出生城市、人力資本積累與收入水平

冷 萱 李 涵

(西南財經大學，四川 成都 611130)

一、引言及文獻評述

伴隨著中國城鎮化進程的不斷深入推進，中國不同區域及城市之間的分化也日趨明顯。習近平總書記在2019年12月16日出版的《求是》雜志上發表“推動形成優勢互補高質量發展的區域經濟布局”一文指出，“我國…區域經濟發展分化態勢明顯，各板塊內部也出現明顯分化，有的省份內部也有分化現象…經濟和人口向大城市及城市群集聚的趨勢比較明顯”。第十四個五年規劃中也明確指出，要推動區域協調發展，逐步實現基本公共服務均等化。由于早期城市之間發展的不均衡，這種發展不均衡產生了一系列的經濟影響，最為直接的是對個體收入水平的影響。基于此，本文主要關注的是中國個體出生時戶籍所在城市規模(下簡稱出生城市規模)對于其成年后收入水平的影響。

國外已有文獻發現，個體出生地的特征以及之后童年時期的生活環境對其成年后在勞動力市場的表現會有顯著的影響(Bosquet et al.,2019;Chetty et al.,2018a;Chetty et al.,2018b;Chetty et al.,2014)。但是，針對中國的類似研究還很少。實際上，隨著中國城鎮化的不斷推進，城市之間的分化也在不斷加大。不少研究也表明，中國不同規模的城市在收入水平、生活質量、公共服務等方面的差異也越來越大(陸銘 等,2012;Baum-Snow et al.,2013;李紅陽 等,2017;張天華 等,2017;韓旭 等,2018;Baum-Snow et al.,2018;Davis et al.,2019)。而對于個體而言，出生城市規模的差異最終也有可能會通過影響人力資本積累和工作機會等途徑作用于其成年后的收入水平。

已有研究從個體出生戶籍的角度探討了機會不平等相關議題。陳東等(2015)借助1989—2009年CHNS數據研究發現，機會不平等能解釋收入不平等的54.61%，其中，出生地和戶籍對收入不平等有顯著的正向影響。家庭收入、戶籍和出生地是影響機會不平的重要因素(董麗霞,2018;史新杰 等,2018；劉成奎 等,2021)。對于城鎮收入不平等而言：李瑩等(2016)研究發現，機會不平等能夠解釋城鎮收入不平等的1/3以上；龔鋒等(2017)利用CGSS數據得到類似的結果。更進一步地，學者們也回答了“努力能否改變命運”的問題(宋揚,2017)。分農村與城市的樣本來看，農村的機會不平等相對于城市更加嚴重(史新杰 等,2018)。已有相關文獻認為，中國機會不平等較嚴重，由機會不平等造成的收入不平等大概能解釋其中1/3到1/2，機會不平等中的出生地是其中重要的組成部分。

國內研究中，關于出生城市信息的個體微觀數據較少，鮮有文獻從個體出生時戶籍所在城市的規模探討機會不平等。國外文獻中，與本文研究內容直接相關的是Bosquet et al.(2019)使用英國家庭調查數據的相關研究，研究發現出生在大城市的人收入水平顯著更高。這也反映了機會不平等不僅存在于中國這樣的發展中國家，在英國這樣的發達國家也同樣存在。關于出生城市對個體未來收入的影響，作者提出了三個潛在的假設，分別是父母的選擇效應、人力資本積累和路徑依賴。通過實證檢驗發現主要的影響機制是父母的選擇效應和出生城市影響工作城市的選擇。中國的戶籍制度為理解出生城市對未來收入影響提供了新的視角，中國的戶籍制度使得個體出生時戶籍所在城市顯得更加重要。

中國的戶籍制度對人口流動和地區發展有著深刻的影響(張吉鵬 等，2019)。根據第三次人口普查數據估算，1982年中國流動人口比例只占全國總人口的0.66%(段成榮 等,2008)。 以往嚴格的戶籍制度限制了人口的流動，導致子女出生時父母流動受到限制，使得父母的選擇效應在中國制度背景下不再成立。盡管近年來戶籍制度執行力度逐步松動，但隨遷子女在大城市入學難的問題依然存在，使得隨遷子女在城市不能接受與當地居民同樣的教育(吳賈 等，2015)。嚴格的戶籍制度和較高的落戶門檻，可能進一步導致勞動力回流(張吉鵬 等，2020)。因此，出生所在的戶籍城市對一個人未來在勞動力市場的表現具有深遠的影響，不僅關系到未來能否流動到更大的城市擁有更多的就業機會，也直接影響到公共服務的水平，尤其是教育公共服務水平。Bosquet et al.(2019)的研究并未發現出生地城市通過人力資本積累影響到收入水平。原先中國嚴格的戶籍制度使得絕大多數個體只能在出生所在的戶籍城市接受教育，導致出生所在的戶籍城市會對個體人力資本積累具有重要的影響。本文從人力資本積累這一視角出發，重點討論出生城市對收入水平的影響。這一研究為改革中國戶籍制度以及推動基本公共服務均等化提供了經驗證據。

