摘要：在国际投入产出分析框架下，运用WIOD数据计算各行业的就业创造指数和劳动增加值带动指数，研究国内消费的就业带动效率。结果表明，制造业行业的就业人数和劳动收入带动效率均高于服务业；制造业的就业带动效率总体上升，服务业的就业带动效率总体下降；服务业对高技能劳动力的就业带动效率高于制造业，制造业不同技能水平劳动力的收入出现分化。现阶段，中国各行业的劳动力技能水平偏低，促进制造业发展仍是稳定就业的重要措施。随着中国劳动力禀赋发生变化，服务业将发挥越来越重要的就业带动作用，应为其营造良好的发展环境。
关键词：行业就业带动效率；就业创造指数；劳动增加值带动指数；国际投入产出分析
中图分类号：F2414文献标识码：A文章编号：1000-4149（2016）01-0078-11
DOI：103969/jissn1000-4149201601009
一、 引言
促进就业一直是中国经济发展的重要目标。中国的无就业增长现象吸引了众多学者进行研究。中国的增长就业弹性偏低，并呈现不断下降的趋势。现有文献侧重研究出口和投资的就业带动效应。加入世界贸易组织后，出口的增长对带动就业起到了重要作用，2001-2006年国外消费对中国就业岗位的贡献数量约7000万。出口的就业带动作用通过提高外商投资企业和私营企业的就业创造率，降低其就业损失率来实现。而政府主导的投资主要投向劳动密集度较低的行业，导致宏观调控措施的就业促进能力大为降低。相对于出口和投资，国内消费的就业带动效应研究相对欠缺。
在行业就业带动效应的测算方法上，现有文献主要测算行业的就业弹性、就业创造效应以及净增长率。无论采用哪种指标，均基于特定行业的就业人数独立计算该行业的就业效应。该方法因忽视了行业之间投入产出联系所产生的就业溢出效应，可能低估行业特定因素的实际就业带动效果。郭东杰和邵琼燕基于当时所能获得的数据，对独立的测算方法进行了改进：基于中国的投入产出表，计算细分行业总产出的就业创造能力由于最终消费未按产品吸收地进行分解，测算的实际上的是最终产品国内需求和出口对国内和国外的总体就业带动效应。，将行业的就业溢出效应考虑进来。在开放经济背景下，使用单个国家的投入产出表计算就业带动效率在两个方面值得商榷。第一，行业产出的最终消费并非全部由本国吸收，其他国家吸收的部分也是出口。而出口受国际需求的直接影响，对国内就业的带动作用不稳定。第二，随着国际投入产出联系不断加深，国外生产要素占比不断上升，国外增加值对本国就业没有带动作用。对于贸易大国，基于国际投入产出关系研究国内生产要素的贡献程度尤为重要。在考虑国际投入产出关系后，中国国内要素的贡献程度有较大改变。
本文采用世界投入产出数据库（WIOD）的数据，研究中国各行业的国内消费对就业的带动效率，试图在以下三个方面对现有文献进行拓展：首先，集中考虑国内消费的就业带动效率。作为经济增长最重要的引擎，中国各行业国内消费的就业带动效应长期被忽略。2008年以来，出口对GDP的贡献比例迅速下降并持续为负数据来源：中华人民共和国国家统计局数据查询系统，“国家数据”数据库，（http：//datastatsgovcn/），查询路径：年度数据-国民经济核算-三大需求对国内生产总值增长的贡献率和拉动。查询时间：2015-06-01，10∶00。2009-2014年，净的货物和服务出口对国内生产总值的贡献均为负。；长时间大规模超过行业正常发展水平的投资则不可持续。在出口和投资就业带动能力下降的背景下，国内消费对促进就业的重要性进一步凸显。其次，在国际投入产出分析框架下测算各行业的就业带动效率。按照最终产出的吸收地，将各行业的国内消费与出口剥离开来；从生产的角度，按照投入要素的来源地对本国要素和国外要素进行区分，集中分析国内生产要素的贡献。最后，增加新的行业就业带动效率测算指标。一方面沿用现有文献的方法，以就业人数为基础测算行业的就业带动效率；另一方面以劳动力贡献的增加值为基础测算就业带动效率，并按技能水平对劳动力进行分类。就业人数的分析方法将劳动力视为无差异的，剔除了劳动技能提高的动态变化渠道，而劳动增加值则蕴含了人力资本的概念。基于劳动增加值的测算指标能够更准确地反映就业带动提高劳动力收入水平的本质。在此基础上，本文采用两类指标分别计算各行业的总体带动效率和交叉带动效率，以分析不同行业的总体就业带动效率和就业带动溢出效应。
