土地价格、公共支出与劳动力逆向流动*

南京审计大学经济学院 郑 安

一、引言

从20世纪70年代开始，伴随着中国经济的改革开放，农业部门的生产力得到极大释放，剩余农村劳动力开始大规模地向工业部门和城镇转移，特别是户籍制度改革后，城市落户的门槛大幅度降低，加速了劳动力流动和城镇化进程。早期劳动力流动的主要特点为：农村人口向城镇迁移，劳动力从经济欠发达的西部地区向发达的东部地区迁移，“边缘”区域人口向“中心”大城市聚集。截至2019年，我国外出农民工总数达到17425万人(见图1)，增长趋势进一步放缓。按就业区域划分，在东部就业的农民工人数仍然占压倒性优势(见图2)。从农业部门转移出的劳动力为工业发展提供了大量的廉价劳动力，成为中国经济增长的“人口红利”，也是我国二元经济的重要特征。

图1 2008～2019年外出农民工总数资料来源：Wind数据库。

图2 2008～2019年按就业区域划分农民工人数情况资料来源：Wind数据库。

一直以来，我国劳动力都是涌向发达地区，尤其是“北上广”地区，但是并没有实现对正在发展的县市地区进行有效的城市化，这导致一线城市出现了交通拥堵、环境恶化、房价高企等“城市病”。为了缓解大城市的压力，党的十八大提出了新型城镇化建设的新要求，一方面在大城市实行严格的户籍制度，转移低端劳动人口；另一方面重点推进中小城镇的发展，城乡协调发展，吸纳劳动力。所以，近年来我国的劳动力流动出现了“逃离北上广”以及劳动力由一线城市向低阶城市的逆向流动现象。

与一线城市严格限制人口规模相反，从2017年开始，劳动力市场上越来越多的准一线和二线城市出现了“抢人大战”的现象。为了吸引和留住人才，西安、南京、武汉、长沙、成都、杭州等地方政府竞相为人才落户提供优惠政策，以期在未来的城市竞争格局中抢占先机。例如，南京提出40岁以下本科毕业生即可落户，外地毕业生来南京面试发放1000元补贴，青年大学生2018年1月1日后在南京实现首次创业、领取营业执照，给予一次性2000元的开业补贴；武汉也实行了大学生几乎“零门槛”落户，并推行“社区公共户”“人才住房券”等制度；成都推行“先落户后就业”，本科及以上毕业生凭毕业证即可落户，同一用人单位工作2年及以上的技能人才，可凭单位推荐、部门认定办理落户手续；西安将落户准入条件降低至普通大中专院校毕业生，并放宽设立单位集体户口条件，将本科以上学历落户年龄放宽至45岁，硕士研究生及以上学历人员不设年龄限制。这些城市的人才政策确确实实吸引了大量劳动力的流入，在2017年的人才争夺战中，成都以新增户籍人口36.43万人名列前茅，西安净增户籍人口20.15万人，南京和杭州新增户籍人口也接近18万人。(1)《西安4天落户1.7万人，准一线城市上演“抢人大战”》，搜狐网，2018年3月31日。

一线城市的高地价、高房价是否会产生“逃离北上广”的劳动力逆向流动？地方公共支出水平及结构又是如何影响劳动力流动，进而缓解高地价对劳动力要素的挤出效应?这是本文主要研究的问题。

本文的创新点在于，一是现有的关于土地价格如何影响劳动力流动的研究主要是从住房视角出发，认为高房价阻碍了劳动力的流入(Helpman，1998；高波等，2012)，在综合考虑土地价格与地方政府公共支出的交互影响后，本文认为高地价对劳动力也可能呈现吸引效应，得到的结论也略有不同。二是本文进一步将“公共支出”指标分解为薪酬、教育、医疗、基础设施和环境条件五个指标，发现在不同的经济发展水平中，它们对劳动力吸引力的排序是不同的，从而为地方政府的公共政策制定提供了实践指导。三是传统研究公共支出结构的理论往往基于财政投入的角度，核算不同口径和类别的财政支出作为指标度量，而本文基于财政产出的角度，避免了财政核算口径的修订与重叠。

