有恒产者的恒心：农民工住房状况与就业稳定性研究

刘斌　张翔

摘 要：采用中国流动人口动态监测数据与地级市数据合并，探索了住房状况对农民工就业稳定性的影响及其机制。首先，基准模型和工具变量模型估计结果均表明：在打工所在城市有住房的农民工，其就业稳定性更高。其次，通过对可能的中介效应和调节效应的观察发现：住房产权通过房奴效应和锁定效应提高了农民工的就业稳定性;房价上涨会提升有房农民工的就业稳定性。最后，根据住房类型、就业身份和代际差异进行的异质性探讨发现：自有住房产权农民工的就业稳定性最高，租住政府公租房和单位住房者的就业稳定性高于租住私人住房者，而居住臨时住所者的就业稳定性最低;住房产权对雇主型农民工就业稳定性的影响大于雇员型农民工，对中老生代农民工就业稳定性的影响大于新生代农民工。

关键词：农民工;就业稳定性;住房产权;房奴效应;锁定效应

中图分类号：F240 文献标志码：A 文章编号：1674-8131（2021）0-0067-14

一、引言

“实现更加充分更高质量就业”是党的十九届五中全会提出的“十四五”时期经济社会发展的最主要民生福祉目标之一。作为衡量就业质量的重要指标，劳动力市场的就业稳定性问题，一直为学界所关注。经济学意义上的就业质量一般指劳动力与工作岗位的匹配程度，当劳动力与工作岗位的技能要求和薪酬水平相匹配时，劳资双方均愿意维持稳定的雇佣状态，此时就业稳定性就高;反之，当劳动力与工作岗位不匹配时，如果技能水平高于当前工作岗位薪酬水平，劳动者会主动寻求工作转换，如果技能水平低于当前工作岗位技能要求和薪酬水平，劳动者将面临被解雇的风险而被动进行工作转换，此时就业稳定性就会较低（Mortensen，2011）[1]。可见，就业稳定性在很大程度上体现了劳动力的就业质量。作为城市产业工人的主力军，就业稳定性较差的近三亿农民工群体最易受到各种突发因素的冲击，因此也是当前最需要关注的就业群体。

自改革开放以来，中国劳动力市场的就业稳定性呈下降趋势（孟凡强 等，2013）[2]，由于中国具有最庞大的流动人口群体以及典型的城乡二元结构，作为流动人口主体的农民工群体的就业稳定性表现出了明显的“流动性高，稳定性差”的特征，普遍存在工作时间短，频繁转换工作的“短工化”现象（寇恩惠 等，2013）[3]。有研究发现，中国新生代农民工当前工作的平均持续时间仅为2.27年（谢勇，2015）[4]，如果与西方国家相比较，根据欧盟统计局的劳动力研究报告，欧盟的平均就业期限是9.7年（Farber，2007）[5];国家统计局历年公布的《农民工监测调查报告》也显示，近年来农民工外出务工与雇主或单位签订正式劳动合同的比例较低且呈逐年下降趋势，由2012年的43.9%下降到了2016年的38.2%

2017年以后的报告均未继续公布该数字。。

中国农民工群体较低的就业稳定性可能存在多方面的消极影响。对农民工个人和家庭而言，频繁的工作转换不利于农民工人力资本的提升，也会影响家庭的收入、消费水平和福利状况，这在一定程度上制约了农民工的市民化;对企业而言，员工“短工化”往往导致企业不愿进行长期人力资本投资，无法为员工提供更多培训晋升机会和长期福利，只能依靠不断压低用工成本维持生存，从而使得企业长期处于产业分工的末端，失去了价值链升级的动力;对整个国家来说，有研究指出，作为城市产业工人的主力军，农民工普遍的“短工化”现象会导致中国无法形成足够规模的高技能产业工人队伍，以支撑和推动产业体系由低端走向中高端，从而制约了中国由贸易大国向贸易强国的转变（邵敏 等，2019）[6]。可见，探索如何提高农民工群体就业稳定性不仅对家庭和企业具有积极影响，而且对中国经济的持续健康发展有着非常重要的现实意义。

