EN中文

Economic geography >

2019 , Vol. 39 >Issue 10: 36 - 42

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.006

Regional Differences in the Impact of Early Childhood Migration on Adult Income

  • HAN Lei ,
  • LIU Fang , ※ ,
  • HOU Xinshuo
Expand
  • Commerical College，XiangTan University，Xiangtan 411100，Hunan，China

Received date: 2019-04-29

  Revised date: 2019-08-17

  Online published: 2025-04-18

Fold

Abstract

Based on the microscopic survey data of the China Family Tracking Survey (CFPS), a combination of macro and micro analysis. The spatial characteristics of the distribution of young migrants are analyzed from the provincial level and the regional differences in the impact of migration on adult income were compared. The main conclusions include: 1) The overall distribution of the young migrant population is: the western region <the central region <the eastern region, with Shanghai, Liaoning and Guangdong provinces accounting for the highest proportion; 2) The young migrants continue to gather in the eastern region, and the proportion of distribution in the central region has been shrinking, and there is a "central collapse"; 3) Under the influence of human capital and social capital, only the migration to a "good" environment would have a positive effect on adult income.The return on human capital investment in the eastern region is 3.7 percentage points higher than that in the central and western regions;The return on human capital investment in urban areas is 2.9 percentage points higher than in rural areas.Through the mechanism analysis, it is found that the positive effect of juvenile migration on human capital is an important channel that affects adult income.

Key words： migration population; childhood migration; population distribution; regional differences; adult income; human capital; educational resources

Cite this article

HAN Lei , LIU Fang , HOU Xinshuo . Regional Differences in the Impact of Early Childhood Migration on Adult Income[J]. Economic geography, 2019 , 39(10) : 36 -42 . DOI: 10.15957/j.cnki.jjdl.2019.10.006

1980年代以来，随着改革开放的深入和社会主义市场经济体制的建立健全，我国社会流动的规模愈来愈大。2017年国家卫计委发布的《中国流动人口发展报告》指出，我国流动人口规模已达到2.45亿人。根据《中国2010年第六次人口普查资料》得到0~17周岁流动儿童规模已达3 581万。随着时间的推移，家庭化的迁徙模式开始凸显，带来了庞大的随迁子女数量，在研究人口迁徙的问题上提供了更广泛的研究思路。
关于人口迁徙空间与模式变化的研究，国内外众多学者利用各种空间分析技术对迁徙人口的时空特征进行了深入研究。改革开放前，我国人口迁徙的主导方向是从沿海到内地。而改革开放后，迁徙方向完全逆转。王桂新等认为中国省际人口迁徙流向主要向东部地带“集中”的同时，迁移吸引中心也发生着量的不断扩大的“多极化”和质的持续提高的“强势化”[1]。人口迁徙是来源地与目的地空间相互作用的一种直观的社会表达，它映射着区域经济水平、投资强度及其关联的就业机会的区域差异[2]。也有部分学者主要研究“人口迁徙动因”，其研究成果也颇为丰富。从自然条件、历史背景、经济水平、个人特征等各方面都有涉及，形成了跨经济学、地理学、社会学等多学科研究的格局。值得注意的是，以经济利益为主要动机是人口迁徙的一般规律[3]。拉文斯坦的“迁移定律”也表明改善自己的经济状况是人们进行迁徙的主要动因[4]。
国外关于迁移子女的工资水平实证研究中，Deming等研究表明，迁移子女在劳动力市场中处于有利地位，收入水平相对较高[5]。Hull等发现迁徙的子女特别是来自弱势家庭的子女，他们非认知技能可以帮助他们建立认知能力技能，且非认知技能可以提高移民的子女最终的受教育程度和工资水平[6]。迁徙到不同地区对幼年迁徙者成年后向上流动性具有因果效应。儿童迁徙的空间距离即使只有半公里的变化，都会影响未来的结果。且儿童越早迁徙到“好”的区域，对其成年正向影响越大[7]。孙三百也研究表明迁徙可以降低落后地区迁徙者的代际收入弹性，有利于提高收入流动性，提升迁徙子女收入水平[8]。
以往国内文献往往更多关注的是农民工随迁子女的相关问题，与本文研究范围并不一致，因此不再延伸。实际上选择子女随迁的家庭并不仅局限于农民工。本文关注的研究对象是幼年（即12岁以前）跟随父母发生过迁徙的群体，其中既包括农村人口迁徙也包括城市人口迁徙。通过探讨幼年迁徙人口分布的空间特征及其对成年收入的影响，有助于了解区域差异对幼年迁徙个体带来的影响。

