一 引言及文獻(xiàn)述要

中國經(jīng)濟(jì)在經(jīng)歷了多年高速增長后，自2012年起轉(zhuǎn)為中高速增長，到2019年，GDP增速降至6.1%，今年在新冠肺炎疫情影響下有進(jìn)一步下行的趨勢。經(jīng)濟(jì)增速轉(zhuǎn)變給中國經(jīng)濟(jì)結(jié)構(gòu)調(diào)整帶來深遠(yuǎn)的影響，學(xué)術(shù)界對此展開了大量研究。現(xiàn)有文獻(xiàn)主要集中于宏觀層面，討論經(jīng)濟(jì)增速放緩的原因、可能的影響以及應(yīng)對策略(劉偉和蘇劍，2014[1]; 鄭挺國和黃佳祥, 2016[2]; 蔡昉，2016a[3]; 林建浩和王美今，2016[4]; 張華，2017[5]；陳彥斌等, 2018[6]；Bai和Zhang, 2017[7]; Lu, 2017[8]; Blagrave和Vesperoni, 2018[9]; Lin, 2019[10]; Tian, 2019[11])。這些研究對于深刻理解我國宏觀經(jīng)濟(jì)的變化頗有益處，但由于缺乏微觀證據(jù)的支撐，較少文獻(xiàn)研究經(jīng)濟(jì)增速放緩所帶來的沖擊對微觀個(gè)體的影響，比如個(gè)人收入和就業(yè)是否受損，如果受損，哪些人群損失更為嚴(yán)重，其背后的機(jī)制又是什么。本文試圖對這些問題作出回答。

解析經(jīng)濟(jì)增速放緩給微觀個(gè)體帶來的影響有一個(gè)難題，即與經(jīng)濟(jì)增速下行沖擊無關(guān)的因素可能也會影響微觀個(gè)體變量在時(shí)間維度上的變化。比如，近年來全國層面的技術(shù)變化如互聯(lián)網(wǎng)技術(shù)應(yīng)用發(fā)展，與經(jīng)濟(jì)增速下行沖擊一樣，也可能會引起就業(yè)率的變化。直接比較微觀個(gè)體在沖擊前后就業(yè)的變化，并不能區(qū)分這兩類沖擊的影響。對此問題，本文借鑒Hershbein和Kahn(2018)[12]、Yagan(2019)[13]的做法，利用經(jīng)濟(jì)增速下行沖擊在地理空間上的差異來識別，即雖然各地都受到了全國層面的共同沖擊，比如技術(shù)沖擊，但一些地區(qū)受經(jīng)濟(jì)增速下行沖擊的影響大，而另一些地區(qū)受經(jīng)濟(jì)增速下行沖擊的影響小，區(qū)域之間所受沖擊的差異反映的是經(jīng)濟(jì)增速下行沖擊，而非全國的共同沖擊。在此基礎(chǔ)上，結(jié)合微觀調(diào)查數(shù)據(jù)，通過微觀個(gè)體變量在沖擊前后的變化及其在空間上的差異，來分析經(jīng)濟(jì)增速放緩對微觀個(gè)體收入與就業(yè)的影響。

以上識別方法需要解決兩個(gè)技術(shù)上的問題。一個(gè)是數(shù)據(jù)問題，需要經(jīng)濟(jì)增速放緩前和放緩后微觀個(gè)體的追蹤調(diào)查數(shù)據(jù)，據(jù)此來比較微觀個(gè)體在沖擊前后的變化，也需要調(diào)查樣本的地理空間信息，以識別其所受到的沖擊大小。在本文所能獲得的數(shù)據(jù)中，沒有同時(shí)符合這兩個(gè)要求的(1)本文界定經(jīng)濟(jì)下行沖擊發(fā)生在2007-2012年間，見腳注2及論文第二部分的解釋。為此，需要2007年前及2012年后的數(shù)據(jù)。在對外公開的微觀調(diào)查數(shù)據(jù)中，符合此要求的只有中國健康營養(yǎng)調(diào)查(CHNS)和中國家庭收入調(diào)查(CHIP)數(shù)據(jù)，前者是追蹤調(diào)查數(shù)據(jù)，但缺少調(diào)查樣本的地理空間信息，后者有地理信息，但不是追蹤調(diào)查數(shù)據(jù)。。為此，借鑒Hoynes et al.(2012)[14]、McKernan et al.(2014)[15]等所用的組別合成法(Synthetic Cohort Approach)，按照地理區(qū)位和年齡合并調(diào)查樣本，以此來構(gòu)造可以在沖擊前后及空間上進(jìn)行比較的樣本。另一個(gè)是內(nèi)生性問題，比如，受經(jīng)濟(jì)增速下行沖擊影響大的區(qū)域，所在地微觀個(gè)體的經(jīng)濟(jì)狀況可能本來就較差。在這種情況下，普通的最小二乘法會低估經(jīng)濟(jì)增速放緩帶來的影響。為了克服這個(gè)問題，本文采用Bartik(1991)[16]的偏離份額法(Shift-share Method)，利用全國各產(chǎn)業(yè)增加值的增長率和沖擊前每個(gè)區(qū)域相應(yīng)產(chǎn)業(yè)所占的比重來構(gòu)造工具變量。該工具變量反映的僅是各區(qū)域受經(jīng)濟(jì)增速放緩的影響，而與各地受到的其他特定沖擊無關(guān)。

具體而言，考慮到我國的經(jīng)濟(jì)增長速度在2007年達(dá)到一個(gè)峰值，從2012年起有明顯下降，本文以各省在2007和2012兩年間的經(jīng)濟(jì)增速變化來衡量經(jīng)濟(jì)增速下行沖擊，并利用中國家庭收入調(diào)查中離這兩年最近的數(shù)據(jù)即CHIP2002和CHIP2013，按照調(diào)查樣本所在省份和年齡段合成數(shù)據(jù)，然后建立差分模型，采用兩階段最小二乘法(2SLS)，通過合成組在沖擊前和沖擊后及空間上的變化，來識別經(jīng)濟(jì)增速放緩時(shí)微觀個(gè)體收入和就業(yè)所受到的影響(2)2007年我國GDP增速達(dá)到了峰值14.2%，自2008年國際金融危機(jī)后，經(jīng)濟(jì)增速開始下降，2012年降至8%以下，發(fā)生了明顯變化。因此，以2007和2012兩年間經(jīng)濟(jì)增長率的變化來衡量經(jīng)濟(jì)下行沖擊，論文第二部分對此有詳細(xì)說明。文獻(xiàn)中也有類似的界定，比如蔡昉(2016b)[17]認(rèn)為，鑒于我國政府始終把“保八”作為經(jīng)濟(jì)增長目標(biāo)的底線，因此把增長率持續(xù)低于8%的起始年份2012年作為經(jīng)濟(jì)顯著減速的轉(zhuǎn)折點(diǎn)。。為了研究經(jīng)濟(jì)增速放緩對微觀個(gè)體的異質(zhì)性影響，本文將調(diào)查樣本按年齡、性別和受教育程度分組進(jìn)行討論。最后，結(jié)合微觀個(gè)體收入與就業(yè)所受到的影響，討論了經(jīng)濟(jì)增速放緩作用于微觀個(gè)體的機(jī)制。

本文研究結(jié)論是：經(jīng)濟(jì)增速放緩對個(gè)人收入沒有顯著影響，但就業(yè)在經(jīng)濟(jì)增速放緩后有明顯變化，相對于其他地區(qū)，如果一個(gè)地區(qū)經(jīng)濟(jì)增速下降1個(gè)百分點(diǎn)，則其就業(yè)率減少約2個(gè)百分點(diǎn)。不考慮內(nèi)生性時(shí)，經(jīng)濟(jì)增速放緩對就業(yè)的影響會被低估。該結(jié)果在考慮了各省在沖擊前的增長趨勢、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)和出口比重后，仍是穩(wěn)健的。分年齡段來看，年輕組的就業(yè)受經(jīng)濟(jì)增速下行沖擊的影響最為明顯。分教育程度來看，小學(xué)及以下教育人群的就業(yè)率下降更多。分性別來看，女性受到的影響更大。個(gè)人的非理性預(yù)期、企業(yè)的破壞性創(chuàng)新和勞動(dòng)力市場的錯(cuò)配是經(jīng)濟(jì)增速放緩影響微觀個(gè)體收入與就業(yè)的主要途徑。

