EN中文

经济地理 >

2020 , Vol. 40 >Issue 9: 27 - 35

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.09.003

区域经济与理论方法

青年流动人才空间分布及居留意愿影响因素——基于2017年全国流动人口动态监测数据

  • 李琴 ,
  • 谢治
展开
  • 中南林业科技大学 经济学院，中国湖南 长沙 410004

李琴（1977—），女，湖南新邵人，博士，副教授，硕士生导师。主要研究方向为劳动力流动。E-mail：。

收稿日期: 2020-02-15

  修回日期: 2020-08-27

  网络出版日期: 2025-04-23

基金资助

国家社会科学基金项目(17BFX149)

收起

Spatial Distribution of Floating Young Talents and Influencing Factors of Their Settlement Intention-Based on the Dynamic Monitoring Data of the National Floating Population in 2017

  • LI Qin ,
  • XIE Zhi
Expand
  • School of Economics，Central South University of Forestry and Technology，Changsha 410004，Hunan，China

Received date: 2020-02-15

  Revised date: 2020-08-27

  Online published: 2025-04-23

Fold

摘要

随着各地陆续颁布吸引人才的政策，青年人才流动问题受到越来越多的关注。文章基于2017年流动人口动态监测数据，综合运用ArcGIS和GeoDa的空间分析功能，结合二分类Logistic回归模型，对全国青年流动人才空间分布和居留意愿影响因素进行研究。结果发现：①青年流动人才的净迁移率呈现出“中部低、周围高”的空间格局，人口密度曲线呈现东高西低，南北较小幅度的倒“U”型趋势。②从空间集聚度来看，青年流动人才净迁移率分布呈现出明显的空间集聚特征，东部沿海省份和西部地区的新疆、西藏青年人才净迁移率相对较高，呈现出高高聚集特点，中部地区净迁移率相对较低，呈现出低低聚集特点。③青年流动人才的个体因素对居留意愿影响显著，女性居留意愿高于男性；年龄段最小的青年人才居留意愿最低；随着学历的提高，居留意愿增强。家庭因素中，配偶户籍地为流入地本地的青年人才居留意愿最高。经济因素中，随着住房支出增加，青年人才的居留意愿提升。社会因素方面，专业技术人员及办事人员居留意愿最强烈。各地在制定人才吸引政策时应充分考虑青年流动人才居留意愿影响因素。

关键词： 青年流动人才; 空间分布; 居留意愿; 创新发展; 人才吸引政策; 住房成本; 户籍

本文引用格式

李琴 , 谢治 . 青年流动人才空间分布及居留意愿影响因素——基于2017年全国流动人口动态监测数据[J]. 经济地理, 2020 , 40(9) : 27 -35 . DOI: 10.15957/j.cnki.jjdl.2020.09.003

Abstract

With the successive promulgation of policies attracting talents, more and more attention has been paid to the flow of young talents. Based on the dynamic monitoring data of the floating population in 2017, this study applies the spatial analysis of ArcGIS and Geoda, and the binary logistic regression model to explore the spatial distribution of the flow of young talents and the influencing factors of their settlement intention in China. The results show that: 1) The net migration rate of young talents presents a spatial pattern which is low in the middle and high in the surrounding areas, and the population density curve shows the trend of "higher in the East and lower in the West" and a small inverted U-shaped trend in the North and the South. 2) From the perspective of spatial agglomeration, it exhibits the characteristics of obvious spatial agglomeration on the distribution of net migration rate of young talents. The net migration rate of young talents is relatively high in eastern coastal provinces, Xinjiang Uygur Autonomous Region and Tibet Autonomous Region( showing the characteristics of high-high aggregation) and relatively low in central China( showing the characteristics of low-low aggregation). 3)The individual factors of young talents have a significant impact on the willingness of settlement, settlement willingness of women is higher than that of men; the youngest talents have the lowest willingness to stay; the higher academic qualifications, the stronger willingness to stay. Among family factors, young talents whose spouse's domicile is the place of inflow have the highest willingness to settle. Among economic factors, with the increasement in housing expenditure, the settlement willingness of young talents will be stronger. In terms of social factors, professional and technical talents and clerks have the strongest willingness to stay. Formulating policies for attracting talents should fully consider factors affecting young talents' settlement willingness.

Key words： young floating talents; spatial distribution; settlement intention; innovative development; talent attraction policy; housing cost; household registration

