基于多水平模型的西南民族地區(qū)農(nóng)戶非農(nóng)勞動行為研究
——以云南省紅河哈尼族彝族自治州為例

王 娟

（北海職業(yè)學(xué)院，廣西 北海 536000）

基于多水平模型的西南民族地區(qū)農(nóng)戶非農(nóng)勞動行為研究
——以云南省紅河哈尼族彝族自治州為例

王 娟

（北海職業(yè)學(xué)院，廣西 北海 536000）

文章基于農(nóng)戶模型理論，結(jié)合西南民族地區(qū)農(nóng)戶特征，尋找影響農(nóng)戶非農(nóng)勞動行為的因素；基于農(nóng)戶數(shù)據(jù)具有層級結(jié)構(gòu)的特點(diǎn)，從多水平模型統(tǒng)計(jì)分析方法入手，通過對數(shù)據(jù)的組間異質(zhì)性和隨機(jī)性問題的有效處理，以云南省紅河哈尼族彝族自治州為例，結(jié)合實(shí)證得出了最終模型，并與普通最小二乘估計(jì)進(jìn)行比較。

多水平模型；西南民族；非農(nóng)勞動

中國是個(gè)擁有9億農(nóng)民的農(nóng)業(yè)大國，解決農(nóng)民問題的核心是增收，農(nóng)民增收的有效途徑是擴(kuò)大非農(nóng)就業(yè)。相比沿海內(nèi)地經(jīng)濟(jì)發(fā)展水平較高地區(qū)，由于其居住環(huán)境、社會發(fā)展程度不同，西南民族地區(qū)的農(nóng)村問題研究更有其特殊性和復(fù)雜性，本文基于農(nóng)戶模型理論，結(jié)合西南民族地區(qū)農(nóng)戶特征，尋找影響農(nóng)戶非農(nóng)勞動行為的因素；基于農(nóng)戶數(shù)據(jù)具有層級結(jié)構(gòu)的特點(diǎn)，從多水平模型統(tǒng)計(jì)分析方法入手，通過對數(shù)據(jù)的組間異質(zhì)性和隨機(jī)性問題的有效處理，尋找農(nóng)戶層級數(shù)據(jù)的微觀水平和宏觀水平影響效應(yīng)，從而深入分析對于西南民族地區(qū)農(nóng)戶行為決策過程中更合理的農(nóng)戶經(jīng)濟(jì)解釋，為西南民族地區(qū)農(nóng)業(yè)問題的開展提供借鑒與思考。

1 模型的設(shè)計(jì)與解釋

在研究農(nóng)戶問題時(shí)，許多學(xué)者采用多元線性回歸模型的統(tǒng)計(jì)方法，如張林秀，霍艾米（2000）采用最小二乘估計(jì)（OLS）方法研究經(jīng)濟(jì)波動中的農(nóng)戶勞動力供給行為；Ahn, Singh,and Squire（1981）用加入誤差項(xiàng)的計(jì)量模型估計(jì)農(nóng)戶多產(chǎn)出的利潤函數(shù)；程名望，史清華（2006）用基于線性回歸的Logit模型論證了城鎮(zhèn)的拉力是農(nóng)村勞動力轉(zhuǎn)移的根本動因?？紤]到農(nóng)戶數(shù)據(jù)具有層級結(jié)構(gòu)的特點(diǎn)，層級結(jié)構(gòu)數(shù)據(jù)存在組內(nèi)同質(zhì)性問題，即同層（組）的個(gè)體存在相似性，其殘差項(xiàng)不相互獨(dú)立，導(dǎo)致傳統(tǒng)多元線性回歸模型的同方差和獨(dú)立性假設(shè)不成立，其估計(jì)參數(shù)標(biāo)準(zhǔn)誤也會產(chǎn)生偏倚，由此產(chǎn)生統(tǒng)計(jì)檢驗(yàn)的第一類錯(cuò)誤，而錯(cuò)誤地拒絕統(tǒng)計(jì)學(xué)顯著性檢驗(yàn)的真假設(shè)。

