中國東部產(chǎn)業(yè)向中西部轉(zhuǎn)移的收益空間研究

中國東部產(chǎn)業(yè)向中西部轉(zhuǎn)移的收益空間研究

一、區(qū)域間經(jīng)濟增長不平衡，增長動力不足，導致產(chǎn)業(yè)轉(zhuǎn)移的可能性加2003年春，東南沿海地區(qū)的勞動力開始短缺。2005年，“就業(yè)困難”擴展到中部城市。人力資源與社會保障部每年的企業(yè)監(jiān)測調(diào)查數(shù)據(jù)顯示，企業(yè)缺工越來越嚴重，2009年，約75%的企業(yè)自稱沒有招滿所需的勞動者（蔡昉，2010）。傳統(tǒng)的勞動密集型產(chǎn)業(yè)遭遇缺工現(xiàn)象最嚴重。與此同時，農(nóng)村勞動力向城鎮(zhèn)轉(zhuǎn)移速度也開始變慢：經(jīng)過30年的高速增長和人口年齡結(jié)構(gòu)變化，農(nóng)村似乎沒有“剩余勞動力”來填滿企業(yè)的用工需求了。與短缺相伴隨的是農(nóng)民工實際工資水平快速提高（盧鋒，2011）。勞動密集型產(chǎn)業(yè)的成本構(gòu)成中，工資開支占主導地位，因此，廠商對工資水平變化敏感。工資持續(xù)上漲，使勞動密集型產(chǎn)業(yè)在東部地區(qū)逐漸失去比較優(yōu)勢。高速增長形成的經(jīng)濟格局是地區(qū)發(fā)展不平衡，東部沿海經(jīng)濟發(fā)達，勞動密集型企業(yè)眾多，工資水平高于中西部地區(qū)，一直是農(nóng)民工遷移的目的地。當勞動密集型產(chǎn)業(yè)在東部地區(qū)失去比較優(yōu)勢并退出的時候，可能的出路有兩個：向發(fā)展水平更低的東南亞、南亞國家轉(zhuǎn)移；向發(fā)展水平相對落后的中西部地區(qū)轉(zhuǎn)移。勞動密集型產(chǎn)業(yè)支撐了中國經(jīng)濟的長期高速增長，無論是中央政府還是學術(shù)界，都希望產(chǎn)業(yè)轉(zhuǎn)移在東部和中西部之間完成，使傳統(tǒng)增長模式能持續(xù)更長一段時間，而不是輕易轉(zhuǎn)入其他發(fā)展中國家（蔡昉等，2009）。在傳統(tǒng)的條塊分割和地區(qū)間“錦標賽”競爭體制下，所在地政府從廠商那里得到稅收、就業(yè)、增長和政績，因此，在吸引資本流入上競爭激烈（周黎安，2007,2008），表現(xiàn)為“引進來”和“留得住”。由于東部地區(qū)政府有更高的效能，如果挽留廠商在本地生產(chǎn)經(jīng)營下去，那么，資本就很難向中西部地區(qū)流動。今天，東部的地方政府面對失去優(yōu)勢的勞動密集型產(chǎn)業(yè)，開始允許這些產(chǎn)業(yè)退出（房慧玲，2010），中西部地區(qū)就有了接受這些轉(zhuǎn)移產(chǎn)業(yè)的可能。當前跨省遷移者主要是年輕勞動力，勞動密集型產(chǎn)業(yè)進入中西部時，不僅能吸引遷移勞動力回流，還可以雇傭中西部那些年齡較大、現(xiàn)行條件下難以遷移的勞動力。這能緩解廠商面臨的勞動力短缺，又可以支付比東部地區(qū)更低的工資，對勞動密集型廠商來說是個激勵。另一方面，勞動密集型產(chǎn)業(yè)轉(zhuǎn)移到中西部，中西部流出的勞動力也有激勵返回家鄉(xiāng)：節(jié)省跨省遷移成本，降低與家人分離的心理成本，還降低了生活成本。即使名義工資不變或下降一部分，實際福利水平仍高于跨省遷移。2008年以前，一些東部省份就開始推行“騰籠換鳥”政策，提高土地租金、選擇性供應(yīng)土地、調(diào)整政府收費標準、提高環(huán)境門檻等手段，把低附加值的勞動密集型產(chǎn)業(yè)“擠出”本地區(qū)，為引進高附加值產(chǎn)業(yè)騰出空間1，后者會吸納更多技術(shù)勞動者，卻排斥非技術(shù)勞動者。那么，僅靠工資差距能吸引這些低技術(shù)產(chǎn)業(yè)向中西部地區(qū)大規(guī)模轉(zhuǎn)移、進一步開發(fā)中西部農(nóng)村勞動力嗎？對廠商來說，轉(zhuǎn)移到中西部可以在多大程度上降低成本呢？根據(jù)農(nóng)村遷移勞動者的地區(qū)收入差距，估計東部勞動密集型產(chǎn)業(yè)向中西部轉(zhuǎn)移帶來的潛在收益，從而評估產(chǎn)業(yè)在地區(qū)間轉(zhuǎn)移的可行性。