中国农村劳动力流动与收入增长和分配，本文主要内容关键词为：劳动力论文,中国农村论文,分配论文,收入论文，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。
本文试图对发生在中国现阶段经济增长过程中的农村劳动力流动与收入分配的相互影响进行经验分析，其中重点放在农村劳动力流动对收入分配的效应方面。
一、农村劳动力流动规模的估计
农村劳动力流动对农村内部产生的收入分配效应与流动劳动力的规模不无相关。然而，应该说，迄今我们对农村流动劳动力数量规模的了解并不是很清楚。其中一个很重要的原因是概念上的混乱。例如国内研究文献有时把城市中流动人口和农村流动劳动力二者混为一谈，而实际上农村流动劳动力与城市中农村流动劳动力并不是同一个概念，即便是城市中的农村流动劳动力与城市中的流动人口在概念上也不是相同的，流动人口是一个范围更广的概念，它不仅包括农村流动劳动力，还包括一部分从农村中流出来的非就业型的流动人口，也包括从其他城市流入的就业型和非就业型的流动人口。例如，根据1988年的一次流动人口调查（李梦白、胡欣，1991），北京、上海等11个大城市中的农村流动劳动力大约只占城市流动人口的45%左右。
由于农村流动劳动力概念上的模糊不清，对其规模的估计也就很难准确。从80年代后期以来，对农村流动劳动力和城市中农村流动劳动力的规模有过不同的估计。80年代末和90年代初农村流动劳动力数量的估计区间在4000万—8000万之间，如此之大的差异令人无所适从。而且，从各种估计中，我们也难以推断出农村流动劳动力中的多大比例是流入到城市地区、多大比例是流入到其他农村地区。1994年劳动部在8 个省份进行了农村劳动力流动的抽样调查，从获得的初步调查结果来看，约20%的农村劳动力在外务工，其中40%的外出务工人员是在其所在的县内务工（John Knight、Lina Song、Cai Haishan，1996）。 以此来推算，全国农村流动劳动力大约为9000万，其中流出到本县以外的农村劳动力约为4500万—5000万。这样一种估计可能是偏高的，因为劳动部调查的8个省份都是农村劳动力流出比例较高的省份。另外， 根据中国社会科学院经济研究所1995年的居民收入调查数据，1995年农村外出打工劳动力大约占全部劳动力的9.9%。以此来推断， 全国农村流动劳动力大约为4500万。然而仅仅根据上述两次调查数据，我们虽然可以估计出农村外出流动劳动力的数量规模，但还是难以知道外出劳动力中的多大比例是流入了城市。
1995年全国1 %人口抽样调查得到的数据使我们有可能对农村流动劳动力规模和城市中农村劳动力的规模做进一步估计。按照这次人口抽样调查的统计口径，1995年全国离开户口所在地半年以上的流动人口大约为4970万，其中约有4840万人在居住地已居住半年以上。由于居住所在地和户口所在地的划分是以乡、镇、街道为分界的，因而以上流动人口中的一部分是在县内、区内流动的，另一部分则是跨县、跨区流动的。后一部分流动人口占全部流动人口的58.5%，达到约2900万。可以说这些流动人口基本上都是以就业为目的的。我们把这一部分流动人口定义为外来人口，以此可以算出1995年长期流动的外来人口占全国总人口的2.4%（见表1），其中从农村地区流出的长期流动人口为1750万，约占全国长期流动人口的60%。农村长期外出人口占农村总人口的2.04%。从理论上讲，对不同省份来说，外来人口的比例与外出人口的比例既可能有相关性，也可能没有相关性。单从收入差异上考虑，一个地区收入较高，就会吸引较多的外来劳动力和外来人口，表现为较高比例的外来人口，另一方面本地人不愿意流向其他地区，表现为较低的流出人口比例。如果从劳动力市场的发育程度上考虑，一个地区劳动力市场发育程度越高，劳动力的流动性也就越大，也就有可能同时表现为较高比例的外来人口和较高比例的外出人口。基于这种考虑，我们计算了分省的外来人口比例和外出人口比例的相关系数，得到的数值为0.85。应该说，二者之间的相关系数是相当高的，这在某种程度上支持了我们上述的后一种假说，即一个地区外来人口的比例更多的是与该地区的劳动力市场的发育程度相关的。
表1. 不同省份外来常住人口及其构成
外来人口城市外来人口
来源构成
城市外来
省份总数城市中 人口比重
来自本省 来自外省
(万人)
(万人) (%)
(%)
(%)
北京138.6
121.4 87.6 57.6 42.4
天津 54.251.1 94.3 65.4 34.6
河北101.471.7 70.7 73.2 26.8
山西 52.230.0 57.5 71.8 28.2
内蒙古
91.443.9 48.0 78.0 22.0
辽宁138.8
112.9 81.3 78.3 21.7
吉林 60.345.5 75.5 84.3 15.7
黑龙江 146.8
102.2 69.6 83.4 16.6
上海122.8
105.4 85.8 50.7 49.3
江苏248.7
164.3 66.1 82.8 17.2
浙江109.248.6 44.5 83.3 16.7
安徽 63.044.9 71.3 89.9 10.1
福建 91.242.8 46.9 86.4 13.6
江西 55.129.1 52.8 92.6
7.4
山东147.7
110.0 74.4 85.1 14.9
河南 82.555.5 67.3 88.6 11.4
湖北105.877.7 73.4 84.6 15.4
湖南101.676.0 74.8 90.0 10.0
广东419.2
291.5 69.5 60.8 39.2
广西 62.141.3 66.5 92.7
7.3
海南 22.414.1 63.0 69.7 30.3
四川153.385.8 56.0 94.1
5.9
贵州 54.532.3 59.3 72.2 27.8
云南 92.539.2 42.4 81.6 18.4
西藏 5.4 3.0 54.7 37.6 62.4
陕西 49.034.5 70.4 71.9 28.1
甘肃 38.822.8 58.8 73.8 26.2
