勞動力遷移與城市全要素生產率
——來自地級市的經驗證據

曹芳芳，程 杰，武拉平，李先德

1.中國農業(yè)科學院農業(yè)經濟與發(fā)展研究所，北京 100081 2.中國社會科學院人口與勞動經濟研究所，北京 100006 3.中國農業(yè)大學經濟管理學院，北京 100083

一、研究背景

改革開放四十多年來，中國經濟市場化程度逐步提高，限制勞動力要素流動的障礙逐漸拆除，區(qū)域間勞動力的流動成為常態(tài)。一方面，遷移勞動力成為城鎮(zhèn)勞動力市場的重要組成部分，并逐漸成為新增勞動力的主要供給來源。根據2020年《第七次全國人口普查統(tǒng)計公告》，中國流動人口規(guī)模高達3.76億人，占總人口的26.6%，人口流動趨勢更加明顯。另一方面，隨著政府長期在教育方面的投入和建設，包括遷移勞動力在內的人力資本改善較快。根據第七次人口普查統(tǒng)計數據，全國15歲及以上人口的文盲率從1990年的15.88%下降到2020年的2.67%，大專及以上教育水平人口的人數從1 422人/萬人增長到15 467人/萬人(1)http://www.stats.gov.cn/tjsj/pcsj/rkpc/d7c/202111/P020211126523667366751.pdf。。不同于二元經濟時代，中國現有的遷移勞動力已經呈現新的人力資本特征[1]。遷移勞動力作為城市勞動力市場的重要組成部分，其人力資本大幅提升，對于城市經濟效率和經濟增長的作用不容忽視。

國內有關勞動力遷移的研究長期關注勞動供給帶來的配置效率改善，然而從生產效率角度進行探討的較少。主流觀點認為，在二元經濟時代，勞動力遷移對經濟增長的作用主要體現在兩方面：一方面，流動人口從邊際生產率較低的農業(yè)部門轉向非農部門，帶來了配置效率的改善；另一方面，近乎無限供給的勞動力延緩了資本報酬遞減現象的發(fā)生，這兩者均促進了經濟增長[2-3]，該階段的研究主要集中在勞動力遷移所提供的充足勞動供給對經濟增長的貢獻上。然而，從理論上來看，勞動力遷移不僅是勞動力供給來源，也是生產效率的貢獻來源。根據國際移民理論的相關研究，長期內勞動力遷移能顯著提高流入國的全要素生產率(total factor productivity，TFP)，提升流入地區(qū)的經濟效率[4-5]。勞動力遷移對經濟效率的作用渠道在于不僅擴大了勞動力市場規(guī)模，還加強了勞動力市場的異質性，不同人力資本、工作經驗和文化的勞動力集聚有助于專業(yè)化分工和創(chuàng)新，從而提高了微觀生產率[6]。隨著經濟發(fā)展階段的變化，勞動力遷移對經濟的配置效應在逐漸下降，人力資本不斷提升的遷移勞動力對于中國經濟效率的作用在逐漸增強[7]。然而，國內鮮有研究從該角度出發(fā)，探討勞動力遷移對經濟效率的作用及機制。

從現實出發(fā)，中國經濟增長在進入經濟新常態(tài)之后逐漸變緩，國內生產總值(GDP)增長率從1994—2012年的年均8%～14%逐漸下降到2014—2019年的6%～7%(2)2020和2021年受新冠肺炎疫情沖擊，GDP增長率為非常態(tài)發(fā)展的增長率，故未列出。，經濟轉型和升級面臨挑戰(zhàn)，同時經濟增長還面臨老齡化的沖擊。2020年中國65歲及以上老齡人口占總人口的比例達到13.5%，而中國15～64歲的就業(yè)人口供給從2013年之后就呈現下降趨勢(3)http://www.stats.gov.cn/tjsj/pcsj/rkpc/d7c/202111/P020211126523667366751.pdf。。這意味著在當前中國向高收入國家轉型的關鍵時刻，不僅面臨著“未富先老”的困境，而且必須應對勞動力總量下降以及由此帶來的勞動力成本上升和資本報酬遞減對經濟增長的負面影響[8]。隨著老齡化和勞動總量供給的下降，勞動力成本上升，依靠傳統(tǒng)“人口紅利”的發(fā)展模式已經難以為繼，經濟增長方式必須從要素驅動型向全要素生產率驅動型轉變[2]，這也是發(fā)展中國家跨越“中等收入陷阱”的主要途徑和動力[9]?；赥FP驅動的內生經濟增長理論更加強調人力資本的作用，在城市普遍低生育水平的背景下，遷移勞動力所蘊含的人力資本及其作用機制對于城市經濟發(fā)展和TFP提升具有重要的意義。因此，在當前中國城鄉(xiāng)二元經濟結構向城鄉(xiāng)一體化經濟轉變，經濟向TFP驅動轉型的背景下，本文從生產效率角度探討勞動力遷移對TFP的影響及作用機制有著重要的理論和現實意義。

基于以上現實問題和現有研究的不足，本文利用1990—2015年歷次全國人口普查數據和1%全國人口抽樣調查估算的遷移勞動力數據，從地級城市“市轄區(qū)”層面考察勞動力遷移對城市TFP的影響及異質性，并進一步探究勞動力遷移是否通過集聚效應、創(chuàng)新外部性以及專業(yè)化分工等作用途徑影響了TFP，相關研究結論為城市管理者認識流動人口的價值和定位提供了理論基礎和新的經驗證據。本文可能的創(chuàng)新之處在于：第一，嘗試從生產效率的角度探討20世紀90年代以來勞動力遷移對城市TFP的影響，并進一步探究勞動力遷移是否通過集聚效應、知識和創(chuàng)新的外部性以及專業(yè)化分工的內在機制作用于TFP，對研究發(fā)展中國家轉型過程中勞動力遷移的經濟影響增添了新的研究視角和經驗證據；第二，利用1990—2015年全國人口普查數據和1%人口抽樣調查微觀數據糾正了城市統(tǒng)計年鑒中不包含遷移勞動力數據的投入偏差，解決了城市宏觀統(tǒng)計中人口與勞動力指標統(tǒng)計口徑不一致的問題，使得研究數據更具有代表性，并和利用城市戶籍勞動力投入計算的TFP回歸結果進行了對比分析，研究結論更加接近事實；第三，嘗試利用工具變量法解決勞動力遷移和TFP可能存在的內生性問題，克服有偏估計的問題；第四，在充分考慮城市異質性的基礎上，呈現了不同資源類型、不同地區(qū)、不同時期和不同規(guī)模城市勞動力遷移對經濟效率的影響。

