三、数据校准与情景设计
CHINAGEM模型的预测模拟基线是根据各权威机构对政策冲击下的宏观经济变量进行预测,从而模拟出在无政策冲击情况下整个经济体系的发展趋势;而政策模拟则是在政策冲击下比较模拟结果与预测结果,从而得出宏观政策对经济体系的影响效应。因此,本文通过更新模型的历史和预测基线以及调整弹性参数对模型数据进行校准,以更好地刻画我国宏观经济的预测基线,实现对农民工市民化政策的有效评估。其中,对基线的更新,一是根据已有相关年鉴数据更新历史基线,二是结合相关预测报告更新预测基线;对参数的校准,主要参考已有研究成果。最后,根据城镇化目标和模型历史基期中的农民工数量来设置2011—2015年农民工市民化的模拟场景。
(一)数据校准与闭合设置。
1.基期数据来源与参数选取。由于CHINAGEM的宏观历史基线数据中2004年以后的数据与我国的实际经济数据相差较大,因此,本文对模型中2001—2010年的历史基线进行更新(见表1)。基期数据来自于《2007年中国投入产出表》《2010年中国投入产出表》《2013年中国统计年鉴》以及历年《中国劳动力统计年鉴》。由表1可以看出,更新后的历史基线更符合我国的实际宏观经济情况。模型的预测基线按照国家统计局和相关预测报告进行了重新设置和更新(见表1)。
表1 2001— 2010年历史基线和2011—2020年中国宏观经济预测(增长率:%)
历史基线(GDP) | 2001年 | 2002年 | 2003年 | 2004年 | 2005年 | 2006年 | 2007年 | 2008年 | 2009年 | 2010年 |
更新前 | 8.3 | 9.1 | 10.0 | 10.1 | 10.4 | 11.6 | 13.0 | 9.0 | 8.7 | 9.8 |
更新后 | 8.3 | 9.1 | 10.0 | 10.1 | 11.4 | 12.5 | 13.8 | 9.7 | 9.3 | 10.3 |
实际值 | 8.3 | 9.1 | 10.0 | 10.1 | 11.3 | 12.7 | 14.2 | 9.6 | 9.2 | 10.4 |
预测基线 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 |
支出法GDP | 9.3 | 7.8 | 7.7 | 7.8 | 7.7 | 7.7 | 7.8 | 7.7 | 7.7 | 7.7 |
居民消费 | 14.6 | 10.2 | 8.7 | 8.4 | 8.9 | 9.4 | 9.3 | 9.4 | 9.4 | 9.5 |
固定资产形成 | 11.3 | 9.6 | 9.8 | 7.7 | 7.8 | 7.8 | 7.9 | 8.0 | 8.0 | 8.0 |
政府支出 | 13.0 | 10.5 | 9.4 | 9.4 | 8.9 | 10.0 | 9.0 | 8.9 | 8.8 | 8.7 |
出口 | 9.2 | -1.0 | 0.0 | 2.0 | 4.0 | 5.0 | 6.0 | 7.0 | 8.0 | 9.0 |
进口 | 20.0 | 6.4 | 5.5 | 4.4 | 7.3 | 10.8 | 11.6 | 13.1 | 14.1 | 15.3 |
注:2001—2013年数据来自历年《中国国民经济和社会发展统计公报》,2014—2020年数据由作者计算得到。限于篇幅,历史基线的对比数据仅展示实际GDP的数据。
模型中复合生产要素增加值和中间产品的CES函数与CET函数的替代弹性、农村劳动力和城市劳动力CES函数的替代弹性均参考GTAP5的数据(Betina和McDougall,2002),均设为0.5;都阳(2013)估计我国工业各类型劳动力的替代弹性为0.26,而美国不同教育水平的劳动力替代弹性在1.31—2.00之间(Ciccone和Peri,2005),考虑到我国工业中的劳动力主要为农民工和城市劳动力。因此,在不考虑行业差异的情况下,将农民工和城市非熟练劳动力以及城市劳动力之间的CES弹性设置为0.26、农村劳动力间的CES弹性设置为0.35;Armington函数和其余弹性参数均采用张友国(2013)的研究数据。
2.闭合设置。我国城乡二元结构和农村剩余劳动力转移的“候鸟性”,使得我国劳动力市场的隐形失业和结构性矛盾较为突出。而在资本市场,虽然近年来利率市场化、税制改革和金融市场开放均取得一定进展,但仍存在市场利率传导机制不畅和税收政策一刀切等问题,国内有效需求仍显不足。因此,结合我国经济实情,本文仍选择凯恩斯闭合作为CGE模型的闭合规则。在基准场景中:(1)人口总量和劳动力总量为外生,人口数据采用肖明智(2012)的预测数据,劳动力总量数据以历年《中国劳动统计年鉴》和人口普查数据为基础,根据迭代的人口总量和结构,以劳动年龄人口占比进行预测;(2)外生储蓄率,根据肖皓等(2013)的储蓄率预测数据设置农村和城镇居民的储蓄率;(3)税率保持不变,在工资水平存在差异的情况下,农业劳动力可以持续向非农行业转移;(4)技术和资本折旧率为外生,资本折旧率参考刘斌(2011)的估算,设置为0.17。
