行业的就业弹性。主要结论如下。
首先，如果只考虑产值变化对就业的短期影响，中国非农产业的就业弹性确实较小。以第二产业为例，除东部地区外，中西部地区均维持0.1左右的较低水平。第三产业的就业弹性也没人们预期的那么高，3个地区只接近于0.2.但是在考虑到产值变化对就业的滞后影响后，我们就会发现，非农产业的就业弹性能够得到较大幅度的提高，其中最为明显的是东部地区第二产业和中西部地区第三产业，长期就业弹性能分别提高到0.3和0.4左右的较高水平。
其次，产值之所以对就业产生滞后影响，主要在于企业对雇佣量的滞后调整，而这种滞后调整主要源自劳动管制和隐蔽性失业因素。在第二产业内部，政府对工业企业雇佣或解雇行为的强力干预，是造成就业滞后调整的主要原因；在第三产业内部，生活服务业严重的隐蔽性失业和非正规组织的内部人契约，则是滞后调整的主要诱因。我们利用工业、建筑业、生活服务业、生产服务业的面板数据，分别估算了它们的就业方程，并通过比较分析验证了上述判断。
本文结论可为解释“无就业增长之谜”提供一定的参考。当人们利用点弹性或弧弹性方法计算中国的就业弹性时，所考察的实际上只是产值变化对即期就业的影响，而忽视了产值变化的滞后影响。如考虑到滞后影响，非农产业的就业弹性并不低。从此角度讲，“无就业增长之谜”可能根本就不存在。
本文结论的另一层意义在于，它提醒我们，金融危机对就业的冲击可能会像金融危机本身一样远未见底。从产值到就业的传导，存在一个明显的时滞过程，本文的分析表明这个时滞很可能是一年左右。也就是说，即使金融危机见底了，失业问题要见底，还得再需要一年。在四大类行业中，就业滞后调整问题最明显的是中西部地区的生活服务业，这需要引起决策层的关注。尽管目前金融危机的重灾区在东部第二产业，但中西部地区的第三产业很可能会酝酿下一轮失业潮。随着返乡民工的增加、居民收入的减少，中西部服务业将面临巨大考验，众多的服务业企业很可能会在不裁员的义举下苦撑一段时间后集中倒闭，失业问题也将集中爆发。在1997年东南亚金融危机中，香港的就业困局就是在一年后迸发的，这对我们有一定的警示作用。面对这种局势，政府在就业治理政策上应做出相应的调整。目前政府对就业问题的关注主要集中在工业领域特别是沿海工业领域，对中西部地区服务业的关注相对较少。这种头痛医头脚痛医脚的治理方式，很可能会错失防范下一轮中西部失业潮的治理良机。如何结合庞大的4万亿政府投资计划来振兴中西部地区服务业，是需要认真考虑的。更进一步，即便是目前针对沿海工业的治理政策，也并不是得当的。时下政府主要通过劳动管制政策来限制企业裁员，强迫它们承担起就业的社会责任，在帮扶企业方面却没有太多的实质举动。这只能延缓失业问题的爆发，而不能消灭问题本身。通过政策杠杆来改善企业的生存环境、增强它们承担社会责任的能力，才是根本的解决之道。
（作者单位：丁守海，中国人民大学农业与农村发展学院）
