李琦 嚴(yán)功翠

摘 要：基于中國(guó)2010年人口普查數(shù)據(jù)分析發(fā)現(xiàn)，一個(gè)城市距離三大港口越近則該城市的高技能人口數(shù)量越多。進(jìn)一步分析顯示，一個(gè)城市距離三大港口越近， 則該城市在2000到2010年間高技能人口的增長(zhǎng)率也越高。從經(jīng)濟(jì)因素、非經(jīng)濟(jì)因素和遷移成本三個(gè)方面進(jìn)而考察影響個(gè)體城市選擇的因素，分析結(jié)果表明：城市工資、房?jī)r(jià)和環(huán)境污染會(huì)影響個(gè)體的城市選擇行為。利用上海高校畢業(yè)生的就業(yè)城市選擇行為進(jìn)一步驗(yàn)證非制度性遷移成本的影響，使用條件Logit模型估計(jì)發(fā)現(xiàn)，畢業(yè)生傾向于到距離上海更近的城市或距離生源地省份更近的城市工作;異質(zhì)性分析結(jié)果顯示，博士生對(duì)城市的平均工資最不敏感，對(duì)就業(yè)城市到生源地省份的距離則最為敏感。

關(guān)鍵詞：人力資本;高技能人才;人才政策;房?jī)r(jià);公共服務(wù);遷移成本;距離;條件Logit模型

文章編號(hào)：2095-5960（2020）01-0009-12;中圖分類(lèi)號(hào)：F061.5;F241.2; F293.1;文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

隨著城市發(fā)展到一個(gè)更加成熟的階段，經(jīng)濟(jì)活動(dòng)會(huì)更加以知識(shí)技術(shù)為導(dǎo)向，對(duì)高技能人才的需求也隨之?dāng)U大[1]。城市對(duì)高技能人才的偏好，一方面是因?yàn)楦呒寄軇趧?dòng)力本身就具有更高的生產(chǎn)力，另一方面是因?yàn)楦呒寄苋瞬旁诔鞘屑?，?huì)通過(guò)面對(duì)面交流學(xué)習(xí)的方式，促進(jìn)知識(shí)、技術(shù)、信息的傳播和演化，產(chǎn)生“人力資本外部性”，導(dǎo)致整個(gè)城市生產(chǎn)率的進(jìn)步[2][3][4][5][6][7]。人才是城市發(fā)展的核心競(jìng)爭(zhēng)力。留住人才和吸引人才是城市發(fā)展的關(guān)鍵，因此地方政府會(huì)通過(guò)一系列的政策來(lái)留住已有人才和吸引新增人才的流入。

2017年至今，共有56個(gè)城市先后加入了“搶人大戰(zhàn)”，出臺(tái)了百余份人才吸引政策。最初，人才政策的出臺(tái)主要以二線城市為主，如武漢、西安、鄭州等，一線特大城市和三四線小城市并未加入。進(jìn)入2018年，北京、深圳、廣州、香港也針對(duì)高技能人才制定相關(guān)政策，三四線城市更是從落戶(hù)、購(gòu)房補(bǔ)貼、生活補(bǔ)貼、配套保障全面發(fā)力，勞動(dòng)力需求市場(chǎng)似乎呈現(xiàn)出一片欣欣向榮的景象。然而，截至目前，人才政策除了引起房?jī)r(jià)的短期波動(dòng)外，在其他方面尚未顯現(xiàn)明顯效果。

那么，為什么各個(gè)地方政府出臺(tái)的人才政策沒(méi)有顯著效果？什么樣的人才政策才會(huì)有效果？尤其是對(duì)于中西部的城市，或者二三線城市來(lái)說(shuō)，什么樣的政策才能很好地留住和吸引人才？對(duì)這些問(wèn)題的回答，需要進(jìn)一步思考更深層次的問(wèn)題：什么因素會(huì)影響人才的城市選擇？是工資（就業(yè)機(jī)會(huì)）、房?jī)r(jià)、公共服務(wù)（尤其是子女教育），還是越來(lái)越受關(guān)注的環(huán)境質(zhì)量？抑或是遷移成本？這些影響因素在城市間分布的截面差異如何？空間分布又有何動(dòng)態(tài)變化？這些因素會(huì)多大程度上影響和改變?nèi)肆Y本的空間分布？

本文結(jié)合利用多個(gè)數(shù)據(jù)來(lái)一一回答以上的問(wèn)題。首先，利用人口普查2000和2010年數(shù)據(jù)分析城市人力資本空間分布的截面差異和動(dòng)態(tài)變化?；貧w結(jié)果顯示，一個(gè)城市到三大港口的距離每增加1%，則該城市高技能人口數(shù)量會(huì)減少0.475%。高技能移民的空間分布也有類(lèi)似的規(guī)律。更進(jìn)一步發(fā)現(xiàn)，一個(gè)城市距離三大港口每增加1%，則在2000到2010年間城市高技能人口數(shù)量的增長(zhǎng)率會(huì)減少0.063個(gè)百分點(diǎn)。另外，分析結(jié)果也發(fā)現(xiàn)了城市人力資本水平分布尚未完全穩(wěn)定，因此地方政府還有改變?nèi)肆Y本分布的政策空間。為此，我們從經(jīng)濟(jì)因素、非經(jīng)濟(jì)因素和遷移成本三方面回顧和考察影響個(gè)體空間選擇的因素。在此，我們特別強(qiáng)調(diào)了遷移成本對(duì)個(gè)體空間選擇的影響。為了更好地識(shí)別非制度性遷移成本的影響，本文利用上海某高校畢業(yè)生的第一份工作的就業(yè)城市選擇來(lái)驗(yàn)證非制度性遷移成本的影響。使用條件Logit模型考察分析研究發(fā)現(xiàn)，就業(yè)地城市到老家的距離以及就業(yè)地城市到上海的距離都會(huì)顯著影響畢業(yè)生選擇該城市的概率。異質(zhì)性分析發(fā)現(xiàn)，畢業(yè)生的就業(yè)城市選擇沒(méi)有明顯的性別差異，但存在顯著的學(xué)歷差異。具體而言，博士生對(duì)城市的平均工資最不敏感，而對(duì)就業(yè)城市到生源地省份的距離最為敏感。此外，我們也發(fā)現(xiàn)城市平均工資和城市平均房?jī)r(jià)會(huì)影響畢業(yè)生選擇該城市的概率。本文的研究對(duì)城市規(guī)劃者有一定的政策含義。

