一、引 言
国际贸易与劳动力市场之间的关系一直以来是贸易理论学界和政策制定者关心的核心议题。一国参与贸易开放虽然可以在整体层面上改进社会福利,但也会因产业结构以及劳动力技能的差异而产生分配效应(Goldberg和Pavcnik,2007;Pavcnik,2017)。国家内部的地域差异近十多年也成为贸易分配效应分析的重要切入点,并成为困扰公众认识贸易福利收益的重要阻碍。2008年国际金融危机之后,国际政治经济风险日益凸显,国际贸易的发展也进入新的分工演进结构调整期,随之相伴的是2011—2016年全球贸易发展呈现低速增长乃至负增长的疲软态势。全球贸易需求的下降使得同时期的中国出口增长速度出现下降态势,并在2015年首次出现负增长。①中国加入WTO之后,对外贸易被视为驱动经济增长的重要力量,出口扩张在区域经济发展和劳动力市场结构变迁中发挥了重要作用,如经济结构转型(Erten和Leight,2019)、劳动力跨地区迁移(Facchini等,2019)、农业生产率提高与农村脱贫(Tian,2020)、技能需求导致的人力资本调整(Li,2018)等。然而,2011—2016年中国的出口增速放缓意味着对外贸易对经济增长的贡献将会减弱,甚至会对区域经济发展产生不利影响。虽然近几年全球贸易和中国贸易增速有所回升,但可以预见,由于中美贸易摩擦、国际政治经济风险凸显以及新冠肺炎疫情持续等不确定性事件的频发,未来的国际贸易增长形势依然不容乐观。
本文尝试从中国出口增速放缓的视角重新审视国际贸易与区域劳动力市场就业调整的关系。具体而言,本文使用2010—2015年中国海关数据库、中山大学社会调查中心2012年、2014年和2016年中国劳动力动态调查数据、2011—2015年中国民营上市公司数据以及2010年全国人口普查数据,试图就出口增速放缓是否抑制就业、劳动力资源如何配置以及背后的影响机制做出合理的揭示和解释。研究发现,出口增速放缓显著抑制了当地15—64岁劳动力参与工作的概率,从城市层面劳动力工作参与的视角得到了出口增速放缓的地区相对效应。面对出口增速放缓的负面冲击,劳动力在不同部门与不同就业身份之间重新配置,就业调整效应显现。此外,出口增速放缓对当地可贸易部门的企业绩效造成负面冲击,企业会以降低劳动力需求的形式将负面冲击转嫁给工人,即劳动力失业原因来自企业层面因素以及未就业劳动力的求职更加困难。
本文的边际贡献在于:第一,不同于现有文献基于进口竞争和出口扩张的分析视角,本文以中国劳动力动态微观调查数据中的劳动力就业表现为研究对象,基于出口增速放缓这一新的视角研究了中国区域劳动力市场的就业调整与变化,从而在一定程度上拓展了现有出口与劳动力市场研究的边界。第二,本文利用2010—2015年中国海关数据库构建了城市人均出口增速放缓指标,基于2010—2015年全球贸易需求下降的事实构建“Bartik工具变量”,揭示出口增速放缓虽然会对劳动力就业产生不利影响,但同时促进了当地劳动力资源的重新配置,劳动力在不同部门以及不同就业身份之间的就业调整反映了同时期我国经济结构转型的事实。第三,本文基于企业经营绩效的视角探讨了出口增速放缓影响劳动力就业的机制,同时通过对劳动力失业原因与未就业劳动力求职表现的分析为验证企业经营活动作为影响机制提供了间接证据。本文结论不仅对理解中国出口增速放缓的经济社会影响起到了有益补充,也为我国协同推进全方位对外开放和就业优先战略提供了理论支持和经验证据。
二、文献回顾、理论分析与研究假设
国际贸易的福利效应涉及福祉民生,现有文献主要从行业层面技能工资溢价(Feenstra和Hanson,1999)、企业异质性的收入不平等(Verhoogen,2008;Amiti等,2012)、区域劳动力市场的就业与工资调整(Topalova,2010;Autor等,2013;Kovak,2013)等方面进行了详细探讨。对于中国的经验证据,进口竞争和出口扩张构成了现有文献研究国际贸易影响中国区域劳动力市场的两个主要视角(张川川,2015;戴觅等;2019;Erten和Leight,2019;刘铠豪等,2019)。虽然现有文献从进口竞争和出口扩张的视角对贸易与中国区域劳动力市场就业的关系进行了富有成效的研究,但从地区出口增速放缓的视角对中国区域劳动力市场就业调整的研究还相对比较有限。②这里需要提到的是,Campante等(2019)从全球贸易需求下降导致2013—2015年中国出口增速放缓的视角,考察了其政治经济后果,主要体现为当地政府在公共安全领域的财政支出以及当地政府官员的晋升变动等方面的影响。虽然该文没有直接研究出口增速放缓对中国区域劳动力市场就业调整所产生的影响,但是其研究思想却给了我们有益的启示。接下来,本文结合现有相关文献进行理论分析,并提出研究假设。
传统的文献认为贸易开放影响区域劳动力市场的理论前提是劳动力跨地区迁移受到政策限制。Kovak(2013)在一个李嘉图-维纳(Ricardo-Viner)特定生产要素模型的理论框架下,证明了地区劳动力的工资变化等于当地不同的产业就业结构对产品价格变化的加权平均,为区域劳动力市场应对贸易冲击进行就业和工资调整的相关研究提供了理论基础。在理论上,进口扩张或进口关税削减会产生进口竞争效应,劳动力跨地区迁移受户籍政策限制以及产业结构存在明显的地域性特征,进口竞争可以通过不同地区的产业就业结构差异影响区域劳动力市场的就业和工资增长。例如,Topalova(2010)根据印度不同地区的产业结构构建地区层面的贸易开放程度指标,研究发现贸易影响较大的地区,脱贫的进程更加缓慢。基于中国的经验研究也得到了类似的结果,戴觅等(2019)以中国加入WTO为政策冲击,根据地区的产业就业结构构建城市层面的进口关税削减指标,研究发现受冲击较大的城市工资增长相对较慢。按照上述逻辑,出口需求下降或出口增速放缓会从需求侧对产品价格造成不利冲击。由于中国各个城市占主导的企业行业类别差异巨大,不同行业的就业结构也存在明显差异,因此直觉上,如果某个行业在某个城市所占的就业份额比较大,那么这一行业的出口需求下降会对该城市的劳动力就业带来更大的影响。由此,本文提出如下研究假设:
假设1:全球总体贸易需求下降导致中国出口增速放缓,而出口增速放缓通过产业结构的地域性特征对不同城市劳动力的就业产生负面影响。
