宏观经济政策不确定性下创新驱动战略对制造业就业的影响

庄子银，刘彩云

(武汉大学 经济与管理学院， 湖北 武汉 430072)

一、引 言

制造业是宏观经济的重要支柱，外部宏观经济环境和内部宏观经济政策对制造业的转型和人员结构变动影响极大。相比于国内经济政策的制定，经济波动常常由于外生性和不可预测性使政府无法提前防备，而经济政策的变动却有可控性，因此关注政策的变动对制造业的影响在实践中更为可行。中国政府为了促进制造业的产业转型升级，分别于2006年和2012年提出了创新驱动战略。2006年中国号召自主创新、建设创新型国家，并将这一战略写入了《国家中长期科学和技术发展规划纲要》；2012年党的十八大又提出了创新驱动发展战略，再次重申了创新对于中国国民经济发展的重要性。

宏观经济政策的颁布有效引起了制造业对于产业转型升级的重视，加大了自身产业结构和工作人员人数的调整力度，但同时也引发了经济政策本身的不确定性。因此，研究宏观经济政策对于就业的影响正日益受到学术界的关注。Netsunajev等关注外国和地方的经济政策不确定性冲击对两大经济地区(美国和欧洲)就业的影响，研究表明经济政策不确定性冲击对就业有负影响，欧洲就业主要受到外国经济政策不确定性冲击，而美国就业是受到地方经济政策不确定性冲击的影响[1]；Choi等选用1957第一季度至2014第三季度的标普500指数，通过建立标准宏观向量自回归模型，发现总体的不确定性增加了失业[2]；杨铭等认为经济不确定性冲击并抑制了货币政策对就业的拉动作用，而受到就业抑制作用的主体主要为非国有企业和非工业企业[3]。

目前，探讨中国制造业与就业之间关系的文献主要是以2001年中国加入WTO为背景，考察中国由于贸易自由化引发的制造业就业变动。毛其淋等采用2000—2007年中国制造业企业层面的数据，研究了制造业中间品贸易自由化对就业的影响，指出中间品的贸易自由化通过两方面(“提高就业创造”和“降低就业破坏”)促进了就业增长，同时良好的地区制度环境有利于促进就业[4]；马弘等从制造业企业层面看，1998-2004年中国的平均就业净增长呈上升趋势，其增长的主要动力为劳动力从国有企业流向私有企业，但由于受到户籍制度的影响这种就业再分配在组内的流动所占比例仍较低[5]；Chen等指出中国制造业的出口扩张在消除就业的性别歧视方面扮演了重要的角色，出口更高的企业显著改善了女性雇员的就业比率和人数，并预测未来中国中小型出口企业的就业吸收能力是解决就业困境的一条重要途径[6]。

同时，中国农民的就业问题也引发了学界的重视，学者们提议政府从户籍、就业转型和生育政策方面进行改革，让流动人口在城市化进程中享受到更多的福利。Wang等指出中国的户籍制度和其内在的流动人口政策没有进行根本改革，故进一步加剧了中国城市中流动人口和本地城市居民工资的不平等现象[7]；张彤璞研究表明人均GDP、第二、第三产业的发展有利于促进农民就业转型，因为经济增长和第二、第三产业的发展为农民的就业转型提供了更多的择业机会[8]；Cai等提议政府深化户籍制度改革，有效引导农村闲置劳动力就业，促进人力资源充分有效流动，加速城乡一体化[9]。

以上文献是在确定性环境下研究中国宏观经济政策的实施对就业人员、就业结构和制造业劳动力需求的影响，而没有考虑政策实施期间外部经济环境的不确定性对制造业就业的冲击。因此，本文对制造业和就业之间的关系进行了新的拓展，以2006年和2012年两次提出的创新驱动战略作为研究背景，引入斯坦福大学Baker等人(2016年)公布的中国经济政策不确定性指数(EPU指数)，衡量创新驱动战略政策提出的十年期间对中国制造业就业增长率变化的影响[10]；在引入EPU指数后，与之前文献强调的制造业就业创造率和就业消失率不同，本文采用年度面板数据，挖掘内部宏观经济政策和外部经济政策不确定性下中国制造业就业所面临的挑战。