這是本文的研究目的。二、dgp多態(tài)性群體遷移者本文使用的數(shù)據(jù)為2005年1%人口抽樣調(diào)查數(shù)據(jù)，這次調(diào)查實際完成樣本約1698.6萬人，占全國人口的1.31%。問卷詢問了遷移者的出發(fā)地、戶口性質(zhì)和收入，使我們可以準確識別遷移者的類型，如鄉(xiāng)城遷移者，城城遷移者。問卷中的遷移者出發(fā)地信息，能識別遷移者來自哪里，將他們調(diào)整回出發(fā)地，可以區(qū)分跨省遷移者、跨縣遷移者和縣內(nèi)遷移者。雖然數(shù)據(jù)結(jié)構(gòu)為觀測性截面數(shù)據(jù)，就比較不同遷移群體的遷移收益這個目的來說，這個微觀數(shù)據(jù)的優(yōu)勢是顯而易見的。不僅樣本巨大且覆蓋全國，尤其重要的是，這是唯一詢問了勞動者收入信息的人口抽樣調(diào)查，收入信息能支持本文計算遷移收益。由于區(qū)域經(jīng)濟差異顯著，出發(fā)地與目的地省份有著非常不同的社會經(jīng)濟特征，分省討論遷移特征才能準確把握這種差異。大樣本數(shù)據(jù)可支持分省考察，即使在省一級，各類遷移者的觀測值最少也有上千人，避免了小樣本問題。數(shù)據(jù)的大樣本特征也是滿足傾向得分匹配估計方法的適用條件之一（Sekhon,2008）。數(shù)據(jù)產(chǎn)生過程（DGP）的一致性具有如下優(yōu)點：無論是跨省遷移者還是省內(nèi)遷移者，他們都在同一時間填寫同一個問卷，有同樣的來源和定義，解決了兩個群體間的可比性問題（CameronandTrivedi,2005）。本文將鄉(xiāng)城遷移者樣本挑出，專門研究這個群體。盡管鄉(xiāng)城遷移者樣本超過70萬，一旦分布到各省后，需要區(qū)分為跨省遷移者、（省內(nèi)）跨縣遷移者和縣內(nèi)遷移者，部分人口較少省份還是會遭遇小樣本問題，如西藏自治區(qū)。北京、上海和天津這三個直轄市，農(nóng)業(yè)人口已經(jīng)很少，鄉(xiāng)城遷移者的數(shù)量更少，“省內(nèi)遷移”的含義不同于其他省份。本文在計算遷移收益時，排除了這三個直轄市和西藏自治區(qū)。青海、寧夏、海南等省份，人口并不比西藏多，但各類遷移者樣本最少也有數(shù)千人，因此，保留了上述省份。本文最終使用了27個省份的數(shù)據(jù)，分省觀察。鄉(xiāng)城遷移者的分布與特征。中西部地區(qū)尋求非農(nóng)就業(yè)的農(nóng)村遷移者，一部分遷移到東部省份尋找非農(nóng)就業(yè)；另一部分在本地區(qū)（省內(nèi)）尋求非農(nóng)就業(yè)。表1報告了全國鄉(xiāng)城遷移者的分布狀況。東部非農(nóng)就業(yè)機會多，農(nóng)村勞動者主要在本縣或本省尋找非農(nóng)就業(yè)，遷往省外者只有21%；中西部非農(nóng)就業(yè)機會少，主要遷往省外尋找就業(yè)機會，中部地區(qū)遷往省外者為63%；西部地區(qū)為54%。在所有跨省遷移者中，來自中西部地區(qū)者占85%?？梢酝茢啵坏┲形鞑砍霈F(xiàn)了大量非農(nóng)就業(yè)機會，這些來自中西部的勞動力就會返回家鄉(xiāng)。理論上，可以把中西部地區(qū)非農(nóng)就業(yè)者的收入視為跨省遷移者的機會成本，但在經(jīng)驗比較時，卻面臨著異質(zhì)性難題：跨省遷移者和在省內(nèi)遷移者之間可能存在著觀測到的和觀測不到的差異。描述性統(tǒng)計信息顯示出這種觀測到的差異（見表2）。中西部地區(qū)的跨省遷移者更年輕，平均年齡只有27.8歲，省內(nèi)遷移者則大約在30—32歲之間。男性更可能跨省遷移，中西部地區(qū)的跨省遷移者，男性占52%，而縣內(nèi)遷移者中，男性只占45%—47%。跨省遷移者的受教育水平更高，中西部地區(qū)分別為8.4年和8.1年，比省內(nèi)遷移的同伴約高出0.3年。婚姻狀況會影響遷移距離，有配偶的勞動者需要更多的家庭照料，跨省遷移意味著更少的家庭照料和更高的心理成本，因此，跨省遷移者中有配偶的比例顯著低于省內(nèi)遷移者，但省內(nèi)跨縣遷移者與縣內(nèi)遷移者群體，有配偶的比例則相對較為接近。