摘 要：現(xiàn)實(shí)經(jīng)濟(jì)中的失業(yè)往往表現(xiàn)出較強(qiáng)的持續(xù)性特征。通過建立一個(gè)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型，并基于這一模型分析了引起失業(yè)持續(xù)性的內(nèi)在作用機(jī)制。研究結(jié)論表明：（1）負(fù)向技術(shù)沖擊對(duì)于低技能勞動(dòng)力具有更大的沖擊效應(yīng)；（2）技能退化與干中學(xué)通過影響勞動(dòng)力隊(duì)伍的技能構(gòu)成進(jìn)而改變了失業(yè)的持續(xù)性：技能退化的概率越大，失業(yè)的持續(xù)性越強(qiáng)；干中學(xué)即技能提升的概率越大，失業(yè)的持續(xù)性越小。因此，通過技能培訓(xùn)以及相關(guān)的就業(yè)服務(wù)機(jī)制改變技能退化機(jī)制的作用并積極發(fā)揮干中學(xué)機(jī)制的積極作用，將有利于緩解我國失業(yè)的持續(xù)性問題。

關(guān)鍵詞：技能退化；干中學(xué)；失業(yè)的持續(xù)性

文章編號(hào)：2095-5960（2017）03-0001-14

中圖分類號(hào)：F015

文獻(xiàn)標(biāo)識(shí)碼：A

一、文獻(xiàn)綜述

失業(yè)現(xiàn)象不僅是勞動(dòng)經(jīng)濟(jì)學(xué)與宏觀經(jīng)濟(jì)理論關(guān)注的重要問題，同時(shí)也是政策制定者密切關(guān)注的重要宏觀經(jīng)濟(jì)指標(biāo)。從微觀的角度看，失業(yè)減少了個(gè)體及其家庭的收入，進(jìn)而影響了家庭的消費(fèi)決策和社會(huì)總需求；而從宏觀的角度看，失業(yè)則意味著社會(huì)資源的浪費(fèi)，同時(shí)也影響了宏觀經(jīng)濟(jì)的穩(wěn)定性。然而，政策制定者更為關(guān)注的是失業(yè)的持續(xù)性問題，因?yàn)橐延械难芯咳鏐lanchard和Diamond（1994）[1]、Khalifa（2015）[2]等表明，失業(yè)持續(xù)的時(shí)間越長，失業(yè)者找到工作的概率越小。換言之，失業(yè)越具有持續(xù)性，失業(yè)者轉(zhuǎn)化為長期失業(yè)者的可能性越大，而長期失業(yè)是政策制定者最為棘手的現(xiàn)實(shí)問題：長期失業(yè)提高了經(jīng)濟(jì)中的自然失業(yè)率，進(jìn)而使得外生沖擊發(fā)生之后，勞動(dòng)力市場以及產(chǎn)出均難以及時(shí)恢復(fù)至沖擊發(fā)生之前的水平，這一現(xiàn)象被研究者稱為“緩慢復(fù)蘇”（Slow Recovery）。國際金融危機(jī)之后，基于歐美發(fā)達(dá)國家勞動(dòng)力市場調(diào)整速度極為緩慢的現(xiàn)實(shí)，研究者重新思考失業(yè)的持續(xù)性以及與之相關(guān)的“緩慢復(fù)蘇”問題的現(xiàn)實(shí)成因。 Galet al.（2012）[3]認(rèn)為導(dǎo)致勞動(dòng)力市場失業(yè)持續(xù)性的原因在于逆向總需求沖擊，進(jìn)而指出政策當(dāng)局可以通過寬松的財(cái)政政策與貨幣政策可以轉(zhuǎn)變這一趨勢。然而，各國的政策實(shí)踐的結(jié)果表明，寬松的財(cái)政政策與貨幣政策無法有效地緩解失業(yè)的持續(xù)性問題。①①盡管金融危機(jī)期間有的國家實(shí)行了經(jīng)濟(jì)刺激計(jì)劃進(jìn)而擺脫了經(jīng)濟(jì)危機(jī)的困擾，但是危機(jī)之后勞動(dòng)力市場并未出現(xiàn)預(yù)期的復(fù)蘇。

基于現(xiàn)有研究的不足，Christiano et al.（2016）[4]通過對(duì)歐洲勞動(dòng)力市場的考察指出，失業(yè)的持續(xù)性源于就業(yè)意愿的變化，即歐洲制度剛性導(dǎo)致自愿失業(yè)的增加，進(jìn)而使得失業(yè)具有更強(qiáng)的持續(xù)性。盡管這些研究對(duì)失業(yè)的持續(xù)性問題提供了較好的解釋，但并未回答導(dǎo)致失業(yè)在經(jīng)歷負(fù)向沖擊之后表現(xiàn)出較強(qiáng)持續(xù)性的內(nèi)在微觀作用機(jī)制。

事實(shí)上，已有的研究如Khalifa（2013）[5]認(rèn)為，未對(duì)勞動(dòng)者技能進(jìn)行區(qū)分的新凱恩斯主義動(dòng)態(tài)隨機(jī)一般均衡（即NK-DSGE）模型無法有效地捕捉美國失業(yè)數(shù)據(jù)表現(xiàn)出的持續(xù)性特征?；诖耍琑avenna和Walsh（2014）[6]將勞動(dòng)者依據(jù)技能水平劃分為高技能（High Skill）勞動(dòng)力與低技能（Low Skill）勞動(dòng)力兩種類型，研究結(jié)果發(fā)現(xiàn)，這一模型較好地反映了國際金融危機(jī)之后美國勞動(dòng)力市場緩慢調(diào)整的特征以及失業(yè)的持續(xù)性特征。然而，這一研究仍存在兩個(gè)方面的不足：第一，這一研究仍未回答引起失業(yè)持續(xù)性的內(nèi)在作用機(jī)制；第二，現(xiàn)實(shí)經(jīng)濟(jì)中勞動(dòng)者的技能并不是一成不變的，而往往表現(xiàn)出一個(gè)動(dòng)態(tài)變化的過程（Khalifa，2013；陳利鋒，2015）[7]，而這一模型未對(duì)這一現(xiàn)象進(jìn)行刻畫。

