唐时达　　巴曙松　　刘　　睿　　侯敬雯

　　金融结构、劳动力市场特征与就业*
——基于中国省际面板数据的实证研究

　　唐时达1巴曙松2刘睿3侯敬雯4

　　（1.北京大学光华管理学院、中国农业银行，北京100871；2.国务院发展研究中心金融所，北京100010；3.云南大学发展研究院，昆明650091；4.中信银行博士后科研工作站，北京100038）

　　本文使用1999—2012年的省级面板数据考察了金融结构、劳动力市场特征以及两者的交叉作用对就业的影响。研究结果表明：（1）市场主导型融资比例的提高有促进就业的作用，银行集中度的提高对就业水平造成负面效应。（2）劳动流动程度与就业水平呈正比。（3）当劳动流动程度趋低时，间接融资比例的提高有利于促进就业；当劳动流动程度趋高时，直接融资比例的提高有利于促进就业。当前，我国劳动力市场正在从二元经济的模式转向新古典经济的模式，劳动流动程度大幅提高，而我国金融市场的结构仍以间接融资为主。因此，为促进就业水平的提高、降低间接融资比重偏高的不良影响，我们要进一步发展多层次资本市场体系，提高市场主导型融资在金融结构中的比重。

　　金融结构；劳动力市场特征；就业

一、引　　言

劳动力市场和产品市场不是决定就业水平的唯一因素。金融发展领域的大量实证文献表明，金融市场对就业有着显著的影响。金融深化提高了金融资产收益率，降低了实际利率，因此推动与之相关的产业发展，从而增加就业。金融发展对就业水平有直接和间接双重效应：直接效应在于金融产业在发展过程中会根据市场导向作出合理的战略调整，创新出更多的金融产品和服务，从而吸纳更多的劳动力；间接效应在于金融发展通过发挥其资金融通的功能，推动不同行业的成长，促进产业增长和产业结构调整，从而带动就业增长。

　　最新的研究发现，劳动力市场和金融市场的相互作用对就业产生了重要的影响。相关的理论研究认为，金融市场的不完全对就业水平有不良影响，而影响程度则取决于劳动力市场的结构。在这一领域，大多数的实证研究侧重于考察劳动需求的因素，并采用微观数据考察金融市场对劳动需求的影响。然而，采用宏观数据对劳动力市场和金融市场之间的相互作用对就业水平影响的实证研究较少，而关于中国方面的经验研究则仍是缺失的。本文的研究对此是一个补充。

　　当前，正是中国劳动力市场转型时期，而中国金融结构也在迅速调整，故研究中国金融结构和劳动力市场特征对就业水平的影响具有重要现实意义。为此，本文借鉴Donatella、Christophe &Anne-ga?（2012）的研究，采用中国1999—2012年的省级面板数据考察金融市场和劳动力市场的相互作用如何影响就业水平。研究的目的在于：第一，考察金融结构、劳动力市场特征对就业水平的影响；第二，考察金融结构和劳动力市场特征的交叉作用对就业水平的影响。

二、计量模型、变量选取与研究方法

（一）计量模型

　　为考察中国金融结构和劳动力市场的相互影响对就业的作用，本文借鉴 Donatella、Christophe&Anne-ga?（2012）的研究设立如下计量模型：

　　其中，Ei，t是就业率，αi是省际固定效应，vt是时间固定效应，εi，t为残差项。labori，t为劳动力市场特征指标，fini，t为金融结构指标，labori，·tfini，t为劳动力市场特征指标与金融结构指标的交叉项，用以考察金融结构与劳动力市场特征的交叉作用对就业的影响，CVi，t为其他的控制变量。我们使用的是中国29个地区（1）1999—2012年的数据。数据的来源如下：各省金融机构的贷款余额，各省四大国有商业银行的贷款余额，各省上市公司的IPO、SPO、配股增发和公司债券募集资金等来自相关年度的Winds数据库和《中国金融年鉴》，其他的数据均来源于历年《中国统计年鉴》和各省市的经济统计公报。

