金融资源配置效率与城镇就业质量的关系研究

Research on the Relationship between the Efficiency of Financial Resource Allocation and the Quality of Urban Employment

摘要: 金融资源作为特殊的社会资源，其合理配置不仅关乎经济的繁荣发展，还对提高城镇就业质量、实现稳就业目标具有重要影响。文章选取2010~2022年我国31个省(市、自治区) (不含港澳台地区)的面板数据，采用DEA-BBC模型和熵权法分别测度金融资源配置效率和城镇就业质量指数，建立双向固定效应模型研究我国的金融资源配置效率与城镇就业质量的关系。研究结果表明：我国金融资源配置效率的提高会提升城镇就业质量且两者存在双向格兰杰因果关系；异质性检验结果表明金融资源配置效率对城镇就业质量的正向促进作用在中部和东部地区表现得更为明显。基于以上研究，文章提出健全金融制度政策保障、优化金融资源配置结构、推动区域金融高效发展等建议，旨在通过优化金融资源配置效率来提升城镇就业质量，实现金融和就业市场协同高效发展。

Abstract: As a special social resource, the rational allocation of financial resources is not only related to the prosperity and development of the economy, but also has an important impact on improving the quality of urban employment and achieving stable employment goals. The article selects panel data from 31 provinces (autonomous regions and municipalities directly under the central government) (excluding Hong Kong, Macau, and Taiwan region) in China from 2010 to 2022, and uses the DEA-BBC model and entropy weight method to measure the efficiency of financial resource allocation and the quality index of urban employment, respectively. A two-way fixed effects model is established to study the relationship between the efficiency of financial resource allocation and the quality of urban employment in China. The research results indicate that the improvement of the efficiency of financial resource allocation in China will enhance the quality of urban employment, and the two have a bidirectional Granger causality relationship; The heterogeneity test results indicate that the positive promotion effect of financial resource allocation efficiency on urban employment quality is more pronounced in the central and eastern regions. Based on the above research, the article proposes suggestions such as improving financial system policy guarantees, optimizing financial resource allocation structure, and promoting efficient regional financial development. The aim is to improve the quality of urban employment and achieve coordinated and efficient development of finance and employment markets by optimizing the efficiency of financial resource allocation.

1. 引言

为缓解我国当前面临的就业压力，实现稳就业发展目标，2024年9月25日中共中央、国务院发布《关于实施就业优先战略促进高质量充分就业的意见》，明确提出要“推动经济社会发展与就业促进协调联动”。在新时代转型发展阶段，提升就业质量，改善民生福祉，推动我国经济高质量发展，既是金融机构服务实体经济的核心使命，也是未来金融发展的重要方向。

当前，国内外环境复杂多变，风险挑战增多，国内经济正处在结构调整转型的关键阶段，各种矛盾此起彼伏、相互交织，为此，中央政治局召开重要会议，提出一系列的政策措施，极大地增强了市场的信心和活力。2025年1月17日，国家统计局发布数据显示2024年全国城镇调查失业率稳中有降，为5.1%，同比下降0.1个百分点，就业形势保持基本稳定，但当前就业存在的结构性矛盾仍比较突出，青年等部分群体就业还面临困难和压力。在此背景下，研究影响就业的深层次原因，找出改善我国就业市场现状的方法就显得尤为重要。

随着我国经济发展进入新阶段，金融行业的发展面临众多机遇和挑战，金融资源有效配置发挥着日益重要的作用。目前，随着经济发展速度的加快和发展规模的不断扩大，出现了生产过剩、资源浪费等一系列的问题，在这样的情况下，政府采取了一系列行之有效的措施，促进了金融服务逐渐覆盖到普惠领域、乡村振兴和中小微企业，为经济发展注入了新的活力。然而，在我国的目前的金融市场上，还存在很多问题，如金融资源配置存在结构性矛盾、区域配置不平衡、配置效率低、金融错配等问题突出，导致资源浪费，从而导致区域与行业之间的发展不平衡，企业的生产率下降，进而影响到经济的发展与就业质量的提升。因此，研究金融资源配置与城镇就业质量之间的关系就显得尤为重要。