近年来关于农民工就业稳定性的研究从多个方面探索了影响就业稳定性的因素，然而现有研究的视角多集中于劳动力市场内部，少有研究关注劳动力市场以外的因素，尤其是住房市场对农民工就业稳定性的潜在影响。中国古语有云“有恒产者有恒心”，那么，对于频繁更换工作的农民工来说，拥有稳定的住房是否就可以“有恒心”，从而保持较高的就业稳定性？本文关于住房状况对农民工就业稳定性影响的研究发现：在打工所在城市拥有住房的农民工的就业稳定性更高，住房产权会通过房奴效应和锁定效应提高其就业稳定性，而房价对有房农民工就业稳定性也存在显著影响。同时我们发现，拥有住房的农民工就业稳定性最高，但在无房产农民工中，租住政府公租房和单位住房的农民工的就业稳定性高于租住私人住房的农民工，而居住临时住所的农民工的就业稳定性最低;住房产权对雇主型农民工就业稳定性的影响大于雇员型农民工，对中老生代农民工就业稳定性的影响大于新生代农民工。

本文可能的贡献在于，从住房市场角度，揭示了住房产权对农民工就业稳定性的积极影响，刻画了住房状况影响农民工就业稳定性的几种可能的中介和调节机制，并指出，支持有条件和有意愿的农民工获得城市住房，鼓励雇主为农民工提供稳定住房，帮助农民工入住公租房，改善农民工临时住房条件，关注中老年农民工及其家庭的住房需求等政策措施均对提高农民工的就业稳定性具有积极意义。

二、文献综述和理论分析

早在20世纪90年代，学者们以欧洲和美国等发达经济体为样本，观察了其劳动力市场就业稳定性变化及其深刻的经济社会影响（Burgess et al，1996;Gottschalk et al，1999;Bergmannet al，2010;Jansen et al，2017）[7-10]。

近年来关于中国农民工就业稳定性的研究也不断涌现。除性别、年龄等个体自身固有的差异以外，现有研究普遍将农民工就业稳定性较低的原因归因于人力资本因素，认为受教育水平和受培训经历不足、农民工职业教育及技能培训发展落后等因素导致了其就业质量和稳定性较低（张务伟 等，2011;寇恩惠 等，2013;刘万霞，2013;杨雪 等，2016）[3][11-13];也有一些研究认为，户籍制度下产生的城乡身份的分割是导致农民工频繁变换工作的关键原因（张春泥，2011）[14]。然而有研究发现了不同结论，邵敏和武鹏（2019）研究发现，人力资本越高的农民工反而越倾向于频繁地换工作，其原因在于中国出口导向的经济发展模式，正是中国“世界工厂”式的出口扩张导致农民工工作稳定性较低从而制约了产业的转型升级。此外，也有一些研究尝试从劳动者进入劳动力市场的时间，务工距离，企业入职门槛、家庭随迁和居留意愿等角度对农民工就业稳定性和就业质量进行了观察（孟凡强 等，2013;韩雪 等，2014;李中建 等，2017;罗恩立 等，2020）[2][15-17]。

从上文的综述可以看出，近年来关于中国劳动力就业稳定性的研究从工资收入、人力资本、入职时间、入职门槛以及务工距离等多个方面解释了中国劳动者尤其是农民工就业稳定性较低的原因，然而，目前研究的视角多集中于劳动力市场内部，少有研究关注劳动力市场以外的因素，尤其是住房市场对农民工就业稳定性的潜在影响。当前研究关于住房对劳动力市场的影响多关注普通劳动者，其研究视角主要集中于住房对失业、工资、劳动力参与等因素的影响（Oswald，1996;Coulson et al，2009;Dujardin et al，2009;刘斌 等，2013）[18-21]，也有一些研究关注了房价和住房产权对跨区移民的锁定效应及就业的影响（Modestino et al，2013;Foote，2016）[22-23]，但是当前关于住房对中国农民工就业稳定性的影响尚比较缺乏。

中国古语有云“有恒产者有恒心”，本文试图探索的问题是：对于频繁更换工作的农民工来说，有了稳定的住房是否就可以“有恒心”，从而保持较高的就业稳定性？根据现有研究关于住房与劳动力市场的研究结论，本文提出住房产权影响农民工就业稳定性的两个中介机制和一个调节机制，并在三个机制的基础上提出本文的研究假说，以便在后文利用中介效应和调节效应模型分别进行验证。

