作者：耿德伟

 

摘要：基于2008年中国城乡劳动力流动调查数据，本文分析了随迁对流动人口子女身体发育的影响。为了处理随迁与身体发育之间可能存在的内生性问题，除了采用通常的OLS方法外，本文还采用倾向得分匹配法（PSM）对进行估计。总体看，本文发现相对于留守儿童，随迁显著提高了流动人口未成年子女的身高发育水平，但对体重发育的影响则不显著，估计结果对所施加的控制变量及不同的估计方法都表现出较强的稳健性。鉴于身体发育会对未来劳动力市场表现产生重要影响，我国应加快户籍制度、教育制度等的改革步伐，以降低流动人口子女随迁难度。

关键词：流动人口子女、随迁、身体发育、内生性

 

1  前言

改革开放之后，中国经济、社会发生了巨大变化。其中，最引人注目的莫过于从传统农业社会向现代工业经济的转型。《中国统计年鉴2012》的统计数据显示，中国农业部门生产总值占GDP的比重从1978年的28.2%下降到2011年的10.0%；农业部门就业人员占全部就业人员比重则从1978年的70.5%下降至2011年的34.8%。经济产业结构的巨大变迁引发了人类历史上规模最大的人口迁移。国家人口计生委2013年发布的《中国流动人口发展报告2013》显示，2012年中国流动人口规模已经达到2.36亿人，占全国总人口的比重达17%。其中，农村户籍流动人口也即农民工是流动人口的主力，占流动人口总量的80%。

随着流动人口规模日益扩大，流动人口的子女数量也在迅速扩张。全国妇联课题组2013年发布的《我国农村留守儿童、城乡流动儿童状况研究报告》显示，根据2010年第六次人口普查数据估算，2010年全国17岁以下的农村留守儿童达6102.6万人，较2005年时增加了242万；而农业流动人口随迁子女的规模则达2877万人，较2005年时也有较大幅度提高。

大规模的人口流动给中国的经济、社会发展以及家庭生活都带来了深远的影响，而流动人口子女数量的迅速扩张则使得流动人口在子女抚养方面面临的问题吸引了政策制定者以及广大研究人员越来越多的关注。由于生活环境存在较大差异，留守还是随迁通常会对流动人口未成年子女的生长发育产生显著的影响。目前已经有一些文献针对留守或随迁对流动人口未成年子女身体发育情况进行了研究，如陈在余（2009）以及陈丽、王晓华、屈智勇（2010）等，但总体来看，这方面的研究还较少，且目前的研究无论在分析方法或所采用的样本等方面都还存在一定的问题。特别地，随着流动人口规模的扩大，我们应将关注的焦点放在随迁或留守对流动人口未成年子女身体发育的不同影响上，现有的文献在这方面还存在不少缺陷。

在本文中，我们利用2008年中国城乡劳动力流动调查（RUMiC）数据，重点分析了与留守儿童相比，随迁能否显著改善流动人口未成年子女的身体发育状况。总体来看，本文发现与留守儿童相比，随迁对流动人口未成年子女的身高发育有显著的正面影响，但对体重发育的影响则不大。这种影响对所施加的控制变量及估计方法都表现出较强的稳健性。由于身体发育对未来劳动市场表现有显著的影响，本文的研究结果意味我国应加快户籍制度、教育制度等领域的改革步伐，以降低流动人口未成年子女随迁难度。

本文以下安排如下：本文第二部分对现有的相关文献作了简要评述，然后在第三部分介绍本文所使用的数据情况。本文在第四部分分别报告了相应的OLS估计结果和采用倾向得分匹配方法（PSM）的估计结果。在第五部分我们对分析结果进行了简单的讨论并给出了相应的政策建议。

2  相关文献评述

王宗萍、段成荣、杨舸（2010）利用2005年全国1%人口抽样调查数据对农民工随迁子女的状况进行了研究。他们发现农民工随迁子女虽然在年龄分布上较为均匀，但从性别分布上看男孩随迁子女明显多于女孩。从流动期限看，农民工随迁子女多属长期随迁，且在地域分布上高度集中在广东、浙江、江苏等东部沿海六省市。另外，在农民工随迁子女受教育情况方面，他们发现农民工随迁子女未按要求接受义务教育的比例较高，总体情况不容乐观。