劳动力迁移是贸易影响劳动力市场调整非常重要的机制。McCaig(2011)研究发现越南出口市场的开放增加了当地劳动力的就业机会和低技能劳动力的工资增长,进而吸引了更多的外来人口。Facchini等(2019)研究发现中美贸易政策不确性下降导致的出口扩张促进了中国不同地区之间的劳动力迁移,并使得当地非技术工人的工作时间显著增加。虽然出口扩张会导致劳动力的跨地区迁移,但劳动力市场存在粘性以及跨地区迁移受户籍政策限制,面临进口竞争等贸易的负面冲击时,劳动力在做迁移决策时,短期内更倾向于留在同一个地区(Autor等,2013;Dix-Carneiro和Kovak,2017),劳动力的跨地区迁移相较于贸易的负面冲击滞后7—10年(Greenland等,2019)。当劳动力的跨地区迁移不明显时,为了实现劳动力的供需均衡,本地劳动力在受到贸易冲击时会在地区内部的不同部门和就业身份之间进行边际调整。例如,Autor等(2013)研究发现进口竞争会对当地制造业部门产生负面冲击,进而使得当地劳动力向服务业部门进行就业调整。此外,劳动力还会通过在非正规部门与正规部门之间重新配置对贸易冲击做出调整(McCaig和Pavcnik,2018;Dix-Carneiro和Kovak,2019),来自中国的经验证据也表明最终品与中间品贸易进口对区域劳动力市场的非正规就业产生了显著的促进作用(何冰和周申,2019)。同理,如果地区层面的出口需求下降或出口增速放缓不会对劳动力的跨地区迁移造成显著影响,那么,当地劳动力在受到出口增速放缓的负面冲击时,会在地区内部的不同部门和不同就业身份之间进行边际调整。由此,本文提出如下研究假设:
假设2:面对出口增速放缓的负面冲击,当地劳动力会在不同部门与不同就业身份之间重新配置,从而产生就业调整效应。
许多文献从企业层面的视角考察了贸易对劳动力就业的影响(邵敏和包群,2011;Amiti等,2012;李胜旗和毛其淋,2018),认为企业的经营活动在国际贸易对劳动力市场的影响机制中占有重要地位。出口贸易的需求下降虽然不会像进口扩大那样从供给侧对企业经营带来竞争效应,但会从需求侧恶化企业的经营环境。出口增速放缓作为一种贸易负面冲击会对产品的相对价格造成不利影响,而企业产品相对价格下降又会对当地可贸易部门企业的经营活动造成负面冲击。在短期资本固定的条件下,企业维持生产成本进而以降低劳动力需求的形式将这些负面冲击转嫁给劳动力,具体表现为:一方面,当地劳动力失业的主要原因来自企业层面,如企业经营不善、裁员等;另一方面,当地未就业劳动力的求职情况更加严峻,如工作单位对劳动力的要求提高、劳动力求职时对全职工作的要求下降等。由此,本文提出如下研究假设:
假设3:当地可贸易部门企业的经营绩效恶化、当地劳动力失业原因来自企业经营不善以及未就业劳动力求职情况困难是出口增速放缓影响区域劳动力市场就业调整的重要机制。
三、研究设计
(一)计量模型设定
本文基于2010—2015年中国出口增长放缓的视角,考察其对区域劳动力市场就业调整的影响,利用全球贸易需求下降的事实构建工具变量进行2SLS回归。基准回归模型设定如下:
${Y_{irt}} = \alpha + \beta ExpShoc{k_{r,t - 1}} + \gamma X + {\mu _r} + {\lambda _t} + {\xi _{irt}}$ | (1) |
其中,被解释变量
(二)变量定义与构建
1. 核心解释变量:城市出口增速放缓
本文参照Campante等(2019)的研究思路,定义城市层面的可贸易部门出口增长变化,以反映当地的宏观经济冲击。首先,构建城市层面的人均出口值,如下式所示:
$Expor{t_{rt}} = \sum\limits_{f \in r} {\sum\nolimits_k {\frac{{expor{t_{rfkt}}}}{{{L_{r,2010}}}}} } $ | (2) |
其中,
$ExpShoc{k_{r,t - 1}} = Expor{t_{r,t - 1}} - Expor{t_{r,t - 2}}$ | (3) |
根据式(3)可知,
我们根据2010—2011年和2014—2015年的出口放缓幅度从120个样本城市中列举了前5大城市和后5大城市的信息,以分析不同城市出口放缓的特征事实。如表1所示,这一时期,出口放缓幅度最大的城市是深圳,其在2010—2011年的出口增长约为4.519千美元/人,但在2014—2015年的出口增长约为−2.226千美元/人,放缓的幅度约为6.745千美元/人。除了深圳,这一时期出口放缓幅度最大的另外4个城市分别为珠海、厦门、上海和乌鲁木齐,可以看出它们大多数在2014—2015年经历了负的出口增长,其主要产业大多是计算机、通信电子设备或者其他通用设备制造业。出口放缓幅度最小的5个城市分别为玉溪、百色、揭阳、西宁和遵义,这几个城市出口的增长幅度一直处于上升趋势,其主要产业为纺织服装、服饰业以及非金属矿物制品业等。值得注意的是,根据出口放缓幅度进行区分的城市有的位于沿海,有的地处内陆,表明出口放缓幅度与当地的产业结构有关。
城市 | 省份 | 主要行业 | 2010—2011年 | 2014—2015年 | 出口放缓幅度 |
面板A:出口增速放缓幅度最大的5个城市信息 | |||||
深圳 | 广东 | 计算机、通信和其他电子设备制造业 | 4.519 | −2.226 | 6.745 |
珠海 | 广东 | 计算机、通信和其他电子设备制造业 | 2.456 | −0.177 | 2.633 |
厦门 | 福建 | 计算机、通信和其他电子设备制造业 | 2.510 | 0.114 | 2.396 |
上海 | 上海 | 通用设备制造业 | 1.548 | −0.756 | 2.305 |
乌鲁木齐 | 新疆 | 黑色金属冶炼和压延加工业 | −0.926 | −0.988 | 1.914 |
面板B:出口增速放缓幅度最小的5个城市信息 | |||||
玉溪 | 云南 | 非金属矿物制品业 | 0.056 | 0.563 | −0.508 |
百色 | 广西 | 纺织服装、服饰业 | 0.022 | 0.254 | −0.232 |
揭阳 | 广东 | 纺织服装、服饰业 | 0.177 | 0.404 | −0.227 |
西宁 | 青海 | 黑色金属冶炼和压延加工业 | 0.118 | 0.325 | −0.207 |
遵义 | 贵州 | 皮革、毛皮、羽毛以及制品和制造业 | 0.012 | 0.134 | −0.122 |
注:出口增速放缓指标的单位为千美元/人;所选取的城市来自本文实证分析中的120个样本城市;主要行业根据2015年每个城市的制造业行业就业比重测算得到。 |
2. 工具变量:城市出口需求下降冲击
为了进一步识别出口增速放缓与区域劳动力市场就业调整之间的因果关系,本文基于全球贸易需求下降的事实构建“Bartik工具变量”进行2SLS估计。2010年以后,全球贸易发展呈现低速增长甚至负增长的疲软态势,虽然生产布局等结构性因素对全球贸易发展有着重要作用,但这一时期全球总体贸易增速下降主要是由各国需求疲软、投资不足等周期性因素造成的(Aslam等,2016;戴翔,2016)。而针对同时期中国出口增速放缓的成因,Qian等(2017)研究认为这一时期中国贸易的增速放缓也是由需求不足等周期性因素主导的结果,而结构性因素的影响相对较小。葛阳琴和谢建国(2018)得到了与Qian等(2017)类似的结论,研究发现全球贸易需求下降是中国2011–2014年出口增速下降的主要驱动因素,全球贸易需求水平的下降和需求结构的调整在这一过程中发挥了主导作用,其贡献率为85.9%。如果中国出口放缓主要是源于全球总体贸易的需求下降,即世界其他国家的贸易往来是中国外贸发展变化的外生驱动力量,那么我们就可以采用全球范围内除中国以外的其他国家或地区对其他国家或地区的出口来反映中国的出口需求冲击。具体构建如下式所示:
