張抗私 韓佳樂(lè)

一、引言

就業(yè)是最大的民生，就業(yè)工作始終是經(jīng)濟(jì)工作的重中之重。十九屆五中全會(huì)審議通過(guò)《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》，提出“十四五”時(shí)期要實(shí)現(xiàn)更加充分更高質(zhì)量就業(yè)的主要目標(biāo)，要千方百計(jì)穩(wěn)定和擴(kuò)大就業(yè)，擴(kuò)大就業(yè)容量，提升就業(yè)質(zhì)量，促進(jìn)充分就業(yè)，保障勞動(dòng)者的待遇和權(quán)益。一味地強(qiáng)調(diào)就業(yè)人數(shù)的增加和失業(yè)者人數(shù)的減少并不意味著勞動(dòng)者的福利能得到改善，缺乏就業(yè)能力的弱勢(shì)勞動(dòng)者仍然面臨生活困境和失業(yè)風(fēng)險(xiǎn)。低水平、不考慮質(zhì)量發(fā)展的就業(yè)導(dǎo)致勞動(dòng)力市場(chǎng)的長(zhǎng)期低效率，甚至造成社會(huì)福利損失。面對(duì)錯(cuò)綜復(fù)雜的國(guó)際環(huán)境和艱巨繁重的國(guó)內(nèi)改革發(fā)展穩(wěn)定任務(wù)，我國(guó)實(shí)現(xiàn)了經(jīng)濟(jì)平穩(wěn)較快發(fā)展和社會(huì)和諧穩(wěn)定。但在經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)之后發(fā)展不平衡、不可持續(xù)等問(wèn)題更加凸顯，“協(xié)調(diào)發(fā)展”作為習(xí)近平總書(shū)記“五大發(fā)展理念”的組成之一，對(duì)于平衡發(fā)展結(jié)構(gòu)有著重要意義。就業(yè)質(zhì)量協(xié)調(diào)發(fā)展是指充分就業(yè)與高質(zhì)量就業(yè)，以及充分就業(yè)與高質(zhì)量就業(yè)平衡發(fā)展的狀態(tài)。就業(yè)量與質(zhì)的共同發(fā)展，互促共進(jìn)，良性互動(dòng)，有利于推動(dòng)經(jīng)濟(jì)發(fā)展、保障和改善民生、構(gòu)建社會(huì)主義和諧社會(huì)。此外，強(qiáng)化更加充分更高質(zhì)量就業(yè)有利于刺激消費(fèi)，改善人民生活品質(zhì)，實(shí)現(xiàn)共同富裕，也為堅(jiān)持?jǐn)U大內(nèi)需這個(gè)戰(zhàn)略基點(diǎn)，形成強(qiáng)大國(guó)內(nèi)市場(chǎng)，構(gòu)建新發(fā)展格局提供了重要支撐。

充分就業(yè)是對(duì)就業(yè)量的反映，更高質(zhì)量發(fā)展是對(duì)就業(yè)質(zhì)的追求，就業(yè)數(shù)量的保證是就業(yè)質(zhì)量發(fā)展的前提，兼顧就業(yè)質(zhì)與量，以及在質(zhì)與量基礎(chǔ)上的就業(yè)質(zhì)量綜合水平以及協(xié)調(diào)發(fā)展才有利于勞動(dòng)力市場(chǎng)健康、有序運(yùn)行。然而，就業(yè)數(shù)量和就業(yè)質(zhì)量存在此消彼長(zhǎng)的關(guān)系，如社會(huì)保障和就業(yè)保障中轉(zhuǎn)移支付的“福利依賴”效應(yīng)、社會(huì)保險(xiǎn)繳費(fèi)的勞動(dòng)力擠出效應(yīng)、勞動(dòng)保護(hù)的資本替代效應(yīng)等。此外，就業(yè)政策力度和企業(yè)的勞動(dòng)力需求行為產(chǎn)生沖突，就業(yè)數(shù)量和就業(yè)質(zhì)量出現(xiàn)“天平”效應(yīng)，在宏觀經(jīng)濟(jì)波動(dòng)、國(guó)內(nèi)外政策環(huán)境不確定、重大公共衛(wèi)生事件的多重影響下，就業(yè)數(shù)量問(wèn)題仍然是突出的問(wèn)題。新冠肺炎疫情發(fā)生前就業(yè)數(shù)量表現(xiàn)穩(wěn)定，連續(xù)七年城鎮(zhèn)新增就業(yè)超過(guò)1300萬(wàn)人，2019年全年城鎮(zhèn)新增就業(yè)1352萬(wàn)人，2020年之后受疫情影響，就業(yè)數(shù)量有較大波動(dòng)，2020年全年城鎮(zhèn)新增就業(yè)1186萬(wàn)人，比上年減少了166萬(wàn)人，2021年全年城鎮(zhèn)新增就業(yè)1269萬(wàn)人，就業(yè)數(shù)量狀況雖有所好轉(zhuǎn)，但是仍不如疫情發(fā)生前。2020年4月份，全國(guó)城鎮(zhèn)調(diào)查失業(yè)率為6%，比上年同期高出1個(gè)百分點(diǎn)(陸婭楠，2020)。第三產(chǎn)業(yè)由于占比高、就業(yè)彈性大的特點(diǎn)受疫情影響最大(張桂文、吳桐，2020)。與此同時(shí)，勞動(dòng)爭(zhēng)議案件逐年遞增、勞動(dòng)領(lǐng)域輿情升溫，性別歧視更加嚴(yán)重(唐海妮等，2020)，勞動(dòng)保護(hù)狀況依然堪憂，工資性收入和經(jīng)營(yíng)性收入增長(zhǎng)壓力增大(程杰，2020)，因此，就業(yè)質(zhì)量問(wèn)題也必須得到有效緩解，而質(zhì)量管理的基礎(chǔ)，就是對(duì)質(zhì)量發(fā)展水平的量化衡量(程虹、李清泉，2009)。綜上所述，我國(guó)亟需量化評(píng)估我國(guó)目前各地區(qū)就業(yè)數(shù)量、質(zhì)量和在二者基礎(chǔ)上的就業(yè)質(zhì)量協(xié)調(diào)發(fā)展情況，更有力地推動(dòng)各地政府對(duì)就業(yè)形勢(shì)的判斷和評(píng)價(jià)，進(jìn)一步為政府的就業(yè)問(wèn)題的靶向管理提供依據(jù)。

以協(xié)調(diào)發(fā)展為理念的就業(yè)數(shù)量、就業(yè)質(zhì)量和質(zhì)量協(xié)調(diào)發(fā)展的指標(biāo)建立及評(píng)價(jià)具有開(kāi)創(chuàng)性和先導(dǎo)性，本文將在吸取現(xiàn)有研究經(jīng)驗(yàn)優(yōu)勢(shì)的基礎(chǔ)上，在權(quán)重設(shè)計(jì)、指數(shù)計(jì)算等方面開(kāi)展系統(tǒng)性的深度思考，確保設(shè)定的指數(shù)科學(xué)合理，并對(duì)指導(dǎo)我國(guó)就業(yè)質(zhì)量協(xié)調(diào)發(fā)展產(chǎn)生實(shí)用價(jià)值，突破以往指數(shù)不是重量輕質(zhì)，就是重質(zhì)輕量的問(wèn)題。本文在就業(yè)數(shù)量和質(zhì)量研究的基礎(chǔ)上，同時(shí)注重了就業(yè)數(shù)量與就業(yè)質(zhì)量的協(xié)調(diào)處理和協(xié)調(diào)發(fā)展，研究了經(jīng)濟(jì)高質(zhì)量發(fā)展背景下我國(guó)不同地區(qū)的就業(yè)數(shù)量和質(zhì)量以及質(zhì)量協(xié)調(diào)發(fā)展的差異性和特點(diǎn)，探討其產(chǎn)生原因和應(yīng)對(duì)策略，推動(dòng)地區(qū)實(shí)現(xiàn)更充分和更高質(zhì)量就業(yè)。

二、文獻(xiàn)綜述

國(guó)際勞工組織(1999)最早將“體面勞動(dòng)”定義為“促進(jìn)男女在自由、公平、安全和具備人格尊嚴(yán)的條件下獲得體面的、生產(chǎn)性的可持續(xù)工作機(jī)會(huì)，在就業(yè)質(zhì)量和數(shù)量上都充足”，強(qiáng)調(diào)了就業(yè)質(zhì)量和就業(yè)數(shù)量缺一不可，都是保障勞動(dòng)者權(quán)益的重要方面。對(duì)于就業(yè)質(zhì)量而言，大部分學(xué)者認(rèn)為，這個(gè)概念包含多個(gè)維度，無(wú)法用單一指標(biāo)進(jìn)行測(cè)度(Schroeder，2007)。對(duì)于就業(yè)數(shù)量而言，大多集中在失業(yè)率的研究上。而對(duì)就業(yè)問(wèn)題的研究大多沒(méi)有將就業(yè)數(shù)量和就業(yè)質(zhì)量視為就業(yè)問(wèn)題中相互影響的兩個(gè)方面。這種研究方式雖然可以在一定程度上解釋就業(yè)存在的一些問(wèn)題，但難以測(cè)度就業(yè)數(shù)量和就業(yè)質(zhì)量之間的平衡關(guān)系。對(duì)“好”就業(yè)的判定，并不能僅僅依據(jù)“盡可能多”的就業(yè)數(shù)量或“盡可能好”的就業(yè)質(zhì)量，而是要求量和質(zhì)之間達(dá)到一種相互協(xié)調(diào)的狀態(tài)，也就是質(zhì)量協(xié)調(diào)發(fā)展。但是就業(yè)質(zhì)量協(xié)調(diào)發(fā)展的研究目前還沒(méi)有較成熟的研究范式和研究路徑，且實(shí)證研究不足。

國(guó)內(nèi)針對(duì)就業(yè)數(shù)量的研究，大多數(shù)集中在失業(yè)率上，如曾湘泉和于泳(2006)、都陽(yáng)和陸旸(2011)對(duì)失業(yè)率的測(cè)算，趙達(dá)等(2019)、陳章喜和黃準(zhǔn)(2010)對(duì)失業(yè)率與家庭消費(fèi)、勞動(dòng)供給、勞動(dòng)就業(yè)轉(zhuǎn)型、房?jī)r(jià)的關(guān)系研究，袁志剛(2006)、張熠等(2017)對(duì)就業(yè)率、失業(yè)率與勞動(dòng)力流動(dòng)的關(guān)系研究。在就業(yè)數(shù)量評(píng)價(jià)體系建立方面，國(guó)內(nèi)的研究均將就業(yè)數(shù)量直接納入了就業(yè)質(zhì)量評(píng)價(jià)體系，沒(méi)有將二者進(jìn)行獨(dú)立區(qū)分。本文則更加細(xì)分就業(yè)的兩個(gè)維度，把就業(yè)數(shù)量單獨(dú)建立指標(biāo)，同時(shí)也建立就業(yè)質(zhì)量指標(biāo)以及在二者基礎(chǔ)上的質(zhì)量協(xié)調(diào)發(fā)展評(píng)價(jià)指標(biāo)，更加全面地對(duì)就業(yè)問(wèn)題進(jìn)行分析。