陶然、孔德华、曹广忠（2011）利用其课题组2009年在长三角、珠三角、环渤海以及成渝等四个主要城市化地区12个城市的流动人口调查数据，分析了农村流动人口未成年子女就学地选择（随迁或留守）的主要影响因素。他们将影响流动人口子女就学地选择的因素分为流动人口及其子女个体因素、家庭层面因素以及流入地及流出地的政策因素等三类，然后用Probit模型进行计量分析后发现流动人口子女的性别和年龄、流动人口子女祖父母是否健在、流动人口的工作类型、流动人口家庭非农收入占家庭总收入比重、流入地教育政策等因素都会对流动人口子女的就学地选择产生显著影响。茅锐（2007）利用“在京农民工收入和子女教育状况调查”数据同样分析了流动人口子女进城就学决策的影响因素。与陶然、孔德华、曹广忠（2011）等不同，茅锐（2007）在计量分析时没有使用这类分析通常采用的Probit或Logit模型，而采用了线性概率模型。茅锐（2007）发现对于流动人口子女进城就学决策而言，流动人口在京和在家乡的亲戚数量、流动人口子女的年龄、流动人口子女有无兄弟姐妹在京接受义务教育等变量都会对其有显著影响，不过由于线性概率模型存在一些众所周知的缺陷，对于该估计结果我们需要谨慎看待。

以上这些研究或者仅是对现有统计数据的描述性分析，或者仅对流动人口子女随迁或留守决策的影响因素进行了分析，而没有进一步分析随迁或留守决策对流动人口未成年子女发育的影响。

罗芳（2007）利用对湖北省荆州、仙桃和潜江三个地区进行调查获得的数据分析了农村流动人口义务教育阶段子女留守/随迁决策的影响因素及其产生的影响。在子女留守/随迁决策的影响因素方面，她采用Logit模型进行估计发现流动人口流入地和流出地的学费差距、流动人口工作稳定性、流动人口的收入水平、流动人口与子女之间的想念程度以及留守儿童的监护人类型等因素都会对留守/随迁决策产生显著影响。随后，罗芳（2007）进一步研究了留守对流动人口义务教育阶段子女在德智体美劳五个方面的影响。总体来看，与父母都在家的儿童相比，留守儿童虽然学习动机更为明确，且分担家务劳动的概率也有所提高，但留守也提高了儿童染上不良嗜好、不良人际关系、营养状况欠佳以及服饰不干净等的概率。

陈在余（2009）利用2000、2004和2006三轮中国营养与健康调查数据分析了父母外出对农村留守儿童的营养和健康的影响。在分析中，他采用年龄别身高评分（2006年WHO标准）来衡量0-5岁的学龄前儿童的营养与健康状况，采用身体质量指数（BMI）来衡量6-18岁的学龄儿童的营养与健康指状况。在控制了儿童的年龄、性别、家庭规模、家庭收入以及社区医疗卫生条件等一系列因素后，陈在余（2009）发现父母外出对0-5岁学龄前儿童的健康状况并无显著的影响，但对6-18岁的学龄儿童的健康状况则有显著负面影响。陈丽、王晓华、屈智勇（2010）同样分析了流动或留守对儿童生长发育和营养状况的影响，其中留守儿童和普通农村儿童样本来自于对陕西佳县、河南叶县及镇平县共16所学校的调查，而流动儿童样本则来自于对北京顺义呢、昌平、密云等区县4所学校的抽样调查。总体来看，他们发现流动儿童的发育状况较好，但存在一定程度的营养过剩问题。与之相比，留守儿童发育迟缓率较高。

