新冠疫情背景下的用工荒:基于人口流动与复工复产政策的考察

张蔚文　卓何佳　董照樱子

摘要 新冠疫情爆发导致人口流动被迫中断，致使近年来频频发生的节后“用工荒”问题变得愈加突出。为了解决用工短缺的问题， 地方政府争相出台政策争抢外来务工人员，以期尽快实现复工复产。在此背景下，本文重新审视了快速城镇化进程与相对滞后的户 籍制度改革之间的矛盾，从人口流动视角，反思“用工荒”现象及其背后折射出的农民工尚未完全融入城市生活的问题，并讨论短期 政策解决劳动力供求矛盾的有效性。在搜集和整理疫情期间366个地级以上城市推动企业复工复产系列政策共计505份的基础上， 本文首先利用百度迁徙大数据刻画春节期间城市间的人口流动情况和城市内部的复工复产情况;其次使用双重差分（DID）模型，检 验人口流动对复工复产的影响，以及复工政策在其中所起的作用。研究结果表明，春节期间人口净流出地区更容易遭遇劳动力短缺 问题，进而对复工复产造成负面影响;复工政策的出台有助于复工复产的推进，但政策数量并不会明显影响城市的复工情况;并且，随 着城市人口净流出规模的递增，政策对复工复产的积极作用逐渐消失。因此，政策有效性的大小并不取决于政策数量，政策数量也不 一定是越多越好，同时，政策无法完全消除由人口净流出造成的劳动力短缺问题对复工复产的负面影响。因此，要从根本上缓解节后 “用工荒”问题，不能仅仅依靠短期的扶持政策，更需要通过深化户籍制度改革，推进包容性城市建设，从身份、观念、权利等方面帮助 农民工群体完全融入城市生活，实现农业转移人口高质量市民化，真正实现农业转移人口“进得来，留得下”。

关键词 新冠肺炎;流动人口;复工复产;复工政策;用工荒

中图分类号 F205 文献标识码 A 文章编号 1002 -2104（2020）06 -0029 -11 C913 D01：10.12062/cpre.20200502

改革开放以来，中国城镇化与工业化进程快速推进， 原本严格的人口流动限制逐渐放松，大量农村剩余劳动力 开始在城乡、区域间流动，为经济发展带来了巨大的人口 红利。国家统计局相关数据显示，截至2019年末，我国农 民工总数已超过2. 9亿人⑴。在现行统计口径下，只有户 籍在农村、且在本地从事非农产业或外出从业6个月及以 上的劳动者才被计算为农民工，因此，我国实际农民工数 量可能更为庞大。尽管如此，近年来“用工荒”现象仍屡 见报端，甚至部分中西部地区也出现了用工短缺情况[2]o 2020年初，新冠肺炎疫情的爆发打破了春运这一人口季 节性流动闭环，造成大量人员无法按计划返回居住地或工 作地，这导致往年春节前后涌现的“用工荒”现象在今年 愈发凸显⑶。为了解决用工短缺问题，各地政府争相出台 系列优惠政策，以期推动企业复工复产。基于此，本文从 人口流动视角重新审视和探讨长期存在的“用工荒”现 象。笔者在搜集和整理疫情期间推动企业复工复产相关 政策的基础上，首先利用百度迁徙数据，刻画各城市春节 期间人口流动规模及其引起的劳动力供给变化，测算节后 各城市复工复产情况;其次，构建DID模型检验人口流动 对复工复产的影响，以及复工政策的实施在其中所起的作 用，进一步探讨如何利用短期政策执行与长效机制建立的 配合，寻求最终解决“用工荒”问题的可行之道。

1复工复产背景下的“用工荒”与“抢人大战”

