张可云：农业转移人口市民化方式及其对收入分化的影响——基于CGSS数据的观察时间： 2022-11-30信息来源：张可云教授 作者：张可云 责编：SJW
及其对收入分化的影响
——基于CGSS数据的观察*
关键词：市民化方式 新型城镇化 收入分化 征地 农转非
改革开放以来，工业化的迅猛发展催生了空前的劳动力需求，与此同时，农业生产技术的不断进步使农村出现剩余劳动力。在工业化及农业现代化的共同作用下，大量农村居民脱离了传统的农业生产并走向城市，推动着中国城镇化水平的不断提升。2020年中国常住人口城镇化率已超过60%①，而户籍人口城镇化率和农业转移人口市民化程度仍较低。农业转移人口市民化虽与城镇化密切相关，但其有着更深层次的含义，它不仅包含农村居民由农村走向城市，由农业走向非农业，还更加注重农村居民完成户籍上的非农化。《2019年新型城镇化建设重点任务》（发改规划〔2019〕617号）和《2020年新型城镇化建设和城乡融合发展重点任务》（发改规划〔2020〕532号）开篇即强调要加快农业转移人口市民化，加大非户籍人口在城市落户推进力度，提高农业转移人口市民化质量。在现行的户籍制度以及公共服务、政治权利与户籍捆绑的管理体制下，推动农业转移人口市民化，使进城农村居民平等享受市民待遇的关键环节是推进农村居民落户城市。
推进农业转移人口市民化可以从两方面入手：一是深化户籍制度改革，将公共服务、居民政治权利等市民待遇与户籍适度解绑；二是激励或推动农业户籍人口落户城市，这也是新型城镇化建设的重点任务。由于前者是一个具有全国性的综合问题，地方政府只有有限的执行权和解释权，因此促进农业户籍人口落户城镇始终是地方政府推进农业转移人口市民化和户籍人口城镇化工作中的重点。
近年来，各地落户政策的不断放松使城镇户口的获得更加容易，但大部分中小城市非户籍人口落户城市的动力仍然不足，这与北京、上海、广州、深圳等一线大城市“一户难求”的现象形成了鲜明对比。从个体层面分析，原因不外乎个体落户意愿不足和落户能力不足。事实上，对于农业转移人口来说，无论其选择在哪里完成户籍转变或市民化，都需同时具备城镇化意愿和能力（周蕾等，2012）。然而在中国城镇化的进程中，大量有能力无意愿的农村居民同样完成了农业户籍向城镇户籍的转变及市民化过程。与能力和意愿兼备且主动完成户籍转变和市民化的个体相比，该部分个体是被动地完成了户籍转变，其中很大一部分是由于被征地而获得了城镇户籍。倘若根据个体在市民化过程中能否充分决定户籍转换的具体时间来划分，可将市民化分为主动市民化和被动市民化两种方式。
主动市民化即个体在完全自主的条件下自行选择何时、何地完成农业户籍向非农业户籍的转变，被动市民化即个体无法或只能部分地决定自己何时、何地完成相应的转变。区别二者的关键是在完成农业户籍到非农业户籍转变的过程中，究竟是个体自身力量还是外部力量起决定性作用。对于被动市民化个体而言，其市民化进程中起到决定性作用的可能是地方政府或其家庭成员。与主动市民化相比，该种市民化方式的“被动”体现在认知、时间、结构和意愿等多个方面。虽然二者的最终结果都是个体完成了户籍和生产生活方式的转变，但过程与机制的不同是否会造成两群体间的收入分化呢？
遗憾的是，学术界对不同驱动力下完成市民化的居民间收入分化的关注相对不足，学者们主要关注城镇化进程中城乡差异的变化（陆铭和陈钊，2004；周云波，2009；陈斌开和林毅夫，2013；万海远和李实，2013）。事实上，考察不同市民化方式是否会引起收入分化对于当下的中国具有重大现实意义。一方面，虽然中国常住人口城镇化率已然达到了一个比较高的水平，但中国的农业转移人口市民化程度和户籍人口城镇化率仍较低，大量农业转移人口难以融入城镇社会，市民化进程滞后（陈云松和张翼，2015），所造成的直接后果是日益加剧的社会收入不平等。2020年审议通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》对新型城镇化提出了更高的要求，加快农业转移人口市民化遂成为新型城镇化的重点任务，究竟以何种方式推动农村居民的户籍转换是一个必须回答的问题。另一方面，不同市民化方式是否会催生新的收入分化以及如何消除这种可能存在的分化是亟待回答的问题。本文的目的就在于，考察不同市民化群体间的收入分化并分析造成这种分化的原因，回答上述两方面问题。
本文余下部分的结构安排如下：第二部分梳理相关文献，第三部分讨论不同的市民化方式及其造成收入分化的可能性，第四部分介绍数据和计量模型，第五部分为实证结果分析，最后进行总结。
二、文献综述
市民化过程指农村居民进入城镇并完全融入城镇生活的过程（魏后凯和苏红键，2013），是度量新型城镇化水平的重要标志（辜胜阻等，2014），它的含义与城镇化有一定的重合，往往被认为是城镇化问题的一部分，但也包含了身份认同、政治权利认同和社会认同等内容。正因如此，幸福感、满意度和公共服务等概念频繁出现于与市民化相关的研究中（黄祖辉和毛迎春，2004；朱信凯，2005；张海波和童星，2006；毛丹，2009；李永友和徐楠，2011；莫艳清，2012）。相较而言，直接研究农业转移人口市民化方式的文献较少，更多的是被囊括在有关城镇化方式的研究之中。现有文献将城镇化方式划分为主动城镇化和被动城镇化，但由于划分依据和研究视角的不同，存在着两种主动城镇化和两种被动城镇化。第一类是从宏观的角度出发，根据城镇化的驱动力量进行划分。白永秀和王颂吉（2011）认为由工业化推动的城镇化是被动城镇化，与之相对应的主动城镇化是由城镇依赖自生发展能力，通过渗透和辐射作用实现的自我发展。另一类则是从微观的角度出发，根据进入到城镇的人的主观意愿对城镇化进行区分（李强，2013）。章光日和顾朝林（2006）认为被动城镇化即农民主观上不愿意或还没做好城镇化的准备，但由于各种原因不得不放弃原有的生产生活方式而融入到城镇的过程。易虹和刘晓芳（2012）将第一类划分归类为广义上的主动和被动城镇化，第二类则为狭义上的主动和被动城镇化。
