我国超大城市高学历外来人口外迁决策研究

胡磊 刘亦爽 时笑

摘 要： 近年来，世界主要超大城市都出现了大量高学历人口离开的现象，我国的“北上广深”也不例外。人才是城市发展的第一资源，研究我国超大城市高学历外来人口的外迁决策对于人力资本的空间均衡分布具有积极意义。在此背景下，对高学历外来人口在面对超大城市的高收入、高住房成本和较少子女教育机会与潜在目的地城市的较低收入、较低住房成本和较多子女教育机会两种资源组合时如何作出迁留选择进行研究。基于北京市的调查数据，在个体微观层面，围绕子女教育和住房进行成本—收益分析，构建预期净收益差距变量，并以等待的期权价值为理论视角，结合限制性立方样条和Logistic回归模型对预期净收益差距对外迁的影响进行实证分析。研究发现，预期净收益差距对外迁有非线性的阈值效应。具体地，当预期净收益差距小于某个正的阈值时，高学历外来人口离开超大城市的可能性很小，他们将留在超大城市。

这个阈值大于预期迁移成本和等待的期权价值之和。只有预期净收益差距超过这个阈值后，高学历外来人口才有较大可能性离开超大城市，并且随着预期净收益差距继续增大，个体外迁的概率呈加速增大的趋势。我国城市若要在“抢人大战”中占据优势，超大城市应采取措施来提高人才从子女教育获得的收益和降低他们的居住成本，其他规模相对较小的城市不仅要优先考虑提高基础教育公共服务的质量，还要在住房领域推出比超大城市更有力的优惠措施。

关键词：高学历外来人口；外迁；预期净收益差距；等待的期权价值；北京

中图分类号：C922

文献标识码：A

文章编号：1000-4149（2023）04-0088-18

DOI：10.3969/j.issn.1000-4149.2023.00.012

一、问题的提出

人才是城市发展的第一资源。近年来，西方发达国家和发展中经济体都出现了大量青年高学历人口离开超大城市的现象。《人民日报》援引国内知名公司的报告称，2019年“北上广深”高学历人口向一些省会城市和新兴大城市的净流出率为0.58%，较2018年同期增加0.05%【人民日报海外版.人才市场供需两端竞争都在加剧［EB/OL］. （2020-01-15）［2022-01-24］.

http：//finance.people.com.cn/n1/2020/0115/c1004-31548964.html 】。由于没有超大城市的户口，高学历外来人口享受不到某些凭户口才能获得的资源和权利，导致他们生活在高度不稳定之中［1］，从而有很大可能性离开超大城市。结合第七次全国人口普查数据和2018年中国流动人口动态监测调查数据【该数据由国家卫生健康委员会流动人口数据平台（http：//www.chinaldrk.org.cn）提供。】估算，2018和2019年“北上广深”高学历外来人口流出的规模都达到几十万。

高学历外来人口为什么从超大城市迁移到其他城市？这既与迁出地又与迁入地的诸多因素有关。在该迁移决策情景下，超大城市是迁出地，其他城市是迁入地。依据推拉理论，迁出地和迁入地都同时存在拉力和推力。如果将高工资和良好的公共服务看作迁出地的拉力［2］，那么高房价便是人才从超大城市外迁的一個推力因素［3-4］，而因户口限制导致子女无法获得与本地学龄儿童相同的教育机会是另外一个推力因素。有学者指出，城市公共教育扩张和子女接受公共教育的机会是高技能人才迁入城市的关键决定因素［5］，由此推断，基础教育质量是迁入地的一个拉力因素。

尽管厘清了收入、住房和子女教育这些关键决定因素，但仍然不清楚的是，超大城市高学历外来人口在面对两种资源组合时将如何作出迁留选择。一种组合是超大城市的高收入、高住房成本和较少子女教育机会，另一种是潜在目的地城市的较低收入、较低住房成本和较多子女教育机会。若选择前者，个体会留在超大城市；若选择后者，个体会离开超大城市。本文认为，高学历外来人口会在对迁入地和迁出地的资源进行综合成本—收益分析的基础上作出理性决策。那么，只要净收益大于迁移成本，个体就离开超大城市吗？若不是，又需要满足什么条件？本文将在效用最大化框架下，同时考虑迁入地和迁出地的货币化的经济收益和非货币化的城市公共服务水平，在个体层面上对高学历外来人口的外迁决策进行实证分析。参考刘旭阳和原新的研究［6］，本文的“高学历”是指本科及以上学历。

本研究的贡献主要有两个方面。第一，相关研究发现，迁入地与迁出地的工资或收入差距是迁移的驱动因素，分析情景包括乡城劳动力迁移［7-8］、欠发达国家人口向发达国家迁移［9-10］、城市或地区间的人口迁移［11-12］。但在高学历外来人口离开超大城市的情景下，工资或收入差距并不是主导因素，因为超大城市的人均收入水平通常要高于规模较小的城市，即迁入地与迁出地的收入差距一般是负值。鉴于此，本文构建迁入地与迁出地的“预期净收益差距（expected net returns differentials）”变量来探寻个体外迁的动力因素。第二，现有基于地区加总数据的模型［13-14］难以在个体层面上刻画个人的效用，针对这个不足，本文将经济和公共服务因素同时纳入个体效用函数，围绕子女教育和住房进行成本—收益分析，以揭示超大城市高学历外来人口的外迁决策机制。研究我国超大城市高学历外来人口的外迁决策对于人力资本的空间均衡分布具有积极意义，在当前我国城市之间“争夺”人才愈发激烈的背景下，本研究为评估城市引才聚才政策的成效提供理论参考。

