教育如何影響農村勞動力轉移

曾旭暉　鄭莉

摘要：本研究分析了教育是如何影響農村勞動力在純務農、兼業和純務工之間的就業選擇，以及該選擇隨年齡增長和世代更替的演變趨勢。研究發現，教育在總體上促進了非農就業，但在不同世代的生命歷程中有著不盡相同的作用機制。在較早出生的世代中，教育對兼業和純務工的促進作用是一致的。但在晚近出生的世代中，更高的教育水平對純務工就業有著非常顯著的影響，而對兼業選擇影響甚微。在老一代農民中，教育對兼業和純務工的促進作用隨年齡增長而有所減弱；而在新一代農民中，教育對純務工的促進作用隨著年齡增長而迅速加強，呈現教育的積累性優勢。此外，老一代農民的生命歷程中有一個從務工到務農的回歸；新一代農民向非農行業轉移則呈現不可逆的趨勢，教育對此起到了促進作用。

關鍵詞：農村勞動力轉移；教育；世代效應；多層多項Logit模型

中圖分類號：F3046文獻標識碼：A文章編號：1000-4149（2016）05-0035-12

DOI：103969/jissn1000-4149201605004

Abstract：This study analyzes the effects of education on rural labor transition from farming to parttime or fulltime nonfarming work， by applying multilevel multinomial logit model based on a longitudinal data.

We also take into the life course and cohort replacement account.

The results show that education improves transition to nonfarming work overall but the effects vary in the life course of different birth cohort. For the earlier cohorts， education has the same effects on nonfarming transition； for the later cohorts， education has much stronger effects on fulltime nonfarming transition when they grow older， but has little effects on parttime nonfarming transition. In the long run， for the earlier cohorts， the effects of education on nonfarming transition weaken a little bit； for the later cohorts， the effects of education on fulltime nonfarming transition get stronger and then show an accumulative advantage. In addition， we find a regression from nonfarming to farming in the life course of earlier cohorts. For the later cohorts， the transition to nonfarming work looks like an irreversible trend， facilitated by education significantly.

Keywords：rural labor transition； education； cohort effect； multilevel multinominal logit model

一、引言

從20世紀90年代初的民工潮開始，從土地上釋放出來的我國農村勞動力源源不斷地進城務工，構成了人類歷史上最大規模的勞動力遷移。根據2010年人口普查數據，農村16歲及以上勞動年齡人口數為512億，

其中有22億人在外務工，占全國農村勞動力總量的426%，另根據全國農民工監測報告，截至2014年，農民工總量已達到27億，其中住戶中外出農民工132億，本地農民工106億，舉家外出農民工3578萬。隨著我國城鎮化和農業現代化的推進，農村勞動力向非農行業轉移將會持續下去。在一個農民的生命歷程中，面臨諸多選擇：繼續在家務農，還是到城里干點活，找點現錢；自己做點生意，還是外出打工；在就近的城鎮務工，還是到中心城市或是省外務工；繼續在外面打工，還是回鄉發展；回鄉創業，還是回鄉務農。從農村勞動力轉移的長遠趨勢看，弄

清楚從農業向非農行業的職業轉換是如何實現的，受到哪些因素的影響至關重要。特別是在中國特定的轉型期，半工半農的兼業方式普遍存在，突顯農村勞動力流動的復雜性和反復性。

在農業勞動力向非農行業轉移的國內外研究中，人力資本一直是一個重要的指標。受教育程度高的人更傾向于離開農業，在城市中尋找工作，進而完成農民向市民的轉換。同時，工業化和城市化也是一個國民教育普及的過程，新一代農民會比老一代農民獲得更高水平的教育，也更希望在城市工作和生活。但是我們對教育在農村勞動力轉移中的影響機制還缺乏深入分析。在一個農民的生命歷程中，教育是如何影響到務工、務農或兼業的職業選擇，以及在不同時代出生的農民中，教育對非農就業行為是否有著不同的作用方式，這些問題還有待進一步研究。

