基于BP神經網絡的欠發達地區失地農民生計方式選擇預測

楊琨 劉鵬飛

摘要：【目的】探析欠發達地區失地農民生計方式選擇的影響因素，推進失地農民可持續生計研究，為精準實現失地農民可持續生計提供政策參考。【方法】以甘肅省蘭州市安寧區失地農民群體為研究對象，基于可持續生計分析框架及實地調查數據，采用BP神經網絡及二元Logistic回歸模型定量分析人力資本和政策性因素對失地農民生計方式選擇影響的邊際效應。【結果】BP神經網絡檢驗分類預測準確率達92.44%，二元Logistic回歸模型檢驗分類預測準確率為78.15%，且BP神經網絡的AUC值顯著高于二元Logistic回歸模型，表明BP神經網絡具有更好的擬合性能，能更有效地分析失地農民生計資本對其轉移就業選擇的影響及邊際效應。因征地補償所獲得的財產性收入和轉移性收入在一定程度上降低了失地農民轉移就業率;年齡對轉移就業概率的邊際效應呈倒U形，35歲以上失地農民的轉移就業概率顯著低于35歲以下群體，45歲以上失地農民的轉移就業概率已低至0.5以下;欠發達地區教育水平仍是影響非農就業水平的關鍵因子，且高中以上教育水平對就業概率提升的影響顯著。【建議】提高人力資本存量，增強職業技能培訓;選取更合理的征地補償措施，正確引導失地農民合理分配使用貨幣性補償;完善失地農民勞動力市場體系，提供更有針對性的就業扶持及保障措施，緩解失地農民提前退出勞動力市場的現狀。

關鍵詞： 欠發達地區;失地農民;生計方式;BP神經網絡;二元Logistic回歸模型

0 引言

【研究意義】2000—2015年我國的城鎮建成面積增長113%，城區范圍擴張已成為耕地減少的主要原因（Fan and Zhang，2012）。耕地征用切斷了農民從自然界獲取維持生計所需生產生活資料的可能性，導致農戶更易遭受生計風險（孔寒凌和吳杰，2007），進而加劇生計的脆弱性。非農生計方式是失地農民積累資本的唯一途徑（杜書云和徐景霞，2016），同時引起福利水平、消費行為等生計結果的改變，最終影響生計的可持續性（Koczberski and Curry，2005）。欠發達地區尤其是西部半干旱地區受經濟發展所限，農民擁有的生計資產數量更少，對農業生產依賴性更強，非農技能更低（何力，2015;杜宏茹和牛曉宇，2018），一旦耕地被征收農民轉移就業問題更嚴峻。因此，明確失地農民生計方式轉變關鍵驅動因素，對塑建可持續生計具有重要意義。【前人研究進展】針對失地農民非農就業影響因子的研究，已由早期以人力資本（黃祖輝和俞寧，2007）、社會資本（權英和吳士健，2009;冀縣卿和錢忠好，2011）及就業預期（劉冰和陳金亮，2014）等自身因素為主，逐步擴展到社會接受程度（周畢芬，2015）、就業制度供給（周畢芬，2016）及市場環境（馬繼遷，2017）等外部因素的考量。周易和付少平（2012）運用二元Logistic模型分析生計資本對失地農民創業生計策略的影響，認為人力資本、社會資本和金融資本與失地農民創業呈正相關，而房屋拆遷與失地農民創業呈負相關。李俊峰等（2016）基于GIS空間分析研究安徽蕪湖地區失地農民的就業空間特征及行為模式，結果發現失地農民的就業空間行為決策受其自身屬性特征及思維定式的影響和制約，因此更傾向于就近就業。楊艷霞和楊云霞（2016）以苗侗民族聚居地黔東南為例，探討分析少數民族失地農民的就業影響因素，結果顯示人力資本匱乏及就業能力缺失是導致該群體在就業市場上處于明顯弱勢的主要原因。陳堂和陳光（2017）通過構建失地農民再就業影響因素的結構方程模型，發現工作因素及市場環境同樣會影響失地農民的非農就業水平。也有研究發現，人力資本不僅影響耕地征收后農民轉移就業選擇（馬繼遷和張宏如，2015;王軼等，2017），還會影響進入非農產業后職業層次的提升（陳浩等，2013;王曉剛和陳浩，2014）。生計方式轉變驅動因素存在復雜的內在關系（趙雪雁，2017），雖然已有學者針對生計方式選擇的影響因素開展了相關研究，但缺少對失地農民特有資本的考量，有關生計方式選擇對該群體生計資本要素的內在響應機制尚有待進一步探究。【本研究切入點】目前，有關失地農民就業影響因素的研究主要采用二元分類或多分類變量，然后基于Logistic模型將這一非線性關系轉變為線性模型進行實證分析。BP神經網絡能以任意精度逼近任何非線性連續函數，其精度更高，現已擴展到資源可持續利用及區域綜合評價等領域（孫湛和馬海濤，2018），但至今鮮見應用于可持續生計分析。【擬解決的關鍵問題】以甘肅省蘭州市安寧區失地農民群體為研究對象，基于可持續生計分析框架及實地調查數據，采用BP神經網絡及二元Logistic回歸模型進行雙重檢驗，探析生計方式選擇對人力資本及征地政策性因素的響應，以期推進失地農民可持續生計研究，為精準實現失地農民可持續生計提供政策參考。

