外商直接投资对中国就业结构优化的影响研究

A Study on the Impact of Foreign Direct Investment on the Optimization of China’s Employment Structure

摘要: 外商直接投资是推进高水平对外开放的重要力量。本文以国务院审议通过的《2025年稳外资行动方案》为背景，基于1996~2023年中国大陆31个省、自治区、直辖市的地级及以上城市的面板数据，实证检验外商直接投资(FDI)对中国就业结构优化的影响。结果表明，FDI显著促进就业结构优化，该结论经稳健性检验后仍成立。机制检验揭示FDI能通过产业结构升级、产业结构整体升级与产业结构高级化为优化就业结构提供重要支撑。异质性分析发现其效果存在区域差异，东部显著、中西部滞后。文章旨在丰富相关理论体系，为相关部门优化外资相关政策、完善引资布局、提升劳动者技能、促进就业质量提供参考。

Abstract: Foreign Direct Investment is a key driver of advancing high-level opening-up in China. Against the backdrop of the 2025 Action Plan for Stabilizing Foreign Investment approved by the State Council, this paper uses panel data from prefecture-level and above cities in 31 provinces, autonomous regions, and municipalities directly under the Central Government in mainland China spanning 1996~2023 to empirically examine the impact of FDI on the optimization of China’s employment structure. The results indicate that FDI significantly promotes employment structure optimization, and this conclusion remains robust after rigorous robustness tests. Mechanism analysis reveals that FDI supports employment structure optimization through industrial structure upgrading—specifically, by driving overall industrial structure upgrading and advancing industrial structure to higher value-added sectors. Heterogeneity analysis further uncovers regional disparities: the positive effects of FDI are pronounced in the eastern region but lag behind in the central and western regions. This study aims to enrich the relevant theoretical framework and provide practical references for relevant authorities to optimize foreign investment policies, improve the layout of foreign investment attraction, enhance workers’ skills, and elevate employment quality.

1. 引言

2025年2月10日，国务院常务会议审议通过《2025年稳外资行动方案》，明确外商投资是高水平对外开放的重要内容，对发展新质生产力、实现中国式现代化具有重要作用。全球经贸格局重构与经济发展背景下，需厘清FDI在区域异质性、产业属性与制度环境差异下的结构化就业效应，破解稳就业规模与促就业质量升级的协同困境，为“服务业扩大开放”“外资准入负面清单精简”等提供参考。本文基于该方案，构建“产业升级–区域协同–质量提升”分析框架，旨在揭示FDI影响就业结构优化的机制与区域特征，为外资配置、引资布局及推进高质量就业提供相关建议，助力就业结构均衡优化与经济高质量发展。

国内研究一致表明，FDI对就业的影响呈多维度特征且区域差异显著。就业数量方面，蒋欣(2012)以河北为例，发现FDI既通过外商投资企业创造大量岗位，又依托产业链联动拉动就业增长[1]。就业结构层面，陈勇兵等(2024)指出其具有双重性——既通过技术溢出与产业关联推动结构优化，也因竞争加剧引发结构性调整损失[2]。就业质量方面，赵文亮、李智宇(2025)证实现阶段FDI总体产生正向影响，且溢出效应强于竞争效应[3]。而区域差异表现为东部FDI显著提升企业就业技能结构，而中西部则反之(刘荣添、林峰，2005) [4]。

国外研究普遍认为FDI对母国就业存在多维度的显著正面效应。就业数量角度，Lipsey (2002)基于日本、美国和瑞典证实FDI显著促进母国就业增长[5]。就业质量层面，Debaere (2011)指出FDI通过技术溢出效应，提升母国企业就业质量，同时强化就业增长动能[6]。就业区位分布上，Masso和Vadi (2014)揭示，流向低劳动力成本转型经济体的FDI对母国就业区位结构产生显著正向影响[7]。

现有研究主要采用实证分析、分布滞后模型及双重差分法，更关注具体地区就业效应差异，或侧重母国总体影响。存在以下不足：理论框架较为浅显，数据时间跨度短且样本量小，区域深入分析不足，对动态效应及长期影响的跟踪研究不够。本文选取1996~2023年中国大陆31个省、自治区、直辖市的地级及以上城市的面板数据，深入分析FDI对就业结构优化的区域差异，为推动就业结构的均衡优化和经济高质量发展提供理论依据。研究的边际贡献有：第一，从技术创新、产业升级、区域转移系统分析FDI影响机制，丰富相关理论体系，为后续研究提供新视角与框架；第二，采用动态面板数据模型及多种稳健性检验，提升研究科学性与严谨性，为同类研究提供实证范例；第三，通过分析区域差异并提出针对性建议，为相关部门优化外资相关政策、完善引资布局、提升劳动者技能水平、促进就业质量改善提供参考。

