一、引言
城市发展是现代经济增长的动力，也是非农就业的创造源泉。有关中国的城市化问题，学者们在持续提高城市化水平这一点上是有共识的，但就城市化速度应该多快、城市体系如何合理化的问题，学界仍存在争议。虽然也有学者基于经济集聚所带来的好处而主张优先发展大城市，但仍有一些学者认为，中小城镇的优先发展能使大量农民迅速非农化，降低农村劳动力流动进入城市的心理成本，较好地将城乡两个市场结合起来，并且所需建设资金相对较少，因而更符合中国国情。
城市的最优规模是由城市扩张所带来的规模效应和拥挤效应相权衡而得到的，但是，相比于城市扩张所带来的各种负面后果，城市规模扩大对城市发展所带来的正面效应往往容易被忽视。政府的实际政策偏向于引导城市化进程。“十二五规划”提出，到2015年，城镇化率由现在的47.5%提高到51.5%，五年提高4个百分点，低于当前大约一年1个百分点的速度。根据国际经验，当一国的城市化水平超过 50%之后，城市化速度加快，而非减慢。另外，在城市体系的调整方面，政府的政策导向是重点推进中小城镇的发展，控制一些特大城市的发展，具体体现在限制城市人口规模和户籍制度方面。“十二五规划”提出，“特大城市要合理控制人口规模，大中城市要加强和改进人口管理，继续发挥吸纳外来人口的重要作用，中小城市和小城镇要根据实际放宽落户条件。”而在实际操作中，特大城市人口限制政策主要针对的是低技能者，这一点，在各个地方的落户条件上均有体现。
从理论上来说，城市规模经济效应和拥挤效应的相互作用导致了城市劳动生产率（和人均收入）与城市规模之间的倒U型关系。在城市发展的早期，城市规模的扩大会带来人均实际收入的上升；而如果城市人口规模过大，由于存在拥挤效应，城市规模的进一步扩大反而会降低人均实际收入，因而只有在最优的城市规模下，劳动生产率（和人均收入）才能得到最大程度的提升。由于户籍等制度长期构成了对于城市扩张的限制，中国的城市化过于本地化，城市规模过小，因而无法发挥城市的规模经济优势，限制了城市劳动生产率的提高和经济增长。据估计，中国有51%-62%的城市存在规模不足的问题，由此带来的产出损失约占职工平均产出的17%。事实上，大城市和中小城镇的发展并不相互排斥，中小城镇的发展以大城市的发展为基础，并受其辐射功能的带动。因此，在城市发展所带来的规模经济效应强于拥挤效应的城市化早期，过早限制城市发展，重点发展中小城市，会带来巨大的效率损失。
另一种在现实中存在的担心是，随着城市的人口规模扩张，城市将无法提供充足的就业岗位，从而加剧失业问题。特别是，人们常常认为，在城市扩张过程中，低技能者将面临更大的失业风险。同时，原来的城市居民将会面临更为激烈的劳动力市场竞争，从而也会加剧原有居民的失业问题。那么，事实是否如人们所担心的那样呢？已有的经验研究发现，外来劳动力进入城市就业对本地居民失业的影响程度很小。在理论上，劳动力流入并不必然增加失业，这主要是因为城市发展存在着规模经济，城市人口规模的增加会不断地创造出新的就业机会。但长期以来，有关城市扩张有利于创造就业岗位的经验证据仍很缺乏，也没有经验研究为不同技能的劳动者如何在城市扩张中受益提供证据。
针对上述的知识空缺和政策争论，本文利用中国家庭收入调查2002年和2007年的数据（CHIP2002和CHIP2007），研究了城市规模与个人就业概率的关系。本文的工具变量估计结果显示，城市发展的规模经济效应有利于提高劳动力个人的就业概率。城市规模每扩大1%，个人的就业概率平均提高0.039-0.041个百分点。此外，我们还发现，城市规模扩大的就业促进效应对于不同受教育水平的劳动者并不相同。总的来说，较高技能和较低技能组别的劳动力均从城市规模的扩大中得到了好处，其中低技能组别劳动力的受益程度最高。而城市规模的扩大并没有显著影响中等技能劳动力的就业概率。因此，城市人口规模的限制措施，特别是针对低技能劳动力的限制措施，不仅损害了劳动力资源的利用效率，不利于城市规模经济效应的发挥，而且限制低技能劳动力的政策恰恰限制了在城市扩张中受益最大的人群，从而使得在城市劳动力市场中本来就处于弱势地位的低技能劳动力相对受损最多，导致效率与公平兼失的局面，不利于包容性增长（Inclusive Growth）的实现。