二、文獻綜述

(一)勞動力遷移對經濟效率和經濟增長的影響

已有研究就勞動力遷移對經濟效率的影響進行了豐富的探討。Ortega等[10]利用1980—2005年經濟合作與發(fā)展組織(OCED)14個移民流入國和74個流出國的移民數據研究發(fā)現，移民在短期和長期內均沒有降低流入國的投資和TFP，相反移民對流入國的TFP有積極影響。Peri[4]利用美國1960—2000年和2006年的人口普查數據分析發(fā)現，勞動力遷移和TFP之間存在長期顯著的正向關聯，勞動力遷移大約能夠解釋一半的TFP增長。2013年，美國國會預算辦公室(4)OFFICE C B. The economic impact of S.744, the border security, economic opportunity, and immigration modernization act[EB/OL]. (2013-06-18)[2021-08-20]. https://www.cbo.gov/publication/44346.評估了最新移民改革法案《邊境安全、經濟機會和移民現代化法案》的改革成本和收益，結果表明，到2023年，此項移民改革預計能夠引致0.7%的TFP增長。都陽等[3]認為農村勞動力的遷移有利于擴大城市勞動力市場規(guī)模，并提高城市經濟的TFP。但也有研究認為勞動力遷移會帶來負面效應，相較移民的來源地，移民流入國或地區(qū)的經濟和技術更為發(fā)達和先進，移民的進入可能會導致本地勞動力市場采用低技能和低效率的生產方式，影響流入地區(qū)的技術選擇偏向，從而部分抵消勞動力遷移對TFP產生的積極影響[6]。

諸多研究也嘗試評估勞動力遷移對流入地經濟發(fā)展的貢獻。Moses等[11]估算結果顯示，假設部分消除勞動力流動障礙，實現約30%的凈勞動力遷移率，將可以創(chuàng)造約55%的GDP，這意味著勞動力遷移率增加1個百分點，將創(chuàng)造約2個百分點的GDP，勞動力流動的經濟效應十分可觀。Clemens[12]研究發(fā)現，0.8%～1.6%的凈勞動力遷移率也能夠帶來0.6%～1.2%的GDP收益，通過改革移民政策消除勞動力流動障礙，創(chuàng)造的經濟價值高達萬億美元。對美國移民法案改革的評估結果表明，移民在2014—2024年能夠增加3.5%的勞動力規(guī)模、0.2%的資本存量、3.3%的實際GDP和0.7%的TFP。都陽等[3]對旨在消除勞動力自由流動障礙的戶籍制度改革收益進行了估算，得出戶籍制度改革到2020年能創(chuàng)造1萬億元以上的GDP收益。

(二)勞動力遷移提升經濟效率的作用機制

已有研究表明，勞動力遷移可能通過以下作用機制促進經濟效率提升。第一，集聚效應。擁有不同技能和文化背景的異質性遷移勞動力在城市集聚，引發(fā)思想碰撞，加強了地區(qū)經濟活動密度和創(chuàng)新能力，提升了城市知識創(chuàng)新效率和技術變革效率，從而提高了TFP[13]。有研究表明，對于美國1880—1940年移民發(fā)明家主導的科技領域，其專利申請和引用更多，這意味著移民加強了流入城市的創(chuàng)新活動，提升了城市經濟效率[14]。第二，創(chuàng)新外部性。遷移勞動力帶來的知識和創(chuàng)新不僅能直接提高地區(qū)的勞動生產率，而且知識和創(chuàng)新具有正外部性，其產生的溢出效應能夠使當地勞動力市場和地區(qū)經濟發(fā)展受益。一項針對中國城鎮(zhèn)化和勞動力遷移外部性的研究[15]表明，假設一定數量的新移民使得流入城市在總就業(yè)中所占的份額從中國所有城市分布的前1/4上升到后1/4(或者1/10)，則能夠提高10.0%(或者33.0%)城市生產率，其中勞動力遷移的外部性產生了2/3的貢獻；如果遷移人口在當地就業(yè)中取代本地人口保持總就業(yè)密度不變，僅通過外部性效應能夠使本地人口的生產率增長6.8%。第三，專業(yè)化分工。移民通過改變地區(qū)的人力資本分布加強了地區(qū)生產的專業(yè)化程度，和當地勞動力形成互補，并在一定程度上加強了勞動力市場的競爭性，從而改善經濟效率，提高經濟的TFP[5]。有諸多文獻提供經驗證據，移民的流入不僅擴大了勞動力市場規(guī)模，還加強了城市勞動力市場的異質性，人力資本、工作經驗和文化的差異有助于推動分工與協作，不同技能勞動力之間的互補有助于提升城市經濟效率[4,6,16]。以上的三種效應并不是單獨存在，而是相互補充、相互促進的，客觀存在的技能互補性導致了遷移勞動力與人力資本地區(qū)集中之間內生性的累積循環(huán)，這個循環(huán)的動態(tài)結果是勞動力持續(xù)向人力資本集中地區(qū)流動，從而不斷促進城市經濟效率提升。

綜上所述，已有研究表明勞動力遷移對流入地的TFP和經濟發(fā)展有積極影響，然而樣本研究主要集中在國際移民方面，其研究對象主要以美國和歐洲這樣的移民國家為主，且國內對于勞動力遷移作用機制的分析多為定性分析，定量分析比較少。盡管在現實中，呈現新人力資本特征的中國遷移勞動力已經成為城市勞動力市場的重要組成部分，不僅通過改善配置效率對TFP產生了積極效應，并且有可能通過集聚效應、知識和創(chuàng)新的外部性以及專業(yè)化分工等提升生產效率的機制影響了TFP，但現有研究卻較少關注。

三、理論框架

本文將沿用Fujita等[17]分析勞動力流動和集聚對經濟增長影響時使用的理論框架，討論勞動力遷移對城市生產效率的影響及作用機制。該模型為包含勞動力流動的三部門一般均衡模型，基本假定條件有5個：(1)兩地區(qū)、三部門經濟體(農業(yè)、工業(yè)和創(chuàng)新部門)。(2)農產品部門T利用普通勞動力生產無差異產品，規(guī)模報酬不變且完全競爭。(3)工業(yè)部門F同時利用高技能和普通勞動力生產差異化工業(yè)品，單個廠商固定投入為1單位高技能勞動力，規(guī)模報酬遞增且具有壟斷競爭特征。(4)創(chuàng)新部門R利用技能勞動力生產知識和技術產品，完全競爭。(5)初始時期A、B地區(qū)分別有1/2的普通勞動力，普通勞動力不能流動，高技能勞動力自由流動；區(qū)域間差異化產品貿易存在冰山成本c，但區(qū)域內貿易無成本。該模型為嵌套不變替代彈性(constant elasticity of substitution，CES)效用函數[18]，采用簡化版的理論框架，分析主要分為兩個部分：第一部分主要論證擁有創(chuàng)新部門的地區(qū)技能勞動力份額、技能勞動力的互補性以及知識和技術的溢出效應能夠促進生產率的提高；第二部分考慮勞動力自由流動，驗證勞動力集聚會發(fā)生在擁有創(chuàng)新部門和市場份額比較大的現代生產部門的地區(qū)。

