专栏名称: 量化历史研究

本公众号旨在打造量化历史研究交流平台，推广量化历史研究学术研究方法和前沿成果。现在主要发布《量化历史研究》辑刊、量化历史讲习班、量化历史国际学术年会以及量化历史研究相关学术活动。

【量化历史研究】监管有度，因时而变，随事而制：美国职业许可制度的起源与世纪演变

量化历史研究 · 公众号 · · 2025-05-18 16:43

正文

请到「今天看啥」查看全文

图1 美国职业许可覆盖范围和构成

注：本图数据通过以州和职业为单元汇总政策指标计算、并对各单元就业份额加权而构建的。州级和联邦政策均在计算中加以考虑。由于阿拉斯加、夏威夷和哥伦比亚特区在样本早期关键协变量数据有限，本文仅关注美国本土48个州的职业许可政策演变

职业许可覆盖范围的快速扩张，主要来自新职业涌现和监管政策升级。作者将每十年的职业许可覆盖范围变化分解为三部分：新增职业许可政策（某州某职业首次被纳入许可）、监管政策升级（原有认证或注册制度被许可制度取代）、已监管职业的就业规模扩张。

图2展示了不同时期的驱动差异：1950年前职业许可覆盖增长几乎完全依赖新政策颁布；1950-1990年间职业许可覆盖范围平均增速最快，新增职业许可政策与就业扩张的贡献相当。值得指出的是，监管政策升级扮演了关键角色 ——超半数认证或注册制度最终被强化为许可制度，而许可政策几乎未被弱化或废除。

图2 职业许可覆盖范围变化的分解

二

职业许可制度的起源：基于职业任务属性视角

规制经济学理论强调职业许可制度的发展受公共利益诉求（如保障健康与安全）与私人利益激励（如从业者限制竞争）的双重驱动。作者基于职业信息网络（O*NET）和《职业分类词典》（DOT）中的工作任务与技能要求描述，采用自然语言处理方法构建了一组反映职业公共利益的指标：职位关键性（衡量错误后果的潜在风险）、人际互动强度（服务公众频率）以及任务复杂性（技能门槛）。图3展示了职业任务属性与监管概率的关系：大部分受监管职业集中于图表右上方，即职位关键性及任务复杂性显著提高了职业被监管的可能性。与此相反，除理发师和美容师之外，关键性和复杂性均较低的职业鲜少被监管（图3左下方）。

图3 职业任务属性与监管概率

注：该图的职位关键性和任务复杂性预测得分均经过均值为0、标准差为1的标准化处理。蓝色圆圈表示截至2020年48个州（或联邦）均监管的职业，橙色圆圈表示仅部分（非全部）州监管的职业，圆圈大小代表2019年各职业的就业规模

表1第1列回归结果表明，当职位关键性或任务复杂性每提升1个标准差，2020年该职业被监管概率将显著增加7%；人际互动强度每提升1个标准差，2020年该职业被监管概率将显著增加9%。第2列在控制行业固定效应后，估计结果保持稳健。第3-6列分别检验了职业任务属性对不同时期被监管概率的影响，回归结果表明无论是近期还是早期被监管的职业，职位关键性、人际互动强度与任务复杂性始终与监管概率正相关；但同一行业内，任务复杂性与监管概率的关联较弱。

表1 职业属性与监管概率

注：三大职业属性指标均经过均值为0、标准差为1的标准化处理。各列均包含州固定效应，偶数列额外控制了行业固定效应

图4揭示了职业许可政策的风险梯度扩散规律：早期监管优先覆盖律师、医生等高风险、高互动职业；随后监管向低风险、低复杂性、人际互动更少的职业延伸；但在1950年后三大职业属性的下降趋势逆转，到1980年左右才趋于稳定。