宁化新闻
国内领先新闻资讯门户 > 评论 >

宏观政策之锚:就业指标梳理与展望,高港新闻

高港新闻: 这是扑克推送的第172张思维导图:宏观政策之锚——就业指标梳理与展望﹡。 摘要 反映就业状况的指标可分为三个层次:就业人数变动指标、就业率(失业率)指标与人均薪资指标△。常见的指标是新增就业人数⊿,但考虑到经济结构转型期间劳动力市场“就业创造”与“就业消失”同时存在的特征◇△,还需要关注净增就业人数∟♂。第二个层次的就业指标是就业率/失业率指标◇∵,与就业人数指标相比⊙☆,可以综合反映劳动力供给端的变化♂₯,对于劳动适龄人口规模已进入缩减阶段的中国而言▽△,尤为重要♂﹡。第三个层次的就业指标是人均薪资指标△,在一定程度上能铺捉到隐形失业□₯,弥补就业人数规模与就业率等显性指标的不足□₯。 从宏观层面看┊⊿,就业相关指标主要有:城镇新增就业人数、城镇净增就业人数、调查失业率与居民收入增速等♂♂,另外₯▽,农村外出务工人数增速与收入增速、PMI就业人数指数、城镇失业人数与领取失业保险金人数可作为参考指标〇。需要关注的是净增就业与调查失业率☆π。与新增就业相比∴π,净增就业能更好的反映就业形势♂∴,跟GDP增速的走势基本一致⊿,并且滞后于GDP增速一个季度左右﹡,表明就业是经济增长的滞后变量△⌒。调查失业率方面∴₯,2018年较2017年分别下降⊙,跟净增就业人数以及经济增长的趋势背离﹡,背后的原因可能在于〇,劳动适龄人口规模缩减导致经济活动人数规模降低⌒◇。 从微观层面看⌒,就业相关指标主要有:人社部对部分城市公共就业服务机构市场供求状况的调查数据、中国就业市场景气指数(CIER)与BCI企业招工前瞻指数▽。其中∟,BCI企业招工前瞻指数在2018年5月开始显著回落◇,领先于城镇新增就业人数的下滑♂,显示该指标有一定的前瞻性π⌒。 综合上述指标来看﹡,当前就业压力较大△。宏观指标方面〇,新增城镇就业人数自2018年8月之后趋弱〇,2019年1-2月为174万⊙,较2018年同期下降;2月末调查失业率上升明显;居民收入增速尤其是工资性收入增速回落⌒。微观指标方面⊿,CIER指数与BCI企业招工前瞻指数均显著回落∵┊。考虑到就业滞后于经济增长∟,未来就业压力的缓解还需要经济增长的企稳∟。 正文 我国政府历来重视就业问题₯⊙。从之前的“保八”到本届政府“把就业置于优先位置”的多次表态⊙,再到2018年7月政治局会议将“稳就业”视为“六稳”目标首位﹡,直到今年《政府工作报告》将首次优先政策置于宏观政策层面♀,均表明就业是经济政策的重中之重∟∴。2018年以来♂,就业形势整体表现较好△〇,关键就业指标整体好转﹡┊,但随着经济增速的下行┊,就业压力开始体现π,无论是市场机构还是决策部门┊↑,对就业的关注度上升◇。 遗憾的是□,目前仍然缺乏足够的数据来全面分析判断就业形势⊿△。与美国等发达经济体相比♀∵,我国的就业指标体系还有待进一步完善⊙。近期统计部门也加强就业指标的统计工作﹡,2018年开始发布跟国际通行标准接轨的调查失业率数据∟₯,但该指标公开数据存在时间序列较短、指标较为单一、与其他指标背离等问题♀。分析中通常使用其他一些替代指标▽∟,但这些指标反映的是就业状况的某个方面∵⌒,存在一定不足⌒,有时甚至会导致错误的结论□,需要结合在一起来看﹡。本报告尝试梳理、分析目前的就业相关指标♂◇,以对判断就业形势提供参考∴。 1 就业指标分析框架 反映就业状况的指标可分为三个层次:就业人数变动指标、就业率(失业率)指标与人均薪资指标▽∴。 第一个层次的就业变动指标□┊,主要反映的就业人数规模变动∵,常见的指标是新增就业人数♀,但如果考虑到经济结构转型期间的劳动力市场“就业创造”与“就业消失”同时存在的特征⌒∴,还需要关注净增就业人数☆♂。 第二个层次的就业指标是就业率/失业率指标⊿。