家庭创业与就业创造

倪云松

（山西大学经济与管理学院，山西太原030006）

一、引言

就业对一国的经济增长和社会稳定有至关重要的意义。宏观经济学开创者Keynes（1936）就把充分就业作为宏观经济的核心对象进行分析［1］。对于中国这样一个人口众多的国家，就业问题更是占据了举足轻重的地位。

创业可以通过给创业者提供就业、创业者雇佣其他人员和使原来的受雇人员更灵活地从事创业活动等，为社会提供就业机会。创业也可以为女性、老人和其他有能力的创业者提供更符合需求的就业形式，促进社会的就业增长。

自中国政府在2014 年提出“大众创业，万众创新”以后，创业活动就被纳入国家发展规划之中，其地位也日益突出，在这一背景之下，对创业影响就业的研究就更有必要了。

本文的贡献主要包括：（1）本研究利用CHFS的微观数据，对家庭创业中财富和社会资本的就业效应进行了分析。（2）将户主区分为农业户籍组和非农业户籍组，以及低年龄组（50 岁及其以下）和较长年龄组（51 岁及其以上），比较这两组的家庭财富、社会资本以及风险对就业的影响。（3）将家庭所在区域划分为低管制区域组和高管制区域组，并将家庭按户主的性别划分为男性户主家庭和女性户主家庭，并对这些家庭的特征对就业的影响进行了分析。

二、研究设计

虽然Burke et al.（2002）和Malchow-Møller et al.（2011）已经从家庭财富和企业年龄等角度探讨了创业对就业的影响［2-3］，但利用中国数据，特别是中国家庭微观数据系统讨论家庭创业作用的文献相对缺乏，现有文献较少从家庭财富、社会资本、地区影响和性别差异等角度分析家庭创业对就业创造的影响。

本研究试图弥补这些不足。在本研究中，被解释变量是就业量，即家庭在创业中雇佣的员工数量，这从《中国家庭金融调查》数据库中可以直接得到，解释变量主要包括家庭财富、家庭的社会资本和其他控制变量。估计的方程式为

在这里，Lnn 是创业雇佣员工数的对数，Lna 是家庭财富，Lnsc 是家庭的社会资本，X3是控制变量，包括户主的学历、年龄、性别、风险偏好等，还包括所在地区的一些特征，比如GDP 和市场化指数等，β0，β′1，β′2，β′3分别为常数项和系数，εi是随机误差项。本研究首先探讨了家庭财富和家庭的社会资本对雇佣员工人数的影响，接着从户籍、年龄、区域和性别的角度进行分析。

三、数据来源和变量解释

（一）数据来源

数据主要来自三个数据库。第一，《中国家庭金融调查》2017 年（CHFS2017）数据库。西南财经大学在2011 年创建了该数据库，之后又进行了多轮调查，2017 年的样本涵盖了除新疆、西藏和港澳台地区外的所有省（直辖市、自治区）40 011 户，数据具有较强的代表性，数据库涵盖了家庭较为全面的信息，包括资产、负债、消费等家庭信息以及家庭成员的具体信息，因此该数据库是研究中国家庭的经济行为重要的微观数据库。第二，各区域市场化指数的信息则来自王小鲁等（2019）［4］。第三，世界银行（2006）的数据库［5］。对区域的划分使用的指标是各区域管制程度的差别，因此利用了这个数据库。世界银行2005 年调查了中国各地城市中的企业与政府打交道的天数，本文以省份为单位对城市管制指数进行了平均，该指标虽稍显滞后但仍然有一定的权威和延续性。

（二）变量涵义和统计特征

本研究包括的变量有核心变量、控制变量等。核心变量是家庭财富和社会关系等；控制变量包括户主的个体特征和地区特征等变量，其中，个体特征变量包括年龄、文化程度、性别、风险态度等，其中风险态度越高越惧怕风险。因为家庭财富和社会关系已经代表了家庭的重要特征，因此在控制变量中不再加入其他家庭特征因素。因为雇佣人数很多取值为零，而且为了避免异方差问题，将雇佣人数加上1 再取对数；为了避免异方差问题，也对地区人均GDP 和社会资本取了对数，其中社会资本参照了韩雷和谷阳（2019）的研究［6］，以每月伙食费来衡量。表1 中列出了主要变量的涵义统计特征。

表1 主要变量的涵义和统计特征

四、实证结果和分析

（一）对基本的估计结果的分析

表2 给出了基本的估计结果，在估计中对省份进行了控制。列（1）是未加入家庭财富（Lna）和家庭的社会资本（Lnsc）的估计结果。列（2）和（3）则分别加入了家庭财富和社会资本的因素。

从模型的解释力（R-squared）来看，如果没有加入家庭财富和社会资本的因素，解释力等于0.109，在加入家庭财富和社会资本因素之后，解释率分别上升到0.232 和0.146，后两者模型的解释力有了较大的增加，特别是加入家庭财富因素后，模型的解释力有了大幅的增加。

