劳动力流动如何影响个体的社会治安感知——基于中国家庭动态跟踪调查(CFPS)的实证分析

□钱龙，缪书超，卢海阳

一、引言

改革开放以来，随着城乡二元体制“藩篱”的不断破除，大量农村人口不断涌入城市务工，形成了蔚为壮观的民工潮，特别是进入新世纪以来，中国的城镇化进程快速推进，劳动力在城乡之间、不同区域之间的流动已十分普遍。根据《中国流动人口发展报告2018》，2017年全国流动人口接近2.5亿人。国务院公布的《农民工监测报告》显示，2018年底全国农民工总量为2.88亿人，也就是说全国5个人中就有1个是流动人口。然而，伴随着劳动力流动人口规模的日益扩大，社会治安事件数量显著增加。2000—2013年全国公安机关受理的治安案件由2000年的443.7万件逐年增长到2013年的1330.8万件，年增长率达到了15.38%。直观感觉社会治安事件频发似乎与劳动力流动有着紧密的联系，但是，2014年以后，尽管全国流动人口数量仍有缓慢增长，全国治安案件数却呈现下降趋势，2017年只有1043.6万件(1)数据来源于《中国统计年鉴》以及全国公安案件统计资料。，两者之间的变化趋势又呈现明显的分化。那么，劳动力流动是不是引致社会治安恶化的重要原因呢？

围绕上述问题，学界进行了较为丰富的讨论，并形成了两大主流观点。第一种观点认为，劳动力流动是引起社会治安恶化的关键因素。流动人口与本地人收入差距较大而产生的相对剥夺感[1]，在异地工作生活时经济、社会、政治等权利得不到保障的不公平感，无法有效融入当地社会带来的孤立感[2]，以及文化差异带来的冲突感等多方面原因，导致流动人口成为各类社会治安事件的高发性群体。这一观点得到部分研究的证实，如宋林飞[3]发现移民与迁入地居民的文化冲突，是引发社会治安问题的一大因素。Bianchi等[4]基于意大利的研究，发现移民规模与本地财产类犯罪发生率密切相关。陈刚等[5]52-61和陈硕[6]基于中国省际面板数据分析发现，一个地区的流动人口数量越多，犯罪率也相应上升。刘彬彬等[7]采用1995—2013年农业部固定观察点数据，从村庄层面考察了劳动力流动对中国农村社会治安的影响，发现随着劳动力流入的增加，农村地区民事纠纷、违反治安条例和刑事犯罪数量呈现上升趋势。另有学者持相反观点，认为流动人口(或移民)并不比本地人更倾向于违法、违纪，劳动力流动也不必然引致社会治安的恶化。如Nuo[8]通过被捕者样本考察了移民与四类犯罪的关系，发现移民犯罪率甚至低于美国公民。Martinez等[9]基于三十年的跨期数据分析了移民对加利福尼亚州圣地亚哥市凶杀案的影响，发现移民人口较多的社区，非拉丁美洲裔白人和拉丁裔凶杀案受害者反而较少。Vaughn等[10]基于美国流行病学调查资料，发现反社会行为和犯罪在非移民中也普遍存在，并驳斥了移民是犯罪主体的观点。Bell等[11]针对美欧多个西方国家的研究也证实，移民与犯罪之间没有简单的联系，赋予移民良好的工作机会是减少移民犯罪的重要手段。王同益[12]借助中国1997—2013年的省级数据，也发现户籍迁入人口的增加没有带来犯罪率的提升，而且流动人口到新的地方，常常成为被侵害的目标，他们也是社会治安事件的受害者。如Lammers等[13]研究了3666名嫌犯的犯罪对象选择，发现新迁入人口最容易被犯罪嫌疑人侵害。毛媛媛、丁家骏[14]基于上海市的调查，也发现了类似的现象。可见，劳动力流动是否引致社会治安环境恶化仍然没有定论。

