城镇劳动力就业影响因素及政策研究

马菁 史琼 赵如煜

摘 要：城镇劳动力能否实现就业不仅取决于宏观上能否做到“因地制宜”，还取决于区域性的政策能否在年龄、技能、学历等个体属性特征的微观层面上做到“因人制宜”。为此，本研究以杭州市滨江区为例，基于劳动力资源调查样本数据，建立了劳动力就业的定序Probit模型，实证分析了不同人群就业影响因素。结果表明，不同变量对相同人群的就业产生的影响具有一定的差异，比如学历对整体劳动力具有正向影响作用，绝对影响系数为0.3285，技能培训、就业推荐都可以有效提升就业水平，绝对影响系数分别为0.5045、0.5623;此外，不同人群的就业对相同变量的响应程度不同，大学生就业对就业推荐的响应程度最高，绝对系数为0.8863。合理的政策应同时以影响因素产生影响程度以及是否具有在微观层面上的针对性为导向，解决实际问题。

关键词：就业影响因素 城镇劳动力 就业政策

      一、引言

国家统计局的数据显示，我国目前劳动力供求依然存在较大缺口，从2012年开始，我国开始进入劳动力市场的“刘易斯拐点”，劳动的供求缺口每年都在上千万人的规模，总量压力丝毫不减。在当前阶段，劳动力市场的结构性矛盾更为突出，集中表现在一定程度上的“招工难”和一定程度的“就业难”并存。其中应届大学生、“4050”人员和转岗职工三大群体所面临的就业质量低、工作稳定性差、技能掌握欠缺的问题较为突出。党的十九大报告指出，必须始终把人民利益摆在至高无上的地位，让改革发展成果更多更公平惠及全体人民，朝着实现全体人民共同富裕不断迈进。报告再次强调，抓问题就要抓最主要问题，就业就是最大的民生，要提高就业质量和人民收入水平。

因此，在失业率相对较低的地区，依然要保持对就业问题的高度重视。在未来的发展规划中，依然需要将就业问题放在优先位置。除了进一步扩大就业规模外，还要着力推动实现更高质量的就业，妥善处理好就业和失业问题。因此以实际失业人员和未就业人员的再就业问题为导向，把握好劳动力资源配置政策更显得尤为重要。本研究以杭州市滨江区为例，基于杭州市滨江区人力资源和社会保障局（以下简称“区人社局”）于2018年5月开展“杭州高新区（滨江）劳动力资源调查”得到的130056条户籍劳动年龄人口样本数据，从劳动力属性特征、劳动力技能、劳动力就业意向等角度，分析城镇人口的就业影响因素、劳动力资源配置中存在的问题，并结合杭州高新区就业管理相关工作的要求，在重点领域提出优化滨江区劳动力资源配置的解决思路和建议。

     二、研究样本与初步分析

（一）数据说明

本次滨江区全区劳动力资源调查共调查总人口136055人，剔除失踪人员、身份信息变更人员以及由于被调查人员不配合等原因产生的无效数据，最终获得滨江区户籍劳动年龄人口数据130056条，截止到2017年末滨江区常住人口35.1万人（含外来人口），调查劳动年龄人口占全区常住人口比重为37.05%。表1所示为调查劳动年龄人口分街道（滨江区下辖三个街道，西兴街道、长河街道、浦沿街道）就业及未就业类型占比。

（二）描述性分析

调查数据显示，滨江区的就业状况具有一定的集中趋势。从劳动年龄人口就业结构分布上看单位招用占比最高，达到71.94%，集中度明显。位居第二位的是在校学生占总劳动年龄人口比例，达到7.70%，显示大学生是区域充分就业的新动能。自谋职业、灵活就业和其它形式就业合计占比为16.74%，是区域实现充分就业的有效补充形式。无就业能力和无就业意愿的劳动年龄人口比例分别为0.10%和0.57%，对全区就业影响较低。

