技能退化、干中学与失业的持续性

摘 要：现实经济中的失业往往表现出较强的持续性特征。通过建立一个包含技能退化与干中学机制的NK-DSGE模型，并基于这一模型分析了引起失业持续性的内在作用机制。研究结论表明：（1）负向技术冲击对于低技能劳动力具有更大的冲击效应；（2）技能退化与干中学通过影响劳动力队伍的技能构成进而改变了失业的持续性：技能退化的概率越大，失业的持续性越强；干中学即技能提升的概率越大，失业的持续性越小。因此，通过技能培训以及相关的就业服务机制改变技能退化机制的作用并积极发挥干中学机制的积极作用，将有利于缓解我国失业的持续性问题。

关键词：技能退化；干中学；失业的持续性

文章编号：2095-5960（2017）03-0001-14

中图分类号：F015

文献标识码：A

一、文献综述

失业现象不仅是劳动经济学与宏观经济理论关注的重要问题，同时也是政策制定者密切关注的重要宏观经济指标。从微观的角度看，失业减少了个体及其家庭的收入，进而影响了家庭的消费决策和社会总需求；而从宏观的角度看，失业则意味着社会资源的浪费，同时也影响了宏观经济的稳定性。然而，政策制定者更为关注的是失业的持续性问题，因为已有的研究如Blanchard和Diamond（1994）[1]、Khalifa（2015）[2]等表明，失业持续的时间越长，失业者找到工作的概率越小。换言之，失业越具有持续性，失业者转化为长期失业者的可能性越大，而长期失业是政策制定者最为棘手的现实问题：长期失业提高了经济中的自然失业率，进而使得外生冲击发生之后，劳动力市场以及产出均难以及时恢复至冲击发生之前的水平，这一现象被研究者称为“缓慢复苏”（Slow Recovery）。国际金融危机之后，基于欧美发达国家劳动力市场调整速度极为缓慢的现实，研究者重新思考失业的持续性以及与之相关的“缓慢复苏”问题的现实成因。 Gal’et al.（2012）[3]认为导致劳动力市场失业持续性的原因在于逆向总需求冲击，进而指出政策当局可以通过宽松的财政政策与货币政策可以转变这一趋势。然而，各国的政策实践的结果表明，宽松的财政政策与货币政策无法有效地缓解失业的持续性问题。①①尽管金融危机期间有的国家实行了经济刺激计划进而摆脱了经济危机的困扰，但是危机之后劳动力市场并未出现预期的复苏。

基于现有研究的不足，Christiano et al.（2016）[4]通过对欧洲劳动力市场的考察指出，失业的持续性源于就业意愿的变化，即欧洲制度刚性导致自愿失业的增加，进而使得失业具有更强的持续性。尽管这些研究对失业的持续性问题提供了较好的解释，但并未回答导致失业在经历负向冲击之后表现出较强持续性的内在微观作用机制。

事实上，已有的研究如Khalifa（2013）[5]认为，未对劳动者技能进行区分的新凯恩斯主义动态随机一般均衡（即NK-DSGE）模型无法有效地捕捉美国失业数据表现出的持续性特征。基于此，Ravenna和Walsh（2014）[6]将劳动者依据技能水平划分为高技能（High Skill）劳动力与低技能（Low Skill）劳动力两种类型，研究结果发现，这一模型较好地反映了国际金融危机之后美国劳动力市龌郝调整的特征以及失业的持续性特征。然而，这一研究仍存在两个方面的不足：第一，这一研究仍未回答引起失业持续性的内在作用机制；第二，现实经济中劳动者的技能并不是一成不变的，而往往表现出一个动态变化的过程（Khalifa，2013；陈利锋，2015）[7]，而这一模型未对这一现象进行刻画。

