EN中文

热带地理 >

2025 , Vol. 45 >Issue 2: 250 - 263

DOI: https://doi.org/10.13284/j.cnki.rddl.20240651

人才分布和流动格局

广东省公务员考试被录取应届生的梯次迁移模式及影响机制

  • 吴景豪 , 1, 2, 3 ,
  • 刘晔 , 1, 2, 3 ,
  • 唐红林 1, 2, 3
展开
  • 1. 中山大学 地理科学与规划学院，广州 510006
  • 2. 广东省城市化与地理环境空间模拟重点实验室，广州 510006
  • 3. 广东省公共安全与灾害工程技术研究中心，广州 510006
刘晔（1986—），男，广东广州人，博士，教授，博士生导师，研究方向为人口地理、健康地理和城市地理，（E-mail）。

吴景豪（1999—），男，湖北鄂州人，硕士研究生，研究方向为人口地理，（E-mail）；

收稿日期: 2024-10-06

  修回日期: 2024-10-30

  网络出版日期: 2025-03-05

基金资助

国家自然科学基金项目(42171196)

收起

Urban Hierarchy Migration Model and Impact Mechanism of Graduates Admitted to the Guangdong Provincial Civil Service Examination

  • Jinghao Wu , 1, 2, 3 ,
  • Ye Liu , 1, 2, 3 ,
  • Honglin Tang 1, 2, 3
Expand
  • 1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510006, China
  • 2. Guangdong Provincial Engineering Research Center for Public Security and Disaster, Guangzhou 510006, China
  • 3. Guangdong Provincial Engineering Research Center for Public Security and Disaster, Guangzhou 510006, China

Received date: 2024-10-06

  Revised date: 2024-10-30

  Online published: 2025-03-05

Fold

摘要

在中国进入知识经济时代的关键转型期，公务员队伍作为国家治理体系和治理能力现代化的重要组成部分，其学历结构和空间分布的优化对于提升政府效能和推动社会进步具有深远影响。文章基于2023年广东省公务员考试的招录数据，使用空间统计方法与多元Logistic回归分析方法，分析公务员考试被录取应届生的梯次迁移模式及其影响因素。结果显示：1）被录取应届生的迁移模式以逆向梯次迁移为主。非同级迁移的目的地以四线、三线、一线城市为主；同级迁移目的地以四线、三线、二线城市为主。2）个人属性（包括性别、毕业学校等级和来源城市等级）中，除四、五线城市高校应届生外，其他属性应届生均以逆向梯次迁移为主。3）岗位条件（即单位等级）和岗位要求（包括学历和基层工作经验等方面的要求）中，各组别被录取者均以逆向梯次迁移为主。4）个人属性、岗位条件和岗位要求共同影响被录取者迁移模式的选择，其中个人属性和岗位要求影响相对显著。5）公务员考试被录取应届生迁移模式选择机制背后是多重因素的互动，有客观与主观的权衡。这一编制类就业模式相较于其他非编制类就业有更强的逆向梯次迁移可能性，其原因可能是岗位设置、竞争强度以及主观意愿存在较大差异。

关键词： 高校应届毕业生; 公务员考试; 人口迁移; 迁移模式; 影响机制; 广东省

本文引用格式

吴景豪 , 刘晔 , 唐红林 . 广东省公务员考试被录取应届生的梯次迁移模式及影响机制[J]. 热带地理, 2025 , 45(2) : 250 -263 . DOI: 10.13284/j.cnki.rddl.20240651

Abstract

As China enters a critical transition period towards a knowledge-based economy, the optimization of the educational attainment structure and spatial distribution of the civil service, a crucial component of modernizing the national governance system and capacity, exerts a profound influence on enhancing government efficiency and fostering social progress. Based on recruitment data from the 2023 Guangdong Provincial Civil Service Examination, this study employs spatial statistical methods and Multivariate Logistic Regression analysis to examine the urban hierarchy migration model of newly graduated students admitted to civil service positions and its influencing factors. The research findings indicate: (1)The migration model of admitted newly graduated students are predominantly migrate down the urban hierarchy. For non-equivalent-level migrations, destinations are mainly fourth-, third-, and first-tier cities, whereas for equivalent-level migrations, destinations are primarily fourth-, third-, and second-tier cities. (2)Among personal attributes (including gender, university ranking, and the tier of the city where the graduation school is located), except for graduates from universities in the fourth- and fifth-tier cities, all other groups predominantly migrated down the urban hierarchy. (3)In terms of work-unit level and job requirements (including educational qualifications and work experience), the admitted candidates across all groups predominantly migrated down the urban hierarchy. (4) The results of the multiple logistic regression showed that personal attributes, work-unit level, and job requirements jointly affected the choice of migration mode for admitted candidates. Personal attributes and job requirements have a relatively significant impact; the better the personal attributes and the higher the job requirements, the more likely they are to migrate up the urban hierarchy. The effect of job conditions was not significant. (5)The results of the mechanism analysis revealed that the choice of migration model among newly graduated students is a complex and dynamic decision-making process underpinned by the interplay of multiple factors, such as government policy guidance, job characteristics, personal factors, and urban conditions. The decision-making and selection process in the selection mechanism for the migration mode of newly recruited graduates in the civil service examination is complex and dynamic, involving the interaction of multiple factors, such as government policy guidance, job characteristics, personal factors, and urban conditions, with objective limitations, personal abilities and resources, and subjective willingness. Compared to other non-establishment employment models, this employment model has a stronger possibility of migrating down the urban hierarchy, which may be caused by significant differences in the sources of job settings, competition intensity, and subjective willingness. To achieve the strategic goal of building a high-quality young civil service, the government should consider the multifaceted and complex interactions within the recruitment process, leverage its administrative functions, flexibly adjust job settings, and attract and retain outstanding newly graduated students through measures such as optimizing the urban environment and enhancing public service levels. This study has significant implications for local governments in formulating scientific and reasonable civil service recruitment policies tailored to local conditions, and guiding newly graduated university students to make informed and rational decisions when applying for civil service positions.

Key words： fresh college graduates; civil service examination; population migration; migration mode; impact mechanism; Guangdong Province

