我国就业空间影响因素分析
时间：2023-04-16 14:50:05 来源：柠檬阅读网 本文已影响 人 
□文/张 莉 王谦驰
（西安财经大学 陕西·西安）
［提要］ 就业是最大的民生，也是经济发展最基本的支撑。基于2010～2019年我国31个省（区、市）统计年鉴数据，采取空间自相关、马尔科夫链、空间马尔科夫链和无序多分类的广义logit回归对我国就业空间以及就业空间水平影响因素进行研究。研究发现，2014年之后劳动力逐渐转移到第三产业就业。由空间自相关分析得出，北京、天津、江苏、浙江、广东、重庆等省市对中部地区形成一个环状，促进四周以及中部地区次级就业密度未来的增长。基于传统、空间马尔科夫链模型发现，我国就业密度高、低水平转变的过程中存在“路径依赖”现象。就业密度水平受到技术进步、人均GDP、基础公共性服务支出、对外开放度、路网密度等因素的综合影响。
就业是最大的民生，也是经济发展最基本的支撑。自建国以来，党中央、国务院始终把就业放在经济社会发展的首位。“十三五”期间，全国城镇新增就业6，564万人，城镇调查失业率均值控制在5.2%，劳动年龄人口平均受教育年限从10.2年提高到10.8年，技能劳动者总量由1.3亿人增至2亿人，就业形势总体稳定，就业结构持续优化，就业质量不断提升。但是，目前我国就业矛盾仍然存在。受2020年新冠肺炎疫情的影响以及我国经济结构的深度调整，劳动力供求两侧均出现较大变化，人才培养不适应市场需求的现象进一步加剧，“就业难”与“招工难”并存，结构性就业矛盾成为就业领域主要矛盾；
城镇就业压力依然较大，促进高校毕业生等重点群体就业任务艰巨、大量农村富余劳动力需要转移就业，规模性失业风险不容忽视。因此，“稳就业”成为了2020年两会提出的“六保六稳”的首要任务。“十四五”将促进就业作为基本原则，更是提出以实现更加充分就业为主要目标之一，健全就业的促进机制，完善政策体系，千方百计扩大就业容量的指导思想。故此，如何实现更加充分就业以及完善优化政策体系就值得思考了。笔者认为，可以通过对我国产业就业结构、就业空间结构、就业密度水平演变轨迹以及影响因素进行分析，了解我国就业空间结构及就业空间水平形成影响因素，挖掘不同区域“潜在”的就业容量以及针对性加大重要因素的投入，扩大就业容量。为制定有效的就业政策引导我国就业空间的科学分布，促进我国整体就业空间结构的优化政策提供理论基础。
为解决以上问题，本文对我国就业空间分布特征以及就业空间形成的影响因素进行分析，准确把握我国就业空间的结构以及演变规律，了解就业空间的影响因素。
随着近些年我国经济的快速发展，城市的空间结构发生了巨大的变化，引起了我国学者广泛关注。就业空间结构反映的是城市的经济特征，且是城市空间研究的核心要素之一。国外对于城市经济空间结构的研究始于20世纪50年代，Clark提出关于城市人口密度的负指数模型，随后众多学者围绕该模型不断进行修正与发展。如Smeed的负幂指数模型、Newling的二次指数模型、Frankena的三次方函数模型。国内对城市空间的研究起步较晚，在20世纪80年代之前对城市空间结构的研究基本处于停滞，80年代之后我国城市空间的研究主要在于理论的引用与扩展。80年代末之后国内学者对城市空间结构的实证研究开始大量增加。丁成日等在北京市总体规划修编的技术支持中将人口密度分布以及就业密度分布纳入方案规划中，并利用各区总人数、总就业人数与各区面积推算人口密度与就业密度；
陈晨利用“五普”“六普”的数据与行政区划数据推算了就业密度空间分布，对我国2000～2010年城乡就业空间的变迁进行了探讨；
王波采取行政区划与交通小区相结合的方法划分基本单元，通过土地性质数据来修正匹配研究单元不同行业的就业数据并计算就业密度值对南京市区的就业空间进行研究；