二、文獻綜述

西方國家在城市化過程中，農業勞動者向非農行業轉移既是職業的流動，也是由農民到市民

身份的轉變。而中國農村勞動力流動有著自身的特點。由于城鄉二元體制下戶籍制度和農村集體經濟制度的約束，多數農民雖然在某種程度上實現了非農就業，但是戶籍身份仍然保留在農村。蔡昉較早提出勞動力遷移的兩個過程，即農村勞動力遷入城市和在遷入地定居下來，而后一個過程因制度障礙難以順利實現[1]。其結果就是農村勞動力的職業流動模式呈現多樣性。從非農就業的角度來看，有學者將其分為三種模式：務農、本地非農就業和外出務工[2-3]；也有學者注意到非農就業參與程度上的差異，從而將其區分為務農、務工和兼業三種類型[4]。值得注意的是，不同就業模式的選擇不是一次性的。一個農村勞動力可能會在其生命歷程中的不同時段選擇不同的就業模式。盡管農村勞動力遷移以常年外出務工為主，但是農民工回流也是這一遷移過程的一部分；大部分回流者更傾向于從事生產性農業而不是本地的非農工作，并且多數回流勞動力會選擇再次外出[5-7]。在經濟波動中農戶勞動力供給行為也會發生改變，在經濟下行時期，農村勞動力普遍增加務農的時間或提高在農業上的勞動力配置[8]；在兼業農民中也存在非農就業時間配置問題[9]。這些研究都說明了農村勞動力向非農職業流動是一個動態的過程，應該考慮縱向的時間維度。

在農村勞動力遷移模型中，教育通常是一個默認變量。以教育為代表的人力資本要素促進了農村勞動力向非農行業轉移[10-13]。楊金風和史江濤在較早的文獻綜述中把教育的影響歸納為三個方面：教育提高了農村勞動力獲得非農就業的機會和從事非農就業的概率，并且從就業區位、從業時間和行業類別等方面增強了從事非農就業的選擇能力[14]。楊濤通過建立農戶家庭勞動力配置模型來解釋教育的作用機制，發現了如下三個事實：教育沒有為務農帶來明顯的回報，家庭最高受教育者對農業效益的貢獻與其是否從事非農工作無關，教育提高了務工收益。因此，農戶家庭中受教育程度較高的成員會利用比較優勢，外出務工，從而最大化家庭收益[13]。但是趙耀輝發現教育對外出務工的影響很小，并且不是遞增的：與沒受過教育的農民相比，受過小學和初中教育的農民的外出概率分別只高出20%和24%，而高中文化程度的農民與沒上過學的農民的外出概率差不多。該研究進一步分析發現，教育極大地促進了勞動力進入本地非農產業，與沒受過正規教育的農民相比，小學、初中和高中文化程度的農民外出務工概率分別高出36%、11%和21%，說明受教育程度高的農村勞動力首先選擇在本地非農就業，而不是外出務工[2]。威爾莫（Willmore）等人也發現較低和較高文化程度的人更傾向于留在農業，而中等文化程度的人更傾向于從事非農工作，作者對此的解釋是較高文化程度的人存在不充分就業的問題，即找不到合適的非農工作，只好留在家里務農[3]。

教育對非農職業流動的影響有著不同的方式。張林秀等人發現，教育增加了非農就業的機會，并且在調查的三個年份中（1988年、1992年和1996年）教育對非農就業的影響不斷加強。該研究進一步分析發現，教育并不是退出非農工作的重要因素，但對進入非農行業有顯著的促進作用[8]。邢春冰也發現教育對非農工作機會的影響隨時間而變化，在20世紀90年代初期影響較大，而到了90年代中后期，教育對于非農工作機會的邊際貢獻呈下降趨勢。這可能是由于人力資本水平提高、勞動力市場不健全導致人力資本配置失靈[15]。陳宗勝等人發現不同受教育程度對不同非農就業途徑的作用方式存在差異，比如教育在遠城區比在近城區對外出務工的影響更為顯著；相對于在本地從事非農工作，教育對外出務工的促進作用更為明顯[16]。外出農民工較高的教育水平是從事中高端職業的重要條件，提高了非農就業穩定性[17]，同時也降低了從非農部門回流到農業部門的概率[18]。