在劳动力供应充分的情形下♀₯,就业人数规模变动仅仅反映劳动市场需求变动的影响▽π,并未反映劳动力供给端的变化﹡。在人口规模与结构变化较快的情况下⌒,就业率(失业率)能同时反映劳动力市场供需两端的变化∴⊿,这对于劳动适龄人口规模已进入缩减阶段的中国而言☆⌒,尤为重要﹡。 第三个层次的就业指标是人均薪资指标♂。这是因为♂↑,就业人数规模与就业率仅仅反映了显性失业的情况♂。由于企业所有制性质、合同周期多种原因⊿,就业人数规模与就业率的调整通常滞后于经济周期◇⌒,难以准确反映劳动力市场的最新变化♂。从理论上看♀π,如果企业难以根据市场形势及时调整就业人数▽☆,理性的选择是调整就业人员的劳动时间与薪酬⊙☆。因此⊿♂,劳动时间或者人均薪资的变化在一定程度上能铺捉到隐形失业┊,弥补就业人数规模与就业率等显性指标的不足∵。 目前我国的就业指标除了宏观指标外π∵,还有一些机构提供的微观调查数据△♂。这里分别进行梳理♀。 除了宏观就业指标之外﹡,一些机构提供了一些微观层面的调查数据♂,这些数据频率较高或者具有一定的前瞻性□∴,可以作为分析时的辅助指标♂。我们整理了宏观与微观层面的相关指标﹡,并概括出这些指标的特征♂。 2 宏观统计指标 城镇新增就业人数 城镇新增就业人数是非常重要的就业指标☆⊿。每年的《政府工作报告》中会对当年的主要经济指标设定目标值⊙∵,城镇新增就业人数是其中之一↑⊙。2011-2013年预期目标为900万人∵,2014-2016年提升至1000万人┊π,2017年、2018年、2019年进一步提升至1100万人∵◇。值得一提的是∵,每年实际新增城镇就业人数通常在1300万人以上□,明显高于预期目标⊿,因此城镇新增就业人数是否高于预期目标〇⌒,并不能反映就业形势的变化∟◇,重要的是新增就业人数的变化趋势☆。 从每月数据看﹡,城镇新增就业人数有两个明显特征π♀。一是主要集中于上半年〇∴,2013年以来⊿┊,上半年城镇新增就业人数能占到全年55%左右┊。二是季节性较强⌒,因此同比变化更具意义□☆。整体来看♀,2018年城镇新增就业人数较2017年提升明显↑,反映就业形势有所改善▽⊿。但是π,8月份之后城镇新增就业人数较上年同期有所回落∟π,表明就业状况边际转弱;2019年1-2月新增城镇就业人数174万◇△,较2018年1月同比略降2万人⊙﹡。 净增就业人数 净值就业人数统计局并非直接公布数据〇〇,但公布了指标定义及其测算方法∟。根据2004年的《城镇就业人员变动数据测算暂行办法》〇,城镇新增就业人员数等于报告期内城镇累计新就业人员数减去自然减员人数;城镇净增就业人数是报告期末城镇就业人数与报告期初城镇就业人数之差π⊙。按照定义理解⊙,城镇新增就业人数没有扣除报告期内新增失业人员π☆,而净增就业人数则是考虑了失业人员的因素┊π。 可以将新增就业视为是“就业创造”∴π,将新增失业视为是“就业消失”↑π。根据一些文献的测算π,现实中的“就业创造”与“就业消失”规模都比较大∟。例如〇,马弘等(2013)[1]利用微观层面的工业企业数据☆,发现﹡◇,在1998-2007年〇,我国制造业经历了大量的就业创造(13.9%)和就业消失(12.5%)⌒⊙,平均就业净增长率为1.4%↑。换而言之π,1998-2007年☆⊙,平均每一年中△♂,每100个就业职位中有14个职位是新创造的∴□,有12.5个职位会消失π⊿,净增的就业职位只有1.4个⊿。可以看到⌒,新增就业跟净增就业人数之间的差距比较明显♂,如果只是关注新增就业而忽视“就业消失”∴,则容易得到过于乐观的结论△∴。因此△,与新增就业相比〇☆,净增就业能更好的反映就业形势∟♂。这也可以得到数据支撑₯⊙,从经验数据看⊿,城镇净增就业人数跟GDP增速的走势基本一致◇,而新增就业人数跟GDP增速的走势明显背离□▽。 遗憾的是┊,城镇就业人数目前只公布年度数据并且较为滞后▽⊙,难以反映就业形势的最新变化☆∵。