2. 理论分析与研究假设

王小鲁、樊纲(2004)提出，FDI通过促进产业结构升级(如提高劳动生产率、创造更多高技能岗位)间接优化就业结构[8]。Rong等(2020)基于中国省级数据研究证实FDI显著提升就业增长预期[9]。赵晓梅、刘玮(2022)进一步以京津冀为例，揭示FDI通过行业竞合、技术示范与人才流动三大效应直接催生高技能岗位，并依托产业链联动间接扩大就业规模，从而系统性提升生产效率与就业质量[10]。基于此，提出以下假设：

假设H1：外商直接投资对就业结构优化具有促进效应。

产业结构升级是就业结构优化的核心驱动因素。王琢卓、韩峰(2020)指出其通过创造高质量就业岗位优化就业结构[11]。李杨、车丽波(2021)补充强调产业升级同步提升劳动生产率与劳动者技能水平，从而强化这一效应[12]。从FDI驱动作用看，丰志茹(2024)证实FDI通过引入先进技术与管理经验显著促进产业结构升级[13]；吴荃(2025)进一步揭示FDI的技术溢出效应——通过技术转移、管理革新和产业链协同直接驱动区域产业向高端制造与现代服务业转型，成为升级的核心引擎[14]。基于此，提出以下假设：

假设H2a：外商直接投资通过促进产业结构升级来优化就业结构。

产业结构整体升级是就业结构优化的重要路径。王小鲁和樊纲(2004)早期研究即揭示第三产业比重上升对就业的拉动作用最突出，显著优化就业结构[8]。任妍、章磷(2009)进一步论证FDI通过资本供给、传统产业竞争优化及产业关联三大效应催化产业结构调整升级，尤其强化第三产业就业拉动能力[15]。唐艳(2011)补充指出FDI通过资源质量优化与技术转移溢出双通道，成为驱动产业整体升级的核心动能[16]。基于此，提出以下假设：

假设H2b：外商直接投资通过推动产业结构的整体升级来优化就业结构。

产业结构高级化是就业结构优化的深层次动力。王琢卓和韩峰(2020)阐明其通过引导生产要素流向资本、技术密集型产业，增加高技能岗位需求、推动就业向高端化转型[11]。从FDI催化机制看，吕玲玲(2016)认为吸收FDI通过扩大产业规模、提高技术水平、优化就业结构等途径，显著提升产业高级化水平[17]；张聪和樊楚瑶(2020)的实证进一步揭示FDI对产业结构高级化的促进效应在短期和长期内均存在，且长期内的作用更为明显[18]。基于此，提出以下假设：

假设H2c：外商直接投资通过促进产业结构高级化来优化就业结构。

现有研究普遍认为，FDI对就业结构优化的影响存在显著区域异质性。刘辉群和王洋(2011)研究表明，东部等经济发达地区凭借产业配套优势更易吸收FDI的技术溢出效应，就业结构优化效果显著，而中西部受限于产业基础薄弱导致FDI贡献较弱[19]。蒋欣(2012)进一步强调，区域差异源于政策与人才梯度，提出东部通过优惠政策和强人才支撑强化就业效应[1]；李杨和车丽波(2021)据此认为，中西部若加强政策支持与人才培养，可提升FDI的就业促进作用[12]。基于此，提出以下假设：

假设H3：外商直接投资对就业结构优化的影响在不同地区存在差异。

3. 研究设计

3.1. 样本选择与数据来源

基于数据的可得性及连续性，本文以1996~2023年中国大陆31个省、自治区、直辖市的地级及以上城市的面板数据为研究样本，并经过手工整理，做如下处理：(1) 对于存在少量缺失值的样本，使用线性插补法进行填充；(2) 对于数据获取存在难度且存在大量缺失值的样本，进行剔除。数据来源包括：《中国各城市统计年鉴》《中国科技统计年鉴》和《国家统计局》。