從這些可觀測的差異就能判斷，在評估不同遷移群體的收入差距時，必須處理異質(zhì)性導致的估計偏差。表2最下面的一欄報告了各類遷移者的月平均工資。與前述信息相一致：東部地區(qū)的縣內(nèi)遷移者與省內(nèi)遷移者，雖然平均工資低于跨省遷移者，但明顯高于中西部地區(qū)的同伴，也高于中西部地區(qū)的跨省遷移者；中西部地區(qū)的跨省遷移者平均月工資要比省內(nèi)遷移者和縣內(nèi)遷移者高出220—270元。從這些描述性信息可得出如下判斷：第一，農(nóng)民工的地區(qū)收入差距顯著；第二，如果發(fā)生產(chǎn)業(yè)轉(zhuǎn)移，存在勞動力資源優(yōu)化配置的可能性。三、觀測差異的差異跨省遷移者和省內(nèi)遷移者在可觀測特征上存在顯著的差異，那么，也可能存在無法觀測的差異。在比較跨省遷移者與省內(nèi)遷移者的收入時，要對這兩類差異進行謹慎處理，以減輕估計偏差。當現(xiàn)有觀測性數(shù)據(jù)結(jié)構(gòu)特征使本文難以構(gòu)建一個“控制-干預”的自然實驗框架時，傾向得分匹配估計是接近準確區(qū)分的可選擇經(jīng)驗策略。（一）共同支持條件為了弄清跨省遷移者相比于省內(nèi)遷移者真實的收入優(yōu)勢，本文面臨的最大挑戰(zhàn)是尋找反事實假設(shè)：如果這些跨省遷移者選擇了省內(nèi)遷移，他們的收入將會是多少？觀測性截面數(shù)據(jù)只顯示一個狀態(tài)，跨省或省內(nèi)遷移，嚴格的反事實假設(shè)是找不到的，只能借助于一些無法檢驗的假設(shè)，構(gòu)建出近似的控制組和干預組。利用大樣本截面數(shù)據(jù)，本文采用傾向得分匹配估計方法（RosenbaumandRubin,1983），其適用條件建立在兩個假定上：非混淆性和共同支持條件。在本文研究背景下，非混淆性假定的含義為：兩個相對同質(zhì)群體的收入差異，僅僅歸因于他們在決定遷移目的地時選擇了“跨省”還是“跨縣或省內(nèi)”。共同支持條件在這里的含義是：“控制組”（跨縣遷移者）和“干預組”（跨省遷移者）在匹配得分范圍上要有一定的重合區(qū)域，這些重合區(qū)域內(nèi)的樣本才是可比的。把跨省遷移視為接受干預，省內(nèi)遷移為未接受干預，則兩個群體里有共同接受干預得分的樣本，假定其誤差項的分布是相同的，可以把未接受干預者視為接受干預者的控制組（DiNardoandLee,2011）。首先對遷移群體及其所處環(huán)境進行分析，通過弄清他們在特殊約束條件下可能的選擇，來討論傾向得分匹配方法的適用性。傳統(tǒng)二元經(jīng)濟條件下，農(nóng)業(yè)和非農(nóng)業(yè)存在顯著的收入差距，家庭作為市場決策主體時，愿意把勞動力成員配置在非農(nóng)行業(yè)。由于本地缺少非農(nóng)就業(yè)機會，遷移到其他地區(qū)是大多數(shù)人的選擇。經(jīng)驗證據(jù)顯示，遷移（出）群體與留守務(wù)農(nóng)或在本地從事非農(nóng)就業(yè)的群體存在異質(zhì)性（Zhao,1999）。如果去掉留守農(nóng)業(yè)的樣本和從事本地（鄉(xiāng)內(nèi)）非農(nóng)就業(yè)的樣本，把遷移出去的樣本作為待分析目標群體，這個群體是相對同質(zhì)的?？蛇M一步假設(shè)，那些做出遷移決定后的群體，面對的下一步?jīng)Q策是選擇目的地：外省，本省其他縣市，或本縣其他鄉(xiāng)鎮(zhèn)。在遷往外省的群體中，會有兩類人，第一類是只會遷往外?。ū热缙蔑L險）；第二類是對遷往外省還是本省沒有主觀偏好（風險中性），僅僅是機會等偶然事件（如信息獲得）使他們選擇了遷往省外。在省內(nèi)遷移者群體中，也會有兩類人，第一類對省內(nèi)遷移還是遷往外省沒有偏好（風險中性），選擇省內(nèi)遷移來自機會等偶然因素；第二類厭惡遷移距離，不愿意跨省遷移?？梢约俣ǎ缡∵w移者中的第二類人（群）和省內(nèi)遷移者的第一類人（群）是更接近同質(zhì)的，因此是可以比較的：假定跨省和省內(nèi)兩個傾向得分相同的次級群體，對遷移方向的選擇是近似于隨機決定的。這時，可以認為滿足了“非混淆性假定”：跨省遷移者與省內(nèi)遷移者之間可比較的收入差異，即是跨省遷移收益。