基于Logit模型的农村劳动力分化程度分析:以山西省忻州市为例

2010-08-13杜建宾张志强

湖南农业大学学报（社会科学版） 2010年4期

杜建宾，张志强

(西北农林科技大学经济管理学院，陕西杨凌 712100)

一、问题的提出

大量的研究表明，我国农村劳动力分化已经是一个普遍的现象。关于农民分化的涵义，周庆翰、农业部农村固定观察点办公室、陈家骥和卢福营将分化理解为农民收入、职业、身份以社会地位等方面的差异[1-4]；董召荣和高强将分化理解为农户兼业程度和农户类型的差异；沙莲香将农民的分化定义为农民突破农村地域、农业劳动者职业的限制以及农业户口的束缚而从事其他非农产业的活动过程[5-7]；陆学艺提出农民的分层是指农民因分化而逐渐形成的比较稳定的具有一定群体特征的阶层化趋势[8]；秦宏认为农户分化就是农户改变传统单一经营农业的高度同质化局面，逐渐分解为不同种类和不同规模的特征群体, 并不断发展变化的过程[9]；然而，文军则认为农民工群体本身正在发生着巨大的变化，“流动人口”已经不能简单概括城市农民工的内涵，应充分关注农民工本身发生的悄然分化[10]。

关于农村劳动力分化的影响因素，彭干梓从职业教育的角度研究了农民职业的分化，认为职业教育是农民分化一个动因和措施[11]；陈东平认为农民分化与收入稳定性、兼业程度、生活地域以及教育水平有关[12]；秦宏和郑少锋认为农户的兼业程度是农户分化的一个重要因素，提出促使农户彻底分化以实现农村向城镇的顺利转变的建议[13]；赵竹村认为农户分化的根源在于逐步健全的市场机制促使传统农户在经济社会发展中背离了原有的家庭周期运动规律[14]；魏文迪和戴迎华认为农民分化的主要因素有家庭联产承包责任制、社会主义市场经济体制、土地减少和大量富余劳动力产生、农民增收困难和城乡收入差距扩大化以及农民子女通过受教育改变自身家庭生活状况的愿望等五方面[15]。

关于农村劳动力分化与转移的关系，易文彬对新旧体制转变过程中的农村劳动力分化、转移及就业问题进行了研究，认为分化和转移是先行后续的关系[16]；陈池波认为农村劳动力转移过程，实际上农村劳动力由第一产业向二、三产业分化的社会经济过程[17]；秦宏和李嘉晓认为沿海地区农户分化与非农化、城镇化的发展是相互影响的，实践中必须促进农户彻底分化，才能实现城镇化与非农化的同步进行[18]。

上述文献从农民、农户以及农民工的层面对农村劳动力分化涵义的界定、分化状况的描述、影响因素的识别以及分化与转移的相互作用进行了有益的探索。然而，这些研究存在着明显的分歧和局限性。因为，农村劳动力本身不断发生着巨大的变化，“农民”“农户”“农民工”等明显带有产业、职业以及身份内涵的术语已经不完全等同农村劳动力[19]，从收入、职业、兼业程度、农户类型以及农民内部的阶层等宏观和中观的角度来探讨农村劳动力分化，不可避免地会忽略非农化在农村劳动力分化过程的作用。非农化进程已经引起农村劳动力收入、职业、兼业程度、观念等各个方面的变化，这为研究农村劳动力分化提供了一个全新的视角。尽管二元结构在我国仍未打破，但是由于城乡信息和人员互动以及日益密切经济活动，农村劳动力足够理性，能够清醒意识到城乡的经济社会差异，并在是否参与非农活动的决策中做出最优的选择。这一前提条件使研究者能从农村劳动力是否参与非农活动的决策差异中探寻分化的内在动因。笔者拟从非农化视角对农村劳动力分化进行考察，应用多元Logit模型对分化的影响因素作进一步的探讨，并利用回归得到的方程式对分化程度进行模拟，在此基础上探讨分化程度与转移概率之间的关系。

二、数据来源和描述性统计分析

1. 数据来源

本文以山西省忻州市的农村劳动力为研究对象，这里的农村劳动力是指未取得城镇户籍、具有劳动能力的、16—65岁和16—60岁的男性和女性个体，主要包括从事农业生产活动和从事非农业生产活动的劳动力。笔者按照随机原则分别在忻州市西部的宁武县、中部的原平市以及东部的五台县实施整村抽样，共发放问卷300份，回收278份，其中有效问卷260份，获得有效观察值670组。

