1、1经济增长对区域就业总量及结构的空间影响差异分析内容摘要：本文利用动态偏离份额模型与过滤的动态偏离份额模型对全国 30 个省份（不包括海南和台湾）就业总量及三产业就业量受全国经济增长的影响程度进行了比较分析。研究结果显示：全国经济增长对各省份就业量的推动作用存在很大差异；不同产业就业量受全国经济增长的影响也存在很大差异。 关键词：经济增长 区域就业 就业结构 空间自相关 经济增长与高水平就业一直都是各国政府宏观经济政策的主要目标。为了增加我国的就业量，政府也采取了很多积极的就业政策。改革开放以来，我国经济增长速度不断加快，就业总人口虽然从 2000 年 71150 万人逐年增加到 2008 年
2、的 77480 万人，但经济增长的速度与就业量增加的水平存在严重的不协调、不均衡。尽管根据美国经济学家奥肯指出的经济增长与就业增加应该同步发展，即经济增长速度越快，各国的就业人数总量就越多，然而，随着我国人口的增加，就业问题还是日益突出。从长期来看，就业水平的增加速度跟不上经济的发展会反过来抑制我国经济的发展。因此，经济增长对就业总量及结构的影响已经引起了政界和学界共同的广泛关注。 目前，国内有关经济增长对就业总量及结构影响的研究大致从两个角度分析： 一是从全国的角度分析经济增长与就业的关系。如王瑞云（2006）2认为我国经济增长与就业总量的增长基本上协调一致，但个别年份经济增长对于就业增长呈
3、现出非一致性和负相关关系，总体而言，经济增长对增加就业量具有推动作用。周可可（2007）模仿经济增长的就业弹性概念，构建各产业经济增长的就业弹性系数指标，分析了各产业经济增长对就业的作用。结果显示经济增长的就业弹性系数存在很大的差异，全国的产业结构使得经济增长对就业的拉动作用减小。李路勇（2008）认为我国经济增长对就业增长的作用并非等比例变化，不同区域或时期经济增长所带来的就业效应不同。 二是从不同的省份为出发点，分析经济增长对就业总量及结构的影响。路鲁（2008）采用 VAR 模型和 ECM 模型通过 Granger 因果检验对北京经济增长与就业的相互关系进行了分析，结果表明从 1986
4、年以来，北京的经济增长没有带动就业量的增加。李艳（2009）分析了吉林省经济增长没有明显带动就业的增长，反而就业量显著降低的原因。蔡冬冬（2010）利用就业弹性理论分析了辽宁省总的就业弹性和三次产业的就业弹性，结果显示辽宁省经济增长对就业量的增加有一定的推动作用，但作用效应不大。总的来说，国内学者从宏观上分析经济增长对就业总量及结构的影响时很少考虑各地所受的影响，而从区域出发，以各地区为背景，单独分析某个地区经济增长对就业总量及结构的影响又较少考虑全国经济增长的作用。 国外学者 Matias Mayor（2008）和 Gian Pietro Zaccomer（2011）利用偏离份额模型分别对西
5、班牙和意大利的就业进行了分析，并且在分析不同区域的就业时考虑了就业的空间自相关性问题。Uirich 3Zierahn（2010）在分析德国的就业问题时也考虑了区域之间的空间自相关性。而我国在分析区域就业问题时，对空间自相关考虑得比较少。因此，本文利用 30 个省、市、自治区不同产业的就业数据，根据过滤掉空间自相关因子后的空间偏离份额模型，分析全国经济增长对区域就业总量及结构的影响程度，并进行了比较差异分析。 理论模型的构建 在研究经济增长对区域就业结构及总量时，学者们基本上都是研究单个省份内就业总量及结构的变化，几乎没考虑邻近省份的就业结构对本省份就业结构的影响，即区域与区域之间的就业结构及总
6、量存在空间上的自相关性。因此本文采用国外学者 Matias Mayor（2008）提出的空间过滤法过滤掉邻近区域就业结构及总量的影响，利用偏离份额模型分析全国经济增长对各省就业结构及总量的贡献率，并进行了比较分析，公式如下： Xij=Xij-Xij=Xijr+Xij（rij-r）+Xij（rij-ri） （1） Xij 表示区域 j 产业 i 在基年就业总量；Xij 表示区域 j 产业 i 在末年的就业总量；S 表示产业的个数；N 为区域的个数。 传统的偏离份额法最大的缺点在于：第一，没有考虑区域与区域之间的相互作用，认为区域与区域之间是相互独立的；第二，只考虑基年和末年的数据，不能动态反映每
7、年情况的变化。该方法后经Dunn（1960）等学者进行了修正，并于 2004 年 Nazara&Hewing 首次将空间权重考虑到模型中。 4将区域之间的相互作用表示为一个 NN 的权重矩阵 W。根据著名的Tobler 定律指出：任何事物之间均相关，而离的较近事物总比离的较远的事物相关性要高。因此，区域之间的相互关系可以用地理距离衡量。当区域间的相互作用表现为区域的经济产出或经济发展潜力之间的联系时，可以用经济变量来测量区域间的相互作用。考虑到本文所研究的区域比较多，分布份额范围比较广，因此采用地理因素来确定空间权重。Moran（1948）定义了著名的布尔矩阵，认为如果区域 j 与区域 k 之
8、间的空间距离小于 d，则 wjk=1，否则 wjk=0。 虽然改进后的动态偏离份额模型考虑了区域之间的影响，但同一要素在区域与区域之间存在空间自相关性，所谓空间自相关性是指同一属性在不同的区域所表现的自相关。在计算全国经济增长对区域就业总量和结构的影响时，这种自相关性会使计算结果出现偏差，研究区域的就业结构及总量受其他区域的影响，这种现象也得到了国外很多学者的支持，如 Matias Mayor（2005、2008）在分析西班牙就业时就提出了区域之间就业的自相关会使结果出现偏离；Gian Pietro Zaccomer（2011）分析意大利就业时也认为区域之间就业的空间自相关会影响结果等。因此，基于过滤空间自相关因子的偏离份额模型就应运而生。 空间自相关分为全局自相关与局部自相关。全局自相关用来描述整个研究区域上所有空间对象之间的平均关联程度、空间分布模式及其显著性等，可以用 Morans 和 Geary 等统计量来计算。局部自相关用来识别不同空间位置上可能存在的不同空间关联模式，可发现数据之间的空间异质性，用 LISA 来检验局部空间自相关。本文采用 Morans Ij 检5验区域就业是否存在空间自相关性，然后再采用局部 Gj（d）来过滤自相关因子。在空间位置 j 上，局部 Gj（d）的表达式为：
