引言

人口跨区域流动是我国区域经济格局调整的重要表现，也是流动人口改善家庭生计、参与城镇化进程的重要途径。“十五五”时期是基本实现社会主义现代化夯实基础、全面发力的关键阶段。“十五五规划”提出深入推进以人为本的新型城镇化，科学有序推进农业转移人口市民化，健全与常住人口相匹配的公共资源配置机制，全面推进常住地提供基本公共服务。这意味着流动人口发展问题已不再局限于能否进入城市就业，而更多体现为其能否实现由短期谋生向长期发展的转变。

对少数民族流动人口而言，这一问题不仅关系个人及家庭生计，也关系民族人口发展方式转变和各民族交往交流交融。随着少数民族人口跨区域流动日益普遍，仅从流出地条件出发已难以完整解释其生计变化。少数民族流动人口进入不同发展水平的城市后，面对的产业结构、岗位供给、工资水平和公共服务环境存在明显差异，流入地由此成为影响其发展机会的重要外部条件。

城市发展机会能否被个体获得，还受到教育水平、职业技能和岗位匹配能力等条件制约。人力资本较高者更容易进入收入较高、稳定性较强的岗位；教育和技能不足者即使流入较发达城市，也可能受到就业门槛、生活成本和制度嵌入等因素限制。因此，流入地发展环境对少数民族流动人口生计的影响可能并非简单的平均效应，而具有明显的人力资本条件性。本文由此关注：流入地发展水平能否直接改善少数民族流动人口的收入生计？区域发展机会是否需要借助教育等人力资本才能转化为个体收益？

一、文献综述

人口流动与区域经济发展的关系长期受到区域经济学和人口经济学关注。董栓成认为，区域间人口流动与地方经济发展具有较高关联度。潘越等从劳动力流入、流出及工业化进程出发，发现劳动力流动对不同地区经济增长的影响方向和强度存在差异。何雄浪等进一步指出，人口流入能够通过提高劳动生产率、促进产业结构升级和扩大消费投资等渠道影响区域经济增长。另一类研究从就业质量和生计资本出发，考察少数民族流动人口进入城市后的收入、就业稳定性和社会保障状况。苏丽锋发现，少数民族流动人口主要集中于技术含量较低的行业，其收入、劳动合同和社会保险状况仍有较大改善空间。朱军指出，人力资本和社会资本会影响少数民族流动人口的就业渠道、就业领域及就业质量。这说明进入城市并不意味着能够自然获得稳定生计，教育、技能和社会关系是流动人口捕捉城市发展机会的重要基础。相关研究还逐步转向少数民族流动人口的城市融入和长期发展。马子量等发现，就业属性、收入支出、流动时间和流入城市等级均会影响少数民族流动人口的居留意愿。此类研究将民族人口发展问题由民族地区拓展到城市流入地，说明城市等级、就业机会和流动境况是影响其稳定发展的重要因素。

既有研究较少从流入地视角考察城市发展环境如何作用于少数民族流动人口个体，也未充分揭示区域机会与人力资本之间的匹配关系。本文使用2015—2018年CMDS数据库中少数民族样本，并匹配中国城市统计年鉴数据，考察流入地发展环境与收入生计的关系。本文将民族人口发展研究由民族地区拓展至城市流入地，并区分区域发展水平的直接作用与间接作用，以识别城市发展机会转化为少数民族流动人口生计收益的具体条件。

二、研究方法选择

（一）研究思路

本文将少数民族流动人口微观数据与流入地城市数据相匹配，在控制个体特征、流动经历、家庭迁移、行业职业以及城市和年份固定效应的基础上，考察流入地发展环境对收入生计的影响。首先检验人均GDP的直接效应，继而引入教育年限与人均GDP交互项考察人力资本回报，并以劳动合同、社会保险和健康档案开展扩展检验，最后进行异质性与稳健性分析。该方法有助于降低个体选择、城市差异及年度冲击造成的估计偏误。

