劳动力流动性

“人往高处走，水往低处流。” —— 中国古语

劳动者总是在寻找更高薪酬的工作机会，而企业也在不断寻找更优秀且成本更低的员工。在竞争性劳动力市场中，这些搜寻活动使得具有相同技能水平的劳动者在不同企业和不同劳动力市场之间的边际产品价值趋于相等。这种均衡的劳动者配置是高效的，没有其他配置方式能够增加劳动力对国民收入的贡献。

当然，现实中的劳动力市场并非如此完美。劳动者往往不完全了解自己的技能和能力，对其他工作或劳动力市场的机会信息也不充分。企业同样不完全了解所雇佣员工的真实生产力。就像婚姻一样，劳动者与企业之间匹配价值的信息需要双方在相互了解的过程中慢慢显现。因此，现有的劳动者配置并非最优，存在其他能够提高国民收入的配置方式。

本内容探讨劳动力流动性——劳动力市场用来改善劳动者与企业配置的机制。劳动力市场存在大量的流动性。事实上，中国的劳动力市场似乎处于不断变化之中。每月约有3%的劳动者更换工作，每年约有1.5%的人口跨省流动，每年有数百万农民工进城务工。所有这些劳动力流动都由相同的基本因素驱动：劳动者希望改善自己的经济状况，企业希望雇佣更有生产力且成本更低的员工。

劳动力流动性的研究帮助我们回答劳动经济学中的几个关键问题：什么决定了迁移？流动者与选择留下的劳动者有何不同？流动者如何适应新的工作环境？迁移会产生什么后果？

---

迁移作为人力资本投资

著名中国经济学家林毅夫曾指出：“人口流动的根本动力在于经济利益的差异，尤其是工资和就业机会的差异。”基于这一观点，迁移决策可以被视为一种人力资本投资。劳动者会权衡不同地区的就业机会和收入水平，扣除迁移所需的经济和社会成本，最终选择能够最大化其终身收入现值的迁移方案。

假设有一位20岁的年轻人，目前在北京工作，每年收入10万元。如果他考虑搬到深圳工作，预计每年收入可以达到15万元。搬家的各种成本（如交通、搬家费用，以及离开家人和朋友的心理成本等）合计大约需要2万元。

像其他人力资本投资一样，这位劳动者会比较两种选择下未来所有年份收入的总和（即终身收入），并考虑每年收入的时间价值（比如未来的钱要打折扣）。如果搬到深圳后，扣除2万元迁移成本后，未来所有收入的总和比留在北京高，那么他就有动力选择迁移。

迁移的净收益等于深圳收入现值减去北京收入现值再减去迁移成本M。当这个净收益为正时，理性的劳动者会选择迁移。

当净收益为正时，劳动者会选择迁移。从这个框架可以立即得出几个显而易见且可以实证检验的命题：

1. 目的地经济机会的改善会增加迁移的净收益，提高劳动者迁移的概率
2. 当前居住地经济机会的改善会降低迁移的净收益，降低劳动者迁移的概率
3. 迁移成本的增加会降低迁移的净收益，减少迁移的可能性

所有这些含义都传达了相同的基本信息：当劳动者很有可能收回投资时，迁移就会发生。

---

国内迁移

中国人具有很强的流动性。2019年至2020年间，约有2.8%的人口跨县流动，另有1.2%跨省流动或出国。许多研究检验了中国境内任何两地之间的迁移率——称为国内迁移——是否对经济条件差异（如工资和失业率）以及迁移成本（通常用迁移距离衡量）做出反应。证据表明，国内迁移流的规模和方向确实与劳动者寻求更好就业机会的观念一致。

这些相关性帮助我们理解中国一些主要国内迁移浪潮的方向。例如，从1980年到2020年，出现了大规模且持续的农村劳动力向城市工业化地区的流动。1980年，约80%的中国人口生活在农村；到2020年，这一比例下降到约40%。这种迁移的规模和方向并不令人意外。沿海发达城市蓬勃发展的制造业和服务业提供了更好的就业机会，显然说服了许多农村劳动者向城市迁移。

