简介

 

随着交通和通信技术的快速发展，尽管有相似的文化和劳动力市场，但为什么人们没有搬迁到更富裕的城市去？传统解释这是由于个人的“家乡”偏好与流动成本造成的。而本文发现前瞻性的理性人，还可能会由于劳动力市场搜寻摩擦而选择留在并不富裕的地区。

 

文献中通常把与迁移有关的一系列成本统称为流动成本，作为一个黑箱处理。本文的主要创新在于将这一黑箱打开，作者认为与迁移相关的成本不仅包括传统定义的流动成本（决定迁移时发生，主要指搬迁相关的成本）还包括搜寻摩擦（搜寻工作时发生），区分这两种成本对于政策制定者非常重要，比如市场由于搜寻摩擦较大导致迁移率偏低时，给予搬迁补贴就不如建立一个统一的工作中介来的有效。

 

文章利用法国100个大型城市的雇主-雇员数据，构建一个以空间搜寻摩擦为特征的个人迁移决策模型，采用城市之间的工资差异作为流动成本衡量指标，劳动力流动情况作为搜寻摩擦衡量指标，分析个人迁移决策的关键影响因素。主要工作以及参数设定借鉴了下述文献：

 

Kennan, J., & Walker, J. R. (2011). The effect of expected income on individual migration decisions. Econometrica, 79(1),211-251.

Meghir, C., Narita, R., & Robin, J. M.(2015). Wages and informality in developing countries. American Economic Review, 105(4), 1509-46.

 

本文主要发现了以下四个结论：

1、通过剥离出搜寻摩擦的影响，流动成本相比于以往文献的估计值降低了一个量级；2、与城市规模相关的工资溢价很大程度来源于大城市的工作机会更多；3、个人能够通过迁移改变由于初始所在地带来的劣势；4、在搜寻摩擦较大的情况下，基于搬迁补贴的劳动力流动政策是低效的，建立一个统一的工作中介或者是全国统一的最低工资制度效果会更好。

 

01  数据来源与变量设定

 

文章采用法国2010年人口普查确定的100个最大的城市群的数据，数据显示这些城市在调查年度的劳动力市场指标都相对稳定，失业率和工资分布均采用城市层面指标，同时假设不同城市的劳动力具有同质性。微观数据来源于DADS（自1976年以来每年跟踪调查所有在偶数年10月出生的就业者，2002年开始，开始跟踪调查10月份出生的所有人）。

 

本文主要关注2002-2007年，为了确保样本均为劳动力，作者仅保留在这一时期留在法国大陆的男性，并删除了只观察到一次的样本，得到了一个384,114人，200万个观察值的数据。

 

DADS数据来源于公司的工资单，不包含失业的直接信息，但可以利用雇员的工作时间和工资数据来构建个人可能的失业持续期，文章设定失业持续期少于15天不被认定为失业，而是工作转换（job-to-job transition）。前后所属同一家公司且失业持续期少于3个月的也不被认定为失业，只是工作调整。除此之外，本文还假设，失业人口仅发生与就业有关的地区迁移。

01

搜寻摩擦

 

 

由于搜寻摩擦的大小决定了个人是否决定迁移，文章采用引力模型分析城市之间的地理距离和部门差异如何影响劳动力流动，djl表示城市j和城市l之间的地理距离，hjl表示城市j和城市l之间的部门差异，因变量为劳动力流动。

 

结果显示地理距离和部门差异并不是相互替代的，而且城市固定效应能够解释近一半的劳动力迁移行为。由此说明通过迁入地和迁出地的城市固定效应、地理距离以及部门差异来刻画搜寻摩擦是合理的。

 

02

流动成本

 

55%的样本显示，个人通过迁移带来的工资增长往往比通过城市内部转换工作的工资增长要高，这说明个人为了弥补迁移相关的流动成本，会要求更高的工资，因此本文采用城市之间的工资差异来表示流动成本。