在知识经济时代，人才是创新的重要基础，党的二十大报告指出：人才是第一资源，是全面建设社会主义现代化国家的基础性、战略性支撑，要加快建设世界重要人才中心和创新高地（习近平，2022）。在这一战略思想的指引下，各地政府发布了多样化的人才引进政策，旨在打造高素质人才队伍，推动当地产业高质量发展。但由于各地发展水平不均衡，政策效果也存在差异，因此中国人才空间分布严重失衡，过度集中于东部沿海发达城市和内陆省份的省会城市（王若宇 等，2018；刘晔 等，2019；武荣伟 等，2020）。这一问题不仅存在于产业人才领域，也存在于政府机关管理人才领域：尽管有多地政府提出要加强优秀年轻干部人才储备，以进一步提升政府工作水平，但在“考公热”的背景下，不仅存在数千人竞争的热门岗位，也存在不少无人问津的冷门岗位（龙之朱，2023）。这些冷门岗位可能存在工作环境艰苦、晋升机会有限等问题，无形中阻碍了优秀人才向基层、偏远地区岗位的流动。长此以往，人才区域分布不均衡可能加剧地区间经济发展和治理能力的“马太效应”，使得区域协调发展更难以实现，进而陷入恶性循环（齐宏纲 等，2023）。而广大的高校应届毕业生群体作为高素质人才的重要来源，可通过引导其迁移弥补地区间的人才差距，实现区域协调发展。在此背景下，深入研究高校应届毕业生在报考公务员过程中的迁移流向选择及其影响因素，了解不同群体间的异质性并厘清迁移动机，对于各地政府因地制宜制定科学合理的招考政策以及引导高校应届毕业生做出科学理性的报考选择具有重要意义。
接受过高等教育的劳动力群体是创新的源泉，能促进地区的发展，因此该群体中高校毕业生迁移的空间格局备受关注（Florida, 2002）。西方发达国家的研究指出，高校毕业生更倾向于迁往经济更为发达的地区（Faggian et al., 2009a, 2009b; Di Cintio et al., 2013; Tang et al., 2014）。国内研究则表明，早期高校毕业生倾向于等级规模高于原户籍地的城市，尤其是一线城市（何仲禹 等，2015）。然而，近年来由于一线城市生活成本攀升及居住舒适度下降，高校毕业生逆向梯次迁回户籍地的现象日益增多（Zhao, 2023a）。为解释上述迁移行为，部分学者引入空间粘滞性、粘性理论等理论框架，认为地区间粘滞性的差异及其变化对高校毕业生的迁移趋势具有重要影响（王钊 等，2015；钟雨齐 等，2021）。高校毕业生迁移方向的这一转变，为缺乏人才的地区通过政策引导等手段吸引高素质人才提供了重要机遇。
深入了解高校毕业生迁移的影响因素是制定针对性政策的重要基础。已有研究表明，相较已就业人群，高校毕业生的职业发展尚处于初期阶段，且多数尚未组建家庭，因此其迁移所需的经济社会成本相对较低，迁移动机主要与就业机会紧密相关（聂晶鑫 等，2018）。在探究其他影响因素时，学者主要聚焦于个体属性和迁入地因素。个体属性方面，户籍地、就学地等被视为关键因素，同时，毕业高校的教育水平、所获学历以及所学专业的成绩优劣等也会对迁移决策产生影响（Ishitani et al., 2011；钟雨齐 等，2021；Huang et al., 2022）。此外，基于个体视角的研究还揭示了家庭背景因素，如是否为独生子女、家庭经济状况、父母受教育程度等，均对高校毕业生迁移产生显著影响（Wang et al., 2023; Zhao, 2023a）。在迁入地因素方面，已有研究重点关注城市经济发展水平，包括工资水平、发展前景等指标（Zhao, 2023b）。除此之外，非经济因素也日益受到关注，如社会文化与环境、基础设施的完善程度、生活舒适度等，特别是房价、空气污染等负面因素，已成为毕业生在迁移决策时的重要参考指标（Lai et al., 2021；王一凡 等，2021；Lin et al., 2022；浩飞龙 等，2022；谢圆圆 等，2022；刘嘉杰 等，2023）。此外，政策因素同样不容忽视，户籍和人才引进政策对高校毕业生的迁移行为产生不同程度的激励效果（Cui et al., 2022）。综上，高校毕业生在迁移决策时不仅重视经济因素，同时也受到社会、环境、政策等多种因素的深刻影响。
尽管很多学者探讨了高校毕业生的迁移及其影响因素，但研究对象大多为非编制就业，关注到公务员等编制岗位对于高校毕业生迁移影响的研究尚少。由于编制类岗位是政府直接或间接设置，其相较于非编制类岗位具有国家引导迁移（State-sponsored Migrate）的特点。李玲（2000）指出在中国工业化初期，国家通过提供资助等手段，有效地引导了农村劳动力的定向迁移，同时，也有学者探讨了政策对劳动力迁移的影响，指出国家通过制定政策间接引导迁移行为（蔡昉，1995；蔡昉，2001；Gu et al., 2020）。自从中国取消高校毕业生统一分配制度后，劳动力市场的供求关系在高校毕业生迁移过程中逐步占据主导地位，国家引导迁移的影响逐步减弱，但在编制类岗位中仍有体现。在编制类岗位的迁移研究中，有多位学者使用核密度分析等多种方法，关注院士、教授、研究员等高端人才的迁移过程以及地域分异情况，也有学者探讨了公立中小学教师考试中报考群体的逆向梯次迁移现象（李双双 等，2011；李瑞 等，2013；周亮 等，2019；高喆 等，2023；王秀梅 等，2023）。然而，这些研究大多针对已工作多年的人才，对于编制岗位如何影响广大高校应届毕业生群体的迁移决策，尚缺乏系统研究。
综上所述，尽管中国高校毕业生跨区域迁移研究已取得一定进展，但大部分毕业生最终流向体制外的工作岗位，对于公务员考试被录取应届生迁移（具有国家引导下的迁移）的空间格局与影响机制的研究仍较为缺乏，少量学者基于毕业生就业调查等抽样数据，分析进入政府机关工作毕业生的流向及其决定因素，但该类调查可能存在抽样不严谨和样本不全面等问题，所收集的样本未必能代表所有进入政府机关工作应届生迁移的情况（冯承才，2022）。据此，本文基于2023年广东省公务员考试的招录数据，揭示公务员考试被录取群体迁移的空间分异特征，识别其迁移流向的影响因素，以期为各地政府制订差异化的公务员招考政策提供科学依据，支撑打造优秀年轻干部队伍的目标。

1 数据与方法

1.1　研究区域与数据来源

本研究范围包括广东省除清远市以外的20个地级市，由于清远市未公布被录取者的个人信息，故将该市除省直单位以外的数据从样本中剔除。广东省作为中国人口第一大省，也是国家公务员考试招录规模最大的省份（温锋华 等，2022）。2023年广东省公务员考试共招录18 258人，占全国公务员招录总人数的比例接近10%。
从广东省各级政府网站在2023年广东省公务员考试中发布的招考公告和录取公告中提取相关数据。招考公告主要提供岗位等级以及学历学位、专业、基层工作经验等报考条件信息；录取公告提供所有被录用者的性别、学校和专业信息以及部分录取者的年龄和籍贯信息。在剔除信息不全个体后，最终筛选出9 702条有效数据。数据具有以下特点：首先，录取公示为办理录用前的最后环节，若被公示者在此阶段放弃录用将影响其诚信档案，因此可将报考岗位所在地视为应届生未来的就业目的地。其次，《广东省2023年考试录用公务员公告》 1规定，每位考生仅能报考1个岗位，即报考城市及岗位是考生慎重考虑的结果，受个人属性和岗位要求共同影响。

1.2　方法

将被录取者的毕业高校主校区所在地确定为迁移起点，将其录用单位所在地确定为迁移终点，其中各类分支机构均按照其所在地确定。在确定迁移模式方面借鉴Plane等（2005）有关“梯次迁移与逆向梯次迁移”（Migration Up and Down the Urban Hierarchy）的研究，将高校应届毕业生的迁移分为4个类型：梯次迁移、逆向梯次迁移、平行迁移和不迁移。具体地，基于第一财经新一线城市研究所发布的《2023城市商业魅力排行榜》，将全国所有地级行政单元划分为一线城市、新一线城市、二线城市、三线城市、四线城市和五线城市 2，本研究五线城市样本较少，故除流动路径分析部分外，将四五线城市合并。梯次迁移被界定为报考更高等级城市的岗位并被录取（如来自二线城市高校的毕业生考上一线城市的岗位），逆向梯次迁移被界定为报考更低等级城市的岗位并被录取（如来自新一线城市高校的毕业生考上三线城市的岗位），平行迁移被界定为报考其余同级城市的岗位并被录取，不迁移被界定为报考高校所在城市的岗位并被录取（王一凡 等，2021；谢圆圆 等，2022；高喆 等，2023）。

1.2.1　影响因素选取

模型的因变量为迁移类型，包括梯次迁移、平行迁移、逆向梯次迁移和不迁移4个类别。自变量则按照个人属性、岗位条件和岗位要求3个大类设定（表1）。自变量和因变量的参照类别除来源城市等级外均设定为数量最多的组，来源城市的参照组设定为二线城市。
表1 变量定义与特征描述

Table 1 Definition and description of variables

类别 变量 说明 人数/人 占总人数比例/%

变量

类型

因

变

量

迁移

类型

 梯次迁移 1 321 13.62 四分类变量
平行迁移 975 10.05
逆向梯次迁移 6 302 64.95
不迁移 1 104 11.38
个人属性 性别 男性 5 575 57.46 二分类变量
女性 4 127 42.54

毕业

学校

等级

 双一流高校 763 7.86 四分类变量
双一流学科高校 1 399 14.42
普通高校 7 196 74.17
专科学校 344 3.55

来源

城市

等级

 一线城市 5 408 55.74 五分类变量
新一线城市 1 238 12.76
二线城市 1 384 14.26
三线城市 1 199 12.36
四、五线城市 473 4.88
岗位条件