“省內(nèi)遷移”或“跨省遷移”是干預狀態(tài)D(0,1），這是本文選擇方程中的被解釋變量，方程形式設(shè)定為Logit模型。（二）其他控制變量在傾向得分匹配估計中，一個重要環(huán)節(jié)是為跨省遷移與否（D）選擇解釋變量X。這些變量要盡可能接近外生，“前定于”遷移決策；對遷移選擇有影響；還要與目的地的收入水平相關(guān)。根據(jù)勞動力市場理論和中國的經(jīng)驗事實，本文選擇以下解釋變量：勞動者的年齡，性別，婚姻狀況，家庭內(nèi)關(guān)系（比如戶主、配偶等）和民族等人口學因素；受教育程度等人力資本因素。這些因素不僅會影響勞動者遷移決策，也會影響在目的地市場上的表現(xiàn)。另一個影響遷移的因素是出發(fā)地的社會經(jīng)濟環(huán)境。社會環(huán)境意味著潛在遷移者所面對的機會成本、文化和對待風險的態(tài)度，還意味著社會關(guān)系網(wǎng)絡(luò)和遷移的歷史傳統(tǒng)，這會影響遷移者在目的地的搜尋成本和成功入職的概率及保留工資。在微觀數(shù)據(jù)里，本文將出發(fā)地地級市作為控制變量引入選擇方程。這些解釋變量大多為二分變量，只有年齡和受教育水平可視為連續(xù)變量———也是有限的，但大樣本可較好地避免維度難題。在傾向得分匹配估計中，雖能預期解釋變量會朝某個方向影響遷移選擇，但真實的方程形式應(yīng)該是什么樣的，卻無法先驗地設(shè)定。如年齡、受教育年限等連續(xù)變量的形式應(yīng)該是一階還是高階，一些二分變量是否與其他變量產(chǎn)生交互項等，會影響匹配質(zhì)量，在模型設(shè)定時要考慮這些連續(xù)變量的階數(shù)。本文選擇方程的基本形式為線性，然后擴展為線性高階。（三）基于共同支持條件的傾向得分匹配在干預組和控制組里，各有一部分樣本有共同的觀測性特征，這些特征影響著遷移決策及概率大小?？紤]到大樣本帶來的運算困難，在對跨省遷移者和省內(nèi)遷移者作比較時，根據(jù)預測得到的傾向得分P(X）進行匹配，有相同得分（P(X））的跨省或省內(nèi)遷移者就相互構(gòu)成反事實假設(shè)（BlackandSmith,2004）。通過遷移決策（Logit）模型估計每個人的遷移概率（得分）并觀察其重合區(qū)域，這部分樣本滿足共同支持條件，通過分析跨省遷移者和省內(nèi)遷移者樣本的得分（P(X））分布，可以評估共同支持范圍和匹配估計的質(zhì)量。圖1報告了全國27個省份跨省遷移者與省內(nèi)遷移者的傾向得分分布狀況。不同省份選擇跨省遷移與省內(nèi)遷移的得分有顯著差異，但各省的兩組遷移者得分都在一定范圍內(nèi)?？偟恼f來，干預組呈右偏峰（向1方向偏斜），控制組呈左偏峰（向0方向偏斜），符合共同支持條件。兩組得分分布與我們的經(jīng)驗認知相一致，比如，福建、江蘇和浙江三個跨省遷移目的地省份，跨省遷移者與省內(nèi)遷移者的得分幾乎是沿X軸對稱的鐘形曲線；廣東省的跨省遷移者得分偏向0，說明廣東省農(nóng)村勞動者不愿意到省外尋找非農(nóng)就業(yè)機會。從視覺圖可看出，本文數(shù)據(jù)滿足傾向得分匹配的共同支持條件。27個省份視覺圖還證實了分省處理的必要性：由于區(qū)域經(jīng)濟發(fā)展不平衡，各省遷移群體的得分范圍是顯著不同的。如，河北省的得分主要分布在0.4～1之間；海南省的得分在0～0.5之間；廣東省的得分只有0～0.2。如果不進行分省處理，地區(qū)經(jīng)濟不平衡導致的豐富變異就會隨著樣本的增大而減少甚至消失：干預組和控制組的得分都會朝著接近對稱的鐘形曲線偏斜，主要分布在0.6～0.8之間。共同支持條件要求舍棄掉那些共同支持域以外的樣本，在兩組樣本中，他們更可能是存在異質(zhì)性偏差的樣本。已有的研究顯示，即使存在選擇性偏差，當比較兩組樣本中的得分相同樣本時，傾向得分匹配估計也有效減輕了偏差（DehejiaandWahba,2002）。結(jié)合以上分析，本文構(gòu)建如下經(jīng)驗方程，估計跨省遷移的收入優(yōu)勢：等式左端是指滿足共同支持條件下經(jīng)過得分值加權(quán)后兩個遷移群體的平均收入差距。等式右端，P(X）是指傾向得分，具有相同傾向得分的兩組遷移者構(gòu)成了反事實假設(shè)組。