摘 要：以往文獻(xiàn)更多關(guān)注收入水平對(duì)勞動(dòng)力流動(dòng)的影響，忽略了收入分化及其網(wǎng)絡(luò)效應(yīng)?；?011—2017年中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查數(shù)據(jù)，構(gòu)建勞動(dòng)力流動(dòng)網(wǎng)絡(luò)，運(yùn)用時(shí)間指數(shù)隨機(jī)圖模型（TERGM）與反事實(shí)模擬研究了區(qū)域收入水平與區(qū)域收入分化對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的復(fù)雜影響。研究表明：勞動(dòng)力患貧更患不均，勞動(dòng)力流向高收入地區(qū)，同時(shí)從收入高分化地區(qū)流向相對(duì)平等的地區(qū)，收入分化對(duì)于勞動(dòng)力流出的作用尤為顯著，相比于提高地區(qū)收入水平，改善分化更有助于緩解流失。高技能和低技能勞動(dòng)力存在異質(zhì)性，高技能勞動(dòng)力重視收入水平，傾向于流向高收入地區(qū)，對(duì)收入分化不敏感；而低技能勞動(dòng)力不僅受收入水平影響，區(qū)域的收入分化水平對(duì)其具有更大的驅(qū)動(dòng)作用。反事實(shí)模擬顯示，若東北地區(qū)的基尼系數(shù)下降一個(gè)標(biāo)準(zhǔn)差，則勞動(dòng)力流出減少約22萬(wàn)人，流入增加約6萬(wàn)人；當(dāng)人均收入提高一個(gè)標(biāo)準(zhǔn)差，則勞動(dòng)力流出減少約12萬(wàn)人，流入增加約4萬(wàn)人。人均收入對(duì)勞動(dòng)力流動(dòng)的影響更為復(fù)雜，如果沒(méi)有基尼系數(shù)的改善，只有收入水平提高不一定改善勞動(dòng)力流失的狀況。結(jié)論揭示了收入與勞動(dòng)力流動(dòng)之間的復(fù)雜關(guān)系，為勞動(dòng)力流動(dòng)網(wǎng)絡(luò)演化研究提供了新的視角，對(duì)于區(qū)域協(xié)調(diào)發(fā)展和人口高質(zhì)量發(fā)展具有重要的政策借鑒意義。

關(guān)鍵詞：勞動(dòng)力流動(dòng)網(wǎng)絡(luò)；收入效應(yīng)；時(shí)間指數(shù)隨機(jī)圖模型；網(wǎng)絡(luò)因果效應(yīng)；反事實(shí)模擬

中圖分類號(hào)：C922；F249.24 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-4149（2025）02-0085-19

DOI：10.3969/j.issn.1000-4149.2025.02.007

一、引言

勞動(dòng)力作為經(jīng)濟(jì)增長(zhǎng)的核心動(dòng)力和人口的主體，在中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展中扮演著關(guān)鍵角色。過(guò)去40年中國(guó)經(jīng)濟(jì)的快速增長(zhǎng)得益于充足的勞動(dòng)力資源，隨著經(jīng)濟(jì)步入新常態(tài)，人口結(jié)構(gòu)的改變帶來(lái)了勞動(dòng)力供給的新挑戰(zhàn)，隨著人口紅利的消退，人口遷移流動(dòng)在地區(qū)發(fā)展中扮演了越來(lái)越重要的角色 ［1］ 。我國(guó)省際間的勞動(dòng)力流動(dòng)呈現(xiàn)出強(qiáng)烈的不均衡特征，第七次全國(guó)人口普查數(shù)據(jù)顯示，2020年我國(guó)流動(dòng)人口規(guī)模達(dá)到3.76億人，相比2010年增幅高達(dá)69.73%，其中超過(guò)90%為勞動(dòng)力。東部地區(qū)人口持續(xù)增長(zhǎng)，而中部和東北地區(qū)人口下降，東北地區(qū)尤為顯著。勞動(dòng)力從落后地區(qū)向發(fā)達(dá)地區(qū)不斷集聚，造成了我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展與人力資源分布的不均衡 ［2］ 。因此，如何促進(jìn)勞動(dòng)力資源在本地的聚集，實(shí)現(xiàn)勞動(dòng)力資源優(yōu)化配置，成為國(guó)家以及地方經(jīng)濟(jì)高質(zhì)量發(fā)展的重大課題。

于是，問(wèn)題自然產(chǎn)生，什么是影響勞動(dòng)力流動(dòng)的關(guān)鍵因素？這些因素對(duì)于不同技能勞動(dòng)力的影響是否相同？雖然普遍認(rèn)為勞動(dòng)力流動(dòng)受就業(yè)機(jī)會(huì)和工資水平驅(qū)動(dòng)，但已有研究也發(fā)現(xiàn)，公共服務(wù) ［3］ 、環(huán)境質(zhì)量 ［4］ 、文化背景 ［5］ 等均對(duì)勞動(dòng)力的流動(dòng)決策帶來(lái)影響。這些研究揭示了勞動(dòng)力流動(dòng)動(dòng)因的復(fù)雜性和多元性，而對(duì)于核心的收入因素的討論，尚存一定的空間。首先，以往研究普遍關(guān)注地區(qū)間的收入水平差異對(duì)勞動(dòng)力流動(dòng)選擇的影響 ［6-7］ ，忽略了收入內(nèi)部分化，即區(qū)域內(nèi)的收入不平等的作用。在國(guó)際移民的研究中，國(guó)內(nèi)收入分化被認(rèn)為在一定程度上影響了移民決策 ［8］ ，中國(guó)的勞動(dòng)力流動(dòng)是否也遵循這一機(jī)制尚無(wú)定論。

其次，勞動(dòng)力流動(dòng)雖然是雙邊現(xiàn)象，但卻受到第三方地區(qū)的影響形成多邊網(wǎng)絡(luò)效應(yīng)，一個(gè)地區(qū)收入的增長(zhǎng)對(duì)勞動(dòng)力的影響會(huì)在網(wǎng)絡(luò)間逐步蔓延，理論上可以最終影響所有地區(qū)的勞動(dòng)力流動(dòng)。最后，勞動(dòng)力流動(dòng)網(wǎng)絡(luò)具有很強(qiáng)的自組織特征，典型地表現(xiàn)為集聚性和自相關(guān)性，傾向于路徑依賴，這就要求在研究中排除網(wǎng)絡(luò)的內(nèi)生結(jié)構(gòu)的干擾?，F(xiàn)有文獻(xiàn)大多忽略了這些問(wèn)題，導(dǎo)致對(duì)因果關(guān)系可能的錯(cuò)誤推斷。因此，從網(wǎng)絡(luò)的視角研究收入對(duì)勞動(dòng)力流動(dòng)的因果關(guān)系十分必要。

本文利用2011—2017年中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查數(shù)據(jù)與省份特征數(shù)據(jù)，構(gòu)建了勞動(dòng)力流動(dòng)網(wǎng)絡(luò)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法與時(shí)間指數(shù)隨機(jī)圖模型（TERGM）探討了區(qū)域收入水平與收入分化如何交織、互動(dòng)，共同塑造勞動(dòng)力流動(dòng)的模式。本文的邊際貢獻(xiàn)有：①首次研究了中國(guó)的區(qū)域內(nèi)收入分化對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的影響。②從流出地、流入地及兩者差異三個(gè)角度考察了收入水平和收入分化對(duì)勞動(dòng)力流動(dòng)的推拉效應(yīng)。③構(gòu)建了高技能與低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)，發(fā)現(xiàn)高技能勞動(dòng)者更傾向于流向高收入地區(qū)，而對(duì)收入分化不敏感；低技能勞動(dòng)者在兼顧收入水平的情況下，更傾向于選擇收入較為平等的地區(qū)。④基于反事實(shí)模擬評(píng)估基尼系數(shù)和人均收入對(duì)勞動(dòng)力流動(dòng)的網(wǎng)絡(luò)效應(yīng)，分析了外生因素對(duì)勞動(dòng)力流動(dòng)關(guān)系的動(dòng)態(tài)影響及其傳播效應(yīng)。

二、文獻(xiàn)回溯和理論假說(shuō)

