公共就业服务能促进个体劳动参与吗？——来自CLDS的证据①

刘璐婵

（南京邮电大学 社会与人口学院，江苏 南京 210023）

1 引言

促进就业、防范失业，是各国政治、经济乃至民生领域的重要议题。公共就业服务（Public Employment Service, PES）是指由政府出资向劳动者提供的公益性就业服务，目的在于满足劳动者就业或用人单位招用人员的需求。我国有关就业服务的规定最早出现在1995年施行的《劳动法》关于促进就业的条款中，并随着国企改革的推进逐步与下岗职工再就业扶持政策相融合。2004年《关于假期就业服务制度化、专业化和社会化工作的通知》发布，标志着我国公共就业服务迈入规范化发展阶段。2008年《中华人民共和国就业促进法》、《就业服务与就业管理规定》施行以来，公共就业服务体系日益完善，2017年出台的公共就业服务8项国家标准更是提升了就业服务的均等化水平。根据《公共就业服务》国家标准，公共就业服务主要包括政策咨询、信息发布、职业指导、职业介绍、招聘会、职业培训、就业见习、创业服务、就业援助、失业保险服务、就业和失业登记管理、人力资源社会保障事务代理、公共就业服务专项活动等内容。在“十四五”期间，各级政府将实施提升就业服务质量工程，强化公共就业服务的就业促进功能。

2021年末，我国城镇调查失业率为5.1%②中国政府网：《2022年政府工作报告》. http://www.gov.cn/premier/2022-03/12/content_5678750.htm，城镇登记失业率为3.96%③中华人民共和国人力资源和社会保障部：《2021年人力资源和社会保障统计快报数据》. http://www.mohrss.gov.cn/SYrlzyhshbzb/zwgk/szrs/tjsj/202201/t20220127_433753.html，2022-01-27.，因此未来一段时间内稳定就业和扩大就业仍是各级政府工作的重中之重。2022年《政府工作报告》指出，2021年我国城镇新增就业1269万人，2022年的目标是新增就业1100万人以上，因此需要以就业优先为导向，采用多种途径和举措稳岗扩岗。公共就业服务作为一项重要的政策工具，其在促进就业、防范失业方面发挥的作用不言而喻，因此探究公共就业服务与劳动参与之间的关系既有重要的政策意涵，又对当前的基层实践具有指导意义。

2 文献回顾与研究假设

目前学界对公共就业服务的研究普遍而深入，研究者结合各国和地区的公共就业服务实践，充分探讨了公共就业服务作为失业风险防范和就业激活策略的实施效果。就研究发现而言，当前研究关于“公共就业服务促进就业”的结论相左。

部分研究认为，公共就业服务并不存在就业促进效应。拉森和维森认为，尽管公共就业服务对雇主和求职者而言是低成本的，但是目前劳动力市场中存在“双面信息不对称”问题，导致求职者与雇主都避免使用效率低下的公共就业服务[1]。类似的，伯恩哈德和科普夫对面向福利受助者和长期失业者提供的就业援助项目（Job Search Assistance, JSA）开展了分析，发现个体就业咨询服务对求职并无帮助，而且就业培训课程甚至会减少求职者的受雇机会[2]。休格等人认为，参加职业培训延长了东德地区失业者的失业时间，同时锁定效应（lock-in effects）导致失业者不再愿意找固定工作[3]。在中国，同样有研究发现公共就业服务的效果不尽如人意。例如，张海枝借助省级公共就业服务数据，分析了不同区域公共就业服务的效率，认为公共就业服务的整体效率低下[4]。王迪等对典型案例进行了研判，认为公共就业服务尚存在政策定位不明晰、工作人员素质不高、信息化建设不完善以及缺乏有效的质量评估等问题，这都影响了公共就业服务就业促进作用的发挥[5]。

