人口流动对社会保障与就业支出影响的实证分析——以安徽省16个地市为例

夏 静

(巢湖学院，安徽 巢湖 238000)

一、问题的提出

改革开放以来，户籍制度的逐步放开和地区间巨大的经济差异使得大量的流动人口从落后地区向发达地区转移。2015年，我国流动人口已达2.47亿人，约占全国人口的18%。随着我国经济的快速发展和社会发展水平的不断提高，流动人口呈现出家庭化、高素质化的特征，新时期的流动人口不再仅仅满足于经济方面的回报，他们渴望在城市定居，得到社会认同，从而对社会保障和福利有了更高的需求。但流动人口对不同地区公共服务需求总量和结构会产生明显的差异化影响，从而对地方政府公共服务的供给带来严峻的挑战：对人口流入地而言，大量劳动力的流入在促进地方经济发展增加财政收入的同时也给地方公共产品带来拥挤效应，使得地方政府财政支出压力增大。从流出地来看，人口的大规模迁出造成了地方劳动力短缺，财政收入减少，而流出人口的社会保障以及就业支出大部分还需户籍所在地政府承担，人口流出地政府支出责任增大。因此流动人口公共服务的提供和管理工作已经成为了党和政府关注的重点。

对人口迁移的研究开始于西方，公认的最早研究人口迁移的理论是Ravenstein提出的“人口迁移法则”。其对比了英国1871年和1881年人口普查资料，认为经济因素是造成人们进行迁移的主要原因，并分别总结了人口迁移的结构、分布特征[1]。随后部分学者就人口迁移的原因展开了深入的研究，其中多数学者认为地区经济差异的持续扩大是人口迁移的主要动因；同时现有研究发现非经济因素也显著影响人口迁移，具体包括地区的区位因素、产业结构及迁移政策等。其中有学者基于Tiebout的“用脚投票”理论，对地方政府公共支出与流动人口规模相关性进行了深入的探究，早期研究主要探讨地方政府公共支出对流动人口的影响，其中付文林（2007）、董理、张启春（2014）地方政府公共支出规模的增加能够显著的吸引人口流入，但携带较少的人力资本劳动者在迁移的过程中面临公共服务歧视[2]。但张启春、汤学兵（2008）、方大春、杨义武（2013）基于实证研究，认为基于中国地区间基本公共服务投入不足以及享受的准入限制，地方政府基本公共服务支出对人口流动的影响并不总是正的，地方政府公共支出对人口流动的影响可以为负甚至是不显著的[3]。随着研究的逐渐深入，王金营、李庄园（2015）认为公共支出与人口流动之间的影响是相互的，人口流动的增加也会对地方政府公共支出的规模和结构产生正的影响。学者们开始将研究视角转向流动人口对地方政府公共支出的影响，段哲哲、黄伟任（2016）基于福建省县市级数据，认为地方公共教育支出会受到流动人口因素影响，人口流入地县市产生教育资源挤占效应，地方政府基础教育财政支出存在自利性机，为了实现本地利益最大化，会对流动人口子女在本地入学设置相关门槛[4]。史桂芬、王佳（2017）采用省级面板数据实证分析人口流动对地方政府人均医疗卫生支出的影响。结果表明，人口流入地和人口流出地的人均医疗卫生支出均呈现显著增加趋势且相邻省份存在空间溢出效应[3]。

关于人口流动对地方政府社会保障支出的实证研究较少，目前主要是规范性研究，研究内容多集中于以下几个方面：一是魏雅婷（2013），李红娟（2017）对我国流动人口的社会保障现状进行了分析，其认为我国当前流动人口社会保障问题十分突出，总体上呈现出社保制度不健全、参保人数少、保障水平低的特点；二是姜向群（2008），韩枫（2016），阳玉香（2017）认为流动人口的个体差异是造成流动人口社会保障问题的主要原因，其中包括性别差异、城乡户籍差异、人力资本差异、就业岗位差异、就业地区差异[6]；徐晓菁（2014）对流动人口社会保障的必要性分析，认为做好流动人口的社会保障工作有利于缓解我国面临的就业压力，也能够有效的解决流动人口城市“融入”问题，缓和社会矛盾，对于建设和谐社会具有重大的意义。

综上，人口流动对地方政府公共支出影响的研究已经颇具规模，但是目前我国学者的研究多集中于人口流动对总体公共支出、公共医疗卫生支出以及公共教育支出的影响，在人口流动对社会保障以及就业支出的影响方面重视不够，缺少实证分析。利用安徽省16个地市2010-2015年的市级面板数据，通过构建具有空间时间双固定效应的空间误差模型来实证分析人口流动对财政社会保障与就业支出的影响，以期对已有研究进一步的扩充和深化。

