房價(jià)對(duì)人才職業(yè)選擇的影響?

李世剛 佘可欣 張莉

一、引言

1999 年住房市場(chǎng)改革以來，中國房價(jià)持續(xù)大幅上漲約二十年。房價(jià)的過快增長對(duì)社會(huì)經(jīng)濟(jì)和個(gè)體決策產(chǎn)生了重要影響。大量研究發(fā)現(xiàn)，房價(jià)會(huì)對(duì)勞動(dòng)力的消費(fèi)和儲(chǔ)蓄(李雪松和黃彥彥，2015)、遷移和居住(張莉等，2017a；周穎剛等，2019)等產(chǎn)生影響，但較少有文獻(xiàn)考察房價(jià)對(duì)個(gè)體在不同部門，尤其是公共部門和私人部門間職業(yè)選擇的影響。這正是本文關(guān)注的主題。

微觀個(gè)體的職業(yè)選擇在宏觀上表現(xiàn)為人力資本配置，而人力資本的有效配置會(huì)直接影響國家的經(jīng)濟(jì)發(fā)展和創(chuàng)新能力。中國人力資本配置的一大特點(diǎn)是大量高學(xué)歷人才集中在公共部門就業(yè)。中國經(jīng)濟(jì)增長前沿課題組等(2014)發(fā)現(xiàn)，和發(fā)達(dá)國家相比，中國公共部門的人力資本強(qiáng)度是美國的3 倍之多，但是制造業(yè)等生產(chǎn)性部門的人力資本強(qiáng)度則不到美國、英國的1/16。大量研究顯示，人力資本過度偏向公共部門配置會(huì)對(duì)經(jīng)濟(jì)增長(李世剛和尹恒，2017)和創(chuàng)新(賴德勝和紀(jì)雯雯，2015)產(chǎn)生負(fù)面影響?；诖?，本文考察房價(jià)對(duì)個(gè)體，尤其是不同能力水平的個(gè)體，在公共部門和私人部門間職業(yè)選擇的影響，以補(bǔ)充相關(guān)文獻(xiàn)。

大部分個(gè)體購房的資金主要來源于職業(yè)收入，因此房價(jià)高低會(huì)影響個(gè)體的職業(yè)選擇。具體而言，個(gè)體需要綜合考慮職業(yè)收入的相對(duì)高低和未來收入的持續(xù)穩(wěn)定性。一方面，個(gè)體希望選擇高收入的職業(yè)以盡快積累購房資金。公共部門的工資由政府制定，且在不同城市間的差距較小。而私人部門的工資相對(duì)更高，因此希望買房的個(gè)體可能會(huì)更傾向于在私人部門就業(yè)。另一方面，個(gè)體如果通過貸款購得房產(chǎn)，房貸利息按期償還的特點(diǎn)會(huì)使個(gè)體不得不考慮未來收入的穩(wěn)定性，因此有房貸的個(gè)體可能會(huì)傾向于選擇在收入穩(wěn)定的公共部門就業(yè)。綜上，房價(jià)對(duì)于個(gè)體在公共部門和私人部門間職業(yè)選擇的影響方向并不確定。

利用中國勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)(China Labor-force Dynamic Survey，CLDS)和城市層面的宏觀數(shù)據(jù)，本文研究發(fā)現(xiàn)，隨著城市房價(jià)提高，受教育程度高的個(gè)體進(jìn)入私人部門就業(yè)的概率顯著提高。這一結(jié)果在考慮內(nèi)生性問題和多種穩(wěn)健性檢驗(yàn)后依然成立。本文還根據(jù)城市地理位置和規(guī)模將樣本進(jìn)行分組，回歸結(jié)果表明房價(jià)對(duì)高學(xué)歷個(gè)體職業(yè)選擇的影響在東部和中部地區(qū)城市，以及特大和超大規(guī)模城市中更為顯著。本文發(fā)現(xiàn)，房價(jià)通過職業(yè)間的相對(duì)收入和未來收入的穩(wěn)定性兩個(gè)渠道影響個(gè)體的職業(yè)選擇。這些結(jié)論表明，高房價(jià)使教育水平高的個(gè)體傾向于進(jìn)入私人部門就業(yè)，進(jìn)而會(huì)對(duì)社會(huì)的人力資本配置產(chǎn)生影響。

相對(duì)于已有文獻(xiàn)，本文的邊際貢獻(xiàn)主要有:第一，拓展了人力資本配置領(lǐng)域的研究?，F(xiàn)有文獻(xiàn)多集中于考察制度等宏觀背景，以及收入等因素對(duì)人力資本配置的影響，而本文研究房價(jià)對(duì)人力資本在不同部門間職業(yè)選擇的影響。第二，豐富了房價(jià)領(lǐng)域的文獻(xiàn)。本文厘清了房價(jià)對(duì)個(gè)體職業(yè)選擇的具體影響及其作用機(jī)制，為房價(jià)影響微觀個(gè)體行為和經(jīng)濟(jì)發(fā)展的研究提供了新的視角和證據(jù)。

