创业活动在吸纳就业、拉动经济发展方面发挥着重要作用。从宏观层面看,创业活动的活跃程度和国家经济发展水平之间呈现出明显“U型”结构特征,即在经济发展水平较低和较高的国家创业活动较为活跃[1]。发展中国家的创业活动多出于创业者生存需要,对经济活动的拉动效应较小。在发达经济体中,因发现更好的机会而开展创业活动的比重较高,这对于推动劳动力向高附加值行业转移、实现技术创新具有明显促进作用。相应地,劳动者技能水平与创业意向之间也存在显著“U型”关系,即拥有较低和较高技能水平的劳动者创业比例更高[2]。创业活动的阶段性和群体性特征要求国家加深对于创业活动及其对经济增长影响的理解,从而有针对性地制定和执行创业政策。
中国早期创业政策主要以促进就业为目标,但“大众创业、万众创新”政策(以下简称“双创政策”)提出后,相关政策经历了从以缓解就业压力为导向到以形成经济发展新动力为导向的范式转换[3]。“双创”政策的出台迅速掀起了中国创业活动热潮:中国迎来了近十年来罕见的私营企业数量高速增长,2014年新登记注册企业数量同比增长了45.88%。市场新生力量的涌现,为当前中国稳定和扩大就业贡献了重要力量。但是,新生企业发展是否因“双创”政策引致?现阶段政策能否有效激励有技能的劳动者创业?政策是否真正实现了从“缓解就业创业”到“推动经济发展方式转型创新”的导向转变?上述问题值得检视与讨论。
本文利用2012、2014、2016中山大学社会科学调查中心的中国劳动力动态调查数据,识别中国创业群体的技能特征,检验在“双创”政策下技能是否已经成为劳动者创业的影响因素,并进一步考察不同技能类别对创业行为的影响。结果发现,“双创”政策促进了现阶段人们的创业行为,但有技能的劳动者更倾向于受雇而非创业。现阶段政策实践下,高技能劳动者依然没有成为中国创业主流。因此,双创政策设计需要探讨如何为高技能和专业技术人才的创业活动提供激励,真正实现“创新带动创业、创业促进创新”的良性循环,从而促进中国产业结构升级。
人们普遍认为,新企业通过重组资源、促进创新、增强竞争等方式,有效带动经济增长[4-6]。Wennekers等[1]研究证明,一国的动态创业率与其经济发展水平之间具有“U型”关系,其通过对36个国家的研究发现,经济发展水平较低和较高的国家拥有更活跃的创业活动;Van Stel等[7]指出,同样是创业活动,其在发展中国家对经济增长的影响比在发达经济体要小。
根据创业动机,创业行为可以分为机会型创业和生存型创业两种形态,即“抓住商业机会”的创业和“视为最后选择”的创业[8]。高动态创业率对发展中国家经济增长的贡献不足(甚至为负)通常源于其较高的生存型创业比例。因为如果创业者的初衷是缺乏就业机会,那么创业活动的存活率和经营效率不高,也就很难带来额外的就业增量[9,10]。只有将自雇行为和非正规公司排除在外,这些国家的创业活动才在计算中呈现出对创造就业的正向作用[11]。同时,发展中国家存在模仿发达国家商业模式或引进发达国家产品和技术的机会。因此,发展中国家创业活动的创新性并不突出。反而在发达国家中机会型创业更多,企业家创新能力更高[12]。
就不同类型的创业活动而言,人力资本一直在促进创业、提高新企业成活率等方面发挥重要作用[13-14]。事实上,Salas-Fumás等[2]发现,技能与人们的自雇率呈现出U型关系,即只有拥有较低技能和较高技能的劳动者才会选择创业。在经济社会发展水平较低的情况下,劳动者技能往往来自于长期稳定的受雇经历,即受雇于一定规模以上、长期持续经营的工商业组织是人们获得技能的重要渠道。在发展中国家,不断上涨的实际工资增加了个体经营机会成本,使得拥有一定技能的劳动者更愿意选择受雇[15-16],这部分劳动者处于“U型”曲线底部。Iyigun&Owen[17]认为,随着经济不断发展,由于对风险的厌恶和相对安全的职业收入增加,越来越少的人愿意冒险成为企业家。
从技能水平与创业形态的关系看,机会型创业对人们的知识与技能水平及其它相关条件的要求更高。尽管在U型曲线右边,教育在大多数情况下降低了人们选择自营职业的可能性,但学徒教育和高等教育水平提高确实会显著提升当地正规经济部门中机会型创业活动的比重[18-19]。类似地,Almus& Nerlinger[20]、Colombo&Grilli[21]研究发现,在创业人群中,那些接受高等教育或者特殊技能培训的创业者确实有更好的创业成果。但对拥有技能的人而言,创业意味着放弃已有工作,同时面临缺乏创业机会识别和转换能力、组织管理能力等方面的困难[22]。因此,为了激励具有知识和技能的人员有效创业,国家需要在优化创业环境、支撑涉及专业技能和复杂技术的创业活动等方面,给予更多针对性政策支持。
