青年就業(yè)與經(jīng)濟復(fù)蘇

〔摘 要〕 １６～２４ 歲青年失業(yè)率問題已成為當前經(jīng)濟復(fù)蘇期的重要經(jīng)濟社會問題之一， 是全面貫徹落實黨的二十屆三中全會精神和健全高質(zhì)量充分就業(yè)促進機制必須面對的現(xiàn)實問題。本文以新冠肺炎疫情等引發(fā)的不確定性沖擊為背景， 通過構(gòu)建隨機可計算一般均衡模型， 研究摩擦性、結(jié)構(gòu)性以及周期性沖擊對不同結(jié)構(gòu)青年群體就業(yè)水平的影響， 并模擬其就業(yè)的政策效果。本文發(fā)現(xiàn)： （１） 摩擦性和結(jié)構(gòu)性沖擊是引起青年群體高失業(yè)率的重要原因， 且青年群體對周期性尤其是投資需求沖擊的抵抗能力較強； （２）不同受教育水平的青年群體面對疫情沖擊時的就業(yè)變動存在差異， 較高教育水平群體對結(jié)構(gòu)性與投資需求沖擊時表現(xiàn)出更強抵抗能力； （３） 政策模擬顯示， 企業(yè)資助與擴崗補助政策均有助于提振就業(yè)， 且低學歷青年就業(yè)恢復(fù)能力更高。本文政策啟示： （１） 充分發(fā)揮政府的宏觀調(diào)控作用， 短期與長期工作并舉，著力緩解青年結(jié)構(gòu)性就業(yè)矛盾； （２） 企業(yè)激勵與青年個人提升并重， 在推動經(jīng)濟復(fù)蘇過程中， 鼓勵企業(yè)開發(fā)更多適合青年群體的就業(yè)崗位； （３） 提振青年就業(yè)與保障青年民生并行， 實施青年分類幫扶， 兜牢青年民生底線。

〔關(guān)鍵詞〕 青年就業(yè)率 摩擦性失業(yè) 結(jié)構(gòu)性失業(yè) 周期性失業(yè) ＣＧＥ 模型 外部沖擊 隨機影響 就業(yè)政策

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．１２．０１４

〔中圖分類號〕Ｆ２４１. ４； Ｆ２４９. ２ 〔文獻標識碼〕Ａ

引 言

黨的二十屆三中全會決定指出： “加強普惠性、基礎(chǔ)性、兜底性民生建設(shè)， 健全社會保障體系， 在發(fā)展中保障和改善民生是中國式現(xiàn)代化的重大任務(wù)”。因此， 需要“織密社會安全風險防控網(wǎng)和切實維護社會穩(wěn)定”。近年來， 我國１６～２４ 歲青年高失業(yè)率問題因新冠肺炎疫情、長期計劃生育政策、產(chǎn)業(yè)結(jié)構(gòu)升級、高校擴招等內(nèi)外因素影響， 已成為影響經(jīng)濟復(fù)蘇和社會穩(wěn)定的重要問題之一。２０２０年１ 月以前， 我國城鎮(zhèn)調(diào)查失業(yè)率一直在５％的自然失業(yè)率附近波動。２０２０ 年２ 月， 全國城鎮(zhèn)調(diào)查失業(yè)率達到６. ２％的高點， 此后， 調(diào)查失業(yè)率有所回落， 但大多高于５％的自然失業(yè)率水平， 并在２０２２年４ 月再次達到６. １％的高點， 總體調(diào)查失業(yè)率水平與新冠確診人數(shù)增長率呈現(xiàn)出一定正相關(guān)關(guān)系（圖１（ａ））。期間， １６～２４ 歲人口調(diào)查失業(yè)率始終高于１０％并持續(xù)走高， 即使２０２３ 年總體調(diào)查失業(yè)率開始回落， 該群體調(diào)查失業(yè)率依舊逆勢抬升， 并于２０２３ 年６ 月達到２１. ３％的高點（圖１（ｂ））。青年群體高失業(yè)問題是短期性還是長期性、是結(jié)構(gòu)性還是總量性、是市場性還是體制性， 亟需用規(guī)范和科學的經(jīng)濟學分析方法進行解釋， 并提出針對性的政策性建議。同時， 青年群體作為在勞動力市場中的獨特群體， 其失業(yè)率高是世界性普遍現(xiàn)象， 與就業(yè)偏好、人力資本和受教育水平等因素息息相關(guān)， 因此正以獨特的現(xiàn)實問題開始引起研究人員關(guān)注。

對青年失業(yè)問題的相關(guān)研究從公共衛(wèi)生沖擊下勞動市場的變化特征、青年群體高失業(yè)的影響因素以及疫情背景下的就業(yè)政策等方面展開。重大公共衛(wèi)生事件沖擊下， 負向變動、群體區(qū)別和行業(yè)差異是國內(nèi)外勞動力市場變化的主要特征。短期內(nèi)企業(yè)低復(fù)工率與勞動者調(diào)查失業(yè)率走高問題尤為突出［１－４］ ； 女性、青年群體、非正規(guī)就業(yè)者等特殊群體受新冠肺炎疫情沖擊更為嚴重［５］ 。１６～２４ 歲青年作為新冠肺炎疫情期間重點失業(yè)群體，其就業(yè)本身受到人力資本積累、求職壓力增加、就業(yè)預(yù)期下降、以及時間使用結(jié)構(gòu)的變化等微觀因素的影響［７－９］ ， 這些影響因素與公共衛(wèi)生事件沖擊帶來的勞動力流動性受阻、勞動力供需不匹配、以及總需求下降引致的摩擦性、結(jié)構(gòu)性、周期性失業(yè)交織［１０－１４］ ， 使得該群體就業(yè)水平恢復(fù)速率緩慢，并顯示出明顯的穩(wěn)定性偏好與體制內(nèi)傾向［１５，１６］ 。政策方面， 失業(yè)保險能夠保障失業(yè)群體的基本生活，但在一定條件下可能引起失業(yè)率上升； 為工人提供就業(yè)調(diào)整補貼的政策顯著降低了工作時長， 但對就業(yè)人數(shù)產(chǎn)生積極影響； 而大規(guī)模的減稅政策則具有顯著的就業(yè)促進作用［１７，１８］ 。

既有研究涵蓋了新冠肺炎疫情下的勞動力市場特征， 高失業(yè)率的來源以及青年就業(yè)困難等多方面問題， 但仍存在以下欠缺： （１） 對青年失業(yè)問題的研究集中于高校畢業(yè)生群體而忽視了數(shù)量眾多的低學歷青年； （２） 不同類型的失業(yè)沖擊對青年群體就業(yè)的影響需要進一步闡明； （３） 不同就業(yè)扶持政策對不同群體的就業(yè)效果有待進一步研究。

