“七普”数据显示，中国劳动年龄的人口数量达8.94亿人，占总人口的63.35%，庞大的人口就业问题对中国经济社会和谐发展带来了巨大挑战。中国就业岗位数量难以完全吸纳如此庞大的待劳动人口，表现为总就业人口在2015年开始减少，同时自1962年以来不断增长的城镇就业人员在2022年也首次出现842万人的缩减。在就业人数减少的同时，中国待就业人口仍然持续增长，其中高校毕业生在2022年首次突破1000万人。可见，在国际环境日趋复杂，就业形势仍较严峻且总量发生增势逆转的背景下，有必要开展针对就业变化的研究，加深对就业矛盾的认识，以问题导向和务实举措，促进充分高质量就业的实现。此外，就业是最基本的民生，解决就业问题是我国的一项长期的重大战略任务。党的二十大强调要“强化就业优先政策，健全就业公共服务体系，加强困难群体就业兜底帮扶，消除影响平等就业的不合理限制和就业歧视，使人人都有通过勤奋劳动实现自身发展的机会”。平等的就业状况能够促进经济良性发展，而就业空间分异影响劳动力的工作权利、机会和收益^[1]，探明就业人口的空间分异及其影响机制，有助于响应国家就业优先战略，促进经济高质量发展和新型城镇化建设。

在过去二十年中，西方劳动力地理研究对就业空间的探讨多集中于某类群体，针对其就业集聚空间和工作空间展开，对于整体的就业人口探讨较少。许多研究考察了劳动力流动所产生的就业空间，尤其是移民群体的就业分布、就业分工、就业空间性质等^[2-6]。研究发现移民集中在特定的工作领域^[2]，存在一定的隔离和空间失配现象，按工作区域划分的隔离程度远低于按住宅划分^[3]。制造业为移民和少数民族劳动力提供了大量的就业机会，伴随着中产阶级化的过程，移民工人的就业空间随产业变化^[4]。移民的就业空间是一个有争议的（非法）空间^[5]，以难民为代表的被迫移民的就业工作空间一般具有明显全球性^[6]。除移民外，女性、大学生等特定群体也是西方劳动力地理关注的热点，近期研究以这些特定群体为基础，也延伸出了一些新的就业空间，例如，年轻女性的就业“等待空间”^[7]，毕业生在劳动力市场中的“极限空间”^[8]，工人的联合办公空间^[9]。

中国学者关注就业空间分异问题，对就业者的活动空间讨论更多，更为关注职住分异和职住空间错位问题^[10-13]。近期研究还对职住空间错位的识别^[11]、行业产业及影响因素^[10]、职住空间特征^[12]和职住空间优化^[13]等问题进行了探讨。就业人口的空间分异方面，主要是从国家和区域尺度总结了中国的就业空间模式和就业区^[14]，揭示了城市内部就业结构向心化的特点和就业空间由单中心向多极化发展的趋势^[15-18]。近几年来，许多研究注意到了“就业难”和“招工难”并存的结构性就业问题，以大学生和贫困人口等群体为对象，从经济、产业、收入、城市环境等方面，探讨影响就业流动和分异的因素^[19-22]。虽然这些研究一定程度上解释了就业人口空间分异的原因，但对特定群体和部分区域的分析尚不足以认识中国总体就业人口时空格局与变化现象。

综上所述，就业空间研究更多从特定群体和工作区域进行分析，对就业人口的空间情况主要停留在总量分布差异层面。国内研究尚缺少对总就业人口由增长转向缩减背景下，其格局不同时间断面的比较分析。中国人口分布研究总结了东密西疏的人口分布格局及人口分布集中化的特点，发现了以东北地区全面收缩为代表的人口增减分化格局^[23]。然而，就业人口是总人口组成的一部分，其与总人口相互联系又存在区别，就业人口变化不仅与总人口变化有关系，也与经济转型、劳动力市场变化、就业方式转变等紧密相关，而且，就业人口先于总人口7年转向缩减，即便两者可能存在相似的变化趋势和特征，时间的差异会促使两者在变化程度、细节表现等方面存在区别。因此，不能简单地以总人口状况涵盖就业人口。为此，针对当前就业人口地理研究主要集中在城市或城市内部尺度的现状，本文从全国尺度探究中国就业人口的空间格局与变化，将有助于丰富和深化人口地理研究，为应对就业挑战和制定就业政策提供研究基础。