综上所述,在创业者技能、创业动态率和经济发展阶段之间存在两重U型关系,即创业活动在不同经济体之间存在两个相对稳态:创业者低技能和社会经济低水平发展状态,以及创业者高技能和社会经济高水平发展状态(见图1)。在创业形态上,左下角的稳态显然以生存型创业为主,右上角则有更多的机会型创业。由此,作为面临转型任务的发展中国家,我国在制定创业政策时必须考虑如何更有效地实现创业环境和创业者生态转变,从而真正为经济转型升级提供新动能。
中国创业政策的起始点可以回溯至2002年,当时国家在正式颁布的政策中首次提出实施积极的就业政策、支持劳动者自谋职业和自主创业。2002—2013年,尽管创业政策经历了多次变迁和调整,但目标始终围绕缓解就业压力、解决就业等方面。中国经济体制改革过程中存在国企工人下岗与农村劳动力转移问题,当时的政策措施与中国经济发展水平是相适应的。自2010年以来,中国已成为全球第二大经济体,经济发展的主要目标转变为推动产业转型升级,实现创新驱动发展。2014年9月,李克强同志在达沃斯夏季论坛上首次提出“大众创业、万众创新”后,国务院密集出台了大量“双创”支持政策,明确提出支持各类市场主体开办新企业,全面实施创新驱动发展战略,并指出要激发创造活力,发展创新型创业,以期在解决就业问题的基础上培育和开展创新型创业。
图1 创业率、创业者技能与经济发展水平之间的关系
为了更好地展示中国就业创业政策主题转变,以政府部门官网为主,以互联网其它渠道为补充,以“就业”、“创业”为政策标题检索关键词,本文收集1998—2018年共884项中央政策,统计不同年份政策标题中高频主题词的频次变化,并根据其变化节点划分为4个阶段,即1998—2002年、2003—2007年、2008—2013年、2014—2018年。在文献计量分析工具Bibexcel的辅助下得到高频主题词共现矩阵,并通过归一化系数Ochiia系数及相应转化得到相异矩阵[23-24]。将相异矩阵导入SPSS24.0,选择组间连接、平方欧式距离进行层次聚类[25-27],绘制各阶段主题词聚类树状图(见图2):1998—2002年,政策主题聚焦于国企下岗职工安置与高校毕业生就业;2003—2007年,政策更强调高校毕业生就业与特殊人群再就业,此时政府出台了鼓励下岗失业人员通过创业实现再就业的相关政策,但是这种创业属于生存型创业,与机会型创业内涵有较大差距;2008—2013年,大学生创业首次成为政策主题焦点;2014—2018年,大学生创业这一政策聚焦点演变为创业创新。
2014年后,培育经济发展新动能成为我国创业政策的战略任务。但以往创业政策普遍重税费优惠、轻金融支持,导致实际能够享受政策支持的企业往往是科技含量低、规模小的生存型企业,对成长周期长的科技型企业有效支持不足[28-29]。在“双创”背景下,各级政府通过税收优惠、财政支持、技术保障、人才交流和行政许可简化等手段降低创业企业创新成本,一定程度上促进了创业行为产生和企业绩效提升[30-33]。
根据创业活动的一般性规律,随着中国社会经济发展,现阶段中国创业活动需要从低技能生存型创业向高技能机会型创业转变。一方面,2014年确定“双创”政策后,与就业、创业相关的政策越来越强调创新、创业。“双创”政策是否促进了劳动者创业行动?另一方面,以形成经济发展新动力为导向的创业政策需要充分激励高技能人才参与机会型创业、创新型创业。然而,政策文本量化分析显示,与技能相关的主题词并未成为高频词。“双创”政策能否促使中国当前主要创业行为模式向高技能创业转变?为探究上述问题,下文将检验中国2012年、2014年、2016年劳动者创业行为与技能之间的关系。
本文选择中山大学2012年、2014年、2016年全国劳动力动态调查(CLDS)数据中的个体调查数据(含个体追踪)为样本,调查对象涵盖全国(内地)29个省份样本家庭中的全部劳动力个体(15~64岁)及65岁以上有工作的家庭同住成员。为分析政策环境和劳动者技能对就业选择的影响,只保留当前有工作的个体样本,剔除无工作经历或当前无工作的受访者。剔除缺失值后,2012年、2014年、2016年的样本量分别为7 205、14 629、13 224,3年样本总量为35 058。
本文定量分析的核心目标是检验“双创”政策对劳动者创业选择是否有影响,并检验劳动者创业行为与技能水平之间的关系。设定因变量为劳动者当前创业行为选择,根据受访者对当前或最近一份工作类型的回答情况,将创业行为选择划分为受雇、雇主、自雇、务农,有创业行为的劳动者包括雇主和自雇。关键自变量为技能水平,由是否获得过技能证书、受教育水平加以度量。同时,参照已有文献,本文假定影响劳动者创业选择的其它因素为个人特征、外部关联、社会环境等,并将其作为控制变量[34-38]。如表1所示,个人特征包括受访者性别、年龄、健康状况、婚姻状况、学历、户口类型、外语水平;外部关联包括社会资源(在本地关系密切,能得到支持和帮助的朋友或熟人数量)与家庭资源(同住家庭成员数量、家庭中无工作成员数量);社会环境主要是指经济形势。此外,为检验政策影响,设置劳动者在选择职业时是否实施“双创”政策这一虚拟变量。为检验“双创”政策对有技能者和无技能者有无差异化影响,在模型中加入是否获得过技能证书与政策的交互项。
