解析中国城镇就业的结构性矛盾

文｜蔡昉

1.引言

结构性就业矛盾不同于对劳动力需求不足造成的就业困难，并不是由岗位的绝对不足造成的，而是在同时具有大量就业需求和岗位供给的情况下发生的，产生原因是求职者与用人单位之间的不匹配。通常表现为劳动者在寻找工作时遭遇结构性困难，从而或长或短地陷于结构性失业状态。作为一个学术研究课题或政策讨论话题，劳动力市场的结构性矛盾，既要关注这种类型的失业率的趋势性提高，也应该未雨绸缪，提早判断此类矛盾是否具有成为劳动力市场主要矛盾的倾向，从而终究会在指标上表现出来。至于随着时间的推移，这种矛盾是保持不变、有所加剧，还是得到明显缓解，完全取决于政策判断是否准确、政策取向和举措是否正确，从而政策应对是否有效。

　在进入更深入分析之前，从中国劳动力市场的统计信息和一些学术研究结论中，我们可以初步判断，结构性就业矛盾有加剧的倾向，不仅表现在当下，而且在一定时期内可能呈现为一种趋势性特征。我们先来观察几个劳动力市场指标，并简单揭示其含义。在图1中，按照未找到工作的人数在相应年龄段经济活动人口中的比重计算，城镇青年失业率表示16—24岁（青年）人口就业需求未得到满足的程度。按照用人单位的劳动力需求数与求职人数的比率计算，求人倍率表示用人单位的雇用需求未得到满足的程度，这组数据来自城市公共就业服务机构。如图1所示，求人倍率有明显的提高趋势，反映了现实中的招工难；青年失业率也呈现明显的提高趋势。一方面，这种供求两难现象无疑是结构性就业矛盾的表现；另一方面，正如长期理论和经验显示的那样，青年群体失业率经常高于其他年龄人口失业率的现象，也是结构性就业矛盾的典型表现（Hamermesh and Rees，1993，第275页）。

已有的一些研究结果也支持关于自然失业率有所提高并将进一步提高的判断。实际失业率的变化通常由两部分因素即自然失业率和周期性失业率的变化构成。其中，自然失业率相对稳定，但并非一成不变，在中国的情形下总体上趋于逐渐提高。例如，都阳和陆旸（2011）

　估算的中国自然失业率，在1988—2009年为4.05%～4.10%，并且总体上具有上升趋势。曾湘泉和于泳（2006）的估算表明，2002年之后中国的自然失业率在4.8%～5.6%的范围内波动，同样发现有上升趋势。都阳和张翕（2022）更近期的估算显示，2017年以来自然失业率已经提高到5.05%。周期性失业率则是起伏变化的，是实际失业率波动的主导因素。因此，实际失业率与自然失业率的关系，一般表现为前者以周期性失业率的幅度围绕后者波动。根据这种关系，把已有研究与其他观察相结合，在图2中我们以世纪之交为界，前后分别以4.05%和5.05%两种自然失业率水平作为基准，观察实际失业率如何围绕其波动。从图中还可以看到，新冠疫情暴发以来，不仅实际失业率更经常和显著地高于自然失业率，宏观经济总体复苏以后，实际失业率在一个较高的台阶上徘徊。设想2022年以来，自然失业率已经提高到譬如5.30%这个水平，与实际数据也是不无相符的。

就业的结构性矛盾日渐突出，以致重要性超过就业的总量矛盾，成为宏观经济和劳动力市场的主要矛盾，也不可避免地形成对中国经济社会发展的制约因素。良好应对这一问题，要求理论范式的转换、政策理念的转变，以及政策手段的更新。一方面，更好地应对就业的结构性矛盾，直接效应体现为改进劳动力供求之间的匹配效率、提高宏观经济稳定性，以及更好地保障和改善民生。另一方面，解决好就业的结构性矛盾还符合经济发展的阶段性要求，即从解决结构性问题入手，挖掘尚存的经济增长潜力，避免或填补劳动力短缺导致的供给侧增长缺口，以及居民消费不足导致的需求侧增长缺口，从而确保中国经济在合意、合理的区间增长。

本文的其他部分安排如下。首先，我们从中国特殊的人口转变、技术应用及其引起的产业结构变化、妨碍劳动力市场功能发挥的体制障碍等方面入手，剖析结构性就业矛盾产生的原因和主要表现。由此也可以找到应对结构性就业矛盾、降低自然失业率的着力方向和主要方面。其次，我们从居民收入的增长和分配、社会流动性、经济增长速度和宏观经济政策效力等方面入手，揭示结构性就业矛盾的经济社会影响。由此可以看到，解决好这一问题可能获得的真实改革红利。最后，我们概括本文的政策含义，有针对性地提出政策建议。

