土地價格、公共支出與勞動力逆向流動*

南京審計大學經濟學院 鄭 安

一、引言

從20世紀70年代開始，伴隨著中國經濟的改革開放，農業部門的生產力得到極大釋放，剩余農村勞動力開始大規模地向工業部門和城鎮轉移，特別是戶籍制度改革后，城市落戶的門檻大幅度降低，加速了勞動力流動和城鎮化進程。早期勞動力流動的主要特點為：農村人口向城鎮遷移，勞動力從經濟欠發達的西部地區向發達的東部地區遷移，“邊緣”區域人口向“中心”大城市聚集。截至2019年，我國外出農民工總數達到17425萬人(見圖1)，增長趨勢進一步放緩。按就業區域劃分，在東部就業的農民工人數仍然占壓倒性優勢(見圖2)。從農業部門轉移出的勞動力為工業發展提供了大量的廉價勞動力，成為中國經濟增長的“人口紅利”，也是我國二元經濟的重要特征。

圖1 2008～2019年外出農民工總數資料來源：Wind數據庫。

圖2 2008～2019年按就業區域劃分農民工人數情況資料來源：Wind數據庫。

一直以來，我國勞動力都是涌向發達地區，尤其是“北上廣”地區，但是并沒有實現對正在發展的縣市地區進行有效的城市化，這導致一線城市出現了交通擁堵、環境惡化、房價高企等“城市病”。為了緩解大城市的壓力，黨的十八大提出了新型城鎮化建設的新要求，一方面在大城市實行嚴格的戶籍制度，轉移低端勞動人口；另一方面重點推進中小城鎮的發展，城鄉協調發展，吸納勞動力。所以，近年來我國的勞動力流動出現了“逃離北上廣”以及勞動力由一線城市向低階城市的逆向流動現象。

與一線城市嚴格限制人口規模相反，從2017年開始，勞動力市場上越來越多的準一線和二線城市出現了“搶人大戰”的現象。為了吸引和留住人才，西安、南京、武漢、長沙、成都、杭州等地方政府競相為人才落戶提供優惠政策，以期在未來的城市競爭格局中搶占先機。例如，南京提出40歲以下本科畢業生即可落戶，外地畢業生來南京面試發放1000元補貼，青年大學生2018年1月1日后在南京實現首次創業、領取營業執照，給予一次性2000元的開業補貼；武漢也實行了大學生幾乎“零門檻”落戶，并推行“社區公共戶”“人才住房券”等制度；成都推行“先落戶后就業”，本科及以上畢業生憑畢業證即可落戶，同一用人單位工作2年及以上的技能人才，可憑單位推薦、部門認定辦理落戶手續；西安將落戶準入條件降低至普通大中專院校畢業生，并放寬設立單位集體戶口條件，將本科以上學歷落戶年齡放寬至45歲，碩士研究生及以上學歷人員不設年齡限制。這些城市的人才政策確確實實吸引了大量勞動力的流入，在2017年的人才爭奪戰中，成都以新增戶籍人口36.43萬人名列前茅，西安凈增戶籍人口20.15萬人，南京和杭州新增戶籍人口也接近18萬人。(1)《西安4天落戶1.7萬人，準一線城市上演“搶人大戰”》，搜狐網，2018年3月31日。

一線城市的高地價、高房價是否會產生“逃離北上廣”的勞動力逆向流動？地方公共支出水平及結構又是如何影響勞動力流動，進而緩解高地價對勞動力要素的擠出效應?這是本文主要研究的問題。

本文的創新點在于，一是現有的關于土地價格如何影響勞動力流動的研究主要是從住房視角出發，認為高房價阻礙了勞動力的流入(Helpman，1998；高波等，2012)，在綜合考慮土地價格與地方政府公共支出的交互影響后，本文認為高地價對勞動力也可能呈現吸引效應，得到的結論也略有不同。二是本文進一步將“公共支出”指標分解為薪酬、教育、醫療、基礎設施和環境條件五個指標，發現在不同的經濟發展水平中，它們對勞動力吸引力的排序是不同的，從而為地方政府的公共政策制定提供了實踐指導。三是傳統研究公共支出結構的理論往往基于財政投入的角度，核算不同口徑和類別的財政支出作為指標度量，而本文基于財政產出的角度，避免了財政核算口徑的修訂與重疊。

