新常态下经济增长方式转变与就业增长

朱金生+朱华

摘要：首先基于索罗残差法测算了中国实体经济和广义虚拟经济的TFP增长率，以其对经济增长的贡献份额（CTFP）作为衡量指标比较了两大行业的经济增长方式转变及就业弹性的变化现状；然后运用BP人工神经网络预测了两大行业经济增长方式转变及就业弹性和就业结构的演化趋势。结果表明，1995-2014年我国经济增长的总体粗放特征没有根本性改变，经济增长方式转变对就业产生了一定的抑制效应，且对实体行业冲击较大；未来中国经济增长方式将逐步向集约化过渡，广义虚拟经济发展的就业增长效应日益凸显。在广义虚拟经济的引领下，中国的经济增长方式转变与就业增长的关系将从“抑制”向“耦合”演变。

关键词：经济增长方式；广义虚拟经济；全要素生产率（TFP）；就业结构；BP神经网络

一、引言

改革开放以来，我国经济增长取得了举世瞩目的成绩，但同时也存在很多问题，最大的问题是经济增长方式总体粗放，经济增长的质量和效益较差。为此，国家从“十一五”开始反复强调要按照科学发展观的要求，切实实现经济增长方式的转变。但在经济增长方式转变的过程中，由于技术进步的应用以及粗放向集約式生产方式的过渡，将难以避免产生一定的就业挤出效应，很可能使得二者无法兼顾。特别是近些年和今后相当长一段时间，中国经济逐步进入稳增速、调结构、转动力的“新常态”，在此背景下经济增长转变会抑制就业吗？如何在“新常态”下更好地实现经济增长方式转变与扩大就业的有机耦合？这无疑将成为各界不得不关心的重要问题。我们认为，要破解这一难题的关键是应从结构调整的视角来思考二者的关系及未来的政策导向。众所周知，就业需求是一种派生需求，是由一国的产业结构和经济结构决定的。长期以来我国的经济增长与就业未能实现同步共进、协同耦合原因很多，但其中很重要的一点在于我国产业结构中物质资本有机构成低、人力资本要素富集、劳动就业弹性高的广义虚拟经济（朱金生，2013）行业发展相对滞后，需要大力发展。本文将首先利用过去20年历史数据实证检验我国经济增长方式转变的现实状态及其对实体经济和广义虚拟经济两个不同行业的就业增长的贡献差异，然后运用BP神经网络仿真预测未来20年经济增长方式转变进程中上述两个不同行业就业增长的演化趋势，并给出相关的政策启示。

二、文献回顾

经济增长方式转变的核心问题是经济增长的可持续性与经济增长质量。根据新古典增长理论，经济增长主要通过两条途径实现：增加要素投入的数量和提高要素的生产效率。从长远看，各种生产要素投入都受到边际收益递减规律的制约，所以，支持经济可持续增长和提高经济增长质量的源泉在于生产效率的提高。目前学术界通常基于全要素生产率（TFP）或技术进步水平来测度经济增长方式及其变动。

Brandt（2012）的研究发现1998-2007年中国TFP年均增长高达7.96%，且增长速度越来越快，中国经济增长方式正在向集约化转变。但Krugman（1999）和Young（2003）认为，中国经济增长是依靠要素积累而非科技进步，中国的全要素生产率太低不足以支持可持续增长。Inkiaa和Timmer（2013）根据相对TFP的计算结果指出，若以美国1992年以来历年的TFP为1，中国的TFP只有美国的1/4-1/3，而且在全世界167个样本国家中处于极靠后位置。杨汝岱（2015）通过与金砖国家的TFP水平相比指出中国的整体TFP水平还非常低，对于过去三十年经济增长的贡献较小，中国的经济增长方式还停留在粗放阶段。

在关于我国经济增长方式转变与就业之间关系的文献中，大多数研究主要将技术进步或全要素生产率视为经济增长方式转变的标志，考察了技术进步与就业增长的关系，得出了技术进步对就业总量有双重影响：一方面随着研发投入的增加，技术进步对就业的拉动作用会增加（罗军，2014）；另一方面在经济增长方式转变的过程中，由于技术进步的应用将难以避免产生一定的就业挤出效应，很可能使得二者无法兼顾（姚战琪等，2005；崔友平，2015）。

