时空交融下的中国“农民工”的流动行为——以广东珠江三角洲为个案，本文主要内容关键词为：广东论文,个案论文,农民工论文,中国论文,时空论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、问题的提出
在过去很长的一段时间内，中国政府一直控制着人口迁移，尤其是通过户口和经济政策控制农民的流动。20世纪80年代初，随着市场经济的引入和对外开放，政府逐步放松了对人口迁移的控制，大量的农村剩余劳动力开始向城市流动，这些离开农村地区进入城市寻找就业机会的劳动者被形象地称为“农民工”。显著的城乡差距和沿海与内陆之间的差距，刺激了大量的农民工向高收入地区流动。
中国的对外开放发源于广东，外资的大量进入使劳动密集型的“三资”企业、乡镇企业发展迅速，创造了大量的就业岗位。广东不仅吸引了全国劳动力大军，而且其省内劳动力也由乡村向城市大规模流入，广东省因此成为农民工最为集中的地方。然而，自2003年以来，中国的报纸和文献普遍报道了农民工的短缺现象（Ministry of Labor and Social Secudty,2004；朱忠文和王红梅，2006），即“民工荒”，指出技术工人乃至非技术工人的短缺，对珠江三角洲地区的经济发展造成较大的影响(He,2006)。
最近的研究表明，在城市劳动力市场上存在着对低技能的农民工的歧视，农民工在城市中明显成为“低层阶级”(Batsse and Selim,2008; Solinger,2004)。即使政府不再限制农民工的流动，户口的作用依然不可忽视。拥有城市户口和没有城市户口的农民工，在子女入学、医疗保险和养老保险等方面的待遇千差万别。农民工和城市永久居民，在就业、收入和社会福利等方面所享受的待遇完全不一样。大量的研究证实了在这两种群体工资收入上存在着很大的差距，城市劳动力市场上存在着明显的分割(Meng and Zhang,2001)。对农民工的调查表明，农民工平均收入仅是城市居民平均收入的三分之一(Ministry of Labor and Social Security,2004; Shao,2006)，60%左右的农民工月收入在500——1000之间（张永丽和黄祖辉，2008）。而且，制度因素导致了更多的分割(Hu,2008; Luand Song,2006; Nielsen et al.,2007)。事实上，很多缺乏技能的农民工往往只能进入非正式部门，大部分农民工不仅收入低，而且工作非常不稳定，没有正式合同，工作环境较差（白南生和李靖，2008; Guo and Iredale,2004）。
除此以外，在考虑了通货膨胀的因素后，农民工的实际工资在下降。农村地区生活水平的提高，交通成本和其他生活成本的上涨，抑制了农民外出打工的愿望(He,2006)。调查表明(Ministry of Labor and Social Security,2004)，农民工越来越抵制低收入的工作，几乎没有农民工愿意从事月收入低于700元的工作。1000元左右的工作能够吸引到农民工，但是并不能吸引技术工人。只有那些月收入超过1000元的工作能够很容易地招聘到农民工。由于就业不稳定，农民工很难在一个地方长久地停留(Gong,2009; Jiang et al.,2008)，从而导致了农民工在农村和城市之间周期性地、频繁地流动。然而，由于大规模的农民工流动并没有导致农业生产率的下降，有学者认为短期内不必为农民工短缺担心（陈静敏等，2008），农民工的短缺只是农民工的供给和需求之间出现了短暂的不平衡（刘林平等，2006；王仕豪和张智勇，2006）。
在向市场经济的过渡中，农民工的流动已经成为经济发展中一个非常重要的因素。本文的研究目的如下：首先，分析农民工的就业流动性；其次，分析农民工的工资决定因素。我们希望通过对广东珠江三角洲农民工调查数据的分析，回答如下问题：什么因素导致了农民工的流动？改革开放以来，农民工的流动发生了什么样的变化？来自不同地区的农民工的流动性有何特点？什么因素决定了农民工的工资水平？
