EN中文

Tropical Geography >

2022 , Vol. 42 >Issue 3: 385 - 395

DOI: https://doi.org/10.13284/j.cnki.rddl.003458

Determinants of Employment City Selection of Young Intellectual Migrants: A Case Study of Guangzhou University Graduates

  • Yuanyuan Xie , 1 ,
  • Jinhao Li 1 ,
  • Ling Ma , 1, 2, 3
Expand
  • 1. School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China
  • 2. The Research Center for Human Geography and Urban Development in Southern China, Guangzhou 510006, China
  • 3. Guangdong Provincial Center for Urban and Migration Studies, Guangzhou 510006, China

Received date: 2021-02-28

  Revised date: 2021-06-23

  Online published: 2022-03-21

Fold

Highlights

With the transformation of urban knowledge economy, cities pay more and more attention on efforts to attract knowledge talents, including young intellectuals. Taking college students in Guangzhou as an example, this research adopts a combination of qualitative and quantitative methods to explore the mobility of young intellectual migrants, and the characteristics and influencing factors of their employment city selection. The research has found the following. First, young intellectual migrants generally tend to choose cities where their undergraduate or postgraduate studies are located and cities with higher grades than their household registration and place of study (i.e., first-tier and new first-tier cities), which reflects their willingness and motivation for upward spatial and social mobility. Second, their employment mobility is a process of the interaction between urban and individual factors. Its influencing factors mainly include urban environment, economy, policy and culture, as well as the type of household registration and the city level of household registration, among others. Third, urban economy development (job opportunities) is the most important factor for attracting young intellectual migrants, along with employment opportunities, wage levels, and others. At the same time, amenities such as cultural facilities and educational institutions, as well as physical features such as climate and natural environment and other living comforts (living opportunities) play an increasingly important role in the employment mobility of young intellectual migrants. Therefore, urban environmental construction needs to pay attention to public cultural facilities, social comfort, transportation convenience, health service facilities, and urban natural and living environment. The urban policies of high-level cities are more attractive to young intellectual migrants, including talent introduction, housing subsidies and urban development policies. Fourth, in terms of personal factors, the type of household registration and the city level of the source of youth intellectual migration have significant impact on their employment mobility decisions. There are differences in the mobility costs between the different types and city level of household registration, which further affects their employment mobility behavior. A detailed exploration of the employment mobility law of young intellectual migrants and its influencing factors is necessary to understand and construct a knowledge-based talent mobility theory based on Chinese context in the new era. It is also the key to talent policy formulation and the realization of the value of knowledge talents.

Cite this article

Yuanyuan Xie , Jinhao Li , Ling Ma . Determinants of Employment City Selection of Young Intellectual Migrants: A Case Study of Guangzhou University Graduates[J]. Tropical Geography, 2022 , 42(3) : 385 -395 . DOI: 10.13284/j.cnki.rddl.003458

随着世界经济的进一步发展，当代城市的增长和经济活力越来越有赖于新知识经济的发展，而新经济的产生尤其依赖于有知识的人力资本的引入。这类有知识的人力资本被统称为知识型人才，与以往依靠双手的劳作以提供产品或服务的劳动者不同，知识型人才主要是脑力劳动者，他们创造知识、提供想法并利用各种信息进行工作（Emanoil et al., 2013）。他们掌握了相关的知识与技能，是一种高价值的创造性劳动力，并逐渐成为促进地方（创新）发展的重要因素。知识型人才的比例与地方发展正相关（Betz et al., 2015），因此吸引和留住这类人才的能力被视为地方发展的关键。在此背景下，各级省市政府都积极地招募高端知识人才，并提供良好的吸引条件。截至2019年12月，中国超过160个城市相继发布相关人才新政（董添，2019）。但不同城市的人才引进政策效果存在差异，中国知识型人才在空间上配置严重失衡。知识型人才流动的不均衡已成为导致地区经济发展差距的一个重要原因（如高端人才过度向东部地区与中心城市聚集）。作为人力资本重要载体的青年知识移民，他们在不同区域的就业流动是重塑区域发展格局的重要力量（王一凡 等，2021）。教育部数据显示，2021届高校毕业生人数有909万人，比2020年增加35万人（叶雨婷，2020）。其中，广东省应届高校毕业生规模达到64.2万人，加上往年未就业和外省来粤就业毕业生，将有超过85万高校毕业生在广东省求职（程景伟，2021）。
青年知识人才流动存在规律，既有经济（工作）的原因，也有生活的原因；既有社会的原因，也存在个人地方的选择。因而，探究青年知识移民的就业流动，从宏观视角看，可以帮助城市优化资源配置，提供相应条件和政策，有效吸引知识型人才（特别是二、三线城市），从而促进地方经济转型和平衡地方差距；从微观视角看，对于高校大学生的流动调查，有助于了解新一代知识型人才工作机会和生活方式的地方选择方式，可以促进高校提前针对其就业决策做出建议，并帮助他们制定更合理的职业和人生发展规划。因而，本文从城市吸引力和青年知识人才的主体视角出发，通过对广州高校大学生的调查分析，试图揭示青年知识移民就业城市选择的特点及其影响因素，以期对城市人才吸引政策和青年知识移民就业提供实证依据与政策建议。