有强有力的证据表明，劳动者的社会经济特征，特别是教育程度和年龄，决定了迁移倾向。迁移在年轻和受教育程度较高的劳动者中最为常见。

上图显示了年龄与劳动者跨省迁移概率之间的关系。这种概率在整个工作生涯中系统性地下降。约4%的二十多岁劳动者跨省迁移，但到四十多岁时，这一概率降至1%。年龄较大的劳动者迁移可能性较小，因为迁移是一项人力资本投资，而年龄较大的劳动者收回投资的时间较短。

劳动者的教育程度与迁移概率之间也存在正相关关系。2019年至2020年间，研究生学历劳动者跨省迁移的概率为2.8%，是高中毕业生（1.3%）的两倍多。

教育程度与国内迁移之间的正相关关系可能源于高学历劳动者在了解其他劳动力市场机会方面更加高效，从而降低了迁移成本。高学历劳动者相关劳动力市场的地理范围也可能比低学历劳动者更大。例如，考虑大学教授面临的劳动力市场。任何给定城市的"企业"（大学）都很少，教授的技能在不同雇主之间具有很强的可移植性。实际上，大学教授在全国（甚至可能是国际）劳动力市场上出售他们的技能。

回流和重复迁移

刚刚迁移的劳动者极有可能迁回原居住地（产生回流迁移）或继续迁移到其他地方（产生重复迁移）。迁移者在一年内返回原省份的概率约为15%，迁移到另一个地方的概率为18%。

除非迁移后各地区的经济条件发生剧烈变化，否则迁移者的高度再次迁移倾向与收入最大化假设不一致。在初次迁移之前，劳动者的成本效益计算表明，比如从河南迁移到广东能够最大化其终生收入净现值（扣除迁移成本）。迁移仅几周后进行的类似计算怎么会表明返回河南或迁移到浙江能够最大化劳动者的收入？

两个因素可以产生回流和重复迁移。一些回流迁移源于劳动者发现初次迁移决策是错误的。考虑从河南迁移到广东的劳动者面临着关于广东条件的大量不确定性。到达后，他可能发现可获得的就业机会或当地便利设施远比预期的差。回流和重复迁移是劳动者试图纠正这些错误的结果。

即使在没有任何不确定性的情况下，回流或重复迁移也可能是某些职业中最大化终生收入现值的职业道路。例如，专门从事税法的律师很快意识到，在财政部、司法部或国家税务总局短期任职能为他们提供宝贵的人力资本。这种人力资本包括对税法的深入了解以及与政府官员的个人关系。在政府服务后，律师可以返回原省份或迁移到其他地区，在那里他们新获得的技能将得到高度回报。实际上，律师在北京的临时居留是最大化终生收入的职业阶梯中的一步。

为什么迁移如此之少？

尽管中国人流动性很强，但国内迁移率不足以完全消除地区间工资差异。地区工资差异的持续存在提出了一个重要问题：为什么更多劳动者不利用某些地区的高工资？人力资本模型提供了一个显而易见的答案：迁移成本必须非常高。

假设贵州瓦工年收入为4.5万元，深圳瓦工年收入为7.2万元。为简化理解，我们假设这两个数字在劳动者一生中都不变。如果劳动者可以一直工作下去，我们可以用这两个数字来计算迁移的贴现现值。

如果迁移的贴现收益恰好等于迁移成本，贵州劳动者对迁移和留下是无差异的。通过数学推导可以得出，迁移成本占工资的比例π与工资差异和贴现率相关。

比率（深圳工资-贵州工资）/贵州工资约为0.6，表明瓦工通过迁移到深圳可以将工资提高约60%。如果贴现率为5%，计算结果显示对迁移与否无差异的劳动者的迁移成本等于其工资的21倍。如果瓦工的年收入为4.5万元，迁移成本约为94.5万元。

这笔费用的确切性质是什么？显然，它不代表将家庭和家庭用品运输到新地点的成本。相反，边际贵州人可能对其出生地的社会和文化便利设施赋予很高的效用价值。在其他情况下——如国际迁移，存在法律限制以及语言和文化差异更大——迁移成本可能更高。简而言之，尽管国内迁移提高了劳动力市场效率，但潜在收益受到迁移流量往往不够大这一事实的限制。

---

家庭迁移

前面讲的迁移模型主要分析一个人怎么选工作地点，让自己一辈子的收入最大化。但现实中，很多人不是一个人做决定，而是全家一起决定要不要搬家。所以，搬不搬家要看全家人加起来是不是更划算。