本文的边际贡献在于以下三点：第一，在研究视角上，本文把金融领域与就业市场相结合，研究我国金融资源配置效率与城镇就业质量的关系，不仅拓展了就业领域相关研究，也为合理配置金融资源和提升就业质量提供了理论经验。第二，在研究方法和样本上，运用DEA-BBC模型和熵权法对全国各省份的金融资源配置效率和城镇就业质量进行测度分析，可以更好地比较区域差异性；研究样本选取2010~2022年间全国31个省(市、自治区) (不含港澳台地区)面板数据，数据样本更大，更具说服力。第三，在研究内容上，用城镇就业质量衡量我国的就业现状，更加全面可靠，为提升城镇就业质量提供可行性路径。

2. 文献综述

(一) 城镇就业质量的内涵及影响因素研究

就业质量内涵的演进可追溯到“体面劳动”这一概念，是由国际劳工组织于1999年提出的，确立了保护劳动者权利、收入充足、社会保护和工作岗位充分等多维度标准。我国学者在此基础上，结合转型期劳动力市场特征，逐渐构建了本土化的就业质量分析体系。早期研究认为就业质量是劳动者与生产资料结合效能及其经济回报水平的综合体现[1]。随着研究深化，学者们拓展了观测维度：从劳动条件[2]、技能适配性[3]等客观维度，延伸到劳动力供需动态[4]等市场结构因素。值得关注的是许长新和凌珑[5]突破传统物质指标约束，开创性提出“就业质量本质上是劳动者在职业活动中获取多维福祉的主观感知”，这一视角转变使研究范式从客体衡量转向主客观融合分析。

现代劳动力市场理论表明，就业水平是多种影响因素动态博弈的结果。经济增长作为基础性驱动力，其就业促进效应呈现显著的非线性特征[6]。而刘书祥等[7]研究发现，经济增长对总就业人数的增长有显著的正向作用，但是纯技术进步却对就业产生了比较明显的负面作用，而当前的技术效率提高并不能促进就业。吴克明和欧阳奥琪[8]、Woosik P等[9]认为根据人力资本理论，企业的人力资本发展状况直接关系到企业的就业质量。孟晓辉[10]采用实证研究的方法，选择我国上市企业2009年至2022年的相关数据进行实证分析发现减税降费政策确实可以显著地促进企业吸纳就业。

(二) 金融资源配置的内涵及影响因素研究

现代金融资源配置理论的构建始于美国经济学家Gold Smith [11]的开创性研究，不仅从总量测度层面上将金融资源定义为金融资产的数量，还从结构视角层面上阐述了直接和间接两种不同资源配置的差异性。在此基础上。我国学者白钦先[12]分别从三个层面对金融资源的含义进行了全面的阐释，包括基本的核心金融资源、实体性的中间金融资源以及整个功能的高级金融资源。王振山[13]将帕累托最优引入该研究中，认为金融效率是指金融资源的帕累托最优配置状态，是社会全部可利用的金融资源都达到最优配置。吴程琳[14]认为金融资源配置效率一方面是指把金融资源的一方作为资源配置的对象时扩大产出，提高金融运行中的成本收益比，另一方面是在金融资源充当配置其他资源的手段时充分发挥对社会其他资源的再配置能力，实现资源配置的最大利用。

国内外学者研究发现，金融错配会带来诸多负面影响。例如价格扭曲和金融资源配置不当[15]，以及金融摩擦和企业资金的转移困难[16]等将会影响企业的生产率，导致企业无法扩大生产规模。Burak [17]通过建立双重边际效应框架，研究发现企业资本与劳动要素投入比受金融市场与资本之间关系的影响，劳动力要素需求与融资难度成正比。杨伟鸽[18]基于托宾Q值修正模型研究金融资源错配和企业创新问题时发现，金融错配将抑制企业主体的研发投入，从而导致企业的创新能力下降，进而对企业的生存环境产生不利影响。朱映惠[19]通过构建异质性企业约束下的Cobb-Douglas生产函数，研究发现金融资源配置效率的提高，能缓解区域和产业发展的非均衡性，从而达成优化供给体系的目标。