以上这些研究虽然对留守或随迁对儿童生长发育的影响进行了研究，但都存在不同的问题。首先，除陈在余（2009）和王宗萍、段成荣、杨舸（2010）外，以上研究多采用在局部地区实施的调查数据，样本的代表性存在较大疑问；其次，陈丽、王晓华、屈智勇（2010）虽然同时分析了随迁和留守儿童的生长发育状况，但分析方法是基于对不同类别家庭的对比分析，没有控制对儿童生长发育有重要影响的诸多因素，因而结果的可靠性也值得商榷。与之相比，陈在余（2009）、罗芳（2007）虽然在分析中对这些因素进行了控制，但他们的分析主要关注与普通农村儿童相比，留守对儿童生长发育的影响，而没有分析随迁对儿童生长发育的影响。鉴于随迁已经成为流动人口抚养子女时的一种重要选择，有必要对随迁对流动人口未成年子女发育的影响进行研究；第三，鉴于子女究竟是随迁还是留守是流动人口主动选择的结果，该选择本身就有可能与子女的生长发育状况相关，从而引发变量内生性问题。以上这些研究对可能存在的内生性问题没有进行处理。

与以上这些研究不同，我们使用具有较好代表性的中国城乡劳动力流动调查数据（RUMiC），重点分析了与留守儿童相比，随迁对流动人口未成年子女生长发育的影响。除了使用通常的OLS回归分析外，为了控制可能存在的内生性问题，我们还采用倾向得分匹配法（PSM）对回归结果进行了稳健性检验，从而使得我们的分析结果更加可靠。

3  数据介绍

中国城乡劳动力流动调查数据（RUMiC）是中国和印度尼西亚城乡移民调查项目（RUMiCI）的一部分，由澳大利亚国立大学孟欣（Xin Meng）教授组织实施，目的是对中国和印度尼西亚的城市化进程进行对比研究，本文仅使用了中国部分的调查数据[1]。自2008年实施以来，RUMiC在中国已经实施了5轮调查，由于其余年份的调查数据尚未完全公布，本文的分析基于2008年的调查数据。

中国城乡劳动力流动调查在上海、江苏、浙江、湖北、四川、广东、河南、安徽以及四川等9个流入、流出人口最多的省市进行，具体的样本选择则基于国家统计局的年度农村住户调查及城市住户调查。在中国城乡劳动力流动调查的问卷中，我们可以通过家庭成员基本特征（问卷A）获得流动人口未成年随迁子女的生长发育状况等方面的信息，而通过孩子的教育（问卷D）可以进一步获得流动人口未成年留守子女的生长发育等方面的信息，这使得我们可以对随迁/留守对流动人口未成年子女生长发育的影响进行研究。在分析中，我们以流动人口1-18岁的未成年子女为分析对象，经过对数据进行清理之后，我们获得了2600个左右的有效样本。

下表1给出了本文样本的主要描述性统计量。从表1可以看出，随迁女孩、随迁男孩、留守男孩、留守女孩四类孩童的平均年龄依次提高，这表明年龄可能是决定是否随迁的重要因素。由于随迁孩童和留守孩童的平均年龄不同，在表1中我们无法对随迁孩童和留守孩童的身高和体重的发育情况进行直接对比。在出生时体重方面，虽然男孩和女孩之间表现出较明显差异，但同性别的随迁或留守孩童间并没有明显差异。不过，表1也显示随迁孩童的足月出生率（大于37周）较留守孩童更高；而在留守男孩和留守女孩以及随迁男孩和随迁女孩之间，该指标则没有显著的不同。

表1还报告了随迁孩童以及留守孩童的父母的年龄、身高和体重情况。在年龄方面，表1的描述统计结果显示留守儿童的父母年龄总体上小于随迁儿童父母的年龄。在身高和体重方面，虽然随迁孩童的父亲身高与留守孩童父亲的身高没有明显差距，但随迁孩童父亲的体重则要重于留守孩童父亲的体重。更明显的差距体现在母亲身上。表1显示，与留守孩童的母亲相比，随迁孩童母亲的身高和体重要更高、更重。随迁/留守儿童父母受教育年限差异则不太大。在家庭收入水平方面，表1显示随迁儿童的家庭收入水平明显高于留守儿童的家庭收入。这意味着家庭收入可能是决定是否随迁的一个重要因素。在食宿费方面（针对在校儿童），表1显示与留守儿童相比，随迁儿童的食宿费相对更低，其中随迁女孩的食宿费最少。

