金融危机环境下农民工回流问题分析

　　受全球金融危机影响,我国出现大规模的农民工回流现象｡本文依据2009年吉林省农民工返乡抽样调查数据,应用微观计量方法分析农民工回流的影响因素｡研究结果表明:年龄和流动距离对农民工回流具有正向影响,务工时间､务工收入和受教育程度对农民工回流具有负向影响,建筑业和制造业中的农民工回流概率较高;金融危机对农民工回流产生了重要影响,使农民工回流的概率增加了40.46%｡
　　[关键词]农村劳动力;农民工;劳动力迁移;回流
　　[中图分类号]C912.82 [文献标识码]A [文章编号]1004-518X(2009)08-0227-03
　　赵亮(1982—),女,吉林大学数量经济研究中心博士研究生,主要从事三农问题研究;张世伟(1964—),男,吉林大学数量经济研究中心教授,博士生导师,主要从事劳动经济学研究;(吉林长春 130012)樊立庄(1957—),男,吉林省统计局工作人员,主要从事人口学研究｡(吉林长春 130051)
　　本文为国家社会科学基金项目“调整个人收入差距与促进社会公平研究”(项目编号:05BYJ026)､教育部人文社会科学重点研究基地重大项目“收入再分配政策作用机理和作用效果的微观模拟”(项目编号:05JJD790079)､东北师范大学自然科学青年基金项目(项目编号:20090701)的研究成果｡
　　
　　国外学者对农村外出劳动力回流问题研究起步较早,研究的重点集中在外出劳动力回流的原因和决策机制｡Stark和Taylor(1991)应用新劳动力迁移理论分析为降低风险和减轻“相对贫困”而进行迁移决策[1]｡Tunali(1996)通过对土耳其男性劳动力回流的调查指出:随着年龄增长而产生的风险规避倾向会导致劳动力回流,迁出地资本的积累和就业环境的改善也将会吸引劳动力回流[2]｡Hare(1999)通过利用我国农村的农户数据,研究了推力和拉力作用下农村劳动力的流出和回流问题[3]｡Lucas(2003)认为导致回流的主要原因为城市就业机会突然急剧减少,劳动力返乡进行投资[4]｡
　　国内学者对农民工回流问题研究起步较晚,崔传义和潘耀国(1999)依据山东省桓台县的数据分析了外出与回流､回流与创业的关系[5]｡赵耀辉(2002)应用计量方法分析了回流的原因,指出年龄､受教育程度､耕地和迁出地非农就业机会均对农民工回流产生正向影响[6]｡白南生等(2002)较深入全面地探讨了农民工回流的原因､过程和后果[7]｡Wang(2005)从制度经济学角度将回流分为基于城市就业失利的回流､基于家庭原因的回流和投资性回流三类[8]｡张宗益等(2007)根据重庆市实地调研数据资料,应用Probit模型回归分析了个人特征､家庭因素和利农政策对回流的影响 [9]｡罗静和李伯华(2008)依据武汉市数据,应用logistic回归模型分析了农户回流意愿的影响因素,指出农户个体特征､家庭特征､农户对乡村评价和城市吸引力等,均对农户回流意愿产生了一定的影响[10]｡
　　受全球金融危机影响,2008年我国出现大规模的农民工返乡现象｡本文依据2009年吉林省农民工返乡情况抽样调查数据,应用微观计量方法对农民工回流的影响因素进行分析｡
　　
　　一､数据的统计描述
　　