本文的结构如下：第二节将对城市规模与就业的相关文献进行评论；第三节介绍本文的数据与模型；第四节是城市规模与就业之间的关系的实证研究发现；第五节将模型进行拓展，研究城市人口规模扩张给不同技能水平的劳动力带来的就业创造效应有何差异；最后是本文的结论与政策含义。
二、城市规模与就业：基于文献的评论
城市作为现代经济活动的集中地，为经济的持续增长提供了动力。城市的规模扩张可使经济从多方面受益。马歇尔早在19世纪末就指出，投人品的分享、劳动力市场群聚（Labor Market Pooling）以及知识的溢出（Knowledge Spillover）是导致集聚的三个根本原因。但是，有关经济活动在空间上的集聚直到克鲁格曼（1991）之后，才被经济学家重新重视。新经济地理学的文献认为，由于生产中存在规模报酬递增，消费者偏好商品的多样性，并且存在交通成本，厂商会选择在市场需求相对较大的地区组织生产经营活动，从而带来集聚地区总体上更大的生产规模和更高的要素价格水平。在均衡处，集聚地区更高的要素价格必然意味着更高的劳动生产率，否则，利润最大化的厂商会选择其他要素价格相对较低的地区进行生产。Sveikauskas发现，相比于小城市，以职工平均产出和职工工资度量的大城市的劳动生产率更高。城市规模（以城市的人口数量度量）平均每扩大一倍，劳动生产率会相应地提高约4.77%-6.39%。Glaeser和Resseger的实证结果也显示了城市规模的扩大对劳动生产率的促进作用。他们的研究以城市人口数量度量城市规模，以城市劳动力的平均产出、中位家庭的实际收入、个人小时收入等指标度量城市劳动生产率，无论是城市层面还是个人层面的回归结果均显示，城市规模的扩大能够促进劳动生产率的提高，并且这种促进作用在大学毕业生比例更高的城市相对更大。类似地，城市规模对劳动生产率的促进作用在中国也存在。Au和Henderson有关城市规模和人均实际收入之间倒U型关系的发现说明，在城市发展的早期，城市规模的扩大会带来劳动生产率的提高。
既有文献的讨论主要集中于集聚和要素价格（如工资）之间的关系，而很少关注集聚对就业的影响。劳动力的就业和失业主要由劳动力的供给和需求决定。城市规模的扩大，在创造劳动力供给的同时，也会由于集聚效应，带来劳动力需求的提高。从均衡的角度讲，只要劳动力供给曲线向上倾斜，则给定劳动力供给曲线不变，集聚通过投入品分享、生产要素匹配和学习机会三个机制所带来的劳动生产率提高，最终会反映为劳动力需求曲线的向外移动，从而带来均衡工资水平和就业数量的同时上升。因此，在新经济地理学研究的基础上，我们进一步认为，大城市中更高的工资水平和劳动生产率水平暗含着其后更多的就业机会，保持其他因素不变，如果就业机会的增加速度快于城市规模扩张的速度，则劳动者个人的就业概率上升。
此外，不可贸易品部门是现代经济的一个重要组成部分，也是城市就业岗位的重要组成部分。考虑到这一部门，城市规模对就业的效应将被放大。Moretti论述了可贸易品部门中某个产业需求的外生冲击会给城市就业带来的影响。如果某个生产可贸易品的产业由于某种原因（如新发明的引进提高了其劳动生产率）增加了其劳动力需求，这种冲击会增加该产业的就业和工资水平。由于在劳动力市场不存在摩擦的情况下，劳动者在不同部门间获取的工资应相同，则整个城市的工资和就业水平会上升，进而提高城市的总收入。而总收入的上升必然会带来不可贸易品部门需求的扩张，从而增加不可贸易品部门在均衡处的工资和就业。Moretti利用1980年、1990年和2000年的美国人口普查数据，对这种“就业的乘数效应”（Employment Multiplier Effect）进行了检验。他的实证结果发现，制造业部门每增加一个就业机会，会为不可贸易品部门带来1.59个就业机会，并且高技能类制造业就业增加的乘数效应更为显著。Moretti有关就业乘数效应的分析，为我们考虑城市规模对就业的影响提供了新的依据。正如新经济地理学的文献所证实的，集聚提高了可贸易品部门的劳动生产率，因而会带来均衡工资和就业的同时增加。可贸易品部门就业和工资水平的上升会提高城市的总收入，从而增加对不可贸易品的需求，为不可贸易品部门创造更多的就业机会。因此，城市规模的提高可能会为劳动者带来更多的就业机会，增加个人的就业概率。
