劳动力供需匹配探讨——基于镇江市人力资源市场微观数据

徐升艳，王睿智

（1.河海大学 企业管理学院，江苏 常州 213022；2.青岛国信金融控股公司，山东 青岛 2661003）

一、引言

国外文献认为劳动力错配的主要原因是部门间的错配（Sahin et al.,2012；Canon et al.,2013）。在中国经济“新常态”的背景下，如果劳动力没有适应产业结构升级的步伐，淘汰的落后产业释放出的劳动力素质在短期内无法提升以满足新兴产业的需求，形不成有效的劳动力供给，劳动力市场就会产生供需结构失衡问题。而我国人口老龄化过程中伴随的宏观人口结构、劳动力结构和教育结构的变化，可能加剧劳动力市场的供需结构性矛盾。由此引发一个重要的问题：我国的劳动力供需匹配吗？哪些因素影响劳动力市场的匹配？然而，已有文献主要从宏观层面对全国或区域的劳动力供需现状和未来趋势进行研究，缺乏微观层面对此问题的探讨。

本文利用江苏省镇江市人力资源市场大样本微观数据，从供需匹配视角研究劳动力的匹配状况及影响因素，为回答我国的劳动力供需匹配问题提供一个有效的证据，并提供政策建议。本文可能的贡献主要有两点：一是利用微观数据从企业和求职者视角对劳动力供需匹配问题进行研究，弥补宏观层面研究的不足。二是运用公开劳动力市场统计指标研究劳动力供需匹配问题，为公开劳动力市场指标的深入挖掘进行有益尝试。

二、文献综述

长期以来，西方国家劳动力市场中的职位空缺和高失业率持续并存，因此广泛认为劳动力市场中存在错配现象。20世纪70—80年代研究者检验了部门、地理和不同年龄劳动力市场的供给和需求的不均衡 （Padoa-Schioppa，2008），主要提出两大假设——地理错配假设和部门错配假设。地理错配假设（geographic mismatch）认为，由于失业者和新的就业机会分布在不同的地理空间，而劳动力流动存在限制，因此劳动力市场可能产生错配。造成地理错配的原因是劳动力流动的限制约束。土地、房屋等金融约束影响劳动力的流动性。征地会缓解金融约束促进劳动力流动（柴国俊等，2017），而拥有房屋会减少劳动力的流动性。Ferreira、Gyourko and Joseph(2010)认为，金融危机后房地产市场泡沫破裂，如果房屋所有者认为的房屋价值大于市场价格，就很难接受需要卖掉住宅的新工作岗位。部门错配假设（Sectoral mismatch hypothesis）认为由于职位消失和就业创造在不同的部门，例如2007到2011年间美国超过50%的失业发生在制造业和建筑业部门，而90%的新职位在其他部门，因此错配就有可能发生。 Sahin et al.（2012）认为，地理、人口因素并不重要，引起错配的主要原因是部门间的错配。造成部门错配的原因主要是劳动力的异质性与劳动者对产业结构调整的反应存在差异性。劳动力结构与产业结构的调整步伐不一致，就会产生劳动力部门间错配（茅锐，2015)。造成部门供需错配还有其他原因，例如环境规制会引起劳动力在高、低污染行业之间的再配置，造成结构性失业，劳动力结构影响产业结构升级（王勇，2017）。 胡军（2002）认为，劳动力供需结构严重的失衡阻碍了中国产业结构升级。王炜（2014）认为，就业数量增速放缓、劳动力成本上升过快，使劳动密集型制造业逐渐向资本密集型转变。

