城市规模、就业歧视与农民工就业匹配*

刘 超 李 瑞 马俊龙

（1.南开大学经济学院 天津 300071）

（2.河北大学经济学院 河北保定 071000）

（3.四川农业大学经济学院 四川成都 611130）

一、引 言

厚劳动力理论认为在有众多求职者和雇佣者参与的劳动力市场上，就业匹配的效率更高。一个求职者面临多个可供选择的职位，同时一个职位也可从多个求职者中选择。求职者容易找到与自身技能匹配的岗位，企业的空闲岗位也容易找到符合岗位要求的求职者，从而实现高效率、高质量的就业匹配，由此依据厚劳动力市场理论，城市规模越大，找工作花费的时间越短，求职者与岗位的匹配度越高。

中国特殊的历史制度安排形成了广大农民工群体，农民工在城市获得经济回报是其进入城市的根本动机，也是其市民化的前提。因此，农民工城市就业水平和质量显得尤为重要。大城市劳动力需求旺盛，雇主与雇员的搜寻匹配成本较低，应该有助于双方就业匹配效率和质量的提高。然而大城市对农民工的就业歧视也越发明显，直接影响农民工在大城市的就业匹配。本文将回答如下几个问题：农民工在大城市更容易找到工作吗？农民工更容易找到自身满意的工作吗？如果存在厚劳动力市场失灵，那么是否与对农民工的就业歧视有关？对这些问题的解答一方面可为农民工选择不同规模城市就业和流动提供解释，另一方面也有利于大城市对外来流动人口进行科学管理以提高劳动力市场配置效率。

本文使用RUMIC 数据从就业匹配效率和匹配质量两个层面研究城市规模与就业匹配之间的关系。实证结果表明尽管情况有所改善，农民工大城市就业匹配效率有所提高，但仍然无法获得全部厚劳动力市场优势，这与城镇居民形成鲜明反差。农民工在大城市没有充分获得厚劳动力市场优势，不是厚劳动力市场理论在中国的适用性问题，而是由于就业歧视的存在，农民工无法像城市居民那样从城市集聚效应中获益。就业匹配质量层面，农民工大城市工作满意度高、工作稳定性低，厚劳动力市场优势并未充分发挥作用。

二、城市规模与工作搜寻：来自厚劳动力市场的解释

厚劳动力市场理论是集聚效应微观机制的一种体现，Duranton 和Puga（2004）总结出集聚效应的三个微观机制，即分享、学习和匹配。劳动力供求双方在搜寻匹配过程中存在摩擦，厚劳动力市场相对于薄劳动力市场更有优势。其优势体现在两个方面，即较好的匹配和较强的抵御风险能力。

首先，厚劳动力市场带来更高的匹配效率。异质性求职者和雇主在一个有众多企业提供职位和众多求职者寻求就业的劳动力市场中匹配更有效率。Diamond（1982）的以物易物模型里，找到交易伙伴的概率取决于市场中潜在交易伙伴的数量，厚劳动力市场更容易实现交易。除了较高的匹配效率外，好的匹配还意味着高生产效率和高工资。厚劳动力市场较高生产效率和较高工资的观点，首先由Helsley 和Strange（1990）提出，随后一些学者给出了相应解释。厚劳动力市场中雇主预期能够雇用到具有专用型技能的雇员，因此会增加新技术的投资。同时厚劳动力市场中的雇员预期他们能够在劳动力市场上较容易地找到与其技能相匹配的岗位，也会增加对自身专用型人力资本的投资，企业新技术投资和雇员人力资本投资提高了生产效率和员工的工资水平（Acemoglu，1997）。另外，厚劳动力市场中的企业对劳动力雇佣的竞争更加激烈，高技能劳动力在大城市更容易获得专用型人力资本投资的回报，因此获得更高的工资（Rotemberg 和Saloner，2000）。其次，厚劳动力市场存在较强的抗风险能力。厚劳动力市场的第二个优势在于其为企业和劳动力提供防范异质性冲击的保障。厚劳动力市场缩短了劳动者异质性行业需求冲击造成的失业的持续时间。厚劳动力市场上存在很多雇佣者，提高了暂时失业的劳动者重新找到一份工作的可能性，这对于拥有专用型技能的劳动者来说尤为重要。实证研究方面，Petrongolo 和Pissarides（2006）研究了不同大小劳动力市场的就业匹配差异，他们发现规模效应体现出伦敦与其他英国城市的工资差异但没有体现就业匹配差异。陆铭等（2012）使用中国家庭收入调查数据研究了城市规模与个人就业概率的关系，实证发现城市规模每增加1%，就业概率平均提高0.039—0.041 个百分点，并且低技能劳动力受益程度最大。宁光杰（2014）研究了城市规模与农村流动人口城市就业机会两者之间的关系，研究发现城市人口每增加1%，找工作花费的时间减少0.124%，这些研究都证实了厚劳动力市场理论的有效性。

