劳动力迁移与城市全要素生产率——来自地级市的经验证据

曹芳芳，程 杰，武拉平，李先德

1.中国农业科学院农业经济与发展研究所，北京 100081 2.中国社会科学院人口与劳动经济研究所，北京 100006 3.中国农业大学经济管理学院，北京 100083

一、研究背景

改革开放四十多年来，中国经济市场化程度逐步提高，限制劳动力要素流动的障碍逐渐拆除，区域间劳动力的流动成为常态。一方面，迁移劳动力成为城镇劳动力市场的重要组成部分，并逐渐成为新增劳动力的主要供给来源。根据2020年《第七次全国人口普查统计公告》，中国流动人口规模高达3.76亿人，占总人口的26.6%，人口流动趋势更加明显。另一方面，随着政府长期在教育方面的投入和建设，包括迁移劳动力在内的人力资本改善较快。根据第七次人口普查统计数据，全国15岁及以上人口的文盲率从1990年的15.88%下降到2020年的2.67%，大专及以上教育水平人口的人数从1 422人/万人增长到15 467人/万人(1)http://www.stats.gov.cn/tjsj/pcsj/rkpc/d7c/202111/P020211126523667366751.pdf。。不同于二元经济时代，中国现有的迁移劳动力已经呈现新的人力资本特征[1]。迁移劳动力作为城市劳动力市场的重要组成部分，其人力资本大幅提升，对于城市经济效率和经济增长的作用不容忽视。

国内有关劳动力迁移的研究长期关注劳动供给带来的配置效率改善，然而从生产效率角度进行探讨的较少。主流观点认为，在二元经济时代，劳动力迁移对经济增长的作用主要体现在两方面：一方面，流动人口从边际生产率较低的农业部门转向非农部门，带来了配置效率的改善；另一方面，近乎无限供给的劳动力延缓了资本报酬递减现象的发生，这两者均促进了经济增长[2-3]，该阶段的研究主要集中在劳动力迁移所提供的充足劳动供给对经济增长的贡献上。然而，从理论上来看，劳动力迁移不仅是劳动力供给来源，也是生产效率的贡献来源。根据国际移民理论的相关研究，长期内劳动力迁移能显著提高流入国的全要素生产率(total factor productivity，TFP)，提升流入地区的经济效率[4-5]。劳动力迁移对经济效率的作用渠道在于不仅扩大了劳动力市场规模，还加强了劳动力市场的异质性，不同人力资本、工作经验和文化的劳动力集聚有助于专业化分工和创新，从而提高了微观生产率[6]。随着经济发展阶段的变化，劳动力迁移对经济的配置效应在逐渐下降，人力资本不断提升的迁移劳动力对于中国经济效率的作用在逐渐增强[7]。然而，国内鲜有研究从该角度出发，探讨劳动力迁移对经济效率的作用及机制。

从现实出发，中国经济增长在进入经济新常态之后逐渐变缓，国内生产总值(GDP)增长率从1994—2012年的年均8%～14%逐渐下降到2014—2019年的6%～7%(2)2020和2021年受新冠肺炎疫情冲击，GDP增长率为非常态发展的增长率，故未列出。，经济转型和升级面临挑战，同时经济增长还面临老龄化的冲击。2020年中国65岁及以上老龄人口占总人口的比例达到13.5%，而中国15～64岁的就业人口供给从2013年之后就呈现下降趋势(3)http://www.stats.gov.cn/tjsj/pcsj/rkpc/d7c/202111/P020211126523667366751.pdf。。这意味着在当前中国向高收入国家转型的关键时刻，不仅面临着“未富先老”的困境，而且必须应对劳动力总量下降以及由此带来的劳动力成本上升和资本报酬递减对经济增长的负面影响[8]。随着老龄化和劳动总量供给的下降，劳动力成本上升，依靠传统“人口红利”的发展模式已经难以为继，经济增长方式必须从要素驱动型向全要素生产率驱动型转变[2]，这也是发展中国家跨越“中等收入陷阱”的主要途径和动力[9]。基于TFP驱动的内生经济增长理论更加强调人力资本的作用，在城市普遍低生育水平的背景下，迁移劳动力所蕴含的人力资本及其作用机制对于城市经济发展和TFP提升具有重要的意义。因此，在当前中国城乡二元经济结构向城乡一体化经济转变，经济向TFP驱动转型的背景下，本文从生产效率角度探讨劳动力迁移对TFP的影响及作用机制有着重要的理论和现实意义。

基于以上现实问题和现有研究的不足，本文利用1990—2015年历次全国人口普查数据和1%全国人口抽样调查估算的迁移劳动力数据，从地级城市“市辖区”层面考察劳动力迁移对城市TFP的影响及异质性，并进一步探究劳动力迁移是否通过集聚效应、创新外部性以及专业化分工等作用途径影响了TFP，相关研究结论为城市管理者认识流动人口的价值和定位提供了理论基础和新的经验证据。本文可能的创新之处在于：第一，尝试从生产效率的角度探讨20世纪90年代以来劳动力迁移对城市TFP的影响，并进一步探究劳动力迁移是否通过集聚效应、知识和创新的外部性以及专业化分工的内在机制作用于TFP，对研究发展中国家转型过程中劳动力迁移的经济影响增添了新的研究视角和经验证据；第二，利用1990—2015年全国人口普查数据和1%人口抽样调查微观数据纠正了城市统计年鉴中不包含迁移劳动力数据的投入偏差，解决了城市宏观统计中人口与劳动力指标统计口径不一致的问题，使得研究数据更具有代表性，并和利用城市户籍劳动力投入计算的TFP回归结果进行了对比分析，研究结论更加接近事实；第三，尝试利用工具变量法解决劳动力迁移和TFP可能存在的内生性问题，克服有偏估计的问题；第四，在充分考虑城市异质性的基础上，呈现了不同资源类型、不同地区、不同时期和不同规模城市劳动力迁移对经济效率的影响。

