基于人才供给分析的居住证积分制度优化策略

刘 刚, 许维胜

(1. 同济大学经济与管理学院, 上海200092; 2. 上海政法学院, 上海201701;3. 同济大学电子与信息工程学院, 上海201804)

未来30 年, 随着全球大部分人群受教育程度的大幅度提升, 使得人们的思想不断开放、不同文化深度融合, 人才的全球流动性、共享性将越来越强, 世界范围内将会形成高端人才的环流和地方性聚集[1], 而人才政策体系的建设和完善是其中最为基础和关键的.

居住证积分制度是上海近年来在流动人口管理和服务制度上的又一创新. 该制度旨在综合运用人员专业技能、城市急需程度等指标来对人才评价体系加以完善, 以人才引进的积分制度对户籍本身带来的优势因素进行剥离. 只要积分达到一定级别, 就可以享受和相应城市居民一样的就业、教育、社会保障、医疗等公共服务.

1 文献综述

习近平总书记于2014 年5 月考察上海工作时, 要求上海在推进科技创新、实施创新驱动发展战略方面走在全国前头、走到世界前列, 加快建设具有全球影响力的科技创新中心. 这其中的关键问题在于提高城市人才汇聚能力, 吸引和集聚各地的创新人才并对其合理配置.

由于我国传统的户籍制度与城乡二元分治策略相互交错, 阻碍了劳动力的自由迁移, 不利于人才的吸收和引进, 因而对其改革势在必行. 居住证制度是户籍制度改革的一种有益尝试,顺应了城乡二元结构和快速城镇化进程中人口流动的大趋势, 体现了打破户籍身份隔离、实现居民自由平等的基本诉求[2]. 但从各地的运行情况看, 目前我国尚未建立统一的居住证制度,各地居住证政策出台和实施力度的差别很大[3-4], 对居住证制度的批评声也有很多. 不少学者认为, 由于居住证制度本身是在二元结构尚未彻底改变的情况下实施的, 并没能完全实现权利均等的“一元体制”[2,5], 并且居住证指标仍然被少数高学历、高收入、高投资的人口瓜分, 实质上是提高了落户门槛, 为地方排斥低端流动人口提供了政策上的便利和支持[6-7].

因此, 居住证制度如何改革和优化才能更好发挥人口管理和人才引进的作用, 真正助力于科创中心建设的目标, 是本工作需要重点探讨的问题. 陆杰华等[8]和张莹等[9]认为需要把握如下基本原则: 一是将居住证政策导向从工具性目标转向价值性目标; 二是特大城市人口规模调控与提高居住证承载福利的关系; 三是凭证享受的福利待遇水平与申领居住证门槛高低的关系; 四是地方实践与国家层面规章制度的衔接问题. 在具体的优化措施上, 不同的学者说法不一, 但大致可以归纳为如下几点: 一是中央政府应尽快出台居住证法律法规及配套的制度措施, 使得地方政府得到有力的制度支持, 深入改革推进; 二是加快优化制度本身, 包括降低居住证申领条件, 统筹兼顾不同流动人口群体的利益诉求等; 三是加强配套制度建设, 包括加强与居住证相关的教育、医疗、住房保障等制度建设等; 四是通过信息化、科学化手段加强制度运用, 包括建立动态的实有人口信息数据库, 实现部门之间信息互通共享等[8,10-11]

本工作在现有实证研究结论的基础上, 从经济学、行为主义研究角度、家庭迁移理论角度,归纳、分析了影响劳动力供给的各个因素, 并建立了数学模型, 对所涉及的影响因素进行了量化分析, 以期寻找劳动力流动的根本原因, 从而对现有居住证积分制度提供有益的政策建议.

2 劳动力流入上海的影响因素分析

目前, 已有大量关于劳动力迁移问题的研究. 首先, 关注流动行为本身, 从个体特征的角度, 研究得出性别、年龄、婚姻状况、受教育程度等因素会对劳动力迁移决策产生影响. 其次,家庭作为近年来主流的迁移单位, 从家庭特征出发, 对是否有子女、父母是否健在、家庭耕作方式等特征因素进行检验. 再者, 基于劳动力迁移理论, 地区间的收入差距也会对迁移决策产生影响. 此外, 迁移距离、失业率、第二产业、第三产业比重等指标也会对迁移决策产生影响.

