城市规模对流动人口主观相对贫困的影响研究——基于CLDS数据的实证分析

邱 峰，庄天慧*，陈光燕

（1.四川农业大学西南减贫与发展研究中心，成都 611130；2.四川农业大学四川省农村发展研究中心，成都 611130）

城市规模扩张会产生“拥挤效应”，如环境污染、交通拥堵和高房价等。相比“拥挤效应”，城市规模扩张的规模经济效应不容忽视。规模经济主要体现为3大效应——分享效应、匹配效应以及学习效应[1]。从劳动人口角度上讲，分享效应主要是指人口聚集后固定投入的基数增大，个体平均分摊成本降低；匹配效应来源于厚劳动力市场理论，主要是指大城市求职者容易找到与自身技能匹配的岗位；学习效应主要表现为“干中学”和同伴效应，劳动者生活在大城市里，能够在人力资本自我积累与外部性的影响下实现自我提高。城市规模扩张的“拥挤效应”与规模经济效应，很大程度上决定着人们在城市中的生活状况。与城市原住居民相比，城市人口中的特殊群体——流动人口往往在社会生活中处于劣势地位，其生活状况是否会受到城市规模的影响值得关注。

人口流动是劳动力在区域间实现优化配置的过程。长期以来，由于受到特殊户籍制度的影响，大规模流动人口在我国乡城之间、城与城之间辗转形成不同于城市、乡村原住居民的第三类群体。国家统计局数据显示，截至2019年我国流动人口规模达2.41亿，也即是说全国每6个人中就有1人是流动人口。流动人口是城市人口的重要组成部分，流动人口的涌入是城市规模持续扩张的重要原因。不仅如此，城市制造业、服务业发展很大程度上依赖流动人口带来的人口红利。流动人口为城市经济社会发展做出了巨大贡献，那么流动人口是否能够平等享受社会经济发展的成果？

若流动人口不能够平等享受社会经济发展成果，那么他们极有可能会陷入相对贫困之中。随着2020年绝对贫困在全国范围内消除，我国扶贫工作将实现由解决绝对贫困向解决相对贫困转变、由重点解决农村贫困向城乡减贫融合推进转变[2]。在此背景下，以流动人口为主体的流动性贫困问题不容忽视：流动人口不断提高劳动强度、频度以换取较高收入，但相当部分乡城流动人口由于在社会保障方面欠缺，极易暴露于社会风险中；即使是城城流动人口，也容易受到“外来人”标签影响，生活质量并不高于本地城市居民。某种程度而言，流动人口并非一定能平等享受社会经济发展的成果，他们极有可能在流动中陷入一种不确定性的尴尬境地，产生较为明显的相对剥夺感。事实上，已经有学者表达对流动人口相对贫困问题的担忧。朱晓和秦敏[3]指出，从相对贫困角度出发，仍然存在相当大比例的流动人口面临诸多困难，他们大多处于社会底层，难以融入城市生活。杨帆等[4]指出，将流动人口纳入城乡融合常规治理相对贫困体系之中，才能适应新形势下减贫发展需要。

然而值得注意的是，统计数据显示，作为国内颇具代表性的大城市，1978—2019年北京市常住外来人口从21万增加到745.6万，上海市常住外来人口从6万增加到960.2万。广州市常住外来人口近十年增幅超过100万人，深圳市更是常年汇聚全国各地流动人口，民间笑称“来了就是深圳人”。对此，踪家峰等[5]指出，奔向大城市已经成为我国城市化的生动写照。此种流向选择也反映出流动人口在不同规模城市之间“用脚投票”的结果。总而言之，流动人口极有可能在流动中陷入相对贫困，生活状况并不乐观，在流动人口颇具倾向性的流向选择背景下，城市规模会对流动人口相对贫困状况产生何种影响？其中作用机制又是什么？本文将通过一系列实证研究尝试对以上问题做出回答。

本文使用CLDS 2016数据，从主观角度出发，研究城市规模对流动人口主观相对贫困的影响。实证研究发现，城市规模越大，流动人口越不易陷入主观相对贫困。上述结论的作用机制在于城市规模扩大能够降低失业效应和提高收入效应，即在规模越大的城市中，流动人口的失业可能性越小，工作收入满意度越高，一定程度上体现了城市规模经济的匹配效应。