单位

等级

 省直 714 7.36 五分类变量
市直 1 080 11.13
区县 4 734 48.79
街道 783 8.07
乡镇 2 391 24.65
岗位要求

学历

要求

 研究生及以上 785 8.09 三分类变量
本科及以上 7 829 80.69
专科及以上 1 088 11.22

专业

要求

 理工科 3 172 32.70 六分类变量
人文科学 824 8.49
医科 340 3.50
商科 1 594 16.43
政法类 2 171 22.38
不限专业 1 601 16.50
专业技术要求 需要专业等级证书 669 6.90 二分类变量
不限 9 033 93.10
本地户籍要求 有 330 3.40 二分类变量
不限 9 372 96.60
性别要求 有 2 376 24.49 二分类变量
不限 7 326 75.51
政治面貌要求 需要政治面貌为党员、民主党派或群众 376 3.88 二分类变量
不限 9 326 96.12
基层工作经验要求 需要两年基层工作经验或“三支一扶”经历 314 3.24 二分类变量
不限 9 388 96.76

注：①毕业学校分类，按照教育部发布的“双一流”名单进行分级，分为“双一流”高校、“双一流学科”高校、普通高校、专科学校。②专业要求根据广东省公务员考试专业参考目录将类型相近学科小类合并为人文科学、理工科、医科、商科、政法及不限专业六大类。其中，理工科主要包括规划建设、信息电子类等学科；人文科学主要包括思想文化、中文传播类等学科；医科主要包括生物医药类等学科；商科主要包括经济金融、现代管理等学科；政法类主要包括法律、治安国防类等学科；不限专业岗位报考者多为招考人数较少或新设专业毕业生，如公共管理、资源与环境等。专业要求包含多个类型的先根据被录取者的专业确定，少数未提供被录取者专业的按照该岗位职责及被录取者所在院校情况综合确定。

在确定模型自变量时，综合考量既有的研究与当前数据集的特性，选取3类可能影响梯次迁移模式的因素，共11个因子：个人属性方面，选择性别、毕业学校等级以及来源城市，这些变量能深入揭示个体在做出迁移决策时，所受的个人特质和背景差异的影响。岗位条件方面，聚焦于各岗位的单位等级，这一变量不仅能体现该单位的行政等级，更能预示其未来可能的晋升前景，对高校应届毕业生的迁移决策有重要影响。至于岗位要求，将其视为第三类关键影响因素，原因有：1）每个岗位所录取的候选人必然满足岗位要求，能反映不同类型应届毕业生在迁移模式上的差异化影响因素；2）岗位要求并不会对迁移模式构成硬性限制，而是为被录取者提供一个筛选适合岗位的机会，最终通过综合比较做出最优迁移决策。

1.2.2　模型设置

已有的人才、高校毕业生迁移研究多采用Tobit回归、多元线性回归等方法（武荣伟 等，2020；刘晔 等，2023）。鉴于模型的因变量为四分类变量，使用多元Logistic回归模型识别被录取的高校应届生选择某类迁移模式的影响因素。
模型设定为（陈强，2014；黄欣怡，2020）：
l n P y i = j x P y i = b x = x i ' β j
式中：i为观测个体， x i '、 y i分别为个体所对应的因变量和自变量；b为选定的基准组；J为分类变量中包含的种类总数；j为个体i所选择的方案，j=1，2，3，4； β j为随机效用的系数。当j=b时，等式左侧为ln 1=0，β b=0。即某种选择相对个体的对数几率始终为0，致使该组别对应的任何解释变量系数也必然为0。
对以上J个方程求解，可得到各分类的概率，其中 β m表示第m个自变量的系数：
P y i = j x = e x p   x i ' β j ∑ m = 1 J     e x p   x i ' β m
得出每种分类的预测概率后，为使得模型更简明，采用发生比（Odds Ratio）对模型参数进行解释，在模型中将基准组设定为第一组，即逆向梯次迁移组，那么第j组的胜算比可使用二者比值表示：
  P y i = j x P y i = 1 x = e x p   x i ' β j        j = 2,3 , 4

2 被录取者的主要迁移模式

2.1　所有被录取者的主要迁移模式

首先对被录取者的迁移模式进行描述性统计分析，发现在所有样本中，选择逆向梯次迁移的有6 302人，占比64.95%，其次有1 321名被录取者选择梯次迁移，占比13.62%，选择不迁移的共1 104人，占比11.38%，而选择平行迁移的人数最少，仅为975人，占比10.05%（表2）。这表明有较大比例的被录取者在迁移中所选择的城市等级与毕业院校所在的城市等级不同，其中更多人选择逆向梯次迁移而不是梯次迁移。该结果与传统高校毕业生迁移研究中的更偏好梯次迁移的结论相反，其原因可能是机会的有限性与高线级城市激烈的竞争劝退了众多竞争者，使他们偏向于更保守稳妥的选择（聂晶鑫 等，2018；王一凡 等，2021）。
表2 样本概况

Table 2 Overview of samples

样本类型 样本量/人 迁移类型 样本量/人 占比/%

被录取

应届生

 9 702 梯次迁移 1 321 13.62
平行迁移 975 10.05
逆向梯次迁移 6 302 64.95
不迁移 1 104 11.38
根据迁入迁出城市在城市等级上刻画高校应届毕业生的流动情况（图1）。从非同级城市间的流动看，一线城市的应届生大多被四线、三线及二线城市的公务员岗位录取，占比合计超过60%，其中迁向四线城市占比29.40%；新一线城市的应届生大多被一线、二线城市的公务员岗位录取，合计占比也接近60%，迁向三线、四线城市也均超过15%；二线城市的应届生主要被三线、四线、一线城市的岗位录取，三者合计占比超过70%；三线城市的应届生大多被四线、一线、二线城市的岗位录取；四线城市的应届生主要被三线、一线城市的岗位录取；五线城市的应届生主要被四线、三线城市的岗位录取。
图1 广东省公务员考试被录取者的城市等级间流动路径

Fig.1 The urban hierarchical mobility path of candidates admitted to the Guangdong Provincial Civil Service Examination

综上可知，在非同级迁移的目的地中，四线、三线、一线城市占比较高，这可能是因为广东省的三、四线城市较多，因此能提供更多岗位，广州、深圳等一线城市由于行政等级较高而拥有更多岗位接纳应届生。但新一线城市高校的应届生迁往一线、二线城市的数量较多而三四线相对较少，这可能是由于广东省新一线城市仅有东莞市，其高等教育规模较小，来自新一线城市高校的应届生有较大比例来自省外，为抵消跨省迁移的阻力，同时寻求更好的职业发展机会和生活环境，更倾向于选择高线级城市作为迁移目的地。
从同级城市间的流动看，平行迁移的比例先降后升再降，一线和新一线城市高校的应届生平行迁移比例分别为5.42%和2.02%，而二线、三线和四线城市高校的应届生平行迁移比例分别为18.21%、24.02%和26.95%，由于广东省仅有云浮一个五线城市，其应届生平行迁移占比为0。不迁移的比例也是先降后升再降，其中一线城市高校的应届生不迁移比例最高，达到15.11%，新一线、二线城市高校的应届生不迁移比例较低，三线、四线城市高校的应届生不迁移比例又恢复到10%以上，五线城市高校的应届生不迁移比例为0。

2.2　不同个人属性迁移者的迁移模式

既有研究指出个人属性对于高校毕业生的就业迁移选择具有重要影响，因此本文的个人属性包括性别、毕业学校等级和迁出城市等级（钟雨齐 等，2021）。将所有样本的个人属性与迁移模式进行交叉分析（表3），发现除四、五线城市的高校毕业生外，选择逆向梯次迁移的样本占比均最高，其他迁移模式的占比与个人属性相关，存在较大差异性。
表3 个人属性与迁移模式交叉分析

Table 3 Cross analysis table of personal attributes and migration model

个人属性 梯次迁移 平行迁移 逆向梯次迁移 不迁移
人数/人 比例/%* 人数/人 比例/% 人数/人 比例/% 人数/人 比例/%
性别 男 849 15.23 556 9.97 3 576 64.14 594 10.66
女 472 11.44 419 10.15 2 726 66.05 510 12.36
毕业学校等级 双一流高校 135 17.69 110 14.42 386 50.59 132 17.30
双一流学科高校 142 10.15 133 9.51 914 65.33 210 15.01
普通高校 1 036 14.39 716 9.95 4 716 65.54 728 10.12
专科学校 8 2.33 16 4.65 286 83.14 34 9.88
迁出城市等级 一线城市 0 0.00 293 5.42 4 298 79.47 817 15.11
新一线城市 381 30.78 25 2.02 800 64.62 32 2.58
二线城市 311 22.47 249 17.99 762 55.06 62 4.48
三线城市 347 28.94 287 23.94 430 35.86 135 11.26
四、五线城市 282 59.62 121 25.58 12 2.54 58 12.26