　　（二）变量选取

　　1.就业水平指标

　　本文所采用的就业水平指标为各地区就业人数与其总人口的比重，数据来源为历年《中国统计年鉴》。

　　2.金融结构指标

　　已有文献普遍认为，“金融结构”一词指的是金融市场与金融中介在金融体系中的相对重要性，在这类文献中，金融结构被分为市场主导型和银行主导型，这一定义被林毅夫（2009）、贾玉革和李健（2005）等学者称为“狭义”的金融结构。“广义”的金融结构则包括金融工具的结构、金融机构的结构和居民金融资产结构等。

　　本文重点考察“狭义”的金融结构。因此，本文将从两个方面来反映金融结构：市场主导型融资结构和银行主导型融资结构。直接融资比例（M-finance）变量反映了市场主导型融资结构，银行集中度（B-finance）变量反映了银行主导型融资结构。

　　关于市场主导型结构指标，按照中国人民银行的划分标准，债券和股票为直接融资，杨俊和王佳（2009）认为在中国地区金融数据缺失严重的情况下，非金融机构的融资结构是一个相对较好的表达市场主导型程度的指标，并在其实证研究中用债券和股票的规模/总融资规模对市场主导型结构指标进行度量。本文借鉴其做法，用债券和股票的规模/总融资规模来度量市场主导型指标，数据来源于中国人民银行公布的2004—2012年《中国区域金融运行报告》。

　　关于银行主导型结构指标，林毅夫和孙希芳（2008）将四大国有商业银行之外的所有金融机构统称为中小金融机构。本研究借鉴其做法，用各地区四大国有商业银行年末本外币贷款余额占该地区全部金融机构总贷款余额的比例来衡量银行业集中度程度。该比例越高，说明该地区金融结构越偏向于银行主导型。

　　3.劳动力市场特征指标

　　当前，正是中国劳动力市场转型时期，中国劳动力市场最显著的特征就是其具有二元经济和新古典的双重特征。中国劳动力市场正从二元经济的模式转向新古典经济的模式，劳动力市场的表现既有二元经济的特征又有新古典经济的特点。在刘易斯的二元经济结构下，由于存在劳动力区域转移和部门转移的制度障碍，劳动力供求关系无法通过工资水平的调节得以出清，所以长期存在二元经济结构。在新古典模式下，劳动力市场可以通过劳动力流动和工资调节达到市场出清的状态。因此，本文用劳动流动指标来衡量中国劳动力市场从二元经济模式向新古典经济模式转型的程度：劳动流动程度越高，向新古典经济转型的程度也越高。

　　目前，研究劳动力流动的文献中，衡量劳动自由流动程度的指标有以下几种：

　　Parai&Beladi（1997）构造了一个劳动力流动弹性指标（w1/w2）=（L1/L2）1/ε。w1为农村部门的工资，w2为城镇部门的工资，L1为农村部门的劳动力，L2为城镇部门的劳动力。ε为两部门间劳动流动弹性，0〈ε〈∞，当ε=0时，劳动力完全无流动，当ε=∞时，劳动力完全流动。

　　蔡昉（2001）利用农业与工业劳动生产率的比值来衡量劳动的流动程度和两部门的劳动配置效率。比值在0到1之间，如果劳动要素完全流动，那么各部门劳动要素的边际产出相等，则比值为1。反之，如果政策和部门间的障碍使得劳动力的流动受到限制，则比值小于1，比值越低，说明劳动自由流动的程度就越低。

　　与蔡昉（2001）类似，王泽填与姚洋（2009）用农业部门和工业部门单位劳动力增加值的比率来衡量劳动力的流动程度。其假设部门的单位劳动力增加值与工业部门的工资呈正比，而工资是吸引劳动力流动的唯一因素。因此，如果劳动自由流动程度越高，则农业部门和工业部门单位劳动力增加值之比越接近于1；反之，如果劳动自由流动程度越低，则农业部门和工业部门单位劳动力增加值之比越接近于0。