值得注意的是，上述成果重点关注的是劳动力流动对迁入区(主要是城市)社会治安产生的影响，劳动力流动对人口迁出区(主要是农村)有何影响还鲜有文献关注。近年来，有少数学者注意到劳动力流出可能会影响到流出地的社会治安。如刘小荣[15]、马文起[16]等发现，农村人口大量离开本地进入城镇务工后，导致村民自治组织瘫痪，农村留守人口如老人、儿童和妇女常常成为不法分子侵害的对象，导致农村地区的社会治安事件频发。还有些研究发现，随着城市地区对犯罪活动的高压态势和对社会维稳的持续投入，各类社会治安事件有向农村地区转移和蔓延的态势[17]。作为社会监管薄弱地区的农村地区，日渐成为各类不法分子从事违法犯罪活动的场所，农村地区的各类社会治安事件日渐频繁[18]。当然，主流文献主要是定性地予以讨论，缺乏实证研究来证实上述判断，目前只有刘彬彬等[7]基于农业部固定观察点数据，从村庄层面验证了劳动力流动对农村社会治安的影响，但没有证实劳动力流出会恶化农村社区的社会治安。

良好的治安环境是人民幸福生活的基本条件，也是社会和谐稳定的重要保证。在中国劳动力大规模流动的时代背景下，去回应劳动力流动如何影响中国社会治安有着很强的理论和现实意义。因此，本文试图解答上述命题。相较于以往的文献，本文可能的贡献体现在下述三个方面。第一，主流文献多使用治安事件或者犯罪情况等客观指标来衡量治安水平，还鲜有成果关注劳动力流动对个体社会治安感知有何影响。相对于客观指标，主观评价的治安水平不仅能间接显示当地的社会治安水平，而且能更好地反映个体真实感受到的社会安全。因此，不同于大多数成果，本文将重点关注劳动力流动如何影响个体的社会治安感知。第二，大多数文献使用宏观数据进行分析，利用微观数据进行研究的成果相对较少，即使刘彬彬等[7]基于农业部固定观察点数据开展了微观实证研究，也仅仅停留在村庄层面，没有涉及个体。因此，已有文献除了很难回答劳动力流动究竟如何影响个体的社会治安感知外，还无法有效识别劳动力流动对不同特征个体的异质性效应，本文则能够很好弥补已有文献的不足。基于CFPS全国大样本数据，本文不仅能分析劳动力流动如何影响个体的社会治安感知，而且能深度分析劳动力流入和劳动力流出如何影响不同性别、代际、家庭收入、区域(如城市和农村、东部和中西部)个体的社会治安感知，进而丰富本领域的研究。第三，本文较好地处理了劳动力流动与社会治安感知之间的反向因果内生性问题。需要意识到，社会治安感知也可能会反向影响劳动力流动。一些研究发现，人们会倾向于迁移至社会治安环境良好的社区[19]。当流动人口对社会治安满意度越高时，其迁移意愿也越强[20]。遗憾的是，目前只有少数成果进行了有效处理，本文则根据CFPS问卷中的问题，尝试引入工具变量来解决变量间可能存在的反向因果联系。此外，本文还尝试探索了劳动力流动影响居民社会治安感知的机制，从而解释背后可能隐藏的作用路径。

本文后续部分安排如下：第二部分介绍本文的数据来源、相应的变量定义与模型选择，第三部分是基准回归结果与分析，第四部分是异质性分析与引入工具变量的稳健性检验，第五部分是作用机制探索，最后一部分是结论与政策启示。

二、数据来源、变量定义与模型选择

(一)数据来源

本文数据来自北京大学中国家庭动态跟踪调查(CFPS)。该数据调查了全国25个省(市、区)，采用了三阶段不等概率的整群抽样设计，追踪调查个体、家庭、社区三个层次的数据，反映了中国社会、经济和人口的社会变迁。

为了分析劳动力流动对个体社会治安感知的影响，本文同时使用CFPS2014和CFPS2016数据。之所以如此，是因为CFPS2016是新近调查获得的全国层面大样本数据，能够提供详实的个体层面、家庭层面信息，包括最为关键的个体社会治安感知指标。但是CFPS2016基线调查没有涉及社区层面信息，社区层面的劳动力流动数据和社区其他特征变量只能通过与CFPS2014进行匹配来获取。因此，本文先将CFPS2014与CFPS2016数据进行匹配，并保留同时参加过两轮调研的成员信息，最终获得13109个成人有效样本。