二、理论分析框架

1. 文献评述

已有文献大多聚焦乡城劳动力迁移。托达罗（Todaro）指出，农村劳动力向城市迁移不仅取决于城乡之间的预期实际收入差距，还受劳动力在城市现代部门找到工作的概率的影响［15］。信用约束理论认为，农村一部分劳动力因为太贫穷而支付不起迁移费用，又因农村信用市场的不完善他们很难借到资金，因此，即使迁入地与迁出地的收入差距等于迁移成本，这部分农村劳动力也不会立即迁移［7］。又有观点认为，本地借款困难也可能增大农村劳动力向城市迁移的概率，因为农村家庭将家庭成员向城市迁移当作一种对农业投入进行融资的手段［8］。显然，信用约束理论不适合解释超大城市高学历外来人口的外迁行为，因为他们一般不存在支付不起迁移费用的问题。

费恩（Faini）和文图里尼（Venturini）认为，对高收入群体来说，留在当前居住地是一种正常物品（normal good），他们的迁移倾向会随着收入的增长而降低。因为他们尽量避免因迁移到陌生环境所造成的心理成本和避免损失原有社会关系，只有地区间的工资差距高到足以抵消迁移成本时，迁移才可能发生［9-10］。伯达（Burda）等对20世纪90年代初德国“东—西”人口迁移意愿研究的结论支持这个观点［11］。不过，如前所述，我国规模较小城市与超大城市的收入差距通常是负值，高学历外来人口不大可能受收入差距的驱动而离开超大城市。

还有一些学者利用实物期权理论来刻画人口迁移的决策过程。伯达认为迁移决策具备投资决策的三个特征：一是投资成本不可逆转和不可恢复；二是投资面临的条件不确定；三是投资机会可以在当前也可以在未来实现，投资前的等待具有正向的价值［16-17］。伯达进一步论述，迁移决策具有等待的期权价值（the option value of waiting）。他将个体对未来是否迁移的选择权看作期权，若个体选择迁移，等同于执行这个期权，个体也可以选择不迁移，即不执行期权。由于迁移后的收入增长、生活水平提高和社会福利增加等未来的回报不确定，期权具有价值。若要执行期权，预期收益不仅要超过迁移成本，还要超过期权本身的价值［16］。奥康奈尔（OConnell）则指出，迁移决策的条件不确定包括迁入地当前的条件未知和迁出地与迁入地未来的条件都未知两种情形，两者对迁移决策都存在影响［18］。巴齐尔（Basile）和利姆（Lim）发现，美国地区间的人口迁移符合等待的期权价值理论，当地区间的工资差距稍微大于迁移成本时，人们并不是马上迁移，而是留在本地等待，只有等到工资差距超过迁移成本一段距离后，人们才会迁移［12］。当前我国各个城市加速推进产业调整和升级，社会发展日新月异，超大城市高学历外来人口在作外迁决策时面临较大的不确定性，迁移行为很可能具有可拖延性（procrastination）。

2. 理论假说

迁移是个人实现效用最大化的一种手段［19］，个人基于迁入地和迁出地的成本—收益分析作出理性决策。假定迁移决策取决于货币化的经济收益和非货币化的城市公共服务水平，城市公共服务重点考察子女教育。

考虑超大城市高学历外来人口在作外迁决策时的效用最大化模型，个体在选择迁到何处时面临着众多目的地城市，假定个体i选择迁移至城市j的间接效用（Vij）表示为：

max｛Eij，Xij，Aj｝Vij=V（Eij，Xij，Aj）

s.t. Iij=Eij+Hij+Xij+Aj+Sij（1）

其中，Iij表示个体i在城市j的收入，包括工资、理财及出租房屋收入等。由于本文重点关注子女教育和住房因素，因此假定支出分为子女教育支出Eij、住房支出Hij、其他消费品支出Xij和其他基本公共服务支出Aj（价格都标准化为1）。假定所有个体享受的基本公共服务都相同。Sij代表储蓄。

那么，个体i在城市j的净收益表示为：

NRij=Vij-Cij=V（Eij，Xij，Aj）-（Eij+Hij+Xij+Aj）（2）

其中，Cij表示个体i在城市j生活所花费的总成本，假定其等于上述四项支出之和。

个体i的外迁决策要计算从潜在目的地城市j和迁出城市o获得的净收益的差值，本文称之为“预期净收益差距”，表示如下：

ENRioj=（Vij-Cij）-（Vio-Cio） （3）

其中，Vio表示个体i在迁出城市o的总收益，Cio表示相应的总成本。若j=o，说明个体选择留在超大城市，预期净收益差距等于0。

用Mioj表示个体i迁移至城市j的预期迁移成本。根据迪克西特（Dixit）的观点，在确定性条件下，当预期净收益差距大于预期迁移成本时，个体立即外迁［17］。在此条件下，设i“进入”超大城市的时刻是0，TM1是i外迁的时刻，那么，个体外迁的临界条件表示为：

NPVM1=∫TM10ENRioj（·）e-ρτdτ-∫TM10Mioj（·）e-ρτdτ=0（4）

其中，NPVM1是个体i从迁出城市o迁移至潜在目的地城市j时的净现值。

ENRioj（·）是预期净收益差距的函数。

Mioj（·）是迁移的成本函数，若j=o，迁移成本等于0。e-ρτ是贴现率等于ρ的贴现因子，τ是积分变量。

迁移成本包括机会成本【 严格来讲，经济学视角下的“成本”与“机会成本”是同义语，本文根据语境需要选择相应的表述形式。】、

交通花费等货币成本和环境改变造成的心理成本三个部分［20］。机会成本可以理解成假定个体未迁移时在迁出地预期获得的整个收入流，对应的收益则是个体迁移至目的地后预期获得的整个收入流。实际上，方程（4）中的预期净收益差距已经将迁移的机会成本计算在内，故此处只考虑货币成本和心理成本。假定这两部分成本在相应时期内是固定值Mfixed。并且，设τ=0是个体“进入”超大城市的时刻，假定个体对效用函数中相关参数的期望在τ=0至τ=TM1的时期内与τ=0时相同，且所有个体有相同的效用函数结构和相同的时间贴现率ρ，解方程（4）得到：