多种城镇化方式的存在自然引发了学术界关于主动城镇化和被动城镇化孰优孰劣的讨论。广义上的主动城镇化是城镇化的高级阶段，城乡更加融合，经济社会发展趋于协调（白永秀和王颂吉，2011），而由工业化推动的被动城镇化则是低层次的。但由于狭义层面的主动和被动城镇化的划分依据是微观主体的主观意愿，因此对于该两类城镇化方式的比较研究集中在对相应城镇化群体的研究中。就狭义层面来看，被动城镇化的推进产生了相应的被动城镇化群体，其中最典型的即为失地农民，大量学者对征地和失地农民进行了考察（楼培敏，2005；王慧博，2010；冀县卿和钱忠好，2011；陈艳华等，2011；李永友和徐楠，2011；周飞舟和王绍琛，2015；吴福象和段巍，2015），这些研究成果可以归纳为四类。
第一类是关于失地农民补偿机制的研究，该类研究普遍发现现有单一的征地制度和一次性的货币补偿机制存在着改进空间。吴福象和段巍（2015）通过动态租金分析法考察了新型城镇化中被拆迁户的福利补偿机制，发现动态福利补偿机制的缺失是造成被拆迁户福利损失的主要原因；肖屹等（2008）发现征地过程中政府的垄断使农民土地权益受损。第二类是关于被征地居民征地意愿或满意度的研究，但由于研究区域不同，得到的结论也存在明显差异。楼培敏（2005）基于上海、浙江和四川的调查研究发现，有26.5%的被调查者对征地持消极评价和反对意见；王慧博（2010）研究发现，由于发达地区非农就业领域广泛，政府提供的保障和培训较多，被征地居民对于征地持肯定态度；李永友和徐楠（2011）基于浙江省富阳等地调查数据的研究发现，由于征地补偿偏低，失地农民对于征地补偿的满意度平均值为负数；刘祥琪等（2012）则发现，只有当征地补偿款全部到位且补偿水平较高，征地过程民主化、透明化程度高时，农民对征地的满意度才会显著提高。第三类是关于失地农民市民化的研究。张海波和童星（2006）通过对南京市失地农民的实证调查发现大部分失地农民适应不良，身份认同仍然是农民；李永友和徐楠（2011）的研究发现失地农民的身份认同度低和征地民主化程度过低都延滞了失地农民的市民化进程；冀县卿和钱忠好（2011）利用江苏省调查数据的研究发现人力资本、社会资本和物质资本的匮乏导致失地农民适应性较差。第四类文献集中在征地的收入效应上，和本文的相关性也更强。史清华等（2011）利用上海市的调查数据研究发现征地对农民收入并没有显著的负面影响，多元的就业途径、多源的财产收入和多重的社会保障使得被征地居民的收入不降反升；王轶等（2018）基于北京地区的调查数据，分析了失地农民和未失地居民之间的收入差距，研究发现未失地居民的收入显著高于失地农民的收入。
不难发现现有研究尚存在深化空间。首先，仅通过进入城镇个体的主观意愿划分主动和被动城镇化不够准确。本文认为只要个体完成城镇化或市民化的时间不能被完美预期或自主决定，都应将其归类为被动城镇化或被动市民化群体。其次，现有文献的研究对象往往过于集中在从事农业生产的农民群体上，而在市民化和城镇化进程中受影响的群体除了从事农业生产的农民之外还包括已经脱离农业但仍保留农业户籍的群体，考察市民化方式的影响不应忽视该群体。再次，由于研究本类主题的学者所使用的数据大都为调研数据，其研究区域往往集中在个别地区，导致其研究结果具有一定的特异性，进而导致关于市民化方式对收入影响的研究结论不一致，代表性不强。最后，在研究征地对居民收入的影响时，其对照组往往是未失地居民和城镇居民，可比性并不强。本文认为，不同市民化群体间的比较更能说明市民化方式对于收入的影响。
三、农业转移人口市民化方式及其收入分化效应的机制分析框架
（一）农业转移人口市民化方式：背景、内涵与体现
20世纪50年代后，中国的城镇化出现了自下而上和自上而下两种截然不同的推进方式，以80年代为时间节点，城镇化主导模式由地方政府依托行政力量大规模推动的自上而下的城镇化转化为由工业化和农业现代化推动的民间发动型的自下而上的城镇化（辜胜阻和李正友，1998）。在以户籍制度为基本制度的管理体制下，城乡之间的人口流动受到了极大的限制并出现了明显的城乡收入差距。一方面由于农村人地关系紧张和传统生产方式的制约，农村的农业生产无法实现规模化进而生产效率低下，另一方面城市偏向的经济政策不断推高城市居民的收入水平（陆铭和陈钊，2004），所造成的直接结果就是城乡收入鸿沟愈来愈深。城乡差距的不断扩大使得中国的城镇化任务急迫且沉重，近年来各地政府大力提倡城镇化，就是希望通过推进城镇化的方式，在短期内解决长期积累的矛盾（李强等，2012），这也可以解释为什么由地方政府主导推动的自上而下的城镇化模式仍然存在。城镇化发展的直接结果是农村居民由农业生产走向非农业生产，由农村走向城镇。然而在户籍制度及与户籍捆绑的城乡分割的社会保障和公共服务的共同作用下，走进城镇的农业转移人口无法真正地享受到城镇化的红利，市民化程度位于较低水平（魏后凯和苏红键，2013）。市民化的滞后使中国出现了特有的“半城镇化”群体，即部分农村劳动力生活、工作于城市，但家庭、消费和资产仍在农村。“半城镇化”群体的存在，使中国城镇化的质量打了折扣，推动农业转移人口市民化因而成为提高城镇化质量的关键。
根据魏后凯和苏红键（2013）的界定，农业转移人口市民化指的是，从农村转移到城镇的人口，在经历城乡迁移和职业转变的同时，获得城镇永久居住身份，平等享受城镇居民各项福利和政治权利，成为城镇居民并完全融入城镇社会的过程。但事实上，从农村转移到城镇的人口究竟是否完全脱离了农业是难以确定的。农业现代化的推进使得传统意义上的农民越来越少，更多的是在从事非农职业同时兼顾农业生产的新农民，工作、生活及常住在城镇但在家乡仍保留农业生产和农业收入的农村籍个体十分常见。基于此本文认为，农业转移人口不意味着完全脱离农业的人口，对农业转移人口市民化的研究应包含新农民群体。对于尚未获得城镇户籍的农业转移人口而言，获得城镇户籍意味着在上学、就业、医疗、公共服务等方面享受市民权利（洪银兴，2019），完成户籍的转变是实现市民化的关键和标志。因此，本文将完成农业户籍向城镇（非农业）户籍转变的个体视为市民化个体，市民化方式即可理解为户籍转换途径。中国综合社会调查数据显示，个体完成户籍转换的途径有升学、购房、参军、工作、家属随转、征地（包括村改居）和户口改革等。其中，升学、购房、参军、工作和家属随转等决定权均在个体自身，本文将通过上述途径完成户籍转换的个体界定为主动市民化个体，即自身力量在市民化进程中起决定性作用的个体。而征地（包括村改居）和户口改革属于政策施行，其主要推动者为地方政府，个体在征地和户口改革的过程中无法起决定性作用，本文将通过该两类途径完成户籍转换的个体界定为被动市民化个体，即自身力量在市民化进程中不起决定性作用的个体。
