住房支付能力影响农业人口流动的实证研究

中图分类号:F126。1/F323。6文献标识码:文章编号:1003-7217(2017)05-0124-06

一。引言

中国目前仍处于快速城镇化的进程中,根据国家统计局数据,1978―2016年,城市人口从1。7亿增论文网加到7。93亿,城镇化率从17。9百分号提升到57。35百分号。推进农业转移人口市民化已成为中国国家发展战略的重要组成部分,农民工转换成城市居民,不仅关系到从根本上解决农业。农村和农民问题,也关系到城镇化。工业化乃至整个现代化的健康发展。农业转移人口流入城市将会带来诸如失业。住房。社会保障。子女受教育等社会问题。其中,住房问题是流动人口在城市生活遇到的最基本。最严峻的问题之一[1]。

城市住房商品化只为农民提供了有限的选择,低廉的工资收入,使得租房成为农民工的唯一住房选择[2];城中村“因其较低的房租,成为农民工重要的聚集和居住之地,也是他们学习城市生活方式。行为和价值关键的主要场所[3]。通常,住房支付能力用房价收入比。租金收入比进行衡量,这意味着城市房价或租金上涨会使农业转移人口生活成本增加,在城市工资不变的情况下,农业转移人口的住房支付能力会下降。不同地区农民工的住房支付能力存在差异,在东部地区较差,中西部地区农民工的住房支付能力较好[4]。以租金收入比衡量的住房支付能力与农业转移人口的持久性转移意愿呈现倒U型关系,当前大量农业转移人口选择到房价较高的大城市就业,主要是住房租赁价格尚在可承受范围内,住房支付能力对迁移意愿不会产生负向影响[5]。魏玮考察了上海农民的住房支付能力状况,发现农民工的住房支付较为困难,租金收入比为22百分号,月供收入比高达34百分号[6]。

在已有研究中,我们发现人口流动是由多种因素共同造成的。其中,住房问题是农业人口流动过程中遇到最严重问题之一,城市房价或租金上涨会降低农业转移人口的住房支付能力,这会对他们的迁移决策产生怎样的影响?这种关系在不同劳动力个体及家庭负担情况下有何不同?这些问题并未得到详尽的研究。因此,本文将住房引入哈里斯-托达罗模型,考察劳动者住房支付能力对其迁移意愿的影响,同时,还采用CHNS的微观调查数据进行实证检验。

二。理论模型

借鉴Todar(1969)[7]。Harris和Todaro(1970)[8]建立的城乡人口流动的基本分析框架,引入住房市场,将住房支付能力作为农村劳动力流向城市的重要影响因素。经济主要分为三个部门:农业部门。城市工业部门和住房部门,且城市工业部门工资高于农业部门。参照Brueckner和Zenou(1999)[9]的假设,将城市设为单中心结构,所有的工业部门均位于城市的中心商务区(CBD)。城市居民均已拥有住房,并且城市内劳动者(包括城市居民与流向城市的农村劳动力)的居住地与CBD之间的距离为x,且单位距离的通勤成本是t,x>0,t>0。城市边缘之外是农村地区,农业部门主要集中于此,农业部门的生产要素包括不变的土地(L)。资金(KA)投入和可变的劳动力(NA)投入,并且技术是外生给定的;城市工业部门生产要素包括可变的劳动力投入(NM)和不变的资金(KM)投入,技术水平也是外生的。

根据式(14),仍然考虑在同一个同心圆上,通勤成本固定,农村劳动力向城市流动NR增加,已知NR的增加对工业部门产量没有影响,但会降低城市部门就业率θ,增加农业部门劳动力的边际产出,提高了农产品的相对价格,从而提高了农业部门的实际工资水平。因此,随着住房支付能力1η提升,使得NR增加的同时,导致农业部门实际工资水平WA增加,这又减少流向城市的农村劳动力NR。因此,得到如下命题:

住房支付能力提升,促使更多的农村劳动力流向城市;但是,过多农村劳动力流向城市提升了农业部门实际工资,会对农村劳动者产生逆向激励,降低他们迁移到城市就业的概率。

三。数据。变量与方法

(一)数据与变量

本文的数据来源于中国健康和营养调查(ChinaHealthandNutritionSurvey,CHNS)项目。本文将使用1989年。1991年。1994年。1997年。2000年。2004年。2006年和2009年8个年度9个省份的混合截面数据进行分析,所涉及的变量包括住房支付能力。就业。家庭类型。家庭人口统计特征,经过筛选,共得到1122份有效数据。另外,以1989年为基年,将各省市CPI将模型中所有价值变量转化为实际值,各变量描述性统计结果见表1。

