早进城的回报：农村移民的城市经历和就业表现_魏东霞.pdf

《早进城的回报：农村移民的城市经历和就业表现_魏东霞.pdf》由会员分享，可在线阅读，更多相关《早进城的回报：农村移民的城市经历和就业表现_魏东霞.pdf（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、早进城的回报:农村移民的城市经历和就业表现*魏东霞陆铭内容提要: 移民通过尽早进城， 在青少年时期获得城市生活经历， 可以提升其非认知能力， 增加进入现代服务业就业的概率， 改善其劳动力市场收入。基于流动人口监测数据的实证研究表明， 农村移民首次进城年 越小， 其小时工资越高。以农村移民进城当年户籍地春季旱涝等级作为首次进城年 的工具变量， 两阶段最小二乘法估计表明， 户籍地当年春季降水量越多， 农民越早进城， 其日后的劳动力市场表现越好。机制分析表明， 农村移民早进城能提高其非认知能力， 提升其进入收入较高的现代服务业的概率。本文的政策含义是， 破除体制障碍让更多农村人口尽早进城， 以改善其

2、日后的就业和收入。关键词: 城市化学习效应非认知能力*魏东霞， 广东金融学院国际教育学院， 邮政编码: 510521， 电子信箱: sophiawdx126 com; 陆铭( 通讯作者) ， 上海交通大学安泰经济与管理学院， 邮政编码: 200030， 电子信箱: luming1973 sjtu edu cn。本研究得到国家社会科学基金一般项目( 20BJY050) 、 国家自然科学基金面上项目( 72073094) 和国家自然科学基金重点项目( 71834005) 的资助。作者感谢彭冲、 李杰伟提供的数据支持， 感谢刘愿、 梁超、 梁文泉、 李鹏飞、 王静、 王昆仑、 夏怡然、 向宽虎、 钟

3、辉勇、 钟粤俊及邢春冰、 李世刚、 刘娜、 高文书等首届城市与发展经济学前沿论坛和第五届劳动经济学年会与会专家的意见和评论。作者感谢匿名审稿专家提供的建设性意见。当然， 文责自负。一、引言城市化要推进， 这是有共识的， 但是， 以多快的速度推进城市化， 以及农村人口要不要尽早进城， 事关国家发展和全民福利， 仍存争议。长期以来， 中国劳动力在城乡间和地区间流动的制度障碍就像是玻璃幕墙， 横在农村居民和城市居民之间( 陆铭， 2011) 。中国户籍制度改革正进入深水区， 中小城市已经逐步放开落户限制， 大城市特别是超大城市在 2014 年后反而提高了落户门槛。大城市的高落户门槛不但导致劳动力回流

4、， 减少城市劳动力供给( 张吉鹏等， 2020) ， 而且是规模庞大的农村儿童留守的重要原因， 造成大量的人力资本损失( 魏东霞和谌新民， 2018) 。大城市在提高落户门槛的同时， 流动人口继续向东部发达地区集聚。人民追求美好生活的强烈愿望和城市政府的户籍政策之间形成鲜明对比。人口自由流动可以直接带来收入的提高和就业机会的增多( 陆铭等， 2019) 。现有研究表明，流动人口通过城市生活经历， 并借助于城市人力资本外部性产生的学习效应， 通过与不同技能劳动力之间的互补， 获得自身人力资本的积累， 可以提高收入( 梁文泉和陆铭， 2015， 2016; 陆铭， 2017;Glaeser Lu，

5、 2018) 。正如 Lucas( 1988) 所言， 通过干中学获得的人力资本积累与学校教育同样重要。进入城市者通过模仿和学习当地的高技能劳动者， 积累个体人力资本， 提升劳动力市场表现( Glaeser， 1999) 。来自美国的经验证据表明， 移民由其他地方进入大城市的累计工作时间越长， 其工资水平提升幅度越大; 年轻人具有更强的学习动力和预期收益， 城市会吸引大量年轻人进入， 因而城市的学习效应在年轻人身上表现得也更加明显( Glaeser， 1999; Glaeser Mar， 2001) 。既有研究表明城市学习效应不仅受到个人在城市累计生活时间的影响， 更可能与其进入城市861魏东

6、霞、 陆铭: 早进城的回报: 农村移民的城市经历和就业表现的早期生活经历密切相关。Glaeser Mar( 2001) 识别了累计进城时间对移民劳动力报酬的影响，Glaeser( 1999) 认为年轻人在城市的学习效应更大， 但并未提供更多的经验证据。本文试图强调，流动人口早期城市生活经历能否有效转化为劳动力市场回报， 取决于首次进入城市的年龄。青少年时期所处的外部环境， 对个人成长至关重要。早进城的移民更能通过城市生活经历的积累， 形成有别于学校教育的人力资本积累， 提高收入水平。相比 Glaeser 基于美国的研究识别了移民从小城市到大城市的自由流动带来的人力资本的提高， 本文则利用中国流