1. 勞動(dòng)力流動(dòng)與區(qū)域間差異

勞動(dòng)力流動(dòng)與區(qū)域差異的雙向互動(dòng)關(guān)系一直是經(jīng)濟(jì)學(xué)領(lǐng)域研究的焦點(diǎn)問(wèn)題。研究主要分為兩條脈絡(luò)：第一條是勞動(dòng)力流動(dòng)如何影響區(qū)域經(jīng)濟(jì)差異。早期理論，如“Lewis拐點(diǎn)”和新古典增長(zhǎng)模型指出，勞動(dòng)力流向高收入地區(qū)可提升落后地區(qū)的勞動(dòng)生產(chǎn)率和縮減工資差距，從而減少區(qū)域間的經(jīng)濟(jì)差異。隨后一些學(xué)者在新經(jīng)濟(jì)地理學(xué)的框架下提出，勞動(dòng)力流動(dòng)對(duì)區(qū)域經(jīng)濟(jì)差異的影響取決于勞動(dòng)力成本差異 ［9］ 、資本的外部性和擁擠效應(yīng)的相對(duì)大小 ［10］ 。另一些研究從“匹配”的視角出發(fā)，提出人口與產(chǎn)業(yè)的匹配 ［11］ 、勞動(dòng)力與工作崗位的匹配均是調(diào)節(jié)勞動(dòng)力流動(dòng)對(duì)地區(qū)經(jīng)濟(jì)差距影響的重要因素。另一條脈絡(luò)聚焦于區(qū)域間差異如何作為關(guān)鍵因素影響勞動(dòng)力的流動(dòng)決策。哈里斯 （Harris） 等學(xué)者在推拉理論基礎(chǔ)上，著重強(qiáng)調(diào)了遷入地與遷出地的差異對(duì)勞動(dòng)力流動(dòng)產(chǎn)生的深刻影響 ［12］ 。其中，經(jīng)濟(jì)和收入差異被視為最主要的動(dòng)因，新古典主義理論指出，移民是對(duì)收入和財(cái)富分配不平衡的一種反應(yīng)，各國(guó)實(shí)證研究支持這一理論，如達(dá)爾（Dahl）等利用丹麥人口數(shù)據(jù)研究發(fā)現(xiàn)，科技工作者傾向于選擇工資較高的地區(qū) ［13］ 。納波利塔諾（Napolitano）等通過(guò)對(duì)意大利勞動(dòng)力流動(dòng)的GMM動(dòng)態(tài)面板模型分析，也發(fā)現(xiàn)工資收入和失業(yè)率對(duì)勞動(dòng)力流動(dòng)決策有顯著影響 ［14］ 。王桂新等基于人口普查數(shù)據(jù)驗(yàn)證了經(jīng)濟(jì)發(fā)達(dá)地區(qū)是中國(guó)省際人口遷移的主要目的地 ［15］ 。綜合前述研究可知，區(qū)域收入水平的差異形成了區(qū)域間的不平等，這種不平等深刻塑造了勞動(dòng)力流動(dòng)的動(dòng)因和方向，這構(gòu)成了本研究的基礎(chǔ)。

2. 勞動(dòng)力流動(dòng)與區(qū)域內(nèi)不平等

區(qū)域內(nèi)不平等描述的是一特定地區(qū)內(nèi)部資源分布不均衡的分化狀態(tài)。相對(duì)剝奪理論首先闡述了這種內(nèi)部分化效應(yīng)，表明個(gè)體對(duì)不平等的感知不僅源于自身的絕對(duì)收入水平，更基于其在社會(huì)中的相對(duì)位置 ［16］ 。

國(guó)際研究中關(guān)于內(nèi)部不平等對(duì)遷移決策的影響討論廣泛。一些學(xué)者嘗試采用相對(duì)貧困、相對(duì)剝奪、基尼系數(shù) ［8］ 等指標(biāo)來(lái)描繪內(nèi)部的不平等，并進(jìn)一步探討其對(duì)勞動(dòng)力遷移選擇的影響。研究表明，收入的邊際效用不僅與個(gè)體實(shí)際收入相關(guān)，還受所處社區(qū)其他人收入狀況的影響 ［17］ 。這意味著，在一個(gè)內(nèi)部分化程度較高的群體中，即使個(gè)體的收入處于中等水平，他們也可能產(chǎn)生強(qiáng)烈的不平等感，從而有遷移的沖動(dòng)。在墨西哥 ［18］ 、南非 ［19］ 等國(guó)的實(shí)證研究中也同樣發(fā)現(xiàn)，內(nèi)部不平等性更高的國(guó)家普遍經(jīng)歷了顯著的移民流。同樣在內(nèi)部收入差距較大的國(guó)家中，來(lái)自印度的研究指出，相對(duì)剝奪感是遷移的重要驅(qū)動(dòng)力，尤其是當(dāng)個(gè)體感到無(wú)法與其他人群相提并論時(shí)，更可能選擇遷移 ［20］ 。而這種不平等尤其對(duì)女性影響更大，不平等加劇了階層分化，導(dǎo)致貧困家庭更需要尋找外遷新娘，從而促進(jìn)了印度女性的跨地區(qū)遷移 ［21］ 。

從區(qū)域內(nèi)不平等的角度研究中國(guó)勞動(dòng)力流動(dòng)的文獻(xiàn)仍然相對(duì)稀缺。我國(guó)在2020年底消除了絕對(duì)貧困，戰(zhàn)略目標(biāo)從脫貧攻堅(jiān)轉(zhuǎn)向共同富裕。盡管絕對(duì)貧困發(fā)生率不斷下降，但相對(duì)貧困發(fā)生率卻呈現(xiàn)上升態(tài)勢(shì)，空間上呈現(xiàn)“東部—東北—中部—西部”逐級(jí)遞增的非平衡分布 ［22］ ，與勞動(dòng)力流動(dòng)呈現(xiàn)出高度一致的空間格局。從上述分析中可以看出，區(qū)域內(nèi)不平等所引發(fā)的分化效應(yīng)與區(qū)域間不平等的收入效應(yīng)同樣對(duì)勞動(dòng)力流動(dòng)產(chǎn)生了重要影響。而且，不僅分化程度的絕對(duì)值對(duì)勞動(dòng)力的流動(dòng)具有推拉作用，兩個(gè)地區(qū)之間分化程度的差別也是一個(gè)不可忽略的因素。換句話說(shuō)，即使一個(gè)地區(qū)的區(qū)域內(nèi)收入分化水平并不算高，但與另一個(gè)地區(qū)的不平等程度差異較大，那么這種差異可能也會(huì)成為勞動(dòng)力流動(dòng)的重要驅(qū)動(dòng)因素。基于以上的分析，我們提出如下假設(shè)。

H1：勞動(dòng)力不僅受絕對(duì)收入水平的影響，還傾向于從區(qū)域內(nèi)收入分化較高的地區(qū)流向更加平等的地區(qū)。

H2：流入地與流出地的收入分化水平差異越大，兩地間形成勞動(dòng)力流動(dòng)的趨勢(shì)越強(qiáng)。

3. 收入水平、收入分化與勞動(dòng)力技能水平

技能作為勞動(dòng)力的核心屬性對(duì)于勞動(dòng)力流動(dòng)模式的影響不容忽視。在國(guó)際研究中，“自我選擇”理論首先揭示了技能水平對(duì)遷移決策的影響 ［23］ 。該理論進(jìn)一步指出，不同技能的勞動(dòng)力在遷移選擇上存在差異：低技能勞動(dòng)力更可能選擇相對(duì)平等、福利發(fā)達(dá)的國(guó)家，以獲得穩(wěn)定的工作和收入；而高技能勞動(dòng)力更傾向于不平等但機(jī)遇豐富的國(guó)家，希望發(fā)揮特長(zhǎng)，以尋求高收入和更好的發(fā)展機(jī)會(huì) ［24］ 。實(shí)證研究對(duì)此得出了混合的結(jié)論，一些研究部分支持了這種技能自我選擇假設(shè) ［25］ ，而另一些研究則顯示技能水平對(duì)于遷移的影響僅在高技能移民 ［26］ 或男性移民 ［27］ 群體中顯著。

在中國(guó)這一特定的社會(huì)經(jīng)濟(jì)背景下，不同技能水平的勞動(dòng)力是否仍遵循國(guó)際研究中揭示的差異化流動(dòng)模式值得深入探討。受產(chǎn)業(yè)空間布局演進(jìn)、技術(shù)創(chuàng)新水平提升等因素影響，不同地區(qū)勞動(dòng)需求結(jié)構(gòu)與供給結(jié)構(gòu)的差異越來(lái)越明顯，技能異質(zhì)性已成為新常態(tài)背景下討論勞動(dòng)力流動(dòng)與地區(qū)經(jīng)濟(jì)差距之間關(guān)系的重要視角［28］ 。 . 經(jīng)濟(jì)的增長(zhǎng)帶動(dòng)了高技能勞動(dòng)力向一線城市和經(jīng)濟(jì)特區(qū)的流動(dòng)，這些地區(qū)提供了大量的高薪職位和發(fā)展機(jī)會(huì)。相對(duì)地，低技能勞動(dòng)力的遷移路徑則顯得更為多元。他們可能更受二線或三線城市的平等環(huán)境和完善的社會(huì)福利政策的吸引，或是因?yàn)橐痪€城市的高生活成本而選擇其他路徑，這提示我們，區(qū)域內(nèi)收入分化的影響或許對(duì)于低技能勞動(dòng)力而言更為重要?；诖?，提出如下假設(shè)。

