勞務協作政策的就業促進效應
——基于中國省級面板數據的雙重差分分析

劉璐嬋

一、問題提出

近年來，隨著新公共治理思潮在西方公共就業服務領域的興起，公共就業服務的供給衍生出了多元合作模式(Andreassen et al.，2020；Lindsay et al.，2021a)。這種由政府-市場-個體共同參與就業服務供給全過程的模式被認為體現了多元參與、協商治理、資源共享、互惠共贏等新公共治理思想(Lindsay et al.，2018a；Shang &Chandra，2023)。在這樣的背景下，由公共就業服務機構、用人單位與求職者共同參與的，以實現集體轉移就業為目標的勞務協作政策應運而生。在我國，對口支援與東西部協作扶貧等項目為勞務協作政策積累了歷史經驗。2016年，人力資源和社會保障部與國務院扶貧辦開展了粵湘鄂勞務協作試點工作，標志著“基于公共就業服務機構-用人單位-求職者三方合作的組織化集體轉移就業服務政策”進入了快速發展階段。

就勞務協作政策的效果而言，相關研究探析了該政策在人-職匹配、工作搜索、崗位供給等方面的質量與效率(Fougère et al.，2009；Liechti，2020；Lindsay et al.，2021b；Raspanti &Saruis，2021；平衛英等，2021；王小林、謝妮蕓，2022；謝治菊、陳香凝，2023)，但已有研究對該政策運行機制與服務手段方面的討論淺嘗輒止，而且較少研究關注勞務協作的參與主體、合作動機、主體間關系等因素對政策效果的影響。此外，公共就業服務長期聚焦于失業風險化解與防范的議題，各類服務措施均致力于幫助失業者重返勞動力市場且預防勞動者再次失業(Autor，2009；Larsen &Vesan，2012)，然而，目前關于勞務協作政策效果的研究并未深入探究該政策與失業風險間的關系。這意味著現有研究不僅無法為勞務協作政策化解與防范失業風險的核心議題提供更多經驗證據，更未能闡明勞務協作過程中集體議價、訂單式匹配、批量安置、動態遴選、實操培訓和定向轉移等做法的作用機制，致使我國的勞務協作政策仍是一個“黑箱”。

目前我國“東西部、省內和專項并行的勞務協作政策體系”已逐步形成(平衛英等，2021)，政策實踐中還在不斷涌現區域勞務協作聯盟等新做法。2021年，國務院在《“十四五”就業促進規劃》中明確指出，要增強公共就業服務能力，進一步健全勞務對接協調機制，逐步完善勞務協作政策。因此，探究勞務協作政策的就業促進效果既有重要的政策意涵，又對當前的基層實踐具有指導意義。本文將對勞務協作政策的就業促進效應開展分析，首先探究勞務協作的主體構成、合作動機與主體間關系對政策效果的影響，并借助全國性和長期性數據構建雙重差分模型來檢驗勞務協作政策是否存在就業促進效應。其次在失業風險化解與防范的維度上分析勞務協作政策的作用機制，尤其是探究集體議價、訂單式匹配、批量安置、動態遴選、實操培訓和定向轉移等措施如何降低失業者存量、抑制失業者增量，以打開勞務協作政策的運行“黑箱”。再次，本文還將結合勞務協作政策的適用情境，進一步探究哪些地區或群體更能從這種多元合作的集體轉移就業服務中受益，并借助政策效應的異質性分析優化勞務協作政策的實施路徑，最終為紛繁多樣的基層勞務協作實踐提供決策依據。

二、政策背景與研究假設

(一)政策背景

近年來，隨著公共就業服務供給中出現多元合作熱潮(Lindsay et al.，2021a；Van Gestel et al.，2019)，公共就業服務中的勞務協作模式日益受到關注。根據國際勞工組織的界定，勞務協作是指公共就業服務機構結合各地經濟社會發展需求和人力資源結構特點，通過在求職者和用人單位間牽線搭橋，為有勞動能力、有勞動意愿的失業者群體提供崗位，同時解決用人單位勞動力供給不足問題的一種就業促進方式(Thuy et al.，2001)。與致力于解決勞動供求雙方信息不對稱、失業者就業能力匱乏等問題的公共就業服務政策不同，勞務協作政策側重于多方參與，尤其是雇主共同參與再就業崗位的供給與創造(Bredgaard，2018；Orton，2019)。由于其服務供給過程具有顯著的合作性、組織性、規模性與轉移性等特征(Lindsay et al.，2018a；謝治菊、陳香凝，2023；元林君，2018；張成剛、辛茜莉，2022)，勞務協作的實質是由政府、雇主與求職者共同參與的、面向指定崗位的集體對接與定向安置，故本文將勞務協作政策界定為“基于公共就業服務機構-用人單位-求職者三方合作的組織化集體轉移就業服務政策”。