本文对全国就业人口时空格局进行刻画，基于第五次至第七次人口普查数据，通过就业人口增减变化、就业人口收缩类型、收缩区域产业特点等方面，揭示2000年以来中国的就业人口收缩的时空格局变化及收缩区域的产业特征，并利用有序逻辑回归方法，探究导致就业人口收缩区域差异的因素。由于市域内部的就业人口分布差异显著，为准确认识全国就业人口变化的总体特征和空间异质性，本文从市域和县域两个尺度开展时空格局分析，这符合小尺度分析比大尺度分析更能揭示地区发展格局的异质性的一般做法^[24]。本文将有助于为促进就业供需匹配格局提供参考，并为国家新型城镇化建设目标提供理论支撑。

人口普查数据包括短表和长表两部分，短表数据只记录反映人口基本状况的项目，长表数据除短表项目外，还记录了人口的迁移流动、身体健康状况、就业状况、妇女生育状况和住房情况等。长表数据为抽样数据，是抽取了10% 短表填写者进行了数据收集。本研究采用的就业人口总数和分行业数量来源于人口普查长表数据，由于各地抽取比例存在差异，普查中并未给予具体说明，为保证结果尽可能贴合真实状况，各地实际就业人口数量按以下公式进行换算：

(1)

式中，AE表示地区就业人口数，SE表示地区抽样就业人口数，STE表示抽样总人口数，ATE表示实际总人口数。后文中就业人口的相关统计计算均基于此换算结果开展。

区域就业人口的变化受到市场和非市场因素的共同影响。在市场因素方面，就业人口来源于劳动力供给，最终的就业结果受制于劳动力市场的需求^[25]。具体而言，劳动力供给主要是外来人口迁移就业和本地人口就业，数量上前者受劳动力迁移影响，后者受当地人口结构影响，供给的劳动力类型则与劳动力素质结构有关。由于不同行业生产需要的劳动力数量和类型存在差异，同一行业不同发展阶段对此二者的需求也有差异，造成企业提供的就业岗位数量和类型存在区别和变化。非劳动力市场因素亦影响就业数量，例如，政府政策能对地区就业施加市场之外的调控，对劳动力供求均能产生影响，劳动力个体由于就业观念不同，就业意愿存在差异，会影响其实现就业的方式和就业区域的选择，最终影响就业人口数量变化。本研究主要基于影响劳动力供求和政府调控的角度，从经济规模、对外贸易、工资水平、产业结构、技术进步、人力资本、人口年龄结构、政府政策等方面构建指标体系，各指标对就业的影响预期如表 1所示，影响机制如图 1所示。

表 1(Tab. 1

表 1 指标体系及理论预期 Tab.1 Indicator System and Theoretical Expectations

表 1 指标体系及理论预期 Tab.1 Indicator System and Theoretical Expectations

图 1(Fig. 1)

图 1 区域就业人口影响机制图 Fig.1 Mechanism Diagram of Factors Affecting Regional Employment Population

经济规模方面，选取指标为GDP。已有研究均表明了GDP的增长能促进就业容量扩大，但受资本、制度等多种因素的影响，在我国，经济增长与就业增长可能并非是一致的^[26]。本研究预期其对就业的影响为正向。

对外贸易方面，选取贸易进出口数据作为衡量指标。传统贸易理论认为出口贸易能促进就业，而进口则相反，但新近研究也发现进口与出口都创造就业^[27]，故贸易出口额的影响预期为正向，进口额预期影响为可能正向或负向。

工资水平方面，选取在岗职工平均工资为指标。平均工资常用于代表职工的实际工资水平，古典经济理论认为工资的增长将导致劳动力供给增加而需求减少，最终影响取决于供求变化之间的差距。基于已有研究^[28]，本文预期实际工资对就业存在正向影响。

产业结构和技术进步方面，由于过剩的劳动力主要由第二产业和第三产业吸纳，本文选择了第二产业和第三产业产值占GDP比重作为产业结构的指标。衡量技术进步的方式有多种，包括劳动生产率、科技资本投入等，劳动生产率可以表示为每亿元产值所需劳动力人数的倒数^[29]，所涉及数据与指标体系中其他变量存在重合，为避免变量间存在严重内生性问题，本研究选择专利授权数和科学技术支出代表技术进步，分别表征技术进步成果产出和资本投入。已有研究发现，产业结构升级和技术进步对就业的作用具有不确定性，由于区域和时间的差异，表现为既能促进资本积累，创造就业岗位，也会对就业产生破坏作用^[30]。综合考虑实证研究结果^[31-33]，本文预期产业结构升级和技术进步整体上均对就业具有正向影响。

人力资本方面，人力资本理论认为人力资本的充分开发对解决就业问题具有重要意义^[34]。人力资本是体现在劳动者身上的资本，包括知识技能、文化技术水平与健康状况等。大学生作为高学历劳动力的代表，可以在一定程度上表征一个地区的人力资本情况，故本研究选取每万人口在校大学生数为指标，结合已有实证研究^[35]，预期其存在正向影响。