(三) 金融发展与就业关系研究

通过对已有文献分析发现，金融发展对就业既有直接影响，也有间接影响。直接影响主要表现为在金融发展的进程中，金融机构持续扩张，创造出了许多就业机会，因此吸收了更多的劳动力，提高了就业。间接影响主要表现在就业通过技术进步、经济增长和产业结构升级导致就业数量增加和就业结构变化。

目前国外学者关于金融发展和就业之间关系的研究多集中在金融可得性上，E.S. Shaw [20]认为金融资产收益率通过推动金融产业和相关产业的发展影响就业。Acemoglu [21]则认为融资约束对创新企业的发展起到了一定的制约作用，进而促进了对劳动市场的需求，促进了就业的增长。Rousseau [15]指出企业通过发行证券进行直接融资而降低的成本可以弥补企业人员变动的成本，进而提高员工的就业率。Pagano [22]通过实证结果分析发现金融发展会通过影响就业数量、工资调整、生产率变动等因素影响就业。

在我国，也有学者对金融发展与就业的关系进行了探讨。如刘艳丽[23]通过对河南省进行实证分析，发现金融发展对河南省就业的拉动效应，并提出了缓解金融资源错配的政策建议。李巍和蔡纯[24]研究发现经济发达和协同发展的地区对就业增长的贡献更大。唐时达和巴曙松[25]从我国的金融结构和劳动力市场特征两个方面分析了我国经济发展中存在的问题，发现增加市场化融资有利于促进我国就业。杨恺钧[26]通过对东部11省市的实证分析，得出了金融业发展规模对产业结构的提升具有积极的促进作用。晋盛武和章香香[27]研究发现金融集聚程度、金融发展规模、金融发展效率等因素都会对我国金融业就业产生积极影响，而金融聚集与金融发展规模、金融发展效率的相互影响，可以有效地提升我国金融业就业水平。高子涵[28]通过构建劳动力市场供求模型进行实证分析，结果表明，我国的金融发展水平与就业水平存在显著的正相关关系。随着金融发展和就业的关系研究的深入，两者之间的影响机理及作用机制逐渐清晰，这丰富了本文写作的理论认知。

(四) 文献评述

当前，对金融资源配置效率问题的研究主要集中在微观层面，而对资源错配和金融资源配置效率测算的研究相对较多。然而，对金融资源配置效率和就业质量的研究却很少。在此基础上，将金融资源配置效率与城镇就业质量进行对比分析，既有理论价值，也有实践价值。另外，由于我国东、中、西部地区的就业结构和地区间发展水平存在差异，本文拟从地区层面引入异质性分析，研究不同地区间的金融资源配置效率如何影响城镇就业质量。

3. 理论分析与研究假说

金融资源是一个国家经济发展中不可或缺的一部分，它不仅服务于实体经济的发展，还对社会的就业产生深远的影响。基于金融功能理论(R. Merton, Z. Bodie, 1993)，金融体系通过相对稳定的功能实现资源优化配置与服务实体经济两大核心价值——既借助信贷、债券等工具将社会闲散资金按效益最大化原则分配，改善投资效率并为实体经济注入动力，又通过提供融资投资渠道夯实实体经济发展基础，同时依托金融机构运营与从业者服务催生多元化就业岗位、推动就业结构演变，而这一过程中金融效率的提升将通过三大核心渠道作用于就业质量。从信贷可得性来看，金融效率提升将降低金融机构信贷筛选成本，使中小企业、创新型企业等获得更多信贷支持，企业可借此扩大生产或投入研发，进而优化用工策略、提高薪酬水平、增加社会保障投入，最终改善就业质量；从企业融资成本来看，金融效率提升会通过减少信息不对称、降低金融机构运营成本，降低企业融资利率，减少企业融资成本，企业利润空间扩大后更愿意将资金投入人力资本，从而提升就业稳定性；从风险分散来看，金融效率提升会丰富期货、信用保险等风险分散工具，帮助企业对冲经营风险，经营稳定性增强使企业无需通过裁员降薪应对危机，进而稳定用工策略、稳定甚至增加社会保障投入和薪酬待遇，最终提升就业质量。故本文提出以下假设：

