不同年龄组流动人口劳动生产率的差异——基于2015年中国流动人口动态监测调查数据的分析

刘成坤，赵昕东

(1.江西财经大学 统计学院，江西 南昌 330013； 2.江西财经大学 博士后流动站，江西 南昌 330013； 3.华侨大学 统计学院，福建 厦门 361021)

一、引言

自改革开放以来，中国经济取得了举世瞩目的巨大成就，创造了经济增长史上的奇迹，这与在此期间出现的劳动力大规模流动所带来的人口红利密切相关。城镇化的快速发展，大量适龄劳动人口从小城市流入大城市、从中西部地区流入东部沿海地区，使20世纪90年代成为中国人口流动最为活跃的时期，全国流动人口数量从1993年的0.7亿增加到2000年的1.4亿，在不到十年的时间内翻了一番。而到2015年，全国流动人口数量达到了2.27亿，占总人口的比重高达18.1%，其中，“80后”和“90后”的年轻劳动者所占比例已超过了60%(1)数据来源于原国家卫生和计划生育委员会《中国流动人口发展报告2016》。。2015年中国流动人口动态监测调查数据显示，流动人口的平均受教育年限为9.3年，而2013年流动人口的平均受教育年限则为9.2年，虽然近年来该指标呈不断上升趋势，但上升速度较为缓慢，流动人口的平均受教育程度仍处于较低水平。在流动人口平均受教育年限不断上升的同时，流动人口的平均年龄也随之上升，2013年流动人口的平均年龄为27.9岁，到2015年这一数值上升到29.3岁，流动人口老化的速度明显快于全国人口老化速度。2015年流动人口的平均月收入为4598元，与2013年和2014年相比有较大幅度的提高。人口的大规模流动为我国的城市建设作出了重大贡献，是推动我国经济增长的重要力量。然而，相关数据显示，中国15—64岁的适龄劳动人口和流动人口分别在2012年和2016年首次出现下降趋势，适龄劳动人口和流动人口“双拐点”的到来必将对中国的劳动生产率产生重要影响，并进一步影响中国未来的经济增长速度。从现阶段的流动人口发展趋势来看，一方面，流动人口平均受教育程度的提升有利于促进劳动生产率的提高；另一方面，流动人口平均年龄的上升会导致劳动力的老化，从而对流动人口的平均工作经验产生影响。不同年龄组的流动人口在劳动生产率分布上存在什么规律？受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响有何差异？由于我国各地经济发展仍不平衡，不同产业对劳动力的要求也互不相同，因此这种差异是否会因区域和产业而不同？这些问题的深入研究对于更好地认识中国快速老龄化背景下经济增长的动力机制具有重要的现实意义，同时也可为各地制定工资、教育和人口政策提供一定的借鉴和启示。

二、文献综述

为了研究教育和工作经验对工资收入的影响，明瑟(Mincer)于1974年提出了“明瑟模型”[1]。根据研究目的的不同，学者们通过加入各种不同的控制变量对原始的“明瑟模型”进行拓展，目前已在劳动经济学、教育经济学等领域取得了丰富的研究成果。

