尹碧波,于雅静

(湖南工商大学 a.资源环境学院;b.理学院,湖南 长沙 410205)

一、引言

就业事关民生福祉,提高就业质量不仅可以充分利用丰富的劳动力资源,有利于满足人民对美好生活的需要,还可以促进经济良性循环。在党的二十大报告中,习近平总书记指出,实施就业优先战略,强化就业优先政策。改革开放以来,中国第三产业快速发展,其对GDP的贡献率不断上升,至2021年中国第三产业就业人口占比约为48%。然而,受当前世界经济下行风险加剧影响及新冠疫情的冲击,第三产业的就业容量受到约束,就业质量发展充满不确定性[1]。在此背景下,研究就业质量对产业结构优化的影响,事关民生幸福,更事关经济运行能否实现供需匹配的良性循环。

2020年中共中央政治局召开常务委员会,习近平总书记强调,要不失时机畅通产业循环。产业是就业的载体,就业发展依托于产业。高就业质量为产业转型提供高质量的劳动力供给,从而实现整个社会经济的优化发展。虽然中国人口和劳动力总量较大,但劳动力素质与社会经济发展需要不匹配的问题依旧存在。在全球经济增长放缓的背景下,激发就业质量对产业结构优化的推动作用,有助于充分发挥产业结构优化升级对经济增长的重要引擎作用。

当前,中国特色社会主义进入新时代,中国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾,而供需错配则是这一主要矛盾的集中体现。本文基于供需匹配视角,从宏观和城市层面出发,准确地测度就业质量水平,系统地剖析就业质量对产业结构优化的影响效应,并检验了消费增长与科技创新在就业质量推动产业结构优化过程中的中介作用,这对畅通产业循环、化解目前中国经济增长中供需不匹配矛盾具有重要的理论意义与现实意义。

二、文献回顾

(一)就业质量相关研究

就业质量本质上是对社会整体发展状况的一种衡量,学术界对于就业质量内涵界定也一直在不断推进。国际劳工组织在1999年提出“体面劳动”这一概念,重点强调就业自由与尊严,本质是以人为本的劳动。欧盟委员会在2000年提出“工作质量”指标,实现高质量就业,员工需要在同时具备挑战性和满意度的工作氛围中获取生活所需要的收入[2]。从不同角度出发,学术界对就业质量内涵的理解存在显著差异。本文所研究的就业质量主要是指宏观层面上的就业质量,反映某一范围内就业对地区社会发展的推动及地区对就业的支持程度,考察侧重点在于就业质量的宏观表现。在就业质量测度层面,主要集中在微观方面。Jin等基于AHP模糊综合评价模型建立4个一级评价指标与14个二级评价指标[3],李敏等利用中国16个行业的面板数据[4],分别对就业质量进行了测度。在就业质量影响因素层面,诸多学者从不同角度进行了实证研究,如社会融入因素对新生代农民工就业质量影响、财政支出对就业质量影响、工业智能化对高质量就业影响等[5-7]。在就业质量作用效果层面,这类研究视角颇多,如刘丹等基于2014年“中国劳动力动态调查”数据,研究发现就业质量对地位层级认同的影响存在代际差异[8]。综上,目前关于就业质量的研究虽不少,但关于就业质量测度问题并未统一。已有研究主要集中在微观角度,从宏观角度分析的研究较为稀少,且这类研究主要集中在省级层面,测度方法较为单一,这为本文的研究拓展了一定的空间。

