高等教育扩展对劳动力流动的影响——基于省级面板数据的实证分析

徐超

（上海财经大学公共经济与管理学院，上海200433）

高等教育扩展对劳动力流动的影响
——基于省级面板数据的实证分析

徐超

（上海财经大学公共经济与管理学院，上海200433）

高等教育扩展对我国经济社会的诸多方面产生了重要的影响，劳动力市场便是其中之一。利用1996年到2012年的省级面板数据，本文为高等教育扩展与劳动力流动性的关系提供了经验证据。固定效应和随机效应的回归结果均表明高等教育扩展显著促进了劳动力的流动性。使用系统GMM和2SLS方法对内生性问题进行处理之后，回归结果依旧显著为正。此外，为了增强结论的可信性，本文还进行了稳健性检验。本文的研究为理解我国劳动力流动性的增强提供了新的视角。

高等教育扩展；劳动力流动；信息不对称；迁移成本

一、引言

传统经济学理论认为，在信息完全、迁移成本为零的理想状态下，劳动力的迁移将只受到地区间收入差距的影响 （Gallaway，1969；Levy和 Wadychi，1974；吴克明，2009）。在自由流动的劳动力市场中，两地之间收入差距的存在将致使劳动力从低收入地流向高收入地，直到在要素边际收益递减规律作用下，两地的收入水平趋同，移动将不会引起收入上的变化为止。但在现实情况下这一假设前提并不成立。一方面，地区之间的信息并不完全，本地居民并不能获取其他地区全部的就业信息。Greenwood（1975）认为，能否获得迁入地的信息以及获得的信息数量对于迁移决策具有重要的影响。信息的不对称将阻碍劳动力的流动。另一方面，劳动力的迁移成本并不为零。这些迁移成本包括信息搜寻成本、移居成本、新岗位及环境适应成本、重建人际网络的成本等。过高的迁移成本也将不利于劳动力的转移。

教育对改善地区之间的信息不对称状况、降低劳动力的迁移成本具有积极的影响（Sahota，1968；Greenwood，1969），可以增强劳动力的流动性。相关研究也支持了这一观点。Samule Bowles（1970）根据人力资本模型对美国南部的迁移进行了回归研究，发现受教育年限与迁移呈正相关。其原因在于受过教育者更能够成功地适应经济的不均衡。这可以理解为，教育降低了迁移成本。Schwartz（1976）根据人力资本理论和搜寻理论，利用人口普查数据考察了教育、年龄对迁移的影响。研究表明，对于任何的年龄组，迁移率都随着教育程度的提高而上升。该文认为，导致这一结果的原因在于教育提高了劳动力的信息搜寻能力，使得工作搜寻区域扩大，进而产生了更远地理距离的流动。国内也有诸多学者对教育与迁移的关系进行了探讨 （Zhu，2002；蔡昉等，2003；胡士华，2005）。吴克明（2009）特别对“教育促进了迁移”的解释进行了总结，主要有三种观点：一是信息优势说，即受教育程度越高的劳动力，其信息搜寻能力越强。更多的信息将有利于降低迁移的风险和不确定性，从而提高迁移概率。二是心理成本说，即教育提高了个人对异地文化的认同感，降低了迁移的心理成本。三是劳动力市场范围说，即劳动力的教育水平越高，就业能力就越强，就业市场便越广泛，从而迁移概率越大。

尽管不乏教育与劳动力流动性关系的相关研究，却罕有文献对高等教育单独进行讨论。本文将集中考察高等教育对劳动力流动的影响。高等教育属于教育体系的高级阶段，其在我国经济改革发展的过程中，扮演着重要的角色。自1999年教育部出台《面向21世纪教育振兴行动计划》以来，我国高等教育进入了快速发展时期。大学生在社会总人口中所占比重逐年提升，从2002年的2.8%增加到2012年的10.4%①相关数据来源于2003年及2013年《中国统计年鉴》。具体地，我们使用6岁及以上人口中，大专及以上人口占比表示。，表明我国高等教育已经从精英教育阶段迈入了大众教育阶段。高等教育的快速扩展，对我国经济社会的发展产生了极大的推动作用（韩雪峰，2009；颜敏，2013）。在此背景下研究高等教育与劳动力流动性的关系具重要的现实意义。