在我國，勞務協作政策的雛形是貧困治理實踐中的對口支援與東西部協作扶貧項目。1979年7月，中央首次提出組織內地發達省市對口支援邊境與民族地區的要求，1996年7月，國務院扶貧開發工作會議明確提出東部較發達省市與西部貧困地區開展扶貧協作，隨后地方政府開始引導貧困勞動力赴定點幫扶省份就業，并逐步形成組織化的定向勞務輸出。2016年7月，習近平總書記在東西部扶貧協作座談會上提出要“建立區域間勞務輸出對接機制”來幫助建檔立卡貧困戶實現再就業，隨后《人力資源社會保障部、國務院扶貧辦關于開展粵湘勞務協作試點工作的通知》《人力資源社會保障部、國務院扶貧辦關于同意湖北省鄖西縣與廣東省開展勞務協作試點工作的函》提出在區域間建立勞務協作工作機制，并將湖南、湖北、廣東三省作為勞務協作的試點地區，以期促進貧困勞動力實現高質量再就業。自此，我國勞務協作政策進入了制度化的發展階段。

隨著公共就業服務的全面發展，目前我國已形成了“東西部勞務協作、省內勞務協作和專項勞務協作”的政策體系(平衛英等，2021；王陽，2019)。就勞務協作的類型而言，目前政策實踐中主要包括勞務輸出、集體招聘和定向培養三種類型，其中勞務輸出是目前的主流協作模式。一般而言，勞務輸出通常由地方政府在摸清地區勞動力底數以及企業崗位數量與用人需求的基礎上牽頭促成勞資雙方商談達成。在求職者與用人單位達成一致的轉移就業意向并簽訂勞務協議后，地方政府或其所委托的公共就業服務機構會將勞動者集體送至定點企業開展勞動生產。除勞務輸出外，集體招聘也是勞務協作的主要形式。各地人社部門通常在春節后、畢業季等用工或求職旺季組織專場招聘會，為有就業需求的勞動力和有用工需求的企業提供精準對接和面談簽約服務。除“春風行動”、高校畢業生專場簽約會、金秋招聘月等大型線下招聘活動外，“百日千萬網絡招聘專項行動”等線上集體招聘也是數字化時代勞務協作的新形式。此外，定向培養也日益成為勞務協作的重要形式，這種方式將多方協作延伸至就業前期，輔助在校學生轉化為企業的儲備勞動力。具體做法是通過地方政府為企業與技工學校、職業培訓機構、公共實訓基地等牽線搭橋，由職業教育部門結合企業崗位需求實施訂單式培養，學生在畢業后直接赴企業定向就業。例如，人社部與國務院扶貧辦開展的“技能脫貧千校行動”就提出設立校企聯動訂單班，提前為職校生做好職業規劃與定向就業安置。

(二)研究假設

20世紀80年代以來，新公共管理導向下的公共就業服務市場化趨勢使就業服務出現擇優推薦(Creaming Effect)、低度服務(Parking Effect)等缺陷，大大降低了公共就業服務的質量(Bredgaard &Larsen，2008；Greer et al.，2017)。此外，這種過度倚重市場的服務供給方式被認為忽視了其他主體的作用與訴求(Lindsay et al.，2019；Van Gestel et al.，2019)。隨著新公共治理思潮被引入公共就業服務領域，各國開始在就業促進政策設計中廣泛應用多元合作模式，典型做法包括政府-市場-社會協同創新就業培訓服務供給(Fledderus &Honingh，2016；李杏果，2018)、求職者-PES機構-第三部門合作輔助弱勢群體重返勞動力市場等(Lindsay et al.，2018b；謝永陽，2020)。1990年以來，公共就業服務開始日益重視勞動力市場需求側在就業促進中的作用，致力于“將雇主拉進來”并共同創造就業崗位(Bredgaard，2018；Raspanti &Saruis，2021；Van der Aa &Van Berkel，2014)。在這樣的背景下，公共就業服務供給的參與主體不僅是政府、公民和非營利組織，還逐步拓展為企業(Larsen &Caswell，2022；張成剛、辛茜莉，2022)，因此由政府、雇主與求職者共同參與的，以實現集體轉移就業為目標的勞務協作也應運而生。

