中国城市包容度与流动人口的社会融合

李叶妍 王 锐

(1.国家发改委(北京)经济体制与管理研究所，北京 100035；2.约翰·霍普金斯大学国际关系学院，美国)

中国城市包容度与流动人口的社会融合

李叶妍1王 锐2

(1.国家发改委(北京)经济体制与管理研究所，北京 100035；2.约翰·霍普金斯大学国际关系学院，美国)

当前中国流动人口规模、流向、结构、流动模式和群体利益诉求都在发生深刻变化，滋生出一系列经济社会发展的重大问题，其中社会融合问题受到各界最广泛关注。社会融合问题从城市层面看就是“城市包容度”问题，该命题新、难度大、范围广，国内外研究成果较少。本研究以此为核心，创新性构建了以社会保险参加情况、劳动权益保障程度、公共服务享受范围为主要准则的城市包容度综合指标体系，运用主成分分析法合成“城市包容度综合指数”，进而通过非线性离散选择模型探讨流动人口长期居住意愿、落户难度、就业稳定度与城市包容度指标之间的相关关系。基于国家卫生计生委流动人口动态监测数据(2013—2014年)开展研究，主要结论为：中国城市包容度水平越高的城市，流动人口长期居住意愿越强、落户越容易、就业越稳定。进而提出政策建议：建立完善的城市流动人口服务和安置政策体系，直接和间接促进流动人口社会融合；形成有效融合机制，实现居民福利最大化及城市协同发展；制定科学的产业政策和户籍制度，引导匹配城市产业结构的人口流入，实现合理布局；结合顶层设计与基层探索，实现城市包容性增长与制度改进。本文归纳总结出“两个新体系”：建立了城市包容度综合指数测算体系，及应用城市包容度指数定量研究的范式体系。

城市包容度；流动人口；主成分分析法；离散选择模型

当前，中国流动人口利益诉求层次提高、范围扩大趋势日益明显，社会融合问题日益凸显。促进流动人口社会融合，是实现以人为核心的新型城镇化的必然选择。社会融合问题从城市主体角度来讲，就是城市的包容度问题。根据我们的定义，城市包容度以社会保险参加情况、劳动权益保障程度、公共服务享受范围为主要内容，评价城市对于外来人口中不同能力(受教育程度、经济能力)、不同职业、不同出身等类别群体及其家庭成员的接纳程度。城市包容性越高，外来流动人口融入越容易。2016年2月6日公布的《国务院关于深入推进新型城镇化建设的若干意见》(国发〔2016〕8号)[1]提出了新型城镇化的总体要求，其中“加快实施‘一融双新’工程，以促进农民工融入城镇为核心……促进新型城镇化健康有序发展”正是表达了提升外来人口融入感的紧迫性。李克强总理曾在答记者问[2]时强调“现在大约有 2.6 亿农民工，使他们中有愿望的人逐步融入城市，是一个长期复杂的过程，要有就业支撑，有服务保障。”也就是说提升流入地城市包容度，重点是保护农业户籍流动人口的权益，核心是提升城市供给稳定就业岗位、完善公共服务和社会保障的能力。公共服务资源的配置包括医疗卫生机构、文化设施、体育健身场所设施、公园绿地等实体设施，也包括“五险一金”、城市低保、公租房、子女教育等福利待遇。目前中央层面的政策指向是加强公共服务设施、社区服务综合信息平台建设，加大对接收较多随迁子女的中小学校、幼儿园的财政投入。但是，我国流动人口尤其是流动劳动力群体存在异质性，流动人口流出与流入地也有较大差异，上述与城市包容度相关的政策措施，其中哪些方面对哪些人群和地区更为有效，是我们的研究需要去甄别的。找到影响力大显著性高的政策，就能更因地制宜、因人而异地解决流动人口生存与发展难题。

1 文献综述

关于城市包容性的研究近年才兴起，国内研究占少数，国外研究已较丰富。由于国内外研究经济社会背景环境、数据范畴和可得性、对象特征差异很大(异质性较强)，进行具体分析时我们需要加以调整，但国外研究尤其是相关理论创新依然有较高参考价值。目前对于城市包容度指标的选取，学界不尽一致。

