人民币汇率冲击与制造业就业——来自企业数据的经验证据，本文主要内容关键词为：人民币汇率论文,制造业论文,证据论文,经验论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
2001年以来，人民币汇率问题始终处在风口浪尖。尽管许多研究都发现，在中国经济快速成长的过程中，汇率升值是一个不可避免的长期现象（卢锋、韩晓亚，2006；卢锋，2006）。但是，政府往往出于对汇率升值的负面影响的担心，进行外汇市场干预，以避免升值速度过快。其中，一个常常被人提及的担忧是：汇率升值会对中国的制造业产生不利影响，从而造成制造业部门的失业率上升。为稳定就业，政府有必要对汇率进行调控。
但是，事实果真如此吗？即便有影响，这一影响的效应又有多大呢？对此问题，之前的研究大都集中于国家层面和行业层面的探讨。本文首次采用企业层面数据研究了人民币汇率变动对我国制造业就业的影响。与以往采用行业层面或国家层面数据的研究相比，采用企业数据有两个明显的优势。首先，大量文献指出劳动力的重新配置主要发生于行业内而不是行业间（Gourinchas，1999），由于各行业所要求的技能与人力资本存在巨大差异，劳动力的流动主要体现为同一行业内不同企业之间的流动。如果采用行业数据研究汇率与就业的关系，则不能体现汇率变化对于劳动力在同一行业内部的不同企业间进行重新配置的影响。第二，新近的异质性企业研究发现，即使在同一行业内，不同企业的生产率、进出口强度、进出口地结构等也存在巨大的差异（Bernard and Jensen，1999；Eaton et al.，2011；Tian and Yu，2012），这意味着，即使面临相同的汇率冲击，不同企业在就业方面的反应也可能完全不同。采用企业数据进行实证研究有助于我们理解企业异质性特征的影响。
与国外已有文献比较，本文在方法上的创新主要有两点：（1）通过建立进出口地多元化的理论模型，推导出影响企业就业人数的外汇风险暴露指标，然后利用合并后的2000～2006年制造业企业数据以及海关贸易数据测度这一指标，并比较其与传统有效汇率指标的异同；（2）利用企业层面的异质性特征，评估人民币汇率变动对制造业就业的影响。与以往研究相比，本文所用方法的优势在于可以克服之前研究中因为采用加总层面的有效汇率指标所带来的估计偏误。举例而言，2005～2006年期间，人民币对美元升值，但同时对欧元贬值，因此出口到美国的企业面临着汇率升值，而出口到欧洲的企业面临着汇率贬值。若在微观层面的研究中笼统地使用加总层面的实际有效汇率进行估计，等于假设所有企业面临的外汇风险暴露变化都相同，这必然会造成估计结果的偏误。我们的研究发现，在计算企业的外汇风险暴露时充分考虑企业间进出口地结构的差异性，可以得出更加符合理论预期的估计结果。
我们所采用的方法还可以揭示汇率变动影响就业的具体机制。在一篇经典的论文中，Campa和Goldberg（2001）指出，汇率变动可以通过“出口收益渠道”与“中间品进口成本渠道”来改变企业的劳动力需求，这两个渠道的影响大小进一步取决于企业对出口和进口中间品的依赖程度。直观地说，如果企业越依赖于出口，则汇率升值对其总收益的负面影响越大，因此对其劳动力需求的负面影响也越大；如果企业越依赖于中间品进口，则汇率升值可以更多地降低企业的中间品进口成本，从而更多地增加劳动力需求。此外，汇率变动还可以通过改变国内市场的进口竞争程度来影响企业的就业。我们的方法可以区分出这3个渠道各自对就业的影响。
本文研究发现：第一，遭遇同样的汇率冲击，不同企业面临的外汇风险暴露存在显著差异，准确度量外汇风险暴露差异的指标应该是企业层面的、基于“贸易增加值”加权的实际有效汇率，忽视这种差异将会造成研究结果的明显偏误。第二，汇率变动会通过出口收益渠道和进口成本渠道（在统计上）显著影响企业就业人数，但从经济学意义来看，这一效应是比较小的。以2005～2006年人民币升值为例，汇率变化仅仅引起就业下降0.01%。即使假设10%的实际有效汇率升值（假设所有双边汇率升值同一幅度），也仅会带来中国的制造业就业下降0.12%，远远低于之前文献的估计结果（例如，Mao和Walley（2011）估算的4%）。第三，面对同样的国家层面的汇率升值（贬值），由于企业间进出口强度和进出口目的地结构不同，就业变动存在巨大差异，结果平均的就业效应非常小；第四，汇率变动对不同类型企业的影响是不同的：劳动密集型企业的汇率弹性大于资本密集型企业，私营企业和外资企业的汇率弹性大于国有企业，但是高生产率企业和低生产率企业的汇率弹性没有太大区别；第五，中国企业更多的是通过改变招聘员工的数量而不是裁员数量来应对人民币汇率变动，这与美国制造业企业应对汇率变动的措施恰好相反（Klein et al.，2003）。
本文其余部分结构如下：第二部分是文献综述，梳理20世纪80年代以来关于汇率对就业影响的研究；第三部分通过建立考虑进出口地多元化的理论模型，推导出影响企业雇佣人数的外汇风险暴露指标；第四部分描述数据并测度企业层面外汇风险暴露指标；第五部分是计量经济分析；第六部分进一步地讨论了企业异质性特征对汇率的就业效应的影响；第七部分从加总宏观视角量化评估汇率对就业的经济效应；最后是结论及政策建议。
二、文献综述
