李强主持召开国务院常务会议

基于凯恩斯有效需求不足理论，就业水平取决于总需求而非劳动力供给意愿。就业优先战略通过政府促进就业、鼓励创业等政策工具直接扩张劳动需求，短期内降低失业率、提高就业数量。但根据搜寻匹配模型（Mortensen & Pissarides, 1994），就业质量的改善（工资、社保、工时）需依靠市场匹配效率提升和政策对匹配摩擦的降低。

据此提出以下假说：
- H1：就业优先战略的实施使城镇新增就业人数显著增加（预期系数 β > 0），且通过事件研究法可观察到政策时点前后就业指标的明显跳跃。
- H2：政策对高技能群体的就业质量提升效应强于低技能群体（异质性处理效应），因为职业技能培训和产业升级政策更多惠及高技能劳动力。
- H3：就业优先政策在经济下行期（有效需求不足）的就业效应大于经济上行期，存在非对称政策效应。

采用多期DID（Callaway & Sant'Anna, 2021）识别策略。核心识别逻辑：各省份出台"十五五"就业优先战略实施方案的时间不同（2026年各省陆续发布），形成交错处理时点的准自然实验。将已出台省份作为处理组、未出台省份作为对照组，比较处理前后就业指标的变化。

关键识别假定：（1）平行趋势假定——若无政策冲击，处理组与对照组的就业指标应保持平行变化趋势；（2）无预期效应——地方政府和企业未在政策正式出台前提前调整行为；（3）处理效应同质性——在基准DID设定下假定处理效应不随组别和时点变化（若存在异质性，使用Callaway-Sant'Anna的组-时平均处理效应ATT(g,t)）。

基准多期DID模型：

Y_{it} = α + β D_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为省份 i 在第 t 年的就业指标（城镇新增就业人数对数、城镇调查失业率）；D_{it} 为处理虚拟变量（省份 i 在 t 年已出台就业优先战略实施方案则取 1）；β 为核心参数，度量就业优先战略的平均处理效应（ATT）；X_{it} 为时变控制变量（GDP增速、产业结构、城镇化率）；μ_i 和 λ_t 为省份和年份固定效应。事件研究法设定为：Y_{it} = α + Σ_{k=-3}^{4} β_k D_{it}^k + γ X_{it} + μ_i + λ_t + ε_{it}，其中 D_{it}^k 为相对政策时点的虚拟变量。

被解释变量：城镇新增就业人数（国家统计局，经对数变换）、城镇调查失业率（月度数据年均值）、就业质量综合指数（CLDS个体数据加总至省级，综合工资中位数、社保覆盖率、周均工时三个维度，经主成分分析合成）。核心解释变量 D_{it}：各省"就业优先战略实施方案"的正式发布时间（以省政府或人社厅发文日期为准）。控制变量：GDP实际增速、第二三产业增加值占比、常住人口城镇化率、财政就业支出占比（Wind/国家统计局）。样本区间：2024—2028年省级年度面板数据。

• **平行趋势检验**：事件研究法检验政策前3期的系数是否联合不显著（pre-trend test），若显著则说明存在事前趋势差异，需引入省特定时间趋势修正。
• **安慰剂检验**：将各省政策时间均提前2年，以虚假政策时点重新估计DID，预期处理效应不显著。若显著，说明基准结果可能是虚假回归。
• **排除其他政策干扰**：在模型中加入同期重大政策的控制变量（如"以旧换新"消费补贴、产业转移政策），检验就业优先战略的净效应是否稳健。
• **替换被解释变量**：以城镇单位就业人数（统计局）和个体层面自报就业状态（CLDS）替代城镇新增就业人数，检验结论对就业测度方式的敏感性。

根据人力资本理论（Becker, 1964），职业技能培训通过提升劳动者的边际生产率，进而提高其工资水平。一般培训（通用技能）提升劳动者在所有企业的生产率，其成本由劳动者承担、回报也由劳动者获取；特定培训（企业专用技能）的成本和回报由企业和劳动者共享。在信息不对称下，培训证书还具有信号发送功能（Spence, 1973），帮助雇主甄别高能力劳动者。根据任务导向模型（Autor et al., 2003），技术变革使常规性任务的劳动力需求下降，而非常规分析和人际任务的劳动力需求上升，培训应帮助劳动者从常规任务向非常规任务转型。