就勞務協作政策的就業促進效果而言，有研究認為該政策并不存在就業促進效應(Bonoli &Hinrichs，2012；Dengler，2019；Peck &Theodore，2000)。這是由于公共就業服務機構在推動弱勢群體受雇方面的作用微乎其微，甚至可能會將求職者推向“垃圾職業”。同時，雇主參與的動機不足且方式和手段匱乏，導致社會化協作的程度較低，難以提升服務質量。但更多的研究發現，勞務協作政策不僅能夠在微觀層面提升“人-職”匹配成功率，節省求職者的工作搜索成本，輔助參與主體建立長期穩定伙伴關系(Fougère et al.，2009；Raspanti &Saruis，2021)，而且能夠在宏觀層面促進要素有序流動和資源優勢互補，同時緩解就業困難群體面臨的勞動力市場不平等，因而具有顯著的就業促進效應(Liechti，2020；平衛英等，2021；王小林、謝妮蕓，2022；謝治菊、陳香凝，2023)。本文認為，與傳統公共就業服務不同，新公共治理背景下興起的勞務協作政策具有顯著的多元參與特征。從政策設計的角度來看，哪些主體參與勞務協作、他們為何以及如何開展合作、協作的主體間關系等諸多因素將深刻地決定勞務協作的呈現方式、組織模式與運行機制，進而會影響最終的政策效果。若忽視這些核心要素，不僅會使政策效果評估浮于表面，更有可能會對政策效果的判斷產生偏差，因此需要緊密結合勞務協作的主體構成、合作動機、主體關系等要素對政策效果開展分析。

首先，就主體構成而言，勞務協作通過納入雇主提供的崗位資源，極大地規避了傳統公共就業服務因倚重供給側服務而忽視勞動力市場需求的劣勢(Lindsay et al.，2019；Van Gestel et al.，2019)。具體而言，我國公共就業服務的供給長期由政府主導，其他主體的參與極為有限(王陽，2015)，隨著勞務協作政策的實施，這種過度倚重公共就業服務機構的格局將被打破。用人單位的加入能夠優化資源組成、促進供需匹配，進而提高公共就業服務的效率(劉家明、蔣亞琴，2020；謝永陽，2020)。其次，就合作動機而言，與傳統公共就業服務不同，勞務協作的參與主體均有強烈的通過合作實現就業的意愿。研究發現，雇主希望通過參與合作來又快又省地完成招聘(Ingold et al.，2023)，求職者尤其是其中的弱勢群體則希望集體談判能彌補自己匱乏的議價能力，進而獲得更全面的勞動權益保護(李禮連等，2022；王秀燕等，2020)，公共就業服務機構則希望通過實施多方合作來節省成本并提高服務效率與質量(Lindsay et al.，2021a；丁兆罡、徐樅巍，2017)。更重要的是，在用工荒與就業難共存的情形下，雇主與求職者參與合作生產的動機將會進一步增強(劉譯鴻等，2017)。最后，就主體間關系而言，公共就業服務機構、雇主與求職者在勞務協作過程中往往會形成信任關系與伙伴關系，這有助于勞動力供求雙方及時了解當前勞動力市場發展的動向，并獲得關于潛在職位空缺和技能要求的非正式信息，因而有助于勞動契約的達成并促成長期就業合作(Ingold，2018；Raspanti &Saruis，2021；徐軍等，2018)，這一點在東西部勞務協作過程中體現得尤為明顯(王小林、謝妮蕓，2022)。以上三點表明，公共就業服務機構、用人單位與求職者之間的合作形成了資源整合與互補、質效目標一致、長期互惠多贏等優勢，因此能夠達到促進就業的政策目標?；诖?，本文提出假設1。

H1：勞務協作政策能夠顯著促進就業。

公共就業服務的各類政策均需圍繞化解失業風險發力，那么作為公共就業服務的政策工具之一，勞務協作政策是如何通過化解與防范失業風險來促進就業的？一方面，從失業風險化解的角度來看，勞務協作政策可以通過集體議價、訂單式匹配和批量安置等措施來消化失業者存量。首先，在勞務協作過程中，公共就業服務機構往往會代表全體求職者與用人單位就工資待遇、工作環境、勞動保障等內容開展商議和談判。在這種集體議價過程中，參與主體之間的合作關系有助于靈活調節各方利益，減少求職者與用人單位間的摩擦，進而降低交易成本。其次，訂單式匹配允許用人單位和求職者都參與到供需匹配環節中并形成定向匹配，其核心在于參與主體充分共享信息以呈現供求底數(Martini et al.，2017)，并且按主體需求定制服務，因此可規避信息不對稱、忽視服務需求所導致的匹配效率損失，有助于提高人崗對接的速度，以快速將失業者重新送回勞動力市場。再次，勞動力供需雙方和公共就業服務機構的共同參與發揮了聚合需求和資源池的作用(劉家明、蔣亞琴，2020；謝永陽，2020)，這意味著應聘者群體有機會在短時間內與大量崗位對接洽談，這一過程所形成的規模效益不僅擴大了求職者的受雇機會，而且有利于批量安置的實現。上述分析表明，勞務協作政策中的集體議價、訂單式匹配和批量安置等措施能夠低摩擦、快速度、大規模地幫助求職者入職，因而該政策大大減少了失業者存量，進而有助于化解失業風險。

