中國(guó)東部產(chǎn)業(yè)向中西部轉(zhuǎn)移的收益空間研究

中國(guó)東部產(chǎn)業(yè)向中西部轉(zhuǎn)移的收益空間研究

一、區(qū)域間經(jīng)濟(jì)增長(zhǎng)不平衡，增長(zhǎng)動(dòng)力不足，導(dǎo)致產(chǎn)業(yè)轉(zhuǎn)移的可能性加2003年春，東南沿海地區(qū)的勞動(dòng)力開始短缺。2005年，“就業(yè)困難”擴(kuò)展到中部城市。人力資源與社會(huì)保障部每年的企業(yè)監(jiān)測(cè)調(diào)查數(shù)據(jù)顯示，企業(yè)缺工越來(lái)越嚴(yán)重，2009年，約75%的企業(yè)自稱沒有招滿所需的勞動(dòng)者（蔡昉，2010）。傳統(tǒng)的勞動(dòng)密集型產(chǎn)業(yè)遭遇缺工現(xiàn)象最嚴(yán)重。與此同時(shí)，農(nóng)村勞動(dòng)力向城鎮(zhèn)轉(zhuǎn)移速度也開始變慢：經(jīng)過(guò)30年的高速增長(zhǎng)和人口年齡結(jié)構(gòu)變化，農(nóng)村似乎沒有“剩余勞動(dòng)力”來(lái)填滿企業(yè)的用工需求了。與短缺相伴隨的是農(nóng)民工實(shí)際工資水平快速提高（盧鋒，2011）。勞動(dòng)密集型產(chǎn)業(yè)的成本構(gòu)成中，工資開支占主導(dǎo)地位，因此，廠商對(duì)工資水平變化敏感。工資持續(xù)上漲，使勞動(dòng)密集型產(chǎn)業(yè)在東部地區(qū)逐漸失去比較優(yōu)勢(shì)。高速增長(zhǎng)形成的經(jīng)濟(jì)格局是地區(qū)發(fā)展不平衡，東部沿海經(jīng)濟(jì)發(fā)達(dá)，勞動(dòng)密集型企業(yè)眾多，工資水平高于中西部地區(qū)，一直是農(nóng)民工遷移的目的地。當(dāng)勞動(dòng)密集型產(chǎn)業(yè)在東部地區(qū)失去比較優(yōu)勢(shì)并退出的時(shí)候，可能的出路有兩個(gè)：向發(fā)展水平更低的東南亞、南亞國(guó)家轉(zhuǎn)移；向發(fā)展水平相對(duì)落后的中西部地區(qū)轉(zhuǎn)移。勞動(dòng)密集型產(chǎn)業(yè)支撐了中國(guó)經(jīng)濟(jì)的長(zhǎng)期高速增長(zhǎng)，無(wú)論是中央政府還是學(xué)術(shù)界，都希望產(chǎn)業(yè)轉(zhuǎn)移在東部和中西部之間完成，使傳統(tǒng)增長(zhǎng)模式能持續(xù)更長(zhǎng)一段時(shí)間，而不是輕易轉(zhuǎn)入其他發(fā)展中國(guó)家（蔡昉等，2009）。在傳統(tǒng)的條塊分割和地區(qū)間“錦標(biāo)賽”競(jìng)爭(zhēng)體制下，所在地政府從廠商那里得到稅收、就業(yè)、增長(zhǎng)和政績(jī)，因此，在吸引資本流入上競(jìng)爭(zhēng)激烈（周黎安，2007,2008），表現(xiàn)為“引進(jìn)來(lái)”和“留得住”。由于東部地區(qū)政府有更高的效能，如果挽留廠商在本地生產(chǎn)經(jīng)營(yíng)下去，那么，資本就很難向中西部地區(qū)流動(dòng)。今天，東部的地方政府面對(duì)失去優(yōu)勢(shì)的勞動(dòng)密集型產(chǎn)業(yè)，開始允許這些產(chǎn)業(yè)退出（房慧玲，2010），中西部地區(qū)就有了接受這些轉(zhuǎn)移產(chǎn)業(yè)的可能。當(dāng)前跨省遷移者主要是年輕勞動(dòng)力，勞動(dòng)密集型產(chǎn)業(yè)進(jìn)入中西部時(shí)，不僅能吸引遷移勞動(dòng)力回流，還可以雇傭中西部那些年齡較大、現(xiàn)行條件下難以遷移的勞動(dòng)力。這能緩解廠商面臨的勞動(dòng)力短缺，又可以支付比東部地區(qū)更低的工資，對(duì)勞動(dòng)密集型廠商來(lái)說(shuō)是個(gè)激勵(lì)。另一方面，勞動(dòng)密集型產(chǎn)業(yè)轉(zhuǎn)移到中西部，中西部流出的勞動(dòng)力也有激勵(lì)返回家鄉(xiāng)：節(jié)省跨省遷移成本，降低與家人分離的心理成本，還降低了生活成本。即使名義工資不變或下降一部分，實(shí)際福利水平仍高于跨省遷移。2008年以前，一些東部省份就開始推行“騰籠換鳥”政策，提高土地租金、選擇性供應(yīng)土地、調(diào)整政府收費(fèi)標(biāo)準(zhǔn)、提高環(huán)境門檻等手段，把低附加值的勞動(dòng)密集型產(chǎn)業(yè)“擠出”本地區(qū)，為引進(jìn)高附加值產(chǎn)業(yè)騰出空間1，后者會(huì)吸納更多技術(shù)勞動(dòng)者，卻排斥非技術(shù)勞動(dòng)者。那么，僅靠工資差距能吸引這些低技術(shù)產(chǎn)業(yè)向中西部地區(qū)大規(guī)模轉(zhuǎn)移、進(jìn)一步開發(fā)中西部農(nóng)村勞動(dòng)力嗎？