不同农业转移人口完成市民化的方式不同，原因在于自下而上和自上而下的城镇化模式并行。其中由地方政府主导的自上而下的城镇化使得大量农业转移人口完成了被动市民化。具体来说，城镇化进程中对农村土地的征用使受影响的农村居民和城镇内的农村籍居民开始从农村生产生活体系转向城镇生产生活体系，并进入到城镇福利体系之内。
现实中，绝大多数被动市民化个体由被征地而产生。对于农村土地的征用可以大致归纳为三个阶段：第一阶段是征地政策、方案的出台，第二阶段是被征地地区的农村居民进行投票表决，第三阶段是最后的实施阶段。一般而言，被征地的农村居民会获得一笔补偿金或者一套回迁房，每月会有一定数额的补贴，各地的政策和发展水平不同，补贴的数额也会不同。既然征地与否是经过村民表决确定的，那么何来“被动市民化”一说呢？本文认为，被动市民化的“被动”主要体现在四个方面：认知上的被动、时间上的被动、微观结构上的被动和意愿上的被动。认知上的被动本质上是一种信息不对称。与主动市民化的居民相比，被动市民化的居民在“进城”前对于城镇福利和户籍转换影响的掌握程度相对不足。李平与徐孝白（2004）也曾指出，尽管国务院《国务院关于深化改革严格土地管理的决定》（国发〔2004〕28号）中明确要求国土资源部门要充分告知被征地农民有关的政策信息，但这种约束在大部分地区仅停留在了文件层面。王慧博（2010）发现在征地事件上，村干部不与村民商量的比例在70%以上。在上述情况下村民进行的决策是一种有限信息下的决策。时间上的被动容易理解，主动市民化的居民在满足落户要求后可以自行选择转换户籍的时间，并可以根据该时间去最优化自己的行为；而被动市民化居民的户籍转换时间往往不是自主决定的，在此情况下被动的户籍转换实质上变成了一种政策冲击，这种政策冲击可能会导致个体偏离其效用最大化路径。微观结构上的被动体现在部分个体是被决策的。主动市民化居民自行决定其自身是否需要完成户籍转变，而被动市民化居民在进行决策时往往是由家庭户主决定全家是否需要完成户籍转变。在农村空心化、老龄化严重和信息沟通不畅的情况下，村民大会往往是由留守的老年人参加，其个人的决策影响的却是整个家庭。此外，城镇化进程中失地农民大都以“集中安置”为主，一定程度上使得该群体对城镇生活的融入相对被动（杜洪梅，2007）。意愿上的被动即很多被动市民化居民是在非自愿的情况下转变为非农业户籍，张翼（2011）研究发现绝大多数农民工都不愿意转变为非农业户口，若被要求交还承包地，则有90%的农民对户籍转变持否定态度。卫龙宝等（2003）对于浙江省的调查研究也发现有近半数的农民不愿意迁移。综上所述，被动市民化的“被动”是全方位的。
（二）不同市民化方式的收入分化效应
根据哈罗斯－托达罗模型，人口流动是预期收入增量的增函数，预期收入增量则是相对工资率和在正规部门就业概率的函数（Becker and Morrison，1999）。在均衡状态下，个体在区域间或就业部门间流动说明预期收入高于现有收入。根据前文的解释，就主动市民化个体而言，其对相对工资率和在正规部门的就业概率有着更准确的把握。事实上，当个体通过工作、转干等途径完成市民化时，相对工资率和就业概率就是确定性信息。因此，主动市民化个体完成市民化是在个人利益最大化下所进行的理性决策，这一决策的实现条件是完成市民化后的效用大于等于未市民化时的效用。就收入而言，只有当完成市民化后的收入水平大于等于未市民化时的收入水平时（相对工资率大于等于1时），主动市民化个体才会决定完成市民化。
而对被动市民化个体来说则存在两种情况，一是个体对于相对工资率和正规部门就业概率有着充分信息而未做出市民化决策，二是缺少相对工资率和正规部门就业概率的充分信息。第一种情况说明在给定现行相对工资率和正规部门就业概率时，个体完成市民化不会带来效用增量，否则完成市民化才是最优选择。在这种情况下由外力推动完成的市民化很可能给个体带来效用损失。而在第二种情况下，个体被动地完成市民化所带来的收入增量取决于新部门收入与原部门收入之差。其中，新部门收入是不确定的，原部门收入是确定的，因此，预期收入增量可由（1）式表示：
为原部门收入，
为新部门收入，
由决定，其中
的符号取决于 
、
之间的相对关系。而对主动市民化个体来说，
恒大于等于0，因此主动市民化个体与被动市民化个体的预期收入增量存在分化的可能性。对主动市民化群体而言，市民化对其收入路径基本不会产生实质性影响，即使有影响也会是正向影响。特别是当个体是通过工作完成市民化时，这种正向影响最为直观。此时，市民化对其产生负面影响的可能性很小，原因在于倘若完成市民化会使得个体的预期收入下降，那么该个体不会选择完成市民化。
就被动市民化所影响的典型个体失地农民而言，最直观的市民化冲击是稳定的土地收益变为了一次性的土地补偿或不稳定的补偿流。土地对于农村居民具有双重功能，其一是生产资料的功能，其二则是社会保障的功能②，且后者对于农业劳动者和脱离农业的农村劳动力都具有重要意义。土地被征用后，一方面土地收益和土地保障直接消失，另一方面失地农民同样面临着转换工作的需要，在非农就业部门的年龄限制下，部分失地农民转换工作极为困难。
概括而言，市民化方式带来收入分化的可能性是非常大的，但其具体影响程度还需要通过实证分析来检验。本文认为由于不同市民化群体的户籍转换对应着不同的冲击，其对于不同群体间的收入影响也将呈现方向性的差异。在理性人假设下，这种冲击对被动市民化群体来说是外生的、预期外的，会导致其偏离长期最优化决策路径，进而收入水平可能会发生相对于原最大化收入路径向下的波动。对主动市民化群体来说，这种冲击是预期内的，其收入水平不会发生剧烈波动。因此不同的市民化方式会引起收入分化，其作用机制见图1。
图1 市民化方式对收入分化的作用机制
