中國(guó)城市勞動(dòng)力流動(dòng)的網(wǎng)絡(luò)特征
——基于百度遷徙大數(shù)據(jù)的研究①

王群勇 孫倩

（南開(kāi)大學(xué) 經(jīng)濟(jì)學(xué)院數(shù)量經(jīng)濟(jì)研究所，天津 300071）

1 提出問(wèn)題

隨著發(fā)展理念的更新，勞動(dòng)力的流動(dòng)格局也在不斷演化。2000-2010 年間流動(dòng)人口規(guī)模增加了117.6%，2010-2020 年間流動(dòng)人口規(guī)模增加了69.8%，不僅流動(dòng)總量出現(xiàn)下降趨勢(shì)，流向也出現(xiàn)了由東部向西部回流的情形[1]，勞動(dòng)力流動(dòng)過(guò)程的背后有著一系列非常復(fù)雜的作用機(jī)制，承載著資本流、信息流、技術(shù)流的大規(guī)模勞動(dòng)力流動(dòng)，既是經(jīng)濟(jì)結(jié)構(gòu)、產(chǎn)業(yè)布局、資源配置的結(jié)果，同時(shí)也反向?qū)Τ鞘械陌l(fā)展產(chǎn)生深遠(yuǎn)的影響。

在我國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)的情勢(shì)下，如何促進(jìn)勞動(dòng)力要素在本市聚集，實(shí)現(xiàn)勞動(dòng)力資源的優(yōu)化配置，已成為各地實(shí)現(xiàn)高質(zhì)量發(fā)展的重要課題。那么，我國(guó)城市間呈現(xiàn)出怎樣的勞動(dòng)力流動(dòng)格局？近年間發(fā)生了怎樣的演變？促使勞動(dòng)力流出與流入的主要驅(qū)動(dòng)因素是什么？

2 文獻(xiàn)綜述

經(jīng)典的勞動(dòng)力理論試圖對(duì)勞動(dòng)力流動(dòng)的原因及區(qū)位選擇做出解釋?zhuān)缙谛鹿诺淅碚撜J(rèn)為經(jīng)濟(jì)差異是促使人口流動(dòng)的主要原因，由于傳統(tǒng)經(jīng)濟(jì)部門(mén)與現(xiàn)代經(jīng)濟(jì)部門(mén)的邊際生產(chǎn)力不同，導(dǎo)致現(xiàn)代經(jīng)濟(jì)部門(mén)的工資收入高于傳統(tǒng)的農(nóng)業(yè)部門(mén)，因此勞動(dòng)力從傳統(tǒng)的經(jīng)濟(jì)部門(mén)不斷流向新興經(jīng)濟(jì)部門(mén)[2-3]，勞動(dòng)者會(huì)在權(quán)衡城鄉(xiāng)的真實(shí)收入差距與城市的就業(yè)概率下做出使個(gè)體效用最大化的流動(dòng)決策[4]，除收入影響外，個(gè)體效用還會(huì)受到其他多種因素的影響，“推拉理論”指出，有利于改善生活水平的因素成為了促使勞動(dòng)力流入的拉力，而不利的生活條件因素成為了導(dǎo)致勞動(dòng)力流出的推力[5]。新勞動(dòng)力遷移理論在此基礎(chǔ)上認(rèn)為相對(duì)收入而不是絕對(duì)收入影響著勞動(dòng)力的流動(dòng)決策[6]，人們會(huì)將自己的生活水平與周?chē)说纳钏竭M(jìn)行比較，然后會(huì)產(chǎn)生相對(duì)滿意與相對(duì)剝奪的心理狀態(tài)，這種因感受到不平等的相對(duì)剝奪感，會(huì)加強(qiáng)勞動(dòng)者的流出傾向?？傮w來(lái)說(shuō)，新古典理論強(qiáng)調(diào)經(jīng)濟(jì)因素的重要作用，而與之相對(duì)應(yīng)的是舒適度理論的興起，隨著人們對(duì)生活質(zhì)量需求的不斷提高，環(huán)境、氣候、城市建設(shè)、公共服務(wù)等方面的因素越來(lái)越受到學(xué)者們的關(guān)注，舒適度理論認(rèn)為，氣候條件、環(huán)境資源、自然災(zāi)害，社會(huì)管理等因素都會(huì)促進(jìn)或阻礙勞動(dòng)力的流動(dòng)[7]，而城市也可以通過(guò)提供更優(yōu)質(zhì)的文化環(huán)境與公共服務(wù)來(lái)吸引勞動(dòng)力進(jìn)而促進(jìn)經(jīng)濟(jì)的增長(zhǎng)[8-9]。

基于上述理論，國(guó)內(nèi)學(xué)者使用中國(guó)的相關(guān)數(shù)據(jù)開(kāi)展了豐富的實(shí)證研究，其中一個(gè)核心的領(lǐng)域是對(duì)勞動(dòng)力流動(dòng)空間結(jié)構(gòu)特征的描述，學(xué)者們運(yùn)用分型理論與ESDA 方法[10]、熱點(diǎn)分析與空間回歸[11]、莫蘭指數(shù)[12]、地理加權(quán)回歸模型[13]等多種方法來(lái)刻畫(huà)省、市、縣不同層面的人口流動(dòng)格局，近年來(lái)，隨著信息化的發(fā)展，原有的地理空間結(jié)構(gòu)正在被復(fù)雜的網(wǎng)絡(luò)關(guān)系所重塑，網(wǎng)絡(luò)分析方法逐漸走入人們的視野并發(fā)現(xiàn)，中國(guó)城市間的人口流動(dòng)有明顯的分層集聚現(xiàn)象，具有典型的“小世界”特征[14-15]，呈現(xiàn)出一定的核心邊緣結(jié)構(gòu)[16]，以廣東、浙江、江蘇、安徽、四川構(gòu)成的“一主四副”的網(wǎng)絡(luò)結(jié)構(gòu)凸顯，等級(jí)層次性加強(qiáng)[17]，以區(qū)域內(nèi)流動(dòng)為主要的流動(dòng)模型，省際間流動(dòng)網(wǎng)絡(luò)密度不大[18]，以子群內(nèi)流動(dòng)為主，子群間聯(lián)系較少[19]?；诖耍瑢W(xué)者們對(duì)勞動(dòng)力流動(dòng)的動(dòng)因進(jìn)行了研究，指出經(jīng)濟(jì)因素是勞動(dòng)力流動(dòng)的主要因素，地區(qū)的發(fā)展水平、開(kāi)放程度、收入水平、人力資本等都是影響勞動(dòng)力跨區(qū)流動(dòng)的動(dòng)因[20]；城市的公共服務(wù)水平、基礎(chǔ)設(shè)施建設(shè)對(duì)勞動(dòng)力流入具有正向影響[21]，方言文化的距離[22]、空氣污染[23]等因素對(duì)勞動(dòng)力的流入具有負(fù)向影響，而房屋價(jià)格對(duì)于勞動(dòng)力流動(dòng)的影響則呈現(xiàn)“倒U 型”[24]。使用社會(huì)網(wǎng)絡(luò)分析方法的學(xué)者則指出，各地區(qū)在經(jīng)濟(jì)、社會(huì)、文化水平上的區(qū)域差異，是促使勞動(dòng)力從低水平地區(qū)流向高水平地區(qū)的源動(dòng)力[17][19][25]。

