## _wp15151c

## Source details

**Canonical URL:** [_wp15151c](https://www.imf.org/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp15151c.pdf)

## Other formats

- [Markdown version](/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp15151c.pdf.md)
- [Structured JSON version](/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp15151c.pdf.json)

---

### 摘要与研究目的
- 研究目标：量化分析结构性趋势和改革速度对“新常态”下就业增长的影响，评估拖延改革与加速转型对中期就业前景的差异，并提出政策含义。  
- 作者：W. Raphael Lam（林卫基）、Xiaoguang Liu（刘晓光）、Alfred Schipke（席睿德）。  
- 主要结论：  
  - 劳动力市场当前表现出韧性，部分由服务业扩张、农民工流动和国有企业/产能过剩行业的劳动力贮存效应提供缓冲。  
  - 长期依赖农民工流动与国企劳动力贮存将导致劳动力配置效率低下并抑制生产率提高。  
  - 拖延改革会削弱中期经济增长并可能导致创造的就业少于政策目标；加快产能过剩行业和国有企业改革，并辅以有针对性的社会保障，可实现可持续转型。

### 劳动力市场近期发展（主要事实与指标）
- 就业与失业：
  - 2014年新增城镇就业岗位：1360万个。  
  - 官方新增城镇就业目标：1000万。  
  - 2015年第一季度新增城镇就业岗位：320万。  
  - 官方登记失业率：约4%。  
  - 官方调查失业率（2015年第一季度）：约5%。  
  - 1990–2014年期间，总就业人数增加：约2.5亿（近三分之二为新增岗位，平均每年1000万个以上）。  
- 工资与产出：
  - 农民工2014年平均月收入增长：9.5%。  
  - 名义GDP增长（2014年）：8.2%。  
  - 农民工工资长期约为城镇职工工资的60%左右（自20世纪90年代末以来该差距显著缩小后维持在这一水平）。  
- 高频指标：
  - 制造业和服务业PMI就业分项在2014年降至50以下（表明收缩），且PMI就业分项与城镇新增就业岗位年同比增长率存在相关性。

### 结构性缓冲机制与双重性（农民工流动与国企劳动力贮存）
- 农民工流动：
  - 2013年农民工数：约2.7亿（占劳动力总数三分之一；占城镇就业人数一半）。  
  - 农民工流动与GDP增长相关性：0.8（GDP增长与官方失业率的相关性为0.4）。  
  - 在经济下滑时可逆转流动（示例：2008年金融危机据报道约有2000-4500万农民工返回农村），在城镇失业率上升前发挥缓冲作用。  
- 国有企业的劳动力贮存：
  - 国企在经济下滑期间倾向于囤积过剩劳动力，通过重新安置、买断工龄和发放遣散费等方式逐步调整。  
  - 国企就业比重：1990年时97%以上的城市户口职工在国有和集体部门工作；近年来国企就业比重下降至低于50%并持续减少，但仍在产能过剩行业集中。  
- 代价：若长期依赖上述缓冲，必然延缓结构调整、降低劳动力配置效率并抑制生产率提升。

### 农民工的规模、特征与决定因素
- 规模与特征摘要（部分按原数据指标保留）：
  - 农民工占非农就业：50.9%。  
  - 农民工占总就业：35.5%。  
  - 劳动参与率：Migrants 95.9；Urban hukou residents 69.5。  
  - 就业率：Migrants 94.3；Urban hukou residents 62.9。  
  - 自雇份额（就业中的比重）：Migrants 27.7；Urban hukou residents 8.4。  
  - 平均周工时：Migrants 63.2；Urban hukou residents 43.8。  
  - 2013年小时工资指数：Migrants 55.6；Urban hukou residents 100.0。  
  - 平均受教育年限：Migrants 9.2；Urban hukou residents 12.3。  
  - 拥有高中及以上比重：Migrants 33.0；Urban hukou residents 77.7。  
  - 行业分布（百分比示例）：专业与办公室工作：Migrants 10.5；Urban hukou residents 52.9。销售/服务：Migrants 55.9；Urban hukou residents 24.7。制造业：Migrants 32.7；Urban hukou residents 15.5。  
  - 社会保障覆盖（示例）：失业保险覆盖（2008–2010）：Migrants 12.0 - 13.5；Urban hukou residents 60.0 - 66.0。城镇医保（2010）：Migrants 20.0；Urban hukou residents 87.0。  
  - 平均在城市停留年数（迁移者）：7.0 年（以历年计且可能存在选择偏差）。  
- 决定因素（面板与空间分析结论要点）：
  - 城乡收入差距和GDP增长是主要推动因素；更大的城市-农村收入差距诱发更多迁移。  
  - 基础设施（以路网密度为代理）提高迁移成本降低并支持迁移。  
  - SOE产出比重高的地区迁移流入较少（与户籍及用工制度相关）。  
  - TFP 与农业劳动生产率提高会减少农村过剩劳动力向城市的流动（估计系数显著为负）。  
  - 公共教育支出提高与迁移流入呈负相关（可能削弱农村劳动力竞争力）。  
  - 资本回报（部分规格）与迁移流入呈正相关（资本与劳动互补）。