由于就业选择是无序多分类变量,关键自变量技能水平只随个体改变,因而本文选取多项逻辑斯蒂回归模型(Multinomial Logit Model)进行回归分析,回归模型的基本形式如式(1)所示。
(1)
i=1,2,...,k;j=1,2,...,J-1
无序多分类因变量共有J类,如果把第J类选项作为参照组,其它J-1类发生的概率比可以通过式(1)中的对数形式表达,因变量是就业选择j相对于就业选择J发生的逻辑斯蒂概率单位。其中,i为调查对象的编号,α是截距,代表相对变化水平;βji是斜率,表示在控制其它变量的情况下,x每变化一个单位时因变量的变化。
图2 1998-2018年就业创业政策主题词聚类结果
注:位于树状图上方的横坐标为重新标度的聚类距离,由SPSS自动生成;黑色垂线表明各阶段均可将高频主题词聚成两类
表1 变量名称及基本描述
变量分组变量名称变量解释频次百分比(%)因变量创业行为当前就业状态1 = 受雇15 41543.97 2 = 雇主9742.783 = 自雇4 10611.71 4 = 务农14 56341.54自变量技能水平是否获得技能证书0 = 无技能证书29 11283.04 1 = 有技能证书5 94616.96 受教育水平1 = 大学本科及以上2 5977.412 = 大学专科2 5027.14 3 = 高中及中专5 81916.60 4 = 初中11 89133.92 5 = 小学及以下12 24934.94 政策创业政策0 = 该年未实行“双创”政策21 83462.28 1 = 该年已实行“双创”政策13 22437.72 交互效应技能与政策交互项0 = 无技能证书或无“双创”政策年份33 03994.24 1 = 有技能证书者在有“双创”政策年份20195.76控制变量个人特征性别0 = 女15 42143.99 1 = 男19 63756.01 年龄1 = 34岁以下5 30915.14 2 = 35~44岁6 98619.93 3 = 45~54岁10 84630.94
续表1 变量名称及基本描述
变量分组变量名称变量解释频次百分比(%)4 = 55~64岁7 62721.76 5 = 65岁及以上4 29012.24 健康状况1 = 非常健康7 27020.742 = 健康14 32940.87 3 = 一般9 65927.55 4 = 比较不健康3 4559.86 5 = 非常不健康3450.98 婚姻0 = 未婚4 56013.01 1 = 已婚30 49886.99 户口类型0 = 农村户口27 03477.11 1 = 城镇户口8 02422.89 外语水平0 = 不懂外语30 42286.78 1 = 懂外语4 63613.22 外部关联在本地关系密切,可以得到支持和帮助的朋友或熟人的数量1 = 20个或以上6 00817.14 2 = 10~19个1 9485.56 3 = 5~9个8 42824.04 4 = 1~4个13 59038.76 5 = 一个也没有5 08414.50 同住家庭成员数量定比变量4.522 8(均值)1.930 1(标准差)家庭中无工作成员数量定比变量1.738 3(均值)1.401 1(标准差)社会环境经济形势上年制造业PMI指数-50定比变量0.558 7(均值)0.186 3(标准差)
从个人特征看,样本量中男性受访者数量多于女性,但男性选择创业活动的比重为16.86%,女性仅为11.48%,说明男性选择创业活动的倾向更显著。在年龄分布中,34岁以下年龄组受雇群体的比重最高,为69.15%,之后受雇群体的比重随年龄增长逐渐下降;务农群体的比重随年龄增长逐渐增加;45~54岁、35~44岁是创业群体比重较高的两个年龄段,选择创业的比重分别为18.44%、17.20%。懂外语的人群受雇比例显著高于其它类别。
图3 有无“双创”政策下就业类型分布情况 图4 有无技能下就业类型分布情况
