流動人口戶籍遷移意愿的分層模型研究

王朋崗，王 力

(河北大學 經濟學院， 河北 保定 071003)

讓流動人口更好更快地融入流入城市是當前城市化的本質，加快推進非戶籍人口市民化是當務之急。然而已有研究表明，流動人口留城意愿與國家戰略導向出現偏差，農民、農民工戶籍改革的動力并不強[1-3]。現有研究大多認為進城落戶農民戶籍地的土地承包權、宅基地使用權、集體收益分配權的維護和自愿有償退出機制尚未建立是制約流動人口戶籍遷移的主要原因[4-6]。但是，國務院《關于進一步推進戶籍制度改革的意見》中明確提出，現階段不得以農民放棄或者退出“三權”作為落戶城市的前提條件。可見，目前永久遷移行為主要受流入地特征以及流動人口自身特征的影響，不單單是與戶籍地土地權益相關的行為選擇，更是最優行為的決策[7]，是流動人口自身與流入地雙向選擇的結果。

那么城市從何處著手提升流動人口的戶籍遷移意愿呢？必須在控制個人特征的基礎上找到流入地城市特征中哪些因素在影響其戶籍遷移意愿以及是否存在跨層交互影響。這正是本文試圖回答的問題。

一、現有研究述評

現有關于流動人口戶籍遷移意愿的研究大多是以流動人口個體為研究單位，分析流動人口自身微觀個體因素對其戶籍遷移意愿的影響[2, 8-13]。有關流動人口戶籍遷移意愿的城市差異，有學者基于2012年中國流動人口動態監測調查數據分析發現，流動人口戶籍遷移意愿的整體水平并不高；等級高、規模大的城市流動人口戶籍遷移意愿高，而等級低、規模小的城市流動人口的戶籍遷移意愿低；沿海城市群流動人口的戶籍遷移意愿高，其他城市流動人口的戶籍遷移意愿低，但內陸部分省會城市和交通區位與資源稟賦較好的中小城市也已經形成了一批流動人口的戶籍遷移意愿高值區[3]。

流入地城市特征作為流動人口遷移的一方作用力，近年來，有關流入地城市特征對勞動力流向影響的研究開始出現，根據研究使用數據和研究方法，該類研究主要分為三種類型，一種是直接使用多年城市層面的面板數據，如楊曉軍利用中國2006—2014 年城市面板數據和動態面板模型的系統GMM 估計方法，基于全國、區域和城市規模層面考察城市公共服務質量對人口流動的影響，研究結果表明，城市公共服務質量有利于促進人口向城市流動，東部地區城市表現尤為突出，且影響效應與城市規模呈明顯的正相關；從公共服務質量類型來看，醫療服務質量的總體貢獻程度最大；東部地區城市的醫療服務質量、中部地區城市的環境服務質量和西部地區城市的文化服務質量均對人口流動有顯著的促進作用；200 萬及以下人口城市公共服務質量對外來流動人口影響不顯著，而200 萬以上人口城市依靠優良的醫療服務質量能夠有效地吸引外來流動人口[14]。另一種是匹配個體微觀數據與城市層面數據、使用條件logit模型分析。如夏怡然等利用2005年全國1%人口抽樣調查中勞動力流動的微觀數據與220個地級市的城市特征數據，研究發現勞動力選擇流向某個城市不僅是為了獲得該城市更高的工資水平和更高的就業概率，而且還是為了享受該城市的基礎教育和醫療資源等公共服務。但從變量標準化后的回歸結果看，公共服務影響勞動力流向的作用系數仍然小于工資對勞動力流向的影響[15]。從研究方法來看，前兩種比較科學合理，但是均無法考察城市層面特征與個體層面特征的交互影響。第三種是直接將個體數據與城市特征數據匹配后一同納入回歸模型。如童玉芬等選用2013年中國流動人口動態監測調查數據并匹配了流入地城市的經濟社會特征變量，采用基于個體層面的二元logit模型，將個體特征作為控制變量，將流入地的城市特征作為主要解釋變量，依據個體的成本收益理論，發現在流入地的凈收入和預期收入對流動人口流入地的選擇具有顯著影響[16]。林李月等基于2012年中國流動人口動態監測調查數據，將個體數據與城市特征數據匹配后一同納入回歸模型，研究發現流動人口戶籍遷移意愿的空間分布特征受到流入城市和流動人口自身雙重力量的影響，流入城市因素的正向影響作用大于流動人口自身因素[3]。還有學者使用類似方法，研究了流入地城市的公共資源數量與可及性對兒童隨遷決策的影響[17-18]。但是該類型的研究將流動人口個人層面的因素與流入城市層面的因素一起納入回歸模型，顯然這種將不同層級數據視為同一層級的研究方法存在無視數據的嵌套形態，犯了生態主義謬誤，導致研究結論的科學性降低。