由上可见，目前学者们对中国经济增长方式转变及其就业效应的判断存在较大的分歧，主要原因在于他们使用了不同的方法和样本数据来计算TFP。同时单纯使用TFP或技术进步水平并不能准确反映经济增长方式是否由粗放型向集约型转变，因为当经济增长率为正时，全要素生产率提高只是经济增长集约化水平提升的必要条件而非充分条件（唐未兵等，2014）。所以这些研究结论不一定合理。这表明需要用更科学合理的指标和方法衡量我国经济增长方式转变的水平并在此基础上探讨二者的关系问题。

另一方面，从现有的传统经济增长与就业关系的理论来看，无论是古典学派还是现代学派，其主要关注的是经济增长的实体经济要素（如劳动、资本、技术等）对就业的作用研究，而对那些通过实体经济要素间接作用于经济增长的非实体经济要素的重视则远远不够，未能认识到以满足人们心理和精神需求为主要特征的广义虚拟经济发展可能给就业增长带来的数量、质量和结构效应，未能很好地以发展的眼光思考如何在“新常态”下通过进一步发展广义虚拟经济促进我国经济发展模式转变、结构优化进而带动劳动就业协调耦合增长的战略。

为此，本文试图从广义虚拟经济视角，对“新常态下经济增长方式转变是否抑制就业”的问题进行历史的实证检验与未来的预测推演。首先基于索罗残差法测算实体经济和广义虚拟经济行业的TFP增长率，将其对经济增长的贡献份额（CTFP）作为衡量经济增长方式转变的指标比较描述我国两大行业的经济增长方式转变与就业增长变化的现状；然后，通过构建经济增长方式转变与就业结构演变模型，运用BP人工神经网络方法，对两大行业的二者关系的未来演化进行仿真和预测，以此考察在今后相当长的“新常态”下我国经济增长方式的集约化转变对就业数量、质量和结构的深层影响。最后给出相关的结论及政策启示。

三、两大行业经济增长方式转变与就业增长变化的现状比较endprint

（一）TFP的测度说明

回顾国内外学者对TFP的测度方法的研究，可分为两种思路：（1）利用索罗残差法来测定TFP。基本思路是用经济产出增长率扣除各投入要素增长率后的残差來估算（Solow，1957；叶裕民，2002；杨汝岱，2015）。（2）采用以数据包络分析（DEA）为基础的Malmquist指数法分析TFP的变化情况（颜鹏飞、王兵，2004）。

索洛残差法作为新古典增长理论的一个重要贡献，避开了生产函数具体形式的讨论，而关注函数的相关性质，使得基于这一模型的技术进步度量方法具有广泛的适用性；而且索洛残差法计算方法简便、直观，模型的实用性也较强。Malmquist指数法的最大优点是无需任何具体函数形式或分布假设，对各类形式的投入产出均能适用；不足是忽视了随机测量误差和噪音的影响，把观察值到前沿面的偏差都当作无效率的结果，而随机性变化可能直接影响到确定性前沿的构造，进而影响由该方法得出的技术进步和技术效率（徐杰、杨建龙，2010）。综合考量本文研究的重点和稳健性后，决定仍然采用传统的索洛残差法来测算TFP。

根据C-D生产函数的性质，a等于资本报酬占总产出的比重。国外学者通常采用这种方法估算a，但由于中国有关资本报酬数据的缺乏，这种方法不可行。因此，国内学者通常采用回归的方法直接估

（二）数据选取

参照赵洪江（2014）根据林左鸣教授对广义虚拟经济的定义和国民经济分类体系，将H（住宿和餐饮业）、I（信息传输、软件和信息技术服务业）、J（金融业）、L（租赁和商务服务业）、M（科学研究和技术服务业）、N（水利、环境和公共设施管理业）、O（居民服务、修理和其他服务业）、P（教育）、Q（卫生和社会工作）、R（文化、体育和娱乐业）、s（公共管理、社会保障和社会组织）、T（国际组织）这12行业划分为广义虚拟经济行业，剩余的为实体经济行业。