2. 农村劳动力分化状况的描述性统计分析

670组有效观察值反映了宁武县、原平市和五台县三地的劳动力在性别、年龄、文化程度、土地数量、农业收入以及非农收入基本情况(表1)：

表1 宁武原平五台三县市农村劳动力分化概况 %

从农业收入、非农收入以及总收入水平来看，宁武县最低，分别为568.6、4 834.4和5 403元；原平市最高，分别为2 903.2、6 496.1和9 399.3元。宁武、原平和五台三县市农村劳动力的非农活动参与率分别为 54.3%、34.5%和 63%；宁武县和五台县农村劳动力文化程度结构较为相似，原平市的动力文化程度较高。三县市的劳均土地数量存在较大的差异，分别为0.13、0.24和 0.14公顷。表1显示，宁武、原平和五台三县市的农村劳动力存在较大的差异，主要体现在性别结构、年龄结构、收入结构、文化程度结构以及非农活动的参与率；并且还初步显示非农活动参与率与年龄、农业收入存在一定得反向关系，而与非农收入存在正向的关系，男性比女性更多的参与非农活动。这也说明从农村劳动力分化角度研究剩余劳动力转移的可行性。

为了进一步考察非农活动参与率与性别、收入、年龄、受教育年限和土地数量的关系，笔者对其进行了相关系数分析(表2)：

表2 忻州市农村劳动力不同属性之间的相关系数表

表2显示，农村劳动力参与非农活动与否的决策(Y)与年龄(AGE)、性别(GDR)、受教育年限(LIT)、土地数量(LND)、农业收入(AGI)、非农收入(NAI)以及总收入(TIC)的相关系数分别为－0.34、0.40、0.28、－0.03、－0.17、0.36和0.26。由此可以初步断定，农村劳动力参与非农活动的决策与年龄、土地数量、农业收入呈负相关，而与性别、受教育年限非农收入和总收入呈正相关。

三、基于Logit模型的农村劳动力分化程度计量分析

本文着眼于对农村劳动力分化的研究，分化动因和分化程度的计量以及分化与转移的数量关系成为笔者极为关注的一个问题。为此，笔者运用Logit模型来估计农村劳动力分化不同动因的各自影响程度及其综合作用下的分化程度，并依据分化程度来分析劳动力转移的概率。

1. Logit模型的设定

基于上文关于农村劳动力分化及其影响因素的讨论，笔者建立以下Logit模型：

其中，Y是农村劳动力是否参与非农活动的决策，如果参与了非农活动记为 1，否则记为 0；C为常数项，Xi为年龄(AGE)、性别(GDR)、受教育年限(LIT)、土地数量(LND)、农业收入(AGI)、非农收入(NAI)等可能的影响因素。此外，笔者还对解释变量进行无量纲化处理，使所有被解释变量的值都处于同一个数量级，即[0,1]的范围内，实现无量纲化和去异方差性。

2. 回归结果

笔者利用Eviews3.1中的ML - Binary Logit方法，以Y为被解释变量，以AGE，GDR，LIT，LND，AGI和NAI为解释变量，对670个观测值进行回归分析(表 3)：

表3 Logit模型回归结果

根据表3的结果，笔者剔除C进行重新回归，由此，可以得到年龄(AGE)、性别(GDR)、受教育年限(LIT)、土地数量(LND)、农业收入(AGI)以及非农收入(NAI)与参与非农劳动决策(Y)的回归方程：

在(2)式中，各个解释变量都通过0.01水平上的显著性检验，因而可以认定年龄、性别、受教育年限、土地数量、农业收入以及非农收入是影响农村劳动力分化的主要因素。但这一结论并不是笔者最为关注的，笔者更为关注的是这些因素对农村劳动力参与非农活动决策时的影响程度，从回归结果来看，其中影响最大的是非农收入，其次为农业收入、年龄、文化程度、土地数量，最小的为性别。这一结论从实证的角度进一步验证了非农收入是农村劳动力选择参与非农活动的最主要动因。这对相关研究结论做出了重要的补充，即从实证模型中得出年龄、性别、文化程度和土地数量对劳动力参与非农决策的影响非常显著，因而是重要的影响因素。土地数量并未像预期的那样与非农决策呈负相关，笔者推测可能是由于土地目前所具有保障功能大于束缚作用。