ＣＧＥ 模型自２０ 世紀９０ 年代被引進我國以來，作為一項有效且成熟的政策分析工具， 已在中國加入ＷＴＯ、環(huán)境、稅收、金融、養(yǎng)老保險、企業(yè)改革、貿(mào)易自由化、碳排放、水資源管理等政策措施、外來沖擊等對中國宏觀、地區(qū)經(jīng)濟所可能帶來的影響分析問題上， 均得到了廣泛的應(yīng)用，尤其是近年中美貿(mào)易摩擦、新冠肺炎疫情、外資流出等對中國經(jīng)濟影響等均有不少應(yīng)用， 被證明和認為是研究突發(fā)事件對經(jīng)濟影響分析最為常用的方法之一［１９－２１］ 。這為研究１６～２４ 歲青年群體就業(yè)問題提供了有效的分析平臺。然而， 盡管ＣＧＥ模型被證明和認為是研究突發(fā)事件對經(jīng)濟影響分析最為常用的方法之一， 但現(xiàn)有模型中未能有效導(dǎo)入充分體現(xiàn)不確定性性因素的隨機變量。

據(jù)此， 本文通過構(gòu)建隨機計算一般均衡（Ｃｏｍ?ｐｕｔａｂｌｅ Ｇｅｎｅｒａｌ Ｅｑｕｉｌｉｂｒｉｕｍ， ＣＧＥ） 模型來討論新冠肺炎疫情不同沖擊路徑對整體勞動力與青年群體就業(yè)的影響。將１６～２４ 歲青年勞動力劃分為低學歷青年與高校畢業(yè)生兩大群體， 分析新冠肺炎疫情對青年就業(yè)的影響機理； 并通過構(gòu)建隨機ＣＧＥ模型模擬不同外部沖擊以研究不同勞動群體就業(yè)表現(xiàn)， 同時模擬３ 種就業(yè)扶持政策對不同群體就業(yè)的提振效果。

１ 理論方法與數(shù)據(jù)

１. １ ＩＦＰＲＩ－ＣＧＥ 模型

本文以Ｌｏｆｇｒｅｎ （２００２） 的ＩＦＰＲＩ－ＣＧＥ 模型作為基本模型。此模型由價格模塊、生產(chǎn)模塊、貿(mào)易模塊、部門模塊和系統(tǒng)約束模塊共計４８ 個方程組成。

在ＩＦＰＲＩ－ＣＧＥ 模型中， 勞動需求函數(shù)是企業(yè)利潤最大化的結(jié)果， 如式（１） 所示， 企業(yè)的利潤函數(shù)是關(guān)于產(chǎn)量、中間投入量、要素投入量及各自對應(yīng)價格的函數(shù)。其中， ＱＡａ 表示企業(yè)生產(chǎn)活動的總產(chǎn)出， 由關(guān)于增加值ＱＶＡａ 和中間投入的ＱＩＮＴＡａ的ＣＥＳ 生產(chǎn)函數(shù)決定（式（２））。式（３） 則是關(guān)于各生產(chǎn)要素的ＣＥＳ 形式的生產(chǎn)函數(shù)。αａａ、αｖａａ 為生產(chǎn)函數(shù)的效率參數(shù)， 表示企業(yè)生產(chǎn)規(guī)模與技術(shù)水平。δａａ、δｖａｆａ 為生產(chǎn)函數(shù)的份額參數(shù)， 表示各生產(chǎn)函數(shù)在企業(yè)生產(chǎn)過程中所占份額， 代表企業(yè)的技術(shù)類型。ρａａ、ρｖａａ 為生產(chǎn)函數(shù)的指數(shù)參數(shù)， 與技術(shù)替代彈性成反比， 代表各要素替代的難易程度。在確定參數(shù)的具體數(shù)值后， 企業(yè)在既定的價格水平下決定對各要素的需求。

在ＩＦＰＲＩ－ＣＧＥ 模型中， 基期的勞動供給ＱＦＳｆ是外生給定的， 通過要素價格ＷＦｆ 的調(diào)整使得勞動供給與勞動需求相等， 勞動力市場出清。為了研究新冠肺炎疫情沖擊對失業(yè)的影響， 本文采用凱恩斯閉合， 在該閉合條件下， 商品市場出清， 投資儲蓄平衡， 政府收支與國際收支平衡， 工資剛性使勞動力需求內(nèi)生化， 從而允許失業(yè)存在。

１. ２ 隨機ＣＧＥ 模型的構(gòu)建和實現(xiàn)

隨機ＣＧＥ 模型旨在將隨機性納入ＩＦＰＲＩ－ＣＧＥ模型的分析框架之中， 以更好地反映不確定性沖擊對經(jīng)濟體的影響情況。目前對ＣＧＥ 模型的隨機化處理主要有３ 種方式： （１） 在基期數(shù)據(jù)階段引入投入產(chǎn)出表或ＳＡＭ 表的隨機性； （２） 在均衡構(gòu)建階段引入方程的隨機性； （３） 在均衡求解階段引入自由參數(shù)的隨機性［２２］ 。

由于本文的研究目的在于分析不同疫情沖擊路徑對青年群體就業(yè)的影響， 而不同路徑的沖擊能夠通過相關(guān)參數(shù)的變動加以反映， 故本文主要采用上述第３ 種方式即引入自由參數(shù)的隨機性來構(gòu)建隨機ＣＧＥ 模型。

在隨機參數(shù)的選取上， 本文主要選取相關(guān)的彈性參數(shù)作為隨機處理的對象， 包含商品市場上的ＣＥＴ 彈性、Ａｒｍｉｎｇｔｏｎ 彈性、居民對不同產(chǎn)品的支出彈性以及生產(chǎn)市場上的技術(shù)替代彈性。之所以選擇彈性參數(shù)進行隨機處理， 是因為在ＩＦＰＲＩＣＧＥ模型中， 彈性參數(shù)是根據(jù)基期值與歷史數(shù)據(jù)外生確定的， 彈性參數(shù)的隨機變動能夠反映外生沖擊對經(jīng)濟的影響； 也因為彈性參數(shù)直接參與某些方程參數(shù)的計算， 能夠明確外生沖擊的影響路徑。模型彈性參數(shù)直接參與計算的方程如式（４） ～（６） 所示。