“新常态”是当前中国经济发展的主要特点，也是中国未来一段时间内经济发展的宏观形势。“新常态”的一个显著特征是发展动能由要素驱动向创新驱动转变，而人才是创新发展的根基，创新驱动实质上是人才驱动。因此，近几年人才资源受到的关注越来越多，全国多地纷纷推出吸引人才的政策，并且政策针对的对象一般具有年龄（45岁及以下）和学历（大学本科或专科以上）两方面的门槛要求。在此，将这部分人才定义为青年人才[1]。在我国，是否具有流入地户籍是流动人口与非流动人口划分的主要标志。未取得流入地户籍的青年人才流动性强，成为各地政府竞相引进的对象。
国外对人口迁移的研究由来已久，形成了推拉理论[2]、二元经济结构理论[3]、人力资本理论[4]、新劳动力迁移经济学理论[5]等经典理论。近些年来研究越来越细化，对流动人口居留意愿的研究不断丰富，认为性别、年龄、经济、社会、制度等因素都会对流动人口的居留意愿产生影响。D. Tomas研究得出，20~30岁年龄段的人更具有流动性，因为这个阶段的年轻人刚开始工作，总想在还没有社会经济束缚之前抓住最佳机遇[6]。Annell J等研究了地方依恋、社会网络对居留意愿的影响，解释了流入地满意度对创新群体居留意愿的影响机制[7]。Andrew J Plantinga通过对美国291个大城市的实证研究，得出住房成本上涨与人口迁入意愿呈正相关关系[8]。
我国大规模人口流动的社会现象以及近年流动人口数据的易获得推动了国内流动人口问题研究。流动人口空间分布的研究大多采用人口地图统计图表、数学模型和地理信息技术等方法[9]，分析流动人口的空间分布特征[10]、流动规律及其演变机制[11]等。研究范围包括全国范围[12]、特定区域之间[13]和城市内部的流动人口空间分布特征[11]等。
已有人口长期居留意愿影响因素的研究，包括不同职业类型或者不同年龄段流动人口居留意愿的特征及影响因素研究[14⇓-16]、特定区域范围流动人口居留意愿的特征及影响因素研究[17-18]、特定因素对流动人口居留意愿的影响研究[19-20]。对居留意愿的影响因素进行归纳总结，发现个人因素、家庭因素、经济因素和社会因素等因素都对流动人口的居留意愿起着重要的影响。孟兆敏等采用统计分析的方法，发现经济因素对流动人口居留意愿的影响并不显著，社会因素的影响更加显著，户籍制度有一定的影响[21]。王春兰等研究发现城市吸引力、家庭婚姻状况和个人特征对流动人口的居留意愿有较明显影响，而经济收入是最显著的影响因素[22]。杨雪等运用Logistic模型进行分析，发现高学历者有强烈的居留意愿，高收入流动人口的居留意愿远大于中低收入流动人口，而住房支出的增加虽然提高了流动人口的居留意愿，但对高收入流动人口的长期居留意愿产生抑制作用[23]。吕红军等以人口社会学的特征视角，使用Logit回归方法，对高学历人才长期居留影响因素进行了综合分析，发现年龄和学历影响不显著[24]。
青年流动人才是流动人口中兼具“青年”和“高学历”两个特征的特殊群体。关于青年流动人口的研究，大多是利用问卷、人口普查和流动人口动态监测的数据进行实证分析，研究角度包括职业特点[25]、社会融入[26]、身份认同[27]、购房意愿[28]、幸福感[29]等，研究的地域从宏观的全国范围、省域范围，到地域性的城市群及单个城市都有覆盖。关于青年流动人才的国内研究主要集中在研究其流动的原因[1]。岳昌君利用统计描述和计量回归的方法，研究发现流动地的经济因素对大学生的跨省流动影响显著[30]。张抗私等使用微观调研数据进行分析，发现大学毕业生的省级流动行为受经济因素和非经济因素的影响，地方政府要想吸引高学历人才，必须优化升级产业结构，并构建适宜的居住环境[31]。葛玉好等运用扩展的托达罗模型，发现城市间收入差距、就业机会和心理成本，对大学生就业地的选择都有影响；同时，相比于职业发展前景，就业地的短期货币收入更加吸引大学生[32]。
综上，尽管国外有关人口迁移的理论和研究很丰富，国内关于流动人口空间分布和居留意愿的文献也逐渐增多，但针对青年流动人才这类特殊群体的空间分布、居留意愿及影响因素进行专门研究的文献相对不足。青年人才具有创造性、进步性、社会性和强烈的竞争性等特点，在国家发展中占据重要地位，是推动社会建设的中坚力量。目前各地政府大多为留住青年人才提供了“落户”措施，但是青年流动人才是否愿意长期居留还受到诸多因素的影响。因此，运用实证方法研究青年流动人才居留意愿的影响因素，能够帮助各地方政府在吸引和留住人才方面有的放矢，促进各地区经济良性、迅速地发展。本文以2017年中国流动人口动态监测调查数据中的青年流动人才为研究对象，对青年流动人才的空间分布进行空间自相关测度和趋势面分析，结合二分类Logistic回归模型，从个人因素、家庭因素、经济因素和社会因素四个方面对青年流动人才流入地居留意愿情况进行分析，并在此基础上就各省吸引青年流动人才提出政策建议。

1 数据来源及研究方法

1.1 数据来源

本文使用数据来源于国家卫生健康委2017年中国流动人口动态监测调查数据。2017年国家卫生健康委在全国31个省（自治区、直辖市）（不含港澳台）和新疆生产建设兵团范围内进行调查，采用与规模成比例的PPS抽样方法，对在流入地居住超过一个月以上，15周岁及以上的非本地区（县、市）流动人口进行调查，共收集169 989份有效样本。本文将45岁（出生于1972年，到2017年为45岁）及以下、具备大专及以上学历的流动人口定义为青年流动人才，以其作为研究对象，去除核心信息缺失或有奇异值的样本后，得到有效样本量19 319份。

