張蔚文　卓何佳　董照櫻子

摘要 新冠疫情爆發(fā)導致人口流動被迫中斷，致使近年來頻頻發(fā)生的節(jié)后“用工荒”問題變得愈加突出。為了解決用工短缺的問題， 地方政府爭相出臺政策爭搶外來務工人員，以期盡快實現(xiàn)復工復產(chǎn)。在此背景下，本文重新審視了快速城鎮(zhèn)化進程與相對滯后的戶 籍制度改革之間的矛盾，從人口流動視角，反思“用工荒”現(xiàn)象及其背后折射出的農(nóng)民工尚未完全融入城市生活的問題，并討論短期 政策解決勞動力供求矛盾的有效性。在搜集和整理疫情期間366個地級以上城市推動企業(yè)復工復產(chǎn)系列政策共計505份的基礎上， 本文首先利用百度遷徙大數(shù)據(jù)刻畫春節(jié)期間城市間的人口流動情況和城市內部的復工復產(chǎn)情況;其次使用雙重差分（DID）模型，檢 驗人口流動對復工復產(chǎn)的影響，以及復工政策在其中所起的作用。研究結果表明，春節(jié)期間人口凈流出地區(qū)更容易遭遇勞動力短缺 問題，進而對復工復產(chǎn)造成負面影響;復工政策的出臺有助于復工復產(chǎn)的推進，但政策數(shù)量并不會明顯影響城市的復工情況;并且，隨 著城市人口凈流出規(guī)模的遞增，政策對復工復產(chǎn)的積極作用逐漸消失。因此，政策有效性的大小并不取決于政策數(shù)量，政策數(shù)量也不 一定是越多越好，同時，政策無法完全消除由人口凈流出造成的勞動力短缺問題對復工復產(chǎn)的負面影響。因此，要從根本上緩解節(jié)后 “用工荒”問題，不能僅僅依靠短期的扶持政策，更需要通過深化戶籍制度改革，推進包容性城市建設，從身份、觀念、權利等方面幫助 農(nóng)民工群體完全融入城市生活，實現(xiàn)農(nóng)業(yè)轉移人口高質量市民化，真正實現(xiàn)農(nóng)業(yè)轉移人口“進得來，留得下”。

關鍵詞 新冠肺炎;流動人口;復工復產(chǎn);復工政策;用工荒

中圖分類號 F205 文獻標識碼 A 文章編號 1002 -2104（2020）06 -0029 -11 C913 D01：10.12062/cpre.20200502

改革開放以來，中國城鎮(zhèn)化與工業(yè)化進程快速推進， 原本嚴格的人口流動限制逐漸放松，大量農(nóng)村剩余勞動力 開始在城鄉(xiāng)、區(qū)域間流動，為經(jīng)濟發(fā)展帶來了巨大的人口 紅利。國家統(tǒng)計局相關數(shù)據(jù)顯示，截至2019年末，我國農(nóng) 民工總數(shù)已超過2. 9億人⑴。在現(xiàn)行統(tǒng)計口徑下，只有戶 籍在農(nóng)村、且在本地從事非農(nóng)產(chǎn)業(yè)或外出從業(yè)6個月及以 上的勞動者才被計算為農(nóng)民工，因此，我國實際農(nóng)民工數(shù) 量可能更為龐大。盡管如此，近年來“用工荒”現(xiàn)象仍屢 見報端，甚至部分中西部地區(qū)也出現(xiàn)了用工短缺情況[2]o 2020年初，新冠肺炎疫情的爆發(fā)打破了春運這一人口季 節(jié)性流動閉環(huán)，造成大量人員無法按計劃返回居住地或工 作地，這導致往年春節(jié)前后涌現(xiàn)的“用工荒”現(xiàn)象在今年 愈發(fā)凸顯⑶。為了解決用工短缺問題，各地政府爭相出臺 系列優(yōu)惠政策，以期推動企業(yè)復工復產(chǎn)?；诖耍疚膹?人口流動視角重新審視和探討長期存在的“用工荒”現(xiàn) 象。筆者在搜集和整理疫情期間推動企業(yè)復工復產(chǎn)相關 政策的基礎上，首先利用百度遷徙數(shù)據(jù)，刻畫各城市春節(jié) 期間人口流動規(guī)模及其引起的勞動力供給變化，測算節(jié)后 各城市復工復產(chǎn)情況;其次，構建DID模型檢驗人口流動 對復工復產(chǎn)的影響，以及復工政策的實施在其中所起的作 用，進一步探討如何利用短期政策執(zhí)行與長效機制建立的 配合，尋求最終解決“用工荒”問題的可行之道。

1復工復產(chǎn)背景下的“用工荒”與“搶人大戰(zhàn)”