考虑到数据的可得性，主要选取了中国1995-2014年细分行业相关数据，来源包括《中国统计年鉴》和《中国劳动统计年鉴》，并对相关数据作以下说明：

（1）产出变量（Y）。选用全国各细分行业的增加值，通过价格平减得到以1995年不变价格计算的1995-2014年的各细分行业的产出。

（2）劳动变量（L）。选用1995-2014年全国城镇单位各细分行业的年末从业人口数。

（3）资本变量（K）。采取国内常用的永续盘存法来对资本存量进行估算。这一方法是戈登史密斯（Goldsmith）在1951年开创的。计算公式可以写作：

其中，t为第f年I/P为当期的实际投资，t为折旧率，K为本期资本存量，K为上期资本存量。该公式定义本期的资本存量为上期的资本存量加上当期的投资，再减去折旧。1为当年价计的分行业固定资产投资额，p为固定资产价格指数。对于基期资本存量的计算，本文使用国际常用方法计算，即K=1/其中，g是样本期实际投资的年平均增长率，是综合折旧率，张军等（2004）则在借鉴Young（2000）的研究结果的基础上，直接以0.1代替分母，折旧率参考张军（2004）的算法，取9.6%。

（4）工资变量（w）。根据1995-2014年各细分行业就业人员平均工资数据，考虑到实际工资与物价的紧密联系，使用居民消费价格指数将其调整为实际平均工资。由于统计口径的变化，1998-2004年的平均工资选用按行业分城镇单位就业人员平均工资，1995-1997年的平均工资选用分行业平均工资替代。

（5）就业比重。采用1995-2014年各细分行业当年年末从业人口数除以当年全国城镇单位就业总人数。

（三）两大行业TFP测度结果

对方程（4）进行最小二乘估计（OLS），结果如下：

（四）两大行业经济增长方式转变及就业弹性变化的现状比较

1.经济增长方式转变的衡量指标（CTFP）

经济增长由粗放型向集约型转变实质上就是提高技术进步对经济增长的贡献份额。因此，借鉴厉无畏和王振（2006）的方法，本文将经济增长集约化水平代表经济增长方式转变的度量指标，定义为全要素生产率的增长率对经济增长率的贡献，可以用下列公式表示：

式中CTFp为经济增长集约化水平，反映经济增长方式变化，即TFP增长率对经济增长的贡献份额；GTFp为全要素生产率的变化率，GoDp为经济增长率。

2.两大行业经济增长方式转变、就业弹性、就业比重变化现状

根据（5）式和经济增长的就业弹性公式（AEMP/EMP/AGDP/GDP）可以计算两大行业经济增长方式转变及其就业弹性变化现状，计算结果如表2所示。

为更直观地描述全部行业和两个分行业的经济增长集约化水平和就业弹性的变化情况，将表2中的数据用图l表示。

从图l中可以看出，全部行业和两个分行业的经济增长集约化水平在1995-2014年总体均呈现下滑趋势。值得注意的是图1中有几个拐点：1995、2008和2014年。1995年中国进行了以国有企业改革为重点的经济体制改革，使得经济增长的集约化水平有一次短暂的提升；而2008年为了应对全球金融危机，中国提出“四万亿”投资，主要依靠投资驱动刺激经济增长，使得总体特别是实体经济的集约化水平下滑明显。但从2014年开始经济增长集约化水平出现了一个积极的变化，全部行业尤其是广义虚拟经济行业的集约化水平较前有一个较大幅度的回升。不过，从该时段CTFP变化的总体趋势来看，不论是实体经济还是广义虚拟经济行业，粗放型发展的特点依然未见大的改观，特别是传统实体行业粗放模式更为明显。

再从图2观察全部行业和两个分行业的经济增长就业弹性的变动情况。除1995年和2013年都出现了较大幅度的波动外，整体而言变化比较平缓，意味着多年来我国就业总量并未伴随经济高速发展实现同步增长，经济增长的总体就业效应并不显著。对比图1和图2还可以发现，总体经济增长的集约化水平与就业弹性表现出一定的反向变动关系，经济增长方式转变对就业可能存在一定的抑制作用。分行业来看，实体经济的就业弹性在大多数时间段内都在较低的水平上徘徊，即使是在20032008年中国经济高速增长阶段，实体经济的快速增长也未能有效带动就业的高速增长；广义虚拟经济行业表现相对较好，就业弹性稳中略升，且其就业弹性系数的平均值（0.1964）高于实体经济行业的就业弹性系数的平均值（0.0405），这意味着二者未来协调发展的原动力可能要借助广义虚拟经济的进一步发展。endprint