二、模型设定及变量说明

（一）模型设定

由于样本数据包含典型的地理空间特征，使得在用传统计量方法直接进行估计时会出现较大的方差估计、假设检验不显著等问题，因此可以采用空间计量方法来解决。空间滞后模型（SLM）和空间误差模型（SEM）是空间计量模型中的基础模型。

首先，空间滞后模型描述的是空间实质相关，具体表达式为：Y=ρWY+Xβ+ε

其中，Y为被解释变量，一个列向量；X为解释变量，一个列向量；ρ为空间效应系数；B为参数向量；W为空间权重矩阵；ε为误差项，且满足均值为零、同方差等条件。

空间滞后模型又称空间自回归模型，若经济变量间存在空间相关性，则只考虑本地区的解释变量不足以很好的估计被解释变量，还应考虑其他地区的被解释变量对本地区的影响。例如在估计本地区生产总值时，不仅要考虑本地区的消费、投资等因素对它的影响，还应考虑其他地区生产总值对它的影响。

其次，空间误差模型描述的是空间扰动相关和空间总体相关，具体表达式为：

其中，Y为被解释变量，一个列向量；X为解释变量，一个列向量；λ为空间误差相关系数，主要度量了其他地区通过误差项然后影响本地区被解释变量的程度；B为参数向量；W为空间权重矩阵；ε为误差项，且满足均值为零、同方差等条件。空间误差模型又称空间自相关模型，其他地区受到的冲击影响到本地区的被解释变量，且这种影响具有高阶效应。

最后，关于空间权重矩阵的设定常见的有两种：一是简单的二进制邻接矩阵，即若地区相邻取值为1，若地区不相邻取值为0；二是基于地理距离的空间权重矩阵，即利用地理距离平方的倒数构造空间权重矩阵。

（二）变量说明

1.指标选取

为了实证分析安徽省16个地市①人口流动对地方财政社会保障与就业支出的影响，本文选取人均社会保障与就业支出为被解释变量，流动人口数为主要解释变量，常住人口数、人均GDP、就业人数、城镇化率为控制变量，具体情况如表1所示。

表1 指标相关说明

人均社会保障与就业支出（pssw）。社会保障与就业支出是地区财政支出的重要组成部分之一，主要分为社会保障支出和就业支出两部分，本文采用常住人口的人均社会保障与就业支出主要为了分析人口流动对该支出的影响。

流动人口数（mpop）。严格意义上，应采用全国每十年的人口普查数据更为精准，但距离第六次人口普查已经过去7年，因此考虑到数据的时效性等问题，本文将利用安徽省16个地市的常住人口数与户籍人口数之差来表示某地市的净流入或净流出人口规模。若差值大于零，则为人口流入地，若差值小于零，则为人口流出地②。

人均 GDP（pgdp）。某地市的生产总值（GDP）可以反映地区的经济发展水平，同时侧面反映地区财政能力，而为了和被解释变量统一，则采用常住人口人均GDP。城镇化率（urb）。按照《中国统计年鉴》的指标解释，为地区年末城镇人口比重。

2.数据来源

为了保障数据的准确性，本文实证数据除了社会保障与就业支出来源于CEIC经济数据库外，其余变量数据均来源于安徽省统计局。本文在运用安徽省统计局查找各地市的常住人口、户籍人口等数据时，去除时间序列不完整的城市（巢湖市）后，整理出安徽省16个地市2010-2015年间的常住人口、户籍人口、年末就业人数、城镇化率数据。在此基础上，结合CEIC经济数据库中公布的16个地市的2010-2015年间社会保障与就业支出数据，构造出一组N为16，T为6的576个平衡面板数据。

3.变量描述统计性分析

表2描述了所选经济变量的描述性统计分析结果，如下：

表2 相关变量的描述性统计分析

从变量的均值来看，流动人口数为-54.68，小于零，说明安徽省16个地市总体表现为人口净流出地，平均每年流出54.68万人；从变量的最大值和最小值来看，统计发现安徽省各地区间发展存在差异性，其中人均社会保障与就业支出相差约9.44倍；从变量的偏态系数和峰态系数来看，首先除了流动人口数外，其余所有变量偏态系数大于零，即表现为右偏分布，但偏斜程度不大（位于0.5-1之间），而流动人口数则表现为高度左偏（大于1），其次人均社会保障与就业支出、流动人口数、就业人数的峰态系数大于零，说明数据为较集中的尖峰分布，而常住人口数、人均GDP、城镇化率的峰态系数小于零，说明数据为较分散的扁平分布。

