劳动力流动范围选择的“非线性”收入效应——基于全国流动人口动态监测数据的实证分析

曹 洁，田永晓，谭 鑫

（1.昆明学院 昆明科学发展研究院，云南 昆明 650214；2.云南大学 理论经济学博士后流动站，云南 昆明 650091；3.中共云南省委党校 社会与生态文明教研部，云南 昆明 650111）

一、引言及文献回顾

《中国流动人口发展报告2018》指出，到2017年末我国流动人口已达2.44亿人，占全国人口的17.59%，换言之，中国平均每六人中就有一人处在流动状态。通过迁移获得更多的就业机会、更高的工资收入是各技能水平劳动力流入一个地区的主要目的，而经济发达、基础设施完善的东部沿海大型城市一直是劳动力流入的主要目的地，中国人口流动也主要以远距离的跨省流动为主。利用中国经验数据的研究也普遍验证了劳动力流动范围扩大的收入效应是线性增长的（赵伟等，2007［1］；宁光杰，2012［2］；王胜今等，2013［3］）。然而，2015年全国人口流动规模首次出现了下降，内陆省会城市的吸纳能力不断提升，2000-2010年，重庆、武汉、成都等中西部城市的流动人口规模大幅增长（段成荣等，2017）［4］。2011-2017年，相对于跨省流动，人口省内跨市流动的比例持续上升。

《中国流动人口发展报告2017》指出，中国城镇化进程中，在传统人口红利逐渐减弱的背景下，越来越多的城市加入“人才争夺战”中，落户政策逐渐放宽，高技能劳动力的收入回报不断攀升，这些因素共同助推了劳动力在地区间迁移决策的多样化。对于同一技能水平的劳动者，迁移决策对其收入和就业的影响更加凸显。与此同时，在各地不断推出人才引进优惠政策、吸引高技能人才的过程中，较低技能水平的流动人口依然面临工资收入较低、落户困难等问题。换言之，流动带来的收入效应对于不同技能水平的劳动者并不相同。那么，流动范围选择中表现出的新方向是否劳动者在考虑迁移成本、留居可能性之后牺牲一定收入做出的理性选择，抑或是流动范围扩大对劳动者收入的影响并非线性？本文试图分析流动人口流动范围与收入的关系以及这一关系在考虑劳动者技能差异后是否会有不同的表现。

劳动力的自由流动是达到人力资本回报最大化的有效途径，目前研究普遍认为通过劳动力流动能够有效增加劳动者的收入（陆铭，2016）［5］。于潇等（2017）［6］的研究同样发现，跨省相对于非跨省流动显著提高了流动人口的收入，且通过分位数回归发现，这种影响对于不同收入水平的流动人口是线性的，收入越高的流动人口通过跨省流动得到了越大的收入促进效应。但随着越来越多学者关注流动范围或距离对流动人口就业、收入、市民化等方面的影响，也有研究指出流动范围产生的影响并不是线性的。宁光杰等（2016）［7］的研究发现，农民工在省内跨市流动能获得高于跨县流动的收入且市民化意愿要强于跨省流动，即流动范围与市民化的关系并非简单的线性递减或递增关系。李中建等（2017）［8］用农民工流动范围衡量务工距离，并发现务工距离对工资收入的影响是“正U型”的。此外，针对工作强度、就业稳定性等相关问题的研究正在细化流动范围选择产生的作用，以寻找劳动者放弃远距离流动的理论依据，但较少有研究对流动范围选择带来的收入效应进行深入探讨。

同时，有学者关注劳动者学历、技能、性别等个体特征会对劳动者的流动范围选择及其收入效应产生影响。Ernesto and Crhistian（2011）［9］对美国的墨西哥移民研究发现，学历越低的劳动者从流动中获得的收入效应越高。高虹（2014）［10］、王建国等（2015）［11］通过受教育年限、经验、职业来衡量劳动技能特征，并运用两阶段估计分析发现农民工的技能水平提高是其流入大城市、获得高溢价工资的主要原因，但未考虑劳动者流动距离与收入之间的关系。孔高文等（2017）［12］以毕业生为研究对象，发现性别显著影响了毕业生跨省、跨市就业的选择，具体表现为男性外出就业的倾向显著强于女性且工资显著高于女性，其中跨省就业的工资又高于跨市。