### 实证与计量要点（Okun’s law 与省级面板）
- Okun’s law 修正估计（含农民工份额与结构性断点）：
  - 结构断点检测：1993 年（Zou 测试：用调查失业率 F-statistic 3.67，p-value 0.047；用登记失业率 F-statistic 2.79，p-value 0.092）。  
  - 用调查失业率估计：1993 年后失业率上升 1 个百分点与 GDP 增长下降 0.8–1.0 个百分点相关。  
  - 农民工份额系数示例：Mig_t 2.750** (1.061) 在某些规范中显著；含农民工变量可显著改善回归拟合。  
  - 表格摘要：观测值 21；R-squared 区间 0.208 到 0.660。  
- 省级描述性统计（部分指标保留原文数值）：
  - Migrant flow (log)：obs 530，mean 2.694，sd 1.454，min -1.609，max 5.205。  
  - Urban–rural income gap (log)：obs 589，mean 8.285，sd 0.518，min 6.975，max 9.570。  
  - GDP growth rate：obs 589，mean 0.108，sd 0.045，min -0.043，max 0.345。  
  - Loans/GDP：obs 589，mean 0.996，sd 0.286，min 0.533，max 2.260。  
  - SOE share：obs 584，mean 0.511，sd 0.202，min 0.094，max 0.899。  
  - Registered urban unemployment rate (%)：obs 565，mean 3.370，sd 0.966，min 0.400，max 7.400。  
  - Regression样本覆盖 1992–2010（表与估计详见原文）。

### 情景分析方法与关键弹性（用于“新常态”情景模拟）
- 就业弹性（1993–2013 年，年度）：
  - Overall：0.08（估计值 0.0762***）。  
  - Primary (agriculture)：-0.41（估计值 -0.459***）。  
  - Secondary (industry/manufacturing)：0.19（估计值 0.212***）。  
  - Tertiary (services)：0.37（估计值 0.313***）。  
- 分期弹性（小结）：
  - 1993–2000：overall 0.11；primary -0.13；secondary 0.10；tertiary 0.52。  
  - 2001–2008：overall 0.06；primary -0.46；secondary 0.23；tertiary 0.28。  
  - 2009–2013：overall 0.04；primary -0.85；secondary 0.32；tertiary 0.27。  
- 服务业比重估计（跨国比较回归）：
  - 拟合关系：y = 10.509 ln(x) - 40.429，R² = 0.8817（用于估计服务业扩张对就业的潜在贡献）。  
- 模拟框架要点：
  - 使用历史行业就业–增长弹性结合基金中期 GDP 路径与“flexible system”全球模型（Andrle et al., 2015），并将关键改革（金融、财政、SOE、户籍改革）纳入情景设定。

### 场景设定与主要模拟结论
- 基准情景（渐进而稳步的改革推进）：
  - 假设改革稳步推进，2016 年和 2017 年增长率降至 6.25% 和 6%。  
  - 从 2018 年起，随着生产率提高占主导，总体增长趋于回升；到 2020 年，预测增长从 2015 年的6.8%降至2017年的6%再回升到2020年的6.3%。  
  - 到 2020 年，服务业占产出约52.4%，占就业约46%。  
  - 中期失业率虽然会上升约0.5%左右，但总体保持稳定。  
  - 每年的城镇就业净增额（作为官方新增城镇就业岗位替代指标）刚刚超过1000万。  
- 缓慢改革情景：
  - 假设改革进展不充分，脆弱性继续上升。  
  - 短期投资主导措施可提振增长，但中期脆弱性累积会提高经济急剧放缓风险。  
  - 服务业扩张停滞、户籍限制阻碍迁移，农民工流动放缓，城镇就业净增额将减少（有时为每年1000万），失业率在最初稳定后出现大幅上升。  
- 敏感性分析：
  - 若城镇就业增加与基准相同，但服务部门未实现由改革主导的生产率提高，则 GDP 增长将放缓 0.2 – 0.4 个百分点（表 6）。  
  - 若总体生产率低于預期，则新增城镇就业岗位可能低于預期，或即使实现就业目标，GDP 和工资增长亦将低得多。

### 主要政策含义与建议
- 总体战略：
  - 在结构调整期间，应通过预算内的有效、有针对性的社会政策促进剩余劳动力再配置，而非过度依赖国企储备或农民工单向流动作为长期缓冲。  
- 具体政策方向：
  - 加快产能过剩行业与国有企业改革，允许短期失业（估计短期失业率可临时上升 0.5% 至 0.75%）以换取中期更高的就业质量与生产率。  
  - 改革户籍制度并开放服务业以增强劳动力市场流动性和灵活性。  
  - 实施税制改革、提高养老金可转移性并增加社会支出以缩小城乡收入差距（包括扩大增值税以消除对投资的重复征税效应）。  
  - 提供预算内有针对性的社会安全网和再培训计划以促进劳动力再配置，提高服务业就业的再培训并提高生产率。  
  - 增强数据收集与透明度：扩大调查失业率覆盖面并公开发布劳动力与住户调查数据，以改进政策设计与评估。

### 结论要点
- 劳动力市场在“新常态”下总体仍然韧性较强，但这种韧性部分依赖于可能带来长期成本的缓冲机制（农民工流动与国企劳动力贮存）。  
- 若继续依赖这些缓冲而延缓改革，将阻碍必要的结构性调整，损害资源配置并抑制生产率提升，从而在中期导致就业创造不足并使失业率上升。  
- 优先事项：促进劳动力流动、提高生产率、提供预算内有针对性的社保和再培训计划、加快户籍改革，并减少对产能过剩行业劳动力储存的依赖。

