1、勞動力結構與產業結構調整一、 引 言中國的產業結構正在不斷調整， 第一產業增加值占GDP勺比 重從 1952 年的 51%降至 2008 年的 11%，同期，第二和第三產業 的比重則分別從 21%和 28%升至 49%和 40%110 。自 20 世紀 90 年代中后期以來， 產業結構調整的步伐不斷加快。 通過對比間隔 六年的產業結構， 本文計算出的 Lilien 指數 Lilien 指數通過對 比t和t+d年間各產業占比的變化程度衡量產業結構的變化速 度，其中，d表示間隔的年數。從1999年的26上升至2006年 的 96，遠高于發達國家歷史上有關 Lilien 指數的最高紀錄水平 23 。

2、產業結構的演變一般符合配第克拉克定理、 庫茨涅茨定律 及錢納里標準產業結構和工業化階段理論的描述， 尤其是第二產 業的就業份額往往先增后降。 但該份額在中國尚未下降， 說明產 業結構在未來還將繼續調整，并且仍有巨大的調整空間。產業結構調整必將帶動投入結構隨之改變。 以資源、 資本和 勞動力為主要支撐的產業逐漸被以知識和技術為主要支撐的產 業替代，造成了就業市場中供給結構和需求結構的不匹配 4 。 由此帶來的結構性就業問題日漸凸顯， 從而可能阻礙中國經濟的 轉型升級 56 。盡管這一問題引起了相關學者的關注， 但系統性 地考察人們在產業結構調整中差異化反應的研究卻很少。 有兩個 問題尤其需要回答

3、： 第一，不同產業的勞動者構成有何差異？第 二，勞動者的個體特征與其進入特定產業的概率有何聯系？本文 利用一系列不變量指標，將國家 XX局19862009年間各年的 “城鎮住戶調查數據”匹配成個體層面的面板數據， 對以上兩個 問題進行研究。 回答這兩個問題， 有助于揭示勞動力結構與產業 結構的匹配關系， 為協調產業結構調整和就業結構調整、 促進轉 型期的經濟增長提供參考。配第克拉克定理、 庫茨涅茨定律及錢納里標準產業結構和工 業化階段理論是刻畫產業結構和勞動力分布結構演變的經典框 架。這些理論指出， 第一產業的份額將隨人均收入水平的提高而 下降；勞動力將首先轉向第二產業，并最終轉向第三產業。利

4、用 多部門新古典增長模型， 不少學者分別從需求面 （不同產業消費 收入彈性的差異） 89 和供給面 （產業生產力進步率和資本密集 度差異）1 0 1 3 為上述產業結構和勞動力分布結構演變的經典框 架提供理論解釋。但迄今為止，這些研究大多停留在宏觀層面。 他們共同的局限在于通過假設同質性勞動力掩蓋了個體特征對 產業結構的影響。 本文在勞動者個體的微觀層面上重新審視上述 經典理論，補充相關研究。研究不同類型個體在產業間轉移差異的文獻不多。 Bachmann 和 Burda、Fallick 通過考察德國和美國的勞動力市場發現，初 次參加工作和重新參加工作的勞動者是推動產業結構調整的主 力軍3 ,

5、7。Greenaway等人通過對比人們在不同時期應對產業 結構調整的差別發現， 第二次世界大戰以后人們對產業結構調整 的反應變得更加靈活 14 。然而，這些研究都只對勞動者進行了 大類區分（如初次工作、重新參加工作等），未對勞動者年齡、 性別、受教育程度、工作經驗和工作性質等個體特征給予關注。 本文豐富了對勞動者個體特征在產業結構調整中作用的認識。二、 產業間勞動者構成差異（一） 數據 勞動者在年齡、 性別、受教育程度和工作經驗等方面的構成 可能在產業間存在顯著差別，本文使用兩套數據對此加以刻畫。 第一套數據是國家 XX局19862009年的“城鎮住戶調查數 據”。其中，19862001年的數

6、據涵蓋30個省級地區， 20022009 年的數據涵蓋 18個省級地區。數據的統計對象是居 住在城市市區和縣城關鎮區居委會行政區域內、 擁有固定住宅的 家庭。 其中， 調查對象既包括常住本地并持有本地戶口的非農業 戶和農業戶， 也包括在本地居住半年以上并持外地戶口的農業戶 和非農業戶有關“城鎮住戶調查數據”更詳細的介紹，可參見W. Chi, R. B. Freeman & H. Li ," Adjusting to Really BigChanges： The Labor Market in China, 19892009 , NBERWorking Paper ， No.1

