第5章 为什么限制城市规模将损失就业与公平？
城市是发展现代经济的引擎，是提升收入水平的动力，也是创造非农就业的源泉。由于在城市的规模经济效应方面认识不足，实际政策往往偏向于控制城市化进程和限制大城市人口规模。在城市体系的调整方面，政府的政策导向是重点推进中小城镇的发展，而限制特大城市的规模，具体的手段就是控制户籍制度改革的进程。而在实际操作中，大城市人口限制政策主要针对的是低技能者，这一点，在各个地方的落户条件和居住证积分落户条件上均有体现。
对于户籍制度改革的疑虑充分地显示出地方政府对于本地利益的考量，而全局利益（或者说公共利益）则被忽视。由于户籍制度所导致的城乡间以及城市内部不同地区间劳动力市场的分割，中国的城市发展目前普遍存在着集聚不足，而非集聚过度的问题。由于户籍等制度长期构成了对于城市扩张的限制，中国的城市化过于本地化，城市规模过小，因而无法发挥城市的规模经济优势，限制了城市劳动生产率的提高和经济增长（Henderson,2007）。事实上，大城市和中小城镇的发展并不相互排斥，中小城镇的发展以大城市的发展为基础，并受其辐射功能的带动（许政、陈钊、陆铭，2010；本书第6章）。因此，在当前中国城市化水平偏低、城市集聚不足而非过度的现实下，盲目限制大城市发展，会带来巨大的效率损失。
在户籍制度改革背后隐藏着对于城市规模扩张所带来的负面后果的担心。事实上，即使在市场机制下，由于拥挤效应的存在，城市规模扩张也不可能是无限的，而对于城市发展所伴随的“城市病”却在很大程度上是个技术和管理的问题。另一种在现实中存在的担心是，随着城市的人口规模扩张，城市将无法提供充足的就业岗位，从而将加剧失业问题。人们特别担心，在城市扩张过程中，低技能者将面临更大的失业风险。同时，原来的城市居民将面临更为激烈的劳动力市场竞争，从而也会加剧原有居民的失业问题。那么，事实是否如人们所担心的那样呢？已有的经验研究发现，外来劳动力进入城市就业对本地居民失业的影响程度很小（刘学军、赵耀辉，2009）。在理论上，劳动力流入并不必然增加失业，这主要是因为存在着城市发展的规模经济，城市人口规模的增加会不断地创造出新的就业机会，甚至劳动力需求的增长会快于劳动力供给的增长。但长期以来，有关城市扩张有利于创造就业岗位的经验证据仍很缺乏，也没有足够的经验研究为不同技能的劳动者如何在城市扩张中受益提供证据。
那么，城市扩张到底会对失业产生怎样的影响呢？对此问题有两种思考方式，一种思考方式是，与过去相比，如果城市扩张了，失业率是否会上升。这种思考方式没有必要，如果时间意义上的城市扩张会增加失业率，那么在实际生活中，就应该观察到随着城市规模日益长大，失业率将越来越高，而这显然与现实不符。如果将农村地区的就业不足也计入失业率，那么，随着农村剩余劳动力的转移和城市扩张，就业率只会上升，总体的失业率会下降。
对于城市扩张与就业之间的关系，正确的提问方式是，与发展中、小城市相比，发展大城市是否更加有利于增加就业？针对上述的知识空缺和政策争论，本章利用中国家庭收入调查2002年和2007年的数据（CHIPS2002和CHIPS2007），研究了城市规模与个人失业概率的关系。本章的工具变量估计结果显示，城市发展的规模经济效应有利于提高劳动力个人的就业概率，城市规模每扩大1%，个人的就业概率平均提高0.039—0.041个百分点。此外，我们还发现，城市规模扩大的就业促进效应对于不同受教育水平的劳动者并不相同。总的来说，较高技能和较低技能组别的劳动者均从城市规模的扩大中得到了好处，其中低技能组别劳动力的受益程度最高。而城市规模的扩大并没有显著影响中等技能劳动力的就业概率。因此，城市人口规模的限制措施，特别是针对低技能劳动力的限制措施不仅损害了劳动力资源的利用效率，不利于城市规模经济效应的发挥，而且限制低技能劳动者的政策恰恰限制了在城市扩张中受益最大的人群，从而使得在城市劳动力市场中本就处于弱势地位的低技能劳动者相对受损最多，导致效率与公平兼失的局面。
近年来，包容性增长（inclusive growth）越来越受到世界各国的重视，这种理念不仅强调一国经济增长的速度，更强调经济增长的模式。包容性增长要求经济增长不仅要使不同部门广泛受益，而且要将一个国家绝大部分劳动力“包容”进经济增长的过程中，而就业创造即为其中一个极为重要的环节。对于低技能劳动力进入大城市就业的限制不利于包容性增长目标的实现。
5.1 规模经济对就业和收入的提升
5.1.1 城市发展与收入增长
城市作为现代经济活动的集中地，为经济的持续增长提供了动力。但是，直到Krugman（1991）之后，有关经济活动在空间上的集聚才普遍受到重视。新经济地理学的文献认为，由于生产中存在规模报酬递增，所以大规模的生产有利于节省生产成本。而且在大规模生产的情况下，企业可以提供多种类型的商品和服务，却不至于使每种商品和服务的生产成本太高，从而能够满足消费者偏好的多样性。由于存在交通成本，厂商会选择在市场需求相对较大的地区组织生产经营活动，从而带来集聚地区总体上更大的生产规模。与此同时，生产的集聚也会抬高生产要素的价格水平。在均衡处，集聚地区更高的要素价格必然意味着更高的劳动生产率 [1] ，否则，追逐利润的厂商会选择其他要素价格相对较低的地区进行生产。