- 关键数字速览（逐项保留原文数值）：
  - 2014年新增城镇就业岗位：1360万个。  
  - 官方新增城镇就业目标：1000万。  
  - 2015年第一季度新增城镇就业岗位：320万。  
  - 官方登记失业率：约4%。  
  - 官方调查失业率（2015年第一季度）：约5%。  
  - 农民工数（2013年）：约2.7亿（占劳动力总数三分之一；占城镇就业人数一半）。  
  - 农民工2014年平均月收入增长：9.5%。  
  - 名义GDP增长（2014年）：8.2%。  
  - 农民工工资水平：长期约为城镇职工工资的60%左右。  
  - 服务业增加值占GDP（2014年）：48.2%。  
  - 劳动参与率：约80%左右。  
  - 1990–2014年总就业人数增加：约2.5亿。  
  - 在2008年金融危机据报道约有2000-4500万农民工返回农村。

*来源：WP/15/151 中国 “新常态”下的就业市场，作者：W. Raphael Lam、Xiaoguang Liu、Alfred Schipke（2015年7月），内容摘自 _wp15151c。*

### Section 1

### _wp15151c - Section 1

### 摘要与研究目的
- 随着中国在“新常态”下推进改革，保持就业市场稳定成为当务之急。  
- 文章作者：W. Raphael Lam（林卫基）、Xiaoguang Liu（刘晓光）和 Alfred Schipke（席睿德）。  
- 研究目标：量化分析结构性趋势和改革速度对新常态下就业增长的影响，评估拖延改革与加速转型对中期就业前景的差异，并提出政策含义。  
- 主要结论概述：  
  - 当前劳动力市场呈现韧性，部分由服务业扩张、农民工流动和国有企业/产能过剩行业的劳动力贮存效应提供缓冲。  
  - 若长期依赖后两者的缓冲，将导致劳动力配置效率低下并抑制生产率提高。  
  - 拖延改革会削弱中期经济增长并可能导致创造的就业少于政策目标；加快改革（包括产能过剩行业和国有企业改革），并辅以有针对性的社会保障，有助于实现可持续转型。

### 劳动力市场近期发展（主要事实与指标）
- 就业：  
  - 2014年，新增城镇就业岗位为1360万个，超过官方目标1000万。  
  - 2015年第一季度新增城镇就业岗位为320万。  
  - 1990–2014年期间，总就业人数增加约2.5亿，近三分之二的就业岗位为新增岗位（每年1000万个以上）。  
- 失业率与调查：  
  - 官方登记失业率稳定在4%左右。  
  - 官方调查失业率在2015年第一季度约为5%左右。  
- 工资与产出：  
  - 2014年农民工平均月收入增长为9.5%，名义GDP增长为8.2%。  
  - 近年城镇职工与农民工平均工资增长有所放缓，但仍高于名义GDP增长和劳动生产率增长。  
  - 农民工工资长期约为城镇职工工资的60%左右（自20世纪90年代末以来该差距显著缩小后维持在这一水平）。  
- 高频指标：制造业和服务业PMI就业分项在2014年降至50以下（表明收缩），且PMI就业分项与城镇新增就业岗位年同比增长率存在相关性。

### 解释劳动力市场韧性的结构性因素
- 人口结构与劳动力供给：  
  - 中国正处于人口转折点（常称刘易斯拐点），来自农村的剩余劳动力在减少（引用：Das 和 N’Diaye，2013；Zhang、Yang和Wang，2011）。  
  - 1990–2013年，劳动年龄人口（15-64岁）增长了1-1.2亿（平均每年增长约1.2%）；但劳动年龄人口预计从2015年开始出现萎缩。  
  - 劳动参与率保持在80%左右（城镇职工参与率一直高于80%），为全球较高水平之一。  
  - 抚养比将上升，到2030年达到约50%左右。  
  - 提高退休年龄的计划可能缓解劳动力萎缩问题；新进入劳动力的受教育年限高于退出劳动力，平均劳动生产率有提高空间。  
- 服务业扩张：  
  - 服务业劳动密集、技能要求相对较低，能吸纳剩余劳动力。文中引用：服务业占GDP比重每增加1个百分点可抵消 GDP增长下降0.4个百分点带来的就业损失（Ma等人，2014年）。  
  - 2014年服务业就业占劳动力约40%；服务业增加值占GDP为48.2%，首次超过制造业。  
  - 自2008年以来，服务业就业与产出扩张加速，服务业在多数省份对总就业贡献超过一半。  
- 中国劳动力市场独特缓冲机制的双重性：  
  - 农民工流动：2013年农民工约为2.7亿，约占劳动力总数的三分之一，约占城镇就业人数的一半（Meng，2012年）。农民工流动能在经济下滑时逆转（例如2008年金融危机期间据报道约有2000-4500万农民工返回农村），从而在城镇失业率上升前发挥缓冲作用。  
  - 国有企业的劳动力贮存：国有企业在经济下滑期间倾向于囤积过剩劳动力，通过重新安置、买断工龄和发放遣散费等方式逐步调整，从而对不利冲击提供缓冲。国有企业就业比重已下降但集中在产能过剩行业，当前劳动力过剩现象较常见。  
  - 代价：持续依赖农民工流动与国企贮存将延缓必要的结构调整，降低劳动力配置效率并抑制生产率提升。

### 农民工流动的角色与决定因素（要点）
- 农民工规模与经济相关性：  
  - 农民工流动与GDP增长密切相关，农民工流入城市的变化比失业率更能反映劳动力市场短期动态。  
- 决定因素（文中实证结果摘要）：  
  - 城乡收入差距和经济增长是农民工流动的主要决定因素。  
  - 户籍限制和对农民工社会服务的不足可能削弱长期劳动力市场灵活性并阻碍农民工长期城市化。  
- 统计引用：2013年农民工约2.7亿，占劳动力总数约三分之一；农民工占非农就业约50.9%，占总就业约35.5%。

