□文/張 莉 王謙馳

（西安財經(jīng)大學 陜西·西安）

［提要］ 就業(yè)是最大的民生，也是經(jīng)濟發(fā)展最基本的支撐?；?010～2019年我國31個?。▍^(qū)、市）統(tǒng)計年鑒數(shù)據(jù)，采取空間自相關、馬爾科夫鏈、空間馬爾科夫鏈和無序多分類的廣義logit回歸對我國就業(yè)空間以及就業(yè)空間水平影響因素進行研究。研究發(fā)現(xiàn)，2014年之后勞動力逐漸轉(zhuǎn)移到第三產(chǎn)業(yè)就業(yè)。由空間自相關分析得出，北京、天津、江蘇、浙江、廣東、重慶等省市對中部地區(qū)形成一個環(huán)狀，促進四周以及中部地區(qū)次級就業(yè)密度未來的增長?；趥鹘y(tǒng)、空間馬爾科夫鏈模型發(fā)現(xiàn)，我國就業(yè)密度高、低水平轉(zhuǎn)變的過程中存在“路徑依賴”現(xiàn)象。就業(yè)密度水平受到技術進步、人均GDP、基礎公共性服務支出、對外開放度、路網(wǎng)密度等因素的綜合影響。

就業(yè)是最大的民生，也是經(jīng)濟發(fā)展最基本的支撐。自建國以來，黨中央、國務院始終把就業(yè)放在經(jīng)濟社會發(fā)展的首位?！笆濉逼陂g，全國城鎮(zhèn)新增就業(yè)6，564萬人，城鎮(zhèn)調(diào)查失業(yè)率均值控制在5.2%，勞動年齡人口平均受教育年限從10.2年提高到10.8年，技能勞動者總量由1.3億人增至2億人，就業(yè)形勢總體穩(wěn)定，就業(yè)結構持續(xù)優(yōu)化，就業(yè)質(zhì)量不斷提升。但是，目前我國就業(yè)矛盾仍然存在。受2020年新冠肺炎疫情的影響以及我國經(jīng)濟結構的深度調(diào)整，勞動力供求兩側(cè)均出現(xiàn)較大變化，人才培養(yǎng)不適應市場需求的現(xiàn)象進一步加劇，“就業(yè)難”與“招工難”并存，結構性就業(yè)矛盾成為就業(yè)領域主要矛盾；城鎮(zhèn)就業(yè)壓力依然較大，促進高校畢業(yè)生等重點群體就業(yè)任務艱巨、大量農(nóng)村富余勞動力需要轉(zhuǎn)移就業(yè)，規(guī)模性失業(yè)風險不容忽視。因此，“穩(wěn)就業(yè)”成為了2020年兩會提出的“六保六穩(wěn)”的首要任務。“十四五”將促進就業(yè)作為基本原則，更是提出以實現(xiàn)更加充分就業(yè)為主要目標之一，健全就業(yè)的促進機制，完善政策體系，千方百計擴大就業(yè)容量的指導思想。故此，如何實現(xiàn)更加充分就業(yè)以及完善優(yōu)化政策體系就值得思考了。筆者認為，可以通過對我國產(chǎn)業(yè)就業(yè)結構、就業(yè)空間結構、就業(yè)密度水平演變軌跡以及影響因素進行分析，了解我國就業(yè)空間結構及就業(yè)空間水平形成影響因素，挖掘不同區(qū)域“潛在”的就業(yè)容量以及針對性加大重要因素的投入，擴大就業(yè)容量。為制定有效的就業(yè)政策引導我國就業(yè)空間的科學分布，促進我國整體就業(yè)空間結構的優(yōu)化政策提供理論基礎。

為解決以上問題，本文對我國就業(yè)空間分布特征以及就業(yè)空間形成的影響因素進行分析，準確把握我國就業(yè)空間的結構以及演變規(guī)律，了解就業(yè)空間的影響因素。