我们认为，高等教育的扩展将促进整个劳动力市场的流动性。首先，接受过高等教育的大学生大都具有异地求学经历。异地求学提高了大学生异地生活的适应能力，增加了大学毕业生在异地工作和生活的可能性。其次，大学生的工作转换成本较低。大学生具备更多的知识存量，对新的工作岗位具有更强的适应能力，可以在短期内掌握新的技能，熟悉新的工作流程。即大学生的工作转换成本更低，迁移的可能性更大。再者，大学生具有更强的信息搜寻能力。尤其是随着网络时代的到来，大学生是网络用户的主力军。网络资源的更好利用使得大学生较之非大学生可以获取数量更多、质量更好的就业信息。而这些信息又通过大学生间接地传递给其他劳动力，从而提升了整个社会的搜寻能力。搜寻能力的提升，提高了迁移概率，促进了劳动力的市场流动。

利用1996年到2012年的省级面板数据，本文实证检验了高等教育扩展对地区劳动力流动的影响。由于一地区高等教育扩展水平只会影响该地区居民而非其他地区居民的信息搜寻能力和迁移成本，这令我们的考察对象放在了地区劳动力的迁出上。我们采用一地区总人口中的大专以上人口占比作为高等教育扩展水平的测度考察高等教育扩展对劳动力流动的影响。固定效应和随机效应模型的回归结果均表明高等教育的扩展显著促进了人口的流动。为了克服反向因果关系及遗漏变量所导致的内生性问题，我们使用了GMM回归和2SLS回归进行处理，模型结果依旧显著为正。进一步以一地区劳动力平均高等教育年限作为高等教育扩展的测度，进行稳健性检验。

本文可能的创新之处体现在以下几个方面：第一，先前的研究并没有将教育细化到高等教育层次，本文第一次实证分析了高等教育对劳动力流动的影响。第二，本文利用动态面板及两阶段最小二乘模型处理了基本模型可能存在的内生性问题。特别地，在两阶段最小二乘模型中，我们采用了各地的人均普通高校个数来做工具变量，这在相关文献中属于首例。除此之外，本文使用了两种方式对核心解释变量进行测度，以增强本文结论的稳健性。

二、模型建立及数据说明

长久以来，研究教育与劳动力流动的文献并没有统一的实证框架。借鉴Greenwood（1969）、Schwartz （1976）、蔡昉等（2002）、吴克明（2009）等文献，并结合本文的研究重点，我们建立了以下计量模型。

劳动力流动性用Mobility表示。该指标用i地区第t年的人口迁出数②人口迁出数包括迁入地为本省和迁入地为外省的迁移人口数之和。占人口总数的比重衡量。如引言所述，高等教育通过影响居民的搜寻能力和工作转换能力来影响劳动力流动，只有本地居民的迁出才会受到这一机制的影响。出于这一考虑，我们的劳动力流动指标并未包含迁入人口。特别地，我们的迁移数据采用了省级面板数据。国内相关文献大都基于第五次和第六次人口普查数据来计算劳动力流动性的指标，这将产生至少两个方面的不足，一是截面数据的样本观察值往往较少，这将影响回归结果的显著性。同时，较少的观察值使得控制变量不宜过多，遗漏变量问题将会更加严重。二是截面数据不能建立动态模型，也不能借助滞后项来做工具变量以处理反向因果等原因导致的内生性问题。基于此，本文采用了《中华人民共和国全国分县市人口统计资料》提供的省级面板数据。

本文的核心解释变量是地区高等教育扩展水平，用HEDU来表示。我们采用该地区大专以上人口占比表示。需要指出的是，这一指标只是从人口学的角度，测度了高等教育扩展的程度，并未考虑受高等教育的年限。比如，如果一人的教育背景是专科学历，另一人是研究生学历，该指标将不能对这两个人进行区分。针对这一缺陷，我们采用了一地区劳动力平均受高等教育的年限作为替代指标，并对文中的结论进行了稳健性检验。