年齡對非農就業的影響有不同的研究結論。趙耀輝發現年齡對外出務工有微弱但是顯著的負向影響，可能的原因是很多農村勞動力并不打算移居城市，由于只有幾年的務工預期，因此難以用經濟學上的遷移受益年限來解釋，而年齡的心理成本可能起到更大的作用[2]。張林秀等人發現年齡與非農就業有很強的相關性，21-30歲是非農就業率最高的時期，隨著年齡的增大，非農就業率呈下降趨勢，在經濟下行期，年齡大的農村勞動力更傾向于退出非農工作[8]。方黎明和王亞柯則發現不同年齡段農村勞動力回流到農業部門的概率并沒有顯著性差異[18]。

同年齡相對應的另一個重要維度是出生年代。王春光較早提出新生代農村流動人口的概念，并與第一代農村流動人口在出生年代、教育、務農經歷、外出動機、身份認同等方面進行比較；新生代流動人口接受了更高的教育、缺乏務農經歷、外出動機強調在城市的生活適應、農民的身份認同減弱[19]。近年來，新生代農民工群體引起了更廣泛的關注，主要是指“80后”、“90后”的青年農民工。新生代農民工概念的提出意味著對不同出生年代的群體有了不同的考量，這為我們在分析農村勞動力流動時引入世代效應提供了很好的思路。

世代效應

關于cohort effects的翻譯在不同學科之間還沒有統一的標準，有同期群效應、代際效應、隊列效應、世代效應等多種譯法。同樣，對birth cohort的翻譯也有隊列、世代、代際、出生世代等不同譯法。（cohort effects）是指一個群體因出生于相同的年代而有著共同的社會經歷，從而帶有相似的特征，如我們所謂的“80后”或“90后”。世代效應的倡導者賴德（Ryder）認為，出生世代（birth cohort）是社會變遷的載體，社會變遷對個體生命的影響在不同世代中不盡相同，對出生世代的研究有助于我們更好地把握我們所經歷的社會變遷[20]。因此，出生世代這一概念早已超出人口學范疇，其對個人行為的影響，已經與社會經濟地位（SES）等結構性因素同等重要。賴利（Riley）在綜合了米爾斯的“社會學的想象力”和賴德的世代效應論述基礎上，提出一個整合性的生命歷程理論視角，指出個人的成長、成熟和老去都是在社會大背景中展開的，而這個社會大背景正是由一代又一代的出生世代所定義并形塑的[21]。也就是說，個人層面的年齡效應和集體層面經歷的社會變遷——即世代效應，在生命歷程理論中，需要得到同樣的關注。

具體到中國農村勞動力流動的研究中，年齡效應和世代效應有不同的作用方式。年齡效應代表生命周期，比如年輕時外出務工，年長時回鄉務農；世代效應則更多地體現了不同時期出生的人所共有的特征，比如新生代農民工的群體特征。不同世代農民工的非農就業行為可能并不一致：比如我們想知道新一代農民與老一代農民

由于本研究采用世代效應的分析方法，研究對象被看做是不同年代出生的群體，因此，新一代農民和老一代農民是一個相對概念，前者泛指晚近出生的農民，后者泛指較早出生的農民。

在職業選擇上的差異，是因為整體受教育程度的不同，還是因為年齡上的不同，或者只是因為出生時期的不同。要回答這類問題，必須進行年齡與世代的交互分析，否則就難以區分年齡、教育和世代各自獨立的影響。有學者早已注意到了這方面研究上的不足，指出已有研究多使用截面數據或短期重復觀察數據作為分析的基礎，由于數據可及性問題和統計方法上的局限性，在這一領域進行長時段的動態研究還不多見[14]。

在方法層面，社會科學研究中常用截面數據（crosssectional data）來分析社會變遷。截面數據無法區分年齡效應導致的個體內差異（withinperson differences）和世代效應導致的個體間差異（betweenperson differences）。這會導致年齡和世代的同一性問題（identification problem），也就是年齡效應和世代效應在截面數據中相互混合干擾[22]。隨著觀察數據的豐富和統計方法的改進，我們得以利用縱向數據或追蹤數據（longitudinal data）和面板數據（panel data）在分析中對年齡效應和世代效應進行剝離。具有多個出生世代的多輪追蹤觀察的數據設計尤其適合將數據中的時間變化區分為年齡和世代兩個維度。多世代追蹤數據提供多重世代的連續縱向觀測，相鄰的出生世代有了重合年齡段的觀察，因此我們得以比較不同世代在相同年齡段的發展軌跡，從而區分年齡效應與世代效應。