對(duì)廠商來(lái)說(shuō)，轉(zhuǎn)移到中西部可以在多大程度上降低成本呢？根據(jù)農(nóng)村遷移勞動(dòng)者的地區(qū)收入差距，估計(jì)東部勞動(dòng)密集型產(chǎn)業(yè)向中西部轉(zhuǎn)移帶來(lái)的潛在收益，從而評(píng)估產(chǎn)業(yè)在地區(qū)間轉(zhuǎn)移的可行性。這是本文的研究目的。二、dgp多態(tài)性群體遷移者本文使用的數(shù)據(jù)為2005年1%人口抽樣調(diào)查數(shù)據(jù)，這次調(diào)查實(shí)際完成樣本約1698.6萬(wàn)人，占全國(guó)人口的1.31%。問卷詢問了遷移者的出發(fā)地、戶口性質(zhì)和收入，使我們可以準(zhǔn)確識(shí)別遷移者的類型，如鄉(xiāng)城遷移者，城城遷移者。問卷中的遷移者出發(fā)地信息，能識(shí)別遷移者來(lái)自哪里，將他們調(diào)整回出發(fā)地，可以區(qū)分跨省遷移者、跨縣遷移者和縣內(nèi)遷移者。雖然數(shù)據(jù)結(jié)構(gòu)為觀測(cè)性截面數(shù)據(jù)，就比較不同遷移群體的遷移收益這個(gè)目的來(lái)說(shuō)，這個(gè)微觀數(shù)據(jù)的優(yōu)勢(shì)是顯而易見的。不僅樣本巨大且覆蓋全國(guó)，尤其重要的是，這是唯一詢問了勞動(dòng)者收入信息的人口抽樣調(diào)查，收入信息能支持本文計(jì)算遷移收益。由于區(qū)域經(jīng)濟(jì)差異顯著，出發(fā)地與目的地省份有著非常不同的社會(huì)經(jīng)濟(jì)特征，分省討論遷移特征才能準(zhǔn)確把握這種差異。大樣本數(shù)據(jù)可支持分省考察，即使在省一級(jí)，各類遷移者的觀測(cè)值最少也有上千人，避免了小樣本問題。數(shù)據(jù)的大樣本特征也是滿足傾向得分匹配估計(jì)方法的適用條件之一（Sekhon,2008）。數(shù)據(jù)產(chǎn)生過(guò)程（DGP）的一致性具有如下優(yōu)點(diǎn)：無(wú)論是跨省遷移者還是省內(nèi)遷移者，他們都在同一時(shí)間填寫同一個(gè)問卷，有同樣的來(lái)源和定義，解決了兩個(gè)群體間的可比性問題（CameronandTrivedi,2005）。本文將鄉(xiāng)城遷移者樣本挑出，專門研究這個(gè)群體。盡管鄉(xiāng)城遷移者樣本超過(guò)70萬(wàn)，一旦分布到各省后，需要區(qū)分為跨省遷移者、（省內(nèi)）跨縣遷移者和縣內(nèi)遷移者，部分人口較少省份還是會(huì)遭遇小樣本問題，如西藏自治區(qū)。北京、上海和天津這三個(gè)直轄市，農(nóng)業(yè)人口已經(jīng)很少，鄉(xiāng)城遷移者的數(shù)量更少，“省內(nèi)遷移”的含義不同于其他省份。本文在計(jì)算遷移收益時(shí)，排除了這三個(gè)直轄市和西藏自治區(qū)。青海、寧夏、海南等省份，人口并不比西藏多，但各類遷移者樣本最少也有數(shù)千人，因此，保留了上述省份。本文最終使用了27個(gè)省份的數(shù)據(jù)，分省觀察。鄉(xiāng)城遷移者的分布與特征。中西部地區(qū)尋求非農(nóng)就業(yè)的農(nóng)村遷移者，一部分遷移到東部省份尋找非農(nóng)就業(yè)；另一部分在本地區(qū)（省內(nèi)）尋求非農(nóng)就業(yè)。表1報(bào)告了全國(guó)鄉(xiāng)城遷移者的分布狀況。東部非農(nóng)就業(yè)機(jī)會(huì)多，農(nóng)村勞動(dòng)者主要在本縣或本省尋找非農(nóng)就業(yè)，遷往省外者只有21%；中西部非農(nóng)就業(yè)機(jī)會(huì)少，主要遷往省外尋找就業(yè)機(jī)會(huì)，中部地區(qū)遷往省外者為63%；西部地區(qū)為54%。在所有跨省遷移者中，來(lái)自中西部地區(qū)者占85%?？梢酝茢啵坏┲形鞑砍霈F(xiàn)了大量非農(nóng)就業(yè)機(jī)會(huì)，這些來(lái)自中西部的勞動(dòng)力就會(huì)返回家鄉(xiāng)。理論上，可以把中西部地區(qū)非農(nóng)就業(yè)者的收入視為跨省遷移者的機(jī)會(huì)成本，但在經(jīng)驗(yàn)比較時(shí)，卻面臨著異質(zhì)性難題：跨省遷移者和在省內(nèi)遷移者之間可能存在著觀測(cè)到的和觀測(cè)不到的差異。描述性統(tǒng)計(jì)信息顯示出這種觀測(cè)到的差異（見表2）。中西部地區(qū)的跨省遷移者更年輕，平均年齡只有27.8歲，省內(nèi)遷移者則大約在30—32歲之間。男性更可能跨省遷移，中西部地區(qū)的跨省遷移者，男性占52%，而縣內(nèi)遷移者中，男性只占45%—47%?？缡∵w移者的受教育水平更高，中西部地區(qū)分別為8.4年和8.1年，比省內(nèi)遷移的同伴約高出0.3年。婚姻狀況會(huì)影響遷移距離，有配偶的勞動(dòng)者需要更多的家庭照料，跨省遷移意味著更少的家庭照料和更高的心理成本，因此，跨省遷移者中有配偶的比例顯著低于省內(nèi)遷移者，但省內(nèi)跨縣遷移者與縣內(nèi)遷移者群體，有配偶的比例則相對(duì)較為接近。