20多年来，人口迁移方面的研究文献非常丰富。尽管以往的研究对农村劳动力流动的特征进行了详尽的分析，有两个局限性需要指出。首先，由于农民工频繁的流动和职业的不稳定，一直缺乏对这个群体的正式的统计资料和全国性的调查。大部分研究所依赖的数据，或来自人口普查，或来自某些并非专门针对农民工的调查，从而限制了对农民工群体进行深入分析。其次，大部分研究都是对某个特定时点上的状况的静态描述，而未能从动态上分析流动性。事实上，迁移是一个动态过程，是一个在人的一生的任何时刻都可能发生的行为，它必然会受到迁移者生命中的其他事件，以及迁移者所生活的年代的影响。因此，尽管普查和调查的横截面数据为我们提供了农民工流动的丰富信息，但只有时间序列上的调查数据才能使我们从动态上分析农民工的流动过程。
本文采用2006年在广东省珠江三角洲地区进行的一项农民工调查的数据，利用持续模型(duration model)，分析农民工就业流动性。此项调查的问卷中包括一部分回顾性调查，即“生命史(life history)”，该部分记录了调查对象的历次打工经历，这部分数据使得我们能够对农民工的流动进行动态分析。我们将从个人特征、时间（年份）和空间（户口所在地）三个方面研究农民工的流动过程。最后，我们还将分析农民工的工资决定因素。
二、数据
本文的数据来自国家哲学社会科学重大招标项目“城市化进程中的农民工问题研究”。该项调查在珠江三角洲9个地级市区进行。在此项研究中，“农民工”被定义为来自农村地区、持有农业户口、文化程度在大专以下的进城务工者。样本设计如下：初始样本规模设计为2500个调查对象。以2005年广东省人口统计中各城市的外来人口（含省内跨县流动和外省流入）的数量分配样本量。如果有些城市所分配到的调查对象数量较少（如肇庆只有25个），为了保证各城市的样本具有统计意义，该城市的被调查者的数量增加至200，但多于200个调查对象的城市的样本规模不变。该调查于2006年7-8月展开，获得有效问卷3086份，去掉了不完整的信息，有效观察值为3058个。图1为样本在珠江三角洲9个城市间的分布。
图1 样本分布
说明：灰色部分为调查所涉及的地级市，括号中为调查对象的数量。
调查记录了每个农民工的城镇就业情况，即在2006年6月之前，农民工历次工作的情况，包括工作的起始时间、截止时间、工作类型、职业等。这些信息可以让我们对农民工的就业流动性进行动态分析。表1为样本描述，农民工的平均年龄为27.4岁，大约有60%的农民工年龄在27岁以下，因此可以说在我们的样本中，新生代农民工占大多数①。大约75%的农民工的教育水平低于高中。2005年以来，仅有5%的农民工在迁移前得到过正式的职业培训，大约30%的农民工在打工地接受过职业培训。
就业持续期可以代表工作的稳定性，从表1中可以看到，广州和深圳的农民工的平均工作持续时间略低于在珠江三角洲其他城市打工者的相应指标。因此，深圳和广州农民工的就业稳定性似乎不如其他城市。
样本中3058个被调查对象来自于全国26个省份。来自广东省内的农民工的数量最多，占22.5%。其次是来自湖南和广西的农民工，分别占15.1%和13.9%，这充分说明了“邻近效应”的作用。距离的增加会提高农民工外出打工的心理和经济成本。作为邻近省份的一个例外，来自福建省的打工者所占的比重较小。可能的解释是，福建省也是一个经济较发达、对外开放较早的省份，省内的就业机会多，所以农民跨省外出打工的倾向不强。另外，福建省的外出打工者中，可能会有相当一部分流向北面经济发达的长江三角洲地区（上海、江苏和浙江）。事实上，在我们的样本中，来自长江三角洲地区的人数非常少。
在我们的样本中，从1972年到2006年，3058个受访者总共从事了5353份城镇工作，其中有4861份工作是在广东省内。本文的研究仅仅考虑这部分在广东省内的城镇工作。表2向我们展示了按照受访者户口所在地划分的就业地区分布。我们可以看到，近四分之一的工作集中于深圳，广州的工作占9%，还有三分之二的工作分布在珠江三角洲的其他城市。来自广东省内的农民工更倾向于到深圳和广州打工。
三、研究方法
本文的实证分析包括两个方面：首先，我们利用持续模型来解释基于农民工个人特征的就业流动性；其次，我们分析农民工的工资决定因素。