D=1表示跨省遷移；D=0表示省內(nèi)遷移（或跨縣）；Y(1）表示跨省遷移者的收入；Y(0）表示省內(nèi)遷移者的收入。調(diào)整一下控制組，可以便利地擴展到跨省與跨縣遷移者對比。四、跨省遷移者的收益本文首先采用OLS方法估計跨省遷移收益，為PSM方法提供一個參照。將遷移者的月工資對數(shù)值作為被解釋變量；將是否跨省遷移作為主變量（interestingvariable）；控制變量分別為年齡、性別、民族、家庭內(nèi)關(guān)系和受教育年限。在地級市層面進行聚類回歸。表3左邊窗格報告了主變量“跨省遷移”的估計系數(shù)和標準差。首先，中部地區(qū)省份從跨省遷移中獲得了最大的收益。吉林、黑龍江、江西、河南、湖北和湖南等中部省份，“跨省遷移”的系數(shù)達到0.4甚至更高，山西和安徽的跨省遷移者收益也在0.3以上。其次，西部地區(qū)的人口大省也從跨省遷移中獲得了顯著收益。四川、貴州、廣西和陜西是西部的人口大省和重要勞動力輸出地，這些省份的跨省遷移系數(shù)介于0.28—0.42之間；甘肅、青海、寧夏和新疆等人口較少省份，跨省遷移的收益在0.34—0.42之間。再次，東部一些經(jīng)濟相對落后省份，也是跨省遷移的輸出地。河北、遼寧和海南等省，地理上屬于東部地區(qū)，但發(fā)展水平相對落后，也是農(nóng)村勞動力的輸出地。這些省跨省遷移的系數(shù)介于0.33—0.45之間，遷移收益接近于中部省份。那些勞動力遷移目的地省份，如江蘇、浙江、福建和廣東，其跨省遷出的系數(shù)遠低于其他省份，江蘇與福建分別為0.18和0.21，浙江只有0.04，而廣東甚至為負值，-0.04。表3右邊的窗格報告了跨省遷移者相對于跨縣遷移者的收益。這兩個群體有著更接近的特征。改變控制組后，幾乎每個省的跨省遷移系數(shù)都出現(xiàn)了顯著下降：東部省份的跨省遷移收益更?。恢胁康貐^(qū)的收益介于0.28—0.4之間；西部地區(qū)介于0.2—0.39之間。在東部地區(qū)，相對于跨縣遷移者，廣東省跨省遷移系數(shù)為-0.08；浙江不顯著異于0；江蘇和福建兩省份的系數(shù)分別為0.15和0.17。顯然，東部各省從跨省遷移中得到的收益要小于中西部省份。本文還進一步觀察了省內(nèi)遷移者中跨縣遷移與縣內(nèi)遷移的收益，除了廣東、浙江等少數(shù)東部省份，遠低于跨省遷移的收益。這意味著遷移的距離與收益正相關(guān)，其背后的經(jīng)濟含義是，遷移改善了勞動力資源的配置效率。一個同方向的推論是，離開家庭必須得到相應(yīng)的補償。五、傾向評估的結(jié)果（一）跨省與東北部的匹配研究匹配算法的選擇首先取決于樣本分布特征。在中西部各省，勞動者以向省外遷移為主，省內(nèi)遷移人數(shù)遠少于跨省遷移，匹配時，面臨著干預組和控制組觀測值的數(shù)量差異問題。以河南為例，跨省遷移（出）者有41239個觀測值，而省內(nèi)跨縣遷移者只有1803個觀測值。如果采用一一匹配方法，1803個跨縣遷移者幾乎都能與跨省遷移者匹配起來，但跨省遷移者的絕大多數(shù)樣本都會被舍棄。從直覺上判斷，即使有可信的依據(jù)，也不能舍棄大多數(shù)觀測樣本。估計偏差與估計效率之間具有替代性，需要兼顧結(jié)果的無偏性和有效性。解決這個難題的辦法是采取替換匹配：將控制組觀測樣本固定，重復與干預組樣本進行匹配。由于跨省與省內(nèi)遷移者的得分分布存在差異，為確保兩組樣本都滿足共同支持條件，作者對匹配得分范圍進行控制，只有得分值都介于某個范圍內(nèi)的兩組樣本才進行比較（a<P^(X)<b）。匹配算法的細致選擇對小樣本數(shù)據(jù)更有意義，對大樣本數(shù)據(jù)來說，無論選擇什么樣的算法，都會收斂于精確匹配（SmithandTodd,2005）。（二）算法有效性分析為了減少異質(zhì)性對估計結(jié)果的影響，作者首先從遷移的成本-收益理論出發(fā)設(shè)定控制組和干預組，將省內(nèi)遷移者區(qū)分為“跨縣”和“縣內(nèi)”兩類。一方面，跨縣遷移者更接近于跨省遷移者；另一方面，就研究目的來說，當東部產(chǎn)業(yè)轉(zhuǎn)移到中西部地區(qū)時，回流的勞動力未必總能在縣內(nèi)找到與自己知識技能相匹配的崗位，那么，跨縣遷移或許是更現(xiàn)實的選擇。