在研究方法上，考虑劳动者的个体特征等差异将导致流动范围选择存在偏误，宁光杰（2012）［2］利用处理效应模型避免选择性偏差问题，对农民工外出就业选择的收入差距进行了分析，但并未进一步分析农民工技能差异在其中产生的作用。阳玉香等（2017）［13］通过在OLS模型中加入选择偏误项以避免“自选择”问题，并在分组讨论中发现流动范围选择的收入效应受到劳动者学历的影响，但并未展开讨论两者的关系。技能溢价是劳动者之间存在工资差异的主要原因，那么，流动范围选择的收入效应是否在不同技能劳动群体中存在差异，已有文献中鲜有对此问题的研究。

总结已有研究发现，国内对于劳动力流动中流动范围选择与收入的分析还不够深入，对于两者之间可能存在的“非线性”关系更缺少理论和实证研究。同时，在将劳动者技能差异纳入分析框架后，流动范围选择的收入效应是否存在新的特征也缺少讨论。基于此，本文以2016年全国流动人口动态监测数据为样本，运用多元处理效应模型克服个体劳动者流动范围选择中存在的“自我选择”问题，对中国劳动者的流动范围与收入之间的整体关系进行分析，并进一步分析不同技能劳动力关于流动范围选择的收入效应。

二、理论分析

在劳动力流动选择微观机制研究中，是基于成本收益分析框架的流动决策分析。流动决策的潜在收益包括预期工资增长、社会经济地位相对提高、职业稳定性增强、居住满意度提高等；潜在成本包括交通成本、工作搜寻成本及脱离原有社会关系、环境的心理成本等。同时，在劳动力流动的经济理论模型中，追求收入增长、改善生活质量是劳动力流动决策的主要经济动机，且劳动力的长距离流动往往更有利于提高劳动者的工资收入。劳动力流动范围的选择是劳动者在成本收益分析下做出的理性选择，亦是追求高收入和控制流动成本后的理性平衡。

在此，收益和成本都是关于流动范围的函数，且流动范围与成本的负相关关系已得到普遍认可，而收益与流动范围的关系则并不明确。从这一角度出发，本文要解决的核心问题是劳动者的收益将随流动范围改变而发生何种变化，明确流动范围选择的收益变化模式是确定收益与流动范围函数关系的重要前提，更是在成本收益分析下深化研究劳动者如何在流动范围选择决策中实现收益最大化的关键。

追求收入的增长是推动劳动力大规模远距离流动的重要原因，而交通便利度提高、通信技术发展更削弱了流动距离的阻碍作用，降低了流动成本。而近几年劳动力回流规模不断扩大，省会城市、区域中心城市正在成为新晋的劳动力流入目的地，劳动力对短距离迁移的偏好增强。根据前文理论分析，地区间工资差距的缩小使远距离跨省流动的经济动机减弱，且传统意义上流动范围扩大与工资收入增长的线性关系受到现实挑战。从这一角度出发，本文通过理论和实证分析劳动者流动范围的选择及其收入效应的变动模式，为当前中国劳动力省内流动规模不断扩大、流动趋势改变提供一种解释。

三、模型构建与变量选取

（一）模型构建

考虑流动范围的选择可能是内生的，一些不可观测特征会影响劳动者的流动范围选择和收入的变动，导致OLS估计结果有偏。为处理流动范围选择偏差问题，且由于流动范围选择是一个多值选择变量，本文将运用多元处理效应模型（Multinomial Treatment Effect Model）来解决“自我选择”问题。

多元处理效应模型与Maddala（1983）［14］提出的处理效应模型的区别是处理变量由二值选择变量变为多项选择变量，其核心思想没有改变。模型包括两个部分：第一部分为基础回归方程，用来定义处理变量与被解释变量的关系：

其中，LDi是模型的处理变量，表示个体的流动范围取值，包括市内跨县流动、省内跨市流动和跨省流动三种并赋值为1、2、3；被解释变量lnwagei表示个体的工资水平；Xi表示其他直接影响个体工资变动的控制变量，包括性别、年龄、受教育水平、工作经验、户口类型等个人特征变量以及贸易开放度、地区经济增长水平、产业结构升级、劳动力就业的市场化程度等宏观变量。

第二部分为处理（treatment equation）方程，用来考察处理变量的影响因素：

遵循Heckman（1979）［15］样本选择模型的传统，多元处理效应模型采用两步法进行估计：第一步利用多项Logit估计处理方程，得到处理变量LDi的预测值；第二步将LDi的预测值和其他控制变量Xi一起代入基础回归方程，进行多元线性回归得到最终估计系数，以衡量劳动力流动范围改变对其工资的影响效应。

