城市規模、就業歧視與農民工就業匹配*

劉 超 李 瑞 馬俊龍

（1.南開大學經濟學院 天津 300071）

（2.河北大學經濟學院 河北保定 071000）

（3.四川農業大學經濟學院 四川成都 611130）

一、引 言

厚勞動力理論認為在有眾多求職者和雇傭者參與的勞動力市場上，就業匹配的效率更高。一個求職者面臨多個可供選擇的職位，同時一個職位也可從多個求職者中選擇。求職者容易找到與自身技能匹配的崗位，企業的空閑崗位也容易找到符合崗位要求的求職者，從而實現高效率、高質量的就業匹配，由此依據厚勞動力市場理論，城市規模越大，找工作花費的時間越短，求職者與崗位的匹配度越高。

中國特殊的歷史制度安排形成了廣大農民工群體，農民工在城市獲得經濟回報是其進入城市的根本動機，也是其市民化的前提。因此，農民工城市就業水平和質量顯得尤為重要。大城市勞動力需求旺盛，雇主與雇員的搜尋匹配成本較低，應該有助于雙方就業匹配效率和質量的提高。然而大城市對農民工的就業歧視也越發明顯，直接影響農民工在大城市的就業匹配。本文將回答如下幾個問題：農民工在大城市更容易找到工作嗎？農民工更容易找到自身滿意的工作嗎？如果存在厚勞動力市場失靈，那么是否與對農民工的就業歧視有關？對這些問題的解答一方面可為農民工選擇不同規模城市就業和流動提供解釋，另一方面也有利于大城市對外來流動人口進行科學管理以提高勞動力市場配置效率。

本文使用RUMIC 數據從就業匹配效率和匹配質量兩個層面研究城市規模與就業匹配之間的關系。實證結果表明盡管情況有所改善，農民工大城市就業匹配效率有所提高，但仍然無法獲得全部厚勞動力市場優勢，這與城鎮居民形成鮮明反差。農民工在大城市沒有充分獲得厚勞動力市場優勢，不是厚勞動力市場理論在中國的適用性問題，而是由于就業歧視的存在，農民工無法像城市居民那樣從城市集聚效應中獲益。就業匹配質量層面，農民工大城市工作滿意度高、工作穩定性低，厚勞動力市場優勢并未充分發揮作用。

二、城市規模與工作搜尋：來自厚勞動力市場的解釋

厚勞動力市場理論是集聚效應微觀機制的一種體現，Duranton 和Puga（2004）總結出集聚效應的三個微觀機制，即分享、學習和匹配。勞動力供求雙方在搜尋匹配過程中存在摩擦，厚勞動力市場相對于薄勞動力市場更有優勢。其優勢體現在兩個方面，即較好的匹配和較強的抵御風險能力。

首先，厚勞動力市場帶來更高的匹配效率。異質性求職者和雇主在一個有眾多企業提供職位和眾多求職者尋求就業的勞動力市場中匹配更有效率。Diamond（1982）的以物易物模型里，找到交易伙伴的概率取決于市場中潛在交易伙伴的數量，厚勞動力市場更容易實現交易。除了較高的匹配效率外，好的匹配還意味著高生產效率和高工資。厚勞動力市場較高生產效率和較高工資的觀點，首先由Helsley 和Strange（1990）提出，隨后一些學者給出了相應解釋。厚勞動力市場中雇主預期能夠雇用到具有專用型技能的雇員，因此會增加新技術的投資。同時厚勞動力市場中的雇員預期他們能夠在勞動力市場上較容易地找到與其技能相匹配的崗位，也會增加對自身專用型人力資本的投資，企業新技術投資和雇員人力資本投資提高了生產效率和員工的工資水平（Acemoglu，1997）。另外，厚勞動力市場中的企業對勞動力雇傭的競爭更加激烈，高技能勞動力在大城市更容易獲得專用型人力資本投資的回報，因此獲得更高的工資（Rotemberg 和Saloner，2000）。其次，厚勞動力市場存在較強的抗風險能力。厚勞動力市場的第二個優勢在于其為企業和勞動力提供防范異質性沖擊的保障。厚勞動力市場縮短了勞動者異質性行業需求沖擊造成的失業的持續時間。厚勞動力市場上存在很多雇傭者，提高了暫時失業的勞動者重新找到一份工作的可能性，這對于擁有專用型技能的勞動者來說尤為重要。實證研究方面，Petrongolo 和Pissarides（2006）研究了不同大小勞動力市場的就業匹配差異，他們發現規模效應體現出倫敦與其他英國城市的工資差異但沒有體現就業匹配差異。陸銘等（2012）使用中國家庭收入調查數據研究了城市規模與個人就業概率的關系，實證發現城市規模每增加1%，就業概率平均提高0.039—0.041 個百分點，并且低技能勞動力受益程度最大。寧光杰（2014）研究了城市規模與農村流動人口城市就業機會兩者之間的關系，研究發現城市人口每增加1%，找工作花費的時間減少0.124%，這些研究都證實了厚勞動力市場理論的有效性。