二、數(shù)據(jù)和模型

（一）數(shù)據(jù)介紹

人口普查數(shù)據(jù)。本文使用2010年人口普查數(shù)據(jù)來(lái)分析人力資本分布的截面規(guī)律。根據(jù)2010年中國(guó)居民受教育程度，本文將普查數(shù)據(jù)里最高學(xué)歷為大學(xué)專(zhuān)科、大學(xué)本科和研究生定義為高技能勞動(dòng)力人口。這類(lèi)群體也是地方政府人才政策關(guān)注的重點(diǎn)。為了避免各個(gè)地方人口年齡結(jié)構(gòu)對(duì)結(jié)果分析可能產(chǎn)生的影響，本文只使用年齡在25歲到54歲之間的樣本。此外，我們根據(jù)戶(hù)口登記情況來(lái)定義移民身份。數(shù)據(jù)中，戶(hù)口登記情況有五種情況：1.本村（居）委會(huì);2.本鄉(xiāng)（鎮(zhèn)、街道）其他村（居）委會(huì);3.本縣（市、區(qū)）其他鄉(xiāng)（鎮(zhèn)、街道）;4.其他縣（市、區(qū)）;5.戶(hù)口待定。我們刪除戶(hù)口待定的樣本。前3種的樣本可認(rèn)為戶(hù)籍地和常住地都在同一個(gè)地級(jí)市，定義為本市居民。如果戶(hù)口登記屬于情況4，則可以由戶(hù)口登記地的6位地址代碼來(lái)判斷個(gè)體是否為跨地級(jí)市的移民。在考察分析公共污染影響遷移行為的結(jié)果中，我們也用到2015年人口普查的數(shù)據(jù)，其中關(guān)于遷移的定義類(lèi)似。

流動(dòng)人口檢測(cè)數(shù)據(jù)。2014年流動(dòng)人口調(diào)查數(shù)據(jù)來(lái)自國(guó)家衛(wèi)生與計(jì)劃生育委員會(huì)的流動(dòng)人口調(diào)查。在流動(dòng)人口數(shù)據(jù)處理上，本文只保留年齡在16～59歲的務(wù)工經(jīng)商，且有工作的人口。考慮到使用的房?jī)r(jià)數(shù)據(jù)是全市范圍內(nèi)的，因此去掉了市內(nèi)跨縣流動(dòng)的樣本?？紤]到流動(dòng)人口的特點(diǎn)也去掉流動(dòng)時(shí)間在6個(gè)月以?xún)?nèi)的樣本。同時(shí)考慮到流動(dòng)時(shí)間越長(zhǎng)其獲得流入地戶(hù)口的概率越大，為了減少潛在的樣本選擇偏差，還去掉流動(dòng)時(shí)間超過(guò)五年的樣本。最后流動(dòng)人口樣本為66846個(gè)。

畢業(yè)生就業(yè)地選擇數(shù)據(jù)。本文核心結(jié)果所使用的數(shù)據(jù)是上海某高校畢業(yè)生個(gè)體層面的就業(yè)數(shù)據(jù)，時(shí)間跨度為2015—2018年，原始數(shù)據(jù)的樣本量為35507，就業(yè)數(shù)據(jù)里包含畢業(yè)生的生源地省份和就業(yè)單位的所在城市，由此可以判斷畢業(yè)生是否留在上海工作以及就業(yè)城市的選擇情況。此外，原始就業(yè)數(shù)據(jù)里還包含個(gè)體的性別、所屬學(xué)院和所讀專(zhuān)業(yè)、所獲取的學(xué)歷?；貧w中控制個(gè)體層面的信息，有助于更好地識(shí)別出城市層面的因素對(duì)畢業(yè)生就業(yè)地選擇的影響。