王晖利用第二次基本单位普查、第二次与三次经济普查数据推算了就业规模与就业密度对南京的就业空间进行了刻画。
就业人口空间分布加上其内在的行业、性别、收入等特征差异构成了城市空间结构。在我国不同的发展时期不同行业占据主导地位，为推动城市经济发展起到重要作用，所以有的学者选择不同研究时期、不同行业的就业空间结构进行研究。还有学者认为不同劳动群体的就业转移会给我国城市空间带来全方位的冲击，故对不同劳动群体就业空间进行探讨，为解析城市空间结构以及为编制城市规划、制定公共政策提供理论基础。
综上所述，目前我国就业空间的研究已经相对较为成熟，使用就业密度刻画就业空间作为一个经典且传统的研究方法方法，在我国对就业空间研究的实证分析中使用也较为广泛，但已有的研究多是职住空间、分区域就业空间或者划分经济带的微观区域就业空间研究，没有对全国整体就业空间特征的研究，不能反映这一时期全国就业空间结构特征。故此，为了反映全国就业空间结构特征，本文从宏观国家层面进行分析，基于省市为基本单元计算就业密度，选取2010～2019年我国31个省（区、市）的统计年鉴数据计算就业密度对我国就业空间结构进行研究，以期为实现更加充分就业以及完善优化政策体系做出贡献。
（一）研究思路。首先，计算全局空间自相关系数，测算各个地区就业密度水平之间是否相关；
其次，采用马尔科夫链说明就业密度空间演变过程；
最后，采用无序多分类的广义logit回归模型分析就业密度水平的影响因素。
（二）所用数据。本文所使用数据是全国31个省（区、市）2009～2019年统计年鉴就业数据。由于香港特区和澳门特区的统计年鉴资料缺失，故不将其纳入本次研究范围。地图数据采用谷歌地图数据。
（三）变量说明
1、因变量。就业密度（各省市法人单位年末就业人数/区域面积）。这一指标在过去文献中被广泛使用。
2、自变量。本文基于已有的研究和数据的可得性选取解释变量。技术进步：专利申请数；
人均GDP：各省市GDP/各省市人数；
全社会固定资产投资：固定资产投资规模、速度、比例关系和使用方向；
外商投资企业投资：中国投资者和外国投资者共同投资或者仅由外国投资者投资的企业投资额；
基础公共性服务支出：一般公共预算支出；
对外开放度：各省市进出口总额/各省市GDP；
人均消费品零售额：各省市零售总额/各省市总人数；
人均可支配收入：居民消费总额+储蓄额/各省市总人数；
路网密度：公共交通路线长度/区域面积。
（一）我国就业空间结构分析
1、空间相关性分析。如表1所示，2010～2019年就业密度空间相关性稍有减弱，但是并未出现显著的分散趋势。测度全国整体就业密度空间相关性的全局Moran’s I显示，全国Moran’s I值不断减小，就业密度空间相关性稍有减弱，但是Moran’s I值在十年间一直为正。这说明我国31个省（区、市）的就业密度在空间分布上存在正向空间自相关关系（即存在空间依赖性），说明就业密度高值地区并不是在空间上随机分布，而是北京、江苏、上海、浙江、广东、海南这些高就业密度值省级行政区在空间上存在趋于聚集的现象。然而，我国西部地区就业密度值低的地区在空间分布上趋于与就业密度值低的地区相邻。所以，从总体上看，我国就业高密度地区集中在我国东部，稍微次之则分布在我国中部地区。西部地区就业密度低的省份呈片状分布且空间分布较为密集，由于空间关系西部地区就业增长较为缓慢。（表1）
表1 就业密度单变量全域Moran’s I一览表
2、时空相关性分析。如表2所示，2010～2019年的双变量全局Moran’s I显示，虽然2010～2019年双变量全局Moran’s I值不断减小，但是Moran’s I值持续为正。当X=density10、14，Y=density14、19，Moran’s I值表示2010年、2014年北京、江苏、上海、浙江、广东、海南会对2014年、2019年的这些高就业密度地区城市周围邻居省份存在着外向溢出，即北京、江苏、上海、浙江、广东、海南等省就业密度的增加会带动周边省份的就业密度快速上升；
