互联网普及对城市外来劳动力流入的影响——基于我国255 个地级市的实证检验

程风雨

（广州市社会科学院，广东 广州510410）

一、问题的提出

2019 年10 月，习近平总书记对我国互联网发展作出重大战略性判断，他在向第六届世界互联网大会致贺信中明确指出，“新一轮科技革命和产业变革加速演进，人工智能、大数据、物联网等新技术新应用新业态方兴未艾，互联网迎来了更加强劲的发展动能和更加广阔的发展空间”。没有互联网就没有数字经济，数字经济是互联网发展到高级阶段的应然产物，互联网普及与数字经济的兴起为经济社会发展注入强劲动力，并成为经济增长的新引擎。第六届世界互联网大会发布了《中国互联网发展报告2019》，该报告显示，截至2018 年末，我国网民规模总数达8.29 亿户，互联网普及率达59.6%，超过全球平均水平(57%)2.6 个百分点。另一方面，以互联网普及为基础的数字经济成为拉动内需、创新增长方式的强大动力。2018 年，我国数字经济总量达31.3 万亿元人民币，占GDP 比重达32.9%，其对GDP 增长贡献约为55%。

在我国当前生育及人口发展形势下，对劳动力存量的吸引已成为现代城市竞争的重要内容。不可否认，未来一段时期内我国生育率仍将低迷，人口规模呈下降趋势，同时全国城市人口流动也趋于平缓。在此背景下，“抢人大战”率先从我国二、三线城市掀起，进而蔓延到天津、广州、重庆、成都、武汉、郑州和西安等国家中心城市，大约已有超50 个城市发布了多次人才吸引政策，试图在城市扩张与产业转型期内，吸引补充大量劳动力以保障经济社会持续繁荣发展。

互联网及数字经济的快速发展会对经济社会发展的方方面面产生诸多影响，那么在城市劳动力流入问题上，互联网普及究竟起到什么作用，有没有存在一定的空间溢出效应？尤其是2008 年以后，我国互联网发展进入新阶段，它对城市劳动力流入是否发生结构性变化？同时，随着互联网普及在我国不同地区的普及，这种作用又会呈现什么样的变化？文章将尝试回答这些问题。

二、文献综述

1. 互联网普及对就业的影响

劳动力之所以流动，不管是流入不同部门还是变换工作地点，其背后的的驱动因素包括流动后所获取的工资或薪金等直接显性经济收益（Ravenstein，1885；程名望、史清华，2009）。从这个角度看，探讨互联网普及对劳动力流入的影响问题，就无法忽视互联网对就业的影响，因为就业是现代市场经济下经济性收益获得的最主要的途径。国内外许多学者采用实证研究的方法对互联网等信息技术的就业影响问题进行深入研究，得出的结论存在较大争议，其中一种观点认为互联网的普及使用会降低就业机会。Wang(2009)研究发现，自20 世纪80 年代以来台湾失业率增加与信息技术增长显著相关。Frey & Osborne(2013)基于美国702 个就业门类的电脑敏感性分析，认为其中约47%的就业机会陷于被信息技术取而代之的境地。反之，Dube 等(2015)认为信息技术可以增加就业岗位，但是对于即使拥有大学学位的男性青年而言失业率也在提高。方建国和尹丽波(2012)实证发现技术变革会诱发产业结构变动，相应的短期内会因技术替代而导致失业增加。王俊和苏立君(2017)研究发现互联网普及会加速西方国家去工业化进程，减少就业机会与就业岗位的稳定性。另一种观点则认为互联网的普及使用有助于增加就业。Atasoy(2013)实证发现互联网的普及对就业增长具有显著推动作用，尤其有利于高技能劳动者就业。Biagi 等(2017)研究认为，从长期看不管是服务业还是制造业，大公司还是中小企业，信息技术均不会因为技术替代而造成就业机会减少。Pantea 等(2017)同样认为信息技术的普及不会减少企业用工数量。Bai(2017)则更加明确的提出劳动者就业与互联网普及具有正相关关系。此外，还有部分学者认为互联网的普及使用与就业关系并不明确。Czernich(2014)研究发现互联网的普及使用没有降低就业机会，两者也不存在负相关关系。Lutgen 等(2015)利用数值模拟的方法，实证认为互联网对于跨区域就业的影响并不明确。