本文的创新点：第一，研究方法选用贝叶斯正态回归方法，采用Gibbs抽样，通过事件的先验概率和先验分布，得到创新驱动战略的代理变量和EPU指数对制造业就业增长率影响系数的后验均值和标准差；第二，为了解决本文由于样本容量小(n=290)而无法得到一致估计的缺陷，特别选用了分层贝叶斯方法；第三，相对之前的制造业就业研究，本文纳入EPU指数作为回归方程的变量，有效捕捉了企业和工人的个人预期对制造业就业的影响，反映了当前的创新驱动战略也受到了EPU指数的影响；第四，与以往的计量方法不同，本文采用马尔科夫链对结果进行模拟，相比于以往的频率分析，其事件发生概率分析更加科学也更加可信。

二、贝叶斯回归分析

(一)数据

本文采用2005—2016年中国29个省的制造业就业数据，剔除了西藏和新疆两个省份选取发明专利占申请专利比作为国家创新驱动战略的代理变量[11]308-313，这两个变量的数据均来自于《中国统计年鉴2016》。实证模型中引用Baker等2016年公布的中国经济政策不确定性指数，因Baker等以各国代表性媒体报道作为数据来源，且所用文本挖掘技术计算的EPU指数已经得到了国内外学术界的广泛引用[注]EPU指数详见(http://www.policyuncertainty.com/china_monthly.html)。，这也确保了本文实证结果的可信度。

(二)测度指标的生成

(三) 贝叶斯实证分析

1.面板数据混合效应的ML回归。参照Chaloner和Diggle等建立的面板数据模型[12][13]32-34：

emrateij=β0+β1epurateij+β2innorateij+μj+εij

(1)

其中emrateij表示在i年省份j的制造业就业率年增长率，j=1,2，…,29、i=1，2，…,10；epurateij表示经济政策不确定性指数增长率，innorateij表示创新增长率，μj为各省的随机效应，εij为随机干扰项。本文采用最大似然估计法对式(1)进行混合回归(见表1)。

表1 混合效应的ML回归表

从表1的回归结果可知，经济政策不确定性指数增长率和创新增长率对制造业就业率年增长率的影响均为负。将式(1)转变成贝叶斯模型进行贝叶斯正态回归：

emrateij=β0+β1epurateij+β2innorateij+μj+εij

=β1epurateij+β2innorateij+Tj+εij

(2)

β0～N(0,100)β1～N(0,100)

此处β0是一个超级参数，因其是随机效应Tj先验分布的均值参数。

2.贝叶斯正态回归。由表2可知，MCMC迭代的总次数是7 500次，样本经过筛选后最终保留在MCMC中的迭代次数为5 000次，接受率是23%，根据MH 运算法则，通常很少超过50%，一般低于30%，如果接受率低于10%，则 MCMC有收敛问题，平均有效性为0，表明回归结果还需要采用其他方法来提高MH运算的有效性。表2中的均值为后验均值估计，标准偏差为边际后验分布的标准偏误，主要描绘参数后验分布变化；后验均值估计的准确性依赖蒙特卡罗标准误差描述；中值提供的是后验分布中值，用于评估后验分布的对称性；最后一组提供的是参数95%的置信区间。首先根据MCMC的收敛性判断贝叶斯回归结果的有效性，由于评估MCMC收敛还没有统一的标准，因此本文采用Geweke和Cowles等使用最广泛的MCMC收敛评估方法[14-15]。

表2 贝叶斯正态回归结果表

图1和图2列出的图形依次为：轨迹图、直方图、自相关图以及核密度估计与MCMC样本估计密度覆盖。从图1和图2中可以看出，两者的轨迹图显示趋势不平稳，自相关图为高度自相关，直方图的形状不是单峰的，核密度估计没有与MCMC样本估计的密度重叠。因此，MCMC模拟结果不收敛，贝叶斯回归结果缺乏解释有效性，所以改用贝叶斯Gibbs样本进行MCMC模拟，增加贝叶斯分析的有效性，改善MH运算的有效性。

图1经济政策不确定性指数增长率下的就业增长率图

图2 创新增长率下的就业增长率图

3.贝叶斯正态回归(Gibbs样本)

表3 贝叶斯正态回归(Gibbs样本)结果表

表3中的贝叶斯Gibbs样本正态回归，假设所有的变量(包括自变量和因变量)都服从正态分布N(0,100)、MCMC的样本为5 000、迭代次数为7 500次、接受率为1、平均有效性为15%，EPU指数和创新增长率对制造业就业的影响均为负。

