本站小編為你精心準備了淺談生產性服務業就業效應及影響因素參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：生產性服務業作為服務業的重要組成部分，長期保持著迅速增長的態勢，是經濟增長和提高就業的重要推動力量。文章以重慶市生產性服務業發展為例，運用就業彈性、投入產出法、結構偏離度等指標對重慶市就業效應進行測度，實證分析了就業效應的影響因素，結果表明，重慶市生產性服務業的直接就業效應和間接就業效應均較強，且具有較大的就業增長空間。在重慶市生產性服務業的發展中，行業投資水平和行業產出水平的提高有助于提高重慶市生產性服務業的就業吸納能力，而行業工資水平的提高則不利于該行業就業的增長。

關鍵詞：生產性服務業；就業效應；投資水平；產出水平；工資水平

引言

就業對我國經濟社會穩定發展有著重要意義，隨著我國經濟進入新常態，就業總量的供需矛盾有所緩解，但結構性壓力依然較大，新的影響因素還在增加。2019年《政府工作報告》明確提出要將就業優先政策置于宏觀政策層面，強化各方面重視就業、支持就業的導向。作為在我國產業結構中所占比例最高的服務業，已經成為拉動我國就業和經濟增長的重要力量，其中，生產性服務業作為服務業中增長最為迅速的部門，就業人員不斷增長，已成為我國就業和再就業的重要載體。因此，研究生產性服務業的就業效應，對擴大當前我國就業和優化就業結構有著重要意義。從現有研究來看[1-8]，對于生產性服務業的就業效應的研究多采用就業彈性、投入產出法、結構偏離度等方法，說明這些方法得到了較多的認可，但大多研究多基于東部城市生產性服務業數據，對于西部地區生產性服務業的就業 效應研究較少，這與西部地區生產性服務業發展起步較晚有關，且在生產性服務業的就業效應研究中對于就業效應的影響因素的研究較少，為此，本文選取重慶市作為研究目標，對重慶市生產性服務業就業效應及其影響因素進行研究。

1城市生產性服務業的就業效應分析

1.1直接效應的測算：就業彈性

本文以就業彈性作為指標對重慶市生產性服務業就業的直接效應進行衡量，就業彈性是指在一定時期內就業增長率與生產總值增長率的比率。其公式為：由于式（1）僅能得出某年內的就業彈性，無法計算出連續幾年時間的總體就業彈性。因此本文借鑒我國中科院國情分析小組建立的經濟增長與就業人數之間的非線性模型，分別對2005—2017年間重慶市服務業、生產性服務業以及生產性服務業內部各行業的就業彈性進行測算。其測算公式為：式（2）中，L表示各行業的就業人數，A為常數系數，Y表示各行業生產總值，α為就業彈性，μ表示隨機誤差項。對式（2）兩邊取對數可得：式（3）中，各變量的數據主要來源于重慶市歷年統計年鑒，由于2005年前重慶市第三產業各細分產業未采用國民經濟行業分類標準(GB/T4754-2002)，導致部分行業在2005年之前的產值數據缺失或數據一致性較差。因此本文主要采用重慶市2005—2017年的行業生產總值數據和就業數據，并以2005年為基期消除GDP中物價上漲因素的影響，同時，考慮到模型可能存在的自相關問題，采用廣義最小二乘法對模型進行估計。測算結果如表1所示。表1中（1）至（8）列分別表示第三產業（服務業）；生產業服務業；交通運輸倉儲業；信息技術業；批發和零售貿易業；金融業；租賃和商務服務業；科學研究和地質勘查業。從各模型的回歸結果來看，模型中各行業的就業彈性均通過了t檢驗，顯著性均較強，同時模型的R2值和F值都較大，說明模型擬合程度較好，且各模型的D.W值表明模型不存在自相關問題。重慶市服務業的就業彈性為0.33，即服務業GDP每增長1%，就業數量增長0.33%，說明重慶市服務業的直接就業效應較強。生產性服務業的就業彈性略高于服務業的整體就業彈性，達到了0.373，說明在重慶市服務業中生產性服務業的直接就業效應較強，是推動服務業就業增長的主要動力。在生產性服務業內部各行業中，除批發與零售貿易行業外，其他行業的就業彈性均高于重慶市生產性服務業整體的就業彈性。具體來看，信息技術業的就業彈性最高，高達0.754，這一行業屬于技術密集型行業，對人才的需求較大，因此大力發展信息技術業有助于推進重慶市就業的迅速增長；其次是金融業，就業彈性為0.624，說明隨著重慶市金融體系的不斷發展完善，金融行業發展對就業的促進作用較大；租賃和商務服務業與科學研究和地質勘查業的就業彈性分別為0.553和0.482，都處于較高水平，對就業的帶動作用較強；批發與零售貿易類作為勞動力密集行業，就業數量較多、勞動力需求有限，其發展對就業增長的直接效應較弱。總體來看，重慶市生產性服務業的直接就業效應較強，未來重慶市應當進一步推動生產性服務業尤其是信息技術也和金融業的發展。