人口年龄结构方面，人口年龄结构深受老龄化加深的影响，也与人口红利紧密相关。劳动力年龄人口随着老龄化减少，不仅意味着劳动力供给的减少，也意味着劳动力负担的增加，包括家庭养老负担加重、劳动力年龄人口个人和工作时间被挤压等，不利于通过人口红利促进经济增长和产业结构调整^{[36, 37]}，也会对最大化利用劳动力资源，实现充分就业带来影响^[38]。故以劳动力年龄人口占比为衡量指标，预期其影响为正向。

政府政策方面，财政政策是政府调控经济、促进就业的重要方式，故选取地方财政预算支出作为指标。一般情况，积极的财政政策可以形成新的经济增长点，从而促进就业，但相关研究发现政府财政支出在促进国有企业就业增加的同时却降低了民营企业的就业吸纳能力，从而导致财政政策总体上无益于就业增长^[39]，故本研究认为财政预算支出对就业具有不确定影响。此外，为了避免雇主对劳动者恶意压价或劳动力之间恶性竞争，国家出台最低工资标准政策，保障在市场中缺乏议价能力的劳动者的收入。探究最低工资与就业关系的研究对于最低工资减少还是增加就业尚存争论，可能取决于劳动力市场的具体情况^[40]，近期的实证研究也得出了不同的结论^{[41, 42]}，所以本研究预期最低工资影响就业的方向为不确定。

此外，考虑到如气候、空气质量等自然环境可能通过影响劳动力的就业意愿和就业选择进而导致就业人数变化^[43]，本研究还加入了自然环境因素作为控制变量，以地形起伏度、年降水量和工业二氧化硫排放量为代表指标。

采用逻辑回归分析方法分析就业人口变化的影响因素。逻辑回归分析属于非线性回归，它是研究因变量为二项分类或多项分类结果与某些影响因素之间关系的一种多重回归分析方法，本研究采用有序逻辑回归方法，对存在相关关系的因变量类别，分别赋值为1，2，…，i，在m个自变量的作用下，回归模型可表示为：

(2)

式中，p_i表示第i类发生的概率，α_i为常数项，β₁，β₂，…，β_m为偏回归系数，x表示各影响因素。

本研究采用的就业人口数量及行业就业人口数据来源于《中国人口普查分县资料》，包括五普、六普和七普的数据。由于行政区划和分行业数据前后年份存在差异，为保证可比性，基于保持前后单元大小不变的原则，以2020年为标准进行合并删减，最终得到2761个县域单元，市域采取同样的处理方法，得到330个市域单元。分行业就业信息，同样进行了合并和删减处理，因2000年行业分类标准与后续年份差异过大，仅选择2010—2020年的行业数据进行分析，把批发和零售业、交通运输、仓储和邮政业以及信息传输软件和信息技术服务业合并为批发、交通和信息服务业，把卫生和社会工作以及公共管理社会保障和社会组织合并为卫生和公共管理，舍弃了缺失值较多的国际组织。综合考虑数据的可获得性，影响因素的相关数据从市域进行选择，舍弃了部分数据缺失较多地级市，最终选取了279个地级市进行研究。由于数据单位不统一，部分数值过大，故进行影响因素分析时，先对数据进行对数化和离差标准化处理。数据中，作为因变量的收缩类型数据来源于《中国人口普查分县资料》。自变量中，专利数据来源于国家知识产权局，地形起伏度来自游珍等人发布的中国地形起伏度公里网格数据集^[44]，降水量来源于国家气象科学数据共享服务平台，最低工资数据来源于国家统计局以及人力资源和社会保障行政部门，其余数据主要来源于《中国城市统计年鉴》，部分缺失项通过查询各市统计年鉴和统计公报进行补充。

2000年以来中国就业人口呈现先增后减的特征，保持就业人口增长的县域大幅减少（表 2）。2010—2020年，中国就业人口数量由74886万人减少到70383万人，年均增长率为-0.62%，与2000—2010年相比，就业人口数量变化差异明显，不仅年均增长率由正转负，变化态势发生逆转，缩减强度也达到较高水平。结合县域情况来看，就业人口增长的县域占比由超半数下降至仅有20.35%，这意味着近10年中国有近八成的县域就业人口发生了缩减。如此巨大的变化说明中国就业人口收缩不仅表现为总数的减少，还在空间上发生了扩散。为了探究就业人口变化的空间分异，本文基于市域和县域的就业人口增幅情况，对就业人口收缩空间格局进行分析，结果如图 2所示。

