中国城市高技能人口数量的时空演变：宏观规律和微观证据

李琦 严功翠

摘 要：基于中国2010年人口普查数据分析发现，一个城市距离三大港口越近则该城市的高技能人口数量越多。进一步分析显示，一个城市距离三大港口越近， 则该城市在2000到2010年间高技能人口的增长率也越高。从经济因素、非经济因素和迁移成本三个方面进而考察影响个体城市选择的因素，分析结果表明：城市工资、房价和环境污染会影响个体的城市选择行为。利用上海高校毕业生的就业城市选择行为进一步验证非制度性迁移成本的影响，使用条件Logit模型估计发现，毕业生倾向于到距离上海更近的城市或距离生源地省份更近的城市工作;异质性分析结果显示，博士生对城市的平均工资最不敏感，对就业城市到生源地省份的距离则最为敏感。

关键词：人力资本;高技能人才;人才政策;房价;公共服务;迁移成本;距离;条件Logit模型

文章编号：2095-5960（2020）01-0009-12;中图分类号：F061.5;F241.2; F293.1;文獻标识码：A

一、引言

随着城市发展到一个更加成熟的阶段，经济活动会更加以知识技术为导向，对高技能人才的需求也随之扩大[1]。城市对高技能人才的偏好，一方面是因为高技能劳动力本身就具有更高的生产力，另一方面是因为高技能人才在城市集聚，会通过面对面交流学习的方式，促进知识、技术、信息的传播和演化，产生“人力资本外部性”，导致整个城市生产率的进步[2][3][4][5][6][7]。人才是城市发展的核心竞争力。留住人才和吸引人才是城市发展的关键，因此地方政府会通过一系列的政策来留住已有人才和吸引新增人才的流入。

2017年至今，共有56个城市先后加入了“抢人大战”，出台了百余份人才吸引政策。最初，人才政策的出台主要以二线城市为主，如武汉、西安、郑州等，一线特大城市和三四线小城市并未加入。进入2018年，北京、深圳、广州、香港也针对高技能人才制定相关政策，三四线城市更是从落户、购房补贴、生活补贴、配套保障全面发力，劳动力需求市场似乎呈现出一片欣欣向荣的景象。然而，截至目前，人才政策除了引起房价的短期波动外，在其他方面尚未显现明显效果。

那么，为什么各个地方政府出台的人才政策没有显著效果？什么样的人才政策才会有效果？尤其是对于中西部的城市，或者二三线城市来说，什么样的政策才能很好地留住和吸引人才？对这些问题的回答，需要进一步思考更深层次的问题：什么因素会影响人才的城市选择？是工资（就业机会）、房价、公共服务（尤其是子女教育），还是越来越受关注的环境质量？抑或是迁移成本？这些影响因素在城市间分布的截面差异如何？空间分布又有何动态变化？这些因素会多大程度上影响和改变人力资本的空间分布？

本文结合利用多个数据来一一回答以上的问题。首先，利用人口普查2000和2010年数据分析城市人力资本空间分布的截面差异和动态变化。回归结果显示，一个城市到三大港口的距离每增加1%，则该城市高技能人口数量会减少0.475%。高技能移民的空间分布也有类似的规律。更进一步发现，一个城市距离三大港口每增加1%，则在2000到2010年间城市高技能人口数量的增长率会减少0.063个百分点。另外，分析结果也发现了城市人力资本水平分布尚未完全稳定，因此地方政府还有改变人力资本分布的政策空间。为此，我们从经济因素、非经济因素和迁移成本三方面回顾和考察影响个体空间选择的因素。在此，我们特别强调了迁移成本对个体空间选择的影响。为了更好地识别非制度性迁移成本的影响，本文利用上海某高校毕业生的第一份工作的就业城市选择来验证非制度性迁移成本的影响。使用条件Logit模型考察分析研究发现，就业地城市到老家的距离以及就业地城市到上海的距离都会显著影响毕业生选择该城市的概率。异质性分析发现，毕业生的就业城市选择没有明显的性别差异，但存在显著的学历差异。具体而言，博士生对城市的平均工资最不敏感，而对就业城市到生源地省份的距离最为敏感。此外，我们也发现城市平均工资和城市平均房价会影响毕业生选择该城市的概率。本文的研究对城市规划者有一定的政策含义。