$ExpShock_{_{r,t - 1}}^W = \sum\limits_k {\frac{{{X_{kr,2010}}}}{{{X_{k,2010}}}}\frac{{\Delta X_{k,t - 1}^W}}{{{L_{r,2010}}}}} $ | (4) |
其中,
(三)数据来源
本文使用的数据主要包括:第一,不同城市的劳动力就业供给变化、劳动力在不同部门与不同就业身份之间的就业调整、劳动力失业原因以及未就业劳动力的求职表现等研究对象主要来自中山大学社会科学调查中心2012年、2014年和2016年中国劳动力动态调查数据(CLDS)。该数据库对中国城乡以村、居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查,样本覆盖中国29个省市,调查对象为样本家户中的全部劳动力(年龄为15—64岁的家庭成员)。第二,核心解释变量城市出口增速放缓的数据来自2010—2015年中国海关数据库和国家统计局2010年全国人口普查数据。对于每一家贸易企业,海关数据库提供了企业的所在城市、HS-8产品层面的进出口交易额。本文首先按照出口企业所在城市将企业-产品-年份层面的出口值进行加总,然后根据当地适龄劳动力数量将城市层面的出口值标准化为城市人均出口值,其中城市适龄劳动力数量来自2010年全国人口普查数据。本文将海关数据库、人口普查数据、劳动力动态调查数据中的城市对应统一。第三,本文基于企业经营活动对出口增速放缓影响劳动力就业表现的机制进行检验,其中企业雇佣员工数量、营业收入、净资产收益率、每股收益及市盈率等绩效指标来自2011—2015年中国民营上市公司数据库。第四,本文构建的工具变量所使用的其他国家或地区的出口贸易数据来自世界综合贸易方案中的贸易进出口数据库,以及2010年全国人口普查数据。城市层面的控制变量所用数据来自2010—2015年《中国城市统计年鉴》。本文实证分析中主要变量的统计性描述如表2所示。
2012年 | 2014年 | 2016年 | 全部年份 | |
当前是否工作 | 0.613 | 0.633 | 0.639 | 0.629 |
过去一年是否工作 | 0.675 | 0.683 | 0.691 | 0.683 |
农业部门工作 | 0.271 | 0.289 | 0.293 | 0.285 |
制造业部门工作 | 0.107 | 0.082 | 0.085 | 0.090 |
服务业部门工作 | 0.253 | 0.255 | 0.266 | 0.258 |
是否是雇员 | 0.275 | 0.297 | 0.304 | 0.293 |
是否是雇主 | 0.029 | 0.012 | 0.015 | 0.018 |
是否是自雇 | 0.054 | 0.091 | 0.085 | 0.079 |
城市出口增长(人均千美元) | 0.354 | 0.239 | −0.015 | 0.190 |
出口增长(IV)(人均万美元) | 0.287 | 0.075 | −0.262 | 0.027 |
四、出口增速放缓与城市劳动力就业状态
(一)基准回归结果与分析
表3报告了基准回归结果。其中,列(1)是当地15—64岁劳动力是否参与工作对城市出口增长放缓幅度进行回归的结果。为了控制宏观层面随时间变化以及不随时间变化的不可观测因素对结果可能造成的影响,回归时加入了城市固定效应和时间固定效应。结果显示,当地劳动力参与工作的概率与城市出口增长放缓幅度之间呈负相关关系,并且在5%的水平上显著。本文希望研究不同城市的特定个体在不同时期因为出口贸易增长的宏观经济冲击所导致的就业参与变化,然而不同个体是否参与工作还会受到年龄、性别、户籍、受教育程度等个体特征的影响,因此,为了排除城市人口特征变化对当地劳动力参与工作概率的变化所造成的干扰,本文在列(1)结果的基础上进一步控制了个体特征变量。列(2)的结果显示,当地劳动力参与工作的概率与城市出口增长放缓幅度之间的相关关系依然显著为负。虽然城市固定效应和时间固定效应能够排除宏观层面不可观测的因素对结果可能造成的干扰,但控制当地随时间变化的可观测特征变量有助于进一步得到有效的结果。因此,本文在列(3)的基础上进一步控制了城市层面的总人口数量、制造业就业比重、人均GDP、外商直接投资等其他影响个人是否参与工作的变量,发现结果依然稳健。本文进一步根据前文构建的“Bartik工具变量”进行2SLS回归以识别两者之间的因果效应。列(4)与列(5)的结果显示,城市出口增长放缓幅度与劳动力参与工作概率之间的关系依然显著为负,这意味着出口增速放缓程度越高的城市,当地劳动力参与工作的概率越低,即城市出口增速放缓显著抑制了当地15—64岁劳动力参与工作的概率。
(1) | (2) | (3) | (4) | (5) | |
OLS | OLS | OLS | 2SLS | 2SLS | |
$ExpShoc{k_{r,t - 1}}$
|
−0.023** (0.010) |
−0.027** (0.011) |
−0.036*** (0.011) |
−0.034** (0.016) |
−0.037** (0.018) |
First-stage F-stat | 10.516 | 14.263 | |||
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 44 086 | 44 086 | 38 613 | 44 086 | 38 613 |
R2 | 0.049 | 0.112 | 0.114 | 0.049 | 0.114 |
注:(1)*、**和***分别表示在10%、5%和1%的水平上显著,括号内为聚类到城市层面的稳健标准误。(2)控制变量包括个人年龄、性别、户籍、受教育水平、是否懂英语、母亲受教育水平、2010年城市总人口对数值、2010年城市制造业占比、城市工资对数值、城市人均GDP对数值和城市FDI对数值。下同。 |
表3的基准回归结果背后有着较强的经济学含义。以列(5)的回归系数为例,城市出口增幅每放缓1 000美元/人,会使得当地15—64岁劳动力参与工作的概率下降3.7%。本文的实证策略识别的是出口增速放缓对劳动力就业的影响在不同城市之间的相对效应,即出口增速放缓程度较高的城市与出口增速放缓程度较低的城市之间在劳动力参与就业概率方面的相对差异,而出口增长放缓使得当地个体参与就业的概率增长较慢并不意味着在全国范围内出口增速放缓会对就业产生整体性的负面影响。本文的样本数据显示,所有的样本城市均经历了不同程度的出口增长放缓的趋势,如果比较出口增速放缓程度25分位数和75分位数上的两个城市,这两个城市在2010—2011年和2014—2015年出口增速放缓的程度分别为16美元/人和402美元/人,这意味着相比出口增速放缓程度较小的城市,2012—2016年劳动力参与就业的概率在出口增速放缓程度较大的城市累计下降了约1.4%。此外,当地个人是否参与工作的标准差为0.482,这两个城市个人参与工作概率上1.4%的变化差异相当于使所有城市个人参与工作的标准差在这一时期平均减少了约2.9%。