1 相关研究进展

1.1　知识型人才流动及其动因

人才流动（The Flow of Talent）最先源于Slichter（斯利克特）提出的人员流动理论（Slichter, 1940），随后Schults（舒尔茨）提出了脑力劳动者流动促进经济发展的理论（Schultz, 1990）。相较于传统劳动者，知识型人才追求自主性、个性化、多样化和创新精神，具有更高流动性，同时也更追求来自工作本身的满足（蒋春燕 等，2001）。知识人才流动是复杂多维的决策行为，不同类型知识人才流动的影响因素也存在差异（林静霞 等，2020）。从解释知识型人才跨地流动的影响因素看，目前主要包括城市因素与个体因素。城市因素视角侧重人才流入地的拉力作用与人才流出地的推力作用，即人才的流动取决于流出地与流入地的经济机会与生活机会。其中，经济机会主要从比较收益的视角分析，即流入地比流出地具有更多的经济机会，提供更高的边际收益，人才就有可能流入这些地方（Comay， 1971）；也有研究从流动成本、生活成本（房价）、经济发展水平等视角讨论其与吸引知识移民的关系（纪建悦 等，2008；林海波 等，2016）。另外，已有研究也表明，一个人越是具有较高的人力资本，就越不单仅重视一个地方的经济机会，也重视一个地方的生活机会（Lorenzen et al., 2009）。生活机会被用于解释知识人才的就业流动，主要包括住房、教育、医疗、交通等基础设施可获得的有形资源和空气质量、城市自然和社会环境等无形资源。研究发现，生活的便利程度、居住环境、文化和政策环境等日益成为影响知识人才流动的重要因素（Cebula, 2005；纪建悦 等，2008；朱云 等，2019）。
在这个意义上，人们的流动，不但是一种空间流动，更是一种社会流动，即：到具有更多机会的地方就业和生活。因此，不同地方和城市的特点，包括其经济和生活机会对于知识人才的流动和吸引力显然有着重要作用。知识人才在流动过程中除要考虑经济机会与生活机会等城市因素外，还需考虑年龄、性别、受教育程度、心理成本、个人追求等个体因素（Partridge et al., 2012；何洁 等，2014；张抗私 等，2018）。同时，知识人才的流动行为因个体因素的不同而存在差异。相对低学历者，高学历者倾向于远距离流动，但同样受到民族、户籍、社会关系网络等因素的制约（韩美兰 等，2016）。

1.2　高校大学生就业流动的影响因素

高校大学生在户籍地、就读地与就业地之间流动，并逐渐成为中国第二大迁移人群（王一凡 等，2021）。这一群体在流动过程中表现出明显的地域偏好，呈现多样化、分散化的趋势（Dahrendorf, 1979）。他们选择一线城市就业的意愿较强，并倾向于把自身生源地以上等级规模的城市划为主要劳动力市场（何仲禹 等，2015；张抗私 等，2018）。通过比较分析不同城市的收入差距与生活成本差距发现，前者的拉力大于后者的阻力，因此大部分大学生仍偏向在沿海城市及中大型城市就业（葛玉好 等，2011）。近年来，随着一线城市生活成本的不断提高，高消费、高房价成为其逃离一线城市的重要原因（路平，2013）；一线城市收入水平优势减弱，而消费水平劣势逐渐显现，大学生在一线城市就业的概率相对降低（李斯 等，2019）。同时，随着二、三线城市吸纳人才能力与迁移成本的提高，高校大学生回流户籍地（二、三线城市）的意愿逐渐增强（葛玉好 等，2011）。
关于青年人才就业流动的影响因素，经济机会仍是主导因素。来自一线城市的大学生更重视家庭因素，而来自非一线城市的大学生更注重职业发展机遇（王文波 等，2012）。同时，基础设施建设、公共服务水平、自然环境等生活质量（quality of life）日益成为解释青年知识劳动力就业城市选择的重要影响因素（Royuela et al., 2010）；教育、医疗等公共资源在毕业生就业城市选择过程中具有显著的吸引力（Liu et al., 2017）；而空气污染等环境问题会减弱城市对于毕业生的吸引作用（Zheng et al.， 2019）。另外，人口学特征、人力资本、社会资本等个体因素在毕业生就业城市选择过程中具有显著影响（岳昌君 等，2019）。有研究指出，户籍地与社会阶层的自我认同会影响大学生的就业流动（倪晓锋 等，2019）；种族、就读专业、是否获得奖学金等对大学生流动也有显著影响（Ishitani, 2011）。
青年知识移民的初次就业流动是中国高知识劳动力流动的主要形式（杨钋 等，2011），是一个需要更多的实证研究来加以讨论和验证的话题。现有研究多聚焦高层次人才与高技能劳动力，对高校大学生迁移的关注相对缺乏（王一凡 等，2021）。同时，已有关于高校大学生就业流动的影响因素研究，往往从城市因素或者个体因素的其中一个方面和相对单一视角探讨其就业城市选择的选择。城市与个人双重视角可以弥补以往单一视角解释人才流动的缺陷，可为人才流动研究提供一个新的综合分析框架。同时，已有研究大多采用定量方法，与质性方法的结合较少。因此，本研究以广州市高校大学生为例，采用问卷与深度访谈等综合调查方法，从城市与个人双重视角来分析青年知识移民的流动意愿及其就业城市选择的特点及其影响因素。

2 案例选择与研究方法

2.1　案例地选择及研究对象

近年来，随着广州各项人才政策的出台，知识移民（包括青年知识移民）日趋成为广州人口结构中的重要组成部分。同时，广州是华南地区高校和科研机构集中地。对该城市的移民－地方关系的探讨可以为其他城市或地区提供示范效应和重要的参考价值。出于研究需要，将青年知识移民（young intellectual migrants）界定为正在或已接受高等教育，攻读学位为本科及以上或掌握一定专业知识与技能特长的知识人才移民。选定的青年知识移民为广州市即将或已毕业的高校大学生，主要具有以下特点：1）异地就读 1；2）年龄阶段为20~30岁。