為此，條件Logit模型有一個(gè)特有的性質(zhì)，即，該模型要求滿(mǎn)足非相關(guān)選擇獨(dú)立性（Independence of irrelevant alternatives， IIA）。它意味著在可變換的方案中（如上海和大連之間）進(jìn)行選擇的相對(duì)概率，與其他城市的特征不相關(guān)。然而在很多涉及類(lèi)別選擇問(wèn)題上，如FDI區(qū)位選擇、畢業(yè)生選擇就業(yè)地、居民選擇就餐和出行等，其備擇項(xiàng)可能是相關(guān)的，即IIA假設(shè)不成立。McFadden構(gòu)建了嵌套Logit模型，該模型是CL的推廣，放松了IIA的假設(shè)。在本文的后續(xù)回歸中，我們嘗試?yán)脙煞N方法來(lái)緩解IIA假設(shè)不成立可能帶來(lái)的對(duì)參數(shù)估計(jì)的影響。第一，我們借鑒（文獻(xiàn)）刪除選擇集中某些特定的因素來(lái)分析IIA假設(shè)不成立的嚴(yán)重程度;第二，我們將除了上海之外的所有城市當(dāng)作一個(gè)整體進(jìn)行考察分析，這意味著，將畢業(yè)生的就業(yè)地選擇問(wèn)題簡(jiǎn)化為二元選擇問(wèn)題，要么留在上海，要么離開(kāi)上海，如此一來(lái)，可以在某種程度上回避條件Logit模型出現(xiàn)IIA假設(shè)不成立的可能潛在影響。我們用Probit模型來(lái)分析二元選擇問(wèn)題，具體設(shè)定如下：

其中，Probit表示生源地為c的畢業(yè)生i是否留在上海的概率，如果留在上海，則Probit取值為1，否則取值為0。Xicj為生源地為c的畢業(yè)生i的個(gè)體特征變量，主要包括個(gè)體的學(xué)歷、所屬學(xué)院和所讀專(zhuān)業(yè)。在數(shù)據(jù)中，對(duì)畢業(yè)生的性別，我們也加以控制。Xk是生源地的特征。 Crescenzi et al.（2017）[9]也發(fā)現(xiàn)工作機(jī)會(huì)是人才的關(guān)鍵。因此，經(jīng)濟(jì)發(fā)展的形勢(shì)可能會(huì)影響到大學(xué)生是否留在上海工作。具體包括生源地的人均GDP、人口、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平。由于我們?cè)谀Ｐ椭胁豢赡苋靠刂粕吹氐乃刑卣鳎送庖部紤]到這些變量可能存在內(nèi)生性問(wèn)題以及遺漏問(wèn)題，我們嘗試直接控制生源地的固定效應(yīng)估計(jì)回歸方程（3）。在回歸中，我們也嘗試控制上海的一些城市特征。

三、城市高技能人口的空間分布：宏觀規(guī)律

（一）截面規(guī)律

首先從截面上考察高技能人口空間分布的情況。新經(jīng)濟(jì)地理學(xué)理論認(rèn)為，靠近市場(chǎng)，則意味著更大的經(jīng)濟(jì)規(guī)模，具有更大的勞動(dòng)力市場(chǎng)規(guī)模和高技能比例。在海洋經(jīng)濟(jì)時(shí)代，港口是連接大范圍市場(chǎng)的中轉(zhuǎn)點(diǎn)。借鑒陸銘和向?qū)捇ⅲ?012）[10]、陸銘（2017）[11]、陸銘等（2019）[12]，利用各個(gè)城市到天津、上海及深圳三個(gè)港口的最短距離來(lái)衡量城市的市場(chǎng)可及度。圖1顯示，到三大港口的距離越近，則城市的高技能人口數(shù)量越多。單變量回歸結(jié)果顯示，距離每增加1%，城市高技能數(shù)量會(huì)減少0.475%?？紤]到遷移成本的存在，我們用移民中高技能人口的空間分布更能反映出高技能人口空間分布的規(guī)律。圖2也顯示了類(lèi)似的規(guī)律，回歸發(fā)現(xiàn)距離每增加1%，高技能移民數(shù)量會(huì)減少0.614%。這其中的差異可能間接反映了遷移成本的存在。

（二）動(dòng)態(tài)演變

我們預(yù)期高技能人口數(shù)量的空間分布也會(huì)有類(lèi)似的地理故事。根據(jù)2000年和2010年人口普查數(shù)據(jù)，計(jì)算出每個(gè)地級(jí)市高技能人口數(shù)量的增長(zhǎng)率，然后考察它與到三大港口距離的關(guān)系。類(lèi)似的，圖3也顯示，到三大港口的距離越遠(yuǎn)，則該城市的高技能人口數(shù)量的增長(zhǎng)率越低。單變量回歸結(jié)果顯示，距離每增加1%，城市高技能數(shù)量的增長(zhǎng)率會(huì)減少0.063個(gè)百分點(diǎn)。

接下來(lái)，我們考察城市高技能人口數(shù)量是否以及多大程度上存在路徑依賴(lài)。我們用2000年和2010年人口普查數(shù)據(jù)分析2000年城市人口規(guī)模和結(jié)構(gòu)多大程度上會(huì)影響2010年城市人口規(guī)模和結(jié)構(gòu)。首先根據(jù)城市人口規(guī)模進(jìn)行排序，然后觀察2000到2010之間城市人口排序的變化。圖4的散點(diǎn)圖顯示，城市人口排序高度穩(wěn)定，圖中擬合線的系數(shù)為0.98，這意味著中國(guó)城市人口分布已經(jīng)逐漸趨于穩(wěn)定。對(duì)應(yīng)的，我們?cè)诒?做進(jìn)一步分析。第1列的回歸系數(shù)為0.961，系數(shù)大小和圖4的類(lèi)似，它說(shuō)明在2000和2010年之間城市人口規(guī)模變化不大。在第2到4列中，我們根據(jù)教育程度將人口劃分為高技能、中等技能和低技能三類(lèi)。結(jié)果顯示，高技能和低技能人口具有更強(qiáng)的路徑依賴(lài)，背后的原因是高、低技能存在技能互補(bǔ)，他們同時(shí)往大城市集聚[13]。

四、城市高技能人口的空間分布： 微觀動(dòng)機(jī)