城市规模在为所有劳动者带来收益的同时，不同技能的劳动者从中获益的大小可能并不相同，这种不同技能者受益的差异性主要来自于两方面。第一，由于低技能劳动者的就业更多地集中于低技能的服务业，而低技能服务业是不可贸易品部门一个重要的组成部分，因此，相对于中、高技能的劳动者来说，低技能劳动者可能从集聚中享受更多的好处。既有文献发现，技能偏向型的技术进步并没有显著恶化低技能劳动者的就业前景，相反，更多的低技能劳动者在低技能的服务业部门找到了工作。这是因为在技术进步的过程中，计算机主要替代了一些对劳动者技能水平有一定要求的重复性劳动（Routine Jobs），如打字等，却无法替代诸如保姆、打扫卫生等人工工作（Manual Jobs）和律师、医生等复杂的工作（Abstract Jobs）。并且，技术进步和服务业之间存在互补性，从而带来了服务业就业的增加。这种随着计算机的广泛使用而出现的就业越来越集中于高技能和低技能的服务业的现象，被称为就业的两极分化（Job Polarization）。类似地，Manning也发现，在美国和英国，低技能劳动者的就业越来越集中于不可贸易品部门，并且这种就业的增加越来越依赖于低技能劳动者和高技能劳动者在地理上的接近。此外，高技能劳动者对低技能服务业具有更高的消费需求。Mazzolari和Ragusa发现，由于高技能劳动者时间的机会成本更高，故其对保姆、打扫卫生等低技能服务业的消费需求更高。因而随着城市规模的扩大和高技能劳动者的集中，低技能劳动者将会相对更多地受益。
第二，当存在知识溢出时，由于不同的职业对学习和知识创新的依赖程度不同，因而不同职业从城市规模扩张中受益的程度也不同。大量实证研究已经证实了知识溢出的存在。这些研究认为，由于存在社会互动，城市规模的扩张尤其是高技能劳动者的集聚，将为劳动者带来更多的学习和创新机会，从而提高劳动生产率。Rauch发现，工资和地租在平均人力资本水平更高的城市更高。类似地，Moretti发现，城市的大学毕业生比例每增加一个百分点，企业的劳动生产率会上升0.6%-0.7%。Moretti另一项考察劳动者工资水平的研究，同样说明了知识溢出效应的存在。他发现，城市的大学毕业生比例每增加一个百分点，工资水平平均上升0.6%-1.2%。高技能行业由于其劳动者具有相对更强的学习能力以及高技能行业本身对知识更强的依赖性，因而劳动生产率的提高受知识溢出的影响更大。
从以上分析可以看出，城市规模的扩大不仅会提高劳动生产率，而且将在提高个人就业率方面为劳动者带来巨大的好处。不同技能的劳动者从城市规模扩张中的受益程度，会因其职业的不同特征而产生差异。然而，在考察城市规模对就业影响的过程中，就业和城市规模之间的双向因果关系可能导致联立内生性偏误，因为一个城市的失业率是否高，本身会通过人们的移民选择而影响城市规模。此外，其他可能影响就业的不可观测的城市劳动力市场因素，也会造成估计的遗漏变量偏误。因此，本文使用城市1953年的人口规模作为城市2000年规模的工具变量，采用工具变量的方法对模型进行估计，并进一步发现本文结果是稳健的。本文从提高就业率的角度，为既有的关于城市规模效应的实证研究提供了补充。同时，本文的研究也把就业的影响因素分析从个人（家庭）层面拓展到了城市层面。
三、数据与模型