本文主要貢獻(xiàn)可能在于從微觀層面研究了經(jīng)濟(jì)增速下行對我國居民就業(yè)和個(gè)人收入的影響，從而彌補(bǔ)現(xiàn)有文獻(xiàn)在該領(lǐng)域上的不足。目前關(guān)于我國經(jīng)濟(jì)增速放緩的研究主要是從宏觀層面討論其原因、影響及應(yīng)對策略，缺乏微觀層面的證據(jù)。但在國際上，越來越多的文獻(xiàn)注重基于微觀數(shù)據(jù)討論經(jīng)濟(jì)增速變化。比如，Jensen和Johannesen(2017)[18]研究了金融危機(jī)對丹麥個(gè)人消費(fèi)信貸的作用，Hoynes et al.(2012)[14]、 Hershbein和Kahn(2018)[12]以及Yagan(2019)[13]研究了經(jīng)濟(jì)衰退對美國個(gè)人工資、就業(yè)以及高技能工人需求的影響。

本文的另一個(gè)可能貢獻(xiàn)是通過組別合成法，克服了非追蹤調(diào)查數(shù)據(jù)跨年比較時(shí)遇到的困難，為我國此類調(diào)查數(shù)據(jù)的應(yīng)用提供了一個(gè)新思路。眾所周知，由于樣本流失嚴(yán)重，追蹤調(diào)查，特別是長時(shí)期的追蹤調(diào)查，往往不易開展。常見的微觀調(diào)查樣本在每個(gè)調(diào)查年份是隨機(jī)抽取的，這給微觀個(gè)體行為的跨年比較分析帶來了很大挑戰(zhàn)。通過組別合成法所構(gòu)造的樣本，盡管不是嚴(yán)格意義上的微觀個(gè)體，但可以組成面板數(shù)據(jù)進(jìn)行跨期比較，從而在一定程度上擴(kuò)展了非追蹤調(diào)查微觀數(shù)據(jù)的應(yīng)用范圍。

此后內(nèi)容安排如下：第二部分比較了經(jīng)濟(jì)增速放緩前后個(gè)人收入和就業(yè)的變化，第三部分是經(jīng)濟(jì)增速下行沖擊影響微觀個(gè)體的識別方法介紹和變量說明，第四部分是基本估計(jì)結(jié)果和穩(wěn)健性檢驗(yàn)，第五部分討論了經(jīng)濟(jì)增速下行沖擊的異質(zhì)性影響，第六部分是經(jīng)濟(jì)增速放緩影響微觀個(gè)體的機(jī)制討論，最后是結(jié)論。

二 收入和就業(yè)在經(jīng)濟(jì)增速放緩前后的變化

先看近年來我國經(jīng)濟(jì)增長速度的變化。圖1顯示，2007年前GDP增長速度一直保持上升態(tài)勢，在2007年達(dá)到峰值14.2%。從2008年國際金融危機(jī)開始，經(jīng)濟(jì)增速明顯下降，雖然受經(jīng)濟(jì)強(qiáng)刺激的作用，GDP增速在2010年有所回調(diào)，但其后逐年下滑，到2012年，降至7.9%，其后一直處在我國政府沿用多年的“保八”底線之下。顯然，2012年是我國經(jīng)濟(jì)的重要轉(zhuǎn)折點(diǎn)，經(jīng)濟(jì)增速自此由高速轉(zhuǎn)變?yōu)橹懈咚?，本文正是利?007和2012兩年間經(jīng)濟(jì)增長速度的變化來衡量經(jīng)濟(jì)增速下行沖擊。

圖1 近年來全國GDP增長率(%) 圖2 地區(qū)間受經(jīng)濟(jì)增速下行沖擊影響的比較

為了觀察各地受經(jīng)濟(jì)增速放緩影響的差異，根據(jù)各省GDP增長率在2007和2012兩年間的變化，把全國省級區(qū)域分為兩組，一組是變化幅度比較大的，即受經(jīng)濟(jì)增速放緩影響較大的地區(qū)，另一組是變化比較小的，即受影響相對較小的地區(qū)，然后計(jì)算兩組中各省GDP增長率均值的差值，據(jù)此判斷地區(qū)之間所受影響的差異，結(jié)果見圖2(3)按2007和2012兩年間各省GDP增長率的變化排序，發(fā)現(xiàn)湖北省是中位數(shù)，下降了3.3%。因此，在圖2中把GDP增長率下降大于3.3%的省份界定為受經(jīng)濟(jì)下行沖擊影響較大區(qū)域，包括北京、山西、內(nèi)蒙古、遼寧、吉林、上海、江蘇、浙江、福建、山東、河南、湖南、廣東、廣西、海南，把GDP增長率下降小于3.3%的其他省份界定為受沖擊影響較小區(qū)域。。從中可看出，2007年之后，受影響較大省份的經(jīng)濟(jì)增長速度明顯低于受影響較小省份，這種差異在2012年接近2.3個(gè)百分點(diǎn)，達(dá)到了極值，其后地區(qū)之間的差異有所波動(dòng)，但截至2017年，地區(qū)之間的差異依然明顯。下文正是利用地區(qū)之間受經(jīng)濟(jì)增速下行沖擊的不同來識別經(jīng)濟(jì)增速放緩對微觀個(gè)體的影響。圖2的另一個(gè)特征是：在2007年之前，受經(jīng)濟(jì)增速下行沖擊影響較大地區(qū)的經(jīng)濟(jì)增長率明顯高于受沖擊較小地區(qū)，這種差異在2002-2007年之間最為突出。這似乎說明，沖擊前增長速度快的地區(qū)可能正是受沖擊影響大的地區(qū)。

接下來比較經(jīng)濟(jì)增速下降前后個(gè)人收入和就業(yè)的變化。具體的做法是，采用中國家庭收入調(diào)查(CHIP)數(shù)據(jù)，以CHIP2002作為沖擊前的樣本，CHIP2013為沖擊后的樣本，選擇16-65歲的城鎮(zhèn)樣本為研究對象，計(jì)算樣本當(dāng)年收入的平均值，以及就業(yè)人數(shù)所占的比重即就業(yè)率，并按年齡、性別和受教育程度分組進(jìn)行討論。之所以選擇這兩個(gè)年份的調(diào)查數(shù)據(jù)，是由于在CHIP數(shù)據(jù)中，這兩個(gè)年份是離沖擊前和沖擊后即2007年和2012年最近的調(diào)查數(shù)據(jù)(4)CHIP由北京師范大學(xué)中國收入分配研究院聯(lián)合國內(nèi)外專家共同完成，從1988年開始，進(jìn)行了7輪調(diào)查，包括1988、1995、1999、2002、2007、2008、2013，本文選用沖擊前后即2002和2013年兩輪調(diào)查中的城鎮(zhèn)住戶數(shù)據(jù)。。為了便于跨年比較，利用各地的消費(fèi)者價(jià)格指數(shù)，將2013年的收入以2002年價(jià)格計(jì)進(jìn)行折算，結(jié)果見表1(5)表1中之所以按每隔9歲來分組，是為了和后文的實(shí)證分析相對應(yīng)，關(guān)于分組的具體設(shè)定見論文第三部分。。

表1 分組收入與就業(yè)

表1顯示，無論是從全樣本還是分組樣本來看，與2002年相比，2013年的個(gè)人收入都大幅上升，但上升的幅度在組別間差異明顯。分年齡來看，年輕組(16-24歲)盡管收入相對較低，但增長最快，11年間增長了近2倍，年均增速約18%。隨著年齡的增加，收入增長的幅度下降。對于年長組(61-65歲)，其年均增速不到8%。另一個(gè)特征是：高收入群體具有年輕化趨勢，2002年時(shí)最高收入組是52-60歲的樣本，到2013年，最高收入組已降至34-42歲。分性別來看，男性的收入明顯高于女性，但女性收入的增長速度更快。從受教育程度來看，受教育水平越高的組別，其收入越高，但收入的增速卻相對較低。

在就業(yè)方面，青壯年組(34-42歲)的就業(yè)率最高，年長組(61-65歲)和年輕組(16-24歲)的就業(yè)率最低。2002年到2013年，年輕組(16-24歲)的就業(yè)率增長最快，提高了約10個(gè)百分點(diǎn)，其他組別的就業(yè)率也有所增加，但52歲以上中老年組的就業(yè)率卻在下降，特別是61-65歲這一組，就業(yè)率下降了約10個(gè)百分點(diǎn)。男性的就業(yè)率高于女性，但女性的就業(yè)率在樣本期間增加更多。從受教育程度來看，大學(xué)及以上組別的就業(yè)率最高，小學(xué)及以下組別的就業(yè)率最低，從2002年到2013年，各組的就業(yè)率都有所增加，其中受教育程度較低人群的就業(yè)率增加相對更多。

圖3 各地受經(jīng)濟(jì)增速下行沖擊的大小(%)