在第三節(jié)中，本文一方面分析了中國(guó)城市高技能人口數(shù)量的分布與該城市到三大港口的距離負(fù)相關(guān)，并且高技能人口數(shù)量的增長(zhǎng)率也是如此;另一方面也發(fā)現(xiàn)城市高技能人口的空間分布已經(jīng)逐漸趨于穩(wěn)定。在高技能人口分布完全穩(wěn)定之前，地方政府還有政策空間去改變和影響城市人口結(jié)構(gòu)。本節(jié)嘗試深入分析影響城市高技能人口分布的因素，相關(guān)結(jié)論對(duì)地方政府具有對(duì)應(yīng)的政策含義。城市人口是由個(gè)體所組成，城市人口結(jié)構(gòu)的變化是個(gè)體遷移行為變化所導(dǎo)致的，因此需要分析個(gè)體遷移和空間選擇的行為及其影響因素。勞動(dòng)力流動(dòng)決策本質(zhì)上是個(gè)人比較成本收益并追求更高效用的結(jié)果，文獻(xiàn)上一般認(rèn)為，個(gè)體遷移行為主要受經(jīng)濟(jì)因素（工資、房?jī)r(jià)）、非經(jīng)濟(jì)因素（比如公共服務(wù)、舒適度）以及遷移成本影響[14]。為此，本文分別從經(jīng)濟(jì)因素、非經(jīng)濟(jì)因素和遷移成本三個(gè)方面來(lái)梳理和分析城市技能結(jié)構(gòu)的影響因素。

（一）經(jīng)濟(jì)因素

影響個(gè)體遷移行為和城市人口技能結(jié)構(gòu)最為重要的因素是經(jīng)濟(jì)變量。經(jīng)濟(jì)發(fā)展水平的提高會(huì)帶來(lái)就業(yè)機(jī)會(huì)和工資的提升，與此同時(shí)，也會(huì)產(chǎn)生更高的房?jī)r(jià)水平，二者都會(huì)影響個(gè)體的城市選擇。在表3中，利用回歸方程（2）中的條件logit回歸考察影響個(gè)體選擇城市的變量。為了緩解內(nèi)生性問(wèn)題，所有的解釋變量滯后一期，使用的是2013年的數(shù)據(jù)。表1中第1列報(bào)告了全樣本的結(jié)果，從第一列的回歸結(jié)果看，平均工資和人均GDP的系數(shù)顯著為正，說(shuō)明移民更大可能選擇平均工資和人均GDP更高的城市。而房?jī)r(jià)的系數(shù)顯著為負(fù)，這說(shuō)明高房?jī)r(jià)傾向于抑制移民的遷入。表中第2列和第3列分別報(bào)告了低技能移民和高技能移民的影響?；貧w結(jié)果類(lèi)似。需要注意的是，房?jī)r(jià)對(duì)高技能移民具有更大的負(fù)向影響。根據(jù)系數(shù)大小可知，平均而言，房?jī)r(jià)每平方米價(jià)格每上漲1000元，低技能勞動(dòng)者選擇該城市的概率會(huì)下降1.07%，而高技能移民選擇該城市的概率會(huì)降低3.63%。因此，從加總層面來(lái)看房?jī)r(jià)和城市移民的技能比會(huì)存在一個(gè)負(fù)向關(guān)系。

（二）非經(jīng)濟(jì)因素

公共服務(wù)也是影響個(gè)體選擇城市的關(guān)鍵變量。Tiebout（1956）[15]認(rèn)為居民會(huì)進(jìn)行“用腳投票”在不同地區(qū)間進(jìn)行選擇，居民會(huì)選擇公共品和稅收組合最符合其偏好的地區(qū)來(lái)居住?！坝媚_投票”的理論在很多國(guó)家和地區(qū)都被證實(shí)存在[16][17]。利用中國(guó)數(shù)據(jù)對(duì)Tiebout“用腳投票”機(jī)制進(jìn)行檢驗(yàn)的經(jīng)驗(yàn)研究相對(duì)較少，已有的研究結(jié)論也存在爭(zhēng)議。喬寶云等（2005）[18]認(rèn)為對(duì)進(jìn)城打工的農(nóng)村勞動(dòng)力來(lái)說(shuō)，他們沒(méi)有享受到與城鎮(zhèn)居民同樣的義務(wù)教育、醫(yī)療衛(wèi)生等公共產(chǎn)品，因此“用腳投票”理論在中國(guó)并不適用。戶(hù)籍制度的確會(huì)排斥外來(lái)人口享受城市的公共服務(wù)，但并非是完全排斥，尤其是對(duì)高技能勞動(dòng)力而言，因此，“用腳投票”理論也適用于中國(guó)背景。夏怡然和陸銘（2015）[19]利用2005年1%人口抽樣調(diào)查中勞動(dòng)力流動(dòng)的微觀數(shù)據(jù)與220個(gè)地級(jí)市的城市特征數(shù)據(jù)，證實(shí)了城市的基礎(chǔ)教育和醫(yī)療服務(wù)等公共服務(wù)會(huì)影響城市勞動(dòng)力選擇某個(gè)城市。具體而言，一個(gè)城市的基礎(chǔ)教育平均增加一個(gè)標(biāo)準(zhǔn)差，城市被選擇的概率提高0.116倍，醫(yī)療服務(wù)增加一個(gè)標(biāo)準(zhǔn)差，城市被選擇的概率提高0.118倍，這說(shuō)明，在控制其他條件的情況下，吸引外來(lái)勞動(dòng)力的城市公共服務(wù)中，基礎(chǔ)教育與醫(yī)療服務(wù)具有基本相當(dāng)?shù)闹匾浴Ｅc此同時(shí)，當(dāng)一個(gè)城市的工資平均增加一個(gè)標(biāo)準(zhǔn)差，該城市被選擇的概率提高0.151倍?？梢?jiàn)，與公共服務(wù)對(duì)勞動(dòng)力流動(dòng)的作用相比，工資對(duì)城市吸引勞動(dòng)力的作用更大一些。