2. 基本公共服务与劳动力流动

Combes 等(2010)研究发现，如果从流动的福利效应层面看，劳动力流动不仅仅只会受到经济利益驱使，特别是当非经济收益影响权重较大情况下，优质的生存条件和社会福利资源可能成为劳动力流动的“最后一根稻草”。医疗服务、教育条件、生态环境和住房服务等间接性非经济收益的获取对城市劳动力的吸引力显著增强（杨刚强等，2016），城市基本公共服务也是诱发劳动力流入的关键因素这一。目前已有较多学者将公共服务纳入到劳动力流动的研究框架之中。Tiebout(1956)最早将劳动力流动与公共服务联系起来，他提出“用脚投票”理论。此后，许多国外学者经验研究发现公共服务在劳动力流动中发挥促进作用（Oates，1969；Sharp，1986；Day，1992；Binet，2003；Carlsen等，2009；Dahlberg 等，2012）。当然，仍然有部分国内学者对此持不同意见，他们实证研究发现公共服务会对劳动力流动产生阻碍作用。

结合文章的研究方向，通过梳理相关文献，不难发现，学界现有文献侧重于分别探讨互联网对劳动者就业的影响以及劳动力流动的诸多诱发因素，其中存在较多的分歧，而且大都忽略了互联网为代表的信息技术对城市劳动力流入影响，而专门探讨互联网的空间溢出效应对劳动力流入影响的研究则更为鲜见，这与我国发展现实存在一定脱节与迟滞。有鉴于此，文章尝试将互联网与城市劳动力流入纳入统一研究框架内，利用我国2001-2015 年255 个地级市的面板数据，实证考察互联网普及对城市劳动力流入的影响及作用。

与已有研究相比，文章边际贡献主要体现在如下三个方面:一是从研究视角上看，从互联网视角解构城市劳动力流入。文章试图将劳动力流入嵌入到互联网普及的现实环境中，从理论上梳理了互联网普及对劳动力流入的综合作用，力求更加细致地考察城市之间及城市内部的互联网普及对劳动力流入的影响，加深了对劳动力流动内在规律的认识和理解；二是从研究对象上看，以我国地级城市劳动力为研究样本，不仅避免了因忽视省内迁移这一劳动力流动主体而对结论产生偏误，而且同时考虑时空效应下劳动力流动力流入而非人口迁移，可以为我国劳动力合理流动及城市化协调发展引入一条新思路；三是从研究内容上看，不仅国内外罕有专门研究互联网对劳动力流入的影响，更没有学者使用空间计量模型对此开展深入探讨。事实上，互联网往往具有较强的空间集聚性，如果在不控制邻接地区互联网影响的情况下，直接估计其对劳动力流入的影响则可能会高估互联网普及对劳动力流入的影响。基于此，文章拟基于空间计量模型考察互联网普及对劳动力流入的影响，同时具体分类考虑此种影响的时空异质性问题。

三、互联网普及对城市外来劳动力流入的影响机制

在信息化和数字化发展的过程中，互联网打破时空的限制，以往物化的空间距离被逐渐缩短和虚化。经济的数字化伴随经济的城市化，信息化作用下加剧要素碎片化，包括劳动力在内的生产要素的作用因微观化反而让市场竞争更加激烈，很难简单地说互联网是促进还是阻碍了城市外来劳动力的流入。

1. 就业机会的多样性：虹吸效应

劳动力流动的动力往往直接来自于货币性收益，比如获取更高的工资和更多的就业机会。互联网普及的作用下城市就业结构发生变化，可能会吸引劳动力流入城市。由于互联网引发经济结构及生产方式的革新，在带动既有产业更新换代的同时也孕育出一批新兴产业，例如快车、代驾、外卖、快递、微商、代购、自媒体等，与此同时新经济带来的就业机会与日俱增，城市外来劳动者前往城市生存的选择也变得更加多样。同时，由于互联网可以提供更加对称性的城市劳动力供求信息，即使面临失业，城市外来流入劳动者实现再就业也变得更加容易，就业者成功跳槽的概率也在增加，因而互联网普及进一步加大了劳动力市场的流动性(Kuhn&Skuterud，2002)。

