四 地区特征与就学流动规模的关系

流动具有选择性，即流动者在受教育程度、职业、技术、年龄、性别等方面具有不同的特点。这种选择过程体现在几个不同但又相互关联的层次。第一，流动者的自我选择。只有那些具有流动意愿且有条件流动的人才会流动，且这种流动在很大程度上取决于与工作间的匹配。总的来说，个体特征如性别、婚姻状况、种族、年龄、受教育程度、前期流动行为等都会影响劳动力的流动行为。第二，流入、流出地的特征会影响流动选择。人才净流入、净流出地区都具有各自的特点，如当地的失业率、工资水平、犯罪率等，这些不仅影响是否流动，还影响流动的方向。如果流动者较多受目的地拉力因素的影响，一般是正向选择；如果是较多受流出地推力的选择，则通常发生的是负向选择。两地间特征的差异性也会影响流动的选择性，以收入分配是否平均为例，如果流出地的收入分配不平等性大于流入地，则流动者的流动则是负向选择；反之则是正向选择[6]。第三，政策和制度因素。一些国家和地区的劳动力市场特征也会对劳动力的流入、流出产生影响，如劳动力市场的分割程度、户籍制度等。第四，对特定类型劳动力的需求也会影响流动的趋势。由于各个国家在政治和人才需求结构上存在很大差异，因此本书只对流入、流出地的地区特征和流动者的个人特征进行总结和分析。

总的来说，影响流动选择的地区特征可以分为三类：地区经济特征，如工资收入水平、物价水平、失业率情况等；地区教育特征，如大学的数量、学费水平等；地区消费特征、制度特征，如地区的气候、犯罪率等。

国外对大学生就学流动的研究，多出于对大学学费水平与学生来源多样性关系以及区域间人才流动问题的关注。早在1970年Tuckman就以美国49个州作为研究对象，分析大学生在这些州之间的就学流动情况。他选择了各个州的就学流出率作为因变量，以各州的人均收入、平均学费水平、公立大学数量、本州大学的平均资助水平等作为自变量，来研究各地区大学生的就学流出与地区特征之间的关系。研究发现，当地公立大学的数量越多，平均教育质量越高，平均学费水平越低，大学生就学流出的比例越低[7]；而对州外学生收取的学费水平越高，所能吸纳的州外学生人数就越少[8]。该模型奠定了流动的最基本模型，此后学者们便在此模型的基础上不断添加和修正变量，以求获得地区间学生就学流动的全部解释[9]。

不可否认的是，学生在地区间的就学流动不仅会受到流出地的“推力”作用，还可能会受到流入地的“拉力”作用。McHugh 和Morgan以及Baryla和Dotterweic考察了流入地特征对大学生就学流动的吸引力[10]。影响大学生就学流动选择的显著特征包括经济特征和教育环境两部分[11]。作为家庭收入水平的代理变量，当地人均收入水平越高，就学流出的可能性越大，原因是人均收入越高，说明家庭的支付能力越强，因此愿意支付额外学费送孩子到外地就学的可能性也就越大[12]。而被列为消费范畴的影响因素如地理位置、气候等都被证明影响不显著[13]。以上研究结论说明，以追求更高层次教育为目的的就学流动，看重的是流动能否带来教育环境的改善，能否提高未来的预期收入，以及自身是否具有支付学费的能力，而气候和地理环境的好坏并不是大学生进行流动决策时所考虑的主要因素。

除了上述经济、教育和消费特征的影响，流入地与流出地之间的距离也是影响大学生就学和就业选择的重要因素。一般来说，距离越远，流动的可能性就越小[14]。这是因为，距离越远，潜在流动者获得相关信息就越少，交通成本和心理成本也就越大，即便流动也往往遵循家人、朋友或亲戚以前的路线，通过他们来获取工作、住宿等相关信息来降低流动的难度。Kyung在1996年对进入纽约州就读大学的学生来源的研究发现，离纽约州的距离越远，进入纽约州就读的可能性越低[15]。那些发生就学流动的学生多数都是流向与家乡邻近的地区[16]。来自弗吉尼亚州高等教育委员会的报告也显示，1979年由弗吉尼亚流向其他地区就学的学生中有51%都去往了邻近的地区，如华盛顿、马里兰、北卡罗来纳等地区。对就业流动的研究也得到了相似的结论：距离越远流动的可能性越小。国内研究同样发现距离对就业流动产生了重要的影响。卢姗等对来沪就读的上海高校本科毕业生的流动意愿进行研究，发现毕业生流动总体上符合距离衰减规律，邻省来沪学生更愿意留在上海发展[17]。