1 研究區域及研究方法

1. 1 研究區概況

甘肅省蘭州市安寧區位于蘭州河谷川盆地西部黃河北岸，行政區域面積88.33 km2，曾是蘭州瓜果蔬菜重要生產基地。受帶型啞鈴狀河谷盆地地形影響，蘭州城區范圍不斷向東西方向延伸擴張。1997—2015年，蘭州市安寧區耕地面積減少76.83%，而建設用地增加了一倍。截至2016年，蘭州市安寧區失地農民涉及6個街道33個社區，約2.9萬人。

根據國家及甘肅省相關土地政策，2008年起蘭州市對所征用耕地承包經營者主要以貨幣方式進行補償，2009年12月1日后進行微調。調整后補償費用包括土地補償費、安置補助費（二者合計為被征收集體土地前3年年均產值的30倍）及地上附著物和青苗補償費（被征耕地上青苗的補償標準為當季作物產值，無苗的按當季實際投入給予補償）三部分構成。如宅基地被征用，則對被征地農戶按戶內40 m2/人的標準置換新住房或商鋪，超出面積按照綜合地價采取貨幣補償。2013年1月1日起，甘肅省再次上調征地補償標準，調整后全省征地補償標準整體提高19.9%。

針對失地農民提供的社會保障主要是養老保險和醫療保險。失地農民中，其養老保險從2011年開始啟動，參與養老保險的費用由個人和政府共同承擔，其中政府承擔60%，個人承擔40%，費用交納采取在征收土地時一次性躉繳的辦法繳清。截至2015年，參保人數占全區失地農民總人數的88.60%，平均養老金也從2011年558元/月提高到1147元/月。在醫療保險方面，蘭州市安寧區實行由被征地農民自愿選擇參加城市居民醫療保險或新農合的政策;在失業保險方面，目前主要針對法定年齡段有就業培訓愿望包括失地農民在內的勞動者進行免費技能培訓，為其再就業創造條件;最低生活保障方面并無針對失地農民的特殊政策，但可分別與農村或城市中其他符合條件者一并享受此項政策。

1. 2 數據來源

研究數據是通過參與式農村評估法（Participatory rural appraisal，PRA）獲取的第一手資料，具體過程如下：①2016年7月從蘭州市安寧區政府各部門、各街道辦事處收集自然及社會經濟統計資料后，再考慮失地農民數量、街道地理位置等因素，從安寧區8個街道中選擇2個失地農民高度集中的街道，采用不重復抽樣的隨機抽樣方法抽取5個樣本社區。②2016年8月進入街道社區進行預調查，后根據調查情況對問卷進行修改和完善，并對所有參與調查成員就調查問卷內容、調查技巧及數據錄入等方面進行培訓。③2016年9—11月，課題組進入樣本社區開展實地調查工作。采取PRA法，從樣本社區中隨機抽選農戶進行入戶調查，若調查樣本家庭不屬于失地農民，則重新抽取。就樣本戶中年滿16歲以上且非全日制學生的個人進行問卷調查，調查數據內容包括年齡、性別、健康狀況、教育程度、職業資格技能、就業情況及收支狀況。④2016年12月，進行調查問卷的整理及錄入工作。共發放個人問卷650份，其中有效問卷613份，問卷有效率94.31%，排除退休、無勞動能力等樣本，得到有效勞動力問卷419份。具體數據信息統計情況見表1。

1. 3 研究方法

1. 3. 1 生計資本與就業指標 參考可持續生計分析框架及成得禮和謝子平（2009）、陳浩等（2013）的研究結果，選取年齡、教育程度、家庭新增財產性收入（簡稱財產性收入）和家庭新增轉移性收入（簡稱轉移性收入）4個連續型變量指標衡量失地農民人力資本與征地補償政策因素方面的差異性，年齡和教育程度按照實際情況填寫，財產性收入和轉移性收入按當年家庭新增年人均相應收入計算，其中，財產性收入是指由征地補償帶來的財產性收入，如加蓋房屋或購買設備后用于出租賺取的租金等;轉移性收入是指因征地所獲得轉移性收入，如養老保險金和最低生活保障等。在模型中，納入性別、健康狀況、職業資格技能、家庭區位等控制性變量指標增加模型精確度，并采用虛擬變量將男性、健康良好、具備技能和靠近市區賦值為1，反之則為0。

