城市异质影响下的农民工市民化程度*——基于需求可识别双变量Probit和HLM模型的测度与分析

□ 刘 静 张锦华

内容提要 农民工市民化是新时代社会发展的必然趋势。利用2014年全国流动人口动态监测调查社会融合与心理健康专题数据，采用需求可识别双变量Probit 和HLM 模型测度并分析了农民工市民化程度及其城市异质性。研究发现：第一，我国农民工市民化程度较低，仅为46.05%。在需求侧，提升教育程度、参加技能培训、改善居住环境可以增强农民工的市民化意愿；在供给侧，教育程度高、进入城市早、省内迁移、具有相对固定居所和基本社会保障的农民工市民化供给更强。第二，我国农民工市民化程度因城而异，城市异质所导致的市民化差异高达30.22%。城市因素不仅可以直接影响农民工平均市民化程度，还可结构性地调整农民工个体层面因素与其市民化程度之间的关联强度。要提升农民工市民化水平，关键要为农民工树立人力资本培养意识、提供稳定居所和社会保障，并鼓励就近就地迁移。

一、引言

随着我国经济体制改革的不断深入以及迁移制度约束的逐渐放松，农村劳动力大规模向城市迁移，推动了我国城镇化的快速发展。与国外的城镇化不同，我国的城镇化经历了“农民向农民工转化”和“农民工向市民转化”两个阶段。国家统计局数据显示，截止2019年底，我国常住人口城镇化率已达到60.60%，而户籍人口城镇化率仅为44.38%，两者相差16.22 个百分点。这意味着，约有2 亿多农民工虽长期居住在城市，但并不具备市民身份，因此也无法享受与城市居民同等的就业、医疗、教育、社会保障以及住房等方面的待遇，成为游离于城市与农村之间的一个特殊社会群体。农民工是我国劳动力市场的中坚力量，更是维护我国经济社会持续稳定发展的重要保障，如何让有能力在城市稳定就业和生活的农民工实现市民化将是当前我国城镇化发展亟需关注和解决的问题。

研究农民工市民化问题的前提是明确农民工市民化内涵并对农民工市民化程度进行准确测度。然而，现有研究对农民工市民化的理解并不一致，这导致对农民工市民化程度的测度也呈现出多种不同形式。目前，学界对农民工市民化尚无权威定义和概念界定，对农民工市民化程度的测度方法大多是构建评价指标体系，采用等权重赋值法（宁光杰、李瑞，2016；程名望等，2017）、专家打分法（魏后凯、苏红键，2013）、算术平均加权法（苏丽锋，2017）或熵值法（王晓丽，2013）进行测度，也有学者通过构建非线性模型衡量农民工市民化进程（刘传江、程建林，2008；刘松林、黄世为，2014）。已有文献为本研究提供了大量的知识储备和真知灼见，但关于农民工市民化内涵的探讨忽视了农民工自身对市民化的理解，部分文献甚至将农民工市民化与农民工城市融入的概念混淆，指标体系的构建和评价方法的选取也值得进一步商榷。除此之外，现有研究大多是针对某个城市或者某个省份进行的调查，样本量较小，研究结论存在局限性，难以全面反映农民工市民化的真实情况。

实际上，农民工市民化是完成了职业转变的农村剩余劳动力克服种种障碍并最终转变为市民的现象（许抄军等，2015），包括农民工职业、社会身份、 自身素质以及意识行为四个层面的市民化（徐建玲，2008）。当前，大量农民工长期在城市就业和生活，他们已在生活方式、行为方式和意识形态上逐渐与市民趋同，有很多“农民工二代”甚至是在城市出生和长大。然而，对绝大多数农民工而言，城市并未给予其市民身份。也就是说，这部分农民工实际上已有市民之实（实际市民化），但并无市民之名（名义市民化）。在我国基本公共服务不均等的环境下，这部分农民工表现出了强烈的市民化意愿和诉求（潘烜、程名望，2014），他们追求的不仅仅是户籍的变化，更是为了消除隐藏在户籍背后的公共服务的歧视性差异。由于不同城市承载力不同，提供的就业机会和公共服务有限，因而城市也需要相匹配的市民化门槛去控制人口流动、维持平衡。可见，在测度农民工市民化程度时，不仅要考察农民工的市民化需求，还要同时考察城市的市民化供给。