2.2　数据收集与研究方法

借助问卷星平台先后进行了两次网络问卷调查，第一次是小样本预调研，目的是修正与调整问卷中的问题。第二次是正式调研，收集数据进行分析。于2020年3~5月与2021年3月随机向广州市在读或已毕业的高校大学生发放问卷，最终回收问卷700份，有效问卷653份，有效回收率93.29%。问卷的调查内容主要包括：1）选择就业城市的过程与结果；2）受访者个人人口统计特征和基本信息。其中，问卷采用《中国城市新分级名单》，将城市划分为一线城市、新一线城市、二线城市、三线城市、四线城市与五线城市 2，并依次赋值“1~6”。所用的分析软件为SPSS 23.0，主要使用描述分析以及Logistic回归分析等方法。
与此同时，还采用深度访谈深入探究高校大学生选择就业城市的原因和具体过程，旨在对定量研究方法得出的结论作进一步的解释。通过信息查询和熟人介绍等方式选取访谈对象，注重涵盖不同性别、年龄、院校层次、专业类型等，以更好地达到访谈样本信息饱和。于2021年3月在广州市开展半结构式访谈，受访者共计20人，每次访谈时长约60 min。访谈问题主要包括2个方面：1）青年知识移民就业城市选择的决策过程；2）就业城市选择的影响因素。访谈结束后，编辑整理访谈内容，共得到约8万字的文字资料，并采用扎根理论逐级编码的方法对数据进行处理。

3 结果分析

3.1　青年知识移民就业城市选择的特征

调研发现，广州市高校毕业生（青年知识移民）绝大多数选择在广东省就业，占比90.66%（图1）。其中，在广州就业的比例最高（55.13%），其次为深圳（9.80%）、佛山（8.27%）、东莞（6.28%）等。对比之下，广东省外的比例仅占9.34%，且以省外的一线和新一线城市为主。在省外就业的毕业生中，青年知识移民选择在其户籍地所在省份就业的比例为84.07%。可见，青年知识移民就业城市选择过程中习惯以省级行政单位作为流动边界，大多选择在户籍地或大学就读地所在省份就业。一方面，青年知识移民更习惯待在学习和生活过的地方，在熟悉的社会文化环境中更容易产生亲切感；另一方面，他们经历过一次择校迁移，其就读经历与在就读地累积的社会资本会增强其留在就读地及其所在省份就业的意愿（王一凡 等，2021）。
图1 广州市青年知识移民就业城市选择的频率分布

Fig.1 The frequency distribution of young intellectual migrants' employment location choice in Guangzhou

从选择就业城市的等级看，广州市高校青年知识移民选择一线城市就业的比例最高（68.60%），而选择新一线、二线、三线、四线城市的比例分别为20.21%、4.75%、5.51%和0.92%（图2）。同时，户籍地为一线城市的青年知识移民选择同等级就业城市比例为16.69%，而户籍地为其他等级城市的青年知识移民主要选择更高等级城市就业（比如从三、四线城市流动到一线、新一线和二线城市）。选择高等级城市就业在户籍地为三、四线城市的青年知识移民中较为突出，户籍地为三线城市的青年知识移民选择一线城市就业的比例为28.48%，户籍地为四线城市选择高等级城市就业的比例合计15.47%。来自不同户籍地城市等级的青年知识移民的就业流动因而较明显地呈现向上空间流动的特征。值得关注的是，也有少部分高校青年知识移民从就读地的一线城市和新一线城市向下流动到低等级城市（分别占比1.53%和0.31%、0.15%，见图2）。从进一步访谈中发现，由于一线城市的工作机会竞争激烈、工作和生活节奏快、压力大、生活成本高等原因，部分青年知识人才选择到对他们来说更舒适的低一等级城市工作。
图2 广州市青年知识移民城市等级间的就业城市选择

图注：左侧百分比表示青年知识移民选择与户籍地城市等级相同的就业城市的比例。

Fig.2 The employment choice of young intellectual migrants across city tier in Guangzhou

3.2　青年知识移民就业城市选择的影响因素

3.2.1　影响因素的描述性统计分析

对于青年知识移民而言，其就业城市选择是个人因素与城市因素共同作用的过程和结果。在本研究中，个人因素主要包括性别、年龄、户籍地的城市等级、院校层次、户籍类型、专业类别、家庭情况（是否独生子女）等；城市因素主要包括城市经济、城市环境、城市政策和城市文化等。将高校青年知识移民理想就业城市等级和个人因素交叉分析发现（表1），男性（72.02%）比女性（66.59%）更倾向选择一线城市就业，而女性（22.93%）比男性（14.81%）更倾向新一线城市，这主要是不同性别青年知识移民的性格差异导致的（李红亚，2014）；户籍地为一线城市比其他城市等级的被调查者更倾向选择一线城市作为就业城市，所占比例为91.60%，这可能是因为来自一线城市的青年知识移民在工作机会、生活成本、社会关系网络等方面具有优势；院校层次较高的青年知识移民选择一线城市就业的意愿更强，其中985、211院校就读的高校大学生选择一线城市就业的比例高达80.36%，这与不同院校层次青年知识移民的人力资本存在个体差异有关；不同户籍类型青年知识移民的就业城市意愿存在差异，比如城镇户籍的青年知识移民更愿意留在一线城市（73.36%），对比而言，主要是由于农村户籍的青年知识移民在就业流动中承担的迁移成本（包括经济成本、情感成本、心理成本等）可能较高（刘家强 等，2011）。此外，不同年龄、专业类别和是否独生子女的青年知识移民就业城市的意愿差异不大，其中不同专业的高校大学生选择一线与新一线城市就业的比例均在88%左右。
表1 青年知识移民的就业城市等级与个体因素交叉分析

Table 1 Cross classification of employment city level and individual factors of young intellectual migrants