假設創(chuàng)新部門R主要利用技能勞動力擁有的知識和技術生產差異化產品，并且假設r地區(qū)(r=A或B)初始的知識和技術稟賦為Kr，A、B兩地區(qū)的技能勞動力的份額之和為1，λ為A地區(qū)技能勞動力份額(λ≥0)。根據內生增長理論，地區(qū)創(chuàng)新部門生產率隨著總知識和技術資本的增加而提高,并受益于其他地區(qū)知識和技術的溢出效應。因此，A地區(qū)擁有的總知識和技術包括A地區(qū)已有的知識和技術和B地區(qū)溢出的知識和技術(以下分析以A地區(qū)為例，對B地區(qū)同樣成立)。假設A地區(qū)新增知識和技術為nA=KAλ，則A地區(qū)總知識和技術為

(1)

其中，h(j)代表技能勞動力j的個體知識和技術，β的倒數表征技能勞動力在知識和技術創(chuàng)新上的互補性，η(η<1)為兩地區(qū)間知識和技術溢出效應密度的衡量參數。

為了便于分析，假設勞動力j的個體知識和技術跟整個經濟已有知識和技術存量呈1∶1線性關系，即h(j)=M，則A地區(qū)知識和技術的表達式可簡化為

(2)

則整個經濟的新增知識和技術為

(3)

式(3)兩邊同除以M，得到整個經濟新增知識和技術的增長速度為

(4)

其中，gλ代表經濟中知識和技術增長速度。很容易證明，gλ關于1/2是對稱的，對于η<1，對gλ一階求導有

g′(λ)≥0，λ∈(0,1)

(5)

式(5)表明，A地區(qū)知識和技術的增長率取決于該地區(qū)技能勞動力的份額、技能勞動力的互補性以及知識和技術的溢出效應。而A地區(qū)的TFP主要來源于知識與技術的創(chuàng)新、專業(yè)化分工以及溢出效應，即地區(qū)技能勞動力的集聚程度、技能勞動力的專業(yè)分工以及知識和技術的溢出效應能夠促進生產率的提高。

經過相關推導，接下來分析第二部分：考慮加入勞動力流動后的平衡增長路徑，即考察勞動力集聚的形成機制。

對于任何選定的λ∈(0,1)，假設Vr(0;λ)代表r地區(qū)技能勞動力的終生效用，vr(0;λ)代表r地區(qū)技能勞動力在t時刻的瞬時效用，則A和B地區(qū)的勞動力的效用之差為

(6)

由原有理論框架推理可得，技能工人的瞬時效用滿足

vr(t;λ)=a(λ)[γ+kr(λ)]Pr-μ

其中，γ為折舊率，a(λ)為高技能勞動力的初始稟賦。Pr為地區(qū)r的價格指數，則

(7)

當λ=1/2時，即Φ(λ)=1時，Δv(0；λ)=0，此時，技能勞動力流向A、B地區(qū)的效用相同，因此會在兩地平均分布，即勞動力集聚發(fā)生同一地區(qū)的整個創(chuàng)新部門和A、B地區(qū)的現代生產部門。當λ≤1/2，即Φ(λ)≤1時，Δv(0；λ)≤0，同理，當λ≥1/2，即Φ(λ)≥1時，Δv(0；λ)≥0。該式表明，技能勞動力的效用在技能勞動力份額較大的地區(qū)會比技能勞動力份額較小地區(qū)要高，技能勞動力份額較多的地區(qū)會更加有吸引力，因此勞動力集聚發(fā)生同一地區(qū)在整個創(chuàng)新部門和擁有市場份額比較大的現代生產部門。式(7)表明，在兩種情況下，無論知識和技術來源于哪個地區(qū)，創(chuàng)新部門都會在擁有高技能勞動力比例較高的地區(qū)發(fā)生集聚。當知識和技術可以自由流動時，技術勞動力會在地理空間上形成集聚，創(chuàng)新部門和現代生產部門也會隨之集聚。

結合兩部分的推論，勞動力集聚發(fā)生在擁有創(chuàng)新部門和市場份額比較大的現代生產部門的地區(qū)，該地區(qū)的創(chuàng)新部門和現代生產部門充分利用遷移勞動力集聚、知識和技術的溢出效應以及專業(yè)化分工提高整個經濟的生產效率，勞動力流動會通過改變地區(qū)的人力資本積累程度從而提升地區(qū)生產效率。因此，根據以上理論分析，本文提出以下假說：

假說1：勞動力遷移對城市TFP有顯著的正向影響。

假說2：勞動力遷移通過集聚效應、創(chuàng)新外部性和專業(yè)化分工機制提升城市TFP。

四、計量模型構建和數據來源

(一)計量模型設定

根據理論分析，本文構建計量模型分析勞動力遷移是否對全要素生產率產生影響以及驗證其作用機制。全要素生產率概念的產生來源于增長核算問題，即產出扣除平均勞動和資本的剩余，被稱作索洛剩余[19]。由于本文所要計算的是TFP絕對值而非增長率，并且受限于數據的可獲得性，擬采用增長核算法開展研究。

由于城市層面連續(xù)年份的人力資本投入數據難以獲取，因此本文擬采用由物質資本投入和勞動力投入兩要素構成的柯布-道格拉斯函數來計算TFP，則生產函數為

(8)

其中，Yit、Kit和Lit分別為i城市第t年的產出、物質資本投入、勞動力投入。α和β分別代表物質資本和勞動力投入的產出彈性，Ait代表TFP。對式(8)兩邊求導，將產出中物質資本和勞動力投入的貢獻扣除后，可以得到具體的TFP指數。

lnAit=lnYit-αlnKit-βlnLit

(9)