二、数据和模型

（一）数据介绍

人口普查数据。本文使用2010年人口普查数据来分析人力资本分布的截面规律。根据2010年中国居民受教育程度，本文将普查数据里最高学历为大学专科、大学本科和研究生定义为高技能劳动力人口。这类群体也是地方政府人才政策关注的重点。为了避免各个地方人口年龄结构对结果分析可能产生的影响，本文只使用年龄在25岁到54岁之间的样本。此外，我们根据户口登记情况来定义移民身份。数据中，户口登记情况有五种情况：1.本村（居）委会;2.本乡（镇、街道）其他村（居）委会;3.本县（市、区）其他乡（镇、街道）;4.其他县（市、区）;5.户口待定。我们删除户口待定的样本。前3种的样本可认为户籍地和常住地都在同一个地级市，定义为本市居民。如果户口登记属于情况4，则可以由户口登记地的6位地址代码来判断个体是否为跨地级市的移民。在考察分析公共污染影响迁移行为的结果中，我们也用到2015年人口普查的数据，其中关于迁移的定义类似。

流动人口检测数据。2014年流动人口调查数据来自国家卫生与计划生育委员会的流动人口调查。在流动人口数据处理上，本文只保留年龄在16～59岁的务工经商，且有工作的人口。考虑到使用的房价数据是全市范围内的，因此去掉了市内跨县流动的样本。考虑到流动人口的特点也去掉流动时间在6个月以内的样本。同时考虑到流动时间越长其获得流入地户口的概率越大，为了减少潜在的样本选择偏差，还去掉流动时间超过五年的样本。最后流动人口样本为66846个。

毕业生就业地选择数据。本文核心结果所使用的数据是上海某高校毕业生个体层面的就业数据，时间跨度为2015—2018年，原始数据的样本量为35507，就业数据里包含毕业生的生源地省份和就业单位的所在城市，由此可以判断毕业生是否留在上海工作以及就业城市的选择情况。此外，原始就业数据里还包含个体的性别、所属学院和所读专业、所获取的学历。回归中控制个体层面的信息，有助于更好地识别出城市层面的因素对毕业生就业地选择的影响。

为此，条件Logit模型有一个特有的性质，即，该模型要求满足非相关选择独立性（Independence of irrelevant alternatives， IIA）。它意味着在可变换的方案中（如上海和大连之间）进行选择的相对概率，与其他城市的特征不相关。然而在很多涉及类别选择问题上，如FDI区位选择、毕业生选择就业地、居民选择就餐和出行等，其备择项可能是相关的，即IIA假设不成立。McFadden构建了嵌套Logit模型，该模型是CL的推广，放松了IIA的假设。在本文的后续回归中，我们尝试利用两种方法来缓解IIA假设不成立可能带来的对参数估计的影响。第一，我们借鉴（文献）删除选择集中某些特定的因素来分析IIA假设不成立的严重程度;第二，我们将除了上海之外的所有城市当作一个整体进行考察分析，这意味着，将毕业生的就业地选择问题简化为二元选择问题，要么留在上海，要么离开上海，如此一来，可以在某种程度上回避条件Logit模型出现IIA假设不成立的可能潜在影响。我们用Probit模型来分析二元选择问题，具体设定如下：

其中，Probit表示生源地为c的毕业生i是否留在上海的概率，如果留在上海，则Probit取值为1，否则取值为0。Xicj为生源地为c的毕业生i的个体特征变量，主要包括个体的学历、所属学院和所读专业。在数据中，对毕业生的性别，我们也加以控制。Xk是生源地的特征。 Crescenzi et al.（2017）[9]也发现工作机会是人才的关键。因此，经济发展的形势可能会影响到大学生是否留在上海工作。具体包括生源地的人均GDP、人口、产业结构、城镇化水平。由于我们在模型中不可能全部控制生源地的所有特征，此外也考虑到这些变量可能存在内生性问题以及遗漏问题，我们尝试直接控制生源地的固定效应估计回归方程（3）。在回归中，我们也尝试控制上海的一些城市特征。

