李世剛 佘可欣 張莉

一、引言

1999 年住房市場改革以來，中國房價持續(xù)大幅上漲約二十年。房價的過快增長對社會經(jīng)濟和個體決策產(chǎn)生了重要影響。大量研究發(fā)現(xiàn)，房價會對勞動力的消費和儲蓄(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，但較少有文獻考察房價對個體在不同部門，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直接影響國家的經(jīng)濟發(fā)展和創(chuàng)新能力。中國人力資本配置的一大特點是大量高學歷人才集中在公共部門就業(yè)。中國經(jīng)濟增長前沿課題組等(2014)發(fā)現(xiàn)，和發(fā)達國家相比，中國公共部門的人力資本強度是美國的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對經(jīng)濟增長(李世剛和尹恒，2017)和創(chuàng)新(賴德勝和紀雯雯，2015)產(chǎn)生負面影響。基于此，本文考察房價對個體，尤其是不同能力水平的個體，在公共部門和私人部門間職業(yè)選擇的影響，以補充相關(guān)文獻。

大部分個體購房的資金主要來源于職業(yè)收入，因此房價高低會影響個體的職業(yè)選擇。具體而言，個體需要綜合考慮職業(yè)收入的相對高低和未來收入的持續(xù)穩(wěn)定性。一方面，個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更高，因此希望買房的個體可能會更傾向于在私人部門就業(yè)。另一方面，個體如果通過貸款購得房產(chǎn)，房貸利息按期償還的特點會使個體不得不考慮未來收入的穩(wěn)定性，因此有房貸的個體可能會傾向于選擇在收入穩(wěn)定的公共部門就業(yè)。綜上，房價對于個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。

利用中國勞動力動態(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)，隨著城市房價提高，受教育程度高的個體進入私人部門就業(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)模將樣本進行分組，回歸結(jié)果表明房價對高學歷個體職業(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)，房價通過職業(yè)間的相對收入和未來收入的穩(wěn)定性兩個渠道影響個體的職業(yè)選擇。這些結(jié)論表明，高房價使教育水平高的個體傾向于進入私人部門就業(yè)，進而會對社會的人力資本配置產(chǎn)生影響。

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

二、文獻綜述

房價是勞動力在城市生活和居住的主要成本，會對勞動力的流動和居住決策產(chǎn)生重要影響。Helpman (1998)基于新經(jīng)濟地理學標準模型指出住房價格會影響勞動者的相對效用，從而抑制勞動力的集聚。Diamond (2016)則指出高技能勞動力更偏好于公共環(huán)境較好的城市，相應地愿意承擔更高的居住成本。高波等(2014)基于35 個大中城市樣本研究發(fā)現(xiàn)，城市的高房價提高了居住成本，阻礙了農(nóng)村勞動力進入城市。張莉等(2017a)研究發(fā)現(xiàn)房價存在拉力作用和阻力作用，因此房價對勞動力的流動產(chǎn)生先吸引后抑制的倒U 形影響。周穎剛等(2019)則發(fā)現(xiàn)，對于進入城市的勞動力家庭，高房價會增強其流動意愿。

對于勞動力進入城市后的就業(yè)選擇，現(xiàn)有文獻多關(guān)注房價對個體創(chuàng)業(yè)行為的影響。Hurst 和Lusardi (2004)基于英國數(shù)據(jù)，發(fā)現(xiàn)較快的房價上漲并沒有與更明顯的創(chuàng)業(yè)增長相對應。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)房價上漲阻礙了創(chuàng)業(yè)活動。吳曉渝等(2014)指出房價上漲除了帶來財富效應，還存在著信貸效應，以房產(chǎn)為抵押物可以增加貸款額度；但同時房產(chǎn)購買也是投資行為，會給創(chuàng)業(yè)投資帶來替代效應；由于負的替代效應大于正的財富效應和信貸效應，所以房價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，房屋價值增加會大大提升創(chuàng)業(yè)的可能性。但上述文獻均沒有研究房價對個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)指出社會游戲規(guī)則會影響各職業(yè)的相對回報結(jié)構(gòu)，從而決定個人偏好進入哪個部門就業(yè)。Baumol (1990)還指出古代的中國不具備較為完善的產(chǎn)權(quán)保護制度，社會精英都渴望進入官僚系統(tǒng)等非生產(chǎn)領(lǐng)域，通過尋租以獲得期望回報。與此類似，Glaeser 等(2004)和Ebeke 等(2015)認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，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重滯后于政府管制權(quán)力的增強，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。