一、文獻綜述

隨著近些年我國經(jīng)濟的快速發(fā)展，城市的空間結構發(fā)生了巨大的變化，引起了我國學者廣泛關注。就業(yè)空間結構反映的是城市的經(jīng)濟特征，且是城市空間研究的核心要素之一。國外對于城市經(jīng)濟空間結構的研究始于20世紀50年代，Clark提出關于城市人口密度的負指數(shù)模型，隨后眾多學者圍繞該模型不斷進行修正與發(fā)展。如Smeed的負冪指數(shù)模型、Newling的二次指數(shù)模型、Frankena的三次方函數(shù)模型。國內(nèi)對城市空間的研究起步較晚，在20世紀80年代之前對城市空間結構的研究基本處于停滯，80年代之后我國城市空間的研究主要在于理論的引用與擴展。80年代末之后國內(nèi)學者對城市空間結構的實證研究開始大量增加。丁成日等在北京市總體規(guī)劃修編的技術支持中將人口密度分布以及就業(yè)密度分布納入方案規(guī)劃中，并利用各區(qū)總?cè)藬?shù)、總就業(yè)人數(shù)與各區(qū)面積推算人口密度與就業(yè)密度；陳晨利用“五普”“六普”的數(shù)據(jù)與行政區(qū)劃數(shù)據(jù)推算了就業(yè)密度空間分布，對我國2000～2010年城鄉(xiāng)就業(yè)空間的變遷進行了探討；王波采取行政區(qū)劃與交通小區(qū)相結合的方法劃分基本單元，通過土地性質(zhì)數(shù)據(jù)來修正匹配研究單元不同行業(yè)的就業(yè)數(shù)據(jù)并計算就業(yè)密度值對南京市區(qū)的就業(yè)空間進行研究；王暉利用第二次基本單位普查、第二次與三次經(jīng)濟普查數(shù)據(jù)推算了就業(yè)規(guī)模與就業(yè)密度對南京的就業(yè)空間進行了刻畫。

就業(yè)人口空間分布加上其內(nèi)在的行業(yè)、性別、收入等特征差異構成了城市空間結構。在我國不同的發(fā)展時期不同行業(yè)占據(jù)主導地位，為推動城市經(jīng)濟發(fā)展起到重要作用，所以有的學者選擇不同研究時期、不同行業(yè)的就業(yè)空間結構進行研究。還有學者認為不同勞動群體的就業(yè)轉(zhuǎn)移會給我國城市空間帶來全方位的沖擊，故對不同勞動群體就業(yè)空間進行探討，為解析城市空間結構以及為編制城市規(guī)劃、制定公共政策提供理論基礎。

綜上所述，目前我國就業(yè)空間的研究已經(jīng)相對較為成熟，使用就業(yè)密度刻畫就業(yè)空間作為一個經(jīng)典且傳統(tǒng)的研究方法方法，在我國對就業(yè)空間研究的實證分析中使用也較為廣泛，但已有的研究多是職住空間、分區(qū)域就業(yè)空間或者劃分經(jīng)濟帶的微觀區(qū)域就業(yè)空間研究，沒有對全國整體就業(yè)空間特征的研究，不能反映這一時期全國就業(yè)空間結構特征。故此，為了反映全國就業(yè)空間結構特征，本文從宏觀國家層面進行分析，基于省市為基本單元計算就業(yè)密度，選取2010～2019年我國31個省（區(qū)、市）的統(tǒng)計年鑒數(shù)據(jù)計算就業(yè)密度對我國就業(yè)空間結構進行研究，以期為實現(xiàn)更加充分就業(yè)以及完善優(yōu)化政策體系做出貢獻。

二、研究思路與方法

（一）研究思路。首先，計算全局空間自相關系數(shù)，測算各個地區(qū)就業(yè)密度水平之間是否相關；其次，采用馬爾科夫鏈說明就業(yè)密度空間演變過程；最后，采用無序多分類的廣義logit回歸模型分析就業(yè)密度水平的影響因素。

（二）所用數(shù)據(jù)。本文所使用數(shù)據(jù)是全國31個?。▍^(qū)、市）2009～2019年統(tǒng)計年鑒就業(yè)數(shù)據(jù)。由于香港特區(qū)和澳門特區(qū)的統(tǒng)計年鑒資料缺失，故不將其納入本次研究范圍。地圖數(shù)據(jù)采用谷歌地圖數(shù)據(jù)。