据此提出以下假说：
- H1：职业技能培训参与显著提高个体小时工资（预期培训回报率 8-15%，与文献一致），且一般培训的回报率高于企业特定培训。
- H2：培训对低学历劳动者的工资提升效应强于高学历者（边际报酬递减），因为低学历者培训前的人力资本水平更低、边际改善空间更大。
- H3：培训提高了劳动者从常规性岗位向非常规分析岗位转型的概率（任务转型效应）。

核心识别挑战是培训参与的自选择偏误——参加培训的劳动者本身可能有更高的能力或动机，导致OLS估计上偏。本文采用双重策略：（1）利用各省职业技能培训补贴标准的外生变动作为培训参与的工具变量（IV），补贴标准越高，培训参与概率越高，但补贴标准本身不应直接影响个体工资（排他性约束）；（2）Heckman两步法校正就业选择偏误——只有就业者才能观测到工资，需在工资方程中加入逆米尔斯比（λ）校正样本选择。

关键识别假定：IV满足相关性和排他性——培训补贴标准与培训参与显著正相关（第一阶段F统计量 > 10），但补贴标准不通过培训以外的渠道影响个体工资。

工资方程（第二阶段）：

ln(wage_i) = α + β Train_i + γ X_i + θ λ_i + ε_i

培训参与方程（第一阶段/选择方程）：

Train_i* = δ Z_i + η X_i + ν_i，Train_i = 1(Train_i* > 0)

就业选择方程：

Employed_i* = κ W_i + ξ X_i + ω_i，Employed_i = 1(Employed_i* > 0)

其中 Z_i 为工具变量（省级培训补贴标准），W_i 为排他性变量（家庭非劳动收入、是否有学龄前儿童），λ_i 为逆米尔斯比。β 为核心参数，度量培训参与的因果工资效应。

被解释变量：对数小时工资（CFPS，年劳动收入除以年工作小时数）；就业状态二元变量（有工作=1）。核心解释变量 Train_i：过去12个月内是否参加过职业技能培训（CFPS自报）。工具变量 Z_i：各省人社厅发布的职业技能培训补贴标准（元/人）。控制变量：教育年限、潜在工作经验（年龄-教育年限-6）及其平方、性别、婚姻状态、城乡户口、行业和职业固定效应。数据来源：CFPS和CLDS 2024—2028年个体层面数据。

• **替换 IV 构造**：以地级市层面培训机构的密度（每万人培训机构数）替代省级补贴标准作为IV，检验工具变量选择的敏感性。
• **替代识别策略**：使用倾向得分匹配（PSM）替代IV-Heckman框架，以可观测特征匹配培训参与者与非参与者，检验结论对识别策略的敏感性。
• **分位数回归**：在工资分布的不同分位点（10th、25th、50th、75th、90th）估计培训回报率，检验培训效应是否具有异质性。
• **Falsification检验**：以未来一期（t+1）的工资对当期培训参与做回归，若系数显著，说明存在反向因果（高工资者更可能参加培训）。

根据市场失灵理论（Rodrik, 2004），未来产业具有高不确定性、长回报周期和强正外部性等特征，私人资本面临严重的信息不对称和协调失灵问题，导致投资不足。政府投资基金通过信号发送机制（signal-sending）和风险分担机制（risk-sharing），可引导社会资本进入未来产业赛道，产生"挤入效应"（crowding-in）。但政府干预也可能挤出私人投资（crowding-out），或导致资源错配。技术追赶理论（Gerschenkron, 1962）认为，后发国家可通过政府主导的制度化投资实现技术跨越，但追赶成功的关键在于制度能力。