三、城市高技能人口的空间分布：宏观规律

（一）截面规律

首先从截面上考察高技能人口空间分布的情况。新经济地理学理论认为，靠近市场，则意味着更大的经济规模，具有更大的劳动力市场规模和高技能比例。在海洋经济时代，港口是连接大范围市场的中转点。借鉴陆铭和向宽虎（2012）[10]、陆铭（2017）[11]、陆铭等（2019）[12]，利用各个城市到天津、上海及深圳三个港口的最短距离来衡量城市的市场可及度。图1显示，到三大港口的距离越近，则城市的高技能人口数量越多。单变量回归结果显示，距离每增加1%，城市高技能数量会减少0.475%。考虑到迁移成本的存在，我们用移民中高技能人口的空间分布更能反映出高技能人口空间分布的规律。图2也显示了类似的规律，回归发现距离每增加1%，高技能移民数量会减少0.614%。这其中的差异可能间接反映了迁移成本的存在。

（二）动态演变

我们预期高技能人口数量的空间分布也会有类似的地理故事。根据2000年和2010年人口普查数据，计算出每个地级市高技能人口数量的增长率，然后考察它与到三大港口距离的关系。类似的，图3也显示，到三大港口的距离越远，则该城市的高技能人口数量的增长率越低。单变量回归结果显示，距离每增加1%，城市高技能数量的增长率会减少0.063个百分点。

接下来，我们考察城市高技能人口数量是否以及多大程度上存在路径依赖。我们用2000年和2010年人口普查数据分析2000年城市人口规模和结构多大程度上会影响2010年城市人口规模和结构。首先根据城市人口规模进行排序，然后观察2000到2010之间城市人口排序的变化。图4的散点图显示，城市人口排序高度稳定，图中拟合线的系数为0.98，这意味着中国城市人口分布已经逐渐趋于稳定。对应的，我们在表2做进一步分析。第1列的回归系数为0.961，系数大小和图4的类似，它说明在2000和2010年之间城市人口规模变化不大。在第2到4列中，我们根据教育程度将人口划分为高技能、中等技能和低技能三类。结果显示，高技能和低技能人口具有更强的路径依赖，背后的原因是高、低技能存在技能互补，他们同时往大城市集聚[13]。

四、城市高技能人口的空间分布： 微观动机

在第三节中，本文一方面分析了中国城市高技能人口数量的分布与该城市到三大港口的距离负相关，并且高技能人口数量的增长率也是如此;另一方面也发现城市高技能人口的空间分布已经逐渐趋于稳定。在高技能人口分布完全稳定之前，地方政府还有政策空间去改变和影响城市人口结构。本节尝试深入分析影响城市高技能人口分布的因素，相关结论对地方政府具有对应的政策含义。城市人口是由个体所组成，城市人口结构的变化是个体迁移行为变化所导致的，因此需要分析个体迁移和空间选择的行为及其影响因素。劳动力流动决策本质上是个人比较成本收益并追求更高效用的结果，文献上一般认为，个体迁移行为主要受经济因素（工资、房价）、非经济因素（比如公共服务、舒适度）以及迁移成本影响[14]。为此，本文分别从经济因素、非经济因素和迁移成本三个方面来梳理和分析城市技能结构的影响因素。

（一）经济因素

影响个体迁移行为和城市人口技能结构最为重要的因素是经济变量。经济发展水平的提高会带来就业机会和工资的提升，与此同时，也会产生更高的房价水平，二者都会影响个体的城市选择。在表3中，利用回归方程（2）中的条件logit回归考察影响个体选择城市的变量。为了缓解内生性问题，所有的解释变量滞后一期，使用的是2013年的数据。表1中第1列报告了全样本的结果，从第一列的回归结果看，平均工资和人均GDP的系数显著为正，说明移民更大可能选择平均工资和人均GDP更高的城市。而房价的系数显著为负，这说明高房价倾向于抑制移民的迁入。表中第2列和第3列分别报告了低技能移民和高技能移民的影响。回归结果类似。需要注意的是，房价对高技能移民具有更大的负向影响。根据系数大小可知，平均而言，房价每平方米价格每上涨1000元，低技能劳动者选择该城市的概率会下降1.07%，而高技能移民选择该城市的概率会降低3.63%。因此，从加总层面来看房价和城市移民的技能比會存在一个负向关系。