过去三十年文献形成了几种度量部门间扭曲的指标。Lilien(1982)指出，由于劳动者的行业技能和工资溢价等原因对产业产生就业黏性，当产业变迁时，劳动者的就业调整相对缓慢，于是产生结构性失业。Lilien(1982)运用部门和总就业人数的对数变化率刻画某一部门就业的偏离情况。Jackman and Roper(1987)首次正式研究“错配”（mismatch）或“结构失衡”（structural imbalance）的概念，识别一个失业者的技能、经验和地理位置与工作机会的差异。Jackman and Roper(1987)认为，当职位空缺与失业总量不匹配时就存在结构性失业，如果把劳动力从一个部门转移到另一个部门，将有助于减少结构性失业，他们把结构性失业定义为部门总的失业率和职位空缺之差的绝对值。Jackman、Layard and Savouri(2008)认为，在失业非加速上升的环境中，市场中不存在错配的最优失业率，不同部门的失业率相同。因此，把失业错配定义为观察到的失业率与最优失业率的偏差。他把失业错配指标定义为实际失业率超过最小失业率的比例。Evans(1993)用部门的劳动力供给和需求差与平均劳动力供需的偏离比例来描述劳动力的扭曲，这种做法不受总的劳动力总量变化的影响。Sahin et al.(2012)构建了一个动态随机环境中允许不同部门存在异质性的一般模型。先假设一个万能的计划者可以实现劳动力市场的充分匹配的基准模型，然后引入摩擦因子，刻画由于市场间摩擦的存在导致部门劳动力配置扭曲的一般模型。Canon et al.(2013)梳理验证了文献中不同的测度劳动力市场扭曲的指标，发现不同指标的测度结果有显著的不同。通过比较认为Jackman and Roper（1987）建立，Sahin et al.(2012)拓展的指标相对较好，运用该指标发现从金融危机到失业巅峰，职业和行业的扭曲可以解释劳动力市场扭曲的50%以上的原因。

由于高失业率的存在，国外对劳动力错配研究的主要目的是希望改善劳动力的配置效率，降低失业率。国内文献对劳动力错配的研究还比较缺乏，相关研究主要集中在宏观层面研究劳动力供需总量趋势，例如王欢（2014）等。研究刘易斯拐点的影响，例如薛继亮（2016）等。还有劳动力结构与产业结构的关系，例如胡军（2002）、王炜（2014）等。我国近年的产业转型升级过程中大量劳动力在不同的产业和部门中转移，长期以来城镇登记失业率维持在4%左右，似乎没有显著地增加失业率，那么我国的劳动力供需匹配吗？蔡彤等 （2015）发现我国1996—2011年工人与岗位的匹配效率处于较低水平并有逐年递减趋势。Hiroaki Miyamoto（2011）则指出，求职者和岗位的不匹配使得劳动力市场的波动具有一定的周期性。

综上所述，关于我国劳动力供需的研究，文献对劳动力总量失衡分析较多，对供需结构失衡问题研究较少；少量对供需结构失衡的研究，缺乏供需匹配的视角。在数据上，多数研究基于宏观数据，采用微观数据的较少。因此，需要利用微观劳动力市场的数据探讨劳动力的供需匹配问题。近来学者们开始运用公共人力资源市场的微观数据，例如Shen and Kuhn(2013、2015）使用厦门公共人力资源市场数据开展研究。在全国地级市公共招聘网中，镇江公共人力资源网站多次被人社部评为优秀网站，数据质量较好，本文以此网站的数据来探讨镇江劳动力供需匹配问题。

三、劳动力市场供需结构分析

（一）研究对象

镇江为江苏省下辖地级市，是长江三角洲经济圈和南京都市圈的交汇点，国家级苏南现代化建设示范区重要组成部分，也是长三角产业经济圈中重要的制造业城市。镇江经济发展水平高于全国平均水平，但是经济的增速波动与全国基本同步。镇江是典型的处于转型升级时期的制造业城市，第二产业比重高于全国水平，第三产业比重略低于全国水平。2015年全国三大产业就业比重28.3:29.3:42.4，镇江为11.9:46.0:42.1。近年，镇江二产就业比重显著下降，三产就业比重上升，在全国中型制造业城市中具有代表性。根据国内外经济理论和历史经验，当前镇江市正处于工业化中后期阶段。与全国情况类似，镇江传统产业也面临较大的转型升级压力。另外，劳动力就业结构性矛盾依然严重。随着劳动力、土地等要素成本的持续上升，成本竞争优势已经不在，传统的第二产业出口不断下降，导致大量的制造业中一线劳动者面临失业的危机。而另一方面，高新技术业、金融业、服务业等企业的劳动力供不应求。镇江作为一个中等制造业城市，产业转型升级中的劳动力匹配问题具有代表性。

（二）数据简介

镇江市公共人力资源网站 （“镇江人才在线”http://www.hrol.cn）隶属于镇江市人社局，是公益性的求职者和企业交流综合平台，为个人提供招聘信息、档案托管、职称评定，为企业提供人才招聘与引进、培训等服务。平台最为核心的业务是促进求职者和企业之间供需匹配。通过组织机构代码、企业资质等审核的企业，可以在网站上注册成为会员，发布企业的职位需求信息。在注册成为会员时，需要填写企业的基本信息。个人也可以在网站上注册，填写个体简历信息。企业发布职位后，求职者通过网站平台直接申请，企业也可以在平台搜索下载求职者的简历，直接与求职者联系。