为了检验城市规模是否显著地影响了就业概率，以及这种影响对于不同技能水平劳动者的差异，本文使用了一个全国范围内的劳动力市场调查数据。这个数据来自中国社会科学院经济研究所与国家统计局共同收集的中国家庭收入调查（CHIP）2002年和2007年的城市居民相关信息，样本为国家统计局年度家庭调查的一个子样本。其中，2002年的数据涵盖了北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃12个省级行政单位的70个市和县，包括6835个家庭的20632人；2007年的数据涵盖了上海、江苏、浙江、广东、安徽、河南、湖北、重庆和四川9个省级行政单位的19个市和县，包括5000个家庭的14699人。与1988年、1995年两轮数据相同，2002年和2007年的调查也采取了两阶段分层随机抽样方法。调查者在第一阶段先选择城市和县，再于第二阶段在所选的市和县中抽取调查家庭。此调查涵盖了大量个人层面的人口和经济社会信息，使我们能够在控制个人特征的基础上，识别城市规模对就业的影响。
在其他因素给定的情况下，回归分析主要考察城市规模是否对个人的就业产生影响。在不同的回归中，我们分别用城市的总人口数量和大学毕业生数量的自然对数度量城市规模。根据上述分析，集聚可能通过多种渠道促进就业。集聚能提高劳动生产率，因而增加企业的劳动力需求。集聚带来的城市总收入的上升还会增加不可贸易品的需求，从而增加不可贸易品部门的就业机会，这种情况在高技能者更为集中的城市尤其明显，因为高技能劳动者对低技能服务需求较高，由此带来高技能者对低技能者的“消费溢出”。因此，我们预期，劳动者在拥有较大人口规模或者较多大学毕业生的大城市中可能更容易找到工作，这正是本文所要检验的核心假设之一。市级层面的人口和大学生数量数据均来自于2000年的中华人民共和国第五次人口普查。此外，我们还控制了其他一系列可能影响就业的城市特征，如城市的物质资本投资、产业结构、政府财政支出以及交通基础设施等，这些数据来自于《中国城市统计年鉴》（1997-2001）。
计量模型为基于个人层面的Probit模型，假设个人的就业概率由以下方程决定：
其中下标i和j表示居住在城市j中的个人i。回归的样本限于劳动年龄人口，即年龄处于16岁到60岁之间的男性，以及年龄处于16岁到55岁之间的女性。另外，回归排除了不在劳动力的样本，不在劳动力的样本通过问卷中有关个人在城市所处的状态和身份得以反映。据此，样本排除了离退休人员、离退休再工作人员、家务劳动者、家庭帮工、丧失劳动能力的人、在校学生、学龄前儿童，以及等待分配或待升学人员。被解释变量Employed是一个有关个人就业状态的0-1变量，若一个人是有工作的，则取值为1；若失业，则取值为0。
在回归方程的右边，Xij是可能影响就业的个人特征向量，包括性别、婚姻状态、受教育年限、潜在工作经验及其平方项，是否中共党员，以及是否少数民族。我们并没有在个人特征中包括年龄变量，这主要是因为在回归中已经包括潜在工作经验这个变量，它是由个人年龄减去受教育年数再减去6得出的。如果在回归中同时包括年龄和工作经验，会带来完全共线性的问题。Scalej是有关城市规模的一个度量指标，根据不同的需要，我们分别以城市总人口数量的自然对数和大学毕业生数量的自然对数作为规模变量的代理变量。π1的大小和显著性是本文所关注的核心。若大城市的确能为劳动者带来更多的就业机会，则我们预期π1显著为正。
其他可能影响就业的城市特征被包括在Cityj向量中，主要有：1996-2000年间平均外商实际投资额占平均GDP的比重，1996-2000年间平均固定资产投资总额占平均GDP的比重，1996-2000年第三产业产值和第二产业产值之比的平均，1996-2000年间平均地方政府预算内财政支出占平均GDP的比重，2000年人均道路铺装面积和每万人拥有的公共汽车数量，以及是否省会城市的0-l变量。控制这些变量主要是为了减轻可能由劳动力需求因素和供给因素导致的遗漏变量偏误。在一个城市的资本积累与城市规模（尤其是高技能劳动力在城市中的集中）、城市居民就业之间，存在相关关系。由于经济集聚所带来的好处，规模更大的城市吸引了更多资本的进入，而资本增加本身会增加城市居民的就业机会，因此，忽略资本积累的回归会造成对规模系数的有偏估计。另一个需要在个人的就业决定方程中考虑资本积累的原因，涉及人力资本的外部性。当劳动力市场存在摩擦以及物质资本和人力资本之间存在互补性的时候，城市中部分居民受教育程度的提高会使城市的企业增加物质资本投资，以使企业的资本量和这部分高技能的劳动力相匹配。