H3：高技能勞動(dòng)力的流動(dòng)決策主要受收入水平驅(qū)動(dòng)，對(duì)收入分化不敏感。

H4：低技能勞動(dòng)力的流動(dòng)決策受收入水平影響的同時(shí)，對(duì)收入分化更為敏感，傾向于從高分化地區(qū)流向更加平等的地區(qū)。

三、數(shù)據(jù)與網(wǎng)絡(luò)構(gòu)建

1. 數(shù)據(jù)來(lái)源

本文的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)數(shù)據(jù)來(lái)源于2011—2017年中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查（CMDS）數(shù)據(jù)，該數(shù)據(jù)調(diào)查按照隨機(jī)原則在全國(guó)31個(gè)?。▍^(qū)、市）和新疆生產(chǎn)建設(shè)兵團(tuán)流動(dòng)人口較為集中的流入地抽取樣本點(diǎn)，調(diào)查對(duì)象為全國(guó)在調(diào)查前一個(gè)月來(lái)本地居住、非本區(qū) （縣、市）戶口且在調(diào)查階段年齡在15周歲及以上的流入人口。根據(jù)我國(guó)勞動(dòng)法對(duì)勞動(dòng)力的定義，篩選出16—60周歲的樣本，提取各樣本的戶籍來(lái)源地與當(dāng)前所在地，構(gòu)建勞動(dòng)力流動(dòng)網(wǎng)絡(luò)。

本文的目的是捕捉收入水平與收入分化這兩種模式對(duì)勞動(dòng)力流動(dòng)的影響，我們用各省人均可支配收入來(lái)衡量收入水平，數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站；我們使用各省基尼系數(shù)來(lái)測(cè)量區(qū)域內(nèi)收入分化，各省基尼系數(shù)的測(cè)算基礎(chǔ)數(shù)據(jù)來(lái)自中國(guó)家庭追蹤調(diào)查（CFPS）中的家庭收入數(shù)據(jù) ① ，該數(shù)據(jù)樣本覆蓋25個(gè)省/市/自治區(qū)，提供了充足的樣本量以描述各省的收入分布情況。我們采用標(biāo)準(zhǔn)的基尼系數(shù)測(cè)算方法 ［29］ ，即基于洛倫茲曲線，通過(guò)衡量累積人口與累積收入之間的差異來(lái)量化不平等程度 ① 。其他所用經(jīng)濟(jì)社會(huì)指標(biāo)數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。

2. 勞動(dòng)力流動(dòng)網(wǎng)絡(luò)構(gòu)建

本文基于i省到j(luò)省的勞動(dòng)力流動(dòng)數(shù)量進(jìn)行2011—2017年的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)構(gòu)建，具體來(lái)說(shuō)，我們將網(wǎng)絡(luò)定義為： NetFlow t = （ N （ V t ，L t ） ，W t ，P t ） 。其中， t 對(duì)應(yīng) 2011—2017 年，N（V t ，L t ） 描述了 t 年的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)： V t 是省份結(jié)點(diǎn)， L t 代表了網(wǎng)絡(luò)的邊的集合，即省份i 到省份 j 的勞動(dòng)力流動(dòng)關(guān)系。 W t 包含了 t 期的網(wǎng)絡(luò)邊的二元特征，比如兩省市是否有接壤關(guān)系、是否同屬于一個(gè)經(jīng)濟(jì)區(qū)域； P t 代表了所有省份結(jié)點(diǎn)的屬性特征，如省份人均可支配收入。

為開展后續(xù)分析，需首先將勞動(dòng)力流動(dòng)網(wǎng)絡(luò)轉(zhuǎn)換為0-1二值網(wǎng)絡(luò)。選擇2011—2017年流動(dòng)網(wǎng)絡(luò)所有元素的3/4分位數(shù)（為96）作為臨界值，大于等于此值的設(shè)置為1，小于此值的設(shè)置為0。根據(jù)第七次全國(guó)人口普查數(shù)據(jù)，流動(dòng)勞動(dòng)力占全部勞動(dòng)力的26%，以此臨界值構(gòu)建的網(wǎng)絡(luò)密度與實(shí)際的流動(dòng)比例相適應(yīng)，且超過(guò)該閾值的勞動(dòng)力流動(dòng)占了總流動(dòng)的91.22%，因此比較充分地代表了全國(guó)整體勞動(dòng)力流動(dòng)的關(guān)鍵特征。

表1展示了2011—2017年勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的基本特征。從網(wǎng)絡(luò)密度的逐年遞增與平均最短路徑的縮短趨勢(shì)可以看出，省際間的勞動(dòng)力流動(dòng)逐年頻繁，流動(dòng)網(wǎng)絡(luò)的連通性顯著增強(qiáng)。此外，互惠邊的比例逐步上升，表明地區(qū)間的雙向流動(dòng)聯(lián)系更加緊密。

從圖1中可以看到2017年各省份節(jié)點(diǎn)的度分布情況，北京、上海、浙江在網(wǎng)絡(luò)中擁有最高的入度，反映了其作為主要?jiǎng)趧?dòng)力流入地的強(qiáng)大吸引力。在出度方面，湖北省位居首位，表明其勞動(dòng)力輸出顯著。圖中的虛線折線表示各省份的中介中心度，并對(duì)應(yīng)右側(cè)的次坐標(biāo)軸值。其中安徽、貴州和福建表現(xiàn)出較高的中介中心度，盡管它們并非勞動(dòng)力流入或流出的最主要地區(qū)，但它們?cè)诰W(wǎng)絡(luò)中起到了橋梁或樞紐的作用，對(duì)整個(gè)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的整體連通性和效率至關(guān)重要。

四、實(shí)證分析

1. 模型與變量

本研究采用時(shí)間指數(shù)隨機(jī)圖模型 （Temporal Exponential Random Graph Model，TERGM）來(lái)分析 2011—2017 年間的人口流動(dòng)網(wǎng)絡(luò)數(shù)據(jù)，深入探討網(wǎng)絡(luò)在時(shí)間序列上的演化過(guò)程。TERGM是一種基于指數(shù)隨機(jī)圖模型 （ERGM） 擴(kuò)展而來(lái)的動(dòng)態(tài)網(wǎng)絡(luò)分析方法，它不限于分析某一時(shí)間點(diǎn)上的網(wǎng)絡(luò)狀況，能夠探究歷史網(wǎng)絡(luò)如何塑造當(dāng)前的網(wǎng)絡(luò)結(jié)構(gòu)。TERGM的核心在于其對(duì)網(wǎng)絡(luò)歷史狀態(tài)的綜合分析。模型將不同時(shí)間點(diǎn)的網(wǎng)絡(luò)狀態(tài)納入考慮，以歷史網(wǎng)絡(luò)狀態(tài)串聯(lián)，構(gòu)建出網(wǎng)絡(luò)的動(dòng)態(tài)畫像。模型的基本公式為：

在此， Yt 表示在時(shí)間點(diǎn) t 的網(wǎng)絡(luò)狀態(tài)，而 θ 是需要估計(jì)的參數(shù)集合。網(wǎng)絡(luò)在時(shí)間點(diǎn) t 的狀態(tài)受前 K 個(gè)時(shí)間點(diǎn)的網(wǎng)絡(luò)歷史影響。通過(guò)函數(shù) h ，模型計(jì)算了歷史網(wǎng)絡(luò)狀態(tài)的統(tǒng)計(jì)量，包括各種影響網(wǎng)絡(luò)連接的因素，從而共同作用于當(dāng)前網(wǎng)絡(luò)狀態(tài)的形成。

與傳統(tǒng)的統(tǒng)計(jì)模型相比，TERGM有其獨(dú)特的優(yōu)勢(shì)。傳統(tǒng)的統(tǒng)計(jì)模型基于數(shù)據(jù)的獨(dú)立性假設(shè)，而TERGM同時(shí)考慮了外部因素 （外生機(jī)制） 與網(wǎng)絡(luò)結(jié)構(gòu)的相互作用 （內(nèi)生機(jī)制）。

這有助于在一定程度上控制關(guān)鍵內(nèi)生因素，從而更準(zhǔn)確地估計(jì)外部沖擊的影響。本文考慮的內(nèi)生結(jié)構(gòu)與各變量的圖形及具體內(nèi)涵解釋詳見表2。

除網(wǎng)絡(luò)結(jié)構(gòu)變量外，本文參考已有研究，將一些重要的外生驅(qū)動(dòng)因素納入模型作為控制變量，首先是省份的個(gè)體屬性變量，包括基礎(chǔ)教育人均教師數(shù)、人均執(zhí)業(yè)醫(yī)生數(shù)、PM2.5，這些變量分別體現(xiàn)了一個(gè)省份的教育資源、醫(yī)療資源和環(huán)境水平，這些均是可能影響勞動(dòng)力流動(dòng)的外生因素；此外本文加入體現(xiàn)省份間二元關(guān)系的矩陣變量，包括各省省會(huì)、直轄市間的地理距離、兩省份是否接壤，以及兩個(gè)省份是否同屬于一個(gè)經(jīng)濟(jì)區(qū) ① 。

