中国劳动参与率变动与“后弯的”劳动供给曲线

马艳林

(首都经济贸易大学 劳动经济学院，北京 100070)

中国劳动参与率变动与“后弯的”劳动供给曲线

马艳林

(首都经济贸易大学 劳动经济学院，北京 100070)

利用19个国家1978—2012年间的面板数据，分别采用长面板模型和动态面板模型对劳动参与率的影响因素进行估计，发现劳动年龄人口比重、失业率、大学毛入学率和人均GDP对劳动参与率的影响非常显著，从而证实“后弯的”劳动供给曲线理论。

劳动参与率；劳动供给曲线；劳动力资源

引言

劳动参与率是指经济活动人口与劳动年龄人口的比重，它测度和反映一个地区的人口参与劳动的程度和劳动力供给变动，是反映劳动力市场状况的重要指标之一。较世界其他国家而言，中国劳动参与率一直偏高，但近年来呈现出逐步下降的趋势，1990年中国劳动参与率高达79%，而到了2012年，已降至69.8%。罗宾斯(Robbins)在1930年发表的《收入的需求弹性》中就明确指出了工资率的变化与工作时间的关系，提出工资率越高工作时间越短。此后，道格拉斯(Douglas，1934)、杜兰德(Duland，1948)和朗(Long，1958)进一步明确了工资率变化的收入效应和替代效应如何影响劳动供给，从而完善了“后弯的”劳动供给曲线理论。[1]一般来讲，工资很低的时候，伴随工资率的提高，劳动供给的替代效应大于收入效应，劳动者倾斜更多地提供劳动以获得更高的收入；但当工资上涨到一定程度，闲暇的“价值”已经非常高，收入效应倾向于超过替代效应，个人劳动供给减少。根据这一理论，随着中国经济的发展，工资水平的提高，收入效应开始大于替代效应，劳动参与率出现了下降，是可以解释的。但是，关于劳动参与率变动的原因，学术界也有不少的争议，如万相昱和张世伟(2008)[2]利用非线性二元选择性的probit回归模型得出了劳动参与率偏低的原因除了宏观经济的调整之外，更是因为存在大量因缺乏劳动竞争力而退出劳动力市场的沮丧者。蔡昉和王美艳(2004)[3]建立了关于劳动参与率与相关因子的概率分析模型，认为年龄、性别、受教育状况、健康状况、家庭成员的收入、社会保障等因素都是影响劳动力参与率的因素。方莉(2007)[4]从劳动力市场报酬和中国的贫富状况、“气馁工人效应”和“新增工人效应”、社会保障制度、教育状况以及人口结构的变化等几个方面解析了影响中国劳动力参与率的因素。陆铭和葛苏勤(2000)[5]通过建立回归模型，分析了体制转轨、产业调整、收入增长以及教育发展等因素对中国城镇劳动参与率作用的方向和大小。张车伟和吴要武(2003)[6]发现城镇人口在失业率上升的同时劳动参与率下降，区域间也存在着严重的不平等。

以上对劳动参与率的考察积累了大量丰富而可供参考借鉴的研究成果。改革开放以来，国际经济联系日益广泛，劳动供给不仅受到本国劳动力资源和国内市场的影响，也受到其他国家劳动力市场和国际经济环境的影响，因此采用国际面板数据分析中国劳动参与率的发展趋势及其影响因素具有一定的研究价值。

一、数据来源与研究方法

1.数据来源

本文以20国集团(G20)中除欧盟以外的19个国家为研究对象，选取1978—2012年相关数据，20国集团GDP占全球经济的90%，贸易额占全球的80%，因此这19个国家具有很高的代表性。数据绝大部分来自于世界银行数据库，由于世界银行缺乏中国劳动参与率1990年之前的数据，因此本文引用了罗双喜(2010)[7]1985—1989年劳动参与率的研究数据，对数据做了适当补充。

2.模型及变量选取

根据经济学理论和各国的经验，从宏观方面看，劳动参与率受国家的宏观经济状况、社会经济增长、人口结构、社会教育发展水平、社会文化观念、社会分工程度、社会保障水平和劳动力市场状况等诸多社会宏观因素的影响。

