中国就业与经济增长城镇化水平之间的关系研究

中国就业与经济增长、城镇化水平之间的关系研究----------基于1978年-2009年数据重庆大学姚桂霞、张玉书、叶剑英摘要:近年来，在中国城镇化加速发展和经济增长的同时，就业形势也发生着某些改变，本文利用改革开放以来（1978-2009）32年的数据资料，基于协整理论、误差修正模型和Granger因果检验理论，对中国就业与经济增长和城镇化水平之间的关系进行了对比及综合分析，结果表明，就业与城镇化水平之间存在着一定的均衡关系，城镇化促进了就业，而经济增长相对而言对就业的影响比较小，在此基础上本文对中国就业与城镇化和经济增长的调控政策提出了具有前瞻性的政策性建议。其数据来源于《中国统计年鉴》，数据主要应用马克威系统软件进行分析。关键词：就业；城镇化；经济增长；协整检验；误差修正模型一、引言改革开放三十多年来，中国的城镇人口已从1978年的17245万人增加到2009年的62186万人，城镇化水平（城镇人口占总人口的比重）由1978年的17.92%提高到2009年的46.59%。经济增长GDP由1978年的3645.217亿元提高到2009年的343464.69亿元，平均增长率为9.5％。而我国的就业人数从1978年的40152万人2009年的77995万人。经济增长与就业的关系是宏观经济学的核心内容，处理好这二者的关系，是一个国家宏观调控的主要任务，关系到国家经济能否持续、稳定、协调地发展。城镇化与就业结构调整均是现阶段中国经济、社会发展的重点内容。经济增长与就业、城镇化水平与就业之间的关系已引起专家、学者的广泛关注。但就目前研究成果而言，大多集中在中国城镇化的路径、模式研究和城镇化与经济增长之间的关系研究，虽然有文章在研究经济增长与就业、城镇化水平与就业之间的关系，但很少有人把两者结合起来来分析对就业的影响，笔者在本文中就经济增长、城镇化水平综合对就业的影响作了实证分析，对中国从1978年到2009年以2来经济增长、城镇化水平与就业的关系进行比较和综合分析！从而对于缓解当前的就业压力,促进社会的和谐发展具有重要的意义。为此,本文根据统计年鉴的有关统计数据,建立协整模型,就三者之间的关系进行了分析和研究,为解决当前的就业问题提供参考建议。下面是就业、经济增长和城镇化水平取对数后的趋势图：图1中国就业与城镇化之间的关系024681012135791113151719212325272931年份（1978-2009）城镇人口比重取常用对数就业总人数取常用对数图2中国就业与经济增长之间的关系02468101214135791113151719212325272931年份（1978-2009）GDP取常用对数就业人数取常用对数从图中可以大致看到城镇化对就业的影响更大，成一定的正相关关系，而经济增长与就业之间没有明显的相关关系，他们虽然都成增长趋势，但是它们的增长趋势不一致。二、模型设定在研究就业与经济增长、城镇化水平之间的关系时，需要考虑到以下几个方面：1、用经济增长、城镇化水平去衡量就业，就业用每年的就业人口去衡量，即每年年末的在岗人数。城镇化水平用城镇人口占总人口的比重（百分比×100）刻画，经济增长用中国国内生产总值即GDP来衡量。选定用就业人口作为被解释变量（Y），经济增长（X1）和城镇化水平（X2）作为解释变量，提出如下假设：31)经济增长对就业具有正影响作用。2)城镇化水平对就业具有正影响作用。3)经济增长和城镇化水平具有一定的因果关系，可共同对经济增长有正的影响作用。2、数据性质的选择和收集考虑到中国经济政策的变化，选择了改革开放以来32年的时间序列数据，为了消除时间序列中的异方差的现象，考虑到自然对数不改变变量的长期关系，并使其趋势线性化，所以对就业人口、GDP和城镇化水平都取自然对数，分别用LNY、LNX1和LNX2表示，数据用马克威系统软件进行处理。对三组数据进行平稳性检验，即单位根检验，本文采用ADF（AugmentDickey-Fuller）检验，检验结果如表1。检验结果表明：LNY、LNX1和LNX2在10%显著水平下均存在单位根，为非平稳序列，但经过一阶差分后均不存在单位根，变为平稳序列，所以LNY、LNX1和LNX2都是一阶单整序列，即都为I(1)，因此他们之间应该存在一个平稳的线性组合。表1LNY、LNX1和LNX2的ADF检验序列ADF检验值临界值（10%）检验类型(c,t,p)结论LNY-2.4291-2.6000(c,0,3)非平稳LNX1-1.1948-2.6000(c,0,0)非平稳LNX2-1.2566-2.6000(c,0,0)非平稳DLNY-4.9453-2.6000(c,0,3)平稳DLNX1-3.4787-2.6000(c,0,0)平稳DLNX2-3.9042-2.6000(c,0,0)平稳其中，c为常数项，t为常数项，p为滞后阶数。根据1中的三条假设和前面理论框架的研究，建立如下形式的回归模型：010111012011221:12:ttttHLNYLNXuHLNYLNXLNXLNXLNYLNXLNX4三、模型的求解1就业与GDP的相关分析协整检验由前文ADF检验可知，序列LNY和LNX1为一阶单整列，满足协整检验的前提条件。利用最小二乘法（OLS）,定量确定LNY和LNX1之间的方程如下：9.500450.1453661LNYLNX。表2LNY与LNX1回归分析（OLS）参数估计系数系数标准误t-统计量P值C9.50050.0805118.0868-0.0000LNX10.14540.007619.09410.0000相关统计量表参数名数值参数名数值R平方0.9240对数似然值44.9652修正后的R平方0.9214F值182.2931回归标准误差0.0613P值0.0000残差平方和0.1128DW统计量0.2403AIC-2.6853因变量均值11.0226SC-2.5937因变量标准差0.2187从以上数据测试结果可以看出在OLS意义下，就业与经济之间有明显的线性关系。