關(guān)于就業(yè)質(zhì)量的研究，主要集中于就業(yè)質(zhì)量的內(nèi)涵和指標(biāo)評(píng)價(jià)體系兩大方面。2001年歐盟委員會(huì)提出“工作質(zhì)量”的概念，之后關(guān)于就業(yè)質(zhì)量的研究大量涌現(xiàn)，對(duì)于就業(yè)質(zhì)量?jī)?nèi)涵的界定也在不斷充實(shí)和完善，相關(guān)文獻(xiàn)可以分為三個(gè)研究層面。第一，從宏觀的角度對(duì)就業(yè)質(zhì)量進(jìn)行定義。Van Bastelaer(2002)認(rèn)為就業(yè)質(zhì)量是勞動(dòng)力市場(chǎng)運(yùn)行狀況及資源配置效率的反映，包括勞動(dòng)力供求狀況、公共就業(yè)服務(wù)等宏觀因素，宏觀層面的定義較充分地刻畫(huà)了勞動(dòng)力市場(chǎng)的整體運(yùn)行狀態(tài)，通?？梢杂脕?lái)研究某一個(gè)國(guó)家、地區(qū)或者行業(yè)的就業(yè)質(zhì)量，但是就業(yè)質(zhì)量的個(gè)體表現(xiàn)也同樣重要。第二，從微觀個(gè)體的角度對(duì)就業(yè)質(zhì)量進(jìn)行定義。Anker 等(2003)提出就業(yè)質(zhì)量涵蓋勞動(dòng)者的工作效率、職位匹配程度、薪酬水平等微觀因素；Schroeder(2007)認(rèn)為“高質(zhì)量就業(yè)”是個(gè)人在其認(rèn)為具有挑戰(zhàn)性和滿意感的工作的綜合環(huán)境中獲得謀生所需工資的能力，但是工資不是衡量就業(yè)質(zhì)量的唯一標(biāo)準(zhǔn)。工作滿意度強(qiáng)調(diào)勞動(dòng)者從工作中獲得的效用，能夠很好地評(píng)價(jià)勞動(dòng)者的主觀感受(戚聿東等，2020)。第三，宏觀層面和微觀層面的就業(yè)質(zhì)量?jī)?nèi)涵并非完全割裂，個(gè)人的就業(yè)質(zhì)量對(duì)地區(qū)的就業(yè)質(zhì)量有正向影響，相反，地區(qū)的就業(yè)質(zhì)量高也會(huì)提高個(gè)人的就業(yè)質(zhì)量(潘琰、毛騰飛，2015)，因此還有文獻(xiàn)從宏觀和微觀相結(jié)合的角度進(jìn)行研究。Bonnet等(2010)從宏觀、微觀兩個(gè)角度出發(fā)，認(rèn)為體面勞動(dòng)體現(xiàn)為宏觀方面的工作保障、中觀方面的工作場(chǎng)所以及微觀方面的工資保障等。但總的來(lái)說(shuō)，就業(yè)質(zhì)量是一個(gè)綜合性的概念，反映的是整個(gè)就業(yè)過(guò)程中勞動(dòng)者與生產(chǎn)資料結(jié)合并取得報(bào)酬或收入的具體狀況之優(yōu)劣程度(劉素華，2005)。針對(duì)就業(yè)質(zhì)量?jī)?nèi)涵的研究?jī)H限于對(duì)就業(yè)質(zhì)量的定性研究，缺少定量分析，因此一些學(xué)者通過(guò)建立就業(yè)質(zhì)量指標(biāo)體系進(jìn)行進(jìn)一步的定量研究。

在就業(yè)質(zhì)量指標(biāo)體系建立以及評(píng)價(jià)方面，由于就業(yè)質(zhì)量?jī)?nèi)涵的側(cè)重點(diǎn)不同，不同學(xué)者對(duì)就業(yè)質(zhì)量的測(cè)評(píng)指標(biāo)也存在差異。微觀層面主要側(cè)重個(gè)體就業(yè)質(zhì)量的測(cè)度，主要包含工資、工作時(shí)間、工作穩(wěn)定性、工作自主權(quán)、工作價(jià)值以及工作與勞動(dòng)者的匹配狀況等特征維度(Bustillo等，2011)，部分學(xué)者認(rèn)為可以簡(jiǎn)化就業(yè)質(zhì)量的測(cè)度，工作滿意度是對(duì)就業(yè)質(zhì)量最直接、最重要的指標(biāo)(Clark，2005; 卿石松、鄭加梅，2016)。部分文獻(xiàn)還采用了宏微觀相結(jié)合的方式，針對(duì)不同的就業(yè)群體，主要包括大學(xué)生和流動(dòng)人口，就業(yè)質(zhì)量的指標(biāo)建立略有不同。對(duì)于大學(xué)生群體而言，主要從大學(xué)生的個(gè)人條件、社會(huì)發(fā)展?fàn)顩r、用人單位等評(píng)價(jià)角度進(jìn)行研究(史淑桃，2010；張抗私、王雪青，2016；王舒書(shū)等，2020；顧希垚、林秀娟，2021)；對(duì)于流動(dòng)人口而言，主要從收入、社會(huì)保障、人力資本、社會(huì)資本、勞動(dòng)力市場(chǎng)分割以及制度因素等角度進(jìn)行研究(卿濤、閆燕，2012；明娟、曾湘泉，2015；李中建、袁璐璐，2017；諸萍，2021；汪潤(rùn)泉、周德水，2021)。宏觀層面則側(cè)重地區(qū)就業(yè)質(zhì)量的衡量與評(píng)價(jià)，目的在于評(píng)價(jià)地區(qū)勞動(dòng)力市場(chǎng)運(yùn)行狀況和資源配置效率。Dharam Ghai(2003)從就業(yè)、社會(huì)保障、工人權(quán)利和社會(huì)對(duì)話四個(gè)維度計(jì)算了體面勞動(dòng)指數(shù)并進(jìn)行排序。Sehnbruch等(2020)從收入、工作保障和就業(yè)條件三個(gè)維度構(gòu)建就業(yè)質(zhì)量綜合指標(biāo)對(duì)拉美國(guó)家的就業(yè)狀況進(jìn)行評(píng)價(jià)。在中國(guó)問(wèn)題的研究上，賴德勝等(2011)基于中國(guó)統(tǒng)計(jì)年鑒數(shù)據(jù)，從就業(yè)環(huán)境、就業(yè)能力、就業(yè)狀況、勞動(dòng)者報(bào)酬、社會(huì)保護(hù)、勞動(dòng)關(guān)系六大維度出發(fā)對(duì)2007年、2008年我國(guó)30個(gè)省份的就業(yè)質(zhì)量狀況進(jìn)行了測(cè)算；戚聿東等(2020)進(jìn)一步簡(jiǎn)化指標(biāo)選取，從就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬和勞動(dòng)保護(hù)四個(gè)維度設(shè)計(jì)中國(guó)省級(jí)就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系。本文關(guān)注的重點(diǎn)在宏觀層面，目的在于研究中國(guó)省級(jí)就業(yè)綜合狀況。本文認(rèn)為已有關(guān)于宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)仍有兩點(diǎn)需要改進(jìn)，其一，政府的就業(yè)、創(chuàng)業(yè)服務(wù)能力也是衡量就業(yè)質(zhì)量的重要方面，但是以前的研究缺失這一重要維度；其二，就業(yè)質(zhì)量指標(biāo)體系不夠聚焦和有針對(duì)性，評(píng)價(jià)地區(qū)就業(yè)質(zhì)量的指標(biāo)體系通常直接加入失業(yè)率等更直接反映就業(yè)數(shù)量的指標(biāo)。因此，本文在已有研究的基礎(chǔ)上對(duì)這兩點(diǎn)進(jìn)行了改進(jìn)，把更反映就業(yè)數(shù)量的指標(biāo)單獨(dú)賦權(quán)，并再加入到就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指標(biāo)計(jì)算中，設(shè)計(jì)了中國(guó)省級(jí)就業(yè)質(zhì)量協(xié)調(diào)發(fā)展評(píng)價(jià)指標(biāo)體系。

從研究方法來(lái)看，給指標(biāo)賦權(quán)的方法主要包括主觀和客觀兩類方法。主觀賦權(quán)法是指由專家根據(jù)經(jīng)驗(yàn)進(jìn)行主觀判斷而得到權(quán)數(shù)，然后再對(duì)指標(biāo)進(jìn)行綜合評(píng)價(jià)的方法，如層次分析法、德?tīng)柗品āＶ饔^賦權(quán)法經(jīng)常受到專家經(jīng)驗(yàn)的約束，結(jié)果帶有一定的主觀性?？陀^賦權(quán)法是指根據(jù)指標(biāo)之間的相關(guān)關(guān)系或各項(xiàng)指標(biāo)的變異系數(shù)來(lái)確定權(quán)數(shù)進(jìn)行綜合評(píng)價(jià)的方法，如熵值法、主成分分析法、灰色關(guān)聯(lián)分析法、變異系數(shù)法。本文運(yùn)用改進(jìn)的熵值法進(jìn)行研究，熵值法是客觀賦權(quán)的最常用方法之一，其根據(jù)各個(gè)指標(biāo)的變異程度確定權(quán)重，數(shù)據(jù)的變異程度越大，那么該方法認(rèn)為該數(shù)據(jù)反映的信息越多，則該指標(biāo)的權(quán)重越大(彭超、張琛，2019)。熵值法確定權(quán)重能夠有效地避免由于主觀人為因素導(dǎo)致權(quán)重設(shè)定偏誤問(wèn)題(Zou等,2006),但是熵值法有以下三個(gè)方面的不足：第一，在一個(gè)具體問(wèn)題中，部分指標(biāo)可能存在不能隨意刪除極端值或者特殊值的情況，面對(duì)這類問(wèn)題不能直接運(yùn)用熵值法，需要對(duì)該指標(biāo)的數(shù)據(jù)進(jìn)行變換。對(duì)于這類問(wèn)題改進(jìn)的辦法主要有兩種，即：功效系數(shù)法和標(biāo)準(zhǔn)變換法(郭顯光，1998；陶曉燕，2009)。第二，從熵值法的原理可以看出，運(yùn)用這種方法進(jìn)行評(píng)價(jià)非常依賴于數(shù)據(jù)，這在一定程度上忽視數(shù)據(jù)本身的經(jīng)濟(jì)學(xué)意義，因此需要結(jié)合研究的具體問(wèn)題對(duì)熵值法進(jìn)行改進(jìn)。大多數(shù)研究主要從組合賦權(quán)的角度進(jìn)行研究，如：熵值法與主成分分析相結(jié)合(史學(xué)飛等，2018)，等權(quán)重法、熵值法和CRITIC法相結(jié)合(戚聿東等，2020)，使用最多的是熵值法與層次分析法相結(jié)合的方法(徐菲菲等，2005；羅宣等，2018)，但是這類方法仍受很多主觀因素的影響。第三，針對(duì)熵值法的應(yīng)用過(guò)程，大多數(shù)研究構(gòu)建了三級(jí)及以上指標(biāo)體系，文獻(xiàn)通常的做法是把所有的最后一級(jí)指標(biāo)一次性放入熵權(quán)的計(jì)算步驟中，先得出最后一級(jí)指標(biāo)的權(quán)重，再通過(guò)簡(jiǎn)單的加和或者計(jì)算占比的方法得出上一級(jí)的權(quán)重(肖思思等，2008；張抗私、李善樂(lè)，2015；譚永生，2020)，這種方法本質(zhì)上并沒(méi)有構(gòu)建指標(biāo)的層級(jí)化結(jié)構(gòu)，并沒(méi)有有效地結(jié)合數(shù)據(jù)的經(jīng)濟(jì)學(xué)意義。

