教育水平對(duì)失業(yè)風(fēng)險(xiǎn)影響的實(shí)證研究

馬艷林??

摘要：利用2011年中國社會(huì)狀況綜合調(diào)查數(shù)據(jù)，分析了教育水平對(duì)勞動(dòng)者失業(yè)風(fēng)險(xiǎn)的影響，實(shí)證結(jié)果證明教育水平越高勞動(dòng)者的失業(yè)風(fēng)險(xiǎn)越低，說明我國“民工荒”和“大學(xué)生就業(yè)難”現(xiàn)象是局部的和短期的，受到諸如摩擦性失業(yè)、勞動(dòng)力市場分割、產(chǎn)業(yè)結(jié)構(gòu)等其他因素的影響，而教育對(duì)勞動(dòng)者就業(yè)的影響是顯著而且正向的。因此，我們?nèi)匀恍枰罅Πl(fā)展教育，通過提高勞動(dòng)者素質(zhì)帶動(dòng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，同時(shí)通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整來充分利用智力資源，此外，要促進(jìn)勞動(dòng)力市場的融合以及勞動(dòng)者之間的自由流動(dòng)和公平競爭。

關(guān)鍵詞：教育；失業(yè)風(fēng)險(xiǎn)；民工荒；大學(xué)生就業(yè)難

中圖分類號(hào)： F2414文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4149（2016）01-0089-09

DOI：103969/jissn1000-4149201601010

一、引言

人力資本是對(duì)人進(jìn)行教育、培訓(xùn)、健康保健等方面的投資所形成的凝結(jié)在人身上的資本，包括他所擁有的各種知識(shí)、技能以及健康素質(zhì)的總和。在勞動(dòng)力市場上，失業(yè)是市場經(jīng)濟(jì)運(yùn)行中的必然現(xiàn)象，一般來講，人力資本存量較高的人群容易接受新知識(shí)和新技術(shù)，容易適應(yīng)變化的市場環(huán)境，就業(yè)趨于穩(wěn)定，而人力資本存量較低的人群失業(yè)風(fēng)險(xiǎn)更大。如圖1所示，人力資本存量（H）和失業(yè)風(fēng)險(xiǎn)U（H）呈負(fù)相關(guān)關(guān)系， U（H）是關(guān)于H的單調(diào)下降函數(shù)，在H1點(diǎn)可導(dǎo)，當(dāng)H小于H1時(shí)，U（H）=1，表示當(dāng)生產(chǎn)者的人力資本存量為就業(yè)的臨界點(diǎn)，剛好達(dá)到就業(yè)，但就業(yè)不穩(wěn)定，失業(yè)風(fēng)險(xiǎn)非常大；隨著人力資本存量H的增加，失業(yè)風(fēng)險(xiǎn)減少，當(dāng)H達(dá)到或超過H*時(shí)， 函數(shù)U（H）在H*點(diǎn)可導(dǎo)，U（H）風(fēng)險(xiǎn)為0，表示生產(chǎn)者的人力資本存量足夠大，無失業(yè)風(fēng)險(xiǎn)。