多水平模型自上個(gè)世紀(jì)80年代發(fā)展起來到現(xiàn)在，已是目前國際統(tǒng)計(jì)學(xué)研究中的一個(gè)重要領(lǐng)域，但國內(nèi)外對于多水平模型在經(jīng)濟(jì)領(lǐng)域的運(yùn)用尚處于剛剛起步階段。在農(nóng)戶行為問題的研究中，目前還沒有運(yùn)用多水平模型統(tǒng)計(jì)方法分析的例子。多水平模型統(tǒng)計(jì)分析方法能將因變量中的變異分解為組內(nèi)變異（within-group variance）和組間變異（between-group variance），因此，適合于處理層級數(shù)據(jù)結(jié)構(gòu)。

2.1 多水平模型的形式

以一個(gè)兩水平模型為例介紹多水平模型，在一個(gè)兩水平模型中包括兩個(gè)水平1解釋變量和一個(gè)水平2解釋變量，模型設(shè)定如下：

i=1,2,…,N(樣本總量) ;j=1,2,…,J(水平2單位數(shù))式中，yij為第j個(gè)水平 2單位（或第j組）中的第i個(gè)個(gè)體的水平1被解釋變量；式（2.1）表示yij變異的水平1方程。水平1截距 0j表示水平1截距跨水平2單位的變化，是隨機(jī)回歸系數(shù) 0j，對應(yīng)的有水平2方程（2.2），在這里，0j就變成了因變量，它表示的是，水平1被解釋變量yij的總體平均值并非如一般線性回歸模型所描述的是一個(gè)固定系數(shù)，而是隨著水平2的不同而不同，它的變異由（2.2）方程中的水平2解釋變量s1j來解釋。x1ij對yij的效應(yīng)跨水平2單位變化，同樣 1j也是隨機(jī)回歸系數(shù)，它的變異由（2.3）水平2方程中的水平2解釋變量s1j來解釋。水平1解釋變量x2ij并不跨水平2單位變化，其對應(yīng)的回歸斜率β2j也是固定的。從模型的形式看，包含了兩個(gè)隨機(jī)回歸系數(shù) 0j和 1j，以及一個(gè)固定回歸系數(shù) 2j。

將式（2.2）和（2.3）代入式（2.1），可以得到組合模型（2.4）:

式（2.4）可以看成有兩部分組成：即固定效應(yīng)成分和隨機(jī)效應(yīng)成分，分別對應(yīng)

(00+01s1j+2jx2ij+10x1ij+11s1jx1ij)和。水平2誤差項(xiàng)ju0和ju1只是在各組間有變化，在組內(nèi)（第j組）并沒有變化，也即各組內(nèi)觀察值互不獨(dú)立。該模型看上去，與一個(gè)帶有交互作用的普通線性回歸模型有些相似，但是其殘差部分要復(fù)雜得多。該模型的殘差包括兩個(gè)水平2誤差項(xiàng)ju0和ju1，一個(gè)水平1誤差項(xiàng)ije以及水平1解釋變量ijx1，稱之為復(fù)合殘差結(jié)構(gòu)，它取決于ju0、ju1和ijx1的值，并且ijjxu11被看作是組群與水平 1變量ijx1之間的交互作用。因此，復(fù)合殘差沒有一個(gè)恒定的方差，也正是由于這個(gè)特征會導(dǎo)致異方差性，從而不符合普通最小二乘法的條件假設(shè)，而需要用特殊的方法來估計(jì)多水平模型的參數(shù)。