1.2 研究方法

1.2.1 空间自相关分析

空间自相关指某些变量在同一个地区范围内存在潜在的相互依赖关系，利用空间相关分析可以测度地物属性在空间上自相关性的强弱，“莫兰指数I”（Moran's I）是被广泛运用的空间自相关统计指标[33]。
全局空间相关分析：运用莫兰指数考察全国范围内青年流动人才的空间相关性。全局莫兰指数的计算公式为：
I = n ∑ i = 1 n ∑ j = 1 n W i j X i - X ¯ X j - X ¯ ∑ i = 1 n ∑ j = 1 n W i j ∑ i = 1 n X i - X ¯ 2
式中：i和j为空间单元； W i j为空间权重（用来度量空间单元i与空间单元j之间的距离），当空间单元i与空间单元j相邻时， W i j取值为1，不相邻时， W i j取值为0； X i和 X j为空间单元i和j的观测值， X ¯是观测值的平均值，n为空间单元数量[34]。莫兰指数I的取值范围在-1~1之间，当I>0时，表示两个区域存在正自相关，青年流动人才呈空间集聚特征；当I<0时，表示两个区域存在负相关，呈空间离散特征；当I=0时，则表明青年流动人才的空间分布是随机的，不存在空间自相关。
局部空间相关分析：全局空间相关分析考察的是整个空间的聚集情况，如果想要了解某区域的青年流动人才与附近区域的关联程度，则需要使用局部空间相关性分析。局部莫兰指数的计算公式如下：
I = n X i - X ¯ ∑ j = 1 n W i j X j - X ¯ ∑ i = 1 n X i - X ¯ 2
正的I表示某区域的高（低）值被周围区域的高（低）值所包围，呈现出“高—高（H-H）”或“低—低（L-L）”关联，负的I则表示某区域的高（低）值被周围区域的低（高）值所包围，呈现出“高—低（H-L）”或“低—高（L-H）”关联。

1.2.2 趋势面分析

趋势面分析的核心是从实际观测值出发推算趋势面，使得残差平方和趋于最小，以此来估计趋势面参数。本文将运用趋势面分析方法测度中国青年流动人才空间格局的分异趋势。计算公式如下：
Z i X i , Y i = F i X i , Y i + ε i
式中： Z i X i , Y i为i省实际流入人口数； X i、 Y i为平面空间坐标； F i X i , Y i为趋势面拟合值，反映流动人才的流动变化趋势； ε i即为剩余值（残差值），反映各地区间人才流动局部的变化特点[10]。

1.2.3 logit回归模型

因为因变量只有两个可供选择方案，即居留和不居留，故本文采用二元logit模型，该模型函数的表达式为：
l o g i t P = l n P 1 - P β 0 + β 1 x 1 + β 2 x 2 + ⋯ + β n x n
P = e β 0 + β 1 x 1 + β 2 x 2 + ⋯ + β n x n 1 + e β 0 + β 1 x 1 + β 2 x 2 + ⋯ + β n x n
式中：P为青年流动人才居留迁入地的概率； β 0是截距，用来调整未考虑因素对决策者行为的效用值；x表示方案选择属性的值； β i表示对应选择属性带来的效用估计，数值大小对应该因素的影响作用大小，正负值表示该因素所起到的是积极作用还是消极作用。P/（1-P）是几率比，反映青年流动人才选择居留与不居留概率的比值，在给定参照条件的情况下，如果几率比大于1，则表明该分类变量的群体居留意愿相对较强。

2 青年流动人才空间分布

2.1 总体分布情况

本文将省（自治区、直辖市）作为最基本的研究单位。考虑到研究的客观性和便利性，本文根据中国科学院资源环境科学数据中心的划分标准，将东部划分为北京、天津、河北、山东、江苏、上海、浙江、福建、广东、海南和辽宁11个省区市；中部划分为黑龙江、吉林、山西、河南、安徽、湖北、江西和湖南8个省；西部划分为内蒙古、甘肃、青海、宁夏、陕西、四川、重庆、贵州、云南、广西、西藏和新疆12个省区市。通过对青年流动人才数据进行处理，得出表1。
表1 各省青年人才流动情况

Tab.1 The flow of young floating talents in various provinces

省份 抽样人数（人） 总数（人） 比重（%） 省际流入（人） 省际流出（人） 净流入人数（人） 净迁移
率（%）
北京 6 999 1 828 26.12 1 828 32 1 796 25.66
天津 5 000 497 9.94 497 108 389 7.78
河北 4 999 466 9.32 111 916 -805 -16.10
山西 5 000 529 10.58 120 276 -156 -3.12
内蒙古 5 000 475 9.50 80 213 -133 -2.66
辽宁 5 000 522 10.44 217 237 -20 -0.40
吉林 4 000 294 7.35 75 262 -187 -4.68
黑龙江 4 000 260 6.50 35 435 -400 -10.00
上海 7 000 1 600 22.86 1 600 25 1 575 22.50
江苏 8 000 1 057 13.21 556 545 11 0.14
浙江 10 000 689 6.89 446 270 176 1.76
安徽 5 000 719 14.38 58 777 -719 -14.38
福建 6 999 646 9.23 169 155 14 0.20
江西 4 000 438 10.95 120 425 -305 -7.63
山东 6 000 1 000 16.67 129 628 -499 -8.32
河南 4 999 592 11.84 72 752 -680 -13.60
湖北 5 000 420 8.40 85 518 -433 -8.66
湖南 5 000 608 12.16 60 520 -460 -9.20
广东 9 998 1 138 11.38 708 165 543 5.43
广西 4 999 723 14.46 141 141 0 0.00
海南 4 000 626 15.65 360 22 338 8.45
重庆 4 999 756 15.12 254 136 118 2.36
四川 5 000 564 11.28 94 496 -402 -8.04
贵州 5 000 394 7.88 106 66 40 0.80
云南 6 000 389 6.48 131 47 84 1.40
西藏 3 997 122 3.05 102 3 99 2.48
陕西 5 000 501 10.02 132 290 -158 -3.16
甘肃 4 000 345 8.63 89 308 -219 -5.48
青海 4 000 252 6.30 101 17 84 2.10
宁夏 4 000 305 7.63 104 27 77 1.93
新疆 7 000 564 8.06 273 41 232 3.31
总计 169 989 19 319 - - - - -