（二）变量选取与数据说明

估计模型中所用微观个体特征数据均来自2016年的全国流动人口动态监测数据（Migrants Population Dynamic Monitoring Survey Data）。该数据由原国家卫生计生委提供，是目前研究全国流动人口问题能够公开申请使用的最具代表性、权威性的最新数据。流动人口跨省流动规模自2015年首次降至50%以下后一直延续了这一趋势，流动选择特征的相对稳定降低了对数据时效性的要求，且使用2016年数据进行分析能够检验本文所讨论的“非线性”收入效应是否在流动特征发生改变的初期就已经存在。2016年共监测169 000个样本，覆盖了31个省（区、市）和新疆生产建设兵团中流动人口较为集中的流入地，在删除工资、职业类别和受教育水平等变量缺失的样本后，最终得到126 403个有效样本。宏观控制变量所需数据来源于EPS数据库、中经网数据库以及相应年份的《中国统计年鉴》。

为研究流动范围选择对收入的影响，本文估计模型中变量的选取、具体说明及数据处理方法如下：

（1）被解释变量。模型中被解释变量lnwagei表示劳动力的工资变化情况，用劳动力的对数工资来衡量，利用全国流动人口动态监测数据提供的个体年工资收入计算得到。

（2）核心解释变量。核心解释变量LDi表示劳动力的流动范围选择，用个体的流动范围来衡量。从表1可以看出，2013-2016年，跨省流动所占比例有所下降，虽然到2016年达到49.07%，依然是劳动力流动的主要选择，但总体规模下降显著。2016年，省内跨市流动的占比达33.58%，且4年里占比在持续上涨，市内跨县的流动人口规模变动尚未形成明显趋势。整体上，这与段成荣等（2017）［4］对我国人口流动形势的分析相符，跨省流动趋势依然是主流，但内陆省会城市的吸纳能力不断提升，省内跨市的比例正在大幅增长。表2中，劳动力流动范围的均值为2.318，也说明流动范围主要以长距离的跨省、跨市流动为主。

表1 2013-2016年流动人口流动范围的变化情况

（3）控制变量。本文的控制变量包括两部分：一部分是基础回归方程中的Xi，包括性别、年龄、受教育水平、工作经验、户口类型等个人特征变量以及受访者所在地区的贸易开放度、经济增长水平、产业结构升级、劳动力市场的开放程度、常住人口规模等宏观变量；另一部分是处理方程中影响个体做出流动范围选择的变量Zi，借鉴已有研究，本文选择了性别、年龄、受教育水平、工作经验、户口类型、婚姻状况、子女数量、是否参加本地城镇养老保险和家庭在本地每月总支出等直接影响劳动者流动范围选择的变量。Heckman两步法虽然计算方便，但是第一步估计的误差会被带入第二步中，为提高估计效果，本文将在处理方程的估计中通过逐步回归对Zi变量的选取进行筛选，以保证处理效应模型设定的合理性。

上述各变量及其基本统计描述见表2所列。

表2 变量的描述性统计

续表2

四、实证结果分析

（一）流动范围的选择

首先分析个体劳动者在跨省、跨市或跨县流动中的选择。多元处理效应模型中，通过多元Logit模型估计得到个体相对于跨县流动而选择跨省或跨市流动的系数，结果见表3所列。

表3 多元处理效应模型估计第一步：多元Logit估计结果

由表3可知，男性选择远距离流动的概率更高，且对于跨省流动的影响更大也更显著。相比市内跨县流动，劳动者选择跨市或跨省流动的可能性随年龄增长先提高再下降，且对跨市流动的影响不显著，而对跨省流动的影响在1%的显著性水平上显著，这与宁光杰（2012）［2］的研究结果一致。受教育水平提高使劳动者选择远距离流动的概率降低，与赵耀辉（1997）［16］、戚晶晶（2013）［17］的结论一致，可能的原因是较高学历劳动者能够在本地就业竞争中获得更多更好的就业机会，本地劳动力的“就业挤压”效应使较低学历的劳动力选择跨省流动。工作经验带来的影响与受教育水平相似，但对选择跨省流动不显著。具有城镇户口的劳动者更倾向于选择跨县或跨市流动，这可能是受到户籍制度的影响，城镇劳动力能够在本地或近距离流动范围内获得工作和较高收入。已婚有偶和子女数量的增加使劳动者更倾向于选择跨省流动，可能的原因是劳动者期望通过跨省流动增加获得工作的机会和更高的收入，为家庭创造更好的生活条件（刘杜若等，2017［18］；韩淑娟等，2013［19］）。家庭支出的增加，加重了家庭的经济负担而不利于劳动者选择跨省流动，但显著增加了其跨市流动的可能性。劳动者参加了养老保险，并不利于其选择跨省流动，这可能由于参保的劳动者是正规就业者或拥有较稳定职业而较少选择跨省流动，且养老保险跨省转移制度一定程度上增加了跨省流动的障碍。因此，参加养老保险促进了劳动者选择跨市流动的可能。