因此，本文采取兩種方法：跨省遷移者與省內(nèi)（所有）遷移者作比較；跨省遷移者與跨縣遷移者作對比。算法選擇：本文先嘗試無替換匹配，然后主要使用替換匹配。接著，將匹配算法擴展到共同支持條件：只對兩組共同支持的得分范圍內(nèi)樣本進行匹配。從圖1看出，兩組得分常呈反方向偏斜，改善匹配估計一致性的辦法之一是修剪得分兩端的樣本，大樣本特征允許作者修剪掉5%的樣本。如果無法觀測的（跨省或省內(nèi)）遷移偏好與匹配得分高低是一致的，則修剪掉得分兩端樣本會進一步減輕異質(zhì)性偏差。表4中的模型（1）和（2）都是非替換算法，模型（1）設(shè)定形式為線性方程，模型（2）在模型（1）中增加連續(xù)變量“年齡”和“受教育年限”的平方。匹配方法采用鄰近匹配。結(jié)果顯示，中西部地區(qū)的跨省遷移者收入水平顯著高于省內(nèi)遷移者，大多數(shù)在30%以上；在東部不發(fā)達省份，如河北、遼寧、海南等，跨省遷移者的收入優(yōu)勢與中西部省份相當，但東部發(fā)達省份，江蘇、浙江、福建、山東和廣東等，跨省遷移者的收入優(yōu)勢顯著下降，廣東省為-6%至-7%；浙江省約為2%。將匹配方程分別設(shè)定為線性與設(shè)定為高階時，在非替換算法下沒有顯著差異。模型（3)—(8）采用替換算法，其中模型（3)—(5）為線性模型。首先看線性模型設(shè)定下的收入差異：模型（3）為鄰近匹配，大多數(shù)省份的結(jié)果與模型（1）有同樣的符號和顯著性，且系數(shù)接近。浙江省的系數(shù)為為-0.014，與模型（1）的符號相反，但統(tǒng)計上不顯著。模型（4）在（3）的設(shè)定形式上增加了共同支持條件，與模型（3）相比，系數(shù)和標準差幾乎完全一致。模型（5）在模型（4）的基礎(chǔ)上修剪掉得分兩端5%的樣本，25個省份的結(jié)果與模型（4）沒有顯著差異，但山西省的系數(shù)由0.308下降到0.256，下降幅度顯著；廣東省則由-0.064提高到0.001，但這個系數(shù)在統(tǒng)計上不顯著。模型（6)—(8）的算法與模型（3)—(5）分別對應(yīng)，只是在線性方程中添加了兩個連續(xù)變量“年齡”與“受教育年限”的平方項?？梢钥闯?，無論是在模型設(shè)定中添加連續(xù)變量的高階項，還是改變算法，每一個省份的估計結(jié)果都沒有發(fā)生顯著改變。這意味著，將省內(nèi)遷移者作為跨省遷移者的參照組時，匹配后的收入差異是穩(wěn)定的。（三）地區(qū)橫向遷移特征接著將跨縣遷移者作為控制組，估算跨省遷移者的收入優(yōu)勢。省內(nèi)跨縣遷移者特征會更接近跨省遷移者，將它作為控制組能進一步減少異質(zhì)性偏差。表5報告了不同算法下跨省遷移者與跨縣遷移者的收入差異，對傾向得分的估計全部采取線性方程；模型（1)—(10）的差異主要是算法。為了減少匹配估計的潛在偏差，只采用控制組和干預組中滿足共同支持條件的樣本。模型（1）采用核匹配（Heckmanetal,1997,1998），默認值為cubit算法。除了廣東和浙江的系數(shù)顯著為負值，其他25個省份的系數(shù)都顯著為正，范圍在10.7%—42.1%之間，即進行傾向得分匹配后，跨省遷移者的月收入比省內(nèi)跨縣遷移者高出11%—42%。模型（2）采用局部線性匹配（llr），選擇的帶寬為默認值0.06，除了河南與廣東省的系數(shù)略大于模型（1），其他25個省的系數(shù)與模型（1）沒有顯著差異。模型（3）采用半徑匹配，選擇的半徑為默認值0.001。模型（4）采用AbadieandImbens(2006）所建議的半徑匹配方法，以期得到更準確的標準差，這里選擇的m值為3。模型（4）的系數(shù)與模型（3）相比沒有顯著差異，但標準差更大。與模型（2）相比，模型（3）和（4）的系數(shù)的大小和方向基本一致。模型（5）與模型（6）采用最近鄰居匹配，模型（5）選擇最近的1個鄰近值，模型（6）選擇2個鄰近值。這時，不僅系數(shù)和標準差都很接近，而且，廣東和浙江這兩個省份也沒有出現(xiàn)波動。模型（7）與模型（8）采用核估計，模型（7）采用正態(tài)核估計，模型（8）為雙權(quán)重核估計（biweight）。廣東和浙江的估計（絕對）值比模型（5）、模型（6）顯著減少外，其他25個省份的估計值都非常接近于模型（5）和模型（6）。