1 研究数据与方法

1.1 数据来源和研究对象

本文使用中国家庭追踪调查（CFPS）2016年的微观调查数据。该数据涵盖了中国的25个省份，抽样分散且随机，因此将其视为一个具有全国代表性的样本。去除掉一些作者认为不可靠的信息，实证部分将年龄控制在18~50岁之间后，得到1 768个有效样本。
本文选取的研究对象是3岁或12岁居住地与出生地不同的群体，并使用作者的“特权”将其称为“幼年迁徙”群体，即被调查者幼年时期跟随父母迁徙过。幼年迁徙群体区别于传统意义上的流动儿童。“流动儿童”一般普遍被认为是在现行的城乡政策框架下，无法享受与城市同龄儿童同等的教育机会，也被排斥于乡村正式的教育体系之外，成了被“边缘化”的一个庞大群体。本文选取的研究对象则是相对中立的，既包括农村子女迁徙，也包括城市子女迁徙。

1.2 研究方法

本文采用宏观分析与微观分析相结合的方法，从省际层面对幼年迁徙人口分布分析总体趋势和一般规律；同时借助微观方法以人力资本模型为基础，探究幼年迁徙对成年后收入影响的区域性差异。基准模型设为：
c i = α 0 + α 1 t i + α 2 z i + u i s i = α 0 + α 1 t i + α 2 z i + u i
y i = β 0 + β 1 × t i + β 2 × z i + δ i
y i = λ 0 + λ 1 × t i + λ 2 × c i + λ 3 × z i + ε i
式中：下标i表示个体；ci表示i研究对象的人力资本指标；si表示i研究对象的社会资本指标；t代表核心变量虚拟变量（幼年是否迁徙）；y为成年收入对数；协变量矩阵z是其他控制变量的集合；μi、δi和ɛi分别表示随机扰动项。为稳健性起见，本文采用稳健性标准误进行回归。
计量模型（1）用来检验幼年迁徙对中间变量的影响。人力资本（C）通过研究对象的受教育年限来衡量。社会资本（S）的定义和衡量较为复杂。我国是一个人情关系型社会，礼顺人情是维护其社会网络和人际关系的重要途径，而礼顺人情通常会伴随着“人情支出”。一般来说，研究对象参加社会活动的支出越大，拥有的社会资本就越多。本文通过计算家庭“礼金支出”与家庭年总收入的比值，即礼金支出比作为社会资本的代理变量。计量模型（2）用来检验幼年迁徙对成年收入的影响。其中控制变量包括年龄、年龄的平方、性别、婚姻状况、户口、城市虚拟变量以及地区虚拟变量。计量模型（3）将幼年迁徙核心变量与人力资本同时纳入到同一框架下，用来检验人力资本作为中间机制的重要性。

2 人口幼年迁徙时空特征分析

2.1 幼年迁徙人口分布总体格局

通过计算全国样本下幼年迁徙的区域人口数量，将其在矢量图中可视化，得到全国省际幼年迁徙人口分布图（图1）。从图中可以看出，东、中、西地区间分布差异明显，密集程度依次递减；个别省份分布较为密集，其中上海市、辽宁省和广东省位列前三，且都处于东部地区。从统计上看，我国西部地区虽占全国总面积的71%，人口占全国总人口的28%，而幼年迁徙总人口占比仅为11.86%；东中部地区幼年迁徙总人口占比高达88.15%。由于地区间经济发展水平存在巨大差异，加之家庭迁徙本身存在成本、户籍等限制因素，导致幼年迁徙人口分布以及迁徙方向存在着显著的地区差异。
图1 幼年迁徙人口地区分布

Fig.1 Distribution of young migrants

2.2 幼年迁徙人口分布的时空差异

由于被调查者是幼年时期跟随父母发生过迁徙的，根据CFPS统计迁徙时间可追溯至1921—2000年间。本文选取改革开放以来最重要的1978、1988、1998年为时间节点，统计三段时期幼年迁徙人口在各地区占比情况（图2）。1969—1978、1979—1988和1989—1998年东部地区幼年迁徙人口占比情况随时间的推移不断呈集聚趋势，中部地区呈相反趋势，占比不断缩小，而西部地区在改革开放后一段时期内显著下降，在第三时期有所回升。
图2 三个时期幼年迁徙人口分布的区域占比

