基于BP神經(jīng)網(wǎng)絡(luò)的欠發(fā)達(dá)地區(qū)失地農(nóng)民生計(jì)方式選擇預(yù)測(cè)

楊琨 劉鵬飛

摘要：【目的】探析欠發(fā)達(dá)地區(qū)失地農(nóng)民生計(jì)方式選擇的影響因素，推進(jìn)失地農(nóng)民可持續(xù)生計(jì)研究，為精準(zhǔn)實(shí)現(xiàn)失地農(nóng)民可持續(xù)生計(jì)提供政策參考?！痉椒ā恳愿拭C省蘭州市安寧區(qū)失地農(nóng)民群體為研究對(duì)象，基于可持續(xù)生計(jì)分析框架及實(shí)地調(diào)查數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)及二元Logistic回歸模型定量分析人力資本和政策性因素對(duì)失地農(nóng)民生計(jì)方式選擇影響的邊際效應(yīng)?！窘Y(jié)果】BP神經(jīng)網(wǎng)絡(luò)檢驗(yàn)分類預(yù)測(cè)準(zhǔn)確率達(dá)92.44%，二元Logistic回歸模型檢驗(yàn)分類預(yù)測(cè)準(zhǔn)確率為78.15%，且BP神經(jīng)網(wǎng)絡(luò)的AUC值顯著高于二元Logistic回歸模型，表明BP神經(jīng)網(wǎng)絡(luò)具有更好的擬合性能，能更有效地分析失地農(nóng)民生計(jì)資本對(duì)其轉(zhuǎn)移就業(yè)選擇的影響及邊際效應(yīng)。因征地補(bǔ)償所獲得的財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入在一定程度上降低了失地農(nóng)民轉(zhuǎn)移就業(yè)率;年齡對(duì)轉(zhuǎn)移就業(yè)概率的邊際效應(yīng)呈倒U形，35歲以上失地農(nóng)民的轉(zhuǎn)移就業(yè)概率顯著低于35歲以下群體，45歲以上失地農(nóng)民的轉(zhuǎn)移就業(yè)概率已低至0.5以下;欠發(fā)達(dá)地區(qū)教育水平仍是影響非農(nóng)就業(yè)水平的關(guān)鍵因子，且高中以上教育水平對(duì)就業(yè)概率提升的影響顯著?！窘ㄗh】提高人力資本存量，增強(qiáng)職業(yè)技能培訓(xùn);選取更合理的征地補(bǔ)償措施，正確引導(dǎo)失地農(nóng)民合理分配使用貨幣性補(bǔ)償;完善失地農(nóng)民勞動(dòng)力市場(chǎng)體系，提供更有針對(duì)性的就業(yè)扶持及保障措施，緩解失地農(nóng)民提前退出勞動(dòng)力市場(chǎng)的現(xiàn)狀。

關(guān)鍵詞： 欠發(fā)達(dá)地區(qū);失地農(nóng)民;生計(jì)方式;BP神經(jīng)網(wǎng)絡(luò);二元Logistic回歸模型