二、文献综述

在分析劳动力迁移影响因素的文献中，以Todaro(1969)为代表的发展经济学家解释了城乡劳动力的转移问题。因为城市工业部门的工资高于农业部门，所以只要转移的预期收益高于农业部门收入加上迁移成本，劳动力就会源源不断地从农村流向城市。Krugman(1990)提出了新经济地理学，认为“中心”地区的高工资水平和就业机会吸引劳动力从“边缘”地区集聚过来，从而解释了区域间劳动力转移问题。Fu和Liao(2012)认为平均教育水平高的地区有利于获得更多的学习机会，人口密集度强的地区技能更容易匹配，这两个因素都会吸引劳动力的流入。结合我国国情来说，具备上述优势因素或者与流出地距离近的省份都容易吸引劳动力流入(肖群鹰和刘慧君，2007；王桂新等，2012)。蔡昉(2007)认为开放的户籍制度可以促进农村劳动力的转移，应当加快户籍制度改革，从而进一步挖掘劳动力供给的潜力，应对剩余劳动力转移放缓的趋势。陈强远和梁琦(2014)从空间经济学的角度考虑了产业结构因素，认为具有技术比较优势的城市往往吸引劳动力的流入和集聚，但是由于知识的溢出，当进入城市化后期，会出现逆城市化过程，即出现劳动力向低阶城市流动。夏怡然和陆铭(2015)认为城市的基础教育和医疗服务等公共服务都是吸引劳动力流入的原因，同时户籍制度也会对劳动力流动产生影响。肖挺(2016)考虑了环境因素，通过实证检验发现，在经济较为发达、居民收入较高的地区，以及工业化城市或服务业为主导的城市，环境污染都会导致劳动人口的外流。

三、研究假说

在影响劳动力流动因素的文献中，Bogue(1969)最早提出了推拉理论，即人口流动是由流入地的拉力和推力决定的。拉力和推力分别代表流入地的优势和劣势。本文认为劳动力进行迁移决策时实质上是进行成本收益分析，即对流入地的生活成本和政府能够提供的公共品收益进行权衡比较，而这两种因素又与当地的土地价格和公共支出水平结构有关，所以本文从这两个角度研究劳动力流动的影响机理。

(一)影响机理1：高地价对劳动力形成驱赶效应

高地价的地区房价也相对较高，因为目前我国的住宅和商业服务用地基本都采用“招拍挂”的出让方式。对于住宅用地来说，全国工商联房地产商会曾对我国9个城市2008年“房地产企业开发费用”做过调查，报告称仅土地费用(含土地成本和开发费用)就占到销售房价的40%。从图3可以看出，城市房屋的销售价格与该地区土地出让的平均价格呈正相关关系，高房价和高地价主要集中在东部地区，西部地区房价和地价相对较低。2017年35个大中城市中房屋的平均销售价格最高的是深圳，为47936元/平方米，对应的土地平均出让价格为16275万元/公顷；房屋的平均销售价格最低的是银川，为5177元/平方米，对应的土地平均出让价格也最低，为455万元/公顷；土地平均出让价格最高的是北京，为29772万元/公顷，对应的房屋平均销售价格为32140元/平方米。所以高地价推动高房价，增加外来劳动力的居住成本。

图3 2017年35个大中城市房屋销售价格和土地平均出让价格资料来源：Wind数据库。

另外，商服用地价格的增加也会传递到城市居民日常生活用品和服务的价格上，增加了生活成本。所以在地区间工资水平、教育医疗环境条件等一定的前提下，高地价增加了劳动者的生存成本，压缩了可支配收入，从而减少了劳动力流入。这也被认为是“逃离北上广”的最重要的因素之一。