结果是，在均衡处，城市的物质资本投资增加会提升劳动力的劳动生产率，从而增加企业的劳动力需求。控制一个城市的外商实际投资额和固定资产投资，可在一定程度上减弱由此需求因素所带来的城市规模对就业影响的估计偏误。此外，我们在回归中控制了城市的产业结构。这主要是因为一个城市的规模与其产业结构相关，同时，第二、第三产业不同的就业吸纳能力也会使得城市的产业结构对劳动者就业产生影响。在回归中控制地方政府预算内支出占GDP的比重，主要是由于在不同规模的城市，政府对于经济的干预程度往往并不相同，而地方政府对经济的干预会影响就业。此外，我们还控制了城市的人均道路铺装面积和每万人人均拥有的公共汽车数量，这主要是因为道路、交通等基础设施会通过影响人与人之间的信息传递，从而影响劳动力市场的匹配效率和劳动力的就业概率。另外，城市基础设施的改进也会起到吸引劳动力流入的作用，从而对城市规模产生影响。而在回归中加入是否省会城市的固定效应，则是为了控制与城市行政级别相关且会同时影响城市规模和就业的不可观测因素。
表1是回归中所包含的变量的描述。相关变量的描述性统计，可参考附录的附表1。
四、规模与就业：实证结果
表2中报告了分别用城市总人口数量的自然对数和城市大学生数量的自然对数作为城市规模度量指标的个人就业概率的Probit估计结果，报告的数字为边际效应。我们发现，城市规模对个人的就业概率有显著的正向影响。平均来说，城市规模每扩张1%，个人的就业概率提高0.016-0.018个百分点。
但是，Probit结果可能是有偏的。在考察城市规模对个人就业概率影响的过程中，城市规模和就业之间的双向因果关系可能导致联立内生性的问题。此外，尽管我们已经在回归中尽可能多地控制了城市层面的因素，以减轻可能存在的遗漏变量偏误，但城市劳动力市场上其他不可观测的劳动力需求和供给的因素，仍可能会对城市规模和就业造成影响，从而带来估计的偏误。鉴于此，我们用个人所在城市1953年的人口数量作为2000年城市规模的工具变量，采用工具变量的方法估计就业决定模型，以减轻可能存在的内生性偏误和遗漏变量偏误。1953年的人口数量来自于1953年中华人民共和国第一次人口普查数据。在考察中国城市体系演变的过程中，Wang和Zhu发现，中国城市体系的演变，在1949年到2008年间遵循平行增长（Parallel Growth）的模式，不同规模的城市以大约相一致的速度增长，并未呈现出大城市和小城市之间规模的发散或收敛。因此，历史上的城市规模对当前城市规模具有很强的解释力。IV Probit的估计结果报告于表3中。
我们首先在第一阶段检验了工具变量的有效性，用城市总人口数量和城市大学生数量作为城市规模度量指标的估计结果见表3。我们发现，1953年的城市规模对2000年的城镇总人口数量和大学毕业生数量有显著的正向影响。控制住其他解释变量不变，在考察历史城市规模对当前城市规模的影响时，工具变量显著性F检验的值分别为45.12和39.30。由此，我们认为，弱工具变量的问题在我们的回归中并不明显。我们还发现，在控制了诸如城市规模、投资、政府干预以及公共基础设施等相关城市一级的变量之后，历史上的城市规模对当前就业的直接影响很小。第一阶段的回归结果也和已有的实证研究相一致。
我们从表3的IV Probit结果得到，城市规模用城镇总人口数量度量时，城市规模每扩大1%会带来个人就业概率0.039个百分点的上升。而城市大学生数量每1%的增加会使个人就业概率上升0.041个百分点。工具变量估计结果的系数大于Probit模型的系数，可以解释为大城市的福利和公共服务更好，使得一部分大城市居民宁愿失业也不迁移至其他地区，从而降低了总体上城市规模对就业的积极作用。我们还考察了个人特征和城市特征对就业的影响。回归结果显示，大部分个人特征对就业有显著影响，影响方向也和预期相符。平均来说，男性和已婚人士的就业概率相对更高。教育也会提高个人就业的概率，受教育年数每增加一年，平均会带来就业概率1.15-1.19个百分点的上升。