本文使用中國勞動力動態調查數據(China Labor-force Dynamics Survey，簡稱CLDS)匹配地級市城市規模數據，以分析個體出生城市規模對個體收入水平的影響。更進一步地，本文使用中介效應模型，檢驗了出生地城市規模通過人力資本積累這一作用機制影響個體未來收入水平(1)我們感謝審稿人提出使用中介效應進行分析的辦法，使得本文實證研究的邏輯更加嚴密。。本文研究表明，個體出生地城市規模將顯著影響個體收入水平，人力資本積累是較為重要的作用機制。異質性分析和進一步分析表明，出生城市對于農村個體、低收入個體影響更大；同時，個體流動可以顯著削弱個體出生城市規模對其收入水平的影響。在排除父母空間選擇效應，并使用工具變量法和其他穩健性分析后，本文的結論依然成立。

本文的貢獻在于嘗試厘清出生地造成的影響、機制以及如何緩解這一影響。首先，本文是以出生城市規模測度個體出生城市，相比以往研究機會不平等的文獻(董麗霞,2018;龔鋒 等,2017;李瑩 等,2016;史新杰等,2018)，本研究嘗試以更加細致的指標反映城市規模造成的機會不平等；其次，本文發現，出生時戶籍所在城市通過作用于個體受教育年限而影響個體收入水平；最后，本文研究也發現，通過勞動力流動可以緩解由出生地不同造成的不平等。此外，推動教育公共服務均等化能較大程度上緩解出生地城市規模造成的機會不平等。本文的研究為進一步促進勞動力要素自由流動以及推動教育公共服務均等化提供了理論支撐。

本文剩余部分安排如下：第二部分為制度背景與理論分析；第三部分為數據說明；第四部分為實證結果；第五部分為穩健性檢驗；第六部分是機制分析；最后部分是結論與政策含義。

二、制度背景與理論分析

(一)制度背景

中國的戶籍制度存在，使得個體在空間上難以得到自由流動，由此導致個體出生的戶籍城市在很大程度上決定了個體成長和生活的環境。1978—2019年，中國的城鎮人口占總人口的比例由17.9%提高到60.6%，體現了中國城市化進程快速進行(蔡昉 等，2020)。然而，2019年中國戶籍人口城鎮化率僅為44.4%，比常住人口城鎮化率低16個百分點。戶籍制度作為計劃經濟的產物，在特定時期很大程度上發揮了限制人口流動的功能，使得個體在空間上難以實現流動，這意味著個體出生時父母難以在空間上流動，同時戶籍所在地很大程度上決定了個體童年時期成長環境和接受教育的城市規模。

近年來，中國的戶籍制度執行力度逐步放松。比如，國家發改委印發的《2021年新型城鎮化和城鄉融合發展重點任務》指出，要有序放開放寬城市落戶限制(2)詳見：http://www.gov.cn/zhengce/zhengceku/2021-04/13/content_5599332.htm。。這在一定程度上促進了勞動力要素的自由流動，使得個體跟隨父母從出生時戶籍所在城市流動到其他城市入學成為可能。然而，一些城市對流動人口隨遷子女設置一系列入學限制，使得個體仍然難以流動到非出生城市接受教育(吳賈 等，2020)。由于戶籍制度的限制，使得個體在空間上難以流動，隨遷子女難以在非戶籍城市接受更好的教育。盡管戶籍制度在不斷放松，然而個體出生時戶籍城市仍然是決定其成長的重要條件。

(二)理論分析

制度背景分析表明，個體出生時的戶籍城市對個體而言，會較大程度上決定這些個體究竟成長和生活在何種規模城市。由于城市之間不均衡的發展，不同規模城市之間經濟發展水平差異較大。中國城市空間上的不均衡發展，尤其是在教育資源的不均衡和戶籍制度的限制條件下，這導致出生在不同城市的個體接受的教育公共服務會存在差異，進而影響人力資本積累。

