进一步地，为了区分低技能流动人口和高技能流动人口流入对本地劳动力市场影响的不同，我们将第二个模型设定为：

其中， $ {LI}_{j,t} $ 和 $ {HI}_{j,t} $ 分别表示在地区 $ j $ 第 $ t $ 年低技能和高技能流动人口的占比。与公式（1）相似，增加个人迁移状态和地区不同技能流动人口比例的交互项来区分对本地劳动力与外来劳动力工资影响的不同。公式（2）中 $ \;{\beta }_{1} $ 和 $ {\beta }_{2} $ 分别表示低技能和高技能流动人口与本地劳动力工资之间的关系。 $ {\beta }_{1}+{\beta }_{4} $ 和 $ {\beta }_{2}+{\beta }_{5} $ 分别表示低技能和高技能流动人口对外来劳动力工资的影响。

本文有关无条件分位数回归模型均采用聚类到城市层面的稳健标准误来解释异方差。另外，考虑到大量的模型和参数，我们在文中只提供了感兴趣的系数和标准误。

（二）变量与数据描述。

1.数据。本文主要使用CHNS微观数据、相应年份人口普查和全国1%人口抽样调查数据来研究劳动力流动对本地劳动力工资的影响以及可能带来的工资不平等问题。^④首先，CHNS微观数据库调查内容包含本文所需的核心被解释变量个人工资信息和详细工资构成，多阶段分层随机整群抽样的调查方法合理、样本量大，能够较好地代表中国居民收入分布情况。其次，该数据包含了性别、年龄和受教育程度等个人信息，为深入研究提供了支撑。人口普查和1%抽样调查数据则有利于我们构建各地区流动人口比例和分技能流动人口比例。

部分学者认为，现有劳动力流动的研究忽略了本地人，因为受到负面影响的本地人会选择向外流动，从而低估流动人口的替代效应。当使用小地理单元（如城市），这种偏差会大于大地理单元（如省份）。另外，“省内流动”通常包括乡、镇、街道等短距离迁移，并且相当比例是外生性原因造成，而“跨省流动”在更大程度上反映了流动人口对本地劳动力市场的影响（钟笑寒，2006）。但Card（2009）认为，流动人口驱动的本地人口外移有限。而且，随着中国城镇化进程的发展，人口流动范围正逐渐从“跨省流动”转为“省内流动”，城市间流动的占比越来越大。因此，尽管存在一定缺陷，我们依然使用地级市作为区域划分依据。

进行实证前，需要将样本进行处理。首先，农村地区的居民大多从事农业生产，基本不会受流动人口的影响，因此剔除了居住在农村地区的样本。^⑤其次，剔除不属于劳动力范畴的样本，主要包括在CHNS问卷中受访者对“为什么没有工作？”回答为家庭妇女、残疾、学生和退休的个体，并将样本限制在男性16—60岁以及女性16—55岁处于工作年龄的非农劳动力。另外，考虑到流动人口更偏好就业机会更多和公共设施更完善的大城市，小县城很难受流动人口的吸引，因此，将部分县级城市样本剔除。最后，对小时工资进行对数和1%缩尾处理，以排除异常值影响。

2.变量。本文感兴趣的结果是小时工资对数，利用劳动力工资除以工作时间取对数计算。对工资指标的衡量来自受访者提供的“去年一般每月的工资（元）”的回答。为剔除通货膨胀的影响，将工资调整到基期2015年的水平。依据平均每周工作时间和周数来将所得到的月工资转换为小时工资，具体计算公式为小时工资=月工资/（平均每周工作天数 $ \times $ 每天工作小时数 $ \times $ 4）。^⑥考虑到只有就业的受访者报告工资，因此，先研究流动人口与本地劳动力就业概率之间的关系，结果^⑦并不显著，排除这一因素对结果的干扰。

参考陆铭等（2014）和陈刚（2016）的做法，基于各年份人口普查和1%抽样调查数据计算得到各城市流动人口比例。对于一个个体是否是流动人口的界定，关键标志是人户分离状况。但CHNS调查数据中未提供户口所在地详细信息，我们使用个体出生地来代替户口所在地。根据中国家庭追踪调查（CFPS）数据库2010年基线调查的结果，除去1%左右无法匹配的个体，近74%的受访者户口所在地与出生地同区县，约10%的受访者户口所在地与出生地同市不同县。将出生地与居住地不同的个体定义为外来居民有一定现实意义。借鉴Card（2009）的做法，将仅受过初中及以下教育水平的流动人口定义为低技能流动人口，而将受教育水平为大专及以上的流动人口定义为高技能流动人口。