0 引言

【研究意義】2000—2015年我國(guó)的城鎮(zhèn)建成面積增長(zhǎng)113%，城區(qū)范圍擴(kuò)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(nóng)民從自然界獲取維持生計(jì)所需生產(chǎn)生活資料的可能性，導(dǎo)致農(nóng)戶更易遭受生計(jì)風(fēng)險(xiǎn)（孔寒凌和吳杰，2007），進(jìn)而加劇生計(jì)的脆弱性。非農(nóng)生計(jì)方式是失地農(nóng)民積累資本的唯一途徑（杜書云和徐景霞，2016），同時(shí)引起福利水平、消費(fèi)行為等生計(jì)結(jié)果的改變，最終影響生計(jì)的可持續(xù)性（Koczberski and Curry，2005）。欠發(fā)達(dá)地區(qū)尤其是西部半干旱地區(qū)受經(jīng)濟(jì)發(fā)展所限，農(nóng)民擁有的生計(jì)資產(chǎn)數(shù)量更少，對(duì)農(nóng)業(yè)生產(chǎn)依賴性更強(qiáng)，非農(nóng)技能更低（何力，2015;杜宏茹和牛曉宇，2018），一旦耕地被征收農(nóng)民轉(zhuǎn)移就業(yè)問題更嚴(yán)峻。因此，明確失地農(nóng)民生計(jì)方式轉(zhuǎn)變關(guān)鍵驅(qū)動(dòng)因素，對(duì)塑建可持續(xù)生計(jì)具有重要意義。【前人研究進(jìn)展】針對(duì)失地農(nóng)民非農(nóng)就業(yè)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(huì)資本（權(quán)英和吳士健，2009;冀縣卿和錢忠好，2011）及就業(yè)預(yù)期（劉冰和陳金亮，2014）等自身因素為主，逐步擴(kuò)展到社會(huì)接受程度（周畢芬，2015）、就業(yè)制度供給（周畢芬，2016）及市場(chǎng)環(huán)境（馬繼遷，2017）等外部因素的考量。周易和付少平（2012）運(yùn)用二元Logistic模型分析生計(jì)資本對(duì)失地農(nóng)民創(chuàng)業(yè)生計(jì)策略的影響，認(rèn)為人力資本、社會(huì)資本和金融資本與失地農(nóng)民創(chuàng)業(yè)呈正相關(guān)，而房屋拆遷與失地農(nóng)民創(chuàng)業(yè)呈負(fù)相關(guān)。李俊峰等（2016）基于GIS空間分析研究安徽蕪湖地區(qū)失地農(nóng)民的就業(yè)空間特征及行為模式，結(jié)果發(fā)現(xiàn)失地農(nóng)民的就業(yè)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(yè)。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(shù)民族失地農(nóng)民的就業(yè)影響因素，結(jié)果顯示人力資本匱乏及就業(yè)能力缺失是導(dǎo)致該群體在就業(yè)市場(chǎng)上處于明顯弱勢(shì)的主要原因。陳堂和陳光（2017）通過構(gòu)建失地農(nóng)民再就業(yè)影響因素的結(jié)構(gòu)方程模型，發(fā)現(xiàn)工作因素及市場(chǎng)環(huán)境同樣會(huì)影響失地農(nóng)民的非農(nóng)就業(yè)水平。也有研究發(fā)現(xiàn)，人力資本不僅影響耕地征收后農(nóng)民轉(zhuǎn)移就業(yè)選擇（馬繼遷和張宏如，2015;王軼等，2017），還會(huì)影響進(jìn)入非農(nóng)產(chǎn)業(yè)后職業(yè)層次的提升（陳浩等，2013;王曉剛和陳浩，2014）。生計(jì)方式轉(zhuǎn)變驅(qū)動(dòng)因素存在復(fù)雜的內(nèi)在關(guān)系（趙雪雁，2017），雖然已有學(xué)者針對(duì)生計(jì)方式選擇的影響因素開展了相關(guān)研究，但缺少對(duì)失地農(nóng)民特有資本的考量，有關(guān)生計(jì)方式選擇對(duì)該群體生計(jì)資本要素的內(nèi)在響應(yīng)機(jī)制尚有待進(jìn)一步探究?！颈狙芯壳腥朦c(diǎn)】目前，有關(guān)失地農(nóng)民就業(yè)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(guān)系轉(zhuǎn)變?yōu)榫€性模型進(jìn)行實(shí)證分析。BP神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)，其精度更高，現(xiàn)已擴(kuò)展到資源可持續(xù)利用及區(qū)域綜合評(píng)價(jià)等領(lǐng)域（孫湛和馬海濤，2018），但至今鮮見應(yīng)用于可持續(xù)生計(jì)分析?！緮M解決的關(guān)鍵問題】以甘肅省蘭州市安寧區(qū)失地農(nóng)民群體為研究對(duì)象，基于可持續(xù)生計(jì)分析框架及實(shí)地調(diào)查數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)及二元Logistic回歸模型進(jìn)行雙重檢驗(yàn)，探析生計(jì)方式選擇對(duì)人力資本及征地政策性因素的響應(yīng)，以期推進(jìn)失地農(nóng)民可持續(xù)生計(jì)研究，為精準(zhǔn)實(shí)現(xiàn)失地農(nóng)民可持續(xù)生計(jì)提供政策參考。

1 研究區(qū)域及研究方法

1. 1 研究區(qū)概況

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

根據(jù)國(guó)家及甘肅省相關(guān)土地政策，2008年起蘭州市對(duì)所征用耕地承包經(jīng)營(yíng)者主要以貨幣方式進(jìn)行補(bǔ)償，2009年12月1日后進(jìn)行微調(diào)。調(diào)整后補(bǔ)償費(fèi)用包括土地補(bǔ)償費(fèi)、安置補(bǔ)助費(fèi)（二者合計(jì)為被征收集體土地前3年年均產(chǎn)值的30倍）及地上附著物和青苗補(bǔ)償費(fèi)（被征耕地上青苗的補(bǔ)償標(biāo)準(zhǔn)為當(dāng)季作物產(chǎn)值，無苗的按當(dāng)季實(shí)際投入給予補(bǔ)償）三部分構(gòu)成。如宅基地被征用，則對(duì)被征地農(nóng)戶按戶內(nèi)40 m2/人的標(biāo)準(zhǔn)置換新住房或商鋪，超出面積按照綜合地價(jià)采取貨幣補(bǔ)償。2013年1月1日起，甘肅省再次上調(diào)征地補(bǔ)償標(biāo)準(zhǔn)，調(diào)整后全省征地補(bǔ)償標(biāo)準(zhǔn)整體提高19.9%。

針對(duì)失地農(nóng)民提供的社會(huì)保障主要是養(yǎng)老保險(xiǎn)和醫(yī)療保險(xiǎn)。失地農(nóng)民中，其養(yǎng)老保險(xiǎn)從2011年開始啟動(dòng)，參與養(yǎng)老保險(xiǎn)的費(fèi)用由個(gè)人和政府共同承擔(dān)，其中政府承擔(dān)60%，個(gè)人承擔(dān)40%，費(fèi)用交納采取在征收土地時(shí)一次性躉繳的辦法繳清。截至2015年，參保人數(shù)占全區(qū)失地農(nóng)民總?cè)藬?shù)的88.60%，平均養(yǎng)老金也從2011年558元/月提高到1147元/月。在醫(yī)療保險(xiǎn)方面，蘭州市安寧區(qū)實(shí)行由被征地農(nóng)民自愿選擇參加城市居民醫(yī)療保險(xiǎn)或新農(nóng)合的政策;在失業(yè)保險(xiǎn)方面，目前主要針對(duì)法定年齡段有就業(yè)培訓(xùn)愿望包括失地農(nóng)民在內(nèi)的勞動(dòng)者進(jìn)行免費(fèi)技能培訓(xùn)，為其再就業(yè)創(chuàng)造條件;最低生活保障方面并無針對(duì)失地農(nóng)民的特殊政策，但可分別與農(nóng)村或城市中其他符合條件者一并享受此項(xiàng)政策。