以上分析表明，從總體上看，與2002年相比，個(gè)人收入和就業(yè)在2012年后有所增加，似乎說明經(jīng)濟(jì)增速放緩對收入和就業(yè)沒有不利影響，但這只是跨年之間的簡單比較，并未和經(jīng)濟(jì)增速下行沖擊直接聯(lián)系起來。為了研究經(jīng)濟(jì)增速下行沖擊的影響，首先要測度經(jīng)濟(jì)增速下行沖擊的大小。對此，研究中常用宏觀經(jīng)濟(jì)指標(biāo)的變化，如各地的失業(yè)率變化來度量(Bitler和Hoynes, 2015)[19]。由于缺少各地調(diào)查失業(yè)率的連續(xù)一致數(shù)據(jù)，本文采用GDP增長率的變化來度量。具體做法是，以CHIP調(diào)查中的12個(gè)省份為對象，計(jì)算各省GDP增長率從2007年(沖擊前)到2012年(沖擊后)的變化，以此來衡量各地經(jīng)濟(jì)增速下行沖擊的大小，結(jié)果見圖3(6)CHIP2002的調(diào)查覆蓋12個(gè)省市，2013年的調(diào)查增加至15個(gè)省市，為了保持樣本數(shù)據(jù)的前后一致性，本文以2002年的省份為研究對象，包括北京、山西、遼寧、江蘇、安徽、河南、湖北、廣東、重慶、四川、云南、甘肅等12個(gè)省市。。從中可看出，東部省份受經(jīng)濟(jì)增速下行的沖擊較大，中西部省份相對較小。比如，北京和廣東2012年的GDP增長率相比2007年下降了近7個(gè)百分點(diǎn)，安徽和四川下降僅2個(gè)百分點(diǎn)，云南和甘肅的增長率在2012年甚至有所提高。

圖4 經(jīng)濟(jì)增速下行沖擊與收入和就業(yè)變化的關(guān)系

測度各地經(jīng)濟(jì)增速下行沖擊的大小后，利用CHIP數(shù)據(jù)，以省為單位計(jì)算2002年和2013年各地收入和就業(yè)率的均值及其在兩年之間的變化，然后繪制散點(diǎn)圖，觀察經(jīng)濟(jì)增速下行沖擊與收入和就業(yè)變化之間的關(guān)系(圖4)。考慮到多數(shù)省份所受到的沖擊是負(fù)值，為了易于解釋，在圖中對沖擊大小做了符號反向處理，即數(shù)值越大，表示受到的沖擊越大。從圖4可以看出，收入和就業(yè)與經(jīng)濟(jì)增速下行沖擊的關(guān)系不同，收入的變化和沖擊呈正相關(guān)關(guān)系，而就業(yè)的變化和沖擊呈負(fù)相關(guān)關(guān)系。也就是說，與受經(jīng)濟(jì)增速下行沖擊影響小的區(qū)域相比，受經(jīng)濟(jì)增速下行沖擊越大的區(qū)域，其收入上升越快，但就業(yè)率卻增加較慢。散點(diǎn)圖反映的只是變量之間的相關(guān)關(guān)系，而非因果關(guān)系，以下將建立模型，識別經(jīng)濟(jì)增速下行沖擊給微觀個(gè)體帶來的影響。

三 研究方法與數(shù)據(jù)

本文運(yùn)用差分方法，通過比較不同區(qū)域內(nèi)微觀個(gè)體收入和就業(yè)在沖擊前后的變化，來識別微觀個(gè)體受經(jīng)濟(jì)增速下行沖擊的影響。比如，對于一個(gè)t=0年生活在某個(gè)區(qū)域的個(gè)體，從t=0到t年，其收入和就業(yè)的變化，與一個(gè)類似的個(gè)體但生活在其他受經(jīng)濟(jì)增速放緩影響不同的區(qū)域相比，有什么差異。構(gòu)建估計(jì)模型如下：

ypi, t-ypi, 0=α0+α1gshockp+Xpiα2+δg+εpi

(1)

其中y是p地區(qū)第i個(gè)微觀個(gè)體的收入或就業(yè)，t表示沖擊后，0表示沖擊前，gshock表示p地區(qū)所受到的經(jīng)濟(jì)增速下行沖擊，X為微觀個(gè)體的特征變量，δg表示組別固定效應(yīng)，ε是隨機(jī)誤差項(xiàng)，變量的具體設(shè)定下文將做詳細(xì)說明。式(1)實(shí)際上是類似于雙重差分的模型，通過比較微觀個(gè)體在時(shí)間上和空間上的雙重變化來識別因果關(guān)系，α1是本文關(guān)注的關(guān)鍵參數(shù)，衡量的是經(jīng)濟(jì)增速下行沖擊對微觀個(gè)體的影響，即某個(gè)地區(qū)受一個(gè)單位的經(jīng)濟(jì)增速下行沖擊會對該地微觀個(gè)體的收入和就業(yè)產(chǎn)生多大影響(7)以上識別方法類似于雙重差分(DID)方法，但并不等同，比如無需區(qū)分干預(yù)組和對照組來完成識別。。

估計(jì)模型(1)需要有沖擊前和沖擊后微觀個(gè)體的追蹤數(shù)據(jù)，且需知道微觀個(gè)體所在的空間區(qū)位以識別其所受到的沖擊。但遺憾的是，在本文所能獲取的微觀調(diào)查數(shù)據(jù)中，沒有同時(shí)符合這兩個(gè)要求的數(shù)據(jù)。為了解決這個(gè)問題，采用中國家庭收入調(diào)查數(shù)據(jù)(CHIP)，借助組別合成法來構(gòu)造可跨年比較的樣本。CHIP數(shù)據(jù)給出了調(diào)查樣本所在省份的信息，利用該信息可以識別出微觀個(gè)體對應(yīng)省份受到的經(jīng)濟(jì)增速下行沖擊(8)具體而言，本文是用CHIP數(shù)據(jù)中調(diào)查樣本代碼的前兩位數(shù)來推斷調(diào)查對象所在的省份。。如前文所述，本文以2007和2012兩年間經(jīng)濟(jì)增長率的變化來度量經(jīng)濟(jì)增速下行沖擊，CHIP中，離這兩個(gè)年份最近的調(diào)查是CHIP2002和CHIP2013，因此選用CHIP2002和CHIP2013的數(shù)據(jù)，其中2002年代表沖擊前，2013年代表沖擊后(9)由于沖擊發(fā)生在2007-2012年間，與此對應(yīng)，微觀個(gè)體的樣本最好選擇在沖擊前后即2006和2013，但受數(shù)據(jù)所限，沖擊前的樣本本文選擇的是2002年。從2002年到2007年之間有時(shí)滯，這可能會影響到本文估計(jì)結(jié)果的有效性。但本文的識別主要是依據(jù)合成組在空間上所受沖擊的差異，如果2002-2007年間各地經(jīng)濟(jì)增速的趨勢相同，那么各地經(jīng)濟(jì)增速在此期間的變化就沒有明顯不同。在這種情況下，分析2007-2012年間經(jīng)濟(jì)增速下行沖擊對2002到2013年間微觀個(gè)體收入和就業(yè)變化的影響是可行的。。由于CHIP不是追蹤調(diào)查數(shù)據(jù)，不能直接用來比較微觀個(gè)體在沖擊前后的變化，所以借鑒Hoynes et al. (2012)[14]和McKernan et al.(2014)[15]使用的組別合成法來構(gòu)造可以在沖擊前后進(jìn)行比較的“合成”樣本(10)需要指出的是，組別合成法雖然可以用來構(gòu)造在時(shí)間維度上可以比較的樣本，但合成的過程不可避免地掩蓋了合成組內(nèi)微觀個(gè)體的差異，如果這些差異會影響到合成組工資和就業(yè)在空間和時(shí)間維度上的變化，則本文的估計(jì)可能有偏。本文做法的價(jià)值在于利用有限的數(shù)據(jù)，為識別經(jīng)濟(jì)增速放緩沖擊對個(gè)體的影響提供一個(gè)參考。如果要準(zhǔn)確識別沖擊效應(yīng)的大小，需要運(yùn)用追蹤調(diào)查的微觀個(gè)體數(shù)據(jù)。。具體做法是，以調(diào)查時(shí)年齡在16-65歲的城鎮(zhèn)樣本為對象，從16歲起，每3歲作為一組，把每個(gè)省的樣本分為17組，然后計(jì)算每組內(nèi)各變量的平均值，以此為合成樣本的指標(biāo)(11)需要指出的是，第17組僅包含64-65歲的人群。樣本中剔除了在校學(xué)生、離退休人員和喪失勞動(dòng)能力的人員。本文以3歲為一個(gè)年齡段來合成數(shù)據(jù)，是參考了McKernan et al.(2014)[15]的做法。用3歲的另一個(gè)考慮是，后文在研究沖擊效應(yīng)的異質(zhì)性時(shí)，需要按年齡段的倍數(shù)分組，以3歲來分段，正好可以按9歲，即一代人來分組。。具體到模型(1)的估計(jì)，此時(shí)模型中的i表示合成樣本，而非微觀調(diào)查樣本，p表示省份，g表示各年齡組，這樣即可以在控制了個(gè)體特征和組別固定效應(yīng)后，比較合成樣本在沖擊前后及省際間的變化，據(jù)此識別經(jīng)濟(jì)增速下行沖擊的影響。