反之，也有大量研究认为公共就业服务是有效的。研究发现，公共就业服务机构为劳动者节省了大量工作搜寻成本，有助于提升长期失业者的就业能力，因而政策反馈较为积极[6-7]。从服务项目上来看，培训项目可以为劳动者创造良好的长期就业前景，就业咨询服务在提高匹配效率方面更有效，而创业服务也被证实能够帮助失业者重返劳动力市场[8-12]。类似的，我国的相关研究也认为就业创业服务、再就业培训等服务项目对劳动者的就业具有正向促进作用[13-16]。就具体的服务项目而言，公益岗位、培训服务和职业介绍对服务对象获得正式或非正式工作具有显著作用，这是由于公共就业服务在提升“人-职”匹配、降低求职搜寻成本、促进劳动力资源合理流动方面等方面发挥了重要功能[17-19]。再者，现有研究显示公共就业服务的供给存在城乡、区域差异，同时就业促进的效果在受益群体上表现出了明显的异质性,女性、高技能水平者、青年等劳动者群体更容易从公共就业服务中受益，各类群体对服务的敏感性不同[20-22]，意味着公共就业服务可能在不同群体间存在相异的政策反馈。因此本文提出以下假设：

假设1a：在控制相关因素的前提下，公共就业服务会影响劳动者个体的劳动参与情况，曾接受过公共就业服务的劳动者群体失业的可能性越低。

假设1b：对于不同性别、受教育程度、城乡区域和户籍/流动人口身份等的群体而言，公共就业服务带来的劳动参与效应存在异质性。

在劳动经济学领域，研究的侧重点往往在于公共就业服务在劳动力市场中发挥的匹配和筛选作用上[23-24]，研究者更关注公共就业服务机构的效率及对比其与私人服务机构的优劣，从而将着眼点置于机构及其服务本身，因此对个体劳动参与实践的关注度不够，进而关于个体劳动参与影响机制的分析较为有限。因此，本研究还将从微观个体的角度讨论人力资本和社会资本在公共就业服务和劳动参与之间发挥的中介作用。

一方面，人力资本能够有效促进就业，因为包含学历、技能、健康状况等在内的人力资本能转化为就业能力，这些高人力资本的劳动者更能适应劳动力市场的结构性变革，失业几率较低，即使失业后也能更快再就业[25-26]。因此，提升劳动者的人力资本成为了多数国家劳动力市场政策的主要议题之一，公共就业服务实践中提供技能培训、促进终身学习等做法也是围绕这一目的开展的。研究发现，技能培训项目对缩短失业时间、脱离失业状态有显著帮助，职业资格培训有助于劳动者达到就业门槛要求[27-29]，可见人力资本的提升能够有效降低劳动者的失业概率。另一方面，在劳动力市场中，社会关系在求职中的重要性已被证明，那些社交网络薄弱的人往往在求职中处于不利地位[30-31]。换言之，社会资本会对劳动参与产生影响。利奇提的研究发现，雇主乐于接受公共就业服务机构推荐的求职者，公共机构的中介作用类似于社交网络[32]。这是由于公共就业服务机构与用人单位建立了广泛的、长期的联系，机构工作人员与雇主直接联系往往能够获得关于潜在职位空缺和技能要求的非正式信息，并及时了解当前劳动力市场发展的动向，进而增加了求职者的工作机会[33-34]。可见，劳动者通过机构与各类用人单位产生了联系，公共就业服务机构无形中拓展了劳动者的社交网络，强化了劳动者的社会资本。

因此本文提出以下假设：

假设2a：公共就业服务通过增加人力资本来降低劳动者的失业风险。

假设2b：公共就业服务能够增加劳动者个体的社会资本，进而降低劳动者的失业风险。

3 研究设计

3.1 数据来源

本研究使用的数据来自中山大学“中国劳动力动态调查”项目（简称CLDS）。该数据从2012年开始在中国大陆地区实施追踪调查，聚焦于劳动力及其家庭的工作、迁移、健康、社会参与等议题，旨在反映中国劳动力的现状与变迁。调查采用PPS抽样方法，调查对象为15至64岁的劳动力人口，样本分布于全国的29个省（自治区、直辖市），覆盖303个村居、10612户家庭和16253名劳动力个体，并在2018年纳入96个新村居。本文选择2018年的数据开展分析，结合劳动参与主题，将分析对象限定为18岁至59岁且有过工作经历的劳动者，因此在去除非劳动年龄人口、从未有过工作史的个体以及自变量和因变量有缺失值的样本后，得到样本8702人。