本文的被解释变量是受访者是否流动或迁移,即受访者在调查时点是否外出打工,用migration表示,若是外出打工migration,取值为1,否则取0。根据Harris-Todaro(1970)人口迁移模型,应充分考虑在城市部门失业的可能性,为此,将就业概率纳入模型。由于在CHNS数据库中未涉及被调查者所受就业冲击及市场就业情况的具体变量,因此,以被调查者所在省份的上一年度城镇登记失业率(unemployment)作为就业情况的代理变量。

核心解释变量是住房支付能力,Jensen(1998)指出,有许多种(住房支付能力)指标,包括住房收入比。不变质量比较和市场篮方法等[12]。由于本文主要分析流动人口的住房支付能力,考虑到流动人口大多数是租住公有或私有住房,因此,用房屋租金(rent)与工资收入(wage)之比测度住房支付能力(h_ability):控制变量主要是家庭人口统计特征和家庭社会经济特征。家庭人口学统计特征包括家庭人口总数(population)。受访者年?g(age)。年龄的平方(age2)。性别(gender)。婚姻状况(marriage)。受教育年限(education)。是否有医疗保险(insurence)。家庭净财富(asset)。工资收入(wage)。每周工作小时数(work_h)。以及调查地点是否位于东部省份(east)。

另外,为研究工资差异对迁移决策的影响,借鉴周京奎(2011)的研究[13],将职业类型划分为:单位负责人(occup1)。专业技术人员(occup2)。职员(occup3)及其他职业类型(occup4)。健康状况分为:健康(health1,包括健康状况非常好和好)。一般(health2,包括健康状况一般)。其他(health3)。考虑到少儿抚养比和老年抚养比增加对人力资本积累的影响[14],可能会进一步影响劳动的外出就业决策,还将家庭少年人口数(young)和老年人口数(old)纳入模型。

(二)计量模型

首先,利用住房支付能力。就业状况等变量,估计住房支付能力及各变量对流动意愿的影响效应;其次,讨论受访者职业类型。健康状况,及其与住房支付能力交叉项的情况下,受访者流动决策受住房支付能力影响的变化;最后,按受访者在不同调查年份家庭少年人口数和老年人口数,探讨住房支付能力对家庭负担不同的劳动力流动决策作用的差异。

其中,h_abilityit表示第i个受访者在调查年度t的住房支付能力,unemploymentjt-1表示j省份在调查年度前一年t-1期的城镇登记失业率。zit代表控制变量,包括:家庭人口总数。年龄。年龄的平方。性别。婚姻状况。受教育年限。是否有医疗保险。家庭净财富。每周工作小时数以及调查地点是否位于东部省份。

2。扩展模型――职业类型及健康状况。进一步考察职业类型和健康状况对劳动力流动决策的影响,在模型(17)的基础上分别引入h_occupit和h_healthit,它们分别表示第i个受访者家庭在调查年度t的职业类型和健康状况。在扩展模型的分析中,我们主要关注的是劳动力职业类型及身体状况差异是否会影响住房支付能力对受访者流动或迁移的决策,也即交叉项h_abilityit×h_occupit和h_abilityit×h_healthit对migrationit的影响。

3。扩展模型――家庭负担的分析。为了考量家庭负担对外出打工选择的影响,把流动人口按家庭负担分为少年人口(youngit)和老年人口(oldit)两种类型,分别引入模型(17),此外,还将这两个变量同时引入模型(17),考察家庭总负担对劳动力流动决策的影响。

四。实证分析①

(一)基本模型估计

运用CHNS数据估计Probit模型,估计结果见表2。序列(1)(2)是以公式(16)(17)为基础的人口迁移模型的回归结果。首先讨论序列(1),不考虑住房支付能力的人口流动模型。其回归结果显示,unemployment的系数为-0。367,且具有显著性,表明对未来预期失业概率越大,会降低农村劳动力外出就业的可能性。正如哈里斯-托达罗模型所阐述的那样,农村人口向城镇迁移的决策,不仅取决于城乡间收入差距,同样要考虑在城镇失业的可能性。事实上,随着人口红利式微和刘易斯转折点的到来[15],沿海城市曾一度出现用工荒“,所以,城镇其失业可能性较小,从而使得上一年度城镇登记失业率对农村劳动力是否流动的影响较小。