新冠肺炎疫情的爆發(fā)恰逢春節(jié)假期，而因防疫隔離的 要求，假期內人口流動暫時中斷，造成大量返鄉(xiāng)人員無法 按時返回工作地。在2020年春節(jié)的前15天（即從1月10 日至1月24日）時間里，全國鐵路、公路、水路和民航累計發(fā)送旅客11.39億人次，比去年同期增加2%。然而，受疫 情影響，節(jié)后返程客流大幅下降。在節(jié)后的25天里，全國 累計發(fā)送旅客量僅為3. 33億人次，不到節(jié)前的30%①。 截至2020年2月14日，返程客流量8 000萬左右，遠遠低 于預計的3億人次②。毫無疑問，大量人員無法按時返崗 使節(jié)后“用工荒”難題在今年變得更加突出。由中國企業(yè) 創(chuàng)新創(chuàng)業(yè)調查（ESIEC ）完成的“新冠肺炎疫情下的中小微 企業(yè)生存狀態(tài)調查”結果顯示⑷，“員工未能按時返崗”成 為制約企業(yè)按時復工的關鍵因素之一，其中高度依賴外來 務工人員的重工業(yè)和輕工業(yè)受到的影響尤為明顯。

為了盡可能降低疫情所造成的經(jīng)濟損失，盡快恢復 生產(chǎn)生活秩序，各地政府爭相出臺各類扶持政策幫助企業(yè) 實現(xiàn)復工復產(chǎn)，早在1月底就開始通過減免稅費、降低貸 款利率、拓寬融資渠道等方式幫助企業(yè)渡過難關。隨著疫 情得到有效控制，為了解決阻礙復工復產(chǎn)的首要問題一 用工短缺，各地政府開啟了一場以外來務工人員為主要爭 奪目標的“搶人大戰(zhàn)”。2月16日，浙江省義烏市率先開 啟了政府買單的“包郵式”搶人方式，即通過包車、包機、 包專列等方式實現(xiàn)人員在地區(qū)間“點對點”運輸[5]。這一 方式在降低人員返程途中被感染風險的同時，也可以極大 縮短人員重返崗位時間。交通運輸部的數(shù)據(jù)顯示，截至3 月7日，全國已有四川、浙江、山東、福建等27個省份推行 了 “點對點” 一站式直達包車業(yè)務，累計組織包車約8萬趟 次，運送170萬農(nóng)民工返崗⑹。除政府外，美的、格蘭仕等 知名企業(yè)也加入包機接員工返崗的行列。

除開通專線直接“搶人”外，積極出臺和落實相關復 工政策也是地方政府“搶人大戰(zhàn)”中的重要手段。自1月 20日新冠疫情信息正式披露到2月3日各類企業(yè)開始分 批次復工的半個月時間里，企業(yè)生產(chǎn)經(jīng)營活動幾近停滯， 不少企業(yè)面臨著資金鏈隨時可能斷裂的風險°〕。因此，各 地政府出臺的以拓寬融資渠道、降低貸款利息、稅費減免 等為主要內容的獎勵政策，對企業(yè)解決用工問題也起到了 間接的重要作用。這類政策的實施在一定程度上能夠緩 解企業(yè)短期資金壓力，使其能夠盡快投入到生產(chǎn)經(jīng)營活動 中去，為返程人員及新增的外來務工人口提供相對充足的 就業(yè)機會。其中，根據(jù)企業(yè)新招員工數(shù)量（多以其是否繳 納社會保險為判斷依據(jù)）給予資金獎勵，是在以長三角和 珠三角為代表的用工缺口大且財政狀況良好的地區(qū)廣泛 采用的一種方式。如江蘇省蘇州市的政策執(zhí)行期相對較 長且覆蓋面較廣，對企業(yè)吸納登記失業(yè)半年以上人員就 業(yè)、且簽訂1年以上勞動合同、并按規(guī)定繳納社保的，按每 人1 000元給予一次性吸納就業(yè)補貼，實施期限至2020年 12月31日;對介紹就業(yè)、簽訂勞動合同、且繳納社保滿2 個月的人力資源服務機構，按1。。0元/人進行補貼⑻。

