探讨我国改革开放以来隐性失业人口状况Word格式文档下载.docx

探讨我国改革开放以来隐性失业人口状况Word格式文档下载.docx

《探讨我国改革开放以来隐性失业人口状况Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《探讨我国改革开放以来隐性失业人口状况Word格式文档下载.docx（17页珍藏版）》请在冰点文库上搜索。

，这就意味着在产出为

时对应的有效劳动力需求为

假定社会生产事实是在产出为

时实际使用的劳动力为

，则隐性失业人口为

，隐性失业率为

进一步将劳动力的人力资本因素考虑进去，则生产函数可表达为

表示劳动力平均人力资本水平。

则有效劳动力供给量

，进一步可求出相应的隐性失业人口和隐性失业率。

　　在上述分析中，实际上暗含了所有的劳动力是同质的。

然而事实是，不同劳动力个体间彼此素质是异质的，且高素质的劳动力在同等条件下一般更容易获得组织的工作安派。

那么在此种情形下又如何计算隐性失业人口和隐性失业率？

假定在就业人口中劳动力个体效率和工资额按其个体素质高低等比例赋予，且劳动力个体素质x服从N（u,1）的正态分布（u表示劳动力平均素质水平，应足够大，以保证几乎所有劳动力个体素质均大于零）。

假定t年劳动力就业数为，在劳动力素质没有差异的情况下有效就业率为

（对应的隐性失业率为

），那么整个社会需要的劳动力素质总量为

（实际上，素质总量与劳动量等价）。

当劳动力素质为异质且高素质劳动力优先分配工作时，则只有素质大于a的劳动力获得工作任务安排，且该部分劳动力提供的素质总量应等于劳动力素质无差异情况下所需要的素质总量

，即

　　进一步展开，得到

这样，当

和u已知，就可以求出a值。

如此，可以得到有效就业比重为

，对应隐性失业率为

，隐性失业人口为

这样就得到了在劳动力素质为异质情况下的隐性失业人口和隐性失业率。

在实际测算中，为了保证几乎所有员工劳动力素质高于零，本文取u=5，保证了99.99995%的劳动力素质高于0。

三、隐性失业人口水平的估算

　　下面来估算1978-2008年我国隐性失业人口水平。

（一）指标数据处理

　　全国各年就业人数、国内生产总值直接取自《中国统计年鉴》等有关资料，全国的不同年份的物质资本存量采用王小鲁、樊刚等编制的1978年价格水平数据，并补充缺少的2008年数据；

[18]各年就业人员工资由社会劳动者报酬和就业人数相除获得，其中社会劳动者报酬可以从《中国国内生产总值核算历史资料1996-2002》、《中国国内生产总值核算历史资料1952-2004》和《China’sNationalIncome:

1952-1995》中分省数据获取。

[19]各年人力资本存量采用生产函数工资法计算获得，并且该法估算的人力资本存量可靠度明显优于教育年限法、物质投资计算法等其他方法。

[20]具体做法是：

假定t期的生产函数

，

其中，A表示技术水平、为固定值，

代表t期劳动力平均人力资本水平。

假定工资等于劳动边际生产力，则有

，进一步有

，故有

这样，当获得当期平均工资

、劳动者收入份额

、资本获得份额

、以及物质资本和劳动力人数时，就可以求出相邻两期劳动力平均人力资本存量比。

假定基期劳动力平均人力资本为1，这样就可以算出随后或之前各期的劳动力的平均人力资本存量和整个社会人力资本存量。

（二）隐性失业人口水平的估算

　　首先分别估算劳动力和人力资本的产出弹性。

分别对生产函数

（1）、

（2）两边取对数，并用时间序列数据进行回归。

依据数据可得性和增加样本容量原则，方程

（1）使用的时间序列数据为1952-2008年（扣除1959-1961三年自然灾害期），方程

（2）使用的时间序列数据为1978-2008年。

由于采用的是时间序列分析，采用一阶差分将序列变成弱相关后，再进行回归。

回归结果见表1。

表1　两种生产函数对数回归结果

　　根据表1的劳动力和人力资本产出弹性数据，利用上述测算隐性失业人口数量的方法，可以分别得到只考虑劳动力且劳动力同质、只考虑劳动力且劳动力异质、考虑人力资本且劳动力同质、考虑人力资本且劳动力异质等四种不同情况下我国隐性失业人口规模和隐性失业率（具体结果详见表2）。