2.自然失业率是“自然”的吗？

经济学家通常把失业分解为结构性、摩擦性和周期性三个部分。由于前两个组成部分是由劳动力市场匹配效率的局限性所致，不受宏观经济周期波动的影响而常态性存在，因此合并起来称为自然失业。劳动力市场上仅有自然失业而没有周期性失业的状态，意味着宏观经济处于供求均衡状态，既没有岗位不足造成的失业现象，也不会产生推动通胀上涨的情形。然而，自然失业现象的存在固然是正常现象，就业的结构性困难大小从而结构性失业率高低，却可以因时、因地、因事而有所不同。经济现实中存在诸多因素可能加重就业的结构性矛盾。如果这些因素未能得到有效缓解或消除，自然失业率的常态就处于高位，劳动力市场上便有更多人未实现就业，对宏观经济以及民生来说，终究不是一种合意的状态。因此，在现阶段中国经济的情景下，揭示造成结构性失业的最突出因素，有助于做出正确的政策判断，进而采用恰当的政策工具，通过应对就业的结构性矛盾，改善民生和宏观经济状况。

2.1人口转变趋势

人口年龄结构的变化特征，如少子化、老龄化以及劳动年龄人口减少，都会在劳动力市场上得到反映。观察以下两个人口类别的变化趋势，可以帮助我们认识人口因素究竟如何影响劳动力市场。这两个人口类别分别是劳动年龄人口即15岁及以上总体可就业年龄人口，以及就业人口即16岁及以上实际就业人口。（①在按照年龄划分人口组时，劳动年龄人口一般从15岁开始算起，而在按照年龄划分就业者时，起始年龄通常为16岁。）依据劳动力市场表现特点，还可以把这两个人口类别分别按年龄划分为三组。第一，15—24岁年龄组。这个青年劳动群体往往缺乏就业经验，随着年龄的增长，劳动参与率逐年提高。从趋势看，随着教育的发展和深化，劳动者进入劳动力市场的年龄有加大的趋势。第二，25—49岁年龄组。这个核心就业群体的劳动参与率最高，就业能力最强。根据第七次全国人口普查数据，2020年这个年龄人口的就业率在80%以上，与之相比，低于或者高于这个年龄范围的群体，就业率都会陡然下降。第三，50岁及以上年龄组。虽然其中也不乏就业经验丰富的劳动者，但在中国的情况下，这个大龄劳动者群体的就业能力总体偏低，并且随着年龄增长而逐渐降低。分别考察劳动年龄人口和就业群体数据，可以揭示劳动力特征及其演变趋势如何强化就业的结构性矛盾。

从劳动年龄人口的构成看，大约在2011年，15—59岁劳动年龄人口达到峰值，随后就处于负增长。劳动年龄人口三个年龄组的变化与这个轨迹具有对应关系，是人口老龄化的一种具体表现。根据联合国数据，我们可以分两段时期来观察，以2011—2023年的变化轨迹作为对迄今趋势的描述，以2023—2033年的可能轨迹作为对未来一段时间的预测。首先，青年劳动年龄人口的人数趋于减少，占比趋于下降，不过，在2023—2033年将处于一个稳定期。其次，核心劳动年龄人口的人数和占比，同样处于下行之中，并且在2023—2033年比青年组人口的下降速度更快。最后，大龄劳动年龄人口正在加快增长，在全部劳动年龄人口中的占比趋于提高，并将在21世纪中叶之前始终保持这个趋势。图3综合展示了这幅画面。特别值得注意的是，25—49岁这个核心劳动年龄人口占15岁及以上劳动年龄人口的比重即“核心比”，一直以来处于下降的态势，并将继续降低。

　观察全部就业人口中25—49岁年龄组群体所占比重，可以得出相同的结论。根据第五次、第六次和第七次全国人口普查数据，该比重在2000年为61.8%，在2010年大幅度降低到42.5%，在2020年为49.0%。这意味着在劳动力市场上，匹配能力最强的人口趋于相对减少。与之对应，青年群体和大龄群体发生相异的变化，前者的人数及占比趋于下降，后者的人数及占比趋于上升。由此得到的综合结果便是，劳动者技能更新的能力总体上趋于弱化，劳动力市场的匹配程度也会降低。这无疑正是结构性就业矛盾的最突出特征。

2.2技术应用和产业结构变化

自工业革命以来，技术进步和新技术在生产中的应用，引起了产业结构变化，在给社会整体带来前所未有的进步福音的同时，也使很多劳动者成为被机器替代的对象，在生产率提高的过程中饱尝失业之苦。与之相伴，卢德式（Luddite）社会思潮和运动不绝如缕，以激进方式对抗技术进步，但从未能够阻止技术进步的步伐，也未能减慢机器替代人的速度。迄今为止的经济史表明，虽然新技术应用和产业结构变化既破坏旧岗位，也创造新岗位，但是，岗位的破坏与创造在数量上是不相等的，发生的时间也不对称，失去岗位的与获得岗位的并不总是同一批工人。这种时机和技能的不匹配导致就业的结构性矛盾，其中的一种被称为技术性失业。