1. 3. 2 分析方法 采用以人工神經中誤差反向傳播網絡（BP神經網絡）為前導的二元Logistic雙重驗證方法進行分析。根據采集樣本數據，采用有監督訓練模式建立符合收斂要求的BP神經網絡;通過控制其他變量、放松特定變量的方法模擬出對生計方式選擇的結果，進而分析該要素對生計方式選擇的具體影響，同時明確其影響變化趨勢。

本研究構建包含2個隱含層的訓練網絡。輸入因子為性別（G）、健康狀況（H）、職業資格技能（S）、家庭區位（L）、人力資本因子和政策影響因子。其中，人力資本因子包括年齡（A）和教育程度（Ed），政策影響因子包括財產性收入（Ip）和轉移性收入（It）。輸入層因子依次加入控制因子、人力資本因子和政策影響因子，共8個輸入變量，以二元變量轉移就業（Y）作為輸出層，比較加入不同人力資本因子和政策影響因子對BP神經網絡模型擬合精度的影響。2個隱含層傳遞函數及輸出層傳遞函數均設為S形生長曲線，采用Sigmoid函數，將輸出層設為1，得到轉移就業（Y）=1的概率。

神經網絡需分別建立訓練樣本和檢驗樣本數據，本研究將419個樣本中的300個觀測數據作為訓練樣本進行BP神經網絡訓練;收斂后的BP神經網絡運用剩余119個檢驗樣本數據進行測試。為確保檢驗的有效性，訓練數據與測試數據在輸出因子轉移就業上具有相同的0-1分布概率密度。

參照周治平等（2009）的方法，采用Levenberg-Marquardt（LM）算法進行模型訓練，即每次迭代允許誤差沿著惡化的方向進行搜索，同時通過在最速下降法與高斯—牛頓法間的自適應調整來優化網絡權值，從而使BP神經網絡能有效收斂。權值閾值調整公式如下：

[?]ω=-（JTJ+μI）-1JTe

式中，[?]ω為調整后的權值閾值;μ為自適應調整的標量;J為誤差對權值微分的雅可比矩陣;e為誤差向量，I為單位矩陣。

設學習速率0.1，最大訓練批次5000，最大誤差0.01，經多次反復訓練，從網絡收斂的結果中選擇預測準確性最高的結果，最終得到預測精度為96%，訓練結果滿足梯度權向量收斂要求。說明可通過控制輸入因子關系中的部分自由變量，分析輸出變量對自由變量的響應。

BP神經網絡可模擬人力資本及征地政策性因素影響生計轉型方式的關系，但內部數量結構并不直觀，難以直接比較各項因子的影響，因此借助二元Logistics回歸進一步驗證預測的準確性及比較各項因子的影響程度。采用相同數據建立二元Logistic回歸模型，選擇最優結果與BP神經網絡模擬結果進行對比檢驗，對所提出假設的有效性進行充分驗證。BP神經網絡的建立及模擬使用Matlab NNtool工具包，二元Logistic回歸使用SPSS 20.0進行處理。為消除數據單位差異對模型精度的影響，連續型變量均進行歸一化處理。

2 結果與分析

2. 1 失地農民描述性數據分析結果

調查數據統計結果顯示，在419個樣本數據中，家庭平均征地面積0.07 ha，征地主要發生在2001—2011年，樣本失地農民家庭人均可支配收入為19391.90元，教育程度平均值為10.41年，男女比例均衡。在全部樣本中僅有94個樣本擁有財產性收入，平均值為9453.75元;45個樣本擁有轉移性收入，平均值為10938.22元。由于擁有財產性及轉移性收入的樣本較少，因此導致在全體樣本中這兩項平均收入較低，且收入離散程度較大（表2）。本次調查雖然獲取問卷數量有限，但與統計資料對比發現樣本基本能反映研究區失地農民基本情況，具有一定的代表性和典型性。

2. 2 不同模型對就業率預測分析結果

2. 2. 1 BP神經網絡結果分析 BP神經網絡拓撲結構為8×6×5×1，其中人力資本與政策性因素輸入因子為年齡（A）、教育程度（Ed）、財產性收入（Ip）和轉移性收入（It），由于調查數據無法完全排除額外變量影響，故將性別（G）、健康狀況（H）、職業資格技能（S）和家庭區位（L）等因素作為二元分類控制變量納入到輸入因子。隱含層神經元為H11～H16和H21～H25，B1和B2分別表示輸入層與隱含層1和隱含層2間的偏移量，B3表示隱含層2與輸出層間的偏移量，得到的生計方式選擇模型BP神經網絡結構如圖1所示。