在人口流入地區(qū)積極搶奪勞動力資源的同時，貴州、 云南、四川省等勞動力輸出大省也積極與外界對接，解決 當?shù)貏趧恿魡栴}，如廣東、浙江、四川三省在2月17 日率先建立務工人員健康證明互認機制，保障區(qū)域間務工 人員能夠順暢流通。當然，部分人口流出地區(qū)也趁著這一 特殊時期出臺政策，鼓勵返鄉(xiāng)人員留在當?shù)鼐蜆I(yè)或創(chuàng)業(yè)， 如江蘇省淮安市給予穩(wěn)定留鄉(xiāng)就業(yè)人員每人1。。0元的 補貼;河南省通過建立24小時重點企業(yè)用工保障應答群， 以“一對一”幫扶困難群體等方式鼓勵因疫情防控一時無 法外出的農(nóng)民工在“家門口”就業(yè)[9]o早在2004年，廣東、 福建、浙東南等地區(qū)已出現(xiàn)“用工荒”，而2008年金融危機 爆發(fā)后，大批農(nóng)民工返鄉(xiāng)使用工短缺現(xiàn)象變得更為突出， 波及范圍從沿海城市企業(yè)擴展到內陸鄉(xiāng)鎮(zhèn)企業(yè)如。為了 解決這一問題，不少地方政府也加入到“搶人”大軍中來， 如2019年江西省某縣對村干部下達明確的招工指標，若 無法完成則可能會被停職處理[11]。目前，學界有關“用工 荒”研究的主要結論可分為兩類，以蔡昉為代表的學者們 認為，“用工荒”的出現(xiàn)代表了中國經(jīng)濟發(fā)展已經(jīng)迎來了 “劉易斯拐點”皿-成，“勞動力無限供給的特征逐漸消 失”;而另一派則認為，“用工荒”的到來并不意味著我國 已經(jīng)到達“劉易斯拐點”，其背后更多展示的是中國農(nóng)民 工群體的結構性和制度性問題。無論“用工荒”的出 現(xiàn)是否代表著“劉易斯拐點”到來，這一問題的解決都離 不開市場主體和地方政府的共同努力[16]o然而在現(xiàn)有文 獻中，緩解“用工荒”的政府行為及其有效性鮮有人關注; 在實踐中，鑒于制度性改革的困難性，地方政府往往更傾 向于通過短期的政策安排，如舉辦大型招聘會、“訂單式” 招工等，以吸引外來勞動力，緩解用工壓力。不可否認，這 些措施在短期內都取得了一定的成效，但“用工荒”現(xiàn)象 依然存在，且有蔓延態(tài)勢[17]o

2020年初的這場隨疫情發(fā)展愈演愈烈的“搶人大戰(zhàn)” 背后，仍是地方政府試圖以短期優(yōu)惠政策解決年復一年的 “用工荒”問題。但與以往不同的是，今年的“用工荒”覆 蓋面更為廣泛，出現(xiàn)熟練技能型勞動力及企業(yè)高層管理人 員需求無法滿足的情況。同時，無論是地方政府還是企 業(yè)，都面臨前所未有的壓力和挑戰(zhàn)。地方政府需要解決疫 情防控和復工復產(chǎn)的雙重挑戰(zhàn)，而企業(yè)則需要直面來自于 員工、客戶、供應商等多方的壓力。目前，學者們已對新冠

肺炎疫情爆發(fā)所可能造成的社會經(jīng)濟影響展開了激烈的 討論1"項〕，而今年所出現(xiàn)的比往年更為嚴重的“用工荒”現(xiàn)象 是疫情背景下人口流動被迫中斷的產(chǎn)物，更為深刻地反映了 農(nóng)民工群體的流動性可能帶來的潛在問題，也給我們提供了 重新審視短期政策解決勞動力短缺問題有效性的機會。

2模型構建與數(shù)據(jù)來源

本文數(shù)據(jù)主要有以下三個來源：一是來自于百度遷徙 大數(shù)據(jù)的城市級人口流動數(shù)據(jù)，具體包括百度遷徙規(guī)模指 數(shù)及城內出行強度指數(shù);二是來自于北大法寶的政策數(shù) 據(jù)，包括政策名稱、發(fā)文單位、發(fā)文時間、文本內容等具體 指標;三是來自于國泰安的疫情數(shù)據(jù)，包括各城市每天新 增確診人數(shù)等具體指標，主要用以刻畫地方政府所面對的 防疫壓力。

2.1人口流動

在地級市層面，人口流動可分為兩類：一是通過乘坐汽 車、高鐵、飛機等交通工具實現(xiàn)城市間的流動;二是人們在城 市內部的流動?？紤]到新冠病毒人傳人的特點，這兩類人口 流動方式在疫情防控期間都受到不同程度的限制。在本研 究中，前者主要通過衡量春節(jié)期間城市間人口遷徙情況刻畫 各城市在這一時期人口總體規(guī)模的變化，這在一定程度上反 映了城市內部勞動力供給情況;后者則更多關注春節(jié)前后城 市內部出行強度變化，近似衡量各地的復工程度。