青海 21.5 7.8 36.4 79.9 20.1
宁夏 9.5 5.7 60.3 47.2 52.8
新疆 68.525.9 37.8 41.8 58.2
全国
2907.9 1936.8 66.6 73.3 26.7
城市中来自 城市中来自
本省外来人口 外省外来人口
来自农村 来自城市 来自农村 来自城市
省份 (%)(%) (%)(%)
北京 7.9 92.1 62.1 37.9
天津 8.0 92.0 61.4 38.6
河北 50.6 49.4 54.5 45.5
山西 58.9 41.1 70.4 29.6
内蒙古
51.5 48.5 69.2 30.8
辽宁 32.1 67.9 73.8 26.2
吉林 26.1 73.9 47.9 52.1
黑龙江
36.4 63.6 74.7 25.3
上海 3.9 96.1 65.0 35.0
江苏 50.2 49.8 62.1 37.9
浙江 44.4 55.6 71.3 28.7
安徽 49.5 50.5 44.4 55.6
福建 57.2 42.8 64.5 35.5
江西 49.2 50.8 57.7 42.3
山东 60.8 39.2 49.1 50.9
河南 45.1 54.9 37.9 62.1
湖北 49.1 50.9 68.0 32.0
湖南 59.4 40.6 54.6 45.4
广东 49.9 50.1 80.3 19.9
广西 60.2 39.8 50.1 49.9
海南 42.3 57.7 30.1 69.9
四川 57.4 42.6 45.5 54.5
贵州 51.0 49.0 67.5 32.5
云南 42.4 57.6 77.3 22.7
西藏 62.9 37.1 66.2 33.8
陕西 52.5 47.5 75.2 24.8
甘肃 58.7 41.3 74.4 25.6
青海 23.4 76.6 23.9 76.1
宁夏 42.6 57.4 78.9 21.1
新疆 27.9 72.1 71.7 28.3
全国 43.4 52.6 66.1 33.9
资料来源：①全国人口抽样调查办公室：《1995年全国1 %人口抽样调查资料》，中国统计出版社，1997年；
②《改革开放十七年的中国地区经济》，中国统计出版社，1996年。
说明：①外来人口是指离开户口所在地半年以上的流动人口；而离开户口所在地半年以下的短期流动人口被登记为户口所在地的常住人口；
②城市中外来农村人口和外来城市人口的数字是根据各个省的常住人口与其1990年户口登记地相分离的信息推算出来的。
利用1995年全国1%人口抽样调查的汇总数据， 我们还可以推导出城市中的外来人口大约为1940万，占全部外来人口的66.6%，也就是说33.4%的外来人口流向了农村和小城镇。同时，我们进一步对城市中的外来人口的地区来源构成进行了估计（见表1）， 结果显示：城市外来人口中，73.3%来自本省其他地区，只有26.7%来自其他省份；城市中来自于本省的外来人口中的52.6%来自于本省的其他城市，43.4%来自于本省的农村地区；而在来自外省的外来人口中，33.9%来自城市地区，66.1%来自农村地区。根据以上的几组数字，我们不难推算出城市中外来农村人口大约为960万，约占城市外来人口总数的50 %（注：这一数字可能对城市中农村流动劳动力的数量有些低估，因为人口抽样调查的对象只包括长期流动人口，即离开户口所在地半年以上的流动人口。对于那些离开户口所在地半年以下的短期流动人口仍被登记为户口所在地的常住人口，这一部分流动人口的规模没有在人口抽样调查数据中得到反映。）。应该说这一数字基本反映了城市中农村长期流动人口的规模，而构成这些流动人口的主体是就业型的农村流动劳动力。
我们还根据1995年全国1 %人口抽样调查的汇总数据对各个省份的外来人口、城市中外来人口以及外来人口的地区来源构成进行了估算。从表1可以看出， 外来人口以及城市中外来人口在省份之间的差异是较为明显的。广东省的外来人口多达近420万，占全国总数的14.4%。 除此之外，一些经济较为发达的沿海地区的外来人口也占有较高的比例，例如，北京、上海、天津、辽宁、江苏、浙江、福建、山东、广东9 个省份的外来人口达到1470.4万， 占全国长期流动的外来人口总数的 50.6%。而一些西北部落后省份的外来人口的比例就低得多，例如宁夏、青海、甘肃三省的外来人口之和不足70万，只相当于江苏省外来人口的28%。在吸纳外来农村劳动力方面，不同省份的城市之间的差异更为显著。同样地，越是经济发达的地区，吸引的外来农村人口的数量也就越多。城市中外来农村人口广东省多达182万， 约占全国城市中外来农村人口总数的19%；江苏省也多达85.8万，占全国总数的约9%； 北京市约为38万，约占全国总数的4%；上海市约为36万，占全国总数的3.7%，其中94%来自于外地的农村地区。
二、劳动力流动对农村内部收入增长和分配的影响
从现有的文献和研究成果来看，中国农村被普遍认定为是一个劳动力剩余的经济。从理论上讲，在一个存在剩余劳动力的经济中，部分劳动力的流出无疑会有助于流出地的收入增长。同时还应该注意到，由于中国农村内部存在着生产资源特别是土地自由流动的障碍，在理论上我们所预期的劳动力流动产生的收入增长效应可能在实际经济中难以充分显现出来。这就需要利用抽样调查数据对此效应做进一步的经验分析。
（一）外出劳动力户与非外出劳动力户收入的比较
可以把全体农村劳动力分为外出劳动力和非外出劳动力，把全体农户分为外出劳动力户和非外出劳动力户。在此分类的基础上，我们借助经济研究所1995年居民收入抽样调查的农户数据和前述有关推算，首先计算了全国和分省的外出劳动力户和非外出劳动力户的人均收入和每个劳动力创造的平均收入，结果见表2。
表2.中国农村外出劳动力户与非外出劳动力户收入的比较（1995年）
样本量: 农户人均收入(元)
外出劳非外出
外出劳
非外出
动力户
劳动力户 动力户 劳动力户
全国平均 1641 6332 2074 2104
北京
2
98 2627 4824
