| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 劳动/就业 |
| 延迟退休后劳动力失业风险影响因素分析 |
| 第756期 作者：□文/窦浩然 时间：2025/7/2 8:52:05 浏览：45次 |
［提要］ 本文基于中国综合社会调查四期调查数据，以人力资本因素和代际因素作为解释变量，中国劳动力失业风险作为被解释变量，通过构建混合截面数据实证模型，探讨延迟退休政策后最受影响的中国三代劳动力失业风险及影响因素问题。基于实证研究结果，从政府和劳动力个人两个层面提出延迟退休政策后防范劳动力失业风险的建议。
关键词：人力资本因素；代际因素；延迟退休
中图分类号：F241.4 文献标识码：A
收录日期：2024年12月27日
一、问题的提出
当前，人口老龄化已成为全球性的挑战。随着预期寿命的延长和生育率的下降，老年人口比例持续上升，导致劳动力市场紧缩，养老金制度负担加重。为了应对这一问题，世界各国政府都采取了措施，提高退休年龄是一种普遍的选择。我国政府决定从2025年1月1日起正式实施延迟退休政策，以缓解人口老龄化带来的社会经济压力。研究表明，延迟退休政策的实施会给中国劳动力市场带来显著的变化，增加了中国劳动力市场的复杂性和不确定性，特别是对于中国“70后” “80后” “90后”，他们是第一批受到延迟退休政策影响的人，有可能面临较大的失业风险。因此，在延迟退休政策出台背景下，从人力资本因素和代际因素分析中国三代劳动力的失业风险及影响因素具有重要的现实意义。
按照现代经济学理论，失业风险由劳动力供给和需求因素双重交互作用影响所致。从供给角度分析，不同代际劳动力的教育水平、身心健康情况、就业能力和素养等存在显著的差异，会影响劳动力的就业选择和就业市场竞争力，因此这些因素会影响劳动力的失业风险。从需求角度分析，工作岗位对不同年龄、教育及健康水平的劳动力的需求水平有显著的差异，而这些需求也随着时间的推移发生较大的变化，最终表现为中国不同年代劳动力的失业风险及代价差异等问题。延迟退休后，最早受影响的“70后”劳动力将可能成为易失业的高危人群，这是因为高年龄的劳动力往往面临着更大的失业风险。因此，在延迟退休后进一步探讨中国劳动力市场上的“70后” “80后” “90后”劳动力群体，以实证检验哪一代人面临更大的失业风险，并确定影响其失业风险的因素，确实是一个值得进一步研究的重要课题。
二、数据说明、概念测量及描述性统计分析
（一）数据来源和处理。CGSS是我国连续性截面社会调查的代表，通过年度调查数据对中国社会进行全面、系统的描述和分析，能够揭示社会变迁的发展方向和趋势。2003年至2023年，CGSS进行了16次年度调查，在全国范围成功问卷访问了172，036人。同时，为了捕捉中国劳动力失业风险的时间变化，本研究利用2017年、2019年、2021年、2023年四个近期的调查数据构建横截面数据集。样本量方面，2017年、2019年、2021年、2023年有效样本分别为10，143份、10，243份、10，189份、10，243份。由于2025年1月我国退休政策正式实施，大多数“60后”已经退出了传统的就业岗位。同时，目前“00后”的多数人还在求学阶段，进而需要剔除还未正式进入劳动力市场的“00后”。因此，本研究以延迟退休政策为标准，设定中国“70后” “80后” “90后”这三代劳动力作为本文的研究对象。