举个例子，假设一个家庭有丈夫和妻子。假如丈夫搬家（比如从北京到上海）后，一辈子能多赚10万元，这就是他的“私人收益”。妻子搬家后如果能多赚5万元，这就是她的“私人收益”。如果他们是单身，谁的收益大于0谁就会搬家。

但如果他们是一个家庭，搬不搬家要看两个人加起来是不是赚了钱。比如丈夫能多赚10万，妻子能多赚5万，加起来是15万，家庭总收益大于0，所以全家会搬家。如果丈夫能多赚10万，妻子要少赚12万，加起来是-2万，那全家就不会搬家。

用公式表示就是：

$10 + 5 = 15 > 0$

只要两个人加起来的收益大于0，全家就会搬家。

上图可以用数字简单说明。比如，纵轴是丈夫搬家后能多赚多少钱，横轴是妻子能多赚多少钱。如果丈夫一个人做决定，只要他能多赚钱（比如大于0），他就会搬家。妻子也是一样。

但全家一起决定时，要看两个人加起来是不是赚了钱。比如，妻子能多赚10万，丈夫要少赚10万，加起来是0，这种情况下家庭可能就不搬家了。再比如，丈夫能多赚8万，妻子能多赚5万，加起来13万，家庭就会搬家。

有时候，家庭成员的利益会冲突。比如：

• 妻子搬家能多赚8万，但丈夫要少赚10万。加起来是-2万，家庭就不会搬家。妻子其实是“约束留守者”，她本来能赚更多，但为了家庭利益只能留下。
• 丈夫搬家要少赚5万，但妻子能多赚15万。加起来是10万，家庭会搬家。丈夫成了“约束迁移者”，他其实搬家后收入变少，但为了家庭利益还是搬了。

现实中，很多家庭成员搬家后收入反而变少，尤其是女性。比如有研究发现，女性搬家后收入下降的比例不小。

现在，越来越多的家庭是双职工，夫妻俩都要找工作。假如两个人都想在同一个城市找到合适的工作，难度很大，这也让家庭搬家的可能性变低了。

为了解决这个问题，有的单位会帮配偶找工作，甚至两个人一起招。有的夫妻会选择分居在不同城市，这样可以减少因为家庭搬家带来的损失。

---

移民的自我选择

由于中国和许多其他国家移民数量的激增，近年来劳动力流动性研究的兴趣主要转向分析国际迁移的决定因素和后果。

在移民接收国中经常观察到的一个现象是移民的工资因国籍而异。例如，在中国，来自发达国家的外籍专家平均收入比本地人高36%，而来自发展中国家的外籍劳动者平均收入比本地人低25%。

部分差异可能源于在工业化劳动力市场获得的技能更容易转移到中国环境。工业化国家企业寻求的技能可能与中国雇主奖励的技能相似。但差异也可能源于来自不同国家的移民类型不同。移民不是从人口中随机选择的；他们是自我选择的。这种自我选择提出了劳动力流动性研究中最重要的问题之一：哪个劳动者子集发现迁移是值得的，是最熟练的还是最不熟练的？

著名的罗伊模型描述了劳动者如何在就业机会之间进行自我分类。现在居住在来源国的劳动者正在决定是否应该迁移到中国。假设两国的收入都只取决于劳动者的技能，技能是通用的且完全可转移的。设s表示劳动者体现的效率单位数。下图说明了来源国人口中技能的频率分布，我们希望确定该分布中哪个子集选择移民。

每个劳动者通过比较两国收入来做出迁移决策。为简化起见，我们最初假设劳动者不承担任何迁移成本。决定迁移的决策规则很简单：当中国收入超过来源国收入时，劳动者迁移到中国。

下图展示了不同国家工资与技能之间的关系。工资-技能线的斜率表示每提升一个技能单位所能获得的额外收入。我们可以用一个“分界点”来理解移民的自我选择：这个分界点就是“在哪个技能水平上，劳动者在中国和在来源国的收入刚好相等”。低于这个分界点，留在来源国更划算；高于这个分界点，去中国工作更有利。

在图(a)中，中国的工资-技能线更陡，说明在中国技能越高，收入提升得越快。对于技能水平较高的劳动者（高于分界点），他们在中国能获得更高的收入，因此更愿意迁移。这样，移民流主要由高技能劳动者组成，这种现象叫做“正向选择”。平均来看，移民到中国的人技能较强，表现也更好。