河北 78 416 1404 1816
山西 51 248 1443 1216
辽宁 22 277 2251 1977
吉林 55 244 2366 1963
江苏 90 409 3718 3628
浙江 50 348 2396 3795
安徽 139 310 1537 1759
江西 147 202 1800 1617
山东 126 570 2906 2560
河南 102 597 2170 1603
湖北 36 365 1787 1727
湖南 129 370 1499 1435
广东 143 354 3671 4306
四川 238 560 1759 1408
贵州 80 219 1367 1233
云南 31 268 1189 1391
陕西 67 233 1612 1291
甘肃 55 244 1090 1047
农户劳动力平均收入(元)
外出劳
非外出
动力户 劳动力户
全国平均
32433777
北京 41277974
河北 27813915
山西 31872695
辽宁 40343369
吉林 37953797
江苏 53865473
浙江 33726045
安徽 24643290
江西 28443149
山东 40984151
河南 36192925
湖北 26662986
湖南 24502971
广东 57098564
四川 24442264
贵州 19952423
云南 16982481
陕西 30672965
甘肃 19851957
资料来源：中国社会科学院经济研究所1995年居民收入抽样调查农户调查数据。下同。
说明：①外出劳动力是指1995年在外就业或寻找工作1 个月以上的劳动力；
②表中外出劳动力户是指家中至少有一个外出劳动力的住户。
从表2不难看出，就全国平均水平而言， 外出劳动力户的人均收入水平略低于非外出劳动力户，大约低1.5%， 而其每个劳动力的平均收入比非外出劳动力户低16%。不过这样一种情况在不同的省份是有所不同的。在我们的19个样本省份中，外出劳动力户的人均收入比非外出劳动力户低的省份有6个，大多是一些经济较为发达的省份，如广东、 浙江等。表2 中最后两列数字大致反映了当地外出劳动力和非外出劳动力在劳动报酬上的差异。在19个样本省份中，外出劳动力户中劳动力的平均收入低于非外出劳动力户的省份有13个，高于的省份有6个。这6个省份分别是甘肃、陕西、四川、河南、辽宁、山西，它们在经济上都是比较落后的，外出劳动力在外务工所得到的劳动报酬明显高于在当地务农的收入水平，因此在统计上表现为外出劳动力户的平均劳动力收入高出非外出劳动力户。此外，还有一些省份如吉林、江苏、山东，其外出劳动力户的平均劳动力收入与非外出劳动力户相差无几，说明这些省份中的外出打工人员大多是在省内流动的，或者原来属于当地的低收入者，通过外出打工才能使得其收入达到当地的平均水平。还有一些经济更为发达的地区，具有强烈外出打工意愿的劳动力都是在当地不易获得较好工作机会和较高收入的，他们即使通过外出打工弥补收入不足，其收入水平也仍低于当地劳动力的收入水平，如广东的情况就是如此。
（二）农户收入增长的估计结果
应该说，从以上的比较结果得出劳动力流动无助于农户收入增长的结论是过于简单化了，因为决定家庭收入的因素，除了劳动力之外，还有土地、生产性资产等其他生产要素。此外，中国农村地域性差异非常之大，地区之间发展的不平衡性和地区内部相对独立的财政政策也构成了影响收入差距的重要因素。为了把劳动力之外的影响因素加以控制，我们采用收入函数的估计方法对劳动力流动产生的收入增长效应做了重新估计（表3）。在农户收入函数中， 我们引入了土地变量（分为水浇地和旱地）、生产性资产（现值）变量以及省份虚拟变量。在具体估计时，我们设定了两个方程。在一个方程中，农户的外出劳动力数量和非外出劳动力数量被作为两个独立的解释变量，其系数估计值可以解释为对农户收入增长的边际贡献率；在另一个方程中，在把农户的劳动力总数作为解释变量的同时，又引入了外出劳动力户和非外出劳动力户作为虚拟变量。当非外出劳动力户被处理为省略变量时，非外出劳动力户的劳动力的边际贡献率等于劳动力总数这一变量的系数估计值，而外出劳动力户的劳动力的边际贡献率则等于劳动力总数变量的系数估计值加上非外出劳动力户虚拟变量的系数估计值。
表3. 中国农户收入函数的估计结果（1995年）
解释变量与统计指标变量均值或比例
水浇地(亩)4.20
旱地(亩) 3.35
生产性资产现值(元)2727.8
劳动力总数2.45
外出劳动力 0.265
非外出劳动力2.185
外出劳动力户(虚拟)0.21
非外出劳动力户(省略) 0.79
省份虚拟变量:
北京(略)
河北 0.062
山西 0.035
辽宁 0.035
吉林 0.037
江苏 0.063
浙江 0.050
安徽 0.057
江西 0.045
山东 0.088
河南 0.087
湖北 0.051
湖南 0.062
广东 0.063
四川 0.101
贵州 0.038
云南 0.038
陕西 0.038
甘肃 0.038
截距 1.000
Adj-R[2]
F-value
被解释变量均值
被解释变量:农户可支配收入
方程1 方程2
解释变量与统计指标
系数估计值 系数估计值
水浇地(亩) 0.00009 0.00009
旱地(亩)
-0.0064[***] -0.0069[***]
生产性资产现值(元) 0.00002[***] 0.000019[***]
劳动力总数
0.108[***]
外出劳动力 0.170[***]
非外出劳动力
0.076[***]
外出劳动力户(虚拟)
0.094[***]
非外出劳动力户(省略)—
省份虚拟变量:
北京(略)— —
河北-0.884[***]
-0.883[***]
山西-1.174[***]
-1.169[***]
辽宁-0.803[***]
-0.837[***]
吉林-0.905[***]
-0.917[***]
江苏-0.344[***]
-0.359[***]
浙江-0.411[***]
-0.430[***]
安徽-0.869[***]