已有文獻表明，在農村長大的兒童似乎沒有享受到與城市長大的兒童同樣的教育機會(Van Maarseveen，2020)。同時，羅楚亮等(2019)研究發現，中國高等教育不僅在省際之間存在差異，省內之間，如省會城市與非省會城市也存在差異。人們普遍認為，較好的教育資源和公平的教育機會可以縮小個體隨后在勞動力市場上的差距，進而緩解收入差距(陸根書，1998)。出生時戶籍所在地決定了個體成長環境，包括當地的教育資源等。出生在教育資源較為豐富的大城市，這意味著個體能接受更高質量的教育，而出生在規模較小的城市意味著將接受較為一般的教育。因而，城市規模將影響人力資本積累，進而影響收入水平。

此外，實證結果表明，教育回報更高的城鎮居民將進行更多的人力資本投資(陳斌開 等，2010)。由于集聚效應的存在，規模越大的城市教育回報率也更高(Behrens et al.,2014;Davis et al.,2019;陳飛 等,2021)。陳飛等(2021)研究表明，增加教育投資是城市規模溢價的來源之一。城市規模越大，教育回報率越高，相應會激勵大城市進行更多的教育投資。在中國戶籍制度背景下，個體出生時戶籍城市等同于個體童年學習生活的城市，其規模越大，教育投資會越大。這也將影響個體人力資本的積累，進而影響收入水平。

基于以上理論分析，個體出生城市規模越大，其收入水平越高，而人力資本積累是出生城市規模影響收入水平的重要機制。

三、數據說明

(一)數據來源

本文使用中山大學社會科學調查中心開展的“中國勞動力動態調查”(CLDS)數據(3)本文的觀點和內容由作者自負。如需了解有關此數據的更多信息，請登錄：http://css.sysu.edu.cn。。中國勞動力動態調查于2012年進行基線調查，2014年進行了第一次追蹤調查，2016年進行第二次追蹤調查。本文使用2014年和2016年中國勞動力動態調查的個體調查數據，構造了混合截面樣本(4)因個體出生城市不隨時間變化，因此無法使用面板數據固定效應進行估計。。該數據提供了全面的個體勞動力市場信息和出生時戶籍所在城市信息。由于CLDS數據中并沒有城市對應的規模，我們通過匹配國泰君安數據庫數據，將個體出生所在的戶籍城市與對應城市規模進行匹配。參照城市規模相關的研究(Bosquet et al.,2019)，本文使用更具經濟意義的城市就業人口，用以衡量城市規模。在工具變量方面，1962年城市開通火車信息主要基于該年中國地圖識別而來。通過手工整理的方式找出1962年開通火車的城市的名稱，地圖是在Baum-Snow et al.(2017)主頁論文附錄中下載而得。本文使用的另一工具變量是城市平均坡度，具體數據來源于封志明等(2007)研究。

(二)變量說明

(1)收入水平。本文使用個體調查問卷中詢問的收入總和衡量收入水平。在CLDS數據2016年的調查中詢問了個體2015年收入總和，在CLDS數據2014年調查中詢問了個體2013年收入總和。在實證部分，剔除個體收入為負的樣本，并對收入變量進行對數化處理。

(2)城市規模。本文基準回歸使用2013年城市就業人口衡量城市規模。在穩健性檢驗中，本文也采用了其它方法測度城市規模。其一，參照林伯強等(2019)的方法，使用城市就業人口密度衡量城市規模，用城市2013年就業總人口(人)除以城市行政面積(平方米)，從而得到城市規模測度指標；其二，筆者能找到的最早的城市就業人口數據為1994年的，本文用其衡量城市規模。20世紀90年代各城市就業人口規模變化相對較小，在一定程度上也可以反映個體出生地城市規模。

控制變量。控制變量主要包括個體特征變量和家庭特征變量，個體特征變量有教育年限、性別、年齡、年齡平方、婚姻狀況、健康、戶籍和是否發生流動等。家庭特征主要是父母的受教育程度、14歲時父母的職業類型以及14歲時家庭社會階層。本文的主要變量描述性統計分析如表1所示。

表1 主要變量描述性統計分析

四、實證結果

(一)OLS估計結果

由于個體出生地戶籍城市相對外生，在分析個體出生地城市規模與收入的關系時，先使用OLS進行基準回歸，后面再進行具體的因果識別。本文的基準回歸方程如下：

ln_incomei,t=α+βbirthplacei,j+δXi,t+γt+εi,t

(1)