（三）變量說明

1、因變量。就業(yè)密度（各省市法人單位年末就業(yè)人數(shù)/區(qū)域面積）。這一指標在過去文獻中被廣泛使用。

2、自變量。本文基于已有的研究和數(shù)據(jù)的可得性選取解釋變量。技術進步：專利申請數(shù)；人均GDP：各省市GDP/各省市人數(shù)；全社會固定資產(chǎn)投資：固定資產(chǎn)投資規(guī)模、速度、比例關系和使用方向；外商投資企業(yè)投資：中國投資者和外國投資者共同投資或者僅由外國投資者投資的企業(yè)投資額；基礎公共性服務支出：一般公共預算支出；對外開放度：各省市進出口總額/各省市GDP；人均消費品零售額：各省市零售總額/各省市總?cè)藬?shù)；人均可支配收入：居民消費總額+儲蓄額/各省市總?cè)藬?shù)；路網(wǎng)密度：公共交通路線長度/區(qū)域面積。

三、實證分析

（一）我國就業(yè)空間結構分析

1、空間相關性分析。如表1所示，2010～2019年就業(yè)密度空間相關性稍有減弱，但是并未出現(xiàn)顯著的分散趨勢。測度全國整體就業(yè)密度空間相關性的全局Moran’s I顯示，全國Moran’s I值不斷減小，就業(yè)密度空間相關性稍有減弱，但是Moran’s I值在十年間一直為正。這說明我國31個?。▍^(qū)、市）的就業(yè)密度在空間分布上存在正向空間自相關關系（即存在空間依賴性），說明就業(yè)密度高值地區(qū)并不是在空間上隨機分布，而是北京、江蘇、上海、浙江、廣東、海南這些高就業(yè)密度值省級行政區(qū)在空間上存在趨于聚集的現(xiàn)象。然而，我國西部地區(qū)就業(yè)密度值低的地區(qū)在空間分布上趨于與就業(yè)密度值低的地區(qū)相鄰。所以，從總體上看，我國就業(yè)高密度地區(qū)集中在我國東部，稍微次之則分布在我國中部地區(qū)。西部地區(qū)就業(yè)密度低的省份呈片狀分布且空間分布較為密集，由于空間關系西部地區(qū)就業(yè)增長較為緩慢。（表1）

表1 就業(yè)密度單變量全域Moran’s I一覽表

2、時空相關性分析。如表2所示，2010～2019年的雙變量全局Moran’s I顯示，雖然2010～2019年雙變量全局Moran’s I值不斷減小，但是Moran’s I值持續(xù)為正。當X=density10、14，Y=density14、19，Moran’s I值表示2010年、2014年北京、江蘇、上海、浙江、廣東、海南會對2014年、2019年的這些高就業(yè)密度地區(qū)城市周圍鄰居省份存在著外向溢出，即北京、江蘇、上海、浙江、廣東、海南等省就業(yè)密度的增加會帶動周邊省份的就業(yè)密度快速上升；X=density14、19，Y=density10、14，Moran’s I值表示2010年、2014年山東、福建等鄰近省份就業(yè)密度值高的地區(qū)會對山東、福建等有內(nèi)向溢出，促進這些省份的就業(yè)密度的提升。我國高密度就業(yè)省市北京、天津、江蘇、浙江、廣東、重慶等對中部地區(qū)形成一個環(huán)狀，包圍中部地區(qū)等次級就業(yè)密度省份形成外向溢出，促進中部地區(qū)次級就業(yè)密度未來的增長。（表2）

表2 就業(yè)密度雙變量全域Moran’s I一覽表

（二）我國就業(yè)密度水平演變軌跡分析?？紤]到各省市就業(yè)數(shù)量要大致等同，故此研究以全國31個省市的就業(yè)密度特征平均值為基準，將m=31個省市劃分為四個級別（k=4），級別1為：低水平省市（就業(yè)密度值低于全國平均值的60%）、級別2為：中等水平（就業(yè)密度值處于全國平均值的60%～80%之間）、級別3為：較高水平（密度發(fā)展值處于全國平均值的80%～120%之間）、級別4為：高水平（就業(yè)密度值高于全國平均值的120%）。這四種就業(yè)發(fā)展水平分別用k=1，2，3，4表示，k越大表示就業(yè)密度特征值越高?；诖朔诸?，本文使用空間馬爾科夫鏈、無序多分類的廣義logit模型。