-0.898[***]
江西-0.802[***]
-0.823[***]
山东-0.729[***]
-0.751[***]
河南-0.888[***]
-0.897[***]
湖北-0.916[***]
-0.935[***]
湖南-1.047[***]
-1.063[***]
广东-0.105[***]
-0.127[***]
四川-1.188[***]
-1.213[***]
贵州-1.147[***]
-1.166[***]
云南-1.107[***]
-1.132[***]
陕西 1.152[***]1.154[***]
甘肃-1.282[***]
-1.299[***]
截距 9.345[***]9.264[***]
Adj-R[2] 0.232
0.239
F-value 104.0
108.0
被解释变量均值
8.744
8.744
样本户
78257825
说明：①外出劳动力和外出劳动力户的内涵同表2；
②系数估计值右上角***表示该估计值在1%置信水平下是显
著的，**表示在5%置信水平下是显著的，*表示在10%置
信水平下是显著的。以下各表相同。
从方程1的估计结果看， 外出劳动力变量和非外出劳动力变量的系数估计值在统计上都是高度显著的，也就是说它们是通过统计检验的。同时，我们可以看到，外出劳动力对家庭总收入的边际贡献率明显地高于非外出劳动力的边际贡献率，前者比后者高出近10 个百分点。 按照1995年全国农村农户平均收入6270元计算，一个外出劳动力将比一个留在当地就业的劳动力平均多挣600元左右。 由此我们可以得出结论认为，外出劳动力的边际劳动报酬率明显地高于非外出劳动力。这一结论也得到了表3中方程2估计结果的有力支持。当外出劳动力户作为虚拟变量被引入方程2后， 该虚拟变量的系数估计值意味着外出劳动力户的平均的边际劳动贡献率比非外出劳动力户高出9.4个百分点， 而且这一系数估计值在统计检验上是高度显著的。
表3 的估计结果仅仅表明了外出劳动力的边际劳动报酬率要高于非外出劳动力。这也正是外出劳动力所产生的收入增长的一个方面的效应。其次，外出劳动力户中的一部分劳动力的流出过程也就意味着其内部资源特别是劳动力资源的重新配置过程。对于存在着剩余劳动力的农户来说，一部分劳动力流出后，其余劳动力尤其是从事农业的劳动力的边际劳动生产率会相应地提高。这也是我们前面提到的关于农村劳动力流动影响农户收入增长的另一个方面的效应。它也是我们关于农村劳动力流动促进农户收入增长的一个假说。如果这一假说是成立的，那么与非外出劳动力户相比，在外出劳动力户的生产（收入）函数中非外出劳动力变量也会表现出较高的系数估计值。
为了验证上述假说，我们分别对外出劳动力户和非外出劳动力户的收入函数进行了估计。在外出劳动力户的收入函数中，外出劳动力人数和非外出劳动力人数被引入作为劳动变量；而在非外出劳动力户的收入函数中，劳动变量也就是非外出劳动力人数。在对两个收入函数进行估算的基础上，对非外出劳动力人数这一变量的系数估计值进行比较将是非常有意义的。因为在其他条件相同的情况下，两组收入函数中非外出劳动力变量的系数估计值的差异反映了两组农户内部非外出劳动力对家庭总收入的边际贡献率的差异，也反映了他们的劳动报酬率的差异，或者他们的边际劳动生产率的差异。根据这一思路，我们分别对全部农户样本进行估计，同时也对各个省的样本进行了估计。表4 给出了部分有效的估计结果（注：表4中只列出了9个省份的估计结果，因为这些省份的劳动力变量的系数估计值大多是通过了统计检验的。其余省份都存在着劳动力变量的系数估计值统计上不显著的问题，故没有讨论的必要。）。
表4. 外出劳动力户与非外出劳动力户生产函数的比较
系数估计值:
外出劳动力 非外出劳动力
全国:外出劳动力户方程 0.186[***]0.099[**]
非外出劳动力户方程 0.069[**]
安徽:外出劳动力户方程 0.420[***]0.113
非外出劳动力户方程 0.038
河南:外出劳动力户方程 0.248[**] 0.113[**]
非外出劳动力户方程 0.064[**]
湖南:外出劳动力户方程 0.238[**] 0.130[***]
非外出劳动力户方程 -0.014
广东:外出劳动力户方程 0.214[**] 0.025
非外出劳动力户方程 -0.032
四川:外出劳动力户方程 0.339[***]0.083[**]
非外出劳动力户方程 0.061[**]
贵州:外出劳动力户方程 0.190 0.078[*]
非外出劳动力户方程 0.040
云南:外出劳动力户方程 0.272[*] 0.223[**]
非外出劳动力户方程 0.029
陕西:外出劳动力户方程 0.580[**] 0.147[*]
非外出劳动力户方程 -0.0003
甘肃:外出劳动力户方程 0.035 0.128[**]
非外出劳动力户方程 0.033
Adj-R[2] F-value 样本户
全国:外出劳动力户方程 0.267
27.01641
非外出劳动力户方程0.225
83.86184
安徽:外出劳动力户方程 0.2384.07 50
非外出劳动力户方程0.0575.64308
河南:外出劳动力户方程 0.2006.02102
非外出劳动力户方程0.12922.5580
湖南:外出劳动力户方程 0.2037.51129
非外出劳动力户方程0.0344.18358
广东:外出劳动力户方程 0.1305.24143
非外出劳动力户方程0.0929.75347
四川:外出劳动力户方程 0.1116.93238
非外出劳动力户方程0.08814.3553
贵州:外出劳动力户方程 0.1253.25 80
非外出劳动力户方程0.0141.76217
云南:外出劳动力户方程 0.3354.02 31
非外出劳动力户方程0.124
10.28264
陕西:外出劳动力户方程 0.0912.31 67
非外出劳动力户方程0.0041.23231
甘肃:外出劳动力户方程 0.1312.62 55
非外出劳动力户方程0.398
40.52240
说明：全国和各省的农户收入函数回归方程中都引入了土地和生产
