新型冠状病毒感染疫情背景下农民工复工行为选择分析

石苗苗 ，夏春萍 ，王翠翠 ，童庆蒙

（1.华中农业大学经济管理学院，武汉 430070；2.长江科学院农业水利研究所，武汉 430014；3.华中师范大学经济与工商管理学院，武汉 430079）

2019 年底突如其来的新型冠状病毒感染疫情（以下简称新冠感染疫情）严重影响了中国宏观经济和部门产业［1］，出现大面积的劳动力停工、企业停产以及供应链中断现象［2］，经济形势异常严峻。统计数据显示，2020 年第一季度中国GDP 负增长6.8%，上半年GDP 增速下降1.6%，城镇失业率高于5%，农民工复工困难，整个社会就业面临沉重压力。而农民工复工不仅有利于巩固中国脱贫攻坚成果，还是评估“六稳”“六保”政策的重要标准，对疫情常态化下稳就业、保居民就业，保障农民工权益，促进社会和谐稳定影响深远。为了减缓经济损失，促进就业，各地逐步出台政策促进复工复产。探讨新冠感染疫情下影响农民工复工的因素，对增强农民工抗风险能力、提高农民工就业质量有重要意义。

国内外学者围绕农民工就业展开了广泛研究，归纳起来主要从3 个方面探讨了农民工就业的影响因素。一是人力资本。研究表明，人力资本的提升能够激励农村劳动力迁移并促进融入性迁移的出现［3］，特别是在遇到外部环境冲击时，差距会更加明显［4，5］。二是家庭特征。家庭劳动人口占比越大、家庭农业耕地面积越小，家庭成员越倾向于外出务工［6，7］。三是外部经济环境及政策体制。国内外经济发展的恶化会导致市场对劳动力需求的下降，致使大批农民工失业［8］。政策体制主要涉及户籍管理制度、社会保障制度等因素［9，10］。体制和政策的不完善会造成一定的就业歧视［11］，导致外来劳动力与本地劳动力间的社会差距［12］。然而，面对社会公共卫生危机，经济发展停滞，此时哪些群体复工情况更好，哪些因素制约农民工复工类型的选择，有关研究相对较少。鉴于此，本研究从公共卫生危机背景出发，基于多维视角的人类行为理论，以农民工作为研究对象，利用2020 年5 月对湖北、湖南、河南、广西等22 个省（自治区）农民工的调研数据探究新冠感染疫情下农民工复工行为及其影响因素。

1 模型构建与数据来源

1.1 变量选取

在人类社会行为分析中，一般关注心理因素与社会因素［13］。因此，本研究选取4 类变量来对农民工复工行为的影响因素展开分析，各变量具体测度见表1。变量的选择依据如下。

表1 变量定义及描述性统计

1）心理因素。组成心理因素的认知发展对行为具有直接影响，本研究选定就业风险认知指标衡量农民工复工的心理因素。

2）个人因素。农民工的健康状况、受教育程度对农民工流动有重要影响，且具有个体异质性［14］。已婚、家庭人口数量越多的农民工家庭负担越大，越倾向于复工就业。一般而言，工作经验越丰富、月收入越高的农民工受到外部危机冲击的影响越小［8］。因此，选取农民工的性别、年龄、健康状况、受教育程度、婚姻状况、家庭人口数量、外出年限、2019 年月收入8 个指标。

3）环境因素。行为受到个体所在“社区”，即群体、区域的影响，个体与周围环境的互动，可促进行为产生。各行业受疫情影响不同，复工复产时间存在差异。农民工输入地和输出地疫情严重程度影响农民工复工机会。因此，本研究选择行业、工作地疫情严重情况和家乡到疫情重灾区距离3 个指标。

4）制度因素。劳动合同与失业保险对农民工城镇就业具有保障作用，能够促进农民工就业［15，16］。因此，本研究选取是否签订劳动合同和是否缴纳失业保险衡量农民工的制度保障情况。