Richard Florida对包容度的首论是他在2002年发表的文章《创造性群体的跃升》[3]及2003年的文章《技术与包容：多样性对高新技术发展的重要性》[4]。在Florida的理论体系中，衡量城市包容度(或多样性)指标的共有四项指数：同性恋指数、波希米亚指数、外国出生人口指数和综合多样性指数，其中最后一项是前三项的综合排序。他利用美国人口普查公共使用微观数据样本中50个大都市的数据对前述四项指数与梅肯技术标杆指数及科技增长指数[5]之间的关系进行了探讨。主要采用皮尔森相关系数和斯皮尔曼秩相关系数进行统计分析，并运用最小二乘法进行回归分析。结论认为，城市包容度代表着较低的进入壁垒/门槛，因此较高的城市包容度或多样性能够帮助城市或地区吸引更多的人才(包括高科技劳动力，其中同性恋者、艺术工作者和国际移民是重要标志)，他们促使城市尤其大城市成为高科技、高生产率的发展中心。Florida的研究与推广奠定了城市包容度、开放度及社会多样性在城市发展中的重要地位，将包容度等新兴概念引入学者们的视线。此后，城市包容度相关命题开始受到更加广泛的关注。

Haifeng Qian[6]基于Richard Florida等学者[3-4, 7-8]的研究，将包容度与多样性进一步区分开来。 得出的结论是多样性对创新创业的影响是直接的，而包容度则是间接的。但二者都对人力资本的积累、创新创业的开展有着正面积极的作用。但西方对包容度的研究主要侧重于社会文化方面的容忍，对于在很多发展中国家普遍存在的针对外来人口或者少数群体的福利和公共服务歧视则关注不足。

政策实施方面，欧盟和欧洲委员会明确提出，将社会融合列入公共政策体系，并专门制定了欧盟成员国与挪威、瑞士、美国四方通用的移民融合政策指数(MIPEX，migrant integration policy index)，当然这里的移民包括国际移民。MIPEX指标体系由市场准入、国籍准入、长期居住、家庭团聚、政治参与、反歧视六个维度构成，囊括了200多个相关政策指标，测量了各国对移民的接纳度及相应政策的实施效果。

国内对于“城市包容度综合指数”虽尚无定义，但以国家卫生计生委(后简称“国家卫计委”)为代表的国内学者们对与之极为相似的“社会融合指数”进行过测算及综合分析研究[9]。国家卫计委构建的流动人口社会融合指标体系(2015)包括4个维度、11个指标及指标下辖的具体操作性变量，如表1所示。既可分析单个指标代表的流动人口融合特征，也可根据综合指数进行整体分析。五年来，这一指标体系几经改进，经历了不成熟到较完善的逐步演变。国家卫计委还根据计算结果进行了流动人口身份认同、就业与社保、户籍改革、家庭居住分离、就业两极化、身心健康平衡发展等多角度的研究。由于我们研究中的城市包容度与国家卫计委的社会融合定义有一定差异、研究主体角度不同、分析侧重点不同，指标构成也有较大不同，将于后文展示。

表1 国家卫计委流动人口社会融合指标体系构成(2015)

资料来源：根据国家卫计委流动人口司《中国流动人口发展报告2015》第二章“流动人口生存发展和社会融合专题”相关内容编制。

根据上述已有研究基础，我们提出了关于城市包容度与流动人口关系的三点疑问，形成本章后续进行实证检验的三个假说。

假说I：城市包容度指数水平越高的城市，流动人口长久居住的意愿越高。

假说II：城市包容度指数水平越高的城市，流动人口落户的比例越高(落户难度越低)。

假说III：城市包容度指数水平越高的城市，流动人口就业越稳定(失业率越低)。

正如李克强总理2015年4月9日视察长春市灯泡电线有限公司时[10]，对在这个老国企就业的农民工们最为关切的问题就是：有没有上五险一金？收入如何？生活条件比农村如何，能否融入城市？这是总理代表国家最为关心的问题，也是与这些来自周边农村的工人们就业和生活息息相关的重要问题。这与本章我们运用实证模型检验的三假说不谋而合，即城市包容度是否影响流动人口(尤其流动劳动力)的居住决策、落户比例、就业情况。

2 模型与方法介绍

本文依据2013年和2014年国家卫计委发布的全国流动人口动态监测调查数据，通过主成分分析法合成主要解释变量，构建多值选择模型(Multinomial Logit模型和Multinomial Probit模型)和二值选择模型(Logit模型和Probit模型)等进行回归，检验城市包容度与移民长期居住意愿、落户难度、劳动力就业稳定性等指标的相关性，建立起流动人口城市包容度综合指标体系，并进行年份间比较。根据三假说预期得出城市对流动人口包容度越高，流动人口继续居住意愿越强、落户移民比例越大、流动人口就业越稳定的主要结论。

