低碳政策与家庭就业

刘海北 徐佳

内容提要：以问卷调查数据为基础，利用Ordered Probit模型分析了低碳政策对不同家庭就业的影响，如个人特征、家庭特征、社会环境特，正、工作所处行业、对低碳政策的了解程度等，发现低碳政策对居民就业的影响与居民的性别、所在城市的环境状态及工作行业相关，并且城乡之间存在显著差异。模型的计量经济分析表明：（1）低碳政策对居民就业的影响与个人因素密切相关。男性受到的影响要高于女性，受教育程度越高，政策对就业的影响越低。教育对于居民应对政策影响提供了保险的作用。（2）低碳政策对居民就业的影响在城乡间差异很大，相比于农村居民，城镇居民更易受到政策的负面影响。（3）低碳政策对居民就业的影响还与城市环境相关，主要与居住地空气质量密切相关。（4）低碳政策对不同行业的就业影响不尽相同，对农林牧渔水利业及与能源相关的采掘业、交通运输业的负面影响最大。并据此提出了相应对策。

关键词：低碳；家庭就业；ordered probit模型

中图分类号： F124.5文献标识码：A 文章编号：1003-4161（2015）02-0024-06

DOI：10.13483/j.cnki.kfyj.2015.02.006

一、引言

传统经济增长理论更多地强调资本与劳动的约束，但随着工业化进程的不断深化，人类活动的环境友好程度不断下降，自然环境的承受能力也逐渐接近极限，考虑经济增长问题时，环保因素显得尤为重要。2003年英国首次提出“低碳经济”的概念后，国际社会就这一议题举行了多次会议，讨论节能减排的途径和目标，中国作为碳排放大国受到极大的国际压力。中国所处的发展阶段与富煤少油的能源禀赋共同作用导致中国经济高增长的同时伴随着碳排居高不下的现状。然而产业结构与能源结构的调整是一个长期过程，淘汰高碳排的产业，牺牲经济增长速度在现行的发展模式下固然能减少碳排。但中国是拥有全世界五分之一人口的发展中国家，就业问题十分突出。中国固有的城乡二元结构，使得农村尚存大量的劳动力需要释放。

MorgenStern et al的研究中，利用民意调查来测度环境规章制度对就业的影响，结果30%以上的被调查者认为他们的工作会受到环境政策的影响，存在较过去更大的失业风险。Berman& Bui的研究认为技术改进过程中，新技术减少环境污染的同时也会产生相应的替代效应，更先进的技术意味着所需的劳动力投入会更小。Heyes研究中指出环境规制政策对所出不同行业，规模不同的企业的影响存在差异，文章指出资本密集的企业受到环境政策的影响较小。

与传统观点相反，Beaelek认为环保政策的实施会促进环保产业的快速发展，将会带来更多绿色就业，这种就业吸纳会弥补高碳排部门受政策影响产生的失业。C arraro的研究也支持这种双重红利的假说，也就是通过征收碳税会在减少碳排放的同时在总量上创造更多的就业。

本文通过对两个资源型城市和一个非资源型城市进行调研，试图发现不同行业以及不同个体特征的劳动力受低碳政策影响的敏感程度，以测度低碳政策对就业的影响。

二、研究数据与模型选取

（一）数据说明

本文实证分析使用的数据来自北京大学光华管理学院“中国低碳就业调查”的一手调研资料。该调查旨在通过以典型城市为代表，在代表城市搜集个体、家庭和企业的时点信息，以获得中国经济低碳转型过程中，劳动力市场变化的资料，探讨低碳政策对于城镇居民就业的不同影响。

本次抽样调查的样本家庭共3014个（黑龙江省双鸭山市、鸡西市、牡丹江市），其中1910个来自城市，1104个来自于衣村。问卷主要分为两个部分，A部分主要包括公众本身的人口学及社会经济特征等内容，B部分主要包括公众对生态环境的看法、低碳经济及绿色就业的了解程度、对改善环境的看法、对绿色就业的相关建议等。

我们在数据处理过程中去除了异常值及空白值，并对多选问题设置了多虚拟变量以便统计、计量分析。最后形成有效问卷2 803份。

（二）模型选取

本文是在受访者的理性预期下研究低碳政策对家庭就业的影响。由于难以获得受访者就业影响的连续性数据，本文反映就业政策影响的数据是以分类数据为主的离散数据，在分析离散选择问题时采用概率模型（Logit、Probit和Tobit）是理想的估计方法。对于因变量离散数值数大于两类的，研究时须采用有序概率模型。用有序Probit模型处理多类别离散数据是近年来应用较广的一种方法。Ordered Probit模型的基本原理是：假设变量不可观测，Z_i=α+βX_i，而Z_i所属的区间是可以区分的，可以根据某种分布，将与所处区间的概率相关联，然后利用各个区间的样本概率通过最大似然估计获得参数α和β的估计值。对于这种二元离散现象的数量分析，常用的模型有Logit模型和Probit模型。本文利用Ordered probit模型对低碳政策对就业的影响进行分析，试图找出哪些家庭因素会影响低碳政策对就业的影响及其作用方向。