二、文獻綜述

在分析勞動力遷移影響因素的文獻中，以Todaro(1969)為代表的發展經濟學家解釋了城鄉勞動力的轉移問題。因為城市工業部門的工資高于農業部門，所以只要轉移的預期收益高于農業部門收入加上遷移成本，勞動力就會源源不斷地從農村流向城市。Krugman(1990)提出了新經濟地理學，認為“中心”地區的高工資水平和就業機會吸引勞動力從“邊緣”地區集聚過來，從而解釋了區域間勞動力轉移問題。Fu和Liao(2012)認為平均教育水平高的地區有利于獲得更多的學習機會，人口密集度強的地區技能更容易匹配，這兩個因素都會吸引勞動力的流入。結合我國國情來說，具備上述優勢因素或者與流出地距離近的省份都容易吸引勞動力流入(肖群鷹和劉慧君，2007；王桂新等，2012)。蔡昉(2007)認為開放的戶籍制度可以促進農村勞動力的轉移，應當加快戶籍制度改革，從而進一步挖掘勞動力供給的潛力，應對剩余勞動力轉移放緩的趨勢。陳強遠和梁琦(2014)從空間經濟學的角度考慮了產業結構因素，認為具有技術比較優勢的城市往往吸引勞動力的流入和集聚，但是由于知識的溢出，當進入城市化后期，會出現逆城市化過程，即出現勞動力向低階城市流動。夏怡然和陸銘(2015)認為城市的基礎教育和醫療服務等公共服務都是吸引勞動力流入的原因，同時戶籍制度也會對勞動力流動產生影響。肖挺(2016)考慮了環境因素，通過實證檢驗發現，在經濟較為發達、居民收入較高的地區，以及工業化城市或服務業為主導的城市，環境污染都會導致勞動人口的外流。

三、研究假說

在影響勞動力流動因素的文獻中，Bogue(1969)最早提出了推拉理論，即人口流動是由流入地的拉力和推力決定的。拉力和推力分別代表流入地的優勢和劣勢。本文認為勞動力進行遷移決策時實質上是進行成本收益分析，即對流入地的生活成本和政府能夠提供的公共品收益進行權衡比較，而這兩種因素又與當地的土地價格和公共支出水平結構有關，所以本文從這兩個角度研究勞動力流動的影響機理。

(一)影響機理1：高地價對勞動力形成驅趕效應

高地價的地區房價也相對較高，因為目前我國的住宅和商業服務用地基本都采用“招拍掛”的出讓方式。對于住宅用地來說，全國工商聯房地產商會曾對我國9個城市2008年“房地產企業開發費用”做過調查，報告稱僅土地費用(含土地成本和開發費用)就占到銷售房價的40%。從圖3可以看出，城市房屋的銷售價格與該地區土地出讓的平均價格呈正相關關系，高房價和高地價主要集中在東部地區，西部地區房價和地價相對較低。2017年35個大中城市中房屋的平均銷售價格最高的是深圳，為47936元/平方米，對應的土地平均出讓價格為16275萬元/公頃；房屋的平均銷售價格最低的是銀川，為5177元/平方米，對應的土地平均出讓價格也最低，為455萬元/公頃；土地平均出讓價格最高的是北京，為29772萬元/公頃，對應的房屋平均銷售價格為32140元/平方米。所以高地價推動高房價，增加外來勞動力的居住成本。

圖3 2017年35個大中城市房屋銷售價格和土地平均出讓價格資料來源：Wind數據庫。

另外，商服用地價格的增加也會傳遞到城市居民日常生活用品和服務的價格上，增加了生活成本。所以在地區間工資水平、教育醫療環境條件等一定的前提下，高地價增加了勞動者的生存成本，壓縮了可支配收入，從而減少了勞動力流入。這也被認為是“逃離北上廣”的最重要的因素之一。