國內(nèi)已有的研究如陳利鋒（2015）等均發(fā)現(xiàn)我國的失業(yè)也表現(xiàn)出相對(duì)較強(qiáng)的持續(xù)性，那么是何種因素導(dǎo)致我國的失業(yè)表現(xiàn)出這一特征呢？馮濤等（2016）[8]基于我國勞動(dòng)力市場扭曲的角度考察了城鄉(xiāng)二元體制對(duì)于我國失業(yè)持續(xù)性的影響，進(jìn)而指出城鄉(xiāng)二元體制所造成的勞動(dòng)力市場扭曲是我國失業(yè)持續(xù)性的現(xiàn)實(shí)成因；李傳憲和黃茜（2016）[9]認(rèn)為《勞動(dòng)合同法》所規(guī)定的最低工資制度是導(dǎo)致我國失業(yè)持續(xù)性的制度性成因；而陳利鋒（2016a）[10]結(jié)合現(xiàn)有研究中廣泛接受的四個(gè)假說，并采用我國的現(xiàn)實(shí)數(shù)據(jù)對(duì)各個(gè)假說在我國的適用性進(jìn)行了驗(yàn)證，結(jié)果發(fā)現(xiàn)導(dǎo)致我國失業(yè)持續(xù)性的原因在于我國勞動(dòng)力市場的失業(yè)呆滯（Hysteresis）特征。盡管這一研究為解釋我國的失業(yè)持續(xù)性提供了一個(gè)較好的視角，但是缺乏與勞動(dòng)力市場有關(guān)的微觀基礎(chǔ)?；诂F(xiàn)有研究存在的不足，本文在已有研究如Ravenna和Walsh（2014）等考慮技能差異的基礎(chǔ)上，將Chang et al.（2002）[11]提出的技能提升即干中學(xué)機(jī)制引入模型，并結(jié)合Esteban-Pretel（2005）[12]以及Esteban-Pretel和Faraglia（2010）[13]所提出的技能退化機(jī)制，進(jìn)而構(gòu)建了一個(gè)同時(shí)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型。在引入技能退化與干中學(xué)機(jī)制后，本文可以更為完整地刻畫不同技能勞動(dòng)力之間的動(dòng)態(tài)轉(zhuǎn)化：技能退化使得高技能失業(yè)者的技能隨著失業(yè)的持續(xù)而發(fā)生退化，進(jìn)而轉(zhuǎn)變成低技能勞動(dòng)力；而干中學(xué)則使得低技能勞動(dòng)力在工作過程中可能實(shí)現(xiàn)技能的提升，進(jìn)而轉(zhuǎn)變?yōu)楦呒寄軇趧?dòng)力。因此，這兩個(gè)機(jī)制的引入克服了以往相關(guān)研究在無法刻畫技能動(dòng)態(tài)變化這一方面的不足。在引入這兩個(gè)機(jī)制之后，我們基于負(fù)向技術(shù)沖擊的脈沖響應(yīng)函數(shù)發(fā)現(xiàn)，相對(duì)于高技能勞動(dòng)力而言，負(fù)向技術(shù)沖擊對(duì)于低技能勞動(dòng)力的就業(yè)和失業(yè)均具有相對(duì)較大的沖擊效應(yīng)。而敏感度分析的結(jié)果則表明：（1）技能退化的概率越大，失業(yè)的持續(xù)性越強(qiáng)；（2）干中學(xué)即技能提升的概率越大，失業(yè)的持續(xù)性越小。原因在于，技能退化與干中學(xué)機(jī)制可以影響我國勞動(dòng)力隊(duì)伍的技能構(gòu)成，進(jìn)而改變了我國失業(yè)的持續(xù)性。最后，我們采用模型擬合優(yōu)度檢驗(yàn)方法考察了不同的模型對(duì)于我國現(xiàn)實(shí)數(shù)據(jù)的擬合程度，研究結(jié)果表明，本文所建立的同時(shí)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型更好地?cái)M合了我國的現(xiàn)實(shí)數(shù)據(jù)。

由于失業(yè)的持續(xù)性對(duì)于負(fù)向外生沖擊之后經(jīng)濟(jì)復(fù)蘇的速度具有顯著影響（Ravenna和Walsh，2014），因此，分析導(dǎo)致失業(yè)持續(xù)性的內(nèi)在作用機(jī)制對(duì)于穩(wěn)定勞動(dòng)力市場乃至宏觀經(jīng)濟(jì)均具有重要的現(xiàn)實(shí)意義。依據(jù)本文的結(jié)論，采用適當(dāng)?shù)恼邫C(jī)制改變技能退化帶來的消極影響，并發(fā)揮干中學(xué)機(jī)制的積極作用，將有利于改變我國失業(yè)的持續(xù)性，進(jìn)而也有利于緩解我國目前的失業(yè)問題。