### 情景分析与改革速度的影响（方法与结论要点）
- 研究方法：采用情景分析量化各部门改革对就业的影响，估算各部门经济增长的就业弹性，并预测服务业比重变化对就业的作用。  
- 关键情景结果摘要：  
  - 拖延改革会加剧扭曲，削弱中期就业前景，可能使未来创造的就业低于政策目标。  
  - 快速推进产能过剩行业和国有企业改革，可在短期释放多余劳动力并使失业率临时上升0.5%至0.75%，但中期将促进结构性转型（如城市化和服务业发展），实现更可持续的经济增长与就业创造。  
  - 成功转型需要加快改革步伐并辅以有针对性的社会保障体系以促进剩余劳动力的再配置。  

### 主要政策含义与建议
- 在经济结构调整期间，通过预算内的有效社会政策促进剩余劳动力再配置，比单纯依赖国企或其他内生缓冲更有助于实现劳动力市场稳定。  
- 推动改革的关键方向包括：  
  - 加快产能过剩行业与国有企业改革，允许短期失业以换取中期更高的就业质量与生产率。  
  - 改革户籍制度并开放服务业以增强劳动力市场流动性和灵活性（引用：Whalley和Zhang，2007年）。  
  - 实施税制改革、提高养老金可转移性并增加社会支出以缩小城乡收入差距（引用：Lam 和 Wingender，2015年）。  
  - 增加关于农民工流动的数据覆盖面与及时性，以改进政策设计与评估。  

### 关键数字与事实速览（逐项保留原文数值）
- 2014年新增城镇就业岗位：1360万个。  
- 官方新增城镇就业目标：1000万。  
- 2015年第一季度新增城镇就业岗位：320万。  
- 官方登记失业率：约4%。  
- 官方调查失业率（2015年第一季度）：约5%。  
- 农民工数（2013年）：约2.7亿（占劳动力总数三分之一；占城镇就业人数一半）。  
- 农民工2014年平均月收入增长：9.5%。  
- 名义GDP增长（2014年）：8.2%。  
- 农民工工资水平：长期约为城镇职工工资的60%左右。  
- 服务业增加值占GDP（2014年）：48.2%。  
- 劳动参与率：约80%左右（文中称为“保持在80%左右”）。  
- 1990–2014年总就业人数增加：约2.5亿。  
- 国有企业在1990年：97%以上的城市户口职工在国有和集体部门工作；近年来国企就业比重下降至低于50%并持续减少。  
- 在2008年金融危机据报道约有2000-4500万农民工返回农村。

*来源：WP/15/151 中国 “新常态”下的就业市场，作者：W. Raphael Lam、Xiaoguang Liu、Alfred Schipke（2015年7月）*

### Section 2

### Section 2

### Summary of migrant workers and urban employment trends
- Migrant workers (农民工) accounted for about 2.7亿 of the labor force in 2013, about one-third of the total labor force and half of urban employment.
- Current urbanization rate reported as 54.8 percent, projected to rise to about 60 percent by 2020.
- Urban employment has more than doubled over the past twenty years to 3.93亿 and in 2014 for the first time exceeded rural employment.
- GDP growth and migrant-worker flows have a correlation of 0.8; GDP growth and the official unemployment rate have a correlation of 0.4.
- Migrant-worker annual net change is calculated as a percentage of total employment; data before 2007 based on Ministry of Agriculture cumulative nonfarm rural employment series, data after 2007 from NBS rural department.

### Characteristics of migrant workers (table highlights, in percent unless otherwise stated)
- Labor force participation rate: Migrants 95.9; Urban hukou residents 69.5
- Employment rate: Migrants 94.3; Urban hukou residents 62.9
- Self-employed (share of employment): Migrants 27.7; Urban hukou residents 8.4
- Average weekly hours: Migrants 63.2; Urban hukou residents 43.8
- Average hourly wage (2013 index): Migrants 55.6; Urban hukou residents 100.0
- Years of schooling (average): Migrants 9.2; Urban hukou residents 12.3
- Share with senior high and above: Migrants 33.0; Urban hukou residents 77.7
- Employment industries (percent): Professional and office work: Migrants 10.5; Urban hukou residents 52.9. Sales/services: Migrants 55.9; Urban hukou residents 24.7. Manufacturing: Migrants 32.7; Urban hukou residents 15.5.
- Access to unemployment insurance (2008–2010): Migrants 12.0 - 13.5; Urban hukou residents 60.0 - 66.0
- Access to urban health insurance (2010): Migrants 20.0; Urban hukou residents 87.0
- Average duration stayed in cities (in years): Migrants 7.0 (measured in calendar year and subject to some selection bias).
- Sources for the table: CEIC, Meng (2012), labor survey (2009).

### Welfare, contracts, and informal employment
- Migrant workers generally have limited access to social welfare and services due to hukou restrictions and lack of social services.
- Migrant wages have risen in recent years, partly due to service-sector expansion and minimum wage increases, but migrant wages remain only slightly above half of urban employee income (see wage index above).
- Migrants constitute a majority of informal-sector employment.
- Migrant workers’ access to social welfare and benefits in 2014 (in percent) shows low coverage across injury insurance, medical insurance, pension insurance, unemployment insurance, maternity insurance, and Housing Provident Fund (charts shown in source).
- Labor contracts (as of 2014): shares of open-ended, one-year-or-less fixed-term, one-year-or-above fixed-term, and no contract differ for migrants who go out versus migrants who stay local (charts shown in source).