圖題圖1人力資本存與失業(yè)概率的關(guān)系

教育水平是人力資本的重要特征，一般來講，教育水平越高就業(yè)概率越高，失業(yè)概率越小。然而，我國近年來確實(shí)出現(xiàn)了“民工荒”和“大學(xué)生就業(yè)難”并存的現(xiàn)象，那么是否意味著傳統(tǒng)的人力資本理論并不適應(yīng)我國的國情，教育水平越高失業(yè)風(fēng)險(xiǎn)越大嗎？不少專家學(xué)者從以下四個(gè)方面對(duì)這種現(xiàn)象進(jìn)行了研究。第一，從教育的角度看，認(rèn)為我國各級(jí)各類教育發(fā)展不平衡，教育與經(jīng)濟(jì)社會(huì)發(fā)展聯(lián)系不緊密，教育結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)矛盾是產(chǎn)生大學(xué)生就業(yè)難的主要原因[2-4]。第二，從產(chǎn)業(yè)結(jié)構(gòu)方面看，認(rèn)為“民工荒與大學(xué)生就業(yè)難”表面上反映了我國就業(yè)供求結(jié)構(gòu)的失衡，而本質(zhì)上反映了我國產(chǎn)業(yè)結(jié)構(gòu)的不合理，我國已經(jīng)達(dá)到和超越劉易斯拐點(diǎn)，但是產(chǎn)業(yè)結(jié)構(gòu)還以勞動(dòng)密集型產(chǎn)業(yè)為主，應(yīng)該發(fā)展生產(chǎn)性服務(wù)業(yè)，促進(jìn)制造業(yè)的升級(jí)[5-6]。王志華、董存田測算了我國制造業(yè)結(jié)構(gòu)和勞動(dòng)者素質(zhì)結(jié)構(gòu)的吻合度，認(rèn)為我國體能型勞動(dòng)力的比重要高于勞動(dòng)密集型產(chǎn)業(yè)，出現(xiàn)東部民工荒的原因并不是勞動(dòng)力供給短缺，而是用工需求增長、惠農(nóng)政策促進(jìn)了勞動(dòng)力返鄉(xiāng)、新生代農(nóng)民工對(duì)工作要求提高以及勞動(dòng)密集型產(chǎn)業(yè)向中西部轉(zhuǎn)移造成的，此外，技能型勞動(dòng)者比重要小于資本密集型產(chǎn)業(yè)導(dǎo)致的“技工荒”也是其重要原因。第三，從人口結(jié)構(gòu)看，民工荒的現(xiàn)象更深層次反映的是我國人口結(jié)構(gòu)的變化，勞動(dòng)年齡人口的比重出現(xiàn)了下降，意味著我國勞動(dòng)力供給出現(xiàn)了劉易斯拐點(diǎn)[8-9]。第四，從人力資本投資角度看，劉文勇、李國棟從人力資本投資的角度分析，通過大學(xué)教育進(jìn)行的人力資本投資與勞動(dòng)力需求在“總量上”是沒有矛盾的，大學(xué)生就業(yè)難的主要原因在于畢業(yè)生與用人單位在薪酬和技能等方面存在結(jié)構(gòu)性矛盾，而“民工荒”的產(chǎn)生并不能表明我國農(nóng)村剩余勞動(dòng)力出現(xiàn)了短缺，而是依靠廉價(jià)勞動(dòng)力來獲得利潤的勞動(dòng)密集型產(chǎn)業(yè)無法通過增長工資和提高勞動(dòng)者技能來滿足勞動(dòng)者對(duì)自身人力資本存量提升的需求，最終導(dǎo)致勞動(dòng)者“用腳投票”。

綜合以上研究，“民工荒”和“大學(xué)生就業(yè)難”本質(zhì)上是勞動(dòng)力市場中勞動(dòng)供給和勞動(dòng)需求之間存在著結(jié)構(gòu)性的矛盾。雖然這些研究都具有一定的客觀性和現(xiàn)實(shí)意義，但大部分研究都采用的是定性研究方法，只是對(duì)現(xiàn)象進(jìn)行了描述和質(zhì)性判斷，帶有較大的主觀性。而本文擬采用2011年中國社會(huì)狀況綜合調(diào)查（Chinese Social Survey，CSS）數(shù)據(jù)進(jìn)行定量研究，客觀分析在不同的教育水平下勞動(dòng)者的失業(yè)概率水平，從而對(duì)“民工荒”和“大學(xué)生就業(yè)難”問題進(jìn)行再研究，進(jìn)而在研究結(jié)論的基礎(chǔ)上對(duì)我國教育、產(chǎn)業(yè)結(jié)構(gòu)、人力資本投資等方面提出合理化建議。

二、模型方法與數(shù)據(jù)來源

1. 模型方法

本文模擬的是教育水平對(duì)失業(yè)概率的影響，模型的因變量是一個(gè)二分類變量，即失業(yè)和就業(yè)兩種情況，因此適用離散響應(yīng)模型。離散響應(yīng)模型討論的是自變量的變動(dòng)對(duì)因變量取值的概率的影響，對(duì)于因變量只有兩種選擇的模型又叫二值響應(yīng)模型，即要估計(jì)公式（1）的系數(shù)。

P（y=1|x）=G（x，β）=p（x）（1）

這一問題的解決依賴于我們對(duì)p（x）的具體設(shè)定，其中p（x）是非線性形式，如果G（x，β）為標(biāo)準(zhǔn)正態(tài)分布，則該模型被稱為Probit模型，如公式（2）：