在实证研究中，Sveikauskas（1975）发现，相比于小城市，大城市的职工平均产出和职工工资更高，显示出城市规模与劳动生产率的正相关关系。城市规模（以城市的人口数量作为度量）平均每扩大1倍，劳动生产率会相应地提高约4.77%—6.39%。Glaeser和Resseger（2009）的实证结果也显示了城市规模的扩大对劳动生产率的促进作用。他们的研究以城市人口数量作为城市规模的度量，以城市劳动力的平均产出、中位家庭的实际收入、个人小时收入等指标作为城市劳动生产率的度量，无论是城市层面还是个人层面的回归结果均显示，城市规模的扩大能够促进劳动生产率的提高，并且这种促进作用在大学毕业生比例更高的城市相对更大。类似地，城市规模和劳动生产率之间的关系在中国也存在。Au和Henderson（2006b）有关城市规模和人均实际收入之间倒“U”型关系的发现正说明，在城市发展的早期，城市规模的扩大会带来劳动生产率的提高。
那么，中国的城市发展与收入提升之间是怎样的关系呢？中国有句古话叫“人往高处走”。对于迁移人口来说通常是要追求更高收入的，但问题是哪里有更高的收入呢？流入地的城市有何特征呢？在本书的第1章，我们就已经用图1.1说明，大城市通常有更高的人口密度和更高的收入水平。如果我们直接来看城市人口规模与收入水平之间的关系，也能够发现两者的正相关性。图5.1的确显示出，在市辖区第二、第三产业就业规模更大的城市，职工的年平均工资水平更高。 [2] 进一步使用计量经济学分析的话，可以看到，劳动力选择流向某个城市，不仅为了获得该城市更高的工资水平和就业机会，而且还为了享受该城市的基础教育和医疗服务等公共服务。然而，从变量标准化后的回归结果看，公共服务影响劳动力流向的作用系数都小于工资对劳动力流向的影响，这显示出，收入仍然是劳动力流动更为重要的拉动力（夏怡然、陆铭，2015）。
通常来说，大城市的人口平均受教育水平更高，那么，其工资水平更高，是否只是因为人口的教育水平更高呢？近年来的一个理论和实证研究的新方向是城市劳动力市场上的人力资本外部性和规模经济效应。上一章中，我已经提到，由于存在社会互动，城市规模的扩张，尤其是高技能劳动者的集聚会为劳动者带来更多的学习和创新机会，从而提高劳动生产率。“人力资本外部性”是形成“教育的社会回报”的重要机制，意思是说教育不仅使个人收入提高，而且一个地区的平均教育水平（或受高等教育者的比重）提高，也能够提高个人收入。
如果存在人力资本外部性，那么不同受教育水平的人都更倾向于迁往大城市生活和居住，直到大城市的收入不足以弥补生活成本时，生活成本成为自然的阻止城市规模进一步扩张的机制。美国的数据表明，过去几十年间，新增的大学毕业生更多的是向大学毕业生比重本来就比较高的地方集聚，这充分体现出了高技能劳动力的集聚效应（Moretti, 2004a; Glaeser and Ponzetto, 2010）。那么中国的城市发展是否也出现了高技能者向大城市集聚的趋势呢？我们利用1982年和2000年两次人口普查的汇总数据进行了分析，结果发现，在1982年大学生比例较高的城市，在之后的18年间，大学生比例的上升幅度也更大（参见图5.2）。 [3] 这一结果显示，中国也同样出现了高技能劳动力集聚的趋势。异曲同工的是，肖群鹰和刘慧君（2007）发现，人口密度大的区域迁入人口更多，这与理论预期是一致的，因为人口密度大有利于社会互动和相互学习，从而获得更高的预期收入。 [4] 但是，需要特别注意的是，在中国的制度背景下，不能简单地认为人口向大城市的集聚仅仅是为了更高的劳动生产率和收入。中国目前仍然实行着较为严格的户籍制度，并且本地户籍居民比外来人口享有更好的公共服务和各类福利。在户籍制度制约下，各地（尤其是大城市）的落户政策在不同程度上均向高学历者倾斜，于是会激励人们通过过度追求高学历来获取大城市的户籍和相应的福利。
5.1.2 城市扩张与就业创造
如果说大城市工资更高，反映出集聚对于劳动生产率的积极作用，那么，是否会因为人口向大城市的集聚导致失业问题呢？劳动力的就业和失业主要由劳动力的供给和需求决定。城市规模的扩大在创造劳动供给的同时，也带来劳动力需求的提高，甚至会因为规模经济效应而使得劳动力需求增长快于劳动力供给增长。同时，如果集聚有利于劳动生产率的提高，也会使得劳动需求曲线向外移动，从而带来就业水平和工资水平同时上升。因此，我们进一步推断，大城市中更高的工资水平和劳动生产率水平暗含着其后更多的就业机会，而保持其他因素不变，更多的就业机会能提高劳动者个人的就业概率。从现实的观察来看，劳动力更多流向大城市找工作，就与大城市创造就业的能力更强有关。
如果大城市发展所产生的人力资本外部性能够有益于就业，那么，高技能劳动者的集聚会带动大城市的人口增长更快，这种情况在中国出现了吗？我们运用1982年和2000年两次人口普查的汇总数据考虑了1982年城市大学生比例与之后18年间人口规模的增长，结果发现，两者的确有正相关关系［见图5.3（a）］。如果看初始年份的人口规模与城市人口增长之间的关系，这种正相关关系仍然存在［见图5.3（b）］。大城市人口增长更多是不是因为人口的自然增长导致的呢？我们还通过对比1990—2000年的城市级移民数据 [5] ，检验了城市教育水平和人口规模对于移民数量的影响，仍然发现人均受教育水平更高和人口规模更大的城市的确吸引了更多移民。 [6]