　　王泽填、姚洋（2009）和蔡昉（2001）对衡量劳动自由流动程度指标的构造思路基本相同，具有较强的理论依据和可实现性，能较好地衡量中国劳动自由流动程度。唐时达和刘瑶（2012）的实证分析表明，与蔡昉（2001）相比，王泽填与姚洋（2009）构造的指标能更好地表达劳动自由流动程度。因此，本文将采用王泽填与姚洋（2009）的构造方法来度量中国劳动自由流动程度，检验劳动自由流动程度对就业水平的作用。

　　

　　表1　　变量描述

　　4.控制变量

　　以往研究表明，人均受教育年限和城镇化进程等因素均对就业水平有着确实的影响，因此，本研究使用的控制变量包括了人均受教育程度（edu）和城镇化水平（urb）。温怀德（2010）的研究认为，人力资本（高等教育）系数不利于就业的提高，人力资本积累可能仅仅改善了个人就业状况，而对就业整体不利。近年来中国高等教育发展十分迅猛，劳动力市场受到巨大冲击，在巨大的人口及就业压力下，不仅受到良好教育的工人就业逐渐困难，而且挤出了教育水平不高或者非熟练工人的就业。众多的理论和经验研究都认为城镇人口比例增加会降低农业就业人口，有利于第二、第三产业就业人口的增加。本文用eduit表示i地区t年的人均受教育程度，urbit表示i地区t年城镇化进程。关于人均受教育年限（eduit），1987年至2001年数据引用了陈钊、陆铭和金煜（2004）的数据，2002年至2012年数据为作者根据同样的方法独立测算。其中小学毕业教育年限设为6年，初中毕业教育年限设为9年，高中毕业教育年限设为12年，大学毕业设为16年。独立测算所需相关数据均来源于2003—2012年《中国人口统计年鉴》。关于城镇化率（urbit），本研究用各地区城镇人口数与其总人口数的比重来表示。

　　我们以（1）式为基础，从模型（1）至（5）依次进行如下回归：模型（1）检验了劳动流动（labor）和市场主导型融资（MF）对就业水平的影响；模型（2）在模型（1）基础上加入了劳动力市场特征变量与市场主导型变量的交叉项（labor*MF），以检验两者的相互作用对就业水平的影响。模型（3）检验了劳动力市场特征变量和银行主导型融资变量对就业水平的影响；模型（4）在模型（3）基础上加入了劳动力市场特征变量与银行主导型变量的交叉项（labor*BF），以检验两者的相互作用对就业水平的影响。模型（5）将所有变量都纳入进来，查看计量模型的稳健性。

三、实证结果与分析

　　表2　　面板单位根检验结果

　　（一）平稳性检验

　　为防止出现“伪回归”问题，进行面板数据回归前，我们需要对数据进行平稳性检验。若数据平稳，则可用上述解释变量对就业指标进行回归；反之，则继续对其进行协整检验。根据数据特点，本文主要采用五种常用的面板数据单位根检验方法：LLC检验，Breitung检验，IPS检验，ADFFisher检验和PP-Fisher检验，根据AIC准则选取的最大滞后期为7，检验结果如表2。

　　面板单位根检验结果表明，5种检验方式的绝大数情形均证明，所有变量均为不平稳单位根过程，而其相应的一阶差分后的序列则表现为平稳过程。接下来估计面板回归方程，在估计回归方程之前，利用Stata11.2统计软件的vif和hettest命令变量之间的多重共线性和异方差性进行检验。检验结果表明，模型不存在异方差问题，也没有多重共线性问题（所有自变量的vif都小于10）。