此外，本研究的考察对象为农民工复工行为，具体包括农民工是否复工和农民工复工类型。复工即农民工恢复工作，实现非农就业，包括回到原岗位以及找到新工作两种情况。以户籍所在地为依据，农民工就业地点可分为本地就业与外出就业。农民工复工单位可分为回到原单位与未回到原单位。综上，本研究将农民工复工具体分为回到原单位原岗位、回到原单位不同岗位、继续本地务工（除原单位）、继续外出务工（除原单位）和就业地点转移。

1.2 数据

1.2.1 数据来源 本研究的样本数据来自2020 年5月对农民工的随机调查。在华中农业大学经济管理学院2018 级本科生中随机抽选来自不同省份的农村户口学生，对学生进行调研培训后，通过学生发放问卷给周围农民工。最终共收回707 份问卷，筛选掉缺失数据以及无效数据后，共获得有效问卷632 份。

1.2.2 样本基本概况

1）农民工基本情况。从调查数据来看，男性农民工占66.30%，女性占33.70%，并且86.55%的受访农民工身体优秀或良好。被调查者大多为受过一定教育的中年群体，平均年龄在41 岁左右，学历以初中为主。样本农户基本特征与国家统计局发布的《2020 年农民工监测调查报告》高度一致，说明样本数据具有典型代表性。

2）农民工复工行为现状。被调查样本中绝大多数农民工已经复工，占86.71%，未复工农民工占13.29%。复工群体中，回到原岗位的农民工占75.36%，回到原单位里不同岗位的农民工占5.29%，有19.35%的样本农民工没有回到原单位。具体情况如表2 所示。

表2 样本数据统计

1.3 模型选择

1.3.1 二元Probit 模型 由于农民工是否复工是一个二分变量，本研究采用二元Probit 模型对农民工是否复工的影响因素进行分析。二元Probit 模型具体构建方式如式（1）所示。

1.3.2 多元Logit 模型 农民工复工类型分为回到原单位原岗位、原单位不同岗位、继续外出务工（除原单位）、继续本地务工（除原单位）以及就业地点转移 5 类，分别用j=1，2，3，4，5 表示。由于农民工复工类型是无序分类变量，因此选用多元Logit 模型来分析农民工复工类型的影响因素。其具体表达式如式（2）所示。

1.3.3 ISM 模型 ISM 模型（Interpretative structural modeling）即解释结构模型，常用来分析复杂社会经济系统结构问题，对要素进行结构化分层，确定因素间的关联性和层次性。本研究在Probit 模型之后，进一步通过ISM 分析显著性影响因素之间的层次结构。在根据式（3）确定邻接矩阵Rij的基础上，通过式（4）得到可达矩阵M。

式中，i、j=0，1，2，3，…，k。

式中，2≤λ≤k；I为单位矩阵，矩阵的幂运算采用布尔运算法则。

最高层影响因素（L）由式（5）确定：

式中，i= 0，1，2，3，…，k；P（Si）表示可达集，Q（Si）为先行集。

通过式（5）依次从高到低逐步确定各层所包含的因素，具体过程为得到最高层L1后，删去L1所对应的行与列，得到M1，以此类推，得到所有层次含有的因素。

2 实证结果与分析

由于农民工复工行为决策上具有较强的自选择性，会受到一些不可观测因素的影响，样本可能存在选择性偏误，因此本研究引入了Heckman 两阶段模型检验模型中的自选择偏差。回归结果显示，逆米尔斯比率（IMR）不显著，说明模型不存在选择性偏误。

2.1 农民工是否复工的回归分析

表3 为对全部有效样本的参数估计结果。第（1）列为Heckman 第一阶段回归结果，第（2）、第（3）列为用二元Probit 模型拟合的实证结果，其中第（3）列报告了平均边际效用。

