海外数据实证结果显示本轮劳动参与率的下滑主要与原始株感染率和阿ࣻ尔法株感染率有关，奥密克戎对劳动参与率不存在显著影响。另外财政转移支付对劳动参与率下滑的影响偏短期，经济好转能够更快♬地推动劳动参与率修复。
文：天风宏观宋雪涛ⓦ/联系人孙永乐、向ળ静姝
一、疫情之ફ后各国劳动参与率的恢复参差ϑ不Å齐
2020年初受疫情冲击，部分国家的劳动参与率快速下行。WTO数据显示，2020年全球劳动参与率为58.6%，相比2019年◈下滑了1.9个百分点，大幅高于过去5年均值（年均-0.²13ੌ个百分点）。
疫情过后，全球劳动力市场开始逐渐修复，大多数国家的失业率水平回落至疫情前，但是部分ⓚ国家的劳动参与率水平并没有完憨全恢复。以美国为例，劳动力市场持续呈现“供不应求”的状态，职位空缺率大幅走高，拉高了薪资增速，并抬高了അ通胀中枢。
从劳动参与率修复的速度和高度ષ来区分，各个国家大致可以分为两类：μ
一类以美国和英国为代表，虽然π疫后经济和ૄ失业率恢复，但是劳动参与率没有回到疫情前的水平d3;。以美国为例，2022年10月美国劳动参与率为62.2%，相比于2019年末下降了1个百分点。
另一类以韩国和澳大利亚°为代表，疫后劳动参与♩率稳步修复至超过疫情前水平。以澳大利亚为例，劳动参与率在2020年5月探底后快速回升，至2020年11月就超过了2019年末，2021年短期回落后，2022年8月劳动参与率上升至66.τ6%，高于2019年末0.68个百分点。
◙
二、劳动参与率下降的三个可能ળ原因
对于劳ਪ动参与率难以恢复正常的原因，主要有年龄结构、经济因૩素、疫情影响等几种可能的解释。
第ੇ一°个广泛接受的૮解释是退休潮。
以美国为例，1950-1964年的美国婴儿潮对应了2008年开始的美国退休潮，2008年美国ƿ65岁以上人口占比12.6%，2021年已经上升至17‘%。按照亚特兰大联储的估算，以1998年为基准，2009年退休对劳动参与率的拖ⓝ累为-0.01%，到2019年已经升至-2.91%，2020年为-3.69%，2021年为-4.11%，退休对劳动参与率的拖累程度逐渐加深。
但是澳大利亚在2008年之后也面临了退休潮。澳大利亚的战后“婴儿潮”出现在1947-1961年，对应了2009年之后的老龄化进程明显加快。2008-2020年期间ⓤ，∋澳大利亚65岁以上人口占比了提高了3.4个੦百分点。
对比美国和澳大利亚的老龄化程度，2021年美国65岁以上人口占比为17%，高于澳大利亚0.5个百分点；2008-2021年美国65岁以上人口占比提高了4.4个百分点，高于澳大利亚1个百分点。因此美国的退休潮压力高于澳大利亚，可能是两国劳动参与率恢∀复差异的原因之一。
第શ二个解释Ã是经济♩因素和政策因素。
疫情后美国和澳大利亚的经济增长和失业率均恢复较快，2022年9月美国失业率为3.5%，Φ低于2019年末0.1个百分点；澳大利亚失业率3.54ૡ%，低于2019年末1.5个百分点。所以劳动参与率下降的原因，应该不是没有就业机会，实际上美澳两国的职位空缺数量均大幅▤高于疫情前。
更有可能的解释是由于疫情期间政府的大规模转移支付，居民部门积累了大量的超额储蓄，部分居民可能提前退出就业市场。疫情期间，美国和澳大利亚均推出了针对居民部门的大规模财政刺激，结果是政府部门的赤字率和杠杆率大幅上升。2020年和2021年美国政府赤字率为14.9%和12.4%，此前三年均值为4%૮；澳大利亚政府赤字率分别为8.6%和7.7%，此前三年均值为2.5%。Ψ美国政府部门杠杆率从2019年末的99.3%上行至2021年末的117.9%，澳大利亚政府部门杠杆率从39.8%上行至54.4%。
对比来看，美国☺政府μ赤字率和杠杆率上升幅度更大，财Ó政刺激力度更大，居民退出劳动力市场的意愿可能也更强，这是两国劳动参与率恢复程度差异的第二个潜在解释。
