【《流动人口居留意愿影响因素分析》6800字】

流动人口居留意愿影响因素分析目录TOC\o"1-3"\h\u17795流动人口居留意愿影响因素分析 1196451.1变量选取 114401.1.1研究视角与理论框架 1181601.1.2因变量 1307251.1.3自变量 168911.2回归分析 141531.2.1固定效应模型分析 1217581.2.2空间面板滞后模型分析 1变量选取研究视角与理论框架从研究视角上，不同于以往针对于流动人口个体的研究，本研究以五年、310个城市单元作为研究对象。一方面，以城市为研究对象，避免了以往研究中对于城市空间自身因素的掩盖。从不同空间层级流动人口变现出的居留意愿来看，流动人口居留意愿具有明显的“分层适配”性。同样的收入、教育水平等情况下，不同城市的流动人口的居留意愿具有异质性。在不同的城市规模、经济发展水平区域的城市，都有流动人口因为收入和发展空间留下。“流动”的选择可能具有“绝对”的标准，东南沿海、重点城市群是主要流向。但在流动人口平均流动2.16个城市的背景下，居留影响不能忽略自身情况及周围参考系的相对比较，居留可能是不断选择之后的结果。另一方面，从实际意义上来说，以城市为研究对象，更能体现不同城市的吸引力差异，体现居留意愿的空间异质性，更有利于针对理解流动人口的居留需求。图SEQ图\*ARABIC20理论框架图借鉴推-拉理论的框架，从我国城乡二元结构的社会背景，及流动人口居留意愿的实际情况出发，融合了新迁移经济学“家庭”的视角，加入了家乡流向的考虑，从流入城市的拉力，推力，以及家乡的牵制力三个角度，构建流动人口居留意愿的理论框架，具体内容见图SEQ图\*ARABIC20理论框架图因变量正如第3章第3节概念界定中所提，本文居留意愿是指：流动人口明确打算在流入地居留5年以上。因为本文为空间视角，研究对象为310个地级区域，因此需将微观流动个体的信息转化为空间单元上的群体信息。基于此，在衡量城市居留意愿（WILL）时采用的是“打算在流入地居留的流动人口占比（%）”的方式。这意味着，一个城市中打算在本地居留五年以上的流动人口越多，城市的居留意愿越高；换言之，城市对于流动人口居留的吸引力越强。具体计算上，是抽样中各城市具有明确意向打算在本地居留5年以上流动人口数量，与该城市流动人口样本量的比值的百分数（见REF_Ref68449381\h表10、REF_Ref69719695\h表11）。自变量拉力我国流动人口居留现状中，六成居留，三成不居留，一成没想好。打算继续居留的主要原因是“收入高”、“个人发展空间大”、“子女有更好的教育机会”、“家人习惯在本地生活”。将这四点抽象起来，可得到流动人口居留城市的三方面重要拉力：经济、发展拉力，城市资源拉力，城市生活拉力。在经济、发展拉力方面：各城市人均GDP。从宏观上衡量城市整体经济发展水平。从经济与发展的维度看，经济发展水平高的地区平均收入水平较高，且就业市场需求相对旺盛，因此从这一角度，人均GDP或许是城市的拉力。其数据由CEIC数据库、从各市统计局直接获取。使用原值的对数形式纳入模型。流动人口月平均收入。“收入高”是居留本地的物质基础。但目前已有研究对平均收入的影响效果并不统一，有学者认为收入越高的流动人口居留意愿越强（魏红英，2017；张华初等，2015；李辉等，2019），有学者认为收入与居留意愿具有负相关（古恒宇等，2020），还有学者发现收入并没有显著影响（孟兆敏等，2011）。因此，平均月收入仅作为理论逻辑上、和流动人口表达出的拉力放入模型，但尚且无法对预期影响预估。该变量根据2012、2014、2015、2016、2017年流动人口动态监控数据，分年份、分城市流动人口月收入计算而来。采用微观汇总而非宏观城市数据，是因为在“城-乡”、“本地-外地”的双二元结构下，城市整体的经济发展水平或平均收入可能无法代表流动群体的实际情况。模型中同样适用对数形式。就业身份。本变量操作化为“自雇就业流动人口占比（%）”。将就业身份分为自雇和受雇两种，自雇中包括动态监测调研问卷中所提及的雇主和自营劳动者两种身份，受雇则指雇员。