H₀：金融资源配置效率的提高会提升城镇就业质量。

长期以来，我国区域间金融资源配置效率存在显著差异，特别是东、中、西部地区在金融资源配置效率上的显著差异，会因区域产业结构与金融深化程度的异质性进一步放大对城镇就业质量的影响差异，进而加剧经济发展的不平衡现象。中部地区金融深化程度处于“中等水平”，既未形成东部金融资源相对饱和的格局，又具备一定金融基础，金融效率提升能产生更强边际效应，可快速缓解传统制造业与农业产业化企业的资金约束，催生大量稳定用工需求，加之其产业结构用工弹性高，且依托“中部崛起战略”实现金融资源对实体经济的“精准滴灌”，避免资源流向虚拟经济稀释效应，最终形成金融效率向就业质量的高效转化；东部地区虽金融深化程度高，但金融资源已相对饱和，效率提升的边际效应递减，且其产业结构存在双重制约——高技术制造业的技术替代会减少低端用工需求，高端服务业新增岗位有限，同时就业质量基数高导致增量改善空间小，叠加部分金融资源“脱实向虚”流向房地产与金融衍生品领域，进一步削弱了就业带动效应；西部地区金融深化程度最低，金融机构覆盖不足、工具匮乏使效率提升难以切实缓解企业融资约束，且“资源依赖型 + 低端服务型”产业结构就业带动能力弱，再加上人才流失与基础设施不足的制约，导致金融效率对就业质量的影响最弱。因此，本文提出以下假设：

H₁：金融资源配置效率对城镇就业质量的影响具有地区异质性。

4. 研究设计

(一) 模型设定

考虑到我国各省(市)经济发展及金融资源分布不均衡的情况，研究结论容易受到地区和年份的影响，且Hausman检验显示应选择固定效应模型，因此建立双向固定效应回归模型来测算金融资源配置效率对城镇就业质量的影响：

${\text{QOE}}_{it}={\alpha }_0+{\alpha }_1{\text{Fin}}_{it}+{\displaystyle {\sum }_{j=2}^5{\alpha }_j}{\text{Control}}_{ij}+{\lambda }_i+{\mu }_t+{\epsilon }_{it}$ (1)

参考黄碧薇[29]的研究，使用DEA-BBC模型测算金融资源配置效率指数${\text{Fin}}_{it}$ ，${\text{QOE}}_{it}$ 为城镇就业质量指数。系数${\alpha }_1$ 表示各地区金融资源配置效率对城镇就业率的影响程度。${\lambda }_i$ 和${\mu }_t$ 分别表示地区固定效应和年份固定效应。${\text{Control}}_{ij}$ 为一组控制变量，${\epsilon }_{it}$ 为随机扰动项。

(二) 数据来源

本文从理论和实证两方面研究金融资源配置效率与城镇就业质量之间的关系，探究金融资源配置效率的提升能否促进我国城镇就业质量的提高以及两者是否有因果关系。本文选取的研究数据来源于《中国统计年鉴》以及各省(市)统计年鉴、《中国金融年鉴》《中国城市统计年鉴》、国家统计局等。使用的软件为Stata18、SPSS和DEAP2.1。

(三) 变量选取

1) 被解释变量指标的构建

本文选取金融机构年底贷款余额、保费收入、非私营单位金融业就业人数、地区财政支出作为投入指标，选取金融业增加值和地区生产总值作为产出指标，通过DEA-BBC模型对中国金融资源配置效率进行测算，指标选取见表1。

Table 1. Construction of financial resource allocation efficiency indicators

表1. 金融资源配置效率指标构建

变量名称	一级指标	二级指标或衡量方法
金融资源配置效率(Fin)	投入指标	金融机构年底贷款余额
		保费收入
		非私营单位金融业就业人数
		地区财政支出
	产出指标	金融业增加值
		地区生产总值

2) 解释变量指标的构建

就业质量是综合性的概念，要准确地衡量就业质量，首先要建立一套科学、完整、具有可操作性的评估指标体系，然后才能对其进行准确的量化。本文参考谭永生[3]、孔微巍等[30]的做法，将就业质量指标体系构建为四个维度：就业能力、工作待遇、就业状态、就业与社会保障。每个维度又分别选取2~5个二级指标，共计12个二级指标，各指标选取如表2所示。

