随着我国经济增长进入新常态,农民工返乡的规模和速度都明显提高。国家统计局数据显示,自2011年以来,农民工总量增速持续回落。2013-2019年,外出农民工人数增速分别为1.7%、1.3%、0.4%、0.3%、1.5%、0.5%、0.9%,而同期,本地农民工人数增速分别为3.6%、2.8%、2.7%、3.4%、2.0%、0.9%、0.7%(1)数据来源于国家统计局2013-2019年全国年度统计公报。。本地农民工人数增速基本高于外出农民工增速,表明中国的农村劳动力迁移正在发生历史性转折。
近年来,沿海地区产业转移加速,中西部传统人口净流出地社会经济快速发展,基础设施和公共服务条件得到极大改善,国家和各地区出台了一系列返乡创业扶持政策,加上脱贫攻坚和乡村振兴战略深入实施,美丽乡村建设全面推进,农民工返乡创业面临前所未有的历史机遇和发展空间,许多有能力的农民工有了主动返乡的意愿和动机。根据农业农村部统计,2011年以来农民工返乡创业人数增幅均保持在两位数左右,截至2019年上半年返乡创业人数超过800万(2)21世纪经济报道:全国超800万人返乡创业 带动就业人口3000万。见https://www.ndrc.gov.cn/xwdt/xwfb/201906/t20190618_954437.html.。农民工返乡创业不仅能够使人才回归、技术回乡、资金回流,吸附带动相关上下游产业的协同发展,也能够解决大量农村劳动力就地、就近就业的问题,可以说农民工返乡所引发的乡村人力资本革命对工业化、城镇化、脱贫攻坚、乡村振兴等均起到了有力的推动作用[1]。鉴于新时代的发展,农民群体对社会环境的适应程度及其思维、能力等出现了较大分化,在甄别老一代、中生代和新生代农民工人力资本差异的基础上,系统把握农民工返乡决策行为的特点与趋势,探讨人力资本对农民工返乡行为的影响机制,具有十分重要的现实意义。
本文从代际差异的视角出发,利用在陕西省获得的农户调查数据,通过构建Multinomial Logistic模型,实证分析新时期人力资本对农民工返乡决策的影响效应和作用机制,并对比不同群体农民工人力资本对其返乡决策的影响差异,以期为农民工留城或返乡决策提供科学依据。
针对我国“民工潮”和“民工回流”“民工荒”并存的现象,长期以来学术界一直关注如何促使农村劳动力外出,对农民工的进城决策、就业与社会保障、定居意愿与城市融合等问题进行了探究。而经济新常态下,中国农民工整体呈现出新业态、新工匠、新“城归”的发展趋势[2]。随着“返乡潮”的不断扩大[3],农民工的返乡行为及其就业问题吸引了社会各界的关注,国内外学者对其进行了深入剖析,产生了大量研究成果,主要包括:农民工返乡再就业的现状及其影响因素,农民工返乡创业意愿的影响因素,农民工返乡创业的领域、行业和模式,以及返乡创业绩效的影响因素等[4-10]。综观上述不同角度对农民工返乡问题的拓展研究,仍存在以下值得改进的方面:第一,由于经济增长速度放缓、外贸订单下降和资本替代劳动等原因,企业用工数量减少,人口净流出地非农就业机会相对匮乏,而且由于农民缺乏在城市立足的技能,在外地就业容易遇到困难或者遭受失业,城市生活成本增加,生活状况满意度低,年老或者体衰生病等,农民工不得不“被动”返乡[11]。近年来,伴随着中西部传统人口净流出地社会经济的快速发展,产业转移推动就业岗位西进,加之国家和各地出台的返乡创业扶持政策,这些地区开始吸引大量的外出劳动力回流,使不少农民工的家乡有了更好的发展机会,农村投资回报率上升,很多农民工受就业和创业机会的吸引“主动”返乡[12],其背后的人力资本差异对返乡行为产生了重要影响。那么现阶段选择回乡的农民工具有什么样的人力资本特点,是否具有较高人力资本的农民工更倾向于返乡?第二,大多数研究仍将农民视为一个整体,而随着城镇化的推进和人口结构的持续变化,农民群体的异质性已经不容忽视,其逐渐分化为老一代、中生代和新生代农民。考虑到不同代农民人力资本与就业流动状态呈现出的巨大差异,新形势下,老一代、中生代和新生代农民人力资本与其返乡决策有何关系?这需要进一步地深入研究。