將經歸一化處理的人力資本和政策性因素4個變量作為輸入因子，固定其中3個變量取樣本均值，以探究另一輸入變量對轉移就業（Y）的影響規律。此時，輸出變量變化即視為自由變量變化造成的影響。分別將歸一化后的年齡（A）、教育程度（Ed）、財產性收入（Ip）、轉移性收入（It）與控制變量矩陣作為自由變量輸入訓練后的BP神經網絡。為保持與二元Logistic回歸模型具有相同的參照組，控制變量矩陣中性別（G）、健康狀況（H）、職業資格技能（S）和家庭區位（L）4個控制變量取值為0（女性，健康一般，不具備技能，遠離市區）作為參照組，以剔除額外變量影響，最終獲得就業評價模擬值，如圖2所示。

模擬分析結果表明，年齡對轉移就業概率的邊際效應呈倒U形。達極值點后，隨年齡的增大其轉移就業概率逐漸降低，且35歲以上失地農民的轉移就業概率顯著低于35歲以下群體，45歲以上失地農民的轉移就業概率已低至0.5以下（圖2-A）。圖2-B反映人力資本投資普遍規律，即教育程度提升會顯著增強轉移就業能力，但呈邊際效應先遞增后遞減的趨勢。圖2-C和圖2-D分別反映財產性收入和轉移性收入增加對轉移就業存在負面效應，且較低水平收入對轉移就業的負面影響不顯著，只有當該收入超過閾值后才會產生顯著負面影響。

2. 2. 2 二元Logistic回歸結果分析 將轉移就業（Y）作為因變量、各項生計資本因子作為自變量，建立二元Logistic回歸模型。模型結果表明，Nagelkerke R2為0.46，Chi-square值為165.914，在1%水平下顯著，對數似然值為362.257，預測值準確率為80.2%，說明二元Logistic回歸模型對失地農民轉移就業選擇解釋力度良好。

由二元Logistic回歸得到模型解析表達式：

Y=[11+e（-1+0.717G-1.176H+1.102S+0.876L-0.045A+0.175Ed-0.913Ip-0.700It）]

二元Logistic回歸模型預測結果（表3）表明，人力資本與征地政策對失地農民轉移就業存在一定程度的影響。其中，具備職業資格技能、男性、靠近市區及教育程度有正向影響。具備職業資格技能的失地農民轉移就業概率是對照組的3.010倍，影響程度最大;靠近市區和男性對轉移就業概率的影響分別是對照組的2.402和2.049倍;樣本受教育年限每增加一個標準單位，其轉移就業概率即提升1.191倍;而健康水平降低及財產性收入、轉移性收入及年齡增加對轉移就業具有負面影響。

2. 3 雙重檢驗對比分析

使用檢驗數據分組119個樣本數據代入BP神經網絡和二元Logistic回歸模型，對擬合結果進行對比分析，結果表明，BP神經網絡檢驗分類預測準確率達92.44%，二元Logistic回歸模型檢驗分類預測準確率為78.15%，配對卡方檢驗P<0.001，說明BP神經網絡的判別效果顯著優于二元Logistic回歸模型。為綜合比較不同分界值條件下兩種模型間的靈敏度（Sensitivity）和特異度（Specificity），采用ROC曲線分析并計算AUC值進行比較，結果（圖3）表明，BP神經網絡ROC曲線下面積AUCBP=0.962，標準差SEBP=0.018;二元Logistic回歸模型ROC曲線下面積AUCL=0.791，標準差SEL=0.046。兩種模型的ROC曲線下面積存在顯著差異，BP神經網絡的AUC值顯著高于二元Logistic回歸模型，進一步表明BP神經網絡相對于二元Logistic回歸模型在預測精度方面更具優勢。

采用BP神經網絡和二元Logistic回歸模型，分析人力資本與政策因素對轉移就業能力影響機制及邊際效應，對比年齡、教育程度、財產性收入和轉移性收入4個自由變量在BP數據網絡中對輸出變量的影響，以及在二元Logistic回歸模型中的參數估計結果。分別計算二元Logistic回歸方程與BP神經網絡預測曲線的一階和二階導數，通過判斷一階導數形式是否相同，可檢驗兩種方法對影響因子邊際效用的分析解決是否一致，而通過判斷二階導數形式是否相同，可驗證兩種方法對影響因子邊際效用變化趨勢的分析結果是否一致。最終的實證分析結果如表4所示。結果表明，教育程度、財產性收入和轉移性收入的影響方式與邊際效應均通過了BP神經網絡和二元Logistic回歸模型的雙重檢驗。這是由于在二分類預測BP神經網絡訓練中激活函數采用與二元Logistic回歸模型相同的Sigmoid函數，因此在輸出結果的函數特性方面，兩個模型具有高度的相似性。教育程度、財產性收入和轉移性收入3個輸入因子對轉移就業概率的影響在BP神經網絡中表現出與二元Logistic回歸模型相似的S曲線特性，且與實際觀測的經驗判斷一致。