本文研究對象聚焦于進城農民工，盡管戶籍制度改革放松了戶籍對就業的限制，但戶籍制度改革的力度在不同規模城市存在顯著差別。農民工在大城市就業還是會受到各種歧視，較難進入收入較高的一級勞動力市場（Giulietti 等，2012；Meng，2001；Zhang，2010），主要的工作搜尋方式也與城市戶籍居民不同，因此對農民工群體在不同規模城市工作搜尋效率及搜尋質量的研究具有重要意義。

三、計量模型設定和變量描述

（一）計量模型設定

本文計量模型部分旨在檢驗城市規模擴大是否有助于農民工的就業匹配。以就業匹配效率為例，使用找工作花費時間duration的對數值來代理就業匹配效率，城市規模以scale來表示。α0為常數項，X是一系列反映個體特征、人力資本特征、就業特征的控制變量。estructurej表示城市j的就業結構，即第三產業與第二產業就業人數之比，反映城市勞動力市場狀況。εij為隨機擾動項，i表示個體，j表示城市。

根據以往研究經驗，進入大城市和中小城市的農民工初始條件可能不同，式（1）OLS估計結果有可能存在選擇偏誤。為得到更加準確的結果，本文使用傾向得分匹配糾正選擇偏誤問題。該方法的核心思想是為處理組找到一個合適的反事實對照組，考察各觀測變量相匹配的情況下，決策變量變化帶來的影響（Rosenbaum 和Rubin，1983）。權重的確定取決于具體的匹配方法，匹配方法有多種，常見的有最小近鄰匹配、半徑匹配、核匹配和局部線性回歸匹配（Cameron 和Trivedi，2005）。

（二）數據來源和變量描述性統計

本文數據來自RUMIC 2009 和2017 兩個年份。2009 年RUMIC 涉及全國9 個省15 個城市5 000 個流動人口家庭、8 000 個農村家庭以及5000 個城鎮家庭；2017 年RUMIC 只包括上述15 個城市的5 000 個流動人口家庭。①這15 個城市城區常住人口由多到少依次為上海、廣州、深圳、武漢、成都、重慶、南京、東莞、杭州、鄭州、寧波、合肥、無錫、洛陽和蚌埠。調查問卷涉及家庭成員基本特征、成年人教育和培訓、成年人就業信息、子女教育、農村土地信息、家庭收支等。自變量已在式（1）做了初步說明，其中反映個體特征、人力資本特征、就業特征的變量具體包括性別、年齡、年齡的平方、婚姻狀況、教育年限、企業規模等。為便于跨期比較，2017 年數據本文只使用當前工作開始年份為2009 年之后的樣本。②因篇幅所限，本文省略了對描述性統計結果的具體分析，感興趣的讀者可在《經濟科學》官網論文頁面“附錄與擴展”欄目下載。

2009 年RUMIC 數據顯示農民工找工作所需天數平均為8.48 天，2009 年之后開始就業的樣本平均求職天數上升到9.3 天。由于城市生活成本高，短期內找不到工作的農民工可能會選擇回流或流入其他城市，因此總體上農民工在城市工作搜尋的天數較短，但急于找到工作的心態使得找到的工作可能并不是與其技能最匹配的工作。

城市規模使用如下幾個變量表示：當前工作開始年份所在城市常住人口數popc、當前工作開始年份城市規模分類變量cityscale 以及三個虛擬變量big300、big500 和big1000。③big300、big500 和big1000 分別表示當前工作開始年份所在城市是否為人口300 萬、500 萬（特大城市）以及1 000 萬以上（超大城市）城市。2009 年數據顯示15 個樣本城市城區常住人口數平均為686 萬，到2017 年增加到824 萬。2009年樣本進入人口300萬以下城市的農民工占比25%，高于進入I型大城市的占比（15%）和進入超大城市的占比（14%），低于進入特大城市的占比（46%）。2009 年以后開始當前工作的樣本，進入人口300 萬以下城市和特大城市的農民工占比下降，進入I 型大城市和超大城市的農民工占比上升。限于篇幅，控制變量的描述性統計結果不再詳細陳述。