新冠肺炎疫情的爆发恰逢春节假期，而因防疫隔离的 要求，假期内人口流动暂时中断，造成大量返乡人员无法 按时返回工作地。在2020年春节的前15天（即从1月10 日至1月24日）时间里，全国铁路、公路、水路和民航累计发送旅客11.39亿人次，比去年同期增加2%。然而，受疫 情影响，节后返程客流大幅下降。在节后的25天里，全国 累计发送旅客量仅为3. 33亿人次，不到节前的30%①。 截至2020年2月14日，返程客流量8 000万左右，远远低 于预计的3亿人次②。毫无疑问，大量人员无法按时返岗 使节后“用工荒”难题在今年变得更加突出。由中国企业 创新创业调查（ESIEC ）完成的“新冠肺炎疫情下的中小微 企业生存状态调查”结果显示⑷，“员工未能按时返岗”成 为制约企业按时复工的关键因素之一，其中高度依赖外来 务工人员的重工业和轻工业受到的影响尤为明显。

为了尽可能降低疫情所造成的经济损失，尽快恢复 生產生活秩序，各地政府争相出台各类扶持政策帮助企业 实现复工复产，早在1月底就开始通过减免税费、降低贷 款利率、拓宽融资渠道等方式帮助企业渡过难关。随着疫 情得到有效控制，为了解决阻碍复工复产的首要问题一 用工短缺，各地政府开启了一场以外来务工人员为主要争 夺目标的“抢人大战”。2月16日，浙江省义乌市率先开 启了政府买单的“包邮式”抢人方式，即通过包车、包机、 包专列等方式实现人员在地区间“点对点”运输[5]。这一 方式在降低人员返程途中被感染风险的同时，也可以极大 缩短人员重返岗位时间。交通运输部的数据显示，截至3 月7日，全国已有四川、浙江、山东、福建等27个省份推行 了 “点对点” 一站式直达包车业务，累计组织包车约8万趟 次，运送170万农民工返岗⑹。除政府外，美的、格兰仕等 知名企业也加入包机接员工返岗的行列。

除开通专线直接“抢人”外，积极出台和落实相关复 工政策也是地方政府“抢人大战”中的重要手段。自1月 20日新冠疫情信息正式披露到2月3日各类企业开始分 批次复工的半个月时间里，企业生产经营活动几近停滞， 不少企业面临着资金链随时可能断裂的风险°〕。因此，各 地政府出台的以拓宽融资渠道、降低贷款利息、税费减免 等为主要内容的奖励政策，对企业解决用工问题也起到了 间接的重要作用。这类政策的实施在一定程度上能够缓 解企业短期资金压力，使其能够尽快投入到生产经营活动 中去，为返程人员及新增的外来务工人口提供相对充足的 就业机会。其中，根据企业新招员工数量（多以其是否缴 纳社会保险为判断依据）给予资金奖励，是在以长三角和 珠三角为代表的用工缺口大且财政状况良好的地区广泛 采用的一种方式。如江苏省苏州市的政策执行期相对较 长且覆盖面较广，对企业吸纳登记失业半年以上人员就 业、且签订1年以上劳动合同、并按规定缴纳社保的，按每 人1 000元给予一次性吸纳就业补贴，实施期限至2020年 12月31日;对介绍就业、签订劳动合同、且缴纳社保满2 个月的人力资源服务机构，按1。。0元/人进行补贴⑻。