也就是说，这一变量能够相对的体现“自雇”与“受雇”两种状态。该变量能够体现经济市场的多元性、就业机会的丰富性及个人的经济发展空间。从已有文献来看，有研究者认为自雇群体长期居留意愿较高（王婷，2018；李树茁等，2014），但也有学者未发就业身份对居留意愿的影响（古恒宇等，2020）。医疗保险。本变量操作化为“享有城镇职工医疗保险流动人口占比（%）”。该变量能够体现该城市为流动人口提供正规就业的情况，以及流动人口能够享有的社会保障，这将为流动人口经济、社会发展提供保障。有研究者认为非正规就业将会抑制流动劳动力的居留意愿（杨凡等，2018）。在城市资源拉力方面：城市规模。该变量用以综合体现城市资源质量及提供能力。从我国城市目前的城市发展来看，医疗、教育、城市服务等资源的质量往往与城市规模高度相关。当然，当资源供给与服务无法与人口消费匹配时，将出现负面推力作用。本研究按照城市规模划分标准，将城市按照城区常住人口分为超大城市、特大城市、大城市、中等城市和小城市五类。在城市生活拉力方面：流入时间。该变量操作化为流动人口平均流入本地的市长（年）。流入时间体现着流动人口对于本地生活的“习惯”。而从前文可知，东北地区或小城市的流动人口，愿意继续居留在本地的主要原因就是“家人习惯本地生活”。同时，诸多研究者证实流入时间对居留意愿具有积极作用（古恒宇等，2020；郭永沛等，2020；王婷，2018；朱宇，2004）。流动距离。该变量操作化为省内流动人口的占比（%）。本文是以城市的角度研究流动人口居留意愿，因此首先便对市内流动人口进行了剔除。因此这一变量主要包含省内流动和跨省流动的群体。省内流动占比较高，意味着流动距离相对较近，社会环境相对熟悉，有利于降低适应成本。推力本部分推力主要表达的是对流动人口居留的负向作用。这种“推力”既有来自城市的推力，也有来自家乡的拉力。生活成本。本变量操作化为“家庭在本地每月总支出（元）”流动人口本地遇到的困难主要来源于经济方面：收入低或买不起房。收入在拉力中已有体现，高收入为吸引点，低收入为困难点，在此不再考虑。而由于房价数据难以获得，本研究使用家庭每月总支出进行替换。在大多数情况下，房价与当地生活成本具有正相关性。且家庭总支出中包含住房等支出。不过，从已有研究来看，有研究者发现了生活成本与居留意愿的正向关系（古恒宇等，2020；杨雪等，2017）。本研究将在后续部分进行检验。模型中此变量采用对数形式。在不居留的群体中，七成返乡，二成继续流动，一成尚未确定。由此可见，返乡是不居留的流动人口主要流向。“家乡”成为了居留的重要阻碍力来源。而“家庭类原因”是流动人口返乡的重要原因，尤其以回乡照顾子女、或回乡照顾老人为主，二者占近四成的比例。基于此，在理论模型中加入家乡拉力的部分，并用在户籍地留守的子女、老人数量来进行衡量。流动群体特征本文放入城市内流动人口群体特征作为控制变量。性别。操作化为流动人口中女性的占比。以往研究认为女性比男性居留意愿更强。年龄。根据微观数据计算各城市流动人口平均年龄。各城市平均年龄主要集中在25至45岁，且并非随着年龄增加，居留意愿先升高、再下降、再升高。因此将平均年龄按十岁分组，以便观察各组差异。受教育程度。操作化为流动人口平均受教育年限。已有文献普遍认为，受教育程度越高，居留意愿越强。婚姻。操作化为未婚流动人口占比。这一变量同时与家庭相关，一定程度上反映流动人口家庭化程度以及与家人同住的情况。研究者认为家庭化有利于提高流动人口的居留意愿。表SEQ表\*ARABIC10变量设置与说明变量类型变量代码变量名称变量取值与说明因变量WILL居留意愿连续变量：打算在流入地居留的流动人口占比（%）自变量经济、发展拉力lnPGDP人均GDP(对数连续变量：流入地人均GDP（元）lnINCOME平均收入（对数）连续变量：流动人口平均个人月收入（元）SEMPLOY就业身份连续变量：自雇就业流动人口占比（%）MEDIC医疗保险连续变量：享有城镇职工医疗保险流动人口占比（%）城市资源拉力SIZE城市规模分类变量：

