劳动生产率统计方法比较及启示
2024-04-18陈易辙
□ 陈易辙
劳动生产率测算方法及结果相对稳定,常常作为各国衡量经济发展的一个重要指标。为加强各国劳动生产率指标的可比性及社会对各国劳动生产率数据的正确解读,本文对国际上主要国家的劳动生产率统计展开比较分析。
| 劳动生产率概念和意义
劳动生产率是衡量一个国家或地区经济效率的重要指标,它指每单位劳动所生产的商品或服务的价值。劳动生产率最早由法国经济学家魁奈在1766年提出,后由经济学家亚当·斯密在其著作《国富论》中扩展领域进行了深入探讨,将其视为决定国家财富和经济增长的关键因素,马克思也经常在研究中和著作中提及和探讨劳动生产率。为促进经济发展和提高国家竞争力,政府和企业应该积极采取措施来提高劳动生产率。劳动生产率的提升可以通过多种途径实现,包括技术进步、资本投资、教育培训等,使得付出同等程度或更少的劳动力投入带来更多劳动成果。
党的二十大报告中提出的“要坚持以推动高质量发展为主题”和“着力提高全要素生产率”,指引我们探索衡量经济发展质量的新角度、新方法。劳动生产率与全要素生产率亦有深度联系,全要素生产率是指除资本与劳动力外其他生产要素(如教育、技术创新)所带来的产出增长率,劳动生产率的提升可以解释为除劳动力外其他生产要素所带来的产出增长率。故可以总结为,劳动生产率的提升归因为资本生产率的提升与全要素生产率的提升。理论上,通过观察劳动生产率的增速,可以从侧面反映全要素生产率的发展情况,与全要素生产率一样具备衡量经济发展质量的解释效力。
| 劳动生产率统计方法
由于产业结构、劳工标准、统计制度等方面的差异性,国际上劳动生产率衡量指标不一,常用的有全员劳动生产率、单位时间劳动产出、单位时间劳动工资等。这些指标在衡量劳动生产率时存在共性,测度相对简明,只包含两个元素,产出(GDP)与劳动消耗(就业人数或工作时长)。
(一)OECD 劳动生产率统计框架
OECD 经济运行效率测度体系主要围绕劳动生产率,并跟踪相关6 个生产率相关指标,分别为单位工作小时GDP 产出、劳动生产率和利用率(指人均工时变化)、单位工作小时劳动回报率、全要素生产率、单位劳动雇佣成本以及劳动生产率预测。OECD在测算劳动生产率时,为了提升同一国家连续数年之间与国际数据的可比性,采用基准年不变价本币计价GDP,采用基准年不变PPP 换算,除以当年人口数得出人均GDP,再除以总人口人均工作时间(人口合计工作时间除以人口数),获取人均每小时GDP 产出。值得注意的是,OECD 劳动生产率指标是以每小时GDP 产出的增长率进行发布的,而非绝对值数。
OECD 对劳动消耗量的首选衡量指标是所有从事生产工作的人实际工作的总小时数(包括有薪雇员和自雇人士)。表1 为OECD 对工时概念的解读,经常工作小时数为排除长周期内的连续长假等因素影响,在短周期内预计的经常工作的小时数。
表1 OECD工时概念
OECD 认为,由于劳动生产率分析涉及为实现特定产出所消耗的劳动投入,劳动力投入或劳动消耗量的基本概念应包括用于实现该产出的所有工作时间,无论该部分是否有偿。因此,应排除那些未用于生产的工作时间,如带薪假期。因此,衡量劳动力投入的概念是实际工作时长,具体定义为:直接用于生产活动或与之相关的活动,包括但不限于维护时间、清洁时间、培训时间、待命时间、在工作地点之间移动所消耗的时间、由于工作需求转换或临时中断等因素所导致的切换上述生产活动所消耗的时间,以及短暂的休息时间;并且实际工作时间应排除年假和公共假期、较长的工作休息时间(如用餐时间)、通勤时间(没有进行生产活动时)以及除在职业培训以外的教育时间。
在数据源选取中,OECD 最常用的是劳动力调查、人口普查、企业数据和政府数据。前两者经常用于检测就业市场中“供给方”,后两者提供了就业市场中“需求方”的视角。劳动力调查被视为最全面也是最成熟的劳动力数据来源,尤其是在劳动力的构成信息和特征信息。在劳动生产力统计领域,当前在OECD的 38 个成员国中,其中有24 个国家采用劳动力调查作为一般就业人员工时数据的主要数据源,7 个国家采用劳动力调查作为次要数据源;12 个国家采用商业统计作为主要数据源,14 个国家采用商业统计作为次要数据源。
综合来看,劳动力调查和商业统计在工时数据统计中较为流行,使用频率较高。为进一步提升劳动力投入以及工作时长的数据质量,在数据源的选取上,OECD 认可启用劳动力调查是良好的开始,然而劳动力调查中由于自申报所导致的偏误始终存在。故OECD 建议其成员国在劳动力调查的基础上,扩大该项统计的数据来源,通过增加其他如商业统计、行政数据等方式对数据进行进一步修正,以提升数据和预测的质量和准确度。
(二)美国劳动生产率统计框架