7、动人口监测数据， 首次尝试在发展中国家检验移民从农村地区到城市的迁移产生的学习效应。本文 OLS 估计发现， 农村移民首次进城年龄越小， 其劳动力市场回报越高。在加入累计进城时间及其与首次进城年龄的交互项后， 首次进城年龄仍然与劳动力市场回报负相关， 且交互项为负， 说明早进城有效提高累计进城时间的边际报酬。由于遗漏变量和样本选择问题， OLS 估计会低估早进城的学习效应。为减少内生性导致的估计偏误， 本文以农村移民首次离开户籍地当年当地春季旱涝等级作为首次进城年龄的工具变量。两阶段最小二乘估计发现， 以重旱为基准组， 其他旱涝等级下农村移民首次进城年龄均显著下降， 农民越早进城， 其当前劳动

8、力市场回报也越高。IV估计和 OLS 估计的系数方向一致， 说明早进城的学习效应在因果关系上是成立的。异质性分析表明， 早进城的学习效应在进城前和进城后完成教育的群体均有体现， 但在进城前完成教育的群体中更加显著， 而且主要体现在中低学历个体身上， 说明早进城的学习效应并不是进城接受学校教育所致。特别是， 农村移民只有进入真正的城市并在城市稳定就业， 才能够获得这种学习效应， 这种效应在大城市更大， 有期间返乡经历的个体学习效应不显著。城市学习效应的内在机制是另一个有待检验的问题。马歇尔早在 1890 年就指出， 从事相同行业者之间的学习无处不在， 可以通过互动交流随时获得( Marshall

9、，1920) 。但互动交流如何提升个体的人力资本积累， 则不甚明瞭。不同于人们有意识的、 专门的学习， 得益于生活环境的耳濡目染、 潜移默化的学习， 更容易提升个人的沟通和交流等非认知能力， 有助于其进入收入较高的现代服务业就业。由于缺乏中国流动人口追踪调查数据， 所以很难确定进城决策和工作行业选择的先后顺序， 难以识别早进城的学习效应如何影响农村移民工作行业。因此， 流动人口早进城产生学习效应的机制， 是本文考察的第二个重要问题。利用流动人口监测数据，本文有效区分了移民进城和从事当前工作的先后顺序。机制检验发现， 农村移民进城越早， 他们更可能进入收入较高的行业， 特别是现代服务业工作。早进

10、城者拥有更好的社交活动能力和积极进取精神等非认知能力， 进而提高其进入现代服务业就业的概率。上述效应在进城一段时间后从事当前工作的个体中尤其显著， 说明非认知能力的提高确实是经历了城市生活之后获得的。本文从首次进城年龄这个独特的视角， 利用中国流动人口微观数据识别了农村移民早期城市生活经历的学习效应。与 Glaeser et al ( 1999，2001) 不同的是， 本文强调城市生活的学习效应不仅仅在于进城的累计时间， 关键在于移民的首次进城年龄。劳动经济学有两支前沿文献， 一是城市劳动力市场上的学习效应， 二是劳动力早年生活经历对劳动力市场表现的影响。本文基于中国发展的实践， 将上述两支文

11、献建立了联系。其次， 本研究具有重要的现实意义。农村移民向城市尤其是大城市的流动受到户籍制度的限制， 更为突出的是， 大量农村儿童因城市高落户门槛未能跟随父母进城， 可能错失在年少时进城获得的城市学习效应。本文结构安排如下: 第二节在文献综述基础上， 提出理论假说; 第三节是数据与模型， 描述特征事实， 介绍模型设计及识别策略; 第四节讨论实证结果， 包括基准回归、 工具变量估计和异质性分析; 第五节进行机制检验; 第六节总结文章结论， 并讨论政策含义。9612021 年第 12 期二、理论假说城市是智力的熔炉和形成新思想的地方( Jacobs， 1969) ， 源于城市人力资本的溢出效应是新

12、思想产生的原动力， 也是经济增长的核心( Lucas， 1988) 。城市人力资本外部性产生的学习效应主要通过高低技能劳动者和不同职业者之间互动而产生。一方面， 由于存在社会互动， 城市规模的扩张尤其是高技能劳动者的集聚， 为劳动者带来更多的学习和创新机会， 从而提高劳动生产率， 高低技能组别均从城市规模的扩大中得到了好处， 其中低技能组别劳动力的受益程度最高( 陆铭等，2012) 。其他多支文献研究也发现， 城市中存在知识溢出效应， 人力资本水平越高的地方， 工资水平更高( Lange Topel，2006; Moretti，2004a， 2004b) ; 中国数据也表明， 城市平均受教育水

