房价对人才职业选择的影响∗

李世刚 佘可欣 张莉

一、引言

1999 年住房市场改革以来，中国房价持续大幅上涨约二十年。房价的过快增长对社会经济和个体决策产生了重要影响。大量研究发现，房价会对劳动力的消费和储蓄(李雪松和黄彦彦，2015)、迁移和居住(张莉等，2017a；周颖刚等，2019)等产生影响，但较少有文献考察房价对个体在不同部门，尤其是公共部门和私人部门间职业选择的影响。这正是本文关注的主题。

微观个体的职业选择在宏观上表现为人力资本配置，而人力资本的有效配置会直接影响国家的经济发展和创新能力。中国人力资本配置的一大特点是大量高学历人才集中在公共部门就业。中国经济增长前沿课题组等(2014)发现，和发达国家相比，中国公共部门的人力资本强度是美国的3 倍之多，但是制造业等生产性部门的人力资本强度则不到美国、英国的1/16。大量研究显示，人力资本过度偏向公共部门配置会对经济增长(李世刚和尹恒，2017)和创新(赖德胜和纪雯雯，2015)产生负面影响。基于此，本文考察房价对个体，尤其是不同能力水平的个体，在公共部门和私人部门间职业选择的影响，以补充相关文献。

大部分个体购房的资金主要来源于职业收入，因此房价高低会影响个体的职业选择。具体而言，个体需要综合考虑职业收入的相对高低和未来收入的持续稳定性。一方面，个体希望选择高收入的职业以尽快积累购房资金。公共部门的工资由政府制定，且在不同城市间的差距较小。而私人部门的工资相对更高，因此希望买房的个体可能会更倾向于在私人部门就业。另一方面，个体如果通过贷款购得房产，房贷利息按期偿还的特点会使个体不得不考虑未来收入的稳定性，因此有房贷的个体可能会倾向于选择在收入稳定的公共部门就业。综上，房价对于个体在公共部门和私人部门间职业选择的影响方向并不确定。

利用中国劳动力动态调查数据(China Labor-force Dynamic Survey，CLDS)和城市层面的宏观数据，本文研究发现，随着城市房价提高，受教育程度高的个体进入私人部门就业的概率显著提高。这一结果在考虑内生性问题和多种稳健性检验后依然成立。本文还根据城市地理位置和规模将样本进行分组，回归结果表明房价对高学历个体职业选择的影响在东部和中部地区城市，以及特大和超大规模城市中更为显著。本文发现，房价通过职业间的相对收入和未来收入的稳定性两个渠道影响个体的职业选择。这些结论表明，高房价使教育水平高的个体倾向于进入私人部门就业，进而会对社会的人力资本配置产生影响。

相对于已有文献，本文的边际贡献主要有:第一，拓展了人力资本配置领域的研究。现有文献多集中于考察制度等宏观背景，以及收入等因素对人力资本配置的影响，而本文研究房价对人力资本在不同部门间职业选择的影响。第二，丰富了房价领域的文献。本文厘清了房价对个体职业选择的具体影响及其作用机制，为房价影响微观个体行为和经济发展的研究提供了新的视角和证据。

二、文献综述

房价是劳动力在城市生活和居住的主要成本，会对劳动力的流动和居住决策产生重要影响。Helpman (1998)基于新经济地理学标准模型指出住房价格会影响劳动者的相对效用，从而抑制劳动力的集聚。Diamond (2016)则指出高技能劳动力更偏好于公共环境较好的城市，相应地愿意承担更高的居住成本。高波等(2014)基于35 个大中城市样本研究发现，城市的高房价提高了居住成本，阻碍了农村劳动力进入城市。张莉等(2017a)研究发现房价存在拉力作用和阻力作用，因此房价对劳动力的流动产生先吸引后抑制的倒U 形影响。周颖刚等(2019)则发现，对于进入城市的劳动力家庭，高房价会增强其流动意愿。