表1  样本主要描述性统计量

Table 1  Descriptive Statistic of the Sample

	随  迁		留  守
	男孩	女孩	男孩	女孩
年    龄（岁）	8.46	8.02	9.05	9.30
身    高（cm）	124.34	119.79	125.02	122.39
体    重（kg）	32.82	30.04	34.65	33.63
出生时体重（斤）	6.80	6.47	6.71	6.53
足月出生（%）	97.65	97.62	95.87	95.16
父亲年龄（岁）	35.80	36.05	35.28	35.41
父亲身高（cm）	169.71	170.15	169.77	169.55
父亲体重（kg）	66.61	66.79	65.39	65.30
母亲年龄（岁）	34.35	34.42	33.75	33.61
母亲身高（cm）	160.59	160.44	159.80	159.76
母亲体重（kg）	56.11	56.01	54.91	54.90
父亲受教育年限（年）	8.744	8.854	8.889	8.702
母亲受教育年限（年）	7.974	8.064	7.941	7.888
家庭月收入（元）	3118.93	3285.36	2528.43	2329.48
食  宿  费（元）	744.82	598.55	778.86	789.71

4  随迁对未成年子女身体发育的影响：估计结果

下图1分别给出了1-18岁各年龄段留守男孩、随迁男孩以及留守女孩、随迁女孩的身高和体重发育对比情况。从该图我们可以看出，虽然留守男孩、随迁男孩以及留守女孩、随迁女孩在体重发育方面没有显著的差异，但随迁男孩以及随迁女孩的身高则明显高于同龄的留守男孩以及留守女孩的身高。不过，正如表1描述性统计量所显示的那样，随迁与留守儿童在出生时是否足月以及母亲身高、家庭收入等方面都存在一定差异，如果不对这些因素进行控制，我们无法对随迁或留守对流动人口未成年子女身体发育方面的影响给出确切的判断。为此，本部分首先采用OLS方法对随迁/留守对身体发育的影响进行估计，而为了控制随迁/留守与身体发育之间可能存在的内生性问题，本文随后报告了采用倾向得分匹配（PSM）方法的估计结果。总体来看，两种方法的估计结果具有较强一致性，都表明随迁对流动人口未成年子女身高发育有显著正面影响。

图1  1-18岁随迁及留守的男孩、女孩的身高和体重对比

Figure 1  Comparing height and body weight of migrant and left-behind children

4.1  OLS估计结果

表2给出了随迁对流动人口未成年子女身高及体重影响的OLS回归结果。在估计中我们控制了年龄、性别、出生时体重、出生时是否足月虚拟变量以及父母的年龄、身高、体重、受教育程度、家庭收入的对数等因素。同时，为了了解随迁对男孩/女孩身体发育的影响是否存在显著差异，除了对全部样本进行估计外，我们还报告了单独对男孩/女孩样本的回归结果。

从表2的估计结果可以看出，无论是对全部样本还是单独对男孩/女孩样本进行的回归分析都显示，在其他情况相同的情况下，相对于留守，随迁可以显著提高流动人口未成年子女的身高发育水平，但随迁对体重发育的影响则在统计上不显著。具体而言，相对于留守儿童，随迁儿童的身高平均高3.915厘米，该估计结果在1%的显著性水平上高度显著。分性别来看，随迁对女孩的身高发育的正面影响略高于对男孩身高发育的影响。

在影响流动人口未成年子女身体发育的其他因素方面，表2对于全部样本的估计结果显示性别、出生时体重以及是否足月出生无论是对身高还是体重发育都有显著的影响。在性别影响方面，在其他条件相同的情况下，与男孩相比，女孩的身高低2.364厘米，体重轻1.915公斤，估计结果在1%显著性水平下显著；在出生时体重影响方面，出生时体重每提高0.5公斤，身高有望提高0.926厘米，体重则将提高0.345公斤，该估计结果分别在5%和10%的显著性水平下显著；同时，与未足月出生的孩童相比，足月出生的孩童身高平均高4.633厘米，体重则提高2.402公斤，估计结果在10%的显著性水平下显著。在父母的影响方面，表2的结果显示仅父母的年龄及父亲的体重对子女的身高发育有较为显著的影响，且父亲年龄提高对子女身高发育有负面影响，母亲年龄对身高发育的影响则正相反。这表明与出生时的状况以及此后生长经历相比，父母的对子女身体发育的先天性影响并不大。本文没有发现家庭收入对流动人口未成年子女的身体发育有显著影响。