為了刻畫春節(jié)期間城市間人口流動情況，我們選擇時 間區(qū)間為2020年1月1日到2020年3月31日的百度遷 徙規(guī)模指數(shù)，并以去年同期數(shù)據(jù)（按農(nóng)歷時間計算，具體為 2019年1月12日到2019年4月12日）為基準構造相應 的人口遷徙變量。百度遷入人口規(guī)模指數(shù)與遷出人口規(guī) 模指數(shù)分別反映每日的流入或流出人口規(guī)模，城市間可橫 向對比，年度間可縱向比較。由于該指數(shù)是一個隨時間而 變化的流量強度指標，所以我們首先計算城市當日的累計 流出或流入人口規(guī)模，以更真實地反映城市在具體時點的 人口流入流出情況。

若人口凈流出規(guī)模大于0，則說明城市『在t日處于人 口凈流出狀態(tài)。人口凈流出規(guī)模的增加，意味著該城市人 口流出比例的升高，城市人口規(guī)模也在相應縮小。

為避免自然情況下春節(jié)后如大學生返校等人口流動， 以及地方經(jīng)濟結構差異等所造成的省市間系統(tǒng)性差異，我 們計算了 2020年與2019年農(nóng)歷同期城市人口凈流出規(guī) 模①的差值，稱為“相對人口凈流出”氣以刻畫疫情所導致 的人口流動情況變化。

相對人口凈流出* =人口凈流出2020*-人口凈流出 2019* （5）

若相對人口凈流出大于0，則說明城市i當日（2020 年）的人口凈流出規(guī)模大于去年（2019年）同期（按農(nóng)歷時 間計算）。而節(jié)后城市『的相對人口凈流出大于。，則意味 著該時點的城市人口規(guī)模未達到同期水平，可能存在春節(jié) 期間部分流出人員推遲返程的情況，城市內部勞動力供給 也因此會受到影響。該數(shù)值越大，說明該城市潛在缺工程 度越深，易發(fā)生比往年更嚴重的用工短缺問題。當相對人 口凈流出小于。時，則代表理論上該城市勞動力供給相對 充足，不易發(fā)生缺工情況。

2.2復工指數(shù)

隨著各地復工復產(chǎn)工作的推進，城市社會經(jīng)濟生活秩 序逐漸恢復，城市內部的人口流動也會變得更加頻繁。因 此，我們通過百度遷徙大數(shù)據(jù)中城內出行強度指標構造復 工指數(shù)，以衡量各城市的復工情況。城內出行強度指標是 該城市當日出行的人數(shù)與居住人口比值的指數(shù)化結果，可 以用來度量城市活力的恢復程度。因為2019年城內出行 強度的數(shù)據(jù)只公布到2019年3月28日，所以復工指數(shù)的 計算區(qū)間為2019年1月12日到2019年3月28日，相應 地，2020年復工指數(shù)的計算區(qū)間為2020年1月1日到 2020年3月31日。

為進一步檢驗政策的實施效果，我們借鑒Gwen Arnold和Le Anh Nguyen Long等人的研究方法，使用累 計出臺的復工政策數(shù)量（No. Policy）作為政策強度的代 理變量，以檢驗政策強度對復工情況的影響：

相對復工指數(shù)* = a + /31 x Netoutflowil_1 + /32 x

No. Policy^ +禺X疫情情況+ 0+ * + eit （10）

本研究所使用的主要變量名稱、定義以及描述性統(tǒng)計 具體見表1。

3描述性分析

3.1 2019年與2020年春節(jié)期間人口流動特征比較

正如前文所提及的，2020年春節(jié)前15天，全國客流量 比去年同期增長2.0%。從節(jié)前百度遷徙數(shù)據(jù)來看，2020 年春節(jié)前夕與2019年同期各城市的人口凈流出規(guī)模為顯 著正相關關系（見圖3），這表明2020年春節(jié)前人口流動 規(guī)律與往年類似，大多數(shù)人口由一二線城市向三四線城市 流動。因此，如果按照2020年與2019年春節(jié)前人口流出 規(guī)模間的關系，節(jié)后的人口流動規(guī)律也應與往年類似，即 理論上大多數(shù)城市都應出現(xiàn)在一、三象限的對角線周圍。 但受疫情影響，2。2。年節(jié)后人口流動規(guī)律已發(fā)生明顯改 變，部分城市出現(xiàn)在二、四象限（見圖3）。

