劳动力迁移影响因素的实证研究——以上海市为例

魏 晨, 镇 璐,陈强远

(1.上海大学管理学院,上海200444；2.上海大学经济学院,上海200444)

随着社会的发展,各城市间经济发展差异化日益明显,人口流动数量也不断增长.国家卫计委2016年10月19日发布的《中国流动人口发展报告(2016)》(以下简称“报告”)中显示,2015年年末,我国流动人口数量达2.47亿人,相较1982年的672万人,流动人口数量增长了近37倍.流动人口数量的大幅增长,一方面满足了流入地区的劳动力需求,弥补了经济发展中劳动力不足的问题,同时有利于改善劳动力的生活质量,促进劳动力整体素质的提升；而另一方面由于劳动力的流动所造成的社会治安、子女教育等公共基础设施拥挤,劳动力本身较难融入流入地区的社交生活,基础权益得不到保障的问题也给相关部门机构都带来了较大的压力和挑战.近年来,人口继续向超大城市和特大城市聚集,中部与西部地区省内流动农民工比重明显增大.就一线城市而言,劳动力流动所引发的经济、政治和社会问题,对城市规划与发展的影响更为显著.

上海市是中国经济、交通、科技、工业、金融中心,经济发展速度快,对外开放程度高.数据显示,从1993年到2014年,上海市GPD增长近60倍,在2014年上海市GDP总量位居中国城市第一.经济的快速发展吸引了劳动力大规模涌入,截至2014年末上海全市常住人口总数为2 425.68万人,其中户籍常住人口1 429.26万人,外来常住人口996.42万人,外来人口数量约为全市常住人口数量的三分之二.相对而言,一线城市经济发展速度快,劳动力需求多,但就业机会、社会资源等都是相对有限的,当劳动力过于饱和时,剩余劳动力越来越多,必然导致资源无效浪费,危害社会稳定,限制城市经济的进一步发展.为了缓解和预防这种情况的发生,必须对劳动力流入数量及质量进行控制.但是,从长远角度来看,单纯提高准入条件,其效果是短期的.关键是要从源头出发,充分了解劳动力流动的原因,促进劳动力资源在全社会范围内的合理流动才是解决问题的根本方法.本工作从个体特征、家庭特征、流入省特征3个层面调查劳动力向大中城市转移的影响因素.以上海为例,结合《中国劳动力动态调查》及《中国统计年鉴》数据,探讨劳动力流入上海的成因,在为上海市制订更科学合理的政策提供理论依据,维护上海市劳动力市场稳定的同时,了解劳动力流入一线城市的主观原因和客观原因,对各城市地区的经济发展方式及政策调整,促进劳动力资源的优化配置具有重要的理论和实践意义.

1 文献综述

目前,对于劳动力迁移问题的研究,业界已有大量的研究成果.这些研究关注流动行为本身,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[1-5]；其次,由于家庭是近年来主流的迁移单位,故从家庭特征出发,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了检验[5-7].基于劳动力迁移理论,大部分学者认为地区间的收入差距会对迁移决策产生影响；另外,迁移距离、失业率、第二产业和第三产业比重等指标也会对迁移决策产生影响[5,8-9].戚晶晶等[6]的研究关注跨省流动行为,认为在迁移或流动研究中,区别不同的流动类型很有必要.另外,还有一些学者选取某一地区进行研究,苏荟[10]以新疆南疆地区为例,从个人禀赋和家庭特征的角度,对少数民族女性劳动力转移就业进行了分析；彭长生等[11]分析了产业转移背景下安徽省劳动力跨省流动趋势；马轶群[12]以江苏省和浙江省为例,研究技术进步对劳动力转移的影响.而国外很多学者强调,劳动力跨省移动行为的本身在于流出省与流入省的省际差异,如失业率、收入差距、人口数量等[13-15].