基于托达罗模型的基本假设,城乡的收入差异是农村劳动力迁移至城市的根本原因。相应的,外出劳动力是否做出再迁移决策最为根本的考虑因素亦是城乡间的净收入差异。即:
d=d(wen,cen,wer,cer)
(1)
式(1)中,d表示城乡预期收入差异,wen代表城市的预期收益,cen代表在城市的成本,wer代表在农村的预期收入,cer代表农村的生活成本。
在上述经典托达罗模型的基础上,本研究将引入人力资本相关变量,构建拓展的托达罗迁移决策模型。首先,引入人力资本变量Q,放弃托达罗模型中劳动力同质的假设,该变量表示人力资本禀赋的变化对城乡收益的影响,即城乡收益受年龄、性别、受教育水平、工作年限、职业等因素的影响。无论迁至城市还是留居或回流农村,其货币性收益与迁移者人力资本变量Q都是相关的,工资水平受年龄、受教育水平、技能水平等因素的影响。基于以上分析,在托达罗模型的基础上引入人力资本变量,得到农村外出劳动力回流决策模型,模型的基本方程为:
d=d[wen(Q),cen,wer(Q),cer]
(2)
式(2)中,农村劳动力迁移到城市后的预期收益受到工资水平wen的影响,其中工资水平是农村外出劳动力人力资本Q的增函数。wer代表农村外出劳动力回流后的预期收益,是其人力资本Q的增函数。由此可以得出,农村外出劳动力的回流决策函数:
Mi=f(d)=f[wen(Q),cen,wer(Q),cer],f′(d)>0
(3)
式(3)中,Mi代表单个农村外出劳动力再迁移决策,Mi=0代表劳动力正在外务工未返乡,Mi=1代表劳动力无外出务工经历,Mi=2代表劳动力曾外出务工现在已经返乡。d为农村预期收益与城市预期收益净差距,f′(d)>0表示农村外出劳动力回流决策是城乡预期收益差距的增函数,这种城乡差距越大,农村外出劳动力越有可能做出回流决策。同时Mi受城市工资wen、人力资本变量Q(受教育年限、工作经验、培训情况等)的影响。
Patnaik等研究发现个人的教育程度、健康状况等人力资本特征对其是否流动、何时流动以及流向何处具有决定性作用[13],在市场信息的引导下,个人会根据自身的人力资本状况进行流动决策,以期积累知识和经验、提高劳动回报、改善发展机会[14]。具体而言,就人力资本与返乡决策的关系,部分学者认为人力资本对返乡决策有着负向效应。谢勇等研究表明受教育程度、职业技能培训、人力资本水平与农民工的返乡行为之间均存在着显著的负相关关系,即人力资本水平的改善会导致农民工返乡意愿显著降低[9];雷阳阳研究表明受教育程度越高,身体状况越好,农民工回流的概率越低[15];牛建林指出“返乡潮”并未引发人力资本较高的流动者选择性地回流,其对传统人口流入地“用工荒”的影响更多地表现为劳动力数量短缺程度的加剧,而非优质人力资本的流失[3];Borjas认为年龄较大、文化程度较低、缺乏技能、健康状况较差等因素促使劳动力回流[16]。在“被动”返乡行为中,由于年老或体衰这种人力资本水平的绝对或相对下降而“不得不”返乡,其相应返乡决策与人力资本水平呈负相关关系,即人力资本状况相对较低(或明显下降)者更倾向于及早返乡。
相对地,另有研究发现人力资本对返乡决策具有正向促进作用。侯风云等的研究结果显示,教育水平越高的农民工返乡概率越大,农村更高的人力资本回报率是吸引农民工返乡的主要原因[17];Saenz等指出劳动力自身的人力资本积累和提升促使劳动力返乡[18];张立新等研究表明人力资本对农民工返乡创业意愿具有正向影响[19]。近年来,我国不少传统人口流出地的社会经济发展速度加快,推动了这些地区就业和创业机会的增加以及人力资本回报率的上升,在客观上吸引着一些人力资本较高的流动者返乡。我国经济转型经历了三个阶段,其中从20世纪过渡到21世纪的时期,为经济转型的第二个阶段,很多农村成了“老人村”,青壮年基本上离开了农村,只要有体力或有一定的技艺,经过同乡介绍都比较容易找到工作。当进入21世纪以后,特别是中共十八大以来,中国的经济转型大大加快,企业的招工要求也在不断提高,农民工没有专业技术能力很难找到固定的工作,因此不得不选择返乡[20]。与“被动”返乡现象相对照,在理论上,“主动”返乡者的返乡决策与其人力资本水平更可能呈正向相关关系,即“主动”选择返乡的更有可能是人力资本水平较高的流动者。总体而言,人力资本对个人的迁移流动决策起着重要的决定作用。
