农民职业分化微观影响因素的实证研究——以青岛为例，本文主要内容关键词为：青岛论文,为例论文,微观论文,因素论文,农民论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
20世纪80年代以来，我国进入了前所未有的社会转型期，农民职业结构已经发生并正在发生显著的变化，主要表现是农民由原来单一的农业职业向非农职业的转换，在农村或城镇担当多种职业角色。在相同的宏观背景下，为什么有些农民的职业发生变化，有些农民的职业没有发生变化？为什么农民职业分化的类型、深度各不相同？要回答诸如此类的问题就必须深入探索农民职业分化的微观影响因素。
本研究之所以选择青岛地区的农民分化作为研究对象，主要是因为青岛是我国改革开放后国家确定的首批沿海经济开放城市，在经济发展、社会转型方面起步早、发展快、成熟程度高，是区域经济的“先行者”和“领跑人”。研究这一区域农民职业分化的微观影响因素，其结论具有一定的前瞻性。
一、研究假设、变量说明和基础数据
(一)研究假设
假设一，农民是理性的“经济人”。农民会根据自己的个人特征、家庭特征、居住地特征等微观因素在不同就业方式、行业和地点间作出选择，以达到自身效用的最大化。
假设二，每个农民面对的宏观经济环境、制度环境是同样的。农民是否实现职业分化是由其自身因素、家庭因素、居住地因素的差异即微观因素差异决定的。
(二)变量说明
农民职业分化与各种微观影响因素之间存在着某种数量关系。在这种关系中，农民职业分化为“因变量”，各种微观因素为“自变量”。
1.关于“因变量”——农民职业分化。农民的职业分化是指随着农业生产力的发展，一部分农民逐步从农业生产领域转移出来进入其他生产领域或非生产领域。
从可观察和可统计的角度上讲，农民职业分化可从4个方面进行衡量：(1)农民是否参与非农职业。农民只有参与非农职业才有可能实现职业分化。(2)农民从事非农职业的时间。农民从事非农职业时间的长短在一定程度上体现了农民职业分化的稳定程度，从事非农职业时间越长其职业分化的稳定性越好。(3)农民非农职业收入。农民从事非农职业收入的高低决定着农民职业分化的积极性和职业分化的稳定性。农民从事非农职业获得的非农职业收入越高，农民职业分化的积极性越高，其职业分化也越稳定。(4)农民职业分化的类别。反映农民职业分化的性质和水平。农民职业分化总体来看是农民向非农职业转移，而非农职业涉及到非农部门的各行各业，考虑到本项研究的样本数量和模型估计的稳定性，本文仅将职业类别分为6类：种植业、畜牧业、工业、建筑业、服务业、政府事业。
2.关于“自变量”——农民职业分化的微观影响因素。在特定历史时期、在同样的宏观环境下，影响农民职业分化的因素主要是微观因素。微观因素主要有：(1)个人因素，是指农民个人自然的和通过自身行为和努力可以获得、改变的条件，包括个人自然因素、个人自获因素。其中个人自然因素即先赋因素是指个人生而具有的或自然得到的属性，如性别、肤色、容貌、体质、出身、辈分等。个人自获因素指个人由于自己的行为或经过自己的努力而得到的一些社会属性，如技术、知识、个人成就、工作经历、婚姻状况等。本文选取性别、年龄、受教育程度、婚否、是否党员作为分析指标。(2)家庭因素，个人是家庭的成员，家庭因素对个人行为具有重要的影响。本文选取人均耕地面积、劳动力负担系数、7岁以下儿童数、60～69岁老人数、69岁以上老人数、是否户主、家中是否有党员等作为分析指标。(3)居住地因素，居住地因素是指因居住地点的不同而带来的与农民职业分化有关的微观环境因素，如交通条件、村庄经济发展水平。本文选取到县城距离、到乡镇距离、每天经过该村班车次数、村内企业数等因素作为分析指标。
本研究对于各个“因变量”和“自变量”的定义和解释详见表1。
(三)基础数据
2007年上半年，我们对青岛地区的部分农户进行了问卷调查。青岛地区现辖市南区、市北区、四方区、李沧区4个中心城区，城阳区、黄岛区、崂山区3个远城区和胶州市、即墨市、平度市、胶南市、莱西市5个县级市。根据2006年青岛市统计年鉴的数字，青岛市乡村人口的85％分布在5个县级市。据此我们将调查范围缩小为5个县级市。因多方条件限制，本次调查只能采集有限的样本数量，而农村具有复杂性和异质性，有必要将它们按不同特征分为不同类型，以克服简单随机抽样的缺点，提高样本的代表性。因此本研究依据各县级市的特点，对各市的乡镇按经济状况进行排序，然后在每个县级市分层随机抽取3个乡镇，各乡镇分别代表高、中、低三种经济发展水平，最后每个乡镇随机抽选1个村作为调查点，值得一提的是，基于样本代表性的考虑，在所选的样本村中不包含城区村、乡镇驻地村和有突出能人领导的村。此次调查涉及15个乡镇的15个村，调查农户965个，调查村干部15人。农户问卷与村干部问卷在内容上各不相同。从总体上看，调查资料具有较好的代表性。调查数据的平均值和标准差详见表1。
二、模型选择与估计结果
(一)模型选择
在定性分析农民职业分化与各微观影响因素之间关系的基础上，我们设定模型如下：
模型一，农民从事非农职业决定因素模型。被解释变量为
，农民是否从事非农职业。=f(自身因素、家庭因素、居住地因素)，当=1时表示该农民从事非农职业，当=0时表示该农民不从事非农职业。当模型的解释变量不是一个连续变量，而是一个离散型变量时，Probit或Logit模型一般更能符合所研究情况的需要。本文将使用Logit模型估计各因素对农民参与非农职业的概率的影响。
