羅 蓉

引言

改革開放以來，大量農(nóng)村剩余勞動力流向城市，帶來巨大的人口紅利，為城市發(fā)展做出了極大貢獻。近五年來，農(nóng)民工的數(shù)量仍以年均約1%的速度增長。2019年，農(nóng)民工總量達到29 077萬人①。然而，與農(nóng)民工群體做出的巨大貢獻不對等的是，大量農(nóng)民工未能真正融入城市社會中[1]，導(dǎo)致他們所享受的發(fā)展紅利明顯不足，其收入與經(jīng)濟貢獻之比相對于城鎮(zhèn)職工而言是偏低的[2]。

根據(jù)國家統(tǒng)計局數(shù)據(jù)，2019年全國外出農(nóng)民工月均收入為4 427元，全國住宅商品房平均銷售價格為9 310元/米2，2014至2019年，外出農(nóng)民工月均收入增長42.4%，而房價增長了56.5%。此外，農(nóng)民工收入中還有相當(dāng)部分用于贍養(yǎng)養(yǎng)老醫(yī)療保障相對較弱的老人、在老家建房以及回家探親等大額支出。因此絕大部分農(nóng)民工在較長時間內(nèi)都難以承擔(dān)在流入地的購房支出，租房成為絕大多數(shù)農(nóng)民工住房決策的首選甚至是唯一選擇。數(shù)據(jù)顯示，2014—2018年這5年間進城農(nóng)民工購買住房占比均未超過20%，租房居住占比均高于60%①。可見，較長時間內(nèi)租房對農(nóng)民工的重要性遠大于購房。

按供給主體進行分類，租房主要三種類型：政府租房、單位租房和社會租房，不同租房類型會對農(nóng)民工的流出地依賴產(chǎn)生不同程度的影響，進而影響其在當(dāng)?shù)氐纳鐣诤稀?/p>

一、文獻綜述

國內(nèi)外關(guān)于社會融合界定與內(nèi)涵的文獻較為豐富。國外學(xué)者較早基于移民現(xiàn)象關(guān)注社會融合問題。社會融合是一個滲透與融合的過程，在這個過程中，某個群體逐漸形成對其他群體的記憶、情感和態(tài)度，通過共享不同群體的經(jīng)歷和歷史，各個群體最終融匯到共同的文化生活中[3]。Gordon(1964)[4]最早對社會融合的內(nèi)涵進行了分類，在此基礎(chǔ)上，學(xué)者們認為社會融合的重要組成部分有包含教育公平、工作機會、收入與住房歧視等因素的結(jié)構(gòu)融合以及社會文化融合與政治法律融合[5]。此后較有影響的是Entzinger和Biezeveld(2003)[6]在社會經(jīng)濟、文化、法律政治三個維度之上加入了第四個維度：流入地態(tài)度。國內(nèi)關(guān)于社會融合的研究主要基于流動人口尤其是農(nóng)民工現(xiàn)象，認為社會融合是當(dāng)?shù)厣鐣r(nóng)民工的接納和同化，逐步減少排斥的過程[7]，具有多維性和漸進性。大多數(shù)研究比較一致地認為農(nóng)民工社會融合內(nèi)涵包含經(jīng)濟、社會、文化和心理四個維度，總體社會融合程度一般，且各維度的融入狀況差別較大[8]。

農(nóng)民工社會融合的諸多影響因素及影響機制受到學(xué)界廣泛關(guān)注。首先，社會融合度與性別、年齡、受教育程度、外出打工時間等個人特征緊密相關(guān)[9]。其次，農(nóng)民工的社會資本、就業(yè)特征、流入地特征、公共服務(wù)等都對農(nóng)民工社會融合有影響[10-14]。此外，經(jīng)濟政策、戶籍政策、城鎮(zhèn)化等一些宏觀因素也會影響農(nóng)民工社會融合[15-17]。在各種影響農(nóng)民工社會融合的因素中，大多數(shù)觀點都認為住房最為重要。在租房群體之中，房租負擔(dān)對其遷移意愿的影響呈倒U型[18]。以“鄰居是否為本地居民”為依據(jù)將農(nóng)民工住房分為“融合型”住房和“分割型”住房，兩種類型住房對社會融合的影響程度也不相同[19]?？傮w來看，專門考察租房對農(nóng)民工社會融合影響的文獻較少。從住房如何影響社會融合的機制分析來看，認為住房會通過如“城市歸屬感”機制、“鄰里效應(yīng)”機制、“社會地位”機制或“居住隔離”機制對社會融合產(chǎn)生影響[20-22]。然而，以上中介機制更多地是從農(nóng)民工與流入地的關(guān)系入手，如城市歸屬感、社會地位考察的是農(nóng)民工在流入地的心理感受，鄰里效應(yīng)、居住隔離考察的是農(nóng)民工在流入地的居住狀況。