农民工市民化是一项长期的、渐进的过程，不仅受微观个体层面因素的影响，还与城市经济发展水平、 政策环境以及生活背景等宏观区域因素密切相关。已有研究表明，地域差异对农民工市民化有明显的影响（戚伟等，2016；李海波、张延吉，2020），不同城市隐含的经济发展水平、资源配置能力、承载力状况、人力资本需求的差异会直接导致农民工市民化进程的显著不同（叶俊焘、 钱文荣，2016）。不仅如此，农民工又是生活于城市之中的，其个体层面因素也可能会受到当地社会经济特征的影响而对市民化起到不同的作用。那么，农民工市民化程度是否存在显著的城市差异？ 如果这种差异存在，城市层面因素对农民工市民化程度产生了怎样的影响？ 对农民工个人层面因素又产生了怎样的作用？ 当前的市民化应该选择怎样的路径及制度安排？ 对上述问题的解答不仅有利于新形势下农民工市民化理论的丰富和完善，也有助于转型期农民工市民化的有效治理。

鉴于此，本文拟采用需求可识别双变量Probit模型对农民工市民化程度进行有效测算，并利用HLM 模型量化分析农民工个体层面因素和城市层面因素对市民化程度的影响机理及作用路径。本文突破了以往研究将农民工市民化需求与市民化供给相割裂的局面，避免了单方程分析的信息不充分并有效克服了问卷测度偏差，此外，对农民工市民化程度城市异质性的考察也可为相关部门政策制定提供相应的科学依据及决策参考。

二、分析方法与计量模型

（一）农民工市民化程度测度

农民工市民化程度既取决于农民工的市民化需求，又取决于城市的市民化供给，二者缺一不可。然而，由于各城市落户政策不同，很难找到直接测度农民工市民化供给的指标。由于政府依据市场需求和容量来决定农民工落户城市的指标，因此需要农民工达到落户城市的门槛水平，即具备一定的市民化能力（胡雯等，2016），从经济学原理来看，农民工市民化是一个意愿与能力相匹配的过程，在主体主观意愿和相关能力的共同作用下才可能得以完成。具体而言，农民工需同时具备以下两个条件才可转化为市民： 一是具有在城市落户的意愿，二是具有在城市生活的能力。本文采用需求可识别双变量Probit 模型测度农民工市民化程度及其影响因素。

只有同时具备市民化需求（yd=1）和市民化供给（ys=1）时，农民工才会转化为市民。进一步地，将农民工市民化行为记作y，则有：

其中，yd是可以通过调查观察到的，故可单独估计，而ys的估计存在样本选择偏差问题，需要审查数据（黄祖辉等，2009）。因此，本文采用极大似然法对方程进行估计，对数似然函数如下（Poirier，1980）：

Φ（·）为单变量累积正态分布函数。借鉴李锐、朱喜（2007）和周密等（2012）的测度方法，采用Pr（yd=1｜ys=1）表示农民工市民化程度，即用农民工具有市民化供给的条件下具有市民化需求的概率表示农民工的市民化程度。

（二）农民工市民化程度的城市异质性考察

农民工市民化程度是农民工个体特征和城市因素共同作用的结果，由于农民工长期工作和生活于城市之中，同一城市农民工在相同的城市环境下可能具有更大的相似性。为了解农民工市民化程度是否存在显著的城市差异，以及如果这种差异存在，城市因素对农民工市民化程度的影响机理为何，采用HLM 模型对农民工市民化程度作进一步研究。HLM 模型可以有效连接宏观区域数据与微观个体数据，明确区分社会场景变量与个体特征变量对农民工市民化程度的影响，并考察社会场景变量对个体特征变量的调节效应。具体而言，将农民工市民化程度分解为个体层面和城市层面两部分，两层模型表述如下：

1.零模型

构建如下零模型：

式中，smhcdij表示来自城市j 的个体i 的市民化程度，β0j为j 市农民工的平均市民化程度，γ00是固定效应，代表所有农民工市民化程度的总平均数，rij代表j 市的个体i 的市民化程度与该市农民工平均市民化程度之差，是个体层次的随机误差，u0j代表城市j 与总平均数γ00之差，是城市层面的随机误差。

2.完整模型

在零模型中进一步加入个体层面和城市层面的变量，构建如下完整模型：

其中，个体层面的预测变量包括教育程度、技能培训、进入城市的年龄、迁移范围、性别、婚姻状况、住房属性、社会保障以及家庭经济状况；城市层面的预测变量包括所在城市农民工相对规模、城市购房压力和城市经济发展水平，分别用农民工占常住人口比重、 住房均价与人均可支配收入的比值、 城市人均GDP 的对数来衡量；γ00-γ100为城市层面模型的截距项；γ01、γ02、γ03、γ11、γ31为变量的待估系数；u0j-u10j为随机误差项。