與以往研究相比，本文的主要工作包括：第一，通過技能退化與干中學(xué)機(jī)制的引入，從而構(gòu)建了一個(gè)包含勞動(dòng)力技能轉(zhuǎn)化的NK-DSGE模型，也使得本文所考察的失業(yè)持續(xù)性問題更加具有微觀基礎(chǔ)；第二，基于技能退化與干中學(xué)機(jī)制分析了我國的失業(yè)持續(xù)性的內(nèi)在作用機(jī)制；第三，基于模型擬合優(yōu)度檢驗(yàn)方法對(duì)技能退化與干中學(xué)機(jī)制在我國的現(xiàn)實(shí)存在性進(jìn)行了檢驗(yàn)。本文其余部分的結(jié)構(gòu)安排如下：第二部分構(gòu)建了一個(gè)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型；第三部分則采用我國的現(xiàn)實(shí)數(shù)據(jù)對(duì)第二部分的模型進(jìn)行估計(jì)；第四部分基于負(fù)向技術(shù)沖擊的脈沖響應(yīng)函數(shù)、敏感度分析方法以及模型擬合優(yōu)度檢驗(yàn)等方法對(duì)本文模型進(jìn)行動(dòng)態(tài)模擬分析；最后是本文的總結(jié)與展望。

二、模型與設(shè)定

模型經(jīng)濟(jì)中包含了兩種不同類型的工人：高技能工人與低技能工人。①①本文采用這一設(shè)定的做法可以溯源到勞動(dòng)經(jīng)濟(jì)學(xué)與發(fā)展經(jīng)濟(jì)學(xué)中一個(gè)重要的研究話題：技能升水（Skill Premium）。在這一方面的研究文獻(xiàn)中，工人依據(jù)技能可以分為技能熟練工人與非熟練工人。 為了便于分析，我們假定技能水平?jīng)Q定生產(chǎn)效率（Productivity），因而高技能工人具有較高的勞動(dòng)生產(chǎn)率，而低技能工人的勞動(dòng)生產(chǎn)率則相對(duì)較低。兩類技能工人均可能失業(yè)，并且高技能工人失業(yè)之后，每一時(shí)期其技能退化（進(jìn)而成為低技能失業(yè)者）的概率為l。因此，對(duì)于高技能工人而言，失業(yè)持續(xù)的時(shí)間越長其技能退化的可能性越大。對(duì)應(yīng)的，當(dāng)?shù)图寄苁I(yè)者獲得工作崗位之后，其可以通過“干中學(xué)”（Learning-by-Working）而實(shí)現(xiàn)技能的提升（進(jìn)而成為高技能工人），我們設(shè)定發(fā)生技能提升的概率為g。當(dāng)然，就業(yè)者在某一特定崗位上保持就業(yè)狀態(tài)的時(shí)間越長，其技能獲得提升的可能性越大。

三、模型的參數(shù)化處理

我們分別采用校準(zhǔn)（Calibration）和估計(jì)方法對(duì)本文所構(gòu)建的包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型進(jìn)行參數(shù)化處理。校準(zhǔn)法由實(shí)際經(jīng)濟(jì)周期理論研究者所提出，而估計(jì)法則采用相關(guān)數(shù)據(jù)對(duì)參數(shù)進(jìn)行極大似然估計(jì)、貝葉斯估計(jì)、廣義矩估計(jì)（GMM）或者模擬矩估計(jì)（SMM）。在近些年的相關(guān)研究中，校準(zhǔn)法與估計(jì)法經(jīng)常被同時(shí)使用，這一做法可以較好地提高NK-DSGE模型的可識(shí)別程度。

（一）部分參數(shù)的校準(zhǔn)

我們首先對(duì)部分參數(shù)進(jìn)行校準(zhǔn)。與大多數(shù)已有的研究相同，貼現(xiàn)率β取值為0.98；高技能失業(yè)者技能退化的概率l與低技能工人技能提升的概率g，已有的研究并未對(duì)其進(jìn)行精確的估計(jì)。我們首先將二者全部校準(zhǔn)為0.5，然后對(duì)其進(jìn)行敏感性分析。物質(zhì)資本折舊率δk，依據(jù)He et al.（2007）[19]與Zhang（2009）[20]等，我們將其取值設(shè)定為4%；家庭的議價(jià)能力與雇傭數(shù)量對(duì)待業(yè)數(shù)量的彈性系數(shù)ε，依據(jù)Ravenna和Walsh（2014）等，我們將其取值均設(shè)定為0.5；企業(yè)公布崗位空缺的單位成本κ，依據(jù)Khalifa（2015），我們將其設(shè)定為2.2；穩(wěn)態(tài)時(shí)高技能工人在就業(yè)工人總數(shù)中所占的比例n1=NhN，依據(jù)2002年至2013年的相關(guān)數(shù)據(jù)進(jìn)行估算，進(jìn)而得到其取值約為9%。①①我們以2002年至2013年勞動(dòng)力人口中接受過高等教育（包括?？疲┑膭趧?dòng)力數(shù)量作為高技能勞動(dòng)力，然后計(jì)算歷年高技能勞動(dòng)力在勞動(dòng)力中的占比，在此基礎(chǔ)上將其平均值作為n1的校準(zhǔn)值。 穩(wěn)態(tài)消費(fèi)-產(chǎn)出比γc與穩(wěn)態(tài)投資-產(chǎn)出比γi的取值，采用我國2002年至2013年的相關(guān)數(shù)據(jù)進(jìn)行估算，結(jié)果表明這兩個(gè)參數(shù)的取值分別為0.44和036。②②我們以2002年至2013年歷年社會(huì)消費(fèi)總額和投資分別作為消費(fèi)數(shù)據(jù)與投資數(shù)據(jù)，以支出法核算得到的國內(nèi)生產(chǎn)總值即GDP作為產(chǎn)出，不過為了將模型與現(xiàn)實(shí)數(shù)據(jù)對(duì)應(yīng)起來，我們從GDP中剔除了政府支出和凈出口，因?yàn)楸疚牡哪Ｐ突诜忾]經(jīng)濟(jì)建模并且剔除了財(cái)政政策當(dāng)局。

（二）參數(shù)估計(jì)