三、实证分析

（一）空间相关性检验

在空间计量分析中，无论采取哪种空间计量模型，都需要检验经济变量间是否存在空间相关性。因此，空间相关性检验是构建空间计量模型和进行空间计量分析的关键，Moran's I统计量、LM-lag统计量和LM-error统计量是判断研究对象是否空间相关性的主要统计量，本文也主要采用以上统计量来进行样本数据间是否存在空间相关性。

1.Moran’s I检验

Moran’s I统计量度量的是空间邻近的地区经济变量的相关性。具体公式如下：

其中，表示第i个地区的观测值；ωij为空间权重矩阵。标准化后的Moran’sI统计量为：

原假设为不存在空间相关性，Z服从标准正态分布。Moran’s I统计量的取值一般位于[-1,1]，小于零表示经济变量间呈现负相关，大于零表示经济变量间呈现正相关。本文的Moran’s I检验结果如表3所示。

表3 2010—2015年安徽省各地市全局Mora'sI

由于Moran’s I检验只针对截面数据，因此本文分别计算了2010-2015年的全局Moran’s I。在表3中，仅2010年的Moran’s I为负数，且Z值为0.0376，不显著，而2011-2015年的Moran’s I均显著为正，说明安徽省16个地市间2011-2015年间相关经济变量间存在正向关系，集聚效应表现为“高高集聚”（HH）和“低低集聚”（LL）。但是，只能确定经济变量间具有空间效应，但是无法确定空间计量模型的具体形式。

2.LM检验

在存在空间效应的情况下，为了判定空间计量模型的具体形式，应先对OLS进行回归，得到模型的参差值，然后再利用残差值进行LM检验。LM检验中涉及到4 个统计量， 分别是 LM-error（Burridge，1980）、Robust LM-error （Bera、Yoon，1992）、LM-lag （Anselin，1988）和Robust LM-lag（Bera、Yoon，1992）。 如表 4 所示，描述了普通面板模型、具有空间固定效应模型、具有时间固定效应模型和具有空间时间双固定效应模型的回归结果，具体包括相关估计系数值及LM检验的4个统计量估计值。

表4 非空间面板模型的系数估计和LM检验结果

一方面，从模型的相关系数的估计回归来看。一是主要解释变量（流动人口数mpop）在具有时间固定效应模型和具有空间时间双固定效应模型中，在5%的显著水平下通过检验；二是常住人口数 （pop）、人均GDP（pgdp）和就业人数（tep）指标在4个模型中均在1%的显著水平下通过检验；三是城镇化率（urb）指标仅在具有时间固定效应模型和具有空间时间双固定效应模型中，在1%的显著水平下通过检验。另一方面，从模型的LM检验统计量估计结果来看。以具有空间固定效应模型为例进行分析，一是LM-lag和LM-error统计量分别在10%和1%的显著水平下通过检验，即空间误差模型要优于空间滞后模型；二是仅RobustLM-error统计量5%的显著水平下通过检验，而RobustLM-lag统计量不显著。综上，可以断定适合本文经济变量的模型是空间误差模型。

（二）实证结果分析

本文已经通过Moran’s I检验证明所选经济变量间存在显著空间相关性，同时通过LM检验最终选择空间误差模型进行实证分析。下一步，应通过Hausman检验来确定空间误差模型是选择固定效应还是随机效应。表5为具体的检验值和估计结果。

由表5可知，模型1是具有随机效应的空间误差模型，第二列为估计结果；模型2是具有空间固定效应的空间误差模型，第三列为估计结果；模型3是具有时间固定效应的空间误差模型，第四列为估计结果；模型4是具有空间时间双固定效应的空间误差模型，第五列为估计结果。同时，Hausman检验的统计量值为-15.8854，P值为0.0144，因为统计量值为负数，说明原假设不合理（Schreiber，2008），即应选择具有固定效应的空间误差模型。因此在模型2、3、4中进行选择，通过比较R-squared和LogL的估计值，本文最终选择模型4为主要分析对象。