同样通过引力模型分析城市间地理距离和部门差异对工资差异的影响，结果发现地理距离对工资差距有显著影响，部门差异影响很小，与劳动力流动相反，工资增长没有被城市固定效应很好地解释。因此，模型将只使用地理距离和部门差异来刻画城市之间的工资差异。

                 

 

但仅距离无法完整解释流动成本，比如Lille和Paris之间的工资差距是Lille和Toulouse的两倍，但Paris和Lille的距离却是Lille和Toulouse的4倍。因此作者在模型中引入新因素来解释流动成本——城市宜居度（Amenity，指的是城市基础设施建设等因素）。

                                                                                        

02 模型介绍

01

工资效用函数

 

 

考虑j城的个人，按照他本期的就业状况分两种情况：失业和就业。失业状态下的效用用表示，就业状态（工资为w）的效用用表示：

 

（1）失业状态

 

失业状态下，个人未来面临三种可能的情况：继续失业、本地找工作、外地（k城）找工作。

（i）在本地继续失业，可以获得最低工资b，并享受该城市的非收入效用（即城市宜居度）；

（ii）在本地找工作，在本地找到工作的概率设定为，找到一份工资为w的工资给他带来的效用为，而工资w服从一个累积分布函数为的分布函数，是由雇主给出的工资。因此找到工作给个人带来的期望效用为.

（iii）在外地（k城）找工作，找到工作的概率要额外乘上一个摩擦项，

工资为w，期望效用需要额外减去流动成本（mobility cost）c，再按照所有其他城市进行求和得到.

下一期的总期望效用为上面三种情况的加总，设每一期的贴现率都为r，则未来每一期的效用贴现到今天，可以得到失业状态下效用的表达式：   

，即

 

（2）就业状态

 

就业状态下，个人未来面临四种可能的情况：继续该工作、在本地换一份工作、到外地去换一份工作、失业。

（i）继续工作，可以获得

（ii）在本地换工作，在职状态下找到新工作的概率为,新的工资水平同样来源于分布，期望效用为

（iii）去外地（k城）换工作，同理得到效用

（iv）失业，设失业的概率为，得到.

四种情况加总并贴现到当期，可以得到：

 

02

工资策略

 

 

这一部分中，定义两个特殊的工资水平——保留工资（reserved wage）和考虑流动成本的无差异工资（mobility-compatible indifference wage）。

 

（1）保留工资

 在失业情况下，如果雇主给出的工资不足保留工资，则个人会选择保持失业状态，可得

（2）考虑流动成本的无差异工资

在j城就业情况下且工资为w时，如果个人选择去l地工作，则l地雇主给出的工资至少要覆盖现有效用和流动成本

 

分别把和代入上文和的效用函数中，联立可以解出和的表达式，此处暂不列示，详见原文。

 

这两个工资水平代表工人的策略：

对于失业的工人而言：

接受一切工资大于的本地工作，接受一切工资大于的l城的工作。

对于现工资为w的工人而言：

接受一切工资大于w的本地工作，接受一切工资大于的l城的工作。

 

 

03

劳动力流动均衡

 

 

模型需要达到三个维度的均衡，才能形成稳态，分别是劳动力空间均衡，失业人口均衡和总人口均衡。

 

（1）空间均衡。失业人口会在考虑流动成本的基础上决定其最优停留点，用公式表达就是：

 

 

（2）失业人口均衡。由于失业率和总人口短期来看都是基本稳定的，这意味着j城减少的失业人口等于j城新增的失业人口。前者又可以分为两个部分，原本失业的在本地就业和原本失业的去往外地（k城）就业。这一关系我们简写为：

 j,k表示城市，U和E分别表示失业状态和就业状态。

设j城的总人口（劳动力）为，失业人口为，可以得到：

 

       解得失业率为：

 

 

（3）总人口均衡。同理，一个城市的总人口稳定，意味着流入的人口等于流出的人口，具体地，对j城而言：

 

流入（左边）：

流出（右边）：

（其中G(·)表示实际被接受的工资分布）

通过求解上述等式，最终可以获得一个关于所有m的线性方程组，记为AM=0。

 