模型中對(duì)結(jié)果具有顯著影響的參數(shù)，本文采用估計(jì)方法進(jìn)行貝葉斯估計(jì)。③③詳細(xì)的先驗(yàn)分布與先驗(yàn)均值的設(shè)定過程參見本文附錄。感興趣的讀者可以向作者索取。 在此基礎(chǔ)上表2給出了參數(shù)貝葉斯估計(jì)的后驗(yàn)均值、后驗(yàn)90%置信域上界以及后驗(yàn)90%置信域下界。④④我們選取如下數(shù)據(jù)進(jìn)行參數(shù)的貝葉斯估計(jì)：（1）產(chǎn)出。采用剔除政府購買與凈出口之后的GDP數(shù)據(jù)；（2）消費(fèi)。采用社會(huì)消費(fèi)總額；（3）通脹。采用經(jīng)環(huán)比方法處理之后的CPI數(shù)據(jù)；（4）名義利率。采用銀行業(yè)同業(yè)拆借利率數(shù)據(jù)；（5）就業(yè)。采用就業(yè)人口與總?cè)丝诘谋戎当硎尽．a(chǎn)出和消費(fèi)數(shù)據(jù)采用CPI進(jìn)行調(diào)整使其轉(zhuǎn)變?yōu)閷?shí)際值，所有數(shù)據(jù)均在取自然對(duì)數(shù)之后，采用X12方法消除季節(jié)趨勢。為了與對(duì)數(shù)線性化之后的模型保持一致，我們采用CF濾波法提取所有數(shù)據(jù)的周期性成分，并將其用于模型參數(shù)貝葉斯估計(jì)。

需要注意的是，高技能勞動(dòng)力對(duì)有效勞動(dòng)投入的彈性系數(shù)v的貝葉斯估計(jì)值為0.7098，顯著大于設(shè)定的先驗(yàn)均值0.5。這一估計(jì)結(jié)果意味著高技能勞動(dòng)力對(duì)于有效勞動(dòng)（也即產(chǎn)出）具有更大的貢獻(xiàn)。當(dāng)然，這一估計(jì)結(jié)果符合我們的直覺，也與經(jīng)濟(jì)學(xué)理論是相符的：因?yàn)楦呒寄軇趧?dòng)力具有更高的邊際生產(chǎn)率，因而其對(duì)于產(chǎn)出具有更大的貢獻(xiàn)。

四、模型分析

結(jié)合模型參數(shù)化處理的結(jié)果，本部分首先分析包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型中負(fù)向技術(shù)沖擊對(duì)于勞動(dòng)力市場的動(dòng)態(tài)效應(yīng)。在此基礎(chǔ)上，進(jìn)一步采用敏感性分析法考察技能退化與干中學(xué)機(jī)制對(duì)于我國失業(yè)持續(xù)性的影響。最后，采用模型擬合優(yōu)度檢驗(yàn)方法，檢驗(yàn)技能退化與干中學(xué)機(jī)制在我國的現(xiàn)實(shí)存在性。

（一）負(fù)向技術(shù)沖擊的脈沖響應(yīng)

圖1給出了包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型中負(fù)向技術(shù)沖擊的脈沖響應(yīng)。顯然，與Justiniano et al.（2010）[21]以及Gal1（2015）[22] 等相同，負(fù)向技術(shù)沖擊降低了中間產(chǎn)品生產(chǎn)企業(yè)的投資意愿，進(jìn)而使得其減少崗位空缺的公布以及勞動(dòng)力的雇傭，因而在圖1中，負(fù)向技術(shù)沖擊引起了經(jīng)濟(jì)中的總就業(yè)、高技能勞動(dòng)力就業(yè)以及低技能勞動(dòng)力就業(yè)的下降。與之對(duì)應(yīng)的是，這一沖擊引起了高技能勞動(dòng)力失業(yè)、低技能勞動(dòng)力失業(yè)以及總失業(yè)的上升。最后，中間產(chǎn)品生產(chǎn)企業(yè)投資意愿與就業(yè)的下降推動(dòng)了產(chǎn)出的下行，因而負(fù)向技術(shù)沖擊最終導(dǎo)致了產(chǎn)出的下降。

圖1還給出了負(fù)向技術(shù)沖擊對(duì)于通貨膨脹的影響。顯然，負(fù)向技術(shù)沖擊推動(dòng)了通貨膨脹的上升，這與Justiniano et al.（2011）[23]以及Furlanetto和Seneca（2014）[24]是一致的。原因在于負(fù)向技術(shù)沖擊降低了經(jīng)濟(jì)中的總供給能力，進(jìn)而導(dǎo)致了總供給的下降。在總需求不變的條件下，總供給的減少推動(dòng)了整體價(jià)格水平的上升。

比較負(fù)向技術(shù)沖擊對(duì)于高技能與低技能勞動(dòng)力就業(yè)與失業(yè)的脈沖響應(yīng)函數(shù)可以發(fā)現(xiàn)，相對(duì)于高技能勞動(dòng)力而言，負(fù)向技術(shù)沖擊對(duì)于低技能勞動(dòng)力具有更大的影響：負(fù)向技術(shù)沖擊引起了低技能勞動(dòng)力的就業(yè)更大幅度的下降以及引起低技能失業(yè)者更大幅度的增加。因此，基于圖1可知，負(fù)向技術(shù)沖擊對(duì)于低技能勞動(dòng)力群體具有更大的沖擊效應(yīng)。與之對(duì)應(yīng)的，如果經(jīng)濟(jì)中發(fā)生積極的技術(shù)沖擊，其對(duì)于低技能勞動(dòng)力與高技能勞動(dòng)力群體又各自具有怎樣的影響呢？Ravenna和Walsh（2014）通過校準(zhǔn)的模型發(fā)現(xiàn)，在包含技能差異的NK-DSGE模型中，積極的技術(shù)沖擊對(duì)于低技能勞動(dòng)力的就業(yè)與失業(yè)同樣具有更大的沖擊效應(yīng)；陳利鋒（2016b）[25]采用我國的現(xiàn)實(shí)數(shù)據(jù)估計(jì)了一個(gè)包含異質(zhì)性技能但未包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型，研究結(jié)果同樣發(fā)現(xiàn)積極的技術(shù)沖擊對(duì)于我國低技能勞動(dòng)力的就業(yè)與失業(yè)具有更大的沖擊效應(yīng)。這些研究所得到的結(jié)論從另一個(gè)角度證實(shí)了本文的研究結(jié)論。

