農(nóng)村人力資源空間智能化配置模型構(gòu)建研究

戴雪兒，徐 靜

（中國農(nóng)業(yè)大學(xué)煙臺研究院，山東 煙臺 264670）

中國作為擁有14億人口，且糧食產(chǎn)量高居世界前列的農(nóng)業(yè)大國，其對農(nóng)業(yè)農(nóng)村地區(qū)的開發(fā)和管理存在較大不足，且城鎮(zhèn)化的快速推進(jìn)影響老齡化的分布態(tài)勢和空間演變格局，改變了農(nóng)村地區(qū)積累財富的傳統(tǒng)手段和能力，也一定程度上加劇了農(nóng)業(yè)從事者的老齡化態(tài)勢［1-3］。在農(nóng)產(chǎn)品需求持續(xù)剛性增長，農(nóng)業(yè)外貿(mào)依存度增加的發(fā)展現(xiàn)狀下，重視農(nóng)業(yè)生產(chǎn)、高效管理農(nóng)地資源、優(yōu)化配置人力資源顯得十分重要，但在對農(nóng)村人力資源問題的探究上，缺乏較深入的科學(xué)論證研究，且常常忽視人地關(guān)系的失衡問題，難以協(xié)調(diào)好整個社會的生產(chǎn)力和生產(chǎn)關(guān)系的協(xié)調(diào)限度［4-6］。鑒于此，本研究結(jié)合耦合協(xié)調(diào)度和最小二乘模型，并借助空間計量工具探究其時空演變規(guī)律進(jìn)行人力資源的智能配置，以期為農(nóng)村人力資源配置方面的研究提供參考。

1 農(nóng)村人力資源空間配置方法改進(jìn)及模型構(gòu)建

1.1 人力資源空間智能化配置模型的構(gòu)建

農(nóng)村人力資源的變化與人口老齡化水平、勞動者素質(zhì)變化、人口流轉(zhuǎn)頻率以及產(chǎn)業(yè)結(jié)構(gòu)的升級優(yōu)化等因素具有一定影響，全面把握不同區(qū)域的農(nóng)村人力資源數(shù)量和質(zhì)量的變化特征和規(guī)律，評估其農(nóng)地資源的利用效益和產(chǎn)值收益，從空間區(qū)域分異的角度來探討人力資源空間匹配和優(yōu)化模型構(gòu)建，有助于為農(nóng)地資源中各種要素均衡協(xié)調(diào)發(fā)展提供建議［7］。對人力資源的空間配置，首先了解其空間中心的位置和變化趨勢，并相應(yīng)地指出未來發(fā)展的方向?？臻g重心作為評價全域中心性的指標(biāo)，可以在空間中較好地描述出區(qū)域的平均位置和周邊分布狀態(tài)，可以使用局部自相關(guān)中的統(tǒng)計來進(jìn)行空間聚集程度的探究。統(tǒng)計指數(shù)是用以判斷區(qū)域空間的異質(zhì)性，用來反映某一單元與領(lǐng)域單元屬性的關(guān)聯(lián)程度，較之Moran指數(shù)，可以針對所有的數(shù)據(jù)點進(jìn)行分析，空間聚集呈現(xiàn)效果更加明顯，可以檢驗局部單元是否存在高、低值顯著聚集的現(xiàn)象［8］。計算公式如式（1）所示。