其中，下標i表示個體，t表示時間，j表示城市，在基準回歸使用的CLDS2014和CLDS2016樣本，所以控制了時間固定效應γt；ln_incomei,t指個體i在第t年的收入，對收入進行對數化處理；birthplacei,j指個體i出生對應的城市j的規模，同樣做對數化處理；本文關心的估計值β表示個體收入水平與出生地城市規模之間的彈性，即個體出生所在城市規模每擴大1%，其收入水平將提升β%。在這里，控制了個體的教育年限、性別、年齡、年齡平方、婚姻狀況、健康狀況、戶籍、是否發生流動、父親教育水平、父親職業。

表2展現了本文的基本回歸結果。模型(1)未控制任何變量，可以觀察出生地城市規模對個體收入水平的影響；從模型(1)到模型(2)，逐步添加了包括個體教育年限在內的個體特征；模型(3)則進一步控制了個體父親職業類型和教育水平。由表2可以得知，在逐步添加控制變量后，個體出生地城市規模與收入水平仍有顯著的相關性。在后文，無特別說明情況下，均以模型(3)為基準回歸。以模型(3)為例，進行相應的估計系數解釋，本文關心的個體出生所在城市規模對個體收入的影響。結果顯示，估計系數為0.149，且在1%的水平上顯著。更進一步地，個體出生地城市規模每增加1%，其收入水平會顯著增加0.149%。從這一結果來看，個體出生地城市規模對收入水平有顯著影響。

表2 基本回歸結果

關于控制變量系數。在基準回歸中，同時匯報了控制變量的系數。平均而言，男性的收入水平顯著高于女性；個體年齡越大，收入水平顯著越高。年齡的平方項顯示，隨著年齡的進一步增大，其收入水平有所下降。這表明，年齡與個體收入之間存在非線性關系(5)感謝審稿人指出年齡與收入之間的非線性關系。。已婚的個體收入水平越高，但也可能是收入水平越高的個體才選擇了結婚，具有選擇效用，這不是本文關心的核心變量，因此未解決其可能存在的互為因果的內生性問題；同時發現，健康狀況越差，收入水平顯著越低；另外，城市戶籍個體相對農村戶籍的個體而言，收入水平顯著更高；最后，勞動力流動也提升了其收入水平。

(二)異質性分析

基準回歸中，出生地對個體的影響主要體現在了城市與城市之間的差異，即回答了以下問題：出生在更大規模的城市是否會有更高的收入水平。更進一步地，城市規模對中國農村地區的個體影響可能更大，平均而言，農村地區相對于城市地區教育公共服務水平更低。此外，城市地區家庭也可以通過校外補習等方式規避城市規模對個體造成的負面影響。那么，出生地對個體未來的影響是否會因為收入水平而存在差異？對于高收入個體影響更大還是對于低收入個體影響更大？接下來也將對此進行回答。

1.交互項分析

表3是個體戶籍與出生城市規模交互項的回歸結果。結果表明，出生地城市規模與個體收入水平有顯著的正相關性，同時城鎮戶口與個體收入水平也有顯著的正相關性。在表3的模型(3)中，本文添加了城鎮戶口與出生城市規模的交互項，交互性系數顯著為負。這意味著，相對于城市戶口的個體而言，出生地城市規模對農村個體收入影響更大。值得注意的是，這并不意味著出生地城市規模對城鎮戶籍的個體沒有影響或者是存在負向影響。

表3 交互項回歸結果(出生城市規模對數×戶口)

2.分位數回歸

在前文中發現，對于農村個體而言，出生地顯得更加重要。在一定程度上，農村個體代表著低收入群體。那么，出生地對不同收入群體的影響是否存在差異呢？本文使用分位數回歸探究出生地城市規模對不同收入水平群體的影響。表4是分位數估計結果，其中，模型(1)—(3)分別對應收入在0.1分位、0.5分位和0.9分位的群體。對比發現，隨著個體收入水平的提高，出生城市的作用有下降的趨勢。對于低收入的群體而言，出生地城市規模顯得更加的重要。

