产业升级对女性就业的冲击效应研究——来自我国“一带一路”重点建设省域的证据

何雅菲，李林玉

（桂林理工大学 公共管理与传媒学院，广西 桂林 541004）

一、引 言

随着改革开放阶梯式推进，三次产业对女性劳动力的吸纳潜能迥异（彭青青等，2017）［1］。据2010年“六普”调查发现，女性就业的行业分布具有高度集中性，农林牧渔与水利业是吸纳女性就业的最主要行业，占比达53.2%；制造业次之，吸纳了16.6%的女性劳动力。2014年国家统计局调查城镇单位就业人员情况却发现，第三产业成为女性参与经济活动的主要阵地。其中，女性就业人员在住宿和餐饮业、批发和零售业、金融业、教育以及卫生和社会工作等第三产业中的劳动参与率超过了50%。《2016年中国劳动力市场发展报告》也指出，以“互联网+”为代表的新经济形态拓展了女性的就业渠道，“性别红利”将成为经济增长的重要推力。

国外大量研究早已证实，随着女性人力资本的不断积累，现代服务业和新兴战略产业对女性职业升级产生显著的正效应，产业性别隔离程度也有所降低（Lee，1988；Peetz&Murray，2019）［2-3］。在中国，学者们特别强调第三产业发展与女性就业的关联效应，并侧重从智能、生理等层面解析产业升级对女性就业吸纳的影响（毛宇飞和曾湘泉，2017）［4］。他们的解释是：第一，相较于以体力劳动为重心的农业和工业，以脑力劳动为依托的第三产业，体力强弱不再是衡量生产者素质高低的标准；第二，传统女性在相夫教子过程中反映了女性的共同禀赋——思维细密、心灵手巧、沟通能力、表达能力强及亲和度高，这些长于男子的优点使其从事电子信息、物流中介、科研教育、公共管理等工作更游刃有余；第三，女性善于照顾他人、忠实、善良、细心等性格特点，使女性在金融、社会服务、文化艺术等第三产业具备得天独厚的优势（张一兵，2005；邓峰和丁小浩，2012）［5-6］。

当然，部分学者认为产业升级为女性创造更多就业选择的同时，也为其带来巨大的就业压力（吕学静，2003；Bates，2006；孙秋霜，2018）［7-9］。例如，Browne（2000）研究发现，在产业结构调整过程中，年轻的黑人妇女会因产业空间错配或技能不匹配失去就业机会［10］；Tejani&Milberg（2016）测算发展中国家的资本—劳动替代关系时得出，工业升级中的劳动力需求变化存在反女性的偏见［11］。产业结构升级对女性就业的负面效应可能源于：第一，女性劳动力虽在餐饮、教育、卫生以及新兴金融业的就业规模较大，但在社会福利待遇较好且是权力、地位象征的垄断行业比例低，且增长速度缓慢；第二，女性劳动者在劳动承受力、创造力等方面与男性劳动者展现出一定的差距，这些也会促使企业在资源重组过程中更倾向选择男性；第三，出于生育责任或家庭照顾责任的考量，在传统高污染、高耗能产业的重组中，女性劳动者更愿意在家留守而不是随企迁出；第四，各个行业对于劳动者技能禀赋和任务要求的天然分野、女性教育资源禀赋的相对弱势也会加剧女性就业歧视（李军峰，2003；岳昌君，2010；宋严等，2012；代懋等，2013；黄楠等，2015；“女大学生就业状况与问题调研”课题组，2018）［12-17］。

很明显，产业升级对女性就业的影响是把双刃剑。为此，女性劳动力是否符合产业发展需求，产业升级能否对女性劳动力产生就业创造效应，这是我国经济可持续发展的重要议题。特别是在“一带一路”的国际化建设过程中，产业升级获得更有利的外部环境，也为女性提供了更多的就业机会。那么，在“一带一路”倡议的实施过程中，产业升级在女性就业吸纳中扮演什么角色？两者的联动效应有多大？为此，本文拟收集内蒙古、辽宁、吉林、黑龙江、上海、浙江、福建、广东、广西、海南、重庆、云南、西藏、陕西、甘肃、青海、宁夏以及新疆等“一带一路”18个重点建设省域的相关数据，从产业合理化和产业高度化两个维度切入，计量检验产业升级对女性就业的冲击效应。