本研究將利用多世代縱向追蹤數據CHNS，將年齡和世代效應引入對農村勞動力轉移的研究中，應用多層多項Logit模型，分析人力資本過去20多年來對農村勞動力非農就業的影響及其發展趨勢。我們的主要研究問題如下：第一，農村勞動力的非農就業（兼業與務工）是否存在世代差異？世代效應對兼業與務工的影響是否一致？

第二，教育如何影響兼業與務工的選擇，教育的影響具有世代差異性嗎？第三，年齡如何影響兼業與務工的選擇，年齡的影響具有世代差異性嗎？第四，隨著年齡的增長，教育對兼業與務工的影響是不變、增長，還是降低？教育的年齡效應是否有世代差異？

三、數據與變量

二級標題1. 數據來源

本研究的數據來自于“中國健康與營養調查”（China Health and Nutrition Survey，CHNS）。CHNS是美國北卡大學和中國疾控中心合作實施的從1989年開始進行的縱貫調查或追蹤調查的項目。在最初的調查中，采用分層多階段抽樣的方法，從8個社會經濟及地理情況各異的省份中抽取分層概率樣本。目前，CHNS已完成并發布了9個年份的追蹤調查數據，包括1989、1991、1993、1997、2000、2004、2006、2009、2011年，時間跨度達到23年，樣本獲取地區有9個省和三個直轄市（2011年加入），調查覆蓋了47%的中國人口。CHNS調查設計中涵蓋了城鄉在經濟發展、公共資源、健康指數、社會人口等方面的變遷，信息綜合程度高，時空跨度大，為相關研究提供了難得的大范圍的追蹤數據庫。

CHNS調查主要目的是為了研究中國社會、經濟和人口的變遷對個人一生健康的影響。在問卷信息收集中，包括了樣本的職業變動、務農務工收入、人口學數據等，調查時間段正好對應我國農村勞動力由鄉進城的歷史時期，因此，對追蹤分析我國農村勞動力非農就業變遷具有獨特的優勢。盡管CHNS不是針對全國人口來設計調查，但前期研究發現CHNS的世代特征在年齡、性別與教育分布上，與全國性樣本具有可比性[23]。

本研究的分析樣本為所有農村戶籍、年齡在16-60歲之間且沒有在上學的農村勞動力?？傆嫻?2177人、47816次觀測記錄，人均觀測值為393次。

本研究的因變量為農村勞動力（戶籍為農村）的就業變動，分為純務農、純務工和兼業三個基本類型。我們用4個指標來綜合決定樣本非農就業情況，指標1是職業分類，分為農業勞動者和非農業勞動者；指標2是有無農業收入；指標3是有無工資性收入；指標4是有無經營性收入（見表1）。所有收入均指個人收入。純務農者是指無任何非農收入的農業勞動者，純務工者是指無任何農業收入的非農業勞動者。兼業型農村勞動力可分為三類：前兩類是指有非農收入的農業勞動者，若是以工資性收入為主則屬于第一類兼業，若是以經營性收入為主則屬于第二類兼業，第三類兼業是指有一定的農業收入來源的非農業勞動者，其主要從事非農工作，但同時以農業勞動為輔。

表2列出了9個年份中農村勞動力的就業變動。總體來看，農村勞動力20年來的就業分布趨勢是純務農比重不斷下降，而純務工比重則不斷上升。但是，由于農業人口原始基數大，2011年的數據顯示仍有過半的農村勞動力從事純務農的工作。兼業型農村勞動力的比重在一定范圍內波動，多數時間保持在15%-22%之間。值得注意的是在2004年農村勞動力純務工和兼業的比重都有一個明顯的下落，特別是第一類兼業，以務農為主、務工為輔的農村勞動力大量減少（從68%減少到19%），同期純務農勞動力的比重從2000年的625%提高到695%。因為2004年調查的是2003年的就業情況，我們推測這與當年的金融危機有關。很顯然，受經濟波動影響最大的是第一類兼業型勞動力，主要是外出打零工的農村勞動力。從另一個角度看，這也體現了農村集體土地制度對農村勞動力經濟活動的緩沖功能。

