中国农民工多维贫困的演进——基于收入与教育维度的考察，本文主要内容关键词为：多维论文,维度论文,农民工论文,中国论文,贫困论文，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。
随着城市化不断推进，越来越多的农民由农村向城市流动寻求就业岗位和个人发展，形成规模庞大的农民工群体。近年来，农民工的收入普遍提高，不少农民工摆脱了经济贫困。2012年农民工总量达2.69亿，外出农民工的人均月收入水平为2290元，比上年提高241元，增长11.8%。同期，全国城镇居民人均可支配收入24565元，实际增长9.6%(国家统计局，2013；国家统计局住户调查办公室，2013)。从收入数据看，农民工收入在增加，且增加幅度相对城镇居民较高。按照阿玛蒂亚·森的理论，个人发展中的可行能力(available capability)是衡量个体贫困程度的核心指标。从动态发展的角度看，人的贫困并不能仅仅采用收入进行衡量，而需要从可行能力和自由的多个维度进行考察(Sen，1999)，诸如政治自由、经济工具、社会机会、透明性保障、安全防护等。总体而言，可行能力和收入不平等对农民工福利水平存在负向影响(袁方和史清华，2013)。农民工摆脱了多维的贫困，其可行能力才得以改善，这促进他们融入城市，在城市沉淀下来，进而有助于持续推进城镇化。在多个维度的贫困研究中，收入和教育维度是反映个人发展和贫困状况的重要组成部分。本文将在综合考察农民工多维贫困演进的基础上重点从收入和教育两个维度进行分析。 已有的研究普遍认为，受教育程度和劳动者的人力资本积累呈显著的正相关关系。Lucas(1988，2004)提出人力资本的形成有两个主要来源：教育和干中学(learning by doing)。Becker et al.(1990)强调了教育的作用。大多数实证研究也采用了教育指标来度量人力资本。而且教育回报和人力资本积累差异是影响收入不平等的重要原因。徐舒(2010)建立基于技能偏向型技术进步的一般均衡模型，表明教育回报率的变化是引起我国劳动者收入不平等扩大的重要原因。邢春冰(2008)利用2005年全国人口普查数据考察了城镇地区农民工与城市职工的收入差距，Oaxaca-Blinder分解结果表明，教育水平始终是造成二者收入差距的最主要原因。王小鲁和樊纲(2005)通过模型分析发现，经济增长方面的因素、收入再分配和社会保障、公共产品、基础设施以及制度方面的因素对收入差距也有重要影响。上述研究为我们理解劳动者的人力资本与收入之间的关系做出了贡献。如果进一步从动态变迁的角度看，随着城市化的不断深入，中国农民工的可行能力是否得到了普遍提升，他们在收入增长的同时，其他维度的个人可行能力是否得以提升？尤其重要的是，在中国经济面临转型升级的今天对劳动者的素质提出了更高要求。作为庞大的农民工群体，其收入和文化素质的演变趋势如何，这值得我们深入研究。因此，本文在对农民工群体进行多维贫困测量的基础上，分析决定多维贫困演变的制度因素，重点关注收入和教育两个维度上农民工减贫的过程和演变规律，比较农民工和城市劳动者两个群体的多维贫困程度的演变及其原因。本文的研究结论为全面推进农民工融入城市和拓展减贫政策的思路提供参考。 我们基于Alkire & Foster(2011a)开发的A-F多维贫困测度方法开展研究。目前学界已有利用该指数测度贫困的研究。这些研究主要是利用A-F方法测度多维贫困的状况，比较各个维度的相对重要性，并希望通过对这些维度的分析和对比提供看待贫困的新的视角，提出减贫政策。Alkire & Seth(2013)测度了印度1999-2006年的多维贫困变化状况。王小林和Alkire(2009)采用A-F方法利用2006年中国健康与营养调查数据(CHNS)对中国城市和农村家庭多维贫困进行测量，并对城市和农村家庭三维贫困进行维度和地区的分解，分析中国农村和城市家庭多维贫困的维度差异和地区差异。