從已有文獻來看，一方面，盡管相當多的研究揭示了房價與勞動力流動和就業(yè)的關(guān)系，但鮮有文獻關(guān)注房價對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仍然較少，鮮有考慮到房價這個重要的宏觀變量對此可能產(chǎn)生的影響。因此，本文將城市房價與個體的職業(yè)選擇納入一個框架，通過將微觀層面的個體數(shù)據(jù)和城市層面的數(shù)據(jù)匹配，考察房價和人力資本配置之間的關(guān)系，豐富了現(xiàn)有的研究。

三、計量模型、數(shù)據(jù)和變量

(一)計量模型

為了考察房價對不同能力水平的個體進入公共部門就業(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為個體，c為城市，t為年份。被解釋變量publici，t是個體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為個體i在t年的相對受教育水平，即個體i的受教育年限與其所在城市的所有個體平均受教育年限之比；housepricec，t是城市c在t年的房價；redui，t×housepricec，t是個體的相對受教育水平與城市房價的交互項，也是計量模型的核心解釋變量。Xi，c，t為一系列個體和城市層面的控制變量。εi，c，t為隨機誤差項。本文也控制了城市固定效應(Cityc)和年份固定效應(Yeart)。如果本文核心解釋變量的系數(shù)β3顯著為負，則說明教育水平較高的個體在房價較高的城市中進入公共部門就業(yè)的概率更低，進入私人部門就業(yè)的概率更高。

(二)數(shù)據(jù)和變量

1.個體層面變量

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

被解釋變量為個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、軍機關(guān)”或“機關(guān)團體事業(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構(gòu)主要進行教學和科研活動，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而沒有受教育年限的信息，根據(jù)邢春冰等(2013)，本文對各選項進行受教育年限賦值。①未上過學定義受教育年限為0。相應地，小學為6，初中為9，高中為12，大學?？茷?5，大學本科為16，研究生及以上為19。由于中國各城市的個體平均受教育水平差異較大，比如在一個落后偏遠的小城市，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，因此直接使用個體的受教育年限可能會導致不同城市的個體受教育年限不可比。本文使用相對受教育年限②穩(wěn)健性檢驗中亦報告了使用絕對教育水平衡量的結(jié)果，與基準回歸無異。，即先計算個體所在城市的平均受教育年限，再用個體的受教育年限除以所在城市的平均受教育年限得到。

本文控制的個體層面變量有:年齡；性別，當個體為女性時取值為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，當個體為黨員時取值為1，否則為0；外語能力，當個體掌握外語時取值為1，否則為0。表1 報告了個體層面變量的描述性統(tǒng)計。

表1 個體層面變量的描述性統(tǒng)計

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)計年鑒》、《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》和《中國國土資源統(tǒng)計年鑒》等。本文的核心解釋變量之一為城市房價。房價數(shù)據(jù)用2000 年為基期的居民消費價格指數(shù)進行平減。本文采用2001—2011 年房價均值匹配2012 年CLDS 數(shù)據(jù)，用2001—2013 年房價均值匹配2014 年CLDS 數(shù)據(jù)，用2001—2015 年房價均值匹配2016 年CLDS 數(shù)據(jù)。選擇房價均值作為自變量，主要基于如下幾個考慮:第一，CLDS 數(shù)據(jù)里，個體開始這份工作(或職業(yè))的時間大多不在數(shù)據(jù)調(diào)查當年，因此不能使用當年的房價對職業(yè)選擇進行回歸；第二，CLDS 數(shù)據(jù)沒有記錄個體開始這份工作(或職業(yè))的具體時間，因此我們也沒有辦法使用個體開始這份工作(或職業(yè))當年的房價對職業(yè)進行回歸；第三，工作(或職業(yè))選擇對個體的生活影響極大，因此個體在職業(yè)選擇時不太可能只根據(jù)當年的房價就做出決定，更可能的是參考過去一段時間的房價情況來做出職業(yè)選擇。綜合以上考慮，我們在計量分析時，使用一段時間的平均房價作為自變量，對職業(yè)選擇進行回歸。①我們也使用過去5 年房價的均值作為自變量進行回歸，即用2007—2011 年的房價均值匹配2012 年的CLDS 數(shù)據(jù)，用2009—2013 年的房價均值匹配2014 年的CLDS 數(shù)據(jù)，用2011—2015 年的房價均值匹配2016 年的CLDS 數(shù)據(jù)；也根據(jù)個體年齡和教育時間反推個體首次進入勞動力市場的時間，并將個體的職業(yè)選擇對其初次進入勞動力市場當年和上一年的平均房價進行回歸，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)濟科學》官網(wǎng)論文頁面“附錄與擴展”欄目下載。