2.1 数据来源

流动劳动力是本工作的研究对象, 微观数据采用“中国劳动力动态调查”(CLDS2014)数据. 该数据调查地分布于全国29 个省市自治区(除港澳台、西藏、海南外), 调查对象为样本家庭户中的全部劳动力(年龄在15～64 岁的家庭成员), 从整体数据中选出了11 991 个数据样本.宏观数据来源于国家统计局公布的《中国统计年鉴2014》.

2.2 理论模型

劳动力迁移影响因素模型的构建要考虑到多个层面. 本工作在以刘易斯-费景汉-拉尼斯模型为代表的结构主义研究方法, 及以托达罗模型、哈里斯模型为代表的新古典主义研究方法的基础上, 结合美国经济学家舒尔茨和贝克尔提出人力资本理论及家庭迁移理论, 建立如下的劳动力迁移模型:

该模型主要研究个体特征、家庭特征、流入省特征三大因素对劳动力迁移的影响大小, 共包括21 个变量. 指标变量及相关说明如表1 所示, 其中Ar 用流出省的平均收入减去了上海市的平均收入; Ur, Gd, Rc, Np, Nr 这几个变量也进行了相应的处理, 即减去上海市的相应取值.

表1 指标变量及相关说明Table 1 Indicator variables and statistical description

3 劳动力流入上海的影响因素实证结果

3.1 数据描述性统计结果

劳动力向上海迁移只有两种选择: 迁移或者是不迁移. 离散选择模型可以有效解决决策者在不连续情况下的选择行为. Probit 模型是一种受限因变量模型, 常被用于劳动力转移的研究. 本工作选择Probit 模型来对劳动力迁移影响因素进行研究, 将数据带入, 可以得到各个变量的描述性统计结果, 如表2 所示.

表2 各个变量的描述性统计结果Table 2 Results of descriptive statistics for the variables

通过描述性统计结果, 可以对各指标变量的数据范围及平均水平有一个直观的了解. 流入省特征中Ar(流入省的年平均收入)、Ur(流入省的失业率)、Gd(地区人均生产总值)的均值和标准差差距较大, 说明各省之间的经济发展情况存在一定的差异. 因此, 分析各省之间的经济差异对劳动力迁移产生的影响非常必要. 在各阶段受教育程度下, 配偶的平均受教育程度都是低于调查者本身的. Ma(婚姻状况)中的1～6 分别表示6 种情况, 1 为未婚、2 为初婚、3 为再婚、4 为离异、5 为丧偶、6 为同居, 在进行回归计算时, 将婚姻状况分为已婚和未婚两类, 即将1 和6 归为未婚. Ag(年龄)的最大值由于样本出生年份的缺省, 通过公式计算时, 使得最大值为2 017, 对此情况进行修正, 如表3 所示.

表3 数据修正Table 3 Data correction

3.2 回归结果分析

根据数据类型, 本工作在Stata 的基础上, 采用OLS 回归以及Probit 模型对数据进行分析, OLS 估计结果如表4 所示, 并得到如下结果.

表4 OLS 估计结果Table 4 OLS estimation results

(1) 在假定其他变量不发生变化的情况下, Ar(流入省的年平均收入)每增加一个单位, 劳动力迁移上海的决策会增加0.000 012 8%. 在假定其他变量不发生变化的情况下, Ur(流入省的失业率)每增加一个单位, 劳动力迁移上海的决策会增加0.078 808%, 以此类推.

(2)流入省的5 个特征以及个体特征中的Ma(婚姻状况)、Na(民族),家庭特征中的Hn(家庭成员数)、Hs(家庭子女数)在95%的置信区间内表现为显著.

(3) Ar(流入省的年平均收入)、Ur(流入省的失业率)、Nr(常住人口数量)、Na(民族)、Hn(家庭成员数)、Hs(家庭子女数)对劳动力迁移的决策产生正向影响, Gd(地区人均生产总值)、Np(人口自然增长率)、Ma(婚姻状况)对劳动力迁移决策产生负向影响.

在模型运行过程中, 大部分解释变量的t 值不显著, P 值所显示的结果也不够理想. 考虑到OLS 估计是有偏差的, 发现变量设置中存在多重共线性问题: ①流入省的居民消费水平和流入省的年平均收入存在严重的正相关问题; ②个人年总收入和家庭年总收入也存在一定的相关性, 可以考虑去掉二者中的一个; ③根据现行的婚姻匹配理论, 个人的受教育程度会与配偶的受教育程度严重正相关, 因此可以去掉配偶的受教育程度这一变量; ④性别及是否有专业资格证书有严重的共线性.

