對外直接投資及其對母國城鎮就業效應研究

吳傳琦 張宗斌

[摘 要] 基于我國2007-2016年對外直接投資分行業數據，利用因子分析和廣義最小二乘回歸方法研究對外直接投資對于我國城鎮居民就業的影響。研究發現，服務地產業和制造零售業在七類對外直接投資中貢獻度較大，兩大行業投資貢獻度達87.59%。以兩類行業為代表的OFDI對于母國就業產生了不同程度的正向效應，服務地產業的就業影響效應為制造零售業的1.5倍，近些年的科技進步給服務業帶來了強大的發展動力。另外，經濟增長、固定資產投資、工資水平等因素對城鎮就業產生了較大影響。

[關鍵詞] OFDI;城鎮就業;行業產業;因子分析

[中圖分類號] F752.6;C813[文獻標識碼] A[文章編號] 1009-6043（2020）03-0086-05

一、引言

近年來，我國對外直接投資（OFDI）呈現穩增長、廣維度、多層次的特點，為我國的經濟增長和社會發展增添了新活力。相關數據顯示了近年來我國OFDI持續的良好勢頭，從國際對比角度來看，2016年全球外國直接投資流出流量1.45萬億美元，年末存量26.16萬億美元，以此為基數計算，2016年中國OFDI分別占全球當年流量、存量的13.5%和5.2%，流量承上年繼續位列按全球國家（地區）排名的第2位，僅次于美國，占比較上年提升3.6個百分點，存量由2015年的第8位躍至第6位，占比提升0.8個百分點（數據來自聯合國貿發會議（UNCTAD）《2017世界投資報告》、《2016中國對外投資公報》）;從國內自身角度來看，2007-2016年，我國OFDI流量和存量在保持每年穩態增長的同時，近10年OFDI流量增長了639.9%，將近翻三番，進一步從行業水平來看，以商務服務業為例，2016年OFDI流量值是2007年的11.73倍（數據來自2007-2016年《中國對外投資公報》）。由此可見，不論是國際對比還是我國自身發展，近十年我國OFDI保持著持續高質量增長的水平。對于不同行業的OFDI而言，合理的投資組合具有就業溢出、技術溢出等正向效應，在我國經濟增長和良好的OFDI水平的帶動下，近十年來我國城鎮就業水平也體現出了穩中有升的態勢。OFDI帶來的母國和東道國的經濟增長直接促成了當地就業水平的提升，這其中包括就業崗位的增加還是就業結構的優化等。

本文基于我國OFDI發展現狀以及社會總體就業水平，以我國城鎮就業水平為研究重點，以我國對外直接投資及其行業類別劃分為研究切入點，以宏觀數據為支撐，探討對外直接投資對于我國城鎮就業的影響并提出一定建議和討論。

二、文獻綜述與理論研究

國內外有關對外直接投資與就業的研究歷經了從理論研究到實證研究的過程。理論研究方面，早在20世紀初，赫克歇爾-俄林（H-O）的國際貿易理論中就提到對外投資和貿易自由化主要通過影響商品價格變動而影響就業和收入差距（Lawrence RZ，1995;Karimi Z，2008;Ha HV，Tran TQ，2017），宏觀經濟學中，在加入直接投資或貿易的情況下，兩部門間勞動密集型產品和技術密集型產品會進行自由貿易，進而對當地勞動力的就業水平產生了更高的要求（N.Gregory Mankiw，2011），二戰以后，日本經濟學家小島清的邊際產業擴張理論很好的將技術密集型產品的購買勞動密集型產業的擴張與當地就業聯系到了一起（楊先明，2000;張宗斌，2015;吳傳琦，2017）。后來國內外一些學者將實證方法與各個理論結合起來，對OFDI與就業的相關理論進行了證實（EckelC.，2010;羅良文，2007;周申、李可愛、易苗，2013;席艷樂，2015;張宗斌等，2019）。

近些年國內外對于OFDI與就業的實證研究呈現出豐富化的特征。主要研究可大致分為三點：OFDI的就業溢出效應、拐點門限效應以及異質性研究。首先，大部分學者認為OFDI對母國就業產生了積極的影響，他們運用多種計量方法對OFDI的就業效應進行了實證分析。OFDI對我國經濟增長和居民就業均存在正向影響，同時，企業投資次數越多，對母國就業產生的正效應會增強（FedericoS，MinervaGA.，2008;柴林如，2008;于超等，2011;李磊等，2016;曾小倩等，2017）;OFDI也可以通過影響到母國小微企業的發展，從而對當地就業水平產生一定影響（王丹等，2018）。