本文也控制了城市層面的變量:城市的經(jīng)濟發(fā)展狀況，包括人均GDP 的對數(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；城市財政收入占GDP的比重；城市的公共部門規(guī)模，包括城市財政供養(yǎng)人口比重；城市私營經(jīng)濟發(fā)展情況，以城鎮(zhèn)私營和個體從業(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)計如表2 所示。

表2 城市層面變量的描述性統(tǒng)計

四、實證結(jié)果及分析

(一)基準回歸結(jié)果

表3 報告了城市房價影響個體職業(yè)選擇的估計結(jié)果。第(1)列未放入房價與相對教育水平的交互項。個體相對受教育水平的系數(shù)在1%的水平下顯著為正，說明受教育水平越高的個體進入公共部門的概率越高。

表3 基準回歸結(jié)果

(續(xù)表)

第(2)列加入房價與相對受教育水平的交互項，交互項的系數(shù)在1%的水平上顯著為負，說明房價越高，教育水平高的個體在公共部門就業(yè)的概率越低；相對受教育水平每提高1 年，其進入公共部門就業(yè)的概率平均降低約5%。由于加入城市房價與相對受教育水平交互項的模型不僅可以考察房價對個體職業(yè)選擇的平均影響，還可以考察不同教育水平個體的異質(zhì)性影響，因此后文的討論將主要圍繞這一模型進行。個體和城市層面的控制變量都顯著影響了個體的職業(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，個體進入公共部門就業(yè)的概率更高。

考慮到房價對個體職業(yè)選擇的影響可能存在某個拐點，比如當房價超過一定臨界值時，個體可能認為過高的購房成本難以負擔，職業(yè)選擇時不再將房價納入考慮，因此在回歸中加入房價的二次項。第(3)列結(jié)果顯示，房價二次項的系數(shù)不顯著，說明目前房價對樣本中所有個體的影響不存在拐點，高房價仍然使受教育水平高的個體傾向于進入私人部門工作。第(4)列采用Probit 模型進行檢驗，交互項的系數(shù)仍在1%的水平上顯著為負，表明改變估計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，個體的職業(yè)選擇會受到諸多因素的影響，而城市可能具有某種特點，比如地域文化，使得城市中受過良好教育的個體更傾向于在私人部門就業(yè)，而這種特點本身可能就會使城市經(jīng)濟發(fā)展更加迅速，推高城市房價。其次，房價和個體的職業(yè)選擇存在互為因果的問題。當城市中的個體傾向于進入企業(yè)部門工作時，企業(yè)部門的擴張以及居民的收入增長效應會提供房地產(chǎn)需求，進而促進本地區(qū)房價的上漲(余泳澤和張少輝，2017)。針對上述內(nèi)生性問題，本文嘗試尋找房價的工具變量對模型進行重新估計。

城市的房價會受到供給和需求兩個方面的影響。中國的城市建設(shè)用地為國有，政府嚴格控制建設(shè)用地的出讓，因此供給方對房價的影響非常重要(張莉等，2017b)。中國一直以來都對建設(shè)用地指標進行嚴格的管控，土地出讓面積是一個政府政策變量，具有較強的外生性，與個人職業(yè)選擇沒有直接聯(lián)系。此外，因為住宅用地必須以出讓的方式進行供應，因此土地出讓面積對房價有直接的影響，在相當一部分文獻中用作房價的工具變量(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應年份跨度的房價均值的工具變量。

考慮到個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受教育年限作為個體相對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，并與相應的人均土地出讓面積交乘進行回歸。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)的詳細信息，我們參照陸益龍(2008)和陳釗等(2009)，控制個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 報告了工具變量的回歸結(jié)果。第一階段回歸中，房價和個體相對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，交互項的系數(shù)在1%的水平上顯著為負，與表3 列(4)報告的基準回歸結(jié)果差異較小。在第(5)列進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)果請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。，結(jié)果依然穩(wěn)健，說明本文的內(nèi)生性問題并不嚴重，因此后面的討論主要基于全樣本的LPM 回歸。②我們對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，不在正文中報告。