文獻(xiàn)梳理發(fā)現(xiàn)，目前勞動(dòng)力流動(dòng)的研究多側(cè)重考察省際間或特定區(qū)域內(nèi)的勞動(dòng)力流動(dòng)，從城市層面考察全國(guó)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的較少；多側(cè)重于截面數(shù)據(jù)的影響因素分析，而對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)時(shí)空演化規(guī)律的研究較少；多側(cè)重人為因素對(duì)流動(dòng)的影響，對(duì)自然環(huán)境影響的關(guān)注較少?；诖?，本文嘗試做出以下改進(jìn)：一是使用2020-2023 年元宵節(jié)后十天的百度遷徙大數(shù)據(jù)構(gòu)建城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)，基于網(wǎng)絡(luò)視角考察勞動(dòng)力流動(dòng)的空間特征，并比較了2020-2022 年特殊時(shí)期與2023 年常態(tài)化后的勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的變化；二是通過(guò)時(shí)間指數(shù)隨機(jī)圖模型（TERGM）對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)形成的影響因素進(jìn)行識(shí)別，并在時(shí)間維度上揭示網(wǎng)絡(luò)變化規(guī)律，深入探究我國(guó)城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的發(fā)育機(jī)制；此外，構(gòu)建城市民生資源指數(shù)來(lái)描述城市為勞動(dòng)力提供的生存與發(fā)展資源，用自然舒適度指數(shù)與人為舒適度指數(shù)來(lái)衡量城市的宜居性。

3 數(shù)據(jù)來(lái)源與網(wǎng)絡(luò)構(gòu)建

3.1 數(shù)據(jù)來(lái)源及樣本選擇

本研究的數(shù)據(jù)源自百度地圖慧眼-百度遷徙平臺(tái)（https://qianxi.baidu.com）所提供的數(shù)據(jù)作為數(shù)據(jù)來(lái)源。該平臺(tái)基于百度地圖LBS 開(kāi)放平臺(tái)的大數(shù)據(jù)進(jìn)行計(jì)算分析，展現(xiàn)了中國(guó)春節(jié)前后人口遷徙的動(dòng)態(tài)趨勢(shì)。平臺(tái)提供2023 年實(shí)時(shí)遷徙數(shù)據(jù)以及2020-2023 年春運(yùn)和國(guó)慶期間的人口遷徙數(shù)據(jù)，詳細(xì)記錄了各城市遷入來(lái)源地和遷出目的地的流動(dòng)強(qiáng)度前100 位數(shù)據(jù)。

盡管百度遷徙數(shù)據(jù)覆蓋了廣泛的人口群體，但在代表性和準(zhǔn)確性方面仍存在一定的挑戰(zhàn)。該平臺(tái)通過(guò)數(shù)十萬(wàn)款A(yù)PP 提供的定位服務(wù)覆蓋了數(shù)億智能手機(jī)用戶，但由于缺乏特定年齡段智能手機(jī)使用者的精確統(tǒng)計(jì)數(shù)據(jù)，因此難以準(zhǔn)確判斷覆蓋人群中勞動(dòng)力人口的比例。16-59 歲智能手機(jī)用戶的確切分布可從其他報(bào)告中推算。例如，根據(jù)中國(guó)互聯(lián)網(wǎng)信息中心（CNNIC）2021 年報(bào)告，我國(guó)60 歲及以上的老年網(wǎng)民占網(wǎng)民總數(shù)的11.5%；根據(jù)QuestMobile 在2022 年報(bào)告，18 歲以下的用戶占移動(dòng)互聯(lián)網(wǎng)用戶總數(shù)的12.6%，而51 歲以上用戶占比26.4%。據(jù)此估計(jì)，百度遷徙平臺(tái)所捕捉到的用戶中，勞動(dòng)力人口的比例可能至少達(dá)到了75%。盡管這一估算并非精確，但它為分析勞動(dòng)力人口流動(dòng)提供了一個(gè)相對(duì)可靠的基礎(chǔ)。

此外，在數(shù)據(jù)時(shí)段選擇上，考慮到與春節(jié)假期相比，元宵節(jié)后探親旅游的游客大幅減少，以外出打工和上班就業(yè)為目的的人口流動(dòng)占主體，在數(shù)據(jù)上更能體現(xiàn)勞動(dòng)力的流動(dòng)[26]。因此，本文爬取了2020-2023 年春運(yùn)時(shí)段內(nèi)，元宵節(jié)后10 天的數(shù)據(jù)，具體為：2020 年2 月8 日-2 月18 日；2021 年2 月26 日-3 月8 日；2022 年2 月15 日-3 月25 日；2023 年2 月5 日-2 月15 日，該數(shù)據(jù)集共包含337 個(gè)地級(jí)市在上述四個(gè)時(shí)間段內(nèi)，每個(gè)城市及其每日流動(dòng)強(qiáng)度排名前100 的遷出目的地，共約200 萬(wàn)條數(shù)據(jù)?？紤]到匹配數(shù)據(jù)的可得性，模型的適應(yīng)性，本文對(duì)數(shù)據(jù)進(jìn)行了清洗和精簡(jiǎn)，最終保留了295 個(gè)城市的數(shù)據(jù)作為最終的研究樣本。其余變量數(shù)據(jù)來(lái)自于《中國(guó)城市統(tǒng)計(jì)年鑒》。

3.2 網(wǎng)絡(luò)構(gòu)建

基于上述數(shù)據(jù)，本文整理構(gòu)建了中國(guó)城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)，以295 個(gè)地級(jí)市作為網(wǎng)絡(luò)結(jié)點(diǎn)，以城市間的人口流動(dòng)強(qiáng)度作為網(wǎng)絡(luò)連帶，組成了295*295 的鄰接矩陣Yinitial（行為勞動(dòng)力流出地，列為勞動(dòng)力流入地），根據(jù)平臺(tái)數(shù)據(jù)計(jì)算規(guī)則，yij代表了城市i 到城市j 的人口流動(dòng)強(qiáng)度。由于TERGM 模型要求及計(jì)算網(wǎng)絡(luò)特征與結(jié)點(diǎn)度分布均需要二值網(wǎng)絡(luò)數(shù)據(jù)，故將2020-2023 年的原始網(wǎng)絡(luò)矩陣元素統(tǒng)一排序，選擇該序列的3/4 分位數(shù)做為臨界值，大于等于此值的設(shè)置為1，小于此值的設(shè)置為0，各年份網(wǎng)絡(luò)設(shè)置統(tǒng)一的臨界值有助于觀察到網(wǎng)絡(luò)基本特征隨時(shí)間的變化情況，由此將勞動(dòng)力流動(dòng)強(qiáng)度矩陣轉(zhuǎn)化為0-1 鄰接矩陣，記為Ybinary，TERGM 分析將基于此網(wǎng)絡(luò)展開(kāi)。