表4 分位數回歸結果

(三)遷移重要嗎？

降低勞動力的自由流動的門檻將可以促進社會公平(孫三百 等，2012)。2020年4月，中共中央、國務院印發了《關于構建更加完善的要素市場化配置體制機制的意見》，提出要引導勞動力要素合理暢通有序的流動。勞動力要素的流動將會使得資源配置效率更高。對于勞動力個體而言，收入水平將會提高。除此之外，個體的遷移也將弱化出生地對個體收入產生的影響，即削弱機會不平等。表5展現了個體流動對收入的影響以及流動與出生地交互項對收入的影響。與已有文獻一致(Chetty et al.,2018a;Chetty et al.,2016;Chyn,2018；孫三百 等,2012)，模型(2)發現，流動能促進勞動者收入水平。模型(3)在模型(2)的基礎上添加了出生地城市與是否流動的交互項，交互項系數在1%的水平顯著為負，表明流動能夠顯著削弱由出生地城市造成的機會不平等，即相對于流動者而言，出生城市對非流動者影響更大。

表5 出生地城市規模、流動與收入水平

五、穩健性檢驗

(一)內生性討論

接下來，本文試圖回答的主要問題是：個體出生所在的城市就業人口規模是否影響個體工作時的收入水平。要準確識別兩者之間因果關系，在最理想的狀態下是：個體的出生城市是隨機生成的，并在出生的城市里成長，這樣，通過簡單的OLS就可以識別其因果關系。顯然，這是無法實現的。正如Chetty et al.(2018a)觀察美國不同區域之間收入存在著較大差異那樣，中國不同區域之間的個體工資水平也存在著較大差異(蹤家峰 等,2015)。從個體出生地視角考察，造成這種差異主要有兩方面原因：一方面原因是出生城市之間存在系統性的差異，導致不同個體在不同城市收入水平存在差異，這一點與個體未來收入并無因果關系；另一方面原因是城市導致了個體工資的差異。本文研究的關鍵是：識別出生城市多大程度上導致了工資差異。而準確區分不同原因，對政策制定有重要的意義。如果是由于出生城市個體系統性的差異，那么政策應該以人為本；如果是出生的城市直接導致了個體收入水平差異，那么政策應該以區域為本(Chetty et al.,2018a)。

然而，研究個體出生地城市規模對未來收入的影響可能存在遺漏變量和樣本自選擇等內生性問題。從本文基準回歸結果來看，個體出生地城市規模顯著地提升了個體收入水平。可能的解釋如上文所提及那樣，但如果是由于選擇效應造成的，那么兩者并無因果關系，本文關注的是城市規模對收入的因果效應，即規模效應；如果擔心只是存在相關性，那么需要通過一系列的檢驗證明其存在因果關系。本文主要通過三種方式解決可能遺漏變量和樣本自選擇造成的內生性問題。第一，盡可能的控制父母早期的特征，如教育和職業，也包括家庭早期的社會階層。第二，使用工具變量法進行因果識別，參考已有學者使用的工具變量(6)感謝Baum-Snow為我們提供了1962年中國開通火車站的資料，具體詳見Baum-Snow主頁：https://sites.google.com/site/baumsnow/research。(Baum-Snow et al.,2017;林伯強 等,2019)，本文使用1962年中國開通火車城市和城市坡度作為城市規模的工具變量。有效的工具變量需要滿足相關性和排他性，相關性指1962年中國開通鐵路的城市和城市平均坡度與個體出生地城市規模相關，排他性指1962年中國開通鐵路的城市和城市平均坡度僅通過影響個體出生地城市規模，進而作用于個體收入水平。需要注意的是，工具變量估計結果僅僅是局部效應。第三，通過限制樣本，排除父母空間自選擇問題。

1.增加控制變量

在理想狀態下，如果能觀測到殘差項里與個體出生地城市規模相關的變量，并將其完全控制，就可以得到個體出生地城市規模對其未來收入影響的因果效應。但現實中并不能完全觀測并度量與個體出生地城市規模相關的變量。總體上，最有可能影響個體出生城市的是一些家庭或者父母的特征變量。有些人因為家庭背景較好，生來就在大城市；而有些人由于家庭的貧窮等原因，生來就在小城市，甚至在貧困的山區。在接下來的估計中，為了避免由于家庭背景流動到不同規模城市而干擾城市的規模效應，則進一步添加了母親的教育水平，增加14歲時母親的職業類型，以盡可能控制由于家庭背景不同造成出生在不同規模城市的影響。估計結果如下所示：在基準回歸的基礎上，添加母親的教育和早期職業類型以及14歲時家庭的社會階層，以盡可能控制家庭的背景特征，結果依然穩健。表6的第(1)列結果顯示，個體出生城市規模每擴大1%，其未來收入將會增加0.148%。通過添加早期母親及家庭社會階層變量，回歸結果沒有較大差異，表明本文不太可能存在遺漏變量的問題。

