德邦证券：16

芦哲 首席宏观经济学家

占烁 联系人

投资要点

·核心观点:我们将影响青年失业率的因素拆解为三方面：①青年失业人口，②青年总人口，③劳动参与率，失业率=失业人口/（总人口×劳动参与率）。通过三因素框架，我们发现16-24岁失业人口的增加不能完全解释青年失业率的上升，更重要却被忽视的因素是青年人口和劳动参与率下降，带来16-24岁劳动力减少，从分母端大幅推高青年失业率。假如今年3月分母端的青年劳动力与2020年持平，新增约132万青年失业人口只能将失业率拉升至16.2%，但实际青年失业率却高达19.6%。我们认为，失业人口会随着经济复苏而减少，但青年劳动力的下降可能成为就业“疤痕效应”的长期来源，抬高青年失业率中枢。

·青年失业率的三因素框架：（1）失业率=失业人口/劳动力=失业人口/（总人口×劳动参与率），据此可将青年失业率拆解为青年失业人口、总人口、劳动参与率三个因素。

·（2）失业率上升未必来自失业增加，不要忽略分母，劳动力的下降，也是抬高失业率的重要原因。2010-2020年，青年失业人口只增加4万，青年劳动力却减少1578万，带动16-24岁人口失业率大幅提高3.8个点。

·分子端的青年失业人口：（1）从总量来看，当前城镇青年就业人数约为2587万人，失业人数632万人，比去年4月增加约70万，较七普增加约132万。

·（2）失业原因方面，近7成青年失业者是主动辞职，被裁员比例只有2.6%，远低于35岁以上群体。

·（3）按照受教育程度来看，三分之二的青年失业人员接受过大学教育。

·（4）2010-2020年青年就业的结构变化较大，呈现出从制造到服务、知识密集程度由低到高两个特点。2010年农业和工业吸纳了50.3%的青年就业人口，2020年大幅降至25.4%，流出的青年就业主要转向服务业。以受教育年限作为维度，青年就业从知识密集程度较低的行业流向较高行业，但是知识密集型行业的青年失业情况比整体失业更严峻。

·（5）服务业复苏分化或是一季度青年失业人口仍增加的原因。经济复苏的主力是知识密集程度较低的餐饮、零售等服务业，而知识密集程度较高的生产性服务业复苏较慢，服务业就业复苏结构的分化，带来青年就业和25-59岁就业的分化。

·分母端的青年劳动力：（1）青年人口：出生人口与乡村迁入均在减少。2010-2020年青年劳动力对应的出生人口减少4381万，2020-2030年减少1762万。另外，我国农村向城镇的人口转移也在减速，新增城镇人口从十三五期间（2016-2020年）的2184万人，减至2022年650万人。

·（2）2020-2023年，青年劳动参与率出现超预期下降。2010-2020年青年劳动参与率下降6.7个点，但疫情以来仅仅三年，已经下降7.1个点。近三年青年劳动参与率的下降主要有三方面原因：一是16-24岁在校生大幅增加493万；二是部分群体因就业形势恶化而退出劳动市场；三是就业观念的变化导致初次进入劳动市场时间推迟，降低16-24岁劳动参与率。

·结论：（1）失业人口的增加不能完全解释青年失业率的上升。假如当前青年劳动力与2020年相同，在失业人口增加132万至632万人的情况下，对应青年失业率应该从12.8%提高至16.2%，但3月却达到19.6%，如图19。失业人口的增加只能解释当前青年失业率的一部分，另一部分则来自分母端，城镇青年劳动力的减少。

·（2）未来青年失业率的变动可能出现以下三种情况：①青年失业人口增加，同时劳动力减少，青年失业率上升；②青年失业人口与劳动力均在减少，但失业人口降幅不及劳动力降幅，青年失业率上升；③青年失业人口与劳动力均在减少，失业人口降幅大于劳动力降幅，青年失业率下降。

·（3）我们认为，失业人口会随着疫情后经济复苏而减少，但青年劳动力的下降可能成为就业“疤痕效应”的长期来源，抬高青年失业率的长期中枢。未来失业率的分母端越来越重要。