值得注意的是，農村勞動力在純務農、兼業、純務工之間的轉換不是一次性的。盡管有相當數量的農村勞動力常年務農，在觀測期間沒有任何非農就業行為，但是有相當一部分勞動力發生過多次農業和非農就業的轉換。對追蹤數據的描述性分析發現，在有兩次及以上觀察值的樣本中（N=9301），有392%的人從未發生過就業轉換，259%的人有過一次轉換，177%的人有過兩次，有三次及以上者達171%，人均職業轉換125次。

為了對世代效應有一個較為直觀的認識，我們根據初次和二次觀測時農村勞動力分世代的務農和非農就業情況，做一個描述性的分析（見表3）。從純務農者所占比重來看，世代之間的差異并不像通常感覺的那么大。除了最早出生的世代（1949年及以前出生），不同世代的農村勞動力在第一次觀測時，完全從事農業的比例都保持在65%-70%之間。世代之間較為顯著的差異體現在兼業和純務工的樣本分布上。晚近出生的農村勞動力更傾向于直接進入城鎮務工，而較少選擇兼業的非農就業方式，特別是1980年及以后出生的農村戶籍的勞動力，沒有務農經歷者占1/4，而兼業者比例只有74%?？深A計隨著代際替換的推進，半工半農的比重或將逐漸下降。在比較前兩次觀測值時，我們看到，晚近世代職業流動性更強，發生非農就業轉移的比例更大。在“80后”農村勞動力中，有436%的樣本發生過務農和非農就業的轉移，而純務工的比例達到387%。但是從另一個方面看，所謂的“80后”新生代農村勞動力仍然有過半數的以務農為業。

進入模型的自變量包括年齡、教育和世代三個連續變量。年齡如前所述限定在16-60歲。教育采用被訪者所報告的最高受教育年限，平均值為676年，即小學畢業。如果按照就業類型計算，純務農、兼業和純務工勞動力接受的平均國民教育年限分別為609、727和870年。世代是根據被訪者的出生年月，將被訪者分為5個跨度10年的出生世代。世代1為出生時間在1949年及以前的樣本，世代2為出生時間在1950-1969年的樣本，以此類推，世代5為1980年及以后出生的樣本。值得注意的是，教育在世代之間存在顯著的差異，晚近出生的樣本平均受教育年限也更高，從世代1到世代5依次為36、57、78、83和96年，這也與我國九年制義務教育的普及過程相吻合。

控制變量包括性別、家庭人口數、家里是否有未上學孩子（年齡小于7歲），以及城鄉區位差異。城鄉區位差異表明被訪問對象是住在城區或城郊，還是住在邊遠的農村。在前期分析中，我們還考慮了是否有70歲以上老人，以及國內不同區域的變量，但是在后面的統計分析中并不顯著，因此未放入模型。主要數據指標的描述性統計見表4。

四、計量模型分析

1. 計量模型

本研究使用多層模型來處理追蹤數據中個人信息隨時間而變動的情況。在多層模型中，每一個個體可以有不同次數的觀測，個體的特征變量可以隨不同的觀測時點而不同，從而形成兩個層次的模型結構：一個是個體間的差異性，另一個是個體內的差異性。在社會科學的經驗研究中，多層模型直到最近更多地應用于分析復雜的多分類名義變量[24]，稱為多層多項Logit回歸模型（Multilevel Multinomial Logit Model）。

在CHNS追蹤數據中，一個農村勞動力在任何一個時間點上有三種可能的就業狀況：一是純務農，二是兼業，三是純務工。在這個特定的數據結構中，多層多項Logit模型幫助我們從世代效應的視角分析農村勞動力的就業變動。在本研究中，我們以純務農（y=3）為參照組，相對于純務工（y=1）和兼業（y=2），可以得到如下公式：

2. 數據結果

模型1考察教育在農村勞動力轉移過程中的積累性效應，亦即隨著個體年齡的增長，教育對非農就業的促進作用是增強、減弱，還是保持不變。模型2加入世代和世代與年齡的交互項，側重分析年齡增長的影響在不同世代之間呈現的差異性。模型3在截距和斜率中加入教育和世代的交互影響，檢驗教育對外出務工影響的世代差異性，見表5。本研究使用Stata軟件中的GLLAMM（Generalized Linear Latent and Mixed Models）估計多層多項Logit模型的參數[25-26]。

