数据与模型

为了检验城市规模是否显著地影响了就业概率，以及这种影响对于不同技能水平劳动者的差异，本章使用了一个全国范围内的劳动力市场调查数据。这个数据来自中国社会科学院经济研究所与国家统计局共同收集的中国家庭收入调查（CHIPS）2002年和2007年的城市居民相关信息，样本为国家统计局年度家庭调查的一个子样本。其中，2002年的数据涵盖了北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃12个省级行政单位的70个市和县，包括6 835个家庭的20 632个人；2007年的数据涵盖了上海、江苏、浙江、广东、安徽、河南、湖北、重庆和四川9个省级行政单位的19个市和县，包括5 000个家庭的14 699个人。^[8]和1988年、1995年两轮数据相同，2002年和2007年的调查也采取了两阶段分层随机抽样方法。调查者在第一阶段先选择城市和县，再于第二阶段在所选的市和县中抽取调查家庭。此调查涵盖了大量个人层面的人口和经济社会信息，使我们能够在控制个人特征的基础上，识别城市规模对就业的影响。

我们的回归主要考察了在其他因素给定的情况下，城市规模是否会对个人的就业产生影响。在不同的回归中，我们分别用城市的总人口数量和大学毕业生数量的自然对数度量城市规模。根据前文的分析，集聚可能通过多种渠道促进就业。集聚能提高劳动生产率，因而增加企业的劳动力需求；集聚带来的城市总收入的上升会增加不可贸易品的需求，从而增加不可贸易品部门的就业机会，这种情况在高技能者更为集中的城市更为明显，因为高技能劳动者对低技能服务需求较高，由此带来高技能者对低技能者的“消费溢出”。因此，我们预期，劳动者在拥有较大人口规模或者较多大学毕业生的大城市中更容易找到工作，这正是本章所要检验的核心假设之一。市级层面的人口和大学生数量数据均来自于2000年的中华人民共和国第五次人口普查。此外，我们在回归中还控制了其他一系列可能影响就业的城市特征，如城市的物质资本投资、产业结构、政府财政支出以及交通基础设施等，这些数据来自于《中国城市统计年鉴》（1997—2001年）。^[9]

我们的计量模型是基于个人层面的Probit模型。我们假设个人的就业概率由以下方程决定：

其中下标i和j表示居住在城市j中的个人i。回归的样本限于劳动年龄人口，即年龄处于16岁到60岁之间的男性，和年龄处于16岁到55岁之间的女性。另外，我们的回归排除了不在劳动力的样本，不在劳动力的样本通过问卷中有关个人在城市所处的状态和身份得以反映。据此，我们的样本排除了离退休人员、离退休再工作人员、家务劳动者、家庭帮工、丧失劳动能力的人、在校学生、学龄前儿童以及等待分配或待升学人员。^[10]被解释变量Employed是一个有关个人就业状态的0—1变量，若一个人是有工作的，则取值为1，若失业，则取值为0。

在回归方程的右边，X ij是可能影响就业的个人特征向量，包括性别、婚姻状态、受教育年限、潜在工作经验及其平方项，是否中共党员^[11]，以及是否少数民族。^[12]我们并没有在个人特征中包括年龄变量，这主要是因为我们在回归中已经包括潜在工作经验这个变量，它是由个人年龄减去受教育年数再减去6得出的。如果在回归中同时包括年龄和工作经验，会带来完全共线性的问题。Scale j是有关城市规模的一个度量，根据不同的需要，我们分别以城市总人口数量^[13]的自然对数和大学毕业生数量的自然对数作为城市规模的度量。^[14]π1的大小和显著性是本章所关注的核心。根据前文论述，若大城市的确能为劳动者带来更多的就业机会，则我们预期π1显著为正。

其他可能影响就业的城市特征被包括在City j向量中，包括1996—2000年间平均外商实际投资额占平均GDP的比重，1996—2000年间平均固定资产投资总额占平均GDP的比重，1996—2000年第三产业产值和第二产业产值之比的平均，1996—2000年间平均地方政府预算内财政支出占平均GDP的比重，2000年人均道路铺装面积和每万人拥有的公共汽车数量，以及是否省会城市的0—1变量。控制这些变量主要是为了减轻可能由劳动力需求因素和供给因素导致的遗漏变量偏误。一个城市的资本积累和城市规模（尤其是高技能劳动力在城市中的集中）、城市居民就业之间存在相关关系。由于经济集聚所带来的好处，规模更大的城市吸引了更多资本的进入，而资本增加本身会增加城市居民的就业机会，因此，忽略资本积累的回归会造成对规模系数的有偏估计。另一个需要在个人的就业决定方程中考虑资本积累的原因涉及人力资本的外部性。当劳动力市场存在摩擦以及物质资本和人力资本之间存在互补性的时候，城市中部分居民受教育程度的提高会使城市的企业增加物质资本投资，以使企业的资本量和这部分高技能的劳动力相匹配。结果是，在均衡处，城市的物质资本投资增加会提升劳动力的劳动生产率，从而增加企业的劳动力需求（Acemoglu，1996，1998）。控制一个城市的外商实际投资额和固定资产投资可在一定程度上减弱由此需求因素带来的城市规模对就业影响的估计偏误。此外，我们在回归中控制了城市的产业结构。这主要是因为一个城市的规模和其产业结构相关，同时，第二、第三产业不同的就业吸纳能力也会使得城市的产业结构对劳动者就业产生影响。在回归中控制地方政府预算内支出占GDP的比重主要是由于在不同规模的城市，政府对于经济的干预程度往往并不相同，而地方政府对经济的干预会影响就业。此外，我们还控制了城市的人均道路铺装面积和每万人人均拥有的公共汽车数量，这主要是因为道路、交通等基础设施会通过影响人与人之间的信息传递从而影响劳动力市场的匹配效率和劳动力的就业概率。另外，城市基础设施的改进也会起到吸引劳动力流入的作用，从而对城市规模产生影响。而在回归中加入是否省会城市的固定效应是为了控制和城市行政级别相关的，并且会同时影响城市规模和就业的不可观测因素。

表5.1是回归中所包含的变量的描述。

表5.1　解释变量列表

注：①2007年的样本由于缺乏个人党员身份的指标，我们用此个人所在城市2002年的党员比例作为替代。而若个人所在城市并没有出现在2002年的样本中，则用2002年全国党员比例作为个人党员身份的替代。
②在本章中，1953年人口规模是2000年人口规模的工具变量，具体解释参见后文。为了保证1953年和2000年人口普查中所包含的市在地理区域上的统一，我们将1953年和2000年人口普查数据中的县市代码统一调整成了2010年的行政区划代码。因此，我们在回归中使用的有关城市规模的指标，并不会受到历史上行政区划调整的影响。
③外商实际投资额在《中国城市统计年鉴》（1997—2001年）中的单位为万美元，这里，我们按照《中国统计年鉴2010》中历年人民币汇率（年平均价）将外商实际投资额折算成了人民币，再进行相关计算。