總的來(lái)說(shuō)，關(guān)于就業(yè)數(shù)量、就業(yè)質(zhì)量的理論研究成果相對(duì)豐碩，但是當(dāng)前的研究并未突出就業(yè)量與質(zhì)協(xié)調(diào)關(guān)系的重要性，在就業(yè)質(zhì)量協(xié)調(diào)發(fā)展的研究上仍然不足。具體而言，已有研究存在以下局限：第一，就業(yè)量和質(zhì)概念有所區(qū)別，在已有的測(cè)算指標(biāo)體系中，通常未能把就業(yè)質(zhì)量和數(shù)量單獨(dú)建立指標(biāo)，可能會(huì)出現(xiàn)指標(biāo)之間相互抵消的情況，導(dǎo)致最終結(jié)果不夠準(zhǔn)確，不夠有針對(duì)性。第二，絕大多數(shù)研究沒(méi)有考慮到就業(yè)質(zhì)與量之間的相互關(guān)系，應(yīng)既要關(guān)注就業(yè)數(shù)量也要關(guān)注就業(yè)質(zhì)量，二者要協(xié)調(diào)發(fā)展。第三，采用主觀方法進(jìn)行研究可以進(jìn)行不同年份的比較，但受人為因素影響較大，結(jié)果不夠客觀，熵值法是客觀賦權(quán)的常用方法，但是已有研究計(jì)算指標(biāo)的方式缺乏層次性，沒(méi)有充分考慮到指標(biāo)計(jì)算過(guò)程的經(jīng)濟(jì)學(xué)意義。

在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，本文有以下貢獻(xiàn)：第一，提出了基于信息熵的層次性算法，并在理論上和實(shí)證上都證明了其合理性，彌補(bǔ)了傳統(tǒng)熵值法指數(shù)計(jì)算過(guò)程中經(jīng)濟(jì)意義不足的現(xiàn)象。第二，本文建立了全面的就業(yè)指數(shù)，包括就業(yè)數(shù)量指數(shù)、就業(yè)質(zhì)量指數(shù)、就業(yè)質(zhì)量綜合指數(shù)、就業(yè)質(zhì)量協(xié)調(diào)度指數(shù)以及就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)。本文將就業(yè)量與質(zhì)分離獨(dú)立考慮，并在二者的基礎(chǔ)上建立質(zhì)量協(xié)調(diào)發(fā)展指數(shù)，避免了兩類指標(biāo)相互抵消的情況，同時(shí)也使得指數(shù)分析更加清晰和有針對(duì)性；第三，本文利用中國(guó)2014-2019年的官方宏觀數(shù)據(jù)，使用本文提出的基于信息熵的層次性算法，計(jì)算出我國(guó)31個(gè)省份的就業(yè)量與質(zhì)，就業(yè)質(zhì)量協(xié)調(diào)發(fā)展得分及排名情況，通過(guò)分析得出結(jié)論，并提出相關(guān)的政策建議，為推動(dòng)我國(guó)實(shí)現(xiàn)更充分更高質(zhì)量的就業(yè)目標(biāo)建立可操作的技術(shù)基礎(chǔ)和數(shù)據(jù)支持。

三、數(shù)據(jù)來(lái)源與指標(biāo)設(shè)計(jì)

本文數(shù)據(jù)來(lái)源于2015-2020年的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》以及各省同期統(tǒng)計(jì)年鑒，對(duì)于少數(shù)缺失值本文采用插值法進(jìn)行填補(bǔ)。本文在前人經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合中國(guó)宏觀經(jīng)濟(jì)發(fā)展的特點(diǎn)和本文研究的具體內(nèi)容，構(gòu)建省級(jí)就業(yè)數(shù)量、就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系。

對(duì)于就業(yè)數(shù)量，本文借鑒潘琰、毛騰飛(2015)，賴德勝等(2011)，戚聿東等(2020)的研究構(gòu)建了就業(yè)供需和就業(yè)結(jié)構(gòu)兩個(gè)二級(jí)指標(biāo)，如表1所示。其中，除指標(biāo)“登記失業(yè)率”外均為正向指標(biāo)，即指標(biāo)與就業(yè)數(shù)量呈正相關(guān)關(guān)系，而“登記失業(yè)率”則為負(fù)向指標(biāo)，即指標(biāo)與就業(yè)數(shù)量呈負(fù)相關(guān)關(guān)系。“登記求人倍率”表示地區(qū)的勞動(dòng)供需比，是由某一地區(qū)勞動(dòng)力市場(chǎng)登記崗位需求人次與求職人次之比來(lái)表示。失業(yè)率是反映一個(gè)國(guó)家或地區(qū)失業(yè)狀況的主要指標(biāo)。城鎮(zhèn)單位新增就業(yè)人數(shù)等于本期城鎮(zhèn)單位就業(yè)人數(shù)與上期城鎮(zhèn)單位就業(yè)人數(shù)之差，城鎮(zhèn)單位就業(yè)人員比率等于本期城鎮(zhèn)單位就業(yè)人數(shù)與本期就業(yè)人數(shù)的比值。就業(yè)數(shù)量的指標(biāo)選取情況見(jiàn)表1。

表1 就業(yè)數(shù)量指標(biāo)選取

對(duì)于就業(yè)質(zhì)量的測(cè)度，國(guó)內(nèi)外學(xué)者沒(méi)有形成一個(gè)統(tǒng)一的指標(biāo)體系，賴德勝等(2011)建立了六大維度指標(biāo)，包括20個(gè)二級(jí)指標(biāo)和50個(gè)三級(jí)指標(biāo)，蘇麗鋒(2013)對(duì)前者的指標(biāo)進(jìn)行了精簡(jiǎn)，但是仍舊有39個(gè)三級(jí)指標(biāo)。建立的指標(biāo)并不是越多越好，過(guò)多的指標(biāo)會(huì)弱化重要指標(biāo)的權(quán)重，增加數(shù)據(jù)的搜集和處理難度，不利于長(zhǎng)期追蹤。因此，本文根據(jù)數(shù)據(jù)的可得性，指標(biāo)體系的針對(duì)性、簡(jiǎn)潔性等特點(diǎn)，結(jié)合劉素華(2005)，賴德勝等(2011)，蘇麗鋒(2013)，張抗私、李善樂(lè)(2015)，譚永生(2020)，戚聿東等(2020)的研究，篩選并確定出最能直接反映就業(yè)質(zhì)量的指數(shù)，建立就業(yè)質(zhì)量指標(biāo)體系。本文建立的就業(yè)質(zhì)量指標(biāo)體系由五大一級(jí)指標(biāo)構(gòu)成，分別是：就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)、政府服務(wù)。

1.就業(yè)環(huán)境評(píng)價(jià)指標(biāo)

就業(yè)環(huán)境一級(jí)指標(biāo)包括經(jīng)濟(jì)發(fā)展與就業(yè)、就業(yè)公平、勞動(dòng)力市場(chǎng)分割狀況三個(gè)二級(jí)指標(biāo)。經(jīng)濟(jì)發(fā)展與就業(yè)的指標(biāo)用就業(yè)彈性來(lái)衡量，本文就業(yè)彈性指標(biāo)使用弧彈性，是用當(dāng)年相較上一年的各省城鎮(zhèn)單位就業(yè)人員增長(zhǎng)率與當(dāng)年相較上一年GDP增長(zhǎng)率的比值來(lái)計(jì)算。就業(yè)公平二級(jí)指標(biāo)分別用城鄉(xiāng)收入差距、分行業(yè)城鎮(zhèn)單位所有制收入差距、城鎮(zhèn)單位就業(yè)人員中女性占比來(lái)衡量。其中，城鄉(xiāng)收入差距用城鄉(xiāng)人均可支配收入比來(lái)表示(孫文凱等，2020)，縮小城鄉(xiāng)差距符合鄉(xiāng)村振興戰(zhàn)略的要求(鄧悅等，2021)?？紤]到不同行業(yè)、不同所有制的工資差距不同，按照國(guó)家統(tǒng)計(jì)局的劃分標(biāo)準(zhǔn)，本文把行業(yè)分為19大行業(yè)，由于北京市、天津市、江蘇省、浙江省等省份的個(gè)別年份采礦業(yè)的國(guó)有單位平均工資是0，為了降低原始數(shù)據(jù)極值導(dǎo)致結(jié)果的不準(zhǔn)確，本文剔除采礦業(yè)，共保留18大行業(yè)，計(jì)算方法為每一行業(yè)城鎮(zhèn)國(guó)有單位和城鎮(zhèn)非國(guó)有單位(包括城鎮(zhèn)集體單位和其他單位)平均工資之比減1之后取絕對(duì)值。地區(qū)間的流動(dòng)就業(yè)有利于提高就業(yè)質(zhì)量(汪潤(rùn)泉、周德水，2021)，中國(guó)的勞動(dòng)力市場(chǎng)具有明顯的制度分割性特點(diǎn)，分割越嚴(yán)重的地區(qū)勞動(dòng)力流動(dòng)越困難，因此，可以用“外地戶口與本地戶口人口比例”來(lái)衡量勞動(dòng)市場(chǎng)，指標(biāo)值越大表明勞動(dòng)力市場(chǎng)分割程度越小，越有利于吸納就業(yè)(賴德勝等，2011；蘇麗鋒，2013)。就業(yè)環(huán)境子指標(biāo)中，除城鄉(xiāng)收入差距與分行業(yè)城鎮(zhèn)單位所有制收入差距為負(fù)向指標(biāo)外，其余均為正向指標(biāo)。