2.1.1 人才比重

青年人才流动包括省际流动和省内流动，表1的青年流动人才总数包括省际流入人数和省内流动人数。各省青年流动人才比重是指各省青年流动人才占其抽样总人数的比值。由表1可见，北京（26.12%）和上海（22.86%）占比最高；中部地区占比居中，除湖北（8.40%）以外，安徽（14.38%）、湖南（12.16%）、河南（11.84%）、江西（10.95%）等省份青年流动人才的占比都在10%以上；西部地区占比相对较低，如云南（6.48%）、青海（6.30%）、西藏（3.05%）。提取表1中各省青年流动人才比重数据，进行可视化处理，得出图1。由图1可见，青年流动人才的占比大致呈现出“自西向东逐渐增加”的空间格局。
图1 青年流动人才各省占比分布

Fig.1 Distribution of young floating talents in different provinces

2.1.2 人才净迁移率

人口净迁移率是指一定时期内流入人口数与流出人口数的差值与该地区总人口数的比。由于本文使用的人口数据是抽样调查得到的数据，因此本文使用的地区总人口数为该省抽样调查的总人口数。采用人口净迁移率指标能够对人口流动方向进行测度，因此可以测度出青年人才的流动方向[35]。图2是青年流动人才省际人口净迁移率的空间分布，可以明显看出青年流动人才的净增加主要集中在东部沿海和西部部分地区，包括北京（25.66%）、上海（22.50%）、海南（8.45%）、天津（7.78%）、广东（5.43%）、新疆（3.31%）、西藏（2.48%）、重庆（2.36%）、青海（2.10%）等；绝大部分的中部省份处在青年流动人才净迁移损失状态，如安徽（-14.38%）、河南（-13.60%）、黑龙江（-10.00%）、湖南（-9.20%）、湖北（-8.66%）等。青年流动人才的净迁移率呈现出“中部低、周围高”的空间格局，这表明中部地区的青年人才流出较多，而周围地区，尤其东部沿海地区青年人才流入较多。
图2 青年流动人才各省净迁移率

Fig.2 Net migration rate of young floating talents in different provinces

2.2 趋势面分析

地统计学空间趋势反映了空间现象在空间区域上的变化程度和方向变异性[36]。图3为青年流动人才人口密度的趋势面分析结果（由流动人口动态监测数据和各省统计年鉴中土地面积数据得到人口密度），将人口密度的散点图投影到 XZ平面和YZ平面上，然后根据二阶多项式来评估青年流动人才人口密度的拟合程度。X的正方向为东，负方向为西；Y的正方向为北，负方向为南。从图3可以看出，东西方向和南北方向上的最佳拟合线并非是一条直线，这表明青年流动人才的人口密度在特定方向上存在着一定的空间趋势[36]。青年流动人才人口密度的空间分布大体上呈现出自西向东逐渐升高，说明自西向东青年流动人才的人数有增加的趋势，南北向的曲线呈现出较小幅度的自北向南先升高后降低的倒“U”型趋势，说明青年流动人才的空间分布南北低，中部略高。
图3 青年流动人才人口密度趋势面分析

Fig.3 Trend surface analysis of population density of young floating talents

2.3 空间聚集度

为了确切地掌握青年流动人才在全国31个省级行政区的集聚情况，这里基于全局莫兰指数来分析全国青年人才的流动分布情况，分析变量为各省青年流动人才净迁移率[37]。将各省的净人口迁移率代入全局莫兰指数计算公式中，得出全局莫兰指数为0.158（P值为0.047，在0.05的水平上显著）， Z I为1.763（Z=1.763>+1.65）。分析结果表明，青年流动人才净迁移率分布呈现出明显的空间依赖，在地理上具有集聚特征，即青年流动人才净迁移率高的省份其周边省份净迁移率也高，反之则反。
全局莫兰指数能够从整体上反映出青年人才流动存在着空间自相关情况，但无法详细反映各地区内部间的空间集聚状况。因此，可以绘制莫兰散点图来弄清这些情况。从图4可以看出，青年流动人才呈现出“H-H”聚集模式的省份有天津、上海、江苏、浙江、福建、广西、海南、新疆和西藏，青年流动人才形成东部沿海和西部集聚地带。东部沿海地区经济发达，有着较高的工资收入，就业机会多，发展前景好，从而使得青年流动人才向这些省份聚集；虽然西藏和新疆的经济发展水平要比全国水平低一些，但是在国家政策扶持下，青年流动人才愿意去西部为祖国建设出力。河北和四川2个省份呈现出“L-H”集聚模式，相比于这2个省份，青年流动人才更愿意去邻近省份，主要原因是河北毗邻北京和天津，北京作为中国首都，天津作为直辖市，其对青年人才的吸引力远大于其他省份，而四川毗邻重庆，重庆作为直辖市，在西南地区经济实力强，青年人才更容易被吸引。共有12个省份呈现出“L-L”聚集模式，主要分布在中部地区，造成这种现象的原因是其自身的经济社会发展水平相对较低，地区相对偏远，发展和就业机会相对较少。北京、重庆、广东等省份是“H-L”聚集模式，在地理上呈现出离散分布。
图4 青年流动人才净迁移率莫兰散点图