汇率对就业影响的理论研究可以追溯至传统的凯恩斯理论：假设马歇尔-勒纳条件成立，在一个非充分就业的经济体内，汇率贬值有助于增加净出口，从而扩大企业投资和劳动力需求，在工资粘性的假设下，最终实现充分就业和产出增加。但是，从经验角度评估这一效应的文献，却是在20世纪80年代才逐渐兴起。80年代，美元汇率先是剧烈升值，然后在1985年“广场协议”后又是迅速贬值。随即，经济学家开始探讨汇率变动究竟对美国的制造业行业产生怎样的影响。Branson和Love（1986，1987）利用1970～1986年美国的行业数据，发现实际汇率变动会显著地对美国制造业就业产生负面影响，汇率升值将带来就业人数下降，贬值则会带来就业人数增加。Burgess和Knetter（1988）利用7个工业化国家的行业数据，发现汇率对就业的影响在不同国家之间差别很大，与这些国家市场化程度——尤其是劳动力市场调整是否充分灵活——关联密切。Revenga（1992）认为，前面的文献并没有充分考虑汇率对就业影响的进口替代机制，汇率升值会对出口企业产生负面冲击，但是对于进口企业却会产生有利影响。
正如Campa和Goldberg（2001）所指出，早期的经验研究并没有从理论上探明汇率对就业的冲击的具体机制。Campa和Goldberg（2001）的研究发现，汇率会通过出口收益渠道和进口成本渠道对劳动力需求决策产生影响。具体来说：（1）汇率贬值有助于企业出口增加，从而提高收益，扩大劳动力需求；（2）汇率贬值会带来企业进口中间品的成本增加，从而增加成本，减少劳动力需求。他们通过建立一个单一出口地模型，推导出汇率影响企业劳动力需求的结构方程，然后利用行业数据估算有效汇率进行回归，发现汇率对企业劳动力决策的冲击主要体现在工资上，对就业决策的影响非常小。不过，Campa和Goldberg（2001）的研究仍然存在一个明显缺陷，即没有采用微观层面的企业数据进行研究。在新近的一篇论文里，Nucci和Pozzolo（2010）利用意大利的微观企业数据进行研究，发现准确刻画企业面临的外汇市场风险暴露，还应该考虑企业层面的进口强度和出口强度差异。他们的研究结果发现，汇率变动对就业的影响要大于Campa和Goldberg（2001）的估算结果。类似的，Ekholm等（2012）也采用了企业数据来研究汇率变动对挪威制造业企业就业和生产率的影响。
但是，无论是Nucci和Pozzolo（2010）还是Ekholm等（2012），在评估企业面临的外汇风险暴露时，都没有考虑不同企业的进出口地及进出口量差异带来的企业层面有效汇率差异。在以意大利或者挪威样本进行研究时，由于企业的进出口目的地较为集中，这一问题或许还不明显，但是对于像中国这样一个进出口地多元化的国家，同样的方法就可能会引发极大的估计偏误。与上述文献相比较，本文试图将Campa和Goldberg（2001）、Nucci和Pozzolo（2010）的理论模型进一步拓展至进出口地多元化的情形，从而构建出取决于企业层面实际有效汇率的外汇风险暴露指标。然后，我们根据这一指标对人民币汇率的就业影响进行经验评估，结果发现，较之Nucci和Pozzolo（2010）以及Ekholm等（2012），本文所构建的指标的表现，更加符合理论模型的预测：汇率贬值对就业的影响在统计上是高度显著的，但其影响幅度并不大。
国内研究中，俞乔（1999）最早研究人民币汇率变动对就业的影响，指出，人民币贬值有助于扩大就业，贬值15%～30%可以增加250万～510万个岗位。万解秋和徐涛（2004）同样发现，人民币汇率升值将抑制中国的就业增长，加重经济负担，建议人民币汇率缓慢升值。范言慧、宋旺（2005）利用1980～2002年宏观数据，也发现人民币实际升值导致制造业就业的下降，但是认为制造业出口份额及投资的提高会部分地抵消这一影响。但是，上述研究都是采用加总层面的宏观经济数据，难以避免小样本偏误和加总谬误。为解决上述问题，Hua（2007）、曾莹（2007）分别利用中国分省份和分行业数据进行研究，结论同样证实人民币汇率升值会对中国企业的就业产生显著影响。Mao和Whalley（2011）将行业层面的研究推进到了4位数的细分行业，他们参照Nucci和Pozzolo（2010）的方法，发现人民币汇率升值对制造业企业劳动力决策的影响非常明显，10%的人民币升值，将会带来4%的制造业就业减少。但是，Mao和Whalley（2011）延续了Nucci和Pozzolo（2010）的做法，没有考虑企业层面实际有效汇率的作用。
本文采用微观数据，充分考虑企业在进出口方面的异质性特征，构造企业层面外汇风险暴露指标进行研究，发现汇率对就业的影响在企业之间存在显著的异质性。加总在一起，其结果远小于之前采用行业数据所得出的结果：10%的人民币升值，仅仅会带来0.12%的就业减少。以2005～2006年人民币迅速升值为例，此期间只有0.01%的就业下降是汇率升值所致。
三、汇率与就业：拓展多元化进出口地的理论模型
不同企业会选择不同的进出口目的地。即便面临相同的宏观层面的实际有效汇率冲击，它们在劳动力需求方面的反应也可能是截然不同的。例如，考虑人民币对美元升值5%，但是对日元贬值5%，其间实际有效汇率并未发生任何改变。此时，那些选择日本作为目的地的出口企业，显然会从中受益；而那些选择美国作为目的地的出口企业会从中受损。如果仅仅是以宏观层面的有效汇率作为解释变量，会忽略汇率变动在企业间的异质性，从而带来估计结果的偏误。为了刻画这一点，本文将Campa和Goldberg（2001）的单一进出口地模型拓展为多个进出口地，然后以此为基础，建立企业层面的外汇风险暴露指标，进而考察其对中国就业的影响。