美国劳工统计局在生产率领域的统计主要聚焦于两个方面。一是商业领域与主要子领域生产率,以此为美国六个主要行业部门提供生产率指标,包括商业、非农业商业、非金融企业、制造业总体、耐用品制造业和非耐用品制造业,统计上述行业季度与年度的劳动生产率,并提供年度全要素生产率所需数据;二是行业生产率指标,行业生产率研究计划的统计口径为美国一些具体行业,如制造业、零售与饮食业、批发业以及服务业等具体行业的劳动生产率和全要素生产率的年度度量。美国劳工统计局经济运行效率测度体系跟踪相关6 个生产率相关指标,分别为劳动生产率、单位工作小时劳动回报、单位劳动力雇佣成本、产出实际增加值、工作时长以及全要素生产率。
美国在统计劳动生产率方面,同样通过实际劳动产出与工作时间的数量进行计算。在统计工时方面,主要对劳动区分为三个类别进行统计:有薪雇员、自雇人士与无报酬的家庭劳动力(如家庭主妇)。
美国的当前就业情况统计(CES)包含了私人非农业部门中83 个三位数(美国行业编号前三位)的美国保险监督协会(NCS)行业项下全部员工、仅生产(非监管)员工与不生产(仅监管)员工的平均每周工时以及就业的季调月度数据。
CES 中的平均每周工时数据基于付费工时,包括员工带薪但不在工作的时间。因此,美国劳工局国家薪酬调查同时采集工时带薪比率,应用于生产员工的平均每周工时,以确保休假、假日和病假期间薪酬的变化不会影响工时数据。
具体通过以下公式进行计算:
其中,Hoursworkedp为生产员工的工作小时数;AWHpCES为当前就业统计中的生产员工的平均每周付费工时;hwhpNCS为国家薪酬调查中的工时带薪比率,即实际工作小时数/付费工时(实际工作小时数+带薪的非工作小时数);EmppCES为当前就业统计中的生产员工人数;52 为年中周数,用于取得年化值。
在获取上述两个员工群体的工作小时数后,可以聚合为私人非农业员工的工作小时数。由于美国存在一定数量的非营利组织,其工时数据为当前就业情况统计(CES)所捕捉,为取得更加精确的非农领域的数据指标,须在劳动生产率统计中进行剔除。故美国劳工局通常会进一步调整数据,在此基础之上通过使用免税状态作为非营利组织状态的替代指标进行捕捉,从而对数据中非营利机构员工的工时数据进行剔除。
| 我国劳动生产率统计与国际比较及启示
如何计算劳动生产率曾是我国经济学界热议的问题之一,从统计报表中也能看到我国测算劳动生产率的方法在不断优化完善。
计算方式的历次调整均体现了我国对劳动生产率测算的重视及劳动生产率内涵的科学解读。
国际主流的劳动生产率统计方法使用实际工作小时数据作为劳动投入的衡量标准(工时劳动生产率),而我国劳动生产率方法使用就业人员数量劳动投入的衡量标准(全员劳动生产率)。理论上,两者差异主要体现在以下几方面:
一是通过就业人数衡量劳动力投入,较难体现因科技进步、教育培训等带来的劳动效率的提升与进步。我国统计方法在劳动力市场较为稳定、就业人员数量占总体人口的比例同样保持稳定时,全员劳动生产率指标与人均GDP 指标将保持高度相似,尤其在增速结果上并不会有显著差异,两个指标均受人口数据影响较大(图1)。
图1 中国及主要国际组织全员劳动生产率与人均GDP关系
二是通过工作时长衡量劳动力投入,可以剥离较多可能造成指标偏离的影响因素。例如,不稳定的劳动力市场导致的摩擦性劳动力消耗变化、产业结构性变化所导致的结构性劳动力消耗变化、不同产业不同工种间较大实际工时差距等,可以更加有效地揭示劳动生产率的根本之义。
三是使用就业人数衡量劳动力投入,在预测时容易忽略或放大其他要素与生产效率之间的联系。在该方法下,进行劳动生产率趋势判断时,其中就业比率的变化会产生较大的影响,从而忽略或放大其他要素与生产效率之间的联系,而后者是我们更加关注的要点。
从国际上常用的劳动生产率统计方法看,用工作时长来衡量劳动投入更为普遍,更加契合劳动生产率的内涵。而我国采用就业人数来衡量,由于历史和文化因素,以及劳动力市场供给与需求不平衡,不同行业工作时长难以统一,增加了政府统计工作时长的挑战难度。未来,在各项条件符合的情况下,一是可考虑借用互联网、大数据技术将工作时长纳入政府统计指标中。在此基础之上,辅以一定范围的劳动力问卷调查和其他方法提升数据质量。前提是仍须形成与我国在劳动生产率研究工作需求相吻合的、符合目前统计工作现况的工时数据的口径与标准。二是在我国当前以就业人员数量衡量劳动投入的统计方法下,仍可以通过其他角度深入对劳动生产率进行分析研究,以拓宽指标视野。例如可以通过标注对就业人员采用标签分类,如通过学历分类研究不同学历就业人员间的劳动生产率差异。
尽管本文认为我国所采用的全员劳动生产率指标相较于人均GDP 解释力度较为有限,然而国际通行的工时劳动生产率指标本身,对比人均GDP 指标的解释效用是否更有优势的问题在当前研究中亦无清晰论断。但不可否认的是,工时劳动生产率在经济学效用领域的研究抑或是在实证层面对全要素生产率(TFP)的深入探索可以提供不小助力,对于经济发展质量测度方法的进步同样有相当重要的意义。