流动人口户籍迁移意愿的分层模型研究

王朋岗，王 力

(河北大学 经济学院， 河北 保定 071003)

让流动人口更好更快地融入流入城市是当前城市化的本质，加快推进非户籍人口市民化是当务之急。然而已有研究表明，流动人口留城意愿与国家战略导向出现偏差，农民、农民工户籍改革的动力并不强[1-3]。现有研究大多认为进城落户农民户籍地的土地承包权、宅基地使用权、集体收益分配权的维护和自愿有偿退出机制尚未建立是制约流动人口户籍迁移的主要原因[4-6]。但是，国务院《关于进一步推进户籍制度改革的意见》中明确提出，现阶段不得以农民放弃或者退出“三权”作为落户城市的前提条件。可见，目前永久迁移行为主要受流入地特征以及流动人口自身特征的影响，不单单是与户籍地土地权益相关的行为选择，更是最优行为的决策[7]，是流动人口自身与流入地双向选择的结果。

那么城市从何处着手提升流动人口的户籍迁移意愿呢？必须在控制个人特征的基础上找到流入地城市特征中哪些因素在影响其户籍迁移意愿以及是否存在跨层交互影响。这正是本文试图回答的问题。

一、现有研究述评

现有关于流动人口户籍迁移意愿的研究大多是以流动人口个体为研究单位，分析流动人口自身微观个体因素对其户籍迁移意愿的影响[2, 8-13]。有关流动人口户籍迁移意愿的城市差异，有学者基于2012年中国流动人口动态监测调查数据分析发现，流动人口户籍迁移意愿的整体水平并不高；等级高、规模大的城市流动人口户籍迁移意愿高，而等级低、规模小的城市流动人口的户籍迁移意愿低；沿海城市群流动人口的户籍迁移意愿高，其他城市流动人口的户籍迁移意愿低，但内陆部分省会城市和交通区位与资源禀赋较好的中小城市也已经形成了一批流动人口的户籍迁移意愿高值区[3]。

流入地城市特征作为流动人口迁移的一方作用力，近年来，有关流入地城市特征对劳动力流向影响的研究开始出现，根据研究使用数据和研究方法，该类研究主要分为三种类型，一种是直接使用多年城市层面的面板数据，如杨晓军利用中国2006—2014 年城市面板数据和动态面板模型的系统GMM 估计方法，基于全国、区域和城市规模层面考察城市公共服务质量对人口流动的影响，研究结果表明，城市公共服务质量有利于促进人口向城市流动，东部地区城市表现尤为突出，且影响效应与城市规模呈明显的正相关；从公共服务质量类型来看，医疗服务质量的总体贡献程度最大；东部地区城市的医疗服务质量、中部地区城市的环境服务质量和西部地区城市的文化服务质量均对人口流动有显著的促进作用；200 万及以下人口城市公共服务质量对外来流动人口影响不显著，而200 万以上人口城市依靠优良的医疗服务质量能够有效地吸引外来流动人口[14]。另一种是匹配个体微观数据与城市层面数据、使用条件logit模型分析。如夏怡然等利用2005年全国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，研究发现劳动力选择流向某个城市不仅是为了获得该城市更高的工资水平和更高的就业概率，而且还是为了享受该城市的基础教育和医疗资源等公共服务。但从变量标准化后的回归结果看，公共服务影响劳动力流向的作用系数仍然小于工资对劳动力流向的影响[15]。从研究方法来看，前两种比较科学合理，但是均无法考察城市层面特征与个体层面特征的交互影响。第三种是直接将个体数据与城市特征数据匹配后一同纳入回归模型。如童玉芬等选用2013年中国流动人口动态监测调查数据并匹配了流入地城市的经济社会特征变量，采用基于个体层面的二元logit模型，将个体特征作为控制变量，将流入地的城市特征作为主要解释变量，依据个体的成本收益理论，发现在流入地的净收入和预期收入对流动人口流入地的选择具有显著影响[16]。林李月等基于2012年中国流动人口动态监测调查数据，将个体数据与城市特征数据匹配后一同纳入回归模型，研究发现流动人口户籍迁移意愿的空间分布特征受到流入城市和流动人口自身双重力量的影响，流入城市因素的正向影响作用大于流动人口自身因素[3]。还有学者使用类似方法，研究了流入地城市的公共资源数量与可及性对儿童随迁决策的影响[17-18]。但是该类型的研究将流动人口个人层面的因素与流入城市层面的因素一起纳入回归模型，显然这种将不同层级数据视为同一层级的研究方法存在无视数据的嵌套形态，犯了生态主义谬误，导致研究结论的科学性降低。