表4 工具變量回歸結(jié)果

(續(xù)表)

(三)穩(wěn)健性檢驗①穩(wěn)健性檢驗的具體回歸結(jié)果請見《經(jīng)濟科學》官網(wǎng)“附錄與擴展”。

(1)替換關(guān)鍵變量。房價工資比為各年份城市房價與職工年平均工資②職工平均工資數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》，采用2001—2011 年房價工資比均值匹配2012 年CLDS 數(shù)據(jù)，2001—2013 年房價工資比均值匹配2014 年CLDS 數(shù)據(jù)，2001—2015 年房價工資比均值匹配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)，因此本文選取房價工資比作為房價的替代變量進行回歸。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)個人的教育水平，因此本文使用個體的受教育年限和房價的交互項進行回歸。此外，在公共部門工作有一定的學歷要求，而私人部門鮮有類似的明確要求或者要求更低。學歷的限制可能導致一些本來想進入公共部門工作的人不得不進入私人部門工作。根據(jù)公務員報考條件，大專是基本的學歷要求，大部分崗位要求本科及本科以上學歷。因此，我們將教育水平的指標設(shè)置為是否大專以上和是否本科以上的學歷重新進行回歸。

(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。高校和科研機構(gòu)主要從事教學和科研工作，與政府機關(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)”和科學技術(shù)人員依次歸入公共部門進行回歸。

(3)考慮就業(yè)時間。本文采用2001 年開始的房價探究房價對個體職業(yè)選擇的影響，但是部分個體可能較早進入市場，在2001 年以前就選定職業(yè)后沒有變更，沒有明顯受到2001—2015 年間房價的影響。為了使結(jié)果更為精確，本文對樣本進行篩選，考慮到受教育水平高的個體一般在高中畢業(yè)后進入勞動力市場，因此選擇在2012 年為32 歲、2014年為34 歲和2016 年36 歲及以下的個體樣本進行回歸。以上回歸結(jié)果均與基準結(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)濟發(fā)展和社會環(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)模的城市中房價對不同教育水平的個體進入公共部門就業(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)往往房價更高，可能對個體職業(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，房價越高，受教育水平越高的個體進入公共部門就業(yè)的概率越低，而在西部地區(qū)不存在這一效應。這很可能是因為相對于西部地區(qū)，東部地區(qū)和中部地區(qū)經(jīng)濟發(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，工資報酬較優(yōu)，個體從業(yè)的選擇面較寬。同時，這些地區(qū)的房價較高，帶來購房成本也較高，使個體更傾向于進入私人部門。

表5 異質(zhì)性分析:城市區(qū)位

(2)城市規(guī)模。根據(jù)2014 年國務院發(fā)布的《關(guān)于調(diào)整城市規(guī)模劃分標準的通知》，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，房價對高學歷的個體在公共部門就業(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)模城市的個體在房價上升時更傾向于進入私人部門。這可能是因為特大超大城市往往有更加蓬勃發(fā)展的企業(yè)經(jīng)濟，個體在私人部門可以獲得可持續(xù)的高報酬以承擔較高的購房成本，因此會更傾向于進入私人部門。

表6 異質(zhì)性分析:城市規(guī)模

五、機制分析

基準回歸的結(jié)果表明，隨著房價上升，教育水平高的個體在公共部門就業(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)論表明城市房價上升影響了人力資本配置。我們將從職業(yè)間的相對收入和未來收入的穩(wěn)定性兩個角度探究房價影響個體職業(yè)選擇的內(nèi)在機制。

(一)職業(yè)間的相對收入

個體在公共部門和私人部門之間進行職業(yè)選擇時首先考慮職業(yè)間的相對收入差異。高工資往往對個體有較大的吸引力。房價上漲會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 年的中國綜合社會調(diào)查(Chinese General Social Survey，CGSS)數(shù)據(jù)來檢驗公共部門和私人部門工資與城市房價的關(guān)系。CGSS 數(shù)據(jù)公布了個體的職業(yè)收入和工作時間，因此可以計算出每一個個體的每小時職業(yè)收入對數(shù)，并采用如下方程進行估計:

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

我們對在公共部門工作的個體樣本和在私人部門工作的個體樣本分別進行式(2)回歸，以比較個體相對教育水平與房價的交互項系數(shù)τ3在兩個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，驗證了職業(yè)間相對收入這一機制。