2.1 主成分分析法及变量选取

当研究遇到大样本、多变量的情况时，首先要注意到样本个体的异质性和各变量之间的相关性对数据分析的影响。本文所采用的两年度流动人口监测调查数据有效样本总量分别为158 556人(2013年有效样本)、198 795人(2014年有效样本)。实测变量(调查问卷所设计变量)以2014年个人问卷为例有462个，下文所选取的城市包容度指标也由多个因素变量组成。而构建计量模型时，如果解释变量间存在高度相关性(近似多重共线性)，会导致回归的方差增大，参数估计有偏(甚至符号与理论预期相反)，单个系数的检验失效不显著。但如果分别分析每个指标变量，又是片面的、孤立的，方程的解释变量遗漏较多也会形成遗漏变量偏差，回归的一致性无法保证。也就是说，盲目减少变量带来信息损失、结论不全面甚至出现错误。因此，这种情形下就需要通过主成分分析法进行预处理[11]。

主成分分析是将多个实际变量转换为少数几个不相关不共线的综合指标的统计分析方法。在合成新变量、减少变量数目的同时，保证尽可能多地包含原变量的信息，也就是通常所说的“降维”。一般所提取的主成分因子以特征值>1或累计贡献率>80%为标准，筛选出较少的、互不相关的因子。主成分最大限度保留了各原变量丰富信息，对因变量有较强的解释性。这种建模策略实现了自变量多重相关条件下全面、完整的回归分析，计算结果也更为可靠(累计误差小于PLSR等算法)[12-13]。

在运用主成分分析的过程中，原始数据一般情况下会存在量纲差异，需要首先进行标准化处理(SPSS软件在主成分分析时也会自行处理)。本例中，由于描述社会保障情况的几个变量均为虚拟变量，因此不需要进行标准化处理。还要注意另一个应用主成分分析的条件是，指标都是正向的、同趋势的，这是选取变量时需要保证的。

2.1.1 变量初选取

根据国内唯一较为全面、具体的流动人口动态监测数据，设计了城市包容度指标体系。

2.1.2 变量修定

根据对“城市包容度”概念的界定，综合指数指标体系的构建需要考虑到各样本主体享受公共服务的范围、是否参加社会保险、劳动者是否受到劳动权益保障等情况。综合指数指标体系分为三个层级：目标层A、准则层B、因素层C(实测变量)，如表2所示。

表2 城市包容度指标体系及指标选取

资料来源：作者研究整理。

(1)解释变量的选取与局限。首先，“社会保障”准则选取“五险一金”作为因素变量。需要特别说明的是，原本设计的准则层包括B1社会保险、B2劳动权益保障、B3公共服务，但由于我国社会保险中的城镇居民养老保险、城镇居民基本医疗保险等险种对于居民来讲都是自愿加入而非强制性参保的，其目的是弥补城镇企业职工社会保险制度难以覆盖全体居民的缺陷，所以据此判断流动人口对这些险种的参保率更低。以2014年流动人口数据集为例，全部样本200 937人中参加城镇居民养老保险的仅有10 754人，占比5.35%；对比之下，全部样本中参加城镇职工养老保险的却高达36 011人，占比17.92%。就本数据集样本特征而言，排除上述覆盖率低的社保险种，选取与劳动者权益相关的强制性社会保障项目指标作为因素变量，其代表性更强、变量间相关性也更强，综合得出的主成分也更具说服力。根据实际情况的特殊性，研究我国城市包容度时有必要将准则B1社会保险、准则B2劳动权益保障合二为一形成——“社会保障”准则，并选取与劳动者权益相关的社会险种作为因素层指标，即通常所说的“五险一金”。“五险一金”是用人单位需要强制性组织劳动者参与的基本社会保障的组合，包括城镇职工养老保险(in_1)、城镇职工基本医疗保险(in_2)、失业保险(in_3)、工伤保险(in_4)、生育保险(in_5)和住房公积金(in_6)。

其次，“公共服务”准则的选择。原设计方案包括子女就学的学校性质、现住房性质两个变量(是否享受城市低保，由于是对特定群体的政策服务，暂不予考虑)。经过对2013年数据集中子女学校性质(q403k1，选择第一个子女的数据，因为在观察“亲生子女数”变量概率分布后发现，生育一个子女的样本比例达到53.39%，无子女者仅占8.20%)和现住房性质变量(q301)做相关系数矩阵分析，得出二者相关性较小(-0.043 2)的结论，符号也与理论预期不一致，不适合合并。这里需要注明的是，我们也根据数据集中实测变量提取了“子女是否就读于公立学校”(school)和“现住房是否为补贴性住房”(house)变量，求出它们的相关系数，结果同样为负相关(-0.078 7)，排除了变量取值范围差异对相关系数的影响。