(二)产业结构优化相关研究

产业结构优化是指某个区域的产业结构向更高水平、更高层次演进的过程,是劳动力、资本、技术、自然资源等生产要素在不同产业间优化重组的结果。在产业结构优化测度层面,国外学者较早提出从产业结构合理化和产业结构高级化两个方面来衡量。产业结构合理化主要是针对资源的配置问题,而产业结构高级化是指在特定区域内,产业发展重心由第一产业逐渐向第二产业、第三产业过渡的行为[9-10]。随后,国内学者杨骞等也基于这两个方面进行研究[11]。部分学者在上述基础上,考虑了产业结构生态化,进一步丰富了产业结构优化效果评价的指标体系[12]。但是,现有研究多采用算数加权求和法对产业结构优化进行测算,该方法存在较大的主观性且忽略了指标间的变动,因而适用性较差。在产业结构优化影响因素层面,已有研究主要集中在数字技术创新、工业智能化技术、生态治理、绿色生态等方面对产业结构优化的影响[13-17]。综上,借鉴已有研究,本文选取高新化、生态化、合理化、高级化指标系统地全面测度产业结构优化效果,采用几何平均法测算产业结构优化指数。

(三)就业质量与产业结构优化相关研究

产业结构在优化过程中,不仅会影响就业数量与就业结构,也会严重影响就业质量,而就业质量也会作用于产业结构优化。目前,产业结构优化与就业质量的现有研究相较于产业结构优化与就业数量、就业结构的研究略显单薄。部分学者对就业结构和产业结构失衡状况进行了测度,发现三次产业结构偏离度均对就业结构与产业结构失衡产生显著影响[18]。而关于就业质量对产业结构优化影响的研究较为匮乏,丁守海等研究了就业质量对产业升级的影响,发现低质量就业会抑制产业升级,形成低就业质量—低人力资本的恶性循环[19]。综上,关于就业质量对产业结构优化影响研究较为罕见,且定量研究更为不足,可见就业质量与产业结构优化关系的定量分析急需进一步加强。

基于已有文献,本文进一步研究就业质量对产业结构优化的影响效应,本文的边际贡献和创新点为:(1)从宏观和城市层面出发,选取精简的变量构建就业质量指标体系,基于不同赋权法对就业质量进行精准测度,丰富了就业质量宏观测算研究;(2)基于供需匹配视角,引入消费增长和科技创新中介变量,理论上系统阐释两者的中介作用机理,并通过实证检验其作用机制,视角较新颖;(3)从定量角度,实证分析了就业质量对产业结构优化的直接传导效应、空间溢出效应及中介效应,并提出推动产业结构优化有效路径。

三、作用机理及研究假设

(一)就业质量与产业结构优化

产业结构优化在从低到高的演进过程中,需要就业规模、就业结构有其弹性变动空间来与之相适应。在有生产要素投入的情况下,产业才会获得产出,而劳动力要素即是最根本的生产要素。劳动力资源丰富但资本短缺、技术落后的地区,更倾向于选择劳动密集型的产业结构,而资本充裕、技术先进但劳动力匮乏的地区,由于劳动力成本较高,往往倾向于用资本和技术来代替劳动力,从而选择发展技术和资本密集型产业[20]。可见,地区的劳动力资源状况往往决定着产业发展路径,提高就业质量既有利于满足劳动者的自身需求,也能够充分发挥对劳动力资源的基础配置作用,进而提升人力资本水平,满足产业结构优化升级的需要。鉴于此,提出以下假设:

假设1:就业质量对产业结构优化具有正向的直接传导作用。

高质量就业可以为产业结构优化提供高质量的劳动资源,而低质量就业会降低劳动生产效率,导致不能合理利用资源[21]。产业结构优化以劳动力流动为基础,一般情况下,劳动力在地区之间的流动,有利于缩小地区间的工资差距,是劳动力商品化的结果,是劳动力追求价值最大化的直接表现,也是高质量就业的必然结果。在数字经济时代,被广泛使用的互联网技术促进了不同地区之间资源共享,劳动者可以根据自身需求选择满意的工作,从而实现跨地区就业,多边的信息交流突破了地区限制,实现了就业的跨区域、跨国界[22-23]。因此,就业质量不仅可能会对本地区产业结构优化产生影响,也可能会影响其他地区产业结构优化发展。鉴于此,提出以下假设:

假设2:就业质量可以通过空间溢出效应推动产业结构优化。

(二)就业质量、消费增长与产业结构优化

消费作为最终需求,是一切生产活动的最终目的,对经济增长具有主要的拉动作用。消费的基础是收入,而收入的前提是就业。一般而言,失业率上升,居民收入则会减少,从而降低消费支出。反之,在高质量就业情况下,失业率下降,居民收入则会增加,从而提高消费支出,最终提升消费增长水平。从大的消费环境来看,就业压力既可以通过居民消费渠道,还可以通过生产供给渠道对整个消费环境产生抑制作用[24]。就业压力理论上可能会引起就业形势的恶化,从而带来消费品的负财富效应,导致居民的消费需求和消费欲望下降,从而影响整体消费水平。

人们消费观念转变、消费水平不断增长的同时,也带动了一大批产业的增长,从而推动产业结构优化。消费水平增长能够拉动三次产业的固定资产投资,通过资本投资效应促进产业结构优化转型。首先,提高消费水平,可以促进行业固定资产进一步投资,进而增大居民对商品的需求量[25]。需求的变化能够促进新产品的产生,表明固定资产投资能够推动产业结构发展。此外,当居民所消费的消费资料呈现增长不均衡时,部分消费资料的需求会下降,而有些消费资料的需求会快速增长[26]。不同消费资料需求价格弹性和收入价格弹性之间的差异,会导致不同商品的价格呈现出不同步的变化,即打破了原有市场价格体系均衡。在市场机制的作用下,生产者将调整生产计划、重新配置资源,最后调整产业结构[27]。鉴于此,提出以下假设:

假设3:就业质量通过提升消费增长水平,进而推动产业结构优化。

(三)就业质量、科技创新与产业结构优化

在企业转型过程中,创新驱动是关键,而其核心是科技创新。在市场机制作用下,科技创新可以加速劳动要素的流动与再配置[28],进而提升就业层次和质量,同时,就业发展也会倒逼促进科技创新发展。近年来,正是政府对就业质量问题的极度重视,加大了科技的投入力度,促使当前经济环境下各国新科技和新产业竞争日趋激烈。各国之间的新科技和新产业竞争最终会转变成创造性的竞争,而劳动者的创造热情和创新能力是这种创造性竞争的关键[29]。因此,就业质量和科技创新发展相辅相成,就业质量提升会促进科技创新发展。

科技创新可能产生技术和设备对劳动要素的替代效应,由于不同行业的科技创新步伐存在差距,行业间全要素生产率的增长率也不尽相同,导致劳动要素在行业间的流动与再配置,从生产率低的行业向生产率高的行业转移,从而致使新产业逐渐发展、旧产业面临淘汰[30]。不断提升的科技创新水平加大了生产自动化程度,提高了工业劳动生产率,随之而来的是工业吸收劳动力能力逐渐下降,与此同时,第三产业迅速发展起来,进一步推动了产业结构优化。鉴于此,提出以下假设:

假设4:就业质量通过提升科技创新水平,进而推动产业结构优化。

具体运行机理如图1所示。

图1 运行机理图

四、变量说明及研究设计

(一)变量说明

1.数据来源

考虑到金融危机对就业的冲击,在选定就业质量的年份区间时,应顾及危机前后的变化,这样才能反映出真实的就业质量水平。由于2004年、2021年城市相关数据缺失过多,会影响实证结果的准确性,且借鉴已有研究一般样本年份区间选取10～16年,因此本文选取2005—2020年中国298个城市数据进行实证研究,所用数据主要来自于各省份统计局、《中国城市统计年鉴》《中国区域经济统计年鉴》《中国劳动统计年鉴》等,对部分缺失数据进行了填充。

2.变量描述

(1)解释变量:就业质量(qul)。基于已有研究且考虑到数据可得性,本文从就业状况、就业能力、就业保障、就业报酬四个维度出发,选取17个二级指标对各城市就业质量进行测算,具体指标如表1所示。