從這些可觀測(cè)的差異就能判斷，在評(píng)估不同遷移群體的收入差距時(shí)，必須處理異質(zhì)性導(dǎo)致的估計(jì)偏差。表2最下面的一欄報(bào)告了各類遷移者的月平均工資。與前述信息相一致：東部地區(qū)的縣內(nèi)遷移者與省內(nèi)遷移者，雖然平均工資低于跨省遷移者，但明顯高于中西部地區(qū)的同伴，也高于中西部地區(qū)的跨省遷移者；中西部地區(qū)的跨省遷移者平均月工資要比省內(nèi)遷移者和縣內(nèi)遷移者高出220—270元。從這些描述性信息可得出如下判斷：第一，農(nóng)民工的地區(qū)收入差距顯著；第二，如果發(fā)生產(chǎn)業(yè)轉(zhuǎn)移，存在勞動(dòng)力資源優(yōu)化配置的可能性。三、觀測(cè)差異的差異跨省遷移者和省內(nèi)遷移者在可觀測(cè)特征上存在顯著的差異，那么，也可能存在無(wú)法觀測(cè)的差異。在比較跨省遷移者與省內(nèi)遷移者的收入時(shí)，要對(duì)這兩類差異進(jìn)行謹(jǐn)慎處理，以減輕估計(jì)偏差。當(dāng)現(xiàn)有觀測(cè)性數(shù)據(jù)結(jié)構(gòu)特征使本文難以構(gòu)建一個(gè)“控制-干預(yù)”的自然實(shí)驗(yàn)框架時(shí)，傾向得分匹配估計(jì)是接近準(zhǔn)確區(qū)分的可選擇經(jīng)驗(yàn)策略。（一）共同支持條件為了弄清跨省遷移者相比于省內(nèi)遷移者真實(shí)的收入優(yōu)勢(shì)，本文面臨的最大挑戰(zhàn)是尋找反事實(shí)假設(shè)：如果這些跨省遷移者選擇了省內(nèi)遷移，他們的收入將會(huì)是多少？觀測(cè)性截面數(shù)據(jù)只顯示一個(gè)狀態(tài)，跨省或省內(nèi)遷移，嚴(yán)格的反事實(shí)假設(shè)是找不到的，只能借助于一些無(wú)法檢驗(yàn)的假設(shè)，構(gòu)建出近似的控制組和干預(yù)組。利用大樣本截面數(shù)據(jù)，本文采用傾向得分匹配估計(jì)方法（RosenbaumandRubin,1983），其適用條件建立在兩個(gè)假定上：非混淆性和共同支持條件。在本文研究背景下，非混淆性假定的含義為：兩個(gè)相對(duì)同質(zhì)群體的收入差異，僅僅歸因于他們?cè)跊Q定遷移目的地時(shí)選擇了“跨省”還是“跨縣或省內(nèi)”。共同支持條件在這里的含義是：“控制組”（跨縣遷移者）和“干預(yù)組”（跨省遷移者）在匹配得分范圍上要有一定的重合區(qū)域，這些重合區(qū)域內(nèi)的樣本才是可比的。把跨省遷移視為接受干預(yù)，省內(nèi)遷移為未接受干預(yù)，則兩個(gè)群體里有共同接受干預(yù)得分的樣本，假定其誤差項(xiàng)的分布是相同的，可以把未接受干預(yù)者視為接受干預(yù)者的控制組（DiNardoandLee,2011）。首先對(duì)遷移群體及其所處環(huán)境進(jìn)行分析，通過(guò)弄清他們?cè)谔厥饧s束條件下可能的選擇，來(lái)討論傾向得分匹配方法的適用性。傳統(tǒng)二元經(jīng)濟(jì)條件下，農(nóng)業(yè)和非農(nóng)業(yè)存在顯著的收入差距，家庭作為市場(chǎng)決策主體時(shí)，愿意把勞動(dòng)力成員配置在非農(nóng)行業(yè)。由于本地缺少非農(nóng)就業(yè)機(jī)會(huì)，遷移到其他地區(qū)是大多數(shù)人的選擇。經(jīng)驗(yàn)證據(jù)顯示，遷移（出）群體與留守務(wù)農(nóng)或在本地從事非農(nóng)就業(yè)的群體存在異質(zhì)性（Zhao,1999）。如果去掉留守農(nóng)業(yè)的樣本和從事本地（鄉(xiāng)內(nèi)）非農(nóng)就業(yè)的樣本，把遷移出去的樣本作為待分析目標(biāo)群體，這個(gè)群體是相對(duì)同質(zhì)的?？蛇M(jìn)一步假設(shè)，那些做出遷移決定后的群體，面對(duì)的下一步?jīng)Q策是選擇目的地：外省，本省其他縣市，或本縣其他鄉(xiāng)鎮(zhèn)。在遷往外省的群體中，會(huì)有兩類人，第一類是只會(huì)遷往外?。ū热缙蔑L(fēng)險(xiǎn)）；第二類是對(duì)遷往外省還是本省沒有主觀偏好（風(fēng)險(xiǎn)中性），僅僅是機(jī)會(huì)等偶然事件（如信息獲得）使他們選擇了遷往省外。在省內(nèi)遷移者群體中，也會(huì)有兩類人，第一類對(duì)省內(nèi)遷移還是遷往外省沒有偏好（風(fēng)險(xiǎn)中性），選擇省內(nèi)遷移來(lái)自機(jī)會(huì)等偶然因素；第二類厭惡遷移距離，不愿意跨省遷移?？梢约俣?，跨省遷移者中的第二類人（群）和省內(nèi)遷移者的第一類人（群）是更接近同質(zhì)的，因此是可以比較的：假定跨省和省內(nèi)兩個(gè)傾向得分相同的次級(jí)群體，對(duì)遷移方向的選擇是近似于隨機(jī)決定的。這時(shí)，可以認(rèn)為滿足了“非混淆性假定”：跨省遷移者與省內(nèi)遷移者之間可比較的收入差異，即是跨省遷移收益?！