Table 2. Construction of urban employment quality indicators

表2. 城镇就业质量指标构建

变量名称	一级指标	二级指标或衡量方法	指标方向
就业质量(QOE)	就业能力	人均教育经费	+
		教育经费支出/地区生产总值	+
	工作待遇	在岗职工平均工资	+
		工资总额占GDP的比重	+
	就业状态	城镇登记失业率	−
		第三产业就业人数占比	+
		第二产业就业人数占比	+
	就业与社会保障	社会养老保险参保率	+
		医疗保险参保率	+
		失业保险参保率	+
		工伤保险参保率	+
		工伤事故发生率	−

3) 控制变量的选取

为缓解因遗漏变量带来的内生性问题，本文将选择的控制变量如下：

参考黄碧薇[30]的研究，将城镇化水平(Urban)定义为城镇常住人口占地区常住总人口的比重，采用ln(1 + 高中在校生总数占地区常住总人口的比重)测度人力资本积累水平(Hum)。借鉴胡荣阳[31]的研究，将教育支出占财政支出的比重作为衡量教育投入力度(Edu)的指标。参考张作成和张争妍[32]的研究，用财政支出占当年GDP的比重表示政府规制(GI)，衡量地方政府在经济活动中的作用，各控制变量如表3所示。

Table 3. Selection of control variables

表3. 控制变量选取

变量名称	符号表示	衡量方法
城镇化水平	Urban	地区城镇常住人口/地区常住总人口
人力资本积累	Hum	ln(1 + 高中在校生总数占地区常住总人口的比重)
教育投入力度	Edu	教育支出/财政支出
政府规制	GI	财政支出/当年GDP

(四) 描述性统计分析

首先对全部样本数据进行描述性统计，如表4所示，对全样本进行描述性统计的结果主要展现了样本数据的样本量、最小值、最大值、均值和标准差。

Table 4. Descriptive statistics of each variable

表4. 各变量描述性统计结果

Variable	Obs	Mean	Std. Dev.	Min	Max
QOE	403	38.958	17.732	0	100
Fin	403	0.862	0.129	0.449	1
Edu	403	0.208	0.263	0.005	2.540
GI	403	0.286	0.204	0.105	1.354
Hum	403	7.854	0.314	6.990	8.730
Urban	403	58.535	13.295	22.650	89.580

表中结果显示，样本量均为403，为大样本。金融资源配置效率(Fin)的标准差为0.129，平均值为0.862，说明各地级市之间的金融资源配置效率差异不大。城镇就业质量指数(QOE)的平均值为38.958，标准差为17.732，说明中国各省份的城镇就业质量差异较大。在控制变量当中，城镇化水平(Urban)的最大值和最小值差值较大，说明中国各省(市)的城镇化水平地区间发展较不平衡，其他三个控制变量的的标准差均较小，说明各地区间差异不大。

5. 实证分析

(一) 基准回归模型结果及分析

根据前文选取的模型进行回归，回归结果如表5所示，金融资源配置效率的系数在1%的水平下显著为正，这说明我国金融资源配置效率对城镇就业质量有显著的促进作用，验证了假设H₀。在其他条件不变的情况下，金融资源配置效率每增加一个百分点，城镇就业质量大约增加8.848个百分点。在控制变量中，城镇化水平的影响为正且在1%的水平下显著，说明一个地区的城镇化水平越高，该地区的就业质量越高；教育投入力度的系数为正但不显著，说明教育投入力度的提升对就业质量的提高具有促进作用；政府规制是指政府财政支出的力度，政府规制的系数为正说明其对我国城镇就业质量具有促进作用；人力资本积累的系数为负且在5%的水平下显著，说明普通高校毕业生人数越多，会对城镇就业质量产生负向影响，这可能与劳动力市场供需失衡、人力资源错配等因素有关。

(二) 异质性分析

鉴于我国各省(市)地区发展水平不均衡的现状，金融资源配置效率对城镇就业质量的促进作用可能存在地区异质性，因此本文参照国家统计局的划分，将中国31个省(市)分为东、中、西部地区，东部地区包括北京、天津等11个省(市)；中部地区包括安徽、河南等8个省；西部地区包括甘肃、广西等12个省(市)。分别对东、中、西部地区进行回归分析，具体结果如表6所示。