ΣX是控制变量，主要包括人均GDP（PGDP）、人均财政支出（PFE）、人口密度（Density）、产业结构（Industry）、城市化（Urban）。我们添加人均GDP以控制经济发展对劳动力流动的影响。相关研究表明，经济发展水平越高、收入水平越高的地区，对劳动力越有吸引力 （Galaway，1969；Levy和Wadycki，1974）。同时，经济发展程度越高的地区也往往聚集了更多的高学历劳动者，如果不加控制，将产生因虚假关系引起的伪回归。我们用人均财政支出（PFE）控制一地区的社会福利水平，一般而言福利越高的地区，本地的劳动力越不愿迁出。人均财政支出（PFE）用本省财政支出决算数与人口之比测度。人口密度对地区劳动力流动具有重要的影响。人口密度能够一定程度地反映劳动力社会关系网的复杂程度。人口密度越高，社会关系网络往往越大，从而迁移的机会成本将越高。人口密度（Density）为每平方公里的人口数。产业结构（Industry）与城市化（Urban）能够引起劳动力从农村地区迁移到城镇地区，从而影响本文的因变量。而产业结构的调整，还将引起劳动力的跨行业流动。本文中的产业结构（Industry）用第二、三产业产值占总产值的比重表示，城市化（Urban）用城市人口在总人口中的占比表示。特别地，为使不同年份的数据具有可比性，本文使用以1995年为基期的平减指数对人均GDP和人均财政支出数据进行了处理。我们的样本涵盖了1996—2012年31个省份，共527个观察值。

本文所用数据均来自历年各省统计年鉴、《教育统计年鉴》、《中华人民共和国全国分县市人口统计资料》、中经网数据库、国家统计局网站。表1是各个变量的描述性统计。

表1　主要变量的统计描述

三、实证结果

1.基本回归结果

首先采用地区大专以上人口占比来测度高等教育扩展水平。为了排除地区因素对回归结果的影响，我们使用了固定效应和随机效应进行了初步的回归。同时，我们还进行了传统的豪斯曼检验，以判断到底使用固定效应还是随机效应更加有效。豪斯曼检验的结果支持使用随机效应模型。为了便于对比，我们将固定效应模型的回归结果也在表2中列了出来。模型（1）为随机效应模型的回归结果，模型（2）为单向固定效应的回归结果。模型（3）为双向固定效应模型，即在单向固定效应模型基础上进一步控制了年份固定效应，以排除时间因素对回归结果的干扰。

表2　固定效应及随机效应模型回归结果

模型（1）和模型（2）的回归结果均显示高等教育扩展（HEE）系数为正，且在1%的显著性水平上显著。说明，随着高等教育的扩展，劳动力流动性将不断增强。这符合我们的预期，即高等教育扩展通过改善信息不对称状态、降低迁移成本，促进了劳动力的流动。从模型（3）可以看出，当进一步控制了年份固定效应后，我们的结果依旧稳健。

控制变量的系数符号在三个模型中均保持了一致。其中，人均GDP（PGDP）变量系数为负，且均在1%的显著性水平上显著。这说明随着一地区的经济发展水平提高，该地区迁出人口规模将不断变小。人们迁移的主要目的是找到更好的工作和获得更高的生活水平，一地区的经济发展水平越高，本地区的收入和生活水平也将越高，这意味着越少本地居民选择迁出本地。从随机效应模型中看，人口密度（Density）变量系数在1%的水平上显著为负。表明，随着人口密度的增加，地区人口迁出规模将变小。可能原因是，一地区人口密度越大，人们的人际关系网往往越大，在生活中获得的帮助也会越多，这意味着离开本地的机会成本很高。因此，人们越不愿离开本地。模型（2）和模型（3）的回归结果支持了这一结论。人均财政支出（PFE）、产业结构（Industry）、城市化（Urban）的回归系数在三个模型中均不显著，不能说明三者对劳动力流动性有影响。