7、7721 （2012）， pp.125 。為便于考察 產業間勞動者的構成差異， 本文剔除了樣本中退休、 喪失勞動力 或仍在校的非勞動狀態人群。“城鎮住戶調查數據”的優勢在于其較長的觀測窗口和年 度間的連續性， 其主要局限在于統計對象不包括在城鎮居住時間 不足半年的流動人口。 中國的產業結構調整伴隨著大規模的人口 流動，而流動人口的個體特征可能顯著有別于其他城鎮居民。 將 流動人口排除在分析之外， 可能對刻畫產業間勞動者構成的差異 性造成偏誤。 為克服“城鎮住戶調查數據”的局限， 本文使用包 括流動人口在內的“ 2005 年全國 1%人口抽樣調查數據”（以下 簡稱“ 2005 年抽樣數據”），與

8、第一套數據的分析結果進行對 比。2005年全國 1%人口抽樣調查于當年 11月1日凌晨進行。 調 查對象既包括當晚全國 31 個省級地區（不含我國港澳臺地區） 抽樣社區內的住戶，也包括擁有該社區戶口但當晚外出的住戶。 本文使用調查總樣本 20%的子樣本，約含 258萬人有關“ 2005 年 全國 1%人口抽樣調查數據”更詳細的介紹，可參見邢春冰農 民工與城鎮職工的收入差距，載管理世界 2008年第 5 期， 第 5564 頁。同樣地，本文僅保留數據中的勞動者樣本。 盡管兩套數據均記錄了勞動者從事的具體行業， 但它們的行業分 類標準并不完全統一。 為保證其分析結果的可比性， 本部分將各 具體行業

9、歸入三次產業大類， 比較三次產業間勞動者構成的差異 性。（二） 結果 本文考察勞動者受教育程度、 性別、年齡和工作經驗這四方 面個體特征在產業間構成的差異。 因篇幅問題， 文中只匯報使用 “城鎮住戶調查數據”的分析結果， 而使用“ 2005 年抽樣數據” 的分析結果不做匯報，若有興趣者可向作者索取。1. 受教育程度圖 1 顯示了各產業中不同受教育程度勞動者所占的份額， 結 果表明三次產業間勞動者受教育程度的構成顯著不同。 本文通過 合并一些具體類別， 將兩套數據中勞動者的受教育程度都歸入初 中及以下學歷、高中學歷、大學及以上學歷這三大類，以保證分 析結果的可比性。由于“城鎮住戶調查數據”的觀測

10、窗口較長， 本文將數據分為五個子樣本， 并給出每個子樣本中勞動者受教育 程度的構成情況。 劃分這五個子樣本有助于揭示勞動者受教育程 度隨時間所產生的變化。需要說明的是，在每個子樣本中，各產 業勞動者受教育程度的構成是子樣本中所有年份的平均情況， 而 不再考慮不同年份間的變化。圖 1 各產業勞動者受教育程度構成從圖 1 可知，第一產業的大部分勞動者僅擁有初中及以下學 歷，但他們的份額已從 19861990年的71%F降至20062009 年的 57%。在 1996 年前，第二產業中絕大多數的勞動者同樣只 有初中及以下學歷；但到 20062009 年，這些受教育程度最低 的勞動者只占第二產業全體勞

11、動者的32%。相應地，第二產業中高中學歷和大學及以上學歷勞動者的占比分別從19861990 年的 32%和 6%上升到 20062009 年的 42%和 26%。同樣地， 在第三 產業中， 勞動者的受教育程度也在從低水平向高水平改變。 但不 同于第二產業的情況是，在 2000 年前，第三產業中高中學歷勞 動者的占比僅小幅增長；隨后，該占比卻大幅下降，從44%下降 到20062009年的34%而第三產業中大學及以上學歷勞動者的占比增長得特別快：從19861990年的17%上升至20062009 年的 44%。圖 1 還顯示，在任一時期普遍成立的規律是，初中及 以下學歷勞動者的占比始終在第一產業中

12、最高， 大學及以上學歷 勞動者的占比始終在第三產業中最高。與圖 1 一致的是，使用“ 2005 年抽樣數據”的分析結果同 樣顯示初中及以下學歷勞動者的占比在第一產業中最高，大學及以上學歷勞動者的占比在第三產業中最高。但不同于圖1，在使用“2005 年抽樣數據”的分析結果中，任一產業高中學歷和大 學及以上學歷勞動者的占比都相對較小， 而初中及以下學歷勞動 者的占比相對較大。具體來說，在使用“ 2005 年抽樣數據”的 分析結果中，第一產業有 82%的勞動者只有初中及以下學歷，但 圖1 中該比例在 20012005年期間只有 54%，在20062009 年 期間也只有 57%。在使用“2005 年