表1 中国城市就业质量评价指标体系

(2)被解释变量:产业结构优化(advance)。综合考量多方面因素,本文从产业高新化(HT)、产业生态化(EI)、产业合理化(RI)以及产业高级化(IU)四个维度来衡量产业结构优化效果。其中,产业高新化是指产业结构优化升级过程中科技技术及高新技术产业的作用,用科学支出/地区生产总值表示;产业生态化是通过考虑生态环境保护来考察产业结构优化,用工业固体废物综合利用率表示;产业合理化表明各产业持续、协调发展的程度,用第一产业增加值比重×1+第二产业增加值比重×2+第三产业增加值比重×3来计算;产业高级化指借助技术进步,使产业结构整体素质和效率向更高层次演进的过程,用第三产业增加值/第二产业增加值表示。为了各方面均衡发展,采用几何平均法计算产业结构优化指数,公式如下:

(1)

(3)中介变量:消费增长(consum)和科技创新(tech)。基于机理分析可知,就业质量可以通过影响消费增长和科技创新,进而影响产业结构发展。因此,本文引入消费增长和科技创新两个中介变量,分别以各城市人均社会消费品零售总额、各城市发明专利授权数来表示。

(4)控制变量:本文选取市场化程度(mar)、经济发展水平(eco)、金融发展水平(fin)、外资依存度(for)作为控制变量,在进行稳健性检验时,加入交通便利度(tra)和储蓄水平(sav)。其中,市场化程度用全社会固定资产投资总额占GDP比重、经济发展水平用地区生产总值增长率、金融发展水平用年末金融机构存款余额、外资依存度用当年实际使用外资金额占GDP比重、交通便利度用铁路旅客运量、储蓄水平用城乡居民储蓄年末余额来表示。市场化程度决定着产业的高度,市场化程度的提升既优化了创新资源的配置效率,又促进了高技术产业自主创新。经济迅猛发展的同时,产业结构正在向第三产业为主转型,与之相适应的是就业规模和就业结构将发生改变。金融系统可以配置社会性稀缺资源,引导社会资本从低效率行业转型流向高效率行业,从而淘汰落后产业,实现产业结构优化。外贸经济的存在,对推动企业技术进步和创新有着至关重要的作用,会影响制造业的发展水平,促进产业结构优化。交通的便利有利于扩大交流,加快地方城市化发展,扩大城市辐射范围,为各产业部分发展提供可能,从而带动就业质量提升与产业结构优化。提高居民储蓄水平,不仅意味着就业质量的提升,也有利于提升居民的消费能力,促进消费增长,从而拉动产业结构发展。

(二)研究设计

1.就业质量指数测算方法

就业质量为综合性测算指标,为了使就业质量具有跨年度和跨地区的可比性,本文以2005年为基期,根据基期年份的数据计算之后各地区各年的就业质量指数,分为以下三步:

其一,为了保证跨地区可比性,计算2005年的各指标标准化得分:

(2)

(3)

其中,Scorei表示第i个指标的得分,Xi表示2005年第i个指标的初始值,Xmax表示2005年该指标在298个城市中的最大值,Xmin表示2005年该指标在298个城市中的最小值。式(2)计算正向指标,式(3)计算负向指标,之后将上式结果标准化。

其二,为了保证各年份之间具有可比性,对后续年份如下计算:

(4)

(5)

其中,t表示当前期年份,Scorei(t)表示t年i指标的得分,Xi(t)表示t年i指标的真实值,式(4)计算正向指标,式(5)计算负向指标,接着将上式结果标准化。

其三,在计算每年标准化得分后,将17个指标加权合成就业质量指数,公式如下:

(6)