结果显示，东、中、西部地区金融资源配置效率对城镇就业质量的影响均为正，但对中部地区的影响更大且在10%的水平上显著，对东部地区的影响为8.914且在5%的水平下显著，而对西部地区的影响较小且不显著。总的来说，在分区域的样本回归下，金融资源配置效率对城镇就业质量呈现正向促进作用，并且金融资源配置效率对城镇就业质量的正向促进作用在中部和东部地区表现得尤为明显，从而验证了假设H₁。

Table 5. Benchmark regression results

表5. 基准回归结果

	QOE	QOE	QOE	QOE	QOE
Fin	7.329^***	7.916^***	7.975^***	8.117^***	8.848^***
	(2.619)	(2.552)	(2.552)	(2.556)	(2.570)
Urban		0.520^***	0.517^***	0.523^***	0.697^***
		(0.113)	(0.113)	(0.113)	(0.142)
Edu			0.952	0.858	0.907
			(0.957)	(0.961)	(0.957)
GI				2.569	2.703
				(2.463)	(2.453)
Hum					−5.978^**
					(2.946)
_cons	66.014^***	24.311^***	24.407^***	23.339^**	59.215^***
	(2.686)	(9.436)	(9.437)	(9.491)	(20.050)
Province	YES	YES	YES	YES	YES
Year	YES	YES	YES	YES	YES
N	403	403	403	403	403
R-squared	0.957	0.959	0.960	0.960	0.961

注：表中^***、^**和^*分别表示1%、5%和10%的显著性水平。

Table 6. Heterogeneous regression results

表6. 异质性回归结果

	东部地区 QOE	中部地区 QOE	西部地区 QOE
Fin	8.914^**	13.738^*	2.254
	(4.371)	(7.057)	(5.161)
Urban	0.368^*	−0.238	0.835^*
	(0.214)	(0.160)	(0.470)
Edu	−0.630	3.029	1.187
	(1.790)	(3.649)	(1.423)
GI	14.202	−3.661	2.453
	(9.477)	(10.132)	(3.062)
Hum	−8.299	−0.073	0.030
	(6.061)	(4.537)	(4.777)
_cons	104.705^**	15.334	−21.460
	(45.176)	(29.660)	(35.015)
Province	YES	NO	YES
Year	YES	YES	YES
N	143	104	156
R-squared	0.977	0.883	0.913

注：表中^***、^**和^*分别表示1%、5%和10%的显著性水平。

(三) 格兰杰因果关系检验

为了确切的分析我国金融资源配置效率与城镇就业质量的关系，本文采用格兰杰因果关系检验法对其进行检验。检验结果如表7所示，我国金融资源配置效率与城镇就业质量的双向格兰杰因果关系检验均拒绝原假设，认为金融资源配置效率和城镇就业质量互为双向格兰杰因果关系。

Table 7. Granger causality test results

表7. 格兰杰因果关系检验结果

格兰杰的果	格兰杰的因	Z值	P-value	结论
Fin	QOE	5.6854	0.0000	拒绝
QOE	Fin	8.7200	0.0000	拒绝

(四) 稳健性检验

1) 增加控制变量

为了验证基准回归结果的稳健性，本文增加控制变量劳动力成本(ccost)对模型(1)进行基准回归，以检验金融资源配置效率带来的对城镇就业质量的影响是否与之前的结论一致，其中劳动力成本(Ccost) = ln (1 + 在岗职工平均年度工资)。由表8回归结果可知，在增加控制变量劳动力成本后，金融资源配置效率的系数仍为正，并且通过了1%的显著性检验，这与先前得到的结论一致，说明基准回归结果具有稳健性。

Table 8. Robustness test results with added control variables

表8. 增加控制变量的稳健性检验结果

	QOE
Fin	6.062^**
	(2.587)
Ccost	20.948^***
	(4.794)
Edu	0.848
	(0.934)
GI	1.904
	(2.400)
Hum	−7.479^**
	(2.895)
Urban	0.675^***
	(0.138)
_cons	−156.268^***
	(53.055)
Province	YES
Year	YES
N	403
R-squared	0.958