另一方面，從失業風險防范的角度來看，勞務協作政策能夠通過動態遴選、實操培訓和定向轉移等做法來控制失業者增量。首先，在勞務協作過程中，公共就業服務機構會采用動態遴選機制，即根據勞動供需雙方的反饋來動態調整合作清單，并取消與不符合期望的參與主體的合作。這種做法能夠強化參與主體的責任感與壓力感，在避免將求職者推向“垃圾職業”的同時提醒求職者珍惜崗位，進而防止求職者主動或被動地陷入重復失業的境地。其次，勞務協作注重提升服務的長遠價值并傾向于為參與者賦能。圍繞這一理念，企業會積極提供崗位實操的機會，公共就業服務機構則會全面動員求職者參與培訓，求職者為了提升技能也會增加精力投入(Brogaard，2017；Hyggen &Vedeler，2021；Lindsay et al.，2021a)。這種崗位實操的方式使高質量培訓成為可能，進而有力地培育和發展了勞動者的就業能力，降低了其再次失業的風險。最后，與傳統公共就業服務項目相比，勞務協作政策側重于推動求職者在地區間、城鄉間定向轉移。這種組織求職者集體赴外地就業的做法使本地勞動力資源得到了優化配置，長期來看有助于釋放本地的就業競爭壓力。因此，勞務協作過程中的動態遴選、實操培訓和定向轉移能夠規避劣質推介、提升求職者就業能力以及緩解勞動力市場競爭，因此該政策能夠系統性地抑制新增失業，進而防范失業風險?；诖?，本文提出假設2。

H2a：勞務協作政策通過化解失業風險來改善整體勞動參與狀況。

H2b：勞務協作政策通過防范失業風險來改善整體勞動參與狀況。

就勞務協作政策的適用情境而言，研究普遍發現各地勞動者的勞動參與狀態與公共就業服務的供給往往因人口結構、產業結構等社會經濟因素的區別而不同(Angrist &Evans，1998；Clark et al.，2019)，這意味著勞務協作政策可能會在不同的勞動力市場環境下獲得差異化的政策反饋。從勞動力需方來看，隨著產業結構持續轉型升級，各地的農業、工業和服務業GDP占比在不斷調整，但是就業結構與產業結構不協調的問題普遍存在(單良、張濤，2018)。對于工業基礎雄厚的地區和現代服務業發達的地區而言，由于不同產業吸納勞動力的能力以及勞動力市場的發展基礎、市場化進程與分化程度不同，其勞動力市場中的就業機會、就業渠道乃至就業壁壘都存在差異(景建軍，2016)，故可能使勞務協作政策的效果體現出異質性。從勞動力供方來看，失業群體內部的異質性也可能會影響政策效果。研究認為，盡管公共就業服務是面向全體失業者的，但是失業者的個體特征、所屬的社會階層、失業原因等都會干預其重返勞動力市場的行為(Auer et al.，2019；Oesch &Von Ow，2017)。尤其是對于長期失業者而言，由于雇主對該群體的態度較為消極(Bonoli，2014)，長期失業者往往是各類就業政策的重點干預對象。那么，在長期失業者較多的地區，勞務協作政策的就業促進效果可能會有差異化的表現?？紤]到上述情形，本文將分別討論地區產業結構因素與失業群體結構因素的調節效應，并提出假設3。

H3：在地區產業結構和失業群體結構不同的省(自治區、直轄市)，勞務協作政策帶來的勞動參與效應存在異質性。

三、研究設計

(一)數據來源

本文使用的數據來自《中國勞動統計年鑒》《中國人口和就業統計年鑒》和《中國統計年鑒》。統計年鑒提供的數據覆蓋了全國31個省級行政區，本文提取了與人口經濟、勞動就業及公共就業服務實施情況相關的數據。隨著2016年人力資源和社會保障部與國務院扶貧辦開展粵湘鄂勞務協作試點工作，廣東省、湖南省、湖北省被設定為試點省份，本文以2005年至2019年作為樣本觀察期，共得到樣本465個。