(1)经济发展与劳动参与率

一般来讲，经济较快增长会推动当地的就业增长，劳动参与率也随之增长，反之，经济增长减缓也会导致就业需求的减少，从而降低劳动参与率。此外，当劳动者收入和财富达到一定程度后，工资率增长的收入效应大于替代效应，反而导致劳动供给减少，从而降低劳动参与率。因此当一国或者地区经济发展到一定水平后，经济增长会产生财富效应，劳动参与率会逐渐下降。

(2)城市化与劳动参与率

随着城市的发展，劳动者的就业结构逐步从第一产业向第二产业、第三产业转型，不同产业的就业弹性是不同的，例如技术和资金密集型产业的发展，一方面就业弹性不高，可能使得劳动参与率下降，但是新技术发展又会催生新的行业，那么又会使得劳动参与率提高。此外，城市化的发展，使得人们的生活方式更多样化，文化多元化，例如自由职业者的出现和非正规就业的出现，都有可能使得劳动参与率下降。

(3)劳动年龄人口比重与劳动参与率

一般来说，劳动年龄人口规模越大，劳动力资源供给越大。这其中25岁以下人口的劳动参与率易受教育和培训的影响而上下波动，而50岁以上女性、60岁以上男性的劳动供给跟身体健康状况、专业技术能力、社会保障程度、家庭收入状况和劳动观念等因素的影响。但总体来讲，一个国家和地区15～64岁劳动年龄人口比重很大程度上影响了劳动参与率，是其中一个重要因素。

(4)劳动者的受教育水平与劳动参与率

从短期看，劳动力接受教育和培训的年限较长时，劳动力进入市场的时间也将推迟，从而降低劳动参与率，反之，会提前进入劳动力市场，提高劳动参与率。从长期看，劳动者接受更多的教育会提高其在市场的竞争力，在较长的时期内有利于劳动参与率的稳定和提高。同时，劳动者受教育水平的程度和劳动参与情况又受到一个国家和地区经济发展和产业结构的影响，如果一个国家以劳动密集型产业为主，资金密集型和技术密集型产业发展缓慢，就会影响高素质型劳动力的就业，产生结构性的失业，从而降低劳动参与率。

(5)失业率与劳动参与率

如果一个社会失业率较高，一部分缺乏竞争力的劳动者会逐步退出劳动力市场，例如大龄劳动者的劳动参与率明显下降，出现大规模的提前退休现象。

(6)社会保障、劳动力管理体制和收入分配等制度因素与劳动参与率

比如中国工资与工龄挂钩、劳动就业与公费医疗、保险、住房公积金等福利制度关联的就业制度和工资制度，就会潜在地提高劳动参与率。如果收入分配制度向资本、土地和复杂劳动倾斜则会潜在地降低劳动参与率。

根据以上理论分析和国外学者对劳动供给分析的建模方法[8-9],同时结合数据的可得性和初步统计分析，本文构造了面板数据模型：

lfprit=β0+β1lpit+β2urit+β3eduit+β4lngdpit+β5upit+ui+εit

(1)

其中，劳动参与率(lfpr)作为被解释变量，并选取了于劳动参与率相关关系较强的5个变量，分别是15～64岁劳动年龄人口比重(lp)、失业率(ur)、大学毛入学率(edu)、人均GDP的对数(lngdp)和城市化率(up)，下标i表示不同国家，下标t表示不同时间，ui为个体效应，εit为随机扰动项。

3.各国劳动参与率的变动趋势

图1描绘了20国集团中19个国家1978—2012年的劳动参与率，呈现不同的变化趋势。有的呈现下降趋势，如中国、印度、土耳其；有的呈上升趋势，如阿根廷、澳大利亚、巴西、南非等，有的则处于相对稳定的状态，如加拿大、法国、德国、英国、美国；有些国家呈不规则的变化趋势。在这19个国家中，中国的劳动参与率明显高于其他国家，2012年之前均高于其他18个国家，但由于35年来中国的劳动参与率逐年缓慢下降，到2012年下降到了69.75%，低于巴西在2012年的劳动参与率(69.9%)。2012年，意大利的劳动参与率最低，为49.3%。其次为土耳其(50%)、南非(51.8%)、印度(53.4%)、沙特阿拉伯(53.8%)、法国(56.7%)和日本(59%)，其他国家则在60%～70%之间。