在图(b)中，来源国的工资-技能线更陡，意味着在来源国技能回报更高。此时，只有技能水平较低的劳动者（低于分界点）在中国的收入会更高，他们才会选择迁移。技能较高的人则更愿意留在来源国。这样，移民流主要由低技能劳动者组成，这叫做“负向选择”。平均来看，这些移民技能不高，在中国的表现也一般。

罗伊模型的核心思想很简单：不同国家对技能的回报差异决定了哪些人会选择移民。可以把劳动者想象成“出售”自己技能的企业，他们会流向能卖出更高价格的市场。

这个模型给我们一个经验法则：如果一个国家对高技能劳动者的回报不高（比如收入分配很平均、税收很高的国家，如瑞典或丹麦），那么高技能劳动者更有动力移民到中国，这就是“人才流失”。而如果来源国对高技能劳动者的回报很高（比如收入差距大的发展中国家），那么低技能劳动者更有动力移民到中国，中国就会吸引更多低技能移民。

已有研究发现，来源国收入不平等程度（也就是技能回报率）和移民在中国的收入之间确实存在负相关关系。

收入水平变化和迁移成本

罗伊模型还有一个有趣的结论：无论中国或来源国的平均收入水平如何（即工资-技能线整体高低），都不会改变移民流的类型（是高技能还是低技能为主），但会影响移民的总人数。

比如，如果中国经济衰退，整体收入下降，工资-技能线整体下移，那么“分界点”会向右移动，只有技能更高的人才有动力迁移，移民人数减少，但依然以高技能为主（正向选择）。

同理，如果来源国技能回报更高，“分界点”会向左移动，只有技能较低的人才会迁移，移民人数减少，但依然以低技能为主（负向选择）。

虽然我们前面假设没有迁移成本，其实只要把迁移成本加进去（比如每人5000美元），就等于把中国的工资-技能线整体下移。迁移成本越高，移民人数越少，但不会改变移民流的类型（正向或负向选择）。

---

移民同化

迁移者如何适应新地点的不同经济条件？这个问题在移民背景下受到了很多关注，因为移民的同化在每个移民接收国的移民政策辩论中都起着关键作用。能够很好适应并在新环境中相对成功的移民可以对经济增长做出重大贡献。

横截面年龄-收入曲线

为了评估收入与同化之间的关系，许多早期研究使用横截面数据集（即在某个时间点提供人口快照的数据集，如特定的人口普查）。横截面数据集让我们比较新到移民的当前收入（截至快照时间）与多年前移民的当前收入。

典型分析估计横截面中明瑟收入函数的变体。回归方程为：

本地人回归：$\log w = \alpha_0 + \alpha_1 s + \alpha_2 t + \alpha_3 t^2$

移民回归：$\log w = \beta_0 + \beta_1 s + \beta_2 t + \beta_3 t^2 + \beta_4 y + \beta_5 y^2$

本地人收入回归是典型的明瑟方程，将劳动者的（对数）工资w与教育年限(s)和经验年限(t)联系起来。移民方程在模型中添加了一个关键变量，即移民在中国居住的年数（用y表示）。

然后很容易使用估计的回归系数绘制隐含的抛物线。下图说明了2010年人口普查横截面产生的年龄-收入曲线。

在20岁进入中国时，移民男性的收入比同等本地男性低约15%。然而，移民的年龄-收入曲线更陡。14年后，移民的收入“追上”了本地劳动者的收入。在中国居住30年的典型移民比同等本地人多收入约10%。

图中有三个值得注意的结果。首先，移民收入最初低于本地人收入。这一发现通常解释如下：移民刚到达时，缺乏中国雇主重视的技能。这些“中国特定”技能包括语言、教育证书以及关于最高薪工作是什么和在哪里的信息。

第二是移民年龄-收入曲线更陡。人力资本模型意味着更大的人力资本投资量会使年龄-收入曲线变陡。随着移民学习中文并了解中国劳动力市场，移民的人力资本存量相对于本地人增长，经济同化发生，即移民收入开始向本地人收入趋同。

人力资本模型因此为移民收入开始时低于然后增长得比本地人收入快提供了解释。但它无法解释图中的第三个发现：14年后，移民开始比本地人收入更高。为什么移民最终会积累比本地人更多的人力资本？