（二）非经济因素

公共服务也是影响个体选择城市的关键变量。Tiebout（1956）[15]认为居民会进行“用脚投票”在不同地区间进行选择，居民会选择公共品和税收组合最符合其偏好的地区来居住。“用脚投票”的理论在很多国家和地区都被证实存在[16][17]。利用中国数据对Tiebout“用脚投票”机制进行检验的经验研究相对较少，已有的研究结论也存在争议。乔宝云等（2005）[18]认为对进城打工的农村劳动力来说，他们没有享受到与城镇居民同样的义务教育、医疗卫生等公共产品，因此“用脚投票”理论在中国并不适用。户籍制度的确会排斥外来人口享受城市的公共服务，但并非是完全排斥，尤其是对高技能劳动力而言，因此，“用脚投票”理论也适用于中国背景。夏怡然和陆铭（2015）[19]利用2005年1%人口抽样调查中劳动力流动的微观数据与220个地级市的城市特征数据，证实了城市的基础教育和医疗服务等公共服务会影响城市劳动力选择某个城市。具体而言，一个城市的基础教育平均增加一个标准差，城市被选择的概率提高0.116倍，医疗服务增加一个标准差，城市被选择的概率提高0.118倍，这说明，在控制其他条件的情况下，吸引外来劳动力的城市公共服务中，基础教育与医疗服务具有基本相当的重要性。与此同时，当一个城市的工资平均增加一个标准差，该城市被选择的概率提高0.151倍。可见，与公共服务对劳动力流动的作用相比，工资对城市吸引劳动力的作用更大一些。

夏怡然和陆铭（2015）[19]，忽略了环境污染对劳动力城市选择的影响。然而随着人民生活水平的提高，环境问题也逐渐成为社会大众关心和热议的话题。除了生活水平的提高外，互联网普及带来的信息传播加速，也提高了公众的环境意识。在2012到2015年的短短3年间，我国公开的PM2.5数据实现了从空白到覆盖全国所有地级市的实时发布，这提高了普通大众对环境问题的关注。与夏怡然和陆铭（2015）不同[19]，本文在表4中关注PM2.5对个体迁移决策的影响。用2015年人口普查个体层面的数据来定义劳动力是否离开户口所在地。前3列报告OLS 的结果。第1列显示，PM2.5的系數显著为正，说明了环境污染的增加会导致劳动力的流出。第2列和第3列显示，环境污染对高技能劳动力的流出具有更大的影响。考虑环境污染可能存在内生性，因此，在后3列中，本文借鉴Chen et al.（2017）[20]的做法，用逆温次数做PM2.5的工具变量。第一阶段的F值都大于50，说明工具变量不存在弱工具变量问题。结果显示，工具变量回归中PM2.5的系数比OLS的增加一倍左右，同样都在1%置信水平显著为正。结果也显示环境污染对高技能劳动力的流出具有更大的影响。

（三）迁移成本

国家间和国家内区域间生产率和实际工资的差异说明迁移成本的存在。已有文献考察了迁移成本对国家和区域的影响。在中国，最为明显的迁移成本和户籍制度相关。形成于计划经济时代的户籍制度，至今仍然在方方面面影响到居民生活。户籍制度阻碍劳动力自由流动到收入更高和就业机会更好的城市，导致了个人福利无法得到改进，更为重要的是户籍制度是偏向高技能人口的。在北京、上海、广州和深圳的落户积分中，学历的所占分值最大，其他相关技能（比如，外语技能）也具有很大的分值。图5显示了，户籍指数和城市高技能人口占比存在正相关，这说明了户籍制度越严的城市，高技能人口占比越高。