　　（二）面板协整检验

　　接下来本研究对变量之间进行协整检验。关于协整检验的方法主要有：（1）Kao（1999）、Kao and Chiang（2000）利用推广的DF和ADF检验提出了检验面板协整的方法，这种方法零假设是没有协整关系，并且利用静态面板回归的残差来构建统计量。（2）Pedroni（1999）在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面板协整检验方法。和Kao的方法不同的是，Pedroni的检验方法允许异质面板的存在。（3）Larsson et al（2001）发展了基于Johansen（1995）向量自回归的似然检验的面板协整检验方法，这种检验的方法是检验变量存在共同的协整的秩。我们对lnE、lnLabour、lnMF、lnBF、lnlabour*MF、lnlabour*BF、lnedu和lnurb进 行KaoADF检验，结果如表3所示。

　　

　　表3　　协整检验结果

　　根据表3的面板协整检验结果，Kao ADF统计量在1%的检验水平上拒绝原假设，表明各变量之间存在显著的协整关系，因此可以在此基础上直接对原方程进行回归。

　　（三）回归结果和分析

　　我们进行了面板回归，表4给出了样本的估计结果。

　　

　　表4　样本估计结果

　　1.关于金融结构对就业水平的影响：从（1）和（3）可以看到，直接融资指标（MF）对就业水平的影响显著为正，间接融资（BF）对就业水平的影响为负值，但在5%的水平上不显著。实证结果印证了Rendon（2001）的研究，如果金融发展使得企业可以通过发行证券（直接融资）来减少其劳动调整成本（即金融自由化对劳动力市场灵活性的替代），金融发展会促进就业。直接融资使得中小企业能直接从金融市场融资，从而可以优化资金配置，增强企业活力，而中小企业是解决就业的主力军，因此能够有利于就业水平的提高。银行集中程度的提高使得信贷不可避免倾向于大型机构，大型机构的就业吸纳能力通常来说不如中小企业，因此银行集中度越高，越不利于提高就业水平。

　　2.关于劳动力市场特征对就业水平的影响：劳动流动程度（labour）对就业水平的影响显著为正，这表明降低劳动流动障碍有利于就业水平的提高，这与Wacziarg&Wallack（2004）和Kambourov （2009）的研究结果一致，Wacziarg&Wallack （2004）认为劳动自由流动程度的提高会对就业水平产生有利影响，劳动力市场临时解雇成本的降低和限制政策的减少也有利于提高就业水平。Kambourov（2009）构建了一个开放、劳动流动和就业结构转变的理论模型，并进行了数值模拟，其结果也表明劳动自由流动程度的提高有利于就业结构的调整，从而提高就业水平。

　　3.关于金融结构与劳动力市场特征的相互作用对就业水平的影响：从（2）和（4）可以看到，直接融资指标与劳动流动指标交叉项（labour*MF）的系数显著为正，间接融资指标与劳动流动指标交叉项（labour*BF）的系数显著为负。即劳动自由流动程度越高、直接融资程度越高，则对提高就业水平有促进作用；而劳动自由流动程度越高、间接融资程度越高，对就业水平的提高反而有负面影响。实证结果印证了donatella、christophe和anne-ga?（2012）的研究，其原因可能在于：一方面，劳动力的自由流动程度提高，直接融资比例的提高会有利于新兴小企业的诞生，从而创造更多的就业机会，劳动自由流动才能与更多的就业机会相匹配，从而提高就业水平。另一方面，直接融资的提高有利于劳动者在找工作的过程中获得必要的金融支持，从而促进就业水平的提高。

　　4.关于其他控制变量对就业水平的影响：从（1）—（4）可以看出，一是人均受教育水平（edu）对就业水平的影响显著为负，虽然（5）中人均受教育水平对就业水平的影响为正但不显著。这与我们的直观印象有一定出入，出现这一结果可能有以下几方面原因：一方面，中国教育结构与经济结构不匹配，主要表现为高中、职专等中等教育规模和大学教育规模的比例失衡；另一方面，人力资本积累可能仅仅是改善了个人就业状况，其劳动效率的提高反而导致了其他人的失业。二是城镇化率（edu）对就业水平的影响显著为正，中国城镇化进程中农村劳动人口不断涌入城市以及农村自身的城镇化，使得农业劳动人口不断地向第二、第三产业转移，而且这样的就业人口的产业间调整一直在进行，使劳动要素达到最优配置，提高了就业水平。

