付紅雪，付雪嬌，閔園園

（1.中國(guó)地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院，武漢 430074；2.湖北大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院，武漢 430062）

“三農(nóng)”問(wèn)題一直是中國(guó)經(jīng)濟(jì)工作的重中之重，其中農(nóng)戶貧困問(wèn)題尤為重要。作為最大的發(fā)展中國(guó)家，經(jīng)過(guò)近幾十年的扶貧工作，中國(guó)扶貧方式已由過(guò)去的“大水漫灌”轉(zhuǎn)變?yōu)楝F(xiàn)在的精準(zhǔn)扶貧［1，2］，貧困研究單元由片區(qū)［3，4］、省域及縣域［5，6］等宏觀尺度向村域［7-11］等微觀尺度轉(zhuǎn)移，貧困研究?jī)?nèi)容涉及農(nóng)村多維貧困狀況識(shí)別和貧困類型劃分［12-15］、基于縣域貧困的空間格局及影響因素［11］等方面。

農(nóng)戶收入一直是“三農(nóng)”問(wèn)題的重點(diǎn)，而勞動(dòng)力轉(zhuǎn)移是推動(dòng)農(nóng)戶收入增長(zhǎng)、擺脫貧困的重要途徑之一［16］。一些研究展望了農(nóng)村勞動(dòng)力轉(zhuǎn)移的趨勢(shì)和方向以及勞動(dòng)力轉(zhuǎn)移對(duì)農(nóng)戶收入、農(nóng)戶務(wù)農(nóng)收入、農(nóng)業(yè)生態(tài)效率、貧困農(nóng)戶生計(jì)［17-21］的影響，可見選擇何種類型的就業(yè)模式對(duì)農(nóng)戶收入有著重要的影響。然而由于農(nóng)村構(gòu)成要素的多樣性、農(nóng)村自然地理和區(qū)位的差異性、資源稟賦和經(jīng)濟(jì)社會(huì)基礎(chǔ)的不同，農(nóng)戶的就業(yè)選擇錯(cuò)綜復(fù)雜。一些學(xué)者在研究農(nóng)戶問(wèn)題時(shí)引入了地理因素，如蔡昉等［22］研究了地理因素對(duì)勞動(dòng)力要素的影響，Sylvie 等［23］以經(jīng)濟(jì)地理因素為切入點(diǎn)研究了中國(guó)的區(qū)域增長(zhǎng)，發(fā)現(xiàn)不同地理因素是造成地區(qū)經(jīng)濟(jì)增長(zhǎng)差異的顯著原因。

研究顯示，農(nóng)村轉(zhuǎn)移勞動(dòng)力通過(guò)增加非農(nóng)收入來(lái)減少貧困［24，25］，因此研究地形差異下農(nóng)戶的就業(yè)選擇對(duì)農(nóng)村扶貧具有重要的現(xiàn)實(shí)意義。同時(shí)，細(xì)化就業(yè)選擇不僅便于觀察處于不同地理區(qū)位農(nóng)戶的就業(yè)情況，而且在實(shí)證分析中可以得到更加穩(wěn)健的估計(jì)結(jié)果。因此，本研究基于湖北省4 821 個(gè)貧困村的位置數(shù)據(jù)，運(yùn)用GIS 技術(shù)對(duì)貧困村空間分布地形特征進(jìn)行了研究，同時(shí)，利用中國(guó)家庭收入調(diào)查（CHIP）數(shù)據(jù)，將農(nóng)戶的就業(yè)安排分為5 類，運(yùn)用SUR 回歸等方法檢驗(yàn)了地形對(duì)農(nóng)戶就業(yè)選擇的影響，以期能為地區(qū)制定精準(zhǔn)扶貧政策提供參考。