本模型的设定暗含3个关键的假设：（1）垄断竞争市场假设。允许企业家根据需求变化而实施成本加成定价（mark-up），因此，在汇率变化的时候，企业家会相应调整产品定价，从而对价格产生不完全传递。（2）劳动力同质假设。假设在生产过程中的劳动力为同质性投入，即不考虑劳动者技能等方面的差异性，厂商只按其提供的劳动量给付薪酬。（3）国内外市场独立假设。为了简化计算，假设任何一个市场的销售额都是相互独立的，不会对其他市场销售额产生间接影响。
基于以上条件，企业的利润最大化问题可写成：
企业的最优决策可以通过常规的一阶条件获得。运用欧拉定理，劳动力收入等于企业在国内国外市场的总收益除以对应的价格加成率（mark-up），再减去购买中间品所用成本。因此，企业的劳动需求（对数）可表示为：其中μ与分别是企业在国内市场与国外市场k的加成率。
其中μ与
分别是企业在国内市场与国外市场k的加成率。
为简化起见，本文假设的劳动供给方程与Campa和Goldberg（2001）一致，采取如下形式：
其中y是消费者除了工资收入以外的其他财富，用于表示财富效应。这里，假设消费者进入任意一家企业i的效应是无差异的，即不考虑劳动力市场的“歧视”效应①。将这一劳动供给方程带入（3）式，并对汇率
求导，经整理后，可以得到本国与第k国的双边汇率变化对均衡就业量产生的影响（以弹性形式表示）。这一影响详细的推导可向作者索要。若以
表示企业i为生产销往k国的商品所雇佣的劳动力，可以得到：
我们将（6）式中的
，定义的企业i的“外汇风险暴露”（firm-specific exchange rate exposure）的变化（记为
）。
（6）式具有直观的经济含义，反映了汇率变动如何通过不同的渠道影响企业的就业人数。由（5）式可知，企业均衡就业人数的汇率弹性大小由两项决定：第一项，
表示汇率通过“出口收益渠道”对企业i就业人数的影响。本币升值使得企业i出口到市场k的边际收益降低，企业生产规模缩小，对劳动力的需求减少。影响的强度取决于企业对第k国的出口强度；如果企业i对k国的出口比较多，那么企业i的边际收益受到k国汇率变动影响就会更大，劳动力需求受影响的程度因此也会更大。反之，若是企业i对第k国没有出口，自然也就不会受到该国汇率变动的直接影响。第二项，
表示汇率通过“中间品进口成本渠道”对企业i的就业人数产生影响。本币升值使得从第k国进口的中间投入品变得更加便宜，导致企业i的边际成本下降，对劳动力的需求增加。一国汇率通过“成本渠道”的影响程度取决于企业i对该国的中间品进口强度。如果企业i从k国进口的中间产品较多，则k国汇率变动会对该企业劳动需求产生较大的影响。反之，若是企业i从第k国没有进口，也就不会受到该国汇率变化的影响。除此以外，汇率对企业进口成本的影响还取决于中间投入品市场的竞争程度，影响这一效应的关键变量是汇率对中间投入品价格的传递效应（Nucci and Pozzolo，2010），后文还将专门对此进行考察⑤。
对于企业层面的外汇风险暴露指标，有两种不同的理解方式。
（1）出口风险暴露与进口风险暴露之差。我们可以对企业的外汇风险暴露进行以下变换。
其中，
分别代表企业i的整体出口和进口强度， 
与
分别是企业层面的出口加权有效汇率与进口加权有效汇率：应用单个企业对不同贸易伙伴国的出口和进口份额分别对双边汇率进行加权，构造出的单个企业层面的出口加权和进口加权有效汇率⑥。这一分解表明，企业就业人数受汇率影响的差异来自两个方面：第一，企业的出口和进口强度。出口强度越高，进口强度越低，企业就业人数受汇率升值的负面影响越大。第二，企业的出口加权和进口加权有效汇率。不同企业的出口目的地和进口来源地结构存在差异，因此不同企业面临的实际有效汇率变化不同。
与之前的研究（Nucci and Pozzolo，2010；Ekholm et al.，2011）相比较，本文采用的外汇风险暴露指标有明显的优势，那就是能够反映出汇率变化在企业间的差异性。在之前的文献中，构造外汇风险暴露指标，通常采用企业的出口强度（进口强度）对国家层面（或者行业层面）的有效汇率相乘，忽视了国家（或者行业）内部不同企业因为进出口地区结构差异可能面临的不同的汇率风险这一重要事实⑦。由于本文数据提供了企业层面分出口目的地与进口来源地的贸易信息，通过构建企业层面的实际有效汇率，我们可以更精确地度量企业的外汇风险暴露。
（2）“贸易增加值”加权有效汇率。理解企业外汇风险暴露指标的第二个方法是将企业的出口收益减去进口成本看作该企业的贸易增加值
。
可以看出，企业外汇风险暴露的变化可被视为利用企业层面的贸易增加值进行加权的有效汇率变化。Bems和Johnson（2012）指出，采用贸易增加值加权计算有效汇率，可以更精确地反映一国商品的国际竞争力。这一结论，与本文推导的结果是类似的。
四、数据描述：企业层面外汇风险暴露的度量
（一）数据来源及样本描述
本文分析所采用的就业信息、贸易信息与汇率信息分别来自于不同的数据库。就业数据来自国家统计局2000～2006年的规模以上工业企业调查。此调查涵盖了中国所有的国有企业以及非国有企业中的“规模以上”（即总产值超过500万元）企业。这些企业的出口总额占到了中国制造业出口总额的98%。除就业人数外，这套数据提供了我们需要的大部分企业变量，包括企业身份、所在行业、销售总额、固定资产、所有制结构，等等。在清理数据的过程中，我们删除了符合以下任何一项的观测值：（1）工业销售额、营业收入、就业人数、固定资产总额、出口额、中间投入品总额中任意一项为负值或者缺省；（2）企业就业人数小于8人；（3）企业出口额超过了企业工业销售总额⑧。值得说明的是，这套数据虽然汇报了企业的出口总额，却没有汇报分出口目的地的出口额，同时这套数据也没有提供企业的进口信息。