二、模型构建、指标设计与数据说明

（一）模型构建

在产业升级与女性就业的研究中，大多文献采用定性研究的范式阐述两者逻辑关系，计量检验产业升级与女性就业动态关系的研究相对不足。根本原因在于，经济理论的模糊性常会给双向动态耦合关系的研究带来困难。向量自回归模型（VAR模型）则不以经济理论为基础，事先探寻变量内在的逻辑关系，而是假设每个研究变量都是内生变量，借助数据统计性质拟合、预测系统变量间的联动反应（白雪梅和赵松山，2000；秦建群，2008）［18-19］。但在实际操作中，VAR 模型需通过不断加入内生变量的滞后项来消除序列相关，且对残差同期等相关要求不严格。这意味着，VAR模型对于数据的时间序列长度要求较高，且忽略了个体的异质性问题。为此，Holtz-Eakin（1988）、Love（2006）等结合与扩展VAR模型与面板数据模型的优点构建了PVAR模型。与VAR模型相比，PVAR模型只要求数据长度不低于“滞后阶数+3”即可，还能有效控制不可观测的个体与时间异质性，较好地解决变量内生性问题引致的估计偏误。基于此，本文拟采用PVAR模型测度产业升级与女性就业的相互关系，模型的基本表达式如下式：

其中，内生变量 yit代表被解释变量女性就业；xi，t-j为核心解释变量产业升级的变量集；yi，t-j则为 yit的 j阶滞后项，即将内生变量女性就业的滞后项作为控制变量。此外，i、t、p分别代表省份、年份、滞后阶数；α0是截距项；αj、βj是待估参数；ηi代表个体的固定效应，反映城市的异质性；φt为时间效应向量，解释系统变量的趋势特征；εit假设为服从正态分布的白噪声扰动项。

由于产业结构升级的实质是生产要素从旧经济方式流向新经济方式的结果，也是生产要素在各产业间配置的转变。为了全面反映产业升级对女性就业的动态机制，本文分别借助产业合理化、产业高度化以及它们的联合机制考察女性就业的动态波动。模型表达式如下：

模型一（产业合理化机制）

上述3式中，其最主要的差异体现在核心解释变量上。其中，Ai，t-j代表核心解释变量产业合理化；Bi，t-j代表核心解释变量产业高度化；Ci，t-j代表核心解释变量产业合理化和产业高度化。

（二）指标设计

（1）女性就业（fejobrate）是本文的被解释变量。由于《中国劳动统计年鉴》等统计年鉴中仅采集了城镇单位女性就业的信息，鉴于此，本文采用城镇单位女性就业人员占城镇单位就业规模的比重测量女性就业波动。

（2）产业合理化（dration）是本文的核心解释变量。该变量用于反映资源的有效配置程度和投入产出能力的匹配程度，继而反映产业结构的“协调程度”（杨艳琳和赵荣钧，2017）［20］。本文参考干春晖等人（2011）的研究，采用泰尔指数衡量三次产业间的协调程度，计算公式如下：

其中，Yi/Y反映产业结构的变化，采用各产业增加值占总产值的比重度量；Yi/Li反映各产业的生产率，采用各产业增加值与从业人数的比值度量。当dration指数趋近于0，说明产业合理化的水平高；当dration值逐渐增大，说明产业结构偏离均衡状态的幅度增大，产业结构逐渐恶化。

（3）产业高度化（high）是模型二的核心解释变量和模型三的核心解释变量，用于反映产业内部结构的动态优化。前人常使用第二、三产业产值的累积和占国内生产总值的比重测量，或采用第三产业增加值占第二产业增加值的比重度量。但此测量方法的缺陷在于，它忽视了不同地区生产要素的禀赋差异。因此，上述方法一般更适用于单个地区产业结构优化升级的评价，而用于不同地区的比较则有失偏颇。另外，根据配第—克拉克定理关于产业结构的演变规律，并考虑地区产业分工和专业化深入会导致各产业劳动生产率提高，本文构建产业结构升级系数反映产业高度化，测量公式如下：