三、估计方法和结果

1.长面板模型

由于本文使用的面板数据n=19，T=35，故属于长面板数据。对于长面板数据，关注的焦点在于设定扰动项相关的具体形式，以提高估计的效率，然后用可行广义最小二乘法(FGLS)对长面板进行估计。首先进行LR检验或者沃尔德检验以确定是否存在异方差或自相关。经过检验，拒绝了“组间同方差”的原假设，即认为存在“组间异方差”；同样也拒绝了“不存在一阶组内自相关”的原假设。因此采用能够解决组间异方差和组内自相关的面板修正标准差估计法。即考虑以下模型：

其中，xit可以包括常数项、时间趋势项(或其平方项)、个体虚拟变量以及不随时间变化的解释变量τi。扰动项εit服从AR(1)过程，即

εit=ρiεi,t-1+vit

其中，|ρi|<1,{vit}为独立同分布的且期望为0。如果ρi=ρ(i=1，2，…，n)，则所有个体的扰动项都服从自回归系数相同的AR(1)过程。如果允许每个面板有自己的ρi，则服从自回归不同的AR(1)过程。本文将采用PCSE和FGLS两种估计方法，并且每种方法分别设置约束每个面板(个体)的自回归系数相等和允许自回归系数不同的情况分别估计。为了控制个体效应(ut)，首先生成country1，country2，…，country19共19个国家虚拟变量，为了考虑时间效应，生成时间趋势变量t得出的结果如表1。

注：括号内为标准差；***P<0.01,**P<0.05,*P<0.1，后同。

结果显示，四个模型整体显著的检验P值为0.000，表明模型整体显著。一些国家虚拟变量很显著，检验所有国家虚拟变量的联合显著性，结果强烈拒绝“无固定效应”的原假设，认为存在固定效应，应在模型中设定中允许每个国家有自己的截距项，而且从t的显著水平看时间效应也非常显著。对比PCSE和FGLS的回归结果，可以看到，PCSE的标准差都要比相应的FGLS的估计值大，而且FGLS模型中，劳动年龄人口比重(lp)、失业率(ur)和城市化率(up)的显著性都有所加强，因此本文认为采用可行的广义最小二乘法(FGLS)的估计方法更有效。此外，由于T并不比n大很多，则约束每个面板自回归系数均相等更加合适，因为时间维度T可能无法提供足够的信息来分别估计每个面板自己的自回归系数。如模型2中便出现了部分国家由于数据限制无法得出自己的自回归系数，总体来讲，采用FGLS估计法且约束每个面板自回归系数均相等更有效。

从模型3的回归结果来看，15～64岁劳动年龄人口比重(lp)在1%的显著水平上较显著，对劳动参与率产生正的影响，劳动年龄人口比重每增加1个百分点，劳动参与率增加0.126个百分点；失业率(ur)每增加1个百分点，劳动参与率减少0.17个百分点；城市化率(up)每增加一个百分点，劳动参与率减少0.212个百分点。模型显示大学毛入学率(edu)和人均GDP(lngdp)对劳动参与率的影响并不显著。

2.动态面板模型

通过长面板模型估计，可知各国的劳动参与率存在固定效应，即每个国家都有自己的国情，且劳动参与率的时间效应也非常显著。但是，面板数据虽然能够有效处理不随时间而变的个体特征，但如果回归模型包含“内生解释变量”，则需要用面板工具变量法来解决。最常见的方法是用被解释变量的滞后值作为工具变量。这种解释变量包含了被解释变量的滞后值，称之为“动态面板数据”。事实上，对于这种动态面板模型，除了可以自己选择工具变量，更经常地，我们是直接利用相应的动态面板估计方法进行估计。

对于动态面板数据，组内估计量(FE)是不一致的，会产生动态面板偏差。解决办法是水平GMM，差分GMM与水平GMM结合在一起，作为一个方差进行系统GMM处理。系统GMM的优点是可以估计不随时间变化的变量τi的系数，从而提高了估计的效率，但它必须满足{Δyi,t-1,Δyi,t-2}与ui无关。