3.2. 变量定义与模型构建

3.2.1. 变量定义

(1) 被解释变量：ES代表就业结构优化水平。本文从就业的产业结构视角出发，采用劳动力在三次产业间的分布来度量就业结构，并参照曾文博(2016)提出的产业结构视角就业结构计算方法，用ES衡量就业结构优化水平[20]，具体计算公式为：

${\text{VP}}_i=\frac{Y_i}{Y}$ (1)

${\text{EP}}_i=\frac{L_i}{L}$ (2)

$\text{ES}=\frac{{\text{VP}}_1}{{\text{EP}}_1}+\frac{{\text{EP}}_3}{{\text{EP}}_2}$ (3)

其中，$Y_i$ 表示第$i\left(i =1、2、3\right)$ 产业产值，Y为总产值；$L_i$ 表示第$i$ 产业就业人数，$L$ 表示总就业人数；${\text{VP}}_i$ 代表第$i$ 产业的产值占比系数；${\text{EP}}_i$ 表示第$i$ 产业的就业人数占比。

本文选取被解释变量ES，合理性在于：一是通过第一产业劳动生产率相对水平(VP₁/EP₁)和第三产业与第二产业就业占比关系(EP₃/EP₂)，可直接反映劳动力在三次产业间的配置效率与转型趋势；二是指标计算融合产值占比与就业占比，既体现产出效率与就业匹配度，又突出第三产业就业扩张的结构升级意义；三是数据可获得性强，指标计算过程透明。但也存在局限性需加以改进，主要在于ES未完全涵盖就业结构的多维度特征、对区域异质性适配不足，指标未充分考量不同区域产业基础的结构性差异等。以上局限也为后续研究提供了拓展方向，未来可通过引入多维度指标、纳入区域产业特征调节因子等方式完善测量框架。

(2) 解释变量：FDI代表外商直接投资。作为衡量外国资本参与东道国经济活动的核心指标，实证研究中，常以“当年实际利用外资额占国内生产总值(GDP)的比重”(当年实际利用外资额需按当年汇率换算为人民币)作为量化指标，数据主要来源于《中国统计年鉴》等官方统计机构发布的资料。

(3) 控制变量：参照现有研究范式，加入一系列用于提升模型准确度的控制变量，包括教育水平(EDU)、财政压力(FIN)、经济发展水平(ECO)、金融发展程度(FDL)、政府干预水平(GOV)、大中型工业企业数量(LME)、人口规模(POP)、商品零售(RSL)、污染处理(PCT)。变量的具体定义与测算方式见表1。

Table 1. Definition and measurement of variables

表1. 变量定义与测算

变量类型	变量符号	变量定义
被解释变量	ES	就业结构优化水平，具体计算方法见公式(1)~(3)
解释变量	FDI	外商直接投资，为当年实际利用外资额与GDP的比值
控制变量	EDU	教育水平，为教育支出与GDP的比值
	FIN	财政压力，为财政收入与财政支出的差值
	ECO	经济发展水平，为人均实际GDP
	FDL	金融发展程度，为各地方金融机构存款余额与GDP的比值
	GOV	政府干预水平，为地方财政支出与GDP的比值
	LME	大中型工业企业数量，为各市规模以上工业企业数量
	POP	人口规模，为户籍人口
	RSL	商品零售，社会消费品零售总额占GDP的比值
	PCT	污染处理，生活垃圾无害化处理率*100

3.2.2. 模型构建

为考察外商直接投资对就业结构优化的具体影响机制，本文构建如式(4)所示的基准回归模型进行检验。其中，i和t分别为省份与年份；Controls为表1所示的一系列控制变量；${\epsilon }_{i,t}$ 为模型的误差：

${\text{ES}}_{i,t}={\phi }_0+{\phi }_1{\text{FDI}}_{i,t}+{\phi }_2{\displaystyle \sum }_i^n{\text{Controls}}_{i,t}+{\mu }_i+v_t+{\epsilon }_{i,t}$ (4)

为考察外商直接投资通过产业结构对就业结构优化的具体影响机制，本文构建如式(5)所示的中介模型进行检验。其中，j和v分别代表省份与年份；Controls为表1所示的一系列控制变量；${\epsilon }_{j,v}$ 为模型的误差：