(二)影响机理2：公共支出水平越高的地区对劳动力的吸引效应越大

首先，从公共支出的总量来看，对于经济发达地区，政府本级财政收入较为充裕，相应地能够投入较多的公共支出。因此这些区域的经济体量较大，就业机会较多，成为吸引劳动力流入的拉力。从图4可以看出，地方本级的公共支出和GDP呈正向关系。以2018年为例，上海的地方财政一般预算总支出8352亿元，位居全国第一，其GDP也以36012亿元居首。西宁的地方财政一般预算总支出71亿元，GDP 1286亿元，均为最少。

图4 2018年35个大中城市地方财政一般预算支出和GDP资料来源：Wind数据库。

其次，从公共支出的结构来看，地方财政一般预算支出主要包含用于支付行政事业单位工资的一般公共服务支出、地方社会保障和就业支出、教育支出、医疗卫生支出、交通运输等基础设施支出和农林水事务支出等。因此，公共支出水平较高的城市一般具备较为优越的薪酬、教育、医疗、基础设施和环境条件(见图5至图8)，这些都是吸引劳动力流入的重要因素。

图5 2018年大中城市的人均公共支出和在岗职工平均工资资料来源：Wind数据库。

图6 2018年大中城市人均公共支出和人均执业医师数资料来源：Wind数据库。

图7 2018年大中城市人均公共支出和人均绿地面积资料来源：Wind数据库。

图8 2018年大中城市人均公共支出和人均高校学生数 资料来源：Wind数据库。

(三)影响机理3:高地价推动公共支出提高，对劳动力形成吸引效应

土地价格的上升实质上增加了地方政府的土地出让收入，在预算软约束下，相当于高地价为政府筹集了财政资金，进而会增加公共支出水平(见图9)，根据影响机理2，在一定程度上也对劳动力产生吸引效应。

图9 2017年35个大中城市公共支出水平和土地平均出让价格资料来源：Wind数据库。

四、计量检验

(一)计量模型及指标说明

1.被解释变量。

劳动力数量(lab)：因为只有具有生产力的劳动力投入才是经济增长的动力来源，所以本文采用就业人数而不用人口数。由于“就业人员”指标存在某些城市和年份的缺失，为了便于统一统计口径，本文分别查取了省会、计划单列市、直辖市的城镇私营和个体从业人员、城镇单位就业人员，以其合计值作为被解释变量。这一指标较为全面地反映了该地区城镇就业的情况，也是外来劳动力的主要就业场所。数据来源于《中国城市统计年鉴》、国家统计局网站和Wind数据库。

2.解释变量。

土地出让价格(lpri)是本文的核心解释变量。国有建设用地常见的供应方式主要包括划拨和出让，出让类型又分为协议出让和“招拍挂”出让。其中，划拨一般是政府无偿地交付土地使用权，所以该变量采用土地出让的数据，用土地出让总收入除以土地出让总面积求出土地价格，这些数据均来源于《中国国土资源年鉴》。根据前面影响机理的分析，该变量预期为不确定。

公共支出水平(exp)是本文另一核心解释变量。本文采用的是“地方财政一般预算支出”指标，仅包含地方本级支出，反映了地方政府在提供本区域公共服务和基础设施等方面的能力。本文采用总量指标而不是人均指标，避免了由于人口数量统计口径的不同造成的稀释作用。一般认为公共支出越多的地区，经济总量和总体公共服务水平相对也越高，对劳动力的吸引效应越强，所以预期符号为正。数据来源于EPS数据库。

工资水平(wag)：在地方财政一般预算支出结构中，如果用于支付行政事业单位工资的一般公共服务支出、地方社会保障和就业支出部分比重上升，必然会带动当地整体工资水平上升，从而吸引劳动力的流入，所以预期符号为正。本文采用的是省会、计划单列市和直辖市的“城镇非私营单位就业人员平均工资”指标，数据来源于《中国城市统计年鉴》。

教育水平(edu)：本文采用的是“普通高等学校在校学生数”除以人口数得出每万人中大学生人数，衡量公共支出结构中的教育指标。数据来源于EPS数据库中的中国城市数据库。相比许多文献采用的“中小学在校学生数”，该指标更能反映该地区高等教育资源对人口的吸引力，所以预期符号为正。

