城市舒适度对劳动力流动的影响

来源:用户上传      作者:

　　摘要 随着中国经济发展水平的提高和劳动者收入的增加，劳动者更加重视生活质量，因此城市舒适度在劳动力迁移决策中的作用日益重要。本文构建城市人为舒适度和自然舒适度指标，利用2016年中国劳动力动态调查数据（CLDS）和121个地级及以上城市的特征数据，采用条件logit模型研究了舒适度等城市特征对劳动力流动目的地选择的影响。结果表明：①更高的人为舒适度和自然舒适度是城市吸引劳动力流入的重要因素。劳动力为了享受当地的教育、医疗、文化、卫生、环境而流向人为舒适度更高的城市，城市人为舒适度每增加1%，城市被选择的概率平均上升0.17%，具有适宜的天气条件的城市对劳动力的流入起拉动作用，城市自然舒适度增加1%，城市被选择的概率平均上升0.375%。②从变量标准化后的回归结果看，城市人为舒适度和自然舒适度对劳动力流动决策的影响程度小于工资的影响程度。③不同年龄和不同受教育程度的劳动力对城市人为舒适度和自然舒适度表现出异质性反应：年龄更小、受教育年限更高的劳动者对人为舒适度的反应更强;年龄越大、受教育年限越高的劳动者对自然舒适度的反应越弱。因此，城市在吸引劳动力方面首先要立足于提升劳动者的真实工资水平和创造更多的就业机会，同时，城市需要全面提升人为舒适度水平，提高劳动者的生活质量从而吸引劳动力尤其是高技能劳动力的流入。
　　关键词 舒适度;工资;劳动力流动;条件logit模型
　　中图分类号 C971 文献标识码 A 文章编号 1002-2104（2019）03-0118-08 DOI：10.12062/cpre.20181005
　　 中国流动人口规模巨大，从2010年第六次人口普查数据来看，2010年中国流动人口的规模达到2.21亿，占全国总人口的比例为16.53%。大量劳动力向城市流动和聚集，通过人力资本积累效应促进了城市的经济增长。正是基于人力资本積累对城市增长和发展重要作用的深刻认识，当前我国许多城市推出各种优惠政策吸引劳动力尤其是高技能劳动力，以期提升城市增长和发展的内生动力，引发“人才抢夺战”。由此引出的一个重要问题是，城市靠什么吸引劳动力，尤其是高技能劳动力？早期发展经济学理论认为工资和就业机会是影响劳动力流动的主要因素，随着经济发展水平的提高和劳动者收入的增加，劳动者更加重视生活质量，城市舒适度是否影响劳动力目的地选择已经引起西方学者的广泛关注，Diamond[1]把城市舒适度（amenity）定义为本地工资和价格以外的影响城市居住适宜性的一些城市特征，包括外生的如气温、降水、靠近港口等地理因素以及内生的如学校质量、零售环境、犯罪、交通设施、职业市场质量（工资以外）等因素。Diamond[1]的研究发现，高技能劳动者愿意承担较高的住房成本而选择生活在具有合适的工资和舒适度的城市。中国关于劳动力流动目的地选择的研究较多关注工资和就业机会等经济因素，对舒适度在其中的影响作用关注较少。城市舒适度对中国劳动力的流动决策是否有影响？劳动力是为了工资还是舒适度而流向某城市？异质性劳动力对城市舒适度的反应如何？这些问题的研究有利于为城市吸引劳动力尤其是高技能劳动力提供有针对性的理论依据和政策借鉴，具有重要的现实意义。
　　1 文献述评
　　劳动力的迁移决策受一系列因素的影响，20世纪早期的相关研究尤其关注收入对劳动力迁移的影响，这些研究大多基于非均衡视角展开，一般认为，地区收入差距反映了地区效用差异，因此，劳动力迁移至预期真实收入更高的地区以获得更高的个人效用构成了劳动力迁移的主要动机。如Sjaastard[2]认为，劳动力在迁移时考虑迁移的收益和成本，迁移至净收益现值最大的地区，其所关注的收益主要是收入;Todaro[3]的城乡劳动力迁移研究对收入因素进行扩展，认为由真实收入和就业概率共同决定的城乡预期真实收入差距影响劳动者的迁移决策。