在隨機沖擊的構(gòu)建上， 本文先確定各彈性參數(shù)變化率的波動范圍， 然后在確定的上下限內(nèi)生成一定數(shù)量的隨機數(shù)以模擬對相應(yīng)彈性參數(shù)的隨機沖擊。波動范圍的確定既參考歷史數(shù)據(jù)的變化趨勢以及新冠肺炎疫情期間真實數(shù)據(jù)的變動情況；也需要滿足ＩＦＰＲＩ－ＣＧＥ 模型中相關(guān)變量的零下限約束條件。在確定波動區(qū)間的基礎(chǔ)上， 對每一類沖擊情景生成５０ 組隨機數(shù)， 作為該類沖擊下對應(yīng)參數(shù)的變動情況。

１. ３ 數(shù)據(jù)來源

ＩＦＰＲＩ－ＣＧＥ 模型的基礎(chǔ)數(shù)據(jù)是社會核算矩陣（ＳＡＭ）。２０２０ 年中國社會核算矩陣根據(jù)《２０２０ 年中國非競爭性投入產(chǎn)出表》、《中國資金流量表》、《中國財政年鑒》、《中國海關(guān)年鑒》等相關(guān)數(shù)據(jù)編制而成。

為了研究隨機沖擊下不同勞動群體的就業(yè)變動， 本文對基礎(chǔ)的４２ 部門社會核算矩陣做了進一步處理。在商品與活動賬戶中， 根據(jù)《國民經(jīng)濟行業(yè)分類２０１７》， 將原有的４２ 部門進行歸類， 合并為１９ 個行業(yè)。在要素賬戶中， 將勞動賬戶劃分為青年群體與其他勞動力。其中青年群體是指１６～２４ 歲的勞動力群體， 并根據(jù)受教育程度進一步劃分為低學歷青年與畢業(yè)生群體， 低學歷青年的受教育程度在高中及以下（包含中高等職業(yè)教育）， 畢業(yè)生群體的受教育程度在大學及以上。

勞動供給的基期數(shù)值參考第七次人口普查數(shù)據(jù)。首先根據(jù)短表數(shù)據(jù)與長表數(shù)據(jù)的總?cè)丝跀?shù)之比計算出長表數(shù)據(jù)的抽樣率為９. ８４％， 再根據(jù)長表數(shù)據(jù)計算出長表樣本中各勞動群體就業(yè)人數(shù)， 最后根據(jù)抽樣率推算出總體就業(yè)規(guī)模（受篇幅所限，結(jié)果留存?zhèn)渌鳎?/p>

基期彈性參數(shù)的確定： ＩＦＰＲＩ－ＣＧＥ 模型中需要外生設(shè)定的參數(shù)有ＣＥＴ 替代彈性、Ａｒｍｉｎｇｔｏｎ 替代彈性、ＣＥＳ 生產(chǎn)函數(shù)的技術(shù)替代彈性以及居民消費商品支出彈性。其余相關(guān)的規(guī)模與份額參數(shù)則可以通過將調(diào)平過后的ＳＡＭ 表帶入模型之中進行估算［２３］ 。本文的彈性參數(shù)設(shè)定參考了Ｚｈａｉ 和Ｈｅｒｔｅｌ （２００５）［２４］ 的相關(guān)研究以及ＧＴＡＰ 數(shù)據(jù)庫中關(guān)于中國數(shù)據(jù)庫的參數(shù)設(shè)定。在本文使用的ＣＧＥ模型中， ＣＥＴ 替代彈性與Ａｒｍｉｎｇｔｏｎ 替代彈性在０. ５～８ 之間； 頂層生產(chǎn)函數(shù)替代彈性設(shè)定為０. ６，底層生產(chǎn)函數(shù)替代彈性在０. ５ ～ １. ２５ 之間； 居民對不同產(chǎn)品的支出彈性在０. ６～１. ３ 之間。

１. ４ 沖擊刻畫

本文從摩擦性沖擊、結(jié)構(gòu)性沖擊以及周期性沖擊３ 條路徑刻畫新冠肺炎疫情： （１） 新冠肺炎疫情期間施行的常態(tài)化疫情防控政策使得勞動力市場流動性受阻， 摩擦性失業(yè)上升； （２） 新冠肺炎疫情沖擊推動了產(chǎn)業(yè)結(jié)構(gòu)的變革， 同時阻斷了高校畢業(yè)生通過實習彌補人力資本缺失的渠道，加深了人力資本與市場需求的不匹配， 推高結(jié)構(gòu)性失業(yè)； （３） 新冠肺炎疫情作為巨大的外部突發(fā)事件， 對總需求造成的巨大負面沖擊。企業(yè)被迫縮減生產(chǎn)規(guī)模， 勞動需求下降， 產(chǎn)生周期性失業(yè)。在ＩＦＰＲＩ－ＣＧＥ 模型中， 不同失業(yè)沖擊。具體體現(xiàn)在①：

摩擦性失業(yè)： 新冠肺炎疫情帶來的摩擦性失業(yè)， 表現(xiàn)為勞動力流動性下降， 要素無法自由流動。在ＩＦＰＲＩ－ＣＧＥ 模型中， 可以通過調(diào)整要素市場上流動性條件來模擬新冠肺炎疫情帶來的摩擦性失業(yè)增加。

結(jié)構(gòu)性失業(yè)： 新冠肺炎疫情導(dǎo)致的結(jié)構(gòu)性失業(yè)體現(xiàn)為青年群體所擁有的人力資本與企業(yè)需求之間的不匹配。即不同勞動力之間相互替代的難易程度增加， 表現(xiàn)為技術(shù)替代彈性的變化， 在ＩＦ?ＰＲＩ－ＣＧＥ 模型中可以通過生產(chǎn)函數(shù)的指數(shù)參數(shù)ρａａ、ρｖａａ 來反映。

周期性失業(yè)： 新冠肺炎疫情引起的周期性失業(yè)體現(xiàn)為總需求的下降。本文從消費、投資以及凈出口３ 個方面研究周期性的需求沖擊對青年群體的就業(yè)影響。在ＩＦＰＲＩ－ＣＧＥ 模型中， 消費負面沖擊表現(xiàn)為居民消費預(yù)期下降帶來的邊際消費傾向βｈａｃｈ 、βｍｃｈ下降， 投資負面沖擊表現(xiàn)為外生投資調(diào)節(jié)變量ＩＡＤＪ的下降， 凈出口負面沖擊則通過調(diào)節(jié)阿明頓函數(shù)和ＣＥＴ 函數(shù)的替代彈性來實現(xiàn)。

２ 模擬結(jié)果

２. １ 摩擦性沖擊對青年就業(yè)水平的影響

通過調(diào)整要素市場上的流動性條件模擬摩擦性沖擊對不同群體就業(yè)水平的影響， 模擬結(jié)果顯示： （１） 摩擦性負面沖擊會對總體就業(yè)水平產(chǎn)生負面影響（表１）； （２） １６～２４ 歲青年群體就業(yè)受結(jié)構(gòu)性沖擊影響高于總體水平， 說明青年群體更容易受到摩擦性失業(yè)的影響； （３） 畢業(yè)生群體就業(yè)水平變動與整體水平基本一致， 低學歷青年就業(yè)水平則下降１ ０８ 個百分點， 略高于整體水平，表明摩擦性沖擊主要通過影響低學歷青年就業(yè)而導(dǎo)致青年失業(yè)率高， 這與低學歷青年就業(yè)變動率高、流動性強、穩(wěn)定性低的特點有關(guān)。

