老年人再就业与青年就业关系研究

2020-09-02严凌高菲谢青山臧成爽

理论观察 2020年5期

关键词：效应

严凌　高菲　谢青山　臧成爽

关键词：老年人再就业;青年人就业;“短期替代，长期互补”效应

中图分类号：F249.27;D669.6 文献标识码：A 文章编号：1009 — 2234（2020）04 — 0096 — 04

一、中国人口老龄化日趋严重及老年人再就业空间巨大

（一）人口老龄化日趋严重

国际的人口老龄化标准是指60岁以上的老年人口数量占总人口数量超过10%或指65岁以上的老年人口数量占总人口数量超过7%。根据国家统计局的抽样数据显示，2003年我国60岁以上的老年人口比重高达12.159%，且2003年至2017年老年人口比例逐年稳定增长，2017年高达17.330%，增长率也从0.203%增长到0.635%; 65岁以上的老年人口总数从1999年的8679万攀升至2018年的16658万，增长率也从1.636%增长到5.2239%，2018年65岁以上的老年人口比重高达到11.938%，超过国际老龄化7%的标准。

综上所述，我国已经提前步入老龄化且老龄化日趋严重。

（二）再就业空间巨大

产业结构分布上，我国正快速从传统的农业国向工业化国家转型，劳动力主体从第一产业转移至第二、三产业。农业活动的进入口槛低，在规划程度较低的前提下，大部分就业人群都不用签订劳动合同，因此不存在退休问题;建筑和制造等行业体力要求高，老年人占比较低;而第三产业中一些技术要求高而劳动强度小的行业比较适合老年人，如餐饮零售业等。

分析中国2004-2014年城镇老年再就业行业分布状况表可知，我国城镇老年人再就业主要分布在农、林、牧、渔业、制造业、建筑业、批发和零售业、教育、卫生和社会保障业、公共管理和社会组织。由此可见，我国仍处于发展中国家，经济发展仍需要基础设施的巨大带动作用，但伴随社会服务建设的进一步完善，公共管理和社会组织很可能成为未来老年人再就业的新领域。

二、数据基础

根据2007-2018年三大产业的就业人数占比数据可知：第一产业的初始数据优势明显，但随着时间的推移下行趋势十分显著，截至2018年占比相对于第二、三产业均低;第二产业的总体占比趋于平缓，在2012年达到峰值后，稳定于近25%;第三产业在2007-2012年趋势近似第二产业平稳上行，在2012-2018年上行趋势凸显，截至2018年占比远超第一、二产业高达47%。

根據近10年来三大产业对国内生产总值的贡献率数据，第一产业逐年平稳但均在10%以下;第二产业和第三产业的变化趋势基于45%呈对称分布，具有很强的替代效应。在2014年以后第三产业完成反超且优势明显，占五成以上。综上可述，国内生产总值的贡献率在一定程度上可以预测三个产业的发展趋势，重点发展集中体现在第三产业，第二产业次之。

三、研究假设

综合上述产业中行业细分数据基础和三大产业数据基础，老年人再就业在一定程度上对劳动密集型行业的青年岗位可能会产生短期的“挤占”效应，该类型行业存在较强的同质性。相比于青年人，老年人具有更加丰富的工作阅历和工作经验，对薪资的期望低，更加注重人生价值的实现，相比之下优势明显而倍受青睐。

被挤占的青年人群体已经脱离第一产业，进而向第二、三产业流动。青年人相比于老年人对新鲜事物的感知能力强，具有更佳的逻辑思维能力和创造力，进而很快被第二、三产业吸收。由此看来，老年人再就业会促进青年人就业转型。因此，基于以上产业结构转移和流动角度，本文提出以下假设：H：老年人再就业对青年人就业具有短期“替代”，长期“互补”的效应。

四、数据来源和样本选取

（一）数据来源

本文数据来源于2001-2017年《中国国家统计局统计年鉴》、《中国人力资源与社会保障部统计年鉴》、《中国居民消费发展报告》和《中国人口与就业统计年鉴》，具体包括了全国就业人员中20-24岁就业人员、男性就业人员中60-64岁就业人员、女性就业人员中55-59岁和60-64岁就业人员总数、全国就业人员总数、进出口总额、国家财政收入、平均消费物价指数、人均国内总产值、城镇和农村居民恩格尔系数、城镇和农村人口总数和各年龄阶段就业人员的受教育程度等等。根据以上相关的数据基础，项目组还分别计算得到了老年再就业率、青年就业率和加权平均居民恩格尔系数等等。

（二）样本选取

1.再就业老年人样本选取

老年人再就业群体通俗意义上就是年满法定退休年龄，被确认为已退休群体后选择再次就业的老年人群体。目前法定的退休政策规定：男性年满60岁为正常退休。女性被分为两类，一类是女工人，正常退休年龄为50岁;一类是女干部，正常退休年龄为55岁。考虑到2017年出台的针对退休年龄的延迟方案，男性女性的实际退休年龄均将达到65岁。

