Day 843 拆解劳动力市场的绿色化:职业变迁与劳动者流动的作用

Source: Bachmann, R., Janser, M., Lehmer, F., & Vonnahme, C. (2026). Disentangling the Greening of the Labor Market: The Role of Changing Occupations and Worker Flows. Journal of Environmental Economics and Management, Article in Press, 103329. https://doi.org/10.1016/j.jeem.2026.103329

unsetunset摘要unsetunset

本文研究德国劳动力市场在 2012—2022 年间是如何“变绿”的，并区分这一过程来自两类不同机制：一类是同一职业内部任务内容的变化，即职业在不更换名称的情况下变得更绿、棕色任务减少；另一类是不同职业之间就业份额的重新配置，即绿色职业扩张、棕色职业收缩。作者将德国联邦就业局职业信息数据库 BERUFENET 中逐年更新的任务描述，与德国全样本行政雇员数据相结合，构造职业绿色度指标 GOJI，同时识别绿色任务、棕色任务及其净值，并据此刻画职业和就业结构的绿色转型。研究发现，2012—2022 年德国就业整体显著变绿：绿色任务占比上升约 11%，棕色任务占比下降约 7%。进一步的分解结果表明，职业内部的绿色化与职业之间就业结构调整对总体绿色化的贡献大致相当。就具体机制而言，职业内部绿色化主要来自初始棕色职业中棕色任务占比的下降；职业间绿色化则主要体现为浅棕色职业就业份额下滑，以及部分浅绿色职业就业份额上升。对工人流动的分析还表明，棕色职业与绿色职业之间的直接跳转并不常见，更多变化来自进出非就业状态以及经由白色职业的间接调整。由此可见，绿色转型既发生在岗位内容层面，也发生在职业重配层面，而且不同类型工人的调整成本并不相同。

unsetunset贡献unsetunset

• 把劳动力市场“变绿”明确拆分为职业内部绿色化（within-effect）和职业之间重配置（between-effect）两条路径，并量化两者各自的重要性，而不是只把绿色转型理解为劳动者从棕色职业流向绿色职业。
• 作者在现有绿色就业研究中进一步引入了“棕色任务”这一维度，不只识别绿色任务，还构造了同时包含绿色、白色和棕色任务的净绿色度指标 GOJI，从而更完整地刻画职业环境属性的动态变化。
• 借助德国逐年更新、颗粒度很高的 BERUFENET 职业任务数据库，论文能够观察职业内部任务结构随时间如何变化，这弥补了很多基于静态职业标签或低频更新数据库的研究缺口。
• 论文不仅展示总体就业结构如何绿色化，还进一步追踪工人在不同绿色度职业组之间以及与非就业之间的流动，说明真正推动职业间调整的并非大规模“棕转绿”直接跳槽，而是更复杂的流动链条和退出机制。

unsetunset研究方法unsetunset

• 任务法测度：基于 BERUFENET 的职业任务文本，用关键词和文本挖掘方法把任务划分为绿色、棕色与白色，并构造职业层面的 GOJI_green、GOJI_brown 与 GOJI_net。
• Shift-share 分解：把 2012—2022 年总体就业绿色度的变化分解为职业内部变化（within-effect）、职业间就业份额变化（between-effect）和交互项。
• 职业层面回归：用职业初始特征解释 2012—2022 年职业绿色度变化，分析哪些职业更容易在内部实现绿色化。
• 工人流动分析：基于年度转移矩阵、Multinomial Logit 和反事实就业存量分析，识别哪些流动最能解释棕色职业收缩和绿色职业扩张。