（二）基准模型设定

本文基准模型设定如下：

其中，i表示个体，c表示流入地城市，t表示年份。Y表示少数民族流动人口生计改善，即为月收入对数ln Income。X表示流入地发展环境，主变量为流入地人均GDP对数ln PGDP。Z为控制变量；μ_c为城市固定效应，λ_t为年份固定效应。标准误按流入地城市聚类。

β₁反映流入地发展环境对少数民族流动人口收入生计的平均直接效应。如果β₁显著为正，可以说明发展环境直接改善收入；如果β₁不显著则反之。

（三）机制检验模型

本文重点检验人力资本转化机制。其模型设定为：

其中，H表示教育年限，交互项H × lnPGPD用于检验流入地发展环境是否提高教育年限的收入回报。本文核心关注β₃。如果β₃显著为正，说明发展水平较高的流入地能够放大教育对收入的作用，使具备较高人力资本的少数民族流动人口更容易实现生计改善。除人力资本转化机制外，本文还开展就业吸纳机制和公共服务嵌入机制的扩展检验。就业吸纳机制使用是否签订劳动合同contract _ict作为因变量。公共服务嵌入机制使用Insurance _ict和Health _ict作为因变量。

三、数据来源与变量处理

（一）数据来源与样本选择

本文使用2015—2018年中国流动人口动态监测调查（CMDS）中的少数民族流动人口样本，并匹配中国城市统计年鉴数据城市层面数据。城市层面数据按照标准化后的流入地城市名称与调查年份进行匹配。受部分自治州、地区和盟等地级行政单元在城市数据库中覆盖不足的影响，城市层面总体匹配率为82.41%，最终获得35342个有效样本。

（二）被解释变量

本文以个人月收入对数衡量少数民族流动人口的收入生计，具体为个人月收入加1后取自然对数。收入能够直接反映个体在流入地劳动力市场中获得经济回报的能力。城市匹配样本中，的均值为8.0081，标准差为0.9163，个人月收入均值为3862.02元。鉴于收入变量存在极端值，本文在稳健性检验中进行1%缩尾处理。

（三）核心解释变量

本文以流入地人均地区生产总值对数衡量城市经济发展水平，其样本均值为11.1084，标准差为0.4526。为检验结论是否依赖于核心解释变量的选取，稳健性分析进一步使用流入地平均工资对数、第三产业增加值占比和人均财政支出进行替换。

（四）机制变量与控制变量

人力资本以受教育年限 衡量，并根据最高受教育程度折算。就业吸纳路径以劳动合同签订情况为被解释变量。由于该变量仅在2016—2017年具有一致口径，相关估计仅作为子样本扩展分析。公共服务嵌入路径分别以社会保险参与情况和健康档案建立情况 为被解释变量。鉴于社会保险变量在不同年份的统计口径并不完全一致，相关结果仅作为扩展分析。

控制变量包括性别、年龄及其平方项、婚姻状况、户口性质、受教育年限、流动年限、是否跨省流动、是否家庭化流动、行业、职业，以及城市层面的人口密度和每万人医疗卫生机构床位数。

（五）描述性统计

如下表所示，少数民族流动人口平均年龄为34.10岁，平均受教育年限为9.20年，平均流动年限为5.13年；跨省流动和家庭化流动的比例分别为41.61%和79.91%。家庭化流动比例较高，表明样本中的少数民族流动人口并非均为短期、个体化务工者，较多人口已在流入地形成家庭共同迁移和生活安排。