13、抽樣數據”的分析結果中， 大 學及以上學歷勞動者的占比僅為25%，但圖 1 中該比例在20012005年期間為 37%，在 20062009 年期間更是高達 44%。 造成以上差異的原因是， “城鎮住戶調查數據”只包括城鎮的長 期（半年以上）居民，而“ 2005 年抽樣數據”還包含城鎮中受 教育程度相對較低的流動人口。綜上所述，兩套數據共同反映的特征事實是， 初中及以下學 歷勞動者的占比在第一產業中最高， 大學及以上學歷勞動者的占 比在第三產業中最高。 通過長時間觀測， “城鎮住戶調查數據”還表明， 第一產業中初中及以下學歷勞動者的占比小幅下降； 第 二產業中高中學歷勞動者的占比先增后降， 大

14、學及以上學歷勞動 者的占比持續上升； 第三產業中大學及以上勞動者的占比大幅增 長。2. 性別圖 2 顯示了各產業中勞動者性別所占的份額， 結果表明三次 產業間勞動者的性別構成也顯著不同。 第三產業中男女勞動者的 占比接近，在不同時期也基本沒有變化。具體而言，男性勞動者 的占比略高于 50%，女性勞動者的占比略低于 50%。但在第一產 業中，男性勞動者的占比先小幅下降，后明顯上升，最終從19861990年的63%增至20062009年的69% 在第二產業中，男性勞動者的占比則始終保持上升，最終從19861990年的52%增至 20062009年的 65%因此，跨產業來看，盡管在 19861990

15、 年，女性勞動者的占比在第二和第三產業中十分接近， 并顯著高 于第一產業，但自 1 996年以后，就已明顯出現女性勞動者占比 在第三產業中最高、 在第二產業中次之、 在第一產業中最低的格 局。圖 2 各產業勞動者性別構成在使用“2005年抽樣數據”的分析結果中，與圖 2一致的 是，女性勞動者在第三產業的占比最高， 男性勞動者在第一產業 的占比最高。其中，女性勞動者在第三產業的占比為477%，該比例與圖 2中 20012005 年 481%的占比和 20062009 年 482% 的占比非常接近。在使用“ 2005 年抽樣數據”的分析結果中，第一和第二產業中男性勞動者的占比分別是679%和 61

16、1%。在圖2中，這兩個產業中男性勞動力的占比在20012005年分別是627唏口 608% 在20062009年則分別是688呀口 650% 兩套數 據的結果同樣較為接近。綜上所述， 兩套數據均表明勞動者性別在不同產業間存在明 顯分化：女性勞動者的占比在第三產業中最高， 男性勞動者的占 比在第一產業中最高。 通過長時間觀測， “城鎮住戶調查數據” 還表明，第一和第二產業中男性勞動者的占比近來呈上升趨勢， 而第三產業中勞動者的性別比例基本穩定。3. 年齡圖 3 顯示了各產業中勞動者年齡構成情況， 結果表明不同產 業中勞動者年齡構成的差別不大。簡化起見，此處僅展示 20012005 年和 2006

17、2009年兩段時期內各產業的勞動者年齡 構成情況。顯然，在任一時期內，不同產業中勞動者的年齡構成 均極為相似。但需要注意的是，在 20012005 年，各產業勞動 者年齡分布的峰值出現在 40歲左右， 而在 20062009 年，峰值 已右移至 43 歲左右。這與中國勞動力老齡化的宏觀趨勢基本吻 合。通過“家庭識別變量”匹配不同年份中家庭樣本的準確性可從兩方面進行考察。 首先， “城鎮住戶調查數據”的設 計原則是，每個家庭至多可被連續觀測三年。因此，如果在匹配 后的數據中某“家庭”連續出現四年或以上， 就意味著所對應的“家庭識別變量”可能錯誤地將不同家庭匹配在了一起。 這些樣 本約占總樣本的