（二）失業(yè)的持續(xù)性分析

基于圖1可以發(fā)現(xiàn)，本文模型中負(fù)向技術(shù)沖擊的脈沖響應(yīng)與已有的未包含技能退化和干中學(xué)機(jī)制的NK-DSGE模型是一致的。換言之，技能退化與干中學(xué)機(jī)制的引入并未改變外生沖擊的宏觀經(jīng)濟(jì)效應(yīng)。那么，這兩個(gè)機(jī)制的引入對(duì)于宏觀經(jīng)濟(jì)具有怎樣的影響呢？一個(gè)明顯的直覺是技能退化和干中學(xué)的引入改變了外生沖擊下勞動(dòng)力市場就業(yè)與失業(yè)的動(dòng)態(tài)，進(jìn)而也改變了整個(gè)宏觀經(jīng)濟(jì)的動(dòng)態(tài)特征。具體的，為了考察這兩個(gè)機(jī)制的作用，我們分別對(duì)技能退化的概率l和技能提升的概率g進(jìn)行了敏感度分析。我們分別將技能退化的概率l以及技能提升的概率g取值為0、0.3、0.7，并基于負(fù)向技術(shù)沖擊下失業(yè)的脈沖響應(yīng)函數(shù)計(jì)算技能退化的概率l以及技能提升的概率g不同取值對(duì)應(yīng)的失業(yè)持續(xù)性。①①在已有的NK-DSGE模型，變量的一階自回歸系數(shù)通常用于表示變量的持續(xù)性。

基于本文貝葉斯估計(jì)的包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型所得到的模擬矩（Simulated Moments），表3給出了技能退化的概率與技能提升的概率不同取值下失業(yè)的持續(xù)性計(jì)算的結(jié)果。首先，對(duì)應(yīng)于技能退化的概率l不同的取值，失業(yè)的持續(xù)性分別為0.7918、0.8069、0.8265以及0.8598，即隨著技能退化的概率的上升，失業(yè)表現(xiàn)出更強(qiáng)的持續(xù)性。原因在于，在本文所建立的NK-DSGE模型中，勞動(dòng)者依據(jù)技能高低進(jìn)行了區(qū)分，因而在失業(yè)者隊(duì)伍中存在技能差異。失業(yè)者技能退化的概率越高，高技能失業(yè)者技能退化進(jìn)而轉(zhuǎn)變?yōu)榈图寄苁I(yè)者的可能性越大，因而失業(yè)隊(duì)伍中低技能失業(yè)者所占的比例越來越大。由于技能上的優(yōu)勢使得高技能失業(yè)者在勞動(dòng)力市場中占有就業(yè)優(yōu)勢，因而低技能失業(yè)者所占的比例越大，失業(yè)者整體找到工作的概率越低，進(jìn)而失業(yè)的持續(xù)性越強(qiáng)。因此，技能退化的概率改變了失業(yè)者隊(duì)伍的構(gòu)成，進(jìn)而改變了失業(yè)的持續(xù)性。最終失業(yè)的持續(xù)性也通過勞動(dòng)力市場改變了經(jīng)濟(jì)中的產(chǎn)出等宏觀經(jīng)濟(jì)變量的動(dòng)態(tài)（Ravenna和Walsh，2014）。

表3還給出了對(duì)應(yīng)于技能提升的概率g不同取值下失業(yè)的持續(xù)性。表3顯示，對(duì)應(yīng)于技能提升的概率g的不同取值，失業(yè)的持續(xù)性分別為0.8113、0.7704、0.6915以及0.5799，即隨著低技能勞動(dòng)力技能提升的概率g的上升，低技能勞動(dòng)力通過就業(yè)提升自身技能水平的可能性越大，失業(yè)的持續(xù)性越低。與技能退化機(jī)制影響勞動(dòng)力市場的作用機(jī)制類似，技能提升機(jī)制也通過影響失業(yè)者隊(duì)伍的構(gòu)成而影響了勞動(dòng)力市場。具體的，技能提升的概率越高，低技能勞動(dòng)力在就業(yè)過程中實(shí)現(xiàn)技能提升進(jìn)而轉(zhuǎn)變?yōu)楦呒寄軇趧?dòng)力的可能性越大。當(dāng)負(fù)向技術(shù)沖擊引起失業(yè)增加時(shí)，失業(yè)隊(duì)伍中高技能失業(yè)者所占的比例相對(duì)較大，進(jìn)而使得失業(yè)的持續(xù)性相對(duì)較小。

（三）模型擬合優(yōu)度檢驗(yàn)