(二)變量測量

就解釋變量而言，為了分析勞務協作政策的實施效果，本文構造了施政省份虛擬變量與施政時間虛擬變量的交互項，其系數能夠反映勞務協作的政策效果。就被解釋變量而言，習近平總書記在2016年的銀川座談會上對東西部扶貧協作做出了重要論述，此后勞務協作從某種程度上而言已然成為官方活動，同時勞務協作政策的實施成效也被納入了地方政府考核評價體系，這些因素都會驅使地方政府關注政策效果的量化。本文認為，由于借助已有的統計指標體系來展現政策對象勞動狀態的轉變較為直觀，因此地方政府普遍會將勞務協作政策的實施成效落實在統計數字上，故通過宏觀統計指標來測量政策效果具有可行性。目前，《中國勞動統計年鑒》《中國人口和就業統計年鑒》和《中國統計年鑒》上關于失業的指標主要有“年末城鎮登記失業人數”和“年末城鎮登記失業率”，后者作為比率會受到在業人數影響，而前者直觀地展示失業人數的變動，能夠較為精確地反映地區性的失業水平，因此本文以“年末城鎮登記失業人數的對數”來代理被解釋變量“失業人數”。

就控制變量而言，本文參照已有研究(Clark et al.，2019；Liechti，2020)的做法，納入經濟水平、就業人口狀況等會對被解釋變量帶來影響的一系列變量。其中，經濟水平由各省(自治區、直轄市)的年度GDP進行測量，就業人口狀況由常住人口、15歲至64歲勞動年齡人口進行測量?？紤]到勞務協作政策是多方合作的產物，本文嘗試納入與政府、用人單位、求職者、職業教育與就業培訓機構相關的變量。具體而言，本文使用就業保障、公共就業服務變量來代理政府稟賦，就業保障由社會保障和就業類公共支出的年度金額來測量，公共就業服務由政府提供的公共就業服務的受助人數來測量。此外，企業數量、求人倍率(The Job Vacancies to Seekers Ratio，JVSR)用于代理用人單位稟賦，企業數量由年度企業單位數來測量，求人倍率由本期登記求職人數與本期單位登記招聘人數之比來計算。再者，失業保險金領取人數、新增就業者數量、求職者數量用于代理本地求職者稟賦，失業保險金領取人數由年末失業保險金領取人數來測量，新增就業者數量由普通本(專)科高校畢業生、普通高中畢業生與普通中等職業學校畢業生總數來測量，求職者數量用本期登記求職人數來測量。同時，職教培訓機構數量、培訓人數用于代理職業教育與就業培訓機構稟賦，職教培訓機構數量由本地技工院校、就業訓練中心、民辦職業培訓機構的總數來測量，培訓人數由本地技工院校、就業訓練中心、民辦職業培訓機構的培訓總人數來測量。

就中介變量而言，在失業風險化解方面，本文關注失業者存量的降低，故以“本期職業介紹成功人數占本期登記求職人數比重”的對數來代理中介變量“失業風險化解”，成功再就業的人數越多，表示政策的失業風險化解能力越強。在失業風險防范方面，本文以“城鎮本年新增登記失業人數占全體失業者比重”的對數來代理中介變量“失業風險防范”，新增失業人數占比越小表明政策防范失業風險的能力越強。具體變量的定義與基本統計量見表1。

表1 變量定義與描述性統計

(三)識別策略及模型設定

雙重差分法(Difference In Difference，DID)是當前常用的政策效果評估方法，其計量識別策略是對比實驗組與控制組的結果變量在政策前后的變化?？紤]到勞務協作政策對于勞動者個體而言是外生的，為了檢驗勞務協作政策對個體勞動參與的影響，本文構建了雙向固定效應模型作為基準回歸模型。模型設定如下：

lnunemploymentit=β0+β1Treati*Aftert+β2Controli+β3μi+β4φt+εit

(1)

式(1)中，下標i表示各省(自治區、直轄市)(i=1，2，…，31)，t表示年份(t=2005，2006，…，2019)。lnunemploymentit表示省份i在t年份的年末城鎮登記失業人數的對數，是本文的被解釋變量。交互項Treati*Aftert是DID模型中衡量政策作用的關鍵變量，其中Treati是用來刻畫組間差異的虛擬變量，1表示實施勞務協作政策的試點省份，0表示非試點省份。Aftert是用來刻畫時間差異的虛擬變量，1表示2016年政策實施及以后的樣本，0表示2016年以前的樣本，交互項的系數能夠體現勞務協作的政策效果。Controli表示一系列可能影響失業人數的控制變量，包括宏觀經濟與人口因素、勞動力市場供需因素等。μi用于控制省份間的個體固定效應，φt用于控制時間固定效應，εit表示面板數據模型的隨機誤差項。式(1)中β0是截距項，β1是核心解釋變量的回歸系數，β2是控制變量的回歸系數。此外，為考察勞務協作政策的作用機制，本文將根據劉紅云等人(2013)的逐步法來檢驗勞務協作政策的失業風險化解和防范功能，因此構建以下模型。式(2)和式(3)中，Mediationit是中介變量。