同时，由于2014年数据集不包含“子女学校性质”这一指标，为统一本文城市包容度指标口径，最终只采用“现住房是否为补贴性住房”(house)变量来代表“公共服务”准则。但如果数据可得、变量间相关性达标，此准则与“社会保障”准则的合成方法是一致的。

(2)被解释变量的局限。2013年数据集不包含“是否打算在本地长期居住(5年以上)”的意愿指标，所以2013年数据只能够进行流动人口落户难度和就业稳定性分析。模型具体设定将在“离散选择模型设定”部分详细阐述。

2.1.3 主成分分析结果

通过主成分分析法合成“社会保障”准则，然后将“社会保障”准则和“公共服务”准则综合形成“城市包容度综合指数”(urban inclusiveness index)。因为这两步分析都是想以一个综合变量来取代多维原始变量，所以只选择提取第一主成分，这也是在第一主成分方差贡献率足够大的前提下实现的。选取的全部原始变量为：城镇职工养老保险(in_1)、城镇职工基本医疗保险(in_2)、失业保险(in_3)、工伤保险(in_4)、生育保险(in_5)、住房公积金(in_6)及补贴性住房(house)。

运用SPSS内置的“降维分析-因子分析”功能处理了2013年和2014年的流动人口数据集。经过两次主成分分析，生成的城市包容度综合指数特性如表3所示。

主成分分析产生的指标体系是由一系列相互联系的指标所组成的有机整体。在主成分载荷较大的指标中，若各指标符号同向说明是它们相互促进关系，符号反向则是相互制约关系。这里所说的“主成分载荷”表达了各变量的信息被该主成分提取了多少，亦即各变量与成分的相关系数。主成分载荷是主成分分析法评价多指标综合体系时，伴随数学变换过程生成的信息量权数和系统效应权数，它们比起人为方法大大降低了权数确定过程的主观性和工作量，保证了指标体系合成的客观性。

表3 2013年和2014年中国城市包容度综合指数水平描述性统计

资料来源：根据国家卫计委全国流动人口动态监测数据(2013、2014)计算所得。

首先来看2013年数据的主成分分析结果(如表4所示)。由于对城市包容度研究中选取的因素变量相互间是互相促进的关系(从主成分载荷符号中可见一斑，它们的符号都是“+”)，且因素层各指标的载荷值较高(0.630—0.890)，因此“社会保障”准则这一主成分是合理的。准则层两指标“社会保障”和“公共服务”的载荷值同为0.749，表明城市包容度综合指数的设计也是合理的。还可以通过所选取主成分的方差贡献率来确定主成分合理性，这里不再赘述。

表4 城市包容度指标体系及主成分载荷(2013年)

注：目标层为A；准则层为B，包括社会保障与公共服务。A相对B载荷为0.749。根据国家卫计委全国流动人口动态监测数据(2013)计算所得。

再来看2014年数据的主成分分析结果(如表5所示)。2014年的指标赋值分为二值和多值两种，其区别在于：“是否参加城镇职工养老保险(in_1)、城镇职工基本医疗保险(in_2)、失业保险(in_3)、工伤保险(in_4)、生育保险(in_5)、住房公积金(in_6)、现住房是否为补贴性住房(house)”七个变量的取值是“1、0”还是“1、2、3”或“1、2”。这样做的目的是与后文离散模型多值、二值的分类及其被解释变量的赋值保持高度一致性，使得估计系数的准确度更高，实证结果解释更为科学合理。后文将结合模型做详细表述。

2014年二值和多值两种指标体系中，主成分载荷符号也都是正向的，同样说明选取的因素变量间互相促进。因素层各指标的载荷值较高，值域为0.690—0.895(二值)和0.705—0.879(多值)，因此“社会保障”准则这一主成分是合理的。准则层两指标的载荷值同为0.741(二值)和0.736(多值)，表明城市包容度综合指数的设计也比较合理。

由于2014年二值法和2013年城市包容度体系中各指标变量的赋值是一样的，因此可以拿来直接比较。表4和表5中最后一列为城市包容度主成分对各因素层变量的载荷值，城镇职工养老保险指标的主成分载荷为0.663(2014)和0.643(2013)、城镇职工基本医疗保险为0.662(2014)和0.657(2013)、失业保险的为0.657(2014)和0.667(2013)、工伤保险的为0.603(2014)和0.567(2013)、生育保险的为0.588(2014)和0.472(2013)、住房公积金的为0.511(2014)和0.503(2013)、现住房是否为补贴性住房变量的主成分载荷为0.741(2014)和0.749(2013)。括号内为所对应年份。可以看出，城镇职工养老保险、城镇职工基本医疗保险、工伤保险、生育保险和住房公积金五指标在2014年的指标体系中得到了主成分更好的解释，城市包容度综合指标中的信息较2013年保留更为完整。失业保险和现住房是否为补贴性住房变量则在2013年的综合指标体系中贡献了更多的信息。