注：表中^***、^**和^*分别表示1%、5%和10%的显著性水平。

Table 9. The results of the robustness test for the explanatory variables with a one-period lag

表9. 解释变量滞后一期的稳健性检验结果

	QOE
L.Fin	10.814^***
	(2.559)
Urban	0.790^***
	(0.141)
Edu	0.462
	(0.911)
GI	3.850^*
	(2.305)
Hum	−7.491^**
	(2.994)
_cons	64.704^***
	(21.229)
Province	YES
Year	YES
N	372
R-squared	0.965

注：表中^***、^**和^*分别表示1%、5%和10%的显著性水平。

Table 10. Regression results after data winsorization

表10. 数据缩尾处理回归结果

	QOE_w
Fin_w	6.984^**
	(2.64)
Edu_w	1.024
	(0.87)
GI_w	3.271
	(1.30)
Hum_w	−4.451
	(−1.46)
Urban_w	0.591^***
	(4.10)
_cons	55.56^**
	(2.67)
Province	YES
Year	YES
N	403
R-squared	0.958

注：表中^***、^**和^*分别表示1%、5%和10%的显著性水平。

2) 将解释变量滞后一期

金融资源配置效率往往具有不同程度的变化惯性，即上一期的金融资源配置效率会影响之后一期的金融资源配置效率，因此为了克服由此产生的内生性问题，将被解释变量的滞后一期加入面板模型并选取广义矩估计方法进行回归检验，检验结果如表9所示，结果显示金融资源配置效率滞后一期的系数在1%的水平下仍显著为正，这与先前得到的结论一致，说明基准回归结果具有稳健性。

3) 数据缩尾处理

为了降低极端值对回归结果的影响，本文对样本数据进行1%的缩尾处理，将缩尾后的样本进行回归，回归结果如表10所示，从结果可以看出，经过缩尾处理后的数据回归结果在1%的显著性水平下为正，与基准回归结果保持一致，进一步说明基准回归结果的稳健性。

6. 结论与建议

本文基于我国31个省(市) 2010~2022年的数据，利用DEA-BCC模型测度金融资源配置效率和熵值法得出城镇就业质量指数，再利用双向固定效应模型测度金融资源配置效率对城镇就业质量的影响。结果表明：1) 我国金融资源配置效率的提高会提升城镇就业质量，该结论经过稳健性检验后依然成立。2) 从格兰杰因果关系检验结果来看，金融资源配置效率和城镇就业质量两者互为双向格兰杰因果关系。3) 从异质性检验结果来看，金融资源配置效率对城镇就业质量呈现正向促进作用且东、中、西部地区的影响程度不同，主要体现为金融资源配置效率对城镇就业质量的正向促进作用在中部和东部地区表现得更为明显。

基于以上实证分析结论，提出以下几点建议：

第一，健全金融制度政策保障。鉴于我国金融资源配置效率对城镇就业质量有正向促进作用，为实现经济高质量发展和提升就业质量，政府应大力支持金融业发展，通过制定实施金融发展相关政策，加大政策倾斜力度，拓宽企业融资渠道，降低企业融资成本，促进金融资源的有效配置；扩大金融业发展规模，增加金融机构数量，鼓励金融行业创新，使金融资源配置效率和就业质量相适应。

第二，优化金融资源配置结构。实施差异化的信贷政策，根据信用等级合理分配贷款和金融资源；为了加快金融创新，金融机构应当大力支持企业技术革新工作，积极探索推进新型金融产品和金融服务，为企业技术革新提供综合化的金融服务方案；通过对产业结构的优化，提升各地区产业结构的合理化水平，对区域金融资源进行科学合理调控，以提高就业质量为目标，优化地区金融资源配置，促进地区产业转型升级。

第三，推动区域金融高效发展。要因地制宜实施差异化金融战略，促进东部地区新兴产业的快速发展。在区域金融改革层面，政府需引导金融机构增强对企业上市的服务能力，构建风险投资基金的现代治理框架，确保资本循环效率提升。针对中西部地区产业的承接转移，应重点培育法人金融机构，通过差异化监管指标设计增强区域银行资本充足率，建立覆盖初创期至成熟期的全周期融资支持网络，为中小企业的发展提供有力的支持和帮助。