P（y=1|x）=G（x，β）=Φ（x′β）=x′β-∞Φ（t）dt

（2）

如果G（x，β）為“邏輯分布”，則該模型被稱為Logit模型，如公式（3）：

P（y=1|x）=G（x，β）Λ（x）=exp（x′β）1+exp（x′β）（3）

由于Probit和Logit模型的邊際效應(yīng)、準(zhǔn)R2和“優(yōu)勢比”與Probit模型幾乎等價(jià)，且標(biāo)準(zhǔn)正態(tài)分布沒有解析表達(dá)式而邏輯分布有，所以通常計(jì)算Logit比Probit更方便。p（x）是非線性形式，可以用最大擬然法（MLE）進(jìn)行估計(jì)。若P≡P（y=1|x），則1-P=P（y=0|x），由于P=exp（x′b）[]1+exp（x′β），1-P=1[]1+exp（x′β），故：

p[]1-p=exp（x′β），ln[p[]1-p]=x′β（4）

其中，p/（1-p）被稱為“優(yōu)勢比（odds ratio）”，而估計(jì)量β∧在MLE表示的是x每增加一個(gè)單位引起的“對(duì)數(shù)優(yōu)勢比”的邊際變化。

2. 數(shù)據(jù)來源和變量描述

本文采用的2011年中國社會(huì)狀況綜合調(diào)查數(shù)據(jù)。中國社會(huì)狀況綜合調(diào)查是中國社會(huì)科學(xué)院社會(huì)學(xué)研究所發(fā)起的一項(xiàng)全國范圍內(nèi)的大型連續(xù)性抽樣調(diào)查項(xiàng)目。2011 年為第三期調(diào)查，2011 年的調(diào)查在全國 25 個(gè)省/自治區(qū)的城鄉(xiāng)區(qū)域以及 5 座城市的市區(qū)開展，調(diào)查范圍涉及 472個(gè)村、居委會(huì)（SSU）。調(diào)查規(guī)模為7036個(gè)家庭，數(shù)據(jù)內(nèi)容涵蓋勞動(dòng)就業(yè)、家庭及社會(huì)生活、社會(huì)態(tài)度等方面。2011 年度調(diào)查的執(zhí)行周期為 2011 年 7 月 1 日至 2011 年 10 月 1 日。

（1） 變量說明。就業(yè)狀況為模型的因變量，自變量為不同的教育水平，此外要加入對(duì)就業(yè)產(chǎn)生影響的控制變量。一般來說包括人力資本因素，如工作經(jīng)驗(yàn)、健康狀況、性別等；家庭因素，如是否結(jié)婚、未成年的孩子數(shù)量等；制度和環(huán)境因素，如戶籍情況、來本地居住時(shí)間；經(jīng)濟(jì)發(fā)展因素，如地處農(nóng)村還是城鎮(zhèn)、該地區(qū)的人均GDP等。

就業(yè)狀況：為因變量，未就業(yè)=1、就業(yè)=0。2011年CSS調(diào)查數(shù)據(jù)中就業(yè)人口是指為其自身和家庭的收入或收益而勞動(dòng)，即使調(diào)查日前一周只工作了一個(gè)小時(shí)也算。而在未就業(yè)的人口中，有正在上學(xué)的人，有料理家務(wù)未打算工作的人，有因?yàn)榻】禒顩r未工作的人，有因?yàn)閱挝黄飘a(chǎn)、改制、下崗、內(nèi)退、辭退等原因未工作的人，還有正在找工作還未找到工作的失業(yè)人口。總體來講，未就業(yè)的人口可以分為失業(yè)人口和退出勞動(dòng)力市場的人口兩種，其中失業(yè)的人是指調(diào)查日前一周沒有工作，想工作、能工作，并正在積極尋找工作的人。退出勞動(dòng)力市場的人口有很大一部分是勞動(dòng)力市場中失去尋找工作信心的“沮喪者”，但他們還有找工作的愿望，有可能隨時(shí)進(jìn)入勞動(dòng)力市場。為了消除不確定因素對(duì)勞動(dòng)力市場的影響和簡化研究，本文對(duì)“失業(yè)”的定義擴(kuò)大到所有未就業(yè)的人口。

教育程度：分為6個(gè)層次。未上學(xué)、小學(xué)=1；初中=2；高中、中專、職高技校=3；大學(xué)?？?4；大學(xué)本科=5；研究生=6。