在人口流入地区积极抢夺劳动力资源的同时，贵州、 云南、四川省等劳动力输出大省也积极与外界对接，解决 当地劳动力滞留问题，如广东、浙江、四川三省在2月17 日率先建立务工人员健康证明互认机制，保障区域间务工 人员能够顺畅流通。当然，部分人口流出地区也趁着这一 特殊时期出台政策，鼓励返乡人员留在当地就业或创业， 如江苏省淮安市给予稳定留乡就业人员每人1。。0元的 补贴;河南省通过建立24小时重点企业用工保障应答群， 以“一对一”帮扶困难群体等方式鼓励因疫情防控一时无 法外出的农民工在“家门口”就业[9]o早在2004年，广东、 福建、浙东南等地区已出现“用工荒”，而2008年金融危机 爆发后，大批农民工返乡使用工短缺现象变得更为突出， 波及范围从沿海城市企业扩展到内陆乡镇企业如。为了 解决这一问题，不少地方政府也加入到“抢人”大军中来， 如2019年江西省某县对村干部下达明确的招工指标，若 无法完成则可能会被停职处理[11]。目前，学界有关“用工 荒”研究的主要结论可分为两类，以蔡昉为代表的学者们 认为，“用工荒”的出现代表了中国经济发展已经迎来了 “刘易斯拐点”皿-成，“劳动力无限供给的特征逐渐消 失”;而另一派则认为，“用工荒”的到来并不意味着我国 已经到达“刘易斯拐点”，其背后更多展示的是中国农民 工群体的结构性和制度性问题。无论“用工荒”的出 现是否代表着“刘易斯拐点”到来，这一问题的解决都离 不开市场主体和地方政府的共同努力[16]o然而在现有文 献中，缓解“用工荒”的政府行为及其有效性鲜有人关注; 在实践中，鉴于制度性改革的困难性，地方政府往往更倾 向于通过短期的政策安排，如举办大型招聘会、“订单式” 招工等，以吸引外来劳动力，缓解用工压力。不可否认，这 些措施在短期内都取得了一定的成效，但“用工荒”现象 依然存在，且有蔓延态势[17]o

2020年初的这场随疫情发展愈演愈烈的“抢人大战” 背后，仍是地方政府试图以短期优惠政策解决年复一年的 “用工荒”問题。但与以往不同的是，今年的“用工荒”覆 盖面更为广泛，出现熟练技能型劳动力及企业高层管理人 员需求无法满足的情况。同时，无论是地方政府还是企 业，都面临前所未有的压力和挑战。地方政府需要解决疫 情防控和复工复产的双重挑战，而企业则需要直面来自于 员工、客户、供应商等多方的压力。目前，学者们已对新冠

肺炎疫情爆发所可能造成的社会经济影响展开了激烈的 讨论1"项〕，而今年所出现的比往年更为严重的“用工荒”现象 是疫情背景下人口流动被迫中断的产物，更为深刻地反映了 农民工群体的流动性可能带来的潜在问题，也给我们提供了 重新审视短期政策解决劳动力短缺问题有效性的机会。

2模型构建与数据来源

本文数据主要有以下三个来源：一是来自于百度迁徙 大数据的城市级人口流动数据，具体包括百度迁徙规模指 数及城内出行强度指数;二是来自于北大法宝的政策数 据，包括政策名称、发文单位、发文时间、文本内容等具体 指标;三是来自于国泰安的疫情数据，包括各城市每天新 增确诊人数等具体指标，主要用以刻画地方政府所面对的 防疫压力。

2.1人口流动

在地级市层面，人口流动可分为两类：一是通过乘坐汽 车、高铁、飞机等交通工具实现城市间的流动;二是人们在城 市内部的流动。考虑到新冠病毒人传人的特点，这两类人口 流动方式在疫情防控期间都受到不同程度的限制。在本研 究中，前者主要通过衡量春节期间城市间人口迁徙情况刻画 各城市在这一时期人口总体规模的变化，这在一定程度上反 映了城市内部劳动力供给情况;后者则更多关注春节前后城 市内部出行强度变化，近似衡量各地的复工程度。

为了刻画春节期间城市间人口流动情况，我们选择时 间区间为2020年1月1日到2020年3月31日的百度迁 徙规模指数，并以去年同期数据（按农历时间计算，具体为 2019年1月12日到2019年4月12日）为基准构造相应 的人口迁徙变量。百度迁入人口规模指数与迁出人口规 模指数分别反映每日的流入或流出人口规模，城市间可横 向对比，年度间可纵向比较。由于该指数是一个随时间而 变化的流量强度指标，所以我们首先计算城市当日的累计 流出或流入人口规模，以更真实地反映城市在具体时点的 人口流入流出情况。