关于工资收入、劳动生产率或教育回报率等方面的研究，从研究方法来看，实证研究占据主导地位，且主要是基于微观数据。根据样本数据选择角度的不同，可进一步细分为两类。其一，使用较大规模调查数据进行的大样本研究。基于中国家庭收入调查数据(CHIP)，李海政的研究表明，中国的教育回报率在此前的多数研究中均被低估，且私营企业的教育回报率高于国有企业，欠发达省份的教育回报率高于发达省份[2]；乔治(George)采用分位数回归模型研究了城市流动人口因户籍差异导致的工资差距，发现教育对工资收入具有显著的促进效应，且由于禀赋效应的存在，相对于农村户籍的流动人口，城镇户籍的流动人口在工资收入上具有明显的优势[3]。丹尼斯(Dennis)基于中国1988年和1995年的城镇住户抽样调查数据(UHS)研究了经济转型时期中国教育回报率的变化趋势，发现中国的城市教育回报率从1988年的3.1%提高到1995年的5.1%[4]。基于中国综合社会调查数据(CGSS)，范静波和张成刚研究发现2003年中国高等工科教育的回报率为10.6%，2008年上升为14.7%，且存在明显的性别差异，男性的教育回报率高于女性[5]；杜两省和彭竞使用OLS估计法对教育回报率的城市差异进行了研究，发现直辖市的教育回报率最高，省会城市次之，其他城市最低[6]。尼克斯(Nikos)和斯特利斯(Stelios)使用GMM估计法研究了人力资本对希腊劳动生产率的影响，发现在高中及以上教育阶段，受教育程度与劳动生产率具有很强的正相关关系；在初中阶段，受教育程度对劳动生产率无显著影响；在小学阶段，受教育程度与劳动生产率具有显著的负相关关系[7]。邢春冰等人结合2005年全国1%人口抽样调查数据和2011年中国流动人口动态监测调查数据，对教育回报率的地区差异进行了研究，发现东部地区发达城市的教育回报率明显高于中西部地区[8]。基于2010年中国流动人口动态监测调查数据，王静和武舜臣将新生代农民工从事的职业分为五大类，并估计了各类职业的教育回报率，发现新生代农民工的教育回报率在各类职业间存在显著差异[9]。谭静等人的研究结果表明，户籍地为城镇的农民工其教育回报率比户籍地为农村的农民工高出3.12个百分点，迁移有助于提高农民工的教育回报率[10]。

其二，使用部分省份或行业调查数据进行的小样本研究。丹尼斯以中国四川省的数据为例，研究了1986—1995年要素市场自由化过程中中国农村教育对农民收入的贡献，发现学校教育显著提高了农民将劳动和资本投入到非农生产活动的能力，非农生产活动的扩大对家庭收入增长作出了重大贡献[11]。马西米里诺(Massimiliano)和罗伯特(Roberto)基于2001年意大利制造业公司层面的面板数据，发现大学教育对白领工人工资的弹性系数在0.1左右，但对蓝领工人无显著影响[12]。常清福等人则以1998—2003年中国台湾制造业的微观调查数据为基础，研究表明一个城市受过高等教育(大专及以上)的员工比例每增加1%，将使得该城市制造业的生产率提高约0.93%—1.15%，且高等教育对技术性要求较高的产业影响最大[13]。基于2003年浙江省企业调查数据和广东、湖南等地的农村劳动力流动调查数据，姚先国和张海峰使用普通最小二乘法(OLS)研究了中国教育回报率的城乡差异，发现城镇教育回报率在8%左右，而农村仅有4%左右[14]。罗忠勇基于2008年珠三角九个城市农民工的调查数据，研究了教育投入对农民工个人收益率的影响，发现农民工的收益率随受教育程度的提高而不断上升[15]；马岩等人基于2003年和2004年浙江、湖北和云南三省流动人口抽样调查数据所进行的研究也得出了类似的结论[16]。

此外，也有部分学者从宏观层面对该问题进行了研究。杜米希(Domician)采用动态面板模型实证研究了人力资本积累和劳动力市场制度对OECD国家劳动生产率增长的影响，发现受教育程度较高的国家比受教育程度较低的国家取得了更好的经济增长绩效[17]。张海峰等人研究了平均受教育年限(教育数量)和平均师生比(教育质量)对中国各地区劳动生产率的影响，发现教育质量会对地区劳动生产率产生显著的积极影响，教育数量对地区劳动生产率的影响大小部分取决于教育质量的高低，教育质量越高，教育数量对劳动生产率产生的促进效应越大[18]。孙一菡等人的研究结果表明，劳动力的整体老化会显著抑制全要素生产率的增长，但具有较高受教育水平的劳动力老化则会对全要素生产率的增长产生显著的推动作用[19]。埃斯拉(Esra)等人则采用宏微观相结合的方法对教育回报率进行了研究，发现在微观层面上，受教育程度的提高对个人工资的增长具有积极的促进作用；在宏观层面上，教育是决定经济发展和经济增长最重要的因素，人力资本的增加对于整合所有经济部门的物质资本起着非常重要的作用[20]。