表 2(Tab. 2

表 2 全国就业人口变化概况 Tab.2 Overview of Changes in the National Employment Population

表 2 全国就业人口变化概况 Tab.2 Overview of Changes in the National Employment Population

图 2(Fig. 2)

图 2 就业人口收缩空间格局 Fig.2 Spatial Pattern of Employed Population Shrinkage 注：基于标准地图服务系统审图号GS(2020)4619（比例尺为1:14000000）标准地图制作，底图无修改，后文地图同。

在市域层次，就业人口的集聚差异变化明显，空间分布呈现单中心与多中心并存的格局（图 2a，图 2b）。近10年，就业人口收缩范围明显扩大，只有部分城市群和西部地区是主要的增长区。具体而言，2000—2010年全国就业人口增幅明显，除了东部沿海地区外，还集中在西部地区，尤其是青海省和内蒙古西部；发生就业人口收缩的区域则以河南、安徽、江苏、重庆、四川、贵州、广西和福建为主，均有接近一半及以上的区域呈现收缩状态。其中，就业人口收缩情况最为严重的是重庆，全域都发生了收缩，其他省份和地区则展现了不同的分布格局，突显了就业人口增减两极化情况，包括：以河南、安徽、贵州为代表的单中心分布格局，表现为中心地区就业人口增长，周围区域缩减；广西是多中心分布格局的代表区域，也是就业人口增减两极化差异最大的地区，其就业人口增长主要集中在南宁和柳州的双中心，增长幅度超过60%，而其周边的来宾和崇左则发生大幅的就业人口收缩，减少幅度达到40% 以上；江苏和福建的就业人口增长区呈条带分布或块状分布，前者在其南部形成东西走向的条带，后者则被沿海的就业人口增长带分割为东西增长缩减分异明显的两块区域。2010—2020年，发生就业人口收缩的区域大幅扩展，大量区域由增长转向缩减，例如东北地区、关中地区和青海省等，尤其是东北地区、青海、天津、山东均在全域发生不同程度的就业人口收缩，其余地区也在空间上呈现出不同范围的收缩，将增长区域分割成大小不一的零散块状区域，这些区域尤以城市群为代表。我国的三大城市群均存在就业人口增长，但与长三角和珠三角相比，京津冀的增长范围较小，仅有北京保持增长。这可能是北京对周边地区的经济集聚作用高于辐射带动作用的结果。值得注意的是，成渝地区既是此时段少有的就业人口增长区域，也是由缩减转向增长的典型区域。这或许与成渝地区独特的地理区位以及发展逻辑有关，地理区位决定了其支撑国家内陆开放战略走廊的核心地区，其发展高质量生活和服务则对随着收入水平提高而规模扩大的中等收入群体有更强的吸引力。

在县域层次，就业人口收缩空间格局变化特点与市域相近，但就业人口的集聚差异和空间分布的不均衡性更为强烈（图 2c，图 2d）。一方面，发生就业人口收缩的区域范围进一步扩大，增长和缩减区域的分布更为零散和破碎。2000—2010年时段，在市域层次呈现的分布格局虽然仍存在，但已不明显。近10年中，尽管县域层次中的增长区域仍呈现集中于城市群的特征，其范围基本都发生了缩减，增长区域集中于省会城市的特征则更为突显。另一方面，县域的结果揭示了市域结果中所未能反映的内部差异，反映了就业人口变化的复杂性。2010—2020年，山东和青海等在市域发生全域就业人口收缩的区域，在县域结果中存在增长的区域；同样，市域结果中全域增长的重庆，在县域结果中其内部也存在收缩区域，这表明了城市内部各个县区之间的差异逐渐变大，部分核心县域持续吸引人口，而外围区域则难以留住人口。县域结果更强的空间不均衡性和复杂性以及其就业增长更集中于省会城市的发现，一定程度上反映了各地强省会政策和对不同县发展定位规划的作用。

就业人口增幅变化表明就业人口收缩在中国广泛存在，但尚不能完全反映各地区收缩的时间变化，也无法区分出不同的区域类型。本文参考人口收缩轨迹类型的判别方法^[45]，将各市域和县域中的区域划分为持续收缩、片段收缩和无收缩三类，分别表示两时段中就业人口规模保持负增长的区域、两时段中仅有一时段人口规模负增长的区域以及两时段中均未发生就业人口规模负增长的区域，其中片段收缩可以进一步细分为止增转缩和止降回增两种。