年齡對轉移就業的影響方式在兩個模型中存在一定差異，其中，BP神經網絡模擬結果表明年齡對轉移就業概率的影響存在倒U形曲線，符合勞動力參與率周期性變化的基本規律（喬治·J·鮑哈斯，2018）;而二元Logistic回歸模型僅得出年齡增長對轉移就業參與率存在有限的負面影響。究其原因是二元Logistic回歸相當于僅具有單層激活函數的簡單神經元模型，致使其預測精度難以與BP神經網絡分類效果相提并論。此外，鑒于模型對比分析的可比性因素考慮，并未針對年齡與轉移就業概率的倒U形關系在二元Logistic回歸模型設定中納入年齡的二次項，故無法從該模型中得出相關實證結論。

3 討論

失地農民是我國城鎮化進程產生的特殊群體，非農生計方式選擇與其人力資本、財產性收入及轉移性收入等生計資本存在密切關系。本研究基于419個蘭州市安寧區失地農民勞動力調查數據劃分訓練數據與檢驗數據，采用相同函數形式建立失地農民生計方式選擇預測BP神經網絡和二元Logistic回歸模型，結果表明，BP神經網絡具有更好的擬合性能，且預測結果較傳統的二元Logistic回歸模型更合理。因此，采用BP神經網絡能更有效地分析失地農民生計資本對其轉移就業選擇的影響及邊際效應。

本研究發現因征地補償所獲得的財產性收入和轉移性收入在一定程度上降低了失地農民轉移就業率，此類收入的增加對轉移就業率的邊際效應存在先遞減后遞增趨勢。即存在某一閾值，當非勞動收入低于閾值時，失地農民傾向于進入非農勞動力市場就業以維持生計;超過后會大幅度降低就業傾向，導致其退出非農勞動力市場。這與保留工資影響勞動參與率決策的研究相吻合（Shimer and Werning，2007）。耕地征收后農民作為新增非農勞動力，其轉移就業決策基于市場工資與保留工資的比較。市場工資高于保留工資，勞動力愿意就業，反之則退出市場。欠發達地區工資水平較低，而征地補償政策所獲得的財產性收入和轉移性收入屬于非勞動收入，該部分收入增加會導致保留工資增加（Brown and Taylor，2009）。因此，在勞動力偏好不變的前提下，失地農民進入勞動力市場的可能性會因此減小。此外，近年來包括蘭州市安寧區在內的大部分城市征地補償政策以貨幣化補償形式為主，農民原有的自然資本和部分物質資本轉化成單一資金。在其他國家農民能將土地出售后的資金用于投資非農型資本密集的產品（Cali and Menon，2013），但我國農民缺乏投資渠道和相應的財富管理能力，利用征地補償改擴建房屋或增加物質資本用以出租獲取財產性收入是失地農民的主要投資方式。這種投資方式雖然能幫助農戶通過獲取財產性收入來提升總收入水平（高晶晶等，2015），并增加當前樣本區農戶收入的多樣性，但大部分失地農民的這部分收入依靠于私自加蓋房屋或私人車輛運營載客獲取，不僅會帶來社會隱患而引發一系列社會問題，還由于該收入來源并不穩定可靠，一旦消失，失地農民又要回到勞動力市場，但長時間脫離勞動力市場必然增加再次進入的難度。因此，非常有必要扭轉當前單一且存在隱患的投資方式，擴大失地農民投資渠道。

本研究結果表明，失地農民非農就業率在30歲前呈上升趨勢，隨后下降并在45歲后降低至0.5水平以下，與現有非農勞動參與率年齡統計結果（Axelrad et al.，2017）相似，但與勞動力就業率在55歲以上才出現顯著下降的情況相比，失地農民適齡勞動力會更早退出就業市場。這可能是由于征地導致農戶原有生計方式不可維持，被迫進入非農就業市場。失地農民的受教育程度較低、職業經驗與技能積累較少及健康水平下降等因素影響，生產力有限，致使其在勞動力市場上的競爭力較弱，因此工資收入整體上低于市場平均工資水平。加上欠發達地區受傳統觀念和養老模式的影響，需要有人在家照顧未成年子女及老人，導致該群體傾向于更早從勞動力市場中退出，與林辰樂和呂翔濤（2012）的研究結果相似。此外，丁雪兒等（2017）、王軼等（2017）研究表明，在發達地區由于教育程度差異較小，人力資本對農民轉移就業的影響不顯著。但本研究發現，欠發達地區教育水平仍是影響非農就業水平的關鍵因子，且高中以上教育水平對就業概率提升的影響顯著。教育程度進一步提升，在縮小人力資本差異的同時，對轉移就業的影響力也逐漸削弱。由此可見，欠發達地區教育水平與發達地區相比仍存在較大差距，部分地區僅普及義務教育，導致人力資本差異明顯。因此，提升欠發達地區農民的教育水平是幫助失地農民實現生計方式有效轉型的可行方法之一。