在以突飞猛进的人工智能革命为特征的新技术革命，并由此推动颠覆性产业革命的时代，关于技术进步与就业关系的很多既有经验不再适用。我们姑且把岗位类型分为：（1）简单的重复性体力劳动；（2）只需要最低技能的半熟练劳动；（3）需经过学习或培训才能获得的熟练劳动；（4）需具有高等教育背景的技术性工作；（5）富于创造性的工作和创意型的活动。如果说以往发生的岗位替代，主要集中在类型（1）至（3）的话，以生成式人工智能为代表的新技术发展，更倾向于替代类型（4）和（5）的工作。至于将来的人工智能发展和应用，完全可以预见它对几乎所有类型岗位的破坏性。与此同时，新技术所能创造的岗位范围却非常有限，对劳动者提出了更高的人力资本要求。换句话说，如果以技能作为距离的度量单位，失去的岗位与新创的岗位之间不啻万里之遥。

虽然缺乏直接反映中国就业受技术和产业变化影响的数据，按照这种变化的性质和特征，我们可以在不那么精确的程度上，利用现有数据间接观察这个趋势。先从官方发布的统计信息，分步概览就业创造和就业破坏的情况。第一步，统计公报或政府工作报告公布的城镇新增就业，可以视为创造的岗位数。这个数字仅包括创造的岗位数，却未减去损失的岗位数，所以在统计意义上只是年度毛增量。第二步，从统计局数据中把每年的城镇就业人数与上年相比，可以得出净增岗位数，在统计意义上可以视为年度净增量。第三步，净增岗位数与毛增岗位数之差，即为损失的岗位数。在图4中我们展示了岗位损失增量及其累计变化。撇开2020年以来劳动力市场的起伏跌宕变化因素，2010—2019年就业岗位损失的轨迹无疑代表着一个长期趋势：在就业创造的毛增量基本稳定的情况下，就业净增量趋于下降，就业岗位损失日趋显著。

　鉴于中国就业统计数据的复杂性，各种数据之间并不能做到相互吻合，因而图4中展示的就业损失既做不到数字精准，也谈不上反映全貌，因此，有必要借助诸如就业结构这样的信息作为辅证。作为对人口红利消失和比较优势弱化的反映，就业部门结构发生的变化同样可以说明就业损失的后果。也就是说，技术进步和产业结构变化导致的就业损失，还会呈现就业结构的“逆库兹涅茨化”动态。2004—2022年，城镇单位就业中制造业比重从27.5%下降到22.4%，服务业比重从53.5%提高到61.9%。这个就业结构变化不是按照生产率提高方向进行的“库兹涅茨过程”，而是劳动力按照生产率降低方向进行的“逆库兹涅茨过程”。产业层面的劳动生产率比较可以说明这一点。例如，2022年第三产业劳动生产率仅相当于第二产业的82.8%。不过，由于制造业和服务业都不是匀质的，细分行业在劳动生产率上存在着巨大的差异，加总的生产率比较尚不能充分说明“逆库兹涅茨化”，所以，我们还需要并且可以迂回地以城镇就业的非正规化趋势予以佐证。

就业的正规化和非正规化都没有确切的定义，因而也没有对应的统计特征可以做出区别性的刻画。但是，一般来说就业者的劳动力市场地位，譬如岗位层级和晋升机会、劳动合同签订情况、基本社会保险覆盖率、待遇条件以及其他权益保障等差异，可以帮助我们粗略地区分正规和非正规就业。中国城镇就业统计分别由两个体系组成。从基于住户抽样调查的劳动力调查制度，我们可以获得城镇就业人员总数。从基于法人单位的劳动工资统计报表制度，我们可以获得不含民营企业的城镇单位就业人员总数。城镇就业人员总数显著大于单位就业人员总数，两者之差由三个部分构成，分别是民营企业就业人员、个体就业人员，以及那些未被用人单位注册为员工的就业人员。（②城镇就业统计的部门分类及其关系，请参见国家统计局（2023）第110页“简要说明”和第134页“主要统计指标解释”。）从性质上说，这三类就业人员相对于单位就业人员，更接近于非正规就业。所以，非单位就业人数与单位就业人数的比率（或就业的“非正规指数”），可以用来衡量城镇就业的非正规化程度。该比率从2000年的0.99提高到2010年的1.66，一度下降到2013年的1.13，随后再次进入提高的轨道，2022年达到1.75这一有记录以来的最高水平（见图5）。

