农村劳动力流动就业区域选择的主观影响因素实证分析——以江西省为例，本文主要内容关键词为：江西省论文,实证论文,为例论文,主观论文,农村劳动力论文，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。
中图分类号：F323.6文献标志码：A
文章编号：1671-6523(2012)01-0015-06
修回日期：2011-11-22
劳动力流动就业状况反映经济发展的活力、区域经济发展格局的变化和经济增长模式的调整[1]，同时，劳动力流动就业引导着区域间经济关系和地区发展的转变[2]。农村劳动力作为劳动力流动就业的“主力军”，在劳动力流动就业相关研究中存在一定的代表性。近些年来，劳动力流动和地区经济发展的关系一直是劳动经济学和发展经济学理论探讨的重点，但主要集中于宏观政策方面的研究，对劳动力流动就业主观区域选择上的研究不多。Wu和Yao(2003)在人口无限供给的假设条件下，运用需求导向模型，对中国的省际迁移与省内迁移进行了研究，获得城乡收入差距是迁移产生的原因的结论。但除此之外，还存在着其他决定劳动力流动的因素[3]，说明劳动力主观选择是一个不可忽略的因素，劳动力作为流动就业的主体，其就业区域的主观选择对劳动力流动格局存在不可忽略的影响。本文选取农村劳动力作为研究对象，并且忽略亲朋、政府政策对农村劳动力流动就业区域选择的影响，单方面研究农村劳动力就业区域的主观选择，充分了解农村劳动力流动的内因，为以改变农村劳动力流动来改变中国地区间经济发展差距提供一定依据。
一、文献回顾
对于农村劳动力流动就业区域选择的主观影响因素的研究，首先，在区域收入差距对劳动力流动影响的研究方面，蔡昉(1996)研究了本地农村人均收入与全国农村人均收入的比率对于迁移的影响，发现这一比例的增加可以减少迁移[4]，说明区域收入差距越大，劳动力流动率越大。而Nong Zhu(2002)运用Probit模型的结构方程(structural equation)恰恰证实了城乡收入差距在中国农村向城市迁移过程中的正向作用[5]。之后，Zhang和Song(2003)利用时间序列和横截面分析，指出地域收入差距是省内劳动力流动和省际劳动力流动的巨大推动力，他们认为，任何减少内地与沿海收入差距的方法不仅可减少这种迁移，而且可为广大内陆省份提供大量的发展机会[6]。Lin和Justin(2004)利用人口普查数据分析了地区收入差距与人口流动之间的关系，其结论是，20世纪90年代末，迁移对地区收入差距的反应显著提高[7]。王春超(2005)也有相似的观点，他利用相关的调查数据分别从“收入差异和劳动力流动性”以及“劳动力就业集聚”两方面做出检验，得出的结论是，城乡收入差异并不是影响农村劳动力转移的主要原因，农民在转移过程中将愈来愈关注其转移的成本以及决定其转移成本的政策或制度性限制因素[8]。
其次，在劳动力流动对缩小收入差距的作用方面，段平忠(2005)认为中国人口流动地区分布的差距与中国经济增长的地区差距具有高度的相关性，人口流动对增长差距的收敛作用明显[9]。Lin和Justin(2004)通过估计迁移者对收入差距的反应弹性，认为迁移的确是一种缩小差距的机制，但他们也观察到，由于户籍制度的存在和沿海地区过快的发展速度，目前的迁移规模仍不足以缩小现存的收入差距[7]。王秀芝、尹继东(2007)综合研究了中国收入差距与劳动力流动关系，肯定了劳动力流动对收入差距的影响[10]。
最后，在农村劳动力流动的影响因素方面，蔡锐军、邱瑞彬、王丽萍等(2006)研究认为影响农村劳动力流动的因素包括体制和政策因素、文化程度、地区收入差距、其他因素[11]。除以上因素外，康兰媛(2008)研究认为，劳动力输入省份的用工制度、教育制度及社会保障体系的完善可吸引更多的省外农村劳动力来就业[12]。
笔者认为农村劳动力主观选择同样是影响农村劳动力流动的因素，本文在忽略亲朋、政府政策因素的前提下运用多元模型Logit对农村劳动力就业区域选择的主观影响因素进行研究。
二、数据来源、研究方法及描述性统计
(一)调查样本
本次调查采用随机抽样的方法，于2011年7月，利用江西农业大学经济贸易学院暑期“三下乡”及江西农业大学经济研究协会暑期调研活动，对江西省抚州南城、九江修水、上饶余干、赣州南康、宜春奉新等五县进行随机问卷调查及实地访问。至2011年7月底，经过调查员深入各个乡镇与当地村民进行面对面的调查访谈，共完成问卷500份，其中有效问卷480份，共涉及当地18个乡镇91个行政村。
(二)研究方法