除了制度性的迁移成本外，非制度性的迁移成本也会影响劳动力的城市选择。对于中国这样的大国，区域间具有巨大的交通成本。除此之外，不同区域存在着鲜明的文化差异，这也会影响劳动力的流动。在工资等其他条件相同的情况下，非制度性的迁移成本会导致劳动力倾向于留在文化较为类似、离家较近的城市。这一点可以用流出地城市和流入地城市之间的距离以及它们是否属于同一个省来衡量。如果流出地城市和流入地城市间的距离越近，或者同属于一个省，则具有较低的交通成本，也较大可能具有相类似的文化和方言。Zhang 和 Zhao（2013）[22]估计的工资-距离弹性为1.5，即要使农民工的离家距离增加10%，工资必须提高15%。不同劳动力面临的非制度性迁移成本存在显著差异。而Zhang 和 Zhao（2013）中包含了不同年龄段、不同学历的样本，这会影响估计结果的准确性，与此同时，他们也面临了制度性的迁移成本。为此，本文只用高技能人口的样本进行实证分析。在不同城市落户的难度较小，因此能更准确地识别出非制度迁移成本的影响。

表5利用2010年人口普查微观数据中高技能劳动力样本进行分析。为避免年龄增大而产生的迁移成本，回归中只用年龄在25～34岁的未婚样本做回归。模型中用选择城市到户口城市的距离和选择城市与户口城市是否跨省来捕捉迁移成本。在第1列中，只控制选择城市到户口城市的距离，系数为-1.027，在1%置信水平下显著;在第2列中，加入选择城市与户口城市是否跨省，结果显示，选择城市到户口城市的距离依然在1%置信水平下显著，系数大小为-0.879，与第1列相比略有变化。与此同时，是否跨省的系数为-1.215，在1%置信水平下显著。在第3列中，加入选择城市的工资和房价，结果显示，选择城市到户口城市的距离和选择城市与户口城市是否跨省都显著，系数大小变化不大。总体而言，高技能人口更可能选择户口所在省份以及离户口所在越近的城市。

基于人口普查数据的结果存在三个方面的不足。一是人口普查数据没有高技能毕业学校的所在城市。一般认为，高技能很有可能留在毕业院校所在的城市。二是人口普查数据没有个体就读专业的信息。城市间的产业结构存在差异，而这可能会影响不同专业的高技能劳动力。三是人口普查数据无法反映高技能人才是否换过工作。一旦工作稳定下来，那么重新选择城市的成本就会增加，而这在模型中我们无法捕捉到。

基于这方面的不足，表7尝试利用上海某高校毕业生数据考察分析。高校毕业生的数据能够在一定程度上克服人口普查数据的不足。一是可以知道毕业院校的城市——上海;二是毕业生个体数据可以知道毕业生的专业;三是毕业生的就业城市是他们毕业的第一份工作，因此不存在换工作所产生的迁移成本。

表6前两列使用的是工作城市到生源地省份内所有地级市的距离的平均值，来衡量工作地到生源地的距离;后两列使用的是工作地到生源地省份省会的距离。前两列结果发现城市平均工资的提高会增加毕业生选择该城市的概率，不过在控制城市人口之后，平均工资系数大小出现下降。房价的系数则变化不大。回归中，城市人口的系数显著为正，说明毕业生倾向于到具有城市规模的城市工作，这一点类似于Xing and Zhang（2017）[23]。两个距离变量的系数都显著为负。上海作为毕业学校的所在城市，毕业生倾向于留在上海，或者离上海更近的城市。到老家的距离为负，则说明了毕业生倾向于到老家更近的城市工作。

在表6的基础上，表7进一步考察分析毕业生就业的城市选择是否存在性别的异质性。在表8中，前两列为女性样本，后两列为男性样本。总体而言，男女在就业地的城市选择行为上，没有很大的差异。

表8考察了不同学历就业城市选择的异质性。之所以要考察学历的异质性，原因在于我国的户籍制度是高技能偏向的。上海落户政策中对不同学历的加分情况也说明了这点。表8结果显示发现，房价的系数都显著为正，系数大小没有呈现规律性。而工资变量则出现差异。在本科生组别中，工资系数显著为正;在硕士样本中，工资系数在15%置信水平下显著，而且系数小于本科组别;而在博士生组别中，工资的系数则不再显著。城市人口的系数则呈现出相反的规律。城市人口的系数在三个组别中都显著为正，但系数大小则逐渐递增。到上海的距离都显著为负，系数大小没有明显规律，而到老家的距离虽然也都显著为负，但系数的绝对值呈现递增规律，这意味着博士生更倾向于到老家更近的城市工作。