但统计局公布了细分工业行业从业人数的月度数据♂⊿,可以计算出工业从业人员净增人数∟。从结果看∵,工业从业人员净增人数跟工业增加值增速走势大体吻合π♂。在2016-2017年上半年⊿⊿,工业从业人员净增规模每月基本以200万以内的规模下降◇,这可能跟经济结构升级下的工业占比下降有关〇↑。但自2017年四季度之后〇π,工业从业人员净增规模的缩减幅度明显扩大⌒⊙,表明就业压力加大π。 从季度数据看∴∟,GDP增速领先与工业净增人数或同比增速一个季度左右◇。这就意味着♂,就业是经济增长的滞后变量▽。这基本符合逻辑↑。经济下行之后∴,企业首先需要一定时间确认∟⊿,并且由于劳动合同的限制♂₯,通常会滞后裁员♂。按此规律判断♂,2019年上半年净增就业人数仍将进一步回落∟。 调查失业率 2017年及之前〇,我国使用的失业率指标是登记失业率⊿。但登记失业率存在不少问题♀〇,自2018年开始┊⊙,统计局开始公布调查失业率π。调查失业率与登记失业率的区别主要体现在以下三个方面∵。一是数据来源不同∵□,前者的失业人口数据来自于劳动力调查◇,而后者的失业人口数据来自于政府就业管理部门的行政记录◇。二是失业人口的指标定义不同┊▽,前者采用国际劳工组织的失业标准□,后者是指16岁至退休年龄内∟〇,没有工作而想工作π,并在就业服务机构进行了失业登记的人员⊿∟。三是统计范围不同□♂,前者按照常住人口统计(既包括城镇本地人∴,也包括外来的常住人口)↑∴,后者是本地非农户籍的人员〇。可见调查失业率较登记失业率更为准确♂♂,也是国际上通常使用的标准⌒。 2018年末城镇调查失业率与31大城市调查失业率分别为4.9%与4.7%∟▽,较2017年分别下降0.1与0.2个百分点∵,这跟净增就业人数以及经济增长的趋势并不一致□。如何理解这一现象π?原因可能在于劳动适龄人口规模的下降₯∟。以15-64岁年龄段人口标准看﹡⊿,自2014年开始绝对规模开始缩减♂,2018年劳动适龄人口规模9.11亿人π┊,较2017年下降幅度为8.8%;以15-59岁年龄段人口标准看〇∵,至少自2012年开始(之前数据不可得)绝对规模开始缩减◇,2018年劳动适龄人口规模8.97亿人☆♂,下降幅度为2%♂。 根据定义↑,就业率=就业人数/经济活动人数♀♀,而经济活动人数=劳动适龄人数*经济活动参与率♂∟。考虑到近年来劳动参与率较为稳定♂∵,劳动适龄人口规模的缩减导致经济活动人数规模降低₯,进而对就业率的提升构成一定支撑﹡。从今年1-2月的情况看◇,调查失业率较上年同期明显提升♀♂,进一步验证前文提到的就业滞后与经济的判断₯∟。 居民收入增速 如前所述△,就业人数规模与就业率仅仅反映了显性失业的情况⊿▽。由于企业所有制性质、合同周期多种原因﹡,就业人数规模与就业率的调整通常滞后于经济周期◇,难以准确反映劳动力市场的最新变化⊙。劳动时间或者人均薪资的变化在一定程度上能铺捉到隐形失业♂,弥补就业人数规模与就业率等显性指标的不足﹡∵。在美国等发达经济体▽,这方面的统计指标比较完善₯,但目前国内的统计指标相对较少☆π。 目前可获得相关指标主要是居民可支配收入增速〇。从历史数据看↑,居民收入实际增速确实具有明显的顺周期性↑π,在2018年随着经济增速的回落而同时回落∟▽。从结构来看♂,居民可支配收入主要包括四部分:工资性收入、经营性收入、财产净收入与转移净收入⊿π,其中工资性收入占比55%左右┊△,在2018年也持续回落⌒⌒。考虑到工资性收入跟就业的关系更为紧密◇₯,因此其下跌可能也意味着就业压力的增大♂⊙。 其他参考指标 农村外出务工人数增速与收入增速∟。在农村劳动力过剩的背景下∵∟,农村外出务工人数增速是观察就业市场的一个重要指标↑。在2012年之后◇,农村外出务工人数增速大致经历了三个阶段的变化:2012-2014年震荡回落⌒↑,2015-2017年Q1震荡回升┊,2017年Q2至今持续回落┊。