表2  随迁/留守对流动人口未成年子女身高、体重的影响：OLS估计结果

Table 2  The impact of migration/left-behind on height and body weight : OLS estimation

变量	全部样本		男孩		女孩
	身高	体重	身高	体重	身高	体重
随迁	3.915***（.823）	.664（.463）	3.482***（1.104）	.400（.620）	4.693***（1.274）	.872（.709）
年龄	是	是	是	是	是	是
女孩	-2.364***（.761）	-1.915***（.439）	—	—	—	—
出生时体重	.926**（.417）	.345*（.204）	.551（.459）	.227（.293）	1.436*（.759）	.630**（.291）
足月出生	4.633*（2.413）	2.402*（1.275）	3.800（2.802）	2.690*（1.523）	6.515（4.195）	2.879（2.119）
父亲年龄	-.281*（.144）	.092（.080）	-.260*（.156）	.212**（.100）	-.290（.258）	-.068（.137）
母亲年龄	.453***（.156）	-.068（.082）	.512***（.186）	-.075（.108）	.394（.265）	.004（.127）
父亲身高	.117（.084）	.051（.050）	.145（.112）	.012（.061）	.062（.126）	.104（.085）
母亲身高	.065（.103）	.085（.056）	.171（.110）	.223***（.078）	-.032（.165）	-.062（.079）
父亲体重	.087*（.048）	.042（.031）	.063（.066）	.072（.046）	.128*（.074）	.016（.038）
母亲体重	.069（.057）	.026（.033）	.103（.074）	.001（.045）	.038（.081）	.061（.047）
父亲受教育年限	.069（.203）	.109（.108）	.162（.289）	.241（.151）	-.036（.283）	-.047（.163）
母亲受教育年限	.147（.182）	.056（.104）	.368（.234）	.069（.145）	-.084（.287）	.048（.157）
家庭收入（对数）	.160（.673）	.250（.394）	-.268（.888）	-.014（.562）	.794（1.007）	.151（.529）
R2	0.825	0.718	0.839	0.747	0.818	0.695
样本量	1501	1497	834	833	667	664

注：（1）括号内数字为异方差稳健标准误；（2）*、**、***分别代表在10%，5%和1%水平上显著。另外，在控制年龄的影响时，我们选用了各年龄的虚拟变量，这里不再报告结果。

4.2  PSM稳健性检验结果

以上我们使用OLS方法的分析结果显示随迁可以显著提高流动人口未成年子女的身高发育状况，但对体重则影响不大。不过，正如在文献部分所指出的那样，子女究竟是留守还是随迁是流动人口主动选择的结果，该选择本身很可能在很大程度上取决于子女的身体发育状况，例如对于身体发育较差的子女，父母可能更愿意将其带在身边以便可以随时加以照顾。此外，还存在既影响未成年子女身体发育同时影响随迁/留守决策的因素未被控制的可能性。在这两种情况下，传统的OLS估计方法都会因变量内生性而导致估计结果不一致。

为了处理可能存在的内生性问题，本文这里采用Rosenbaum & Rubin (1983)提出的基于倾向得分的匹配方法（Propensity Score Matching）对OLS的估计结果进行稳健性检验。所谓倾向得分，是指在一组可观测的协状态变量条件下，一个个体被分配到处理组或控制组的概率。作为近年来得到越来越广泛应用的计量方法，PSM方法的主要思想是通过估计出来的倾向得分[2]对样本中的处理组（随迁）和控制组（留守）进行匹配，在满足条件独立假设（Conditional Independence Assumption）以及共同支撑假设（common support）的条件下，匹配后的随迁子女组和留守子女的事前特征是一致的，此时可以通过直接对比两组的身体发育差异来估计随迁对身体发育的影响。对该方法的详细介绍可以参考Heckman, Ichimura, & Todd（1997）以及Caliendo & Kopeinig（2005）。