二、文獻(xiàn)綜述

房價(jià)是勞動(dòng)力在城市生活和居住的主要成本，會(huì)對(duì)勞動(dòng)力的流動(dòng)和居住決策產(chǎn)生重要影響。Helpman (1998)基于新經(jīng)濟(jì)地理學(xué)標(biāo)準(zhǔn)模型指出住房價(jià)格會(huì)影響勞動(dòng)者的相對(duì)效用，從而抑制勞動(dòng)力的集聚。Diamond (2016)則指出高技能勞動(dòng)力更偏好于公共環(huán)境較好的城市，相應(yīng)地愿意承擔(dān)更高的居住成本。高波等(2014)基于35 個(gè)大中城市樣本研究發(fā)現(xiàn)，城市的高房價(jià)提高了居住成本，阻礙了農(nóng)村勞動(dòng)力進(jìn)入城市。張莉等(2017a)研究發(fā)現(xiàn)房價(jià)存在拉力作用和阻力作用，因此房價(jià)對(duì)勞動(dòng)力的流動(dòng)產(chǎn)生先吸引后抑制的倒U 形影響。周穎剛等(2019)則發(fā)現(xiàn)，對(duì)于進(jìn)入城市的勞動(dòng)力家庭，高房價(jià)會(huì)增強(qiáng)其流動(dòng)意愿。

對(duì)于勞動(dòng)力進(jìn)入城市后的就業(yè)選擇，現(xiàn)有文獻(xiàn)多關(guān)注房價(jià)對(duì)個(gè)體創(chuàng)業(yè)行為的影響。Hurst 和Lusardi (2004)基于英國數(shù)據(jù)，發(fā)現(xiàn)較快的房價(jià)上漲并沒有與更明顯的創(chuàng)業(yè)增長相對(duì)應(yīng)。Bracke 等(2014)、Li 和Wu (2014)分別基于英國和中國的數(shù)據(jù)，發(fā)現(xiàn)房價(jià)上漲阻礙了創(chuàng)業(yè)活動(dòng)。吳曉渝等(2014)指出房價(jià)上漲除了帶來財(cái)富效應(yīng)，還存在著信貸效應(yīng)，以房產(chǎn)為抵押物可以增加貸款額度；但同時(shí)房產(chǎn)購買也是投資行為，會(huì)給創(chuàng)業(yè)投資帶來替代效應(yīng)；由于負(fù)的替代效應(yīng)大于正的財(cái)富效應(yīng)和信貸效應(yīng)，所以房價(jià)上漲整體上阻礙了創(chuàng)業(yè)行為。然而，Corradin 和Popov (2015)、Adelino 等(2015)采用美國數(shù)據(jù)發(fā)現(xiàn)，在信貸約束下，房屋價(jià)值增加會(huì)大大提升創(chuàng)業(yè)的可能性。但上述文獻(xiàn)均沒有研究房價(jià)對(duì)個(gè)體在公共部門和私人部門間就業(yè)選擇的影響。

現(xiàn)有文獻(xiàn)中關(guān)于人力資本配置原因的討論主要集中于制度和尋租。Baumol (1990)和Murphy 等(1991)指出社會(huì)游戲規(guī)則會(huì)影響各職業(yè)的相對(duì)回報(bào)結(jié)構(gòu)，從而決定個(gè)人偏好進(jìn)入哪個(gè)部門就業(yè)。Baumol (1990)還指出古代的中國不具備較為完善的產(chǎn)權(quán)保護(hù)制度，社會(huì)精英都渴望進(jìn)入官僚系統(tǒng)等非生產(chǎn)領(lǐng)域，通過尋租以獲得期望回報(bào)。與此類似，Glaeser 等(2004)和Ebeke 等(2015)認(rèn)為差的制度使得最優(yōu)秀和最聰明的人才偏離了生產(chǎn)性活動(dòng)，轉(zhuǎn)向了再分配領(lǐng)域，造成了人才配置扭曲。Wu 和Huang (2008)基于中國背景的研究發(fā)現(xiàn)，自1995 年后，法制建設(shè)和金融部門的改革嚴(yán)重滯后于政府管制權(quán)力的增強(qiáng)，較高的尋租收益吸引了許多高能力的企業(yè)家參與尋租活動(dòng)。

從已有文獻(xiàn)來看，一方面，盡管相當(dāng)多的研究揭示了房價(jià)與勞動(dòng)力流動(dòng)和就業(yè)的關(guān)系，但鮮有文獻(xiàn)關(guān)注房價(jià)對(duì)人力資本在城市中不同部門間尤其是公共部門和私人部門間配置的影響；另一方面，目前研究我國人力資本配置影響因素的文獻(xiàn)仍然較少，鮮有考慮到房價(jià)這個(gè)重要的宏觀變量對(duì)此可能產(chǎn)生的影響。因此，本文將城市房價(jià)與個(gè)體的職業(yè)選擇納入一個(gè)框架，通過將微觀層面的個(gè)體數(shù)據(jù)和城市層面的數(shù)據(jù)匹配，考察房價(jià)和人力資本配置之間的關(guān)系，豐富了現(xiàn)有的研究。

三、計(jì)量模型、數(shù)據(jù)和變量

(一)計(jì)量模型

為了考察房價(jià)對(duì)不同能力水平的個(gè)體進(jìn)入公共部門就業(yè)決策的異質(zhì)性影響，本文使用受教育水平作為個(gè)體能力水平的代理變量，構(gòu)建如下線性概率模型(LPM)①本文亦采用Probit 模型，結(jié)果保持不變。:

其中，i為個(gè)體，c為城市，t為年份。被解釋變量publici，t是個(gè)體i在t年是否在公共部門就業(yè)的虛擬變量，是為1，否則為0。解釋變量redui，t為個(gè)體i在t年的相對(duì)受教育水平，即個(gè)體i的受教育年限與其所在城市的所有個(gè)體平均受教育年限之比；housepricec，t是城市c在t年的房價(jià)；redui，t×housepricec，t是個(gè)體的相對(duì)受教育水平與城市房價(jià)的交互項(xiàng)，也是計(jì)量模型的核心解釋變量。Xi，c，t為一系列個(gè)體和城市層面的控制變量。εi，c，t為隨機(jī)誤差項(xiàng)。本文也控制了城市固定效應(yīng)(Cityc)和年份固定效應(yīng)(Yeart)。如果本文核心解釋變量的系數(shù)β3顯著為負(fù)，則說明教育水平較高的個(gè)體在房價(jià)較高的城市中進(jìn)入公共部門就業(yè)的概率更低，進(jìn)入私人部門就業(yè)的概率更高。

(二)數(shù)據(jù)和變量

1.個(gè)體層面變量

個(gè)體層面的數(shù)據(jù)來自中山大學(xué)社會(huì)科學(xué)調(diào)查中心2012 年、2014 年和2016 年中國勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)(CLDS)。該調(diào)查基于隨機(jī)分層抽樣方法，詳細(xì)記載了個(gè)體職業(yè)選擇方面的數(shù)據(jù)；樣本涵蓋了全國29 個(gè)省市②不包括港澳臺(tái)地區(qū)、西藏和海南省。家庭中15—64 歲的全部勞動(dòng)力，包括人口、教育水平、家庭構(gòu)成等信息，使本文能夠控制個(gè)體特征可能帶來的影響。本文主要研究房價(jià)對(duì)個(gè)體就業(yè)選擇的影響，因此剔除了非勞動(dòng)年齡和無工作的人口樣本。

被解釋變量為個(gè)體是否在公共部門就業(yè)的虛擬變量。問卷中“上周工作的單位或工作類型”為“黨、政、軍機(jī)關(guān)”或“機(jī)關(guān)團(tuán)體事業(yè)單位”的樣本定義為公共部門就業(yè)?？紤]到事業(yè)單位中的高校和科研機(jī)構(gòu)主要進(jìn)行教學(xué)和科研活動(dòng)，和公共部門性質(zhì)存在一定差異，因此剔除了職業(yè)為科學(xué)研究人員的樣本。選擇“國有及國有控股企業(yè)”、“集體企業(yè)”、“個(gè)體工商戶”、“私營企業(yè)”或“其他”的樣本定義為私人部門就業(yè)。由于問卷中只有教育水平選項(xiàng)而沒有受教育年限的信息，根據(jù)邢春冰等(2013)，本文對(duì)各選項(xiàng)進(jìn)行受教育年限賦值。①未上過學(xué)定義受教育年限為0。相應(yīng)地，小學(xué)為6，初中為9，高中為12，大學(xué)?？茷?5，大學(xué)本科為16，研究生及以上為19。由于中國各城市的個(gè)體平均受教育水平差異較大，比如在一個(gè)落后偏遠(yuǎn)的小城市，本科已經(jīng)算是很高的教育水平，但是在北京、上海等大城市，研究生也不少，因此直接使用個(gè)體的受教育年限可能會(huì)導(dǎo)致不同城市的個(gè)體受教育年限不可比。本文使用相對(duì)受教育年限②穩(wěn)健性檢驗(yàn)中亦報(bào)告了使用絕對(duì)教育水平衡量的結(jié)果，與基準(zhǔn)回歸無異。，即先計(jì)算個(gè)體所在城市的平均受教育年限，再用個(gè)體的受教育年限除以所在城市的平均受教育年限得到。

本文控制的個(gè)體層面變量有:年齡；性別，當(dāng)個(gè)體為女性時(shí)取值為1，否則為0；婚姻狀況，未婚取值為0，已婚、離異或喪偶取值為1；政治面貌，當(dāng)個(gè)體為黨員時(shí)取值為1，否則為0；外語能力，當(dāng)個(gè)體掌握外語時(shí)取值為1，否則為0。表1 報(bào)告了個(gè)體層面變量的描述性統(tǒng)計(jì)。

表1 個(gè)體層面變量的描述性統(tǒng)計(jì)

2.城市層面變量

城市層面的數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》、《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和《中國國土資源統(tǒng)計(jì)年鑒》等。本文的核心解釋變量之一為城市房價(jià)。房價(jià)數(shù)據(jù)用2000 年為基期的居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減。本文采用2001—2011 年房價(jià)均值匹配2012 年CLDS 數(shù)據(jù)，用2001—2013 年房價(jià)均值匹配2014 年CLDS 數(shù)據(jù)，用2001—2015 年房價(jià)均值匹配2016 年CLDS 數(shù)據(jù)。選擇房價(jià)均值作為自變量，主要基于如下幾個(gè)考慮:第一，CLDS 數(shù)據(jù)里，個(gè)體開始這份工作(或職業(yè))的時(shí)間大多不在數(shù)據(jù)調(diào)查當(dāng)年，因此不能使用當(dāng)年的房價(jià)對(duì)職業(yè)選擇進(jìn)行回歸；第二，CLDS 數(shù)據(jù)沒有記錄個(gè)體開始這份工作(或職業(yè))的具體時(shí)間，因此我們也沒有辦法使用個(gè)體開始這份工作(或職業(yè))當(dāng)年的房價(jià)對(duì)職業(yè)進(jìn)行回歸；第三，工作(或職業(yè))選擇對(duì)個(gè)體的生活影響極大，因此個(gè)體在職業(yè)選擇時(shí)不太可能只根據(jù)當(dāng)年的房價(jià)就做出決定，更可能的是參考過去一段時(shí)間的房價(jià)情況來做出職業(yè)選擇。綜合以上考慮，我們?cè)谟?jì)量分析時(shí)，使用一段時(shí)間的平均房價(jià)作為自變量，對(duì)職業(yè)選擇進(jìn)行回歸。①我們也使用過去5 年房價(jià)的均值作為自變量進(jìn)行回歸，即用2007—2011 年的房價(jià)均值匹配2012 年的CLDS 數(shù)據(jù)，用2009—2013 年的房價(jià)均值匹配2014 年的CLDS 數(shù)據(jù)，用2011—2015 年的房價(jià)均值匹配2016 年的CLDS 數(shù)據(jù)；也根據(jù)個(gè)體年齡和教育時(shí)間反推個(gè)體首次進(jìn)入勞動(dòng)力市場(chǎng)的時(shí)間，并將個(gè)體的職業(yè)選擇對(duì)其初次進(jìn)入勞動(dòng)力市場(chǎng)當(dāng)年和上一年的平均房價(jià)進(jìn)行回歸，結(jié)果均保持穩(wěn)健。因篇幅所限，本文省略了相關(guān)的回歸表格，感興趣的讀者可在《經(jīng)濟(jì)科學(xué)》官網(wǎng)論文頁面“附錄與擴(kuò)展”欄目下載。

