【原创】摆脱城市化的低水平均衡 ——制度推动、社会互动与劳动力流动
陆铭1 蒋仕卿2 陈钊3 佐藤宏4
1上海交通大学和复旦大学
2兴业证券研究所
3复旦大学中国社会主义市场经济研究中心
4日本一桥大学经济学系
摘要：城乡分割政策不仅直接阻碍了劳动力由农村向城市的转移，而且其负面效应还通过人际之间的决策的相互依赖性而放大，使城市化进程陷于低水平均衡。本文利用CHIPS2002数据发现，农村到城市的劳动力流动决策中存在着相互依赖，并且这种相互依赖的效应还被村民之间的信息交流行为加强。根据本文的模型进行的模拟结果，中国的农村向城市的劳动力流动的确处于低水平均衡。为了摆脱城市化的低水平均衡，除了提高农村居民的受教育水平和增进村民的信息交流等政策之外，更重要的是在消除劳动力流动的制度障碍方面实施“大推动”政策，并借助社会互动加速城市化进程。
关键词：城市化、劳动力流动、社会互动、同群效应
JEL Classification: J61, O15, R23
一、引言
根据国际标准，劳动力由农村向城市转移是城市化的唯一定义，也是经济发展的重要标志。特别是对于发展中国家而言，那些促进劳动力流动的公共政策，是实现其经济可持续增长的结构性动力。然而，在当前的中国，虽然城市化的速度比较快，但相对于工业化进程来看，城市化进程却明显滞后，城市的面积扩张速度远远快于非农业人口的增长速度（陆铭，2010；陆铭，2011）。这些现象促使我们更深入地去探究劳动力流动的决定因素。
人际之间决策的相互依赖性是导致经济出现多重均衡的重要原因，而一旦经济陷于低水平均衡，就难以摆脱（Zanella, 2004)。根据这一原理，在本文中，我们试图回答两个相关的问题：一，同群效应（邻里间决策的相互依赖性）如何影响农村居民的外出打工决策？二，异质性的社会距离（social distance）如何影响同群效应的大小？利用CHIPS2002数据，我们发现同群效应显著地影响农村居民外出打工的决策。我们同时也构造了模型来研究劳动力流动决策中的异质性同群效应。研究发现，更高频率地与其他村民在信息交流上的互动有利于提高同群效应，然而在消耗时间的劳动力互助方面有更高的频率反而会削弱同群效应的正效应。
当同群效应存在时，相应产生社会乘数（Social Multiplier）(Glaeser et al., 2003)，借助于人与人之间行为的依赖性，放大一个因素对市场结果的影响，并可能导致市场的多重均衡。根据模型的模拟结果，中国的城市化是一个劳动力流动率的低水平均衡。本文的政策模拟显示，提高教育水平对于提高劳动力流动的倾向有促进作用，但作用不大。促进村民之间外出打工信息的交流，或者通过向村民提供有效的公共服务来减少村庄内的劳动力互助等方式可以更有效地促进劳动力流动。然而，当劳动力流动率陷于低水平均衡时，上述政策措施仍不能帮助脱离劳动力流动的低水平均衡。只有通过制度层面的“大推动”政策，消除城乡二元分割和城市偏向的公共政策，加速城乡之间的社会整合，才能够有效地摆脱劳动力流动的低水平均衡，大力推动城市化进程。
本文第二部分是对劳动力流动和同群效应研究的文献回顾，第三部分我们构造了一个模型来描述社会互动如何影响同群效应。第四部分是数据描述和变量定义。第五部分是实证模型和结果。在第六部分我们对实证结果做了稳健性检验。在第七部分中，我们根据实证模型得到的参数模拟了劳动力流动均衡的性质及各种政策的相对效果。最后为总结。
二、文献评论
早期的文献主要研究个人和家庭特征对劳动力流动的影响。赵耀辉(1999)发现，一系列个人、家庭特征会影响外出打工，如女性的外出打工概率显著低于男性；年龄越大，外出打工的概率越低；而家庭人均土地数更多会显著降低劳动力流动的概率。朱农(2002)发现农业和非农就业的收入差显著影响外出打工概率，这也和哈里斯-托达罗模型契合。蔡昉等(2003)发现，劳动力流动中部向东部的规模大于西部向东部的规模，因此距离也会影响劳动力流动。