识别不同市民化方式是否会引起收入分化首先要对不同群体间的选择性进行考察，即是否高收入群体倾向于某一种市民化方式，否则容易得出错误的结论。由于主动市民化的途径包括购房、升学等，所以高收入、高能力的群体更倾向于主动市民化的可能性是存在的。然而被动市民化的群体同样可能有着高收入。一方面因为本文所说的被动市民化和主动市民化是户籍上的农非转换，一个尚未获得城镇户籍的个体很可能已经实现了常住人口城镇化，有着城市住房和高学历。另一方面越靠近城区的农村越容易被征地拆迁，而这些农村通常又比较发达，收入水平较高。所以通过简单的逻辑分析无法得出明确的结论，但可以通过计量手段来控制选择性存在的影响。
四、模型与数据
（一）模型设定
本文所要考察的核心问题是不同市民化方式是否会引起城市内部新的收入分化，反映在计量上即检验样本间是否存在显著的收入差距。遵循上述思路，本文设定了如（2）式所示的收入方程用于实证分析。
（2）式等号左侧
为结果变量，即个体年度总收入、年度劳动收入和家庭年度收入的对数值。下标
代表第
个个体。等号右侧
为本文的核心解释变量即市民化方式。
为一系列与个体收入相关的控制变量，包括年龄、年龄的平方、性别和婚姻状况等。本部分实证分析的第一个挑战来自于个体自身及家庭的某些特征可能同时影响个体的市民化方式及其收入，比较典型的即为个体的受教育程度和政治面貌。毫无疑问，个体的收入与其受教育程度具有正向的相关关系；类似地，个体的受教育程度越高，其越有能力通过主动市民化的方式完成户籍城镇化的转变。政治面貌与家庭背景的影响与受教育程度基本一致。考虑到这一点，本文同样控制了个体的受教育程度、政治面貌以及代表个体家庭背景的父辈的受教育程度及政治面貌。此外，为了保证个体在市民化前的经济基础具有可比性，本文也控制了个体在14岁时家庭的社会等级，并在回归时剔除了在14岁之前完成市民化的个体。
实证分析的第二个挑战来自地区间的发展差异可能干扰收入分化的识别。省份之间存在巨大的发展差距是一个无可辩驳的事实。一般而言，来自较发达地区的个体，其收入也较高。因此，个体间的收入差距很可能受到地区发展水平的驱动。要识别市民化方式对个体收入的净效应，必须将地区差距所带来的影响剔除。此外，各地在征地政策、户籍政策方面存在的差异也使得不同地区间的个体无法直接比较。因此，本文在实证分析时控制了省份固定效应
。由于所使用的数据为混合截面数据，本文还控制了时间固定效应
。
本文未控制个体的行业信息，主要考虑到：首先，现有数据仅提供了个体在2013年的行业信息，其他年份的行业信息缺失。其次，在本文的研究情境下控制行业信息可能会产生“坏”控制变量效应。三是控制变量的本质是将总样本按照控制变量进行分块，然后在块内部进行估计。但本文中样本所涉及的行业分类几乎涵盖了国民经济行业分类2011③的所有行业，且每个行业内部的样本数量都非常少，倘若进行控制可能造成估计结果有偏且降低估计效率。四是就本文的研究问题来看，行业应该是一个“果”，而非“因”。
（二）数据来源
本文所使用的个体市民化方式及年龄、性别、户籍、婚姻状况、受教育程度、政治面貌、家庭背景等个人信息来自于中国人民大学发布的微观调查数据——中国综合社会调查（Chinese General Social Survey，CGSS）。该调查始于2003年，是中国最早的全国性、综合性、连续性学术调查项目。调查项目涉及社会、社区、家庭及个人等多层次信息。本文合并了该数据库2013年、2015年和2017年调查数据，所构成的混合截面数据涵盖了全国28个省级行政单位，总样本量为34988个。与某特定地区的调查数据相比，CGSS数据的空间覆盖广，这对于本文的研究非常重要。由于各地区在自然条件、发展阶段、定策施策等多方面存在较大的差异，使用某特定地区的调查数据进行研究所得到的结论缺乏代表性和普遍性，这可能是现有相关文献结论出现矛盾的重要原因之一。使用CGSS数据则可避免上述问题的出现，同时也能从全国层面把握不同市民化方式所产生的影响。此外，本文计算行业收入水平所使用的工资数据来自于2008－2012年的《中国劳动统计年鉴》。
（三）变量说明
1.市民化方式。对市民化方式进行数据上的界定是开展研究的基础，本文的研究情境存在主动市民化和被动市民化两种不同的市民化方式。本文将个体由农业户口转换为非农业户口视为市民化。在实践中，农村居民可以通过升学、参军、工作（招工）、转干、征地（包括村改居）、家属随转、购房和户口改革（取消农业户口）共8种方式获得非农业户口。这里将通过征地（包括村改居）和户口改革（取消农业户口）获得非农业户口视为被动市民化，因为个体在该两种市民化过程中无法发挥决定性作用。相反，由于个体可以自行选择是否升学、参军、工作、转干和购房，所以通过上述途径获得非农业户口的居民视为主动市民化群体。通过家属随转获得非农业户口的个体也被纳入到主动市民化群体中，因为诸如婚姻、工作随迁等随转条件同样在个体的决策范围之内。当个体通过征地（包括村改居）和户口改革（取消农业户口）两个途径获得非农业户口时，市民化方式变量
取值为1，表明该个体属于被动市民化群体。当个体通过升学、参军、工作（招工）、转干、家属随转和购房等途径获得非农业户口时，该变量取值为0，表明该个体属于主动市民化群体。现户口性质为农业户口以及未发生过户籍转变的样本不在考察范围之内，本文仅考察城市内部新进入群体间的收入分化。在本文样本中，明确获得非农业户口途径的样本共5495个，基于上述分类标准，被动市民化样本共1361个，主动市民化样本共4134个。
2.收入。本文使用了三类有关收入的变量以度量不同城市化群体间的收入分化，分别是个人年度总收入、个人年度工资收入和家庭年度总收入。其中个人年度总收入和家庭年度总收入由工资收入和所有工资外收入组成，这将失地农民或其他被动市民化个体可能获得的政策性补偿收入也纳入了考察范围之内。鉴于本文所考察的是收入分化而非财富分化，故因征地、拆迁等获得的一次性补偿或住房补偿不在本文研究范围之内。为了剔除极端值的影响，本文对收入进行了截尾处理，剔除掉了收入位于总样本收入分布5%以下和95%以上的样本。由于三种收入的原始分布均偏离正态分布，在进行回归时均进行了对数化处理以平滑数据。