模型二，农民从事非农职业时间决定因素模型。被解释变量为
，农民非农职业工作时间(天)。=f(自身因素、家庭因素、居住地因素)，使用多元线性回归模型估计各因素对农民从事非农职业时间的影响。
模型三，农民非农职业收入决定因素模型。被解释变量为
，农民非农职业收入(元)。=f(自身因素、家庭因素、居住地因素)，使用多元线性回归模型估计各因素对农民非农职业收入的影响。
模型四，农民职业分化的职业类别的决定因素模型。被解释变量为
，农民职业类别：1=种植业、2=畜牧业、3=制造业、4=建筑业、5=服务业、6=政府事业。农民职业类别的确定依据于该农民的主要收入来源，设6类活动的参与互不交叉。将种植业作为参照组，采用多重定类选择模型(Non-ordered Logit)形式估计农民参与其他5项职业的概率。=f(自身因素、家庭因素、居住地因素)，利用模型估计各微观因素对农民分化的职业类别的影响。
(二)估计结果
本文的模型通过STATA软件进行估计，其结果详见表2、表3。
三、主要研究结论
1.农民个人因素对农民职业分化具有决定性的影响。农民个人因素通过显著性检验的变量较多，且多数在1％的水平下显著，总体上高于家庭因素和居住地因素的影响。农民职业分化说到底是农民自身的经济行为，农民个人因素以外的因素最终要通过农民自身起作用。
2.受教育程度对农民职业分化有显著的促进作用。受教育程度对农民是否参与非农职业、从事非农职业时间、非农职业收入的正向影响在1％的水平下通过检验，对非农职业选择均表现出显著影响，工业、政府事业项目的估计在1％的水平下显著，建筑业、服务业项目估计在5％的水平下显著。可见，受教育程度对农民职业分化有显著的正向影响，即受教育程度越高，农民参与非农职业的概率越高，从事非农职业时间越长，非农职业收入越高，职业转换的层次越高。
注：(1)*、**、***分别表示10％、5％、1％的水平下显著。下同。(2)LR chi2(22)*、Prob＞chi2*、Pseudo R2*在模型二、三中应为F(15，2030)、Prob＞F、Adj R-squared。
3.农民年龄对农民职业分化有显著的负向影响。16～60岁的农民随着年龄的增加，其参与非农职业的概率降低，从事非农职业的时间变短，获得的非农职业收入下降，职业转换的层次降低。在青岛地区，进入工厂工作是农民从事非农职业的主要途径，而企业用工多选择年轻力壮的劳动者，年纪较大的农民超过了企业用工的黄金年龄被企业拒绝，一些本来在企业工作的工人因年龄较大被辞退。另外，调查发现企业工人的工作时间一般在9个小时以上，年龄大的农民一般有孩子需要照顾，这也影响了其职业分化。
4.农民性别对农民职业分化有非常显著的影响。男性农民比女性农民参与非农职业的概率高，从事非农职业的时间(天数)长，获得的非农职业收入高，职业转换成功的可能性大。可见，男性农民在职业分化过程中有相对优势，实现职业分化所受的约束少。导致女性农民职业分化受约束力较大的主要原因，一方面是女性与男性在观念上的差异，女性的独立意识较差，在职业选择中处于较被动的状态；另一方面是由家庭的性别分工造成的。农民非农职业分化的性别差异致使一些地方普遍存在男性劳动力外出就业、妇女留守家中的现象。
5.农民婚否对农民职业分化的影响不显著。农民婚否对农民是否参与非农职业、从事非农职业时间、非农职业收入没有显著影响；对农民向服务业分化有较显著影响，在10％的水平下通过检验。
6.是否党员对农民职业分化有显著正向影响。是否党员对农民是否参与非农职业、从事非农职业时间、非农职业收入影响的估计系数均在1％的水平下显著，对农民向工业、政府事业的职业分化的影响估计系数也在1％的水平下显著。党员是农村中有能力、有头脑、人际关系广的农民，他们中大多数是农村的精英，他们有致富本领和创业精神，善于抓住机会实现职业分化。
7.家庭人均耕地面积对农民职业分化有显著的负向影响。家庭人均耕地面积对农民是否参与非农职业、从事非农职业时间、非农职业收入及每个非农职业类型选择影响的估计结果均在1％的水平下显著，这说明家庭人均耕地面积是影响农民职业分化的重要因素，即随着家庭人均耕地面积的增加，农民参与非农职业的概率降低，从事非农职业的时间缩短，非农职业收入减少，向非农职业转化成功的概率下降。
8.到县城距离对农民职业分化有显著的负向影响。到县城距离对农民是否参与非农职业、从事非农职业时间以及工业、建筑业、政府事业职业类别选择影响的估计系数均为显著的负向影响，对农民非农职业收入没有显著影响，对农民从种植业向服务业的分化影响系数为负且在10％的水平下显著。到乡镇距离对农民职业分化的影响不显著。
9.村内企业数量是促进农民职业分化的重要因素。村内企业数量对农民是否参与非农职业、从事非农职业时间、非农职业收入、非农职业类别选择均有显著的正向影响，即村内企业数量越多，农民参与非农职业的概率越高，从事非农职业的时间越长，非农职业收入越多，成功实现从种植业向其他非农职业转化的概率越高。
10.家庭劳动力负担系数对农民职业分化有负向影响，但总体并不十分显著。家庭中69岁以上的老人数对农民职业分化有负向影响，但总体不显著。家庭中61～69岁老人数对农民职业分化有正向影响，但不显著。家庭中7岁以下儿童数对农民职业分化有显著的负向影响。是否户主对农民职业分化没有显著影响。家中是否有党员对农民职业分化有正向影响。