·风险提示：服务业分化未收窄；青年劳动参与率出现明显下降；外需、房地产等不及预期，经济和就业恢复偏慢。

目 录

1. 青年失业率的三因素框架

2.分子端：新增青年失业人员缘于服务业复苏分化

2.1.青年失业人口：主动辞职居多；三分之二接受过大学教育

2.2.行业：从制造到服务，知识密度从低到高

2.3.服务业复苏分化或是一季度青年失业人口仍增加的原因

3.分母端：人口和劳动参与率均下降，带来劳动力减少

3.1.青年人口：出生人口与乡村迁入均在减少

3.2.青年劳动参与率：超预期下降

4. 结论：未来失业率的分母端可能会越来越重要

5. 附录：概念和数据说明

6. 风险提示

正 文

4月份16-24岁青年失业率攀升至20.4%，创下2018年有数据以来最高值。在疫情影响退散、经济逐步复苏的情况下，城镇调查失业率较去年同期大幅下降0.9个点，但青年失业率却较去年4月逆势攀升2.2个点。本篇报告将重点研究疫情后留下的“疤痕效应”如何推高青年失业率。

1.青年失业率的三因素框架

失业率=失业人口/劳动力=失业人口/（总人口×劳动参与率）

据此可见，影响青年失业率的主要是三个因素：①青年失业人口；②青年总人口；③劳动参与率，其中②③决定着青年劳动力的变化。这三个因素均为城镇口径。

三个因素的变化都不能忽视。当我们讨论失业率时，经常认为失业率上升一定是失业增加的结果，这个判断对于全年龄段失业率来说并没有问题，因为我国的劳动力总量（也称经济活动人口）在2015年之前一直在上升，2015年后略有下降，到2021年末下降了2.6%，年均降幅约0.4%。但青年失业率则不能忽视分母的变动，因为青年劳动力波动幅度更大。

例如2010-2020年，青年失业人口只增加4万，青年劳动力却减少1578万，带动16-24岁人口失业率大幅提高3.8个点。两次人口普查期间（2010-2020年），青年失业人口从496万增加到500万，仅增加了4万左右，约为2020年青年劳动力的0.1%，但青年失业率却从六普的9%提高到七普（2020年11月）的12.8%，大幅提高3.8个点。主要原因就是失业率的分母在下降，16-24岁青年劳动力人口在此期间从5481万人大幅减至3903万人，减少了1578万。但是，2010-2020年全年龄段劳动力数量基本稳定在7.8亿，整体失业率的分母基本不变。因此，2010-2020年间，决定整体失业率变动的是失业人口数量（分子），但决定青年失业率变动的却是青年劳动力总量（分母）。

2.分子端：新增青年失业人员缘于服务业复苏分化

2.1.青年失业人口：主动辞职居多；三分之二接受过大学教育

从总量来看，当前城镇青年就业人数约为2587万人，失业人数632万人，比去年4月增加约70万，较七普增加约132万。国家统计局在3月就业数据解读时，披露了当前青年就业和失业人数的基本情况：“初步测算3月份城镇青年9637万人，没有参与劳动力市场的青年6418万人，主体为在校学生；参与劳动力市场的青年3219万人，其中就业人数2587万人、失业人数632万人。”[1]假设青年劳动力人数与去年基本持平，今年4月青年失业率比去年同期高2.2个点，青年失业人员比去年同期多70万人左右，比2020年七普多132万人。

从增量看，今年前四个月青年失业形势好于去年同期。假设2022年以来青年劳动力总量维持在3219万，青年失业率每提高1个点，带来32万左右的新增失业人口。尽管今年4月青年失业率比去年同期高2.2个点，但从新增青年失业人口来看，今年1-4月约为119万，去年同期为125.5万。从增量来看，今年前四个月青年失业形势要好于去年，这与当前经济逐渐恢复也有关系。

