失業(yè)保險制度對失業(yè)者再就業(yè)影響的實證分析

摘要：失業(yè)保險制度的主旨是保障失業(yè)人員失業(yè)期間基本生活，失業(yè)保險制度落實與否對失業(yè)者再就業(yè)行為具有一定影響。為了解失業(yè)保險制度對失業(yè)者再就業(yè)的影響，本文應用模型法，基于我國2019年—2023年30個省、自治區(qū)和直轄市的數(shù)據(jù)，通過加入經(jīng)濟增長率、第三產(chǎn)業(yè)勞動者集中度等控制變量，構建失業(yè)保險制度影響失業(yè)者再就業(yè)的PanelData模型，發(fā)現(xiàn)失業(yè)保險制度對失業(yè)者再就業(yè)的正面作用顯著。因此，各地應推進失業(yè)保險制度的落實實施，充分發(fā)揮其對失業(yè)者再就業(yè)的促進作用。

關鍵詞：失業(yè)保險制度；失業(yè)者；再就業(yè)影響

前言

在當前就業(yè)市場形勢日益嚴峻的新時期，勞動者技能與企業(yè)需求之間的不匹配，以及失業(yè)人數(shù)的增加與勞動力缺口的擴大之間的矛盾變得越來越明顯，使得失業(yè)者重新就業(yè)的問題變得尤為突出。大量失業(yè)人員的存在極有可能對社會經(jīng)濟的發(fā)展產(chǎn)生負面影響。失業(yè)保險制度旨在為失業(yè)者在失業(yè)期間提供基本生活保障，它在一定程度上可以影響失業(yè)者的再就業(yè)過程。因此，對失業(yè)保險制度如何影響失業(yè)者再就業(yè)進行實證分析，具有極其重要的意義。

一、失業(yè)保險制度對失業(yè)者再就業(yè)影響的變量選取

（一）被解釋變量

失業(yè)者再就業(yè)率是失業(yè)者再就業(yè)水平的主要判定依據(jù)，可以作為失業(yè)者再就業(yè)水平的評估指標。因此，設定被解釋變量為失業(yè)者再就業(yè)率。失業(yè)者再就業(yè)率的計算方式如下：

式（1）中，K為失業(yè)者再就業(yè)率；Z2為本年失業(yè)者就業(yè)人數(shù)；Z1為上年末結(jié)轉(zhuǎn)登記失業(yè)者數(shù)量；Z0為本年新登記失業(yè)者數(shù)量。

（二）解釋變量

解釋變量為失業(yè)保險制度的實施，失業(yè)保險制度的實施情況可以通過失業(yè)保險基金支出進行衡量。

（三）控制變量

根據(jù)奧肯定律，經(jīng)濟每增長3%，失業(yè)率下降1%，失業(yè)者所在地區(qū)的經(jīng)濟增長速度對失業(yè)保險制度以及失業(yè)者再就業(yè)具有一定影響。同時，經(jīng)濟增長是吸納再就業(yè)的基石，隨著經(jīng)濟水平的上升，就業(yè)崗位持續(xù)增加，失業(yè)者再就業(yè)積極性增強，失業(yè)者再就業(yè)水平隨之變化。因此，將區(qū)域經(jīng)濟增長率作為失業(yè)保險制度對失業(yè)者再就業(yè)影響的一個控制變量，區(qū)域經(jīng)濟增長率為本年度GDP較上年度GDP增長值占上年度GDP增長值的百分比[1]。

在當前宏觀就業(yè)形勢趨于緊張的環(huán)境下，失業(yè)者個人的綜合素質(zhì)成為影響其成功再就業(yè)的關鍵因素，這涵蓋了他們的教育背景、工作經(jīng)驗積累、職業(yè)培訓參與度以及身體健康狀況等多個方面。通常，那些擁有更高學歷、豐富工作經(jīng)驗、積極參與職業(yè)培訓并保持良好健康狀態(tài)的失業(yè)者，在再就業(yè)市場上往往擁有更多的機遇。然而，考慮到個人素質(zhì)的多樣性與難以精確量化，我們在探討失業(yè)保險制度對失業(yè)者再就業(yè)的影響時，并未將其作為一個直接的控制變量來考量，而是更加注重如何通過提升服務與支持，幫助所有失業(yè)者增強自身競爭力，從而更好地融入就業(yè)市場[2]。