本研究證實，當采用相同的激活函數形式時，BP神經網絡表現出與二元Logistic回歸模型相似的性質及預測結果。在對人力資本因子和政策影響因子所包含年齡、教育程度、財產性收入和轉移性收入4個輸入因子的對比分析中發現，除年齡外，其他3個影響因子均通過了兩種方法的雙重檢驗，充分證明假設的有效性;而且BP神經網絡對年齡與轉移就業概率的預測更符合勞動力參與率的周期性變化規律。綜合模型預測的擬合精度及靈敏度和特異度，發現BP神經網絡在失地農民生計方式選擇問題中的分類預測能力明顯優于傳統的二元Logistic回歸模型。由于性別、健康狀況、職業資格技能及家庭區位4個控制性變量對失地農民生計方式選擇的影響并不是本研究的重點，僅在實證分析中予以證明，未得出供參考的實證結論。除人力資本因子和政策影響因子外，社會資本和金融資本也會對失地農民轉移就業產生影響，但受到數據收集所限，本研究并未進行探討。因此，在今后的研究中應擴大樣本地區個數和樣本數，以提高模型準確度，同時探討年齡與教育對生計方式轉型的交互作用，進一步明確非勞動收入阻礙轉移就業的區間范圍，為精準實現失地農民生計可持續提供政策參考。

4 對策建議

4. 1 提高人力資本存量，增強職業技能培訓

一方面，需要鼓勵和引導失地農民及其子女提高文化教育程度，至少要完成高中階段的教育，并盡可能地提升其學歷層次，縮小與城鎮居民及發達地區失地農民教育水平的差距。另一方面，政府應當擴大當前職業技能培訓的范圍，加大對失地農民繼續教育培訓的力度，幫助失地農民提高人力資本積累。職業技能培訓應結合失地農民自身特點，不僅需要多樣化的繼續教育培訓模式，還應按層次、分類別提供有針對性和實效性的職業技能培訓，以提升失地農民職業技能儲備及職業素養。

4. 2 選取更合理的征地補償措施，正確引導失地農民合理分配使用貨幣性補償

當前以一次性貨幣補償方式及提供部分社會保障為主的征地補償方式，并不利于失地農民非農轉移就業。因此，有必要選取更適宜的補償措施對失地農民進行補償，如在合理貨幣補償方式降低非農轉移就業的閾值確定后，可采取多次少量按月或年發放給農民;超出部分可設為獎勵金對實現穩定就業的失地農民進行獎勵或用于資助失地農民就業技能培訓等。此外，有必要對失地農民進行引導教育使合理分配貨幣，并學習必要的金融投資知識，具備將貨幣補償轉化為更穩定的財產性收入能力，拓寬收入渠道，提供生計來源多樣化。

4. 3 完善失地農民勞動力市場體系

建立失地農民就業信息服務平臺，為其提供就業信息和咨詢服務;加大對失地農民的幫扶力度，尤其重點關注中年失地農民，提供更有針對性的就業扶持及保障措施，緩解該群體提前退出勞動力市場的現狀;建立相應的失地農民社會保障體系，解決失地農民的后顧之憂，進而鼓勵失地農民實現跨市、跨省就業;提供創業貸款，幫助有自主創業需求失地農民解決融資難的問題。同時要引導失地農民樹立正確的就業觀念，改變其“等靠要”的思想。

參考文獻：

陳浩，陳雪春，謝勇. 2013. 城鎮化進程中失地農民職業分化及其影響因素研究[J]. 中國人口·資源環境，23（6）：72-79. [Chen H，Chen X C，Xie Y. 2013. Occupational differentiation and influencing factors of land-lost farmers during urbanization[J]. China Population，Resources and Environment，23（6）：72-79.]

陳堂，陳光. 2017. 成都經濟區城鎮化進程中失地農民再就業影響因素研究[J]. 成都大學學報（社會科學版），（6）：46-51. [Chen T，Chen G. 2017. Research on the factors affecting the re-employment of landless peasants in the urbanization process in Chengdu economic region[J]. Journal of Chengdu University （Social Sciences），（6）：46-51.]

成得禮，謝子平. 2009. 中國城鄉結合部地區失地農民個人轉型問題研究——基于北京市、青島市、成都市和南寧市的入戶調查數據[J]. 華東經濟管理，23（3）：64-73. [Cheng D L，Xie Z P. 2009. Research on urbanization of land-lo-sing farers in China urban-rural continuums—Based on data from household survey in Beijing，Qingdao，Chengdu and Nanning[J]. East China Economic Management，23（3）：64-73.]

丁雪兒，周畢芬，朱秋萍. 2017. 人力資本、就業狀況對進城務工人員職業流動的影響分析——基于福州、廈門的調查[J]. 云南農業大學學報（社會科學版），11（1）：1-9. [Ding X E，Zhou B F，Zhu Q P. 2017. An analysis of the influen-cing of human capital and employment situation on the occupational mobility of migrant workers：Based on survey in Fuzhou and Xiamen[J]. Journal of Yunnan Agricultural University（Social Science），11（1）：1-9.]