基于空間馬爾可夫轉(zhuǎn)移矩陣分析。表3顯示鄰域省市就業(yè)密度特征對地區(qū)本身的就業(yè)密度特征起到的作用各不相同：（1）低水平就業(yè)密度地區(qū)存在著“俱樂部趨同”。一個低水平地區(qū)以低水平密度特征地區(qū)為臨時，其會受到負面影響。（2）中低水平地區(qū)發(fā)生向上轉(zhuǎn)移的概率受到其鄰域的影響。在不考慮鄰域的影響時，中低水平還是有小概率發(fā)生向上轉(zhuǎn)移。隨著鄰域水平的上升，中水平地區(qū)向下轉(zhuǎn)移的概率隨之升高，直到鄰域滯后水平為該水平地區(qū)時，中水平地區(qū)向下轉(zhuǎn)移的概率上升到100%。故此高水平地區(qū)可能對低水平地區(qū)有一定的就業(yè)虹吸效應。（3）較高水平就業(yè)省市在考慮鄰域發(fā)展水平時轉(zhuǎn)移是較為穩(wěn)定的，在于中水平及較高水平為鄰時發(fā)展水平可以向同等水平轉(zhuǎn)移且不會發(fā)展向上或向下轉(zhuǎn)移。地區(qū)同等水平轉(zhuǎn)移的概率并不隨著其鄰域發(fā)展水平呈現(xiàn)負相關。例如：高水平地區(qū)以低水平地區(qū)為鄰域時，其就業(yè)發(fā)展水平并不會向下轉(zhuǎn)移，且向同等水平轉(zhuǎn)移的概率穩(wěn)定為100%。但是，在以較高水平為鄰域時，向下轉(zhuǎn)移的概率上升為0.3333，在以高水平地區(qū)為鄰域時，其向下轉(zhuǎn)移的概率上升到0.5。（表3）

表3 空間馬爾可夫轉(zhuǎn)移矩陣

空間馬爾科夫轉(zhuǎn)移矩陣對我國31個省市就業(yè)密度發(fā)展水平的影響因素不能完整的解釋，故采用無序多分類的廣義logit回歸模型解釋影響因素對就業(yè)發(fā)展水平的影響。

（三）我國就業(yè)密度水平影響因素分析?；趥鹘y(tǒng)（空間）馬爾科夫鏈模型的不足，本文在綜合考慮技術進步、人均GDP、對外開放程度、基礎公共性服務支出等因素的基礎上，運用無序多分類的廣義logit模型分析我國就業(yè)密度水平的影響因素。建立模型（4），其中yi是我國就業(yè)密度水平樣本特征，βj為回歸系數(shù)；xi為解釋變量。

參照水平設置，由stata17.0軟件實現(xiàn)，默認K=1（低水平）為參照水平，也可以自行選擇。本文以K=1（低水平）為參照水平。

以低水平為對照，對中、較高、高水平就業(yè)密度水平省市的形成的影響因素進行分析。由表4中回歸參數(shù)結果所示，人均GDP、對外開放度、路網(wǎng)密度、空間因素均對就業(yè)密度水平有正向促進作用。說明就業(yè)密度水平的提升，關鍵在于人均GDP的提升、對外開放度的加大、交通是否發(fā)達和周圍鄰域省市的帶動。（表4）