二、 国际投入产出分析框架下的行业就业带动效率测算方法
1. 国内消费的行业就业带动效率测算指标
本文的行业就业带动效率指特定行业的国内消费，通过行业间的投入产出联系对国内全部行业或者其他行业的劳动力就业的促进作用。按照测算方法的不同，分为就业创造指数和劳动增加值带动指数，分别对应就业人数和劳动增加值的带动效率。
定义特定行业国内消费的全行业就业创造指数（Job Creation Index，JCI）如下在公式
（1）-
（6）中，对于就业创造指数JCI和劳动增加值带动指数LVPI，上标T和C分别代表全部行业和交叉行业的对应情况。：
JCITjt=∑i（ydijt*pdit）/Fdjt
（1）
其中，t标记年份，i、 j代表行业，上标d表示对应指标的国内部分。ydijt是行业j的国内最终消费所带动的行业i的国内产出。Fdjt代表行业j的国内最终消费。pdit代表国内行业i的产出劳动需求指数，即生产一单位产出所需要的劳动力数量。对应的交叉行业就业创造指数为：
JCICjt=∑i≠j（ydijt*pdit）/Fdjt
（2）
定义全行业劳动增加值带动指数（Labor’s Valueadded Promotion Index）和交叉劳动增加值带动指数分别为：
LVPITjt=LABdjt/Fdjt
（3） LVPICjt=∑i≠jLABdijt/Fdjt
（4）
其中，LABdjt是行业j的国内消费带动的国内所有行业劳动力增加值。LABdijt代表行业j的国内消费带动的劳动力增加值中，由国内行业i的劳动力贡献的部分。按照劳动力的技能水平将其分为高等技能、中等技能和低等技能三类，分别标记为h、m、l，则有：
LABdjt=∑iLABdijt=∑sLABd，sjt=∑i∑sLABd，sijt，s=h，m，l
（5）
定义特定类型劳动力的全行业劳动增加值带动指数和交叉劳动增加值带动指数分别为：
VLPIT，sjt=LABd，sjt/Fdjt，s=h，m，l
（6）
VLPIC，sjt=∑i≠jLABd，sijt/Fdjt，s=h，m，l
（7）
计算各种就业带动指数需要根据国际投入产出关系计算出ydijt和LABdijt。
2国际投入产出分析框架下的国内劳动需求和劳动增加值测算
本文在约翰逊（Johnson）和诺格拉（Noguera）的国际投入产出分析框架[13]下，计算各行业的国内劳动需求和劳动增加值。假定存在N个国家，每个国家有S个行业。各国各行业的中间投入品既可能来自国内也可能来自国外。行业的产出既可用作国内的消费或中间投入品，也可用于出口。为追踪最终消费和中间投入品的国际流动，以m和n分别标记来源（source）和吸收（destination）的国家，以i和j分别标记来源和吸收的行业。在市场出清的情况下，特定国家特定行业的产出价值等于各个国家以最终消费和中间产品两种形式吸收的价值之和：
ymi=∑nFmni+∑n∑jMmnij
（8）
其中，ymi是国家m行业i的总产出，Fmni是国家m行业i出售给国家n的最终产品，Mmnij是国家m行业i出售给国家n行业j的中间产品。m=n时，Fmni为行业i的国内消费。定义维度为NS×NS的国际投入产出矩阵A，其元素为amnij=Mmnij/ynj，即特定国家特定行业的中间产品投入系数。将A按来源和去向分成N*N个子矩阵，以Anm标记：
A≡Α11Α12…Α1NΑ21Α22…Α2NΑN1ΑN2…ΑNN
Αnm是S×S矩阵，代表国家的产出中由国家ri提供的中间投入数量，主对角线上的矩阵代表各国国内的中间产品投入。A反映了所有行业的国际投入产出关系。将所有国家所有行业的市场出清条件
（8）综合起来，表达为矩阵形式：
y1y2yN≡Α11Α12…Α1NΑ21Α22…Α2NΑN1ΑN2…ΑNNy1y2yN+∑nF1n∑nF2n∑nFNn
其中，∑nFmn的维度为S×1；m=1，2，m；N代表国家m的最终消费。将N个国家的最终消费排成列向量，以F表示。国际市场出清条件可紧凑地表达为：