邹薇和方迎风(2011)利用CHNS中1989-2009年的数据对中国居民的贫困状况进行考察，对多维贫困进行城乡、维度和地区分解，分析中国多维贫困变化。Yu(2013)利用CHNS中2000-2009年的数据估计中国的多维贫困。上述研究都是利用A-F方法以家庭为单位测度多维贫困，采用的指标大致相同，包含生活质量、教育、健康等，但是具体的维度和指标因数据和具体研究目的不同而有所变动。已有的文献对农民工多维贫困的动态演进趋势缺乏研究。 在本文中，我们重点关注农民工在收入与教育维度变动的状况。我们希望比较收入维度贫困与教育维度贫困以及其他社会福利维度之间的相对变化趋势，重点分析农民工收入与教育的变化。本文的动态比较发现：农民工的收入在稳步上升，但是其教育维度的贫困率没有改善，在2006年有上升趋势。此外，农民工教育维度对其多维贫困的贡献率也呈现迅速上升的趋势。 Liu(2001)基于越南的数据研究发现市场化改革显著降低了贫困；陶然和徐志刚(2005)认为中国在市场化转型过程中的快速经济增长使得贫困状况大为改观。因此，市场化的进程可能会是多维贫困变化的原因，我们将引入市场化程度作为制度变量对农民工和城镇劳动者多维贫困差距变化的影响机制和程度进行研究。 本文的主要贡献是：第一，首次尝试对农民工个人发展带来的多维贫困程度进行了测定，结合农民工和城市劳动者发展状况进行多维比较分析。第二，对农民工的收入和人力资本维度进行了动态分析，我们发现：教育和收入是本文测度的多维贫困的重要组成部分，这两个维度的贡献率呈上升趋势；农民工的教育和收入维度贫困率和多维贫困贡献率都高于城市劳动者。第三，引入市场化程度作为制度因素来解释农民工与城市劳动者之间多维贫困差距的变化。拓展本文研究的一个启示是：教育回报随着劳动者受教育程度的提高而增加，但是农民工的教育回报低于城市劳动者，而且其继续增加受教育程度的动力不足。故政府应在推进市场化改革的同时，关注如下可能发生的情形：农民工由于教育回报相对较低，教育投资不足，多维贫困改善的趋势难以持续，存在贫困的脆弱性。 二、A-F多维贫困测度方法 本文基于森的贫困剥夺理论，以Alkire-Foster(2011a，2011b)提出的贫困指数为基本分析框架(A-F指数)对多维贫困进行测度。本文的研究关注多维贫困乃至收入、教育维度贫困状况的动态变化，并探索产生上述维度贫困状况变动的可能原因。 A-F方法利用“双界线”法来识别贫困。第一步设定多维贫困的维度，第二步设定判断样本为贫困的维度界限值，即双重界限。第一层界限为识别样本在各维度是否被剥夺，第二层界限通过样本被剥夺的维度数识别样本是否为多维贫困。
介绍多维贫困计算方法之前我们首先阐述双界线识别方法的基本元素。 剥夺临界值：令向量
为剥夺临界值矩阵，用
表示个体在第j个维度被剥夺的临界值(j=1，2，…，d)。权重：令向量
为权重矩阵，
表示维度j在多维贫困测度中所占的权重，这个权重代表了各个维度的相对重要程度(j=1，2，…，d)。多维贫困指数中各个维度测量多维贫困指标的权重影响多维贫困的测量结果以及对所研究区域或群体贫困状态的判断。一般对A-F方法运用过程中采用的是等权重法。剥夺计数：令
，表示剥夺计数。它反映个体的被剥夺的广度。
(i=1，2，…n)表示个体i所经受的被剥夺的维度个数。识别函数：识别函数总结了上述实施步骤产生的结果，并且判定在给定剥夺临界值z，权重w和贫困临界值k的时候，个体是否为贫困。当个体为贫困时，识别函数取值为1，否则为0。
其中，n表示家庭户数，q表示在维度贫困线为k时的多维贫困人数。
前面已经介绍(剥夺计数)，
(k)表示维度贫困线为k时
的取值。贫困发生率H=q/n，A表示平均被剥夺份额。结合(1)式我们发现
=H×A。由此可以判断出：给定维度临界线下，多维贫困指数由贫困发生率和平均被剥夺程度决定。① 多维贫困按维度分解的计算公式如下： 计算各维度对多维贫困指数的贡献额：
。 定义
为j维度的多维贫困贡献额，