由于學者們使用的研究方法不盡相同，目前關于城市特征是否對流動人口流入地選擇、流動人口戶籍遷移意愿存在影響以及城市的哪些特征產生影響還未達成一致。與早期研究認為的經濟利益始終是人口自主遷移的最根本因素不同，近期研究發現，相比2000年，2010年經濟發展水平對吸納外來勞動力的作用在減弱[18]。勞動力選擇流向某個城市不僅是為了獲得該城市更高的工資水平和更高的就業概率，同時也是為了享受該城市的基礎教育和醫療資源等公共服務[15]。因此，本文計劃使用最新數據以及考慮數據嵌套形態的分層模型，重點分析城市層面特征對流動人口戶籍遷移意愿的影響。

二、研究假設

現有關于流動人口戶籍遷移意愿的研究，大多基于二元經濟理論、人力資本理論、推拉理論等，從流動人口的個體人力資本特征、流入地經濟融合(黏性)、社會心理融合(黏性)以及流出地(老家)拉力等方面，分析影響流動人口戶籍遷移意愿的影響因素。從個體來看，流動人口是否有戶籍遷移意愿是其基于自身狀況做出的選擇，但這其中也包含著來自流入城市經濟發展所帶來的勞動力市場工資水平、就業機會以及教育醫療環境交通等公共服務質量的影響，這種影響對流動人口來說可能是正向的拉力(吸引力)，也可能是負向的排斥力。如果從群體角度來看，流動人口是流動性較強的群體，某個城市整體平均的流動人口戶籍遷移意愿情況，更是該城市經濟發展潛力與就業機會、勞動力市場情況與收入水平以及流動地對待流動人口公共政策取向的反映。城市的發展思路會通過產業政策、戶籍政策、公共服務政策最終作用到人身上，尤其是流動人口身上。因此，本文提出如下假設。

假設1：在分層模型中，流動人口個人層面的基本特征、經濟和住房情況、流動特征會對流動人口的戶籍遷移意愿產生影響。

假設2：城市特征影響各個城市流動人口遷移意愿的均值。

假設3：在控制流動人口個人特征的條件下，不同城市特征在城市層面上對流動人口戶籍遷移意愿的作用差異是顯著的。

假設4：城市之間流動人口個人特征對戶籍遷移意愿的作用系數存在差異，且差異是顯著的。

假設5：城市特征變量導致了流動人口戶籍遷移意愿均值上的差異，城市特征變量影響城市內流動人口個人特征與戶籍遷移意愿間的關系，即存在跨層交互效應。

三、數據、變量與方法

1.數據來源與變量說明

個體層面數據來自2016年中國流動人口動態監測調查(China Migrants Dynamic Survey，CMDS)，數據描述與說明見表1。本文將“如果您符合本地落戶條件，您是否愿意把戶籍遷入本地？”作為流動人口戶籍遷移意愿的測量依據。

表1 流動人口個人層面特征變量描述分析(N=104240)