超越现象的解释通常诉诸选择论证：移民不是从人口中随机选择的。也许只有那些具有特殊能力或大量动力和积极性的劳动者才会收拾一切，离开家人朋友，搬到外国重新开始生活。如果移民确实以这种方式从人口中选择，一旦他们获得必要的中国特定技能，移民收入更高就不足为奇了。

队列效应

横截面年龄-收入曲线的“同化主义”解释声称多年前移民的移民已经获得了中国特定技能，从而改善了他们的经济地位。这种解释有一个问题：我们从单个时间点拍摄的快照中得出关于移民收入如何随时间演变的推论。可能的情况是，新到移民在本质上与20年前移民的人不同。那么使用20年前移民的经济经验来预测新到移民的未来劳动力市场表现就是无效的。下图说明了这种替代假设。

为简化起见，考虑一个假设情况，其中有三个独立的移民浪潮，这些浪潮具有不同的生产力。一波于1990年到达，第二波于2000年到达，最后一波于2010年到达。还假设所有移民都在20岁进入中国。

让我们还假设最早的队列具有人口中任何群体（包括中国出生的劳动者）的最高生产力。如果我们能够观察这些移民到达后每年的收入，他们的年龄-收入曲线将由线PP给出。还假设最后一批移民（即2010年到达者）是人口中生产力最低的群体。如果我们能够观察他们整个工作生涯的收入，他们的年龄-收入曲线将由线RR给出。最后，假设2000年到达的移民与本地人具有相同的技能。如果我们能够观察他们每个年龄的收入，这个队列和本地人的年龄-收入曲线将由线QQ给出。注意，每个移民队列的年龄-收入曲线都与本地人口的年龄-收入曲线平行。在这个假设例子中，移民和本地人之间没有工资趋同。

我们可以访问2010年十年一次人口普查的数据，该数据报告了劳动者在2010年的年龄和收入，以及他的出生国和到达中国的年份。这意味着2010年横截面告诉我们作为2010年队列一部分的移民在20岁时的工资（见图中的点R*）。它还告诉我们2000年到达的移民在30岁时的工资（点Q*），以及1990年到达的移民在40岁时的工资（点P*）。因此，横截面只允许我们观察每个移民年龄-收入曲线上的一个点。

如果我们连接点P*、Q和R，我们描绘出横截面数据产生的移民年龄-收入曲线，即图中的线CC。这条横截面线比本地年龄-收入曲线更陡，使得看起来移民和本地人之间存在工资趋同，而实际上没有。此外，横截面线CC在30岁时与本地线相交，给人的印象是移民收入在20年后超过本地人收入。事实上，没有移民群体经历过这样的超越。

图显示，如果移民队列之间存在内在生产力差异，横截面年龄-收入曲线可能产生关于同化的错误认知。移民队列之间的技能差异称为队列效应。

队列效应的证据

数据确实表明移民队列之间存在技能差异，这些队列效应可能相当大。典型研究跨人口普查“跟踪”特定移民队列的收入。例如，2000年人口普查报告1990年移民在25岁时的平均工资；2010年人口普查报告同一批移民在35岁时的平均工资；2020年人口普查报告同一群人在45岁时的平均工资。跨人口普查跟踪特定移民队列然后描绘出每个队列的年龄-收入曲线。

下图说明了这种跟踪产生的年龄-收入曲线。1990年到达的新移民男性在进入时的收入比本地人低约24%。到2020年，这个进入队列的收入差距缩小到33%。换句话说，似乎早期移民浪潮已经获得了中国特定技能，从而改善了他们的经济地位。图还显示新到移民的进入工资从1990年到2010年有所下降。1990年新移民的进入工资比本地人低24%，但2010年新浪潮的进入工资低33%。换句话说，似乎更近期的移民浪潮技能有所下降。

---

工作匹配与工作流动

我们现在转向劳动力市场中经常观察到的最后一种劳动力流动：工作流动——劳动者从一个工作到另一个工作的流动。

在竞争性劳动力市场的标准模型中，寻找最佳工作的劳动者与利润最大化的雇主之间的相互作用使得劳动边际产品价值在企业间相等。劳动者与企业的均衡配置最大化了劳动力对国民收入的贡献价值。如果劳动者转换到另一家企业，其边际产品价值不会增加，因此没有理由发生任何类型的工作分离。