影响因素 一线城市 新一线城市 二线城市 三线城市 四线城市 五线城市
性别 男 175（72.02%） 36（14.81%） 13（5.35%） 17（7.00%） 0（0.00%） 2（0.82%）
女 273（66.59%） 94（22.93%） 18（4.39%） 21（5.12%） 4（0.98%） 2（0.31%）
年龄/岁 20~23 189（68.20%） 53（19.34%） 12（4.38%） 18（6.57%） 1（0.36%） 1（0.36%）
24~27 173（69.20） 54（21.60） 11（4.10%） 10（4.00%） 1（0.40%） 1（0.40%）
28~30 88（66.67%） 23（17.83%） 8（6.20%） 10（7.75%） 2（1.55%） 0（0.00%）
户籍地的城市等级 一线城市 109（91.60%） 8（6.72%） 0（0.00%） 2（1.68%） 0（0.00%） 0（0.00%）
新一线城市 41（51.25%） 36（45.00%） 2（2.50%） 1（1.25%） 0（0.00%） 0（0.00%）
二线城市 28（57.14%） 6（12.24%） 13（26.53%） 2（4.08%） 0（0.00%） 0（0.00%）
三线城市 186（67.88%） 46（16.79%） 11（4.01%） 31（11.31%） 0（0.00%） 0（0.00%）
四线城市 70（65.42%） 27（25.23%） 3（2.80%） 1（0.93%） 4（3.74%） 2（1.87%）
五线城市 14（58.33%） 7（29.17%） 2（8.33%） 1（4.17%） 0（0.00%） 0（0.00%）
院校层次 专科院校 32（66.67%） 10（20.83%） 3（6.25%） 3（6.25%） 0（0.00%） 0（0.00%）
普通本科 175（67.31%） 59（22.69%） 11（4.23%） 15（5.77%） 0（0.00%） 0（0.00%）
重点本科 199（68.86%） 47（16.26%） 18（6.23%） 19（6.57%） 4（1.38%） 2（0.69%）
985、211 45（80.36%） 10（17.86%） 1（1.79%） 0（0.00%） 0（0.00%） 0（0.00%）
户籍类型 城镇 223（73.36%） 52（17.11%） 14（4.61%） 13（4.28%） 1（0.33%） 1（0.33%）
农村 225（64.47%） 78（22.35%） 17（4.87%） 25（7.16%） 3（0.86%） 1（0.29%）
专业类别 理科 252（66.14%） 84（22.05%） 17（4.46%） 23（6.04%） 4（1.05%） 1（0.26%）
文科 76（73.79%） 16（15.53%） 5（4.85%） 5（4.85%） 0（0.00%） 1（0.97%）
工科 120（71.01%） 30（17.75%） 9（5.33%） 10（5.92%） 0（0.00%） 0（0.00%）

是否

独生子女

 是 121（69.94%） 31（17.92%） 7（4.05%） 14（8.09%） 0（0.00%） 0（0.00%）
否 327（68.13%） 99（20.63%） 24（5.00%） 24（5.00%） 4（0.83%） 2（0.42%）

注：括号内百分比表示某一个体属性的样本选择某一等级城市作为理想就业城市占对应个体属性总样本的比例。

进一步考虑城市因素在青年知识移民就业城市选择过程中的重要程度 3，按照其平均综合得分进行排序发现，由高到低依次是：城市经济、城市环境、城市政策和城市文化。在城市因素中，城市经济发展水平和城市的生活环境影响较强，城市政策和城市文化影响相对较弱（表2）。城市经济发展方面，青年知识移民最为关注就业机会，其次依次是城市规模、城市经济总量、工作种类、GDP增速等。城市的就业机会越多，城市对青年知识人才的吸引力越大。经济发展水平是城市对人才构成吸引力的重要因素。在城市环境方面，青年知识移民较为关注交通便利程度、社会舒适程度，其次依次是公共文化设施、自然环境和卫生服务设施等。城市环境是城市吸引力的另一个重要构成。在城市政策方面，青年知识移民较少关注城市政策，对政策的了解主要是就业政策和住房补贴政策，而对医疗政策与子女教育政策了解较少。在城市文化方面，青年知识移民主要关注的是安全稳定的社会秩序，其次是社会交际文化、城市历史文化、拼搏发展的社会文化与包容的国际文化。对城市文化的感知也体现了青年知识移民对于创新的城市文化的向往。为了更准确地解释城市因素与个体因素在青年知识移民就业城市选择过程中的作用差异，建立有序Logistic回归模型进一步分析。
表2 影响青年知识移民就业城市选择的城市吸引力重要性排序

Table 2 Ranking of the city's attractiveness that affects the employment choice of young intellectual migrants

影响 因素 平均综合 得分 排序 影响因素 平均综合 得分 排序
城市 经济 3.13 1 就业机会 3.77 1
城市规模 2.79 2
经济总量 2.72 3
工作种类 2.44 4
GDP增速 2.18 5
城市 环境 2.29 2 交通便利程度 3.43 1
社会舒适程度 3.03 2
公共文化设施 2.70 3
自然环境 2.57 4
卫生服务设施 2.52 5
城市 政策 2.15 3 就业政策 3.10 1
住房补贴政策 2.66 2
医疗政策 2.02 3
子女教育政策 1.61 4
城市 文化 1.76 4 社会秩序 4.00 1
交际文化 2.72 2
历史文化 2.68 3
社会文化 2.48 4
国际文化 2.03 5

注：影响因素平均综合得分＝（Σ 频数×权值）/本题填写人次，权值由影响因素被排列的位置决定。

3.2.2　Logistic回归分析

本研究的因变量（理想就业城市等级）为有序分类变量，因而选择有序logistic回归模型。首先，赋值变量。其中院校层次按照“专科院校、普通本科、重点本科、985与211”依次赋值“1~4”。其次，将11个影响因素纳入模型，并设置二/无序分类自变量为哑变量。然后，经共线性诊断，自变量之间无多重共线性（容差>0.1或VIF<10）；平行线检验P=0.714>0.05，说明平行性假设成立，可以进行多元有序logistic回归分析。最后，模型似然比检验中P=0.000<0.05，即说明构建模型时放入的自变量具有有效性，模型构建有意义；拟合优度Pearson检验中P=1.000>0.05，说明模型拟合较好。模型结果（表3）表明，户籍地的城市等级、户籍类型、城市环境、城市经济、城市政策对理想就业城市的城市等级产生显著的影响关系，而性别、院校层次、专业类别、是否独生子女、年龄、城市文化未对理想就业城市等级产生影响关系。
表3 有序Logistic回归模型分析结果汇总