分析农村外出务工人数增速的一个难点是☆┊,难以区分趋势性变化与短期需求变动的影响∴〇。一方面♂,在2010年前后↑⊿,中国经历了“刘易斯拐点”♂π,这意味着可供转移的农村劳动力规模降低♂π,因此农村外出务工人数增速存在趋势性下移的趋势♀。另一方面↑﹡,经济的短期波动可能会影响对农民工的需求♂□,进而影响农村外出务工人数增速〇。只有在后一种情形反映的是就业压力的增大∵♂。从近期表现看♂☆,2018年下半年农村外出务工人数与收入增速同时回落⊙,显示就业压力增大♂。 PMI从业人员指数⊙⊙。作为PMI指标的分项∵,PMI从业人员指数是公布最早的就业指标∟。自2016年下半年以来π,PMI从业人员指数持续回升△,直至2017年3月份达到高点∟,之后震荡回落♂。值得一提的是♀♂,该指标在2012年5月之后一直未超过50%﹡₯,或许反映了就业市场的某些趋势性变化☆♀,其绝对值意义似乎不大π⊙。 城镇失业人数与领取失业保险金人数♂♂。城镇失业人数为登记失业人数△∵,而失业保险金也未覆盖全部劳动者▽π,因此这两项指标可能低估了实际失业人数↑,其变化趋势可能更具参考意义⌒。从近期走势看2018年下半年两项指标均有所回升┊⊿。 3 微观调查指标 人社部调查指标 第一组指标是人社部调查数据┊,具体是指中国人力资源市场信息监测中心提供的调查数据《部分城市公共就业服务机构市场供求状况分析》⌒﹡。这一组数据的特点是⊿,除了提供反映就业市场整体状况的求人倍率外〇♀,还发布行业职位需求变化状况信息∵,可以跟踪就业需求的行业结构变化π。 求人倍率是劳动力市场在一个统计周期内有效需求人数与有效求职人数之比◇,反应一个统计周期内劳动力市场的供需状况∴⊿。理论上看〇,当求人倍率大于1﹡♀,说明职位供过于求;如果求人倍率小于1☆,说明职位供不应求∵♂。求人倍率的绝对值可能难以准确反映供求状况⊿⊙,这是因为┊,求职人数除了失业者之外∟,还包括在职但正在寻求换工作的人△♂,同时求职者(或者雇主)在找到工作(或找到雇员)时未进行申报□。事实上↑┊,我国的求人倍率近年来一直高于1♂,显然与经济回落态势并不符合〇。同时☆,我们观察到求人倍率具有明显的季节性↑,通常二季度末为年内低点◇▽,或跟毕业季求职人数上升有关;年末数值相对较高⊙,或跟外出务工人员返乡导致的求职人数下降有关☆。从近期走势来看∴,自2016年三季度以来π♂,求人倍率均高于上年同期值⊿,显示就业状况持续改善;2016年第三季度以来岗位空缺与求职人数比率始终在1.1以上♂↑,2017年第四季度以来已连续五个季度保持在1.2以上的高位▽₯。 分行业来看♀,虽然各个季度有所变化◇〇,但用人需求占比相对较高的基本是制造业、批发零售业、住宿餐饮业、居民服务、租赁与商务服务、建筑业等♂,其中制造业占比接近1/3┊。从行业角度看∟,2018年下半年季度∴,用工需求明显改善的主要是房地产业、租赁和商务服务、科学技术研究等行业⊿⌒,而用工需求明显减弱的主要是电力煤气与水生产供应、采矿业、金融业、交运仓储等行业↑﹡。 中国就业市场景气指数(CIER) CIER指数全称为中国就业景气指数♀┊,由中国人民大学就业研究所利用智联招聘全站数据计算编制而成☆。其核心计算方法是:CIER指数=市场招聘需求人数/市场求职申请人数∵〇,与求人倍率的计算方法一致☆,数据频率为季度⌒。除了总的需求供给比△,还能提供城市、行业、职位维度的数据△。 CIER指数的优点在于样本覆盖全国五十多个大中城市、绝大多数行业与职业的网络就业市场♀,参与群体中一线城市白领与学生居多〇₯。近三年的季度求职申请人数均值约为75万人∴♂,按照城镇调查失业率口径粗略估计☆☆,CIER指数的抽样比约为3.5%♂。虽可能存在一定样本偏差∴,但整体而言CIER指数代表性较强◇。 