为多维贫困情况下j维度的贫困发生率。比如当考察二维贫困时，我们识别出发生二维贫困的劳动者后，再考察这些贫困者在各维度的贫困状况，其在j维度处于贫困的劳动者的个数就是我们需要的
。
为j维度的权重，本文为维度等权重，即权重均为1/4。然后可以计算出j维度对多维贫困的贡献率
为：
三、指标权重设置及数据处理 本文采用中国居民营养和健康调查(CHNS)数据，该调查由美国North Carolina大学和中国预防医学科学院联合执行。调查始于1989年，之后的调查年份为1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年。调查采用多级整群随机过程(multistage random cluster process)方法，覆盖了中国东、中和西部8—12个省份。②本文选取的样本为2000年至2009年进行的四次调查所得的个体面板数据，包括性别、年龄、受教育程度、身高体重、职业收入等个体信息，涉及的省份为广西、贵州、河北、湖北、湖南、江苏、山东、辽宁、黑龙江等9个省区。本文分析选取男性16—60岁，女性16—55岁，不包括残疾人的个体，经过教育、户籍、性别、年龄的匹配获得各年的有效样本。样本分布如表1所示。
表2反映了城市劳动者和农民工的教育水平变化状况。从教育程度来看，城市劳动者中，初中、高中和高中以上学历的人占绝大多数。其中，小学及以下学历的劳动者比例平稳下降，高中以上学历的劳动者占比总体上在增加。农民工中绝大部分人学历为初中及以下教育程度，高中以上受教育程度的农民工较少。③受教育程度为高中的农民工样本维持在20%上下波动。无论是从高学历劳动者所占比重还是从高学历劳动者比重变化趋势来看，城市劳动者受教育水平显著高于农民工。 从平均收入来看，不论在哪个教育程度上，农民工和城市劳动者的收入④都呈上升趋势。从城市劳动者来看受教育程度越高，收入越高；但是对农民工而言，教育程度与收入的趋势则不同。在2000年，受教育程度为初中与高中的农民工收入差异很小，甚至受教育程度为高中的农民工收入还略微低于初中程度的农民工。2004-2006年农民工收入随受教育程度的提高而增加，但是到2009年又不符合这种趋势，尤其是高中以上学历的农民工平均收入甚至低于初中和高中受教育程度的农民工。表2显示劳动者的收入和其受教育程度之间存在正相关关系，故农民工与城市劳动者之间的收入也可能存在着由教育水平造成的差异。
为了进一步观察农民工和城市劳动者的收入和教育等维度的相对变化趋势，我们采用前述A-F多维贫困测度方法测度和分解农民工和城市劳动者的多维贫困指数。本文中A-F法各维度及临界值是结合联合国千年发展目标的各个具体指标、个体样本特征和实际的数据可获得性来确立的。本文没有包含多数多维贫困指标中的生活质量维度，这是由于本文分析的主要对象是农民工，他们的工作、居住地点常常与其家庭所在地不一致，而CHNS中的生活质量维度相关信息是以家庭为单位调查获得的，导致农民工生活质量维度难以从数据中分离出来。又因为本文的重点在讨论农民工与城市职工在收入和教育维度贫困状况的变化趋势，没有进一步讨论农民工个人的生活质量，故这里没有考虑生活质量维度。我们选取四个维度考察劳动者的多维贫困状况，具体维度及指标见表3。
图1 全国劳动者、城市劳动者、农民工单维贫困发生率 数据来源：CHNS(2000，2004，2006，2009)。以下图2、图3同。 四、多维贫困的测度结果分析 (一)单维贫困发生率 表1中的样本包含了收入、教育、健康、年龄、医疗保险和工作信息的缺失值，而估计多维贫困必须去掉这些缺失的数据。我们将表1的数据进一步处理，删除缺失值后的样本量如表4。 利用表4描述的数据，我们首先计算出了全国劳动者、城市劳动者、农民工⑧在四个维度的单维贫困状况。具体结果见图1。 从收入维度来看，城市劳动者和农民工两类劳动者群体收入贫困发生率都在下降。