劳动力的流动通常是非随机的，有必要收集城市层面数据，将劳动力流动对劳动力市场的影响与同时发生的地区因素区分开，以避免遗漏变量导致劳动力流入与劳动力市场结果之间的虚假相关关系。本文所选取的核心控制变量主要分为个体层面特征变量和地区^⑧控制变量两类，具体变量信息和描述性统计结果见表1。

四、实证结果与分析

均值回归的结果^⑨只能解释流动人口进入对工资平均值的影响，而在提倡分配公平和党的十九大首次将共同富裕外化为具体奋斗目标的政策背景下，研究不同收入分位点上的群体如何受到流动人口的影响具有更强的参考价值和现实意义。

（一）主要结果。表2给出了上述公式（1）中的 $ {\beta }_{1} $ 、 $ {\beta }_{2} $ 和 $ {\beta }_{3} $ 在工资分布的不同百分位上的估计值。表2流动人口比例系数 $ {\beta }_{1} $ 表示流动人口比例与本地劳动力工资水平之间的关系。与之前的理论假说相一致，本文发现，大量流动人口的存在会降低工资分配底部本地人的工资水平。在其他条件不变的情况下，流动人口在劳动力中所占比例每增加10%，则处在第10分位点的本地人工资水平下降11.84%，处在第25分位点的本地劳动力工资水平下降10.20%。然而，系数在50%及以上分位点为正，随着分位点的增加从7.19%增加到45.53%。说明流动人口对劳动力市场的潜在影响是技能偏向型的。尽管一些低技能水平的本地人将面临来自流动人口的竞争，但更多的本地人能够从流动人口中获益。

表2中的外来系数 $ {\beta }_{2} $ 代表本地和外来劳动力工资的差异，结果表明处于工资分配中层及以下的外来居民工资水平往往低于同技能水平的本地劳动力，差距从第10个百分点的1.66%缩小到第50个百分点的0.37%，而工资处于第75分位点上的外来居民与本地居民差距并不显著，处于工资分配最上层的外来劳动力工资甚至会高于本地劳动力。这种模式符合前文论点，即当前不同技能水平流动人口被选择进入流入地的机制可能存在不同，低技能流动人口被选择是为了降低劳动力成本，而高技能流动人口是因为地区的技能需要而被选择进入。

表2外来和流动人口比例交互项系数 $ {\beta }_{3} $ 表示流动人口流入对本地和外来劳动力工资影响的差异。在收入分配的底端，我们可以发现相较于本地劳动力，外来劳动力的工资水平对流动人口的进入更加敏感，这一结果与Card（2009）的研究结论，即流动人口之间的竞争大于流动人口与当地人之间竞争基本吻合。流动人口的比例增加10%，位于工资第10百分位点上和第25分位点上的外来劳动力会比本地劳动力工资分别多损失3.08%和1.96%。本地和外来劳动力的这种差异不仅限于劳动力市场分配的底部，虽然高技能水平的外来劳动力能从流动人口比例增加中获利，但其获利的幅度明显小于同样技能水平的本地劳动力。

为区分异质性劳动力流入的影响，接下来利用无条件分位数估计等式（2），回归结果见图3。图3左侧显示了低技能流动人口与本地和外来劳动力工资水平之间的关系，即等式（2）中的 ${\beta }_{1}\mathrm{和}{\beta }_{1}+{\beta }_{4}$ 。首先，在第10和第15个百分位数时，低技能流动人口对本地劳动力工资的负面效应最为突出。在其他因素不变的情况下，低技能劳动力流入每增加10%，则处于这两个分位点上的本地居民工资分别下降2.65%和 2.33%。这种负向关系随着工资分位点的上升而减弱，并在第45百分点处转为正，而后在第95分位点处达到最大。系数变化说明了低技能流动人口与不同技能水平的本地人之间具有互补性，低技能劳动力流入对中高工资本地人产生了积极影响。虽然低技能劳动力流入会与低工资水平的本地人竞争，但与本地高技能劳动力形成互补，促进了本地高技能人工资的提升，特别是那些工资水平最高的本地人（假说1）。