流出地因素對農(nóng)民工社會融合的影響也日益受到關(guān)注。家鄉(xiāng)為個人提供了集體身份,將人們與家鄉(xiāng)這一地方上的群體緊密聯(lián)系[23]，對農(nóng)民工而言，流出地(家鄉(xiāng))無疑是農(nóng)民工自帶的天然標簽。家鄉(xiāng)不僅僅是一個物質(zhì)生活空間，更是一個心理生活空間，它已經(jīng)在人們的心理形成了一個具有依附作用的“心理場”[24]，流出地熟悉的生活環(huán)境和習(xí)慣引起農(nóng)村外出勞動力對故鄉(xiāng)的依賴、眷戀等是農(nóng)民工留城的阻力、回鄉(xiāng)的動力[25]，農(nóng)民工強烈的鄉(xiāng)土意識和對家鄉(xiāng)的情感依附會將相當(dāng)一部分人拉回農(nóng)村[26]。雖然流出地因素的重要性開始受到重視，但較少文獻從流出地的視角考察住房對農(nóng)民工社會融合的中介機制。

對上述與本文密切相關(guān)的文獻梳理后發(fā)現(xiàn)，現(xiàn)有關(guān)于農(nóng)民工住房與社會融合關(guān)系的研究大多考察購房對農(nóng)民工社會融合的影響，專門考察租房對農(nóng)民工社會融合影響的文獻較少，且流出地因素對農(nóng)民工社會融合的作用機制有待更深入的研究。本文認為，只有社會融合程度很高且收入相對較高的農(nóng)民工才會最終選擇在城市購房?；诂F(xiàn)階段絕大部分農(nóng)民工在較長時間內(nèi)都將依賴租房作為流入地居所這一客觀事實，本文重點探究租房類型對農(nóng)民工社會融合的影響并對流出地因素在這一過程中的中介作用進行分析。

二、理論分析與研究假設(shè)

針對租房類型的差異，可以根據(jù)不同供給主體將租房分為社會租房、政府租房和單位租房。社會租房以獲取收益為目的，其住房質(zhì)量較好，空間比較獨立，相對寬敞，其品質(zhì)相對優(yōu)于單位租房，能夠更加靈活地滿足農(nóng)民工多樣化的住宅需求。單位租房以宿舍為主，價格低廉、通勤方便，但隱私性差、空間擁擠、住房質(zhì)量差[27]，租住單位租房的農(nóng)民工更易發(fā)生住房困難[28]。單位租房還缺乏穩(wěn)定性，選擇單位租房的農(nóng)民工對其就業(yè)單位存在高度依賴性，一旦與就業(yè)單位解除工作關(guān)系則居住權(quán)利便被剝奪，在換工作間隙和未重新找到工作前居無定所[29]。政府租房屬于政府提供的準公共產(chǎn)品，針對城市里中低收入群體供給，租金相對低廉[30]。政府租房下的集中建設(shè)保障房存在著選址集中于偏遠地帶，空間分布不合理導(dǎo)致居住—就業(yè)空間失配現(xiàn)象[31]，周邊基礎(chǔ)設(shè)施、公共服務(wù)等缺乏，造成租住者生活不便，使得生活成本上升；而政府租房下的開發(fā)商配建保障房用地選址更加合理，其周邊的社區(qū)較多且配套設(shè)施較齊全，保障房租住者的生活成本大大降低，生活質(zhì)量得到改善[32]。綜上，本文提出如下假設(shè)：

