【摘要】利用多分類無序邏輯回歸模型,探討浦城縣不同就業(yè)模式農(nóng)村勞動力受個體特征、人力資本狀況及家庭特征等三方面的影響。結(jié)果表明,浦城農(nóng)村勞動力就業(yè)模式受年齡、學(xué)歷、性別、手藝特長及家庭收入狀況的顯著影響。年齡越大、學(xué)歷越低、無手藝特長及家庭年凈收入少于2萬元的男性更傾向于全職務(wù)農(nóng),而年齡越小、學(xué)歷越高及家庭年凈收入大于2萬的女性更傾向于不務(wù)農(nóng)。學(xué)歷越高并擁有多項手藝特長的農(nóng)村勞動力家庭收入狀況優(yōu)于其他就業(yè)模式。通過農(nóng)村勞動力技能培訓(xùn),能夠吸納浦城農(nóng)村閑散勞動力。
【關(guān)鍵詞】就業(yè)模式;農(nóng)村勞動力;多分類無序邏輯回歸模型
【中圖分類號】F323.6
【文獻標識碼】A
黨的十九大作出的鄉(xiāng)村振興重大決策部署,是決勝全面建成小康社會、全面建設(shè)社會主義現(xiàn)代化國家的重大歷史任務(wù),是新時代做好“三農(nóng)”工作的總抓手。農(nóng)業(yè)強不強、農(nóng)村美不美、農(nóng)民富不富,決定著全面小康社會的成色和社會主義現(xiàn)代化的質(zhì)量。近年來,隨著中國城市化進程的不斷推進,極大刺激了工業(yè)化城市對高技能勞動力的需求。但是,上世紀60 - 90年代成長起來的農(nóng)村勞動力群體的人力資本特征各不相同,使得農(nóng)村剩余勞動力的吸納工作存在各種問題。所以,逐漸打破城鄉(xiāng)二元結(jié)構(gòu)的束縛,增加農(nóng)民收入,用農(nóng)村消費需求推動城市經(jīng)濟發(fā)展,通過轉(zhuǎn)移農(nóng)村剩余勞動力加快城市化進程,是當前必須著力解決的問題。為此,本文以浦城縣農(nóng)村勞動力為研究對象,利用無序多分類Logistic回歸模型,分析影響農(nóng)村勞動力就業(yè)模式的因素,為浦城縣農(nóng)村勞動力轉(zhuǎn)移工作提供參考,為培育新型農(nóng)民,促進農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及脫貧攻堅工作提供理論依據(jù)。
1 研究區(qū)概況
福建南平浦城縣(E118° 11 - 118°49,N27° 32- 28°22),地處閩浙贛三省交界處,被稱為“福建的北大門”,中國丹桂之鄉(xiāng)。屬中亞熱帶季風(fēng)濕潤氣候,干濕季明顯,雨熱同期,年平均氣溫17.0℃,年雨量1800 - 1900mm左右,年日照時數(shù)1950 - 2100h,全年無霜期250 - 260d左右。全縣轄17個鄉(xiāng)鎮(zhèn)、2個街道及296個村(居),戶籍總?cè)丝?2.9萬??h域面積3300多km2,排福建第三,久負“閩北糧倉”之盛譽。
2 試驗設(shè)計及調(diào)查統(tǒng)計方法
2.1 試驗設(shè)計
2020年4月,通過實地訪問的方式,隨機抽取浦城縣臨江鎮(zhèn)、永興鎮(zhèn)及富嶺鎮(zhèn)等農(nóng)村居民戶口的勞動力個體進行預(yù)調(diào)查,結(jié)合常青青等盯1的問卷設(shè)計內(nèi)容,對浦城縣農(nóng)村勞動力的就業(yè)模式影響因素,合理設(shè)計調(diào)查問卷內(nèi)容,具體主要包括不同就業(yè)模式農(nóng)村勞動力的個體特征、人力資本狀況和家庭特征等,各變量的解釋詳見表1。然后,采用分層抽樣的方法,依據(jù)各鄉(xiāng)鎮(zhèn)距浦城城關(guān)的距離及人口、面積和經(jīng)濟水平等因素,選取臨江鎮(zhèn)、永興鎮(zhèn)、富嶺鎮(zhèn)、忠信鎮(zhèn)、蓮塘鎮(zhèn)、萬安鄉(xiāng)、古樓鄉(xiāng)、山下鄉(xiāng)、楓溪鄉(xiāng)和官路鄉(xiāng)等10個鄉(xiāng)鎮(zhèn)(占浦城19個街道鄉(xiāng)鎮(zhèn)的52.6%),針對農(nóng)村居民戶口隨機投放調(diào)查問卷。
2.2 調(diào)查方法