1 文献回顾与研究假说

已有研究认为，个体因素、家庭因素以及流入地区因素会对流动人口相对贫困状况产生不同程度的影响[3]。尽管鲜有文献直接分析城市规模与流动人口主观相对贫困之间的关系，但已经有许多文献对二者的关系展开了间接性分析。通过对已有文献的梳理，本文认为城市规模对流动人口主观相对贫困的影响主要通过以下3种方式体现出来。

首先是工资溢价的非必然性。不少学者就城市规模与工资收入之间的关系展开研究。其中一些学者发现，城市规模扩大并非一定能够提高流动人口的工资收入。宁光杰[6]研究发现，控制住劳动者学历、培训等可观测的特征之后，流动人口在大城市获得的工资薪水并不高。倘若进一步控制不可观测特征，流动人口进入大城市工作反而会遭遇收入劣势。因此，流动人口进入大城市却并不一定能带来收入的显著提高，在大城市较高的生活成本压力下，极有可能陷入主观相对贫困。其次是工资溢价的“马太效应”，即城市规模带来的工资溢价可能更加偏爱高质劳动者，加剧劳动力收入不平等程度。踪家峰等[7]研究中国城市的工资溢价发现，大城市对低技能劳动力的偏好需要足够的时间累计才能体现，短期内，城市规模更能为高技能劳动者带去工资溢价；彭俊超等[8]进一步研究发现，城市规模是技能劳动力与非技能劳动力之间工资差距扩大的重要因素。在“穷愈穷、富愈富”的马太效应作用下，一部分在人力资本、社会网络等方面处于劣势地位的流动人口可能因此陷入主观相对贫困。有鉴于此，本文提出如下假说：

假说1：城市规模越大，流动人口越容易陷入主观相对贫困。

最后是城市规模的匹配效应。即大城市中求职者更容易找到与自身技能相匹配的岗位。比如，王小鲁[9]对我国城市化与城市规模的研究表明，居民更能感受到城市规模扩大所带来的正外部效应，如较容易找到工作、较高的投资回报等。朱志胜[10]研究指出，流动人口从城市规模效应中的获益并非仅限于就业概率和真实工资水平的提高，在大城市就业的流动人口还更有可能获得更加接近规范的有酬劳动时间。因此，流动人口凭借大城市相对稳定的就业状态、较为满意的工资收入，可能更不易陷入主观相对贫困。鉴于此，本文提出如下假说：

假说2：城市规模越大，流动人口越不容易陷入主观相对贫困。

简而言之，在“工资溢价的非必然性”“工资溢价的马太效应”“匹配效应”作用下，城市规模极有可能影响流动人口主观相对贫困。本文的研究深受前人研究启发，聚焦于城市规模对流动人口主观相对贫困的影响研究，以期为流动人口流向选择、改善流动人口生活状况以及城市发展提供更多经验证据。

2 研究设计

2.1 数据来源

本文使用数据主要来自中山大学社会科学调查中心开展的“中国劳动力动态调查”（CLDS）。CLDS聚焦中国劳动力现状与变迁方面的数据和资料，内容主要涵盖劳动力教育、工作、迁移、健康、社会参与、经济活动和基层组织等众多研究议题，是一项跨学科的大型追踪调查。CLDS样本覆盖中国34个省级行政单位的中的29个省、市、区（港、澳、台、西藏、海南除外），调查对象为样本家庭中的全部劳动力。CLDS采用多阶段、多层次与劳动力规模成比例的概率抽样方法（multistage cluster，stratified，PPS sampling）进行抽样，能够保障抽样的科学性与合理性。

本文通过 CLDS 2016劳动力个体问卷中问题“您的户口是在”来识别流动人口，将回答为“本县区以外”的个体视为流动人口，并剔除年龄在16岁以下或者65岁以上的样本以及关键数据缺失的样本，最终保留有效样本1 185个。核心变量“城市规模”及其他相关数据来自各市（地级市及以上）统计年鉴和人口普查数据。

2.2 变量选取

2.2.1 被解释变量

本文的被解释变量是主观相对贫困。首先，相对贫困是指与部分社会成员的生活水平相比，一部分人的生活水平低下[11-12]。其包含了较高层次的社会心理需求，强调社会层面的“相对剥夺感”[13-14]。由此可见，从主观维度测度相对贫困应该从两方面入手：第一，从“主观”上讲，是当事人的自我感知，是人们对生活状况的自评而非他定[15]；第二，由“相对”来看，要将当事人的生活状况与一定参照系做比较，社会平等程度在其中发挥重要作用。