(1)主成分分析法：它是霍特林(Hotelling)在1933年首先提出的，其主要利用降维的思想，在损失较少信息的前提下把多个指标转化为较少的综合指标。转化生成的综合指标即称为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分互不相关[13-14]。本文利用主成分分析法构建解释变量即外出就业态度综合指数
。
(2)多项选择模型(multinomial choice)：即主体存在多个选择，但不同选择之间不存在排序关系[15-16]。本文选取多元Logit模型作为主要研究方法，通过构建模型估计各个解释变量对被解释变量的影响程度。
(三)因素选取
(1)被解释变量。本文选取农村劳动力流动就业区域的选择作为被解释变量，将农村劳动力就业区域划分为6项：包括本省内；广州、深圳等珠江三角洲地区；上海、江苏及浙江等长江三角洲地区；北京、天津等渤海湾地区；福建；其他地区。
(2)解释变量。包括个体特征、家庭特征、流动就业特征、主观特征四类12项：①个体特征，包括年龄、性别、文化程度、健康状况；②家庭特征，包括非劳动力比例、耕种面积；③流动就业特征，包括流动就业从事行业、是否参加过技术培训、打工地生活条件、初次打工时间；④主观特征，包括主观风险偏好、打工态度综合指标(为便于研究，对于外出就业态度的分析，需要综合多个主观感受态度评价指标。
(四)变量的定义
为便于研究，将本文选取的被解释变量和四类12项解释变量进行定义(表1)。
(五)描述统计分析
为能够直观地了解各变量结构，需要对其做描述性统计分析。运用SPSS17.0，对本文选取的被解释变量和四类12项解释变量进行描述性统计(表2)。
三、模型构造
本文依据调查地点实际情况，将流动就业区域分为6大块，分别是本省内；广州、深圳等珠江三角洲地区；上海、江苏及浙江等长江三角洲地区；北京、天津等渤海湾地区；福建；其他地区(包括西部、东北等地)。农村劳动力流动就业区域有6个选择，则第i个农村劳动力选择第j(j=1，2，…，6)个就业区域的潜变量(文中将潜变量定义为农村劳动力主观个人发展空间)函数为：
四、模型估计结果分析
运用Stata11对模型进行估计(表3)，这是以广州、深圳等珠江三角区为对照的各个模型估计结果，其中北京、天津等渤海湾地区模型数据太少，在估计过程中已被软件忽略。
(1)从表3可以看出，农村劳动力自身特征是影响其就业流向区域选择的最主要因素之一。本省模型中，年龄、性别、健康状况均达到显著(分别在5%、10%、5%水平下显著，且符号分别为正、负、负)，说明年龄越大的劳动力越会选择在省内就业；性别为男性的劳动力往往不会选择省内就业；劳动力健康状况越好选择省内就业的概率越小。福建模型中，农村劳动力自身特征因素仅有年龄变量达到显著(在1%的水平下显著，且符号为正)，说明自身因素中年龄是影响农村劳动力选择福建和广州、深圳等珠江三角区就业的主要变量，且年龄越大的农村劳动力在福建与广州、深圳等珠江三角区间的选择上越会优先选择福建就业。上海、江苏、浙江等长江三角区模型中，自身特征包含的4个变量均不显著，说明农村劳动力自身因素不影响其在广州、深圳等珠江三角区和上海、江苏、浙江等长江三角区就业的选择。其他地区模型中，自身特征中只有健康状况变量达到显著(显著性水平为10%，且符号为负)，说明健康状况好的农村劳动力会优先选择广州、深圳等珠江三角区域。本省模型中健康状况同样达到显著，其变量系数为-0.8，大于其他区域模型的(-1.0)。说明健康状况好的农村劳动力会优先选择到广州、深圳等珠江三角区就业；其次是本省内就业；最后才会选择其他地区就业。
表中多个变量为虚拟变量，其描述统计结果无具体解释含义，在表中仅作参考。
(2)从表3可以看出，家庭特征因素对农村劳动力流动选择区域就业的影响较小。家庭特征在省内模型、其他区域模型中没有变量显著；福建和上海、江苏、浙江等长江三角区模型中耕地面积变量均达到显著(显著水平分别是10%、5%，符号分别为负、负)，说明福建、上海、江苏、浙江等长江三角区和广州、深圳等珠江三角区3个区域间，耕地面积越大的农村劳动力选择广州、深圳等珠江三角区就业的概率最大；其次是上海、江苏、浙江等长江三角区；最后才是福建。可能的原因是广州、深圳等珠江三角区就业多为制造业，就业人口流动大，耕种繁忙期能够自由选择回到本地进行农业生产。