　　5.关于模型的稳健性：从（5）的结果可以看出，在纳入全部变量之后，虽然有些变量显著性不够，但是在方向上依然与模型（1）—（4）保持一致，因此样本期内，估计结果具有较强的稳定性。

四、结　　论

本文探讨了金融结构与劳动力市场特征的相互作用对就业水平的影响，主要结论归纳如下：

　　1.金融结构中，市场导向型融资的提高有利于促进就业。市场导向型融资使得中小企业能直接从金融市场融资，从而可以优化资金配置，增强企业活力，而中小企业是解决就业的主力军，因此能够有利于就业水平的提高。反之，银行集中度的提高则有可能对就业造成负面冲击，中国银行业结构以国有大型银行为主，银行集中程度的提高使得信贷不可避免倾向于大型国有企业，从而对就业水平有负面影响。

　　2.劳动流动自由程度与就业水平呈正比。这表明降低劳动流动障碍有利于就业水平的提高。因此，我们不仅要重视劳动力在城乡之间的流动，而且要重视创造条件让劳动要素在不同产业、不同层次之间的流动。

　　3.金融结构与劳动力市场特征的交叉作用能够影响就业水平。当劳动自由流动程度趋低的时候，间接融资比例的提高有利于促进就业；当劳动自由流动程度趋高的时候，直接融资比例的提高有利于促进就业。

　　从我国劳动力市场特征看，劳动力市场正在从二元经济所导致的城乡分割状态逐渐向新古典经济的自由流动状态转变，劳动自由流动程度大幅提高；从我国人口结构看，随着人口结构从劳动力无限供给到跨越“刘易斯拐点”、从“人口红利”走向“人口负债”，不仅会在中长期内影响一国的资产负债的稳健度，而且也会在短期内影响这个国家的负债融资能力、资产配置能力以及使用杠杆率的能力。在相当长的时期内，中国间接融资占主导的金融体系决定了银行信贷成为M2扩张的渠道。然而，在劳动自由流动程度逐渐提高之后，银行信贷所带动的杠杆扩张功能将受到限制。因此，无论从劳动力市场的角度还是从金融市场的角度出发，我们都应该大力发展多层次的资本市场，扩大直接融资的规模和比重。

　　注释：

　　（1）为了保持数据的一致性和完整性，本研究剔除了西藏、台湾，将重庆的数据合并到四川之中。根据中国统计年鉴和国研网相关标准划分，这29个地区包括——东部：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广西、海南；中部：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南；西部：四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。

　　［1］巴曙松.人口结构的宏观金融含义［J］.中国金融四

　　十人论坛，2012，（9）：21-29．

　　［2］蔡昉.劳动力转移的两个过程及其制度障碍［J］.社

　　会学研究，2001，12（4）：44-51．

　　［3］蔡昉，太阳生.抓住劳动力市场新特征［J］.珠江水

　　运，2012，9（3）：51-53．

　　［4］陈钊，陆铭，金煜.中国人力资本和教育发展的区域差异：对于面板数据的估算 ［J］.世界经济，2004，73（12）：25-31．

　　［5］林毅夫，孙希芳，姜烨.经济发展中的最优金融结

　　构理论初探［J］.经济研究，2009，58（8）：4-17．

　　［6］唐时达，刘瑶.贸易自由化、劳动流动与就业结构

　　调整［J］.世界经济研究，2012，30（3）：58-62．

　　［7］王勋，方晋，赵珍.中国金融规模、金融结构与经济增长——基于省区面板数据的实证研究［J］.技术经济与管理研究，2011，31（9）：59-64．

　　［8］王泽填，姚洋.结构转型与巴拉萨－萨缪尔森效应［J］.世界经济，2009，68（4）：38-49．

　　［9］杨俊，王佳.金融结构与收入不平等：渠道和证据——基于中国省际非平稳异质面板数据的研究［J］.金融研究，2012，32（1）：116-128．

　　［10］杨小玲.中国金融发展、就业效应与产业结构调整研究［J］.广东金融学院学报，2009，24（7）：5-12．

　　［11］Acemoglu.D.Credit market imperfections and persistent unemployment［J］.European Economic Review，2001，57（45）：665-679．