13、平越高， 个人收入也会增加( Liu， 2007; Glaeser Lu， 2018) 。另一方面， 不同职业劳动者之间也会通过互动而产生学习效应。Glaeser et al ( 1992) 研究发现， 小型和多样化的企业要比那些大型专业化的企业更加有利于城市的经济增长， 这是因为城市聚集了大量不同行业和不同职业的人们， 他们近距离接触的机会增多， 个体之间可以通过交流获得更多免费的知识， 产生有效的知识溢出效应，更加容易产生新的思想， 从而有利于城市的经济增长。不同于正式的学校教育， 城市学习效应主要通过个体向周围高技能者的学习获得人力资本积累， 是后进入城市的低技能劳动者向城市现存高技能劳

14、动者学习的过程， 学习方式是通过非正式的社会和商业接触， 向进入者提供非正式的潜移默化的学习环境。城市人口密度越高， 高技能劳动者数量越多， 学习效应的回报越高( Glaeser， 1999) 。中国农村向城市的移民也具备获得这种非正式学习效应的条件。首先， 城乡间人力资本水平差距较大。据 20112017 年流动人口监测数据， 农村移民是流动人口主力， 又以初中及以下教育水平为主。根据 2010 年中国城市劳动力调查， 城市本地劳动力平均教育年限是 12. 59 年， 农民工平均教育年限是 9. 64 年( 孙婧芳， 2017) 。同时， 城市聚集了大规模高学历个体， 且城市规模越大， 高技

15、能劳动者越多。因此， 后进入城市者具备了向已有的高技能劳动者非正式学习的条件。其次， 流动人口就业的行业以住宿餐饮、 家政等服务业为主。这主要因为城市收入水平的提高， 创造了更多的服务业需求， 如高技能劳动力对餐饮、 家政等服务具有更高的消费需求， 由此为低技能劳动力创造了更多的就业机会( 陆铭等， 2012) 。城市学习效应为不同劳动者带来经济收益， 但不同年龄的劳动者获益大小有差异。Glaeser( 1999) 指出， 后进入城市且技能水平较低的年轻人更容易从城市学习效应中获益。Glaeser Mar( 2001) 发现， 个人进入城市后， 年轻人的工资增速较年长者高。年轻人具有更强的学习

16、优势和学习精力， 而且年轻时代的人力资本投资回报率要远远高于老年时期( 赫克曼和克鲁格，2020) 。即便进入城市者面临同样的学习环境， 同样的沟通频次， 年轻人的学习动力更足， 学习效应更好。城市学习效应是一种非正式的学习过程， 任何有价值的观点、 想法、 联系交流均属于学习效应的内容( Glaeser， 1999) 。移民获得的这种非正式学习过程不同于正式的学校教育， 更可能提升个体的沟通和交流等非认知能力， 对个体收入提高有重要作用。Heckman Corbin ( 2016) 指出， 早期研究将人力资本积累归结为单向的认知能力是非常片面的， 个性、 人格特征、 社会参与、 信任等非认知

17、能力与认知能力对个人发展同样至关重要， 非认知能力不是先天决定的， 生活经验和社会环境培养对个体信任、 互惠、 毅力、 关注、 动力、 自信均非常重要。早期教育对个人非认知能力的形成起071魏东霞、 陆铭: 早进城的回报: 农村移民的城市经历和就业表现20112017 年流动人口监测数据显示， 农业户口流动人口中， 受教育水平初中及以下( 9 年以下) 分别为 77. 87%、76. 42%、 75. 32%、 73. 03%、 72. 03%、 68. 58%和 65. 56%。到至关重要的作用， 因为个体早期发育及青年时代是形成能力、 情感和动机的关键时期( Heckman Corbin，

18、 2016; Heckman et al， 2006) 。神经科学的研究也显示， 青少年时期是形成非认知能力的关键阶段， 大脑在青春期依然持续发展， 使个体在情感控制、 计划执行、 目标感、 社会规则意识等方面逐步成熟( Dahl， 2004) 。从上文分析可知， 城市学习效应通过高低技能劳动者之间频繁的互动交流产生， 主要提升个体沟通、 交流、 情绪控制、 自信心等非认知能力。欧洲企业网上招聘数据显示， 相比于工业制造业部门， 服务业的雇主更需要员工具备良好的沟通能力、 责任心及抗压能力和创造性等非认知能力( Kurekov et al，2016) 。中国微观个体数据也发现， 随和友善和良好

19、情绪会显著增加个体在服务业中的就业质量和收入( 乐君杰和胡博文，2017) ; 性格和情绪是服务业雇主最看中的员工品质， 拥有良好非认知能力， 做事效率高、 细心严谨的女性劳动力市场回报更高( 李晓曼等， 2019) 。如图 1 所示， 服务业( 尤其是现代服务业) 对从业者非认知能力的要求高于制造业， 农村移民通过早进城获得更多城市学习效应， 改善其非认知能力， 有助于个体进入服务业就业， 但由于传统服务业的收入并不高， 因此， 早进城提高收入的效应可能主要体现在现代服务业。相应地， 本文把待检验的理论假说概括为:农村移民进城越早， 越会提升个体非认知能力， 增加其进入现代服务业就业的概率，