2. 公共服务资源可及性：平台效应

在很大程度上，转入地所具有公共服务资源水平也是吸引劳动力流入的重要因素（夏怡然、陆铭，2015）。Ho & Tseng(2006)、Scheerder(2017)等学者研究发现，在互联网未普及的情况下，由于信息可获得的不对称性，尤其是信息甄别、利用和再加工等方面存在较大不平衡性，互联网普及对偏远地区劳动者的溢出效应要远远低于城镇居民。随着互联网普及的推广，互联网已成为人们娱乐、购物、教育、经济、工作、学习、生活的重要组成部分。按照中国互联网信息中心公布的统计数据，截至2017 年末，工作和学习时会使用互联网进行信息搜索的用户在电脑与手机端分别占比为74.9%和68.6%。互联网技术得到广泛应用，一方面各种类型的知识、教育资源通过互联网终端传送到网络遍及的各个角落，拓宽了公共资源的获取渠道，极大地提高了公共资源的共享程度；另一方面，全社会对互联网信息的处理和加工能力也得以提高，人们可以利用网络获取更多知识与教育资源来改善人力资本质量，包括劳动者在内的用户群体可以花费较少成本去获取新资讯，并掌握新技能，以此成为传统教育及培训体系的重要补充，推动人力资本素质的不断提高。此外，互联网技术的提高让远程医疗也成为现实。但这些公共服务的可及性和可获得性的显著提高就有可能弱化由于试图获取更多、更优质的公共资源而产生迁移的行为动机，从而对城市劳动力流入产生一定的牵制作用。

综上所述，互联网普及会通过虹吸效应和平台效应对我国劳动力流动产生影响，其最终显性影响效果将取决于两种效应的内外博弈。当虹吸效应占主导时,互联网普及会起到促进我国城市外来劳动力流入的作用；当平台效应占主导时,互联网普及则会起到阻碍我国城市外来劳动力流入的作用。

四、研究设计、变量与数据说明

1. 研究设计

Vega& Elhorst(2015)将广义嵌套空间模型的一般形式定义如下：

式(1)中，Y 代表N×1 的因变量向量，X 为N×K 的自变量矩阵，W 表示空间权重矩阵，ρ 和λ 代表空间相关系数，μ 为扰动项列向量。相应的，WY 和WX 分别代表因变量的内生交互效应和自变量的外生交互效应，Wμ 为扰动项的交互效应。Vega&Elhorst(2015)认为，由式(1)模型可以演化出众多不同形式的空间计量模型，具体而言：若λ=0，则模型退化为空间杜宾模型SDM；若θ=λ=0，则模型退化为空间自回归模型SAR；若λ=0 且θ=-ρβ 时，则模型退化为空间误差自相关模型SEM。这就意味着更加广义的空间杜宾模型SDM 包含空间滞后和空间误差模型这两个特例，采用空间杜宾模型可以使估计结果更加稳健。综上所述，尝试采用SDM 来探讨文章所要关注的问题，其模型的构建形式如下：

与式(1)不同的是，在式(2)中μ 为空间效应、λ 为时间效应、ε 为扰动项向量。LeSage&Pace(2009)认为在空间关联作用下，不仅样本个体的自变量变动会直接影响到其被解释变量，即产生直接效应，而且可能会影响到与之空间关联的样本个体的被解释变量，即具有间接效应。进一步，为控制序列相关，文章通过引入因变量的滞后项来构建动态空间杜宾模型，并探讨核心解释变量的短期和长期对被解释变量的直接与间接效应，以期得到更具现实意义的研究结论。

2. 空间权重矩阵的设定

文章主要采用地理邻接空间权重W 来衡量空间因素的重要性。具体而言，以两个地级市是否拥有共同边界来设定，若拥有共同边界则权重因子为1，否则为0。同时，考虑到各个邻接城市之间经济上的相互关系的强度、深度、广度并不完全一样，文章按照林光平等学者(2005)的处理思路，引入人均GDP 差额作为测度城市之间的“经济距离”指标，GDP 指标综合度高，能较好地体现各城市的经济发展水平状况，其具体计算公式为W*=W×E，其中矩阵W 是空间邻接矩阵，矩阵E 的主对角线元素为0，非主对角线(i，j)元素为，其中Yi是第i 个城市各个时期的GDP 均值，并将此空间权重的回归结果作为稳健性检验的内容之一。文章对上述两类空间权重矩阵W 和W*的数据均已通过归一化方法进行了行标准化处理。