4 勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的動(dòng)態(tài)結(jié)構(gòu)特征

4.1 整體網(wǎng)絡(luò)層面特征

對(duì)2020-2023 年的原始鄰接矩陣Yinitial進(jìn)行深入的社會(huì)網(wǎng)絡(luò)分析及可視化處理，可發(fā)現(xiàn)城市間勞動(dòng)力流動(dòng)的微妙變化。鑒于城市節(jié)點(diǎn)眾多，為精準(zhǔn)捕捉并展現(xiàn)網(wǎng)絡(luò)的核心特征，本研究篩選了每個(gè)年份中入度與出度排名前20 的城市，構(gòu)建出一個(gè)凝練而富有代表性的網(wǎng)絡(luò)圖（見(jiàn)圖1），并采取了一致的閾值標(biāo)準(zhǔn)來(lái)篩選網(wǎng)絡(luò)連帶，確保了不同年份網(wǎng)絡(luò)圖的可比性。從圖中可以看出，2020 年的網(wǎng)絡(luò)相對(duì)稀疏，而從2021-2023 年，流動(dòng)的密度與強(qiáng)度均顯著增加。在宏觀結(jié)構(gòu)上，除2020 年的中部地區(qū)流動(dòng)略顯稀薄之外，其余年份均展現(xiàn)出一種明顯的菱形結(jié)構(gòu)：以鄭州和武漢為中樞，北京、上海、深圳和成都構(gòu)成四個(gè)頂點(diǎn)。此菱形構(gòu)型內(nèi)部的流動(dòng)活躍度遠(yuǎn)超其外圍。在這些戰(zhàn)略節(jié)點(diǎn)城市周?chē)?，可觀察到以其為核心的區(qū)域性集群效應(yīng)，城市間的勞動(dòng)力流動(dòng)強(qiáng)度異常突出，如北京與天津、石家莊之間，上海與南京、杭州之間，深圳與廣州之間，成都與重慶，武漢與鄭州、長(zhǎng)沙之間的聯(lián)動(dòng)，均構(gòu)成了區(qū)域勞動(dòng)力流動(dòng)的強(qiáng)力紐帶。2023 年較前期的顯著不同是，勞動(dòng)力流動(dòng)菱形區(qū)域內(nèi)部與外圍的分化更加顯著，而菱形區(qū)域內(nèi)部則更為均衡，菱形區(qū)域內(nèi)網(wǎng)絡(luò)密集程度增強(qiáng)但超高流動(dòng)強(qiáng)度的線路減少，這說(shuō)明有更多的中部城市發(fā)揮著越來(lái)越重要的樞紐作用。

通過(guò)所構(gòu)建的二值網(wǎng)絡(luò)Ybinary，本文分析了2020-2023 年期間勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的關(guān)鍵特征指標(biāo)（見(jiàn)表1）。在節(jié)點(diǎn)數(shù)量（295 個(gè)）與二值網(wǎng)絡(luò)構(gòu)建閾值固定的條件下，勞動(dòng)力網(wǎng)絡(luò)的平均度由2020 年55.746上升至2023 年89.488，網(wǎng)絡(luò)密度從0.190 增加到0.304，這一變化體現(xiàn)了網(wǎng)絡(luò)節(jié)點(diǎn)之間的聯(lián)系顯著增多，揭示了勞動(dòng)力流動(dòng)的擴(kuò)展和城市經(jīng)濟(jì)互動(dòng)的增強(qiáng)。平均最短路徑從1.910 減到1.757，指 示網(wǎng)絡(luò)效率的增強(qiáng)，意味著勞動(dòng)力從一個(gè)區(qū)域到另一個(gè)區(qū)域的流動(dòng)更為迅捷和無(wú)阻。這可能得益于交通、信息技術(shù)的進(jìn)步或者勞動(dòng)市場(chǎng)政策的優(yōu)化。網(wǎng)絡(luò)中心勢(shì)分析中，可見(jiàn)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的出度中心勢(shì)遠(yuǎn)低于入度中心勢(shì)，這種“集中流入，分散流出”的格局意味著某些城市成為人才匯聚中心，而人才的流出來(lái)源則更趨廣泛和分散；此外，中心勢(shì)隨年份呈現(xiàn)整體下降的趨勢(shì)，這表明網(wǎng)絡(luò)中的依賴(lài)程度不再集中于少數(shù)中心城市，而是向其他城市分散，顯示出勞動(dòng)力流動(dòng)的地理分布正變得更加均衡，這意味著權(quán)力和影響力正在從傳統(tǒng)的勞動(dòng)力市場(chǎng)中心城市向其他城市轉(zhuǎn)移，反映出經(jīng)濟(jì)發(fā)展機(jī)會(huì)的地理擴(kuò)散。網(wǎng)絡(luò)中小團(tuán)體數(shù)量的下降強(qiáng)調(diào)了地區(qū)間勞動(dòng)力流動(dòng)模式的變遷。局部流動(dòng)的格局及其凝聚子群的減少，指向了區(qū)域之間壁壘的打破和勞動(dòng)力流動(dòng)的均衡化。

表1 2020 年-2023 年城市勞動(dòng)力流動(dòng)網(wǎng)絡(luò)統(tǒng)計(jì)特征

4.2 區(qū)域度分布特征

圖2 展示了2020-2023 年勞動(dòng)力流動(dòng)網(wǎng)絡(luò)入度與出度的區(qū)域分布特征，圖2 左側(cè)為各區(qū)域的平均入度，右側(cè)為平均出度。首先，在勞動(dòng)力流動(dòng)的活躍度方面，東部地區(qū)的平均入度與出度均處于高位，勞動(dòng)力流動(dòng)最為活躍，隨后依次是中部地區(qū)，西部地區(qū)與東北地區(qū)活躍度較低。其次，在流向方面，平均入度最高的是東部地區(qū)，平均出度最高的是中部地區(qū)；在度分布上，除東部地區(qū)存在明顯的凈流入外，其他三個(gè)地區(qū)均為凈流出，東北地區(qū)的凈流出特征最為明顯。再次，從縱向時(shí)間維度上看，東部地區(qū)的平均入度與出度差逐年增加，中部地區(qū)的平均流出與流入差逐年縮小，西部與東北地區(qū)的平均流出與流入差逐年擴(kuò)大，這說(shuō)明東部地區(qū)一直保持著對(duì)勞動(dòng)力的吸引力，且這種優(yōu)勢(shì)仍在擴(kuò)大，中部地區(qū)的吸引力有所增強(qiáng)，而西部和東北地區(qū)則呈現(xiàn)出吸引力明顯下降的趨勢(shì)。