（1-e-ρTM1）ρENRioj（·）=Mfixed（5）

不过，如前所述，潜在目的地和迁出地未来的发展条件快速变化导致预期净收益差距具有不确定性，方程（5）表示的外迁条件就不再成立。由此，本文利用等待的期權价值理论分析不确定条件下高学历外来人口的外迁决策。具体而言，在TM1时刻【 需要指出的是，并不是所有个体都满足方程（5）的条件，因为净现值可能小于零，净现值小于零的个体将留在超大城市。】，高学历外来人口并不外迁，而是留在超大城市。从这个时刻开始，个人和超大城市之间达成一个事实上的期权合约，个人是买方，超大城市是卖方，“标的资产”对应的是预期净收益差距。个人要获得对未来是否迁移的选择权（期权），需要向超大城市支付“期权费”。这个期权费是个人自TM1时刻起在超大城市工作所创造的价值，个人在未来不论是否外迁，超大城市都会收获这个期权费。只有当预期净收益差距继续增大到超过某个阈值时，个体才会在这个时刻外迁，即执行期权。用TM2表示个体i

执行期权（外迁）的时刻（显然，TM2>TM1，令TW=TM2-TM1），外迁的临界条件表示为：

∫TM20ENRioj（·）e-ρτdτ-Mfixed-NPViW=0（6）

其中，NPViW是个体i在TW期间【此期间段与

迪克西特所指的投资项目的等待时间不完全相同。前者是从预期净收益差距等于预期迁移成本的时刻开始［17］，而后者对应的开始时刻可能更早，开始时刻对应的净收益可以小于投资成本，甚至是0。】

所对应的期权价值。与方程（4）类似，解方程（6）得到：

（1-e-ρTM2）ρENRioj（·）=Mfixed+NPViW（7）

式（7）表明，只有在预期净收益差距大于预期迁移成本和相应的期权价值之和时，个体才会外迁，由此

提出本文的研究假说。

H：从经验上看，若高学历外来人口个体从潜在目的地城市与超大城市获得的预期净收益差距大于0但比较小时，其离开超大城市的可能性很小，只有预期净收益差距超过某个正的阈值时，个体才有较大可能性离开超大城市。

三、数据来源和样本描述

1. 数据来源

本文以北京市为例开展研究，调查对象是没有北京户口的高学历人口，并采用网络问卷和第二手资料两个渠道收集数据。问卷调查收集的是个体和其家庭的微观数据。第二手资料获取的数据包括城市的常住人口规模、城镇居民人均可支配收入、住宅单位租金、北京离（潜在）目的地城市的距离、城市离个体家乡的距离、省或直辖市的各级教育生均经费执行情况等。

网络问卷的发放时间为2020年10月28日至2020年11月28日，收集被调查者在2020年的居住地、人口统计学和社会经济等方面的信息。由于研究的是劳动力人口，调查对象除了满足2020年在北京工作和居住满6个月、无北京户口、有本科及以上学历这几个条件之外，其年龄在60岁【 本文以60岁为退休年龄标准，不考虑延迟退休的情况。】以下。

在开展正式的问卷调查之前，通过100个样本的试调查完善问卷内容。正式调查预计获取600个样本【 原计划收集1000个样本，但因在线问卷服务网站中途拒绝继续收集数据，导致实际样本数少于计划数量。】。2018年中国流动人口动态监测调查数据显示，在2018年北京市外来人口中，户口所在地对应的不同省份的人口规模占外来人口总数的比例各不相同，由此，本文采用二阶段概率比例整群抽样法获得样本。第一阶段，将省份作为初级抽样单位。首先将外来人口户口所在地对应的不同省份的人口比例按从小到大的顺序排列并计算出累计比例，那么，每个省份对应一个累计比例区间。接着在0—100%范围内抽取10个随机数，这10个随机数落入的区间所对应的省份就是要调查的省份。结果是河北抽中3次，河南抽中2次，山西、四川、吉林、陕西和重庆各抽中1次。这样河北、河南、山西、四川、吉林、陕西和重庆组成初级抽样框。第二阶段，在初级抽样框中随机抽取个体。按照每个省抽取60个个体的计划，预计从河北、河南、山西、四川、吉林、陕西和重庆各随机抽取180、120、60、60、60、60和60个调查对象。

问卷调查通过购买问卷星（www.wjx.cn）的样本服务来实施。问卷星是国内一家大型的在线问卷服务网站，其样本服务的用户已覆盖国内90%以上的高校和科研院所。问卷收集的具体操作如下：首先，网站向其会员数据库中的潜在调查对象随机发放网络问卷。该数据库是网站在过去10多年通过随机邀请用户加入而建成的，会员规模超过260万。依据2018年中国流动人口动态监测调查数据中北京市2018年外来人口的年龄结构，问卷发放数量从多到少依次是20世纪80年代、70年代、90年代、60年代、21世纪初出生的人；然后，网站的智能系统排除不达标的答卷；最后，本文研究人员对每一份问卷进行核查，排除答案雷同、有明显错误（例如，月收入是5元）、收入缺失等问卷。实际收回问卷607份【 在线问卷服务网站通常比预计多回收一些问卷，故实际回收数量大于预计数量。】，有效问卷 570份，有效问卷的比例为93.90%。由于国际移民不在本研究范围之内，进一步剔除2份这样的问卷，同时还剔除在北京的居住时间小于6个月的2份問卷，最终用于数据分析的样本为566个。