第三个解ⓥ释是新Τ冠疫情，这个颇具争议。
一些研究将劳动供给不足归因于新冠感染的后遗症即长新冠（long-coÑvid）以及劳动者对于反复感染的担忧，部分劳动力彻底退出了就业市场。根据中国日报网报导，长新 冠Ö（long-covid）导致200-400万美国人无法工作。
但实际上，澳大利亚⇒和美国均出现了大范围的感染，澳大利亚的新冠总感染率甚至高于美国。截至2022ੋ年9月末，澳大利亚总感染率（累计♨新增/国内人口）为39.8%，美国总感染率为28.3%，所以仅用总感染率水平并不能解释美国和澳大利亚的劳动参与率差异。
真正的问题是，美国的总感染率虽然更低，但是在前几轮新冠大流行期间的感染率更高，而澳大利亚主要是在奥密克戎株大流行期间的感染率高。澳大利亚在奥ćb;密克戎之前的三轮大流行期间（原始株、阿尔法株、德尔塔”株），感染率仅为0.1%、0.01%和0.7%，而美国前三轮的感染率为2.7%、7.3%和4.4%。直到奥密克戎流行时，澳大利亚的管控力度才有所放松，感染率达到了39.4%，而美国在奥密克戎期间的感染率只有14.4%。
由于每一轮新冠流行株的致死率和后遗症存在差异，因此不能Ü简单用新冠总感染率来解释£劳动参与率的差异，而要考虑每一轮新°冠大流行期间的感染率。
三³、关于劳动参与率影响因素的实证√░研究
截止目前为止，我们至少发现了劳动⁄人口年龄结构、财政刺激力度、经济增长表现以及每一轮新冠流行毒株感染率等因素，都Ι可能影响到ι疫后劳动供给或劳动参与率的恢复情况。
为了更好分析以上因素对劳动参与率的影响，我们构建了实证回归模型，其中被解释变量为劳动参与率，解释变量包括新冠感染率、GDP增速、人口年≥¨龄、政·府杠杆率、居民杠杆率。同时，我们设置了四个疫情虚拟变量来区分不同流行毒株对于劳动参与率的影响。
我们用了12个国家的数据作为样本，涵盖了五个大陆和不同发展水平（美国、英国、法国、意大利、希◘腊、奥地利、澳大利亚、加拿大、日本、韩国、菲律宾、阿根廷），也考虑到了数据质量和可得性，时间跨度为2019年1季度Μ至2022年1季度。为了区分国别效应，经过豪斯曼检验后采用a1;了固定效应模型。
૩
Ċa;实证π结果如下：
第一，年龄对劳动参与率有负È面影响，但并不Ν显著。年龄对劳动参与率的影响方向与前文推断一致，即劳动人口老龄化会导致劳动参与率Ε下降，结果不显著的原因可能是年龄结构的原始数据频度较低（对年度数据插值降频为季度），导致模型结果的显著性下降。
第二，经济增长∞对劳动参与率有显著的正向影响。经济快速修ઞ复时，劳动力市场需求旺盛，求职难度降低，薪资待遇提高，从而带动劳动参与率的回升。如上文所提及，疫情后影Ø子劳动力（因经济原因等被动退出劳动力市场的适龄人群）对劳动参与率的拖累逐步降低。
第三，财⇓政补贴（政府杠杆率/财政支出同比）对劳动参与率具有负面影响，但不显著。我们认♣为疫情期间的财政补贴只是给居民部门的一次性转移支付，老龄就业人口可能在获得该笔额外收入后会提前退出劳动力市场，但是对于大部分适龄就业人口而言，暂时性的转移支付只会拉长回归劳动力市场的时间，并不足以让他们±彻底退出劳动力市场。
第四，居民杠杆率对劳动参与率有正面影响，显ਪ著度较弱。这一点ફ与政府部门杠杆率的影响相对应，即居民部门负债上升时，往往有更࠷强的意愿回归劳动力市场以赚取收入。
四、新冠感染是不是劳动力શ下降的元凶？
新冠感染是否会造δ成劳动参与率下降？这是最重要也…是最有争议的问题。
我们的实证研究结果发现，∃过去四轮新冠大∉流行感染率对劳动参与率的Â影响方向均为负，但是显著性逐轮降低。
模型结વ果显示，感染新冠原始株和阿尔法株，对于劳动参与率都具有显著的负向影响，且原始株感染率的显著度更高。但是感染德尔塔株和奥密克戎株，对于劳动参Η与率的影ⓗ响不具有显著性。