事实上，已经有学者从主观维度测度相对贫困，周力[16]在研究主观相对贫困时，将受访者对个人收入地位的自评作为主观相对贫困的代理变量。由前文分析可知，相对贫困不应局限于收入维度，主观相对贫困应该包含多方面信息，能够真实反映目标群体的生活状态。因此，受访者对其生活水平的自评是较为理想的主观相对贫困代理变量。综上所述，参考ROJAS M[17]、周力[16]的相关研究，本文采用CLDS 2016个体问卷中关于个人生活水平问题：“您认为自己当前的生活水平与所在市辖区（或县）其他居民相比，是好些还是差些？”来衡量流动人口的相对贫困。问题选项为1-5，本文将选项为1（表示差很多）设置为主观相对贫困，其他选项为非主观相对贫困并且赋值为0。

2.2.2 解释变量

本文的核心解释变量是城市规模。参考梁婧等[18]的研究，本文以城市（包括地级市与直辖市）2015年全部常住人口代表城市规模，并在回归方程中取自然对数值。除城市规模外，还有其他因素会影响流动人口主观相对贫困。因此，参考刘波[19]、田雅娟等[20]的研究，本文在个体、家庭以及社会3个层面选取控制变量。在个体层面选取的控制变量有：年龄、年龄平方、性别、户口、受教育年限和婚姻状况；在家庭层面选取的控制变量有：家庭规模、家庭人均收入；社会层面选取的控制变量有：居住社区类型、省级GDP增长率，同时控制地区因素。

本文选取变量相关定义及描述性统计如表1所示。

表1 不变量定义与描述性统计Table 1 Descriptive statistics of the main variables

2.3 基准模型设定

本文所设定的基准回归模型如下所示：

其中，SPi是第i个流动人口的相对贫困状况，City_Scalei是第i个流动人口所在城市规模，Xi是一系列控制变量，控制了个体、家庭、社会方面的特征；α1为常数项，α2与α3是待估参数，其中α2为本文重点关注对象，若其显著为正，则假说1得到证实（假说2相应证伪），若其显著为负，则假说2得到证实（假说1相应）；ξi是误差项。

3 实证分析

3.1 基准回归分析

3.1.1 Probit模型和Logit模型数据分析

使用 STATA 16.0软件，基于 Probit模型，本文对方程（1）进行回归以分析城市规模对流动人口主观相对贫困的影响。同时，为与 Probit模型相对照并验证其结果的稳健性，在基准回归中本文还汇报了Logit模型回归结果。其中，Probit模型回归结果列于表2第（1）-（2）列，Logit回归结果列于表2 第（3）-（4）列。

首先，由表2第（1）列与第（3）列的系数估计结果可知，城市规模在1%的显著性水平上与流动人口主观相对贫困呈负向关系。换言之，城市规模越大，流动人口越不易陷入主观相对贫困，即本文的假说1得到证实，与此对应假说2被证伪。因此，结合前文分析来看，匹配效应极有可能在城市规模影响流动人口主观相对贫困中占据主导地位。对此，我们将在后文做进一步检验。此外，该结果也能在一定程度上解释前文中人口的流向选择倾向：流动人口能够从城市规模中获益，此种获益能够使得流动人口切身感受到生活水平的提高，因此流动人口倾向于流向大城市而非小城市。从控制变量的回归结果来看，性别、户口类型与流动人口主观相对贫困呈显著正向关系。该结果表明男性、农村户口的流动人口更容易陷入主观相对贫困，一方面反映出男性面临更大的压力，另一方面反映出社会对不同户口类型流动人口的区别对待；此外，GDP增长率与主观相对贫困呈显著正向关系，并且与西部地区相比，流动人口身处东部地区时更容易陷入主观相对贫困（中部地区不显著），侧面反映出我国经济发展的包容性有待提高。年龄和年龄平方对相对贫困分别产生正向和负向影响，表明年龄对流动人口相对贫困的影响呈现出U型特征，极小值点约为28岁；健康状况、受教育年限和家庭人均年收入与流动人口主观相对贫困呈显著负向关系，该结论表明，人力资本积累和家庭财富增加有利于缓解相对贫困。居住社区类型与流动人口主观相对贫困呈显著负向关系，这可能是由于城市社区所面临的物质压力和精神压力都会显著高于农村社区，农村社区居民反而更不容易陷入主观相对贫困。婚姻状况和家庭规模对流动人口主观相对贫困不具有显著影响。