最终, 对模型进行修正, 得到

3.3 显著性分析

Probit 模型的回归结果如表5 所示. 从模型1、模型2、模型3 分析该结果可得到如下结论.

表5 Probit 模型得到的平均边际效应Table 5 Average marginal effects of Probit model

(1) 在3 个模型中都通过显著性检验的变量有Ag(年龄)、Ed(受教育程度)、Na(民族)、En(是否懂外语)、Pi(个人年总收入)、Hn(家庭成员数)和Hc(家庭消费年总支出), 且回归系数相对较大. 劳动力随着年龄的增长选择迁移到上海的可能性也越大, 这一点和现有研究结果稍有不同. 少数民族由于语言或者缺乏外出务工经验等原因, 向上海迁移的可能性相对较低.上海作为国际化城市, 对外语水平的要求也相对较高. 回归结果显示, 懂外语的人、有个人收入的、家庭消费年总支出越大的向上海迁移的可能性越大. 从纵向来看, 随着受教育程度的各类别系数的不断提升, 回归系数逐渐增大, 这说明受教育程度越高的劳动力, 越有可能向上海迁移. 横向来看, 从模型1 到模型3, 在假定其他影响因素不变的情况下, 受教育程度每增加一个单位, 相应的劳动力迁移到上海的决策也随之增加. 家庭成员数具有负向影响, 这说明由于上海的生存成本过高, 家庭成员数越多意味着生存成本越大, 向上海迁移的可能性越小.

尽管是从个体特征、家庭特征、流入省特征三个层面分析了影响劳动力迁移的因素, 但从这几个显著变量中发现, 个体特征的变量因素占绝大部分. 这说明劳动力迁移到上海的行为主要源于劳动者自身的一些特征因素, 即劳动力对自我认知及能力的认可会使得其更愿意迁移到上海.

(2) 在3 个模型中都未通过显著性检验的变量有Am(户口是否迁移过)、Mt(是否有公费医疗或者劳保医疗)、Ma(婚姻状况)、Hs(家庭子女数). 尽管户口有迁移的经历, 但导致户口迁移行为发生的原因很多, 比如升学、拆迁搬家等属于被动行为, 而且还有省内迁移的情况.因此是否迁移过, 以及迁移的次数对劳动力迁移至上海的影响并不大. 医保或者公费医疗在以往的研究中并未提及, 本研究结果也证实其对劳动力迁移的影响较小. 婚姻状况及家庭中孩子的数量也会对迁移决策存在影响, 但在本研究结果中, 二者的影响并不显著. 这可能是因为以上海作为研究对象, 个人意愿的强烈程度、城市本身的吸引力要大于客观因素对劳动力迁移决策的影响.

(3) Probit 回归分析的结论中没有涉及“流入省特征”的5 个变量, 其回归结果并不理想.这是因为本工作采用的数据是针对劳动力迁移的, 而并非劳动力迁移到上海的专项调查. 但由于有很多研究结果作为铺垫, 而且从OLS 回归结果来看, “流入省特征”对劳动力迁移决策是存在影响的, 因此本工作所建立的劳动力迁移模型依旧具有可行性.

4 研究结论及政策建议

4.1 主要研究结论

结合已有的研究结果, 基于当前上海市户籍积分制度现状, 加快分离城市户口和社会公共福利之间的必然联系, 切实保护外来流动劳动力的基本权益是目前工作的重点. 通过不断深化对劳动力需求及影响因素的特征分析和了解, 能进一步完善户籍积分制度, 降低劳动力迁移的成本, 打破二元经济壁垒, 真正实现劳动力在全社会范围内的有效配置, 促进城乡经济、社会环境平稳有序发展. 总的来看, 根据对劳动力需求及供给情况的研究, 得到如下结论.

(1) 企业中研究生员工规模的扩大、高级技术职称员工数量的增加, 能显著提高企业的创新产出. 本工作的统计分析发现: 本科生更多从事的是非研发创新工作, 进入的是非研发工作部门, 对创新产出的影响不明显; 中级技术职称员工会带来一定的创新产出, 但效果不明显; 高学历人才、高级职称人才是企业提升创新能力的重要保障和关键动力. 加大对高层次人才的引进力度, 是包括居住证积分制度在内的户籍治理政策必然的优化方向. 从供给端的情况来看, 受教育程度越高的人也确实更愿意向上海迁移.