从收缩类型看，片段收缩区域最多，县域层次有1339个，市域层次有181个，约占全部区域数量的一半（表 3），其中又以止增转缩的区域数量居多，县市域占比分别为42.6% 和50.9%，止降回增则仅占县域5.9% 和市域3.0%。其次是持续收缩区域，县域有1023个，市域有105个，占比分别为37.0% 和31.3%。最后是无收缩区域，县域数量399个，占比为14.5%，市域50个，占比为14.8%。换言之，研究区内全国仅有不超过15%的区域均未发生收缩。

表 3(Tab. 3

表 3 就业收缩类型描述性统计 Tab.3 Descriptive Statistics on Types of Employment Shrinkage

表 3 就业收缩类型描述性统计 Tab.3 Descriptive Statistics on Types of Employment Shrinkage

从空间分布看，大部分市级区域处于片段收缩中的止增转缩状态，止降回增状态的区域集中在重庆及邻近地区、新疆东部、安徽中部和云南北部（图 3a）。收缩区和无收缩区域分布在市域上表现出一定中心性，除东北地区、山东、重庆和青海外，其他大部分区域均存在一个或多个为收缩区包围的无收缩中心。就业持续收缩区主要集中在东部、中部、西部三大经济带交界，尤以河南和贵州为代表，除增长中心外，全域或接近全域范围都发生持续收缩。考虑到普查数据中，河南和贵州分别是流出人口第一（1610万人）和第四（845万人），人口外流可能是导致这一结果的重要原因。无收缩区主要集中于新疆中部、内蒙古西部以及珠三角、长三角和北京。此结果可能源于我国西部政策的作用以及一线城市对外来人口仍然具有较大吸引力。

图 3(Fig. 3)

图 3 2000—2020年中国就业收缩的区域类型 Fig.3 Regional Types of Employment Shrinkage in China from 2000 to 2020

与市域相比，县域层次的收缩区域整体上未发生太大改变（图 3b）。以止增转缩状态为主片段收缩区域仍然占据全国的绝大多数地区，青海、西藏等地可以在县域上发现止降回增区域，除新疆和安徽外，其他市域止降回增的区域范围均发生了不同程度的缩减。此外，无收缩区范围明显缩减，主要零星分布于西北地区和省会城市，持续收缩区域范围扩散，广泛分布于内蒙古与河北交界区域，黑龙江省外围区域以及以湖北、江西为中心的近似环状的外围区域。

全国的就业人口变化和空间分异反映了就业人口增长与收缩之间的差异性，说明了就业人口收缩的普遍存在。由于产业是人口就业的主要载体，为识别收缩区域的特征，从产业入手，筛选出发生就业人口收缩的区域，以收缩区收缩程度最高的产业为标准，划分出不同行业主导的就业人口收缩区（图 4）。由于2000年的行业就业信息与之后的划分方式差异较大，本文仅选择2010—2020年时段开展分析。基于就业人口的分行业数据，将第一产业、第二产业和第三产业下各自的子行业以同一色系不同颜色进行区分，分别对应为绿色色系、橙黄色系和蓝色色系，各子行业的具体数量特征则通过描述性统计结果显示（表 4）。此外，统计信息还补充了收缩区域各地区发生某行业收缩的县域占总数之比以及所有收缩区域某行业平均就业人数占总平均就业人数之比，分别代表各行业在空间上的收缩广度和收缩区域平均水平下的行业就业结构。

图 4(Fig. 4)

图 4 2010—2020年各行业主导就业收缩区空间格局 Fig.4 The Spatial Pattern of Leading Employment Shrinkage Areas in Various Industries from 2010 to 2020 注：为保证前后可比性，部分产业做合并或删减处理，具体见数据来源和说明章节，后文处理相同。

表 4(Tab. 4

表 4 就业人口收缩区的行业特点 Tab.4 Industry Characteristics of Employment Shrinkage Areas

表 4 就业人口收缩区的行业特点 Tab.4 Industry Characteristics of Employment Shrinkage Areas

结果显示，中国就业人口缩减区域的产业缩减强度呈现第一产业、第二产业、第三产业递减的规律，反映了中国产业结构重构的特点。第一产业是发生就业人口缩减最多的产业，在空间上占据全部收缩区域的绝大部分地区。其次是第二产业，分布较为零散，在云南、江西、福建和东北地区范围内空间占比较高。第三产业主导的缩减最少，除江苏的沿海地区外，还发生在西部地区的西北部分。行业细分分析可发现，收缩主要发生在农林牧渔业和第二产业中的采矿业，两者县域数量相加达到全部收缩县域单元数量的九成，尤其是农林牧渔业主导的收缩区域数量，不仅超过全部收缩单元的一半，还超过次高的采矿业收缩区数量的2倍。第三产业的各子行业主导的收缩区数量均较少，除居民服务修理和其他服务业以及文化体育和娱乐业外，其余行业收缩区数量占总数的份额均不超过1%。