${\text{FDI}}_{j,v}={\beta }_0+{\beta }_1{\text{IND}}_{j,v}+{\beta }_2{\text{OV}}_{j,v}+{\beta }_3{\text{AIS}}_{i,v}+{\beta }_4{\displaystyle \sum }_I^N{\text{Controls}}_{j,v}+{\epsilon }_{j,v}$ (5)

各变量的数据结构如表2所示，为了提升模型估计的精确性与适用性，确保其能够准确地反映现实意义，在所有的回归方程中同时控制个体固定效应(Id)、年份固定效应(Year)。

Table 2. Descriptive statistics

表2. 描述性统计

变量	N	Mean	Sd	Min	Median	Max
ES	3122	1.747	0.852	0.670	1.561	3.847
FDI	3122	0.016	0.016	0.000	0.010	0.057
ECO	3122	2.741	2.140	0.677	2.101	11.042
FDL	3122	1.198	0.455	0.692	1.082	2.597
GOV	3122	0.170	0.081	0.072	0.148	0.362
EDU	3122	0.183	0.042	0.114	0.183	0.256
FIN	3122	−0.903	0.886	−3.823	−0.565	−0.092
LME	3122	0.721	0.810	0.105	0.456	4.778
POP	3122	4.144	3.074	0.203	3.451	33.752
RSL	3122	0.349	0.101	0.096	0.340	1.013
PCT	3122	74.029	31.327	0.000	89.000	100.000

4. 实证分析

4.1. 基准回归

表3展示了FDI与ES之间关系的基准回归结果，模型(1)汇报了仅带有两种固定效应的回归结果，FDI指标的回归系数为0.951，t值为0.893，并且在5%的水平下显著；模型(2)汇报了加入控制变量的回归结果，FDI指标的回归系数为0.700，并且在1%的水平下显著。这意味着在控制了其他变量的影响后，FDI对就业结构优化具有显著的正面影响，此结论验证了本文假设H1。

Table 3. Benchmark regression of the relationship between employment structure optimization and foreign direct investment

表3. 就业结构优化与外资直接投资之间关系的基准回归

变量	(1)	(2)
	ES	ES
FDI	0.951**	0.700***
	(0.893)	(0.888)
ECO		0.049***
		(0.013)
FDL		−0.003
		(0.063)
GOV		3.311***
		(0.415)
EDU		1.144**
		(0.449)
FIN		0.061**
		(0.027)
LME		−0.270***
		(0.031)
常数项	1.732***	1.083***
	(0.016)	(0.157)
省份固定效应	yes	yes
年份固定效应	yes	yes
${\text{R}}^2$	0.807	0.822
样本量	3115	3115
F统计量	1.134	25.335

注：*、**、***分别表示10%、5%、1%的水平上显著。

4.2. 稳健性检验

为了确保研究结果的可靠性，本研究通过多种方法对核心结论进行稳健性检验：首先，模型(3)通过缩减时间窗口至2008~2023年，发现FDI对ES的正面影响依然显著，表明研究结果对时间跨度具有一定的稳健性；其次，利用模型(4)对样本进行5%的缩尾处理，数据仍能很好地支撑核心结论，说明极端值对结果的影响有限，进一步验证结果的稳健性；再者，在模型(5)中加入其余控制变量，即人口规模(POP)、商品零售(RSL)和污染处理(PCT)，结果显示即使控制了更多的潜在干扰因素，FDI对ES的积极效应仍然存在，增强了我们对这一结论的信心；最后，在模型(6)中对FDI做滞后一期处理，其对ES的影响不再显著，表明FDI对ES的影响具有一定时滞性，说明在实际政策制定中需要考虑FDI的长期效应。结果如表4所示。