由于技能退化的概率l以及技能提升的概率g取值為0時(shí)表示經(jīng)濟(jì)中不存在技能退化和干中學(xué)機(jī)制，那么與之相關(guān)的一個(gè)問題是，在引入技能退化與干中學(xué)之后，本文所建立的NK-DSGE模型是否較好的刻畫了現(xiàn)實(shí)經(jīng)濟(jì)呢？與已有相關(guān)研究類似，我們分別采用邊際數(shù)據(jù)密度（Marginal Data Density，簡稱MDD）與隱含貝葉斯因子（Implied Bayes Factor，簡稱IBF）檢驗(yàn)等2種方法進(jìn)行模型擬合優(yōu)度比較。為了便于比較，我們將本文建立的同時(shí)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型作為基準(zhǔn)模型，將僅包含技能退化的模型作為模型1，將僅包含干中學(xué)機(jī)制的模型作為模型2，而將未包含技能退化與干中學(xué)機(jī)制的模型作為模型3，模型擬合優(yōu)度比較的結(jié)果見表4。

表4顯示，基準(zhǔn)模型、僅包含技能退化的模型1、僅包含干中學(xué)機(jī)制的模型2以及未包含技能退化和干中學(xué)的模型3各自對(duì)應(yīng)的邊際數(shù)據(jù)密度分別為282.1123、231.1261、202.6228以及179.4547，由于邊際數(shù)據(jù)密度反映了模型對(duì)于現(xiàn)實(shí)數(shù)據(jù)的接近程度，其取值越大表明模型越接近現(xiàn)實(shí)數(shù)據(jù)。因此，基于第一種檢驗(yàn)方法即邊際數(shù)據(jù)密度檢驗(yàn)的結(jié)果可知，本文所建立的包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型相對(duì)更好的擬合了我國的現(xiàn)實(shí)數(shù)據(jù)。

表4采用的檢驗(yàn)?zāi)Ｐ蛿M合優(yōu)度的第二種方法為隱含貝葉斯因子法。由于在這一檢驗(yàn)過程中涉及4個(gè)不同的NK-DSGE模型，而隱含貝葉斯因子檢驗(yàn)方法僅適合于2個(gè)NK-DSGE模型擬合優(yōu)度檢驗(yàn)（Canova，2007）[26]。因此，本文采用Canova（2007）提出的一種逐步檢驗(yàn)法，即首先對(duì)邊際數(shù)據(jù)密度相對(duì)較小的模型進(jìn)行隱含貝葉斯因子檢驗(yàn)，然后對(duì)前一過程中勝出的模型與邊際數(shù)據(jù)密度相對(duì)較大的模型重新進(jìn)行檢驗(yàn)。基于這一思路，我們首先對(duì)模型2與模型3進(jìn)行隱含貝葉斯因子檢驗(yàn)。與已有的研究類似，我們將模型3的隱含貝葉斯因子設(shè)定為1，進(jìn)而計(jì)算得到模型2的隱含貝葉斯因子為1.17×106。這一結(jié)果意味著接受未包含技能退化與干中學(xué)機(jī)制的模型4所需要的先驗(yàn)信息的數(shù)量是接受僅包含干中學(xué)機(jī)制的模型2的1.17×106倍，因此，在模型2與模型3中，現(xiàn)實(shí)數(shù)據(jù)顯著支持了模型2。與以上程序類似，我們將模型2的隱含貝葉斯因子設(shè)定為1，繼而計(jì)算得到模型1的隱含貝葉斯因子為8.83×109，即接受僅包含干中學(xué)機(jī)制的模型2所需的先驗(yàn)信息量是接受僅包含技能退化機(jī)制的模型1的8.83×109倍。因此，在模型1與模型2之間，隱含貝葉斯檢驗(yàn)的結(jié)果顯著支持了模型1。最后，表4給出了模型1與基準(zhǔn)模型隱含貝葉斯檢驗(yàn)的結(jié)果，顯然，接受僅包含技能退化機(jī)制的模型1所需要的先驗(yàn)信息的數(shù)量為接受基準(zhǔn)模型的1.15×1013倍。因此，綜合以上隱含貝葉斯因子檢驗(yàn)的結(jié)果可知，同時(shí)包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型相對(duì)較好的擬合了我國的現(xiàn)實(shí)數(shù)據(jù)。

鑒于隱含貝葉斯因子檢驗(yàn)方法僅可以檢驗(yàn)2個(gè)NK-DSGE模型的擬合優(yōu)度，并且逐步檢驗(yàn)的程序則略顯繁瑣，Canova（2007）提出了一種基于Leamer測度的后驗(yàn)概率（Leamers Measure Posterior Probability，簡稱LMPP）檢驗(yàn)法。具體的，我們首先將所有模型的先驗(yàn)概率設(shè)定為相同的數(shù)值，然后由貝葉斯估計(jì)的程序計(jì)算出相應(yīng)的后驗(yàn)概率。表4給出了這一檢驗(yàn)的結(jié)果，基準(zhǔn)模型的后驗(yàn)概率設(shè)定為1，其他模型各自對(duì)應(yīng)的后驗(yàn)概率分別為0.6771、0.4829以及0.0516。因此，基于Leamer測度的后驗(yàn)概率的檢驗(yàn)方法也顯著支持了基準(zhǔn)模型。綜合以上模型擬合優(yōu)度檢驗(yàn)的結(jié)果可知，本文所建立的包含技能退化與干中學(xué)的NK-DSGE模型相對(duì)較好的擬合了我國的現(xiàn)實(shí)數(shù)據(jù)。這一結(jié)論意味著，技能退化與干中學(xué)機(jī)制在我國勞動(dòng)力市場顯著存在。