Fig.4 Moran scatter chart of net migration rate of young floating talents

2.4 青年流动人才空间分布的形成机制及影响

青年流动人才的分布总体上呈现出“东强中西弱”的特点，结合各地自然社会条件及人才政策对青年流动人才的空间分布形成机制进行探讨[38]，究其原因：①中国“东部地区多平原而中西部地区多山地和高原”的地形地貌格局决定了青年流动人才空间分布的整体格局。②东部地区拥有京津冀、长三角和珠三角等众多经济发达的城市群，经济发达的东部地区通过高薪、高待遇等福利促使中西部欠发达地区的青年人才向其流入，这在一定程度上加重了中西部地区青年人才的流失。青年流动人才空间分布“东强中西弱”的特点会导致我国区域经济社会未来一段时间的不协同发展。

3 青年流动人才长期居留意愿影响因素

3.1 变量设置

3.1.1 被解释变量

被解释变量选取问卷调查中的“如果您打算留在本地，您预计自己将在本地留多久（定居）?”的选题，勾选定居选项的，则认为青年流动人才在迁入地有居留意愿（取值为1），勾选其他选项的，则视为没有居留意愿（取值为0），以此构建居留与不居留的二分类变量。

3.1.2 解释变量

基于人口社会学的角度，并结合国内外学者的相关研究成果[21-22,24,39⇓⇓-42]分析，将影响青年流动人才居留意愿因素归纳为个人、家庭、经济、社会4类因素。个人因素包括性别、年龄、户口性质、受教育程度；家庭因素包括配偶户籍地、家庭成员人数；经济因素包括月平均收入、家庭年收支比、住房性质、住房支出；社会因素包括职业类型。

3.2 实证分析

本文共分析4类影响因素，因此设置4个logit嵌套模型，计量结果详见表3。模型一分析个人因素变量对青年流动人才居留意愿的影响。在此基础上，采用逐步回归的方法，依次增加家庭因素变量、经济因素变量、社会因素变量，一共建立4个logit回归模型。在进行模型检验时，所有模型都通过了总体显著性检验，此外准R2在逐渐变大，稳健标准误与普通标准误非常接近，表明模型设定没有问题，并且该模型的解释能力在不断的提高。
利用Stata15.1统计软件对模型一进行运算和分析，结果显示，个人因素对青年流动人才居留意愿影响显著。首先，性别方面，男性作为对照组，其居留意愿低于女性（OR=1.245）。原因可能是女性在城市中可以通过婚嫁等方式留在城市；而且劳动力市场存在着一定程度的性别歧视，使得男性在城市劳动力市场上有更多的就业机会，男性更易迁移到其他城市[43]。其次，年龄方面，18~25岁组流动人才的居留意愿最低，这主要是因为这类人才刚步入社会，工作不稳定，缺乏物质保障，在城市中长期居留的压力较大，不愿意长期居留；26~35岁组的流动人才，正处于事业的上升阶段，发展方向稳定，因此具有较强的居留意愿；36~45岁组的流动人才，事业稳定，子女大多在流入地入学，长期居留的意愿是最高的。再次，户口性质对居留意愿也有较大影响，农业户口人才的居留意愿低于非农业户口人才的居留意愿，这可能与非农户口者自身的职业、收入以及消费水平有关。同时农业户口者可能受到户籍歧视，使得其福利待遇水平要低于非农业户口者[44]，这也导致了其居留意愿低。最后，受教育程度与居留意愿呈正相关，大学专科的居留意愿低于大学本科（OR=1.316），大学本科的居留意愿低于研究生（OR=1.623）。这说明学历越高的流动人才越容易在流入地立足，他们在劳动力市场的竞争中往往处于优势，能够快速地融入城市。
表2 自变量及其赋值