表3 农民工是否复工的回归结果

1）心理因素。农民工的就业风险认知显著影响农民工是否复工，具体而言，新冠肺炎疫情下，就业风险认知水平每降低1%，农民工复工的概率将提高2.4%。这说明就业风险认知水平越高的农民工越倾向采用保守策略，产生抵制应对行为。就业风险认知水平高的农民工对就业复工的“无助感”和焦虑更强，短期内更倾向回避、简化型应对策略［17］，即等疫情情况变好再复工。

2）个人因素。农民工健康状况、外出年限和2019 年月收入对农民工复工具有显著的积极影响。这表明资本禀赋能够减弱个体的生计脆弱性［18］，人力资本和金融资本的积累提高了农民工的竞争力和抵御风险能力。

3）环境因素。行业对农民工是否复工影响显著。具体来看，相比于其他行业，建筑业和制造业农民工复工概率分别增加了7.5%和16.2%，建筑业和生活保障类制造业复工均早于其他行业，特别是建筑业在3 月初就实现了复工初反弹［19］。输入地和输出地疫情严重性均显著影响农民工复工，对于劳动力输入地，疫情不严重地区企业率先复工复产，因此在该区域工作的农民工复工概率更高。然而，对于劳动力输出地，家乡到疫情重灾区距离越近的农民工复工情况越好。本次疫情重灾区华中地区为中国最主要的农民工输出区域，疫情期间湖北省及周围各省市出台多项政策扶持农民工复工，可见积极的政策能够有效缓解疫情期间农民工复工的压力。

4）制度因素。失业保险对农民工复工具有显著的正向影响，相较于没有失业保险的农民工，有失业保险保障的农民工复工概率高出6.7%。农民工作为城市中的弱势群体，常年暴露在各种社会风险下［20］。失业保险能有效减少农民工工作的后顾之忧，降低就业的不稳定性和脆弱性，促进农民工复工就业。

2.2 农民工复工影响因素的层次结构分析

用S1、S2、S3、S4、S5、S6、S7、S8分别表示就业风险认知、健康状况、外出年限、2019 年月收入、行业、工作地疫情严重情况、家乡到疫情重灾区距离和失业保险情况。在详细调查以及咨询相关专家的基础上，给出上述8 个影响因素之间的逻辑关系（表4）。其中，“1”表示行因素对列因素有影响，“0”表示行因素与列因素间不存在相互影响关系。

表4 影响因素逻辑关系

根据式（5）依次得到L1=｛S1｝，L2=｛S4，S6，S7｝，L3=｛S2，S3，S5，S8｝。基于此，将影响农民工是否复工的 8个因素分为3 个层次，新冠感染疫情背景下，健康状况、外出年限、行业、失业保险为影响农民工复工的深层因素，2019 年月收入、工作地疫情严重情况和家乡到疫情重灾区距离为中间层次因素，就业风险认知为直接驱动因素。

2.3 农民工复工类型的回归分析

为探究已复工农民工的复工类型，在剔除未复工农民工的样本后，使用多元Logit 模型，以回到“原单位原岗位”为对照组，进一步对新冠感染疫情下农民工复工类型的影响因素展开分析，结果见表5。

表5 农民工复工类型的回归结果

1）心理因素。就业风险认知对农民工继续外出务工具有负向影响，与就业风险认知水平高的农民工相比，就业风险认知水平低的农民工选择继续外出就业的概率是回到原岗位的76.4%，表明就业风险认知水平高的农民工反而不会回到原岗位。这可能是因为就业风险认知水平高的农民工对疫情认知消极，心理预期差，其对短期内复工复岗的不确定性更加敏感。因此，为了降低疫情对自身的影响，减少经济损失，他们更倾向于尽快找工作复工。