本文也控制了城市層面的變量:城市的經(jīng)濟(jì)發(fā)展?fàn)顩r，包括人均GDP 的對(duì)數(shù)和GDP增長率；人口情況，包括城市人口密度和城市人口增長率；產(chǎn)業(yè)結(jié)構(gòu)，由第三產(chǎn)業(yè)與第二產(chǎn)業(yè)的比值表示；基礎(chǔ)教育水平，包括城市人口的平均受教育年限和中小學(xué)師生比；投資和外資使用情況，包括城市的固定資產(chǎn)投資和外商直接投資；城市財(cái)政收入占GDP的比重；城市的公共部門規(guī)模，包括城市財(cái)政供養(yǎng)人口比重；城市私營經(jīng)濟(jì)發(fā)展情況，以城鎮(zhèn)私營和個(gè)體從業(yè)人員數(shù)占年末從業(yè)人數(shù)的比重來衡量。城市層面變量的描述性統(tǒng)計(jì)如表2 所示。

表2 城市層面變量的描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果及分析

(一)基準(zhǔn)回歸結(jié)果

表3 報(bào)告了城市房價(jià)影響個(gè)體職業(yè)選擇的估計(jì)結(jié)果。第(1)列未放入房價(jià)與相對(duì)教育水平的交互項(xiàng)。個(gè)體相對(duì)受教育水平的系數(shù)在1%的水平下顯著為正，說明受教育水平越高的個(gè)體進(jìn)入公共部門的概率越高。

表3 基準(zhǔn)回歸結(jié)果

(續(xù)表)

第(2)列加入房價(jià)與相對(duì)受教育水平的交互項(xiàng)，交互項(xiàng)的系數(shù)在1%的水平上顯著為負(fù)，說明房價(jià)越高，教育水平高的個(gè)體在公共部門就業(yè)的概率越低；相對(duì)受教育水平每提高1 年，其進(jìn)入公共部門就業(yè)的概率平均降低約5%。由于加入城市房價(jià)與相對(duì)受教育水平交互項(xiàng)的模型不僅可以考察房價(jià)對(duì)個(gè)體職業(yè)選擇的平均影響，還可以考察不同教育水平個(gè)體的異質(zhì)性影響，因此后文的討論將主要圍繞這一模型進(jìn)行。個(gè)體和城市層面的控制變量都顯著影響了個(gè)體的職業(yè)選擇。女性和黨員在公共部門就業(yè)的概率也相對(duì)較高。城市平均教育水平的系數(shù)顯著為正，說明在整體教育水平更高的城市，個(gè)體進(jìn)入公共部門就業(yè)的概率更高。

考慮到房價(jià)對(duì)個(gè)體職業(yè)選擇的影響可能存在某個(gè)拐點(diǎn)，比如當(dāng)房價(jià)超過一定臨界值時(shí)，個(gè)體可能認(rèn)為過高的購房成本難以負(fù)擔(dān)，職業(yè)選擇時(shí)不再將房價(jià)納入考慮，因此在回歸中加入房價(jià)的二次項(xiàng)。第(3)列結(jié)果顯示，房價(jià)二次項(xiàng)的系數(shù)不顯著，說明目前房價(jià)對(duì)樣本中所有個(gè)體的影響不存在拐點(diǎn)，高房價(jià)仍然使受教育水平高的個(gè)體傾向于進(jìn)入私人部門工作。第(4)列采用Probit 模型進(jìn)行檢驗(yàn)，交互項(xiàng)的系數(shù)仍在1%的水平上顯著為負(fù)，表明改變估計(jì)方法不影響本文的回歸結(jié)果。

(二)內(nèi)生性討論

本文的研究可能存在內(nèi)生性問題。首先，個(gè)體的職業(yè)選擇會(huì)受到諸多因素的影響，而城市可能具有某種特點(diǎn)，比如地域文化，使得城市中受過良好教育的個(gè)體更傾向于在私人部門就業(yè)，而這種特點(diǎn)本身可能就會(huì)使城市經(jīng)濟(jì)發(fā)展更加迅速，推高城市房價(jià)。其次，房價(jià)和個(gè)體的職業(yè)選擇存在互為因果的問題。當(dāng)城市中的個(gè)體傾向于進(jìn)入企業(yè)部門工作時(shí)，企業(yè)部門的擴(kuò)張以及居民的收入增長效應(yīng)會(huì)提供房地產(chǎn)需求，進(jìn)而促進(jìn)本地區(qū)房價(jià)的上漲(余泳澤和張少輝，2017)。針對(duì)上述內(nèi)生性問題，本文嘗試尋找房價(jià)的工具變量對(duì)模型進(jìn)行重新估計(jì)。