假設(shè)H1：不同的租房類型對農(nóng)民工社會融合的影響存在異質(zhì)性。

本文將農(nóng)民工對流出地的心理依附界定為“流出地依賴”。租房類型首先會影響農(nóng)民工的流出地依賴程度。農(nóng)民工遷移到流入地后面臨的是全新的環(huán)境，環(huán)境中的眾多因素都可能對農(nóng)民工的心理產(chǎn)生作用，使得農(nóng)民工的流出地依賴程度發(fā)生變化。就不同的租房類型而言，由于不同租房供給主體在提供租房的目的、建房規(guī)劃與設(shè)計、出租偏向、出租條件以及租后管理等方面存在明顯的區(qū)別，其提供的租房在地理位置、住房質(zhì)量、周圍環(huán)境、配套設(shè)施、居住穩(wěn)定性以及租客群體方面具有不同的特征，這些不同的特征會從居所舒適度、生活便利性、公共服務(wù)質(zhì)量、人際交往層次、未來發(fā)展機會等方面對農(nóng)民工的心理產(chǎn)生綜合影響。如果租房帶給農(nóng)民工較差的心理感受，農(nóng)民工很可能增加回老家的次數(shù)和時間，通過流出地熟悉的環(huán)境來尋求慰藉，緩解居住不良感受引起的不適，流出地依賴增加。反過來，如果租房能帶給農(nóng)民工良好的心理感受，則農(nóng)民工回老家的次數(shù)和時間必然減少，流出地依賴程度下降?？梢?，不同的租房類型會對農(nóng)民工的流出地依賴程度產(chǎn)生差異化影響。農(nóng)民工的流出地依賴程度進而會影響其在流入地的社會融合。如果農(nóng)民工的流出地依賴程度高，其回家的傾向必然較強，回家的次數(shù)必然較多，在家鄉(xiāng)停留的時間也較長，從而減少其投入到流入地的時間。

綜上，在租房類型影響農(nóng)民工社會融合的過程中，存在這樣的機制：不同租房類型所具有的差異性導(dǎo)致農(nóng)民工對流出地的依賴程度出現(xiàn)差異，農(nóng)民工對流出地的依賴程度越高，其社會融合程度越低；相反，較低的流出地依賴程度能促進農(nóng)民工的社會融合。因此，本文提出如下假設(shè)：

假設(shè)H2：流出地依賴是租房類型影響農(nóng)民工社會融合的重要中介變量。

三、研究設(shè)計及數(shù)據(jù)

(一)數(shù)據(jù)來源與說明

本文研究使用的數(shù)據(jù)來自國家衛(wèi)生健康委公布的“2017年中國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)(China Migrants Dynamic Survey，CMDS)”。2017年調(diào)查按照隨機抽樣的原則，采取分層次多階段抽樣調(diào)查法，獲取總樣本量為17萬個，代表性較好。由于本文關(guān)注的是進城農(nóng)民工群體，選擇因務(wù)工經(jīng)商遷移，從事非農(nóng)行業(yè)的農(nóng)業(yè)戶籍樣本，調(diào)查樣本點類型為居委會，并考慮到我國勞動法規(guī)的相關(guān)規(guī)定，將樣本年齡限定在16至60歲。去掉變量有缺失值的觀測值，最終使用共計43 836個有效分析樣本。

(二)變量選擇與描述

1.被解釋變量：農(nóng)民工社會融合度。社會融合可以從多個指標進行衡量，本文在研究數(shù)據(jù)可得性的基礎(chǔ)上，參考任遠等(2010)[7]與朱明寶等(2016)[12]的研究，將社會融合度從“自我身份的認同”“對城市的態(tài)度”“社會交往的深度”三個方面進行衡量，相對應(yīng)的3個具體問題分別為：“您認為自己是不是本地人”“是否愿意把戶口遷入本地”及“您業(yè)余時間在本地和誰來往最多(不包括顧客及其他親屬)”。將“您認為自己是不是本地人”問題的答案賦值為：“完全不同意”為1；“不同意”為2；“基本同意”為3；“完全同意”為4。將“是否愿意把戶口遷入本地”問題的答案賦值為：“否”為1；“沒想好”為2；“是”為3。將“您業(yè)余時間在本地和誰來往最多(不包括顧客及其他親屬)”問題的答案賦值為：“其他本地人”為2；“很少與人來往”為0；其他為1。并采用因子分析法，將三個變量賦予相應(yīng)的權(quán)重，從而整合得出一個衡量農(nóng)民工社會融合程度的指標。該變量取值越大，則表明農(nóng)民工的社會融合程度越高，反之則越小。

2.自變量：租房類型。樣本中的租房類型分為社會租房、單位租房和政府租房三種類型。依據(jù)問卷內(nèi)容，將其中對住房類型問題回答為“租住私房-整租”與“租住私房-合租”的劃分為社會租房，將回答為“單位/雇主房(不包括就業(yè)場所)”的劃分為單位租房，將回答為“政府提供公租房”的劃分為政府租房。其中，社會租房樣本共37 375個，占總樣本的85.26%，單位租房樣本共5 695個，占總樣本的12.99%，政府租房樣本共766個，比重為1.76%。同時，參照胡奕明和買買提依明·祖農(nóng)(2013)[33]的研究，比較了三種租房類型對社會融合的差異性影響②。