持续模型源于医学统计，自20世纪80年代以来，持续模型逐步被引入到社会、经济统计研究之中(Kiefer，1988)，特别是在地域流动和职业流动的分析中得到了广泛的应用。以人口流动为例，对于一个居家者来说，其流动的概率在某种意义上依赖于他在家乡逗留的时间（即迁移前的时间），持续模型的目的就在于研究迁移概率与迁移前持续停留的时间之间的关系。在本文农民工问题的分析中，“持续”被定义为“在广东省城市就业之前的持续时间”，一旦被调查对象在广东省城市中就业（即事件发生），这个持续就结束了，如果被调查对象在某个时点中断了在广东城市的就业，则他（或她）就开始了另一段持续，直到再次在广东省城市中就业。我们的目的在于分析在某个特定的时间，农民工在广东省城市中就业的概率。
持续模型的核心思想并不是事件发生的概率，而是事件发生的“条件概率”(Kiefer,1988)。所谓条件概率，就是在“直到时刻t为止事件尚未发生”的这个条件下，在时刻t的瞬间发生这一事件的概率。在计量经济学中，条件概率是用事件发生的“Hazard函数(hazard function)”来分析的。Hazard函数的含义为在时刻事件发生的瞬时概率，定义如下：
其中，T为一随机变量，表示在广东省城市中就业（即事件发生）的时间，其概率分布为连续函数f(t)，t为T发生的时间。F(t)为在时间t之前事件发生的概率，即f(t)的累计概率函数。S(t)为生存函数(survival function)，表示直到时刻t为止事件尚未发生的概率。Hazard函数，h(t)，就是于时刻t在广东省城市就业的瞬时概率。
在持续模型的分析中，被解释变量就是时间变量T，我们要确定该变量的测量方式和起止时刻。在本文的分析中，我们用农民工的年龄来表示时间变量，我们将15岁作为变量的起始时刻，其终止时刻就是调查时点，即2006年7月。在分析中，时间变量用月份来衡量，T的取值表示调查对象自15岁以来所经历过月份数。例如，当被调查对象15岁时，T取值为0；16岁时，T取值为12……依此类推。
本文使用两种分析方法：非参数估计和参数估计。在非参数分析中，我们不考虑外生变量，就业的瞬时概率h(t)只是就业前持续时间t的函数。持续模型一般都从非参数分析入手，目的在于鉴别所研究的现象的不同情况，图解各种特征因素的相对作用，并为参数模型的选择提供依据。
在参数分析中，瞬时概率以某种分布的形式依赖于外生变量，我们必须为随机变量T选定一个概率分布，也就是说要赋予瞬时概率一个确定的函数形式。借助于非参数分析，我们可以计算出各个年龄的瞬时就业概率，结果表明，分年龄就业概率自15岁起持续上升，在20--23岁时达到最高峰，然后显著下降，从图形上来看比较接近对数—罗辑斯蒂(Log-logistic)分布，因此，我们采用这种分布的“加速寿命模型(accelerated lifetime model)”，其形式如下：
四、实证分析结果
我们首先用持续模型分析农民工的就业流动性，然后用最小二乘法估计一个收入方程，分析农民工的工资决定因素。
（一）就业流动性的非参数分析
以下各图描述了不同群体的农民工在各个年龄的瞬时就业概率，如前所述，横轴为年龄，单位为月份，其初始点为15岁。图2为分性别的就业概率，我们可以看到，无论是男性还是女性，就业概率从15岁开始上升，在20-23岁左右达到最大值，然后开始下降。这表明青年时期的职业流动性比较大。需要注意的是，在我们的分析中，时间是用年龄来衡量的，达到某个年龄的观察值数随年龄的上升而下降，最后可能会变得非常小，甚至在某个年龄后变为0，因此，在分析高年龄段的结果时要特别小心，例如，在图2中，就业流动概率在400个月左右（大致相当于50岁），开始显著上升，但这个结果可能是因为观察值数（或者说潜在的流动人数）过少，而并不是因为就业概率的增强。
图2 分性别的Hazard函数