18、4%。為確保匹配后的數據符合調查設計原則， 本文將這些樣本全部剔除。 其次， 本文還從匹配后的數據中抽取 了 2002 年以后的子樣本。 由于 2002 年以后原始的“城鎮住戶調 查數據”賦予每個家庭唯一的識別代碼， 通過比較匹配結果中的 原始家庭識別代碼，可以判斷匹配的準確性。結果顯示，在子樣 本中，僅有 1%的樣本被“家庭識別變量”匹配為同一家庭卻擁 有不同的原始家庭識別代碼。 也就是說， 匹配的準確率約為 99%。由于本文需要追蹤個體在產業間的轉移， 因此，可以剔除僅 被觀測過一次的家庭樣本。 最終，本文僅在匹配后的數據中保留 被連續觀測兩次或以上的家庭樣本， 這些樣本約占總樣本的 36

19、%。 本文構建的面板數據總共包括 81 148個家庭和 258 019位個體。本文分別對面板數據和原始數據中的關鍵變量進行了描述 性統計， 以評估匹配后的樣本是否具有代表性， 包括勞動者的行 業構成及個體的性別、年齡、受教育程度、所在單位性質、職業 性質和工作經驗等個體特征的構成。 結果表明， 兩個樣本在以上 諸多方面的差異不大。 這說明面板數據能夠較好地代表原始數據 的統計特征。因篇幅問題，上述比較結果在文中不做匯報。（二） 結果 面板數據能夠追蹤每位勞動者在產業間的轉移軌跡。 通過計 算產業 i 中的勞動者下一年進入產業 j 的人數比例， 可以獲得勞 動者在產業間的轉移概率。在具有不同個體

20、特征的勞動者群體 中，轉移概率可能顯著不同。 上文對產業間勞動者構成的比較說 明勞動者受教育程度構成和性別構成在產業間的差異最明顯。 因 此，表 1 比較了不同受教育程度和不同性別的個體產業間轉移概 率的差別。需要說明的是，面板數據不僅包括勞動者，還包括因 退休、失業等原因而沒有工作的非勞動者。 由于“城鎮住戶調查 數據”不能很好地區分這些非就業狀態， 本部分將這些個體歸為 與三次產業并列的一類， 最終將刻畫個體在這四種狀態之間的轉 移概率。表1 不同受教育程度和性別的勞動者的轉移概率單位： % 轉移軌跡 受教育程度大學及以上學歷高中學歷初中及以下學歷 性別男性 女性第一產業 79118532

21、875684228580 從第一產業進入第二產業 311440455381401 第三產業 17119465261049833 非工作狀態 067082263139170第一產業 006008008008006從第二產業進入第二產業 94049443942894639395 第三產業 460391346352381非工作狀態 130153211170209第一產業 015016013016010從第三產業進入第二產業 108173265169141第三產業 97679635935096399577非工作狀態 107170358167260第一產業 007004001002002從非工作狀態進入

22、第二產業 180103029065045第三產業 593332081149181非工作狀態 92129550988397769763 首先，受教育程度較高的個體進入或留在第三產業的概率較 高。受教育程度對轉移概率的影響在第一和第三產業的勞動者群 體中尤為明顯。 具體來說， 如果第一產業的勞動者僅有初中及以 下學歷，則其下一年進入第二產業的概率為 455%，而進入第三 產業的概率也只有 526%。相反，如果第一產業的勞動者擁有大 學及以上學歷，則其下一年進入第二產業的概率將下降至311%，而進入第三產業的概率將增至 1711%。第一產業的勞動者中，初 中及以下學歷者留在本產業的概率為 8756%

23、，進入非就業狀態的 概率為 263%；而大學及以上學歷者留在本產業的概率下降至 7911%，進入非就業狀態的概率下降至 067%。相應地，在第三產 業的勞動者群體中，初中及以下學歷者留在本產業的概率為 9350%，而大學及以上學歷者留在本產業的概率則高達9767%。同時，初中及以下學歷者進入第二產業的概率為265%，而大學及以上學歷者進入第二產業的概率只有 108%。其次，在三次產業中， 女性勞動者下一年進入非就業狀態的 概率始終高于男性勞動者。 而在非就業狀態的群體中， 女性與男 性下一年進入就業狀態的概率相近， 但女性進入第三產業的概率 更高。表 1 還顯示，如果只考慮三次產業之間的轉移概