图3、图4和图5分别展示了有无“双创”政策、有无技能,以及不同受教育水平下就业类型分布情况。可以明显看出,“双创”政策实施后,受雇比例和雇主比例均低于政策未实施年份,自雇和务农的比重有所提高,可能是因为调查追访中农村受访者的流动性更低,更容易被追访,故整体样本中农业人口的比重有所提高(3年农村户口占比分别为67.59%、77.76%、81.58%)。因此,从就业类型分布图难以直接判断“双创”政策对于创业的激励效果。从技能方面看,有技能人群中就业类型为受雇的比重远远高于无技能人群,高达81.57%;雇主的比重略高于无技能人群,自雇比例明显低于无技能人群。总体而言,有技能证书的人群创业比重低于无技能证书的人群。给定技能水平,比较相应人群中不同职业选择比例,发现本科及以上人群中,选择受雇的比例最高;小学及以下人群中,务农比例最高。选择成为雇主的比例在受教育水平为高中及中专的人群中最高,选择自雇的比例在受教育水平为初中的人群中最高。本文通过回归方法进一步揭示“双创”政策、技能水平与创业活动之间的因果关系。
图5 不同受教育水平下就业类型分布情况
本文运用Stata13统计软件,将所有变量引入回归方程后对回归系数进行显著性检验。经检验发现,最优模型是选择受雇作为因变量的参照组,整体模型在0.1%的水平下显著。对自变量进行共线性检验发现,条件指数均小于30。观察对应最大条件指数的方差分解比例,除截距项外,其余变量的比例均低于50%,说明模型不存在共线性问题,部分回归结果如表2所示。
表2 劳动者就业选择逻辑斯蒂模型回归结果
项目最优模型(参照类=受雇)雇主自雇务农“双创”政策(未实行)1.388***-0.651***-0.335***(0.177)(0.093)(0.077)技能(无技能证书)-0.673***-0.511***-1.176***(0.105)(0.070)(0.083)受教育水平(高中及中专) 大学本科及以上-0.624***-1.311***-2.335***(0.149)(0.125)(0.342) 大学专科-0.264*-0.673***-1.438***(0.127)(0.094)(0.171) 初中-0.02370.491***0.750***(0.090)(0.052)(0.049) 小学及以下-0.247*0.544***1.361***(0.116)(0.061)(0.052)技能*政策交互项0.477**0.116-0.247(0.175)(0.107)(0.133)常数项-5.341***-0.5322.067***(0.784)(0.304)(0.227)观测值数量35 058调整后R方0.264 0
注:自变量名称后的括号内为定类变量或定序变量所对应的参照类;***、**、*分别代表在0.001,0.01,0.05水平上统计显著,下同
显然,在“双创”政策实施年份,与受雇相比,人们更愿意成为雇主,说明“双创”政策显著增强了人们的创业意愿。另外,人们不倾向于自雇可能是因为“双创”政策降低了企业开办成本,因而原先选择自雇的劳动者在政策实施后选择开办企业成为雇主。“双创”政策提供了税收减免和创业补贴,可能导致人们更愿意选择创业。与受雇相比,有技能证书的人更不愿意成为雇主、自雇和务农。这说明有技能的劳动者还未成为当前中国创业人群的主力,但技能会显著帮助劳动者摆脱务农状态并进入劳动力市场。与最高学历是高中及中专的人群相比,最高学历是大学本科及以上、大学专科的人群更不愿意自雇,而最高学历为初中、小学及以下的人群更倾向于自雇。在我国,以受教育水平度量的技能水平与自雇率的关系并不是“U型”关系,而是“L型”关系,即技能水平较低的人群更倾向于自雇,技能水平较高的人更不愿意自雇。从有无技能证书与政策的交互项看,“双创”政策实施后,有技能的群体选择成为雇主的概率显著比没有技能的群体高,但系数微正,说明政策影响在群体间的差距不大。这说明“双创”政策在一定程度上起到了激励有技能者创业的效果,但是政策对有技能者的创业激励仍有较大提升空间。
研究发现,那些具有管理经验或有特定行业经验的创业者更容易在市场竞争中存活,并拥有更好的经营业绩[11,39]。Gary Becker[40]认为,技能存在结构性区分,即一般技能和特殊技能。一般技能可以提升劳动者的边际生产力,这种增加不随行业和企业变化而改变;而特殊技能只能提高劳动者在特定行业或特定企业内的生产效率。这意味着同样是面对具有技能的劳动者,只有弄清楚Baptista等所描述的特定管理经验或行业经验到底属于Becker所指的哪种分类,政策决策者才能针对性地激励这部分人群开展高质量创业。因此,本文区分技能类别并进行回归,以识别哪些类别的技能会使劳动者更倾向于选择创业。根据CLDS问卷设计,本文进一步对技能证书类别进行拆分,分成11类,如表3所示。
表3 技能证书类别划分