3.控制变量。个体的年龄信息由调查数据采访年份减去其出生年份获得，本文样本中最小年龄为23岁，最大年龄为78岁，在进行回归时剔除掉了年龄超过65周岁的样本，仅保留了尚处在较活跃劳动状态的样本④。鉴于个体收入和年龄间可能存在非线性关系，本文引入了年龄的平方项。性别信息以虚拟变量的形式引入，男性取值为1，女性取值为0。根据调查数据中“您目前的婚姻状况”可以得到个体的婚姻状态信息，本文将“初婚有配偶”“分居未离婚”和“再婚有配偶”合并到一起，视为处在婚姻关系内且有配偶状态，将“丧偶”“同居”“未婚”和“离婚”合并到一起视为无婚姻关系或无配偶状态。当个体处于有配偶状态时，婚姻状况变量取值为1，反之则取值为0。个体受教育程度和政治面貌信息的处理值得一定的讨论。常见的处理方法有三种，一是将个体受教育程度或政治面貌直接以虚拟变量的形式引入，二是将学历信息转换为对应的学习年限引入，三是对受教育程度或政治面貌进行主观的赋值并引入。在本文的样本中，个体的受教育程度包括由无到研究生及以上共16个层级，且存在受教育年限相同但受教育类别相差甚远的情况，倘若直接将受教育程度转换为对应的学习年限将无法区分此类情况。因此，本文采用第一种处理方法将个体受教育程度和政治面貌以虚拟变量的形式直接引入。个体在14岁时家庭的社会等级共分为10个类别，取值为1－10，数值越高代表等级越高，在估计时直接以离散数值形式引入。
4.行业收入水平。本文根据个体在2012年所属行业信息，将其与国民经济行业分类（2011年）⑤进行匹配，并利用各行业最接近样本采样期2012年的2007－2011年度工资水平的平均值代表各行业收入水平。
5.非农业户口时长。市民化对个体的冲击可能会随着时间逐渐消退，为了得到个体获得非农业户口的时长（市民化后的时间），本文将调查年份减去个体完成户籍转换的年份得到了该指标，可反映个体融入城镇生活的程度。
|
变量名称 |
变量定义 |
平均值 |
标准差 |
|
市民化方式 |
个体完成市民化的方式。被动市民化个体取值为1，主动市民化个体取值为0 |
0.2310 |
0.4215 |
|
年度总收入 |
个体年度总收入（工资性收入、转移性收入、经营性收入和财产性收入等各项收入之和）的对数值 |
9.9508 |
1.6221 |
|
年度劳动收入 |
个体年度劳动收入的对数值 |
9.8253 |
1.2319 |
|
家庭年收入 |
个体家庭所有成员年度总收入之和的对数值 |
10.8890 |
1.6732 |
|
年龄 |
个体年龄，根据个体出生年月和采访年份计算而得 |
49.9774 |
14.4804 |
|
性别 |
个体性别，男性取值为1，女性取值为0 |
0.4809 |
0.4996 |
|
婚姻状态 |
个体的婚姻状态，有配偶取值为1，无配偶取值为0 |
0.7715 |
0.4199 |
|
受教育程度 |
个体的受教育程度，含从未上过学、私塾、小学直到研究生等16个层次，以虚拟变量形式引入 |
7.2459 |
4.0725 |
|
政治面貌 |
个体的政治面貌信息，含群众、共青团员、中共党员、民主党派共4个类别，以虚拟变量形式引入 |
6.2644 |
1.7080 |
|
父辈受教育程度 |
个体父亲的受教育程度，以虚拟变量形式引入 |
10.5313 |
4.3368 |
|
父辈政治面貌 |
个体父亲的政治面貌信息，以虚拟变量形式引入 |
7.3080 |
1.7515 |
|
家庭社会等级 |
个体在14岁时其家庭的社会等级，取值为1－10，取值越高社会等级越高 |
3.5330 |
6.9912 |
|
非农业户口时长 |
个体获得非农业户口的时长，由采访年份减去其户籍转换年份而得 |
24.0135 |
15.6801 |
注：篇幅所限，上表仅列出了主要变量的描述性统计结果。
五、实证结果
表2 市民化方式与收入分化
|
|
(1) |
(2) |
(3) |
|
|
年度总收入 |
年度劳动收入 |
家庭年收入 |
|
市民化方式 |
-0.184*** |
-0.144*** |
-0.151*** |
|
|
(0.0537) |
(0.0403) |
(0.0540) |
|
控制变量 |
YES |
YES |
YES |
|
教育及政治面貌 |
YES |
YES |
YES |
|
父辈教育及政治面貌 |
YES |
YES |
YES |
|
地区固定效应 |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
|
Observations |
3482 |
2755 |
3817 |
|
R-squared |
0.2675 |
0.5043 |
0.2184 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
表2的估计结果显示，在控制了个体特征和代表家庭背景的父辈特征之后，被动市民化的系数估计值均为负且高度显著。表2中（2）－（4）列对应的被解释变量依次是个体的年度总收入、年度劳动收入和家庭年收入，相应的系数估计值分别为-0.184、-0.144和-0.151，表明被动市民化群体的个体年度总收入、年度劳动收入和家庭年收入分别低于主动市民化群体16.8%、13.4%和14%⑥，即不同市民化群体间存在着显著的收入分化。对比三列的估计结果同样可以发现，由不同市民化方式所引起的收入分化在个体年度总收入中体现得最为明显，其次是家庭年收入，个人劳动收入的收入分化相对最轻微。这一结果与现实基本吻合，原因在于土地的征收更容易影响个体的职业外收入。对于被动市民化群体来说，土地收益的丧失属于预期外冲击，征地的影响会直接反映在总收入上。而对于主动市民化群体来说，土地收益的丧失在自己的决策范围之内，征地的影响反映在总收入上不明显。二者对于征地的响应差异使得个人总收入的分化最为明显。
（二）稳健性检验
到目前为止，限于数据以及保证估计效率的考虑，并没有在估计时控制个体的行业信息，尽管根据系数稳定性理论，表2受遗漏变量和选择性干扰的可能性已经非常小⑦，但本文还是希望能够证明表2的结果具有足够的稳健性，因此采用了两种方法进行检验。
受限于数据，本文无法将所有影响收入的因素都加入到模型中进行估计，由此可能产生遗漏变量问题，表2的估计结果有可能会与真实情况存在差异。结合固定效应的思想，倘若能将估计限制在各方面特征具有高度相似性的样本内部，则遗漏变量问题可以得到部分解决。遵循上述思路，本文采用倾向得分匹配方法得到了可观测变量特征高度相近的样本并进行估计，估计结果见表3和表4。