Tab.2 Independent variables and respective numerical value

变量类型 变量名称 变量赋值
个人因素 性别 1=男性，2=女性
年龄 1=18~25岁，2=26~35岁，3=36~45岁
户口性质 1=农业，2=非农业
受教育程度 1=大学专科，2=大学本科，3=研究生
家庭因素 配偶户籍地 1=配偶本地户口，2=无配偶，3=配偶非本地户口
家庭成员人数 连续变量
经济因素 月工资收入 1=0~3 000元，2=3 001~6 000元，3=6 001~9 000元，4=9 001元及以上
家庭月收支比 连续变量
住房性质 1=低租金或免费住房（包括政府提供公租房、单位/雇主提供免费住房（不包括就业场所）、借住房、就业场所、其他非正规居所），2=租房（租住私房），3=自有住房（包括自购住房、自建房）
住房支出 1=0~999元，2=1 000~1 999元，3=2 000~2 999元，4=3 000元及以上
社会因素 职业类型 1=专业技术及办事人员（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），2=商业服务业人员（包括经商、商贩、餐饮、家政、保洁、保安、装修、快递、“其他商业、服务业人员”），3=农业及产业工人（包括“农林牧渔、水利业生产人员”、生产、运输、建筑、“其他生产、运输设备操作人员及有关人员”），4=无固定职业及其他
表3 二元Logistic模型实证结果

Tab.3 Empirical results of binary logistic model

模型一 模型二 模型三 模型四
性别（对照组：男性）
女性 1.245*** 1.250*** 1.298*** 1.293***
年龄（对照组：18~25岁）
26~35岁 2.622*** 2.175*** 1.692*** 1.699***
36~45岁 3.288*** 2.460*** 1.785*** 1.791***
户口性质（对照组：农业）
非农业 1.499*** 1.498*** 1.342*** 1.335***
受教育程度（对照组：大学专科）
大学本科 1.316*** 1.312*** 1.163*** 1.140***
研究生 1.623*** 1.604*** 1.290*** 1.232**
配偶户籍地（对照组：配偶本地户口）
无配偶 0.167*** 0.326*** 0.328***
配偶非本地户口 0.348*** 0.462*** 0.463***
家庭成员数 1.345*** 1.143*** 1.143***
月工资收入（对照组：0~3 000元）
3 001~6 000元 1.043 1.041
6 001~9 000元 1.114* 1.111*
9 001元及以上 1.270*** 1.264***
家庭月收支比 0.996 0.997
住房性质（对照组：低租金或免费住房）
租房 1.358*** 1.359***
自有住房 5.297*** 5.300***
住房支出（对照组：0~999元）
1 000~1 999元 1.214*** 1.215***
2 000~2 999元 1.474*** 1.474***
3 000元及以上 1.692*** 1.690***
职业类型（对照组：专业技术及办事人员）
商业服务业人员 0.820***
农业及产业工人 0.802***
无固定职业及其他 0.896
_cons 0.089*** 0.139*** 0.021*** 0.026***
Number of obs 19 319 19 319 19 318 19 318
LR chi2（i） 961.81 1 486.70 3 567.20 3 584.80
Prob>chi2 0.0000 0.0000 0.0000 0.0000
Pseudo R2 0.0359 0.0555 0.1333 0.1339
模型二在模型一的基础上加入了家庭因素变量：配偶户籍地和家庭成员数。模型结果显示，配偶户籍地为流入地本地的流动人才居留意愿最强，这是因为其配偶在本地有稳定的事业和人脉关系网，父母子女都在本地，所以青年人才会更加愿意待在流入地。未婚流动人才的居留意愿最低，这说明单身青年人才因为没有家人的羁绊，更容易发生迁移。此外，家庭成员数变量在1%的显著水平下显著，家庭成员数每增加一人，流动人才愿意居留的几率就变成原来的1.345倍。因而流入地的家庭成员数越多，流动人才更愿意长期居留。
模型三中加入了经济因素变量：月工资收入、家庭月收支比、住房性质、住房支出。以收入小于3 000元的青年流动人才作为对照组，结果显示随着月工资收入的提高，流动人才的城市居留意愿不断增强。对于月工资收入在3 001~6 000元的流动人才，月工资收入对其居留意愿影响不显著，这可能是由于作为高学历人才，其收入水平相对较高，6 000元以下的收入难于吸引其长期居留。对于收入在6 001~9 000元的流动人才，月工资收入对其居留意愿的影响在10%水平下显著，居留意愿有所提升（OR=1.114）；对于收入在9 000元以上者，月工资收入在1%显著水平下对居留意愿影响显著，居留意愿达到最高（OR=1.270）。值得注意的是，家庭月收支比没有通过显著性检验，这说明在本模型中家庭月收支比对青年流动人才的居留意愿没有明显影响。
住房性质和住房支出均对青年流动人才居留意愿有显著影响。在流入地拥有自己住房的流动人才居留意愿最强烈（OR=5.297），在流入地租房的流动人才居留意愿为低租金或免费住房流动人才居留意愿的1.4倍（OR=1.358）；住房支出金额越高，青年流动人才的居留意愿越强。住房支出高的流动人才很可能在流入地已购住房，住房支出是购买住房时欠下的贷款，即使要背负不菲的住房支出，但是这部分流动人才在流入地有自己的住房，对未来的生活能够做出规划，因此居留的意愿较高。
模型四加入了职业类型变量，结果显示除“无固定职业及其他”类型外，固定职业类型对青年流动人才居留意愿影响显著。对照专业技术人员及办事人员，商业服务业人员、农业及产业工人的居留意愿相对较弱。这是因为固定的职业能为青年流动人才带来稳定的收入、可预见的发展前景，从而促使其愿意长久留下来。专业技术人员和办事人员相对技术能力更强，收入更高，职业满足感更高，因而居留意愿更强。