城市的房價(jià)會(huì)受到供給和需求兩個(gè)方面的影響。中國的城市建設(shè)用地為國有，政府嚴(yán)格控制建設(shè)用地的出讓，因此供給方對(duì)房價(jià)的影響非常重要(張莉等，2017b)。中國一直以來都對(duì)建設(shè)用地指標(biāo)進(jìn)行嚴(yán)格的管控，土地出讓面積是一個(gè)政府政策變量，具有較強(qiáng)的外生性，與個(gè)人職業(yè)選擇沒有直接聯(lián)系。此外，因?yàn)樽≌玫乇仨氁猿鲎尩姆绞竭M(jìn)行供應(yīng)，因此土地出讓面積對(duì)房價(jià)有直接的影響，在相當(dāng)一部分文獻(xiàn)中用作房價(jià)的工具變量(陸銘等，2015；余泳澤和張少輝，2017)。為了避免地區(qū)面積及人口規(guī)模的差異導(dǎo)致不同城市土地面積不可比，本文采用人均土地出讓面積作為工具變量，以2001—2011 年、2001—2013 年、2001—2015 年城市人均土地出讓面積均值作為對(duì)應(yīng)年份跨度的房價(jià)均值的工具變量。

考慮到個(gè)體的教育水平也存在內(nèi)生性問題，本文采用受訪者的父母的平均相對(duì)受教育年限作為個(gè)體相對(duì)受教育年限的工具變量，即用父母的平均受教育年限除以所在城市的平均受教育年限，并與相應(yīng)的人均土地出讓面積交乘進(jìn)行回歸。我們也控制更多父母層面的控制變量，但受限于數(shù)據(jù)中沒有父母職業(yè)的詳細(xì)信息，我們參照陸益龍(2008)和陳釗等(2009)，控制個(gè)體父親和母親的戶口類型(非農(nóng)戶口取值為1，農(nóng)業(yè)戶口取值為0)，以及基于2014 年、2016 年問卷數(shù)據(jù)，控制個(gè)體的父親和母親是否健在(健在則取值為1，反之為0)、父親和母親是否為黨員(黨員則取值為1，反之為0)變量。

表4 報(bào)告了工具變量的回歸結(jié)果。第一階段回歸中，房價(jià)和個(gè)體相對(duì)受教育水平的工具變量的回歸系數(shù)均顯著為正，且F統(tǒng)計(jì)量大于10，排除弱工具變量問題。第(4)列展示了第二階段的回歸結(jié)果，交互項(xiàng)的系數(shù)在1%的水平上顯著為負(fù)，與表3 列(4)報(bào)告的基準(zhǔn)回歸結(jié)果差異較小。在第(5)列進(jìn)一步控制父母的戶口類型、父母是否健在以及父母是否為黨員這些變量后①內(nèi)生性討論部分的具體結(jié)果請(qǐng)見《經(jīng)濟(jì)科學(xué)》官網(wǎng)“附錄與擴(kuò)展”。，結(jié)果依然穩(wěn)健，說明本文的內(nèi)生性問題并不嚴(yán)重，因此后面的討論主要基于全樣本的LPM 回歸。②我們對(duì)后文所有的討論均做了工具變量回歸，結(jié)果并不改變。限于篇幅，不在正文中報(bào)告。

表4 工具變量回歸結(jié)果

(續(xù)表)

(三)穩(wěn)健性檢驗(yàn)①穩(wěn)健性檢驗(yàn)的具體回歸結(jié)果請(qǐng)見《經(jīng)濟(jì)科學(xué)》官網(wǎng)“附錄與擴(kuò)展”。

(1)替換關(guān)鍵變量。房價(jià)工資比為各年份城市房價(jià)與職工年平均工資②職工平均工資數(shù)據(jù)來自《中國城市統(tǒng)計(jì)年鑒》，采用2001—2011 年房價(jià)工資比均值匹配2012 年CLDS 數(shù)據(jù)，2001—2013 年房價(jià)工資比均值匹配2014 年CLDS 數(shù)據(jù)，2001—2015 年房價(jià)工資比均值匹配2016 年CLDS 數(shù)據(jù)。的比值，可以衡量給定城市中勞動(dòng)力購買房產(chǎn)的平均難易程度(張莉等，2017a)，因此本文選取房價(jià)工資比作為房價(jià)的替代變量進(jìn)行回歸。考慮到城市間受教育水平的差異，本文在基礎(chǔ)回歸中采用相對(duì)受教育年限作為教育水平的代理變量。但是受教育年限僅能直觀體現(xiàn)個(gè)人的教育水平，因此本文使用個(gè)體的受教育年限和房價(jià)的交互項(xiàng)進(jìn)行回歸。此外，在公共部門工作有一定的學(xué)歷要求，而私人部門鮮有類似的明確要求或者要求更低。學(xué)歷的限制可能導(dǎo)致一些本來想進(jìn)入公共部門工作的人不得不進(jìn)入私人部門工作。根據(jù)公務(wù)員報(bào)考條件，大專是基本的學(xué)歷要求，大部分崗位要求本科及本科以上學(xué)歷。因此，我們將教育水平的指標(biāo)設(shè)置為是否大專以上和是否本科以上的學(xué)歷重新進(jìn)行回歸。