在最近的研究中，学者们日益关注社会关系、社会网络在劳动力流动中的作用。Munshi(2003)发现社会网络在墨西哥居民向美国移民过程中发挥着重要作用。Mckenzie和Rapoport(2010)认为随着社会网络的扩展，更多地低收入家庭参与到外出移民中，从而有利于降低农村贫困。利用中国的数据，Zhang和Li(2003)发现在村庄外有亲朋好友会提高农民的非农就业概率。Bao et al.(2007)发现，劳动力流动目的地的“老乡比例”会显著提高总省际劳动力流动率。赵耀辉(2003)发现村外出打工总人数会显著影响个体的打工决策，她将这解释为移民网络的存在会降低人口流动的心理成本和信息搜寻成本。
除了“网络效应”之外，邻里间行为的相互依赖性（即“同群效应”）也会影响劳动力决策。那么，为什么要专门研究劳动力流动决策中的同群效应呢？因为只有这才能解释经济现象的低水平均衡。网络可以被区分为内向型（bonding, 约束型）和外向型（bridging, 桥接型）网络。村庄外的亲朋好友构成了外向型的网络，而内向型的网络是村庄内形成的社会网络，它提供信息来降低移民的成本。与“网络效应”不同的是，“同群效应”虽然发生在内向型网络和成员之间，但其作用机制却更强调人们行为的相互依赖性，其形成原因一方面是因为信息不充分，一方面是因为人们不愿意与众不同的社会心理。如果说网络效应的发挥需要其他网络成员先行动，并传递信息的话，那么，基于社会心理学机制的“同群效应”不需要持续时间便可发生。Bauer et al.(2002)和Araujo et al.(2004)分别发现了墨西哥农民向城市的迁移中以及墨西哥农民向美国迁移中存在着同群效应。在本文中，我们也控制了村外的社会网络，以及用历史上的流动率表示的网络效应，仍然发现同群效应在劳动力流动决策中是存在的。同群效应在其他社会和经济行为研究中已经被广泛捕捉到(Durlauf & Fafchamps，2004)，但现有的同群效应文献鲜有对于同群效应的异质性进行的实证研究。这也促使本文进一步深入研究劳动力流动决策如何取决于村民之间社会互动的类型与频率。
三、一个关于社会互动与同群效应的模型
我们的模型主要基于Ballester et al.(2006)的网络模型，并简化了其模型中的一些假设条件。在我们的模型中，我们特别假设社会距离是一个关于社会互动类型和频率的函数。
更多的时间用于外出打工时，用于社会互动的时间会被挤占，因而同群效应的正效应会下降。总结而言，方程(10)可以引出两个推论：(1)个人的外出打工时间和村平均外出打工时间成正比；(2)结合分解出的2和3两部分，社会互动可以对同群效应有正或负的效应，取决于社会互动是否会挤占外出打工的时间。另一个值得特别强调的问题是，根据（6）和（10）式，社会互动本身并不直接影响劳动力流动，而是通过影响同群效应的大小间接地影响劳动力流动，因此，在本文的实证模型中，社会互动变量并不直接作为劳动力流动的解释变量。
四、数据描述与变量定义
本文的数据来自于中国社会科学院2002年中国家庭收入调查(CHIPS2002)数据。这一调查共在全国农村分层随机抽取了121个县，961个行政村，9200户家庭和37969个农村个体。CHIPS2002调查是国家统计局对农村家庭调查的一个子样本。问卷调查收集于2003年的2月，正值新年，因此数据完整包含了外出打工移民和本地居民。数据包含了个人性别、年龄、教育、工作状态等信息，家庭的人口结构和经济情况，以及村的地理特征和人口、经济情况。数据还包含了家庭层面的社会互动数据，这为我们的研究提供了可靠的数据来源。
我们的被解释变量“是否外出打工”是一个0-1变量。将被解释变量定义为一个离散变量使得我们避免了识别中的影像问题（Reflection Problem）。影像问题是Manski(1993)提出的同群效应识别中的一个技术困难。简单而言，在线性模型中，个人特征“线性地”影响被解释变量。个人特征的均值和被解释变量的均值（同时为同群效应的度量），是完全共线性的，因此如果我们控制了个人特征和同群效应，那同群效应的系数就不能被识别。幸运的是，Brock和Durlauf(2001)证明了影像问题在非线性模型中可以避免，因为在诸如Probit和Logit之类的非线性模型中，个人特征非线性地影响被解释变量。
