戴雪兒,徐 靜
(中國農(nóng)業(yè)大學(xué)煙臺(tái)研究院,山東 煙臺(tái) 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(cái)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(gè)社會(huì)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(jì)量工具探究其時(shí)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。
農(nóng)村人力資源的變化與人口老齡化水平、勞動(dòng)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(jià)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(jì)來進(jìn)行空間聚集程度的探究。統(tǒng)計(jì)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(diǎn)進(jìn)行分析,空間聚集呈現(xiàn)效果更加明顯,可以檢驗(yàn)局部單元是否存在高、低值顯著聚集的現(xiàn)象[8]。計(jì)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(xiàng)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(shí),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(dòng)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(shí)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(dòng),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。
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(yùn)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(bǔ)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(bǔ)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(gè)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(xiàng)式時(shí)的計(jì)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(diǎn)與擬合點(diǎn)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(bǔ)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(jì)算處理時(shí),通過輸入層、隱含層和輸出層結(jié)構(gòu)的運(yùn)作實(shí)現(xiàn)良好的擬合效果。首先,計(jì)算網(wǎng)絡(luò)實(shí)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(shí)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(shí)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(diǎn)數(shù)結(jié)構(gòu)等都會(huì)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(gè)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(jì)數(shù)據(jù)與預(yù)測未來的發(fā)展趨勢,前向傳播計(jì)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(shí)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(yùn)行過程中的失誤率。
式(9)為平方誤差代價(jià)函數(shù)計(jì)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(gè)負(fù)的學(xué)習(xí)率便是對權(quán)值的更新。
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(diǎn)圖對其空間布局和變化范圍進(jìn)行研究(圖1)。熱點(diǎn)分析工具是對數(shù)據(jù)集中的要素進(jìn)行計(jì)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(yàn)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(diǎn)主要是聚集在該省的平原地區(qū),次熱點(diǎn)呈環(huán)狀分布在其周邊,而冷點(diǎn)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(diǎn)”,且西北和西南地區(qū)的冷熱點(diǎn)都有所擴(kuò)張??傮w看來,次冷熱點(diǎn)的空間變化不太明顯且多處于山區(qū)邊界,而次熱點(diǎn)區(qū)域明顯減少,熱點(diǎn)區(qū)域朝著聚集形態(tài)發(fā)展。為更好地探究農(nóng)村勞動(dòng)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(dòng)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(diǎn)圖
圖2(a)中,勞動(dòng)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(dòng)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(dòng)力的流失,會(huì)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(dòng)力和人均耕地差異空間分布
區(qū)域耕地流轉(zhuǎn)性加快以及農(nóng)業(yè)勞動(dòng)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(dòng)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(dòng)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(dòng)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(dòng)力數(shù)量與耕地之間空間分布協(xié)調(diào)度較低,存在勞動(dòng)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(gè)百分點(diǎn),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(dòng)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(dòng)力資源呈現(xiàn)出時(shí)間和空間分配不均勻以及流動(dòng)路線變化加快,農(nóng)業(yè)生產(chǎn)者老齡化趨勢及自身勞動(dòng)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(dòng)[15]。對江西省農(nóng)村農(nóng)業(yè)勞動(dòng)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(dòng)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(dòng)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(dòng)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(dòng)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(dòng)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。
采用多角度、多指標(biāo)的數(shù)量統(tǒng)計(jì)方法對農(nóng)村居民代際流動(dòng)情況進(jìn)行探究,并運(yùn)用對數(shù)線性模型考察相對流動(dòng)率,以擺脫邊際分布的干擾。在選取對象的時(shí)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(dòng)率和流動(dòng)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(dòng)比率變化,其中上向流動(dòng)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(gè)百分點(diǎn)??偟牧鲃?dòng)率的起伏變化不大,整體較緩慢增長。
圖5(b)為代際流動(dòng)距離占比,距離主要集中在短距離的上向流動(dòng),流動(dòng)距離的正負(fù)說明其發(fā)生了上向流動(dòng)和下向流動(dòng)。農(nóng)村社會(huì)存在一定的基層封閉性,農(nóng)民的代際流動(dòng)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(dòng)至工人階級或者辦事人員階層的上向流動(dòng)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(dòng)也會(huì)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(dòng)比率變化和代際流動(dòng)距離占比
交通樞紐的發(fā)展和信息交流速度的差異都會(huì)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(shí)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(shí)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(dòng)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(jì)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(shí)際情況正確引導(dǎo)剩余勞動(dòng)力的回流和流轉(zhuǎn)。
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(dòng)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(shí)際運(yùn)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(diǎn)聚集由原先的平原地區(qū)逐漸演變?yōu)槟媳薄半p熱點(diǎn)”,冷熱點(diǎn)格局或成環(huán)狀分布,且勞動(dòng)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(gè)百分點(diǎn),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(shí)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(dòng)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(shí)際情況正確引導(dǎo)剩余勞動(dòng)力的回流和流轉(zhuǎn)。