(2)更改公共部門定義。在基礎(chǔ)回歸中，考慮到國有及國有控股企業(yè)的特殊性質(zhì)，我們沒有將其包含在公共部門的定義中。高校和科研機(jī)構(gòu)主要從事教學(xué)和科研工作，與政府機(jī)關(guān)有一定差異，因此我們也將其從公共部門樣本中剔除。國有企業(yè)是建立在公有產(chǎn)權(quán)基礎(chǔ)之上的經(jīng)濟(jì)組織，通常也可劃歸為公共部門。本文放寬公共部門的定義，將“國有及國有控股企業(yè)”和科學(xué)技術(shù)人員依次歸入公共部門進(jìn)行回歸。

(3)考慮就業(yè)時(shí)間。本文采用2001 年開始的房價(jià)探究房價(jià)對(duì)個(gè)體職業(yè)選擇的影響，但是部分個(gè)體可能較早進(jìn)入市場(chǎng)，在2001 年以前就選定職業(yè)后沒有變更，沒有明顯受到2001—2015 年間房價(jià)的影響。為了使結(jié)果更為精確，本文對(duì)樣本進(jìn)行篩選，考慮到受教育水平高的個(gè)體一般在高中畢業(yè)后進(jìn)入勞動(dòng)力市場(chǎng)，因此選擇在2012 年為32 歲、2014年為34 歲和2016 年36 歲及以下的個(gè)體樣本進(jìn)行回歸。以上回歸結(jié)果均與基準(zhǔn)結(jié)果保持一致，說明本文的結(jié)論較為穩(wěn)健。

(四)異質(zhì)性分析

不同城市的經(jīng)濟(jì)發(fā)展和社會(huì)環(huán)境可能存在較大差異，因此在異質(zhì)性分析部分，本文主要探究在不同地理位置和規(guī)模的城市中房價(jià)對(duì)不同教育水平的個(gè)體進(jìn)入公共部門就業(yè)決策的異質(zhì)性影響。

(1)城市區(qū)位。相比于西部地區(qū)，東中部地區(qū)往往房價(jià)更高，可能對(duì)個(gè)體職業(yè)選擇帶來更大的影響。因此，我們根據(jù)城市所處區(qū)域?qū)颖緞澐譃闁|部、中部和西部地區(qū)。由表5 可知，在東部地區(qū)和中部地區(qū)的城市，房價(jià)越高，受教育水平越高的個(gè)體進(jìn)入公共部門就業(yè)的概率越低，而在西部地區(qū)不存在這一效應(yīng)。這很可能是因?yàn)橄鄬?duì)于西部地區(qū)，東部地區(qū)和中部地區(qū)經(jīng)濟(jì)發(fā)展迅速，產(chǎn)業(yè)結(jié)構(gòu)較為優(yōu)化，企業(yè)發(fā)展迅速，工資報(bào)酬較優(yōu)，個(gè)體從業(yè)的選擇面較寬。同時(shí)，這些地區(qū)的房價(jià)較高，帶來購房成本也較高，使個(gè)體更傾向于進(jìn)入私人部門。

表5 異質(zhì)性分析:城市區(qū)位

(2)城市規(guī)模。根據(jù)2014 年國務(wù)院發(fā)布的《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》，我們將城市規(guī)模劃分成為特大或超大、大、中和小，分樣本回歸結(jié)果如表6 所示。在特大超大城市中，房價(jià)對(duì)高學(xué)歷的個(gè)體在公共部門就業(yè)概率的影響更為顯著，說明相比于小中大規(guī)模的城市，在特大超大規(guī)模城市的個(gè)體在房價(jià)上升時(shí)更傾向于進(jìn)入私人部門。這可能是因?yàn)樘卮蟪蟪鞘型懈优畈l(fā)展的企業(yè)經(jīng)濟(jì)，個(gè)體在私人部門可以獲得可持續(xù)的高報(bào)酬以承擔(dān)較高的購房成本，因此會(huì)更傾向于進(jìn)入私人部門。

表6 異質(zhì)性分析:城市規(guī)模

五、機(jī)制分析

基準(zhǔn)回歸的結(jié)果表明，隨著房價(jià)上升，教育水平高的個(gè)體在公共部門就業(yè)概率有所下降。如果將教育水平作為人力資本水平的代理變量，本文的結(jié)論表明城市房價(jià)上升影響了人力資本配置。我們將從職業(yè)間的相對(duì)收入和未來收入的穩(wěn)定性兩個(gè)角度探究房價(jià)影響個(gè)體職業(yè)選擇的內(nèi)在機(jī)制。

(一)職業(yè)間的相對(duì)收入

個(gè)體在公共部門和私人部門之間進(jìn)行職業(yè)選擇時(shí)首先考慮職業(yè)間的相對(duì)收入差異。高工資往往對(duì)個(gè)體有較大的吸引力。房價(jià)上漲會(huì)給居民帶來更高的生活成本，從而推高本地的平均工資水平(陳斌開等，2018)。由于公共部門的工資較為穩(wěn)定，因此平均工資的提高主要在私人部門的工資，從而提高私人部門的吸引力。