首先我们提出本文研究的两个中介机制：房奴效应和锁定效应。第一，房奴效应。大量研究发现，住房负债会增强自有住房家庭的流动性约束，产生“房奴效应”（Davies et al，2011;颜色 等，2013）[24-25]。对于本文关于住房产权对就业稳定性的影响研究来说，也可能存在类似效应：与无房者相比，有房农民工家庭在购房时往往承担了较大数额的住房贷款，背负还贷压力的有房农民工更不能承受长期的工作搜寻成本和工作转换成本，从而保持较高的就业稳定性。第二，锁定效应。有研究发现，自有住房会降低劳动者的流动性，使其流动到其他地方找工作的概率降低，产生地理上的“锁定效应”（Munch et al，2008;Modestino et al，2013;Foote，2016）[26][22-23]。对于本文来说，同样可能存在锁定效应：在城市拥有自有住房可能通过住房锁定效应降低农民工的工作流动性和换工作的概率，提高其就业稳定性。

综合上述关于住房产权对农民工就业稳定性影响的房奴效应和锁定效应传导机制可以推测，拥有住房产权可能会对农民工就业稳定性产生正向影响，因此，我们据此提出本文的基本假说和两个关于中介机制的子假说：

假说1：与无产权住房农民工相比，在城市拥有住房产权的农民工就业稳定性更高。

假说1a：拥有住房产权会通过房奴效应提高农民工的就业稳定性;

假说1b：拥有住房产权会通过住房锁定效应提高农民工的就业稳定性。

除了上述两种可能的中介机制以外，由于房价变动可能会通过家庭财富变动影响有房农民工的就业决策，因此住房产权对农民工就业稳定性的影响可能会随房价的变动而发生变化，从而存在房价的调节效应。现有研究表明，房价上涨会使有房家庭的房产价值增加而产生“财富效应”，改变家庭的消费等经济行为（Poterba，2000;黄静 等，2009）[27-28]。对于在城市拥有住房的农民工来说，房价上涨会增加其家庭财富，从而可能降低农民工为了追求更高工作收入而频繁进行工作转换的概率，提升农民工就业稳定性。因此，我们提出一个关于房价调节效应的假说：

假说2：房价上涨会增加有房农民工的就业稳定性，产生财富效应。

三、模型设定、数据选取与描述性统计

1.基准模型

为研究住房状况对农民工就业稳定性的影响，参照相关研究的模型设定，我们用式（1）来表示本文的基准模型。

其中，Yi表示当前工作的持续时长，被解释变量为工作持续时长的对数;hi代表家庭住房状况，是本文最关心的解释变量;Xi是包括年龄及年龄平方、性别、民族、中共党员、婚姻状况、自评健康、受教育年限及其平方項、个人工资收入、流动范围、家庭随迁人数、家庭月收入等一系列个人和家庭特征变量;Ci为城市工资水平、环境污染、人均GDP、人口自然增长率等城市特征变量;Di为省区固定效应，以各省级行政单位的虚拟变量进行控制;εi为随机扰动项，以表征不可观测变量的影响。

2.数据样本选取说明

利用2017年中国流动人口动态监测调查数据与各地级行政区域的宏观统计数据相匹配得到本文研究的数据库。中国流动人口动态监测调查由国家卫健委自2009年开始实施，是目前全国最大的以流动人口为对象的抽样调查，其调查范围覆盖31个省区以及新疆生产建设兵团，调查内容涉及流动人口及家庭成员的收入、就业、居住、基本公共卫生服务、子女流动和教育、心理文化等等多个方面。与以往年份相比，2017年调查中较为详细地包含了流动人口住房状况、就业和主观态度等方面问题，有利于本文对农民工住房状况和就业稳定性进行研究，并对其机制进行深入探索。本文采用的地级行政区域经济增长、工资、环境污染、房价等宏观数据均来自相应年份的《中国城市统计年鉴》《中国区域经济统计年鉴》《中国国土资源统计年鉴》以及相应地区历年的统计年鉴和统计公报。根据本文的研究对象，我们保留了处于劳动年龄（16-60岁）的就业身份为雇主或雇员的农民工样本，经过匹配和数据清理之后

由于部分样本关键数据缺失或无法与地级市数据相匹配，我们的样本中剔除了新疆生产建设兵团、西藏自治区、黑龙江农垦总局和森工总局等区域的样本。，本文的基础数据库包含了62 912个观测值。

3.被解释变量和解释变量选取说明

被解释变量的选取。本文的主要被解释变量为就业稳定性变量。现有研究一般采用当前工作持续时间、近三年换工作的频率、工作时长与流动时长的比值、是否签订长期劳动合同等策略来对就业稳定性进行衡量（寇恩惠 等，2013;谢勇，2015;邵敏 等，2019）[3-4][6]。借鉴现有研究并根据本文的数据结构，构建两类衡量农民工就业稳定性的指标作为被解释变量：第一类为被调查农民工当前工作持续时长的对数;第二类利用当前工作时长与本次流动时长的比值构建一个被解释变量。在基准模型和工具变量模型中采用第一类指标作为被解释变量;在稳健性检验中采用第二类指标作为被解释变量。