1-超大城市（城区常住人口1000万人以上），2-特大城市（500-1000万人），3-大城市（100-500万人），4-中等城市（50万-100万人），5-小城市（50万以下）城市生活拉力STAY流入时间连续变量：平均流入本地时间（年）DIST流动距离连续变量：省内流动人口占比（%）城市推力lnFCOST生活成本（对数）连续变量：流动人口平均每月家庭总支出（元）家乡拉力FALEAVE留守家人连续变量：流动人口平均在户籍地居住的子女、父母、公婆、岳父母的数量（个）流动群体特征GENDER性别连续变量：流入城市流动人口中女性占比（%）AGE_G年龄分类变量：流动人口平均年龄分组（岁）

1=15岁（包含）-25岁

2=25岁（包含）-35岁

3=35岁（包含）-45岁

4=45岁及以上EDU受教育程度连续变量：流动人口平均受教育年限（年）

（未上过学人口数×0+小学人口数×6+初中人口数×9+高中/中专人口数×12+大学专科人口数×15+大学本科人口数×16+研究生人口数×19)/总人口数MAR婚姻连续变量：未婚流动人口占比（%）表SEQ表\*ARABIC11变量描述VarNameObsMeanSDMinMaxWILL31055.2017.695.00100.00GENDER31045.606.2213.7969.57EDU3109.850.886.7413.40MAR31014.508.220.0060.00SEMPLOY31053.5422.650.00100.00MEDIC31010.6610.080.0058.93STAY3105.902.041.2617.50DIST31045.1324.750.00100.00FALEAVE3100.550.320.002.18lnPGDP31010.700.549.3212.28lnINCOME3108.150.246.918.84lnFCOST3108.050.227.208.68AGE_G1(base)3100.350.48AGE_G23100.650.48AGE_G33100.010.10SIZE1(omit)3100.020.13SIZE23100.030.16SIZE33100.290.46SIZE43100.330.47SIZE5(base)3100.340.48回归分析固定效应模型分析本部分通过建立固定效应模型，将可能影响流动人口城市居留意愿的城市拉力、城市推力、家乡牵制力及流动群体特征纳入模型，进一步检验、探究流动人口居留意愿的影响机制。研究共建立3个模型。在模型1中，采用未控制个体效应的混合OLS模型。对OLS模型进行多重共线性检验，结果显示各变量的方差膨胀因子（VIF）均不超过5，即各变量不存在显著的共线性。在模型2中，采用固定效应模型，纳入城市拉力相关因素和群体特征相关的控制变量；在模型3中，在模型2的基础上，增加城市推力及家乡拉力，形成完整框架。纳入所有变量进行随机效应模型估计，并对固定效应模型和随机效应模型进行Hausman检验，p值<0.05，由此看来选用固定效应模型是合理可行的。由于面板数据的R2计算对象与OLS不相同，因此AIC是更好体现拟合效果的指标。一般认为，在同类模型中，如果AIC值相差大于3，则AIC值越小的模型，拟合效果越好。根据此标准，发现固定效应模型比Pooling模型优化程度大幅提高；而且，纳入家乡牵引力和城市推力两个“推力”因素后，模型同样得到了优化。具体模型回归结果见REF_Ref68465164\h表12。从回归结果来看，除了流动群体特征外，流动人口居留意愿的确受到城市拉力和家乡牵引力的共同作用。在城市拉力方面，自雇就业身份对居留意愿具有显著的正向影响。从城市层面而言，自雇占比体现了城市的市场多元性与活力，经济市场可以容纳多种经济形式，流动人口具有更宽的发展选择及更大的发展空间。享有城镇职工医疗保险同样与居留意愿有着显著的拉力作用。一方面，享有城镇职工医疗保险的占比越高，说明流动人口从事正规就业的可能性越大，城市的就业市场正规性、包容性更强，有利于提高流动人口就业的稳定性与人力资本的积累，从而提升意愿；另一方面，提高流动人口的社会保障，有利于提高其在城市居留的抗风险能力，同时也体现出城市更高的公共服务供给能力及治理水平，有利于流动人口的长期居住。