論文關(guān)鍵詞：農(nóng)村勞動力非農(nóng)收入影響因素江漢平原

論文摘要：本文在回顧農(nóng)戶非農(nóng)行為理論和相關(guān)研究工作的基礎(chǔ)上，利用逐步線性回歸模型對農(nóng)村勞動力非農(nóng)收入的影響因素進行了分析，得出的結(jié)論是勞動力教育程度、非農(nóng)活動的從事地點和所從事的職業(yè)及農(nóng)戶耕地面積對勞動力的非農(nóng)收入影響顯著，并據(jù)此提出了相關(guān)政策建議。

一、問題的提出

市場經(jīng)濟為農(nóng)村勞動力非農(nóng)化提供了可能，除了從事本地非農(nóng)活動外，大量農(nóng)村勞動力跨地區(qū)打工經(jīng)商成為非農(nóng)活動的主要方式L:第5次人口普查的數(shù)據(jù)表明，全國目前有1.31億遷移人口，其中絕大部分是外出打工經(jīng)商人員，他們已經(jīng)成為社會上不可忽視的群體。由于農(nóng)民耕地資源的有限，增加農(nóng)民的收入在很大程度取決于非農(nóng)收人的增加，從而對農(nóng)民非農(nóng)收入影響因素的研究非常有必要二

國內(nèi)外有很多學者對農(nóng)民從事非農(nóng)活動問題進行了研究。恰亞諾夫(1925)在考察農(nóng)業(yè)勞動力從事非農(nóng)活動動機時候，提出了兩種可能:一種是非農(nóng)收收人相對于農(nóng)業(yè)收入高，農(nóng)民為了獲得更高的收人所以就選擇從事非農(nóng)活動;另一種是農(nóng)戶為了彌補農(nóng)業(yè)活動收人不足而從事非農(nóng)活動。其研究表明鄉(xiāng)城遷移人口最普遍的特征是年輕且教育程度較高，這反映了人力資本對勞動力遷移的顯著影響。如王志剛(2003)對湖南農(nóng)戶外出行為的考察中發(fā)現(xiàn)人均耕地擁有量和農(nóng)戶外出行為的關(guān)系不顯著，而蔡舫等(2003)的對西部四個貧困縣的農(nóng)戶外出打工行為的考察表明絕對收人、受教育年限、婚姻狀況、勞動力非農(nóng)工作經(jīng)驗、家庭勞動力數(shù)和家庭耕地面積與農(nóng)戶外出打工經(jīng)商行為存在顯著相關(guān)。此外，市場完善程度作為農(nóng)戶從事非農(nóng)活動的外部條件，對農(nóng)戶非農(nóng)活行為影響也是很大的。

具有從事非農(nóng)活動動機是從事非農(nóng)收人的前提.而非農(nóng)活動動機在一定程度上由農(nóng)戶需求程度和農(nóng)戶所擁有的資源桌賦來決定上面談到的那些對農(nóng)民非農(nóng)行為有著顯著影響的因素是否也對農(nóng)民的非農(nóng)收人也產(chǎn)生著顯著的影響，是否還存在其他因素對農(nóng)民的非農(nóng)收人產(chǎn)生著影響，值得深人探討。

二、數(shù)據(jù)來源和調(diào)查樣本特征

(一)數(shù)據(jù)來源和調(diào)查點基本情況

本文數(shù)據(jù)來源于《南方水稻生產(chǎn)的于旱風險及農(nóng)戶的處理策略》項目對湖北江漢平原5縣(市)(仙桃市，石首市，潛江市，公安縣和江陵縣)共536個農(nóng)戶的人戶調(diào)查，樣本選取是采用財富排序(Wealth Ranking)原則選取的，財富排序主要考慮了村干部的意見，調(diào)查時間是2002年7月，調(diào)查戶所反映的主要是2001年情況，內(nèi)容涉及農(nóng)戶家庭人口、土地、各種收人來源和種植模式等情況。