式（3）中，yi′為標(biāo)準(zhǔn)化之后的結(jié)果，α,β為待定系數(shù)，k為調(diào)節(jié)系數(shù)，yi、yj均為指標(biāo)原始值，ymax為項指標(biāo)中最大值，C是耦合協(xié)調(diào)指數(shù)，且C∈[]0,1，當(dāng)C趨于0，表示兩者趨于無序，處于一種失調(diào)狀態(tài)；當(dāng)C趨于1時，表示兩者趨于有序，處于一種協(xié)調(diào)狀態(tài)，k為調(diào)節(jié)系數(shù)。耦合協(xié)調(diào)發(fā)展度能表現(xiàn)出兩者之間的交互程度和影響因素，故本研究引入耦合協(xié)調(diào)度，構(gòu)建起勞動力與耕地、老齡化與人力資源之間的協(xié)調(diào)度模型，避免單純依靠耦合度判別多區(qū)域?qū)Ρ戎谐霈F(xiàn)的不平衡等時效局限性，以便更好地揭示出人口與耕地的整體功效與協(xié)同效應(yīng)，發(fā)展度模型如式（4）所示。式（4）中，T為人口與耕地的發(fā)展度，D為耦合協(xié)調(diào)發(fā)展度，其數(shù)值在［0，1］之間浮動，協(xié)調(diào)度在呈現(xiàn)出極不協(xié)調(diào)到極其協(xié)調(diào)的良性上升趨勢。α,β為待定系數(shù)。本研究認(rèn)為人口與耕地的重要性相等，設(shè)置α=β=0.5。

1.2 數(shù)值擬合預(yù)測模型建立

城鎮(zhèn)化率受到多方面的影響，難以呈現(xiàn)出線性變化，而神經(jīng)網(wǎng)絡(luò)以其非線性映射能力和分類能力能夠在數(shù)據(jù)運算中進(jìn)行較好的深度分析，利用其本身算法性能的優(yōu)化能夠加快對數(shù)據(jù)量的處理［10］。故本研究首先利用最小二乘法對缺失數(shù)據(jù)進(jìn)行擬合補充，隨后利用網(wǎng)絡(luò)神經(jīng)算法對結(jié)果進(jìn)行預(yù)測。利用最小二乘法對部分缺失數(shù)據(jù)進(jìn)行補充，以便進(jìn)行后期人力資源應(yīng)對發(fā)展的預(yù)測，如式（5）所示。

式（5）中，θ1(x),θ2(x),…,θs(x)為基函數(shù)，y*為預(yù)測值，θs為第s個模型參數(shù)，m為特征數(shù)目，bi(i=1,2,…,s)為待定系數(shù)，y*=bmxm+bm-1xm-1+…+b1x+b0是擬合函數(shù)為m（m＜觀測數(shù)據(jù)組數(shù)）多項式時的計算公式，即可分別得到矩陣求解，如式（6）所示。

式（6）中，可得到矩陣的待定系數(shù)X為方程的解。最小二乘法曲線是使得曲線上的數(shù)據(jù)點與擬合點之間的誤差平方和達(dá)到最小，即可進(jìn)行對部分缺失數(shù)據(jù)進(jìn)行擬合補充［11］。神經(jīng)網(wǎng)絡(luò)在面對一些數(shù)據(jù)量較大的二維數(shù)據(jù)計算處理時，通過輸入層、隱含層和輸出層結(jié)構(gòu)的運作實現(xiàn)良好的擬合效果。首先，計算網(wǎng)絡(luò)實際輸入與期望輸出的誤差，然后通過對誤差信號反向傳播，以實現(xiàn)對網(wǎng)絡(luò)權(quán)值和閾值的逐步調(diào)整［12］。神經(jīng)網(wǎng)絡(luò)采用廣泛互聯(lián)的結(jié)構(gòu)和有效的學(xué)習(xí)機(jī)制來模擬人腦信息處理過程，利用泛化能力對集中的數(shù)據(jù)進(jìn)行訓(xùn)練和識別，而其層數(shù)結(jié)構(gòu)、權(quán)樹賦值、樣本質(zhì)量以及節(jié)點數(shù)結(jié)構(gòu)等都會對神經(jīng)網(wǎng)絡(luò)的泛化能力造成影響［13］。本研究采用極大值標(biāo)準(zhǔn)化法對不同量綱的不同原始數(shù)據(jù)進(jìn)行轉(zhuǎn)換，即將屬性數(shù)據(jù)縮放至特定區(qū)間以便更好地分析數(shù)據(jù)的屬性，并借助Matlab工具進(jìn)行標(biāo)準(zhǔn)化處理，轉(zhuǎn)換的公式如式（7）所示。