三、变量选取与描述性统计

（一）变量选取

1.被解释变量：低碳政策对就业的影响Polivy Infuence

本文以低碳政策对就业的影响等级作为被解释变量，分析影响政策实施效果的因素。根据问卷问题“您认为政府发展低碳经济的政策会对您现在的工作产生什么影响？”，我们将“A失业风险”以及“B工资下降”定义为低碳政策对工作的影响为负面影响，记Polivy Infuence=1；对于“E无影响”，记Polivy Infu-ence=2；对于“C新的就业机会”以及“D工资上升”定义为低碳政策对工作的影响为正面影响，记Polivy Infuence=3。

2.解释变量：本文控制家庭、个人的统计学特征变量以及社区层面的控制变量

家庭特征变量主要是家庭人口规模（familysize）、房屋是否自有（ home-selfown）、家庭收入（hhincome）等。家庭人口规模越大意味着家庭拥有的资源会越多，能够抵御政策变化的能力越大。同理，家庭平均收入越大，受访者抵挡政策带来的就业影响的能力越大。

在个人特征方面，性别（male）、受教育程度（edu）以及工作所在行业是影响家庭就业比率的重要因素。male为定义的虚拟变量，male=1时表示受访者为男性。我们还感兴趣人力资本对家庭就业会产生什么影响，因此我们将样本按受教育年限分为五组，edu=l表示小学毕业，edu=2表示初中毕业，edu=3表示高中毕业，edu=4表示大学含大专，研究生以上edu=5。根据问卷，我们将样本按照受访者工作所在行业将其分为环境友好型工作（ecofriendlyjob）和环境非友好型工作（nonecofriendlyjob），以观察低碳政策对不同工作行业的家庭就业影响是否有差异。

此外，本文控制了当地环境状况（goodenvir）、居住地空气质量（ goodair）受访者对低碳概念了解程度（knowLCwell）等变量。在环境更恶劣的地方，低碳政策的实施强度可能更大，因而对社区内部家庭就业的影响更大。同时，受访者对低碳概念的了解程度也可能影响他对低碳政策对就业影响的判断准确性。本文还将讨论低碳政策对不同行业（work）就业的影响以及政策实施效果在城乡间的差异（urban）。

（二）描述性分析

1.变量的描述性统计

由表1可知，居民对低碳政策对自身就业的影响评价均值为2.173（取值1为负面影响，取值O为无明显影响，取值3为正面影响），标准差为0.691，也就是说，从居民角度来看，低碳政策整体上对居民的就业起到的是正面影响。

居民的平均受教育年限为14.317年，受教育程度较高，主要集中在高中阶段，并且受教育程度的差别较大（标准差为2.769）。从家庭收入来看，居民家庭收入均值为11.402万元，家庭收入差异较大，标准差为30.776万元。受访人当地的环境尚可，居民对居住地环境状况和空气质量的评价都高于0.5（0为质量差，1为质量优）。80.1%的受访者都听说过低碳政策，低碳概念在受访群体中认知度较高。

四、Ordered Probit模型回归结果的经验分析

（一）低碳政策对家庭就业的回归分析

低碳政策对不同类型家庭的就业影响是不同的，我们使用Ordered Probit模型来分析影响低碳政策对就业影响的因素及其差异。为了验证回归结果的稳健性，本文采用逐步回归的方法来控制变量的作用范围，回归结果见表2。

1.从个人特征来看低碳政策对家庭就业的影响

我们将性别、受教育程度、家庭人数规模及家庭收入四个特征指标纳入回归模型，结果显示性别、教育及家庭收入的差异会显著影响居民评价低碳政策对其就业的影响。回归结果还显示，在全样本的受访者中，男性受到低碳政策的负面影响多于女性。

我们将教育分为五组，以受教育程度最高的研究生及以上学历为基准组，可以看到相比于研究生组，初中组及大学组的受访者都受到低碳政策对就业的显著的负面影响，初中组所受的负而影响最大，大学组次之。即教育程度越高，其就业状况受到低碳政策的负面影响越小。

家庭人数规模对于低碳政策就业影响不显著。由表中可以看到，家庭收入2次项显著为负，说明低碳政策对就业的影响关于家庭收入呈“倒U形”关系，即收入较低和较高的家庭的就业更易受到低碳政策的负面影响，而收入中等的家庭的就业受到的低碳政策的冲击不大。低碳政策对于就业的影响大小与个人因素及家庭因素显著相关，面对低碳政策冲击，教育为就业提供了保险作用。

2.从城乡差异来看低碳政策对家庭就业的影响

低碳政策对于就业的影响在城乡间有显著差异。回归结果显示，户籍对低碳政策对就业的影响有负向作用，并且在逐步控制了性别、家庭人口、家庭收入后，回归结果仍具有显著性。即低碳政策对居民就业的影响在城乡间差异很大，相比于农村居民，城镇居民更易受到政策的负面影响。在控制了当地环境水平、受访者对低碳政策的了解程度受访者的工作行业之后，仍然显著。可能的解释是城市工业发展较农村地区更快，城镇地区受低碳政策影响到的企业要多于农村，因而城镇居民受到低碳政策的负面影响更大。