依據(jù)配第—克拉克定理，隨著經(jīng)濟的持續(xù)增長和人均國民收入的不斷提升，三次產(chǎn)業(yè)的國民產(chǎn)出和勞動力分布將發(fā)生相應的變化。在發(fā)展初期，第一產(chǎn)業(yè)的產(chǎn)出和對失業(yè)者的就業(yè)吸納占據(jù)主導地位。隨著經(jīng)濟進入中期階段，產(chǎn)業(yè)重心轉(zhuǎn)向第二產(chǎn)業(yè)。而在后期，隨著經(jīng)濟的進一步發(fā)展，產(chǎn)業(yè)重心則轉(zhuǎn)移到第三產(chǎn)業(yè)。第三產(chǎn)業(yè)的勞動力集中程度與失業(yè)者的再就業(yè)之間存在一定的關聯(lián)性[3]。因此，可以將區(qū)域第三產(chǎn)業(yè)勞動力集中程度作為評估失業(yè)保險制度對失業(yè)者再就業(yè)影響的一個控制變量，其中第三產(chǎn)業(yè)勞動力集中程度是指第三產(chǎn)業(yè)增加值占總GDP的比重。

二、失業(yè)保險制度對失業(yè)者再就業(yè)影響的模型構建與研究樣本

（一）樣本數(shù)據(jù)來源

從2019年至2023年，將30個省、自治區(qū)、直轄市（不考慮西藏地區(qū)、港澳臺地區(qū)）作為樣本來源，收集《中國勞動統(tǒng)計年鑒》中關于上年末結(jié)轉(zhuǎn)登記失業(yè)人員、本年末失業(yè)人員就業(yè)人數(shù)、本年新登記失業(yè)人員數(shù)量、失業(yè)保險基金支出等數(shù)據(jù)。同時，收集2019年到2023年《中國統(tǒng)計年鑒》內(nèi)包含中國30個省、自治區(qū)、直轄市（不考慮西藏地區(qū)、港澳臺地區(qū)）的生產(chǎn)總值、第三產(chǎn)業(yè)增加值以及GDP增長率[4]。

（二）研究假說

失業(yè)保險制度是為失業(yè)者提供基本生活保障的制度，其可健全失業(yè)保險服務體系，整合失業(yè)救濟、職業(yè)培訓、職業(yè)介紹，幫助失業(yè)者再就業(yè)。因此，做出假設：失業(yè)保險制度的實施可以正面促進失業(yè)者再就業(yè)[5]。

（三）模型構建

因樣本時間跨度較短，單純采用時間序列模型分析，多變量引入后可能出現(xiàn)回歸結(jié)果不顯著問題。同時考慮30個省、自治區(qū)、直轄市覆蓋面積廣闊，經(jīng)濟發(fā)展差異顯著，直接選擇全國性綜合數(shù)據(jù)無法突顯省份之間的區(qū)別。即便補充橫截面數(shù)據(jù)，僅可彌補時間序列關于各身份之間的區(qū)別，無法全方位動態(tài)視角描述特定時段失業(yè)保險制度實施過程中失業(yè)者再就業(yè)的變化趨勢。因此，引入針對多時刻截面?zhèn)€體的多維時間序列數(shù)據(jù)模型——PanelData模型，面對30個省、自治區(qū)、直轄市的失業(yè)者再就業(yè)樣本數(shù)據(jù)與失業(yè)保險制度實施信息，構造可連續(xù)觀測真實行為的模型。失業(yè)保險制度對失業(yè)者再就業(yè)影響的模型如下：

式（2）中，i表示截面樣本數(shù)量，i=30，特定個體不隨時間變化而變化，存在無法直接觀測且難以量化的因素，即個體響應，本次研究將個體視為隨機因素，假定全部個體的截距項一致，隨機干擾項設定是個體差異的主要反應；t為時間樣本數(shù)，t=1，2，……1T；c為常數(shù)項；b1、b3、b3為修正因子；Zit為t年i省份的失業(yè)者再就業(yè)率；S為失業(yè)保險制度實施過程中的基金支出；D為第三產(chǎn)業(yè)勞動力集中度；J為經(jīng)濟增長率；vit為t年i省份失業(yè)保險制度共線性程度。根據(jù)式（2），設置虛擬變量，控制非觀測效應的個體差異，并結(jié)合不同橫截面單元若干時間觀測值，規(guī)避解釋變量之間共線性對估計效果有效性與自由度的影響。同時，重復觀察同一截面單元集，探明失業(yè)保險制度下失業(yè)者再就業(yè)行為變化的動態(tài)性。

三、失業(yè)保險制度對失業(yè)者再就業(yè)影響的實證檢驗與討論

（一）面板單位根檢驗

為檢驗面板數(shù)據(jù)中單位根存在性、判定數(shù)據(jù)平穩(wěn)性，依托式（2）構建的模型，利用LLC（LagrangeMultipliertestforaUnitRoot）檢驗、IPS（ImPesaranShin）檢驗、Breitung檢驗、PP（Phillips-Perron）-Fisher檢驗、ADF（AugmentedDickey-Fuller）-Fisher檢驗等幾種單位根檢驗方法，對面板中30個省、自治區(qū)、直轄市數(shù)據(jù)開展平穩(wěn)性檢驗，確保估計結(jié)果平穩(wěn)有效性，從根本上規(guī)避偽回歸問題。檢驗結(jié)果見表1。