城市劳动者的收入贫困发生率维持一个平稳的下降趋势，但农民工从2000年到2004年收入维度的贫困相较于城市劳动者下降缓慢，2004年以后比城市劳动者下降速度略快。出现这种状况的原因很可能与政府政策相关。中共中央在2003年下发的《关于完善社会主义市场经济体制若干问题的决定》，其政策要点是改善农村富余劳动力转移就业的环境，2004年和2005年的两个中央“一号文件”中都明确强调了“加快农村劳动力转移，改善农民进城就业环境，增加外出务工收入”，2007年到2008年的中央“一号文件”也都强调加强农村劳动力转移培训规模和提高补助标准加强农民工权益保障。这些政策⑨的颁布都旨在改善农民工的就业，促进其收入的增长。因此我们认为是因为这些政策的提出，在当时条件下给了农民工相对较好的就业环境和工资回报，所以其收入维度的贫困得到相对较快的缓解。 从教育维度来看，2000-2009年全国教育维度的贫困状况呈稳步的下降趋势，贫困发生率由27.25%下降为18.19%。其中城市劳动者教育状况显著好于农民工，也好于全国水平，呈现一种缓慢下降的趋势，贫困率由8.26%下降到4%。农民工的教育贫困发生率呈现微弱的倒U型演变趋势，变化幅度很小，维持在15%左右。形成这种状况的可能原因是由于农民工的教育回报总体下降，农民工较以往并不倾向于接受更高教育。 从医保维度看来，2000-2006年全国医保覆盖率有较大的进步，但是最为显著的好转发生在2006-2009年，这可能得益于我国各种社保医保政策，致使医保覆盖率提高相当迅速，医保维度贫困降到10%以下。从健康维度来看，2000-2009年全国劳动者的健康维度贫困发生率较为稳定，维持在5%—7%之间。城市劳动者健康维度贫困在2000-2006年呈稳定上升趋势，2009年有好转，历年健康贫困发生率低于全国水平。农民工的健康维度状况相比城市劳动者而言较差，而且波动较大，在2009年高于全国水平。 综合上述分析，无论是城市劳动者还是农民工，收入和医保维度剥夺状况都得到了较大的改善。然而在收入维度持续改善的同时其健康与教育维度的改善则并没有那么顺利，改善幅度也较低。农民工的教育维度贫困相较于城市劳动者严重：2000-2009年农民工的教育贫困发生率始终在15%左右，城市劳动者的教育贫困发生率则一直低于9%；2009年农民工教育贫困发生率为14.6%，城市劳动者为4%；2000-2009年农民工教育贫困发生率下降9.52%，城市劳动者下降51.48%。为了进一步比较农民工与城市劳动者各个维度贫困状况之间的变化与相对重要性，我们将测度多维贫困发生率，并对多维贫困按维度分解。 (二)多维贫困发生率 以1.25美元/人天的标准作为贫困线为例，我们计算出全国水平、城市劳动者和农民工的多维贫困状况，表5列出农民工和城市劳动者的多维贫困指数。
H为按人头计算的多维贫困发生率即FＧT方法(James Foster；Joel Greer；Erik Thorbecke，1984)，这一指标对贫困的分布和剥夺的深度不敏感。A是贫困剥夺份额。A-F法利用贫困剥夺份额调整多维贫困发生率H得到A-F法的多维贫困指数
。在表5中我们重点关注的是调整后的多维贫困
。 由表5我们可以看出，城市劳动者和农民工的一维贫困均有显著下降的趋势。城市劳动者一维贫困下降速度总体上慢于农民工，但是其一维贫困状况好于农民工。虽然农民工的二维贫困发生率一直高于城市劳动者，但是随着时间推移，二者之间差距越来越近。到了三个维度的贫困发生率阶段，城市职工的三维贫困发生率一直很低，2000年时三维贫困发生率为0.8%，此后其贫困发生率稳步下降，到2009年已经降为0.1%。农民工的三维贫困发生率状况2000年为2.1%，显著高于城市职工，到2009年农民工的三维贫困发生率为0.15%，非常接近城市劳动者。 就多维贫困发生率变化趋势看，劳动者的多维贫困均在显著下降，其中农民工的多维贫困发生率下降的速度非常快，与城市劳动者的差距在减小，2009年已经接近了城市劳动者。多维贫困是我们所构造的维度整体的趋势，我们能够从多维贫困发生率看劳动者多个维度贫困的整体变化，要分析是哪些维度的变化造成农民工和城市劳动者多维贫困差距变小，并进一步判断这些维度的作用相对大小，还需要对多维贫困进行分解。