1 湖北省概況與數(shù)據(jù)來(lái)源

1.1 湖北省概況

湖北省地處中國(guó)中部，全省總面積18.59 萬(wàn)km2，地勢(shì)西高東低，呈階梯狀分布。由全國(guó)31 個(gè)省域高程標(biāo)準(zhǔn)差（表1）可知，湖北省內(nèi)地勢(shì)高低起伏的差異排名全國(guó)第八，僅次于四川、新疆、甘肅、西藏、青海、云南、河北。地勢(shì)差異明顯，西部號(hào)稱“華中屋脊”的神農(nóng)架最高峰神農(nóng)頂，海拔達(dá)3 105 m；東部平原的荊州市監(jiān)利縣譚家淵附近，地面高程為0。同時(shí)湖北省是中國(guó)22 個(gè)國(guó)家扶貧開發(fā)工作重點(diǎn)省份之一，貧困程度位居全國(guó)高貧困發(fā)生率省份第一方陣，扶貧開發(fā)任務(wù)之重超過(guò)全國(guó)及中部6 省平均水平，因此本研究以地形具有代表性的湖北省作為研究區(qū)域。

1.2 數(shù)據(jù)來(lái)源

本研究中的4 821 個(gè)貧困村名單來(lái)源于湖北省人民政府扶貧開發(fā)辦公室。利用百度地圖API 的地址解析功能識(shí)別各個(gè)村的經(jīng)緯度，再運(yùn)用ArcGIS軟件生成貧困村矢量點(diǎn)數(shù)據(jù)，從全國(guó)第二次土地調(diào)查數(shù)據(jù)庫(kù)中提取湖北省省級(jí)行政區(qū)劃數(shù)據(jù)，分辨率90 m 的數(shù)字高程模型（DEM）數(shù)據(jù)下載于地理空間數(shù)據(jù)云，其他數(shù)據(jù)來(lái)源于中國(guó)家庭收入調(diào)查（CHIP）。

表1 全國(guó)31 個(gè)省域高程標(biāo)準(zhǔn)差

CHIP 2013 數(shù)據(jù)采用系統(tǒng)抽樣的方法，覆蓋15個(gè)省份126 個(gè)城市234 個(gè)縣區(qū)的18 948 個(gè)住戶和64 777 個(gè)個(gè)體樣本。本研究以湖北省為研究區(qū)域，覆蓋洪山區(qū)、蔡甸區(qū)、點(diǎn)軍區(qū)、猇亭區(qū)、?？悼h、華容區(qū)、鄂城區(qū)、掇刀區(qū)、云夢(mèng)縣、羅田縣、通城縣、恩施市、鶴峰縣、仙桃市、天門市15 個(gè)縣（市、區(qū)）。

2 貧困村空間分布的地形特征

為研究湖北省貧困村的地形特征，將湖北省范圍的高程?hào)鸥駭?shù)據(jù)進(jìn)行處理，得到湖北省坡度分級(jí)（圖1）。運(yùn)用ArcGIS 分區(qū)統(tǒng)計(jì)工具，得到不同坡度等級(jí)下的貧困村數(shù)量（表2）。分析可知，隨坡度的增大貧困村數(shù)量逐漸減少，40.16% 的貧困村位于平地，58.62% 的貧困村坡度在6°以內(nèi)，擁有較好的耕地地形條件，僅有8.23% 的貧困村土地利用條件較為惡劣。

圖1 湖北省坡度分級(jí)

表2 不同坡度等級(jí)下的貧困村數(shù)量

3 變量選擇與研究方法

3.1 變量選擇

3.1.1 被解釋變量 從個(gè)體與家庭2 個(gè)層面選取3組變量衡量勞動(dòng)力的配置，包括農(nóng)戶就業(yè)選擇、農(nóng)戶就業(yè)時(shí)間安排和家庭勞動(dòng)力配置（表3）。

表3 被解釋變量

3.1.2 解釋變量 較多學(xué)者用DEM 數(shù)據(jù)中的高程來(lái)定義區(qū)域地貌類型［8，9］。因此參考學(xué)者的思想，本研究基于ArcGIS 的Spatial analyst 中的區(qū)域統(tǒng)計(jì)工具，得到每個(gè)縣（市、區(qū)）的平均高程值，將研究縣（市、區(qū)）劃分為平原縣（市、區(qū)）或山地縣（市、區(qū)），取值為1 表示平原，否則為0。