(二)变量定义

1.被解释变量。社会治安感知是本文的被解释变量，也是衡量社会治安环境的有效指标。相对于部分学者使用治安案件数量或发生率来衡量[21]，个体对社会治安水平的主观评价能够更好刻画个体真实体验的社会安全性[22]。CFPS2016问卷中设置了 “您所住小区周边治安情况如何”的问题，并提供了“1=很差；2=较差；3=一般；4=好；5=很好”五个备选答案，因此本文使用李克特五分类变量来识别个体的社会治安感知。从样本统计结果来看，社会治安感知“很差”和“较差”的比例分别为2.81%和5.40%，比例均较低。评价社会治安水平“一般”的占比最高，达到了45.12%，认为社会治安“好”和“很好”的比例分别为32.75%和13.92%。整体而言，说明被调查者的社会安全感较高。

表1 变量定义及描述统计

2.关键解释变量。劳动力流动是本文的关键解释变量，不同于大多数文献只笼统关注整体层面的劳动力流动，不区分劳动力流入和流出的差异，本文为了更全面地刻画劳动力流动对个体社会治安感知的影响，借鉴刘彬彬等[7]研究，同时引入劳动力流入和劳动力流出两个变量。由于问卷设计的限制，具体的，劳动力流入使用个体居住社区流入人口占社区常住人口的比例来表示，劳动力流出使用本社区劳动力外出比例占社区总劳动力人数比例来表示。从统计结果来看，本社区劳动力流出比例均值达到36.1%，流入劳动力比例均值达到12.1%，说明劳动力流入和流出均很频繁，这与当前中国的实际情况相符。

3.控制变量。为尽可能缓解遗漏变量带来的内生性干扰，参照已有文献[6][7][23][24][25]，本文还引入个体层面、家庭层面、社区层面和地区层面四个维度的相关控制变量。其中，个体层面包括年龄、性别、婚姻状况、教育程度以及是否本地户籍；家庭层面选取了家庭人口规模以及家庭收入水平作为控制变量；社区层面主要从社区人口结构、社会服务、经济水平和地理区位角度选取，包括老人占比、儿童占比、社区服务水平、社区富裕程度以及社区区位；地区层面是从城乡差异、地貌特征、东部和中西部差异来选择控制变量，引入是否农村社区、是否平原、是否丘陵、是否高山或高原以及是否东部地区这些变量(表1)。

表2 劳动力流动与社会治安感知：基准回归

注：本表中汇报变量平均边际效应而非系数估计值，*、**、***依次代表估计系数在 10%、5%和 1%水平上显著，括号内是标准误

(三)模型选择

本文的被解释变量社会治安感知是一个有序多分类变量，因此选择有序Probit模型进行分析。将基准模型设定如下：

securityi=β0+β1inflowi+β2outflowi+φ∑controli+εi

(1)

其中，securityi表示个体i的社会治安感知；inflowi和outflowi分别表示个体i所在社区的劳动力流入和劳动力流出；β1、β2表示相应的影响系数，用以衡量劳动力流动对社会治安感知的影响；controli是控制变量；φ表示控制变量的回归系数；εi是随机扰动项。

三、实证结果与分析

表2给出了劳动力流动影响个体社会治安感知的基准回归结果，所有阈值均通过了显著性检验，表明使用有序Probit模型是合适的。在模型三中，结果发现，劳动力流入和劳动力流出均通过1%显著性水平检验。其中，劳动力流入的影响为负，说明随着本社区流入劳动力占比的提升，个体感知到的社会治安水平越低，这也间接证实部分学者的判断，即劳动力流入会恶化本社区的治安水平[4][7]。劳动力流出的影响为正，说明本社区流出的劳动力占比越高，个体在主观层面认为本社区社会治安水平越高。因此，相对主流文献认为劳动力流出会恶化社会治安环境的看法[16]，本文得出了一个与众不同的结论，证实劳动力流出并不会恶化社会治安，反而在一定程度上会改善个体的社会治安感知。之所以如此，可能是因为以往成果多是感性判断或者案例研究，涉及的对象范围较小，得出的结论是片面的或者有偏的。本文则是基于全国层面具有代表性的大样本数据开展的实证研究，得出的结论应当更加可信，并且这一效应与劳动力流入带来的影响正好相反，也可以与陈硕[6]的研究相互印证，他们基于省级面板数据开展的实证研究也发现，人口密度的上升(下降)会带来本区域犯罪率的上升(下降)。当然，劳动力流入和劳动力流出如何影响个体社会治安感知，后文会在机制分析中进行详细讨论。