卫生条件(hea)：本文采用“执业(助理)医师数”除以人口数得出每万人中医师的人数，衡量公共支出结构中的医疗指标。该变量值越大，当地的医疗卫生条件越好，对劳动力的吸引力也越强，所以预期符号为正。数据来源于EPS数据库中的中国城市数据库。

人均道路面积(road)：该变量主要用来衡量公共支出结构中的基础设施指标，一般路网交通越发达、基础设施越完善的地区越能吸引劳动力的流入，所以预期符号为正。数据来源于中经网统计数据库“中国城乡建设数据库”。

人均绿地面积(green)：本文采用“市区绿地面积”除以人口数得出每万人所享有的绿地面积，代表本地区公共支出结构中的环境指标，预期符号为正。数据来源于中经网和Wind数据库。

3.主要变量的描述性统计。

为使得数据可比，剔除价格波动的影响，以货币计量的各变量值，包括土地出让价格(lpri)、工资水平(wag)和公共支出(exp)均做了以1999年为基期的GDP平减。本文采集了全国35个大中城市1999～2017年的面板数据(包括除拉萨以外的26个省会城市和自治区首府、5个计划单列市和4个直辖市)(2)数据来源于《中国城市统计年鉴》《中国统计年鉴》《中国国土资源年鉴》,以及中经网统计数据库、EPS数据库和Wind数据库。，部分缺失的数据用插值法求出。主要变量的描述性统计如表1所示。

表1主要变量的描述性统计

4.基准模型。

根据前面的影响机理假设，首先总体分析土地价格和公共支出对劳动力的影响，再从薪酬、教育、医疗、基础设施和环境条件五个方面细化公共支出结构对劳动力数量的影响机理。建立的基准模型如下：

癌症对患者生命健康及生存质量有严重影响，且其发病率随着年龄增加而逐渐升高。食管癌为我国常见恶性肿瘤类型，起病隐匿，多数患者明确诊断时已进至中晚期，此时往往已丧失最佳治疗时机，患者多数需通过放化疗来延长生存时间[7]。

模型一：ln(labit)=c+ρ1ln(lpriit)+ρ2ln(expit)+μi+εit
模型二：ln(labit)=c+ρ1ln(lpriit)+X′itβ+μi+εit

其中，下标i表示城市；t表示年份；c是常数项；ρ1、ρ2和β均为待估的系数；μi表示不随时间变动的扰动项，反映城市间的地区效应；εit表示随地区时间同时变化的随机变量。模型二用控制变量Xit对模型一公共支出水平(exp)指标进行替代，其中Xit包括工资水平(wag)、教育水平(edu)、卫生条件(hea)、人均道路面积(road)、人均绿地面积(green)。为了去除变量的时间趋势和控制异方差，同时避免量纲的干扰，模型中的变量均采用自然对数的形式进入方程，同时对应估计出的系数也因此反映了弹性的经济含义。

(二)平稳性检验

为了保证回归的质量，避免时间序列数据的非平稳性导致的伪回归问题，下面首先对变量进行单位根检验。常用的指标有四种: LLC要求个体的自回归系数相同，具有“共同根”，而IPS、Fisher-ADF和Fisher-PP则放松了假设，允许异质面板的平稳性检验。我们采用上述几种方法进行检验，结果如表2所示，所有变量基本都通过平稳性检验，避免出现伪回归的可能。

表2主要变量平稳性检验结果

(三)基准模型回归结果分析

在前面的静态面板模型中，因为教育水平(edu)、卫生条件(hea)、人均道路面积(road)、人均绿地面积(green)都是根据当期总量值除以当期地区人口数得出的，而人口数与当期劳动力数量存在相关性，为了避免内生性问题，这四个指标都用一阶滞后作为工具变量。根据Hausman检验在1%的显著性水平下拒绝随机效应模型，采用固定效应模型得到的估计结果如表3所示。