因此，企业层面贸易信息利用中国海关总署的企业-产品层面交易数据进行补充。这一数据记载了2000～2006年中国所有通关企业的每一条进出口交易信息，包括企业税号、进出口产品的8位HS编码、进出口数量、价值、目的地（来源地）、交通运输方式。这套数据对本研究的重要性在于，我们可以通过它计算出企业对每一出口目的地及进口来源地的进出口额，从而构建企业层面的外汇风险暴露指标。
为了连接企业的贸易信息与就业信息，我们需要将上述的企业数据与海关贸易数据合并起来。合并数据涉及一系列繁琐的技术细节，其原因是企业数据中的企业代码与交易数据中企业的税号采用的是两套编码系统，因此就算是同一企业，在两套数据中的代码仍是不同的。本文参照田巍和余淼杰（2013）的方法对数据进行合并：（1）直接用企业名称对数据库进行合并；（2）在（1）的基础上，使用企业所在地的邮政编码以及企业电话号码的后7位来识别两套数据库中相同的企业。最终共有90590家企业被合并上，其出口额占到工业数据库中企业出口总额的54%⑨。
此外，2000～2006年的双边名义汇率数据来自于IMF的IFS数据库，相应的消费者物价指数（consumer price index）来自Penn World Tables 7.0。
需要指出的是，研究并未包括2007年以后的数据。一方面，本文所使用的海关数据库截至2006年；另一方面，2007年下半年席卷美国的次贷危机会中国的对外贸易产生显著影响，若是考虑此后样本期间，则难以区分此后的劳动力市场变化究竟源于汇率变化，还是源于金融危机的影响。
数据的描述统计结果参见表1。样本包含85585家出口企业与75594家进口企业，样本期内共涉及1.42万亿美元的出口贸易和1.01万亿美元的进口贸易⑩。中国制造业企业的出口和进口目的地呈现多元化特征，在2000～2006年期间，样本中的企业共对170个国家出口，并从166个国家进口，贸易伙伴国共涉及137种货币。出口和进口地区结构的多元性，意味着不同企业所面临的汇率风险是不同的。因此，若是按照传统的方法计算加总层面的实际有效汇率，并不能准确刻画单个企业面临的外汇风险暴露状态。
（二）企业层面外汇风险暴露的构建与分析
根据前面的论述，准确评估汇率变动对企业就业人数的影响，关键是要构建企业层面的外汇风险暴露指标。根据（6）式，我们可以近似地构建企业层面的外汇风险暴露的水平值形式。
根据理论部分推导出的式（7），我们还构造了相应的企业层面有效汇率指标。其中，出口加权和进口加权的有效汇率分别按照如下方式进行估算（13）。
如前所述，企业层面外汇风险暴露的差异性来源于两个部分，一是企业出口与进口强度的差异，二是企业层面出口加权与进口加权有效汇率的差异。第一个因素在Nucci和Pozzolo（2010）已经特别加以强调，但是对于第二个因素——出口和进口加权有效汇率，研究者的重视程度却有所不足。忽略这一点，对于像中国这样的企业间进出口目的地差异明显的国家，是不恰当的。我们利用2005～2006年的数据，根据公式（10）和（11）构造了企业层面的出口加权（进口加权）有效汇率的年度变化率，其分布图被列在图1中。图1反映出如下信息：企业层面的有效汇率变化率的分布是非常分散的，即面临同样的国家层面的有效汇率变动，由于进出口地结构不同，不同企业实际面临的汇率变动存在很大差异；以出口加权有效汇率为例，2005～2006年，加总的人民币实际有效汇率升值了1.57%，而在这期间，大约有65%的企业的出口加权实际有效汇率升值，但是仍有35%的企业的出口加权实际有效汇率贬值（参见表2）；即使是面临实际汇率升值的企业中，有约25%的企业升值幅度超过了10%，40%的企业升值幅度在10%之内。由此可以看出，不同企业面临的汇率冲击差异非常明显，简单地采用国家层面的实际有效汇率，不能反映不同企业面临的外汇风险暴露差异，也就无法准确度量汇率波动对企业的冲击。
为了说明这一点，我们将本文估算的指标与Nucci和Pozzolo（2010）以及Ekholm等（2012）的指标进行比较。在以上两篇文章中，外汇风险暴露的计算方法是：
其中，EXFEER和IMFEER分别是国家层面的出口加权和进口加权的实际有效汇率。以（12）式为基础的计算仅考虑了企业间的进出口强度差异，没有考虑企业层面实际有效汇率差异。在下页图2中，我们分别画出了本文估算的外汇风险暴露指标和按照之前文献中的方法估算的外汇风险暴露指标在2005～2006年期间变化的分布情况。考虑企业层面的外汇风险暴露指标的分布是长尾的，为表述方便，此处仅列出（-0.15，0.15）区间的图形。可以看出，在考虑企业层面有效汇率差异性后，本文计算的外汇风险暴露指标比起之前文献中所采用的指标有更大的、横截面维度的变异性。这是我们在后文识别汇率对企业就业人数影响的重要工具。
五、计量经济分析
（一）基准模型设定及估计结果
根据第二部分的讨论，一个国家的汇率变化时，不同企业因为进出口强度、进口和出口加权的实际有效汇率差异，会体现出不同的外汇风险暴露。企业面临的外汇风险暴露直接影响其出口收益和进口成本，进而成为影响其就业决策的关键因素。在本部分，我们重点考察外汇风险暴露对企业就业人数的影响。具体地，我们采用下面的计量经济方程。
其中
为企业就业人数（对数），
是企业外汇风险暴露，
