一、基本回归方程
由于中国贸易开放领域主要集中在城市和工业部门，且贸易自由化的减贫效应主要通过增加农村劳动力的非农就业实现，所以我们主要研究贸易自由化对城市流动人口的减贫效应。本章使用的数据来自“中国居民收入分配课题组”2008年所做的居民住户抽样调查，数据包括城镇居民、农村居民和流动人口三个子样本；由于外资企业对农村减贫的影响主要集中在促进劳动力流动、增加非农就业等方面，所以我们选取其中的流动人口数据作为分析样本。该样本由9个省份15个城市（包括了中国大部分流动人口集中的城市[3]）的家庭抽样数据构成，调查项目全面反映了流动人口的个人特征、就业状况、子女教育、社会关系、家庭收入支出等方面情况。我们以家庭作为分析单元，调查数据共有5007个家庭和8446个个人，剔除变量缺失值后，共得到4940个家庭样本。
借鉴Dollar and Kraay（2002）的贫困估计方程、Mincer（1974）的收入估计方程，我们将基本的计量模型设定为：
lnCic=β1+β2lntradec+β3Xic+β4Yic+β5lnZc+μic
式中，下标i代表家庭，c为家庭所在城市，Cic为c城市中家庭i的人均日消费量；Tradec为城市c的贸易开放程度；Xic为家庭层面的控制变量；Yic为户主的工作特征变量；Zc为城市特征变量，μic为误差项。
为直接估计贸易自由化对贫困率的影响，我们进一步根据家庭福利指标和贫困线标准将家庭划分为贫困与非贫困家庭，利用probit模型分析其对减贫的影响。计量方程可写为：
E(Pooric=1|Xicβ)=Φ(Xicβ)
式中，Pooric=1表示家庭为贫困家庭，Xic为所有解释变量的集合，β为各变量的系数，Φ为累积分布函数。根据模型设定，E（Pooric）=Pr（Pooric=1），即虚拟变量Pooric的预期值等于贫困家庭出现概率，体现了城市c的贫困率水平。
在probit模型框架下，累积分布函数Φ服从正态分布，这导致系数β不能直接反映解释变量对贫困率的作用大小，所以我们在probit回归结果的基础上，进一步计算贸易开放度对贫困减少的边际效应和边际弹性，定量估计贸易对家庭贫困率的影响。在解释变量x为连续变量的情况下，边际效应的计算公式为：∂P（Pooric=1|Xic）/∂xic=∂Φ′（Xicβ）/∂xic=φ（X′icβ）βx，其中βx表示变量x对应的参数。由于每个家庭的边际效应可能存在差异，所以我们进一步计算样本所有家庭的平均边际效应：
其中，m为各城市家庭数量，
为贸易开放度对家庭贫困率的平均边际效应。(https://www.daowen.com)
边际效应能够较好地反映贸易开放度对样本贫困率变化量的影响，但由于本章仅选择流动人口家庭样本，样本贫困率和实际总体贫困率变动的绝对量可能存在差异，所以边际效应也会存在偏差。因此，我们进一步计算其对贫困率的边际弹性，即开放程度百分比导致贫困率变动的百分比，计算公式如下：
被解释变量方面，我们使用家庭人均日消费量和家庭是否为贫困家庭的虚拟变量。相对于家庭人均收入而言，家庭人均消费包含了信贷、福利补贴和住房租金等方面的影响，可以更好地刻画流动人口的福利水平。家庭是否为贫困家庭则取决于贫困线的选择。由于政府公布的农村贫困线和城镇贫困线差距较大、标准较低，且进行了多次变动，所以我们采用世界银行公布的人均日消费1.25美元和2美元作为贫困线，并按照当年汇率进行了调整。
解释变量方面，主要解释变量为城市贸易开放程度，我们使用制造业出口企业的固定资产净值占制造业总固定资产的比重来衡量；数据来源于2007年国家统计局工业企业普查数据。原因在于，虽然中国服务业外商贸易和投资增长迅速，但主要流向房地产、商务租赁等行业，对劳动力流动和就业影响较小；[4]此外，统计年鉴中的外资数据分类较少，不能完整反映城市外资情况，而制造业普查数据涵盖了全部国有企业和规模以上非国有企业，可以较好反映地区经济的发展状况。
此外，大量研究发现贫困减少取决于劳动力的个人特征、家庭特征等因素（Gustafsson and Wei，2000；杨文等，2012），因此我们加入个人和家庭控制变量。劳动力个人特征包括户主性别、年龄、年龄的平方、婚姻状况、教育年限和工作经验等。家庭特征包括：（1）家庭人口抚养比，用家庭劳动力占总人口比重表示；（2）家庭社会资本，用家庭人均来往礼金数量表示；（3）家庭资产，用家庭人均耐用消费品数量和住房价值总额表示[5]。
由于大量流动人口从事私营和个体经营工作，所以其福利水平与当地市场化程度有较强相关性；根据相关研究（李磊等，2012；Hering and Poncet，2010），城市劳动者生活水平与城市经济发展程度、人力资本水平紧密相关，所以在城市变量方面，我们加入城市市场化程度、城市生活水平和城市人力资本三类变量。城市市场化程度用私营个体经济产出总额占内资企业产出总额的比值来衡量，数据来源于2007年工业企业普查数据。生活水平变量用城市人均GDP表示，数据来源于2008年中国城市统计年鉴。城市人力资本用劳动力平均受教育年限表示，数据来源于流动人口调查数据。
最后，为了控制个体固定效应，我们进一步将户主的工作特征按照职业与所有制进行分类。我们把职业特征分按照CHIP问卷调查分为25个小类，包括专业技术人员、管理人员、建筑业劳动者、制造业劳动者等；所有制类型分为国有集体单位、私营单位、外资单位和个体及其他单位。表4.13给出了变量的统计描述。
表4.13 主要变量的统计描述