年齡：根據(jù)就業(yè)特征，考慮到部分人群離退休后二次就業(yè)以及部分職業(yè)（包括農(nóng)業(yè)）沒有就業(yè)年齡限制，因此將樣本年齡限制在17-67歲（調(diào)查對(duì)象最低年齡為17歲），最后得到的樣本總數(shù)為6094。基本按5歲一個(gè)跨度對(duì)年齡進(jìn)行分組：17-19歲、20-24歲、25-29歲、30-34歲、35-39歲、40-44歲、45-49歲、50-54歲、55-59歲、60-64歲、65-67歲。通過年齡組之間的比較，可以了解各年齡組失業(yè)風(fēng)險(xiǎn)的大小。

工作經(jīng)驗(yàn)：從第一次參加工作開始計(jì)算，缺失項(xiàng)用年齡-受教育年限計(jì)算。

工作經(jīng)驗(yàn)平方：一個(gè)人經(jīng)驗(yàn)越豐富，他的失業(yè)概率越低，但隨著經(jīng)驗(yàn)增加，失業(yè)概率減少的幅度并不是一個(gè)常數(shù)，應(yīng)該是遞減的，因此使用了經(jīng)驗(yàn)的平方做自變量。

性別：女性=1、男性=0。

婚姻：已婚=1、未婚=0。

未成年子女?dāng)?shù)量：一般來講，未成年子女特別是6歲以下子女會(huì)影響母親的就業(yè)，但在中國，一般家庭有孩子后，上一代人會(huì)參與未成年子女的撫養(yǎng)，而且有孩子的家庭就業(yè)的迫切性更高，因此需要進(jìn)一步考察未成年子女對(duì)失業(yè)概率的影響。

戶籍：農(nóng)業(yè)戶口=1、非農(nóng)戶口=0。

來本地居住時(shí)間：按年計(jì)算，不滿整年的進(jìn)1年。

地區(qū)：農(nóng)村=1、城鎮(zhèn)=0。

所在?。ㄖ陛犑校┤司鵊DP：本文采用所在省（直轄市）的人均GDP表示當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平。

（2） 變量描述。各變量的描述性特征如表1所示。

（3） 失業(yè)概率與教育水平的獨(dú)立性檢驗(yàn)。通過對(duì)6094個(gè)樣本的觀察（見表2），教育水平為1、2、3者的失業(yè)概率要顯然高于教育水平為4、5、6者，從直覺上失業(yè)概率與教育水平存在一定的失聯(lián)。為了更加明確地了解這種關(guān)聯(lián)度的正負(fù)，進(jìn)一步做了相關(guān)關(guān)聯(lián)系數(shù)的檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示，皮爾遜卡方值和似然比卡方值分別為1248159、1252713，P值都小于0001，即可以在1%的顯著性水平上拒絕原假設(shè)，也即一個(gè)人有工作與否與他受教育的水平是相互依賴的。而且Cramers V=01431，gamma=00562，Kendalls taub=00306，這些系數(shù)都是顯著為正，說明失業(yè)概率與教育水平存在顯著的正相關(guān)。

三、實(shí)證過程與模擬結(jié)果

1模擬分析過程

本文采用逐步回歸分析方法，將變量教育水平、經(jīng)驗(yàn)、經(jīng)驗(yàn)平方、年齡、性別、婚姻、未成年子女?dāng)?shù)

量、戶籍、來本地居住時(shí)間、地區(qū)、所占省市人均GDP分步驟納入方程進(jìn)行Logit回歸分析，將教育水平分組以及年齡分組作啞變量處理，所有分類變量的參照組均為第一組或取值為0的變量，表3是逐步模擬估計(jì)4個(gè)模型，分別將人力資本因素、家庭因素、制度環(huán)境因素和經(jīng)濟(jì)發(fā)展因素逐步納入方程。