在CHIPS2002数据中，登记了个人自我报告的2002年不在家的天数。由于数据的限制，我们只将城市作为唯一的移民目的地。我们将一年不在家天数超过6个月(180天)及以上的个体定义为外出打工者，并且剔除了长期在异地的学生和在当地乡镇企业工作的农民。对于原始数据最大的一项删减在于我们将那些男性小于16岁或者大于60岁的个体，以及女性小于16岁或者大于55岁的个体剔除出了样本(共剔除11404个观察值)。之所以这样处理，是因为参照中国的劳动力统计，这部分人群不处于劳动年龄人口，因此他们的行为不是本文研究的对象。最后，我们的数据处理中还去掉了一些有缺失变量的样本和一些有异常值的样本。经过如上处理，最后共得到16401个有效的观察值。
在CHIPS2002数据中，村一级的问卷中能够得到2002年年底村总人口和村总的外出打工人口数，本文中我们对同群效应的度量为：
回归结果报告在表三中，方程（1）是基准模型，我们只控制了个人和家庭特征。方程（2）中控制了村外出打工率（同群效应），以及同群效应和社会互动的交互项。拟合优度从0.1828增加到了0.2136，说明了同群效应在劳动力流动决策中不可忽视的作用。我们担心潜在的遗漏变量偏误会使得同群效应的估计有偏，因此在方程（3）中放了村庄1998年外出打工率的数据，这一数据来自于村层面的回忆数据。鉴于网络效应要发挥作用需要一定时间，因此，也可认为1998年的打工率控制了网络效应，这样，2002年的村移民率就更加代表了同群效应。在方程（4）中我们控制了村层面的特征。方程（5）添加了村的哑变量，以此来避免估计中的遗漏变量偏误。
在方程（2）到（5）中，三个回归的结果显示了同群效应具有正效应。和方程（2）相比，方程（3）中同群效应的系数从1.503下降为0.65，而1998年村外出打工率的系数高度显著，并且三倍于2002年外出打工率的系数。这一发现和Munshi(2003)的一致：过去的流动率比现有的流动率影响更大。直觉来说，当时间流逝时，在网络中更多的信息会被积累。在方程（5）中，当我们控制了村的哑变量时，同群效应变得不再显著，同群效应与社会互动的交互项仍然高度显著。
我们对同群效应和社会互动的交互项更感兴趣。在方程（2）到（5）中，所有的交互项都是高度显著的，观察变量的显著性和方向时，我们可以得到如下结论：（1）对于信息交流的社会互动来说，当村民之间互动频率越高时，同群效应的边际效应就越大。（2）对于劳动力市场互助来说，当村民互动频率越高时，反而会削弱同群效应的正边际效应。两组社会互动不同的方向可以解释如下：信息分享增强同群效应，然而，尽管劳动力互助缩短了社会距离，但劳动力互助挤占了外出打工的时间，因此削弱了同群效应的正效应。如果劳动力互动和同群效应的交互项为负仅仅是因为村民在帮助他们的邻居之后面临了时间约束，那么，我们需要严肃地考虑外出打工和劳动力的互助是否是互为因果的。幸运的是，当我们利用离散的社会互动变量时，我们发现不是每个人都和邻居有大量互动的。我们会在下面的稳健性检验中发现，一定程度的劳动力市场 44 35704 44 15875 0 0 6520 0 0:00:05 0:00:02 0:00:03 6519助有利于增强同群效应的正效应。
基于回归（4），对于一个具有中等程度社会互动水平，其它特征都处于均值水平的代表性的个体来说，同群效应的边际效应为0.1413。也就是说，当村平均外出打工率提高1个百分点时，个人的外出打工概率会提升0.1413%。我们的回归结果证实了外出打工决策中存在着同群效应。然而，村外出打工率和个人的外出打工概率之间的正相关性也使得劳动力流动的低均衡可能出现。如果由于城乡分割政策，使得村民们的外出打工倾向较低，这一政策的负效应会通过居民决策的相互影响而被放大。
其它变量的结果与之前的研究相似，我们对回归系数的解释基于方程（4）。
(1)个人的特征会显著影响劳动力的外出打工决策。女性的外出打工概率比男性低4.45%。已婚会显著地降低个人打工概率11.76%。年龄对外出打工的影响呈倒U型曲线关系，在控制了其他因素之后，33岁左右的劳动力，外出打工概率最大。当劳动力年龄小于33岁时，外出打工概率随年龄增加而增加，当年龄大于33岁时，随着年龄的上升，外出打工概率开始减小。Zhao(2003)发现所有教育水平都不显著提高外出打工的概率。而我们发现，相对于文盲来说，不同的教育水平都会显著提高劳动力外出打工的概率。不同的教育水平对于外出打工的促进作用也是不一样的，拥有初中学历对农村劳动力外出打工概率提高最大(7.13%)，其次为小学学历(5.25%)，而拥有高等教育的个体外出打工倾向反而更低(技术或高等学校为4.75%，高中学历为4.9%)。我们的研究说明，对于农村劳动力来说，接受更高等的教育可能并不一定更大地促使劳动力外出打工。当然，这有可能因为受初中以上教育的农村居民更可能获得城镇户籍，因此，不再被作为“外出打工”的农村居民了。另一种解释是，高教育的农民更可能参与到当地的非农就业中(Zhao,1999; Zhao,1999)，而在我们回归中，当地的非农就业不被统计为移民人口。