### Okun’s law estimations (A)
- Estimation framework modifies Okun’s law to incorporate migrant-worker share (Mig_t) and a reform-year dummy D_t with k as the year of labor-market structural reform; model equation given as (1) in source.
- Structural break detected in 1993 (Zou test): F-statistic 3.67, p-value 0.047 when using survey unemployment; F-statistic 2.79, p-value 0.092 when using official registered unemployment.
- Results summary:
  - Using survey unemployment, a 1 percentage-point rise in unemployment after 1993 is associated with a decline in GDP growth of 0.8–1.0 percentage points.
  - Including migrant-worker share improves overall regression fit.
  - Estimated effect of a 1 percentage-point increase in migrant-worker flows corresponds to about a 2 percentage-point change in GDP (text: "农民工流动每增加1个百分点伴随GDP增长约2个百分点").
- Table 1 (selected coefficients; standard errors in parentheses):
  - Δu_t (official unemployment): -5.503* (3.103) in (O.1); -3.090 (2.637) in (O.2).
  - Δu_t (survey unemployment): 6.242*** (1.436) in (S.1); 4.543*** (1.419) in (S.2).
  - D_(1993) and interaction (1993)*Δu_t coefficients reported; Mig_t coefficients: 2.750** (1.061) in (O.1) and 1.950** (0.849) in (S.1).
  - Constants: e.g., 8.246*** (2.362) in (O.1).
  - Observations: 21 in each specification; R-squared range 0.208 to 0.660.
- Note: *, **, *** indicate significance at 10 percent, 5 percent, and 1 percent levels, respectively.
- Sources: NBS, Urban Household Survey, IMF staff calculations.

### Determinants of migrant-worker flows — provincial panel and spatial analysis (B)
- Panel sample starts in 1992; dependent variable is annual change in rural labor in nonfarm employment (migrant-worker flow), assuming agricultural rural labor is fully employed.
- Core explanatory variables:
  1. Urban–rural income gap (urban per-capita disposable income minus rural per-capita net income).
  2. GDP growth rate.
  3. Infrastructure (proxied by road density).
  4. Total Factor Productivity (TFP) estimated from provincial value-added, net fixed assets, and labor using system GMM.
  5. Agricultural labor productivity (ratio of agricultural capital use to agricultural employment).
- Controls include openness (FDI/GDP, trade/GDP), SOE share (SOE output share in industrial output), financial sector size (loans/GDP), and per-capita public education spending; additional controls: urban unemployment rate (registered and survey), return on capital (industrial profits/net assets), and CPI.
- Spatial econometric approach used SAR and SEM models with spatial weights where neighboring provinces weight = 1, others = 0 (weights matrix standardized). Estimation by maximum likelihood.

- Descriptive statistics (selected from Table 2):
  - Observations and means: Migrant flow (log): obs 530, mean 2.694, sd 1.454, min -1.609, max 5.205.
  - Urban–rural income gap (log): obs 589, mean 8.285, sd 0.518, min 6.975, max 9.570.
  - GDP growth rate: obs 589, mean 0.108, sd 0.045, min -0.043, max 0.345.
  - Infrastructure (log): obs 584, mean 7.825, sd 0.932, min 5.092, max 9.839.
  - Loans/GDP: obs 589, mean 0.996, sd 0.286, min 0.533, max 2.260.
  - TFP (log): obs 587, mean -1.001, sd 0.344, min -1.805, max -0.070.
  - Agricultural labor productivity (log): obs 583, mean 2.882, sd 0.698, min 0.846, max 4.364.
  - FDI/GDP: obs 576, mean 0.035, sd 0.036, min 0.000, max 0.243.
  - Trade/GDP: obs 589, mean 0.299, sd 0.397, min 0.032, max 2.173.
  - SOE share: obs 584, mean 0.511, sd 0.202, min 0.094, max 0.899.
  - Public education spending per capita: obs 483, mean 3.280, sd 3.099, min 0.374, max 20.15.
  - Registered urban unemployment rate (%): obs 565, mean 3.370, sd 0.966, min 0.400, max 7.400.
  - Survey urban unemployment rate (%): obs 162, mean 6.367, sd 3.184, min 1.338, max 14.49.
  - Return on capital: obs 589, mean 0.096, sd 0.083, min -0.055, max 0.461.
  - CPI (%): obs 589, mean 5.178, sd 7.021, min -3.900, max 29.70.
- Sources for descriptive statistics: China Statistical Yearbook, compendia, provincial yearbooks, provincial transport yearbooks, provincial transport department websites, CEIC. Urban survey unemployment estimated from microdata. Regression sample covers 1992–2010.

- Spatial regression results (Table 3, coefficients with standard errors in parentheses; significance indicated):
  - Urban–rural income gap: positive and significant across SAR and SEM specifications (e.g., 0.399*** (0.133) in SAR (1); 0.524*** (0.149) in SEM (4); coefficients up to 0.943***).
  - GDP growth rate: positive and significant (e.g., 3.147*** (1.193) in SAR (1); 3.301** (1.278) in SEM (4)).
  - Infrastructure (log): positive and significant (e.g., 0.500*** (0.049) in SAR (1); 0.518*** (0.052) in SEM (4)).
  - TFP (log): negative and significant (e.g., -0.580*** (0.202) in SAR (1); -0.643*** (0.206) in SEM (4)).
  - Agricultural labor productivity (log): negative and significant (e.g., -0.462*** (0.075) in SAR (1); -0.549*** (0.084) in SEM (4)).
  - FDI/GDP: large negative and significant when included (e.g., -9.683*** (1.480) in SAR (2); -10.23*** (1.517) in SEM (4)).
  - SOE share: negative and significant where included (e.g., -1.511*** (0.256) in SAR (2); -1.852*** (0.281) in SEM (4)).
  - Loans/GDP: negative and significant where included (e.g., -1.116*** (0.185) in SAR (2); -1.023*** (0.189) in SEM (4)).
  - Loan/deposit ratio: positive and marginally significant in some specifications (e.g., 0.453* (0.257) in SAR (2)).
  - Public education spending: negative and significant (e.g., -0.118*** (0.024) in SAR (2); -0.133*** (0.026) in SEM (4)).
  - Urban unemployment change, CPI often not significant; capital return shows strong positive effect in some specifications (e.g., 3.503*** (0.730) when included).
  - Spatial dependence: ρ in SAR significant (e.g., 0.230*** (0.045) in SAR (1)); λ in SEM significant (e.g., 0.257*** (0.051) in SEM (4)). Moran’s I significant (e.g., 0.248***).
  - R-squared values very high around 0.890; adjusted R-squared reported around 0.88. Observations: 589.