2模擬結(jié)果

四個(gè)模型樣本數(shù)量均為6094個(gè)，模型的擬合程度較好，P值均小于00000，表示回歸有顯著的統(tǒng)計(jì)意義。模型的因變量均為是否就業(yè)，由于在模型中逐步加入更多的控制變量，模型的擬合度也在逐步升高，表示控制變量與因變量之間存在較強(qiáng)的關(guān)系。表4模型1中，只有教育水平、工作、工作經(jīng)驗(yàn)、年齡和性別作為自變量，模擬結(jié)果顯示大學(xué)?？?、研究生、工作經(jīng)驗(yàn)的平方、年齡在35-39歲、40-44歲這些條件對(duì)失業(yè)概率并沒有顯著的影響，因此模擬結(jié)果并不理想。在模型2中增加了家庭特征變量婚姻和未成年子女?dāng)?shù)量后，發(fā)現(xiàn)婚姻狀況和未成年子女?dāng)?shù)量對(duì)失業(yè)概率有很顯著的影響，P值均小于0001，同時(shí)也增加了大學(xué)本科的顯著度。模型3增加了制度環(huán)境特征變量戶籍和來本地居住的時(shí)間，這兩個(gè)變量對(duì)失業(yè)概率也存在顯著的影響，P值均小于0001，而且大學(xué)本科和研究生的顯著度也提高了。最后在模型4中增加了經(jīng)濟(jì)發(fā)展特征變量地區(qū)（農(nóng)村/城鎮(zhèn)）和所在?。ㄖ陛犑校┤司鵊DP，地區(qū)（農(nóng)村/城鎮(zhèn)）對(duì)失業(yè)概率的影響顯著，P小于0001，所在省（直轄市）人均GDP的P值為0198，對(duì)失業(yè)概率的影響不大。此外，除了教育水平3（高中、中專、職高技校）（P=0749）、工作經(jīng)驗(yàn)的平方（P=0459）、年齡在40-44歲（P=0595）、婚姻（P=02）對(duì)失業(yè)概率的影響不太顯著外，其他各變量都對(duì)失業(yè)概率有顯著的影響。

回歸系數(shù)即概率模型中自變量的系數(shù)，表明的是自變量對(duì)因變量作用的方向和程度，系數(shù)為正表示失業(yè)概率增加，系數(shù)為負(fù)表示失業(yè)概率減少，系數(shù)的大小表明對(duì)失業(yè)概率的影響程度。從模型4可見，教育水平的5個(gè)啞變量初中，高中、中專、職高技校，大學(xué)?？?，大學(xué)本科，研究生的系數(shù)依次為0299、00419、-0919、-1532、-1836，初中和高中、中專、職高技校系數(shù)為正，說明這兩個(gè)教育水平對(duì)失業(yè)概率的影響為正，即失業(yè)風(fēng)險(xiǎn)在增加，大學(xué)?？?、大學(xué)本科、研究生的系數(shù)為負(fù)，說明對(duì)失業(yè)概率的影響為負(fù)，且系數(shù)數(shù)值依次增大，說明教育水平越高，失業(yè)概率越低，這與我們的基礎(chǔ)理論和直覺一致，即受教育程度越高，失業(yè)概率越低。需要注意的是，回歸系數(shù)并不能反映各自變量對(duì)失業(yè)概率的實(shí)際作用大小，優(yōu)勢比更能反映自變量對(duì)因變量失業(yè)概率的實(shí)際作用大小。如教育水平為初中的系數(shù)是0299，OR值是1349，代表自變量變化使因變量發(fā)生比發(fā)生變化的倍數(shù)，也就是說初中學(xué)歷失業(yè)概率發(fā)生比（因變量發(fā)生除以不發(fā)生的比率）是參照組（未上學(xué)、小學(xué)）的1349倍，高中、中專和職高技校的失業(yè)概率是未上學(xué)和小學(xué)學(xué)歷的1043倍，大學(xué)?？频氖I(yè)概率相對(duì)于未上學(xué)和小學(xué)則降低了601%，大學(xué)本科降低了784%，研究生降低了841%。因此，從實(shí)證結(jié)果看，隨著教育水平的提高，失業(yè)風(fēng)險(xiǎn)在降低，且當(dāng)教育水平達(dá)到大學(xué)?？埔陨蠒r(shí)，失業(yè)概率顯著降低，這與人力資本理論是相符的。

從工作經(jīng)驗(yàn)來看，工作經(jīng)驗(yàn)的系數(shù)為負(fù)，即隨著工作經(jīng)驗(yàn)的增加，失業(yè)概率減少。但隨著經(jīng)驗(yàn)增加，失業(yè)概率減少的幅度并沒有呈現(xiàn)遞減的規(guī)律，即工作經(jīng)驗(yàn)的平方并不顯著。