四、實證分析

（一）城市規模與農民工就業匹配效率

表1 為使用2009 年RUMIC 流動人口問卷計算的城市規模與農民工就業匹配效率OLS估計結果。回歸（1）以當前工作開始年份城區常住人口數作為城市規模的代理變量?；貧w（2）到回歸（4）分別使用當前工作開始年份所在城市是否為人口300 萬以上大城市、是否為特大城市和是否為超大城市代理城市規模?；貧w（5）以當前工作開始年份城市規模分類變量代理城市規模?？刂谱兞堪ㄐ詣e、年齡、婚姻狀況、教育年限、企業規模、城市就業結構以及當前工作開始年份。

表1 城市規模與農民工就業匹配效率：來自2009 年RUMIC 的估計結果

可以看到，回歸（1）中城市規模系數為正，且通過了1%的顯著性水平檢驗。從回歸系數反應的情況看，城市常住人口每增加1%，農民工找工作時間平均增加16.5%。可知城市規模越大農民工就業匹配效率越低。從回歸（2）到回歸（4）反映的情況看，農民工在人口300 萬以上城市比300 萬以下城市就業匹配效率低21.3%，在特大城市就業匹配效率比一般城市低20.6%，在超大城市就業匹配效率比人口1 000 萬以下城市低26.7%。回歸（5）所得估計結果與前面4 個回歸結果類似，城市規模越大農民工就業匹配效率越低，找工作所需時間越長。2009 年RUMIC 數據估計結果顯示農民工沒有從城市集聚中提高就業匹配效率，厚勞動力市場優勢沒有顯現。

使用2009 年RUMIC 流動人口數據無法證明農民工從厚勞動力市場中受益是否與當時的經濟發展階段有關，以及當前情況是否有所改善。為驗證上述疑問，本文使用2017 年RUMIC 數據對上述問題進行重新估計，為便于跨期比較，把樣本范圍限定在2009 年以后開始當前工作的個體，回歸結果見表2?；貧w（1）以城區常住人口數代理城市規模，城市規模的系數為負，隨著城市規模的增加，找工作花費的時間逐漸減少，城區常住人口每增加1%，農民工找工作花費時間平均減少6.27%?；貧w（2）到回歸（4）回歸結果表明，農民工在300 萬以上大城市找工作花費的時間比300 萬以下城市短，在特大城市找工作所花費的時間比一般城市短，但在超大城市找工作需要花費更長的時間?；貧w（5）以分類變量測度城市規模，就業匹配效率由高到低依次為特大城市、I 型大城市、超大城市和人口300 萬以下城市?；貧w結果表明盡管近年來情況有所改善，農民工在大城市就業仍然無法獲得全部厚勞動力市場優勢。

表2 城市規模與農民工就業匹配效率：來自2017 年RUMIC 的估計結果

為驗證回歸結果的穩健性并解決樣本選擇偏誤，本文使用Becker 和Ichino（2002）編寫的 Stata 程序，計算農民工就業匹配效率處理組平均處理效應ATT，結果見表3 和表4。兩表的回歸結果可以得出如下兩個結論：

第一，城市規模對農民工就業匹配效率從2009 年明顯的負向影響轉為近年來的非線性影響，厚勞動力市場優勢只在近年來得到部分體現。2009 年農民工在規模較大城市找工作花費的時間更長，這與OLS 的估計結果一致。無論是按人口300 萬、500 萬還是1 000萬作為城市大小分類的標準，農民工都是在城市人口數量更多的城市找工作所需時間更長，就業匹配效率更低。使用2017 年RUMIC 數據傾向得分匹配估計結果表明，農民工在人口300 萬以上城市找工作花費時間比人口300 萬以下城市短，體現出較高的就業匹配效率，農民工從厚勞動力市場中受益。但城市規模達到特大或超大城市，農民工找工作所需時間并沒有減少甚至有所增加，厚勞動力市場優勢沒有得到充分反映。

