德国职业教育培训市场匹配效率研究：申请者、空缺职位与新冠疫情的影响

本研究针对德国职业教育培训(VET)市场匹配效率下降问题，通过构建职业-地区层面的匹配函数模型，结合工具变量法(2SLS)分析2013-2021年数据。研究发现新冠疫情前空缺职位增长抵消了匹配效率下降，而疫情期间申请者、空缺职位和匹配效率三者同步下降导致签约量骤降11%。研究创新性采用Bartik工具变量和人口结构工具，揭示了移民申请者对稳定VET市场的关键作用，为应对技能短缺提供了政策优化路径。

　　

近年来，德国双元制职业教育培训(VET)体系面临严峻挑战。作为培育60%技术工人的核心渠道，VET市场自2010年代起出现签约量停滞现象，2019-2020年间新学徒合同更骤降11%。这种萎缩与欧洲普遍存在的技能短缺形成鲜明对比，特别是在新冠疫情冲击下，2020年签约量暴跌至历史低点。市场两端呈现矛盾现象：企业抱怨难以填补空缺职位，而大量青年却找不到合适培训岗位。这种供需失衡背后，究竟是企业招聘意愿不足、申请者数量减少，还是市场匹配机制失效？传统政策讨论多聚焦于刺激企业提供更多培训岗位，但鲜有研究系统量化各类因素的相对贡献。

德国劳动研究所(IAB)的研究团队通过构建创新的分析框架，首次在VET市场应用匹配函数理论。研究人员利用2013-2021年全德范围内按职业和地区(155个就业局辖区×35个职业)细分的申请者、空缺职位和签约量数据，采用两阶段最小二乘法(2SLS)解决内生性问题。研究设计包含四大工具变量：基于地区产业结构的Bartik工具、50岁以上员工比例、申请者持续性指标，以及15-24岁当地人口规模。这项开创性研究近期发表在劳动经济学领域权威期刊《Labour Economics》上。

关键技术方法包括：1)构建职业-地区层面匹配函数模型m_odt=αv_odt+βa_odt+η₁s_e1,odt+η₂s_e2,odt；2)采用动态反事实分析分解申请者构成变化；3)运用Bartik工具变量控制地区产业冲击；4)通过教育程度份额(低/中/高学历)调节匹配效率。数据来源涵盖联邦职业教育研究所(BIBB)的全国签约登记系统、就业局申请人微观数据(AMB)和就业历史数据库(BeH)。

研究结果呈现四大发现：

匹配弹性估计

2SLS结果显示申请者和空缺职位的弹性系数分别为0.46和0.57，呈规模报酬递增特征(α+β=1.03)。与标准劳动力市场相比，VET市场对空缺职位变化更为敏感。工具变量有效性检验中，第一阶段F统计量均大于30，Bartik工具对空缺职位的偏回归系数达1.20×10^-6(p<0.01)。

时间趋势分解

2013-2019年稳定期，匹配效率年均下降0.7%，但空缺职位8.8%的增长抵消了负面影响。新冠疫情导致2020年匹配效率断崖式下跌5.3%，三因素共同作用使签约量减少54,698份(各占38%、27%、35%)。反事实分析显示，若无移民申请者增加，2013-2019年签约量会额外减少38,000份。

申请者异质性

五类申请群体贡献度呈现分化：危机国家移民(+37,683份)缓解了学校毕业生(-44,000份)的下降趋势。值得注意的是，25岁以上申请者贡献了16,424份增量，而预备培训参与者使签约量减少5,887份。教育程度分析显示中等学历申请者匹配成功率高22.8%(p<0.001)。

错配效应评估

职业错配改善贡献了2,996份签约增长(117%)，但地区错配导致496份损失(-17%)。这种"职业趋同-区域分化"现象在新冠期间持续，反映培训资源的空间配置效率有待提升。

研究结论揭示了三重政策启示：首先，VET市场萎缩是供需双侧问题的叠加，单一刺激企业提供岗位的政策效果有限。其次，移民申请者成为稳定市场的关键力量，应加强针对性的职业引导服务。最后，匹配效率持续下降反映结构性矛盾，需优化职业学校的课程与企业需求衔接。该研究为德国应对"双元制危机"提供了量化决策依据，其方法框架对研究各国职业教育市场具有示范意义。讨论部分特别指出，传统聚焦失业率-空缺率关系的贝弗里奇曲线分析(Beveridge Curve)在VET市场存在局限，未来研究应结合机器学习改进职业匹配算法。