4 结论与建议

本文根据2017年流动人口动态监测数据，系统定量分析了青年流动人才的空间分布特征，以及个体、家庭、经济和社会四大因素对青年流动人才居留意愿的影响，具体结论如下：
中国青年流动人才的净迁移率呈现出“中部低、周围高”的空间格局，人口密度的空间分布大体上呈现出自西向东逐渐升高，自北向南先升高后降低的倒“U”型趋势；从空间集聚度来看，青年流动人才净迁移率分布呈现出明显的空间依赖，在地理上具有集聚特征，东部沿海省份和西部地区的新疆、西藏青年流动人才净迁移率相对较高，呈现出高高聚集特点，中部地区净迁移率相对较低，呈现出低低聚集特点。青年流动人才不均衡的分布，不利于我国区域经济协同发展。
个人、家庭、经济、社会因素对中国青年流动人才长期居留意愿影响显著。女性、非农业户口、年龄越大、学历越高的青年人才居留意愿越强；已建立家庭且配偶户籍地在流入地的青年人才居留意愿更强，其居留意愿随家庭成员数的增加而增加；青年人才居留意愿与月工资收入成正比；在流入地拥有住房的青年人才居留意愿更强，其为住房支出越多居留意愿越强；拥有固定职业者居留意愿更强，且专业技术及办事人员居留意愿相对较高。
针对以上结论，就各地如何吸引及留住青年人才提出如下建议：
第一，针对青年人才空间分布不均衡，建议地方政府坚持因地制宜的原则，利用本地区自身的优势制定人才吸引政策；同时在地区与地区之间开展人才合作、人才共享等模式来优化人才资源配置，以此来推动各地区之间社会经济的协调发展。
第二，建议各地政府针对青年流动人才的不同需求，实施差别化人才吸引政策，增进青年人才个人效用，助力流入地经济社会发展。譬如，对于学历程度相对较低的人才，可针对性地为其提供职业培训，以提升其职业技能。针对无配偶的青年人才，可组织与本地青年开展联谊活动或文化活动，增加其城市归属感；对于已有配偶或子女的青年人才，则应想办法解决其子女入托入学等问题。对于有条件的地区，可以适当提高工资水平，根据当地青年流动人才的实际收入，制定合理的“人才最低收入”保障标准，提升社保待遇，充分发挥高收入吸引人才的功能。同时，地方政府可以加大经济适用房和廉租房的建设，扩大保障房的申请范围，把吸引来的青年人才群体纳入保障房供给范畴；在购房时给予一些优惠，让有家庭的青年人才以较低的价格购买经济适用房，或者提供较低租金的廉租房，解决其家庭住房问题；对于单身的青年流动人才，可以根据地方政府的自身财力给予租房补助，实行等级划分租房补贴，让其租赁社会房屋，暂时解决住房问题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘旭阳, 金牛. 城市“抢人大战”政策再定位——聚焦青年流动人才的分析[J]. 中国青年研究, 2019(9):47-53.

[2]
R Herberle. The cause of rural-urban migration a survey of German theories[J]. The American Journal of Sociology, 1938(43):932-950.

[3]
Lewis W A. Economic development with unlimited supplies of labour[J]. Manchester School, 1954,22:139-191.

[4]
Narasimhan. Labour out-migration to cities:search for an appropriate theory[J]. Man-and-Development, 1995, 17(1):78-88.

[5]
Galor Stark. The probability of return migration,migrants' work effort,and migrants' performance[J]. Journal of Development Economics, 1991, 35(2):399-405.

DOI PMID

[6]
孟兆敏, 吴瑞君. 城市流动人口居留意愿研究——基于上海、苏州等地的调查分析[J]. 人口与发展, 2011, 17(3):11-18.

[7]
Annell J, Terman F. What does it take to make them stay?:how place satisfaction relates to willingness to stay of the creative class[D]. Kristianstad: Kristianstad University, 2017.

[8]
Plantinga J A, Cécile D D, Hunt G L, et al. Housing prices and inter-urban migration[J]. Regional Science and Urban Economics, 2013, 43(2):296-306.

[9]
姚华松, 许学强. 西方人口迁移研究进展[J]. 世界地理研究, 2008(1):154-166.

[10]
刘盛和, 邓羽, 胡章. 中国流动人口地域类型的划分方法及空间分布特征[J]. 地理学报, 2010, 65(10):1187-1 197.

[11]
姚华松, 许学强, 薛德升. 广州流动人口空间分布变化特征及原因分析[J]. 经济地理, 2010, 30(1):40-46.

[12]
朱传耿, 顾朝林, 马荣华, 等. 中国流动人口的影响要素与空间分布[J]. 地理学报, 2001(5):548-559.

[13]
鲁奇, 王国霞, 杨春悦, 等. 流动人口分布与区域经济发展关系若干解释(1990、2000)[J]. 地理研究, 2006(5):765-774,949.

[14]
李树茁, 王维博, 悦中山. 自雇与受雇农民工城市居留意愿差异研究[J]. 人口与经济, 2014(2):12-21.

[15]
侯建明, 李晓刚. 我国流动老年人口居留意愿及其影响因素分析[J]. 人口学刊, 2017, 39(6):62-70.