其中，yi为第i产业产值占总产值的比重，产业结构升级系数high的取值范围为1≤high≤3。其中，当产业结构升级系数越接近1，则意味着产业结构的层次越低，产业升级速度越慢；当产业结构升级系数越接近3，则意味着产业结构的层次越高，产业升级速度越快（魏燕和龚新蜀，2012）［21］。

（三）数据说明

本文选取2001-2017年上海、浙江、广东、福建、海南、辽宁、吉林、黑龙江、广西、重庆、云南、陕西、青海、甘肃、宁夏、西藏、内蒙古、新疆等“一带一路”18个重点建设省域的面板数据。其中，女性就业的数据来源于《中国劳动统计年鉴》；产业合理化和产业高度化的数据来源于中国经济与社会发展统计数据库和《中国统计年鉴》。变量的描述性统计结果见表1所列。

由描述性统计结果可知：①“一带一路”18个重点建设省域产业合理化的均值为0.337，极差高达4.346，表明该地区产业间协调程度差异较大；②“一带一路”18个重点建设省域地区产业高度化均值为2.294，方差仅为0.108，表明该地区产业结构层次普遍较高。

表1 描述性统计

三、实证过程与估计结果分析

（一）平稳性检验

为避免出现“伪回归”，本文首先采用Fisher-ADF方法进行平稳性检验。根据表2所示的检验结果，变量均在5%的水平上通过ADF检验，即数据是平稳的。因而，可在此基础上构建PVAR模型。

表2 平稳性检验

（二）PVAR模型的参数估计

本文采用广义矩估计法（GMM）对模型一、模型二、模型三中的各变量进行参数估计。为保证GMM参数估计的准确性和有效性，本文首先需根据AIC、BIC、HQIC原则合理选取滞后阶数。鉴于AIC、BIC和HQIC原则判定的结果可能非一致，又考量高阶会导致样本容量损失较大，故本文以低阶作为最佳滞后阶。表3的估计结果显示，在模型一和模型二中，AIC、BIC和HQIC原则判定的结果一致，故模型一和模型二的最佳滞后阶数分别为2阶、3阶；在模型三中，由于AIC、BIC和HQIC原则判定的结果非一致，故按低阶原则，最佳滞后阶为3阶。

表3 滞后阶数选取

其次，考虑PVAR模型是一个包含固定效应的动态面板模型，为排除个体固定效应对参数估计的一致性影响，本文继而采用向前差分Hermlet转换法消除个体固定效应。根据所选滞后阶数，借助广义矩估计法（GMM）估算产业合理化、产业高度化、产业合理化与产业高度化的联合机制对女性就业影响的平均效应，详情见表4所列。

从表4中可以看出，在模型一中，虽产业合理化滞后一期与滞后二期均在1%的水平对女性就业产生显著正向影响，但其影响效应微弱，最高仅达到0.061；在模型二中，产业高度化滞后一期和滞后二期对女性就业的影响在1%的水平上显著，但其影响效应呈先正后负的趋势；在模型三中，受产业高度化联合效应的影响，产业合理化对女性就业的影响效应不再显著。以上研究结果说明，“一带一路”重点建设省域的产业升级功能不足，产业升级主要依托产业高度化渠道影响女性就业。这可能的解释是：第一，当产业高度化通过高技术产业替代低附加值、低技术产业时，以技术效率为衡量的产业链升级能够刺激新兴产业的发展，弥补技术对劳动替代所减少的就业岗位（杜传忠和许冰，2017；郝楠和江永红，2017）［22-23］；第二，即使产业分工和专业化深入中的劳动力级差会减少劳动密集型产业的就业需求，但高等教育扩张使得女性获得人力资本优势，特别是以脑力劳动为依托的第三产业发展对女性劳动力就业产生显著正向影响。

