(参考论文)中国就业的影响因素的计量分析

1、中国就业的影响因素的计量分析摘要：本论文针对中国比较严峻的就业问题，在CobbDouglas生产函数的基础上，采用计量经济学的最小二乘回归，用Eviews5.0计量软件得出模型估计，各参数估计值，并进行模型检验、误差分析、方差分析、序列相关、多重共线性检验等分析回归方程，并对照现实进行实证分析，提出建议，最后依据回归方程作了预测。关键字：就业L外国直接投资K国内投资K技术进步A工资wFD一选题背景与文献综述宏观经济政策的四大目标是：充分就业、经济稳定增长、物价稳定、国际收支平衡。可见，就业对一国政府的重要性。中国的劳动力供给具有刘易斯所提出的无限劳动供给的特征，所以解决就业问题对中国政府来说是

2、一个艰巨的任务。自90年代后期，中国的就业形势就一直比较严峻。农村剩余劳动力压力加大是另一个严峻问题。目前全国迁移人口超过1.25亿，农村劳动力转移的规模和速度都在加大。以上现象说明了中国目前的就业形势严峻，解决中国的就业问题对中国政府对人民福利都是至关重要的，所以本文旨在研究一些对就业存在较大影响作用的因素，建立计量模型，测算这些因素的作用。马克思认为，资本积累、技术进步和资本有机构成是影响失业的主要因素，人口的增长和利息率是影响失业的次要因素。古典宏观经济学认为失业是由于实际工资偏高而造成的，与其他变量的关系不大。凯恩斯宏观经济学则认为，对劳动力的需求不足是根本的原因。弗里德曼提出了“自然

3、失业率”的概念，强调阻碍劳动力市场即时出清的制度因素和结构因素可能使得某种水平的失业率（即自然失业率）成为瓦尔拉斯体系中的均衡状态。投资对经济的作用已受普遍关注，而投资的增加对对就业存在两种效应：一种是投资与劳动的互补效应，一种是投资与劳动的替代效应。互补效应说明了投资的增加可以提高劳动需求，增加就业，替代效应则说明了投资的增加会导致劳动需求的下降，比如机器的使用替代了劳动力。同理，FDI也具有如上的效应。FDI对就业的作用已经引起了众多学者的关注。2000年TomaszMickiewicz,SlavoRadosevic等人对中欧四国跨国直接投资对劳动需求影响的研究中发现，跨国直接投资不仅对劳

4、动需求显著相关，而且外商投资结构与就业结构也具有显著相关性；2001年，DavidWilliams分析了跨国直接投资的进入方式、来源国等因素对东道国劳动需求的影响，并发现这些因素对劳动需求有显著影响。由于中国劳动力供给具有无限弹性，所以解决就业问题是很多专家学者关注的问题，他们分别就一些因素进行了分析。刘金钵、任荣明（2004）分析了FDI对东道国就业的直接影响与间接影响，进行互补效应和替代效应的分析，但是并未指明FDI是否会促进东道国的就业。王传荣、钱乃余（2004）从储蓄缺口与外汇缺口的双缺口理论出发，认为利用外资可以促进经济发展，从而增加就业。并提出虽然要打击引进科技含量高的外资，但也要

5、兼顾中国劳动力整体素质较低的事实，引进劳动密集产业。王根军（2004）的研究发现FDI对就业有较好的促进作用，认为19851996,1998至今是FDI吸收劳动的2个高值区，每亿元FDI吸收的劳动力比例较高。曹小艳（2003）从总量时段、结构等角度对FDI对中国劳动力就业影响作出计量分析，得出FDI对我国的总就业效应较小，在不同时期、不同产业就业效应具有差异性。国外投资能够促进东道国的就业得到了一定数量的中国学者的肯定，但是对此进行计量研究的并不多。另一方面，我们也有必要研究国内投资对中国的就业的作用，以进行更全面的分析。任淮秀（2003）的研究发现中国的国有、集体、联营中的投资与就业之间存在