夏怡然和陸銘（2015）[19]，忽略了環(huán)境污染對(duì)勞動(dòng)力城市選擇的影響。然而隨著人民生活水平的提高，環(huán)境問(wèn)題也逐漸成為社會(huì)大眾關(guān)心和熱議的話題。除了生活水平的提高外，互聯(lián)網(wǎng)普及帶來(lái)的信息傳播加速，也提高了公眾的環(huán)境意識(shí)。在2012到2015年的短短3年間，我國(guó)公開(kāi)的PM2.5數(shù)據(jù)實(shí)現(xiàn)了從空白到覆蓋全國(guó)所有地級(jí)市的實(shí)時(shí)發(fā)布，這提高了普通大眾對(duì)環(huán)境問(wèn)題的關(guān)注。與夏怡然和陸銘（2015）不同[19]，本文在表4中關(guān)注PM2.5對(duì)個(gè)體遷移決策的影響。用2015年人口普查個(gè)體層面的數(shù)據(jù)來(lái)定義勞動(dòng)力是否離開(kāi)戶(hù)口所在地。前3列報(bào)告OLS 的結(jié)果。第1列顯示，PM2.5的系數(shù)顯著為正，說(shuō)明了環(huán)境污染的增加會(huì)導(dǎo)致勞動(dòng)力的流出。第2列和第3列顯示，環(huán)境污染對(duì)高技能勞動(dòng)力的流出具有更大的影響。考慮環(huán)境污染可能存在內(nèi)生性，因此，在后3列中，本文借鑒Chen et al.（2017）[20]的做法，用逆溫次數(shù)做PM2.5的工具變量。第一階段的F值都大于50，說(shuō)明工具變量不存在弱工具變量問(wèn)題。結(jié)果顯示，工具變量回歸中PM2.5的系數(shù)比OLS的增加一倍左右，同樣都在1%置信水平顯著為正。結(jié)果也顯示環(huán)境污染對(duì)高技能勞動(dòng)力的流出具有更大的影響。

（三）遷移成本

國(guó)家間和國(guó)家內(nèi)區(qū)域間生產(chǎn)率和實(shí)際工資的差異說(shuō)明遷移成本的存在。已有文獻(xiàn)考察了遷移成本對(duì)國(guó)家和區(qū)域的影響。在中國(guó)，最為明顯的遷移成本和戶(hù)籍制度相關(guān)。形成于計(jì)劃經(jīng)濟(jì)時(shí)代的戶(hù)籍制度，至今仍然在方方面面影響到居民生活。戶(hù)籍制度阻礙勞動(dòng)力自由流動(dòng)到收入更高和就業(yè)機(jī)會(huì)更好的城市，導(dǎo)致了個(gè)人福利無(wú)法得到改進(jìn)，更為重要的是戶(hù)籍制度是偏向高技能人口的。在北京、上海、廣州和深圳的落戶(hù)積分中，學(xué)歷的所占分值最大，其他相關(guān)技能（比如，外語(yǔ)技能）也具有很大的分值。圖5顯示了，戶(hù)籍指數(shù)和城市高技能人口占比存在正相關(guān)，這說(shuō)明了戶(hù)籍制度越嚴(yán)的城市，高技能人口占比越高。

除了制度性的遷移成本外，非制度性的遷移成本也會(huì)影響勞動(dòng)力的城市選擇。對(duì)于中國(guó)這樣的大國(guó)，區(qū)域間具有巨大的交通成本。除此之外，不同區(qū)域存在著鮮明的文化差異，這也會(huì)影響勞動(dòng)力的流動(dòng)。在工資等其他條件相同的情況下，非制度性的遷移成本會(huì)導(dǎo)致勞動(dòng)力傾向于留在文化較為類(lèi)似、離家較近的城市。這一點(diǎn)可以用流出地城市和流入地城市之間的距離以及它們是否屬于同一個(gè)省來(lái)衡量。如果流出地城市和流入地城市間的距離越近，或者同屬于一個(gè)省，則具有較低的交通成本，也較大可能具有相類(lèi)似的文化和方言。Zhang 和 Zhao（2013）[22]估計(jì)的工資-距離彈性為1.5，即要使農(nóng)民工的離家距離增加10%，工資必須提高15%。不同勞動(dòng)力面臨的非制度性遷移成本存在顯著差異。而Zhang 和 Zhao（2013）中包含了不同年齡段、不同學(xué)歷的樣本，這會(huì)影響估計(jì)結(jié)果的準(zhǔn)確性，與此同時(shí)，他們也面臨了制度性的遷移成本。為此，本文只用高技能人口的樣本進(jìn)行實(shí)證分析。在不同城市落戶(hù)的難度較小，因此能更準(zhǔn)確地識(shí)別出非制度遷移成本的影響。