本文關(guān)注的是微觀個(gè)體收入和就業(yè)的變化。收入為調(diào)查樣本全年收入，包括工資、獎(jiǎng)金、津貼、各種補(bǔ)貼以及經(jīng)營性收入等。為了消除價(jià)格因素對收入的影響，采用各省消費(fèi)者價(jià)格指數(shù)，將2013年的收入以2002年價(jià)格水平進(jìn)行折算，組別合成后對收入取對數(shù)，再取2013和2002兩年的差分，作為模型(1)的被解釋變量。微觀個(gè)體就業(yè)相應(yīng)變量取0或1，即調(diào)查時(shí)處于就業(yè)狀態(tài)為1，其余為0。在組別合成后，該變量表示在該組內(nèi)就業(yè)人數(shù)所占的比率，即就業(yè)率，研究就業(yè)所受影響時(shí)，被解釋變量為就業(yè)率在2002和2013兩年間的變化。

為了控制微觀個(gè)體特征對估計(jì)結(jié)果的影響，在模型中加入了年齡、年齡平方、性別、是否結(jié)婚、是否為城鎮(zhèn)戶口、教育狀況等控制變量。除了年齡和受教育程度外，其他均為虛擬變量，其中男性為1，女性為0；已婚為1，未婚為0；城鎮(zhèn)戶口為1，其他為0。對于受教育程度，分為三類，即受小學(xué)及以下教育、受中學(xué)(含中專)教育、受大專及以上教育。需要指出的是，在組別合成后，這些變量并非嚴(yán)格意義上的虛擬變量或分類變量。比如，對于性別，在合成樣本中，實(shí)際上是男性所占的比重，而非0-1變量。

經(jīng)濟(jì)增速下行沖擊gshock是關(guān)鍵變量。如前文所述，用2007和2012兩年間各省GDP增長率之差來衡量各地所受沖擊的大小，數(shù)據(jù)來源于歷年《中國統(tǒng)計(jì)年鑒》。對于多數(shù)省份，該差值為負(fù)，為了便于解釋，對其做了符號反向處理。如果某個(gè)省經(jīng)濟(jì)增長率在此期間下降得越多，即gshock的數(shù)值越大，則表示該省受經(jīng)濟(jì)增速下行的沖擊相比于其他省份更大。本文正是利用省份之間所受沖擊大小的不同來識別經(jīng)濟(jì)增速放緩對微觀合成樣本的影響是否有差異。直接使用各地宏觀變量的變化來衡量沖擊是文獻(xiàn)中常用的方法(Bitler和Hoynes, 2015[19]; Yagan, 2019[13])，但這樣做可能存在內(nèi)生性問題。如果受經(jīng)濟(jì)增速下行沖擊影響較大地區(qū)微觀個(gè)體的經(jīng)濟(jì)狀況本身就差，或者是如果微觀個(gè)體的行為會影響到各地宏觀經(jīng)濟(jì)的表現(xiàn)，那么最小二乘法(OLS)的估計(jì)是有偏的。因此，本文構(gòu)造工具變量，采用兩階段最小二乘法(2SLS)來估計(jì)模型。

對于工具變量的構(gòu)造，采用Bartik(1991)[16]的偏離份額法，即用全國總體經(jīng)濟(jì)各產(chǎn)業(yè)增加值的增長率和各省相應(yīng)產(chǎn)業(yè)所占的比重來預(yù)測各省在2012年和2007年的增長率，再用這兩個(gè)增長率預(yù)測值之差作為工具變量(12)使用Bartik方法測度沖擊是區(qū)域和城市經(jīng)濟(jì)學(xué)研究中常用的做法，例如Blanchard和Katz(1992)[20], Notowidigdo(2011)[21]以及Hershbein和Kahn(2018)[12]等的研究。。假設(shè)全國各產(chǎn)業(yè)增加值的增長率為gNS，p省第S個(gè)產(chǎn)業(yè)所占的比重為SharepS，那么p省經(jīng)濟(jì)增長率的預(yù)測值為：

(2)

利用2007年和2012年全國各產(chǎn)業(yè)增加值的增長率，結(jié)合2004年到2006年間各省各產(chǎn)業(yè)增加值所占比重的平均值，運(yùn)用式(2)即可預(yù)測各省在2007年和2012年的增長率，從而計(jì)算Bartik工具變量，和gshock一樣，對其做了符號反向處理。之所以采用沖擊前即2004年到2006年間的產(chǎn)業(yè)結(jié)構(gòu)數(shù)據(jù)，而不是2007-2012年間的數(shù)據(jù)，是為了避免2007年后經(jīng)濟(jì)增長對產(chǎn)業(yè)結(jié)構(gòu)的影響。對于產(chǎn)業(yè)劃分，采用了國家統(tǒng)計(jì)局9大產(chǎn)業(yè)的分法，包括農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售業(yè)、交通運(yùn)輸業(yè)、住宿餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)、其他行業(yè)，具體劃分及數(shù)據(jù)來源見國家統(tǒng)計(jì)局網(wǎng)站。由以上方法構(gòu)造的工具變量僅與各省在沖擊前的產(chǎn)業(yè)結(jié)構(gòu)和沖擊后全國各產(chǎn)業(yè)的增長率有關(guān)，即經(jīng)濟(jì)增速下行沖擊體現(xiàn)在全國各產(chǎn)業(yè)增加值增長率的變化上。假設(shè)各地區(qū)各產(chǎn)業(yè)受到的沖擊和全國各產(chǎn)業(yè)相同，則地區(qū)之間所受沖擊的大小差異取決于沖擊前各地的產(chǎn)業(yè)結(jié)構(gòu)，而與經(jīng)濟(jì)增速放緩期間各省的特定因素?zé)o關(guān)。這樣構(gòu)造的工具變量僅反映各地受全國經(jīng)濟(jì)增速下行沖擊的影響，與各地受到的其他沖擊無關(guān)，因此是一個(gè)比較理想的工具變量。

四 基本估計(jì)結(jié)果及穩(wěn)健性檢驗(yàn)

首先，根據(jù)式(1)估計(jì)經(jīng)濟(jì)增速下行沖擊對個(gè)人收入的影響。表2列(1)的OLS估計(jì)結(jié)果顯示，經(jīng)濟(jì)增速下行沖擊的參數(shù)估計(jì)值為正，但并不顯著。接下來，采用Bartik方法構(gòu)造的工具變量，運(yùn)用2SLS重新估計(jì)模型，結(jié)果見表2列(2)。由表2最下面三行報(bào)告的第一階段估計(jì)結(jié)果可看出，Bartik工具變量和沖擊變量高度相關(guān)，弱工具變量檢驗(yàn)的F值為189，遠(yuǎn)超經(jīng)驗(yàn)值10，根據(jù)Stock et al.(2002)[22]的研究，說明工具變量是有效的(13)為節(jié)省篇幅，2SLS估計(jì)的第一階段回歸結(jié)果僅報(bào)告Bartik工具變量的估計(jì)值及其穩(wěn)健標(biāo)準(zhǔn)誤，弱工具變量的F檢驗(yàn)值報(bào)告在表2的最下面一行。在過度識別的情況下，檢驗(yàn)工具變量的有效性還可以用Sargan或Hansen檢驗(yàn)，但本文的模型是恰好識別，不能進(jìn)行此類檢驗(yàn)(Murray, 2006)[23]。。第二階段的估計(jì)結(jié)果顯示，此時(shí)經(jīng)濟(jì)增速下行沖擊的系數(shù)由正變?yōu)樨?fù)，表明經(jīng)濟(jì)增速放緩對收入有負(fù)面影響，但系數(shù)并不顯著。在列(3)中加入微觀個(gè)體的特征變量，仍采用IV估計(jì)，此時(shí)沖擊變量的系數(shù)絕對值有所下降，但仍不顯著。以上估計(jì)結(jié)果說明，經(jīng)濟(jì)增速下行沖擊對個(gè)人收入沒有顯著影響，與受沖擊影響較小的區(qū)域相比，受沖擊影響較大區(qū)域中個(gè)人收入相對下降較多，但區(qū)域之間的這種差異在統(tǒng)計(jì)上并不顯著。對此一個(gè)可能的解釋是：本文采用的是經(jīng)濟(jì)增速下行后第一年即2013年的數(shù)據(jù)。識別的是沖擊的短期效應(yīng)，而在短期工資收入的調(diào)節(jié)較慢，后文將對此做進(jìn)一步的分析(14)本文并不認(rèn)為可以從該估計(jì)結(jié)果得出我國勞動(dòng)力市場工資剛性的結(jié)論，因?yàn)槭軘?shù)據(jù)所限，本文只考慮了經(jīng)濟(jì)下行沖擊的短期效應(yīng)。。從控制變量來看，除了性別和戶口在10%水平顯著外，其他變量并不顯著。