为控制变量。本文遵循Campa和Goldberg（2001）、Nucci和Pozzolo（2010），控制变量包括：（1）企业的国内销售总额（对数），以此控制国内需求冲击对企业就业人数的影响；（2）企业成本加成定价率（markup），企业面对汇率冲击时可以通过成本加成的方法、重新定价以保证收益最大化，加成定价的能力取决于消费者的需求弹性。参照Keller和Yeaple（2009），本文通过以下方法计算企业的成本加成定价率
。
其中
分别表示企业的销售额与利润额。除此以外，行业层面的进口渗透率也会通过影响进口竞争能力，间接影响企业的就业决策。但是，在基准模型中，为了与Nucci和Pozzolo（2010）的结果进行比较，我们暂时忽略这一控制变量，在后面的进一步分析中，我们还会重新加入这一变量进行考察。我们在模型中还加入企业固定效应
和
时间固定效应分别控制企业自身特征以及宏观经济环境对企业就业人数的影响。主要变量的描述统计结果参见表3。
本文关心的主要系数是β。根据（6）式的理论预测，企业外汇风险暴露的增加将会减少就业，因此我们预期β的估计值为负。本文利用双向固定效应模型对（13）式进行估计，结果参见表4。可以看到，企业外汇风险暴露对企业就业人数的影响显著为负，与理论所预测的方向一致：外汇风险暴露程度增加1%，企业的就业会显著下降0.06%，反之亦然。在控制变量中，国内销售额的变化也会影响企业的就业决策，国内销售额增加，企业会增加劳动力需求。企业的成本定价能力也会影响其就业决策，企业价格加成定价能力越高，意味着企业利润越高，它会相应地增加其劳动力需求；反之，则会减少其劳动力需求。这两项变量的符号方向，与Nucci和Pozzolo（2010）基于意大利企业数据的研究都是一致的。
进一步，我们可以将外汇风险暴露指标拆解为出口收益渠道和进口成本渠道两个部分进行分析，具体而言，按照公式（7）将外汇风险暴露指标区分为如下两项：出口强度
与企业出口加权实际有效汇率
的交互项，以及进口强度
与企业进口加权实际有效汇率
的交互项，并进行如下回归。
估计结果被列在表5中（14）。这里，本文关心的系数分别是
和
估计结果显示，<0意味着汇率升值会通过出口收益渠道带来企业就业人数的减少；同时，>0意味着汇率升值会通过进口成本渠道带来企业就业人数的增加。这一结论，与前面的理论预期完全吻合，即汇率变化会通过两个完全相反的机制作用于就业。
这一结果也说明，如果单纯地采用贸易加权的实际有效汇率，观测其与就业之间的关联，必然会产生偏误：汇率升值通过出口产生的收益效应和通过进口产生的成本效应完全相反，若是将出口和进口加总用以刻画贸易总量，然后以此贸易总量加权双边汇率，实际上是将出口机制和进口机制错误地混淆在一起，其结果的可靠性自然大大降低。其他控制变量的估计结果与表4的基准结果非常类似，不再赘述。
为了保证结果的可靠性，我们还尝试了一系列稳健性检验。
（1）考虑在推导模型（6）时已经将工资变量消掉，本文的基准，回归中没有控制工资变量。但是，Klein等（2003）的类似研究中却倾向加入工资变量进行考察。为了保证结果稳健性，我们也加入工资变量进行重新回归，结论没有发生改变。
（2）我们尝试在回归中加入其他控制变量，包括全要素生产率、行业资本一劳动比例等其他控制变量，结果也没有明显变化。
（3）我们还利用其他的模型设定（例如一阶差分回归）进行估计，发现结论具有稳健性。
（4）采用当期的贸易权重计算外汇风险暴露并进行估计，结果没有质的变化。采用当期贸易权重计算外汇风险暴露并用滞后一期的外汇风险暴露值作为自变量，结果也保持稳健。
（5）分别考察2005年“汇改”前后的两个时间段，没有发现两个时期汇率对就业的效应存在明显差异。
（6）遵循Hooper和Kohlhagen（1978）、Dell' Ariccia（1999）的方法，我们采用名义双边汇率计算了企业的外汇风险暴露与企业有效汇率，并进行重新估计，结果仍然稳健。
因此，本文的结果具有很强的稳健性。出于篇幅所限，以上检验结果不再列出，有需要者可向作者索取。
（二）忽视企业层面外汇风险暴露的偏误
本文最大的贡献是构造企业层面的外汇风险暴露，以此观察汇率与就业之间的关系。但是许多人也许会怀疑，区分这一点对于我们理解汇率与就业的关系重要吗？前文已经说明，本文构建的企业层面外汇风险暴露，较之Nucci和Pozzolo（2010）、Ekholm等（2012）利用加总层面汇率数据构造的风险暴露指标，体现出更大的变异性。在这一部分，我们将进一步展示，若是在估算汇率对就业影响的时候忽视企业间的有效汇率差异，会带来明显的偏误。
为验证这一点，我们将（9）式中企业层面的外汇风险暴露指标（EXPOSURE）更换为（12）式中根据Nucci和Pozzolo（2010）方法计算的外汇风险暴露指标，然后进行回归，回归结果列在表6中的第二列。结果显示，若是按照Nucci和Pozzolo（2010）的方法构建指标，忽视企业层面的有效汇率差异，估计结果显著为正，即外汇风险暴露增加反而会带来就业增加，与理论预期恰恰相反。进一步，我们将Nucci和Pozzolo（2010）的指标分解为出口渠道和进口渠道，然后进行回归，发现汇率影响就业的出口渠道变得不再显著，而进口渠道的系数虽然显著，但是符号与理论预期也是恰恰相反的。所以，对于中国这样一个出口地和进口地多元化的国家，采用不区分多元化特征的有效汇率指标估算外汇风险暴露指标，会同时导致出口收益和进口成本渠道的估计系数偏误。
（三）其他因素
1.进口竞争效应