從年齡來看，參照16-19歲，20-24歲、25-29歲、30-34歲、35-39歲組的系數(shù)為負(fù)，即失業(yè)概率在減少，且失業(yè)概率發(fā)生比分別減少了401%、776%、733%和477%；40-44歲年齡組對(duì)失業(yè)概率的影響并不顯著；而45-49歲、50-54歲、55-59歲、60-64歲、65-67歲組的系數(shù)均為正，說明失業(yè)概率相對(duì)16-19歲組在增加，且失業(yè)概率發(fā)生比分別為16-19歲組的362倍、1955倍、7445倍、4264倍、10961倍。因此可以看到，年齡對(duì)失業(yè)概率的影響非常顯著，20-39歲組的失業(yè)概率最小，此后，隨著年齡的增加失業(yè)概率逐步增加。

從性別來看，女性失業(yè)概率大于男性，失業(yè)發(fā)生比是男性的3015倍。

從家庭狀況來看，婚姻對(duì)失業(yè)概率的影響并不顯著，而未成年子女?dāng)?shù)對(duì)失業(yè)概率的影響在1%的水平下十分顯著，但是也可以看到，第一個(gè)子女的撫養(yǎng)對(duì)就業(yè)的影響更大，但隨著未成年子女?dāng)?shù)量的增加，失業(yè)概率是減少的。

戶籍對(duì)失業(yè)的影響在1%的水平下也非常顯著，農(nóng)業(yè)戶籍相對(duì)于非農(nóng)戶籍的失業(yè)概率在減少，失業(yè)發(fā)生比減少了457%。從戶籍上看，“農(nóng)民工”的失業(yè)概率較“非農(nóng)”戶籍的人口要低很多，可能的解釋是，一方面適合“農(nóng)民工”的工作崗位更多，另一方面是“農(nóng)民工”對(duì)工作的要求更低，更容易找到滿意的工作。

從到本地居住的時(shí)間來看，對(duì)失業(yè)的影響在1%的水平下顯著，且隨著到本地居住的時(shí)間延長，

失業(yè)概率逐漸減少，這與我們的常識(shí)也是吻合的。

此外，從當(dāng)?shù)氐陌l(fā)展?fàn)顩r看，相對(duì)于城鎮(zhèn)地區(qū)，農(nóng)村地區(qū)的失業(yè)概率是減少的，失業(yè)概率減少了643%。也就是說城鎮(zhèn)地區(qū)的失業(yè)概率要高，這其中主要的原因是留在農(nóng)村地區(qū)的人口只要從事農(nóng)業(yè)勞動(dòng)就不被視為失業(yè)，那么就有很大部分的隱形失業(yè)存在；而該地區(qū)的經(jīng)濟(jì)發(fā)展水平即人均GDP指標(biāo)對(duì)失業(yè)的影響并不顯著。

四、研究結(jié)論

通過對(duì)不同教育水平失業(yè)風(fēng)險(xiǎn)概率的分析，證實(shí)了隨著教育水平的提高失業(yè)概率是逐步降低的，這與傳統(tǒng)的人力資本理論是相一致的。而我國出現(xiàn)的“大學(xué)生就業(yè)難”和“民工荒”并存的現(xiàn)象又該如何解釋呢？本文將從以下三個(gè)方面加以分析和說明。

1. “概率”與“頻率”