从现有文献来看，对教育与收入问题的研究以微观数据为主，主要集中在实证研究方面，且主要侧重于对总体样本进行分析，关于不同年龄组受教育程度和工作经验对劳动生产率影响的研究极为罕见。此外，在分析受教育程度对不同年龄组流动人口劳动生产率的影响时，尚未有文献对其可能存在的区域差异或产业差异进行深入分析。因此，本文首先将样本按不同年龄进行分组，然后再进一步将其按区域和产业类型进行细分，深入研究受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响，以得出更有意义和更加详细的研究结论。

三、模型构建、指标选取与数据说明

1. 模型构建

自从明瑟提出关于工资收入的动态周期模型以来，明瑟模型被广泛应用于劳动者的劳动生产率或教育回报率问题的研究中[1]。随着对该问题的深入研究，学者们通过加入不同的变量对原始明瑟模型进行了扩展，明瑟工资方程的标准形式为：

lny=α+β1edu+β2exp+β3exp2+∑γiXi+ε

(1)

其中，y为每小时工资收入，程欣和邓大松等人认为，小时工资作为最为直观的代表员工劳动生产率的指标，可以在一定程度上衡量劳动者的工作效率和产出[21]。因此，本文将小时工资收入作为流动人口劳动生产率的代理变量，原始数据中仅给出每个样本的月工资收入，在进行实证分析前将其折算为小时工资收入。edu为受教育程度；exp为工作经验，代表个体离开学校后积累的人力资本；Xi表示除受教育程度和工作经验外会对劳动生产率产生影响的控制变量。鉴于数据的可得性，同时参考程欣和邓大松以及杨国涛等人的研究，本文选择的控制变量包含性别、户口类型、流动范围、就业身份、婚姻状况和职业属性等社会基本特征变量[21-22]。α为常数项，β1表示每增加一年教育程度所导致个人工资收入增加的比例，β2表示每增加一年工作经验对个人工资收入产生的影响，β3用于检验工作经验与劳动生产率之间是否存在非线性关系，ε为随机扰动项。王德文等人指出，利用明瑟方程估计教育回报率涉及两个重要问题[23]：一是关于个人能力的异质性问题，即能力偏差问题[24]；二是关于教育的内生性问题[25]。在回归技术上，通常是通过加入个人智商、家庭背景等更多的控制变量对其进行处理。然而，由于本文所选数据的调查问卷中并未涉及个人智商的指标。此外，虽然在调查问卷中有父母的受教育年限等关于家庭背景的指标，但考虑到本文研究的是各年龄组流动人口的劳动生产率问题，对于年龄较大的中老年流动人口，这一指标值多处于空缺状态，若加入这一指标，将使得样本量大大缩减，反而会对结果的准确性产生影响。王德文等人基于“中国城市就业与社会保障研究”调查数据的研究结果表明，个人是否为团员以及父母的受教育程度对多数农村迁移劳动力的工资并无显著影响，个体的工资主要还是取决于自身的受教育程度[23]，即内生性问题对流动人口劳动生产率的影响极其有限；谭静等人的研究也得出了类似的结果[10]。受限于数据的可得性，本文并未对可能存在的内生性问题做进一步的深入研究，这也是本文的不足之处。然而，从现有的研究结果来看，受教育年限对个体工资收入的影响程度大多集中在0.03—0.08之间[10,23,26]，本文的估计结果也在这一合理范围之内。因此，本文最终得出的结论是可信的。