　2.3妨碍劳动力市场匹配的体制因素

像一般意义上的市场（产品或服务市场及要素市场）一样，劳动力市场的良好运行需要具备两个条件：一是市场功能充分发育，并且不受人为扭曲因素的干扰；二是有合理的制度安排恰如其分地弥补市场失灵。这样才能通过市场供求双方即求职者和用工单位的有效匹配，实现雇佣关系的供求衔接和劳动力资源的有效配置。与此同时，劳动力市场又有与一般市场的不同之处：劳动要素以人为载体，因此，对劳动力不能像对其他要素那样召之即来、挥之即去。超出合意水平的结构性失业，归根结底在于诸多体制和机制障碍，造成劳动力市场功能不够健全，从而劳动力市场匹配效率相对低下。

可以从三个视角看造成就业结构性矛盾的体制因素。首先，公共就业服务的导向、效率和运行模式尚有不足。一方面，这类公共服务尚未达到应有的均等性和普惠性，特别是那些从事非正规就业的群体，往往未能被充分覆盖。另一方面，这类服务的供给过程具有较重的行政色彩，在信息收集和发布、中介服务以及技能培训等方面，均有脱离劳动力市场供求双方真实需要的倾向。其次，社会保障体系和劳动力市场制度还没有充分发挥功能，从而保障和规制就业质量及劳动关系。例如，失业保险等基本社会保险未能做到应保尽保，劳动合同、最低工资、集体协商等制度实施尚不充分。最后，户籍制度仍然妨碍城乡就业统筹和劳动力市场一体化。根据第七次全国人口普查数据，在城镇常住人口中，撇除市辖区内人户分离的情形后，户籍登记地在外乡镇的人口比重高达37.6%。其中，年轻劳动年龄人口的该比重更高。例如，在15—40岁这个年龄区间，没有本地户口的人口比重均超过平均水平；撇开年龄超过16—21岁这个城镇就学占比高的群体之后，22—40岁人口占全部劳动年龄人口（15—59岁）的比重高达51.3%，其中无本地户籍的比例仍然相当大（见图6）。

　劳动力市场存在着匹配效率低下的问题，体制和机制因素往往是根源。社会政策、公共服务和相关制度安排，本意是消除劳动力供求双方的匹配障碍，减少劳动力市场摩擦。如果政策不完善或者制度功能不健全，甚至存在突出而系统性的缺陷，则会以特定的方式放大已有的就业矛盾。不仅如此，就业的结构性矛盾还具有自我强化的性质，因此易于陷入不利的稳态之中。首先，如果外来人口、新成长劳动力、人户分离人口，或者因年龄、性别等差别因素处于不利地位的群体，始终面对劳动力市场的进入障碍，劳动力市场的统一性和一体化便会受到损害，甚至可能造成二元分割的劳动力市场结构。其次，分割的劳动力市场会扭曲求职和就业行为，进一步恶化结构性矛盾。例如，那些遭遇体制性障碍或系统性歧视的群体，往往不得已进入并长期滞留在非正规领域，接受低于自身技能应获水平的工资。这导致人力资本回报率下降，进而对人的投资产生负向激励。最后，正如在其他要素市场中一样，价格信号的目的在于调节供求、反映要素稀缺性，以及鼓励人力资本投资。既然结构性就业矛盾具有扭曲劳动力价格的效应，其持续存在便意味着劳动力市场和政策的同时失灵。

3.对民生、增长和宏观经济的影响

在特定发展阶段，经济增长减速是一种“均值回归”的规律性现象（Pritchett and Summers，2014）。在不存在供给侧扭曲的情况下，只要经济增长达到了自身的潜力，对一个社会来说，应该就是实现了合意的增长速度。与此同时，只要在劳动力市场上不存在岗位供不应求的现象，或者说实际失业率等于自然失业率，宏观经济便处于充分就业状态，劳动力市场状况也属差强人意。然而，这并不意味着相比就业的总量矛盾来说，面对就业的结构性矛盾可以掉以轻心。无论是宏观经济中存在着较高的自然失业率，还是劳动者面对较大的结构性就业困难，都会给民生福祉、增长速度和宏观经济造成负面影响。

3.1收入增长、收入分配和社会流动性

只存在自然失业而不存在周期性失业的状况，诚然就是宏观经济意义上的充分就业状况，然而，对任何有就业意愿而未就业的个人来说，失业终究意味着没有工作和工资收入，无论他属于哪种失业类型，都不是本人及其家庭想要的劳动力市场结果。因此，一旦劳动力市场的匹配效率偏低，从而在有岗位空缺的同时，较多的人未能实现就业，或者说很多人处于结构性失业，那么不仅单个劳动者会遭受本来不必要的收入损失，而且全社会的劳动总收入也会相应缩水。