笆?nèi)遷移”或“跨省遷移”是干預(yù)狀態(tài)D(0,1），這是本文選擇方程中的被解釋變量，方程形式設(shè)定為L(zhǎng)ogit模型。（二）其他控制變量在傾向得分匹配估計(jì)中，一個(gè)重要環(huán)節(jié)是為跨省遷移與否（D）選擇解釋變量X。這些變量要盡可能接近外生，“前定于”遷移決策；對(duì)遷移選擇有影響；還要與目的地的收入水平相關(guān)。根據(jù)勞動(dòng)力市場(chǎng)理論和中國(guó)的經(jīng)驗(yàn)事實(shí)，本文選擇以下解釋變量：勞動(dòng)者的年齡，性別，婚姻狀況，家庭內(nèi)關(guān)系（比如戶主、配偶等）和民族等人口學(xué)因素；受教育程度等人力資本因素。這些因素不僅會(huì)影響勞動(dòng)者遷移決策，也會(huì)影響在目的地市場(chǎng)上的表現(xiàn)。另一個(gè)影響遷移的因素是出發(fā)地的社會(huì)經(jīng)濟(jì)環(huán)境。社會(huì)環(huán)境意味著潛在遷移者所面對(duì)的機(jī)會(huì)成本、文化和對(duì)待風(fēng)險(xiǎn)的態(tài)度，還意味著社會(huì)關(guān)系網(wǎng)絡(luò)和遷移的歷史傳統(tǒng)，這會(huì)影響遷移者在目的地的搜尋成本和成功入職的概率及保留工資。在微觀數(shù)據(jù)里，本文將出發(fā)地地級(jí)市作為控制變量引入選擇方程。這些解釋變量大多為二分變量，只有年齡和受教育水平可視為連續(xù)變量———也是有限的，但大樣本可較好地避免維度難題。在傾向得分匹配估計(jì)中，雖能預(yù)期解釋變量會(huì)朝某個(gè)方向影響遷移選擇，但真實(shí)的方程形式應(yīng)該是什么樣的，卻無(wú)法先驗(yàn)地設(shè)定。如年齡、受教育年限等連續(xù)變量的形式應(yīng)該是一階還是高階，一些二分變量是否與其他變量產(chǎn)生交互項(xiàng)等，會(huì)影響匹配質(zhì)量，在模型設(shè)定時(shí)要考慮這些連續(xù)變量的階數(shù)。本文選擇方程的基本形式為線性，然后擴(kuò)展為線性高階。（三）基于共同支持條件的傾向得分匹配在干預(yù)組和控制組里，各有一部分樣本有共同的觀測(cè)性特征，這些特征影響著遷移決策及概率大小?？紤]到大樣本帶來(lái)的運(yùn)算困難，在對(duì)跨省遷移者和省內(nèi)遷移者作比較時(shí)，根據(jù)預(yù)測(cè)得到的傾向得分P(X）進(jìn)行匹配，有相同得分（P(X））的跨省或省內(nèi)遷移者就相互構(gòu)成反事實(shí)假設(shè)（BlackandSmith,2004）。通過(guò)遷移決策（Logit）模型估計(jì)每個(gè)人的遷移概率（得分）并觀察其重合區(qū)域，這部分樣本滿足共同支持條件，通過(guò)分析跨省遷移者和省內(nèi)遷移者樣本的得分（P(X））分布，可以評(píng)估共同支持范圍和匹配估計(jì)的質(zhì)量。圖1報(bào)告了全國(guó)27個(gè)省份跨省遷移者與省內(nèi)遷移者的傾向得分分布狀況。不同省份選擇跨省遷移與省內(nèi)遷移的得分有顯著差異，但各省的兩組遷移者得分都在一定范圍內(nèi)?？偟恼f(shuō)來(lái)，干預(yù)組呈右偏峰（向1方向偏斜），控制組呈左偏峰（向0方向偏斜），符合共同支持條件。兩組得分分布與我們的經(jīng)驗(yàn)認(rèn)知相一致，比如，福建、江蘇和浙江三個(gè)跨省遷移目的地省份，跨省遷移者與省內(nèi)遷移者的得分幾乎是沿X軸對(duì)稱的鐘形曲線；廣東省的跨省遷移者得分偏向0，說(shuō)明廣東省農(nóng)村勞動(dòng)者不愿意到省外尋找非農(nóng)就業(yè)機(jī)會(huì)。從視覺圖可看出，本文數(shù)據(jù)滿足傾向得分匹配的共同支持條件。27個(gè)省份視覺圖還證實(shí)了分省處理的必要性：由于區(qū)域經(jīng)濟(jì)發(fā)展不平衡，各省遷移群體的得分范圍是顯著不同的。如，河北省的得分主要分布在0.4～1之間；海南省的得分在0～0.5之間；廣東省的得分只有0～0.2。如果不進(jìn)行分省處理，地區(qū)經(jīng)濟(jì)不平衡導(dǎo)致的豐富變異就會(huì)隨著樣本的增大而減少甚至消失：干預(yù)組和控制組的得分都會(huì)朝著接近對(duì)稱的鐘形曲線偏斜，主要分布在0.6～0.8之間。共同支持條件要求舍棄掉那些共同支持域以外的樣本，在兩組樣本中，他們更可能是存在異質(zhì)性偏差的樣本。已有的研究顯示，即使存在選擇性偏差，當(dāng)比較兩組樣本中的得分相同樣本時(shí)，傾向得分匹配估計(jì)也有效減輕了偏差（DehejiaandWahba,2002）。結(jié)合以上分析，本文構(gòu)建如下經(jīng)驗(yàn)方程，估計(jì)跨省遷移的收入優(yōu)勢(shì)：等式左端是指滿足共同支持條件下經(jīng)過(guò)得分值加權(quán)后兩個(gè)遷移群體的平均收入差距。等式右端，P(X）是指傾向得分，具有相同傾向得分的兩組遷移者構(gòu)成了反事實(shí)假設(shè)組。