个体特征方面，年龄通过1%显著性水平检验，影响方向为正，说明年龄越大的个体，感知到的社会治安水平越高[26]。性别在5%水平下显著为正，说明男性对社会治安环境的评价更高，这与Zhuo等[27]研究一致。婚姻状况的影响不显著，说明是否已婚并不影响个体的社会治安感知水平。受教育水平通过1%显著性水平检验，说明随着教育程度的提升，个体会更积极地评价周边治安。是否本地户籍没有通过显著性检验，这与王义保等[28]的调查相一致，表明户籍因素不影响个体的社会治安评价。

家庭特征方面，家庭人口规模通过1%显著性水平检验，说明来自较大规模家庭个体的治安感知较低。这可能是因为家庭人口越多，对良好社会治安环境的需求越强烈[29]。家庭收入水平显著正向促进个体的治安感知水平，说明随着收入的提升，个体不安全感知会下降，这与陈春良、易君健[30]的研究结论一致。

社区层面，老人占比在5%水平下显著为正，儿童占比通过10%显著性水平检验，但系数为负，说明社区人口结构对个体的社会治安感知有显著影响。社区服务水平通过1%显著性水平检验，且影响为负，说明社区人员平均需要服务的人数越多，个体社会治安感知水平越低，这与刘彬彬等[7]的发现相一致。社区到县城的距离通过5%显著水平检验，且方向为正，说明离县城越远的社区，个体感知的治安水平越高。

近些年来,随着我国医疗事业的不断发展和临床治疗水平的不断提升,越来越多的孕产妇选择剖宫产手术方式分娩,但是,临床研究认为,该种分娩方式会对产妇的情绪和婴儿的发育产生影响[1]。医护人员在于孕产妇分娩过程中讲解自然分娩的好处,实施科学、有效、合理的护理措施对产妇自然分娩具有重要意义。本文通过探析在孕产妇围产期实施综合护理干预取得了显著的效果,现报告如下。

地区层面，是否农村社区未能通过显著性检验，表明在控制其他因素的前提下，个体处于城市社区还是农村社区并不影响其治安感知[6]。是否东部地区通过1%显著性水平检验，表明相对于居住在中西部地区的个体，居住在东部发达地区个体感知到的社会治安水平越高。从地形地貌来看，相对于非平原地区，居住在平原地区有助于提升个体的治安感知水平；相对于非高山或非高原地区，居住在高山或高原地区也有助于提升个体对本社区的治安评价。

四、拓展性分析

为识别劳动力流动对不同特征个体社会治安感知水平是否有差异化影响，本文按照个体层面的男性与女性、老一代与年轻代差异、家庭层面的收入高低差异、社区层面的农村和城市差异、地区层面的东部和中西部差异来对整体样本进行分组分析。

(一)男性与女性的异质性分析

由于女性在生理方面的劣势，其社会安全感通常低于男性[31]。表3中列(1)和列(2)显示，劳动力流入会同时降低女性和男性的社会治安感知，但是对女性的边际影响效应更大，这与预期相符，表明女性对劳动力流入带来的社会治安环境变化更敏感。与整体样本一致，劳动力流出对女性社会治安感知水平有正向提升效应，但是对男性的影响不显著，说明劳动力流出不影响男性对社会治安的评价。因此，以往研究认为劳动力流出不利于女性社会安全的判断没有得到证实，女生的社会安全感反而有所提升。之所以如此，很可能是因为人口外流后，大量导致不稳定的因素也随之减少，这对女性来说反而是好事。

(二)不同代际个体的异质性分析

不同代际个体的社会经历不同，治安风险感知和危险规避能力也有一定差异[28]。为识别劳动力流动对不同代际社会治安感知是否有差异化影响，本文借鉴Chang 等[32]的研究，按照50岁为界限将样本划分为50岁以上的老一代和50岁以下年轻代，分别进行拟合回归，表3中(3)、(4)列汇报了相应的回归结果。拟合回归显示，劳动力流入对老一代和年轻代的社会治安感知均有显著负向影响，但是对老一代的影响效应更大。劳动力流出对老一代的影响依然显著，并与基准模型保持一致，说明劳动力流出有助于提升老一代的社会治安感知。这可以与劳动力流入不利于老年人社会治安感知相互印证。之所以如此，可能是因为人口密度降低后，各类社会治安事件有所减少，作为弱势群体的老年人因社会稳定和安宁而受益。但是劳动力流出对年轻代的影响不再显著，这可能是因为年轻代的自我保护能力更强，劳动力流出在改善其安全感知水平方面的作用不太明显。