2）个人因素。性别、年龄和婚姻状况均在10%的水平上显著负向影响农民工到外地就业，表明已婚年轻男性就业竞争力和社会融入性更强［21］，更愿意外出工作。农民工健康状况显著正向影响其外地就业，表明健康状况越好的农民工回到原单位的可能性越高。家庭人口数量和2019 年月收入对农民工本地就业影响显著且为负，表明家庭人口数量少、月收入水平低的农民工更倾向在本地就业。外出年限对农民工回到原单位不同岗位、继续本地务工（除原单位）以及就业地点转移均具有显著负向影响，表明外出年限长的农民工回到原岗位的可能性越高，这与现有研究的结论一致［22］，外出务工年限长的农民工就业地点惯性更强。

3）环境因素。行业对继续外出务工和继续本地务工具有显著正向影响。具体来看，建筑业农民工回到原单位的概率较低，这与该行业工作特点有关。建筑业工作以项目为单位，农民工流动性大，且农民工大部分是通过熟人推荐或包工头带队，因此他们回到原城市复工的概率较高。制造业的农民工更倾向于继续在外地务工，这体现了农民工流动方向和产业集聚方向的高度一致性，由于中国制造业主要集中于南方沿海城市，因此大量农民工外出到该区域工作。家乡到疫情重灾区距离对农民工回到原单位不同岗位、继续外出务工（除原单位）和继续本地务工（除原单位）均产生显著影响且为负，表明家乡到疫情重灾区距离越近的农民工回到原岗位的概率越低。其可能的原因是该区域农民工受防疫管控更严格，居家隔离期更长。因此，相较于其他群体，他们回到原岗位的可能性更低。

4）制度因素。劳动合同对农民工继续外出就业（除原单位）具有显著负向影响，失业保险对农民工回到原单位不同岗位有显著正向影响，对农民工继续外出就业（除原单位）和继续本地就业（除原单位）具有负向影响。相较于没有失业保险的农民工，有失业保险的农民工回到原单位不同岗位、继续在外地务工（除原单位）和继续在本地务工（除原单位）的概率分别是回到原单位原岗位的2.715、0.212、0.278倍。这表明劳动合同、失业保险对农民工回到原单位起到了保障作用，农民工失业风险主要表现在不稳定性和脆弱性［23］，社会保障制度能有效降低失业率，保障农民工合法权益，促进农民工稳定就业。

3 小结及政策启示

本研究通过分析得到以下结论：第一，总体上，农民工复工情况较好。截至2020 年5 月，86.71%的农民工已复工，复工类型以回到原单位为主，占总复工人数的80.65%。第二，新冠肺炎疫情背景下，农民工是否复工受到多种因素影响。心理因素是直接驱动因素且对农民工是否复工具有负向影响。个体、环境与制度因素是间接影响因素，健康状况、外出年限、2019 年月收入、家乡到疫情重灾区距离和失业保险对农民工复工有正向影响，而工作地疫情严重情况具有负向影响。第三，不同层面因素对农民工复工类型的影响不尽相同，总体而言，复工类型受环境约束影响较大，但是制度保障（如劳动合同、失业保险等）对复工的稳定性有较大帮助。此外，就业风险认知水平越低、家乡到疫情重灾区距离越远、社会保障越完善的农民工回到原单位的概率越高。

基于以上结论，为推动农民工就业提出以下建议。第一，增加信息获取渠道，提高农民工风险认知能力。推进个人、政府与企业三方面的对接，充分利用多种渠道为农民工提供具有权威性和指导性的就业信息，加强引导，提高农民工风险认知能力。第二，建立健全多层次农民工社会保障体系，提高农民工社会保障水平。社会保障制度有利于提高农民工的就业稳定性，但是大量农民工无法被失业、工伤等社会保险覆盖。因此，要扩大保险覆盖范围，提高低收入农民工安全感和抗风险能力。第三，统筹区域发展，优化产业布局。协调东中西平衡，统筹南北发展，推动区域间各产业协同发展。增加农民工就业机会，分化农民工失业风险。