CLDS 數(shù)據(jù)中個(gè)體的收入數(shù)據(jù)質(zhì)量比較差，因此本文采用2010 年、2012 年、2013 年和2015 年的中國綜合社會(huì)調(diào)查(Chinese General Social Survey，CGSS)數(shù)據(jù)來檢驗(yàn)公共部門和私人部門工資與城市房價(jià)的關(guān)系。CGSS 數(shù)據(jù)公布了個(gè)體的職業(yè)收入和工作時(shí)間，因此可以計(jì)算出每一個(gè)個(gè)體的每小時(shí)職業(yè)收入對(duì)數(shù)，并采用如下方程進(jìn)行估計(jì):

其中，i為個(gè)體，c為城市，t為年份。被解釋變量ln (wagei，t)是個(gè)體i在t年每小時(shí)職業(yè)收入的對(duì)數(shù)。解釋變量redui，t為個(gè)體i在t年的相對(duì)受教育水平，即個(gè)體i的受教育年限與其所在城市的所有個(gè)體平均受教育年限之比；housepricec，t是城市c在t年的房價(jià)；redui，t×housepricec，t是個(gè)體的相對(duì)受教育水平與城市房價(jià)的交互項(xiàng)，也是計(jì)量模型的核心解釋變量。Xi，c，t為個(gè)體和城市層面的控制變量，與基準(zhǔn)回歸相同。εi，c，t為隨機(jī)誤差項(xiàng)。本文也控制了城市固定效應(yīng)和年份固定效應(yīng)。

我們對(duì)在公共部門工作的個(gè)體樣本和在私人部門工作的個(gè)體樣本分別進(jìn)行式(2)回歸，以比較個(gè)體相對(duì)教育水平與房價(jià)的交互項(xiàng)系數(shù)τ3在兩個(gè)子樣本回歸中的差異。如果這一系數(shù)為正，且私人部門樣本的系數(shù)顯著大于公共部門樣本的系數(shù)，則表明隨著房價(jià)的提高，私人部門的職業(yè)收入比公共部門的增長更快。從表7 可以看出，私人部門樣本的系數(shù)顯著高于公共部門樣本，驗(yàn)證了職業(yè)間相對(duì)收入這一機(jī)制。

表7 機(jī)制分析1:職業(yè)間的相對(duì)收入

在一些地區(qū)，擁有政治和經(jīng)濟(jì)資源的公共部門可能通過設(shè)置較多的審批環(huán)節(jié)來獲得更多的管制權(quán)力和尋租機(jī)會(huì)，增大腐敗空間(Shleifer 和Vishny，1993)。另外，官員擁有過度集中的最終決策權(quán)和政治資源，并且缺乏完善的紀(jì)律和司法監(jiān)督，因此有足夠的空間和動(dòng)機(jī)進(jìn)行“權(quán)錢交易”(周黎安和陶婧，2009)，使其總收入不局限于工資，從而降低了職業(yè)間的相對(duì)收入，削弱私人部門工資的吸引力。如果地區(qū)市場(chǎng)經(jīng)濟(jì)發(fā)展較好，市場(chǎng)較為規(guī)范，公開性和透明性較高，會(huì)在客觀上減少官員尋租空間，有利于私人部門的發(fā)展。

對(duì)于腐敗程度的度量，本文借鑒周黎安和陶婧(2009)，使用《中國檢察年鑒》2001—2011 年各省份每萬名公職人員腐敗案件數(shù)的平均值作為腐敗程度的代理變量，并以中位數(shù)劃分腐敗程度的高低，進(jìn)行描述性統(tǒng)計(jì)和回歸。地區(qū)的市場(chǎng)化水平采用樊綱等編制的地區(qū)市場(chǎng)化指數(shù)。本文采用2001—2011 年各省的市場(chǎng)化指數(shù)平均值，并以中位數(shù)劃分市場(chǎng)化水平的高低。不同腐敗程度和市場(chǎng)化水平下職業(yè)選擇情況的描述性統(tǒng)計(jì)如表8 所示。

表8 不同腐敗程度和市場(chǎng)化水平下職業(yè)選擇情況的描述性統(tǒng)計(jì)

(二)未來收入的穩(wěn)定性

除了收入的高低，未來收入的持續(xù)性和穩(wěn)定性也是影響個(gè)體職業(yè)選擇的重要因素。Black 等(2009)提出高教育水平的個(gè)體會(huì)更傾向于選擇較穩(wěn)定的工作以獲得穩(wěn)定的收入。通常公共部門的收入穩(wěn)定性高于私人部門，因此理論上教育水平高的個(gè)體會(huì)更傾向于進(jìn)入公共部門就業(yè)。但是房產(chǎn)是個(gè)人資產(chǎn)的重要組成部分，高房價(jià)會(huì)提高居民的名義財(cái)富規(guī)模進(jìn)而影響居民風(fēng)險(xiǎn)偏好(Zanetti，2014)，從而影響未來收入的穩(wěn)定性對(duì)個(gè)體的重要程度。而對(duì)于為了買房而貸款的個(gè)體，按期償還房貸的要求會(huì)使得未來收入的穩(wěn)定性是其考慮的重要因素。

相對(duì)于公共部門，私人部門的工作有如下特點(diǎn):第一，平均而言，收入更高；第二，面臨失業(yè)和收入波動(dòng)的風(fēng)險(xiǎn)更高；第三，可選的工作種類更豐富，工作方式也更靈活。而與私人部門相比，在公共部門就業(yè)的穩(wěn)定性更高，但平均收入會(huì)更低，而且工作種類比較單調(diào)，職業(yè)發(fā)展路徑也比較窄。