注： * 为该类别高校应届毕业生中选择不同迁移模式占本类别的比例；表4同。

性别方面，男性和女性应届生逆向梯次迁移的占比基本相同，男性梯次迁移的比例高于女性，而女性平行迁移和不迁移的比例稍高于男性。毕业学校等级方面，双一流高校应届生逆向梯次迁移比例最低，其他迁移模式的占比均最高；双一流学科高校应届生与普通高校应届生的表现类似，其中梯次迁移比例普通高校更高，不迁移的比例双一流学科高校更高；专科学校应届生有超过80%的逆向梯次迁移比例。综合来看，毕业学校的等级对应届生的迁移方向有显著影响，双一流高校和双一流学科高校多位于一线、新一线城市，因此梯次、平行、不迁移的比例较高，普通高校在各线级城市均有分布，其各类迁移模式占比分布最平均，而专科学校应届生多选择向较低线级的城市迁移，逆向梯次迁移比例较高。迁出城市等级方面，一线城市高校应届生有接近80%选择逆向梯次迁移，接近15%选择不迁移，均为本迁移模式中比例最高；新一线城市高校应届生有30.78%选择梯次迁移，64.62%选择逆向梯次迁移，其余迁移模式占比较低；二线城市高校应届生梯次迁移占比仅有22.47%，平行迁移比例为17.99%，逆向梯次迁移比例仍有55.06%，不迁移比例较少；三线城市高校应届生的逆向梯次迁移占比进一步降低，梯次、平行迁移、不迁移比例开始上升；四五线城市高校应届生的梯次迁移比例最高，接近60%，平行迁移比例也最高，约占四分之一，逆向梯次迁移比例最低，仅有2.54%。可以发现，随着高校应届生来源城市等级的降低，其逆向梯次迁移比例逐步降低，其他迁移模式比例基本呈逐步上升态势。

2.3　不同条件和要求岗位被录取者的迁移模式

为了解岗位条件及岗位需求对于迁移模式的影响，将其与迁移模式进行交叉分析（表4）。总体上，所有组别中的逆向梯次迁移人数均远超其他迁移模式，但组内存在较大差异。岗位条件方面梯次迁移比例最高的是街道岗位被录取者，其次是市直、区县岗位被录取者；而逆向梯次迁移比例最高是乡镇岗位被录取者，其次是省直岗位被录取者，平行迁移比例较高的是区县岗位被录取者；不迁移比例较高的是街道岗位被录取者。其余迁移模式比例相近。学历要求中，要求研究生以上与本科以上的岗位被录取者迁移模式接近，而84.65%的大专及以上学历岗位被录取者选择逆向梯次迁移。专业要求组内梯次迁移、不迁移比例最高的是医科岗位被录取者，而逆向梯次迁移比例最高的是不限专业的岗位被录取者。在其他要求中，与没有专业技术要求的岗位相比，有专业技术要求的岗位被录取者开展梯次迁移、平行迁移和不发生迁移的比例更高，开展逆向梯次迁移的比例更低。具有性别要求、政治面貌要求的岗位与各自没有要求的岗位对比结果与专业技术要求岗位一致，而有户籍要求岗位则在对比中与专业技术要求岗位相反。有基层要求岗位与没有基层要求岗位的被录取者迁移表现基本相同。
表4 岗位条件及要求与迁移模式交叉分析

Table 4 Cross analysis of job conditions and requirements and migration mode

岗位条件与要求 梯次迁移 平行迁移 逆向梯次迁移 不迁移
人数/人 比例*/% 人数/人 比例/% 人数/人 比例/% 人数/人 比例/%
岗位条件 省直 130 14.09 72 9.52 433 63.65 79 12.74
市直 192 18.21 176 10.08 601 60.64 111 11.06
区县 667 17.78 451 16.30 3013 55.65 603 10.28
街道 169 21.58 88 11.24 362 46.23 164 20.95
乡镇 163 6.82 188 7.86 1893 79.17 147 6.15
学历 研究生及以上 126 14.80 120 10.07 425 63.30 114 11.83
本科及以上 1159 16.05 788 15.29 4956 54.14 926 14.52
大专及以上 36 3.31 67 6.16 921 84.65 64 5.88
专业 理工科 522 16.46 331 10.44 1923 60.62 396 12.48
人文科学 133 16.14 95 11.53 496 60.19 100 12.14
医科 76 22.35 31 9.12 160 47.06 73 21.47
商科 149 9.35 146 9.16 1141 71.58 158 9.91
政法类 334 15.38 255 11.75 1300 59.88 282 12.99
不限 107 6.68 117 7.31 1282 80.07 95 5.93
专业技术要求 有 106 15.84 91 13.60 380 56.80 92 13.75
无 1215 13.45 884 9.79 5922 65.56 1012 11.20
户籍要求 有 11 3.33 11 3.33 276 83.64 32 9.70
无 1310 13.98 964 10.29 6026 64.30 1072 11.44
性别要求 有 534 22.47 255 10.73 1236 52.02 351 14.77
无 787 10.74 720 9.83 5066 69.15 753 10.28
政治面貌要求 有 57 15.16 58 15.43 223 59.31 38 10.11
无 1264 13.55 917 9.83 6079 65.18 1066 11.43
基层要求 有 38 12.10 32 10.19 211 67.20 33 10.51
无 1283 13.67 943 10.04 6091 64.88 1071 11.41

3 迁移模式的影响因素

为厘清个人属性、岗位条件、岗位要求对广东省公务员考试被录取应届生的迁移模式的影响水平，选择人数最多的逆向梯次迁移组作为基准组，使用多元Logistic回归模型对数据进行分析。由表5可知，模型总体预测准确率为70.0%，说明模型对于数据有较好的拟合度。
表5 公务员考试被录取应届毕业生迁移的多元Logistic回归结果（N=9 702）

Table 5 Multiple logistic regression results on the migration of college graduates (N=9 702)

影响因素 变量组 （1） 梯次迁移 （2） 平行迁移 （3） 不迁移
发生比 标准误 发生比 标准误 发生比 标准误
性别（参照组=男性） 女性 1.378*** （0.13） 1.215** （0.11） 1.537*** （0.12）

毕业学校等级

（参照组=普通本科）

 双一流高校 4.092*** （0.63） 4.362*** （0.61） 2.463*** （0.30）
双一流学科高校 2.005*** （0.27） 2.293*** （0.28） 1.513*** （0.14）
专科学校 0.966 （0.46） 1.080 （0.36） 1.339 （0.37）

迁出城市

（参照组=二线城市）

 一线城市 0.000 （0.00） 0.139*** （0.02） 1.913*** （0.27）
新一线城市 0.740*** （0.08） 0.055*** （0.01） 0.370*** （0.08）
三线城市 3.471*** （0.40） 3.182*** （0.36） 5.605*** （0.96）
四、五线城市 212.712*** （70.41） 82.879*** （27.46） 156.836*** （56.68）

单位等级

（参照组=区县）

 省直 0.532*** （0.08） 0.849 （0.15） 0.474*** （0.08）
市直 1.357** （0.17） 1.869*** （0.22） 0.697*** （0.09）
街道 6.160*** （0.90） 2.802*** （0.41） 3.451*** （0.39）
乡镇 0.507*** （0.06） 0.685*** （0.08） 0.600*** （0.06）

学历学位

（参照组=本科）

 研究生及以上 1.440** （0.22） 1.580*** （0.21） 1.421*** （0.18）
专科 0.109*** （0.03） 0.388*** （0.09） 0.248*** （0.06）

专业类型

（参照组=理工科）

 人文科学 0.884 （0.13） 0.977 （0.14） 0.817 （0.11）
医科 2.069*** （0.42） 0.962 （0.22） 1.972*** （0.32）
商科 0.885 （0.11） 1.011 （0.12） 0.695*** （0.08）
政法类 1.245* （0.14） 1.347*** （0.15） 0.918 （0.10）
不限 0.394*** （0.06） 0.581*** （0.09） 0.420*** （0.06）
专业技术要求（参照组=无） 有 0.557*** （0.10） 0.981 （0.16） 0.707** （0.11）
户口要求（参照组=无） 有 2.003 （0.88） 0.716 （0.27） 2.400*** （0.65）
性别要求（参照组=无） 有 5.702*** （0.63） 2.230*** （0.26） 3.700*** （0.37）
政治面貌要求（参照组=无） 有 1.528** （0.30） 1.678*** （0.29） 1.008 （0.19）
基层要求（参照组=无） 有 7.822*** （2.29） 2.811*** （0.71） 4.904*** （1.20）
常数 0.196*** （0.02） 0.204*** （0.02） 0.061*** （0.01）
-2倍对数似然值 6 017.928
卡方 5 673.465***
预测准确率/% 70.0