若人口净流出规模大于0，则说明城市『在t日处于人 口净流出状态。人口净流出规模的增加，意味着该城市人 口流出比例的升高，城市人口规模也在相应缩小。

为避免自然情况下春节后如大学生返校等人口流动， 以及地方经济结构差异等所造成的省市间系统性差异，我 们计算了 2020年与2019年农历同期城市人口净流出规 模①的差值，称为“相对人口净流出”气以刻画疫情所导致 的人口流动情况变化。

相对人口净流出* =人口净流出2020*-人口净流出 2019* （5）

若相对人口净流出大于0，则说明城市i当日（2020 年）的人口净流出规模大于去年（2019年）同期（按农历时 间计算）。而节后城市『的相对人口净流出大于。，则意味 着该时点的城市人口规模未达到同期水平，可能存在春节 期间部分流出人员推迟返程的情况，城市内部劳动力供给 也因此会受到影响。该数值越大，说明该城市潜在缺工程 度越深，易发生比往年更严重的用工短缺问题。当相对人 口净流出小于。时，则代表理论上该城市劳动力供给相对 充足，不易发生缺工情况。

2.2复工指数

随着各地复工复产工作的推进，城市社会经济生活秩 序逐渐恢复，城市内部的人口流动也会变得更加频繁。因 此，我们通过百度迁徙大数据中城内出行强度指标构造复 工指数，以衡量各城市的复工情况。城内出行强度指标是 该城市当日出行的人数与居住人口比值的指数化结果，可 以用来度量城市活力的恢复程度。因为2019年城内出行 强度的数据只公布到2019年3月28日，所以复工指数的 计算区间为2019年1月12日到2019年3月28日，相应 地，2020年复工指数的计算区间为2020年1月1日到 2020年3月31日。

为进一步检验政策的实施效果，我们借鉴Gwen Arnold和Le Anh Nguyen Long等人的研究方法，使用累 计出台的复工政策数量（No. Policy）作为政策强度的代 理变量，以检验政策强度对复工情况的影响：

相对复工指数* = a + /31 x Netoutflowil_1 + /32 x

No. Policy^ +禺X疫情情况+ 0+ * + eit （10）

本研究所使用的主要变量名称、定义以及描述性统计 具体见表1。

3描述性分析

3.1 2019年与2020年春节期间人口流动特征比较

正如前文所提及的，2020年春节前15天，全国客流量 比去年同期增长2.0%。从节前百度迁徙数据来看，2020 年春节前夕与2019年同期各城市的人口净流出规模为显 著正相关关系（见图3），这表明2020年春节前人口流动 规律与往年类似，大多数人口由一二线城市向三四线城市 流动。因此，如果按照2020年与2019年春节前人口流出 规模间的关系，节后的人口流动规律也应与往年类似，即 理论上大多数城市都应出现在一、三象限的对角线周围。 但受疫情影响，2。2。年节后人口流动规律已发生明显改 变，部分城市出现在二、四象限（见图3）。

具体来说，应疫情防控要求，人们减少不必要的出行 活动，各地政府也相应加强对城市间人口流动的管理，如 暂停区域间往返客车等。因此，今年节后大量人口无法按 计划返程，滞留在家鄉所在地（如周口市等落在第二象限 的城市）。相应地，以北京市、广州市、杭州市、南京市、温 州市、宿州市等为代表的大城市（落在第四象限）在春节 前都经历了大规模人口流出，人口规模明显减小，但这一 情况在节后并未明显改善，即这些城市的人口规模没有恢 复至去年同期水平，城市内部劳动力供给规模也相应减 小，难以满足往年同期正常的生产经营需要。虽然随着时 间推移，2020年春节后人口流动开始逐渐恢复，落在第四 象限的城市数量也相应减少，城市最大人口净流出规模由 节后第二周的150下降至节后第八周的60，但北京市、广 州市、武汉市等3个城市人口流入情况仍低于同期水平， 仍然存在明显的劳动力缺口。

