2000年普查数据（个人层面）确实早就公布了，但重庆1997年才成为直辖市，2000年的情况与2013年差异太大。
关于抽样，你说大学生、农民工、企业家各200份，那么你今后在统计描述的时候还要加权假如你准备描述总体的话。作为博士论文，很难想象你不试图还原总体。我估计你的导师（推测应该是外方的）不会轻易让你放弃加权。难点在于，你如何加权？因为根本无从得知这些人群到底怎么分布的。所以，从某种意义上说，与其如此麻烦，不如按照常规的办法去抽样，让职业自由分布。

关于你提到的两城市之间的差异，其实也许你并没完全想清楚。我刚才已经解释了，两城市的流动人口类型差异是根本性的，根源不在于人而在于城市。所以，没有个人（或家庭）层面的因素能作为解释。所有你可以观察到的个人或家庭层面的异质性都是结果而不是原因。原因就一条：北京是首都，重庆是一个新直辖市且合并了大量不发达县（还加上三峡移民）。从这个角度说，从一开始你的研究目标设定就有偏。

另外，我也不确定你是否真的能做到counterfactual的比较：即在给定个人与家庭背景的条件下，模拟一个现实中在重庆的移民假如在北京的住房状况（vice verse）。如果你的出发点和目标是这一条，那这个题目有意义且可行。但这对数据质量要求会更高，因为看两组样本的分布情况了——需要用到DFL分解。

最后，一个课题质量高低不完全是看与现有文献之间的样本量比较，还要看数据质量、方法设定和最终讨论的层次。从你目前的描述看，有很多技术问题你没有很好的方案。