五、結(jié)論與展望

本文基于一個(gè)包含技能退化與干中學(xué)的NK-DSGE模型分析了我國的失業(yè)持續(xù)性問題。研究發(fā)現(xiàn)：（1）相對(duì)于高技能勞動(dòng)力而言，負(fù)向技術(shù)沖擊對(duì)于低技能勞動(dòng)力的就業(yè)與失業(yè)等均具有更大的沖擊效應(yīng)；（2）技能退化與干中學(xué)機(jī)制通過影響勞動(dòng)力隊(duì)伍的構(gòu)成而影響了失業(yè)的持續(xù)性。具體的，技能退化的概率越大，失業(yè)的持續(xù)性越強(qiáng)；而干中學(xué)機(jī)制引起的技能提升的概率越大，失業(yè)的持續(xù)性越短?；谀Ｐ驼w擬合優(yōu)度檢驗(yàn)的結(jié)果表明，本文所建立的包含技能退化與干中學(xué)機(jī)制的NK-DSGE模型相對(duì)較好的擬合了我國的現(xiàn)實(shí)數(shù)據(jù)。換言之，技能退化與干中學(xué)機(jī)制在我國勞動(dòng)力市場顯著存在。

盡管本文僅基于負(fù)向技術(shù)沖擊考察了失業(yè)的持續(xù)性問題，但所得到的結(jié)論仍具有較強(qiáng)的代表性。由于本文的模型整體擬合優(yōu)度檢驗(yàn)表明了我國勞動(dòng)力市場存在技能退化與干中學(xué)機(jī)制，那么依據(jù)本文的研究，在這兩種機(jī)制發(fā)揮作用的背景下，當(dāng)負(fù)向外生沖擊對(duì)勞動(dòng)力市場產(chǎn)生影響時(shí)，技能退化機(jī)制將引起經(jīng)濟(jì)中低技能失業(yè)者在整個(gè)失業(yè)者隊(duì)伍中所占的比例上升，進(jìn)而使得失業(yè)更具持續(xù)性；而干中學(xué)機(jī)制則通過技能提升提高了低技能勞動(dòng)力的技能水平，進(jìn)而有利于降低失業(yè)的持續(xù)性。已有的研究如Khalifa（2015）等估算的結(jié)果表明，失業(yè)持續(xù)的時(shí)間越長，技能退化的發(fā)生的概率越大，進(jìn)而失業(yè)越具持續(xù)性。因此，當(dāng)負(fù)向外生沖擊如緊縮性總需求沖擊等對(duì)經(jīng)濟(jì)發(fā)生沖擊時(shí)，為了緩解失業(yè)問題，政策制定者需要采用相應(yīng)的政策以限制技能退化機(jī)制的消極作用，并促進(jìn)干中學(xué)機(jī)制積極作用的發(fā)揮。為了達(dá)到這一目的，在負(fù)向外生沖擊發(fā)生之后，政策制定者首先需要加大對(duì)低技能勞動(dòng)力的培訓(xùn)力度，進(jìn)而改變失業(yè)者隊(duì)伍中低技能勞動(dòng)力所占的比例，依據(jù)本文的研究，這一做法有利于緩解技能退化機(jī)制的影響，進(jìn)而也有利于降低失業(yè)的持續(xù)性；第二，完善的就業(yè)服務(wù)機(jī)制的建立。除了依靠市場力量之外，政府仍需要加強(qiáng)就業(yè)服務(wù)，降低求職者工作搜尋的時(shí)間，這一做法在經(jīng)濟(jì)遭遇負(fù)向沖擊時(shí)尤為重要，因?yàn)榫蜆I(yè)服務(wù)機(jī)制有助于降低失業(yè)者進(jìn)行工作搜尋的時(shí)間，進(jìn)而有利于降低了失業(yè)的持續(xù)性。同時(shí)，由于干中學(xué)機(jī)制的存在，低技能勞動(dòng)者可以在工作過程中獲得技能提升，進(jìn)而使得就業(yè)服務(wù)體系的建立有助于改變勞動(dòng)力市場低技能勞動(dòng)力所占的比例并降低失業(yè)的持續(xù)性。

本文的研究表明了負(fù)向外生沖擊對(duì)于低技能勞動(dòng)力具有更大的影響，因此，基于穩(wěn)定勞動(dòng)力市場的角度考慮，改變低技能勞動(dòng)力所占的比例則顯得更為重要。已有的相關(guān)研究表明，長期以來我國政府相對(duì)更加重視學(xué)校教育，而對(duì)于職業(yè)教育的重視程度則相對(duì)較弱（楊繼生和萬越，2016）[27]。由于學(xué)校教育主要進(jìn)行的是知識(shí)教育，而職業(yè)教育則側(cè)重技能教育（董成惠，2016）[28]。因此，鼓勵(lì)技能培訓(xùn)，增加技能培訓(xùn)方面的政府支出，對(duì)提供技能培訓(xùn)的機(jī)構(gòu)或者企業(yè)進(jìn)行相應(yīng)的補(bǔ)貼，進(jìn)而通過崗位技能培訓(xùn)提高低技能勞動(dòng)力的技能水平。顯然，這些做法對(duì)于穩(wěn)定勞動(dòng)力市場并降低失業(yè)的持續(xù)性等均具有積極和重要的現(xiàn)實(shí)意義。