注： *** P<0.01，** P<0.05，* P<0.1。

3.1　女性不迁移、梯次、平行迁移可能性大于男性

性别因素均表现出显著影响。相对于男性被录取者，女性被录取者不迁移、梯次迁移以及平行迁移的可能性均更大。与男性被录取者相比，女性被录取者发生不迁移、梯次迁移和平行迁移的可能性是发生逆向梯次迁移的1.537、1.378和1.215倍。该结果与一些高校毕业生迁移研究中的结论“性别不产生显著影响”（钟雨齐 等，2021；谢圆圆 等，2022；高喆 等，2023）不同。但也有研究指出，高学历女性因工作类型、性别平等因素，更愿意向高线级城市迁移（窦旺胜 等，2023）。本研究则同样是由于公务员工作稳定性较强，且大多为脑力工作，男女性均可胜任，但工资属于平均水平，难以满足男性在较高线级城市发展所需的购房等成本，从而减少了男性平行、梯次或者不迁移的行为。

3.2　双一流和双一流学科高校应届生平行、梯次、不迁移可能性大于普通高校及专科学校

学校等级方面，相较普通本科学校，双一流高校应届生更可能平行迁移、梯次迁移或者不迁移，其可能性分别为逆向梯次迁移的4.362、4.092和2.463倍。双一流学科高校应届生的也更可能平行迁移、梯次迁移及不迁移，但其可能性相较双一流高校均有大幅下降，说明双一流学科高校应届生逆向梯次迁移比例有所提升。专科学校应届生的迁移未显示出显著性，说明专科学校与普通本科高校应届生迁移模式相近。这一方面可能是由于双一流及双一流学科高校的毕业生对于工作待遇、晋升空间、迁往城市的经济文化水平有更高要求，另一方面高水平高校应届生的应试能力更强，在高线级城市岗位的竞争中表现更好。而双一流高校的应届生相对双一流学科高校应届生具有更高要求和竞争力，因此双一流学科高校逆向梯次迁移可能性有所提升。

3.3　高线级城市高校毕业生更可能不迁移或逆向梯次迁移，低线级城市高校应届生则更可能梯次迁移

相对于迁移较均衡的二线城市高校毕业的应届生，来自其他线级城市均对应届生的迁移行为产生显著影响。其中一线城市高校的应届生不迁移可能性是逆向梯次迁移的1.913倍，而平行迁移的可能性仅有逆向梯次迁移的13.9%；而新一线城市高校的应届生梯次、不迁移或者平行迁移的可能性均小于逆向梯次迁移，其中平行迁移的可能性仅为逆向梯次迁移的5.5%；三线城市高校的应届生更可能不迁移、梯次迁移或平行迁移，以上迁移模式的发生比均超过3倍；四、五线城市高校应届生更可能梯次迁移、不迁移或平行迁移。
综上，应届生的来源城市等级影响较大：一线城市高校的应届生多选择不迁移，其原因可能是既能获取一线城市带来的高待遇、好前景，又能充分发挥多年求学在该城市所积攒的各类资源；其次更可能逆向梯次迁移，从而减少竞争压力与生活成本；最不可能选择平行迁移，因为一线城市中，北京、上海高校的应届生平行迁移需要迁往广州、深圳，同理，广州和深圳的高校毕业生也需要在这2个城市间迁移，相较于二线城市高校的应届生，他们更可能留在本市或者迁向低线级的城市。来自新一线城市高校的毕业生更可能选择逆向梯次迁移，其他选择可能性较小，这是因为在总计800个新一线城市逆向梯次迁移个体中，有超过40%选择佛山、珠海、惠州等较发达的珠三角城市，但由于这些城市等级低于新一线城市，所以在结果中反映更有可能逆向梯次迁移。三线、四线城市高校的毕业生更不可能逆向梯次迁移，其原因可能是二线城市向下迁移的毕业生还可以选择条件相对较好的三、四线城市，但三、四线城市向下的选择较少，并且条件相对较差。

3.4　省直和乡镇岗位被录取应届生更可能逆向梯次迁移，市直和街道岗位则与之相反

相较于区县单位的被录取应届生，省直单位的被录取应届生更有可能逆向梯次迁移，而梯次迁移和不迁移的可能性仅为逆向梯次迁移的53.2%和47.4%；选择市直单位的毕业生更有可能平行、梯次或逆向梯次迁移，而选择街道的被录取者迁移可能性由高到低是梯次迁移、不迁移和平行迁移，而选择乡镇的有更强的逆向梯次迁移的倾向。
单位等级所代表的行政等级与待遇、晋升情况紧密相关，行政等级越高，能提供的高职级数量越多。在低线级城市的省直单位主要包括省厅的各类派驻机构及监狱等，因此选择省直单位的被录取者更可能选择逆向梯次迁移是考虑到待遇和未来晋升前景，放弃留在本线级城市的机会而迁往更低线级城市；而一线、新一线、二线等城市的街道办因其待遇相对较好，许多被录取者选择梯次迁移以获得职位；乡镇岗位分为两类，一类是东莞、佛山等较高线级城市中竞争激烈的乡镇岗位，超过2/3的应届生来自更高线级的城市，另一类是较低线级城市的乡镇岗位，其竞争相对较小，要求也较低，较多本地户口的毕业生在毕业后会选择做出此类迁移决定，如潮州本地籍贯的被录取者超过90%。

3.5　有学历要求岗位的被录取者选择平行、梯次迁移或不迁移的可能性越高

与要求本科学历岗位的被录取者相比，要求研究生学历岗位的被录取者更有可能平行迁移、梯次迁移或不迁移，其可能性分别为逆向梯次迁移的1.580、1.440和1.421倍，而要求专科及以上学历岗位的被录取者更可能逆向梯次迁移，其他迁移模式的可能性均不到逆向梯次迁移的一半。
学历要求与岗位定级直接相关，较少出现高学历应届生报考低学历岗位的情况，因此可将学历要求近似看做应届生学历。由于教育投入的提升，学历越高的应届生越不会选择逆向梯次迁移，这也与其他研究的结果基本吻合（高喆 等，2023）。一般而言，学历越高，应届生的经济、社会文化需求越高，而低线级城市难以满足其需求，因此选择逆向梯次迁移的可能性越小。此外，高线级城市能提供更多面向研究生的岗位，并且能授予研究生学位的高校也较多分布于高线级城市，故高学历应届生选择逆向梯次迁移的可能性较小。

3.6　医科与政法类专业要求岗位的被录取者更可能梯次或平行迁移，商科专业要求和不限专业岗位的被录取者则相反

专业要求方面，与要求理工科岗位的被录取者相比，要求人文科学岗位的被录取者的迁移模式没有表现出显著差异，要求医科岗位的被录取者梯次迁移或不迁移的可能性是逆向梯次迁移的2.069和1.972倍，而要求商科岗位的被录取者更可能逆向梯次迁移，其不迁移的可能性是逆向梯次迁移的0.695倍，要求政法类岗位的被录取者更可能平行或梯次迁移，其可能性是逆向梯次迁移的1.347和1.245倍，不限专业岗位的被录取者更可能逆向梯次迁移，其余迁移模式可能性均不到逆向梯次迁移的60%。
医科、政法类岗位需要较强的专业性，并且对该类岗位有需求的超过一半是二线及以上线级的城市，因此2类毕业生均有梯次或平行迁移的动力；而商科岗位需求量仅次于理工科，分布广泛，低线级城市需求量占比超过总量的60%，从而导致该类岗位的被录取者逆向梯次迁移行为较多；同样的，由于不限专业的岗位基本上均处在低线级城市的乡镇中，因此其被录取者逆向梯次迁移行为更普遍。