２. ２ 結(jié)構(gòu)性沖擊對青年就業(yè)水平的影響

通過調(diào)整生產(chǎn)函數(shù)的技術(shù)替代彈性ＰＲＯＤＥＬＡＳ模擬結(jié)構(gòu)性沖擊對不同群體就業(yè)水平的影響， 模擬結(jié)果顯示： （１） 結(jié)構(gòu)性負面沖擊會對總體就業(yè)水平產(chǎn)生負面影響（圖２ （ａ））。新冠肺炎疫情導(dǎo)致的產(chǎn)業(yè)結(jié)構(gòu)變動、實習渠道阻斷等多方面因素使得部分勞動力缺乏與之匹配的崗位， 產(chǎn)生結(jié)構(gòu)性失業(yè)； （２） １６～２４ 歲青年群體就業(yè)受結(jié)構(gòu)性沖擊影響高于總體水平， 這與新冠肺炎疫情期間１６～２４歲人口調(diào)查失業(yè)率變動趨勢相一致（圖２ （ｂ））。由于１６～２４ 歲的青年群體大多是初次進入勞動力市場， 缺乏工作經(jīng)驗與實踐經(jīng)歷， 人力資本與市場需求不匹配， 導(dǎo)致這類群體受結(jié)構(gòu)性失業(yè)影響更為顯著； （３） 結(jié)構(gòu)性沖擊對低學歷青年就業(yè)水平影響幅度高于畢業(yè)生群體。雖然自身能力和技能水平與勞動市場需求的不匹配是青年勞動群體的共同問題， 但低學歷青年本身較低的人力資本水平與經(jīng)濟轉(zhuǎn)型升級帶來的新的能力需求之間的矛盾更加尖銳， 導(dǎo)致低學歷青年就業(yè)受結(jié)構(gòu)性沖擊影響更為顯著。

２. ３ 周期性沖擊對青年就業(yè)水平的影響

（１） 通過調(diào)整城鄉(xiāng)居民支出彈性ＬＥＳＥＬＡＳ 模擬消費沖擊對不同群體就業(yè)水平的影響， 模擬結(jié)果顯示： ①城鄉(xiāng)居民消費預(yù)期的負面沖擊并未引起整體就業(yè)水平的顯著變化， 并且居民消費預(yù)期的變動與就業(yè)水平的變化之間并未呈現(xiàn)出明顯的相關(guān)性， 說明消費預(yù)期的變動并非引起失業(yè)增加的主要原因（圖３ （ａ））； ②１６～２４ 歲青年群體就業(yè)受消費預(yù)期的影響高于整體水平（圖３ （ａ））； ③畢業(yè)生群體對消費預(yù)期沖擊的敏感性顯著高于低學歷群體（圖３ （ｂ））， 這在一定程度上與不同受教育程度的青年群體就業(yè)分布的行業(yè)差異相關(guān)。第七次全國人口普查數(shù)據(jù)顯示， 低學歷青年相對集中在偏勞動密集型的批發(fā)零售、住宿餐飲、建筑業(yè)以及制造業(yè)等行業(yè)； 畢業(yè)生群體則更多集中在信息軟件、金融、教育、房地產(chǎn)等服務(wù)行業(yè)。由于新冠肺炎疫情首先沖擊與人接觸交流相關(guān)的服務(wù)行業(yè)， 因此在相對集中于上述行業(yè)的畢業(yè)生群體就業(yè)波動更為明顯。

（２） 通過調(diào)整投資調(diào)節(jié)變量ＩＡＤＪ模擬投資沖擊對不同群體就業(yè)水平的影響， 模擬結(jié)果顯示： ①投資需求的負面沖擊對總體就業(yè)水平產(chǎn)生負面影響。投資需求的減少代表著國民經(jīng)濟各部門各行業(yè)對于建造和購置固定資產(chǎn)的減少， 導(dǎo)致對相應(yīng)商品的需求減少， 相關(guān)生產(chǎn)企業(yè)被迫減少生產(chǎn)， 并為了削減成本而減少對勞動力的雇傭， 從而使得總體就業(yè)水平下降（圖３ （ｃ））； ②１６～２４ 歲青年就業(yè)受投資需求的負面沖擊影響低于總體水平， 表明投資需求的負面沖擊并非引起青年失業(yè)率顯著高于總體失業(yè)率水平的原因（圖３ （ｃ））； ③投資需求的負面沖擊引起的失業(yè)主要由低學歷群體承擔（圖３（ｄ））。結(jié)果顯示， 在面對從１０％ ～９０％的投資需求沖擊時， 畢業(yè)生群體就業(yè)水平變化始終保持在１％以下， 且未顯現(xiàn)出與沖擊強度的正相關(guān)關(guān)系。投資沖擊對青年群體就業(yè)影響的差異與當下青年群體的就業(yè)選擇偏好密切相關(guān)。穩(wěn)定性偏好、體制內(nèi)傾向是新冠肺炎疫情沖擊過后青年就業(yè)選擇的共同特點， 加之以數(shù)字經(jīng)濟發(fā)展進程加快， 靈活就業(yè)也成為青年就業(yè)選擇的重要組成。青年群體更偏向于選擇新興服務(wù)行業(yè)或靈活就業(yè)， 這一偏好在人力資本水平較高的畢業(yè)生群體之中尤為凸顯， 也是造成投資沖擊對該群體就業(yè)水平影響較小的重要原因。

（３） 通過調(diào)整阿明頓函數(shù)和ＣＥＴ 函數(shù)的替代彈性模擬進出口沖擊對不同群體就業(yè)水平的影響。對進口總量的沖擊結(jié)果顯示： ①進口的負面沖擊對總體就業(yè)水平產(chǎn)生正向影響（圖４ （ａ））。進口的減少帶來對本國企業(yè)的產(chǎn)品需求有所提高， 創(chuàng)造了更多就業(yè)需求， 整體就業(yè)水平產(chǎn)生正向變動； ②１６～２４ 歲青年群體就業(yè)受進口減少的影響低于總體水平（圖４ （ａ））。這表明在產(chǎn)生新增的勞動需求時， 企業(yè)更傾向于雇傭具有一定工作經(jīng)驗的勞動力而非初次進入勞動力市場的青年群體； ③在沖擊強度較低時， 低學歷青年與高校畢業(yè)生群體的就業(yè)水平變化率基本一致， 而在沖擊強度較高時，低學歷青年就業(yè)水平變化幅度更大， 總體而言， 低學歷青年就業(yè)水平對進口沖擊的敏感程度高于畢業(yè)生群體（圖４ （ｂ））。