根据以上分析,本文提出如下假设:
H1:人力资本对农民工返乡行为的影响方向不确定。
本文借鉴段成荣等划分农民工代际的方法[21],将出生于1980年及以后的农民界定为新生代农民工,1965-1979年出生的为中生代农民工,1965年之前出生的为老一代农民工。
随着经济社会发展,中国农民工的代际分化十分明显,新生代农民工与老一代农民工之间在流动决策行为上存在明显差异。不同代际的农民工,由于处于生命周期的不同阶段,社会经历与成长环境的差异导致其受教育程度、健康状况、劳动年限和工作技能等人力资本存在明显的差别,从而影响其流动决策行为[22]。
已有研究显示,相比于非新生代农民工,新生代农民工具有更高的教育水平[23],人力资本的积累更有优势,但普遍缺乏务农经验,而其外出打工的动机已经由经济理性转变为发展理性[24]。新生代农民工与非新生代农民工在文化以及观念上的不同会导致他们在行为方式和行为决策上的差异[25]。
根据以上分析,本文提出如下假设:
H2:人力资本对不同代际农民工流动决策行为的影响存在显著差异。
本文使用的数据来自课题组2017年4-5月对陕西省农民工的抽样调查。调查内容包括农民的人力资本、个体特征、家庭特征和就业流动状态情况。调研地点选择陕西省宝鸡市和咸阳市,宝鸡市选择渭滨区、金台区、陈仓区,咸阳市选择礼泉县、武功县和杨凌区,调查地点和样本分布情况见表1。本次调查共发放调查问卷528份,收回528份,剔除缺乏调研关键信息的问卷,获取有效问卷526份,有效率为99.62%。
表1 调查地点和样本分布情况
调研地点户数占比/%渭滨区6812.93金台区8716.54陈仓区10119.20礼泉县8415.97杨凌区15329.09武功县336.27
受访农民工以男性居多(占比71.29%),年龄集中在40岁以上(占比73.58%),只有极少部分是党员身份(占比5.51%),受教育程度以初中和高中(或中专)为主,分别占比44.49%和28.70%,已婚农户有91.83%,其中,有孩子的占90.11%。新生代、中生代与老一代农民工分别占24.90%、42.78%和32.32%。样本的具体情况见表2。
表2 样本农民工的基本情况
变量分类频数频率/%变量分类频数频率/%性别男37571.29受教育程度不识字或识字很少366.84女15128.71小学10219.39年龄30以下468.75初中23444.4930~399317.68高中或中专15128.7140~4916130.61大专及以上30.5750以上22642.97是否结婚0438.17是否党员是295.51148391.83否49794.49子女数量0529.89代际新生代13124.90114727.95中生代22542.78226049.43老一代17032.3236712.74
根据描述性统计结果(表3),在被调查的526位农民工中,没有外出务工的有81人,占样本总数的15.40%;未返乡的农民工有96位,占样本总数的18.25%;返乡的农民工349位,占样本总数的66.35%。除总样本中返乡比例最高以外,三代农民工的返乡比例也均较高。
表3 农民工就业流动状态
状态新生代人数占比/%中生代人数占比/%老一代人数占比/%全样本人数占比/%未外出1410.693013.334726.118115.40未返乡2116.034419.563117.229618.25返乡9673.2815167.1110256.6734966.35