表4 PVAR模型的GMM估计结果

（三）脉冲响应函数分析

GMM估计仅能较宏观地反映变量间的动态模拟，而脉冲响应函数能分离出一个标准单位的特定变量对目标变量冲击影响的方向和交互程度，以反映变量间的动态传导机制。为了刻画产业升级与女性就业间的长期动态交互过程和效应，通过Cholesky分解对变量外生性的强弱进行排序后，本文进行100次蒙特卡罗模拟，从而得到在95%置信区间内、滞后期为10的产业升级与女性就业耦合效应的动态脉冲响应函数图（如图1-图3）。图中，横轴表示冲击发生后变量的响应期数，纵轴表示变量受冲击后的响应值，中间的曲线表示脉冲响应曲线，外侧的两条曲线分别表示5%和95%分位点的估计值。

图1显示了产业合理化对女性就业的冲击效应。由图1可知，产业合理化对女性就业的脉冲响应微弱。其中，当产业合理化给女性就业率一个冲击后，女性就业率的正向响应幅度迅速在第1期达到最大值，但仅约为0.075；随后，产业合理化对女性就业率的冲击响应呈持续下降趋势。这进一步论证了GMM的计量结果，即女性就业受产业合理化的扰动较小。造成这一结果的原因可能来源两个方面：一是产业合理化发挥作用的首要条件是产业结构应满足市场需求结构，而表1的描述性统计结果已说明，“一带一路”18个重点建设省域的产业结构布局较大幅度偏离市场均衡状态；二是在产业合理化机制下，女性就业受其自身冲击的影响效应显著。

图1 产业合理化对女性就业的脉冲响应图

图2 显示了产业高度化对女性就业的脉冲影响。在图2中，产业高度化对女性就业的影响路径呈现出正弦型的波动趋势。其中，当产业高度化对女性就业产生一个标准差的扰动响应后，女性就业率在第1期呈现出显著上扬的趋势，并达到第一个顶峰；在第2期时，产业高度化对女性就业的促进作用下降，但在第3期达到最大值；从第4期开始，产业高度化对女性就业的作用持续下降，到第10期的脉冲响应值约为0.005。从产业高度化对女性就业的影响路径反映出，产业升级对女性就业产生正向促进效应，但促进效应随滞后期的增加呈“M”型波动。

图3反映了产业合理化与产业高度化的联合机制对女性就业的动态效应。在联合机制下，产业合理化对女性就业的正向脉冲响应幅度在第1期达到最大值，但在第2期后正向响应幅度迅速缩减，并随响应期数的增加趋向于0；当产业高度化给女性就业一个冲击之后，正向响应逐渐上升，并在第3期升至最大值后，正向响应幅度呈缓慢递减趋势。进一步将该计量结果与模型一、模型二进行比较发现，在联合机制下，产业高度化对女性就业率的影响更为稳态，产业合理化对女性就业率的影响效应略有下降。以上结果说明：第一，女性就业创造的驱动力主要来源于产业规模扩张和结构变动，但尚未对女性就业拉动形成充分带动效应；第二，产业合理化促进女性就业的作用尚未充分发挥，还需进一步完善劳动力市场耦合机制实现产业间女性劳动力的合理资源配置。

图2 产业高度化对女性就业的脉冲响应图

图3 产业合理化与高度化联合机制对女性就业的脉冲响应图

（四）方差分解

方差分解是面板向量自回归模型研究的重点和核心，其可以清楚地展示冲击对各个变量波动的贡献度。由表5可知：第一，女性就业率受自身劳动供给投入的影响显著，其自身惯性的贡献率占比超过84.6%；第二，在不受高度化扰动的情况下，产业合理化对女性就业的贡献度持续增加，最大值为15.4%；第三，在高度化的联合作用下，女性就业受产业合理化波动效应的影响不敏感，产业合理化对女性就业波动的冲击效应最大值仅为2.7%；第四，产业高度化对女性就业率的贡献度也呈现持续上扬的趋势，在联合效应的冲击周期中，贡献度率累计达到5.4%；第五，从联合效应的平均贡献度来看，产业合理化的贡献度趋近为0.021，产业高度化前5期的平均贡献度仅为0.038，而后5期为0.053。方差分解的研究结果进一步印证了上文的研究结论：产业合理化对女性就业的拉动效应不足；产业高度化虽是女性就业创造的主导驱动渠道，但联合机制对女性就业的驱动力会随滞后期的增加而增强。