2.指标选取

劳动生产率通常用劳动者在单位时间内所生产的产品数量来计算。按照该定义，从宏观层面来看，人均实际GDP是作为劳动生产率最为常用的代理变量[27]。在经济学中，劳动生产率包含多种不同的定义，既包括人均实际GDP等宏观层面的指标，也包括每小时工资收入等微观层面的指标[28]。鉴于本文所使用的是原国家卫生和计划生育委员会公布的2015年中国流动人口动态监测调查数据，仅可得到个人小时工资收入数据，因此，选择个人小时工资收入作为流动人口劳动生产率的代理变量。考虑到被调查对象均为15周岁及以上的流动人口，已具备一定的劳动能力，此外，虽然中国法定的男性退休年龄为60岁，女性退休年龄为50岁，但由于中国的社会保障体系还不够完善，大部分老年流动人口均不会在达到法定退休年龄时退出劳动力市场，因此，将研究对象定义为15—64岁流动人口中的劳动力群体，并参考马光荣等人的研究，将每5年设定为一个年龄组[29]。对于受教育程度，根据调查问卷可分为未上过学、小学、初中、高中/中专、大学专科、大学本科和研究生7种不同的类型，参考谭静等人以及孙猛和许世存的研究，分别将这7种不同受教育类型的受教育程度定义为0、6、9、12、15、16和19[10,30]。在进行实证分析时，为了分析不同年龄组流动人口劳动生产率的差异，还需对劳动者的年龄进行定义，本文中将劳动者的年龄设定为调查日期(2)本文中将调查日期统一设定为2015年5月。与被调查者的出生日期之差，并将差值四舍五入后取整数。对于工作经验，根据邢春冰等人以及谭静等人[8,10]的研究，利用年龄和受教育程度计算得到个体劳动者的潜在工作经验，即工作经验=年龄-受教育程度-6。对于控制变量，均为虚拟变量，性别中女性取0，男性取1；户口类型中将农业和农业转居民取为0，非农业和非农业转居民取为1；流动范围剔除跨境流动的样本，将省内跨市和市内跨县取为0，将跨省流动取为1；就业身份中将雇主和自营劳动者取为1；婚姻状况中将未婚、再婚、离婚和丧偶取为0，将初婚取为1；将职业属性分为蓝领和白领(3)白领包含国家机关、党群组织、企事业单位负责人，专业技术人员，公务员，办事人员和有关人员；蓝领包括经商、商贩、餐饮、家政、保洁、保安、装修、其他商业、服务业人员，农、林、牧、渔、水利业生产人员，生产、运输、建筑，其他生产、运输设备操作人员及有关人员，无固定职业和其他人员。，白领记为1，蓝领记为0[31]。该调查的原始数据包含206000个样本，根据本文的研究目的，剔除各种无效样本，最终的样本量为165619个，本文还将不同年龄组的样本按区域(4)东部地区包括北京市、天津市、上海市、河北省、山东省、江苏省、浙江省、福建省、广东省和海南省等；中部地区包括山西省、河南省、湖北省、安徽省、湖南省和江西省；西部地区包括内蒙古自治区、新疆维吾尔自治区、宁夏回族自治区、陕西省、甘肃省、青海省、重庆市、四川省、西藏自治区、广西壮族自治区、贵州省和云南省；东北地区包括黑龙江省、吉林省和辽宁省。和产业(5)第一产业包括农林牧渔业；第二产业包括采矿、制造、电热燃气生产供应和建筑业；第三产业包括批发零售，交通运输、仓储和邮政，住宿餐饮，信息服务、软件和信息技术服务，金融，房地产，租赁和商务服务，科研和技术服务，水利、环境和公共设施管理，居民服务、修理和其他服务业，教育、卫生和社会工作，文体和娱乐，公共管理、社会保障和社会组织，国际组织。进行了分类分析。

3.数据的描述性统计

由于本文用到的指标中除了劳动生产率、受教育程度和工作经验三个变量外，其他变量均为虚拟变量。因此，仅对劳动生产率、受教育程度和工作经验三个变量进行描述统计分析，结果如表1所示。

表1 描述性统计结果

由表1可知，在各个不同年龄组中，30—34岁年龄组流动人口的劳动生产率均值最大，高于其他各个年龄组的群体，即流动人口的劳动生产率与年龄呈倒“U”型关系，这与现实情况是相符合的，年轻劳动者由于身体素质好、思想活跃、创造力强，与其他群体相比，其在综合素质方面占有绝对优势，在生产活动中自然也就具有较高的劳动生产率。随着年龄的增大，各年龄组流动人口的平均工作经验也随之上升，这也与现实情况相吻合。对于受教育程度，不同年龄组的流动人口则存在较大的差异，从总体上看，20—34岁年龄组的受教育程度均值远高于其他年龄组，且25—29岁年龄组的受教育程度均值最大，这主要是得益于中国自1986年以来实施的九年义务教育制度。

四、实证结果分析

1. 受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响

以每小时工资收入的对数作为被解释变量对方程(1)进行估计，即可得到受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响，估计结果如表2所示。