然而，辞职和裁员都经常被观察到。这些工作分离的发生部分是因为劳动者在能力上有差异，企业提供不同的工作条件。此外，劳动者缺乏关于哪家企业提供最佳机会的信息，企业缺乏关于劳动者真实生产力的信息。

假设不同企业提供不同的工作环境。例如，在腾讯，主管总是很有条理，提前很好地规划劳动者的日程，给劳动者充足的时间完成指定任务。在某家初创公司，老板等到最后一分钟才通知劳动者即将到来的任务（比如为最新游戏调整编写代码），然后施加紧迫的截止日期。如果特定劳动者在压力条件下表现不佳，该劳动者与腾讯之间匹配的价值将高于与初创公司的匹配价值。然而，其他劳动者可能发现他们的生产力在面临紧迫截止日期时达到最佳，初创公司的匹配价值会更高。

每个工作匹配（即企业与劳动者的特定配对）都有其独特价值的概念意味着劳动者和企业都可以通过四处寻找来改善他们的情况。特定程序员是在腾讯还是在初创公司工作是有区别的。劳动者和企业对最佳匹配的共同搜索增加了劳动者的工资和企业的利润。

如果劳动者和企业确切知道哪个特定匹配具有最高价值，劳动者会寻找最佳企业，企业会寻找最佳劳动者，一旦“婚姻”完成就不需要任何流动。劳动者和企业的分类将是最优分类，即最大化劳动产品总价值的分类。

但企业和劳动者在工作开始时对匹配的真实价值都了解不足。随着时间的推移，劳动者和企业都可能意识到他们错误地预测了该价值。此外，他们都知道还有其他劳动者和企业会导致更好的匹配。工作流动是劳动力市场用来纠正匹配错误并将市场推向更好资源配置的机制。这种类型的流动称为有效流动，因为它增加了竞争市场中劳动产品的总价值。

如上图所示，新雇佣的劳动者确实具有很高的更换工作概率。近75%的新雇佣年轻劳动者和约40%的新雇佣年长劳动者在2年内更换工作。然而，分离率在劳动者在职仅2或3年后就急剧下降。注意，这种模式在辞职（或员工主导的分离）和裁员（或雇主主导的分离）中都观察到。新雇佣劳动者可能具有最高的辞职和裁员率，因为劳动者和企业都在"试水"并找出工作匹配的真实价值。

有趣的是，图表明即使在劳动者在职2或3年后，分离率仍继续下降。正如收入分配一文中所指出的，辞职和裁员率随工作资历稳步下降与企业特定人力资本的存在一致。在雇佣关系开始时，劳动者和企业尚未投资于该工作特定的技能，双方之间没有“纽带”。一旦获得特定培训，劳动者在提供培训的企业中的生产力超过其工资（降低裁员概率），劳动者在该企业的工资超过他在其他地方能获得的工资（降低辞职概率）。

最终，长期工作往往成为常态而非例外。例如，17%的45-59岁劳动者从事持续至少20年的工作，另外28%从事持续10-19年的工作。

---

工作流动与年龄

工作流动改变了劳动者年龄-收入曲线的形状。最明显的是，辞职者通常转移到更高薪的工作，而被裁员的劳动者转移到更低薪的工作。事实上，非自愿失业的不利后果可能是巨大的。对英国被裁员劳动者的研究发现，因大规模裁员而失业的劳动者的后续工资比裁员前工资低约15-25%。

因此，工作流动导致迁移者年龄-收入曲线水平的立即变化，如下图所示。工资水平在年龄$t_1$和$t_3$时上升，当劳动者辞职时，在年龄$t_2$时下降，当他被裁员时。

但劳动流动也可能影响年龄-收入曲线的斜率。图还对比了两个劳动者的年龄-收入曲线，一个是迁移者，一个是留守者。留守者有一个连续的陡峭曲线，因此工作内的工资增长率很大。迁移者在每次工作变动时要么获得加薪要么减薪（取决于是辞职还是裁员）。然而，在给定工作内，迁移者的年龄-收入曲线相对平坦。