2. 實(shí)證結(jié)果分析

本文對(duì)2011—2017年的縱向省際勞動(dòng)力流動(dòng)網(wǎng)絡(luò)進(jìn)行TERGM的估計(jì)與擬合，得出實(shí)證結(jié)果如表3所示。在本研究中，差異性變量的度量采用直接差異而非絕對(duì)差異，即考慮了流入地與流出地之間屬性的差值，并將其納入模型。這種差異性的測(cè)量方式考慮到了網(wǎng)絡(luò)的有向性，更適合分析有向網(wǎng)絡(luò)。但由于這種差異性已經(jīng)包含了流入地與流出地的屬性信息，如果在模型中同時(shí)考慮流入效應(yīng)與流出效應(yīng)，可能會(huì)導(dǎo)致嚴(yán)重的共線性問(wèn)題。因此表3中模型1與模型2對(duì)流出效應(yīng)與流入效應(yīng)進(jìn)行了測(cè)量，模型3與模型4對(duì)差異性進(jìn)行了分析，其中，模型1與模型3作為基準(zhǔn)模型，僅包含核心解釋變量與控制變量；模型2與模型4在基準(zhǔn)模型的基礎(chǔ)上，進(jìn)一步加入了內(nèi)生解釋變量和時(shí)間效應(yīng)變量。

（1） 收入效應(yīng)與分化效應(yīng)。勞動(dòng)力流動(dòng)的收入效應(yīng)反映在省際間的收入差異上，通過(guò)人均可支配收入進(jìn)行測(cè)量。研究結(jié)果表明，人均可支配收入的流入效應(yīng)顯著為正，流出效應(yīng)在模型1中顯著為負(fù)，這意味著勞動(dòng)力傾向流入收入水平高的地區(qū)。在模型3中，人均可支配收入差異的系數(shù)顯著為正，表明勞動(dòng)力傾向于流向與其起始地收入差距更大的區(qū)域。

這些結(jié)果與經(jīng)典勞動(dòng)力流動(dòng)研究的結(jié)論基本相符，然而不同的是，加入網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)和時(shí)間效應(yīng)后（模型2與模型4），收入的流出效應(yīng)和差異性效應(yīng)都變得不顯著，這暗示了流動(dòng)模式的形成可能受到網(wǎng)絡(luò)內(nèi)生結(jié)構(gòu)及時(shí)間慣性的影響。并不是高收入地區(qū)勞動(dòng)力流出一定較少，事實(shí)上，某些高收入地區(qū)同時(shí)擁有高入度和高出度，且勞動(dòng)力流向并非總是選擇與所在地收入水平差距更大的區(qū)域。

勞動(dòng)力流動(dòng)的分化效應(yīng)反映在省內(nèi)的收入不平等上，使用基尼系數(shù)來(lái)測(cè)量，在模型1和模型2中，基尼系數(shù)的流出效應(yīng)顯著為正，流入效應(yīng)顯著為負(fù)。這意味著勞動(dòng)力更傾向于從收入分化水平高的地區(qū)流出，流向內(nèi)部相對(duì)更為平等的地區(qū)，證實(shí)了假說(shuō)H1。基尼系數(shù)流入地與流出地的差異在模型3與模型4中均顯著為負(fù)，說(shuō)明區(qū)域間的收入分化水平性差異越大，對(duì)勞動(dòng)力流動(dòng)的驅(qū)動(dòng)力越強(qiáng)，勞動(dòng)力傾向于流向與起始地平等性差距更大 （更平等）的地區(qū)，假說(shuō)H2也得到驗(yàn)證。

同時(shí)，本文對(duì)收入效應(yīng)與分化效應(yīng)進(jìn)行了優(yōu)勢(shì)分析，首先預(yù)測(cè)地區(qū)之間的勞動(dòng)力流動(dòng)概率p?ij ，然后在模型中排除掉基尼系數(shù)，重新預(yù)測(cè)地區(qū)之間的勞動(dòng)力流動(dòng)概率p?ij ，得到預(yù)測(cè)誤差的平均絕對(duì)值 AME = 1/n ∑i ≠ jn|p?ij- p?ij | ，AME體現(xiàn)了基尼系數(shù)對(duì)模型擬合的影響。AME越高，表明基尼系數(shù)對(duì)勞動(dòng)力流動(dòng)的影響越重要。繼續(xù)用同樣的方法在模型中刪除人均收入，計(jì)算其對(duì)應(yīng)的AME。經(jīng)測(cè)算，人均收入和基尼系數(shù)的AME分別為1.65%和3.59%，這在一定程度上表明，基尼系數(shù)更大程度地影響了勞動(dòng)力流動(dòng)，是更重要的驅(qū)動(dòng)力量。

（2）勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的內(nèi)生結(jié)構(gòu)與時(shí)間效應(yīng)。從模型2與模型4中可見，傳遞閉合性的系數(shù)顯著為正，說(shuō)明省份間勞動(dòng)力的流動(dòng)形成了閉合三角的傳遞結(jié)構(gòu)，反映出顯著的吸引力等級(jí)效應(yīng)。擴(kuò)散性與聚斂性的系數(shù)均顯著為負(fù)，意味著勞動(dòng)力流動(dòng)網(wǎng)絡(luò)存在明顯的偏好依附，表現(xiàn)出“強(qiáng)者愈強(qiáng)，弱者愈弱”的態(tài)勢(shì)。少數(shù)省份擁有較高的出度與入度，它們?cè)趧趧?dòng)力流出或接收上扮演重要角色，尤其是高入度的省份，處于網(wǎng)絡(luò)中心，勞動(dòng)力資源更加豐富。而高出度的省份則面臨嚴(yán)重的勞動(dòng)力流失?；鶞?zhǔn)模型與全模型結(jié)果的差異進(jìn)一步證明，內(nèi)生結(jié)構(gòu)對(duì)網(wǎng)絡(luò)形成具有顯著影響，控制內(nèi)生結(jié)構(gòu)可提高其他變量的估計(jì)精度。

穩(wěn)定性系數(shù)在模型2與模型4中分別為1.7845與1.7772，且均顯著，說(shuō)明網(wǎng)絡(luò)具有較高的穩(wěn)定性，勞動(dòng)力流動(dòng)關(guān)系在時(shí)間上傾向保持不變。延遲互惠系數(shù)在模型中分別為0.3109與0.2907，顯著性水平為5%，表明勞動(dòng)力流動(dòng)存在一定的互惠性，即當(dāng)期勞動(dòng)力流向某地，未來(lái)有回流的趨勢(shì)。

其他控制變量的實(shí)證結(jié)果與已有勞動(dòng)力流動(dòng)理論保持一致，從中可以看出勞動(dòng)力傾向于流向醫(yī)療資源與環(huán)境質(zhì)量方面與自身所在地差異更大 （更好） 的地區(qū)；協(xié)網(wǎng)絡(luò)地理距離與同經(jīng)濟(jì)區(qū)的估計(jì)系數(shù)均為負(fù)，是否接壤的系數(shù)為正，說(shuō)明相距較近、接壤但跨經(jīng)濟(jì)區(qū)的省份間更易發(fā)生勞動(dòng)力的流動(dòng)。

本文采用基于仿真的評(píng)價(jià)方法評(píng)估模型的擬合程度，根據(jù)模型2與模型4分別模擬產(chǎn)生了5000個(gè)網(wǎng)絡(luò)，并與觀測(cè)網(wǎng)絡(luò)的關(guān)鍵特征進(jìn)行了對(duì)比和視覺(jué)展示 ① 。核心網(wǎng)絡(luò)統(tǒng)計(jì)量的分布落在仿真網(wǎng)絡(luò)的95%置信區(qū)間，表明仿真網(wǎng)絡(luò)能夠較為準(zhǔn)確地描述和解讀實(shí)際觀測(cè)到的網(wǎng)絡(luò)，模型擬合良好。

3. 穩(wěn)健性檢驗(yàn)

為了驗(yàn)證TERGM估計(jì)結(jié)果的穩(wěn)健性，本文通過(guò)調(diào)整勞動(dòng)力流動(dòng)網(wǎng)絡(luò)數(shù)據(jù)的時(shí)間間隔、更換二值網(wǎng)絡(luò)構(gòu)建閾值以及調(diào)整估計(jì)方法重新進(jìn)行實(shí)證估計(jì)，結(jié)果如表4所示。具體調(diào)整如下：①將動(dòng)態(tài)網(wǎng)絡(luò)的時(shí)間間隔設(shè)置為 1 年，選取單數(shù)年份 （2011 年、2013 年、2015 年、2017年）組合為動(dòng)態(tài)網(wǎng)絡(luò)數(shù)據(jù)，實(shí)證結(jié)果對(duì)應(yīng)模型5、模型6。②選取0.7分位數(shù)（75）為二值網(wǎng)絡(luò)構(gòu)建閾值，在更為密集的網(wǎng)絡(luò)下進(jìn)行估計(jì)，對(duì)應(yīng)模型7、模型8。③選取2017年截面數(shù)據(jù)，單獨(dú)進(jìn)行ERGM估計(jì)，對(duì)應(yīng)模型9、模型10。從表4的結(jié)果中可以看出，模型5至模型8的估計(jì)結(jié)果與模型2、模型4保持了高度的一致，模型9與模型10除幾何加權(quán)出度系數(shù)不顯著外，其他均與模型2、模型4較為一致。