X=density14、19，Y=density10、14，Moran’s I值表示2010年、2014年山东、福建等邻近省份就业密度值高的地区会对山东、福建等有内向溢出，促进这些省份的就业密度的提升。我国高密度就业省市北京、天津、江苏、浙江、广东、重庆等对中部地区形成一个环状，包围中部地区等次级就业密度省份形成外向溢出，促进中部地区次级就业密度未来的增长。（表2）
表2 就业密度双变量全域Moran’s I一览表
（二）我国就业密度水平演变轨迹分析。考虑到各省市就业数量要大致等同，故此研究以全国31个省市的就业密度特征平均值为基准，将m=31个省市划分为四个级别（k=4），级别1为：低水平省市（就业密度值低于全国平均值的60%）、级别2为：中等水平（就业密度值处于全国平均值的60%～80%之间）、级别3为：较高水平（密度发展值处于全国平均值的80%～120%之间）、级别4为：高水平（就业密度值高于全国平均值的120%）。这四种就业发展水平分别用k=1，2，3，4表示，k越大表示就业密度特征值越高。基于此分类，本文使用空间马尔科夫链、无序多分类的广义logit模型。
基于空间马尔可夫转移矩阵分析。表3显示邻域省市就业密度特征对地区本身的就业密度特征起到的作用各不相同：（1）低水平就业密度地区存在着“俱乐部趋同”。一个低水平地区以低水平密度特征地区为临时，其会受到负面影响。（2）中低水平地区发生向上转移的概率受到其邻域的影响。在不考虑邻域的影响时，中低水平还是有小概率发生向上转移。随着邻域水平的上升，中水平地区向下转移的概率随之升高，直到邻域滞后水平为该水平地区时，中水平地区向下转移的概率上升到100%。故此高水平地区可能对低水平地区有一定的就业虹吸效应。（3）较高水平就业省市在考虑邻域发展水平时转移是较为稳定的，在于中水平及较高水平为邻时发展水平可以向同等水平转移且不会发展向上或向下转移。地区同等水平转移的概率并不随着其邻域发展水平呈现负相关。例如：高水平地区以低水平地区为邻域时，其就业发展水平并不会向下转移，且向同等水平转移的概率稳定为100%。但是，在以较高水平为邻域时，向下转移的概率上升为0.3333，在以高水平地区为邻域时，其向下转移的概率上升到0.5。（表3）
表3 空间马尔可夫转移矩阵
空间马尔科夫转移矩阵对我国31个省市就业密度发展水平的影响因素不能完整的解释，故采用无序多分类的广义logit回归模型解释影响因素对就业发展水平的影响。
（三）我国就业密度水平影响因素分析。基于传统（空间）马尔科夫链模型的不足，本文在综合考虑技术进步、人均GDP、对外开放程度、基础公共性服务支出等因素的基础上，运用无序多分类的广义logit模型分析我国就业密度水平的影响因素。建立模型（4），其中yi是我国就业密度水平样本特征，βj为回归系数；
xi为解释变量。
参照水平设置，由stata17.0软件实现，默认K=1（低水平）为参照水平，也可以自行选择。本文以K=1（低水平）为参照水平。
以低水平为对照，对中、较高、高水平就业密度水平省市的形成的影响因素进行分析。由表4中回归参数结果所示，人均GDP、对外开放度、路网密度、空间因素均对就业密度水平有正向促进作用。说明就业密度水平的提升，关键在于人均GDP的提升、对外开放度的加大、交通是否发达和周围邻域省市的带动。（表4）
表4 就业密度无序多分类广义logit回归参数估计结果一览表