Table 4. Results of robustness tests

表4. 稳健性检验结果

变量	(2)	(3)	(4)	(5)	(6)
	ES	ES	ES	ES	ES
FDI	0.700***	1.985**	0.838*	0.458**
	(0.888)	(0.830)	(0.869)	(0.908)
ECO	0.049***	0.092***	0.030**	0.050***	0.031**
	(0.013)	(0.014)	(0.015)	(0.014)	(0.013)
FDL	−0.003	−0.045	−0.100	−0.135*	−0.046
	(0.063)	(0.074)	(0.067)	(0.071)	(0.066)
GOV	3.311***	2.537***	2.985***	3.128***	3.057***
	(0.415)	(0.478)	(0.393)	(0.418)	(0.441)
EDU	1.144**	0.966**	0.989**	1.527**	0.758
	(0.449)	(0.442)	(0.445)	(0.469)	(0.483)
FIN	0.061**	0.016	0.056*	0.015	0.069**
	(0.027)	(0.036)	(0.029)	(0.028)	(0.028)
LME	−0.270***	−0.193***	−0.465***	−0.220***	−0.303***
	(0.031)	(0.028)	(0.042)	(0.031)	(0.037)
POP				−0.239**
				(0.077)
RSL				1.047***
				(0.221)
PCT				0.000
				(0.000)
L.FDI					−0.015**
					(0.931)
常数项	1.083***	1.073***	1.439***	1.741***	1.329***
	(0.157)	(0.143)	(0.162)	(0.362)	(0.170)
省份固定效应	yes	yes	yes	yes	yes
年份固定效应	yes	yes	yes	yes	yes
${\text{R}}^2$	0.822	0.859	0.826	0.826	0.832
样本量	3115	2610	3115	3115	2762
F统计量	25.335	19.978	31.052	21.276	20.206

注：*、**、***分别表示10%、5%、1%的水平上显著。

5. 机制分析

5.1. 产业结构升级(IND)

IND用于衡量产业结构升级情况，以第三产业增加值占地区生产总值(GRP)的比重作为核心指标。从表5的模型(7)和模型(8)回归结果可知，产业结构升级在一定程度上增强了FDI对ES的影响。也就是说，FDI可能借助促进产业结构升级来实现就业结构的优化，这一结论证实了假说H2a。

5.2. 产业结构整体升级(OV)

OV代表产业结构整体升级，计算方法如式(6)所示：

$\text{OV}=\ln \left(\frac{第一产业增加值}{\text{GDP}}*1+\frac{第二产业增加值}{\text{GDP}}*2+\frac{第二产业增加值}{\text{GDP}}*3\right)$ (6)

依据表5中模型(9)和模型(10)的回归结果，产业结构整体升级在FDI与ES之间发挥了促进作用。即FDI通过推动产业结构的全面升级来优化就业结构，此结论证实了假说H2b。

5.3. 产业结构高级化(AIS)

AIS用以体现产业结构高级化程度，以第三产业增加值与第二产业增加值的比值作为衡量指标。根据表5的模型(11)和模型(12)回归结果，FDI对ES的影响部分是通过产业结构高级化实现的。也就是说，FDI可能通过推动产业结构向更高级化方向发展，进而优化就业结构，这一结论证实了假说H2c。

Table 5. Results of mediating variables tests

表5. 中介变量检验结果

变量	(2)	(7)	(8)	(9)	(10)	(11)	(12)
	ES	IND	ES (IND)	OV	ES (OV)	AIS	ES (AIS)
FDI	0.700**	−0.138*	0.786**	−0.094*	0.477*	−2.456***	1.690**
	(0.888)	(0.080)	(0.881)	(0.051)	(0.875)	(0.583)	(0.828)
ECO	0.049***	0.001	0.049***	−0.002**	0.044***	0.023**	0.040**
	(0.013)	(0.001)	(0.013)	(0.001)	(0.013)	(0.008)	(0.013)
FDL	−0.003	0.057***	−0.039	0.011**	0.023	0.367***	−0.151**
	(0.063)	(0.006)	(0.064)	(0.003)	(0.063)	(0.041)	(0.063)
GOV	3.311***	0.002	3.309***	−0.088**	3.101***	0.761**	3.004***
	(0.415)	(0.040)	(0.414)	(0.027)	(0.408)	(0.275)	(0.405)
EDU	1.144**	0.228***	1.000**	0.107***	1.399**	0.734**	0.848*
	(0.449)	(0.037)	(0.451)	(0.023)	(0.444)	(0.233)	(0.434)
FIN	0.061**	0.010***	0.054**	−0.003*	0.054**	0.110***	0.016
	(0.027)	(0.002)	(0.028)	(0.001)	(0.026)	(0.017)	(0.027)
LME	−0.270***	0.001	−0.270***	0.007***	−0.252***	−0.031**	−0.257***
	(0.031)	(0.002)	(0.031)	(0.002)	(0.030)	(0.014)	(0.030)
IND			0.630**
			(0.245)
OV					−2.381***
					(0.416)
AIS							0.403***
							(0.047)
$常数项$	1.083***	0.269***	0.913***	5.375***	13.878***	0.300***	0.962***
	(0.157)	(0.013)	(0.170)	(0.008)	(2.237)	(0.084)	(0.155)
省份固定效应	yes	yes	yes	yes	yes	yes	yes
年份固定效应	yes	yes	yes	yes	yes	yes	yes
${\text{R}}^2$	0.822	0.869	0.822	0.896	0.825	0.837	0.831
样本量	3115	3115	3115	3115	3115	3115	3115
F统计量	25.335	31.319	24.561	10.815	26.294	28.539	31.847