整体上看整个辖区处于较充分就业状态。如表2所示，滨江区劳动参与率为90.78%，实际失业率仅为1.30%。而据相关公布的统计数据，2018年二季度末，全国城镇登记失业率为3.83%，2017年杭州市城镇登记失业率水平为1.70%。滨江区失业率远低于全国平均失业率水平，同时也低于2017年杭州市城镇登记失业率水平约30.77%，失业率处于较低水平。

 三、实证分析

（一）模型构建

本研究模型设定的目的在于，以稳定型就业结构为导向，应用统计学方法建模识别劳动力资源配置现状的驱动因素和影響程度。即现有就业结构和失业状态与年龄、拆迁户、学历、困难人员、技能、培训需求等之间可能的存在的数量关系，进一步基于模型结果指导劳动力资源配置政策的优化。

首先对调查数据中实际失业和5种就业类型根据就业稳定程度，依照从0—5的6分量表进行打分（实际失业=0;其他形式就业=1;灵活就业=2;公益性岗位=3;自谋职业=4;单位招用=5）作为模型中的被解释变量。由于我们在此所关心主要是就业问题，基于这一点，我们对调查结果进行适当的数据清理，剔除调查人员中未就业的在校学生、出国人员等样本数据以及个别变量缺失的数据，最终使用来自全区共计99018条样本，重点关注所获得的信息中，哪些因素影响着就业人群不同稳定性的就业类型。

进一步，基于问题导向，从总体劳动力、应届大学生群体（这里取毕业时间在两年以内的大学生）以及登记在册的就业困难人群的角度出发，分别应用定序Probit回归模型识别总体及特定人群属性下的就业影响因素。定序Probit回归模型其基本形式（1）（2）为：

在进行模型应用之前，先基于广义似然比检验，检验模型整体的显著性，具体结果如下表4所示。各模型对应的P值均接近于0，说明了模型整体高度显著。除此之外，需要说明的是，模型基于向后逐步回归进行变量筛选，并且考虑到大学生样本的毕业时限以及就业困难群体的是否就业困难（持援助证）的属性特征都已经确定，因此对前者的研究中不包含变量W4，后者的研究中不包含变量W8。

（二）模型结果分析

研究结果表明，各因素变量无论是年龄、学历还是技能、职称等均对滨江区劳动力就业有显著性影响，都可以通过95%置信水平下的显著性检验，相同人群不同变量，以及不同人群的相同变量对就业产生的影响程度都具有一定的差异，具体各群体就业状况影响因素模型结果如下表5所示：

各研究对象群体中，年龄、性别以及毕业时间的影响系数较小，只有性别变量对大学生群体以及“4050”人员的影响系数绝对值超过了0.1;学历对整体劳动力具有正向影响作用，系数为0.3285，学历对就业困难人员的影响并不明显，这是就业困难人员的学历结构以及其它自身客观因素所决定的，可能因为这部分人群学历平均水平本就较低或者其他方面较为劣势的不稳定就业因素所致;拆迁户属性对整体劳动力就业稳定性的绝对影响系数较低，系数值为-0.0856，说明整体拆迁户劳动力较非拆迁户就业稳定性略低，而对特殊人群模型结果截然不同。具体而言，在以“4050”人员以及就业困难人员为研究对象时，拆迁户属性变量未能通过向后逐步回归的变量筛选;其次，拆迁户属性对刚毕业大学生群体的就业稳定性具有较高的正向影响，影响系数为0.4489，滨江拆迁户大学生的就业稳定性显著高于非拆迁户大学生，这可能归因于当地的相关政策。资料显示，滨江区施行了特色“家燕回巢”项目助力拆迁户大学生就业创业，这一结果，启发我们城镇大学生群体的就业问题，可以通过推广示范相关符合城市经济、社会背景的针对性政策得以解决。除此之外，在城镇化的进程中，就业困难群体的就业稳定性较差，这是一部分需要重点帮扶的群体，针对这一部分群体可以考虑结合实际调查情况给予适合其自身实际情况的就业帮扶。

