2022年度城镇新增就业人口

表5.2　城市规模与就业：Probit结果

我们在表5.2中报告了分别用城市总人口数量的自然对数和城市大学生数量的自然对数作为城市规模度量的个人就业概率的Probit估计结果，报告的数字为边际效应。出于篇幅考虑，我们将回归结果分为两部分，在（1）和（2）两列中报告以人口数量和大学生数量作为城市规模的度量时，城市规模以及个人特征对就业概率的影响。而同样回归中其他城市特征对就业的影响报告于（3）和（4）两列中。我们发现，城市规模对个人的就业概率有显著的正向影响。平均来说，城市规模每扩张1%，个人的就业概率提高0.016—0.018个百分点。值得强调的是，由于我们的样本是城镇户籍的人，这说明，即使在大城市存在大量移民的情况下，生活在大城市的原住民的失业率仍然低于小城市的原住民。

但是，Probit结果可能是有偏的。在考察城市规模对个人就业概率影响的过程中，城市规模和就业之间的双向因果关系可能导致联立内生性的问题，比如说，可能是因为一个城市工作好找，人们才向这个城市移民，城市规模才会扩张。此外，尽管我们已经在回归中尽可能多地控制了城市层面的因素以减轻可能存在的遗漏变量偏误，但城市劳动力市场上其他不可观测的劳动力需求和供给的因素仍可能会对城市规模和就业造成影响，从而带来估计的偏误。鉴于此，我们用个人所在城市1953年的人口数量作为2000年城市规模的工具变量，采用工具变量的方法估计就业决定模型，以减轻可能存在的内生性偏误和遗漏变量偏误。1953年的人口数量来自于1953年的中华人民共和国第一次人口普查数据。在考察中国城市体系演变的过程中，Wang和Zhu（2014）发现，中国城市体系的演变，在1949年到2008年间遵循平行增长（parallel growth）的模式，不同规模的城市以大约相一致的速度增长，并未呈现出大城市和小城市之间规模的发散或收敛。因此，历史上的城市规模对当前城市规模具有很强的解释力。IV Probit的估计结果报告于表5.3中。^[15]

我们首先在第一阶段检验了工具变量的有效性，用城市总人口数量和城市大学生数量作为城市规模度量的结果分别报告于（1）和（2）两列中。我们发现，1953年的城市规模对2000年的城镇总人口数量和大学毕业生数量有显著的正向影响。控制住其他解释变量不变，在考察历史城市规模对当前城市规模的影响时，工具变量显著性F检验的值分别为45.12和39.30。由此，我们认为，弱工具变量的问题在我们的回归中并不明显。此外，我们还发现，在控制了诸如城市规模、投资、政府干预以及公共基础设施等相关城市一级的变量之后，历史上的城市规模对当前就业的直接影响很小。第一阶段的回归结果也和已有的实证研究相一致。

表5.3　城市规模与就业：IV Probit结果

从表5.3的IV Probit结果我们得到，城市规模用城镇总人口数量度量时，城市规模每扩大1%会带来个人就业概率0.039个百分点的上升。而城市大学生数量每1%的增加会使个人就业概率上升0.041个百分点。工具变量估计结果的系数大于Probit模型的系数，可以解释为大城市的福利和公共服务更好，使得一部分大城市居民宁愿失业也不迁移至其他地区，从而降低了总体上城市规模对就业的积极作用。除此之外，我们还考察了个人特征和城市特征对就业的影响。回归结果显示，大部分个人特征对就业有显著影响，影响方向也和预期相符。平均来说，男性和已婚人士的就业概率相对更高。教育也会提高个人就业的概率，受教育年数每增加一年，平均会带来就业概率1.15—1.19个百分点的上升。经验对就业的影响呈倒“U”形，随着经验的增加，个人的就业概率提高；但当经验提高到一定程度以后，经验反而不利于就业，这可能是因为工作经验越多的人往往年龄越大，而年龄大的人在健康和知识等方面均处于劣势。根据回归结果，我们可以算出，经验对就业概率的影响拐点出现在约18.09年和17.84年处，即大约在经验小于17年时，工作经验的增加有利于个人就业；而在经验超过18年之后，年龄劣势开始发挥主要作用，经验的增加反而是不利于就业的。我们在回归中控制了个人中共党员身份和少数民族身份变量，前者就业概率更高，后者就业概率更低。