劳动参与行为作为个体日常生活状态的呈现，是个体惯常行为的体现，他过去的劳动参与行为和习惯必将影响他当前的劳动参与行为。从劳动需求看，经济波动和其他因素对劳动力市场的影响具有滞后性，劳动供求双方受劳动合同的保护，劳动力市场也具有一定的稳定性，因此，我们尝试用劳动参与率的滞后值作为解释变量，分析其对当年劳动参与率的影响，可构建以下动态面板模型：

lfprit=β0+ρ1lfpri,t-1+β1lpit+β2urit+β3eduit+β4lngdpit+β5upit+ui+εit

(2)

首先，以差分GMM估计模型(2)，因为T较大，为了避免产生过多工具变量从而出现弱工具变量的问题，模型限制最多使用一阶滞后变量作为工具变量(经统计分析，二阶滞后值也不显著，故不作为工具变量)。估计结果显示(见表2)被解释变量的一阶滞后值很显著，除了城市化率(P值=0.815)之外其他变量都非常显著。差分GMM能够成立的前提是扰动项不存在自相关，因此要进行abond检验，检验结果显示扰动项的差分存在一阶自相关，但不存在二阶自相关，故接受原假设“扰动项无自相关”，可以使用差分GMM。此外，通过进行sargan命令进行过度识别检验，结果显示，在5%的显著性水平上，因为P值=0.320>0.05，故无法拒绝“所有工具变量均有效”的原假设，说明工具变量集是有效的。其次，使用系统GMM来估计模型(2)，结果显示被解释变量的一阶滞后值同样很显著，城市化率的P值(0.129)的显著水平大大提高，其他变量仍然非常显著。同样对系统GMM扰动项的自相关进行abond检验，结果显示扰动项的差分存在一阶自相关，但不存在二阶自相关，故接受原假设“扰动项无自相关”，可以使用差分GMM。再进行工具变量有效性sargan检验，P值为0.874，意味着“所有工具变量有效”的原假设成立。

注：括号内为稳健标准差。

3.实证结果

通过使用长面板模型和动态面板模型分别进行估计，我们可以看到动态面板模型使得各变量的显著性得到提高，在一定程度上解决了解释变量内生性问题。特别是系统GMM的使用克服了差分GMM带来的一些问题，使得估计结果更有效，因此，本文采用动态系统GMM的估计结果对劳动参与率的影响因素进行解释。

劳动参与率的一阶滞后值在1%显著性水平上显著，其影响为正，系数为0.941；劳动年龄人口比重在1%显著水平上显著，其影响为正，每增加1%的劳动年龄人口比重，劳动参与率提高0.089个百分点；失业率在1%的显著水平上显著，其影响为负，每增加1%的失业率，劳动参与率将下降0.082%；大学毛入学率在5%的显著性水平上显著，影响为正，每增加1%的大学毛入学率，劳动参与率将提高0.018%；人均GDP的对数在1%的显著性水平上显著，影响为负，其系数较其他影响因素较大，为-0.642；城市化率的P值为0.129，系数为0.0139，对劳动参与率的影响不显著。根据该结果，我们可以写出一个拟合的模型：

lfprit=1.883+0.941lfpri,t-1+0.089lpit-0.082urit+0.018eduit-0.642lngdpit+0.014upit

四、中国劳动参与率的趋势及原因分析

1.中国劳动参与率呈逐年下降趋势

相关数据显示，中国的劳动参与率逐年下降，1985—2012年间下降幅度为12.35%，年均下降0.45%。国际劳工组织估计，中国女性的劳动参与率也成逐渐下降的趋势，但是始终保持在比男性的劳动参与率低6%左右的范围内，也就是说劳动参与率的下降并没有表现出明显的性别差异。

2.中国劳动参与率下降的最主要原因是国民收入的上升

从实证结果看，人均GDP对劳动参与率的影响是最大的，模型系数达到-0.642，明显高于其他变量系数。随着中国经济的发展，人均GDP大幅提高，个人可支配收入大幅上升，个人获得财富的途径增多，社会财富效应开始显现。收入效应逐渐大于替代效应，因此劳动参与率随着个人和社会财富的增加呈现下降趋势，这也从实证角度论证了罗宾斯等人关于“后弯的”劳动供给曲线理论。