表3 劳动力流动对社会治安感知的影响：按性别、年龄和收入分组

注： *、**、***依次代表估计系数在 10%、5%和 1%水平上显著，括号内为标准误。为节省篇幅，文中只报告核心解释变量的回归结果

(三)高收入和低收入异质性分析

以往文献表明，收入是影响社会治安的重要因素[33]。城乡居民收入差距的缩小和生活水平的改善有助于减少社会冲突[25][34]，从而促进了社会治安的改善。但是劳动力流动对不同收入群体的社会治安感知有何影响，还少有研究涉及。为此，本文根据样本家庭收入的平均值，将全样本划分为高收入组家庭和低收入组家庭(表3)。拟合结果显示，对来自高收入家庭的个体，劳动力流入显著负向影响其社会治安感知，劳动力流出则显著正向影响其治安感知，这与基准模型保持一致。对来自低收入组的个体，劳动力流入依然负向影响其社会治安感知，但是劳动力流出的影响不显著，表现出群体差异性。就边际效应而言，劳动力流入对高收入组的负面影响大于对低收入组的影响，说明高收入群体对劳动力流入带来的社会治安变化更容易持负面态度。

表4 劳动力流动对社会治安感知的影响：按城市与农村、东中西部地区分组

注： *、**、***依次代表估计系数在 10%、5%和 1%水平上显著，括号内为标准误。为节省篇幅，文中只报告核心解释变量的回归结果

(四)城市与农村分样本分析

(五)东部、中西部地区分样本分析

由于经济发展水平不平衡，不同地区劳动力流入和流出情况有所差异，其中经济发达的东部地区是人口流入的主要区域，中西部地区是人口净流出区。本文根据被调查者所处省份将样本划分为东部和中西部地区(2)东部地区包括北京、天津、河北、山东、江苏、浙江、福建、广东和海南；其余省份在中西部地区。，并探索劳动力流动对这两类区域是否有异质性影响。表4显示，东部地区的劳动力流入通过了1%显著性水平检验且负向影响东部地区居民对社会治安的评价。对于居住在中西部地区的个体，劳动力流入也显著负向影响其社会治安感知。但就边际效应而言，劳动力流入对东部地区个体的影响更大。与整体样本一致，东部地区的劳动力流出正向提升个体对社会治安水平的感知，但劳动力流出对中西部地区个体治安感知的影响不再显著。上述结果也意味着劳动力流动对人口净流入地区(东部)和人口净流出地区(中西部)有差异化影响，作为人口净流入地区的东部受劳动力流动的影响更强烈。

(六)稳健性检验

在基准模型中，劳动力流入显著负向影响个体社会治安感知，而劳动力流出正向促进个体感知的社会治安水平，但上述回归分析并没有考虑社会治安与劳动力流动有无反向因果联系。有研究表明，治安水平更高有助于吸引劳动力流入，劳动力流出的动力会减弱；反之，治安较差社区不仅不利于吸引外来劳动力，而且由于其更容易吸引有犯罪倾向的人口并导致本社区社会治安恶化，反而会加剧本社区的劳动力流出[35]。这意味着社会治安对劳动力流动也可能产生影响。就本文而言，由于劳动力流动是社区层面的指标，社会治安评价是个体层面的指标，且劳动力流动指标来自CFPS2014，在时间上先于CFPS2016数据中获得的社会治安感知，因此劳动力流动和社会治安感知在逻辑上的反向因果联系很微弱，对本文而言不是一个十分严重的问题。然而，为避免劳动力流动和社会治安感知可能存在反向因果联系，本文尝试引入工具变量来予以纠正。