表4 就業(yè)密度無序多分類廣義logit回歸參數(shù)估計結果一覽表

中水平/低水平：可以發(fā)現(xiàn)技術進步、外商投資企業(yè)投資、人均消費品零售額變化不顯著之外，其他7個變量均通過顯著性檢驗，顯示具有較好的人均GDP、全社會固定資產(chǎn)投資、對外開放度、路網(wǎng)密度、空間因素（鄰域省市就業(yè)密度水平），且對外開放度增長較快以及鄰域省市就業(yè)密度水平較高的省市更容易成為中水平就業(yè)密度區(qū)域。較高水平/低水平：可以看出技術進步、全社會固定資產(chǎn)投資、外商投資企業(yè)投資這三個變量不顯著，相對于中水平/低水平的形成人均消費品零售額的作用變得顯著，全社會固定資產(chǎn)投資變得不顯著，說明了較高水平/低水平的形成更加看重人均消費品零售額，而全社會固定資產(chǎn)投資并非中水平就業(yè)密度區(qū)域的形成顯著影響因素。高水平/低水平：模型中，只有外商投資企業(yè)投資不顯著，說明了高水平就業(yè)密度區(qū)域的形成更加看重技術進步因素。在高水平就業(yè)密度區(qū)域的形成更加看重除了外商投資企業(yè)投資的其他9個因素的影響，但是外商投資企業(yè)投資并不是沒有影響，只是影響不顯著。高水平區(qū)域?qū)τ诼肪W(wǎng)密度以及技術進步的要求比較高水平區(qū)域高出很多，說明高水平區(qū)域就業(yè)人員對交通要求較高和較快的技術進步能創(chuàng)造更多的崗位。相比較高水平區(qū)域，高水平區(qū)域?qū)τ绊懸蛩氐淖兓鼮槊舾小?/p>

綜上所述，人均GDP、基礎公共性服務支出、對外開放度、人均可支配收入、路網(wǎng)密度等因素在形成不同等級的就業(yè)密度水平過程中，具有一定的正向或者負向的促進作用。技術進步在中水平就業(yè)密度區(qū)域的形成中影響并不顯著，但是在較高水平與高水平地區(qū)的形成中產(chǎn)生了顯著影響，所以可能在中低水平地區(qū)存在某種“陷阱”，需要在今后的研究中高度關注。

四、結論

（一）由就業(yè)密度單、雙變量全域Moran’s I可知，我國31個?。▍^(qū)、市）的就業(yè)密度在空間分布上存在正向的空間自相關關系，說明就業(yè)密度高的地區(qū)并不是在空間上隨機分布，而是北京、江蘇、上海、浙江、廣東、海南這些高就業(yè)密度值省級行政區(qū)在空間上存在趨于聚集的現(xiàn)象，且北京、天津、江蘇、浙江、廣東、重慶等省市對中部地區(qū)形成一個環(huán)狀，包圍中部地區(qū)等次級就業(yè)密度省份形成外向溢出，促進中部地區(qū)次級就業(yè)密度未來的增長。

（二）我國就業(yè)密度水平具有長期性與持續(xù)性的特征，原本的類型對于就業(yè)密度水平的類型轉(zhuǎn)變影響較大，我國31個?。▍^(qū)、市）在總體轉(zhuǎn)變的過程中存在慣性發(fā)展的趨勢?；趥鹘y(tǒng)、空間馬爾科夫鏈模型發(fā)現(xiàn)，我國就業(yè)密度高、低水平轉(zhuǎn)變的過程中存在“路徑依賴”現(xiàn)象，就業(yè)密度低水平地區(qū)與高水平地區(qū)保持類型不變的概率較大，同時低水平地區(qū)向上轉(zhuǎn)移、高水平地區(qū)向下轉(zhuǎn)移的概率較低。

（三）我國就業(yè)密度水平受到技術進步、人均GDP、基礎公共性服務支出、對外開放度、路網(wǎng)密度等因素的綜合影響。就業(yè)密度中水平區(qū)域形成過程中技術進步的影響并不顯著，但是技術進步對于較高、高水平區(qū)域形成的影響因素還是較為明顯的。中、高水平區(qū)域的形成受到技術進步、人均GDP、對外開放度、人均消費品零售額等因素正向促進作用以及全社會固定資產(chǎn)投資、基礎公共性服務支出等因素負面影響，說明就業(yè)密度水平的提升，關鍵在于人均GDP的提升、對外開放度的加大、交通是否發(fā)達以及周圍鄰域省市的帶動。