1. 2 數(shù)據(jù)來源

研究數(shù)據(jù)是通過參與式農(nóng)村評(píng)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(qū)政府各部門、各街道辦事處收集自然及社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)資料后，再考慮失地農(nóng)民數(shù)量、街道地理位置等因素，從安寧區(qū)8個(gè)街道中選擇2個(gè)失地農(nóng)民高度集中的街道，采用不重復(fù)抽樣的隨機(jī)抽樣方法抽取5個(gè)樣本社區(qū)。②2016年8月進(jìn)入街道社區(qū)進(jìn)行預(yù)調(diào)查，后根據(jù)調(diào)查情況對(duì)問卷進(jìn)行修改和完善，并對(duì)所有參與調(diào)查成員就調(diào)查問卷內(nèi)容、調(diào)查技巧及數(shù)據(jù)錄入等方面進(jìn)行培訓(xùn)。③2016年9—11月，課題組進(jìn)入樣本社區(qū)開展實(shí)地調(diào)查工作。采取PRA法，從樣本社區(qū)中隨機(jī)抽選農(nóng)戶進(jìn)行入戶調(diào)查，若調(diào)查樣本家庭不屬于失地農(nóng)民，則重新抽取。就樣本戶中年滿16歲以上且非全日制學(xué)生的個(gè)人進(jìn)行問卷調(diào)查，調(diào)查數(shù)據(jù)內(nèi)容包括年齡、性別、健康狀況、教育程度、職業(yè)資格技能、就業(yè)情況及收支狀況。④2016年12月，進(jìn)行調(diào)查問卷的整理及錄入工作。共發(fā)放個(gè)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(dòng)能力等樣本，得到有效勞動(dòng)力問卷419份。具體數(shù)據(jù)信息統(tǒng)計(jì)情況見表1。

1. 3 研究方法

1. 3. 1 生計(jì)資本與就業(yè)指標(biāo) 參考可持續(xù)生計(jì)分析框架及成得禮和謝子平（2009）、陳浩等（2013）的研究結(jié)果，選取年齡、教育程度、家庭新增財(cái)產(chǎn)性收入（簡(jiǎn)稱財(cái)產(chǎn)性收入）和家庭新增轉(zhuǎn)移性收入（簡(jiǎn)稱轉(zhuǎn)移性收入）4個(gè)連續(xù)型變量指標(biāo)衡量失地農(nóng)民人力資本與征地補(bǔ)償政策因素方面的差異性，年齡和教育程度按照實(shí)際情況填寫，財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入按當(dāng)年家庭新增年人均相應(yīng)收入計(jì)算，其中，財(cái)產(chǎn)性收入是指由征地補(bǔ)償帶來的財(cái)產(chǎn)性收入，如加蓋房屋或購買設(shè)備后用于出租賺取的租金等;轉(zhuǎn)移性收入是指因征地所獲得轉(zhuǎn)移性收入，如養(yǎng)老保險(xiǎn)金和最低生活保障等。在模型中，納入性別、健康狀況、職業(yè)資格技能、家庭區(qū)位等控制性變量指標(biāo)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(qū)賦值為1，反之則為0。

1. 3. 2 分析方法 采用以人工神經(jīng)中誤差反向傳播網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）為前導(dǎo)的二元Logistic雙重驗(yàn)證方法進(jìn)行分析。根據(jù)采集樣本數(shù)據(jù)，采用有監(jiān)督訓(xùn)練模式建立符合收斂要求的BP神經(jīng)網(wǎng)絡(luò);通過控制其他變量、放松特定變量的方法模擬出對(duì)生計(jì)方式選擇的結(jié)果，進(jìn)而分析該要素對(duì)生計(jì)方式選擇的具體影響，同時(shí)明確其影響變化趨勢(shì)。

本研究構(gòu)建包含2個(gè)隱含層的訓(xùn)練網(wǎng)絡(luò)。輸入因子為性別（G）、健康狀況（H）、職業(yè)資格技能（S）、家庭區(qū)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(cái)產(chǎn)性收入（Ip）和轉(zhuǎn)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(gè)輸入變量，以二元變量轉(zhuǎn)移就業(yè)（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(duì)BP神經(jīng)網(wǎng)絡(luò)模型擬合精度的影響。2個(gè)隱含層傳遞函數(shù)及輸出層傳遞函數(shù)均設(shè)為S形生長(zhǎng)曲線，采用Sigmoid函數(shù)，將輸出層設(shè)為1，得到轉(zhuǎn)移就業(yè)（Y）=1的概率。