基准回归结果表明,城市出口增速放缓显著抑制了当地15—64岁劳动力参与工作的概率。理论上讲,根据赫克歇尔-俄林(Heckscher-Ohlin)与李嘉图-维纳(Ricardo-Viner)模型结论,如果一个部门受到贸易负面冲击,那么会降低该部门最终产品的相对价格,并使得劳动力和资本等生产要素重新分配到相对价格上升的部门,而在劳动力供给无弹性以及无劳动力市场摩擦的条件下,劳动力资源的重配配置效应会抵消价格变化的冲击以实现充分就业状态。在区域劳动力市场的分析框架中,如果当地劳动力不会因为受到宏观经济冲击的负面影响而在不同地区之间迁移时,那么这一结果将意味着劳动力在地区内部进行边际调整,主要表现为劳动力在受出口增速放缓直接冲击的可贸易部门与非直接冲击的不可贸易部门之间进行重新配置,以及参与工作的劳动力在不同形式的就业身份之间进行调整等。接下来,本文将对区域劳动力市场内部的就业调整进行详细分析。
(二)当地不同部门之间的就业结构调整
从理论上讲,出口增速放缓会对当地的制造业部门产生直接冲击,而受到非直接影响的部门会因为就业的集聚溢出效应或不同部门的工资调整进而重新配置劳动力。因此,对当地不同部门之间的就业结构进行分析时,本文主要考察4个研究对象,即劳动力是否到农业部门就业,是否到制造业部门就业,是否到交通运输、仓储与邮电通信部门就业,是否到其他服务业部门就业。跨部门就业调整的回归结果如表4所示。
(1) | (2) | (3) | (4) | (5) | |
农业部门 | 制造业部门 | 交通运输、仓储与邮电通信部门 | 服务业部门 | 任意部门就业 | |
$ExpShoc{k_{r,t - 1}}$
|
−0.035*** (0.012) |
−0.023*** (0.005) |
0.002
(0.003) |
0.028* (0.015) |
−0.028* (0.015) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 38 613 | 38 613 | 38 613 | 38 613 | 38 613 |
R2 | 0.352 | 0.132 | 0.036 | 0.160 | 0.112 |
表4中的结果显示,农业部门和制造业部门的就业估计系数均显著为负,表明城市出口增速放缓显著抑制了当地个人到农业部门和制造业部门就业的概率。劳动力在不同部门之间的就业调整体现为交通运输、仓储与邮电通信部门以及其他服务业部门的就业概率上升。Autor等(2013)、Dix-Carneiro和Kovak(2017)等研究发现,当区域劳动力市场的制造业部门受到进口竞争的负面冲击后,当地的非贸易部门会做出方向相反的就业调整,以缓冲进口竞争对区域劳动力市场的负面影响。本文从中国出口增速放缓的视角得到了与现有文献类似的结果,表明区域劳动力市场会通过部门之间的劳动力重新配置在一定程度上达到了缓冲贸易的负面冲击的目的。但由于劳动力供给弹性的存在以及劳动力跨部门流动成本的存在,劳动力的就业调整仅起到了部分缓冲效应。表4中列(1)–列(3)的结果显示,当地不同部门之间的整体就业净效应为−0.028(=−0.035−0.023+0.002+0.028)。当直接对是否到任意具体部门参与就业进行回归分析时,列(5)的结果显示,回归系数为−0.028,这与部门之间的整体就业净效应一致,也与表3的基准回归结果基本一致。④
此外,本文从劳动力的年龄组别和受教育程度组别来考察出口增速放缓对劳动力在不同部门间就业调整的异质性影响。首先,本文将15—64岁的劳动力分为10个不同年龄段,以分析不同年龄段劳动力在不同部门之间的就业调整程度。图1的结果显示,当地出口增速放缓使得制造业部门和农业部门的年轻劳动力群体受到的冲击更加明显,并且相对于年龄较大的劳动力群体而言,向服务业部门进行就业转移的也主要是年轻劳动力。出现这一结果的原因在于,不同年龄的工人跨部门流动的成本不同,进而影响了不同年龄段劳动力面对负面冲击时向其他部门进行就业转移的能力。
其次,本文按照劳动力受教育程度的不同将劳动力群体分为6组,以分析不同受教育程度的劳动力面对负面冲击时在不同部门之间进行就业调整的情况。图2的结果显示,对于在制造业部门就业的劳动力而言,出口增速放缓主要对受教育程度较低的劳动力产生负面影响,不同教育程度的劳动力在农业部门的就业均出现了不同程度的下降,并且受教育程度不同的劳动力均出现了向服务业部门转移的情况,而受教育程度较低的劳动力跨部门调整的情况更加明显。直觉上说,当一个地方出现出口增速放缓等负面冲击时,由于受教育程度较低的劳动力往往是低技能劳动力,而低技能劳动力由于与工作岗位的匹配程度较低,使得该群体更容易受到负面冲击而转移到其他部门。
(三)当地不同就业身份之间的就业结构调整
接下来,本文将进一步考察城市出口增速放缓对参与工作的劳动力在不同就业身份之间进行调整的影响,以分析劳动力面临外部贸易的负面冲击时在正规就业与非正规就业之间的就业转变。非正式公司通常不雇佣工人,大部分是自雇和自营形式的工作。⑤表5的结果显示,劳动力的就业调整也显著地存在于不同就业身份之间。列(1)和列(3)的结果显示,城市出口增长幅度每下降1 000美元/人,当地劳动力以雇员就业身份参与工作的概率将下降2.2%,以自雇形式的就业身份参与工作的概率将提高1.9%,表明在出口增速放缓程度较大的城市,劳动力以雇员就业身份参与工作的概率显著下降,而以自雇形式的就业身份参与工作的概率显著上升。此外,与前文一致,劳动力在不同就业身份之间的转变存在调整成本,自雇形式的就业身份参与工作只能在一定程度上缓解以雇员就业身份参与工作下降的趋势,而在出口增速放缓程度较高的城市,如列(4)所示,劳动力以任一就业身份参与工作的净效应为正,但统计上并不显著。
不同就业身份的转变意味着劳动力在正规就业和非正规就业之间的就业调整。La Porta和Shleifer(2008)研究指出,在许多发展中国家,自雇形式的就业身份与各种非正规就业形式高度相关。McCaig和Pavcnik(2018)研究发现,越南出口市场的开放使得当地劳动力资源在非正规部门与正规部门之间得以重新配置,并且降低了正规部门和非正规部门之间的劳动生产率差异,进而促进了当地整体生产率的提高。本文的实证结果表明,中国的出口增速放缓使得当地劳动力参与非正规就业的概率得到显著提高。由于年轻劳动力和受教育程度较低的劳动力群体更容易受到宏观经济负面冲击的影响,因此也就不难理解这一结果符合年轻劳动力和低技能劳动力更倾向于参与非正规就业的事实。本文的回归结果与其他发展中国家关于贸易负面冲击(如进口竞争)导致劳动力向非正规部门就业调整的结论相类似(Dix-Carneiro和Kovak,2019)。