然而，Graves[4-6]基于均衡视角展开的研究则表明，地区收入差距并不一定反映出地区效用差异，在均衡时，工资和地租会进行调整使劳动者在不同地区所获得的个人效用不变;不同地区的收入和地租差异实际上补偿了不同地区的舒适度差异，人们对舒适度的需求随着收入水平和相对价格水平等因素的变化而发生变化，舒适度的空间分布不均等，劳动者通过迁移来获得不同的舒适度水平，从而开创性地将舒适度引入到劳动力流动的研究中。在考虑了地区舒适度之后，非补偿性的地区差异因素才反映地区效用差异从而引发劳动力的迁移，因此，Greenwood[7]认为在迁移的实证模型中，除了纳入工资和地租外，还应该纳入舒适度这一变量。此外，基于工资和地租的补偿性作用，也有大量研究如Roback[8-9]和Rappaport[10]利用地区工资和地租来估算地区的生活质量和环境质量。
　　此后，舒适度在劳动力迁移和城市增长方面的作用受到国外学者越来越多的关注， Rappaport[11]研究表明，劳动力愿意迁移至自然舒适度高的地区。其他研究不仅关注自然舒适度还关注人为舒适度， Glaeser[12]研究发现，具有高舒适度的城市比低舒适度的城市发展的更快，城市吸引劳动力除了要依靠高工资外也要依靠高生活质量这一舒适度指标; Peck[13]和Lahr[14]认为，城市通过提供高标准的公共服务和文化等人为舒适度吸引高技能人才进而吸引投资来促进城市增长; Diamond[1]对1980—2000年美国不同技能劳动者地域选择决定因素的研究表明，内生的舒适度水平变化是驱使劳动者对当地劳动力市场需求冲击作出迁移反应的重要机制;高、低技能劳动者都偏好于高工资、低地租和高舒适度的地区;高技能劳动者对舒适度水平相对更敏感，低技能劳动者则对工资和地租更敏感。Albouy[15]等通过拓展新古典一般均衡模型，发现生活质量和就业机会可以很好的解释人口流动的地域选择，并且生活质量在人口地域选择中的作用大于就业机会。尽管大量研究表明城市舒适度在吸引劳动力和促进城市增长方面的重要作用，然而也有部分学者对此提出了质疑。如Storper[16]等对适宜的气候和高迁入率之间的关系提出质疑，认为聚集经济才是吸引劳动力的重要因素。还有实证研究如Arnts[17]和Niedomysl[18]表明，处于工作年龄的人倾向于选择就业机会多的地区而不是高舒适度的地区。Scott[19]对美国工程师迁移行为的研究发现，就业机会而非舒适度在迁移目的地的选择中起决定性的作用。 　　近期研究进一步发现，劳动力对地区舒适度的偏好在生命周期的不同阶段也不尽相同， Chen[20]等基于美国1970—2000年的数据检验了年龄、婚姻、受教育程度对个体及家庭迁移决策的影响，结果表明，年轻且受过高等教育的家庭倾向于迁移至商业环境质量高的地区，即将退休的家庭倾向于迁移出商业环境高的地区而迁移至消费舒适度高的地区。Whisler[21]等研究发现，美国地区迁出率取决于人口生命周期的不同阶段和空间人口特征，生活质量、文化和休闲娱乐舒适度降低年轻的受过大学教育人口的迁出率，年老的受过大学教育的人更偏好温和的气候和地区安全。
　　国内对劳动力迁移影响因素的早期研究主要集中在工资、房价、外商直接投资等方面。高波等[22]引入房价因素，对新经济地理学模型进行拓展，发现区域房价差异导致劳动力流动。张莉等[23]使用2012年和2014年中国劳动力动态调查数据（ CLDS） 和2000—2012年250个地级市的房价数据匹配出一个房价如何影响劳动力流动的微观数据库，发现房价对劳动力流动存在“倒U型”影响。臧新等[24]建立了省级层面外资集聚影响劳动力流动的截面数据回归模型，回归结果显示，在控制了教育、房价、地理距离、地理邻接、城市基础设施等诸多因素后，外资集聚对劳动力流入产生了显著的推动效应。随着中国经济的发展和收入水平的提高，城市舒适度逐渐受到人们的重视，近年来国内已有研究关注城市舒适度对劳动力迁移决策和城市规模分布的影响。夏怡然等[25]利用2005年1%人口抽样调查中劳动力流动的微观数据与220个地级市的城市特征数据，研究了公共服务与工资等城市特征对劳动力流向的影响，研究表明，劳动力选择流向某个城市，不仅为了获得该城市更高的工资水平和就业机会，而且还为了享受该城市的基础教育和医疗服务等公共服务。刘修岩等[26]建立了一个考虑异质性个体迁移决策和房价内生性的城市体系模型，将影响城市规模分布的因素分解为效率、舒适度、迁移摩擦和房價四个方面，通过反事实实验模拟了这些因素的变化对中国城市规模分布的影响，研究发现，效率、舒适度、迁移摩擦和房价在中国城市规模分布的决定中发挥着重要作用。
