基于8省區調查的農民務工收入分布特征及影響因素

2024-06-09 00:00:00崔興林田莉莉張文浩周慧李東坡

鄉村科技 2024年3期

摘要：工資性收入占中國農村居民可支配收入的比重已超過40%，其持續增長對于鞏固全面建成小康社會成果、推進農業農村現代化意義重大。利用對全國8個省區農戶調查數據，引入機器學習中的K-Means聚類模型分析了農民務工收入的分布特征。構建的多元線性回歸模型計量結果說明，務工天數、地區分布和類型、勞動力年齡、性別、教育培訓等因素，都顯著影響農民務工收入。完善農民務工收入持續增長機制，應當加強教育培訓、優化務工區域分布、完善社會保障制度。

關鍵詞：農民；務工收入；K-Means聚類；入戶調查

中國分類號：F328 文獻標志碼：A 文章編號：1674-7909（2024）3-34-5

DOI：10.19345/j.cnki.1674-7909.2024.03.007

0 引言

2000—2022年，中國農民工資性收入占其純收入的比重由31.1%增至42.0%，經營性收入占比則由63.3%降至34.6%［1］，此變化顯示務工已經成為農民最主要的收入來源。截至2022年，中國農民工總量達29 562萬人，比2018年增長726萬人［2］。其中，在戶籍所在鄉鎮地域以內從業的農民工有12 372萬人，占總數的41.9%；外出農民工有17 190萬人，占總數的58.1%；中、東、西部及東北地區輸出的外出農民工分別占外出農民工總數的36.7%、27.3%、32.5%和3.5%；外出農民工中跨省和在省內流動的分別占41.1%和58.9%；農民工的顯著特征還包括女性農民工占比有所上升、平均年齡持續提高、大專及以上學歷農民工占比不斷提高［2］。伴隨城鎮化進程加快和農業轉移人口增加，農民工隊伍不斷壯大，形成了龐大的勞動力市場。務工收入持續增長有利于鞏固全面建成小康社會成果，還可促進城鄉勞動力資源合理配置及分工，進而推動加速農業農村現代化進程。

已有諸多學者從多個角度對農民務工的原因和收入增長的影響因素進行了理論和實證研究。有的研究從不同類型農民耕地撂荒行為［3］、個人及家庭因素差異［4］的視角，探究了農民工外出務工的客觀原因與主觀動機。很多學者側重于考察農民務工收入的特定影響因素及相應的增收策略，包括務工渠道、家庭和村莊等社會資源［5］、糧食生產區域集聚［6］、農業基礎設施建設和農機服務［7］、勞動力性別差異及受教育程度［8-9］、數字經濟及科技創新［10-11］、普惠金融和農業保險制度［12-14］、農村人口流動及產業結構調整［15］。這些研究的分析視角和方法具有較為廣泛的代表性，但大都是從特定因素角度探討增加農民收入的政策措施，普遍存在對務工收入關注較少、樣本偏小、變量單一等局限性。基于大樣本調查和實證模型較為全面把握農民工特征，特別是聚焦農民務工收入影響因素并提出切實可行對策建議的研究仍然較少。

立足科研團隊掌握的數據資料、著眼彌補已有研究缺憾，此研究將基于對8個省區農民務工情況的大規模調查，構建涵蓋年齡、受教育年限、非農技能培訓、地區分布、健康狀況、就業類型等多個維度的指標體系，引入機器學習和多元統計模型全面考察農民工收入的影響因素，在此基礎上提出具有較強針對性、切實可行的政策建議。

1 數據來源及受訪者特征

1.1 數據來源

此研究數據來源于2023年中國農業科學院農業經濟與發展研究所主持開展的全國范圍大規模農村微觀經濟數據調查。其作為一項定期開展的國情調查，旨在把握中國農村微觀經濟主體的認知和行為，為考察農業農村政策落實效果、深入開展相關科研活動和決策咨詢提供一手的數據資源。調查對象包括農村、農戶兩部分，其中農戶調查范圍涉及中部地區的河南省，東部地區的河北省、福建省和山東省，西部地區的云南省、陜西省和新疆維吾爾自治區，以及東北地區的吉林省。調查內容包括農戶家庭上一年度生產、收支情況，以及受訪者年齡、學歷、婚姻、健康狀況和務工地點與類型等方面，具體的統計特征如表1所示。

