随着全球人口老龄化加剧、劳动力短缺问题日益突出，技术人才的跨国流动成为各国政策制定者关注的焦点。然而，长期以来，国际移民数据的稀缺与不具可比性，限制了对移民结构变化情况的深入理解，也不利于了解移民活动给原籍国与目的国人口结构带来的影响。近日，一项发表于《科学数据》（Scientific Data）的研究成果在一定程度上填补了这一空白。奥地利国际应用系统分析研究所研究员迪莱克·伊尔迪兹（Dilek Yildiz）和盖伊·阿贝尔（Guy Abel）构建了一个覆盖199个国家和地区、跨越六个五年期（1990—1995年、1996—2000年、2001—2005年、2006—2010年、2011—2015年、2016—2020年）的全球移民构成数据集，系统估算了移民的年龄与教育构成。该研究成果不仅为全球人口预测提供了更为精细的基础数据，而且为理解人力资本的跨国流动提供了新视角。
创新测算方法
尽管国际移民在全球人口变化中的作用日益显著，但现有的全球移民数据多聚焦移民总量等，缺乏年龄和教育维度的系统统计。经济合作与发展组织、国际劳工组织、欧盟统计局等虽提供了部分成员国的移民数据，但覆盖面有限，并且由于存在定义、采集方式和时间间隔上的差异，数据之间缺乏可比性。更重要的是，几乎所有国家都未发布按受教育程度细分的国际移民流动指标，既有研究多依赖存量数据，难以揭示移民流动的动态变化。
在此背景下，伊尔迪兹和阿贝尔采用一种基于多个初始模型的超级学习算法，结合来自74个国家的普查样本数据，估算出按年龄、性别与受教育程度划分的移民流动性构成。他们利用多项评估指标，通过交叉验证以及与欧盟统计局的数据进行对照，验证了估算结果的稳健性。
与既往研究不同，伊尔迪兹和阿贝尔聚焦于移民流动构成特征。这是因为，首先，全球按性别划分的移民流动估算数据已相对完备，可直接用于推算按年龄、性别与教育划分的移民流动水平；其次，由于不同国家采用不同时间间隔定义“移民”，直接比较移民流动水平较为困难，而比较构成则相对简单；最后，移民的年龄构成通常遵循明显的生命历程规律，青年期迁移率最高，中年下降，退休后可能再次上升。因此，研究移民构成，更能揭示移民行为的结构性特征。
为人口预测与政策规划提供实证基础
研究结果显示，在全球范围内，受过高等教育的移民占移民总量的比例普遍上升，尤其在欧洲，受过中等或高等教育的移民占比最高。这一趋势反映出全球人才流动的结构性变化，也提示各国在制定相关政策时需更加关注教育背景与技能匹配。此外，研究人员还发现，迁往同一国家的男性和女性移民在年龄与教育构成上往往具有相似性，而不同国家之间的移民模式则差异显著。这表明，与单纯的性别差异相比，移民构成更多受到目的国社会经济结构与移民政策的影响。
当前，联合国经济和社会事务部等机构在全球人口预测中仍主要使用净移民指标，未公开按年龄或性别细分的具体数值。伊尔迪兹和阿贝尔的研究提供了具有实证基础的移民构成估算，为未来人口预测提供了更为可靠的依据。
“了解有多少人迁移只是故事的一部分。年龄和受教育程度对于理解移民如何重塑人口结构以及国家间的技能分布至关重要”，伊尔迪兹表示。“该数据集让我们更清楚地了解了哪些人正在迁移，以及随着时间的推移，这一群体发生了怎样的变化。”
近年来，人口迁移研究越来越多地采用机器学习方法，以提升对迁移驱动因素与模式的分析能力。伊尔迪兹和阿贝尔的研究进一步拓展了这一方法论框架，将超级学习算法应用于全球移民构成估算，展示了机器学习在人口统计中的潜力。
“了解移民如何改变人口的年龄和技能结构对制定未来规划至关重要。更好地掌握有关信息可以帮助政策制定者评估移民政策的影响，预测劳动力市场的变化，更有效地预测未来的人口需求。”阿贝尔总结道。
在全球人才竞争日益激烈的今天，移民不再只是“数字”的流动，更是人力资本、技能与潜力的重新配置。伊尔迪兹和阿贝尔的研究不仅填补了全球移民构成数据的空白，而且为政策制定者提供了一个更为精细的工具，用以理解移民如何重塑有关国家的人口结构与未来发展方向。随着方法的不断进步，移民研究正从数量走向结构，从静态走向动态，为全球人口治理提供了新的可能。
中国社会科学报记者 赵琪
来源：中国社会科学报
责任编辑：姚晓丹
新媒体编辑：张雨楠
如需交流可联系我们
热门跟贴