在之前的分析中，我们考察了汇率变动通过企业出口收益与进口成本渠道对就业人数的影响。然而，Campa和Goldberg（2001）指出，汇率变动还有可能通过第三个渠道对就业产生影响，即通过改变行业的进口竞争程度，间接影响就业决策。比如，人民币升值使得国外厂商出口到中国变得更加容易，这样本土的厂商就会面临更大的进口竞争，导致其收益减少，劳动力需求下降。对于销售更多集中于本土市场而不是出口市场的企业来说，进口竞争的影响会更为明显。为了识别出汇率波动通过进口竞争渠道对就业的影响，我们按照Nucci和Pozzolo（2010）的做法，在回归中加入了一个交互项：行业进口渗透率乘以企业内销比例，再乘上加总层面有效汇率，以此刻画进口竞争效应。其中，行业进口渗透率代表行业的进口竞争程度，企业内销比例代表本土市场对于企业的重要性。
根据Campa和Goldberg（2001），汇率升值对于行业进口竞争程度比较高的行业以及内销比例较大的企业应该有更大的负面影响，所以我们预期交互项前面的系数为负。表7汇报了加入进口竞争效应交互项后的回归结果。结果显示，与理论预测一致，交互项前的系数为负并在1%水平上显著。这意味着汇率变化的确通过影响行业竞争程度影响了企业就业人数，并且这一效应对于偏向本土市场的企业来说更加明显。
2.企业进入与退出
经济中整体的就业变化可以分解为两个来源：第一是由企业进入退出带来的就业变化，即“扩展边际”（extensive margin）；第二是由存续企业改变雇用人数带来的就业变化，即“集约边际”（intensive margin）。本文采用海关与工业企业库的合并数据进行研究，无法观测企业退出对外贸易而转向纯内销的样本，也无法观测由于企业成立或倒闭而进入或退出的样本。因此，如果汇率变动在扩展边际的效应大于集约边际，我们所估计出的汇率对就业的影响在数量上就可能存在偏误。诚然，我们无法完全解决“扩展边际”的问题，但仍然可以利用现有的样本间接地对此问题进行讨论。
我们的样本中虽然没有包括企业同时退出出口和进口市场的样本，但是仍然包括了企业仅退出出口或者仅退出进口的样本，可以以此为基础考察汇率变动对扩展边际的影响大小（15）。为此，我们对（13）式进行一阶差分，然后对进入出口、退出出口、进入进口以及退出进口的企业（但不包括同时退出进口和出口的企业）分别进行了回归，回归的结果反映了汇率变动对“扩展边际”的影响。为便于比较，我们还同时对持续出口、持续进口与持续进出口的企业进行了同样的回归，以反应汇率变动对“集约边际”的影响。结果参见表8。可以看出，只有对于退出出口的企业，汇率变动对就业会产生显著的影响，其系数大约是“集约边际”系数的两倍；而对于进入出口、进入进口以及退出出口的企业而言，汇率变动对就业的影响系数较小且均不显著。考虑到中国在2000年以来出口市场发展迅速，退出出口市场的企业数量占总企业数量的比例较小，因此汇率变动在“扩展边际”的影响是不大的。相反，对于持续出口或进口的企业，汇率对就业均有显著的影响。因此，汇率变动在过去10年对就业的影响主要体现在“集约边际”而不是“扩展边际”上，所以扩展边际的问题应该不会对之前汇率就业效应的估算结果产生明显影响。
不过，这一结论也提醒我们，前面的估计结果未必适用企业大规模退出出口市场的情形。当人民币大幅度持续升值，从而退出出口市场的企业的比例增加时，汇率对就业的效应约会增加至前面结果的两倍。但是，考虑到汇率对就业的经济影响很小（参见“宏观效应的宏观经济测度”），即便是扩大至两倍，影响也应在政策制定者的容忍范围之内。
六、进一步的讨论
前面的基准结果说明，企业面临的外汇风险暴露会显著的影响劳动力就业。但是，这一效应是否对于不同类型的企业具有普适性呢？它究竟是通过企业改变就业决策、还是改变解聘决策，来实现劳动力就业量的改变的呢？在这一小节，我们会分别对这两个问题进行考察。
（一）企业异质性：要素密集度、生产率差异、所有权差异
首先，本文按照2位数行业的中位数资本劳动比，将所有行业平均分为劳动密集型行业、中间行业及资本密集型行业三类，分别进行计量经济估计，结果列在表9中。我们发现，劳动密集型行业的企业较资本密集型行业的企业，更容易受到汇率冲击的影响。汇率变动对资本密集型企业的影响虽然符号正确，但并不显著。这说明，较之资本密集型企业，劳动密集型企业的就业决策更容易受到汇率变动的影响。
不同生产率企业就业的汇率弹性也有所不同。一方面，高生产率企业调整成本加成能力较强，更容易吸收汇率对就业的影响，而低生产率企业调整成本加成能力较弱，更容易遭受汇率变动的冲击（Berman et al.，2012）；另一方面，高生产率企业往往倾向于招聘受教育程度较高的员工，而低生产率企业的员工受教育程度偏低。根据Campa和Goldberg（2001）的研究，在员工的教育程度较高的行业，就业的汇率弹性较低；而在员工受教育程度较低的行业，就业的汇率弹性较高。所以，理论上可以预期，高生产率企业汇率的就业弹性更低。为考察这一点，我们按照每年4位数行业内企业生产率的中位数，将企业划分为高生产率企业与低生产率企业，分别考察其就业量对汇率的敏感程度。具体而言，本文我们采用Olley-Pakes（1996）半参数估计法计算的全要素生产率作为企业生产率的度量指标。模型的估计结果被列在表10中。结果发现，低生产率企业就业的汇率弹性确实略高于高生产率企业，但二者之间的系数差别并不悬殊。
面临同样的汇率冲击，不同所有制企业的就业决策也会有不同反应。在下页表11中，我们分别对国有企业、外资企业和私有企业3个子样本进行回归，结果显示：本国私有企业和外资企业的就业决策都会受到汇率冲击的显著影响，且本国私有企业的受影响程度大于外资企业。但是，国有企业的就业决策不会受到汇率变动的显著影响。这一结论是符合直觉的：首先，中国的国有企业的就业决策往往受制于“编制”，而后者是行政化命令的结果，不能根据市场变化及时调整，因此对市场汇率变动的敏感更弱；第二，外资企业招聘的更多的是受教育程度较高的员工，而本国私有企业招聘的受教育程度较低的员工更多，这导致外资企业就业对汇率弹性低于本国私有企业。