表5 城市包容度指标体系及主成分载荷(2014年)

注：目标层为A；准则层为B，包括社会保障与公共服务。A相对B载荷，二值为0.741，多值为0.736。根据国家卫计委全国流动人口动态监测数据(2014)计算所得。

2.1.4 主成分分析适用性检验

应用主成分分析法处理数据，要基于变量和数据对此法适用性高的基础上。适用性前提为原始变量之间具有较强的相关关系，存在简化数据结构的可能性，否则主成分分析是没有意义的。除了看相关系数矩阵来判断外，SPSS还提供了专门的统计检验方法，比较常用的是KMO检验和Bartlett球形检验。

对2013年和2014年6个主成分分析过程的KMO检验和Bartlett球形检验结果表明：

准则层检验值都处于适用性好的区间内，而目标层检验值都处于很差的区间；进一步看Bartlett球形检验值，因为所有卡方检验的p值都为0.000，强烈拒绝原始变量相关矩阵为单位矩阵(即各原始变量之间互不相关)的原假设，因此从卡方检验值来看所有主成分分析过程都可以被接受。也就是说原始数据的相关性很高，验证了指标体系设定的合理性和方法的适用性。

2.2 离散选择模型设定

在合成上述“城市包容度综合指数”的基础上，可以进一步检验城市包容度与流动人口长期居住意愿、落户难度、就业稳定度之间的关系，即三个假说。

模型I对应假说I。选取所调查对象“是否打算在本地长期居住(5年以上)”的意愿变量作为被解释变量。原问卷设计的变量q220(是否打算在本地长期居住5年以上)，重新命名为will，取值为“打算”、“不打算”、“没想好”，分别用1、2、3表示。变量的取值多于2，因此二值选择模型不再适用。当个体面临的选择多于2项，可以将二值选择模型推广至多值情形。也曾考虑排序模型(Multinomial Logit或Multinomial Probit)，但由于在不同情境下、对不同样本个体而言，当地就业岗位、生活环境、社会文化不一定是最适合的，因此在流入地当地长期居留并不一定是最优策略。所以最终选择普通多值选择模型进行实证分析。以Logit模型为例，假设个体选择y=1,2,……,J(J为正整数，选择是互相排斥的)，第n个个体做第j种选择得到的效用为

多值逻辑分布的累积分布函数为

其中，j=1 对应的为参照组，对于will(是否打算在本地长期居住5年以上)而言，选择“打算”就是选择“不打算”、“没想好”两项的参照组。整个样本的对数似然函数为

对数几率比为

从上述表达式也可看出，多值选择模型具有一个无法忽视的缺点：它假设从选择1至j中挑出任何两个选择，都可以单独组成一个二值选择模型，即“无关选择的独立性”(Independence of Irrelevant Choices)。以本文为例，就是对长期居住意愿的考察中，假定“打算”与“不打算”、“不打算”与“没想好”、“没想好”与“打算”三组选择两两独立，但实际中并不满足。

由于二值选择模型就是多值模型J=2的情形，且更为常用，这里不再赘述。

根据上述分析，我们构建的模型I如下：

willi=β0+β1inclusivenessi+β2econzonei+β3lninci+β4lncosti+μi

(1)

其中，“是否属于珠三角、长三角、环渤海经济带”(econzone)代表区域及经济水平差异对流动人口居住意愿的影响，选择“是”或“否”分别取值为1、0；对数家庭总收入(lninc)和对数家庭总支出(lncost)代表调查对象个人生活水平对其居住意愿的影响。此为三个控制变量。

模型II对应假说II。被解释变量是调查对象个体的“户籍是否转为当地居民”(hukou)，这是经过对原实测变量“户口性质”(q101f1)进行转化得到的，由于2013年和2014年问卷设计选项的不同，转化方式略有差异但赋值方式相同。“户籍是否转为当地居民”(hukou)取值为“是”、“否”，分别用1、0表示。因而可以选用二值选择模型。根据上述分析，我们构建的模型II如下：

hukoui=β0+β1inclusivenessi+β2econzonei+β3lninci+β4lncosti+μi

(2)