(二)情景设计。按照农民工市民化的“两步走”规划,农民工市民化首先是生存职业和社会身份的市民化,这主要表现在城市劳动力市场中的劳动力供给类型和数量的变化。农民工市民化会影响中国的人口转移规模、趋势以及城镇化率。城镇化率是指市镇人口占全部人口的百分比,随着农民工的户籍限制被打破,城镇化率将出现明显的提升。“十二五”规划就明确提出将在2011— 2015年内将城镇化率由47.5%提高至51.5%。为了达到这个目标,农民工研究课题组(2010)预测:如果农业劳动力转移速度每年保持在2%,城镇化水平每年提高0.7—0.8%,到2030年,城镇化水平将提高到61%。④全国总工会(2011)《关于新生代农民工问题的研究报告》提出,只要每年解决3%的外来农民工(300万人)的进城落户问题,使符合条件的农民工能够转入当地城市户口,享有与当地市民平等的待遇,就可以完成“十二五”后城镇化率达50%的目标。⑤故本文模拟户籍变动引发的城镇劳动力变化量将以上述分析为依据,采用全国总工会报告的数据,设置年均市民化300万农民工。在此基础上,根据五大类劳动力2011—2015年CHINAGEM的基期数据,分别计算出模拟数值。具体模拟场景数值见表2。
表2 农民工市民化的模拟场景设计
年份 | 基期数据 | 农民工市民化场景 | ||
农村劳动力(万人) | 城市非熟练劳动力(万人) | 农村劳动力(变动率) | 城市非熟练劳动力(变动率) | |
2011 | 49789.5 | 24366.5 | -0.60% | +1.23% |
2012 | 49771.3 | 24750.3 | -0.60% | +1.21% |
2013 | 49749.8 | 25141.0 | -0.60% | +1.19% |
2014 | 49724.8 | 25536.3 | -0.60% | +1.17% |
2015 | 49696.7 | 25935.2 | -0.60% | +1.16% |
注:农民工市民化场景的数值是每年农民工市民化的数量相比基期数据的变动率。
四、模拟结果分析
(一)农民工市民化的结构效应。
1.农民工市民化对就业的影响。农民工市民化的直接红利是增加了全社会的有效劳动力就业,从就业总量来看,农民工市民化的短期增量效应显著。2011—2015年劳动力总就业呈现快速增长,由2011年的0.11%增至2015年的0.54%,2016—2020年劳动力就业增速有所下降,但仍保持增长态势。
从各行业就业来看,农业就业出现明显下降,工业和服务业就业则显著上升,其中服务业增长尤为明显。城市非熟练劳动力越集中的行业,就业增长也越明显。具体而言,短期内,工业中的建筑业就业增长最为显著,其次为电力、热力、燃气及水生产和供应业,再次为制造业,最后为采矿业;长期来看,制造业的就业增长则最为显著。这主要是因为建筑业的季节性和高流动性导致转移到建筑业的劳动力就业更易受短期政策的冲击,而制造业作为我国吸纳农民工就业的主体,其就业相对稳定并能形成经验积累,在农民工市民化政策后期的就业效应更加明显。以制造业为例,短期内受农民工市民化政策影响最为明显的是耐火材料制造业、汽车制造业和其他专业设备制造业,2011年较基期分别增长了0.39%、0.37%和0.34%;长期内玩具体育娱乐用品制造业、电子元器件制造业和家用电器制造业的就业增长更为显著,2020年较基期分别增加2.86%、2.67%和2.61%。在服务业中,就业增长显著的产业基本集中在为市民化农民工提供吃穿住行的行业,房地产业就业增长最为明显,其次是金融和保险业,接下来依次是交通运输、仓储、邮政和信息传输服务业,其他服务业,⑥租赁、商务服务业、旅游业、贸易、餐饮和住宿业,到2011年分别增长了0.46%、0.36%、0.27%、0.21%、0.19%和0.17%,到2020年分别增长了3.66%、2.87%、1.67%、1.95%、1.75%和1.34%。见表3。
表3 农民工市民化的劳动力就业效应(相对基期的变化率:%)
2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | |
总就业 | 0.12 | 0.28 | 0.43 | 0.54 | 0.64 | 0.56 | 0.41 | 0.28 | 0.22 | 0.20 |
农业 | 0.02 | 0.01 | -0.06 | -0.19 | -0.37 | -0.62 | -0.85 | -1.01 | -1.08 | -1.09 |
工业 | 0.20 | 0.54 | 0.91 | 1.28 | 1.62 | 1.71 | 1.64 | 1.54 | 1.46 | 1.42 |
采矿业 | 0.19 | 0.51 | 0.87 | 1.21 | 1.53 | 1.61 | 1.54 | 1.43 | 1.34 | 1.26 |
制造业 | 0.20 | 0.54 | 0.93 | 1.31 | 1.67 | 1.78 | 1.73 | 1.63 | 1.57 | 1.53 |
耐火材料制造业 | 0.39 | 0.88 | 1.30 | 1.64 | 1.91 | 1.75 | 1.48 | 1.26 | 1.16 | 1.14 |