1.2間接效應的測算：間接就業系數

為直觀有效地考察重慶市生產性服務業對其他產業就業的間接帶動作用，本文采用投入產出方法對此進行測算。具體衡量指標為間接就業系數，這一系數由綜合就業系數與勞動力投入系數相減得出，其中綜合就業系數為某一行業產出增長所帶來的整個經濟體系的就業的增加，勞動力投入系數為某一行業產出增長所直接帶來的就業的增長。本文根據重慶市2012年投入產出延長表對服務業的間接就業指數進行計算，計算結果如表2所示。從表2的間接就業系數測算結果可知：盡管重慶市生產性服務業的綜合就業系數和勞動力投入系數均低于服務業整體水平，但其間接就業系數更高。重慶市生產性服務業的間接就業系數為0.049，高于服務業整體的0.045，間接就業比重為45.19%也高于服務業整體的33.29%。這說明重慶市生產性服務業在間接就業效應方面的作用較為顯著，即重慶市生產性服務業的發展更能帶動其他產業就業的增長，從而促進經濟體系就業總量的增長。在生產性服務業內部各行業的間接就業效應存在差異。從間接就業系數來看，間接就業系數最大的是科學研究與地質勘查業，為0.067，隨著重慶市科學研究與地質勘查行業的迅速發展，技術轉化速度的加快，對其他產業的帶動作用較強。交通運輸倉儲業的間接就業效應也較為顯著，間接就業系數為0.048，交通運輸行業的發展有助于各行業產品的銷售和流通，有助于降低行業生產成本，實現其他行業就業的增長。金融業的間接就業系數排名第三，為0.046，可見重慶市金融行業的發展不僅在帶動自身就業增長方面較為突出，也能帶動其他行業就業的較大增長，在重慶市就業增長方面有著較為重要的作用。批發與零售貿易業作為勞動力密集型行業，無論是直接就業效應和間接就業效應都較低，產業結構有待優化升級。總體來看，生產性服務業作為中間服務行業，其自身發展不僅能帶動行業內部就業數量的增長，但有著較強的間接拉動其他行業就業增長的能力。