Table 3 Summary of analysis results of ordinal logistic regression model

变量类型 变量名称 回归系数 标准误 z 值 Waldχ² p 值 OR值 OR值95% CI
因变量阈值 [理想就业城市等级=6] -6.676 0.876 1 -7.620 58.066 0.000 0.001 0.000~0.007
[理想就业城市等级=5] -5.568 0.659 0 -8.450 71.401 0.000 0.004 0.001~0.014
[理想就业城市等级=4] -3.501 0.538 4 -6.503 42.289 0.000 0.030 0.011~0.087
[理想就业城市等级=3] -2.908 0.529 0 -5.450 30.213 0.000 0.055 0.019~0.154
[理想就业城市等级=2] -1.616 0.518 5 -3.116 9.708 0.002 0.199 0.072~0.549
自变量 [性别=0.00] 0.135 0.189 4 0.711 0.506 0.477 1.144 0.789~1.658
[性别=1.00] 0a － － － － 1 －
[户籍类型=0.00] 0.414 0.194 8 0.892 0.795 0.034 1.512 1.032~2.216
[户籍类型=1.00] 0a － － － － 1 －
[专业类别=1] -0.355 0.259 4 -0.392 0.154 0.171 0.701 0.422~1.166
[专业类别=2] -0.225 0.299 6 -0.602 0.362 0.452 0.798 0.444~1.436
[专业类别=3] 0a － － － － 1 －
[是否独生子女=0.00] -0.234 0.220 4 -0.445 0.198 0.288 0.791 0.514~1.219
[是否独生子女=1.00] 0a － － － － 1 －
年龄 -0.030 0.111 7 -0.253 0.064 0.800 0.971 0.771~1.222
院校层次 -0.002 0.117 5 -0.000 0.000 0.990 0.998 0.793~1.257
户籍地的城市等级 0.197 0.062 6 3.154 9.949 0.002 0.821 0.726~0.928
城市环境 0.127 0.054 2 2.338 5.467 0.019 1.136 1.021~1.263
城市经济 0.384 0.127 2 3.017 9.100 0.003 0.681 0.531~0.874
城市政策 0.105 0.050 5 2.071 4.289 0.038 0.901 0.816~0.994
城市文化 0.059 0.052 2 1.134 1.285 0.257 1.061 0.958~1.175

注： P≤0.05为显著相关；a代表此参数冗余，因此设置为0。

结合访谈结果分析发现：1）户籍类型与户籍地的城市等级对青年知识移民的就业城市等级产生显著的正向影响关系。不同户籍类型与户籍地城市等级的大学生在社会资本、经济条件、文化资本与人力资本等方面存在差异，户籍类型为农村与户籍地城市等级较低的青年知识移民在就业流动过程中不占优势。在就业城市选择过程中，他们可能会面临就业机会不平等、生活成本高等就业困境。“那些家在这边（一线城市）的同学毕业后可能直接住家里，不用租房，生活开销也会少一点。但我是三线城市的农村家庭，选择就业城市的时候会更多考虑到住房（租房和买房）、消费水平等等这些生活成本问题。”（WBD 13）与户籍类型为农村的青年知识移民相比，城镇户籍的青年知识移民更愿意留在高等级城市（比如一线、新一线城市）就业；户籍地的城市等级越高，青年知识移民留在高等级城市就业的意愿更强烈。“我家在深圳，将来很大可能回去，应该不太可能去其他城市，除非是上海这些发展比较好的城市。”（LKL 19）“除了想留在广州这些一线城市拼搏一下，也会在想要不要回家（东莞）发展。”（LXB 15）可见，原有户籍类型与户籍地城市等级是影响高校青年知识移民就业流动的重要因素。
2）城市经济对青年知识移民的就业城市等级产生显著的正向影响关系。城市经济是城市吸引高校青年知识移民的重要因素，即更高的工资水平、更好的发展前景、更多的就业机会与更多元的产业结构等对青年知识人才更具有吸引力。“我觉得最大的吸引我的点是它发展机会比较多，还是比较看重于对于未来的这些计划安排，对未来个人的职业生涯发展还是比较看重的。”（LRJ 10）劳动力市场的集聚程度是影响城市是否能吸引大学毕业生的决定性因素，尤其是持有学士学位的毕业生（Betz et al., 2015）。高等级城市的经济机会能有效吸引青年知识移民流入。在就业城市选择过程中，青年知识移民主要考虑经济条件与个人价值的实现，因而更愿意选择一线城市。而在一线城市中，他们更倾向经济（房价）压力与就业竞争力相比较而言较小的城市，如广州。“因为在广州和深圳的律师所是最多的，但是深圳的房价太高，这个承受不起。而广州的四/五万一平方，我相对还是承受得起的。”（SJR 18）虽然一线城市的经济条件对青年知识移民的就业城市选择产生积极的影响，但一线城市较高的生活成本（房价）、消费水平、工作压力等“大都市化陷阱”逐渐减弱他们定居一线城市的意愿。同时随着新一、二线城市就业机会的增多，青年知识移民有着流入并定居非一线城市的趋势。对他们而言，诸如珠海、佛山、惠州、东莞等新一线城市的周边城市逐渐成为理想的定居城市。“房价是肯定是一个因素，我可能更愿意选择珠海或者惠州。”（HZW 03）因此，青年知识移民的就业城市选择可看作是个人经济机会与城市生活压力相互协商的过程。
3）城市环境对青年知识移民的就业城市等级产生显著的正向影响关系。城市环境是城市对人才构成吸引力的重要因素。生活质量和城市的工作及生活环境是近年来知识型人才和创意型人才尤为注重的方面，这与早期仅仅看重经济（工作）机会所带来的劳动力地区间迁移的动力是不同的（马凌，2015）。对于希望吸引并留住青年知识移民的城市来说，城市环境日益被视为一项重要的要求。城市环境主要是指地方的质量，主要包括如文化设施、教育机构等舒适物以及气候、自然环境等物理特征等。城市吸引流动性人才的优势取决于各种便利设施和消费者偏好之间的复杂权衡，包括气候、生活质量等（Glaeser et al., 2005）。高等级（一线）城市能够提供高质量生活，在吸引和留住青年知识移民方面取得了较大的成功。“广州的基础设施各方面都做得很好，生活还是挺方便的。如果遇到一些重大疾病，就医还是比较有保障。还有，经过这6年在广州的生活，我觉得它是一个包容性比较强的城市。”（GYJ 04）但高等级城市人口集聚且经济发展迅速，带来的自然环境质量下降、交通拥堵、人口拥挤等“城市病”问题对青年知识移民就业流动存在一定的“挤出效应”（张艳茹 等，2021）。“其实广州有个我不太喜欢的地方，交通太拥堵，这很降低幸福感。”（HZW 03）同时，由于一线城市房租水平普遍较高，青年知识移民在选择居住社区时大多只能选择房租较低的城中村，这极大地降低了居住满意度。而在新一线、二线城市，地方与工作场所的社会环境以及可获得的生活质量在吸引和留住青年知识移民方面可能比经济机会发挥着更重要的作用。因此在个人经济能力与生活成本匹配的过程中，新一、二线城市在吸引青年知识移民方面具有一定的优势。
4）城市政策对青年知识移民的就业城市等级产生显著的正向影响关系。不同城市的人才政策在政策内容、落实细节、引智成效等方面存在差异，而高等级城市在这些方面对青年知识移民更具吸引力。人才引进政策中，青年知识移民主要关注就业创业、住房补贴、落户等。同时，城市发展定位的一系列方针政策关乎就业机会、个人发展前景等经济机会，这将对青年知识移民的就业流动产生影响。“因为在大湾区建设，东莞的建设重点就是滨海湾了，所以事业单位还有编制，就有很多岗位需求。”（LXB 15）但城市人才政策宣传力度还不够，部分政策的效应并未显现。访谈中部分青年知识移民表示城市政策与自身就业的相关度并不高，因而没有很强的吸引力。