通常用于多水平模型參數(shù)估計(jì)的方法有兩種：一種是迭代廣義最小二乘估計(jì)，即 IGLS，Iterative Generalized Least Squares（Goldstein, 1985）；另一種是限制的迭代廣義最小二乘，即 RIGIS，Restricted Iterative Generalized Least Squares（Goldstein,1986）。本文采用SAS PROC MIXED進(jìn)行模型擬合在計(jì)算機(jī)軟件中的實(shí)現(xiàn)，其提供了可供選擇參數(shù)估計(jì)方法：ML、REML等。在多水平模型中，對模型的檢驗(yàn)運(yùn)用的最為廣泛的是似然比檢驗(yàn)，常用似然比檢驗(yàn)來對比兩個(gè)模型擬合的好壞，通過其差值大小的顯著性來檢驗(yàn)?zāi)Ｐ偷母倪M(jìn)效果。-2LL值越小，表明模型改進(jìn)得越好。此外，還可采用信息標(biāo)準(zhǔn)統(tǒng)計(jì)量：AIC、BIC和AICC進(jìn)行模型比較。AIC、BIC和AICC的值越接近于0，則模型擬合數(shù)據(jù)越好。

2 西南民族地區(qū)農(nóng)戶非農(nóng)勞動時(shí)間的影響因素分析

2.1 數(shù)據(jù)的預(yù)處理與變量的選取

本文研究數(shù)據(jù)來源于 2008年云南省紅河哈尼族彝族自治州統(tǒng)計(jì)局農(nóng)村住戶調(diào)查數(shù)據(jù)，包含13個(gè)市縣、136個(gè)鄉(xiāng)鎮(zhèn)、295個(gè)村，3000戶農(nóng)村家庭，涉及3700多個(gè)普查指標(biāo)。很顯然，該數(shù)據(jù)具備明顯的層級特點(diǎn)，農(nóng)戶嵌套于村，村嵌套于鄉(xiāng)鎮(zhèn)，鄉(xiāng)鎮(zhèn)又嵌套于市縣，是一個(gè)三水平層級結(jié)構(gòu)數(shù)據(jù)，適合于采用多水平模型估計(jì)與分析?？紤]合適的組群個(gè)數(shù)，本文采用“村—農(nóng)戶”對數(shù)據(jù)進(jìn)行分層處理，以不同的村碼區(qū)分。水平2的鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)變量來源于《2009年紅河州領(lǐng)導(dǎo)干部經(jīng)濟(jì)工作手冊》。

在模型建立之前，對部分變量進(jìn)行了預(yù)處理。數(shù)據(jù)中年齡為分類變量，采用組中值處理方法將其處理為連續(xù)變量，運(yùn)用加權(quán)平均法求出平均年齡以便作年齡的總中心化處理；數(shù)據(jù)中農(nóng)戶經(jīng)營土地面積為連續(xù)變量，但其密集在平均水平以下，為了利于估計(jì)，嘗試將該變量分類虛擬化看其對農(nóng)戶勞動行為的影響。

基于農(nóng)戶模型的理論框架，農(nóng)戶家庭的勞動行為決策與生產(chǎn)和消費(fèi)決策聯(lián)系在一起。結(jié)合研究數(shù)據(jù)與西南民族地區(qū)農(nóng)戶的行為，考慮其特殊性，本文從以下三個(gè)方面著手選取變量：