神經(jīng)網(wǎng)絡(luò)需分別建立訓(xùn)練樣本和檢驗(yàn)樣本數(shù)據(jù)，本研究將419個(gè)樣本中的300個(gè)觀測(cè)數(shù)據(jù)作為訓(xùn)練樣本進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練;收斂后的BP神經(jīng)網(wǎng)絡(luò)運(yùn)用剩余119個(gè)檢驗(yàn)樣本數(shù)據(jù)進(jìn)行測(cè)試。為確保檢驗(yàn)的有效性，訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)在輸出因子轉(zhuǎn)移就業(yè)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(jìn)行模型訓(xùn)練，即每次迭代允許誤差沿著惡化的方向進(jìn)行搜索，同時(shí)通過在最速下降法與高斯—牛頓法間的自適應(yīng)調(diào)整來優(yōu)化網(wǎng)絡(luò)權(quán)值，從而使BP神經(jīng)網(wǎng)絡(luò)能有效收斂。權(quán)值閾值調(diào)整公式如下：

[?]ω=-（JTJ+μI）-1JTe

式中，[?]ω為調(diào)整后的權(quán)值閾值;μ為自適應(yīng)調(diào)整的標(biāo)量;J為誤差對(duì)權(quán)值微分的雅可比矩陣;e為誤差向量，I為單位矩陣。

設(shè)學(xué)習(xí)速率0.1，最大訓(xùn)練批次5000，最大誤差0.01，經(jīng)多次反復(fù)訓(xùn)練，從網(wǎng)絡(luò)收斂的結(jié)果中選擇預(yù)測(cè)準(zhǔn)確性最高的結(jié)果，最終得到預(yù)測(cè)精度為96%，訓(xùn)練結(jié)果滿足梯度權(quán)向量收斂要求。說明可通過控制輸入因子關(guān)系中的部分自由變量，分析輸出變量對(duì)自由變量的響應(yīng)。

BP神經(jīng)網(wǎng)絡(luò)可模擬人力資本及征地政策性因素影響生計(jì)轉(zhuǎn)型方式的關(guān)系，但內(nèi)部數(shù)量結(jié)構(gòu)并不直觀，難以直接比較各項(xiàng)因子的影響，因此借助二元Logistics回歸進(jìn)一步驗(yàn)證預(yù)測(cè)的準(zhǔn)確性及比較各項(xiàng)因子的影響程度。采用相同數(shù)據(jù)建立二元Logistic回歸模型，選擇最優(yōu)結(jié)果與BP神經(jīng)網(wǎng)絡(luò)模擬結(jié)果進(jìn)行對(duì)比檢驗(yàn)，對(duì)所提出假設(shè)的有效性進(jìn)行充分驗(yàn)證。BP神經(jīng)網(wǎng)絡(luò)的建立及模擬使用Matlab NNtool工具包，二元Logistic回歸使用SPSS 20.0進(jìn)行處理。為消除數(shù)據(jù)單位差異對(duì)模型精度的影響，連續(xù)型變量均進(jìn)行歸一化處理。

2 結(jié)果與分析

2. 1 失地農(nóng)民描述性數(shù)據(jù)分析結(jié)果

調(diào)查數(shù)據(jù)統(tǒng)計(jì)結(jié)果顯示，在419個(gè)樣本數(shù)據(jù)中，家庭平均征地面積0.07 ha，征地主要發(fā)生在2001—2011年，樣本失地農(nóng)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(gè)樣本擁有財(cái)產(chǎn)性收入，平均值為9453.75元;45個(gè)樣本擁有轉(zhuǎn)移性收入，平均值為10938.22元。由于擁有財(cái)產(chǎn)性及轉(zhuǎn)移性收入的樣本較少，因此導(dǎo)致在全體樣本中這兩項(xiàng)平均收入較低，且收入離散程度較大（表2）。本次調(diào)查雖然獲取問卷數(shù)量有限，但與統(tǒng)計(jì)資料對(duì)比發(fā)現(xiàn)樣本基本能反映研究區(qū)失地農(nóng)民基本情況，具有一定的代表性和典型性。

2. 2 不同模型對(duì)就業(yè)率預(yù)測(cè)分析結(jié)果

2. 2. 1 BP神經(jīng)網(wǎng)絡(luò)結(jié)果分析 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)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(cái)產(chǎn)性收入（Ip）和轉(zhuǎn)移性收入（It），由于調(diào)查數(shù)據(jù)無法完全排除額外變量影響，故將性別（G）、健康狀況（H）、職業(yè)資格技能（S）和家庭區(qū)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(jīng)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(jì)方式選擇模型BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

將經(jīng)歸一化處理的人力資本和政策性因素4個(gè)變量作為輸入因子，固定其中3個(gè)變量取樣本均值，以探究另一輸入變量對(duì)轉(zhuǎn)移就業(yè)（Y）的影響規(guī)律。此時(shí)，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(cái)產(chǎn)性收入（Ip）、轉(zhuǎn)移性收入（It）與控制變量矩陣作為自由變量輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)。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(yè)資格技能（S）和家庭區(qū)位（L）4個(gè)控制變量取值為0（女性，健康一般，不具備技能，遠(yuǎn)離市區(qū)）作為參照組，以剔除額外變量影響，最終獲得就業(yè)評(píng)價(jià)模擬值，如圖2所示。