3.2人口流出与复工程度相关关系图

图4展示的是周相对人口流出规模与周相对复工指数的相关关系。如图中所示，相对人口流出规模与复工指 模的人口流出在一定程度上会阻碍节后城市的复工复产。 数二者呈现负相关关系，即相对人口流出规模越大的城 同时，我们也可以看到，图中散点随时间变化逐渐右移，表 市，复工难度越大，复工程度也越低。因此，春节期间大规 明各城市正逐步恢复正常生产生活秩序。但其中，北京市、武汉市、广州市等节前人口大规模净流出地区，复工程 度相对较低，这可能也与当地所面对的疫情防控压力 有关。

4实证分析

4.1基本回归结果

为验证我们的推测，我们对地级市数据进行基本的回 归分析。表2中的列（1）和列（2）汇报了 DID模型（基于 式（9））的回归结果，列（3）和列（4）汇报了政策强度对复 工程度的回归结果（基于式（1。））。考虑到第一项复工政 策出台的时间为1月27日，在政策强度的分析中，我们的 分析区间限于2020年春节后（即2020年1月27日到 2020年3月15日）。

其中，因变量为当周平均相对复工指数。考虑到复工 情况主要受到政策出台、防疫压力及人口流动的影响，我 们选择复工政策数量、相对人口流出指数、确诊人数等作 为自变量，并取其自然对数值。考虑到相对人口流出负值 情况较多，我们对其取对数，具体操作步骤为：第一步，对 相对人口流出指数的原始值取绝对值;第二步，对该绝对 值取自然对数值;第三步，根据原始值的正负号，相应的改 变绝对值自然对数的符号。政策数量和新确诊人数存在 大量。值情况，处理方法为对（原始值+ 1）取自然对数。

考虑到政策出台、人口流动、疫情情况等对复工影响 的滞后效应以及可能存在的双向因果关系，我们将所有以 上自变量的滞后一周值加入到模型中。

由于分析中所使用的数据为以周为单位的高频率数 据，而目前地级市层面的基本经济变量指标数据仅仅公布 到2016年，我们较难找到相匹配的较近时期内城市级基 本经济变量作为控制变量。目前关于新冠肺炎疫情对社 会经济影响的研究中多数都存在类似的问题。为控制城 市其它因素对复工情况的影响，我们采取了两种方式：一 是在模型中加入城市固定效应以控制不随时间变化而在 城市间存在差异的因素，并加入时间固定效应以控制每周 可能发生的其它外生冲击。二是基于2018年的全国百强 市人口①与GDP相关统计数据以控制城市规模与经济发 展水平的影响，具体结果展现在稳健性分析部分。

在所有模型中，log（Netoutflows）的系数显著为负，表 明春节期间的人口流出会造成劳动力短缺，对复工复产造 成负面影响。歹列（1）和列（2）中，交互项Treat x Post的系 数显著为正，说明复工政策的出台有助于复工的推进。列 （3）和列（4）中，log（No. Policy}的系数不显著，说明政策 数量并不会明显影响城市的复工情况。以上结果表明，政策的出台有助于社会生产生活秩序的恢复，但政策有效性 的大小并不取决于政策数量。为了识别疫情防控压力对 复工复产工作的影响，我们使用两个相关代理变量：一是 该城市是否有新增病例，二是该城市新增病例的数量。 log（No. New）与电的系数均显著为负，表明疫情的发展 会影响地区的复工情况，即随着疫情防控压力的加大，地 方政府可能会放缓复工复产的速度。