1.2 受訪對象的統計學特征

由表1可知，此次受訪農民共計7 068人，各指標存在缺失值而導致有效樣本數有所差異。受訪者年均務工收入為20 657.6元，其中最大值為19.2萬元，而最小值僅為2 000元，變異系數高達74.0%，說明農戶間存在較大的收入差距。圖1更為直觀地反映了農戶調查受訪者年均收入的分布情況。受訪農民平均48.2歲，最大和最小年齡分別是65歲和23歲，17.0%的變異系數說明受訪農戶務工的年齡分布比年務工收入的分布集中，其中34歲及以下青年、35～55歲中年、56歲及以上中老年受訪者分別占總有效樣本量的5.2%、75.5%和19.3%。受訪者平均接受了8.1年教育，整體上相當于初中畢業水平（考慮存在很多45歲以上受訪者接受的是5年制小學教育）。受訪者平均年務工210.7 d，變異系數為43.1%說明受訪者之間年務工天數差異也比較大。

受訪者中來自河北、福建、山東、河南中東部4省的占64.2%，吉林省的占6.8%，云南、陜西、新疆西部3省區的占29.0%。這樣的調查取樣結構與各地區人口在全國所占比例較為一致。根據2022年各地區常住人口及城鎮化率［1］，測算可得中東部4省、吉林省、西部3省區農村人口分別占調查所涉及8省區農村總人口的68.0%、4.8%和27.2%。受訪者中男性務工人員占比高達97.0%，遠多于女性務工者人數；已婚者占受訪者總人數的95.3%，身體健康者占受訪總人數的96.7%。受訪者中擔任鄉村兩級及以上干部的僅占12.3%，即絕大部分受訪者都是普通村民；68.2%的受訪者在所屬鄉鎮務工，外出務工者中選擇在本縣內鄉鎮以外、省內縣外的分別占16.1%和7.7%，在國內省外、國外務工者合計僅占8.0%。91.6%的受訪者沒有接受過非農技能培訓，62.5%的受訪者選擇農業為務工類型。這既體現了他們獲取收入的渠道仍然相對單一，也說明增加技能培訓、擴大非農就業是增加農民務工收入的重要切入點。

2 實證模型及分析結果

2.1 基于K-Means的務工收入聚類分析

K-Means聚類是機器學習中最常用的一種無監督學習算法，其基本原理是在數據中隨機選擇K個數據點作為各類別的重心，然后計算各樣本點到各重心點的距離并按照就近原則將各樣本點分類，再以各類別數據點平均值作為重心點重復上述步驟，直到各類別樣本點的構成不再變化或達到規定的迭代次數。利用表1所示的各變量，運行SPSS 23.0軟件的K-Means聚類模塊并通過8次迭代即實現了聚類中心的穩定，將受訪農民務工收入水平分為4類，分別是高收入、中高收入、中低收入和低收入。根據表2所示的分析結果，去除指標存在缺失值樣本后聚類的有效樣本數為6 840。其中，36.3%屬于平均年收入28 202.1元的中高收入群體；其次是占有效樣本量30.8%的中低收入群體，其平均年收入為17 525.0元；低收入和高收入受訪者分別占有效樣本量的23.5%和9.4%，后者年均收入約是前者的3.9倍。聚類結果顯示，各類收入群體數量構成整體符合正態分布，但高低群體之間的年均收入懸殊。