表5 空间误差模型的估计结果

首先，从模型的空间误差系数来看。估计值为正（0.4279），且在1%显著水平下通过检验。说明值显著异于零，再次证明所选经济变量间存在显著的空间相关性。其次，从模型的回归系数来看。一是流动人口数的回归系数为-1.0996，且在5%的显著水平下通过检验，从人口流入地角度分析，由于人口流入地的该指标为正数，因此说明地市的人均社会保障与就业支出随流入人口的增多而下降，如合肥市；从人口流出地角度分析，由于人口流出地的该指标为正数，即流出人口增多则表现为该指标下降，因此说明地市的人均社会保障与就业支出随流出人口的增多而上升，如其他15个地市。二是常住人口数的回归系数在1%的显著水平下显著为负（-2.2646），说明常住人口越多，人均社会保障与就业支出就越少。三是人均GDP回归系数在1%的显著水平下显著为正（92.8842），说明地方财政支出与地方经济发展水平紧密正相关。四是就业人数的回归系数在1%的显著水平下显著为正（2.3953），说明随着就业人数的增加，人均社会保障与就业支出随之增加。五是城镇化率回归系数在1%的显著水平下显著为正（13.3946），说明城镇化水平的高低是影响地方社会保障与就业支出的重要因素之一。

四、结论及启示

（一）结论

利用安徽省16个地市2010-2015年的市级面板数据，通过构建具有空间时间双固定效应的空间误差模型来实证分析人口流动对财政社会保障与就业支出的影响，并得出以下结论：

第一，通过Moran’s I检验、LM检验及模型回归中值的回归结果可知，所选经济变量间存在显著空间相关性，即说明安徽省16个地市各自的人均社会保障和就业不仅受本地区人口流动规模、经济发展水平等因素的影响，还会受到相邻地市的某种冲击的影响，而且是正向影响，因此建立空间误差模型进行估计是正确的选择。第二，由地区经济发展水平指标的回归结果可知，经济发展水平越低的地区社会保障与就业支出规模越小，这样的推力会促使劳动力外流，降低地区生产率水平，降低地区生产总值，从而形成恶性循环，不利于我国缩小地区间差异及公共服务均等化目标的实现。第三，人口流动规模指标的回归结果显示，对人口流入地来说角，地市的人均社会保障与就业支出随流入人口的增多而下降，如合肥市，说明地方政府并没有将流入人口的社保与就业的需求考虑在内，进而增加支出规模；对人口流出地来说，地市的人均社会保障与就业支出随流出人口的增多而上升，如其他15个地市，说明地方政府仍承担流出人口的社保与就业的支出责任。

（二）启示

基于人口流动背景，结论对完善省以下转移支付制度、调整地方政府官员考核机制以及地市级政府应考虑流动人口因素适时调整社会保障与就业支出规模等方面有一定的政策启示。

第一，完善省以下转移支付制度，增强地市级政府提供公共品的能力，将常住人口人均财政支出作为衡量地方政府公共服务支出规模的标准，有利于推进公共服务均等化目标的实现，具体措施为：首先全面客观衡量地市级政府的财政收入能力，其次在全省人均公共品支出水平的基础上，各地市依据常住人口数量计算财政支出标准，最后由省级政府进行调整财力性的转移支付举措；第二，调整地方政府官员考核制度，传统的绩效考核制度以经济因素为主要的考核指标，这种扭曲的政治激励，致使地方政府往往热衷于将财政资金进行基础建设投资以促进经济增长，往往忽略了居民的公共品需求问题，因此在完善地方官员绩效考核机制时，应将反映常住人口福利的公共品供给效率作为考核的重要指标，以保证地方政府能够有效满足居民日益增加的公共品需求。

注释：

①安徽省16个地市包括：合肥市、芜湖市、蚌埠市、淮南市、马鞍山市、淮北市、铜陵市、安庆市、黄山市、滁州市、阜阳市、宿州市、六安市、亳州市、池州市、宣城市。

②人口流入地：合肥市；人口流出地：芜湖市、蚌埠市、淮南市、马鞍山市、淮北市、铜陵市、安庆市、黄山市、滁州市、阜阳市、宿州市、六安市、亳州市、池州市、宣城市。

[1]RAVENSTEIN E G.The Laws of Migration[J].Journal of the Statistic Society,2015(1385):289–291.

[2]董理，张启春.我国地方政府公共支出规模对人口迁移的影响——基于动态空间面板模型的实证研究[J].财贸经济，2014(12):40-50.

[3]付文林.人口流动的结构性障碍:基于公共支出竞争的经验分析[J].世界经济，2007(12)：32-40.

[4]段哲哲，黄伟任.流动人口对地方政府基础教育公共财政支出的影响研究——基于2010-2014年福建省58个县市数据分析[J].教育学术月刊，2016(6)：46-52.

[5]史桂芬，王佳.人口流动对地方医疗卫生支出影响的实证分析——基于空间面板模型[J].东北师范大学学报(哲学社会科学版)，2017(5)： 25-30.

[6]韩枫.城镇流动人口社会保障参保率的影响因素研究——基于京津冀流动人口动态监测数据的分析[J].人口学刊，2016(1)：61-67.