图2表明，女性在城市找到工作的概率大于男性。由于在女性在农村地区的收入偏低，她们在城市地区往往能获得比男性更高的期望收入，从而具有更强的流动倾向(Zhu,2002)。此外，农村女性的“保留工资”，或者说“对工资的心理期望值”，通常低于男性，她们更容易接受较低层次的工作(Fan,2003)。在某种意义上，与男性相比，女性在城市劳动力市场中具有更大的选择余地。在珠江三角洲地区，很大一部分企业属于劳动力密集型的产业，其生产线或装配线上的工作常常就是保留给女工的，因为女工比男工更认真、更细心。所以珠江三角洲地区对女工的需求很大，女性很容易找到工作。Kernel密度的分析表明，女性的流动年龄主要集中于20岁左右，男性的流动年龄的分布则比较分散。
图3是按照受教育水平分类的Hazard函数。教育作为人力资本的代表，对人们的就业和收入通常都产生正向影响。如果将年龄限制在15-30岁，我们就会发现，拥有职业教育文凭（中专、技校）的农民工的流动性最大。这类职业教育的目的，是针对劳动力市场的需求，进行职业技能的培训，培养技术工人。因此这类文凭对提高中、低层次劳动力的就业率很有帮助。拥有大专文化程度的农民工的流动高峰是25岁左右，我们可以观察到大专文化程度所对应的曲线略为偏右，这似乎说明这类层次的农民工的流动稍晚。初中和高中文化程度之间的流动性差距不明显，小学及以下文化程度的农民工的流动性最低。
图4显示了不同户口所在地的农民工的流动性的差异。广东省内流动的农民工的流动主要在25岁之前，25岁之后流动性显著下降。来自其他沿海地区（长江三角洲地区和福建、山东等地）的农民工的流动性比来自广东省内的农民工低，但是曲线的形状非常相似。至于来自内陆省份的农民工，他们的曲线比较平坦，表明流动概率受年龄的影响较小，换句话说，各年龄层的流动性相似。
图3 分文化程度的Hazard函数
图4 分户口所在地的Hazard函数
（二）就业流动性的参数分析
在这一节中，我们进一步用参数模型来分析就业流动性，表3为回归结果②，首先，与非参数分析结果类似，女性和年轻人具有更强的就业流动性。其次，在控制了其他变量的情况下，受教育程度与流动性之间是非线性的关系：初中文化程度对职业流动性的作用最强；但“中专、技校”和“大专”却对流动性有负向影响。
农民工的流动实际上是劳动力对地区经济发展差异的反应，为了分析广东省农民工的来源，我们在回归中引入表示户口所在地的虚拟变量。表3中回归1的结果表明，省内流动强度高于省际流动，这多半是由于广东省内流动的农民工所遇到的障碍较小。而来自广东省以外的农民工，不仅面临较高的交通成本，还在信息、语言、文化、社会关系等方面面临一系列的障碍。在省际流动中，与广东相邻的湖南、江西和广西的劳动力向广东流动的概率较大，而同是邻省的福建和海南的劳动力向广东的流动倾向却不强，这可能是因为这两个省本身是经济开放地区，也是农民工的集聚地，而且福建的外出劳动力向长江三角洲流动的倾向还比较强。在内陆省份中，重庆、四川、贵州、山东、湖北和河南的农民工表现出相对较强的流动性，这些省份或者是农村剩余劳动力较多的人口大省，或者是经济发展相对落后的地区。我们注意到，来自长江三角洲的农民工在广东省的就业概率不高。此外，安徽省的系数虽然显著，但作用不强，这可能是因为安徽与长江三角洲相邻，其外出打工者更多地流向江苏和上海，来广东省打工的人相对较少。
为了分析农民工迁移流在时间上的演变，本文将研究的时期分为两段：2003年以前（“民工潮”阶段）和2003年以后（“民工荒”阶段），对每个时期的流动分别进行回归，结果见表3中的回归2和回归3。在本文的持续模型中，持续时间是以年龄来测量的，而在2003年之前的子样本中的农民工的平均年龄要高于2003后的子样本，前者的农民工的平均年龄为34岁，而在第二个时期，68.5%的农民工出生在1980年之后，平均年龄仅为25岁，这就降低了年龄的作用。文化程度的影响也不显著，对子样本的分析表明，第二个时期的流动者的文化水平明显高于第一个时期的流动者。根据张永丽和黄祖辉(2008)的研究，在改革开放后出生，且于20世纪90年代末期加入流动者行列的新一代流动劳动者，其生活方式、社会阅历和流动行为，都迥异于第一代流动者，新一代流动者受教育水平明显提高，更倾向于知识性、技术性、有一定发展前途的行业，但由于就业机会的限制，大部分新一代流动者大多在较低层次的服务业（如餐饮、销售、理发等）或制造业就业。因此，一方面流动者的受教育程度普遍较高，另一方面教育回报率又受到限制。两方面的因素降低了文化程度对就业流动性的作用。