由于学者们使用的研究方法不尽相同，目前关于城市特征是否对流动人口流入地选择、流动人口户籍迁移意愿存在影响以及城市的哪些特征产生影响还未达成一致。与早期研究认为的经济利益始终是人口自主迁移的最根本因素不同，近期研究发现，相比2000年，2010年经济发展水平对吸纳外来劳动力的作用在减弱[18]。劳动力选择流向某个城市不仅是为了获得该城市更高的工资水平和更高的就业概率，同时也是为了享受该城市的基础教育和医疗资源等公共服务[15]。因此，本文计划使用最新数据以及考虑数据嵌套形态的分层模型，重点分析城市层面特征对流动人口户籍迁移意愿的影响。

二、研究假设

现有关于流动人口户籍迁移意愿的研究，大多基于二元经济理论、人力资本理论、推拉理论等，从流动人口的个体人力资本特征、流入地经济融合(黏性)、社会心理融合(黏性)以及流出地(老家)拉力等方面，分析影响流动人口户籍迁移意愿的影响因素。从个体来看，流动人口是否有户籍迁移意愿是其基于自身状况做出的选择，但这其中也包含着来自流入城市经济发展所带来的劳动力市场工资水平、就业机会以及教育医疗环境交通等公共服务质量的影响，这种影响对流动人口来说可能是正向的拉力(吸引力)，也可能是负向的排斥力。如果从群体角度来看，流动人口是流动性较强的群体，某个城市整体平均的流动人口户籍迁移意愿情况，更是该城市经济发展潜力与就业机会、劳动力市场情况与收入水平以及流动地对待流动人口公共政策取向的反映。城市的发展思路会通过产业政策、户籍政策、公共服务政策最终作用到人身上，尤其是流动人口身上。因此，本文提出如下假设。

假设1：在分层模型中，流动人口个人层面的基本特征、经济和住房情况、流动特征会对流动人口的户籍迁移意愿产生影响。

假设2：城市特征影响各个城市流动人口迁移意愿的均值。

假设3：在控制流动人口个人特征的条件下，不同城市特征在城市层面上对流动人口户籍迁移意愿的作用差异是显著的。

假设4：城市之间流动人口个人特征对户籍迁移意愿的作用系数存在差异，且差异是显著的。

假设5：城市特征变量导致了流动人口户籍迁移意愿均值上的差异，城市特征变量影响城市内流动人口个人特征与户籍迁移意愿间的关系，即存在跨层交互效应。

三、数据、变量与方法

1.数据来源与变量说明

个体层面数据来自2016年中国流动人口动态监测调查(China Migrants Dynamic Survey，CMDS)，数据描述与说明见表1。本文将“如果您符合本地落户条件，您是否愿意把户籍迁入本地？”作为流动人口户籍迁移意愿的测量依据。

表1 流动人口个人层面特征变量描述分析(N=104240)

目前有关城市特征对人口流动影响的研究,主要围绕城市的劳动力市场吸引力、公共服务吸引力两大方面展开，本文在城市层面选择人均教育公共财政支出作为城市教育公共服务吸引力的代理变量，选择每千人医院床位数作为城市医疗公共服务吸引力的代理变量，选择每百人公共图书馆藏书册数作为城市文化公共服务吸引力的代理变量，选择每万人拥有公共汽车数作为城市交通公共服务吸引力的代理变量，选择工业烟(粉)尘排放量作为城市环境吸引力的代理变量，选择第三产业产值/第二产业产值的比值作为城市产业发展吸引力的代理变量，选择职工平均工资作为城市收入吸引力的代理变量，选择房价作为城市生活成本的代理变量。另外，本文还选择了城市人口规模作为城市主要特征之一，因为城市的人口规模会通过学习(learning)、分享(sharing)和匹配(marching)这三个机制给劳动者带来直接好处，还会影响公共服务供给水平以及人们在城市获得的就业机会和收入水平[15]。因为公共服务的供给可能存在规模效应。同时，城市人口规模的扩大有利于提高劳动者个人的就业概率[19]和实际收入水平[20]。因此，本文选择城市的户籍人口数量来衡量城市的人口规模，户籍人口不包括外来劳动力，比包括外来人口的常住人口数量更具外生性。最后，要说明的是鉴于户籍迁移意愿在该调查中的具体测量是有假设条件的：“如果您符合本地落户条件”，也就是说这种提问方式已经剔除了户籍政策的影响。所以，本研究未纳入户籍政策这一变量。本文的城市层面特征变量除房价数据外，均来自《中国城市统计年鉴2016》，房价数据来自搜房网。其中城市数据除环境指标的工业烟(粉)尘排放量为全市(1)全市指行政区划意义上的全市，包括市辖区和市辖县。数值外，其余全部是市辖区(2)市辖区是一种行政单位类别，是直辖市、副省级城市和地级市下设的行政区。数值，人均指标分母全部是户籍人口数。 数据最终匹配成功了238个城市的104240个样本，变量描述详见表2。