对农民工返乡决策行为影响因素的实证研究采用Multinomial Logistic回归模型。Logistic回归是对分类变量进行回归分析时应用最为普遍的方法之一。Logistic回归模型的优点在于它不仅可以应用在二分类反应变量,还可以应用于多分类反应变量。当分类反应变量的类别为三类及以上且类别之间无序次关系时,可以应用Multinomial Logistic模型进行计量分析,符合本研究的要求。
根据就业流动状态的不同,将农民工划分为三类:从未外出务工、正在外地务工、外出务工一段时间已经返乡,也就是说,一个农村劳动力有三种就业流动状态可供选择,因而采用Multinomial Logistic模型对样本数据进行分析。利用Multinomial Logistic模型可以估计人力资本因素如何决定劳动力处于三种状态中的哪一种。根据需要,将正在外务工未返乡者作为定量模型中的对照组,其系数标准化为零。自变量系数为正,意味着相对于作为参照组的正在外务工来说,劳动者更倾向于选择此种状态;自变量系数为负则相反。对农村劳动力的就业流动状态研究有两个对比分析,一个是返乡后的劳动力和没有外出务工经历的劳动力的对比,另一个是返乡劳动力和正在外务工的劳动力的对比,这种比较设计主要是探讨劳动力外出务工后为什么选择返乡以及哪些劳动力选择了返乡。被解释变量为劳动力流动状态。根据当前就业流动状态的不同,划分为三类:一类是该劳动力无外出务工经历(设置为1);一类是劳动力曾外出务工现在已经返乡(设置为2);一类是劳动力正在外务工未返乡(设置为0)。因分类变量的类别为三类以上,且无序次关系,所以应用Multinomial Logistic模型。
本文三种就业流动状态的Multinomial Logistic模型可以表述为:
(4)
式(4)中,pn为处在某种就业流动状态的概率;αn为常数项;xk为解释变量,表示第k个影响因素;βnk为模型n中第k个影响因素的回归系数,可以通过最大似然估计法求得。本研究主要考察人力资本对农民工就业流动决策行为的影响及其代际差异。
(1)因变量。本文因变量为农民工当前就业流动状态,根据问卷,被访者需要在3个选项中进行选择:未外出,返乡和留城,分别赋值为1,2和0。
(2)核心自变量。本文的核心自变量是人力资本,人力资本是指体现于人自身的知识、技能和体力的存量,根据相关研究,选取受教育程度、健康状况、劳动年限和是否具有非农技能来表征受访者的人力资本。
(3)控制变量。根据相关研究,本文选择农民工个体特征和家庭特征作为特征变量,包括年龄、性别、是否结婚、子女数量、是否是党员。
上述相关变量的含义、赋值及描述性统计分析见表4。
表4 变量定义与描述性统计分析
变量变量定义及赋值新生代均值标准差中生代均值标准差老一代均值标准差全样本均值标准差因变量就业状态未外出=1;返乡=2;留城=01.570.751.470.801.420.781.480.78核心自变量受教育程度实际受教育程度文盲=1;小学=2;初中=3;高中=4;大专及以上=53.690.952.920.902.720.983.041.01健康状况健康=1;基本健康=2;不健康但生活能自理=3;生活不能自理=41.110.341.310.531.530.691.330.57劳动年限实际劳动年限14.035.7930.155.1543.056.6030.3112.34是否非农技能是=1;否=00.530.500.490.500.510.500.510.50控制变量性别男=1;女=00.640.480.720.450.760.430.710.45年龄实际年龄31.274.0346.573.8459.714.8547.0111.49是否结婚是=1;否=00.790.410.940.240.990.110.920.27子女数量拥有的子女数量0.940.751.680.642.150.711.650.82是否是党员是=1;否=00.040.190.050.220.080.270.060.23