6、着方向关系，但是私营和外资企业的投资与就业之间有正相关关系。于爱晶、周凌瑶（2004）则得出了中国的政府投资对就业的影响作用很小。关于技术进步与就业的关系也得到了一些学者的研究。彭绪庶、齐建国（2002）对美国经济进行研究，发现美国技术进步指数增长速度快的时期，总就业人数增长速度就下降，技术进步指数增长速度放慢的时期，总就业人数增长速度反而上升。陈珏（2004）肯定了技术进步对一国经济的重要性，但技术进步却存在着排挤工人的问题。她从静态和动态角度分析，认为静态看技术进步会降低就业，动态中却可以增加就业。二.计量模型的建立本文采用Cobb-Douglas生产函数来考查FDI、国内投资对中国就业的

7、影响，即Y=AKaLi-a其中的资本K代表了国内与国外资本的资本总和，现在用国内资本与国外资本的加权平均来表示Cobb-Douglas生产函数中的资本，K表示国内资本，KDF表示国外资本。令K=KpKi-p，于是，Cobb-Douglas生产函数变为，Y=DFA(KpK1-p)aLi-aDF计算厂商生产的成本，C=wL+r(K+K),假设厂商都以利润最大化为目标，DF则n二PQ-C,总产出Y=PQ，从而n=A(KpKi-p)aLi-a-wL-r(K+K)。DFDF最大化利润maxn得到一阶条件dn/dL=(1-a)A(KpKDF等式两边取对数得ln(1-a)+lnA+aplnK+a(1-p)l

8、nK-alnL=lnwDF调整得lnL二clnA+clnK+clnK+clnw+u，12D3F4L为各年的就业人数，这里的就业人数用经济活动人数来代替，以包括那些不在t就业统计范畴之内，但确实拥有工作的人，进行更好的回归分析。K表示不同年份的国内资本，用全社会固定资产投资减去FDI值后求出。DtK用各年中国实际利用的外资额表示。将以美元计价的数据通过各年汇率转换Ft成人民币计价。A表示一国在不同年份的技术状况，这里采用第三产业就业人数占全部就业人数t的比例来表示。第三产业需要较高水平的人力资本，这些人力资本往往经过了多年的知识学习，一国第三产业的从业人员越多，说明其高科技人才也越多，可以表明科

9、技水平越高。各国的实际情况也说明了这一点。所以认为这个指标可以较好地反映一国的技术状况。对以上变量都采用对数形式，该形式可以更好地衡量变量增量变化之间的关系。三数据收集与处理根据统计年鉴，收集19852004年数据，其中K亿元DK亿元FW元A%L万人19852494.51148.68883114816.85011219863055.89564.70547132917.25154619873705.57186.12939145917.85306019884634.916118.8839174718.35463019894282.688127.7122193518.35570719904350.2

10、1166.7902214018.56532319915362.085232.4153234018.96609119927473.108606.992271119.866782199311486.891585.414337121.267468199414131.822910.27645382368135199516885.883133.379550024.868855199619444.453469.162102669765199721189.43751.715647026.470800199824642.243763.927747926.772087199926516.983337.72883

11、4626.972791200029547.183370.551937127.573992200133333.43880.0921087027.774432200239134.374365.5381242228.6753602003511384428.6091404029.376075200465054.65495018.351602430.675200由于模型要求lnL二clnA+clnK+clnK+clnw+，因此将所有变量作12D3F4对数处理，并且可以更好地衡量变量增量变化之间的关系。得年份lnKlnKlnWDF7.821847996992713.885449640331037.0457

12、765768795119868.02482779105744.169845741982677.1921820587132519878.217592641914914.455850700458587.2855065485227919888.441373354858394.778147386622457.4656553101340619898.362336128826084.849779294888657.5678626054638819908.377979398779565.116736735201027.668561108015919918.587108170964185.4485258575

13、78397.7579062083517519928.919066255853166.408515611400987.9050728494986719939.348961664057077.36860085094318.1229647152340619949.556184271347257.976003201028838.4202416653397919959.734233048725458.049867253951868.6125033712205619969.875316961283688.151650473305498.7339161749275219979.961256335618428