3.中国失业率稳定，对劳动参与率的影响较小

失业率对劳动参与率的影响为负，实证结果表明每增加1%的失业率，劳动参与率将下降0.082%。从失业率看，中国的失业率有上升的趋势，但近年稳定在4%左右，虽然失业率的数据一直被质疑，但根据本人对第六次人口普查数据的分析，2010年中国城镇失业率为4.84%[10]，略高于国家统计局发布的城镇登记失业率，总体上是可信的。再加上中国经济增长一直保持在7.5%左右，对劳动的潜在需求并没有衰退，如果中国失业率能够保持稳定，那么对劳动参与率的影响不会太大。

4.劳动年龄人口比重和社会受教育程度提高难以扭转劳动参与率的下降趋势

从模型结果来看，劳动年龄人口比重和社会受教育程度的提高对劳动参与率的作用为正，有利于提高了劳动参与率。但是，尽管中国15～64岁劳动年龄人口比重呈逐年上升的态势，但没有改变劳动参与率逐年下降的趋势，而且，中国的劳动年龄人口2010年达到了顶峰73.51%，随后出现了拐点，开始下降，这无疑将加剧劳动参与率的下降趋势。从劳动者受教育情况看，随着中国人均受教育水平的提高，受教育年限延长使得劳动者进入劳动力市场的时间推迟，从而在某个年龄范围内降低了劳动参与率，但另一方面，劳动者受教育程度的提高，又增强了劳动者的市场竞争能力、延长了劳动者的工作年限，从而有利于提高劳动参与率。从中国的情况看，劳动年龄人口比重近年来保持在高位，社会整体受教育程度不断提高，有利于劳动参与率的提升，但是与收入效应相比，难以扭转劳动参与率不断下降的趋势。

五、研究结论和政策建议

实证结果表明，劳动年龄人口比重、失业率、大学毛入学率和人均GDP等变量非常显著，劳动年龄人口比重和劳动者教育程度对劳动参与率的影响为正，失业率和人均GDP的影响程度为负。特别是人均GDP的影响显著且系数较大，说明随着经济的发展，社会财富效应增加，劳动供给呈下降趋势，符合 “后弯的”劳动供给曲线理论，即当收入水平达到一定程度后，劳动者的收入效应大于替代效应，劳动供给减少。因此，对于中国劳动参与率的下降趋势，我们不需要特别担忧。本文认为劳动参与率过高和过低都不能最有效地利用人力资源，必须保持劳动供给与劳动需求协调发展，为此，本文提出以下几点建议：

第一，保持适度的经济增长速度，缓解就业压力。

中国是一个正处于城市化进程中的人口大国，人口从农村向城市转移的过程中，必须要保持适度的经济增长速度以创造大量的就业岗位才能缓解就业压力，否则，过高的失业率会使一部分低竞争能力的人被迫离开劳动力市场，从个人角度讲，不利于人民群众生活水平的提高，从社会角度讲，造成了人力资源的浪费和社会的不稳定，最终影响经济社会的发展。

第二，加强教育与职业培训，提高劳动者的素质。

2012年中国第三产业增加值占国内生产总值的比重达到45.5%，首次超过第二产业增加值(45%)，标志着中国进入了以信息业和各类技术服务业快速发展为特征的现代化阶段。这一阶段必须提高中国劳动者的知识、技术水平和职业素养，如果劳动力的知识结构与产业发展结构错位，必然导致大量结构性失业。上文的实证分析显示，提高全社会的受教育水平对劳动参与率的影响是正面的，发达国家的大学毛入学率平均在50%以上，2012年美国、加拿大、韩国的大学毛入学率均超过90%，而同期中国的大学毛入学率仅为26.7%，培养高素质的劳动力资源还任重道远。