(1) | (2) | (3) | (4) | |
雇员 | 雇主 | 自雇 | 任意就业身份 | |
$ExpShoc{k_{r,t - 1}}$
|
−0.022* (0.011) |
0.008* (0.004) |
0.019*** (0.004) |
0.005
(0.012) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
观测值 | 38 613 | 38 613 | 38 613 | 38 613 |
R2 | 0.231 | 0.024 | 0.044 | 0.254 |
(四)稳健性检验
本文将从城市出口增速放缓的其他构建方法、工具变量的其他构建方法、出口增速放缓趋势导致的个人预期效应以及当地内需增速变化等方面做进一步讨论,以检验基准结果的稳健性。⑥具体考察前文中的5个对象:劳动力是否参与工作、到制造业部门参与工作的概率、到服务业部门参与工作的概率、劳动力以雇员身份就业的概率和以自雇形式就业的概率。
1. 基于国家-产品总出口构建“Bartik”城市出口增长。基准回归的出口增速放缓由当地企业-产品-年份层面的出口交易数据加总得到,本文将利用各城市在制造业产品出口的专业化分工这一事实,以2010年每个城市-产品出口与该产品总出口的比率为权重,将国家-产品层面的出口值加权平均到城市层面。直觉上说,由于不同产品的出口集中度在不同城市之间存在差异,国家-产品层面的总出口增速放缓在不同城市造成的冲击不同。这说明基准回归的结果是稳健的。
2. 工具变量的其他构建方法。中国的出口增长与贸易伙伴国的进口需求相关。如果除中国以外的其他国家或地区对中国的主要贸易伙伴国的出口增速放缓的话,即中国的主要贸易伙伴国在同时期出现了进口需求放缓的情况,那么中国对这些国家或地区的出口增速也会出现放缓,而前者不会受到中国区域劳动力市场的干扰。因此,本文根据除中国以外的其他国家或地区对中国10大贸易伙伴国的出口事实重新构建工具变量进行回归,结果表明基准回归的结果是稳健的。
3. 出口增速放缓趋势导致的微观个体预期效应。本文在基准回归时将城市出口增速放缓这一指标滞后一期,这在一定程度上排除了劳动力就业供给对当地出口增长的反向因果效应。但值得注意的是,当出口增速放缓影响区域劳动力市场就业时,出口增速放缓趋势所导致的微观个体预期因素也可能会对劳动力市场调整产生影响,即如果劳动力个体意识到未来出口增速出现放缓这一趋势,那么他们会根据未来预期进行就业调整。因此,为了排除微观个体预期因素对结果可能造成的干扰,本文进一步考察t+1期的出口增速放缓是否会对t期的劳动力市场就业调整产生影响。具体而言,本文采用2012年和2014年的劳动力市场就业对2012—2013年和2014—2015年的出口增长放缓进行回归。表6的结果显示,虽然回归系数的符号方向与基准回归结果基本一致,但统计上不再显著,表明未来出口增速放缓的趋势所导致的微观个体预期效应不会对当期的劳动力市场就业调整产生显著影响。
(1) | (2) | (3) | (4) | (5) | |
当前工作状态 | 制造业部门 | 服务业部门 | 雇员 | 自雇 | |
$ExpShoc{k_{r,t - 1}}$
|
−0.054
(0.042) |
−0.015
(0.021) |
0.027
(0.021) |
−0.003
(0.038) |
−0.005
(0.009) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 28 161 | 28 161 | 28 161 | 28 161 | 28 161 |
R2 | 0.113 | 0.132 | 0.154 | 0.227 | 0.049 |
4. 城市内需增速变化的就业效应。城市内需增速放缓对区域劳动力市场的就业调整有着与出口增速放缓(外需增速放缓)类似的作用。如果内需增速变化在不同城市存在显著的异质性,那么可能与面临出口增速放缓的形势相似,也会对不同地区的劳动力市场调整产生差异化影响。本文进一步控制城市内需增速放缓,以排除其对结果可能造成的干扰。指标构建如下:
$AbsShoc{k_{r,t}} = \sum\limits_j {\frac{{Em{p_{jr,2008}}}}{{Em{p_{j,2008}}}}\frac{{\Delta Absorptio{n_{j,t}}}}{{{L_{r,2010}}}}} $ | (5) |
其中,
(1) | (2) | (3) | (4) | (5) | |
当前工作状态 | 制造业部门 | 服务业部门 | 雇员 | 自雇 | |
$ExpShoc{k_{r,t - 1}}$
|
−0.052** (0.024) |
−0.027*** (0.010) |
0.026
(0.017) |
−0.035** (0.016) |
0.023*** (0.006) |
$AbsShoc{k_{r,t}}$
|
−0.056
(0.048) |
0.003
(0.021) |
−0.060** (0.025) |
−0.061** (0.031) |
−0.002
(0.014) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 38 613 | 38 613 | 38 613 | 38 613 | 38 613 |
R2 | 0.113 | 0.131 | 0.161 | 0.230 | 0.045 |
五、出口增速放缓影响劳动力就业的机制分析
从理论上说,出口增速放缓作为一种负面贸易冲击会对产品相对价格造成不利影响,进而对当地可贸易部门企业的经营活动造成负面冲击。在短期资本固定时,企业维持生产成本进而以降低劳动力需求的形式将贸易负面冲击转嫁给劳动力:一方面,劳动力失业的原因主要来自企业层面,如企业经营不善、裁员等;另一方面,未就业劳动力的求职情况更加困难,如工作单位对劳动力的要求提高、劳动力求职时对全职工作的要求下降等。因此,本文将从当地可贸易部门与非贸易部门企业的经营绩效、劳动力失业原因以及未就业劳动力的求职表现三个方面对出口增速放缓影响劳动力就业的背后机制进行探讨。
(一)当地可贸易部门与非贸易部门的企业经营绩效