从上述这些研究结果来看,劳动力迁移决策的形成受多方面因素的影响,主要是围绕省际收入差距、个体特征以及家庭特征3个角度展开.另外,研究的结果会因为研究对象、研究范围的不同而有所区别,甚至完全相反.比如,大部分的研究结果显示,受教育程度越高,劳动力向外迁移的意愿越高,其关注的是流动行为；而以劳动力跨省流动行为为研究对象时,发现受教育的程度越高,劳动力向外迁移的意愿越低[6].在现有的文献中,着重分析影响劳动力迁移到一线城市原因的研究较少,而且劳动力迁移的影响因素相对复杂,以某单一的模型和理论很难对其进行全面的研究.本工作从劳动力迁往一线城市的现象出发,以上海市为例,结合一线城市的劳动力需求特征,从经济学研究角度建立和完善劳动力迁移模型,并对新加入的变量进行验证,丰富劳动力迁移影响因素的研究成果,促进全社会范围内劳动力资源的合理分配.

2 数据来源及理论模型

2.1 数据来源

流动劳动力是本工作的研究对象,微观数据来自“中国劳动力动态调查”(CLDS2014),该数据调查地分布全国29个省市(除港澳台、西藏、海南外),调查对象为样本家庭中的全部劳动力(年龄15至64岁的家庭成员),剔除缺省较为严重的数据,得到了11 989个数据样本.宏观数据来源于国家统计局公布的2015年《中国统计年鉴》.

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.从经济学的角度出发,将劳动力迁移的研究分成了3个阶段.第一个阶段是以刘易斯-费景汉-拉尼斯模型为代表的结构主义研究方法,强调通过提高劳动生产率,使劳动力从传统部门向现代部门迁移.在出现刘易斯拐点之前,现代部门能持续不断地获得剩余劳动力的原因在于工业部门能提供高于维持其生存的工资,城乡之间的工资或收入差距会对劳动力迁移产生重要影响.第二阶段是以托达罗模型、哈里斯模型为代表的新古典主义研究方法,强调城乡预期收入水平的差异是影响劳动力迁移的决定性因素.由此可以认为,影响劳动力跨省迁移的首要因素在于对流入省的收入预期,即流入省和流出省之间的收入差距；另外,失业率、消费水平等对劳动力迁移均会产生影响.结合现有数据中包含的特征指标,在流入省特征影响下,劳动力迁移模型为

式中,M表示为劳动力迁移决策,Ar为流入省人均年平均收入,Ur为流入省的失业率,Rc为流入省的居民消费水平,Np为人口自然增长率,Nr为常住人口数量.

行为主义研究方法是研究劳动力迁移影响因素的第三阶段.可以说,行为主义研究方法综合了结构主义研究方法和新古典主义研究方法,强调个体特征对劳动力迁移的影响.美国经济学家舒尔茨和贝克尔提出人力资本理论,后人逐渐将人力资本理论和劳动力迁移模型相结合.而在近几年的人力资本投资模型的相关文献中,也出现了如年龄、性别、受教育情况、婚姻状况、民族等个体特征对劳动力迁移的影响的观点.根据2016年英孚发表的第六版英语熟练度指标发现,中国成人英语熟练水平世界排名第九,而上海已连续三年全国排名第一,熟练水平达到55.54.由此,结合现代城市的需求,在个体特征的影响下,将劳动力迁移模型扩展为

式中,Se表示为性别,Ag为年龄,Ed为受教育程度,Ma为婚姻状况,Na为民族,En表示为是否懂外语,Am表示为户口是否迁移过,Mt表示为是否有公费医疗或者劳保医疗,Pi为个人年总收入.

在我国,人口流动方式逐渐发生改变,家庭作为迁移决策单位的情况日益增多.基于对家庭迁移理论的研究发现,家庭迁移是以收入最大化、风险最小化为目标.在现有的研究中,选取家庭年收入、家庭成员、家庭户口类型、子女情况、父母是否健在、家庭耕地面积等多个家庭特征,对劳动力迁移进行了研究.因此,在家庭特征的影响下,对模型进行扩展：

式中,Hn为家庭成员数,Hs为家庭子女数量,Hc为家庭消费总支出,Em为配偶受教育程度.