4. 內(nèi)生性檢驗(yàn)

TERGM模型描述了收入如何影響勞動(dòng)力的流動(dòng)，這在網(wǎng)絡(luò)研究中被稱為社會(huì)選擇效應(yīng)（social selection effect），但勞動(dòng)力流動(dòng)也可能影響收入特征，稱之為社會(huì)影響效應(yīng) （socialinfluence effect），兩種效應(yīng)通常并存，即個(gè)體特征影響了網(wǎng)絡(luò)關(guān)系，同時(shí)網(wǎng)絡(luò)關(guān)系也影響著個(gè)體特征。在勞動(dòng)力流動(dòng)與地區(qū)經(jīng)濟(jì)差異的關(guān)系研究中也存在著這樣的雙向影響，一些研究討論了勞動(dòng)力流動(dòng)在縮小或加大地區(qū)差異上的作用 ［2］ 。為解決這種雙向因果問(wèn)題，本文采取了兩種策略來(lái)校正潛在內(nèi)生性帶來(lái)的估計(jì)偏差。其一，將人均可支配收入與基尼系數(shù)的1期與2期滯后項(xiàng)加入模型，模型11、模型12為滯后一期的考察，模型13、模型14為滯后兩期的結(jié)果（見表5）。其二，模型15、模型16采用工具變量法，為人均可支配收入與基尼系數(shù)選擇工具變量，第一階段將內(nèi)生變量對(duì)工具變量與外生變量進(jìn)行回歸，得到擬合值。

第二階段將擬合值替代原內(nèi)生變量加入TERGM模型。

在工具變量的選擇上，借鑒申萌等的思路 ［32］ ，選擇每平方公里土地的公路里程數(shù) ① 作為人均可支配收入的工具變量，公路里程體現(xiàn)了地區(qū)的經(jīng)濟(jì)發(fā)展水平，與地區(qū)收入水平相關(guān)，且公路建設(shè)計(jì)劃通常提前多年，具有外生性。選擇總撫養(yǎng)比 ② 作為基尼系數(shù)的工具變量，較高的撫養(yǎng)比通常代表更多的未成年或老年人口依賴，反映出收入分配不均的環(huán)境。各年份第一階段的估計(jì)結(jié)果顯示，公路里程數(shù)的估計(jì)系數(shù)在 1% 的水平上顯著，擬合優(yōu)度超過(guò)80%，總撫養(yǎng)比的系數(shù)在5%水平上顯著，擬合優(yōu)度均在30%以上。內(nèi)生性檢驗(yàn)的結(jié)果如表5所示，在本文的核心假設(shè)上，均與基礎(chǔ)模型的結(jié)論保持一致。

5. 城市群流動(dòng)網(wǎng)絡(luò)與勞動(dòng)力跨省、省內(nèi)流動(dòng)模式比較分析

在省際流動(dòng)研究的基礎(chǔ)上，我們將網(wǎng)絡(luò)節(jié)點(diǎn)細(xì)化到城市層面，使用2017年的CMDS數(shù)據(jù)，分別構(gòu)建了以城市群為標(biāo)準(zhǔn)劃分的19個(gè)城市群勞動(dòng)力流動(dòng)網(wǎng)絡(luò) ① 、以265個(gè)城市為節(jié)點(diǎn)的城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)、城市勞動(dòng)力跨省流動(dòng)與省內(nèi)流動(dòng)網(wǎng)絡(luò) ② ，進(jìn)一步探討城市群流動(dòng)的網(wǎng)絡(luò)特征，以及城市經(jīng)濟(jì)發(fā)展與勞動(dòng)力跨省流動(dòng)和省內(nèi)流動(dòng)的關(guān)系。

三個(gè)城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的主要特征如表6所示，省內(nèi)流動(dòng)網(wǎng)絡(luò)的密度為0.373，遠(yuǎn)高于跨省流動(dòng)的0.174，表明在省內(nèi)城市間的聯(lián)系更為緊密，勞動(dòng)力流動(dòng)更為頻繁?？缡×鲃?dòng)網(wǎng)絡(luò)的度中心化最高，而省內(nèi)流動(dòng)的互惠性更高，這表明跨省流動(dòng)中存在著明顯的核心節(jié)點(diǎn)，勞動(dòng)力流動(dòng)更多地集中于少數(shù)幾個(gè)重要的城市，而省內(nèi)雙向流動(dòng)更強(qiáng)，呈現(xiàn)較為平衡的態(tài)勢(shì)。

圖2對(duì)比了各城市群內(nèi)部與各省份內(nèi)部的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)密度，結(jié)果顯示城市群內(nèi)的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)密度整體上高于省內(nèi)流動(dòng)網(wǎng)絡(luò)，可見城市群中的勞動(dòng)力流動(dòng)更為活躍，與行政區(qū)劃上的鄰近相比，城市間經(jīng)濟(jì)活動(dòng)上的聯(lián)系可能對(duì)勞動(dòng)力流動(dòng)的影響更為顯著。

我們?cè)诔鞘芯W(wǎng)絡(luò)層面，分別對(duì)全城市網(wǎng)絡(luò)、跨省流動(dòng)網(wǎng)絡(luò)與省內(nèi)流動(dòng)網(wǎng)絡(luò)進(jìn)行了ERGM估計(jì) （見表7），整體城市流動(dòng)網(wǎng)絡(luò)的模型結(jié)果與表3中的省際流動(dòng)結(jié)果一致，再次驗(yàn)證了TERGM結(jié)果的穩(wěn)健性。而跨省流動(dòng)與省內(nèi)流動(dòng)網(wǎng)絡(luò)表現(xiàn)出不同的結(jié)果。首先，基尼系數(shù)在跨省流動(dòng)網(wǎng)絡(luò)中的流出效應(yīng)較為顯著，表明收入分化較高的省份更容易推動(dòng)勞動(dòng)力外流。

而在省內(nèi)流動(dòng)中，收入分化的作用并不顯著。另一方面，收入水平的流入效應(yīng)在跨省和省內(nèi)流動(dòng)網(wǎng)絡(luò)中均顯著，而收入水平的流出效應(yīng)在跨省網(wǎng)絡(luò)中表現(xiàn)得更為顯著，表明低收入省份的勞動(dòng)力更傾向于向高收入省份遷移，而在省內(nèi)流動(dòng)網(wǎng)絡(luò)中，這一效應(yīng)相對(duì)較弱。這一結(jié)果可能暗示著，跨省流動(dòng)網(wǎng)絡(luò)的勞動(dòng)力流動(dòng)更易受收入水平和不平等的影響，而省內(nèi)流動(dòng)則更多地反映了區(qū)域內(nèi)的其他因素。

五、進(jìn)一步討論：勞動(dòng)力技能水平的異質(zhì)性

本文進(jìn)一步利用2011—2017年的中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查（CMDS）數(shù)據(jù)，將小學(xué)、初中、高中學(xué)歷的勞動(dòng)力劃分為低技能群體，而將大專、本科及研究生學(xué)歷的勞動(dòng)力歸類為高技能群體。通過(guò)精細(xì)篩選，分別構(gòu)建了針對(duì)高技能與低技能勞動(dòng)力的流動(dòng)網(wǎng)絡(luò)。

我們對(duì)2011—2017年高技能與低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的整體特征進(jìn)行了比較 ① ，發(fā)現(xiàn)以下趨勢(shì)：首先，七年間，無(wú)論高技能還是低技能勞動(dòng)力網(wǎng)絡(luò)的密度和互惠邊比例顯著上升，顯示省際勞動(dòng)力流動(dòng)愈加頻繁，且流入流出中心增加，不平衡性增強(qiáng)。其次，2011年低技能網(wǎng)絡(luò)的密度和出度集中度高于高技能網(wǎng)絡(luò)，但到2017年，這一趨勢(shì)逆轉(zhuǎn)，高技能網(wǎng)絡(luò)的入度集中度持續(xù)高于低技能網(wǎng)絡(luò)，表明高技能勞動(dòng)力的流動(dòng)范圍更廣，流入更集中，流出則趨于分散。