第三，提高劳动者报酬，增加劳动报酬在国民收入分配中的比重。

目前，普通劳动者收入增长相对缓慢，劳动报酬占初次分配比重持续下降是当前收入分配领域最突出的问题之一。应该把提高劳动者报酬水平作为改善国民收入分配的重要途径。虽然经济增长和收入的提高使得收入效应大于替代效应，从而在一定程度上降低劳动参与率，但这种劳动参与率的降低是劳动者劳动负担下降、劳动者生活质量提升的表现，是合理而值得提倡的。尤其是对比其他国家来看，中国的劳动参与率接近70%，仍然偏高，因此我们还应该继续完善中国的社会保障制度，改善投资环境、创业环境，增加人们的经营性收入、财产性收入，使劳动者可以不仅仅依赖劳动性的收入，从而减少就业压力。

4.改善人口年龄结构，避免劳动年龄人口下降过快

目前，中国劳动年龄人口比重在2010年达到73.51%的峰值后正逐步下降，人口老龄化进程逐步加快，劳动力供给下降，劳动参与率也随之下降。而第六次人口普查数据还显示，2010年全国总和生育率为1.18[11]，明显低于发展中国家的理想生育率(2.3胎)。从长远看，中国未来存在一定的劳动供给压力，因此一方面要逐步改善中国的生育政策，改善人口年龄结构，避免劳动年龄人口下降过快，另一方面也要学习美国、加拿大等发达国家的做法，加强对国际劳动力和人才的吸引力以应对老年化社会的到来。

[1]张雄.劳动参与率理论发展综述[J].重庆工商大学学报(西部论坛),2007(4):36-39.

[2]万相昱,张世伟.我国城镇居民劳动参与率状况与成因——基于微观数据的经验研究[J].西北师大学报(社会科学版),2008(2):115-119.

[3]蔡昉,王美艳.中国城镇劳动参与率的变化及其政策含义[J].中国社会科学,2004(4):68-79+207.

[4]方莉.对影响我国劳动力参与率因素的解析[J].理论月刊,2007(11):134-137.

[5]陆铭,葛苏勤.经济转轨中的劳动供给变化趋势:理论、实证及含义[J].上海经济研究,2000(4):24-33.

[6]张车伟,吴要武.城镇就业、失业和劳动参与:现状、问题和对策[J].中国人口科学,2003(6):37-44.

[7]罗双喜.ARMA模型在我国劳动参与率预测中的应用[J].商业时代,2010(6):8-9.

[8]HOMAIE R E,MOHAMAD H,HANIE G.Comparison the effects of health indicators on male and female labor supply,evidence from panel data of eastern mediterranean countries 1995—2010[J].Irantan Journal of Public Health,2004,43(2):221-228.

[9]JARVIS L,VERA-TOSCANO E.Seasonal adjustment in a market for female agricultural workers[J].American Journal of Agricultural Economics,2004,86(1):254-266.

[10]马艳林.我国就业、失业及劳动参与现状和特征分析——基于第六次全国人口普查数据[J].调研世界,2014(7):6-10.

[11]国务院人口普查办公室/国家统计局人口和就业统计司.中国2010年人口普查资料[M].北京：中国统计出版社，2012.

(责任编辑：宛恬伊)

Change of China’s Labor Force Participation Rate and “Backward Bending” Labor Supply Curve

MA Yanlin

(School of Economics,Capital University of Economics and Business,Beijing 100070,China)

This paper adopts the panel data of 19 countries during the period of 1978—2012 and estimates the parameters of the influencing factors of labor force participation rate by using the long panel data model and dynamic panel model respectively.It is found that the proportion of working age population,the unemployment rate,gross school enrollment rate of tertiary and per capita GDP have significant affection on labor force participation rate which confirms the “backward bending” labor supply curve.

labor participation rate;labor supply curve;labor resources

2015-01-06

北京市教育委员会科研项目“科研基地建设—科技创新平台—都市圈研究中心(2015)”(PXM2015_014205_000126)；首都经济贸易大学特大城市经济社会发展研究院项目；首都经济贸易大学劳动经济学院研究生科研创新项目

马艳林(1980—)，女，首都经济贸易大学劳动经济学院博士研究生，研究方向为劳动计量、劳动就业和劳动与社会保障。

F249.21

A

1008-2700(2015)03-0064-09