3.1.3 控制變量/工具變量 戶主作為家庭的決策主體，對(duì)其家庭成員的就業(yè)選擇具有一定程度的影響，因此本研究控制了戶主的某些個(gè)體特征變量；有研究提出兒童占家庭人口的比重、老年人口占家庭人口的比重同樣影響家庭勞動(dòng)力配置［26，27］，同時(shí)也控制了這2 個(gè)變量；縣（市、區(qū)）經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)戶就業(yè)選擇有影響，因此還控制了反映縣（市、區(qū)）經(jīng)濟(jì)發(fā)展水平的變量，同時(shí)為避免內(nèi)生性，用同縣城其他家庭平均可支配收入表示?？紤]到農(nóng)戶所處縣（市、區(qū)）的地理位置具有相似性，因此構(gòu)造了該縣（市、區(qū)）的平均高程以及平均坡度作為工具變量。

3.2 研究方法

3.2.1 模型設(shè)定 為分析地形對(duì)農(nóng)戶就業(yè)選擇的影響，本研究構(gòu)建如下方程：

式中，Employmentij為縣（市、區(qū)）i 農(nóng)戶j 的5 個(gè)就業(yè)選擇變量；Landformij為1 時(shí)表示平原，否則為0；Xij為農(nóng)戶個(gè)體以及家庭特征變量的矩陣；Zi為縣（市、區(qū)）特征的矩陣；θi為縣（市、區(qū)）的個(gè)體效應(yīng)。本研究采用Logit 模型進(jìn)行估計(jì)，同時(shí)為估計(jì)地形對(duì)農(nóng)戶就業(yè)時(shí)間安排的影響，將采用如下方程：

式中，Timeij為被解釋變量，包含農(nóng)戶的4 個(gè)就業(yè)時(shí)間安排；Landformij為1 時(shí)表示平原，否則為0。由于不同就業(yè)選擇的勞動(dòng)時(shí)間存在此消彼長(zhǎng)的同期相關(guān)關(guān)系，各個(gè)方程的誤差項(xiàng)可能存在同期相關(guān)。因此，本研究將采用似不相關(guān)回歸方法（SUR）［28，29］對(duì)被解釋變量的4 個(gè)方程進(jìn)行系統(tǒng)估計(jì)。同時(shí)，式（1）中，農(nóng)戶的就業(yè)選擇同樣存在同期相關(guān)，因此還將采用SUR 回歸方法對(duì)所有方程進(jìn)行估計(jì)。

3.2.2 內(nèi)生性檢驗(yàn) 首先檢驗(yàn)各控制變量的組間差異，若控制變量的組間差異顯著，則控制這些變量。表4 是控制變量/工具變量的組間差異，由表4 可知，有9 個(gè)控制變量的組間差異較為顯著?？刂谱兞亢螅枰捎霉ぞ咦兞糠z驗(yàn)?zāi)Ｐ褪欠褚廊淮嬖趦?nèi)生性問(wèn)題。因此，采用工具變量法進(jìn)行檢驗(yàn)，結(jié)果如表5 所示。

由表5 可知，Kleibergen-Paap 統(tǒng)計(jì)量均大于10%水平下的臨界值16.38，拒絕弱工具變量的假設(shè)。同時(shí)內(nèi)生性檢驗(yàn)結(jié)果表明，除了失業(yè)/待業(yè)、本地工資性工作時(shí)間、本地非農(nóng)經(jīng)營(yíng)時(shí)間3 個(gè)方程外，其他11 個(gè)方程均接受不存在內(nèi)生性的原假設(shè)，即模型不存在內(nèi)生性問(wèn)題。因此，本研究主要根據(jù)SUR 回歸的估計(jì)結(jié)果進(jìn)行解釋。