核心解释变量的选取。本文核心解释变量为农民工的住房状态变量。在基准模型和工具变量模型中，利用中国流动人口动态监测数据对农民工住房状况的调查，如果被调查样本所在家庭拥有现居住房的产权（含小产权）则为1，否则为0，以此构建一个二值的住房产权变量;同时，为了观察住房状况对就业稳定性影响的异质性，本文还分别构建了租住私人住房、单位（雇主房）、政府公租房和临时住所等二值选择变量以便对住房状况进行全面刻画。

控制变量的选取。为了对影响农民工就业稳定性的可能因素进行控制，参考现有研究，本文同时控制了个人特征、家庭层面和地区层面等诸多因素的影响。具体而言，本文控制了性别（男性=1）、年龄及其平方项、民族、健康状况、婚姻状况（已婚或同居=1）、政治面貌（中共党员=1）、工资收入对数、工作机会主观感受、受教育年限及其平方项、流动范围等个人特征变量;家庭随迁人数、家庭月收入对数等家庭特征变量;城市工资水平、人均GDP对数、环境污染（pm2.5浓度）、人口自然增长率等地级市层面变量;并引入省区虚拟变量对省市层级的固定效应进行控制，本文主要变量选取说明及描述性统计见表1。

4.住房类型与就业稳定性统计描述

根据农民工现居住房性质，本文将其分为自有产权住房、租住私人住房、租住政府或单位住房、临时住所四种类型，表2中根据住房类型对当前工作时长是否超过3年的样本进行了分类比较：居住自有产权住房的农民工当前工作时长超过3年的比例明显大于其他住房类型;居住其他类型住房的农民工就业稳定性也呈现一定的差异。当然，这些差异是否显著，是否可以赋予其因果解释，后文将进一步探索。

四、实证研究：住房对农民工就业稳定性的影响

1.基准模型估计

为探索住房状况对农民工就业稳定性的影响，本文根据基准方程（式（1））建立模型，并对模型进行OLS估计，估计结果如表3所示。从基准模型估计结果可以看出，住房产权变量的系数估计值在1%的置信度下显著为正，这表明，在务工城市拥有房产的农民工的就业稳定性高于其他住房类型的农民工，自有住房对农民工就业稳定性的正向影响是存在的，这证实了假说1的推测。其他解释变量的系数估计值也是基本显著的：男性农民工的就业稳定性高于女性;就业稳定性会分别随着年龄和受教育年限的增加而增加，但是在年龄达到50岁左右、受教育年限接近16年时出现拐点而开始下降，呈现典型的倒“U”型变化;已婚、汉族和中共党员的就业稳定性明显更高;家庭随迁人数和家庭收入对农民工就业稳定性也存在正向影响;个人健康状况和人口增长对农民工就业稳定性存在负面影响。

2.工具变量估计

上文估计结果证实了拥有产权住房对农民工就业稳定性的正向影响。然而，本文基准模型有可能受到内生性问题的干扰，一方面，虽然尝试控制了包括个人、家庭、城市、省区等多个层面的控制变量，但是从理论上来说，依然有可能存在不可观测变量的影响;另一方面，由于就业稳定性可能反向作用于个人的住房状况，例如，即便在其他条件都相同的情况下，就业稳定性更高的人也可能更愿意在城市购买住房并定居，这便可能导致内生性问题。

当前研究多采用更高地区层级的住房特征变量作为个体住房变量的工具变量，对于住房产权变量来说，经常被使用到的工具变量是上一层级地区的住房自有率。这类工具变量的可行性基于如下邏辑：一方面，地区住房自有率会影响家庭拥有住房的概率;另一方面，当前并没有充分的证据表明地区住房自有率会直接影响个人的就业和就业稳定性。Van Leuvensteijn 和 Koning（2004）以及Munch等（2008）在关于住房产权对失业概率的影响研究中，均采用了地区住房自有率作为家庭住房产权的工具变量[29][26]。