14、.229968347752778.77493138749495199810.11221732260648.233218106255788.91985437219167199910.18554056149568.113045614981919.0295376611515200010.29374358680838.122831511465189.14537509312382200110.41431517630018.263614143676429.29376198011526200210.57475638798758.381496713828719.42722437311925200310.842

15、28313975048.395840818246959.5496656775798200411.08298304018148.520856473397979.68184287734565续lnAlnL19852.8213788864092110.82201577935052.8449093838194110.85022989186612.8791984572980410.87917862769172.9069010598473810.90833846138982.9069010598473810.92786109126872.917770732084282.93916192206562.985

16、681937700493.054001181677973.135494215929153.210843653170943.258096538021483.273364010152273.28466356540623.292126286607793.314186004672533.321432413193293.353406717825813.377587516023023.4210000089583411.087099473770111.098787859232211.109188862135711.119408690377911.129246310183911.139758123161211

17、.152887730326311.167614279681811.185629001884411.195347600168811.211712258234111.217641235878311.230031909250211.239474974765211.2279065099379三.模型估计采用19852004年的数据，用eviews5.0软件OLS方法进行回归估计得到如下结果：Method:LeastSquaresDate:06/13/06Time:11:19Sample:19852004Includedobservations:20VariableCoefficientStd.Erro

18、rt-StatisticProb.LNA-1.1535070.329222-3.5037410.0032LNKD-0.2088510.089699-2.3283490.0343LNKF0.0906200.0160965.6299950.0000LNW0.5023210.1045204.8059950.0002C11.840590.45414126.072520.0000R-squared0.955059Meandependentvar11.09497AdjustedR-squared0.943075S.D.dependentvar0.137684AkaikeinfoS.E.ofregressi

19、on0.032850criterion-3.781411Sumsquaredresid0.016187Schwarzcriterion-3.532478Loglikelihood42.81411F-statistic79.69275Durbin-Watsonstat1.855532Prob(F-statistic)0.000000EstimationCommand:LSLNLLNALNKDLNKFLNWCEstimationEquation:其中的系数分别表示LNL=C(l)*LNA+C(2)*LNKD+C(3)*LNKF+C(4)*LNW+C(5)SubstitutedCoefficient

20、s:LNL=-1.153507462*LNA-0.208851028*LNKD+0.09061992734*LNKF+0.5023208857*LNW+11.84059224模型估计结果汇总：LnL=11.84059+0.502321LnW+0.090620LnK-0.208851LnK-1.153507LnAFD(26.07252)(4.805995)(5.629995)(-2.328349)(-3.503741)=0.955059,D.W.=1.825532,SE=0.032850,F=79.69275四误差分析Eviews5.0得到残差表与残差图如下obsActualFittedResi

21、dualResidualPlot19810.82201577910.843849539-0.0218337600990|.535054495388*|.|19810.85022989110.873628881-0.0233989899454|.686618116574*|.|19810.87917862710.8666136310.01256499634525|.|*.76917346599|19810.90833846110.9076206280.00071783298536|.*8389840445874|19810.92786109110.981959771-0.054098680481

22、6|*.|926877504779119911.08709947311.0409290350.046170438233981.I.07701536178*I19911.09878785911.0475239950.05126386392977I.I.12322302409*I19911.10918886211.0854521020.02373676003546I.I*.21357100334I19911.11940869011.1133157360.00609295433545I.I*.337790424753II19911.12924631011.180405436-0.0511591258

23、711I*I41839055004I19911159574253-0.0198161300562I.*I.516122175507I199111458139520.00707377753762I.I632637887906*I19911.16761427911.1379542410.02966003860747I.I*76818074379I199111664840970.01914490452931I.I*.8884435544I19911.19534760011.1867683430.00857925679994