三、数据来源与变量说明

（一）数据来源

本文采用2014年全国流动人口动态监测调查社会融合与心理健康专题数据，该调查采用PPS 抽样，调查对象为在北京、青岛、厦门、嘉兴、深圳、中山、郑州和成都8 市（区）居住一个月及以上的流动人口，样本总量16000 人，调查数据涵盖家庭情况、就业居住、社会融合和心理健康等方面的详细信息。由于研究的是农民工市民化问题，故剔除了流动人口中的非农户籍样本，选择劳动年龄（男性16-60 周岁，女性16-55 周岁）具有一定工资收入的农民工作为研究对象。由于一些地区进行了户籍制度改革，取消了农业户口，因此，所选样本中也包含了少量持有农业转居民户口的农民工，共计154 人。同时剔除因婚嫁、学习、培训、探亲而迁移的农民工，只选取务工经商的农民工作为分析样本。去掉关键变量缺失的样本后，得到有效样本12037 人。城市层面数据均来自各地相应年份统计年鉴。

（二）变量说明

1.被解释变量

市民化需求。市民化需求包括显性需求和潜在需求两类，通常，农民工会综合自身情况及城市相关政策作出是否愿意把户口迁入城市的决策，然而，这一决策往往存在一定的主观性，部分农民工可能具有强烈的落户意愿，但考虑到当前的制度约束或自身能力的可及性，故做出不愿把户口迁入城市的决策，一旦户籍制度放开或其他约束条件破除，这部分农民工极有可能落户城市（即具有潜在市民化需求）。同时，对于那些明确表示愿意落户城市的农民工（即具有显性市民化需求），也应进一步识别其市民化需求的有效性。

具体识别方式如下：首先，将调查中明确表示愿意将户口迁入本地的农民工视为具有显性需求，其余农民工进入第二轮识别。其次，将调查中认为自己是属于这个城市的农民工视为具有潜在需求，其余农民工视为无市民化需求，赋值为0。最后，对于具有显性需求和潜在需求的农民工，将调查中认为自己在当前居住地社会地位较高（收入较高、职业较好）者的需求视为有效需求，赋值为1，其余农民工的需求视为无效需求，赋值为0。具体识别路径如下图所示（图1）。

图1 农民工市民化需求的识别

市民化供给。借鉴周密等（2012）的做法，将调查年农民工工资收入高于当年打工城市人均可支配收入的农民工视为具备市民化供给，赋值为1，表示城市愿意给予其市民身份，反之则赋值为0。市民化需求和市民化供给的识别结果如表1 所示。

表1 市民化需求和市民化供给的识别情况

2.解释变量

本文选取农民工的人力资本特征（如受教育年限、技能培训、进入城市的年龄、迁移范围）、住房和社会保障特征（如住房属性、社会保障参保情况）作为主要解释变量，同时控制了农民工的性别、婚姻状况、家庭经济状况以及务工所在城市。随着我国社会经济的日益发展，人力资本逐渐成为影响农民工市民化的关键因素，较高的人力资本存量不仅能够促进农民工的户籍转换意愿，也能够提升农民工的职业适应性，使其获得向市民转化的能力（王竹林，2010；秦立建、王震，2014）。然而，也有部分研究提出了不同观点，认为人力资本对农民工市民化意愿的影响甚微（黄锟，2011；叶鹏飞，2011），因此人力资本因素在农民工市民化进程中的作用还有待检验。同时，住房和社会保障也会对农民工市民化意愿及其市民化进程产生重要作用和影响。有相对固定居所和基本社会保障的农民工居住和生活的稳定性更高，市民化意愿也更强烈（王桂新、胡健，2015）。