模型1結果顯示，教育促進了農村勞動力從農業向非農行業轉移，這在前期研究中得到反復證實。每多接受一年教育，相對于務農，個體選擇兼業的比率提高了184%（exp（0169）-1），個體選擇務工的比率提高了312%（exp（0272）-1）。年齡對外出務工

同樣具有促進作用，但僅限于兼業。年齡每增加10歲，相對于務農，農村勞動力選擇兼業的比率增加301%（exp（0031*10）-1），選擇純務工的比率略有增加但并不具有統計顯著性。年齡對非農務工的正向影響并不是線性的，在年齡平方項中的負值（-0003）表明，在農村勞動力的生命軌跡中，年齡的正向影響逐漸減弱。教育與年齡的交互項對兼業的影響是正向的，顯示出教育對外出打工的累積優勢，即隨著年齡的增長，教育對非農就業的促進作用加強了。

模型2截距參數顯示，在控制了其他變量后，每晚出生一個世代（10年），相對于務農選擇兼業的比率要提高517%（exp（0417）-1），選擇兼業務工的比率要提高127倍（exp（0821）-1）。晚近出生的世代更傾向于外出務工，無論是兼業還是純務工。在“80后”新生代農民中，相對于務農選擇兼業的比率要高33倍（exp（0417*4）-1），而選擇務工的比率要高24倍（exp（0821*4）-1）。如果在兼業和純務工之間對比，每晚出生一個世代，農村勞動力選擇純務工相對于兼業的比率要高出50%（exp（0821-0417）-1）。同樣是“80后”的農村勞動力，選擇純務工概率是兼業概率的4倍（=exp[（076-0352）*4]-1）。

模型2斜率參數顯示世代與年齡對外出務工的交互影響。每晚出生一個世代，農村勞動力選擇兼業相對于務農的比率要增加408%（exp（0034*10）-1），選擇務工相對于務農的比率只增加112%（exp（0011*10）-1）。加入世代與年齡的交互影響后，教育與年齡的交互項無論是對兼業還是純務工的影響都消失了，說明模型1中教育*年齡的影響主要是來自世代*年齡的影響，這是由于新一代農民受教育年限高于老一代農民。

為了更清晰地呈現教育和年齡這兩個人力資本變量對農村勞動力非農就業影響的世代差異，同時考慮到參數估計的穩定性，我們以世代2（20世紀50年代出生的老一代農民，下同）和世代4（70年代出生的新一代農民，下同）為例，根據前面的概率公式計算出不

同受教育水平的樣本隨著年齡增長從事兼業、務工和務農的概率。圖1顯示，在老一代農民中，教育在各個年齡階段對兼業都有顯著的影響；但在新一代農民中，教育在青年時期對兼業幾乎沒有影響，在中年期的影響則呈負值。隨著年齡的增長，老一代農民選擇兼業的概率成長曲線相對平緩；而新一代農民選擇兼業的概率成長曲線則呈近似直線型增長，并且隨年齡增長教育程度低者更傾向于選擇兼業。

圖2顯示教育對純務工選擇的影響普遍存在，而且對新一代農民的影響比老一代農民更大。就年齡的影響而言，兩代農民務工概率的成長曲線都呈倒“U”型，先是隨著年齡增加務工概率也增加，在中間某個年齡段達到頂點，然后呈下降趨勢。但在新一代農民中頂點之前的曲線更陡，表明隨年齡增長教育對純務工的促進作用迅速提高，這一點在受教育程度較高的群體中表現尤其突出，體現了教育的累積性優勢。而老一代農民的純務工概率的增長曲線較為平滑，并且不同教育程度的兩條曲線呈收攏的趨勢，表明教育的積累性效應隨年齡增加反而減弱了。