经验对就业的影响呈倒U型，随着经验的增加，个人的就业概率提高；但当经验提高到一定程度以后，经验反而不利于就业，这可能是因为工作经验越多的人往往年龄越大，而年龄大的人在健康和知识等方面均处于劣势。根据回归结果，我们可以算出，经验对就业概率的影响拐点出现在约18.09年和17.84年处，即大约在经验小于17年时，工作经验的增加有利于个人就业；而在经验超过18年之后，年龄劣势开始发挥主要作用，经验的增加反而是不利于就业的。我们在回归中控制了个人中国共产党员身份和少数民族身份变量，前者就业概率更高，后者就业概率更低。
同时，我们在回归中控制有关城市特征的变量，以捕捉劳动力需求因素和劳动力供给因素对就业的影响。从需求角度看，部分城市可能会由于资本积累的增加而吸引更多劳动者的流入，并且由于中国城市普遍存在的户籍制度，流入更多的可能是高技能劳动者，而非低技能劳动者。另外，由于人力资本外部性的存在，由更多高技能劳动力流入所带来的城市人力资本水平的提高，也会反过来增加城市的资本积累。因此，一个城市资本积累的增加往往和城市规模存在着正相关关系。而资本积累本身也部分反映了一个城市经济增长的主要推动因素，因此也会影响到劳动者的就业机会。
在表3的回归中，我们控制了城市1996-2000年间平均的外商实际投资额与同年间平均GDP的比值，以及城市1996-2000年间平均物质资本投资总额占同年间平均GDP的比重。之所以选择多年的平均值，主要是因为投资在不同年份间波动很大，用平均的指标可以在一定程度上降低投资量的波动。回归中使用的CHIP样本搜集于2002年和2007年，用2000年之前的数据可以部分减少逆向因果关系可能带来的估计偏误。而1996年以前的数据由于缺失样本过多而被舍弃，并且我们认为，更近年份的投资对劳动力流动的影响更为显著。回归结果显示，外商直接投资对就业的影响并不显著，但固定资本投资的系数却显著为负。这说明，与经济增长更依赖于其他GDP构成（如消费和净出口）的城市相比，经济增长更依赖于国内投资的城市创造就业的能力更低。已有的实证研究已经发现，地方政府出于税收考虑，往往给予资本密集型产业的发展以更多的激励，因此，更高的国内投资／GDP比重往往缺乏就业创造能力，甚至是不利于就业的。
我们在回归中还控制了城市1996-2000年间的第三产业产值和第二产业产值之比的平均值及其平方项，以考察城市产业结构变化对就业的影响。我们发现，城市产业结构的变化对就业的影响呈U型。在经济发展的过程中，三产的比重通常是逐步提高的。在早期，第三产业在国民经济中比重的提高并不利于就业，这主要是因为在发展的最初阶段，经济体仍主要依靠第二产业吸收就业，尤其是劳动密集型的制造业。但随着第三产业的进一步发展，其吸收就业的能力会不断提高。一方面，金融、贸易、房地产等高技能的服务业不断发展，因此吸收了大量高技能的劳动力进入第三产业实现就业，并给他们带来了更高的收入。另一方面，城市收入水平的提高，尤其是高技能劳动力收入水平的提高，创造了更多的低技能服务业需求，如高技能劳动力对餐饮、保姆等服务具有更高的消费需求，由此为低技能劳动力创造了更多的就业机会，从而在整体上提高了城市的就业概率。通过计算U型曲线的拐点我们得知，在分别用城市总人口和大学生数量作为城市规模度量指标的方程中，第三产业发展促进就业的拐点分别为1.2l和1.23。也就是说，只有当非农产业中，第三产业的产值高于54.8%-55.1%以后，第三产业的进一步发展才会提高就业概率。而在我们的样本中，大约有18.82%-23.86%的回归样本处于拐点的右边。因此，中国的大部分地区仍处于第二产业比第三产业更有利于就业的发展阶段。但是，由于第三产业在非农产业中的比重正在不断提高，由此我们预期，未来中国的就业创造将越来越依赖于第三产业。