国内已有的研究如陈利锋（2015）等均发现我国的失业也表现出相对较强的持续性，那么是何种因素导致我国的失业表现出这一特征呢？冯涛等（2016）[8]基于我国劳动力市场扭曲的角度考察了城乡二元体制对于我国失业持续性的影响，进而指出城乡二元体制所造成的劳动力市场扭曲是我国失业持续性的现实成因；李传宪和黄茜（2016）[9]认为《劳动合同法》所规定的最低工资制度是导致我国失业持续性的制度性成因；而陈利锋（2016a）[10]结合现有研究中广泛接受的四个假说，并采用我国的现实数据对各个假说在我国的适用性进行了验证，结果发现导致我国失业持续性的原因在于我国劳动力市场的失业呆滞（Hysteresis）特征。尽管这一研究为解释我国的失业持续性提供了一个较好的视角，但是缺乏与劳动力市场有关的微观基础。基于现有研究存在的不足，本文在已有研究如Ravenna和Walsh（2014）等考虑技能差异的基础上，将Chang et al.（2002）[11]提出的技能提升即干中学机制引入模型，并结合Esteban-Pretel（2005）[12]以及Esteban-Pretel和Faraglia（2010）[13]所提出的技能退化机制，进而构建了一个同时包含技能退化与干中学机制的NK-DSGE模型。在引入技能退化与干中学机制后，本文可以更为完整地刻画不同技能劳动力之间的动态转化：技能退化使得高技能失业者的技能随着失业的持续而发生退化，进而转变成低技能劳动力；而干中学则使得低技能劳动力在工作过程中可能实现技能的提升，进而转变为高技能劳动力。因此，这两个机制的引入克服了以往相关研究在无法刻画技能动态变化这一方面的不足。在引入这两个机制之后，我们基于负向技术冲击的脉冲响应函数发现，相对于高技能劳动力而言，负向技术冲击对于低技能劳动力的就业和失业均具有相对较大的冲击效应。而敏感度分析的结果则表明：（1）技能退化的概率越大，失业的持续性越强；（2）干中学即技能提升的概率越大，失业的持续性越小。原因在于，技能退化与干中学机制可以影响我国劳动力队伍的技能构成，进而改变了我国失业的持续性。最后，我们采用模型拟合优度检验方法考察了不同的模型对于我国现实数据的拟合程度，研究结果表明，本文所建立的同时包含技能退化与干中学机制的NK-DSGE模型更好地拟合了我国的现实数据。

由于失业的持续性对于负向外生冲击之后经济复苏的速度具有显著影响（Ravenna和Walsh，2014），因此，分析导致失业持续性的内在作用机制对于稳定劳动力市场乃至宏观经济均具有重要的现实意义。依据本文的结论，采用适当的政策机制改变技能退化带来的消极影响，并发挥干中学机制的积极作用，将有利于改变我国失业的持续性，进而也有利于缓解我国目前的失业问题。

与以往研究相比，本文的主要工作包括：第一，通过技能退化与干中学机制的引入，从而构建了一个包含劳动力技能转化的NK-DSGE模型，也使得本文所考察的失业持续性问题更加具有微观基础；第二，基于技能退化与干中学机制分析了我国的失业持续性的内在作用机制；第三，基于模型拟合优度检验方法对技能退化与干中学机制在我国的现实存在性进行了检验。本文其余部分的结构安排如下：第二部分构建了一个包含技能退化与干中学机制的NK-DSGE模型；第三部分则采用我国的现实数据对第二部分的模型进行估计；第四部分基于负向技术冲击的脉冲响应函数、敏感度分析方法以及模型拟合优度检验等方法对本文模型进行动态模拟分析；最后是本文的总结与展望。

二、模型与设定

模型经济中包含了两种不同类型的工人：高技能工人与低技能工人。①①本文采用这一设定的做法可以溯源到劳动经济学与发展经济学中一个重要的研究话题：技能升水（Skill Premium）。在这一方面的研究文献中，工人依据技能可以分为技能熟练工人与非熟练工人。 为了便于分析，我们假定技能水平决定生产效率（Productivity），因而高技能工人具有较高的劳动生产率，而低技能工人的劳动生产率则相对较低。两类技能工人均可能失业，并且高技能工人失业之后，每一时期其技能退化（进而成为低技能失业者）的概率为l。因此，对于高技能工人而言，失业持续的时间越长其技能退化的可能性越大。对应的，当低技能失业者获得工作岗位之后，其可以通过“干中学”（Learning-by-Working）而实现技能的提升（进而成为高技能工人），我们设定发生技能提升的概率为g。当然，就业者在某一特定岗位上保持就业状态的时间越长，其技能获得提升的可能性越大。