- Interpretation of determinants:
  - Urban–rural income gap is a key driver: larger gap induces migration to cities.
  - Higher GDP growth encourages labor transfer out of agriculture and into cities.
  - Better infrastructure lowers migration costs and supports migration.
  - Higher SOE share is associated with lower migrant flows (migrant workers seldom work in SOEs under hukou system).
  - Negative TFP coefficient may reflect capital–labor substitution when technology is capital-biased, given GDP growth is already controlled.
  - Higher public education spending (biased toward urban residents) is associated with lower rural-to-urban migration by weakening rural labor competitiveness.
  - Capital return has a strong positive association with migrant flows, possibly reflecting capital–labor complementarity during reform.
  - CPI and unemployment rates show limited or insignificant effects, possibly due to data issues or small provincial CPI variation.

### Scenario analysis for the “new normal” labor market (Section 5)
- Reform blueprint (十八届三中全会 reform measures) and other reforms (hukou reform, expansion of social protection coverage, higher minimum wages) will have medium-term labor-market impacts.
- Scenario approach:
  - Uses historical sectoral employment–growth elasticities (subsection A).
  - Estimates service-sector expansion using cross-country per-capita income relationships (subsection B).
  - Simulation framework uses the global model “flexible system” (Andrle et al., 2015) and incorporates key reform elements (financial, fiscal, SOE, hukou reform). Hukou reform is expected to raise labor mobility and urbanization (attachment: plan targets urbanization rate ~60 percent by 2020, i.e., about 1 percentage point per year).
  - Scenarios complement other IMF and related analyses by explicitly incorporating labor-market responses in the model.

A. Sectoral employment elasticities (1993–2013)
- Average overall elasticity: employment rising 1 percentage point is associated with GDP growth of 0.08 percentage points.
- Post-global-financial-crisis elasticity declined to about 0.04, roughly half the historical level.
- Sectoral elasticities (annual, 1993–2013):
  - Overall: 0.08
  - Primary (agriculture): -0.41
  - Secondary (industry/manufacturing): 0.19
  - Tertiary (services): 0.37
- Subperiod elasticities:
  - 1993–2000: overall 0.11; primary -0.13; secondary 0.10; tertiary 0.52
  - 2001–2008: overall 0.06; primary -0.46; secondary 0.23; tertiary 0.28
  - 2009–2013: overall 0.04; primary -0.85; secondary 0.32; tertiary 0.27
- Estimated elasticity coefficients (1993–2013): overall 0.0762***; primary -0.459***; secondary 0.212***; tertiary 0.313*** (standard errors in parentheses).

B. Service-sector share estimates and cross-country comparison
- Per-capita income and share of employment in services show a strong positive relationship across countries at comparable development stages.
- Scatter and fitted relationship: y = 10.509 ln(x) - 40.429, R² = 0.8817 (chart compares Brazil, China, Germany, India, Indonesia, Japan, Korea, United States).
- Author notes that service-sector expansion helps explain how employment can remain resilient even as overall growth slows.

*Italic: Sources: NBS, CEIC, Urban Household Survey, Meng (2012), World Bank (2014), Cai/ Du/ Wang (2011), and IMF staff calculations as presented in Section 2 of the source document.*

### Section 3

### Section 3

### 服务业发展与收入水平（表 5：要点）
- 人均GDP（对数）与服务业就业比重、服务业GDP比重存在显著正相关（表中系数示例）：
  - 服务业就业比重：0.0906***、0.0922***、0.0260***（不同回归规格）
  - 服务业的GDP比重：0.0671***、0.0809***、0.00591（不同回归规格）
- 常数项示例：服务业就业比重回归中的常数为0.349***、0.350***、0.188***；服务业GDP比重回归的常数为0.404***、0.420***、0.212***。
- 观测值数：899；省份数量：28。
- 资料来源：中国国家统计局。括号内为标准误差，*** p<0.01, ** p<0.05, * p<0.1。

### 情景分析方法（小结）
- 基于基金组织（2015年）的中期GDP增长路径模拟。
- 使用本节小节A中估计的就业弹性来确定每个情景中制造业和服务业（非农业）对就业的影响。
- 模拟路径用于推算人均收入增长，据此确定服务业就业占比和农民工流动，并用奥肯定律估计相应失业率。城市化率路径用于核查城镇就业变化。
- 采用每年新增城镇就业或非农就业岗位作为官方就业目标的替代指标。
- 估计的弹性与就业影响：
  - 总就业弹性：0.076
  - 制造业就业弹性：0.21
  - 服务业就业弹性：0.31
- 到2020年，预计农业就业将进一步减少至2亿，每年减少约3%。