不可贸易品部门是城市就业岗位的重要组成部分，考虑到这一部门，城市规模对就业的效应将被放大。在一个经济中，有些产品的运输成本较大，阻碍了其产品的地区间（或国家间）贸易，服务业的大多数均属于不可贸易部门。如果某个生产可贸易品的产业由于某种原因增加了劳动力需求 [7] ，这种冲击会增加该产业的就业和工资水平，进而带动整个城市的工资和就业水平上升。而总收入的上升必然会带来不可贸易品部门需求的扩张，从而增加不可贸易品部门在均衡处的工资和就业。Moretti（2010b）利用1980年、1990年和2000年的美国人口普查数据，对这种“就业的乘数效应（employment multiplier effect）”进行了检验。他的实证结果发现，制造业部门每增加一个就业机会，将为不可贸易品部门带来1.59个就业机会，并且高技能类制造业就业增加的乘数效应更为显著。
5.1.3 城市提升收入和就业效应的差异性
城市规模在为所有劳动者带来收益的同时，不同技能的劳动者从中获益的大小可能并不相同。不同技能者受益的差异性主要来自于三个方面：
首先，如果城市规模的扩大主要是由高技能劳动者的集中带来的，由于高技能劳动者和低技能劳动者在生产中的不完全替代性，高技能者就业量的增加会提高低技能劳动者的边际产出，从而增加低技能者的均衡工资和就业量，而高技能者之间却是相互替代和竞争的，这会削弱他们从集聚中所享受到的好处。比如医生增加将提高护工的需求，但医生之间却在一定程度上是相互竞争的。
其次，当城市规模效应通过知识溢出机制而产生作用时，高技能劳动者集中所带来的城市规模扩大会提高城市的劳动生产率，且同样由于高技能劳动者和低技能劳动者之间的不完全替代性和高技能者之间的竞争效应，低技能劳动者可能获益更大。通过对不同受教育程度的劳动者分别进行分析，Moretti（2004c）的研究证实了不同受教育程度的劳动者从知识溢出中受益的差异性。给定其他因素不变，城市大学毕业生比例每上升1个百分点，高中辍学者、高中毕业生、受过一定大学教育的劳动者和大学毕业生工资水平的上升幅度是不同的，平均来说，分别是1.9%、 1.6%、 1.2%和0.4%，低技能者受益更多。
最后一方面，由于低技能劳动者的就业更多地集中于低技能的服务业，而低技能服务业是不可贸易品部门一个重要的组成部分，因此相比于高技能劳动者，从事服务业的低技能劳动者的可替代性不高，可能从集聚中享受更多的好处。既有文献发现，以电脑技术为标志的技能偏向型的技术进步虽然对低技能劳动力的直接需求不高，但并没有在总体上显著恶化低技能劳动者的就业前景，相反，更多的低技能劳动者在低技能的服务业部门找到了工作。这是因为在技术进步的过程中，电脑主要替代了一些对劳动者技能水平有一定要求的重复性劳动，如打字等，却无法替代诸如保姆、打扫卫生等人工工作和律师、医生等复杂的工作。并且，产业的技术进步需要有与其互补的服务业为生产配套，从而带来了服务业就业的增加，例如对于快速的信息和文件传输的需求催生了城市速递业务。随着计算机的广泛使用，就业越来越集中于高技能和低技能的服务业，这种现象被称为就业的“两极分化（job polarization）”（Autor, Levy and Murnane, 2003）。在美国和英国，低技能劳动者的就业越来越集中于不可贸易品部门，并且这种就业的增加越来越依赖于低技能劳动者和高技能劳动者在地理上的接近（Manning, 2004）。对于不同技能劳动者的集中所带来的就业机会增加，除了两种劳动力在生产中的互补性以外，另一个可能的解释是，高技能劳动者时间的机会成本更高，因此其对保姆、打扫卫生等低技能服务业的消费需求更高（Mazzolari and Ragusa, 2008）。
在中国，城市规模经济对于不同技能劳动者的效应差异还与制度有关。正如前文中已经提到的，中国目前仍然实行着较为严格的户籍制度，并且本地户籍居民比外来人口享有更好的公共服务和各类福利。在户籍制度制约下，各地（尤其是大城市）的落户政策在不同程度上均向高文凭者倾斜，于是激励人们通过过度追求高文凭来获取大城市的户籍和相应的福利。如果城市经济缺乏“人力资本密集型”的创新过程，从而无法为高技能者提供足够的就业机会，那么大学生在城市（特别是大城市）的供给将偏多，甚至会削弱城市规模对这些劳动者的就业增长效应，导致“大学生就业难”现象（寇宗来和周敏，2010）。而对于低技能劳动者，除了集聚本身通过劳动生产率的提高为其带来的就业改善外，高技能者和低技能者在生产中的互补性，以及高技能劳动者对低技能服务业的需求，均能为其带来更好的就业前景。当高技能者在城市供给过多，而低技能者受到制度制约、供给数量相对不足时，低技能者的就业概率反而会被提高。
从以上分析可以看出，城市规模的扩大不仅会提高劳动生产率，而且将在增加就业机会方面为劳动者带来巨大的好处，尤其是对低技能劳动者。
5.2 数据与模型
为了检验城市规模是否显著地影响了就业概率，以及这种影响对于不同技能水平劳动者的差异，本章使用了一个全国范围内的劳动力市场调查数据。这个数据来自中国社会科学院经济研究所与国家统计局共同收集的中国家庭收入调查（CHIPS）2002年和2007年的城市居民相关信息，样本为国家统计局年度家庭调查的一个子样本。其中，2002年的数据涵盖了北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃12个省级行政单位的70个市和县，包括6835个家庭的20632个人；2007年的数据涵盖了上海、江苏、浙江、广东、安徽、河南、湖北、重庆和四川9个省级行政单位的19个市和县，包括5000个家庭的14699个人。 [8] 和1988年、1995年两轮数据相同，2002年和2007年的调查也采取了两阶段分层随机抽样方法。调查者在第一阶段先选择城市和县，再于第二阶段在所选的市和县中抽取调查家庭。此调查涵盖了大量个人层面的人口和经济社会信息，使我们能够在控制个人特征的基础上，识别城市规模对就业的影响。