模型III对应假说III。选择“今年五一节前一周是否做过一小时以上有收入的工作”(q203)为被解释变量，重命名为employ，取值为“是”、“否”，分别用1、0表示。同理选用二值选择模型进行回归。根据上述分析，我们构建的模型III如下：

employi=β0+β1inclusivenessi+β2econzonei+β3lninci+β4lncosti+μi

(3)

特别需要说明的是在合成“模型I-多值选择模型”的被解释变量“城市包容度综合指数”(inclusiveness)时，“是否参加城镇职工养老保险(in_1)、职工基本医疗保险(in_2)、失业保险(in_3)、工伤保险(in_4)、生育保险(in_5)、住房公积金(in_6)”六指标取值为“是”、“否”、“不清楚”(赋值1、2、3)，“现住房是否为补贴性住房”(house)取值为“是”、“否”(赋值1、2)。这样与被解释变量willi的取值方式“1、2、3”一致，使得估计系数的准确度更高，解释实证结果时更为便利。而“模型I-二值选择模型”、模型II和模型III的综合指数在合成时，“是否参加城镇职工养老保险(in_1)、职工基本医疗保险(in_2)、失业保险(in_3)、工伤保险(in_4)、生育保险(in_5)、住房公积金(in_6)”及“现住房是否为补贴性住房”(house)取值均为“是”、“否”(赋值1、0)。这是因为模型II和模型III被解释变量“户籍是否转为当地居民”(hukou)和“今年五一节前一周是否做过一小时以上有收入的工作”(employ)为二值选择变量，赋值为“是”、“否”(取值1、0)。被解释变量“是否打算在本地长期居住(5年以上)”(will2i)由多值变量willi转化而来，取值“是”、“否”(1、0)，同样也是二值选择变量。因此前文表3所展示的“城市包容度综合指数”描述性统计中，2014年的指数水平包括两种赋值方式的结果。

3 实证结果与分析

3.1 城市包容度与流动人口居住意愿

上文提到过2013年的数据集缺少“是否打算在本地长期居住(5年以上)”(willi)的意愿指标变量，不适于做模型I的实证检验。因此仅基于2014年数据集尝试构建城市包容度与流动人口长期居住意愿的多值选择模型(模型4)和二值选择模型(模型5)。

计量结果见表6，两模型包容度的边际效应值符号不同，这来源于被解释变量willi赋值的差异。模型(4)中willi赋值为“打算”、“不打算”、“没想好”(1、2、3)，包容度的边际效应dy/dx值为-0.024 009，也就是说包容度每增加一单位willi将减少-0.024 009单位，即趋向更小值1“打算”在本地长期居住5年以上，这是符合理论预期的。而二值选择模型(5)给被解释变量will2i的赋值为(1、0)，值越大才代表“打算”在本地长期居住5年以上。所以包容度的边际效应值表示每增加一单位因变量将增加0.016 677 8单位，即更趋向决策1，也是符合理论预期的。就此得出结论，城市包容度越高的城市，流动人口长期居住的意愿越强烈(有长期居住打算的流动人口比例越高)。其他控制变量的边际效应值也符合理论预期，不再赘述。

表6 2014年城市包容度模型I回归结果

注：括号内数值为p>|z|中的z值。*、**、***分别表示10%、5%、1%的水平上显著(以下各表同)。根据国家卫计委全国流动人口动态监测调查数据(2014)计算所得。

3.2 城市包容度与流动人口落户难度

根据2013年数据集检验了城市包容度与流动人口落户关系三个模型的回归结果，最大可能减小模型设定误差，最终选择合适的变量、构建合理的模型。基于模型II构建了三个模型。

回归结果如表7所示。

首先，上述实证结果中的贝叶斯信息准则(BIC)值就是用于检验模型设定的合理性和简洁性(是否有多余解释变量或遗漏重要解释变量)。结果显示，最终设定的模型(6)的变量数量和变量选择最为合理，因为模型(6)的BIC值6 097.18明显低于模型(7)和模型(8)的，实现了贝叶斯目标函数的最小化。同理，模型I和模型III全部模型的贝叶斯信息准则检验，结果都是模型设定合理，可以使用。

其次是模型(6)边际效应值的含义。模型(6)中“户籍是否转为当地居民”(hukoui)赋值为“是”、“否”(1、0)，inclusiveness的边际效应为0.000 150 3。这表示inclusiveness每增加一单位hukoui将增加0.000 150 3单位，即更趋向取值1“户籍转为当地居民”。这与假说II的预期相符，城市包容度指数水平越高的城市，流动人口落户的比例越高(落户难度越低)。控制变量ecozone、lninc、lncost的边际效应值也符合理论预期，不再赘述。