性资产变量，限于篇幅，表中没有给出它们的系数估计值。
现在先讨论表4中全国模型的估计结果， 外出劳动力户方程和非外出劳动力户方程的拟合程度和估计结果都是令人满意的。从 Adj-R[2]的数值可以知道，两个方程中的生产要素解释变量对两种农户可支配收入差异的解释能力都超过了20%，外出劳动力人数变量和非外出劳动力人数变量的系数估计值在统计检验上都是高度显著的。更为有意义的是，外出劳动力户方程中的非外出劳动力人数变量的系数估计值为0.099，而非外出劳动力户方程中的相同变量的系数估计值为0.069， 也就是说前者比后者高出约3个百分点。这说明，同样是非外出劳动力， 他们在外出劳动力户的边际劳动生产率要高于他们在非外出劳动力户的边际劳动生产率（注：由于两种农户的家庭人均收入的差别很小，所以外出劳动力户中的非外出劳动力对家庭总收入的贡献的绝对水平也高于非外出劳动力户的非外出劳动力。）。这一发现也就支持了我们以上的假说，即外出劳动力不仅能够获得更高的劳动报酬率，而且他们的流动还会对家庭中其他劳动力的劳动报酬率的提高产生积极的影响。
也许人们会提出这样的问题，即外出劳动力户中非外出劳动力的较高报酬率是否可能来自于其较高的人力资本水平，而与其家庭内部资源的重新配置无关。为了回答这一问题，我们计算了外出劳动力户和非外出劳动力户中非外出劳动力的平均受教育年限。其结果显示，虽然外出打工者的平均受教育年限比非外出劳动力户中的劳动力的平均受教育年限高出1.24年，前者为8.28年，后者为7.04年，但是外出劳动力户中的非外出劳动力的平均受教育年限只有6.14年。这说明外出劳动力户中非外出劳动力的较高报酬率是与其自身人力资本的水平无关的。当然，不可否认外出劳动力的人力资本可能会有溢出（Spillover）效应， 会间接地影响到家庭中其他劳动力的生产率。但是，这一点又是很难测定出来的。
此外，我们还利用相同的收入函数形式对各个省的农户样本进行了估计。在19个省份中，10个省份的回归结果是不够理想的。有的省份不具有足够的样本量；有的省份收入函数中几个劳动变量的系数估计值在统计上不显著，因而不具有比较的意义。值得欣慰的是，9 个省份的回归结果是有意义的。在表4中，我们给出了这9个省份的估计结果的一些重要参数。通过对其中每个省两种农户收入函数中的非外出劳动力人数变量的系数估计值做比较，我们可以发现外出劳动力户收入函数中的这一系数估计值总是大于非外出劳动力户收入函数中的这一系数估计值，虽然个别的系数估计值在统计检验上不显著。这些估计结果也就进一步支持了我们关于农村劳动力流动也有助于家庭内部其他劳动力劳动效率的提高的假说。
（三）收入分配效应的分析
对农村劳动力流动所产生的农村内部收入分配效应的分析可以从两个方面进行。一个方面是仅仅考察外出劳动力汇回和带回的收入对收入分配的影响。这里假定外出劳动力在外获得的打工收入除了用于个人在外消费之外，其节余部分汇回或带回后即可以视作家庭总收入的一部分，也可以视为其他家庭成员获得的转移收入。这一假定更适用于那些劳动力长期在外流动的农户。这时我们可以把长期在外流动的劳动力看做家庭非常住人口，只计算家庭常住人口的人均收入，并在此基础上测算出包括和不包括汇（带）回收入在内的收入差距，从而就可以知道汇（带）回收入影响农村内部收入差距的程度。这种研究思路在现有文献中是比较常见的。特别对一些发展中国家来说，劳动力流动和人口迁移是同一个过程，劳动力外出后与原有家庭的经济联系只剩下了汇款这样一种形式。
另一种研究思路是在估计外出劳动力的机会成本（或机会收入）的基础上，对外出劳动力的实际收入与其机会成本进行比较并分别计算它们所引起的收入差距的变动。这里也存在着假定条件，即假定外出劳动力如果仍留在农村只能获得等同于机会成本的收入，也就是说流动给劳动力带来的额外收入应该等于其实际收入与机会成本之间的差额。当我们考察劳动力流动所产生的收入分配效应时，主要是分析这部分差额对收入差距变化的影响。从分析技术上讲，这种研究思路所要求的分析手段更复杂一些，这是因为外出劳动力的机会成本需要利用农户生产（收入）函数进行估计。
值得庆幸的是，中国社会科学院经济研究所1995年居民收入抽样调查的农户数据为上述两种研究思路的尝试提供了可能。在该组数据的农户分项收入中，外出劳动力汇回或带回的收入被作为其中的一项列出，同时数据中也有个人特征变量用以区分家庭常住人口和非常住人口。在7998个有效农户样本中，1182 户获得过外出劳动力的汇款， 户均额为2190元，占其户均可支配收入的25.1%。就全体农户样本而言，获得的户均汇款额为25元，占户均可支配收入的3.8%。 这样一种情况在不同省份是有所不同的。表5 给出了不同省份中获得汇款的户数及其占总样本的比重、户均汇款额等信息。从中可以看出，不同省份之间的差异性是相当明显的，这也就要求我们在考察外出人口汇款对农村总体收入差距的效应的同时，还需要考察外出人口汇款对农村内部地区之间收入差距的变动产生的影响。
表5. 中国农村外出人口汇款及其占家庭收入的比重
获得外出人口
户均汇款额(元)
汇款的户数 比重(%) 获汇款户 全部农户
全国 1182 14.8 2190 324
北京 1 1.0 2500
25
河北50 10.0 2073 208
山西46 15.3 1374 211
辽宁 7 2.3 1695
40
吉林22 7.3 2380 175
江苏21 4.2 3807 160
浙江46 11.5 2489 286
安徽
132 29.3 2061 604
江西
131 37.4 2219 830
山东64 9.1 2221 203
河南63 9.0 1641 148
湖北24 6.0 2137 128
湖南
117 23.4 1864 436
广东
118 23.6 4045 955
四川
198 24.8 2097 520
贵州43 14.3
965 138
云南30 10.0 1347 135
陕西41 13.7 1945 266
甘肃28 9.3 1023
95
占总收入的比重(%)
获汇款户 全部农户
全国