(2) 企业中初级技术职称员工数量的增加, 能显著提高企业的创新产出. 从调研结果来看,初级技术职称员工在创新方面发挥的作用虽然没有高级技术职称员工大, 但确实能增加企业的创新能力. 这可能跟初级技术职称员工和高层次人才正好形成工作互补, 或以团队方式进行整体创新有关. 然而, 上海目前的初级技术职称员工数量是不足的. 因此, 探索包括“科创人才团队式引进”、“科创团队支持计划”等在内的多层次、多类型的劳动力考评和引进政策, 是居住证积分制度优化的又一方向.

(3) 企业中中青年员工规模的扩大, 能显著提高企业的创新技术产出. 硅谷、纽约、伦敦、新加坡等全球科技创新中心的人才结构除了都具有高端化、国际化等特点外, 均明显呈现出年轻化这一特点. 鉴于上海社会的老龄化现状, 中青年劳动力的输入无疑对上海打造创新高地将产生更关键的影响. 但从供给端的分析来看, 年龄越大而不是越年轻的劳动力更愿意迁移到上海. 如何让居住证积分的指标设计更利于中青年人才的引进, 从而解决上海劳动力市场供需匹配上的矛盾, 是调整和完善居住证积分制度时需要予以考虑的.

(4) 除了要考虑个体特征对劳动力需求与供给情况的影响之外, 还应考虑到家庭特征、社会特征等对需求与供给情况的影响, 如劳动力迁移成本、城乡教育水平差异、民族保护政策等.居住证积分与城市社会保障、公共福利更合理的挂钩, 是调整和完善居住证积分制度时的另一个需要考虑的问题.

4.2 居住证积分制度的政策建议

(1) 深刻认识居住证积分制度的重要性, 加快调整和完善积分制度.

居住证积分制度担负着双重功能. 它既被视为撬动大城市户籍制度改革的杠杆, 以促进社会公正, 又被期待着调控人口数量和结构、提高人口质量, 从而推动社会发展. 但上海目前的居住证积分制度一般两年调整一次, 相对于整个城市发展的速度而言, 仍然显得不够及时. 应当建立相应制度, 邀请更多不同领域的专家, 定期对积分制度进行多角度审视、论证. 居住证积分制度的调整、完善过程一定是动态性和长期性的.

(2) 健全居住证积分制度的市场认定机制.

在目前的居住证积分制度中, 职称和技能等级证书是积分的重要依据. 本工作研究发现,学历、职称等人力资本确实有效, 但市场发现、市场评价、市场认可的识别机制也急需受到重视. 居住证积分制度在强调行政性机制的识别作用时, 可更加重视和加强企业、市场机制的判断和筛选作用.

(3) 重视对技术职员类人才的福利覆盖.

居住证积分制度在向创业、创新人才倾斜时, 绝不能忽视对技术职员类(就业型)人才的判别机制、福利赋予机制调整. 上海对于拔尖人才的政策支持是有力的, 但对处在人才梯队中层和底部的技术类、职员类、就业型人才, 城市福利供给却是不足的. 应思考并着力制定或调整配合“人才团队引进计划”的相关政策, 对海外科技、创业人才团队, 国内顶尖科技、创业人才团队实施整建制引进, 或者由领军人才自主引领, 相关补贴和待遇也由聚焦个人向聚焦团队转变.

(4) 分类分级调整居住证积分指标.

对市场认定机制的重视, 并不意味着对学历职称评价机制的否定, 而是强调针对不同类型的来沪人员采取不同的识别、认定机制. 例如, 关于学术创新类人才, 还是应主要采用学历职称评价、第三方评价的方法进行判别, 即在可以较好体现其学术科研能力的学历职称评价之外, 再开辟第三方评价的方法进行政策叠加式突破. 目前, 博士学位、高级职称的科研人员均可以直接落户, 需要政策突破的群体为博士学位以下、高级职称以下的人才.

(5) 居住证积分制度的阶梯式福利供给策略须更加制度化.

办理居住证和申请积分并非必须履行的义务, 且各自设有一定的“门槛”. 个人自愿办理的动力取决于政策吸引力. 因而, 积分制度在进一步调整、完善积分加、减分指标的基础上, 可以划定不同的积分档次, 设定不同积分档次所对应服务管理的权利义务, 根据不同积分档次提供有梯度、有差别的公共服务. 同时, 根据居住证及积分信息加强人口管理, 使积分切实成为来沪人员接受服务与管理的有效“指挥棒”, 从而让每一个来沪人员能够根据制度规定以及自己的积分情况, 决定去留上海以及在上海的努力方向等, 真正做到“居住证积分化服务与管理”.