对于劳动力进入城市后的就业选择，现有文献多关注房价对个体创业行为的影响。Hurst 和Lusardi (2004)基于英国数据，发现较快的房价上涨并没有与更明显的创业增长相对应。Bracke 等(2014)、Li 和Wu (2014)分别基于英国和中国的数据，发现房价上涨阻碍了创业活动。吴晓渝等(2014)指出房价上涨除了带来财富效应，还存在着信贷效应，以房产为抵押物可以增加贷款额度；但同时房产购买也是投资行为，会给创业投资带来替代效应；由于负的替代效应大于正的财富效应和信贷效应，所以房价上涨整体上阻碍了创业行为。然而，Corradin 和Popov (2015)、Adelino 等(2015)采用美国数据发现，在信贷约束下，房屋价值增加会大大提升创业的可能性。但上述文献均没有研究房价对个体在公共部门和私人部门间就业选择的影响。

现有文献中关于人力资本配置原因的讨论主要集中于制度和寻租。Baumol (1990)和Murphy 等(1991)指出社会游戏规则会影响各职业的相对回报结构，从而决定个人偏好进入哪个部门就业。Baumol (1990)还指出古代的中国不具备较为完善的产权保护制度，社会精英都渴望进入官僚系统等非生产领域，通过寻租以获得期望回报。与此类似，Glaeser 等(2004)和Ebeke 等(2015)认为差的制度使得最优秀和最聪明的人才偏离了生产性活动，转向了再分配领域，造成了人才配置扭曲。Wu 和Huang (2008)基于中国背景的研究发现，自1995 年后，法制建设和金融部门的改革严重滞后于政府管制权力的增强，较高的寻租收益吸引了许多高能力的企业家参与寻租活动。

从已有文献来看，一方面，尽管相当多的研究揭示了房价与劳动力流动和就业的关系，但鲜有文献关注房价对人力资本在城市中不同部门间尤其是公共部门和私人部门间配置的影响；另一方面，目前研究我国人力资本配置影响因素的文献仍然较少，鲜有考虑到房价这个重要的宏观变量对此可能产生的影响。因此，本文将城市房价与个体的职业选择纳入一个框架，通过将微观层面的个体数据和城市层面的数据匹配，考察房价和人力资本配置之间的关系，丰富了现有的研究。

三、计量模型、数据和变量

(一)计量模型

为了考察房价对不同能力水平的个体进入公共部门就业决策的异质性影响，本文使用受教育水平作为个体能力水平的代理变量，构建如下线性概率模型(LPM)①本文亦采用Probit 模型，结果保持不变。:

其中，i为个体，c为城市，t为年份。被解释变量publici，t是个体i在t年是否在公共部门就业的虚拟变量，是为1，否则为0。解释变量redui，t为个体i在t年的相对受教育水平，即个体i的受教育年限与其所在城市的所有个体平均受教育年限之比；housepricec，t是城市c在t年的房价；redui，t×housepricec，t是个体的相对受教育水平与城市房价的交互项，也是计量模型的核心解释变量。Xi，c，t为一系列个体和城市层面的控制变量。εi，c，t为随机误差项。本文也控制了城市固定效应(Cityc)和年份固定效应(Yeart)。如果本文核心解释变量的系数β3显著为负，则说明教育水平较高的个体在房价较高的城市中进入公共部门就业的概率更低，进入私人部门就业的概率更高。

(二)数据和变量

1.个体层面变量

个体层面的数据来自中山大学社会科学调查中心2012 年、2014 年和2016 年中国劳动力动态调查数据(CLDS)。该调查基于随机分层抽样方法，详细记载了个体职业选择方面的数据；样本涵盖了全国29 个省市②不包括港澳台地区、西藏和海南省。家庭中15—64 岁的全部劳动力，包括人口、教育水平、家庭构成等信息，使本文能够控制个体特征可能带来的影响。本文主要研究房价对个体就业选择的影响，因此剔除了非劳动年龄和无工作的人口样本。