耿林(2017)[2]将CIER指数分解成季节成分、趋势成分与周期成分⊙﹡。其中☆,第四季度是年内就业景气度高峰△,第二季度最低π,背后逻辑与求人倍率的季节性一致;趋势成分曲线稳定上升⊿,符合经济增长趋势;历史下行周期出现在2011年与2015年□↑,2016-2017年低位企稳₯,与实际情况较为吻合♀☆。除此之外∴⊿,耿林使用时间序列分析方法﹡,发现CIER指数与宏观经济景气指标具有密切联动关系♂▽。这说明CIER指数具有较高的科学性π〇,可以作为判断失业的有效补充指标⊿┊。 但CIER的绝对值与求人倍率存在同样的缺陷□,具体数据也表现为绝对值长期处于高位⊿□,历史均值达1.77♂。这一缺陷和包含多重成分的特点说明♀,CIER同比增速变化情况对于分析宏观经济周期下的就业周期更具意义◇。观察CEIR同比数据♂,发现2018年四个季度CEIR出现明显下降﹡,且降幅扩大◇⊙,为除2016年一季度之外的历史次大降幅⊿□,反映了就业压力较大▽☆。 从城市角度上分析∴⌒,静态来看♀,越不发达的城市CEIR越高⊙,可能是因为缺乏对劳动力的吸引力;动态来看﹡☆,不同发展水平的城市的表现具有明显的同向性▽,但一线城市的波动更小∟□,反映出其经济结构更完善↑﹡,就业市场更稳定₯☆。但从企业规模角度来看∟,各类企业的CEIR表现分化相对严重₯♂。大型企业的CEIR指数虽有波动┊∴,但总体而言呈明显上升趋势⊙。微型企业则呈现出明显波动☆₯,根据国家工商总局2014年发布的全国小型微型企业发展报告┊△,微企从业人员占法人企业人员的38.7%▽∟,微企的用工需求波动将显著影响整体就业情况⊙。行业角度上⊿∴,中介、保险、互联网与电子商务三大行业长时间维持较高的景气度▽,行业迅速发展带来劳动力供不应求;石油/石化/化工、电气/电力/水利、大型设备/机电设备/重工业则与之相反⊙┊。行业维度的数据直观地反映出经济结构的转型↑。 该指标的缺陷在于♂,按季度公布⌒⌒,更新频率较慢↑↑。2016年第二季度之前的细分领域数据未公布↑∵。历史期内的供需情况未分别公布♂▽,无法具体分析就业变化来源于哪一端△。 BCI企业招工前瞻指数 BCI系列指数(Business Conditions Index∟↑,中文含义为中国企业经营状况指数⌒,简称BCI)由长江商学院发起编制⌒□,自2011年9月起每个月发布一次♂。长江商学院以其校友和学员企业为调查样本∟,通过发放问卷询问企业管理层对企业未来6个月经营状况的预期₯,并据此计算形成11个分项指数和1个总指数□◇,其中的一个分项指数——化⊿π,具有较好的前瞻性♂⊙。指数以50为荣枯分水线□▽,50以上代表改善或变好⊙,50以下代表恶化或变差♂∵。 在使用时∵┊,应当注意到BCI指数样本的特点⊙。和注重大型企业、国企的政府PMI、注重民营小企业尤其是外贸企业的汇丰PMI不同□π,BCI的样本主要为聚焦于内需市场的民营中小企业♂,直接反映的仅是这部分企业的景气程度∵〇。 另一方面∴,自数据公布以来⌒▽,作为分项指数之一的企业竞争力指数基本在70以上∴∵,表明样本企业整体经营情况和竞争力高于行业平均水平∟,在宏观经济下行时﹡♂,样本企业的承压能力将高于行业平均水平♂⊿。作为样本群体的龙头企业还更有可能享受行业成长周期释放的红利⌒┊,即行业集中度提高将带来龙头企业的规模扩大﹡,而小企业将缩小招工规模甚至直接破产▽,引起样本数据严重偏离行业真实平均水平₯◇。数据显示♂,自统计以来﹡,无论经济状况如何∟⌒,企业招工前瞻指数长期处于高位⌒,从未低于50◇,均值接近70⊙⊙,显示企业招工规模持续上升⊙∴,说明样本偏差的确存在⊿₯。在这一测度方法下□,小企业上规模缩小甚至消失所带来的招工需求下降和失业增加或将被隐性化□♀。因此π,该指数所反映的情况与所涉及行业的整体状况相比偏乐观▽△,研究其变化趋势更有意义△┊。 