样本数据方面，中国“70后” “80后” “90后”劳动力在调查年份的年样本量分别为5，531份、4，016份和1，755份。值得注意的是，中国的法定工作年龄最低为16岁，而CGSS数据覆盖的是18岁及以上的个体，导致“90后”样本中没有包括16～17岁的劳动力个体。然而，考虑到只有两个年龄组的数据缺失，“90后”劳动力的总样本量超过1，750人，这一缺失的数据对研究结果的影响被认为是最小的。此外，为了反映中国三代劳动力的整体失业风险，基于2017年、2019年、2021年和2023年的数据，构建“70后” “80后” “90后”劳动力的横截面数据集，用于实证检验分析的总样本量为11，302份。
（二）劳动力失业风险测度。学界主要采用失业率和失业持续期两个指标对劳动力失业情况进行测度。不过，本文研究的是劳动力失业风险，失业风险和失业率是两个不同的概念，失业率则是衡量劳动力市场中失业人数所占的比例，而失业风险指的是个人或群体因各种原因面临失去工作的可能性，失业风险的关键是风险不确定问题。因此，本研究借鉴先前的研究方法，使用问题“你认为你在未来五年内失业的可能性有多大？”作为失业风险的测度指标。虽然这种测量方法偏于主观，但是能够有效地捕捉了失业风险固有的“不确定性”性质，提高测量的准确性。回答选项设计如下：“1=非常可能，2=相当可能，3=不确定，4=不太可能，5=完全不可能”。为了更好地描述劳动力中失业风险的严重性和趋势，本研究将“非常可能”和“相当可能”的反应视为具有失业风险的指示，并将这些选择的值赋为1；而其他回答则被视为没有失业风险，并将这些选择的值赋为0。
（三）中国三代劳动力失业风险及变化趋势。表1为延迟退休政策后中国三代劳动力的失业风险及变化趋势统计结果。其中，2020～2023年，中国“70后”劳动力失业风险呈现出显著的逐年上升态势，中国“80后”劳动力则呈现出小幅度的上升又下降的波动状态，而中国“90后”劳动力则呈现出显著的逐年下降趋势。中国“70后”和“80后”劳动力失业风险发生率呈稳定上升趋势，而“90后”劳动力失业风险发生率呈稳定下降趋势。平均值方面，“70后”的平均值为25.2%，“80后”的平均值为21.8%，“90后”的平均值为22.1%，显著性检验结果P＜0.05。总体而言，中国“70后”劳动力面临着更严峻的失业风险问题，其次是中国“90后”劳动力，三代劳动力失业风险的代价差异较为显著。（表1）
三、变量选择、模型构建及实证检验
（一）变量选择
1、解释变量。本文选取人力资本因素和代际因素作为解释变量。其中，人力资本因素除了有关学者研究的年龄、性别、婚姻状况、教育水平等之外，本文还增添了工作技能、管理经验、企业培训等指标来进一步测度人力资本因素对劳动力失业风险的影响。此外，受延迟退休政策影响的中国三代劳动力的代际因素也成为本文重点探讨的影响因素，通过实证检验不同时代劳动力的失业风险影响因素，可以更有针对性地提出防范失业的对策。
2、被解释变量。本文的被解释变量为劳动力失业风险。延迟退休政策正式实施后，劳动力的供给和需求在职业、技能、产业、地区分布等方面的不协调趋势可能会进一步加剧，由此，社会结构性失业会成为主要失业类型，这意味着在需求稳定的劳动力中，那些竞争力较弱或技能较弱的人失业的可能性较高（王阳，2021）。因此，本研究使用未来五年劳动力失业风险即失业的可能性作为解释变量。
3、主要控制变量。结合前文的研究结果，加入性别、政治面貌、身心健康、劳动合同签订情况、失业保险情况等作为若干控制变量，以进一步分析中国三代劳动力失业风险影响因素。（表2）
（二）回归模型构建。为分析中国三代劳动力失业风险的影响因素，本文采用经典的Logit回归模型构建如下实证模型：
LnUNE_Riski=α0+β1EDUi+β2EXPi+β3MEi+β4SKIi+λ1GENi+λ2POLi+λ3PHi+λ4UNIi+λ5EMPi+ηaIGFi+εi