我们的回归主要考察了在其他因素给定的情况下，城市规模是否会对个人的就业产生影响。在不同的回归中，我们分别用城市的总人口数量和大学毕业生数量的自然对数度量城市规模。根据前文的分析，集聚可能通过多种渠道促进就业。集聚能提高劳动生产率，因而增加企业的劳动力需求；集聚带来的城市总收入的上升会增加不可贸易品的需求，从而增加不可贸易品部门的就业机会，这种情况在高技能者更为集中的城市更为明显，因为高技能劳动者对低技能服务需求较高，由此带来高技能者对低技能者的“消费溢出”。因此，我们预期，劳动者在拥有较大人口规模或者较多大学毕业生的大城市中更容易找到工作，这正是本章所要检验的核心假设之一。市级层面的人口和大学生数量数据均来自于2000年的中华人民共和国第五次人口普查。此外，我们在回归中还控制了其他一系列可能影响就业的城市特征，如城市的物质资本投资、产业结构、政府财政支出以及交通基础设施等，这些数据来自于《中国城市统计年鉴》（1997—2001年）。 [9]
我们的计量模型是基于个人层面的Probit模型。我们假设个人的就业概率由以下方程决定：
其中下标 i 和 j 表示居住在城市 j 中的个人 i 。回归的样本限于劳动年龄人口，即年龄处于16岁到60岁之间的男性，和年龄处于16岁到55岁之间的女性。另外，我们的回归排除了不在劳动力的样本，不在劳动力的样本通过问卷中有关个人在城市所处的状态和身份得以反映。据此，我们的样本排除了离退休人员、离退休再工作人员、家务劳动者、家庭帮工、丧失劳动能力的人、在校学生、学龄前儿童以及等待分配或待升学人员。 [10] 被解释变量 Employed 是一个有关个人就业状态的0—1变量，若一个人是有工作的，则取值为1，若失业，则取值为0。
在回归方程的右边， X ij 是可能影响就业的个人特征向量，包括性别、婚姻状态、受教育年限、潜在工作经验及其平方项，是否中共党员 [11] ，以及是否少数民族。 [12] 我们并没有在个人特征中包括年龄变量，这主要是因为我们在回归中已经包括潜在工作经验这个变量，它是由个人年龄减去受教育年数再减去6得出的。如果在回归中同时包括年龄和工作经验，会带来完全共线性的问题。 Scale j 是有关城市规模的一个度量，根据不同的需要，我们分别以城市总人口数量 [13] 的自然对数和大学毕业生数量的自然对数作为城市规模的度量。 [14] π 1 的大小和显著性是本章所关注的核心。根据前文论述，若大城市的确能为劳动者带来更多的就业机会，则我们预期 π 1 显著为正。
其他可能影响就业的城市特征被包括在 City j 向量中，包括1996—2000年间平均外商实际投资额占平均GDP的比重，1996—2000年间平均固定资产投资总额占平均GDP的比重，1996—2000年第三产业产值和第二产业产值之比的平均，1996—2000年间平均地方政府预算内财政支出占平均GDP的比重，2000年人均道路铺装面积和每万人拥有的公共汽车数量，以及是否省会城市的0—1变量。控制这些变量主要是为了减轻可能由劳动力需求因素和供给因素导致的遗漏变量偏误。一个城市的资本积累和城市规模（尤其是高技能劳动力在城市中的集中）、城市居民就业之间存在相关关系。由于经济集聚所带来的好处，规模更大的城市吸引了更多资本的进入，而资本增加本身会增加城市居民的就业机会，因此，忽略资本积累的回归会造成对规模系数的有偏估计。另一个需要在个人的就业决定方程中考虑资本积累的原因涉及人力资本的外部性。当劳动力市场存在摩擦以及物质资本和人力资本之间存在互补性的时候，城市中部分居民受教育程度的提高会使城市的企业增加物质资本投资，以使企业的资本量和这部分高技能的劳动力相匹配。结果是，在均衡处，城市的物质资本投资增加会提升劳动力的劳动生产率，从而增加企业的劳动力需求（Acemoglu, 1996, 1998）。控制一个城市的外商实际投资额和固定资产投资可在一定程度上减弱由此需求因素带来的城市规模对就业影响的估计偏误。此外，我们在回归中控制了城市的产业结构。这主要是因为一个城市的规模和其产业结构相关，同时，第二、第三产业不同的就业吸纳能力也会使得城市的产业结构对劳动者就业产生影响。在回归中控制地方政府预算内支出占GDP的比重主要是由于在不同规模的城市，政府对于经济的干预程度往往并不相同，而地方政府对经济的干预会影响就业。此外，我们还控制了城市的人均道路铺装面积和每万人人均拥有的公共汽车数量，这主要是因为道路、交通等基础设施会通过影响人与人之间的信息传递从而影响劳动力市场的匹配效率和劳动力的就业概率。另外，城市基础设施的改进也会起到吸引劳动力流入的作用，从而对城市规模产生影响。而在回归中加入是否省会城市的固定效应是为了控制和城市行政级别相关的，并且会同时影响城市规模和就业的不可观测因素。
表5.1是回归中所包含的变量的描述。
5.3 城市规模与就业：实证结果
我们在表5.2中报告了分别用城市总人口数量的自然对数和城市大学生数量的自然对数作为城市规模度量的个人就业概率的Probit估计结果，报告的数字为边际效应。出于篇幅考虑，我们将回归结果分为两部分，在（1）和（2）两列中报告以人口数量和大学生数量作为城市规模的度量时，城市规模以及个人特征对就业概率的影响。而同样回归中其他城市特征对就业的影响报告于（3）和（4）两列中。我们发现，城市规模对个人的就业概率有显著的正向影响。平均来说，城市规模每扩张1%，个人的就业概率提高0.016—0.018个百分点。值得强调的是，由于我们的样本是城镇户籍的人，这说明，即使在大城市存在大量移民的情况下，生活在大城市的原住民的失业率仍然低于小城市的原住民。