基于以上条件，本文确定60-64岁的男性和55-64岁的女性为再就业老年人的样本总体。

2.就业青年人样本选取

在青年人样本选取过程中，Chan和Stevens（2015）以55-64岁的老年人就业和15-24岁青年人就业为研究样本，发现他们并没有相关关系;Gruber（2009）、Munnel和Wu（2012）、张川川和赵耀席（2014）均选取了20-24岁的青年人作为研究对象，可能20-24岁的青年人群体相比于15-19岁的青年人群体在目前就业领域更具有代表性和稳定性，对于实验结果更具可信度。

基于以上条件，本文确定20-24岁青年人为样本总体。

五、变量定义和测量

（一）被解释变量

老年人再就业率。数据基础来源于2001-2017年《中国国家统计局统计年鉴》、《中国人力资源与社会保障部统计年鉴》和《中国人口与就业统计年鉴》中全国男性就业人员中60-64岁就业人员占比、女性就业人员中55-59岁和60-64岁就业人员占比和全国就业人员合计。在此数据基础上，项目组计算得出全国男性就业人员中60-64岁就业人员、女性就业人员中55-59岁和60-64岁就业人员合计，简称老年再就业人员合计。

老年人再就业率=老年再就业人员合计/全国就业人员合计。

（二）解释变量

青年人就业率。数据来源于2001-2017年《中国国家统计局统计年鉴》、《中国人力资源与社会保障部统计年鉴》和《中国人口与就业统计年鉴》中全国就业人员中20-24岁就业人员占比。

（三）控制变量

1.控制变量选择说明

首先，劳动力供给是指提供劳动的主体在市场工资率作为一定的条件之下，他们愿意同时可以提供的劳动时间，消费水平的高低会影响劳动力的供给，劳动者为了使自身的生活需要得到满足，就要进行劳动来获取收入;其次，根据凯恩斯主义观点，投资的增加会促进生产资料的需求产生增加后的增加效应，进而导致就业人数和收入的增加;进出口额是外贸的主要代表，外贸出口吸纳大量的社会劳动力，出口额的增长势必带来商品的服务的增长;经济结构也是影响劳动力需求的因素，几乎所有国家第三产业使用的劳动力占比都呈现上升趋势，第三产业具有超强的吸纳社会劳动力能力;除此之外还包括财政政策、货币政策、工资水平等等。

根据以上考虑因素，整理出了如下影响就业率的主要因素：国内生产总值（亿元）、国民总收入（亿元）、人均国内总产值（元）、国民总收入指数（上年=100）、人均国内总产值指数（上年=100）、第三产业所占比重（国内生产总值=100）、平均居民家庭恩格尔系数（%）、全社会固定资产投资总额（亿元）、国家财政收入（亿元）、进出口总额（亿元）、平均CPI、平均（货币）工资，合计（元）、20-24岁就业人员中大学本科文化程度就业人员占比（%）、就业人员合计（万人）。依次按以上顺序分别标记为X1-X14。

根据计量经济学知识，t统计值越大，在其他解释变量不变的条件下，X1-X14和X1”-X14”分别对Y1和Y2影响越显著。通过计算当被解释变量分别为老年再就业率和青年就业率下X1-X14和X1”-X14”分别对应的t统计值。可知前者的t Stat普遍大于后者的t Stat，这是将老年再就业率设为被解释变量、将青年就业率设为解释变量的原因。

其次，选取模型控制变量的原则是X1-X14在对Y1（或Y2）显著的前提下，对Y2（或Y1）不显著。根据上述原则，分别挑选出以下控制变量：X2=就业人员合计（万人）、X3=進出口总额（亿元）、X4=国家财政收入（亿元）、X5=平均CPI、X6=人均国内总产值（元）、X7=平均居民家庭恩格尔系数（%）。

再次特别说明：X1=青年就业率（%）。

2.相关控制变量数据说明

（1）X5=平均CPI

CPI 是度量通货膨胀的一个重要指标。通货膨胀是物价水平普遍而持续的上升。CPI 的高低可以在一定水平上说明通货膨胀的严重程度。CPI上升会导致生产者的利润上升，促进他们扩大生产，从而增加工人雇佣数量，就业率上升。数据选取平均CPI，即城镇居民CPI（上年=100）和农村居民CPI（上年=100）的简单算数平均值。

（2）X6=人均国内总产值

人均国内总产值即“人均GDP”，人均GDP=总产出（GDP总额）/总人口。

（3）X7=加权平均居民恩格尔系数

恩格尔系数是居民家庭食物支出占消费支出的比重，是国际上通用的衡量居民生活水平的一项重要指标。根据《中国统计年鉴》有关资料，项目组得到我国2001-2016年城镇居民恩格尔系数、农村居民恩格尔系数、城镇人口人数、农村人口人数及加权平均得出我国居民恩格尔系数，2017年我国居民恩格尔系数引自国家发展改革委发布《2017年中国居民消费发展报告》。