20、 提高个体的劳动力市场回报。图 1早进城、 个体非认知能力及现代服务业就业概率三、数据与模型( 一) 特征事实本文利用 2017 年国家卫计委流动人口动态监测数据( 下文简称“监测数据” ) A 卷调查对象进行实证研究。A 卷调查对象为在本地居住一个月及以上、 非本区( 市、 县) 户口的 15 周岁及以上流动人口， 包括三个要素: ( 1) 跨县( 区) 流动; ( 2) 在本地居住 1 个月及以上; ( 3) 来本地目的以“生活、工作为主”。监测数据调查标准时点为 2017 年 5 月 1 日零时，按随机原则在 31 个省( 市、区) 和新疆生产建设兵团流动人口较为集中的流入地开展抽样调查

21、， 调查样本地区共计 439 个， 总样本量为 169989 个。本文以农村移民为研究对象， 剔除缺失值和异常值后， 获得 117595 个观测点， 包括农业户口107754 个， 农业转居民户口 6680 个， 首次进城后转为非农业户口样本 3161 个。样本首次进城年龄分 8 个组别: 15 岁以下、 1520 岁、 2025 岁、 2530 岁、 3035 岁、 3540 岁、 4045 岁、 45 岁以上， 比例分别为 7. 23%、 33. 16%、 22. 35%、 14. 09%、 9. 02%、 6. 19%、 4. 15%、 3. 81%。从年龄分布看， 1520 岁进城比例

22、最高， 45 岁以后进城比例最低， 样本中首次进城年龄平均为 24. 43 岁， 流动人口首次进城年龄普遍较晚。图 2 表明， 流动人口首次进城年龄与其当前小时工资负相关。首次进城年龄小于 25 岁的流动人口， 每小时收入在 22. 0722. 8 元之间， 25 岁之后进城者的小时工资在 15. 7120. 59 元之间， 每小时工资低 1. 487. 09 元。这意味着流动人口进城年龄越小， 当前小时工资越高。流动人口首次进城年龄与工资率的关系可能和个人的工作行业有关。参考国家统计局发布的相关行业划分标准及监测数据定义的行业类别， 本文将流动人口工作行业分为传统服务业、 现代服171202

23、1 年第 12 期务业和第二产业，三个行业小时工资平均值分别为 18. 94 元、 25. 46 元、 22. 62 元。因此， 进入现代服务业有助于提高流动人口劳动力市场回报。图 2 显示， 早进城有利于提高流动人口进入现代服务业的概率， 进入现代服务业就业的比例与其小时工资正相关。首次进城年龄在 2025 岁的流动人口， 进入现代服务业的概率为 16. 86%， 小时工资也最高; 随着个体首次进城年龄的增加， 其进入现代服务业就业的概率下降， 小时工资也在下降。以上特征事实表明， 早进城的流动人口， 进入现代服务业就业的概率较高， 其劳动力市场回报也较高， 但其中的因果关系有待进一步检验。

24、图 2首次进城年龄与现代服务业就业比例、 工资率的关系( 二) 模型设定本文利用监测数据考察农村移民在城市的生活经历对其劳动力市场回报的影响， 基准模型如方程( 1) 所示。小时工资对数ijk= 0+ 1 首次进城年龄ijk+ 控制变量 + j+ k+ j k+ uijk( 1)其中， i 表示 “农村 城市” 移民， j 表示流入地， k 表示流出地， j、 k分别表示流入地固定效应、流出地固定效应， j k表示流入地 流出地联合固定效应。涵盖地级市、 副省级城市、 省直辖县级行政区划、 少数民族自治州( 盟) 、 农垦局及建设兵团等 6 类地区， 其中流入地为 336 个城市( 地区) ，

25、 流出地为 342 个城市( 地区) ， 基本覆盖全国。控制变量刻画个体特征， 包括年龄、 性别、 婚姻状态、 受教育水平、 流动范围和就业单位性质。依据生命周期理论， 收入一般与年龄呈倒 U 型关系， 模型加入年龄和年龄平方项。婚姻状态分已婚( 包含初婚、 再婚和同居) 和未婚( 包括未婚、 离婚和丧偶) ， 占比分别为 81. 69%、 18. 31%。受教育水平分未上过小学( 2. 31%) 、 小学( 15. 07%) 、 初中( 48. 18%) 、 高中/中专( 21. 52%) 、 大专( 8. 69%) 、 本科( 4. 01%) 和研究生( 0. 23%) 。流动范围为虚拟变