5縣(市)具體調(diào)查的鄉(xiāng)鎮(zhèn)分別是仙桃市張溝鎮(zhèn)，石首市團山鎮(zhèn)和久合烷農(nóng)場，潛江市老新鎮(zhèn)和徐李鎮(zhèn)，公安縣章莊鋪鎮(zhèn)，江陵縣沙崗鎮(zhèn)。通過統(tǒng)計樣本特征，發(fā)現(xiàn)所有調(diào)查農(nóng)戶平均人口為4.12人，戶均勞動力為2.49人，戶均耕地面積為13.3畝，其中水田面積10.8畝，旱田面積2.56畝分別就5縣(市)的農(nóng)戶情況來看，縣(市)與縣(市)之問戶均勞動力和戶均人口差異不大，但戶均耕地擁有量的差別比較大，其中潛江市戶均耕地面積最大，為16.81畝，超過了1公頃，其他4縣(市)都不到1公頃，戶均旱田面積潛江市的也是最大的，達到了4.62畝，江陵縣農(nóng)戶擁有的水田面積最大，達到13.70畝，但也不到1公頃。戶均耕地規(guī)模總體而言是偏低的‘。從農(nóng)戶收人組成來看，5縣(市)種植業(yè)收人在農(nóng)戶總收人中占的比重最大，其次是非農(nóng)活動收人，其中種植業(yè)收人占總收人的59.44 %，非農(nóng)收人占總收人的31.40%，而養(yǎng)殖業(yè)收入占9.16%

調(diào)查總?cè)藬?shù)為2200人，從事非農(nóng)活動的人數(shù)為760人，其中外出打工經(jīng)商人數(shù)為335人。打工活動包括從事建筑、裝飾、制衣、進人鞋廠和電子廠當工人。從外出的地點來看，絕大部分外出地點是縣外(外縣則主要是指湖北省會武漢、廣東、福建和浙江等一些沿海發(fā)達地區(qū))。

水稻生產(chǎn)是幾個調(diào)查縣的主要農(nóng)業(yè)活動。隨著外出打工人員的增加，勞動節(jié)約型技術(shù)開始出現(xiàn)。調(diào)查中發(fā)現(xiàn)公安縣有大量農(nóng)戶采用了水稻直播技術(shù)，很大比例的農(nóng)戶在稻谷收割過程中以30一40元/畝的價格雇傭聯(lián)合收割機來進行收割:這些技術(shù)的采用大大地減少了農(nóng)業(yè)勞動力的投人，為外出打工或從事非農(nóng)活動提供了條件。由于5縣的在氣候、地理位置、收人來源、戶均規(guī)模和種植模式上并不存在很大差異，在后面的分析中，將5縣(市)的農(nóng)戶合并來分析其特征:

(二)不同因素對農(nóng)戶非農(nóng)收入影響的統(tǒng)計描述

1.不同教育水平的非農(nóng)收人差異。非農(nóng)活動從事者的教育水平對非農(nóng)收人的影響無疑是非常顯著的，文化水平越高，收人越高調(diào)查中的非農(nóng)活動從事者大多數(shù)是小學和初中文化水平。從表1來看，小學文化的非農(nóng)從事者比沒有上過學的人均非農(nóng)收人要高約800元，而初中水平的又要比小學文化的高約1100元，而大專以土文化水平的非農(nóng)人均收人約為13023元，是各個層次中最高的。

2.不同性別的非農(nóng)收人差異性別對于非農(nóng)收人的影響并不突出，從表2來看，男性從事非農(nóng)活動的相對多一些，約占從事非農(nóng)活動總?cè)藬?shù)的71%，而女性約占29 %。男性從事非農(nóng)活動的平均收人約為3378元，女性約為3505元，反倒比男性多一些，差異并不明顯。