y=Ay+F
（9）
将
（9）移项整理，即可得到投入产出恒等式：
y=（I-A）-1F
（10）
其中，I是维度为SN×SN的单位矩阵。（I-A）-1是里昂惕夫逆矩阵，代表了各国各行业的一单位最终产出所带动的所有国家所有生产环节的总产出。
为计算消费的就业人数带动量，需要计算产出的劳动需求系数pmi。pmi是国家m的行业i生产一单位产出所需要的劳动力数量，pmi=lmi/ymi，将其排列成为SN×1列向量p，并将p转化为对角矩阵p。消费F所带动的各国各行业的就业人数J为：
J=p（I-A）-1F
（11）
为计算消费的劳动增加值带动效果，需要计算劳动增加值系数vlmi。vlmi是国家m的行业i的劳动增加值占行业总产出的比例，vlmi=LABmi/ymi，将其排列为SN×1列向量v，并转化为对角矩阵v。最终消费F所带动的各国各行业的劳动增加值LAB为：
LAB=v（I-A）-1F
（12）
给定各类型劳动增加值系数vlm，si，s=h、m、l，可根据
（12）计算各国各行业不同类型劳动力贡献的增加值LABs。
为分析各行业国内消费对国内就业和劳动增加值的影响，对J和LAB按照国家分块。
J=J11J12J1NJ21J22J2N………JN1JN2JNN，LAB=LAB11LAB12LAB1NLAB21LAB22LAB2N………LABN1LABN2LABNN
Jmn和LABmn均为S×S矩阵，其元素Jmnij和LABmnij分别代表由国家n行业j的消费所带动的国家m行业i的就业人数和劳动增加值。当m=n时，即特定国家特定行业消费对国内就业的带动情况。对于Jmnij， Jmnij=ymnij*pmi成立。
三、 数据来源和特点
本文采用世界投入产出数据库（World InputOutput Database，WIOD）世界投入产出数据库主页：http：//www.wiod.org/new_site/home.htm
的数据计算中国各行业就业带动效率。WIOD将世界主要经济体的国家投入产出表与国际贸易数据结合，形成了世界投入产出表，可以直观地研究特定国家特定行业生产之间的相互影响[5，14-16]。
WIOD是向公众免费公开的国际投入产出数据库，包含了世界投入产出数据表（World InputOutput Table，WIOT）和社会经济账户（SocioEconomic Account，SEAs）等多项子统计表。整个系统包含了40个国家具体参见蒂默（Timmer）[17]的表1。、35个行业，这40个国家的贸易额占全世界贸易总额的85%。非40国的其他经济体统归于Rest of World（RoW）。WIOD按照NACE rev1标准对行业进行划分，具体的行业及编号如表 1所示在构建国际投入产出表时，需要对基于CPA的产品分类与基于NACE rev1的行业分类进行对应，具体的对应方式参见蒂默（Timmer）[17]附表2。 。
WIOT中特定国家特定行业的投入按照来源的国家和行业进行分类。特定国家特定行业的产出分为中间产品和最终产品，最终产品按照吸收地进行分类，中间产品按照吸收的国家和行业进行分类。WIOT数据的时间跨度为1995-2011年。SEAs提供了各国各行业的总产出、增加值、就业人数、各种类型生产要素所获得的补偿等数据具体参见蒂默（Timmer）[17]第56页，表71。，可计算行业各种类型劳动力的增加值系数vlmi以及行业的产出就业消费系数pmi。SEAs中关于中国的部分数据更新到2009年。
四、 中国细分行业国内消费的就业带动效率
1中国细分行业的就业创造指数
表2列出了根据
（1）-
（2）和
（9）-
（11）计算的中国各行业国内消费的全行业就业创造指数和交叉行业就业创造指数，分别代表特定行业每万元国内消费带动的所有行业和其他行业国内就业人数。
从就业人数上看，制造业具有较高的就业带动效率。加入世界贸易组织后，中国细分行业的就业人数带动能力发生了明显变化，制造业的相对带动能力明显提高。带动效率排名前10位的行业中，1997年仅3个制造业行业，2009年增加到6个。对于全行业就业带动能力，其他制造业和废旧材料回收加工业