健康管理傳入中國后，國家政策給予了較大程度的支持，使得健康管理有了一定的發(fā)展。2016年8月，由中國醫(yī)藥新聞信息協(xié)會主辦，中國保健協(xié)會、中華醫(yī)學(xué)會健康管理學(xué)分會等單位支持的中國首屆精準(zhǔn)健康管理高峰論壇暨精準(zhǔn)健康管理分會成立大會在京召開。這次會議的召開標(biāo)志著我國健康管理已經(jīng)從經(jīng)典的健康管理進(jìn)入了精準(zhǔn)健康管理的新高度。[8]精準(zhǔn)健康管理是建立在個(gè)體基因檢測的基礎(chǔ)上，結(jié)合健康體檢尤其是免疫細(xì)胞功能檢測、健康檔案、生活方式、動(dòng)態(tài)監(jiān)測和大數(shù)據(jù)分析解讀等，對個(gè)體和不同人群提供精準(zhǔn)健康評估、干預(yù)、督導(dǎo)、健康教育管理服務(wù)。精準(zhǔn)健康管理時(shí)代的來臨無疑為構(gòu)建中國特色的健康管理模式提供了新的思路和要求。[9]

運(yùn)用同樣的方法估計(jì)經(jīng)濟(jì)增速下行沖擊對就業(yè)的影響，結(jié)果見表2的列(4)-列(6)。由列(4)的結(jié)果可看出，采用OLS估計(jì)時(shí)，經(jīng)濟(jì)增速下行沖擊的系數(shù)估計(jì)值為負(fù)，但不顯著。列(5)的結(jié)果表明，采用工具變量后，弱工具變量檢驗(yàn)的F值遠(yuǎn)大于10，說明工具變量有效，此時(shí)經(jīng)濟(jì)增速下行沖擊系數(shù)的絕對值明顯變大，且在1%水平顯著。這表明經(jīng)濟(jì)增速放緩對就業(yè)有顯著的負(fù)面影響，由于模型中存在內(nèi)生性，OLS會低估沖擊效應(yīng)。在列(6)中加入微觀個(gè)體的特征變量后，盡管沖擊效應(yīng)系數(shù)的絕對值有所下降，但仍較為顯著。

表2 基本估計(jì)結(jié)果

根據(jù)表2列(6)的估計(jì)結(jié)果，相對于其他地區(qū)，如果一個(gè)地區(qū)的經(jīng)濟(jì)增長率下降1個(gè)百分點(diǎn)，則其就業(yè)率減少約2個(gè)百分點(diǎn)(15)該發(fā)現(xiàn)與奧肯定律指出的經(jīng)濟(jì)增長與就業(yè)率的變化方向一致，但系數(shù)的大小與奧肯定律有所不同。對此，有兩個(gè)解釋。一是本文采用的是經(jīng)濟(jì)增速下行沖擊在空間上的差異來識別經(jīng)濟(jì)增速變化與就業(yè)率變化之間的關(guān)系，如Guren et al.(2020)[24]所分析，區(qū)域?qū)用娴墓烙?jì)結(jié)果未必和宏觀數(shù)據(jù)的估計(jì)結(jié)果完全一致。此外，關(guān)于奧肯定律是否適用于中國，文獻(xiàn)中也有不同的觀點(diǎn)(方福前和孫永君，2010[25]；鄒沛江，2013[26]；盧鋒等，2015[27])。。以東部的廣東和中部的湖北為例，這兩個(gè)省份2012年的經(jīng)濟(jì)增長率與2007年相比，分別下降了6.7個(gè)和3.3個(gè)百分點(diǎn)，這意味著受經(jīng)濟(jì)增速下行沖擊的影響，與湖北相比，廣東就業(yè)率下降約7個(gè)百分點(diǎn)(16)根據(jù)CHIP數(shù)據(jù)，從2002年到2013年，廣東就業(yè)率下降了2.3個(gè)百分點(diǎn)，湖北就業(yè)率增加了8.8個(gè)百分點(diǎn)，兩省就業(yè)率的變化之差為11個(gè)百分點(diǎn)，大于模型所估計(jì)的沖擊效應(yīng)，這說明就業(yè)率的變化除了受經(jīng)濟(jì)下行影響外，還受其他因素影響。如果簡單比較就業(yè)率的變化，會夸大經(jīng)濟(jì)下行沖擊的影響。。如果用2013年廣東的勞動(dòng)人口來推算，經(jīng)濟(jì)增速下行沖擊使廣東的就業(yè)(相對于湖北)減少了約400萬(17)根據(jù)《廣東統(tǒng)計(jì)年鑒2014》，2013年廣東第二和第三產(chǎn)業(yè)就業(yè)人員為4712萬，以CHIP數(shù)據(jù)計(jì)算的就業(yè)率可推算2013年廣東第二和第三產(chǎn)業(yè)勞動(dòng)人口約為6000萬。據(jù)此，就業(yè)率下降7個(gè)百分點(diǎn)，意味著廣東就業(yè)人數(shù)(相對于湖北)減少了約400萬。。當(dāng)然，需要指出的是，這只是一種推算，和實(shí)際效應(yīng)可能有差異，因?yàn)檫@種推算是基于模型中沖擊效應(yīng)的估計(jì)結(jié)果，而估計(jì)值可能是有誤差的。此外，模型估計(jì)的是平均效應(yīng)，但地區(qū)之間有差異，平均效應(yīng)未必和各省的效應(yīng)完全相同。

前文圖2分析表明，2007年前經(jīng)濟(jì)增長速度快的省份受經(jīng)濟(jì)增速下行沖擊的影響可能相對較大，即省份之間有“收斂”的趨勢。如果這樣，那么以上回歸結(jié)果或許只是反映了這種趨勢，而并非是經(jīng)濟(jì)增速下行沖擊的作用。為了對此進(jìn)行檢驗(yàn)，在模型中加入2000年到2007年之間各省經(jīng)濟(jì)增長率的均值，作為各地在沖擊前的增長趨勢，運(yùn)用IV方法，重新估計(jì)模型，結(jié)果見表3列(1)和列(5)(18)表3中增長趨勢、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、出口比重的相關(guān)數(shù)據(jù)來自于國家統(tǒng)計(jì)局網(wǎng)站。。從列(1)個(gè)人收入的估計(jì)結(jié)果可看出，增長趨勢變量的系數(shù)顯著為正，說明沖擊前增長快的地區(qū)收入增長相對較快，并未出現(xiàn)收斂趨勢。從經(jīng)濟(jì)增速下行沖擊系數(shù)的估計(jì)值來看，系數(shù)依然為負(fù)，與表2結(jié)果相比，其絕對值明顯增大，但僅在10%水平顯著。從列(5)對就業(yè)的估計(jì)結(jié)果來看，同樣，增長趨勢的系數(shù)也顯著為正，說明即使從就業(yè)來看，也不存在收斂趨勢。經(jīng)濟(jì)增速下行沖擊的系數(shù)仍在5%水平顯著為負(fù)，系數(shù)的絕對值明顯增大，是表2列(6)估計(jì)值的3倍。這說明在模型中加入經(jīng)濟(jì)增速下行前的增長趨勢，不但沒有降低經(jīng)濟(jì)增速下行沖擊的作用，相反，卻強(qiáng)化了其影響。

表3 穩(wěn)健性檢驗(yàn)結(jié)果I

(續(xù)上表)