目前有關城市特征對人口流動影響的研究,主要圍繞城市的勞動力市場吸引力、公共服務吸引力兩大方面展開，本文在城市層面選擇人均教育公共財政支出作為城市教育公共服務吸引力的代理變量，選擇每千人醫院床位數作為城市醫療公共服務吸引力的代理變量，選擇每百人公共圖書館藏書冊數作為城市文化公共服務吸引力的代理變量，選擇每萬人擁有公共汽車數作為城市交通公共服務吸引力的代理變量，選擇工業煙(粉)塵排放量作為城市環境吸引力的代理變量，選擇第三產業產值/第二產業產值的比值作為城市產業發展吸引力的代理變量，選擇職工平均工資作為城市收入吸引力的代理變量，選擇房價作為城市生活成本的代理變量。另外，本文還選擇了城市人口規模作為城市主要特征之一，因為城市的人口規模會通過學習(learning)、分享(sharing)和匹配(marching)這三個機制給勞動者帶來直接好處，還會影響公共服務供給水平以及人們在城市獲得的就業機會和收入水平[15]。因為公共服務的供給可能存在規模效應。同時，城市人口規模的擴大有利于提高勞動者個人的就業概率[19]和實際收入水平[20]。因此，本文選擇城市的戶籍人口數量來衡量城市的人口規模，戶籍人口不包括外來勞動力，比包括外來人口的常住人口數量更具外生性。最后，要說明的是鑒于戶籍遷移意愿在該調查中的具體測量是有假設條件的：“如果您符合本地落戶條件”，也就是說這種提問方式已經剔除了戶籍政策的影響。所以，本研究未納入戶籍政策這一變量。本文的城市層面特征變量除房價數據外，均來自《中國城市統計年鑒2016》，房價數據來自搜房網。其中城市數據除環境指標的工業煙(粉)塵排放量為全市(1)全市指行政區劃意義上的全市，包括市轄區和市轄縣。數值外，其余全部是市轄區(2)市轄區是一種行政單位類別，是直轄市、副省級城市和地級市下設的行政區。數值，人均指標分母全部是戶籍人口數。 數據最終匹配成功了238個城市的104240個樣本，變量描述詳見表2。

表2 城市層面特征變量描述分析(N=238)

2.方法

現有關于流入地特征對流動人口子女隨遷或流入地選擇的研究，大多使用的是普通的回歸模型，沒有考慮數據本身是嵌套(層次)數據[21]，方法的科學性和結果的可靠性有待商榷。因此，本文選擇非線性分層模型來建模。處理數據的軟件為HLM 6.08。

四、分析結果

根據研究需要，通常將分層數據用不同的模型通過不同的整合方式來加以分析。常用的5種分層模型分別是：帶隨機效應的單因素方差分析(也稱空模型或無條件模型)、層二均值作估計結果的回歸模型、帶隨機效應的單因素協方差分析、隨機系數模型、將截距和斜率作為結果的回歸模型。下面按照這5種模型依次給出數據分析結果(3)鑒于篇幅限制和層一變量不是本文重點關注的，因此本文沒有給出前4個模型的運行結果，有需要者可以聯系作者索取。。

1.帶隨機效應的單因素方差分析

該模型是分層模型估計的基礎，該模型中不加入任何解釋變量。使用該模型可以求得組內相關系數(intra-class correlation, ICC)[22]。本研究的無條件模型為:

個人層面模型:ln[P/(1-P)]=B0

城市層面模型：B0=G00 +U0

其中，P為流動人口愿意遷移戶口的概率，B代表層一模型(個人層面模型)的截距項和系數，G代表層二模型(城市層面模型)的截距項和系數，U代表層二模型的隨機誤差項。結合本文數據計算的ICC為0.138，說明城市層面特征可以解釋13.85%的流動人口戶籍遷移意愿變異。根據經驗規則，該值大于5%，說明有足夠的信息采用分層模型。

2.層二均值作估計結果的回歸模型

該模型的層一模型與空模型相同，僅在層二的截距項(均值)加入層二的解釋變量。該模型可以用來檢驗模型定義的層二解釋變量是否顯著，并估計其方向和強度，但它不同于完全忽略個人變異的簡單模型(即犯生態謬誤的OLS模型)。同時，可以在控制層二解釋變量的條件下，完成層二截距隨機效應的方差檢驗。本研究的層二均值作估計結果的回歸模型為:

個人層面模型:ln[P/(1-P)]=B0

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

本文數據實際運行結果顯示，城市層面的人口規模、人均教育公共財政支出、產業結構三個變量是顯著的(4)因此在完整模型5的層二模型中只保留了這3個變量。，系數符號均為正值。這表明在分層模型中，以各個城市的特征來解釋各個城市“平均流動人口遷移意愿”的差異時，只有人口規模、教育公共服務和產業結構三個方面的影響是顯著的，而現階段城市的房價以及醫療、文化、交通、環境等方面的公共服務和設施對流動人口戶籍遷移意愿沒有影響。這一結論與沒有使用分層模型的現有研究差異較大，比如在其他類似研究中作用顯著的房價[11]，在本研究中不顯著的原因可能是采用分層模型，已經控制了流動人口個人層面的收入和住房支出，或者現實可能是流動人口由于無法承受的高房價根本不在影響其戶籍遷移意愿的考慮因素中。總之，我國現階段城市對流動人口戶籍遷移意愿的影響是通過就業機會和子女教育起作用的。人口規模越大的城市，流動人口的戶籍遷移意愿越強，這一點與現有研究一致。另外，同時控制層二解釋變量的條件下，層二截距隨機效應的方差檢驗結果顯示，層二方差還有進一步解釋的余地，需要在層二繼續納入其他解釋變量。假設2得到驗證。

3.帶隨機效應的單因素協方差分析

該模型表示對于每個層二單位，層一解釋變量Xij的作用被規定為相同的值。結合本文來看，使用該模型的意圖是在控制流動人口個人特征的條件下進行協方差分析，以考察不同城市特征對流動人口遷移意愿的影響是否顯著。本研究帶隨機效應的單因素協方差分析模型為:

個人層面模型: 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)

城市層面模型：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

模型運行結果顯示，城市隨機效應的方差是顯著的，說明不同城市特征在城市層面上的作用差異是顯著的。同時，該模型也能測量并檢驗流動人口個人層面特征對戶籍遷移意愿的影響，結果顯示在此模型中流動人口個人層面變量，除是否獨自流動和老家是否有留守未成年子女外(5)因此在完整模型5的層一模型中剔除了這2個變量。，其余變量對戶籍遷移意愿的影響都是顯著的，且性別、年齡和房租的影響是負向的，其余變量的影響均是正向的。這與現有基于流動人口個人層面數據的分析結果一致。假設1和假設3得到驗證。

4.隨機系數模型

該模型將層一的斜率設為層二單位中的隨機變化，設定層一的截距和層一的多個斜率是隨機變化的。該模型主要用于檢驗層二單位之間的系數(包括截距和斜率)是否存在差異，同時對各斜率隨機效應的方差分析可檢驗各層二單位斜率差異是否顯著。本研究的隨機系數模型為:

個人層面模型: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)

城市層面模型：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

數據運行結果顯示，城市之間的流動人口個人特征對戶籍遷移意愿的系數(G00,G10，G20，G30，…，G140)除房租(G70)、是否獨自流動(G100)以及老家是否有留守未成年子女(G120)3個流動人口個人層面變量的系數外，其余變量的系數(包括截距項和斜率)差異均顯著。另外，方差成分估計結果顯示，除性別(U1)、年齡(U2)、老家是否有留守父母(U11)外(6)因此在完整模型5的層二模型中，以這3個變量的斜率為結果的方程沒有包含隨機項(U1、U2、U11)。，其余流動人口個人特征(U3—U14)對戶籍遷移意愿的作用在不同城市之間存在差異，說明有必要加入層二的解釋變量。假設4得到驗證。

5.將截距和斜率作為結果的回歸模型(完整模型)

該模型可以考察城市特征變量是否導致了流動人口戶籍遷移意愿均值上的差異，還可以考察城市特征變量是否影響城市內流動人口個人特征與戶籍遷移意愿間的關系。本研究的完整模型為:

個人層面模型：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)