借鉴现有研究并结合本文数据特点，选取第六次全国人口普查数据中各地级市住房自有率变量作为本文住房产权变量的工具变量

采用该数据作为工具变量的原因和优势在于两个方面：第一，第六次人口普查分县数据涉及全国各个县市级城市的住房数据，依据该次普查测算的地区住房自有率数据应该是当前较为全面和权威的调查结果;第二，宏观变量对个人行为决策的影响往往具有滞后性，由于“六普”数据距本文样本数据调查年份有数年的滞后，避免了被解释变量和工具变量之间可能存在的相互影响，外生性条件更易满足。。由于本文内生变量为二元变量，为了对工具变量模型进行更有效地估计，本文借鉴现有文献（李宝礼 等，2020;刘斌 等，2021）[30-31]，利用Stata扩展回归模型（Extended regression model）估计框架，采用Probit-OLS两阶段模型进行估计的结果如表4所示。可以看出，在工具变量模型中，住房产权系数估计值依然显著为正，自有住房对农民工就业稳定性的正向影响是存在的，其他解释变量的估计结果与上文基准模型也基本一致。同时进行了弱工具变量检验，K-P Wald F检验值远大于10，则不用担心模型的弱工具变量问题。

3.稳健性检验

为进一步验证上文结论的稳健性，分别采用替换被解释变量、改变样本、改变估计方法等策略对前文模型的稳健性进行验证，稳健性检验结果见表5所示。

第一，有部分现有研究以当前工作时长与流动时长的比值作为被解释变量，此处构造同样的被解释变量对模型重新进行工具变量回归，估计结果如表5模型（1）所示，可以看出，改变被解释变量为比例变量以后，住房产权对就业稳定性的正向影响依然显著存在。

第二，考虑到农民工在城市购房需要足够的储蓄积累

感谢匿名审稿人的建设性意见，当然，文责自负。，本文尝试删除工作经验不足5年的样本。同时，本文样本中存在一些受教育年限和工作经验值较大的样本，根据邵敏和武鹏（2019）的思路[6]，受教育年限超过12年及大学以上学历的劳动者直观上不应将其称为农民工，因此本文尝试剔除该部分样本;一般认为，中国农民工实际上是从1978年改革开放以后才开始出现，如果进城务工的工作经验超过39年则意味着该样本自改革开放以前就成为农民工，直觉上不够合理，因此本文也剔除这类样本。根据以上思路剔除部分样本重新进行工具变量回归的结果如表5模型（2）所示，可以看出，改变样本以后，住房产权对农民工就业稳定性的影响依然显著。

第三，由于本文基准模型采用了被调查者当前工作持续的时长，可以改造为一个计数变量，因此，以工作时长为被解释变量，分别利用负二项回归和泊松回归方法对模型重新进行估计，结果如表5模型（3）和（4）所示。可以看出，估计方法的改变依然没有改变前文得到的基本结论，这说明，本文基准模型和工具变量模型估计结果均是较为稳健的。

五、传导机制：房奴效应、锁定效应和财富效应

前文理论分析部分提出了住房状况影响农民工就业稳定性的三种可能机制：房奴效应、锁定效应和财富效应。为了对上述可能的影响机制进行验证，本文采用中介效应逐步回归框架对房奴效应和锁定效应的中介效应进行验证，采用引入交互项的方法对房价的调节效应进行验证。本文设定如下中介效应模型：

其中，Mi为中介变量，在本文中分别表示房奴效应和锁定效应，其他变量含义与式（1）基准模型相同，式（3）和（4）参数估计值a和b的乘积则可以衡量中介效应对农民工就业稳定性的影响大小。

1.房奴效应

首先对前文提出的房奴效应中介机制进行验证。本文利用流动人口住房支出数据构建农民工月住房支出变量作为中介变量

鉴于中国流动人口动态监测数据中该指标的特点，本文的农民工月住房支出变量并没有明确区分房租和房贷;对于有房者来讲，月住房支出一般指房贷，而对无房者来讲便是房租。，从理论上来说，如果自有住房农民工的月住房支出更高，同时更高的月住房支出能显著增加农民工的就业稳定性，那么房奴效应就是存在的。按照式（2）-（4）的步骤进行的中介效应估计和检验结果如表6模型（1）-（3）所示，可以看出，自有住房者的月住房支出显著更高，而更高的住房支出使其就业稳定性更高，中介效应Sobel检验值也表明中介效应是显著的，假说1a得到了验证。同时，房奴效应能够解释总效应的23.55%，具有较为明显的解释力。