unsetunset数据与变量unsetunset

• 时间范围：2012—2022 年。
• 核心职业数据：德国联邦就业局 BERUFENET，观察期内平均覆盖 4,232 个 8 位“单一职业”，每个职业平均对应 20.7 个任务；数据库至少每年更新一次。
• 核心个体数据：IAB Employment Histories (BeH)，覆盖 1975 年以来德国缴纳社会保险雇员的行政记录；本文主样本为 16—65 岁的常规就业者。
• 匹配层级：将 BERUFENET 与 BeH 按德国 KldB 2010 五位职业代码匹配。
• 核心变量：
• GOJI_green：某职业全部任务中绿色任务所占比重。
• GOJI_brown：某职业全部任务中棕色任务所占比重。
• GOJI_net：GOJI_green - GOJI_brown，取值从 -1 到 1。
• 职业分组：按 GOJI_net 将职业分成五类，分别为深棕（<= -0.1）、浅棕（-0.1, 0）、白色（=0）、浅绿（0, 0.1）和深绿（>= 0.1）。
• 其他关键变量：工人的性别、年龄、教育、是否外国人、地区与行业分布，以及基于任务法构造的职业“技术可替代性（substitution potential）”指标。
• 基准分布：2012 年常规就业中，深棕、浅棕、白色、浅绿、深绿职业的就业份额分别约为 4.4%、14.7%、65.8%、11.7% 和 3.4%。

unsetunset结论unsetunset

绿色转型对劳动力市场具有重要影响。那些对环境有害、尤其是温室气体排放较高的职业正在萎缩，与之相关的技能也在一定程度上变得过时；相反，更环保的职业正在扩张，使得这些职业中的技能更有价值。劳动力市场对这一变化的调整，可以通过职业内部任务内容的改变来实现，也可以通过不同绿色度职业之间就业份额的变化来实现。基于职业任务绿色度指标与高质量行政微观数据，本文系统考察了这两种机制的相对重要性及其背后的潜在机制。

研究表明，2012—2022 年德国就业整体明显变绿，其中绿色任务上升约 11%，棕色任务下降约 7%。此前在文献中较少被强调的职业内部绿色化，与职业间重配置一样重要。进一步看，不同 GOJI 组之间存在显著差异：例如女性在深棕和深绿职业中占比较低，深棕职业工人的就业前景显著差于绿色职业工人，而技术替代风险在深棕与浅棕职业之间也存在明显差别。

从机制上看，职业内部绿色化主要来自棕色职业本身变得不那么“棕”，其根源是这些职业内部棕色任务占比下降；深绿色职业中绿色任务占比上升也发挥了一定作用。职业间重配置方面，作者强调，真正推动结构变化的关键并不是大规模直接从棕色职业跳到绿色职业，因为这类转移相对罕见；更重要的是与非就业之间的流动，以及由此带来的棕色职业就业存量下降和绿色职业就业存量上升。直接从棕色职业进入绿色职业的转移稀少，说明这种调整伴随着较高的人力资本损失和转换成本。

政策含义也因此十分明确。职业内部绿色化的重要性说明，工人未必都要换职业，才能适应绿色转型下的新技能需求；但这要求企业提供、劳动者参与更多在岗培训。与此同时，职业间重配置同样重要，而它更可能伴随职业专属人力资本损失，因此需要更系统的再培训与技能提升政策。又由于棕色职业中的棕色技能要求正在下降，且初始位于棕色职业的工人就业前景更差，绿色转型存在造成显著福利损失的风险，尤其是对低教育和外国工人而言更是如此。因此，面向脆弱群体的技能提升与转岗支持，应当成为劳动力市场绿色转型政策的核心组成部分。

unsetunset思路拓展unsetunset

• 可以把本文的 within / between 分解框架移植到中国劳动力市场，考察绿色转型究竟更多体现为职业内容变化，还是体现为行业和职业结构重配；这对判断应优先做在岗培训还是转岗培训很有价值。
• 可以进一步研究“棕色职业为什么会先通过减少棕色任务而不是直接消失”这一机制，例如结合企业层面的环保投资、设备更新、数字化改造或供应链压力，识别职业内部绿色化的微观驱动因素。
• 可以围绕脆弱群体做分配后果研究，特别是低技能工人、农民工、年龄较大工人或女性，在绿色转型中面临的失业风险、工资损失和再就业路径是否存在系统差异。
• 文章发现大量调整发生在“非就业”与“白色职业”这一中间层，而非直接“棕转绿”；后续可以专门研究白色职业是否充当了绿色转型中的缓冲带和过渡站。
• 可以把绿色转型与数字化转型放在一起研究，检验高自动化风险的棕色职业究竟更容易退出、转向绿色职业，还是转向非就业，从而识别“双重转型”下最危险的职业组合。
• 若能获得企业层面的减排政策或环保监管冲击，可进一步做准自然实验，研究政策如何改变职业任务结构、工人流动路径和工资分布，而不仅仅是观察描述性变化。