模擬分析結(jié)果表明，年齡對(duì)轉(zhuǎn)移就業(yè)概率的邊際效應(yīng)呈倒U形。達(dá)極值點(diǎn)后，隨年齡的增大其轉(zhuǎn)移就業(yè)概率逐漸降低，且35歲以上失地農(nóng)民的轉(zhuǎn)移就業(yè)概率顯著低于35歲以下群體，45歲以上失地農(nóng)民的轉(zhuǎn)移就業(yè)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(guī)律，即教育程度提升會(huì)顯著增強(qiáng)轉(zhuǎn)移就業(yè)能力，但呈邊際效應(yīng)先遞增后遞減的趨勢(shì)。圖2-C和圖2-D分別反映財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入增加對(duì)轉(zhuǎn)移就業(yè)存在負(fù)面效應(yīng)，且較低水平收入對(duì)轉(zhuǎn)移就業(yè)的負(fù)面影響不顯著，只有當(dāng)該收入超過閾值后才會(huì)產(chǎn)生顯著負(fù)面影響。

2. 2. 2 二元Logistic回歸結(jié)果分析 將轉(zhuǎn)移就業(yè)（Y）作為因變量、各項(xiàng)生計(jì)資本因子作為自變量，建立二元Logistic回歸模型。模型結(jié)果表明，Nagelkerke R2為0.46，Chi-square值為165.914，在1%水平下顯著，對(duì)數(shù)似然值為362.257，預(yù)測(cè)值準(zhǔn)確率為80.2%，說明二元Logistic回歸模型對(duì)失地農(nóng)民轉(zhuǎn)移就業(yè)選擇解釋力度良好。

由二元Logistic回歸得到模型解析表達(dá)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(yù)測(cè)結(jié)果（表3）表明，人力資本與征地政策對(duì)失地農(nóng)民轉(zhuǎn)移就業(yè)存在一定程度的影響。其中，具備職業(yè)資格技能、男性、靠近市區(qū)及教育程度有正向影響。具備職業(yè)資格技能的失地農(nóng)民轉(zhuǎn)移就業(yè)概率是對(duì)照組的3.010倍，影響程度最大;靠近市區(qū)和男性對(duì)轉(zhuǎn)移就業(yè)概率的影響分別是對(duì)照組的2.402和2.049倍;樣本受教育年限每增加一個(gè)標(biāo)準(zhǔn)單位，其轉(zhuǎn)移就業(yè)概率即提升1.191倍;而健康水平降低及財(cái)產(chǎn)性收入、轉(zhuǎn)移性收入及年齡增加對(duì)轉(zhuǎn)移就業(yè)具有負(fù)面影響。

2. 3 雙重檢驗(yàn)對(duì)比分析

使用檢驗(yàn)數(shù)據(jù)分組119個(gè)樣本數(shù)據(jù)代入BP神經(jīng)網(wǎng)絡(luò)和二元Logistic回歸模型，對(duì)擬合結(jié)果進(jìn)行對(duì)比分析，結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)檢驗(yàn)分類預(yù)測(cè)準(zhǔn)確率達(dá)92.44%，二元Logistic回歸模型檢驗(yàn)分類預(yù)測(cè)準(zhǔn)確率為78.15%，配對(duì)卡方檢驗(yàn)P<0.001，說明BP神經(jīng)網(wǎng)絡(luò)的判別效果顯著優(yōu)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(jì)算AUC值進(jìn)行比較，結(jié)果（圖3）表明，BP神經(jīng)網(wǎng)絡(luò)ROC曲線下面積AUCBP=0.962，標(biāo)準(zhǔn)差SEBP=0.018;二元Logistic回歸模型ROC曲線下面積AUCL=0.791，標(biāo)準(zhǔn)差SEL=0.046。兩種模型的ROC曲線下面積存在顯著差異，BP神經(jīng)網(wǎng)絡(luò)的AUC值顯著高于二元Logistic回歸模型，進(jìn)一步表明BP神經(jīng)網(wǎng)絡(luò)相對(duì)于二元Logistic回歸模型在預(yù)測(cè)精度方面更具優(yōu)勢(shì)。

采用BP神經(jīng)網(wǎng)絡(luò)和二元Logistic回歸模型，分析人力資本與政策因素對(duì)轉(zhuǎn)移就業(yè)能力影響機(jī)制及邊際效應(yīng)，對(duì)比年齡、教育程度、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入4個(gè)自由變量在BP數(shù)據(jù)網(wǎng)絡(luò)中對(duì)輸出變量的影響，以及在二元Logistic回歸模型中的參數(shù)估計(jì)結(jié)果。分別計(jì)算二元Logistic回歸方程與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)曲線的一階和二階導(dǎo)數(shù)，通過判斷一階導(dǎo)數(shù)形式是否相同，可檢驗(yàn)兩種方法對(duì)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(dǎo)數(shù)形式是否相同，可驗(yàn)證兩種方法對(duì)影響因子邊際效用變化趨勢(shì)的分析結(jié)果是否一致。最終的實(shí)證分析結(jié)果如表4所示。結(jié)果表明，教育程度、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入的影響方式與邊際效應(yīng)均通過了BP神經(jīng)網(wǎng)絡(luò)和二元Logistic回歸模型的雙重檢驗(yàn)。這是由于在二分類預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練中激活函數(shù)采用與二元Logistic回歸模型相同的Sigmoid函數(shù)，因此在輸出結(jié)果的函數(shù)特性方面，兩個(gè)模型具有高度的相似性。教育程度、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入3個(gè)輸入因子對(duì)轉(zhuǎn)移就業(yè)概率的影響在BP神經(jīng)網(wǎng)絡(luò)中表現(xiàn)出與二元Logistic回歸模型相似的S曲線特性，且與實(shí)際觀測(cè)的經(jīng)驗(yàn)判斷一致。