另外需考慮的是，地區(qū)經(jīng)濟(jì)規(guī)模大小可能也會影響經(jīng)濟(jì)增速下行沖擊的效應(yīng)。比如，規(guī)模大的省份在經(jīng)濟(jì)增速放緩時(shí)自我調(diào)節(jié)能力強(qiáng)，所以該地個(gè)體受到的影響可能較小。相反，規(guī)模小的地區(qū)容易受沖擊影響而產(chǎn)生波動(dòng)，該地微觀個(gè)體受到的影響或許較大。因此，在模型中加入沖擊前各省產(chǎn)出占全國產(chǎn)出的比重，以此來控制經(jīng)濟(jì)規(guī)模對經(jīng)濟(jì)增速下行沖擊效應(yīng)的影響。由表3列(2)和列(6)的估計(jì)結(jié)果看，經(jīng)濟(jì)規(guī)模的系數(shù)為正但顯著性不高，沖擊效應(yīng)的大小、符號和顯著性與表2列(3)和列(6)結(jié)果相比，幾乎沒有變化(19)對于經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)和出口比重，本文采用初始時(shí)期之前即2000-2002年的均值，也嘗試使用2000-2007年間的均值，結(jié)果并無明顯區(qū)別。。這說明本文所識別的沖擊效應(yīng)并非由各地經(jīng)濟(jì)規(guī)模差異引起。此外，考慮到由于各省產(chǎn)業(yè)結(jié)構(gòu)不同，各地對沖擊的反應(yīng)可能有差異，比如，第二產(chǎn)業(yè)占比高的省份可能更容易受到經(jīng)濟(jì)增速放緩的影響。因此，在模型中加入各省第二產(chǎn)業(yè)增加值占產(chǎn)出的比重，表3列(3)和列(7)的估計(jì)結(jié)果表明，第二產(chǎn)業(yè)占比高的省份的收入和就業(yè)增長較快。從經(jīng)濟(jì)增速下行沖擊變量來看，其對收入的作用為負(fù)，但不顯著，對就業(yè)的影響則顯著為負(fù)，這和表2基本估計(jì)結(jié)果一致，說明即使在產(chǎn)業(yè)結(jié)構(gòu)類似的地區(qū)，經(jīng)濟(jì)增速下行沖擊對就業(yè)仍有顯著的負(fù)面影響。最后，在模型中加入各地出口占產(chǎn)出的比重，以控制各地經(jīng)濟(jì)對外依存度的影響，表3列(4)和列(8)的估計(jì)結(jié)果同樣表明，表2基本估計(jì)結(jié)果是穩(wěn)健的。

除了以上檢驗(yàn)外，本文也嘗試了其他穩(wěn)健性檢驗(yàn)：(1)考慮到60歲以上的人很多已不再工作，因此把樣本年齡限制在16-60歲之間；(2)把最高收入1%的樣本刪除，以消除高收入群體對估計(jì)結(jié)果的可能影響；(3)前文是以3歲為基準(zhǔn)來合成樣本，也嘗試了2歲，以增加合成樣本數(shù)；(4)類似的做法，嘗試以4歲為基準(zhǔn)來合成樣本。以上檢驗(yàn)中經(jīng)濟(jì)增速放緩沖擊對收入影響的估計(jì)結(jié)果見表4列(1)-列(4)，對就業(yè)的影響見列(5)-列(8)。顯然，檢驗(yàn)結(jié)果與表2中列(3)和列(6)的基本估計(jì)結(jié)果類似。

表4 穩(wěn)健性檢驗(yàn)結(jié)果II

(續(xù)上表)

總之，以上估計(jì)結(jié)果表明，經(jīng)濟(jì)增速放緩對微觀個(gè)體的收入和就業(yè)有負(fù)面影響，其中就業(yè)受到的影響高度顯著，經(jīng)濟(jì)增速下降1個(gè)百分點(diǎn)，就業(yè)率減少約2個(gè)百分點(diǎn)。如果不考慮內(nèi)生性問題，經(jīng)濟(jì)增速放緩的影響會被低估。該結(jié)論在控制了微觀個(gè)體特征以及各地在沖擊前的增長趨勢、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)和對外依存度等之后，仍是穩(wěn)健的。需要指出的是，表2和表3的估計(jì)結(jié)果與表1的比較之間并不矛盾。如前文所述，表1只是收入和就業(yè)在2002年和2013年間的直接比較，而本部分估計(jì)的是經(jīng)濟(jì)增速下行沖擊對收入和就業(yè)的影響。比如，對于就業(yè)，表1表明，2002-2013年，全樣本就業(yè)率在上升。表2和表3的估計(jì)結(jié)果表明，經(jīng)濟(jì)增速下行沖擊的就業(yè)效應(yīng)為負(fù)，即相對于受沖擊較小區(qū)域，受沖擊影響較大區(qū)域的就業(yè)率增加較少(或減少更多)。

五 異質(zhì)性影響分析

以上討論的是經(jīng)濟(jì)增速下行沖擊對收入和就業(yè)的平均效應(yīng)，或者是說研究的是特征相似的個(gè)體，由于處在不同地理空間位置而受到經(jīng)濟(jì)增速下行的不同影響?？紤]到微觀個(gè)體之間存在差異，如不同年齡段、不同性別或不同受教育程度的人群在經(jīng)濟(jì)增速放緩時(shí)的反應(yīng)可能不同，以下將研究經(jīng)濟(jì)增速下行沖擊對不同類別個(gè)體的異質(zhì)性影響。為此，首先按年齡，即每9歲為一組，把樣本分為6組，設(shè)定組別虛擬變量，然后在模型(1)中加入組別虛擬變量和沖擊變量的交乘項(xiàng)，通過該交乘項(xiàng)系數(shù)的估計(jì)值來判斷經(jīng)濟(jì)增速下行沖擊對不同年齡段人群的影響是否有差異(20)合成數(shù)據(jù)時(shí)，本文是以每3歲為一組，為了與之對應(yīng)，分組虛擬變量的設(shè)定應(yīng)是3的倍數(shù)，比如6、9或12，本文采用了9歲，主要的考慮是，相隔9歲接近于一代人。。為了便于比較，把各年齡組收入和就業(yè)所受沖擊效應(yīng)的IV點(diǎn)估計(jì)值及其90%置信區(qū)間報(bào)告在圖5中(21)模型中除了年齡分組虛擬變量和經(jīng)濟(jì)下行沖擊的交乘項(xiàng)外，還加入了個(gè)體特征變量。工具變量為前文計(jì)算的Bartik指標(biāo)和分組虛擬變量的交乘項(xiàng)。下文研究受教育程度和性別的異質(zhì)性影響時(shí)，采用了類似做法。。

圖5a 不同年齡組收入所受影響 圖5b 不同年齡組就業(yè)所受影響

顯然，經(jīng)濟(jì)增速下行沖擊對個(gè)人收入的影響，在組別之間差異明顯。對于16-24歲、43-51歲以及60歲以上各組，個(gè)人收入受經(jīng)濟(jì)增速下行沖擊的影響為負(fù)。對于其他年齡組，收入受到的影響為正。但無論是哪個(gè)年齡組，沖擊效應(yīng)均不顯著，說明經(jīng)濟(jì)增速放緩對各年齡組的收入都沒有顯著影響，這和表2的基本估計(jì)結(jié)果一致。對于就業(yè)，結(jié)果有所不同，年輕組(16-24歲)和年老組(61-65歲)就業(yè)受經(jīng)濟(jì)增速下行沖擊的負(fù)面影響較為顯著，特別是年輕組，其系數(shù)在1%水平顯著，系數(shù)的絕對值遠(yuǎn)大于表2中的平均效應(yīng)。這說明相對于其他年齡組，年輕人更容易在經(jīng)濟(jì)增速下行中受損，經(jīng)濟(jì)增長率下降1個(gè)百分點(diǎn)，年輕人的就業(yè)率下降約9個(gè)百分點(diǎn)。這和Yagan(2019)[13]關(guān)于美國勞動(dòng)力市場的研究發(fā)現(xiàn)一致，可能是由于年輕群體進(jìn)入勞動(dòng)力市場較短，沒有獲得穩(wěn)定的勞動(dòng)合同及本身職業(yè)技能比較低，容易在經(jīng)濟(jì)增速下行時(shí)被辭退。對于34-42歲這一組別，沖擊效應(yīng)的系數(shù)為負(fù)，但并不顯著。對于其他三個(gè)年齡組，經(jīng)濟(jì)增速下行時(shí)其就業(yè)率反而有所增加，但除了25-33歲這一組在10%水平顯著外，其他年齡組所受影響并不顯著。