26、量， 跨省迁移取值为 1， 否则取值271魏东霞、 陆铭: 早进城的回报: 农村移民的城市经历和就业表现行业划分标准主要依据国家统计局 2017 年 9 月发布的 2017 年国民经济行业分类( GB/T 4754 2017) 、 2019 年 4 月发布的 生活性服务业统计分类( 2019 ) 、 生产性服务业统计分类( 2019) 、 2018 年 3 月发布的关于 三次产业划分规定( 2012) 的通知以及监测数据问卷 Q206 给出的行业类别进行划分。传统服务业包括批发零售、 住宿餐饮及居民服务、 修理及其他服务业; 现代服务业包括交通运输、 仓储和邮政业， 信息传输、 软件和信息技术

27、服务业， 房地产业， 金融业， 租赁和商务服务业， 科学研究和技术服务业， 水利、 环境和公共设施管理业， 教育， 文体和娱乐、 公共管理、 社会保障和社会组织、 卫生和社会工作; 第二产业包括采矿业、 电煤水热生产供应、 建筑以及制造业( 含食品加工、 纺织服装、 木材家具、 印刷、 化学制品加工、 专业设备、 交通运输设备、 电器机械、 计算机及通讯电子、 仪器仪表等其他制造加工业) 。考虑到国际组织样本量只有 14 个， 且较为特殊， 未将其计入。50 岁以上首次进城的流动人口( 占比为 1. 6%) ， 进入现代服务业的概率为 15. 4%， 拉高了 45 岁以上首次进城流动人口进入现

28、代服务业的概率。为 0。个体就业单位性质包括机关事业单位、 国有及国有控股企业、 集体企业、 股份/联营企业、 个体工商户、 私营企业、 港澳台独资企业、 外商独资企业、 中外合资企业、 社团/民办组织、 其他、 无单位共 12 类。在本文样本中， 首次进城的迁移模式可分为 9 种情形: 独自流动( 42%) 、 仅与配偶流动( 18%) 、 仅与父辈( 包括父母、 岳父母、 公婆) 流动( 7%) 、 仅与子女一起流动( 0. 84%) 、 与配偶和父母流动( 0. 47%) 、 与配偶和子女流动( 13%) 、 与父母和子女流动( 0. 05%) 、 与父母、 配偶及子女一起流动( 0.

29、72%) 、 与其他人( 包括兄弟姐妹、 亲属、 同学和同乡) 流动( 18%) 。本文以小时工资对数衡量工资率， 计算公式如等式( 2) 所示， 月工资取问卷 Q215( 您个人上个月( 或上次就业) 工资收入/纯收入) 报告值， 周工作小时数取问卷 Q201A( 这周工作小时数) 报告值; 为剔除异常值的影响， 本文对小时工资上下缩尾 0. 1%并取对数作为因变量。首次进城年龄以流动人口首次离开户籍地年月与出生年月之差定义， 计算公式如等式( 3) 所示。为区分累计进城时间和早进城两种学习效应， 模型尝试控制累计进城时间， 并引入两者交互项。本文以监测数据调查时点( 2017 年 5 月)

30、 与首次进城年月之差度量累计进城时间。累计进城年数计算如等式( 4) 所示。小时工资对数 = ln( 月工资 /( 周工作小时数 4) )( 2)首次进城年龄 = ( 首次离开户籍地年份 出生年份) + ( 首次离开户籍地月份 出生月份) /12( 3)累计进城年数 = ( 2017 首次离开户籍地年份) + ( 5 首次离开户籍地月份) /12( 4)( 三) 内生性处理本文模型可能存在遗漏变量或样本选择问题， OLS 估计可能存在偏误。首先， 贫困家庭人口迫于生活压力而倾向于早进城务工， 基准回归已控制个人特征变量， 但仍可能遗漏一些无法观测的个人或家庭特征变量， 如家庭初始禀赋等变量，

31、产生遗漏变量偏误。遗漏变量偏误的表达式是E ( 1) 1= 3， 其中 3为家庭初始禀赋等遗漏变量对小时工资的影响， 预期 30; 为遗漏变量对农村移民首次进城年龄作用， 由于家庭初始禀赋少的农民倾向于早进城谋生， 预期 0， 本文预期10， 10。因此， 可推断 E( 1) 1，E( 1)1， OLS 估计会低估早进城的学习效应。其次， 流动人口监测数据 A 卷调查对象是在城市工作的个体， 无法观测那些曾经进城但在调查时点返回家乡或已取得本地户籍的个体。一方面， 进城晚的个体工资率较低， 返乡的机会成本越低， 更可能选择返乡。另一方面， 早进城的个体由于积累较多人力资本， 更容易获得本地户籍