据此提出以下假说：
- H1：政府投资基金的设立显著增加目标区域内未来产业赛道的初创企业数量（挤入效应 > 挤出效应）。
- H2：政府投资基金对社会风险资本具有正向引导效应——政府基金每增加1元投入，可带动更多社会资本进入同一赛道（杠杆效应）。
- H3：政府投资基金的产业培育效应在制度环境较好的地区更为显著（制度互补性假说），因为良好的营商环境和产权保护降低了社会资本的进入门槛。

采用渐进DID策略。各省份设立未来产业政府投资基金的时点不同，形成交错处理时点的准自然实验。核心识别逻辑：比较基金设立前后，处理组省份相对于未设立基金省份在未来产业赛道的创业活动和风投活跃度变化。

关键识别假定：（1）平行趋势——若无基金设立，各省份未来产业的创业活动应平行变化；（2）基金设立时点的外生性——省级政府投资基金设立主要受中央政策推动而非本省经济状况决定。为增强外生性论证，使用国务院常务会议提出"未来产业"概念的时点（2026年6月5日）作为全国层面外生冲击，所有省份同时受到政策方向指引，但落地时间因地方行政效率而异。

渐进DID基准方程：

Y_{it} = α + β Fund_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为省份 i 在年份 t 的未来产业创业活跃度（新注册企业数量对数、风投交易金额对数）；Fund_{it} 为处理变量（省份 i 在 t 年已设立未来产业政府投资基金则取 1）；β 为平均处理效应；X_{it} 为时变控制变量（GDP增速、R&D支出占GDP比重、金融发展指数、人力资本水平）。

使用事件研究法检验动态处理效应：Y_{it} = α + Σ_{k=-3}^{3} β_k Fund_{it}^k + γ X_{it} + μ_i + λ_t + ε_{it}，其中 Fund_{it}^k 为相对基金设立时点的虚拟变量。

被解释变量：（1）未来产业初创企业数量——工商登记数据库中经营范围内含"人工智能、量子计算、生物制造、商业航天、低空经济"等关键词的新注册企业数（年度、地级市加总至省级）；（2）风险投资活跃度——CVSource/清科私募通中投资于未来产业赛道的VC/PE交易金额和交易笔数。核心解释变量 Fund_{it}：各省政府引导基金中专门设立"未来产业基金"的正式公告日期。控制变量：R&D经费支出占GDP比重、金融发展水平（贷款余额/GDP）、人力资本水平（大专以上人口占比）、营商环境指数。样本区间：2024—2029年省级面板数据。

• **平行趋势检验与安慰剂**：事件研究法检验基金设立前各期系数；将基金设立时点随机打乱（permutation test），构造虚假处理的实证分布，检验基准处理效应是否来自偶然。
• **Goodman-Bacon分解**：对渐进DID的处理效应进行Bacon分解，检验是否存在"坏比较"（将早期处理组作为后期处理组的对照组而引入负权重）。
• **替换被解释变量**：以专利授权数量（未来产业相关IPC分类号）替代企业注册数，以风投首次融资轮次金额替代整体风投金额，检验创新产出和早期融资的敏感性。
• **排除中央政策干扰**：控制同期国家层面未来产业政策的固定效应（如国家制造业转型升级基金的投资节奏），通过加入年份虚拟变量与国家政策变量的交互项实现。

根据交易成本经济学（Williamson, 1985），产业链中的资产专用性、不完全合同和机会主义行为导致交易成本高昂，阻碍上下游协同创新。产业基础再造工程通过"链主"企业协调机制——让龙头企业牵头制定技术标准、共享技术成果、协调供应链分工——本质上是在不改变产权边界的情况下，通过制度安排（混合治理结构）降低产业链内的交易成本。根据制度变迁理论（North, 1990），当新制度降低交易成本的收益超过制度变迁的成本时，制度变迁即为有效率的。

据此提出以下假说：
- H1：产业基础再造工程显著降低了目标行业企业的供应链集中度（赫芬达尔指数下降），反映企业从依赖少数供应商转向多元化、标准化采购——交易成本降低的标志。
- H2：交易成本降低（以供应链集中度下降度量）在政策→TFP提升关系中起正向中介效应——政策通过降低交易成本间接提高生产效率。
- H3："链主"企业的协调效应在资产专用性高的行业更为显著，因为这些行业的事前交易成本更高、制度创新的收益更大。