从节奏来看，受夏季毕业影响，我国青年失业率一般在上半年逐渐提高，7月达到峰值，8月开始逐步回落，预计5-7月青年失业率或将继续小幅攀升。

失业原因方面，近7成青年失业者是主动辞职，被裁员比例只有2.6%，远低于35岁以上群体。一种观点认为，青年群体由于工作经验和技能相对不熟练，往往在企业裁员时首当其冲。但根据月度劳动力调查数据，青年失业主要原因是主动辞职，被裁员的比例明显低于35岁以上群体。根据《2021年中国劳动统计年鉴》，有工作意愿但从未工作过的失业群体在16-24岁失业人口中占比59%，其他年龄群体中这一比例最高是14.4%。我们剔除这部分失业人群后，剩下的青年失业人口中，第一大失业原因是主动辞职，占比68.2%，单位倒闭破产占比5.9%；而裁员仅占2.6%。横向对比，裁员比例从高到低依次是：60岁以上（4.8%）>；35-59岁（4.7%）>；16-24岁（2.6%）>；25-34岁（2.5%）。

按照受教育程度来看，三分之二的青年失业人员接受过大学教育。各年龄段失业人群中，年龄越低，平均受教育程度越高。16-24岁失业人员中66.2%是接受过大学教育的，这一比例在其他三个年龄阶段逐步递减，25-34岁（40.5%）>；35-59岁（13.7%）>；60岁以上（4.3%）。城镇就业人口的受教育程度也大致类似，青年人由于年龄限制，接受大学教育比例略低于25-34岁，整体来看35岁以下就业人员的受教育程度大幅高于35岁以上。按照接受过大学教育的占比来看，25-24岁（47.9%）>；16-24岁（43.6%）>；35-59岁（26%）>；60岁以上（3%）。

2.2.行业：从制造到服务，知识密度从低到高

青年失业人口的行业与青年就业分布基本一致。青年失业人口呈现出行业聚集的特点，主要集中在5个大类行业，2020年占比分别为：批发零售（19.3%）、制造业（18.8%）、住宿餐饮（13%）、教育（7.5%）、居民服务修理和其他服务业（6.7%），这5个行业占全部青年失业人口的65%左右。同时，这5个行业也是青年就业集中的行业，吸纳了60.7%的青年就业。从行业来看，青年失业人口的行业分布是由就业分布决定的，吸纳就业占比较大的行业，往往也贡献了较大规模的失业。因此，在挖掘青年失业人口来自何处之前，需要研究青年就业的行业结构。

2010-2020年青年就业的结构变化较大，呈现出从制造到服务、知识密集程度由低到高两个特点。

青年就业从工农业大量流入服务业。农林牧渔、采矿业、制造业和电热燃水的生产供应业，这四个行业是国民经济分类的农业和工业。2010年这四个行业吸纳了50.3%的青年就业人口，到2020年该比例大幅降至25.4%。其中，制造业从37.4%降至22%，农林牧渔从11.4%降至2.5%，分别降低15.4和9.0个点。有4个行业吸纳青年就业比例增加超2个点，其中，教育业为5.3%，租赁和商务服务为3.1%，信息技术为2.8%，卫生和社工为2.0%。另外，建筑业和房地产等其他6个服务行业吸纳青年就业的比例均增超1个百分点。

以受教育年限作为维度，青年就业从知识密集程度较低的行业流向较高行业。我们以《2021年劳动统计年鉴》中各行业就业人员的受教育年限，来计算各行业的知识密集程度。有5个行业的平均受教育年限在14年以上，依次是：科学研究与技术服务（14.6）>；教育（14.4）>；金融（14.3）>；信息传输、软件和信息技术服务（14.2）>；卫生和社会工作（12.1），除金融业外，其他四个行业是过去十年青年就业流入的主要行业，吸纳青年就业比例的增幅均居前列。如图10，各行业所吸纳的青年就业比例变动与行业平均受教育年限基本一致，即青年就业从知识密集程度较低的行业流向较高行业。

但是知识密集型行业的青年失业情况比整体失业更严峻。我们用《2021年中国劳动统计年鉴》中各行业的青年失业比例（该行业的青年失业人数/青年失业总人数），除以各行业的青年就业比例（该行业的青年就业人数/青年就业总人数），来作为各行业失业率的近似替代指标。以这个指标来看，知识密集型行业的青年失业率大多高于全年龄段失业率，如信息技术、教育、科研服务、公共管理等行业，体现在图11中，都位于右下方。

2.3.服务业复苏分化或是一季度青年失业人口仍增加的原因

一季度服务业复苏出现分化。今年一季度GDP同比增长4.5%，较疫情前三年Q1均值有2.2个点的增速缺口。分行业来看，批发零售业缺口为1.5个点，而建筑业、住宿餐饮业增速均高于疫情前三年均值，这三个行业一季度复苏情况较好；知识密集程度更高的房地产业、租赁和商务服务业、信息技术服务业的缺口分别为4.1、4.7、11个点，一季度复苏相对较慢。