（1）經(jīng)濟(jì)因素。由農(nóng)戶模型可以清晰地了解農(nóng)戶在進(jìn)行勞動時(shí)間決策時(shí)是通過效用函數(shù)分析的，在農(nóng)戶家庭效用最大化的條件下，考慮生產(chǎn)決策與消費(fèi)決策。本文研究的對象是我國西南少數(shù)民族貧困地區(qū)的農(nóng)戶勞動行為，勞動市場的不完善性以及少數(shù)民族文化的特定性使得農(nóng)戶模型的假定過于苛刻，生產(chǎn)決策和消費(fèi)決策不具有可分性，生產(chǎn)決策影響消費(fèi)決策的同時(shí)，消費(fèi)決策反過來也影響生產(chǎn)決策。也正是基于此，在本文對農(nóng)戶非農(nóng)勞動時(shí)間的影響因素分析時(shí)，在不考慮農(nóng)戶的消費(fèi)偏好的前提下，將可支配收入這一影響農(nóng)戶消費(fèi)決策的變量引入模型之中，以測定其對生產(chǎn)決策的反作用。同時(shí)，由于勞動力市場的不完善，使得農(nóng)業(yè)勞動工資無法觀測，因此，本文采用農(nóng)業(yè)生產(chǎn)函數(shù)估計(jì)農(nóng)業(yè)勞動的影子工資以代替市場勞動工資，進(jìn)而估算出農(nóng)戶的影子收入，在此基礎(chǔ)上考慮影子收入對農(nóng)戶非農(nóng)勞動時(shí)間配置的影響。

（2）場景因素。地理因素在很多農(nóng)戶問題的研究中也被稱作是環(huán)境因素，不論其如何界定，代表農(nóng)戶家庭所處的自然環(huán)境、交通條件、所處地區(qū)的基本情況的這些協(xié)變量，本文為與后面統(tǒng)計(jì)分析模型一致，全部定義為場景因素或場景變量。從經(jīng)驗(yàn)研究看，這些變量對農(nóng)戶家庭的行為決策具有一定的影響，而且存在同一范圍內(nèi)的相似性。在場景因素的選擇中，本文與前人研究的區(qū)別在于考慮了所處地區(qū)的鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)展?fàn)顩r對農(nóng)戶個(gè)體行為的影響，從鄉(xiāng)鎮(zhèn)的工業(yè)總產(chǎn)值、鄉(xiāng)鎮(zhèn)企業(yè)營業(yè)收入等變量入手試圖來尋找更具代表性的場景變量以分析非農(nóng)勞動時(shí)間的影響因素。

（3）家庭特征因素。農(nóng)戶行為決策來自于家庭，作用于家庭，而每個(gè)家庭的特征又不盡相同，比如家庭的結(jié)構(gòu)、勞動力人數(shù)、男勞動力人數(shù)、家庭經(jīng)營的土地面積、受教育程度、年齡等等造成了農(nóng)戶勞動供給行為決策時(shí)的個(gè)體差異。有學(xué)者還曾就某一家庭特征變量進(jìn)行專門的分析，比如教育。此外，考慮到西南民族地區(qū)農(nóng)業(yè)生產(chǎn)占絕大部分，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)較其他地區(qū)更大，其對農(nóng)戶收入有直接的影響，而人均經(jīng)營土地面積和上一年農(nóng)業(yè)生產(chǎn)固定資產(chǎn)原值從一定程度上可以反應(yīng)農(nóng)戶家庭抵御風(fēng)險(xiǎn)的能力。本文將把這些家庭特征變量作為個(gè)體變量納入模型進(jìn)行探索性測量。

3.2 兩水平模型估計(jì)

（1）正態(tài)分布檢驗(yàn)。為了分析影響云南紅河地區(qū)農(nóng)戶勞動時(shí)間配置問題，本文選取非農(nóng)勞動時(shí)間為因變量，考慮到多水平模型對因變量正態(tài)分布的前提要求，對該變量取自然對數(shù)，檢驗(yàn)其正態(tài)性，得到如下正態(tài)Q-Q圖1，從分布的斜率來看，呈近似正態(tài)分布，符合多水平模型估計(jì)對因變量的正態(tài)性要求。

