上海市第三产业就业结构影响因素实证分析

上海市第三产业就业结构影响因素实证分析[摘要]本文针对1979到2010年30年间上海市第三产业从业人数数据，研究了上海市第三产业就业结构的影响因素。

通过建立多元线性回归模型和Eviews分析发现，人均GDP对上海市第三产业从业人数占全行业人数比例有正面影响，效应显著；教育水平对第三产业就业结构的影响也呈正面且显著；固定投资总额对第三产业就业结构的变动具有负面影响，而外商直接投资量则具有正面的影响，但后面两个因素的的效应小于前面两个因素。

[关键词] 第三产业就业结构影响因素实证分析一、引言改革开放30年来，上海市第三产业已成为拉动上海经济增长“主动力”，目前，上海市的产业结构已发生三个显著变化：一是第三产业产值占总生产值的比重超过50%；二是第三产业从业人员占比超过50%，三是第三产业对经济增长贡献率自都大于60%；与此同时，在2010年，上海市第三产业外资利用占比例大于80%，投资和财政收入占比达到70%。

上海市第三产业呈快速发展势头，且吸纳的劳动就业量仍旧不断增大，既然上海市第三产如今具有如此重要的地位，到底是什么因素对它产生作用呢？鉴于此，本文致力于研究对上海市第三产业就业结构影响因素，通过数据分析、模型建立和计量分析，从数据中找出主要的影响因素并指出其影响程度大小，不仅仅限于文字表面上的总结。

因此，本文余下部分的安排如下：第一部分文献综述，介绍前人关于第三产业就业结构或类似主题的观点，阐述本文的观点；第二部分对上海市第三产业就业结构30年来的变化进行特征分析，以进行影响因素的初步归类；第三部分实证分析，介绍了影响因素的变量特征与数据来源，进行了变量的预处理，通过逐步回归将多重共线性的变量剔除后，再通过异方差检验，对所得模型计量结果进行分析；最后一个部分，根据以上的出来的分析结果，提出相关建议。

二、文献综述目前已有许多关于对就业结构研究的文章，主要有以下几类。

一类是研究产业结构对就业结构影响的文章，李源曾在在《上海市就业结构与产业结构变动研究》指出：就业结构与产业结构相互影响，并利用结构偏离度考察就业结构的滞后性,得出自改革开放以来，上海市结构偏离度总体来说是下降的。

丁涛、夏燕，运用分解产业结构偏离度的方法来研究吉林省产业结构与就业结构失衡的深层次原因，为吉林省实施三次产业结构优化和增大就业容量的政策提供了理论依据。

第二类是研究外资对上海市的第三产业就业情况的影响，如田素华《外资对上海就业效应的实证分析》文章研究表明, 外商直接投资和全部外资存量对上海市的劳动就业效应均大于零, 中国港澳台商的增量投资对上海市的劳动就业促进效应大于其他来源的增量外资。

何涛舟在《90 年代以来上海市第三产业的变动趋势与原因剖析》一文中，从价格因素和外资因素两个方面探讨了2000年以后第三产业呈U 形增长的原因。

第三类是从理论上分析，刘蓉、年桂芳通过对上海市劳动力市场状况来分析上海失业率上升的原因，认为科技进步使资本和技术对劳动的替代作用加强、体制改革使隐性失业公开化、产业结构调整导致结构性失业。

与本文联系最密切的是陈瑜《我国第三产业就业结构影响因素的实证分析》把服务出口额、产业结构、教育水平、人均GDP 这4个因素作为影响第三产业就业比例的因素，提出解决中国服务业就业问题有赖于第二、第三产业的联动协调发展。

本文采用上海统计局统计年鉴的真实数据，把人均GDP、教育水平、外资、固定投资作为影响因素，检验了数据的平稳、相关性，对此进行处理，使模型得到修正，同时认真细致地分析了各因素对第三产业就业结构的影响程度。

三、上海市第三产业就业结构影响因素的统计分析3.1 上海市就业结构的典型特征改革开放30年来，上海市产业结构不断发生变化，各产业吸纳的的就业人数也在变化。

根据2000-2011年的《上海市统计年鉴》，我得到第三产业就业人数的变化。

图1 1978-2010上海市第三产业从业人员数图2 1978-2010年上海市第三产业从业人员占全行业从业人员比重根据上图分布特征可以看出：（1）上海市第三产业的就业人数总体一直在上升，反应了上海经济的发展和随着国民收入的提高，劳动力是一直向第三产业转移的。

此外，高考的恢复，为第三产业的发展培养了更多高素质的人才。

同时，我们还发现，上海市的城市化进程加快，城市化水平的不断提高，使得城镇人口增加，促进包括服务业在内的第三产业的发展。

（2）1978~1998年，第三产业的就业人数增长速度较快，从150.78万到347.28万，到1999年~2003年之间出现倒U发展。

这是因为实际吸收外资金额中用于第三产业所占的比例在1999 年-2002 年间有所下降，同时亦说明第三产业的发展逐渐向依靠内部力量持续驱动的轨道靠拢的过程。

（3）进入2001年以后，第三产业就业人数增长速度明显高于1978~1998年增速，从372.08万增加至609.93万这是因为中国加入WTO以后，吸引了更多的外资投入，2002年到2005年，上海批准外资项目连续5年超4000个，合同外资连续6年超100亿美元。

（4）从图2中，我们可以看到上海市第三产业的从业人员比重大致是上升，这同样得益于产业结构的调整和上海现代经济的发展。

在1992年—1993年，2005-2006年，第三产业从业人员比重有所下降，但很快回升。

3.2上海市第三产业就业结构影响因素的初步归类通过以上分析，可以初步发现影响上海市第三产业就业结构的相关因素有：（1）上海市经济发展水平，根据配第-克拉克定理，当国民经济发展时，劳动力将从第一产业向第二产业转移，随着经济的进一步发展，劳动力转向第三产业。