24、率，則在 第二和第三產業中， 女性勞動者進入或留在第三產業的概率明顯 高于男性勞動者， 但在第一產業中， 女性勞動者比男性勞動者更 有可能進入第二產業或留在第一產業當只考慮三次產業間的轉 移概率時， 進入產業 i 的概率為條件概率， 即等于表中所列的進 入產業 i 的概率除以（ 1- 表中所列進入非工作狀態的概率）。四、 勞動者產業間轉移決策的決定因素（一） 理論模型 勞動者個體特征影響其產業間轉移決策的機制可通過以下 理論模型說明。假設產業 i 的生產函數具有以下形式： yi = AiH a ii ,其中，Ai代表生產力，a i衡量規模報酬遞減的程度， Hi 代表有效勞動投入。有效勞動投入一

25、方面取決于勞動者的個 體特征， 另一方面取決于產業本身對各類勞動者的依賴程度。 具 體而言， 以 k 表示具有某類特定個體特征的勞動者群體。 假設產 業 i 中共有 lik 位第 k 類勞動者，每位勞動者能貢獻 hik 單位有 效勞動，則產業 i 的有效勞動投入總計為 Hi =Kk=1 （hiklik ）， 其中，K表示勞動者類別總數。根據一階條件，產業i中的企業對每單位有效勞動投入將支付以下工資率：（ 0040）（0008）（ 0004）（ 0008）（ 0005）（ 0006）（ 0008）（ 0007） 第一產業生產力進步率-0027*-00040006*-00000005*-0002-

26、00030007*0013）（0003）（0002）（0003）（0002）（0002）（0003）（0002）第二產業生產力進步率-0040*0031*0071*-0032*0087*0045*-0034*006 6*（0013）（0002）（0001）（0003）（0002）（0002）（0002） （0002）續表 3 變量農業建筑業商業金融業居住業公共服務業科技業機關 組織業第三產業生產力進步率 0032*-0022*-0081*0032*-0082*-0041*0044*-00 58 *（0015）（0003）（0002）（0003）（0003）（0002）（0003） （0002）

27、單位性質是是是是是是是是行業固定效應是是是是是是是是樣本量 119 451119 451119 451119 451119 451119 451119 451119 451首先，仍考察已經參加工作的勞動者群體。表 3 顯示，女性 勞動者進入農業相對進入工業的比值比只是男性勞動者的644%，進入建筑業相對進入工業的比值比只是男性勞動者的584%。相反，除了進入科技業的概率與男性勞動者沒有顯著區別外， 女性 勞動者進入其他行業的概率都較高。 特別是， 她們進入公共服務 業相對進入工業的比值比達男性的 2 倍。表 3 還顯示，進入公共 服務業和科技業相對進入工業的比值比都隨年齡線性增加， 進入 商業

28、和居住業相對進入工業的比值比隨年齡先減后增， 進入機關 組織業相對進入工業的比值比隨年齡先增后減； 而對進入其他行 業而言，年齡的效應不顯著。表 3 進一步表明，初中及以下學歷 者進入建筑業和商業的相對概率較高， 進入金融業、 公共服務業、 科技業和機關組織業的相對概率較低； 而這正與大學及以上學歷 對勞動者行業選擇相對概率影響的方向相反； 職高學歷顯著促進 了勞動者選擇公共服務業和農業， 乃至在一定程度上提高了選擇 機關組織業的相對概率，但減少了選擇商業和居住業的相對概 率。表 3 還說明， 白領性質的工作提高了勞動者進入除農業以外 所有其他行業的相對概率， 降低了他們進入農業的相對概率。

29、最 后，對金融業、居住業、公共服務業、 科技業和機關組織業而言， 工作經驗降低了勞動者進入的相對概率， 但在后四個行業中， 其 效果將逐漸由負轉正。 與此同時， 工作經驗增加了勞動者進入商 業的相對概率。就行業特征而言， 國企人數占比的提高除了有助于增加勞動 者進入農業的相對概率外， 會降低勞動者進入其他行業的相對概 率。與表 2 結果相似的是， 第一產業生產力的提高將減少勞動者 進入農業的相對概率， 增加他們進入第三產業中商業、 居住業和 機關組織業等行業的相對概率； 第二產業生產力的提高會將勞動 者從農業推向大部分屬于第三產業的行業， 但會降低勞動者進入 金融業和科技業等生產性服務業的相對