工资性收入是城乡居民可支配收入的主要来源。2023年，工资性收入占居民可支配收入的比重，城镇为60.4%，农村为42.2%，全国平均为56.2%。在人口转变阶段发生变化的条件下，居民收入增长趋势与工资性收入增长和占比变化密切相关。通过展示城乡居民可支配收入的实际增长率变化（见图7），我们可以观察到这种变化趋势和特点。首先，随着2004年刘易斯转折点的到来，普通劳动力出现普遍短缺，在一段时间里工资率加速提高，推动了城乡居民收入的迅速和大幅增长。在进入21世纪第二个十年之后，劳动年龄人口开始负增长，虽然劳动力短缺现象仍然存在，由于产业结构变化和机器对劳动者的替代效果初现，工资增长幅度逐渐不再那么显著，居民收入增长也呈现减速势头。其次，在此期间的大多数年份里，农村居民收入的增长快于城镇居民。农村劳动力继续向城镇非农产业转移，工资性收入占农村可支配收入的比重显著提高，这些都推动了农村居民收入增长乃至整体收入的增长。最后，可以预期的是，随着就业的结构性矛盾严峻化，城乡劳动者的就业机会可能减少，就业质量趋于降低，工资增长进一步减慢，一方面会抑制城镇居民可支配收入增长，另一方面会阻碍农村劳动力转移，导致城乡收入差距以及居民整体收入差距的改善陷入徘徊。

　经济增长、就业扩大、收入提高以及收入分配改善，都是社会流动的物质基础。随着这些因素的改善空间收窄，部分人口群体在攀登社会阶梯时，将会遇到更大的障碍，社会流动性在整体上趋于减弱。居民可支配收入的基尼系数是一个有助于理解社会流动性的有意义指标。如图7所示，与工资和收入增长的变化轨迹相似，基尼系数呈现“倒U形”变化轨迹。也就是说，改革开放以来，基尼系数代表的收入差距先趋于扩大，在2008年达到0.491这一最高点之后一度有所下降，直至在2015年降到0.462之后陷入徘徊状态，2022年仍然高达0.467。按照所谓“了不起的盖茨比曲线”关系，即反映收入差距的指标（如基尼系数）与反映代际流动性的指标（如父母收入地位对孩子收入地位的影响程度）呈负相关关系（World Economic Forum，2020）。所以，中国居民收入差距偏高和改善速度减慢的现状，在一定程度上可以代表社会流动性弱化的趋势（蔡昉，2024）。

3.2实际增长率与潜在增长率之间的缺口

中国的人口转变已经进入一个前所未有的新阶段。2022年人口自然增长率首现负数，标志着人口负增长时代的来临。2021年65岁及以上人口比重（老龄化率）达到14.2%，跨过了国际上通常采用的14%这一“老龄社会”门槛，2023年进一步达到15.4%。按照这样的速度，预计在2033年左右，中国的老龄化率将超过21%，即代表“高度老龄社会”的门槛。无论从一般规律还是从中国的特殊国情，我们都可以预期这种人口态势对居民消费能力和意愿的强劲抑制。在人口红利消失倾向于削弱出口能力、降低投资回报率，因而经济增长的需求拉动日益仰仗居民消费的情况下，这种人口新常态必然对社会总需求产生冲击。如果就业的结构性矛盾不能得到缓解，居民消费能力和意愿低于本应达到的水平，社会总需求便难以支撑由潜在增长率决定的现实增长率，从而产生GDP实际增长率与潜在增长率之间的缺口。

在图8中，我们把改革开放以来中国GDP实际增长率与估计及预测的潜在增长率进行比较。迄今为止，两者之间呈现相同的变化趋势和波动轨迹，也就是说，实际增长率的周期性波动是需求因素引起的，同时这种暂时性波动倾向于回归潜在增长率轨道。然而，宏观经济理论和经验研究表明，在老龄化这一长期趋势下，投资和消费需求不足以及过度储蓄，可能造成“长期停滞”（secular stagnation）现象，在发达经济体乃至世界经济表现为低利率、低通胀率、低经济增长率和高负债率并存（如参见Eggertsson et al.，2019）。虽然逆经济全球化、新冠疫情蔓延、供应链断裂和脱钩、地缘政治冲突、军事冲突、应对气候变化等因素，使上述特征的表现发生了变异，如很多国家经历了通胀冲击，日本和美国放弃负利率、零利率乃至低利率，退出量化宽松政策轨道，但是造成长期消费需求不足的基本面并未发生变化，认为长期停滞是难以更改的趋势，从而终究回归为世界经济常态的也大有人在（Blanchard，2021）。

虽然中国经济始终遵循着自身独特的逻辑和轨道，有着区别于其他经济体的增长特点，并不能简单套用争辩各方中任何一种理论和判断，但是，鉴于具有抑制居民消费效应的人口因素在中国的表现格外突出，特别是，中国规模庞大的老年人和大龄劳动者面对着劳动收入减少或消失、养老保险水平偏低和覆盖不充分、家庭成员赡养能力不足等不利影响，消费能力和消费意愿都受到抑制。与此同时，他们也是最易遭遇就业结构性困难的群体。因此，结构性就业矛盾、消费需求不足、GDP增长率缺口之间互为因果，保持合理增长速度的难度便会加大。