接下來采用合適的代理變量來衡量勞動力遷移，從而深入分析勞動力遷移對TFP的影響。已有研究認為中國TFP主要來源于企業(yè)技術進步所導致的微觀生產效率提高和制度變革帶來的要素配置效率提升[20]。但除卻制度變革和技術進步的貢獻外，也有研究表明地區(qū)外商投資、政府規(guī)模、基礎設施和地區(qū)人力資本水平等其他因素對TFP有顯著的影響[21]。因此，除了勞動力遷移這一核心解釋變量外，本文還添加一系列能夠捕捉不同城市相關特征的控制變量，從而能夠更加準確地估計勞動力遷移對TFP的影響。具體計量模型設置如下：

lnAit=lnA+ωMigit+εEduit+ρFDIit+θGovit+σInfit+Xitβ+μit

(10)

其中，Mig是勞動力遷移的代理變量，利用i城市中t時期遷移就業(yè)者占本市總就業(yè)的比例來表示，ω為勞動力遷移對TFP影響的系數；Edu代表地區(qū)的人力資本水平(非連續(xù)年份)，FDI代表外商直接投資，Gov代表政府的規(guī)模，Inf代表城市的基礎設施水平，Xit為表征城市特征的系列影響因素向量，β為控制變量參數的向量組合，μit代表殘差項。本文擬利用式(10)中的計量回歸模型探究勞動力遷移對TFP的影響。

(二)數據來源和指標解釋

人口與勞動力數據來源于1990、2000和2010年全國人口普查數據以及2005和2015年全國1%人口抽樣調查微觀數據，按城市編碼與年份生成全國城市層面的宏觀勞動力指標。根據城市編碼和年份匹配相應年份《中國城市統(tǒng)計年鑒》中的城市宏觀經濟指標，本文建立了一套中國城市流動人口和經濟社會數據庫。本文旨在觀察勞動力遷移對城市TFP的影響，因此需要對城市遷移勞動力進行準確的定義和度量。由于人口與經濟活動主要聚集在城市中心區(qū)域，且縣級市及城市所轄縣的指標難以獲取，因此本文采用地級城市“市轄區(qū)”口徑，以《中國城市統(tǒng)計年鑒》數據為準。遷移勞動力定義為在本市居住或工作半年以上，且戶籍不在本市的勞動力。

1.計算TFP所需的產出和資本存量

本文產出和資本存量的數據來源于1990—2016年《中國城市統(tǒng)計年鑒》。產出數據利用市轄區(qū)的“地區(qū)生產總值”來衡量。鑒于城市層面的“地區(qū)生產總值平減指數”數據缺乏，因此，利用省級層面的“地區(qū)生產總值平減指數”得到以1990年不變價計算的各城市實際生產總值。

“資本存量”的估算是計算TFP的關鍵。本文利用歷年城市的“固定資產投資”數據，采用永續(xù)盤存法來估算“資本存量”[3]。假設i城市t時期的資本存量為Kit，i城市t時期的投資為Iit，t時期的固定資產折舊率為δt，永續(xù)盤存法的基本計算公式為Kit=Iit+(1-δt)Kit-1，主要估算步驟如下：第一，將1990年定為基期，并根據已有研究設定基期資本產出比(K/Y)為2.0，計算基期的資本存量Ki0[3,21]。第二，確定投資水平Iit。利用城市層面“全社會固定資產投資總額”衡量投資水平，并且利用省級層面“固定資產價格指數”折算實際投資水平，以消除價格因素影響。第三，綜合已有研究，采用張軍等[22]估算的9.6%的折舊率。確定以上4個主要指標及參數，利用永續(xù)盤存法估算歷年各個城市的資本存量。

2．城市戶籍勞動力投入和人口普查勞動力投入

本文勞動力投入來自兩類數據庫：一是利用《中國城市統(tǒng)計年鑒》的就業(yè)人數(見表1中就業(yè)1)，其中勞動力指的是15～59周歲就業(yè)人員，其投入等于“城鎮(zhèn)單位總產業(yè)從業(yè)人員”和“城鎮(zhèn)私營和個體從業(yè)人員”數之和；另一種是利用人口普查和1%人口抽樣調查(5)其中，1%人口抽樣調查的統(tǒng)計口徑按抽樣比例將數據調整為普查人口的口徑。的就業(yè)人數(見表1中就業(yè)2)，統(tǒng)計口徑為市轄區(qū)內15～64周歲就業(yè)人口。就業(yè)人口的衡量通常包括15～59周歲和15～64周歲兩個年齡段界定標準，本文在利用人口普查數據時，采用15～64周歲的標準，采用依據為：隨著老年人預期壽命提高和健康狀況改善，以及即將推行的延長退休改革，60～64周歲人口有條件繼續(xù)活躍在勞動力市場中，采用該標準更能準確衡量實際勞動力投入，從而更能準確估算TFP。其中，就業(yè)人口定義為在最近一個星期內從事1小時以上工作的勞動力(不包括市轄區(qū)內人戶分離人口)。除卻統(tǒng)計方法造成的差異，這也是兩類數據在統(tǒng)計上呈現較大差異的主要原因。本文將根據兩種不同統(tǒng)計口徑的勞動力投入計算TFP，觀察并比較勞動力遷移對城市TFP的影響。

3．控制變量

中國城市之間差異較大，因此本文選取經濟發(fā)展水平、城市規(guī)模、人口密度、產業(yè)結構、人力資本積累、政府規(guī)模、實際利用外商投資水平、基礎設施、是否為資源型城市等變量作為影響TFP的其他變量，以控制城市的異質性特征。其中，經濟發(fā)展水平用人均GDP代表，用城市年末總人口衡量城市規(guī)模，根據第二產業(yè)產值占比代表產業(yè)結構。需要特別說明的是，人力資本積累是根據人口普查和抽樣調查微觀數據加總計算得到的城市平均受教育年限，是遷移就業(yè)勞動力和城市本地就業(yè)者的平均受教育年限。人口普查中受教育程度度量采用分類指標，按照通常采用的方法進行賦值：未上過學或識字極少=0，小學=6，初中=9，高中或中專=12，大學?？?15，大學本科=16，研究生及以上=20。另外，利用政府財政支出占GDP的比值代表政府規(guī)模，實際利用外商投資占GDP的比值衡量經濟中實際利用外商投資的水平，人均城市道路面積衡量基礎設施水平。

(三)描述性統(tǒng)計

主要變量的統(tǒng)計性描述結果見表1。1990—2010年城市市轄區(qū)就業(yè)人口的遷移勞動力比例呈現波動中上升的趨勢，1990年遷移勞動力比例約為7.7%，2000和2005年遷移勞動力比例分別為25.7%和22.5%，2010年為39.6%。由于數據限制，2015年的勞動力遷移比例為全市的遷移人口比例，因此下降至22.1%。盡管遷移勞動力比例在不同年份間有波動，但總體表明了遷移勞動力已逐漸成為城市勞動力市場的重要組成部分，在城市勞動供給偏緊的情況下成為城市新增勞動力的重要來源，這對城市的經濟增長至關重要。