對出口的沖擊結(jié)果顯示： ①出口的負面沖擊對總體就業(yè)水平產(chǎn)生負面影響（圖４ （ｃ））。與消費和投資類似， 出口的下降意味出口企業(yè)產(chǎn)量下降， 勞動力需求下降， 從而產(chǎn)生周期性失業(yè)； ②１６～２４ 歲青年群體就業(yè)受出口減少的影響高于總體水平（圖４ （ｃ））； ③低學歷青年就業(yè)水平的變動與總體就業(yè)水平的變動較為接近， 而畢業(yè)生群體則呈現(xiàn)出較高的就業(yè)變動， 并且隨著沖擊強度的增大， 該群體就業(yè)水平變動與總體就業(yè)水平變動之間的差距逐漸增大（圖４ （ｄ））。

２. ４ 模型檢驗

（１） 針對隨機性的穩(wěn)健性檢驗。為檢驗隨機性沖擊的穩(wěn)健性， 本文參考林晨等（２０２３）［２５］ 在研究漸進式市場化改革時的做法， 采用替換目標變量的方式進行穩(wěn)健性檢驗。由于不同勞動群體的勞動收入與該群體的就業(yè)水平相關(guān)， 且勞動收入能在一定程度上反映出勞動群體的就業(yè)質(zhì)量。因此， 本文選取不同勞動群體的勞動收入作為就業(yè)水平的替代變量， 針對就業(yè)水平變動較為顯著的結(jié)構(gòu)性沖擊與投資需求沖擊情景進行檢驗。

模擬結(jié)果顯示， 負向結(jié)構(gòu)性沖擊下， 各勞動群體的勞動收入均有所下降， 青年群體勞動收入的下降幅度高于總體水平， 且畢業(yè)生群體與低學歷青年勞動收入變化率相近（圖５ （ａ））； 負向投資性沖擊下， 總體勞動收入水平產(chǎn)生顯著的負向變動，而青年群體勞動收入變動幅度較小， 且畢業(yè)生群體勞動收入變動幅度低于畢業(yè)生群體（圖５ （ｂ））。結(jié)果表明， 在結(jié)構(gòu)性沖擊與投資需求沖擊下， 不同勞動群體勞動收入的變化情況與就業(yè)水平的變化情況基本一致， 故對就業(yè)的隨機沖擊具有穩(wěn)健性。

（２） 針對市場－政府尺度的宏觀閉合檢驗。為檢驗市場和政府在青年就業(yè)問題中發(fā)揮的作用。本文在ＩＦＰＲＩ－ＣＧＥ 模型中選取要素市場和投資儲蓄賬戶下不同的約束條件構(gòu)建宏觀閉合并計算檢驗指標的模擬值。ＩＦＰＲＩ－ＣＧＥ 模型中要素市場和投資儲蓄賬戶下不同的約束條件以及不同宏觀閉合的組合方式（未在文中列出， 留存?zhèn)渌鳎?。其中，關(guān)于要素市場的閉合條件均假定資本充分利用且能夠在部門間流動， 僅針對勞動力充分就業(yè)程度與流動性展開討論。

為檢驗各閉合條件與現(xiàn)實情況的接近程度， 本文選取青年群體失業(yè)率與該群體勞動收入兩個宏觀經(jīng)濟變量作為檢驗指標， 采用逼近于理想解的排序方法（Ｔｅｃｈｎｉｑｕｅ ｆｏｒ Ｏｒｄｅｒ Ｐｒｅｆｅｒｅｎｃｅ ｂｙ Ｓｉｍｉ?ｌａｒｉｔｙ ｔｏ Ｉｄｅａｌ Ｓｏｌｕｔｉｏｎ， ＴＯＰＩＳＩ）， 以現(xiàn)實沖擊結(jié)果作為正理想解， 以各個檢驗變量不發(fā)生變化為負理想解， 分別計算各個閉合方案對理想解絕對距離與接近程度。其中， 青年群體失業(yè)率以２０２０～２０２２ 年１６～２４ 歲人口調(diào)查失業(yè)率平均值作為正理想解， 即１５. ３４％； 青年群體勞動收入則以ＳＡＭ 表中青年群體勞動賬戶總收入作為正理想解。

表２ 顯示了不同宏觀閉合組合方案與理想解的絕對距離和接近程度。從絕對距離來看， 閉合Ｌ 與理想解的絕對距離最小， 這意味著勞動力非充分就業(yè)以及投資與政府消費在總吸收中的固定占比。而從接近程度來看， 閉合Ｆ 與理想解的接近程度最大， 這意味著勞動力非充分就業(yè)， 同時投資－儲蓄賬戶是投資決定型的。綜合絕對距離與接近程度來看， 勞動力的非充分就業(yè)以及投資決定儲蓄的投資儲蓄賬戶與新冠肺炎疫情沖擊后的實際情況更為符合。

上述結(jié)果顯示： （１） 在新冠肺炎疫情沖擊的大背景下， 市場均衡無法使青年勞動力市場出清，勞動力非充分就業(yè)是市場選擇的必然結(jié)果； （２）投資－儲蓄賬戶是投資決定型決定了中國仍然是投資拉動型經(jīng)濟， 因此， 依靠投資拉動的制造業(yè)依然是解決青年群體就業(yè)問題的中堅力量； （３）凱恩斯閉合下進行沖擊模擬結(jié)果最符合實際， 說明盡管民營經(jīng)濟在解決就業(yè)問題上具有一定積極作用， 但政府的宏觀調(diào)控作用更為重要。

換言之， 上述結(jié)論驗證了本文在凱恩斯閉合下進行沖擊模擬的合理性， 也說明青年勞動力市場存在勞動需求不足以及非自愿失業(yè)的問題。因此， 實施針對性就業(yè)政策， 發(fā)揮政府的重要調(diào)節(jié)作用， 對于紓解青年群體就業(yè)困難具有重要性和有效性。

３ 政策選擇與模擬

３. １ 政策匯總與選擇

自２０１９ 年末新冠肺炎疫情暴發(fā)以來，中央和地方政府始終重視疫情背景下的就業(yè)與民生。２０２０～２０２３ 年， 國家先后出臺了一系列就業(yè)幫扶政策，旨在穩(wěn)固就業(yè)， 激活市場， 保障民生。