　　［12］Arnold，L.Financialmarketimperfections，labour market imperfections and business cycles［J］. ScandinavianJournalofEconomics，2002，104 （09）：105-124．

　　［13］Amar K．Parai，Hamid Beladi.imperfect labor mobility and unemployment in LDCs［J］.Southern E-conomic Journal，1997，64（1）：180-188．

　　［14］Ana Revenga.Employment and Wage Effects of Trade Liberalization：The Case of Mexican Manufacturing［J］.Journal of labor Economics，1997，69 （5）：20-43．

　　［15］Benito，A Hernando.Labor demand，flexible contracts and financial factors：New evidence from Spain［J］.Oxford Bulletin of Economics and Statistics，2008，70（4）：283-301．

　　［16］Belke，A&Fehn，R.Institutions and structural unemployment：Docapitalmarketimperfections matter？［J］.Ifo Studien Zeitschrift fu．．r empirische Wirtschaftsforschung，2002，48（7）：405-451．

　　［17］Belke，A，Fehn，R.，Foster，N.Venture capital investment and labour market performance：A panel data analysis，Problems and Perspectives in management［J］.special issue on innovation management，2004，89（9）：5-19．

　　［18］Caggese，A，Cunat，V.FinancingConstraintand fixed-term employment contract［J］.Economic Journal，2008，118（12）：2013-2046．

　　［19］DonatellaGatti，ChristopheRault，Anne-Gal Vaubourg，.Unemployment and Finance：How do Financial and Labor Market Factors Interact？［J］. Oxf.Econ.Pap，2012，64（3）：464-489．

　　［20］Fechs，R，Fuchs，T.Capital market institutions and venture capital：Do they affect unemployment and labor demand？［R］.CESInfo Working Paper，2003，（898）：898-912．

　　［21］Feldman，H.BankingDeregulationaroundthe World，1970s to 2000s：The Impact on Unemployment［J］.International Review of Economics& Finance，2012，56（24）：26-42．

　　［22］GueorguiKambourov.LaborMarketRegulations and the Sectoral Reallocation of Workers：The Case of Trade Reforms［J］.Review of Economic Studies，2009，76（4）：1321-1358．

　　［23］Greenwald，B，Stiglitz，J.Financial market imperfection and business cycles［J］.Quarterly Journal of Economics，1993，89（5）：74-114．

　　［24］Koskela，E，Stenbacka，R.Equilibriumunemployment and credit market imperfections：The critical role of labor market mobility［J］.CESIfo Working Paper，2002，99（654）：221-233．

　　［25］Lakstutiene，A，R.Krusinskas，and J.Platenkoviene. Economic Cycle and Credit Volume Interaction：Case of Lithuania［J］.Inzinerine Ekonomika-Engineering Economics，2011，22（5）：468-476．

　　［26］Nickell，S，Wadhwani，S.Employment determination in British industry：Investigation using micro-data

　　F240

　　A

　　1001-862X（2015）02-0016-008

　　本刊网址·在线杂志：www.jhlt.net.cn

　　国务院发展研究中心重点基础领域研究课题“国际经济金融结构研究”

　　唐时达（1983—），湖南人，北京大学光华管理学院、中国农业银行博士后，博士，主要研究方向：互联网金融、金融风险管理与劳动力市场；巴曙松（1969—），湖北人，国务院发展研究中心金融所副所长，博士，主要研究方向：金融机构风险管理与金融市场监管。