2.锁定效应

其次对住房锁定效应中介机制进行验证。本文根据农民工流动过的城市数量来衡量其地理流动性，为便于观察，以流动城市数量小于3个的样本为1，其他为0构建一个二元变量。根据前文理论分析，自有住房会对农民工产生地理上的锁定，使其流动到其他城市找工作的概率降低，从而提高其就业稳定性。对锁定效应的中介效应模型估计如表6模型（4）-（6）所示，可以看出，自有住房确实降低了农民工的地理流动性，而地理流动上的锁定效应对就业稳定性存在正向影响，这验证了假说1b的推测。可见，住房产权对农民工就业稳定性的地理锁定效应是存在的，锁定效应能够解释总效应的9.55%，具有一定的解释力。

3.财富效应

从上文中介效应检验可以看出，房奴效应和锁定效应对住房产权影响就业稳定性起到了非完全中介效应，这可能意味着还有一些影响机制尚待挖掘。根据前文理论分析部分的推测，对于拥有自有住房的农民工来讲，房价的上涨会使其物质财富增加，从而可能对有房农民工的就业稳定性产生影响。下面尝试从调节效应角度，挖掘房价上涨的财富效应对有房农民工就业稳定性的影响。

引入房价和住房产权的交互项，并同时控制住房产权、房价和其他控制变量对模型重新进行回归的结果如表7所示，可以看出，房价和住房产权交叉项的系数估计值显著为正，房价上涨带来的财富效应会提升有房农民工的就业稳定性。可见，住房产权对农民就业稳定性的影响会随着房价的上涨而增强，假说2所提出的调节效应是存在的。

六、异质性：住房类型、就业身份和代际差异

1.住房类型

从前文描述性统计可以看出，农民工群体中的绝大部分是以租住政府或单位住房、租住私人住房或者临时住所的形式居住于城市，因此，下面考虑不同住房类型的农民工在就业稳定性方面的差异。表8模型（1）是以租住私人住房和居住临时住所的农民工为样本（租住私房=1），对就业稳定性进行的比较回归，可以看出，租住私人住房的农民工的就业稳定性要显著高于居于临时住所者;模型（2）我們以租住私人住房和政府单位住房的农民工为样本（租住政府单位房=1），对其就业稳定性进行比较，从回归结果可见，租住政府和单位住房的农民工的就业稳定性要明显高于租住私人住房者。最后，利用模型（3）对租住政府公租房和单位住房的农民工的就业稳定性进行比较回归（政府公租房=1），结果表明，租住政府公租房和单位住房的农民工的就业稳定性没有明显差异。至此，结合本文基准模型的结果，可以得到农民工就业稳定性随住房类型不同而不同的基本结论：自有住房农民工的就业稳定性最高，居住在政府公租房和单位住房中的农民工就业稳定性次之，租住私人住房的农民工就业稳定性相对较低，而居住临时住所的农民工就业稳定性最低。

2.就业身份

本文所使用的数据库根据被调查者的雇主或雇员身份对农民工进行了分类调查，为了验证住房产权对农民工就业稳定性的影响是否会因就业身份的不同而存在异质性，构建一个雇主变量来表征农民工的就业身份（雇主=1，雇员=0），在模型中引入住房产权和雇主变量的交叉项，并同时控制住房产权、雇主及各个层面的控制变量，以观察就业身份和住房产权对农民工就业稳定性的交互影响，估计结果如表9模型（1）所示。从住房产权和雇主交叉项系数的估计结果可以看出，住房产权对“雇主型”农民工就业稳定性的影响要明显更大;同时，雇主变量的系数估计值显著为正，这表明在无住房群体中，雇主的就业稳定性也要高于“雇员型”农民工。

3.代际差异

现有的大量研究表明，随着农民工的代际分化，不同年龄段的农民工在就业、消费、定居等诸多经济社会行为上都表现出了明显差异，有鉴于此，下面观察住房对农民工就业稳定性影响的代际特征。根据较为常见的年龄段划分方法，本文将农民工样本分为16-29岁、30-45岁、46-60岁三个年龄段，并仿照现有研究的提法分别将其简称为“新生代”、“中生代”和“老生代”农民工。为观察住房对农民工就业稳定性的影响是否存在代际差异，设置“年龄是否小于30岁”和“年龄是否小于46岁”两个相应的年龄节点，并引入住房产权和相应年龄节点的交叉项，分别利用16-45岁和30-60岁的农民工样本进行回归的结果如表9模型（2）和（3）所示，从两个模型交叉项系数估计结果可以看出，与中生代农民工相比，住房对新生代农民工就业稳定性的影响明显更小;而住房对中生代和老生代农民工就业稳定性的影响差异并不明显