表5 方差分解结果

四、结论与政策建议

挖掘经济发展对就业的促进作用，关键是发挥经济结构尤其是产业升级对就业的创造效应。同时，“一带一路”倡议要重新思考劳动力要素供给如何在数量、质量和结构方面满足产业升级的需求，更倡议要充分挖掘“一带一路”产业升级的人口红利。为探究“一带一路”地区产业升级对女性就业是否存在“助推器”的作用，本文采用2001-2017年“一带一路”经济带18个重点省域的面板数据，并借助PVAR模型探讨产业升级对女性就业的动态影响。实证研究结果发现：①“一带一路”18个重点建设省域的产业升级速度较快，但产业间协调程度较弱；②女性就业率受自身劳动供给投入的影响显著，自身惯性的贡献率占比超过84.6%；③产业合理化对女性就业吸纳的作用微弱，但在产业高度化的联合作用下，产业合理化对女性就业吸纳的作用会进一步降低；④产业高度化是女性就业拉动的主导驱动渠道，但驱动力会随滞后期的增加而强化。

根据上文的研究结论，为实现“一带一路”经济发展进程中产业升级与女性就业的耦合协调发展，本文提出以下政策建议：

一是重塑省域产业协调发展机制。“一带一路”重点建设带辐射东、中、西地区，地区间资源禀赋各异，产业发展市场潜能转出迥异。特别是广西、云南、西藏、陕西、甘肃、青海、宁夏、新疆等西部省域在承接东部产业转移时仍面临产业协作配套能力差、高技能人力资本匮乏、物流成本高等问题。因此，在“一带一路”重点建设区域联动发展中，应深入挖掘各地区的资源禀赋和比较优势，重塑产业跨省合作机制，形成互利共赢局面。

二是强化产业高度化对女性就业的增加效应。产业高度化反映产业内部高技术、战略性等新兴产业的布局，也意味着产出结构的更新与创新能力的提高。为此，“一带一路”经济发展进程中应进一步激发新兴产业的技术改进和自主技术创新的动力，重视并加强整合、改造或淘汰传统落后产业，弱化资本深化对女性劳动需求的衰减效应。

三是激发产业合理化对女性就业的促进效应。市场机制耦合产业合理化是就业的基本动力。其中，劳动力市场作为市场机制的主要组成部分，其发育程度直接关系到产业间劳动力资源配置的合理性和有效性。为此，在“一带一路”经济发展进程中，应构建就业优先的产业发展战略、完善劳动力市场等政策保障体系，激发产业合理化对女性就业的促进效应。

四是重视女性人力资本的开发。在“一带一路”经济带的人力资源开发上，女性劳动力呈现出“高端化”“服务化”特征，这为产业结构升级积累了人力资本要素。同时，在资本—劳动替代关系下，女性劳动力素质和产业结构的匹配度越高，产业发展对女性就业的创造效应越明显。因此，“一带一路”经济带要继续重视对女性人力资本的投资，提升女性劳动力职业素质和职业能力，帮助女性应对产业升级带来的风险。

五是挖掘“一带一路”政策的就业红利。女性就业是关系社会民生的重要问题，为让女性更好地参与经济发展，需要凝聚女性力量参与“一带一路”。“一带一路”女性论坛倡议，依托新技术、新产品、高端制造、旅游、文化、金融服务等领域为创业者提供更多市场机会。事实上，女性平和、亲切、细腻的形象魅力和善结人缘的性格优势，更是为其在旅游、文化、金融服务、国际组织等领域施展才华提供了广阔的舞台。同时，“一带一路”倡议将劳动力资源的跨区域流动推向新高潮，这更是助推产业发展与女性人力资源增量、提质等良性循环的达成。