因此从失业率的分子端来看，当前青年失业人员增长的症结在于服务业就业复苏的结构不均衡。一方面，随着受教育水平的整体提高，青年就业大量流向知识密集型服务业，如教育、信息技术等行业。另一方面，年初疫情影响减弱后，经济复苏的主力是知识密集程度较低的生活性服务业，而知识密集程度较高的生产性服务业复苏较慢。所以服务业就业复苏结构分化，带来的青年失业人口和25-59岁失业人口的分化。房地产、互联网、教育[1]等行业的一季度就业尚未出现明显改善，应届生就业压力大；而住宿餐饮等行业就业已经出现回暖，但对于三分之二接受过大学教育的青年失业人口而言，这些行业的就业吸纳相对有限。

3.分母端：人口和劳动参与率均下降，带来劳动力减少

青年失业率的分母端是城镇青年劳动力，主要由青年人口和劳动参与率决定。2022年我国开始步入人口负增长时代，城镇青年劳动力可能将步入长期下降通道，这将从分母端推升青年失业率，或成为疫情后就业“疤痕效应”的长期来源。

3.1.青年人口：出生人口与乡村迁入均在减少

城镇青年劳动力首先取决于城镇青年人口数量，而后者来自于两部分，一是16-24年前的出生人口，二是乡村到城镇的迁移人口，这两部分增量未来都趋于下降。

2010-2020年青年劳动力对应的出生人口减少4381万，2020-2030年减少1762万。2010年和2020年的16-24岁人口分别对应1986-1994、1996-2004年的出生人口，而前者正好是建国以来的一轮“小婴儿潮”时期，年均出生人口超2000万，其中1987年出生人口最高超过2500万，到90年代开始明显步入下降通道。1986-1994年合计出生人口2.07亿，1996-2004年降至1.63亿，减少约4381万，降幅为21.2%。2020和2030年的16-24岁人口分别对应1996-2004、2006-2014年的出生人口，这两个时期分别为1.63、1.45亿，出生人口减少约1762万。

另一方面，我国农村向城镇的人口转移也在减速。新增城镇人口从2016年开始逐年减少，十三五期间（2016-2020年）均值约为2184万人，但2022年只有650万人。预计今年随着疫情影响减弱，人员流动恢复，新增城镇人口数量会较去年有明显增长，但可能仍然较难回到十三五期间超2000万的规模。当前我国城镇化率已经达到65%以上，继续高速增长空间有限，从乡村到城镇的迁移人口数量整体将呈现下降趋势。

3.2. 青年劳动参与率：超预期下降

青年劳动参与率有两个特点，一是低于其他年龄段群体，大部分青年在校，并未进入劳动市场。二是近年来呈下降趋势。

2020-2023年，青年劳动参与率出现超预期下降。根据今年3月统计局披露的青年就业和失业人数，当前16-24岁青年的劳动参与率约为33.4%，即9637万城镇青年人口中，有3219万进入或有意愿进入劳动市场。而2010和2020年两次人口普查时，青年劳动参与率分别为47.2%、40.5%。此前十年，青年劳动参与率下降6.7个点，但疫情以来仅仅三年，该指标已经下降7.1个点。

近三年青年劳动参与率的下降主要有三方面原因。

一是16-24岁在校生大幅增加493万。2010到2020的十年间，16-24岁在校生增加了706万，年均增加70.6万；但2019年末到2021年末，仅仅两年的时间里，该年龄段的在校生增加了493万，年均增长246.5万，远远快于此前十年增速。

二是部分群体因就业形势恶化而退出劳动市场，在未来经济和就业好转后会回到劳动市场。2020年3月，国家统计局曾在发布会指出当月“就业人员规模比1月份下降6%以上”，说明就业形势恶化时，也会影响劳动参与率。

三是就业观念的变化导致初次进入劳动市场时间推迟，降低16-24岁劳动参与率。从社会风气来看，对学历的推崇导致本科毕业即进入就业市场的年轻人减少，加上考研、考公竞争激烈，发展至“二战”“三战”，客观上会将部分青年人初次就业时间从16-24岁延迟到25岁之后，从而导致16-24岁劳动参与率出现下降。