　3.3宏观经济政策效率和工具选择

已经存在并且趋于严峻化的结构性就业矛盾，会产生抵消宏观经济政策作用的效果。中国在新冠疫情后经济复苏的经历，有助于说明其中的道理。2023年中国经济复苏的阻碍因素，始终是居民消费支出和消费者价格偏弱。研究表明，中国城镇消费力和消费意愿最强的群体是青年人（蔡昉和王美艳，2021）。与此同时，青年劳动者也是面临就业结构性困难的主要群体。在自然失业率趋于提高的情况下，虽然经济活动的恢复逐渐消除了周期性失业，推动劳动力市场回归常态，就业复苏的状况却出现年龄组的明显分化。这种状况无疑对消费及其信心的恢复产生不利影响，也提示宏观经济政策关注结构性因素的重要性。

我们可以借助官方统计数据回顾这个过程。在城镇调查失业率及其分项统计数据起始的2018年1月，16—24岁青年失业率为11.2%，对应着5.0%这一平均失业率，可视为疫情前的常态水平。在2020年2月，青年失业率提高到13.6%，对应着平均失业率6.2%，后者是受疫情冲击的最高失业水平。此后，随着经济增长的波动，平均失业率也经历了起伏，青年失业率却形成向上的惯性。在2021年9月平均失业率恢复到较低的4.9%时，青年失业率却继续攀升至14.6%。在2022年劳动力市场再次经历曲折波动之后，2023年以来平均失业率逐渐得到改善，可以说已经回归到充分就业的水平，青年失业率却加快攀升，在该指标发布的最后一个月份即2023年6月，平均失业率为5.2%，青年失业率则高达21.3%。在修订了统计口径，即在分年龄失业率调查中剔除在校生后，2024年2月，16—24岁人口失业率为15.3%，仍然显著高于5.3%的平均水平，也高于同口径的25—29岁人口失业率（6.4%）和30—59岁人口失业率（4.2%）。

我们可以用著名的贝弗里奇曲线说明，为什么传统上主要治理周期性失业现象的宏观经济政策，也需要关注自然失业问题。在图9中，贝弗里奇曲线（或VU曲线）展示的是岗位空缺率（vacancy rate）与失业率（unemployment rate）之间的关系（参见Rodenburg，2010，第393—400页）。这里，纵坐标代表尚未雇到工人的岗位数与全部岗位数的比率，横坐标代表失业者占经济活动人口的比重。从理论上说，这两个指标的变化呈现负相关关系，由此形成的具有负斜率的曲线即为贝弗里奇曲线，譬如图中的曲线B0B0。在岗位空缺数量与失业人数相等的情况下，譬如图中在角度为45o的直线OE上面，OV0与OU0相等。这时的失业率就等于自然失业率，不存在周期性失业现象。

　在遭遇经济冲击的情况下，就业市场上岗位数量减少，岗位空缺率降低，按照贝弗里奇曲线揭示的关系，失业率即相应提高。这时的岗位空缺率从V0下移到V1，失业率从U0向右移动到U1。显而易见，此时的失业率水平为自然失业率OU0与周期性失业率U0U1之和。宏观经济政策可以从标准的工具箱中找到恰当的政策工具，试图消除周期性失业（这里的U0U1），或使失业率从U1回到U0的水平。然而，在很多情况下，问题并不是如此简单明了。具体来说，可能存在两种情形，使单纯借助治理周期性失业的政策工具力有未逮。

第一种情形：各种外部因素通过宏观经济对劳动力市场造成的冲击，不仅导致周期性失业，往往也具有提高结构性失业率的效果。这在图8中表现为VU曲线从B0B0向右上方移动到B1B1。在这一更高的自然失业率条件下，要使失业率恢复到冲击之前的水平，如从U1回到U0，仅仅把岗位空缺率回升到V0的水平就不够了，而是需要在岗位空缺率达到V3的水平才能做到。这就意味着增加的劳动力需求，至少有一部分属于失业者的技能无法适应的岗位。或者放弃失业率回归U0的意图，转而在新的VU曲线即B1B1上，接受岗位空缺率为V2、失业率为U2这一新的均衡。这样的话，虽然宏观经济似乎回归充分就业，自然失业率提高导致的实际失业率却比冲击前更高，对于民生而言，显然并没有回到冲击前的常态。