03 参数估计

为了解决变量识别问题，文章给出了两个引理：

引理1：保留工资和考虑流动成本的无差异工资分别由观测到的最低工资水平和最低迁移工资给出。

引理2：雇主给出的工资分布函数F和观测到的实际工资分布函数G是一一对应的。

 

根据上文中第二部分的引力模型，作者利用下列函数识别（j地迁移到l地的摩擦系数）和（j地到l地的流动成本）：

 

模型中的其他参数设定见下表：

 

此外设定工资分布服从Beta分布，,贴现率r=2%.

 

04 基本结果

01

参数相关性

 

 

表6展示了主要参数之间的相关性，发现：

就业者在本地找到工作的概率（）和本地工资的离散程度（cv）正相关，即本地工资差异化程度越高，就业者在本地找到工作的概率越高。

当地工资平均值（E(w)）和就业机会（）正相关，即就业机会越多的城市工资平均水平越高；

当地就业机会多（）的城市，人口流动程度（,）也越高；

02

搜寻摩擦和流动成本

 

 

本地就业率达到53%就能够留住在职工人，但是其他城市的就业率要达到89%才能吸引在职工人迁移，这说明了搜寻摩擦的存在。

由于本文将搜寻摩擦从流动成本中剥离出来，本文估计的平均流动成本大概比Kennan and Walker (2011)估计的低了20倍，相当于18个月最低工资的累计值。

03

城市规模带来的工资溢价

 

 

较大的城市既具有较高的本地就业率，又能不断吸引外地人员，这两点中的哪一个对当地工资水平的影响更大？本文基于之前的一系列研究构建了一个估计本地期望工资的模型：

Local UE（unemployment） 和Local OTJ(on the job)表示当地人员搜寻行为对工资水平的贡献；

Migration UE和 Migration OTJ表示外地人员搜寻行为对工资水平的贡献。

 

经过参数估计，得出下图的结果，发现：1、城市的工资溢价几乎完全由本地人员的行为驱动；2、失业人员的搜寻行为对于当地工资几乎没有任何作用；3、城市之间的人员流动越频繁，本地人员搜寻工作行为的议价能力越低；4、小城市的工资更大程度是被外地人员的搜寻行为所影响，这些地区工资增长幅度也更小，而在大城市中，工人更乐意接受较低的初始工资，因为之后的工资增长机会大。

 

综上，城市规模带来的工资溢价主要来源于大城市在职人员更高的工作搜寻频率。城市规模越大，在职工人的就业机会越大，这促使雇主提高工资水平以留住这些员工。

 

05 结论

本文构造了一个搜寻模型来刻画流动成本和空间摩擦对个人迁移行为的影响，给理性人不迁移到富裕地区提供了一个合理解释，本文最重要的结论在于将搜寻摩擦从传统的流动成本剥离出来后，流动成本相比于以往的估计值低了一个量级。但本文尚有部分缺陷：模型不能用于分析城市对于劳动力的筛选作用（sorting）,而这恰恰是城市之间工资差异的重要来源；模型中没有包含雇主的相关决策，这很大程度影响个人的迁移行为。

 

Abstract

We build a dynamic model of migration where, in addition to standard relocation costs, workers face spatial frictions that decrease their ability to compete for distant job opportunities. We estimate the

model on a matched employer–employee panel dataset describing labour market transitions within and between the 100 largest French cities. Our identification strategy is based on the premise that frictions

affect the frequency of job transitions, while mobility costs impact the distribution of accepted wages.We find that: (1) controlling for spatial frictions reduces mobility cost estimates by one order of magnitude; (2) the urban wage premium is driven by better opportunities for local job-to-job transitions in larger cities; (3) migration reduces lifetime inequalities by providing insurance against unsatisfactory initial location draws; (4) labour mobility policies based on relocation subsidies are inefficient, unlike switching from nationwide to local minimum wages.

 

 

 

*文章来源：劳动经济学与社保研究

*侵权必删