4.2.1  随迁/留守决策的确定

在报告随迁/留守对流动人口未成年子女身体发育影响的PSM估计结果之前，首先来看看对随迁/留守决策的估计结果，这也是采用PSM方法进行实证分析的第一步。

表3报告了分别采用Probit和Logit模型的随迁/留守决策估计结果，在估计中我们同样控制了随迁/留守孩童的年龄、性别、出生时体重、否足月出生以及父母的年龄、身高、体重、受教育年限和家庭收入等变量。从该表可以看出，在子女的特征方面，子女的年龄、性别以及是否足月出生都对随迁还是留守有较为显著的影响，但出生时体重的影响则不显著。具体而言，年龄越大的子女随迁的可能性越小，而女孩和足月出生的子女随迁可能性则更高。女孩的随迁可能性更高与陶然等（2011）的研究结果有所不同，他们在研究流动人口子女就学地选择时发现男孩比女孩更容易被父母带到打工城市上学，这种情况可能与两个研究样本以及研究侧重点不同（我们主要研究随迁/留守决策，而陶然等（2011）关注的则是就学地选择）造成的。在父母的特征方面，表3的结果显示母亲的年龄、身高、体重以及父亲的体重都对留守/随迁决策有显著的正面影响。与陶然等（2011）一样，本文没有发现家庭收入对随迁/留守决策的影响。

表3  随迁/留守决策估计

Table 3  Migration and Left-behind decision estimation

	Probit	Logit
年龄	-.084***（.010）	-.140***（.017）
女孩	.109*（.067）	.171（.109）
出生时体重	.046（.032）	.074（.052）
足月出生	.513***（. 178）	.832***（. 286）
父亲年龄	-.005（.013）	.010（.022）
母亲年龄	.056***（.014）	.093***（.022）
父亲身高	-.005（.008）	-.008（.013）
母亲身高	.016**（.009）	.026**（.013）
父亲体重	.012***（.005）	.019***（.007）
母亲体重	.012**（.005）	.019**（.008）
父亲受教育年限	-.018（.0172）	-.029（.028）
母亲受教育年限	.025（.016）	.040（.026）
家庭收入（对数）	-.043（.066）	-.062（.107）
Pseudo R2	0.060	0.061

注：括号内为稳健标准差。其中，***代表1%显著性水平，**代表5%显著性水平，*代表10%显著性水平。

4.2.2  PSM估计结果

下表4报告了采用PSM方法估计的随迁/留守对流动人口未成年子女身体发育影响的估计结果。为了进一步提高估计的稳健性，表4既报告了采用最近邻居法、kernel法、Caliper法以及Radius法等不同匹配算法的PSM估计结果，也报告了分男孩/女孩两个子样本的PSM估计结果。需要指出的是，由于单一最近邻居法仅使用控制组一个观测值容易造成匹配结果标准误较大（刘凤芹、马慧，2009），我们这里使用了多个（3个）最近邻居法[3]。

与表2的估计结果对比来看，表4采用PSM方法并没有改变我们对随迁或留守对流动人口未成年子女身体发育影响的基本判断，也即随迁显著提高了流动人口未成年子女的身高发育，但对体重的影响则不显著。具体而言，表4对全部样本的估计结果中，随迁对身高的影响除在Caliper=0.01时的估计结果不显著外，其余三种匹配方法的估计结果都在10%或5%的显著性水平下显著。平均来看，PSM的估计结果意味着随迁可以使流动人口未成年子女的身高发育提高2.765厘米，略低于OLS中的估计结果。在分性别估计中，PSM估计结果显示随迁对男孩的身高发育有显著的正面影响，与留守男童比随迁男童身高平均高4.6厘米，但随迁对女孩身高发育的影响并不显著。而且，与OLS估计结果不同的是，PSM估计结果表明随迁对男孩身高发育的影响要大于对女孩的影响。

表4  随迁/留守对流动人口未成年子女身高、体重的影响：PSM估计结果

Table 4  The impact of migration/left-behind on height and body weight : PSM estimation

变量	全部样本		男孩		女孩
	身高	体重	身高	体重	身高	体重
最近邻居法（3）	2.934*（1.765）	.077（.899）	4.760*（2.634）	-.486（1.374）	3.969（2.739）	1.467（1.186）
Kernel法	2.747**（1.183）	.317（.585）	3.624**（1.484）	.354（.719）	3.326*（1.932）	.552（.880）
Caliper=0.01	3.056（2.177）	-.039（1.005）	7.336**（3.227）	.349（1.424）	4.775（3.703）	1.605（1.542）
Radius法	2.324**（1.135）	.279（.490）	2.682**（1.272）	.228（.767）	2.344（1.719）	.198（.884）
平均效果	2.765	0.159	4.601	0.111	3.604	0.956