但是，Probit结果可能是有偏的。在考察城市规模对个人就业概率影响的过程中，城市规模和就业之间的双向因果关系可能导致联立内生性的问题，比如说，可能是因为一个城市工作好找，人们才向这个城市移民，城市规模才会扩张。此外，尽管我们已经在回归中尽可能多地控制了城市层面的因素以减轻可能存在的遗漏变量偏误，但城市劳动力市场上其他不可观测的劳动力需求和供给的因素仍可能会对城市规模和就业造成影响，从而带来估计的偏误。鉴于此，我们用个人所在城市1953年的人口数量作为2000年城市规模的工具变量，采用工具变量的方法估计就业决定模型，以减轻可能存在的内生性偏误和遗漏变量偏误。1953年的人口数量来自于1953年的中华人民共和国第一次人口普查数据。在考察中国城市体系演变的过程中，Wang和Zhu（2014）发现，中国城市体系的演变，在1949年到2008年间遵循平行增长（parallel growth）的模式，不同规模的城市以大约相一致的速度增长，并未呈现出大城市和小城市之间规模的发散或收敛。因此，历史上的城市规模对当前城市规模具有很强的解释力。IV Probit的估计结果报告于表5.3中。 [15]
我们首先在第一阶段检验了工具变量的有效性，用城市总人口数量和城市大学生数量作为城市规模度量的结果分别报告于（1）和（2）两列中。我们发现，1953年的城市规模对2000年的城镇总人口数量和大学毕业生数量有显著的正向影响。控制住其他解释变量不变，在考察历史城市规模对当前城市规模的影响时，工具变量显著性F检验的值分别为45.12和39.30。由此，我们认为，弱工具变量的问题在我们的回归中并不明显。此外，我们还发现，在控制了诸如城市规模、投资、政府干预以及公共基础设施等相关城市一级的变量之后，历史上的城市规模对当前就业的直接影响很小。第一阶段的回归结果也和已有的实证研究相一致。
从表5.3的IV Probit结果我们得到，城市规模用城镇总人口数量度量时，城市规模每扩大1%会带来个人就业概率0.039个百分点的上升。而城市大学生数量每1%的增加会使个人就业概率上升0.041个百分点。工具变量估计结果的系数大于Probit模型的系数，可以解释为大城市的福利和公共服务更好，使得一部分大城市居民宁愿失业也不迁移至其他地区，从而降低了总体上城市规模对就业的积极作用。除此之外，我们还考察了个人特征和城市特征对就业的影响。回归结果显示，大部分个人特征对就业有显著影响，影响方向也和预期相符。平均来说，男性和已婚人士的就业概率相对更高。教育也会提高个人就业的概率，受教育年数每增加一年，平均会带来就业概率1.15—1.19个百分点的上升。经验对就业的影响呈倒“U”形，随着经验的增加，个人的就业概率提高；但当经验提高到一定程度以后，经验反而不利于就业，这可能是因为工作经验越多的人往往年龄越大，而年龄大的人在健康和知识等方面均处于劣势。根据回归结果，我们可以算出，经验对就业概率的影响拐点出现在约18.09年和17.84年处，即大约在经验小于17年时，工作经验的增加有利于个人就业；而在经验超过18年之后，年龄劣势开始发挥主要作用，经验的增加反而是不利于就业的。我们在回归中控制了个人中共党员身份和少数民族身份变量，前者就业概率更高，后者就业概率更低。
同时，我们在回归中控制有关城市特征的变量以捕捉劳动力需求因素和劳动力供给因素对就业的影响。从需求角度看，部分城市可能会由于资本积累的增加而吸引更多劳动者的流入，并且由于中国城市普遍存在的户籍制度，流入更多的可能是高技能劳动者，而非低技能劳动者。另外，由于人力资本外部性的存在，由更多高技能劳动力流入所带来的城市人力资本水平的提高，也会反过来增加城市的资本积累（Acemoglu, 1996, 1998）。因此，一个城市资本积累的增加往往和城市规模存在着正相关关系。而资本积累本身也部分反映了一个城市经济增长的主要推动因素，因此也会影响到劳动者的就业机会。在表5.3的回归中，我们控制了一个城市1996—2000年间平均的外商实际投资额与同年间平均GDP的比值，以及城市1996—2000年间平均物质资本投资总额占同年间平均GDP的比重。之所以选择多年的平均值，主要是因为投资在不同年份间波动很大，用平均的指标可以在一定程度上降低投资量的波动。我们回归中使用的CHIPS样本搜集于2002年和2007年，用2000年之前的数据可以部分减少逆向因果关系可能带来的估计偏误。而1996年以前的数据由于缺失样本过多而被舍弃，并且我们认为，更近年份的投资对劳动力流动的影响更为显著。回归结果显示，外商直接投资对就业的影响并不显著，但固定资本投资的系数却显著为负。这说明，与经济增长更依赖于其他GDP构成（如消费和净出口）的城市相比，经济增长更依赖于国内投资的城市创造就业的能力更低。已有的实证研究已经发现，在中国，地方政府出于税收考虑往往给予资本密集型产业的发展以更多的激励（陆铭、欧海军，2011；本书第9章），因此，更高的国内投资/GDP比重往往缺乏就业创造能力，甚至是不利于就业的。