　　梳理以上文献发现现有研究存在以下不足：第一，国内已有研究对城市舒适度的测度有待完善，有些学者只关注人为舒适度而忽略自然舒适度对劳动力流动的影响，如夏怡然等[28]的研究关注基础教育和医疗服务对劳动力流向的影响。第二，在数据选择上，大多数研究选用地区加总数据来分析劳动力流动的影响因素，较少采用微观个体数据来研究流入地特征对劳动力流动决策的影响，已有的利用微观个体数据的研究，选用的数据是2005年1%人口抽样调查数据，滞后的数据难以反映中国劳动力流动的最新趋势。本文可能的边际贡献可归结为两个方面：第一，构建城市自然舒适度指数和涵盖更为全面的城市人为舒适度指数，对城市舒适度进行更为全面的测度。第二，由于舒适度对劳动力流动的效应受到经济发展水平的影响，本文利用2016年中国劳动力动态调查的最新数据进行检验，得出的结论具有更强的时效性。
　　2 模型设定与数据
　　2.1 模型设定
　　劳动者对迁移目的地的选择基于个体的效用最大化原则，劳动者选择迁移至某个城市的效用函数设定如下：
　　Uij=αAij+βWij+γZij+εij （j=1，2，…，J） （i=1，2，…，N）（1）
　　式中，i表示劳动者个体，j表示劳动者可选择的迁移目的地城市，Aij表示劳动者i可选的城市j的舒适度变量，Wij表示劳动者i可选的城市j的工资变量，Zij表示劳动者i可选的城市j的其他特征变量，εij为不可观测因素。当劳动者i选择迁移至城市j时，则假定劳动者i选择城市j所获得的效用最大，因此，城市j被劳动者个体i所选中的概率为：
　　麦克法登于1974年证明，如果扰动项εij是独立同分布的极值I型分布（Gumbel），那么劳动者个体i选择迁移目的地城市j的概率为：
　　Prob（choiceij=1）=exp（αAij+βWij+γZij）∑Jj=1exp（αAij+βWij+γZij）（3）
　　被解释变量choiceij是0、1变量，当城市j被劳动者i选中，choiceij 取值为1，否则，当城市j未被劳动者i选中，choiceij 取值为0。我们将用Mcfadden[27]发展的条件logit模型来估计式（3）中城市特征的参数α、β、γ，这些参数反映了城市特征值的大小对城市被选择概率的影响，参数为正，表明城市特征值越大，该城市被选择的概率越大;参数的绝对值越大，表明影响程度越大。
　　2.2 数据与变量说明
　　劳动力流动的个体数据来自中山大学社会科学调查中心的“2016年中国劳动力动态调查数据”（CLDS）。CLDS2016的流动人口指的是从一个县市迁移到另一个县市，并连续居住6个月及以上的人口。CLDS2016包含的流动样本共4 084个。本文选取迁移时间为2004—2015年并且迁移原因为务工经商的样本，由于一些劳动力的个体特征变量值缺失和一些城市特征的变量值缺失，通过与城市数据相匹配，本文识别出1 055个跨市流动劳动力样本。表1报告了流动劳动力个体特征性别（sex）、年龄（age）和受教育程度（edu）的描述性统计。
　　本文中劳动力流入的地级及以上城市的数量为121个。在条件logit模型的估计中，每个劳动力个体i面临j个可选的城市，总的观测数为劳动力个数乘以城市个数，本文的观测值为127 655（1 055×121）个。