然而，還有部分學者認為OFDI對我國就業效應存在地區差異、拐點或門限效應。余官勝等通過加入對外投資的要素理論模型的理論分析，發現對外投資規模過小時不利于母國當地就業，而達到一定規模時會促進就業，但超過一定規模時又會抑制就業（余官勝等，2013）;長期內OFDI對我國就業的影響呈現正相關關系，但最近8年間，我國OFDI對母國就業效應在“一線城市”和沿海省份呈現微弱的負相關關系（姜亞鵬等，2012）;OFDI對我國東部地區的國民收入效應更為明顯，對中西部的影響則相對較弱（賈媛，2015）;OFDI對我國就業影響存在明顯的異質性，東、中、西部呈現遞減的趨勢，而OFDI存量大小、勞動力市場剛性等對OFDI的就業效應存在門檻效應（宋林等，2017）;對外直接投資對我國就業存在明顯的時滯效應，并且區域市場化程度越高的地區，OFDI對就業的長期促進作用越強（WeiJ.，2017）。

另外，針對細分行業或產業的OFDI的就業效應，許多學者進行了異質性研究。虛擬經濟的OFDI比實體經濟更能促進國內就業（ZhuJS，XieQY，EconomicsSO.，2016）;彭韶輝等研究發現技術獲取型OFDI既有促進就業的“規模”效應，同時也有抑制就業的“遷移”效應，并且在資本供給彈性足夠大的行業“規模”效應將超過“遷移”效應（彭韶輝等，2016）;OFDI總體上促進了母國就業，但對母國就業影響出現“極化”現象，對高技術和低技術企業的就業產生了較大影響，而對中等技術企業的就業影響則較小（李宏兵等，2017）;零售業的OFDI增加和組織會對創造就業產生積極影響（Choukkar S，Mahapatra S，Keskar M.，2018），而與其他投資動機相比，商貿服務類投資則顯著增強了就業效應（蔣冠宏，2016）。

綜上所述，國內外有關對外直接投資及其就業效應的研究較為成熟，對外直接投資的就業正效應已被廣泛證實，但在分行業對外投資及其城鎮就業效應方面仍偏少。本文在前人研究的基礎之上，以細分行業OFDI為切入點，利用因子分析和回歸方法對OFDI的母國城鎮就業效應進行研究，試圖探索不同行業OFDI的貢獻率及其對于母國的就業效應，并就此提出一定建議和討論。

三、數據與模型

（一）方法與模型

因子分析法始于1904年C.E.Spearman對學生成績的分析，之后在經濟金融領域有著廣泛的用途。在多個變量的變化過程中，除了一些特定因素之外，還受到一些共同因素的影響。這些共同因素稱為公因子，特殊因素稱為特殊因子。因子分析即是提出多個變量的公共影響因子的一種多元統計方法，它是主成分分析的推廣。文中為了更好的研究對外直接投資與就業之間的關系，將對外直接投資按照投資行業選取七大類進行分析，選取了OFDI中有代表性的七類行業投資數據，利用因子分析的方法提取其中公共影響因子，最后將OFDI整合為兩類，這兩類數據能夠代表我國OFDI各行業的投資效果，然后將這兩類OFDI數據應用于之后的回歸分析當中，篩選后使得其對城鎮就業效應的影響研究更富針對性和代表性。為避免數據可能存在的的異方差性和多重共線性，本文采取GLS廣義最小二乘回歸以及分步回歸方法，使得本文的實證分析更加具有可靠性。

在本文中，將OFDI歷年數據根據行業分為7類，每一類OFDI數據則為一類因子，試圖尋找相關的因子將其組成為一個集合，將7類數據縮小為更少的集合來代表OFDI的數據進行之后的回歸分析。假設m個OFDI變量X的因子表達式為：

