我国超大城市高学历外来人口外迁决策研究.pdf

2023 年第 4 期(总第 259 期)人 口 与 经 济POPULATION&ECONOMICSNo.4,2023(Tot.No.259)我国超大城市高学历外来人口外迁决策研究胡 磊,刘亦爽,时 笑(首都经济贸易大学 管理工程学院,北京 100070)收稿日期:2022-06-16;修订日期:2022-10-18基金项目:首都经济贸易大学北京市属高校基本科研业务费专项资金资助(XRZ2022030)。作者简介:胡磊,管理学博士,首都经济贸易大学管理工程学院副教授;刘亦爽,首都经济贸易大学管理工程学院硕士研究生;时笑,管理学博士,首都经济贸易大学管理工程学院讲师。摘 要:近年来,世界主要超大城市都出现了大量高学历人口离开的现象,我国的“北上广深”也不例外。人才是城市发展的第一资源,研究我国超大城市高学历外来人口的外迁决策对于人力资本的空间均衡分布具有积极意义。在此背景下,对高学历外来人口在面对超大城市的高收入、高住房成本和较少子女教育机会与潜在目的地城市的较低收入、较低住房成本和较多子女教育机会两种资源组合时如何作出迁留选择进行研究。基于北京市的调查数据,在个体微观层面,围绕子女教育和住房进行成本收益分析,构建预期净收益差距变量,并以等待的期权价值为理论视角,结合限制性立方样条和Logistic 回归模型对预期净收益差距对外迁的影响进行实证分析。研究发现,预期净收益差距对外迁有非线性的阈值效应。具体地,当预期净收益差距小于某个正的阈值时,高学历外来人口离开超大城市的可能性很小,他们将留在超大城市。这个阈值大于预期迁移成本和等待的期权价值之和。只有预期净收益差距超过这个阈值后,高学历外来人口才有较大可能性离开超大城市,并且随着预期净收益差距继续增大,个体外迁的概率呈加速增大的趋势。我国城市若要在“抢人大战”中占据优势,超大城市应采取措施来提高人才从子女教育获得的收益和降低他们的居住成本,其他规模相对较小的城市不仅要优先考虑提高基础教育公共服务的质量,还要在住房领域推出比超大城市更有力的优惠措施。关键词:高学历外来人口;外迁;预期净收益差距;等待的期权价值;北京 中图分类号:C922 文献标识码:A 文章编号:1000-4149(2023)04-0088-18DOI:10.3969/j.issn.1000-4149.2023.00.012 88胡 磊,等:我国超大城市高学历外来人口外迁决策研究 一、问题的提出人才是城市发展的第一资源。近年来,西方发达国家和发展中经济体都出现了大量青年高学历人口离开超大城市的现象。人民日报 援引国内知名公司的报告称,2019 年“北上广深”高学历人口向一些省会城市和新兴大城市的净流出率为 0.58%,较 2018 年同期增加0.05%。由于没有超大城市的户口,高学历外来人口享受不到某些凭户口才能获得的资源和权利,导致他们生活在高度不稳定之中1,从而有很大可能性离开超大城市。结合第七次全国人口普查数据和 2018 年中国流动人口动态监测调查数据估算,2018 和 2019 年“北上广深”高学历外来人口流出的规模都达到几十万。高学历外来人口为什么从超大城市迁移到其他城市?这既与迁出地又与迁入地的诸多因素有关。在该迁移决策情景下,超大城市是迁出地,其他城市是迁入地。依据推拉理论,迁出地和迁入地都同时存在拉力和推力。如果将高工资和良好的公共服务看作迁出地的拉力2,那么高房价便是人才从超大城市外迁的一个推力因素3-4,而因户口限制导致子女无法获得与本地学龄儿童相同的教育机会是另外一个推力因素。有学者指出,城市公共教育扩张和子女接受公共教育的机会是高技能人才迁入城市的关键决定因素5,由此推断,基础教育质量是迁入地的一个拉力因素。尽管厘清了收入、住房和子女教育这些关键决定因素,但仍然不清楚的是,超大城市高学历外来人口在面对两种资源组合时将如何作出迁留选择。一种组合是超大城市的高收入、高住房成本和较少子女教育机会,另一种是潜在目的地城市的较低收入、较低住房成本和较多子女教育机会。若选择前者,个体会留在超大城市;若选择后者,个体会离开超大城市。本文认为,高学历外来人口会在对迁入地和迁出地的资源进行综合成本收益分析的基础上作出理性决策。那么,只要净收益大于迁移成本,个体就离开超大城市吗?若不是,又需要满足什么条件?本文将在效用最大化框架下,同时考虑迁入地和迁出地的货币化的经济收益和非货币化的城市公共服务水平,在个体层面上对高学历外来人口的外迁决策进行实证分析。