2018年-IMF国际货币组织全球_The_Labor_Market_Integration_of_Migrants_in_Europe_New_Evidence_from_Micro_Data_40页_794kb

总结：欧洲移民劳动力市场融合的新证据

核心内容

本研究基于欧洲联盟劳动力调查（EU LFS）的微观数据，分析了13个欧洲国家中移民的劳动力市场融合情况。研究采用统一的实证框架，探讨了移民在不同国家和性别、来源地之间的融合差异，并关注了初始劳动力市场状况和教育对融合速度的影响。

主要观点

• 劳动力市场融合的异质性：移民在到达东道国后，相较于本地人存在显著的就业差距，尤其是在最初几年。这种差距因性别和来源地而异，女性移民的初始就业概率更低，且融合速度较慢。
• 融合速度的非线性变化：随着在东道国居住时间的增加，移民的就业概率逐渐接近本地人，但即使在20年以上后，仍无法完全收敛。融合速度因国家和移民来源地的不同而存在差异。
• 教育的作用：外国教育获得的回报低于本地教育，且对移民的就业影响不如本地人显著，表明存在非技能障碍。
• 队列效应：不同移民队列的融合速度存在差异，较早到达的移民可能具有更高的就业潜力，从而影响融合速度的估计。
• 网络效应：移民的社交网络对其就业有显著影响，尤其在男性移民中更为明显。来自同一地区的人群在东道国更容易找到工作。
• 就业质量：移民更可能从事兼职或临时工作，这些工作的报酬和福利较低，因此忽略就业质量可能会高估其融合程度。

关键信息

数据与样本

• 研究使用了1998至2016年间欧盟28国及冰岛、挪威、瑞士的EU LFS数据，共包含超过1000万个体。
• 样本涵盖13个主要移民接收国：奥地利、比利时、丹麦、芬兰、法国、爱尔兰、意大利、荷兰、挪威、葡萄牙、西班牙、瑞典和英国。
• 样本个体年龄在25至64岁之间，以避免学生群体的干扰。

实证框架

• 研究采用概率模型（probit model）来分析就业概率随时间的变化。
• 模型包括：移民状态、居住年限、教育年限、年龄平方、婚姻状况等变量，并加入国家-年份和区域固定效应。
• 通过引入队列变量（如移民到达年代）来控制不同移民群体之间的质量差异。
• 通过分析“移民存量”和“移民占比”来衡量网络效应。

主要发现

• 性别差异：女性移民的初始就业概率显著低于男性，且融合速度较慢。
• 来源地差异：来自中东和北非（MENA）的移民在初始阶段面临最大的就业差距，尤其是女性。
• 居住年限的影响：随着居住年限的增加，移民的就业概率逐步提升，但融合速度因国家和来源地而异。
• 教育差异：本地教育对移民的就业影响更大，表明存在语言、文化等非技能壁垒。
• 网络效应：男性移民的就业概率与来自同一地区的移民群体数量呈正相关，而女性移民则无明显影响。
• 就业质量：移民更倾向于从事低质量的兼职或临时工作，因此融合速度可能被高估。

重要限制

• 数据为重复横截面数据，无法追踪个体随时间的变化。
• 缺乏工资和语言技能信息，限制了对就业质量的分析。
• 结果可能不适用于难民群体，因为难民的融合路径与普通移民不同。

政策意义

• 有效的移民融合政策应考虑性别、来源地和初始劳动力市场状况的影响。
• 促进移民教育和技能认可、加强社会网络建设、改善就业质量是提升融合速度的关键措施。
• 政策制定者应关注移民在不同国家的融合速度差异，以制定更具针对性的政策。

结论

本研究提供了关于欧洲移民劳动力市场融合的全面实证证据，强调了融合过程中的异质性、非线性以及教育和网络的重要性。研究结果对制定有效的移民政策具有重要参考价值。