除了需求因素以外，政府财政支出、城市基础设施等作为同时影响劳动力市场需求和供给的因素，也被纳入回归分析中。从理论上来说，政府干预对就业影响的方向并不确定。一方面，政府财政支出的增加会通过乘数效应对地方经济产生正面的影响，从而增加劳动力需求，提高劳动者的就业；另一方面，政府投资挤出了私人投资，降低了经济的市场化程度，而这些因素都是不利于就业的。此外，相对更高的政府财政支出可能通过改善城市的基础设施、社会保障水平，吸引更多的劳动力流入，因此政府财政干预也成为影响劳动力市场供给的重要因素。类似地，更好的城市道路、交通等基础设施会影响到人与人之间信息传递的方便性，提高劳动力市场的匹配效率，从而增加劳动力需求。具备更好的基础设施的城市会吸引更多的劳动力流入，因此同时也可被看作影响劳动力市场供给的因素。回归结果显示，这些变量对就业的影响并不显著。此外，省会城市也没有显著影响劳动者的就业概率。
五、模型的拓展：规模对就业效应的异质性
之前的IV Probit结果是将不同受教育年数的样本放在一起进行回归，得到的是城市规模对所有劳动者就业影响的一个平均效应，并没有对不同受教育程度的个人加以区分。然而，不同技能劳动者从城市规模中所获的收益可能并不相同。在这一节，我们将全部劳动力人口按照个人受教育年数，分为受教育年数小于等于9年、在9年到12年之间以及大于12年三组，分别进行回归，以考察城市规模对劳动力影响的异质性。在所有的回归中，我们均控制了个人层面和城市层面的特征。为节省空间，我们仅报告了城市总人口数量的对数和城市大学生数量的对数对就业的影响。表4报告了有关城市规模效应异质性的Probit结果。我们发现，无论是以城市总人口数量还是城市大学毕业生数量作为城市规模的度量指标，对于受教育年数小于等于9年的最低技能的劳动者来说，城市规模的扩大都会显著提高其就业概率。然而，对于受教育年数大于12年的高技能劳动者来说，城市总人口规模对其就业的影响并不显著，但城市大学生数量对劳动者个人就业的促进作用却接近于在10%的水平上显著。这说明，高技能劳动者更多地从高技能劳动者的集聚中获得好处。但是，城市劳动力市场上不可观测的供给因素的影响，特别是高技能者之间的竞争，造成了城市规模系数向下的偏误，因此在Probit回归中，城市规模对较高技能劳动者就业的影响并不显著。
为控制城市劳动力市场上不可观测的需求和供给因素对就业的影响，以及可能存在的反向因果关系，我们同样用1953年的城市人口规模作为2000年城市规模的工具变量，在表5中报告了有关城市规模异质性的IV Probit估计。表中报告的是用Newey's两阶段方法计算的城市规模对就业影响的偏效应，而其显著性水平是根据IV Probit极大似然估计下的经过城市层面聚类调整的稳健标准误差所得。
我们发现，最高技能水平和最低技能水平的劳动者均从城市规模的扩张中显著获得了好处，但最低技能水平的劳动者得益最多。平均来说，城市人口规模或城市大学生规模每增加1%，会使受教育年数小于等于9年的劳动者就业概率提高0.07-0.08个百分点。对于受教育年数大于12年的劳动者来说，这一效应是0.03-0.04个百分点。而对于中等技能水平即受教育年数处于9-12年之间的劳动者来说，城市规模扩张对其就业的影。向并不显著。
不同技能水平劳动者从城市规模的扩张中受益程度不同，这主要与城市的职业结构以及产业结构有关。最低技能水平劳动者的就业主要集中于餐饮、保姆等低技能的服务业，而城市规模的扩大，尤其是高技能劳动者的集中，会增加城市对低技能服务业的需求，从而使得低技能劳动者从城市规模的扩大中受益。我们将所有就业人口按照其所属的行业分为制造业、低技能服务业和高技能服务业三类，分别计算三组人员的平均受教育年数。我们发现，低技能服务业的从业人员平均受教育年数最低，为10.82年，低于制造业的11.00年以及高技能服务业的13.07年。因此，低技能服务业吸收了最多比例的低技能劳动者就业。城市规模的扩大会带来更高的低技能服务业的需求，从而使得低技能劳动者获益。中等技能的劳动者就业主要集中于制造业。随着城市规模的扩大，制造业就业会经历一个先上升、后下降的过程。在城市发展的初期，制造业企业更多地选择进入规模较大的城市，从集聚中获得劳动生产率提高、生产和运输成本下降的好处。地方政府也会出于税收、就业等因素的考虑，鼓励制造业企业进入城市，使得城市在规模扩张的同时创造了大量的制造业就业机会。