城市層面模型：

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

完整模型的運行結果如表3所示，鑒于篇幅限制表3只列出了個人層面及跨層交互效應均通過顯著性檢驗即P值小于0.05的結果。根據表3可見，首先，個人層面的性別、受教育程度、戶籍類型、是否在流入地購房、流動范圍、流入地已居留時間、老家是否有留守父母、留入地是否有隨遷未成年子女以及本地家庭成員數占比的平均值對流動人口戶籍遷移意愿的影響是顯著的。其次，G01、G02、G03對截距1對流動人口戶籍遷移意愿的影響沒有通過顯著性檢驗，說明流入地城市特征不存在對流動人口戶籍遷移意愿的直接影響。最后，城市層面特征與個人特征對流動人口戶籍遷移意愿的影響存在跨層交互效應：有子女隨遷和在流入地居留時間越長的流動人口戶籍遷移意愿越強，流入地的教育公共服務質量越好越會強化這種傾向；已在流入地購房、受教育程度越高、女性流動人口的戶籍遷移意愿更高，流入地的人口規模越大越會加強這種作用。也就是說隨著城市人口規模的增大，已在流入地購房、受教育程度越高、女性流動人口的戶籍遷移意愿越高，假設5得到驗證。

五、結論與討論

本研究將個人層面數據與城市層面數據相匹配，使用符合數據形式與研究實際的非線性分層模型，重點分析了城市層面特征對流動人口戶籍遷移意愿的直接影響和間接影響。主要結論有：①帶隨機效應的單因素方差分析顯示，城市層面特征可以解釋13.85%的流動人口戶籍遷移意愿變異，有足夠的信息采用分層模型。②層二均值作估計結果的回歸模型顯示，在分層模型中，以各個城市的特征來解釋各個城市“平均流動人口戶籍遷移意愿”的差異時，只有人口規模、教育公共服務和產業結構三個方面的影響是顯著的，而現階段城市的房價以及醫療、文化、交通、環境等方面的公共服務和設施對流動人口戶籍遷移意愿沒有影響。③帶隨機效應的單因素協方差分析結果顯示，不同城市特征在城市層面上的作用差異是顯著的，流動人口個人層面變量，除是否獨自流動和老家是否有留守未成年子女外，其余變量對戶籍遷移意愿的影響都是顯著的。④隨機系數模型結果顯示，流動人口個人特征對戶籍遷移意愿的作用在不同城市之間存在差異。⑤將截距和斜率作為結果的完整模型結果顯示，流入地城市特征不存在對流動人口戶籍遷移意愿的直接影響,但城市層面特征與個人特征對流動人口戶籍遷移意愿的影響存在跨層交互效應：有子女隨遷和在流入地居留時間越長的流動人口戶籍遷移意愿越強，流入地的教育公共服務質量越好越會強化這種傾向；已在流入地購房、受教育程度越高、女性流動人口的戶籍遷移意愿更高，流入地的人口規模越大越會加強這種作用。

表3 城市層面變量對個體水平回歸的固定效應結果

以上結果表明讓子女獲得更好的教育是流動人口想遷入城市的主要原因，子女教育已經成為制約流動人口社會融合的重要因素，流入城市應重點增加教育公共投入,讓流動人口子女獲得優質教育資源，這對于提升流動人口的戶籍遷移意愿具有重要意義。同時，流入城市的人口規模對不同特征流動人口戶籍遷移意愿的影響是有差異的，人口規模越大的城市中已在流入地購房、受教育程度越高、女性流動人口的戶籍遷移意愿更高，而大城市中無房、受教育程度低、男性流動人口的戶籍遷移意愿相對較低。綜上可見，反映流動人口城市社會融合的核心指標——戶籍遷移意愿，不僅受流動人口自身特征的影響，也有來自流入城市經濟產業特征和制度性公共服務供給的影響。從城市層面提升流動人口戶籍遷移意愿，一方面要加快產業發展以提供更好的就業機會和收入水平，另一方面應加大城市公共服務的投入，尤其是在各級各類教育上的投入。