下面来看2014年数据集的实证检验结果，模型形式同样选取模型II，命名为模型(9)，见表8：

包容度的边际效应为0.003 759 9，表明包容度每增加一单位hukoui将增加0.003 759 9单位，即更趋向取值1“户籍转为当地居民”，这与假说II是吻合的。城市包容度指数水平越高的城市，流动人口落户的比例越高、落户越容易。同样，其他控制变量的边际效应解释不再赘述。

3.3 流动人口就业与城市包容度

表9将2013年和2014年城市包容度模型III都选取模型(3)的形式，得到2013和2014年的回归模型(10)和(11)。

表9将2013年和2014年两年的实证结果并列展示，有利于下文对比分析。

表7 2013年城市包容度模型II回归结果

注：括号内数值为p>|z|中的z值。根据国家卫计委全国流动人口动态监测调查数据(2013)计算所得。

表8 2014年城市包容度模型II回归结果

注：括号内数值为p>|z|中的z值。根据国家卫计委全国流动人口动态监测调查数据(2014)计算所得。

表9 2013年和2014年城市包容度模型III回归结果

注：括号内数值为p>|z|中的z值。根据国家卫计委全国流动人口动态监测调查数据(2013、2014)计算所得。

2013年和2014年包容度的边际效应值分别为0.067 835 1和0.062 899 9，即包容度每增加一单位被解释变量employi将分别增加0.067 835 1单位和0.062 899 9单位。 employi代表“今年五一节前一周是否做过一小时以上有收入的工作”，取值为“是”、“否”，分别用1、0表示。两年的边际效应值均表明包容度的增加将引致employi更趋向取值1，即“今年五一节前一周做过一小时以上有收入的工作”。这正验证了假说III的预期：城市包容度指数水平越高的城市，流动人口就业越稳定(失业率越低)。

4 结论与政策建议

本文通过主成分分析法构建了“城市包容度综合指数”指标体系，主要基于两年数据、三个假说设定了相对应的三个模型架构(模型I-III)，分别探讨城市包容度指标与流动人口长期居住意愿、落户难度、就业稳定度之间的关系。所得到的实证结果与事前假定十分吻合，可以得出如下主要结论：

(1)城市包容度指数水平越高的城市，流动人口长久居住的意愿越高。

(2)城市包容度指数水平越高的城市，流动人口落户的比例越高。

(3)城市包容度指数水平越高的城市，流动人口就业的稳定性越高。

根据上述主要结论，本文提出如下政策建议：

(1)建立完善的城市流动人口服务和安置政策体系，直接和间接促进流动人口社会融合。建立以养老保障、医疗、培训、子女教育、住房政策、最低工资制、八小时工作制、劳动环境和劳动保护制度为主的城市流动人口政策体系。

(2)形成有效融合机制，实现居民福利最大化及城市协同发展。首先是流动人口与流入地社会的融合机制；其次是不同类型城市差异化发展及区域经济一体化融合机制。

(3)制定科学的产业政策和户籍制度，引导匹配城市产业结构的人口流入，实现合理布局。建议将户口与居民基本保障和社会福利享有拆分开来，就如同20世纪末将过去几十年挂钩的户口与票证取消绑定一样，从而减轻户籍改革的负担和阻力。

(4)结合顶层设计与基层探索，实现城市包容性增长与制度改进。基层政府要在领会中央改革方案精神的基础上，进一步深入思考转化为适合当地流动人口和产业发展的具体政策措施，加快经济发展方式转变和城市包容度等制度改进。地方要发展什么产业、需要引进什么类型人才，需要根据自身禀赋状况和市场供求情况科学决策，不能仅按照上级指示或中央指导意见等一般性的提示来确定自己的城市发展模式。

(编辑：李 琪)

Reference)

[1]国务院.国务院关于深入推进新型城镇化建设的若干意见[EB/OL].[2016-02-06]. http://www.gov.cn/zhengce/content/2016-02/06/content_5039947.htm. [The State Council of PRC. Opinions of the State Council on promoting the construction of new urbanization[EB/OL].[2016-02-06]. http://www.gov.cn/zhengce/content/2016-02/06/content_5039947.htm.]

[2]新华社北京. 两会授权发布：李克强总理等会见采访两会的中外记者并回答提问[EB/OL].[2013-03-17]. http://news.xinhuanet.com/2013lh/2013-03/17/c_124469054.htm. [Xinhua News Agency, Beijing. Authorized release of the two sessions(NPC and CPPCC): premier Li Keqiang met with Chinese and foreign reporters to interview and answer questions[EB/OL].[2013-03-17]. http://news.xinhuanet.com/2013lh/2013-03/17/c_124469054.htm.]