被解释变量为个体是否在公共部门就业的虚拟变量。问卷中“上周工作的单位或工作类型”为“党、政、军机关”或“机关团体事业单位”的样本定义为公共部门就业。考虑到事业单位中的高校和科研机构主要进行教学和科研活动，和公共部门性质存在一定差异，因此剔除了职业为科学研究人员的样本。选择“国有及国有控股企业”、“集体企业”、“个体工商户”、“私营企业”或“其他”的样本定义为私人部门就业。由于问卷中只有教育水平选项而没有受教育年限的信息，根据邢春冰等(2013)，本文对各选项进行受教育年限赋值。①未上过学定义受教育年限为0。相应地，小学为6，初中为9，高中为12，大学专科为15，大学本科为16，研究生及以上为19。由于中国各城市的个体平均受教育水平差异较大，比如在一个落后偏远的小城市，本科已经算是很高的教育水平，但是在北京、上海等大城市，研究生也不少，因此直接使用个体的受教育年限可能会导致不同城市的个体受教育年限不可比。本文使用相对受教育年限②稳健性检验中亦报告了使用绝对教育水平衡量的结果，与基准回归无异。，即先计算个体所在城市的平均受教育年限，再用个体的受教育年限除以所在城市的平均受教育年限得到。

本文控制的个体层面变量有:年龄；性别，当个体为女性时取值为1，否则为0；婚姻状况，未婚取值为0，已婚、离异或丧偶取值为1；政治面貌，当个体为党员时取值为1，否则为0；外语能力，当个体掌握外语时取值为1，否则为0。表1 报告了个体层面变量的描述性统计。

表1 个体层面变量的描述性统计

2.城市层面变量

城市层面的数据来源于《中国城市统计年鉴》、《中国区域经济统计年鉴》和《中国国土资源统计年鉴》等。本文的核心解释变量之一为城市房价。房价数据用2000 年为基期的居民消费价格指数进行平减。本文采用2001—2011 年房价均值匹配2012 年CLDS 数据，用2001—2013 年房价均值匹配2014 年CLDS 数据，用2001—2015 年房价均值匹配2016 年CLDS 数据。选择房价均值作为自变量，主要基于如下几个考虑:第一，CLDS 数据里，个体开始这份工作(或职业)的时间大多不在数据调查当年，因此不能使用当年的房价对职业选择进行回归；第二，CLDS 数据没有记录个体开始这份工作(或职业)的具体时间，因此我们也没有办法使用个体开始这份工作(或职业)当年的房价对职业进行回归；第三，工作(或职业)选择对个体的生活影响极大，因此个体在职业选择时不太可能只根据当年的房价就做出决定，更可能的是参考过去一段时间的房价情况来做出职业选择。综合以上考虑，我们在计量分析时，使用一段时间的平均房价作为自变量，对职业选择进行回归。①我们也使用过去5 年房价的均值作为自变量进行回归，即用2007—2011 年的房价均值匹配2012 年的CLDS 数据，用2009—2013 年的房价均值匹配2014 年的CLDS 数据，用2011—2015 年的房价均值匹配2016 年的CLDS 数据；也根据个体年龄和教育时间反推个体首次进入劳动力市场的时间，并将个体的职业选择对其初次进入劳动力市场当年和上一年的平均房价进行回归，结果均保持稳健。因篇幅所限，本文省略了相关的回归表格，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。

本文也控制了城市层面的变量:城市的经济发展状况，包括人均GDP 的对数和GDP增长率；人口情况，包括城市人口密度和城市人口增长率；产业结构，由第三产业与第二产业的比值表示；基础教育水平，包括城市人口的平均受教育年限和中小学师生比；投资和外资使用情况，包括城市的固定资产投资和外商直接投资；城市财政收入占GDP的比重；城市的公共部门规模，包括城市财政供养人口比重；城市私营经济发展情况，以城镇私营和个体从业人员数占年末从业人数的比重来衡量。城市层面变量的描述性统计如表2 所示。

表2 城市层面变量的描述性统计

四、实证结果及分析

(一)基准回归结果

表3 报告了城市房价影响个体职业选择的估计结果。第(1)列未放入房价与相对教育水平的交互项。个体相对受教育水平的系数在1%的水平下显著为正，说明受教育水平越高的个体进入公共部门的概率越高。