2.就業(yè)能力評(píng)價(jià)指標(biāo)

本文把就業(yè)能力分為教育水平和職業(yè)技能兩個(gè)二級(jí)指標(biāo)。貝克爾(Becker，1964)認(rèn)為人力資本可以分為一般部分和特殊部分，前者是通過(guò)教育獲得的，可在雇主之間轉(zhuǎn)移，后者是通過(guò)在特定公司或部門(mén)獲得特定工作的人力資本獲得的，不可在雇主之間轉(zhuǎn)移。教育水平由各地區(qū)人均受教育年限和就業(yè)人員不同學(xué)歷占比來(lái)衡量，人均受教育年限使用各省不同學(xué)歷就業(yè)人員數(shù)乘以對(duì)應(yīng)的受教育年限再求和的方法求得，本文按照通常的做法定義不同學(xué)歷的受教育年限：不識(shí)字受教育年限定義為0、小學(xué)為6、初中為9、高中和中職為12、大專和高職為15、大專及以上和本科定義為16、研究生為19，大專就業(yè)人數(shù)占比即大專就業(yè)人數(shù)與總就業(yè)人數(shù)的比例，本科及以上就業(yè)人員占比即本科和研究生就業(yè)人數(shù)與總就業(yè)人數(shù)的比例。職業(yè)技能水平由各級(jí)職業(yè)證書(shū)獲取率來(lái)衡量，各級(jí)職業(yè)證書(shū)獲取率等于各級(jí)職業(yè)證書(shū)獲取人數(shù)與各省就業(yè)人數(shù)的比值。各項(xiàng)就業(yè)能力子指標(biāo)均為正向指標(biāo)。

3.勞動(dòng)報(bào)酬評(píng)價(jià)指標(biāo)

在勞動(dòng)力市場(chǎng)中，勞動(dòng)報(bào)酬被認(rèn)為是工人技能和就業(yè)條件的綜合表達(dá)(Holmlund和Duncan, 1983)，既體現(xiàn)了個(gè)體勞動(dòng)者價(jià)值，反映了多種勞動(dòng)者特征(如性別、年齡、教育水平或經(jīng)驗(yàn)?zāi)晗?，也體現(xiàn)了社會(huì)對(duì)勞動(dòng)者的認(rèn)同程度，合理的勞動(dòng)報(bào)酬可以提高勞動(dòng)者自我價(jià)值感和地位感(Sehnbruch等，2020)。本文勞動(dòng)報(bào)酬用兩個(gè)二級(jí)指標(biāo)綜合測(cè)度，包括工資水平和社會(huì)保障狀況。工資水平由各省居民平均可支配工資性收入、平均工資增長(zhǎng)率、工資總額占GDP比重、最低工資水平三個(gè)指標(biāo)構(gòu)成。平均工資增長(zhǎng)率=(本期城鎮(zhèn)單位在崗職工平均工資-上期城鎮(zhèn)單位在崗職工平均工資)/上期城鎮(zhèn)單位在崗職工平均工資；工資總額占GDP比重=城鎮(zhèn)單位就業(yè)人員工資總額/GDP，用以衡量勞動(dòng)者報(bào)酬與經(jīng)濟(jì)發(fā)展協(xié)調(diào)程度；為保證各個(gè)地區(qū)之間最低工資數(shù)據(jù)的可比性，本文選擇當(dāng)?shù)刈畹凸べY標(biāo)準(zhǔn)與城鎮(zhèn)在崗職工平均工資之比作為衡量最低工資水平的指標(biāo)(孫文凱等，2020)。社會(huì)保障狀況由城鎮(zhèn)養(yǎng)老保險(xiǎn)參與率、醫(yī)療保險(xiǎn)參與率、工傷保險(xiǎn)參與率、失業(yè)保險(xiǎn)參與率、生育保險(xiǎn)參與率五個(gè)三級(jí)指標(biāo)構(gòu)成，其計(jì)算方法如下：城鎮(zhèn)養(yǎng)老保險(xiǎn)參與率=城鎮(zhèn)在崗職工基本養(yǎng)老保險(xiǎn)參保人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)，醫(yī)療保險(xiǎn)參與率=職工基本醫(yī)療保險(xiǎn)參保人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù), 工傷保險(xiǎn)參與率=工傷保險(xiǎn)參保人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)，失業(yè)保險(xiǎn)參與率=失業(yè)保險(xiǎn)參保人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)，生育保險(xiǎn)參與率=生育保險(xiǎn)參保人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)。各項(xiàng)勞動(dòng)報(bào)酬子指標(biāo)均為正向指標(biāo)。

4.勞動(dòng)保護(hù)評(píng)價(jià)指標(biāo)

勞動(dòng)保護(hù)包括勞動(dòng)關(guān)系和勞動(dòng)安全兩個(gè)二級(jí)指標(biāo)。勞動(dòng)關(guān)系包含通過(guò)仲裁裁決方式結(jié)案比率、通過(guò)調(diào)解仲裁方式結(jié)案比率和工會(huì)會(huì)員占城鎮(zhèn)單位就業(yè)比率，通過(guò)仲裁裁決方式結(jié)案比率=仲裁裁決案件數(shù)/結(jié)案數(shù)，通過(guò)調(diào)解仲裁方式結(jié)案比率=調(diào)解仲裁方式案件數(shù)/結(jié)案數(shù)。調(diào)解仲裁是仲裁庭根據(jù)當(dāng)事人自愿達(dá)成的調(diào)解，仲裁裁決是仲裁庭針對(duì)仲裁糾紛案件做出的裁決，很可能出現(xiàn)爭(zhēng)議雙方意見(jiàn)不統(tǒng)一的情況。在處理一般勞資關(guān)系問(wèn)題時(shí)，通過(guò)仲裁裁決與通過(guò)調(diào)解相比，容易引起更大的不滿和厭惡(Pigou，1920)。徐雷等(2017)研究發(fā)現(xiàn)工會(huì)可以更好地維護(hù)勞動(dòng)者的合法權(quán)益。因此，通過(guò)仲裁裁決方式結(jié)案比率為負(fù)向指標(biāo)，通過(guò)調(diào)解仲裁方式結(jié)案比率為正向指標(biāo)，工會(huì)會(huì)員占城鎮(zhèn)單位就業(yè)比率為正向指標(biāo)。勞動(dòng)安全包括職業(yè)病發(fā)病率和職工工傷率，職業(yè)病發(fā)病率=各省患職業(yè)病人數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)，職工工傷率=當(dāng)期認(rèn)定(視同)工傷數(shù)/城鎮(zhèn)單位就業(yè)人數(shù)，職業(yè)病發(fā)病率和職工工傷率均為負(fù)向指標(biāo)。

5.政府服務(wù)評(píng)價(jià)指標(biāo)

政府服務(wù)體現(xiàn)在就業(yè)服務(wù)和創(chuàng)業(yè)服務(wù)方面。就業(yè)服務(wù)包括職業(yè)指導(dǎo)人數(shù)占比，用本年職業(yè)指導(dǎo)人數(shù)(人)與各省每萬(wàn)人常住人口數(shù)的比例來(lái)衡量。創(chuàng)業(yè)也是解決就業(yè)的途徑之一，政府通過(guò)提供創(chuàng)業(yè)服務(wù)提高創(chuàng)業(yè)質(zhì)量，本文通過(guò)本年創(chuàng)業(yè)服務(wù)人數(shù)(人)占各省每萬(wàn)人常住人口數(shù)來(lái)衡量政府的創(chuàng)業(yè)服務(wù)情況。

據(jù)此，本文建立了包含五個(gè)一級(jí)指標(biāo)，十一個(gè)二級(jí)指標(biāo)，二十七個(gè)三級(jí)指標(biāo)的就業(yè)質(zhì)量評(píng)價(jià)體系，具體見(jiàn)表2。

表2 就業(yè)質(zhì)量指標(biāo)選取

四、模型構(gòu)建

本文采用改進(jìn)的熵值法，使其適用于面板數(shù)據(jù)，并且考慮到了數(shù)據(jù)的層次性問(wèn)題，運(yùn)用了迭代算法，其基本思想是：在某一年份下，把下級(jí)指標(biāo)按照算出的權(quán)重加和到對(duì)應(yīng)的上一級(jí)指標(biāo)，分別計(jì)算出上一級(jí)指標(biāo)得分，再用同樣的方法加總到更高一級(jí)的指標(biāo)，得出這級(jí)指標(biāo)的得分，以此類推。下面為每一層級(jí)熵值法的計(jì)算步驟：

第一步，選取n個(gè)年份，m個(gè)指標(biāo)，q個(gè)地區(qū)，則xijs為第i個(gè)年份第s地區(qū)的第j個(gè)指標(biāo)的數(shù)值(i=1,2,…,n;j=1,2,…,m;s=1,2,…,q)。

第二步，指標(biāo)的標(biāo)準(zhǔn)化處理:異質(zhì)指標(biāo)同質(zhì)化。

由于各項(xiàng)指標(biāo)的計(jì)量單位并不統(tǒng)一，因此在用它們計(jì)算綜合指標(biāo)前，要先對(duì)它們進(jìn)行標(biāo)準(zhǔn)化處理，即把指標(biāo)的絕對(duì)值轉(zhuǎn)化為相對(duì)值，把各項(xiàng)不同質(zhì)指標(biāo)值進(jìn)行同質(zhì)化。而且，由于正向指標(biāo)和負(fù)向指標(biāo)數(shù)值代表的含義不同(正向指標(biāo)數(shù)值越高越好，負(fù)向指標(biāo)數(shù)值越低越好)，因此，對(duì)于含義不同的指標(biāo)，本文用不同的算法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，并把數(shù)值控制在0～100。其具體方法如下：

正向指標(biāo)：

(1)

負(fù)向指標(biāo)：

(2)

第三步，計(jì)算P值。

(3)

第四步，計(jì)算第j項(xiàng)指標(biāo)，第i年的熵值。

(4)

第五步，計(jì)算權(quán)重值。

(5)

第六步，對(duì)于各項(xiàng)指標(biāo)進(jìn)行加權(quán)。

(6)

第七步，計(jì)算就業(yè)質(zhì)量綜合指數(shù)。

(7)