　　文中的核心解释变量为城市的舒适度，参考戴蒙德（Diamond）的做法[1]，本文共选取了11个具体的指标，把这些指标分为反映教育（EDU）、医疗（HOSP）、文化（CULT）、交通（TRANS）、环境（ENV）的五大类，采用主成分分析法，构造了反映城市人为舒适度（mame）的综合指数。此外，基于数据的可获得性，本文利用年降水量（precip）和取暖度日数（cold）这两个变量来构造自然舒适度指数（name）。年降水量采用城市全年日降水量加总得到，取暖度日数的构造参考格雷夫斯（Graves）的做法[6]，采用全年每日平均气温低于18℃的差值之和。城市气温和降水量原始数据来源于中国气象信息中心提供的《中国地面气候资料日值数据集（V3.0）》，从全国824个基准气象监测站点中挑选对应城市的相关数据，个别城市市区没有对应气象监测站点，采用距离该城市市政府驻地直线距离最近气象监测站点数据。 　　人为舒适度的主成分分析的步骤是，首先利用各个分类别具体变量的第一主成分分别构造教育指数、医疗指数、文化指数、交通指数和环境指数。接下来，利用这些指数的第一主成分构造城市人为舒适度指数。表2报告了各指数构成的载荷系数，各载荷系数均为正，表明人为舒适度指数合理地反应了教育、医疗、文化、交通和环境情况。自然舒适度指数是利用取暖度日数和年降水量指标的第一主成分构造。其中，取暖度日数越大代表寒冷度越高，取暖度日数的载荷系数为负，年降水量的载荷系数为正，表明高的自然舒适度指数反应了较湿润和较温暖的天气条件。人为舒适度和自然舒适度的主成分分析见表2。
　　预期劳动者流向具有更完善的教育、医疗、文化、交通、环境资源的城市，也就是人为舒适度更高的城市，适宜的自然天气条件也是吸引劳动者迁移的因素。
　　本文的另一组重要变量是反映劳动力市场机会的工资（wage）和失业率（unemp）， 预期劳动者流向工资水平更高和失业率更低的城市。
　　 其他的控制变量包括：产业结构（stru），用第三产业产值和第二产业产值之比衡量产业结构，第二、第三产业不同的就业吸纳能力使得城市的的产业结构对劳动力的就业机会产生影响;固定资产投资（inv），固定资产投资占GDP的比重越高，在短期内可能增加对劳动力的需求;人口规模（pop），用城市年末户籍人口数量来衡量人口规模，劳动力在人口规模更大的城市获得就业机会的概率更大，人口规模还会影响城市人为舒适度的水平，因为教育、医疗、文化、交通、环境设施的供给具有规模效应。到三大港口（上海、天津、香港）的最近距离（dist），由谷歌在线电子地图测量所得，到大港口的距离反映了与就业和工资相关 的地理因素;房价（hpri），房价一方面衡量城市的居住成本，高房價通过降低可支配收入，对劳动力的流入产生阻力作用，另一方面，房价可能“资本化”了城市舒适度，控制房价变量，可以准确估计工资和舒适度的系数，另外，参考张莉等[23]的研究，房价作为城市特征信号降低了预期未来收入的不确定性对劳动力带来拉力作用，作为居住成本对劳动力流入产生阻力作用，两种作用最终对劳动力流动产生先吸引后抑制的倒U型影响，因此，我们在控制变量中还加入了房价的平方项（hpri2）。
　　由于2016年中国劳动力动态调查数据中劳动力个体的迁移时间分散，我们选取其中迁移时间分散在2004—2015年的流动劳动力，因此参考夏怡然[28]的做法，我们将城市特征数据滞后多年。另外，人为舒适度的数据选择前定变量，也避免了人为舒适度的供给与人口流入存在的双向因果关系所带来的内生性问题。以上城市层面房价数据来自2006年《中国区域经济统计年鉴》，其它城市层面用于计算的基础数据来自2004年《中国城市统计年鉴》，表3报告了城市特征的描述性统计。
　　3 实证结果
　　3.1 回归结果及分析
　　表4报告了城市舒适度影响劳动力流向决策的基本回归结果。在回归1中，只考虑城市的人为舒适度和自然舒适度吸引外来劳动力的作用，发现人为舒适度和自然舒适度均存在显著的正效应。回归2在回归1的基础上加入了工资变量，人为舒适度、自然舒适度、工资这三个变量的系数均显著为正，但人为舒适度和自然舒适度的系数值下降。回归3在回归2的基础上加入失业率、产业结构、固定资产投资、人口规模、到港口的距离这些衡量就业机会的变量，以及衡量城市居住成本的房价和房价的平方项，发现人为舒适度、自然舒适度、工资的系数依然保持显著的正效应，回归3的结果表明，劳动力为了享受当地的教育、医疗、文化、卫生、环境而流向人为舒适度更高的城市，城市人为舒适度每增加1%，城市被选择的概率平均上升0.17%。劳动力在流动目的地的决策中除了考虑人为舒适度外，还会考虑城市天气条件因素，自然舒适度每增加1%，城市被选择的概率平均上升0.375%，表明具有适宜的气候条件的城市对劳动力的流入起拉动作用。工资的系数显著为正，表明城市的工资越高，城市被流动劳动力选择的概率越大。工资增加1%，城市被选择的概率将增加0.01%。