在工资分配的第10个百分位，控制其他因素不变，低技能流动人口每增加10%，则外来劳动力工资水平下降3.02%，比本地劳动力的工资损失更大（系数绝对值 $ {\beta }_{1}+{\beta }_{4} $ 大于本地劳动力 $ {\beta }_{1} $ ）。低技能流动人口的流入对市场底部外来劳动力负面作用更大，说明市场底部外来劳动力对低技能流动人口流入更加敏感。系数也在约第45个百分位点转正，同样说明中高技能水平的外来劳动力工资并不会因为低技能流动人口涌入而下降。

图3右侧显示了高技能劳动力流入对本地和外来劳动力工资水平的影响，即等式（2）中的 $ {\beta }_{2}\mathrm{和}{\beta }_{2}+{\beta }_{5} $ 。高技能流动人口与本地劳动力工资之间的关系在整个分布上均为正，但对不同群组本地劳动力的增收效应幅度不同。对于处于工资第10分位点的本地劳动力来说，高技能流动人口每增加10%，与其工资2.26%的增长相关。这一结论佐证了假说2，高技能流动人口与低工资本地劳动力之间存在互补性，高技能劳动力流入促进了本地低技能人的工资。然而，从高技能流动人口中获益更多的仍然是高工资群体。在第90分位点处，高技能流动人口规模增长10%，本地劳动力工资水平提高5.22%。高技能流动人口每增加10%，与处于第95百分位点的本地劳动力工资7.75%增长相关。高技能流动人口显著提高了本地高技能人的工资水平，并且高技能本地人从高技能流动人口流入中获益更大（假设3）。

图 3 分技能劳动力流入对不同分位点本地和外来劳动力工资的影响

图选项

总体而言，一方面，低工资的本地和外来居民都会受到低技能流动人口流入的竞争。而高工资的本地和外来劳动力则会与低技能流动人口形成互补关系，获得低技能劳动力流入的收益。另一方面，高技能流动人口的流入有利于所有分位点上的群体增加工资，尤其有利于高工资的群体。这些结果均支持本文的假说4。

（二）稳健性检验。^⑩第一，更换变量。小时工资通常是研究工资差距最理想的指标，但由于CHNS问卷中并不是所有受访者都提供了有关工作时长的数据，为了尽可能多保留样本，使用众数法对缺失工作时长的样本进行了插补。并用对数月工资代替上述对数小时工资重新估计，更换变量后的结果支持上述结论。第二，更换样本。测试本文稳健性和减轻内生性的一个直接做法是剔除高薪产业占比大的城市，以检验所得到的结论是仅适用于特殊城市还是对所有城市都有类似影响。将一线城市北京市和上海市从样本中剔除，更换样本后的回归结果稳健。第三，构造工具变量进行再估计。虽然在上述实证分析时控制了众多地区特征变量和地区固定效应，但增加控制变量只能减轻并未消除遗漏变量带来的内生性。所以，本文借鉴Tabellini（2020）研究，采用份额移动法对 ${I}_{jt}$ 构造合适的工具变量进行再估计，具体可以表示为：

其中， $ {Pop}_{jt} $ 表示城市 $ j $ 调查年份 $ t $ 人口数， $ {\alpha }_{pj{t}_{0}} $ 表示在初始年份 $ {t}_{0} $ 城市 $ j $ 中，来自省份 $ p $ 流动人口所占份额；^⑪ $ {O}_{pt}^{M} $ 是在调查年份 $ t-1 $ 和 $ t $ 期间全国范围内来自省份 $ p $ 流动人口的数量。该方法构造的工具变量是基于经验规律，早期流动人口能够为其所处社会网络和家庭纽带中的其他人提供更多收入、就业和生活方面的信息，从而为前期形成的流动人口聚集区带来持续人口流入（茆长宝和穆光宗，2016）。工具变量法得到的系数在高分位点上更大，表明结论稳健。第四，使用双重差分（DID）模型进行再估计。2013年12月，中共中央政治局召开会议，提出走新型城镇化道路，被认为是指导今后一个时期全国城镇化健康发展的宏观性、战略性、基础性的规划，劳动力流动进入了一个新阶段（纪韶和李小亮，2019）。本文以2013年底出台的这一规划纲要作为准自然实验推断流动人口涌入与工资之间的关系。借鉴王立勇和胡睿( 2020) 的分组方法，将流动人口规模变化幅度较大地区的劳动力作为处理组。当2015年与2010年流动人口变化率^⑫大于中位数时，将其设置为处理组。构建的DID模型如下：