图2 城市劳动者、农民工多维贫困发生率 (三)多维贫困的分解 1.多维贫困的维度分解 本文首先按照第二部分介绍的多维贫困按维度的分解方法对城市劳动者和农民工的多维贫困进行分解。 到2009年，全国和各种劳动者几乎不存在四个维度的贫困，因此我们的多维贫困按维度的分解也只进行到三维贫困。
分析表6可知：就各维度多维贫困的份额来看，2000-2006年医保维度的贫困是多维贫困的重要原因；随着医保普及，2009年其在多维贫困中的份额迅速下降，劳动者在医保维度的贫困得到了改善。多维贫困中的收入和教育维度多维贫困份额的绝对值也一直在下降。通过计算比较我们发现：农民工的收入维度在二维贫困发生率中的份额绝对数值下降幅度大于城市劳动者的相应数值，但是农民工的二维贫困中教育维度绝对份额的数值下降幅度小于城市劳动者。 结合图1、图2和表6我们知道医保维度是造成农民工和城市劳动者多维贫困相对差距缩小的一个原因。多维贫困逐年改善的同时，劳动者在收入和教育维度也在改善。收入和教育维度将会是劳动者多维贫困进一步下降的主要力量。那么这两个维度对多维贫困的相对作用大小怎样？它们又是以什么样的机制对劳动者多维贫困状况产生作用的呢？要回答这一问题，我们需要对这两个维度对多维贫困的贡献率进行比较。 2.农民工和城市劳动者收入与教育维度多维贫困贡献率比较 由表6我们发现3—4维度以上的贫困发生率比较小，故我们的多维贫困分解重点比较二维贫困发生率。图3是农民工和城市劳动者二维贫困发生率中收入和教育维度的贡献率。
图3 二维贫困下收入与教育维贡献率的比较 从不同的劳动者来看，收入与教育对多维贫困的贡献率均占较大份额。农民工这两个维度对多维贫困的贡献率都在上升而城市劳动者则在下降。在2000年伊始，农民工和城市劳动者的教育维度贡献率都高于自身收入维度贡献率。随着时间推移，城市劳动者的教育维度贡献率明显下降，在2006年以后已经低于收入维度的贡献率了。 对劳动者的贫困状况进行测算和分解后，我们发现农民工和城市劳动者的多维贫困状况得以改善，并且二者之间多维贫困的差距在缩小(见图2)。收入维度对劳动者多维贫困的贡献稳定，而农民工教育维度对多维贫困的贡献在上升。为了解释劳动者多维贫困变化的原因，我们首先引入制度因素对其进行解释，然后深入多维贫困内部分析收入和教育维度之间的关系。 五、多维贫困演变影响因素的探讨 为了进一步分析劳动者多维贫困变化的原因，我们重点考查可能影响农民工多维贫困的外生因素：经济制度因素。⑩本文制度因素度量的数据来自樊纲等(2011)。(11)我们用劳动者所在省的市场化指数作为制度的代理变量，将各省的市场化指数滞后了三年。(12)用滞后的市场化数据可以减轻市场化指数本身可能存在的联立内生性。已有研究发现社会网络能影响贫困(张爽等，2007)，所以我们在控制变量中加入劳动者社会网络(Net)。(13) 表7是模型所用到的关键变量的描述性统计结果。我们发现劳动者的多维贫困状况从0到4维都有涉及。本文采用固定效应模型(Hausman检验结果显示本数据适合固定效应模型)分别对劳动者多维贫困状况、最高受教育年限、收入的对数、医保状况和健康状况进行估计。控制变量加入了个体的社会网络、性别、年龄、年龄的平方、婚姻状况、所处地区和职业。回归结果见表8。回归结果显示，市场制度因素对劳动者的多维贫困状况存在显著影响。具体来说，市场化程度的提高有利于减少劳动者的多维贫困。通过对比城市劳动者和农民工的估计值我们发现市场化改革对农民工多维贫困的作用大于城市劳动者。这可以解释2000-2009年以来劳动者的多维贫困状况有了明显的好转，并且对农民工的多维贫困状况的改善尤其有利。到2009年，农民工的多维贫困状况已经接近城市劳动者。 为了进一步分析市场化缓解劳动者多维贫困的作用机制，本文对劳动者多维贫困的四个维度的原始指标值进行固定效应回归(表8)。研究发现，首先，市场化进程对农民工的教育状况没有显著的影响，但是对城市劳动者的教育水平是显著为负。其次，市场化进程对劳动者的收入和医保状况均是正向的影响，并且对农民工的影响程度显著大于对城市劳动者的作用。即市场化推进有利于劳动者收入的提高和医疗保险的覆盖，这种作用对农民工更显著。市场化对劳动者健康的影响不显著。