三、模型的参数化处理

我们分别采用校准（Calibration）和估计方法对本文所构建的包含技能退化与干中学机制的NK-DSGE模型进行参数化处理。校准法由实际经济周期理论研究者所提出，而估计法则采用相关数据对参数进行极大似然估计、贝叶斯估计、广义矩估计（GMM）或者模拟矩估计（SMM）。在近些年的相关研究中，校准法与估计法经常被同时使用，这一做法可以较好地提高NK-DSGE模型的可识别程度。

（一）部分参数的校准

我们首先对部分参数进行校准。与大多数已有的研究相同，贴现率β取值为0.98；高技能失业者技能退化的概率l与低技能工人技能提升的概率g，已有的研究并未对其进行精确的估计。我们首先将二者全部校准为0.5，然后对其进行敏感性分析。物质资本折旧率δk，依据He et al.（2007）[19]与Zhang（2009）[20]等，我们将其取值设定为4%；家庭的议价能力与雇佣数量对待业数量的弹性系数ε，依据Ravenna和Walsh（2014）等，我将其取值均设定为0.5；企业公布岗位空缺的单位成本κ，依据Khalifa（2015），我们将其设定为2.2；稳态时高技能工人在就业工人总数中所占的比例n1=NhN，依据2002年至2013年的相关数据进行估算，进而得到其取值约为9%。①①我们以2002年至2013年劳动力人口中接受过高等教育（包括专科）的劳动力数量作为高技能劳动力，然后计算历年高技能劳动力在劳动力中的占比，在此基础上将其平均值作为n1的校准值。 稳态消费-产出比γc与稳态投资-产出比γi的取值，采用我国2002年至2013年的相关数据进行估算，结果表明这两个参数的取值分别为0.44和036。②②我们以2002年至2013年历年社会消费总额和投资分别作为消费数据与投资数据，以支出法核算得到的国内生产总值即GDP作为产出，不过为了将模型与现实数据对应起来，我们从GDP中剔除了政府支出和净出口，因为本文的模型基于封闭经济建模并且剔除了财政政策当局。

（二）参数估计

模型中对结果具有显著影响的参数，本文采用估计方法进行贝叶斯估计。③③详细的先验分布与先验均值的设定过程参见本文附录。感兴趣的读者可以向作者索取。 在此基础上表2给出了参数贝叶斯估计的后验均值、后验90%置信域上界以及后验90%置信域下界。④④我们选取如下数据进行参数的贝叶斯估计：（1）产出。采用剔除政府购买与净出口之后的GDP数据；（2）消费。采用社会消费总额；（3）通胀。采用经环比方法处理之后的CPI数据；（4）名义利率。采用银行业同业拆借利率数据；（5）就业。采用就业人口与总人口的比值表示。产出和消费数据采用CPI进行调整使其转变为实际值，所有数据均在取自然对数之后，采用X12方法消除季节趋势。为了与对数线性化之后的模型保持一致，我们采用CF滤波法提取所有数据的周期性成分，并将其用于模型参数贝叶斯估计。

需要注意的是，高技能劳动力对有效劳动投入的弹性系数v的贝叶斯估计值为0.7098，显著大于设定的先验均值0.5。这一估计结果意味着高技能劳动力对于有效劳动（也即产出）具有更大的贡献。当然，这一估计结果符合我们的直觉，也与经济学理论是相符的：因为高技能劳动力具有更高的边际生产率，因而其对于产出具有更大的贡献。

四、模型分析

结合模型参数化处理的结果，本部分首先分析包含技能退化与干中学机制的NK-DSGE模型中负向技术冲击对于劳动力市场的动态效应。在此基础上，进一步采用敏感性分析法考察技能退化与干中学机制对于我国失业持续性的影响。最后，采用模型拟合优度检验方法，检验技能退化与干中学机制在我国的现实存在性。