表5利用2010年人口普查微觀數(shù)據(jù)中高技能勞動(dòng)力樣本進(jìn)行分析。為避免年齡增大而產(chǎn)生的遷移成本，回歸中只用年齡在25～34歲的未婚樣本做回歸。模型中用選擇城市到戶(hù)口城市的距離和選擇城市與戶(hù)口城市是否跨省來(lái)捕捉遷移成本。在第1列中，只控制選擇城市到戶(hù)口城市的距離，系數(shù)為-1.027，在1%置信水平下顯著;在第2列中，加入選擇城市與戶(hù)口城市是否跨省，結(jié)果顯示，選擇城市到戶(hù)口城市的距離依然在1%置信水平下顯著，系數(shù)大小為-0.879，與第1列相比略有變化。與此同時(shí)，是否跨省的系數(shù)為-1.215，在1%置信水平下顯著。在第3列中，加入選擇城市的工資和房?jī)r(jià)，結(jié)果顯示，選擇城市到戶(hù)口城市的距離和選擇城市與戶(hù)口城市是否跨省都顯著，系數(shù)大小變化不大?？傮w而言，高技能人口更可能選擇戶(hù)口所在省份以及離戶(hù)口所在越近的城市。

基于人口普查數(shù)據(jù)的結(jié)果存在三個(gè)方面的不足。一是人口普查數(shù)據(jù)沒(méi)有高技能畢業(yè)學(xué)校的所在城市。一般認(rèn)為，高技能很有可能留在畢業(yè)院校所在的城市。二是人口普查數(shù)據(jù)沒(méi)有個(gè)體就讀專(zhuān)業(yè)的信息。城市間的產(chǎn)業(yè)結(jié)構(gòu)存在差異，而這可能會(huì)影響不同專(zhuān)業(yè)的高技能勞動(dòng)力。三是人口普查數(shù)據(jù)無(wú)法反映高技能人才是否換過(guò)工作。一旦工作穩(wěn)定下來(lái)，那么重新選擇城市的成本就會(huì)增加，而這在模型中我們無(wú)法捕捉到。

基于這方面的不足，表7嘗試?yán)蒙虾Ｄ掣咝．厴I(yè)生數(shù)據(jù)考察分析。高校畢業(yè)生的數(shù)據(jù)能夠在一定程度上克服人口普查數(shù)據(jù)的不足。一是可以知道畢業(yè)院校的城市——上海;二是畢業(yè)生個(gè)體數(shù)據(jù)可以知道畢業(yè)生的專(zhuān)業(yè);三是畢業(yè)生的就業(yè)城市是他們畢業(yè)的第一份工作，因此不存在換工作所產(chǎn)生的遷移成本。

表6前兩列使用的是工作城市到生源地省份內(nèi)所有地級(jí)市的距離的平均值，來(lái)衡量工作地到生源地的距離;后兩列使用的是工作地到生源地省份省會(huì)的距離。前兩列結(jié)果發(fā)現(xiàn)城市平均工資的提高會(huì)增加畢業(yè)生選擇該城市的概率，不過(guò)在控制城市人口之后，平均工資系數(shù)大小出現(xiàn)下降。房?jī)r(jià)的系數(shù)則變化不大?；貧w中，城市人口的系數(shù)顯著為正，說(shuō)明畢業(yè)生傾向于到具有城市規(guī)模的城市工作，這一點(diǎn)類(lèi)似于Xing and Zhang（2017）[23]。兩個(gè)距離變量的系數(shù)都顯著為負(fù)。上海作為畢業(yè)學(xué)校的所在城市，畢業(yè)生傾向于留在上海，或者離上海更近的城市。到老家的距離為負(fù)，則說(shuō)明了畢業(yè)生傾向于到老家更近的城市工作。

在表6的基礎(chǔ)上，表7進(jìn)一步考察分析畢業(yè)生就業(yè)的城市選擇是否存在性別的異質(zhì)性。在表8中，前兩列為女性樣本，后兩列為男性樣本?？傮w而言，男女在就業(yè)地的城市選擇行為上，沒(méi)有很大的差異。

表8考察了不同學(xué)歷就業(yè)城市選擇的異質(zhì)性。之所以要考察學(xué)歷的異質(zhì)性，原因在于我國(guó)的戶(hù)籍制度是高技能偏向的。上海落戶(hù)政策中對(duì)不同學(xué)歷的加分情況也說(shuō)明了這點(diǎn)。表8結(jié)果顯示發(fā)現(xiàn)，房?jī)r(jià)的系數(shù)都顯著為正，系數(shù)大小沒(méi)有呈現(xiàn)規(guī)律性。而工資變量則出現(xiàn)差異。在本科生組別中，工資系數(shù)顯著為正;在碩士樣本中，工資系數(shù)在15%置信水平下顯著，而且系數(shù)小于本科組別;而在博士生組別中，工資的系數(shù)則不再顯著。城市人口的系數(shù)則呈現(xiàn)出相反的規(guī)律。城市人口的系數(shù)在三個(gè)組別中都顯著為正，但系數(shù)大小則逐漸遞增。到上海的距離都顯著為負(fù)，系數(shù)大小沒(méi)有明顯規(guī)律，而到老家的距離雖然也都顯著為負(fù)，但系數(shù)的絕對(duì)值呈現(xiàn)遞增規(guī)律，這意味著博士生更傾向于到老家更近的城市工作。