第二，從2017 年RUMIC 數據反映的情況看，城市規模影響農民工就業匹配效率方向的拐點處于人口500 萬的特大城市附近。表2 中OLS 估計結果表明特大城市比一般城市就業效率高5%左右。與OLS 估計結果不同，表4 中PSM 估計結果表明特大城市相比一般城市就業匹配效率并無明顯改善。再考慮到超大城市就業匹配效率低于人口1 000 萬以下城市，可推知城市規模影響農民工就業匹配效率方向的拐點在人口500 萬的特大城市附近。

表3 城市規模與農民工就業匹配效率的PSM 分析：來自2009 年RUMIC 的估計結果

表4 城市規模與農民工就業匹配效率的PSM 分析：來自2017 年RUMIC 的估計結果

（二）就業歧視與厚勞動力市場失靈

農民工在大城市找工作花費的時間更長，沒有充分體現出厚勞動力市場優勢，是因為農民工在大城市受到更嚴重的就業歧視，還是因為厚勞動力市場理論本身不適用于中國勞動力市場？本部分使用2009 年RUMIC 城鎮戶籍勞動力數據驗證上述疑問。①“附錄與擴展”中的表A2 和表A3 分別匯報了城鎮戶籍居民城市規模與就業匹配效率的OLS 以及傾向得分匹配估計結果。

與農民工樣本不同，大城市城鎮居民就業匹配效率更高。城區常住人口數每增加1%，城鎮居民找工作所需時間平均減少21.8%，城市規模越大就業匹配效率越高。傾向得分匹配估計結果與OLS 估計結果基本一致，證實了厚勞動力市場理論對城鎮居民的適用性。

為進一步驗證就業歧視對農民工就業匹配效率的影響，本文把2009 年RUMIC 農民工樣本和城鎮勞動力樣本進行混合。在混合樣本中研究農民工和城鎮戶籍勞動力工作獲得途徑的差異，從工作獲得途徑的視角驗證就業歧視的存在，具體回歸結果見表5?；貧w（1）的OLS 估計結果表明，相比于社會渠道（商業職介、直接申請等），通過政府渠道（政府安排、政府職介等）找工作花費的時間減少29.1%，通過家人朋友介紹找工作花費時間減少14.5%?；貧w（2）到回歸（4）為三種工作獲得途徑Logit 估計的邊際效應值。與城鎮居民相比，農民工通過家人朋友找工作的概率高9.4%，通過政府渠道和社會渠道找工作的概率分別低17%和10%?？紤]不同戶籍類型工作獲得途徑的頻數分布，只有2.35%的農民工通過政府渠道獲得當前工作，而約三分之一的城鎮戶籍居民借助政府渠道尋求就業。約六成農民工通過家人朋友介紹在城市就業，而對城鎮戶籍居民來說，這一比例不到三分之一，工作獲得途徑的戶籍差異相當明顯。①不同戶籍類型工作獲得途徑和工作性質的頻數分布結果請見《經濟科學》官網“附錄與擴展”。城市就業市場對農民工的就業歧視，使得農民工無法同城鎮戶籍居民在就業市場公平競爭，其工作獲得途徑更多地需要依靠家人、朋友等原有社會網絡的支持，破壞了厚勞動力市場發揮作用的途徑。

表5 戶籍類型與工作獲得途徑

除工作獲得途徑外，城市勞動力市場對農民工的就業歧視還體現在工作性質方面。本文把工作性質分為合同工、臨時工和自我雇傭。表6 回歸（1）報告了三種工作性質就業匹配效率OLS 的估計結果，與自我雇傭相比，臨時工找工作所需要時間減少22.4%，合同工就業匹配效率比自我雇傭高，但系數不顯著。回歸（2）到回歸（4）為三種工作性質Logit估計的邊際效應值，回歸（3）表明，農民工從事臨時工的概率比城鎮居民低5.2%，從事自我雇傭的概率高7.4%。農村外出勞動力選擇自我雇傭只是部分建立在比較優勢的基礎上，進入壁壘限制了一些自我雇傭者轉為長期工，勞動力市場存在雙重分割，自我雇傭成為農民工城鎮就業的一種中間狀態（寧光杰，2012）。由于就業歧視的存在，農民工在城市就業被排除在就業穩定、工資高的一級勞動力市場之外，不得不選擇依靠家人、朋友的介紹從事自我雇傭等就業歧視較少的工作。無論是家人、朋友介紹這種依靠群體內部社會關系網絡的工作獲得途徑，還是自我雇傭的工作性質，都是對就業歧視的被動反應，農民工在大城市受到更嚴重的就業歧視，厚勞動力市場優勢不能充分發揮作用。