3. 研究变量

（1） 被解释变量—劳动力流入。参考杨晓军(2017)等文献,以城市劳动力机械增长率，即城市就业人口与自然增长率两者的差值作为劳动力流入的衡量指标。

（2） 核心解释变量—互联网普及。以互联网为代表的信息技术迅速发展，极大地改变了人们的交往方式。选取各城市互联网宽带接入用户数来综合衡量互联网普及发展程度。

（3） 控制变量—市场化指数。借鉴刘文革等(2008)、宋春合和吴福象(2018)指标构造方法，采用市辖区城镇私营和个体从业人员占城镇单位从业人员总和比重来衡量市场多元化程度；经济开放度：采用外商直接投资在GDP 的比重来衡量；城市创新水平：采用寇宗来和刘学悦(2017)的城市创新指数来衡量，可以较为全面和合理地反映出城市创新水平；教育水平：中等教育在校学生数可以大致反映地区人力资本水平和劳动力结构，采用各城市中等教育学校在校学生数来衡量当地教育水平；公共服务水平：借鉴刘海云和毛海鸥(2015)，采用一般政府公共消费支出占GDP 的比重作为政府公共服务水平的衡量指标；城市聚集：采用市辖区年末总人口数与市辖区行政面积之比来衡量城市聚集程度；产业结构：借鉴原毅军和谢荣辉(2014)的做法，采用第三产业增加值与第二产业增加值比值来刻画产业结构高级化程度；经济发展：选取各城市的实际人均GDP 代表该区域经济发展水平。

4. 数据来源及描述性统计

囿于数据的可获得性，文章主要从历年《中国城市统计年鉴》和《中国区域经济统计年鉴》选出2001-2015 年间323 个地级城市，然后依次剔除研究期间城市行政区划和面积变更、缺失值过多以及孤岛型等城市，最终得到255 个地级城市作为研究样本。考虑到异质性问题，文章将除了劳动力流入之外的变量取对数化，其中对于零值变量情况统一加1 后再取自然对数处理，而部分地级城市指标缺失，选取外推法和插值法进行补充。进行上述处理后各变量的描述性统计的结果如表1 所示。

表1 主要变量描述性统计结果(N=3825)

五、基准实证结果分析

1. 空间计量模型识别及基准回归

Lee 和Yu(2010)认为，如果Baltagi(2005)提出采用中心化方法来直接估计时间和空间固定效应模型的话，所得出的系数估计值存在一定偏误，他们对此进行了误差修正。文章在此基础上，借鉴Elhorst(2014)的研究，采用Hausman 检验判断固定效应抑或随机效应，并采用Wald 和LR 检验空间杜宾模型(SDM)是否应该退化为空间自回归模型(SAR)或空间误差自相关模型(SEM)。需要说明的是，文章在Wald 和LR 检验进行最优计量模型检验存在不一致的情形时，优先以Wald 检验结果为准。相关检验结果见表2。

根据表2 所得的检验结果可知：Wald 空间滞后和Wald空间误差检验结果下，P 值均小于0.01，表明拒绝原假设，即SDM 为最优和合理的空间计量模型。根据Hausman 效应检验，模型应采用固定效应模型而非随机效应模型，同时按照LR时间和空间固定检验可知，模型适宜选用时间和空间双固定效应。综上所述，文章认为选择空间面板杜宾双固定效应模型作为实证模型是合适的，相关基准回归结果见表3。

表2 空间面板杜宾模型的统计检验

从表3 结果可以看出，互联网普及的估计系数通过1%的统计性检验且为负值，表明互联网普及会显著不会促进城市外来劳动力流入，反而会导致劳动力流出，这就说明在互联网普及对城市劳动力流动的过程中以共享效应为主，更多劳动力被分散在城市以外。从互联网普及与空间滞后的交乘项系数来看，其值为正，这表明邻近城市可以通过互联网发展带动本地劳动力流入，但未能通过显著性检验，这可能是因为我国互联网发展水平仍不均衡，邻近地区的相关产业与本地产业链的融入度还不高，难以共享地区产业协同集聚带来的就业红利。

表3 地理邻接空间权重矩阵下基准实证结果

表4 经济距离权重下时空双固定空间计量模型回归结果

2. 稳健性检验

（1） 基于不同空间权重矩阵的稳健性检验

前文主要是基于空间地理邻接权重矩阵，这是空间计量权重矩阵的主要形式，但是这种权重矩阵最大的不足是忽略了经济活动的空间相关性。因此，文章借鉴林光平等学者(2005)的研究，构建经济距离权重矩阵来检验研究结论是否稳健。表4的结果表明，采用经济距离权重矩阵适宜采用空间面板杜宾时空双固定效应模型，其回归估计系数的方向和显著性水平并没有发生根本改变，这表明上述研究结果稳健可靠。