圖2 2020-2023 年各區(qū)域平均入度與平均出度對(duì)比

4.3 結(jié)點(diǎn)層面特征

在網(wǎng)絡(luò)結(jié)點(diǎn)層面，基于2020-2023 年的二值網(wǎng)絡(luò)Ybinary，分別計(jì)算了295 個(gè)城市節(jié)點(diǎn)在網(wǎng)絡(luò)中的入度與出度，四年間城市結(jié)點(diǎn)的入度與出度分布較為穩(wěn)定，圖3 僅展示2023 年入度與出度分布熱力圖。

圖3 2023 年中國(guó)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)入度與出度空間分布

對(duì)城市結(jié)點(diǎn)入度與出度的分析可見(jiàn)：第一，勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的入度在3-289 之間分布，方差較大，存在著一些吸納勞動(dòng)力的“超級(jí)城市”，入度最高的城市為北京，向后排名前十的城市依次為：上海、蘇州、杭州、武漢、廣州、深圳、重慶、成都、西安，這些城市的入度均在270 以上，從地圖上看，高入度地區(qū)集中在以上述城市為支點(diǎn)的菱形結(jié)構(gòu)內(nèi)；第二，勞動(dòng)力網(wǎng)絡(luò)的節(jié)點(diǎn)出度相較于入度較為平均，區(qū)間在4-134，出度最高的城市為河南省周口市，向后排名前十的城市依次為：南陽(yáng)、駐馬店、鄭州、西安、渭南、洛陽(yáng)、重慶、徐州、許昌這些城市的出度均在125 以上。從地圖上看，出度較高的城市主要集中在中部與西部地區(qū)。

中介中心度也是分析網(wǎng)絡(luò)節(jié)點(diǎn)特性的關(guān)鍵指標(biāo)之一，它顯現(xiàn)了一個(gè)節(jié)點(diǎn)在資源與信息傳遞過(guò)程中的協(xié)調(diào)和控制能力。本研究通過(guò)計(jì)算2020-2023 年期間各城市節(jié)點(diǎn)的中介中心度反映其在勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中的作用和地位。在中介中心度排名前20 的城市中，除了深圳、蘇州、青島、東莞外，其余16 座城市均為省會(huì)或直轄市。這些城市在經(jīng)濟(jì)實(shí)力上也居于領(lǐng)先地位，成為區(qū)域內(nèi)的經(jīng)濟(jì)與文化核心，并且作為主要的交通樞紐，發(fā)揮著勞動(dòng)力跨省流動(dòng)的關(guān)鍵中轉(zhuǎn)作用（見(jiàn)表2）。

表2 中國(guó)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)各城市中介中心度

中介中心度動(dòng)態(tài)變化反映出大部分城市的中介中心度出現(xiàn)了不同程度的下降，其中尤以北京、深圳、成都、上海、廣州和蘇州等城市最為明顯。這說(shuō)明，京津冀、長(zhǎng)三角、珠三角等區(qū)域的交通基礎(chǔ)設(shè)施建設(shè)和完善程度超越了其他地區(qū)，進(jìn)而提高了人口流動(dòng)的便捷性，并相應(yīng)減弱了這些關(guān)鍵節(jié)點(diǎn)城市在整個(gè)網(wǎng)絡(luò)中的控制力。同時(shí)，中部地區(qū)的鄭州、長(zhǎng)沙和武漢城市的中介中心度有所上升，表明它們作為交通樞紐的功能正在增強(qiáng)。特別是武漢，盡管在2020 年因疫情沖擊其中介中心度顯著下降至294.26，但隨恢復(fù)情況的改善，其網(wǎng)絡(luò)中的協(xié)調(diào)作用及中心地位有顯著提升。

5.勞動(dòng)力流動(dòng)網(wǎng)絡(luò)內(nèi)生格局及驅(qū)動(dòng)因素分析

5.1 TERGM 模型

本文人口流動(dòng)數(shù)據(jù)覆蓋2020-2023 年間的關(guān)鍵時(shí)間段。為深入分析網(wǎng)絡(luò)結(jié)構(gòu)的時(shí)間演變，本文采用時(shí)間指數(shù)隨機(jī)圖模型（TERGM）。TERGM 是指數(shù)隨機(jī)圖模型（ERGM）的一種擴(kuò)展，適用于分析動(dòng)態(tài)網(wǎng)絡(luò)數(shù)據(jù)，可揭示網(wǎng)絡(luò)結(jié)構(gòu)隨時(shí)間變化的動(dòng)態(tài)規(guī)律，它不僅可解釋網(wǎng)絡(luò)在特定時(shí)間點(diǎn)的狀態(tài)，還能分析過(guò)去網(wǎng)絡(luò)狀態(tài)如何影響當(dāng)前網(wǎng)絡(luò)結(jié)構(gòu)，為理解復(fù)雜網(wǎng)絡(luò)時(shí)間演進(jìn)的有力工具。

TERGM 的特點(diǎn)在于其能夠同時(shí)解釋網(wǎng)絡(luò)中關(guān)系存在與否的內(nèi)生和外生機(jī)制，這一點(diǎn)超越了傳統(tǒng)回歸分析方法的限制。它打破了獨(dú)立性假定，基于極大偽似然估計(jì)，通過(guò)一系列的估計(jì)、模擬、診斷和改進(jìn)步驟，對(duì)網(wǎng)絡(luò)的時(shí)間依賴(lài)性進(jìn)行細(xì)致分析，從而得到穩(wěn)定且準(zhǔn)確的實(shí)證結(jié)果。

在模型的具體運(yùn)作中，TERGM 考慮了網(wǎng)絡(luò)在不同時(shí)間點(diǎn)的狀態(tài)，并將這些狀態(tài)串聯(lián)起來(lái)，形成對(duì)網(wǎng)絡(luò)動(dòng)態(tài)特性的全面握。模型的表達(dá)形式為：

其中，Yt代表時(shí)間時(shí)間t的網(wǎng)絡(luò)狀態(tài)，θ是一組待估參數(shù)，Yt網(wǎng)絡(luò)狀態(tài)的形成依賴(lài)于K個(gè)時(shí)點(diǎn)的歷史網(wǎng)絡(luò)Yt-k,……,Yt-1，函數(shù)h是從這些歷史網(wǎng)絡(luò)狀態(tài)計(jì)算得到的統(tǒng)計(jì)量，涵蓋了影響網(wǎng)絡(luò)連接的各種因素，這些因素共同決定了當(dāng)前時(shí)間點(diǎn)網(wǎng)絡(luò)形成的概率P。

5.2 變量選取及指標(biāo)構(gòu)建

本文考察了勞動(dòng)力流動(dòng)的四類(lèi)驅(qū)動(dòng)因素：勞動(dòng)力流動(dòng)的網(wǎng)絡(luò)結(jié)構(gòu)、結(jié)點(diǎn)城市的特征變量、城市對(duì)間的二元關(guān)系變量、以及時(shí)間變量。綜合考慮各統(tǒng)計(jì)量對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)形成的影響，以及優(yōu)化模型的擬合效果，最終選取的用于TERGM 模型的統(tǒng)計(jì)量及其含義如表3 所示.