其中， $ {treat}_{i} $ 表示个体是否在处理组的虚拟变量，是处理组个体 $ {treat}_{i} $ 取值为1，否则取值为0； $ time $ 表示冲击时点虚拟变量，2013 年后取值为1，2013年及之前年份取值为0； $ {\mu }_{j}\mathrm{和}{\mu }_{t} $ 分别表示地区和时间固定效应； ${\varepsilon }_{i,j,t}$ 为随机扰动项。使用DID模型得到的treat回归系数在最高分位点上显著为正，进一步证明了本文结论。

五、机制分析

上述分析验证了技能交叉互补理论。因此，接下来重点关注高技能劳动力流入扩大工资差距的主要机制。

（一）机制1：劳动力流入外部性。^⑬尽管以往研究没有直接涉及高技能劳动力流入外部性对本地居民收入和收入差距的影响，但有关人力资本外部性的理论可以为本文提供借鉴。不管人力资本外部性是知识交流还是物质资本增加产生，都有利于技术进步。高技能劳动力流入带来的人力资本集聚未必直接提升地区的技术水平，但由于高技能劳动力与本地高端人才的交流与互动促进了技术扩散传播，从而有效带动流入地信息化水平的提高。另外，随着高技能劳动力的流入，有足够多训练有素的劳动力替代辞职的员工时，企业会倾向于增加物质资本投资，而资本（尤其是机器设备等）经常被看作是技术的载体。即服从高技能劳动力流入→人力资本外部性→技术进步（全要素生产率提高）→收入增长的机制。更进一步地，Acemoglu（1998）研究表明，技术进步是偏向高技能劳动力还是低技能劳动力取决于不同类型新技术的市场规模，高技能劳动力的流入显然提高了高技能劳动力的相对供给，那么偏向于高技能劳动力的新技术市场规模更大，企业更有动力对这类技术进行投资研发，最终形成高技能劳动力流入→技能偏向型技术进步→技能工资差距扩大的机制。

Autor等（1998）以计算机普及作为技能偏向型技术进步的标志，为证实传导机制，借鉴黄群慧等（2019）做法，得到各个城市互联网综合发展指数。图4基于城市分技能流动人口占比与互联网发展指数绘制的散点图。高技能流动人口占比更高的城市，互联网发展指数也相应更高，这种正向关系比低技能流动人口与互联网发展间的联系更紧密，初步印证了本文的理论机制。

接下来，构建高技能流动人口占比与互联网发展之间的实证模型进一步验证，模型如下：

其中， $ j\mathrm{和}t $ 分别表示城市和调查年份， $ internet $ 表示城市互联网发展程度，P为城市层面控制变量，系数 $ {\beta }_{1} $ 衡量高技能劳动力流入对互联网发展程度的影响。城市互联网技术的发展程度显然也会影响高技能劳动力的流动，高技能劳动力更愿意流动到互联网程度更高的城市。为了减轻可能存在的反向因果导致的内生性问题，将高技能流动人口占比滞后一期，^⑭并采用工具变量法再估计。参考黄群慧等（2019）的做法，利用各城市1984年每万人电话机数量作为地区互联网发展的工具变量。互联网技术是传统通讯技术的延续发展，满足相关性原则。相对于互联网技术的发展速度，固定电话等传统电信工具对当前经济社会的影响正在消失，满足排他性原则。

图 4 分技能流动人口占比与本地互联网发展程度的散点图

图选项

表3列（1）—列（3）是OLS的结果，列（4）—列（6）是2SLS的结果。高技能流动人口比例的系数显著为正，表明高技能流动人口比例上升有助于该城市互联网技术的发展。而低技能流动人口的系数都不显著，证明了低技能劳动力流入并未促进互联网技术的发展。接下来，考察高技能劳动力促进的互联网技术发展是否真的对不同收入水平的本地居民工资产生了不同的影响。