為了研究經(jīng)濟(jì)增速下行沖擊對不同受教育程度群體的影響，把CHIP中調(diào)查對象的受教育程度分為三類：受小學(xué)及以下教育、受中學(xué)教育、受大學(xué)及以上教育。在此基礎(chǔ)上，根據(jù)省份、年齡和受教育程度三個(gè)指標(biāo)來合成數(shù)據(jù)，然后利用該合成數(shù)據(jù)，在模型(1)中引入經(jīng)濟(jì)增速下行沖擊與受教育程度分組虛擬變量的交乘項(xiàng)，再運(yùn)用2SLS估計(jì)經(jīng)濟(jì)增速下行沖擊對不同受教育程度組別的影響(22)本文不能采用基本估計(jì)所用的合成樣本，直接加入受教育程度虛擬變量，這是因?yàn)榘词》莺湍挲g段合成樣本后，受教育程度成為了合成變量，并非0-1虛擬變量。因此，這里需要按照省份、年齡和受教育程度重新合成樣本。同樣的原因，下文研究性別的異質(zhì)性影響時(shí)，也重新合成了樣本。。各組收入和就業(yè)受沖擊影響的點(diǎn)估計(jì)值及其10%置信區(qū)間見圖6a和圖6b的左半部分。圖6a顯示，受小學(xué)及以下教育的人群在經(jīng)濟(jì)增速放緩時(shí)的收入效應(yīng)為正，但并不顯著。受大學(xué)和中學(xué)教育人群的收入效應(yīng)為負(fù)，其中受中學(xué)教育人群所受的影響較為顯著。從沖擊效應(yīng)系數(shù)估計(jì)值的大小來看，經(jīng)濟(jì)增速下降1個(gè)百分點(diǎn)，受中學(xué)教育人群的收入下降約4.9個(gè)百分點(diǎn)(23)經(jīng)濟(jì)增長率下降1%，收入的對數(shù)下降0.0503，意味著收入下降exp(-0.0503)-1，約為4.9%。。

就業(yè)效應(yīng)的估計(jì)結(jié)果和收入效應(yīng)明顯不同。圖6b顯示，對于受小學(xué)及以下教育程度的人群，經(jīng)濟(jì)增速放緩對其就業(yè)的影響顯著為負(fù)，經(jīng)濟(jì)增長率下降1個(gè)百分點(diǎn)，其就業(yè)率下降近6個(gè)百分點(diǎn)。這說明低教育程度人群的就業(yè)容易在經(jīng)濟(jì)增速放緩中受損。有意思的是，受大學(xué)及以上教育人群的就業(yè)也受經(jīng)濟(jì)增速放緩的負(fù)面影響，盡管其所受影響比低教育水平的人群要小很多。這說明，不僅僅是低學(xué)歷人群在經(jīng)濟(jì)增速放緩時(shí)就業(yè)率會下降，高學(xué)歷人群也面臨失業(yè)的壓力，對于剛剛畢業(yè)工作不久的大學(xué)生而言影響可能更為突出。對于受中學(xué)教育的人群，沖擊效應(yīng)為負(fù)但并不顯著。這說明從受教育水平來看，與分年齡段時(shí)的發(fā)現(xiàn)類似，即經(jīng)濟(jì)增速放緩時(shí)，處于尾部分布的人群其就業(yè)容易受損，處于中間分布的人群其就業(yè)受到的影響相對較小，經(jīng)濟(jì)增速下行沖擊存在所謂的尾部效應(yīng)。

圖6a 不同受教育程度和性別人群收入所受影響 圖6b 不同受教育程度和性別人群就業(yè)所受影響

類似的做法，把樣本分為男性和女性，計(jì)算各省每個(gè)年齡段兩個(gè)性別組內(nèi)樣本的均值，以此為合成樣本，然后在模型(1)中引入經(jīng)濟(jì)增速下行沖擊與性別分組虛擬變量的交乘項(xiàng)，進(jìn)行2SLS回歸。經(jīng)濟(jì)增速下行沖擊對男性與女性收入和就業(yè)影響的點(diǎn)估計(jì)值及其90%置信區(qū)間見圖6a和圖6b的右半部分。從中可看出，男性和女性的收入在經(jīng)濟(jì)增速下行沖擊后都有所下降，但兩組效應(yīng)均不顯著。從就業(yè)來看，女性和男性就業(yè)率都受到了負(fù)面影響，但只有女性的就業(yè)效應(yīng)顯著，說明相較于男性，女性就業(yè)率在經(jīng)濟(jì)增速下行中受損更為嚴(yán)重。這和Hoynes et al.(2012)[14]的發(fā)現(xiàn)不同，他們的研究表明，在美國，經(jīng)濟(jì)波動(dòng)沖擊對男性就業(yè)的影響更大。這可能與我國勞動(dòng)力市場的特征有關(guān)，相較于男性，女性在就業(yè)中的處境更為不利。

以上估計(jì)結(jié)果表明，女性、年輕組和受教育水平低的組別受經(jīng)濟(jì)增速放緩的影響更大，這既與這些組別的特征及其在勞動(dòng)力市場的處境相關(guān)，也可能與這些群體所在的行業(yè)有關(guān)。一般而言，制造業(yè)、批發(fā)零售餐飲業(yè)更容易受到經(jīng)濟(jì)波動(dòng)的影響，而政府部門受到的影響則相對較小。為了驗(yàn)證該猜測，利用CHIP數(shù)據(jù)，計(jì)算了沖擊前各組人群在不同行業(yè)中的就業(yè)比重，表5列出了就業(yè)比重較高的幾個(gè)行業(yè)(24)CHIP中劃分了農(nóng)業(yè)、采掘業(yè)、制造業(yè)、建筑業(yè)等16個(gè)行業(yè)，為節(jié)省篇幅，表5中僅報(bào)告了就業(yè)比重較高的幾個(gè)行業(yè)。。從中可看出，對于16-24歲這一組別，相對于其他年齡組，其就業(yè)主要集中在批發(fā)零售餐飲和社會服務(wù)業(yè)，這些行業(yè)，特別是批發(fā)零售餐飲業(yè)容易受經(jīng)濟(jì)增速放緩的影響，所以該群體的就業(yè)率在經(jīng)濟(jì)增速放緩時(shí)下降明顯。類似地，相較于男性，女性的就業(yè)也更多集中在這兩個(gè)行業(yè)，所以也容易受經(jīng)濟(jì)增速放緩影響。對于低學(xué)歷人群，制造業(yè)的就業(yè)比重接近40%，遠(yuǎn)高于受中學(xué)和大學(xué)教育人群所占比重，當(dāng)制造業(yè)受經(jīng)濟(jì)增速下行沖擊影響時(shí)，低學(xué)歷群體面臨更大的失業(yè)壓力，因此在經(jīng)濟(jì)增速放緩中受到的影響更為嚴(yán)重。

表5 分組分行業(yè)就業(yè)所占比重(%)

綜上，經(jīng)濟(jì)增速放緩時(shí)，年輕人、受教育水平低的人群和女性就業(yè)受到的不利影響相對于其他組別更大。這些群體一般是低收入群體，如果沒有相應(yīng)政策幫助其應(yīng)對經(jīng)濟(jì)增速下行沖擊，任其在勞動(dòng)力市場中處于不利處境，其收入水平可能會相對下降，乃至絕對下降，甚至陷入貧困，從而進(jìn)一步拉大我國本已非常嚴(yán)重的居民收入差距。從長期來看，這并不利于經(jīng)濟(jì)的持續(xù)增長和高質(zhì)量發(fā)展。

六 進(jìn)一步的討論

為什么經(jīng)濟(jì)增速放緩對個(gè)人收入和就業(yè)，特別是對就業(yè)有顯著的負(fù)面影響？經(jīng)濟(jì)增速下行沖擊影響微觀個(gè)體的機(jī)制是什么？下文將做進(jìn)一步的分析。

有觀點(diǎn)認(rèn)為我國經(jīng)濟(jì)增速放緩是外部性、周期性因素導(dǎo)致的，是需求不足驅(qū)動(dòng)的(林毅夫，2016[28]; Lin, 2019[10])。2008年國際金融危機(jī)爆發(fā)后，隨著外部經(jīng)濟(jì)環(huán)境的變化，我國對外貿(mào)易出口額不斷下降，外向型企業(yè)的經(jīng)營狀況遭受到極為不利的影響，迫使企業(yè)不得不裁員，這可能是造成我國就業(yè)下降的一個(gè)因素。但表3的估計(jì)結(jié)果表明，在控制了各地出口占產(chǎn)出的比重后，即在對外經(jīng)濟(jì)聯(lián)系水平一樣的地區(qū)，由于經(jīng)濟(jì)增速下行沖擊不同，微觀個(gè)體就業(yè)變化在地區(qū)間仍有顯著的差異，這說明外部經(jīng)濟(jì)環(huán)境變化并非是造成我國就業(yè)下降的主要原因。

人口結(jié)構(gòu)轉(zhuǎn)變也可能是影響就業(yè)的一個(gè)原因。一些研究指出，近年來我國人口老齡化趨勢明顯，人口撫養(yǎng)比上升，人口紅利逐漸消失，從而影響經(jīng)濟(jì)的潛在增長率和就業(yè)(蔡昉,2016b)[17]。此外，隨著人口結(jié)構(gòu)的變化，勞動(dòng)供給的數(shù)量在減少，這勢必也會影響到經(jīng)濟(jì)增長和就業(yè)。根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，我國16-59歲勞動(dòng)年齡人口在持續(xù)減少，就業(yè)人口總量在2018年首次出現(xiàn)下降。但本文發(fā)現(xiàn)，在模型中控制了各省的人口結(jié)構(gòu)后，基本結(jié)果沒有明顯變化，這說明人口結(jié)構(gòu)的變化不是引起就業(yè)下降的主要因素(25)在表2列(6)中加入各地人口結(jié)構(gòu)控制變量后，經(jīng)濟(jì)下行沖擊的系數(shù)估計(jì)值為-2.193，顯著性水平p值為0.017。。