本文研究对象聚焦于进城农民工，尽管户籍制度改革放松了户籍对就业的限制，但户籍制度改革的力度在不同规模城市存在显著差别。农民工在大城市就业还是会受到各种歧视，较难进入收入较高的一级劳动力市场（Giulietti 等，2012；Meng，2001；Zhang，2010），主要的工作搜寻方式也与城市户籍居民不同，因此对农民工群体在不同规模城市工作搜寻效率及搜寻质量的研究具有重要意义。

三、计量模型设定和变量描述

（一）计量模型设定

本文计量模型部分旨在检验城市规模扩大是否有助于农民工的就业匹配。以就业匹配效率为例，使用找工作花费时间duration的对数值来代理就业匹配效率，城市规模以scale来表示。α0为常数项，X是一系列反映个体特征、人力资本特征、就业特征的控制变量。estructurej表示城市j的就业结构，即第三产业与第二产业就业人数之比，反映城市劳动力市场状况。εij为随机扰动项，i表示个体，j表示城市。

根据以往研究经验，进入大城市和中小城市的农民工初始条件可能不同，式（1）OLS估计结果有可能存在选择偏误。为得到更加准确的结果，本文使用倾向得分匹配纠正选择偏误问题。该方法的核心思想是为处理组找到一个合适的反事实对照组，考察各观测变量相匹配的情况下，决策变量变化带来的影响（Rosenbaum 和Rubin，1983）。权重的确定取决于具体的匹配方法，匹配方法有多种，常见的有最小近邻匹配、半径匹配、核匹配和局部线性回归匹配（Cameron 和Trivedi，2005）。

（二）数据来源和变量描述性统计

本文数据来自RUMIC 2009 和2017 两个年份。2009 年RUMIC 涉及全国9 个省15 个城市5 000 个流动人口家庭、8 000 个农村家庭以及5000 个城镇家庭；2017 年RUMIC 只包括上述15 个城市的5 000 个流动人口家庭。①这15 个城市城区常住人口由多到少依次为上海、广州、深圳、武汉、成都、重庆、南京、东莞、杭州、郑州、宁波、合肥、无锡、洛阳和蚌埠。调查问卷涉及家庭成员基本特征、成年人教育和培训、成年人就业信息、子女教育、农村土地信息、家庭收支等。自变量已在式（1）做了初步说明，其中反映个体特征、人力资本特征、就业特征的变量具体包括性别、年龄、年龄的平方、婚姻状况、教育年限、企业规模等。为便于跨期比较，2017 年数据本文只使用当前工作开始年份为2009 年之后的样本。②因篇幅所限，本文省略了对描述性统计结果的具体分析，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。

2009 年RUMIC 数据显示农民工找工作所需天数平均为8.48 天，2009 年之后开始就业的样本平均求职天数上升到9.3 天。由于城市生活成本高，短期内找不到工作的农民工可能会选择回流或流入其他城市，因此总体上农民工在城市工作搜寻的天数较短，但急于找到工作的心态使得找到的工作可能并不是与其技能最匹配的工作。

城市规模使用如下几个变量表示：当前工作开始年份所在城市常住人口数popc、当前工作开始年份城市规模分类变量cityscale 以及三个虚拟变量big300、big500 和big1000。③big300、big500 和big1000 分别表示当前工作开始年份所在城市是否为人口300 万、500 万（特大城市）以及1 000 万以上（超大城市）城市。2009 年数据显示15 个样本城市城区常住人口数平均为686 万，到2017 年增加到824 万。2009年样本进入人口300万以下城市的农民工占比25%，高于进入I型大城市的占比（15%）和进入超大城市的占比（14%），低于进入特大城市的占比（46%）。2009 年以后开始当前工作的样本，进入人口300 万以下城市和特大城市的农民工占比下降，进入I 型大城市和超大城市的农民工占比上升。限于篇幅，控制变量的描述性统计结果不再详细陈述。