表5 劳动力流动与社会治安感知：工具变量模型

注： *、**、***依次代表估计系数在 10%、5%和 1%水平上显著，括号内为标准误。为节省篇幅，文中只报告核心解释变量的回归结果

不同于以往文献使用迁移的空间距离[5]111-112[7]或者本社区劳动力就业结构来充当工具变量[36]，考虑CFPS无法提供此类数据，本研究尝试使用“本社区建房帮工大工日工资”和“本社区建房帮工小工日工资”作为劳动力流入和劳动力流出的工具变量。之所以选择这两个变量，主要是基于以下两点考虑。第一，大量文献认为劳动力流动主要是受收入差距的影响[37]，不同地区劳动力工资待遇差异会促使劳动力从工资较低的地区流向工资较高的地区[38]。由于建筑业是外出务工人员就业的主要行业之一，并且上述两个指标能够较好地反映本地区的工资水平，因此预期其与本社区劳动力流动密切相关。第二，本社区建房帮工的大工日工资和小工日工资与个体社会治安感知并无逻辑上的联系，满足严格外生性。综上述，本文认为上述两个变量符合工具变量的基本要求。

基于工具变量的实证结果(表5)显示，第一阶段回归系数在1%水平上显著为正，这表明建房帮工大工日工资和小工日工资对劳动力流入和劳动力流出有显著影响，满足工具变量的基本前提，且第一阶段F值分别为138.72，大于10%偏误下临界值16.38[39]，因此拒绝弱工具变量的原假设。因此，选择的工具变量是合适的。在控制劳动力流动内生性问题后，劳动力流入依然通过1%的显著性检验，且系数为负，再次证实劳动力流入是降低个体社会治安感知的重要因素。与此同时，劳动力流出依然显著正向影响个体的社会治安评价，说明劳动力流出确实有助于改善个体的社会治安感知。因此，基准回归的发现是稳健可信的。

五、作用机制分析

在前述分析中，本文发现劳动力流入、劳动力流出分别显著负向影响或显著正向影响城乡居民的社会治安感知，但这仅仅回答了劳动力流动如何影响个体社会治安感知的第一个环节，没有涉及后续环节，即劳动力流动影响个体社会治安感知的作用机制。当前，相关的文献还不多见，为回应这一命题，本文结合中国实际情况以及CFPS调查提供的相关数据，从四个维度探索可能的影响渠道。

首先，劳动力流动会让外来人口和本地人口的接触更加频繁，但两类群体经济地位是有差异的。有较多研究发现，不同群体的贫富差距过大会提升社会冲突的风险[28]。为验证这一机制，本文引入个体主观判断的贫富差距这一被解释变量(3)您认为贫富差距有多严重：不严重=1；较不严重=2；一般=3；较严重=4；很严重=5。，结果显示(表6)劳动力流入不影响贫富差距预期，但劳动力流出会显著减小贫富差距。因此，上述机制推断在一定程度上得到验证证实，劳动力流出会通过减缓贫富差距的严重程度来提升个体的社会安全感知。

表6 劳动力流动与社会治安感知：作用机制

注： *、**、***依次代表估计系数在 10%、5%和 1%水平上显著，括号内为标准误。为节省篇幅，只报告核心解释变量的回归结果

其次，劳动力流动很可能通过住房问题来影响社会治安感知。有成果发现，房价过高带来的住房问题是引致不安全感的一个重要诱因[25]。劳动力流入和流出会影响住房市场的需求和供给，从而对住房问题产生影响。因此，本文引入个体主观感知的本地住房问题严重程度这一被解释变量(4)您认为住房问题有多严重：不严重=1；较不严重=2；一般=3；较严重=4；很严重=5。，结果显示(表6)劳动力流入不影响住房问题的严重程度，劳动力流出则会显著降低住房问题难易程度。因此，住房问题的影响路径在一定程度得到验证，即劳动力流出会通过缓解住房问题来提升个体社会治安感知水平。

再次，劳动力流动很可能通过影响信任来影响个体的社会治安感知。一些研究发现，劳动力流动与社会信任密切相关[40]。通常来说，当个体的社会信任感较高时，相应的治安感知水平也会较高；反之，较低的社会信任感和较低的社会治安感知相对应。为验证这一可能影响机制，引入个体社会信任感作为被解释变量(5)您认为大多数人是否可信任的：是=1；否=0。，结果发现(表6)，劳动力流入会降低人们的社会信任感，这与已有研究一致[40]，但劳动力流出不会降低个体的社会信任感。因此，社会信任这一机制得到证实，说明劳动力流入会通过降低个体的社会信任来削弱其治安感知水平。