　　在控制变量中，高失业率对劳动力的流入产生阻力作用，原因在于，失业率越高意味着城市的就业机会相对越少，城市被劳动力选择的概率越小。产业结构的系数显著为正，表明第三产业相对第二产业对外来劳动力的拉动作用更强。固定资产投资的系数显著为负，与预期不一致。人口规模的系数显著为正，表明劳动力流向人口规模更大的城市，人口规模更大的城市通过聚集经济可以给劳动者提供更高的工资和更多的就业机会。到大港口的距离的系数显著为负，表明海上交通运输对城市创造就业进而吸引流动劳动力具有显著的促进作用。房价的系数为正，房价平方项系数为负，表明城市房价对劳动力流入呈现出先吸引后抑制的倒U型影响。
　　为了比较城市特征人为舒适度、自然舒适度与工资对城市被选择的概率影响作用的大小，对所有城市特征变量进行标准化处理，即变量的原始值减去均值再除以其标准差。回归4对标准化处理后的变量进行条件logit估计，结果显示，工资每增加一个标准差，城市被选择的概率提高0.506倍;人为舒适度每增加一个标准差，城市被选择的概率提高0.165倍;自然舒适度每增加一个标准差，城市被选择的概率提高0.480倍，这一结论与Glaeser[12]的研究结论类似。Glaeser对美国1977—1995年人口的增长与城市舒适度的关系进行研究，结果显示温和的气候促进了城市人口的增长，温和的气候增加一个标准差，人口增长0.35个标准差。城市工资对劳动力的吸引作用最强，自然舒适度的作用强度次之，人为舒适度的作用最弱。这一结论与Scott[19]的研究结论类似，Scott对1994—1999年美国工程师迁移目的地选择的影响因素进行研究，发现就业机会对处于工作年龄的工程师迁移起主导作用，舒适度对其没有影响，而温暖的冬天对即将退休或已退休的工程师的迁移起正向的促进作用。
　　3.2 稳健性检验 　　3.2.1 采用分类的人为舒适度指标
　　把人为舒适度综合指数分解为基础教育指数、医疗指数、文化指数、环境指数，交通指数，分别从五个方面来检验其对劳动力流向的影响。表5中回归4的结果显示，基础教育指数的系数显著为负，中国的基础教育受户籍制度的约束，没有本地户口的外来劳动力不能同等地享受本地的基础教育。基础教育水平高的城市，其落户门槛相对也较高，阻碍了外来劳动力的流入。医疗指数的系数显著为正，表明医疗服务对外来劳动力的歧视性没有基础教育那么强，即使存在户籍制度的约束，劳动力依然倾向于流向医疗条件发达的城市。文化指数的系数显著为正，文化服务对外来劳动力没有歧视性。文化资源越丰富的城市吸引外来劳动力的能力越强。环境指数的系数显著为正，表明城市环境对外来劳动力的流入起到正向的促进作用。交通指数的系数不显著，整体来看，城市人为舒适度是劳动力流动的重要考虑因素。
　　3.2.2 采用分类的自然舒适度指标
　　表5中的回归5把自然舒适度分为取暖度日数和降水量两个指标，检验两个分指标各自对劳动力流向的影响。取暖度日数衡量的是寒冷度，取暖度日数越大意味着寒冷度越高，其系数显著为负，表明劳动者偏好于温暖的天气，相对寒冷的城市对劳动力的流入起到了阻碍的作用。降水量的系数显著为正，表明劳动者倾向于流向具有较湿润天气的城市。
　　进一步地，回归6用所有分指标进行检验，各分指标的作用方向与回归4、5相一致。
　　3.2.3 IIA假设和Hausman检验
　　条件logit模型的前提假定是无关选项独立性假设（independence of irrelevant alternateves assumption， IIA）， 即任意两个选项的概率比与其他选项无关。此假定的有效性可以通过Hausman检验来检验，Hausman[28]检验的原理是：如果选项是不相关的，那么從模型中剔除某一选项将不会系统性的改变估计参数。排除这些选项会是无效率的但是不会导致不一致性。如果概率比并不是真正的独立于其他选项，那么排除一些选项将会导致估计的参数呈现不一致性。我们采用Hausman检验对本文的条件logit模型进行检验，结果没有拒绝“系数没有系统性差异的”的原假设，即模型通过了无关选项独立性假设，确认了条件logit模型所得结果的可信性。