條件Logit模型有一個(gè)特質(zhì)，即該模型要求滿(mǎn)足非相關(guān)選擇獨(dú)立性（Independence of irrelevant alternatives， IIA）。在本文的后續(xù)回歸中，我們嘗試緩解IIA假設(shè)不成立可能帶來(lái)的對(duì)參數(shù)估計(jì)的影響。我們將除了上海之外的所有城市當(dāng)作一個(gè)整體進(jìn)行考察分析，這意味著，將畢業(yè)生的就業(yè)地選擇問(wèn)題簡(jiǎn)化為二元選擇問(wèn)題，要么留在上海，要么離開(kāi)上海。如此一來(lái)，可以在某種程度上回避條件Logit模型出現(xiàn)IIA假設(shè)不成立的可能潛在影響。

在表9中利用Probit模型估計(jì)畢業(yè)生留滬的情況。前3列的回歸包括升學(xué)和就業(yè)的樣本。后3列只用就業(yè)的樣本。在模型中的，被解釋變量是二元虛擬變量，是否留在上海。從3.1部分的回歸結(jié)果來(lái)看，畢業(yè)后是否留在上海會(huì)受到個(gè)體畢業(yè)當(dāng)年上海經(jīng)濟(jì)的影響，因此直接控制畢業(yè)年份的固定效應(yīng)。此外，畢業(yè)后是否留在上海也和畢業(yè)生個(gè)體的所屬學(xué)院和所讀專(zhuān)業(yè)的固定效應(yīng)有關(guān)。在宏觀層面，可以嘗試控制個(gè)體生源地省份的特征，包括人口、GDP、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化水平。但為了避免生源地省份變量可能存在的內(nèi)生性問(wèn)題，以及可能存在的遺漏變量問(wèn)題，回歸中直接控制生源地的固定效應(yīng)。第1列中控制了畢業(yè)年份、所屬學(xué)院和生源地省份的固定效應(yīng)，結(jié)果顯示，相比于男性，女性留在上海的概率更高，相比于本科畢業(yè)生，碩士和博士更可能離開(kāi)上海。在第2列中考察生源地省份到上海的距離對(duì)畢業(yè)后留滬的影響。數(shù)據(jù)中只知道生源地所在的省份，因此無(wú)法知道更為準(zhǔn)確的距離。為此，使用兩個(gè)距離來(lái)度量。第2列的結(jié)果使用生源地省份所在地級(jí)市到上海的平均距離，第3列使用生源地省份的省會(huì)到上海的距離。第2列和第3列的結(jié)果顯示，距離的系數(shù)顯著為負(fù)，系數(shù)都較為接近，說(shuō)明了生源地老家距離上海越近，畢業(yè)后留在上海的概率越高。

在第4到6列中只用就業(yè)的樣本。同樣的，相比于男性，女性留在上海的概率更高。碩士畢業(yè)生的系數(shù)不再顯著，說(shuō)明了碩士生和本科生找工作時(shí)，是否留在上海沒(méi)有顯著差異。而相比于本科畢業(yè)生，博士生留在上海的概率同樣更低，這可能是因?yàn)椴┦可木蜆I(yè)單位主要是高校，和企業(yè)的就業(yè)較為不同。此外，距離的系數(shù)顯著為負(fù)，系數(shù)絕對(duì)值比前3列的結(jié)果較大，背后的原因可能是學(xué)校的分布和企業(yè)的分布在空間上存在差異。

五、結(jié)論以及未來(lái)的研究方向

本文結(jié)合利用多個(gè)數(shù)據(jù)來(lái)總結(jié)中國(guó)城市人力資本分布的規(guī)律并嘗試給出背后的原因。首先，利用人口普查2000和2010年數(shù)據(jù)實(shí)證分析城市人力資本空間分布的截面差異和動(dòng)態(tài)變化。結(jié)果顯示，一個(gè)城市到三大港口的距離越近，則該城市的高技能人口數(shù)量越多?；貧w結(jié)果顯示，距離每增加1%，城市高技能人口數(shù)量會(huì)減少0.475%。高技能移民的空間分布也有類(lèi)似的規(guī)律。更進(jìn)一步的，一個(gè)城市到三大港口的距離越遠(yuǎn)，則2000到2010年間該城市高技能人口的增長(zhǎng)率越低。具體而言，城市到三大港口的距離每增加1%，則該城市高技能人口數(shù)量的增長(zhǎng)率會(huì)減少0.063個(gè)百分點(diǎn)。與此同時(shí)，分析結(jié)果也發(fā)現(xiàn)了我國(guó)城市人力資本水平分布尚未完全穩(wěn)定，因此地方政府還有改變?nèi)肆Y本分布的政策空間。其次，本文從經(jīng)濟(jì)因素、非經(jīng)濟(jì)因素和遷移成本回顧和考察影響個(gè)體空間選擇的因素，并強(qiáng)調(diào)了遷移成本對(duì)個(gè)體空間選擇的影響。為了更好識(shí)別非制度性遷移成本的影響，論文利用上海某高校畢業(yè)生的第一份工作的就業(yè)地選擇，來(lái)驗(yàn)證非制度性遷移成本的影響。使用條件Logit模型考察分析研究發(fā)現(xiàn)，就業(yè)地城市到老家的距離以及就業(yè)地城市到上海的距離會(huì)顯著影響畢業(yè)生選擇該城市的概率。具體而言，就業(yè)城市到上海的距離每增加1個(gè)百分點(diǎn)，畢業(yè)生選擇該城市的概率會(huì)減少0.48個(gè)百分點(diǎn)。就業(yè)城市到生源地省份的距離每增加1個(gè)百分點(diǎn)，畢業(yè)生選擇該城市的概率會(huì)減少0.47個(gè)百分點(diǎn)。異質(zhì)性分析發(fā)現(xiàn)，畢業(yè)生的就業(yè)城市選擇沒(méi)有明顯的性別差異，但存在顯著的學(xué)歷差異。具體而言，博士生對(duì)城市的平均工資最不敏感，而對(duì)就業(yè)城市到生源地省份的距離最為敏感。此外，結(jié)果也發(fā)現(xiàn)城市的工資、房?jī)r(jià)和公共服務(wù)水平和舒適度，會(huì)影響畢業(yè)生選擇該城市的概率。