（16）具有最高的就业带动效率，2009年每万元国内最终消费带动1623个国内劳动力就业。服务业等劳动密集型行业的就业带动效率较高。2009年排名2到4位的行业分别是其他社区、社会和个人服务业
（34），零售
（21），农业
（1），在中国均具有劳动密集的特点。
自2001年起中国大多数细分行业的就业人数带动能力逐年下降。以机械制造业
（9）为例，1997年每万元的国内消费带动0256个劳动力就业，2009年仅带动0072个。少数的例外发生在2005年，共有7个行业的全行业就业创造指数上升。这些行业的生产具有劳动密集的特点，2001-2004年中国的劳动力价格相对稳定，劳动力相对资本的成本明显下降，行业产出的扩大通过更加密集地使用劳动力实现。
交叉行业就业创造指数反映了行业带动就业人数的溢出效应，其值的动态变化过程和排序与全行业就业创造指数大体相似。尽管交叉行业就业创造指数总体呈下降趋势，但橡胶及塑料制品业
（10）和航空运输
（25）的相对重要性略有提高。
2. 中国细分行业的劳动增加值带动指数
劳动收入由劳动力所贡献的增加值确定，劳动增加值带动指数反映了行业最终消费对劳动收入的带动能力。表3则列出了根据
（3）、
（4）和
（12）计算出的细分行业全行业劳动增加值带动指数和交叉行业劳动增加值带动指数，其含义为国内特定行业的一单位消费所带动的国内所有行业的劳动增加值和其他行业的劳动增加值。
从行业劳动增加值带动指数上看，制造业行业具有较高的劳动收入带动效率。其他制造业及废弃资源和废旧材料回收加工业
（16）的收入带动效率最高，2009年每万元国内消费带动的国内所有行业劳动收入为131万元，其次是纺织及服装制造业
（4）和航空运输
（25），带动的劳动收入分别为0971万元和0867万元。在劳动收入带动效率排名前10位的行业中，制造业行业占6个。
以劳动增加值带动系数度量的劳动收入带动效率与表2中的就业人数带动效率的结果呈现较大差异。表3中，2009年纺织及服装制造业
（4），航空运输
（25），公共管理、国防和社会保障业
（31）和教育
（32）的劳动收入带动效率显著提升，而其他社区、社会和个人服务业
（34）和零售
（21）的收入带动效率显著下降，下降的行业具有密集使用低技能劳动力的特点。
制造业和服务业的全行业劳动收入带动效应变化方向出现明显分化。制造业大多数行业的带动效率提高，14个行业中9个行业上升；而服务业大多数行业的就业带动效率下降，17个行业中16个行业下降。自2001年起，33个行业中，收入带动效应上升的行业数量为12个，下降的数量为21个，其中带动效应上升的行业中有9个是制造业行业。
制造业和服务业的交叉劳动增加值带动指数也出现明显分化。从2001-2009年，33个行业中，15个行业的收入带动溢出效应提高，18个行业降低。增幅排名前两位的行业是非金属矿物制品业
（11）和纺织及服装制造业
（4），涨幅分别为536%和474%；降幅排名前两位的行业是房地产业
（29）和零售
（21），分别下降497%和365%。收入溢出效应提高的行业中，有10个是制造业行业。服务业细分行业中，仅航空运输
（25）、卫生和社会工作
（33）、住宿和餐饮业
（22）和内陆运输
（23）的劳动力增加值带动能力上升，除航空运输
（25）外，其他行业上升幅度较小。
3. 中国细分行业高技能劳动力增加值带动指数
随着人口结构的变化与教育水平的提高，中国的劳动力禀赋发生结构性变化，高素质劳动力所占
比例逐渐提高。从发展的眼光看，对高技能劳动收入带动效率较高的行业在未来具有更好的就业带动作用，是现阶段进行产业结构转型的方向。
在WIOD中，按照受教育程度将劳动力分为高、中、低技能：根据中国教育类型的划分，受过高等教育及以上的劳动力对应高技能，初中毕业及以下对应低技能，中间为中等技能[17]。表4列出了各行业的高技能劳动增加值带动指数。
中国各行业的就业人员仍然以中低技能劳动力为主，劳动力的技能水平还有待提高。从数值上看，无论是全行业还是交叉行业，相同年份相同行业的高技能劳动增加值带动指数明显低于劳动增加值带动指数。以纺织及服装制造业