Mediationit=γ0+γ1Treati*Aftert+γ2Controli+μi+φt+ξit

(2)

lnunemploymentit=β0+β1Treati*Aftert+β2Controli+β3Mediationit+β4μi+β5φt+vit

(3)

四、勞務協作政策的就業效應

通過逐步添加控制變量，分別進行個體固定效應與年份固定效應估計，本文的實證結果見表2。

表2 勞務協作政策對失業人數的影響

可以看到，表2中的模型1至模型4分別展示了逐步添加控制變量并進行個體固定效應與年份固定效應估計時模型的系數，解釋變量勞務協作政策的系數始終為負且在1%的水平上顯著，表明勞務協作政策與失業狀況息息相關，勞務協作政策的實施有助于降低失業人數，該政策在促進就業方面頗有成效，H1得以驗證。本文認為，作為在新公共治理思潮中興起的就業促進政策工具，勞務協作政策充分體現了新公共治理所倡導的多元參與、協同增效以及互惠共贏等理念。與Ingold(2018)、Lindsay等人(2021a)的看法類似，本文發現中國的勞務協作政策不僅擁有多元化的供給主體，而且基于相同動機的合作主體間建立起了信任關系與伙伴關系。這種合作不僅打破了過度倚重單一服務主體的格局，在豐富資源池的同時帶來了需求與動機的整合強化，而且以質效目標一致為基礎實現了長期合作，大大提升了公共就業服務供給的質量與效率。這一發現不僅證明了勞務協作政策在中國同樣是促進就業的有效政策工具，也為新公共治理理論在我國公共就業服務領域的應用提供了新的經驗證據。

為驗證上述結論的穩健性，本文通過平行趨勢檢驗、安慰劑檢驗、替換變量等方法進行了檢驗。首先，本文使用事件研究法，在生成年份虛擬變量與處理組虛擬變量交互項后作為解釋變量進行回歸，發現勞務協作政策實施前上述交互項的系數均不顯著，滿足平行趨勢假設。其次，參照已有研究(石大千，2018)隨機虛構處理組的做法，本文進行了安慰劑檢驗，具體做法是在31個省份(自治區、直轄市)中隨機選取3個省份作為虛構的勞務協作政策的試點省份，此隨機過程重復進行500次，再根據虛構的試點省份進行回歸后得到一系列“偽勞務協作政策”交互項系數。最終發現除真實試點省份的估計系數外，偽政策的系數基本不顯著，說明真實試點省份的政策效果并非源于巧合，也并未受到其他政策或隨機因素的影響，故基準回歸的結果不存在偏誤。最后，本文以失業保險金支出變量替換原被解釋變量參與回歸，所得解釋變量的系數依然負向顯著，再次證明了基準回歸的穩健性。鑒于篇幅有限，相關圖和表未予呈現，留存備索。

五、勞務協作政策促進就業的機制分析

(一)勞務協作政策有助于化解與防范失業風險

基準回歸模型顯示，勞務協作政策可以顯著促進就業，那么勞務協作政策效果的傳導機制是什么？該政策是如何幫助失業者重返勞動力市場或預防其失業的？從失業風險的化解與防范維度出發，本文甄別了勞務協作政策在失業者存量降低與增量抑制上的機制渠道，具體結果見表3。

表3 引入失業風險化解與防范中介變量的回歸

在表3中，模型5是失業風險化解中介變量對解釋變量勞務協作政策的回歸，解釋變量的系數0.176正向顯著。模型6是在基準回歸中納入失業風險化解中介變量，此時解釋變量的系數-0.116和中介變量的系數0.093均在5%的水平上顯著，表明失業風險化解這一中介效應成立，即勞務協作政策能夠通過降低失業者存量來化解失業風險，進而解決失業問題。H2a得以驗證。本文認為，由于勞務協作是基于多元合作的公共就業服務，因此在與異地用人單位和本地求職者建立廣泛聯系的基礎上，公共就業服務部門會摸清求職者與潛在雇主的供求底數與應選聘意向，并借助“春風行動”“金秋招聘月”等大型就業促進活動的平臺邀請供需雙方面談。在此過程中，雇主與求職者有機會在短時間內與大量候選人面談，公共就業服務機構則會在其中調節各方利益，甚至代表求職者與雇主開展集體商談，并輔助完成求職者的異地安置?？梢?，借助集體議價、訂單式匹配和批量安置等措施，勞務協作政策不僅降低了交易成本，而且提高了人-職匹配的效率與效果，有助于低摩擦、快速度、大規模地幫助求職者入職，進而實現降低失業者存量的目標，大大化解了失業風險。