企业特定培训实际上表明工作流动与工作内年龄-收入曲线斜率之间存在这种关系。从事长期关系的劳动者和企业有激励投资特定技能。因为劳动者支付部分成本并收集部分回报，在有大量特定资本投资的工作中——即较长的工作——工资增长更陡。因此，劳动者的收入不仅取决于其劳动力市场经验年数（如明瑟收入函数中），还取决于其工作历史和工作资历，即在当前工作中雇佣的年数。

有证据表明工作资历长的劳动者比新雇佣的劳动者收入更高，即使在控制劳动者年龄差异后也是如此。虽然这一证据似乎与特定培训假设一致，但对工作资历与收入之间的正相关关系是否真正反映了特定培训的影响存在一些怀疑。

问题的根源在于，跨劳动者的收入与工作资历之间的正相关关系可能有多种来源。我们可以用简单的数字来说明。例如，假设有一部分劳动者很幸运，找到了高薪工作，这些人每年收入10万元，并且收入不会随时间增长。另一部分劳动者不那么幸运，只能在低薪工作中每年获得5万元，同样收入也不随时间变化。在这个假设下，工作资历本身并不会导致收入增加，也就是说，特定培训对工资没有影响。

高薪工作的幸运劳动者对现状满意，不愿意频繁换工作，因此他们通常会有较长的工作资历。而低薪工作的劳动者对现状不满意，更可能频繁跳槽，因此他们的工作资历较短。

跨劳动者的收入与工作资历之间的相关关系将是正的，表明工资随工作资历增长，而实际上没有这样的事情发生。对于给定劳动者，工资不随资历增长。然而，跨劳动者，较长的工作资历与较高的工资相关，因为有很多工作资历的劳动者可能处于良好匹配中，而资历很少的劳动者处于不良匹配中。因此，得出横截面相关关系说明特定培训重要性的结论是错误的。

为了分离工作资历对给定劳动者工资的影响，我们需要跟踪劳动者随时间的收入，既随着他变老又随着他积累企业特定经验。然而，跟踪研究获得的工资与工作资历关系的证据是混合的。最近的研究表明，工作资历的前10年可能使劳动者的收入比他在其他地方能获得的收入增加约10%。换句话说，每年的工作资历将劳动者的收入机会扩大约1%。

---

总结

跨地理区域的迁移行为受到原籍地和目的地经济条件以及迁移成本的共同影响。当原籍地的收入水平较低或就业机会有限，而目的地能够提供更高的工资和更好的发展前景时，劳动者更有动力选择迁移。如果迁移成本较低，比如交通便利、信息畅通、社会网络支持等，迁移的可能性也会显著增加。反之，较高的迁移成本则会抑制流动。值得注意的是，迁移决策往往不是单个劳动者的个人选择，而是家庭层面的集体决策。在家庭共同决策的情境下，移民流中会出现“约束迁移者”和“约束留守者”。

约束迁移者是指那些个人迁移收益为负，但由于家庭其他成员迁移收益更高，整体家庭收益为正，因此被“迫使”迁移的成员；而约束留守者则是那些个人迁移收益为正，但由于家庭整体迁移收益为负，被“迫使”留下的成员。这种家庭内部的利益权衡，导致部分本应迁移的劳动者未能迁移，也使部分迁移者在个人层面遭受损失。

此外，移民并不是从人口中随机选择的。移民流的技能结构取决于目的地和原籍地的技能回报率。如果目的地对技能的回报高于原籍地，移民流往往表现为“正选择”，即高于平均水平技能的劳动者更倾向于迁移；反之，如果目的地的技能回报率低于原籍地，则会出现“负选择”，即技能水平较低的劳动者更可能迁移。需要注意的是，移民人口的技能构成还可能受到队列效应的影响。例如，早期移民在横截面中比新到移民收入更高，这种现象不一定意味着移民经历了显著的同化，相关关系可能反映的是不同移民浪潮之间的生产力差异。

有效的劳动力流动能够改善劳动者与企业之间的匹配质量，提升劳动力对国民收入的贡献。在企业内部，工作资历的积累同样影响劳动者的收入水平。一般来说，在同一工作岗位上工作时间较长的劳动者，其收入往往高于新雇佣的劳动者。这一现象部分源于良好匹配的劳动者更愿意长期留在岗位上，部分则归因于企业特定培训的积累提升了劳动者的生产力。因此，劳动者的收入不仅取决于其劳动力市场经验年数，还与其在当前工作的资历和所获得的特定技能密切相关。