注：括号内为采用Bootstrap法重复抽样100次获得的标准差。其中，***代表1%显著性水平，**代表5%显著性水平，*代表10%显著性水平。

5  结论

以上，我们基于中国城乡劳动力流动调查数据，并分别采用OLS以及PSM两种计量方法对随迁/留守对流动人口未成年子女的身体发育影响进行了实证分析。从本文的研究来看，相对于留守儿童，随迁可以显著提高流动人口子女的身高发育，但随迁对体重发育的影响则不显著，该结果在计量方法上表现出较强的稳健性。具体而言，与留守儿童相比，随迁使得流动人口未成年子女的身高提高3-4厘米。未来，我们应加强对随迁/留守对流动人口子女身体发育影响的渠道及机制的研究分析。

目前，有越来越多的文献表明身体发育特别是身高与劳动力市场表现有强烈的正相关关系[4]。例如，Case和Paxson（2006）利用英国以及美国的相关调查数据进行的分析显示，劳动力身高每提高1英寸（2.54厘米），收入将提高2-2.5%。高文书（2009）利用上海等12个城市的住户调查数据同样发现身高对劳动者工资报酬有显著的积极影响。在其他条件相同的条件下，高文书（2009）发现劳动力身高每增加1厘米，男性劳动者的小时工资会提高4.8%，女性劳动者则相应提高10.7%[5]。在这种情况下，随迁/留守对身高发育的影响意味着未来进入劳动力市场后，留守儿童的收入将显著低于随迁儿童的收入。当然，正如许多研究报告和案例所揭示的那样，留守对流动人口子女的负面影响绝不仅限于生理发育方面。在心理发育、接受教育等诸多方面，留守的流动人口子女都面临巨大挑战，而这也将明显地限制其未来的成长及就业、收入。

受城乡分割的二元经济社会结构影响，目前我国流动人口未成年子女在随迁还面临着诸多障碍。本文的研究结果意味着我国应加快推动户籍等制度、教育制度等方面的改革，降低流动人口子女的随迁难度，提高随迁比率。与此同时，针对不具备随迁条件的留守儿童，要加快构建留守儿童关爱服务体系，不断加强对留守儿童的生理和心理发育的关爱服务，努力减轻留守对流动人口未成年子女生长发育的负面影响。

参考文献：

陈丽、王晓华、屈智勇.流动儿童和留守儿童的生长发育与营养状况分析.中国特殊教育，2010年第8期，pp.48-54

陈在余.中国农村留守儿童营养与健康状况分析.中国人口科学，2009年第5期，pp.95-102

高文书.健康人力资本投资、身高与工资报酬——对12城市住户调查数据的实证分析.中国人口科学，2009年第3期，pp.76-85

刘凤芹、马慧.倾向得分匹配方法的敏感性分析.统计与信息论坛，2009年第24卷第10期，pp.7-13

罗芳.农村剩余劳动力城乡流动对农村经济社会的影响——来自湖北省的实证研究.华中科技大学博士学位论文，2007年

全国妇联课题组. 我国农村留守儿童、城乡流动儿童状况研究报告.2013年5月

陶然、孔德华、曹广忠.流动还是留守：中国农村流动人口子女就学地选择与影响因素考察.中国农村经济，2011年第6期，pp.37-44

王宗萍、段成荣、杨舸.我国农民工随迁子女状况研究——基于2005年全国1%人口抽样调查数据的分析.中国软科学，2010年第9期，pp.16-24

茅锐.流动人口子女进程就学决策形成机制研究及政策建议.经济科学，2007年第4期，pp.109-118

Case, Anne & Christina Paxson. Stature and Status: Height, Ability, and Labor Market Outcomes. NBER Working Paper No.12466, Aug., 2006

Caliendo, Marco & Sabine Kopeinig. Some Practical Guidance for the Implementation of Propensity Score Matching. IZA Discussion Paper No.1588, May 2005

Heckman, James & Hidehiko Ichimura & Petra Todd. Matching As An Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme. Review of Economic Studies(1997) 64, pp.605-654