式（7）為標(biāo)準(zhǔn)化處理轉(zhuǎn)換的公式。神經(jīng)網(wǎng)絡(luò)設(shè)定輸入層、隱含層和輸出層的神經(jīng)元個數(shù)來確定拓?fù)浣Y(jié)構(gòu)，并確定學(xué)習(xí)率和最大迭代次數(shù)。通過信息前向傳播和誤差反向傳播完成網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)，輸入統(tǒng)計數(shù)據(jù)與預(yù)測未來的發(fā)展趨勢，前向傳播計算公式如式（8）所示。

式（8）中，wl為連接權(quán)值，xl-1為上層神經(jīng)元輸出，bl為神經(jīng)元閾值，f(x)為激活函數(shù)，xl-1和bl都是列向量，wl為矩陣。xl為指定層（研究層）神經(jīng)元輸出。BP神經(jīng)網(wǎng)絡(luò)是借助鏈?zhǔn)角髮?dǎo)法和梯度下降法實現(xiàn)對神經(jīng)元之間的連接值和閾值的調(diào)整，進(jìn)而使其反映出符合評判標(biāo)準(zhǔn)下的復(fù)雜非線性關(guān)系。選取適當(dāng)?shù)恼`差函數(shù)可以提高算法的準(zhǔn)確性，減小算法運行過程中的失誤率。

式（9）為平方誤差代價函數(shù)計算公式，y表示神經(jīng)網(wǎng)絡(luò)的輸出，t表示期望的輸出，?為誤差函數(shù)對閾值求導(dǎo)的結(jié)果，反映出每一層神經(jīng)元的靈敏度，δl為輸出層的神經(jīng)元靈敏度，wl為矩陣。根據(jù)梯度下降法則對權(quán)值進(jìn)行更新，必須求得誤差函數(shù)對權(quán)值的偏導(dǎo)數(shù)，偏導(dǎo)數(shù)再乘以一個負(fù)的學(xué)習(xí)率便是對權(quán)值的更新。

2 農(nóng)村人力資源配置下的演變規(guī)律和關(guān)聯(lián)格局結(jié)果差異分析

2.1 縣域老齡化趨勢與人力資源關(guān)聯(lián)格局結(jié)果分析

為了探究江西省縣域范圍內(nèi)農(nóng)村老齡人口和老齡化發(fā)展的演化趨勢，借助冷熱點圖對其空間布局和變化范圍進(jìn)行研究（圖1）。熱點分析工具是對數(shù)據(jù)集中的要素進(jìn)行計算而得到的Z得分和P值在空間上發(fā)生聚類的位置，可以檢驗空間過程中因子的關(guān)聯(lián)性和空間依賴性［13］。江西省老齡比在空間分布變化的差異有所縮小。

從圖1可以看出，2019年老齡人口的熱點主要是聚集在該省的平原地區(qū)，次熱點呈環(huán)狀分布在其周邊，而冷點區(qū)的分布主要在偏北部和東北部，大體上處于一種較為分散的狀態(tài)。2020年出現(xiàn)了南北聚集的“雙熱點”，且西北和西南地區(qū)的冷熱點都有所擴(kuò)張?？傮w看來，次冷熱點的空間變化不太明顯且多處于山區(qū)邊界，而次熱點區(qū)域明顯減少，熱點區(qū)域朝著聚集形態(tài)發(fā)展。為更好地探究農(nóng)村勞動力分布與人均耕地之間的空間關(guān)系，結(jié)合江西省人口普查中的部分?jǐn)?shù)據(jù)，選取常住適勞人口和戶籍人口數(shù)據(jù)，并結(jié)合第一產(chǎn)業(yè)人口的比例情況對勞動力差額和人均耕地面積進(jìn)行分析，得到結(jié)果如圖2所示。