条件Logit模型有一个特质，即该模型要求满足非相关选择独立性（Independence of irrelevant alternatives， IIA）。在本文的后续回归中，我们尝试缓解IIA假设不成立可能带来的对参数估计的影响。我们将除了上海之外的所有城市当作一个整体进行考察分析，这意味着，将毕业生的就业地选择问题简化为二元选择问题，要么留在上海，要么离开上海。如此一来，可以在某种程度上回避条件Logit模型出现IIA假设不成立的可能潜在影响。

在表9中利用Probit模型估计毕业生留沪的情况。前3列的回归包括升学和就业的样本。后3列只用就业的样本。在模型中的，被解释变量是二元虚拟变量，是否留在上海。从3.1部分的回归结果来看，毕业后是否留在上海会受到个体毕业当年上海经济的影响，因此直接控制毕业年份的固定效应。此外，毕业后是否留在上海也和毕业生个体的所属学院和所读专业的固定效应有关。在宏观层面，可以尝试控制个体生源地省份的特征，包括人口、GDP、产业结构和城镇化水平。但为了避免生源地省份变量可能存在的内生性问题，以及可能存在的遗漏变量问题，回归中直接控制生源地的固定效应。第1列中控制了毕业年份、所属学院和生源地省份的固定效应，结果显示，相比于男性，女性留在上海的概率更高，相比于本科毕业生，硕士和博士更可能离开上海。在第2列中考察生源地省份到上海的距离对毕业后留沪的影响。数据中只知道生源地所在的省份，因此无法知道更为准确的距离。为此，使用两个距离来度量。第2列的结果使用生源地省份所在地级市到上海的平均距离，第3列使用生源地省份的省会到上海的距离。第2列和第3列的结果显示，距离的系数显著为负，系数都较为接近，说明了生源地老家距离上海越近，毕业后留在上海的概率越高。

在第4到6列中只用就业的样本。同样的，相比于男性，女性留在上海的概率更高。硕士毕业生的系数不再显著，说明了硕士生和本科生找工作时，是否留在上海没有显著差异。而相比于本科毕业生，博士生留在上海的概率同样更低，这可能是因为博士生的就业单位主要是高校，和企业的就业较为不同。此外，距离的系数显著为负，系数绝对值比前3列的结果较大，背后的原因可能是学校的分布和企业的分布在空间上存在差异。

五、结论以及未来的研究方向

本文结合利用多个数据来总结中国城市人力资本分布的规律并尝试给出背后的原因。首先，利用人口普查2000和2010年数据实证分析城市人力资本空间分布的截面差异和动态变化。结果显示，一个城市到三大港口的距离越近，则该城市的高技能人口数量越多。回归结果显示，距离每增加1%，城市高技能人口数量会减少0.475%。高技能移民的空间分布也有类似的规律。更进一步的，一个城市到三大港口的距离越远，则2000到2010年間该城市高技能人口的增长率越低。具体而言，城市到三大港口的距离每增加1%，则该城市高技能人口数量的增长率会减少0.063个百分点。与此同时，分析结果也发现了我国城市人力资本水平分布尚未完全稳定，因此地方政府还有改变人力资本分布的政策空间。其次，本文从经济因素、非经济因素和迁移成本回顾和考察影响个体空间选择的因素，并强调了迁移成本对个体空间选择的影响。为了更好识别非制度性迁移成本的影响，论文利用上海某高校毕业生的第一份工作的就业地选择，来验证非制度性迁移成本的影响。使用条件Logit模型考察分析研究发现，就业地城市到老家的距离以及就业地城市到上海的距离会显著影响毕业生选择该城市的概率。具体而言，就业城市到上海的距离每增加1个百分点，毕业生选择该城市的概率会减少0.48个百分点。就业城市到生源地省份的距离每增加1个百分点，毕业生选择该城市的概率会减少0.47个百分点。异质性分析发现，毕业生的就业城市选择没有明显的性别差异，但存在显著的学历差异。具体而言，博士生对城市的平均工资最不敏感，而对就业城市到生源地省份的距离最为敏感。此外，结果也发现城市的工资、房价和公共服务水平和舒适度，会影响毕业生选择该城市的概率。