表2 基准回归及工具变量回归结果Table 2 Baseline regression results and IV regression results

其次，由于Probit模型与Logit模型的系数含义不直观，系数估计结果只能从显著性和符号方面给出有限信息，因此本文进一步计算出所有解释变量的平均边际效应列于表2第（2）-（4）列。由表2第（2）列结果可知，城市规模对主观相对贫困的边际效应为-0.049，表明城市规模每扩大1%，将使流动人口陷入主观相对贫困的可能性下降4.9%；因此，可以得出结论，城市规模越大，流动人口越不易陷入主观相对贫困，因而也越有利于缓解相对贫困。

3.1.2 内生性问题处理

在考察城市规模对流动人口主观相对贫困影响的模型中，可能由于样本自选择偏误以及遗漏变量而产生内生性问题。为尽可能缓解模型存在的内生性问题，减少估计偏误以确保上述结论的稳健性，本文进一步使用包含工具变量的IV Probit模型考察城市规模对流动人口主观相对贫困的影响。参考陆铭等[21]、王建国等[22]的研究，本文选取两个工具变量：第一个工具变量是1990年的城市人口规模。中国城市人口规模变化因累积性和持久性特征而近似遵循着平行增长的模式[21]，改革开放初期城市规模对2015年城市规模有较强解释力；此外，1990—2015年有25年，彼时城市规模不会对此时流动人口主观相对贫困状况产生影响。第二个工具变量是1990—2002年城市人口增长率。2002年以前，政府一直坚持“控制大城市规模，合理发展中等城市，积极发展小城市”，但2002年以后主张推动“大中小城市和小城镇的协调发展”[22]。一方面，这种政策导向下的1990—2002年城市人口增长趋势会在一定程度上影响当前城市规模；另一方面，1990—2002年的城市人口增长趋势更可能反映当时的城市规模政策导向，而这种政策导向与当前流动人口主观相对贫困不存在明显相关关系。工具变量回归结果列于表2 第（5）-（6）列。

首先，本文对上述工具变量的有效性进行检验。DWH（Durbin-Wu-Hausman Test）检验结果显示P=0.094，故可认为城市规模为内生变量，有必要使用工具变量缓解模型内生性问题。进一步检验工具变量与内生变量之间的相关性，第一阶段F值为1795.88，远高于经验值水平10，工具变量的t值分别为54.3与9.2，证明本文使用的工具变量不存在弱工具变量问题。最后，过度识别检验结果显示P=0.608，因此所有工具变量均满足外生性要求。综上而言，本文所使用的工具变量是有效的，能够缓解模型存在的内生性问题。

由表2第（5）-（6）列回归结果可知，在加入工具变量之后，核心解释变量城市规模对流动人口主观相对贫困的负向影响及其显著性水平均保持不变，证明前文回归结果是稳健的。并且，由边际效应可知，在缓解模型内生性问题之后，城市规模对流动人口主观相对贫困的负向影响更大了，此时城市规模每扩大1%，将使流动人口陷入主观相对贫困的可能性下降5.9%。说明模型存在的内生性问题使Probit回归低估了城市规模对流动人口主观相对贫困的影响。

3.2 稳健性检验

前文的分析已经证实城市规模显著利于缓解流动人口主观相对贫困，为保障结论的真实性和有效性，本文将采取两种方式进行稳健性检验：第一，按照城市规模对上下5%的样本进行缩尾，减少样本极端值对估计结果的影响；第二，使用变量替代法更换核心解释变量的代理变量，以城市等级来代替城市规模。根据国务院印发《关于调整城市规模划分标准的通知》，以2015年城市常住人口为基础，本文将各城市划分为小城市、中等城市、大城市、特大城市以及超大城市5个等级，并由小到大依次赋值1～5。具体划分情况如表3所示。