表3 市民化方式与收入分化的PSM估计结果
|
|
被动市民化 |
主动市民化 |
差值 |
T值 |
|
年度总收入 |
10.010 |
10.360 |
-0.349 |
-7.07 |
|
年度劳动收入 |
9.967 |
10.348 |
-0.381 |
-8.29 |
|
家庭年收入 |
11.045 |
11.139 |
-0.095 |
-1.73 |
注：匹配所用协变量为OLS回归中的控制变量及地区编码。平衡性检验结果显示控制组和处理组各变量的偏差值均在10%以下，限于篇幅不再展示。
表3和表4的估计结果显示，在为个体赋予不同的权重进行回归之后，不同市民化群体间仍然存在显著的收入分化，且系数估计结果与基准估计结果相近，表明基准回归具有足够的稳健性。
表4 市民化方式与收入分化的PSM-OLS估计
|
|
(1) |
(2) |
(3) |
|
|
年度总收入 |
年度劳动收入 |
家庭年收入 |
|
市民化方式 |
-0.146*** |
-0.102** |
-0.125** |
|
|
(0.0535) |
(0.0400) |
(0.0506) |
|
控制变量 |
YES |
YES |
YES |
|
教育及政治面貌 |
YES |
YES |
YES |
|
父辈教育及政治面貌 |
YES |
YES |
YES |
|
地区固定效应 |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
|
Observations |
3765 |
2992 |
3661 |
|
R-squared |
0.2573 |
0.4823 |
0.2559 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
本文以上分析的基础在于不同个体之间的比较。鉴于不同个体之间不可避免地会出现种种无法观测的差距，因此直接进行组间差异比较实际上是一种向数据妥协的“没办法的办法”。而理想的情况是通过对不同市民化个体之间和市民化前后的收入水平进行比较得到最优的收入分化估计，由于只有个体在市民化后的收入数据，因此本文尝试构造个体收入的预测值，通过对比主动市民化群体和被动市民化群体间实际收入与预测收入之间的差距进行稳健性检验。具体思路如下：首先删掉了（2）式中的核心解释变量
进行回归，在此基础上得到被解释变量的拟合值并记为
，此即为收入的拟合值。然后将实际收入水平记为
，再用
减去
得到拟合收入与实际收入之间的差值
。最后根据市民化方式进行分组描述性统计以观察二者有无明显差距，结果见表5⑧。
表5 拟合收入与实际收入之差
|
组别 |
年度总收入 |
年度劳动收入 |
家庭年收入 |
|
主动市民化 |
-0.378 |
-0.308 |
-0.163 |
|
被动市民化 |
-0.243 |
-0.212 |
-0.271 |
表5的结果显示，被动市民化群体和主动市民化群体的实际收入均高过其拟合收入。不同的是，相较于被动市民化群体，主动市民化群体的实际收入要远远高于其拟合收入。主动市民化群体的拟合年度总收入及拟合年度劳动收入分别低于其实际收入45.9%和36.1%，对被动市民化群体来说相应的数值仅为27.5%和23.6%⑨。二者之间明显的差距说明存在着一些因素制约着被动市民化群体入城后收入的上升，导致其收入水平无法达到主动市民化群体的高度。
值得注意的是被动市民化群体的实际家庭收入与拟合收入之间的差值要高于主动市民化群体，原因可能与前文所提及的被动市民化的“结构性被动”有关。被动市民化群体是整个家庭同时完成被动的户籍转变，而主动市民化群体则只决定自身的户籍转变。相比之下，户籍转变对于被动市民化群体的家庭收入影响更深远。总的来看，上述结果与基准回归结果所传递的信息基本一致，即不同市民化方式群体间存在明显的收入分化。
一般而言，能力更强的个体更容易完成自主的市民化，而能力较弱的个体可能只能通过被动的方式完成市民化过程。当这种选择效应存在时，表2估计的很可能是由能力水平差异引起的收入分化而非由市民化方式引起的收入分化。但有理由相信，当本文所考察的收入分化是由不同能力水平所引起的时，这种收入分化会在完成市民化更久的群体间表现得更明显；而当这种收入分化是由不同市民化方式所引起的时，这种收入分化会在完成市民化更久的群体间表现得更不明显。原因在于当个体完成市民化后，由政策所带来的冲击会逐渐弱化并消退。表6汇报了加入市民化方式与获得非农业户口时长交互项的估计结果，除了被解释变量为家庭年收入的估计之外，该交互项的系数估计值均显著为正，表明完成市民化后时间越久，群体内部的收入分化越不明显。根据前文的分析，这说明不同市民化群体间的收入分化不是由能力水平差异所引起的，而是由市民化方式不同所引起。
表6 市民化方式与收入分化的因果识别
|
|
(1) |
(2) |
(3) |
|
|
PSM-OLS |
||
|
|
年度总收入 |
年度劳动收入 |
家庭年收入 |
|
市民化方式 |
-0.134** |
-0.091** |
-0.153** |
|
|
(0.0646) |
(0.0458) |
(0.0675) |
|
市民化方式*市民化时间 |
0.015*** |
0.012*** |
0.005 |
|
|
(0.0049) |
(0.0038) |
(0.051) |
|
控制变量 |
YES |
YES |
YES |
|
教育及政治面貌 |
YES |
YES |
YES |
|
父辈教育及政治面貌 |
YES |
YES |
YES |
|
地区固定效应 |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
|
Observations |
2076 |
1627 |
2376 |
|
R-squared |
0.2546 |
0.5199 |
0.2247 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