表1 主要變量及其描述性統(tǒng)計結果

兩種勞動投入口徑下計算出來的TFP對數絕對值呈現出較大差異。TFP1為利用城市年鑒勞動力數據計算的全要素生產率，TFP2為利用人口普查勞動力數據計算的全要素生產率。首先，在城市年鑒統(tǒng)計口徑下，TFP1從1990年的2.702上漲到2000年的2.728，之后一直呈下降趨勢，2015年下降到2.457，總體呈現下降趨勢，波動較?。辉谌丝谄詹閿祿y(tǒng)計口徑下，TFP2從1990年的8.968上漲到2000年的9.683，之后下降到2005年的9.446，到2010和2015年，則一直處于上升趨勢，2015年的TFP2為10.609，總體呈現波動中上升趨勢。其次，在城市統(tǒng)計口徑下的TFP絕對值明顯低于普查統(tǒng)計口徑，可見準確衡量勞動力投入對于TFP的計算至關重要。

另外，為了對比勞動力遷移勞動力和本地勞動力的差別，表1統(tǒng)計了遷移勞動力和本地勞動力的平均勞動年齡和平均受教育水平。城市勞動力市場呈現兩個特征：從年齡結構上看，遷移勞動力的年齡更小，遷移勞動力的流入緩解了城市勞動力的老齡化趨勢；從受教育結構上看，遷移勞動力受教育水平從低于城市本地勞動力到逐漸高于城市本地勞動力，呈現出新趨勢。在勞動力流動早期，遷移勞動力主要以農村遷移勞動力為主，其人力資本水平低于城市勞動力，之所以后來遷移勞動力水平高于城市本地人口，可能存在兩方面的原因：一方面，隨著時間的推移，遷移勞動力往往是流出地人口中人力資本水平相對較高的群體；另一方面，本文觀察區(qū)域為市轄區(qū)，在該范圍內的勞動力市場上，相比較本地勞動力，遷移勞動力面臨的生活成本更高(例如租房成本)、就業(yè)約束更大，能夠留下來的勞動力一般更具競爭力，因此其表現的人力資本水平相對較高[23]。

五、回歸結果與分析

(一)內生性討論

勞動力遷移對城市經濟效率產生影響，與此同時，經濟效率高的城市經濟會更加有活力，反過來吸引勞動力流入。因此，本文面臨勞動力遷移和經濟效率互為因果所導致的內生性問題。如果采用最小二乘回歸法(OLS)，其估計結果存在內生性偏誤。根據已有研究[3-4,24]，本文采用工具變量法緩解勞動力遷移的內生性問題：一是選取1984—1988年沿海開放城市和經濟特區(qū)(后文簡稱“開放城市”)的設置作為政策虛擬工具變量，二是選取城市最近區(qū)域交通樞紐城市(6)其中，交通樞紐城市包括北京和天津(東北和華北地區(qū))、上海(長三角地區(qū)和珠三角地區(qū))、成都(西南地區(qū))和西安(西北地區(qū))。的鐵路距離作為工具變量。一方面，由于沿海開放城市和經濟特區(qū)變量為歷史前置數據，而鐵路距離為地理變量，滿足外生性要求；另一方面，沿海開放城市和經濟特區(qū)是中國勞動力要素自由流動較高的地區(qū)，距離區(qū)域經濟中心的遠近也能影響勞動力遷移，兩者均與勞動力遷移高度相關，因此從理論上這兩個變量也滿足相關性要求。工具變量法第一階段回歸結果顯示：開放城市的系數為0.091，且通過了1%的顯著性水平檢驗，表明沿海開放城市的設置與勞動力遷移高度相關；而離最近交通樞紐城市鐵路距離的系數為-0.019，也通過了1%的顯著性水平檢驗，表明目標城市離最近交通樞紐城市越遠，城市中遷移勞動力比例越低，城市到最近交通樞紐的鐵路距離對勞動力遷移產生了顯著負面影響。以上結果表明，選取的兩個工具變量均通過了相關性要求，且模型的擬合優(yōu)度為0.554，F值為71.39，遠大于用于判定弱工具變量的臨界值10，表明不存在弱工具變量問題。過度識別檢驗顯示，Sargan和Basman檢驗的統(tǒng)計值分別為0.079和0.078，其對應的P值為0.778和0.780，拒絕了存在過度識別的原假設，工具變量的外生性得到驗證。以上結果表明工具變量是有效的。

(二)基準回歸結果

如表2所示，在兩種不同勞動投入下，勞動力遷移對TFP產生了顯著的積極影響。第(1)(3)列的OLS回歸結果顯示，勞動力遷移回歸系數均通過了1%顯著性水平檢驗，即勞動力遷移比例每提高1%，TFP會分別提高0.972%和1.605%(對數，以下皆同)，表明城市中遷移就業(yè)人口比例的提高實際上會提升城市的經濟效率。第(2)(4)列的2SLS回歸結果顯示，勞動力遷移回歸系數通過了1%顯著性水平檢驗，表明1%的遷移就業(yè)人口增長會引致1.221%和3.434%的TFP增長。

表2 人口普查和城市年鑒數據統(tǒng)計口徑下勞動力遷移對TFP的影響

首先，OLS和2SLS回歸結果均表明，勞動力遷移對城市TFP的提升起到了促進作用，假說1得到驗證。其次，在普查數據的統(tǒng)計口徑下，勞動力遷移對TFP的影響程度更深，作用更加明顯。出現該結果的可能原因為：相比利用普查年份數據計算的真實勞動力投入數據，城市統(tǒng)計年鑒中的勞動力投入數據存在低估的可能性，因此計算TFP的時候，高估了勞動對經濟的貢獻，從而低估了勞動力遷移對TFP的作用?？梢园l(fā)現，使用工具變量后，勞動力遷移對TFP的作用更加明顯。根據描述性統(tǒng)計結果可知，遷移勞動力相比城市勞動力，其勞動年齡更小，人力資本水平跟城市人口相當甚至更高，這從側面驗證了勞動力遷移能夠通過優(yōu)化城市勞動力市場結構，改善人力資本分布，提升城市經濟活力，從而對城市TFP產生積極影響。勞動力遷移會影響城市已有技術路徑選擇，提高生產專業(yè)化程度，從而提升生產效率[4]。