3.不同非農(nóng)活動地點的非農(nóng)收人差異。從非農(nóng)活動地點來看，在外縣從事非農(nóng)活動的農(nóng)民收人水平最高，平均每人每年約是4324元，其次是本縣非本鄉(xiāng)，平均每人每年約是3243元，最低是本鄉(xiāng)非本村，為1867元。

4.不同職業(yè)的非農(nóng)收人差異。表4反映了農(nóng)戶成員不同非農(nóng)活動中職業(yè)的頻次及對應的收入，從職業(yè)頻次的分布來看，長期打工人員所占的比例最高，達到48.03 %，具體職業(yè)主要是到電子廠、服裝廠和建筑工程隊等打工;其次短期小工;固定職業(yè)主要是在本地的鄉(xiāng)村干部、醫(yī)生和中小學教書的老師。從平均收人來看，有固定職業(yè)的人員收人最高。人均年收人約為5825元，其次是長期打工人員，人均年收人約為4418元，個體戶的人均年收人也超過了4000元，短期小工收人最低，約為1321元。

可見擁有固定收人的職業(yè)應該是農(nóng)民夢寐以求的事情，但這種機會在農(nóng)村實在是太少，而且沒有一定的文化水平和社交能力是不能獲得的;獬齟蜆ぴ蚴橋┗Э梢匝≡竦囊惶鹺玫耐揪叮愿鋈說募寄萇匣故譴嬖諞歡ǖ囊螅匭胍壞攪矯攀忠?個體戶和從事一些小本經(jīng)營買賣的收人并不低，但從事人員很少，其原因可能是從事這些活動除了需要有經(jīng)營頭腦之外，資金是不可缺少的，而資金恰好是大多數(shù)農(nóng)戶所缺乏的。

三、農(nóng)戶非農(nóng)收入決定因素的計量分析

(一)模型的設定及變量解釋

通過第2部分對非農(nóng)收人影響因素的統(tǒng)計描述分析，可以大致了解一些趨勢，但其顯著性和其它一些變量對非農(nóng)收人的影響并沒有考慮進來。從前面的文獻回顧和描述，可以大致預測相關(guān)因素對非農(nóng)活動收人的影響方一向:考慮到性別差異，男性獲得的非農(nóng)收人應該比女性多;如果按照生命周期理論，非農(nóng)收人和年齡的關(guān)系應該是一個倒“U"型，所以年齡的平方一對收人的影響應該是負的;從人力資本投資理論來看，教育對收人的影響無疑應該是正方向的;不能確定婚姻對非農(nóng)收人的影響方向;家庭勞動力數(shù)與單個勞動力的非農(nóng)收人的影響也是不確定的;家庭耕地面積越多，可能需要更多的勞動力投人到耕地上，從而影響到非農(nóng)收人;家庭財富等級和非農(nóng)收人關(guān)系應該是正相關(guān)的，但不能確定是誰影響誰;從簡單的描述可以看出非農(nóng)地點和非農(nóng)收人存在很大關(guān)系。

對收人影響因素分析一般采用線性回歸方法，由于并不確定哪些具體因素對非農(nóng)收人產(chǎn)生影響，通過一般逐步線性回歸模型( Stepwise Lin-ear Regression Model)來分析相關(guān)因素對非農(nóng)收人的影響。具體設定模型如下:

其中I表示非農(nóng)活動從事者的非農(nóng)收人，x1，x2...x表示可能對非農(nóng)收人產(chǎn)生影響的個人特征變量、家庭特征變量和地區(qū)虛擬變量。計量模型中所涉及的變量如表5所示。