表2 城市层面特征变量描述分析(N=238)

2.方法

现有关于流入地特征对流动人口子女随迁或流入地选择的研究，大多使用的是普通的回归模型，没有考虑数据本身是嵌套(层次)数据[21]，方法的科学性和结果的可靠性有待商榷。因此，本文选择非线性分层模型来建模。处理数据的软件为HLM 6.08。

四、分析结果

根据研究需要，通常将分层数据用不同的模型通过不同的整合方式来加以分析。常用的5种分层模型分别是：带随机效应的单因素方差分析(也称空模型或无条件模型)、层二均值作估计结果的回归模型、带随机效应的单因素协方差分析、随机系数模型、将截距和斜率作为结果的回归模型。下面按照这5种模型依次给出数据分析结果(3)鉴于篇幅限制和层一变量不是本文重点关注的，因此本文没有给出前4个模型的运行结果，有需要者可以联系作者索取。。

1.带随机效应的单因素方差分析

该模型是分层模型估计的基础，该模型中不加入任何解释变量。使用该模型可以求得组内相关系数(intra-class correlation, ICC)[22]。本研究的无条件模型为:

个人层面模型:ln[P/(1-P)]=B0

城市层面模型：B0=G00 +U0

其中，P为流动人口愿意迁移户口的概率，B代表层一模型(个人层面模型)的截距项和系数，G代表层二模型(城市层面模型)的截距项和系数，U代表层二模型的随机误差项。结合本文数据计算的ICC为0.138，说明城市层面特征可以解释13.85%的流动人口户籍迁移意愿变异。根据经验规则，该值大于5%，说明有足够的信息采用分层模型。

2.层二均值作估计结果的回归模型

该模型的层一模型与空模型相同，仅在层二的截距项(均值)加入层二的解释变量。该模型可以用来检验模型定义的层二解释变量是否显著，并估计其方向和强度，但它不同于完全忽略个人变异的简单模型(即犯生态谬误的OLS模型)。同时，可以在控制层二解释变量的条件下，完成层二截距随机效应的方差检验。本研究的层二均值作估计结果的回归模型为:

个人层面模型:ln[P/(1-P)]=B0

城市层面模型：B0=G00+G01*(FANGJIA)+G02*(RENKOU)+G03*(JIAOYU) +G04*(YILIAO)+G05*(TUSHU)+G06*(QICHE)+G07*(HUANJING)+G08*(GONGZI) +G09*(CHANYE)+U0

本文数据实际运行结果显示，城市层面的人口规模、人均教育公共财政支出、产业结构三个变量是显著的(4)因此在完整模型5的层二模型中只保留了这3个变量。，系数符号均为正值。这表明在分层模型中，以各个城市的特征来解释各个城市“平均流动人口迁移意愿”的差异时，只有人口规模、教育公共服务和产业结构三个方面的影响是显著的，而现阶段城市的房价以及医疗、文化、交通、环境等方面的公共服务和设施对流动人口户籍迁移意愿没有影响。这一结论与没有使用分层模型的现有研究差异较大，比如在其他类似研究中作用显著的房价[11]，在本研究中不显著的原因可能是采用分层模型，已经控制了流动人口个人层面的收入和住房支出，或者现实可能是流动人口由于无法承受的高房价根本不在影响其户籍迁移意愿的考虑因素中。总之，我国现阶段城市对流动人口户籍迁移意愿的影响是通过就业机会和子女教育起作用的。人口规模越大的城市，流动人口的户籍迁移意愿越强，这一点与现有研究一致。另外，同时控制层二解释变量的条件下，层二截距随机效应的方差检验结果显示，层二方差还有进一步解释的余地，需要在层二继续纳入其他解释变量。假设2得到验证。

3.带随机效应的单因素协方差分析

该模型表示对于每个层二单位，层一解释变量Xij的作用被规定为相同的值。结合本文来看，使用该模型的意图是在控制流动人口个人特征的条件下进行协方差分析，以考察不同城市特征对流动人口迁移意愿的影响是否显著。本研究带随机效应的单因素协方差分析模型为:

个人层面模型: ln[P/(1-P)]=B0+B1*(GENDER)+B2*(AGE)+B3*(EDU) +B4*(HUKOU)+B5*(LNSHOURU)+B6*(GOUFANG)+B7*(FANGZU1)+B8*(LDFW) +B9*(JLSHJ1)+B10*(DUZI)+B11*(LJFM)+B12*(LJWZN)+B13*(BDWZN)+B14*(BDRSHB)

城市层面模型：B0=G00+U0；B1=G10；B2=G20；B3=G30；B4=G40；B5=G50；B6=G60；B7=G70；B8=G80；B9=G90；B10=G100；B11=G110；B12=G120；B13=G130；B14=G140

模型运行结果显示，城市随机效应的方差是显著的，说明不同城市特征在城市层面上的作用差异是显著的。同时，该模型也能测量并检验流动人口个人层面特征对户籍迁移意愿的影响，结果显示在此模型中流动人口个人层面变量，除是否独自流动和老家是否有留守未成年子女外(5)因此在完整模型5的层一模型中剔除了这2个变量。，其余变量对户籍迁移意愿的影响都是显著的，且性别、年龄和房租的影响是负向的，其余变量的影响均是正向的。这与现有基于流动人口个人层面数据的分析结果一致。假设1和假设3得到验证。

4.随机系数模型

该模型将层一的斜率设为层二单位中的随机变化，设定层一的截距和层一的多个斜率是随机变化的。该模型主要用于检验层二单位之间的系数(包括截距和斜率)是否存在差异，同时对各斜率随机效应的方差分析可检验各层二单位斜率差异是否显著。本研究的随机系数模型为:

个人层面模型:ln[P/(1-P)]=B0+B1*(GENDER)+B2*(AGE)+B3*(EDU) +B4*(HUKOU)+B5*(LNSHOURU)+B6*(GOUFANG)+B7*(FANGZU1)+B8*(LDFW) +B9*(JLSHJ1)+B10*(DUZI)+B11*(LJFM)+B12*(LJWZN)+B13*(BDWZN) +B14*(BDRSHB)

城市层面模型：B0=G00+U0；B1=G10+U1；B2=G20+U2；B3=G30+U3；B4=G40+U4；B5=G50+U5；B6=G60+U6；B7=G70+U7；B8=G80+U8；B9=G90+U9；B10=G100+U10；B11=G110+U11；B12=G120+U12；B13=G130+U13；B14=G140+U14

数据运行结果显示，城市之间的流动人口个人特征对户籍迁移意愿的系数(G00,G10，G20，G30，…，G140)除房租(G70)、是否独自流动(G100)以及老家是否有留守未成年子女(G120)3个流动人口个人层面变量的系数外，其余变量的系数(包括截距项和斜率)差异均显著。另外，方差成分估计结果显示，除性别(U1)、年龄(U2)、老家是否有留守父母(U11)外(6)因此在完整模型5的层二模型中，以这3个变量的斜率为结果的方程没有包含随机项(U1、U2、U11)。，其余流动人口个人特征(U3—U14)对户籍迁移意愿的作用在不同城市之间存在差异，说明有必要加入层二的解释变量。假设4得到验证。

5.将截距和斜率作为结果的回归模型(完整模型)

该模型可以考察城市特征变量是否导致了流动人口户籍迁移意愿均值上的差异，还可以考察城市特征变量是否影响城市内流动人口个人特征与户籍迁移意愿间的关系。本研究的完整模型为:

个人层面模型：ln[P/(1-P)]=B0+B1*(GENDER)+B2*(AGE)+B3*(EDU)+B4*(HUKOU)+B5*(LNSHOURU)+B6*(GOUFANG)+B7*(FANGZU1)+B8*(LDFW)+B9*(JLSHJ1)+B10*(LJFM)+B11*(BDWZN)+B12*(BDRSHB)

城市层面模型：

B0=G00+G01*(RENKOU)+G02*(JIAOYU)+G03*(CHANYE)+U0

B1=G10+G11*(RENKOU)+G12*(JIAOYU)+G13*(CHANYE)

B2=G20+G21*(RENKOU)+G22*(JIAOYU)+G23*(CHANYE)