除化解失業風險這一影響渠道外，防范失業風險同樣是勞務協作政策發揮作用的有效途徑。表3中的模型7是失業風險防范中介變量對解釋變量的回歸，系數-0.218在5%的水平上顯著。模型8是在基準回歸中納入失業風險防范中介變量，此時解釋變量的回歸系數-0.126和中介變量的系數-0.146分別在1%和5%的水平上顯著，表明防范失業風險這一中介效應成立。這表明，勞務協作政策能夠有效抑制失業者“增量”，進而發揮了防范失業風險的作用，H2b得以驗證。本文認為，在勞務協作過程中，公共就業服務機構、用人單位與求職者均能感受到自身的責任感與壓力感，而且合作中形成的伙伴關系也有助于參與者放眼長遠，因而各主體傾向于選擇有助于維持合作的參與方式，例如審慎篩選合作對象、創造在崗實操培訓條件、優化勞動力區域配置等。這能夠有效規避Peck和Theodore(2000)提到的劣質推介問題，同時提升求職者就業能力以及緩解勞動力市場競爭，無形中提升了服務質量，并有效地減少了新增失業者人數，進而防范了失業風險。

(二)產業結構與失業群體結構對勞務協作政策效果的調節機制

上述分析表明，基于公共就業服務機構-用人單位-求職者三方合作的勞務協作政策能夠通過干預失業風險來促進就業。那么，這種政策效果是否存在異質性？如果存在，哪些地區或群體更能從這種三方合作的集體轉移就業服務中受益？基于地區產業結構和失業群體結構維度，本文進一步探究了勞務協作政策的適用情境。

在產業結構方面，本文結合各省(自治區、直轄市)三大產業GDP的占比生成了產業結構變量。在失業群體結構方面，本文以長期失業者占全體失業者比重的對數來代理失業群體結構變量。通過將經過中心化處理的產業結構與失業群體結構調節變量及其分別與核心解釋變量的交互項納入回歸，所得交互項的系數見表4。

表4 引入調節變量的回歸

在表4中，模型9的交互項系數0.216正向顯著，表明勞務協作政策的就業促進效果會顯著受到產業結構的影響：與以服務業為主要產業的省份相比，在以工業為主要產業的省份實施勞務協作政策時，其就業促進效果更顯著。本文認為，這可能是由于以工業為核心產業的省份有更多雇主能一次性提供多個崗位，因此通過勞務協作能夠大量、及時地吸納失業者。相比之下，服務業崗位分布的碎片化程度更高，崗位需求更加動態和多樣，因此勞務協作政策的難度較大，短期內的就業促進效果無法實現最大化。

同樣，模型10中交互項系數-0.105負向顯著，這表明長期失業者占整體失業者的比重越大，勞務協作政策的就業促進效果就越好。這可能是由于我國深度貧困地區、老工業基地的長期失業群體的再就業渠道有限，而且長期失業者匱乏的人力資本和社會資本使其在勞動力市場中處于劣勢地位，依靠自身的力量已很難再覓得職位。在此類地區實施勞務協作，其實質就是將長期失業者時空騰挪，輔助其在全新的就業環境中從頭再來。勞務協作政策使公共就業服務機構站在求職者和雇主之間，通過提供信息和聯系這些參與者來解決結構性漏洞問題，彌補了長期失業者社會資本的缺陷(Liechti，2020)。同時，勞務協作所批量推薦的崗位弱化了學歷與技能要求，而且公共就業服務機構所提供的官方背書能夠在一定程度上克服雇主對弱勢工人的雇傭抵制(Fougère et al.，2009)，因此也彌補了就業困難群體的人力資本缺陷。至此，H3得以驗證。

六、研究結論與政策啟示

勞務協作是公共就業服務領域的新公共治理實踐，這種通過公共就業服務機構、用人單位與求職者三方合作實現的組織化集體轉移就業服務獲得了來自學界與實務界的廣泛關注。在中國，源于對口支援與東西部協作扶貧等項目的勞務協作政策也正在成為公共就業服務體系的重要組成部分。2023年《政府工作報告》指出，2023年的發展目標是新增城鎮就業1200萬人左右(李克強，2023)，因此需要優化各項促就業政策來穩崗擴崗。在這樣的背景下，勞務協作政策的就業促進效應研究將在就業優先戰略目標下發揮深遠的作用。