在2017年省份網(wǎng)絡(luò)節(jié)點(diǎn)層面分析中，我們計(jì)算了各省份節(jié)點(diǎn)的度中心性之差（入度與出度之差）。度中心性差反映節(jié)點(diǎn)在資源流動(dòng)中的定位：正值表示省份為凈資源接收者，負(fù)值表示為凈資源發(fā)送者，零值表明資源流動(dòng)保持平衡。圖3顯示了高技能與低技能流動(dòng)網(wǎng)絡(luò)中省份的度中心性差，結(jié)果揭示出差異顯著。高技能勞動(dòng)力的流入集中于上海、北京、江蘇、廣東等省份，而低技能勞動(dòng)力的流出主要集中在安徽、四川、河南等地。這表明高技能勞動(dòng)力的集中流入與低技能勞動(dòng)力的大量流出，反映了不同地區(qū)對(duì)不同技能層次勞動(dòng)力的吸引力。

為了更好地洞察促使高技能與低技能勞動(dòng)力形成不同流動(dòng)模式的動(dòng)因，分別對(duì)兩種勞動(dòng)力類型網(wǎng)絡(luò)進(jìn)行TERGM實(shí)證分析，結(jié)果見表8。表8中模型23與模型25分別為高技能與低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的流出與流入效應(yīng)分析；模型24與模型26分別為高技能與低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的差異效應(yīng)分析。

通過(guò)對(duì)發(fā)送者效應(yīng)、接收者效應(yīng)和差異性三個(gè)維度的細(xì)致分析，可以剖析實(shí)證結(jié)果的深層含義。

第一， 發(fā)送者視角的保留效應(yīng)。從表8結(jié)果中可以看出，在高技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中，基尼系數(shù)的流出效應(yīng)并不顯著，而人均收入的流出效應(yīng)為-0.907，并且顯著。這意味著高技能勞動(dòng)力更加地“患貧”而非“患不均”，他們的流動(dòng)決策對(duì)于區(qū)域收入水平較為敏感而對(duì)收入分化不敏感。在低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中，基尼系數(shù)的流出效應(yīng)顯著為正，而人均收入的流出效應(yīng)顯著為負(fù)。這揭示了一個(gè)有趣的現(xiàn)象：低技能勞動(dòng)力傾向于離開那些區(qū)域收入分化水平較高的地區(qū)，同時(shí)，較高的收入水平也對(duì)他們產(chǎn)生了保留作用。

第二，接收者視角的吸引效應(yīng)。從表8的高技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)結(jié)果來(lái)看，基尼系數(shù)的流入效應(yīng)為負(fù)但顯著性較低，而人均收入的流入效應(yīng)卻顯著為正。這揭示了一個(gè)明顯的趨勢(shì)：

高技能勞動(dòng)力在選擇流入地時(shí)，對(duì)區(qū)域內(nèi)收入分化較為不敏感，但卻極為重視地區(qū)的收入水平，顯示了他們對(duì)高收入地區(qū)的強(qiáng)烈偏好。在低技能勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中，基尼系數(shù)的流入效應(yīng)顯著為負(fù)，而人均收入的流入效應(yīng)不顯著，這意味著低技能勞動(dòng)力在選擇流入地時(shí)，更傾向于選擇那些內(nèi)部平等性更高的地區(qū)，而對(duì)絕對(duì)收入水平不敏感。

第三，差異性視角的拉動(dòng)效應(yīng)。差異性變量揭示了流入地與流出地屬性差異對(duì)勞動(dòng)力流動(dòng)的“拉動(dòng)效應(yīng)”。對(duì)于正向指標(biāo)如人均收入，正的差異性系數(shù)表明勞動(dòng)力更傾向于流向收入水平顯著高于自身的地區(qū)；對(duì)于負(fù)向指標(biāo)如基尼系數(shù)，負(fù)的差異性系數(shù)表明勞動(dòng)力更傾向于流向基尼系數(shù)較低的地區(qū)。在高技能勞動(dòng)力流動(dòng)中，收入差異顯著為正，而基尼系數(shù)無(wú)顯著影響，說(shuō)明收入差異能拉動(dòng)高技能勞動(dòng)力流動(dòng)，區(qū)域內(nèi)分化對(duì)其影響不大。相比之下，低技能勞動(dòng)力更傾向于流向基尼系數(shù)較低的地區(qū)，顯示其對(duì)社會(huì)公平更敏感，而對(duì)收入差異的反應(yīng)不明顯，可能考慮更多的是生活成本和社會(huì)保障等因素。

綜上所述，我們發(fā)現(xiàn)假設(shè)H3和H4在不同技能層次的勞動(dòng)力群體中得到了驗(yàn)證。同時(shí)也得出一些補(bǔ)充結(jié)論：①?gòu)姆乐箘趧?dòng)力流失的角度，高收入水平對(duì)于高技能勞動(dòng)力與低技能勞動(dòng)力同時(shí)具有“保留效應(yīng)”，而低分化僅對(duì)低技能勞動(dòng)者具有“保留效應(yīng)”。②在吸引勞動(dòng)力流入的角度，高收入水平僅對(duì)高技能勞動(dòng)力有“吸引效應(yīng)”，而低分化僅對(duì)低技能勞動(dòng)力有“吸引效應(yīng)”。這些發(fā)現(xiàn)為我們深入理解勞動(dòng)力流動(dòng)的驅(qū)動(dòng)機(jī)制提供了重要視角，揭示了勞動(dòng)力流動(dòng)過(guò)程中技能層次對(duì)收入水平及收入分化的反應(yīng)差異。

六、網(wǎng)絡(luò)因果效應(yīng)的反事實(shí)模擬

模型中的收入水平和收入分化回歸系數(shù)僅能反映對(duì)當(dāng)期勞動(dòng)力流動(dòng)的靜態(tài)局部效應(yīng)。

然而，由于勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的內(nèi)生結(jié)構(gòu)和時(shí)間依賴性，外生政策沖擊不僅會(huì)影響該地區(qū)的流動(dòng)，還會(huì)通過(guò)網(wǎng)絡(luò)效應(yīng)擴(kuò)展到其他地區(qū)，形成間接效應(yīng)。圖4說(shuō)明了這種動(dòng)態(tài)影響。圖4（a）表示四個(gè)地區(qū)（A， B， C， D）在t期的狀態(tài)，此時(shí)只有A的勞動(dòng)力流向B。在A發(fā)生沖擊后 （如收入增加或基尼系數(shù)下降），A和 C間的流動(dòng)概率上升， C的勞動(dòng)力流向了 A（圖4（b）），這是直接效應(yīng)。由于內(nèi)生的三角閉環(huán)結(jié)構(gòu)特征，C與B之間形成了新的流動(dòng)關(guān)系 （圖4（c）），C的勞動(dòng)力也傾向于流向B，為長(zhǎng)期間接效應(yīng)；同時(shí)，由于聚斂性結(jié)構(gòu)特征，D的勞動(dòng)力也傾向于流向A（入二星結(jié)構(gòu)），這是長(zhǎng)期直接效應(yīng)。隨著網(wǎng)絡(luò)效應(yīng)進(jìn)一步擴(kuò)展，D到C的流動(dòng)關(guān)系也逐步形成（圖4（d）），顯示出沖擊在網(wǎng)絡(luò)中的持續(xù)蔓延，直到達(dá)到均衡狀態(tài)。

接下來(lái)利用反事實(shí)模擬方法，分析收入水平和收入分化對(duì)勞動(dòng)力流動(dòng)的因果效應(yīng)，即這些沖擊如何引發(fā)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的變化。模擬步驟如下：假設(shè)j地區(qū)收入水平提高或基尼系數(shù)下降，增加其他地區(qū)向j地流動(dòng)的概率，通過(guò)統(tǒng)計(jì)量的變化形式計(jì)算 （i，j ） 的連接概率P（i，j ） 。假設(shè)當(dāng) P（i，j ） 超過(guò)某個(gè)閾值 τ ，建立連接并形成新的網(wǎng)絡(luò) N（1）ij 。由于網(wǎng)絡(luò)結(jié)構(gòu)的變化，網(wǎng)絡(luò)節(jié)點(diǎn)的連接概率也隨之調(diào)整。隨后重新計(jì)算模型的變化統(tǒng)計(jì)量，更新連接概率，迭代生成新網(wǎng)絡(luò) N（2）ij，依此不斷迭代，直到網(wǎng)絡(luò)穩(wěn)定。最終， （i，j ） 的變化為直接效應(yīng)，其他地區(qū)變化為間接效應(yīng)。該過(guò)程體現(xiàn)了溢出效應(yīng)的傳播路徑。

本文對(duì)東北地區(qū)和西部地區(qū)的勞動(dòng)力流動(dòng)進(jìn)行了模擬分析，設(shè)置了基尼系數(shù)下降一個(gè)標(biāo)準(zhǔn)差和兩個(gè)標(biāo)準(zhǔn)差的模擬情景，以探討減緩勞動(dòng)力流失的有效路徑。樣本中東北三省的平均基尼系數(shù)為0.47，標(biāo)準(zhǔn)差為0.05，降低一個(gè)標(biāo)準(zhǔn)差和兩個(gè)標(biāo)準(zhǔn)差后分別為0.42與0.38。