由表2可知，从总体上看，受教育程度对流动人口劳动生产率的影响显著为正，这是学术界普遍的共识，与现有的研究结论也是一致的[8，10，16]。然而从细分年龄组的结果来看，受教育程度对不同年龄组流动人口劳动生产率的影响程度呈先递增后递减的趋势，即两者之间存在倒“U”型关系，且最高点出现在25—29岁年龄组，这是由于该年龄组是个人发展的黄金期，对于接受过高等教育的人群，也是初入职场并实现自身价值的关键时期，随着年龄组的上升，受教育程度对劳动生产率的影响逐渐减小，当流动人口的年龄大于55岁时，受教育程度对劳动生产率的影响不再显著。工作经验对15—19岁年龄组流动人口劳动生产率的正向影响最大，对20—24岁流动人口的劳动生产率也会产生显著的正向影响，但对于30岁及以上年龄组流动人口劳动生产率的影响却显著为负，工作经验的平方项对这些年龄组流动人口的劳动生产率具有显著的正向影响，即工作经验与劳动生产率呈“U”型关系。这与常进雄等人的研究结论是类似的，即对于36—60岁的城镇户籍农民工群体，工作经验与工资收入呈“U”型关系[26]。从本文得出的结果来看，工作经验对15—24岁年龄组流动人口劳动生产率具有显著的正向影响，这是由于这部分群体刚走出校门迈向社会，基本没有工作经验，其在参加工作初期，劳动熟练程度和技能会随着经验的增加而增长，劳动生产率也因此而不断提高；然而，在参加工作的后期，年龄的增长将导致个体迅速学习新知识和接受新技能的能力下降，且原有技能将随时代的进步而不断被淘汰，因此劳动生产率也将随之下降。从总体来看，随着劳动力的老化或是工作经验的增加，流动人口的劳动生产率呈先上升后下降的趋势，这也进一步证实了杨贝贝和刘懿等人的研究结论[32]。

表2 受教育程度和工作经验对不同年龄组劳动生产率影响的估计结果

注：括号内为标准误，***、**、*分别表示在1%、5%、10%的水平下显著。

此外，性别、户口类型、流动范围、就业身份、婚姻状况和职业属性等个人社会基本特征几乎都对各年龄组流动人口的劳动生产率具有显著的正向影响，栾敬东的研究也得出了类似的结果[33]。根据本文对这些虚拟控制变量的设定可知，在其他条件相同的情况下，男性相对于女性具有更高的劳动生产率，即男性的工资收入会显著高于女性，这与当前的社会现实是相符的，而这主要是与我国劳动力市场上的性别歧视有关，张俊森等人的研究结果也表明，在与社会文化有关的传统性别观念以及法律法规不完善等因素的共同作用下，中国性别间的工资差异呈逐渐扩大趋势[34]。由于我国的就业法规还不够完善，对女性在劳动力市场上的职业发展缺乏有效保护，从企业的用工成本角度来看，在同等条件下，多数企业会倾向于招收男性毕业生，女性因此成了劳动力市场上的弱势群体。从户口类型来看，相对于农村户籍的流动人口，城镇户籍的流动人口可以获得更高的工资收入，导致这一结果的主要原因在于我国长久以来形成的城乡二元差异，这也是学术界普遍存在的共识。从流动范围来看，跨省流动比省内流动会有更高的工资收入，谭静等人的研究结果也表明，与城内迁移的农民工相比，城城迁移的流动人口具有更高的工资收入[10]。从就业身份来看，雇主和自营劳动者的平均工资收入高于雇员，这与现实情况也是相符的，雇主和自营劳动者大多属于自主创业者，其劳动所得往往高于为其工作的雇员。从婚姻状况来看，初婚群体的劳动生产率高于其他群体，这主要是由于初婚群体具有完整的家庭，家庭的组建会有效促进其身心健康，缓解工作中的焦虑情绪，进而对劳动生产率产生积极影响。从职业属性来看，白领比蓝领具有更高的劳动生产率，这主要是由工作性质所决定的，即白领从事的多属于技术密集型的工作，其含金量较高，劳动报酬也较高；而蓝领从事的多属于劳动密集型的工作，其劳动报酬相对较低。