2.2 基于多元線性回歸的務工收入影響因素

利用表1中所列變量和數據構建農民務工收入影響因素的指標體系，運行SPSS 23.0軟件得到多元回歸分析結果見表3。表內回歸模型所有自變量t值的絕對值都大于2（即相伴概率P值都小于1%），說明每個自變量都對因變量有顯著影響。方差膨脹因子VIF都小于10，說明不存在多重共線性。F檢驗結果顯示，在1%顯著性水平下模型的整體擬合效果較好，能夠反映各因素對受訪農民務工收入的影響狀況。回歸模型的常量項表示自變量都為0時農民務工年均收入，現實含義不突出。未標準化系數B表示在其他因素不變時各自變量增加1個單位對因變量的影響程度。標準化系數Beta的絕對值越大則說明該因素對農戶務工收入影響越顯著，表3中各指標即按照該數值由大到小進行排序。

各變量的未標準化系數B說明在其他因素不變的條件下，在縣域內、西部地區比在其他行業或地區工作的勞動力每人年均務工收入分別少5 482.2元和3 962.7元，年齡每增長1歲則人均年務工收入減少153.8元，以農為主的工種人均年收入少1 663.6元。農業產業務工收入較低，這主要反映了農業經濟的基本屬性：受農作物產量和需求價格彈性小、易受自然災害等因素影響，導致農業經濟回報率較低。與受訪者絕大多數在縣域內務工的調查結果結合分析，我國中東部地區得益于自然區位和經濟開發較早等優勢能夠提供更多的務工創收機會，西部地區很多農村自然稟賦較差、經濟欠發達，當地農民需要通過外出務工取得更多收入以提高生活質量。

務工天數直接反映勞動付出時間對收入的影響最為顯著，務工天數每增長1天能為每人增加年均收入83.3元。群眾比擔任鄉村干部的每人年均務工收入多2 855.6元，反映當前農村基層公務人員工資性收入偏低，并且由于忙于各項工作基本不能兼職和外出務工；群眾則普遍外出務工來滿足家庭各項支出需求，選擇高收入工作的空間較大、務工時間較長因而收入也會顯著增加。男性勞動力比女性勞動力每人年均務工收入多4 371.1元，接受過非農業類技能培訓的勞動力則比未接受者每人年均務工收入高1 942.0元，體現了體力和職業技能對農民務工收入的重要影響，特別是男性在勞動力市場上有更多的優勢和競爭力，能獲得更多就業機會和勞動報酬。已婚的受訪者比未婚、離異或喪偶者每人年均務工收入多2 469.3元，這可能是因為已婚者承擔更多賺錢養家的責任，也能從家庭得到更多務工的激勵和獲得收入的成就感。身體健康者比體弱多病、患慢性病或重大疾病、身體殘疾者年均務工收入多2 397.6元，每多接受1年教育每人年均務工收入多173.1元，可能是因為身體素質好、文化程度高的受訪者更受用人單位歡迎，就業范圍更廣、勞動時間更長。

3 結論及對策建議

3.1 主要實證分析結論

此研究基于對中國8省區農民務工收入分布特征的調查，結合K-Means聚類分析及多元線性回歸模型探究了對農民務工收入影響顯著的因素。結果也表明農民之間務工收入水平存在顯著差距，必須建立和完善農民務工收入均衡增長機制，以減少相對貧困人口、鞏固全面建成小康社會成果。在影響務工收入的主要因素中，在縣域內工作、來自西部地區、年齡偏大、以農為主的工作類型，對農民務工收入存在顯著的負向影響；而每年務工天數多、沒有擔任基層干部職務、身為男性、接受過非農技能培訓、已婚、身體健康、受教育年限長，則能顯著增加農民的務工收入。

3.2 穩定增加農民務工收入的對策建議

3.2.1 加大對農民的專業技能教育

此研究表明大多數農民工受教育程度較低，很多受訪農民工沒有接受過非農教育培訓。當前，在小規模農業經營大量存在條件下，農民單純依靠種植業增加收入有限。這就要求政府應當加大對農民的教育培訓投入，通過深入調查研究及時了解農民就業意向和技術需求，提供專業對口的多樣化培訓內容，完善農民工職業教育體系；還應當加大資金扶持和宣傳推廣力度，提高農民主動參與意識，擴大培訓覆蓋率。