其中,qul表示该城市的就业质量指数,Weighti表示该城市i指标权重,scorei表示该城市i指标标准化得分。

2.就业质量指标赋权方法

以往研究较多采用算术加权或熵值法对指标进行赋权,算术加权对于变动性较大的数据适用性较差,而熵值法无法考虑到指标之间的横向影响,忽略了指标本身的重要性,无法降维。

为了更加稳健地测算就业质量指数,本文采用主成分分析法和组合赋权法来测算就业质量指数。其中,主成分分析法提取就业质量变量主要信息,降低评价指标维数,以方差贡献率作为其主成分权重,适用于本文的多指标情况。组合赋权法是将主观赋权(等权重法)和客观赋权(熵权法、CRITIC法)结合,将三种方法测算的均值作为其最终权重,考虑到了数据变异性、冲突性和信息量,对数据依赖性也较为适中,具体如下:

CRITIC法:首先,将原始数据标准化(同熵权法);其次,计算各指标的标准差σi和指标间相关系数rih;最后,计算第i指标的权重:

(7)

等权重法:该方法是对所选取的17个二级指标赋予相同权重,即各指标重要性不分大小。

本文将主成分分析法测算的就业质量指数用于实证分析,将组合赋权法的测算值用于稳健性检验。

3.模型设定

为了研究就业质量对产业结构优化的直接影响(假设1),模型如下:

advancej,t=α0+α1qulj,t+αcZj,t+μj+δt+εj,t

(8)

其中,advancej,t表示城市j在t年的产业结构优化指数,qulj,t表示城市j在t年的就业质量指数,Zj,t表示控制变量,μj表示城市j不随时间变化的个体固定效应,δt表示控制时间固定效应,εj,t表示随机扰动项。

为讨论就业质量对产业结构优化的空间影响,首先利用Moran’sI指数对变量的空间自相关性进行分析,公式如下:

(9)

接着,为进一步讨论就业质量对产业结构优化的空间溢出效应,在式(8)中引入就业质量、产业结构优化及控制变量的空间交互项,构建空间杜宾模型(SDM)如下:

advancej,t=α0+ρWadvancej,t+α1qulj,t+φ1Wqulj,t+αcZj,t+φcWZj,t+μj+δt+εj,t

(10)

其中,ρ表示空间自回归系数,W表示空间权重矩阵,φ1和φc表示空间交互项的弹性系数。

最后,为讨论就业质量对产业结构优化存在的中介作用机制,引入消费增长和科技创新来检验是否存在中介效应(假设3、4),具体如下:在式(8)中系数α1通过显著性检验的基础上,分别构建以消费增长和科技创新为中介变量的回归方程,通过β1、η1和η2等回归系数是否显著来判断是否存在中介效应,模型如下:

consumj,t=β0+β1qulj,t+βcZj,t+μj+δt+εj,t

(11)

advancej,t=η0+η1qulj,t+η2consumj,t+ηcZj,t+μj+δt+εj,t

(12)

其中,consumj,t表示城市j在t年的消费增长水平,在验证科技创新中介效应时,只需将式(11)、(12)中consumj,t替换成techj,t即可。

(三)现实特征描述

由图2可知,2005—2020年中国就业质量水平和产业结构优化水平整体上均呈现不断上升的趋势,其中,就业质量指数增长速度缓慢,产业结构优化指数除在2006—2007年间迅速增长外,其余阶段也保持缓速增长,两者发展趋势基本保持一致,侧面说明两者之间可能存在一定的同步关系。

图2 就业质量与产业结构优化指数年平均值变化趋势

五、就业质量对产业结构优化影响实证结果

(一)直接传导效应分析

为验证就业质量对产业结构优化的直接传导机制(假设1),将就业质量指数与产业结构优化指数及其分维度指数进行回归,结果如表2。

表2 直接传导效应回归结果

由列(5)可知,就业质量对产业结构优化的回归系数为0.618,在1%的水平上显著为正,即就业质量提升能够促进各城市产业结构向更高水平、更高层次演进,验证了本文假设1。加入控制变量后,各地区市场化程度、金融发展水平及外资依存度与产业结构优化之间具有显著的正向相关关系,表明市场化程度、金融发展水平及外资依存度提升的同时各地区产业结构也逐步优化;经济发展水平与产业结构优化之间具有不显著的正相关关系,表明经济发展水平增长的同时各地区产业结构并未得到有效优化,可能是由于各地区经济发展水平增幅较小,导致经济发展水平对产业结构优化拉动作用不够明显。