根据前文的分析，被动市民化造成居民收入下降的主要途径是改变其收入来源：一方面被动市民化个体由于失去土地而直接失去了农业收入，另一方面对于以农业生产为主的被动市民化个体来说，其将会经历就业市场的摩擦且可能发生工作性质的转变。本文尝试从这两个角度去剖析市民化方式对收入的作用机制以验证市民化方式与收入分化之间的因果关系。
首先，若被动市民化的确使个体失去农业收入进而收入下降，那么哪一部分个体受到的影响最严重呢？由于农村剩余劳动力大量入城就业，农村的空心化和老龄化较为严重，加之大部分农二代虽然生长生活于农村但却未必掌握了耕种技能与知识，所以农村家庭中年纪较大的家庭成员承担了农业生产的大部分工作。由于这部分人的收入主要来源于农业生产，那么被动市民化所带来的负面效应对他们来说也会更加明显。遵循这一思路，此处将样本按照年龄进行分样本回归，倘若的估计值在各样本的回归结果中都为负，且其绝对值随着平均年龄的提升而上升则说明上述作用机制是存在的。为了保证各年龄组内部样本间具有可比性，此处控制了个体户籍转换时间。回归结果见表7。
表7 市民化方式影响年度总收入的年龄异质性分析
|
|
(1) |
(2) |
(3) |
(4) |
|
|
PSM-OLS |
|||
|
|
年龄>30 |
年龄>40 |
年龄>50 |
年龄>60 |
|
市民化方式 |
-0.159*** |
-0.163** |
-0.227*** |
-0.351*** |
|
|
(0.0585) |
(0.0666) |
(0.0818) |
(0.0958) |
|
控制变量 |
YES |
YES |
YES |
YES |
|
地区固定效应 |
YES |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
YES |
|
Observations |
2475 |
2015 |
1436 |
917 |
|
R-squared |
0.2548 |
0.2384 |
0.2469 |
0.2535 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
表7的回归结果提供了两个信息。首先在每一个子样本回归中，的估计值均显著为负，说明被动市民化对每一个年龄层个体的收入都造成了负面的影响。其次
估计值的绝对值随着年龄层的上升呈现出明显的上升趋势，说明年龄越大的个体受到被动市民化的影响越大。上述结果证实了前文的推论，即由于被动市民化而失去农业收入是受影响个体收入下滑的一个重要原因。
被动市民化影响个体收入的另一个重要途径是工作。1993－1999年间，国家将小城镇战略视为带动农村经济和社会发展和解决“三农问题”的重大战略，在此影响下乡镇企业发展迅猛。进入新世纪后的新农村建设又极大地促进了乡村工业的发展（李强等，2012）。一时间在东部较为发达的沿海乡村甚至出现了“家家开火，户户冒烟”的小作坊工业遍地开花的现象。乡镇产业的蓬勃发展使得农村大量剩余劳动力得以就地就业。但被动市民化致使农民上楼后，一方面农民与乡镇工厂的空间距离被拉长，客观上加大了其就业成本；另一方面很多乡镇工业被取缔，农民直接失去了工作机会。在这种情况下，刚进城的农民不得不在城市或市郊寻找就业机会，但由于劳动技能和年龄等原因，多数人只能获得非正式工作或打零工，收入来源十分不稳定。本文以劳动者与工作单位是否签订劳务合同代表其工作的性质及收入稳定性进行估计，表8汇报了详细的估计结果。
表8 市民化方式对劳务合同签订的影响
|
|
(1) |
(2) |
(3) |
(4) |
|
|
PSM-OLS |
|||
|
市民化方式 |
-0.189*** |
-0.178*** |
-0.084* |
-0.084** |
|
|
(0.0407) |
(0.0402) |
(0.0427) |
(0.0423) |
|
控制变量 |
NO |
YES |
YES |
YES |
|
教育及政治面貌 |
NO |
NO |
YES |
YES |
|
父辈教育及政治面貌 |
NO |
NO |
NO |
YES |
|
地区固定效应 |
YES |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
YES |
|
Observations |
2290 |
2290 |
2290 |
2290 |
|
R-squared |
0.1465 |
0.1685 |
0.2065 |
0.2210 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
表8中（1）－（4）列为逐个引入控制变量的结果，估计结果显示，同主动市民化的个体相比，被动市民化个体在就业市场上多以非正式就业为主。在控制了受教育程度、年龄、婚姻状况、政治面貌等对于能否找到一份固定工作具有重要影响的因素后，被动市民化的系数估计值仍然显著为负。这是由于被动市民化对于受影响个体来说是一种预期外的冲击，其原有的长期最优决策无法实现或被迫改变。一般而言，正式工作对于年龄有着较为严格的限制，当一个农村居民已经决定长期就业于农村后，其自然放弃了年龄许可下的其它就业机会。当冲击发生后，原有的年龄优势已经丧失，工作选择机会更少。此外，秦立建等（2012）发现征地会对农民的健康状况产生负面影响，而身体素质直接影响劳动力供给，当被征地农民的健康状况恶化后，很有可能丧失劳动能力进而丧失劳动收入。
事实上，由于入城后的就业培训不到位，被动市民化个体不仅收入来源相对不稳定，而且其所进入的行业基本上是低收入行业。CGSS2013数据库提供了每个再就业个体所处的行业信息，本文将该信息与各行业在2007－2011年的平均工资进行匹配，得到了每个行业的工资水平。然后考察被动市民化群体是否更多地集中在低收入行业。结果如表9所示。
表9 不同市民化群体的行业选择
|
|
被动市民化 |
主动市民化 |
差值 |
T值 |
|
行业收入排序 |
33.8571 |
39.9481 |
-6.091 |
-1.68 |
|
行业收入 |
29393.641 |
31802.580 |
-2408.938 |