综上，面临汇率冲击的时候，不同类型的企业受影响程度是完全不同的。中国政府在制定劳动力政策保障就业问题时，不应一概而论之，而是需要有的放矢、重点关注劳动密集型、低生产率的私营企业的就业问题。
（二）就业变动的来源：聘用还是解雇？
企业就业人数的变动，可能源自企业的聘用决策变化（聘用更多或更少的员工），也可能源于企业的解雇决策变化（解雇更多或更少的员工）。Klein等（2003）基于美国的研究发现，美国企业更多的是通过改变解雇决策以应对汇率冲击。但是，这一结论在中国适用吗？
为回答这一问题，本小节进行相应考察。理论上，我们需要区分企业每年的雇佣员工数量和解聘员工数量加以考察。但是，在现实中，我们往往只能观测到净就业量的变化。Davis等（1997）提出一种近似的处理方法，具体来说，首先计算两年之间的劳动力改变量
，然后将劳动力增加（>0）与劳动力减少（<0）的企业的就业改变量分别定义为雇佣决策（JC）和解聘决策（JD）。这里，实际上是在利用企业的净雇佣和净解聘决策代替聘用决策和解雇决策。Klein等（2003）也采用类似的方法进行分析。据此，可以将样本区分为两个子样本，分别进行回归，结果列在表12中。
结果表明，中国企业的聘用决策更容易受到汇率变化的冲击，而解雇员工的决策则对汇率变化相对不敏感。这一结论，与基于美国经济的研究完全相反，但却符合我们的预期。因为在2000～2006年期间，中国经济快速成长，出口量激增，尽管存在短期经济下滑，但总体来说出现衰退的几率较低。此种情况下，企业通常不会轻易裁员。相比之下，雇佣决策会更容易发生调整。
七、汇率效应的宏观经济测度
汇率变动会通过出口收益渠道和进口成本渠道显著地影响企业的就业人数。但是，这一定性结果对政策制定者是不够的，他们更在乎一个定量的结论，人民币汇率变化究竟会带来多大程度的就业变动？
为了量化地评估汇率变动对就业影响的大小，我们基于（13）式估计出的系数，并利用真实的出口和进口强度以及出口加权和进口加权有效汇率，计算汇率变化造成的劳动力变化量。具体公式如下：
其中，
采用表4中第三列的回归结果（-0.0625），
采用实际数据中企业的外汇风险暴露变化。这一式子计算出的就业量变化代表的含义是，如果在影响就业的所有变量中仅有汇率发生变动，而其余变量保持不变，那么其带来的外汇风险暴露的变化会带来多大的就业变动。通过将这一变化量与真实就业变化量比较，就可评估汇率变动对当年就业变化的贡献程度。
在表13，我们分别计算2001～2006年每年企业的外汇风险暴露变化，然后与估计出的系数一起代入（16）式，分别计算每一年汇率变化引起的就业变化的均值。最后，将之与样本中真实的就业变化进行比较。可以看到，由于每一年的汇率变化程度以及企业的进出口水平及目的地都存在差异，当年的汇率变动造成的就业效应也是不同的。例如，在2001～2005年期间，人民币汇率变动造成了就业增加，这是因为人民币有效汇率在这一段时间持续贬值。然而，在2005～2006年，汇率变动造成了就业减少，原因是人民币在2005年以后开始升值。同时结果显示，汇率变动带来就业变化基本保持在（-0.02%，0.1%）之间，非常小，仅仅能够解释不足2%的真实的就业变化。以2005～2006年人民币有效汇率升值期间为例，汇率升值仅仅引起就业下降-0.014%，而同年的真实就业量反而上升了4.74%（16）。
当然，在表13中，我们看到汇率变动引起的就业变动很小，可能是因为每年的汇率变动本身就不大导致。为定量分析特定程度的汇率变化对就业会带来怎样的影响，我们假设所有双边汇率同时升值10%，并计算相应的外汇风险暴露的变化，然后将表4中估计出的系数代入，发现此时就业量也仅仅是变化0.12%。
显然，造成汇率对企业就业人数平均影响效果很小的原因，可能是因为不同企业的就业受汇率影响的程度是截然不同的。面临同样的国家层面的汇率升值（贬值），尽管部分企业的就业会减少（增加），但也有相当一部分企业的就业会增加（减少）。具体而言，不同企业的出口目的地、进口来源地以及进出口强度不同，因此即使面临同样的国家层面的汇率冲击，就业人数的变化是差异很大的。如果汇率引致的企业就业人数变化量在不同企业间相互抵消，则会造成汇率冲击的平均效应非常小。在下页表14中，我们仍然以2005～2006年人民币升值为例，分别列出不同分位数的企业受汇率冲击的影响。结果显示，就业变化量的中位数确实恰好为零，这说明人民币有效汇率升值期间，就业减少和就业增加的企业占到了相似的比例。汇率冲击造成最高分位数（95%以上）的企业的就业增加0.85%，但是同时造成最低分位数（5%以下）企业的就业减少0.91%，但是绝大多数处在中间的企业（25%～75%分位数）的就业变化都在（-0.2%，0.2%）之间。
以上结论表明，汇率冲击对不同类型企业的影响是截然不同的。汇率的变动会让其中部分企业的就业增加，而让部分企业的就业减少。由此产生的结果是，平均来看，汇率冲击对中国就业的影响非常小，仅仅占到中国实际就业量变化的不足2%。因此，从企业视角来看，强调人民币升值对就业会产生负面效果，可能夸大了汇率对就业的真实影响力。
八、结论及政策建议