圖1 江西省2019、2020年縣域農(nóng)村老齡人口空間分布的冷熱點圖

圖2（a）中，勞動力的分布主要集中在平原地區(qū)，南北分布差異較大，且呈現(xiàn)出中間數(shù)值低，南北數(shù)值高的空間分布狀態(tài)，全省農(nóng)村勞動力流失情況較嚴(yán)重，在空間上有集聚態(tài)勢，且高值區(qū)域明顯減少。而農(nóng)村勞動力的流失，會使得人均耕地面積增大，從而加大了人均耕地的壓力。從圖（b）可以看出，人均耕地差異變化較大的是該省北部地區(qū)，縣域中增加最多的人均耕地面積達(dá)到每人0.418 hm2，但總體增長幅度較小，其主要的集聚態(tài)勢在東部地區(qū)。

圖2 江西省2019、2020年勞動力和人均耕地差異空間分布

2.2 人力資源耦合空間格局結(jié)果分析

區(qū)域耕地流轉(zhuǎn)性加快以及農(nóng)業(yè)勞動力的產(chǎn)業(yè)化轉(zhuǎn)移進(jìn)程的推進(jìn)，都使得勞耕比例存在一定的不適應(yīng)情況，難以保障鄉(xiāng)村系統(tǒng)有序發(fā)展，而研究耕地與勞動力已然成為人地關(guān)系和農(nóng)村人力資源研究中的重要內(nèi)容［14］。研究勞動力與耕地之間的耦合關(guān)系，能夠較好地探究兩者之間的相關(guān)水平和空間交互程度，結(jié)果如圖3所示。

由圖3可知，該省農(nóng)村勞動力-耕地耦合協(xié)調(diào)度的空間分布總體呈現(xiàn)極不均衡狀態(tài)。2019年耦合協(xié)調(diào)度數(shù)值較高的位于該省北部平原丘陵地區(qū)，且高數(shù)值呈現(xiàn)出西北-東南走向帶狀分布，協(xié)調(diào)發(fā)展較好（7.6%）和輕微失衡（17.7%）的勞動力數(shù)量與耕地之間空間分布協(xié)調(diào)度較低，存在勞動力缺失或者溢出現(xiàn)象。2020年全省耦合協(xié)調(diào)發(fā)展程度有明顯弱化和下降態(tài)勢，良性發(fā)展的縣域耦合度（3.5%）較之2019年下降了4.1個百分點，使得部分片狀聚集區(qū)域演變成零星塊狀分布，耕地地區(qū)人口和耕地面積數(shù)量的匹配程度降低。

圖3 江西省2019、2020年勞動力-耕地耦合協(xié)調(diào)度空間分布

城鎮(zhèn)化的演變推進(jìn)不僅使勞動力資源呈現(xiàn)出時間和空間分配不均勻以及流動路線變化加快，農(nóng)業(yè)生產(chǎn)者老齡化趨勢及自身勞動能力的下降使人們在心理傾向和情感寄托上更加傾向于回歸農(nóng)村，從事部分簡單的農(nóng)業(yè)勞動［15］。對江西省農(nóng)村農(nóng)業(yè)勞動力與耕地耦合發(fā)展協(xié)調(diào)度以及老齡比協(xié)調(diào)程度進(jìn)行協(xié)同度分析，可以更好地探究農(nóng)村人力資源發(fā)展模式和現(xiàn)狀，結(jié)果如圖4所示。

從圖4可以看出，2019年老齡化-人力資源協(xié)同度值分析來看，最大值和最小值分別為0.759和0.010，且在空間分布上，整體處于一種良性系統(tǒng)發(fā)展?fàn)顟B(tài)，但勞動力與耕地之間的協(xié)調(diào)適配性與其老齡化之間呈反比。圖4（b）中協(xié)同度為0.601～0.800部分縣域在空間上呈現(xiàn)出零散發(fā)展態(tài)勢。城市化水平的提高和地區(qū)差異影響勞動者需求因素和流轉(zhuǎn)變化，在拓寬就業(yè)渠道和方向上人們更加傾向于發(fā)達(dá)程度較高省份的就業(yè)選擇，進(jìn)而使得本地區(qū)人力資源的協(xié)同度下降，農(nóng)村勞動力缺失使得人均耕地壓力增加、資源配置不均衡問題日漸突出。