(二)影響機理2：公共支出水平越高的地區對勞動力的吸引效應越大

首先，從公共支出的總量來看，對于經濟發達地區，政府本級財政收入較為充裕，相應地能夠投入較多的公共支出。因此這些區域的經濟體量較大，就業機會較多，成為吸引勞動力流入的拉力。從圖4可以看出，地方本級的公共支出和GDP呈正向關系。以2018年為例，上海的地方財政一般預算總支出8352億元，位居全國第一，其GDP也以36012億元居首。西寧的地方財政一般預算總支出71億元，GDP 1286億元，均為最少。

圖4 2018年35個大中城市地方財政一般預算支出和GDP資料來源：Wind數據庫。

其次，從公共支出的結構來看，地方財政一般預算支出主要包含用于支付行政事業單位工資的一般公共服務支出、地方社會保障和就業支出、教育支出、醫療衛生支出、交通運輸等基礎設施支出和農林水事務支出等。因此，公共支出水平較高的城市一般具備較為優越的薪酬、教育、醫療、基礎設施和環境條件(見圖5至圖8)，這些都是吸引勞動力流入的重要因素。

圖5 2018年大中城市的人均公共支出和在崗職工平均工資資料來源：Wind數據庫。

圖6 2018年大中城市人均公共支出和人均執業醫師數資料來源：Wind數據庫。

圖7 2018年大中城市人均公共支出和人均綠地面積資料來源：Wind數據庫。

圖8 2018年大中城市人均公共支出和人均高校學生數 資料來源：Wind數據庫。

(三)影響機理3:高地價推動公共支出提高，對勞動力形成吸引效應

土地價格的上升實質上增加了地方政府的土地出讓收入，在預算軟約束下，相當于高地價為政府籌集了財政資金，進而會增加公共支出水平(見圖9)，根據影響機理2，在一定程度上也對勞動力產生吸引效應。

圖9 2017年35個大中城市公共支出水平和土地平均出讓價格資料來源：Wind數據庫。

四、計量檢驗

(一)計量模型及指標說明

1.被解釋變量。

勞動力數量(lab)：因為只有具有生產力的勞動力投入才是經濟增長的動力來源，所以本文采用就業人數而不用人口數。由于“就業人員”指標存在某些城市和年份的缺失，為了便于統一統計口徑，本文分別查取了省會、計劃單列市、直轄市的城鎮私營和個體從業人員、城鎮單位就業人員，以其合計值作為被解釋變量。這一指標較為全面地反映了該地區城鎮就業的情況，也是外來勞動力的主要就業場所。數據來源于《中國城市統計年鑒》、國家統計局網站和Wind數據庫。

2.解釋變量。

土地出讓價格(lpri)是本文的核心解釋變量。國有建設用地常見的供應方式主要包括劃撥和出讓，出讓類型又分為協議出讓和“招拍掛”出讓。其中，劃撥一般是政府無償地交付土地使用權，所以該變量采用土地出讓的數據，用土地出讓總收入除以土地出讓總面積求出土地價格，這些數據均來源于《中國國土資源年鑒》。根據前面影響機理的分析，該變量預期為不確定。

公共支出水平(exp)是本文另一核心解釋變量。本文采用的是“地方財政一般預算支出”指標，僅包含地方本級支出，反映了地方政府在提供本區域公共服務和基礎設施等方面的能力。本文采用總量指標而不是人均指標，避免了由于人口數量統計口徑的不同造成的稀釋作用。一般認為公共支出越多的地區，經濟總量和總體公共服務水平相對也越高，對勞動力的吸引效應越強，所以預期符號為正。數據來源于EPS數據庫。

工資水平(wag)：在地方財政一般預算支出結構中，如果用于支付行政事業單位工資的一般公共服務支出、地方社會保障和就業支出部分比重上升，必然會帶動當地整體工資水平上升，從而吸引勞動力的流入，所以預期符號為正。本文采用的是省會、計劃單列市和直轄市的“城鎮非私營單位就業人員平均工資”指標，數據來源于《中國城市統計年鑒》。

教育水平(edu)：本文采用的是“普通高等學校在校學生數”除以人口數得出每萬人中大學生人數，衡量公共支出結構中的教育指標。數據來源于EPS數據庫中的中國城市數據庫。相比許多文獻采用的“中小學在校學生數”，該指標更能反映該地區高等教育資源對人口的吸引力，所以預期符號為正。