综合上述市场化指数对多维贫困各个维度影响的分析，我们认为可能存在如下影响机制：第一，市场化通过增加劳动者的收入和医疗保险的覆盖率来缓解多维贫困。由于市场化进程对农民工的收入及医疗作用更大，因此随着市场化的提高，农民工多维贫困状况的改善速度快于城市劳动者，这有助于缩小两个群体间多维贫困的差距。第二，市场化推进对劳动者教育水平总体上呈负向影响。其中，对城市劳动者的教育是显著负向，对农民工教育水平的负向作用不显著。从前面的分析我们知道历年城市劳动者的教育水平高于农民工，在这个层面上，市场化程度的作用是缩小这两个群体间教育维度贫困的差距。综合起来分析，一方面，市场化改革的推进可能促使更多的农民工有机会参与非农就业和城市劳动力市场，劳动力市场的发育和完善使得农民工具有更大范围的就业选择机会，更有利于他们可行能力的多维发展，这表现在收入、医疗保险维度的贫困得以缓解。另一方面，市场化程度提高，促成知识和信息在农村和城市传播更为迅速，农民工与城市劳动者群体之间在教育上的差距缩小，人力资本积累的差距在缩小，这使得农民工群体相对于城市劳动者教育维度的贫困下降速度更快。 市场化从收入和医保维度改善了多维贫困。这能够部分解释农民工与城市劳动者多维贫困的改善，也能解释其二者差距的减小。进一步，如果从劳动者多维贫困内部各个维度的关系分析，劳动者贫困状况又将如何变化呢？下文将重点对收入与教育维度进行讨论。 六、对收入与教育维度多维贫困的进一步讨论 教育和收入不仅是多维贫困的组成部分，也是其变化的重要因素。随着市场化改革推进，市场对劳动者的素质要求应有提升。此时，劳动者的教育在其多维贫困的变化中占有重要的作用。一旦劳动者教育维度状况恶化，会导致多维贫困的恶性循环式的恶化。 (一)数据处理、描述与估计方程 前面的分析我们发现收入与教育对农民工和城市劳动者的多维贫困有着较高的贡献率，且农民工的教育维度贫困率和多维贫困贡献率都高于城市劳动者。这样一来，很可能会不利于农民工的人力资本积累。下面我们进一步讨论农民工和城市劳动者的教育回报率的变化。 我们利用表1描述的样本来进行农民工和城市劳动者的教育回报率估计。本文测度的是农民工与城市劳动者的教育回报率，所以将数据中农民的样本删除。由于CHNS里面包含大量的收入缺失样本，若直接删除缺失数据可能会造成样本选择偏误，这样利用OLS回归得出的估计是有偏的，因此在估计教育回报时有必要考虑样本选择性偏误问题。我们在随后的分析中采用Heckman两步法检验和克服选择性偏误。表9描述了数据及主要变量的基本特征。
我们利用明瑟(1974)收入方程估计教育回报(方程(3))。在估计方程中，Edu为受教育年限变量，Exper为工作经验，由于CHNS没有直接的工作经验数据，这里将工作经验定义为年龄减去受教育年限减去6。
为工作经验平方。
为性别、职业、地区等控制变量，因为工作经验由教育程度和年龄定义，所以控制变量中不再控制年龄，ε为误差项。
(二)计量结果与分析 我们采用Heckman两步法以避免选择性偏误的影响，研究获得劳动收入与否(即收入是否为缺失值)的决定因素。本文的选择方程使用的被解释变量为：获得劳动收入=1，不获得劳动收入=0。Heckman选择方程中引入两个工具变量刻画劳动供给和劳动需求因素对个体劳动参与决策的影响：劳动者所在区域的劳动力需求结构、劳动者所在区域的所有制结构。选择方程还控制了包括年龄、性别、受教育程度等个体特征变量。在明瑟工资方程回归模型中，我们选取教育、工作经验、工作经验的平方为解释变量，并控制了个体所在的省份和个体的职业等个体特征。