参考刘旭阳和原新的研究6,本文的“高学历”是指本科及以上学历。本研究的贡献主要有两个方面。第一,相关研究发现,迁入地与迁出地的工资或收入差距是迁移的驱动因素,分析情景包括乡城劳动力迁移7-8、欠发达国家人口向发达国家迁移9-10、城市或地区间的人口迁移11-12。但在高学历外来人口离开超大城市的情景下,工资或收入差距并不是主导因素,因为超大城市的人均收入水平通常要高于规模较小的城市,即迁入地与迁出地的收入差距一般是负值。鉴于此,本文构建迁入地与迁出地的“预期净收益差距(expected net returns differentials)”变量来探寻个体外迁的动力因素。第二,现有基于地区加总数据的模型13-14难以在个体层面上刻画个人的效用,针对这个不足,本文将经济和公共服务因素同时纳入个体效用函数,围绕子女教育和住房进行成本收益分析,以揭示超大城市高学历外来人口的外迁决策机制。研究我国超大城市高学历外来人口的外迁决策对于98人民日报海外版.人才市场供需两端竞争都在加剧 EB/OL.(2020-01-15)2022-01-24.http:/ 该数据由国家卫生健康委员会流动人口数据平台(http:/)提供。人口与经济 2023 年第 4 期人力资本的空间均衡分布具有积极意义,在当前我国城市之间“争夺”人才愈发激烈的背景下,本研究为评估城市引才聚才政策的成效提供理论参考。二、理论分析框架1.文献评述已有文献大多聚焦乡城劳动力迁移。托达罗(Todaro)指出,农村劳动力向城市迁移不仅取决于城乡之间的预期实际收入差距,还受劳动力在城市现代部门找到工作的概率的影响15。信用约束理论认为,农村一部分劳动力因为太贫穷而支付不起迁移费用,又因农村信用市场的不完善他们很难借到资金,因此,即使迁入地与迁出地的收入差距等于迁移成本,这部分农村劳动力也不会立即迁移7。又有观点认为,本地借款困难也可能增大农村劳动力向城市迁移的概率,因为农村家庭将家庭成员向城市迁移当作一种对农业投入进行融资的手段8。显然,信用约束理论不适合解释超大城市高学历外来人口的外迁行为,因为他们一般不存在支付不起迁移费用的问题。费恩(Faini)和文图里尼(Venturini)认为,对高收入群体来说,留在当前居住地是一种正常物品(normal good),他们的迁移倾向会随着收入的增长而降低。因为他们尽量避免因迁移到陌生环境所造成的心理成本和避免损失原有社会关系,只有地区间的工资差距高到足以抵消迁移成本时,迁移才可能发生9-10。伯达(Burda)等对 20 世纪 90 年代初德国“东西”人口迁移意愿研究的结论支持这个观点11。不过,如前所述,我国规模较小城市与超大城市的收入差距通常是负值,高学历外来人口不大可能受收入差距的驱动而离开超大城市。还有一些学者利用实物期权理论来刻画人口迁移的决策过程。伯达认为迁移决策具备投资决策的三个特征:一是投资成本不可逆转和不可恢复;二是投资面临的条件不确定;三是投资机会可以在当前也可以在未来实现,投资前的等待具有正向的价值16-17。伯达进一步论述,迁移决策具有等待的期权价值(the option value of waiting)。他将个体对未来是否迁移的选择权看作期权,若个体选择迁移,等同于执行这个期权,个体也可以选择不迁移,即不执行期权。由于迁移后的收入增长、生活水平提高和社会福利增加等未来的回报不确定,期权具有价值。若要执行期权,预期收益不仅要超过迁移成本,还要超过期权本身的价值16。奥康奈尔(OConnell)则指出,迁移决策的条件不确定包括迁入地当前的条件未知和迁出地与迁入地未来的条件都未知两种情形,两者对迁移决策都存在影响18。巴齐尔(Basile)和利姆(Lim)发现,美国地区间的人口迁移符合等待的期权价值理论,当地区间的工资差距稍微大于迁移成本时,人们并不是马上迁移,而是留在本地等待,只有等到工资差距超过迁移成本一段距离后,人们才会迁移12。当前我国各个城市加速推进产业调整和升级,社会发展日新月异,超大城市高学历外来人口在作外迁决策时面临较大的不确定性,迁移行为很可能具有可拖延性(procrastination)。2.理论假说迁移是个人实现效用最大化的一种手段19,个人基于迁入地和迁出地的成本收益分析作出理性决策。假定迁移决策取决于货币化的经济收益和非货币化的城市公共服务水平,城09胡 磊,等:我国超大城市高学历外来人口外迁决策研究市公共服务重点考察子女教育。