城市规模方面，相较于小城市，城市规模在100-500万的大城市具有更高的居留意愿。这与描述分析结果相一致。随着近年来中央对于劳动力和人才流动的关注，城市落户限制逐步放宽，而大城市刚好处于全面放宽的城市规模。大城市既有相对小城市更丰富且优质的城市资源，为流动人口提供了必要的物质收入与发展空间；又享有逐渐放开的户籍制度，使得优质城市资源对于流动人口群体的可获得性更强。同时，落户制度的难度本身会作用与流入群体的城市归属感和未来规划预期。在落户较难的城市，本次流动更有可能是短期“闯一闯”，而非长期居留生活。流入时长对居留意愿有显著正向影响，这与预期相符。流入时长越长，流动人口对于城市越习惯，且归属感越强，越可能长期居留 。省内流动越多，流动距离越近，流动人口居留意愿越强。一方面邻近的物理距离，使得文化、环境等因素与家乡相似的可能性更高，这降低了城市的适应难度；另一方面，省内流动的流向很有可能是向城市群内核心城市或都市圈内流动，这样的流动符合列文斯坦等学者提出的流动规律，而这样的流动目的也较为明确，可能是经济发展或者更好的子女教育机会，流动选择中附加着居留的考虑。受城市资源吸引的流动，也更容易被留下。与预期不相符的是，在混合模型中，人均GDP具有正向影响；但在控制了个体效应的固定效应模型中，人均GDP出现了负向影响。这或许说明，在我们控制了城市本身的特点，并加入其他推力、牵制力考量之后，城市宏观的经济情况不再如预期明显。同时，平均收入对流动人口居留意愿并没有显著的影响。结合这二者，可以看出，在控制城市自身特点后，经济因素对流动人口居留意愿影响或许是有限的。从推力的角度来看，家乡的牵制力具显著的负向影响。留守的子女、老人数量越多，流动人口居留意愿越低。这验证了理论框架中家乡牵制力这一重要部分。这个结果说明，在对流动人口居留的研究中，非经济因素，家庭的影响格外重要。流动人口因留守家人返乡，既是血缘纽带、家庭责任、传统文化的作用，同时或许也如新迁移经济学中所发现的“汇款”一样，返乡是流出者与家庭的“契约”。家庭选择投资适合的家庭成员流出去城市，是为了避免家庭对于农村的依赖，提高在本地的抗风险能力，同时期望流出者能够提高家庭的社会经济状况。这与前文常常提到的“年轻流出，年老返乡”的心理预期异曲同工。另一角度而言，“留守”对“居留”具有至关重要的牵制作用。不论是出于经济、制度、文化各方面的留守，似乎都会阻碍流动人口在城市定居的脚步，进而影响我国以人为本的城镇化、市民化的进程。这也启发我们，解决居留问题，也要关注留守问题；关注流入个体的同时，也要关注其背后的未流入或已流入家庭，这对于城市居留意愿具有关键影响。而从理论逻辑上的另一城市推力：生活成本，从回归结果来看并非是推力，而是具有正向影响，这也与近几年一些学者的研究一致。生活成本可能意味着流动人口对于居留的“支付意愿”，支付意愿较高的流动人口，具有较高的居留意愿。在流动群体特征方面，未婚状态对流动人口的居留意愿具有显著的负向影响。这可能是因为婚姻与家庭相连。一方面，从经济学角度，结婚组建家庭，有利于共同承担本地居留成本，同时也提高了继续流动的成本；另一方面，在我国文化中，“成家立业”体现了安定的心理预期与生活期望，也抑制了流动，提高了在流入地的居留意愿。在年龄方面，相较于25-35岁年龄组，35-45岁年龄组具有较低的居留意愿，而其他年龄组没有表现出显著的差异。这再次体现出流动“年少流出，年老返乡”的循环模式仍然普遍存在。流动具有选择性，居留同样具有选择性。流动人口居留与年龄的关系较为复杂。少年时乐于在不同城市间比较、闯荡；青年时考虑安家、居留；中、老年时在城市拉力、推力与家乡的牵制力间徘徊。流动人口内部根据不同健康程度、不同人力资本水平出现了居留能力的分化，在加上家乡留守的牵制情况，返乡也就更为集中。而近年来，异地养老的现象也逐渐增多，老年流动人口的居留意愿反而升高。而其他受教育程度、性别等在微观层面具有显著影响的变量，在宏观、控制了固定效应、加入牵制力变量之后不再显著。表SEQ表\*ARABIC12流动人口居留意愿影响因素回归结果模型1模型2模型3lnPGDP2.345**