（4）和航空运输
（25）为例，2009年高技能劳动力收入占全部劳动力收入比例仅为505%和2134%。服务业行业高技能劳动增加值占比相对较高：占比从高到低排序，2009年前排位前13位的行业均属于服务业。表3和表4的结果说明，尽管制造业对劳动增加值的带动效率相对较强，其带动的主要是中低技能劳动力的就业。要适应国内生产要素禀赋性质的变 化，保持行业竞争力，就必须进行产业升级产业升级并不必然是产业间的转换，更新产业生产技术提高劳动技能水平同样有助于保持行业竞争力。。大多数行业的高技能劳动增加值带动指数逐步上升，仅房地产业
（29）和其他社区、社会和个人服务业
（34）2009年的带动水平低于2001年。服务业细分行业的带动效率排名明显上升。2009年，全行业高技能劳动增加值带动效率排名前5位的均为服务业行业，教育
（32），航空运输
（25），公共管理、国防和社会保障业
（31），卫生和社会工作
（33）和租赁和商务服务
（30），带动效应分别为02
4
1、01
8
5、01
5
8、0088和0083。然而，从交叉行业高技能劳动增加值带动指数看，服务业行业的就业带动溢出效应总体低于制造业行业。因此，促进生产型服务业的发展对带动高技能劳动增加值具有相对更高的效率。
不同类型劳动力的收入构成在行业间发生分化。对比2001年和2009年不同类型劳动增加值带动指数，33个行业中，29个行业的中等技能劳动增加值带动指数下降。13个行业的低技能劳动增加值带动能力上升，行业主要集中于制造业中等技能和低技能劳动增加值带动指数可向作者索取。；同时，制造业行业对高技能劳动力的收入带动效应逐步上升。制造业劳动收入分配的极化现象初现端倪。服务业细分行业对劳动增加值的带动作用从低技能劳动力转向高技能，收入促进作用逐渐加强。
五、 结论和启示
随着出口和投资就业带动能力的下降，国内消费对促进就业的重要性进一步凸显。本文在国际投入产出的框架下，采用WIOD数据分析中国各行业国内消费的就业带动效率。在就业带动效率的分析指标上，同时测算了行业的就业创造指数和劳动增加值带动指数，分别对应就业人数和劳动收入的变化，分析两种指标的变动及差异，得到如下结论及启示。
第一，从就业人数和劳动收入两方面看，制造业行业均具有较高的总体就业带动效率和就业溢出效率。在就业创造指数和劳动增加值带动指数的行业排序上，排名前10位的行业大多是制造业细分行业。第二，服务业的就业创造指数与劳动增加值带动指数反映出的行业就业带动效率不同，两种指标的差异源于就业人数带动效应强的服务业行业密集使用低技能劳动力的事实。第三，服务业和制造业的全行业和交叉行业劳动收入带动效率变动方向出现明显分化。大多数制造业行业的劳动收入带动效率提高（9/14），而大多数服务业行业的收入带动效率降低（16/17）。第四，按照受教育水平对劳动力进行分类，大多数行业的高技能劳动收入带动作用逐步上升。服务业的高技能劳动收入带动效率高于制造业，但是制造业的溢出效应更明显。服务业提高了不同类型劳动力的综合收入带动效率，制造业不同类型劳动力的收入分化现象渐趋明显。
对国内消费行业就业带动效应的探讨，有以下几方面值得思考。首先，对行业就业带动效率的考察指标应更加全面。就业带动的确切内涵是提高劳动者的收入水平。基于就业人数的带动效率分析忽略了劳动力素质的差异，其结果可能具有一定误导性。从劳动增加值带动指数评价行业的就业带动效率更加合理。其次，为提高消费的就业带动效应，应优先发展就业带动效率较高且溢出效应较高的行业。在总体带动效率相当的情况下，优先发展溢出效应较大的行业。溢出效应较大的行业具有更强的投入产出联系，应对就业负面冲击的能力更强。再次，由于现阶段中国劳动力技能水平总体偏低，扩大并稳定就业规模应充分重视制造业细分行业的就业带动效应。最后，产业结构的调整必须与国内劳动禀赋的变动相匹配。随着中国人口结构和受教育程度的变化，高技能劳动力在总体劳动力构成中占比越来越大。为促进就业，产业结构升级转型的方向应偏向于高技能劳动收入带动效率较高的行业。服务业细分行业的高技能劳动收入带动效率较高，在产业结构调整的过程中应为其营造良好的发展环境，培育其就业带动的能力。