表3 TERGM 統(tǒng)計(jì)量說(shuō)明

5.2.1 網(wǎng)絡(luò)結(jié)構(gòu)變量

分析勞動(dòng)力流動(dòng)模式時(shí)，TERGM 的一大優(yōu)勢(shì)是能夠?qū)⒕W(wǎng)絡(luò)結(jié)構(gòu)效應(yīng)考慮在內(nèi)，網(wǎng)絡(luò)結(jié)構(gòu)定義為網(wǎng)絡(luò)中存在的局部連接構(gòu)型(如三角形、星形等），它們對(duì)網(wǎng)絡(luò)形成的概率具有“內(nèi)生效應(yīng)”。邊（edges）在模型中起到類(lèi)似傳統(tǒng)回歸中截距項(xiàng)的作用，體現(xiàn)了在不考慮其他任何影響因素的情況下，網(wǎng)絡(luò)連帶形成的基本傾向。由于勞動(dòng)力流動(dòng)網(wǎng)絡(luò)為有向網(wǎng)絡(luò)，本文考慮網(wǎng)絡(luò)的互惠性（mutuality）與傳遞性（transitivity），為防止模型退化，本文選擇幾何加權(quán)的邊沿共享伙伴（gwesp）納入模型。gwesp 具有多種模式，本文所考慮的三種結(jié)構(gòu)模式如圖4 所示，首先，TSP（傳遞共享伙伴）代表一種傳遞三角形結(jié)構(gòu)，在有向網(wǎng)絡(luò)中，可以被解釋為一種社會(huì)等級(jí)[27]，它所描述的是勞動(dòng)力的等級(jí)性流動(dòng)，如果城市i 的勞動(dòng)力傾向于流向城市k，則說(shuō)明城市k 比城市i 更有吸引力，而同時(shí)勞動(dòng)力又傾向于從城市k 流向城市j，說(shuō)明城市j 比k 更具吸引力，因此勞動(dòng)力也會(huì)傾向于從城市i 流動(dòng)到城市j，在此三角形結(jié)構(gòu)中，城市j 對(duì)于勞動(dòng)力來(lái)說(shuō)具有最高的效用等級(jí)；與TSP類(lèi)似，RTSP（互惠傳遞共享伙伴）表示互惠傳遞性，描述了兩個(gè)城市同時(shí)與第三個(gè)城市存在勞動(dòng)力互換，那么這兩個(gè)城市間也傾向于發(fā)生勞動(dòng)力流動(dòng)的趨勢(shì)；由于上述的勞動(dòng)力流動(dòng)的傳遞特征，本文認(rèn)為勞動(dòng)力不太可能遵循三個(gè)城市之間的循環(huán)模式，網(wǎng)絡(luò)中循環(huán)三元關(guān)系發(fā)生概率更低，因此，本文也將納入CSP（循環(huán)共享伙伴）結(jié)構(gòu)進(jìn)行驗(yàn)證。

圖4 邊沿共享伙伴類(lèi)型示意圖

5.2.2 結(jié)點(diǎn)城市屬性變量

結(jié)點(diǎn)屬性變量指各城市在經(jīng)濟(jì)、環(huán)境、文化等方面的特征與稟賦。本文所使用的TERGM 模型可將城市結(jié)點(diǎn)特征對(duì)勞動(dòng)力流動(dòng)網(wǎng)絡(luò)形成的影響按“發(fā)送者、接收者效應(yīng)”、“同配效應(yīng)”、“差異效應(yīng)”三個(gè)維度進(jìn)行檢驗(yàn)。本文選取的結(jié)點(diǎn)屬性變量如表4 所示。

表4 外生變量及指標(biāo)構(gòu)成

本文構(gòu)建了城市資源指數(shù)?！笆奈濉币?guī)劃綱要中指出，7 個(gè)民生福祉類(lèi)指標(biāo)包括就業(yè)、收入、落戶限制、教育、醫(yī)療、社會(huì)保障、養(yǎng)老育幼。由于收入、教育、醫(yī)療是勞動(dòng)者選擇就業(yè)城市時(shí)考慮的首要因素，故將收入、教育、醫(yī)療作為二級(jí)指標(biāo)，構(gòu)建“城市民生資源指數(shù)”，選擇城市平均工資作為收入的三級(jí)指標(biāo)，選擇高考本科錄取率、高校數(shù)量、每萬(wàn)人高中教師數(shù)、每萬(wàn)人小學(xué)教師書(shū)作為教育的三級(jí)指標(biāo)，選擇三甲醫(yī)院數(shù)量、每萬(wàn)人口床位數(shù)、每萬(wàn)人醫(yī)師數(shù)作為醫(yī)療的三級(jí)指標(biāo)，在每一級(jí)指標(biāo)中，利用主成分分析法，計(jì)算得出每個(gè)城市的“民生資源指數(shù)”。此外，在城市民生資源指數(shù)基礎(chǔ)上，構(gòu)建分類(lèi)變量，取民生資源指數(shù)值的中位數(shù)，將城市分為高資源與低資源兩個(gè)層次，以考察不同民生資源水平的城市組合之間的同配性。

本文選擇人均GDP 作為衡量城市經(jīng)濟(jì)發(fā)展情況的指標(biāo)；第三產(chǎn)業(yè)比重作為衡量就業(yè)機(jī)會(huì)的指標(biāo)；選擇總?cè)丝跀?shù)作為衡量城市人口規(guī)模的指標(biāo)?；诔鞘惺孢m度的遷移理論，從自然舒適與人為舒適度兩個(gè)方面進(jìn)行驗(yàn)證，利用主成分分析法，選擇平均氣溫、溫差、水資源總量、PM2.5 構(gòu)建自然舒適度指標(biāo)；利用文化設(shè)施、交通、綠化、公共服務(wù)構(gòu)建人為舒適度指標(biāo)。

5.2.3 結(jié)點(diǎn)城市間的二元關(guān)系變量

結(jié)點(diǎn)屬性變量與二元關(guān)系協(xié)變量對(duì)網(wǎng)絡(luò)的形成具有“外生效應(yīng)”[28]。城市間的人口流動(dòng)，不僅受到城市本身的影響，還可能受到城市對(duì)之間特定關(guān)系的影響。本文認(rèn)為，城市間的勞動(dòng)力流動(dòng)，很大程度上取決于城市間的距離，這種距離包含三個(gè)方面：一是實(shí)際地理距離；二是行政距離（即是否屬于同一省份），本文構(gòu)建了一個(gè)以城市為結(jié)點(diǎn)的鄰接矩陣，若城市i與城市j在同一省份，則xij=1，否則xij=0；三是文化距離，本文借鑒趙向陽(yáng)關(guān)于中國(guó)區(qū)域文化的研究結(jié)論，根據(jù)其研究中通過(guò)GLOBE 文化習(xí)俗量[29]表計(jì)算得出的各省市文化得分，形成了代表地區(qū)間文化差異的鄰接矩陣，矩陣中xij為城市i與城市j文化得分差的絕對(duì)值。