24、I.I916883688942*I20011.21171225811.1977983390.01391391868678I.I*.02341547376I20011.21764123511.251553597-0.0339123613514I*.I.187832298172I-3.503741，-2.328349，5.629995，4.805995，26.0725220011.23003190911.258886143-0.0288542343899|*|22502640298|20011.23947497411.2379248610.00155011321543I.*376525497519

25、I20011.22790650911.2153020820.01260442695301I.I*49379984983I由模型回归得到残差项标准差的无偏估计：SE=0.032850上表与上图显示这个回归模型的残差值比较小，最大的残差值发生在1989年，值为0.054098，不过仍然小于异常值的临界值，模型拟合得较好。得到参数的标准差估计量为：S=0.329222C1S=0.089699C2S=0.016096C3S=0.104520C4无论是模型的SE值，还是参数的标准差，数值都不大，表示了拟合程度较五.模型检验1.t检验t检验是针对每一个参数进行的检验。首先提出假设：H:c=0(i=1,2,

26、3,4,5)0iH:ciH0(i=1,2,3,4,5)1选定显著性水平为给定显著性水平a=0.05，样本个数n=20,查表得t(20)=2.0860.05而各参数估计的t统计量分别为所以，在=0.05的显著性水平下，所有的参数均拒绝零假设，可以认为CCCC123C均显著异于零。42.F检验给定显著性水平为a=0.05，样本个数n=20，查表得，F（4,15）=3.06，最0.05小二乘回归方程的F值为79.69275，FF（4,15）0.05所以，在显著性水平a=0.05下拒绝假设H，可以肯定多元线性方程是显著的，0lnL与lnK、lnK、LnW、lnA这些解释变量之间存在显著的线性关系。tD

27、tFttt3决定系数R2用这个量来评价最小二乘直线对平面上离散的观察点拟合的优劣程度如何。R2越大，工e2越小，所以R2越大越好，回归得到的值为0.955，说明模型的拟合优度较好。六异常值检验（违反零均值）若事件|e/SE|2时，称该事件为异常事件，已知SE=0.03285i0，所以e0.0657时就会出现异常值。由残差表可知，所有的残差i值e都小于0.0657，所以不存在违反零均值的情况。i七序列相关（采用德宾一沃特森检验）米用德宾一沃特森检验选定显著性水平a=0.05，样本个数n=20，k=5（包括常数项及解释变量），查表得：d0.05=0.90，d0.05=1.83，4d0.05=2.1

28、7LUU模型估计的DW=1.855532d0.05DW4-d0.05UU可见，样本序列不存在自相关。八异方差1图示2.怀特检验White检验是检验原假设：不存在异方差性。检验统计量通过一个辅助回归来计算。利用回归因子所有可能的交叉乘积对残差做回归。H:残差不存在异方差，0H:残差存在异方差1Eviews5.0得到WhiteHeteroskedasticityTest:F-statistic4.075766Probability0.017335Obs*R-squared14.95484Probability0.060030LnL=11.84059+0.502321LnW+0.090620LnK0

29、.208851LnK-1.153507LnAFD根据辅助回归可知，自由度为8,选定显著性水平为a=0.05，查x2分布表得到临界值为：15.51。eviews反馈的结果是14.9548415.51，所以接受H，认0为残差确实不存在异方差问题。3斯皮尔曼检验年份lnKD秩tlnKF秩tlnW秩tlnA秩t1ei1秩19811111100100100100222210010010010062198333369999644412599981984555225622522522590199566611448181817777144144144144191998888125252525999933636

30、3636319910101010164646464481991111111111111501991414121241001006464619915151313100447519916161414949492525819912121515549491001009200131316168252564640200171717171111116200218181818141616161620031919191922892892892892004202020207169169169169合计1602149215261526|Ris|-0.204-0.121-0.1473-0.14735877计算斯皮尔曼