另外，我们在回归中还控制了城市1996—2000年间的第三产业产值和第二产业产值之比的平均值及其平方项，以考察城市产业结构变化对就业的影响。我们发现，城市产业结构的变化对就业的影响呈“U”形。在经济发展的过程中，第三产业的比重通常是逐步提高的。在早期，第三产业在国民经济中比重的提高并不利于就业，这主要是因为在发展的最初阶段，经济体仍主要依靠第二产业吸收就业，尤其是劳动密集型的制造业。但随着第三产业的进一步发展，其吸收就业的能力会不断提高。一方面，金融、贸易、房地产等高技能的服务业不断发展，因此吸收了大量高技能的劳动力进入第三产业实现就业，并给他们带来了更高的收入。另一方面，城市收入水平的提高，尤其是高技能劳动者收入水平的提高，创造了更多的低技能服务业需求，如高技能劳动者对餐饮、保姆等服务具有更高的消费需求，由此为低技能劳动力创造了更多的就业机会，从而从整体上提高了城市的就业概率。通过计算“U”形曲线的拐点我们得知，在分别用城市总人口和大学生数量作为城市规模度量的方程中，第三产业发展促进就业的拐点分别为1.21和1.23。也就是说，只有当非农产业中第三产业的产值高于54.8%—55.1%以后，第三产业的进一步发展才会提高就业率。而在我们的样本中，大约有18.82%—23.86%的回归样本处于拐点的右边。因此，在中国，大部分地区仍处于第二产业比第三产业更有利于就业的阶段。但是，由于第三产业在非农产业中的比重正在不断提高，由此我们预期，未来中国的就业创造将越来越依赖于第三产业。最近这些年，中国经济发展显示出制造业对于创造就业的能力较弱，第三产业的确能成为创造就业的重要源泉。
除了需求因素以外，政府财政支出、城市基础设施等作为同时影响劳动力市场需求和供给的因素，也被包括进了回归中。从理论上来说，政府干预对就业影响的方向并不确定。一方面，政府财政支出的增加会通过乘数效应对地方经济产生正面的影响，从而增加劳动力需求，提高劳动者的就业；另一方面，政府投资挤出了私人投资，降低了经济的市场化程度，而这些因素都是不利于就业的。此外，相对更高的政府财政支出可能通过改善城市的基础设施、社会保障水平，吸引更多的劳动力流入，因此政府财政干预也成为影响劳动力市场供给的重要因素。类似地，更好的城市道路、交通等基础设施会影响到人与人之间信息传递的方便性，提高劳动力市场的匹配效率，从而增加劳动力需求。但城市更好的基础设施同样会吸引更多的劳动力流入，因此同时也可被看作影响劳动力市场供给的因素。回归结果显示，这些变量对就业的影响并不显著。此外，省会城市也没有显著影响劳动者的就业概率。
5.4 城市规模对就业效应的异质性
之前的IV Probit结果是将不同受教育年数的样本放在一起进行回归，因此我们所得到的是城市规模对所有劳动者就业影响的一个平均效应，而并没有对不同受教育程度的个人加以区分。然而，不同技能劳动者从城市规模中的收益可能并不相同。在这一节，我们将全部劳动力人口按照个人受教育年数分为受教育年数小于等于9年、在9年到12年之间以及大于12年三组，分别进行回归，以考察城市规模对劳动力影响的异质性。在所有的回归中，我们均控制了个人层面和城市层面的特征。但为了节省空间，我们仅报告了城市总人口数量的对数和城市大学生数量的对数对就业的影响。表5.4报告了有关城市规模效应异质性的Probit结果。我们发现，无论我们是以城市总人口数量还是城市大学毕业生数量作为城市规模的度量，对于受教育年数小于等于9年的最低技能的劳动者来说，城市规模的扩大都会显著提高其就业概率。然而，对于受教育年数大于12年的高技能劳动者来说，城市总人口规模对其就业的影响并不显著，但城市大学生数量对劳动者个人就业的促进作用却接近于在10%的水平上显著了。 [16] 这说明，高技能劳动者更多地从高技能劳动者的集聚中获得了好处。
为控制城市劳动力市场上不可观测的需求和供给因素对就业的影响，以及可能存在的反向因果关系，我们同样用城市1953年的人口规模作为2000年城市规模的工具变量，在表5.5中报告了有关城市规模异质性的IV Probit估计。表中报告的是用Newey's两阶段方法计算的城市规模对就业影响的偏效应，而其显著性水平是根据IV Probit极大似然估计下的经过城市层面聚类调整的稳健标准误所得。
我们发现，最高技能水平和最低技能水平的劳动者均从城市规模的扩张中显著获得了好处，但最低技能水平的劳动者得益最多。平均来说，城市人口规模或城市大学生规模每增加1%，会使受教育年数小于等于9年的劳动者就业概率提高0.07—0.08个百分点。对于受教育年数大于12年的劳动者来说，这一效应是0.03—0.04个百分点。而对于中等技能水平的劳动者，即受教育年数处于9—12年之间的劳动者来说，城市规模扩张对其就业的影响并不显著。
不同技能水平劳动者从城市规模的扩张中受益程度不同主要和城市的职业结构以及产业结构有关。正如我们在文献综述部分所提到的，最低技能水平劳动者的就业主要集中于餐饮、保姆等低技能的服务业，以及生产活动中的辅助岗位，而城市规模的扩大，尤其是高技能劳动者的集中，会增加城市对低技能劳动力的需求，从而使得低技能劳动者从城市规模的扩大中受益。我们将所有就业人口按照其所属的行业分为制造业、低技能服务业和高技能服务业三类 [17] ，分别计算三组人员的平均受教育年数。我们发现，低技能服务业的从业人员平均受教育年数最低，为10.82年，低于制造业的11.00年以及高技能服务业的13.07年。因此，低技能服务业吸收了最多比例的低技能劳动者就业。城市规模的扩大会带来更高的低技能服务业的需求，从而使得低技能劳动者获益。