3. 农村劳动力的分化程度

值得注意的是，(2)式的另外一个更重要的意义在于为综合评价和度量农村劳动力分化程度提供了重要的工具。现有农户或农村劳动力分化的研究，基本识别出上述影响因素，但只是以单个指标上的水平差异来反映分化程度，忽视了不同指标的影响程度和综合作用。结合本文对劳动力分化程度的界定，本文通过(2)式对670组样本观测值进行了模拟计算，从而得到670个劳动力的分化程度，为了使模拟结果更加直观，笔者对不同分化程度进行了分组(表4)：

表4 忻州市农村劳动力分化程度的估计值y*

结合表4可以知道，在现有经济条件下，只要能够在非农活动中取得比农业收入更多的收入，农村劳动力就会立即考虑年龄、性别、土地数量以及文化程度等自身条件，进而做出是否参与非农活动的决策。不同的态度意味着不同的决策行为，不论农村劳动力怎样决策，其决策行为的差异最终会导致农村劳动力不同程度的分化。

4. 农村劳动力分化与剩余劳动力转移的关系

虽然本文不能以严格的数学推导给出分化程度与转移概率的关系，但是依据表4的分组，笔者可对农村劳动力参与非农活动的情况以及年龄、性别、土地数量、农业收入、非农收入等指标进行描述(表 5)：

表5 不同分化程度的劳动力样本特征 %

表6 不同地域和文化程度农村劳动力的转移概率 %

表7 不同性别和年龄农村劳动力的转移概率 %

表5显示，较高的分化程度对应着较高的非农活动参与率、非农收入和文化程度以及较小的年龄。具体而言，高分化程度的劳动力参与非农活动的比例较大，绝大部分劳动时间从事非农活动，非农收入较高而且稳定，这正是一般意义上的已转移劳动力；而分化程度低的劳动者从事非农活动的比例较小，绝大部分时间从事农业生产，农业收入在总收入中的比例较大，没有稳定的非农收入来源，并不具备转移的条件。因此，笔者认为分化程度则可以用来衡量转移概率，尽管分化程度并不是严格数学意义上的转移概率。

基于上文的论述，笔者按照分化程度与转移可能性的数量关系，将农村劳动力划分完全转移、一级潜在转移、二级潜在转移以及农村必需劳动力四个类型：

完全转移劳动力：此类劳动力的分化程度为0.8～1，占农村劳动力的30.9%，主要包括学生、工人、公务员和教师等，文化程度高，收入高而且稳定，可完全脱离土地生活。

一级潜在转移劳动力：此类劳动力的分化为0.6～0.8，占农村劳动力的17.31%，主要包括富有经验农民工、厨师、司机和小本生意人等，其特点是青壮年，收入较高但不稳定，但不能完全脱离土地，在一定条件下，此类劳动力可最优先转移。

二级潜在转移劳动力：此类劳动力的转移概率为0.4～0.6，占农村劳动力的7.16%，有一定的技能，年龄偏大使得他们在外出务工的时间很短，土地农业收入是他们收入的重要来源，只要条件成熟该类劳动力也可转移。

农村必需劳动力：此类劳动力的转移概率为0～0.4，占农村劳动力的44.62%，参与过非农活动，但基本属于纯农业劳动力，年龄多在中年或以上，受教育年限较低，收入水平相对较低，女性比重较大，具有娴熟的农业劳动技能和较重的家庭负担，暂时很难脱离土地。需要指出的是，这里所说的必需劳动力并非农业生产所必需而不存在剩余的，而是维持农村经济社会运行所必需的。

5. 对转移概率的模拟预测

为了进一步考察年龄(AGE)、受教育年限(LIT)、土地数量(LND)、农业收入(AGI)以及非农收入(NAI)与参与非农劳动决策(Y)等影响因素变动时分化程度变化所引致的转移概率，笔者根据初始转移概率Y-Y与AGE+1-Y,LND+1-Y,LIT+1-Y,NAI+10%-Y,AGI+10%-Y绘制散点图，进行模拟预测(图1)：

图1 670组观察值的模拟预测值

图1 (a)是其中横轴为Y，纵轴为其他模拟预测值，AGE+1代表年龄增加1岁、LND+1代表土地增加 1亩、LIT+1代表受教育年限增加 1年、NAI+10%代表非农收入增加 10%其他变量固定时的转移概率，AGI+10%代表农业收入增加10%其他变量固定时的转移概率。从图1(a)看来，大部分点依然集中在对角线上，与Y-Y重叠，但是部分点偏离了对角线，根据偏离对角线的点的趋势可得到图1(b)。从图 1(b)看来，年龄变量和农业收入变量的增加导致部分劳动力转移概率的下降，而土地、受教育年限以及非农收入的增加导致部分劳动力转移概率的上升。为了更加清晰，笔者将利用 Logit模型对农村劳动力转移概率的模拟以表格表示如下(表 8)：