4 模型估計(jì)與分析結(jié)果

4.1 描述性分析結(jié)果

由描述性分析結(jié)果（表6）可知，平原農(nóng)戶與山區(qū)農(nóng)戶的就業(yè)選擇差異表現(xiàn)為：山區(qū)從事農(nóng)業(yè)的農(nóng)戶達(dá)50.75%，比平原農(nóng)戶高近6 個(gè)百分點(diǎn)；平原農(nóng)戶從事本地工資性工作、本地非農(nóng)經(jīng)營(yíng)的較多；與山區(qū)農(nóng)戶相比，更多的平原農(nóng)戶選擇外出就業(yè)，平原外出就業(yè)的農(nóng)戶達(dá)32.60%，比山區(qū)農(nóng)戶高近7 個(gè)百分點(diǎn)；山區(qū)農(nóng)戶的失業(yè)比重較高，有16.82% 處于失業(yè)/待業(yè)狀態(tài)，比平原農(nóng)戶高近8 個(gè)百分點(diǎn)。

平原農(nóng)戶與山區(qū)農(nóng)戶的就業(yè)時(shí)間安排差異表現(xiàn)為：平原農(nóng)戶從事農(nóng)業(yè)的平均就業(yè)時(shí)間為3.04 個(gè)月，比山區(qū)農(nóng)戶低0.57 個(gè)月；平原農(nóng)戶從事本地工資性工作、本地非農(nóng)經(jīng)營(yíng)、外出就業(yè)的平均就業(yè)時(shí)間分別為1.49 個(gè)月、0.89 個(gè)月和3.27 個(gè)月，比山區(qū)農(nóng)戶分別高0.19 個(gè)月、0.36 個(gè)月和0.91 個(gè)月。

平原農(nóng)戶與山區(qū)農(nóng)戶的家庭勞動(dòng)力配置差異表現(xiàn)為：山區(qū)家庭從事農(nóng)業(yè)的平均勞動(dòng)力人數(shù)比平原家庭略高；山區(qū)家庭平均失業(yè)/待業(yè)人數(shù)為0.505，高于平原家庭。綜上可知，平原地區(qū)從事本地工資性工作、本地非農(nóng)經(jīng)營(yíng)和外出就業(yè)的農(nóng)戶較多，從事農(nóng)業(yè)的農(nóng)戶相對(duì)較少。同時(shí)，地形優(yōu)勢(shì)會(huì)在一定程度上減少失業(yè)人數(shù)。

表5 內(nèi)生性檢驗(yàn)結(jié)果

表4 控制變量/工具變量的組間差異

4.2 分析結(jié)果

4.2.1 地形對(duì)農(nóng)戶就業(yè)選擇的影響 為反映分析結(jié)果的穩(wěn)健性，本研究同時(shí)采用了OLS 回歸、Logit 回歸及SUR 回歸模型。由地形對(duì)農(nóng)戶就業(yè)選擇的影響（表7）可知，地形優(yōu)勢(shì)能夠顯著降低農(nóng)戶從事農(nóng)業(yè)、失業(yè)/待業(yè)的可能性，促進(jìn)農(nóng)戶外出就業(yè)，而對(duì)本地工資性工作和本地非農(nóng)經(jīng)營(yíng)只有微弱的正影響。從SUR 回歸結(jié)果來(lái)看，在平均意義上，地形優(yōu)勢(shì)促使農(nóng)戶從事農(nóng)業(yè)的可能性由0.508 下降至0.426；促使農(nóng)戶失業(yè)/待業(yè)的可能性由0.168 下降至0.115；促使農(nóng)戶外出就業(yè)的可能性由0.256 上升至0.308。內(nèi)生性檢驗(yàn)顯示，農(nóng)戶失業(yè)/待業(yè)方程中存在內(nèi)生性問(wèn)題，因此采用了工具變量回歸，地形的估計(jì)系數(shù)變成了-0.06，并在5% 的顯著性水平拒絕了原假設(shè)。