(三)勞動力遷移對TFP的異質性影響分析

改革開放以來，中國城市經濟快速發(fā)展，但由于地區(qū)之間不同的資源稟賦和經濟發(fā)展戰(zhàn)略，地區(qū)經濟發(fā)展不平衡，勞動力遷移對不同類型和不同發(fā)展階段的城市經濟效率的提升作用可能也存在差異。因此，本文將城市按照是否是資源型城市、東中西部地區(qū)、不同時期以及不同城市規(guī)模分類，探究在不同條件下勞動力遷移對TFP的影響是否存在變化。表3～7中的匯報結果均為采用工具變量后的回歸結果(2SLS)，為節(jié)省篇幅，回歸中控制變量與前文相同，結果均已省略。

1.不同資源型城市中勞動力遷移對TFP的影響

資源型城市和非資源型城市(7)其中，根據《全國資源型城市可持續(xù)發(fā)展規(guī)劃(2013—2020年)》的城市分類，本文將已有城市樣本分為資源型城市和非資源型城市，根據研究需要選取的是地級市、地區(qū)等地級行政區(qū)的資源性城市。在發(fā)展路徑和資源配置效率方面存在巨大差異。勞動力遷移對資源型城市和非資源型城市TFP的影響差異見表3。在兩種不同的勞動投入下，第(1)(3)列的回歸結果顯示，勞動力遷移對TFP的回歸系數是負向不顯著的，表明勞動力遷移并沒有對資源型城市的經濟效率產生積極影響。而第(2)(4)列的回歸結果顯示，勞動力遷移的回歸系數分別通過了5%和1%的顯著性水平檢驗，即勞動力遷移比例每提高1%，非資源型城市的TFP分別提高1.407%和4.156%，表明勞動力遷移對非資源型城市TFP有顯著的積極影響。

而勞動力遷移對資源型城市的影響不顯著甚至為負，可能跟資源型城市的發(fā)展方式和路徑有關。根據已有研究，資源型城市往往出現“資源詛咒”現象，即自然資源稟賦跟經濟增長存在負相關關系[25]。而表3結果也表明，1990—2015年資源型城市的TFP均低于非資源型城市。已有研究的共識是：自然資源一旦對其他要素產生“擠出效應”，會對經濟增長產生不利影響。出現以上現象的原因可能有以下兩種。第一，對于資源型城市，資源部門的擴張會導致其他制造業(yè)和服務業(yè)萎縮，無法延長產業(yè)鏈，并在長期的發(fā)展中形成路徑依賴，導致資源配置效率的低下。此時，新進入的遷移勞動力從事的往往是與資源行業(yè)有關的低附加值產業(yè)，加上資源型城市無法創(chuàng)造更多的就業(yè)崗位，遷移勞動力和本地勞動力并沒有形成分工協作，反而形成了較為激烈的競爭，因此，遷移勞動力比例的提高并不能對經濟效率產生提升作用。第二，資源型城市豐富的資源稟賦條件長期內會造成地區(qū)的人力資本積累不足，導致經濟發(fā)展動力不足。根據本文樣本數據，對比非資源型城市，資源型城市的平均受教育水平要低0.06年，本地就業(yè)人口平均受教育水平要低0.04歲，人均科技投入要低72.97元，遷移就業(yè)勞動力比例要低5.6%，遷移勞動力平均受教育水平也要低0.19歲。以上結果表明，相比于非資源型城市，資源型城市不僅自身人力資本水平和科技投入不足，而且其吸引的遷移勞動力規(guī)模和質量均低于非資源型城市，這從另一方面解釋了為何勞動力遷移未對資源型城市經濟效率產生顯著的積極影響。

表3 資源型城市和非資源型城市中勞動力遷移對TFP的影響(2SLS)

2.東、中、西部地區(qū)勞動力遷移對城市TFP的影響

由于中國地域遼闊，各地區(qū)的經濟發(fā)展水平參差不齊。在城鎮(zhèn)化背景下，勞動力遷移對不同經濟地區(qū)的影響可能存在差異。將城市按照省份東中西部地區(qū)的劃分原則分為東部、中部和西部城市(8)東部地區(qū)省份包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，中部地區(qū)省份包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南，西部地區(qū)省份包括四川、重慶、云南、陜西、甘肅、青海、寧夏、新疆、廣西和內蒙古，西藏自治區(qū)因統(tǒng)計數據不全予以剔除，本文研究不包括中國香港、澳門和臺灣。，并考察勞動力遷移對東部、中部和西部城市TFP的影響。表4第(1)(4)列的回歸結果顯示，東部城市的勞動力遷移系數并不顯著；第(2)(5)列的結果顯示，中部城市的勞動力遷移系數分別為-3.753和-3.311，均通過了10%的顯著性水平檢驗；第(3)(6)列的結果顯示，西部城市的勞動力遷移系數分別為1.964和4.370，均通過了1%的顯著性水平檢驗。以上結果表明：第一，勞動力遷移對西部城市的經濟效率有正面影響，而對中部城市有負向影響；第二，相比于東部城市，西部城市的勞動力遷移對TFP的作用更為明顯。

表4 東、中、西部地區(qū)勞動力遷移對TFP的影響(2SLS)

出現以上結果的原因可能是：對于東部經濟發(fā)達的城市來說，其經濟部門之間的配置原本就比較有效率，高效率的產業(yè)發(fā)展提供了較高的工資水平和工作機會，吸納了中西部地區(qū)的高素質人勞動力集聚，勞動力集聚對TFP產生了正向影響，這也與王德祥等[21]的研究結論一致，而影響不顯著的原因可能主要在于遷移勞動力中高技術人才的比例較小。而對于經濟發(fā)展水平滯后的西部地區(qū)城市，隨著東部地區(qū)的產業(yè)轉移，勞動密集型產業(yè)還是吸納遷移勞動力就業(yè)的主要途徑，遷移勞動力的技能水平與東部發(fā)達地區(qū)存在一定差距，勞動力遷移的作用主要體現在優(yōu)化部門之間的資源配置，因此盡管勞動力遷移對東部城市和西部城市的經濟效率提升有正面影響，但對東部城市的影響則不如西部城市顯著。對于中部城市來說，由于跟東部發(fā)達地區(qū)臨近，東部地區(qū)憑借高工資和更好的就業(yè)機會對中部地區(qū)高素質勞動力的虹吸效應顯著，中部地區(qū)微觀勞動生產率提升方面的優(yōu)勢不如東部地區(qū)，勞動力配置效率的改進空間也不如西部地區(qū)，因此在統(tǒng)計上勞動力遷移改進經濟效率的效果受到抑制。