年齡對(duì)轉(zhuǎn)移就業(yè)的影響方式在兩個(gè)模型中存在一定差異，其中，BP神經(jīng)網(wǎng)絡(luò)模擬結(jié)果表明年齡對(duì)轉(zhuǎn)移就業(yè)概率的影響存在倒U形曲線，符合勞動(dòng)力參與率周期性變化的基本規(guī)律（喬治·J·鮑哈斯，2018）;而二元Logistic回歸模型僅得出年齡增長(zhǎng)對(duì)轉(zhuǎn)移就業(yè)參與率存在有限的負(fù)面影響。究其原因是二元Logistic回歸相當(dāng)于僅具有單層激活函數(shù)的簡(jiǎn)單神經(jīng)元模型，致使其預(yù)測(cè)精度難以與BP神經(jīng)網(wǎng)絡(luò)分類效果相提并論。此外，鑒于模型對(duì)比分析的可比性因素考慮，并未針對(duì)年齡與轉(zhuǎn)移就業(yè)概率的倒U形關(guān)系在二元Logistic回歸模型設(shè)定中納入年齡的二次項(xiàng)，故無法從該模型中得出相關(guān)實(shí)證結(jié)論。

3 討論

失地農(nóng)民是我國(guó)城鎮(zhèn)化進(jìn)程產(chǎn)生的特殊群體，非農(nóng)生計(jì)方式選擇與其人力資本、財(cái)產(chǎn)性收入及轉(zhuǎn)移性收入等生計(jì)資本存在密切關(guān)系。本研究基于419個(gè)蘭州市安寧區(qū)失地農(nóng)民勞動(dòng)力調(diào)查數(shù)據(jù)劃分訓(xùn)練數(shù)據(jù)與檢驗(yàn)數(shù)據(jù)，采用相同函數(shù)形式建立失地農(nóng)民生計(jì)方式選擇預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)和二元Logistic回歸模型，結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)具有更好的擬合性能，且預(yù)測(cè)結(jié)果較傳統(tǒng)的二元Logistic回歸模型更合理。因此，采用BP神經(jīng)網(wǎng)絡(luò)能更有效地分析失地農(nóng)民生計(jì)資本對(duì)其轉(zhuǎn)移就業(yè)選擇的影響及邊際效應(yīng)。

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

本研究結(jié)果表明，失地農(nóng)民非農(nóng)就業(yè)率在30歲前呈上升趨勢(shì)，隨后下降并在45歲后降低至0.5水平以下，與現(xiàn)有非農(nóng)勞動(dòng)參與率年齡統(tǒng)計(jì)結(jié)果（Axelrad et al.，2017）相似，但與勞動(dòng)力就業(yè)率在55歲以上才出現(xiàn)顯著下降的情況相比，失地農(nóng)民適齡勞動(dòng)力會(huì)更早退出就業(yè)市場(chǎng)。這可能是由于征地導(dǎo)致農(nóng)戶原有生計(jì)方式不可維持，被迫進(jìn)入非農(nóng)就業(yè)市場(chǎng)。失地農(nóng)民的受教育程度較低、職業(yè)經(jīng)驗(yàn)與技能積累較少及健康水平下降等因素影響，生產(chǎn)力有限，致使其在勞動(dòng)力市場(chǎng)上的競(jìng)爭(zhēng)力較弱，因此工資收入整體上低于市場(chǎng)平均工資水平。加上欠發(fā)達(dá)地區(qū)受傳統(tǒng)觀念和養(yǎng)老模式的影響，需要有人在家照顧未成年子女及老人，導(dǎo)致該群體傾向于更早從勞動(dòng)力市場(chǎng)中退出，與林辰樂和呂翔濤（2012）的研究結(jié)果相似。此外，丁雪兒等（2017）、王軼等（2017）研究表明，在發(fā)達(dá)地區(qū)由于教育程度差異較小，人力資本對(duì)農(nóng)民轉(zhuǎn)移就業(yè)的影響不顯著。但本研究發(fā)現(xiàn)，欠發(fā)達(dá)地區(qū)教育水平仍是影響非農(nóng)就業(yè)水平的關(guān)鍵因子，且高中以上教育水平對(duì)就業(yè)概率提升的影響顯著。教育程度進(jìn)一步提升，在縮小人力資本差異的同時(shí)，對(duì)轉(zhuǎn)移就業(yè)的影響力也逐漸削弱。由此可見，欠發(fā)達(dá)地區(qū)教育水平與發(fā)達(dá)地區(qū)相比仍存在較大差距，部分地區(qū)僅普及義務(wù)教育，導(dǎo)致人力資本差異明顯。因此，提升欠發(fā)達(dá)地區(qū)農(nóng)民的教育水平是幫助失地農(nóng)民實(shí)現(xiàn)生計(jì)方式有效轉(zhuǎn)型的可行方法之一。