Fig.2 The proportion of regional distribution of young migrants in three periods

根据拉文斯坦的观点，人们进行迁徙的主要目的是为了改善自己的经济状况，因此，经济发展的地区差异是人口迁徙的主要动因[3]。但是改革开放之前，国家一直试图实现经济发展的空间平衡，对人口迁徙进行了很严格的限制，因此这一时期的迁徙人口分布相对“均匀”（图2左侧图）。1979—1988年，即改革开放之后，中国开始向社会主义市场经济进行过渡，将经济重点移向东部沿海地区，并且对人口流动控制的开始放松，东部地区人口迅速聚集。在这样的经济背景下，东部地区幼年迁徙人口占比迅速超过50%，改革开放前后幼年迁徙人口占比增速超过21%。受市场经济的影响，地区间经济差距不断拉大，幼年时期随父母迁徙向东部流动的趋势将不会改变。
由于西部地区自然资源丰富，在政府的政策支持下，吸引了大量人口迁入，从而在1988—1998年开始出现逆转。西部地区幼年迁徙人口占比在三段时期也呈现“先降后升”的趋势。而中部地区由于经济发展、就业机会、薪资待遇、教育医疗等与东部的差距，加之人多地少，表现为明显的“中部凹陷”[9]。从幼年迁徙人口分布时间和空间维度，可以清楚看到这种“凹陷”的存在，意味着中部地区对人才吸引力度不足，而其背后的影响因素都无益于“中部崛起”战略。由此可见，我国的幼年人口迁徙时空格局与区域经济发展有着强烈的联系。

2.3 幼年迁徙人口的年龄结构特征

根据CFPS 的微观调查数据，可以更深入了解幼年迁徙者的个人情况，如年龄、性别、教育、收入、家庭成员等。受到样本数量的限制，我们仅以上海、辽宁、和广东作为代表性省份做进一步分析。图3展示了三个省市幼年迁徙人口现今年龄 ① 构成情况，年龄段划分标准依据2.2部分1978、1988、1998年几个时间节点推算得出，依次是50~41、40~31和30~21岁。
图3 上海、广东和辽宁幼年迁徙人口年龄构成

Fig.3 Age composition of young migrants in Shanghai, Guangdong and Liaoning

上海、辽宁和广东的幼年迁徙人口年龄构成呈现出明显差异。上海市幼年时期随迁人口数量最多，被调查者现今年龄主要在31~40岁之间，即改革开放后随迁人口数最高。改革开放建立了社会主义市场经济体制，人口迁徙流向开始以市场经济为主导。加之，国家进一步放宽了对农业劳动力迁移的限制，人口迁徙大规模迅速扩大[10]。众多研究者都证实了在1985—1990年期间，人口迁移主要流向沿海的北京、上海、天津、广东、辽宁、福建、山东和海南[9]。
随着时间的推移，虽然上海和广东都受到改革开放的影响，经济保持持续高速增长，但在图3中广东省幼年迁徙人口趋于年轻化，占比情况不断加大。而上海市作为全国经济中心地，幼年迁徙人口占比增速反而下降。1985—2010年上海市和广东省的人口迁徙总量占全国人口迁徙总量的比值情况 ② 显示（图4）：上海的迁徙人口总量一直比广东省要低。究其原因，一方面，明显受区域面积大小的影响，上海市作为直辖市，占地面积仅为广东省的1/30。另一方面，广东省产业结构以劳动密集型企业为主，上海市以资金密集型和技术密集型企业为主[3]，而在1980—1990年代多数劳动者文化素质很难达到企业要求，从而限制了人口迁徙。加之，上海市对外来人口采取户籍控制等限制措施，使得迁徙门槛较高。
图4 1985—2010年各区域人口迁徙总量占全国人口迁徙总量

Fig.4 The total population migration in each regionaccounts for the total migration of the country's population between 1985 and 2010