第二种情形：即便在冲击中自然失业率没有提高，如果政策从创造更多就业岗位和改善劳动力市场功能方面双管齐下，也就是说把治理周期性失业与降低自然失业的政策努力有机结合，则可以取得更好的政策效果。如果仍以图9来说明，只需把B1B1假设为冲击发生之前的VU曲线，劳动力市场功能改善的效果表现为VU曲线向左下方移动到B0B0位置，对应着前述的变化关系我们可以看到，由于劳动力配置效率得到提高，从而自然失业率得到降低，较小的岗位空缺率提升就可以使失业率下降到充分就业的水平。

试图把自然失业率降到零是不可能和不必要的任务，实际失业率低于自然失业率并非就是好事。然而，自然失业率确实是可以降低的，对于保障和改善民生、保持经济增长和宏观经济稳定，都会产生十分有益的结果。降低自然失业率对于民生进而对于经济增长的需求保障，意义自是不言而喻的。对宏观经济而言，降低自然失业率意味着可以不需要借助过度的岗位空缺率就可达到降低实际失业率的目标，从而避免通胀。已有的研究指出，在判断宏观经济形势时，既然有时难以直接观察到市场需求是否过剩，因此，借助贝弗里奇曲线来观察岗位空缺率和失业率的关系，可以成为一个可行且有益的替代方法（Dow and Dicks-Mireaux，1958）。

例如，在冲击造成自然失业率提高的情况下，假如政策制定者对此不知情，或者知其然而不知其所以然，则可能把就业目标设置在冲击前的常态水平（图9中的U0），据此实施的刺激性政策很可能过度，即需要创造出更高的岗位空缺率，譬如非要达到V3这个水平的空缺率才行。由于这时V3显著大于同U0对应的均衡点，政策作用已经处于OE这条45o直线的左边区域，因而不可避免地会产生通胀压力。相反，如果政策制定者既了解自然失业率提高的情况，也懂得其政策含义，则会把政策努力用来降低自然失业率，从而可以达到既降低实际失业率又避免通胀高企的目的。（③从美国在遭遇新冠疫情冲击以及随后治理通胀期间的政策应对，可以完整观察贝弗里奇曲线在制定政策中的针对性和应用。相关争论可参见Blanchard et al.（2022）以及Figura and Waller（2022）。）

4.结语和政策含义

结构性就业矛盾的产生原因、表现形式和应对策略，是宏观经济学和劳动经济学的现实课题，任何研究结论及其政策含义，都应该以科技革命和经济全球化为时代背景，并反映中国的国情特征和所处发展阶段。诚然，作为劳动力需求方的市场主体，以及作为劳动力供给方的劳动者群体，都应该而且能够对消除这种矛盾做出积极贡献，同时也共同从中获益。本文主要从政府发挥职能的角度，探讨问题产生的原因，揭示政策含义和提出政策建议。概括而言，良好解决就业的结构性矛盾，要求更新政策理念、转变政策重心，以及充实政策手段。从问题导向出发，以期找到解决问题的政策思路，可以从以下四个方面着眼和入手。

首先，充实宏观经济政策工具箱。传统宏观经济学对短期需求侧冲击和由此产生的周期性失业现象有较好的理解，也配备了行之有效的政策工具。例如，旨在刺激投资需求的货币政策和财政政策措施，旨在治理周期性失业，使经济增长回归潜在增长率，使宏观经济回归充分就业。然而，在理解和应对自然失业和结构性就业困难时，传统政策工具箱则显得捉襟见肘。在就业的结构性问题日渐突出的情况下，政策着眼点需要从总体转向个体，从失业率目标的宏观调控转向同时帮助劳动者提高就业能力。为此需要加强政府各部门的协调，对各种政策工具兼收并蓄。例如，提高劳动力市场上的技能匹配度，公共就业服务内容应该因应劳动者需求确定，各相关政府部门之间，以及公共部门、社会和市场之间的协同用力，提高数据分享水平和市场信息的集成分析能力，提升扶助措施的协调程度，增强投入资源的力度和互补性。

其次，把就业优先理念体现在产业政策中。在中国产业结构升级过程中，特别是在实体经济的数字化和绿色化过程中，既要立足新技术的广泛应用，培育新质生产力，也要确保生产率的提高得到充分分享。分享的关键，就是在同一过程中确保新岗位不断创造，就业质量持续提高。鉴于以人工智能应用为代表的新科技革命具有岗位破坏多于且快于岗位创造的特点，仅靠劳动者被自动化替代之后予以就业扶助是远远不够的。针对人工智能后果的严重不确定性，在技术应用之前进行规制、监管和引导至关重要。就避免过分剧烈的结构性失业而言，应该立足于在“算法”中体现就业优先原则。例如，运用恰当的政策规制和引导，把人工智能提高生产率作为一种保障，使自动化不减少对劳动的需求，而是创造更丰富、更高质量的产品和服务，并在此过程中同步提升劳动者的人力资本，实现岗位破坏与创造之间的动态均衡。