1.3就業潛力分析

本文使用結構偏離度對重慶市生產性服務業的就業潛力進行分析，某一產業的結構偏離度是指該產業的就業比重與該產業的增加值比重之差，其計算公式為：式（4）中，β為結構偏離度，Em為某產業的就業人數，E為全社會的總就業人數：Gm為某產業的增加值，G為生產總值。若β＞0時，意味著該產業的就業比重大于該產業的增加值，那么，該產業勞動力存在轉移出去的可能；當β＜0時，意味著該產業的就業的比重小于該產業的增加值，也就是說勞動力存在轉入該行業的可能。從表3中數據可知：從重慶市生產性服務業內部各行業的就業偏離度情況來看，交通運輸與郵儲業、信息技術業以及金融業常年為負偏離狀態，表明這些行業生產率較高，勞動力流入的可能性大，具有較大的就業增長空間；從具體系數大小來看，交通運輸倉儲業余信息技術業的就業系數雖常年為負但這一數值正在不斷縮小，說明這兩個行業的就業空間增長速度正在放緩，而金融業的結構偏離度系數呈逐年擴大趨勢，表明金融業既有較大的就業增長空間；批發與零售行業和租賃和商務服務業結構偏離度常年為正，表明這些行業生產率較低，勞動力流出的可能性較大，就業增長空間有限；科學研究與地質勘查業經歷了一個由負偏離向正偏離轉變的過程，在2013年前該行業一直處于負偏離狀態，但2013年后開始呈現正偏離狀態，表明科學研究與地質勘查業的就業增長空間正在縮小。總體來看，重慶市生產性服務業具有較大的就業增長空間。尤其是交通運輸與郵儲業、信息技術業以及金融業具有較大的就業增長空間；批發與零售貿易業作為傳統勞動密集型服務業，就業人數較多，增長空間有限；而租賃與商務服務業作為新型服務業，仍需要不斷提高勞動生產率，優化就業結構。

2實證分析

2.1模型設定與變量選擇

在通過運用就業彈性、投入產出、結構偏離度指標對重慶市生產性服務業的直接就業效應、間接就業效應和就業增長空間進行綜合分析后。得出的主要結論為重慶市生產性服務業整體擁有較強的直接和間接就業效應，且具有較大的就業增長空間，但各行業的發展水平不一，行業內部就業結構需要優化。那么，影響生產性服務業發展及其就業增長的因素到底有哪些？這些因素如何影響生產性服務業就業的？本文從生產性服務業的需求和供給兩方面考慮生產性服務業發展的影響因素。依據外包理論和產業管理理論，參照曾世宏和馬銘（2013）[5]的做法，選取行業投資水平、行業工資水平、行業產出水平、行業開放程度這4個變量作為解釋變量。具體模型設定如下：（1）行業投資水平（I）。對生產性行業的投資的增長會刺激該行業需求的增長，從而形成配套的勞動力需求，增加該行業的就業數量。但同時投資的增長也會在某種程度上對勞動力投入產生替代效應，使得勞動力投入減少，因此，投資對就業的影響有待進一步檢驗。本文采用固定資產投資額作為行業投資水平的解釋變量。（2）行業工資水平（W）。不同行業工資水平的差異是引起勞動力流動的重要原因，當某一行業工資水平相對較高時，該行業勞動力流入的可能性越大，生產性服務業工資水平的提高是促進該行業就業增長的重要手段。因此，在其他因素不變的情況下，工資水平與就業水平應當是同方向變動的。本文采用行業平均工資作為行業工資水平的解釋變量。（3）行業產出水平（GDP）。行業產出水平越高，表明該行業規模越大，所能吸納的勞動力數量越多，因此，行業產出水平一般與行業就業人數同方向變動。本文行業生產總值作為行業產出水平的解釋變量。（4）行業開放程度（FDI）。某一行業的對外開放程度越高，對行業的需求和供給也會得到增長，外商投資的進入和使用有助于該行業的發展和擴張，進而實現就業的增長。本文采用行業外商實際投資額作為行業開放程度的解釋變量。本文采用2005—2017年重慶市生產性服務業的行業截面數據以克服時間序列分析的多重共線性困擾，數據主要來自于各年《重慶市統計年鑒》。為消除時間序列中可能存在的異方差現象，各變量全部采用對數形式，使得趨勢線性化。

2.2數據的平穩性檢驗

在進行回歸分析前首先需要對對模型中的有關變量進行平穩性檢驗，若是時間序列數據不平穩將會導致偽回歸現象的出現，使得模型估計無效。各變量的單位根檢驗結果如表4所示。從ADF和LLC單位根檢驗結果來看，所有被檢驗變量的單位根檢驗值均至少小于5%臨界值水平，故拒絕這些變量存在單位根的假設，接受上述時間序列均為平穩序列。