考虑超大城市高学历外来人口在作外迁决策时的效用最大化模型,个体在选择迁到何处时面临着众多目的地城市,假定个体 i 选择迁移至城市 j 的间接效用(Vij)表示为:maxEij,Xij,AjVij=V(Eij,Xij,Aj)s.t.Iij=Eij+Hij+Xij+Aj+Sij(1)其中,Iij表示个体 i 在城市 j 的收入,包括工资、理财及出租房屋收入等。由于本文重点关注子女教育和住房因素,因此假定支出分为子女教育支出 Eij、住房支出 Hij、其他消费品支出 Xij和其他基本公共服务支出 Aj(价格都标准化为 1)。假定所有个体享受的基本公共服务都相同。Sij代表储蓄。那么,个体 i 在城市 j 的净收益表示为:NRij=Vij-Cij=V(Eij,Xij,Aj)-(Eij+Hij+Xij+Aj)(2)其中,Cij表示个体 i 在城市 j 生活所花费的总成本,假定其等于上述四项支出之和。个体 i 的外迁决策要计算从潜在目的地城市 j 和迁出城市 o 获得的净收益的差值,本文称之为“预期净收益差距”,表示如下:ENRioj=(Vij-Cij)-(Vio-Cio)(3)其中,Vio表示个体 i 在迁出城市 o 的总收益,Cio表示相应的总成本。若 j=o,说明个体选择留在超大城市,预期净收益差距等于 0。用 Mioj表示个体 i 迁移至城市 j 的预期迁移成本。根据迪克西特(Dixit)的观点,在确定性条件下,当预期净收益差距大于预期迁移成本时,个体立即外迁17。在此条件下,设 i“进入”超大城市的时刻是 0,TM1是 i 外迁的时刻,那么,个体外迁的临界条件表示为:NPVM1=TM10ENRioj()e-d-TM10Mioj()e-d=0(4)其中,NPVM1是个体 i 从迁出城市 o 迁移至潜在目的地城市 j 时的净现值。ENRioj()是预期净收益差距的函数。Mioj()是迁移的成本函数,若 j=o,迁移成本等于0。e-是贴现率等于 的贴现因子,是积分变量。迁移成本包括机会成本、交通花费等货币成本和环境改变造成的心理成本三个部分20。机会成本可以理解成假定个体未迁移时在迁出地预期获得的整个收入流,对应的收益则是个体迁移至目的地后预期获得的整个收入流。实际上,方程(4)中的预期净收益差距已经将迁移的机会成本计算在内,故此处只考虑货币成本和心理成本。假定这两部分成本在相应时期内是固定值 Mfixed。并且,设 =0 是个体“进入”超大城市的时刻,假定个体对效用函数中相关参数的期望在 =0 至 =TM1的时期内与 =0 时相同,且所有个体有相同的效用函数结构和相同的时间贴现率 ,解方程(4)得到:(1-e-TM1)ENRioj()=Mfixed(5)19 严格来讲,经济学视角下的“成本”与“机会成本”是同义语,本文根据语境需要选择相应的表述形式。人口与经济 2023 年第 4 期 不过,如前所述,潜在目的地和迁出地未来的发展条件快速变化导致预期净收益差距具有不确定性,方程(5)表示的外迁条件就不再成立。由此,本文利用等待的期权价值理论分析不确定条件下高学历外来人口的外迁决策。具体而言,在 TM1时刻,高学历外来人口并不外迁,而是留在超大城市。从这个时刻开始,个人和超大城市之间达成一个事实上的期权合约,个人是买方,超大城市是卖方,“标的资产”对应的是预期净收益差距。个人要获得对未来是否迁移的选择权(期权),需要向超大城市支付“期权费”。这个期权费是个人自 TM1时刻起在超大城市工作所创造的价值,个人在未来不论是否外迁,超大城市都会收获这个期权费。只有当预期净收益差距继续增大到超过某个阈值时,个体才会在这个时刻外迁,即执行期权。用 TM2表示个体 i 执行期权(外迁)的时刻(显然,TM2 TM1,令 TW=TM2-TM1),外迁的临界条件表示为:TM20ENRioj()e-d-Mfixed-NPViW=0(6)其中,NPViW是个体 i 在 TW期间所对应的期权价值。与方程(4)类似,解方程(6)得到:(1-e-TM2)ENRioj()=Mfixed+NPViW(7)式(7)表明,只有在预期净收益差距大于预期迁移成本和相应的期权价值之和时,个体才会外迁,由此提出本文的研究假说。H:从经验上看,若高学历外来人口个体从潜在目的地城市与超大城市获得的预期净收益差距大于 0 但比较小时,其离开超大城市的可能性很小,只有预期净收益差距超过某个正的阈值时,个体才有较大可能性离开超大城市。三、数据来源和样本描述1.