X=fA'+e （1）

公式（1）中，f成為公因子，A稱之為因子載荷，本文中因子即為OFDI各項行業的投資流量指標。X的相關系數矩陣分解為：

公式（2）中，對于未旋轉的因子，？漬=1，？棕成為特殊度，即每個變量不屬于共性的部分，最后通過相關系數矩陣的分解和計算，結合其中共性因子，將不同因子組合成為集合。因子分析后最終得到m類集合，分別命名為OFDI_1，OFDI_2…OFDI_m，同時基于文獻分析和數據可得性，進而建立以下計量模型分析OFDI對于母國城鎮就業的影響：

公式（3）中，Employed代表母國當地城鎮就業水平，為被解釋變量，變量取對數處理，OFDI_m為因子分析后m種OFDI行業數據的集合，為主要解釋變量，變量取對數處理。wage代表城鎮人均工資水平，consumption代表城鎮人均消費水平，GDP代表國內生產總值，fixed代表固定資產投資，security代表社會保險基金支出，以上為控制變量，變量取對數處理。？茁m為m項主要解釋變量OFDI系數，？琢k（k=1，2…5）為控制變量系數，？籽0為常數項，？滋為誤差項。運用廣義最小二乘回歸（GLS）進行回歸分析。

數據的整理與處理和模型的建構采用的計算機軟件為Stata13.1。

（二）數據與變量

由于我國商務部每年發布的《對外直接投資公報》從2006年開始細分行業投資數據，因此本文選取2007-2016年10年宏觀面板數據，數據有一定代表性和連續性。數據由國家統計局2007-2016年官方數據庫、2007-2016年《中國對外投資公報》、2007-2016年《中國勞動統計年鑒》以及2007-2016年《中國民政統計年鑒》整理所得。

被解釋變量。本文選取城鎮就業水平為被解釋變量，利用每年城鎮就業勞動力合計數目作為代替變量，變量為連續變量。

核心解釋變量。本文選取我國OFDI流量為核心解釋變量，利用每年行業OFDI流量作為代替變量，變量為連續變量。根據相關數據可得性，本文將對外直接投資行業分為7類，分別為制造業、服務業、金融業、零售業、運輸業、房地產業和農林牧漁業，這七類行業覆蓋三大產業、傳統行業和新興行業，是具有代表性的行業變量。本文首先利用因子分析提取行業數據，再進一步進行回歸分析探討其對城鎮就業的效應。

其他控制變量。基于文獻、理論研究以及數據可得性，本文選取工資水平、消費水平、經濟增長水平、固定資產投資和社會保險基金支出作為控制變量，其中，工資水平為每年城鎮就業人員平均工資收入，消費水平為每年城鎮居民人均消費支出，經濟增長水平為每年GDP值，固定資產投資為每年國家固定資產投入值，社會保險基金支出為每年國家社會保險基金財政支出值，控制變量涵蓋了經濟增長等宏觀因素以及個人偏好等微觀因素。

數據賦值及客觀性事實統計見表1。

四、實證分析

（一）因子分析

進行因子分析前將數據進行KMO檢驗與SMC檢驗，KMO（Kaiser-Meyer-Olkin）檢驗與SMC檢驗統計量是用于比較變量間簡單相關系數和偏相關系數的指標。當所有變量間的簡單相關系數平方和遠遠大于偏相關系數平方和時，KMO值越接近于1，對于SMC值來講也是如此，意味著變量間的相關性越強，原有變量越適合作因子分析。數據的KMO檢驗與SMC檢驗結果如表2。

從表2的檢驗結果來看，七個變量平均KMO值為0.8350，各個OFDI行業數據變量的SMC值基本趨近于1，數據將會得到較好擬合和解釋，因此選擇進行下一步因子分析。

通過因子分析法得出在七類OFDI行業數據當中，根據90%的貢獻度臨界值，分析結果顯示提取兩類OFDI行業數據作為這七類投資數據的代表值。因子分析結果如表3所示，結果顯示只有前兩個因子特征值大于1，分別為5.27和1.06，且累計貢獻率已經達到87.59%，因此選擇兩類OFDI行業投資數據代表OFDI總體投資數據。

利用軟件得到的因子分析碎石圖如上圖所示，從圖中可以看出，在兩個因子處體現了明顯的拐點效應，因此再次證明了本文只選擇兩個因子進行下一步的實證分析即可。

對因子分析數據進行旋轉后進一步簡化因子結構和分析結果，旋轉后整理所得正交因子表如表4所示。

從表4中可以看出，在篩選兩個因子的情況下，按照解釋量的大小將四個OFDI指標分為兩類，第一個因子中兩個高載荷指標為服務業和房地產業，將其命名為服務地產業，第二個因子中兩個高載荷指標為制造業和零售業，將其命名為制造零售業，說明這兩大行業在整體OFDI數據中貢獻度較大，可以作為代理解釋變量，因此在之后的GLS分析中，利用服務地產業（命名為OFDI_1）以及制造零售業（命名為OFDI_2）為主要解釋變量進行回歸分析。