表3 基准回归结果

(续表)

第(2)列加入房价与相对受教育水平的交互项，交互项的系数在1%的水平上显著为负，说明房价越高，教育水平高的个体在公共部门就业的概率越低；相对受教育水平每提高1 年，其进入公共部门就业的概率平均降低约5%。由于加入城市房价与相对受教育水平交互项的模型不仅可以考察房价对个体职业选择的平均影响，还可以考察不同教育水平个体的异质性影响，因此后文的讨论将主要围绕这一模型进行。个体和城市层面的控制变量都显著影响了个体的职业选择。女性和党员在公共部门就业的概率也相对较高。城市平均教育水平的系数显著为正，说明在整体教育水平更高的城市，个体进入公共部门就业的概率更高。

考虑到房价对个体职业选择的影响可能存在某个拐点，比如当房价超过一定临界值时，个体可能认为过高的购房成本难以负担，职业选择时不再将房价纳入考虑，因此在回归中加入房价的二次项。第(3)列结果显示，房价二次项的系数不显著，说明目前房价对样本中所有个体的影响不存在拐点，高房价仍然使受教育水平高的个体倾向于进入私人部门工作。第(4)列采用Probit 模型进行检验，交互项的系数仍在1%的水平上显著为负，表明改变估计方法不影响本文的回归结果。

(二)内生性讨论

本文的研究可能存在内生性问题。首先，个体的职业选择会受到诸多因素的影响，而城市可能具有某种特点，比如地域文化，使得城市中受过良好教育的个体更倾向于在私人部门就业，而这种特点本身可能就会使城市经济发展更加迅速，推高城市房价。其次，房价和个体的职业选择存在互为因果的问题。当城市中的个体倾向于进入企业部门工作时，企业部门的扩张以及居民的收入增长效应会提供房地产需求，进而促进本地区房价的上涨(余泳泽和张少辉，2017)。针对上述内生性问题，本文尝试寻找房价的工具变量对模型进行重新估计。

城市的房价会受到供给和需求两个方面的影响。中国的城市建设用地为国有，政府严格控制建设用地的出让，因此供给方对房价的影响非常重要(张莉等，2017b)。中国一直以来都对建设用地指标进行严格的管控，土地出让面积是一个政府政策变量，具有较强的外生性，与个人职业选择没有直接联系。此外，因为住宅用地必须以出让的方式进行供应，因此土地出让面积对房价有直接的影响，在相当一部分文献中用作房价的工具变量(陆铭等，2015；余泳泽和张少辉，2017)。为了避免地区面积及人口规模的差异导致不同城市土地面积不可比，本文采用人均土地出让面积作为工具变量，以2001—2011 年、2001—2013 年、2001—2015 年城市人均土地出让面积均值作为对应年份跨度的房价均值的工具变量。

考虑到个体的教育水平也存在内生性问题，本文采用受访者的父母的平均相对受教育年限作为个体相对受教育年限的工具变量，即用父母的平均受教育年限除以所在城市的平均受教育年限，并与相应的人均土地出让面积交乘进行回归。我们也控制更多父母层面的控制变量，但受限于数据中没有父母职业的详细信息，我们参照陆益龙(2008)和陈钊等(2009)，控制个体父亲和母亲的户口类型(非农户口取值为1，农业户口取值为0)，以及基于2014 年、2016 年问卷数据，控制个体的父亲和母亲是否健在(健在则取值为1，反之为0)、父亲和母亲是否为党员(党员则取值为1，反之为0)变量。

表4 报告了工具变量的回归结果。第一阶段回归中，房价和个体相对受教育水平的工具变量的回归系数均显著为正，且F统计量大于10，排除弱工具变量问题。第(4)列展示了第二阶段的回归结果，交互项的系数在1%的水平上显著为负，与表3 列(4)报告的基准回归结果差异较小。在第(5)列进一步控制父母的户口类型、父母是否健在以及父母是否为党员这些变量后①内生性讨论部分的具体结果请见《经济科学》官网“附录与扩展”。，结果依然稳健，说明本文的内生性问题并不严重，因此后面的讨论主要基于全样本的LPM 回归。②我们对后文所有的讨论均做了工具变量回归，结果并不改变。限于篇幅，不在正文中报告。