30、概率； 而第三產業生產力 進步的效果正好與第二產業相反。 最后，勞動者所在省份人均真 實GDP勺提高降低了他們進入建筑業的相對概率， 提高了他們進 入所有第三產業行業的概率。其次，表 4 考察了初次參加工作的勞動者群體。 同樣由于面 板數據總樣本中只有 18 位初次工作者進入農業，本文只考慮勞 動者在其余八類行業間的選擇。結果顯示，女性進入商業、居住 業和公共服務業相對進入工業的比值比顯著高于男性； 但對其他 行業而言， 性別的作用不明顯。 與已經工作的勞動者的結論相似 的是，初次工作者年齡對其進入商業和居住業的相對概率的影響 先負后正，而對其進入機關組織業的相對概率的影響先正后負。 由于城鎮

31、中的年輕勞動力較少進入建筑業， 因此年齡對勞動者進 入建筑業的相對概率的影響起初為負， 但該效果隨后轉正。 年齡 還以線性的形式增加勞動者進入公共服務業的相對概率。 在受教 育程度方面，初中及以下學歷者進入建筑業的相對概率顯著較 高，而大學及以上學歷者進入除商業和居住業外所有第三產業行 業的相對概率顯著較高， 職高學歷顯著提高了初次勞動者進入建 筑業和公共服務業的相對概率，但對其他行業無顯著影響。在行業特征方面， 與已經工作的勞動者的結論相似的是， 國企人數占比的提高將減少勞動者進入建筑業、 商業和居住業的相 對概率， 說明無論是對初次工作者還是已經工作者而言， 這些行 業壟斷程度的提高都不利

32、于勞動力流入。 但國企人數占比的提高 卻有助于增加勞動者進入金融業、 公共服務業、 科技業和政機關 組織業的相對概率， 說明這些行業的壟斷主要阻礙了已經工作的 勞動者流入， 而由此帶來的工資溢價反而有助于吸引初次工作的 勞動者。 與供給面結構轉型理論一致的是， 第二產業生產力進步 提高了初次勞動者進入商業、 居住業、 公共服務業和機關組織業 等第三產業行業的相對概率， 而第三產業生產力進步的作用幾乎 相反。不過，對于作為生產性服務業的金融業而言，第二產業生 產力進步反而減小了初次勞動者進入的相對概率。最后， 人均真實GDP水平的提高有助于初次勞動者選擇幾乎所有第三產業行 業。表4 九類行業層面

33、的穩健性檢驗結果（初次工作的勞動者） 變量建筑業商業金融業居住業公共服務業科技業機關組織 業女性-06450451*05100729*0747*01940002 （0403）（0205）（0351）（0258）（0243）（0393）（0293） 年齡 -0467*-0563*0213-0509*0241*15170571* （0160）（0107）（0246）（0116）（0136）（1300）（0207） 年齡平方 0007*0008*-00030007*-0002-0032-0008*（0002）（0002）（0004）（0002）（0002）（0029）（0003）初中及以下學歷 18

34、73*-0024-062103020253-0742-0116（0621）（0285）（0711）（0354）（0456）（1137）（0516） 大學及以上學歷1091-0886*1183*-04612487*1996*1433* （0670）（0294）（0463）（0361）（0363）（0630）（0391） 職高學歷 1223*-04110447-01412046*01190516 （0665）（0287）（0534）（0375）（0380）（0772）（0451） 國企人數占比-4371*-13490*8292*-15683*21717*17410*36520*（1531）（095

35、6）（2526）（1127）（2471）（3821）（4447） 所在省份人均真實GDP-00630266*00840285*0326*0308*0406*（0071）（0041）（0083）（0050）（0055）（0074）（0065） 第一產業生產力進步率-0025002100460008-00210016-0043*（0034）（0018）（0031）（0023）（0020）（0035）（0023） 第二產業生產力進步率-00190094*-0042*0134*0064*00110037* （0028）（0015）（0025）（0018）（0017）（0024）（0020） 第三產業生

36、產力進步率-0014-0044*0028-0022-0043*0018-0036*（0030）（0017）（0027）（0023）（0018）（0029）（0021）行業固定效應是是是是是是是常數項是是是是是是是樣本量 1 2731 2731 2731 2731 2731 2731 273（二） 不同時期的結果我國自 20世紀 90 年代中期，尤其是 1998年國企改革以來， 經歷了一系列市場化改革 16 。市場化改革加強了勞動力市場的 流動性，勞動者在產業間轉移也變得更加頻繁。本文以 Lilien 指數 2 刻畫產業結構調整的速度。其衡量公式是：入 d, t=12 刀3j=1 dEj.tEt （6）其中 j = 1， 2 ， 3 分別代表三次產業， Ej ， t 表示產業 j第 t 年的就業人數， Et 表示當年三次產業的總就業人數。 是 差分運算符，表示相減； d