表6 穩健性檢驗：增加控制變量

2.工具變量法

本文還使用工具變量法估計個體出生地城市規模與未來收入的因果效應。本文使用1962年開通火車的城市和城市平均坡度作為城市規模的工具變量，在研究樣本中，60%的城市在1962年開通了火車。關于1962年火車開通信息，源于Baum-Snow在個人主頁里提供的1962年中國地圖(Baum-Snow et al.,2017)。通過識別地圖的方式，確定對應城市在1962年是否開通火車。此外，還參考林伯強等(2019)的做法，同時使用1962年城市是否開通火車和城市坡度作為經濟聚集的工具變量，即本文的城市規模的工具變量。

首先，關于工具變量的相關性討論。1962年開通火車會影響之后的火車開通，即由于交通工具的便利性提高，該城市也會吸引更多的就業人口，所以1962年火車開通會影響該城市的就業人口。另外，1962年中國公路主要用于向當地市場運輸農產品，而鐵路則根據國家和省級年度計劃和五年計劃在大城市和省會之間運輸原材料和制成品(Baum-Snow et al.,2017)。所以，1962年開通火車的城市由于原材料等運輸的方便，也能吸引一部分就業人員。因而，1962年開通火車會顯著影響城市規模，如表7第一階段報告所示，1962年開通火車，城市規模顯著更大，且F值遠大于10，因此滿足相關性。根據封志明等(2007)的研究，地形的起伏和坡度是影響人口分布和勞動力集聚的重要因素，因此城市坡度會影響城市就業人口規模。總體而言，本文使用的兩個工具變量都滿足相關性。

表7 工具變量回歸結果

其次，關于工具變量的排他性討論。1962年火車的開通與現在時間間隔較久，不會直接影響個體當前的收入，而僅促進城市就業人口規模擴大，從而進一步導致個體當前收入增加。城市的坡度是地理上天然形成的，因此并不會直接影響個體收入水平。正如林伯強等(2019)所討論的那樣，地區的起伏度并不直接影響綠色經濟效率，而是通過就業人口的集聚影響綠色經濟效率。同樣，城市的坡度僅通過影響城市的就業人口規模方式作用于個體的收入水平，滿足排他性。所以，本文尋找的兩個工具變量也滿足排他性。

本文工具變量估計結果如表7所示，表7模型(1)對應的是僅使用1962年開通火車城市作為工具變量。第一階段估計結果顯示，1962年開通火車城市，其未來城市規模顯著更大。第一階段F值檢驗結果表明，該工具變量滿足相關性。第二步估計的結果顯示，工具變量法估計后，個體出生地城市規模仍顯著影響個體收入水平，且在1%的水平上顯著。表7模型(2)是使用1962年開通火車城市和城市坡度作為工具變量的結果。估計結果顯示，個體出生地城市規模對個體未來收入的確存在因果效應。出生地城市規模每擴大1%，未來收入將會增加0.114%～0.115%。

3.排除父母的選擇效應

本文從個體出生城市的視角出發，研究了城市規模對收入水平的影響。這在一定程度上能夠避免個體自身的選擇效應，但仍然可能存在的問題是個體父母的選擇性。如能力較強的父母選擇在規模較大的城市工作和定居，進而決定其子女出生在大城市。因而，本文所觀測到的出生城市規模對收入水平的影響可能并不完全是由城市規模所帶來的，還有可能是不可觀測的父母的特征對其子女收入水平產生影響。具有中國特色的戶籍制度為本文緩解這一問題提供了幫助。在不同時期，中國人口空間流動性存在差異。具體而言：在改革開放之前，勞動力的空間流動性非常低；在改革開放后，勞動力的空間流動性較高。但是，即使是在改革開放以后，在大城市落戶也并不容易。本文將對分析樣本做出不同的限制，使用父母無法自由流動的樣本進行分析：第一，個體出生于1979年之前，其父母難以自由流動；第二，父親教育水平為初中及以下，父母由于低教育水平難以選擇定居大城市；第三，個體出生于1979年之前且父親的教育水平為初中及以下。估計結果如表8所示。表8結果表明，無論是采用哪種方式緩解父母的選擇效應，個體的出生地城市會顯著影響個體未來的收入水平。