表4 工具变量回归结果

(续表)

(三)稳健性检验①稳健性检验的具体回归结果请见《经济科学》官网“附录与扩展”。

(1)替换关键变量。房价工资比为各年份城市房价与职工年平均工资②职工平均工资数据来自《中国城市统计年鉴》，采用2001—2011 年房价工资比均值匹配2012 年CLDS 数据，2001—2013 年房价工资比均值匹配2014 年CLDS 数据，2001—2015 年房价工资比均值匹配2016 年CLDS 数据。的比值，可以衡量给定城市中劳动力购买房产的平均难易程度(张莉等，2017a)，因此本文选取房价工资比作为房价的替代变量进行回归。考虑到城市间受教育水平的差异，本文在基础回归中采用相对受教育年限作为教育水平的代理变量。但是受教育年限仅能直观体现个人的教育水平，因此本文使用个体的受教育年限和房价的交互项进行回归。此外，在公共部门工作有一定的学历要求，而私人部门鲜有类似的明确要求或者要求更低。学历的限制可能导致一些本来想进入公共部门工作的人不得不进入私人部门工作。根据公务员报考条件，大专是基本的学历要求，大部分岗位要求本科及本科以上学历。因此，我们将教育水平的指标设置为是否大专以上和是否本科以上的学历重新进行回归。

(2)更改公共部门定义。在基础回归中，考虑到国有及国有控股企业的特殊性质，我们没有将其包含在公共部门的定义中。高校和科研机构主要从事教学和科研工作，与政府机关有一定差异，因此我们也将其从公共部门样本中剔除。国有企业是建立在公有产权基础之上的经济组织，通常也可划归为公共部门。本文放宽公共部门的定义，将“国有及国有控股企业”和科学技术人员依次归入公共部门进行回归。

(3)考虑就业时间。本文采用2001 年开始的房价探究房价对个体职业选择的影响，但是部分个体可能较早进入市场，在2001 年以前就选定职业后没有变更，没有明显受到2001—2015 年间房价的影响。为了使结果更为精确，本文对样本进行筛选，考虑到受教育水平高的个体一般在高中毕业后进入劳动力市场，因此选择在2012 年为32 岁、2014年为34 岁和2016 年36 岁及以下的个体样本进行回归。以上回归结果均与基准结果保持一致，说明本文的结论较为稳健。

(四)异质性分析

不同城市的经济发展和社会环境可能存在较大差异，因此在异质性分析部分，本文主要探究在不同地理位置和规模的城市中房价对不同教育水平的个体进入公共部门就业决策的异质性影响。

(1)城市区位。相比于西部地区，东中部地区往往房价更高，可能对个体职业选择带来更大的影响。因此，我们根据城市所处区域将样本划分为东部、中部和西部地区。由表5 可知，在东部地区和中部地区的城市，房价越高，受教育水平越高的个体进入公共部门就业的概率越低，而在西部地区不存在这一效应。这很可能是因为相对于西部地区，东部地区和中部地区经济发展迅速，产业结构较为优化，企业发展迅速，工资报酬较优，个体从业的选择面较宽。同时，这些地区的房价较高，带来购房成本也较高，使个体更倾向于进入私人部门。

表5 异质性分析:城市区位

(2)城市规模。根据2014 年国务院发布的《关于调整城市规模划分标准的通知》，我们将城市规模划分成为特大或超大、大、中和小，分样本回归结果如表6 所示。在特大超大城市中，房价对高学历的个体在公共部门就业概率的影响更为显著，说明相比于小中大规模的城市，在特大超大规模城市的个体在房价上升时更倾向于进入私人部门。这可能是因为特大超大城市往往有更加蓬勃发展的企业经济，个体在私人部门可以获得可持续的高报酬以承担较高的购房成本，因此会更倾向于进入私人部门。