-1.12 |
注：行业收入排序是根据行业收入从低到高进行排序，最低收入行业为“1”，高收入行业排序逐一递增。匹配方法为倾向得分匹配，所用协变量为OLS回归中的控制变量及地区编码。平衡性检验结果显示控制组和处理组各变量的偏差值均在10%以下，限于篇幅不再展示。
表9的结果表明，被动市民化群体在就业行业上处于明显的劣势地位。就行业收入排序来看，被动市民化群体所在的行业排序要低于主动市民化群体6个名次。就行业收入来看，被动市民化群体所在行业的平均工资水平比主动市民化群体要低2400元左右。于镇嘉和李实（2018）通过对微观数据的调查发现城市劳动力市场存在着严重的户籍歧视，农村籍劳动力在行业准入上存在劣势，本文结果表明即使被动市民化群体获得了非农业户口，行业的准入壁垒也难以打破。上述结果再一次说明被动市民化这一冲击对于个体的收入来源有着明显的影响。
（四）被动市民化的收入效应
医学上对于新药研制开发的第一个要求是“无害”，一个经济政策的制定与实施也应遵循这一原则。在关注由不同市民化方式所引起的城市内部新的收入分化时，一个更重要的问题是被动市民化是否会造成个体收入水平的明显下降。现有研究在该问题上尚未得出一致的结论，原因可能在于研究的空间是不同的局部地区，地区间的差异造成了结论的多样化。为考察这一问题，本文构造了一个简单的回归模型，将（2）式中的核心解释变量
进行了调整，控制组调整为仍然保留农业户口的农村居民。基于此可以分析被动市民化是否“有害”，也可以考察被动市民化的收入效应。
表10 被动市民化的收入效应
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
被动市民化 |
0.234*** |
0.240*** |
0.148*** |
|
|
(0.0491) |
(0.0.0370) |
(0.0458) |
|
控制变量 |
YES |
YES |
YES |
|
教育及政治面貌 |
YES |
YES |
YES |
|
父辈教育及政治面貌 |
YES |
YES |
YES |
|
地区固定效应 |
YES |
YES |
YES |
|
时间固定效应 |
YES |
YES |
YES |
|
Observations |
12719 |
11295 |
12379 |
|
R-squared |
0.2415 |
0.4543 |
0.2383 |
注：括号中的数值为稳健标准误。***、**、*分别代表p<0.01、p<0.05和p<0.1。
表10汇报了以农村居民为控制组，以被动市民化居民为处理组的估计结果。令人欣慰的是，被动市民化的系数估计值显著为正。这说明与仍然保留农村户籍的居民相比，被动市民化群体整体的收入水平较高。与本文结果不同的是，王轶等（2018）发现未失地农民的平均收入要高于失地农民50%。同样地，这可能与其所研究地区的特殊性有关。本文的发现说明，尽管被动市民化可能会给个体带来负面的影响，但总体上完成户籍转变的个体相较于未市民化的个体仍具有收入优势，因而推动市民化仍然是促进社会进步的重要一环。
六、结论与启示
本文根据市民化个体是否能完全预期或决定户籍转换的时间，将市民化方式划分为主动市民化和被动市民化，并利用中国综合社会调查2013年、2015年和2017年的数据，对市民化方式与收入分化之间的关系进行了实证检验。研究发现，不同市民化群体之间存在显著的收入分化，市民化方式的不同在一定程度上会加剧城市内部的收入分化。机制分析表明，被动市民化造成居民收入劣势的主要原因是受影响个体农业收入的丧失以及新收入来源的不稳定。不同市民化方式对个体收入的影响取决于其对于个体来说是预期内的冲击还是预期外的冲击，以及居民对于该冲击是否具有反应时间。
进一步研究发现，与仍保留农村户籍的居民相比，被动市民化个体的收入水平较高，但这并不意味着被动市民化方式特别是大规模的拆迁征地值得提倡，鼓励农村居民主动走向城市才是最优解决方案。2021年3月通过的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确要求“健全农业转移人口市民化配套政策体系，加快推动农业转移人口全面融入城市”。本文的研究结论对落实“加快农业转移人口市民化”这一战略举措具有一定的政策启示意义。
根据上述发现，本文认为在推进农业转移人口市民化和新型城镇化工作的过程中，应注重推进主动市民化而非被动市民化，否则不仅可能引起一系列社会矛盾，而且有可能造成城市内部新的收入分化。倘若通过征地拆迁等方式使农村居民被动地完成城市化和市民化，则应在如下方面做出改进，以避免新的收入分化和负城市化效应的出现。
首先，要为被动市民化群体特别是其中主要收入来源是农业收入的农民群体提供有效的就业安置或就业培训。本文的研究表明，被动市民化群体进城后在就业方面存在着明显的劣势。为该部分群体提供就业安置或就业培训可以帮助其顺利完成就业转换，形成新的、稳定的收入来源。其次，要尽量提前告知居民有关征地或其他改革的政策信息，并给予个体充分的决策时间。不同市民化方式之所以会产生不同的影响，是因为对于受影响个体而言，预期外冲击与预期内冲击的效应有着明显区别。给予受影响个体充分的决策时间可以尽量地将被动市民化这一预期外的政策冲击内部化，最大程度地降低其对于个体长期最优决策的负面影响。最后，要进行征地制度和补偿机制的改革。垄断的征地制度使得被征地农民的选择范围变得狭窄，静态的货币补偿机制使得被动市民化居民负担着货币贬值的成本，有关部门应在以人为本的原则下对现有机制进行改进，确保高质量推进新型城镇化。
本文重点考察了市民化方式与收入之间的关系，因此结论和启示均是在以收入为唯一考量的基础之上得出的。但正如市民化含义中所体现的，其对于个体的影响不仅仅在于收入方面，还在于生活方式、福利保障等其他方面，考察市民化方式在上述几方面的效应是有价值的研究方向。此外，受限于数据，被动市民化个体在市民化过程中所享受到的部分政策性补偿可能未被量化并纳入到总收入中。量化政策性补偿、身份认同、福利保障等指标并将其纳入到本文或相似的研究情境内，会使所得结论更加丰富。
✯
敬畏学术
✯
微信号：zkevind
Email：zkeyun@ruc.edu.cn