3.2 变量测量及说明

为考察公共就业服务对劳动参与的影响，本研究将自变量设定为“是否接受过公共就业服务”，并通过问卷中的“你是否接受过由政府提供的或者有政府补贴的职业技能培训”问题来进行测量，接受过公共就业服务则赋值为1，未接受过公共就业服务则赋值为0。在因变量上，本研究以“是否失业”考查劳动者的劳动参与情况，并根据问卷中“2017年1月以来，您是否工作过”、“您现在的工作状况”来甄别劳动者当前的就业状态。若劳动者自2017年1月以来一直失业，或2017年1月时仍在就业但目前正在失业，那么其劳动状态为失业，赋值为1，反之为未失业，赋值为0。

围绕劳动参与，本研究将人口学因素、人力资本与社会资本因素、工作要素和宏观因素纳入控制变量。其中，人口学因素包括年龄、性别、婚姻状况，人力资本与社会资本因素包括健康状况、受教育程度、外语能力、国家职业资格证书、本地朋友数量以及社区邻里熟识程度，工作要素包括有无单位、工作部门、年工资收入、经验与资历以及工作满意度，宏观因素包括城乡和经济区域。除部分变量在问卷中得以直接测量外，本文结合现有信息对变量进行了再造：在婚姻状况中，初婚、未婚被划分为“在婚状态”，未婚、离异、丧偶和同居被划分为“不在婚状态”；在受教育程度方面，未上过学、小学和私塾属于“小学及以下”学历，普通高中、职业高中、技校和中专属于“高中”学历，本科、硕士、博士属于“本科及以上学历”；在有无单位方面，党政机关/人民团体/军队、国有/集体事业单位、国营企业、集体企业、村居委会等自治组织、民营/私营企业、外资/合资企业、民办非企业/社团等社会组织、个体工商户属于“有单位”，务农、自由职业者和无固定工作者属于“无单位”；在工作部门方面，党政机关/人民团体/军队、国有/集体事业单位、国营企业、集体企业、村居委会等自治组织和民办非企业/社团等社会组织属于“公共部门”，其余属于“私人部门”；在经验与资历上，本文以工作年限为代理变量，该变量通过本次或近次工作的起始年份相减得到，对于工作起始早于14岁的做缺失值处理，工作未结束的以2018年为结束时间参与计算；在地区方面，本文根据省份信息，参照国家统计局对经济地区的划分，生成了值为东、中、西和东北的经济区域变量。此外，在工作要素方面，由于问卷分别询问了过去一年有工作者和有过工作史但2017年已失业的劳动者，因此本文将两部分群体的回答进行了汇总。

此外，本研究讨论“人力资本”和“社会资本”在公共就业服务和劳动参与之间发挥的中介作用。一方面，考虑到劳动者将会通过参加公共就业服务来积累专业技能，并通过获取专业技能资格证书来达到就业门槛要求，进而促进其劳动参与，因此以“专业技术能力”来代理中介变量“人力资本”，在问卷中涉及到的问题是“您是否获得过专业技术资格证书”。另一方面，参加公共就业服务能够辅助劳动者拓展社交圈，通过新的社会网络来促进找工作，因此本文以社会组织活动的参与情况来代理中介变量“社会资本”。相比于娱乐艺术、体育锻炼、老人协会和宗教团体等开展的活动，知识学习类团体、技能函授类团体和志愿者团体所举办的活动更有可能直接或间接创造就业机会，因此本文将劳动者参与此三类社会组织活动的参与频率进行了统计并加总，得到的数值越大，反映出个体的参与程度越高。

在工具变量方面，本文以“人均公共就业服务机构数量”作为公共就业服务的工具变量。具体而言，人力资源和社会保障部主办的公共就业服务网站“中国公共招聘网”面向公众提供公共就业和人才服务机构查询服务，本文借助Python爬虫获取了不同省份各城市的公共就业和人才服务机构数据，与CLDS数据匹配后生成了“本地公共就业服务机构数量”变量，用以衡量样本所在城市提供公共就业服务的机构的规模。随后，结合《中国城市统计年鉴2019》中的劳动力就业状况数据，整理出2018年各地级市的城镇登记失业人员数量并与CLDS数据匹配，生成了“本地求职者数量”变量。工具变量“人均公共就业服务机构数量”=本地公共就业服务机构数量/本地求职者数量。具体变量的赋值、说明与基本统计量如表1所示。