城市规模未影响中等技能劳动力的就业与他们的就业主要集中于制造业有关。随着城市规模的扩大，制造业就业会经历一个先上升，后下降的过程。在城市发展的初期，制造业企业更多地选择进入规模较大的城市，从集聚中获得劳动生产率提高、生产和运输成本下降的好处。地方政府也会出于税收、就业等因素的考虑，鼓励制造业企业进入城市，使得城市在规模扩张的同时创造了大量的制造业就业机会。但在城市发展到一定规模以后，出于保护环境和产业结构升级等因素的考虑，服务业的比重将提高，尤其是金融、贸易、房地产等高技能的服务业。另外，由于工资水平上升、地价上升等拥挤效应的存在，一部分制造业企业本身也会选择离开大城市，选择到生产成本相对较低的中小城市进行生产。我们的数据显示，随着城市规模的扩大，制造业就业比重的变化呈现为一个先上升后下降的倒“U”形。而中等技能的劳动力由于其就业主要集中在制造业企业，因此城市规模扩张对其就业概率有一个更为明显的先正后负的影响，从而导致其在总体上没有从城市规模的扩张中显著受益。但值得注意的是，城市规模的扩大并没有降低中等技能劳动者的就业概率。
最后，对于最高技能水平的劳动者，城市规模的扩大对其就业的影响显著为正，这主要是因为两方面的原因。一方面，城市规模的扩大带来了更多的学习机会和更强的知识溢出效应，高技能服务业由于其知识密集型的特点，更多地从城市规模的扩大中获得好处。而高技能劳动者的就业主要集中于高技能的服务业，因此城市规模的扩大通过高技能服务业就业机会的增加从而提高了高技能劳动者的就业概率。另一方面，随着城市规模的扩大，制造业产业也会升级，低技能服务业的服务质量也会提升。而产业升级和服务质量的上升都会使制造业以及原本属于低技能的服务业吸收更多的高技能劳动者就业。按城市的总人口数量，我们将全部城市平均分为小城市、中等规模城市和大城市三类，分别计算在不同规模的城市中，制造业就业中受教育年数大于12年的劳动者的比例。我们发现，小规模城市制造业就业中高技能劳动者所占的比重最低，为19.75%，低于中等规模城市的21.46%和大城市的25.70%。类似的结果对于低技能服务业也存在。在小城市中，低技能服务业就业中的12.66%由受教育程度大于12年的高技能劳动者提供，而这一比例在中等规模城市和大城市中分别为14.68%和25.11%。
5.5 小结
本章考察了城市规模对个人就业的影响。利用工具变量的估计方法，我们的回归结果显示，城市发展的规模经济效应有利于提高劳动力个人的就业概率，平均来说，城市规模每扩大1%，个人就业的概率上升0.039—0.041个百分点。我们还发现，城市发展对就业的积极效应主要来自于高技能劳动力的集中。此外，不同技能的劳动力从城市人口规模的扩大中受益不同。由于高技能劳动力对主要由低技能劳动力提供的服务消费需求较高，以及高技能劳动力和低技能劳动力在生产中的不完全替代性，低技能劳动力从城市人口规模的扩大中受益更多。
本章的研究结果说明，顺应市场规律的城市规模扩张能为城市居民带来更多的就业机会，并且低技能劳动力将从城市扩张中得益更多。因此，若盲目采取限制城市人口规模的措施，特别是针对低技能者的限制，将会导致效率和公平兼失的局面。当前在中国存在着选择何种城市化道路的争论，对于优先发展大城市还是优先发展中小城镇，人们的认识有一定的分歧。对于这一问题，除了之前已经说明的从经济增长的效率和可持续性的角度来考虑之外，作为一个统一的国家而言，还需要考虑如何实现包容性的增长。当然，持续地提高国民的受教育水平是非常重要的发展战略，但是，在任何时候，一国国民中总是有一部分相对低技能劳动者，增加他们的就业机会就是实现包容性增长的重要目标。
从大城市自身来说，很多人（包括政策制定者）认为经济的产业升级会减少对于低技能劳动力的需求，从而使得低技能劳动力就业出现困难，这是个传统思维中巨大的误解。恰恰相反，由于生产和生活两个领域都存在高低技能劳动力之间的互补性，城市越是发展，高技能劳动力越多，产生的对于低技能劳动力的需求也越多，因此，创造条件让更多的劳动力（特别是低技能劳动力）在大城市就业和生活，恰恰能够满足大城市发展所带来的劳动力需求，对大城市自身发展也有利。也正因为此，大城市的制度安排（特别是公共服务和积分落户）不应歧视低技能劳动力，否则，既不利于大城市自身的发展和原住民的福利，也与包容性增长的目标相悖。
特别需要强调一下公共服务均等化问题。世界各国的公共服务的提供遵循一条基本的原则，即覆盖城市的常住人口，并且向低收入者倾斜，目的是通过公共服务的均等化来缩小人们的实际福利差距，同时提高社会的流动性。但是，如果出于控制人口的目标来对低技能劳动力进行公共服务歧视，将户籍和居住证积分落户与享受公共服务的权利挂钩，恰恰会进一步加大人们的实际福利差距，对提高社会流动性不利。在本质上，这与公共服务的均等化原则相悖。
本章从创造就业和提升收入的角度，为放松大城市的规模管制，促进人口和经济集聚提供了证据。由于在现阶段的中国，经济集聚的过程不仅会带来劳动生产率和人均收入的提高，能够以大城市为依托带动中小城镇发展，而且能使更多的劳动力实现就业，从而将更多的劳动力包容进经济增长的过程，分享城市化和经济增长带来的好处。通过适当的制度设计，放松对于大城市的规模管制，让经济和人口按经济规律向大城市集聚是中国未来实现包容性增长的必要条件。
[1] 正如本书第1章所述，经济集聚能带来劳动生产率的提高，其中的机制也可总结为更好的投入品分享（sharing）、更好的生产要素匹配（matching）以及更多的学习机会（learning）。对此，也可参见Redding（2009）有关新经济地理学理论和实证研究的综述，以及Duranton和Puga（2003）对城市集聚经济微观机制的综述。