2. 样本描述

在566个样本中，有249人（43.99%）已经外迁，有317人（56.01%）尚未外迁。外迁个体中共有10人迁入上海、广州或深圳，27人迁入重庆，3人迁入天津，共有188人迁入省会城市或地级市，21人迁入县城。如表1所示，人口统计学特征方面，样本的平均年龄为30.83岁，男性多于女性，大学本科与研究生（硕士和博士）人数的比值是5.4∶1，已婚人数约是未婚人数的两倍。已外迁与未外迁样本相比，男性的比例较高、平均年龄略大、研究生比例较低、已婚比例基本相同。

经济特征方面，参考仇立平对上海市居民职业地位的分层［21］，受访者的职业分为国家部门人员和单位负责人、专业技术人员、中高级服务人员和技术工人四个类型。国家部门人员和单位负责人包括企业/公司厂长经理或负责人、工商税务干部、私人企业主等；专业技术人

员包括外商代理人、律师、大学教师、国企职

员、演员、音乐家、记者、科研人员等；中高级服务人员包括工程师、会计、中小学教师、私人企业职员、销售员等；技术工人包括家电维修工、厨师、出租车司机、技术工人等。依据该分类，样本中中高级服务人员的比例最高，专业技术人员次之，其次是国家部门人员和单位负责人，技术工人的比例最低。已外迁与未外迁样本相比，国家部门人员和单位负责人、专业技术人员的比例都更低，中高级服务人员、技术工人的比例都更高。

个人收入方面，调查中直接询问受访者当前的月均收入，包括工资、奖金、股票和出租房屋收入等。样本的月均收入均值是1.56万元，已迁移样本的收入均值比未迁移样本低0.50万元。

四、模型构建

1. 变量

（1）被解释变量。被解释变量是高学历外来人口的外迁状态。操作化定义是：若个体目前居住在京外城市，是“已外迁”状态，外迁状态=1；若个体目前居住在北京，是“未外迁”状态，外迁状态=0。

（2）核心解释变量。核心解释变量是预期净收益差距，计算方法是个体在潜在目的地城市的净收益减去在北京的净收益。潜在目的地城市该如何确定？通常的做法是将研究范畴内的所有地区都作为潜在目的地。不过，作为有限理性的个体，个人实际上很难掌握所有目的地的信息，相反，个人只会获取部分目的地的信息，并在综合分析这些有限信息的基础上作出迁移目的地选择。参考里米亚（Coniglio）和普罗塔（Prota）询问被调查者所偏好的地区的做法［22］，本调查让未外迁的高学历外来人口自我报告偏好的潜在目的地城市。而已外迁个体的潜在目的地城市是调查时居住的城市。并且，本文用合意性（desirability）指标来衡量个体对潜在目的地城市的偏好。合意性通常指人们在某地区生活的愿望［23-24］。参考人口迁移的引力模型［25］，本文定义合意性的计算表达式如下：

Desiioj=1+fDCjDCo·Indi（·）·bpopjd2jh（8）

其中，Desiioj是潜在目的地城市j对未外迁的个体i的合意性。popj是j的常住人口规模。研究指出，中国高学历的知识型准移民更愿意迁入行政管理级别更高的城市［26］，而中国行政级别越高的城市通常人口规模也越大，因此，合意性与潜在目的地城市的常住人口规模成正比。b是常数比例因子，可以看作一个标量，它将模型调整为popj的计量单位［27］。参考夏怡然和陆铭的做法［28］，用djh表示潜在目的地城市离高学历外来人口家乡的距离【 本文中的距离均采用火车距离来衡量，查询网址是：http：//juli.liecheshike.com/，下同。】。这个参数反映个体希望更靠近家人和朋友居住的偏好［29］。在式（8）中引入二次项d2jh，这表明潜在目的地城市离个体家乡的距离越小，合意性越大。同时，式（8）设置权重因子fDCjDCo·Indi（·）。DCj、DCo分别表示与潜在目的地城市、迁出城市直接相邻的发达城市的数量。研究表明，城市之间的经济联系愈发紧密［30］，空间交互作用是影响地区间人口迁移的重要因素。因此，某个地区周边发达城市的数量越多，该地区对个体的吸引力越大。DCjDCo表示潜在目的地城市和迁出城市周边发达城市数量的比值，其值越大，合意性越大。fDCjDCo是将DCjDCo的值映射到［0，1］上的函数。Indi（·）是示性函数，若潜在目的地城市周边有发达城市，其值为1，否则为0。选择反正切函数作为映射的主函数并设置调整系数，式（8）变换为：

Desiioj=1+2πarctanDCjDCo·Indi（·）·bpopjd2jh（9）

那么，个体i从北京迁移到潜在目的地城市j的概率（Pioj）表示为：

Pioj=Desiioj∑qj=1Desiioj，j=1，2，…，q（10）

其中，q是个体自我报告的潜在目的地城市的数量，∑qj=1Pioj=1。针对未外迁的个体，依据迁移到q个城市的概率计算潜在目的地城市的预期收益和成本的期望值。

为简化计算，本文不考虑子女教育和住房之外的其他消费或服务支出。并且假定每个货币单位带来的效用对每一个个体都相同，每支出一个货币单位的回报系数都是1。那么个体在潜在目的地城市、迁出城市的净收益的计算方法是：收入与子女教育的收益之和减去住房与子女教育的成本。