　　4 模型的拓展：个体异质性
　　前文我们将所有劳动力视为对人为舒适度和自然舒适度偏好相同的同质个体，得到的是城市特征影响劳动力流向的平均效应。这一部分，我们将考虑年龄、受教育水平这两个劳动力个体特征对舒适度的异质性反应，我们在基础模型中引入舒适度和个体特征的交互项来捕捉舒适度影响劳动力流向的个体异质性。表6的回归7和8分别报告了个体特征的异质性回归结果。
　　回归7引入城市的人为舒适度与个体劳动者年龄的交叉项、自然舒适度与年龄的交叉项。人为舒适度与年龄交叉项的系数显著为负，表明年龄较大的劳动力对人为舒
　　适度的反应较弱，可能的原因在于，房价资本化了部分城市舒适度，人为舒适度较高的城市房价较高，年龄较轻的劳动者较少考虑购买住房，更加偏好于城市的高舒适度，随着年龄的增加，劳动者开始考虑购买住房并愿意放弃高舒适度的城市而选择房价相对较低而舒适度水平也相对较低的城市。结合房价对劳动力迁移决策的倒U型影响来看，在房价拐点以前，劳动者倾向于流向房价相对较高的城市，在房价拐点之后，劳动者选择房价相对较低的城市的概率增加。回归7中自然舒适度与年龄的交叉项系数显著为负，表明随着年龄的增加，劳动者对自然舒适度的反应降低，可能的原因与前面的原因一致。
　　在回归8中，人为舒适度与受教育年限的交叉项系数显著为正，表明相对于受教育年限较低的劳动者，受教育年限较高的劳动者对人为舒适度的反应更强，更倾向于流向教育、医疗、文化、交通、环境等综合公共服务水平高的城市。自然舒适度与受教育年限的交叉项系数显著为负，表明随着受教育年限的提高，外来劳动力对自然舒适度的反应减弱，可能的解释是，受教育年限较高的劳动者所从事的职业较少受天气条件的影响。
　　5 结论与政策启示
　　本文利用2016年中国劳动力动态调查数据（CLDS）和121个地级及以上城市的城市特征数据，构建涵盖更为全面的城市人为舒适度指数和自然舒适度指数，采用条件logit模型研究了城市舒适度等城市特征对劳动力流动目的地选择的影响。主要结论如下。
　　（1）更高的人为舒适度和自然舒适度是城市吸引劳动力流入的重要因素。劳动力为了享受当地的教育、医疗、文化、卫生、环境而流向人为舒适度更高的城市，城市人为舒适度每增加1%，城市被选择的概率平均上升0.17%，具有适宜的天气条件的城市对劳动力的流入起拉动作用，城市自然舒适度每增加1%，城市被选择的概率平均上升0.375%。
　　（2）从变量标准化后的回归结果看，城市人为舒适度和自然舒适度对劳动力流动决策的影响程度小于工资的影响程度。
　　（3）不同年龄和不同受教育程度的劳动力对城市人为舒适度和自然舒适度表现出异质性反应：年龄更小、受教育年限更高的劳动力对人为舒适度的反应更强;年龄越大、受教育年限越高的劳动者对自然舒适度的反应越弱。
　　本文实证研究结论具有重要的政策启示。①由于城市人为舒适度的提高可以吸引劳动力的流入，尤其是受教育年限更高、年龄更小的劳动力，因此，城市在吸引高技能劳动力方面应该采取各种措施提高人为舒适度水平，比如提升基础教育质量;增加医院数量，完善医疗条件;增加公共图书馆、歌剧院数量，丰富劳动者的文化娱乐生活;完善城市交通网络，解决城市交通拥挤的问题，节约劳动者的出行成本;增加公园绿地面积，为劳动者创建绿色的生活环境。城市应该从整体上提升劳动者的生活质量从而吸引劳动力的流入。目前，各城市实施的放松落户限制的政策，实质上就是向劳动力开放本地的基础教育、医疗服务、文化、交通、环境等方面的公共服务。②自然舒适度水平较低的城市需要认识到气候条件的不足从而在人为舒适度和经济増长等方面实施改革，依靠于提升城市的人为舒适度水平，促进城市的经济增长来吸引劳动力。③由于城市人为舒适度影响劳动力流向的作用小于工资对劳动力流向的影响作用，因此，城市必须着力提升城市生产率，提高城市劳动力的工资水平，创造更多的就业机会，从而进一步吸引劳动力尤其是高技能劳动力的流入，实现城市经济增长的良性循环。 　　參考文献