为了全面分析影响地区间就学流动的影响因素，接下来建立一般线性回归方程：

其中，因变量MOedu为各生源省份的就学流出率；自变量GDP为代表地区经济发展水平的人均GDP，该变量还在一定程度上反映了当地居民对高等教育的支付能力；自变量CON为当地居民的消费水平，它在一定程度上反映了在当地接受高等教育的生活成本；EMP 为当地的失业率，它是表示当地就业机会的变量；ENR为代表地区各省高等院校在校生人数，它代表当地的高等教育规模，既反映了学生是否必须迁移到外地接受高等教育，又反映了对外地生源的吸引力。MAJ是重点高校的学生比例，它代表了当地优质高等教育的数量。需要说明的是，该模型并没有将地区高等教育的学费和学生资助水平纳入其中，因为在中国各个地区之间不管是学费还是学生资助并不存在显著差别，基本上也不会成为学生就学流动决策的考虑因素。

表1 -7呈现了式（1.1）的回归结果。回归模型卡方值为5.085，显著性水平为0.003，表明整体模型在统计上是显著的，引入模型的解释变量对被解释变量具有显著的解释能力。

从回归结果来看，生源地的经济发展水平会对就学流出率有显著负影响：当地经济越发达，流往外地就读大学的学生比例越小，具体来说，当地的人均GDP每增加一个标准单位，当地的就学流出率就下降0.4个百分点（P＜0.05）。此外，当地的高等教育规模也对就学流出率具有显著负影响：当地高等教育规模越大，流出该地到外地就学的学生比例越小，具体来说，当地高等教育的在校生数每增加一个标准单位，就学流出率会降低0.6个百分点（P＜0.05）。而代表支付能力的居民消费水平、代表就业机会的失业率以及代表高等教育质量的重点高校学生数对地区就学流出率的影响则并不显著。

地区的人均GDP水平和高等教育规模对就学流出的影响均是负显著的，说明当地的经济发展水平越高，高等教育规模越大，选择到外省就学的学生比例就越低。那么为什么其他几个因素不显著呢？

居民消费水平这一变量的加入，用来表示学生的生活成本。按照人力资本理论，生活成本越高的地方，学生就学的成本也就相对越高，因此选择流出的可能性就越大。从该变量的系数来看，与预计是一样的，但没有通过10%的显著性检验。可能的原因是，尽管居民消费水平会影响就学成本，但相对于学费这一直接成本来说，平均的居民消费水平可能不会对就学成本产生太大影响。加之，一般消费水平越高的省份，其经济发展水平也相对较高，因此两者的作用可能有所抵消。

加入失业率这一变量，是为了考察学生将来在此找到工作的机会。按照预期收入差异理论，如果找到工作的可能性越大，那么流出的概率就越小。从这一变量的系数来看，与理论是一致的，但系数值非常小，且统计上不显著。一方面可能是因为该失业率是该省全体居民的失业率，而大学生在流动时考虑的失业率只是大学生群体在该地的工作机会，因此造成影响不显著；另一方面则可能是由于学生在进行就学流动时还不太考虑就业机会这一因素。

重点高校学生数这一变量，代表的是该地区院校的质量。院校质量越高，那么学生到外地就学的比例就可能越小。从系数来看，与上文预计是一样的，但系数值很小，且统计上并不显著。可能的原因是，学生在考虑是否到外地就学时，不仅会考虑各地区的高等教育质量，还会考虑高等学校质量与自身的匹配关系。对那些成绩较好的学生来说，也许当地的高校质量高的学校较多，便会促使他们留在当地就学。但对那些成绩相对较差的学生来说，他们考虑的则是与自身相匹配的高等教育情况，因此即便当地好学校很多，但如果没有与之成绩匹配的学校，他们也不会留在本地就学。