3.中介變量：流出地依賴。Liu等(2017)[34]的研究認為，移民回家頻率越高，他們對家鄉(xiāng)的依附程度越高，因此本文以“農(nóng)民工回老家時間”作為流出地依賴的中介代理變量，來探討租房類型是否會通過影響農(nóng)民工對流出地的依賴程度的大小從而對其社會融合程度產(chǎn)生影響。依據(jù)本次調(diào)查所詢問的內(nèi)容，本文使用“您多長時間沒有回過老家(指戶籍所在地村居)”一項來衡量外出農(nóng)民工對流出地的依賴?！熬嚯x上次回家時間小于1年”=3，“距離上次回家時間大于等于1年且小于5年”=2，“距離上次回家時間大于5年”=1。依據(jù)指標大小，取值為1記為流出地依賴程度低，取值為2記為流出地依賴程度一般，取值為3記為流出地依賴程度高。

4.控制變量：依據(jù)2017年CMDS調(diào)查數(shù)據(jù)內(nèi)容，并借鑒已有文獻的做法，本文控制了可能影響農(nóng)民工社會融合的變量，包括個體人口特征、經(jīng)濟地位和流動特征三個方面。具體變量選擇為：(1)個體人口特征。包括年齡、年齡平方、性別、受教育程度、婚姻狀況、健康狀況。其中，健康狀況變量回答“健康”或“基本健康”的為1，“不健康”為0。受教育程度變量以受教育年限衡量：“未上學(xué)”=0，“小學(xué)”=6，“初中”=9，“中?！?11，“高中(職高技校)”=12，“大學(xué)專科”=15，“大學(xué)本科”=16，“研究生及以上”=19。(2)經(jīng)濟地位。包括收入水平、是否在老家擁有承包地和是否在老家擁有宅基地。收入水平變量取值為被采訪人員月收入對數(shù)。(3)流動特征。包括是否獨自居住、流出地是否有配偶或子女或父母、本次流動時長、流動范圍。流動范圍變量賦值為：“跨省流動”為1，“省內(nèi)跨市流動及市內(nèi)跨縣流動”為0。

變量的描述性統(tǒng)計如表1所示。

表1 變量定義與描述性統(tǒng)計

(三)模型設(shè)定

本文實證模型使用OLS模型來估計租房類型對農(nóng)民工社會融合的影響。借鑒以往對農(nóng)民工社會融合的研究文獻，將OLS模型設(shè)定為如下具體形式：

yi=β0+β1Htypei+β2Xi+δJobi+εi

(1)

yi是因變量，表示第i位農(nóng)民工的社會融合度。自變量Htypei表示第i位農(nóng)民工的租房類型(社會租房，單位租房和政府租房)。Xi為其他相關(guān)控制變量。Jobi為行業(yè)虛擬變量。εi為隨機擾動項。

由于OLS模型僅能就租房類型對農(nóng)民工社會融合的條件期望進行估計，無法進一步反映租房類型對社會融合影響的條件分布情況。實際上，在農(nóng)民工社會融合度的不同分位點上，自變量對社會融合的影響效果可能存在差異，而使用分位數(shù)回歸方法能夠較好地解決該問題。因此，本文還使用分位數(shù)回歸的方法，度量租房類型在多個分位點對農(nóng)民工社會融合指標分布的影響。分位數(shù)的回歸模型如下：

β(Ψ)=argmin[∑yi≥βXiΨ|yi-βXi|+∑yi<βXi(1-Ψ)|yi-βXi|]

(2)

四、實證結(jié)果與分析

(一)基準回歸

基準回歸結(jié)果顯示(表2)，相較于社會租房，單位租房對農(nóng)民工社會融合程度均表現(xiàn)出負效應(yīng)，并在1%的統(tǒng)計水平下顯著，而政府租房對社會融合的影響回歸結(jié)果表現(xiàn)出不顯著，表明總體而言租住社會租房能更好地促進農(nóng)民工的社會融合程度，假設(shè)H1得到驗證。政府租房影響差異不顯著可能的原因之一是因為當(dāng)前享受政府租房的農(nóng)民工數(shù)量過少，政府租房樣本量不足，導(dǎo)致不顯著，這與祝仲坤和冷晨昕(2018)[21]的研究結(jié)論一致。第二種可能是政府租房在地理位置、多樣性方面不如社會租房，對社會融合產(chǎn)生了負面影響，但同時政府租房的社會保障特征對社會融合又產(chǎn)生了積極的影響，兩種相反的影響相互抵消后，使得政府租房對農(nóng)民工社會融合的影響差異不顯著?？刂谱兞康墓烙嫿Y(jié)果與以往研究結(jié)論類似，其中，健康狀況較好、教育程度較高、個人收入較高、沒有承包地與宅基地、流動范圍較小、流動時長更長的農(nóng)民工社會融合度更高[19]。