　　[1]DIAMOND R. The determinants and welfare implication of US workers’ diverging location choice by skill： 1980-2000[J]. American economic review， 2016（3）： 479-524.
　　[2]SJAASTAD L A. The costs and returns of human migration[J]. Journal of political economy， 1962，70（5）： 80-93.
　　[3]TODARO M P. A model of labor migration and urban unemployment in less developed countries[J]. American economic review， 1969， 59（1）： 138-148.
　　[4]GRAVES P E. A reexamination of migration， economic opportunity， and the quality of life[J]. Journal of regional science， 2010，16（1）： 107-112.
　　[5]GRAVES P E. A life-cycle empirical analysis of migration and climate， by race[J]. Journal of urban economics， 1979， 6（2）：135-147.
　　[6]GRAVES P E. Migration and climate[J]. Journal of regional science， 2010， 20（2）： 227-237.
　　[7]GREENWOODM J， HUNT G L. Jobs versus amenities in the analysis of metropolitan migration[J]. Journal of urban economics， 1989， 25（1）： 1-16.
　　[8]ROBACK J. Wages， rents and the quality of life[J]. Journal of political economy， 1982，90：1257-1278.
　　[9]ROBACK J. Wages， rents， and amenities： differences among workers and regions[J]. Economic inquiry，2010， 26（1）：23-41.
　　[10]BLOMQUIST G C， BERGER M C， HOEHN J P. New estimates of quality of life in urban areas[J]. American economic review， 1988， 78（1）： 89-107.
　　[11]RAPPAPORT J. Moving to nice weather[J]. Regional science and urban economics， 2007， 37（3）： 375-398.
　　[12]GLAESER E L， KOLKO J， SAIZ A. Consumer city[J]. Journal of economic geography， 2001， 1（1）： 27-50
　　[13]PECK J. Struggling with the creative class[J]. International journal of urban and regional research， 2010，29（4）： 740-770.