表7 地形對(duì)農(nóng)戶就業(yè)選擇的影響

表6 描述性分析結(jié)果

4.2.2 地形對(duì)農(nóng)戶就業(yè)時(shí)間安排的影響 由地形對(duì)農(nóng)戶就業(yè)時(shí)間安排的影響（表8）可知，平原地區(qū)地形優(yōu)勢(shì)能夠顯著減少農(nóng)戶從事農(nóng)業(yè)的時(shí)間，增加農(nóng)戶外出就業(yè)時(shí)間，而對(duì)本地工資性工作時(shí)間和本地非農(nóng)經(jīng)營(yíng)時(shí)間的影響不顯著。從SUR 回歸結(jié)果來(lái)看，在平均意義上，地形優(yōu)勢(shì)促使農(nóng)戶從事農(nóng)業(yè)的時(shí)間下降0.32 個(gè)月；促使農(nóng)戶外出就業(yè)的時(shí)間增加0.60 個(gè)月。內(nèi)生性檢驗(yàn)顯示，農(nóng)戶本地工資性工作時(shí)間、本地非農(nóng)經(jīng)營(yíng)時(shí)間方程中存在內(nèi)生性問(wèn)題，因此采用了工具變量回歸，而地形的估計(jì)系數(shù)分別變成了0.265 和0.062，均在5% 的顯著性水平拒絕了原假設(shè)。

4.2.3 地形對(duì)家庭勞動(dòng)力配置的影響 由地形對(duì)家庭勞動(dòng)力配置的影響（表9）可知，地形優(yōu)勢(shì)能夠顯著減少家庭農(nóng)業(yè)人數(shù)、失業(yè)/待業(yè)人數(shù)，增加外出就業(yè)人數(shù)，對(duì)本地工資性工作人數(shù)、本地非農(nóng)經(jīng)營(yíng)人數(shù)只有微弱的正向影響。從SUR 回歸結(jié)果來(lái)看，在平均意義上，地形優(yōu)勢(shì)促使家庭農(nóng)業(yè)人數(shù)減少0.25個(gè)；促使外出就業(yè)人數(shù)增加0.21 個(gè)；促使失業(yè)/待業(yè)人數(shù)減少0.21 個(gè)。

表8 地形對(duì)農(nóng)戶就業(yè)時(shí)間安排的影響

表9 地形對(duì)家庭勞動(dòng)力配置的影響

5 小結(jié)與建議

本研究利用CHIP 數(shù)據(jù)實(shí)證分析了地形對(duì)農(nóng)戶就業(yè)選擇的影響。結(jié)果表明，地形優(yōu)勢(shì)促進(jìn)了農(nóng)戶從事非農(nóng)就業(yè)，降低了失業(yè)/待業(yè)情況。具體而言，地形優(yōu)勢(shì)促使農(nóng)戶從事農(nóng)業(yè)的可能性、農(nóng)業(yè)就業(yè)時(shí)間、家庭農(nóng)業(yè)人數(shù)顯著下降；同時(shí)促使農(nóng)戶從事外出就業(yè)的可能性、外出就業(yè)時(shí)間、家庭外出就業(yè)人數(shù)明顯增加；地形優(yōu)勢(shì)顯著降低了農(nóng)戶失業(yè)/待業(yè)的可能性以及家庭失業(yè)/待業(yè)人數(shù)，山區(qū)農(nóng)戶整體失業(yè)/待業(yè)人數(shù)略高。然而，地形對(duì)農(nóng)戶本地工資性工作、本地非農(nóng)經(jīng)營(yíng)沒有顯著影響。

農(nóng)戶就業(yè)轉(zhuǎn)換嚴(yán)重依賴地形，山區(qū)勞動(dòng)力接受外部信息的能力較弱，判斷外界就業(yè)機(jī)會(huì)的水平較低，增加了失業(yè)/待業(yè)情況。為此提出幾點(diǎn)建議：創(chuàng)造有利條件，采取置辦工作車間等，為當(dāng)?shù)剞r(nóng)戶提供就業(yè)機(jī)會(huì)；大力開展就業(yè)培訓(xùn)以及政府安排就業(yè)等，促使地形劣勢(shì)地區(qū)農(nóng)戶外出就業(yè)，以增加家庭收入擺脫貧困；以農(nóng)業(yè)為主的平原地區(qū)需要提升機(jī)械化水平，降低勞動(dòng)力在農(nóng)業(yè)中的投入，促進(jìn)更多勞動(dòng)力向其他部門流動(dòng)。