圖4 江西省2019、2020年老齡化-人力資源協(xié)同度的空間分布情況

綜上所述，勞動力數(shù)量和質(zhì)量水平與耕地之間的耦合協(xié)調(diào)狀況探究中呈現(xiàn)出不一致的情況，且其受到地域影響痕跡較為嚴(yán)重。山地地區(qū)的勞動力素質(zhì)較高，但老齡化問題的加劇阻礙地區(qū)發(fā)展的穩(wěn)步推進(jìn)，且江西省范圍內(nèi)人力資源配置和耦合協(xié)調(diào)度數(shù)值存在不均衡地區(qū)差異，一定程度上制約著農(nóng)業(yè)現(xiàn)代化的進(jìn)程。

2.3 人力資源空間智能化配置下的協(xié)同程度預(yù)測分析

采用多角度、多指標(biāo)的數(shù)量統(tǒng)計方法對農(nóng)村居民代際流動情況進(jìn)行探究，并運用對數(shù)線性模型考察相對流動率，以擺脫邊際分布的干擾。在選取對象的時候，考慮地緣差異，采取了隨機(jī)抽樣和分層抽樣相結(jié)合的方法，結(jié)合縣域經(jīng)濟(jì)發(fā)展程度、農(nóng)業(yè)生產(chǎn)發(fā)展情況、人力資源以及資金的調(diào)配情況，在剔除一些特殊樣本后對農(nóng)村居民流動率和流動距離進(jìn)行研究，結(jié)果如圖5所示。

從圖5（a）為農(nóng)村居民代際流動比率變化，其中上向流動率由2017年的42.37%發(fā)展到2020年的49.82%，大致呈現(xiàn)出增長態(tài)勢，其中2019年到2020年的增幅最大，達(dá)到8.9個百分點?？偟牧鲃勇实钠鸱兓淮?，整體較緩慢增長。

圖5（b）為代際流動距離占比，距離主要集中在短距離的上向流動，流動距離的正負(fù)說明其發(fā)生了上向流動和下向流動。農(nóng)村社會存在一定的基層封閉性，農(nóng)民的代際流動和職業(yè)更替在一定程度上受到自身局限和環(huán)境條件的影響，且在山區(qū)情況更為明顯。通過短距離流動至工人階級或者辦事人員階層的上向流動的通道尚存，其就業(yè)渠道和上升方向有了較大程度的提高。同樣代際流動也會受到城鎮(zhèn)化和家庭背景的影響，就業(yè)渠道和上升方向有較大程度的提高，但仍是一種不平衡狀態(tài)。

圖5 農(nóng)村居民流動比率變化和代際流動距離占比

交通樞紐的發(fā)展和信息交流速度的差異都會影響城市化進(jìn)程的發(fā)展，城鎮(zhèn)化率的增長情況與農(nóng)村人力資源的配置具有一定的關(guān)系，農(nóng)業(yè)發(fā)展態(tài)勢趨于穩(wěn)定，使得農(nóng)業(yè)生產(chǎn)人員需求增多［15］。隨后研究以該省之前的城鎮(zhèn)化率變化情況為參考依據(jù)，推測得出其在2023年至2027年城鎮(zhèn)化率的發(fā)展趨勢，結(jié)果如圖6所示。結(jié)果表明，城鎮(zhèn)化率是隨著時間的推移呈現(xiàn)增強(qiáng)態(tài)勢，但在進(jìn)入城市化后期階段，增速有所放緩，且縣域之間的差距逐漸縮小。不同地形條件下的縣域，應(yīng)根據(jù)其城鎮(zhèn)化和老齡化水平適時采取應(yīng)對措施，改進(jìn)農(nóng)業(yè)生產(chǎn)方式并提高生產(chǎn)效率和效益。在農(nóng)村勞動人口平均年齡增加的情況下，積極應(yīng)對自然條件變化和衡量生產(chǎn)者接受程度來推廣新型農(nóng)業(yè)的發(fā)展，加快其現(xiàn)代化發(fā)展。