B3=G30+G31*(RENKOU)+G32*(JIAOYU)+G33*(CHANYE)+U3

B4=G40+G41*(RENKOU)+G42*(JIAOYU)+G43*(CHANYE)+U4

B5=G50+G51*(RENKOU)+G52*(JIAOYU)+G53*(CHANYE)+U5

B6=G60+G61*(RENKOU)+G62*(JIAOYU)+G63*(CHANYE)+U6

B7=G70+G71*(RENKOU)+G72*(JIAOYU)+G73*(CHANYE)+U7

B8=G80+G81*(RENKOU)+G82*(JIAOYU)+G83*(CHANYE)+U8

B9=G90+G91*(RENKOU)+G92*(JIAOYU)+G93*(CHANYE)+U9

B10=G100+G101*(RENKOU)+G102*(JIAOYU)+G103*(CHANYE)

B11=G110+G111*(RENKOU)+G112*(JIAOYU)+G113*(CHANYE)+U11

B12=G120+G121*(RENKOU)+G122*(JIAOYU)+G123*(CHANYE)+U12

完整模型的运行结果如表3所示，鉴于篇幅限制表3只列出了个人层面及跨层交互效应均通过显著性检验即P值小于0.05的结果。根据表3可见，首先，个人层面的性别、受教育程度、户籍类型、是否在流入地购房、流动范围、流入地已居留时间、老家是否有留守父母、留入地是否有随迁未成年子女以及本地家庭成员数占比的平均值对流动人口户籍迁移意愿的影响是显著的。其次，G01、G02、G03对截距1对流动人口户籍迁移意愿的影响没有通过显著性检验，说明流入地城市特征不存在对流动人口户籍迁移意愿的直接影响。最后，城市层面特征与个人特征对流动人口户籍迁移意愿的影响存在跨层交互效应：有子女随迁和在流入地居留时间越长的流动人口户籍迁移意愿越强，流入地的教育公共服务质量越好越会强化这种倾向；已在流入地购房、受教育程度越高、女性流动人口的户籍迁移意愿更高，流入地的人口规模越大越会加强这种作用。也就是说随着城市人口规模的增大，已在流入地购房、受教育程度越高、女性流动人口的户籍迁移意愿越高，假设5得到验证。

五、结论与讨论

本研究将个人层面数据与城市层面数据相匹配，使用符合数据形式与研究实际的非线性分层模型，重点分析了城市层面特征对流动人口户籍迁移意愿的直接影响和间接影响。主要结论有：①带随机效应的单因素方差分析显示，城市层面特征可以解释13.85%的流动人口户籍迁移意愿变异，有足够的信息采用分层模型。②层二均值作估计结果的回归模型显示，在分层模型中，以各个城市的特征来解释各个城市“平均流动人口户籍迁移意愿”的差异时，只有人口规模、教育公共服务和产业结构三个方面的影响是显著的，而现阶段城市的房价以及医疗、文化、交通、环境等方面的公共服务和设施对流动人口户籍迁移意愿没有影响。③带随机效应的单因素协方差分析结果显示，不同城市特征在城市层面上的作用差异是显著的，流动人口个人层面变量，除是否独自流动和老家是否有留守未成年子女外，其余变量对户籍迁移意愿的影响都是显著的。④随机系数模型结果显示，流动人口个人特征对户籍迁移意愿的作用在不同城市之间存在差异。⑤将截距和斜率作为结果的完整模型结果显示，流入地城市特征不存在对流动人口户籍迁移意愿的直接影响,但城市层面特征与个人特征对流动人口户籍迁移意愿的影响存在跨层交互效应：有子女随迁和在流入地居留时间越长的流动人口户籍迁移意愿越强，流入地的教育公共服务质量越好越会强化这种倾向；已在流入地购房、受教育程度越高、女性流动人口的户籍迁移意愿更高，流入地的人口规模越大越会加强这种作用。

表3 城市层面变量对个体水平回归的固定效应结果

以上结果表明让子女获得更好的教育是流动人口想迁入城市的主要原因，子女教育已经成为制约流动人口社会融合的重要因素，流入城市应重点增加教育公共投入,让流动人口子女获得优质教育资源，这对于提升流动人口的户籍迁移意愿具有重要意义。同时，流入城市的人口规模对不同特征流动人口户籍迁移意愿的影响是有差异的，人口规模越大的城市中已在流入地购房、受教育程度越高、女性流动人口的户籍迁移意愿更高，而大城市中无房、受教育程度低、男性流动人口的户籍迁移意愿相对较低。综上可见，反映流动人口城市社会融合的核心指标——户籍迁移意愿，不仅受流动人口自身特征的影响，也有来自流入城市经济产业特征和制度性公共服务供给的影响。从城市层面提升流动人口户籍迁移意愿，一方面要加快产业发展以提供更好的就业机会和收入水平，另一方面应加大城市公共服务的投入，尤其是在各级各类教育上的投入。