汽车制造业 | 0.37 | 0.85 | 1.30 | 1.67 | 1.99 | 1.91 | 1.69 | 1.50 | 1.42 | 1.40 |
其他专业设备制造业 | 0.34 | 0.80 | 1.24 | 1.60 | 1.90 | 1.82 | 1.59 | 1.39 | 1.28 | 1.24 |
玩具体育娱乐用品制造业 | 0.21 | 0.61 | 1.15 | 1.75 | 2.39 | 2.76 | 2.90 | 2.91 | 2.89 | 2.86 |
电子元器件制造业 | 0.20 | 0.60 | 1.14 | 1.75 | 2.37 | 2.73 | 2.84 | 2.81 | 2.74 | 2.67 |
家用器具制造业 | 0.28 | 0.78 | 1.36 | 1.97 | 2.57 | 2.83 | 2.85 | 2.76 | 2.68 | 2.61 |
电热、燃气及水生产和供应业 | 0.29 | 0.68 | 1.05 | 1.39 | 1.68 | 1.63 | 1.44 | 1.25 | 1.15 | 1.10 |
建筑业 | 0.46 | 1.01 | 1.46 | 1.78 | 2.00 | 1.72 | 1.33 | 1.05 | 0.95 | 0.93 |
服务业 | 0.22 | 0.59 | 1.00 | 1.42 | 1.82 | 1.97 | 1.96 | 1.91 | 1.89 | 1.89 |
交通仓储、邮政信息服务业 | 0.27 | 0.67 | 1.10 | 1.51 | 1.90 | 1.97 | 1.88 | 1.77 | 1.70 | 1.67 |
贸易、餐饮和住宿业 | 0.17 | 0.44 | 0.76 | 1.09 | 1.40 | 1.50 | 1.47 | 1.40 | 1.36 | 1.34 |
金融和保险业 | 0.36 | 0.94 | 1.58 | 2.22 | 2.85 | 3.07 | 3.05 | 2.97 | 2.91 | 2.87 |
租赁、商务服务业和旅游业 | 0.19 | 0.53 | 0.93 | 1.34 | 1.74 | 1.89 | 1.88 | 1.81 | 1.77 | 1.75 |
旅游业 | 0.29 | 0.77 | 1.30 | 1.84 | 2.34 | 2.50 | 2.45 | 2.32 | 2.22 | 2.14 |
计算机服务和软件业 | 0.29 | 0.73 | 1.20 | 1.67 | 2.11 | 2.23 | 2.19 | 2.12 | 2.09 | 2.09 |
租赁业 | 0.40 | 0.94 | 1.47 | 1.97 | 2.44 | 2.47 | 2.35 | 2.23 | 2.19 | 2.19 |
文艺和广播电影电视业 | 0.27 | 0.72 | 1.26 | 1.82 | 2.38 | 2.64 | 2.69 | 2.67 | 2.66 | 2.67 |
商务服务业 | 0.22 | 0.63 | 1.14 | 1.66 | 2.17 | 2.38 | 2.39 | 2.32 | 2.27 | 2.23 |
其他服务业 | 0.21 | 0.55 | 0.95 | 1.36 | 1.76 | 1.93 | 1.95 | 1.92 | 1.93 | 1.95 |
房地产业 | 0.46 | 1.19 | 2.00 | 2.82 | 3.62 | 3.90 | 3.88 | 3.78 | 3.71 | 3.66 |
注:根据政策冲击期间(2011—2015年)和政策冲击期后(2016—2020年)各行业就业效应的大小,本文细分列出排序前三位的行业。
从城乡劳动力就业来看,农民工市民化实现了城乡劳动力就业结构的优化。2020年城市劳动力就业较基期增加了6.16%,农村劳动力就业下降了6.34%。具体而言,城市非熟练劳动力和熟练劳动力的实际就业均有所增加,其中前者的增加速度要略快于后者,2020年相对基期分别增长了3.19%和2.97%。农村农业劳动力、农村非农劳动力和农民工的实际就业都有所下降,其中农民工就业下降速度最快,农村非农劳动力次之,而农业劳动力下降最少,2020年较基期分别下降了2.52%、2.35%和1.46%。城市各类型劳动力的增速均高于农村各类型劳动力降速的绝对值,这说明农民工市民化政策能够增强前期已转移的农民工定居城市,并逐步形成稳定的城市非熟练劳动力供给,其中经验丰富的农民工也能够从非熟练劳动力的岗位转向城市熟练劳动力的岗位。可以看出,这种劳动力市场供给结构的变化可在一定程度上缓解我国的“民工荒”问题,既实现了城市非熟练劳动力和农民工之间的“替代效应”,也实现了城市熟练劳动力的“升级效应”。见图1。
图1 农民工市民化对中国城乡劳动力就业结构的影响
注:E代表就业量,Er代表农村总就业,Eu代表城市总就业。
作者: 湖南大学 经济与贸易学院 两型社会与生态文明协同创新中心 吴琦 肖皓 赖明勇 来源: 《财经研究》2015年第4期