由于国有企业除了实现自身财务利润最大化目标之外,还需要在面临宏观经济政策的负面冲击时起到稳定就业的社会服务功能。相比之下,民营企业的经营活动更能反映产品市场与劳动力市场的供需变化。因此,本文采用2011—2015年中国民营上市公司数据库中可贸易部门与非贸易部门的企业雇佣员工人数、企业营业收入、企业净资产收益率、每股收益以及企业市盈率来分析城市出口增速放缓对企业经营绩效的影响。⑦回归结果如表8所示。列(1)是出口增速放缓对企业雇佣员工数量的回归结果,面板A显示出口增长放缓幅度与可贸易部门企业雇佣员工数量之间呈显著的负相关关系,出口增长幅度每下降10%,当地可贸易部门企业的雇佣员工数量将下降约1%。这一结果从企业层面印证了前述采用劳动力动态调查数据得到的出口增速放缓具有就业抑制效应的结论。面板B显示非贸易部门企业的雇佣员工数量呈上升趋势,其背后的经济学含义是,当地劳动力从受出口增速放缓直接影响的可贸易部门向无直接影响的非贸易部门进行重新配置;统计学上回归结果不显著的原因可能是劳动力供给并非完全弹性及部门之间存在劳动力迁移成本使得劳动力的重新配置并不完全。列(2)的结果显示,出口增长幅度每下降10%,当地可贸易部门企业的营业收入将下降约1%,这与企业雇佣员工人数的回归结果类似。列(3)—列(5)的结果显示,出口增速放缓会降低可贸易部门企业的净资产收益率、每股收益以及市盈率,而非贸易部门企业的净资产收益率、每股收益以及市盈率会呈现出与可贸易部门企业方向相反的结果,这与本文的理论预期一致。综合这些证据可以发现,出口增速放缓会对当地可贸易部门企业的经营绩效造成负面冲击。接下来,本文将进一步分析出口增速放缓是如何使得企业以降低劳动力需求的形式将贸易负面冲击转嫁给工人的。
(1) | (2) | (3) | (4) | (5) | |
员工人数 | 营业收入 | 净资产收益率 | 每股收益 | 市盈率 | |
面板A:可贸易部门 | |||||
$ExpShoc{k_{r,t}}$
|
−0.096** (0.047) |
−0.099** (0.050) |
−0.559** (0.047) |
−0.071** (0.029) |
−222.0
(137.6) |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 5 584 | 5 586 | 5 542 | 5 590 | 4 811 |
R2 | 0.198 | 0.208 | 0.008 | 0.097 | 0.011 |
面板B:非贸易部门 | |||||
$ExpShoc{k_{r,t}}$
|
0.103
(0.110) |
0.060
(0.144) |
0.019
(0.104) |
−0.098
(0.085) |
211.4* (0.104) |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 2 086 | 2 080 | 2 067 | 2 088 | 1 791 |
R2 | 0.206 | 0.248 | 0.020 | 0.102 | 0.084 |
(二)当地劳动力失业原因与未就业劳动力求职
接下来,本文将进一步剖析当地劳动力失业的原因以及未就业劳动力的求职表现,为出口增速放缓通过企业经营绩效影响劳动力就业提供间接证据。
首先,本文对出口增速放缓导致当地劳动力失业背后的原因进行分析。如果出口增速放缓对当地企业的经营绩效造成负面冲击,那么劳动力失业的原因主要是来自工作层面的因素,如企业经营不善、裁员等。表9是出口增速放缓影响当地劳动力失业原因的回归结果,结果显示当地劳动力失业来自家庭、个人健康以及其他方面原因的回归系数不显著,而来自工作层面原因的回归系数显著为负。其中,列(4)的结果显示,城市出口增长幅度每放缓1 000美元/人,当地劳动力因企业经营不善而失业的概率将上升约0.7%,即出口增速放缓程度较大城市的劳动力失业原因主要来自企业层面。这一结果从劳动力失业原因的层面印证了上述采用中国民营上市公司数据得到的结论,即出口增速放缓对当地可贸易部门企业的经营绩效会造成负面冲击,进而使得企业对劳动力的需求下降。
(1) | (2) | (3) | (4) | (5) | |
家庭原因 | 个人健康原因 | 工作原因:正常工作变动 | 工作原因:企业经营不善 | 其他原因 | |
$ExpShoc{k_{r,t - 1}}$
|
0.006
(0.005) |
−0.003
(0.004) |
0.023*** (0.008) |
0.007** (0.008) |
−0.001
(0.001) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 38 613 | 38 613 | 38 613 | 38 613 | 38 613 |
R2 | 0.061 | 0.033 | 0.142 | 0.024 | 0.025 |
其次,本文对出口增速放缓导致当地未就业劳动力的具体求职表现进行分析。如果出口增速放缓对当地企业经营绩效造成负面冲击进而使劳动力失业,那么经济环境的恶化会在一定程度上使得当地劳动力的求职变得更加困难。表10是出口增速放缓影响当地未就业劳动力求职表现的回归结果。列(1)的结果显示,城市出口增长幅度每下降1 000美元/人,未就业劳动力因求职岗位因素而未找到工作的概率将上升约2.2%,表明在出口增速放缓程度较高的城市,未就业劳动力求职困难的原因主要来自求职岗位因素,如没有合适的工作、找不到任何工作等。列(2)的结果显示,城市出口增长幅度每下降1 000美元/人,未就业劳动力因求职歧视因素而未找工作的概率将上升约2.3%,表明在出口增速放缓程度较大的城市,劳动力求职在过程中更容易受到年龄歧视、技能歧视等。至于未就业劳动力未来的求职打算,列(3)与列(4)的结果显示,出口增速放缓使得未就业劳动力未来一年打算求职的概率下降,并且在求职过程中对全职工作的需求下降。总体而言,表10回归结果表明,出口增速放缓使得未就业劳动力的求职变得更加困难,造成这一结果的原因与前述原因一致,即出口增速放缓会对当地企业的经营绩效造成负面冲击,进而使得劳动力市场的整体就业条件恶化。
(1) | (2) | (3) | (4) | |
未找工作原因:求职岗位因素 | 未找工作原因:求职歧视因素 | 未来一年是否打算找工作 | 是否在找全职工作 | |
$ExpShoc{k_{r,t - 1}}$
|
0.022* (0.013) |
0.023** (0.011) |
0.048* (0.026) |
−0.005** (0.003) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
城市固定效应 | 控制 | 控制 | 控制 | 控制 |
年份固定效应 | 控制 | 控制 | 控制 | 控制 |
观测值 | 38 613 | 38 613 | 38 613 | 38 613 |
R2 | 0.109 | 0.108 | 0.113 | 0.015 |
综合上述证据可知,本文从当地劳动力失业原因与未就业劳动力的求职表现两个方面印证了采用中国民营上市公司数据得到的结论,即企业以降低劳动力需求的形式将贸易负面冲击转嫁给工人,从而为验证企业经营活动是出口增速放缓的劳动力就业效应的影响机制提供了间接证据。
六、结论与政策建议