表5对三种流动状态的农民工的人力资本变量进行了描述性统计分析。可以看出,返乡农民工的平均受教育程度高于未返乡和未外出的农民工,返乡农民工的健康状况好于未返乡和未外出的农民工,返乡农民工拥有非农技能的比例高于未外出和未返乡的农民工,但返乡农民工的劳动年限相对少于未外出和未返乡的农民工。
表5 不同流动状态的农民工人力资本统计
变量未外出(81)均值标准差返乡(349)均值标准差留城(96)均值标准差受教育程度2.801.043.130.952.951.17健康状况1.420.571.310.561.320.62劳动年限34.3312.0229.5212.1729.7512.68是否具有非农技能0.440.500.540.490.410.49
表6描述了样本中未外出、已返乡者和尚未返乡者农民工的人力资本差异。未外出、返乡、留城的受教育程度主要集中在初中,分别占比33.33%、49.00%、37.50%。已返乡者中拥有非农技能的比例高于尚未返乡者和未外出者,54.44%的已返乡者拥有非农生产技术,高出尚未返乡者相应比例约13个百分点,高出未外出者相应比例10个百分点。
表6 不同流动状态的农民工人力资本情况对比
未外出81(占比/%)返乡349(占比/%)留城96(占比/%)受教育程度不识字或识字很少8(9.88)18(5.16)10(10.42)小学25(30.86)54(15.47)23(23.96)初中27(33.33)171(49.00)36(37.50)高中或中专17(20.99)78(22.35)19(19.79)大专及以上4(4.94)28(8.02)81(8.33)健康状况健康50(61.73)258(73.92)73(76.04)基本健康28(34.57)73(20.92)15(15.63)不健康但生活能自理3(3.70)18(5.16)8(8.33)是否有非农技能是36(44.44)190(54.44)40(41.67)否45(55.56)159(45.56)56(58.33)
从表6可知不同流动状态的农民工人力资本不同,那么人力资本对农民工就业流动状态具有怎样的影响,下面通过计量模型进行进一步的估计。
运用Stata 14.0统计软件,构建Multinomial Logistic模型,估计人力资本对农民工流动状态的影响。全样本及分样本检验结果分别见表7和表8。
表7 全样本回归模型估计结果
留城/返乡系数标准误未外出/返乡系数标准误受教育程度0.24∗0.13-0.040.15健康状况-0.050.210.080.22劳动年限-0.04∗0.02-0.050.04是否具有非农技能-0.55∗0.24-0.050.27性别0.52∗0.31-1.23∗∗∗0.27年龄-0.68∗0.270.320.3是否结婚-0.38∗∗0.130.140.15是否是党员0.770.47-0.780.79常数项-0.160.77-4.02∗∗∗1.10Log likelihood-423.206LR chi2(16)69.59Prob>chi20.0000Pseudo R20.076
注:*、**和***分别表示通过了10%、5%和1%水平的显著性检验,后同。
表8 分样本回归模型估计结果
新生代(131)留城/返乡系数标准误未外出/返乡系数标准误中生代(225)留城/返乡系数标准误未外出/返乡系数标准误老一代(170)留城/返乡系数标准误未外出/返乡系数标准误受教育程度0.030.33-0.230.44-0.210.230.060.29-0.110.07-0.060.06健康状况-0.200.290.541.010.090.330.060.410.120.330.020.30劳动年限-0.20∗0.090.030.090.050.060.010.070.010.07-0.11∗0.06非农技能0.090.58-0.190.69-0.610.37-0.170.45-1.44∗∗0.52-0.160.45性别1.42∗0.75-1.80∗∗0.720.190.44-2.10∗∗∗0.492.05∗∗0.72-0.360.51