我们用图5来图解回归2和回归3中户口所在地的作用，从中可见，与第一个时期相比，广东省的作用在第二个时期中减弱了，也就是说在第二个时期中省际流动相对增强。此外，来自西南地区的重庆、四川和贵州的系数值明显提高，来自河南、湖北的长距离的流动也有所增强。有研究表明(Bao et al.,2008)，随着时间的推移，距离对迁移的作用正在减弱。最后，福建省的系数在第二个时期也变得显著了。
图5 不同时期户口所在地对就业流动性的作用
说明：参照组为华北、东北和西北地区，图中显示的数据为回归系数的指数值。
在回归4中，我们引入“广东省职工实际平均工资的对数值”作为城市工资的代理变量③，这是一个随时间变化但不随个人变化的变量。结果表明，该变量显著地促进了农民工的就业流动性，也就是说，高收入回报是农民工流动的重要动因。在表3的回归5中，我们引入了表示不同年份和不同月份的虚拟变量来分析时间对农民工流动的影响，为避免多重共线性问题，我们移去了可能与年份高度相关的出生年代和职工工资。图6展示了1985-2005年间不同来源地和不同目的地的农民工就业流动性的变化。我们可以观察到，尽管有一些微小的扰动，以广东省为目的地的农民工的流动性总的来说是随时间的推移而增强的。无论是按目的地划分还是按来源地划分，农民工的流动性对年份的反应基本相同。因此，我们的结果表明，自20世纪80年代中期以来，以广东为目的地的农民工迁移流从来没有显著地下降过；换句话说，在本文的研究中，我们没有观察到广东的“民工荒”。
图6 年份对流动性的作用
说明：参照组为1985年以前。
从图7中可见，在二月和三月，农民工的流动性明显高于其他月份。一般来说，大部分农民工的工作都是季节性的，他们在年底回家过新年，年后又返回城市。另外，我们可观察到，农民工在上半年的流动性高于下半年。
（三）工资的决定因素
以下我们考察在广东省打工的农民工的工资决定因素，回归结果见表4，由于工资变量中有101个缺省值，此项分析的观察值总数仅为2957。前面的研究表明，女性农民工在城市找到工作的概率明显大于男性农民工，然而，从表4中可以观察到，男性农民工的收入却明显高于女性农民工，可能的解释是女性农民工的期望值较低，其保留工资
图7 月份对流动性的影响
说明：参照组为12月。低于男性，因此，她们更容易在较短的时间内找到工作，同时，由于她们的人力资本偏低，她们找到的工作往往是非正式的，并缺少技术含量，工资报酬自然也相对较低。根据对本次调查数据的统计，女性的职业分布明显不同于男性。女性所从事的职业主要集中于生产流水线和餐饮业，而男性则更多地集中于技术工人和保安，其岗位层次似乎高于女性。
年龄和工资之间呈倒U型的曲线：工资首先随着年龄的上升而提高，在30-35岁间达到顶峰，然后随着年龄增长而下降。
表3的结果曾表明，文化程度较高的农民工的流动性较弱，即教育对流动性有负向的影响。然而表4的结果表明，教育对于工资的作用始终是正向的。这就是说，对于那些文化程度较高的农民工，其就业流动概率相对较低，只有当城市的收益足够高时，他们才会流动。
持有政府承认的职业资格证书、技术等级证书，能显著提高工资水平。由家乡政府提供的技能培训对工资的作用不显著。在一些农村劳动力剩余较多的地区，当地政府通常鼓励农民外出打工，为此政府会提供一些培训，内容包括劳动技能、生产安全、法律法规知识、城市生活常识、择业意识等，目的在于提高农民工的素质和就业竞争能力，保障他们的合法权益，帮助他们顺利务工经商，更好地融入城市生活。然而这些培训常常缺乏针对性，并不完全符合目的地劳务市场上的要求，因此不一定会影响农民工的城市工资水平。2005年以来，有三分之一的农民工在打工的地方接受过技能培训，这类培训通常是由企业或雇主在招聘后组织的“岗前培训”，其内容直接与农民工的工作岗位相关，因此能显著提高工资水平。
我们引入了两个变量来测量农民工的就业史，一个是累计城镇工作持续时间，一个是平均每份工作持续时间，这两个变量都是根据回答者的城市就业经历计算出来的。第一个变量可代表回答者的城市工作经历；第二个变量则可反映其就业稳定性。结果表明，累计城镇工作持续时间对工资的影响不显著，而平均每份工作持续时间则对工资有显著的正向影响，这就是说，工作越稳定，工资越高。