农林牧渔业和采矿业是收缩强度最大和收缩频数最高的2个行业，前者可能与农业人口老龄化、农业技术发展减少劳动力需求、劳动力非农转移仍有较大空间等有关^{[46, 47]}，后者可能是受环境和资源禀赋影响，资源型城市转型的结果^[48]。分析其收缩广度可以发现，中国所有的收缩区域几乎都在发生农林牧渔业的就业人口收缩，超过一半的收缩区域存在采矿业的就业人口收缩，收缩县数量占比分别为97.8% 和67.7%。发生制造业、电力热力燃气及水生产和供应业、文化体育和娱乐业或批发、交通和信息服务业就业人口收缩的区域也较多，均超过20%，尤其是制造业，数量上接近全部收缩区域的一半。发生租赁和商务服务业就业人口收缩的县数量最少，只有2.7%。

收缩区域平均水平下的行业结构反映收缩区域的常见就业结构情况，其中，最多的就业人口集中在农林牧渔业，平均占比约为30%。第二产业中，就业人数集中在制造业和建筑业，平均占比均超过10%，采矿业尽管收缩强度和收缩广度都较高，但其本身就业人口基数较其他行业而言偏少，故平均就业人数占比仅有1.7%。除去进行了行业合并的批发、交通和信息服务业以及卫生和公共管理行业，第三产业下的子行业平均人数占比基本处于较低水平，均不超5%，其中，文化体育和娱乐业占比最少。可见，收缩区域的就业人口结构往往呈现以农林牧渔业为主的特征，其次是制造业、建筑业和批发、交通和信息服务业人口为主的区域。这种特征可能与产业转型有关，劳动力密集型企业多分布于这些行业中，且伴随着产业向第三产业演进，中国的劳动力密集型产业也在转向技术密集型产业，由此会造成劳动力的需求减少。

采用有序逻辑回归方法，基于收缩区域的不同类型，以无收缩为基准进行分析，以说明各因素与地区无收缩发生可能的相关关系。由于平行线性检验中，科学技术支出和地方财政收入未能通过检验，故舍弃。最终回归结果如 表 5所示，各因素VIF小于10，不存在严重的多重共线性问题。回归分析结果显示，市场因素中的工资水平、产业结构和人口年龄结构对促进就业、抑制就业收缩具有显著影响，非市场因素中的最低工资标准政策则作用相反。

表 5(Tab. 5

表 5 有序逻辑回归结果 Tab.5 Ordered Logistic Regression Results

表 5 有序逻辑回归结果 Tab.5 Ordered Logistic Regression Results

（1）工资水平。工资水平对就业人口的影响主要分为两部分。一是作为吸引外来人口和留住本地人口的重要经济因素，提高地区的劳动力供给。二是从企业的角度而言，工资水平关系着用工成本，如果企业认为工资提高后，劳动力所创造的收益不能填补成本提高造成的损失，就可能通过技术改革等方式，在保证效益的前提下，减少用工需求。在本研究中，在岗职工平均工资对就业人口无收缩的发生具有比较显著的正向作用，表明实际工资水平提高吸引劳动力和增加劳动力供应量的效果大于企业为缩减成本而减少劳动力需求量的效果，符合预期结果。

（2）产业结构。产业结构关乎着市场提供的岗位类型，由于不同行业就业吸纳能力不同，最终也会影响市场的岗位数量。就中国的情况而言，大量的剩余劳动力是由第二产业和第三产业吸纳，实现非农就业。本文研究结果一方面反映了中国2000年以来大力发展第二产业和第三产业对人口就业起到了重要作用；另一方面，配第—克拉克定律指出，随着人均国民收入水平的提高，劳动力首先由第一产业向第二产业移动，当人均国民收入水平进一步提高时，劳动力便向第三产业移动^[49]。在抑制就业人口收缩方面，第二产业展现出比第三产业更为显著的影响作用，说明中国过去整体的非农就业增长中，第二产业发挥着主要作用。考虑到第三产业是产业结构演进的最终方向，如何在中国充分开发第三产业的就业吸纳能力是未来应当关注的议题。