模型（9）在模型（5）的模型設(shè)定形式下修剪掉5%的樣本，這是控制異質(zhì)性和減少估計偏差的通常做法。修剪掉5%得分最高和最低的樣本后，絕大多數(shù)省份的系數(shù)相比模型（5）都沒有顯著變化，只有廣東省的系數(shù)為-0.28，顯著小于模型（5），但模型（9）的標準差提高到0.12。在傾向得分匹配估計中，缺少一個滿意的標準差計算公式，討論傾向得分匹配條件下的標準差是近年來的一個理論熱點。微觀經(jīng)濟計量學者大多傾向于靴靽（Bootstrap）方法，對樣本進行重復抽樣，以得到更穩(wěn)健的漸進標準差。根據(jù)數(shù)據(jù)的大樣本特征，本文選擇抽取50次，見模型（10）。選擇算法為“共同支持條件、5個最近鄰居”，對傾向得分的估計采取logit模型。靴靽算法和AI算法得到的標準差，大于其他算法且施加同樣約束條件下的標準差，其結(jié)果仍都是高度顯著的。從表5顯示的結(jié)果看出，除了廣東和浙江兩省在某些算法下，出現(xiàn)了明顯波動外，其他省份得到的結(jié)果一直是穩(wěn)健一致的。（四）匹配估計的有效性傾向得分匹配的優(yōu)勢之一是不必假定估計方程為線性函數(shù)，可以通過在線性函數(shù)中添加連續(xù)變量的平方項或高次方項，考察與線性函數(shù)估計結(jié)果的差異。如果沒有顯著差異，說明傾向得分匹配估計結(jié)果對函數(shù)設(shè)定形式不敏感；如果有顯著差異，則采用非線性形式，這時，線性方程的結(jié)果可能出現(xiàn)了過度擬合，而非線性形式能更準確擬合結(jié)果的變化。這也是穩(wěn)健性分析的常用策略。本文將連續(xù)變量“年齡”和“受教育年限”分別構(gòu)建平方項添加到傾向得分估計方程中。跨省遷移相對于跨縣遷移的收入差異報告在表6中，除了增加兩個高階項，變量選擇與算法和表5的模型（1)—(10）分別一一對應(yīng)。把各個省份不同算法下得到的估計系數(shù)設(shè)定“最小-最大”值，發(fā)現(xiàn)其結(jié)果與線性模型估計結(jié)果一致，即使是那些偏離正常范圍的系數(shù)也是一致的。比如，半徑匹配算法下的廣東省，收入差異由其他算法下的顯著為負變成不顯著異于0，在兩種模型設(shè)定條件下，估計系數(shù)和標準差完全相同。這意味著，匹配算法對方程設(shè)定形式不敏感，得到的結(jié)果是穩(wěn)健一致的。2比較一下OLS估計和匹配估計的結(jié)果發(fā)現(xiàn)，在27個省份中，以省內(nèi)遷移者為控制組時，有13個省份的OLS估計值大于匹配估計的最大值，主要是東中部省份；有5個省份的OLS估計值小于匹配估計的最小值，全部是西部省份；介于匹配估計范圍內(nèi)的省份有9個。以跨縣遷移者作為控制組時，有14個省份的OLS估計值大于匹配估計的最大值，全是東中部省份；有5個省份的估計值小于匹配估計的最小值，全是西部省份；有8個省份的估計值介于匹配估計的最小值和最大值之間。如果把匹配估計范圍視為更可信的收入差異，則OLS估計高估了大部分東中部地區(qū)的跨省遷移收益，低估了西部地區(qū)的跨省遷移收益。（五）干預及控制組的匹配前后結(jié)果匹配的效果如何呢？這決定了對收入差異估計的可信性。平衡性檢驗是一個必要的診斷。平衡性檢驗使用的模型設(shè)定為線性方程中添加兩個連續(xù)變量的平方項，施加了共同支持條件后的最近鄰居匹配，鄰居數(shù)目在此為1。按照慣例，應(yīng)該把模型設(shè)定中的所有變量匹配前后的數(shù)值和T值都列示出來，以便讀者判斷。但由于本文分別觀測了27個省份，限于篇幅，無法列示所有省份，本文在東中西三個地區(qū)分別任意選擇一個省份，浙江、江西和陜西。從圖1看出，這三個省份的得分并沒有特異之處。平衡性檢驗結(jié)果報告在表7中。干預組和控制組的匹配前結(jié)果都存在顯著差異。比如，浙江匹配前的跨省遷移者平均年齡為31.05歲，而省內(nèi)遷移者為33.07，相差2歲，T值為14，差異非常顯著；匹配后的樣本，平均年齡分別為34.4歲和34.2歲，差異減少到0.3歲，雖然T值為2.41仍顯著，但無論差異規(guī)模還是統(tǒng)計顯著性都大為下降。3跨省遷移者與省內(nèi)遷移者的性別結(jié)構(gòu)差異顯著，匹配后，T值由8.2下降到-0.9；受教育年限由相差0.7年下降到匹配后的0.03年。