因此，情景1和2分別為：

情景1：基尼系數(shù)下降至0.42，其他條件不變。

情景2：基尼系數(shù)下降至0.38，其他條件不變。

樣本的人均收入均值為3.6萬(wàn)元，標(biāo)準(zhǔn)差為0.96萬(wàn)元，均值加一個(gè)標(biāo)準(zhǔn)差為4.58萬(wàn)元，加兩個(gè)標(biāo)準(zhǔn)差為5.55萬(wàn)元，大約為東北三省人均收入的1.5倍和1.8倍。因此本文模擬的情景3和情景4分別為：

情景3：人均收入提高1.5倍，其他條件不變。

情景4：人均收入提高1.8倍，其他條件不變。

為了考察收入水平和收入分化的交互作用，本文作了進(jìn)一步的情景模擬：

情景5：情景1 + 情景3。

情景6：情景2 + 情景4。

根據(jù)表3模型2的估計(jì)結(jié)果進(jìn)行模擬，以0.4作為閾值 ① 。我們基于模擬的連接概率測(cè)算了各地區(qū)的勞動(dòng)力流動(dòng)情況。由于缺乏直接的勞動(dòng)力流動(dòng)普查數(shù)據(jù)，本文根據(jù)2020年第七次全國(guó)人口普查的各地區(qū)人口流動(dòng)矩陣進(jìn)行推算。首先，通過(guò)《中國(guó)人口普查年鑒》中冊(cè)表1-3的數(shù)據(jù)，計(jì)算各地區(qū)16—64周歲人口占總?cè)丝诘谋壤?，作為勞?dòng)力比重 （記為p），然后，利用上冊(cè)表7-3中各地區(qū)之間的實(shí)際流入和流出人口數(shù)（分別記為fin和fout），假定勞動(dòng)力流動(dòng)比例與總?cè)丝诹鲃?dòng)比例相同，再計(jì)算各地區(qū)的勞動(dòng)力流入和流出量，即為 p × fin和 p × fout 。

表9給出了不同情景下的模擬結(jié)果。由此得出以下主要結(jié)論：①人均收入提升和基尼系數(shù)下降均增加了勞動(dòng)力流入，但對(duì)減少勞動(dòng)力流出的作用更為顯著。相較而言，基尼系數(shù)的降低比人均收入的提高更有效。當(dāng)東北地區(qū)的基尼系數(shù)下降至0.42，勞動(dòng)力流出減少約22萬(wàn)人，流入增加約6萬(wàn)人；當(dāng)人均收入提高1.5倍，流出減少約12萬(wàn)人，流入增加約4萬(wàn)人。②人均收入對(duì)勞動(dòng)力流動(dòng)的影響更為復(fù)雜。當(dāng)東北三省的人均收入提高時(shí)，雖然整體上勞動(dòng)力流入增加，但各省差異明顯。比如，黑龍江在收入提升1.5倍時(shí)反而流入減少0.2萬(wàn)。這主要是由于兩個(gè)原因：其一，東北三省的內(nèi)部競(jìng)爭(zhēng)，實(shí)際上，黑龍江流出到吉林和遼寧的人數(shù)達(dá)到0.5萬(wàn)人，完全抵消了其他地區(qū)流入到黑龍江的勞動(dòng)力人數(shù)。其二，如果基尼系數(shù)過(guò)高，平均收入的提高并不能惠及多數(shù)居民，財(cái)富聚集到少數(shù)人，這對(duì)吸引勞動(dòng)力是不利的。由此得到如下第三點(diǎn)結(jié)論：③如果沒(méi)有基尼系數(shù)的改善，只有收入水平提高不一定改善勞動(dòng)力流失的狀況。這一點(diǎn)在情景5和情景6中體現(xiàn)得非常明顯。平均收入上升，同時(shí)基尼系數(shù)下降，大大減少了勞動(dòng)力流出，起到了明顯的“一加一大于二”的效果。這也說(shuō)明，基尼系數(shù)和人均收入對(duì)于改善勞動(dòng)力流動(dòng)具有交互作用。

圖5為情景5下各地區(qū)勞動(dòng)力的總流入和總流出圖，可以清晰地觀察到上述特征：黑龍江受益最大，其次是遼寧。同時(shí)，也可以看出主要的勞動(dòng)力凈流出地區(qū)，包括山東、河北、天津、上海、北京、河南和安徽。其中以山東和河北的勞動(dòng)力流入減少最多，勞動(dòng)力流出增加也最多 ① 。

本文采用了同樣的方法，考察了西部地區(qū)的情況，如果西部地區(qū)人均收入提高1.8倍，基尼系數(shù)下降0.42（新疆保持不變），那么人口流出則減少542萬(wàn)，人口流入增加31萬(wàn)。模擬結(jié)果與東北地區(qū)的結(jié)果非常相似，印證了前面的結(jié)論?；嵯禂?shù)下降對(duì)于減少人口流出的效應(yīng)遠(yuǎn)遠(yuǎn)大于增加人口流入的效應(yīng)。

七、結(jié)論與啟示

本文借助2011—2017年中國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查（CMDS）數(shù)據(jù)，構(gòu)建了縱向勞動(dòng)力流動(dòng)網(wǎng)絡(luò)。采用時(shí)間指數(shù)隨機(jī)圖模型與反事實(shí)模擬檢驗(yàn)了收入水平效應(yīng)和收入分化效應(yīng)對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)形成與演化的影響機(jī)制，得出以下主要結(jié)論：首先，本文的TERGM實(shí)證結(jié)果驗(yàn)證了收入水平效應(yīng)和分化效應(yīng)的驅(qū)動(dòng)模式，結(jié)果表明勞動(dòng)力有從低收入省份向高收入省份流動(dòng)的趨勢(shì)，但并非收入差距越大流動(dòng)驅(qū)動(dòng)力越強(qiáng)，同時(shí)，勞動(dòng)力有從區(qū)域內(nèi)收入分化水平較高的地區(qū)流向相對(duì)平等的地區(qū)的偏好，這種偏好被分化程度的差異性所加強(qiáng)。其次，本文發(fā)現(xiàn)了高技能和低技能勞動(dòng)力在受到兩種效應(yīng)影響時(shí)表現(xiàn)出的異質(zhì)性流動(dòng)模式，高技能勞動(dòng)力的流動(dòng)主要受目的地高收入水平的吸引，且對(duì)收入分化敏感性較低，流入地的高收入對(duì)其吸引力較大；而低技能勞動(dòng)力則更關(guān)注區(qū)域內(nèi)部的收入分化狀況，傾向于從高收入分化的地區(qū)流向收入更為平等的區(qū)域，體現(xiàn)出其對(duì)社會(huì)公平性的敏感性。再次，省內(nèi)流動(dòng)與跨省流動(dòng)間也存在差異，勞動(dòng)力跨省流動(dòng)更受收入水平和不平等的影響，而省內(nèi)流動(dòng)則更多地反映了區(qū)域內(nèi)的其他因素。最后，反事實(shí)模擬表明收入水平提高或分化降低在增加流入的同時(shí)，更大的作用在于減少了勞動(dòng)力流出，而且基尼系數(shù)比人均收入在降低流出方面更有效。人均收入對(duì)勞動(dòng)力流動(dòng)的影響較為復(fù)雜，如果沒(méi)有基尼系數(shù)的改善，只有收入水平提高不一定改善勞動(dòng)力流失的狀況。

本文的結(jié)論揭示了收入與勞動(dòng)力流動(dòng)的復(fù)雜關(guān)系，為區(qū)域協(xié)調(diào)發(fā)展和人口高質(zhì)量發(fā)展提供了政策啟示。首先，促進(jìn)區(qū)域平衡發(fā)展，縮小收入分化。通過(guò)加大對(duì)低收入和高不平等地區(qū)的經(jīng)濟(jì)支持和產(chǎn)業(yè)引導(dǎo)，推動(dòng)這些地區(qū)的產(chǎn)業(yè)發(fā)展，并采用更合理的資源分配政策，確保所有地區(qū)共享發(fā)展成果。其次，提升低技能勞動(dòng)力的就業(yè)機(jī)會(huì)和福利。這一群體對(duì)收入分化敏感，是實(shí)現(xiàn)共同富裕的關(guān)鍵。應(yīng)加大培訓(xùn)和教育項(xiàng)目的實(shí)施，提升低技能勞動(dòng)力的技能和就業(yè)機(jī)會(huì)，并完善社會(huì)福利政策，確保其享受更好的社會(huì)保障。再次，低收入地區(qū)通過(guò)創(chuàng)新支持和人才政策吸引高技能勞動(dòng)力，可通過(guò)提供創(chuàng)業(yè)支持、稅收優(yōu)惠和住房補(bǔ)貼等措施，提升這些地區(qū)對(duì)高技能人才的吸引力。最后，構(gòu)建更加靈活、開放的勞動(dòng)力市場(chǎng)，減少行政壁壘，鼓勵(lì)勞動(dòng)力自由流動(dòng)，通過(guò)教育、技能培訓(xùn)和基礎(chǔ)設(shè)施改善，為所有人創(chuàng)造平等的就業(yè)機(jī)會(huì)。

參考文獻(xiàn)：

［1］ 王勝今， 秦芳菊， 陳世坤. 中國(guó)人口遷移流動(dòng)的人力資本替代效應(yīng)及影響分析［J］. 人口學(xué)刊， 2020（3）： 39-50.