从季节周期来看┊,企业招工前瞻指数的季节性不强△▽,年中与年后招工需求略高于同年其他时期⊙。从变化趋势来看﹡▽,2018年5月之后民营企业招工需求增速大幅下降〇,领先于城镇新增就业人数的下滑∴,显示该指标有一定的前瞻性〇。2018年12月∴□,该指数出现6年以来的最低值♀,为54.71┊,已连续4个月低于60◇∴。在可比的历史期内[3]◇,仅于2015年8月出现过一次低于60的情况⊙∟,指数值为59.57∵。 4 总结与展望 反映就业状况的指标可分为三个层次:就业人数变动指标、就业率(失业率)指标与人均薪资指标∟。常见的指标是新增就业人数♀,但考虑到经济结构转型期间劳动力市场“就业创造”与“就业消失”同时存在的特征◇⊙,还需要关注净增就业人数♂。第二个层次的就业指标是就业率/失业率指标△△,与就业人数指标相比□,可以反映劳动力供给端的变化□〇,对于劳动适龄人口规模已进入缩减阶段的中国而言□,尤为重要π。第三个层次的就业指标是人均薪资指标∵⊿,在一定程度上能铺捉到隐形失业□₯,弥补就业人数规模与就业率等显性指标的不足⌒。 从宏观层面看∟,就业相关指标主要有:城镇新增就业人数、城镇净增就业人数、调查失业率与居民收入增速等△,另外﹡▽,农村外出务工人数增速与收入增速、PMI就业人数指数、城镇失业人数与领取失业保险金人数可以作为参考指标☆⊿。需要关注的是净增就业与调查失业率♂。与新增就业相比┊♂,净增就业能更好的反映就业形势∵,跟GDP增速的走势基本一致♂,并且滞后于GDP增速一个季度左右∟,表明就业是经济增长的滞后变量﹡。调查失业率方面△,2018年较2017年分别下降﹡,跟净增就业人数以及经济增长的趋势背离∵,背后的原因可能在于⊙,劳动适龄人口规模缩减导致经济活动人数规模降低□。 从微观层面看₯,就业相关指标主要有:人社部对部分城市公共就业服务机构市场供求状况的调查数据、中国就业市场景气指数(CIER)与BCI企业招工前瞻指数π〇。其中◇,BCI企业招工前瞻指数在2018年5月开始显著回落⊙∟,领先于城镇新增就业人数的下滑□┊,显示该指标有一定的前瞻性⌒☆。 综合上述指标来看☆△,当前就业压力较大◇。宏观指标方面⌒,新增城镇就业人数自2018年8月之后趋弱∟△,2019年1-2月为174万⊙,较2018年同期下降;2月末调查失业率上升明显;居民收入增速尤其是工资性收入增速回落⊙∴。微观指标方面↑₯,CIER指数与BCI企业招工前瞻指数均显著回落₯♂。考虑到就业滞后于经济增长﹡,未来就业压力的缓解还需要经济增长的企稳↑。 对于就业尚有不少问题需要进一步的研究∟。一是如何更好的衡量隐形失业∴⊿。二是如何更准确的预测未来的就业走势⊿▽,尤其是考虑到劳动适龄人口规模趋势性缩减的背景△∟,结合劳动供给端的研究显然是有必要的﹡〇。三是经济增长对就业的影响弹性∴∴。对于宏观经济调控而言∵π,经济增长至少需要达到多少才能实现较为充分的就业⊿┊,显然是非常重要的问题□,但这方面的研究目前并不充分⊙∟。 【参考文献:】 [1]马弘、乔雪、徐嫄♂,2013:《中国制造业的就业创造与就业消失》▽,《经济研究》第12期▽⊙。 [2]耿林、毛宇飞⊿,2017:“中国就业景气指数的构建、预测及就业形势判断——基于网络招聘大数据的研究”⊿,《中国人民大学学报》第6期⊿。 [3]可比的历史期为2012年12月至今♂。在早期的调查中₯,分指数的构成有过调整⊿♂,数据口径发生多次变化∵。2012年12月后∵♂,BCI问卷再无调整π┊,因此之后的数据可以纵向比较□。本文首发于微信公众号:扑克投资家△。文章内容属作者个人观点♂,不代表和讯网立场〇∟。投资者据此操作₯,风险请自担△。【高港新闻】
编辑: 宁化新闻 返回宁化新闻首页
上一篇:我是一个汉堡,为了来到你的餐桌上,我......,榆次新闻网
下一篇:没有了
北京最新新闻