辽宁省幼年迁徙人口年龄构成相对“均衡”。占比最高的年龄段在50~41岁之间，之后随迁人数迅速下降，而后有所回升。改革开放前，由于东北地区重工业基础存在比较优势，东北依靠政策倾斜和大量投资，迅速建立重化工业体系，工业的大规模发展，吸引了大量人口迁入[11]。而辽宁省作为国家重点建设地区，在这一时期，是迁徙人口进入东北的必经之路。与此同时，改革开放前幼年时期随迁人口占比最大。结合三个省市分析，各省份的经济发展对幼年迁徙存在强烈影响，同时受到政府政策等方面影响，与以往关于人口迁徙特征的研究相一致。

3 幼年迁徙与成年收入

根据经济学理性人假设，以及劳动收入相关理论，本文从人力资本和社会资本的角度，探究幼年迁徙对成年后收入影响的区域差异及原因。

3.1 理论分析和假设

3.1.1 幼年迁徙对人力资本投资的影响

人力资本是决定劳动收入最重要的解释变量之一，是附着在劳动者身上的获得性技能，且教育为人力资本最有效的投资。借鉴前人的研究成果，我们从三个角度分析迁徙对人力资本投资的影响。
从家庭因素看，父母特征对迁徙者的人力资本投资具有正向影响，父母特征更具优势的群体选择子女随迁的动机更大。从学校角度看，学校质量或资源对迁徙者的人力资本投资具有正向影响。Alejandro等[12]的实证研究表明，迁徙子女所在学校的总体资源较高，有利于他们的学业成就。从区域角度分析，迁徙方向具有指向性，即更倾向于迁徙至环境更“好”的地区。而经济水平更好的地区劳动力市场相对较为繁荣，教育质量和技能培训等资源方面更加丰富，对迁徙家庭更为有利。因此，这些家庭有更多的资源投资于子女的教育。这意味着，迁徙家庭可以获得更多的资源和更公平的机会。
结合以上分析，幼年迁徙对人力资本具有正向影响。在控制家庭和区域特征之后，理论上幼年迁徙对人力资本仍具有正向作用。我们认为可能的解释为迁徙子女的家庭与本地居民的家庭相比更为注重人力资本投资，表现为对学校“质量”的选择上。因此，本文提出如下假设：
假设1：幼年迁徙对人力资本投资具有正向效应；迁徙子女的家庭相比本地居民的家庭更加注重对人力资本的投资。

3.1.2 幼年迁徙对社会资本的影响

社会资本在教育市场和劳动力市场发挥着重要作用，尤其在中国这样的“人情”、“关系”型社会，父母可以通过自身积累的社会资本帮助子女获得更丰富的人力资本投资渠道。社会资本有助于个体人力资本获得准确、可靠的信息，降低外部信息的不对称。而迁徙行为使得原来的社交网络受到限制，可能不利于人力资本的积累。
但值得注意的是，大多数人才“东流”后不仅自身发展较好，也没有产生对当地人才的“挤出”效应。而对于流入到落后地区的外来人才而言，是进入到了一个相对稳定、封闭的社会关系网络之中。东部地区对人才引进的需求是一种内生需求，没有受到当地社会资本的排斥。因此，在东部地区发展相对于中西部，依赖社会资本的程度较低，更加有利于人力资本回报的公平获取。即市场经济越完善的地区受到社会资本负面影响相对较小。因此，本文提出如下假设：
假设2：幼年迁徙会弱化原有的社会资本，二者之间存在负相关性，且存在区域异质性，市场经济越完善的地区受到社会资本负面影响相对较小。

3.1.3 幼年迁徙对成年收入的影响

在前文分析中，幼年迁徙对人力资本投资具有正向效应，对社会资本具有一定的负向效应；而两者对劳动收入都具有重要决定作用。那么人力资本的正向效应与社会资本的负向效应究竟孰轻孰重呢?我们直接分析幼年迁徙对成年收入的影响，从而反推二者“力量”的大小。
越来越多的人认为，环境在塑造孩子的未来方面发挥着关键作用。国外的实验性研究已经证实，一个孩子成长的社区环境对其收入向上流动的前景有重大的因果影响。对某一个水准的教育与家长收入而言，其子女的社会流动机会会随着父母所居住区的平均收入而发生从单倍到双倍的变化。基于此可知，迁徙至越“好”的地区，幼年迁徙对成年收入的正向影响越大。从而反推可知，市场经济越发达的地区，关系网络更加流动开放，受到社会资本限制的作用越小，人力资本投资的正向效应大于社会资本的负向效应，从而提高成年收入。因此，本文提出如下假设：
假设3：迁徙至越“开放”的地区，幼年迁徙对成年收入的正向作用越大。