由于數(shù)據(jù)所限，本文的研究分析未能充分展開(kāi)，存在諸多不足。一是，Glaeser and Shapiro（2001）[24]認(rèn)為企業(yè)日益集中于大城市能夠吸引大學(xué)生的集中。礙于數(shù)據(jù)所限，在目前的回歸結(jié)果無(wú)法考察分析上海新企業(yè)的成立對(duì)畢業(yè)生留滬的影響。二是，Carree and Kronenberg（2014）[25]發(fā)現(xiàn)畢業(yè)生畢業(yè)之后選擇居住地，往往會(huì)同時(shí)考慮通勤距離以及到之前學(xué)習(xí)地方的距離。畢業(yè)生留在學(xué)校所在城市以及在該城市內(nèi)部又是如何選擇工作地和居住地，這些都是未來(lái)可以進(jìn)一步拓展的研究題目。

本文的研究對(duì)城市規(guī)劃者有一定的政策含義。首先，通過(guò)城市在工資和房?jī)r(jià)兩個(gè)方面入手，對(duì)人才引進(jìn)進(jìn)行補(bǔ)貼，尤其是住房方面的補(bǔ)貼。然后是從公共服務(wù)入手，為人才配備相應(yīng)的公共服務(wù)，比如教育和醫(yī)療，與此同時(shí)，也要開(kāi)始重視自然環(huán)境對(duì)吸引人才的重要性。最后是從遷移成本入手，放開(kāi)戶(hù)籍制度，盡可能解決人才及其家屬的落戶(hù)問(wèn)題?？紤]到不同地方政府在以上方面都會(huì)進(jìn)行競(jìng)爭(zhēng)，那么地方政府也可以考慮打感情牌，利用故鄉(xiāng)情結(jié)來(lái)吸引人才回故鄉(xiāng)工作。

參考文獻(xiàn)：

[1]World Bank. World Development Report 2009： Reshaping Economic Geography[M]. 2008， World Bank.

[2]Duranton G. & Puga D.， 2004， Micro-Foundations of Urban Agglomeration Economies [C].Handbook of Regional and Urban Economics，in： J. V. Henderson & J. F. Thisse（ed.）， Handbook of Regional and Urban Economics， Amsterdam and New York： Elsevier. 2004：2063-2117.

[3]Glaeser， Edward L. and Lu， Ming. Human-Capital Externalities in China[J]. NBER Working Paper，2018， NO. 24925.

[4]Lucas R. E.. On the Mechanics of Economic Development [J]. Journal of Monetary Economics， 1988，22（1）： 3-42.

[5]Rosenthal S. S. & Strange W. C.. The Attenuation of Human Capital Spillovers[J]. Journal of Urban Economics， 2008， 64（2）： 373-389.

[6]Winters J. V.. Human Capital Externalities and Employment Differences across Metropolitan Areas of the USA[J]. Journal of Economic Geography， 2013，13（5）： 799-822.

[7]梁文泉、陸銘.城市人力資本的分化：探索不同技能勞動(dòng)者的互補(bǔ)和空間集聚[J]. 經(jīng)濟(jì)社會(huì)體制比較，2015（3）：185-197.

[8]Costa， D. L. and Kahn， M. E.， Power Couples： Changes in the Locational Choice of the College Educated， 1940-1990[J]. The Quarterly Journal of Economics， 2000， 115（4）： 1287-1315.

[9]Crescenzi， R.， Holman， N. and Orru， E.. Why Do they Return？ Beyond the Economic Drivers of Graduate Return Migration[J]. The Annals of Regional Science， 2017， 59（3）： 603-627.

[10]陸銘，向?qū)捇? 地理與服務(wù)業(yè)——內(nèi)需是否會(huì)使城市體系分散化？[J].經(jīng)濟(jì)學(xué)（季刊），2012，11（3）：1079-1096.

[11]陸銘. 空間的力量：地理、政治與城市發(fā)展（第2版）[M]. 上海：格致出版社和上海人民出版社，2017.

[12]陸銘，李鵬飛，鐘輝勇. 發(fā)展與平衡的新時(shí)代——新中國(guó)70年的空間政治經(jīng)濟(jì)學(xué)[J]，管理世界，2019（10）：11-23.

[13]Eeckhout， J.， R. Pinheiro and K. Schmidheiny. Spatial Sorting[J]. Journal of Political Economy， 2014，122（3）：554-620.

[14]Kuminoff， N. V.， Smith， V. K. and Timmins， C. The New Economics of Equilibrium Sorting and Policy Evaluation Using Housing Markets[J]， Journal of Economic Literature， 2013，51（4）： 1007-1062.

[15]Tiebout， C.. A Pure Theory of Local Expenditures[J]. Journal of Political Economy， 1956，64（4）： 416-424.

[16]Bayoh， I.， E. Irwin and T. Haab. Determinants of Residential Location Choice： How Important are Local Public Goods in Attracting Homeowners to Central Locations？[J]， Journal of Regional Science， 2006， 46： 97-120.