表7 機制分析1:職業(yè)間的相對收入

在一些地區(qū)，擁有政治和經(jīng)濟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)力和尋租機會，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，并且缺乏完善的紀律和司法監(jiān)督，因此有足夠的空間和動機進行“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)間的相對收入，削弱私人部門工資的吸引力。如果地區(qū)市場經(jīng)濟發(fā)展較好，市場較為規(guī)范，公開性和透明性較高，會在客觀上減少官員尋租空間，有利于私人部門的發(fā)展。

對于腐敗程度的度量，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，進行描述性統(tǒng)計和回歸。地區(qū)的市場化水平采用樊綱等編制的地區(qū)市場化指數(shù)。本文采用2001—2011 年各省的市場化指數(shù)平均值，并以中位數(shù)劃分市場化水平的高低。不同腐敗程度和市場化水平下職業(yè)選擇情況的描述性統(tǒng)計如表8 所示。

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

(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)定性也是影響個體職業(yè)選擇的重要因素。Black 等(2009)提出高教育水平的個體會更傾向于選擇較穩(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體會更傾向于進入公共部門就業(yè)。但是房產(chǎn)是個人資產(chǎn)的重要組成部分，高房價會提高居民的名義財富規(guī)模進而影響居民風險偏好(Zanetti，2014)，從而影響未來收入的穩(wěn)定性對個體的重要程度。而對于為了買房而貸款的個體，按期償還房貸的要求會使得未來收入的穩(wěn)定性是其考慮的重要因素。

相對于公共部門，私人部門的工作有如下特點:第一，平均而言，收入更高；第二，面臨失業(yè)和收入波動的風險更高；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，個體為了購房而儲蓄，會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化水平的地區(qū)，職業(yè)間的相對收入存在差異，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)家庭負債規(guī)模的上升顯著抑制了居民的消費水平。顏色和朱國鐘(2013)提出為了購房和償還貸款將壓縮消費的“房奴效應”。有房貸的個體在職業(yè)選擇時會將收入的穩(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)個體有無房子①對應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)。對樣本進行劃分，因為有房子但無房貸的個體擁有的財富與無房子或有房貸的個體往往存在較大的差異，職業(yè)選擇的影響因素更為復雜多樣，所以我們只關(guān)注沒有房子的個體和有房貸的個體這兩個子樣本。表9 和表10 中，對于不同的群體，不同腐敗程度和市場化水平的結(jié)果存在顯著差異，但低腐敗程度和高市場化水平的結(jié)果基本一致，高腐敗程度和低市場化水平的地區(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)，高房價會促使沒有房子的高學歷勞動力進入私人部門工作，而有房貸的個體的交互項系數(shù)不顯著。在腐敗程度較為嚴重的地區(qū)，房價對受教育水平高的個體影響均不顯著。市場化的異質(zhì)性分析結(jié)果基本一致，在高市場化水平的地區(qū)，有房貸的樣本的交互項系數(shù)在10%水平上顯著，這可能是因為相對于私人部門，公共部門的收入更低。因此，如果個體需要貸款買房，房價越高意味著個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，因此個體可能會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通過影響職業(yè)間相對收入和未來收入的穩(wěn)定性來影響個體的職業(yè)選擇。

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

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

六、結(jié)論

本文利用2012 年、2014 年和2016 年中國勞動力動態(tài)調(diào)查數(shù)據(jù)和2001—2015 年城市房價數(shù)據(jù)，探究城市房價對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:隨著房價的上漲，受教育水平高的個體進入公共部門就業(yè)的概率不斷降低。在考慮了內(nèi)生性問題和進行一系列穩(wěn)健性檢驗后，本文的結(jié)果依然成立。進一步根據(jù)城市地理位置和規(guī)模大小對樣本進行劃分，本文發(fā)現(xiàn)房價對個體擇業(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。機制分析發(fā)現(xiàn)房價通過影響職業(yè)間的相對收入水平和未來收入的穩(wěn)定性來影響個體的職業(yè)選擇。

厘清房價對個體職業(yè)選擇的影響機制，對于進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初步的探索，在數(shù)據(jù)選擇方面尚有不足，在以下幾個方面需要進一步深入:第一，目前只是基于CLDS 數(shù)據(jù)對房價和個體職業(yè)選擇之間的關(guān)系進行初步研究，應進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 年的房價產(chǎn)生的影響，房價對個體職業(yè)選擇的影響效應和內(nèi)在機制仍有待進一步挖掘。