表3 1999～2017年全样本数据固定效应模型回归结果

核心解释变量公共支出水平(exp)的回归系数显著为正，说明影响机理2成立，即公共支出对劳动力产生吸引效应。另一核心解释变量土地出让价格(lpri)的回归系数显著为正，说明高地价转化为公共支出水平的提高抵消了驱赶效应，从而整体上呈现正的回归系数。另外，从表3的回归结果中也可以看出，当在模型中引入公共支出水平(exp)指标后，土地出让价格(lpri)的回归系数由单独回归时的0.31下降到0.11，所以原正回归系数中确实内化了通过公共支出产生的吸引效应。

当我们用薪酬、教育、医疗、基础设施和环境条件五个指标替代公共支出指标后，解释变量工资水平(wag)、教育水平(edu)、卫生条件(hea)、人均绿地面积(green)的回归系数均为正，符合本文之前的预期。值得注意的是，人均道路面积(road)的回归系数均为负，跟我们的预期相反。一个可能的解释是，由于该指标使用的是人均值，所以一些超级大城市,如北京、上海道路总面积已达到饱和，人均道路面积反而最低(见图10)。

图10 2018年全国35个大中城市人均拥有道路面积

(四)动态面板回归结果分析

考虑到地区的发展具有马太效应，具有比较优势的地区总是能吸引劳动力源源不断地流入，所以当期劳动力的数量可能与前一期劳动力相关，上文的基准模型演变为动态面板模型：

ln(labit)=c+ρ1ln(labit-1)+ρ2ln(lpriit)+ρ3ln(expit)+μi+εit
ln(labit)=c+ρ1ln(labit-1)+ρ2ln(lpriit)+X′itβ+μi+εit

由于该模型包含了因变量的滞后项，存在内生性问题，用固定效应模型估计结果有偏(biased)。蒙特卡罗模拟实验表明，在有限样本和非球形扰动下，二步广义矩法(two-step GMM)比一步广义矩法(one-step GMM)估计有效性更高(Windmeijer, 2005)。所以本文采用Blundell和Bond(1998)提出的系统GMM估计，即将差分GMM和水平GMM相结合，得到的动态面板模型回归结果如表4所示。

表41999～2017年全样本数据动态面板模型回归结果

续表

(五)门槛面板模型

从上文的基准模型和动态面板模型中，我们得到结论：公共支出水平越高，地区对劳动力的吸引效应越大。尽管高地价增加了城市的居住和生活成本，但是也有利于地方政府增加财政收入，有利于其为增加的公共支出筹资，从而并没有促使劳动力逆向流动，反而对劳动力数量的影响为正。下面我们通过控制土地价格变量，具体分析不同经济发展地区公共支出对劳动力流动的影响是否有差异，尤其是劳动力流动对薪酬、教育、医疗、基础设施和环境条件五种不同的公共支出指标的敏感度和排序。考虑到如果只是简单地以各地区GDP的算术平均数将全样本数据进行划分后再进行回归，结果并不一定可靠，而且模型会产生设定偏误，因此，下面采用面板门槛模型进行检验。

面板门槛模型关键是要确定数据结构的突变点，即门槛值，Hansen(1999)的方法能够通过严格的统计推断和假设检验确定门槛值。具体来说分成两步：首先，将门槛值作为解释变量的一部分纳入模型，并使用OLS估计获得包含门槛值在内的残差平方和，然后选择门槛值使得残差平方和最小。本文以各地区GDP水平作为门槛变量，建立面板门槛模型：

ln(labit)=c+ρln(lpriit)+X′itβ1I(GDPit≤γ1)+X′itβ2I(γ1

+X′itβnI(γn-1

其中,Xit为控制变量，即将公共支出分解成的工资水平(wag)、教育水平(edu)、卫生条件(hea)、人均道路面积(road)、人均绿地面积(green)五个指标变量;μi表示个体扰动项;εit表示随个体时间同时变化的随机变量;i与t为城市与年份;γ为待估的门槛值;ρ与β为待估的系数;I(·)为示性函数。该模型也可以看成分段函数，GDPit≤γ1时，Xit的系数为β1；γ1