六、实证模型设计

统计模型如下：（1）

其中Y为老年人再就业率，X1为青年人就业率。若β1>0，则老年人再就业对青年人就业具体表现为 “互补”效应;若β2<0，则老年人再就业对青年人就业具体表现为 “替代”效应。

X2为就业人员合计（万人）;X3为进出口总额（亿元）;X4为国家财政收入（亿元）;X5为平均CPI;X6为人均国内总产值（元）;X7为平均居民家庭恩格尔系数（%）。

七、实证分析

（一）描述性统计

由描述性统计可知，老年再就业率平均值为6.64%，中位数为7.06%，平均值与中位数之间略有差别，差别不大，被解释变量近似呈对称分布，表明老年再就业率维持在正常水平;老年再就业率最大值8.21%，最小值4.72%，两者相差3.49%;标准差为0.01288，表明各年的老年再就业率差异不大;偏度<0，样本数据整体呈右偏分布;K<3，数据整体分布平缓。

从青年就业率来看，青年就业率平均值为9.124%，中位数为9.145%，平均值与中位数之间的差别小于老年人再就业率，说明青年就业率同样维持在正常水平;青年就业率最大值11.09%，最小值7.53%，两者相差3.56%;标准差为0.0101，表明各年的青年就业率数据波动不大;偏度>0，样本数据整体呈左偏分布，与老年再就业率的右偏分布形成对比，数据整体较老年再就业率大;K=2.477，接近于3，数据整体分布较老年人再就业率陡峭。

（二）相关性分析

从表1的样本数据相关性检验结果可以看出，判定系数为0.779546，调整后的判定系数为0.586479，调整后的判定系数比调整之前的判定系数小，说明模型拟合程度较好。

表1：主要变量的相关性分析结果

（三）回归分析

回归结果表明，X1对应的β1=-0.390404<0，说明我国老年就业对青年就业产生了较弱的“替代效应”，在其他控制变量不变的情况下，青年就业率每增加1%，老年再就业率平均下降0.39%，即老年再就业率每增加1%，青年就业率平均下降2.56%;但X1对应的t统计量=1.296220

由样本数据回归结果还可以看出，P值=0.034288<0.05，说明X1-X7组成的自变量组对被解释变量显著;F0.05（8，7）=3.500（四）模型验证

根据回归分析，可以得出相对准确的统计模型：Y=（-1.192316）+（-0.390404）X1+（1.18E-05）X2+（-9.92E-08）X3+（-7.37E-07）X4+（0.001845）X5+（3.38E-06）X6+（0.004720）X7

由于模型数据基础为2001-2016年的相关数据，为了验证模型的可靠性和准确性，分别将X1-X7的2017年数据代入统计模型，可得Y估计值=0.07636（保留小数点后5位小数），與真实值Y（2017）十分相似，模型近似度高，解释变量、控制变量和被解释变量选取合理性高。

八、不显著原因探析

由于上述回归分析表明：在其他控制变量不变的情况下，青年就业率对老年就业率不显著，即两者的相关性不高。项目组将老年再就业率和青年就业率的时间序列数据做出折线图，由该表可以看出在2001-2018年，老年再就业率和青年就业率呈对称分布，假设自变量为老年再就业率、因变量为青年就业率，又对2001-2006年、2001-2007年、2001-2008年、2001-2009年、2001-2017年散点分别进行分析。

通过散点分布发现，2001-2007年判定系数最高，高达0.8469，且系数小于0，说明两者存在较强的负相关关系，即老年人再就业对青年岗位具有明显的“挤占效应”，2007年之前的几年也具有相似特征;但在2007年以后的2008、2009年判定系数逐渐减小，直到2010年，判定系数突降至0.0737，老年就业率对青年就业率影响自此不显著。

这有可能是在2001-2007年间老年再就业率对青年就业率呈现逐年增强的“挤占效应”，直到2008年“挤占效应”达到最强，政府机关针对此类现象颁布了相关政策和措施，使得在2009年以后的2010年大幅削弱了两者之间较强的“负相关关系”，2010-2017年间两者之间的相关性较弱，几乎互不影响，即验证了假设H的前半部分：老年就业率对青年就业率呈短期“替代”效应。

但至于假设H 的后半部分：老年就业率对青年就业率呈长期“互补”效应，有待进一步研究。

九、结论及建议

（一）数据分析结论

结合上述不显著因素探究，2001-2008年青年与老年就业率是逐年增强挤占效应，短期内呈逐渐加强互替状态;2009-2017年，青年和老年就业率无明显相关性，替代效应和相关程度被削减，老年人再就业对青年就业的负面影响减弱甚至没有。数据模型结果论证了假设中老年人再就业与青年人就业存在短期替代的关系，统计意义显著。