（3）人口年龄结构。人口年龄结构直接影响着当地的劳动力储量变化，在不考虑迁移的前提下，劳动力年龄人口占比高意味着具有更多的劳动力供应，而一般情况下，劳动力数量的增加也包含类型的丰富，故充足的劳动力供应客观上仍会一定程度上提高当地的就业人口基数。此项因素在分析结果中表现出极为显著的影响作用，说明过去的就业人口增长主要是通过供给侧实现的，庞大的劳动力基数带来的人口红利在推动中国经济飞速发展的同时，也减少了就业的流失。20世纪50年代是我国人口出生的一大高峰，这批人在2010年开始步入老年，促使老年人口比重不断上升，老龄化程度逐渐加强，对有效劳动力规模扩大和人口数量的红利带来挑战^[37]。蔡昉在2010年的研究已经发现了中国的人口红利式微的现象^[50]，并且在后续研究中认为GDP潜在增长率的规律性下降，反映在2012年以来实际增长率呈现逐年下行的趋势，标志着人口红利的消失^[51]。这一定程度上解释了在2010年前后中国就业人口呈现明显增长和收缩差异的原因。与劳动力年龄结构的显著影响相比，以大学生数为代表的人力资本要素在研究中并没有展现出理论上的就业促进作用。因此，基于中国目前正面对着就业和招工两难的结构性就业问题，如何发挥人力资本的作用，调整劳动力素质结构与市场需求相匹配，实现中国向人才红利演进是现实给予我们的挑战。

（4）政府政策。政府政策能够以直接调控或通过影响市场因素间接调控的方式影响就业，最低工资标准政策属于后者，主要通过影响部分人的工资水平实现调控。在过往的研究中，对于最低工资的就业影响方向存在争议，不同区域的结论也不尽相同，本文得到较为显著的负向影响的结果。这意味从近20年的时段来看，虽然最低工资标准提高了部分劳动力的收入水平，但也导致了就业减少，促进了就业人口收缩。换言之，最低工资标准政策在我国主要发挥减少市场用工需求的作用。小微企业是安置新增就业人员的主要渠道，中国就业人口增长很大程度上依赖于其提供的就业岗位，最低工资提高对小微企业的劳工成本影响远大于大型企业，因此造成的用工需求减少很可能是造成这一结果的重要原因。

除上述影响因素外，其他不显著因素亦值得注意。首先是对外贸易和技术进步，两者都与产业结构一样，对就业存在双向效应，但只有产业结构呈现显著性影响。王国梁等人基于1980—2020年中国宏观数据的研究认为，就全国而言，短期内技术创新的就业替代效应大于就业创造效应，中期内两者交替占据主导地位，长期内的两者作用力基本抵消，表现为中性技术进步^[33]。这一定程度上为技术进步和对外贸易不显著的结果提供了一种解释，提醒我们应当分时期看待同一因素的双向作用，同时也提出了新的问题，即产业结构是否同样存在这种时期变化，如果存在，本研究同时期的结果存在差异是否意味着产业结构的时期变化要求的时间跨度与技术进步或对外贸易不同。二是经济规模的不显著，可能是我国经济增长与就业增长非一致性的结果^[26]，这意味着尽管我国积极推进企业就业政策、促进劳动力灵活就业，但在实现有效就业的工作上仍任重道远。最后是自然环境的不显著，虽然其仅是控制变量，并非本研究关注的重点，但高质量充分就业意味着就业不仅要关注数量，也要关注质量，伴随着就业质量的需求提高以及“绿水青山就是金山银山”的观念日益深入人心，以自然环境为代表的城市舒适度会对就业起到越来越显著的作用，这点在人口分布研究中亦有所体现^[23]。

本文基于第五次至第七次全国人口普查数据，揭示了新世纪以来中国就业人口的变化特点和时空格局，探讨了就业人口收缩的影响因素，得到以下主要结论：①2000年以来中国就业人口呈现先增后减的特点，从2000—2010年到2010—2020年，就业人口年均增长率由正转负，就业人口保持增长的县域数量大幅减少。②就业人口收缩区域包括片段收缩、持续收缩和无收缩三种类型，全国约有一半的区域处于片段收缩状态，尤以止增转缩居多，主要分布在中西部地区；约三分之一的区域为持续收缩区，主要分布在三大经济带交界，尤以河南和贵州为代表；不到五分之一的区域为无收缩区，主要分布在新疆中部、内蒙古西部以及珠三角、长三角和北京。③中国就业人口缩减区域的产业缩减强度呈第一产业、第二产业和第三产业递减的特点。收缩现象主要发生于第一产业和第二产业，尤其集中于农林牧渔业和采矿业，收缩强度和发生频数均较高。第三产业较少发生就业人口收缩，尤其是教育行业和租赁和商务服务业的收缩程度较低。④中国就业人口收缩受到市场因素和非市场因素的综合影响。平均工资水平、最低工资标准变化、产业结构转型和人口结构转变均显著影响了就业人口收缩的发生。