在原假设成立的条件下，可以估算出γ的置信区间。

根据前面的原理，本文采用南开大学王群勇教授的Stata命令xthreg(Wang, 2015)首先对门槛的数量进行了检验，结果如表5所示。

表5门槛数量检验

从表5的结果可以看出，在5%的显著水平上拒绝“没有门槛”的原假设，但是在10%的显著水平上没有拒绝“单一门槛”的原假设，所以本模型存在一个门槛。对应的似然比函数图如图11所示，图中似然比函数为0时对应的lnGDP值即估计的门槛值为8.2976，而似然比函数与虚线相交时对应的lnGDP值即对应的门槛值的95%置信区间为[8.2441，8.3080]。

图11 门槛估计值及LR函数图

表6为以GDP水平作为门槛变量进行面板门槛固定效应模型回归的结果。在控制不同地区的解释变量土地出让价格(lpri)后，我们以lnGDP=8.2976作为门槛值区分发达地区和欠发达地区。可以看出，无论在发达地区还是欠发达地区，工资水平(wag)、卫生条件(hea)、人均绿地面积(green)都显著为正, 这与夏怡然和陆铭(2015)的研究结果一致。回归系数的大小体现了三个指标对劳动力拉力的排序。在发达地区，卫生条件(hea)是最吸引人的，回归系数高达0.44，说明该指标上升1%，地区劳动力数量增加0.44%。其次是工资水平(wag)，最后是人均绿地面积(green)。在欠发达地区，工资水平(wag)的回归系数最高为0.46，说明薪金收入的提高最能吸引劳动力。其次是卫生条件(hea)，最后是人均绿地面积(green)。发达地区的教育水平(edu)和人均道路面积(road)指标系数为负，与前面的模型估计保持一致,这在基准模型中已做解释, 可能与北京、上海等超级大城市有关。对于欠发达地区，教育水平(edu)和人均道路面积(road)指标系数为正，但是数值明显小于工资水平(wag)、卫生条件(hea)、人均绿地面积(green)，所以劳动吸引力排序靠后。

表6面板门槛固定效应模型估计结果

五、政策启示

本文采用全国35个大中城市1999～2017年的面板数据，通过固定效应面板模型、动态面板模型以及面板门槛固定效应模型证实了土地价格和公共支出的上升都会吸引外来劳动力。其中，土地价格上涨不仅要考虑它增加了生活成本，形成对劳动力的驱赶效应，还要考虑它有利于地方政府增加财政收入，从而通过扩大公共支出水平，形成对劳动力的吸引效应。最后，我们通过将公共支出指标分解为薪酬、教育、医疗、基础设施和环境条件五个指标，发现在不同的经济发展水平，它们对劳动力吸引力的排序是不同的。在发达地区，人们更注重医疗条件，然后是薪酬，最后是环境。在欠发达地区，人们首先关注的是薪酬，然后是医疗条件和环境，最后是教育和基础设施条件。

本文的结论对于地方政府如何制定公共政策、有效提供公共品和公共服务以及留住人才具有一定的政策启示。一方面，要降低对劳动力的驱赶效应。特别是对于欠发达地区，劳动力对工资水平最为敏感，所以地方政府应当抑制房价，降低外来劳动人员的居住成本，同时建立多层次的住房保障体系。例如，为高素质人才提供“人才公寓”，向刚毕业的大学生提供住房补贴，同时大力发展公租房和廉租房，实现“租售同权”，解决流入劳动力的住房问题。另一方面，提高对劳动力的吸引效应。例如，地方政府可以将土地出让金收入更多地投入城市建设，实现公共服务管理水平、教育水平、医疗水平和环境质量的提升。本文的研究结论对当前如何缓解大城市的人口压力，推进中小城市城镇化建设也提供了解决方案。例如，推进公共服务的均等化，要求流入地政府在义务教育、社会保险等部分流动性较强的基本公共服务上承担起更大的支出责任。