3.7　有户口、性别、政治面貌和基层工作经验要求岗位的被录取者以梯次、平行或不迁移为主

与各自对照组相比，有专业技术资格要求岗位的被录取者有更大可能进行逆向梯次迁移，不迁移或平行迁移的可能性是逆向梯次迁移的70.7%和55.7%。有户口要求的岗位被录取应届生更可能不迁移，有性别、政治面貌、基层工作经验的要求岗位被录取应届生的迁移模式类似，更可能梯次迁移、不迁移或平行迁移，逆向梯次迁移的可能性较小。特别是具有工作经验的岗位的梯次迁移可能性是逆向梯次迁移的7.822倍。
特定户口、基层工作经历是相对难以达到的条件，因此具备该类条件的毕业生选择梯次迁移或不迁移的可能性较大；而特定性别、政治面貌的岗位较多存在于高线级城市，因此也有一定梯次、平行或者不迁移的可能性；由于专业技术大多是政法类岗位的要求，具有较高水平政法系的高校集中于二线以上城市，同时一半以上政法类岗位在二线以下城市，因此逆向梯次迁移可能性较高。

4 被录取应届生迁移模式选择机制

通过与其他非编制类就业高校毕业生进行对比，分析公务员这一行政力量主导下的编制类就业的特殊性（图2）。高校应届毕业生在公务员就业迁移决策过程中，政府政策导向下的岗位条件与岗位要求与客观条件中的个人因素、城市条件共同构成选择行为的关键要素集合。整个决策过程开始于各级政府根据自身需要对岗位的科学规划与设置，通过招考公告明确规定岗位的具体要求与条件，如学历、专业等。应届毕业生在此基础上进行自我评估，筛选出符合自身条件的岗位集合。继而根据所设岗位的岗位条件及其所在城市的条件判断其竞争强度，并基于个人特质与资源进行深入考量。该过程不仅涉及对外部条件的理性分析，也融合了个人对未来职业发展的期望与规划。
图2 被录取应届生迁移模式选择机制

Fig.2 Selection mechanism for migration mode of admitted newly graduated students

迁移模式的选择是多重因素共同作用的结果。客观限制特别是岗位要求的刚性约束，构成迁移的先决条件；个人能力与资源作为内在基础，直接限定可选择的迁移路径范围；个人发展机会，特别是岗位所附带的职业晋升空间与资源，成为影响决策的重要诱因；而主观意愿，是对上述所有因素进行综合权衡后的个性化表达，体现被录取者在现实与理想之间寻求最佳平衡点的努力。
在这一选择机制下，个体若能在个人因素方面契合岗位要求，具备较强的能力与资源，期望更好的发展机会，并偏好高等级城市，则更倾向于采取梯次迁移策略。相反，若个体在上述任一或多个维度上有所欠缺，则更可能倾向于选择逆向梯次迁移。由此，被录取应届生的迁移模式的最终形态呈现以逆向梯次迁移为主导的特征。具体而言，毕业于高水平高校或满足特定岗位需求的个体，更有可能采取梯次迁移的方式；而教育背景相对普通、无法满足特定岗位需求的个体，则更可能选择逆向梯次迁移。
对比公务员这一编制类就业与其他非编制类就业的迁移模式，二者展现出共通性与差异性：共通性体现在无论是公务员还是非编制类就业者，其留存于原就读城市线级的比例均相对较低，多数高校毕业生倾向于迁往与就学地不同线级的城市；差异性体现在前者更可能逆向梯次迁移，而后者更可能梯次迁移（王一凡 等，2021；谢圆圆 等，2022）。这种差异性来源于二者迁移模式选择机制的差异。首先，是岗位设置的区别，公务员岗位由政府为履行社会服务与管理职能而设立，其区域分布、城市等级分布相对均衡，旨在满足广泛的公共需求；而非编制类就业岗位主要由各类企业根据自身的经营需求提供，因此这些岗位往往集中于经济发达、资源丰富的高线级城市。其次，是竞争过程的差异。公务员招录过程中信息透明、流程规范，能较为准确地获知竞争比，但机会具有唯一性。相反，非编制类就业市场的招聘信息相对分散，覆盖人群有限且评价方式多样，为求职者提供多次尝试的机会。前者可能促使应届毕业生倾向于选择竞争相对较小的地区和岗位，而后者使得应届毕业生愿意向更高线级城市争取工作机会。最后，选择过程中主观意愿的不同也是不可忽视的因素。应届毕业生在选择编制类岗位时，可能更看重稳定性以及能兼顾家庭、照顾父母等因素，这些“求稳”的倾向和家庭责任考虑，也可能是导致迁移模式差异的重要原因之一。
综上所述，在公务员招录过程中，应届毕业生的迁移模式选择是一个复杂且动态的决策过程，其背后蕴含着政府政策引导、岗位特性、个人因素及城市条件等多重因素的互动。因此，为实现构建高素质年轻公务员队伍的战略目标，政府应立足招录过程的多因素复杂交互机制，充分利用其行政职能，灵活调整岗位设置，并通过优化城市环境、提升公共服务水平等措施，吸引并留住更多优秀应届毕业生，为城市的可持续发展注入新的活力与动力。

5 结论与讨论

5.1　结论

本研究基于2023年广东省公务员考试的招录数据，使用空间统计方法与多元Logistic回归分析方法，分析公务员考试被录取应届生的梯次迁移模式及其影响因素。主要结论为：
1）在公务员招录过程中，被录取应届生的迁移模式以逆向梯次迁移为主，占比接近65%。在非同级迁移的目的地中，四线、三线、一线城市占比较高；同级迁移目的地中四线、三线、二线城市占比较高。
2）大多数组别中逆向梯次迁移的比例均最大。性别方面，男性梯次迁移的比例高于女性，而女性平行、不迁移的比例稍高于男性。毕业学校等级方面，双一流高校应届生逆向梯次迁移比例最低，其他迁移模式的占比均最高；双一流学科高校应届生与普通高校应届生的表现类似，专科学校更多逆向梯次迁移。迁出城市等级方面，随着高校应届生来源城市等级的降低，其逆向梯次迁移比例逐步降低，其他迁移模式比例基本呈逐步上升态势。
3）所有组别中逆向梯次迁移比例均最大。岗位条件方面，行政等级的高低与迁移模式的比例分布不存在线性关系。学历要求中，要求研究生以上与本科以上的岗位被录取者迁移模式接近，大专及以上学历岗位被录取者大多选择逆向梯次迁移。专业要求方面，有专业技术、性别、政治面貌要求岗位的被录取者逆向梯次迁移比例较低，有户籍、基层要求的岗位的被录取者则相反。
4）广东省公务员考试被录取应届生的迁移行为受到个人、岗位条件与岗位要求的共同影响：个人因素中，女性更可能不迁移、梯次、平行迁移，男性更可能逆向梯次迁移；双一流和双一流学科高校应届生平行、梯次、不迁移可能性大于普通高校及专科学校；一线、三线城市高校应届生不迁移可能性最大，新一线城市高校应届生更可能逆向梯次迁移，四、五线城市高校应届生更可能梯次迁移。岗位条件中，省直、乡镇岗位被录取应届生更可能逆向梯次迁移，市直和街道岗位则相反。岗位要求中，学历要求越高其被录取者选择平行、梯次迁移或不迁移的可能性越高；要求医科、政法类岗位的被录取者更可能梯次或平行迁移，商科、不限专业岗位则相反，有特定户口、性别、政治面貌基层工作经历的被录取者以梯次、平行或不迁移为主，而有专业等级证书要求的岗位被录取者更可能逆向梯次迁移。
5）公务员考试被录取应届生迁移模式选择机制中，决策和选择过程是复杂且动态的，其背后蕴含着政府政策引导、岗位特性、个人因素及城市条件等多重因素的互动，有着客观限制、个人能力与资源以及主观意愿的权衡。对比公务员与其他非编制类就业，二者留存于原就读城市线级的比例均相对较低，多数高校毕业生倾向于迁往与就学地不同线级的城市，但前者有更强的逆向梯次迁移可能性，这一现象可能是岗位设置、竞争强度以及主观意愿存在较大差异所造成的。