圖1 非農(nóng)勞動時(shí)間取自然對數(shù)的正態(tài)Q-Q圖

（2）村內(nèi)同質(zhì)性的統(tǒng)計(jì)檢驗(yàn)。對數(shù)據(jù)的結(jié)構(gòu)進(jìn)行初步分析知道本文研究數(shù)據(jù)具有明顯的分級結(jié)構(gòu)，考慮樣本分布及群組單位個(gè)數(shù)適應(yīng)多水平模型分析的要求，選用“農(nóng)戶—村”這一兩級數(shù)據(jù)進(jìn)行分層處理，首先，通過這一結(jié)構(gòu)數(shù)據(jù)的組內(nèi)相關(guān)系數(shù)計(jì)算，可以發(fā)現(xiàn)該數(shù)據(jù)是否具有層級結(jié)構(gòu)。本文中關(guān)于多水平模型分析的軟件實(shí)現(xiàn)均在SAS9 .2版本下運(yùn)行。首先，建立關(guān)于非農(nóng)勞動時(shí)間2L的空模型（Empty Model），寫作：

該模型中水平1（公式3.1）和水平2（公式3.2）中均沒有解釋變量，模型（3.1）中，0j和eij分別代表第j個(gè)村莊的非農(nóng)平均時(shí)間和圍繞該平均值的農(nóng)戶個(gè)體的變異。模型（3.2）中，γ00表示總截距，代表非農(nóng)時(shí)間的總平均值；u0j代表組均值之間的變異，即第j個(gè)村莊的非農(nóng)平均時(shí)間與非農(nóng)總平均時(shí)間的差異。模型（3.3）是模型（3.1）和（3.2）的組合模型，該數(shù)據(jù)以“村”作為組水平單位，其空模型運(yùn)用REML估計(jì)法，即限制性最大似然法（restricted maximum likelihood），經(jīng)過2次迭代即成功收斂，表明空模型擬合良好。模型的擬合統(tǒng)計(jì)量 - 2LL= 6598.5，具體運(yùn)行結(jié)果如表1：

表1 空模型—估計(jì)結(jié)果

組內(nèi)相關(guān)系數(shù)ICC的顯著性檢驗(yàn)相當(dāng)于組間方差為“零”的假設(shè)檢驗(yàn)，通過上表，和的P值都很小，均表現(xiàn)出統(tǒng)計(jì)顯著，由此可以推斷ICC是統(tǒng)計(jì)顯著的。另一方面，可以計(jì)算組內(nèi)相關(guān)系數(shù)：

組內(nèi)相關(guān)系數(shù)也可以解釋為組間方差與總方差的比。計(jì)算結(jié)果ICC=0.527，在因變量中約有52.7%的總變異是由個(gè)體樣本不同引起的，表明數(shù)據(jù)中存在較大程度的組內(nèi)同質(zhì)性，或者說組群效應(yīng)，也就是說同一個(gè)村莊的農(nóng)戶在非農(nóng)勞動時(shí)間的分配問題上存在著相似性，同時(shí)也意味著存在組間異質(zhì)性，即不同村的農(nóng)戶存著差異。

（3）最終模型

根據(jù)多水平模型的建模步驟，依次建立水平2解釋變量主效應(yīng)的隨機(jī)截距模型、隨機(jī)截距模型、水平1解釋變量的隨機(jī)斜率檢驗(yàn)，直至得到最終模型的估計(jì)結(jié)果，如表2：

表2 最終模型—估計(jì)結(jié)果（REML）

很顯然，從模型擬合統(tǒng)計(jì)量來看，-2LL由第四步的模型3186.3降低到3007.9，又一次得到了改善，其差值為178.4,(9)=16.919＜178.4，統(tǒng)計(jì)顯著。通過觀察各自變量的P值，在5%的顯著性水平下，都通過顯著性檢驗(yàn)。各殘差項(xiàng)估計(jì)值也都有不同程度的減少，總的來說，模型擬合效果較優(yōu)。最后，根據(jù)估計(jì)結(jié)果，可以寫出關(guān)于農(nóng)戶非農(nóng)勞動時(shí)間的最終模型（3.5）：