3.识别变量

联立方程模型的识别问题是不容忽视的，在模型的识别方面，根据Rothenberg（1971）提出的一般原则，选用“邻居是否主要是本地人”、“老家是否有事情让您操心”作为需求方程的识别变量。邻居是否为本地人一般不会影响农民工的工资收入，但若与市民为邻，则表明其更向往城市生活、更倾向于融入城市，即更具市民化需求。同样，老家是否有事情操心也不会影响农民工的工资收入，但可能会对农民工市民化需求产生阻碍。此外，选用“职业阶层”、“迁入现居地时间”作为供给方程的识别变量。尽管我国的市场化程度在不断提高，但城市劳动力市场的多重二元分割格局仍然存在，不同职业阶层农民工收入差异明显，市民化供给能力相异。借鉴谢桂华（2014）的职业划分方式，将农民工职业分为管理技术类职业和非管理技术类职业两个阶层。农民工迁入现居地的时间能够间接反映农民工的工作经验和社会适应性，迁入现居地的时间越长，农民工定居能力也越强。但农民工对市民的偏好具有稳定性，通常不会随职业阶层的变化以及迁移时间的长短而发生改变。

（三）主要变量的描述性统计

在个人特征方面，农民工整体受教育程度以初中为主，平均受教育年限约为9.98年，这表明目前农民工的教育水平依然较低； 接受过技能培训的农民工占样本总量的30.09%；农民工进入城市时的平均年龄约为24 岁；53.16%的农民工为跨省迁移； 有相对固定居所的农民工占78.36%；有社会保障的农民工占34.60%； 男性农民工占58.24%，已婚农民工占71.67%，农民工家庭平均收支余额约为2774 元。此外，20.21%的农民工与本地人为邻，79.17%的农民工老家中有事情需要操心，仅有7.51%的农民工从事管理技术类职业，农民工迁入现居地的平均时间约为5年。在城市特征方面，农民工占常住人口比重为37.42%；住房均价占人均可支配收入的比例为37.80%；城市人均GDP 均值约为9 万元。各主要解释变量的描述如表2 所示。

表2 主要解释变量的描述性统计

四、实证结果分析

（一）农民工市民化程度测度

运用样本数据，对需求可识别双变量Probit模型进行估计，结果如表3 所示。

表3 需求可识别双变量Probit 模型的估计结果

1.需求方程估计结果

第一，人力资本方面，教育程度和技能培训显著影响农民工的市民化需求。教育程度越高，农民工市民化需求越大。究其原因，不同教育程度农民工对城市认识程度不同，教育程度高的农民工对自身期望也更高，有更为强烈的留城取向。同时，由于教育程度高的农民工通常具备较强的物质资本获取能力，其心理迁移成本相对较低。参加过技能培训的农民工市民化需求更高，这是由于参加技能培训可以提升农民工在城市的生活能力和就业竞争力，使农民工能够迅速积累融入城市所需的人力资本，进而增强其向市民转化的意愿。进入城市的年龄及迁移范围对农民工市民化需求的影响并不显著。第二，住房属性显著影响农民工市民化需求。良好的居住环境可以增强农民工在城市的归属感，因而其市民化意愿也更强烈。第三，控制变量方面，除性别影响不显著外，婚姻状况、家庭经济状况均对农民工市民化需求产生显著影响。已婚、家庭经济状况好的农民工，其市民化需求更高。已婚农民工可能更想要在迁入城市安定下来，而优越的家庭经济条件能够让农民工支付得起在城市生活所需的各种成本，更好地融入城市。第四，与本地人为邻的农民工以及老家无事操心的农民工具有更高的市民化需求。可能的解释是，与本地人为邻的农民工无论在生活还是工作信息获取上，都与本地人享有相对平等的机会，这有利于农民工穿越“隐性户籍墙”（周密等，2012）。老家中老人赡养、子女照看、土地耕种等问题无疑会增加农民工在城市生活的心理调试成本，弱化其市民化发展意愿，相反，若老家中无事挂碍，一方面可以降低农民工市民化的心理成本，另一方面也可以增强其适应城市生活的可能性。