至于户口所在地对工资的影响，来自广西和海南的农民工的工资最低，我们将这两个省取为参照组。表4的结果表明，尽管来自东部沿海地区（上海、江苏、浙江和山东）的农民工的就业流动性不高（见上一节），但是他们的工资却显著高于其他农民工。此外，除广东外，安徽、江西、湖北和四川的系数也呈正向显著。在这些省份中，仅仅江西与广东相邻。这似乎表明长距离的迁移对收入有正向的影响。可能的原因是，长距离的农民工面临更高的货币和非货币成本，只有拥有更多的技能和社会网络，才能克服迁移的障碍，他们较好的人力资本和社会资本，常常能保证他们在目的地获得较高的收入。
在表4的回归7中，我们引入了调查点所在城市2004年的职工平均工资作为参照，也就是说控制了各地区的工资水平。结果表明，职工平均工资对农民工的工资具有显著的正向影响。在回归8中，我们将各城市的工资水平代之以各城市的虚拟变量，从中可见，佛山市农民工的工资水平最高，其次为深圳和广州，而东莞、惠州和江门三地农民工的工资水平相对较低。
五、结论
农民工对城市劳动力市场和城市生活的融入，已成为中国向市场经济过渡的一个重要因素。在本文中，我们试图通过对珠江三角洲地区农民工迁移流的动态分析，填补以往乡城迁移研究中的某些空白。
我们的结果揭示了农民工在个人特征和就业特征上呈现的明显差异。在各个年龄段上，女性的流动性都高于男性。文化程度对流动性的作用则比较复杂，从总体上来看，初中文化程度的农民工的流动性最强，但从年龄段上来看，文化程度较高（中专、技校和大专）的农民工的流动性在25岁以前比较强。而小学及以下文化程度的农民工的流动性与年龄的关系不大。此外，地理上的“邻近效应”依然发挥作用。
为了分析农民工迁移流在时间上的演变，本文将研究的时期分为2003年以前（“民工潮”阶段）和2003年以后（“民工荒”阶段），通过分析年份对流动性的作用，我们发现，自1980年以来，珠江三角洲农民工的流动性基本上是随着时间的推移而提高的，而且近年来，长距离的迁移有所增强，因此，在此项研究中，我们没有发现近年来有“民工荒”的迹象。我们认为，当前“民工荒”的主要原因，可能是一些制度性因素，例如不能获得城市户口、企业过低的工资和城市劳动力市场上的分割和歧视等，这些因素增加了农民工流动的成本，导致农民不愿意外出打工或者不愿意接受太差的劳动条件。
虽然女性的流动性高于男性，然而男性的收入却明显高于女性。当前，尽管女性农民工更容易在城市找到一份工作，但她们从事的工作往往技术含量偏低，劳动报酬相对较少。我们的分析还表明，来自东部沿海省份（上海、江苏、浙江和山东）的农民工与来自内陆省份的农民工之间存在着明显的差异。前者的就业流动性相对较弱，但他们的平均工资却高于后者。尽管农民工在整体上收入较低，但这个群体的异质性却比较大。我们至少可以将他们分为低端和高端两个两层次：低端表现为低收入、自由进入和不稳定的工作；高端表现为较高的收入（甚至高于正规部门的收入）、一定的物质资本和人力资本。在珠江三角洲，来自东部沿海的农民工的数量不多，但他们可能大部分属于高端，从事技术型的岗位。
总之，考虑到农民工潜在的巨大供给，改善农民工的劳动条件，并采取改善农民工素质的措施，如提高其文化程度、加强对农民工的职业技能培训等，对于增强经济的发展，并促进社会的公平和融合，具有非常重要的意义。
注释：
①老一代和新生代农民工的划分有不同的标准，本文将20世纪80年代以来出生的被调查者列为新生代农民工。
②在对数-罗辑斯蒂分布中，外生变量系数的变化方向与瞬时概率的变化方面相反，即系数值越小，Hazard函数的值越大。更确切地说，在原始的估计结果中，某个变量的系数值为负，意味着该变量正向作用于流动性；反之，当系数值为正时，变量对流动性起负向作用。为了方便读者，我们在表3中使用与原始结果符号相反的系数和t检验值。
③由于无法取得各调查点所在城市的工资的完整时间序列，我们取广东全省的工资平均值。我们用名义工资和城镇居民消费价格指数来计算实际工资。自1978年以来，广东省职工的实际工资基本上是逐年上升，仅在1988-1989年间有所下降。