25.1 3.8
北京9.4 0.1
河北
28.3 2.8
山西
27.4 4.2
辽宁
24.0 0.5
吉林
27.5 2.3
江苏
27.4 1.2
浙江
29.5 2.1
安徽
28.6 8.6
江西
26.6 10.1
山东
17.7 2.0
河南
18.3 2.0
湖北
23.5 1.8
湖南
29.3 7.3
广东
23.0 5.0
四川
27.8 9.1
贵州
16.1 2.4
云南
24.6 2.2
陕西
29.3 4.3
甘肃
21.1 1.9
为了从数量上理解农户中外出劳动力汇款对农村内部总体收入差距的影响程度，我们分别计算了包括汇款和不包括汇款在内的农村个人可支配收入的洛伦茨曲线和基尼系数。基尼系数给出了收入差距的总体情况，而从洛伦茨曲线的变化则可以看出不同收入组的收入水平对外出劳动力汇款的反应情况。从表6中，我们知道1995 年中国农村内部个人可支配收入的基尼系数是0.411。 如果从个人可支配收入中扣除外出劳动力汇款后，个人收入的基尼系数是0.431，它比前一个基尼系数高出2个百分点。换句话说，在包括了外出劳动力汇款后农村个人可支配收入的基尼系数下降了2个百分点， 这说明农村外出劳动力的汇款收入是有助于缩小农村内部收入差距的。表中的洛伦茨曲线的变化对以上结论也给予了支持。从第2等分组到第7等分组，由于外出劳动力汇款的影响，每组收入在总收入中的份额都有所增加，平均增加3个百分点左右。 应该指出的是，相对说来最低收入组和高收入组（如第8 组以上）从外出劳动力汇款中获益较少，这也是与我们所观察到的农村中的低收入户和高收入户劳动力都具有低度流动性的现象相一致的。前者可能由于不能支付必要的流动成本和难以承受流动的风险而无法流动，后者则由于流动的机会成本过高而不愿意流动。在表6的最后一列， 我们列出了每一等分组获得的外出劳动力汇款占其总收入的比重，其目的也是为了有助于进一步说明汇款在不同等分组之间的分布情况及其对收入分配的影响。
表6. 外出人口汇款的收入分配效应：洛伦茨曲线和基尼系数
等分组 个人可支配收入 扣除外出人口汇款后
的累积比重的个人收入
第1组
0.02270.0235
第2组
0.06210.0593
第3组
0.11060.1041
第4组
0.16830.1587
第5组
0.23590.2232
第6组
0.31510.2992
第7组
0.40820.3900
第8组
0.51960.5018
第9组
0.66570.6503
第10组 1.00001.0000
Gini Coefficient 0.411 0.431
Coef.of Variation1.218 1.266
等分组 汇款占可支配
收入的比重(%)
第1组
17.3
第2组7.1
第3组5.8
第4组6.1
第5组5.1
第6组4.3
第7组4.0
第8组2.9
第9组4.5
第10组
1.6
Gini Coefficient
Coef.of Variation
说明：①个人样本共有34739个；
②等分组是根据个人收入从低到高进行划分的。
为了进一步从数量上估计外出劳动力汇款对农村内部总体收入差距的贡献程度，我们依据基尼系数的分解公式（注：总收入的基尼系数的分解公式可以写成：G＝ΣUiCi，其中Ui是第i项收入在总收入中的份额，Ci是第i项收入的集中率。 分项收入集中率的计算方法与其基尼系数基本上是相同的，不同的是基尼系数计算是按该项收入排序的，而集中率的计算是按总收入排序的。第i 项收入对总收入不均等程度的贡献率可以表示为Ri＝UiCi／G。）， 对个人可支配收入中的两部分即外出劳动力汇款收入和扣除汇款后的个人收入的集中率以及它们在总收入中的份额进行了计算，其计算结果如表7所示。 个人可支配收入中汇款收入的集中率是相当低的，仅为0.170，远低于总收入的基尼系数， 更低于扣除汇款后个人收入的集中率。虽然汇款收入在个人总收入中的份额为3.8%，但是它对总收入的不平等程度的贡献率仅为1.57%。 在这里我们不妨再做一些模拟分析。如果假定两部分分项收入的集中率是不变的，当汇款收入在总收入中的份额从现有的3.8%分别上升到10%和20 %时，总收入的不均等程度会发生什么变化呢？我们计算的结果表明，个人总收入的基尼系数将由现有的0.411下降为0.396和0.371， 将分别下降1.5个和2.5个百分点。这些模拟分析的结果进一步表明，如果能够通过不同的方式促使低收入户劳动力向外流动，对抑制农村内部收入差距的扩大会产生更大的积极作用。
表7. 农村总体收入差距的分解分析：外出人口汇款的收入分配效应
分项收入 GINI or
Proportion of total
Concentration ratio
income(%)
外出劳动力汇款0.1702
3.8
扣除汇款后可支配收入 0.4207 96.2
可支配收入0.4113 100.0
分项收入 Contribution to total
inequality(%)
外出劳动力汇款 1.57
扣除汇款后可支配收入 98.43
可支配收入100.0
第二种研究思路是这样的，首先分别估计外出劳动力户和非外出劳动力户的收入函数，从中可以得到外出打工户中外出劳动力和非外出劳动力对家庭总收入的边际贡献率和非外出打工户中劳动力的边际贡献率。后者还可以看做前者的机会收入，也就是说，如果家庭劳动力都不外出打工，他们对家庭总收入的贡献率就应该等同于非外出打工户中的劳动力的边际贡献率。对于这样一种研究思路，我们可以用计量模型来说明如下。对于外出打工户来说，其收入函数可以表示为：
Log（Ym）＝βmo+βm1Lm+βm2Ln+ΣβmiXi+ε
（1）其中Ym为家庭总收入，βmo是家庭收入函数中的截距，可以看做外出打工户的技术进步率，βm1是家庭中外出打工人数（Lm）对家庭收入增长率的边际贡献率，βm2是家庭中非外出打工人数（Ln）对家庭收入增长率的边际贡献率，Xi是其他生产要素变量和控制变量，ε是随机项。对于非外出打工户来说，其家庭收入函数可以用下式表示：
Log（Yn）＝βno+βn2Ln+ΣβniXi+ε