除了家庭财富和家庭的社会资本对就业都有积极作用之外（其系数都分别为正且显著，为0.258和0.346），学历为大专及其以上（College）的系数为正且显著，该群体比其他学历户主的群体平均而言会雇佣更多员工，户主的风险（Risk）系数为负，说明创业家庭的户主越不惧怕风险，则该家庭会雇佣更多的员工。

表2 基本的估计结果

（二）对不同群体的分析：户籍和年龄

本部分继续分析不同群体的家庭创业对其雇佣员工数产生的影响。本部分研究分别从两个角度进行，第一个角度是将群体按是否为农业户籍进行划分，第二个角度是按户主的年龄进行划分。在表3 中，列（1）和列（2）分别展示了户籍为农业和非农业户籍的估计结果，列（3）和列（4）分别估计户主年龄在50 岁及其以下，和年龄在51 岁或以上的群体的估计结果，在这些估计中对省份都进行了控制。首先，对比列（1）和列（2），可以看出在非农户口户主的家庭的创业，其家庭财富和家庭的社会资本对其雇佣员工的人数有更大的影响。前者的家庭财富系数分别是0.284，社会资本的系数为0.189，但对于非农户籍，这两个系数分别为0.203 和0.124。其次，就年龄而言，较年轻的创业户主，这两个数值分别是0.285 和0.190，而年长的创业户主的系数分别是0.185 和0.072。因此，对年轻户主家庭这两个因素也有更大的影响。此外，户主为非农户籍和更年轻组的家庭，雇佣员工数对风险的敏感程度更高，系数分别为-0.066 和-0.052。

综上可以看出，对非农业户籍和低年龄组，家庭财富和社会资本的就业作用更大，但这两组对风险也较敏感。

（三）对不同群体的分析：管制程度不同的区域和性别

本部分接着从区域和性别角度分析不同群体的家庭创业对雇佣的影响。在表4 中，列（1）和列（2）分别展示了管制程度较低区域和程度较高区域的估计结果，列（3）和列（4）分别估计了男性和女性的计量结果，在这些估计中对省份都进行了控制。首先，对比列（1）和列（2），可以看出在管制程度较低区域，其家庭财富和家庭的社会资本对其雇佣员工的人数有更大的影响。前者的家庭财富系数分别是0.250，社会资本的系数为0.161，但对于管制程度较高区域，这两个系数分别为0.223 和0.119。在管制程度较低区域，大专及以上学历创业对雇佣人数的刺激较小，为0.204；该地区户主的风险规避程度也较小，为-0.043，即更不惧怕风险。其次，对比列（3）和列（4），对男性户主和女性户主家庭，家庭财富、社会资本和大专及以上学历对雇佣人数的影响差距不大，数值见表2 不再详述。男性和女性的差别主要在风险因素上。男性户主创业时雇佣员工人数比女性对风险的敏感程度更低，男性和女性的系数分别为-0.042 和-0.098，因此可以说男性更不惧怕风险。

综上可以看出，对于低管制区域的家庭，家庭财富和社会资本的就业作用更大，在雇佣员工数方面也较不惧怕风险，男性户主家庭比女性户主家庭更不惧怕风险。

表3 户籍和年龄分组的估计结果

五、研究结论和政策涵义

（一）研究结论

本研究利用《中国家庭金融调查》2017 年（CFHS2017）的数据，对家庭创业从多个角度影响就业创造进行了分析，得出了如下的结论：

（1）家庭财富和家庭的社会资本对就业都有积极作用，大专及其以上学历的就业效应是正的，且该群体比其他群体会雇佣更多员工。

（2）户主为非农业户籍和低年龄组（50 岁及其以下），较之农业户籍组和较长年龄组（51 岁及其以上），家庭财富和社会资本的就业作用更大，但前两组对风险也较敏感。

（3）对于低管制区域的家庭，家庭财富和社会资本的就业作用更大，在雇佣员工数方面也较不惧怕风险，男性户主家庭比女性户主家庭在雇佣人数上更不惧怕风险。

（二）政策涵义和研究展望

上述结论有着以下的政策涵义：

（1）对创业家庭提供更多的信贷，并积极组织行业协会及其他协会，针对大专以上学历户主的家庭的创业概率相对不高（本研究未涉及但可以根据众多文献得出），但雇佣员工相对较高的倾向，可以从多方面打消这类人群不愿创业的疑虑。

表4 区域和性别分组的估计结果

（2）对非农业户籍组和较低年龄组，可以在对他们提供贷款上和组织行业协会上有一定的倾斜，并对他们在创业活动中做一定的指导以降低他们的风险敏感度。

（3）对低管制区域家庭做多方的政策倾斜，对女性户主的家庭创业提供相应的创业培训和帮扶政策。同时，政府应该减少对地区创业活动的管制，让市场对资源配置发挥基础性作用。

因为篇幅所限，本文对家庭创业的其他众多因素（比如子女数量和家庭的创业时间等）并没有做出深入讨论，未来可以进一步就这些问题展开研究。