在經濟發(fā)展的不同階段，城市中遷移人口的結構和質量存在顯著區(qū)別，其對城市經濟效率的影響也可能存在階段性差異。因此，本文將樣本分為2000、2005、2010和2015年四個節(jié)點，據此考察不同節(jié)點上勞動力遷移對TFP的影響。表5第(5)(6)列回歸結果顯示，勞動力遷移系數均通過了10%的顯著水平性檢，這表明勞動力遷移對2000和2005年的TFP分別有5.834%和7.752%的提升作用。隨著時間的推移，在第二種勞動力統(tǒng)計口徑下，遷移對經濟效率的提升程度先增后降，且第一種口徑的系數均低于第二種口徑，表明勞動力投入口徑的不同會直接關系到對勞動力遷移對TFP的長期影響變化趨勢的判斷。

表5 2000—2015年不同時期勞動力遷移對城市TFP的影響(2SLS)

從普查口徑的結果來看，勞動力遷移對TFP的影響隨時間呈現先增后降趨勢，主要原因在于：2000—2005年，受到20世紀末國有企業(yè)體制改革的影響，勞動力自由流動程度和競爭程度提高，促進了經濟效率的提升。2001年中國加入世界貿易組織(WTO)之后，外資的進入和國際市場的擴大使得國內產業(yè)發(fā)展迅速，勞動力遷移對于TFP的積極影響更為明顯；2010—2015年，一方面經濟發(fā)展發(fā)展速度變緩，另一方面國家加大了對農村的建設和投入，鼓勵和扶持農民工返鄉(xiāng)創(chuàng)業(yè)和農民就地就近創(chuàng)業(yè)，農村勞動力轉移的空間和余地逐漸縮小，使得勞動力遷移對TFP的影響程度變小且不顯著。

4.不同規(guī)模城市勞動力遷移對TFP的影響

不同人口規(guī)模城市勞動力遷移對TFP的影響存在異質性，因此本文進一步按照常住人口規(guī)模將城市劃分為不同規(guī)模。根據2014年《國務院關于調整城市規(guī)模劃分標準的通知》中的劃分標準，本文將常住人口為50萬人以下的城市定義為小規(guī)模城市，50～100萬人的為中等規(guī)模城市，100～500萬人的為大規(guī)模城市，而500萬人以上的定義為特大規(guī)模城市(包括特大城市和超大城市)。由于特大規(guī)模城市數量較少，因此在具體回歸中將大規(guī)模城市和特大規(guī)模城市合并為一類。根據表6的回歸結果可知，勞動力遷移對小規(guī)模和中等規(guī)模人口城市的TFP的作用雖然是正向的，但并不顯著，對大規(guī)模及特大規(guī)模城市TFP的影響是正向顯著的。

表6 不同規(guī)模城市中勞動力遷移對TFP的影響(2SLS)

出現上述結果的可能原因在于：對于中小規(guī)模城市來說，產業(yè)和經濟發(fā)展并未形成大的規(guī)模效應，產業(yè)分工程度不夠，遷移勞動力的人力資本水平相對不高，因此勞動力遷移無法通過集聚效應和專業(yè)分工明顯地促進地區(qū)經濟效率的提高；而對于大規(guī)模和特大規(guī)模城市來說，產業(yè)發(fā)展形成了一定的規(guī)模和分工，產業(yè)集聚和市場化分工使得遷移勞動力能夠充分發(fā)揮集聚效應和創(chuàng)新能力，從而促進TFP的提高，這也與當前省會城市存在人口集聚現象和擁有較高生產效率的現實相契合[26]。

六、作用機制檢驗

勞動力遷移提升城市經濟效率的途徑可以概括為三個：集聚效應、創(chuàng)新外部性以及專業(yè)化分工。對于城市經濟發(fā)展來說，集聚效應、創(chuàng)新外部性以及專業(yè)化分工對經濟效率的提升作用已被大量文獻所證實，但是勞動力遷移是否通過這三個途徑對城市TFP產生影響，還尚未達成共識[27]。因此，本文將對勞動力遷移影響TFP的機制進行分析和討論。構建計量模型進一步觀察勞動力遷移是否對城市集聚、創(chuàng)新外部性以及專業(yè)化分工有影響，設定如下回歸模型：

Git=φ0+φ1Migit+φ2Nit+μit

(11)

其中，Migit作為城市中勞動力遷移的代理變量，i代表地區(qū)，t代表時間；Git代表被解釋變量；Nit代表城市控制變量。

被解釋變量的選取包括三個方面：(1)城市集聚效應的代理變量。城市經濟的發(fā)展與城市集聚程度都與集聚的絕對規(guī)模高度相關[28]，本文將選取城市建成區(qū)面積對數Are和社會商品零售總額的對數Mar作為城市集聚程度的代理變量。(2)創(chuàng)新外部性的代理變量。由于知識和創(chuàng)新的外部性是由人力資本所帶來的，考慮到相關數據的可獲得性，本文選取與人力資本相關的變量來代表創(chuàng)新外部性，首先選擇人力資本水平Edu、城市平均勞動年齡Age這兩個代表變量衡量城市的人力資本，為了保證結果的穩(wěn)健性，本文還選取了科技投入Sci的對數和城市中從事科學技術、技術服務等高技術行業(yè)的從業(yè)人員數量Teh來表征城市的創(chuàng)新程度。(3)專業(yè)化分工的代理變量。在衡量勞動力遷移對專業(yè)化分工的影響時，最合適的辦法是對比遷移勞動力與本地勞動力所從事的職業(yè)，從而衡量兩者的專業(yè)化分工程度。然而受限于數據的可獲得性，無法從此角度開展分析，因此，本文利用城市各產業(yè)的就業(yè)數據計算出各城市的區(qū)位基尼系數Gin(9)區(qū)位基尼系數的計算公式為Gin=empij/2∑jempij-∑jempij/∑i∑jempij。其中，empij代表i城市j產業(yè)(j=1,2,3)的就業(yè)量。來衡量地區(qū)的相對專業(yè)化程度[29]。

在表7第(1)(2)列中，勞動力遷移的回歸系數分別為5.461和8.986，均通過了1%的顯著性水平檢驗，表明勞動力遷移對城市規(guī)模(包括建設規(guī)模和市場規(guī)模)具有顯著的正向影響。城市就業(yè)人口中遷移勞動力比例越高，城市的集聚程度越高，勞動力遷移通過提高城市的規(guī)模產生集聚效應，人口的集聚效應能夠促進城市生產率的提升[13,17]。