（4）與OLS估計(jì)的比較

為了從不同側(cè)面了解多水平模型估計(jì)方法的優(yōu)劣性，本文還采用大多數(shù)學(xué)者在研究農(nóng)戶問題時(shí)常用的一般線性回歸模型的OLS，即普通最小二乘（ordinary least squares）估計(jì)方法，結(jié)果如下：

表3 OLS回歸結(jié)果

∧α 人均全年影子收入（元）AR -3.95E-06 9.31E-06 -0.42411 0.6715∧1β家庭全年可支配收入（元） 1X -3.41E-06 2.23E-06 -1.52904 0.1264∧2β家庭全年生活消費(fèi)支出（元） 2X -1.72E-06 1.44E-06 -1.19841 0.2309∧3β家庭農(nóng)業(yè)生產(chǎn)物質(zhì)投入（元）3 X -5.20E-06 1.66E-06 -3.14008 0.0017∧*4β非農(nóng)就業(yè)平均年齡（中心化后） *4 X -0.00765 0.004519 -1.69282 0.0906∧5β非農(nóng)勞動人數(shù)比例5 X 1.556822 0.148571 10.47861 0.0000∧6β整半勞動力人數(shù)6 X 0.195807 0.013418 14.59331 0.0000∧7β人均土地占有面積（畝）7 X -0.034866 0.007797 -4.47162 0.0000∧8β非農(nóng)就業(yè)勞動力最高文化程度8 X 0.180401 0.027111 6.654219 0.0000∧ *4 01*β γ 0.006143 0.000941 6.528138 0.0000∧ *4 02*β γ -3.00E-08 1.14E-08 -2.64239 0.0083 Model Fit Statistics: Log likelihood=-2798.9； -2LL=-2*(-2798.9)=5597.8

從表3中可以看出OLS估計(jì)結(jié)果認(rèn)為非農(nóng)勞動時(shí)間與農(nóng)戶所在調(diào)查村的兩個(gè)變量1V、2V不相關(guān)，統(tǒng)計(jì)檢驗(yàn)都不顯著，而多水平模型卻能通過將數(shù)據(jù)進(jìn)行分層處理，找出組群與個(gè)體之間的關(guān)系；不僅如此，多水平模型在處理交互效應(yīng)時(shí)也比一般線性模型要更優(yōu)，即使OLS估計(jì)結(jié)果得出兩個(gè)變量的交互效應(yīng)顯著，但是解釋起來卻缺乏理論依據(jù)。甚至有時(shí)候，在驗(yàn)證某些經(jīng)濟(jì)理論的時(shí)候，顯得力不從心，比如根據(jù)農(nóng)戶模型理論的推斷，容易知道，農(nóng)戶在決定家庭提供非農(nóng)勞動時(shí)間的多少時(shí)，會考慮到家庭的影子收入，但在OLS估計(jì)結(jié)果中，人均影子收入這一變量卻并不顯著，因此無法驗(yàn)證這一經(jīng)濟(jì)理論。從模型的整體性檢驗(yàn)來看，多水平模型的最終模型的擬合統(tǒng)計(jì)量結(jié)果明顯比OLS的模型擬合更優(yōu)，因?yàn)槎嗨侥Ｐ偷淖罱K模型擬合值-2LL=3007.9，遠(yuǎn)遠(yuǎn)小于 OLS的模型擬合值-2LL=5597.8，相差2589.8。