再次，以社会政策促进收入再分配和生产率分享。技术进步提高生产率，并以前所未有的速度改变经济与社会面貌，必然伴随着创造性破坏的过程，因而资源重新配置和劳动者转岗也在所难免。只要不降低居民的基本生活，不造成对人力资本的长期损害，社会完全可以承受哪怕是过于剧烈的调整。实现这一目标需要制度予以保障，即建立和健全社会福利体系，包括均等覆盖全民的社会保障体系和基本公共服务供给体系，以及旨在保护各种类型就业群体权益的劳动力市场制度。这项制度建设通过提供各种公共品，从全生命周期提升人力资本，提高就业的质量和正规化水平，显著缩小收入差距，提高基本公共服务供给水平和均等化水平，从而达到促进人的全面发展这一根本目的。

最后，通过体制改革提高劳动力市场匹配效率。解决结构性就业矛盾归根结底有赖于深化改革，而那些妨碍劳动力资源配置和技能供求匹配的体制因素，则是改革的对象。紧迫而重要的改革应该包括但不限于以下方面：旨在改善人力资本培养效果的教育和培训体制改革，旨在促进劳动力流动的户籍制度改革；旨在提高就业调控水平的就业统计和监测体系建设，旨在促进就业正规化水平的劳动力市场制度建设等。之所以说改革必要和紧迫，是由于改革能够带来真实的红利，即一方面有助于增加劳动力供给、改善人力资本、提高劳动力市场运行效率，从而在供给侧提高潜在增长率；另一方面扩大就业数量和提高就业质量、增加居民收入和改善收入分配、扩大居民消费能力和意愿，有助于增强经济增长的需求侧支撑。这种真金白银改革红利的预期，可以预先由中央政府予以贴现，作为推动改革落地的成本支出，因而有助于消除改革推进过程中的激励不相容。

参考文献

Blanchard，Olivier J.，2021.The Mayekawa Lecture：Fiscal Policy under Low Rates：Taking Stock，Monetary and Economic Studies，November，pp.23-34.https：//www.imes.boj.or.jp/research/papers/english/me 39-3.pdf.

Blanchard，Olivier，Alex Domash，and Lawrence Summers，2022.Bad News for the Fed from the Beveri-dge Space，PIIE Policy Brief，July，Peterson Institute for International Economics.

Cai，Fang，2016.China’s Economic Growth Prospects：From Demographic Dividend to Reform Dividend，Cheltenham，UK：Edward Elgar.

Dow，Christopher and Louis Dicks-Mireaux，1958.The Excess Demand for Labour：A Study of Conditions in Great Britain，1946-56，Oxford Economic Papers，10（1），pp.1-33.

Eggertsson，Gauti B.，Manuel Lancastre and Lawrence H.Summers，2019，Aging，Output Per Capita，and Secular Stagnation，American Economic Review：Insights，vol.1，No.3，pp.325-342.

Figura，Andrew and Chris Waller，2022.What Does the Beveridge Curve Tell Us about the Likelihood of a Soft Landing?FEDS Notes，Washington：Board of Governors of the Federal Reserve System，July 29，https：//doi.org/10.17016/2380-7172.3190.

Hamermesh，Daniel S.and Albert Rees，1993.The Economics of Work and Pay（Fifth Edition），New York：Harper Collins College Publishers.

Pritchett，Lant and Lawrence H.Summers，2014.Asiaphoria Meets Regression to the Mean，NBER Wor-king Paper No.20573，Cambridge，MA：National Bureau of Economic Research.

Rodenburg，Peter，2010.The UV or Beveridge Curve，in Mark Blaug and Peter Lloyd（eds）.Famous Figures and Diagrams in Economics，Cheltenham，UK·Northampton，MA，USA.

World Economic Forum，The Global Social Mobility Report 2020：Equality，Opportunity and a New Economic Imperative，World Economic Forum，Cologny/Geneva，Switzerland，2020：https：//www3.weforum.org/docs/Global_Social_Mobility_Report.pdf.

蔡昉.促进社会流动的市场机会、社会政策和家庭养育［J］.劳动经济研究，2024，12（2）：3-16.

蔡昉，王美艳.如何解除人口老龄化对消费需求的束缚？［J］.财贸经济，2021，42（5）：5-13.

曾湘泉，于泳.中国自然失业率的测量与解析［J］.中国社会科学，2006（4）：65-76+206.

都阳，陆旸.劳动力市场转变条件下的自然失业率变化及其含义//蔡昉.中国人口与劳动问题报告No.12——“十二五”时期挑战：人口、就业和收入分配［M］.北京：社会科学文献出版社，2011，103-120.

都阳，张翕.中国的自然失业率及其在调控政策中的应用［J］.数量经济技术经济研究，2022，39（12）：26-45.

国家统计局.中国统计年鉴2023［M］.北京：中国统计出版社，2023.