分析表10即Heckman一阶段检验结果，我们发现，对城市劳动者来说，教育回报为正，2000-2006年为上升趋势，到2009年有所下降，但是教育回报依然显著且较高，为9.1%。农民工的教育回报不显著。 从表11的估计结果看，城市劳动者2000-2009年的教育回报持续上升，这十年间，教育回报上升了1.074倍。农民工的教育回报变化趋势不明显，2000年和2004年的教育回报系数不显著，2006年和2009年的系数是显著的，但是2006-2009年教育回报表现为下降的趋势。农民工与城市劳动者教育回报横向对比发现，2009年农民工教育回报低于城市劳动者。从纵向变化趋势上看，城市劳动者教育回报在增加，农民工则呈下降趋势。收入决定方程中逆米尔斯比率一直显著，这表明存在选择性偏误，所以引入Heckman二阶段检验是有必要的。 进行面板数据估计之前，我们删除了收入、教育、工作经验的缺失值，并且删除了收入为负的值(收入为负，则收入的对数无意义)。Hausman检验结果显示本数据适合固定效应模型。表12是对农民工和城市劳动者在2000-2009年间面板数据的估计结果，城市劳动者的教育回报总体上高于农民工。结合表2我们知道城市劳动者的教育程度与平均收入都高于农民工，在城市劳动者的总体教育回报也相对较高的情况下，其对农民工形成挤压，农民工进一步提高自身教育的动力更加小，长此以往，不利于农民工自身获取更高教育水平的积极性，乃至知识技能的积累和提升。随着中国的经济转型发展，市场对劳动力的要求会偏向于技术，这样一来，农民工可能会较难满足市场的发展需要。当农民工不能满足市场需要时，其收入将受到教育水平的极大影响，他们也相对容易返回贫困。因此，尽管前述的研究表明外部市场化改革因素能促进农民工相对城市劳动者多维贫困减轻，但由于农民工的教育回报率近年来处于下降趋势，加之市场化进程对农民工教育水平提高不具有积极影响，因而农民工未来减贫形势并不乐观。 本文重点研究农民工和城市劳动者多维贫困的差异以及市场化因素的作用，并对多维贫困中教育与收入维度的变化特点进行了分析。研究发现：市场化改革的不断推进是造成劳动者多维贫困不断改善和农民工与城市劳动者之间贫困差距减小的重要原因。在劳动者多维贫困内部，收入和教育两个维度对多维贫困有较大的贡献率，且其对农民工的多维贫困贡献率高于城市劳动者。这两个维度的变化可能会关系到农民工贫困的脆弱性乃至其融入城市的程度。进一步的研究发现，城市劳动者的教育回报稳步提升，而农民工的总体教育对收入回报不明显，教育回报率低于城市劳动者且在最近的2006-2009年经历下降趋势，由此可能导致其增加教育投入的动力不足。当前随着中国经济转型升级，市场对技术工人的需求在增加。市场化改革红利不断释放将有利于减少农民工的多维贫困。除此之外，从农民工多维贫困的内部维度看，农民工的多维贫困主要受其教育维度的影响。农民工由于教育水平相对较低，且自身教育投入动力不足，其成为高技术工人的可能性在下降。长期以来，农民工教育维度贫困改善存在障碍，这也会导致他们适应市场需求的能力不足。即使当前他们的收入在不断增加，其收入增加的持久性也将不足。由此，一旦他们适应不了市场需求，收入会很快下降，容易又回到多维贫困，同时也可能会导致农民工返乡，形成被动的逆城市化发展趋势。 为了有序推进新型城镇化，政府应当继续推进市场化改革，同时需关注劳动者尤其是农民工群体的教育回报率的变化趋势。虽然免费义务教育已经在全国推广，但是由于农民工的教育回报相对较低，农民工会在继续接受教育和进城务工之间选择后者。提高农民工的文化程度不能仅仅依靠义务教育的推广，政策必须更注重发展职业技能教育，让学历教育与职业教育进行有效对接，使农民工在理性选择的情况下提高教育程度和回报率。这样可以有效降低农民工教育维度的贫困。并且，随着农民工教育程度的提高，其更可能获得技能与知识、更能适应市场需求；有利于其长期的收入提高，并能依靠自身力量持续改善多维贫困状况，促进农民工逐渐融入城市。 作者感谢匿名审稿人的有益意见和建议。文责自负。