杜宏茹，牛曉宇. 2018. 失地農民養老保障政策實施效果評價———以伊寧市為例[J]. 江西農業學報，30（12）：120-124. [Du H R，Niu X Y. 2018. Evaluation of implementation effect of old-age security policies for land-lost far-mers：Taking Yining City as an example[J]. Acta Agriculturae Jiangxi，30（12）：120-124.]

杜書云，徐景霞. 2016. 內源式發展視角下失地農民可持續生計困境及破解機制研究[J]. 經濟學家，（7）：76-83. [Du S Y，Xu J X. 2016. Study on the sustainable livelihood problems of land-loss farmers from the perspective of endogenous development[J]. Economist，（7）：76-83.]

高晶晶，閆晶晶，王偉堯，楊澄宇. 2015. 財產性收入差距及其影響的國際比較[J]. 勞動經濟研究，3（4）：110-122. [Gao J J，Yan J J，Wang W Y，Yang C Y. 2015. The effects of property income on income distribution：An International comparison[J]. Studies in Labor Economics，3（4）：110-122.]

何力. 2015. 可持續生計分析框架下失地農民生計資本分析——基于貴州都勻的調查[J]. 江蘇農業科學，43（8）：440-443. [He L. 2015.? Analysis of livelihood capital of landless farmers under sustainable livelihood framework—Based on investigation of Duyun，Guizhou Province[J]. Jiangsu Agricultural Sciences，43（8）：440-443.]

黃祖輝，俞寧. 2007. 失地農民培訓意愿的影響因素分析及其對策研究[J]. 浙江大學學報（人文社會科學版），37（3）：135-142. [Huang Z H，Yu N. 2007. Determinants in landless farmers willingness to accept training and its solutions[J]. Journal of Zhejiang University（Humanities and Social Sciences），37（3）：135-142.]

冀縣卿，錢忠好. 2011. 人力資本、物質資本、社會資本與失地農民城市適應性——基于江蘇省469戶失地農民的調查數據[J]. 江海學刊，（6）：88-93. [Ji X Q，Qian Z H. 2011. Study on the impact of the human，material，and social capital on the adaptability of the land-less farmers to city life[J]. Jianghai Academic Journal，（6）：88-93.]

孔寒凌，吳杰. 2007. 農戶生計風險研究：以江西樂安縣為例[J]. 廣西民族大學學報（哲學社會科學版），29（6）：55-59. [Kong H L，Wu J. 2007. A Risk analysis of peasants livelihood[J]. Journal of Guangxi University for Nationa-lities（Philosophy and Social Science Edition），29（6）：55-59.]

李俊峰，甘偉，高凌宇. 2016. 失地農民就業空間特征及行為模式研究——以安徽省蕪湖市為例[J]. 人文地理，（3）：19-26. [Li J F，Gan W，Gao L Y. 2016. Research on the spatial characteristics and behavior patterns of landless farmers employment：A case study of Wuhu in Anhui Province[J]. Human Geography，（3）：19-26.]

林辰樂，呂翔濤. 2012. 影響城市低保受助者就業的政策因素分析——就業的雙項邏輯回歸模型及訪談實證研究[J]. 中國軟科學，（8）：23-34. [Ling C L，Lü X T. 2012. The policy factors on the employment of urban minimum li-ving standard assistance recipients：An empirical study combining binominal logistic regression model with interviews[J]. China Soft Science，（8）：23-34.]

劉冰，陳金亮. 2014. 失地農民就業自身影響因素研究——基于湘潭市的問卷調查數據[J]. 湖南農業大學學報（社會科學版），15（2）：47-51. [Liu B，Chen J L. 2014. Land-lost farmersself factors influencing their employment：Based on 148 questionnaires of Jiuhua economic development zone in Xiangtan[J]. Journal of Hunan Agricultural University（Social Science），15（2）：47-51.]

馬繼遷，張宏如. 2015. 人力資本、政治資本與失地農民的工作獲得[J] .華東經濟管理，29（12）：101-105. [Ma J Q，Zhang H R. 2015. Human capital，political capital and land-lost farers job obtainment[J]. East China Economic Management，29（12）：101-105.]

馬繼遷. 2017. 勞動力市場分割對失地農民就業的影響[J]. 華東經濟管理，31（12）：180-186. [Ma J Q. 2017. Influence of labor market segmentation on land-lost farmers employment[J]. East China Economic Management，31（12）：180-186.]

權英，吳士健. 2009. 失地農民就業影響因素分析——基于青島市失地農民的調查[J]. 經濟研究導刊，（11）：51-52. [Quan Y，Wu S J. 2009. Analysis about the influence factor of the losing ground farmer employment—According to the inquisition of the losing ground farmer in Qingdao City[J]. Economic Research Guide，（11）：51-52.]