3.2 实证结果与分析

3.2.1 幼年迁徙对成年收入影响的区域差异

由于我国经济发展水平区域差异性大且城乡二元经济结构突出，因此我们按经济和城乡划分区域。从表1中可知，东部和城市地区幼年迁徙对成年收入具有显著的正向效应，而中西部和农村地区，幼年迁徙对成年收入的影响不显著。这与前文假设3相符，即迁徙至越“开放”的地区对成年收入有正向作用。经济越“好”的区域意味着有更好的教育质量，有更多的技能培训机会以及更繁荣的劳动力市场。迁徙虽然会弱化原有的社会资本，不利于对子女的人力资本投资，但迁徙子女的成长环境向好转变，教育质量和技能培训等各方面资源更加丰富，机会更为公平，加之迁徙子女家庭本身对人力资本投资更为重视，这些正向效应足以抵消掉社会资本弱化带来的负面效应。Chetty等认为迁徙到不同社区对儿童成年后结果有着因果效应，且儿童越早迁徙到“好的”社区，社区环境对向上流动性的影响越大[13]。
表1 分区域估计幼年迁徙对成年收入的影响

Tab.1 Estimation of the impact of juvenile migration on adult income by region

（1） （2）
东部地区 中西部地区 城市地区 农村地区
迁徙虚拟变量 0.250** 0.142 0.213** 0.104
（0.117） （0.158） （0.107） （0.203）
常数项 9.311*** 8.440*** 8.644*** 9.353***
（0.646） （0.627） （0.597） （0.694）
个人控制变量 √ √ √ √
样本数 856 837 1 065 628

注：括号内为稳健标准误估计的*值；*、**、***分别表示10%、5%、和1%的显著性水平。表2~表6同。

3.2.2 区域差异的原因分析

进一步从人力资本和社会资本的角度探讨存在差异的原因。迁徙行为会弱化其原有社会关系，且社会资本是嵌入到社会关系网络中的，关系网络越稳定封闭，社会资本发挥的作用越大。东部和城市地区的教育市场和劳动力市场相对较为完善和开放，受到社会资本弱化的负面影响较小。那么区域间人力资本投资的正向效应和社会资本的负向效应，二者之间的力量如何变化?从三个方面进行验证：①估计区域间人力资本投资回报率；②估计幼年迁徙对人力资本投资的影响程度；③估计幼年迁徙对社会资本的影响大小。
表2估计了区域间人力资本投资回报率差异。结果显示，人力资本投资对收入都有显著的正向影响；东部地区的人力资本投资回报率比中西部地区高3.7个百分点；城市的人力资本投资回报率比农村高2.9个百分点。因此，经济越发达的地区劳动力市场相对更为繁荣，劳动者不仅可以通过自身教育获得更高报酬，还能通过“干中学”积累经验获得更高收入。
表2 人力资本投资回报率差异比较

Tab.2 Comparison of the return on investment ratio of human capital

（1） （2）
东部地区 中西部地区 城市地区 农村地区
受教育年限 0.078*** 0.041*** 0.069*** 0.040***
（0.008） （0.007） （0.007） （0.010）
常数项 8.585*** 7.931*** 8.114*** 8.715***
（0.625） （0.627） （0.583） （0.693）
个人控制变量 √ √ √ √
样本数 856 837 1 065 628
表3比较了区域间幼年迁徙对人力资本投资的影响差异。无论是东部还是中西部地区，幼年迁徙对人力资本投资具有正向效应。但东部地区核心变量系数比中西部地区要高，意味着迁徙至东部地区的群体更倾向人力资本投资。分城乡来看，在农村地区，幼年迁徙对人力资本的影响不显著。说明迁徙至较好的环境下，迁徙群体对人力资本投资才更为重视。古有孟母三迁，今有择校而居。从古至今父母对于居住环境的选择都与子女的未来发展息息相关，同时也折射出良好的生活环境对小孩成长的重要性。
表3 幼年迁徙对人力资本影响的差异比较