由于数据所限，本文的研究分析未能充分展开，存在诸多不足。一是，Glaeser and Shapiro（2001）[24]认为企业日益集中于大城市能够吸引大学生的集中。碍于数据所限，在目前的回归结果无法考察分析上海新企业的成立对毕业生留沪的影响。二是，Carree and Kronenberg（2014）[25]发现毕业生毕业之后选择居住地，往往会同时考虑通勤距离以及到之前学习地方的距离。毕业生留在学校所在城市以及在该城市内部又是如何选择工作地和居住地，这些都是未来可以进一步拓展的研究题目。

本文的研究对城市规划者有一定的政策含义。首先，通过城市在工资和房价两个方面入手，对人才引进进行补贴，尤其是住房方面的补贴。然后是从公共服务入手，为人才配备相应的公共服务，比如教育和医疗，与此同时，也要开始重视自然环境对吸引人才的重要性。最后是从迁移成本入手，放开户籍制度，尽可能解决人才及其家属的落户问题。考虑到不同地方政府在以上方面都会进行竞争，那么地方政府也可以考虑打感情牌，利用故乡情结来吸引人才回故乡工作。

参考文献：

[1]World Bank. World Development Report 2009： Reshaping Economic Geography[M]. 2008， World Bank.

[2]Duranton G. & Puga D.， 2004， Micro-Foundations of Urban Agglomeration Economies [C].Handbook of Regional and Urban Economics，in： J. V. Henderson & J. F. Thisse（ed.）， Handbook of Regional and Urban Economics， Amsterdam and New York： Elsevier. 2004：2063-2117.

[3]Glaeser， Edward L. and Lu， Ming. Human-Capital Externalities in China[J]. NBER Working Paper，2018， NO. 24925.

[4]Lucas R. E.. On the Mechanics of Economic Development [J]. Journal of Monetary Economics， 1988，22（1）： 3-42.

[5]Rosenthal S. S. & Strange W. C.. The Attenuation of Human Capital Spillovers[J]. Journal of Urban Economics， 2008， 64（2）： 373-389.

[6]Winters J. V.. Human Capital Externalities and Employment Differences across Metropolitan Areas of the USA[J]. Journal of Economic Geography， 2013，13（5）： 799-822.

[7]梁文泉、陆铭.城市人力资本的分化：探索不同技能劳动者的互补和空间集聚[J]. 经济社会体制比较，2015（3）：185-197.

[8]Costa， D. L. and Kahn， M. E.， Power Couples： Changes in the Locational Choice of the College Educated， 1940-1990[J]. The Quarterly Journal of Economics， 2000， 115（4）： 1287-1315.

[9]Crescenzi， R.， Holman， N. and Orru， E.. Why Do they Return？ Beyond the Economic Drivers of Graduate Return Migration[J]. The Annals of Regional Science， 2017， 59（3）： 603-627.

[10]陆铭，向宽虎. 地理与服务业——内需是否会使城市体系分散化？[J].经济学（季刊），2012，11（3）：1079-1096.

[11]陆铭. 空间的力量：地理、政治与城市发展（第2版）[M]. 上海：格致出版社和上海人民出版社，2017.

[12]陆铭，李鹏飞，鐘辉勇. 发展与平衡的新时代——新中国70年的空间政治经济学[J]，管理世界，2019（10）：11-23.

[13]Eeckhout， J.， R. Pinheiro and K. Schmidheiny. Spatial Sorting[J]. Journal of Political Economy， 2014，122（3）：554-620.

[14]Kuminoff， N. V.， Smith， V. K. and Timmins， C. The New Economics of Equilibrium Sorting and Policy Evaluation Using Housing Markets[J]， Journal of Economic Literature， 2013，51（4）： 1007-1062.

[15]Tiebout， C.. A Pure Theory of Local Expenditures[J]. Journal of Political Economy， 1956，64（4）： 416-424.

[16]Bayoh， I.， E. Irwin and T. Haab. Determinants of Residential Location Choice： How Important are Local Public Goods in Attracting Homeowners to Central Locations？[J]， Journal of Regional Science， 2006， 46： 97-120.