表2 基準回歸結(jié)果

在分位數(shù)回歸中，第(1)列為0.1分位點下的估計結(jié)果，第(2)列為0.5分位點下的估計結(jié)果，第(3)列為0.9分位點下的估計結(jié)果。在社會融合度的各個水平上，租住單位租房相比于社會租房對農(nóng)民工社會融合均產(chǎn)生了顯著的負面影響。在社會融合度的底端(0.1分位)，租住單位租房造成的負效應(yīng)相對更小，隨著社會融合度的不斷提高，租住單位租房造成的負效應(yīng)也在不斷增大，在0.5分位，負效應(yīng)是0.1分位的2.1倍，之后負效應(yīng)出現(xiàn)了一定的下降，但程度不大。以上結(jié)果表明，租房類型對處于不同社會融合度農(nóng)民工的影響程度存在明顯的差異。出現(xiàn)這種現(xiàn)象的原因可能是：社會融合程度較低的農(nóng)民工進城務(wù)工的主要目的是賺取一定的收入以補貼家用，對家鄉(xiāng)的重視程度遠遠高于流入地，對融入流入地社會的期望較低，具有較強的“城市過客”的心理，這類農(nóng)民工對單位租房的居住條件關(guān)注度較小，因此單位租房較差的居住條件對社會融合的負效應(yīng)也相對較小。對于分位數(shù)中段的農(nóng)民工而言，在流入地已有一定程度的社會融合，對進一步提高社會融合有期望并有較大提升空間，此時居住條件對其社會融合的影響較大，使得單位租房所帶來的負效應(yīng)變大。對于高分位數(shù)段的農(nóng)民工而言，社會融合程度已經(jīng)較高，說明住房以外的因素對農(nóng)民工社會融合促進作用更大，單位租房對其社會融合的影響相對變低。

(二)內(nèi)生性處理

農(nóng)民工收入較低，選擇社會租房的自由度較小。政府租房存在著獲取門檻，在現(xiàn)有戶籍制度下，城鎮(zhèn)保障性住房很大程度上還存在獲得條件阻隔，能否租住往往并不完全取決于農(nóng)民工自身的意愿。單位租房的提供一般是與農(nóng)民工在該單位務(wù)工捆綁的。由此可見，在租房市場上，農(nóng)民工住房獲取能力是相對缺乏的。從上述分析來看，農(nóng)民工的租房更多地是由不同類型租房供給方外生決定的。在租房類型與農(nóng)民工社會融合的相互關(guān)系中，租房影響農(nóng)民工社會融合是主導(dǎo)性的，雙向因果的可能性較低。盡管如此，為了更好地使實證結(jié)果減少偏誤。本文參照陳卓和陳杰(2018)[35]的研究，采用該城市所在省份的其他城市租房類型比率的均值，作為該城市租房類型的工具變量進行處理③。由于省內(nèi)各城市之間的政治、經(jīng)濟、文化以及社會等方面特征比較類似，因此省級層面的農(nóng)民工平均租房類型比率與省內(nèi)城市的農(nóng)民工租房類型之間具有潛在的相關(guān)性，且由于剔除了該城市自身的租房類型比率，能保證本文構(gòu)造的工具變量也在一定程度上滿足外生性假設(shè)。表3展示了工具變量的估計結(jié)果。由(1)可以看出，相對于社會租房來說，單位租房會對農(nóng)民工的社會融合程度產(chǎn)生顯著的負效應(yīng)；由(2)可以看出，相對于社會租房來說，政府租房會促進社會融合；由(3)可以看出，與單位租房相比，政府租房更能促進農(nóng)民工的社會融合。根據(jù)上述討論，本文認為，雙向因果問題并沒有給本文的估計結(jié)果帶來嚴重的影響，本文的經(jīng)驗結(jié)論是比較可靠的。

表3 租房類型對農(nóng)民工社會融合影響的工具變量估計結(jié)果

由于農(nóng)民工租房受個體特征影響，不完全是一個隨機事件，不同經(jīng)濟條件、受教育程度等多種因素都會對農(nóng)民工租房產(chǎn)生影響，因此租房有可能是自主選擇的結(jié)果，為解決由此導(dǎo)致的結(jié)果偏誤，本文選擇使用傾向得分匹配法來進行相關(guān)處理。由于租房類型為三分類變量，因此采用廣義傾向得分匹配法(GPSM)來解決自選擇問題。