[16]
于潇, 陈新造. “90后”流动青年的广东城市居留意愿及影响因素研究[J]. 商业研究, 2017(5):177-183.

[17]
蔚志新. 分地区流动人口居留意愿影响因素比较研究——基于全国5城市流动人口动态监测调查数据[J]. 人口与经济, 2013(4):12-20.

[18]
郭建玉. 中山市流动人口居留意愿研究[J]. 南京人口管理干部学院学报, 2010, 26(2):34-38,42.

[19]
Zhilin Liu, Yujun Wang, Shaowei Chen. Does formal housing encourage settlement intention of rural migrants in Chinese cities?A structural equation model analysis[J]. Urban Studies, 2017, 54(8):1834-1 850.

[20]
Zhilin Liu, Yujun Wang, Shaowei Chen. Does formal housing encourage settlement intention of rural migrants in Chinese cities?A structural equation model analysis[J]. Urban Studies, 2017, 54(8):1834-1 850.

[21]
孟兆敏, 吴瑞君. 城市流动人口居留意愿研究——基于上海、苏州等地的调查分析[J]. 人口与发展, 2011, 17(3):11-18.

[22]
王春兰, 丁金宏. 流动人口城市居留意愿的影响因素分析[J]. 南方人口, 2007(1):22-29.

[23]
杨雪, 魏洪英. 流动人口长期居留意愿的新特征及影响机制[J]. 人口研究, 2017, 41(5):63-73.

[24]
吕红军, 陈洋愉, 褚祝杰. 基于logit模型的城市高学历人群长期居留倾向研究[J]. 人口学刊, 2014, 36(1):105-112.

[25]
杨菊华. “代际改善”还是“故事重复”?——青年流动人口职业地位纵向变动趋势研究[J]. 中国青年研究, 2014(7):53-60.

[26]
徐鹏, 周长城. 新时代背景下流动青年社会融入的结构测度与影响因素——基于2017年湖北流动人口动态监测调查[J]. 中国青年研究, 2018(9):62-69.

[27]
杨菊华, 张莹, 陈志光. 北京市流动人口身份认同研究——基于不同代际、户籍及地区的比较[J]. 人口与经济, 2013(3):43-52.

[28]
肖昕茹. 大城市青年流动人口购房意愿及其影响因素分析——以上海为例[J]. 上海经济研究, 2014(8):121-129.

[29]
杨东亮, 韩枫. 京津冀地区青年流动人口幸福感影响因素分析[J]. 青年研究, 2015(4):29-37.

[30]
岳昌君. 大学生跨省流动的特点及影响因素分析[J]. 复旦教育论坛, 2011, 9(2):57-62.

[31]
张抗私, 周晓蒙. 大学毕业生就业的省际流动特征及其影响因素[J]. 人口与经济, 2018(1):69-78.

[32]
葛玉好, 牟小凡, 刘峰. 大学生就业地域选择的影响因素分析——基于扩展的托达罗人口流动模型[J]. 中国人民大学教育学刊, 2011(4):81-89.

[33]
Gu H, Liu Z, Shen T et al. Modelling interprovincial migration in China from 1995 to 2015 based on an eigenvector spatial filtering negative binomial model[J]. Population,Space and Place, 2019, 25(8):e2253.

[34]
景晓芬. 老年流动人口空间分布及长期居留意愿研究——基于2015年全国流动人口动态监测数据[J]. 人口与发展, 2019, 25(4):34-43.

[35]
李扬, 刘慧, 汤青. 1985—2010年中国省际人口迁移时空格局特征[J]. 地理研究, 2015, 34(6):1135-1 148.

[36]
张锦宗, 朱瑜馨, 李生明. ArcGIS地统计分析在甘肃省人口空间分布研究中的应用[J]. 西北人口, 2010, 31(3):91-94.

[37]
潘竟虎, 李天宇. 甘肃省人口流动空间格局和影响因素的ESDA分析[J]. 统计与信息论坛, 2009, 24(9):62-66.

[38]
戈艳霞. 当前我国“人才争夺战”的起因、潜在问题与对策建议[J]. 西南民族大学学报:人文社科版, 2020, 41(3):199-204.

[39]
崔佳伟, 周伟, 钱庆, 等. 中国城市流动人口居留意愿及影响因素研究[J]. 中华医学图书情报杂志, 2019, 28(5):20-28.

[40]
李辉, 段程允, 白宇舒. 我国流动人口留城意愿及影响因素研究[J]. 人口学刊, 2019, 41(1):80-88.

[41]
李辉, 王良健. 房价、房价收入比与流动人口长期居留意愿——来自流动人口的微观证据[J]. 经济地理, 2019, 39(6):86-96.

[42]
李琴, 粟湘惠, 李辉. 《对外劳务合作管理条例》对中国劳务输出的促进效应分析——基于双重差分模型[J]. 财经理论与实践, 2020, 41(3):140-147.

[43]
王化波. 迁入地类型的选择——基于五普资料的分析[J]. 人口学刊, 2008(6):32-36.

[44]
曾永明, 张利国. 户籍歧视、地域歧视与农民工工资减损——来自2015年全国流动人口动态监测调查的新证据[J]. 中南财经政法大学学报, 2018(5):141-150.

Options
文章导航

/

〈 〉