（二）流动范围选择的收入效应

在对流动范围“自我选择”问题进行处理后，本文对流动范围选择带来的收入效应进行了多元回归估计，估计结果见表4所列。比较跨省流动与跨市流动的估计系数可以看出，相对市内跨县流动，流动范围的扩大显著提高了劳动者的收入，且跨市流动的促进作用要强于跨省流动。这与李中建等（2017）［8］的研究结论相似，流动距离的扩大对于劳动者收入的影响并不是线性的，从跨县流动到跨市流动，劳动者的收入效应在扩大，而从跨市流动到跨省流动，劳动者的收入效应在减小，即流动范围选择的收入效应表现出“非线性”增长的特征。Lambda值表示处理效应模型中风险函数的估计值，其结果显著说明拒绝原假设，跨省流动、跨市流动均与跨县流动存在显著差异，处理效应模型设定合理。控制变量中，男性的收入增长高于女性；年龄对收入的影响呈倒“U”型；受教育水平提高和工作经验积累都有利于工资增长；非农户籍流动人口收入要高于农业户口的流动人口收入。宏观经济变量中，流动人口所在省份的贸易开放、经济增长能够显著提高劳动者的工资。值得注意的是，劳动力市场的开放对流动人口工资增长的作用尤其明显，开放程度提高1%，将使流动人口的工资增长0.68%。此外，产业结构升级也将显著提高流动人口的工资，流动人口所在地级市常规人口规模扩大也对流动人口的工资增长产生了促进作用。

表4 多元处理效应模型估计第二步：多元线性回归估计

如前文所述，流动劳动者在技能水平上存在较大差异，本文将不同技能水平的劳动者进行分组，进一步分析收入效应随劳动者技能表现出的差异。基于流动人口从事的职业和受教育水平，并根据国际标准职业分类ISCO提供的职业技能水平标准与ISCED国际标准受教育水平的对照，本文将劳动者分为低、中、高技能三类。

同样利用多元处理效应模型，本文对低、中、高技能劳动力的流动范围选择及其收入效应进行了实证分析，多元Logit的估计结果与全样本估计基本一致，不再进行报告。从表5可以看出，不同技能水平劳动力选择跨省或跨市流动带来的收入效应存在差异。

首先，与全样本回归估计结果一致，各技能水平劳动力选择跨市流动均显著促进了工资收入的增长，且估计系数整体大于跨省流动。这验证了全样本估计结果的稳健性，且再次说明流动范围选择带来的收入效应并非是线性增长的，而表现出“非线性”的特征。这能够从收入获得方面解释当前流动人口跨市流动规模扩大的现象。其次，比较各类技能劳动力的收入效应系数能够看出，中技能劳动力通过跨省或跨市流动获得的工资回报要小于低技能和高技能劳动力，这符合Autor and Dorn（2013）［20］利用空间均衡分析得到的研究结论。Au⁃tor and Dorn（2013）的研究发现，当劳动力市场上存在工资极化时（1），劳动力的流入将加剧工资的极化。在对我国流动人口工资结构的研究中，屈小博等（2015）［21］发现我国流动人口正在从中等收入（或中等技能）的岗位转向低收入（或低技能）和高收入（或高技能）岗位，流动人口群体的工资和就业极化已经发生。流动范围选择的收入效应在不同技能劳动力之间的差异进一步验证了流动人口群体中工资极化的存在。各控制变量对不同技能劳动力的收入影响虽有所不同，但整体上与全样本估计结果一致，不再赘述。

表5 流动范围选择的收入效应：对不同技能劳动力的分组估计结果

综上所述，劳动者流动范围的选择对其工资收入产生了“非线性”的影响：随着流动范围由“跨县—跨市—跨省”不断扩大，劳动者的收入呈现先增长后下降的倒“U”型特征，但跨省流动对收入的提高作用依然比跨县流动强。在考虑劳动者的技能差异后发现：第一，对同一技能水平的劳动力，流动范围扩大带来的收入效应符合倒“U”型特征，如图1（a）所示。第二，同一流动范围下，劳动者的工资随技能水平提高呈现出先下降后上升的“U”型极化特征，如图1（b）所示。最终，本文将这一特征总结为流动范围选择的“非线性”收入效应。