四、实证分析

（一）城市规模与农民工就业匹配效率

表1 为使用2009 年RUMIC 流动人口问卷计算的城市规模与农民工就业匹配效率OLS估计结果。回归（1）以当前工作开始年份城区常住人口数作为城市规模的代理变量。回归（2）到回归（4）分别使用当前工作开始年份所在城市是否为人口300 万以上大城市、是否为特大城市和是否为超大城市代理城市规模。回归（5）以当前工作开始年份城市规模分类变量代理城市规模。控制变量包括性别、年龄、婚姻状况、教育年限、企业规模、城市就业结构以及当前工作开始年份。

表1 城市规模与农民工就业匹配效率：来自2009 年RUMIC 的估计结果

可以看到，回归（1）中城市规模系数为正，且通过了1%的显著性水平检验。从回归系数反应的情况看，城市常住人口每增加1%，农民工找工作时间平均增加16.5%。可知城市规模越大农民工就业匹配效率越低。从回归（2）到回归（4）反映的情况看，农民工在人口300 万以上城市比300 万以下城市就业匹配效率低21.3%，在特大城市就业匹配效率比一般城市低20.6%，在超大城市就业匹配效率比人口1 000 万以下城市低26.7%。回归（5）所得估计结果与前面4 个回归结果类似，城市规模越大农民工就业匹配效率越低，找工作所需时间越长。2009 年RUMIC 数据估计结果显示农民工没有从城市集聚中提高就业匹配效率，厚劳动力市场优势没有显现。

使用2009 年RUMIC 流动人口数据无法证明农民工从厚劳动力市场中受益是否与当时的经济发展阶段有关，以及当前情况是否有所改善。为验证上述疑问，本文使用2017 年RUMIC 数据对上述问题进行重新估计，为便于跨期比较，把样本范围限定在2009 年以后开始当前工作的个体，回归结果见表2。回归（1）以城区常住人口数代理城市规模，城市规模的系数为负，随着城市规模的增加，找工作花费的时间逐渐减少，城区常住人口每增加1%，农民工找工作花费时间平均减少6.27%。回归（2）到回归（4）回归结果表明，农民工在300 万以上大城市找工作花费的时间比300 万以下城市短，在特大城市找工作所花费的时间比一般城市短，但在超大城市找工作需要花费更长的时间。回归（5）以分类变量测度城市规模，就业匹配效率由高到低依次为特大城市、I 型大城市、超大城市和人口300 万以下城市。回归结果表明尽管近年来情况有所改善，农民工在大城市就业仍然无法获得全部厚劳动力市场优势。

表2 城市规模与农民工就业匹配效率：来自2017 年RUMIC 的估计结果

为验证回归结果的稳健性并解决样本选择偏误，本文使用Becker 和Ichino（2002）编写的 Stata 程序，计算农民工就业匹配效率处理组平均处理效应ATT，结果见表3 和表4。两表的回归结果可以得出如下两个结论：

第一，城市规模对农民工就业匹配效率从2009 年明显的负向影响转为近年来的非线性影响，厚劳动力市场优势只在近年来得到部分体现。2009 年农民工在规模较大城市找工作花费的时间更长，这与OLS 的估计结果一致。无论是按人口300 万、500 万还是1 000万作为城市大小分类的标准，农民工都是在城市人口数量更多的城市找工作所需时间更长，就业匹配效率更低。使用2017 年RUMIC 数据倾向得分匹配估计结果表明，农民工在人口300 万以上城市找工作花费时间比人口300 万以下城市短，体现出较高的就业匹配效率，农民工从厚劳动力市场中受益。但城市规模达到特大或超大城市，农民工找工作所需时间并没有减少甚至有所增加，厚劳动力市场优势没有得到充分反映。