D=1表示跨省遷移；D=0表示省內(nèi)遷移（或跨縣）；Y(1）表示跨省遷移者的收入；Y(0）表示省內(nèi)遷移者的收入。調(diào)整一下控制組，可以便利地?cái)U(kuò)展到跨省與跨縣遷移者對(duì)比。四、跨省遷移者的收益本文首先采用OLS方法估計(jì)跨省遷移收益，為PSM方法提供一個(gè)參照。將遷移者的月工資對(duì)數(shù)值作為被解釋變量；將是否跨省遷移作為主變量（interestingvariable）；控制變量分別為年齡、性別、民族、家庭內(nèi)關(guān)系和受教育年限。在地級(jí)市層面進(jìn)行聚類回歸。表3左邊窗格報(bào)告了主變量“跨省遷移”的估計(jì)系數(shù)和標(biāo)準(zhǔn)差。首先，中部地區(qū)省份從跨省遷移中獲得了最大的收益。吉林、黑龍江、江西、河南、湖北和湖南等中部省份，“跨省遷移”的系數(shù)達(dá)到0.4甚至更高，山西和安徽的跨省遷移者收益也在0.3以上。其次，西部地區(qū)的人口大省也從跨省遷移中獲得了顯著收益。四川、貴州、廣西和陜西是西部的人口大省和重要?jiǎng)趧?dòng)力輸出地，這些省份的跨省遷移系數(shù)介于0.28—0.42之間；甘肅、青海、寧夏和新疆等人口較少省份，跨省遷移的收益在0.34—0.42之間。再次，東部一些經(jīng)濟(jì)相對(duì)落后省份，也是跨省遷移的輸出地。河北、遼寧和海南等省，地理上屬于東部地區(qū)，但發(fā)展水平相對(duì)落后，也是農(nóng)村勞動(dòng)力的輸出地。這些省跨省遷移的系數(shù)介于0.33—0.45之間，遷移收益接近于中部省份。那些勞動(dòng)力遷移目的地省份，如江蘇、浙江、福建和廣東，其跨省遷出的系數(shù)遠(yuǎn)低于其他省份，江蘇與福建分別為0.18和0.21，浙江只有0.04，而廣東甚至為負(fù)值，-0.04。表3右邊的窗格報(bào)告了跨省遷移者相對(duì)于跨縣遷移者的收益。這兩個(gè)群體有著更接近的特征。改變控制組后，幾乎每個(gè)省的跨省遷移系數(shù)都出現(xiàn)了顯著下降：東部省份的跨省遷移收益更??；中部地區(qū)的收益介于0.28—0.4之間；西部地區(qū)介于0.2—0.39之間。在東部地區(qū)，相對(duì)于跨縣遷移者，廣東省跨省遷移系數(shù)為-0.08；浙江不顯著異于0；江蘇和福建兩省份的系數(shù)分別為0.15和0.17。顯然，東部各省從跨省遷移中得到的收益要小于中西部省份。本文還進(jìn)一步觀察了省內(nèi)遷移者中跨縣遷移與縣內(nèi)遷移的收益，除了廣東、浙江等少數(shù)東部省份，遠(yuǎn)低于跨省遷移的收益。這意味著遷移的距離與收益正相關(guān)，其背后的經(jīng)濟(jì)含義是，遷移改善了勞動(dòng)力資源的配置效率。一個(gè)同方向的推論是，離開家庭必須得到相應(yīng)的補(bǔ)償。五、傾向評(píng)估的結(jié)果（一）跨省與東北部的匹配研究匹配算法的選擇首先取決于樣本分布特征。在中西部各省，勞動(dòng)者以向省外遷移為主，省內(nèi)遷移人數(shù)遠(yuǎn)少于跨省遷移，匹配時(shí)，面臨著干預(yù)組和控制組觀測(cè)值的數(shù)量差異問題。以河南為例，跨省遷移（出）者有41239個(gè)觀測(cè)值，而省內(nèi)跨縣遷移者只有1803個(gè)觀測(cè)值。如果采用一一匹配方法，1803個(gè)跨縣遷移者幾乎都能與跨省遷移者匹配起來(lái)，但跨省遷移者的絕大多數(shù)樣本都會(huì)被舍棄。從直覺上判斷，即使有可信的依據(jù)，也不能舍棄大多數(shù)觀測(cè)樣本。估計(jì)偏差與估計(jì)效率之間具有替代性，需要兼顧結(jié)果的無(wú)偏性和有效性。解決這個(gè)難題的辦法是采取替換匹配：將控制組觀測(cè)樣本固定，重復(fù)與干預(yù)組樣本進(jìn)行匹配。由于跨省與省內(nèi)遷移者的得分分布存在差異，為確保兩組樣本都滿足共同支持條件，作者對(duì)匹配得分范圍進(jìn)行控制，只有得分值都介于某個(gè)范圍內(nèi)的兩組樣本才進(jìn)行比較（a<P^(X)<b）。匹配算法的細(xì)致選擇對(duì)小樣本數(shù)據(jù)更有意義，對(duì)大樣本數(shù)據(jù)來(lái)說(shuō)，無(wú)論選擇什么樣的算法，都會(huì)收斂于精確匹配（SmithandTodd,2005）。（二）算法有效性分析為了減少異質(zhì)性對(duì)估計(jì)結(jié)果的影響，作者首先從遷移的成本-收益理論出發(fā)設(shè)定控制組和干預(yù)組，將省內(nèi)遷移者區(qū)分為“跨縣”和“縣內(nèi)”兩類。一方面，跨縣遷移者更接近于跨省遷移者；另一方面，就研究目的來(lái)說(shuō)，當(dāng)東部產(chǎn)業(yè)轉(zhuǎn)移到中西部地區(qū)時(shí)，回流的勞動(dòng)力未必總能在縣內(nèi)找到與自己知識(shí)技能相匹配的崗位，那么，跨縣遷移或許是更現(xiàn)實(shí)的選擇。因此，本文采取兩種方法：跨省遷移者與省內(nèi)（所有）遷移者作比較；跨省遷移者與跨縣遷移者作對(duì)比。