采用多期DID策略。产业基础再造工程按行业分批推进（如2026年先覆盖集成电路、工业母机等重点行业，后扩展至其他制造业），行业间处理时点的交错形成准自然实验。处理组为率先被纳入工程的行业，对照组为尚未纳入的行业。

关键识别假定：（1）平行趋势——处理前，不同行业企业在供应链结构和TFP方面具有平行趋势；（2）行业纳入顺序的外生性——纳入顺序主要由国家战略优先序决定，而非企业层面的绩效指标；（3）SUTVA——一个行业的企业不受其他行业处理状态的影响（无跨行业溢出效应，但通过控制上游-下游行业联动进行检验）。

基准多期DID方程（企业层面）：

Y_{fjt} = α + β Policy_{jt} + γ X_{fjt} + μ_f + λ_t + ε_{fjt}

中介效应检验（Baron-Kenny框架改进 + Bootstrap）：

M_{fjt} = α_1 + a Policy_{jt} + γ_1 X_{fjt} + μ_f + λ_t + ε_{1fjt}
Y_{fjt} = α_2 + c' Policy_{jt} + b M_{fjt} + γ_2 X_{fjt} + μ_f + λ_t + ε_{2fjt}

其中下标 f 代表企业、j 代表行业、t 代表年份。Y_{fjt} 为结果变量（TFP，经 Levinsohn-Petrin 方法估计）；Policy_{jt} 为行业 j 在 t 年被纳入产业基础再造工程=1；M_{fjt} 为中介变量（供应链赫芬达尔指数——前5大供应商采购额占总采购额比重的平方和）；a × b 为间接效应（经 Bootstrap 置信区间检验）。

被解释变量：企业全要素生产率 TFP，使用 Levinsohn-Petrin（2003）方法估计，以中间投入为代理变量、劳动和资本为自由变量。中介变量：供应链集中度——前5大供应商采购额占比的赫芬达尔指数（CSMAR供应链数据库）；关联交易占比——上市公司与关联方交易占总交易比重（年报文本）。核心解释变量 Policy_{jt}：行业 j 是否已被工信部纳入产业基础再造工程名单。控制变量：企业规模（资产对数）、企业年龄、资产负债率、研发投入强度、行业集中度（HHI）、国有股占比。数据来源：CSMAR 2023—2029年A股制造业上市公司。

• **替换TFP估计方法**：以OP方法（Olley & Pakes, 1996）和ACF方法（Ackerberg, Caves & Frazer, 2015）替代LP方法估计TFP，检验生产率测度方式的敏感性。
• **替换中介变量**：以研发合作支出占比（联合研发投入/总研发投入）替代供应链集中度，度量另一维度的交易成本——技术合作中的协调成本。
• **排除国际贸易冲击**：控制行业层面的进口关税变动和汇率波动，排除同期贸易政策变化对企业绩效的混淆效应。
• **Heckman两步法自选择校正**：若被纳入工程的企业并非随机——政府可能选择"有潜力"的企业所在的行业——使用Heckman处理效应模型，以行业战略重要性的历史指标（如"中国制造2025"时期的行业分类）作为选择方程的排他性变量。

根据委托代理理论，中央（委托方）与地方（代理方）之间在多任务委托代理框架下存在激励冲突：中央要求地方政府同时追求经济增长、产业升级、就业稳定和风险防控等多重目标，而地方官员在晋升锦标赛体制下（周黎安, 2007）更倾向于选择经济增速等易于观测的指标，忽视产业升级等难以量化的长期目标。根据财政联邦主义理论（Qian & Weingast, 1997），财政分权赋予地方政府一定自主权，其产业政策执行效果取决于中央激励与地方利益的匹配程度。