### 情景设定（要点）
- 基准情景（渐进而稳步的改革推进）：
  - 假设在实施改革方面取得渐进而稳步的进展。
  - 短期因不可持续需求减少导致增长放缓（包括信贷增长放缓和住宅地产多年调整）。
  - 在结构改革带来生产率提高的缓冲下，2016年和2017年的增长率会降至6.25%和6%。
  - 从2018年起，随着生产率提高占主导，总体增长趋于回升。
- 缓慢改革情景：
  - 假设在推进改革和遏制脆弱性方面进展不充分，脆弱性继续上升。
  - 中期陷入长期经济低迷的可能性显著上升，现有缓冲器将很快减少，突然和无序调整的风险增加。

### 各情景的模拟结果（图6 的要点）
- 基准情景结果（关键数字）：
  - 预测增长：从2015年的6.8%降至2017年的6%左右，然后到2020年回升至6.3%。
  - 到2020年，服务业占产出约52.4%，占就业约46%。
  - 中期失业率虽然会上升约0.5%左右，但总体保持稳定。
  - 每年的城镇就业净增额（作为官方新增城镇就业岗位替代指标）刚刚超过1000万。
- 缓慢改革情景结果：
  - 短期内投资主导措施可促进增长，但中期内脆弱性积聚会加大经济急剧放缓的可能性。
  - 服务业扩张停止，户籍限制构成障碍，农民工流动放缓。
  - 城镇就业净增额将减少，有时为每年1000万，同时失业率在最初稳定后出现大幅上升。
- 敏感性分析要点：
  - 若城镇就业增加与基准相同，但服务部门未能实现由改革主导的生产率提高，则GDP增长将放缓0.2 – 0.4个百分点（表 6）。
  - 如果总体生产率低于预期，新增城镇就业岗位可能低于预期，或即使实现就业目标，GDP和工资增长亦将低得多。

### 劳动力市场数据与测度（要点）
- 官方失业率长期基于登记制，覆盖和披露有限；从2013年起国家统计局开始不定期公布调查失业率，并计划将月度调查失业率覆盖面从65个城市扩大到全国所有地级市。
- 过去二十年登记失业率维持在4%左右，2014年底的调查失业率为5%左右。
- 多项劳动力与住户调查数据对研究有价值，但许多调查数据对学术界的可获得性有限，影响对就业状况评估的准确性。
- 当局计划提高数据质量，并拟采用数据公布特殊标准，计划每月份将对失业率的覆盖面从65个城市扩大到全国所有地级市。

### 政策含义（六．政策意义）
- 主要结论：通过预算内和有针对性的社会保障体系，消除对劳动力市场灵活性的障碍，有利于中国经济向“新常态”的转型。
- 具体政策建议（要点）：
  - 在中期加强劳动力市场灵活性，而非过分依赖冲击缓冲器（如农民工流动和国有企业储存劳动力）。缓冲器虽可暂时减轻失业压力，但会阻碍改革并降低生产率提高幅度。
  - 为服务业部门就业实施再培训政策，以同时提高生产率和增强劳动力市场灵活性。
  - 财政与社会保障改革：
    - 收入改革和养老金转移接续将促进劳动跨区域流动。
    - 扩大增值税可消除对投资的重复征税效应，帮助服务业扩张。
    - 包括养老金转移接续的社会保障改革将大大增加劳动流动性。
    - 预算内的有针对性的社会安全网和再培训计划可以促进劳动力市场灵活性。
    - 增加社会支出可缩小城乡收入差距并提升劳动力质量。
  - 开放服务业以鼓励进入和竞争，促进该部门扩张并推动总体生产率提高，从而创造就业并提高收入。
  - 户籍和农村改革以消除劳动力流动障碍并明确产权权利，加快城市化进程，鼓励农民工在城市寻求就业并获得更好社会福利。
  - 政策设计和评估需依赖及时和完整的数据；应扩大调查失业率覆盖范围并公开发布劳动力和住户调查数据，以改善透明度、问责制和政策研究。

### 结论（七．结论要点）
- 在推进结构改革过程中保持劳动力市场稳定至关重要。到目前为止，尽管增长放缓，劳动力市场总体状况仍保持良好，但产能过剩行业的劳动力储存有所增加。
- 农民工在城乡就业之间的流动，而不是失业率，与经济增长更具相关性。
- 若劳动力储存持续，将阻碍必要的调整并影响资源配置与生产率提高。
- 量化分析显示，延迟改革将在中期内削弱劳动力市场，导致失业率持续上升并使就业创造低于政策目标。
- 优先事项包括：促进劳动力流动、提高生产率、提供预算内有针对性的社保和再培训计划、加快户籍改革、并减少对产能过剩行业储存劳动力的依赖。

*Source: _wp15151c - Section 3 (IMF PDF).*

### Section 4

### _wp15151c - Section 4

### Major thematic areas covered by the references
- Social security, pension reform, and retirement
  - Wise. 2009. “Social Security Programs and Retirement around the World: The Relationship to Youth Employment.” NBER Working Paper No. 14647, National Bureau of Economic Research, Cambridge, Massachusetts.
  - He, H., N. Lei, and D. Zhu. 2015. “Rapid Aging and Pension Reform: The Case of China”.
  - Zhang, C. C., and Y. Zhao. 2012. “The Relationship between Elderly Employment and Youth Employment: Evidence from China.” MPRA Paper No. 37221, Munich.
  - Zhang, X., X. Liu, and G. Fan. 2014. “Rural Labor Migration and Household Saving Rate: The Perspective of Discrepancy in Income and Social Security.” Economic Research Journal 4.