第二，从2017 年RUMIC 数据反映的情况看，城市规模影响农民工就业匹配效率方向的拐点处于人口500 万的特大城市附近。表2 中OLS 估计结果表明特大城市比一般城市就业效率高5%左右。与OLS 估计结果不同，表4 中PSM 估计结果表明特大城市相比一般城市就业匹配效率并无明显改善。再考虑到超大城市就业匹配效率低于人口1 000 万以下城市，可推知城市规模影响农民工就业匹配效率方向的拐点在人口500 万的特大城市附近。

表3 城市规模与农民工就业匹配效率的PSM 分析：来自2009 年RUMIC 的估计结果

表4 城市规模与农民工就业匹配效率的PSM 分析：来自2017 年RUMIC 的估计结果

（二）就业歧视与厚劳动力市场失灵

农民工在大城市找工作花费的时间更长，没有充分体现出厚劳动力市场优势，是因为农民工在大城市受到更严重的就业歧视，还是因为厚劳动力市场理论本身不适用于中国劳动力市场？本部分使用2009 年RUMIC 城镇户籍劳动力数据验证上述疑问。①“附录与扩展”中的表A2 和表A3 分别汇报了城镇户籍居民城市规模与就业匹配效率的OLS 以及倾向得分匹配估计结果。

与农民工样本不同，大城市城镇居民就业匹配效率更高。城区常住人口数每增加1%，城镇居民找工作所需时间平均减少21.8%，城市规模越大就业匹配效率越高。倾向得分匹配估计结果与OLS 估计结果基本一致，证实了厚劳动力市场理论对城镇居民的适用性。

为进一步验证就业歧视对农民工就业匹配效率的影响，本文把2009 年RUMIC 农民工样本和城镇劳动力样本进行混合。在混合样本中研究农民工和城镇户籍劳动力工作获得途径的差异，从工作获得途径的视角验证就业歧视的存在，具体回归结果见表5。回归（1）的OLS 估计结果表明，相比于社会渠道（商业职介、直接申请等），通过政府渠道（政府安排、政府职介等）找工作花费的时间减少29.1%，通过家人朋友介绍找工作花费时间减少14.5%。回归（2）到回归（4）为三种工作获得途径Logit 估计的边际效应值。与城镇居民相比，农民工通过家人朋友找工作的概率高9.4%，通过政府渠道和社会渠道找工作的概率分别低17%和10%。考虑不同户籍类型工作获得途径的频数分布，只有2.35%的农民工通过政府渠道获得当前工作，而约三分之一的城镇户籍居民借助政府渠道寻求就业。约六成农民工通过家人朋友介绍在城市就业，而对城镇户籍居民来说，这一比例不到三分之一，工作获得途径的户籍差异相当明显。①不同户籍类型工作获得途径和工作性质的频数分布结果请见《经济科学》官网“附录与扩展”。城市就业市场对农民工的就业歧视，使得农民工无法同城镇户籍居民在就业市场公平竞争，其工作获得途径更多地需要依靠家人、朋友等原有社会网络的支持，破坏了厚劳动力市场发挥作用的途径。

表5 户籍类型与工作获得途径

除工作获得途径外，城市劳动力市场对农民工的就业歧视还体现在工作性质方面。本文把工作性质分为合同工、临时工和自我雇佣。表6 回归（1）报告了三种工作性质就业匹配效率OLS 的估计结果，与自我雇佣相比，临时工找工作所需要时间减少22.4%，合同工就业匹配效率比自我雇佣高，但系数不显著。回归（2）到回归（4）为三种工作性质Logit估计的边际效应值，回归（3）表明，农民工从事临时工的概率比城镇居民低5.2%，从事自我雇佣的概率高7.4%。农村外出劳动力选择自我雇佣只是部分建立在比较优势的基础上，进入壁垒限制了一些自我雇佣者转为长期工，劳动力市场存在双重分割，自我雇佣成为农民工城镇就业的一种中间状态（宁光杰，2012）。由于就业歧视的存在，农民工在城市就业被排除在就业稳定、工资高的一级劳动力市场之外，不得不选择依靠家人、朋友的介绍从事自我雇佣等就业歧视较少的工作。无论是家人、朋友介绍这种依靠群体内部社会关系网络的工作获得途径，还是自我雇佣的工作性质，都是对就业歧视的被动反应，农民工在大城市受到更严重的就业歧视，厚劳动力市场优势不能充分发挥作用。