(0.72)-9.590***

(2.37)-12.720***

(2.55)SEMPLOY0.014

(0.02)0.120***

(0.03)0.090***

(0.03)lnINCOME-5.826***

(1.63)1.588

(1.53)-2.171

(1.71)MEDIC0.158***

(0.03)0.089*

(0.04)0.089*

(0.04)SIZE25.129*

(2.17)7.270

(7.10)5.743

(7.02)SIZE33.321***

(0.83)9.543**

(3.30)8.671**

(3.27)SIZE42.906***

(0.77)2.532

(1.88)1.965

(1.86)STAY2.018***

(0.17)1.894***

(0.21)1.690***

(0.21)DIST0.121***

(0.01)0.188***

(0.03)0.188***

(0.03)lnFCOST5.432***

(1.61)

9.131***

(1.91)FALEAVE-15.722***

(1.12)

-4.233**

(1.37)GENDER0.084+

(0.05)0.095*

(0.05)0.062

(0.05)AGE_G2-1.407*

(0.71)-1.909*

(0.80)-1.786*

(0.79)AGE_G37.244+

(4.16)4.239

(4.13)4.342

(4.08)EDU0.594

(0.41)1.031+

(0.59)0.592

(0.59)MAR-0.476***

(0.04)-0.332***

(0.05)-0.311***

(0.05)_cons20.604

(12.98)107.127***

(24.18)109.080***

(24.17)R20.4970.2110.231AIC12121.14511313.57511277.091F89.18723.38922.997N155015501550Standarderrorsinparentheses+p<0.10,*p<0.05,**p<0.01,***p<0.001空间面板滞后模型分析从前文的空间探索和自相关检测可知，变量存在空间自相关性，因此本部分在固定效应基础上，纳入空间权重矩阵，尝试控制空间因素，对上文分析结论进行进一步探索。从拉格朗日乘数来看（见REF_Ref69719576\h表13），模型2（未纳入推力、牵制力的固定效应模型）和模型3（纳入全部变量的固定效应模型）的RLM(lag)检验p值均大于0.05，不显著。而RLM(error)检验p值显著，且LM值更大。因此，采用空间面板误差模型对空间关系进行控制。表SEQ表\*ARABIC13拉格朗日乘数检验模型2模型3LMP-valueLMP-valueRLM检验(lag)0.2370.6272.94