(2)家庭的特征也会显著影响劳动力的外出打工决策。如果家庭拥有一个额外的劳动力，那么个人的外出打工概率将会提高4.01%。家庭的人均土地数量会显著降低劳动力外出打工的概率，因为外出打工和本地务农在劳动力利用上是替代性的，有着更多人均土地数的家庭，在农业生产上的边际收益更高，因此会降低外出打工的概率。家庭的人口结构对劳动力外出打工也有影响，有着更多6至12岁小孩的家庭，劳动力外出打工的概率显著下降(边际效应为-0.98%)。有着更多65岁及以上老人的家庭，并不会显著影响劳动力外出打工决策，但回归系数为正。家庭的关系网络也会促进劳动力外出打工，在村庄外有家庭成员、亲戚或者朋友显著地提高个人外出打工的概率1.2%。在村中有家庭成员、亲戚或者朋友是村干部会显著地增加劳动力外出打工的概率1.03%。
(3)村庄的特征也会影响到个人外出打工决策。每提高村平均收入1000元，农民外出打工的概率下降0.92%。相对于平原地区而言，处于山区和丘陵地区的农民，外出打工概率更高，这两个哑变量可能捕捉到了丘陵和山区较差的生活环境。村庄到最近的交通终端的距离和村庄到县城的距离都不显著地影响劳动力外出打工决策。
六、稳健性检验
在上一部分中，我们模型中利用了连续型的社会互动与同群效应的交互项。为了验证是否劳动力市场互动始终会减弱同群效应，我们利用离散型的劳动力市场互动度量来和同群效应做交互项。我们的假设是，只有那些在劳动力市场上互动频率高的村民，才会面临时间约束，从而降低同群效应的正效应。对于那些互动频率不高的人来说，他们并不受到时间约束，因此由于社会距离的缩短从而放大了同群效应的正效应。
在表四中，我们报告了控制离散型社会互动与同群效应交互项的结果。表四的结果显示，当我们将同群效应和交互项放入回归方程中时，拟合优度从方程（1）的0.1828上升到方程（6）的0.2149。在方程（7）到（9）中，我们得出如下结论：一、对于信息分享的社会互动来说，当人们的信息分享频率越高时，同群效应的正效应越大。在控制了村层面的变量时，低频率的信息分享并不增加同群效应的正效应。二、对于劳动力市场互助来说，当互动频率越高时，同群效应的正效应越小。有趣的是，当劳动力市场的互相帮助在最低频率时，同群效应反而能够被增强。我们的直觉解释是：当人们进行劳动力互助，但频率又不是太高时，他们并不面临时间约束，因此人们之间的社会距离下降有助于同群效应的正效应。在这里，因为时间约束并不是一个紧约束，联立内生性问题也不是一个重要问题。
在表三和表四中，当村的1998年外出打工率被控制时，我们都可以看到同群效应的系数和显著性都会较大地下降。因此，我们想要测试是否1998年村外出打工率是一个更好的同群效应度量。我们将1998年村外出打工率变量和社会互动频率的变量做了交互项，并重复了以上的回归，并将结果报告在表五中。根据我们的理论分析，如果1998年村外出打工率是一个更好的同群效应度量，那么，其与社会互动的交互项也应该是显著的。对比表三中的结果我们可以看出，大部分表五中的回归结果是稳健的。唯一的区别是，表五中的交互项变得不那么显著。在方程（11）中，我们控制了离散型的社会互动和同群效应的交互项，以及村的哑变量之后，大部分的交互项都变成不显著，但系数的方向和表三中的结果一致。总结而言，当利用当期的村外出打工率时，异质性的同群效应更显著。这是可以理解的，因为同群效应在理论上发生于当期，其作用也更会依赖于由社会互动而影响的社会距离。