由列(1)～(4)可知,就业质量对产业高新化、产业生态化、产业合理化及产业高级化的回归系数均为正且通过了显著性检验,即就业质量对产业分维度指标具有显著的正向影响。其中,就业质量对产业合理化的回归系数为1.090,影响作用最大,对产业高新化影响次之,对产业生态化影响最小,回归系数为0.089,说明就业质量能够提高产业结构整体素质和效率、加强生态环境保护、实现生产要素的合理配置、加快产业发展重心逐渐向第二、三产业过渡。

(二)空间溢出效应分析

1.全局空间相关性检验

本文采用Moran’sI指数法基于邻接矩阵测算各年度就业质量与产业结构优化的空间自相关性。

由表3可知,2005—2020年就业质量和产业结构优化的Moran’sI值均在1%的水平上显著为正,说明2005—2020年中国各城市的就业质量和产业结构优化具有显著的正向空间自相关性,即就业质量与产业结构优化在空间分布上出现集聚现象。

表3 就业质量和产业结构优化“蔓延”特征

2.局部空间相关性检验

进一步地对就业质量与产业结构优化局部空间自相关性进行检验,本文选取2005、2008、2015、2018这四年对二者进行Moran’sI分析,散点图如图3所示。

图3 局部年份Moran’s I散点图

由图3可知,这四年的就业质量与产业结构优化均呈现出正向的空间相关性,且主要集中在第一象限,说明就业质量与产业结构优化存在显著的空间相关,且主要呈现出高-高集聚现象。

3.空间溢出效应检验

为了提高结果的稳健性,本文基于邻接矩阵、经济距离、反距离平方以及经济地理距离4种矩阵进行回归,其中经济距离选取各地区人均GDP水平来衡量,结果如表4。

表4 空间杜宾模型(SDM)回归结果

由表4可知,四种空间距离矩阵下产业结构优化的空间自回归系数分别为0.424、0.195、0.874、0.808,均在1%的水平上显著为正,就业质量的空间交互项系数均为正,表明样本城市在空间上不仅存在外生的就业质量交互效应,还存在产业结构优化的内生交互效应。由于空间交互项的回归系数值不能准确反映就业质量对产业结构优化的边际影响,故将效应进行分解,使用直接效应和间接效应来解释某城市就业质量对本地区及其他地区产业结构优化的影响作用。可知,四种空间距离矩阵下的溢出效应均显著为正,说明就业质量对产业结构优化的空间溢出效应显著存在,验证了本文假设2,即某地区就业质量提升不仅会对本区产业结构优化产生正向影响,也会显著促进周边地区产业结构优化发展。

(三)中介效应分析

为验证消费增长和科技创新在就业质量对产业结构优化影响过程中的中介作用(假设3、4),引入消费增长和科技创新两个变量进行回归,结果如表5。

表5 中介效应模型回归结果

在假设1回归系数显著基础上,进行中介效应分析,由列(1)～(2)可知,就业质量对消费增长回归系数为1.780,具有显著的正向影响,且就业质量、消费增长对产业结构优化的回归系数分别为0.476、0.080,在1%水平上显著为正,说明就业质量能够促进消费增长,同时就业质量可通过提升消费增长水平来促进产业结构优化,验证了假设3。由列(3)～(4)可知,就业质量对科技创新回归系数为0.184,在1%水平上显著为正,加入科技创新变量后,就业质量、科技创新对产业结构优化的回归系数分别为0.607、0.059,均显著为正,说明就业质量可通过提升科技创新水平,从而促进产业结构优化,即假设4成立。此外,通过消费增长和科技创新中介效应回归系数特点可知,两者均表现为部分中介效应。