从模型结果看，奥密克戎对劳动参与率的影响很弱，总感染率对劳动参与率的影响也不显著，这与毒株感染率的影响逐渐减弱有关。这个结⌋果解释了为什么从2021年末开始以ਫ਼澳大利亚、韩国、意大利为代表的一些国家感染率大幅上升，但劳动参与率也在稳步修复。
新冠感染率对劳动参ࢮ与率的影响逐轮下降，原因可能是随着毒株传染性不断提高，致死率逐渐降低，对劳动力市场的影响也在降低。研究表明，2020年原始毒株的R0约为2.5，阿尔法毒株为4-5，德尔塔为5-8，奥密克戎则在9.5以上。原始毒株期间（2020年10月之前）WHO口径全球累计死亡率为2Õ.7%（最高为7.6%），奥密克戎期间（2021年12月-2022年1ϒ0月）死亡率为0.37%。
同时，随着毒株变种以及推广疫苗接种，居民感染后出现后遗症的概率也在下降。2021年1月英国研究数据显示，未接种疫苗的居民感染新冠后的12周里ਨ，出现后遗症的概率为1૩4.6%，在接种两针疫苗后概率下降到9.5%（这一时期的毒株主要是德尔塔）。2022年7月英国更新调查数据后的结果显示，接种两针疫苗的人感染德尔塔毒株/奥密克戎BA.1毒株后，出现后遗症的概率为9.2%/4%；接种ⓕ三针后，概率则为5%/4.5%。
随着毒株致死率和出现后遗症的概率降低，新冠对劳动力市场的影响也发生了明显变化。从样本国家数据的结果来看，原始株感染率与劳动参与率存在明显的负相关，两者简单线性回归€的R方为0.46。而在阿尔Κ法株、德尔塔株、奥密克戎株流动期间，各国劳动参与率与感染率简单线性回归的R方仅有0.001、0.02、0.14，即两者之间并不存在简单的线性相关性。
☞总的来说，海外数据实证结果显示本轮劳♧动参与率的下滑主要与原始株感染率和阿尔法株感染率有关，奥密克戎对劳动参与率不存在显著影响。另外财政转移支付对劳动参与率下滑的影响偏短期，经济好转能够更快地推Ó动劳动参与率修复。
最后，本文ⓠ对劳动参与率的影响因素、劳动参与率与疫情之间的关ੋ系等分析还存在一定缺陷，一是出于数据可得性等方面的考虑，样本数据仅包含了12个国家，实证结果是否具有广泛દ意义上的适用性还有待进一步验证；二是模型目前的主要控制变量仅有5个，可能存在其他变量会对劳动参与率产生影响，这一点也需要后续研究来进一步扩充。
风ઍ险提示ô
文章样本数据有限，实证结果存在一定局限性；ⓒ主要控制变量不足ï导致实证ચ结果存在偏差的风险；海外疫情演变超预期的风险
ⓡ 团队介⇐绍
બ宋雪涛ਜ਼ |♫ 宏观首席研究员
中证协培训讲师，保险资管业协会百人。美国北卡州立大学经济学博士。曾任人民银行研究局访问研究员，CF40特邀研究员，发表有CFભ40专著、学术论文、央行工作论文等。2018、2019、2020年金牛奖全市场最具价值分析师（前15名），2021年金牛奖最佳分析师（第3），2020、2021年Wind金牌分析师（第3）、上证报最佳分析师（第5），2019、2020、2021年新浪金麒麟分析师，2020年21世纪金牌分析师（第5），2020、2021年入围新财富最佳分析师。
向静ƒ姝 | 研究员
曾任职于英仕曼投资旗下∏核心量化对冲基金AHL。伦敦商学院Ād;硕士。主要负责美国经济、全球央行和美股美债研究。
ćb;林હ 彦 | 研究员
曾任职于弘尚资ਮ产 （红杉资本在中国的证券资产管▦理平台）量化投研部门，负责商品期货投资条线。武汉大学金融工程硕士，主要负责大类资产配置和基本面量化研究。
郭微微 | 助♧理研究员
武汉大学金融学硕士，主要负责ESG、产业政Π策⇔、行业专μ题研究。
张 ર 伟 |" 研究员
对外经济贸易大学金融à学硕士，主要负ⓐ责经济政策和利率研究。ૠ
孙永乐 |Ï 研究员
中央财经大学产૧业经济学硕士，主要负责国内∃宏观经济和货币ઞ流动性研究。
੧
દ
24小时滚动播报最新的财经资讯和视频ੑ，更多粉丝福利扫描二维码关注（sinafࣻinance）
新浪财经ઝ意见反馈留થ言板
•
All Rights Reserved 新浪公司 版权所有ⓝ