本文有助于理解中国就业人口市县尺度的分布动态及就业人口与总体人口的关系。首先，就业空间格局的市域结果和县域结果存在共性和差异性，共性体现在整体上大部分区域增长转向收缩的变化趋势和呈现一定中心性的集聚分布模式相似。差异性体现在县域揭示了市域所未能体现的更为复杂和精确的细节特征，表现为更破碎化的分布特征、市域内部的空间分异和主要集聚点由城市群聚焦到省会城市。这说明，从市域分析有利于快速识别出主要的空间特征，而县域分析能补充市域“失真”的空间细节。其次，就业人口变化与人口分布变化特征^[23]同样存在共性和差异性，共性表现在3方面。第一，两者均存在分布集中化的趋势，人口和就业人口都存在向少数地区加速集聚的特点。第二，两者在2000—2020年期间均存在明显的变化特点。总人口方面，2010—2020年的人口集中化速度远超2000—2010年；就业人口方面，2000—2010年与2010—2020年两阶段结果呈现大范围区域由增长转向缩减的显著变化。第三，省会城市是集中化过程中的主要受益者，是人口和就业人口的主要集聚地。两者的差异性表现在3方面。第一，就业人口收缩程度比总人口收缩程度更为明显，2000—2020年期间人口收缩中有46% 的无收缩区，而就业人口的无收缩区只有不到15%，反映了就业人口收缩的严峻态势。第二，总人口和就业人口的收缩空间存在一定差异，例如，尽管东北地区的持续收缩特点在两者都存在，但河南和贵州地区存在的全域持续收缩区在人口收缩研究没有得到体现。第三，总体人口和就业人口增长的主导影响因素存在差异。总体人口研究认为人口增长的驱动因素已逐渐从单一的经济要素主导转向经济要素和舒适性要素并重。而就业人口变化与产业发展紧密相关，受产业结构、工资水平、劳动力供给等因素的影响较大。

本文研究表明就业人口收缩已经成为当前中国经济社会发展面临的普遍问题，这一收缩过程发生在多个尺度、产业和地理区域。国际劳工组织在《世界就业和社会展望：2023年趋势》中指出，预计2023年全球就业仅增长1%，不到2022年水平的一半，预计非洲和阿拉伯国家的就业增长较好，能达到3%左右或者更高，北美则很少，甚至可能为零^[52]。可见，就业收缩问题已成为全球性的问题。需要注意的是，虽然中国所在的亚太地区预计能达到与全球水平相近的增长，但中国的人口规模和劳动力群体和国外存在差异，其面临的就业压力和挑战也不同。在此背景下，研究根据结论揭示的影响中国就业人口变化的驱动力，提出如下政策建议：第一，要关注到工资水平仍然是吸引人口迁移就业的重要因素，而最低工资标准在我国发挥的主要是缩减就业的作用，因此，工资政策一方面应当综合考虑收入和区域差异进行制定，避免人口向核心区域的持续集中导致的集聚不经济现象以及边缘区的持续衰退问题；另一方面，可以在最低工资标准为劳动力收入划出“底线”的基础上，为部分企业予以一定补贴，减少用工成本提高的就业缩减效应。第二，产业转型的推进和人口红利的消失，意味着中国在应对就业问题时，需要调整就业演进方式。产业方面，在适当给第一第二产业给予产业资金扶持，提升其就业环境和收入水平，守好各项产业就业的“基本盘”的基础上，要鼓励相应的技术培训和改革创新，既要推动市场剩余劳动力就业与产业发展相协同，合理开发第三产业的就业潜力，充分发挥其就业吸纳效应，又要贴合创新驱动发展战略，通过新产业和新技术的出现，带动新的产业链和就业岗位的发展。人口方面则是要注意老龄化和劳动力年龄人口减少的过程，聚焦劳动者技能素质提升，在就业难与招工难并存的背景下，除了要制定更加精准有效就业帮扶政策，推动劳动力实现高质量充分就业，还要推动人才教育与企业需求实现有效衔接，可以通过政府搭建校企互联平台、开展正确就业观念宣传等方式，促进供需两侧信息交流，减少就业歧视等问题。

囿于数据等原因，本文尚存在一些不足：一是对影响就业人口变化的因素的作用机制解释不足，有待通过深入的案例研究予以补充；二是对不同类型的就业人口规模的时空演变分析不足，尤其是近年来出现了大量灵活就业和非正规就业形式，就业类型发生了很大变化。当前中国依然面对着巨大的就业压力，大学生“慢就业”、非正规就业、求职难和用工荒等问题，都意味着就业问题在不断发生着新变化。就业人口收缩现象作为新变化的一种表现，未来的就业人口研究应当给予其足够的重视，从更多维、更全面的角度研究和理解中国面临的就业问题。