但在城市发展到一定规模以后，出于保护环境和产业结构升级等因素的考虑，服务业的比重将提高，尤其是金融、贸易、房地产等高技能的服务业。另外，由于工资水平上升、地价上升等拥挤效应的存在，制造业企业本身也会选择离开大城市，迁移到生产成本相对较低的中小城市进行生产。我们的数据显示，随着城市规模的扩大，制造业就业比重的变化呈现为先上升、后下降的倒U型。中等技能的劳动力由于其就业主要集中在制造业企业，因此城市规模扩张对其就业概率有一个更为明显的先正后负的影响，从而导致其在总体上没有从城市规模的扩张中显著受益。但值得注意的是，城市规模的扩大并没有降低中等技能劳动者的就业概率。最后，对于最高技能水平的劳动者，城市规模的扩大对其就业的影响显著为正，这主要是因为两方面的原因。一方面，城市规模的扩大带来了更多的学习机会和更强的知识溢出效应，高技能服务业由于其知识密集型的特点，更多地从城市规模的扩大中获得好处。高技能劳动者的就业主要集中于高技能的服务业，因此城市规模的扩大通过高技能服务业就业机会的增加，提高了高技能劳动者的就业概率。另一方面，随着城市规模的扩大，制造业产业也会升级，低技能服务业的服务质量也会提升，都会使制造业以及原本属于低技能的服务业吸收更多的高技能劳动者就业。按城市的总人口数量，我们将全部城市平均分为小城市、中等规模城市和大城市三类，分别计算在不同规模的城市中，制造业就业中受教育年数大于12年的劳动者的比例。我们发现，小规模城市制造业就业中高技能劳动者所占的比重最低，为19.75%，低于中等规模城市的21.46%和大城市的25.70%。类似的结果对于低技能服务业也存在。在小城市中，低技能服务业就业中的12.66%由受教育程度大于12年的高技能劳动者提供，而这一比例在中等规模城市和大城市中分别为14.68%和23.11%。
六、结论及政策含义
本文使用中国家庭收入调查（CHIP）2002年和2007年的城市居民数据，《中国城市统计年鉴》（1997-2001）和1953年以及2000年的中华人民共和国人口普查数据，考察了城市规模对个人就业的影响。利用工具变量的估计方法，回归结果显示，城市发展的规模经济效应有利于提高劳动者个人的就业概率，平均来说，城市规模每扩大1%，个人就业的概率上升0.039-0.041个百分点。我们还发现，从城市人口规模的扩大中，不同技能的劳动者的受益程度并不相同。较高技能和较低技能组别的劳动力均从城市规模的扩张中获得了好处，但最低技能组别的劳动者获益最大。同时，城市规模的扩大没有显著影响中等技能劳动者的就业。
当前在中国，对于优先发展大城市还是优先发展中小城镇，学术界存在争论。怎样的城市规模是最优的，应该通过权衡城市扩张所带来的规模经济效应和拥挤效应而体现出科学发展。在实践中，城市的规模经济效应未得到充分的理解，使得城市规模扩张的积极效应容易被忽视。本文说明，顺应市场规律的城市规模扩张能提高城市居民的就业率，并且低技能劳动力将从城市扩张中得益更多。因此，本文从就业的角度分析说明，若盲目采取限制城市人口规模的措施，特别是针对低技能者的限制，将会导致效率和公平兼失的局面。由于在现阶段的中国，经济集聚的过程不仅会带来劳动生产率和人均收入的提高，能够以大城市为依托带动中小城镇发展，而且能使更多的劳动力实现就业，从而将更多的劳动力“包容”进经济增长的过程，分享城市化和经济增长带来的好处，因此合理规划城市的规模是中国当前实现包容性就业的必要条件，应在城市发展中予以重视。但是，本文未对城市规模有利于创造就业的机制给出直接的证据，也没有讨论城市扩张的拥挤效应如与交通、环境、犯罪的关系，这些都需要未来进一步的实证研究加以分析，以便为制定科学的城市发展政策提供更全面的依据。特别是现实中，如何区别对待大城市和特大城市，制定相应的城市政策，还需要更多的实证研究。
作者简介：陆铭，复旦大学经济学院教授（上海200433）；高虹，复旦大学经济学院博士研究生（上海200433）；佐藤宏，日本一桥大学经济系教授（东京186-8601）。