3.从城市环境来看低碳政策对家庭就业的影响

居民对低碳政策对自身就业状况的影响评价不仅与其个人特征、家庭特征相关，还会受到周围环境的影响。因为问卷是基于受访者的理性预期下研究低碳政策对家庭就业的影响，预测的准确性还依赖于受访者自身对于低碳政策的了解程度、及受访者对其居住地环境状况的评价。对低碳政策越了解，越能准确地评估低碳政策实施时对就业的影响，环境状况尤其是空气质量越糟糕的城市，受到低碳政策的影响越大，低碳政策对其就业的负面影响也就越明显。

从回归结果来看，城市的环境状况对于低碳政策对就业影响的作用不显著，而城市空气质量好坏与否会显著性的影响低碳政策对就业的影响。即空气污染越严重的城市居民就业方面受到低碳政策的负面影响越大。在控制了受访者对低碳政策了解程度后，上述结论仍然显著成立。

4.从工作行业来看低碳政策对家庭就业的影响

若工作为环境污染性工作，受到低碳政策的负面影响更大从工作行业来看，农林牧渔水利业，采掘业，交通运输、仓储和邮政业三大行业的就业更易受到低碳政策的负面影响。其中采掘业与交通运输、仓储和邮政业受到的负面影响最大，在控制了受访者对低碳政策了解程度后，上述结论仍然显著成立，

（二）分城乡、分性别的低碳政策对就业影响的回归分析

随着城市化的加快和城乡二元经济体制的形成，上业化水平及产业分布呈现出地域之间的差异。我们分性别、年龄对低碳政策对居民就业的影响因素进行了分析。

1.低碳政策对就业的影响——性别样本差异

无论是男性还是女性，低碳政策对于初中群体的就业负面影响最大，对其他受教育群体就业的影响不明显。

低碳政策对城市居民的就业影响要大于农村居民，这与总样本结论一致。且低碳政策就业影响的城乡差异在女性群体中差异更大。

低碳政策的就业影响的行业差异在男性样本中不明显，但在女性样本中不同行业的女性工作者受到的影响显著不同。可能的解释是女性在劳动力市场上普遍受到歧视，当发生政策冲击的时候，女性受到的负面影响可能更大。在女性群体中，农林牧渔水利业，采掘业，制造业，交通运输、仓储和邮政业受到的负面影响最大。尤其是采掘业，女性群体受到的负面影响是男性的10倍左右。在控制了受访者对低碳政策的了解程度后，这一结论仍然成立。

2.低碳政策对就业影响——城乡样本差异

无论城镇居民还是农村居民，低碳政策对男性就业的负面影响都大于女性，并且通过了显著性检验，这与总样本结果保持一致，且回归结果稳健。从程度上看，这一差异在农村样本中更大。

对于受教育程度在小学水平及以下的，低碳政策对其就业影响不明显。对于受教育程度在小学以上的，教育会显著影响低碳政策对农村就业的影响效果，而对城镇样本影响不大。对于农村样本，每个教育分组的就业均受到低碳政策的负面影响，其中对于初中群组的就业情况受到的影响最大（系数为-0.626）。

低碳政策的就业影响在不同收入家庭群体分布不同，其影响关于家庭收入呈倒U型关系，这与总样本结果一致。即无论城镇居民还是农村居民，低收人家庭和高收入家庭就业情况受到低碳政策的负面影响最大，中等收入家庭受到的影响较小。

无论城市样本还是农村样本，城市环境对于低碳政策的就业影响不显著，而空气质量会显著影响低碳政策的就业影响。空气质量好的城市更容易获得低碳政策的正面影响。 低碳政策对不同行业的就业影响也不尽相同。对于城镇样本来看，交通运输、仓储和邮政业受到了显著的负面影响，其他行业受到的影响不显著；而农村样本中，农林牧渔水利业以及采掘业受到的负面影响最大，其次是交通运输、仓储和邮政业（受到的负面影响是城镇的1.5倍左右），批发零售业和住宿餐饮业。在控制了受访者对低碳政策的了解程度后，这一结论仍然成立。

五、结论

本文以问卷调查数据为基础，利用Ordered Probit模型分析了低碳政策对不同家庭就业的影响，如个人特征、家庭特征、社会环境特征、工作所处行业、对低碳政策的了解程度等，发现低碳政策对居民就业的影响与居民的性别、所在城市的环境状态及工作行业相关，并且城乡之间存在显著差异。

模型的计量经济分析表明：

（1）低碳政策对居民就业的影响与个人因素密切影响。男性受到的影响要高于女性，受教育程度越高，政策对就业的影响越低。教育对于居民应对政策影响提供了保险的作用。

（2）低碳政策对居民就业的影响在城乡间差异很大，相比于农村居民，城镇居民更易受到政策的负面影响。

（3）低碳政策对居民就业的影响还与城市环境相关，主要与居住地空气质量密切相关。

（4）低碳政策对不同行业的就业影响不尽相同，对农林牧渔水利业及与能源相关的采掘业、交通运输业的负面影响最大。并据此提出了相应对策。