5.3 TERGM 結(jié)果分析

5.3.1 網(wǎng)絡(luò)內(nèi)生格局

表5 展示了網(wǎng)絡(luò)互惠性的參數(shù)估計(jì)，其顯著正值指出，人口流動(dòng)在城市間呈現(xiàn)顯著的雙向性。這一現(xiàn)象表明，相較于單一方向的流動(dòng)，雙向交互更為常見(jiàn)，反映出勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的互補(bǔ)性和平衡性。此外，時(shí)間維度上，延遲互惠性參數(shù)的正值進(jìn)一步證明了在特定流動(dòng)路徑上，城市間的密切交互不僅增強(qiáng)了信息交流，還可能觸發(fā)勞動(dòng)力的循環(huán)流動(dòng)。在傳遞性分析中，研究辨識(shí)了邊沿共享伙伴的三種模式（見(jiàn)圖4）。特別是互惠傳遞性（RTC）的顯著正向關(guān)聯(lián)，揭示了城市間勞動(dòng)力吸引力的聚合性特點(diǎn)。具體來(lái)說(shuō)，若城市i 與城市j 在與第三方城市K 的勞動(dòng)力交換中顯示出高度互換，那么城市i 和城市j 之間的勞動(dòng)力流向也將變得更為緊密。這種模式不斷促成了以資源、經(jīng)濟(jì)力量、環(huán)境優(yōu)勢(shì)為紐帶的城市網(wǎng)絡(luò)，形成了結(jié)構(gòu)上的強(qiáng)強(qiáng)聯(lián)合。

表5 勞動(dòng)力流動(dòng)網(wǎng)絡(luò)內(nèi)生格局及驅(qū)動(dòng)因素TERGM 估計(jì)結(jié)果

5.3.2 結(jié)點(diǎn)屬性效應(yīng)

城市特性與勞動(dòng)力流向緊密相關(guān)。數(shù)據(jù)顯示，城市民生資源的正向吸引效應(yīng)和負(fù)向輸出效應(yīng)均統(tǒng)計(jì)顯著，意味著資源豐富的城市更能吸引勞動(dòng)力，而資源條件較差的城市則更多地輸出勞動(dòng)力。加入和時(shí)序變量模型中的經(jīng)濟(jì)發(fā)展水平、自然舒適度與人為舒適度對(duì)勞動(dòng)力流入具有正面影響，但這一影響在流出方面并不顯著，暗示經(jīng)濟(jì)水平與否、居住環(huán)境是否優(yōu)越和社會(huì)服務(wù)體系對(duì)勞動(dòng)力吸引力有重要影響，但不是推動(dòng)勞動(dòng)力流出的關(guān)鍵因素。人口規(guī)模的正向自增強(qiáng)效應(yīng)表明，大城市的人口集聚態(tài)勢(shì)進(jìn)一步促進(jìn)勞動(dòng)力流入，反映出勞動(dòng)力流動(dòng)的趨勢(shì)性和集聚特性。第三產(chǎn)業(yè)的比重高顯著地與勞動(dòng)力流入正相關(guān)，揭示了更多就業(yè)機(jī)會(huì)的吸引力。

就流動(dòng)成本而言，收入與房?jī)r(jià)比對(duì)流入有顯著的正向效應(yīng)，表明勞動(dòng)者在選擇遷徙地點(diǎn)時(shí)偏好收入相對(duì)于房?jī)r(jià)更有優(yōu)勢(shì)的城市，而這一指標(biāo)對(duì)于決定是否流出的影響則不顯著。經(jīng)濟(jì)因素已非勞動(dòng)力遷移唯一考量，城市的綜合實(shí)力在公共服務(wù)、生態(tài)環(huán)境和文化發(fā)展層面等同樣關(guān)鍵。

資源水平的匹配性分析顯示，勞動(dòng)力傾向于從資源較少的城市流向資源豐富的城市，高-高資源組合城市間亦展現(xiàn)較強(qiáng)流動(dòng)性，提示城市間資源差異對(duì)流動(dòng)趨勢(shì)的影響可能存在異質(zhì)性。

5.3.3 協(xié)變量網(wǎng)絡(luò)效應(yīng)

勞動(dòng)力流動(dòng)的協(xié)變量網(wǎng)絡(luò)效應(yīng)分析中，地理和行政因素顯示出了對(duì)流動(dòng)模式的明顯影響。具體而言，地理距離與勞動(dòng)力流動(dòng)呈現(xiàn)負(fù)相關(guān)關(guān)系，而同一省份內(nèi)的流動(dòng)則呈現(xiàn)正相關(guān)性。這說(shuō)明，相比跨省流動(dòng)，我國(guó)勞動(dòng)力的省內(nèi)流動(dòng)更頻繁，這與長(zhǎng)距離遷移會(huì)帶來(lái)更高的經(jīng)濟(jì)成本和心理負(fù)擔(dān)有關(guān)。此外，文化因素也在勞動(dòng)力流動(dòng)中扮演了關(guān)鍵角色，文化差異的負(fù)相關(guān)性表明文化異質(zhì)性可能阻礙了人口的遷移，突顯了文化融合和身份認(rèn)同在勞動(dòng)者選擇居住地時(shí)的重要作用。

5.3.4 時(shí)間依賴(lài)效應(yīng)

時(shí)間穩(wěn)定性分析揭示了勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的歷史連續(xù)性。通過(guò)加入不同的時(shí)間穩(wěn)定性指標(biāo)，研究發(fā)現(xiàn)二元穩(wěn)定性顯著為正，創(chuàng)新與消融顯著為負(fù)，表明在2020-2023 年間勞動(dòng)力流動(dòng)網(wǎng)絡(luò)保持較高的穩(wěn)定性。即已存在的流動(dòng)模式有繼續(xù)保持的趨勢(shì)，而之前未見(jiàn)的流動(dòng)關(guān)系出現(xiàn)的可能性較低，突顯出勞動(dòng)力流動(dòng)路徑與模式的歷史依賴(lài)性。