一方面，如果居民沒有房子，個(gè)體為了購房而儲(chǔ)蓄，會(huì)傾向于選擇高收入的工作以盡快積累資金。在不同腐敗程度或市場(chǎng)化水平的地區(qū)，職業(yè)間的相對(duì)收入存在差異，因此這類群體在不同地區(qū)的職業(yè)選擇可能存在異質(zhì)性。另一方面，負(fù)債的到期償還是約束居民行為的重要因素。Ogawa 和Wan (2007)發(fā)現(xiàn)家庭負(fù)債規(guī)模的上升顯著抑制了居民的消費(fèi)水平。顏色和朱國鐘(2013)提出為了購房和償還貸款將壓縮消費(fèi)的“房奴效應(yīng)”。有房貸的個(gè)體在職業(yè)選擇時(shí)會(huì)將收入的穩(wěn)定性放在首位，收入水平只要求能夠滿足每期還款和基本生活水平，因此進(jìn)入收入高但不穩(wěn)定的私人部門的概率較低。

本文根據(jù)個(gè)體有無房子①對(duì)應(yīng)CLDS 中的問題是，您的家庭居住房子情況:1.完全自有；2.和單位共有產(chǎn)權(quán)；3.租住。我們將“完全自有”和“和單位共有產(chǎn)權(quán)”定義為對(duì)房屋擁有完全產(chǎn)權(quán)，將“租住”定義為不具有房屋的完全產(chǎn)權(quán)。對(duì)樣本進(jìn)行劃分，因?yàn)橛蟹孔拥珶o房貸的個(gè)體擁有的財(cái)富與無房子或有房貸的個(gè)體往往存在較大的差異，職業(yè)選擇的影響因素更為復(fù)雜多樣，所以我們只關(guān)注沒有房子的個(gè)體和有房貸的個(gè)體這兩個(gè)子樣本。表9 和表10 中，對(duì)于不同的群體，不同腐敗程度和市場(chǎng)化水平的結(jié)果存在顯著差異，但低腐敗程度和高市場(chǎng)化水平的結(jié)果基本一致，高腐敗程度和低市場(chǎng)化水平的地區(qū)結(jié)果也基本一致。結(jié)果表明，在腐敗程度較低的地區(qū)，高房價(jià)會(huì)促使沒有房子的高學(xué)歷勞動(dòng)力進(jìn)入私人部門工作，而有房貸的個(gè)體的交互項(xiàng)系數(shù)不顯著。在腐敗程度較為嚴(yán)重的地區(qū)，房價(jià)對(duì)受教育水平高的個(gè)體影響均不顯著。市場(chǎng)化的異質(zhì)性分析結(jié)果基本一致，在高市場(chǎng)化水平的地區(qū)，有房貸的樣本的交互項(xiàng)系數(shù)在10%水平上顯著，這可能是因?yàn)橄鄬?duì)于私人部門，公共部門的收入更低。因此，如果個(gè)體需要貸款買房，房價(jià)越高意味著個(gè)體需要用于償還房貸的收入越高，而公共部門的收入可能太低，因此個(gè)體可能會(huì)更傾向于去私人部門就業(yè)。由于數(shù)據(jù)的限制，部分分組的樣本量較少，但仍然在總體上說明房價(jià)通過影響職業(yè)間相對(duì)收入和未來收入的穩(wěn)定性來影響個(gè)體的職業(yè)選擇。

表9 機(jī)制分析2:無房子或有房貸的個(gè)體在不同腐敗程度地區(qū)的職業(yè)選擇

表10 機(jī)制分析3:無房子或有房貸的個(gè)體在不同市場(chǎng)化水平地區(qū)的職業(yè)選擇

六、結(jié)論

本文利用2012 年、2014 年和2016 年中國勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)和2001—2015 年城市房價(jià)數(shù)據(jù)，探究城市房價(jià)對(duì)人才在公共部門和私人部門間職業(yè)選擇的影響。研究結(jié)果表明:隨著房價(jià)的上漲，受教育水平高的個(gè)體進(jìn)入公共部門就業(yè)的概率不斷降低。在考慮了內(nèi)生性問題和進(jìn)行一系列穩(wěn)健性檢驗(yàn)后，本文的結(jié)果依然成立。進(jìn)一步根據(jù)城市地理位置和規(guī)模大小對(duì)樣本進(jìn)行劃分，本文發(fā)現(xiàn)房價(jià)對(duì)個(gè)體擇業(yè)的影響在東部地區(qū)和中部地區(qū)，以及特大和超大規(guī)模城市中更為顯著。機(jī)制分析發(fā)現(xiàn)房價(jià)通過影響職業(yè)間的相對(duì)收入水平和未來收入的穩(wěn)定性來影響個(gè)體的職業(yè)選擇。

厘清房價(jià)對(duì)個(gè)體職業(yè)選擇的影響機(jī)制，對(duì)于進(jìn)一步理解中國特殊國情下的人才配置大有裨益。但本文的研究還只是一個(gè)初步的探索，在數(shù)據(jù)選擇方面尚有不足，在以下幾個(gè)方面需要進(jìn)一步深入:第一，目前只是基于CLDS 數(shù)據(jù)對(duì)房價(jià)和個(gè)體職業(yè)選擇之間的關(guān)系進(jìn)行初步研究，應(yīng)進(jìn)一步尋找更為全面的數(shù)據(jù)以研究二者之間的關(guān)系。第二，受限于CLDS 數(shù)據(jù)所得性，本文只探究了截至2015 年的房價(jià)產(chǎn)生的影響，房價(jià)對(duì)個(gè)體職業(yè)選擇的影響效應(yīng)和內(nèi)在機(jī)制仍有待進(jìn)一步挖掘。