数据来源本文以北京市为例开展研究,调查对象是没有北京户口的高学历人口,并采用网络问卷和第二手资料两个渠道收集数据。问卷调查收集的是个体和其家庭的微观数据。第二手资料获取的数据包括城市的常住人口规模、城镇居民人均可支配收入、住宅单位租金、北京离(潜在)目的地城市的距离、城市离个体家乡的距离、省或直辖市的各级教育生均经费执行情况等。网络问卷的发放时间为2020 年10 月28 日至2020 年11 月28 日,收集被调查者在2020 年的居住地、人口统计学和社会经济等方面的信息。由于研究的是劳动力人口,调查对象除了满足 2020 年在北京工作和居住满 6 个月、无北京户口、有本科及以上学历这几个条件之外,其年龄在 60 岁以下。29 需要指出的是,并不是所有个体都满足方程(5)的条件,因为净现值可能小于零,净现值小于零的个体将留在超大城市。此期间段与迪克西特所指的投资项目的等待时间不完全相同。前者是从预期净收益差距等于预期迁移成本的时刻开始17,而后者对应的开始时刻可能更早,开始时刻对应的净收益可以小于投资成本,甚至是 0。本文以 60 岁为退休年龄标准,不考虑延迟退休的情况。胡 磊,等:我国超大城市高学历外来人口外迁决策研究在开展正式的问卷调查之前,通过 100 个样本的试调查完善问卷内容。正式调查预计获取 600 个样本。2018 年中国流动人口动态监测调查数据显示,在 2018 年北京市外来人口中,户口所在地对应的不同省份的人口规模占外来人口总数的比例各不相同,由此,本文采用二阶段概率比例整群抽样法获得样本。第一阶段,将省份作为初级抽样单位。首先将外来人口户口所在地对应的不同省份的人口比例按从小到大的顺序排列并计算出累计比例,那么,每个省份对应一个累计比例区间。接着在0100%范围内抽取10 个随机数,这10 个随机数落入的区间所对应的省份就是要调查的省份。结果是河北抽中 3 次,河南抽中 2 次,山西、四川、吉林、陕西和重庆各抽中 1 次。这样河北、河南、山西、四川、吉林、陕西和重庆组成初级抽样框。第二阶段,在初级抽样框中随机抽取个体。按照每个省抽取 60 个个体的计划,预计从河北、河南、山西、四川、吉林、陕西和重庆各随机抽取 180、120、60、60、60、60 和 60个调查对象。问卷调查通过购买问卷星()的样本服务来实施。问卷星是国内一家大型的在线问卷服务网站,其样本服务的用户已覆盖国内 90%以上的高校和科研院所。问卷收集的具体操作如下:首先,网站向其会员数据库中的潜在调查对象随机发放网络问卷。该数据库是网站在过去 10 多年通过随机邀请用户加入而建成的,会员规模超过 260 万。依据 2018 年中国流动人口动态监测调查数据中北京市 2018 年外来人口的年龄结构,问卷发放数量从多到少依次是 20 世纪 80 年代、70 年代、90 年代、60 年代、21 世纪初出生的人;然后,网站的智能系统排除不达标的答卷;最后,本文研究人员对每一份问卷进行核查,排除答案雷同、有明显错误(例如,月收入是 5 元)、收入缺失等问卷。实际收回问卷 607 份,有效问卷 570 份,有效问卷的比例为 93.90%。由于国际移民不在本研究范围之内,进一步剔除 2 份这样的问卷,同时还剔除在北京的居住时间小于 6 个月的 2 份问卷,最终用于数据分析的样本为566 个。2.样本描述在 566 个样本中,有 249 人(43.99%)已经外迁,有 317 人(56.01%)尚未外迁。外迁个体中共有 10 人迁入上海、广州或深圳,27 人迁入重庆,3 人迁入天津,共有 188 人迁入省会城市或地级市,21 人迁入县城。如表 1 所示,人口统计学特征方面,样本的平均年龄为30.83 岁,男性多于女性,大学本科与研究生(硕士和博士)人数的比值是 5.4 1,已婚人数约是未婚人数的两倍。已外迁与未外迁样本相比,男性的比例较高、平均年龄略大、研究生比例较低、已婚比例基本相同。经济特征方面,参考仇立平对上海市居民职业地位的分层21,受访者的职业分为国家部门人员和单位负责人、专业技术人员、中高级服务人员和技术工人四个类型。国家部门人员和单位负责人包括企业/公司厂长经理或负责人、工商税务干部、私人企业主等;专业技术人员包括外商代理人、律师、大学教师、国企职员、演员、音乐家、记者、科研人员等;中高级服务人员包括工程师、会计、中小学教师、私人企业职员、销售员等;技术工人包括家电39 原计划收集 1000 个样本,但因在线问卷服务网站中途拒绝继续收集数据,导致实际样本数少于计划数量。