职业资格、技能掌握以及就业信息的高效流通都可以有效稳定就业，无论是W5（国家职业资格证书）、W6（职称证书）的正向系数，以及W9（是否需要技能培训）、W10（是否需要就业推荐）的负向系数均表明可以通过就业信息推广、知识以及技能培训来提高城镇劳动力资源的就业质量。就业推荐对各群体的绝对影响系数较高，可以通过拓宽就业信息公布渠道，调高就业信息流通频率等措施手段有效提升就业信息在新生大学生就业群体内部的流通效率。

     四、结论与政策建议

劳动力能否实现就业不仅取决于政策安排等宏观因素能否做到“因地制宜”，还取决于区域性的政策能否在年龄、技能、学历等个体属性特征的微观层面上做到“因人制宜”。政策的泛化能力和政策的适用性二者兼具才能高效运行。为此，本文通过建立劳动力就业的定序Probit模型，以杭州市滨江区为例实证分析了不同人群就业影响因素以及它们之间的差异。例如，受地区政策影响，该地区拆迁户属性特征对大学生群体的就业影响显著，而这一影响在其他群体中的作用并不明显。另一方面，学历、技能与信息流通效率仍然是影响就业的关键因素，在模型结果中，学历水平、技能培训以及就业推荐对就业稳定性的影响程度都处于较高水平。

由此给出了如下的政策启示：一是进一步完善劳动力供给市场与需求市场的信息流通机制，实现高效对接，同时也能降低因技能不符产生的结构性失业问题;二是鼓励和支持高学历人群多渠道就业创业，充分发挥这部分人群的经济能动力;三是关注重点人群的再就业问题，进一步完善重点人群就业、再就业培训机制。除此之外，政府可以作为连接劳动力群体与企业的桥梁，通过一定的政策实惠，实现重点人群的稳定就业，通过一定的培养计划，让企业的人才需求、技能需求与就业者的技能掌握、知识储备以及综合素质可以更加高效、契合的对接起来。

参考文献：

[1]蔡禾主编.中国劳动力动态调查2017年报告[R].北京：社会科学文献出版社，2017（12）.

[2]陈玉宇.城市化核心是完善劳动力市场[J].小康（财智），2014（04）.

[3]侯自赞，郑和平.大学生就业政策及其课程研究综述[J].山西师大学报（社会科学版）研究生论文专刊，2013（05）.

[4]刘锋，李航，王子瑜等.新型城市化进程中本地劳动力就业模式研究——以宜兴市和桥镇为例[J].城市建设理论研究，2013（19）.

[5]潘伟立，杨雅静.拆迁户家庭中的青年就业问题的探究[J].经营管理者，2016（06）.

[6]任杲.城市规模差异与就业影响因素研究——基于劳动力个体特征的视角[J].理论月刊，2018（12）.

[7]叶相军.劳动力就业的影响因素和应对策略[J].人力资源管理，2017（10）.

[8]赵维保，许超.聊城市：破译高质量就业“密码”[J].山东人力资源和社会保障，2018（10）.

[9]Cansino J，Sánchezbraza A，Espinoza N.Evaluating the Impact of an Active Labour Market Policy on Employment：Short- and Long-Term Perspectives[J].Social Sciences，2018（07）.

[10]Jackson D.Factors influencing job attainment in recent Bachelor graduates：evidence from Australia[J].Higher Education，2014，68（01）.

[11]Robroek S J，Schuring M，Croezen S，et al.Poor Health， Unhealthy Behaviors，and Unfavorable Work Characteristics Influence Pathways of Exit from Paid Employment among Older Workers in Europe：a Four Year Follow-Up Study[J].Scandinavian Journal of Work， Environment & Health，2013，39（02）.

[12]Zimmermann K，Aurich P，Graziano P R，et al.Local Worlds of Marketization– Employment Policies in Germany，Italy and the UK Compared[J].Social Policy & Administration，2014，48（02）.

（馬菁、史琼，杭州高新区人力资源和社会保障局。赵如煜，浙江财经大学）