第一种政策是平移反应函数的政策，也就是说，这种政策可以提高农民的外出打工概率，但它不影响村民之间的社会互动，从而不改变S曲线的斜率。用模型中的语言来说，我们改变的是除社会互动强度之外的其他解释变量的大小，在我们所控制的解释变量中，只有教育水平可以通过经济政策得以明显的改变。我们假想公共政策是提高村民的受教育程度，使得所有文盲和小学文化程度的农民都接受到初中教育。我们在回归结果中已经知道，如果提高了农民的受教育水平，那么会提高村民的外出打工概率，事实上，政策模拟的结果显示，均衡的村平均外出打工率为9.47%(图2)。因此，提高村民的受教育水平的确可以促进劳动力的流动，但是，这一政策的效应较小，同时交点仍然只具有低水平均衡的性质。
第二种政策是提高村民之间有利于外出打工的社会互动，提高同群效应，在图形中，这表现为反应函数的截距不变，但曲线向逆时针方向旋转。由于我们的研究发现同群效应存在着异质性，同群效应还取决于村民之间的互动强度。因此，如果提高村民之间有利于增大同群效应的社会互动，减少不利于增大同群效应的社会互动，同样可以促进劳动力的外出流动，假使政策措施是使得村民之间更广泛地进行打工信息交流(我们将“相互交换打工信息”状态定为“很多”)，同时建立农村的劳务市场，减少村民之间在劳动力市场上的互动(我们将三个度量劳动力互动强度的变量的状态定为“很少或没有”)，我们可以发现，村民的外出打工曲
提高外出打工概率。我们对此政策的效果做了模拟。在图3中，我们在提高了农村劳动力的教育水平和有利的社会互动的基础上，将截距项从-4.6672提高到-4.1255，也即只需要提高0.5417，就可以将均衡的劳动力流动率提高到50%，这就是进入劳动力流动高均衡的阈值(threshold point)。如果高均衡在图形上出现，那么，借助于同群效应，一个小幅度的有利于提高劳动力流动率的正向冲击就可以使劳动力流动率收敛于高均衡。消除城乡分割的经济政策，促进中国城乡劳动力的社会融合，从而推动劳动力流动和城市化进程，这正是建设和谐社会，促进经济持续增长的必要手段。在本文中，我们所强调的均衡性质从低均衡向高均衡的突变，实际上需要一种通过制度变革促进城乡整合和城市化的“大推动”政策。如果说以教育为主的政策相对来说更具有经济政策的性质，改变社会互动强度的政策更具有社会政策的性质，那么，制度层面的变革则更具有政治政策的性质。
八、结论
本文检验了劳动力流动决策中的同群效应是否存在，以及其作用的大小。我们的实证结果可以总结为以下结论：（1）同群效应在劳动力流动决策中是存在的，其效应在控制了历史的劳动力流动率（网络效应）以及其他社会资本之后，依旧是显著的。（2）同群效应存在着异质性。那些较多参与信息分享以及较少参与劳动力互助的家庭，同群效应较大，而较多地在劳动力市场互动会减弱同群效应的正效应。
中国的低城市化水平和较高的工业化程度显得极不相称。城市化和农村居民向城市的流动不仅是缩小城乡收入差距的关键，也有利于促进中国经济的持续增长。当劳动力流动的制度环境存在不对称信息时，劳动力流动决策会存在同群效应，外在的阻碍劳动力流动的城乡分割政策就会通过社会互动放大其负面效应，使得劳动力流动率被长期“锁定”在低水平均衡中，而这将对中国的城乡收入差距以及和谐社会的建设产生不利影响。
为了摆脱中国城市化和劳动力流动的低水平均衡，本文的发现有着重要的政策含义。首先，如果政策可以提升村外出打工率，其作用将在社会互动之下被放大。其次，如果能够促进信息分享，或者用更有效的社会服务来替代村内的劳动力互助，社会乘数会在促进城乡劳动力流动方面可发挥更大作用。第三，当同群效应存在时，一个社会的劳动力流动率可能会陷入低水平均衡，只有通过制度的“大推动”才能摆脱劳动力流动的低水平均衡。在中国的现实中，从土地、户籍、社会保障和公共服务等制度入手，消除城乡劳动力市场分割，促进社会融合，其作用要比人力资本投资和增加社会互动更有利于推进城市化。
参考文献：
[1] Antonio Calvó-Armengol, and Yves Zenou. 2004. “Social Networks and Crime Decisions: The Role of Social Structure in Facilitating Delinquent Behavior.” International Economic Review, 45(3): 939-958.