　　[14]LAHR M L. Regional science， regional scientists， and state policy[J]. International regional science review，2009， 32（4）： 495-508.
　　[15]ALBOUY D， STUART B. Urban population and amenities： the neoclassical model of location[R]. Cambridge MA： NBER， 2016.
　　[16]STORPER M， SCOTT A J. Rethinking human capital， creativity and urban growth[J]. Journal of economic geography， 2009， 9（2）： 147-167.
　　[17]ARNTZ M. What attracts human capital？ understanding the skill composition of interregional job matches in Germany[J]. Regional studies， 2010， 44（4）： 423-441.
　　[18]NIEDOMYSL T， HANSEN H K. What matters more for the decision to move： jobs versus amenities[J]. Environment and planning， 2010，42：1636-1649.
　　[19]SCOTT A J. Jobs or amenities？ destination choices of migrant engineers in the USA[J]. Papers in regional science，2010， 89（1）： 43-63. 　　[20]CHEN Y， ROSENTHAL S S. Local amenities and lifecycle migration： do people move for  jobs or fun？ [J]. Journal of urban economics， 2008， 64（3）： 519-537.
　　[21]WHISLER R L， WALDORT B S， MULLIGAN G F， et al. Quality of life and the migration of the college educated： a life-course approach[J]. Growth and change， 2010， 39（1）： 58-94.
　　[22]高波， 陳健， 邹琳华. 区域房价差异、劳动力流动与产业升级[J]. 经济研究， 2012（1）：66-79.
　　[23]张莉， 何晶， 马润泓. 房价如何影响劳动力流动[J]. 经济研究， 2017（8）： 155-170.
　　[24]臧新， 起炯. 外资区城转移背景下FDI对我国劳动力流动的影响研究[J]. 数量经济技术经济研究， 2016（3）： 78-94.
　　[25]夏怡然， 陆铭. 城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究[J]. 管理世界， 2015（10）： 78-90.
　　[26]刘修岩，李松林. 房价、迁移摩擦与中国城市的规模分布——理论模型与结构式估计[J]. 经济研究， 2017（7）： 65-78.
　　[27]MCFADDEN D. Conditional logit analysis of qualitative choice behavior[M]. New York： Academic Press， 1974：105-142.
　　[28]HAUSMAN J， MCFADDEN D. Specification tests for the multinomial logit model[J]. Econometrica， 1984，52：1219-1240.
　　The impact of city amenity on labor migration
　　ZHANG Ya-li FANG Qi-yun
　　（School of Economics， Huazhong University of Science and Technology， Wuhan Hubei 430074， China）
　　Abstract As the economic development level of China and the income level of labors have increased， labors may pay more attention to quality of life， and their migration decisions may be increasingly affected by city amenities. This paper constructs a man-made amenity index and a natural amenity index， and then using the data from China’s Labor-force Dynamics Survey （CLDS） and data of city characteristics for 121 Prefecture-level cities and above to study the impact of amenity and other city characteristics on location choice of migrants in China with conditional logit model. The results are as follows： ①Man-made amenity and natural amenity are important factors for cities to attract migrants. Labor forces migrate to cities with high man-made amenity level in order to enjoy the local services of education， medical care， culture， health and environment. After the man-made amenity level increases 1%， the probability of cities chosen by migrants will increase by 0.17%. Cities with desirable weather will attract migrants as well， and after the natural amenity level increase 1%， the probability of cities chosen by migrants will increase by 0.375%. ②From the results of standard regression， the impact of man-made amenity and natural amenity on migrants’ location choice are lower than the impact of wage. ③Migrants with different ages and educational levels show heterogeneity responses to man-made amenity and natural amenity： younger and more educated migrants are more responsive to man-made amenity， and migrants who are older and more educated are less sensitive to natural amenity. The results indicate that increasing the real wage level and providing more job opportunities are basis to attract migrants. In addition， cities should improve man-made amenity level and increase the quality of life to attract migrants， especially high skilled migrants.
　　Key words amenity; wage; labor migration; conditional logit model
转载注明来源:https://www.xzbu.com/7/view-14776271.htm