（2） 基于模型内生性的稳健性检验

文章认为上述的估计可能会因为如下几点原因而产生一定的内生性问题：第一，由于数据的不可获得性等原因使得估计模型遗漏了其他影响劳动力流入的变量；第二，存在一定程度的逆向因果关系，换言之，互联网普及会影响城市劳动力流入。反过来，城市劳动力流入增长也会扩增互联网的使用需求。为了进一步克服上述可能存在的内生性影响，文章借鉴白俊红等(2017)的研究，使用有关内生变量的空间滞后项作为工具变量，基于SAR 模型采用系统GMM 方法进行稳健性检验。对于空间工具变量的选择与构建，Kelejian&Prucha(1998)研究认为Wng(In-δnWn)-1gXnβ 是理想的工具变量，但在实证研究层面则会因为δ 值的不确定而导致无法操作。为此，参考余泳泽和刘大勇(2013)的做法，并经实际检验，在地理邻接权重下使用Wglninternet、Wglnopen，在经济距离权重下使用Wglninternet、Wglnopen 和Wglnmarket 作为空间GMM 估计的工具变量。相关工具变量的检验及回归结果见表5。

表5 对空间工具变量的检验显示，在不同权重下所选取的空间工具变量同时满足不相关性和外生性，这意味着文章工具变量的构建是合适有理的。进一步通过与表3相关结果对比，发现互联网普及的回归系数的方向和显著性没有发生根本性变化，这表明互联网普及能够抑制城市外劳动力流入的研究结论也是稳健可靠的。

表5 两种空间权重矩阵下SAR 动态面板回归结果

六、互联网普及对城市外来劳动力流入影响的拓展性研究

1. 互联网普及的阶段性分析

我国互联网发展可以追溯到1995 年，中国电信在北京、上海开通了两个接入Internet 端口。到2001-2008 年，我国互联网经历从搜索到社交化网络的转变，并从2009 年开始，中国互联网发展进入了移动互联网时代。从中国互联网发展简史来看，2008 年是中国经济的分水岭，也是中国互联网经济和传统实体经济的分水岭。国际金融危机时期我国面临外部冲击和内部经济结构失衡的双重夹逼，这恰好为我国今后十年的互联网红利提供了发展契机。因此，2008 年是我国互联网的重要发展节点，抑或可能成为结构变化点。这种阶段性节点的出现是否会带来劳动力流入的差异性变化？为此，文章以2008 年为界，并以地理邻接和经济距离两个权重矩阵，从两个阶段分别研究互联网普及对劳动力流入的影响。

从表6 的结果上看，在第一个阶段，互联网普及的回归系数为负值，但并未通过任何显著性检验，这可能的原因是2008年以前，我国的互联网仍然是以传统线上业务为主的，主要是靠游戏和广告，它的普及度也不高，自然无法对城市劳动力流动带来显著的作用。但是，在第二个阶段，互联网普及的回归系数依然为负值，且通过1%的统计性检验，表明2008 年以后互联网普及显著地抑制了城市外来劳动力流入。对此可能的解释是，2008 年以后，随着我国互联网发展到移动互联网新时代，多元化多层次公共资源的获取途径大大解决了传统物理距离带来的发展阻碍，所以劳动者无需过度集聚于城市。

表6 分阶段下城市劳动力流入的回归结果（时空双固定SDM_FE 效应）

2. 互联网普及的区域异质性

林娟(2016)研究显示，在我国互联网发展初期，东、中、西三大地区的内部差异贡献率是导致地区差距产生的主要来源，但近十年区间差异的作用越来越突出，并赶超区内差异，加之区域劳动力流动并不相同，互联网普及对不同区域下城市劳动力流入的影响也可能不尽相同，因此中国三大地区间互联网发展效应的差异值得深入分析。为了进一步研究互联网普及对劳动力流入的影响，文章将样本城市分成东中西三大区域作为研究子样本，从区域层面（东部、中部和西部地区） 进行比较分析。结果见表7 所示。