［2］ 劉晨暉， 陳長(zhǎng)石. 勞動(dòng)力流動(dòng)、技能匹配與地區(qū)經(jīng)濟(jì)差距［J］. 經(jīng)濟(jì)研究， 2022（7）： 45-63.

［3］ 夏怡然， 陸銘. 城市間的“孟母三遷” — —公共服務(wù)影響勞動(dòng)力流向的經(jīng)驗(yàn)研究［J］. 管理世界， 2015（10）： 78-90.

［4］ 孫偉增， 張曉楠， 鄭思齊. 空氣污染與勞動(dòng)力的空間流動(dòng) — —基于流動(dòng)人口就業(yè)選址行為的研究［J］. 經(jīng)濟(jì)研究， 2019（11）： 102-117.

［5］ 劉毓蕓， 徐現(xiàn)祥， 肖澤凱. 勞動(dòng)力跨方言流動(dòng)的倒U型模式［J］. 經(jīng)濟(jì)研究， 2015（10）： 134-146，162 .

［6］ 沈詩(shī)杰， 沈冠辰. 中國(guó)省際人口流動(dòng)的空間結(jié)構(gòu)特征研究［J］. 人口學(xué)刊， 2020（4）： 103-112.

［7］ 馬勝春 .中國(guó)省際人口流動(dòng)的特征及影響因素的空間分析［J］. 人口研究， 2022（6）： 59-71.

［8］ STARK O， BYRA L， KOSIOROWSKI G. On the precarious link between the Gini coefficient and the incentive to migrate ［J］.Economics Letters，2020，187：108880.

［9］ 呂大國(guó)，耿強(qiáng)，簡(jiǎn)澤，等. 市場(chǎng)規(guī)模、勞動(dòng)力成本與異質(zhì)性企業(yè)區(qū)位選擇 — —中國(guó)地區(qū)經(jīng)濟(jì)差距與生產(chǎn)率差距之謎的一個(gè)解釋［J］. 經(jīng)濟(jì)研究，2019（2）：36-53.

［10］ 許召元， 李善同. 區(qū)域間勞動(dòng)力遷移對(duì)地區(qū)差距的影響［J］. 經(jīng)濟(jì)學(xué)（季刊）， 2009（1）： 53-76.

［11］ 蔡翼飛， 張車偉. 地區(qū)差距的新視角：人口與產(chǎn)業(yè)分布不匹配研究［J］. 中國(guó)工業(yè)經(jīng)濟(jì)， 2012（5）：31-43.

［12］ HARRIS J R， TODARO M P. Migration unemployment and development： a two-sector analysis ［J］. The American EconomicReview， 1970，60（1）： 126-142.

［13］ DAHL M S， SORENSON O. The migration of technical workers［J］. Journal of Urban Economics， 2010，67（1）：33-45.

［14］ NAPOLITANO O， BONASIA M. Determinants of different internal migration trends： the Italian experience［R］. MPRA Paper，2010.

［15］ 王桂新， 潘澤瀚， 陸燕秋. 中國(guó)省際人口遷移區(qū)域模式變化及其影響因素 — —基于2000和2010年人口普查資料的分析

［J］. 中國(guó)人口科學(xué)， 2012（5）： 2-13，111.

［16］ RUNCIMAN W G. Relative deprivation and social justice［R］. London：Routledge， 1996.

［17］ STARK O. Inequality and migration：a behavioral link［J］. Economics Letters， 2006， 91（1）：146-152.

［18］ QUINN M A. Relative deprivation， wage differentials and mexican migration ［J］. Review of Development Economics， 2006，10（1）：135-153.

［19］ EINTERS P， KAFLE K， BENFICA R. Does relative deprivation induce migration？evidence from Sub Saharan Africa ［J］.American Journal of Agricultural Economists， 2018，102（3）：999-1019.

［20］ PRABIR C. An analysis of rural-to-rural migration in India ［J］. Journal of International Development， 2000， 12 （5）：

655-667.

［21］ AMRITI R， FINNOFF K. Marriage migration and inequality in India 1983 - 2008 ［J］. Population and Development Review，2015，41（3）：485-505.

［22］ 王晶， 高艷云， 高燕. 中國(guó)多維相對(duì)貧困的空間格局與動(dòng)態(tài)演進(jìn)研究［J］. 統(tǒng)計(jì)與決策， 2023（11）： 55-60.

［23］ BORJAS G J. Self-selection and the earnings of immigrants［J］. The American Economic Review， 1987，77（4）：531-553.

［24］ CHISWICK B R. Are immigrants favorably self-selected？［J］. American Economic Review， 1999，89（2）：181-185.

［25］ MCKENZIE D， STILLMAN S， GIBSON J. How important is selection？ experimental vs. non-experimental measures of theincome gains from migration［J］. Journal of the European Economic Association， 2010，8（4）：913-945.

［26］ PAREY M， RUHOSE J， WALDINGER F，et al. The selection of high-skilled emigrants ［J］. The Review of Economics andStatistics， 2017，99（5）：776-792.

［27］ AKSOY G C， POUTVAARA P. Refugees，and irregular，migrants self selection into Europe： who migrates where？［R］. IFOWorking Paper Series， 2019.

［28］ 彭國(guó)華. 技術(shù)能力匹配、勞動(dòng)力流動(dòng)與中國(guó)地區(qū)差距［J］. 經(jīng)濟(jì)研究，2015（1）：99-110.

［29］ COWELL F A. Measurement of inequality chapter 2 ［M］// KANBUR R. Handbook of Income Distribution. Amsterdam：

Elsevier， 2000：87-166.

［30］ HUNTER D R. Curved exponential family models for social networks［J］. Social Networks， 2007，29（2）：216-230.

［31］ WINDZIO M. Immigrant children and their parents： is there an intergenerational interdependence of integration into socialnetworks？［J］. Social Networks， 2015，40：197-206.

［32］ 申萌， 李凱杰， 曲如曉. 技術(shù)進(jìn)步、經(jīng)濟(jì)增長(zhǎng)與二氧化碳排放：理論和經(jīng)驗(yàn)研究［J］. 世界經(jīng)濟(jì)， 2012（7）： 83-100.Choosing High Income or Equality：The Causal Effects of Income Level and IncomeDifferentiation on Labor Mobility NetworkWANG Qunyong， SUN Qian（School of Economics， Nankai University， TianJin 300071，China）

Abstract：Previous literature has predominantly focused on the impact of income levels onlabor mobility， but overlooking income differentiation and its network effect. Based on themonitoring data of China Migrants Dynamic Survey from 2011 to 2017， this study constructsa labor mobility network and employs the Temporal Exponential Random Graph Model（TERGM） and counterfactual simulations to examine the complex influences of regionalincome levels and income disparities on the labor mobility network. The findings reveal asfollows： 1） Labor force is driven by poverty and inequality： labor force moves towardshigher-income areas， while also flowing from regions with high income disparity to those withrelative equality. Compared with the improvement of regional income level， improving thedifferentiation is more conducive to alleviating the outflow. 2） There is heterogeneity betweenhigh-skilled and low-skilled labor forces. Highly-skilled labor attaches importance to incomelevel， which tends to flow to high-income areas； thus， it is not sensitive to incomedifferentiation. The low-skilled labor force is not only affected by the income level， but alsothe regional income differentiation level has a greater driving effect on it. 3） Counterfactualsimulations indicate that one standard deviation decrease in the Gini coefficient in theNortheast region would reduce labor outflow by approximately 220000 people and increaseinflow by about 60000 people. When per capita income rises by one standard deviation， laboroutflow decreases by about 120000 people， and inflow increases by approximately 40000people. The impact of per capita income on labor mobility is complex，that is to say，withoutan improvement in the Gini coefficient， merely increasing income levels does not necessarilyameliorate labor outflow. The conclusions of this paper reveal the intricate relationship betweenincome and labor mobility， which offers a new perspective for the study of labor mobilitynetworks and provides significant policy implications for regional coordinated development andhigh-quality population development.

Keywords： labor flow network； income effect； Temporal Exponential Random GraphModel；network causal effect；counterfactual simulation

［責(zé)任編輯 武 玉］