在影响农村劳动力流动的其他因素中,asset的系数具有负显著性。家庭财富是影响农村劳动力外出就业的重要因素,富裕的家庭其劳动力不必外出就业,在农村就能负担得起各种花费,因而他们也没有强烈的外出意愿。east的系数显著为正,说明东部省份的劳动力具有较高的外出流动倾向。可能的解释是,东部地区劳动力市场更加开放,农村劳动力具有地理位置优势容易接近开放的劳动力市场,而中西部地区由于信息不畅通。交通成本高以及流入城市后的社会心理成本等原因,降低了其外出就业的意愿。education。insurance的系数具有负显著性,说明高受教育程度。拥有医疗保险的农村劳动力外出就业的可能性较低。值得关注的是,受教育程度越低外出就业的意愿越强,这与中国目前现状相符,大部分外出就业的农民工受教育水平普遍较低,国家统计局发布的2015年农民工调查监测报告显示,外出就业的农民工中,初中及以下文化程度占74。8百分号,高中文化程度占16。9百分号,大专及以上仅占8。3百分号。受教育程度高的农村劳动力可以凭所学的专业知识在农村自主创业或者获得政府及事业单位等较为稳定体面的工作,而受教育程度低的农村劳动力除了务农之外,更好的选择可能就是去东部沿海等发达地区从事简单的体力劳动或者服务行业劳动以获取相对较高的收入水平。population。gender和work_h的系数为正,marriage的系数为负,但均不具有显著性,家庭人口越多。男性。工作时间越长。未婚等因素增加外出就业的可能性,但这种影响不太明显。此外,age。age2的系数分别为负。正,说明年轻农村劳动力拥有较高的外出倾向,随着年龄的增长,外出就业的概率呈下降趋势。一个可能的解释是,随着年龄的增长,知识结构及身体状况等原因,使得其在城市能获得的收入降低,大多劳动力不会选择外出就业。

序列(2)是考虑住房支付能力的农村劳动力流动模型回归结果。h_ability的系数具有负的显著性,由于h_ability数值越大表示住房支付能力越低,因此,结果表明住房支付能力强的劳动力,具有较高的外出就业倾向,这也验证里理论模型部分关于住房支付能力与劳动力流动决策正相关的结论。此外,我们注意到序列(1)(2)的拟合优度分别为0。2023。0。2183,加入住房支付能力的模型能更好地解释人口流动。(二)扩展模型――健康状况及职业类型差异的分析

为讨论劳动力个人因素对流动决策的影响,引入健康状况及职业类型与住房支付能力的交叉项,具体回归结果见表3。

表3中的序列(3)以其他健康状况以及住房支付能力与其他健康状况的交叉项为参照组,回归结果显示:hab_health1。hab_health2的系数均为负,表明身体状况较好和一般的劳动力外出就业决策受住房支付能力影响不太明显。此外,health1。health2的系数均显著为负,说明身体状况好的劳动力反而拥有较低的外出就业倾向。一个可能的解释是,身体素质较好的劳动力能承受农村较粗重的生产活动,通过辛勤劳作得以维持生计;而身体素质较差的劳动力会选择去城市从事服务业等相对较轻松的工作,从而更愿意迁移到城市。

序列(4)以其他职业类型以及住房支付能力与其他职业类型的交叉项为参照组,回归结果显示:住房支付能力与职业类型的交叉项hab_title1。hab_title2。hab_title3的系数分别为-0。652。-0。135和-0。182,且三者均不具有显著性。这一方面说明职业地位相对较高的农村劳动力,其流动决策受住房支付能力的影响相对较高;另一方面,也表明农村劳动力外出流动的决策受职业类型的影响较小。由于农村经济整体上较落后,因此,从事各职业类型的农村劳动力收入水平均不会太高,各职业的收入差异较小。

(三)扩展模型――家庭负担的分析

为分析家庭负担对劳动力外出就业决策的影响,将少年人口和老年人口纳入模型。通常将0～14周岁的小孩少年人口,64周岁以上老年人定义为老年人口。回归结果见表4。

序列(5)(6)(7)中h_ability的系数分别为-0。336。-0。308。-0。309,且均具有显著性。说明无论家庭负担如何,住房支付能力高的劳动力的流动倾向明显更高。序列(5)中young的系数为0。052,且不具有显著性,序列(6)中old的系数为-0。962,序列(7)的结果与序列(5)(6)具有一致性,表明家庭少年人口越多,在同样的住房支付能力下,选择外出就业的意愿更强,而家庭老年人口越多反而降低了劳动力外出倾向。家庭的少年人口多意味着生活。教育等方面的支出大,在这期间家庭负担较重,需要外出就业来维持生计;而老年人口增加,由于其身体等原因,可能需要子女的照顾。

五。结论

以上实证结果表明:在控制了可能影响农村劳动力外出就业决策的家庭社会经济特征,如家庭人口。受教育年限。年龄。民族等后,住房支付能力仍是影响人口流动的重要变量,从而验证了本文理论模型的结论。本文还发现:职业地位相对较高的农村劳动力,其流动决策受住房支付能力的影响相对较高,但总体上职业地位高低并未明显影响其流动决策;身体状况较好。家庭少年人口多的农村劳动力外出就业的选择受住房支付能力的影?要高于其他类型的农村劳动力。因此,提高流向城市的农村劳动力住房支付能力,解决其住房问题,有利于促进城乡人口流动,进而推进城镇化的进程。

注释:

①本文的实证检验的样本均为农村流动人口,未考虑城镇流动人口。

住房支付能力影响农业人口流动的实证研究