我們說概率是理論上對(duì)可能性的定量描述，是用理論、模型推導(dǎo)出來的；頻率是實(shí)驗(yàn)、統(tǒng)計(jì)中實(shí)際發(fā)生的事件次數(shù)與總事件相比。頻率往往會(huì)與概率有偏差，但是概率應(yīng)該是頻率在大樣本容量時(shí)的極限，因此，可以把頻率理解為“實(shí)際概率”。我國目前出現(xiàn)的“民工荒”和“大學(xué)生就業(yè)難”實(shí)際上是一定時(shí)期和一定地域范圍內(nèi)的特定現(xiàn)象，也就是說這種現(xiàn)象可能是局域的或者暫時(shí)的。比如在大學(xué)生畢業(yè)季尋找工作的時(shí)候，近千萬的大學(xué)生一起涌向勞動(dòng)力市場，大量勞動(dòng)力被市場消化需要一定的時(shí)間，繼而產(chǎn)生“摩擦性失業(yè)”，這是由于勞動(dòng)力市場的動(dòng)態(tài)屬性、信息不對(duì)稱或者某些勞動(dòng)和就業(yè)制度造成的，隨著時(shí)間的推移，摩擦性失業(yè)逐漸消失，大學(xué)生就業(yè)問題也逐步得到解決。同樣，“民工荒”現(xiàn)象往往容易出現(xiàn)在春節(jié)后或者產(chǎn)業(yè)調(diào)整和轉(zhuǎn)移的時(shí)候，也具有很強(qiáng)的時(shí)間特征和地區(qū)特征，難以反映勞動(dòng)力市場的長期特征和全局特征。大范圍的調(diào)查數(shù)據(jù)和足夠的樣本更能說明勞動(dòng)力市場的現(xiàn)狀和本質(zhì)，因此，從實(shí)證結(jié)果看，我國目前的勞動(dòng)力市場仍然是教育水平越高的勞動(dòng)力失業(yè)概率越低。

2. 勞動(dòng)力市場分割對(duì)不同教育水平勞動(dòng)力失業(yè)概率的影響

農(nóng)民工和大學(xué)生實(shí)際上處于兩個(gè)完全分割的勞動(dòng)力市場中。這種分割不同于城鄉(xiāng)分割、地區(qū)分割、行業(yè)分割、單位分割等勞動(dòng)力市場的橫向分割，它本質(zhì)上是一種縱向的分割，也稱為“技術(shù)分割”，是由于勞動(dòng)職業(yè)等級(jí)的客觀界限和勞動(dòng)者素質(zhì)和受教育程度不同產(chǎn)生的差異造成的勞動(dòng)力市場自然的分割。大學(xué)生往往是在工資高、工作穩(wěn)定、工作條件好、就業(yè)保障好并有較多晉升機(jī)會(huì)的主要?jiǎng)趧?dòng)力市場尋找工作，而農(nóng)民工則主要在收入較低、工作條件差、工作不穩(wěn)定、就業(yè)保障不完備、培訓(xùn)和晉升機(jī)會(huì)少的次級(jí)勞動(dòng)力市場就業(yè)。前者由于大學(xué)生數(shù)量的增多和新增就業(yè)機(jī)會(huì)增加緩慢之間的矛盾造成了主要?jiǎng)趧?dòng)力市場的競爭激烈。而后者由于農(nóng)村剩余勞動(dòng)力的逐漸減少和勞動(dòng)密集型產(chǎn)業(yè)不斷發(fā)展之間的矛盾造成了次級(jí)勞動(dòng)力市場的勞動(dòng)力短缺現(xiàn)象?！懊窆せ摹焙汀按髮W(xué)生就業(yè)難”現(xiàn)象本質(zhì)上反映的是兩個(gè)勞動(dòng)力市場的勞動(dòng)供求關(guān)系發(fā)生的變化，由于這兩個(gè)市場的長期分割，勞動(dòng)者不能根據(jù)市場變化自由流動(dòng)從而無法使得勞動(dòng)供求結(jié)構(gòu)達(dá)到新的平衡。

3. 其他因素對(duì)失業(yè)風(fēng)險(xiǎn)的影響

實(shí)證結(jié)果說明較高的教育水平對(duì)就業(yè)產(chǎn)生顯著和正向的影響，但勞動(dòng)力能否就業(yè)除了受到教育水平的影響外，還受到其他多種因素的影響，比如工作經(jīng)驗(yàn)、年齡、未成年人子女?dāng)?shù)、戶籍、來本地居住時(shí)間以及當(dāng)?shù)氐暮暧^經(jīng)濟(jì)條件和特征等。因此，我們?cè)诜治觥懊窆せ摹焙汀按髮W(xué)生就業(yè)難”現(xiàn)象時(shí)，要綜合勞動(dòng)者個(gè)人人力資本存量、家庭因素等微觀條件以及地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r、產(chǎn)業(yè)發(fā)展?fàn)顩r、人口結(jié)構(gòu)、就業(yè)和勞動(dòng)力市場制度和政策等宏觀經(jīng)濟(jì)條件來判斷這種現(xiàn)象產(chǎn)生的原因，而不能盲目懷疑人力資本投資對(duì)個(gè)人就業(yè)和社會(huì)經(jīng)濟(jì)發(fā)展的作用。