表2　四种不同情况下我国隐性人口规模和隐性失业率

年份

就业人口（万）

只考虑劳动力且劳动力同质

只考虑劳动力且劳动力异质

考虑人力资本且劳动力同质

考虑人力资本且劳动力异质

隐性失业人口

隐性失业率%

1978

40152

10722.9

26.71

13687.8

34.09

2519.9

6.28

3902.8

9.72

1979

41024

12487.9

30.44

15613.7

38.06

4533.9

11.05

6522.8

15.90

1980

42361

12652.1

29.87

15864.2

37.45

4371.2

10.32

6345.7

14.98

1981

43725

14310.0

32.73

17699.9

40.48

6111.0

13.98

8522.0

19.49

1982

45295

15954.0

35.22

19513.1

43.08

7775.6

17.17

10549.2

23.29

1983

46436

16379.1

35.27

20027.8

43.13

8001.2

17.23

10842.8

23.35

1984

48197

16633.0

34.51

20406.6

42.34

7835.0

16.26

10704.6

22.21

1985

49873

15656.2

31.39

19450.5

39.00

6118.8

12.27

8682.9

17.41

1986

51282

15415.4

30.06

19312.8

37.66

5418.0

10.57

7841.0

15.29

1987

52783

15727.7

29.80

19730.3

37.38

5399.0

10.23

7848.8

14.87

1988

54334

16405.4

30.19

20532.8

37.79

5833.4

10.74

8427.2

15.51

1989

55329

16637.9

30.07

20836.9

5853.3

10.58

8470.9

15.31

1990

64749

22222.0

34.32

27285.2

42.14

10368.2

16.01

14193.0

21.92

1991

65491

20814.1

31.78

25855.8

39.48

8361.1

12.77

11801.5

18.02

1992

66152

18873.1

28.53

23821.3

36.01

5694.8

8.61

8460.8

12.79

1993

66808

20337.2

25427.1

7384.2

10622.5

1994

67455

20215.6

29.97

25336.1

37.56

7048.3

10.45

10219.4

15.15

1995

68065

22460.8

33.00

27750.1

40.77

9749.3

14.32

13551.7

19.91

1996

68950

23589.9

34.21

28979.7

42.03

10946.4

15.88

15010.4

21.77

1997

69820

25100.6

35.95

30602.1

43.83

12635.8

18.10

17015.1

24.37

1998

70637

26617.2

37.68

32217.5

45.61

14347.3

20.31

19008.4

26.91

1999

71394

26966.5

37.77

32627.1

45.70

14583.0

20.43

19569.1

27.41

2000

72085

27006.4

37.46

32719.4

45.39

14441.4

20.03

19095.3

26.49

2001

73025

28021.4

38.37

33825.2

46.32

15477.3

21.19

20381.3

27.91

2002

73740

28994.1

39.32

34864.3

47.28

16521.9

22.41

21598.4

29.29

2003

74432

22126.1

29.73

27763.1

37.30

7546.6

10.14

10978.7

14.75

2004

75200

15120.0

20.11

20063.4

26.68

0.0

0.00

2005

75825

16786.1

22.14

21974.1

28.98

329.9

0.44

712.8

0.94

2006

76400

16345.8

21.40

21506.6

28.15

2007

76990

15952.9

20.72

21079.9

27.38

2008

77480

15496.0

20.00

20640.7

26.64

　　从表2中可以看到，四种不同情形下测算的隐性失业人口和隐性失业率的变化趋势基本相同，但四种不同情形下测算的隐性失业人口和隐性失业率数值存在高低不同，主要体现在两点：

一、当在生产函数中只考虑劳动力时，测算的隐性失业人口和隐性失业率高于在生产函数中将人力资本因素考虑进去后的情况；

二、当劳动力为同质时测算的隐性失业人口和隐性失业率低于劳动力视为异质的情形。

前者的原因是，将人力资本因素考虑进去后，人力资本产出弹性高于单纯的劳动力的产出弹性；

后者的原因是因为在劳动力异质的情况下，当生产需要一定质量劳动力时，高素质劳动力首先获得工作任务，并提供高质量劳动，从而减少数量上的劳动力需求。

从现实情况来看，不同劳动力素质差异和人力资本的影响是客观存在的。

因此，第四种情形（考虑人力资本且劳动力异质）下测算的隐性失业人口和隐性失业率更为合理。

下面以第四种情形的结果进行分析。

　　从隐性失业人口来看，自1978年以来，隐性失业人口数量从3902.8万呈波浪式增加，到2002年达到21598.4万高峰，此后隐性失业人口开始迅速下降，直至隐性失业人口为0。

从隐性失业率来看，隐性失业率在2003年之前基本在9-30%之间呈波浪式、缓慢增加的趋势波动，第一个波峰在1982-1984年，第二个波峰在1990-1991年，第三个波峰在2001-2002年，此后隐性失业率快速下降，自2004年以来隐性失业率几乎为0。

我国隐性失业人口和隐性失业率如此变化是有迹可循的。

如果回顾1978年以来中国改革开放和经济发展的历史就可以清楚了解其中的来龙去脉。

在改革开放前，虽然我国实行的是计划经济，但与同期劳动者的报酬相比，城镇职工和农村居民的劳动产出并不低（例如农民除了参加集体农活外，在农闲时还需要兴修水利等），这些为后来的改革开放打下了坚实的物质基础，因此，1978年整个社会隐性失业人口和隐性失业率并不高。

