【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。