表6 户籍类型与工作性质

续表6

（三）城市规模与就业匹配质量

前面的实证结果表明，与城镇户籍居民不同，农民工在大城市就业匹配效率并不高，厚劳动力市场优势无法充分发挥。如果就业匹配效率低，大城市就业质量是否更高呢？本节拟从就业者的工作满意度和就业稳定性两个层面测度就业匹配质量。

使用RUMIC 不同年份数据计算的城市规模与农民工工作满意度Logit 估计结果见表7和表8。综合两表反映的情况，不难发现如下两个事实：（1）随着城市规模的增加，农民工工作满意度先上升后下降。两个表的结构是一样的，回归（1）使用城区常住人口数测度城市规模，城市规模的一次项系数为正，二次项系数为负，城市规模与农民工工作满意度呈倒U 形关系。①最初只考虑城市常住人口数的一次项，表7 回归（1）城市规模的系数值为-0.002，没有通过显著性水平检验，因此考虑可能并非线性关系，于是加入城区常住人口数的二次项，表8 与此类似。农民工在城区人口300 万以上大城市工作满意度高于300 万以下城市在特大城市工作满意度高于一般城市，在超大城市工作满意度要么不显著，要么低于1 000，万以下城市，城市规模与农民工工作满意度呈非线性关系。（2）随着时间的变化，农民工工作满意度最高的城市规模由I 型大城市变为特大城市。表7 回归（5）显示2009 年以前农民工工作满意度由高到低的城市规模依次为I 型大城市、特大城市、超大城市和人口300万以下城市。表8 回归（5）2009 年以后的数据显示，农民工工作满意度由高到低的城市规模依次为特大城市、I 型大城市、超大城市和人口300 万以下城市，农民工工作满意度最高的城市规模有所增加。从工作满意度反映的情况看，厚劳动力市场优势得以部分发挥，尤其在人口1 000 万以下城市，城市规模的增加提高了农民工的就业匹配质量。

表7 城市规模与农民工工作满意度：基于2009 年RUMIC 数据

续表7

表8 城市规模与农民工工作满意度：基于2017 年RUMIC 数据

除工作满意度测度就业匹配质量外，工作稳定性也可作为就业匹配质量的指标。在职业生涯早期，年轻劳动力倾向于在不断匹配试错过程中寻求最佳匹配，相比于小城市，大城市有更多的就业机会，也更容易找到工作，因此年轻劳动力在大城市转换工作的概率更大。职业生涯的中后期，由于专用型人力资本投资于特定工作岗位，转换工作或者职业的成本变得越来越大。鉴于厚劳动力市场匹配质量更高，相比于中小城市，大城市处于职业生涯中后期的劳动力就会减少工作转换（Bleakley 和Lin，2012）。考虑到不同职业阶段城市规模与工作转换概率之间的差异，本文把处于职业生涯早期的样本剔除，考察城市规模与就业稳定性之间的关系，估计结果见表9 和表10。

表9 城市规模与农民工就业稳定性：基于2009 年RUMIC 数据（年龄>35）

因变量为工作稳定性，以当前是否正在寻找另一份工作表示，如果正在积极寻找工作取值为0，表示当前工作稳定性差，否则取值为1，代表着较高的工作稳定性，回归方程的样本只包括年龄在35 岁以上的个体。从两表反映的情况看，农民工在规模越大的城市就业，就业稳定性越低。从RUMIC 2009 数据来看，农民工就业稳定性由低到高依次为超大城市、I 型大城市、特大城市和人口300 万以下城市。2009 年以后开始当前工作的样本回归结果与此类似，特大城市就业稳定性低于一般城市、超大城市就业稳定性低于人口1 000 万以下城市，I 型大城市的就业稳定性是最高的。农民工大城市就业稳定性低可从两方面理解，一方面，大城市存在对农民工的就业歧视，当劳动力需求出现冲击时，农民工群体首先受到影响，因而就业稳定性低。另一方面，农民工就业地和户籍地分离，尽管越来越多的农民工选择举家迁移（Fan 等，2011），但农村仍然有大量留守老人和儿童，家庭分割导致农民工城市归属感不高，就业稳定性低。因此，从就业稳定性的角度看，农民工就业匹配质量并不高。