32、， 本地户籍人口的小时工资比流动人口更高。如图 3 所示， 流动人口监测数据更可能遗漏两类观测: 进城较晚的工资率较低的个体、 进城较早的取得本地户籍的个体( 工资率较高) 。根据观测个体获得样本回归函数为实线， 参数估计值是?1; 真实总体回归函数为虚线， 真实总体参数是 1。根据图示，OLS 估计将低估早进城的学习效应。由于 OLS 估计会低估早进城的劳动力市场回报， 本文以流动人口首次进城当年户籍地春季降雨量作为其首次进城年龄的工具变量， 以减少内生性偏误。中国地处北半球， 35 月为春季， 63712021 年第 12 期由于篇幅限制， 并未报告所有变量详细的描述性统计结果， 若有需要

33、可联系作者。本文样本包含了那些首次进城后由农业户口转为非农户口( 非调查地户籍) 的观测个体 3161 个， 其中通过进城途径获得非农户口者 1677 个， 通过征地等途径获得非农户口者 1484 个。利用这部分样本， 本文检验发现非农户口者工资率高于农业户口者， 尤其是那些通过进城途径获得非农户口的个体工资率更高。降水量数据采用国家气象信息中心制作的 中国地面气候资料日值数据集( V3. 0) ， 该数据集包含 1965 年 1 月至 2017年 12 月本站降水量日值数据， 数据中不同年份基站数有变化， 1975 年前测量基站数是 620 个， 1976 年 12 月开始逐年增加到 839

34、个。数据匹配时根据调查年份涵盖的基站经纬度与距离最近的县( 区) 政府所在地经纬度匹配。8 月为夏季， 911 月为秋季， 12 月至次年 2 月为冬季。一年之计在于春， 春季降水量对全年农业生产具有决定性作用， 进而影响迁移决策。本文以 “降水距平百分率” 计算旱涝等级，并根据鞠笑生等( 1997) 和刘强军等( 2014) 的旱涝等级标准， 将“降水距平百分率” 划分为 7 个旱涝等级，“降水距平百分率” 越高， 表示当季降水越多， 计算过程如下: ( 1) 利用全国 19652017 年 839 个基站逾 1548 万条日降水量数据， 计算每个基站历年春季“降水距平百分率” 及旱涝等级(

35、 见表 1) 。( 2) 根据经纬度信息， 计算流动人口户籍所在县( 区) 与所有基站距离， 按照最小距离原则匹配基站和户籍地县( 区) 。( 3) 以流动人口首次离开户籍地当年匹配基站春季旱涝等级作为流动人口首次进城年龄的工具变量。根据降水量数据， 中国春季旱灾发生频率高达 78. 07%， 涝灾发生率为 4. 48%。表 1降水距平旱涝等级分类等级 旱涝类型1 重旱2 大旱3 偏旱4 正常5 偏涝6 大涝7 重涝降水距平百分率( %)H 7575 H 50 50 H 2525 H 2525H 5050H 75H75发生比例( %)50. 8415. 4911. 7417. 453. 070

36、. 830. 58注: 旱涝发生等级根据 2017 年流动人口监测数据及流动人口首次外出年份降水数据整理。有效的工具变量需要满足相关性和外生性两个条件。如图 4 所示， 农村移民首次进城年龄的分布也呈现倒 U 型， 但在不同年景首次进城年龄分布略有差异。在灾害不严重或正常年景， 农村移民首次进城年龄平均为 23. 8 岁， 首次进城年龄集中分布在 20 岁左右， 说明青壮年劳力是迁移的主力军。在遭遇严重干旱时， 农村移民首次进城年龄平均为 25. 1 岁， 20 岁左右首次进城年龄的人口比例下降， 25 岁以后首次进城的人口比例增大， 说明在重旱时农村移民年龄增大。在遭遇严重涝灾时， 农村移民

37、首次进城年龄平均为 22. 3 岁， 首次进城年龄分布比重旱时整体向左上移动， 016 岁首次进城年龄人口比例明显上升， 20 岁左右首次进城人口比例也有所上升， 25 岁以后首次进城的人口比例则有所下降， 说明在遭遇重涝时， 农村移民首次进城年龄整体下降。这种分布差异和中国自然灾害的发生及政府抗灾救灾的模式有关。在遭遇严重自然灾害时， 政府有组织救灾减灾的常规机制， 但面对不同的灾害， 救灾的重点和模式不同。在面临严重旱灾时， 为了确保农业生产， 各级政府会组织大量人力物力抗旱， 农村青壮年劳动力是抗旱救灾的主力。部分青壮年劳动力因为参加抗旱而未能进城务工， 重旱时农村青壮年劳力进城比例反而

38、下降。重涝不仅严重破坏农业生产， 还会导致农村家庭财产损失， 甚至危及农民人身安全。政府组织救灾的重点是转移受灾群众， 确保人民生命安全， 实施救灾的主力是消防官兵、 武警部队甚至是职业军人。因此， 面临严重的洪涝灾害时， 农民倾向于选择进城务工以对471魏东霞、 陆铭: 早进城的回报: 农村移民的城市经历和就业表现本文尝试以其他三个季节旱涝等级作为工具变量， 发现夏季、 秋季旱涝等级作为工具变量时， 第一阶段结果不显著， 以冬季旱涝等级作为工具变量时， 第一阶段弱显著。这说明， 农村居民是不是外出， 的确主要受春季灾害程度影响。根据刘强军等( 2014 ) ， “降水距平百分率” 计算公式为