为了做协整检验，还需对其上述回归方程产生的残差做单位根检验。结果如下：（无常数项和趋势项，滞后阶数：1）残差检验统计量-1.7489临界值(水平10%)-1.6100在临界值10%水平以内，虽然检验统计量的值比起临界值不是足够的小，说明就业与经济增长之间的协整关系不是很显著，但还是通过了检验，说明协整关系存在，即两者之间存在长期均衡关系，但是否存在因果关系，为此利用Granger因果检验解决此问题。Granger因果检验如果变量X有助于预测Y，即根据Y的过去值对Y进行回归时，如果再加上X的过去值，能够显著地增强回归的能力，则称X是Y的Granger原因，否则称为非Granger原因。就业与经济之间虽然存在一个协整关系，根据Granger检验5原理无需采用他们的差分形式来进行检验，即直接用两个序列即可,检验结果如表3。表3LNY与LNX1因果检验（滞后阶数：2）原假设样本数F统计量P值LNY不能Granger引起LNX1303.66460.0402LNX1不能Granger引起LNY0.18760.8301结果表明经济增长是引起就业增加的原因，但也不能否定就业增长不是经济增长的Granger原因。误差修正模型误差修正模型(ErrorCorrectionModel,简记为ECM)是一种具有特定形式的计量经济学模型,是由Engle和Granger于1987年提出的。ECM的基本思想是,大多数经济时间序列具有一种长期的均衡关系是因为有一种调节机制———误差修正机制在起作用,防止了长期均衡关系出现较大误差。通过以上分析，就业与经济增长之间存在协整关系，为了防止长期均衡关系出现误差，用误差修正模型作为其调节机制。直接用马克威软件中的误差修正模型，选择误差修正方程有常数无趋势，滞后阶数为1阶。得到协整关系：9.04140.18981LNYLNX而修正模型如下：0.03740.084110.1366(1)0.08371(1)0.0994(1)DLNYDLNYXDLNYDLNXECM其中，9.04140.18981ECMLNYLNX。表4LNY与LNX1误差修正拟和检验准则检验准则取值SBC-9.8000FPE-9.9852对数似然(Loglikelihood)120.4315决定残差协方差(DRC)0.0000调整的决定残差协方差(DRC)0.0000赤池信息量(AIC)-7.3621施瓦茨信息量(SC))-6.8950由上表中的对数似然准则、赤池信息量(AIC)和施瓦茨信息量(SC))可以看出看出，这些数据不是足够的小，也就是说，经济增长对就业的影响不是非常的显著。62就业与城镇化水平的相关分析协整检验利用最小二乘法（OLS）,定量确定LNX2、LNY之间的协整关系如下：8.593960.7171662LNYLNX。表5LNY与LNX2回归分析（OLS）参数估计系数系数标准误t-统计量P值C8.59400.166351.6823-0.0000LNX20.71720.048914.65580.0000相关统计量表参数名数值参数名数值R平方0.8774对数似然值37.3265修正后的R平方0.8734F值107.3967回归标准误差0.0778P值0.0000残差平方和0.1818DW统计量0.1524AIC-2.2079因变量均值11.0226SC-2.1163因变量标准差0.2187残差检验如下：（无常数项和趋势项，滞后阶数：5）残差检验统计量-1.9884临界值(水平10%)-1.6100结论说明LNY与LNX2之间在临界值为10%时存在协整关系，即CI(1,1).相比较经济增长而言，城镇化水平对就业的影响更大一些，更能拉动就业。Granger因果检验表6LNY与LNX2因果检验（滞后阶数：2）原假设样本数F统计量P值LNY不能Granger引起LNX2300.26470.7695LNX2不能Granger引起LNY0.95800.3973结果表明城镇化水平是引起就业增加的原因，但也不能否定就业增长不是城镇化水平发展快慢的Grange原因。误差修正模型通过以上分析，就业与城镇化水平之间存在协整关系，为了防止长期均衡关系出现误差，用误差修正模型作为其调节机制。直接用马克威软件中的误差修正模型，选择误差修正方程有常数无趋势，滞后阶数为1阶。7协整关系：10.60240.12582LNYLNX修正模型：0.04060.053220.1347(1)0.52012(1)0.0847(1)DLNYDLNXDLNYDLNXECM其中，10.60240.12582ECMLNYLNX。表7LNY与LNX2误差修正拟和检验准则检验准则取值SBC-11.1922FPE-11.3774对数似然(Loglikelihood)162.1977决定残差协方差(DRC)0.0000调整的决定残差协方差(DRC)0.0000赤池信息量(AIC)-10.1465施瓦茨信息量(SC))-9.67943就业与经济增长、城镇化水平的相关分析经济增长与城镇化水平的因果分析表8LNX1与LNX2因果检验（滞后阶数：2）原假设样本数F统计量P值LNX2不能Granger引起LNX1301.30230.2897LNX1不能Granger引起LNX2303.72730.0383Granger因果分析表明城镇化水平与经济增长不存在双向因果关系。协整检验利用最小二乘法（OLS）,定量确定LNY与LNX1、LNX2之间的方程如下：9.790230.18703110.2144022LNYLNXLNX表9LNY与LNX1、LNX2回归分析（OLS）参数估计系数系数标准误t-统计量P值C9.79020.301932.4298-0.0000LNX10.18700.04254.39820.0001LNX2-0.21440.2153-0.99590.3