圖6 2023—2027年江西省部分縣域城鎮(zhèn)化率預(yù)測結(jié)果

城鎮(zhèn)化率越高使得從事農(nóng)業(yè)的人口比例有所下降，利用耦合協(xié)調(diào)模型計算出江西省部分縣域未來人力資源-農(nóng)業(yè)發(fā)展協(xié)同指數(shù)，可對其未來發(fā)展提供適當(dāng)可行的建議，結(jié)果如表1所示。

表1 江西省部分縣域人力資源-農(nóng)業(yè)發(fā)展協(xié)同預(yù)測結(jié)果

從表1可以看出，總體上，江西省省內(nèi)人力資源-農(nóng)業(yè)發(fā)展協(xié)同指數(shù)都較高的縣域大多主要集中在農(nóng)業(yè)生產(chǎn)區(qū)域，且其人力資源狀況與耕地之間的耦合協(xié)調(diào)程度較好，但山區(qū)部分縣域的城鎮(zhèn)率與耕地之間的耦合協(xié)調(diào)度較差。2025年，全省范圍內(nèi)耦合協(xié)調(diào)度均值為0.474，其方差為0.032，省內(nèi)縣域間差異較大。到2030年，全省范圍內(nèi)耦合協(xié)調(diào)度均值提高了0.005，其方差減小至0.025，組內(nèi)差異有所減小。方差數(shù)值的縮小，說明縣域之間的差異程度在減小。耦合協(xié)調(diào)度在2035年（0.477）和2040年（0.475）的數(shù)值有所改變，且方差仍然呈現(xiàn)出減小趨勢，數(shù)值最高的縣域也發(fā)生了改變，其組內(nèi)差異和最高值持續(xù)減小。耦合協(xié)調(diào)度和高值區(qū)數(shù)值的變化大體上受到城鄉(xiāng)二元結(jié)構(gòu)影響較多，且南北差異較大，人力資源存在溢出或缺失情況，發(fā)展?fàn)顟B(tài)不平衡，應(yīng)依據(jù)不同地區(qū)的實際情況正確引導(dǎo)剩余勞動力的回流和流轉(zhuǎn)。

3 小結(jié)

通過對影響農(nóng)村人力資源空間配置因素的老齡化程度、城鎮(zhèn)化水平、代際流動變化、人力資源耦合協(xié)調(diào)度等方面建立其模型方法，對實際運行情況和預(yù)測結(jié)果進(jìn)行分析。結(jié)果表明，江西省老齡人口的熱點聚集由原先的平原地區(qū)逐漸演變?yōu)槟媳薄半p熱點”，冷熱點格局或成環(huán)狀分布，且勞動力的南北分布差異較大，呈現(xiàn)出中間數(shù)值低、南北數(shù)值高的空間分布狀態(tài)，耦合協(xié)調(diào)發(fā)展度的空間分布不均衡，且2020年良性發(fā)展的縣域耦合度（3.5%）較2019年下降了4.1個百分點，使得部分片狀聚集區(qū)域演變成零星塊狀分布，匹配合適度下降。而老齡化影響程度加深，使得人均耕地壓力增加，資源配置不均衡問題日漸突出，進(jìn)一步制約著農(nóng)業(yè)的發(fā)展。同時人力資源-耕地耦合協(xié)調(diào)度的均值和方差總體上有所減小，南北差異較大，勞動力存在溢出或缺失情況。故在此基礎(chǔ)上應(yīng)依據(jù)不同地區(qū)的實際情況正確引導(dǎo)剩余勞動力的回流和流轉(zhuǎn)。