表6 戶籍類型與工作性質

續表6

（三）城市規模與就業匹配質量

前面的實證結果表明，與城鎮戶籍居民不同，農民工在大城市就業匹配效率并不高，厚勞動力市場優勢無法充分發揮。如果就業匹配效率低，大城市就業質量是否更高呢？本節擬從就業者的工作滿意度和就業穩定性兩個層面測度就業匹配質量。

使用RUMIC 不同年份數據計算的城市規模與農民工工作滿意度Logit 估計結果見表7和表8。綜合兩表反映的情況，不難發現如下兩個事實：（1）隨著城市規模的增加，農民工工作滿意度先上升后下降。兩個表的結構是一樣的，回歸（1）使用城區常住人口數測度城市規模，城市規模的一次項系數為正，二次項系數為負，城市規模與農民工工作滿意度呈倒U 形關系。①最初只考慮城市常住人口數的一次項，表7 回歸（1）城市規模的系數值為-0.002，沒有通過顯著性水平檢驗，因此考慮可能并非線性關系，于是加入城區常住人口數的二次項，表8 與此類似。農民工在城區人口300 萬以上大城市工作滿意度高于300 萬以下城市在特大城市工作滿意度高于一般城市，在超大城市工作滿意度要么不顯著，要么低于1 000，萬以下城市，城市規模與農民工工作滿意度呈非線性關系。（2）隨著時間的變化，農民工工作滿意度最高的城市規模由I 型大城市變為特大城市。表7 回歸（5）顯示2009 年以前農民工工作滿意度由高到低的城市規模依次為I 型大城市、特大城市、超大城市和人口300萬以下城市。表8 回歸（5）2009 年以后的數據顯示，農民工工作滿意度由高到低的城市規模依次為特大城市、I 型大城市、超大城市和人口300 萬以下城市，農民工工作滿意度最高的城市規模有所增加。從工作滿意度反映的情況看，厚勞動力市場優勢得以部分發揮，尤其在人口1 000 萬以下城市，城市規模的增加提高了農民工的就業匹配質量。

表7 城市規模與農民工工作滿意度：基于2009 年RUMIC 數據

續表7

表8 城市規模與農民工工作滿意度：基于2017 年RUMIC 數據

除工作滿意度測度就業匹配質量外，工作穩定性也可作為就業匹配質量的指標。在職業生涯早期，年輕勞動力傾向于在不斷匹配試錯過程中尋求最佳匹配，相比于小城市，大城市有更多的就業機會，也更容易找到工作，因此年輕勞動力在大城市轉換工作的概率更大。職業生涯的中后期，由于專用型人力資本投資于特定工作崗位，轉換工作或者職業的成本變得越來越大。鑒于厚勞動力市場匹配質量更高，相比于中小城市，大城市處于職業生涯中后期的勞動力就會減少工作轉換（Bleakley 和Lin，2012）?？紤]到不同職業階段城市規模與工作轉換概率之間的差異，本文把處于職業生涯早期的樣本剔除，考察城市規模與就業穩定性之間的關系，估計結果見表9 和表10。

表9 城市規模與農民工就業穩定性：基于2009 年RUMIC 數據（年齡>35）

因變量為工作穩定性，以當前是否正在尋找另一份工作表示，如果正在積極尋找工作取值為0，表示當前工作穩定性差，否則取值為1，代表著較高的工作穩定性，回歸方程的樣本只包括年齡在35 歲以上的個體。從兩表反映的情況看，農民工在規模越大的城市就業，就業穩定性越低。從RUMIC 2009 數據來看，農民工就業穩定性由低到高依次為超大城市、I 型大城市、特大城市和人口300 萬以下城市。2009 年以后開始當前工作的樣本回歸結果與此類似，特大城市就業穩定性低于一般城市、超大城市就業穩定性低于人口1 000 萬以下城市，I 型大城市的就業穩定性是最高的。農民工大城市就業穩定性低可從兩方面理解，一方面，大城市存在對農民工的就業歧視，當勞動力需求出現沖擊時，農民工群體首先受到影響，因而就業穩定性低。另一方面，農民工就業地和戶籍地分離，盡管越來越多的農民工選擇舉家遷移（Fan 等，2011），但農村仍然有大量留守老人和兒童，家庭分割導致農民工城市歸屬感不高，就業穩定性低。因此，從就業穩定性的角度看，農民工就業匹配質量并不高。