為了打開勞務協作政策的運行黑箱，本文基于2005年至2019年31個省(自治區、直轄市)的面板數據構建了雙重差分模型，重點考察了勞務協作政策的就業促進效應、影響機制以及政策效果的異質性。研究發現，公共就業服務機構、用人單位與求職者之間的多元合作讓勞務協作形成了特殊的主體構成、動機與關系，進而形成了資源整合互補、質效目標一致、長期互惠多贏等優勢，因此該政策的就業促進效果顯著。就政策效果的傳導機制來看，勞務協作能夠通過集體議價、訂單式匹配和批量安置等措施來消化失業者存量，并通過動態遴選、實操培訓和定向轉移等做法抑制失業者增量，進而達到失業風險化解與防范的目標，最終促進就業。就政策效果異質性而言，勞務協作政策在以工業為主要產業和長期失業者比重較大的地區實施時效果更好。上述結論意味著，勞務協作政策能夠有效改善公共就業服務的供給，這不僅為新公共治理理論在我國公共服務領域的應用提供了新的經驗證據，而且拓展了就業促進事業的政策工具箱，最終推動了就業促進政策目標的達成。伴隨著各地不斷涌現的勞務協作現象，本文研究結論對未來的政策實踐主要有以下幾點啟示。

第一，公共就業服務的多主體協作供給模式需進一步優化。我國的公共就業服務因建設歷史較短而未經歷過新公共管理思潮的洗禮，因此公共就業服務供給的市場化程度偏低，導致雇主在服務過程中的參與有所不足，這與目前西方國家竭力矯正的過度市場化問題恰好相反(Bredgaard &Larsen，2008；Greer et al.，2017)。在這樣的背景下，勞務協作更要強化用人單位的參與，改變過度倚重公共就業服務機構的局面(王陽，2015)，此外還需要逐步將技工院校、私營就業服務機構、第三部門等拓展為合作主體，并結合不同的行業背景形成更加適配的主體組合，以滿足不同勞務協作場景的合作需求。在此基礎上，需進一步借鑒英國、荷蘭等國家的勞務協作做法(Fledderus &Honingh，2016；Lindsay et al.，2019)，著力培育主體間的伙伴關系，完善多元參與、協商治理、資源共享、互惠共贏的格局，以進一步驅動合作和匯聚資源。

第二，勞務協作政策應在消除路徑依賴的同時突破重點區域的多元協作。我國的勞務協作政策擁有對口支援與東西部協作扶貧的項目淵源，這雖然為勞務協作的設計與推行提供了一定的政策基礎，但也賦予了勞務協作厚重的歷史色彩，某種程度上限制了協作范圍與合作機制的拓展。因此，未來一方面需要改變將勞務協作等同于東西部勞務協作或對口勞務輸出的狹隘看法，讓關于政策設計、執行與評價的討論聚焦于勞務協作的多元合作本質，進而消除就業協作政策的路徑依賴。另一方面需要突破東西部協作的慣常做法，轉而以政策效果的異質性為依據規劃政策擴面路徑，優先在工業制造崗位集中或失業歷史包袱重的省份間進行勞務協作布局，并積極促成用工大省與東北、華中等地區的老工業基地簽訂勞務協作合約，致力于解決用工荒和冗余勞動力再就業的雙重問題。

第三，積極探索勞務協作在服務業中的運行機制，加快推進勞務協作的品牌化。我國第三產業的就業人數在1994年已超過第二產業的就業人數，2011年超過第一產業的就業人數，2022年末第三產業就業人員已占到全國就業人員的47.1%(國家統計局，2023；人力資源和社會保障部，2023)。隨著我國經濟發展方式轉型與產業結構不斷升級，第二產業的就業吸納能力將持續弱化，未來第三產業會成長為主要的勞動力蓄水池，因此就業崗位的增長將集中于服務業。在這樣的背景下，勞務協作政策需要順應服務業的“后福特主義”趨勢，逐步擴大與中小型服務業企業的接觸面，掌握各行各類服務業企業的招工周期和用工規模，建立公共就業服務機構與物流運輸、住宿餐飲、家政護理等服務性行業的溝通與合作渠道，同時打通與靈活用工平臺企業的對接渠道，探索即時配送、網約營運等新業態崗位的人-崗信息互通機制。此外，還需著力推進勞務協作的品牌化，培育具有鮮明標記和良好口碑的行動品牌，進一步擴大勞務協作政策的知名度和影響力，同時也為參與勞務協作活動的求職者戴上專業可靠、值得信賴的“帽子”，輔助其獲得更加長期穩定、更加高質量的職業發展。