圖3所顯示的是農村勞動力純務農概率的成長曲線，在各個世代、各個年齡階段，教育程度高者，務農概率低。老一代農民的務農曲線呈一個較平緩的“U”型，即隨著年齡的增長，純務農的概率緩慢下降，到45歲后再略微增長?？紤]到務農、務工和兼業三者概率之和等于1，結合圖1和圖2的非農就業曲線，我們可以得出這樣的判斷。一方面，在老一代農民中呈現出一個青壯年時期外出務工、中老年后回鄉務農的生命軌跡。另一方面，新一代農民的務農曲線則呈反“J”型，即純務農的概率隨年齡增長持續下降。結合前面的討論，有一個有趣的發現，即教育程度較高的新一代農民更多地選擇純務工就業，而教育程度較低的則更多選擇兼業。

五、主要結論

本研究根據跨度23年的CHNS追蹤數據，應用多層多項模型分析方法，考察世代效應和年齡效應的獨立影響及其交互作用，從而有助于回答前面提出的幾個問題。一是農村勞動力的流動存在顯著的世代差異。在控制了教育、年齡等變量后，相對于老一代農民，新一代農民仍然更傾向于非農就業，包括兼業和純務工。在老一代農民的生命歷程中有一個從務工到務農的回歸；而新一代農民向非農行業轉移則呈現出不可逆的趨勢。二是教育這一重要的人力資本在總體上促進了非農就業，但在不同世代的生命歷程中有著不盡相同的作用機制。在較早出生的世代中，教育對兼業和純務工的促進作用是一致的。但在晚近出生的世代中，更高的教育水平對純務工就業有著非常顯著的影響，而對是否選擇兼業影響不大。三是年齡效應對兼業與務工的作用不同，且呈現出世代差異性。在新一代農民中，隨著年齡的增加，兼業的概率持續提高，呈直線上升趨勢；在老一代農民中，兼業的概率曲線相對平緩。年齡的增加促進了純務工的選擇，概率曲線呈現倒“U”型，即達到某個年齡段后，純務工的概率開始下降。最后，我們發現在世代更替過程中，教育和年齡這兩個重要的人力資本既各自獨立作用，也交互影響。在老一代農民中，教育對純務工的促進作用隨年齡增長而有所減弱；在新生代農民中，教育對純務工的促進作用隨著年齡增長而迅速加強，呈現出教育的積累性優勢——也就是說早先因受教育程度較高而具有一定優勢的人，在其后的生命歷程中進一步擴大了這方面的優勢。對于在中間出生的世代，教育的影響則沒有體現出年齡差異。

在當前中國新型城鎮化背景下，推進農業轉移人口市民化是當務之急。如果把純務農或兼業向純務工的就業轉移看做是農民工市民化的必要階段，我們看到教育是如何在其中起到規律性的作用。雖然老一代農民呈現出青壯年外出務工、中老年回鄉務農的生命軌跡，但是對新一代農民而言，務農的概率持續下降，開始表現出不可逆的城市化趨勢。在新一代農民中，城市化進程因受教育程度高低而呈現出不同的軌跡，更高的教育對純務工就業的促進作用非常明顯。本研究的發現能在一定程度上批駁農村出現的“新讀書無用論”[27]，而要從根本上推動我國農業轉移人口市民化進程，全面提高新一代農村勞動力的受教育水平顯得更為迫切。

本研究的貢獻在于：其一，在理論和方法上將年齡和世代效應引入傳統人力資本對農村勞動力轉移的影響研究，并揭示出在農民的生命歷程中教育是如何影響到非農就業選擇，及其顯著的世代差異性。世代效應可以成為探索社會變遷的重要指標。其二，在研究設計上將兼業與純務工分離，揭示出教育對兼業和純務工影響的變化趨勢是不同的。教育對兼業的影響隨世代推移而降低，但教育對純務工選擇隨世代推移而加強。相對于兼業而言，純務工是更高階的職業流動，對教育的要求也越來越高。其三，通過分層多項統計方法的使用，能夠追溯每一個體隨年齡增長形成的不同就業概率的成長曲線，分離出年齡效應和世代效應，及其世代差異性。

參考文獻：

參考文獻內容[1]蔡昉. 勞動力遷移的兩個過程及其制度障礙 [J]. 社會學研究， 2001 （4）：44-51.

[2]趙耀輝. 中國農村勞動力流動及教育在其中的作用——以四川省為基礎的研究 [J]. 經濟研究， 1997 （2）：37-42.