表6 异质性分析:城市规模

五、机制分析

基准回归的结果表明，随着房价上升，教育水平高的个体在公共部门就业概率有所下降。如果将教育水平作为人力资本水平的代理变量，本文的结论表明城市房价上升影响了人力资本配置。我们将从职业间的相对收入和未来收入的稳定性两个角度探究房价影响个体职业选择的内在机制。

(一)职业间的相对收入

个体在公共部门和私人部门之间进行职业选择时首先考虑职业间的相对收入差异。高工资往往对个体有较大的吸引力。房价上涨会给居民带来更高的生活成本，从而推高本地的平均工资水平(陈斌开等，2018)。由于公共部门的工资较为稳定，因此平均工资的提高主要在私人部门的工资，从而提高私人部门的吸引力。

CLDS 数据中个体的收入数据质量比较差，因此本文采用2010 年、2012 年、2013 年和2015 年的中国综合社会调查(Chinese General Social Survey，CGSS)数据来检验公共部门和私人部门工资与城市房价的关系。CGSS 数据公布了个体的职业收入和工作时间，因此可以计算出每一个个体的每小时职业收入对数，并采用如下方程进行估计:

其中，i为个体，c为城市，t为年份。被解释变量ln (wagei，t)是个体i在t年每小时职业收入的对数。解释变量redui，t为个体i在t年的相对受教育水平，即个体i的受教育年限与其所在城市的所有个体平均受教育年限之比；housepricec，t是城市c在t年的房价；redui，t×housepricec，t是个体的相对受教育水平与城市房价的交互项，也是计量模型的核心解释变量。Xi，c，t为个体和城市层面的控制变量，与基准回归相同。εi，c，t为随机误差项。本文也控制了城市固定效应和年份固定效应。

我们对在公共部门工作的个体样本和在私人部门工作的个体样本分别进行式(2)回归，以比较个体相对教育水平与房价的交互项系数τ3在两个子样本回归中的差异。如果这一系数为正，且私人部门样本的系数显著大于公共部门样本的系数，则表明随着房价的提高，私人部门的职业收入比公共部门的增长更快。从表7 可以看出，私人部门样本的系数显著高于公共部门样本，验证了职业间相对收入这一机制。

表7 机制分析1:职业间的相对收入

在一些地区，拥有政治和经济资源的公共部门可能通过设置较多的审批环节来获得更多的管制权力和寻租机会，增大腐败空间(Shleifer 和Vishny，1993)。另外，官员拥有过度集中的最终决策权和政治资源，并且缺乏完善的纪律和司法监督，因此有足够的空间和动机进行“权钱交易”(周黎安和陶婧，2009)，使其总收入不局限于工资，从而降低了职业间的相对收入，削弱私人部门工资的吸引力。如果地区市场经济发展较好，市场较为规范，公开性和透明性较高，会在客观上减少官员寻租空间，有利于私人部门的发展。

对于腐败程度的度量，本文借鉴周黎安和陶婧(2009)，使用《中国检察年鉴》2001—2011 年各省份每万名公职人员腐败案件数的平均值作为腐败程度的代理变量，并以中位数划分腐败程度的高低，进行描述性统计和回归。地区的市场化水平采用樊纲等编制的地区市场化指数。本文采用2001—2011 年各省的市场化指数平均值，并以中位数划分市场化水平的高低。不同腐败程度和市场化水平下职业选择情况的描述性统计如表8 所示。

表8 不同腐败程度和市场化水平下职业选择情况的描述性统计

(二)未来收入的稳定性

除了收入的高低，未来收入的持续性和稳定性也是影响个体职业选择的重要因素。Black 等(2009)提出高教育水平的个体会更倾向于选择较稳定的工作以获得稳定的收入。通常公共部门的收入稳定性高于私人部门，因此理论上教育水平高的个体会更倾向于进入公共部门就业。但是房产是个人资产的重要组成部分，高房价会提高居民的名义财富规模进而影响居民风险偏好(Zanetti，2014)，从而影响未来收入的稳定性对个体的重要程度。而对于为了买房而贷款的个体，按期偿还房贷的要求会使得未来收入的稳定性是其考虑的重要因素。