变量	样本量	均值	标准差	最小值	最大值
Income	35342	3862.0243	4333.0855	0.0000	500000.0000
ln Income	35342	8.0081	0.9163	0.0000	13.1224
ln PGDP	34361	11.1084	0.4526	9.3045	12.2807
Tertiary	27687	51.0847	11.6687	24.1700	80.9800
ln Wage	34634	11.2043	0.2512	10.4854	11.9173
Fiscal	34561	18550.1693	15571.5651	3413.1689	113811.9703
Density	34655	435.5325	410.7201	1.6215	2578.4447
Beds	34560	63.6023	22.7205	16.7151	141.0000
Age	35342	34.1029	9.6024	15.0000	64.0000
H	35342	9.1999	3.7043	0.0000	19.0000
Duration	35342	5.1265	5.3733	0.0000	60.0000
CrossProvince	35324	0.4161	0.4929	0.0000	1.0000
FamilyMigration	35342	0.7991	0.4007	0.0000	1.0000
Insurance	35342	0.9225	0.2673	0.0000	1.0000
HealthRecord	28038	0.3442	0.4751	0.0000	1.0000
注：Income为个人月收入；ln PGDP为流入地人均地区生产总值的自然对数；Tertiary为第三产业增加值占地区生产总值的比重；ln Wage为流入地平均工资的自然对数；Fiscal为流入地人均财政支出；Density为人口密度；Beds为每万人医疗卫生机构床位数；H为受教育年限；Duration为流动年限；CrossProvince、FamilyMigration、Insurance和HealthRecord均为虚拟变量。

四、实证结果分析

（一）基准回归结果

如表2所示，第（1）列仅控制年份固定效应，流入地人均地区生产总值对数的估计系数为0.3379，并在5%水平上显著。第（5）列进一步加入城市固定效应后，未通过显著性检验。控制城市不随时间变化的不可观测特征后，现有样本未能提供流入地经济发展水平直接提高少数民族流动人口收入的充分证据。

变量	(1)	(2)	(3)	(4)	(5)
ln PGDP	0.3379**	0.3114***	0.2322**	0.1916***	-0.0454
标准误	(0.1360)	(0.1141)	(0.1047)	(0.0402)	(0.1027)
p值	0.0130	0.0064	0.0266	0.0000	0.6582
个体特征	否	是	是	是	是
流动与家庭特征	否	否	是	是	是
行业、职业	否	否	否	是	是
城市层面控制变量	否	否	否	否	是
年份固定效应	是	是	是	是	是
城市固定效应	否	否	否	否	是
R²	0.0397	0.1046	0.1143	0.1925	0.2275
样本量	33655
注：括号内为按流入地城市聚类的标准误；***、**、*分别表示在1%、5%、10%水平上显著。各列使用完整基准模型共同样本；城市层面控制变量包括人口密度和每万人床位数。

（二）机制检验

如下表所示，教育年限与ln PGPD交互项在1%水平上显著为正，随着流入地经济发展水平提高，受教育年限对少数民族流动人口收入的促进作用显著增强。

变量	（1）ln Income
H	-0.1489*** (0.0519)
ln PGDP	-0.1831 (0.1200)
H × ln PGDP	0.0158*** (0.0048)
控制变量	控制
城市固定效应	控制
年份固定效应	控制
样本量	33655
R²	0.2282
注：括号内为流入地城市层面聚类的标准误；***、**、*分别表示在1%、5%和10%的水平上显著。

（三）扩展检验

为检验其他路径，做如表4所示的拓展检验，相关系数均未通过显著性检验，说明就业吸纳和公共服务嵌入路径尚未获得充分支持。

变量	(1) Contract	(2) Insurance	(3) HealthRecord
ln PGDP	−0.3234 (0.1990)	−0.0498 (0.0405)	−0.0925 (0.1328)
控制变量	控制	控制	控制
城市固定效应	控制	控制	控制
年份固定效应	控制	控制	控制
样本量	9121	33655	26764
R²	0.2024	0.0502	0.1824
注：括号内为流入地城市层面聚类的标准误。

（四）异质性分析

本文分别按照流动范围、家庭迁移方式、受教育程度、流入地区域和城市发展水平进行异质性分析。结果显示，在低发展水平城市组中，估计系数为−0.2738，在10%水平上显著为负。