本文基于国际贸易和区域劳动力市场的相关研究方法和思路,尝试从出口增速放缓的视角重新审视国际贸易与区域劳动力市场就业调整的关系,重点并详细考察了2010—2015年由全球总体贸易需求下降所导致的中国不同城市出口增速放缓对当地劳动力市场就业表现以及劳动力就业调整的影响,试图就出口增速放缓是否以及如何影响劳动力市场这个问题做出合理的揭示和解释。本文实证分析得到如下主要结论:(1)城市出口增速放缓显著抑制了当地15—64岁劳动力的就业概率,城市出口增幅每放缓1 000美元/人,当地劳动力就业的概率将下降3.7%。本文的所有样本城市均经历了不同程度的出口增速放缓趋势,2012—2016年出口增速放缓程度75分位数城市的劳动力就业概率比25分位数城市累计下降了约1.4%。上述结论从城市出口增速放缓的视角说明了贸易影响就业的相对效应。(2)出口增速放缓使得当地劳动力在不同部门与不同就业身份之间进行重新配置,具体表现为:劳动力到制造业部门就业的概率下降,劳动力向服务业部门进行就业转移以应对负面的贸易冲击。跨部门就业调整主要体现在年轻劳动力和受教育程度较低的劳动力群体中。此外,出口增速放缓会使得劳动力从雇员就业身份向自雇就业身份进行调整,这一结果反映了劳动力通过参与非正规的就业形式以应对负面贸易冲击的事实。(3)本文从企业层面对出口增速放缓影响当地劳动力就业的机制进行探讨,结果表明出口增速放缓会对当地可贸易部门企业的经营绩效造成负面冲击,如降低企业雇佣员工数量、企业营业收入、净资产收益率、每股收益及市盈率等,同时非贸易部门的企业绩效在一定程度上缓冲了这一负面冲击。因此,企业会以降低劳动力需求的形式将负面贸易冲击转嫁给工人,主要表现为劳动力失业的原因主要来自企业层面因素以及未就业劳动力的求职更加困难。
本文的研究结论刻画了全球总体贸易需求下降导致的中国出口增速放缓与区域劳动力市场就业表现、当地劳动力在不同就业部门与不同就业身份之间重新配置的关系,对我国当前形势下稳定外贸发展和劳动力就业、推进我国经济高质量发展具有重要的政策启示。首先,当前的国际贸易形势存在着很大的不确定性,如外贸需求下降、中美贸易摩擦、新冠肺炎疫情蔓延等,国际贸易的外部环境风险正在不断加大和凸显。为此,我们需要实施新一轮高质量对外开放举措,以供给侧结构性改革为主线,积极推进合作共赢的开放体系建设,如着力深化与共建“一带一路”国家的贸易合作,扩展和优化国际市场布局;推动出口与进口协同发展,如举办中国国际进口博览会、拓展中国进出口商品交易会等贸易促进平台建设以扩大内需,制定科学合理的对外开放政策来化解贸易政策风险,以便获得相对稳定的外部宏观环境,促进我国对外贸易的稳定与高质量发展,从而有效降低和消解由于出口增速减缓而对地区劳动力调整产生的负面冲击和不利影响。其次,在劳动力市场方面,我们应明晰劳动力在面临国际贸易发展新形势中的就业状态、跨部门就业调整、不同就业身份的转变以及求职等方面存在的问题及演变趋势,合理布局产业结构,降低外部风险对劳动力市场的传导效应。同时,应促进国内生产要素有序自由流动,进一步落实户籍管理制度的开放与解除措施,降低劳动力迁移成本;培育如快递、网店等新型就业型态,引导劳动力资源优化配置,完善新型就业形态及非正规就业形态发展的制度建设,保障新型就业形态与非正规就业形态的劳动者权益;构建更为顺畅的劳动力就业保障机制,如求职培训、劳动力技能培训等,以增强劳动力抵御外部不确定风险冲击的能力。
① 中国海关总署的统计数据表明,2012—2015年中国外贸增长的预期目标分别为10%、8%、7.5%和6%,而外贸的实际增长则分别为6.2%、7.6%、3.4%和−7%。外贸的实际增长率一方面未实现当年的预期目标,另一方面呈不断下降趋势。
② 受世界贸易需求下降的冲击,本文并不排除地区内有些企业出口继续扩张,有些企业出口出现放缓的事实,本文主要是采用现有文献中的区域劳动力市场研究方法关注于地区出口增速放缓的负面宏观经济冲击对当地个人就业可能造成的影响,因数据限制,并未讨论因企业异质性造成的出口扩张或放缓进而对其员工造成的冲击。因此,基于2010—2015年世界贸易需求下降所导致的地区出口增速放缓为本文提供了一个较好的研究视角。
③ 限于篇幅,本文没有给出具体的实证结果;如有需要,可向作者索取或参见本文的工作论文版本。
④
⑤ CLDS2012个人调查问卷区分了自雇非体力工作者与自雇体力工作者,前者包括无雇员的个体户或店主、自我雇佣的专业技术工作者,如会计、画家、作家等,后者包括自雇中的非专业技术类与非个体户的所有人员,包括建筑业零散工、街头摊贩、钟点工、自营司机、拾荒、街头修鞋-擦鞋者、街头洗车人员、街头卖唱卖艺人员等。CLDS2014和CLDS 2016个人问卷中未再区分。由此可见,自雇形式的就业不隶属于任何组织,属于非正规就业范畴。
⑥ 本文讨论了劳动力迁移在出口增速放缓影响劳动力市场就业表现中的作用,发现其不会对基准结果造成干扰。限于篇幅,本文没有报告所有的稳健性检验结果;如有需要,可向作者索取或参见本文的工作论文版本。
⑦ 本文根据中国民营上市公司数据库和海关数据库中的城市行政区划代码将两者进行了匹配对应,然后再根据中国民营上市公司数据库中的行业类别区分可贸易部门企业和非贸易部门企业,分析企业所在城市的出口增速放缓这一负面的宏观经济冲击对他们的影响。
[1] | 戴觅, 张轶凡, 黄炜. 贸易自由化如何影响中国区域劳动力市场?[J]. 管理世界, 2019(6): 56–69. DOI:10.3969/j.issn.1002-5502.2019.06.006 |
[2] | 戴翔. 全球贸易增速下降之谜研究综述[J]. 经济学动态, 2016(9): 134–142. |
[3] | 葛阳琴, 谢建国. 中国出口增速下降的驱动因素研究——基于全球价值链分工的分层结构分解分析[J]. 数量经济技术经济研究, 2018(2): 24–43. |
[4] | 何冰, 周申. 贸易自由化与就业调整空间差异: 中国地级市的经验证据[J]. 世界经济, 2019(6): 119–142. |
[5] | 李胜旗, 毛其淋. 关税政策不确定性如何影响就业与工资[J]. 世界经济, 2018(6): 28–52. |
[6] | 刘铠豪, 佟家栋, 刘润娟. 中国出口扩张的健康成本——来自成年人发病率的证据[J]. 中国工业经济, 2019(8): 118–135. |
[7] | 邵敏, 包群. 出口企业转型对中国劳动力就业与工资的影响: 基于倾向评分匹配估计的经验分析[J]. 世界经济, 2011(6): 48–70. |
[8] | 张川川. 出口对就业、工资和收入不平等的影响——基于微观数据的证据[J]. 经济学(季刊), 2015(4): 1611–1630. |
[9] | Amiti M, Davis D R. Trade, firms, and wages: Theory and evidence[J]. The Review of Economic Studies, 2012, 79(1): 1–36. |
[10] | Aslam A, Boz E, Cerutti E, et al. Global trade: What’s behind the slowdown? [A]. IMF World Economic Outlook[M]. Washington: IMF, 2016. |