3.3 模型的解釋及經(jīng)濟(jì)意義

本文由于把場景因素處理為層級結(jié)構(gòu)數(shù)據(jù)中的組水平變量，不僅考慮了環(huán)境因素對農(nóng)戶個(gè)體的影響因素，還通過（1）“距最近車站（碼頭）的距離”這一分類變量衡量調(diào)查村的交通便利條件，得出結(jié)論，與最近車站（碼頭）的距離越近，對非農(nóng)勞動時(shí)間的投入也越多，交通基礎(chǔ)設(shè)施的便利，會帶來出行頻率的增多，與外界的聯(lián)系越多，市場對等信息的獲得越高，將有利于農(nóng)戶從事非農(nóng)勞動；（2）通過“鄉(xiāng)鎮(zhèn)企業(yè)營業(yè)收入”來反映調(diào)查村的鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)展?fàn)顩r，表明了鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)展水平越高，為非農(nóng)就業(yè)提供了更多的機(jī)會，形成了鄉(xiāng)鎮(zhèn)拉力，吸引農(nóng)戶就近選擇農(nóng)業(yè)勞動以外的其他勞動形式。同時(shí)還考慮了跨層的交互效應(yīng)，也因此能更精確地體現(xiàn)調(diào)查村的環(huán)境變量是如何調(diào)節(jié)農(nóng)戶個(gè)體的非農(nóng)勞動時(shí)間決策的。估計(jì)結(jié)果表明，非農(nóng)就業(yè)的勞動者年齡與平均年齡的差異與非農(nóng)勞動時(shí)間投入的關(guān)系隨著其家庭交通便利條件的不同而有所不同。在西南少數(shù)民族地區(qū)，70%的農(nóng)戶居住在山區(qū)，地勢的惡劣條件使得交通便利對他們來說就是能否出行，出行的復(fù)雜程度已經(jīng)是次要的，對于年輕或年長的勞動者，他們不是家庭的主要農(nóng)業(yè)勞動參與者，他們主要從事非農(nóng)勞動的方式就是長期外出打工，打工時(shí)間一般也在6個(gè)月以上，而非農(nóng)閑時(shí)的補(bǔ)充勞動方式。

根據(jù)農(nóng)戶模型推出勞動供給與收入、生活消費(fèi)、生產(chǎn)物質(zhì)投入有關(guān)，估計(jì)結(jié)果也證實(shí)了這一推導(dǎo)，非農(nóng)勞動時(shí)間與人均收入、生活費(fèi)用呈顯著正相關(guān)，和生產(chǎn)物質(zhì)的投入呈顯著負(fù)相關(guān)。表明，較高的生活水平需求與較高的人均收入對非農(nóng)勞動時(shí)間的拉力較強(qiáng)。此外，農(nóng)戶的消費(fèi)產(chǎn)品中，除了生活消費(fèi)還有對閑暇時(shí)間的消費(fèi)，由于其價(jià)格的不可觀測性，可以通過影子工資反映的影子收入作為判定閑暇的優(yōu)劣性質(zhì)。當(dāng)收入增加時(shí)，對勞動供給也隨之增加，那么閑暇就隨之減少，這時(shí)閑暇就是劣等品；反之，當(dāng)收入增加時(shí)，對勞動供給隨之減少，那么閑暇就隨之增加，此時(shí)閑暇即為正常物品。但由于本文的因變量只是勞動供給中的非農(nóng)勞動，因此，只能部分地解釋閑暇的優(yōu)劣程度，不能完全說明閑暇對西南少數(shù)民族地區(qū)來說是劣等品。從農(nóng)業(yè)生產(chǎn)投入來說，生產(chǎn)物質(zhì)投入越多，意味著對農(nóng)業(yè)生產(chǎn)時(shí)間的需求越多，而農(nóng)戶生產(chǎn)受時(shí)間的約束，對非農(nóng)勞動時(shí)間投入相對就越少。這一點(diǎn)也是與農(nóng)戶模型理論是相吻合的。