2.内生性处理

高等教育的扩展与劳动力流动可能存在反向因果关系。劳动力的迁出可能会影响本地高等教育扩展水平。尤其是当流动人口中具有高等教育背景的人口占比较高时，这一影响将会格外突出。反向因果关系将使得回归结果有偏误，因此必须予以解决。在本文中，我们将通过使用工具变量法来解决因反向因果关系导致的内生性问题。采用工具变量进行回归，还可以一定程度上削减遗漏变量导致的虚假回归和样本偏误问题。

在模型（4）中，我们使用了高等教育扩展的滞后一期作为工具变量。同时考虑到之前劳动力流动对当期劳动力流动的动态影响，我们采用了系统广义矩阵模型（S-GMM）进行回归，在模型中加入了因变量的滞后一期项。A-Bond检验显示，扰动项存在一阶自相关，但是不存在二阶自相关。而Sargan检验显示，高等教育扩展（HEE）的一阶滞后是有效的工具变量。在模型（5）中，我们使用了地区每百万人普通高等大学个数做为高等教育扩展的工具变量进行最小二乘回归 （2SLS）。地区普通高等教育大学设立、取消、合并要经过中央或当地政府的批准决定的，同时要经过一段时间的筹备工作，因此，并不受到本期劳动力流动的影响。同时，高等教育大学个数对劳动力流动的影响，将通过影响地区高等教育扩展水平发挥作用，因此与误差项无关。内生性检验结果显示，Hausman检验的p值为0.0023，拒绝了高等教育扩展（HEE）是外生的这一原假设。Cragg-Donald Wald F统计量为183.204，远高于Stock and Yogo（2002）所建议的在10%水平拒绝弱工具变量假设的临界值。

S-GMM及2SLS回归结果如表3所示。不管是S-GMM回归结果还是2SLS回归结果都显示高等教育扩展 （HEE）变量系数在1%的水平上显著为正，这与随机效应模型和固定效应模型的结果一致，说明我们的结论是稳健的，即随着高等教育的扩展，地区劳动力流动规模将不断扩大。

表3　GMM及2SLS模型回归结果

人均GDP（PGDP）和人口密度（Density）的回归结果与表2基本相同，均显著为负。表明随着人均GDP及人口密度的增加，劳动力流动性将变小。只是在2SLS模型中，人口密度（Density）的系数显著性有所下降，但是依旧在10%的水平上显著。人均财政支出（PFE）变量系数为正，且在2SLS模型中显著。说明随着地区财政支出规模的增加，该地区人口迁出规模将会下降。这符合我们的直觉。一般而言，一地区的人均财政支出越多，该地区的福利水平进而生活水平将会越高，人们越不愿意离开本地生活。产业结构（Industry）与城市化（Urban）回归系数均为正。其中，产业结构（Industry）在模型（4）与模型（5）中均显著，而城市化（Urban）只在模型（5）中显著。系数结果表明，随着产业结构的不断优化以及城市化的推进，劳动力流动性也越来越大。产业结构的优化和城市化的推进都意味着农村劳动力向城市转移，从而促进了劳动力的流动。

四、稳健性检验

采用大专以上人口占比来测度高等教育扩展水平，无法对高等教育年限进行区分。因而将不能考察高等教育年限或高等教育质量对地区劳动力流动的影响。我们将使用平均受高等教育年限来克服这一问题。由于统计年鉴中并无全部人口不同高等教育背景的人口结构数据，因此我们使用地区就业人口中不同高等教育阶段的人口结构数据来计算一地区平均受高等教育年限①在中国，普通大专生的学制一般为3年，普通本科生的学制一般为4年，硕士研究生学制一般是2到3年，平均为2.5年左右。而博士研究生的学制一般为4年。在教育统计年鉴中，我们只有大专、普通本科、研究生及以上学历的人口占比，因此我们需要确定硕士与博士研究生的比例。从相关数据来看，硕士与博士研究生的人数比一般约为10：1，因此，我们可以将研究生及以上的平均学制约设为3年，这样，研究生及以上学历的劳动力受高等教育的年限就等于普通大学年制加上研究生平均学制，为7年。设一地区劳动力总人口为x，其中，具有大专学历背景的人口为a，具有普通本科学历背景的人口为b，具有研究生及以上学历背景的人口为c，那么该地区的平均受高等教育年限为：（a*3+b*4+c*7）/x。，作为该地区高等教育扩展水平的指标。特别地，因为不同高等教育背景的就业人口结构数据最早从2001年开始统计，因此我们的数据只包括了2001—2012年共12年的数据。