簡言之，浙江省參與匹配的變量有29個，其中28個變量的兩組均值在匹配前差異在95%水平上顯著，匹配后只有8個仍然顯著，但差異顯著縮小，T值也明顯下降。江西和陜西也呈現(xiàn)同樣的趨勢。江西和陜西省的匹配結(jié)果與浙江一致：匹配使干預組和控制組的各個變量的差異變得不顯著或減少了差異程度。每個省份都控制了地級市的固定效應(yīng)，在各個地級市內(nèi)，匹配前結(jié)果差異顯著，而匹配后則顯著下降或者差異消失。從對27個省份的平衡性狀況的檢驗結(jié)果看，匹配效果良好。當模型設(shè)定為線性方程時，匹配平衡性結(jié)果沒有顯著改變。當我們采用其他算法進行平衡性檢驗時，平衡性結(jié)果同樣良好。4檢驗平衡性效果的方法還包括匹配前后的分位值比較、Pseudo-R1值比較等，無一例外，匹配后的分位值、Pseudo-R1值都出現(xiàn)了顯著下降。平衡性檢驗結(jié)果的穩(wěn)健證實了采用傾向得分匹配算法的有效性，也是對共同支持條件的間接檢驗。（六）修剪對匹配質(zhì)量的影響觀測性截面數(shù)據(jù)的結(jié)構(gòu)特征決定了非混淆性一直是本文關(guān)注的重點。從傾向匹配得分的視覺圖看出，跨省遷移者為右偏峰，跨縣遷移者為左偏峰。根據(jù)對遷移決策的經(jīng)驗，一部分人承受風險的能力強，心理成本低，偏好跨省遷移，假定他們的匹配得分更接近于1；另一部分人相反，不愿意遠距離遷移，心理成本高，更愿意在省內(nèi)尋找非農(nóng)就業(yè)機會，假定其匹配得分更接近于0。顯然，傾向得分匹配中的“修剪”技術(shù)通過剪去兩組得分最高和最低的樣本，將兩組對象的比較限定于特定的區(qū)域，以減少異質(zhì)性并改進匹配的質(zhì)量（Heckmanetal.,1998）。大樣本條件下，即使修剪掉一部分樣本，也不會顯著影響匹配效率。作者將干預組和控制組得分分布最高和最低的5%樣本剪去。5結(jié)果（表5和表6的模型（9））顯示，修剪掉5%樣本并未顯著改變估計結(jié)果。這意味著，傾向得分匹配估計的結(jié)果是相當穩(wěn)健的：不僅對模型設(shè)定形式不敏感，對變量選擇和共同支持條件不敏感，甚至對修剪得分兩端樣本同樣不敏感。一般說來，如果觀測值趨于無窮大，異常值可以忽略不計。本文很多省份的觀測值超過10000，經(jīng)驗上已接近于無窮大了。六、不同次次利用下西部各省份的回遷方案及相對受益水平分析對農(nóng)民工來說，嚴格的戶籍制度和地區(qū)分割的社會保障體系是難以克服的障礙，一旦東部勞動密集型產(chǎn)業(yè)向中西部轉(zhuǎn)移，這些勞動力也會隨著產(chǎn)業(yè)轉(zhuǎn)移而返回家鄉(xiāng)。本文推算企業(yè)獲得產(chǎn)業(yè)轉(zhuǎn)移收益的依據(jù)如下：中西部省份跨省遷移農(nóng)民工的數(shù)量和農(nóng)民工的遷移凈收益。兩者的乘積即是潛在遷移收益。本文采取10種算法計算跨省遷移收益，盡管大多數(shù)省份不同算法得出的結(jié)果都很接近且穩(wěn)健，但沒有先驗的理論或經(jīng)驗規(guī)則能幫助判斷哪個是最優(yōu)算法（BeckerandIchino,2002）。出于穩(wěn)妥，作者將不同算法得出的跨省遷移收益系數(shù)構(gòu)建一個“最小-最大”區(qū)間，以此來計算各出發(fā)地省份遷移者的遷移收益。但誰會返回出發(fā)地呢？本文假定多種方案。一個較為保守的假定是，那些與省內(nèi)遷移者有相同匹配得分的人會返回。中西部省份滿足共同支持條件的兩組樣本都在90%以上，遷移者回流時不再考慮這個因素。一個可以操作且符合經(jīng)驗的假定是，已婚有配偶的勞動者更可能返回，因為家庭照料的負擔要比無配偶者重，遷移的心理成本更高。國家統(tǒng)計局對農(nóng)民工監(jiān)測調(diào)查結(jié)果顯示，2009年，全國共有農(nóng)民工14533萬人。假定跨省遷移者的比例仍保持2005年的水平上（47.3%），則全國共有6878萬跨省遷移農(nóng)民工。在這些跨省遷移者群體里，作者計算了2005年各省遷移者有配偶的比例并假定這個比例不變，然后計算出各省跨省遷出者已婚有配偶的人數(shù)，共有4405萬人。以此作為回