衛生條件(hea)：本文采用“執業(助理)醫師數”除以人口數得出每萬人中醫師的人數，衡量公共支出結構中的醫療指標。該變量值越大，當地的醫療衛生條件越好，對勞動力的吸引力也越強，所以預期符號為正。數據來源于EPS數據庫中的中國城市數據庫。

人均道路面積(road)：該變量主要用來衡量公共支出結構中的基礎設施指標，一般路網交通越發達、基礎設施越完善的地區越能吸引勞動力的流入，所以預期符號為正。數據來源于中經網統計數據庫“中國城鄉建設數據庫”。

人均綠地面積(green)：本文采用“市區綠地面積”除以人口數得出每萬人所享有的綠地面積，代表本地區公共支出結構中的環境指標，預期符號為正。數據來源于中經網和Wind數據庫。

3.主要變量的描述性統計。

為使得數據可比，剔除價格波動的影響，以貨幣計量的各變量值，包括土地出讓價格(lpri)、工資水平(wag)和公共支出(exp)均做了以1999年為基期的GDP平減。本文采集了全國35個大中城市1999～2017年的面板數據(包括除拉薩以外的26個省會城市和自治區首府、5個計劃單列市和4個直轄市)(2)數據來源于《中國城市統計年鑒》《中國統計年鑒》《中國國土資源年鑒》,以及中經網統計數據庫、EPS數據庫和Wind數據庫。，部分缺失的數據用插值法求出。主要變量的描述性統計如表1所示。

表1主要變量的描述性統計

4.基準模型。

根據前面的影響機理假設，首先總體分析土地價格和公共支出對勞動力的影響，再從薪酬、教育、醫療、基礎設施和環境條件五個方面細化公共支出結構對勞動力數量的影響機理。建立的基準模型如下：

癌癥對患者生命健康及生存質量有嚴重影響，且其發病率隨著年齡增加而逐漸升高。食管癌為我國常見惡性腫瘤類型，起病隱匿，多數患者明確診斷時已進至中晚期，此時往往已喪失最佳治療時機，患者多數需通過放化療來延長生存時間[7]。

模型一：ln(labit)=c+ρ1ln(lpriit)+ρ2ln(expit)+μi+εit
模型二：ln(labit)=c+ρ1ln(lpriit)+X′itβ+μi+εit

其中，下標i表示城市；t表示年份；c是常數項；ρ1、ρ2和β均為待估的系數；μi表示不隨時間變動的擾動項，反映城市間的地區效應；εit表示隨地區時間同時變化的隨機變量。模型二用控制變量Xit對模型一公共支出水平(exp)指標進行替代，其中Xit包括工資水平(wag)、教育水平(edu)、衛生條件(hea)、人均道路面積(road)、人均綠地面積(green)。為了去除變量的時間趨勢和控制異方差，同時避免量綱的干擾，模型中的變量均采用自然對數的形式進入方程，同時對應估計出的系數也因此反映了彈性的經濟含義。

(二)平穩性檢驗

為了保證回歸的質量，避免時間序列數據的非平穩性導致的偽回歸問題，下面首先對變量進行單位根檢驗。常用的指標有四種: LLC要求個體的自回歸系數相同，具有“共同根”，而IPS、Fisher-ADF和Fisher-PP則放松了假設，允許異質面板的平穩性檢驗。我們采用上述幾種方法進行檢驗，結果如表2所示，所有變量基本都通過平穩性檢驗，避免出現偽回歸的可能。

表2主要變量平穩性檢驗結果

(三)基準模型回歸結果分析

在前面的靜態面板模型中，因為教育水平(edu)、衛生條件(hea)、人均道路面積(road)、人均綠地面積(green)都是根據當期總量值除以當期地區人口數得出的，而人口數與當期勞動力數量存在相關性，為了避免內生性問題，這四個指標都用一階滯后作為工具變量。根據Hausman檢驗在1%的顯著性水平下拒絕隨機效應模型，采用固定效應模型得到的估計結果如表3所示。