同时，我们在回归中控制有关城市特征的变量以捕捉劳动力需求因素和劳动力供给因素对就业的影响。从需求角度看，部分城市可能会由于资本积累的增加而吸引更多劳动者的流入，并且由于中国城市普遍存在的户籍制度，流入更多的可能是高技能劳动者，而非低技能劳动者。另外，由于人力资本外部性的存在，由更多高技能劳动力流入所带来的城市人力资本水平的提高，也会反过来增加城市的资本积累（Acemoglu，1996，1998）。因此，一个城市资本积累的增加往往和城市规模存在着正相关关系。而资本积累本身也部分反映了一个城市经济增长的主要推动因素，因此也会影响到劳动者的就业机会。在表5.3的回归中，我们控制了一个城市1996—2000年间平均的外商实际投资额与同年间平均GDP的比值，以及城市1996—2000年间平均物质资本投资总额占同年间平均GDP的比重。之所以选择多年的平均值，主要是因为投资在不同年份间波动很大，用平均的指标可以在一定程度上降低投资量的波动。我们回归中使用的CHIPS样本搜集于2002年和2007年，用2000年之前的数据可以部分减少逆向因果关系可能带来的估计偏误。而1996年以前的数据由于缺失样本过多而被舍弃，并且我们认为，更近年份的投资对劳动力流动的影响更为显著。回归结果显示，外商直接投资对就业的影响并不显著，但固定资本投资的系数却显著为负。这说明，与经济增长更依赖于其他GDP构成（如消费和净出口）的城市相比，经济增长更依赖于国内投资的城市创造就业的能力更低。已有的实证研究已经发现，在中国，地方政府出于税收考虑往往给予资本密集型产业的发展以更多的激励（陆铭、欧海军，2011；本书第9章），因此，更高的国内投资/GDP比重往往缺乏就业创造能力，甚至是不利于就业的。

另外，我们在回归中还控制了城市1996—2000年间的第三产业产值和第二产业产值之比的平均值及其平方项，以考察城市产业结构变化对就业的影响。我们发现，城市产业结构的变化对就业的影响呈“U”形。在经济发展的过程中，第三产业的比重通常是逐步提高的。在早期，第三产业在国民经济中比重的提高并不利于就业，这主要是因为在发展的最初阶段，经济体仍主要依靠第二产业吸收就业，尤其是劳动密集型的制造业。但随着第三产业的进一步发展，其吸收就业的能力会不断提高。一方面，金融、贸易、房地产等高技能的服务业不断发展，因此吸收了大量高技能的劳动力进入第三产业实现就业，并给他们带来了更高的收入。另一方面，城市收入水平的提高，尤其是高技能劳动者收入水平的提高，创造了更多的低技能服务业需求，如高技能劳动者对餐饮、保姆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，从而从整体上提高了城市的就业概率。通过计算“U”形曲线的拐点我们得知，在分别用城市总人口和大学生数量作为城市规模度量的方程中，第三产业发展促进就业的拐点分别为1.21和1.23。也就是说，只有当非农产业中第三产业的产值高于54.8%—55.1%以后，第三产业的进一步发展才会提高就业率。而在我们的样本中，大约有18.82%—23.86%的回归样本处于拐点的右边。因此，在中国，大部分地区仍处于第二产业比第三产业更有利于就业的阶段。但是，由于第三产业在非农产业中的比重正在不断提高，由此我们预期，未来中国的就业创造将越来越依赖于第三产业。最近这些年，中国经济发展显示出制造业对于创造就业的能力较弱，第三产业的确能成为创造就业的重要源泉。

除了需求因素以外，政府财政支出、城市基础设施等作为同时影响劳动力市场需求和供给的因素，也被包括进了回归中。从理论上来说，政府干预对就业影响的方向并不确定。一方面，政府财政支出的增加会通过乘数效应对地方经济产生正面的影响，从而增加劳动力需求，提高劳动者的就业；另一方面，政府投资挤出了私人投资，降低了经济的市场化程度，而这些因素都是不利于就业的。此外，相对更高的政府财政支出可能通过改善城市的基础设施、社会保障水平，吸引更多的劳动力流入，因此政府财政干预也成为影响劳动力市场供给的重要因素。类似地，更好的城市道路、交通等基础设施会影响到人与人之间信息传递的方便性，提高劳动力市场的匹配效率，从而增加劳动力需求。但城市更好的基础设施同样会吸引更多的劳动力流入，因此同时也可被看作影响劳动力市场供给的因素。回归结果显示，这些变量对就业的影响并不显著。此外，省会城市也没有显著影响劳动者的就业概率。