(2）其中的一些变量和参数的解释与（1）式是基本相同的。（2）式中的βn2既是非外出打工户中劳动力对家庭收入增长的边际贡献率，也可以看做外出打工户中劳动力的机会收入贡献率。
对于全部样本来说，我们利用（1）式和（2）式可以获得两组预测收入（predicted income）。一组预测收入（Yp）是由（1 ）式得到的外出打工户的预测收入和（2 ）式得到的非外出打工户的预测收入构成的；另一组预测收入（Yo）都是由（2 ）式得到的外出打工户和非外出打工户的预测收入构成的，其中的外出打工户的预测收入实际上是其预测的机会收入。在表8中，我们分别计算了全部农村样本、 广东省样本和四川省样本的两组预测收入的几个不均等指数（注：选择广东省和四川省作为重点分析省份是基于这样几点：第一，两省都是农村外出劳动力比例比较高的省份，如表1所示；第二， 广东省属于沿海地区经济发达的省份，而四川省则属于西部不发达省份的代表，它们分别代表了不同发展水平的地区；第三，两省的外出打工户样本和非外出打工户样本具有一定的数量规模，便于分别做收入函数估计。）。应该注意的是，这里的计算是以个人样本为单位的，而不是以家庭或住户为单位的。
从表8可以看到，在全部农村样本的估计中， 虽然根据两组预测收入计算的基尼系数的差异并不是非常明显，但是第二组预测收入的基尼系数显示的不均等程度仍略高于第一组预测收入。两组预测收入的基尼系数没有显示出较大的差异，这也是与基尼系数这一不均等指数的自身缺陷有关。基尼系数在用于测量不均等程度时，它的主要缺陷，也是经常受到学者们批评的一个主要原因，就是它对偏低收入组之间的收入转移不敏感。这一点从表8 中给出的洛伦茨曲线的变化中也可以得到说明（注：从表8中全部农村样本洛伦茨曲线的变化可以看出，相对于Yo 来说，Yp的第2、4、5等分组的收入份额都有所增加。 然而基尼系数对这种变化的反应是微不足道的。）。表8 中变异系数所显示的两组预测收入不均等程度的差异稍微大一些，Yo的变异系数比Yp的变异系数高出2.3%，由此我们可以认为，虽然不同的不均等指数所反映的差异程度有所不同，但是其基本含义是一致的，即如果外出打工户中的外出劳动力仍留在原地就业的话，农村内部的总体收入差距只能会更高。
表8. 外出人口的收入分配效应：洛伦茨曲线和基尼系数
等分组全部农村样本 广东农村四川农村
Yp YoYp YoYp
Yo
第1组0.0445
0.0445
0.0541
0.0551
0.0517
0.0580
第2组0.1016
0.1015
0.1205
0.1219
0.1173
0.1298
第3组0.1669
0.1669
0.1938
0.1944
0.1925
0.2108
第4组0.2399
0.2395
0.2734
0.2721
0.2761
0.2983
第5组0.3207
0.3200
0.3592
0.3584
0.3694
0.3913
第6组0.4092
0.4089
0.4511
0.4442
0.4700
0.4969
第7组0.5079
0.5079
0.5512
0.5446
0.5788
0.6054
第8组0.6249
0.6231
0.6617
0.6564
0.6991
0.7201
第9组0.7712
0.7680
0.7935
0.7898
0.8321
0.8505
第10组
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
Gini0.2686
0.2700
0.2134
0.2180
0.1856
0.1512
C.V. 0.7454
0.7624
0.4936
0.5479
0.3407
0.3452
说明：①Yp 是用家庭收入函数预测的个人收入（predicted personal income），Yo 是将外出劳动力的机会收入的估计系数代入到家庭收入函数后预测的个人收入；
②在做全部农村样本住户的收入函数的估计时，收入函数中引入了省份虚拟变量。
上述分析所得到的结论是就全国农村而言的，未必也适用于农村内部的不同地区和不同省份。为了进一步考察外出劳动力在不同省份所产生的不同的收入分配效应，我们利用相同的方法分别对经济上较为发达的广东省和较为落后的四川省进行了分析。其分析结果也被列入表8 之中。应该说，分析的结果是与理论上的推断相一致的。在经济较为发达的省份，外出劳动力大多出自于收入较低的家庭， 按照斯塔克（Stark， 1984 ）的解释， 他们具有更高的相对失落感（RelativeDeprivation），因而具有更强的流出动机； 同时他们外出打工的预期收入与其外出打工的机会成本之间的差额更大，通过外出打工可以提高其家庭收入，其结果会缩小他们与高收入家庭之间的收入差距。而在经济较为落后的省份，外出劳动力则大多出自于中等以上收入水平的家庭，而不是低收入家庭。这并不是因为低收入家庭中劳动力不愿意外出打工，而是因为他们没有经济上的能力来支付流动成本和承受流动风险。在经济落后的地区只有中等以上收入水平的家庭才能够负担日益增加的流动成本和承受各种可能的流动风险，这些家庭中的劳动力通过外出打工使得家庭收入水平更高，从而会进一步拉大当地的收入差距。 在表8中，对于广东省的样本来说，Yo的基尼系数比Yp的基尼系数提高了2.2%，Yo的变异系数比Yp的变异系数提高了11%，这些都表明外出劳动力对缩小广东省农村内部的收入差距产生了较为明显的作用（注：宋丽娜（Lina Song，1998）通过对邯郸地区7个自然村的调查数据进行分析后也得出了劳动力外出打工有助于缩小输出地的收入差距的结论。）；然而对于四川省样本来说，情况正好相反，虽然Yo和Yp的变异系数的差别很小，但是两者基尼系数的差别却比较明显，前者的基尼系数比后者的基尼系数低3.4个百分点， 这说明四川省的农村劳动力的外出正在扩大着该省农村内部的个人收入差距。这里应该指出的是，上述分析结果仅仅是两个省份的个案研究结果，是否能够从中得出一般性的结论，认为外出劳动力在有利于经济发达地区收入差距缩小的同时，也在造成经济落后地区收入差距的扩大，对此还需做进一步的经验分析（注：我们曾试图利用相同的方法对每个省份的样本进行估计，从而想发现Yp与Yo之间的基尼系数差异与省份收入水平之间的相关性，但是有些省份的样本量太小不足以做住户收入函数的估计，有些省份的住户收入函数的估计结果不太理想。）。