喬治·J·鮑哈斯. 2018. 勞動經濟學[M]. 第7版. 北京：中國人民大學出版社. [Borjas G J. 2018. Labor economics[M]. The 7th Edition. Beijing：China Renmin University Press.]

孫湛，馬海濤. 2018. 基于BP神經網絡的京津冀城市群可持續發展綜合評價[J]. 生態學報，38（12）：4434-4444. [Sun Z，Ma H T. 2018. Assessment of the sustainable development of the Beijing-Tianjin-Hebei urban agglomeration based on a back propagation neural network[J]. Acta Ecologica Sinica，38（12）：4434-4444.]

王曉剛，陳浩. 2014. 失地農民就業質量的影響因素分析——以武漢市江夏區龔家鋪村為例[J]. 城市問題，（1）：63-70. [Wang X G，Chen H. 2014. Influencing factors analy-sis to the employment quality of the landless peasants：A case study of Gongjiapu Village，Jiangxia District，Wuhan City[J]. Urban Problems，（1）：63-70.]

王軼，陳建偉，王琦. 2017. 人力資本和社會資本能提高失地農民就業水平嗎——基于北京地區連續跟蹤的調查數據[J]. 經濟理論與經濟管理，36（4）：42-59. [Wang Y，Chen J W，Wang Q. 2017. Human capital and social capital can improve the level of employment of landless pea-sants—Based on follow-up survey data in Beijing[J]. Economic Theory and Business Management，36（4）：42-59.]

楊艷霞，楊云霞. 2016. 可持續生計視角下西部民族地區失地農民就業能力開發模式探析——以苗侗民族聚居地黔東南為例[J]. 農業經濟，（2）：28-30. [Yang Y X，Yang Y X. 2016. Employment ability development model research of the landless farmers in the western minority areas from the perspective of sustainable livelihood：A case study of southeast Guizhou Province[J]. Agricultural Economy，（2）：28-30.]

趙雪雁. 2017. 地理學視角的可持續生計研究：現狀、問題與領域[J]. 地理研究，36（10）：1859-1872. [Zhao X Y. 2017. Sustainable livelihoods research from the perspective of geography：The present status，questions and priority areas[J]. Geographical Research，36（10）：1859-1872.]

周畢芬. 2016. 城鎮化進程中失地農民就業安置的制度經濟學分析[J]. 成都理工大學學報（社會科學版），24（2）：48-52. [Zhou B F. 2016. Institutional economics analysis of the landless peasants job placement system in urbanization[J]. Journal of Chengdu University of Technology（Social Sciences），24（2）：48-52.]

周畢芬. 2015. 社會排斥視角下的失地農民權益問題分析[J]. 農業經濟問題，36（4）：59-65. [Zhou B F. 2015. Ana-lysis under the perspective of social exclusion of land-lost farmers rights and interest[J]. Issues in Agricultural Eco-nomy，36（4）：59-65.]

周易，付少平. 2012. 失地農民的生計資本與生計策略關系研究——以陜西省楊凌區為例[J]. 廣東農業科學，39（5）：192-194. [Zhou Y，Fu S P. 2012. Analysis on the relationship between livelihood capital and livelihood strategies—Taking Yangling in Shaanxi Province as an example[J]. Guangdong Agricultural Sciences，39（5）：192-194.]

周治平，孫子文，吳志健. 2009. 采用L-M算法的JPEG圖像隱寫分析[J]. 計算機工程與應用，45（14）：113-115. [Zhou Z P，Sun Z W，Wu Z J. 2009. Steganalysis for JPEG ima-ges lased on L-M algorithm[J]. Computer Engineering and Applications，45（14）：113-115.]

Axelrad H，Luski I，Malul M. 2017. Reservation wages and the unemployment of older workers[J]. Journal of Labor Research，38（2）：206-227.

Brown S，Taylor K. 2009. Reservation wages， expected wages and the duration of unemployment：Evidence from British panel data[R]. IZA Discussion Papers No.3981.

Cali M，Menon C. 2013. Does urbanization affect rural poverty？ Evidence from Indian districts[J]. The World Bank Economic Review，27（2）：171-201.

Fan J，Zhang Y K. 2012. A preliminary analysis of land resource constraints on urban expansion of Beijing based on land supply and demand[J]. Journal of Resources and Ecology，3（3）：253-261.

Koczberski G，Curry G N. 2005. Making a living：Land pressures and changing livelihood strategies among oil palm settlers in Papua New Guinea[J]. Agricultural Systems，85（3）：324-339.

Shimer R，Werning I. 2007. Reservation wages and unemployment insurance[J]. The Quarterly Journal of Economics，122（3）：1145-1185.

（責任編輯 蘭宗寶）