图1 流动范围选择的“非线性”收入效应

五、稳健性检验

考虑劳动力所在地区的发展差异将会影响流动人口的工资水平，本文根据劳动力现居住城市和省份对样本进行分组回归，以期更加全面深入地分析劳动力流动范围选择的收入效应。

（一）按城市分组估计

全国流动人口动态监测数据的样本覆盖了31个省（区、市），在剔除无效数据后，2016年的样本来自280个地级市，这些城市在经济发展、资源禀赋上均存在较大差异。2014年11月，国务院发布的《关于调整城市规模划分标准的通知》中，按城市常住人口规模将城市划分为超大城市、特大城市等五类。借鉴2014年标准，并考虑城市行政区域等级对于其基础设施投入、经济发展条件等方面有重大影响，本文最终根据城市的行政区域等级和常住人口规模两个因素将城市划分为三类：第一类特大城市，包括北上广深等14个常住人口达到500万以上的城市；第二类大城市，包括石家庄、济南等19个省会城市；第三类中小城市，包括了调查中涉及的各地级市（2）。

由表6可知，在三类城市中，跨省流动的工资增长均小于跨市流动，说明流动范围选择的收入效应在不同城市中都表现出倒“U”型的“非线性”特征，分城市的估计结果验证了全样本估计结果的稳健性。lambda_2、lambda_3显著说明多元处理效应模型的估计结果合理有效。比较三类城市的系数大小可见不同城市间的差异，在特大城市组，劳动力流动对于工资的促进作用显然小于大城市组和中小城市组。本文认为这与特大城市流动人口落户困难、劳动力市场竞争更加激烈有关。近几年来，流动人口的返乡正是本文估计结果的现实反映。很多流动人口在特大城市难以获得市民身份，人力资本优势难以发挥，而中西部省会城市的落户政策相对宽松，大量企业的迁入带动了当地劳动力需求增长和工资水平提高，北京、上海等特大城市的周边城市也因承接特大城市的功能疏解而获得发展机遇。因此，2015年全国流动人口规模首次出现了下降，且省内跨市流动的规模和比例也出现增长。

表6 流动范围选择的收入效应：样本分城市估计结果分析

为进一步考察不同技能劳动力在流动范围选择中获得的收入效应，本文以特大城市的流动人口为样本进行分组回归，具体结果见表7所列。

表7 特大城市不同技能劳动力的收入效应估计结果分析

对比不同技能组，省内跨市流动对中技能劳动力工资增长的影响最小且不显著，跨省流动对中技能劳动力工资的影响为负且不显著。综合来看，劳动力流动范围扩大对不同技能劳动力工资的影响保持了“U”型结构特征，换言之，劳动力的流动促进了特大城市流动人口的工资极化，这从工资技能结构变动方面印证了梁文泉等（2015）［22］对城市规模扩大促进就业技能结构极化的结论。

（二）按地区分组估计

根据我国第五、第六次人口普查的数据显示，东部地区的流动人口约占全国流动人口规模的2/3。国家统计局发布的《2018年全国农民工监测调查报告》指出，流入东部地区的农民工达15 808万人，占54.8%，比2017年减少了185万人，中西部地区则增加了378万人。同时，中西部地区农民工的省内流动占比逐年上升，到2017年，中部地区农民工省内流动占比达49%，西部地区达39%，且中西部省份吸纳跨省流动人口的占比也在抬升。由此可见，我国流动人口分布存在显著的地区差异，虽然东部地区作为主要人口流入区域的现状长期不变，但近两年中西部地区的流入规模增长迅速，吸纳能力不断增强。基于地区间的差异，本文对流动人口按现居地进行了分地区的回归分析。

由表8可知，流动范围扩大的倒“U”型收入效应在东中部地区依然存在，但在西部地区表现出不同。在西部省份，流动范围选择的收入效应呈线性增长，跨省流动的收入效应最大，这是由于西部各省受经济发展水平的制约，且内部发展水平差异不大，流动人口在省内流动的效益并不突出，省会城市的就业机会和工资水平对省内劳动力的吸引力不如东中部地区，导致其难以在省内劳动力市场上发挥地方优势，吸引和留住省内劳动力。横向比较各组估计系数发现，中部地区流动人口在省内跨市流动获得的收入效应相对更大，这一定程度上解释了近两年中部地区流动人口回流增加、中部省会城市常住人口快速增长的现象。