教育的收益分为货币收益和非货币收益，货币收益通常使用明瑟工资方程来估计［31］，非货币收益的衡量指标有职业地位和主观幸福感、健康水平、认知能力和非认知能力［32］，这些指标的测算数据一般来自问卷调查。由于学生没有工作收入，无法使用工资来测量子女教育的收益，参考达尔伯格（Dahlberg）等使用公共支出来衡量公共服务水平的做法［33］，本文利用城市各级教育生均教育经费投入指标来测算子女教育的收益。由于难以从第二手资料获取这个指标的现成数据，本文基于省的各级教育生均一般公共预算教育经费执行情况进行估算。有研究指出，从长期来看，地区公共教育支出与经濟增长有双向因果关系［34］，由此可以认为，一定时期内城市教育经费投入与该城市的GDP成正比。那么，某个城市各级教育生均教育经费投入可以用下面的公式进行计算：（城市GDP × 城市所在省管辖的地级市及以上城市数量 ÷ 城市所在省的GDP）× 城市所在省的各级教育生均一般公共预算教育经费执行数。这个计算不包括直辖市，直辖市的教育经费投入直接用其各级教育生均一般公共预算教育经费执行情况测量。县城的各级教育生均教育经费投入采用县城所属的地级市的数据。

由于高学历人口在潜在目的地城市的预期收入和已外迁个体在迁出城市的预期收入都无法直接从第二手资料获取，本文基于对应城市的城镇居民人均可支配收入进行估算。研究发现，上过大学与未上过大学的劳动力相比，一线和新一线城市中前者的工资（对数）是后者的1.495倍，二线和三线城市的相应倍数是1.434，四线和五线城市的相应倍数是1.305［35］。由此，本文依据这些倍数获得权重，利用权重计算得到高学历人口的预期收入。例如，某个个体想要迁入的城市是杭州，杭州是新一线城市，那么该个体在杭州的预期收入是杭州市2020年城镇居民人均可支配收入乘以相应的权重【  需要指出的是，城镇居民人均可支配收入的统计对象包括大学及以上学历的人口，理论上讲，计算高学历人口的预期收入应该用未上过大学的城镇居民的人均可支配收入乘以权重，而用城镇居民人均可支配收入来计算会高估高学历人口的收入。但是，由于无法通过第二手资料获得城市中上过大学和未上过大学居民的比例数据，很难计算出未上过大学的城镇居民的人均可支配收入。考虑到城市中上过大学的人口比例相对较小，为避免估算这个比例引入新的数据偏差，因此直接利用城镇居民人均可支配收入进行估算。】。

子女教育成本使用子女上学方面的支出来测算，住房成本使用房租支出和住房贷款支出来测算。计算预期净收益差距涉及的变量以及测算方法如表2所示。

（3）控制变量。控制变量包括高学历外来人口的人口统计学和社会经济变量以及预期迁移成本。人口统计学变量包括个人特征和家庭特征。个人特征参考胡磊等的研究［3，19］，选择性别、年龄、教育程度和婚姻状况。采用已有文献的處理方法［36］，将年龄的二次项（计算方式是将年龄平方后除以100）作为一个新变量加入模型，目的是捕捉年龄对外迁的生命历程效应［37］。家庭特征方面，参考已有文献［19］，将家中16岁以下孩子情况、家中65岁以上老人情况作为控制变量。另外，中国的乡城人口迁移研究发现，家庭经济状况对农村劳动力的迁移决策有负向影响［38］，因此，将家庭月均收入（不包括被调查者的个人收入）也作为控制变量。社会经济变量选择个体的职业，职业的类型划分如前所述。参考已有文献的做法［14］，使用迁出地到迁入地的距离作为预期迁移成本的代理变量，具体方法是：对于已外迁的个体，采集北京到现居住城市的火车距离；对于未外迁的个体，依据迁移到所有偏好城市的概率计算北京到潜在目的地城市的火车距离的期望值。

2. 计量模型

根据前面的研究假说推测，外迁可能性与预期净收益差距之间很可能是非线性关系。为了检验这个关系，考虑到被解释变量“外迁状态”是二值变量，且限制性立方样条（Restricted Cubic Spline，RCS）在非线性影响因素分析中有良好的效果［39］，本文使用RCS拟合Logistic回归模型。模型的形式为：

logit｛P（Yi=1）｝=ω0+RCS（Udiffi，k）+Z′iδ i=1，2，…，n（11）

其中，P（Yi=1）代表个体i外迁的可能性，logit｛P（Yi=1）｝是外迁的logit函数。ω0是常数项。

RCS（Udiffi，k）是核心解释变量“预期净收益差距”的RCS函数。Z′i是控制变量向量，δ是对应的参数向量。n是样本数。变量的描述如表3所示。

五、实证分析结果

1. 模型估计结果

为了进行对比，首先运用Logistic回归模型拟合数据，记该模型为模型1。模型1的核心解释变量是预期净收益差距（Udiffi），控制变量如表3所示。模型1的参数估计结果参见表4，Udiffi的估计值是0.0983，在0.01的水平上显著。这表明，在其他条件相同的情况下，预期净收益差距越大，个体外迁的可能性越大。

记公式（11）的模型为模型2。节点数是RCS中的重要参数，通常取3—7就足够［39］。本文将RCS的节点数（k）设为3，即得到模型2的参数项RCS（Udiffi，3）。对比模型2和模型1的分析结果发现，模型2的Pseudo R2值大于模型1的值，说明前者的解释力比后者强。并且，模型2的AIC值小于模型1的值，说明模型2优于模型1。因此，下面重点关注模型2的分析结果。