為了解釋農(nóng)戶生產(chǎn)決策影響消費(fèi)決策的同時(shí)，消費(fèi)決策是否也反過來影響生產(chǎn)決策，我們對可支配收入進(jìn)行觀察其估計(jì)結(jié)果發(fā)現(xiàn)，可支配收入與非農(nóng)勞動時(shí)間有顯著負(fù)相關(guān)，也就是說，可支配收入越多，農(nóng)戶對非農(nóng)勞動時(shí)間的投入就會越少。對農(nóng)戶來說，從事農(nóng)業(yè)生產(chǎn)是主要的，如果在農(nóng)業(yè)生產(chǎn)可以創(chuàng)造較多的可支配收入以滿足其消費(fèi)的條件下，那么對非農(nóng)勞動的投入也就會減少。另一方面，從統(tǒng)計(jì)的角度來說，其顯著性的影響驗(yàn)證了西南少數(shù)民族地區(qū)的農(nóng)村處于不完善的商品市場條件下，農(nóng)戶的生產(chǎn)與消費(fèi)決策是聯(lián)系在一起，相互影響的。

對于農(nóng)戶勞動行為的研究必定會討論人力資本變量，本文通過家庭勞動力結(jié)構(gòu)狀況以及教育程度來分析農(nóng)戶人力資本對非農(nóng)勞動時(shí)間的影響。從風(fēng)險(xiǎn)的角度來說，農(nóng)業(yè)生產(chǎn)是一個(gè)條件限制性較高的活動，不僅受經(jīng)濟(jì)活動的影響，還與諸如陽光、雨水、土壤等不可控的自然因素關(guān)系密切，尤其在西南民族貧困地區(qū)，各種風(fēng)險(xiǎn)所帶來的收入波動對低收入的西南少數(shù)民族地區(qū)的農(nóng)戶更是一大沖擊，信貸市場與保險(xiǎn)市場往往不存在或不完善，非農(nóng)勞動可以從另一個(gè)方面抵御農(nóng)業(yè)生產(chǎn)的風(fēng)險(xiǎn)，勞動力人數(shù)以及參與非農(nóng)勞動的人數(shù)作為基本的人力資本是一個(gè)不可或缺的條件。本文還嘗試把“上一年生產(chǎn)性固定資產(chǎn)原值”看作是農(nóng)戶家庭的原始積累，反映農(nóng)戶家庭的風(fēng)險(xiǎn)抵御能力。但估計(jì)結(jié)果為正相關(guān)，且模型的擬合值增大，擬合效果沒有改進(jìn)，其經(jīng)濟(jì)意義也不能從風(fēng)險(xiǎn)抵御能力上合理解釋，因此沒有納入模型。

[1] 張林秀,霍艾米,等.經(jīng)濟(jì)波動中農(nóng)戶勞動力供給行為研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2000(5).

[2] 程名望,史清華,徐劍俠.中國農(nóng)村勞動力轉(zhuǎn)移動因與障礙的一種解釋[J].經(jīng)濟(jì)研究,2006(4).

[3] De Leeuw, J.& I.G..G. Kreft. Random Coeffcient models for multilevel analysis. Journal of Educational Statistics.Vol.11:57-85.

[4] Wallace E. Huffman. Farm and Off-farm work Decisions:The Role of Human Capital. The Review of Economics and Statistics,Vol.62,No.1(Feb.,1980)pp:14-23.

Non-farm labor action research of the southwest region farmers Based on the multi - level model——Take honghe hani nationality yi nationality autonomous prefecture in Yunnan province for example

In this paper, based on the farmer model theory, combined with the household characteristics of the southwest national area, looking for influence factors of non-agricultural Labour behavior; based on characteristics of hierarchical structure in the household data, starting from statistical analysis method of multilevel models, Through effective handling between groups heterogeneity of data and random question, Take honghe hani nationality yi nationality autonomous prefecture in Yunnan province for example, combined with the positive,obtained final model and compared with the ordinary least squares estimates, the empirical results show that multi-level model better is suitable for the research of the economic problems of farmers, were new ideas were put forward from methodology.

multi-level model; southwest nationality; non-farm labor

TP273

A

1008-1151(2012)06-0302-04

2012-04-11

王娟（1975－），女，湖北武漢人，北海職業(yè)學(xué)院經(jīng)濟(jì)學(xué)碩士，研究方向?yàn)閼?yīng)用統(tǒng)計(jì)。