三、主要结论及相关政策建议
中国的城乡差距如此之大，使得政策制定者在农村劳动力流动这一问题上面对着两难选择。如果将现行的城乡分割的政策延续下去，将来由此而引起的问题会越来越多，而且越来越难以对付；如果取消现行的城乡分割政策，又有可能会诱发大批的农村劳动力和农村人口进城，造成严重的城市问题。但是应该看到，如果仍然坚持第一种选择，两难问题还是依然存在，而且解决起来难度会越来越大。
正是基于上述考虑，本文得出以下几点与政策选择相关的结论：
第一，农村劳动力流向城市已成为中国经济发展过程中的必然要求，它对于农村内部收入增长和收入分配具有积极影响，对于抑制城乡之间、地区之间、甚至于农村内部的收入差距的扩大无疑会起到一般收入再分配政策都无法替代的积极作用。通过农村劳动力流动这样一种劳动力市场化的过程来修正经济发展过程中的收入分配的不均等化，无疑是一种有效的合乎市场化要求的理性选择。而且，它不仅是与整个经济的市场化改革的目标相协调的，也是与城乡经济发展一体化这样一个发展战略目标相一致的。
第二，要对农村劳动力流动的合理性做出法律上的规范。也就是要建立一系列的法律、法规来保障农村劳动力享有流动的自由、择业的自由、选择居住地的自由；同时应该利用法律手段来限制有关地区和部门出于自身利益的考虑对农村劳动力流动制定一些“土政策”。虽然在短期内国家还难以出台一些全面的法规来保障农村劳动力流动的合法化，但是它应该被确定为一个中长期目标。现在地方政府特别是一些大城市政府纷纷出台的限制农村劳动力流动和就业的措施应该及时取消，因为它们是与建立全国统一的劳动力市场这一目标相背离的。
第三，对于中国这样一个农村劳动力占绝大多数的发展中国家来说，农村劳动力向城市流动将是一个长期的过程，因而整个社会和各级政府特别是中央政府对此应该有一个长远的考虑并制订出相应的长期发展战略规划、建立起与之相配套的组织协调机构。而现今各地实行的以城市局部利益为中心的限制农村劳动力流动与就业的种种政策，不仅是短视的，而且并不能从根本上解决农村劳动力流动问题以及城乡分割所引起的一系列问题。局部的、短期的政策只能是拖延问题的解决，到头来只能造成解决问题的成本更高。
第四，有关的研究表明（李实，1997a）， 农村流动劳动力对城市经济的负面影响是微乎其微的，它所产生的就业替代率仅为0.1左右。从长期来看，它会压低城镇职工的平均工资率和抑制城镇职工工资增长过快的趋势，这对于经济发展和经济增长都是一件好事。它会有助于扩大城镇内部专业技术人员和非专业技术人员之间的收入差距，这应该说是对中国传统工资管理体制的一种修正（李实，1997b）。 还应该强调的是，农村流动劳动力之所以对城镇本地劳动力产生就业替代效应，在很大程度上是因为农村流动劳动力就业的短期性和不稳定性，而后者又是与现行的限制农村流动劳动力的种种政策相关的。为了降低农村流动劳动力对城市劳动力就业的替代率，对就业于城市中的农村劳动力提供必要的就业保障和与城市居民同等的生活条件是完全必要的。
第五，在如何对待农村劳动力流动的问题上，我们对于以发展小城镇为主的政策主张是有异议的。农村劳动力流动完全是一种市场行为，他们是流向大城市还是小城镇是由其自身比较利益和机会成本决定的，而不是遵循计划者和政策决策者的计划和意愿。在这个问题上，政府能够做的是如何顺应这样一种市场行为，解决市场自身不能解决的问题。应该看到，农村劳动力流向城市后会带来城市的拥挤和交通等问题，从另一方面来说，这也暴露出中国城市基础设施建设相对落后的问题。解决这个问题，完全可以把农村劳动力流动结合起来考虑。比如，是否可以将“以工代赈”的办法引入到城市基础设施建设上来，与参加建设的民工签订合同，其中规定一个“以工代赈”的年限，如3—5年，在此期间民工只领取生活费，合同期满后领取一定的补偿基金。有了这部分补偿基金，民工可以选择在城市继续就业，也可以选择回乡务农。这样一种办法可以说是一举多得：一是政府通过“负债”的办法可以大量地利用农村过剩劳动力，财政负担压力较小；二是城市的落后市政建设得到改善；三是完成“以工代赈”合同的民工继续留在城市也不会给城市带来很多的社会问题，因为他们有了一定的收入保障。这样一种办法还可以与贫困地区和落后边远地区的扶贫措施结合起来考虑。我们的研究结果也表明，在相对落后的地区，低收入户的劳动力的流动倾向和可能性比较低，其原因在于他们不具有经济上的能力来对付流动所引发的不确定性和风险。因而，流动不能成为他们脱贫的一种有效的自发选择。政府通过有计划地将他们组织起来参与上述的“以工代赈”工程，也就不再存在他们自发流动遇到的不确定性和风险问题。对于政府来说，这也是解决落后地区贫困问题的一项较好的政策选择。
第六，应该充分利用市场的力量来抑制农村劳动力向城市的过度流动。这就是通过城市的“生存成本”来发生作用。如果农村劳动力在城市获得的收入不足以支付其“生存成本”即最基本的生活费用，那么他们就不可能在城市长期逗留下去。重要的是，不管是城市劳动力还是农村流动劳动力，面对的“生存成本”应该是同等的。为了达到这一目的，城市中包括住房、医疗在内的福利制度的进一步改革是必不可少的。在形成决定工资的市场机制的同时，要不断地减少无偿的福利性分配的范围和数量。“生存成本”不仅会抑制农村劳动力向城市的过度流动，而且会抑制大城市的过度膨胀，过高的“生存成本”会迫使一部分大城市居民流向中小城市或小城镇。
第七，一旦城乡统一的劳动力市场形成和城乡劳动力自由流动机制建立起来，流动本身会有助于缩小城乡之间的收入差距，这反过来会减慢农村劳动力流向城市的规模和速度。也就是说，城乡之间劳动力的自由流动会逐步引致一种自我调节的机制。
＊左学金、朱玲、贾浩、J.Knight等对本文的修改提出了一些有价值的建议。魏众参与了本文的一些计算工作。本文得到了福特基金会、亚洲开发银行和华盛顿中国问题研究中心的资助。在此表示感谢。