Tab.3 Comparison of the impact of juvenile migration on human capital

（1） （2）
东部地区 中西部地区 城市地区 农村地区
迁徙虚拟变量 1.999*** 1.575*** 1.807*** -0.205
（0.425） （0.574） （0.347） （0.761）
常数项 11.967*** 11.117*** 11.509*** 11.975***
（0.543） （0.525） （0.492） （0.520）
个人控制变量 √ √ √ √
样本数 856 837 1 065 628
表4估计了区域间幼年迁徙对社会资本的影响差异。幼年迁徙对社会资本的负向效应确实存在，结果与假设2相符。即幼年迁徙会弱化原有的社会资本，二者之间存在负相关性；市场经济越完善的地区受到社会资本负面影响相对较小。由此可知，东部和城市地区的教育市场和劳动力市场相对较为完善和开放的环境下，受到社会资本弱化的负面影响较小。
表4 幼年迁徙对社会资本影响的差异比较

Tab.4 Comparison of the impact of juvenile migration on social capital

（1） （2）
东部地区 中西部地区 城市地区 农村地区
迁徙虚拟变量 -0.010 -0.058*** -0.028* -0.038**
（0.022） （0.010） （0.017） （0.017）
常数项 0.093*** 0.134*** 0.116*** 0.111***
（0.022） （0.022） （0.020） （0.025）
个人控制变量 √ √ √ √
样本数 856 837 1 065 628

3.3 机制检验

为进一步检验幼年迁徙对成年收入影响的作用机制，根据计量模型（3），将幼年迁徙核心变量和人力资本同时纳入到模型中（表5）。第（2）列加入父母受教育年限，以减少父母特征对幼年迁徙核心变量带来的内生性问题。结果显示，迁徙虚拟变量不再具有显著性，而人力资本变量对成年收入具有显著正向影响。从而说明人力资本在幼年迁徙对成年收入正向影响中的积极作用。在控制父母受教育年限以及地区因素后，估计结果依然稳健。通过机制分析发现幼年迁徙群体主要通过人力资本投资提高成年收入。Card研究迁徙子女和当地人之间的工资差距时，发现迁徙子女的平均工资比本地人高，并将这一差距主要归因于迁徙子女的受教育水平更高[14]，与本文分析观点一致。
表5 机制分析

Tab.5 Mechanism analysis

（1）
lninco		 （2）
lninco		 （3）
lninco
迁徙虚拟变量 0.103 0.097 0.086
（0.091） （0.091） （0.090）
受教育年限 0.059*** 0.056*** 0.053***
（0.006） （0.007） （0.006）
城乡变量 0.103** 0.103** 0.090*
（0.047） （0.047） （0.047）
常数项 8.007*** 7.945*** 7.799***
（0.481） （0.483） （0.484）
个人控制变量 √ √ √
父母受教育年限 × √ √
地区变量 × × √
样本数 1 693 1 693 1 693

3.4 稳健性检验

尽管上述基准回归加入了尽可能的控制变量，但仍可能存在遗漏重要变量导致内生性问题。为验证回归结果的稳健性，考虑以下检验方式（表6）。
表6 稳健性检验

Tab.6 Robustness test

变量 模型（1）
logit模型/
替换被解
释变量
（train）		 模型（2）
ordered logistic模型/变换被解释变量
（educ）		 模型（3）
稳健OLS
模型/增加
控制变量		 模型（4）
logit模型/
替换被解
释变量
（work-hep）
迁徙虚拟变量 0.602** 0.447*** 0.786*** -0.471*
（0.258） （0.156） （0.280） （0.272）
城乡变量 0.385*** 0.804*** 1.370*** 0.152
（0.149） （0.105） （0.166） （0.129）
家庭收入（对数） 0.836***
（0.102）
常数项 7.046*** -1.508 -0.818***
（0.777） （1.159） （0.295）
父母受教育年限 √ √ √ ×
个人控制变量 √ √ √ √
地区变量 √ √ √ √
样本数 1 768 1 753 1 703 1 236
首先，检验人力资本投资代理变量的稳健性。模型（1）将人力资本投资的代理指标替换成“是否接受技能培训”（train）。其中参加过技能培训的赋值为“1”，否为“0”。由于变换后的被解释变量为二值变量，因此采用Logistic模型进行分析较为合理。模型（2）使用“受教育程度”（educ）作为人力资本投资测度的替代变量。其中，小学及以下、初中、高中、大专、大学及以上分别赋值“1、2、3、4、5”。由于变换后的被解释变量为有序多分类变量，采用非线性Ordered Logistic模型进行分析。模型（3）增加家庭因素，“家庭年收入对数”作为新增控制变量。估计结果显示，在控制遗漏变量的偏差问题后，幼年迁徙对人力资本的影响及其显著性并未发生变化，二者依然存在显著的正向效应。从中可知，本文对人力资本测度的代理指标具有合理性和稳健性。
然后，检验社会资本代理变量的稳健性。模型（4）在定量分析中，对被解释变量社会资本）的代理变量替换成“是否获得工作帮助”（work-hep）虚拟变量模型。其中工作由来获得他人帮助的赋值为“1”，否为“0”。估计结果显示，在控制遗漏变量的偏差问题后，幼年迁徙对社会资本的负向效应在5%的显著性水平下依然成立。