二、文献综述

(一)劳动力迁移对经济效率和经济增长的影响

已有研究就劳动力迁移对经济效率的影响进行了丰富的探讨。Ortega等[10]利用1980—2005年经济合作与发展组织(OCED)14个移民流入国和74个流出国的移民数据研究发现，移民在短期和长期内均没有降低流入国的投资和TFP，相反移民对流入国的TFP有积极影响。Peri[4]利用美国1960—2000年和2006年的人口普查数据分析发现，劳动力迁移和TFP之间存在长期显著的正向关联，劳动力迁移大约能够解释一半的TFP增长。2013年，美国国会预算办公室(4)OFFICE C B. The economic impact of S.744, the border security, economic opportunity, and immigration modernization act[EB/OL]. (2013-06-18)[2021-08-20]. https://www.cbo.gov/publication/44346.评估了最新移民改革法案《边境安全、经济机会和移民现代化法案》的改革成本和收益，结果表明，到2023年，此项移民改革预计能够引致0.7%的TFP增长。都阳等[3]认为农村劳动力的迁移有利于扩大城市劳动力市场规模，并提高城市经济的TFP。但也有研究认为劳动力迁移会带来负面效应，相较移民的来源地，移民流入国或地区的经济和技术更为发达和先进，移民的进入可能会导致本地劳动力市场采用低技能和低效率的生产方式，影响流入地区的技术选择偏向，从而部分抵消劳动力迁移对TFP产生的积极影响[6]。

诸多研究也尝试评估劳动力迁移对流入地经济发展的贡献。Moses等[11]估算结果显示，假设部分消除劳动力流动障碍，实现约30%的净劳动力迁移率，将可以创造约55%的GDP，这意味着劳动力迁移率增加1个百分点，将创造约2个百分点的GDP，劳动力流动的经济效应十分可观。Clemens[12]研究发现，0.8%～1.6%的净劳动力迁移率也能够带来0.6%～1.2%的GDP收益，通过改革移民政策消除劳动力流动障碍，创造的经济价值高达万亿美元。对美国移民法案改革的评估结果表明，移民在2014—2024年能够增加3.5%的劳动力规模、0.2%的资本存量、3.3%的实际GDP和0.7%的TFP。都阳等[3]对旨在消除劳动力自由流动障碍的户籍制度改革收益进行了估算，得出户籍制度改革到2020年能创造1万亿元以上的GDP收益。

(二)劳动力迁移提升经济效率的作用机制

已有研究表明，劳动力迁移可能通过以下作用机制促进经济效率提升。第一，集聚效应。拥有不同技能和文化背景的异质性迁移劳动力在城市集聚，引发思想碰撞，加强了地区经济活动密度和创新能力，提升了城市知识创新效率和技术变革效率，从而提高了TFP[13]。有研究表明，对于美国1880—1940年移民发明家主导的科技领域，其专利申请和引用更多，这意味着移民加强了流入城市的创新活动，提升了城市经济效率[14]。第二，创新外部性。迁移劳动力带来的知识和创新不仅能直接提高地区的劳动生产率，而且知识和创新具有正外部性，其产生的溢出效应能够使当地劳动力市场和地区经济发展受益。一项针对中国城镇化和劳动力迁移外部性的研究[15]表明，假设一定数量的新移民使得流入城市在总就业中所占的份额从中国所有城市分布的前1/4上升到后1/4(或者1/10)，则能够提高10.0%(或者33.0%)城市生产率，其中劳动力迁移的外部性产生了2/3的贡献；如果迁移人口在当地就业中取代本地人口保持总就业密度不变，仅通过外部性效应能够使本地人口的生产率增长6.8%。第三，专业化分工。移民通过改变地区的人力资本分布加强了地区生产的专业化程度，和当地劳动力形成互补，并在一定程度上加强了劳动力市场的竞争性，从而改善经济效率，提高经济的TFP[5]。有诸多文献提供经验证据，移民的流入不仅扩大了劳动力市场规模，还加强了城市劳动力市场的异质性，人力资本、工作经验和文化的差异有助于推动分工与协作，不同技能劳动力之间的互补有助于提升城市经济效率[4,6,16]。以上的三种效应并不是单独存在，而是相互补充、相互促进的，客观存在的技能互补性导致了迁移劳动力与人力资本地区集中之间内生性的累积循环，这个循环的动态结果是劳动力持续向人力资本集中地区流动，从而不断促进城市经济效率提升。

综上所述，已有研究表明劳动力迁移对流入地的TFP和经济发展有积极影响，然而样本研究主要集中在国际移民方面，其研究对象主要以美国和欧洲这样的移民国家为主，且国内对于劳动力迁移作用机制的分析多为定性分析，定量分析比较少。尽管在现实中，呈现新人力资本特征的中国迁移劳动力已经成为城市劳动力市场的重要组成部分，不仅通过改善配置效率对TFP产生了积极效应，并且有可能通过集聚效应、知识和创新的外部性以及专业化分工等提升生产效率的机制影响了TFP，但现有研究却较少关注。