　　本文使用的数据来自于吉林省2009年农民工返乡情况快速抽样调查,此项调查在全省22个县的农村住户调查所在村中进行,共调查了4 200人｡调查内容分为两部分:调查村基本情况,包括总人口､劳动力人数､外出务工人数和返乡农民工人数;外出务工人员基本情况,包括年龄､性别､返乡原因､务工时间和从事职业等｡表1给出了返乡农民工和未返乡农民工基本情况的统计描述,我们可以发现男性农民工返乡比例高于女性;农民工受教育程度越高,返乡的概率越低;具有技术等级的农民工返乡概率略低于不具有技术等级的农民工返乡概率｡本省务工的农民工返乡比例高于外省和国外务工的农民工｡农民工在城镇务工的主要行业为建筑业､制造业和服务业,在这些行业务工的农民工返乡比例高于其他行业｡返乡农民工的平均年龄略高于未返乡农民工的平均年龄,而返乡农民工的平均收入和平均务工年限明显低于未返乡农民工的平均收入和平均务工年限｡
　　
　　二､模型设计
　　
　　由于返乡农民工和未返乡农民工存在明显的个体特征差异,我们必须应用回归模型对个体差异进行控制｡考虑到宏观经济环境､家庭特征和个体特征等均会对农民工是否返乡产生影响,本文应用如下Probit模型分析农民工回流影响因素:
　　p*i=z′iα+ui
　　(1)
　　其中,p*i表示不可观测的决定个体i是否返乡的变量,p表示个体是否返乡(1表示返乡,0表示未返乡),Zi表示解释变量向量,包括:个体性别､年龄､受教育程度(以小学为参照组)､技术等级(以无技术等级为参照组)､务工收入､务工地点(以本省为参照组)､务工时间､务工行业(以其他行业为参照组)和金融危机因素(以没有受到金融危机影响为参照组)｡α表示解释变量系数,ui~N(0,1)表示随机扰动项｡个体返乡概率表示为:
　　Pr(p=1)=Φ(z′iα)(2)
　　其中,Φ(•)表示服从标准正态分布的分布函数｡返乡概率对Zk(Zk表示第k个解释变量)偏导数表示Zk对返乡概率的边际影响,即:
　　prob(p=1)/zk=?(z′iα)αk
　　其中,?(z′iα)是标准正态分布的概率密度函数｡
　　
　　三､结果分析
　　
　　依据吉林省微观数据,本文应用STATA统计分析软件对Probit模型进行回归,分析农民工返乡的影响因素｡表2给出了Probit模型的估计结果,可以发现似然比统计量为1 658.667 0,P值为0.000 0,R2为0.324 9,说明模型整体上统计显著,拟合优度较高,模型具有较高的解释力｡从模型的系数估计值中我们可以发现,由于男性变量未通过显著性检验,说明男性农民工和女性农民工返乡的概率之间没有显著性差异｡年龄变量系数显著为正,说明随着农民工年龄的增加,其返乡概率增加,即年龄每增加1岁,农民工回流的概率增加0.15%｡务工时间变量系数显著为负,说明外出务工时间长短对农民工返乡具有负向影响,即外出务工时间每增加1年,回流的概率降低7.45%,这源于农村劳动力在城市中生活时间越长,适应性越强,越不容易返乡｡务工收入变量系数显著为负,说明农民工务工收入对其返乡意愿具有负向影响,即农民工在城市中务工收入每增加1元,回流的概率降低0.002%｡务工地点在外省和国外的农民工回流的概率相对于本省农民工的回流概率来说比较大,这可能是由于务工地点离家乡比较远,造成心理成本和物质成本比较高,所以农村外出劳动力比较容易回流｡初中文化程度对农民工的回流没有显著影响,而具有高中文化程度的农民工回流的概率降低4.35%,表明文化程度越高,对生活期望越高,他们越不愿意回到收入较低的农村居住｡同时,文化程度相对较高的劳动力学习和适应能力较强,容易在城市生存｡技术等级变量系数不显著,说明它对农民工回流没有明显的影响｡上述实证分析结果均与劳动力流动理论预期一致｡从事建筑业和制造业的农民工相对于其他行业的农民工来说,更容易回流,返乡的概率分别增加5.17%和3.22%,这可能是由于建筑业和制造业首先受到金融危机的冲击;而从事运输业和服务业的农民工回流的概率与其他行业比较而言,没有显著的差异,这与劳动需求和供给理论预期一致｡

相关热词搜索：回流 农民工 金融危机 环境 分析