2.受教育程度和工作经验对不同区域流动人口劳动生产率的影响

表2的结果表明，受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响存在显著差异。由于中国地域辽阔、区域经济发展极不均衡，受教育程度和工作经验对不同年龄组和不同区域流动人口劳动生产率的影响必然也会有所不同。因此，将样本按不同年龄组和不同区域进行细分，再次对方程(1)进行估计，东部地区、中部地区、西部地区和东北地区四大区域的估计结果如表3所示(6)所有模型均包含控制变量，限于篇幅，本文仅列出了各区域核心解释变量的结果，有需要的读者可向作者索要完整的结果。。

由表3可知，对于东部地区，受教育程度除了对60—64岁年龄组流动人口的劳动生产率具有显著的负向影响外，对其他各年龄组群体的劳动生产率均具有显著的正向影响，且对25—34岁年龄组流动人口劳动生产率的影响最大，说明在东部地区，越是高学历的年轻劳动者在劳动力市场上的需求越旺盛，其工资收入也越高，邢春冰等人的结果也表明，东部地区和发达城市的教育回报率明显高于中西部地区[8]。工作经验仅对15—24岁年龄组流动人口的劳动生产率具有显著的正向影响，对30—54岁年龄组群体的劳动生产率则具有显著的负向影响，对55岁及以上年龄组的流动人口劳动生产率的影响则不再显著，且与部分年龄组流动人口的劳动生产率存在“U”型关系，这与总体结果极为相似，这主要是由于东部地区各年龄组的流动人口占比远高于其他三大区域。对于中部地区，与东部地区相比，受教育程度对流动人口劳动生产率产生正向影响的年龄组明显收窄，受教育程度对50岁及以上年龄组流动人口的劳动生产率不再产生显著影响，且对处于相同年龄组流动人口劳动生产率的影响程度也明显变小。此外，受教育程度对15—19岁年龄组流动人口劳动生产率产生的正向影响最大，出现这个结果的原因可能有两个：一方面，是由于流入中部地区的流动人口主要来源于西部地区或省内流动，而中西部地区的受教育程度普遍较低，且中部地区的产业以劳动密集型为主，接受过初等教育和中等教育的流动人口在中部地区的劳动力市场需求量相对较大；另一方面，中部地区经济发展程度与东部地区存在较大差距，劳动力市场上所能支付的薪酬对受过高等教育的群体缺乏竞争力，导致当地大量受过高等教育的高素质人才外流到东部地区。工作经验对劳动生产率影响的年龄组也明显变窄，虽然均会对24岁以下的年轻劳动者劳动生产率产生显著的正向影响，但对其他绝大部分群体的劳动生产率均不再产生显著的影响，且工作经验与劳动生产率之间不再存在显著的“U”型关系。对于西部地区，其受教育程度对劳动生产率产生正向影响的年龄组范围与中部地区一致，对各年龄组的影响程度也类似；但不同的是，在中部地区，受教育程度对15—19岁年龄组群体的劳动生产率影响最大，而在西部地区，受教育程度对25—29岁年龄组群体的劳动生产率影响最大，这与东部地区的结果相一致，这主要是与国家对西部地区的财政倾斜政策有较大关系，国家对西部地区的大规模财政拨款(如西部大开发战略)使得西部地区有能力对接受过高等教育的人才支付较高的报酬，从而吸引到高学历人才，使得年轻的高学历人才具有较高的教育回报率。工作经验仅对15—19岁年龄组的劳动生产率具有显著的正向影响，这主要是由于西部地区的总体受教育程度较低，劳动力市场上存在大量只有初中或高中学历的劳动者，且工作经验与35—44岁年龄组流动人口的劳动生产率存在显著的“U”型关系。对于东北地区来说，与全国及东部和西部地区相同，受教育程度也对25—29岁年龄组流动人口的劳动生产率产生的影响最大，对15—19岁年龄组流动人口劳动生产率的影响则不再显著。但工作经验对流动人口劳动生产率的影响与其他三大区域存在明显的差异，东北地区作为我国的重工业基地，劳动密集型产业占据重要地位，30岁及以下年龄组的流动群体以刚毕业几年的大学生为主，工作经验对这部分群体的影响极其有限，但对30—34岁年龄组流动人口的劳动生产率具有显著的正向影响，且工作经验与其劳动生产率存在显著的倒“U”型关系，对于这个年龄组的群体，正处于年富力强的阶段，在社会上经过一定的历练之后可能进入中层领导岗位，工作经验在劳动力市场上的优势得以发挥出来，而对于40—49岁年龄组的流动群体，工作经验对劳动生产率的影响显著为负，这是由于这部分群体身体机能开始呈下降趋势，其在劳动力市场上的优势已逐渐消退，对于50岁以上年龄组流动群体，工作经验对其劳动生产率的影响不再显著。