[2] Björn Gustafsson, Shi Li, and Terry Sicular. 2008. Inequality and Public Policy in China. New York: Cambridge University Press.
[3] Caridad Araujo, Alain de Janvry, and Elisabeth Sadoulet. 2004. “Peer Effects in Employment: Results from Mexico’s Poor Rural Communities.” University of California at Berkeley, Working Paper.
[4] Charles F. Manski. 1993. “Identification of Endogenous Social Effects: The Reflection Problem.” Review of Economic Studies, 60(3):531-542.
[5] Coralio Ballester, Antoni Calvó-Armengol, and Yves Zenou. 2006. “Who's Who in Networks. Wanted: The Key player.” Econometrica, 74(5):1403–1417.
[6] David McKenzie, and Hillel Rapoport. 2010. "Self-Selection Patterns in Mexico-U.S. Migration: The Role of Migration Networks." The Review of Economics and Statistics, 92(4): 811-21.
[7] Edward L. Glaeser , Bruce I. Sacerdote, and Jose A. Scheinkman. 2003. "The Social Multiplier." Journal of the European Economic Association, 1(2-3): 345-53.
[8] Eleonora Patacchini, and Yves Zenou. 2008. “Juvenile Delinquency and Conformism.” Stockholm University, Working paper.
[9] 蔡昉, 王美艳, 都阳. 2003. 劳动力流动的政治经济学. 上海:三联出版社，上海：人民出版社.
[10] Giulio Zanella. 2004. “Social Interactions and Economic Behavior.” University of Siena, Working Paper.
[11] Guanghua Wan, Ming Lu, and Zhao Chen. 2006. “The Inequality-Growth Nexus in the Short and Long Runs: Empirical Evidence from China.” Journal of Comparative Economics, 34(4): 654-667.
[12] Kaivan Munshi. 2003. "Networks in the Modern Economy: Mexican Migrants in the U.S. Labor Market." Quarterly Journal of Economics, 118(2): 549-599.
[13] 陆铭. 2010. "重构城市体系——论中国区域和城市可持续发展战略."南京大学学报, 5: 15-26.
[14] 陆铭. 2010. "建设用地使用权跨区域再配置——中国经济增长的新动力." 世界经济, 1: 107-125.
[15] 陆铭, 陈钊, 万广华.2005. "因患寡，而患不均：中国的收入差距、投资、教育和增长的相互影响." 经济研究,12: 4-14.
[16] Moffitt, S. Durlauf and P.Young, ed. 2001. Policy Interventions, Low-Level Equilibria, and Social Interactions. Cambridge: MIT Press.
[17] Nong Zhu. 2002. “The Impact of Income Gaps on Migration Decisions in China.” China Economic Review, 13(2-3): 213-230.
[18] Shuming Bao, Örn B. Bodvarsson, Jack W. Hou, and Yaohui Zhao. 2007. “Interprovincial Migration in China: The Effects of Investment and Migrant Networks.” IZA, Discussion Paper No. 2924.
[19] Steven N. Durlauf, and Marcel Fafchamps. 2004. "Social Capital." NBER, Working Papers 10485.
[20] Thomas Bauer, Gil Epstein, and Ira N. Gang. 2002. “Herd Effects or Migration Networks? The Location Choice of Mexican Immigrants in the U.S..” IZA, Discussion Paper No. 551.
[21] William A. Brock, and Steven N. Durlauf. 2001. “Discrete Choice with Social Interactions.” Review of Economic Studies, 68(2):235-260.
[22] Xiaobo Zhang, and Guo Li. 2003. “Does Guanxi Matter to Nonfarm Employment?” Journal of Comparative Economics, 31(2):315–331.
[23] Yaohui Zhao. 1999. “Leaving the Countryside: Rural-To-Urban Migration Decisions in China.” American Economic Association Papers and Proceedings, 89(2):281-286.
[24] Yaohui Zhao. 1999. “Labor Migration and Earnings Differences: The Case of Rural China.” Economic Development and Cultural Change, 47(4): 767-782.
[25] Yaohui Zhao. 2003. “The Role of Migrant Networks in Labor Migration: The Case of China.” Contemporary Economic Policy, 21(4): 500-511.
[26] 陈钊, 陆铭. 2008. "从分割到融合：城乡经济增长与社会和谐的政治经济学." 经济研究, 1: 21-32.