表4报告了UQR方法得到的城市互联网技术发展对本地劳动力收入影响的异质性。与预期一致，互联网发展程度对处于工资分配50分位点以上群体的工资提升作用更大，即互联网技术的发展对本地高技能群体的工资提升效应要高于本地低技能群体，与前文的发现相呼应。

（二）机制2：户籍制度。根据我国新型城镇化建设的规划纲要，城区常住人口300万以下的城市基本取消落户限制，因此，将城区常住人口超过300万的城市定义为落户相对困难的大城市，城区常住人口低于300万的为落户相对容易的小城市。通过城市落户难易程度的分样本分析来检验户籍制度拉大工资差距的渠道。逻辑在于，如果户籍制度是偏向高技能的，那么在落户更加困难地区的高技能本地人会从高技能劳动力的流入中获取更大的工资提升，而低技能本地人工资提升更少。

表5列（1）和列（2）结果显示了在落户限制程度不同的地区高技能劳动力流入对本地低技能劳动力的影响。一个很有意思的结论是在落户困难的大城市，高技能流入对于处于工资分配第10分位点和第25分位点上的本地劳动力工资水平无影响。而在落户相对容易的小城市，高技能流入对处于第10分位点和第25分位点上本地劳动力工资的促进作用显著为正。在基本放开落户限制的小城市，高技能劳动力流入对低技能本地人的工资促进作用明显高于落户受限的大城市。可能是因为，消费作为高技能流动人口影响低技能本地人工资水平的重要渠道之一，户籍制度对流动人口的消费抑制不利于高技能流入产生的本地需求效应，减弱了高技能流动人口与本地低技能劳动力之间的互补。

表5中的列（4）和列（5）结果分别显示了在流入地有落户限制和基本无落户限制两种情况下高技能劳动力流入对本地高工资群体影响的结果。我们发现，在大城市，高技能劳动力流入对本地第75分位点劳动力工资影响的回归系数为0.083，远大于小城市相似状况下的回归系数0.025。在第90分位点上，无论是经济显著性还是统计显著性，大城市流动人口对本地劳动力工资影响都更大。落户限制越强的地区，高技能流动人口对高技能本地人的促进作用更大。可能是因为在户籍约束较强的城市，高技能通常被选择入内，因此削弱了高技能流动人口和本地劳动力之间的替代效应。劳动力流动引致的本地高低技能劳动力之间工资不平等在落户困难的大城市中更加明显。

当然，值得注意的是，在小城市，高技能劳动力比例较低，高技能劳动力流入形成的经济聚集效应较小，因此对本地高技能劳动力工资的促进作用相对较小。在大城市，更多高技能劳动力提高了人力资本密度，高技能劳动力流入产生的经济集聚效应更强，从而更大幅度地提升了流入地劳动生产率和工资水平。因此，我们无法区分在落户困难的大城市中高技能劳动力的作用是户籍制度技能筛选机制引起的还是高技能劳动力流入形成的劳动力流入外部性导致。但不管哪种机制都体现了对高技能劳动力需求的不断上涨，支持劳动力流入产生的工资上涨福利效应偏向于高技能劳动力的核心论点。

相对而言，由技能水平高和学习能力强而从劳动力流入带来的信息和技术发展中获利更多进而引致工资差距更易被接受。但户籍制约带来的抑制低技能本地人工资增长是必须采取措施弥补的部分。因此，全面放开户籍制度或通过促进基本公共服务均等化减轻流动人口面临的不确定性，加速农业转移人口市民化，提高耐用品消费以及完善土地流转制度，改善流动人口信贷约束等措施不仅有助于促进流动人口消费，增强内需，也将有助于改善城镇化进程中劳动力流入引致的工资差距的扩大，对实现收入增长和分配公平的目标也具有重要意义。