在线问卷服务网站通常比预计多回收一些问卷,故实际回收数量大于预计数量。人口与经济 2023 年第 4 期 表 1 样本基本情况人变量总计(566)未外迁(317)已外迁(249)年龄均值:岁30.8330.3331.48性别男372(65.72%)195(61.51%)177(71.08%)女194(34.28%)122(38.49%)72(28.92%)教育程度大学本科477(84.28%)249(78.55%)228(91.57%)硕士66(11.66%)49(15.46%)17(6.83%)博士23(4.06%)19(5.99%)4(1.60%)婚姻状况已婚385(68.02%)211(66.56%)174(69.88%)未婚181(31.98%)106(33.44%)75(30.12%)职业国家部门人员和单位负责人74(13.07%)46(14.51%)28(11.24%)专业技术人员155(27.39%)96(30.28%)59(23.69%)中高级服务人员330(58.30%)173(54.57%)157(63.05%)技术工人8(1.24%)3(0.64%)5(2.02%)个人月均收入均值:万元1.561.781.28 注:括号中数值为占比。维修工、厨师、出租车司机、技术工人等。依据该分类,样本中中高级服务人员的比例最高,专业技术人员次之,其次是国家部门人员和单位负责人,技术工人的比例最低。已外迁与未外迁样本相比,国家部门人员和单位负责人、专业技术人员的比例都更低,中高级服务人员、技术工人的比例都更高。个人收入方面,调查中直接询问受访者当前的月均收入,包括工资、奖金、股票和出租房屋收入等。样本的月均收入均值是 1.56 万元,已迁移样本的收入均值比未迁移样本低 0.50万元。四、模型构建1.变量(1)被解释变量。被解释变量是高学历外来人口的外迁状态。操作化定义是:若个体目前居住在京外城市,是“已外迁”状态,外迁状态=1;若个体目前居住在北京,是“未外迁”状态,外迁状态=0。(2)核心解释变量。核心解释变量是预期净收益差距,计算方法是个体在潜在目的地城市的净收益减去在北京的净收益。潜在目的地城市该如何确定?通常的做法是将研究范畴内的所有地区都作为潜在目的地。不过,作为有限理性的个体,个人实际上很难掌握所有目的地的信息,相反,个人只会获取部分目的地的信息,并在综合分析这些有限信息的基础上作出迁移目的地选择。参考里米亚(Coniglio)和普罗塔(Prota)询问被调查者所偏好的地区的做法22,本调查让未外迁的高学历外来人口自我报告偏好的潜在目的地城市。而已外迁个体的潜在目的地城市是调查时居住的城市。并且,本文用合意性(desirability)指标来衡量个体对潜在目的地城市的偏好。合意性通常指人们在某地区生活的愿望23-24。参考人口迁移的引力模型25,本文定义合意性的计算表达式如下:Desiioj=1+fDCjDCo()Indi()bpopjd2jh(8)其中,Desiioj是潜在目的地城市 j 对未外迁的个体 i 的合意性。popj是 j 的常住人口规模。研49胡 磊,等:我国超大城市高学历外来人口外迁决策研究究指出,中国高学历的知识型准移民更愿意迁入行政管理级别更高的城市26,而中国行政级别越高的城市通常人口规模也越大,因此,合意性与潜在目的地城市的常住人口规模成正比。b 是常数比例因子,可以看作一个标量,它将模型调整为 popj的计量单位27。参考夏怡然和陆铭的做法28,用 djh表示潜在目的地城市离高学历外来人口家乡的距离。这个参数反映个体希望更靠近家人和朋友居住的偏好29。在式(8)中引入二次项 d2jh,这表明潜在目的地城市离个体家乡的距离越小,合意性越大。同时,式(8)设置权重因子 fDCjDCo()Indi()。DCj、DCo分别表示与潜在目的地城市、迁出城市直接相邻的发达城市的数量。研究表明,城市之间的经济联系愈发紧密30,空间交互作用是影响地区间人口迁移的重要因素。因此,某个地区周边发达城市的数量越多,该地区对个体的吸引力越大。DCjDCo表示潜在目的地城市和迁出城市周边发达城市数量的比值,其值越大,合意性越大。fDCjDCo()是将DCjDCo的值映射到 0,1 上的函数。Indi()是示性函数,若潜在目的地城市周边有发达城市,其值为 1,否则为 0。