4 结论与讨论

4.1　结论

以广州市高校已毕业或即将毕业的青年大学生为例，从城市与个人的双重视角探讨了其就业城市选择的特点和主要影响因素，结论主要包括：1）青年知识移民总体上倾向于选择其本科或研究生就读地所在的城市和比其户籍地与就读地更高等级的城市（如一线、新一线城市）等就业，这反映了他们向上空间流动和社会流动的意愿与动机。2）他们的就业流动是城市因素和个人因素共同作用的过程，其影响因素主要包括城市环境、城市经济、城市政策与城市文化；以及青年知识移民的户籍类型与户籍地的城市等级等。3）城市经济发展（工作机会）是吸引高校青年知识移民的最重要因素，主要包括就业机会、工资水平等方面；与此同时，文化设施、教育机构等舒适物以及气候、自然环境等物理特征等生存舒适度（生活机会）在青年知识移民的就业流动过程中所起的作用愈发重要，城市环境建设因此需要关注公共文化设施、社会舒适程度、交通便利程度、卫生服务设施以及城市自然环境和居住环境等方面的问题；高等级城市的城市政策对青年知识移民具有一定吸引力，包括人才引进政策、住房补贴政策、城市发展政策等。4）个人因素方面，高校青年知识移民来源地的户籍类型与户籍地的城市等级对其就业流动决策具有显著的影响作用。不同户籍类型与户籍地的城市等级在流动成本方面存在差异，进而对其就业流动行为产生影响。

4.2　讨论

大学生就业流动的城乡差异加剧了社会流动的固化（肖富群，2014），进而带来知识人才流动过程中的地域不平衡问题。不同等级城市的地方政府可根据本地的发展战略，采取就业补贴等帮扶措施缓解青年人才的就业难问题，尤其是户籍地为三、四线城市的青年人才。同时，本研究论证了城市经济发展仍然是吸引青年人才的重要因素，因而城市应注重提升当地经济发展水平与建立稳定的劳动力就业市场，同时可帮助解决诸如购房等经济压力问题，以增强对这类人才的吸引力。另外，随着生存舒适度在青年人才的就业流动过程中所起的作用愈发重要，城市环境建设也需侧重交通便利程度、居住环境、环境污染等问题。满足青年人才的个人生活需求，是有效吸引并留住这类人才的重要举措。青年知识人才是城市发展的重要驱动力量，政策制定者应多关注这一群体的切实需求，积极制定并实施关乎其就业、住房、落户等人才吸引政策，更好地实现青年人才与地方发展的良性互动。
中国的快速发展，尤其近年来提出的转型创新发展更加需要知识人才。在此背景下，中国政府包括各级省市政府相继出台各项政策和措施积极地招募高端知识人才，并促进其与城市发展战略融合。本研究从地区吸引力和个人竞争力与人口统计特征的视角深入分析青年知识移民就业城市选择的过程及结果等，探讨基于中国社会经济发展和文化特点之下的青年知识移民流动特点及其影响因素的研究框架。在本研究基础上，未来可进行多个案例地的比较研究，分类扩充样本容量，提高数据的有效性；量化个人情感因素，完善Logistic模型；将企业层面等其他因素纳入研究中，提高结论的可解释性；检验专业类别等预设因素与就业城市选择的关系，以更好地形成综合理论，为人才和地方发展政策提供参考。

1 本次问卷调查样本选择了非广州市户籍的异地就读高校大学生。

2 https://baike.baidu.com/item/%E4%B8%AD%E5%9B%BD%E5%9F%8E%E5%B8%82%E6%96%B0%E5%88%86%E7%BA%A7%E5% 90%8D%E5%8D%95/12702007?fr=aladdin。

3 城市经济、城市环境、城市文化与城市政策4个有序分类变量，根据问卷设计中的重要程度排序按照“最重要—最不重要”依次赋值“1~4”。

谢圆圆：数据收集、分析与制图，论文撰写与修改；

李锦昊：数据的收集与整理，修改稿格式的校订与完善。

马 凌：提出论文选题，论文修改与完善；

References

Publishing order | Descend order by publishing year | Descend order by cited within
Betz M R, Partridge M D and Fallah B. 2016. Smart Cities and Attracting Knowledge Workers: Which Cities Attract Highly-Educated Workers in the 21st Century?. Papers in Regional Science, 95 (4): 819-841 .