算法選擇：本文先嘗試無(wú)替換匹配，然后主要使用替換匹配。接著，將匹配算法擴(kuò)展到共同支持條件：只對(duì)兩組共同支持的得分范圍內(nèi)樣本進(jìn)行匹配。從圖1看出，兩組得分常呈反方向偏斜，改善匹配估計(jì)一致性的辦法之一是修剪得分兩端的樣本，大樣本特征允許作者修剪掉5%的樣本。如果無(wú)法觀測(cè)的（跨省或省內(nèi)）遷移偏好與匹配得分高低是一致的，則修剪掉得分兩端樣本會(huì)進(jìn)一步減輕異質(zhì)性偏差。表4中的模型（1）和（2）都是非替換算法，模型（1）設(shè)定形式為線性方程，模型（2）在模型（1）中增加連續(xù)變量“年齡”和“受教育年限”的平方。匹配方法采用鄰近匹配。結(jié)果顯示，中西部地區(qū)的跨省遷移者收入水平顯著高于省內(nèi)遷移者，大多數(shù)在30%以上；在東部不發(fā)達(dá)省份，如河北、遼寧、海南等，跨省遷移者的收入優(yōu)勢(shì)與中西部省份相當(dāng)，但東部發(fā)達(dá)省份，江蘇、浙江、福建、山東和廣東等，跨省遷移者的收入優(yōu)勢(shì)顯著下降，廣東省為-6%至-7%；浙江省約為2%。將匹配方程分別設(shè)定為線性與設(shè)定為高階時(shí)，在非替換算法下沒有顯著差異。模型（3)—(8）采用替換算法，其中模型（3)—(5）為線性模型。首先看線性模型設(shè)定下的收入差異：模型（3）為鄰近匹配，大多數(shù)省份的結(jié)果與模型（1）有同樣的符號(hào)和顯著性，且系數(shù)接近。浙江省的系數(shù)為為-0.014，與模型（1）的符號(hào)相反，但統(tǒng)計(jì)上不顯著。模型（4）在（3）的設(shè)定形式上增加了共同支持條件，與模型（3）相比，系數(shù)和標(biāo)準(zhǔn)差幾乎完全一致。模型（5）在模型（4）的基礎(chǔ)上修剪掉得分兩端5%的樣本，25個(gè)省份的結(jié)果與模型（4）沒有顯著差異，但山西省的系數(shù)由0.308下降到0.256，下降幅度顯著；廣東省則由-0.064提高到0.001，但這個(gè)系數(shù)在統(tǒng)計(jì)上不顯著。模型（6)—(8）的算法與模型（3)—(5）分別對(duì)應(yīng)，只是在線性方程中添加了兩個(gè)連續(xù)變量“年齡”與“受教育年限”的平方項(xiàng)?？梢钥闯?，無(wú)論是在模型設(shè)定中添加連續(xù)變量的高階項(xiàng)，還是改變算法，每一個(gè)省份的估計(jì)結(jié)果都沒有發(fā)生顯著改變。這意味著，將省內(nèi)遷移者作為跨省遷移者的參照組時(shí)，匹配后的收入差異是穩(wěn)定的。（三）地區(qū)橫向遷移特征接著將跨縣遷移者作為控制組，估算跨省遷移者的收入優(yōu)勢(shì)。省內(nèi)跨縣遷移者特征會(huì)更接近跨省遷移者，將它作為控制組能進(jìn)一步減少異質(zhì)性偏差。表5報(bào)告了不同算法下跨省遷移者與跨縣遷移者的收入差異，對(duì)傾向得分的估計(jì)全部采取線性方程；模型（1)—(10）的差異主要是算法。為了減少匹配估計(jì)的潛在偏差，只采用控制組和干預(yù)組中滿足共同支持條件的樣本。模型（1）采用核匹配（Heckmanetal,1997,1998），默認(rèn)值為cubit算法。除了廣東和浙江的系數(shù)顯著為負(fù)值，其他25個(gè)省份的系數(shù)都顯著為正，范圍在10.7%—42.1%之間，即進(jìn)行傾向得分匹配后，跨省遷移者的月收入比省內(nèi)跨縣遷移者高出11%—42%。模型（2）采用局部線性匹配（llr），選擇的帶寬為默認(rèn)值0.06，除了河南與廣東省的系數(shù)略大于模型（1），其他25個(gè)省的系數(shù)與模型（1）沒有顯著差異。模型（3）采用半徑匹配，選擇的半徑為默認(rèn)值0.001。模型（4）采用AbadieandImbens(2006）所建議的半徑匹配方法，以期得到更準(zhǔn)確的標(biāo)準(zhǔn)差，這里選擇的m值為3。模型（4）的系數(shù)與模型（3）相比沒有顯著差異，但標(biāo)準(zhǔn)差更大。與模型（2）相比，模型（3）和（4）的系數(shù)的大小和方向基本一致。模型（5）與模型（6）采用最近鄰居匹配，模型（5）選擇最近的1個(gè)鄰近值，模型（6）選擇2個(gè)鄰近值。這時(shí)，不僅系數(shù)和標(biāo)準(zhǔn)差都很接近，而且，廣東和浙江這兩個(gè)省份也沒有出現(xiàn)波動(dòng)。模型（7）與模型（8）采用核估計(jì)，模型（7）采用正態(tài)核估計(jì)，模型（8）為雙權(quán)重核估計(jì)（biweight）。廣東和浙江的估計(jì)（絕對(duì)）值比模型（5）、模型（6）顯著減少外，其他25個(gè)省份的估計(jì)值都非常接近于模型（5）和模型（6）。模型（9）在模型（5）的模型設(shè)定形式下修剪掉5%的樣本，這是控制異質(zhì)性和減少估計(jì)偏差的通常做法。修剪掉5%得分最高和最低的樣本后，絕大多數(shù)省份的系數(shù)相比模型（5）都沒有顯著變化，只有廣東省的系數(shù)為-0.28，顯著小于模型（5），但模型（9）的標(biāo)準(zhǔn)差提高到0.12。