技能证书类别拥有技能证书的劳动者数量占样本比例(%)选择受雇的比例(%)选择成为雇主的比例(%)选择自雇的比例(%)服务类证书2350.6771.913.8318.30制造类证书1 4334.0977.463.569.70法律类证书820.2395.121.222.44管理、咨询、商务、市场营销类证书(管理咨询类)4601.3183.915.437.61经济专业技术、评估、拍卖类证书(经济专业技术类)2000.5785.506.502.50房地产、金融、保险类证书(房地产和金融类)2350.6789.793.834.26统计、会计、税务、审计类证书(会计审计类)6991.9990.843.293.43语言、教育、出版类证书(教育及语言类)9252.6494.160.972.49计算机应用及软件类(IT)证书(计算机类)6691.9188.042.397.32建筑工程、城市规划类证书(建筑规划类)5791.6576.175.879.67医务、医药类证书(医疗类)4871.3979.473.7013.35无技能证书29 11283.0436.290.721.78
注:括号内为该类技能证书简称,下文叙述中采用简称
从技能类别所对应的就业类型分布情况看,在拥有各类技能证书的劳动者中,选择受雇的人群比例高于无技能证书人群。其中,具有经济专业技术类证书、建筑规划类证书、管理咨询类证书的劳动者选择成为雇主的比例最高,分别为6.50%、5.87%、5.43%。拥有服务类证书、医疗类证书的劳动者选择自雇的比例最高,分别为18.30%、13.35%。
考虑到劳动者可能同时拥有不同类别的技能证书,本文将技能证书类别作为虚拟变量进行处理。参照前文回归模型,将是否具有技能证书分别替换为是否具有不同类别的技能证书进行回归,同时将获得技能证书数量作为控制变量,部分回归结果如表4所示。模型中原变量显著水平和系数方向与原回归结果基本一致。技能证书数量在各模型中均显著为负,说明与受雇相比,技能证书数量越多,劳动者越不倾向于创业和务农,进一步验证了原模型结论,说明拥有技能的人才尚未成为中国创业群体中的主力。更重要的是,各类技能证书对劳动者创业选择在方向上存在明显差异化影响。具体而言,获得建筑规划类、管理咨询类和经济专业技术类证书的劳动者更倾向于成为雇主,具备医疗类和服务类证书的劳动者更倾向于自雇。而获得教育语言类的劳动者更倾向于不成为雇主,获得制造类、经济专业技术类、教育语言类和会计审计类证书的劳动者显著倾向于不自雇。
蒙克[41]提出采用个人职业指征其技能专有性的做法,分别将操作工等制造业职业划分为专用型技能,将管理者和专业技术人员划分为高级通用型技能,将一般职员和销售服务人员划分为低级通用技能。根据回归结果,倾向于成为雇主的劳动者一般具有高级通用型技能,倾向于自雇的劳动者具有低级通用型技能,而具有专用型技能的劳动者显著倾向于不创业,这也符合Becker对于特殊技能很难转移的论述。拥有教育语言类、会计审计类证书的劳动者显著不倾向创业,说明中国依然没有完全激发那些拥有高级通用技能劳动者的创业积极性。因此,需要通过政策鼓励和支持进一步推动高质量创业活动。
为了进一步提高研究结论的可靠性,本研究进行稳健性检验:第一,改变解释变量度量方式,将是否有技能的定义更改为是否在过去3年内参加过技能培训;第二,改变样本数据范围,分别对2012年、2014年、2016年数据进行上述统计回归。以上稳健性检验结果与前文结果并无实质性差异,说明本研究结论较为稳健。
基于2012年、2014年、2016年全国劳动力动态调查个体数据,本文检验国内政策范式转变与技能对劳动者创业行为的影响。结果显示,技能水平与自雇率的关系呈现为“L型”,有技能的劳动者依然更倾向于不创业。具有技能会使劳动者显著倾向于不务农,说明技能培训对于劳动力由农业向更高层次的转移具有显著作用。“双创”政策在一定程度上激励了有技能者创业,但效果并不显著。总体来看,高技能与高受教育水平人群依然没有成为目前中国创业活动的主体。虽然“双创”政策更加完善,但政策在创业主体上主要关注在校大学生、残疾人和农民工,后者本身就是专业技术水平、技术创业能力较低的群体。目前,“双创”政策为就业市场上相对弱势的无技能或低技能劳动者提供了就业机会,对解决当前中国社会问题有一定积极作用,促使全国新设私营企业数量大幅上升。相应地,新创企业中,技术型创业的比重提升并不显著,说明“双创”政策并没有完全达到通过推动创新型创业为经济发展带来新动能的目标,距离中国从低技能低发展水平、以生存型创业为主的创业生态跃迁到高技能高发展水平、以机会型创业为主的创业生态还有较大的政策创新空间。