记：“四个全面“中，全面依法治国是很重要的一点；但现在，有法不依、执法不严的情况时有发生。您认为全面依法治国还存在哪些困境？该如何破局？

2.供给方程估计结果

第一，在人力资本方面，教育程度、进入城市的年龄及迁移范围对农民工市民化供给具有显著影响。教育程度越高，农民工市民化供给越强，这是因为教育程度高的农民工更容易跨越市民化的最低门槛。农民工进入城市的年龄每增加1 岁，其市民化供给将下降1.03 个百分点，这是由于政府对其给予户籍身份的农民工有年龄上的要求，故进入城市的年龄越大，其市民化供给越低。与跨省迁移农民工相比，省内迁移农民工具有更高的市民化供给，这表明农民工在本省范围内迁移具有明显的优势，更容易实现市民化。值得一提的是，技能培训对农民工市民化供给的影响并不显著。由于数据所限，本文采用的技能培训是指政府提供的免费技能培训，虽然包括就业技能、 实用技术、岗位及晋升培训，但政府提供培训的目的可能更多是出于劳动力的需要，而非市民化的需要，故政府提供的免费技能培训无法对农民工市民化供给产生显著影响。第二，住房属性和社会保障显著影响农民工市民化供给。相对固定居所和基本社会保障可以提升农民工抵御风险的能力，使农民工在居住、生活上的稳定性更高，更容易融入城市社会，因而市民化供给较强。第三，控制变量方面，性别、 婚姻状况以及家庭经济状况均显著影响农民工市民化供给。男性、已婚农民工具有更高的市民化供给，家庭经济状况好的农民工具备市民化供给的经济基础，更有能力在城市定居。第四，职业阶层越高、 迁入现居地时间越长的农民工越可能具有成为市民的能力。职业阶层高的农民工工资收入较高，社会地位也较高，具有一定的城市关系网格，更有能力定居城市。农民工在城市居住的时间越长，跟当地居民的交往越密切，这使其在促进职业转换、 提高职业阶层等方面具有更多的信息，进而更具市民化供给。作为供给方程的一个回归元，rho 在1%的统计水平下显著，表明需求方程显著影响供给方程，存在样本选择偏差问题，故本文采用需求可识别双变量Probit 模型进行系统估计是正确的。

3.市民化程度预测结果

通过对模型预测可知，农民工总体市民化程度仅为46.05%，市民化水平较低。为进一步考察农民工市民化的城市差异，本文根据城市化水平及经济发展水平将农民工务工城市划分为三类，即一线城市（北京和深圳）、二线城市（青岛、厦门、郑州和成都）和三线城市（嘉兴和中山）。其中，一线城市农民工2419 人，占样本总数的20.10%；二线城市农民工6429 人，占样本总数的53.41%；三线城市农民工3189 人，占样本总数的26.49%。通过进一步预测发现，农民工市民化程度二线城市最高、 三线城市次之、 一线城市最低，分别为48.06%、45.69%和42.42%，具体预测结果如表4所示。可能的解释是，相比一线、三线城市，二线城市的工业、现代服务业发展迅速，仍需要大量劳动力，对农民工进城及市民化大多采取鼓励的办法，故市民化供给较高； 二线城市经济水平比三线城市发达，生活压力比一线城市小，故市民化需求也较高。进一步地，城市间农民工市民化程度的差异，可能是由农民工的个体特征差异所造成的，也可能是由城市异质所导致的。与此同时，在不同的城市，农民工的个体特征也可能会受到当地社会经济特征的影响，而对其市民化起到不同的作用。那么，城市因素对农民工市民化程度究竟产生了怎样的影响？ 对农民工个人层面因素又产生了怎样的作用？ 为深入了解造成城市间农民工市民化程度差异的原因，故采用HLM 模型对农民工市民化程度进行分解。

表4 市民化程度的预测结果

（二）农民工市民化程度的城市异质性考察

HLM 模型将农民工市民化程度差异分解为个体层面和城市层面两部分，具体回归结果如表5 和表6 所示，重点就城市变量对农民工市民化程度的影响以及城市变量对个体变量的调节效应进行分析。

1.农民工市民化差异的分解

零模型的回归结果如表5 所示，在方差成分中，模型估计得到的个体层面方差为0.0628，城市层面方差为0.0272（P<0.001），这意味着城市间农民工市民化程度存在显著性差异。进一步计算可知，零模型的跨级相关系数ICC 为30.22%（ICC=τ00/（τ00+σ2）=0.0272/（0.0272+0.0628）=0.3022），表明农民工市民化程度因城市而异，且农民工市民化程度总体变异中的30.22%是由于城市之间的差异引起。城市因素对农民工市民化程度的影响虽不如个体因素的影响大（69.78%），但也具有相当的解释力。因此，需深入考察城市特征影响农民工市民化程度的作用机制。此外，根据Cohen（1988）建立的判断准则，当ICC 大于0.059 时就需要在统计建模处理中考虑如何处理组间效应，因而采用HLM 模型进行分析是合理的。