其中，f(x)與g(x)分別為就業(yè)數(shù)量指標(biāo)和就業(yè)質(zhì)量指標(biāo)得分。

第八步，計(jì)算就業(yè)質(zhì)量協(xié)調(diào)度。就業(yè)數(shù)量和質(zhì)量的得分越相近，我們就認(rèn)為就業(yè)質(zhì)量協(xié)調(diào)度越高，依據(jù)吳定玉等(2020)的研究思想構(gòu)建式(8)：

(8)

式中，C為就業(yè)數(shù)量和就業(yè)質(zhì)量之間的協(xié)調(diào)度，k為調(diào)節(jié)系數(shù)，k≥2，本文采用k=2。該式反映了在就業(yè)數(shù)量和就業(yè)質(zhì)量發(fā)展水平一定的情況下，為使就業(yè)數(shù)量和就業(yè)質(zhì)量發(fā)展水平之積達(dá)到最大，即f(x) 與g(x)之積最大時(shí)，就業(yè)數(shù)量與就業(yè)質(zhì)量的發(fā)展水平進(jìn)行組合協(xié)調(diào)的程度。就業(yè)質(zhì)量協(xié)調(diào)度C取值在 0～100 之間，C越大即為就業(yè)質(zhì)量的協(xié)調(diào)狀態(tài)越好，反之則協(xié)調(diào)狀態(tài)越差，C等于100意味著f(x) 與g(x)相等，協(xié)調(diào)狀態(tài)最好。

第九步，計(jì)算就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)。

協(xié)調(diào)度C確實(shí)為衡量就業(yè)數(shù)量和就業(yè)質(zhì)量相互協(xié)調(diào)的重要指標(biāo)，其對(duì)于就業(yè)健康協(xié)調(diào)發(fā)展具有非常重要的意義。但是，協(xié)調(diào)度有時(shí)只能衡量出就業(yè)數(shù)量和就業(yè)質(zhì)量之間的協(xié)調(diào)程度，卻并不能表現(xiàn)出就業(yè)數(shù)量和就業(yè)質(zhì)量本身發(fā)展程度的高低。因此，給出就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)的概念，即用于度量就業(yè)數(shù)量和就業(yè)質(zhì)量協(xié)調(diào)發(fā)展水平高低的定量指數(shù)，具體公式如下：

(9)

就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)D綜合了協(xié)調(diào)度C及就業(yè)量與質(zhì)所處的發(fā)展水平G，其值域?yàn)?～100，值越高表明該地就業(yè)質(zhì)量綜合指數(shù)與就業(yè)協(xié)調(diào)度的綜合發(fā)展水平越高。

五、實(shí)證結(jié)果分析

根據(jù)本文提出的算法，我們針對(duì)2014-2019年全國(guó)31個(gè)省份的就業(yè)數(shù)量相關(guān)指標(biāo)以及就業(yè)質(zhì)量相關(guān)指標(biāo)分別進(jìn)行統(tǒng)計(jì)計(jì)算，并得到相應(yīng)的就業(yè)數(shù)量、就業(yè)質(zhì)量的綜合得分和地區(qū)排名信息。然后我們又根據(jù)每個(gè)地區(qū)的就業(yè)數(shù)量與質(zhì)量得分，通過(guò)計(jì)算就業(yè)質(zhì)量綜合指數(shù)、就業(yè)質(zhì)量協(xié)調(diào)度，獲得該地區(qū)的就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)。

(一)就業(yè)數(shù)量

就業(yè)數(shù)量包括就業(yè)供需以及就業(yè)結(jié)構(gòu)兩個(gè)二級(jí)指標(biāo)，如圖1所示?？傮w而言，二者的權(quán)重穩(wěn)中有變，就業(yè)結(jié)構(gòu)權(quán)重大于就業(yè)供需，這表明了全國(guó)的就業(yè)結(jié)構(gòu)差異較就業(yè)供需更大。2014-2015年就業(yè)供需與就業(yè)結(jié)構(gòu)的權(quán)重差距較為穩(wěn)定，2016-2018年二者差距拉大，而2019年二者權(quán)重差距減小，這主要是由于2016-2018年期間登記求人倍率地區(qū)間差異縮小降低了就業(yè)供需的權(quán)重，而城鎮(zhèn)單位就業(yè)人員比率的地區(qū)差異增加提高了就業(yè)結(jié)構(gòu)的權(quán)重，因此二者差距拉大，2019年情況則相反。這表明我國(guó)未來(lái)幾年應(yīng)該更加注重就業(yè)機(jī)會(huì)的地區(qū)平衡發(fā)展，企業(yè)和政府要積極為勞動(dòng)者提供更多更適合的崗位，并且關(guān)注非正規(guī)就業(yè)的正規(guī)化問(wèn)題。

圖1 就業(yè)供需、就業(yè)結(jié)構(gòu)權(quán)重

總體來(lái)看，2014-2019年間每年的就業(yè)數(shù)量指數(shù)情況較為穩(wěn)定，但各地區(qū)之間的發(fā)展程度差異較大。以2019年為例，就業(yè)數(shù)量指數(shù)得分均值僅有26.42，其中最高分北京為99.30，而最低為甘肅，僅為5.46。我們對(duì)六年的就業(yè)數(shù)量指數(shù)進(jìn)行排序，其中每年得分均保持在前六的地區(qū)分別是：北京、上海、江蘇、浙江、廣東、天津，均為沿海地區(qū)，經(jīng)濟(jì)發(fā)展水平高，就業(yè)數(shù)量指數(shù)也較高。吉林于2014年位居第16位，而后的五年中排名逐年下滑，從2014年的第16名下降為2019年的第26名，使得吉林的就業(yè)數(shù)量在這幾年中持續(xù)下降的關(guān)鍵因素在于人均GDP以及人均GDP增長(zhǎng)率在全國(guó)表現(xiàn)不佳。同時(shí)，六年中就業(yè)指數(shù)穩(wěn)定位于后六位的地區(qū)分別是：黑龍江、貴州、云南、甘肅，除黑龍江外，均位于西部地區(qū)，經(jīng)濟(jì)發(fā)展水平相對(duì)較低，而黑龍江本身由于人口外流導(dǎo)致城鎮(zhèn)單位新增就業(yè)人數(shù)和新增就業(yè)增長(zhǎng)率較低，因此黑龍江的就業(yè)供需在六年間均排名倒數(shù)第一。寧夏在前三年中，就業(yè)數(shù)量指數(shù)均位于后十位，而從2017開(kāi)始，由于就業(yè)供需情況的好轉(zhuǎn)，使得其總體得分大幅提高，最終從2014年的第26位上升到2019年的第15位。綜合來(lái)看，排名靠前的地區(qū)和排名靠后的地區(qū)的得分也有著較大的差距，在2014-2019年六年里，每年得分前六位和后六位的均值分別為65.06和 17.74，相差47.32，約3倍的差距體現(xiàn)出了各地區(qū)間的就業(yè)數(shù)量情況差異較為明顯的現(xiàn)象。

為了進(jìn)一步探究導(dǎo)致各地區(qū)就業(yè)數(shù)量指數(shù)差異大的原因，本文將對(duì)應(yīng)年份和對(duì)應(yīng)地區(qū)的人均GDP排名與就業(yè)數(shù)量指數(shù)排名一同分析，如表3所示。我們通過(guò)對(duì)比地區(qū)間人均GDP與就業(yè)數(shù)量指數(shù)發(fā)現(xiàn)，各年間就業(yè)數(shù)量排名情況與人均GDP排名有較強(qiáng)的正向關(guān)系，說(shuō)明經(jīng)濟(jì)發(fā)展對(duì)就業(yè)數(shù)量有很強(qiáng)的帶動(dòng)作用，這與經(jīng)驗(yàn)判斷基本相符。而其中，部分地區(qū)，例如，內(nèi)蒙古、陜西、江西與河北，就業(yè)數(shù)量表現(xiàn)出較明顯的偏離現(xiàn)象，其就業(yè)數(shù)量與人均GDP差異較大。其中，內(nèi)蒙古就業(yè)數(shù)量比人均GDP排名約低十多個(gè)名次，這說(shuō)明剩余其他指標(biāo)的表現(xiàn)情況不容樂(lè)觀，拉低了整個(gè)就業(yè)數(shù)量的總排名。我們對(duì)內(nèi)蒙古地區(qū)的各個(gè)就業(yè)數(shù)量三級(jí)指標(biāo)進(jìn)行分析，發(fā)現(xiàn)在2014-2019年間，該地區(qū)的登記求人倍率排名較低，說(shuō)明該地區(qū)應(yīng)該給予勞動(dòng)者更多的就業(yè)機(jī)會(huì)；而該地區(qū)就業(yè)結(jié)構(gòu)三級(jí)指標(biāo)中，第二產(chǎn)業(yè)就業(yè)人員占比低，2014-2019年間其排名分別為23,23,27,26,24,26，而第一產(chǎn)業(yè)就業(yè)人員占比較高，產(chǎn)業(yè)結(jié)構(gòu)也是影響就業(yè)結(jié)構(gòu)的一個(gè)關(guān)鍵因素，說(shuō)明內(nèi)蒙古地區(qū)需要調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，優(yōu)化就業(yè)結(jié)構(gòu)。陜西省的就業(yè)數(shù)量排名逐步提高，與人均GDP排名逐漸縮小，從2014年相差11個(gè)名次到2019年的同步發(fā)展，這有賴于就業(yè)供需排名的提高。而2014-2019年江西地區(qū)的就業(yè)數(shù)量指數(shù)相較于人均GDP約高十個(gè)名次，進(jìn)一步分析可知，該地區(qū)的其余就業(yè)指標(biāo)表現(xiàn)出色，這對(duì)于我國(guó)的就業(yè)水平的提升有著很好的借鑒意義。江西省的就業(yè)結(jié)構(gòu)表現(xiàn)良好，第二產(chǎn)業(yè)就業(yè)人員占比排名靠前，2019年排名分別為9,9,9,7,6,5，同時(shí)，城鎮(zhèn)單位就業(yè)率和第三產(chǎn)業(yè)就業(yè)人員占比排名也稍高于人均GDP排名，因此就業(yè)數(shù)量指數(shù)得分高。河北省2017-2019年間就業(yè)數(shù)量排名連續(xù)提升，并且在2018年就業(yè)數(shù)量比人均GDP高6個(gè)名次，2019年高13個(gè)排名，這是由于河北省就業(yè)結(jié)構(gòu)的優(yōu)化，尤其是第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占比的提高,使得其就業(yè)數(shù)量得到了改善。