选择反正切函数作为映射的主函数并设置调整系数,式(8)变换为:Desiioj=1+2arctanDCjDCo()Indi()bpopjd2jh(9)那么,个体 i 从北京迁移到潜在目的地城市 j 的概率(Pioj)表示为:Pioj=Desiiojqj=1Desiioj,j=1,2,q(10)其中,q 是个体自我报告的潜在目的地城市的数量,qj=1Pioj=1。针对未外迁的个体,依据迁移到 q 个城市的概率计算潜在目的地城市的预期收益和成本的期望值。为简化计算,本文不考虑子女教育和住房之外的其他消费或服务支出。并且假定每个货币单位带来的效用对每一个个体都相同,每支出一个货币单位的回报系数都是 1。那么个体在潜在目的地城市、迁出城市的净收益的计算方法是:收入与子女教育的收益之和减去住房与子女教育的成本。教育的收益分为货币收益和非货币收益,货币收益通常使用明瑟工资方程来估计31,非货币收益的衡量指标有职业地位和主观幸福感、健康水平、认知能力和非认知能力32,这些指标的测算数据一般来自问卷调查。由于学生没有工作收入,无法使用工资来测量子女教育的收益,参考达尔伯格(Dahlberg)等使用公共支出来衡量公共服务水平的做法33,本文利用城市各级教育生均教育经费投入指标来测算子女教育的收益。由于难以从第二手资料获取这个指标的现成数据,本文基于省的各级教育生均一般公共预算教育经费执行情况进行估算。有研究指出,从长期来看,地区公共教育支出与经济增长有双向因果关系34,由此可以认为,59 本文中的距离均采用火车距离来衡量,查询网址是:http:/ 2023 年第 4 期一定时期内城市教育经费投入与该城市的 GDP 成正比。那么,某个城市各级教育生均教育经费投入可以用下面的公式进行计算:(城市 GDP 城市所在省管辖的地级市及以上城市数量 城市所在省的 GDP)城市所在省的各级教育生均一般公共预算教育经费执行数。这个计算不包括直辖市,直辖市的教育经费投入直接用其各级教育生均一般公共预算教育经费执行情况测量。县城的各级教育生均教育经费投入采用县城所属的地级市的数据。由于高学历人口在潜在目的地城市的预期收入和已外迁个体在迁出城市的预期收入都无法直接从第二手资料获取,本文基于对应城市的城镇居民人均可支配收入进行估算。研究发现,上过大学与未上过大学的劳动力相比,一线和新一线城市中前者的工资(对数)是后者的 1.495 倍,二线和三线城市的相应倍数是 1.434,四线和五线城市的相应倍数是 1.30535。由此,本文依据这些倍数获得权重,利用权重计算得到高学历人口的预期收入。例如,某个个体想要迁入的城市是杭州,杭州是新一线城市,那么该个体在杭州的预期收入是杭州市2020 年城镇居民人均可支配收入乘以相应的权重。子女教育成本使用子女上学方面的支出来测算,住房成本使用房租支出和住房贷款支出来测算。计算预期净收益差距涉及的变量以及测算方法如表 2 所示。(3)控制变量。控制变量包括高学历外来人口的人口统计学和社会经济变量以及预期迁移成本。人口统计学变量包括个人特征和家庭特征。个人特征参考胡磊等的研究3,19,选择性别、年龄、教育程度和婚姻状况。采用已有文献的处理方法36,将年龄的二次项(计算方式是将年龄平方后除以 100)作为一个新变量加入模型,目的是捕捉年龄对外迁的生命历程效应37。家庭特征方面,参考已有文献19,将家中 16 岁以下孩子情况、家中 65 岁以上老人情况作为控制变量。另外,中国的乡城人口迁移研究发现,家庭经济状况对农村劳动力的迁移决策有负向影响38,因此,将家庭月均收入(不包括被调查者的个人收入)也作为控制变量。社会经济变量选择个体的职业,职业的类型划分如前所述。参考已有文献的做法14,使用迁出地到迁入地的距离作为预期迁移成本的代理变量,具体方法是:对于已外迁的个体,采集北京到现居住城市的火车距离;对于未外迁的个体,依据迁移到所有偏好城市的概率计算北京到潜在目的地城市的火车距离的期望值。2.计量模型根据前面的研究假说推测,外迁可能性与预期净收益差距之间很可能是非线性关系。为了检验这个关系,考虑到被解释变量“外迁状态”是二值变量,且限制性立方样条(Restricted Cubic Spline,RCS)在非线性影响因素分析中有良好的效果39,本文使用 RCS 拟合 Logistic 回归模型。模型的形式为:logitP(Yi=1)=0+RCS(Udiffi,k)+Zi i=1,2,n(11)其中,P(Yi=1)代表个体 i 外迁的可能性,logitP(Yi=1)是外迁的 logit 函数。