本文在文献中首次使用企业层面的数据研究汇率冲击对中国制造业就业的影响。与以前的文献（Nucci and Pozzolo，2010）不同，本文通过建立考虑出口地和进口地多元化的理论模型，证明度量企业层面外汇风险暴露的指标应该是类似贸易增加值加权的实际有效汇率。利用这一指标，可以考察汇率冲击时，不同企业因为出口和进口强度、出口和进口目的地的不同而做出的差异性反应。
基于企业层面的外汇风险暴露指标，我们发现中国的就业人数对汇率变动的反应存在明显的企业异质性：即便是在2005～2006年人民币有效汇率升值期间，有相当数量的制造业企业就业量因汇率升值而下降，而同时也有很大一部分制造业企业的就业量因汇率升值而上升。最终效果是：汇率冲击对企业就业人数的影响虽然在统计上显著，但经济效果很小，10%的实际有效汇率升值（假设所有双边汇率同时升值），仅仅只能带来中国的净就业量下降0.12%。这一结论，远远小于之前利用宏观数据或者行业数据的研究结果，但非常接近Campa和Goldberg（2001）利用美国数据的分析结论，也与Ekholm等（2012）等利用企业数据的研究十分相似。
进一步，企业对于汇率冲击的异质性反应主要体现在：（1）劳动密集型企业的汇率弹性大于资本密集型企业；（2）低生产率企业的汇率弹性略微高于高生产率企业，但二者差距并不明显；（3）中国的私营企业和外资企业的汇率弹性大于国有企业，主要原因是中国国有企业的就业决策会更多受到行政编制的影响。此外，在中国经济这样一个快速成长的经济体中，中国的企业更多地通过改变聘用决策、而不是解雇决策，来应对汇率变动。
本文的研究具有重要的政策含义。多年来，政策制定者始终对汇率调整较为犹豫，一个重要的原因即是担心打击制造业就业，但对此始终缺乏微观层面的经验证据。本文从微观视角切入话题，细致地区分出口收益和进口成本两个不同的渠道，发现在平均意义上，人民币汇率变动对制造业就业的影响其实非常小；但是具体到某些类型的企业，其受影响程度可能会相对较大。因此，中国改革汇率形成机制时，不应过分担忧对国内制造业就业的总体冲击，而是需要有的放矢，针对某些特定的企业（例如低生产率、劳动密集型的私营企业）予以政策考虑。
本文作者感谢2012年在北京师范大学、北京大学、中国社科院研讨会上各位专家的建议和指正，尤其感谢姚洋、张斌、余淼杰、毛日昇、茅锐、罗楚亮、华秀萍等人的建议，让作者受益匪浅。当然，文责自负。
①Burgess和Knetter（1998）的研究曾经专门指出，劳动力市场管制特征会对汇率对就业和工资的影响是非常明显的。但是，在一个国家内部，劳动力市场的特征是比较一致，不大容易随时间的变化而发生改变。后面的实证研究采用固定效应模型加以估计，不随时间改变的因素会被抵消掉，因此这一假设不会带来研究结果的显著偏误。
②此处，我们假设要素价格和产品价格有相同的汇率传递系数，并假设各市场有相同的价格加成率，即μ=μ*。
③具体推导过程可向作者索要。
④诚如前文所述，此处的一个隐性假设是企业在各国的销售是独立的，即企业在一国销售量的变动并不会直接影响其在其他国家的销售量。这一假设在Melitz（2003）、Eaton等（2011）等企业层面的贸易理论中是比较标准的。
⑤与Campa和Goldberg（2001）比较，此处本文忽视了进口竞争效应，一个主要原因是进口竞争效应是行业层面因素，而与企业异质性态特征无关。本文构建此模型的目的是推导企业层面的外汇风险暴露指标，如果企业异质性特征在汇率影响就业变化中足够重要，那么这一忽视就是恰当的。在后面计量经济分析的稳健性检验中，为了考察这一点，我们重新把进口竞争因素引入，结果发现，这一因素的影响虽然在统计上显著，但并不会影响本文的基本结论。
⑦关于行业层面有效汇率的构建，参见Goldberg（2004）以及徐建炜和田丰（2013）。
⑧关于工业企业数据库的具体介绍参见聂辉华等（2012）。
⑨我们的合并结果与Ge等（2011）以及Tian和Yu（2012）的合并结果十分类似。
⑩在所有的观测值（企业-年份）中，有29.5%的企业仅出口，13.9%的企业仅进口，56.6%的企业同时从事进出口。
（11）Brodsky（1982）指出，在采用几何平均方法计算有效汇率时，有效汇率在任何两期的相对变动不依赖于基期的选择。
（12）关于内生性问题以及处理方法的详细讨论，可以参阅Goldberg（2004）。
（13）李宏彬等（2011），戴觅和施炳展（2013）也用类似方法计算过企业层面的实际有效汇率。
（14）由于出口（进口）加权有效汇率的计算只能针对出口（进口）企业，所以该回归包含的样本为同时具有出口和进口的企业。
（15）理论上，汇率对出口和进口的影响方向相反，应不会导致企业同时退出进口与出口。所以，采用仅退出出口和仅退出进口的样本进行分析不会造成太大的偏误。
（16）对这一办法的一个可能的质疑是就业的汇率弹性在不同年份可能发生变化，因此笼统地对所有年份采用相同的汇率弹性可能造成预测的偏误。为解决这一问题，我们在附表1中汇报了允许汇率弹性在不同年份间变动后汇率造成的就业变动。具体地，我们分年对（13）式进行估计（比如，2002年的系数采用2002年与2001年数据进行估计，2003年采用2003年与2002年数据进行估计；采用两年数据而不是截面数据估计的好处是我们仍然能在回归中加入企业固定效应以控制不可观测的企业特征变化就就业的影响）。从结果可以看到，允许汇率弹性每年不同后，之前所发现的结果并没有太大的改变。汇率变动对实际就业的解释率仍不超过2%。
标签：有效汇率论文; 人民币汇率论文; 人民币实际有效汇率论文; 汇率变动论文; 汇率决定理论论文; 外汇风险论文; 进口论文;