在傾向得分匹配估計(jì)中，缺少一個(gè)滿意的標(biāo)準(zhǔn)差計(jì)算公式，討論傾向得分匹配條件下的標(biāo)準(zhǔn)差是近年來(lái)的一個(gè)理論熱點(diǎn)。微觀經(jīng)濟(jì)計(jì)量學(xué)者大多傾向于靴靽（Bootstrap）方法，對(duì)樣本進(jìn)行重復(fù)抽樣，以得到更穩(wěn)健的漸進(jìn)標(biāo)準(zhǔn)差。根據(jù)數(shù)據(jù)的大樣本特征，本文選擇抽取50次，見模型（10）。選擇算法為“共同支持條件、5個(gè)最近鄰居”，對(duì)傾向得分的估計(jì)采取logit模型。靴靽算法和AI算法得到的標(biāo)準(zhǔn)差，大于其他算法且施加同樣約束條件下的標(biāo)準(zhǔn)差，其結(jié)果仍都是高度顯著的。從表5顯示的結(jié)果看出，除了廣東和浙江兩省在某些算法下，出現(xiàn)了明顯波動(dòng)外，其他省份得到的結(jié)果一直是穩(wěn)健一致的。（四）匹配估計(jì)的有效性傾向得分匹配的優(yōu)勢(shì)之一是不必假定估計(jì)方程為線性函數(shù)，可以通過(guò)在線性函數(shù)中添加連續(xù)變量的平方項(xiàng)或高次方項(xiàng)，考察與線性函數(shù)估計(jì)結(jié)果的差異。如果沒有顯著差異，說(shuō)明傾向得分匹配估計(jì)結(jié)果對(duì)函數(shù)設(shè)定形式不敏感；如果有顯著差異，則采用非線性形式，這時(shí)，線性方程的結(jié)果可能出現(xiàn)了過(guò)度擬合，而非線性形式能更準(zhǔn)確擬合結(jié)果的變化。這也是穩(wěn)健性分析的常用策略。本文將連續(xù)變量“年齡”和“受教育年限”分別構(gòu)建平方項(xiàng)添加到傾向得分估計(jì)方程中?？缡∵w移相對(duì)于跨縣遷移的收入差異報(bào)告在表6中，除了增加兩個(gè)高階項(xiàng)，變量選擇與算法和表5的模型（1)—(10）分別一一對(duì)應(yīng)。把各個(gè)省份不同算法下得到的估計(jì)系數(shù)設(shè)定“最小-最大”值，發(fā)現(xiàn)其結(jié)果與線性模型估計(jì)結(jié)果一致，即使是那些偏離正常范圍的系數(shù)也是一致的。比如，半徑匹配算法下的廣東省，收入差異由其他算法下的顯著為負(fù)變成不顯著異于0，在兩種模型設(shè)定條件下，估計(jì)系數(shù)和標(biāo)準(zhǔn)差完全相同。這意味著，匹配算法對(duì)方程設(shè)定形式不敏感，得到的結(jié)果是穩(wěn)健一致的。2比較一下OLS估計(jì)和匹配估計(jì)的結(jié)果發(fā)現(xiàn)，在27個(gè)省份中，以省內(nèi)遷移者為控制組時(shí)，有13個(gè)省份的OLS估計(jì)值大于匹配估計(jì)的最大值，主要是東中部省份；有5個(gè)省份的OLS估計(jì)值小于匹配估計(jì)的最小值，全部是西部省份；介于匹配估計(jì)范圍內(nèi)的省份有9個(gè)。以跨縣遷移者作為控制組時(shí)，有14個(gè)省份的OLS估計(jì)值大于匹配估計(jì)的最大值，全是東中部省份；有5個(gè)省份的估計(jì)值小于匹配估計(jì)的最小值，全是西部省份；有8個(gè)省份的估計(jì)值介于匹配估計(jì)的最小值和最大值之間。如果把匹配估計(jì)范圍視為更可信的收入差異，則OLS估計(jì)高估了大部分東中部地區(qū)的跨省遷移收益，低估了西部地區(qū)的跨省遷移收益。（五）干預(yù)及控制組的匹配前后結(jié)果匹配的效果如何呢？這決定了對(duì)收入差異估計(jì)的可信性。平衡性檢驗(yàn)是一個(gè)必要的診斷。平衡性檢驗(yàn)使用的模型設(shè)定為線性方程中添加兩個(gè)連續(xù)變量的平方項(xiàng)，施加了共同支持條件后的最近鄰居匹配，鄰居數(shù)目在此為1。按照慣例，應(yīng)該把模型設(shè)定中的所有變量匹配前后的數(shù)值和T值都列示出來(lái)，以便讀者判斷。但由于本文分別觀測(cè)了27個(gè)省份，限于篇幅，無(wú)法列示所有省份，本文在東中西三個(gè)地區(qū)分別任意選擇一個(gè)省份，浙江、江西和陜西。從圖1看出，這三個(gè)省份的得分并沒有特異之處。平衡性檢驗(yàn)結(jié)果報(bào)告在表7中。干預(yù)組和控制組的匹配前結(jié)果都存在顯著差異。比如，浙江匹配前的跨省遷移者平均年齡為31.05歲，而省內(nèi)遷移者為33.07，相差2歲，T值為14，差異非常顯著；匹配后的樣本，平均年齡分別為34.4歲和34.2歲，差異減少到0.3歲，雖然T值為2.41仍顯著，但無(wú)論差異規(guī)模還是統(tǒng)計(jì)顯著性都大為下降。3跨省遷移者與省內(nèi)遷移者的性別結(jié)構(gòu)差異顯著，匹配后，T值由8.2下降到-0.9；受教育年限由相差0.7年下降到匹配后的0.03年。