（二）模型檢驗

進行GLS回歸分析前，將數據進行LLC檢驗，結果顯示每個變量檢驗結果均拒絕原假設，因此不存在單位根，數據平穩，可以進行下一步實證分析。

由于采用的是廣義最小二乘法回歸，因此可以良好的避免數據異方差問題，有關數據自相關和多重共線性問題，本文采用DW檢驗和VIF方差膨脹因子檢驗，每個模型DW結果顯示統計量基本接近于2，每個變量的VIF統計量均在10以下，因此認為不存在序列自相關和多重共線性問題，模型設定基本合理，可以進行下一步回歸分析。

（三）GLS回歸分析

GLS回歸結果如表5所示。表5中根據數據選擇不同進行了逐步增加變量的分步回歸，總共分為四個回歸模型，分別為：（1）服務地產業回歸模型;（2）制造零售業回歸模型;（3）宏觀決定要素回歸模型;（4）宏微觀決定要素回歸模型。

表5展示了四個模型的分步回歸結果，在不斷增加解釋變量的同時，主要解釋變量的回歸結果稍有偏差但大致相同，因此表明回歸結果是穩健的，從表5的回歸結果中得出以下結論：

第一，服務地產業OFDI對我國城鎮就業產生顯著正影響。回歸模型（1）中，在控制其他宏觀變量不變的情況下，主要解釋變量服務地產業OFDI對我國城鎮就業的彈性系數為0.018，說明服務地產業對外直接投資流量的增加會為國內創造更多的就業崗位，OFDI流量每增加1%，會提升1.8%的勞動力就業崗位，而同時加入另一主要解釋變量制造零售業OFDI時，就業彈性系數增加了22.2%，加入微觀控制變量平均工資水平和平均個人消費后，就業彈性系數繼續增加59.1%，模型（4）中，OFDI流量每增加1%，會提升3.5%的勞動力就業崗位。在四個模型中，服務地產業OFDI的就業彈性系數均顯著，說明OFDI的就業創造效應是穩健的。隨著科技的進步，服務業發展潛力巨大，并且逐漸成為我國的核心產業，高質量的服務業OFDI是促進社會就業的重要方式之一。

第二，制造零售業OFDI對我國城鎮就業產生正影響且影響效應弱于服務地產業OFDI。與服務地產業相同的是，隨著控制變量的增加，制造零售業OFDI的就業彈性系數逐漸增加，并且與服務地產業相比，制造零售業OFDI的就業彈性系數相對較大，并且對就業保持正向效應。模型（4）中顯示，制造零售業OFDI每增加1%，勞動力就業量提升2.5%。目前來看，我國制造零售業大多為傳統行業，人工智能等新技術的研發和投入使用使得越來越少的勞動力進入傳統行業，OFDI的就業效應也自然低于第三產業，但其對于該行業勞動力市場的沖擊并不小，傳統行業的技術溢出效應和技術替代效應也使得這類行業不得不面臨一場變革。

第三，其他宏微觀控制變量對我國城鎮就業產生一定影響且存在差異。從表5中還可以看出，在四個模型當中，不斷加入宏觀控制變量和微觀控制變量會對母國城鎮就業產生一定影響。宏觀控制變量當中，國內生產總值GDP對于就業的影響系數較大，固定資產投資也會給更多人帶來就業崗位，這說明宏觀經濟形勢對于就業崗位的創造和就業問題的解決起著至關重要的作用，經濟高質量增長、經濟戰略性轉型是我國需要解決的問題;而社保基金支出則會對就業產生微弱的負效應，這可能是由于財政流出的替代效應以及部分非正規就業人員未參保導致社保基金支出的統計不能完全解釋該問題等原因造成的。相比于宏觀控制變量，微觀控制變量的就業效應明顯減弱，工資的提升會對就業產生一定正影響，而個人消費的增加則對就業沒有顯著解釋作用，這說明宏觀形勢對于城鎮總體就業來講影響更大。