表3 不城市等级划分Table 3 City scale classification

表4汇报了稳健性检验的结果，其中第（1）、（3）列为系数回归结果，第（2）、（4）列为平均边际效应。由表4结果可知，无论是对样本进行缩尾还是更换相对贫困代理变量，城市规模（城市等级）对流动人口主观相对贫困均具有显著负向影响，即城市规模（城市等级）越大（越高）越有利于缓解流动人口主观相对贫困，由此证明前文的研究结果是稳健的。

表4 稳健性检验结果Table 4 Robustness test results

3.3 异质性分析

前文的研究已经证实，流动人口流入大城市更不易陷入主观相对贫困之中，大城市对流动人口主观相对贫困的影响是否会因群体不同而产生差异，本文将对此展开研究。

已有研究表明，新老两代流动人口在职业地位[23]、身份认同[24]、社会融合[25]以及幸福感[26]等方面存在显著差异。随着年龄的增长，流动人口的社会生存能力会发生变化，一方面可以不断积累经验和技能，另一方面是身体综合素质发生变化。因此，城市规模可能对新、老两代流动人口的相对贫困状况具有异质性影响。王春光[27]首次提出新生代流动人口的概念之后，“1980年出生”成为绝大多数实证研究中划分新旧两代流动人口的依据[25，28-29]。遵循惯例，本文以1980年出生（对应 CLDS 2016数据中为35岁）为分界，识别出新生代流动人口和老生代流动人口两个样本组，并展开分样本异质性研究。

人力资本理论认为，在经济增长中，教育投资是人力投资的主要部分[30]。受教育程度的差异导致人力资本积累的差异，教育的回报率存在“马太效应”，即高收入者教育回报率越高，低收入者教育回报率越低[31]。因此，城市规模可能对不同教育水平流动人口的主观相对贫困产生异质性影响。本文以是否完成高中教育为标志，将流动人口分为受教育水平较高的和受教育水平较低的两个样本组，并展开分样本异质性研究。

分样本回归结果如表5所示，其中奇数列为系数回归结果，偶数列为平均边际效应；第（1）-（2）列为老生代流动人口样本组，第（3）-（4）列为新生代流动人口样本组，第（5）-（6）列为受教育水平较高的流动人口样本组，第（7）-（8）列为受教育水平较低的流动人口样本组。

表5 分样本回归结果Table 5 Regression results of different sample

由表5 第（1）-（4）列回归结果可知，在控制了个体因素、家庭因素和社会因素之后，城市规模在1%的显著性水平上与老生代流动人口的主观相对贫困呈负向关系。具体而言，城市规模每扩大1%，则老生代流动人口陷入主观相对贫困的可能性下降6.5%。然而，尽管在新生代流动人口分组中城市规模的回归系数为负，却并不显著。究其原因，可能是由于新生代流动人口大多处于奋斗和竞争时期，自身财富积累不足，在大城市的高压环境下，新生代流动人口无法明显感觉到生活改善。

由表5 第（5）-（8）列回归结果可知，在控制了个体因素、家庭因素、社会因素之后，城市规模在5%的显著性水平上与受教育水平较低的流动人口的主观相对贫困呈负向关系。具体而言，城市规模每扩大1%，受教育水平较低的流动人口陷入主观相对贫困的可能性会降低5.9%。然而，城市规模与受教育水平较高的流动人口的主观相对贫困状况之间不存在显著关系。究其原因，可能在于城镇劳动力市场中长期存在的“歧视”与“逆歧视”以及行业分割问题。具体而言，一部分受教育水平较低的流动人口，为适应市场需求和外部环境的现实，“主动”牺牲一部分眼前经济利益和社会权益，能够在某些条件较差的行业实现对本地居民就业的替代和排挤[32]，也即“逆歧视”。而受教育水平较高的流动人口，本身希望向上游行业流动，但受户籍影响，要么流动无法实现，要么在高端行业中成为“歧视”的对象。因此，受教育水平较高的流动人口反而未从城市规模经济中显著受益。这也侧面体现出消除我国劳动力市场中的就业歧视、破除行业分割的必要性。

3.4 机制分析

由前文分析与实证结果可知，匹配效应极有可能在城市规模影响流动人口主观相对贫困中占据主导地位。即流动人口可能凭借大城市相对稳定的就业状态、较为满意的工作收入，更不易陷入主观相对贫困。因此，从匹配效应角度出发，本文选取“失业可能性”“工作收入满意度”作为中介变量构建中介效应模型进一步研究城市规模缓解流动人口主观相对贫困的影响机制。根据温忠麟等[33]建议的“新的中介效应检验流程”，本文构建中介效应模型如下：