本模型主要研究个体特征、家庭特征、流入省特征3大因素对劳动力迁移的影响程度,共包括18个变量.指标变量及相关说明详见表1.

表1 指标变量及相关说明Table 1 Indicator variables and related instructions

3 Probit模型及回归分析

3.1 Probit模型

劳动力向上海迁移只有2种选择,迁移或者是不迁移,离散选择模型可以有效地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,因此本工作选择Probit模型来对劳动力迁移影响因素进行研究.

通过统计性描述结果,可以对各指标数据的范围及平均水平有一个直观的了解.其中,流入省特征中Ar(流入省平均收入)、Ur(失业率)均值和标准差差距较大,说明各省之间的经济发展情况有一定的差异,故分析各省之间的经济差异对劳动力迁移产生的影响是非常必要的；在各阶段受教育水平下,配偶的平均受教育水平都是低于调查者本身的；Ag(年龄)的最大值由于样本出生年份的缺省,通过公式计算时最大值为2017,对此进行了修正.最终各指标数据情况如表2所示.

表2 各个指标变量的描述性统计结果Table 2 Statistical results of various indicator variables

3.2 回归结果分析

根据数据类型,本工作在Stata的基础上,采用最小二乘线性回归进行估计,结果如表3所示.结果显示：①在假定其他变量不发生变化的情况下,Ar每增加一个单位,劳动力迁移上海的决策会增加0.000 004 44%；在假定其他变量不发生变化的情况下,Ur每增加一个单位,劳动力迁移上海的决策会增加0.062 0%,以此类推；②流入省的4个特征以及个体特征中的Hs在95%的置信区间内表现为显著；③流入省的常住人口数量、户口是否迁移过、年龄、婚姻状况对劳动力迁移决策会产生负向影响.

在模型运行过程中,大部分解释变量的t值不显著,P值所显示出来的结果也不够理想,考虑到OLS估计是有偏差的,而且经过方差膨胀因子检验可以发现,在变量设置中存在多重共线性问题(见表4)：

(1)流入省的居民消费水平这个变量和流入省的平均收入存在严重的正相关问题；

(2)性别变量和其他变量之间存在严重共线性(在进行分析时直接剔除)；

(3)根据现行的婚姻匹配理论,个人的教育程度会与配偶的教育程度严重正相关.当然,双方受教育程度的匹配程度不是绝对的,但高学历的找高学历的可能性更大,因此可以去掉配偶的教育程度这一变量.

针对存在的多重共线性问题,模型经过筛选后得到：

表3 OLS估计结果Table 3 OLS estimated results

3.3 稳健性分析

通过Probit进行回归分析,根据运行结果逐次剔除不显著变量,结果如表5所示.从模型1～3分析结果可以看到,在3个模型中都通过显著性检验的变量有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.少数民族相较汉族而言,向上海迁移的可能性相对较低；懂外语的人向上海迁移的可能性较大,这也验证了语言对于劳动力迁往一线城市有重要影响；有个人收入的、家庭消费年总支出越大的越可能向上海迁移.另外,家庭成员数具有负向影响,反映了家庭现有成员数量会影响迁移决策的形成.

表4 VIF检验结果Table 4 VIF test results

特别地,从纵向来看,受教育水平的各类别系数会随着受教育程度的不断提升而逐渐增大,说明受教育水平越高的劳动力,越有可能向上海迁移；从横向来看,模型1～3中,在假定其他影响因素不发生变化的情况下,受教育水平每增加一个单位,相应的劳动力迁移到上海的决策也随之增加.另外,年龄这一结果这和现有研究结果有所不同.以往研究认为,劳动力的年龄和迁移决策之间是显著负相关的,即年龄越小越容易迁移,但是本工作的研究显示年龄对劳动力迁移上海的影响相对较弱,结果具有一定的差异.

尽管是从个体、家庭、流入省3个层面分析影响劳动力迁移的因素,但是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力自身的一些特征因素,即劳动力对自我的认知及能力的认可会影响其迁移决策.