4 结论与讨论

①幼年迁徙人口分布整体情况为：西部地区<中部地区<东部地区，其中上海、辽宁和广东省在总数上占比最高。该三个省份的幼年迁徙人口年龄结构特征与经济发展水平、政府政策、户籍等因素存在强烈相关性。因此，我国区域间经济发展水平的巨大差异，可观察到幼年迁徙人口空间分布存在着一定的规律性。
②幼年迁徙人口不断集聚于东部地区，中部地区分布占比不断缩小，存在“中部凹陷”状况。中部地区对人才吸引力度的不足，其背后的影响因素都无益于“中部崛起”战略。人口迁徙与经济格局的密切相关性，区域间的不平衡，必然导致人口从落后地区向发达地区迁徙。因此，研究幼年迁徙人口分布空间特征有助于掌握区域间经济差异的总体变化规律。
③幼年迁徙对成年收入的影响存在区域差异，只有向“好”环境迁徙，对成年收入才具有正向推动作用，通过机制分析发现幼年迁徙对人力资本的正向效应是影响成年收入的重要渠道。因此，需要相应的政策推动人口流动，积极破除迁徙壁垒，形成举家迁徙的经济基础和动力机制。同时，要弱化区域经济发展不平衡造成的教育资源分布不均的问题，改善中西部地区教育资源，提高教育质量。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王桂新. 中国经济体制改革以来省际人口人口迁移区域模式及其变化[J]. 人口与经济, 2000(3):8-16.

[2]
刘望保, 汪丽娜, 陈忠暖. 中国省际人口迁移流场及其空间差异[J]. 经济地理, 2012, 32(2):8-13.

[3]
俞路. 20世纪90年代中国迁移人口分布格局及其空间极化效应[D]. 上海: 华东师范大学, 2006.

[4]
冯章献, 张瑜, 魏冶, 等. 基于百度迁徙数据的长春市春运人口流动时空格局与动力机制[J]. 经济地理, 2019, 39(5):101-109.

DOI

[5]
Deming, David J. The Growing Importance of Social Skills inthe Labor Market. Quarterly Journal of Economics[J]. 2017, 132(4):1 593-1 640.

[6]
Hull Marie C, Norris Jonathan. The Skill Development of Chil-dren of Immigrants[J]. Institute for the Study of Labor (IZA), 2018,Discussion Papers 11 724.

[7]
Chetty Friedman, Jones Porter. The opportunity Atlas:mappingthe childhood roots of social mobility[J]. Center for Economic Studies,U.S. Census Bureau, 2018,18-42.

[8]
孙三百, 黄薇, 洪俊杰. 劳动力自由迁徙为何如此重要?——基于代际收入流动的视角[J]. 经济研究, 2012, 47(5):147-159.

[9]
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):1 135-1 148.

[10]
刘新荣. 东北地区人口变动及对经济发展的影响[D]. 长春: 吉林大学, 2011.

[11]
于婷婷. 东北地区人口迁移与区域经济发展研究[D]. 长春: 东北师范大学, 2017.

[12]
Portes A, Vickstrom E, Haller W J, et al. Dreaming in Spain:Parental Determinants of Immigrant Children's Ambition[J]. Ethn Racial Stud, 2013, 36(4):557-589.

[13]
Chetty R, N Hendren. The Impacts of Neighborhoods on In-tergenerational Mobility I:Childhood Exposure Effects[J]. The Quarterly Journal of Economics, 2018, 133(3):1 107-1 162.

[14]
David Card. Is the New Immigration Really so Bad?[J]. Eco-nomic Journal,Royal Economic Society, 2005, 115(507):300-323.

Options
Outlines

/

〈 〉