表3 1999～2017年全樣本數據固定效應模型回歸結果

核心解釋變量公共支出水平(exp)的回歸系數顯著為正，說明影響機理2成立，即公共支出對勞動力產生吸引效應。另一核心解釋變量土地出讓價格(lpri)的回歸系數顯著為正，說明高地價轉化為公共支出水平的提高抵消了驅趕效應，從而整體上呈現正的回歸系數。另外，從表3的回歸結果中也可以看出，當在模型中引入公共支出水平(exp)指標后，土地出讓價格(lpri)的回歸系數由單獨回歸時的0.31下降到0.11，所以原正回歸系數中確實內化了通過公共支出產生的吸引效應。

當我們用薪酬、教育、醫療、基礎設施和環境條件五個指標替代公共支出指標后，解釋變量工資水平(wag)、教育水平(edu)、衛生條件(hea)、人均綠地面積(green)的回歸系數均為正，符合本文之前的預期。值得注意的是，人均道路面積(road)的回歸系數均為負，跟我們的預期相反。一個可能的解釋是，由于該指標使用的是人均值，所以一些超級大城市,如北京、上海道路總面積已達到飽和，人均道路面積反而最低(見圖10)。

圖10 2018年全國35個大中城市人均擁有道路面積

(四)動態面板回歸結果分析

考慮到地區的發展具有馬太效應，具有比較優勢的地區總是能吸引勞動力源源不斷地流入，所以當期勞動力的數量可能與前一期勞動力相關，上文的基準模型演變為動態面板模型：

ln(labit)=c+ρ1ln(labit-1)+ρ2ln(lpriit)+ρ3ln(expit)+μi+εit
ln(labit)=c+ρ1ln(labit-1)+ρ2ln(lpriit)+X′itβ+μi+εit

由于該模型包含了因變量的滯后項，存在內生性問題，用固定效應模型估計結果有偏(biased)。蒙特卡羅模擬實驗表明，在有限樣本和非球形擾動下，二步廣義矩法(two-step GMM)比一步廣義矩法(one-step GMM)估計有效性更高(Windmeijer, 2005)。所以本文采用Blundell和Bond(1998)提出的系統GMM估計，即將差分GMM和水平GMM相結合，得到的動態面板模型回歸結果如表4所示。

表41999～2017年全樣本數據動態面板模型回歸結果

續表

(五)門檻面板模型

從上文的基準模型和動態面板模型中，我們得到結論：公共支出水平越高，地區對勞動力的吸引效應越大。盡管高地價增加了城市的居住和生活成本，但是也有利于地方政府增加財政收入，有利于其為增加的公共支出籌資，從而并沒有促使勞動力逆向流動，反而對勞動力數量的影響為正。下面我們通過控制土地價格變量，具體分析不同經濟發展地區公共支出對勞動力流動的影響是否有差異，尤其是勞動力流動對薪酬、教育、醫療、基礎設施和環境條件五種不同的公共支出指標的敏感度和排序。考慮到如果只是簡單地以各地區GDP的算術平均數將全樣本數據進行劃分后再進行回歸，結果并不一定可靠，而且模型會產生設定偏誤，因此，下面采用面板門檻模型進行檢驗。

面板門檻模型關鍵是要確定數據結構的突變點，即門檻值，Hansen(1999)的方法能夠通過嚴格的統計推斷和假設檢驗確定門檻值。具體來說分成兩步：首先，將門檻值作為解釋變量的一部分納入模型，并使用OLS估計獲得包含門檻值在內的殘差平方和，然后選擇門檻值使得殘差平方和最小。本文以各地區GDP水平作為門檻變量，建立面板門檻模型：

ln(labit)=c+ρln(lpriit)+X′itβ1I(GDPit≤γ1)+X′itβ2I(γ1

+X′itβnI(γn-1

其中,Xit為控制變量，即將公共支出分解成的工資水平(wag)、教育水平(edu)、衛生條件(hea)、人均道路面積(road)、人均綠地面積(green)五個指標變量;μi表示個體擾動項;εit表示隨個體時間同時變化的隨機變量;i與t為城市與年份;γ為待估的門檻值;ρ與β為待估的系數;I(·)為示性函數。該模型也可以看成分段函數，GDPit≤γ1時，Xit的系數為β1；γ1