从图3和图4中可以看出，就业增长率受EPU指数增长率和创新增长率影响的MCMC模拟结果如下：两者的轨迹图发展趋势平稳，自相关图无自相关，直方图呈单峰状，核密度估计与MCMC样本估计的密度重叠。因此，贝叶斯选用的Gibbs 样本回归结果可以作为有效的解释依据，与EPU指数相比，创新驱动战略对制造业就业的负作用更明显，其中江西受到这两个变量的影响最大，制造业就业率年变化率变动1个百分点，经济政策不确定性指数和创新增长率的变动率占其变化的0.8；北京、甘肃、贵州、黑龙江、陕西和山西制造业就业的年增长率变化受到这两个变量的影响为0.5，其他各省制造业就业年增长率受到这两个变量的影响为0.6。贝叶斯Gibbs样本回归的创新增长率的后验均值负值显示了创新驱动战略对制造业就业的负向调控力度，而EPU指数的后验均值负值体现了宏观经济政策的实施成本又进一步推动了创新驱动战略对制造业就业的负影响。

三、稳健性检验

本文的贝叶斯Gibbs样本回归模型得到的主要结论为，中国各省市自治区制造业就业的年增长率变化受到EPU指数和创新驱动战略的负向影响，反映了中国制造业行业的就业一方面容易受到宏观经济政策的调控，另一方面又对外部经济环境不确定性很敏感。为了证实贝叶斯Gibbs样本回归结果的稳健性，本文对上述变量有所改变：一是改变了上述变量的先验分布；二是增加了上述变量的方差。本文在稳健性检验中假设这三个变量的先验分布服从正态分布N(0,200)，将回归结果与之前的先验分布N(0,100)进行比较。

贝叶斯Gibbs样本回归结果的MCMC模拟是收敛的，回归结果可以作为有效的解释依据，即使改变了变量的先验分布和方差，EPU指数增长率和创新增长率对制造业就业率增长率的变化仍然为负。稳健性检验再次证实了中国制造业的就业对宏观经济政策不确定性和创新驱动战略非常敏感，以上的贝叶斯Gibbs样本回归结果均支持本文的主要结论。

图3经济政策不确定性指数增长率下的就业增长率图

图4 创新增长率下的就业增长率图

四、结 论

本文研究宏观经济政策不确定性下创新驱动战略对制造业就业的影响，采用2005-2016年的面板数据建立贝叶斯模型，通过MCMC模拟的收敛性检验发现：第一，EPU指数、创新驱动战略的代理变量发明专利占申请专利比例年变化率与中国29个省的制造业就业增长率负相关；第二，通过贝叶斯正态回归，宏观经济政策不确定性指数越高对中国制造业就业率年增长率的破坏就越大，具体表现为贝叶斯正态回归Gibbs抽样中的创新增长率年变化率的后验均值为负；第三，MCMC模拟再次证实了宏观经济政策不确定性是制造业失业的驱动力量之一。

本文丰富了宏观经济政策不确定性在制造业就业领域的应用研究，为研究创新驱动战略对制造业就业的影响提供了新的视角。同时，本文通过建立贝叶斯模型就宏观经济政策不确定性对制造业就业的影响进行分析，拓展了相关领域的实证研究。

本文为政府对制造业就业的平稳过渡和探索创新驱动战略的实施提供了有价值的经验参考。中央强调调整经济结构转型的关键时期，创新驱动战略是政府促进制造业转型的重要宏观调控手段，新的宏观经济政策颁布对制造业的结构变化和人员调整带来了新的挑战。基于制造业的就业视角，一方面，在宏观经济环境的平稳时期，具体表现为EPU指数没有急剧上升，制造业就业在创新驱动战略调整下没有剧烈波动，因此政府在制定调整与引导制造业转型和探索提高制造业就业的相关政策时应当谨慎对待国际对于中国的经济形势评估，不能仅局限于目前国内整体经济运行的状态，以提高自身的应变能力；另一方面，由于制造业对整体宏观经济环境比较敏感，政府制定相关宏观经济政策时应当及时公布相关数据以降低企业和个人的不确定性预期。同时，为了应对宏观经济政策不确定性的冲击，政府在推进创新驱动战略期间，应当加大对失业人员的技能培训投资，以协助其再次就业。