随着改革开放以及计划经济向市场经济不断推进，原来的生产主体越来越难以适应新的环境变化，隐性失业人口和隐性失业率呈现逐渐累积趋势，另一方面改革开放以及市场经济推进带来的经济发展又有效减缓隐性失业人口和隐性失业率提高，两种趋势叠加导致了隐性失业人口和隐性失业率呈增加趋势，并形成三次隐性失业人口和隐性失业率的波峰，有意思的是三次波峰的时间点与1984年城市经济体制改革、1992年邓小平南巡讲话、2001年中国加入世贸的时间点非常巧合，这在一定程度印证了改革在不断推高隐性失业人口和隐性失业率同时，也不断减缓隐性失业人口和隐性失业率的上升。

自2003年以后，随着我国经济快速增长，“民工荒”开始出现，我国总体隐性失业人口和隐性失业率快速下降，甚至为零[21]。

　　（三）与其他统计和计算方法比较

　　在计算我国隐性失业人口和隐性失业率中，有关研究者大多关注我国农村隐性失业人口和隐性失业率，还有部分研究者也关注城镇隐性失业人口和隐性失业率，少数研究者对全国的隐性失业状况做了跨时段估算。

下面我们将王诚、隗斌贤的全国隐性失业水平估算以及依据其他学者的综合概算与本文的测算结果进行比较。

王诚在各项调查基础上提出计算农村隐性失业人口公式，采用《中国统计年鉴》等公布资料和农村固定资产劳动力容纳系数，推算了1985-1994年中国农村的隐蔽失业率；

然后根据国际劳工组织和中国劳动部1995年“企业富余劳动力”调查中获得的我国城镇各类企业的综合隐蔽失业率18.8%数据，给出1985-1994年全国隐性失业人口和隐性失业率数据；

[22]之后，王诚又估算了1998年全国的隐性失业状况，认为农村隐性失业率为22.9%，而城镇隐性失业基本显性化。

[23]隗斌贤利用生产函数法估算了1978-1998年部分年份的全国隐性失业率。

[24]还有相当部分研究者虽没有给出完整的全国隐性失业人口估算，但给出一定地区和时段的隐性失业人口估算，根据牛仁亮对80年代和其他众多学者对90年代农村隐性失业率计算，以及1995年国际劳工组织和中国劳动部对城镇各类企业的调查，取80年代、90年代农村隐性失业率分别为13%、22.5%，城镇隐性失业率为18.8%，可以得出一个大致的全国隐性失业率综合概算结果。

[25]表3给出了王诚、隗斌贤和综合概算结果。

表3　王诚、隗斌贤以及综合估算的全国隐性失业人口和隐性失业率

王诚

26737

26516

26231

25830

26300

25071

24215

22238

19379

17006

隐性失业率

53.6

51.7

49.7

47.5

44.2

41.5

37.4

32.2

27.7

隗斌贤

23.0

24.1

14.2

13.3

11.2

8.3

10.3

20.9

20.1

22.2

23.4

23.8

综合估算

14.49

14.50

14.51

14.52

21.53

21.51

21.50

21.49

21.48

21.46

21.43

　　由表3可以看到，在八、九十年代里，本文计算的结果明显低于王诚，但略高于隗斌贤，就其原因主要有以下两点：

第一，王诚计算隐性失业人口和隐性失业率主要依据农村固定资产劳动力容纳系数和“企业富余劳动力”的调查数据来估算的，而本文则依据劳动力边际生产率来估算的；

由于我国劳动者报酬不高，必然使得一些员工从有效工时或者生产资料劳动力容纳率来看是冗员，但从边际生产率来看却是有效人员，这就导致本文测算的结果低于王诚的计算结果，而本文测算的结果也能更好解释中国经济增长中“人口红利”的现象。

第二，隗斌贤的研究没有考虑劳动力的人力资本以及不同劳动力间的素质差异，这样容易导致隐性失业人口和隐性失业率估计偏差。

本文的测算与综合概算相近，这从一个侧面表明本文的测算具有可靠性。

事实上，如果从经济意义上来考察中国隐性失业人口和隐性失业率，同时考虑到人力资本以及劳动力异质性的客观存在，那么本文估计的我国隐性失业人口和隐性失业率应当更具有实际参考价值，2003年后出现的“民工荒”事实也说明了这一点。

四、隐性失业人口水平的影响因素分析

　　本部分将进一步考察隐性失业人口水平的影响因素。

鉴于隐性失业人口数量是一个绝对量指标，反映的内涵不完整，因此将主要考察影响隐性失业率水平的主要因素。

（一）影响因素的理论分析

　　一般说来，隐性失业率高低与公开失业水平、政府重大政策实施、经济增长周期、产业结构状况、经济市场化水平、行政干预程度、技术进步等因素有密切关系。

公开失业水平越高往往意味着原有隐性失业人口“失业显性化”程度越高，那么隐性失业率就会呈现下降态势。

政府重大政策实施是一把双刃剑，一方面通过政策实施（如改革）创造了新的经济增长机会和就业机会，另一方面也可能使得原来经营主体难以适应新的经济环境变化，导致隐性失业人口增加，因此，政府重大政策推进对隐性失业率的影响难以确定。