六、内生性及稳健性检验

(一)内生性检验

查阅已有研究较多学者倾向将自变量滞后项作为工具变量来讨论内生性问题,但对于自变量是综合指数的情况,相同方法计算的自变量与其滞后项仍高度相关,故本文通过变换计算方法,将主客观组合赋权法计算的就业质量指数滞后项作为工具变量,回归结果如表6。

表6 就业质量指数滞后一期回归结果

由表6可知,滞后一期的就业质量对产业结构优化影响的回归系数为0.544,在1%水平上显著为正,且对分维度的影响系数均显著为正,故考虑了内生性问题,就业质量对产业结构优化的影响效应仍显著存在。

(二)直接传导效应稳健性检验

在验证本文假设均成立基础上,进一步检验结果是否稳健。首先,增加控制变量交通便利度和储蓄水平,来检验就业质量对产业结构优化直接传导结果的稳健性。

由表7可知,就业质量对产业结构优化的回归系数为1.287,在1%水平上显著为正,说明就业质量提升能够显著促进产业结构优化发展。此外,就业质量对产业结构优化4个维度的回归系数分别为0.643、0.054、1.836、1.120,说明就业质量对产业高新化、产业生态化、产业合理化、产业高级化均呈现正向的影响,与表2结果保持一致,即直接传导效应结果稳健。

表7 直接传导效应稳健性检验结果

(三)空间溢出效应稳健性检验

为验证空间溢出效应结果是否稳健,本文在增加控制变量基础上,构建空间滞后模型(SAR),模型如下:

advancej,t=θ0+λW×advancej,t+θ1qulj,t+θcZj,t+μj+δt+εj,t

(13)

其中,λ表示空间滞后参数,W×advancej,t表示产业结构优化的空间滞后变量。接着,分别基于4种空间距离矩阵进行回归,结果如表8。

表8 空间滞后模型(SAR)回归结果

由表8可知,四种空间距离矩阵下空间滞后参数分别为0.455、0.199、0.894、0.884,均在1%的水平上显著为正,说明就业质量对产业结构优化影响的空间溢出效应显著存在,与表4结果保持一致,即空间溢出效应结果稳健。

(四)中介效应稳健性检验

本文基于系统Bootstrap抽样法,设定随机抽取次数为1 000,对中介效应进行估计。Bootstrap抽样法检验是指回归系数β1和回归系数η2的乘积项(β1×η2)的95%置信区间是否包括数字0,若不包括数字0,则说明有中介作用;反之,不存在中介作用。

由表9可知,消费增长和科技创新在系统Bootstrap法抽样1 000次情况下,回归系数乘积项95%置信区间均不包括数字0,说明消费增长和科技创新的中介效应均显著存在,即中介效应结果稳健。

表9 系统Bootstrap法自助抽样结果

七、异质性检验

(一)资源分配方面

本文将样本城市划分为东部、中部及西部(1)东部:北京、天津、河北、辽宁、上海、江苏、浙江、广东、福建、山东、广西和海南所包括的城市;中部:山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南、湖北所包括的城市;西部:四川、重庆、贵州、云南、西藏、陕西、甘肃、宁夏、青海所包括的城市。,分别进行回归。

由表10可知,东、中、西部地区就业质量对产业结构优化的回归系数分别为0.631、0.838、1.378,均在1%水平上显著为正,说明不同区域就业质量会促进产业结构优化。其中,影响效果表现为西部>中部>东部,这可能是由于东部地区具备优质的发展资源,在三个区域中经济实力最强,无论是就业质量还是产业结构优化水平均遥遥领先,劳动力需求已达到饱和状态,而中部、西部地区发展水平相比东部较为落后,就业质量和产业结构优化发展不及东部,故就业质量提升同等程度时中、西部产业结构优化效果更为明显。分维度影响效果并未完全与整体效果表现一致,这与东、中、西部不同区域之间经济结构、经济所有制成分、产业层次、各区域对产业不同维度优化速度以及就业需求等方面息息相关。