五、結論與討論

本文利用因子分析法通過對OFDI進行分類提取，進一步運用GLS回歸分析了兩大行業OFDI對于我國城鎮的就業效應。總體來看，本文得出以下結論：首先，服務地產業OFDI和制造零售業OFDI對總體OFDI貢獻度最大。這兩類對外直接投資貢獻度達到了87.59%，因此選擇服務地產業和制造零售業作為本文選取的7類OFDI數據的代理變量，探尋OFDI的城鎮就業效應;其次，服務地產業OFDI與制造零售業OFDI對我國城鎮就業和勞動力市場產生正效應且存在異質性。實證分析發現，服務地產業OFDI的就業效應為制造零售業的1.5倍，二者均為我國城鎮就業產生了貢獻并存在一定差異，服務地產業OFDI每增加1%，會提升3.5%的勞動就業崗位，而對于制造零售業來講，這項數值約為2.5%;第三，其他因素中宏觀變量對就業和勞動力市場產生了顯著影響。宏觀因素中，除主要解釋變量對外直接投資外，每年GDP和固定資產投資對城鎮就業產生了顯著正影響，社保基金支出對城鎮就業產生了微弱的負影響，微觀因素中，工資水平和人均消費對就業影響較弱，這說明國家宏觀經濟形勢對就業產生的影響較大，保持宏觀經濟高質量增長是保持高水平就業的有效方式。

基于文獻研究和研究結論，本文就高質量OFDI、產業結構升級與就業等方面提出一些建議和討論：

宏觀層面，關于對外直接投資的持續性和高質量經濟增長的思考。通過理論和實證分析，本文得出行業OFDI對我國城鎮就業產生正向影響，在經濟全球化和區域經濟一體化的現代社會，OFDI已然成為高質量經濟增長和就業水平提升的重要途徑。因此，宏觀層面，在經濟增長出現結構性下行的背景下，我國應保持高質量的對外直接投資，特別需要跟蹤國內外最新產業行業發展動態，落實“三去一補一降”政策，加大服務業、制造零售業的對外直接投資力度，促進經濟高質量發展，并將“人口紅利”逐漸轉化為“技術紅利”，將勞動密集型產業逐漸轉移，大力研發并引進資本和相關技術，避免粗放型經濟增長方式，選擇合適的OFDI模式和組合。

微觀層面，關于行業就業形勢和產業結構戰略轉型的思考。由于經濟結構轉型和經濟全球化等原因，傳統行業就業部門正經歷一場變革，科技進步迅速推動新興行業發展壯大，傳統行業就業形勢不容樂觀。作為全球最大的發展中國家，應立足國情，適時改變產業發展模式，平穩跨越“中等收入陷阱”。在我國，服務業行業溢出效應明顯，并能夠創造更多就業崗位。因此，產業結構戰略轉型是必經之路，我國應大力發展第三產業，適時調整并升級落后的產業結構，通過大量的就業崗位和就業機會緩解就業問題，國家宏觀經濟政策、勞動力市場政策、社保政策等也應互相結合解決現實就業問題，幫助由于產業結構變革造成的結構性失業勞動力再次就業，此外，勞動力自身也應提升相應技能，適應經濟發展大潮，降低失業風險。

關于研究局限性和進一步研究的思考。本文的研究立足于將產業聚類并分析行業產業OFDI對于城鎮就業的“溢出效應”，亦存在數據不完善、理論研究不深入等不足之處，若將數據擴展為全部分類行業OFDI并進行實證分析探討其對于我國的就業效應是進一步研究方向之一，此外，OFDI與就業規模、勞動力市場之間是否存在非線性關系或是門檻效應值得深入研究。

[參考文獻]

[1]Lawrence R Z. North-South Trade， Employment， and Inequality： Changing Fortunes in a Skill-Driven World by Adrian Wood[M]. Clarendon， 1995.

[2]Karimi Z. International Trade and Employment in Labour-Intensive Sectors in Iran; The Case of Carpet Weavers[J]. International Journal of Management， 2008， 13（2）：41-68.

[3]Ha H V， Tran T Q， Ha H V， et al. International Trade and Employment： A Quantile Regression Approach[J]. Journal of Economic Integration， 2017， 32（3）：531-557.

[4]Eckel C. Fragmentation， Efficiency-Seeking FDI， and Employment[J]. Review of International Economics， 2010， 11（2）：317-331.