表３ 顯示了新冠肺炎疫情以來主要就業(yè)政策的匯總與分類?？傮w來看， 針對新冠肺炎疫情發(fā)展的各個階段以及政策的作用對象和實施目標， 這一期間的就業(yè)政策大致可以劃分為失業(yè)保障類、穩(wěn)崗減負類、擴崗優(yōu)化類３ 種類型。表３ 中三類就業(yè)政策分別在新冠肺炎疫情沖擊的短期、中期以及疫后經(jīng)濟恢復(fù)的長期對于提振就業(yè)、保障民生具有重要意義。因此， 本文在此基礎(chǔ)上， 選擇三類主要政策類別下的代表政策作為政策變量， 模擬各類政策對１６～２４ 歲青年群體的就業(yè)影響。

３. ２ 政策效果模擬

本文在ＣＧＥ 模型中分別模擬失業(yè)補貼、企業(yè)資助以及擴崗補助３ 種就業(yè)政策對不同勞動群體就業(yè)水平的提振作用。其中， 失業(yè)補貼是指給失業(yè)人員發(fā)放救助金， 相當于提高勞動者的閑暇價值， 可以通過均衡的工資水平（ＷＦｆ ）進行衡量； 企業(yè)資助是指降低企業(yè)用工成本， 可以通過企業(yè)所得稅率（ｔａ ）的降低模擬； 擴崗補助是指為企業(yè)創(chuàng)造新崗位提供支持， 反應(yīng)為企業(yè)增加值稅率（ｔｖａ ）的下降③。

（１） 就業(yè)補貼。表４ 顯示了在失業(yè)補貼政策下， 閑暇價值分別上升１０％、２０％、３０％、４０％的情景下補貼勞動群體就業(yè)水平較基準情形的變動情況。結(jié)果顯示， 在上述４ 種情景下， 總體勞動力就業(yè)水平分別下降１. ８４％、３. ６３％、５. ３６％、７. ０４％，這意味著雖然失業(yè)補貼通過直接予以失業(yè)人員幫扶提高了其生活水平， 但變相提高了企業(yè)雇傭工人的成本， 使得企業(yè)勞動需求下降， 對就業(yè)產(chǎn)生消極效果。失業(yè)補貼對１６～２４ 歲青年勞動力就業(yè)的影響高于總體水平， 這與企業(yè)在用工成本提高時傾向于先減少邊緣以及非熟練勞動力雇傭的特征事實相一致。也正因如此， 低學歷青年受制于本身較低的人力資本， 在用工成本提高的情景下更容易失去工作。

（２） 企業(yè)資助。表５ 顯示了在企業(yè)資助政策下， 企業(yè)所得稅率分別下降２５％、５０％、７５％、１００％的情景下不同勞動群體就業(yè)水平較基準情形的變動情況。結(jié)果顯示， 在以上４ 種情景下， 總體勞動力就業(yè)水平分別上升１. ８７％、３. ７４％、５. ６２％、７. ５１％， 說明企業(yè)資助政策能夠通過降低企業(yè)用工成本提高企業(yè)利潤， 刺激企業(yè)勞動需求， 從而對各勞動群體就業(yè)產(chǎn)生提振作用， 并且就業(yè)水平變化與補貼力度呈現(xiàn)出正相關(guān)關(guān)系。分群體來看，企業(yè)資助對１６～２４ 歲青年勞動力就業(yè)的提振作用高于總體水平， 并且二者差值隨補貼力度的增加而逐漸增大， 表明企業(yè)資助政策對１６～２４ 歲青年群體就業(yè)具有更強的提振作用。在青年群體內(nèi)部，企業(yè)資助對低學歷青年就業(yè)的提振作用高于畢業(yè)群體。

（３） 擴崗補助。表６ 顯示了在擴崗補助政策下， 企業(yè)生產(chǎn)的增加值稅率分別下降２５％、５０％、７５％、１００％的情景下不同勞動群體就業(yè)水平較基準情形的變動情況。結(jié)果顯示， 在上述４ 種情形下， 總體勞動力就業(yè)水平分別上升２. ９７％、５. ９８％、９. ０４％、１０. ０９％， 表明擴崗補助為企業(yè)創(chuàng)建新崗位， 雇傭特定群體工人提供資助與補貼， 在生產(chǎn)決策中激勵企業(yè)雇傭特定工人， 從而對就業(yè)水平提高產(chǎn)生促進作用。擴崗補助政策對１６～２４ 歲青年群體就業(yè)水平的提振作用高于總體水平。由于青年群體在技能水平與工作經(jīng)驗方面有所欠缺， 企業(yè)在創(chuàng)造崗位時往往偏好于雇傭熟練且有經(jīng)驗的員工。擴崗補助政策則針對雇傭特定群體對企業(yè)予以補助， 使企業(yè)有動機雇傭青年勞動力， 最終表現(xiàn)為擴崗補助政策對青年就業(yè)的提振作用更為明顯。在青年群體內(nèi)部， 擴崗補助對低學歷青年就業(yè)的提振作用高于畢業(yè)群體。

４ 研究結(jié)論與政策建議

本文從新冠肺炎疫情對勞動力市場的沖擊出發(fā)， 通過ＣＧＥ 模型模擬不同隨機性沖擊下各勞動群體尤其是青年群體的就業(yè)表現(xiàn)， 并模擬不同就業(yè)扶持政策對各勞動群體就業(yè)的影響， 最終得到以下研究結(jié)論：

（１） 新冠肺炎疫情通過摩擦性沖擊， 周期性沖擊、結(jié)構(gòu)性沖擊三條路徑對１６～２４ 歲青年群體就業(yè)產(chǎn)生影響。摩擦性沖擊造成的流動性受阻、周期性帶來的總需求下降以及結(jié)構(gòu)性沖擊帶來的產(chǎn)業(yè)結(jié)構(gòu)變化與人力資本錯配均對青年就業(yè)產(chǎn)生負面影響。其中， 青年群體對周期性沖擊尤其是投資需求沖擊的抵抗能力較強， 對摩擦性沖擊與結(jié)構(gòu)性沖擊的抵抗能力較弱。表明摩擦性沖擊與結(jié)構(gòu)性失業(yè)是青年調(diào)查失業(yè)率在新冠肺炎疫情期間始終居高不下的重要原因， 結(jié)構(gòu)性失業(yè)也是疫后該群體調(diào)查失業(yè)率依舊逆勢增長的一大癥結(jié)所在。