表1 变量定义、赋值与描述性统计（N=8702）

3.3模型设定

3.3.1 基准回归模型

在模型设定上，由于劳动参与（失业/未失业）为二元离散变量，因此采用二元logit模型进行参数估计，模型设定如下：

其中，P表示处于劳动年龄的劳动者失业的概率，Public_employment_servicei表示公共就业服务，Xi代表反映样本特征及基于劳动参与的若干控制变量，β0表示常数项，β1、β2为待估计的参数，εi为随机扰动项。

3.3.2 中介变量的传导机制

为了探究公共就业服务对劳动参与影响的内在原因，本文将重点分析人力资本与社会资本在其中发挥的中介作用，先用公共就业服务对各中介变量进行回归，再用中介变量对劳动参与进行回归，检验模型如下：

其中，Mediationji是中介变量，j=1,2分别代表人力资本和社会资本。中介变量对劳动者是否失业的贡献τj的计算方式如下：

3.3.3 PSM模型

在判断公共就业服务对劳动行为的影响时，本研究为了缓解可观测变量的系统差异以及函数形式错误设定所导致的内生性问题，采用倾向得分匹配法，通过构造反事实结果产生处理组和对照组，在其他特征给定的情况下预测某样本获得公共就业服务的概率（即倾向得分,PSi）:

随后采取k近邻匹配、核匹配与半径匹配方法，分别按照倾向得分为处理组样本匹配具有相似特征的对照组样本，将对照组样本的劳动参与情况作为处理组样本的反事实结果，最终通过判断处理组与对照组在就业状态上的差异（ATT）来识别就业服务对劳动参与的因果处置效应：

其中，ATT为处于劳动年龄的劳动者接受公共就业服务的反事实效应，Yi代表不同就业服务获得状态下因变量的取值。

4 基本结果分析与稳健性检验

4.1 描述性分析

目前由政府部门提供的服务主要是职业搜寻与匹配服务、岗位技能提升服务、创业培训服务以及其他类型的服务。从公共就业服务的覆盖面上来看，8702个样本中仅有664人（7.63%）曾接受过政府提供的就业服务。在664位接受过公共就业服务的劳动者中，接受过职业搜寻与匹配服务、岗位技能提升服务、创业培训服务以及其他类型的服务的各占41.42%、47.44%、8.43%与9.64%，意味着职业介绍和技能培训仍是就业服务的主流做法。若将服务类型与接受的次数进行交叉（见表2），可以发现多数劳动者所接受的服务次数较为有限，仅有少数人多次获得了服务。此外，有劳动者不止接受过一项就业服务，约56人接受过两项服务、4人甚至接受过三项服务。

表2 公共就业服务的覆盖面、类型与强度（N=8702，%）

就公共就业服务获得者的群体特征而言，表3显示公共就业服务的获得存在显著的性别、年龄、学历、健康、城乡与区域上的差异，30岁至50岁之间、高中文化程度以上、健康的西部城市男性劳动力获得公共就业服务的比例更高。

表3 公共就业服务可及可得的异质性（N=8702，%）

就总样本的劳动参与情况而言，目前处于失业状态的共计1532人，占总样本人数的17.61%。结合劳动者的劳动参与和就业服务获得情况来看（见表4），劳动参与状态在公共就业服务的获得上存在显著差异，在当前处于就业状态的劳动者中，曾获得过公共就业服务的人显著多于未获得过服务的人，可见获得过公共就业服务的劳动者其就业比例更高。

表4 不同劳动参与状态下的公共就业服务获得情况（N=8702）

对于曾获得过公共就业服务的664个子样本而言，不同的服务项目对劳动参与状态的影响不同（见表5），获得过岗位技能提升服务的劳动者群体的就业比例显著高于未获得过此项服务的劳动者，但创业培新服务和其他服务未显示出类似的影响。

表5 劳动参与状态与公共就业服务类型的交叉表（N=664）

4.2 logit回归结果解读

本研究建构了logit模型对劳动参与进行回归，如表6所示，模型1为基准模型，模型2加入了人力资本和社会资本的相关变量，模型3和模型4则加入了工作要素、城乡与经济区域等因素。在模型1至模型4中，Wald检验的卡方值均在1%水平上显著，表明模型中多个变量均在1%水平上显著影响劳动者失业的概率，此外麦克法登似然比指数（McFadden’s R2）逐步增大并达到0.135，表明模型的整体拟合程度不断提高。