我们首先进行了固定效应模型、随机效应模型及双向固定效应模型的回归，结果依旧为正，但是并不显著。我们认为，导致结果不显著的原因有两个，第一种可能是，以平均受高等教育年限来表示的高等教育扩展水平对劳动力流动确无影响；第二种可能是，内生性问题影响了系数的显著性。为了确定是哪一种原因导致的，我们进行了S-GMM回归和2SLS回归①S-GMM使用高等教育年限的滞后一期作为高等教育扩展的工具变量，而2SLS使用平均每百万人高校数作为高等教育扩展的工具变量。。看在对内生性问题，尤其是反向因果关系进行处理以后，结果是否显著。如果使用工具变量后系数依旧不显著，便支持了第一种可能。如果工具变量之后结果显著，说明固定效应和随机效应模型存在内生性问题，处理后的回归结果更加有效。模型（9）报告了S-GMM的回归结果，模型（10）为2SLS回归结果。可以看出，高等教育扩展（HEE）的回归系数依旧为正。从显著性上来说，2SLS的结果在1%的水平上显著，但是S-GMM中，结果并不显著。值得注意的是，在S-GMM回归结果中，高等教育扩展（HEE）系数p值约为12%，已经接近10%的显著性水平②S-GMM中HEE系数的显著性略低于10%，可能的原因是我们的样本量较小。。由此，我们认为，模型（6）、（7）、（8）系数不显著是内生性问题导致的。这一结论，通过将随机效应模型和2SLS模型的回归结果进行豪斯曼检验③通过对固定效应模型和随机效应模型的结果进行豪斯曼检验，我们已确定随机效应模型的结果更加有效。得到了验证：Hausman检验的p值为0.001，说明随机效应模型的结果与2SLS结果存在显著差异，即内生性问题是存在的。通过分析，我们认为以地区平均高等教育年限作高等教育扩展指标的实证结果依旧支持我们的结论，即高等教育的扩展增强了劳动力的流动性。

五、结论

表4　稳健性检验：GMM及2SLS模型回归结果

随着市场经济体制的不断完善，我国劳动力市场的自由流动性不断增强，除了制度上的因素外，高等教育的扩展也是导致劳动力流动的重要原因。随着地区高等教育扩展水平的提高，人们可以获得数量更多、质量更高的就业信息，同时高等教育的扩展还提升了劳动力对新环境的适应能力，降低了迁移成本。信息的获取和迁移成本的降低将促进劳动力的流动。利用1996年至2012年的省级面板数据，本文对这一论断进行了实证检验。固定效应和随机效应模型的回归结果均表明高等教育的扩展显著促进了劳动力的流动。为了克服反向因果关系及遗漏变量所导致的内生性问题，我们分别使用了系统广义矩和两阶段最小二乘方法进行了相关处理，得到的结果并未发生变化。进一步地，我们以一地区劳动力平均高等教育年限作为高等教育扩展的测度进行了稳健性检验，检验结果支持了前述结论。

尽管采用了多种模型进行计量回归，并进行了稳健性检验，本文的研究设计尚有不足。一是与已有相关文献类似，本文使用的迁移数据为人口迁移数据，其中包含了非劳动力人口。使用这一数据夸大了劳动力迁移规模，可能引起回归结果有偏误。二是对高等教育扩展水平的测度既需考虑高等教育的人口数量又需兼顾高等教育的质量。尽管采用了两个指标分别测度高等教育扩展水平，但是任何一个指标均无法兼顾质量和数量两个维度。这将一定程度地影响实证结果的可信性。此外，本文只考察了地区劳动力的迁出，而未考虑迁入。实际上，一地区高等教育扩展水平很可能对其他地区的劳动力产生引力作用，从而影响劳动力的迁入。如考虑到对迁入的影响，高等教育扩展对劳动力流动的促进作用可能更大。

［1］吴克明.教育与劳动力流动［M］.北京：北京师范大学出版社，2009.