為了判斷 TERGM 對(duì)觀測(cè)網(wǎng)絡(luò)的有效性和適用性，驗(yàn)證模型中的統(tǒng)計(jì)量能夠較好地描述觀測(cè)網(wǎng)絡(luò)的形成機(jī)制，本文進(jìn)行了擬合優(yōu)度檢驗(yàn)。評(píng)估擬合優(yōu)度圖的目的是檢查觀測(cè)到的網(wǎng)絡(luò)對(duì)于模型隱含的分布是否異常，通過(guò)擬合模型進(jìn)行網(wǎng)絡(luò)仿真生成100 個(gè)模擬網(wǎng)絡(luò)，形成網(wǎng)絡(luò)特征的分布區(qū)間，用灰色箱線圖表示，黑色折線為實(shí)際觀測(cè)網(wǎng)絡(luò)的統(tǒng)計(jì)值，若黑色折線越接近箱型圖的中值，說(shuō)明模型的擬合度越好，若黑線位于灰色箱型圖區(qū)域內(nèi)，說(shuō)明擬合度在可接受范圍之內(nèi)。本文選取了度（Degree）、入度（Indegree）、二元共享伙伴（Dyad-wise shared partners）、邊沿共享伙伴(Edge-wise shared partners）和測(cè)地線距離(Geodesic distances）五個(gè)典型統(tǒng)計(jì)量作為測(cè)量指標(biāo)，擬合結(jié)果如圖5所示。黑色擬合線經(jīng)過(guò)大部分箱線圖的中點(diǎn)，模型具有較好的擬合效果，此外，最后一張圖中的黑色ROC 曲線十分接近左上角，說(shuō)明模型具有良好的合。

圖5 TERGM 樣本內(nèi)擬合優(yōu)度檢驗(yàn)

5.4 模型的穩(wěn)健性分析

為了驗(yàn)證時(shí)間指數(shù)隨機(jī)圖模型（TERGM）的穩(wěn)健性，本研究對(duì)2020-2023 年的數(shù)據(jù)分別進(jìn)行了靜態(tài)指數(shù)隨機(jī)圖模型（ERGM）的估計(jì)分析（見(jiàn)表6）?；灸Ｐ停Ｐ?、3、5、7）只包含結(jié)點(diǎn)屬性和二元關(guān)系的外生變量，而全模型（模型2、4、6、8）則包括了更全面的變量集合。模型擬合程度通常通過(guò)赤池信息準(zhǔn)則（AIC）和貝葉斯信息準(zhǔn)則（BIC）來(lái)評(píng)價(jià)，較小的AIC 和BIC 值表明更優(yōu)的模型擬合。比較顯示，在各年份中，全模型的AIC 和BIC 值普遍低于僅包含外生變量的模型，這表明全模型具有更高的解釋力。

盡管2021-2023 年的靜態(tài)ERGM 估計(jì)結(jié)果在參數(shù)具體數(shù)值上與TERGM 存在差異，但在符號(hào)和顯著性方面與TERGM 結(jié)果高度一致，這說(shuō)明TERGM 模型的穩(wěn)健性。2020 年的ERGM 結(jié)果在城市民生資源、經(jīng)濟(jì)水平、人為舒適度上出現(xiàn)顯著差異，這可能是由2020 年新冠疫情所致。TERGM動(dòng)態(tài)時(shí)序分析中異常被有效彌補(bǔ)，凸顯TERGM在處理動(dòng)態(tài)網(wǎng)絡(luò)數(shù)據(jù)上的優(yōu)勢(shì)。

5.5 城市間差異度對(duì)勞動(dòng)力流動(dòng)的影響效力分析

如前所述，城市資源、經(jīng)濟(jì)發(fā)展水平、人口基數(shù)、舒適度等特征對(duì)該城市勞動(dòng)力的流動(dòng)方向及流動(dòng)范圍具有一定的影響，已有研究也指出，地區(qū)差異是驅(qū)動(dòng)勞動(dòng)力流動(dòng)的主要因素[17][19],但這種差異性對(duì)所有城市的驅(qū)動(dòng)作用是否均等尚未明確。為此，本文從各個(gè)城市個(gè)體網(wǎng)絡(luò)層面入手，分析差異度對(duì)不同城市勞動(dòng)力流動(dòng)驅(qū)動(dòng)力的異質(zhì)性。個(gè)體網(wǎng)絡(luò)（ego network）由一個(gè)中心主體（ego）及其相關(guān)聯(lián)的鄰居（alter）構(gòu)成。鑒于勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的有向性，本文將個(gè)體網(wǎng)絡(luò)細(xì)分為流出和流入網(wǎng)絡(luò)：前者由中心城市及其流出目的地構(gòu)成，后者由中心城市及其流入來(lái)源地組成，如圖6 所示。

圖6 個(gè)體網(wǎng)絡(luò)示意圖

本研究選取城市資源、人均GDP、自然舒適度和人為舒適度這四項(xiàng)城市屬性，在Ucinet6 軟件中計(jì)算了這些屬性在各城市流出和流入個(gè)體網(wǎng)絡(luò)中的相似性。相似性指標(biāo)的數(shù)值范圍在[-1,1]之間，其中1 表示完全同質(zhì)性（即相似度高），而-1 則表示完全異質(zhì)性（即差異度高）。通過(guò)將相似性指標(biāo)與城市屬性值的相關(guān)性分析繪制在坐標(biāo)系中，以揭示差異度對(duì)于城市間勞動(dòng)力流動(dòng)驅(qū)動(dòng)力的具體影響。

圖7 揭示了流出個(gè)體網(wǎng)絡(luò)中“個(gè)體-鄰居”異同度與個(gè)體城市屬性值之間的關(guān)系。城市位于零線上方表明其勞動(dòng)力傾向于流向?qū)傩韵嗨频牡貐^(qū)，反映了“同質(zhì)性偏好”現(xiàn)象；而零線下方的城市則顯示其勞動(dòng)力更偏好流向?qū)傩圆煌牡貐^(qū)，體現(xiàn)了“異質(zhì)性吸引”模式；接近零線的城市在趨同與趨異模式上較為中性。圖7 的分析揭露了兩個(gè)主要規(guī)律：絕大多數(shù)城市的勞動(dòng)力在城市資源、人均GDP 和人為舒適度這三個(gè)維度上，傾向于流向與自身特征不同的地區(qū)。這表明，差異性在勞動(dòng)力流動(dòng)決策中發(fā)揮著顯著的驅(qū)動(dòng)作用，尤其是對(duì)于資源稟賦較低的城市而言，勞動(dòng)力更加趨向于流向與自身存在顯著差異的地區(qū)。第二，對(duì)于自然舒適度而言，多數(shù)城市的勞動(dòng)力更傾向于流向與自身相似的地區(qū)，尤其是自然條件較優(yōu)的城市，其勞動(dòng)力對(duì)環(huán)境同質(zhì)性的需求顯著更高。這反映了自然舒適度作為一個(gè)重要的生活質(zhì)量指標(biāo)，在勞動(dòng)力流動(dòng)選擇上起到了關(guān)鍵作用。這些發(fā)現(xiàn)為理解城市間勞動(dòng)力流動(dòng)的微觀機(jī)制提供了新的視角，特別是考慮城市特征差異性對(duì)勞動(dòng)力流動(dòng)決策的影響時(shí)。