具體來說，應疫情防控要求，人們減少不必要的出行 活動，各地政府也相應加強對城市間人口流動的管理，如 暫停區(qū)域間往返客車等。因此，今年節(jié)后大量人口無法按 計劃返程，滯留在家鄉(xiāng)所在地（如周口市等落在第二象限 的城市）。相應地，以北京市、廣州市、杭州市、南京市、溫 州市、宿州市等為代表的大城市（落在第四象限）在春節(jié) 前都經(jīng)歷了大規(guī)模人口流出，人口規(guī)模明顯減小，但這一 情況在節(jié)后并未明顯改善，即這些城市的人口規(guī)模沒有恢 復至去年同期水平，城市內部勞動力供給規(guī)模也相應減 小，難以滿足往年同期正常的生產(chǎn)經(jīng)營需要。雖然隨著時 間推移，2020年春節(jié)后人口流動開始逐漸恢復，落在第四 象限的城市數(shù)量也相應減少，城市最大人口凈流出規(guī)模由 節(jié)后第二周的150下降至節(jié)后第八周的60，但北京市、廣 州市、武漢市等3個城市人口流入情況仍低于同期水平， 仍然存在明顯的勞動力缺口。

3.2人口流出與復工程度相關關系圖

圖4展示的是周相對人口流出規(guī)模與周相對復工指數(shù)的相關關系。如圖中所示，相對人口流出規(guī)模與復工指 模的人口流出在一定程度上會阻礙節(jié)后城市的復工復產(chǎn)。 數(shù)二者呈現(xiàn)負相關關系，即相對人口流出規(guī)模越大的城 同時，我們也可以看到，圖中散點隨時間變化逐漸右移，表 市，復工難度越大，復工程度也越低。因此，春節(jié)期間大規(guī) 明各城市正逐步恢復正常生產(chǎn)生活秩序。但其中，北京市、武漢市、廣州市等節(jié)前人口大規(guī)模凈流出地區(qū)，復工程 度相對較低，這可能也與當?shù)厮鎸Φ囊咔榉揽貕毫?有關。

4實證分析

4.1基本回歸結果

為驗證我們的推測，我們對地級市數(shù)據(jù)進行基本的回 歸分析。表2中的列（1）和列（2）匯報了 DID模型（基于 式（9））的回歸結果，列（3）和列（4）匯報了政策強度對復 工程度的回歸結果（基于式（1。））。考慮到第一項復工政 策出臺的時間為1月27日，在政策強度的分析中，我們的 分析區(qū)間限于2020年春節(jié)后（即2020年1月27日到 2020年3月15日）。

其中，因變量為當周平均相對復工指數(shù)?？紤]到復工 情況主要受到政策出臺、防疫壓力及人口流動的影響，我 們選擇復工政策數(shù)量、相對人口流出指數(shù)、確診人數(shù)等作 為自變量，并取其自然對數(shù)值?？紤]到相對人口流出負值 情況較多，我們對其取對數(shù)，具體操作步驟為：第一步，對 相對人口流出指數(shù)的原始值取絕對值;第二步，對該絕對 值取自然對數(shù)值;第三步，根據(jù)原始值的正負號，相應的改 變絕對值自然對數(shù)的符號。政策數(shù)量和新確診人數(shù)存在 大量。值情況，處理方法為對（原始值+ 1）取自然對數(shù)。

考慮到政策出臺、人口流動、疫情情況等對復工影響 的滯后效應以及可能存在的雙向因果關系，我們將所有以 上自變量的滯后一周值加入到模型中。

由于分析中所使用的數(shù)據(jù)為以周為單位的高頻率數(shù) 據(jù)，而目前地級市層面的基本經(jīng)濟變量指標數(shù)據(jù)僅僅公布 到2016年，我們較難找到相匹配的較近時期內城市級基 本經(jīng)濟變量作為控制變量。目前關于新冠肺炎疫情對社 會經(jīng)濟影響的研究中多數(shù)都存在類似的問題。為控制城 市其它因素對復工情況的影響，我們采取了兩種方式：一 是在模型中加入城市固定效應以控制不隨時間變化而在 城市間存在差異的因素，并加入時間固定效應以控制每周 可能發(fā)生的其它外生沖擊。二是基于2018年的全國百強 市人口①與GDP相關統(tǒng)計數(shù)據(jù)以控制城市規(guī)模與經(jīng)濟發(fā) 展水平的影響，具體結果展現(xiàn)在穩(wěn)健性分析部分。

在所有模型中，log（Netoutflows）的系數(shù)顯著為負，表 明春節(jié)期間的人口流出會造成勞動力短缺，對復工復產(chǎn)造 成負面影響。歹列（1）和列（2）中，交互項Treat x Post的系 數(shù)顯著為正，說明復工政策的出臺有助于復工的推進。列 （3）和列（4）中，log（No. Policy}的系數(shù)不顯著，說明政策 數(shù)量并不會明顯影響城市的復工情況。以上結果表明，政策的出臺有助于社會生產(chǎn)生活秩序的恢復，但政策有效性 的大小并不取決于政策數(shù)量。為了識別疫情防控壓力對 復工復產(chǎn)工作的影響，我們使用兩個相關代理變量：一是 該城市是否有新增病例，二是該城市新增病例的數(shù)量。 log（No. New）與電的系數(shù)均顯著為負，表明疫情的發(fā)展 會影響地區(qū)的復工情況，即隨著疫情防控壓力的加大，地 方政府可能會放緩復工復產(chǎn)的速度。