0是常数69 需要指出的是,城镇居民人均可支配收入的统计对象包括大学及以上学历的人口,理论上讲,计算高学历人口的预期收入应该用未上过大学的城镇居民的人均可支配收入乘以权重,而用城镇居民人均可支配收入来计算会高估高学历人口的收入。但是,由于无法通过第二手资料获得城市中上过大学和未上过大学居民的比例数据,很难计算出未上过大学的城镇居民的人均可支配收入。考虑到城市中上过大学的人口比例相对较小,为避免估算这个比例引入新的数据偏差,因此直接利用城镇居民人均可支配收入进行估算。胡 磊,等:我国超大城市高学历外来人口外迁决策研究 表 2 计算预期净收益差距的变量和参数说明外迁状态变量及含义对应参数含义、测算方法个体 i 未外迁o:迁出城市北京,是个体现在的居住地j:潜在目的地城市自我报告的城市名称,一共有 q 个城市Pioj:外迁到 j 的概率DCj:与 j 直接相邻的发达城市的数量DCo:与北京直接相邻的发达城市的数量Indi():若 j 有直接相邻的发达城市,值为 1。否则,值为 0popj:j 的常住人口规模(2020)djh:j 到个体家乡城市的火车距离(公里)(2020)在 j 的预期个人月均收入第一部分:高学历人口在 j 的城镇居民人均可支配收入(元);第二部分:用自购房在租赁市场上的租金衡量(本文认为,住房具有财富效应,在某个城市有自购房的个体比无自购房的个体有额外的财富,可以用自购房在该城市出租能获得的收入衡量,下同)。收入=在 j 的自购房面积j 的住宅单位租金(元)在 j 的预期子女教育收益用估算的 j 的各级教育生均教育经费投入(下称“教育经费”)衡量;根据子女教育情况计算在 j 的预期教育经费(元)。例如,若个体现在分别有 1 个孩子在上幼儿园和小学,收益等于 j 的幼儿园和普通小学教育经费之和(下同)在 j 的预期住房成本用预期房租支出(本文假定现在租房居住的个体到了其他城市也会租房居住,故产生房租支出,下同)衡量;成本=现在的租房面积j 的住宅单位租金(元)在 j 的预期子女教育成本用预期子女教育支出衡量;成本=现在的子女教育支出(元)j 与现在居住城市的GDP比值在北京的个人月均收入第一部分:工资、奖金、股票和出租房屋收入等(元);第二部分:用自购房在租赁市场上的租金衡量。若北京自购房已出租,已包含在第一部分收入中,收入=0。否则,收入=自购房面积北京住宅单位租金(元)在北京的子女教育收益用北京的教育经费衡量;根据子女教育情况计算对应的北京教育经费(元)在北京的生活成本住房成本:用在北京的房租支出和住房贷款支出衡量(元)子女教育成本:用在北京的子女教育支出衡量(元)个体 i 已外迁o:迁出城市北京,是个体 2020 年曾经的居住地j:目的地城市现在的居住城市Pioj:外迁到 j 的概率Pioj=1(个体已外迁到当前城市说明其迁移前选择该城市为潜在目的地且已实际完成迁移,故概率值是 1)在 j 的个人月均收入第一部分:工资、奖金、股票和出租房屋收入等(元);第二部分:用自购房在租赁市场上的租金衡量。若自购房已出租,已包含在第一部分收入中,收入=0。否则,收入=自购房面积j 的住宅单位租金(元)在 j 的子女教育收益用估算的 j 的教育经费衡量;根据子女教育情况计算在 j 的教育经费(元)在 j 的住房成本用在 j 的房租支出和住房贷款支出衡量(元)在 j 的子女教育成本子女教育成本:用在 j 的子女教育支出衡量(元)在北京的预期个人月均收入第一部分:高学历人口在北京的城镇居民人均可支配收入(元);第二部分:用自购房在租赁市场上的租金衡量。收入=北京自购房面积北京住宅单位租金(元)在北京的预期子女教育收益用北京的各级生均教育一般公共预算教育经费执行情况衡量;若子女在北京上学曾遇到困难而无法解决,收益=0(由于子女未能在北京上学,故个体从子女教育上获得收益是 0,下同)。否则,根据子女教育情况来计算对应的预期北京教育经费(元)79人口与经济 2023 年第 4 期续表2外迁状态变量及含义对应参数含义、测算方法在北京的预期生活成本住房成本:用预期房租支出衡量;成本=现在的人均租房面积以前在北京的同住人数北京住宅单位租金(元)子女教育成本:用预期子女教育支出衡量;若子女在北京上学曾遇到困难而无法解决,成本=0。否则,成本=现在的子女教育支出(元)北京与现在居住城市的GDP比值 注:.来自调查问卷;.