在表7第(3)(4)列中，勞動力遷移對城市平均人力資本水平和平均勞動年齡的回歸系數為2.985和-1.804，分別通過了5%和10%的顯著性水平檢驗，表明勞動力遷移不僅提升了城市市轄區(qū)的平均受教育年限，而且降低了城市的平均勞動年齡，與前文描述性統(tǒng)計結果相一致。這意味著勞動力遷移對城市人力資本分布產生了積極影響，更高受教育年限和更年輕的勞動力加快了城市新知識和創(chuàng)新的產出，創(chuàng)新的外部性提高了城市的TFP。在表7第(5)(6)列中，勞動力遷移的回歸系數為5.419和9.365，均通過了1%的顯著性水平檢驗，表明勞動力遷移對人均科技資本投入和高技術行業(yè)就業(yè)人數存在顯著的積極影響，進一步穩(wěn)健地表明了勞動力遷移通過增加城市人力資本積累，提升城市創(chuàng)新能力，通過創(chuàng)新外部性進而對TFP產生積極影響。

在表7第(7)列中，勞動力遷移系數為0.057，通過了1%的顯著性水平檢驗，表明勞動力遷移對地區(qū)的專業(yè)化水平有積極影響。根據國家衛(wèi)生健康委員會發(fā)布的《中國流動人口發(fā)展報告》和《全國農民工監(jiān)測調查報告》，2014—2016年異地農民工(保持統(tǒng)計口徑一致)數量占總的流動人口的比例在66.4%～68.9%之間，這意味著農民工是流動人口的主要組成部分，而對農民工就業(yè)行業(yè)的數據統(tǒng)計表明，從事金融、科技研發(fā)以及信息等高技術行業(yè)的農民工比例僅為8.8%～11.0%，其余將近90%從事的都是建筑業(yè)、批發(fā)零售業(yè)等低技術行業(yè)。從另一方面可以發(fā)現，遷移勞動力在城市勞動力市場上與本地勞動力形成了互補，加強了地區(qū)的專業(yè)化分工程度。專業(yè)化分工提高了城市的經濟效率，表明勞動力遷移通過專業(yè)化分工對城市經濟效率產生了積極影響，這與曹芳芳等[1,4]的研究推論一致，因此研究假說2得到驗證。

表7 勞動力遷移提高TFP的作用機制(2SLS)

七、結論與啟示

本文利用1990、2000、2010年全國人口普查數據和2005、2015年全國1%人口抽樣調查數據匹配相關年份城市層面經濟社會指標，以地級城市“市轄區(qū)”為觀察范圍，采用工具變量法探究勞動力遷移對城市經濟效率的影響及可能的作用機制。研究發(fā)現：從年齡結構上看，外來勞動力的年齡更加年輕，遷移勞動力的流入在相當程度上緩解了城市勞動力的老齡化趨勢；從受教育結構上看，遷移勞動力受教育水平從低于到逐漸趕上并超過城市本地勞動力平均受教育水平，表明遷移勞動力已經成為城市勞動力市場的重要組成部分。實證模型中采取工具變量來緩解內生性問題，得到了具有一致性的估計結果，主要研究結論對于理解當前中國勞動力流動和城市經濟發(fā)展具有啟示意義。

勞動力遷移對城市總體TFP具有顯著的積極影響，提升了城市經濟效率。研究表明，利用普查數據修正傳統(tǒng)基于戶籍人口統(tǒng)計的勞動力投入數據偏差后，遷移就業(yè)勞動力比例每提高1%，TFP從1.221%提高到3.434%，表明傳統(tǒng)基于戶籍統(tǒng)計的勞動力投入估算偏差低估了勞動力遷移對城市TFP的積極影響。異質性分析表明：對于非資源型城市而言，勞動力遷移對TFP有顯著的正面影響，但在資源型城市中的影響并不顯著甚至為負；勞動力遷移對西部地區(qū)城市TFP有顯著的積極影響，對東部地區(qū)正向影響不顯著，對中部地區(qū)有負向影響；在2000—2005年，勞動力遷移對TFP的影響是正向顯著的；勞動力遷移對大規(guī)模城市的影響亦是正向顯著的。本文通過理論和實證模型驗證了勞動力遷移通過提高城市的集聚水平、創(chuàng)新外部性以及專業(yè)化分工對城市TFP產生了積極影響。由此看來，勞動力遷移不僅擴大了城市的勞動力市場規(guī)模，更是城市生產效率的創(chuàng)造主體。異質性的遷移勞動力加強了城市的集聚程度，多元化的文化和思想發(fā)生碰撞，提高了城市的創(chuàng)新能力，加深了城市的分工協作，使得城市經濟發(fā)展能夠從知識和創(chuàng)新的外部性和專業(yè)化分工中受益，勞動力遷移為城市經濟發(fā)展提供了新動力。

以上研究結論的政策含義為：當前及未來一段時期，中國城市經濟結構面臨轉型，加上人口老齡化和社會低生育水平的沖擊和影響，未來城市勞動力供給偏緊，吸引遷移勞動力及遷移人力資本將是城市未來經濟效率提升的關鍵。因此，對于城市管理者來說：首先，應從新的視角來深刻理解遷移人口對城市經濟效率發(fā)展的價值，進一步推進戶籍制度改革，從長遠出發(fā)制定有利于遷移人口的政策和管理措施，破除限制勞動力流動的障礙，推動城鄉(xiāng)一體化發(fā)展。其次，對于資源類型城市來說，城市管理者需要克服經濟發(fā)展過度依賴資源行業(yè)的傳統(tǒng)路徑，在鞏固資源行業(yè)發(fā)展優(yōu)勢的基礎上，延長產業(yè)鏈和加強非資源行業(yè)的發(fā)展，從而吸引高質量的遷移人口進而全面提升經濟發(fā)展的效率；對于中西部地區(qū)城市來說，要創(chuàng)造相應條件承接東部制造業(yè)轉移從而吸引遷移人口回流，進而通過集聚和分工等效應促進經濟效率提升。最后，從不同人口規(guī)模的城市來看，中小城市要加大吸引遷移人口的力度發(fā)展產業(yè)，大規(guī)模城市要充分挖掘和發(fā)揮遷移勞動力通過集聚、創(chuàng)新、專業(yè)分工機制對經濟效率的積極影響。從長期來看，為實現城鎮(zhèn)化和城鄉(xiāng)一體化發(fā)展目標，城市管理者應持續(xù)推進基本公共服務均等化，尤其是社會保障體系的城鄉(xiāng)接續(xù)以及教育資源的公平分配，加強本地人力資本的積累，引導流動人口在城市穩(wěn)定就業(yè)和居住，挖掘人口集聚帶來的創(chuàng)新效應和本地市場效應，充分發(fā)揮遷移人力資本和本地人力資本的創(chuàng)新和分工效益，從而推動城市經濟效率的提升，促進城市經濟的長遠發(fā)展。