通過問卷網(wǎng)App,填寫問卷調(diào)查內(nèi)容,然后分享給選定的調(diào)查對象進行填寫,最后將收集的App后臺數(shù)據(jù)通過MicrosoftExcel 2016導(dǎo)出,對虛擬變量的內(nèi)容進行賦值替換。農(nóng)村勞動力個體特征及人力資本狀況詳見表2。
2.3 數(shù)據(jù)簡要描述
本研究通過問卷網(wǎng)App共獲取調(diào)查問卷后臺數(shù)據(jù)455份,其中有效問卷420份,有效率達92.3%。其中,離浦城城關(guān)較近的調(diào)查問卷數(shù)量占總數(shù)的42.6%,人口、面積及經(jīng)濟水平在全縣排名較靠前的鄉(xiāng)鎮(zhèn)調(diào)查問卷數(shù)量占總數(shù)的27.6%。調(diào)查樣本基本符合浦城縣農(nóng)村勞動力的分布情況。
2.4 模型選擇
采用無序多分類Logistic回歸模型對具有多個變量類型的調(diào)查樣本數(shù)據(jù)進行統(tǒng)計分析,如果因變量共有K個類別,選擇其中一個類別為參照組,其他K-1個類別發(fā)生的概率比通過以下Logit形式表達式,具體為:
3 結(jié)果與分析
3.1 調(diào)查數(shù)據(jù)的描述性統(tǒng)計分析
由表3可知,農(nóng)村勞動力的個體特征、人力資本狀況及家庭特征對務(wù)農(nóng)方式選擇的影響各不相同,具體表現(xiàn)在以下幾方面:
在個體特征中,全職務(wù)農(nóng)和兼職務(wù)農(nóng)的農(nóng)村勞動力平均年齡均高于不務(wù)農(nóng),男性兼職務(wù)農(nóng)和全職務(wù)農(nóng)的占比高于女性,身體狀況一般的農(nóng)村勞動力全職務(wù)農(nóng)的占比較大。
在人力資本狀況中,文化程度較高的農(nóng)村勞動力兼職務(wù)農(nóng)和不務(wù)農(nóng)的占比高于全職務(wù)農(nóng),擁有多項手藝特長的農(nóng)村勞動力兼職務(wù)農(nóng)的占比高于不務(wù)農(nóng)和全職務(wù)農(nóng)。
在家庭特征中,家庭人口規(guī)模和糧食直補面積較小的農(nóng)村勞動力不務(wù)農(nóng)的占比高于兼職務(wù)農(nóng)和全職務(wù)農(nóng),而家庭收入較小的農(nóng)村勞動力全職務(wù)農(nóng)的占比高于兼職務(wù)農(nóng)和不務(wù)農(nóng)。
3.2 模型估計結(jié)果
由表4-6可知,建模中剔除未通過統(tǒng)計學(xué)顯著性檢驗(P>0.05)的婚姻狀況、健康狀況、家庭人口規(guī)模、糧食直補面積四個解釋變量,利用剩余解釋變量構(gòu)建的最終模型的x 2值為184.289,顯著性水平P<0.001,考克斯一斯奈爾(Cox-Snell)、內(nèi)戈爾科(Nagelkerke)和麥克法登(McFadden)的偽R2系數(shù)分別為0.391、0.442和0.231,分類預(yù)測表中預(yù)測準確率可達63.4%,說明模型擬合度較好。
3.3 模型結(jié)果具體的統(tǒng)計學(xué)意義
由于兼職務(wù)農(nóng)作為參照組,所以其系數(shù)均為0,同理,性別、家庭收入狀況及手藝特長等虛擬變量,也分別將“性別=男”、“家庭收入狀況>8萬元”及“手藝特長擁有多項”作為參考類別,估算各自對應(yīng)的其他類別的系數(shù)。表中B值的絕對值反應(yīng)各解釋變量對農(nóng)村勞動力選擇不務(wù)農(nóng)和全職務(wù)農(nóng)概率比的影響大小,B值為正,表示正向影響,反之相反(詳見表7)。各解釋變量對不務(wù)農(nóng)和全職務(wù)農(nóng)的影響如下:
在個體特征解釋變量中,年齡變量的B值在不務(wù)農(nóng)和全職務(wù)農(nóng)中分別為-0.071和0.048,顯著性水平P<0.001,說明相對于兼職務(wù)農(nóng),年齡越大的農(nóng)村勞動力傾向于全職務(wù)農(nóng),年齡越小傾向于不務(wù)農(nóng)。另外,性別變量在不務(wù)農(nóng)和全職務(wù)農(nóng)選擇中也有顯著影響,相對于兼職務(wù)農(nóng),女性更傾向選擇不務(wù)農(nóng)或全職務(wù)農(nóng),其中選擇不務(wù)農(nóng)和全職務(wù)農(nóng)的概率發(fā)生比分別是男性的5.6倍和1倍。