在模型2中，函数RCS（Udiffi，3）包含两个含Udiffi的项，分别对应线性部分和非线性部分。要判定函数RCS（Udiffi，3）是否为非线性，只需要检验非线性部分的参数。若非线性部分取0值的可能性较小（p<0.05），则说明函数RCS（Udiffi，3）是非线性的，从而表明外迁可能性与预期净收益差距之间是非线性关系。参数估计结果显示，RCS（Udiffi，3）的非线性部分的估计值是0.2542，在0.01的水平上显著，说明预期净收益差距对外迁有非线性的作用。并且RCS（Udiffi，3）的线性部分在0.05的水平上没有显著影响。作模型2的拟合线，如图1所示，该拟合线是一条曲线，印证了外迁可能性与预期净收益差距之间是非线性关系的结论。在模型2图示的坐标系中，纵轴代表外迁几率比的预测值的范围，横轴代表预期净收益差距的取值范围。拟合曲线与水平虚线（对应的外迁几率比是1）的交点是预期净收益差距的阈值点，其在垂直虚线（对应的预期净收益差距是0）的右边。并且当预期净收益差距小于阈值时，拟合线段都位于水平虚线的下方。这说明当预期净收益差距小于阈值时，个体外迁的可能性很小，而且，当预期净收益差距大于0但小于阈值时，个体很可能也不会外迁，而当预期净收益差距超过阈值时，个体外迁的可能性较大。

控制变量方面，模型2的参数估计结果表明：男性相较于女性更有可能离开超大城市。大学本科学历的个体比研究生学历的个体离开超大城市的可能性更大，这与胡磊等的发现［3］相同。家中有65岁以上老人的个体比没有这种情况的个体更有可能离开超大城市，而家中是否有16岁以下孩子对外迁并没有显著影响。家庭月均收入越高，个体外迁的可能性越小。这与农村劳动力流入城市打工以提高农村家庭收入不同，家庭经济条件更好的个体很可能获得家人更多的经济支持以负担在北京的生活成本（比如住房成本），因而外迁的可能性更小。年龄的一次项和二次项对外迁的影响都不显著，说明未发现个体外迁的生命历程效应。婚姻状况和职业对外迁都没有显著影响。另外，目的地城市与超大城市的距离对个体的外迁依然具有阻碍作用。

模型2利用RCS函数检验外迁可能性与预期净收益差距之间的非线性关系，为了进一步印证研究结论，本文还利用含核心解释变量高次多项式的Logistic回归模型进行分析。具体地，利用含预期净收益差距的三次、四次、五次多项式的Logistic回归模型分别拟合数据。对比发现，含核心解释变量三次多项式的模型的拟合效果最好，记该模型为模型3。如表4所示，同上理，比较模型3和模型2的pseudo R2和AIC的值发现，模型3优于模型2。观察模型3的估计结果，Udiffi在0.05的水平上不显著，Udiffi2和Udiffi3在0.01的水平上都具有显著性，表明预期净收益差距对外迁有非线性影响。控制变量方面，模型3的参数估计结果与模型2相比没有实质性改变。并且，如图1所示，模型3的图示表明，预期净收益差距的“阈值效应”依然存在，且模型3的阈值相较模型2更大。特别地，当预期净收益差距超过阈值后，拟合曲线的斜率随着预期净收益差距的变大而增加得更快，进一步显示了预期净收益差距对外迁的非线性效应。

综合模型2和模型3的分析结果可知，本文的研究假说得到支持。具体来说，高学历外来人口在作外迁决策时会综合分析潜在目的地城市和超大城市的净收益，并将前者与后者进行对比。当预期净收益差距大于0但不够大时，高学历外来人口离开超大城市的可能性很小，他们将留在超大城市。只有这个差距超过某个正的阈值时，高学历外来人口才有较大可能性离开超大城市，并且，随着预期凈收益差距继续增大，个体外迁的概率呈加速增大的趋势。

上述分析结果还表明，当预期净收益差距小于迁移成本时，高学历外来人口离开超大城市的可能性很小，这体现了个体决策的理性特征。但高学历外来人口也不是在预期净收益差距刚超过迁移成本时就离开超大城市，而是仍然留在超大城市。个体作出这样的决策是源于潜在目的地城市与超大城市在未来的发展条件都具有不确定性，面对这些不确定性，留在超大城市是一个理性选择。从投资决策的角度来看，不论将来是否离开超大城市，留在超大城市对外迁决策都具有期权价值。只有预期净收益差距超过一个正的阈值时，个体才有较大可能性离开超大城市。这个阈值要大于迁移成本和上述期权价值之和。

2. 稳健性检验

本文采用另一种方法测算高学历外来人口的个人月均收入来检验结果的稳健性。如前所述，家庭经济条件更好的个体会获得更多的经济支持以负担在北京的生活成本。由此，利用家庭月均收入（不包括高学历外来人口的个人收入）对个人的月均收入进行加权。具体步骤是：首先，建立Logistic回归模型，外迁状态是被解释变量，家庭月均收入、个人月均收入和其他相关变量作为解释变量。然后，拟合模型获得家庭月均收入和个人月均收入的平均边际效应，并计算前者对后者的比值。为提高准确性，采用两个独立样本分别计算该比值后取算术平均值：一个是本文的样本（n=566），比值等于0.4741；另一个是胡磊等的样本（n=1242）［3］，比值等于0.4420【 因篇幅所限，此处不展示模型构建和参数估计的中间结果。】。两个比值的算术平均值是0.4581。最后，将本样本的个人月均收入乘以1.4581，得到调整后的个人月均收入。

基于调整后的个人月均收入，首先计算预期净收益差距。接着，与模型2和模型3类似，分别构建模型4和模型5进行分析。除了预期净收益差距的值发生改变以及控制变量中没有“家庭月均收入”（已用作权重计算）之外，模型4和模型5的结构分别与模型2和模型3相同。分析模型4和模型5的参数估计结果（参见表4）和拟合线（参见图1）可知，变量的参数估计值变化不大且仍显著，说明结果稳健。