表3 中國(guó)各地區(qū)就業(yè)數(shù)量與人均GDP排名

(二)就業(yè)質(zhì)量

就業(yè)質(zhì)量包括就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)和政府服務(wù)五個(gè)一級(jí)指標(biāo)，利用本文的算法，我們可以得到這五個(gè)一級(jí)指標(biāo)的權(quán)重，如圖2所示。由圖2中可以看出，2014-2019年就業(yè)環(huán)境與勞動(dòng)報(bào)酬對(duì)就業(yè)質(zhì)量的整體評(píng)判有著最高的權(quán)重。在這6年中，除2018年外，就業(yè)環(huán)境的權(quán)重整體表現(xiàn)出降低的趨勢(shì)，這說(shuō)明在全國(guó)范圍內(nèi)，就業(yè)環(huán)境的差異性整體減小，同時(shí)結(jié)合表4，就業(yè)環(huán)境的三個(gè)二級(jí)指標(biāo)的權(quán)重差異變小，這兩點(diǎn)綜合說(shuō)明了地區(qū)經(jīng)濟(jì)發(fā)展對(duì)就業(yè)帶動(dòng)力度、就業(yè)公平情況、勞動(dòng)力市場(chǎng)的分割狀況之間是逐漸趨于協(xié)調(diào)的。與此同時(shí)，勞動(dòng)力市場(chǎng)的分割狀況在就業(yè)環(huán)境中擁有最高的權(quán)重，說(shuō)明了地區(qū)間外地戶口與本地戶口比例差異較大，針對(duì)該指標(biāo)，2019年排名第一和第二的地區(qū)分別是上海和北京，得分分別為100和89.87，而最后兩名為西藏和河南。而在這6年中，勞動(dòng)報(bào)酬的權(quán)重整體呈上升趨勢(shì)，其中，工資水平的權(quán)重逐步上升，從2014年的0.53提高到2019年的0.73，這說(shuō)明工資的地區(qū)差異增加，尤其是在居民可支配工資性收入方面，其權(quán)重從0.38提高到0.45，工資總額占GDP比重的地區(qū)差距也在增加。相比于工資水平，勞動(dòng)報(bào)酬的另一項(xiàng)下級(jí)指標(biāo)社會(huì)保障的權(quán)重在近年來(lái)則整體呈現(xiàn)出下降趨勢(shì)，而其中的城鎮(zhèn)養(yǎng)老保險(xiǎn)參與率和醫(yī)療保險(xiǎn)參與率的權(quán)重近年來(lái)也呈現(xiàn)出降低的趨勢(shì)，這說(shuō)明我國(guó)各省的社會(huì)保障的地區(qū)異質(zhì)性是在逐步縮小的，這能夠更好地保障各個(gè)地區(qū)的勞動(dòng)者權(quán)益，但同時(shí)也要更加關(guān)注失業(yè)保險(xiǎn)的社會(huì)參與情況，失業(yè)保險(xiǎn)參與率的權(quán)重從2014年的0.16提高到2019年的0.25的現(xiàn)象體現(xiàn)了我國(guó)失業(yè)保險(xiǎn)地區(qū)發(fā)展不均衡。勞動(dòng)報(bào)酬權(quán)重的持續(xù)增大，表明我國(guó)需要在繼續(xù)提高工資水平和社會(huì)保障水平的同時(shí)更加關(guān)注地區(qū)的均衡發(fā)展，尤其是提高落后地區(qū)的工資水平，促進(jìn)我國(guó)地區(qū)間共同富裕，也要縮小失業(yè)保險(xiǎn)參與狀況的地區(qū)差異，保障勞動(dòng)者權(quán)益，進(jìn)一步提高地區(qū)的就業(yè)質(zhì)量水平。

圖2 就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)、政府服務(wù)權(quán)重

總體來(lái)看，我國(guó)目前的就業(yè)質(zhì)量整體水平并不高，就以2019年為例，全國(guó)的就業(yè)質(zhì)量平均分僅有33.60，而得分最高的地區(qū)是北京，僅為76.80，較低的平均分說(shuō)明了我國(guó)依舊有很多地區(qū)的就業(yè)質(zhì)量各個(gè)方面不甚如意。而最高得分76.80的北京，與滿分也相差較大，也說(shuō)明其各項(xiàng)就業(yè)質(zhì)量指標(biāo)之間表現(xiàn)出了一定的不協(xié)調(diào)性。由于不同地區(qū)的就業(yè)質(zhì)量發(fā)展?fàn)顩r不甚相同，為了探究地區(qū)發(fā)展現(xiàn)狀的原因，本節(jié)將對(duì)部分地區(qū)的總得分與相關(guān)子指標(biāo)的得分進(jìn)行橫向?qū)Ρ?。根?jù)地區(qū)間的指標(biāo)對(duì)比，我們發(fā)現(xiàn)得分最高的北京，雖然其就業(yè)環(huán)境、就業(yè)能力以及勞動(dòng)報(bào)酬排名均名列前茅，但在勞動(dòng)保護(hù)方面卻不容樂(lè)觀，其工會(huì)會(huì)員占比情況僅位居全國(guó)倒數(shù)第一，在具體數(shù)量上也遠(yuǎn)低于倒數(shù)第二的上海，存在大量的上升空間。同時(shí)北京市的政府服務(wù)排名不高，2019年得分僅為34.76分，排名第26名，這指出了其政府對(duì)就業(yè)和創(chuàng)業(yè)的扶持力度不足的問(wèn)題，也在一定程度上拉低了北京市就業(yè)質(zhì)量的總得分。經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，東部地區(qū)的就業(yè)質(zhì)量顯著高于其他地區(qū)，其中上海、江蘇以及浙江的就業(yè)質(zhì)量一直名列前茅。上海市的就業(yè)環(huán)境在六年中穩(wěn)居第一，其中每年的外地戶口與本地戶口人口比例均超過(guò)1，這使得勞動(dòng)力市場(chǎng)的分割程度小，勞動(dòng)力流動(dòng)大，勞動(dòng)力市場(chǎng)更加活躍，同時(shí)優(yōu)質(zhì)的就業(yè)環(huán)境又增加了其對(duì)外來(lái)人口的吸引力。但由于上海市實(shí)施了居住證積分制度，使得外地戶口與本地戶口人口比例由2014年的1.64逐年降低到2019年的1.19，這一項(xiàng)政策的出臺(tái)，提高了來(lái)滬人口的人員整體素質(zhì)，這又進(jìn)一步提高了上海的就業(yè)能力，這使得上海在2015年就業(yè)能力指標(biāo)反超北京，位居第一，在接下來(lái)的幾年里，除2016年比北京得分低約1.3分外，均位于全國(guó)第一。值得深思的是，上海的勞動(dòng)保護(hù)排名不高，2014-2019年分別位于28，26，16，23，19，13位，最近幾年排名有所提高說(shuō)明上海已經(jīng)注意到勞動(dòng)保護(hù)這一問(wèn)題，但是仍舊有很大的提升空間，2017-2019年，勞動(dòng)保護(hù)的下級(jí)指標(biāo)勞動(dòng)安全排名分別位居21,13，8位，勞動(dòng)關(guān)系排名分別為23，23，18，導(dǎo)致這一方面的原因可能是上海市本身的生活節(jié)奏快、生活壓力大，企業(yè)競(jìng)爭(zhēng)存在惡性競(jìng)爭(zhēng)現(xiàn)象，勞動(dòng)者的壓力較大，導(dǎo)致工傷率居高不下；另一方面，上海的中小型企業(yè)較多，員工體制不夠健全，導(dǎo)致了工會(huì)會(huì)員比例較小。相比于東部地區(qū)，西部地區(qū)的整體就業(yè)質(zhì)量較差。以2019年為例，貴州省的就業(yè)質(zhì)量排名最低。在貴州省的五項(xiàng)一級(jí)指標(biāo)中，就業(yè)環(huán)境和就業(yè)能力的排名最低，這表明該地區(qū)需要重點(diǎn)提高就業(yè)環(huán)境和勞動(dòng)者人力資本。東北三省的就業(yè)質(zhì)量水平并不穩(wěn)定，波動(dòng)較大。以遼寧省為例，該地區(qū)的就業(yè)質(zhì)量在2014-2019年中分別位于18,21,9,16,19,17名，而這樣劇烈的波動(dòng)幅度主要來(lái)源于勞動(dòng)保護(hù)得分的不穩(wěn)定，而在勞動(dòng)保護(hù)中，勞動(dòng)關(guān)系的仲裁結(jié)案比率在2016年降低(負(fù)向指標(biāo))，2018年提高，調(diào)解仲裁方式結(jié)案比率在2016年大幅提高，這也說(shuō)明了勞動(dòng)保護(hù)的重要性，遼寧省后續(xù)需要更加重視勞動(dòng)關(guān)系，加強(qiáng)對(duì)勞動(dòng)者的保護(hù)力度。

表4 就業(yè)質(zhì)量二級(jí)、三級(jí)指標(biāo)權(quán)重(分層計(jì)算)

(三)就業(yè)質(zhì)量綜合指數(shù)、協(xié)調(diào)度、協(xié)調(diào)發(fā)展指數(shù)

本節(jié)根據(jù)前面得出的就業(yè)數(shù)量和就業(yè)質(zhì)量指數(shù)，進(jìn)一步根據(jù)式(7)、式(8)和式(9)可以計(jì)算得到就業(yè)質(zhì)量綜合指數(shù)、就業(yè)質(zhì)量協(xié)調(diào)度和就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)。我們分別將三項(xiàng)指標(biāo)進(jìn)行排名，并與就業(yè)質(zhì)量和就業(yè)數(shù)量?jī)身?xiàng)指標(biāo)的排名進(jìn)行對(duì)比，結(jié)果如表5所示。根據(jù)表中對(duì)比可以觀察出，就業(yè)質(zhì)量綜合指數(shù)和就業(yè)數(shù)量、就業(yè)質(zhì)量呈正相關(guān)關(guān)系，由于就業(yè)質(zhì)量綜合指數(shù)是根據(jù)就業(yè)數(shù)量和就業(yè)質(zhì)量的加權(quán)融合，這樣的正相關(guān)關(guān)系是符合我們的設(shè)計(jì)預(yù)期的，對(duì)就業(yè)質(zhì)量有著正確的指導(dǎo)意義。而就業(yè)質(zhì)量協(xié)調(diào)度的變化較復(fù)雜，根據(jù)式(8)所示，我們將協(xié)調(diào)度定義為一種就業(yè)質(zhì)量和數(shù)量的相似關(guān)系，當(dāng)兩者得分相同時(shí)會(huì)達(dá)到最高分100，而兩者得分相差倍率越懸殊則說(shuō)明協(xié)調(diào)度越差，得分也越低。由表5中可以看出，以2014年為例，北京的就業(yè)數(shù)量和質(zhì)量均為第一，但其實(shí)際分?jǐn)?shù)相差卻較大，所以協(xié)調(diào)度的排名較低，為第19位。相反山東地區(qū)就業(yè)數(shù)量和質(zhì)量指數(shù)為第11名和第8名，但由于實(shí)際得分相近，就業(yè)質(zhì)量協(xié)調(diào)度的排名也很高，位居當(dāng)年第五。最后，本文利用就業(yè)質(zhì)量綜合指數(shù)與就業(yè)質(zhì)量協(xié)調(diào)度，通過(guò)式(9)得到就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)，該指數(shù)有著如下意義。