4.2调节效应

为了进一步检验政策对缓解劳动力供给不足情况的 影响，我们在模型中加入政策变量与人口净流出的交乘项 （Treat X Post X log（Netoutflows） ） o 从表 3 中可以看出，无 论是在有无政策和政策强度的分析中，Treat X Post X log （Netout flows）与 log（ No. Policy'） X log（ Net outflows）的系 数在5%的检验水平下显著为负，说明随着人口净流出规 模的增加，政策对复工的积极作用逐渐减弱。换言之，由 人口净流出所造成的劳动力短缺会削弱政策的实施效果。 因此，复工政策虽然能够部分缓解前期人口流出对复工的 负面影响，但当累计人口净流出规模过大时，政策也无法 完全消除由此造成的劳动力短缺问题对复工的阻碍，或者 说，复工政策的有效性受到当地人口流动情况的制约。此 外，已有的研究结果显示，开发区等区域性优惠政策的使用会导致企业对政策产生“寄生性”行为，即政策优惠期 结束，企业会选择倒闭或搬迁至可以提供更大优惠政策的 地方[24]。类似地，在这次疫情爆发后，部分企业也对复工 政策产生了“寄生性”，会利用政策文本中存在的漏洞来 获取更大的经济利益，如通过招聘“虚拟员工”或与劳动 者签订就业合同后迅速解约等方式以获得更多的资金 补助'日。

4.3稳健性检验

为保证结果的稳健性，我们采取了以下四种处理 方式。

第一，考虑到湖北省的特殊情况，从样本中剔除了湖 北省的数据。

第二，基于2018年全国百强市的人口 （Population） GDP、GDP同比增长率（GDP Growth）等相关数据控制城 市规模与经济发展水平的影响。值得注意的是，由于人口 与GDP并没有以周为频率的面板数据，因此，加入2018年底人口、GDP与GDP同比增长率的时候，仅能控制时间 固定效应，无法控制城市固定效应。

第三，仅分析相对复工指数小于1的城市，即并未完 全复工的城市。

第四，仅分析相对人口净流出大于零的地方，即仅分 析劳动力供给不足的城市。

表4结果显示，log（Netout"）的系数在列（1）到列 （7）中均显著为负，进一步证明了春节期间的人口净流出 会造成劳动力供给短缺，进而阻碍复工。交乘项Treat X Post在所有模型中均显著为正，进一步证实复工政策的出 台有助于复工的推进;而政策数量（log（No. Policy））对复 工仍未产生明显的作用。有无新增病例（Kes）这一变量 在所有模型中均为负显著，这与前文所发现“防疫压力会 阻碍复工推进”的结论一致。这些结果与前文基准模型及 调节效应模型的结果一致，为研究结论的有效性提供了 支撑。

5结论与讨论

本研究利用百度迁徙数据和北大法宝的政策数据，刻 画各城市人口流动及复工复产情况，并通过构造DID模型 检验复工政策对复工复产的实际效果。研究结果发现，复 工政策的出台有助于复工复产工作的推进，但影响政策实 施效果的关键并不在于政策数量的多寡。同时，研究也发 现，今年春节前人口大规模流出，节后人口未按时返程，造 成城市内部劳动力供给严重短缺的问题，在一定程度上会 削弱政策的有效性。换言之，这种临时性的复工政策实施 效果相对有限，无法完全消除人口大量净流出导致的劳动 力短缺对复工复产的负面效应。此外，优惠政策的使用会 引发投机性行为，即企业或个人利用政策文件中的“漏 洞”获取经济利益，如这次复工复产中部分企业出现“空 气员工”，以骗取更多的补贴。