三、理论框架

本文将沿用Fujita等[17]分析劳动力流动和集聚对经济增长影响时使用的理论框架，讨论劳动力迁移对城市生产效率的影响及作用机制。该模型为包含劳动力流动的三部门一般均衡模型，基本假定条件有5个：(1)两地区、三部门经济体(农业、工业和创新部门)。(2)农产品部门T利用普通劳动力生产无差异产品，规模报酬不变且完全竞争。(3)工业部门F同时利用高技能和普通劳动力生产差异化工业品，单个厂商固定投入为1单位高技能劳动力，规模报酬递增且具有垄断竞争特征。(4)创新部门R利用技能劳动力生产知识和技术产品，完全竞争。(5)初始时期A、B地区分别有1/2的普通劳动力，普通劳动力不能流动，高技能劳动力自由流动；区域间差异化产品贸易存在冰山成本c，但区域内贸易无成本。该模型为嵌套不变替代弹性(constant elasticity of substitution，CES)效用函数[18]，采用简化版的理论框架，分析主要分为两个部分：第一部分主要论证拥有创新部门的地区技能劳动力份额、技能劳动力的互补性以及知识和技术的溢出效应能够促进生产率的提高；第二部分考虑劳动力自由流动，验证劳动力集聚会发生在拥有创新部门和市场份额比较大的现代生产部门的地区。

假设创新部门R主要利用技能劳动力拥有的知识和技术生产差异化产品，并且假设r地区(r=A或B)初始的知识和技术禀赋为Kr，A、B两地区的技能劳动力的份额之和为1，λ为A地区技能劳动力份额(λ≥0)。根据内生增长理论，地区创新部门生产率随着总知识和技术资本的增加而提高,并受益于其他地区知识和技术的溢出效应。因此，A地区拥有的总知识和技术包括A地区已有的知识和技术和B地区溢出的知识和技术(以下分析以A地区为例，对B地区同样成立)。假设A地区新增知识和技术为nA=KAλ，则A地区总知识和技术为

(1)

其中，h(j)代表技能劳动力j的个体知识和技术，β的倒数表征技能劳动力在知识和技术创新上的互补性，η(η<1)为两地区间知识和技术溢出效应密度的衡量参数。

为了便于分析，假设劳动力j的个体知识和技术跟整个经济已有知识和技术存量呈1∶1线性关系，即h(j)=M，则A地区知识和技术的表达式可简化为

(2)

则整个经济的新增知识和技术为

(3)

式(3)两边同除以M，得到整个经济新增知识和技术的增长速度为

(4)

其中，gλ代表经济中知识和技术增长速度。很容易证明，gλ关于1/2是对称的，对于η<1，对gλ一阶求导有

g′(λ)≥0，λ∈(0,1)

(5)

式(5)表明，A地区知识和技术的增长率取决于该地区技能劳动力的份额、技能劳动力的互补性以及知识和技术的溢出效应。而A地区的TFP主要来源于知识与技术的创新、专业化分工以及溢出效应，即地区技能劳动力的集聚程度、技能劳动力的专业分工以及知识和技术的溢出效应能够促进生产率的提高。

经过相关推导，接下来分析第二部分：考虑加入劳动力流动后的平衡增长路径，即考察劳动力集聚的形成机制。

对于任何选定的λ∈(0,1)，假设Vr(0;λ)代表r地区技能劳动力的终生效用，vr(0;λ)代表r地区技能劳动力在t时刻的瞬时效用，则A和B地区的劳动力的效用之差为

(6)

由原有理论框架推理可得，技能工人的瞬时效用满足

vr(t;λ)=a(λ)[γ+kr(λ)]Pr-μ

其中，γ为折旧率，a(λ)为高技能劳动力的初始禀赋。Pr为地区r的价格指数，则

(7)

当λ=1/2时，即Φ(λ)=1时，Δv(0；λ)=0，此时，技能劳动力流向A、B地区的效用相同，因此会在两地平均分布，即劳动力集聚发生同一地区的整个创新部门和A、B地区的现代生产部门。当λ≤1/2，即Φ(λ)≤1时，Δv(0；λ)≤0，同理，当λ≥1/2，即Φ(λ)≥1时，Δv(0；λ)≥0。该式表明，技能劳动力的效用在技能劳动力份额较大的地区会比技能劳动力份额较小地区要高，技能劳动力份额较多的地区会更加有吸引力，因此劳动力集聚发生同一地区在整个创新部门和拥有市场份额比较大的现代生产部门。式(7)表明，在两种情况下，无论知识和技术来源于哪个地区，创新部门都会在拥有高技能劳动力比例较高的地区发生集聚。当知识和技术可以自由流动时，技术劳动力会在地理空间上形成集聚，创新部门和现代生产部门也会随之集聚。

结合两部分的推论，劳动力集聚发生在拥有创新部门和市场份额比较大的现代生产部门的地区，该地区的创新部门和现代生产部门充分利用迁移劳动力集聚、知识和技术的溢出效应以及专业化分工提高整个经济的生产效率，劳动力流动会通过改变地区的人力资本积累程度从而提升地区生产效率。因此，根据以上理论分析，本文提出以下假说：

假说1：劳动力迁移对城市TFP有显著的正向影响。

假说2：劳动力迁移通过集聚效应、创新外部性和专业化分工机制提升城市TFP。

四、计量模型构建和数据来源

(一)计量模型设定

根据理论分析，本文构建计量模型分析劳动力迁移是否对全要素生产率产生影响以及验证其作用机制。全要素生产率概念的产生来源于增长核算问题，即产出扣除平均劳动和资本的剩余，被称作索洛剩余[19]。由于本文所要计算的是TFP绝对值而非增长率，并且受限于数据的可获得性，拟采用增长核算法开展研究。

由于城市层面连续年份的人力资本投入数据难以获取，因此本文拟采用由物质资本投入和劳动力投入两要素构成的柯布-道格拉斯函数来计算TFP，则生产函数为

(8)

其中，Yit、Kit和Lit分别为i城市第t年的产出、物质资本投入、劳动力投入。α和β分别代表物质资本和劳动力投入的产出弹性，Ait代表TFP。对式(8)两边求导，将产出中物质资本和劳动力投入的贡献扣除后，可以得到具体的TFP指数。

lnAit=lnYit-αlnKit-βlnLit

(9)