从现实情况看,无技能劳动者的生存型创业井喷难以持续,因为其在存活率和经营效率上的局限会使得生存型创业增长空间受到限制。中国新登记私营企业增长率在2017年回落到9.01%,私营企业吸纳的就业人口也出现了负增长。根据“全球创业观察”数据,中国生存型创业比例从2002年的52%下降到2014年的33%。虽然比例呈下降趋势,但与各大经济体相比,中国这一比例仍然较高[42]。尽管有技能的人群在创业活动中有较高的成功机率,但创业机会成本以及市场风险都会给创业决策带来阻碍。此外,创新型创业往往需要企业、技术方、政府等多方面互动协作,这对国家科技、金融、市场等方面的制度保障提出了更高的要求。因此,国家在鼓励创新型创业活动的同时,要从产业创新角度支持创业活动,并从企业创新与知识积累角度重新审视创业政策,以克服较高的机会成本对高技能人群的约束。
表4 劳动者就业选择的逻辑斯蒂模型回归结果
自变量雇主自雇务农是否具有制造类类证书(是)-0.261-0.247*0.216(0.170)(0.111)(0.137)技能证书数量-0.313***-0.317***-1.247***(0.086 8)(0.058 6)(0.084 8)是否具有服务类证书(是)0.4800.494**-0.672*(0.355)(0.188)(0.312)技能证书数量-0.396***-0.419***-1.121***(0.078 9)(0.052 9)(0.068 4)是否具有法律类证书(是)-1.114-0.655-0.341(1.015)(0.729)(1.182)技能证书数量-0.370***-0.382***-1.161***(0.077 4)(0.051 0)(0.067 0)是否具有管理、咨询、商务、市场营销类证书(是)0.566*0.116-0.0397(0.230)(0.193)(0.307)技能证书数量-0.437***-0.395***-1.162***(0.082 2)(0.053 0)(0.068 7)是否具有经济专业技术、评估、拍卖类证书(是)0.637*-0.945*0.605(0.308)(0.465)(0.386)技能证书数量-0.411***-0.369***-1.179***(0.079 6)(0.051 4)(0.067 9)是否具有房地产、金融、保险类证书(是)0.048 8-0.404-0.191(0.356)(0.337)(0.499)技能证书数量-0.380***-0.375***-1.158***(0.078 8)(0.051 5)(0.067 5)是否具有统计、会计、税务、审计类证书(是)0.137-0.561*-0.424(0.233)(0.220)(0.300)技能证书数量-0.391***-0.348***-1.134***(0.081 1)(0.052 4)(0.069 1)是否具有语言、教育、出版类证书(是)-1.383***-0.821***-0.125(0.348)(0.223)(0.261)技能证书数量-0.278***-0.330***-1.147***(0.078 0)(0.052 0)(0.069 2)是否具有计算机应用及软件类(IT)证书(是)-0.2440.3240.107(0.276)(0.170)(0.293)技能证书数量-0.354***-0.421***-1.173***(0.081 8)(0.054 5)(0.069 2)是否具有建筑工程、城市规划类证书(是)0.577**0.02830.449*(0.200)(0.158)(0.195)技能证书数量-0.450***-0.388***-1.219***(0.083 1)(0.053 8)(0.072 1)是否具有医务、医药类证书(是)0.058 70.654***-0.822**(0.256)(0.152)(0.289)技能证书数量-0.382***-0.442***-1.105***(0.079 3)(0.053 6)(0.068 4)
目前,政策制定者已经意识到了这一问题,国务院在“双创”政策相关文件中,将2015年和2016年使用的“创业创新”调整为2017年的“创新创业”,并将政策的关注点从与企业相关的营商环境优化转移到科技成果转化与新产业培育。下一步,国家应进一步优化创新型创业的产业环境,加强大学、企业与科研机构间的互动联系,为高技能人员创业提供更多的企业管理知识培训,推动更多有技术、有革新的新创企业为中国带来创新驱动式发展。
[1] WENNEKERS S,VAN STEL A,THURIK R,et al.Nascent entrepreneurship and the level of economic development[J].Small Business Economics,2005,24(3): 293-309.