本文也尝试对三个年龄段样本分别进行回归并比较住房产权系数估计值的大小，发现三者均显著为正，但新生代方程系数估计值最小，中生代和老生代方程中的系数估计值较为接近，这也印证了此处的结论，限于篇幅未在文中报告。。可见，住房对农民工就业稳定性的影响在新生代和中老生代之间存在差异。

七、结论和政策启示

本文利用2017年中国流动人口动态监测数据与地级行政区域宏观数据相结合构成农民工研究数据库，探索了住房状况对农民工就业稳定性的影响。首先，本文基准模型和工具变量模型估计结果均表明：在打工所在城市拥有住房的农民工，其就业稳定性显著更高。其次，通过对房奴效应、锁定效应和财富效应三个方面可能的影响机制的观察发现：偿还住房贷款的压力使拥有住房的农民工并不倾向于频繁换工作;自有住房对农民工地理流动存在锁定效应，增强了其就业稳定性;而住房财富效应会提升有房农民工的就业稳定性。最后，本文从住房类型、就业身份和代际差异角度探讨了可能的异质性，实证结果发现：租住政府公租房和单位住房者的就业稳定性明显高于租住私人住房者，而居住临时住所者的就业稳定性最低;住房产权对雇主型农民工就业稳定性的影响大于雇员型农民工，對中老生代农民工就业稳定性的影响大于新生代农民工。

本文可能的贡献在于，从住房市场角度，揭示了住房产权对农民工就业稳定性的正向影响并刻画了住房状况影响农民工就业稳定性的中介机制和调节机制;同时也发现，租住政府公租房和单位住房对农民工的就业稳定性存在明显的积极影响。本文研究结论不仅对提高农民工就业稳定性、推进我国新型城镇化和产业现代化发展具有现实意义，而且对中国城市住房保障体系的完善也具有一定的政策启示。为了提高农民工的就业稳定性，完善城市住房保障体系，首先要通过政策支持有条件且有意愿的少部分农民工获得城市住房;同时，对于大部分无力购房的农民工，适当降低公共住房门槛，帮助农民工入住政府公租房;第三，通过税收等政策优惠鼓励用工单位和雇主为农民工提供稳定的单位住房;第四，加强棚户区和城中村改造，改善农民工临时住房条件;第五，在重视农民工城市住房问题的基础上，要特别关注中老年农民工群体的住房需求。

当然，限于本文所采用的数据结构和自身的研究水平，本研究依然存在一些不足，例如在对房奴效应和锁定效应中介机制的实证检验中，中介效应占总效应的比例并不是特别高，这一方面可能源于本文中介变量的选择尚存在有待改进之处，另一方面也可能意味着，还有一些更有解释力的传导机制有待在未来研究中进一步挖掘。

参考文献：

[1] MORTENSEN T. Markets with search friction and the DMP model [J]. American Economic Review，2011，101（4）：1073-1091.

[2] 孟凡强，吴江.我国就业稳定性的变迁及其影响因素——基于中国综合社会调查数据的分析[J].人口与经济，2013（5）：79-88.

[3] 寇恩惠，刘柏惠.城镇化进程中农民工就业稳定性及工资差距——基于分位数回归的分析[J].数量经济技术经济研究，2013（7）：3-19.

[4] 谢勇.就业稳定性与新生代农民工的城市融合研究——以江苏省为例[J].农业经济问题，2015（9）：54-62.

[5] FARBER S. Is the company man an anachronism？ Trends in long term employment in the U. S，1973-2006[R]. Princeton University Working Paper，2007，No.518.

[6] 邵敏，武鹏.出口贸易、人力资本与农民工的就业稳定性——兼议我国产业和贸易的升级[J].管理世界，2019（3）：99-113.

[7] BURGESS S，REES H. Jobtenure in Britain 1975-1992[J]. The Economic Journal，1996，106（435）：334-344.

[8] GOTTSCHALK P，MOFFIT R. Changes in job instability and insecurity using monthly survey data [J]. Journal of Labor Economics，1999，17：91-126.

[9] BERGMANN A，MERTENS A. Job stability trends，lay-offs，and transitions to unemployment in west Germany [J]. Labour，2011，25（4）：421-446.

[10]JANSEN G，AKKERMAN A，VANDAELE K. Undermining mobilization？ The effect of job flexibility and job instability on the willingness to strike [J]. Economic and Industrial Democracy，2017，38（1）：99-117.

[11]张务伟，张福明，杨学成.农村劳动力就业状况的微观影响因素及其作用机理——基于入户调查数据的实证分析[J].中国农村经济，2011（11）：62-73.