注：*、**、***分别表示10%、5%、1%的水平上显著。

6. 异质性分析

现有研究(刘荣添、林峰，2005；王小鲁、樊纲，2004)指出，FDI对ES的影响存在显著区域差异，东部地区效果更突出，中西部相对滞后[4] [8]。本文通过异质性检验进一步验证假说H3成立(回归结果见表6)：东部FDI对ES有显著正向影响；中部正向影响但显著性弱(或因发展阶段未完全释放FDI作用)；西部呈显著负向影响，反映其面临着一定的挑战。

Table 6. Results of heterogeneity tests

表6. 异质性检验结果

变量	(13)	(14)	(15)
	东部地区	中部地区	西部地区
	ES	ES	ES
FDI	3.606**	1.560*	−4.487**
	(1.158)	(1.455)	(2.197)
ECO	0.030	0.043**	0.047**
	(0.020)	(0.021)	(0.022)
FDL	0.130	0.107	−0.241**
	(0.098)	(0.129)	(0.110)
GOV	1.881*	3.130***	3.652***
	(1.006)	(0.802)	(0.581)
EDU	2.504**	−0.758	3.291***
	(0.877)	(0.621)	(0.870)
FIN	0.059	−0.001	−0.110**
	(0.059)	(0.042)	(0.048)
LME	−0.144***	−0.921***	−0.156
	(0.035)	(0.082)	(0.112)
$常数项$	0.674**	1.606***	0.830**
	(0.260)	(0.246)	(0.286)
省份固定效应	yes	yes	yes
年份固定效应	yes	yes	yes
${\text{R}}^2$	0.867	0.813	0.815
样本量	841	1194	1080
F统计量	9.526	33.904	7.701

注：*、**、***分别表示10%、5%、1%的水平上显著。

7. 结论与建议

本文通过分析证实FDI通过引入先进技术与管理经验，推动传统产业向高端制造、现代服务转型，对就业结构优化具有显著正向影响，且结论具有普遍性与可靠性。但该效应呈现显著的区域性差异：东部地区因经济基础好、政策支持力度大，FDI的正面效应最突出；中部地区处于发展阶段，影响较弱但方向仍为正；西部地区因基础薄弱、政策针对性不足，呈显著负向影响，需采取差异化政策应对。

为发挥FDI积极作用，提出以下建议：一是优化外资政策，聚焦高端制造、现代服务、数字经济等领域，提升政策透明度与稳定性，引导高质量FDI流入促产业升级；二是加强区域协调，强化中西部基建、公共服务与营商环境建设，推动产业转移合作以缩小区域差距；三是推动产业升级，企业加快技术与管理创新，政府加大研发支持及技能培训，适配产业升级需求；四是应对贸易摩擦，加强国际合作推进多边贸易体制改革，企业提升风险管控能力、多元化市场；五是关注劳动者权益，严格劳动法规执行，督促企业履行社会责任，保障工资、环境与社保权益；六是调整产业策略，拓展国际市场、挖掘国内需求，通过财税政策稳就业；七是推动绿色低碳发展，吸引绿色FDI，促进传统产业转型，创造新就业岗位。

本文研究仍存在以下有待完善之处：其一，样本数据存在部分缺失，经线性插补处理后，可能对结果精度产生潜在影响；其二，模型未充分纳入FDI影响就业结构的动态效应与非线性关系，仅聚焦短长期静态影响；其三，区域异质性分析仅覆盖东中西部宏观层面，未深入探讨省内城市间的差异特征；其四，中介变量的动态传导机制分析仍有拓展空间；其五，未充分处理FDI与就业结构优化的内生性问题，尽管核心结论经稳健性检验成立，但受工具变量所需数据可得性限制，未通过工具变量法等开展因果识别，可能削弱结论的因果推断强度。