程景伟. 2021. 广东2021年应届高校毕业生创新高 达到64.2万人. （2021-04-30）[2021-06-02]. https://baijiahao.baidu.com/s?id=1698442741460951413&wfr=spider&for=pc. [Cheng Jingwei. 2021. Guangdong's 2021 College Graduates Hit a Record High of 642,000. (2021-04-30) [2021-06-02]. https://baijiahao.baidu.com/s?id=1698442741460951413&wfr=spider&for =pc. ]

Comay Y. 1971. Salaries, Employment Opportunities and Migration of Engineers. International Migration, 9: 1-2.

Cebula R J. 2005. Internal Migration Determinants: Recent Evidence. International Advances in Economic Research, 11 (2): 267-274.

董添. 2019. 超160个城市人才政策密集发布多地购房政策微调. （2019-12-09）[2021-06-04]. https://baijiahao.baidu.com/s?id=1652400460427247052&wfr=spider&for=pc. [Dong Tian. 2019. Over 160 Cities have Intensively Released the Fine-tuning of Housing Purchase Policies in Multiple Places. (2019-12-09) [2021-06-04]. https://baijiahao.baidu.com/s?id=16524004604272 47052&wfr= spider&for=pc. ]

Dahrendorf R. 1979. Life Chances: Approaches to Social & Political Theor. London: Weidenfeld & Nicolson.

Emanoil M and Alexandra S. 2013. Knowledge Workers: The Modern Workers Prototype in Present and Future Organization. Annals of the University of Oradea, Economic Science Series, 22 (2): 572-580.

葛玉好，牟小凡，刘峰. 2011. 大学生就业地域选择的影响因素分析——基于扩展的托达罗人口流动模型. 中国人民大学教育学刊，（4）：81-89. [Ge Yuhao, Mou Xiaofa and Liu Feng. 2011. The Analysis on Influencing Factors of Colleges Graduates' Choices among Job Locations. Renmin University of China Education Journal, (4): 81-89. ]

Glaeser E L and Berry C. 2005. The Divergence of Human Capital Levels Across Cities. Papers in Regional Science, 84 (3): 407-444.

何洁，王灏晨，郑晓瑛. 2014. 高校科技人才流动意愿现况及相关因素分析. 人口与发展，20（3）：24-32. [He Jie, Wang Haochen and Zheng Xiaoying. 2014. Analysis on Current Status and Association Factors of Willingness to Flow of Sci-Tech Talents in Universities. Population and Development, 20 (3): 24-32. ]

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. ]

韩美兰, 蔡佳仪. 2016. 高学历者劳动力流动的特征及其决定因素——以吉林省为例. 延边大学学报（社会科学版），（4）：126-133. [Han Meilan and Cai Jiayi. 2016. Features and Determinants of Highly Educated Labor Mobility—A Case Study of Jilin Province. Journal of Yanbian University (Social Science Edition), (4): 126-133. ]

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.

纪建悦，朱彦滨. 2008. 基于面板数据的我国科技人才流动动因研究. 人口与经济，（5）：32-37. [Ji Jianyu and Zhu Yanbin. 2008. Research on the Flow of Scientific and Technological Personnel in China Based on Panel Data. Population & Economics, (5): 32-37. ]

Lorenzen M and Andersen K V. 2009. Centrality and Creativity: Does Richard Florida's Creative Class Offer New Insights into Urban Hierarchy?. Economic Geography, 85 (4): 363-390.

Liu Y, Shen J, Xu W and Wang G. 2017. From School to University to Work: Migration of Highly Educated Youths in China. Annals of Regional Science, 59: 651-676.

路平. 2013. 基于区域间收入差距的我国大学生就业区位选择. 地域研究与开发，32（3）：44-48. [Lu Ping. 2013. Research on the Impact of Regional Income Inequality on the Location Choice of College Graduates' Employment in China. Areal Research and Development, 32(3): 44-48. ]

李斯，张慧婷，张若祎，赵雪芳，李春秋. 2019. 大学生就业城市选择影响因素分析. 合作经济与科技，（8）：155-157. [Li Si, Zhang Huiting, Zhang Ruoyi, Zhao Xuefang and Li Chunqiu. 2019. Analysis on the Influencing Factors of the Employment City Choice for College Students. Co-Operative Economy & Science, (8): 155-157. ]

李红亚. 2014. 地域差异背景下高校毕业生就业选择去向研究. 黑龙江高教研究，（7）：119-121. [Li Hongya. 2014. Research on the Employment Choice of College Graduates under the Background of Regional Differences. Heilongjiang Researches on Higher Education, (7): 119-121.]