[11] | Autor D H, Dorn D, Hanson G H. The China syndrome: Local labor market effects of import competition in the United States[J]. American Economic Review, 2013, 103(6): 2121–2168. |
[12] | Campante F R, Chor D, Li B J. The political economy consequences of China's export slowdown[R]. NBER Working Paper No. 25925, 2019. |
[13] | Dix-Carneiro R, Kovak B K. Trade liberalization and regional dynamics[J]. American Economic Review, 2017, 107(10): 2908–2946. |
[14] | Dix-Carneiro R, Kovak B K. Margins of labor market adjustment to trade[J]. Journal of International Economics, 2019, 117: 125–142. |
[15] | Erten B, Leight J. Exporting out of agriculture: The impact of WTO accession on structural transformation in China[J]. Review of Economics and Statistics, 2019: 1–46. |
[16] | Facchini G, Liu M Y, Mayda A M, et al. China's "Great Migration": The impact of the reduction in trade policy uncertainty[J]. Journal of International Economics, 2019, 120: 126–144. |
[17] | Feenstra R C, Hanson G H. The impact of outsourcing and high-technology capital on wages: Estimates for the United States, 1979-1990[J]. The Quarterly Journal of Economics, 1999, 114(3): 907–940. |
[18] | Goldberg P K, Pavcnik, N. Distributional effects of globalization in developing countries[J]. Journal of Economic Literature, 2007, 45(1): 39–82. |
[19] | Greenland A, Lopresti J, McHenry P. Import competition and internal migration[J]. Review of Economics and Statistics, 2019, 101(1): 44–59. |
[20] | Kovak B K. Regional effects of trade reform: What is the correct measure of liberalization?[J]. American Economic Review, 2013, 103(5): 1960–1976. |
[21] | La Porta R, Shleifer A. Informality and development[J]. Journal of Economic Perspectives, 2014, 28(3): 109–126. |
[22] | Li B J. Export expansion, skill acquisition and industry specialization: Evidence from China[J]. Journal of International Economics, 2018, 114: 346–361. |
[23] | McCaig B. Exporting out of poverty: Provincial poverty in Vietnam and U.S. market access[J]. Journal of International Economics, 2011, 85(1): 102–113. |
[24] | McCaig B, Pavcnik N. Export markets and labor allocation in a low-income country[J]. American Economic Review, 2018, 108(7): 1899–1941. |
[25] | Pavcnik N. The impact of trade on inequality in developing countries[R]. NBER Working Paper No. 23878, 2017. |
[26] | Qian X F, Liu Z, Pan Y. China’s trade slowdown: Cyclical or structural?[J]. China & World Economy, 2017, 25(6): 65–83. |
[27] | Tian Y. Trade-induced urbanization and the making of modern agriculture[R]. Working Paper, 2020. |
[28] | Topalova P. Factor immobility and regional impacts of trade liberalization: Evidence on poverty from India[J]. American Economic Journal: Applied Economics, 2010, 2(4): 1–41. |
[29] | Verhoogen E A. Trade, quality upgrading and wage inequality in the Mexican manufacturing sector[J]. Quarterly Journal of Economics, 2008, 123(2): 489–530. |