表3 受教育程度和工作经验对各区域不同年龄组流动人口劳动生产率影响的估计结果

注：括号内为标准误，***、**、*分别表示在1%、5%、10%的水平下显著。

3.受教育程度和工作经验对不同产业流动人口劳动生产率的影响

受教育程度和工作经验不仅对不同区域之间流动人口劳动生产率的影响存在差异，由于不同产业之间存在性质上的区别，其劳动生产率的影响因素也可能因产业类型而异。因此将样本按不同年龄组且不同产业类型进行分组回归，第一产业、第二产业和第三产业的估计结果如表4所示(7)所有模型均包含控制变量，限于篇幅，本文仅列出了各产业核心解释变量的结果，有需要的读者可向作者索要完整的结果。。

表4 受教育程度和工作经验对各产业不同年龄组流动人口劳动生产率影响的估计结果

注：括号内为标准误，***、**、*分别表示在1%、5%、10%的水平下显著。

由表4可知，对于第一产业而言，与总体存在较大差异，受教育程度对各年龄组流动人口劳动生产率产生显著影响的范围明显变小，受教育程度对20—24岁年龄组劳动生产率的影响最大，且对15—19岁的年轻劳动者及50岁以后的高年龄劳动者群体均无显著影响，这主要是由第一产业的性质所决定的：第一产业主要包含农、林、牧、渔等行业，这些行业都属于传统农业，并不需要较高的文化水平。工作经验对劳动生产率的影响也与总体存在较大差异，工作经验会对15—24岁年龄组群体的劳动生产率产生显著的积极影响，但会对多数25岁及以上年龄组群体的劳动生产率产生消极影响，其原因在于，第一产业大都属于劳动密集型产业，且技术含量相对较低，越是年轻的从业者越有优势，随着年龄逐渐增大，劳动者身体机能逐渐降低，工作经验的增加反而会对其劳动生产率产生不利影响。对于第二产业，与总体相比，受教育程度仍然对大部分年龄组流动人口的劳动生产率具有显著的正向影响，但受教育程度对劳动生产率产生的最大影响由25—29岁年龄组变为30—34岁年龄组，且影响程度也有所下降，这是由于第二产业中包含很多劳动密集型产业，其对受教育程度的要求相对较低。工作经验对15—29岁年龄组群体劳动生产率的影响为正，但并不显著，且会对30—59岁年龄组群体的劳动生产率产生显著的负向影响，由于我国的第二产业仍以劳动密集型产业为主，其原因与第一产业类似，随着工作经验的增加，年龄的上升会对劳动者的劳动生产率产生消极影响。对于第三产业，除了55岁及以后的年龄组，第三产业的受教育程度对其他各年龄组流动人口的劳动生产率均具有显著的正向影响，且对25—29岁年龄组劳动生产率产生的影响最大，在三大产业中，这与总体结果最为相似，主要是由于第三产业的样本量远大于第一和第二产业。工作经验仍对20—24岁年龄组群体的劳动生产率具有显著的正向影响，但对30—54岁年龄组群体劳动生产率的影响则显著为负，其原因却与第一产业和第二产业不同，工作经验之所以对第一和第二产业大部分年龄组的劳动生产率产生消极影响主要在于劳动者身体机能的下降，而工作经验对第三产业30—54岁年龄组劳动生产率产生消极影响则是由于第三产业对劳动者受教育程度的要求较高，且包含众多的技术密集型行业，随着劳动者年龄的增加，其技能和创新能力也会随之下降，进而导致工作经验对劳动生产率的影响显著为负。由于第三产业包含餐饮、批发、零售、运输、金融、科研和技术服务、教育等众多行业，工作经验仅会对少数行业老年流动人口的劳动生产率产生显著影响，因此，工作经验对整个第三产业55岁及以上高年龄流动群体的劳动生产率产生的影响并不显著。