4.2調節(jié)效應

為了進一步檢驗政策對緩解勞動力供給不足情況的 影響，我們在模型中加入政策變量與人口凈流出的交乘項 （Treat X Post X log（Netoutflows） ） o 從表 3 中可以看出，無 論是在有無政策和政策強度的分析中，Treat X Post X log （Netout flows）與 log（ No. Policy'） X log（ Net outflows）的系 數(shù)在5%的檢驗水平下顯著為負，說明隨著人口凈流出規(guī) 模的增加，政策對復工的積極作用逐漸減弱。換言之，由 人口凈流出所造成的勞動力短缺會削弱政策的實施效果。 因此，復工政策雖然能夠部分緩解前期人口流出對復工的 負面影響，但當累計人口凈流出規(guī)模過大時，政策也無法 完全消除由此造成的勞動力短缺問題對復工的阻礙，或者 說，復工政策的有效性受到當?shù)厝丝诹鲃忧闆r的制約。此 外，已有的研究結果顯示，開發(fā)區(qū)等區(qū)域性優(yōu)惠政策的使用會導致企業(yè)對政策產(chǎn)生“寄生性”行為，即政策優(yōu)惠期 結束，企業(yè)會選擇倒閉或搬遷至可以提供更大優(yōu)惠政策的 地方[24]。類似地，在這次疫情爆發(fā)后，部分企業(yè)也對復工 政策產(chǎn)生了“寄生性”，會利用政策文本中存在的漏洞來 獲取更大的經(jīng)濟利益，如通過招聘“虛擬員工”或與勞動 者簽訂就業(yè)合同后迅速解約等方式以獲得更多的資金 補助'日。

4.3穩(wěn)健性檢驗

為保證結果的穩(wěn)健性，我們采取了以下四種處理 方式。

第一，考慮到湖北省的特殊情況，從樣本中剔除了湖 北省的數(shù)據(jù)。

第二，基于2018年全國百強市的人口 （Population） GDP、GDP同比增長率（GDP Growth）等相關數(shù)據(jù)控制城 市規(guī)模與經(jīng)濟發(fā)展水平的影響。值得注意的是，由于人口 與GDP并沒有以周為頻率的面板數(shù)據(jù)，因此，加入2018年底人口、GDP與GDP同比增長率的時候，僅能控制時間 固定效應，無法控制城市固定效應。

第三，僅分析相對復工指數(shù)小于1的城市，即并未完 全復工的城市。

第四，僅分析相對人口凈流出大于零的地方，即僅分 析勞動力供給不足的城市。

表4結果顯示，log（Netout"）的系數(shù)在列（1）到列 （7）中均顯著為負，進一步證明了春節(jié)期間的人口凈流出 會造成勞動力供給短缺，進而阻礙復工。交乘項Treat X Post在所有模型中均顯著為正，進一步證實復工政策的出 臺有助于復工的推進;而政策數(shù)量（log（No. Policy））對復 工仍未產(chǎn)生明顯的作用。有無新增病例（Kes）這一變量 在所有模型中均為負顯著，這與前文所發(fā)現(xiàn)“防疫壓力會 阻礙復工推進”的結論一致。這些結果與前文基準模型及 調節(jié)效應模型的結果一致，為研究結論的有效性提供了 支撐。

5結論與討論

本研究利用百度遷徙數(shù)據(jù)和北大法寶的政策數(shù)據(jù)，刻 畫各城市人口流動及復工復產(chǎn)情況，并通過構造DID模型 檢驗復工政策對復工復產(chǎn)的實際效果。研究結果發(fā)現(xiàn)，復 工政策的出臺有助于復工復產(chǎn)工作的推進，但影響政策實 施效果的關鍵并不在于政策數(shù)量的多寡。同時，研究也發(fā) 現(xiàn)，今年春節(jié)前人口大規(guī)模流出，節(jié)后人口未按時返程，造 成城市內部勞動力供給嚴重短缺的問題，在一定程度上會 削弱政策的有效性。換言之，這種臨時性的復工政策實施 效果相對有限，無法完全消除人口大量凈流出導致的勞動 力短缺對復工復產(chǎn)的負面效應。此外，優(yōu)惠政策的使用會 引發(fā)投機性行為，即企業(yè)或個人利用政策文件中的“漏 洞”獲取經(jīng)濟利益，如這次復工復產(chǎn)中部分企業(yè)出現(xiàn)“空 氣員工”，以騙取更多的補貼。