年龄0.010.120.200.13-0.030.070.090.08-0.26∗0.110.16∗0.08是否结婚-1.100.790.160.280.480.86-0.651.251.614.151.410.33子女数量0.640.55-0.530.59-0.240.310.260.42-0.60∗0.380.67∗0.31是否是党员-0.200.521.061.320.540.760.561.142.38∗∗0.88-1.570.41常数项0.170.29-0.200.28-2.082.46-5.313.22-1.520.41-0.210.33Log likelihood-76.3553-174.2522-130.6233LR chi2(18)46.4736.4461.32Prob>chi20.00030.00620.0000Pseudo R20.23330.09470.1901
根据表7,全样本模型中,与返乡组相对照,人力资本中的受教育程度对留城呈现10%水平的正向显著影响,表明随受教育程度的提高,农民工选择留城的概率更大,受教育程度低的农民工返乡的概率更大。受教育程度高的农民工接受新技术的能力较强,相对而言更容易在城镇地区找到相对稳定的工作,在城市中更能发挥自身优势,因此受教育年限较长的迁移者,其留城收益可能更高,更倾向于留城。劳动年限的回归系数在10%的水平上显著且为负值,表明劳动年限越长,农民工返乡的概率越大。工作压力随着劳动年限的增加而增加,积年累月的外出经历可能会推动一部分农民工选择离城回乡。是否具有非农技能对留城的回归系数在10%的水平上统计显著且为负值,表明具有非农技能的农民工返乡概率更大。非农技能的获得一定程度上能够助推农民工返乡创业,打破其传统农业经营和外出打工谋生的思维牢笼。
控制变量中,性别对留城呈现10%水平的正向显著影响,对未外出达到了1%的负向显著影响,表明男性更倾向于留城,女性更倾向于不外出,这与现实情况相符。年龄对留城呈10%水平的负向显著影响,表明年龄越大,农民工的返乡概率越大。婚姻状况对留城呈5%的负向显著影响,表明已婚的农民工更倾向于选择返乡。
从表8中可以看出,劳动年限对新生代和老一代农民工返乡的影响均达到了10%的正向显著影响,表明劳动年限越长的新生代和老一代农民工返乡概率越大。进一步印证了全样本中劳动年限越长、年龄越大的农民工返乡概率更大的结论。农民工在外务工时间越长,面临的生活问题越多,孩子的教育、城市生活的成本、城乡差异带来的心理压力愈加强烈。阻碍农村劳动力彻底转移的户籍制度的顽固存在,使得农民工对其身份产生质疑,没有办法真正融入城市,返乡是其最后的心理寄托。新生代农民工返乡多是出于城市生活压力大、环境不佳等外在因素,而老一代农民工返乡多是其落叶归根、乡土情结的内在心理表达。
非农技能对老一代农民工留城意愿呈5%显著性水平的负向影响,表明拥有非农业生产技能的老一代农民工更倾向于返乡。在被调查的526位农民工中,返乡的农民工349位,占样本总数的66.35%,其中约有54.44%的已返乡者拥有非农生产技术,相应比例高出尚未返乡的被访者约13个百分点。
控制变量中,性别对新生代和老一代农民工的留城意向分别呈10%和5%的显著正向影响,对新生代和中生代农民工未外出选择分别呈5%和1%的显著负向影响。就回归系数而言,中生代农民工中女性未外出的特征最为明显,老一代农民工中男性的留城倾向较为明显。这种现象源自我国的传统习惯,一般情况下女性在家中照顾子女和父母,管理家庭日常生活及农业生产,男性则负责外出挣钱养家糊口。
年龄对老一代农民工留城选择呈10%显著性水平的负向影响,对未外出选择呈10%显著性水平的正向影响。表明年龄越大,农民工返乡和不外出的可能性越大。这与全样本中年龄的影响效应相吻合。随着年龄的增长,农民工的体质开始下降,投入的有效劳动时间减少,收入相应减少,加之中国人传统的落叶归根思想,外出农民工更倾向于返乡[26]。而上了年纪的农民工自然外出的积极性下降,外出的可能性极小。