本文假設(shè)，租房類型結(jié)果的集合為：D={A,B,C}。T表示處理變量，T=A表示社會租房，T=B表示單位租房，T=C表示政府租房。Y代表農(nóng)民工社會融合程度。任意兩種不同租房類型(a,b∈D,a≠b)對農(nóng)民工社會融合影響的差異的平均處理效應(yīng)可以表示為：

ATEa,b=E(Ya)-E(Yb)=E[E(Ya-Yb|X)]

(3)

式(3)中，Ya表示在農(nóng)民工租房類型a下的社會融合度，ATEa,b為農(nóng)民工租房類型a相對于租房類型b的平均處理效應(yīng)。在GPSM估計的思路下，需要先對協(xié)變量進行匹配，估計出農(nóng)民工租住不同類型租房的概率即傾向得分值，然后根據(jù)該傾向得分進行匹配。因此，農(nóng)民工租房類型對社會融合度的平均處理效應(yīng)可表示為：

(4)

式(4)中，p(a,X) 表示在給定協(xié)變量時，農(nóng)民工租房為a的條件概率，稱為廣義傾向得分。本文依據(jù)此式估計農(nóng)民工租房類型a相對于租房b的平均處理效應(yīng)。在使用GPSM方法進行估計時，必須首先滿足條件獨立性假設(shè)，因此協(xié)變量的選擇必須滿足不能受到農(nóng)民工租房的影響這一條件。結(jié)合調(diào)查數(shù)據(jù)，本文用于估計農(nóng)民工租房類型結(jié)果的廣義傾向得分的協(xié)變量與基準回歸是一致的。為了更充分地利用樣本，本文采取k=4的最小近鄰匹配法進行傾向得分匹配。見表4。

表4 租房類型對農(nóng)民工社會融合影響的傾向得分匹配估計結(jié)果

經(jīng)過廣義傾向得分匹配后，可以發(fā)現(xiàn)：第一組“社會租房vs單位租房”ATT系數(shù)與未匹配組系數(shù)正負一致且顯著，說明相對于社會租房來說，單位租房會對農(nóng)民工的社會融合程度產(chǎn)生顯著的負效應(yīng)；第二組“社會租房vs政府租房” ATT系數(shù)為正但不顯著，與基準回歸發(fā)現(xiàn)一致；第三組“單位租房vs政府租房” ATT系數(shù)與未匹配組系數(shù)正負一致且顯著，說明與單位租房相比，政府租房更能促進農(nóng)民工的社會融合。

總體而言，經(jīng)過傾向性得分匹配，社會租房對農(nóng)民工社會融合的促進作用仍然顯著高于其他租房。這進一步說明不同租房對農(nóng)民工社會融合的影響存在差異④。

(三)穩(wěn)健性檢驗

為了進一步增強結(jié)論的可靠性，本文使用更換數(shù)據(jù)、增加控制變量的方法，考察上述研究結(jié)論的穩(wěn)健性?？紤]到住房支出與農(nóng)民工租房類型存在著關(guān)聯(lián)，而2017年CMDS數(shù)據(jù)中缺乏租房租金指標，因此第(1)列采用2012年CMDS數(shù)據(jù)進行穩(wěn)健性檢驗。其中，社會融合指標的建立與基準回歸保持一致。其次，第(2)列采用2017年數(shù)據(jù)中包含房貸支出的住房支出指標進行分析。在回歸估計中仍然控制了個體人口特征、經(jīng)濟地位、流動特征和行業(yè)等特征，估計結(jié)果如表5所示?；貧w結(jié)果顯示，在進行了更換年份數(shù)據(jù)、增加住房支出變量后，結(jié)論仍然保持穩(wěn)健。

表5 穩(wěn)健性檢驗

(四)流出地依賴的中介效應(yīng)檢驗

依據(jù)相對中介效應(yīng)檢驗方法，采用逐步回歸法來驗證流出地依賴對農(nóng)民工社會融合是否存在中介效應(yīng)。由于自變量租房類型存在3個類別，因此本文設(shè)置社會租房public與政府租房gove兩個虛擬變量。

yi=β0+β1public+β2gove+β3Xi+δJobi+εi

(5)

reliancei=β0+β1public+β2gove+β3Xi+δJobi+εi

(6)

yi=β0+β1public+β2gove+β3Xi+β4reliancei+δJobi+εi

(7)