最后，就业是民生之基，就业问题也是引致社会治安事件的高发领域，特别是劳动力流入会显著冲击流入地就业市场，本地人和外地人因就业竞争而产生冲突屡见不鲜[41]。为验证这一可能的作用机制，本文引入个体过去一周的工作状态(6)过去一周您是否至少工作了 1 个小时：是=1；否=0。，结果显示(表6)，劳动力流入会显著降低个体有工作的可能性，但劳动力流出的影响不显著。因此，上述机制得到印证，劳动力流入会通过负面影响个体就业来削弱其社会治安感知。

总结而言，上述研究分析表明劳动力流入之所以显著负向影响个体的社会治安感知，信任和就业是两个关键的影响渠道。劳动力流出之所以会显著改善个体的社会治安感知，贫富差距和住房问题是两个重要的影响机制。

六、结论与启示

社会治安良好与否是关乎人民群众福祉的重要指标，而个体对社会治安的评价是社会治安水平最直观体现，为此，本文基于中国家庭动态跟踪调查(CFPS)大样本调查数据，首次从微观层面考察了劳动力流动对个体社会治安感知的影响。研究发现，劳动力流入对个体的社会治安感知有显著负向影响，劳动力流出对个体社会治安感知有显著正向影响。考虑劳动力流动和社会治安之间的内生性问题，运用工具变量法进行稳健性检验，上述结论依然成立。进一步根据性别、代际、家庭收入、城市与农村、东部与中西部地区分组进行拟合分析，发现劳动力流入对不同群体的影响依然显著，但从影响力度来看，相对于男性、年轻代、低收入家庭、农村社区和中西部地区，劳动力流入对女性、老年群体、高收入家庭、城市社区和东部地区个体的影响更大。劳动力流出对女性、老年群体、高收入家庭、城市社区和东部地区个体的社会治安感知有显著正向影响，这与基准模型一致，但是劳动力流出对于男性、年轻代、低收入家庭、农村地区和中西部地区的个体影响却不显著。整体而言，劳动力流动对不同特征群体的社会治安感知有异质性影响。本文还进一步探索劳动力流动影响个体社会治安感知水平的作用机制，结果证实贫富差距、住房问题、信任和就业是四个关键的影响渠道。劳动力流入之所以显著负向影响个体的治安感知水平，主要是因为劳动力流入会削弱个体的社会信任感和获得就业的可能性；劳动力流出之所以能够显著提升个体的社会治安感知，是因为劳动力流出有助于减少贫富差距和降低住房问题难易程度，从而提升个体的治安感知水平。

基于上述研究，本文得出以下几点启示。首先，要高度重视劳动力流入对社会治安的负面影响。就流入地而言，大量劳动力流入既是机遇也是挑战，其中挑战之一就是更加复杂的社会管理。因此，流入地政府要建立动态管理机制，加强社区管理水平，加大治安领域的财政投入，完善政府职能部门和服务流动人口的业务水平，保障流动人口权益，引导外来劳动力融入本地社区，降低外来人口破坏社会治安的可能性。第二，劳动力流入对社会治安的影响存在个体和区域差异。本文证实，女性、老一代和高收入者群体对社会治安有着高层次、高质量的需求，政府需要对这部分群体的心理安全需求给予足够的重视，及时向社会和居民公布社会治安信息，提升城乡居民对社会治安的满意度。对于区域差异，由于劳动力流入对居住在城市和东部地区个体社会治安感知影响更大，因此作为人口净流入地区的地方政府需要在社会治安领域下更多功夫。第三，劳动力流出有助于改善个体的社会治安感知，且劳动力流出对不同特征个体社会治安感知有差异化影响。其中，劳动力流出有助于提升女性、老一代、高收入、城市社区和东部地区个体的社会治安感知，但是对男性、年轻代、低收入、农村社区和中西部地区个体的影响不显著，说明生理弱势群体(女性和老一代)、经济条件好的群体(高收入、城市社区和东部地区)对劳动力流出带来的影响更为敏感。最后，要高度重视贫富差距、住房问题、社会信任感和就业四个维度的问题对个体社会治安感知所产生的影响。政府要花大力气治理贫富差距问题，“做大蛋糕”的同时还得兼顾“分配蛋糕”，更多惠及弱势群体，提升他们的获得感和幸福感。要高度重视和着力解决城乡居民的住房问题和就业问题，这是关乎居民安居乐业的两大关键问题。致力于社会信任工作的建设，建立诚信得益、失信可耻并受到惩罚的体制机制，打造人人守信的诚信社会，有效提升社会信任感。