五、政策建議

2011年中國社會(huì)狀況綜合調(diào)查數(shù)據(jù)的實(shí)證研究證明，勞動(dòng)者受教育水平越高失業(yè)風(fēng)險(xiǎn)越低，人力資本投資對(duì)勞動(dòng)者就業(yè)的促進(jìn)作用是顯著而正向的。2012年我國的大學(xué)毛入學(xué)率僅為267%，而美國、加拿大、韓國均超過90%，發(fā)達(dá)國家平均在50%以上，這說明我國勞動(dòng)者素質(zhì)還有待于進(jìn)一步的提高（注：數(shù)據(jù)來源自世界銀行數(shù)據(jù)庫，wwwworldbankorg/）。首先，大力發(fā)展教育仍然是我國基本國策的重中之重，通過勞動(dòng)者素質(zhì)的提高可以帶動(dòng)產(chǎn)業(yè)的升級(jí)和發(fā)展。其次，大力發(fā)展知識(shí)、技術(shù)和資金密集型產(chǎn)業(yè)，可以為大學(xué)生等高素質(zhì)的勞動(dòng)者創(chuàng)造更多的就業(yè)機(jī)會(huì)，利用好這些智力資源。最后，打破戶籍和學(xué)歷的就業(yè)分割，提高次級(jí)勞動(dòng)力市場的勞動(dòng)保障水平，增加培訓(xùn)和晉升的機(jī)會(huì)，促進(jìn)主要?jiǎng)趧?dòng)力市場和次級(jí)勞動(dòng)市場的融合，使得勞動(dòng)力流動(dòng)更為自由，市場競爭更加公平。

參考文獻(xiàn)：

[1]王金營. 淺析人力資本、職業(yè)選擇與失業(yè)風(fēng)險(xiǎn)[J]. 人口學(xué)刊，2001（4）：7-10.

[2]丁元竹. 正確認(rèn)識(shí)當(dāng)前“大學(xué)生就業(yè)難”問題[J]. 宏觀經(jīng)濟(jì)研究，2003（3）：3-6，28.

[3]王遠(yuǎn)博. 大學(xué)生失業(yè)的經(jīng)濟(jì)學(xué)原因探討[J]. 經(jīng)濟(jì)問題探索，2005（2）：64-66.

[4]王玥，李化樹. 基于“民工荒”和“大學(xué)生就業(yè)難”現(xiàn)象的教育透視[J]. 華北水利水電學(xué)院學(xué)報(bào)（社科版），2011（5）：182-184.

[5]余東華，范思遠(yuǎn). 生產(chǎn)性服務(wù)業(yè)發(fā)展、制造業(yè)升級(jí)與就業(yè)結(jié)構(gòu)優(yōu)化——“民工荒與大學(xué)生就業(yè)難”的解釋與出路[J]. 財(cái)經(jīng)科學(xué)，2011（2）：61-68.

[6]蘇劍，盛磊. 劉易斯拐點(diǎn)、大學(xué)生就業(yè)難和“民工荒”問題研究[J]. 廣東商學(xué)院學(xué)報(bào)，2010（3）：4-8.

[7]王志華，董存田. 我國制造業(yè)結(jié)構(gòu)與勞動(dòng)力素質(zhì)結(jié)構(gòu)吻合度分析——兼論“民工荒”、“技工荒”與大學(xué)生就業(yè)難問題[J]. 人口與經(jīng)濟(jì)，2012（5）：1-7.

[8]蔡昉. 人口轉(zhuǎn)變、人口紅利與劉易斯轉(zhuǎn)折點(diǎn)[J]. 經(jīng)濟(jì)研究，2010（4）：4-13.

[9]王朝明，馬斌. 中國“民工荒”與經(jīng)濟(jì)結(jié)構(gòu)調(diào)整——基于劉易斯—托達(dá)羅理論模型的綜合解釋[J]. 河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2011（6）：64-70.

[10]劉文勇，李國棟. 以人力資本投資角度對(duì)“大學(xué)生就業(yè)難”與“民工荒”現(xiàn)象的分析[J]. 思想政治教育研究，2005（6）：22-24.

[責(zé)任編輯責(zé)任編輯武玉，方志]