(7)式中，reliancei表示農(nóng)民工對流出地的依賴程度；控制變量、待估參數(shù)、隨機干擾項等與基準回歸基本保持一致。

中介效應(yīng)檢驗結(jié)果如表6所示，從三個方程的回歸結(jié)果來看，相對總效應(yīng)、相對直接效應(yīng)和相對中介效應(yīng)均顯著，說明農(nóng)民工的流出地依賴程度在“農(nóng)民工租房類型—社會融合”這一影響關(guān)系中發(fā)揮著部分的中介作用，本文提出的假設(shè)H2得到了驗證。從具體數(shù)值來看，相對于單位租房，社會租房的相對中介效應(yīng)為2.7%，政府租房的相對中介效應(yīng)為3.26%。為了論證可靠，本文使用Bootstrap法進行了迭代500次的相對中介效應(yīng)顯著性判斷，得出的Sobel檢驗結(jié)果顯示，相對中介效應(yīng)系數(shù)仍然保持顯著，且置信度為95%的置信區(qū)間不包含0，進一步說明了流出地依賴的相對中介效應(yīng)存在。

表6 農(nóng)民工流出地依賴在社會融合中的相對中介效應(yīng)檢驗

(五)分樣本研究

考慮到不同人口特征、流動特征、行業(yè)特征的農(nóng)民工群體之間存在的差異，以及不同類型的城市經(jīng)濟發(fā)展、戶籍政策之間的差異，本文將樣本按照年齡、流入城市規(guī)模以及勞動密集型行業(yè)進行細分，以此來探討租房類型對社會融合影響的年齡、城市規(guī)模以及行業(yè)異質(zhì)性(見表7)。第(1)(2)列對農(nóng)民工年齡樣本進行了分類，1980年之后出生的為新生代農(nóng)民工，之前為老一代農(nóng)民工。第(3)(4)(5)列是對農(nóng)民工流入城市按照2017年城區(qū)人口數(shù)量進行了等級區(qū)分，將流入地城市按照2017年城區(qū)人口數(shù)量進行歸類⑤，500萬以上劃分為特大城市，500萬到200萬之間為大城市，200萬以下為中小城市。第(6)(7)列是勞動密集型行業(yè)與非勞動密集型行業(yè)⑥分樣本結(jié)果。第(8)(9)列是將社會租房中的整租式與合租式分別與單位租房和政府租房進行比較。

如表7所示，在控制了其他變量之后，單位租房對老一代農(nóng)民工影響更突出，更大程度上抑制了老一代農(nóng)民工的社會融合，而政府租房則能夠?qū)ζ渖鐣诤铣潭犬a(chǎn)生促進作用?？赡艿脑蛟谟冢S著年紀的增長，老一代農(nóng)民工對住房穩(wěn)定性的追求更高，而年輕的新生代農(nóng)民工則相對能接受較高流動性的住房，故流動性更大的單位租房對老一代農(nóng)民工社會融合產(chǎn)生了更不利的影響。同時，政府租房的可靠性和保障性更能滿足老一代農(nóng)民工對住房穩(wěn)定性的需求，因此提升了老一代農(nóng)民工的社會融合度。

表7 租房類型影響農(nóng)民工社會融合的異質(zhì)性分析

在不同規(guī)模的城市樣本中，租住單位租房均不利于農(nóng)民工的社會融合，并且在中小城市這種負效應(yīng)更加明顯。有可能是因為中小城市單位租房的居住條件低于中小城市社會租房條件的平均水平，且相比特大城市和大城市而言這種差距更大，因此中小城市單位租房對社會融合產(chǎn)生的負效應(yīng)更大。特大城市中政府租房是有利于農(nóng)民工社會融合的，相反，在大城市樣本中政府租房卻不利于社會融合?？赡艿慕忉屖?，特大城市的政府租房建設(shè)一般更加規(guī)范，要求更加嚴格，相應(yīng)的配套設(shè)施更加完善，政府租房的居住條件可能相比社會租房更好。對于北上廣特大城市的農(nóng)民工來說，政府租房的較高穩(wěn)定性和保障性對農(nóng)民工更有“雪中送炭”的意義，因而特大城市的政府租房更有利于農(nóng)民工的社會融合。對大城市而言，租到較好的社會租房的難度和成本相對特大城市要小，因此在大城市中社會租房更有利于農(nóng)民工的社會融合。

相比于其他行業(yè)的就業(yè)者，勞動密集型行業(yè)的農(nóng)民工租住單位租房更大程度上不利于社會融合。這可能是因為勞動密集行業(yè)農(nóng)民工居住的單位租房受居住人群高流動性特點的影響，租住條件整體較差，從而降低了社會融合程度。由于政府在建設(shè)保障性住房時，一個側(cè)重點是圍繞勞動密集型企業(yè)等用工需求較大的區(qū)域集中布局，當(dāng)勞動密集型行業(yè)的農(nóng)民工租住政府租房時，政府租房的保障性特征使得其相比社會租房更有利于促進勞動密集型行業(yè)的農(nóng)民工社會融合。