（２） 不同受教育水平的青年群體面對新冠肺炎疫情沖擊時的就業(yè)變動存在差異。畢業(yè)生群體在面對結(jié)構(gòu)性沖擊與投資需求沖擊時展現(xiàn)出更強的抵抗能力。而低學歷青年在面對消費沖擊與進出口沖擊時表現(xiàn)更好。這體現(xiàn)了較高的人力資本水平有利于勞動群體抵抗勞動力市場結(jié)構(gòu)性沖擊；也說明大量的低學歷青年失業(yè)是引起新冠肺炎疫情期間１６～２４ 歲人口調(diào)查失業(yè)率持續(xù)走高的不可忽視的重要因素。

（３） 政策效果方面， 新冠肺炎疫情期間的就業(yè)政策可以大致劃分為失業(yè)保障類、穩(wěn)崗減負類、擴崗優(yōu)化類３ 種類型。模擬結(jié)果顯示： 失業(yè)補貼在維持失業(yè)者生活水平的同時抑制了就業(yè)， 而企業(yè)資助與擴崗補助均體現(xiàn)出明顯的就業(yè)提振作用，在同等的政策力度下， 擴崗補助的政策效果優(yōu)于企業(yè)資助。在３ 種政策情景下， １６～２４ 歲青年群體的就業(yè)水平變動均高于總體水平， 表現(xiàn)出更強的政策敏感性， 同時低學歷青年就業(yè)對政策的敏感程度高于畢業(yè)生群體。

可以看出， 在面對大多數(shù)失業(yè)沖擊和就業(yè)扶持政策時， １６～２４ 歲青年群體表現(xiàn)出抵抗能力較弱但恢復(fù)能力較強的就業(yè)特點， 而這一特點在低學歷青年群體中更為突出。基于上述結(jié)論， 本文得到以下幾點政策啟示：

（１） 要充分發(fā)揮政府的宏觀調(diào)控作用， 短期工作與長期工作并舉。１６～２４ 歲青年群體的高失業(yè)是周期性因素與結(jié)構(gòu)性因素共同作用的結(jié)果。在短期內(nèi)要注重需求側(cè)對就業(yè)的拉動作用。深入實施擴大內(nèi)需戰(zhàn)略， 釋放消費潛力， 穩(wěn)定投資規(guī)模，暢通進出口渠道； 在長期中則須關(guān)注就業(yè)結(jié)構(gòu)性問題。加強高校教育的專業(yè)性與實踐性， 提高職業(yè)教育的覆蓋面與完成度， 做好教育體制與就業(yè)市場的銜接是紓解青年高失業(yè)問題的關(guān)鍵。

（２） 要重點關(guān)注低學歷青年的失業(yè)問題， 企業(yè)激勵與個人提升并重。針對其數(shù)量多、流動性強、人力資本低的特點， 對低學歷青年就業(yè)問題應(yīng)從企業(yè)和勞動者兩方面予以幫助。企業(yè)方面要給予相應(yīng)的擴崗補助以激勵企業(yè)開創(chuàng)新的合適崗位， 雇傭低學歷青年勞動者； 勞動者方面則應(yīng)重視技能培訓與就業(yè)幫扶， 充分發(fā)揮“干中學” 的關(guān)鍵作用， 暢通勞動者人力資本提升渠道， 提高勞動生產(chǎn)率， 增強求職能力。

（３） 要綜合運用各種就業(yè)政策的優(yōu)勢， 提振就業(yè)與保障民生并行。失業(yè)補貼對于保障民生有重要積極作用， 但同時應(yīng)當警惕失業(yè)補貼可能引起的失業(yè)問題。因此發(fā)放失業(yè)補貼時應(yīng)確保失業(yè)者鑒別、失業(yè)者登記、失業(yè)補貼申領(lǐng)等各環(huán)節(jié)工作落實無誤， 保證失業(yè)補貼能夠精準扶持重點失業(yè)群體。企業(yè)資助政策有助于降低企業(yè)用工成本，是提高企業(yè)生產(chǎn)積極性的有力舉措； 同時應(yīng)當重視擴崗補助政策在提振就業(yè)方面的重要作用， 通過降低特定勞動群體進入就業(yè)市場的門檻， 能夠有效解決特定群體的高失業(yè)問題。

注釋：

①本文在刻畫新冠肺炎疫情對就業(yè)的三類沖擊時， 僅針對單一類型的沖擊的結(jié)果進行討論， 即研究其他條件不變的情況下一種代理變量的變動對青年就業(yè)的影響。由于所選代理變量均為外生變量， 故在討論單一類型沖擊時各代理變量間不會相互干擾。

②政策信息參考政府信息公開平臺（ ｈｔｔｐｓ： ／ ／ ｗｗｗ．ｇｏｖ．ｃｎ／ ｚｈｅｎｇｃｅ／ｘｘｇｋ／ ｉｎｄｅｘ．ｈｔｍ）政策分類中勞動就業(yè)主題下的政策文件。

③本文在刻畫三類政策的作用效果時， 僅針對單一政策的作用效果展開研究。在凱恩斯閉合條件下， 工資水平ＷＦｆ 、企業(yè)所得稅率ｔａ 、企業(yè)增加值稅率ｔｖａ均為外生變量， 故在單一政策下各代理變量之間不會相互干擾。

參考文獻

［１］ 朱武祥， 張平， 李鵬飛， 等． 疫情沖擊下中小微企業(yè)困境與政策效率提升———基于兩次全國問卷調(diào)查的分析［ Ｊ］． 管理世界， ２０２０， ３６ （４）： １３～２６．

［２］ 蔡昉， 張丹丹， 劉雅玄． 新冠肺炎疫情對中國勞動力市場的影響———基于個體追蹤調(diào)查的全面分析［ Ｊ］． 經(jīng)濟研究，２０２１， ５６ （２）： ４～２１．

［３］ 張敏， 胡慧， 陳波． 公共衛(wèi)生事件沖擊下的就業(yè)政策效應(yīng)： 二元勞動力市場搜尋匹配視角［Ｊ］． 經(jīng)濟研究， ２０２２， ５７ （７）：６４～８３．

［４］ 鄭聯(lián)盛， 范云朋， 胡濱， 等． 公共衛(wèi)生危機對就業(yè)和工資的總量與結(jié)構(gòu)影響［Ｊ］． 財貿(mào)經(jīng)濟， ２０２１， ４２ （４）： １１５～１２９．

［５］ Ｂａｑａｅｅ Ｄ， Ｆａｒｈｉ Ｅ． Ｓｕｐｐｌｙ ａｎｄ Ｄｅｍａｎｄ ｉｎ Ｄｉｓａｇｇｒｅｇａｔｅｄ Ｋｅｙｎｅ?ｓｉａｎ Ｅｃｏｎｏｍｉｅｓ ｗｉｔｈ ａｎ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｔｈｅ ＣＯＶＩＤ－１９ Ｃｒｉｓｉｓ ［Ｊ］．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， ２０２２， １１２ （５）： １３９７～１４３６．