其中，解释变量EDUi的系数β1反映了受教育水平对劳动力失业风险的影响；EXPi的系数β2反映了工作经验对劳动力失业风险的影响，当工作经验越多，劳动力失业风险越低；MEi的系数β3反映了劳动力具备管理经验对劳动力失业风险的影响，劳动力具备更多的管理经验，其失业风险会降低；SKIi的系数β4反映了工作培训对劳动力失业风险的影响，如果参加过工作培训，则失业风险降低。IGFi则表示中国三代劳动力失业风险的代际因素影响。被解释变量LnUNE_Riski表示中国三代劳动力是否存在失业风险，取值为1表示存在失业风险，取值为0表示不存在失业风险。
此外，模型中还有五个控制变量：GENi表明男性或女性性别对劳动力失业风险的影响；POLi表明是否为中共党员对失业风险的影响；PHi表示身体健康是否影响劳动力失业风险；UNiI表示与企业单位签订劳动合同对劳动力失业风险的影响；EMPi表示参加失业保险对失业风险的影响。常数项α0为截距，εi为模型中的误差项。
（三）模型参数估计结果分析。表3的模型参数估计结果中，模型1～模型3探讨的是延迟退休政策背景下中国三代劳动力失业风险影响因素的差异，模型4探讨的是代际因素对延迟退休政策背景下中国三代劳动力失业风险的影响。（表3）
结果可见，模型1、模型2、模型3、模型4全部通过显著性检验，表明延迟退休政策影响下中国三代劳动力的失业风险存在着显著的代际差异。其中，“70后”劳动力的失业风险是“80后”和“90后”劳动力的1.33倍和1.26倍，同时“80后”和“90后”劳动力的失业风险缺乏显著的统计学意义，表明延迟退休政策背景下“70后”劳动力面临着最高的失业风险。
人力资本因素影响中，教育水平、工作经验、管理经验和工作培训对中国三代劳动力的失业风险均有显著影响，表明人力资本因素同样影响中国三代劳动力失业风险。其中，教育水平越高、工作经验和工作培训越多且具备更多管理经验的劳动力，其失业风险显著越低。此外，工作经验和企业培训对“90后”劳动力失业风险具有更强的抑制效应，而教育水平和管理经验对“80后”劳动力失业风险具有更强的抑制效应，性别、身心健康、政治面貌、劳动合同签订和失业风险情况控制变量对中国三代劳动力的失业风险也有差异性影响。其中，中国三代男性劳动力的失业风险分别比中国三代女性劳动力失业风险高出22.8%、21.9%和33.8%；政治面貌和身心健康对中国劳动力的失业风险表现出较强的抑制效应的异质性影响，不过这一影响随着劳动力的年龄增长呈下降趋势。除此之外，劳动合同签订也对中国劳动力的失业风险有显著影响，尤其相较于“90后”和“80后”，这一因素的影响在“70后”劳动力身上更显著。需要说明的是，劳动合同签订情况对“90后”劳动力降低失业风险并无显著的统计学意义，可能与“90后”相较于“80后”和“70后”就业更不稳定，就业形式更灵活，更不在乎劳动合同签订等有关。
（四）稳健性检验。倾向得分匹配（PSM）是一种用于解决观察性研究中的内生性问题的方法，其主要目的是减少数据偏差和混杂因素。为了综合评估模型估计结果的稳健性，本研究采用了五种倾向得分匹配（PSM）方法：近邻匹配、半径匹配、核匹配、马氏匹配和样条匹配。这些方法用于根据中国劳动力性别、教育水平、政治面貌、身心健康、劳动合同签订以及失业保险情况等条件匹配“70后”和非“70后”样本。（表4）
由于方法的配对性质以及“70后”劳动力失业风险最高的事实，将样本分为“70后”和非“70后”两组进行倾向得分匹配，而“80后”和“90后”劳动力失业风险的代际差异较小，不具有统计学意义。根据表4的结果，从五种PSM方法下的“70后”劳动力平均处理效应估计结果为负且不显著，而其他四种匹配方法的“70后”劳动力平均处理效应估计结果均为显著正。这一结果指出，中国三代劳动力失业风险具有显著的代际差异，尤其是“70后”劳动力失业风险显著高于“80后”和“90后”劳动力，与前文的实证结果一致。
四、研究结论及建议