圖7 流出個(gè)體網(wǎng)絡(luò)中的“個(gè)體-鄰居”異同度

圖8 對(duì)流入個(gè)體網(wǎng)絡(luò)中的“個(gè)體-鄰居”相似度與個(gè)體城市屬性值之間的關(guān)系進(jìn)行了探索。與流出個(gè)體網(wǎng)絡(luò)相比，流入網(wǎng)絡(luò)中的規(guī)律性特征表現(xiàn)得不那么明顯。在城市資源、人均GDP 和人為舒適度三個(gè)維度上，大多數(shù)城市更傾向于吸引來(lái)自于資源水平相近的地區(qū)的勞動(dòng)力。特別是資源水平較高的城市，這種傾向更為顯著。這一現(xiàn)象在表面上似乎與圖7 中揭示的差異化流動(dòng)規(guī)律相矛盾，但實(shí)際上反映了不同統(tǒng)計(jì)方法對(duì)結(jié)果的影響。百度遷徙數(shù)據(jù)的統(tǒng)計(jì)方法是基于流動(dòng)強(qiáng)度比較，即城市i 到城市j 的流入強(qiáng)度等于城市i 流入j 城市的人數(shù)占j 城市總流入人數(shù)的比例。例如，一個(gè)落后地區(qū)A 到發(fā)達(dá)地區(qū)B 的勞動(dòng)力流量可能在A 的總流出中占比較大，但在B 的總流入中卻可能只占很小的比例。這一發(fā)現(xiàn)與TERGM 分析的結(jié)果一致，即發(fā)展水平較高的城市在勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中的入度和出度均較大，且高發(fā)展水平城市間的勞動(dòng)力交換流量和密度遠(yuǎn)超過(guò)低發(fā)展水平地區(qū)向高發(fā)展水平地區(qū)的流動(dòng)。這一結(jié)果揭示了勞動(dòng)力流動(dòng)網(wǎng)絡(luò)中發(fā)展水平高的城市在吸引和發(fā)送勞動(dòng)力方面的雙重優(yōu)勢(shì)，反映了城市間勞動(dòng)力流動(dòng)的復(fù)雜性和動(dòng)態(tài)性。

圖8 流入個(gè)體網(wǎng)絡(luò)中的“個(gè)體-鄰居”異同度

6 結(jié)論與啟示

本文基于2020-2023 年元宵節(jié)后的百度遷徙數(shù)據(jù)，構(gòu)建勞動(dòng)力流動(dòng)時(shí)間網(wǎng)絡(luò)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析及時(shí)間指數(shù)隨機(jī)圖模型，分析勞動(dòng)力流動(dòng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及時(shí)空分布特征。結(jié)果顯示：

第一、在網(wǎng)絡(luò)結(jié)構(gòu)方面，我國(guó)現(xiàn)階段勞動(dòng)力流動(dòng)分布東南密集，西北稀疏的總體態(tài)勢(shì)并未改變，整體網(wǎng)絡(luò)呈現(xiàn)出以鄭州、武漢為中心，北京、上海、深圳、成都為頂點(diǎn)的菱形結(jié)構(gòu)，2020-2023 年，菱形區(qū)域內(nèi)部與外圍的分化愈發(fā)顯著，而菱形區(qū)域內(nèi)部則更為均衡，體現(xiàn)在區(qū)域內(nèi)網(wǎng)絡(luò)密集程度增強(qiáng)但超高流動(dòng)強(qiáng)度的線路減少，這說(shuō)明有更多的中部城市發(fā)揮著越來(lái)越重要的樞紐作用。從節(jié)點(diǎn)的度分布可以明顯看出“集中性流入“與”分散性流出“的態(tài)勢(shì)。城市間的不平衡仍十分明顯，發(fā)展水平較高的城市有著更強(qiáng)的吸引力，而行政地位更高的城市在網(wǎng)絡(luò)中有著更強(qiáng)的控制力，隨著交通便捷性的提高，這種控制力顯現(xiàn)出減弱的趨勢(shì)。第二、勞動(dòng)力網(wǎng)絡(luò)具有自我增強(qiáng)及溢出效應(yīng)，流入的勞動(dòng)力所帶來(lái)的信息溝通可能會(huì)促進(jìn)勞動(dòng)力的回流，進(jìn)而形成雙向流動(dòng)；兩個(gè)同時(shí)與第三方進(jìn)行勞動(dòng)力互換的城市之間，也更加傾向于產(chǎn)生勞動(dòng)力的流動(dòng)，形成小團(tuán)體格局。第三、影響勞動(dòng)力流動(dòng)的因素多維化，城市民生資源條件優(yōu)越、經(jīng)濟(jì)發(fā)展水平高、人口基數(shù)大、就業(yè)機(jī)會(huì)多、自然與人為舒適度高、收入房?jī)r(jià)比高的城市對(duì)勞動(dòng)力有著更強(qiáng)的吸引力，而地理距離與文化距離，是勞動(dòng)力流動(dòng)的阻力。第四、城市民生資源條件越低、經(jīng)濟(jì)發(fā)展水平越落后的城市的勞動(dòng)力越傾向于流向與自身差異更大的地區(qū)，他們的流動(dòng)選擇往往更加集中；然而勞動(dòng)力并非只在差異度高的城市間流動(dòng)，在資源水平較高的城市中，強(qiáng)強(qiáng)聯(lián)合的趨勢(shì)同樣十分明顯。

勞動(dòng)力的流動(dòng)體現(xiàn)著經(jīng)濟(jì)的活力，促進(jìn)城市間信息的交流、資源的交換、產(chǎn)業(yè)的融合，為城市的發(fā)展提供動(dòng)力，但勞動(dòng)力的大規(guī)模流動(dòng)中也存在著危機(jī)，流動(dòng)的不均衡性使得中小城市勞動(dòng)力流失情勢(shì)嚴(yán)峻的同時(shí)也給大城市帶來(lái)過(guò)度擁擠的負(fù)擔(dān)，因此，在確保勞動(dòng)力自由流動(dòng)的同時(shí)兼顧資源的優(yōu)化配置，促進(jìn)地區(qū)間的均衡發(fā)展是各級(jí)政府需要關(guān)注的問(wèn)題，首先，制定城市發(fā)展戰(zhàn)略應(yīng)充分尊重勞動(dòng)力流動(dòng)的規(guī)律，順應(yīng)市場(chǎng)經(jīng)濟(jì)力量形成的勞動(dòng)力分布格局，對(duì)不同城市群，采取差異化政策。其次，應(yīng)通過(guò)豐富中小城市的民生資源、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提高城市舒適度去吸引勞動(dòng)力回流，而不是通過(guò)抑制大城市的資源供給去調(diào)整勞動(dòng)力分布。最后，西北地區(qū)地廣人稀，地理距離是阻礙勞動(dòng)力流動(dòng)的重要因素，但發(fā)達(dá)的交通可以在一定程度上彌補(bǔ)地理區(qū)位上的不足，因此，應(yīng)加快西北地區(qū)基礎(chǔ)設(shè)施建設(shè)，減少流動(dòng)成本，促進(jìn)勞動(dòng)力的流動(dòng)。