將社會租房拆分為整租與合租比較后發(fā)現(xiàn)，無論是整租還是合租，社會租房均比單位租房更有利于農(nóng)民工社會融合；而相較于合租式社會租房，租住政府租房更能促進農(nóng)民工的社會融合，這可能是由于合租導(dǎo)致農(nóng)民工居住的隱私性不能得到保證，生活習(xí)慣差異引起的居住舒適度降低，從而不利于農(nóng)民工的社會融合。

五、結(jié)論與建議

本文使用2017年CMDS數(shù)據(jù)，基于OLS模型和分位數(shù)回歸研究了租房類型對農(nóng)民工社會融合的影響及作用機制。主要結(jié)論有：(1)總體而言，單位租房對農(nóng)民工的社會融合產(chǎn)生了顯著的負效應(yīng)，社會租房更能促進農(nóng)民工的社會融合，政府租房對農(nóng)民工社會融合的促進作用不顯著。經(jīng)過內(nèi)生性問題處理和穩(wěn)健性檢驗后，得出的結(jié)論依然成立。(2)分樣本研究結(jié)果發(fā)現(xiàn)，單位租房對老一代農(nóng)民工群體的社會融合的負效應(yīng)更大，而政府租房能顯著提高該群體的社會融合度；特大城市的政府租房能更顯著地促進農(nóng)民工的社會融合，而大城市的政府租房不利于農(nóng)民工社會融合；單位租房對勞動密集型行業(yè)農(nóng)民工社會融合的負效應(yīng)更大，政府租房對勞動密集型行業(yè)農(nóng)民工社會融合促進效應(yīng)更大。此外，政府租房相較于合租式社會租房更能促進農(nóng)民工社會融合。(3)中介機制檢驗顯示，流出地依賴在租房類型影響農(nóng)民工社會融合過程中發(fā)揮了重要的中介作用。

本文提出以下政策建議：第一，加強對租房問題的重視，更多地宣傳并切實實施購租同權(quán)，引導(dǎo)更多的資源流向租房供給領(lǐng)域。第二，加大對社會租房供給的支持力度，強化社會供給租房類型的多樣化優(yōu)勢，豐富和規(guī)范不同檔次的社會租房類型。擴大政府租房對農(nóng)民工的覆蓋面，加大政府租房的補貼力度，通過讓房地產(chǎn)商配套建設(shè)政府租房的形式，降低租房門檻，讓更多的農(nóng)民工能夠在更長時間享受價格更低廉的政府租房。對單位租房來說，提高單位租房的標準，提升單位租房條件，部分單位租房可以實行社會化轉(zhuǎn)型。租房供給應(yīng)該更好地適應(yīng)農(nóng)民工個性化住房需求，大城市的政府租房建設(shè)應(yīng)繼續(xù)圍繞農(nóng)民工密集就業(yè)區(qū)位，減輕區(qū)位-就業(yè)空間失配現(xiàn)象，完善相關(guān)配套設(shè)施，改善農(nóng)民工居住空間的獨立性、舒適度。第三，社會各界應(yīng)該高度關(guān)注農(nóng)民工的心理因素，多組織開展適合農(nóng)民工的文化體育健康活動，盡可能降低農(nóng)民工的流出地依賴，更好地促進農(nóng)民工社會融合。

(湘潭大學(xué)商學(xué)院碩士研究生肖淦對本文亦有貢獻)

注釋：

① 國家統(tǒng)計局：歷年農(nóng)民工監(jiān)測調(diào)查報告。

② 初步分析實證結(jié)果未在正文呈現(xiàn)，備索。

③ 由于直轄市(北京、上海、天津、重慶)不存在同一省份的不同城市，故工具變量估計不包含這四個直轄市的樣本。

④ 平衡性檢驗結(jié)果未在正文呈現(xiàn)，備索。結(jié)果顯示傾向得分匹配的效果比較理想，接近了隨機試驗的效果。

⑤ 數(shù)據(jù)來源：2017年城市統(tǒng)計年鑒。

⑥ 勞動密集型產(chǎn)業(yè)包括：采礦，紡織服裝，木材家具，印刷文體辦公娛樂用品，專業(yè)設(shè)備制造，電器機械及制造，計算機及通訊電子設(shè)備制造，儀器儀表制造，建筑，批發(fā)零售，住宿餐飲，居民服務(wù)、修理和其他服務(wù)業(yè)，公共管理、社會保障和社會組織。