（一）研究结论。本文采用CGSS截面数据库和实证研究法探讨了延迟退休政策下最受影响的中国三代劳动力的失业风险及影响因素问题，研究结论有三点：首先，延迟退休政策背景下中国三代劳动力的失业风险存在着显著的代际差异。其中，以“70后”劳动力的失业风险更为突出，代际因素的差异性比较显著。这一问题需要引起我国政府管理者的高度重视。其次，中国三代劳动力的失业风险显著受到人力资本因素的影响。其中，教育水平、工作经验、管理经验、工作培训会大大降低中国三代劳动力的失业风险。不过，这些人力资本因素对中国三代劳动力的影响存在显著的差异，教育水平和管理经验对“80后”失业风险的抑制效应最强，而工作经验和工作培训对“90后”失业风险的抑制效应最强。最后，中国三代劳动力的失业风险在性别、政治面貌、身心健康、劳动合同签订方面具有较强的异质性。其中，中国三代男性劳动力的失业风险显著大于中国三代女性劳动力；政治面貌和身心健康则对中国三代劳动力失业风险有显著的抑制作用，不过随年龄的下降其效应逐渐减弱。此外，签订劳动合同对降低“70后”和“80后”劳动力的失业风险有显著的正向作用，但对“90后”失业风险的影响没有统计学意义。
（二）研究建议
首先，政府层面的建议。实证研究结果表明，延迟退休政策背景下“70后”劳动力面临更高的失业风险。因此，政府需要重视对“70后”劳动力的再培训或再就业的政策扶持。同时，政府也需要重视对其他代际劳动力失业政策的完善。有效的就业政策是应对劳动力失业风险、促进经济稳定增长的关键。
其次，个体劳动者层面的建议。本文的实证结果指出了人力资本因素对劳动力失业风险的影响。因此，我国个体劳动者需要努力入党、重视个人的身心健康，不断强化个人的工作经验、管理经验和工作培训；同时，在签订正式劳动合同的正规企业工作等都是有效应对未来失业的对策。尤其中国男性劳动力更要注重这方面的问题。
（作者单位：首都经济贸易大学）
主要参考文献：
［1］陈利锋.我国失业的持续性：理论假说与现实证据［J］.云南财经大学学报，2016（04）.
［2］常文涛.我国劳动力市场结构性失业现状、原因及对策分析［J］.当代经济，2016（14）.
［3］李静，楠玉，刘霞辉.中国经济稳增长难题：人力资本错配及其解决途径［J］.经济研究，2017（03）.
［4］刘瑞明，亢延锟，黄维乔.就业市场扭曲、人力资本积累与阶层分化［J］.经济学动态，2017（08）.
［5］陈明生.人工智能发展、劳动分类与结构性失业研究［J］.经济学家，2019（10）.
［6］王鹏飞，熊琪颜.人工智能对就业的影响机制与提升策略［J］.价格理论与实践，2022（10）.
［7］汪前元，魏守道，金山，陈辉.工业智能化的就业效应研究——基于劳动者技能和性别的空间计量分析［J］.管理世界，2022（10）.
［8］张智勇，伍家昕.数字经济对就业多维影响的机制与对策分析［J］.科学与管理，2023（02）.
［9］隋想.人工智能技术与劳动者就业环境改善［J］.经济问题，2022（10）.
［10］金双华，班福玉.失业保险制度对收入分配的影响——基于缴纳-领取路径的分析［J］.中南财经政法大学学报，2021（05）.
［11］刘国良.失业保险预防失业功能的理论证成与制度构建［J］.中国劳动关系学院学报，2023（02）.
［12］杨胜利，姚健.中国流动人口失业风险变化及影响因素研究［J］.中国人口科学，2020（03）.
［13］王松.数字经济背景下劳动力失业风险影响因素甄别与风险防范研究［D］.济南：济南大学，2022.
［14］张翔搏.我国实际城镇失业率测算方法研究［J］.财经问题研究，2017（01）.
［15］王阳.就业领域重大结构性失衡及应对举措研究［J］.财政科学，2021（04）.
|
|
|
|