分样本结果显示,子女数量只对老一代农民工的流动行为有影响,在10%的显著性水平上,子女数量负向影响老一代农民工的留城选择,正向影响老一代农民工的未外出选择。对老一代农民工而言,家庭子女数越多,考虑的方面越多,做出外出决策越不容易。即便是外出农民工,由于尚存的城乡教育不公问题、户籍身份等问题,也更倾向于返乡生活。此外,是否为党员对老一代农民工留城意向呈5%水平的显著正向影响,表明党员身份会增加老一代农民工留在城里的概率。
根据调研数据统计,农民工主要从事服务业、制造业和建筑业相关方面的工作,这类工作环境较差,工作地点不固定,流动性强。这类农民工返乡意愿更强。调查过程中发现,随着美丽乡村建设的推进,各地区的乡村特色产业、乡村旅游事业蓬勃发展,不少农民工抓住机会,纷纷返乡创业。中共十八大后,农村经济转型加快推行,土地确权和土地流转成为农村经济发展的新机遇,这时,很多农民工返乡后将确权后的土地租赁给其他农户,自己就地创业,所得收入远高于外出务工。比如武功县的姜嫄水乡,宝鸡市凤翔县依灵山而建的雍州古镇,均依托关中历史文化建造其特色旅游景点,景点中绝大多数的商铺业主都是当地外出打工返乡的农民工,由于在外打工接受培训掌握了一些非农业生产技能,因此,选择返乡从事农家乐、特色小商铺、小手工制作等的经营,不仅实现了一家团聚,还带动了家乡旅游业的发展。在家门口挣钱,农民工的工作热情很高。收入的增加和乡村的美丽建设吸引了更多的农民工返乡创业,这部分返乡农民成为新型职业农民的潜力更高。
本文利用在陕西省获得的农户调查数据,通过构建Multinomial Logistic模型,将农民工就业流动状态划分为从未外出务工、正在外地务工、外出务工已返乡三种,实证分析了人力资本对农民工返乡行为的影响效应和作用机制,并通过分样本分析进一步对比了人力资本对新生代、中生代和老一代农民工返乡行为的差异性影响。研究结果表明:第一,人力资本对农民工返乡行为存在显著影响,表现为受教育程度较低、劳动年限较长、具有非农技能的农民工返乡概率更大。第二,人力资本对三代农民工返乡行为的影响具有显著差异,主要体现在劳动年限会显著增加新生代和老一代农民工的返乡概率,拥有非农业技能的老一代农民工更倾向于返乡。第三,综合总样本与分样本来看,女性农民工选择返乡行为的概率偏大,年龄对农民工返乡行为具有正向促进作用,相比于新生代和中生代,老一代农民工的这两种特征尤为明显。
如何更好解决新形势下农民工的就业问题,提高农民工的就业保障水平?基于以上研究,得出如下启示:第一,加强农村地区教育资源投入,提高农民工受教育水平。教育资源匮乏、受教育程度偏低是长期以来我国农村地区发展的一大短板,正如本文统计,样本农民工的受教育水平普遍停留在初中,这成为农村积贫积弱的根源所在。教育是提升人力资本存量的最直接途径,增加农村地区的教育投资倾斜,鼓励号召优秀人才支援农村教育,保障更多农民工享有公平受教育的机会,才不会使农民工在“返乡”与“留城”之间作难,才能促进农村的长足发展。第二,加强农民工的职业技能培训,提高其择业就业能力。伴随着产业结构升级的新常态化,农民工的技能素质提升显得迫在眉睫。高技能的人力资本回报不仅有助于农民工实现城市融入,也对其返乡创业具有积极的推动作用。开展农民工职业技能培训计划,建立专项资金,依托企业、职业技术院校等平台,加大对农民工的职业技能培训力度,特别注重提升新生代农民工的就业能力,弥补其劳动年限相对较短的劣势。第三,加强农村地区基础设施建设,优化农民工返乡就业环境。农民工选择不外出或者外出务工后返乡,很大程度上是由于无法彻底融入城市生活,这反映了一方面,农民工在城市的各方面保障有待完善,另一方面,农村只能是“退而求其次”的“被动”选择。因此,要加快推进美丽乡村建设,完善农村基础设施,提高农村公共服务水平,为农民提供更多更便利的就业创业条件,使农民工主动回乡建设,而不是被迫返乡。
[1] 刘祖云,姜姝.“城归”:乡村振兴中“人的回归”[J].农业经济问题,2019(2):43-52.