本文認(rèn)為，國內(nèi)市場環(huán)境的變化是經(jīng)濟(jì)增速放緩影響微觀個(gè)體的主要原因，個(gè)人非理性預(yù)期、勞動(dòng)力市場錯(cuò)配加劇以及企業(yè)破壞性創(chuàng)新在其中發(fā)揮重要作用，具體如下。

第一個(gè)途徑是非理性預(yù)期。經(jīng)濟(jì)增速下行時(shí)，由于非理性預(yù)期，微觀個(gè)體對未來經(jīng)濟(jì)不確定性過度憂慮，易對宏觀經(jīng)濟(jì)做出超出實(shí)際的悲觀判斷。為了應(yīng)對未來經(jīng)濟(jì)的不確定性，家庭會選擇減少消費(fèi)、增加儲蓄(Ludvigson, 2004)[29]。消費(fèi)緊縮會導(dǎo)致需求下降，從而可能影響企業(yè)的產(chǎn)品銷售和經(jīng)營狀況，導(dǎo)致企業(yè)降低對勞動(dòng)力的需求，所以就業(yè)下降。本文研究發(fā)現(xiàn)，就業(yè)受經(jīng)濟(jì)增速放緩的影響主要發(fā)生在低教育水平和剛進(jìn)入勞動(dòng)力市場的年輕群體中，這一部分人群的工資水平本身較低，很多只是略高于最低工資標(biāo)準(zhǔn)，由于最低工資的限制，工資收入不大可能再被降低，經(jīng)濟(jì)增速放緩時(shí)企業(yè)的選擇可能只是裁員，而非減薪，因此經(jīng)濟(jì)增速放緩對收入沒有顯著影響，而對就業(yè)有顯著的負(fù)面作用。當(dāng)然，由于本文采用的是2013年的數(shù)據(jù)，距經(jīng)濟(jì)增速放緩僅一年，實(shí)際上，識別的是經(jīng)濟(jì)增速放緩對就業(yè)和收入的短期效應(yīng)，從長期來看，收入可能也會受到影響。

第二個(gè)途徑是勞動(dòng)力市場錯(cuò)配的加劇。宏觀經(jīng)濟(jì)增速放緩時(shí)的就業(yè)下降或失業(yè)更多的是結(jié)構(gòu)性失業(yè)。一方面，我國正處于產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型期，需要大量高素質(zhì)和高技能的勞動(dòng)力，另一方面，我國勞動(dòng)力的教育和職業(yè)技能等人力資本積累水平整體較低，結(jié)構(gòu)性矛盾嚴(yán)重(姚毓春等，2014)[30]。在經(jīng)濟(jì)增速放緩時(shí)，勞動(dòng)力的人力資本水平和就業(yè)崗位需求的不匹配加劇，經(jīng)濟(jì)上行期間所掩蓋的就業(yè)結(jié)構(gòu)性矛盾凸顯，勢必使就業(yè)下降。本文研究表明年輕勞動(dòng)力、女性和低教育水平群體就業(yè)受沖擊的影響比較大，這可能是由于這些群體相對缺乏職業(yè)技能，多在發(fā)展不穩(wěn)定的行業(yè)任職，應(yīng)對經(jīng)濟(jì)增速放緩的能力比較弱。當(dāng)經(jīng)濟(jì)增速放緩時(shí)，其更容易因錯(cuò)配而失業(yè)，從而在一定程度上表明錯(cuò)配加劇是經(jīng)濟(jì)增速放緩影響微觀個(gè)體收入和就業(yè)的一個(gè)機(jī)制。

第三個(gè)途徑是企業(yè)破壞性創(chuàng)新。根據(jù)熊彼特的破壞性創(chuàng)新理論，經(jīng)濟(jì)增速放緩時(shí)，企業(yè)投資于創(chuàng)新品的機(jī)會成本低，創(chuàng)新和技術(shù)進(jìn)步更容易出現(xiàn)。此時(shí)企業(yè)更愿意采用新技術(shù)，甚至用機(jī)器替代人。近年來，中國企業(yè)的創(chuàng)新模式不斷涌現(xiàn)，例如24小時(shí)無人商店、集社交與電商模式于一體的拼多多、5G技術(shù)應(yīng)用等，這些新模式對傳統(tǒng)行業(yè)造成了巨大沖擊。本文研究表明受經(jīng)濟(jì)增速放緩影響較大的勞動(dòng)力多從事制造業(yè)、批發(fā)零售和餐飲等低技能行業(yè)，而新技術(shù)如人工智能最容易取代的就是這些低技能的行業(yè)。當(dāng)企業(yè)進(jìn)行破壞性創(chuàng)新時(shí)，對勞動(dòng)力特別是低技能勞動(dòng)力的需求減少，從而造成就業(yè)下降。

七 結(jié)論及建議

我國經(jīng)濟(jì)在經(jīng)歷多年高速增長后，從2012年起增速放緩，從之前的年均10%降至8%以下，且今年在新冠肺炎疫情影響下有進(jìn)一步下行的壓力。宏觀經(jīng)濟(jì)形勢的這一變化引起了學(xué)術(shù)界的高度關(guān)注?，F(xiàn)有文獻(xiàn)多從宏觀層面討論經(jīng)濟(jì)增速下降的原因、影響及應(yīng)對策略，較少從微觀層面識別經(jīng)濟(jì)增速放緩對個(gè)人的影響。這是本文立論的一個(gè)主要?jiǎng)右颉２捎弥袊彝ナ杖胝{(diào)查數(shù)據(jù)，通過組別合成方法，構(gòu)造了可以在經(jīng)濟(jì)增速下行沖擊前后進(jìn)行比較的合成樣本。在此基礎(chǔ)上，建立差分模型，利用Bartik工具變量，估計(jì)經(jīng)濟(jì)增速下行沖擊對個(gè)人收入和就業(yè)的影響，并把樣本按年齡、性別和受教育程度等進(jìn)行分組，分析了經(jīng)濟(jì)增速下行對不同組別的異質(zhì)性影響。最后討論了經(jīng)濟(jì)增速放緩影響微觀個(gè)體的機(jī)制。結(jié)果表明：經(jīng)濟(jì)增速放緩對個(gè)人收入沒有顯著的影響，但就業(yè)率在經(jīng)濟(jì)增速放緩后則有顯著變化；一個(gè)地區(qū)的經(jīng)濟(jì)增速相對下降1個(gè)百分點(diǎn)，其就業(yè)率減少約2個(gè)百分點(diǎn)。該發(fā)現(xiàn)在考慮了沖擊前各地的增長趨勢、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)和出口比重后，仍是穩(wěn)健的。分年齡組來看，年輕組的就業(yè)情況受經(jīng)濟(jì)增速下行的影響最為明顯。分教育程度來看，小學(xué)及以下受教育人群的就業(yè)率下降最多。分性別來看，女性就業(yè)受到的影響更大。

本文認(rèn)為，經(jīng)濟(jì)增速放緩時(shí)，一方面，為了應(yīng)對未來經(jīng)濟(jì)的不確定性，家庭的儲蓄增加、消費(fèi)減少，從而影響企業(yè)產(chǎn)品銷售及其對勞動(dòng)力的需求；另一方面，企業(yè)投資于創(chuàng)新品的機(jī)會成本降低，導(dǎo)致企業(yè)更愿意采用新技術(shù)，甚至用機(jī)器代替人，勞動(dòng)力市場的錯(cuò)配加劇。幾方面的因素疊加，導(dǎo)致經(jīng)濟(jì)增速放緩時(shí)就業(yè)，特別是低教育水平、女性和年輕群體的就業(yè)受到了顯著的負(fù)面影響。應(yīng)對經(jīng)濟(jì)增速放緩壓力，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展，首先是要通過政策宣導(dǎo)增強(qiáng)人們對未來經(jīng)濟(jì)的信心，通過各種政策工具刺激居民擴(kuò)大消費(fèi)。其次是要通過各種途徑引導(dǎo)企業(yè)提高創(chuàng)新能力和生產(chǎn)率，增強(qiáng)其應(yīng)對市場波動(dòng)的能力，創(chuàng)造更多的就業(yè)機(jī)會。最后是要加大教育和技能培訓(xùn)投入，特別是對低教育水平和低技能人群的培訓(xùn)，提高此類人群的人力資本水平，使其適應(yīng)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整期企業(yè)對勞動(dòng)力的需求。