通过计算过去二十年期间两大行业就业比重的变化情况（如表3所示）可以看出，广义虚拟经济与实体经济行业的就业比重呈现此起彼落的趋势，前者从1995年的30.78%上升到42.80%，后者从1995年的69.22%下降到57.20%，两大行业的就业替代效应明显。

四、经济增长方式与就业结构的未来二十年演变——基于BP人工神经网络的预测

（一）BP人工神经网络方法简介

人工神经网络模型是一种基于物理学、心理学、神经生理学的跨学科人工智能模型，它通过对输入样本数据进行不断地学习、归纳及整理，从而找到变量之间的规律。从20世纪90年代以来，BP人工神经网络方法由于具有预测精度高、容错性强、数据处理速度快和尤其适合于处理多因素、不确定、非线性问题等优点，已经被越来越多地运用于经济学领域的研究并取得了较好的效果。BP神经网络最大的特点是在输入信号正向传播的同时，将误差信号反向传播，即BP网络会将输入信号按照输入层隐含层输出层的方向传播，同时，将误差信号按照输出层—隐含层—输入层的方向传播，在误差反向传播的过程中，网络的权值和阈值会不断调整，直到网络输出与期望输出的均方误差达到所要求的精度。如图3所示：

（二）模型设定

为分析和预测经济增长方式转变对就业的影响，这里仍沿用前述c—D生产函数为基础来建立模型。假定总量生产函数如下：

基于（11）式可知，A、Y和w将共同影响L，所以，本文在影响就业的诸因素中以分行业的实际GDP增长率、平均工资增长率及c为输入向量，就业增长率为输出向量，建立BP神经网络模型，分别对实体经济行业和广义虚拟经济行业的经济增长方式转变与就业的演变关系进行仿真和预测。

（三）BP神经网络的预测过程及结果

本文的BP神经网络预测分为两个步骤完成：首先基于以往的1995 2014年的数据对20152034年的实际GDP增长率、平均工资增长率和CTFP进行预测，然后再以上述三个量为输入，就业增长率为输出预测不同行业就业增长率。

目前，由于理论界还没有现成的方法和公式来确定隐含层神经元的数目，因此只能根据前人的经验，通过不断试验来确定。在多次试验和调整后，本文最终将一阶段的BP神经网络确定为1*6*1的结构，即包含个1输入神经元，6个隐含层神经元，1个输出神经元；将二阶段的BP神经网络确定为1*10*1的结构，即包含1个收入神经元，10个隐含层神经元，1个输出神经元。

1.第一阶段BP神经网络仿真结果

在第一阶段，利用1995年至2014年的GDP增长率、工资增长率、就业弹性和CTFP的数据，使用BP神经网络分别预测两大行业未来20年实际GDP增长率、平均工资增长率、就业弹性以及CTFP的演变情况，仿真结果如表4所示。

根据表4可知，2015-2034年中国全部行业的CTFP在上升，这说明按照目前的趋势发展，中国经济增长模式将进一步集约化，其中广义虚拟经济行业的CTFP在上升，而实体经济行业cTFP却在下降，這说明广义虚拟经济行业未来的集约化发展趋势更加明显。

2.第二阶段BP神经网络仿真结果

第二阶段，运用根据前文所建立的神经网络模型，对2015年到2034年实体经济行业和广义虚拟经济行业的就业增长率进行仿真预测，并且根据前文预测的实际GDP增长率和就业增长率计算出2015-2034年的分行业就业弹性，结果如表5所示。

从表5中可以看到，随着实际GDP增长率、平均工资增长率及CTFP的变化，2015-2034年两个行业的就业增长率呈现出此消彼长的趋势，实体经济行业总体稳中有降，而广义虚拟经济行业则有一个比较明显的上升态势。同时，广义虚拟经济行业的就业弹性上涨趋势较为显著，而实体经济行业的就业弹性上涨幅度较小，且广义虚拟经济经济增长的就业弹性明显高于实体经济行业。