31、秩序相关系数得到相关系数填入表格,选定显著性水平为=0.05,N=20,R=0.3789,s|R|=0.2045,|R|=0.1218,|R|=0.14737,|R|=0.14737,因1s2s3s4s为所有|R|R,所以没有异方差的存在。iss九.讨论多重共线性简单相关系数用eviews5.0得到下表大致可判断出，简单相关系数均小于0.9，没有多重相关性LNKFLNKDLNALNWLNK0.75377471856660.65628291960970.7429816639304F1945883LNK0.75377471856660.59184555198300.7953622004862D94

32、12290.65628291960970.59184555198300.6914222527926LNA582113LNW0.74298166393040.79536220048620.69142225279261832913般相关系数从简单相关系数矩阵(上表中得)中，计算D=0.19002D=0.21349D=0.138071D=0.236395TOC o 1-5 h z223344D=0.07901373D=-0.029271D=0.083361471314D=-0.0044385D=-0.1141648D=0.08616617232434计算R2=D2/DD=0.153911123412

33、1122F=R2*(20-4)/(1-R2)=2.9105491212341234同样，可得R2=D2/DD=0.03266F=R2*16/(1-R2)=0.540213241311331313.241324R2=D2/DD=0.154716F:=R2*16/(1-R2)=2.92855114231411441414231423R2=D2/DD=0.000668F:=R2*16/(1-R2)=0.010723142322332323142314R2=D2/DD=0.258255F=R2*16/(1-R2)=5.57076824132422442424132413R2=D2/DD=0.22747

34、4F=R2*16/(1-R2)=4.71127834123433443434123412TOC o 1-5 h z显著性水平为a=0.01，查F分布表得出F(1,16)=8.530.01因为F,F,F,F,F,FF(1,16)1213142324340.01判断得模型不存在多重共线性问题。十实证分析、建议从总体上看，就业呈上升趋势，下面分析各个解释变量与被解释变量之间的关系，以及这些变量对就业造成或正或负影响的原因。国内投资与就业从回归得到的方程可以看出，国内投资与就业的关系是反向的，国内投资的增加对就业没有增加的作用，反而会导致就业的降低，以2003年的数据为例，(dL/dt)/(dKD/d

35、t)=-0.29753，就是说，投资每增加1亿元会导致0.29753万人失业。原因分析：国有企业改革。我国存在着为数众多的国有企业，在市场经济实行以前根本就不存在其他类型企业。在原先政企不分的情况下，企业作为政府的附属机构主要承担了解决就业的社会职责。市场经济转型后，政企开始逐渐分离，企业拥有更多的自主权。随着企业间技术竞争和效率竞争的升级，我国的国有企业开始提高效率，从粗放式增长转向内涵式增长。于是，90年代后国有企业加大科技投资的力度和采用更为先进的技术设备，同时又大幅度裁减冗余员工，出现了大量下岗职工。国内政策鼓励资本和知识密集型企业的建立发展。中国政府这些年以来一直都在致力于提高国家的

36、科技水平，进行产业结构升级，出台了大量鼓励高新技术企业建立的政策条文，而这些企业基本都知识密集型或资本密集型的企业，不需要很多劳动力。上述两个原因相辅相成，共同解释了中国国内投资与就业的负相关关系。虽然从第二点看，投资的增加所导致的就业的增加不多，但还是增加了就业，似乎与国内投资增加导致就业下降的结论矛盾。但是第二点原因要与第一点配合起来解释国内投资与就业的负相关关系，从两者的总和来看，由于国有企业导致的失业人员更多，加上高新科技企业较大的投资额和较少的就业人员，就导致了国内投资与就业负相关关系。外商直接投资与就业外商直接投资对就业从两方面发生影响，一是直接效应，即外商投资直接增加了劳动力需求

37、，导致就业增加；二是间接效应，即外商投资引起东道国国内投资的增加，也就是外商直接投资通过“外溢效应”对国内投资、国际贸易、技术等发生作用而产生影响。实际上，外商直接投资对就业既存在正效应也存在负效应。正效应是外商直接投资会增加东道国的就业，如果外商直接投资的进入方式是新设投资，(又称绿地投资GreenfieldInvestment)，对就业增加的作用就是显著的。若采用并购投资(Cross-borderInvestment)方式进入，往往对就业产生的是负效用，不仅不会产生新的就业机会，还会导致立即或滞后地裁减劳动力。通过上面的计量分析，从回归方程得到外商直接投资对就业的影响系数为0.090620