表8 流动范围选择的收入效应：样本分地区估计结果分析

东部地区作为流动人口的主要迁移目标，聚集了各类技能水平的劳动者。以东部地区样本为例，本文对不同技能劳动力在流动范围变化中的收入效应展开分析。

表9估计结果显示，跨省流动与省内跨市流动都使高技能劳动力获得了最大的收入增长效应，低技能次之，中技能所受带动作用最小。流动范围选择的收入效应均随技能提高呈现出“U”型特征，这与全样本和特大城市组的估计结果一致。此外，对于同一技能水平的劳动力来说，跨市流动带来的收入效应依然最大。

表9 东部地区不同技能劳动力的收入效应估计结果分析

六、结论与启示

本文利用2016年全国流动人口动态监测数据，采用多元处理效应模型，克服劳动者流动范围选择中的“自我选择”问题，并将劳动者按技能水平分组，以分析流动范围选择的收入效应及其随劳动者技能变化产生的差异。在此基础上，通过对流动人口按城市、地区分组分析检验了估计结果的稳健性。通过实证检验最终发现，流动范围选择的收入效应具有“非线性”特征。具体而言：跨市流动的收入效应大于跨县流动和跨省流动，劳动者的工资收入随流动范围的扩大呈先上升后下降的倒“U”型特征；中技能劳动力的工资增长要显著小于高、低技能劳动力，流动范围选择的收入效应随劳动者技能水平提高呈先下降后上升的“U”型极化特征。

以上结论带来了如下启示：

第一，在当前各城市人才争夺战大背景下，对于个体劳动者来说，迁移决策对其收入的影响正在变得越来越重要，流动范围的扩大虽在整体上增加了劳动者获得较高收入的可能性，但在流动范围选择上并不是越远越好，寻找一个“适度”的流动范围能够为劳动者带来最大化的工资收入。从实证结果来看，选择省内跨市流动是当前国内流动人口的一个理性选择。

第二，传统人口红利的消失使得劳动力资源成为地区间竞争的关键要素之一，省会城市对于省内劳动力在地方文化、制度、社会资源等方面具有得天独厚的吸引力，经济实力的增强和公共政策的开放将进一步帮助其吸引省内劳动力。近两年，东中部地区省会城市的快速崛起正是这一研究发现的现实写照。而在分组检验中，西部地区劳动力跨省流动的收入效应大于跨市流动，这说明在劳动力回流不断增长的良好势头下，西部地区必须不断修炼内功，提高城市经济社会发展水平，才能发挥出地方文化、资源等优势，吸引和留住更多人才。

第三，流动范围选择的收入效应表明了劳动者“择城”的重要性，同时，收入效应随劳动者技能水平变化表现出的“U”型特征则说明了劳动者“择业”的重要性。从事常规操作类工作的中等技能劳动者正在被智能化的机器设备替代，其相对低技能劳动者的工资优势正在消失。对于个体劳动者而言，在接受教育、增加培训的同时，选择从事更多交互任务、更需要创新思维的工作岗位是提高收入的有效途径。

本文就劳动力流动选择及其收入效应进行了较为深入的实证分析，但对于“非线性”收入效应形成的原因还缺少更深层次的理论分析。在考虑劳动者技能差异后，“非线性”收入效应依然存在，且一定程度上验证了当前劳动力市场上存在工资极化的研究结论。这一问题是当前经济结构转型升级中劳动力市场结构变化的重要趋势之一，但国内对此才刚刚加以关注，值得进一步展开研究。

注 释：

（1）工资极化指高技能和低技能劳动力的工资相对增长，同时中技能劳动力工资相对下降的工资变化特征，即工资变动随劳动力技能提高呈“U”型特征.其发生是因为技术进步、贸易外包、产业结构调整等导致了就业极化，进而影响了工资结构变动。

（2）本文特大城市包括北京、上海、天津、重庆、成都、西安、沈阳、哈尔滨、南京、杭州、武汉、广州、汕头、深圳；大城市包括石家庄、福州、济南、海口、太原、长春、合肥、南昌、郑州、长沙、呼和浩特、南宁、贵阳、昆明、兰州、西宁、银川、乌鲁木齐、拉萨；中小城市包括各地级市。