[2] SALAS-FUMáS V,SANCHEZ-ASIN J J,MEDRANO-ADAN L.The heterogeneous self-employed in occupational choice models with market frictions[EB/OL].(2012-06-15) [2019-10-08].https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2084143.
[3] 马凯.经济增长、就业状况和中国创业政策的范式转换[D].北京: 北京大学,2016.
[4] WENNEKERS S,THURIK R.Linking entrepreneurship and economic growth[J].Small Business Economics,1999,13(1): 27-56.
[5] HART P E,OULTON N.Galtonian regression,company age and job generation 1986-1995[J].Scottish Journal of Political Economy,2001,48(1): 82-98.
[6] THURIK R. Entrepreneurship and unemployment in the UK[J].Scottish Journal of Political Economy,2003,50(3):264-290.
[7] VAN STEL A,CARREE M,THURIK R.The effect of entrepreneurial activity on national economic growth[J].Small Business Economics,2005,24(3): 311-321.
[8] REYNOLDS P D,CAMP S M,BYGRAVE W D,et al.Global entrepreneurship monitor 2001 executive report[R].London: Global Entrepreneurship Research Association,London Business School,2001.
[9] MASUDA T.The determinants of latent entrepreneurship in Japan[J].Small Business Economics,2006,26(3): 227-240.
[10] DORAN J,MCCARTHY N,O'CONNOR M.The role of entrepreneurship in stimulating economic growth in developed and developing countries[J].Cogent Economics Finance,2018,6(1),1442093.
[11] VIVARELLI M.Is entrepreneurship necessarily good? microeconomic evidence from developed and developing countries[J].Industrial and Corporate Change,2013,22(6): 1453-1495.
[12] KOELLINGER P.Why are some entrepreneurs more innovative than others[J].Small Business Economics,2008,31(1): 21-37.
[13] GIMENO J,FOLTA T B,COOPER A C,et al.Survival of the fittest? entrepreneurial human capital and the persistence of underperforming firms[J].Administrative Science Quarterly,1997,42(4): 750-783.
[14] ACS Z J,SZERB L.Entrepreneurship,economic growth and public policy[J].Small Business Economics,2007,28(2-3):109-122.
[15] LUCAS R.On the size distribution of business firms[J].The Bell Journal of Economics,1978,9(2): 508-523.