中水平/低水平：可以发现技术进步、外商投资企业投资、人均消费品零售额变化不显著之外，其他7个变量均通过显著性检验，显示具有较好的人均GDP、全社会固定资产投资、对外开放度、路网密度、空间因素（邻域省市就业密度水平），且对外开放度增长较快以及邻域省市就业密度水平较高的省市更容易成为中水平就业密度区域。较高水平/低水平：可以看出技术进步、全社会固定资产投资、外商投资企业投资这三个变量不显著，相对于中水平/低水平的形成人均消费品零售额的作用变得显著，全社会固定资产投资变得不显著，说明了较高水平/低水平的形成更加看重人均消费品零售额，而全社会固定资产投资并非中水平就业密度区域的形成显著影响因素。高水平/低水平：模型中，只有外商投资企业投资不显著，说明了高水平就业密度区域的形成更加看重技术进步因素。在高水平就业密度区域的形成更加看重除了外商投资企业投资的其他9个因素的影响，但是外商投资企业投资并不是没有影响，只是影响不显著。高水平区域对于路网密度以及技术进步的要求比较高水平区域高出很多，说明高水平区域就业人员对交通要求较高和较快的技术进步能创造更多的岗位。相比较高水平区域，高水平区域对影响因素的变化更为敏感。
综上所述，人均GDP、基础公共性服务支出、对外开放度、人均可支配收入、路网密度等因素在形成不同等级的就业密度水平过程中，具有一定的正向或者负向的促进作用。技术进步在中水平就业密度区域的形成中影响并不显著，但是在较高水平与高水平地区的形成中产生了显著影响，所以可能在中低水平地区存在某种“陷阱”，需要在今后的研究中高度关注。
（一）由就业密度单、双变量全域Moran’s I可知，我国31个省（区、市）的就业密度在空间分布上存在正向的空间自相关关系，说明就业密度高的地区并不是在空间上随机分布，而是北京、江苏、上海、浙江、广东、海南这些高就业密度值省级行政区在空间上存在趋于聚集的现象，且北京、天津、江苏、浙江、广东、重庆等省市对中部地区形成一个环状，包围中部地区等次级就业密度省份形成外向溢出，促进中部地区次级就业密度未来的增长。
（二）我国就业密度水平具有长期性与持续性的特征，原本的类型对于就业密度水平的类型转变影响较大，我国31个省（区、市）在总体转变的过程中存在惯性发展的趋势。基于传统、空间马尔科夫链模型发现，我国就业密度高、低水平转变的过程中存在“路径依赖”现象，就业密度低水平地区与高水平地区保持类型不变的概率较大，同时低水平地区向上转移、高水平地区向下转移的概率较低。
（三）我国就业密度水平受到技术进步、人均GDP、基础公共性服务支出、对外开放度、路网密度等因素的综合影响。就业密度中水平区域形成过程中技术进步的影响并不显著，但是技术进步对于较高、高水平区域形成的影响因素还是较为明显的。中、高水平区域的形成受到技术进步、人均GDP、对外开放度、人均消费品零售额等因素正向促进作用以及全社会固定资产投资、基础公共性服务支出等因素负面影响，说明就业密度水平的提升，关键在于人均GDP的提升、对外开放度的加大、交通是否发达以及周围邻域省市的带动。
猜你喜欢低水平空间结构省市格绒追美小说叙事的空间结构阿来研究(2020年1期)2020-10-28新课标下中低水平学生的教学有效性研究甘肃教育(2020年12期)2020-04-13植物样品中低水平铀同位素分析分析化学(2018年7期)2018-09-17省市大报头版头条领导决策信息(2017年35期)2017-10-20省市大报头版头条领导决策信息(2017年34期)2017-10-20其他省市怎么做？中国公路(2017年6期)2017-07-25省市大报头版头条领导决策信息(2016年27期)2016-10-23徐州安美固建筑空间结构有限公司新世纪水泥导报(2016年1期)2016-07-01听力高水平者与低水平者策略使用差异研究外语教学理论与实践(2016年1期)2016-06-11基于社会空间结构流变的统战工作组织策略研究中央社会主义学院学报(2016年2期)2016-05-04