表6 公共就业服务的劳动参与回归模型

从回归结果来看，基准模型表明公共就业服务与失业状态呈显著的负相关关系，曾接受过公共就业服务的劳动者失业的可能性较低，接受过公共就业服务的劳动者失业的概率是未接受过此类服务的劳动者的57.7%。再加入一系列控制变量后模型结果依旧显著，假设1a得到验证。

4.3 稳健性检验

4.3.1 基于倾向得分匹配法的稳健性检验

考虑到可观测变量的系统差异以及函数形式错误设定所导致的内生性问题，本研究采用倾向得分匹配法构造了处理组和对照组，在其他特征给定的情况下预测某样本获得公共就业服务的概率，并以此为基础判断处理组与对照组在就业状态上的差异，一定程度上缓解了内生性问题。本文采用了k近邻匹配法（k=4）、核匹配法和半径匹配法分别围绕劳动参与变量进行了匹配，倾向得分匹配的估计结果如表7所示。

不同匹配方法下劳动参与的平均处理效应ATT均在1%的水平上显著（见表7）。通过平衡性检验，本文发现处理组和对照组在各变量上的差异不显著，匹配效果较好。以k近邻匹配法对样本进行匹配后，控制变量的标准化偏差整体显著减小且绝对值均小于6%，多个变量的标准化偏差的减少程度在80%以上，即经过倾向得分匹配后处理组和对照组在多个变量上的差异极小，因此匹配较好地平衡了数据（见表8）。

表7 不同匹配方法的平均处理效应结果

表8 k近邻匹配法下总样本匹配前后控制变量的平衡性检验结果

本文还汇报了匹配前后核密度的对比图（参见图1、图2），发现匹配后处理组与对照组的重合度大大提高，这意味着被划分为处理组和对照组的样本除核心解释变量外的特征高度相似，更有利于判断公共就业服务的净效应。

图1 匹配前核密度图

图2 匹配后核密度图

结合上述PSM结果，本文将匹配后的样本纳入Logit回归模型后得到了模型5。表9显示，模型5估计结果的显著性与模型4基本一致，意味着前述的回归结果基本稳健。

表9 PSM匹配前后回归模型对比

4.3.2 基于工具变量法的稳健性检验

* p ＜ 0.05, ** p ＜ 0.01, *** p ＜ 0.001，括号内数据为Exp（B）

在模型1至模型4中，本文控制了一系列可能对劳动参与产生影响的变量，但客观上仍然可能存在一些重要但不可观测的变量，如劳动力个体的生活经历、就业心态、劳动期望等，这些遗漏变量有可能同时影响公共就业服务的获得与劳动就业状态，使劳动参与对公共就业服务的回归结果出现估计偏误。考虑到模型可能存在的内生性问题，本文还使用了工具变量法来进行稳健性检验。

一般而言，公共就业服务的供给由当地的公共就业服务机构提供，服务量通常由人均指数衡量。根据人力资源和社会保障部主办的公共就业服务网站“中国公共招聘网”提供的数据，目前我国共有公共就业服务机构8011家，负责为当地劳动者提供就业服务，这些机构决定了就业服务的可及与可得，因此公共就业服务的获得与公共就业服务机构的数量息息相关，再结合本地求职者的规模来看，人均公共就业服务机构数量影响着每个劳动者所获得的服务量。同时，劳动者所在地的人均公共就业服务机构数量并不会直接对劳动者个体的劳动参与状态产生直接影响，换言之，人均机构数量与个人的失业或就业状态往往是通过公共就业服务的获取这一行为而产生关联的，因此人均公共就业服务机构数量这一变量相对于劳动参与变量而言具有外生性。基于此，本文以“人均公共就业服务机构数量”作为工具变量，采用条件混合过程法（cmp）进行联立似然估计。

表10模型6是以公共就业服务为被解释变量、人均公共就业服务机构数量为解释变量的第一阶段回归，回归系数和内生性检验参数Atanhrho_12分别在1%和0.1%水平上显著，表明公共就业服务为内生解释变量，人均公共就业服务机构数量与该内生变量具有很强的相关性。模型7在纠正内生性偏误的基础上再次进行了回归，估计结果在0.1%的水平上显著，再次证明了接受公共就业服务会减少失业可能性。对比模型4和模型7的回归系数发现，经过工具变量调整后的模型中公共就业服务的回归系数从-0.41变为-0.21，表明若忽视模型的内生性将高估公共就业服务对就业的促进作用。