在原假設成立的條件下，可以估算出γ的置信區間。

根據前面的原理，本文采用南開大學王群勇教授的Stata命令xthreg(Wang, 2015)首先對門檻的數量進行了檢驗，結果如表5所示。

表5門檻數量檢驗

從表5的結果可以看出，在5%的顯著水平上拒絕“沒有門檻”的原假設，但是在10%的顯著水平上沒有拒絕“單一門檻”的原假設，所以本模型存在一個門檻。對應的似然比函數圖如圖11所示，圖中似然比函數為0時對應的lnGDP值即估計的門檻值為8.2976，而似然比函數與虛線相交時對應的lnGDP值即對應的門檻值的95%置信區間為[8.2441，8.3080]。

圖11 門檻估計值及LR函數圖

表6為以GDP水平作為門檻變量進行面板門檻固定效應模型回歸的結果。在控制不同地區的解釋變量土地出讓價格(lpri)后，我們以lnGDP=8.2976作為門檻值區分發達地區和欠發達地區。可以看出，無論在發達地區還是欠發達地區，工資水平(wag)、衛生條件(hea)、人均綠地面積(green)都顯著為正, 這與夏怡然和陸銘(2015)的研究結果一致。回歸系數的大小體現了三個指標對勞動力拉力的排序。在發達地區，衛生條件(hea)是最吸引人的，回歸系數高達0.44，說明該指標上升1%，地區勞動力數量增加0.44%。其次是工資水平(wag)，最后是人均綠地面積(green)。在欠發達地區，工資水平(wag)的回歸系數最高為0.46，說明薪金收入的提高最能吸引勞動力。其次是衛生條件(hea)，最后是人均綠地面積(green)。發達地區的教育水平(edu)和人均道路面積(road)指標系數為負，與前面的模型估計保持一致,這在基準模型中已做解釋, 可能與北京、上海等超級大城市有關。對于欠發達地區，教育水平(edu)和人均道路面積(road)指標系數為正，但是數值明顯小于工資水平(wag)、衛生條件(hea)、人均綠地面積(green)，所以勞動吸引力排序靠后。

表6面板門檻固定效應模型估計結果

五、政策啟示

本文采用全國35個大中城市1999～2017年的面板數據，通過固定效應面板模型、動態面板模型以及面板門檻固定效應模型證實了土地價格和公共支出的上升都會吸引外來勞動力。其中，土地價格上漲不僅要考慮它增加了生活成本，形成對勞動力的驅趕效應，還要考慮它有利于地方政府增加財政收入，從而通過擴大公共支出水平，形成對勞動力的吸引效應。最后，我們通過將公共支出指標分解為薪酬、教育、醫療、基礎設施和環境條件五個指標，發現在不同的經濟發展水平，它們對勞動力吸引力的排序是不同的。在發達地區，人們更注重醫療條件，然后是薪酬，最后是環境。在欠發達地區，人們首先關注的是薪酬，然后是醫療條件和環境，最后是教育和基礎設施條件。

本文的結論對于地方政府如何制定公共政策、有效提供公共品和公共服務以及留住人才具有一定的政策啟示。一方面，要降低對勞動力的驅趕效應。特別是對于欠發達地區，勞動力對工資水平最為敏感，所以地方政府應當抑制房價，降低外來勞動人員的居住成本，同時建立多層次的住房保障體系。例如，為高素質人才提供“人才公寓”，向剛畢業的大學生提供住房補貼，同時大力發展公租房和廉租房，實現“租售同權”，解決流入勞動力的住房問題。另一方面，提高對勞動力的吸引效應。例如，地方政府可以將土地出讓金收入更多地投入城市建設，實現公共服務管理水平、教育水平、醫療水平和環境質量的提升。本文的研究結論對當前如何緩解大城市的人口壓力，推進中小城市城鎮化建設也提供了解決方案。例如，推進公共服務的均等化，要求流入地政府在義務教育、社會保險等部分流動性較強的基本公共服務上承擔起更大的支出責任。