表1中，***表明在1%的水平下通過顯著性檢驗，**表明在5%的水平下通過顯著性檢驗。根據(jù)表1，被解釋變量失業(yè)者再就業(yè)率未通過Breitung檢驗，通過LLC、IPS、PP-Fisher、ADF-Fisher檢驗，且在1%的水平下顯著；解釋變量失業(yè)保險制度實施未通過PP-Fisher檢驗、ADF-Fisher檢驗，通過IPS檢驗且在5%水平下顯著，通過LLC、Breitung檢驗且在1%水平下顯著；控制變量第三產(chǎn)業(yè)勞動力集中度未通過IPS、PP-Fisher檢驗，通過LLC檢驗且在5%水平下顯著，通過Breitung檢驗、ADF-Fisher檢驗且在1%水平下顯著；控制變量經(jīng)濟增長率通過LLC、IPS、PP-Fisher、ADF-Fisher檢驗與Breitung檢驗，且均在1%水平下顯著。表明被解釋變量失業(yè)者再就業(yè)率、解釋變量失業(yè)保險制度實施與控制變量第三產(chǎn)業(yè)勞動力集中度、經(jīng)濟增長率均較為平穩(wěn)，面板數(shù)據(jù)不存在單位根，具備直接回歸條件。

（二）回歸結(jié)果討論

在統(tǒng)計軟件STATA18.0中，檢驗PanelData模型的適用估計形式，在判斷pooled（混合效應模型）、REM（隨機效應模型）、FEM（固定效應模型）的基礎上，根據(jù)隨機效應模型，將個體效應視為可隨時間變化而變化的隨機因素，對PanelData模型中的解釋變量失業(yè)保險制度實施、控制變量第三產(chǎn)業(yè)勞動力集中度和經(jīng)濟增長率，進行全國30個省、自治區(qū)、直轄市面板數(shù)據(jù)的回歸，回歸結(jié)果見表2。

表2中，LM值是線性回歸模型中的殘差平方和（隨機誤差的方差），本次分析用于檢驗PanelData模型中重要解釋變量——失業(yè)保險制度實施，用拉格朗日乘數(shù)檢驗的統(tǒng)計量；Wald值是評估解釋變量失業(yè)保險制度實施對被解釋變量失業(yè)者再就業(yè)的影響是否顯著，主要檢驗回歸模型中解釋變量失業(yè)保險制度實施系數(shù)是否顯著不為零的統(tǒng)計量；c用于評估PanelData模型擬合優(yōu)劣，通過計算包含PanelData模型參數(shù)數(shù)量與擬合誤差指標獲得。再以解釋變量失業(yè)保險制度實施為基礎，加入控制變量，進行回歸分析得出：解釋變量失業(yè)保險制度實施的系數(shù)均為正，經(jīng)濟增長率的系數(shù)均為正，控制變量第三產(chǎn)業(yè)勞動力集中度的系數(shù)有正有負。表明失業(yè)保險制度實施、經(jīng)濟增長對失業(yè)者再就業(yè)率具有較為突出的正向影響，第三產(chǎn)業(yè)勞動力集中度對失業(yè)者再就業(yè)的影響不確定且不顯著，假設成立。

四、總結(jié)

失業(yè)保險制度實施對全國失業(yè)者再就業(yè)具有突出的正面促進作用，經(jīng)濟增長率、第三產(chǎn)業(yè)勞動力集中度均對全國30個省、自治區(qū)、直轄市的失業(yè)者再就業(yè)具有影響，其中經(jīng)濟增長率對失業(yè)者再就業(yè)的正面作用較為顯著，第三產(chǎn)業(yè)勞動力集中度對失業(yè)者再就業(yè)的影響較弱?；诖?，建議各省份適應經(jīng)濟增長步伐，持續(xù)完善失業(yè)保險制度，提高失業(yè)保險基金支出水平，促進失業(yè)者再就業(yè)。

參考文獻：

[1]孟超.經(jīng)濟新常態(tài)下失業(yè)保險促進就業(yè)策略[J].合作經(jīng)濟與科技，2023（21）：86-87.

[2]遠璐琪.促進就業(yè)視角下吉林省失業(yè)保險制度研究[D].長春工業(yè)大學，2023.

[3]邱含笑.福州市失業(yè)保險政策促進就業(yè)的成效研究[D].福建農(nóng)林大學，2023.

[4]史浩鉞.新就業(yè)形態(tài)勞動者失業(yè)保險規(guī)范構建研究[D].蘭州理工大學，2023.

[5]思墨.H市失業(yè)保險制度運行研究[D].內(nèi)蒙古農(nóng)業(yè)大學，2022.

（作者簡介：崔冰冰，曲阜市人力資源和社會保障局社會保險事業(yè)中心高級經(jīng)濟師。）