六、结论与政策启示

本文以中国健康与营养调查（CHNS）微观数据为基础，匹配相应年份地区流动人口数据，使用无条件分位数回归法实证检验了人口流入对本地居民工资收入和工资收入分配的影响及其异质性。研究发现：第一，劳动力的流入不仅不会影响本地劳动力的就业概率，还会提高平均工资水平，但对工资分位点顶端群体的增收效果更明显，也因此扩大了劳动力工资分布。第二，低技能流动人口与本地低技能劳动力相互替代，而与高技能本地人互补。低技能流动人口的大量增加与处于工资分布底端劳动力的工资损失和高工资收入群体工资上涨有关。此外，低技能流动人口之间的竞争最为激烈。第三，高技能流动人口并不与高技能本地人竞争，而与本地劳动力表现出互补关系。高技能流动人口占比增加会显著提高所有技能水平劳动力的工资，但本地高工资群体从高技能流动人口流入中获利更多。第四，低技能流动人口与本地劳动力之间的技能交叉互补性、户籍制度的消费抑制和技能筛选机制以及劳动力流入外部性更利于本地高技能劳动力，是劳动力流入扩大本地劳动力工资收入分布的重要原因。

上述结论有助于深入认识和了解近年来中国城市居民内部工资差距持续高位的原因，对于进一步完善中国户籍制度和在高质量发展中实现共同富裕具有重要启示。具体的政策建议包括：（1）考虑到流动人口对稳就业和提高平均工资的积极作用，要进一步推动户籍制度改革，减小劳动力流动障碍。并通过促进公共服务均等化或尝试给流动人口发放消费券等方式间接或直接刺激流动人口消费。（2）对于低技能劳动力流入可能对本地低工资群体造成的冲击，政府一方面可以引导低技能劳动力流向劳动力成本较高的地区，更重要的是合理配置教育资源，大力提高低收入家庭和流动人口整体文化素质及技能水平，深入挖掘人才红利。围绕区域主导产业将低技能劳动力更多地转换为高技能人才。（3）高技能的聚集能促进本地居民收入的提升，因此，要合理规划城市布局，营造和谐的城市社区氛围，为高技能人才提供更好的交流互动机会和条件，形成一种有助于劳动力发挥流入外部性作用的劳动要素聚集模式。（4）在人口流动的过程中，获得了更大利益的高工资劳动力应承担更多税负，并加大对低工资人群的转移支付。高技能流入多的城市获利更大，也要承担更多的责任，比如为相应流出地提供更优质的教育资源或经验，这不仅有利于“先富带动后富”进而实现共同富裕，也为自身发展提供了长期动力。

① 需要注意的是，本文所说的外部性均指代流入地内部的外部性，而不考虑跨地区外部性。

② 卢晶亮（2017）实证结果表明设备资本积累显著提高了城镇劳动者技能工资差距，验证了我国存在“资本-技能”互补效应。

③ 有关无条件分位数的回归理论基础详见工作论文。

④ CHNS2015微观调查数据与2015年1%抽样调查数据，CHNS2011微观调查数据与2010年人口普查数据，CHNS2006微观调查数据与2005年1%人口抽样调查数据进行匹配。其他城市特征数据的年份同人口普查与1%抽样调查年份一致。衡量城市特征的数据均来自各年份《中国城市统计年鉴》。

⑤ 本文研究数据主要包括CHNS数据中所有城市调查点的数据。

⑥ 对于工作时间缺失的受访者，我们使用样本中一周工作天数和每天工作小时数的众数进行插补。

⑦ 详细回归结果见工作论文附表1，系数不显著。

⑧ 本文城市统计口径来源于《中国城市统计年鉴》的“市辖区”定义，包括所有城区，剔除了辖县和辖市。

⑨ 详细回归结果见工作论文附录2，估计系数结果显著为正。

⑩ 限于篇幅，分析图表省略，详见工作论文稳健性检验部分。

⑪ 在构造 $ {LI}_{jt} $ 和 $ {HI}_{jt} $ 的工具变量时，我们将此变量替换为相应来自省份 $ p $ 高技能流动人口和低技能流动人口所占份额。初始年份设定为1990年，数据来源于1990年第四次全国人口普查数据。

⑫ 令mig_j2010和mig_j2015分别表示 2010 年和 2015 年 j 地区的流动人口规模，流动人口变化率具体计算公式为(mig_j2015−mig_j2010)/mig_j2010。

⑬ 此部分感谢两位匿名审稿人的建议和启发。

⑭ 也就是说分别使用2006年城市互联网发展指数、2011年城市互联网发展指数和2016城市互联网发展指数对应2005年1%抽样调查数据、2010年人口普查数据与2015年1%抽样调查数据。