本研究證實(shí)，當(dāng)采用相同的激活函數(shù)形式時(shí)，BP神經(jīng)網(wǎng)絡(luò)表現(xiàn)出與二元Logistic回歸模型相似的性質(zhì)及預(yù)測(cè)結(jié)果。在對(duì)人力資本因子和政策影響因子所包含年齡、教育程度、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入4個(gè)輸入因子的對(duì)比分析中發(fā)現(xiàn)，除年齡外，其他3個(gè)影響因子均通過了兩種方法的雙重檢驗(yàn)，充分證明假設(shè)的有效性;而且BP神經(jīng)網(wǎng)絡(luò)對(duì)年齡與轉(zhuǎn)移就業(yè)概率的預(yù)測(cè)更符合勞動(dòng)力參與率的周期性變化規(guī)律。綜合模型預(yù)測(cè)的擬合精度及靈敏度和特異度，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)在失地農(nóng)民生計(jì)方式選擇問題中的分類預(yù)測(cè)能力明顯優(yōu)于傳統(tǒng)的二元Logistic回歸模型。由于性別、健康狀況、職業(yè)資格技能及家庭區(qū)位4個(gè)控制性變量對(duì)失地農(nóng)民生計(jì)方式選擇的影響并不是本研究的重點(diǎn)，僅在實(shí)證分析中予以證明，未得出供參考的實(shí)證結(jié)論。除人力資本因子和政策影響因子外，社會(huì)資本和金融資本也會(huì)對(duì)失地農(nóng)民轉(zhuǎn)移就業(yè)產(chǎn)生影響，但受到數(shù)據(jù)收集所限，本研究并未進(jìn)行探討。因此，在今后的研究中應(yīng)擴(kuò)大樣本地區(qū)個(gè)數(shù)和樣本數(shù)，以提高模型準(zhǔn)確度，同時(shí)探討年齡與教育對(duì)生計(jì)方式轉(zhuǎn)型的交互作用，進(jìn)一步明確非勞動(dòng)收入阻礙轉(zhuǎn)移就業(yè)的區(qū)間范圍，為精準(zhǔn)實(shí)現(xiàn)失地農(nóng)民生計(jì)可持續(xù)提供政策參考。

4 對(duì)策建議

4. 1 提高人力資本存量，增強(qiáng)職業(yè)技能培訓(xùn)

一方面，需要鼓勵(lì)和引導(dǎo)失地農(nóng)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(xué)歷層次，縮小與城鎮(zhèn)居民及發(fā)達(dá)地區(qū)失地農(nóng)民教育水平的差距。另一方面，政府應(yīng)當(dāng)擴(kuò)大當(dāng)前職業(yè)技能培訓(xùn)的范圍，加大對(duì)失地農(nóng)民繼續(xù)教育培訓(xùn)的力度，幫助失地農(nóng)民提高人力資本積累。職業(yè)技能培訓(xùn)應(yīng)結(jié)合失地農(nóng)民自身特點(diǎn)，不僅需要多樣化的繼續(xù)教育培訓(xùn)模式，還應(yīng)按層次、分類別提供有針對(duì)性和實(shí)效性的職業(yè)技能培訓(xùn)，以提升失地農(nóng)民職業(yè)技能儲(chǔ)備及職業(yè)素養(yǎng)。

4. 2 選取更合理的征地補(bǔ)償措施，正確引導(dǎo)失地農(nóng)民合理分配使用貨幣性補(bǔ)償

當(dāng)前以一次性貨幣補(bǔ)償方式及提供部分社會(huì)保障為主的征地補(bǔ)償方式，并不利于失地農(nóng)民非農(nóng)轉(zhuǎn)移就業(yè)。因此，有必要選取更適宜的補(bǔ)償措施對(duì)失地農(nóng)民進(jìn)行補(bǔ)償，如在合理貨幣補(bǔ)償方式降低非農(nóng)轉(zhuǎn)移就業(yè)的閾值確定后，可采取多次少量按月或年發(fā)放給農(nóng)民;超出部分可設(shè)為獎(jiǎng)勵(lì)金對(duì)實(shí)現(xiàn)穩(wěn)定就業(yè)的失地農(nóng)民進(jìn)行獎(jiǎng)勵(lì)或用于資助失地農(nóng)民就業(yè)技能培訓(xùn)等。此外，有必要對(duì)失地農(nóng)民進(jìn)行引導(dǎo)教育使合理分配貨幣，并學(xué)習(xí)必要的金融投資知識(shí)，具備將貨幣補(bǔ)償轉(zhuǎn)化為更穩(wěn)定的財(cái)產(chǎn)性收入能力，拓寬收入渠道，提供生計(jì)來源多樣化。