表8 排除父母空間選擇效應

(二)變量方面

在數據介紹部分已經提到，本文的城市規模使用就業人口進行測度。但是由于數據可得性方面的原因，使得本文無法得到每個個體出生的年份對應城市的就業人口，由此統一使用2013年中國各個城市就業人口衡量城市規模。在表9中，本文使用1994年城市就業人口衡量每個城市的規模。不同年代的城市，就業人口處于動態變化之中，所以1994年的數據回歸結果系數與2013年數據的回歸結果系數有所差異。但這并不影響本文的主要結論，即：出生地城市規模會顯著影響其收入水平。此外，本文也參考林伯強等(2019)的方法，使用城市就業人口密度衡量城市的經濟集聚。本文借鑒此方法衡量城市規模，以進行穩健性檢驗，結果如表9中的模型(2)所示那樣。將自變量替換為城市就業人口密度后，結果依然顯著為正。系數的含義為，個體出生地城市就業密度每提高1%，該個體未來收入也將顯著增加0.086%。通過變換自變量測度方式，結果依然穩健，說明在一定程度上本文的自變量測度是穩健可靠的。

六、機制分析

上文結果表明，個體出生時戶籍所在地的城市規模會顯著影響個體未來的收入水平。近年來，中國戶籍制度雖然逐步松動，但流動人口仍然難以在大城市尤其是特大城市落戶(張吉鵬 等，2019)，隨遷子女也無法享受與流入地城市家庭子女同樣的教育公共服務(吳賈 等，2015)。因此，個體出生時戶籍所在地對人力資本的積累具有重要的影響。已有研究表明，由于高考招生基本方式為“分省定額”，因此各省份之間教育存在一定的機會不平等(劉海峰 等，2014)。同時，各省內之間公共教育質量存在差異，導致省會城市與非省會城市也存在著教育不平等(羅楚亮 等，2019)，進而影響人力資本積累。因而，不同城市規模意味著經濟發展水平以及教育財政方面投入均存在差異。個體出生時戶籍所在城市規模較小，那么個體接受優質教育的概率也相對較低。出生時戶籍所在地將通過影響個體人力資本積累方式作用于個體收入水平。具體而言，本文主要考察了個體出生時戶籍所在城市規模對個體教育年限的影響，并進一步討論其對收入水平的影響。此外，我們也從將健康狀況作為人力資本的內容進行了簡要討論。

(一)出生城市、受教育年限與收入水平

本文理論分析表明，個體出生城市規模將影響個體的人力資本積累，即受教育年限。而受教育年限又是決定個體收入水平的重要因素之一。為了驗證出生地城市規模通過人力資本積累這一渠道影響其收入水平，本文參照既有研究(張寶友 等,2021;陳飛 等,2021;邵帥 等,2019;溫忠麟 等,2004)的做法，采用中介效應模型進行機制檢驗。具體的模型設定如下：

ln_incomei,t=α0+θ1birthplacei,j+δXi,t+γt+εi,t

(2)

Education_yeari,t=β0+β1birthplacei,j+δXi,t+γt+εi,t

(3)

ln_incomei,t=δ0+δ1birthplacei,j+δEducation_yeari,t+δXi,t+γt+εi,t

(4)

其中，中介變量為受教育年限(Education_yeari,t)。上述模型(2)中的參數θ1反映了出生地城市規模對收入水平影響的總效應，模型(4)中δ1則反映了出生地城市規模對收入水平影響的直接效應。根據中介效應檢驗步驟，在上述模型(2)—(4)中，如果θ1、β1和δ2均顯著，且δ1系數相對于θ1下降，則表明存在中介效應；如果δ1不在顯著，則證明存在完全中介效應，反之為部分中介效應。檢驗結果如表10所示。

中介效應檢驗第一步，表10第(1)列回歸結果表明，個體出生地城市規模會顯著影響其收入水平，出生地城市規模越大，收入水平將顯著越高；中介效應檢驗第二步，表10第(2)列結果表明，個體出生城市規模也將顯著影響個體人力資本積累，即影響受教育年限；中介效應第三步，表10第(3)列結果顯示，教育年限系數顯著為正，表明個體受教育年限將影響其收入水平，同時，出生城市規模的系數相對于第(1)列有所下降(0.149<0.177),表明人力資本積累在出生地城市規模和收入水平之間存在中介。由于第(3)列出生城市規模系數仍然顯著，則表明受教育年限這一人力資本起到了部分中介效應。通過bootstrap的方式計算了人力資本積累(教育年限)這一中介效應占總效應的比例，計算結果顯示，人力資本積累(教育年限)這一中介效應占到了總效應的15.6%。