[5]Federico S， Minerva G A. Outward FDI and Local Employment Growth in Italy[J]. Review of World Economics， 2008， 144（2）：295-324.

[6]Choukkar S， Mahapatra S， Keskar M. "Organized Retail open to FDI and its effects on Employment"[C].FDI 2013： Issues and Prospects. 2018.

[7]Zhu J S， Xie Q Y， Economics S O. Industry Heterogeneity and Effect of OFDI on the Employment in China： An Analysis Using System GMM Method based on the View of Generalized Virtual Economy[J]. Commercial Research， 2016.

[8]Wei J. Overall Effects and Regional Differences of OFDI on Domestic Employment in China[J]. International Economics & Trade Research， 2017.

[9]Wen C H， Wang C， Clegg J. Effects of OFDI on Employment and Skill Upgrading in Its Home Economy[J]. China Economist， 2015（5）：38-51.

[10]國家統計局.2016年對外直接投資統計公報[R].北京：商務部，2017.

[11]聯合國.2017世界投資報告[R].美國：聯合國貿易和發展會議，2017.

[12]曼昆.宏觀經濟學[M].北京：中國人民大學出版社，2011.

[13]張連城.經濟學教程（第三版）[M].北京：經濟日報出版社，2007.

[14]周申，李可愛，易苗.國際貿易、FDI對中國勞動力市場的影響[M].天津：南開大學出版社，2013.

[15]張宗斌.日本大規模對外直接投資的經驗教訓及借鑒研究[M].北京：經濟日報出版社，2015.

[16]吳傳琦.中國對非洲直接投資的產業選擇研究[D].山東師范大學，2017.

[17]楊先明.發展階段與國際直接投資[M].北京：商務印書館，2000：47-59.

[18]席艷樂.貿易自由化與工資和就業的性別差異——基于中國的理論與實證[M].北京：經濟科學出版社，2015.

[19]Jac-On，Kim，Charles，W，Mueller.因子分析：統計方法與應用問題[M].上海：格致出版社，2016.

[20]張宗斌，湯子玉，辛大楞.城市化與城市規模對中美對外直接投資區位選擇的影響研究[J].中國人口·資源與環境，2019，29（12）：158-167.

[21]羅良文.對外直接投資的就業效應：理論及中國實證研究[J].中南財經政法大學學報，2007（5）：87-91.

[22]柴林如.中國對外直接投資對國內就業影響分析[J].河北經貿大學學報，2008（3）：55-58.

[23]于超，葛和平.對外直接投資的母國就業效應研究[J].統計與決策，2011（20）：123-125.

[24]李磊，白道歡，冼國明.對外直接投資如何影響了母國就業？——基于中國微觀企業數據的研究[J].經濟研究，2016，51（8）：144-158.

[25]曾小倩，曾炬.對外直接投資對我國經濟增長與就業的影響分析[J].黑龍江工程學院學報，2017，31（1）：56-60.

[26]王丹，倪超君，張洪振.對外直接投資的母國就業效應研究——基于市場和企業異質性視角[J].商業經濟研究，2018（4）：151-153.

[27]余官勝，王瑋怡.對外投資與母國國內就業：理論與中國的實證研究[J].北京工商大學學報（社會科學版），2013，28（3）：14-19+34.

[28]姜亞鵬，王飛.中國對外直接投資母國就業效應的區域差異分析[J].上海經濟研究，2012，24（7）：43-53+119.

[29]賈媛.對外直接投資的就業結構和國民收入效應研究——基于省際面板數據的分析[J].改革與戰略，2015，31（2）：40-43+100.

[30]宋林，謝偉，何紅光.對外直接投資對我國就業影響的實證研究——基于門限面板模型的分析[J].當代經濟科學，2017，39（5）：95-106+127-128.

[31]彭韶輝，王建.中國制造業技術獲取型對外直接投資的母國就業效應[J].北京理工大學學報（社會科學版），2016，18（4）：86-93.

[32]李宏兵，郭界秀，翟瑞瑞.中國企業對外直接投資影響了勞動力市場的就業極化嗎？[J].財經研究，2017，43（6）：28-39.

[33]蔣冠宏.我國企業對外直接投資的“就業效應”[J].統計研究，2016，33（8）：55-62.

[責任編輯：王鳳娟]