接下来采用合适的代理变量来衡量劳动力迁移，从而深入分析劳动力迁移对TFP的影响。已有研究认为中国TFP主要来源于企业技术进步所导致的微观生产效率提高和制度变革带来的要素配置效率提升[20]。但除却制度变革和技术进步的贡献外，也有研究表明地区外商投资、政府规模、基础设施和地区人力资本水平等其他因素对TFP有显著的影响[21]。因此，除了劳动力迁移这一核心解释变量外，本文还添加一系列能够捕捉不同城市相关特征的控制变量，从而能够更加准确地估计劳动力迁移对TFP的影响。具体计量模型设置如下：

lnAit=lnA+ωMigit+εEduit+ρFDIit+θGovit+σInfit+Xitβ+μit

(10)

其中，Mig是劳动力迁移的代理变量，利用i城市中t时期迁移就业者占本市总就业的比例来表示，ω为劳动力迁移对TFP影响的系数；Edu代表地区的人力资本水平(非连续年份)，FDI代表外商直接投资，Gov代表政府的规模，Inf代表城市的基础设施水平，Xit为表征城市特征的系列影响因素向量，β为控制变量参数的向量组合，μit代表残差项。本文拟利用式(10)中的计量回归模型探究劳动力迁移对TFP的影响。

(二)数据来源和指标解释

人口与劳动力数据来源于1990、2000和2010年全国人口普查数据以及2005和2015年全国1%人口抽样调查微观数据，按城市编码与年份生成全国城市层面的宏观劳动力指标。根据城市编码和年份匹配相应年份《中国城市统计年鉴》中的城市宏观经济指标，本文建立了一套中国城市流动人口和经济社会数据库。本文旨在观察劳动力迁移对城市TFP的影响，因此需要对城市迁移劳动力进行准确的定义和度量。由于人口与经济活动主要聚集在城市中心区域，且县级市及城市所辖县的指标难以获取，因此本文采用地级城市“市辖区”口径，以《中国城市统计年鉴》数据为准。迁移劳动力定义为在本市居住或工作半年以上，且户籍不在本市的劳动力。

1.计算TFP所需的产出和资本存量

本文产出和资本存量的数据来源于1990—2016年《中国城市统计年鉴》。产出数据利用市辖区的“地区生产总值”来衡量。鉴于城市层面的“地区生产总值平减指数”数据缺乏，因此，利用省级层面的“地区生产总值平减指数”得到以1990年不变价计算的各城市实际生产总值。

“资本存量”的估算是计算TFP的关键。本文利用历年城市的“固定资产投资”数据，采用永续盘存法来估算“资本存量”[3]。假设i城市t时期的资本存量为Kit，i城市t时期的投资为Iit，t时期的固定资产折旧率为δt，永续盘存法的基本计算公式为Kit=Iit+(1-δt)Kit-1，主要估算步骤如下：第一，将1990年定为基期，并根据已有研究设定基期资本产出比(K/Y)为2.0，计算基期的资本存量Ki0[3,21]。第二，确定投资水平Iit。利用城市层面“全社会固定资产投资总额”衡量投资水平，并且利用省级层面“固定资产价格指数”折算实际投资水平，以消除价格因素影响。第三，综合已有研究，采用张军等[22]估算的9.6%的折旧率。确定以上4个主要指标及参数，利用永续盘存法估算历年各个城市的资本存量。

2．城市户籍劳动力投入和人口普查劳动力投入

本文劳动力投入来自两类数据库：一是利用《中国城市统计年鉴》的就业人数(见表1中就业1)，其中劳动力指的是15～59周岁就业人员，其投入等于“城镇单位总产业从业人员”和“城镇私营和个体从业人员”数之和；另一种是利用人口普查和1%人口抽样调查(5)其中，1%人口抽样调查的统计口径按抽样比例将数据调整为普查人口的口径。的就业人数(见表1中就业2)，统计口径为市辖区内15～64周岁就业人口。就业人口的衡量通常包括15～59周岁和15～64周岁两个年龄段界定标准，本文在利用人口普查数据时，采用15～64周岁的标准，采用依据为：随着老年人预期寿命提高和健康状况改善，以及即将推行的延长退休改革，60～64周岁人口有条件继续活跃在劳动力市场中，采用该标准更能准确衡量实际劳动力投入，从而更能准确估算TFP。其中，就业人口定义为在最近一个星期内从事1小时以上工作的劳动力(不包括市辖区内人户分离人口)。除却统计方法造成的差异，这也是两类数据在统计上呈现较大差异的主要原因。本文将根据两种不同统计口径的劳动力投入计算TFP，观察并比较劳动力迁移对城市TFP的影响。

3．控制变量

中国城市之间差异较大，因此本文选取经济发展水平、城市规模、人口密度、产业结构、人力资本积累、政府规模、实际利用外商投资水平、基础设施、是否为资源型城市等变量作为影响TFP的其他变量，以控制城市的异质性特征。其中，经济发展水平用人均GDP代表，用城市年末总人口衡量城市规模，根据第二产业产值占比代表产业结构。需要特别说明的是，人力资本积累是根据人口普查和抽样调查微观数据加总计算得到的城市平均受教育年限，是迁移就业劳动力和城市本地就业者的平均受教育年限。人口普查中受教育程度度量采用分类指标，按照通常采用的方法进行赋值：未上过学或识字极少=0，小学=6，初中=9，高中或中专=12，大学专科=15，大学本科=16，研究生及以上=20。另外，利用政府财政支出占GDP的比值代表政府规模，实际利用外商投资占GDP的比值衡量经济中实际利用外商投资的水平，人均城市道路面积衡量基础设施水平。