38、,存在正的相关关系，说明每一单位外商投资的变动率对就业变动率的影响为0.090620,以2003年为例，(dL/dt)/(dK/dt)=1.472,增加1亿外商直接投资可以增加1.472万人就业。外商直接投资之所以可以增加中国的就业原因分析如下：进入中国的外资大多为新设投资：我国最近几年每年400多亿元的外商直接投资中只有不到5%是采用跨国并购进入的，其它多数是新建项目的投资。因此目前外商在我国的直接投资产生的正效应远远大于其它国家，它对解决我国目前流向城市的大量农村剩余人口的就业问题起了很大的作用。外商投资集中在第二产业，第二产业大多为制造业、纺织业等劳动密集型产业。下表列示了2000200

39、3年外商投资在三个产业的比例。印证了外商直接投资集中于第二产业。与发达国家相比，中国并没有更好的科技环境和制度环境，外商直接投资于中国最大的目的是寻求廉价的劳动力，第二产业正是劳动密集型的产业，所以外商直接投资增加会提高就业人数。(表7)：年份产业200020012002200376.4377.4177.4177.51工资水平与就业根据古典非瓦尔拉均衡，失业问题的主要原因是实际工资过高，降低实际工资可以增加就业。但是回归方程表明中国的就业与工资之间存在着正相关关系,系数为0.502321，说明每单位工资的变动率可以引起0.502321的就业变动率。以2003年数据为例，根据方程(12)，得到(

40、dL/dt)/(dW/dt)=2.730897,说明工资每提高1单位，就业约增加2.7309万人。原因分析：(1)农村劳动力流出。中国近年来农村劳动力剩余现象非常严重，加之现在政策的放松，劳动力流动非常频繁。工资的上升会吸引农村的剩余劳动力离开农村,参加就业，所以工资的上升就促进了就业的增长。(2)实行市场经济和改革开放以来，中国经济一直保持着平均7.5%以上的增长速度。经济的增长导致了工资的提高和就业的增长，所以工资提高与就业增长之间就存在了一种正相关的关系。4技术水平与就业技术进步与就业的关系通常可以从两个角度进行理解：一个是长期，一个是短期。短期中，技术进步导致新设备、新机器、新工艺的使

41、用，提高了劳动生产率，排挤了劳动力，造成失业。长期中，技术进步会促进经济增长、产业发展和产业结构的变动，导致产业进一步细化，由此产生了社会的生产需求。经济增长又会进一步提高人民的收入水平，高的劳动生产率也会降低产品的成本，产生社会的消费需求，这两种社会需求会导致就业容量的扩大。回归方程中技术水平与就业的关系系数是：-1.153507462，表明技术水平与就业负相关，技术进步挤出了劳动力。原因分析：技术进步导致企业裁员。高新技术的使用往往伴随着机器替代劳动力的情况的出现，采用机器可以提高的效率，长期来看也会降低成本，所以，技术进步导致就业下降。以第三产业为例，第三产业的科技含量较高，微电子产业、IT产业、传媒等都属于这个产业，该产业每亿元投资可以带动相对更高的GDP的产生，但是这个产业每亿元投资所雇佣的劳动力却并不高。技术进步造成结构性失业。产业的转移使得一大批知识结构不能适应新产业的工人失去工作。中国现在处于发展的初级阶段。由于从计划经济转为市场经济的时间并不长，以前的工业底子非常薄弱，所以在实行市场经济，特别是1992年改革开放之后，中国的企业才真正开始关注提高本身的技术水平，至今为止的时间还不是很长，技术进步的长期作用尚未显现出来。5.政策建议根据回归方程和综合分析，从以下几方面提出了政策建议。引导国内投资，进行劳动密集产业的投资。虽然科技水平对一国的发展