- Labor market structure, mobility, and reforms
  - Guo, K., and P. N’Diaye. 2009. “Employment Effects of Growth Rebalancing in China.” IMF Working Paper No. 09/169, International Monetary Fund, Washington.
  - Meng, X. 2012. “Labor Market Outcomes and Reforms in China.” Journal of Economic Perspectives 26 (4): 75–102.
  - Hu, A., and Y. Cheng. 2003. “The Evolution of Chinese Employment System.” Economic Research Reference 51.
  - Seeborg, M., Z. Jin, and Y. Zhu. 2000. “The New Rural-Urban Labor Mobility in China: Causes and Implications.” Journal of Socio-Economics 29: 39–56.
  - Whalley, J., and S. Zhang. 2007. “A Numerical Simulation Analysis of (Hukou) Labor Mobility Restrictions in China.” Journal of Development Economics 83: 392–410.
  - Zhang, X., J. Yang, and S. Wang. 2011. “China Has Reached the Lewis Turning Point.” China Economic Review 22 (4): 542–54.

- Productivity, TFP, and structural transformation
  - Hu, Y. 1998. “TFP in China: Primary Role of the Reallocation of Labor from the Agricultural Sector.” Economic Research Journal 3: 31–39.
  - Young, A. 2003. “Gold into Base Metals: Productivity Growth in the People’s Republic of China during the Reform Period.” Journal of Political Economy 111: 1220–61.
  - Song Z., K. Storesletten, and F. Zilibotti. 2011. “Growing Like China.” American Economic Review 101: 196–233.
  - Xu, H., and Y. Wang. 2010. “Income Disparity of Urban and Rural Areas and the TFP in China.” Journal of Financial Research 10: 54–67.
  - Liu, X., and F. Lu. 2014. “The Puzzle of Rising Capital Returns in China.” China Economic Quarterly 13 (3).

- Wage trends, minimum wages, and firm employment
  - Lu, F. 2012. “Wage Trends among Chinese Migrant Workers: 1979-2010”. Social Sciences in China 7: 47-67.
  - Huang, Y., P. Loungani, and G. Wang. 2014. “Minimum Wages and Firm Employment: Evidence from China.” Federal Reserve Bank of Dallas Globalization and Monetary Policy Institute Working Paper No. 173 http://www.dallasfed.org/assets/documents/institute/wpapers/2014/0173.pdf.

- Unemployment, Okun’s law, and macro labor relations
  - Lu, F., X. Liu, Z. Jiang, and J. Zhang. 2014. “The Generalized Okun’s Law and Okun’s Relation in China”. CCER Working Paper No. C2014005.
  - Okun, A. 1962. “Potential GNP, Its Measurement and Significance.” In American Statistical Association, Proceedings of the Business and Economics Statistics Section: 98–103.
  - Zou, Wei, and Xuan Hu. 2003. “Okun’s Law and China’s Unemployment.” Journal of World Economy 6: 40–47.

- Rural-urban inequality, infrastructure, and spatial issues
  - Hertel, T., and F. Zhai. 2006. “Labor Market Distortions, Rural-Urban Inequality and the Opening of China’s Economy.” Economic Modelling 23: 76–109.
  - Luo, Y. 2010. “An Analysis on the Economic Effect of the Infrastructure Gap between Urban and Rural Areas: Based on Spatial Econometric Models.” Chinese Rural Economy 3: 60–72.
  - Zhang, G., G. Hong, and G. Chen. 2013. “Infrastructure, Spatial Spillover and Manufacture Cost.” China Economic Quarterly 13 (1): 285–304.
  - Kuijs, L., and T. Wang. 2005. “China’s Pattern of Growth: Moving to Sustainability and Reducing Inequality.” World Bank Policy Research Working Paper No. 3767, World Bank, Washington.

- Policy, forecasts, and official documents
  - International Monetary Fund. 2014. “Article IV Consultation—Staff Report: People’s Republic of China.” Washington. https://www.imf.org/external/pubs/cat/longres.aspx?sk=41799.0.
  - International Monetary Fund. 2015. “Article IV Consultation—Staff Report: People’s Republic of China.” Washington. (forthcoming).
  - Lam, W. R., and W. Maliszewski. Forthcoming. “Giving Credits to China’s Slowdown.” IMF Working Paper, International Monetary Fund, Washington.
  - Lam, W. R., and P. Wingender. 2015. “China: How Can Revenue Reforms Contribute to Inclusive and Sustainable Growth?” IMF Working Paper No. 15/66, International Monetary Fund, Washington.
  - Ma, J., B. Liu, X. Jia, H. Hong, J. Li, B. Yao, and Y. Zhang. 2014. “Economic Forecast of China’s Macroeconomy in 2015.” (in Chinese) People’s Bank of China Working Paper No. 2014/10.
  - State Council of the People’s Republic of China. 2013. “Decision on the Third-Plenum Meeting.” November.
  - State Council of the People’s Republic of China. 2015. “Report on the Work of the Government.” Delivered at the Third Session of the 12th National People’s Congress, March 5.

### Representative methodological and empirical focuses present in the citations
- Working papers, IMF staff reports, and journal articles analyzing employment effects of growth rebalancing and revenue or pension reforms.
- Empirical studies on labor mobility, hukou restrictions, and rural-urban migration.
- Analyses of TFP, productivity growth, and sectoral labor reallocation.
- Studies applying Okun’s Law and related macro-labor relationships to China.
- Research on minimum wages, wage trends among migrant workers, and firm-level employment responses.
- Spatial econometric analyses of infrastructure gaps and their economic effects.

*References list excerpt from _wp15151c - Section 4*

---


_Source: https://www.imf.org/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp15151c.pdf_