由于Ma,Hs在模型1中未能通过显著性检验,Am,Mt结果不显著,故逐次剔除.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,如升学、拆迁搬家(属于被动行为),而且还有省内迁移的情况,因此户口是否迁移过、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,本工作的研究结果也证实了其对劳动力迁移的影响较小.婚姻情况及家庭中孩子的数量会对迁移决策存在影响,但在本研究结果中,二者对劳动力迁移决策的影响并不显著.另外,关于流入省特征的4个变量,均未能通过显著性检验,表明上海市的收入、失业率、自然增长率及常住人口数量对劳动力迁移的影响并不显著.从数据中可以发现,上海市高收入对应高消费,机会多对应相对较高的失业率,而且上海近几年对移入劳动力的质量和数量不断控制,因此对劳动力而言,在机会和挑战均等的情况下,内在因素对劳动力迁移的影响就会更加显著.

4 结论与政策建议

劳动力向大中城市或沿海城市大规模的迁移,一定程度上满足了社会生产的需求,但也涌现出了很多社会问题,劳动力迁移问题急需解决.本工作从个体、家庭、流入省3个层面进行分析,总结出了影响劳动力迁移决策形成的关键要素.

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

(1)从个体特征来看,劳动力的受教育水平、民族、是否懂外语以及个人收入会对劳动力迁移到上海的决策产生影响.①影响最为显著的就是受教育水平,不论是从劳动力个人意愿,还是从社会需求的角度来看,受教育程度越高,劳动力迁移现象更加明显.因为随着视野不断开阔,大中城市丰富的社会资源及就业机会会满足自我实现的需要.另外受教育程度越高,在一定程度上意味着劳动力具备更强的竞争力,在同等条件下企业更愿意接受教育程度更高的劳动力；同样地,劳动力对自我能力的自信会使其更愿意进行迁移.②对于民族的影响,本研究结果和以往的研究结果相同,少数民族跨省迁移的可能性相对较小.少数民族外出务工还没有形成规模,且缺乏外出务工的经验和技术,家庭以及个人对外出务工也存在很多误解和分歧.③是否懂外语是本模型中新加入的变量.当代社会的发展要和时代、和世界接轨,大中城市对外语水平的要求也会相对较高,劳动力本身具有较高的英语水平,在进行迁移之后可以更好地适应企业需求,具有更强的社会竞争力.④个人收入对于迁移决策的影响也是非常显著的,劳动力迁移是有成本的,个人收入越多意味着资本积累越多,迁移后的前期压力也就相对较小.另外,为了进一步增加个人收入,劳动力会倾向于选择薪酬较高、就业机会多的地区进行迁移.

(2)从家庭特征来看,家庭成员数和家庭消费总支出对劳动力迁移到上海的决策也是显著的.家庭的支持对于劳动力迁移行为的影响很大,家庭成员数和劳动力迁移呈显著负相关,这一方面可以理解为,较多的家庭成员对劳动力迁移的支持度不尽相同,故考虑整个家庭的稳定性会影响迁移决策的形成；另一方面,如果涉及到举家迁移到大中城市,其生存成本过高,而且还会涉及到子女上学、医疗保障、缺乏社会关系基础等问题,影响了劳动力迁移的意愿.家庭消费总支出越高,劳动力迁移的可能性越大.家庭消费支出越高可能会导致2种结果：向消费水平较低的城市进行迁移,或向收入较高的城市进行迁移.

综合上述研究结果,为了控制劳动力流入大中城市的趋势和规模,首先应该注重加强经济较为发达的城市与欠发达地区的合作,如果单纯地提高经济发达地区的迁入成本只能获得短期的改善,并且还会进一步拉大各地区之间的收入差异；其次通过与欠发达地区的经济合作,提高欠发达地区的生产力,促进其经济发展,是解决劳动力向大中城市转移问题的根本；另外,优化户籍积分制度,通过分离出影响劳动力迁移到上海的主要因素,可以相应地调整其对应分值,利用户籍积分制度可以对外来劳动力进行控制和优化；最后,欠发达地区可以通过建立优质的教育资源,使优秀劳动力以就业、升学为目的地进行迁移.