相对于公共部门，私人部门的工作有如下特点:第一，平均而言，收入更高；第二，面临失业和收入波动的风险更高；第三，可选的工作种类更丰富，工作方式也更灵活。而与私人部门相比，在公共部门就业的稳定性更高，但平均收入会更低，而且工作种类比较单调，职业发展路径也比较窄。

一方面，如果居民没有房子，个体为了购房而储蓄，会倾向于选择高收入的工作以尽快积累资金。在不同腐败程度或市场化水平的地区，职业间的相对收入存在差异，因此这类群体在不同地区的职业选择可能存在异质性。另一方面，负债的到期偿还是约束居民行为的重要因素。Ogawa 和Wan (2007)发现家庭负债规模的上升显著抑制了居民的消费水平。颜色和朱国钟(2013)提出为了购房和偿还贷款将压缩消费的“房奴效应”。有房贷的个体在职业选择时会将收入的稳定性放在首位，收入水平只要求能够满足每期还款和基本生活水平，因此进入收入高但不稳定的私人部门的概率较低。

本文根据个体有无房子①对应CLDS 中的问题是，您的家庭居住房子情况:1.完全自有；2.和单位共有产权；3.租住。我们将“完全自有”和“和单位共有产权”定义为对房屋拥有完全产权，将“租住”定义为不具有房屋的完全产权。对样本进行划分，因为有房子但无房贷的个体拥有的财富与无房子或有房贷的个体往往存在较大的差异，职业选择的影响因素更为复杂多样，所以我们只关注没有房子的个体和有房贷的个体这两个子样本。表9 和表10 中，对于不同的群体，不同腐败程度和市场化水平的结果存在显著差异，但低腐败程度和高市场化水平的结果基本一致，高腐败程度和低市场化水平的地区结果也基本一致。结果表明，在腐败程度较低的地区，高房价会促使没有房子的高学历劳动力进入私人部门工作，而有房贷的个体的交互项系数不显著。在腐败程度较为严重的地区，房价对受教育水平高的个体影响均不显著。市场化的异质性分析结果基本一致，在高市场化水平的地区，有房贷的样本的交互项系数在10%水平上显著，这可能是因为相对于私人部门，公共部门的收入更低。因此，如果个体需要贷款买房，房价越高意味着个体需要用于偿还房贷的收入越高，而公共部门的收入可能太低，因此个体可能会更倾向于去私人部门就业。由于数据的限制，部分分组的样本量较少，但仍然在总体上说明房价通过影响职业间相对收入和未来收入的稳定性来影响个体的职业选择。

表9 机制分析2:无房子或有房贷的个体在不同腐败程度地区的职业选择

表10 机制分析3:无房子或有房贷的个体在不同市场化水平地区的职业选择

六、结论

本文利用2012 年、2014 年和2016 年中国劳动力动态调查数据和2001—2015 年城市房价数据，探究城市房价对人才在公共部门和私人部门间职业选择的影响。研究结果表明:随着房价的上涨，受教育水平高的个体进入公共部门就业的概率不断降低。在考虑了内生性问题和进行一系列稳健性检验后，本文的结果依然成立。进一步根据城市地理位置和规模大小对样本进行划分，本文发现房价对个体择业的影响在东部地区和中部地区，以及特大和超大规模城市中更为显著。机制分析发现房价通过影响职业间的相对收入水平和未来收入的稳定性来影响个体的职业选择。

厘清房价对个体职业选择的影响机制，对于进一步理解中国特殊国情下的人才配置大有裨益。但本文的研究还只是一个初步的探索，在数据选择方面尚有不足，在以下几个方面需要进一步深入:第一，目前只是基于CLDS 数据对房价和个体职业选择之间的关系进行初步研究，应进一步寻找更为全面的数据以研究二者之间的关系。第二，受限于CLDS 数据所得性，本文只探究了截至2015 年的房价产生的影响，房价对个体职业选择的影响效应和内在机制仍有待进一步挖掘。