表10 城市规模与农民工就业稳定性：基于2017 年RUMIC 数据（年龄>35）

续表10

农民工大城市工作稳定性低，有一种可能是因为农民工在大城市更容易找到工作。如果这种假设成立，就业稳定性低反而意味着厚劳动力市场优势的发挥。尽管表9 和表10的回归过程已经把处于职业生涯早期的样本剔除，但仍无法拒绝上述猜想。为进一步验证上述猜想，本文考察工作满意度低的样本是否正在积极寻找工作的城市规模差异，如果大城市工作满意度低的样本正在积极寻找新的工作，则意味着厚劳动力市场优势的存在。使用2009 年RUMIC 数据回归的结果显示，城市常住人口数每增加1%，工作满意度低的农民工积极寻找新工作的概率下降1.6 个百分点，超大城市比人口1 000 万以下城市积极寻找工作的概率低4.3 个百分点，I 型大城市和特大城市工作满意度低的农民工积极寻找工作的概率高于人口300 万以下城市。①相关回归结果请见《经济科学》官网“附录与扩展”。使用2017 年RUMIC 数据反映2009 年以后开始当前工作的农民工情况，总的来看，城市规模越大，农民工积极寻找工作的概率越高。城市常住人口数每增加1%，农民工积极寻找工作的概率提高3.7 个百分点。当前工作满意度低的农民工相较一般城市和人口1 000 万以下城市，在特大城市和超大城市积极寻找工作的概率都更高，反映出厚劳动力市场优势的存在。概言之，农民工在大城市工作满意度相对更高的同时就业稳定性低，2009 年以后的样本中大城市就业稳定性低恰是厚劳动力市场优势的体现。从就业匹配质量的角度看，厚劳动力市场优势得以部分发挥，但超大城市的工作满意度相对较低、处于职业生涯中后期的农民工就业稳定性也不高，这都与大城市劳动力市场对农民工的就业歧视有关。

五、结论和启示

本文研究城市规模与农民工就业匹配之间的关系，以检验厚劳动力市场理论的有效性。本文使用2009 年RUMIC 数据，以找到当前工作花费的时间作为就业匹配效率的代理变量，无论是OLS 估计还是倾向得分匹配方法都得出农民工在大城市就业匹配效率更低的结论。随着中国经济的发展和社会的不断进步，这一状况有所改善。使用2017 年RUMIC数据甄别出2009 年以后开始当前工作的样本重新进行估计，研究发现除超大城市外，农民工就业匹配效率随城市规模的增加而提高，城市规模越大找工作花费时间越短，厚劳动力市场优势得以部分发挥。与农民工不同，城镇户籍居民就业匹配效率与城市规模正相关，厚劳动力市场优势得以充分发挥。分析厚劳动力市场理论适用性的户籍差异，不难发现户籍造成的异质性源于对进城农民工的就业歧视，就业歧视的存在造成农民工在城市的求职途径限于家人、朋友等原有的社会关系网络以及自我雇佣等就业歧视较难出现的形式参与城市就业，社会关系网络的限制以及就业方式的“自我雇佣化”都是对就业歧视做出的被动调整。从就业匹配质量看，农民工大城市工作满意度高、工作稳定性低，呈现出部分厚劳动力市场优势，但农民工在超大城市工作满意度相对较低、职业生涯中后期农民工就业稳定性低的事实显示大城市对农民工的就业歧视并未完全消除。

就业歧视势必造成劳动力资源配置效率的下降，导致人力资本浪费。当前“稳就业”已成为政府工作的重中之重，提高农民工就业水平和就业质量是“稳就业”的重要内容。为实现农民工就业稳定，首先，应进一步消除对农民工的就业歧视，尤其对大城市来说，应充分保障农民工的各项合法权益，使农民工对未来有稳定的预期，进而提高就业质量。其次，应充分发挥政府就业部门的中介作用，拓宽农民工就业渠道。政府部门应当更加积极地为进城农民工提供就业信息，发挥政府渠道在农民工就业搜寻过程中的积极作用。最后，应不断发挥市场机制在调节大中小城市人口流动方面的作用，纠正过去一段时间大城市唯学历论的人才吸引政策，充分发挥市场调节作用，提高人力资本配置效率。