表10 基于人均公共就业服务机构数量工具变量的内生性检验

5 基于工具变量的异质性分析

考虑到异质性的存在，本文对性别、学历、城乡和流动维度下的小样本分别进行了回归，结合上文的工具变量分析发现，若忽视模型的内生性将高估公共就业服务对就业的促进作用，因此还利用工具变量对模型进行了调整，用以获得更加稳健的系数。

表11中的模型12至模型14显示，在女性劳动者群体中公共就业服务对失业的防范作用显著存在，但在男性群体中这一关系并不存在，意味着女性劳动者更容易从公共就业服务中受益，这一结论与已有研究基本一致[8][20]。此外，利用工具变量调整后的自变量系数有所提高（-0.26＞-0.437），说明考虑模型内生性后，获得过公共就业服务的女性劳动力与未获得过此类服务者的失业风险差异有所减小。但是总体而言，女性对公共就业服务带来的帮助更为敏感，当女性在劳动力市场中寻求并获得政府支持时，这些制度与政策支持往往会转化为积极的力量，改善女性劳动群体的就业处境。

表11 基于工具变量的个体特征异质性分析

* p ＜ 0.05, ** p ＜ 0.01, *** p ＜ 0.001

模型15至模型17显示，不同学历的劳动者群体其劳动参与对公共就业服务的回应不同，与拥有高中以上学历者相比，持有高中及以下学历的劳动者群体更能通过获得公共就业服务来防范失业风险，即使模型调整后系数从-0.373变为-0.192，但显著性有所提高，说明公共就业服务会更有效地改善低学历者在劳动力市场竞争中的劣势地位，因而面向次级劳动力市场制定服务措施将会获得更积极的政策反馈。

从表12可以看出，城市地区的劳动力从公共就业服务中的受益不如农村地区显著，流动人口的受益不如户籍人口显著，结合工具变量调整后这一结果依然稳健。具体而言，城市地区的劳动力就业资源总体而言比农村地区丰沛，就业的渠道也更加多元，因此劳动者对公共就业服务的关注度和依赖程度并不高，相比之下，农村地区的劳动者受制于有限的工作搜寻方法、技能提升途径以及劳动力市场容量，故具有更大的动力来利用官方就业服务机构所提供的相关服务，因此会为由政府主办的公共就业服务分配更多的注意力。再者，农村地区劳动力市场的市场化程度偏低，这种情形下就业机会也更多地由公共就业服务机构掌握[35]，因此在农村地区获得公共就业服务更有助于促进就业。

表12 基于工具变量的社会经济异质性分析

此外，通过对比公共就业服务在户籍人口与流动人口中的就业促进效应发现，这种促进效应在流动人口中并不显著，很有可能是因为流动人口对获取本地公共服务资源的渠道并不熟悉，亦或是由于户籍门槛背后的公共服务非均等化供给所致，例如公共就业服务的组织方仅限辖区内的居民参加[36]。至此假设1b得到验证。

6 中介效应检验

以上研究显示，获得公共就业服务的支持可以降低劳动者陷入失业风险的概率，那么，其中的传导机制是什么？为了探究公共就业服务对劳动参与影响的内在原因，本文重点分析人力资本和社会资本在其中发挥的中介作用。由于自变量和因变量分别是连续变量和离散变量，故参考刘红云等人依次检验回归系数的做法对中介变量分别进行中介效应检验[37]。

表13模型8是自变量对人力资本中介变量的回归，发现公共就业服务对专业技术能力的影响（a=1.418）正向显著，说明接受公共就业服务会显著提高劳动者的专业技术能力，可见公共就业服务的获得能够辅助个体积累人力资本。模型9是加入中介变量后的回归结果，发现公共就业服务对劳动参与的直接效应（=-0.376）和专业技术能力对劳动参与的效应（b=-0.235）均负向显著，中介效应成立，表明由获得公共就业服务所带来的人力资本积累会降低失业的可能性。假设2a得以验证。