第一，就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)可以對(duì)各個(gè)地區(qū)的就業(yè)情況進(jìn)行良好的測(cè)度。通過(guò)就業(yè)質(zhì)量綜合指數(shù)，我們可以對(duì)一個(gè)地區(qū)的就業(yè)數(shù)量和質(zhì)量的整體水平有一個(gè)較好地評(píng)判，我們?cè)谶@個(gè)基礎(chǔ)上加入了協(xié)調(diào)度這一指標(biāo)，目的在于找出部分只關(guān)注就業(yè)“質(zhì)”或“量”的地區(qū)，強(qiáng)調(diào)其 “質(zhì)”“量”均衡發(fā)展的重要性。由表5中可以看出，就業(yè)質(zhì)量綜合指數(shù)高的地區(qū)，其協(xié)調(diào)度并不一定高，例如，北京地區(qū)就業(yè)質(zhì)量綜合指數(shù)排名第一，但協(xié)調(diào)度卻為第十位往后，原因就在于雖然北京的就業(yè)數(shù)量和質(zhì)量都很高，但是它們存在較高的偏差，就業(yè)質(zhì)量分值較低，所以質(zhì)量協(xié)調(diào)度較低，因此北京需要在發(fā)展就業(yè)量的基礎(chǔ)上，進(jìn)一步提高就業(yè)質(zhì)。

第二，通過(guò)協(xié)調(diào)度得分可以看出，對(duì)整體而言，我國(guó)的就業(yè)質(zhì)量協(xié)調(diào)狀況較好，其平均分達(dá)到了 91.54。其中天津地區(qū)的就業(yè)質(zhì)量協(xié)調(diào)度最好，六年均位于前十二，在2017年更是達(dá)到排名第一，這符合我國(guó)對(duì)各個(gè)地區(qū)的就業(yè)質(zhì)與量?jī)墒肿サ慕Y(jié)果，同時(shí)也對(duì)各個(gè)地區(qū)的就業(yè)質(zhì)量協(xié)調(diào)發(fā)展其有指導(dǎo)意義。

(四)層次性算法

本節(jié)對(duì)文中數(shù)據(jù)分別使用了非層次的熵值算法(肖思思等，2008；張抗私、李善樂(lè)，2015；譚永生，2020)以及本文采用的層次性熵值算法進(jìn)行統(tǒng)計(jì)計(jì)算，得到了27個(gè)不同三級(jí)指標(biāo)的2014-2019年總計(jì)6年的最終成績(jī)權(quán)重，并對(duì)2019年的權(quán)重結(jié)果進(jìn)行排序，如表6所示。我們分別針對(duì)2014-2019年層次性與非層次性算法的結(jié)果進(jìn)行對(duì)比，可以觀察到采用分層算法前后的指標(biāo)權(quán)重值相差較為顯著，例如，2019年的“本科及以上就業(yè)人員占比”指標(biāo)，若采用非層次的方法得到的整體權(quán)重為0.105，在整體排名為第1位，而采用了層次性方法后，其對(duì)應(yīng)的權(quán)重值為0.075，整體排名為第5位，采用了層次性方法后，排名第一的指標(biāo)是“居民可支配工資性收入”，不同于非層次的方法得到的結(jié)果。這一點(diǎn)展示出來(lái)分層計(jì)算對(duì)結(jié)果的影響是顯著的，同時(shí)說(shuō)明專家知識(shí)(分層)的加入確實(shí)改變了原始的結(jié)果分布。而我們?cè)陟刂捣ǖ挠?jì)算中加入這種分層結(jié)構(gòu)也會(huì)帶來(lái)以下好處。

第一，熵值法的采用，可以賦予差異大的數(shù)據(jù)以更高的權(quán)重，同樣，可以賦予差異大的指標(biāo)更高的權(quán)重。熵的含義是體現(xiàn)數(shù)據(jù)的混亂程度，熵值越大，數(shù)據(jù)混亂程度(區(qū)分程度)越大。對(duì)于指標(biāo)而言，專業(yè)性和區(qū)分性兩者都很重要,專業(yè)性是指該指標(biāo)是否是研究對(duì)象的重要影響因素，這是指標(biāo)選擇的理論基礎(chǔ)，并且上下級(jí)指標(biāo)之間是有層級(jí)關(guān)系的，不能簡(jiǎn)單地認(rèn)為是下級(jí)指標(biāo)的簡(jiǎn)單加總；而區(qū)分性則是用來(lái)判斷指標(biāo)本身以及指標(biāo)之間的差異程度。一個(gè)具有專業(yè)性和區(qū)分性的指標(biāo)才更能刻畫(huà)出各地區(qū)的就業(yè)差異，進(jìn)而對(duì)不同地區(qū)的就業(yè)狀況進(jìn)行打分和排名。

第二，標(biāo)準(zhǔn)化的引入可以解決不同指標(biāo)間量綱不同、相互之間不可比的問(wèn)題。不同的經(jīng)濟(jì)學(xué)指標(biāo)有著不同的量綱，它們單位各異，值域范圍也差異很大，甚至連方向也可能不同。通過(guò)對(duì)不同的下級(jí)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，可以讓所有指標(biāo)有著相同的單位、相同的值域(本文為0～100)以及相同的方向(越高越好)，使得指標(biāo)之間存在可比性，解決不同指標(biāo)間不能運(yùn)算的問(wèn)題。同時(shí)，由于就業(yè)量與質(zhì)的指標(biāo)不存在最好，其更關(guān)注于各地區(qū)間的相對(duì)關(guān)系，通過(guò)標(biāo)準(zhǔn)化可以更加注重各地區(qū)間的相對(duì)關(guān)系，而不是絕對(duì)關(guān)系，這樣可以更好地關(guān)注不同地區(qū)其本身的就業(yè)質(zhì)量協(xié)調(diào)關(guān)系。

表5 就業(yè)數(shù)量、質(zhì)量、質(zhì)量綜合指數(shù)、協(xié)調(diào)度、協(xié)調(diào)發(fā)展指數(shù)排名

續(xù)表5指標(biāo)就業(yè)質(zhì)量協(xié)調(diào)度協(xié)調(diào)發(fā)展指數(shù)年份地區(qū)201420152016201720182019201420152016201720182019北京191618201711111111天津121011169645564河北31216312222191311251911山西222517121420181791114內(nèi)蒙古161720282526171719222125遼寧101326151415111414141415吉林13145122118141518212226黑龍江262628252328262627272628上海1516795222222江蘇14499810354455浙江11843713433333安徽45121434181916131322福建2320228102788777江西2419292248151121161512山東57151611208978910河南20212351525212222172021湖北9151310132310101010109湖南28303029273222425262720廣東63171116566646廣西17111233029292828292929海南2961422421122115202524重慶1891919279791188四川222221181816232020181716貴州25282131612272929282827云南31257272931313131303030西藏30298262619302723242418陜西81810451252524231819甘肅13127303130283030313131青海21233241917161212191617寧夏272731212824242326152313新疆7242462027131613121223

第三，層次性算法可以在指標(biāo)計(jì)算過(guò)程中引入專家知識(shí)，尤其是指標(biāo)的層級(jí)信息，更好地體現(xiàn)出指標(biāo)的經(jīng)濟(jì)學(xué)含義。熵值法的采用可以尋找到更加具備區(qū)分性的指標(biāo)，賦予其更高的權(quán)重。但區(qū)分性并不是經(jīng)濟(jì)學(xué)指標(biāo)選取的唯一標(biāo)準(zhǔn)，正如第一點(diǎn)中所說(shuō)，專業(yè)性也是指標(biāo)選擇的一個(gè)條件，但是以前文獻(xiàn)的計(jì)算方式并沒(méi)有有效地運(yùn)用到指標(biāo)之間的上下級(jí)結(jié)構(gòu)，而層次性的熵值法對(duì)此進(jìn)行了補(bǔ)充。通過(guò)對(duì)指標(biāo)進(jìn)行專家分層，然后逐級(jí)計(jì)算，可以提高指標(biāo)融合過(guò)程中的相關(guān)性，進(jìn)一步提高指標(biāo)的專業(yè)性，使得權(quán)重的計(jì)算更具有經(jīng)濟(jì)學(xué)意義。

第四，層次性算法可以緩解由于下級(jí)指標(biāo)數(shù)量不同帶來(lái)的上級(jí)指標(biāo)權(quán)重差異的問(wèn)題。非層次性算法在計(jì)算各個(gè)指標(biāo)的權(quán)重時(shí)，將每一個(gè)指標(biāo)當(dāng)作一個(gè)完全獨(dú)立的個(gè)體來(lái)計(jì)算，而這樣的做法會(huì)導(dǎo)致一種結(jié)果，使得同類指標(biāo)數(shù)量較少的指標(biāo)的權(quán)重被稀釋，降低了相關(guān)上一級(jí)指標(biāo)的重要性。而利用分層計(jì)算得到的權(quán)重，使得每一個(gè)高級(jí)指標(biāo)的權(quán)重得到充分地體現(xiàn)，減少了由于子指標(biāo)數(shù)量帶來(lái)的高級(jí)指標(biāo)結(jié)果的不公平體現(xiàn)。由于分層算法的此類優(yōu)點(diǎn)，我們不僅可以對(duì)每一個(gè)指標(biāo)的重要性進(jìn)行有效地評(píng)估，同時(shí)還能得到更加合理的高級(jí)指標(biāo)的重要性，是一種更為合理的計(jì)算方式。

表6 非層次性算法、層次性算法計(jì)算最終權(quán)重及部分權(quán)重排名

六、結(jié)論和政策建議

本文建立了一種基于信息熵的層次性的就業(yè)質(zhì)量協(xié)調(diào)發(fā)展分析算法，并利用中國(guó)的官方宏觀數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)合文中提出的算法，我們得到了2014-2019年6年中我國(guó)各地區(qū)的就業(yè)指數(shù)得分及排名信息。其中包括就業(yè)數(shù)量指數(shù)、就業(yè)質(zhì)量指數(shù)、就業(yè)質(zhì)量綜合指數(shù)、就業(yè)質(zhì)量協(xié)調(diào)度指數(shù)以及就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)。通過(guò)分析，我們可以得到以下結(jié)論：