(三)描述性统计

主要变量的统计性描述结果见表1。1990—2010年城市市辖区就业人口的迁移劳动力比例呈现波动中上升的趋势，1990年迁移劳动力比例约为7.7%，2000和2005年迁移劳动力比例分别为25.7%和22.5%，2010年为39.6%。由于数据限制，2015年的劳动力迁移比例为全市的迁移人口比例，因此下降至22.1%。尽管迁移劳动力比例在不同年份间有波动，但总体表明了迁移劳动力已逐渐成为城市劳动力市场的重要组成部分，在城市劳动供给偏紧的情况下成为城市新增劳动力的重要来源，这对城市的经济增长至关重要。

表1 主要变量及其描述性统计结果

两种劳动投入口径下计算出来的TFP对数绝对值呈现出较大差异。TFP1为利用城市年鉴劳动力数据计算的全要素生产率，TFP2为利用人口普查劳动力数据计算的全要素生产率。首先，在城市年鉴统计口径下，TFP1从1990年的2.702上涨到2000年的2.728，之后一直呈下降趋势，2015年下降到2.457，总体呈现下降趋势，波动较小；在人口普查数据统计口径下，TFP2从1990年的8.968上涨到2000年的9.683，之后下降到2005年的9.446，到2010和2015年，则一直处于上升趋势，2015年的TFP2为10.609，总体呈现波动中上升趋势。其次，在城市统计口径下的TFP绝对值明显低于普查统计口径，可见准确衡量劳动力投入对于TFP的计算至关重要。

另外，为了对比劳动力迁移劳动力和本地劳动力的差别，表1统计了迁移劳动力和本地劳动力的平均劳动年龄和平均受教育水平。城市劳动力市场呈现两个特征：从年龄结构上看，迁移劳动力的年龄更小，迁移劳动力的流入缓解了城市劳动力的老龄化趋势；从受教育结构上看，迁移劳动力受教育水平从低于城市本地劳动力到逐渐高于城市本地劳动力，呈现出新趋势。在劳动力流动早期，迁移劳动力主要以农村迁移劳动力为主，其人力资本水平低于城市劳动力，之所以后来迁移劳动力水平高于城市本地人口，可能存在两方面的原因：一方面，随着时间的推移，迁移劳动力往往是流出地人口中人力资本水平相对较高的群体；另一方面，本文观察区域为市辖区，在该范围内的劳动力市场上，相比较本地劳动力，迁移劳动力面临的生活成本更高(例如租房成本)、就业约束更大，能够留下来的劳动力一般更具竞争力，因此其表现的人力资本水平相对较高[23]。

五、回归结果与分析

(一)内生性讨论

劳动力迁移对城市经济效率产生影响，与此同时，经济效率高的城市经济会更加有活力，反过来吸引劳动力流入。因此，本文面临劳动力迁移和经济效率互为因果所导致的内生性问题。如果采用最小二乘回归法(OLS)，其估计结果存在内生性偏误。根据已有研究[3-4,24]，本文采用工具变量法缓解劳动力迁移的内生性问题：一是选取1984—1988年沿海开放城市和经济特区(后文简称“开放城市”)的设置作为政策虚拟工具变量，二是选取城市最近区域交通枢纽城市(6)其中，交通枢纽城市包括北京和天津(东北和华北地区)、上海(长三角地区和珠三角地区)、成都(西南地区)和西安(西北地区)。的铁路距离作为工具变量。一方面，由于沿海开放城市和经济特区变量为历史前置数据，而铁路距离为地理变量，满足外生性要求；另一方面，沿海开放城市和经济特区是中国劳动力要素自由流动较高的地区，距离区域经济中心的远近也能影响劳动力迁移，两者均与劳动力迁移高度相关，因此从理论上这两个变量也满足相关性要求。工具变量法第一阶段回归结果显示：开放城市的系数为0.091，且通过了1%的显著性水平检验，表明沿海开放城市的设置与劳动力迁移高度相关；而离最近交通枢纽城市铁路距离的系数为-0.019，也通过了1%的显著性水平检验，表明目标城市离最近交通枢纽城市越远，城市中迁移劳动力比例越低，城市到最近交通枢纽的铁路距离对劳动力迁移产生了显著负面影响。以上结果表明，选取的两个工具变量均通过了相关性要求，且模型的拟合优度为0.554，F值为71.39，远大于用于判定弱工具变量的临界值10，表明不存在弱工具变量问题。过度识别检验显示，Sargan和Basman检验的统计值分别为0.079和0.078，其对应的P值为0.778和0.780，拒绝了存在过度识别的原假设，工具变量的外生性得到验证。以上结果表明工具变量是有效的。

(二)基准回归结果

如表2所示，在两种不同劳动投入下，劳动力迁移对TFP产生了显著的积极影响。第(1)(3)列的OLS回归结果显示，劳动力迁移回归系数均通过了1%显著性水平检验，即劳动力迁移比例每提高1%，TFP会分别提高0.972%和1.605%(对数，以下皆同)，表明城市中迁移就业人口比例的提高实际上会提升城市的经济效率。第(2)(4)列的2SLS回归结果显示，劳动力迁移回归系数通过了1%显著性水平检验，表明1%的迁移就业人口增长会引致1.221%和3.434%的TFP增长。

表2 人口普查和城市年鉴数据统计口径下劳动力迁移对TFP的影响

首先，OLS和2SLS回归结果均表明，劳动力迁移对城市TFP的提升起到了促进作用，假说1得到验证。其次，在普查数据的统计口径下，劳动力迁移对TFP的影响程度更深，作用更加明显。出现该结果的可能原因为：相比利用普查年份数据计算的真实劳动力投入数据，城市统计年鉴中的劳动力投入数据存在低估的可能性，因此计算TFP的时候，高估了劳动对经济的贡献，从而低估了劳动力迁移对TFP的作用。可以发现，使用工具变量后，劳动力迁移对TFP的作用更加明显。根据描述性统计结果可知，迁移劳动力相比城市劳动力，其劳动年龄更小，人力资本水平跟城市人口相当甚至更高，这从侧面验证了劳动力迁移能够通过优化城市劳动力市场结构，改善人力资本分布，提升城市经济活力，从而对城市TFP产生积极影响。劳动力迁移会影响城市已有技术路径选择，提高生产专业化程度，从而提升生产效率[4]。