六、结论及政策含义

本文基于北京市的调查数据，研究高学历外来人口在综合考虑收入、住房和子女教育因素的基础上如何作出外迁决策。在个体微观层面，围绕子女教育和住房进行成本—收益分析，构建预期净收益差距变量。基于此，以等待的期权价值为理论视角，结合限制性立方样条和Logistic回归模型对预期净收益差距对外迁的影响进行实证分析。研究发现，预期净收益差距对外迁有非线性的阈值效应。具体来说，当预期净收益差距小于某个正的阈值时，高学历外来人口离开超大城市的可能性很小，他们将留在超大城市。这个阈值大于预期迁移成本和等待的期权价值之和。只有预期净收益差距超过这个阈值后，高学历外来人口才有较大可能性离开超大城市，并且随着预期净收益差距继续增大，个体外迁的概率呈加速增大的趋势。本文还通过稳健性检验进一步证明了研究结论。

本文研究结果再一次证明，收入等经济因素是高学历人口地区间迁移的一个重要决定因素。不仅如此，在我国家庭化迁移日益增长的背景下，公共服务因素也是他们选择居住地的重要考量。公共服务因素的重点是当地政府提供的基础教育。本研究表明，在其他情况相同的条件下，个人从潜在目的地城市获得的净收益越大，预期净收益差距越大；个人从超大城市获得的净收益越大，预期净收益差距越小。我国城市要在“抢人大战”中占据优势，不仅要大力促进经济发展以提供更多的专业技术和管理方面的就业机会，还要继续围绕基础教育和住房领域出台优惠政策。对不同规模的城市来说，都要加强基础教育和住房的制度改革。

超大城市要留住更多的高学历人才，可以采取措施来提高人才从子女教育上获得的收益和降低他们的居住成本。一方面，在继续增大基础教育经费投入的同时，针对没有本地户口、在重点领域和行业中就业的人才要建立随迁子女进入公办学校读书的绿色通道；另一方面，城市保障性租赁住房建设正在如火如荼地推进，面向包括外来人口在内的所有常住居民，保证住房分配的公平性是需要重点关注的政策领域。

对于其他规模相对较小的城市来说，经济发展水平与超大城市存在一定的差距，要在吸引人才进程中与超大城市展开竞争，增大基础教育投入以提高质量是优先考虑的政策路径。同时，本研究发现，拥有研究生学历的个体更有可能留在超大城市。因此，其他城市不仅要加大保障性租赁住房的建设力度，还要在住房领域推出比超大城市更有力的优惠措施，比如增加高层次人才安置房的供给规模等。

最后，本研究也存在一些不足。主要包括：利用城市各级教育生均教育经费投入测算子女教育的收益忽略了高学历人口在“投资”子女教育上获得的收益的差异；假定个体享受的基本公共服务都相同，这没有考虑不同群体的差异性。这些问题还有待于后续研究进一步加以讨论和分析。

参考文献：

［1］陆益龙.户口还起作用吗——户籍制度与社会分层和流动［J］.中国社会科学， 2008（1）：149-162.

［2］周皓，刘文博.流动人口的流入地选择机制［J］.人口研究，2022（1）：37-53.

［3］胡磊， 陆秋宏， 孙茂华.北京市高学历外来人口再迁移的微观机制研究［J］.经济与管理研究，2019（9）：54-67.

［4］宋弘，吴茂华.高房价是否导致了区域高技能人力资本流出？［J］.金融研究，2020（3）： 77-95.

［5］王春超，葉蓓.城市如何吸引高技能人才？——基于教育制度改革的视角［J］.经济研究，2021（6）：191-208.

［6］刘旭阳，原新.青年流动人才的城市选择及影响机制——基于人才特征视角［J］.西北人口，2022（1）：14-24.

［7］ANDRIENKO Y，GURIEV S. Determinants of interregional mobility in Russia［J］. Economics of Transition，2004，12（1）：1-27.

［8］PHAN D. Migration and credit constraints： theory and evidence from Vietnam［J］. Review of Development Economics，2012，16（1）：31-44.

［9］FAINI R， VENTURINI A. Trade， aid and migrations： some basic policy issues［J］. European Economic Review，1993，37（2-3）：435-442.

［10］FAINI R， VENTURINI A. Migration and growth： the experience of southern Europe［R］. CEPR Discussion Paper，No.964，1994.

［11］BURDA M C， HRDLE W， MLLER M， WERWATZ A. Semiparametric analysis of German east-west migration intentions： facts and theory［J］. Journal of Applied Econometrics，1998，13（5）：525-541.

［12］BASILE R， LIM J. Nonlinearities in interregional migration behavior： evidence from the United States［J］. International Regional Science Review，2017，40（6）：563-589.

［13］LIU Y， SHEN J F. Spatial patterns and determinants of skilled internal migration in China， 2000-2005［J］. Papers in Regional Science，2014，93（4）：749-771.

［14］LIU Y， SHEN J F. Modelling skilled and less-skilled interregional migrations in China， 2000-2005［J］. Population， Space and Place，2017，23（4）：1-17.

［15］TODARO M P. A model of labor migration and urban unemployment in less developed countries［J］. American Economic Review，1969，59（1）：138-148.

［16］BURDA M C. Migration and the option value of waiting［J］. Economic & Social Review，1995，27（1）：1-19.

［17］DIXIT A. Investment and hysteresis［J］. Journal of Economic Perspectives，1992， 6（1）：107-132.

［18］OCONNELL P G J. Migration under uncertainty： “try your luck” or “wait and see”［J］. Journal of Regional Science，1997，37（2）：331-347.

［19］LIU Y， SHEN J F. Jobs or amenities？ location choices of interprovincial skilled migrants in China， 2000-2005［J］. Population， Space and Place，2014，20（7）：592-605.