通过与镇江市人才服务中心合作，我们获得了镇江市公共人力资源网站 “镇江人才在线”（http://www.hrol.cn）2013年 10月到2015年 11月间平台的全部历史数据，数据结构包括企业的基本情况、企业发布的职位信息、求职者的简历和求职者申请职位情况。在样本期内，2196家企业发布了12704个职位，招聘31229人；26891个求职者创建了28100个简历，申请职位记录达到229735条。由于数据没有求职成功人数的反馈，因此无法计算就业人数，文献中的测度指标并不适合。因此，本文运用中国人力资源市场公开劳动力市场指标 “求人倍率”“最大匹配率”和“求职成功率”研究劳动力的供需匹配情况。

四、劳动力市场供需匹配及影响因素研究

（一）模型的构建

1.衡量劳动力供需匹配的指标。劳动力供需匹配失衡，包含供不应求和供过于求两种情况。为了更精确地分析供需失衡的类型。本文在计量分析中引入两个公开统计指标最大匹配率和求职成功率，研究劳动力市场供需匹配。

（1）最大匹配率。最大匹配率为最大匹配人数与总招聘人数的比率：(MM)R=min(D,S)/D其中，D为求职者的劳动力需求，S为企业的劳动力供给。当职位的求职人数大于招聘人数时，最大匹配人数就是招聘人数；求职人数小于招聘人数时，最大匹配人数就是求职人数。最大匹配率的取值范围为0～1之间，越接近1表明企业越容易匹配到合适的求职者，越接近0企业匹配到合适求职者的难度越大。例如，最大匹配率为0.8，则表明企业至少存在20%的就业岗位匹配不到合适的求职者。

（2）求职成功率。求职成功率为最大匹配人数与总求职人数的比值。(JSR)=min(D,S)/S。其中，D为求职者的劳动力需求，S为企业的劳动力供给。求职成功率的取值范围也为0～1之间，越接近1表明求职者越能匹配到合适的职位，反之求职者匹配到合适职位的可能性越小。例如求职成功率为0.7，则表明至少存在30%的求职者匹配不到合适的职位。

企业的最大匹配率和求职者的求职成功率两个变量的取值都介于0和1之间，理想的状态是两个变量都等于1，劳动力市场完全匹配出清。两个指标的偏离程度越大，说明劳动力市场的供需失衡程度越严重，回归分析利用这一特征，需要分析劳动力市场的供需匹配情况。

2.影响因素的选取。企业希望招聘到好员工，员工希望应聘到好企业的好职位，因此，劳动力市场的匹配情况与企业、职位和求职者特征有关。根据Jackman and Roper(1987)的研究，学历、经验和工资是影响劳动力匹配的关键因素。因此，本文研究在控制企业特征的基础上，分析求职者学历、经验和期望工资与企事业单位发布职位的学历要求、经验要求和提供工资的匹配情况。参考相关文献中的企业特征控制变量，选取企业性质、注册资金、企业规模、所属行业或所属产业。

3.模型的设定。本文从企业与职位两个维度构建两个基本计量模型进行供需匹配分析，分别以最大匹配率（MMR）和求职成功率(JSR)作为被解释变量，构建计量模型（1）：

其中Company_feature为企业特征变量，Job_feature为职位特征变量，Jobhurter_feature为求职者特征变量。为了研究产业和行业的影响差异，在模型中分别加入企业所属的三次产业类型虚拟变量、五大产业类型虚拟变量和行业虚拟变量。相关变量的说明与界定见表1。

（二）计量分析

由于本文采用的微观数据样本量大而时间较短，所以采用普通最小二乘法（OLS）进行回归分析。对企业规模、注册资金和工资数据取对数处理。

1.劳动力供需匹配的影响因素回归结果。在劳动力市场存在供需失衡的情况下，企业的最大匹配率和求职者的求职成功率的变化方向相反。最大匹配率与求职成功率的差距越大，反映了劳动力供需不匹配的程度越高。根据表2企业注册资金、求职者学历、职位学历、职位经验对最大匹配率的影响为正相关，对求职成功率的影响为负相关，而职位工资则刚好相反。此外，企业性质显著的几个变量最大匹配率和求职成功率回归也得出相反的结果。多个影响因素对最大匹配率和求职成功率的影响相反，证实劳动力市场存在供需结构失衡。因此，不同的机构和企业内劳动力也存在错配问题。