(三)劳动力迁移对TFP的异质性影响分析

改革开放以来，中国城市经济快速发展，但由于地区之间不同的资源禀赋和经济发展战略，地区经济发展不平衡，劳动力迁移对不同类型和不同发展阶段的城市经济效率的提升作用可能也存在差异。因此，本文将城市按照是否是资源型城市、东中西部地区、不同时期以及不同城市规模分类，探究在不同条件下劳动力迁移对TFP的影响是否存在变化。表3～7中的汇报结果均为采用工具变量后的回归结果(2SLS)，为节省篇幅，回归中控制变量与前文相同，结果均已省略。

1.不同资源型城市中劳动力迁移对TFP的影响

资源型城市和非资源型城市(7)其中，根据《全国资源型城市可持续发展规划(2013—2020年)》的城市分类，本文将已有城市样本分为资源型城市和非资源型城市，根据研究需要选取的是地级市、地区等地级行政区的资源性城市。在发展路径和资源配置效率方面存在巨大差异。劳动力迁移对资源型城市和非资源型城市TFP的影响差异见表3。在两种不同的劳动投入下，第(1)(3)列的回归结果显示，劳动力迁移对TFP的回归系数是负向不显著的，表明劳动力迁移并没有对资源型城市的经济效率产生积极影响。而第(2)(4)列的回归结果显示，劳动力迁移的回归系数分别通过了5%和1%的显著性水平检验，即劳动力迁移比例每提高1%，非资源型城市的TFP分别提高1.407%和4.156%，表明劳动力迁移对非资源型城市TFP有显著的积极影响。

而劳动力迁移对资源型城市的影响不显著甚至为负，可能跟资源型城市的发展方式和路径有关。根据已有研究，资源型城市往往出现“资源诅咒”现象，即自然资源禀赋跟经济增长存在负相关关系[25]。而表3结果也表明，1990—2015年资源型城市的TFP均低于非资源型城市。已有研究的共识是：自然资源一旦对其他要素产生“挤出效应”，会对经济增长产生不利影响。出现以上现象的原因可能有以下两种。第一，对于资源型城市，资源部门的扩张会导致其他制造业和服务业萎缩，无法延长产业链，并在长期的发展中形成路径依赖，导致资源配置效率的低下。此时，新进入的迁移劳动力从事的往往是与资源行业有关的低附加值产业，加上资源型城市无法创造更多的就业岗位，迁移劳动力和本地劳动力并没有形成分工协作，反而形成了较为激烈的竞争，因此，迁移劳动力比例的提高并不能对经济效率产生提升作用。第二，资源型城市丰富的资源禀赋条件长期内会造成地区的人力资本积累不足，导致经济发展动力不足。根据本文样本数据，对比非资源型城市，资源型城市的平均受教育水平要低0.06年，本地就业人口平均受教育水平要低0.04岁，人均科技投入要低72.97元，迁移就业劳动力比例要低5.6%，迁移劳动力平均受教育水平也要低0.19岁。以上结果表明，相比于非资源型城市，资源型城市不仅自身人力资本水平和科技投入不足，而且其吸引的迁移劳动力规模和质量均低于非资源型城市，这从另一方面解释了为何劳动力迁移未对资源型城市经济效率产生显著的积极影响。

表3 资源型城市和非资源型城市中劳动力迁移对TFP的影响(2SLS)

2.东、中、西部地区劳动力迁移对城市TFP的影响

由于中国地域辽阔，各地区的经济发展水平参差不齐。在城镇化背景下，劳动力迁移对不同经济地区的影响可能存在差异。将城市按照省份东中西部地区的划分原则分为东部、中部和西部城市(8)东部地区省份包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部地区省份包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南，西部地区省份包括四川、重庆、云南、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古，西藏自治区因统计数据不全予以剔除，本文研究不包括中国香港、澳门和台湾。，并考察劳动力迁移对东部、中部和西部城市TFP的影响。表4第(1)(4)列的回归结果显示，东部城市的劳动力迁移系数并不显著；第(2)(5)列的结果显示，中部城市的劳动力迁移系数分别为-3.753和-3.311，均通过了10%的显著性水平检验；第(3)(6)列的结果显示，西部城市的劳动力迁移系数分别为1.964和4.370，均通过了1%的显著性水平检验。以上结果表明：第一，劳动力迁移对西部城市的经济效率有正面影响，而对中部城市有负向影响；第二，相比于东部城市，西部城市的劳动力迁移对TFP的作用更为明显。

表4 东、中、西部地区劳动力迁移对TFP的影响(2SLS)

出现以上结果的原因可能是：对于东部经济发达的城市来说，其经济部门之间的配置原本就比较有效率，高效率的产业发展提供了较高的工资水平和工作机会，吸纳了中西部地区的高素质人劳动力集聚，劳动力集聚对TFP产生了正向影响，这也与王德祥等[21]的研究结论一致，而影响不显著的原因可能主要在于迁移劳动力中高技术人才的比例较小。而对于经济发展水平滞后的西部地区城市，随着东部地区的产业转移，劳动密集型产业还是吸纳迁移劳动力就业的主要途径，迁移劳动力的技能水平与东部发达地区存在一定差距，劳动力迁移的作用主要体现在优化部门之间的资源配置，因此尽管劳动力迁移对东部城市和西部城市的经济效率提升有正面影响，但对东部城市的影响则不如西部城市显著。对于中部城市来说，由于跟东部发达地区临近，东部地区凭借高工资和更好的就业机会对中部地区高素质劳动力的虹吸效应显著，中部地区微观劳动生产率提升方面的优势不如东部地区，劳动力配置效率的改进空间也不如西部地区，因此在统计上劳动力迁移改进经济效率的效果受到抑制。