此次新冠疫情爆發是对我国现行公共卫生体系和政 府治理能力的一次实战检验，而节后复工复产将近年来日 益严重的“用工荒”问题再次推上风口浪尖，促使我们重 新审视这一问题的解决之策。因为疫情的缘故，春运这一 人口季节性流动闭环被迫中断，大量人员无法按时返程， 致使节后劳动力短缺问题变得空前严重。虽然地方政府 尝试通过实施积极的复工政策尽快解决劳动力短缺问题， 并结合现代化信息技术，提出了 “劳动力地图”法、“点对 点”运输法、按新招员工数给予企业资金补贴等新型“抢 人”手段，但这些政策手段的本质仍然是期望通过政府力 量，尤其是政策优惠来缓解企业的用工压力。但实证结果 表明，这些复工政策的长效性值得商榷一地方政府若仅 仅关注如何通过政策手段尽快接回外来务工人员，而不考 虑当地实际的劳动力需求，那么在短期内可能会由于前期 盲目抢人而造成大批无业人员的出现。

而从长期来看，这类政策的实施并未聚焦农民工群体 的“两栖性”，也无法改变他们边缘化的生存状态，这意味 着春节、春耕前后等季节性“用工荒”现象仍将继续存在 于这场“抢人大战”中，部分政府无计划“抢人”，他们更为 关心的是在某个时点吸引人口的数量，针对返工人员生活 状态的政策却鲜见报端。这样的情况也发生在2019年以 高技能人才为主要目标的“抢人大战”中。正如周其仁教 授所说，“城市不能简单地抢人，人才无用武之地只是批 '房客'”，而对于外来务工人员而言，他们甚至都无法成 为“房客”。如果类似公共卫生安全事件再次发生，我们 仍需要投入大量的人力、物力、财力来解决劳动力短缺问 题。因此，地方政府短缺政策的支持并非“用工荒”问题 的“良药”，相关体制机制的深层次改革同样必不可少。

随着人口自然增长率的下降，中国正加速进入人口老 龄化社会，人口红利逐渐消失，劳动力供给规模将出现显 著变化。在上一阶段的新型城镇化过程中，各地都已开始 通过深化户籍制度改革、实行积分落户制度、建立以居住 证为载体的公共服务体系等方式实现人口城镇化。然而， 目前大部分举措的目标仍然仅仅停留在转变农民工的身 份标识上，而没有帮助其从观念、生活方式等方面完全融 入城市，导致因人口季节性流动而产生的“用工荒”现象 依然存在。因此，在城镇化步入高质量发展阶段，应坚持 以包容性为导向的城镇化道路，从身份、观念、权利等方面 实现农业转移人口市民化。对人口流入地区来说，应进一 步深化户籍制度改革，降低城市服务门槛（就业、教育、住 房等），保障“新市民”的基本权益;而对人口流出地来说， 也应加强产业建设，为本地剩余劳动力创造新增的就业机 会，推进人口城镇化。总而言之，从根源上解决“用工荒” 问题的关键在于实现农业转移人口 “进得来，留得下”。

（编辑：刘呈庆）

参考文献

[1]国家统计局.中华人民共和国2019年国民经济和社会发展统计 公报]EB/OL]. （2020 - 02 - 28 ） [ 2020 - 03 - 14 ]. https：// www. stats， gov. cn/tjsj/zxfb/202002/t20200228_1728913. html.

[2]周慧."用工荒”向中西部蔓延：村干部招不到工或停职地方户 籍新政人才人口"一把抓”]EB/OL]. （2019 -02-15） [202004 -17]. https：//www.sohu. com/a/294832753_115124.

[3]郑秉文.如何从经济学角度看待“用工荒”]J].经济学动态， 2010（3） ：75 -80.

[4]李辉文，金泉，李玮.疫情冲击下的中小微民营企业：困境、对策 与希望[EB/OL]. （2020 -02 -19） [2020 -03 -14]. https：// www. thepaper. cn/newsDetail_forward_6042453.

[5]范珊珊.新華财经研报：硬核“抢人”背后的义乌缩影]EB/OL]. （2020 -02-24） [2020 - 03 - 11 ]. http：//thinktank. xinhua08. com/a/20200224/1916653. shtml.