3.2.2 優化農民務工地點的區域分布

不同地區產業結構和用工需求各不相同，相同工種在不同地區的收入水平也經常差異顯著。此研究證實，我國東部地區的農民工收入高于中西部地區、縣外務工收入高于縣內。因此，政府要加強勞動力年齡結構、數量、技能等調查分析，協助和引導其到能夠發揮最大潛能的地區務工、創業和定居；要完善城鎮化政策，讓小城市、縣城和中心鎮成為吸納農民工創業和就業的主要載體，減少大城市和特大城市人口流入帶來的超負荷壓力；可以借鑒江西等地經驗發布和運營好“農民工地圖”［16］，通過“大數據+入戶調查+自主網上填報”、共享人力資源和社會保障、教育等部門政務數據等方式，準確掌握主要務工地區農民工就業狀況和現實需求；在向農民工及時推送權威、實用的崗位信息的同時，根據外出務工人員實際困難和需求提供更為具體的保障服務。總之，政府應當促進農民工的合理流動，優化農民工的區位分布，以此縮小地區間的收入差距、提高農民務工收入水平。

3.2.3 完善農民工的社會保障制度

農民工主要流出地和流入地的政府機構應加強協作，為農村勞動力異地就業創造方便快捷的環境與渠道。針對可能存在的男女、殘疾人與健康人之間同工不同酬等問題，勞動監察、工會、婦聯、殘聯等部門應協力保障女性和殘疾人等群體在務工過程中的合法權利，并針對女性、殘疾人的特征和現實需求提供更具針對性的服務。各地政府應推動農村產業發展吸引農民就地務工，減小縣域內外、中西部之間務工收入的差距，緩解農村人口老齡化、農村空心化和空巢老人、留守兒童、失業殘疾人群增加帶來的壓力，保障農村經濟增長和提升創新活力；大力培育和發展家庭農場、農民合作社等新型農業經營主體，鼓勵農戶自主創業，提高農村產業的附加值和競爭力，提高農民工參加社會保險的比率和質量，切實建立起農民務工收入持續穩定增長的長效機制。

參考文獻：

［1］國家統計局.中國統計年鑒［DB/OL］.［2024-01-05］.http：//www.stats.gov.cn/sj/ndsj/.

［2］國家統計局.2022年農民工監測調查報告［R/OL］.（2023-04-28）［2024-01-05］.https：//www.stats.gov.cn/sj/zxfb/202304/t20230427_1939124.html.

［3］劉盼，許艷，趙小明，等.不同類型農戶耕地撂荒行為及其影響因素研究：以甘肅省通渭縣義崗川鎮為例［J］.湖北農業科學，2022（8）：192-196，209.

［4］賀林均，伍楊.城鎮郊區農民務工與務農行為選擇影響因素分析［J］.云南農業大學學報（社會科學），2021（4）：34-41.

［5］劉濤.社會資本對不同農民工群體務工收入異質性影響研究［J］.河南大學學報（社會科學版），2022（6）：43-47，153.

［6］劉文勇.糧食生產區域集聚對農民收入的影響研究［J］.農業經濟與管理，2023（5）：23-35.

［7］劉成，唐晶，喻璨聰，等.農機服務對農戶分化影響路徑的實證分析［J］.當代經濟，2023（2）：34-42.

［8］周春芳.性別視角下我國農民工的自我雇傭與收入效應［J］.山西農業大學學報（社會科學版），2023（2）：115-124.

［9］梁祎，趙志曼，劉子鵬.農村人口受教育程度與其收入的關系探討：以云南省為例［J］.中國市場，2018（35）：42-43.

［10］錢海慧.數字經濟對農民收入的影響研究：基于中介效應和門檻效應的實證分析［J］.中國物價，2023（11）：85-88.

［11］向書堅，軒媛媛，杜文豪.科技創新如何促進農民生活富裕：理論機制與經驗證據［J］.統計學報，2023（5）：1-15.