在经济发展的不同阶段，城市中迁移人口的结构和质量存在显著区别，其对城市经济效率的影响也可能存在阶段性差异。因此，本文将样本分为2000、2005、2010和2015年四个节点，据此考察不同节点上劳动力迁移对TFP的影响。表5第(5)(6)列回归结果显示，劳动力迁移系数均通过了10%的显著水平性检，这表明劳动力迁移对2000和2005年的TFP分别有5.834%和7.752%的提升作用。随着时间的推移，在第二种劳动力统计口径下，迁移对经济效率的提升程度先增后降，且第一种口径的系数均低于第二种口径，表明劳动力投入口径的不同会直接关系到对劳动力迁移对TFP的长期影响变化趋势的判断。

表5 2000—2015年不同时期劳动力迁移对城市TFP的影响(2SLS)

从普查口径的结果来看，劳动力迁移对TFP的影响随时间呈现先增后降趋势，主要原因在于：2000—2005年，受到20世纪末国有企业体制改革的影响，劳动力自由流动程度和竞争程度提高，促进了经济效率的提升。2001年中国加入世界贸易组织(WTO)之后，外资的进入和国际市场的扩大使得国内产业发展迅速，劳动力迁移对于TFP的积极影响更为明显；2010—2015年，一方面经济发展发展速度变缓，另一方面国家加大了对农村的建设和投入，鼓励和扶持农民工返乡创业和农民就地就近创业，农村劳动力转移的空间和余地逐渐缩小，使得劳动力迁移对TFP的影响程度变小且不显著。

4.不同规模城市劳动力迁移对TFP的影响

不同人口规模城市劳动力迁移对TFP的影响存在异质性，因此本文进一步按照常住人口规模将城市划分为不同规模。根据2014年《国务院关于调整城市规模划分标准的通知》中的划分标准，本文将常住人口为50万人以下的城市定义为小规模城市，50～100万人的为中等规模城市，100～500万人的为大规模城市，而500万人以上的定义为特大规模城市(包括特大城市和超大城市)。由于特大规模城市数量较少，因此在具体回归中将大规模城市和特大规模城市合并为一类。根据表6的回归结果可知，劳动力迁移对小规模和中等规模人口城市的TFP的作用虽然是正向的，但并不显著，对大规模及特大规模城市TFP的影响是正向显著的。

表6 不同规模城市中劳动力迁移对TFP的影响(2SLS)

出现上述结果的可能原因在于：对于中小规模城市来说，产业和经济发展并未形成大的规模效应，产业分工程度不够，迁移劳动力的人力资本水平相对不高，因此劳动力迁移无法通过集聚效应和专业分工明显地促进地区经济效率的提高；而对于大规模和特大规模城市来说，产业发展形成了一定的规模和分工，产业集聚和市场化分工使得迁移劳动力能够充分发挥集聚效应和创新能力，从而促进TFP的提高，这也与当前省会城市存在人口集聚现象和拥有较高生产效率的现实相契合[26]。

六、作用机制检验

劳动力迁移提升城市经济效率的途径可以概括为三个：集聚效应、创新外部性以及专业化分工。对于城市经济发展来说，集聚效应、创新外部性以及专业化分工对经济效率的提升作用已被大量文献所证实，但是劳动力迁移是否通过这三个途径对城市TFP产生影响，还尚未达成共识[27]。因此，本文将对劳动力迁移影响TFP的机制进行分析和讨论。构建计量模型进一步观察劳动力迁移是否对城市集聚、创新外部性以及专业化分工有影响，设定如下回归模型：

Git=φ0+φ1Migit+φ2Nit+μit

(11)

其中，Migit作为城市中劳动力迁移的代理变量，i代表地区，t代表时间；Git代表被解释变量；Nit代表城市控制变量。

被解释变量的选取包括三个方面：(1)城市集聚效应的代理变量。城市经济的发展与城市集聚程度都与集聚的绝对规模高度相关[28]，本文将选取城市建成区面积对数Are和社会商品零售总额的对数Mar作为城市集聚程度的代理变量。(2)创新外部性的代理变量。由于知识和创新的外部性是由人力资本所带来的，考虑到相关数据的可获得性，本文选取与人力资本相关的变量来代表创新外部性，首先选择人力资本水平Edu、城市平均劳动年龄Age这两个代表变量衡量城市的人力资本，为了保证结果的稳健性，本文还选取了科技投入Sci的对数和城市中从事科学技术、技术服务等高技术行业的从业人员数量Teh来表征城市的创新程度。(3)专业化分工的代理变量。在衡量劳动力迁移对专业化分工的影响时，最合适的办法是对比迁移劳动力与本地劳动力所从事的职业，从而衡量两者的专业化分工程度。然而受限于数据的可获得性，无法从此角度开展分析，因此，本文利用城市各产业的就业数据计算出各城市的区位基尼系数Gin(9)区位基尼系数的计算公式为Gin=empij/2∑jempij-∑jempij/∑i∑jempij。其中，empij代表i城市j产业(j=1,2,3)的就业量。来衡量地区的相对专业化程度[29]。

在表7第(1)(2)列中，劳动力迁移的回归系数分别为5.461和8.986，均通过了1%的显著性水平检验，表明劳动力迁移对城市规模(包括建设规模和市场规模)具有显著的正向影响。城市就业人口中迁移劳动力比例越高，城市的集聚程度越高，劳动力迁移通过提高城市的规模产生集聚效应，人口的集聚效应能够促进城市生产率的提升[13,17]。