定义“2020 年中国百强城市排行榜”中的城市为“发达城市”,“2020 年中国百强城市排行榜”由华顿经济研究院发布,以 GDP 总量排名前 110 位的城市作为入围城市,再根据经济指标(占比 61.8%)和软经济指标(占比38.2%)的综合得分进行排序,华顿经济研究院前身为 1988 年成立的上海经济发展研究所,是国内著名经济智库;.来自对应城市的政府官方网站;.来自网站:http:/ 2 上面的文字内容,城镇居民人均可支配收入来自对应城市的国民经济和社会发展统计公报(2020);.来自中国房地产业协会“2020 年 2 月全国城市住宅租金排行榜”;.计算方法参见表 2 上面的文字内容,省的各级教育生均一般公共预算教育经费执行情况来自 教育部 国家统计局 财政部关于2020 年全国教育经费执行情况统计公告,GDP 数据来自对应城市(省)的国民经济和社会发展统计公报(2020),省管辖的地级市及以上城市的数量来自省人民政府官方网站。项。RCS(Udiffi,k)是核心解释变量“预期净收益差距”的 RCS 函数。Zi是控制变量向量,是对应的参数向量。n 是样本数。变量的描述如表 3 所示。表 3 模型中的变量及其描述变量含义及操作化定义核心解释变量Udiffi预期净收益差距;计算方法是潜在目的地城市的净收益(对数)减去迁出城市的净收益(对数)。潜在目的地城市的预期收益和预期成本依据迁移到所有偏好城市的概率计算期望值Udiffi2预期净收益差距的二次项Udiffi3预期净收益差距的三次项RCS(Udiffi,k)预期净收益差距的 RCS 函数,k 是节点数量控制变量Gendi性别;“男性”=1,“女性”=0Agei年龄(岁)Age2i/100年龄的二次项;计算方法是将年龄平方后除以 100Educi教育程度;“硕士”或“博士”=1,“大学本科”=0Marii婚姻状况;“已婚”=1,“未婚”=0Fchili家中 16 岁以下孩子情况;“家中有 16 岁以下孩子”=1,否则,值是 0Feldei家中 65 岁以上老人情况;“家中有 65 岁以上老人”=1,否则,值是 0Fincoi家庭月均收入(不包括被调查者的个人收入)(元)的对数Occui职业;“国家部门人员和单位负责人”=1,“专业技术人员”=2,“中高级服务人员”=3,“技术工人”=4(职业类型划分参见“样本描述”部分)Disti距离;北京到(潜在)目的地城市的火车距离(公里)的对数 五、实证分析结果1.模型估计结果为了进行对比,首先运用 Logistic 回归模型拟合数据,记该模型为模型 1。模型 1 的核心解释变量是预期净收益差距(Udiffi),控制变量如表 3 所示。模型 1 的参数估计结果参见表4,Udiffi的估计值是 0.0983,在 0.01 的水平上显著。这表明,在其他条件相同的情况下,预89胡 磊,等:我国超大城市高学历外来人口外迁决策研究 表 4 模型估计结果参数项模型 1模型 2模型 3模型 4模型 5Udiffi0.0983-0.0288-0.0397(0.0125)(0.0295)(0.0287)Udiffi20.0050 0.0051(0.0018)(0.0018)Udiffi30.0007 0.0008(0.0002)(0.0002)RCS(Udiffi,3)(线性部分)-0.0473-0.0369(0.0264)(0.0251)RCS(Udiffi,3)(非线性部分)0.2542 0.2345(0.0478)(0.0463)Gendi0.55260.6187 0.6256 0.6398 0.6603(0.2227)(0.2334)(0.2347)(0.2280)(0.2301)Agei-0.1840-0.2080-0.1630-0.2214-0.1784(0.1511)(0.1600)(0.1643)(0.1582)(0.1632)Age2i/1000.30390.31440.24720.32800.2596(0.2251)(0.2413)(0.2485)(0.2387)(0.2469)Educi-0.8039-0.9332-0.9438-0.9449-0.9736(0.3246)(0.3407)(0.3453)(0.3318)(0.3380)Marii-0.2297-0.3230-0.1767-0.3663-0.2262(0.3375)(0.3364)(0.3356)(0.3278)(0.3279)Fchili-0.2419-0.4