林海波，梁艳，毛程连. 2016. 房价和知识移民吸引是两难吗?——基于大中城市面板数据的分位数实证研究. 人口与经济，（1）：10-18. [Lin Haibo, Liang Yan and Mao Chenglian. 2016. Is Property Prices or Knowledge Migrants to Attract a Dilemma?—Quantile Regression Based on Panel Data in Large and Medium Cities. Population & Economics, (1): 10-18. ]

林静霞，何金廖，黄贤金. 2020. 城市舒适性视角下科研人才流动的城市偏好研究. 地域研究与开发，39（1）：59-64，88. [Lin Jingxia, He Jinliao and Huang Xianjin. 2020. Research on the City Preference of the Flow of Scientific Research Talens from the Perspective of Urban Amenities. Areal Research and Development, 39 (1): 59-64, 88. ]

刘家强，王春蕊，刘嘉汉. 2011. 农民工就业地选择决策的影响因素分析. 人口研究，35（2）：73-82. [Liu Jiaqiang, Wang Chunrui and Liu Jiahan. 2011. Factors Affecting Decision on Employment Destination for Rural Migrant Workers. Population Research, 35 (2): 73-82. ]

蒋春燕，赵曙明. 2001. 知识型员工流动的特点、原因与对策. 中国软科学，（2）：86-89. [Jiang Chunyan and Zhao Shuming. 2001. Characteristics, Influencing Factors and Countermeasures for Circulation of Knowledge Worker. China Soft Science, (2): 86-89. ]

倪晓锋，谢志岿. 2019. 大学毕业生求职区域意向及其影响因素. 南方人口，34（5）：46-55. [Ni Xiaofeng and Xie Zhikui. 2019. Regional Intention of College Graduates in Job Hunting and Its Influencing Factors. South China Population, 34(5): 46-55. ]

马凌. 2015. 城市舒适物视角下的城市发展: 一个新的研究范式和政策框架. 山东社会科学，（2）：13-20. [Ma Ling. 2015. Urban Development from the Perspective of Urban Amenities: A New Research Paradigm and Policy Framework. Shandong Social Sciences, (2): 13-20. ]

Partridge M D, Rickman D S, Rose O M, Ali K and Dwindling U S. 2012. Internal Migration: Evidence of Spatial Equilibrium or Structural Shifts in Local Labor Markets?. Regional Science and Urban Economics, 42 (1): 375-388.

Royuela V, Moreno R and Vayá E. 2010. Influence of Quality of Life on Urban Growth: A Case Study of Barcelona, Spain. Regional Studies, 44 (5): 551-567.

Schultz T W. 1961. Investment in Human Capital. The American Economic Review, 51: 1-17.

Slichter S H. 1940. The Impact of Social Security Legislation upon Mobility and Enterprise. American Economic Review, 30 (1): 44-60.

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. ]

王文波，宋琦，李鹏军，林波. 2012. 基于因子分析的大学生区域性流动影响因素分析. 资源开发与市场，28（8）：691-695. [Wang Wenbo, Song Qi, Li Pengjun and Lin Bo. 2012. Influence Factors Study of Graduates' Regional Flow Based on Factor Analysis Method. Resource Development & Market, 28 (8): 691-695. ]

肖富群. 2014. 城乡背景对大学生初次就业结果的影响——基于全国17所高校2914名毕业生的调查数据. 广西民族大学学报（哲学社会科学版），36（4）：178-184. [Xiao Fuqun. 2014. Effect of the Urban and Rural Background on College Students' Initial Employment—Based on the Survey Data of 2,914 College Students in 17 Universities and College Nationwide. Journal of Guangxi University for Nationalities(Philosophy and Social Science Edition), 36 (4): 178-184. ]

岳昌君，邱文琪. 2019. 高校毕业生城际流动的特征分析. 北京大学教育评论，17（3）：88-104. [Yue Changjun and Qiu Wenqi. 2019. An Empirical Study on Inter-City Migration of University Graduates in China. Peking University Education Review, 17 (3): 88-104.]

杨钋，门垚，马莉萍. 2011. 高校毕业生就业流动现状的分析. 国家教育行政学院学报，（4）：75-80. [Yang Po, Men Yao and Ma Liping. 2011. Analysis on the Status of Employment Flow of College Graduates. Journal of National Academy of Education Administration, (4): 75-80.]

叶雨婷. 2020. 教育部：2021届高校毕业生总规模预计909万人. （2020-12-01）[2021-06-02]. https://baijiahao.baidu.com/s?id=1684862070496794949&wfr=spider&for=pc. [Ye Yuting. 2020. Ministry of Education: The Total Number of College Graduates in 2021 is Expected to be 9.09 Million. (2020-12-01) [2021-06-02]. https://baijiahao.baidu.com/s?id=1684862070496794949&wfr=spider&for=pc.]

Yeoh B S Huang. 2011. Introduction: Fluidy and Friction in Talent Migration. Journal of Ethnic and Migration Studies, 37(5): 681-690.

Zheng S, Zhang X, Sun W and Lin C. 2019. Air Pollution and Elite College Graduates' Job Location Choice: Evidence from China. Annals of Regional Science, 63: 295-316.

朱云，俞明传. 2019. 人才流动影响因素研究——一项来自长三角城市的实证. 上海商业，（2）：4-11. [Zhu Yun and Yu Mingchuan. 2019. Research on Influencing Factors of Talent Flow—An Empirical Study from Cities in Yangtze River Delta. Shanghai Business, (2): 4-11. ]

张抗私，周晓蒙. 2018. 大学毕业生就业的省际流动特征及其影响因素. 人口与经济，（1）：69-78. [Zhang Kangshi and Zhou Xiaomeng. 2018. An Analysis on the Characteristics and Influencing Factors of the Inter-provincial Flow of the Graduates. Population & Economics, (1): 69-78. ]

张艳茹，喻忠磊，胡志强，苗长虹. 2021. 城市舒适物、经济机会、城市规模对中国高学历劳动力空间分布的影响. 热带地理，41（2）：243-255. [Zhang Yanru, Yu Zhonglei, Hu Zhiqiang and Miao Changhong. 2021. The Influence of Urban Amenities, Economic Opportunities and City Size on the Spatial Distribution of Highly Educated Workers in China. Tropical Geography, 41 (2): 243-255. ]

Options
Outlines

/

〈 〉