表10 不同区域就业质量对产业结构优化影响效果

(二)人口规模方面

考虑到人口数量对就业的影响,根据城市等级划分标准,本文将1 000万人口以上划为超大城市,500万～1 000万人口划为巨大城市,300万～500万人口划为特大城市,100万～300万人口划为大城市,50万～100万人口划为中等城市,20万～50万人口划为小城市,5万～20万人口划为微型城市,研究不同人口规模的城市就业质量对产业结构优化影响效果,结果如表11。

表11 不同等级城市就业质量对产业结构优化影响效果

由表11可知,就业质量对产业结构优化影响效果在特大城市、大城市、中等城市显著为正,而在超大城市、巨大城市、小城市及微型城市影响效果不显著。这主要是因为超大城市与巨大城市提供的就业岗位有限,而人口数量太大,会沉积较多的失业人口,造成劳动力绝对过剩,从而影响就业质量提升;小城市及微型城市往往伴随着经济发展水平低下与就业环境恶劣的特点,经济体量小,能提供的就业机会也少,因而就业质量水平较低。分维度来看,在产业高新化层面,大城市与中等城市中影响效果显著为正,其他等级城市影响不显著,这可能是因为大城市与中等城市相对来说就业质量水平较高,产业高新化程度适中,研究就业质量对产业高新化影响时变化效果明显,而其他城市就业质量水平低,对产业高新化提升作用不显著。在产业生态化层面,超大城市与巨大城市影响效果显著,其他城市不显著,主要是人口数量多的城市,消费需求大,从而生产需求加大、就业增加,与此同时重工业发展造成生态污染较为严重。在产业合理化与产业高级化层面,微型城市影响效果均不显著,可能是由于人口数量太少,拥有的资源匮乏,就业与产业均无法得到更好的发展。

八、结论与建议

本文研究了就业质量对产业结构优化的直接传导效应、空间溢出效应以及消费增长和科技创新的中介效应,结果发现:(1)就业质量对产业结构优化具有显著的正向传导作用,就业质量能够促进产业结构向高新化、生态化、合理化以及高级化迈进,且对产业合理化、高新化的影响效果较大,对产业生态化影响最弱;(2)某地区就业质量提升不仅促进本区产业结构优化发展,也对周边地区产业结构优化产生显著的正向影响,且不同区域就业质量对产业结构优化影响效果也不尽相同;(3)就业质量不仅能够通过提升消费增长水平来促进产业结构优化,还能够通过提升科技创新水平来拉动产业结构优化。基于上述结论,提出以下建议。

首先,加强不同区域之间协调发展,以邻区带动本区,缩小地区间经济差距。由于各区域发展水平不同,中、西部就业质量提升对产业结构优化的影响效果相比东部更加明显。因此,继续发挥东部地区带头作用,加强就业与产业之间的融合发展,在自身继续强化的同时带动中、西部区域发展。中、西部区域要因地制宜,制定特色发展政策提升本区就业质量水平,建立更完善的就业建设体系,在促进就业质量水平提升的同时调整产业结构,加速产业结构优化进程,从而推动经济实现高质量发展,形成市场供需良性互动。

其次,努力提升消费增长水平。要进一步改善消费环境,健全消费者权益保护和纠纷化解机制,加强消费品质量安全监督管理,进而营造安全、诚信的消费环境;需要释放消费新动能,培育壮大新型消费,鼓舞消费新模式、新业态的发展。

最后,不断提高科技创新水平。营造一个良好的科技创新生态,意味着创新要素和人才资本的集聚,不断优化的创新生态对科技创新能力提升至关重要;要进一步深化人才发展机制改革,深化人才培养、引进、使用、激励和评价等制度,形成合理化的人才布局,从而提升科技创新支撑能力。