分组	ln PGDP	样本量	R²
跨省流动	0.0320 (0.1492)	14193	0.1693
省内流动	−0.1456 (0.1527)	19462	0.2509
家庭化流动	−0.1141 (0.1159)	26934	0.2404
单人流动	0.1092 (0.0756)	6721	0.1913
高教育组	−0.1019 (0.1515)	10110	0.2413
低教育组	−0.0161 (0.1166)	23545	0.2201
东部地区	0.0161 (0.1627)	12956	0.1687
中部地区	0.2046 (0.3345)	2301	0.1923
西部地区	−0.0447 (0.1777)	18398	0.2372
高发展水平城市	−0.0141 (0.1122)	17531	0.1835
低发展水平城市	−0.2738* (0.1418)	16124	0.2467
注：括号内为流入地城市层面聚类的标准误。***、**、*分别表示在1%、5%、10%水平上显著。

（五）稳健性检验

表6报告了稳健性检验结果。核心解释变量替换、1%缩尾处理、剔除直辖市等估计下，核心结论未发生实质性变化。

检验方法	核心解释变量	系数	样本量	R²
替换为平均工资	ln Wage	−0.1780 (0.1348)	33928	0.2249
替换为第三产业占比	Tertiary	−0.0026 (0.0040)	27110	0.2421
替换为人均财政支出	Fiscal	0.0000 (0.0000)	34045	0.2224
1%缩尾处理	ln PGDP	−0.0403 (0.0764)	33655	0.3328
剔除直辖市		−0.0566 (0.1058)	31232	0.2157
16—59岁样本		−0.0460 (0.1008)	33423	0.2251
逆概率加权		−0.0587 (0.1237)	33655	0.2302
注：括号内为流入地城市层面聚类的标准误。本表各项稳健性检验的核心系数均未达到10%显著性水平。

五、结论与启示

本文研究发现：第一，流入地经济发展水平未并不能直接对民族流动人口产生直接收入效应。第二，流入地经济水平能够通过教育资源的改善提高教育回报，进而改善民族流动人口的生计。据此得出以下启示：第一，应从流入地机会转化的角度理解民族流动人口生计改善；第二，政策重心应聚焦提升教育与技能转化效率；第三，正视低发展水平城市的机会转化障碍。

参考文献：

1. [1] 潘越，杜小敏. 劳动力流动、工业化进程与区域经济增长——基于非参数可加模型的实证研究[J]. 数量经济技术经济研究，2010（05）：34-48.
2. [2] 何雄浪，史世姣. 人口流动对区域经济增长的影响——基于中国地级市面板数据的实证分析[J]. 金融与经济，2021（03）：63-70.
3. [3] 李晓阳，黄毅祥. 中国劳动力流动与区域经济增长的空间联动研究[J]. 中国人口科学，2014（01）：55-65+127.
4. [4] 纪韶，朱志胜. 中国城市群人口流动与区域经济发展平衡性研究——基于全国第六次人口普查长表数据的分析[J]. 经济理论与经济管理，2014，34（02）：5-16.
5. [5] 董栓成. 人口流动与区域经济发展的实证分析[J]. 市场与人口分析，2004，10（05）：23-32.
6. [6] 贺卫华. 中原经济区人口流动与区域经济协调发展研究[J]. 区域经济评论，2013（06）：96-102.
7. [7] 朱军. 新型城镇化中少数民族流动人口的生计资本与就业状况研究[J]. 湖北民族大学学报（哲学社会科学版），2021，39（04）：57-67.
8. [8] 苏丽锋. 少数民族人口流动特征与就业质量研究[J]. 民族研究，2015（05）：16-29+123-124.
9. [9] 刘美蓉，蔡果兰. 民族自治区流动人口状况与区域经济发展的关联度分析[J]. 中央民族大学学报（自然科学版），2012，21（02）：81-85.
10. [10] Hao T, Sun R, Tombe T, et al. The effect of migration policy on growth, structural change, and regional inequality in China[J]. Journal of monetary economics, 2020, 113: 112-134.
11. [11] Sun X, Chen J, Xie S. Becoming urban citizens: A three-phase perspective on the social integration of rural-urban migrants in China[J]. International journal of environmental research and public health, 2022, 19(10): 5946.