参考文献：
[1]宋小川. 无就业增长与非均衡劳工市场动态学[J]. 经济研究， 2004
（7）：91-96.
[2]蔡P， 都阳， 高文书. 就业弹性、自然失业和宏观经济政策――为什么经济增长没有带来显性就业？[J]. 经济研究， 2004
（9）：18-25.
[3]陆铭， 欧海军. 高增长与低就业：政府干预与就业弹性的经验研究[J]. 世界经济， 2011
（12）：3-31.
[4]HUANG Yasheng. How did China take off？[J]. Journal of Economic Perspectives， 2012，26
（4）：147-170.
[5]LOS B， TIMMER M P， de Vries G J. How important are exports for job growth in China？ a demand side analysis[J]. Journal of Comparative Economics， 2015，43
（1）：19-32.
[6]马弘， 乔雪， 徐. 中国制造业的就业创造与就业消失[J]. 经济研究， 2013
（12）：68-80.
[7]郭东杰. 中国细分行业的就业创造研究[J]. 中国人口科学， 2012
（3）：78-85.
[8]郭东杰， 邵琼燕. 中国制造业细分行业就业创造能力与比较优势研究[J]. 经济学家， 2012
（1）：41-48.
[9]KOOPMAN R， WANG Zhi， WEI Shangjin. Tracing valueadded and double counting in gross exports[J]. American Economic Review， 2014，104
（2）：459-494.
[10]张杰， 陈志远， 刘元春. 中国出口国内附加值的测算与变化机制[J]. 经济研究， 2013
（10）：124-137.
[11]罗长远， 张军. 附加值贸易：基于中国的实证分析[J]. 经济研究， 2014
（6）：4-17.
[12]李昕， 徐滇庆. 中国外贸依存度和失衡度的重新估算――全球生产链中的增加值贸易[J]. 中国社会科学， 2013
（1）：29-55.
[13]JOHNSON R C， NOGUERA G. Accounting for intermediates： production sharing and trade in value added[J]. Journal of International Economics， 2012，86
（2）：224-236.
[14]DIETZENBACHER E， LOS B， STEHRER R， et al. The construction of world inputoutput tables in the WIOD project[J]. Economic Systems Research， 2013，25
（1）：71-98.
[15]TIMMER M P， LOS B， STEHRER R， et al. Fragmentation， incomes and jobs： an analysis of european competitiveness[J]. Economic Policy， 2013，28
（76）：613-661.
[16]TIMMER M P， ERUMBAN A A， LOS B， et al. Slicing up global value chains[J]. Journal of Economic Perspectives， 2014，28
（2）：99-118.
[17]TIMMER M P. The world inputoutput database （WIOD）： contents， sources and methods[Z]， 2012.