据此提出以下假说：
- H1：地方政府工作报告与中央产业政策文本的相似度越高（央地激励匹配度越高），该地区新型工业化推进效果越好（高新技术产业产值占比越高）。
- H2：在晋升预期较强的官员任期内（年轻、任期短），产业政策执行偏差更大——官员更倾向于追求短期经济增长而非长期产业升级（"选择性应付"效应）。
- H3：财政自主度越高的地区，央地激励匹配度对产业政策执行的正向效应越弱——地方政府有更强的能力偏离中央目标（"自主性悖论"）。

核心识别挑战：央地政策匹配度本身可能内生于地方经济条件——经济发达地区可能天然与中央产业政策方向更一致，并非匹配度驱动了政策执行效果。本文采用两个策略处理内生性：（1）以省级行政边界的地级市——即位于同一省内但不同地级市的官员晋升激励差异作为"匹配度"的局部外生变异（省内差异在省级政策压力和产业结构方面可视为同质）；（2）以官员年龄是否超过58岁（地市级晋升年龄门槛）作为晋升激励的工具变量，年龄超限则晋升预期骤降，产生外生的激励变异。

关键识别假定：58岁年龄门槛不通过晋升预期以外的渠道影响产业政策执行（排他性约束），且年龄与不可观测的官员能力无系统性相关。

基准方程：

Y_{ct} = α + β Match_{ct} + γ Incentive_{ct} + δ (Match × Incentive)_{ct} + θ X_{ct} + μ_c + λ_t + ε_{ct}

其中 Y_{ct} 为城市 c 在年份 t 的新型工业化推进效果（高新技术产业产值占工业总产值比重）；Match_{ct} 为央地政策匹配度（t-1年市政府工作报告与当年国务院常务会议产业政策文本的余弦相似度，领先一期缓解反向因果）；Incentive_{ct} 为官员晋升激励（市委书记年龄的虚拟变量——小于55岁=1，高激励）；β 和 δ 为核心参数——β 度量匹配度的主效应，δ 度量激励的调节效应。

官员晋升激励的 IV 估计：

Incentive_{ct} = π Age58_{ct} + ρ X_{ct} + μ_c + λ_t + ν_{ct} （第一阶段）
Y_{ct} = α + β Match_{ct} + γ Incentive_{ct} + θ X_{ct} + μ_c + λ_t + ε_{ct} （第二阶段）

被解释变量：高新技术产业产值占工业总产值比重（城市统计年鉴）；工业增加值增速；战略性新兴产业企业数量占比。核心解释变量 Match_{ct}：使用Word2Vec或BERT预训练模型，将中央产业政策文本（国务院常务会议通稿中产业政策相关段落）和地级市政府工作报告（产业政策段落）转换为文本向量，计算余弦相似度作为"央地政策匹配度"。调节变量 Incentive_{ct}：市委书记年龄 < 55岁取1（高晋升激励）、≥ 58岁取0（低晋升激励）；兼任省委常委=1；任期内年数。控制变量：GDP增速、财政自给度（一般公共预算收入/支出）、FDI占GDP比重、城镇化率。数据来源：地级市政府工作报告（2023—2029年）、官员履历数据库（新华网/人民网）、中国城市统计年鉴。

1. 替换匹配度测度：以TF-IDF替代Word2Vec重新计算文本相似度，或仅使用产业政策专用词表（制造业、产业链、关键技术等50个关键词）的共现频率作为匹配度替代测度。
2. 替换激励变量：以"是否任期内达到58岁"替代"年龄<55岁"构造晋升激励指标，或使用官员来源（中央空降 vs. 本地晋升）作为外生激励差异。
3. 安慰剂检验：以非产业政策领域的央地文本相似度（如生态环保政策段落）作为虚假匹配度，预期其不应影响产业政策执行效果。
4. 排除省级固定效应：引入省-年联合固定效应（μ_{pt}），吸收所有省级层面随时间变化的混淆因素（如省级产业基金、省级税收优惠），仅利用省内城市间差异进行识别。
---
date: 2026-06-05
field: 金融 — 保险与养老金
source: https://tv.cctv.com/2026/06/05/VIDEZadUxliClNVsBngONyFV260605.shtml
topics_count: 5
---