（一）负向技术冲击的脉冲响应

图1给出了包含技能退化与干中学机制的NK-DSGE模型中负向技术冲击的脉冲响应。显然，与Justiniano et al.（2010）[21]以及Gal1’（2015）[22] 等相同，负向技术冲击降低了中间产品生产企业的投资意愿，进而使得其减少岗位空缺的公布以及劳动力的雇佣，因而在图1中，负向技术冲击引起了经济中的总就业、高技能劳动力就业以及低技能劳动力就业的下降。与之对应的是，这一冲击引起了高技能劳动力失业、低技能劳动力失业以及总失业的上升。最后，中间产品生产企业投资意愿与就业的下降推动了产出的下行，因而负向技术冲击最终导致了产出的下降。

图1还给出了负向技术冲击对于通货膨胀的影响。显然，负向技术冲击推动了通货膨胀的上升，这与Justiniano et al.（2011）[23]以及Furlanetto和Seneca（2014）[24]是一致的。原因在于负向技术冲击降低了经济中的总供给能力，进而导致了总供给的下降。在总需求不变的条件下，总供给的减少推动了整体价格水平的上升。

比较负向技术冲击对于高技能与低技能劳动力就业与失业的脉冲响应函数可以发现，相对于高技能劳动力而言，负向技术冲击对于低技能劳动力具有更大的影响：负向技术冲击引起了低技能劳动力的就业更大幅度的下降以及引起低技能失业者更大幅度的增加。因此，基于图1可知，负向技术冲击对于低技能劳动力群体具有更大的冲击效应。与之对应的，如果经济中发生积极的技术冲击，其对于低技能劳动力与高技能劳动力群体又各自具有怎样的影响呢？Ravenna和Walsh（2014）通过校准的模型发现，在包含技能差异的NK-DSGE模型中，积极的技术冲击对于低技能劳动力的就业与失业同样具有更大的冲击效应；陈利锋（2016b）[25]采用我的现实数据估计了一个包含异质性技能但未包含技能退化与干中学机制的NK-DSGE模型，研究结果同样发现积极的技术冲击对于我国低技能劳动力的就业与失业具有更大的冲击效应。这些研究所得到的结论从另一个角度证实了本文的研究结论。

（二）失业的持续性分析

基于图1可以发现，本文模型中负向技术冲击的脉冲响应与已有的未包含技能退化和干中学机制的NK-DSGE模型是一致的。换言之，技能退化与干中学机制的引入并未改变外生冲击的宏观经济效应。那么，这两个机制的引入对于宏观经济具有怎样的影响呢？一个明显的直觉是技能退化和干中学的引入改变了外生冲击下劳动力市场就业与失业的动态，进而也改变了整个宏观经济的动态特征。具体的，为了考察这两个机制的作用，我们分别对技能退化的概率l和技能提升的概率g进行了敏感度分析。我们分别将技能退化的概率l以及技能提升的概率g取值为0、0.3、0.7，并基于负向技术冲击下失业的脉冲响应函数计算技能退化的概率l以及技能提升的概率g不同取值对应的失业持续性。①①在已有的NK-DSGE模型，变量的一阶自回归系数通常用于表示变量的持续性。

基于本文贝叶斯估计的包含技能退化与干中学机制的NK-DSGE模型所得到的模拟矩（Simulated Moments），表3给出了技能退化的概率与技能提升的概率不同取值下失业的持续性计算的结果。首先，对应于技能退化的概率l不同的取值，失业的持续性分别为0.7918、0.8069、0.8265以及0.8598，即随着技能退化的概率的上升，失业表现出更强的持续性。原因在于，在本文所建立的NK-DSGE模型中，劳动者依据技能高低进行了区分，因而在失业者队伍中存在技能差异。失业者技能退化的概率越高，高技能失业者技能退化进而转变为低技能失业者的可能性越大，因而失业队伍中低技能失业者所占的比例越来越大。由于技能上的优势使得高技能失业者在劳动力市场中占有就业优势，因而低技能失业者所占的比例越大，失业者整体找到工作的概率越低，进而失业的持续性越强。因此，技能退化的概率改变了失业者队伍的构成，进而改变了失业的持续性。最终失业的持续性也通过劳动力市场改变了经济中的产出等宏观经济变量的动态（Ravenna和Walsh，2014）。