表5 零模型回归结果

2.城市特征对农民工市民化的影响机制

完整模型的估计结果如表6 所示。研究表明，城市特征影响农民工市民化程度的路径主要有两个：第一，城市特征可直接影响农民工的平均市民化程度。具体而言，城市购房压力与农民工市民化程度具有较强的负相关性 （系数值为-0.0720，且在5%的统计水平下显著），即购房压力越大（住房均价与人均可支配收入的比值越高）的城市，农民工市民化程度越低。住房均价与人均可支配收入比越高的城市，农民工市民化过程中所要支付的成本越高，所以农民工更愿意到大城市赚钱，去小城镇定居（陈广桂，2004），这种现状对农民工的市民化形成阻滞。城市经济发展水平与农民工市民化程度具有正相关性（系数值为0.0037），城市农民工相对规模（农民工占常住人口比重）对农民工市民化程度的影响是负向的（系数值为-0.0076），即经济发展水平越高的城市市民化程度越高，农民工相对规模越高的城市市民化程度越低，但均不显著，这也在侧面反映出农民工市民化逐渐趋于理性。

表6 农民工市民化程度的多层线性模型回归结果

第二，城市特征对农民工市民化程度的影响还体现在对个体变量的调节效应上。城市经济发展水平可以较为明显地强化人力资本与农民工市民化程度之间的正向关联，也就是说，越是在经济发展水平高的城市，人力资本对农民工市民化程度的影响越大。具体而言，教育程度越高的农民工，其市民化程度也越高，但在不同的城市，教育程度与农民工市民化之间的关联强度存在差异。从模型结果来看，城市经济发展水平（系数值为0.0012，在10%的统计水平下显著）可以较为明显地强化教育程度和农民工市民化程度之间的正向联系（系数值为0.0101），即城市经济发展水平可能会提升受教育程度高的农民工的市民化程度。类似地，城市经济发展水平（系数值为0.0105，在5%的统计水平下显著）也可以较为显著地强化技能培训和农民工市民化程度之间的正向相关（系数值为0.0466）。

五、结论与启示

利用2014年全国流动人口动态监测调查社会融合与心理健康专题数据，本文测度了我国农民工市民化程度及其城市异质性。研究发现：第一，我国农民工市民化程度较低，仅为46.05%。在需求侧，提升教育程度、参加技能培训、改善居住环境可以增强农民工的市民化意愿；在供给侧，教育程度高、进入城市早、省内迁移、具有相对固定居所和基本社会保障的农民工市民化供给更强。第二，我国农民工市民化程度因城而异，城市异质所导致的市民化差异达到30.22%。城市因素不仅可以直接影响农民工平均市民化程度，还可结构性地调整农民工个体特征与其市民化程度之间的关联强度，如城市购房压力的增大可直接降低农民工的市民化程度，城市经济发展水平可较为明显地增强教育程度、 技能培训与农民工市民化程度之间的正向关联。综合供需两方面的分析结果及城市层面因素的考察，提升农民工市民化水平的关键在于为农民工树立人力资本培养意识、提供稳定居所和社会保障，以及鼓励就近就地迁移。

从研究中我们得到如下启示： 一是要让农民工充分认识到人力资本的重要性，不断积累社会发展所需的知识和技能，使自己的人力资本得到增值。二是发展多样房源，使有意愿、有能力长期定居的农民工获得固定居所，实现永久性迁移。三是建立覆盖农民工的社会保障和公共服务制度，逐渐消除农民工与市民之间公共服务的歧视性差异。四是提升中小城市经济发展水平，强化产业发展，鼓励农民工就近就地市民化。此外，在农民工落户问题上，政府不能只考虑精英落户，更要全方位考虑人才属性；不能仅考虑短期成本，更要考虑人口红利和远期收益。只有给予农民工足够的关注和待遇，免除其后顾之忧，才能使农民工更好地融入城市，为城市做出自身的贡献。

注释：

①技能培训是指农民工参加的政府提供的、不收取任何费用的各类培训，一方面包括与就业、职业活动有较大关系的培训，如就业技能培训、实用技术培训、岗位培训、晋升培训等，另一方面包括其他的生活技能或健康知识培训。

②指农民工是否具有失业保险、城镇职工养老保险或城镇居民养老保险。

③选取家庭收支余额（即农民工家庭平均每月总收入减去平均每月总支出的差额）现值来衡量农民工家庭的经济状况。

④主要指老家中是否有老人赡养、子女照看、土地耕种等问题需要农民工操心。

⑤管理技术类职业包括国家机关、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，非管理技术类职业包括商业服务业人员、农林牧渔水利业生产人员、生产运输设备操作人员及有关人员、无固定职业和其他不便分类的从业人员，将职业分为两类而不是保留多个类别是为了区分职业地位的差异。