五、结论与启示

基于2015年中国流动人口动态监测调查数据，研究了受教育程度和工作经验对不同年龄组流动人口劳动生产率的影响。发现受教育程度对各年龄组流动人口的劳动生产率均具有显著的正向影响，且对25—29岁年龄组群体的劳动生产率影响最大，总体上呈倒“U”型分布；工作经验对流动人口劳动生产率的影响则因年龄组而异，对25岁及以下年轻群体的劳动生产率具有显著的正向影响，但对30岁及以上群体劳动生产率产生的影响却显著为负；性别、户口类型、流动范围、就业身份、婚姻状况和职业属性等社会基本特征变量对大部分年龄组流动人口的劳动生产率均具有显著的正向影响。此外，为深入分析受教育程度和工作经验对劳动生产率影响的差异，还进一步将样本按区域和产业进行了细分，发现流动人口劳动生产率的影响因素不仅因年龄而异，还会因区域和产业类型的不同而存在差异。根据本文的研究结论，得出以下几点政策启示。

第一， 加大对流动人口的教育投入，提高流动人口的劳动生产率。本文的实证研究结果表明，无论是基于全国层面的样本还是基于区域和产业层面的样本，受教育程度对大部分年龄组流动人口的劳动生产率均具有显著的正向影响，而工作经验仅对年轻流动人口的劳动生产率具有显著的正向影响。随着我国人口老龄化程度的不断加剧以及流动人口绝对数量的下降，其对社会整体劳动生产率产生的负面影响将逐渐显现出来，并将进一步阻碍我国的经济增长和产业结构升级。因此，提高人力资本积累水平是应对劳动生产率下降最为有力的措施。一方面，应该加大对流动人口的教育投入，如由政府兴办正规的教育培训机构，为流动人口提供免费的职业培训和终生接受教育的机会，缓解流动人口年龄结构老化对劳动生产率带来的不利影响；另一方面，企业应该加强与高校之间的联系和合作，充分利用高校这个优势平台，为企业员工提供接受再教育的机会，提高企业员工的技能素质和就业能力。

第二， 充分利用我国的区域差异和产业差异，实施差别化的人才引进政策。从总体来看，受教育程度对我国东部地区流动人口劳动生产率的影响最大，对其他三大区域的影响相对较小。这是由于东部地区是我国最为发达的区域，不仅聚集了规模最大的流动人口，同时还是技术密集型产业集聚的重心，其对高素质流动人口的需求也最为旺盛。此外，受教育程度对第三产业劳动生产率的影响高于第一和第二产业。其原因在于第一产业和第二产业包含众多的劳动密集型产业，对于流动人口受教育程度的要求相对较低。因此，应该根据各区域和各产业自身的特点，实施差别化的人才引进政策，实现“人尽其才，物尽其用”的效果。例如，对于东部地区，应该继续加大高素质人才的引进力度，为经济进一步增长提供人才储备；对于第一产业，不仅要加大农业机械化的推广力度，同时还要加强对农业从业人员的技术培训。

第三， 推进户籍制度改革，破除城乡二元壁垒。从本文的研究结果来看，对于不同年龄组的流动人口，户口类型均对劳动生产率具有显著的正向影响，即城镇户口的流动人口比农村户口的流动人口在同等条件下具有更高的工资收入。城乡二元户籍制度是我国特有的一种社会制度，相对于农村居民，城镇居民无论在求职就业、卫生医疗还是子女教育方面都具有更大的优势。规模庞大的流动人口在推动我国城市化进程的同时也为我国经济的快速增长发挥了重要作用，如果我国的城乡户籍制度长期存在，当流动人口达到一定年龄后由于很难在城市安家，必然会出现大规模的农民工返乡潮，进而对我国的城镇化建设和经济增长产生不利影响。因此，应该推进户籍制度改革，破除城乡二元壁垒，不仅要使农民工进得来，更要使他们留得下，只有这样才能促进流动人口尽快融入到城市，保持社会的和谐稳定与长期发展。