[2] 杨志明.中国特色农民工发展研究[J].中国农村经济,2017(10):38-48.
[3] 牛建林.城市“用工荒”背景下流动人口的返乡决策与人力资本的关系研究[J].人口研究,2015,39(2):17-31.
[4] 齐瑶娣,朱宇,王文菲,等.社会性别视角下回流劳动力的再就业现状及其影响因素——基于7个省份的调查[J].南方人口,2019,34(4):37-48.
[5] MURPHY R. Return migrant entrepreneurs and economic diversification in two counties in south Jiangxi,China[J]. Journal of international development,1999,11(4):661-672.
[6] 匡远凤.人力资本、乡村要素流动与农民工回乡创业意愿——基于熊彼特创新视角的研究[J].经济管理,2018,40(1):38-55.
[7] 张若瑾.创业补贴、小额创业贷款政策对回流农民工创业意愿激励实效比较研究——一个双边界询价的实证分析[J].农业技术经济,2018(2):88-103.
[8] 董晓林,孙楠,吴文琪.人力资本、家庭融资与农户创业决策——基于CFPS 7981个有效样本的实证分析[J].中国农村观察,2019(3):109-123.
[9] 谢勇,周润希.农民工的返乡行为及其就业分化研究[J].农业经济问题,2017,38(2):92-101,3.
[10] 郑秀芝,邱乐志,张益丰.农民创业绩效影响因素分析和实证检验[J].统计与决策,2019,35(15):109-111.
[11] 白南生,何宇鹏.回乡,还是外出?——安徽四川二省农村外出劳动力回流研[J].社会学研究,2002(3):64-78.
[12] 汪三贵,刘湘琳,史识洁,等.人力资本和社会资本对返乡农民工创业的影响[J].农业技术经济,2010(12):4-10.
[13] PATNAIK B C M,SATPATHY I,MANDAL A.Determinants of migration:a review of literature[J]. Online international interdisciplinary research journal(Special Issue),2014(4):349-357.
[14] 王广慧,张世伟.教育对农村劳动力流动和收入的影响[J].中国农村经济,2008(9):44-51.
[15] 雷阳阳.人力资本对农民工回流的影响研究——基于CLDS数据[J].调研世界,2016(7):42-46.
[16] BORJAS G J. The economics of immigration[J]. Journal of economic literature,1994,32(4):1667-1717.
[17] 侯风云,张凤兵.农村人力资本投资及外溢与城乡差距实证研究[J].财经研究,2007(8):118-131.
[18] SAENZ R,DAVILA A. Chicano return migration to the southwest:an integrated human capital approach[J]. International migration review,1992(26):1248-1266.
[19] 张立新,林令臻,孙凯丽.农民工返乡创业意愿影响因素研究[J].华南农业大学学报(社会科学版),2016,15(5):65-77.
[20] 厉以宁.农民工、新人口红利与人力资本革命[J].改革,2018(6):5-12.
[21]段成荣,马学阳.我国农民工的代际差异状况分析[J].劳动经济评论,2011(4):34-53.
[22] 郑真真.中国流动人口变迁及政策启示[J].中国人口科学,2013(1):36-45,126-127.
[23] 吕晓兰,姚先国.农民工代际差异再研究——基于工资决定和留城意愿视角[J].经济与管理研究,2014(9):32-42.
[24] 王春光.新生代农村流动人口的社会认同与城乡融合的关系[J].社会学研究,2001(3):63-76.
[25] 陈建林.第二代农民工市民化研究[D].武汉:武汉大学,2009:20-27.
[26] 李楠.农村外出劳动力留城与返乡意愿影响因素分析[J].中国人口科学,2010(6):102-108,112.