(1)本文建立的基于信息熵的層次性的就業(yè)質(zhì)量指標(biāo)分析算法使得指數(shù)計(jì)算過(guò)程更加優(yōu)化。一方面，采用層次性算法后，我們可以在計(jì)算過(guò)程中進(jìn)一步地融入經(jīng)濟(jì)學(xué)意義，尤其是考慮到了指標(biāo)的上下級(jí)的分層關(guān)系；另一方面，采用層次性算法可以使得各上級(jí)指標(biāo)間由于其下級(jí)指標(biāo)的數(shù)量較少而導(dǎo)致的權(quán)重稀釋問(wèn)題得到緩解，使得上級(jí)指標(biāo)的指數(shù)更具有指導(dǎo)性。

(2)我國(guó)就業(yè)數(shù)量發(fā)展程度區(qū)域差異大，存在個(gè)別地區(qū)就業(yè)數(shù)量狀況和經(jīng)濟(jì)發(fā)展水平不同步的情況。其中，就業(yè)數(shù)量六年得分均保持在前六的地區(qū)的平均分為65.06，大多為東部沿海地區(qū)，但是六年得分均保持在后六的地區(qū)平均分為17.74，相差47.32，說(shuō)明我國(guó)就業(yè)數(shù)量存在較大的地區(qū)差異。一般而言，經(jīng)濟(jì)發(fā)展水平的高低和當(dāng)?shù)氐木蜆I(yè)數(shù)量情況呈正相關(guān)性，我們通過(guò)對(duì)比各地區(qū)的就業(yè)數(shù)量指數(shù)排名以及當(dāng)?shù)氐娜司鵊DP水平排名發(fā)現(xiàn)，大部分地區(qū)的就業(yè)數(shù)量發(fā)展?fàn)顩r與我們的預(yù)期一致，但是存在個(gè)別地區(qū)的就業(yè)數(shù)量狀況和經(jīng)濟(jì)發(fā)展水平不同步的現(xiàn)象，內(nèi)蒙古就業(yè)數(shù)量比人均GDP排名約低十多個(gè)名次，而江西的就業(yè)數(shù)量指數(shù)相較于人均GDP約高十個(gè)名次，這對(duì)于我國(guó)的就業(yè)水平的提升有著很好的借鑒意義。

(3)我國(guó)就業(yè)環(huán)境和勞動(dòng)報(bào)酬對(duì)就業(yè)質(zhì)量影響最顯著，是目前衡量就業(yè)質(zhì)量的最關(guān)鍵指標(biāo)，二者權(quán)重之和達(dá)0.5以上。其中，六年間我國(guó)就業(yè)環(huán)境地區(qū)差異減少，而勞動(dòng)報(bào)酬的地區(qū)差異則增加。就目前而言，我國(guó)的就業(yè)質(zhì)量水平整體偏低，同時(shí)各地區(qū)的各種就業(yè)質(zhì)量下級(jí)指標(biāo)存在一定的不協(xié)調(diào)性。

(4)地區(qū)就業(yè)質(zhì)量綜合發(fā)展水平與協(xié)調(diào)度存在不平衡問(wèn)題，就業(yè)質(zhì)量綜合水平高的地區(qū)，其協(xié)調(diào)度并不一定高。利用就業(yè)數(shù)量和就業(yè)質(zhì)量計(jì)算得出的就業(yè)質(zhì)量協(xié)調(diào)發(fā)展指數(shù)可以更加全面地觀察各地區(qū)的就業(yè)質(zhì)量和就業(yè)數(shù)量的健康發(fā)展?fàn)顩r，它不僅要求需要提高“量”和“質(zhì)”的整體水平，還要保證二者之間的協(xié)調(diào)平衡，是一種更加全面的指導(dǎo)性指標(biāo)。

根據(jù)實(shí)證分析的結(jié)論，為了促進(jìn)我國(guó)就業(yè)質(zhì)量協(xié)調(diào)發(fā)展，提出了以下政策建議：

(1)各地區(qū)要因地制宜發(fā)展地區(qū)經(jīng)濟(jì)帶動(dòng)就業(yè)，針對(duì)指標(biāo)體系中的薄弱指標(biāo)專項(xiàng)提高。東部地區(qū)經(jīng)濟(jì)發(fā)展水平較高，就業(yè)數(shù)量狀況良好，但是與就業(yè)供需對(duì)比，就業(yè)結(jié)構(gòu)得分較低，為了發(fā)展的協(xié)調(diào)性，地區(qū)政府要全局考慮，優(yōu)化城鄉(xiāng)、地區(qū)、行業(yè)、產(chǎn)業(yè)之間的關(guān)系，實(shí)現(xiàn)就業(yè)結(jié)構(gòu)的整體改善；中西部地區(qū)經(jīng)濟(jì)發(fā)展水平較低，要把提高就業(yè)數(shù)量的重心放到經(jīng)濟(jì)發(fā)展上來(lái)，充分發(fā)揮地方特色，依靠特色產(chǎn)業(yè)帶動(dòng)地方就業(yè)，同時(shí)積極尋找地區(qū)就業(yè)數(shù)量落后的深層原因，向?qū)?yīng)指標(biāo)表現(xiàn)良好的地區(qū)學(xué)習(xí)經(jīng)驗(yàn)。國(guó)家應(yīng)給予落后地區(qū)政策傾斜，建立定點(diǎn)幫扶機(jī)制，減少各地區(qū)間的就業(yè)數(shù)量水平的差異，促進(jìn)我國(guó)各地區(qū)間就業(yè)數(shù)量的發(fā)展。

(2)提高各地區(qū)對(duì)就業(yè)質(zhì)量的重視，由于就業(yè)質(zhì)量的五大一級(jí)指標(biāo)的內(nèi)容和含義相差較大，我們對(duì)他們分別提出一定的政策建議。首先，就業(yè)環(huán)境和勞動(dòng)報(bào)酬兩項(xiàng)指標(biāo)占比最大。對(duì)于就業(yè)環(huán)境而言，要提高就業(yè)質(zhì)量，第一，要發(fā)揮市場(chǎng)和政府的雙重作用，提高經(jīng)濟(jì)增長(zhǎng)對(duì)就業(yè)的拉動(dòng)力度；第二，要促進(jìn)就業(yè)公平，縮小城鄉(xiāng)收入差距和所有制收入差距，支持小微企業(yè)的發(fā)展，同時(shí)要減少就業(yè)性別歧視，加強(qiáng)保護(hù)女性就業(yè)相關(guān)法律法規(guī)的制定和實(shí)施，進(jìn)一步提高城鎮(zhèn)單位就業(yè)人員女性占比；第三，要改善勞動(dòng)力市場(chǎng)分割狀況，引導(dǎo)農(nóng)村剩余勞動(dòng)力向非農(nóng)產(chǎn)業(yè)和城鎮(zhèn)轉(zhuǎn)移，促進(jìn)農(nóng)村勞動(dòng)力的自由流動(dòng)。其次，勞動(dòng)報(bào)酬也是影響就業(yè)質(zhì)量的關(guān)鍵指標(biāo)。勞動(dòng)報(bào)酬包括工資水平和社會(huì)保障水平兩項(xiàng)指標(biāo)，提高工資水平需要切實(shí)提高居民收入在國(guó)民收入分配中的比重，提高勞動(dòng)報(bào)酬在初次分配中的比重，實(shí)現(xiàn)居民收入增長(zhǎng)與經(jīng)濟(jì)增長(zhǎng)基本同步，同時(shí)，要進(jìn)一步推進(jìn)全民參保計(jì)劃，降低社會(huì)保險(xiǎn)費(fèi)率，實(shí)現(xiàn)應(yīng)保盡保。而后是勞動(dòng)保護(hù)和政府服務(wù)，均占比10%～20%。勞動(dòng)保護(hù)包括勞動(dòng)關(guān)系和勞動(dòng)安全，一方面，要進(jìn)一步提高工會(huì)參與率和工會(huì)的綜合服務(wù)水平，讓工會(huì)在職工群眾中發(fā)揮出更大的作用，另一方面，要廣泛開(kāi)展勞動(dòng)保護(hù)宣傳教育，健全勞動(dòng)保護(hù)法律條例和規(guī)章制度，改善勞動(dòng)者的勞動(dòng)條件。而政府服務(wù)也是構(gòu)成就業(yè)質(zhì)量指標(biāo)的重要部分，包括就業(yè)服務(wù)和創(chuàng)業(yè)服務(wù)，要加大政府對(duì)公共就業(yè)服務(wù)的財(cái)政投入，結(jié)合地區(qū)就業(yè)的實(shí)際情況，舉辦大型招聘會(huì)、專項(xiàng)就業(yè)服務(wù)、創(chuàng)業(yè)服務(wù)等活動(dòng)，開(kāi)展就業(yè)信息服務(wù)與統(tǒng)計(jì)監(jiān)測(cè)項(xiàng)目，使得就業(yè)、創(chuàng)業(yè)信息更加通暢，進(jìn)一步提高政府對(duì)地區(qū)就業(yè)、創(chuàng)業(yè)的服務(wù)水平。就業(yè)能力包括教育水平和職業(yè)技能水平。教育是人力資本的主要積累方式之一，能夠有效地提高我國(guó)的就業(yè)質(zhì)量，因此，要進(jìn)一步增加對(duì)教育的經(jīng)費(fèi)支出，提高教師隊(duì)伍的整體素質(zhì)，同時(shí)，更加注重職業(yè)技能培訓(xùn)，尤其是重點(diǎn)群體的職業(yè)技能培訓(xùn)，發(fā)揮企業(yè)的培訓(xùn)作用，擴(kuò)大職業(yè)院校的培訓(xùn)規(guī)模，鼓勵(lì)社會(huì)優(yōu)質(zhì)培訓(xùn)機(jī)構(gòu)承擔(dān)補(bǔ)貼培訓(xùn)。

(3)就業(yè)的質(zhì)量和數(shù)量都是影響就業(yè)的關(guān)鍵指標(biāo)，“量”和“質(zhì)”的協(xié)調(diào)穩(wěn)定發(fā)展才是最健康的發(fā)展?fàn)顟B(tài)，各地區(qū)要更加注重就業(yè)數(shù)量和質(zhì)量之間的協(xié)調(diào)發(fā)展，以促改革、調(diào)結(jié)構(gòu)、惠民生為就業(yè)保駕護(hù)航，破除“速度焦慮”，促進(jìn)發(fā)展方式轉(zhuǎn)變和發(fā)展質(zhì)量提高，真正實(shí)現(xiàn)穩(wěn)就業(yè)、保民生，讓人民生活得到切實(shí)保障。