39、: Hi= ( ( xj x) /x) 100%， Hi为 “降水距平百分率” ， xj为某时段降水量， x为累年或累季同时段降水量均值， 该指标考虑了地区常年降水量特征， 具有很好的时空对比性。根据 “降水距平百分率” 公式， 每个区站某年春季 “降水距平百分率” 等于该区站某年春季平均降水与该区站 53 年间平均春季降水之差再除以平均降水， 得到春季每个区站某年的春季降水距平百分率， 再换算成 “降水距平百分率” 衡量的旱涝等级。经纬度指基站经纬度和县( 区) 政府所在地经纬度， 通过经纬度计算流动人口户籍所在县( 区) 与所有基站距离， 按最小距离原则匹配基站和户籍地县( 区) 。如江慧

40、珍和朱红根( 2015) 对南方稻谷区 755 份调查问卷显示， 80%以上农民具有抗旱意愿， 且抗旱救援队日常工作需要技术做支撑， 以青壮年劳动力为主。作者根据 2017 年流动人口监测数据统计， 1984 年以来中国各地春季重旱发生的比例是 61. 13%， 但农民在当地春季重旱时发生迁移的比例只有 50. 96%， 说明在遭遇春季重旱时， 确实有一部分青壮年劳力因为抗旱而减少进城务工了。冲水灾造成的损失，甚至会携带未成年子女一起进城避灾， 选择举家迁移。和发生严重旱灾时比较， 在严重涝灾时， 不仅青壮年劳力进城务工比例增多， 随迁子女比例也增多， 进城人口年龄下降。因此， 根据中国乡城移

41、民的年龄特征和抗灾救灾模式， 降水量不仅影响农民进城的概率， 而且影响进城人口的年龄结构， 工具变量满足相关性。工具变量的排他性问题。以旱涝等级度量的降雨量取决于当地的自然条件， 这种自然条件会影响农村移民进城决策， 一般而言不会直接作用于移民当前的工资水平。如上所述， 严重涝灾可能会导致农民财产损失， 农民更多选择举家迁移， 工具变量可能通过财产损失和迁移模式两个渠道影响移民当前的工资水平。从理论上分析， 财产损失可能通过财富效应影响当前工资水平。不过， 严重涝灾导致的农民财产损失， 主要是大牲畜、 家畜家禽、 大型农具、 粮食储备或者农村房屋， 这些财产主要适用于农村生产和生活， 对城市生

42、产和生活作用甚微， 重涝导致的财产损失应该不会影响农村移民当前劳动力市场表现。另外， 农村移民迁移模式可能会影响当前劳动力市场表现。本文各模型均控制农村移民首次进城的迁移模式， 以剔除迁移模式对工资水平的影响， 使本文工具变量在给定其他条件时满足外生性。图 3样本选择偏误图 4春季旱涝等级与农村移民首次进城年龄分布( 四) 机制检验如上所述， 流动人口通过早进城提高非认知能力， 提升其进入现代服务业的概率， 进而改善其劳动力市场回报。机制分析步骤如下: ( 1) 检验不同行业劳动力市场回报的差异; ( 2) 识别早进城对当下工作行业的影响; ( 3) 考察早进城能否提高非认知能力， 并检验非认

43、知能力对流动人口工作行业的作用。为进一步区分移民进城和从事当前工作的先后顺序， 依据监测数据中流动人口首次进城时间与从事当前工作时间， 判断该移民进城决策与工作行业选择的先后顺序， 分别考察进城后从事当前工作的个体和进城即从事当前工作个体非认知能力对其行业选择的不同影响。参考 Heckman Corbin( 2016) 、 乐君杰和胡博文( 2017) 、 王春超和张承莎( 2019) 对非认知能力定义， 本文从社交活动和积极进取心两个维度度量非认知能力。( 1) 监测数据“Q501A Q501F”询问流动人口在本地社会活动参与情况， 个人参与其中任意一项社会活动 ， “社交活动” 变量赋值为

44、 1， 否则为 0; ( 2) 监测数据“Q316” 询问流动人口留在城市的原因。如因个人发展、 积累工作经验、 子女有更好教育机会或社会关系网络留在城市 ， “积极进取心” 赋值 1， 其他原因留在城市赋值0。非认知能力指标定义及含义见表 2。5712021 年第 12 期实证研究表明， 湄公河的农民在洪灾发生的季节里， 如果稻谷受损， 习惯于向城市地区进行劳动力迁移以获得传统农业以外的收入维持生计( Warner et al， 2008) 。表 2非认知能力指标及定义流动人口监测数据问题指标定义及含义社交活动Q501A:2016 年以来您在本地是否参加过工会活动?Q501B:2016 年以