2.3回歸結果分析

由于本文中的數據為長面板數據，誤差項ε可能存在異方差和自相關，需要對“不同個體的擾動方差均相等”“不存在組內自相關及組間自相關”等假設進行檢驗。檢驗結果表明模型的誤差項ε存在顯著的不同個體的擾動方差不相等，組內自相關或組間自相關，為糾正以上問題。本文采用全面的可行廣義最小二乘法（FGLS）對模型進行估計，同時采用包含矯正標準誤差的最小二乘回歸即面板校正標準誤法（PCSE）對模型回歸結果的穩健性進行檢驗。兩種回歸方法的回歸結果如表5所示。從表5可以看出，除FDI存在不顯著且系數符號出現變化外，其他影響因素采用兩種估計方法得出的系數符號和顯著性基本一致，說明FGLS回歸結果具有一定穩健性。固定資產投資對重慶市生產性服務業的就業具有顯著的正影響，但其系數較小，僅為0.065，可見目前行業投資水平的提高主要會刺激生產性服務業對勞動力的需求，對勞動力的替代作用較小，從而提高重慶市生產性服務業的就業水平。平均工資的上升對重慶市生產性服務業就業產生顯著的負影響，工資水平每上升1%，就業水平反而下降0.505%，原因可能是重慶市生產性服務業工資水平已處于較高水平。盡管行業工資水平的提升有助于提高對生產性服務業的供給，但同時也會使得企業生產成本的上升，使得企業的勞動力需求的減少，從而抑制重慶市生產性服務業的就業吸納能力。行業生產總值對重慶市生產性服務業就業吸納能力的影響最大，影響系數為0.532，說明行業產出水平的提高是提高重慶市生產性服務業就業數量的最有效手段。行業產出水平的擴大將帶動重慶市生產性服務業對勞動力的需求，進而提高就業數量。外商直接投資對重慶市生產性服務業的影響系數較小且不顯著，說明行業開放水平不是重慶市生產性服務業就業的主要影響因素，由于重慶市位于西部內陸地區，生產性服務業外商直接投資和貿易額較小，對該行業的就業的影響也較小。

3結束語

本文通過對重慶市生產性服務業的就業效應及其影響因素進行分析發現：重慶市生產性服務業的直接就業效應和間接就業效應均較強，且具有較大的就業增長空間。其中信息技術業與金融業的直接就業效應較為突出；而科學研究與地質勘查業和交通運輸倉儲業的間接效應較為顯著；在就業潛力方面，交通運輸倉儲業和金融業具有較大的就業增長空間。隨后運用FGLS估計方法對重慶市生產性服務業就業效應的影響因素進行實證分析，回歸結果顯示：行業投資水平和行業產出水平的提高有助于提高重慶市生產性服務業的就業吸納能力，而行業工資水平的提高將減少重慶市生產性服務業的勞動力需求，不利于該行業就業的增長。

參考文獻：

[2]孔令鋒.上海市生產性服務業就業吸納能力實證研究[J].人口與經濟,2011,(2).

[3]吳淑玲,胡昱.基于生產性服務業就業效應視角的路徑分析——以青島市為例[J].江西社會科學,2011,31(8).

[4]車放,車廣吉.生產性服務業對城市低保對象就業影響的實證分析——以北京市為例[J].學術探索,2012,(7).

[5]曾世宏,馬銘.高增長背景下中國生產性服務業低就業吸納能力及影響因素的實證研究[J].產經評論,2013,4(4).

[6]慕慧娟,崔光蓮.新疆生產性服務業就業吸納能力檢驗及預測[J].人口與經濟,2015,(3).

[7]邱靈,方創琳.生產性服務業空間集聚與城市發展研究[J].經濟地理,2012,(11).

[8]高覺民,李曉慧.生產性服務業與制造業的互動機理:理論與實證[J].中國工業經濟,2011,(6).

作者：車放 劉昊 單位：西南大學