此次新冠疫情爆發(fā)是對我國現(xiàn)行公共衛(wèi)生體系和政 府治理能力的一次實戰(zhàn)檢驗，而節(jié)后復工復產(chǎn)將近年來日 益嚴重的“用工荒”問題再次推上風口浪尖，促使我們重 新審視這一問題的解決之策。因為疫情的緣故，春運這一 人口季節(jié)性流動閉環(huán)被迫中斷，大量人員無法按時返程， 致使節(jié)后勞動力短缺問題變得空前嚴重。雖然地方政府 嘗試通過實施積極的復工政策盡快解決勞動力短缺問題， 并結合現(xiàn)代化信息技術，提出了 “勞動力地圖”法、“點對 點”運輸法、按新招員工數(shù)給予企業(yè)資金補貼等新型“搶 人”手段，但這些政策手段的本質仍然是期望通過政府力 量，尤其是政策優(yōu)惠來緩解企業(yè)的用工壓力。但實證結果 表明，這些復工政策的長效性值得商榷一地方政府若僅 僅關注如何通過政策手段盡快接回外來務工人員，而不考 慮當?shù)貙嶋H的勞動力需求，那么在短期內可能會由于前期 盲目搶人而造成大批無業(yè)人員的出現(xiàn)。

而從長期來看，這類政策的實施并未聚焦農(nóng)民工群體 的“兩棲性”，也無法改變他們邊緣化的生存狀態(tài)，這意味 著春節(jié)、春耕前后等季節(jié)性“用工荒”現(xiàn)象仍將繼續(xù)存在 于這場“搶人大戰(zhàn)”中，部分政府無計劃“搶人”，他們更為 關心的是在某個時點吸引人口的數(shù)量，針對返工人員生活 狀態(tài)的政策卻鮮見報端。這樣的情況也發(fā)生在2019年以 高技能人才為主要目標的“搶人大戰(zhàn)”中。正如周其仁教 授所說，“城市不能簡單地搶人，人才無用武之地只是批 '房客'”，而對于外來務工人員而言，他們甚至都無法成 為“房客”。如果類似公共衛(wèi)生安全事件再次發(fā)生，我們 仍需要投入大量的人力、物力、財力來解決勞動力短缺問 題。因此，地方政府短缺政策的支持并非“用工荒”問題 的“良藥”，相關體制機制的深層次改革同樣必不可少。

隨著人口自然增長率的下降，中國正加速進入人口老 齡化社會，人口紅利逐漸消失，勞動力供給規(guī)模將出現(xiàn)顯 著變化。在上一階段的新型城鎮(zhèn)化過程中，各地都已開始 通過深化戶籍制度改革、實行積分落戶制度、建立以居住 證為載體的公共服務體系等方式實現(xiàn)人口城鎮(zhèn)化。然而， 目前大部分舉措的目標仍然僅僅停留在轉變農(nóng)民工的身 份標識上，而沒有幫助其從觀念、生活方式等方面完全融 入城市，導致因人口季節(jié)性流動而產(chǎn)生的“用工荒”現(xiàn)象 依然存在。因此，在城鎮(zhèn)化步入高質量發(fā)展階段，應堅持 以包容性為導向的城鎮(zhèn)化道路，從身份、觀念、權利等方面 實現(xiàn)農(nóng)業(yè)轉移人口市民化。對人口流入地區(qū)來說，應進一 步深化戶籍制度改革，降低城市服務門檻（就業(yè)、教育、住 房等），保障“新市民”的基本權益;而對人口流出地來說， 也應加強產(chǎn)業(yè)建設，為本地剩余勞動力創(chuàng)造新增的就業(yè)機 會，推進人口城鎮(zhèn)化?？偠灾?，從根源上解決“用工荒” 問題的關鍵在于實現(xiàn)農(nóng)業(yè)轉移人口 “進得來，留得下”。

（編輯：劉呈慶）

參考文獻

[1]國家統(tǒng)計局.中華人民共和國2019年國民經(jīng)濟和社會發(fā)展統(tǒng)計 公報]EB/OL]. （2020 - 02 - 28 ） [ 2020 - 03 - 14 ]. https：// www. stats， gov. cn/tjsj/zxfb/202002/t20200228_1728913. html.

[2]周慧."用工荒”向中西部蔓延：村干部招不到工或停職地方戶 籍新政人才人口"一把抓”]EB/OL]. （2019 -02-15） [202004 -17]. https：//www.sohu. com/a/294832753_115124.

[3]鄭秉文.如何從經(jīng)濟學角度看待“用工荒”]J].經(jīng)濟學動態(tài)， 2010（3） ：75 -80.