45、来您在本地是否参加过志愿者协会活动?Q501C:2016 年以来您在本地是否参加过同学会活动?Q501D:2016 年以来您在本地是否参加过老乡会活动?Q501E:2016 年以来您在本地是否参加过家乡商会活动?Q501F:2016 年以来您在本地是否参加过其他活动?个人只要参加其中任何一项活动赋值为 1， 否则赋值为 0。积极进取心Q316: 打算继续留在本地的人中， 留下的原因是什么?1. 收入水平高; 2. 个人发展空间大; 3. 积累工作经验; 4. 城市交通发达生活方便; 5. 子女有更好的教育机会; 6. 医疗技术好; 7. 与本地人结婚; 8. 社会关系网都在本地; 9. 政府管

46、理规范; 10. 家人习惯本地生活; 11. 其他选择 2、 3、 5、 8 者说明留在城市是为了借助于城市更好的学习资源和社会网络获得自身及后代发展， 积极进取心变量赋值 1， 否则为 0。四、实证研究( 一) 基准回归表 3 报告了基准估计结果。第( 1) 列单变量回归结果表明， 农民首次进城年龄越小， 其当前劳动力市场回报越高。第( 2) ( 4) 列依次增加控制变量， 首次进城年龄的系数估计值在 0. 001左右， 且在 1%5%水平上显著。为区分个体累计进城时间与进城早晚对其劳动力市场回报的影响， 第( 5) 列进一步控制累计进城年数及其与首次进城年龄的交互项。依据两个变量的定义，年

47、龄 = 首次进城年龄 + 累计进城年数， 累计进城年数、 首次进城年龄、 年龄三者完全共线， 第( 5) 列未控制年龄及年龄平方项。结果显示， 移民累计进城年数越长， 其当前小时工资越高， 这与 Glaeser Mar( 2001) 基于美国微观数据的研究结果一致。在控制累计进城年数后， 移民首次进城年龄与其当前工资率依然是负相关的。特别是， 首次进城年龄和累计进城年数的交互项显著为负， 说明早进城者的累计进城年数的边际效应更大， 城市的学习效应在早进城者身上更加显著。根据第( 4) 列结果， 控制变量的系数估计值均显著且符合预期， 说明本文模型设定是合理的。其中， 移民收入与其年龄呈倒 U

48、型， 转折点在 34 岁，这个结果与工资方程中的发现一致， 移民在壮年后收入下降。男性、 已婚、 跨省迁移的移民小时工资均显著高于其参照组。受教育水平可以提高流动人口小时工资， 说明受教育水平相同， 早进城者仍然可以获得额外的人力资本回报。采用表 3 第( 4) ( 5) 列的模型设定， 本文利用 20112015 年国家卫计委流动人口监测数据检验上述结果的稳健性。结果显示， 根据历年监测数据， 农村移民首次进城年龄越小， 其劳动力市场回报越高， 系数估计值在 0. 001 0. 003 之间; 类似地， 农村移民首次进城年龄和累计进城年数的交互项系数显著为负， 说明早进城者的累计进城时间的边

49、际效应更大， 其劳动力市场回报也越高。因此， 流动人口首次进城年龄与其劳动力市场回报的关系在历年流动人口监测数据中均是稳健的。如上所述， 流动人口监测数据遗漏了返乡者和已取得本地户籍者。本文利用 2012 年中山大学中国劳动力动态调查( CLDS) 数据， 进一步考察城市学习效应在返乡者身上是否显著。由于 CLDS只报告返乡者在户籍地的收入， 当年在城市务工的收入缺失， 无法直接比较返乡者和进城者在城市671魏东霞、 陆铭: 早进城的回报: 农村移民的城市经历和就业表现年龄系数是 0. 0408， 年龄平方的系数是 0. 0006， 34 =0. 0408/( 2 0. 0006) 。由于篇幅

50、限制， 并未在文中报告该组结果， 若有需要可联系作者。的收入差异。因此， 本文比较返乡者和一直在本地者的收入差异、 返乡者内部首次进城年龄的效应。表 4 第( 1) ( 2) 列结果显示， 曾经进城务工现在返乡的个体， 小时工资比一直在农村本地的个体高 15. 9%; 在控制个人特征和地区固定效应后， 返乡者的小时工资依然比一直在农村本地的个体高 17. 8%。可见， 同为农村本地就业， 进城务工经历确实有助于提高其劳动力市场表现。第( 3) ( 4) 列将样本限制在返乡者内部， 估计结果显示， 不论是否控制个人特征， 首次进城年龄越小， 返乡后其小时工资也越高。因此， 进城学习效应在返乡者身