5.2　讨论

本研究旨在厘清公务员考试被录取应届生的迁移规律，弥补学术界对行政力量主导的体制内人才迁移研究的不足，拓展中国人才迁移研究的对象。为推动高校应届生合理有序流动并理性报考公务员岗位，不同等级的城市政府可参考本文得出的被录取应届生的迁移模式选择机制，在岗位设置、城市条件等多方面着手：
1）一线、新一线城市可采取以下策略提升招录的人才水平：首先，在岗位设置方面，可通过增加选调生名额和扩大人才引进规模等方式，实施定向筛选。与此同时，也可相应增加例如仅博士报考的岗位；其次，在待遇层面，建议通过提供人才公寓、住房补贴等举措，以妥善解决高水平人才的后顾之忧。第三，也可与本地高水平高校及研究所建立合作关系，进行人才的定向培养。
2）二线、三城市需采取更为灵活和全面的方法。在岗位设置方面，一方面可通过提高部分岗位所需学校等级门槛，定向招录高水平高校毕业生，另一方面也可设置仅本地高校应届生报考的岗位。然而，仅依靠岗位设置无法吸引、留住人才，更重要的是要从提升城市条件入手。三、四线城市应致力于加强城市基础设施建设，不断完善公共服务体系，努力营造宜居宜业的城市环境。
3）鉴于四线、五线城市的吸引力有所欠缺。因此，在岗位设置中，第一，应优先聚焦于吸引本地户籍或邻近地区的人才。同时，应在岗位要求中适当放宽专业及基层工作经验等硬性要求，鼓励其他地区的人才积极报考。第二，明确的职业晋升通道也是吸引人才的重要因素，应为人才提供长远的发展前景。第三，城市条件方面，在力所能及的范围适当提升城市基础设施建设和公共服务体系，努力为人才提供更舒适的生活和工作环境。
本文存在以下不足：首先，仅关注了2023年广东省公务员考试被录取应届生的迁移情况，未来可通过补充其余年份的数据消除偶然性的影响。其次，城市等级分类对研究有重要影响。本文使用应用较广的城市分级方法，结果反映应届生迁移的基本特点。但考虑城市人才吸引力和挤出效应的城市分级方法仍值得关注。再次，仅基于互联网大数据开展分析，因此仅能获取有限的被录取者个人信息，生源地、年龄等信息不全，家庭背景相关信息无法获取，为解决这一问题，后续将结合问卷调查和访谈资料等数据，深入地揭示公务员考试被录取应届生的迁移机制。最后，由于数据中的学校不包含校区，本研究使用主校区作为迁移起点，忽视了长期在非主校区城市生活对迁移模式产生的影响。

脚注

1 《广东省2023年考试录用公务员公告》：具体信息见http://www.gd.gov.cn/zwgk/gsgg/content/post_4078069.html。

2 《城市商业魅力排行榜》：新一线城市研究所通过城市大数据，围绕商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性和未来可塑性5个维度评估全国各城市发展情况，该分级结果能科学、全面地反映城市吸引力。具体信息见https://www.datayicai.com/report/detail/999638。

吴景豪：数据收集、数据分析、论文写作、论文修改；

刘 晔：研究设计、论文修改、监督指导；

唐红林：论文修改。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
蔡昉. 1995. 人口迁移和流动的成因、趋势与政策. 中国人口科学，（6）：8-16.

Cai Fang. 1995. The Causes, Trends, and Policies of Population Migration and Mobility. Chinese Journal of Population Science, (6): 8-16.

蔡昉. 2001. 劳动力迁移的两个过程及其制度障碍. 社会学研究，（4）：44-51.

Cai Fang. 2001. The Two Processes of Labor Migration and Its Institutional Obstacles. Sociological Studies, (4): 44-51.

陈强. 2014. 高级计量经济学及stata应用. 北京：高等教育出版社，192-204.

Chen Qiang. 2014. Advanced Econometrics and Stata Applications. Beijing: Higher Education Press, 192-204.

Cui C, Wang Y F, and Wang Q. 2022. The Interregional Migration of Human Capital: The Case of "First-Class" University Graduates in China. Applied Spatial Analysis and Policy, 15: 397-419.

Di Cintio M and Grassi E. 2013. Internal Migration and Wages of Italian University Graduates. Papers in Regional Science, 92: 119-140.

窦旺胜，秦波，郝美竹，万思齐. 2023. 中国青年流动人口城市选择的空间特征及影响因素. 地理研究，42（5）：1234-1247.

Dou Wangsheng, Qin Bo, Hao Meizhu, and Wan Siqi. 2023. Spatial Characteristics and Influencing Factors of Young Migrants' Selection of City in China. Geographical Research, 42(5): 1234-1247.

Faggian A and McCann P. 2009a. Universities, Agglomerations and Graduate Human Capital Mobility. Tijdschrift Voor Economische En Sociale Geografie, 100: 210-223.

Faggian A and McCann P. 2009b. Human Capital, Graduate Migration and Innovation in British Regions. Cambridge Journal of Economics, 33: 317-333.

冯承才. 2022. 新生代流动青年城市居留意愿及其影响因素——基于对上海市新生代流动青年的考察. 青年研究，（5）：81-93，96.

Feng Chengcai. 2022. The Willingness of the New Generation of Mobile Youth to Reside in Cities and Its Influencing Factors: Based on an Investigation of the New Generation of Mobile Youth in Shanghai. Youth Studies, (5): 81-93, 96.

Florida R. 2002. The Economic Geography of Talent. Annals of the Association of American Geographers, 92: 743-755.

高喆，邱嘉怡，余家怡，李昱霄，敖荣军. 2023. 高学历人才逆向梯次迁移现象及机制研究——以北上广深应聘至武汉的中小学教师为例. 地理研究，42（1）：123-136.

Gao Zhe, Qiu Jiayi, Yu Jiayi, Li Yuxiao, and Ao Rongjun. 2023. Research on Trend and Mechanism of Highly Educated Population Migrating Down to Urban Hierarchy: Taking the Candidates from Beijing, Shanghai, Guangzhou, and Shenzhen for the Primary and Middle School Teachers in Wuhan as an Example. Geographical Research, 42(1): 123-136.

Gu H, Meng X, Shen T, and Wen L. 2020. China's Highly Educated Talents in 2015: Patterns, Determinants and Spatial Spillover Effects. Applied Spatial Analysis and Policy, 13: 631-648.

浩飞龙，张杰，王士君. 2022. 国内外城市舒适性研究综述与展望. 地理科学进展，41（12）：2396-2409.

Hao Feilong, Zhang Jie, and Wang Shijun. 2022. A Literature Review of Urban Amenity and Its Research Prospects. Progress in Geography, 41(12): 2396-2409.

何仲禹，翟国方. 2015. 我国大学生就业城市选择意愿及其影响因素分析. 人文地理，30（2）：37-42，102.

He Zhongyu and Zhai Guofang. 2015. Employment Location Choice of Chinese College Students and Its Determinants. Human Geography, 30(2): 37-42, 102.

黄欣怡. 2020. Stata：多元 Logit 模型详解 （Mlogit）. （2020-10-16）[2024-09-31]. https: //www.lianxh.cn/news/270f2c9e75d4a.html.

Huang Xinyi. 2020. Stata: Multi Logit Model Detailed Annotation (Mlogit). (2020-10-16)[2024-09-31]. https: //www.lianxh.cn/news/270f2c9e75d4a.html.

Huang M, Xing C B, and Cui X Y. 2022. Does College Location Affect the Location Choice of New College Graduates in China? China & World Economy, 30: 135-160.

Ishitani T T. 2011. The Determinants of out-Migration among in-State College Students in the United States. Research in Higher Education, 52: 107-122.

Lai W Y, Song H, Wang C, and Wang H H. 2021. Air Pollution and Brain Drain: Evidence from College Graduates in China. China Economic Review, 68: 101624.

李玲，Fan C C. 2000. 社会经济结构转型期迁移与非迁移人口的工作选择与转换──广州劳动市场初步研究. 人口研究，（2）：16-25.

Li Ling and Fan C Cindy. 2000. Job Choice and Transfer of the Migrant and Non-Migrant Population during the Transformation of the Socio-Economic Structure: A Study of the Labour Market in Guangzhou. Population Research, (2): 16-25.

李瑞，吴殿廷，鲍捷，邱研，王维. 2013. 高级科学人才集聚成长的时空格局演化及其驱动机制——基于中国科学院院士的典型分析. 地理科学进展，32（7）：1123-1138.