只有随着经济的发展，才能实现产业结构从一二产业向第三产业调整，因此这是一个十分重要的因素。

（2）劳动力素质的影响，第三产业不仅包括服务业，也包括金融、文化和科学研究等需要高素质人才的领域。

人才素质不断地提高才能更加适应第三产业的发展要求。

（3）城市的发展情况，一个城市发展水平越高，才越有可能去把资源转移到非物质的生产领域，也才会对第三产业投入更多资金。

同时城市越发达，人们对于第三产业的消费也越多。

（4）吸引投资的能力，包括社会固定投资和外资，固定投资在一定程度上也投资于基础的设施中，间接也对第三产业的发展产生作用。

外资的投入则更多的体现了其对第三产业的促进作用。

四、基于时间序列数据的实证分析4.1第三产业就业结构影响因素的变量特征与数据来源综上所述，我们拟以下个变量，期望对上海市第三产业就业结构影响显著。

（1）上海市的产业结构，由第三产业从业人员数占全行业从业人员数比重表示。

（2）上海市人均GDP，由于居民收入和工资以及人均GDP具有较强的共线性，而人均GDP更好地表达出经济的发展，故选用人均GDP。

（3）上海市城市化率，由上海非农业户口占总人口比重表示。

城市化率衡量了一个地区城市化水平的高低，一般而言，城市化率高的地方，第三产业较为发达。

（4）代表上海市的教育水平，表示为接受高等教育学生人数占各级各类学校总人数比例。

高素质的人才更加适应于金融业、投资等领域的发展，从业人员的知识水平在很大程度上影响工作效率和工作质量的好坏，所以，纳入考量范围。

（5）固定投资，由社会固定投资总额比上年增长率来表示。

固定投资，特别是对于第三产业的固定投资直接推动第三产业的发展，是经济发展主要动力。

所有的变量均来源于上海统计局网站，从2000到2011年的统计年鉴，均为数字变量。

4.2变量的预处理表1 各变量的统计量信息表2各解释变量的相关系数矩阵表1是计量中所涉及到的各影响因素以及因变量的统计量信息。

表2是相关解释变量的相关系数矩阵。

从表中，可以看出，大多数变量的相关系数较高，只有X5与其他变量之间的相关系数较低，因此，存在多重共线性可能性很大，有必要进行逐步回归，选取变量，以消除多重共线性。

此外，本文所采用的数据是时间数据，具有一定的时间趋势，故将对所有变量进行平稳性检验，检验结果如下表3所示。

表3 相关变量单位根检验结果从该单位根检验结果可以看出，因变量和自变量原数据都是不稳定的，X5社会固定投资总额增长率进行一阶差分后平稳，其余变量均在进行二阶差分后平稳。

因此，对于本文的时间序列数据而言，要针对一些的变量进行一定的对数变换，才能减变量不平稳模型对模型的影响。

以下为进行对数变换后，进行的逐步回归，以找出导致多重共线性的因变量。

表4 多重共线性模型修正——单变量回归结果从表中可以看出LOG（X1）的调整R2最大，为0.952714，其统计上也很显著，符合经济意义，故作为纳入模型的第一个变量，以下为逐步回归的整合结果。

从上表中可以看出，当在人均GDP变量之上逐渐纳入其他解释变量教育水平、社会固定投资总额比上年增长率、直接吸引外资投资总额一直到得出模型4时，人均GDP的系数有所下降，说明所选择的变量是影响第三产业就业结构的因素。

模型4中各变量在统计上显著，调整的R2 为0.981298，比模型1~4的调整R2都大，符号也符合经济意义。

再次基础上纳入城市化率，结果得出X3城市化率的系数不符合经济意义，纳入X2第三产业产值占总产值比重时，导致直接吸引外资投资总额、人均GDP都变得统计上不显著，说明X2和X3的纳入导致了多重共线性，应予以剔除。

4.3模型建立及计量分析4.31建立模型通过以上分析，建议如下模型：LOG(Y)=C(1)+C(2)*LOG(X1)+C(3)*LOG(X4)+C(4)*X5+C(5)*LOG(X6)其中，Y为上海市第三产业的就业结构，由第三产业从业人员数占全行业从业人员数比重表示；X1代表上海市人均GDP，由上海市人均GDP较上一年的增加值表示；X4代表上海市的教育水平，表示为接受高等教育学生人数占各级各类学校总人数比例；X5代表固定投资，由社会固定投资总额比上年增长率来表示。

X6为外资的影响，用每年直接吸引外资总额表示。

用Eviews进行回归后，得到以下结果。

LOG(Y)=0.1545*LOG(X1)+0.1636*LOG(X4)-0.00135*X5+0.0188*LOG(X6) + 1.6185(0.028328) (0.029482) (0.000423) (0.009554) (0.139970)t= (5.455000) (5.549444) (-3.185736) (3.089608) (1.965684)R2=0.983877调整的R2=0.981298 P值=0.000000 F值=381.4066为了进一步检验模型的有效性，将对模型进行异方差检验和自相关检验。

4.32 模型的异方差检验表5 各自变量与因变量关系的散点图从图形看出，残差平方e2 对解释变量LOG(X1)的散点图主要分布较为平稳，但最后也有增大趋势、残差平方e2 对解释变量LOG(X4)、LOG(X6)的散点图分布不均， e2 随这两个变量的变动呈增大趋势，残差平方e2 对X5的散点图主要分布在左边，随X5变大而变小。