表13 引入人力资本中介变量的回归

从发达国家和地区目前实施的劳动力市场政策来看，提升劳动者的人力资本始终是促进就业的核心要义，欧盟地区的实践表明，以技能提升为导向的公共就业服务目前已取得了显著的成效[9]。本文的结论同样表明，我国目前实施的以技能提升为导向的公共就业服务或者通过辅助劳动者获取专业技能资格证书来达到就业门槛要求，或者辅助劳动者更新专业技能来适应岗位要求，这在产业技术不断进化、行业转型加快的今天能够有效防范劳动者陷入失业风险。在总体传导机制中，人力资本这一中介变量对就业促进的贡献高达81.27%（见表14），意味着公共就业服务对劳动参与的影响主要是通过人力资本积累渠道实现的，这对未来公共就业服务政策的制定而言意义重大。

除人力资本这一影响渠道外，社会资本同样在公共就业服务与劳动参与的关系中发挥了中介作用。表15模型10是自变量对社会资本中介变量的回归，发现公共就业服务对社会组织活动参与程度的影响（a=0.228）正向显著，说明接受公共就业服务会显著提高劳动者的社会组织活动参与程度，可见公共就业服务的获得能够辅助个体积累社会资本。模型11是加入中介变量后的回归结果，发现公共就业服务对劳动参与的直接效应（=-0.388）和社会组织活动参与程度对劳动参与的效应（b=-0.089）均负向显著，中介效应成立，表明由获得公共就业服务所带来的社会资本积累会降低失业的可能性。本文认为，参加公共就业服务能够辅助劳动者熟悉社区工作人员及社会组织成员，而且有可能促使其参加更多社会活动，进而拓展社交圈，建立新的社会联系来促进找工作。在总体传导机制中，社会资本这一中介变量对就业促进的贡献为4.94%（见表14），意味着公共就业服务对劳动参与的影响一定程度上也会通过社会资本积累渠道得以实现。至此，假设2b得以验证。

表14 中介变量对劳动参与的影响程度

表15 引入社会资本中介变量的回归

7 结论与对策

本文基于CLDS2018数据，采用Logit模型探索了公共就业服务和劳动参与间的关系，重点考察了公共就业服务的就业促进效应及其影响机制，并在处理内生性的基础上进行了异质性分析。研究发现：目前公共就业服务的覆盖面偏低，公共就业服务的获得存在显著的性别、年龄、学历、健康、城乡与区域上的差异，获得过公共就业服务的劳动者其就业比例更高。就服务项目而言，职业介绍和技能培训是主流，而且获得过岗位技能提升服务的劳动者群体的就业比例显著高于未获得过此项服务的劳动者。在控制多重影响因素后，发现公共就业服务与失业状态呈显著的负相关关系，曾接受过公共就业服务的劳动者群体失业的可能性是未接受过此类服务的劳动者的66.2%，意味着获得公共就业服务的支持可以降低劳动者陷入失业风险的概率，这是由于公共就业服务所带来的人力资本、社会资本的积累与提升会降低失业的可能性，其中人力资本对就业促进的贡献高达81.27%，社会资本的贡献达4.94%。异质性分析显示，女性、高中及以下学历、农村地区、持有本地户籍的劳动者更容易从公共就业服务中受益。借助倾向得分匹配法和工具变量法处理模型可能存在内生性问题，发现公共就业服务的获得经历的确有助于减少失业，但若忽视模型的内生性将会高估公共就业服务对就业的促进作用。

一直以来，促进就业、防范失业始终是政治、经济与社会领域的重要议题，因此借助公共就业服务促进就业不仅是必要的，而且是迫切的。本文提出“扩面+提质”的政策建议：一方面，进一步提高公共就业服务的覆盖面，促进公共就业服务在各类群体中的可及与可得。可依托主流媒体与新媒体增加宣传手段、增设申请渠道，以提高公共就业服务的利用度，同时推出适应性别、学历、城乡等差异的服务项目，例如具有鲜明女性导向的家政入门服务、面向本科以上学历者的信息技术能力提升服务、依托乡村特色产业的电商经营培训等，并强化创业服务的力度，通过小额低息贷款、减免税费、优先解决办公场地等政策倾斜，鼓励劳动者从他雇向自雇转变。另一方面，强化公共就业服务中技能提升类服务的供给，提升公共就业服务的质量。结合人社部2018年修订的《就业服务与就业管理规定》与多部委2021年联合印发的《关于实施提升就业服务质量工程的通知》，为考取专业技术资格证书、通过专项技能认证提供信息咨询、课程辅助和资金支持，与重点企业、重点岗位保持联动，实现技能培养与岗位需求的有效衔接。