[3]FLORIDA R. The rise of the creative class[J]. Washington monthly, 2002, 35(5):593-596.

[4]FLORIDA R, GATES G. Technology and tolerance: the importance of diversity to high technology growth[R]. Paper for the Center on Urban & Metropolitan Policy, the Brookings Institution, 2003.

[5]DEVOL R C, PERRY W, JOHN C, et al. America’s high-tech economy: growth, development, and risks for metropolitan areas[R]. Milken Institute, 1999.

[6]QIAN Haifeng. Diversity versus tolerance: the social drivers of innovation and entrepreneurship in US cities[J]. Urban studies, 2013, 50(13):2718-2735.

[7]FLORIDA R, MELLANDER C, STOLARICK K. Inside the black box of regional development-human capital, the creative class and tolerance[J]. Journal of economic geography, 2008, 8(5):615-649.

[8]FLORIDA R, MELLANDER C. There goes the metro: how and why bohemians, artists and gays affect regional housing values[J]. Journal of economic geography, 2010, 10(2):167-188.

[9]国家卫计委流动人口司. 中国流动人口发展报告2015[M]. 北京：中国人口出版社, 2015: 45-63. [Department of Service and Management of Migrant Population National Health and Family Planning Commission of China. Report on China’s migrant population development(2015) [M]. Beijing:China Population Publishing House, 2015: 45-63.]

[10]李克强.只有技术更高，收入才能更好[EB/OL].[2015-04-09]. http://www.gov.cn/guowuyuan/2015-04/09/content_2844403.htm. [LI Keqiang. Higher technology, better income[EB/OL].[2015-04-09]. http://www.gov.cn/guowuyuan/2015-04/09/content_2844403.htm.]

[11]卢纹岱, 吴喜之. SPSS统计分析[M].第4版. 北京：电子工业出版社, 2010: 472-499. [LU Wendai, WU Xizhi. SPSS statistical analysis[M]. 4th ed. Beijing: Publishing House of Electronics Industry, 2010: 472-499.]

[12]林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(8):25-31. [LIN Haiming, DU Zifang. Some problems in comprehensive evaluation in the principal component analysis[J]. Statistical research, 2013, 30(8):25-31.]

[13]傅德印. 主成分分析中的统计检验问题[J]. 统计教育, 2007(9):4-7. [FU Deyin. Statistical test problem in the principal component analysis[J]. Statistical education, 2007(9):4-7.]

孙亚君.生态中心论之后现代视域的辨析[J].中国人口·资源与环境，2017,27(1)：155-161.[SUN Yajun. Analysis of the post-modern view of ecocentrism[J].China population, resources and environment, 2017,27(1):155-161.]

Urban inclusiveness and the social inclusion of internal migrants in China

LIYe-yan1WANGRui2

(1.Institute of Economic System and Management, National Development and Reform Commission (Beijing), Beijing 100035, China; 2. Johns Hopkins School of Advanced International Studies, USA)

How to help the migrants integrate into the urban society, i.e., the problem of ‘urban inclusiveness’s of great importance to China’s urbanization and national development. Given China’s specific regulatory context of domestic migration, this article constructed an urban inclusiveness index based on social insurance, labor protection, and public service based on principal component analysis. Employing the Dynamic Monitoring and Investigation Data of China’s Internal Migration (2013—2014) from the National Health and Family Planning Commission of China, it is found that the urban inclusiveness index was positively correlated with migrants’ willingness of seeking long-term residence in cities, urban household registration, and employment. It put forward four policy suggestions. First, more public service and systematic resettlement assistance should be provided to migrants. Second, an effective integration mechanism should be built to maximize the welfare of residents and achieve urban development. Third, there should be coordination between urban industrial development policy and migration policy for optimized human resource allocation. Last, urban inclusive development depends on the combined effectiveness of national and local policies. This study contributes to the literature by constructing an urban inclusiveness composite index in the Chinese context and developing methods to apply the urban inclusiveness index in quantitative studies.

urban inclusiveness; internal migration; principal component analysis; discrete choice model

2016-08-02

李叶妍，博士，主要研究方向为产业经济、区域经济、城市经济。E-mail：yeyanlee@163.com。

教育部人文社会科学研究项目“基于产业融合理论的中国生产性服务业发展战略研究”(批准号：12YJA790082)。

K901.3;F069.9

A

1002-2104(2017)01-0146-09

10.3969/j.issn.1002-2104.2017.01.017