根据表5中预测的就业增长率数据可以分别计算出2015-2034年两分行业的就业人数和就业比重，计算结果如表6所示。

表6显示了实体经济和广义虚拟经济行业的就业比重的演变过程。可以看出，按照目前经济的趋势，伴随经济增长方式转变的调整，不同行业的就业结构会发生相应地变化：实体经济行业的就业比重逐步下降，广义虚拟经济行业就业比重逐步加大。而且到2027年，广义虚拟经济行业的就业比重就开始超过实体经济行业就业比重，至2034年广义虚拟经济行业的就业比重达到56.84%，实体经济下降到43.16%，这意味着伴随着经济增长方式的转变，广义虚拟经济行业逐渐发展成为国民经济中吸纳就业主力军。

五、结论及政策启示

1.从基于索罗残差法计算的中国1995年至2014年的分行业的CTFP变化来看，过去二十年来我国经济增长的集约化水平总体呈下降趋势，粗放型为主的增长方式没有根本性改变。通过进一步对比发现，实体经济行业CTFP下降的幅度更大，广义虚拟经济行业CTFP下滑相对平缓，后期均有所回升和改善，且广义虚拟经济更加明显。全部行业的经济增长的就业弹性与经济集约化水平呈现一定的反向变动关系，经济增长方式转变可能存在对就业一定的抑制作用。其中传统实体经济的这种表现更加明显，广义虚拟经济受到的影响相对较小。

2.利用BP神经网络方法进行的仿真预测表明，按照目前的趋势发展，未来二十年中国经济增长方式将进一步地集约化，且广义虚拟经济行业集约化发展趋势更为显著。随着新常态下我国经济增长方式的转变，两个行业的就业增长率呈现出此消彼长的趋势，实体经济总体稳中有降，而广义虚拟经济则有一个比较明显的上升态势，广义虚拟经济增长的就业弹性明显高于传统实体经济增长的就业弹性。另外伴随经济增长方式的转变，不同行业的就业结构会发生相应的变化：实体经济行业的就业比重逐步下降，广义虚拟经济行业就业比重逐步增加。预计到2027年，广义虚拟经济的就业比重就会开始超过实体经济的就业比重，广义虚拟经济逐步发展成为了国民经济中吸纳就业的主力军。

3.在经济粗放式发展的时期，驱动经济增长的主要因素是劳动和资本等要素数量的投入，但随着经济向集约型增长方式的转变，伴随的是劳动生产率的提高和技术进步带来的产业结构调整和升级。由于传统实体经济物质资本有机构成高、人力资本含量和劳动就业弹性低，加之传统的以满足人们物质生理需求为主的“物本经济”存在着需求瓶颈和资源供给限制，经济增长方式转变更容易带来较大的就业挤出和抑制效应。而广义虚拟经济则不同，其物质资本有机构成低、人力资本要素富集、劳动就业弹性高，而且人们的心理需求和精神需求是没有止境的，信息、人力资本等无形的非物质生产要素不会枯竭，是可以不断挖掘和积累的，因此其经济增长方式转变所带来的就业抑制效应相对较小。不仅如此，由于这两种经济形态的上述要素特征、供给特征、需求特征的区别，决定了前者收入需求弹性的不断下降、边际报酬递减和后者收入需求弹性的不断上升以及边际报酬的递增。这就使得从传统实体产品生产部门释放出来的就业人口不断流向虚拟产品生产的广义虚拟经济部门，为其注入了大量的优质的劳动力资源，并进一步推动新兴部门就业数量的扩大、就业结构的优化和就业质量的提升。

4.结合中国的现实情况，自然资源、资本要素以及技术要素都不具备比较优势，而劳动力丰富却是最大的优势。在经济增长方式转变过程中，如果仅仅是把资本密集、技术密集的产业作为经济增长方式从粗放型向集约型转变的核心内容，过早地放弃劳动密集型的优势，会造成技术或资本对劳动的替代效应越来越大。因此，在新常态下，如果要避免经济集约增长带来的就业挤出效应，就应该高度重视教育和培训，将简单劳动力资源转变为具有较高技术素质和创新能力的人力资本，大力发展高技术和高素质人才密集的广义虚拟经济行业，这样将有助于提高就业增长弹性系数，创造更多的就业机会，推动经济增长方式转变和劳动就业协同耦合增长。endprint