②1989年、1991年、1993年调查的8个省份分别为：辽宁、江苏、山东、河南、湖北、湖南、广西、贵州；1997年把辽宁替换为黑龙江；2000年、2004年、2006年和2009年则对以上9个省都进行了调查。2011年又在前面9省基础上加入了北京、上海和重庆三个直辖市。 ③城市劳动者中，2000年初中及以上学历的占比为84.5%，2004年为86.8%，2006年为88.8%，2009年为89.8%。农民工中，2000年初中及以下学历的劳动者占比为75.6%，2004年为80.6%，2006年为73.7%，2009年为77%。 ④本文处理后的数据中，收入均已经按照CPI以2009年为基准年折算，故这些收入的变化反映的是劳动者真实的收入变化，而不是由价格因素造成的浮动。 ⑤贫困线经世界银行公布的中国2009年私人消费PPP(3.56)以及2009年和其他年度各省市的CPI折算为各自的贫困线，排除收入变化中的价格因素的影响。贫困线具体计算方法如下：贫困线(元/人年)=1.25*356*365/index_new。index_new为2009年与其他各年度CPI的折算指数，数据来自于CHNS纵向数据中的c12indine.sas7bdat。 ⑥BM1(身体质量指数)原是用于公众健康研究的指标。BMI=体重(kg)÷身高(m)＾2，BMI临界值是根据《2013年中华人民共和国卫生行业标准：成人体重判定》和世界卫生组织2000年的报告“Obesity：Preventing and Managing the Global Epidemic.Report of a WHO Consultation”综合考虑而得出的标准。感谢匿名审稿人关于健康维度指标设立的建议。 ⑦本文采用的调查中医疗保险主要是：(1)公费医疗，(2)城镇职工医疗保险：通道模式，(3)城镇职工医疗保险：板块模式，(4)城镇职工医疗保险：大病保险，(6)合作医疗，(7)妇幼健康保险，(8)计免保险，(9)其它。 ⑧本文重点关注的是农民工与城市劳动者的收入与教育回报变化，故虽然全国的劳动者中包含农民，但是在对各群体详细分析时我们略去了关于农民的数据以及对农民的分析。 ⑨资料来源：中共中央：《关于完善社会主义市场经济体制若干问题的决定》，《检察日报》，2003年10月22日；中共中央、国务院：《关于促进农民增加收入若干政策的意见》，中国咨讯行(北京)，2004年2月8日；中共中央、国务院：《关于进一步加强农村工作提高农业综合生产能力若干政策的意见》，《人民日报》，2005年1月31日；中共中央、国务院：《关于推进社会主义新农村建设的若干意见》，《光明日报》，2005年12月31日；中共中央、国务院：《关于积极发展现代农业扎实推进社会主义新农村建设的若干意见》，新华社，2007年1月29日；中共中央、国务院：《关于切实加强农业基础建设进一步促进农业发展农民增收的若干意见》，《人民日报》，2008年1月31日。 ⑩对农村户口的劳动者我们尝试多引入其9年前家庭农业种植面积这一外生的因素。但由于缺失值太多，加上实证故估计中其结果不显著，因此最终的模型中我们没有采用这一指标。 (11)见樊纲、王小鲁：《中国市场化指数——各地区市场化相对进程2011年报告》，经济科学出版社。 (12)我们用滞后两年的市场化指数检验模型的稳健性，结果是稳健的。为了节省论文篇幅，在正文部分并没有报告这一结果。有需要的读者请直接联系作者。 (13)社会网络的度量我们采用劳动者家庭当年送礼和收礼的价值之和除以劳动者家庭人口数量得到的人均的礼金额代理，并且用2009年与其他各年度CPI的折算指数进行折算排除收入变化中的价格因素的影响。 (14)mig(农民工)取值：0为城市劳动者；1为农民工；2为农民。
标签：贡献率论文; 农民工论文; 贫困问题论文; 维度理论论文;