表8 利用Logit模型对农村劳动力转移概率的模拟

表8显示，当所有劳动力的年龄都增加1岁时，已转移劳动力的比重就会下降2.24个百分点；受教育年限增加1年时，已转移劳动力的比重就会增加3.43个百分点；土地数量增加1亩，已转移劳动力的比重就会增加 0.29个百分点；农业收入增加10%，已转移劳动力的比重会下降0.75个百分点；非农收入增加 10%，已转移劳动力的比重会上升1.94个百分点，这一结论更具政策指导方面的意义。

四、结论和建议

1. 基本结论

影响农村劳动力分化的主要因素为年龄、性别、受教育年限、土地数量、农业收入以及非农收入，其中影响最大的是非农收入，其次为非农收入、年龄、文化程度、土地数量，影响程度最小的为性别。农业收入和非农收入是农村劳动力参与非农活动的最主要动因，年龄、性别、文化程度和土地数量的影响也非常显著。

农村劳动力的分化是剩余劳动力转移的前提，分化的程度可以衡量转移的概率。在现有经济条件下，农村劳动力只要能够在非农活动中取得比农业收入更多的收入，就会立即考虑年龄、性别、土地数量以及文化程度等自身条件，进而做出是否参与非农活动的决策。农村劳动力面对“参与”还是“不参与”以及在何种程度何种方式参与时，其决策行为的差异就是分化程度，分化的程度决定着劳动力能否转移。

运用Logit模型得到的回归方程是一个能够综合评价和度量农村劳动力分化程度的重要工具，按照分化程度与转移概率的数量关系，笔者将农村劳动力划分为完全转移、一级潜在转移、二级潜在转移和农村必需劳动力四类。这一划分对于农村劳动力转移的研究具有较大的实践意义。

2. 建议

政府在考察农村劳动力分化问题时不仅要着重考虑社会经济环境的影响，更应充分关注农民工本身发生的变化，特别是年龄、性别、受教育年限、土地数量、农业收入以及非农收入等因素对农村劳动力分化的影响；并且在考察分化的影响因素时不仅要考察不同指标对分化程度的影响，更应充分考虑不同因素对分化程度的综合影响程度，特别是分化程度与劳动力转移概率之间的数量关系。

政府在制定农村劳动力转移的相关政策时，应该充分关注其分化的程度，并按照分化程度或转移概率对现有农村劳动力进行分类，有针对性地实施相关政策。一方面要在充分考虑年龄、性别、文化程度结构的基础上将一级潜在转移和二级潜在转移劳动力作为非农化重点对象，加大农村劳动力的职业教育的投入力度，促进农民职业化，不断提高其分化程度；另一方面要高度关注农村必需劳动力群体，加大农村和农业基础设施建设的力度、完善农村社会保障体系，保护和支持纯农业劳动力的积极性，防止农村劳动力过度转移，保持农村经济社会的健康发展，维护粮食生产安全。

[1]周庆翰.富裕有先有后会不会导致两极分化[J].学术论坛，1982(1)：17-20.

[2]农业部农村固定观察点办公室.对农民职业分化的调查[J].中国农村经济，1994(3)：33-38.

[3]陈家骥.中国农民的分化与流动[J].农业经济问题，1995(1)：33-35.

[4]卢福营.论中国农村居民的分化[J].学术季刊，1995(3)：133-141.

[5]董召荣，姜长云.农户内在因素对农户类型选择和分化的影响[J].安徽农业大学学报：社会科学版，1996(1)：37-40.

[6]高强，雷海章.农户分化背景下农村社会结构改革[J].农业经济问题，1998(8)：5-8.

[7]沙莲香.中国人素质研究[M].郑州：河南人民出版社，2001：10-11.

[8]陆学艺.当代中国社会流动[M ].北京：社会科学文献出版社，2004，15-18.

[9]秦宏.当前我国沿海地区农户分化的特征分析及启示[J].财经论丛，2007(5)：7-12.

[10]文军.从季节性流动到劳动力移民：城市农民工群体的分化及其系统构成[J].探索与争鸣，2006(1)：28-30.

[11]彭干梓.农民职业分化与农村职业教育的观念变革[J].中国农业教育，1999(2)：9-14.

[12]陈东平，浦志军.经济发达地区农民分化现象考察与思考——以无锡市华庄镇的调查为例[J].南京农业大学学报：社会科学版，2001(4)：12-20.