［2］孙百才.教育扩展与收入分配：中国的经验研究［M］.北京：北京师范大学出版社，2009.

［3］蔡昉，都阳，王美艳.劳动力流动的政治经济学［M］.上海：上海三联出版社、上海人民出版社，2003.

［4］赖德生.教育扩展与收入不平等［J］.经济研究，1997（10）：46-53.

［5］赖德生.教育、劳动力市场与收入分配［J］.经济研究，1998（5）：42-49.

［6］胡世华.教育对我国农村劳动力流动影响研究［J］.经济问题，2005（10）：40-42.

［7］韩雪峰.高等教育扩展对居民收入差距的影响［J］.生产力研究，2009（7）：92-94. ［8］王桂新，潘泽瀚，陆燕秋.中国省际人口迁移区域模式变化及其影响因素——于2000和2010年人口普查资料的分析［J］.中国人口科学，2012（5）：2-13.

［9］颜敏.高等教育对我国工资收入差距的贡献——基于泰尔指数测算及分解分析［J］.上海经济研究，2013（4）：119-132.

［10］肖卫.中国劳动力城乡流动、人力资源优化配置与经济增长［J］.中国人口科学，2013（1）：77-87.

［11］Stock，James H.，Motohiro Yogo.Testing for Weak Instruments in Linear IV Regression［J］.NBER Working Paper，2002，No.284.

［12］Greenwood M.J.An Analysis of the Determinants of Geographic Labor Mobility in the United States［J］.The Review of Ecomomics and Statistics，1969，51（2）：189-194.

［13］Greenwood M.J.The Determinants of Labor Migration in Egypt［J］.Journal of Regional Science，1969，9（2）：283-290.

［14］Greenwood M.J.Research on Internal Migration in the United States：A Survey［J］. Journal of Economic Literature，1975，13（2）：397-433.

［15］Gallaway L.E.The Effect of Geographic Labor Mobility on Income：A Brief Comment［J］.The Journal of Human Resource，1969，4（1）：103-109.

［16］Sahota，G.S.An Economic Analysis of Internal Migration in Brazil［J］.The Journal of Political Economy，1968，76（2）：218-245.

［17］Levy M.B.，Wadychi W J.Education and the Decision to Migrate：An Econometric Analysis of Migration in Venezuela［J］.Econometrica，1974，42（2）：377-388.

［18］Schwartz A.Migration，age，and education［J］.The Journal of Political Economy，1976，84（4）：701-720.

［19］Zhu N.The Impact of Income Gaps on Migration Decesions in China［J］.China E-conomic Review，2002，13（2）：213-230.

［20］Ronald Skeldon.International Migration as a Tool in Development Policy：A Passing Phase？［J］.Population and Development Review，2008，34（1）：1-18.

［21］Michael A.Quinn.Estimating the Impact of Migration and Remittances on Agricultural Technology［J］.The Journal of Developing Areas，2009，43（1）：199-216.

The Influence of Higher Education Expansion to Labour Mobility：Based on the Empirical Analysis of Provincial Panel Data.

XU Chao

（School of Public Economics and Administration，Shanghai University of Finance and Economics，Shanghai 200433，China）

The expansion of higher education has exerted great influence on many respects of economic society in our country. And the labor market is one of the respect.Through the provincial panel data from 1996 to 2012，this paper provides empirical evidence on the relationship between higher education expansion and labor mobility.The regression results of fixed effects and random effects suggest that the expansion of higher educationsignificantlycontributed to the mobility of labor force.And the regression results remained positive after processing the endogenous problems using GMMsystemand 2SLS method.In addition，in order to enhance the credibility of our conclusion，robustness test was carried out.This work provides new perspectivesto the comprehension of the enhancement oflabor mobility in China.

Higher Education Expansion；Labor Mobility；Information Asymmetry；Costs of Migration

F241.22

A

1007-0672（2015）04-0040-06

2015-02-24

国家社科基金青年项目“教育机会分配公平性的配套改革问题研究”（10CJY009）。

徐超，男，山东潍坊人，上海财经大学公共经济与管理学院财政系，博士研究生 ，研究方向：教育经济学。