在表7第(3)(4)列中，劳动力迁移对城市平均人力资本水平和平均劳动年龄的回归系数为2.985和-1.804，分别通过了5%和10%的显著性水平检验，表明劳动力迁移不仅提升了城市市辖区的平均受教育年限，而且降低了城市的平均劳动年龄，与前文描述性统计结果相一致。这意味着劳动力迁移对城市人力资本分布产生了积极影响，更高受教育年限和更年轻的劳动力加快了城市新知识和创新的产出，创新的外部性提高了城市的TFP。在表7第(5)(6)列中，劳动力迁移的回归系数为5.419和9.365，均通过了1%的显著性水平检验，表明劳动力迁移对人均科技资本投入和高技术行业就业人数存在显著的积极影响，进一步稳健地表明了劳动力迁移通过增加城市人力资本积累，提升城市创新能力，通过创新外部性进而对TFP产生积极影响。

在表7第(7)列中，劳动力迁移系数为0.057，通过了1%的显著性水平检验，表明劳动力迁移对地区的专业化水平有积极影响。根据国家卫生健康委员会发布的《中国流动人口发展报告》和《全国农民工监测调查报告》，2014—2016年异地农民工(保持统计口径一致)数量占总的流动人口的比例在66.4%～68.9%之间，这意味着农民工是流动人口的主要组成部分，而对农民工就业行业的数据统计表明，从事金融、科技研发以及信息等高技术行业的农民工比例仅为8.8%～11.0%，其余将近90%从事的都是建筑业、批发零售业等低技术行业。从另一方面可以发现，迁移劳动力在城市劳动力市场上与本地劳动力形成了互补，加强了地区的专业化分工程度。专业化分工提高了城市的经济效率，表明劳动力迁移通过专业化分工对城市经济效率产生了积极影响，这与曹芳芳等[1,4]的研究推论一致，因此研究假说2得到验证。

表7 劳动力迁移提高TFP的作用机制(2SLS)

七、结论与启示

本文利用1990、2000、2010年全国人口普查数据和2005、2015年全国1%人口抽样调查数据匹配相关年份城市层面经济社会指标，以地级城市“市辖区”为观察范围，采用工具变量法探究劳动力迁移对城市经济效率的影响及可能的作用机制。研究发现：从年龄结构上看，外来劳动力的年龄更加年轻，迁移劳动力的流入在相当程度上缓解了城市劳动力的老龄化趋势；从受教育结构上看，迁移劳动力受教育水平从低于到逐渐赶上并超过城市本地劳动力平均受教育水平，表明迁移劳动力已经成为城市劳动力市场的重要组成部分。实证模型中采取工具变量来缓解内生性问题，得到了具有一致性的估计结果，主要研究结论对于理解当前中国劳动力流动和城市经济发展具有启示意义。

劳动力迁移对城市总体TFP具有显著的积极影响，提升了城市经济效率。研究表明，利用普查数据修正传统基于户籍人口统计的劳动力投入数据偏差后，迁移就业劳动力比例每提高1%，TFP从1.221%提高到3.434%，表明传统基于户籍统计的劳动力投入估算偏差低估了劳动力迁移对城市TFP的积极影响。异质性分析表明：对于非资源型城市而言，劳动力迁移对TFP有显著的正面影响，但在资源型城市中的影响并不显著甚至为负；劳动力迁移对西部地区城市TFP有显著的积极影响，对东部地区正向影响不显著，对中部地区有负向影响；在2000—2005年，劳动力迁移对TFP的影响是正向显著的；劳动力迁移对大规模城市的影响亦是正向显著的。本文通过理论和实证模型验证了劳动力迁移通过提高城市的集聚水平、创新外部性以及专业化分工对城市TFP产生了积极影响。由此看来，劳动力迁移不仅扩大了城市的劳动力市场规模，更是城市生产效率的创造主体。异质性的迁移劳动力加强了城市的集聚程度，多元化的文化和思想发生碰撞，提高了城市的创新能力，加深了城市的分工协作，使得城市经济发展能够从知识和创新的外部性和专业化分工中受益，劳动力迁移为城市经济发展提供了新动力。

以上研究结论的政策含义为：当前及未来一段时期，中国城市经济结构面临转型，加上人口老龄化和社会低生育水平的冲击和影响，未来城市劳动力供给偏紧，吸引迁移劳动力及迁移人力资本将是城市未来经济效率提升的关键。因此，对于城市管理者来说：首先，应从新的视角来深刻理解迁移人口对城市经济效率发展的价值，进一步推进户籍制度改革，从长远出发制定有利于迁移人口的政策和管理措施，破除限制劳动力流动的障碍，推动城乡一体化发展。其次，对于资源类型城市来说，城市管理者需要克服经济发展过度依赖资源行业的传统路径，在巩固资源行业发展优势的基础上，延长产业链和加强非资源行业的发展，从而吸引高质量的迁移人口进而全面提升经济发展的效率；对于中西部地区城市来说，要创造相应条件承接东部制造业转移从而吸引迁移人口回流，进而通过集聚和分工等效应促进经济效率提升。最后，从不同人口规模的城市来看，中小城市要加大吸引迁移人口的力度发展产业，大规模城市要充分挖掘和发挥迁移劳动力通过集聚、创新、专业分工机制对经济效率的积极影响。从长期来看，为实现城镇化和城乡一体化发展目标，城市管理者应持续推进基本公共服务均等化，尤其是社会保障体系的城乡接续以及教育资源的公平分配，加强本地人力资本的积累，引导流动人口在城市稳定就业和居住，挖掘人口集聚带来的创新效应和本地市场效应，充分发挥迁移人力资本和本地人力资本的创新和分工效益，从而推动城市经济效率的提升，促进城市经济的长远发展。