表6汇报了中介效应模型回归结果。表6第（1）列为方程②估计结果，与前文保持一致，城市规模在1%的显著性水平上降低流动人口陷入主观相对贫困的可能性，系数为α=-0.201，可按中介效应立论。表6第（2）-（3）列为方程③估计结果，第（4）-（5）列为方程④估计结果。结果表明城市规模对两个中介变量均有显著影响，系数β1=-0.126，β2=0.086；并且，两个中介变量对流动人口主观相对贫困状况也有显著影响，系数 η1=0.167，η2=-0.274，因此，间接效应显著。由表3第（4）-（5）列结果可知，在加入中介变量后，城市规模依然会显著降低流动人口陷入主观相对贫困的可能性，系数α1'=-0.186，α2'=-0.198，因此，直接效应也显著。由于β1*η1与α1'的符号同号，β2*η2与 α2'同号，因此，本文选择的两个中介变量均存在部分中介效应。最后，中介效应量大小可由 β*η/α计算得到，分别为 β1*η1/α=0.105 与 β2*η2/α=0.117。至此可以得出结论，城市规模缓解流动人口主观相对贫困存在部分中介效应，其中，失业可能性降低占据10.5%的中介效果，工作收入满意度提高占据11.7%的中介效果。简言之，城市规模扩大，能够显著降低流动人口失业可能性、提高流动人口工作收入满意度，进而降低流动人口陷入主观相对贫困的可能性。

表6 中介效应检验结果Table 6 Results of mediating effect test

4 结论与政策建议

本文使用Probit模型、Logit模型和IV Probit模型检验了城市规模对流动人口主观相对贫困的影响，并讨论了其相关影响机制。研究发现：城市规模越大，流动人口更不易陷入主观相对贫困。具体而言，城市规模每扩大1%，流动人口陷入主观相对贫困的可能性会降低4.9%以上。该结论在对样本进行缩尾以及更换核心解释变量的代理变量之后依然稳健；异质性分析进一步发现，城市规模与老生代流动人口主观相对贫困呈显著负向关系，城市规模每扩大1%，老生代流动人口陷入主观相对贫困的可能性会降低6.5%。但城市规模对新生代流动人口主观相对贫困无显著影响，这可能是因为新生代流动人口面临更高的竞争压力。城市规模与受教育水平较低的流动人口的主观相对贫困呈显著负向关系，城市规模每扩大1%，教育水平较低的流动人口陷入主观相对贫困的可能性会降低5.9%。但城市规模与受教育水平较高的流动人口的主观相对贫困状况之间不存在显著关系，这可能是由于劳动力市场上的就业歧视与行业分割问题。最后，本文对城市规模缓解流动人口主观相对贫困问题的机制做出检验，结果表明城市规模越大，流动人口面临失业的可能性就越低、工作收入满意度越高，由此缓解流动人口主观相对贫困。

基于上述结论，本文提出以下政策建议：

第一，大力建设中西部地区的中小城市，使更多流动人口能够就近享受中小城市规模经济成果。中央政府应出台更多土地、税收优惠政策，推动大批中西部中小城市进一步做大做强，让更多流动人口就近享受到城市规模经济收益。第二，基础教育与职业教育并重。一方面要谨防落后地区、农村地区存在义务教育阶段学生辍学问题，并在此基础上提高高中教育入学率；另一方面要增强职业教育多渠道筹资能力、加大对职业教育的资源投入力度，并且推进职业教育入企、入厂、入社区，主动向流动人口等弱势群体“靠拢”。第三，深入推进薪酬制度改革，以岗薪制（即以对不同岗位的劳动责任、劳动强度、劳动条件和劳动技能的综合评价为基础，确定岗位工资档次和标准，重点体现出工资的保障、激励和调节职能）等与现代企业制度相宜的工资收入分配制度来替代企业不合理的分配方式，减少“同工不同酬”等就业歧视问题。第四，在市场配置劳动要素的基础上，合理发挥政府调控、监管职能，破除劳动力市场行业分割局面，促进劳动力在行业间自由流动。