表7 分区域下城市劳动力流入的归结果（时空双固定SDM_FE 效应）

从表7 三大区域的回归结果来看，在不同空间权重矩阵下，相关回归结果具有一致性，但区域间互联网普及对城市劳动力流入影响却存在一定差异，表现为西部地区互联网普及显著抑制该区域城市劳动力流入，但对东、中部地区城市的劳动力流入没有显著影响。

3. 互联网普及效应的长短期分解

LeSage&Pace(2009)认为点估计下的空间溢出效应的测度可能存在偏误，他们使用偏微分的方法分解了变量的溢出效应，据此文章对互联网普及进行长短期效应分解，得到表8。

表8 结果显示，在不同空间权重矩阵下，SDM的直接效应、间接效应回归结果在估计系数的方向与显著性方面基本一致。具体而言，互联网普及显著抑制了本市劳动力流入（直接效应），但却对存在空间关联城市（间接效应） 的劳动力流入没有显著影响（间接效应）；互联网普及的直接效应与间接效应也存在长短期的差异，直接效应的绝对变化均大于间接效应的。换言之，经过一段时间后，互联网普及影响并不会改变作用路径和方向，反而会得到大大增强。

表8 互联网普及效应的空间分解

七、主要结论及政策建议

互联网普及是中国现代市场经济发展的重要特征。现有的文献多关注互联网普及对就业以及劳动者收入的影响，不同于这些文献，文章关注互联网普及对劳动力迁移的影响。当前中国经济正处在经济快速发展和转型期，互联网及数字经济为经济社会发展注入了强劲动力。文章结合互联网普及的就业辐射效应和公共服务能力可及程度的提高，从理论上推导出互联网普及对城市劳动力流入具有一定的抑制作用的理论假说，基于选用2001-2015 年间全国255 个地级市数据，文章构建空间杜宾模型实证结果很好地支持了这种理论假说。进一步研究发现互联网普及可以通过直接效应显著抑制本市劳动力流入，但却未能通过间接效应影响周边城市劳动力流入，直接抑制作用在长短期内均存在，且长期这种作用会得到进一步增强；互联网普及的抑制作用存在阶段性差异，虽然从整体上看，互联网普及对劳动力流入的抑制作用显著，但是分阶段以后，仅在2008 年以后具有显著的影响；不同区域下互联网普及对劳动力流入的抑制行为并非一致，西部地区互联网普及显著抑制该区域城市劳动力流入，但对东、中部地区城市的劳动力流入没有显著影响。

文章的实证结果显示，当今信息化时代互联网在劳动力流动及城市化进程中起着不可忽视的作用，而合理有效推进互联网和经济社会融合发展并非自然而然发生之事，需要诸多因素支持。基于此，文章提出如下政策建议：

第一，正视互联网等信息技术对经济社会发展的综合影响。承接文章的研究结论，即互联网普及会抑制我国城市劳动力流入，这会在一定程度上不利于供给侧结构改革的深入推进，但是我们不能因噎废食，忽视互联网等信息技术对经济发展的巨大拉动作用，要趋利避害，降低并弱化互联网等信息技术给劳动力市场带来的消极影响。

第二，以“互联网+”推进全民社会保障体系的建设，构建城市劳动力流动的基础。传统依赖土地的社会保障观念不利于流动人口的稳定性，教育和医疗等现代城市基本公共服务对流动劳动力的保障还存在一定滞后，这些都将影响流动劳动力的自我投资以及社会融入，阻滞劳动力的自由流动。为此，应以信息化为支撑，进一步简化优化再造基本公共服务流程，积极推动数据共享和互联互通，落实“互联网+ 人社”行动计划，扩大医疗保险异地就医即时结算覆盖，推动社会保险关系转移接续顺畅，努力消除以教育和医疗为代表的非政策性户籍歧视，更好维护流动就业劳动者的社保权益。

第三，创新探索“互联网＋”经济发展模式，引导劳动、资本等要素流入并形成集聚效应。一方面，要加快产业结构升级，发展由“互联网+”衍生出的新经济、新业态等，为流入劳动力创造更多就业机会；另一方面，要利用互联网技术手段提升城市人才竞争层级，重视中西部城市和基层人才培养工作，着力打造人才向往、人才集聚的人才高地。以“人尽其才、人尽其用”为基本导向，合理鼓励东部和大城市人才的反向流动，有效规避人才资源的浪费和人力资源不平衡局面的加剧。