[12]刘万霞.职业教育对农民工就业的影响——基于对全国农民工调查的实证分析[J].管理世界，2013（5）：64-75.

[13]杨雪，魏洪英.就业稳定性与收入差异：影响东北三省劳动力外流的动因分析[J].人口学刊，2016（6）：87-98.

[14]张春泥.农民工为何频繁变换工作 户籍制度下农民工的工作流动研究[J].社会，2011（6）： 153-177.

[15]韩雪，张广胜.进城务工人口就业稳定性研究[J].人口学刊，2014（6）：62-74.

[16]李中建，袁璐璐.务工距离对农民工就业质量的影响分析[J].中国农村经济，2017（6）：70-83.

[17]罗恩立，方丹丹.家庭随迁、居留意愿与流动人口就业质量——基于2016年全国流动人口动态监测数据的分析[J].人口与发展，2020（3）：117-128.

[18]OSWALD A.A conjecture on the explanation for high unemployment in the industrialized nations：Part 1[R]. University of Warwick Economic Research Papers，1996，No.475.

[19]COULSON E，FISHER L. Housing tenure and labor market impacts：The search goes on [J]. Journal of Urban Economics，2009，65（3）：252-264.

[20]DUJARDIN，GOFFETTE-NAGOT. Does public housing occupancy increase unemployment [J]. Journal of Economic Geography，2009，9：823-851.

[21]劉斌，幸强国.我国公共住房、失业与劳动力参与意愿——基于一个延伸的奥斯瓦尔德假说的经验证据[J].财经研究，2013（11）：34-47.

[22]MODESTINO A S，DENNETT J. Are American homeowners locked into their houses？ The impact of housing market conditions on state-to-state migration [J]. Regional Science & Urban Economics，2013，43：322-337.

[23]FOOTE A. The effects of negative house price changes on migration： Evidence across U.S. housing downturns. Regional Science and Urban Economics， 2016， 60：292-299.

[24]DAVIES J B et al. The level and distribution of global household wealth [J]. Economic Journal，2011，121（551）：223-254.

[25]颜色，朱国钟.“房奴效应”还是“财富效应”？——房价上涨对国民消费影响的一个理论分析[J].管理世界，2013（3）：34-47.

[26]MUNCH J， ROSHOLM M， SVARER M. Homeownership，job duration and wages [J]. Journal of Urban Economics， 2008，63（1）：130-145.

[27]POTERBA J M. Stock market wealth and consumption [J]. Journal of Economic Perspectives.2000，14（2）：99-118.

[28]黄静，屠梅曾.房地产财富与消费：来自于家庭微观调查数据的证据[J].管理世界，2009（7）：35-45.

[29]VAN LEUVENSTEIJN M， KONING P. The effect of home-ownership on labor mobility in the Netherlands [J]. Journal of Urban Economics，2004，55：580-596.

[30]李宝礼，邵帅，裴延峰.住房状况、城市身份认同与迁移人口环境行为研究[J].中国人口·资源与环境，2019（11）：90-99.

[31]刘斌，张安全.有产者的就业焦虑：安居真的可以乐业吗——基于城市住房分层与工作满意度的观察[J].财经研究，2021（1）：47-61.

Abstract： Using the dynamic monitoring data of China’s migrant population and the data of prefecture-level cities， the impact of housing conditions on the employment stability of migrant workers and its mechanism were explored. Firstly， the results of the benchmark model and instrumental variable model show that the employment stability of migrant workers who have housing in the cities where they work is significantly higher. Secondly， by observing the possible mediating effect and moderating effect， we find that housing property rights improve the employment stability of migrant workers through the house slave effect and lock-in effect. In addition， the rise of housing prices will enhance the employment stability of migrant workers with houses. Finally， according to the heterogeneity of housing type， employment status and generational differences， it is found that the employment stability of migrant workers with self-owned housing property rights is the highest， the employment stability of those who live in public rental housing and employer’s housing is higher than that of those who rent and live in private housing， and the employment stability of those who rent and live in temporary housing is the lowest. Housing property rights have a greater impact on the employment stability of employer-based migrant workers than on employee-based migrant workers， and it has a greater impact on the employment stability of middle- and old-generation migrant workers than on the new generation of migrant workers.

Key words： migrant workers; employment stability; housing property rights; housing slave effect; housing lock-in effect

CLC number：F240 Document code：A Article ID：1674-8131（2021）0-0067-14

（編辑：刘仁芳）