從引起失業(yè)的微觀機(jī)制入手，本文嘗試通過勞動(dòng)力市場技能退化與干中學(xué)機(jī)制剖析我國失業(yè)持續(xù)性的內(nèi)在成因。但作為一種嘗試，本文仍可能存在一些可以改進(jìn)的方向：首先，本文在封閉經(jīng)濟(jì)中考察技能退化與干中學(xué)機(jī)制對(duì)于我國失業(yè)持續(xù)性的影響，而作為開放的大國經(jīng)濟(jì)，一個(gè)更為貼近我國現(xiàn)實(shí)的建模思路應(yīng)為開放經(jīng)濟(jì)NK-DSGE框架。因此，一個(gè)可行的擴(kuò)展是將本文的模型擴(kuò)展至開放經(jīng)濟(jì)，進(jìn)一步剖析開放經(jīng)濟(jì)中的技能退化與干中學(xué)等微觀機(jī)制對(duì)于我國失業(yè)持續(xù)性的影響。而關(guān)于開放經(jīng)濟(jì)中失業(yè)行為的分析可以參考Christiano et al.（2011）[29]以及Christiano et al.（2015）[30]等；第二，盡管從微觀機(jī)制的角度較為深入地剖析了我國失業(yè)的持續(xù)性問題，并且證實(shí)了這兩類微觀機(jī)制在我國勞動(dòng)力市場的現(xiàn)實(shí)存在性，但本文并未考察這兩類機(jī)制顯著存在背景下緩解我國失業(yè)持續(xù)性的貨幣政策或者財(cái)政政策機(jī)制。關(guān)于這一方面的研究可以參考Laureys（2014a）[31]等；第三，本文通過技能退化與干中學(xué)機(jī)制刻畫了勞動(dòng)力在就業(yè)與失業(yè)期間的技能動(dòng)態(tài)變化，但并未刻畫我國勞動(dòng)力市場中一個(gè)重要的現(xiàn)象：過度勝任（Over-Qualified）的就業(yè)，即高技能失業(yè)者急于擺脫失業(yè)狀況而就業(yè)于低技能要求的崗位所引起的就業(yè)。顯然，這一就業(yè)造成了資源的錯(cuò)配。因而，一個(gè)可行的研究視角是對(duì)本文所建立的模型進(jìn)行拓展以包含過度勝任的就業(yè)，進(jìn)而可以更為全面和深入地剖析技能退化與干中學(xué)機(jī)制對(duì)于我國失業(yè)持續(xù)性的影響。關(guān)于過度勝任的就業(yè)的相關(guān)研究可以參考Gautier et al.（2010）[32]以及Arseneau和Epstein（2014）[33]等。最后，本文并未考慮技能退化與干中學(xué)的存在所引起的社會(huì)成本與收益。關(guān)于這一方面的研究可以參考Laureys（2014b）[34]等。

參考文獻(xiàn)：

[1]Blanchard O.Diamond P.Ranking，Unemployment Duration，and Wages[J].Review of Economic Studies，1994，61（3）：417-434.

[2]Khalifa S.Learning-by-Doing and Unemployment Dynamics[J].Economic Modeling，2015，44（c）：180-187.

[3]Gal1 J.，Smets F.，Wouters R.Slow Recoveries： A Structural Interpretation[J].Journal of Money，Credit and Banking，2012，44（S2）：9-30.

[4]Christiano L.，Eichenbaum M.，Trabandt M.Unemployment and Business Cycle[J].Econometrica，2016，84（4）：1523-1569.

[5]Khalifa S.Labor Mismatch，Skill Obsolescene，and Unemployment Persistence[J].Journal of Quantitative Economics，2013，11（1-2）：199-229.

[6]Ravenna F.，Walsh C E.Slow Recovery，Worker Heterogeneity，and the Zero Lower Bound[R].UCSC Working Papers，2014，No.2014-001.

[7]陳利鋒.累進(jìn)性工薪所得稅、失業(yè)回滯與中國勞動(dòng)力市場波動(dòng)——基于新凱恩斯主義動(dòng)態(tài)隨機(jī)一般均衡的視角[J].南京師大學(xué)報(bào)（社會(huì)科學(xué)版），2015（2）：37-47.

[8]馮濤，羅小偉，徐浩.勞動(dòng)力市場扭曲與收入分配差距研究——基于城鄉(xiāng)“二元”結(jié)構(gòu)的視角[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（1）：24-37.

[9]李傳憲，黃茜.勞動(dòng)保護(hù)、員工薪酬與企業(yè)利益分配——基于《勞動(dòng)合同法》實(shí)施前后的經(jīng)驗(yàn)證據(jù)[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（6）：83-89.

[10]陳利鋒.我國失業(yè)的持續(xù)性：理論假說與現(xiàn)實(shí)證據(jù)[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（4）：3-16.

[11]Chang Y.，Gomes J.，Schorfheide F.Learning-by-Doing as a Propagation Mechanism[J].American Economic Review，2002，20（5）：1498-1520.

[12]Esteban-Pretel J.The Effects of the Loss of Skill on Unemployment Fluctuations[R].CIRJE Working Papers，2005，No.F-371.

[13]Esteban-Pretel J.，F(xiàn)araglia E.Monetary Shocks in a Model of with Skill Loss[J].Journal of Money，Credit and Banking，2010，42（7）：1235-1265.

[14]Gal1J.，López-Salido J D.，Valles J.Understanding the Effects of Government Spending on Consumption[J].Journal of the European Economics Association，2007，5（1）：227-270.

[15]Altig D.， Christiano L.， Eichenbaum M.，Linde J.Firm-Specific Capital，Nominal Rigidities and the Business Cycle[J].Review of Economic Dynamics，2011，14（2）：225-247.

[16]Gal1 J.Monetary Policy and Unemployment[C].in B. Friedman and M. Woodford （eds.）， Handbook of Monetary Economics[A].2011，3（A）：487-546.

[17]Calvo G A.Staggered Prices in a Utility-Maximizing Framework[J].Journal of Monetary Economics，1983，12（3）：983-998.

[18]Blanchard O.，Gal1 J.Labor Markets and Monetary Policy： A New Keynesian Model with Unemployment[[J].American Economic Journal：Macroeconomics，2010，2（2）：1-30.

[19]He D.，Zhang W.，Shek J.How Efficient has been Chinas Investment？Empirical Evidence from National and Provincial Data[J].Pacific Economic Review，2007，12（5）：596-617.

[20]Zhang W.Chinas Monetary Policy：Quantity versus Price Rules[J].Journal of Macroeconomics，2009，31（3）：473-484.