(二)農(nóng)戶非農(nóng)收入影響因素的一般逐步線性回歸分析

以一般逐步線性回歸分析為工具，通過對調(diào)查農(nóng)戶中從事非農(nóng)活動的760人進行模型估計，結(jié)果如表6所示。

從表6來看，如果以5%的置信水平，從事非農(nóng)活動從事者的教育水平、外出地點、家庭耕地面積、個人職業(yè)特征和虛擬變量縣3(縣1為對照縣)與非農(nóng)收人顯著相關(guān)。非農(nóng)活動從事者受教育年限越長，其獲得的非農(nóng)收人也越高;非農(nóng)活動地點離家庭距離越遠，其獲得的非農(nóng)收人越高;家庭的耕地面積顯著地影響了勞動力的非農(nóng)收入，擁有的耕地越多，非農(nóng)收入越少，可能原因是耕地面積越多，那么必然在農(nóng)業(yè)上投人更多勞動力，從而影響到在非農(nóng)活動上投人的時間和精力;勞動力所從事的職業(yè)特性對非農(nóng)收人產(chǎn)生了很大影響，長期型的非農(nóng)職業(yè)如在外長期打工、本村干部、醫(yī)生和教師等獲得收人遠遠高于短期非農(nóng)活動收人;從縣域虛擬變量來看，潛江市相比較仙桃市的非農(nóng)活動從事者非農(nóng)收人相對較少，而從縣域基本情況介紹中知道，潛江市的農(nóng)戶戶均耕地面積最大，這進一步反映了耕地面積對非農(nóng)活動的影響;年齡和性別對非農(nóng)收人沒有產(chǎn)生顯著影響，其中年齡對非農(nóng)收人影響不顯著的原因可能在于非農(nóng)活動從事者都處在一個特定的年齡段而不能顯示出差異。

對比相關(guān)對農(nóng)戶非農(nóng)行為和外出打工行為的研究文獻，可以發(fā)現(xiàn)對農(nóng)民外出打工行為影響顯著的因素諸如年齡、性別、婚姻狀況等個人特征和家庭勞動力數(shù)等因為對非農(nóng)收人水平的影響并不大而在模型中被移出。可見，文獻中關(guān)于決定農(nóng)戶外出的個人特征要素并不一定能決定非農(nóng)活動從事者非農(nóng)收人的高低。但是，值得注意的是，教育對外出行為和非農(nóng)收入的影響都是顯著的。家庭耕地面積在影響外出打工行為的同時，也影響了農(nóng)戶的非農(nóng)收人。非農(nóng)地點和非農(nóng)收人的高度顯著性顯示地區(qū)之間或縣(市)鄉(xiāng)之間存在的巨大收人差距，農(nóng)村勞動力外出打工的原因也在于此。

四、結(jié)論和政策建議

1.盡管性別、年齡和家庭勞動力數(shù)對農(nóng)戶的外出行為有很大影響，但對從事者非農(nóng)活動的收人影響不大，非農(nóng)活動從事者的教育程度、外出打工地點和所從事的非農(nóng)職業(yè)與非農(nóng)收人顯著相關(guān)。教育程度越高，收人越高;打工地點越遠，收人越高;非農(nóng)職業(yè)越穩(wěn)定，非農(nóng)收人也越高。

2.勞動力的教育程度不僅影響農(nóng)戶成員的外出行為，也對其非農(nóng)收入產(chǎn)生顯著影響，足可見教育的重要性。外出打工經(jīng)商或從事非農(nóng)活動越來越成為增加農(nóng)民收人可靠途徑，如何增強農(nóng)戶外出打工經(jīng)商的能力，如何增加非農(nóng)收人，這是國家和政府必須考慮的。從長期來看，應該增加農(nóng)村基礎(chǔ)教育投資;而短期來看，以合理的方式對農(nóng)民進行短期職業(yè)培訓而使農(nóng)民有一技之長正變的越來越必要。

3.打工經(jīng)商地點距家越遠收入越高意味著在風險增加的同時，機會和收益也顯著增加了。湖北作為中部地區(qū)，因本地經(jīng)濟相對欠發(fā)達而不能為當?shù)貏趧恿μ峁┏渥愕姆寝r(nóng)就業(yè)機會，在這種情況下應該大力推動勞動力的跨地區(qū)流動。