表10第(2)列也顯示，個體出生時戶籍所在地城市規模每擴大一倍，個體受教育年限將顯著增加0.421年。Fang et al.(2012)以1986年中國義務教育法的實施作為政策干預，發現義務教育教育法使得個體總教育年限增加了0.8年。中國高等教育擴招政策使得從1998年到2014年中國大學錄取人數年均增長率達到12.4%(劉生龍 等，2018)。本文的估計結果發現，與1986年的義務教育法和1999年中國高等教育擴招相比，其個體出生時戶籍所在城市對一個人的人力資本積累都有較大的影響。這反映了中國城市空間的不均衡發展，公共教育服務的不均等對個體人力資本積累存在影響。已有文獻研究也已表明，城市偏向的教育經費投入是城鄉教育水平和收入差距擴大的重要原因(陳斌開 等，2010)。

(二)出生城市、健康狀況與收入水平

有研究表明，兒童童年時成長的環境對他們自身多方面都有持久的影響(Adhvaryu et al.,2019;Chetty et al.,2018a;Chetty et al.,2016;Chyn,2018;Hoynes et al.,2016)。上一節中介效應分析表明，出生城市會影響個體受教育年限。人力資本除了受教育年限以外，還包括個體的身體健康狀況。為了反映出生地城市規模對不同類別人力資本積累的影響，本文也考察了出生地城市規模對個體健康狀況的影響以及健康狀況對收入水平的影響。同樣使用中介效應模型發現，個體出生城市會影響其成年后的健康狀況，而健康狀況也將作為人力資本進一步影響個體收入水平。

實證結果如表11所示。表11的第(1)列回歸是中介效應檢驗第一步，表明個體出生地城市規模會顯著影響其收入水平；第(2)列是中介效應檢驗第二步，表明個體出生城市規模也將顯著影響個體人力資本積累，即健康狀況；第(3)列是中介效應檢驗第三步，健康狀況系數顯著為正，表明個體越健康其收入水平將越高。同時，出生城市規模的系數相對于第(1)列有所下降(0.149<0.176),表明健康狀況這一人力資本積累在出生地城市規模和收入水平之間存在中介的作用。由于第(3)列的出生城市規模系數仍然顯著，則表明健康狀況這一人力資本起到了部分中介效應。本文也通過bootstrap的方式計算了健康狀況這一中介效應占總效應的比例，計算結果顯示，這一中介效應占到了總效應的15.2%。

表11 基于健康狀況中介效應檢驗

基于中介效應分析結果發現，無論是使用受教育年限還是健康狀況測度人力資本，個體出生地城市規模將通過影響個體人力資本積累，進而影響其未來收入水平。

七、結論與政策含義

本文研究發現，個體出生地城市規模與收入水平具有顯著的相關性。在進行一系列因果識別后，發現個體出生地城市規模較大會顯著提升其收入水平。在個體出生地與收入水平之間，人力資本積累起到了關鍵性的連接作用。在中國戶籍制度背景下，個體出生城市代表著個體成長環境，成長環境會通過影響人力資本積累方式作用于其收入水平。本文使用受教育年限和健康狀況作為人力資本的替代變量，研究發現，個體出生地城市規模較大會顯著提升個體受教育年限；同時，個體出生城市規模較大也會顯著提升健康狀況，進而影響個體收入水平。

在異質性分析部分，本文發現個體出生地城市規模對農村個體影響更大，表明機會不平等對于農村個體的影響更大。同時，研究還發現，人口流動能夠削弱出生地城市對收入的影響。基于此，本文認為，提高勞動力要素的流動性，有利于削弱機會不平等，進而降低城鄉差距，實現均衡發展。在分位數回歸部分發現，出生地對低收入人群影響更大，而對高收入人群影響相對較小。機制分析發現，個體出生城市是通過人力資本積累影響個體勞動力市場表現。除了受教育年限，本文也使用個體健康狀況作為人力資本的替代指標，發現出生地城市規模會影響個體健康狀況這一人力資本，進而影響收入水平。以上分析表明，人力資本積累是出生地城市規模影響個體收入水平的重要渠道之一。

本文的研究具有重要的政策含義。進一步推動各城市之間公共服務均等化有利于降低個體的機會不平等，而促進勞動力要素在空間上自由流動有助于降低個體的機會不平等。