(3)从表3可以看出，流动就业特征同样是影响农村劳动力就业区域选择主要的影响因素之一。省内模型中，流动就业从事行业、打工地生活条件2个变量达到显著(均在5%水平下显著，且符号分别为正、负)。流动就业从事行业是影响农村劳动力就业区域选择的重要变量，主要体现在不同就业区域主要行业的差异性上；在打工地生活条件方面其选择优先序为广州、深圳等珠江三角区；上海、江苏、浙江等长江三角区；本省。福建模型中，是否参加过技术培训、初次打工时间2个变量均达到显著(均为5%的显著性水平，符号为正、正)，说明参加过技能培训的劳动力一般选择福建进行就业，且初次打工时间越久选择福建就业的概率也越大。可能的原因是：①调查地距离福建较近，相对其他地方更容易吸纳当地农村劳动力；②在福建就业的流动劳动力将受到技能培训。流动就业从事行业在大部分模型中均显著(除福建模型外)，说明流动就业从事行业是影响农村劳动力就业区域选择的主要变量之一，而调查地劳动力选择福建就业并不是因为所从事的行业，可能是因为地理、务工时间和技能培训等因素。
(4)从表3可以看出，劳动力主观评价特征是影响农村劳动力就业区域选择主要的影响因素之一，其中劳动力的主观风险偏好只在省内模型显著(5%水平下显著，符号为正)。说明农村流动人口风险偏好越是保守型越愿意在省内工作，越是冒险型越愿意去广州、深圳等珠江三角区就业。但是，让人难以理解的估计结果是打工态度评价指数变量只在其他地区模型中显著，与其他地区相比，打工评价指数越高选择广州、深圳等珠江三角区的概率越大。打工评价指数是一个综合的指数，是体现流动人口对工作满意度、对打工的自然环境感受、基本生活满意度、打工地社会状况的一个综合评价，但在本文模型估计中该变量显著性不明显。
五、结论与讨论
总体而言，农村劳动力主观因素对其就业区域选择存在影响，主要体现在：农村劳动力自身因素的年龄、性别、健康状况，其中年龄变量的影响最为明显；农村劳动力家庭特征的耕地面积变量；农村劳动力流动就业特征中的流动就业从事行业、打工地生活条件、是否参加过技术培训、打工地生活条件，其中流动就业从事行业变量最为明显，农村劳动力主观评价特征中主观风险偏好、打工态度综合指标变量同样存在影响。但打工态度综合指标变量模型估计结果并不理想，说明农村劳动力综合指标对其就业区域的选择影响不明显，具体如下：
(1)农村劳动力的自身特征是影响其选择不同区域就业的最主要因素之一，主要体现在农村劳动力自身因素的年龄、性别、健康状况，其中年龄变量的影响最为明显。年龄大的农村劳动力更愿意在本省内就业，性别为女性的农村劳动力越愿意留在本省就业，健康状况越差的农村劳动力越会选择在本省内就业。说明如果要通过劳动力转移来平衡中国地区差距的话，需要调整农村人口结构、优化农村人口比例、提升农村人口的健康状况和自身素质；同时需要激励农村流动型劳动力加强自身学习，完善个人价值观和人生观，提高主观思维。
(2)农村劳动力的家庭因素成为农村劳动力流动的抑制因素之一，如农村劳动力家庭耕种面积变量。所以要鼓励农村土地进行流转，激励部分有技术的农村劳动力进行专业化种植，推进农村家庭耕地规模化。同时，解决农村外出务工劳动力在城市的户籍问题，消除其在农村的后顾之忧。
(3)外出就业特征同样是影响农村劳动力选择不同区域就业的重要影响因素之一，其中农村劳动力流动就业所从事的行业体现最为明显。说明产业聚集使得区域间主要行业的差异性是影响农村劳动力选择不同区域就业的根本原因；对农村劳动力的技术培训是影响农村劳动力能够从事行业差异性的根本原因；农村劳动力打工地生活条件是农村劳动力主观选择就业区域的外因。故而对农村劳动力进行针对性的技术培训能够诱导农村劳动力区域就业方向，是协调不同区域经济发展、针对性发展不同区域不同产业的重要途径之一。
(4)外出务工的主观评价对农村劳动力区域就业选择影响略小，主要体现在主观风险偏好方面；务工态度评价指数的影响甚微，模型估计结果并不理想。可能的原因是农村劳动力的自身特征与其主观风险偏好、务工态度评价指数间存在一定相关性，对模型估计结果存在一定影响。
同时本研究存在如下缺陷：
(1)本文主要研究农村劳动力流动就业区域选择的主观影响因素，在研究过程中忽略了亲朋好友、政府政策的影响。现实中农村劳动力由于从众心理的作用，在流动就业的区域选择上往往更多地会考虑亲朋好友的建议，某种程度上也会受到政府政策的影响，所以本研究存在一定的局限性。
(2)本文研究的是农村劳动力就业区域选择的主观影响因素，但文中外出务工的主观评价估计结果未达到预期效果，如打工态度综合指数。可能的原因是农村劳动力的自身特征与其务工态度评价指数间存在一定相关性，对模型估计结果存在一定影响。因此在今后的相关研究中，可以调整农村劳动力务工态度评价指数的评价方法，以得到更加理想的结果。