在人力資本狀況解釋變量中,受教育年限變量B值在不務(wù)農(nóng)和全職務(wù)農(nóng)分別為-0.256和-0.225,顯著性水平P<0.001,說明相對于兼職務(wù)農(nóng),學(xué)歷越低的農(nóng)村勞動力傾向于不務(wù)農(nóng)和全職務(wù)農(nóng)。手藝特長變量中無手藝特長會對全職務(wù)農(nóng)選擇產(chǎn)生顯著影響,意味著無手藝特長的農(nóng)村勞動力更傾向于選擇全職務(wù)農(nóng)。
在家庭特征解釋變量中,農(nóng)村勞動力家庭收入狀況也會對不務(wù)農(nóng)和全職務(wù)農(nóng)選擇產(chǎn)生影響,其中,家庭收入小于5千元和1 -2萬元的農(nóng)村勞動力選擇全職務(wù)農(nóng)的概率發(fā)生比是家庭收入大于8萬元農(nóng)村勞動力的3.7倍和2.6倍,而家庭收入為1
-2萬元、2-4萬元和4-8萬元的農(nóng)村勞動力選擇不務(wù)農(nóng)的概率發(fā)生比分別是家庭收入大于8萬元農(nóng)村勞動力的0.15倍、0.31倍和0.25倍,換句話說,家庭收入小于8萬元的農(nóng)村勞動力選擇不務(wù)農(nóng)的可能性較低。
4 結(jié)論與討論
通過本研究的調(diào)查統(tǒng)計分析,可以看出浦城農(nóng)村勞動力就業(yè)模式受年齡、學(xué)歷、性別、手藝特長及家庭收入狀況的顯著影響。其中,年齡越大、學(xué)歷越低、無手藝特長及家庭年凈收入少于2萬元的男性更傾向于全職務(wù)農(nóng),而年齡越小、學(xué)歷越高及家庭年凈收入大于2萬元的女性更傾向于不務(wù)農(nóng)。另外,學(xué)歷越高并擁有多項手藝特長的農(nóng)村勞動力會傾向選擇兼職務(wù)農(nóng),且家庭收入狀況好于全職務(wù)農(nóng),說明學(xué)識和技能為農(nóng)村勞動力提供了更多的就業(yè)選擇和收入來源。值得注意的是,通過本次調(diào)研發(fā)現(xiàn),有部分學(xué)歷較低的農(nóng)村勞動力傾向于不務(wù)農(nóng),說明浦城縣存在一定數(shù)量的農(nóng)村閑散勞動力,因此,重視農(nóng)村勞動力技能培訓(xùn),吸納農(nóng)村閑散勞動力,成為下一階段浦城縣農(nóng)村勞動力轉(zhuǎn)移工作的重點。
[參考文獻]
[1]徐志遠,陳朝娟.論習(xí)近平新時代中國特色社會主義思想的核心范疇[J].學(xué)校黨建與思想教育,2020( 10):4-8.
[2]石峰.農(nóng)村富余勞動力有效轉(zhuǎn)移的問題研究與策略選擇[J].商訊,2020( 12):165-166.
[3]孔磊,淺析農(nóng)村剩余勞動力轉(zhuǎn)移就業(yè)[J].就業(yè)與保障,2020( 01):39-40.
[4]丁雪松,新型城鎮(zhèn)化過程中農(nóng)村剩余勞動力轉(zhuǎn)移問題探討[Jl.農(nóng)村經(jīng)濟與科技,2020,31( 08):268-269.
[5]肖怡然,李治兵,董法堯.鄉(xiāng)村振興背景下民族地區(qū)農(nóng)村剩余勞動力就業(yè)問題研究[J].農(nóng)業(yè)經(jīng)濟,2019( 09):69-71.
[6]郭辰星,二元經(jīng)濟結(jié)構(gòu)背景下農(nóng)村剩余勞動力轉(zhuǎn)移影響因素分析[J],現(xiàn)代農(nóng)業(yè)研究,2019( 09):9-13.
[7]常青青,劉平輝.農(nóng)村勞動力就業(yè)模式選擇的影響因素研究一基于無序多分類Logistic回歸模型分析[J].東華理工大學(xué)學(xué)報(社會科學(xué)版),2015,34( 04):321-326.
[作者簡介]陳麗?。?971-),女,福建浦城人,經(jīng)濟師,從事巡察與人力資源管理工作。