[2] 如果看城市市辖区非农业人口规模与职工平均工资水平，两者也呈正相关关系，但因为市辖区非农业人口规模有一些明显的错误数据，我们改用了市辖区第二、第三产业从业人员数作为人口规模的替代。
[3] 如果将图换成初始教育水平和后续人口增长数量，或者换成初始人口规模和后续人口增长数量，这几组变量均呈现正的相关性。我在《大国大城》一书中绘制了1982—2010年更长时间的高技能劳动力集聚趋势图，与图5.2基本一样（陆铭，2016）。
[4] 劳动力在城市通过社会互动来获得知识的外溢效应（spill-over effects）， Moretti（2004a, 2010a）是两篇相关的文献综述。
[5] 1982年的人口普查资料不包括移民的信息。我们的“移民”数据采取的是2000年人口普查中城市一级的“迁入”人口数据。
[6] 相比之下，在看城市移民数量与其教育水平、城市规模的关系时，数据离散程度较高。出现这种情况可以理解，当前的户籍和相应的公共服务制度更加制约了人口向大城市的迁入，特别是限制了低技能劳动力的迁入，制约了教育程度高和规模较大的城市的人口集聚效应。
[7] 比如新发明的引进提高了该部门的劳动生产率。
[8] 我们的样本主要来自市辖区，来自县级城市的样本数量较少，在2002年和2007年分别为3067个和265个，约占全部样本的9.43%。但若排除县级城市的样本，我们的核心回归结果仍然不变。另外，由于我们的回归使用的是CHIPS城市居民调查数据，因此我们的回归样本仅限于城市户籍人口。之所以在研究中没有包括移民样本主要是因为在当前的户籍制度下，不能在城市就业的外来劳动力会选择返乡，因此外来人口在城市的失业率很低。此外，外来劳动力的流动性很大，对流动的目的地具有很强的选择性，他们会根据一个城市的失业状况而选择流动的目的地，从而使得城市规模成为就业的结果，而非原因。因此，我们将回归样本仅限制于城市户籍人口，以减轻城市规模和劳动力就业之间的逆向因果关系。但需要说明的是，即使将移民样本包括进城市居民的样本进行分析，本章的核心结果依然不变。包括移民样本的结果如有需要，均可向作者索取。
[9] 《中国城市统计年鉴》（1997—2001年），北京：中国统计出版社。
[10] 等待分配或待升学人员占我们全部劳动年龄人口的0.685%。按照定义，这部分人口应如本章所采用的归类方法，被归为不在劳动力。但考虑到等待分配工作或上学的个人在一定程度上也可能反映了隐性失业的情况，因此我们也做了将这部分人归为失业人口的回归，结果基本不变。具体的回归结果可向作者索取。
[11] 由于中共党员拥有相对更高的能力和更为丰富的社会资本，因此从理论上来说，中共党员的身份会对个人的就业概率产生正向影响。然而，2007年的问卷中并没有关于个人党员身份的变量。因此，我们将个人所在市、县2002年的党员比例作为2007年个人党员身份的替代。若某个人所在市县并未进入2002年的样本，则用2002年全部样本的党员比例作为替代。
[12] 我们的回归排除了潜在经验小于0年以及大于44年、受教育年数大于22年的异常样本。但这些异常样本在我们的回归样本中占比很小，约为0.96%，并不影响我们的主要回归结果。
[13] 第五次人口普查数据对于市辖区人口的统计分为城镇总人口和乡村总人口两部分，在这里，我们选取城镇总人口数作为城市规模的度量指标。另外，根据数据，此城镇总人口数包括了城市中的非本地户籍人口，因而是城市人口规模一个比较准确的度量指标。需要说明的是，即使用城市辖区全部人口替代城镇总人口，模型的估计结果仍然成立。
[14] 在理论上，城市的集聚效应主要来自高技能劳动力集聚所产生的外部性，因此，除了城市的总人口数量外，我们另外使用了城市大学毕业生的数量作为城市规模的度量。统计数据显示，城市总人口数量和城市大学毕业生的数量具有很强的正相关性。在我们的回归样本中，两者的相关系数高达0.905。
[15] Stata中ivprobit命令能报告聚类稳健标准误的估计方法是极大似然估计方法，但在ivprobit命令下，Stata无法直接报告估计变量对被解释变量的偏效应。因此，我们在表5.3中报告了极大似然估计的IV Probit估计系数，但同时根据Newey's两阶段估计方法，计算了城市规模对就业概率的偏效应。Newey's两阶段估计方法的原理是在第一阶段将内生变量对工具变量系列进行OLS回归，由此可计算出相应的残差，即为内生变量中与误差项相关的因素。在第二阶段进行Probit回归时，将内生变量和第一阶段估计得出的残差同时放入原来的模型，由此计算出来的结果即为带有内生变量的两阶段IV Probit的回归结果。请参考Rivers和Vuong（1988）。
[16] t 值为1.62，相应的 p 值为0.108。
[17] 其中，低技能服务业主要包括交通运输、仓储和邮政业，批发和零售业，住宿和餐饮业，以及居民服务和其他服务业；高技能服务业主要包括信息传输、计算机服务和软件业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业，水利、环境和公共设施管理业，教育、卫生、社会保障和社会福利业，文化、体育和娱乐业，公共管理和社会组织，以及国际组织。另外，我们这里的计算排除了农林牧渔业和采矿业的就业人员。