4.结论：未来失业率的分母端可能会越来越重要

失业人口的增加不能完全解释青年失业率的上升。假如当前青年劳动力与2020年相同，在失业人口增加132万至632万人的情况下，对应青年失业率应该从12.8%提高至16.2%，但3月却达到19.6%，如图19。失业人口的增加只能解释当前青年失业率的一部分，另一部分则来自分母端，城镇青年劳动力的减少。

考虑到2020年我国人口已经开始负增长，未来青年失业率的变动可能出现以下三种情况：

①青年失业人口增加，同时劳动力减少，青年失业率上升；

②青年失业人口与劳动力均在减少，但失业人口降幅不及劳动力降幅，青年失业率上升；

③青年失业人口与劳动力均在减少，失业人口降幅大于劳动力降幅，青年失业率下降。

我们认为，未来失业人口会随着经济复苏而减少，但经济复苏难以改变失业率的分母下降趋势。青年劳动力的下降可能成为就业“疤痕效应”的长期来源，抬高青年失业率的长期中枢。未来失业率的分母端可能会越来越重要，这也是人口长周期变化的影响之一。

5.附录：概念和数据说明

青年失业率的两个前置概念。讨论16-24岁人口调查失业率时，有必要明晰这一概念的两个要点：一是调查失业率是城镇就业范围，并非针对全部就业人口，不包括乡村就业，2022年底我国城乡就业大约分别占63%、37%，近四成的就业人口并未包含在内。因此，许多针对青年失业率的讨论以全国青年人口数量为出发点，未区分人口总量与城乡结构的问题，有失偏颇。本篇报告如无特别说明，各概念均是指城镇就业口径。

二是失业率的分母不含没有劳动意愿的劳动年龄人口。按照统计局的定义，“劳动力指年满16周岁，有劳动能力，参加或要求参加社会经济活动的人员。包括就业人员和失业人员”，因此没有就业意愿的劳动年龄人口不计入劳动力。根据《2022年中国劳动统计年鉴》，2021年底我国16岁以上的人口约为11.5亿，其中只有68%属于劳动力，约为7.8亿，而就业人口为约7.46亿，据此推算城乡失业人口可能为3372万人左右。

从数据来看，失业率来自全国月度劳动力调查。该项调查制度于2005年正式实施，每年进行两次全国劳动力抽样调查，调查范围为中国大陆的城镇和乡村，调查对象为16岁及以上人口。2009年3月，为更及时准确反映劳动力市场变化情况，建立了31个大城市月度劳动力调查制度。2013年4月，又将月度劳动力调查范围扩大至65个城市。2016年1月，全国月度劳动力调查正式在全国范围内开展，调查范围覆盖全国所有地级市。

月度劳动力调查样本比例约为0.2‰，是年度调查的五分之一左右。全国每月调查约12万户，2020年全国家庭户约为49415.7万户，样本占比约0.2‰，作

为对比，我国年度人口调查样本比例为1‰，五年一次的人口抽样调查样本比例为1%。而每10年一次的人口普查则在长表部分纳入就业调查，长表抽样比例是10%左右，因而人口普查的就业数据质量更高。

就业人员总数会根据普查数据进行修正，但结构数据仍会存在差异。比如2020年的《劳动统计年鉴》显示，2019年末全国就业人员约为7.75亿人；而七普后次年的年鉴将这一数据修正为7.54亿人左右，误差约2100万人。但结构数据的差异仍然存在。比如《2021年劳动统计年鉴》中，2020年城镇制造业就业人员占比为18.0%，而七普数据为19.7%。

6.风险提示

（1） 服务业分化未收窄；

（2） 青年劳动参与率出现明显下降；

（3） 外需、房地产等不及预期，经济和就业恢复偏慢。

报告信息

证券研究报告：【芦哲&；占烁】青年就业：从三因素框架看“疤痕效应”来自何处

研报撰写人员：芦哲（S0120521070001，首席宏观经济学家），占烁（S0120122070060，联系人）

对外发布时间：2023年5月26日

报告发布机构：德邦证券股份有限公司