表10 城市規模與農民工就業穩定性：基于2017 年RUMIC 數據（年齡>35）

續表10

農民工大城市工作穩定性低，有一種可能是因為農民工在大城市更容易找到工作。如果這種假設成立，就業穩定性低反而意味著厚勞動力市場優勢的發揮。盡管表9 和表10的回歸過程已經把處于職業生涯早期的樣本剔除，但仍無法拒絕上述猜想。為進一步驗證上述猜想，本文考察工作滿意度低的樣本是否正在積極尋找工作的城市規模差異，如果大城市工作滿意度低的樣本正在積極尋找新的工作，則意味著厚勞動力市場優勢的存在。使用2009 年RUMIC 數據回歸的結果顯示，城市常住人口數每增加1%，工作滿意度低的農民工積極尋找新工作的概率下降1.6 個百分點，超大城市比人口1 000 萬以下城市積極尋找工作的概率低4.3 個百分點，I 型大城市和特大城市工作滿意度低的農民工積極尋找工作的概率高于人口300 萬以下城市。①相關回歸結果請見《經濟科學》官網“附錄與擴展”。使用2017 年RUMIC 數據反映2009 年以后開始當前工作的農民工情況，總的來看，城市規模越大，農民工積極尋找工作的概率越高。城市常住人口數每增加1%，農民工積極尋找工作的概率提高3.7 個百分點。當前工作滿意度低的農民工相較一般城市和人口1 000 萬以下城市，在特大城市和超大城市積極尋找工作的概率都更高，反映出厚勞動力市場優勢的存在。概言之，農民工在大城市工作滿意度相對更高的同時就業穩定性低，2009 年以后的樣本中大城市就業穩定性低恰是厚勞動力市場優勢的體現。從就業匹配質量的角度看，厚勞動力市場優勢得以部分發揮，但超大城市的工作滿意度相對較低、處于職業生涯中后期的農民工就業穩定性也不高，這都與大城市勞動力市場對農民工的就業歧視有關。

五、結論和啟示

本文研究城市規模與農民工就業匹配之間的關系，以檢驗厚勞動力市場理論的有效性。本文使用2009 年RUMIC 數據，以找到當前工作花費的時間作為就業匹配效率的代理變量，無論是OLS 估計還是傾向得分匹配方法都得出農民工在大城市就業匹配效率更低的結論。隨著中國經濟的發展和社會的不斷進步，這一狀況有所改善。使用2017 年RUMIC數據甄別出2009 年以后開始當前工作的樣本重新進行估計，研究發現除超大城市外，農民工就業匹配效率隨城市規模的增加而提高，城市規模越大找工作花費時間越短，厚勞動力市場優勢得以部分發揮。與農民工不同，城鎮戶籍居民就業匹配效率與城市規模正相關，厚勞動力市場優勢得以充分發揮。分析厚勞動力市場理論適用性的戶籍差異，不難發現戶籍造成的異質性源于對進城農民工的就業歧視，就業歧視的存在造成農民工在城市的求職途徑限于家人、朋友等原有的社會關系網絡以及自我雇傭等就業歧視較難出現的形式參與城市就業，社會關系網絡的限制以及就業方式的“自我雇傭化”都是對就業歧視做出的被動調整。從就業匹配質量看，農民工大城市工作滿意度高、工作穩定性低，呈現出部分厚勞動力市場優勢，但農民工在超大城市工作滿意度相對較低、職業生涯中后期農民工就業穩定性低的事實顯示大城市對農民工的就業歧視并未完全消除。

就業歧視勢必造成勞動力資源配置效率的下降，導致人力資本浪費。當前“穩就業”已成為政府工作的重中之重，提高農民工就業水平和就業質量是“穩就業”的重要內容。為實現農民工就業穩定，首先，應進一步消除對農民工的就業歧視，尤其對大城市來說，應充分保障農民工的各項合法權益，使農民工對未來有穩定的預期，進而提高就業質量。其次，應充分發揮政府就業部門的中介作用，拓寬農民工就業渠道。政府部門應當更加積極地為進城農民工提供就業信息，發揮政府渠道在農民工就業搜尋過程中的積極作用。最后，應不斷發揮市場機制在調節大中小城市人口流動方面的作用，糾正過去一段時間大城市唯學歷論的人才吸引政策，充分發揮市場調節作用，提高人力資本配置效率。