[3]WILLMORE L， CAO Guiying， XIN Lingjie. Determinants of offfarm work and temporary migration in China [J]. Population Environment， 2012， 33：161-185.

[4]羅仁福， 張林秀， ROZELLE S. 我國農村勞動力非農就業的變遷及面臨的挑戰 [J]. 農業經濟問題， 2011 （9）：18-24.

[5]白南生， 何宇鵬. 回鄉， 還是外出？——安徽四川二省農村外出勞動力回流研究 [J]. 社會學研究， 2002 （3）：64-78.

[6]ZHAO Yaohui. Causes and consequences of return migration： recent evidence from China [J]. Journal of Comparative Economics， 2002， 30：376-394.

[7]王子成， 趙忠. 農民工遷移模式的動態選擇：外出、回流還是再遷移 [J]. 管理世界， 2013 （1）：78-88.

[8]張林秀， 霍艾米， 羅斯高， 黃季焜. 經濟波動中農戶勞動力供給行為研究 [J]. 農業經濟問題， 2000 （5）：7-15.

[9]陸文聰， 吳連翠. 兼業農民的非農就業行為及其性別差異 [J]. 中國農村經濟， 2011 （6）：54-62.

[10]HUFFMAN W E. Farm and offfarm work decisions： the role of human capital [J]. Review of Economics and Statistics， 1980， 62（1）：14-23.

[11]周其仁. 機會與能力——中國農村勞動力的就業和流動 [J]. 管理世界， 1997 （5）：81-100.

[12]張務偉， 張福明， 楊學成. 農村勞動力就業狀況的微觀影響因素及其作用機理——基于入戶調查數據的實證分析 [J]. 中國農村經濟， 2011 （11）：62-73.

[13]YANG Tao. Education and offfarm work [J]. Economic Development and Cultural Change， 1997， 45（3）：613-632.

[14]楊金風， 史江濤. 人力資本對非農就業的影響：文獻綜述 [J]. 中國農村觀察， 2006 （3）：74-79.

[15]邢春冰. 中國農村非農就業機會的代際流動 [J]. 經濟研究， 2006 （9）：103-116.

[16]陳宗勝， 周云波， 任國強. 影響農村三種非農就業途徑的主要因素研究——對天津市農村社會的實證分析 [J]. 財經研究， 2006 （5）：4-17.

[17]王超恩， 符平. 農民工的職業流動及其影響因素——基于職業分層與代際差異視角的考察 [J]. 人口與經濟， 2013 （5）：89-97.

[18]方黎明， 王亞柯. 農村勞動力從非農部門回流到農業部門的影響因素分析 [J]. 人口與經濟， 2013 （6）：56-62.

[19]王春光. 新生代農村流動人口的社會認同與城鄉融合的關系 [J]. 社會學研究， 2001 （3）：63-76.

[20]RYDER N B. The cohort as a concept in the study of social change [J]. American Sociological Review， 1965， 30：843-861.

[21]RILEY M W. On the significance of age in sociology [J]. American Sociological Review， 1987， 52：1-14.

[22]YANG Yang. Aging， cohorts， and methods [M] // BINSTOCK R H， GEORGE L K. Handbook of Aging and the Social Sciences， 7th. Burlington， MA： Academic Press， 2011：17-30.

[23]ZHANG B， ZHAI F Y， DU S F， POPKIN B M. The China health and nutrition survey， 1989-2011 [J]. Obesity Reviews， 2014， 15：2-7.

[24]王濟川， 謝海義， 姜寶法. 多層統計分析模型——方法與應用 [M]. 北京：高等教育出版社， 2008：160-168.

[25][JP2]RABE-HESKETH S， ANDERS S， ANDREW P. U.C.Berkeley Division of Biostatistics Working Paper Series 160[EB/OL].[2016-

[JP]03-18]. http：//www.bepress.com/ucbbiostat/paper160.

[26]RABE-HESKETH S， ANDERS S. Multilevel and longitudinal modeling using Stata， 3rd [M]. Texas： Stata Press， 2012：659-666.

[27]余惠瓊， 張禮軍. 透視農村“新讀書無用論”[J]. 中國青年研究， 2006 （6）：66-70.

[責任編輯責任編輯馮樂，武玉]