[16] VAN DER S,VAN PRAAG M,VIJVERBERG W.Entrepreneurship selection and performance: a meta-analysis of the impact of education in developing economies[J].The World Bank Economic Review,2005,19(2): 225-261.
[17] IYIGUN M F,OWEN A L.Risk,entrepreneurship,and human-capital accumulation[J].The American Economic Review,1998,88(2): 454-457.
[18] GOEDHUYS M, SLEUWAEGEN L . Entrepreneurship and growth of entrepreneurial firms in Cote d'Ivoire[J].The Journal of Development Studies,2000,36(3): 123-145.
[19] GHANI E,KERR W R,O'CONNELL S.Spatial determinants of entrepreneurship in India[J].Regional Studies,2014,48(6): 1071-1089.
[20] ALMUS M,NERLINGER E A.Growth of new technology-based firms: which factors matter[J].Small Business Economics,1999,13(2): 141-154.
[21] COLOMBO M G,GRILLI L.Founders' human capital and the growth of new technology-based firms: a competence-based view[J].Research Policy,2005,34(6): 795-816.
[22] 许艳丽,李瑜,郭达.经济转型视角下大学生创业培训模式优化研究[J].西北工业大学学报(社会科学版),2015,35(2): 98-102.
[23] 崔雷.专题文献高频主题词的共词聚类分析[J].情报理论与实践,1996,19 (4): 49-51.
[24] 李长玲,翟雪梅.我国情报学硕士学位论文的共词聚类分析[J].情报科学,2008(1): 75-78.
[25] 钟伟金,李佳,杨兴菊.共词分析法研究(三)——共词聚类分析法的原理与特点[J].情报杂志,2008,27(7): 118-120.
[26] 那一沙,张凯晴,夏军.开放课程热点问题研究——基于词频分析和共词聚类技术[J].西南交通大学学报(社会科学版),2015,16(2): 82-88.
[27] 唐果媛,张薇.基于共词分析法的学科主题演化研究进展与分析[J].图书情报工作,2015,59(5): 128-136.
[28] 夏清华,易朝辉.不确定环境下中国创业支持政策研究[J].中国软科学,2009(1): 66-72.
[29] 廖中举,黄超.中国科技人才创新政策研究[J].上海经济研究,2017(3): 19-24.
[30] 郑云坚,王泽宇,孙煊婷.创业、创新政策对创业企业影响分析[J].中国行政管理,2016(5): 154-155.
[31] 朱青,周明,吴翠青.“双创”背景下科研人员创业意向影响因素研究——基于423份问卷调查分析[J].科技管理研究,2018(2): 97-102.
[32] 黄永春,朱帅.创业政策供给对企业家创业行为的影响机制研究——基于gem报告面板数据的实证分析[J].科学学与科学技术管理,2018(4): 100-110.
[33] 戚迪明,刘玉侠.人力资本、政策获取与返乡农民工创业绩效——基于浙江的调查[J].浙江学刊,2018(2),169-174.
[34] 钱永红.创业意向影响因素研究[J].浙江大学学报(人文社会科学版),2007,37(4): 144-152.
[35] 钟王黎,郭红东.农民创业意愿影响因素调查[J].华南农业大学学报(社会科学版),2010,9(2): 23-27.
[36] 朱红根,康兰媛,翁贞林,等.劳动力输出大省农民工返乡创业意愿影响因素的实证分析——基于江西省1145个返乡农民工的调查数据[J].中国农村观察,2010(5): 38-47.
[37] 买忆媛,姚芳.创业者先前技术经验对创业企业创新活动的影响[J].科学学与科学技术管理,2010,31(9): 184-189.
[38] 苗琦,鲍越,刘鹰.人力资本与技术资本对我国海归创业意向影响[J].科学学研究,2015,33(7): 1035-1042,1099.
[39] BAPTISTA R,LIMA F,MENDONA J.Establishment of higher education institutions and new firm entry[J].Research Policy,2011,40(5): 751-760.
[40] BECKER G S.Investment in human capital: a theoretical analysis[J].Journal of Political Economy,1962,70(5): 9-49.
[41] 蒙克.技能专有性、福利国家和欧洲一体化——脱欧的政治经济学[J].世界经济与政治,2016(9): 123-154.
[42] 郑馨.全民创业背后的冷静思考[J].清华管理评论,2015(11): 62-69.