表3还给出了对应于技能提升的概率g不同取值下失业的持续性。表3显示，对应于技能提升的概率g的不同取值，失业的持续性分别为0.8113、0.7704、0.6915以及0.5799，即随着低技能劳动力技能提升的概率g的上升，低技能劳动力通过就业提升自身技能水平的可能性越大，失业的持续性越低。与技能退化机制影响劳动力市场的作用机制类似，技能提升机制也通过影响失业者队伍的构成而影响了劳动力市场。具体的，技能提升的概率越高，低技能劳动力在就业过程中实现技能提升进而转变为高技能劳动力的可能性越大。当负向技术冲击引起失业增加时，失业队伍中高技能失业者所占的比例相对较大，进而使得失业的持续性相对较小。

（三）模型拟合优度检验

由于技能退化的概率l以及技能提升的概率g取值为0时表示经济中不存在技能退化和干中学机制，那么与之相关的一个问题是，在引入技能退化与干中学之后，本文所建立的NK-DSGE模型是否较好的刻画了现实经济呢？与已有相关研究类似，我们分别采用边际数据密度（Marginal Data Density，简称MDD）与隐含贝叶斯因子（Implied Bayes Factor，简称IBF）检验等2种方法进行模型拟合优度比较。为了便于比较，我们将本文建立的同时包含技能退化与干中学机制的NK-DSGE模型作为基准模型，将仅包含技能退化的模型作为模型1，将仅包含干中学机制的模型作为模型2，而将未包含技能退化与干中学机制的模型作为模型3，模型拟合优度比较的结果见表4。

表4显示，基准模型、仅包含技能退化的模型1、仅包含干中学机制的模型2以及未包含技能退化和干中学的模型3各自对应的边际数据密度分别为282.1123、231.1261、202.6228以及179.4547，由于边际数据密度反映了模型对于现实数据的接近程度，其取值越大表明模型越接近现实数据。因此，基于第一种检验方法即边际数据密度检验的结果可知，本文所建立的包含技能退化与干中学机制的NK-DSGE模型相对更好的拟合了我国的现实数据。

[21]Gal1’ J.Hysteresis and the European Unemployment Problem Revisited[R].Inflation and Unemployment in Europe Conference Proceedings，ECB Forum on Central Banking，2015.

[22]Justiniano A.，Primiceri G.，Tambalotti A.Investment Shocks and Business Cycles[J].Journal of Monetary Economics，2010，57（2）：132-145.

[23]Justiniano A.，Primiceri G.，Tambalotti A.Investment Shocks and the Relative Price of Investment[J].Review of Economic Dynamics，2011，14（1）：101-121.

[24]Furlanetto F.，Seneca M.Investment Shocks and Consumption[J].European Economic Review，2014，66（c）：111-126.

[25]利锋.异质性技能、岗位匹配与就业动态[J].浙江工商大学学报，2016（1）：98-102.

[26]Canova F.Methods for Applied Macroeconomic Research[M].Princeton：Princeton University Press，2007.

[27]杨继生，万越.中国人口政策的变轨效应[J].华中科技大学学报（社会科学版），2016（1）：103-114.

[28]董成惠.共享经济：理论与现实[J].广东财经大学学报，2016（5）：4-15.

[29]Christiano L.，Trabandt M.，Walentin K.Introducing Financial Frictions and Unemployment into a Small Open Economy Model[J].Journal of Economic Dynamics and Control，2011，35（12）：1999-2041.

[30]Christiano L.，Eichenbaum M S.，Trabandt M.Understanding the Great Recession[J].American Economic Journal：Macroeconomics，2015，7（1）：110-167.

[31]Laureys L.Optimal Monetary Policy in the Presence of Human Capital Depreciation During Unemployment[R].Bank of England Working Papers，2014，No.514.

[32]Gautier P A.，Tuelings C N.，van Vuuren A.On-the-Job Search，Mismatch，and Efficiency[J].The Review of Economic Studies，2010，77（1）：245-272.

[33]Arseneau D M.，Epstein B.The Welfare Costs of Skill-Mismatch Employment[J].Finance and Economic Discussing Series，Board of Governors of the Federal Reserve System（U.S.），2014，No.2014-42.

[34]Laureys L.The Cost of Human Capital Depreciation During Unemployment[R].Bank of England Working Papers，2014，No.505.