［６］ Ａｇｕｉａｒ Ｍ， Ｂｉｌｓ Ｍ， Ｃｈａｒｌｅｓ Ｋ Ｋ， ｅｔ ａｌ． Ｌｅｉｓｕｒｅ Ｌｕｘｕｒｉｅｓ ａｎｄ ｔｈｅ Ｌａｂｏｒ Ｓｕｐｐｌｙ ｏｆ Ｙｏｕｎｇ Ｍｅｎ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｐｏｌｉｔｉｃａｌ Ｅｃｏｎｏｍｙ，２０２１， １２９ （２）： ３３７～３８２．

［７］ 黃煒， 任昶宇， 周羿． 退休制度、勞動供給與收入消費動態(tài)［Ｊ］． 經(jīng)濟研究， ２０２３， ５８ （１）： １４１～１５７．

［８］ 鄒鐵釘， 殷偉策． 延遲退休、隔代照料與青年人就業(yè)［ Ｊ］．數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， ２０２３， ４０ （９）： １５７～１７７．

［９］ Ｋｅｋｒｅ Ｒ． Ｕｎｅｍｐｌｏｙｍｅｎｔ Ｉｎｓｕｒａｎｃｅ ｉｎ Ｍａｃｒｏｅｃｏｎｏｍｉｃ Ｓｔａｂｉｌｉｚａ?ｔｉｏｎ ［Ｊ］． Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃ Ｓｔｕｄｉｅｓ， ２０２３， ９０ （５）： ２４３９～２４８０．

［１０］ 張明志， 岳帥． 外部關(guān)稅變動對中國區(qū)域勞動力就業(yè)的影響［Ｊ］． 中國工業(yè)經(jīng)濟， ２０２２， （１）： １１３～１３１．

［１１］ 韓潤霖， 吳立元， 張航宇． 低技能勞動力流入與中國城市經(jīng)濟發(fā)展［Ｊ］． 世界經(jīng)濟， ２０２３， ４６ （１０）： １１５～１４４．

［１２］ Ｂｉｌａｌ Ａ． Ｔｈｅ Ｇｅｏｇｒａｐｈｙ ｏｆ Ｕｎｅｍｐｌｏｙｍｅｎｔ ［ Ｊ］． Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒ?ｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ， ２０２３， １３８ （３）： １５０７～１５７６．

［１３］ 顏色， 郭凱明， 杭靜． 中國人口紅利與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型［ Ｊ］．管理世界， ２０２２， ３８ （４）： １５～３３．

［１４］ 周亞虹， 楊嵐， 姜帥帥． 約束性碳減排與就業(yè)———基于企業(yè)和地區(qū)勞動力變化的考察［ Ｊ］． 經(jīng)濟研究， ２０２３， ５８ （７）：～１２０．

［１５］ 岳昌君， 邱文琪． 疫情防控常態(tài)化背景下高等學校畢業(yè)生就業(yè)狀況及影響因素［Ｊ］． 教育研究， ２０２２， ４３ （６）： ２８～４４．

［１６］ 劉金東， 唐詩涵． 勞動力市場沖擊下青年初次就業(yè)的疤痕效應(yīng)［Ｊ］． 財貿(mào)經(jīng)濟， ２０２３， ４４ （８）： １２７～１４１．

［１７］ Ｇｉｕｐｐｏｎｉ Ｇ， Ｌａｎｄａｉｓ Ｃ． Ｓｕｂｓｉｄｉｚｉｎｇ Ｌａｂｏｕｒ Ｈｏａｒｄｉｎｇ ｉｎ Ｒｅｃｅｓ?ｓｉｏｎｓ： Ｔｈｅ Ｅｍｐｌｏｙｍｅｎｔ ａｎｄ Ｗｅｌｆａｒｅ Ｅｆｆｅｃｔｓ ｏｆ Ｓｈｏｒｔ－ｔｉｍｅ Ｗｏｒｋ［Ｊ］． Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃ Ｓｔｕｄｉｅｓ， ２０２３， ９０ （ ４）： １９６３ ～２００５．

［１８］ 王貝貝， 陳勇兵， 李震． 減稅的穩(wěn)就業(yè)效應(yīng)： 基于區(qū)域勞動力市場的視角［Ｊ］． 世界經(jīng)濟， ２０２２， ４５ （７）： ９８～１２５．

［１９］ 張友國． 疫情對中國碳脫鉤進程的潛在影響———基于動態(tài)ＣＧＥ 模型的分析［Ｊ］． 中國軟科學， ２０２１， （８）： １９～２９．

［２０］ 吳先華， 曹詩語， 譚玲， 等． 基于動態(tài)ＣＧＥ 模型的ＣＯＶＩＤ－１９ 疫情災(zāi)害綜合經(jīng)濟損失評估研究［Ｊ］． 中國軟科學， ２０２０，（１２）： ３３～４４．

［２１］ 胡濱， 范云朋， 鄭聯(lián)盛． “新冠” 疫情、經(jīng)濟沖擊與政府干預(yù)［Ｊ］． 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， ２０２０， ３７ （９）： ４２～６１．

［２２］ 范金， 嚴斌劍， 坂本博． 隨機ＣＧＥ 模型研究述評［ Ｊ］． 中國管理科學， ２００９， １７ （５）： １８３～１９２．

［２３］ 劉元生， 張?zhí)K皖， 李建軍． 中國增值稅區(qū)域間橫向分配的經(jīng)濟效應(yīng)： 基于多區(qū)域ＣＧＥ 模型的分析［Ｊ］． 經(jīng)濟研究， ２０２４，５９ （１）： １１１～１２８．

［２４］ Ｚｈａｉ Ｆ， Ｈｅｒｔｅｌ Ｔ． Ｉｍｐａｃｔｓ ｏｆ ｔｈｅ Ｄｏｈａ Ｄｅｖｅｌｏｐｍｅｎｔ Ａｇｅｎｄａ ｏｎ Ｐｅｏｐｌｅｓ Ｒｅｐｕｂｌｉｃ ｏｆ Ｃｈｉｎａ： Ｔｈｅ Ｒｏｌｅ ｏｆ Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｅｄｕｃａ?ｔｉｏｎ Ｒｅｆｏｒｍｓ ［Ｒ］． ＥＲＤ Ｗｏｒｋｉｎｇ Ｐａｐｅｒ Ｓｅｒｉｅｓ， ２００５．

［２５］ 林晨， 陳榮杰， 徐向宇． 漸進式市場化改革、產(chǎn)業(yè)政策與經(jīng)濟增長———基于產(chǎn)業(yè)鏈的視角［Ｊ］． 中國工業(yè)經(jīng)濟， ２０２３， （４）：４２～５９．

（責任編輯： 張舒逸）