［20］SJAASTAD L. The costs and returns of human migration［J］. Journal of Political Economy，1962，70（5）：80-93.

［21］仇立平.职业地位：社会分层的指示器——上海社会结构与社会分层研究［J］.社会学研究，2001（3）：18-33.

［22］CONIGLIO N D， PROTA F. Human capital accumulation and migration in a peripheral EU region： the case of Basilicata［J］. Papers in Regional Science，2008，87（1）： 77-96.

［23］DIJK J V， VENHORST V， WISSEN L V. An analysis of trends in spatial mobility of Dutch graduates［J］. Spatial Economic Analysis，2011，6（1）：57-82.

［24］WHISLER R L， WALDORF B S， MULLIGAN G F， PLANE D A. Quality of life and the migration of the college-educated： a life-course approach［J］. Growth and Change，2008，39（1）：58-94.

［25］SHEN J F. Modelling interregional migration in China in 2005-2010： the roles of regional attributes and spatial interaction effects in modelling error［J］. Population， Space and Place，2017，23（3）：1-14.

［26］厉伟，蒋飞，张恒杰.知识型准移民再迁移意愿的影响分析——基于房价上涨的视角［J］.江西社会科学，2020（2）：93-104.

［27］NIJKAMP P， REGGIANI A. Spatial interaction models and gravity theory： a concise overview［M］//NIJKAMP P， REGGIANI A. Interaction， Evolution and Chaos in Space.  Heidelberg： Springer， 1992：4.

［28］夏怡然， 陆铭.城市间的“孟母三迁”——公共服务影响劳动力流向的经验研究［J］.管理世界，2015（10）：78-90.

［29］HANSEN H K， NIEDOMYSL T. Migration of the creative class： evidence from Sweden［J］. Journal of Economic Geography，2009，9（2）：191-206.

［30］KOOIMAN N， LATTEN J， BONTJE M. Human capital migration： a longitudinal perspective［J］. Tijdschrift Voor Economische En Sociale Geografie，2018， 109（5）：644-660.

［31］彭贤杰，康苗苗，王继平.不同类型高中教育回报的动态研究——基于货币收益和非货币收益的视角［J］.教育发展研究，2021（8）：41-47.

［32］贾婧，鲁万波，柯睿.基于非参数估计的教育多维度回报研究［J］.数理统计与管理，2021（4）：596-612.

［33］DAHLBERG M， EKLOF M， FREDRIKSSON P， JOFRE-MONSENY J. Estimating preferences for local public services using migration data［J］.Urban Studies，2012，49（2）：319-336.

［34］高永紅.公共教育支出与经济增长关系的区域差异——基于东、中、西部地区面板数据的实证研究［J］.西安电子科技大学学报（社会科学版），2016（2）：30-37.

［35］黄静，祝梦迪. 流动人口与本地劳动力高等教育回报率差异研究［J］.中国人口科学， 2021（5）： 77-87.

［36］HU F， XU Z Y， CHEN Y Y. Circular migration， or permanent stay？ evidence from Chinas rural-urban migration［J］. China Economic Review，2011，22（1）：64-74.

［37］CHEN Y， ROSENTHAL S S.Local amenities and life-cycle migration： do people move for jobs or fun？［J］.Journal of Urban Economics，2008，64（3）：519-537.

［38］ZHAO Y H. Leaving the countryside： rural-to-urban migration decisions in China［J］. American Economic Review，1999，89（2）：281-286.

［39］罗剑锋，金欢，李宝月，赵耐青.限制性立方样条在非线性回归中的应用研究［J］.中国卫生统计，2010（3）：229-232.

Study on Out-migration Decision of Highly-educated Migrants in Mega-cities in China

HU  Lei， LIU  Yishuang， SHI  Xiao

（School of Management and Engineering， Capital University of Economics and Business，

Beijing 100070， China）

Abstract： In recent years， the primary mega-cities worldwide have gone through the outflow of a large number of highly-educated talents， and the cities like Beijing， Shanghai， Guangzhou and Shenzhen in China are no exception. Talents are the first resource for the development of cities， and it is of positive significance to investigate the out-migration decision of highly-educated migrants in mega-cities in China for the spatial equilibrium distribution of human capital. This paper explores how the highly-educated migrants make the choice of relocation in the face of the combination of high income， high housing cost and less childrens education opportunities in mega-cities and lower income， lower housing cost and more childrens education opportunities in potential destination cities. First， based on the survey we conducted on highly-educated people without Beijings hukou， at the individual micro-level， the paper makes the cost-benefit analysis of childrens education and housing， and constructs the variable of “expected net returns differentials”. Then， from the perspective of the option value of waiting， the paper empirically analyzes  the impact of the expected net returns differentials on out-migration decision-making by combining the approach of restricted cubic spline and Logistic regression model. The results show that the expected net returns differentials has a nonlinear threshold effect on out-migration decision-making. Specifically， when the expected net returns differentials are less than a positive threshold， it is very unlikely that highly-educated migrants will leave the mega-city， and they will stay locally. The threshold is greater than the sum of the expected cost of migrating and the option value of waiting. And migrants will move out of the mega-city only when the expected net returns differentials are greater than the threshold. In addition， as the expected net returns differentials continue to increase， the probability of individual out-migration is accelerating. In order to increase their own advantages in attracting talents， mega-cities in China should take measures to increase the returns of talents from their childrens education and reduce their costs of living， while smaller cities in China should not only give priority to improving the quality of the public service of basic education， but also introduce more powerful housing incentives than mega-cities. Theses measures can increase cities own advantages in attracting talents.

Keywords：highly-educated migrants；out-migration；expected net returns differentials；the option value of waiting；Beijing

［责任编辑 崔子涵，方 志］