Li Rui, Wu Dianting, Bao Jie, Qiu Yan, and Wang Wei. 2013. Evolution of Temporal and Spatial Pattern and Driving Mechanisms of Agglomerative Growth of Senior Science Talents: A Case Study of Academicians of CAS. Progress in Geography, 32(7): 1123-1138.

李双双，延军平. 2011. 中国当代地理教授、研究员地域分异. 地理科学进展，30（10）：1298-1304.

Li Shuangshuang and Yan Junping. 2011. Geographical Distribution and Regional Differentiation of Contemporary Geographical Professors and Researchers in China. Progress in Geography, 30(10): 1298-1304.

Lin X B, Zhong J J, Ren T, and Zhu G W. 2022. Spatial-Temporal Effects of Urban Housing Prices on Job Location Choice of College Graduates: Evidence from Urban China. Cities, 126: 103690.

刘嘉杰，刘涛，曹广忠. 2023. 舒适性迁移研究进展与启示. 地理科学进展，42（6）：1216-1228.

Liu Jiajie, Liu Tao, and Cao Guangzhong. 2023. Amenity Migration: An International Review and Inspiration. Progress in Geography, 42(6): 1216-1228.

刘晔，王若宇，薛德升，曾经元. 2019. 中国高技能劳动力与一般劳动力的空间分布格局及其影响因素. 地理研究，38（8）：1949-1964.

LiuYe, Wang Ruoyu, Xue Desheng, and Zeng Jingyuan. 2019. The Spatial Pattern and Determinants of Skilled Laborers and Less-Skilled Laborers in China: Evidence from 2000 and 2010 Censuses. Geographical Research, 38(8): 1949-1964.

刘晔，黄翠盈，李晴，武荣伟. 2023. 2000—2020年中国高学历人才分布格局及其影响因素研究. 地理研究，42（11）：2827-2844.

Liu Ye, Huang Cuiying, Li Qing, and Wu Rongwei. 2023. Spatial Patterns and Determinants of Highly Educated Talent in China, 2000-2020. Geographical Research, 42(11): 2827-2844.

龙之朱. 2023. 国考报名“冷热不均”冷门职位能不能降门槛. （2023-10-27）[2024-09-31]. http://mzqb.cyol.com/html/2023-10/27/content_347537.htm

Long Zhizhu. 2023. Is it Possible to Lower the Threshold for Unpopular Positions Due to Uneven Registration for the National Civil Service Examination. (2023-10-27)[2024-09-31]. http://mzqb.cyol.com/html/2023-10/27/content_347537.htm.

聂晶鑫，刘合林. 2018. 中国人才流动的地域模式及空间分布格局研究. 地理科学，38（12）：1979-1987.

Nie Jingxin and Liu Helin. 2018. Spatial Pattern and the Resulting Characteristics of Talent Flows in China. Scientia Geographica Sinica, 38(12): 1979-1987.

Plane D A, Henrie C J, and Perry M J. 2005. Migration up and down the Urban Hierarchy and across the Life Course. Proceedings of The National Academy of Sciences of The United States of America, 102: 15313-15318.

齐宏纲，戚伟，刘振，赵美风. 2023. 中国人才分布的学历梯度分异性：时空格局及影响机理. 地理科学进展，42（5）：821-836.

Qi Honggang, Qi Wei, Liu Zhen, and Zhao Meifeng. 2023. Heterogeneity of Educational Attainment of Talents in China: Spatial and Temporal Patterns and Driving Factors. Progress in Geography, 42(5): 821-836.

Tang A Z R, Rowe F, Corcoran J, and Sigler T. 2014. Where Are the Overseas Graduates Staying On? Overseas Graduate Migration and Rural Attachment in Australia. Applied Geography, 53: 66-76.

王若宇，刘晔，薛德升. 2018. 2000―2010年中国地区人才优势度与经济发展的空间特征及耦合协调度分析. 热带地理，38（2）：184-195.

Wang Ruoyu, Liu Ye, and Xue Desheng. 2018. Coupled Coordination Analysis of Regional Talent Superiority and Economy Development in China from 2000 to 2010. Tropical Geography, 38(2): 184-195.

王秀梅，黄春晓，许宏福，杨志强. 2023. 高端人才流动的网络关联特征与影响因素分析——对长三角地区高端人才流动的观察. 热带地理，43（8）：1489-1500.

Wang Xiumei, Huang Chunxiao, Xu Hongfu, and Yang Zhiqiang. 2023. Network Correlation Characteristics and Influencing Factors of High-Level Talent Flow: Observation of the High-Level Talent in the Yangtze River Delta. Tropical Geography, 43(8): 1489-1500.

王一凡，崔璨，王强，宁越敏，杨振山. 2021. “人才争夺战”背景下人才流动的空间特征及影响因素——以中国“一流大学”毕业生为例. 地理研究，40（3）：743-761.

Wang Yifan, Cui Can, Wang Qiang, Ning Yuemin, and Yang Zhenshan. 2021. Migration of Human Capital in the Context of Vying for Talent Competition: A Case Study of China's "First-class" University Graduates. Geographical Research, 40(3): 743-761.

王钊，杨山. 2015. 多中心城市区域城市蔓延冷热点格局及演化——以苏锡常地区为例. 经济地理，35（7）：59-65.

Wang Zhao and Yang Shan. 2015. Evolution of Cold-Hot Spot Pattern of Polycentric Urban Areas Urban Sprawl: A Case Study of Suzhou-Wuxi-Changzhou Area. Economic Geography, 35(7): 59-65.

Wang Q, Cui C, Yu C Y, and Wang Y F. 2023. From Domicile to University to Work: The Sequential Migration of Young Educated People in the Context of the "Battle for Talent" in China. Population Research and Policy Review, 42: 92.

温锋华，古恒宇，许志斌. 2022. 中国省际人口迁移网络结构及时空演化. 经济地理，42（6）：13-21，54.

Wen Fenghua, Gu Hengyu, and Xu Zhibin. 2022. Network Structure and Spatiotemporal Evolution of China's Interprovincial Migration. Economic Geography, 42(6): 13-21, 54.

武荣伟，王若宇，刘晔，古恒宇. 2020. 2000—2015年中国高学历人才分布格局及其影响机制. 地理科学，40（11）：1822-1830.

Wu Rongwei, Wang Ruoyu, Liu Ye, and Gu Hengyu. 2020. Spatial Pattern and Determinants of Highly Educated Talents in China, 2000-2015. Scientia Geographica Sinica, 40(11): 1822-1830.

习近平. 2022. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告. (2022-10-16) [2024-09-30]. https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

Xi Jinping. 2022. Hold High the Great Banner of Socialism with Chinese Characteristics and Work Together for the Comprehensive Construction of a Modern Socialist Country: A Report at the 20th National Congress of the Communist Party of China. (2022-10-16) [2024-09-30]. https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

谢圆圆，李锦昊，马凌. 2022. 青年知识移民就业城市选择及其影响因素——以广州市高校大学生为例. 热带地理，42（3）：385-395.

Xie Yuanyuan, Li Jinhao, and Ma Ling. 2022. Determinants of Employment City Selection of Young Intellectual Migrants: A Case Study of Guangzhou University Graduates. Tropical Geography, 42 (3): 385-395.

Zhao M Y. 2023a. Moving to 'Bei-Shang-Guang'? Internal Migration, Local Hukou Barriers and Labour Market Outcomes among College Graduates in China. Population Space and Place, 29: e2651.

Zhao M Y. 2023b. Returning Home for a Better Job? Return Migration, Family Background, and Labor Market Outcomes among Recent College Graduates in China. Chinese Journal of Sociology, 9: 408-428.

钟雨齐，王强，崔璨，王一凡. 2021. 人力资本的空间迁移模式与影响因素分析——以南京市高校毕业生为例. 地理科学，41（6）：960-970.

Zhong Yuqi, Wang Qiang, Cui Can, and Wang Yifan. 2021. Migration Pattern of Human Capital and Its Influential Factors: A Case Study of University Graduates in Nanjing City. Scientia Geographica Sinica, 41(6): 960-970.

周亮，张亚. 2019. 中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例. 地理研究，38（7）：1749-1763.

Zhou Liang and Zhang Ya. 2019. The Spatial Distribution and Flow Trends of Chinese Top Academic Talents: Based on the Case Study of Academicians of Chinese Academy of Sciences. Geographical Research, 38(7): 1749-1763.

Options
文章导航

/

〈 〉