簡(jiǎn)言之，浙江省參與匹配的變量有29個(gè)，其中28個(gè)變量的兩組均值在匹配前差異在95%水平上顯著，匹配后只有8個(gè)仍然顯著，但差異顯著縮小，T值也明顯下降。江西和陜西也呈現(xiàn)同樣的趨勢(shì)。江西和陜西省的匹配結(jié)果與浙江一致：匹配使干預(yù)組和控制組的各個(gè)變量的差異變得不顯著或減少了差異程度。每個(gè)省份都控制了地級(jí)市的固定效應(yīng)，在各個(gè)地級(jí)市內(nèi)，匹配前結(jié)果差異顯著，而匹配后則顯著下降或者差異消失。從對(duì)27個(gè)省份的平衡性狀況的檢驗(yàn)結(jié)果看，匹配效果良好。當(dāng)模型設(shè)定為線性方程時(shí)，匹配平衡性結(jié)果沒有顯著改變。當(dāng)我們采用其他算法進(jìn)行平衡性檢驗(yàn)時(shí)，平衡性結(jié)果同樣良好。4檢驗(yàn)平衡性效果的方法還包括匹配前后的分位值比較、Pseudo-R1值比較等，無(wú)一例外，匹配后的分位值、Pseudo-R1值都出現(xiàn)了顯著下降。平衡性檢驗(yàn)結(jié)果的穩(wěn)健證實(shí)了采用傾向得分匹配算法的有效性，也是對(duì)共同支持條件的間接檢驗(yàn)。（六）修剪對(duì)匹配質(zhì)量的影響觀測(cè)性截面數(shù)據(jù)的結(jié)構(gòu)特征決定了非混淆性一直是本文關(guān)注的重點(diǎn)。從傾向匹配得分的視覺圖看出，跨省遷移者為右偏峰，跨縣遷移者為左偏峰。根據(jù)對(duì)遷移決策的經(jīng)驗(yàn)，一部分人承受風(fēng)險(xiǎn)的能力強(qiáng)，心理成本低，偏好跨省遷移，假定他們的匹配得分更接近于1；另一部分人相反，不愿意遠(yuǎn)距離遷移，心理成本高，更愿意在省內(nèi)尋找非農(nóng)就業(yè)機(jī)會(huì)，假定其匹配得分更接近于0。顯然，傾向得分匹配中的“修剪”技術(shù)通過(guò)剪去兩組得分最高和最低的樣本，將兩組對(duì)象的比較限定于特定的區(qū)域，以減少異質(zhì)性并改進(jìn)匹配的質(zhì)量（Heckmanetal.,1998）。大樣本條件下，即使修剪掉一部分樣本，也不會(huì)顯著影響匹配效率。作者將干預(yù)組和控制組得分分布最高和最低的5%樣本剪去。5結(jié)果（表5和表6的模型（9））顯示，修剪掉5%樣本并未顯著改變估計(jì)結(jié)果。這意味著，傾向得分匹配估計(jì)的結(jié)果是相當(dāng)穩(wěn)健的：不僅對(duì)模型設(shè)定形式不敏感，對(duì)變量選擇和共同支持條件不敏感，甚至對(duì)修剪得分兩端樣本同樣不敏感。一般說(shuō)來(lái)，如果觀測(cè)值趨于無(wú)窮大，異常值可以忽略不計(jì)。本文很多省份的觀測(cè)值超過(guò)10000，經(jīng)驗(yàn)上已接近于無(wú)窮大了。六、不同次次利用下西部各省份的回遷方案及相對(duì)受益水平分析對(duì)農(nóng)民工來(lái)說(shuō)，嚴(yán)格的戶籍制度和地區(qū)分割的社會(huì)保障體系是難以克服的障礙，一旦東部勞動(dòng)密集型產(chǎn)業(yè)向中西部轉(zhuǎn)移，這些勞動(dòng)力也會(huì)隨著產(chǎn)業(yè)轉(zhuǎn)移而返回家鄉(xiāng)。本文推算企業(yè)獲得產(chǎn)業(yè)轉(zhuǎn)移收益的依據(jù)如下：中西部省份跨省遷移農(nóng)民工的數(shù)量和農(nóng)民工的遷移凈收益。兩者的乘積即是潛在遷移收益。本文采取10種算法計(jì)算跨省遷移收益，盡管大多數(shù)省份不同算法得出的結(jié)果都很接近且穩(wěn)健，但沒有先驗(yàn)的理論或經(jīng)驗(yàn)規(guī)則能幫助判斷哪個(gè)是最優(yōu)算法（BeckerandIchino,2002）。出于穩(wěn)妥，作者將不同算法得出的跨省遷移收益系數(shù)構(gòu)建一個(gè)“最小-最大”區(qū)間，以此來(lái)計(jì)算各出發(fā)地省份遷移者的遷移收益。但誰(shuí)會(huì)返回出發(fā)地呢？本文假定多種方案。一個(gè)較為保守的假定是，那些與省內(nèi)遷移者有相同匹配得分的人會(huì)返回。中西部省份滿足共同支持條件的兩組樣本都在90%以上，遷移者回流時(shí)不再考慮這個(gè)因素。一個(gè)可以操作且符合經(jīng)驗(yàn)的假定是，已婚有配偶的勞動(dòng)者更可能返回，因?yàn)榧彝フ樟系呢?fù)擔(dān)要比無(wú)配偶者重，遷移的心理成本更高。國(guó)家統(tǒng)計(jì)局對(duì)農(nóng)民工監(jiān)測(cè)調(diào)查結(jié)果顯示，2009年，全國(guó)共有農(nóng)民工14533萬(wàn)人。假定跨省遷移者的比例仍保持2005年的水平上（47.3%），則全國(guó)共有6878萬(wàn)跨省遷移農(nóng)民工。在這些跨省遷移者群體里，作者計(jì)算了2005年各省遷移者有配偶的比例并假定這個(gè)比例不變，然后計(jì)算出各省跨省遷出者已婚有配偶的人數(shù)，共有4405萬(wàn)人。以此作為回