表1 变量界定与说明

在众多的影响因素中，求职者学历和职位工资对最大匹配率的影响较大。职位维度的回归结果可见，求职者学历每上升1%，最大匹配率提高0.272个百分点 （0.018×15.1≈0.272）。职位工资每上升1%，最大匹配率下降0.148个百分点，反映出高工资职位供不应求。求职者期望工资与求职成功率成正相关，进一步支持高端职位求职者短缺的情况。求职成功率影响最大的因素是求职者学历，求职者经验的影响并不十分显著。此外，职位经验与最大匹配率正相关，与求职成功率负相关，反映了企业较容易招聘到有经验的求职者。

在企业性质方面，民营企业和其他企业的最大匹配率较低，国家机关和事业单位的匹配率最高，外商独资和合资企业最大匹配率要显著高于股份制企业，反映出国家机关和事业单位更受求职者青睐，外商独资和合资企业更容易招聘到人才，而民营企业和其他企业招聘人才的难度更大。与之相对应，求职者申请其他企业、民营企业求职成功率最高，国企、上市公司以及外商独资、合资企业的求职成功率较低。民营企业是提供就业的主体，如果帮助其招聘到合适的人才，将极大地改善劳动力市场的匹配状况（见表2）。

2.不同产业类型的供需匹配差异。不同产业之间劳动力的匹配情况是否有显著的差异？表3汇报了不同产业的回归结果。可见，第一产业与第二产业的差异并不显著，第三产业职位的最大匹配率低于第二产业3.9个百分点，求职成功率高于第二产业7.2个百分点，再次证明了第二产业劳动力过剩，第三产业成为提供就业机会的新增长点。在不同的产业类型方面，主要、重要和一般产业与主导产业企业的最大匹配率并没有显著差异，但是求职成功率均高出5个百分点左右；新兴产业的最大匹配率低于主导产业12个百分点，职位求职成功率高出21个百分点，表明主导产业存在一定程度的劳动力剩余，新兴产业则提供了大量新的就业机会，但是新兴产业在合适的人员招聘方面也存在困难。不同产业间劳动力供需结构的变化，反映出产业结构的转型升级，也说明劳动力的匹配存在问题。

五、结论

本文利用2013—2015年江苏省镇江市公共人力资源市场微观数据，运用公共人力资源统计指标，从企业和职位两个角度构建计量模型，研究劳动力市场的供需匹配问题。分析发现，镇江市人力资源市场总体处于供不应求的状态，但是不同产业之间存在差异，以现代服务业为主的一般产业与新兴产业存在劳动力供不应求，而传统制造业劳动力过剩。劳动力呈现结构性失衡，低端劳动力、高技能劳动力短缺，而中间层次的劳动力过剩。控制相关因素后，回归分析发现多个影响因素对最大匹配率和求职成功率的影响相反，证实劳动力市场存在供需结构失衡问题。不同的机构和企业内劳动力也存在错配问题，民营企业和其他企业招聘合适的人才比较困难。在众多的影响因素中，求职者学历和职位工资对最大匹配率的影响较大。求职者学历每上升1%，最大匹配率提高0.272个百分点；职位工资每上升1%，最大匹配率下降0.148个百分点，反映出高工资职位供不应求，高技能人才短缺。求职成功率影响最大的因素是求职者学历，求职者经验的影响并不十分显著。不同产业类型的供需匹配存在差异，第一产业劳动力过剩，第三产业成为提供就业机会的新增长点。在不同的产业类型方面，主要、重要和一般产业与主导产业企业的最大匹配率并没有显著差异，新兴产业则提供了大量新的就业机会，但是在合适的人员招聘方面存在困难。

表2 劳动力供需匹配影响因素回归结果

针对研究结论提出以下政策建议：其一，加快建设农业现代化，进一步释放农村剩余劳动力，以解决三次产业间劳动力供需失衡问题。其二，建立健全公共就业培训和企业培训机制，引导劳动力从落后产业向现代服务业和高端制造业转移，以解决当前产业升级中传统产业转移的劳动力不能满足新兴产业的需要问题。其三，改革教育内容，以解决高技能人才短缺问题。例如根据劳动力市场需求结构的变化进行专业设置，更新教育内容；借鉴德国等培养高技能人才的先进经验，改革职业教育和建立企业实习机制。其四，进行人事制度改革，建设公平的就业环境和良好的人才评价、激励和流动机制，以解决不同性质机构的劳动力错配问题，民营企业招聘合适的人才比较困难问题。政府可以尝试提供适当的补贴，帮助民营企业推进人才工程建设。

表3 分产业供需匹配回归结果