4. 3 完善失地農(nóng)民勞動(dòng)力市場(chǎng)體系

建立失地農(nóng)民就業(yè)信息服務(wù)平臺(tái)，為其提供就業(yè)信息和咨詢服務(wù);加大對(duì)失地農(nóng)民的幫扶力度，尤其重點(diǎn)關(guān)注中年失地農(nóng)民，提供更有針對(duì)性的就業(yè)扶持及保障措施，緩解該群體提前退出勞動(dòng)力市場(chǎng)的現(xiàn)狀;建立相應(yīng)的失地農(nóng)民社會(huì)保障體系，解決失地農(nóng)民的后顧之憂，進(jìn)而鼓勵(lì)失地農(nóng)民實(shí)現(xiàn)跨市、跨省就業(yè);提供創(chuàng)業(yè)貸款，幫助有自主創(chuàng)業(yè)需求失地農(nóng)民解決融資難的問題。同時(shí)要引導(dǎo)失地農(nóng)民樹立正確的就業(yè)觀念，改變其“等靠要”的思想。

參考文獻(xiàn)：

陳浩，陳雪春，謝勇. 2013. 城鎮(zhèn)化進(jìn)程中失地農(nóng)民職業(yè)分化及其影響因素研究[J]. 中國(guó)人口·資源環(huán)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(jīng)濟(jì)區(qū)城鎮(zhèn)化進(jìn)程中失地農(nóng)民再就業(yè)影響因素研究[J]. 成都大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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(guó)城鄉(xiāng)結(jié)合部地區(qū)失地農(nóng)民個(gè)人轉(zhuǎn)型問題研究——基于北京市、青島市、成都市和南寧市的入戶調(diào)查數(shù)據(jù)[J]. 華東經(jīng)濟(jì)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(yè)狀況對(duì)進(jìn)城務(wù)工人員職業(yè)流動(dòng)的影響分析——基于福州、廈門的調(diào)查[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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(nóng)民養(yǎng)老保障政策實(shí)施效果評(píng)價(jià)———以伊寧市為例[J]. 江西農(nóng)業(yè)學(xué)報(bào)，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(nèi)源式發(fā)展視角下失地農(nóng)民可持續(xù)生計(jì)困境及破解機(jī)制研究[J]. 經(jīng)濟(jì)學(xué)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(cái)產(chǎn)性收入差距及其影響的國(guó)際比較[J]. 勞動(dòng)經(jīng)濟(jì)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(xù)生計(jì)分析框架下失地農(nóng)民生計(jì)資本分析——基于貴州都勻的調(diào)查[J]. 江蘇農(nóng)業(yè)科學(xué)，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(nóng)民培訓(xùn)意愿的影響因素分析及其對(duì)策研究[J]. 浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)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(zhì)資本、社會(huì)資本與失地農(nóng)民城市適應(yīng)性——基于江蘇省469戶失地農(nóng)民的調(diào)查數(shù)據(jù)[J]. 江海學(xué)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(nóng)戶生計(jì)風(fēng)險(xiǎn)研究：以江西樂安縣為例[J]. 廣西民族大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)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(nóng)民就業(yè)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(yè)的政策因素分析——就業(yè)的雙項(xiàng)邏輯回歸模型及訪談實(shí)證研究[J]. 中國(guó)軟科學(xué)，（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(nóng)民就業(yè)自身影響因素研究——基于湘潭市的問卷調(diào)查數(shù)據(jù)[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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(nóng)民的工作獲得[J] .華東經(jīng)濟(jì)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(dòng)力市場(chǎng)分割對(duì)失地農(nóng)民就業(yè)的影響[J]. 華東經(jīng)濟(jì)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(quán)英，吳士健. 2009. 失地農(nóng)民就業(yè)影響因素分析——基于青島市失地農(nóng)民的調(diào)查[J]. 經(jīng)濟(jì)研究導(dǎo)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(dòng)經(jīng)濟(jì)學(xué)[M]. 第7版. 北京：中國(guó)人民大學(xué)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(jīng)網(wǎng)絡(luò)的京津冀城市群可持續(xù)發(fā)展綜合評(píng)價(jià)[J]. 生態(tài)學(xué)報(bào)，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(nóng)民就業(yè)質(zhì)量的影響因素分析——以武漢市江夏區(qū)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(huì)資本能提高失地農(nóng)民就業(yè)水平嗎——基于北京地區(qū)連續(xù)跟蹤的調(diào)查數(shù)據(jù)[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)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(xù)生計(jì)視角下西部民族地區(qū)失地農(nóng)民就業(yè)能力開發(fā)模式探析——以苗侗民族聚居地黔東南為例[J]. 農(nóng)業(yè)經(jīng)濟(jì)，（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(xué)視角的可持續(xù)生計(jì)研究：現(xiàn)狀、問題與領(lǐng)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(zhèn)化進(jìn)程中失地農(nóng)民就業(yè)安置的制度經(jīng)濟(jì)學(xué)分析[J]. 成都理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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(huì)排斥視角下的失地農(nóng)民權(quán)益問題分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)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(nóng)民的生計(jì)資本與生計(jì)策略關(guān)系研究——以陜西省楊凌區(qū)為例[J]. 廣東農(nóng)業(yè)科學(xué)，39（5）：192-194. [Zhou Y，F(xiàn)u 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(jì)算機(jī)工程與應(yīng)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(zé)任編輯 蘭宗寶）