[4]李輝文，金泉，李瑋.疫情沖擊下的中小微民營企業(yè)：困境、對策 與希望[EB/OL]. （2020 -02 -19） [2020 -03 -14]. https：// www. thepaper. cn/newsDetail_forward_6042453.

[5]范珊珊.新華財經(jīng)研報：硬核“搶人”背后的義烏縮影]EB/OL]. （2020 -02-24） [2020 - 03 - 11 ]. http：//thinktank. xinhua08. com/a/20200224/1916653. shtml.

[6]張雪.交通部：27個省份推行“點對點”直達運輸約8萬趟次包 車運送 170 萬農(nóng)民工返崗]EB/OL]. （2020 -03 -08） [2020 - 03-11]. https：//www. sohu. com/a/375860598_502689.

[7]張平，楊耀武.疫情沖擊下增長路徑偏移與支持政策——基于 對企業(yè)非均衡沖擊的分析]JL經(jīng)濟學動態(tài)，2020（3）：22-84.

[8]康書偉.蘇州：企業(yè)吸納1名登記失業(yè)半年以上人員就業(yè)獎勵 1 000 元]EB/OL]. （2020 -02 -18） [2020 -03 -11 ].http$：// www. cs. com. cn/xwzx/hg/202002/t20200218_6026984. html.

[9]劉廣輝.河南鼓勵“家門口”就業(yè)，吸納企業(yè)獲每人1 000元獎補 [EB/OL]. （2020 -02 -28 ） [ 2020 -03 - 11：. https ：//news， hexun. com/2019 -02 - 15/196139027. html

[10]凌輝華.制造業(yè)“用工荒”的系統(tǒng)結構及杠桿解]J].集美大學 學報：哲學社會科學版，2015， 18（1）：41-50.

[11]周慧.“用工荒”向中西部蔓延：村干部招不到工或停職地方 戶籍新政人才人口 “ 一把抓” [EB/OL]. （ 2019 - 02 - 15 ） [2020-04-11]. https：//www. sohu. com/a/375860598_502689.

[12]蔡昉.“民工荒”現(xiàn)象：成因及政策涵義分析[J].開放導報， 2010（2） ：7-12.

[13]蔡昉.人口轉變、人口紅利與劉易斯轉折點[J].經(jīng)濟研究，2010，45（4） ：4-13.

[14]劉偉.劉易斯拐點的再認識[J].理論月刊，2008 （2 ）：130- 133.

[15]錢文榮，謝長青.從農(nóng)民工供求關系看“劉易斯拐點"JL人 口研究，2009， 33（2）：37 -40.

[16]周德軍.政府責任與民工荒問題剖析[J].湖北農(nóng)業(yè)科學，2011，50（23） ：5010 -5014.

[17]趙晨野，趙晨野.“民工荒”其實是基本權益荒[EB/OL].

（2019 -11 -17） [ 2020 - 04 - 20 ]. http ：//www. ipp.org. cn/ index， php/home/blog/single/id/494. html.

[18]GAO P， ZHANG H， WU Z， et al. Visualizing the expansion and spread of coronavirus disease 2019 by cartograms [ J]. Environment and planning A： economy and space， 2020： 0308518X20910162.

[19]CHEN S， YANG J， YANG W， et al. COVID-19 control in China during mass population movements at New Year [ J ]. The lancet， 2020， 395（10226） ： 764 -766.

[20]劉濤，安秋吉.新冠肺炎疫情擴散時空圖譜：人口流動新趨勢 與防控機制新挑戰(zhàn)]EB/OL]. （2020 -03 - 15） [ 2020 -04 - 20]. http ：//www. ues. pku. edu. cn/xyxw/327123. htm.

[21]張煒，費小燕，肖云，等.基于多維度評價模型的區(qū)域創(chuàng)新政 策評估一一以江浙滬三省為例]J].科研管理，2016（S1 ）：614 -622.

[22]FANG H， WANG L， YANG Y. Human mobility restrictions and the spread of the novel coronavirus （2019-nCoV） in China [ R].National Bureau of Economic Research， 2020.

[23]GWEN A ， LONG LAN. Policy expansion in local government environmental policy making [ J ]. Public administration review， 2019， 79（4） ：465 -476.

[24]ZENG D Z. How do special economic zones and industrial clusters drive China's rapid development？ [ R]. The World Bank， 2011 ：1 -53.

[25]吳睿.江蘇昆山一企業(yè)復工后發(fā)現(xiàn)20多名“空氣員工”牽出冒 領百萬工資案]EB/OL]. （2020 -03 -24） [2020 -03 -30]. http ：//news. sina. com. cn/s/2020 - 03 - 23/doc - iimxyqwa2473278. shtml.