[6]张雪.交通部：27个省份推行“点对点”直达运输约8万趟次包 车运送 170 万农民工返岗]EB/OL]. （2020 -03 -08） [2020 - 03-11]. https：//www. sohu. com/a/375860598_502689.

[7]张平，杨耀武.疫情冲击下增长路径偏移与支持政策——基于 对企业非均衡冲击的分析]JL经济学动态，2020（3）：22-84.

[8]康书伟.苏州：企业吸纳1名登记失业半年以上人员就业奖励 1 000 元]EB/OL]. （2020 -02 -18） [2020 -03 -11 ].http$：// www. cs. com. cn/xwzx/hg/202002/t20200218_6026984. html.

[9]刘广辉.河南鼓励“家门口”就业，吸纳企业获每人1 000元奖补 [EB/OL]. （2020 -02 -28 ） [ 2020 -03 - 11：. https ：//news， hexun. com/2019 -02 - 15/196139027. html

[10]凌辉华.制造业“用工荒”的系统结构及杠杆解]J].集美大学 学报：哲学社会科学版，2015， 18（1）：41-50.

[11]周慧.“用工荒”向中西部蔓延：村干部招不到工或停职地方 户籍新政人才人口 “ 一把抓” [EB/OL]. （ 2019 - 02 - 15 ） [2020-04-11]. https：//www. sohu. com/a/375860598_502689.

[12]蔡昉.“民工荒”现象：成因及政策涵义分析[J].开放导报， 2010（2） ：7-12.

[13]蔡昉.人口转变、人口红利与刘易斯转折点[J].经济研究，2010，45（4） ：4-13.

[14]刘伟.刘易斯拐点的再认识[J].理论月刊，2008 （2 ）：130- 133.

[15]钱文荣，谢长青.从农民工供求关系看“刘易斯拐点"JL人 口研究，2009， 33（2）：37 -40.

[16]周德军.政府责任与民工荒问题剖析[J].湖北农业科学，2011，50（23） ：5010 -5014.

[17]赵晨野，赵晨野.“民工荒”其实是基本权益荒[EB/OL].

（2019 -11 -17） [ 2020 - 04 - 20 ]. http ：//www. ipp.org. cn/ index， php/home/blog/single/id/494. html.

[18]GAO P， ZHANG H， WU Z， et al. Visualizing the expansion and spread of coronavirus disease 2019 by cartograms [ J]. Environment and planning A： economy and space， 2020： 0308518X20910162.

[19]CHEN S， YANG J， YANG W， et al. COVID-19 control in China during mass population movements at New Year [ J ]. The lancet， 2020， 395（10226） ： 764 -766.

[20]刘涛，安秋吉.新冠肺炎疫情扩散时空图谱：人口流动新趋势 与防控机制新挑战]EB/OL]. （2020 -03 - 15） [ 2020 -04 - 20]. http ：//www. ues. pku. edu. cn/xyxw/327123. htm.

[21]张炜，费小燕，肖云，等.基于多维度评价模型的区域创新政 策评估一一以江浙沪三省为例]J].科研管理，2016（S1 ）：614 -622.

[22]FANG H， WANG L， YANG Y. Human mobility restrictions and the spread of the novel coronavirus （2019-nCoV） in China [ R].National Bureau of Economic Research， 2020.

[23]GWEN A ， LONG LAN. Policy expansion in local government environmental policy making [ J ]. Public administration review， 2019， 79（4） ：465 -476.

[24]ZENG D Z. How do special economic zones and industrial clusters drive China's rapid development？ [ R]. The World Bank， 2011 ：1 -53.

[25]吴睿.江苏昆山一企业复工后发现20多名“空气员工”牵出冒 领百万工资案]EB/OL]. （2020 -03 -24） [2020 -03 -30]. http ：//news. sina. com. cn/s/2020 - 03 - 23/doc - iimxyqwa2473278. shtml.